La technologie derrière Driveri

Au fil des années, l'industrie du transport a connu des innovations importantes, particulièrement avec l'essor des plateformes de sécurité routière basées sur la vision. Les premières plateformes de sécurité routière basées sur la vision combinaient la détection de collisions, l'enregistrement vidéo et la connectivité internet pour capturer les enregistrements d'accidents de la route. Ces enregistrements étaient ensuite examinés par les gestionnaires de sécurité pour en vérifier l'exactitude et partagés avec les conducteurs dans le cadre d'un programme de formation.La nouvelle génération de plateformes de sécurité routière basées sur la vision, commençant avec l'introduction de Driveri en 2016, a remplacé l'examen manuel des vidéos de collisions possibles par une analyse continue des scènes de conduite utilisant l'Intelligence Artificielle intégrée directement dans le dispositif de calcul en périphérie. Avec une caméra de bord « IA », un gestionnaire de sécurité aurait maintenant accès à chaque minute de conduite de la journée d'un conducteur, au lieu des quelques minutes de conduite par mois offertes par les systèmes antérieurs.Quand vous commencez à analyser des données plus complexes pour des millions de cycles de transport, de personnes, d'accidents et de miles parcourus, vous entrez dans le domaine du Big Data. Basé sur l'analyse continue d'environ 10 millions de miles de nouvelles données de conduite chaque semaine, le système Driveri a employé des techniques d'apprentissage automatique pour créer et améliorer l'analytique prédictive qui améliore la performance des conducteurs en temps réel et prévient les accidents.

L'essor du Big Data dans le transport

L'utilisation du big data dans le transport croît rapidement. Les algorithmes Driveri ont été créés, entraînés et testés sur les flux de big data que ses dispositifs collectent pour rendre les systèmes de conduite plus intelligents.Netradyne a pu automatiser le processus de collecte de big data, d'analyse et d'application des insights pour améliorer la performance des conducteurs afin que le système s'entraîne continuellement sur la meilleure façon d'optimiser la performance des conducteurs en utilisant les données passées.

Apprentissage automatique et Intelligence Artificielle

L'apprentissage automatique est un sous-ensemble de l'intelligence artificielle (IA) qui donne aux systèmes informatiques la capacité d'apprendre à partir de données sans être programmés continuellement.Par exemple, vous pourriez vouloir développer un programme qui fait avancer votre voiture quand le feu est vert et l'arrête quand il est rouge. Un ingénieur en apprentissage automatique peut créer un court programme qui rend cette tâche possible : (SI FEU=VERT ALORS AVANCER, SINON S'ARRÊTER).Cela semble être un problème assez simple à résoudre - jusqu'à ce que vous considériez toutes les variables qui entrent en jeu. Par exemple, que devrait-il se passer quand une autre voiture brûle un feu rouge ? Maintenant vous devez rendre votre programme un peu plus long : (SI FEU=VERT ET (AUCUNE VOITURE NE BRÛLE L'AUTRE FEU ROUGE), ALORS AVANCER).Mais que se passe-t-il si votre voiture est arrêtée à un feu de circulation qui ne fonctionne pas, et que d'autres voitures devant vous brûlent intentionnellement le feu rouge ? Comment votre véhicule calculera-t-il le bon mouvement à un passage pour piétons ?Au lieu d'ajouter continuellement de nouvelles lignes de code à votre programme pour tenir compte de chaque variable, l'apprentissage automatique entraîne votre programme à reconnaître ces variables et à agir sur elles, tout seul.L'apprentissage automatique commence avec la collecte de données de différentes sources. Par exemple, Driveri collecte des données pertinentes à la performance des conducteurs et aux conditions routières changeantes. Grâce à l'apprentissage automatique, ses algorithmes se concentrent sur quelles actions enregistrées dans les données tendent à influencer positivement la performance des conducteurs, la gestion et la prévention d'accidents de la route face aux conditions routières changeantes.L'objectif est de permettre au système d'apprendre continuellement et à une échelle qui serait impossible à atteindre s'il était retenu par des cycles d'examen manuel.Les dispositifs artificiellement intelligents sont essentiels pour les tâches qui impliquent le traitement d'énormes quantités de données, l'obtention d'insights à partir de celles-ci et la prise de bonnes décisions. C'est quelque chose que les humains font lentement et avec seulement de petites portions de données à la fois - donnant à la technologie un avantage distinct.Dans le cas de Driveri, nous nous assurons que les données sont collectées pour chaque minute de chaque voyage routier. Nos algorithmes traitent ces données et offrent des insights en temps réel, au lieu d'avoir un gestionnaire de flotte examiner des heures de vidéo. La vitesse de traitement des données est cruciale pour avoir accès à huit heures de données d'entraînement par conducteur par jour, plutôt que les quelques minutes de données de conduite par conducteur par mois que les systèmes hérités collectent.Un conducteur commercial typique enregistre 100 000 miles de conduite chaque année. Sur une carrière de trente ans, un conducteur commercial actif aura conduit 3 millions de miles. Actuellement, les systèmes Driveri collectent cette quantité de données à tous les quelques jours. Parce que l'IA est sur le dispositif, tous ces miles sont analysés et utilisés pour rendre le système plus intelligent. À cette échelle, l'infrastructure que Netradyne a construite permet à plusieurs vies d'expérience de conduite humaine d'impacter chaque itération de son système de traitement IA de plus en plus intelligent.

