التكنولوجيا وراء Driveri

على مدى السنوات، شهدت صناعة النقل ابتكاراً كبيراً، خاصة مع صعود منصات السلامة للسائقين القائمة على الرؤية. الجيل الأول من منصات السلامة القائمة على الرؤية دمج بين كشف التصادمات وتسجيل الفيديو والاتصال بالإنترنت، لالتقاط سجلات حوادث الطريق. تم بعد ذلك مراجعة هذه السجلات من قبل مديري السلامة للتأكد من الدقة ومشاركتها مع السائقين كجزء من برنامج التدريب.الجيل التالي من منصات سلامة السائقين القائمة على الرؤية، بدءاً من تقديم Driveri في عام 2016، استبدل المراجعة اليدوية لفيديو التصادمات المحتملة بالتحليل المستمر لمشاهد القيادة باستخدام الذكاء الاصطناعي المدمج مباشرة في جهاز الحوسبة الطرفية. مع كاميرا لوحة القيادة "بالذكاء الاصطناعي"، سيحصل مدير السلامة الآن على الوصول إلى كل دقيقة قيادة في يوم السائق، بدلاً من دقائق القيادة القليلة شهرياً التي تقدمها الأنظمة السابقة.عندما تبدأ في تحليل بيانات أكثر تعقيداً لملايين دورات النقل والأشخاص والحوادث وأميال الطرق، فإنك تنتقل إلى عالم البيانات الضخمة. بناءً على التحليل المستمر لحوالي 10 مليون ميل من بيانات القيادة الجديدة كل أسبوع، استخدم نظام Driveri تقنيات التعلم الآلي لإنشاء وتحسين التحليلات التنبؤية التي تعزز أداء السائق في الوقت الفعلي وتمنع الحوادث.

صعود البيانات الضخمة في النقل

استخدام البيانات الضخمة في النقل ينمو بسرعة. تم إنشاء خوارزميات Driveri وتدريبها واختبارها على تدفقات البيانات الضخمة التي تجمعها أجهزتها لجعل أنظمة السائقين أذكى.تمكنت Netradyne من أتمتة عملية جمع البيانات الضخمة وتحليلها وتطبيق الرؤى لتحسين أداء السائق بحيث يدرب النظام نفسه بشكل مستمر على أفضل طريقة لتحسين أداء السائق باستخدام البيانات السابقة.

التعلم الآلي والذكاء الاصطناعي

التعلم الآلي هو جزء فرعي من الذكاء الاصطناعي (AI) الذي يمنح أنظمة الحاسوب القدرة على التعلم من البيانات دون الحاجة للبرمجة المستمرة.على سبيل المثال، قد ترغب في تطوير برنامج يحرك سيارتك عندما يكون الضوء أخضر ويوقفها عندما يكون أحمر. يمكن لمهندس التعلم الآلي إنشاء برنامج قصير يجعل هذه المهمة ممكنة: (إذا كان الضوء = أخضر فاذهب، وإلا توقف).يبدو هذا مثل مشكلة بسيطة نوعاً ما لحلها - حتى تفكر في جميع المتغيرات التي تدخل في اللعب. على سبيل المثال، ماذا يجب أن يحدث عندما تخترق سيارة أخرى الضوء الأحمر؟ الآن عليك أن تجعل برنامجك أطول قليلاً: (إذا كان الضوء = أخضر و(لا توجد سيارة تخترق الضوء الأحمر الآخر)، فاذهب).ولكن ماذا لو كانت سيارتك متوقفة عند إشارة مرور لا تعمل، والسيارات الأخرى أمامك تخترق الضوء الأحمر عمداً؟ كيف ستحسب سيارتك الحركة الصحيحة عند ممر المشاة؟بدلاً من إضافة أسطر جديدة من الكود باستمرار لبرنامجك لحساب كل متغير، يدرب التعلم الآلي برنامجك على التعرف على هذه المتغيرات والعمل عليها، كله بنفسه.يبدأ التعلم الآلي بجمع البيانات من مصادر مختلفة. على سبيل المثال، يجمع Driveri البيانات ذات الصلة بأداء السائق وظروف الطريق المتغيرة. من خلال التعلم الآلي، تركز خوارزمياته على الإجراءات المسجلة في البيانات التي تميل إلى التأثير إيجابياً على أداء السائق والإدارة ومنع حوادث الطريق في مواجهة ظروف الطريق المتغيرة.الهدف هو السماح للنظام بالتعلم بشكل مستمر وعلى نطاق لا يمكن تحقيقه إذا تم عرقلته بدورات المراجعة اليدوية.الأجهزة الذكية صناعياً ضرورية للمهام التي تتضمن معالجة كميات ضخمة من البيانات واكتساب رؤى منها واتخاذ القرارات الصحيحة. هذا شيء يفعله البشر ببطء وبقطع صغيرة فقط من البيانات في كل مرة - مما يمنح التكنولوجيا ميزة واضحة.في حالة Driveri، نضمن جمع البيانات لكل دقيقة من كل رحلة على الطريق. تعالج خوارزمياتنا هذه البيانات وتقدم رؤى في الوقت الفعلي، بدلاً من جعل مدير الأسطول يراجع ساعات من الفيديو. سرعة معالجة البيانات أمر بالغ الأهمية للحصول على ثماني ساعات من بيانات التدريب لكل سائق يومياً، بدلاً من دقائق القيادة القليلة لكل سائق شهرياً التي تجمعها الأنظمة القديمة.السائق التجاري النموذجي يسجل 100,000 ميل من القيادة كل عام. على مدى مهنة مدتها ثلاثون عاماً، سيكون السائق التجاري النشط قد قاد 3 مليون ميل. حالياً، تجمع أنظمة Driveri هذا القدر من البيانات كل بضعة أيام. لأن الذكاء الاصطناعي موجود على الجهاز، يتم تحليل كل هذه الأميال واستخدامها لجعل النظام أذكى. في هذا النطاق، تمكن البنية التحتية التي بنتها Netradyne من تأثير عدة أعمار من تجربة القيادة البشرية على كل تكرار لنظام معالجة الذكاء الاصطناعي الذكي بشكل متزايد.

