La technologie derrière Driveri

Au fil des ans, l'industrie des transports a connu d'importantes innovations, surtout avec l'essor des plateformes de sécurité des conducteurs axées sur la vision. Les premières plateformes de sécurité des conducteurs basées sur la vision combinaient la détection des collisions, l'enregistrement vidéo et la connectivité Internet pour enregistrer les accidents de la route. Ces dossiers ont ensuite été examinés par les gestionnaires de la sécurité pour en vérifier l'exactitude et partagés avec les conducteurs dans le cadre d'un programme d'entraîneur.La prochaine génération de plateformes de sécurité des conducteurs basées sur la vision, à commencer par l'introduction de Driveri en 2016, a remplacé l'examen manuel des vidéos de collision possibles par une analyse continue des scènes de conduite à l'aide de l'intelligence artificielle intégrée directement au dispositif informatique de pointe. Avec une caméra de bord « IA », un gestionnaire de la sécurité aurait désormais 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. Lorsque vous commencez à analyser des données plus complexes pour des millions de cycles de transport, de personnes, d'accidents et de kilomètres routiers, vous vous orientez vers le domaine des mégadonnées. Basé sur une analyse continue d'environ 10 millions de milles de nouvelles données de conduite chaque semaine, le système Driveri a utilisé des techniques d'apprentissage automatique pour créer et améliorer des analyses prédictives qui améliorent les performances du conducteur en temps réel et préviennent les accidents.

L'essor des mégadonnées dans les transports

L'utilisation des mégadonnées dans les transports est croissance rapide. Les algorithmes Driveri ont été créés, formés et testés sur les flux de mégadonnées que ses appareils collectent pour rendre les systèmes de conduite plus intelligents. Netradyne a été en mesure d'automatiser le processus de collecte, d'analyse et d'application des données massives pour améliorer la performance du conducteur pour que le système s'entraîne continuellement de la meilleure façon possible optimiser le rendement du conducteur à l'aide des données antérieures.

Apprentissage automatique et intelligence artificielle

L'apprentissage automatique est un sous-ensemble de l'intelligence artificielle (IA) qui donne aux systèmes informatiques la possibilité d'apprendre à partir de données sans être programmé en continu. Par exemple, vous pouvez développer un programme qui déplace votre voiture lorsque le feu est vert et l'arrête lorsqu'elle est rouge. Un ingénieur en apprentissage automatique peut créer un programme court qui rend cette tâche possible : (SI LIGHT=VERT ALORS ALLEZ-Y, SINON STOP) .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 lorsqu'une autre voiture utilise un feu de sécurité ? Maintenant, vous devez allonger un peu votre programme : (SI FEU = VERT ET (AUCUNE VOITURE NE FAIT FONCTIONNER L'AUTRE FEU ROUGE), ALORS ALLEZ-Y). Mais que se passe-t-il si votre voiture est arrêtée à un feu de circulation qui ne fonctionne pas et que les autres voitures devant vous actionnent le feu rouge exprès ? 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, le tout seul. L'apprentissage automatique commence par la collecte de données provenant de différentes sources. Par exemple, Driveri recueille des données pertinentes sur le rendement du conducteur et l'évolution des conditions routières. Grâce à l'apprentissage automatique, ses algorithmes se concentrent sur les actions enregistrées dans les données qui ont tendance à influencer positivement les performances, la gestion et la prévention des accidents de la route face à l'évolution des conditions de la route.L'objectif est de permettre au système d'apprendre en continu et à une échelle qui serait impossible à atteindre s'il est retenu par des cycles de révision manuels.Les dispositifs artificiellement intelligents sont essentiels pour les tâches qui impliquent le traitement d'énormes quantités de données, l'obtention de connaissances et la prise de bonnes décisions. C'est quelque chose que les humains font lentement et avec seulement de petits éléments de données à la fois, ce qui donne à la technologie un avantage distinct. Dans le cas de Driveri, nous veillons à ce que les données soient collectées pour chaque minute de chaque trajet routier. Nos algorithmes traitent ces données et offrent des informations en temps réel, au lieu de demander à un gestionnaire de flotte d'examiner des heures de vidéo. La rapidité du traitement des données est cruciale pour avoir accès à huit heures de données de formation par conducteur et par jour, plutôt que les quelques minutes de données de conduite par conducteur et par mois que les systèmes hérités recueillent. Un conducteur commercial typique enregistre 100 000 milles de conduite chaque année. Au cours d'une carrière de trente ans, un chauffeur commercial actif aura parcouru 3 millions de milles. À l'heure actuelle, les systèmes Driveri recueillent autant de données tous les quelques jours. Comme l'IA se trouve sur l'appareil, 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'avoir un impact sur chaque itération de son système de traitement de l'IA de plus en plus intelligent.

