Für das Flottenmanagement sind KI und IoT zusammen besser

Die Anwendung künstlicher Intelligenz auf das Internet der Dinge (IoT) treibt schnelle Innovationen in Branchen wie dem Gesundheitswesen, der Fertigung und dem Transportwesen voran.

Während sich das IoT auf die Entwicklung von Remote-Sensorsystemen zur Erfassung von Daten konzentriert, verbindet die künstliche Intelligenz der Dinge (AIoT) diese Systeme zu einer kollektiven Intelligenz, die letztendlich jeden Knoten im System intelligenter macht. Durch die Kombination von intelligenter Kognition, Edge-Computing und autonomen Fähigkeiten ermöglicht es die automatisierte Verarbeitung der vom Menschen inspirierten Entscheidungsfindung zu geringen Kosten, in großem Umfang und mit hoher Genauigkeit.

Die Technologie bildet bereits heute das Rückgrat vieler kommerzieller Transportsysteme, insbesondere in der Flottensicherheit.

AIoT ist insbesondere für Sektoren nützlich, die riesige Datenmengen erzeugen, die von Menschen nicht effizient verarbeitet werden können. In der Transportbranche wächst das Datenvolumen, das von Fahrzeugen generiert wird, jeden Tag, da Flotten ihre Technologiebasis verbessern und die neuesten fortschrittlichen Fahrerassistenzsysteme (ADAS) einsetzen.

Während die Kombination von Video- und Fahrzeugdaten entscheidend für die Erkennung und Minderung von Sicherheitsrisiken ist, fehlen den meisten Plattformen die Speicher- oder Rechenkapazitäten, um all diese Daten in der Cloud zu verarbeiten, zu analysieren und zu interpretieren. Darüber hinaus erzeugen Geräte, die üblicherweise in Nutzfahrzeugen installiert sind, hochauflösende Daten, was die Cloud-Übertragung wirtschaftlich unerschwinglich macht.

Als Reaktion darauf kombiniert die AIoT-Technologie die maschinellen Lernfähigkeiten von Geräten im Fahrzeug und im Fahrzeug mit der Rechenleistung von Cloud-Verarbeitungsumgebungen. Dieser integrierte Ansatz ermöglicht es den installierten Geräten, erweiterte Erkenntnisse abzuleiten, die verloren gegangen wären, wenn die Daten vor der Übertragung in die Cloud zusammengefasst oder reduziert werden müssten.

AIoT-Systeme sind einzigartig bidirektional und führen Daten von Hunderten von Bordgeräten zusammen, um Trends zu erkennen, die wiederum darüber informieren, wie dieselben Geräte in Zukunft Entscheidungen treffen werden.

Onboard-Geräte treffen ständig KI-gesteuerte Entscheidungen basierend auf Machine-Learning-Algorithmen und Sensoren, die an verschiedenen Stellen des Fahrzeugs installiert sind. In einem AIoT-System wird die Begründung jeder Entscheidung in eine Cloud-Verarbeitungsumgebung hochgeladen, die dann Daten und Erkenntnisse aus einer großen Gruppe von Geräten einsehen kann, um gemeinsame Trends zu bestimmen. Diese Informationen werden dann als Aktualisierung des maschinellen Lernalgorithmus an das Gerät zurückgesendet. Je mehr Nodes an dieser Schleife gesammelter „Crowdsourced“-Intelligenz teilnehmen, desto intelligenter und besser wird jeder Node arbeiten.

Als Bonus können AIoT-Systeme Informationen austauschen, die außerhalb von Fahrzeugsensoren gesammelt wurden, wie Wettervorhersagen, Verkehrsbedingungen und gefährliche Zwischenfälle entlang der Straße. Diese Erkenntnisse werden den Fahrverhaltensdaten überlagert und zeigen den Geräten, wie sie in Echtzeit Entscheidungen über alles treffen können, von der schnellsten Route bis hin zur für die Wetterbedingungen am besten geeigneten Geschwindigkeit.

Sicherheitssysteme für den gewerblichen Lkw-Verkehr haben die Vorteile von AIoT schon seit einiger Zeit erkannt, lange bevor der Begriff überhaupt eingeführt wurde. AIoT wird beispielsweise häufig verwendet, um Fahrern ein zeitnahes Selbstcoaching anzubieten. Fahrerhaus-ADAS-Sensoren können Fahrer in Echtzeit auf Sicherheitsrisiken aufmerksam machen, damit sie Korrekturmaßnahmen ergreifen können, bevor es zu einer Kollision kommt.

Kürzlich wurde AIoT sogar eingesetzt, um Flottenmanager zu identifizieren und vor „sitzenden Enten“ zu warnen, dh auf gefährlichen Korridoren geparkten Nutzfahrzeugen. In diesen Fällen werten die maschinellen Lernsysteme eine komplexe Abfolge von Ereignissen aus, die die Sicherheitsrisiken eines an einem bestimmten Standort geparkten Fahrzeugs widerspiegeln.

Trigger-Management ist der Schlüssel zur Transportsicherheit; Das Versenden der richtigen Benachrichtigung zur richtigen Zeit rettet Flotten vor kostspieligen Kollisionen und rettet vor allem Leben. Wenn eine Sicherheitsplattform Daten von jedem Fahrzeug in der Flotte abruft und mit den tatsächlichen Sicherheitsergebnissen in der Cloud korreliert, stellt AIoT sicher, dass Bordgeräte die Fahrer effektiv mit den richtigen Hinweisen benachrichtigen können. Die Fähigkeit, Fahrer im richtigen Moment zu warnen, erfordert Edge-Verarbeitung, Benachrichtigungen mit geringer Latenz und mögliche Korrekturen. Im Gegensatz zu Geräten, die am Edge arbeiten, indem sie einen kontinuierlichen Strom verschiedener Ereignisse an die Cloud senden, bringt AIoT diesen Geräten bei, die riskantesten Verhaltensweisen zu erkennen, zu priorisieren und darauf zu reagieren.

Im gewerblichen Transportsektor hat die AIoT-Technologie das Potenzial, einige der bedeutendsten Fahrrisiken von heute zu adressieren:Ablenkung, Geschwindigkeitsüberschreitung aufgrund von Wetterbedingungen und Parken in historisch gefährlichen Straßenkorridoren.

An jedem Tag kennen wir bereits die gefährlichsten Straßen des Landes. Stellen Sie sich die Auswirkungen vor, wenn diese Informationen mit Routingsystemen verknüpft werden, um allen Fahrern zu helfen, die sichersten und effizientesten Routen für ihre Fahrzeuge oder ihr Fahrkönnen zu wählen. Beim Crowdsourcing könnte diese Technologie sogar Kommunal-, Landes- und Bundesbehörden anleiten, auf riskante Straßenelemente wie Schlaglöcher zu reagieren und neue Sicherheitsstrategien bei der Gestaltung von Straßen und Autobahnen anzuwenden.

David Wagstaff ist Vice President of Analytics bei SmartDrive-Systeme , ein Anbieter videobasierter Sicherheits- und Verkehrsinformationen.