Dans le contexte du transport

Driveri utilise l'apprentissage automatique pour entraîner sa plateforme à reconnaître les comportements de conduite distraite et les situations risquées, ainsi que les événements de conduite positifs et proactifs que le système cherche à renforcer. Le système analyse aussi les conditions routières, les distances de suivi et d'autres facteurs environnementaux pour aider votre conducteur à faire le choix le plus sécuritaire. Ses algorithmes travaillent en arrière-plan pour alimenter les systèmes de récompense, la reconnaissance d'erreurs et la formation des conducteurs.Dans le transport, les solutions d'IA deviennent graduellement une norme industrielle en raison de l'essor de plateformes comme Driveri. Ces plateformes peuvent apprendre sur leurs environnements et appliquer intelligemment ce qu'elles apprennent. Dans une industrie alourdie par les accidents, les coûts d'assurance et la pénurie de main-d'œuvre, l'intelligence artificielle rend possible la récolte des données qui s'accumulent et propose des solutions à ces problèmes en réduisant la fréquence des accidents. Moins d'accidents, à leur tour, diminuent les primes d'assurance, tout en s'engageant avec les conducteurs d'une façon qui promeut la satisfaction professionnelle à long terme.Driveri forme les conducteurs sur leurs habitudes de conduite les plus risquées, leur montrant la meilleure façon d'atténuer les risques sans avoir un superviseur qui leur respire dans le cou. Les gestionnaires de grandes flottes peuvent aussi être sûrs que tout le processus de détection de mauvais comportement chez les conducteurs peut être fait en arrière-plan pendant qu'ils gèrent d'autres tâches pressantes.

La technologie Driveri et l'Intelligence Artificielle

L'intelligence artificielle forme la base de la plateforme Driveri. Principalement destinée à l'analytique de données avancée, la technologie se répercute dans d'autres fonctionnalités telles que la communication et un système de récompenses.La plateforme opère en trois étapes principales : collecter les données, les interpréter et agir sur elles à travers trois sections différentes. Ces sections sont son système de collecte de données basé sur la vision système de caméras de flotte composé de caméras et de capteurs, son système d'analytique de données utilisant l'intelligence artificielle, et les systèmes de récompenses DriverStar et GreenZone.

Système d'analytique de données Driveri

Le système d'analytique de données Driveri collecte des insights concernant les conditions routières, les dangers de la circulation et la performance des conducteurs, incluant les comportements de conduite distraite. Après avoir analysé les données, le système forme les conducteurs à travers des situations difficiles et des comportements risqués grâce à des notifications en temps réel. Cela peut sauver aux flottes des millions de dollars en dommages en évitant des accidents potentiels.

Système basé sur la vision

Le système basé sur la vision de Driveri est principalement utilisé pour la collecte de données sur la route. Les caméras internes et externes capturent le comportement des conducteurs, capturent les accidents ainsi que les altercations routières, et capturent les données routières. Le système consiste en un groupe de caméras latérales, frontales et intérieures QUAD HD pour un enregistrement vidéo de haute qualité et la lecture d'événements en temps réel. Les gestionnaires peuvent accéder jusqu'à 50 heures de lecture vidéo quand nécessaire.Driveri combine l'IA et l'apprentissage automatique pour créer et opérer sa plateforme de gestion de conducteurs artificiellement intelligente qui collecte et analyse les données en temps réel. Avec l'aide de la technologie, les conducteurs peuvent atténuer les risques, tandis que les flottes peuvent maintenir la sécurité et surveiller la performance des conducteurs en temps réel. Contactez-nous pour en apprendre plus sur notre technologie Driveri avancée.