Dans le contexte des transports

Driveri utilise l'apprentissage automatique pour former sa plateforme à reconnaître les comportements de distraction au volant et les situations à risque, ainsi que les événements de conduite positifs et proactifs que le système cherche à renforcer. Le système analyse également les conditions routières, le suivi des distances et d'autres facteurs environnementaux pour aider votre conducteur à faire le choix le plus sécuritaire possible. Ses algorithmes fonctionnent en coulisse pour piloter les systèmes de récompense, la reconnaissance des erreurs et le coaching des chauffeurs.Dans le domaine du transport, les solutions d'IA deviennent progressivement une norme de l'industrie en raison de l'essor de plateformes comme Driveri. Ces plateformes peuvent en apprendre davantage sur leur environnement 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 permet de récolter les données d'empilement et de proposer des solutions à ces problèmes en réduisant la fréquence des accidents. Moins d'accidents, à leur tour, réduisent les primes d'assurance, tout en dialoguant avec les conducteurs d'une manière qui favorise la satisfaction au travail à long terme. Driveri enseigne aux conducteurs leurs habitudes de conduite les plus risquées, leur montrant la meilleure façon d'atténuer les risques sans qu'un superviseur ne leur souffle le cou. Les gestionnaires de grandes flottes peuvent également s'assurer que tout le processus de détection des mauvais comportements chez les conducteurs peut être effectué en arrière-plan pendant qu'ils s'occupent d'autres tâches urgentes.

Technologie Driveri et intelligence artificielle

L'intelligence artificielle constitue la base de la plateforme Driveri. Principalement conçue pour l'analyse avancée des données, la technologie se retrouve dans d'autres fonctions telles que la communication et un système de récompenses. La plateforme fonctionne en trois étapes principales : la collecte de données, l'interprétation et l'action en fonction de ces données au moyen de trois sections différentes. Ces sections sont la caméra de son parc de collecte de données basée sur la vision système de caméra de flotte comprenant des caméras et des capteurs, son système d'analyse de données utilisant l'intelligence artificielle et les systèmes de récompenses DriverStar et GreenZone.

Système d'analyse de données Driveri

Le système d'analyse de données Driveri recueille des informations sur les conditions routières, les dangers de la circulation et le rendement du conducteur, y compris les comportements de distraction au volant. Après avoir analysé les données, le système aide les conducteurs à faire face à des situations difficiles et à des comportements à risque au moyen de notifications en temps réel. Cela peut permettre aux flottes d'économiser des millions de dollars en dommages en évitant les accidents potentiels.

Système basé sur la vision

Le système de vision de Driveri est principalement utilisé pour la collecte de données sur la route. Les caméras internes et externes capturent le comportement du conducteur, capturent les accidents ainsi que les altercations routières et capturent les données routières. Le système se compose d'un groupe de caméras QUAD HD latérales, frontales et intérieures pour l'enregistrement vidéo de haute qualité et la lecture d'événements en temps réel. Les gestionnaires peuvent accéder à jusqu'à 50 heures de lecture vidéo au besoin. Driveri combine l'IA et l'apprentissage automatique pour créer et exploiter sa plateforme de gestion des conducteurs artificiellement intelligente qui recueille et analyse les données en temps réel. Grâce à la technologie, les conducteurs peuvent atténuer les risques, tandis que les flottes peuvent assurer la sécurité et surveiller le rendement des conducteurs en temps réel. Communiquez avec nous pour en savoir plus sur notre technologie Driveri avancée.