في سياق النقل

يستخدم Driveri التعلم الآلي لتدريب منصته على التعرف على سلوكيات القيادة المشتتة والمواقف الخطيرة، بالإضافة إلى أحداث القيادة الإيجابية والاستباقية التي يسعى النظام لتعزيزها. يحلل النظام أيضاً ظروف الطريق ومسافات المتابعة والعوامل البيئية الأخرى لمساعدة سائقك على اتخاذ الخيار الأكثر أماناً. تعمل خوارزمياته خلف الكواليس لقيادة أنظمة المكافآت والتعرف على الأخطاء وتدريب السائقين.في النقل، تصبح حلول الذكاء الاصطناعي تدريجياً معياراً صناعياً بسبب صعود منصات مثل Driveri. يمكن لهذه المنصات التعلم عن بيئاتها وتطبيق ما تتعلمه بذكاء. في صناعة مثقلة بالحوادث وتكاليف التأمين ونقص العمالة، يجعل الذكاء الاصطناعي من الممكن حصاد البيانات المتراكمة واقتراح حلول لهذه المشاكل من خلال تقليل تكرار الحوادث. حوادث أقل، بدورها، تقلل من أقساط التأمين، كل ذلك بينما تتفاعل مع السائقين بطريقة تعزز الرضا الوظيفي طويل المدى.يدرب Driveri السائقين على عاداتهم الأكثر خطراً في القيادة، ويظهر لهم أفضل طريقة لتخفيف المخاطر دون وجود مشرف يتنفس في رقبتهم. يمكن لمديري الأساطيل الكبيرة أيضاً أن يكونوا متأكدين من أن العملية الكاملة لاكتشاف السلوك السيئ في السائقين يمكن القيام بها في الخلفية بينما يتعاملون مع المهام الملحة الأخرى.

تكنولوجيا Driveri والذكاء الاصطناعي

الذكاء الاصطناعي يشكل أساس منصة Driveri. مخصص في الغالب لتحليلات البيانات المتقدمة، تتسرب التكنولوجيا إلى ميزات أخرى مثل التواصل ونظام المكافآت.تعمل المنصة في ثلاث خطوات رئيسية: جمع البيانات وتفسيرها والعمل عليها من خلال ثلاثة أقسام مختلفة. هذه الأقسام هي نظام كاميرات الأسطول لجمع البيانات القائم على الرؤية المكون من كاميرات وأجهزة استشعار، ونظام تحليل البيانات باستخدام الذكاء الاصطناعي، وأنظمة المكافآت DriverStar و GreenZone.

نظام تحليل بيانات Driveri

يجمع نظام تحليل بيانات Driveri رؤى حول ظروف الطريق ومخاطر المرور وأداء السائق، بما في ذلك سلوكيات القيادة المشتتة. بعد تحليل البيانات، يدرب النظام السائقين خلال المواقف الصعبة والسلوكيات الخطيرة من خلال الإشعارات في الوقت الفعلي. يمكن أن يوفر هذا على الأساطيل ملايين الدولارات في الأضرار من خلال تجنب الحوادث المحتملة.

النظام القائم على الرؤية

يستخدم نظام Driveri القائم على الرؤية بشكل أساسي لجمع البيانات أثناء التواجد على الطريق. الكاميرات الداخلية والخارجية تلتقط سلوك السائق وتلتقط الحوادث بالإضافة إلى مشاجرات الطريق وتلتقط بيانات الطريق. يتكون النظام من مجموعة من الكاميرات الجانبية والأمامية والداخلية QUAD HD للتسجيل عالي الجودة وإعادة تشغيل الأحداث في الوقت الفعلي. يمكن للمديرين الوصول إلى ما يصل إلى 50 ساعة من إعادة تشغيل الفيديو عند الحاجة.يجمع Driveri بين الذكاء الاصطناعي والتعلم الآلي لإنشاء وتشغيل منصة إدارة السائقين الذكية صناعياً التي تجمع وتحلل البيانات في الوقت الفعلي. بمساعدة التكنولوجيا، يمكن للسائقين تخفيف المخاطر، بينما يمكن للأساطيل الحفاظ على السلامة ومراقبة أداء السائق في الوقت الفعلي. اتصل بنا لتعلم المزيد عن تكنولوجيا Driveri المتقدمة.