Vision-basierte Sicherheitssysteme: Trigger-basiert vs. Edge Computing

Angesichts von Verkehrsunfällen, die Transportunternehmen jährlich Milliarden von Dollar kosten, besteht die Notwendigkeit für Flottenmanagement-Systeme, die Sicherheit gewährleisten. Wie viele andere Systeme müssen Flotten Straßendaten sammeln und analysieren, die ihre Sicherheit und Leistung beeinflussen und Verkehrsunfälle verhindern können. Das war nicht immer einfach zu bewerkstelligen, da Präventivmaßnahmen normalerweise auf Daten von bereits eingetretenen Unfällen basieren. Dieser Typ des trigger-basierten Ansatzes ist weit verbreitet, aber ineffizient. Legacy-Systeme, die trigger-basierte Crash-Recorder verwenden, werden allmählich durch komplexe Edge Computing-Systeme ersetzt. Einige dieser Systeme wie Driver•i verwenden künstliche Intelligenz, HD-Video und andere prädiktive Technologien, um Straßen- und Fahrmuster zu analysieren sowie die Fahrerleistung in Echtzeit zu korrigieren, um Kollisionen zu vermeiden und Fahrersicherheit und -bindung zu verbessern. Der folgende Vergleich zwischen Edge Computing und trigger-basierter Datenverarbeitung betrachtet die Vorteile jeder Lösung und wie Plattformen mit diesen Technologien abschneiden.

Trigger-basierte Datenrecorder vs. Edge Computing Datenrecorder

Wie funktionieren trigger-basierte Datenrecorder?

Trigger-basierte Datenrecorder erfassen Daten zu Ereignissen, während sie auftreten. Zum Beispiel ist ein häufiger Trigger eine starke Bremsung, die die Kamera zum Aufzeichnen veranlasst. Diese Methode kann vorteilhaft sein, da diese Daten helfen können, ähnliche Ereignisse in Zukunft zu verhindern. Leider werden die Daten nur erfasst, wenn der Schaden bereits entstanden ist - was bedeutet, dass nur die Nachwirkungen und nicht die Ursache erfasst werden. Flotten benötigen fortschrittlichere Technologien, die Daten in Echtzeit verarbeiten, ohne auf ereignisbasierte Trigger angewiesen zu sein. Lange Zeit waren trigger-basierte Datenaufzeichnungen für Flottensicherheit ausreichend, aber neue technologische Entwicklungen haben den Bedarf für bessere prädiktive Systeme geweckt. Dies führte zur Entwicklung und Einführung von Edge Computing-Technologie.

Wie funktionieren Edge Computing Datenrecorder?

Edge Computing ist eine Methode der Datenverarbeitung, bei der Daten nahe dem Punkt analysiert werden, an dem sie gesammelt wurden. Das bedeutet, die Informationen werden in Echtzeit analysiert, ohne dass ein "Trigger" den Prozess starten muss. Im Edge Computing werden Daten typischerweise an den äußersten Rändern gesammelt und zur Verarbeitung an Server übertragen, oft in Echtzeit. In den vergangenen Jahren konnten die meisten Computer die großen Datenmengen aufgrund ihres geringen Speicherplatzes und ihrer Rechenleistung nicht verarbeiten. Das galt sogar, als Computer sich mit WiFi- und Bluetooth-Konnektivität entwickelten, aufgrund von Hardware-Beschränkungen. Edge Computing wurde zu einer praktikablen Lösung für diese Beschränkungen. Heute sind viele Internet of Things (IoT)-Geräte in der Lage, komplexe Datensammlung, -verarbeitung und -speicherung durchzuführen. Unternehmen haben ihre Netzwerke verbessert, die als Verbindungen zwischen Edge-Computern und ihren Servern dienen. Dadurch können mehr Daten näher am Edge-Computer verarbeitet werden. Bedeutende Anwendungen von Edge Computing finden sich in vielen Branchen, einschließlich Finanzwesen und Gaming. Schnelle Datenverarbeitung ist für jede Flottenmanagement-Software von entscheidender Bedeutung. Im Flottenmanagement ist Edge Computing aufgrund seiner geringen Latenz eine großartige Möglichkeit, Straßendaten zu sammeln und zu verarbeiten. Dieser Vorteil von Edge Computing ist auf Plattformen wie Driver•i zu sehen, die künstliche Intelligenz für Fahrprognosen nutzen.

Vorteile von Edge Computing Datenrecordern

Geschwindigkeit

Systeme, die an der Sammlung großer Datenmengen über große Entfernungen beteiligt sind, sind anfällig für Verzögerungen. Zum Beispiel könnte Ihr Computer einfrieren, wenn er keinen leistungsstarken Prozessor hat, während Sie Medien hoch- oder herunterladen. Da die Zeit, die Daten benötigen, um die Verarbeitungsserver zu erreichen, im Edge Computing geringer ist, eignet es sich hervorragend für autonome Fahrzeuge. Es gibt Millionen von Straßenmeilen, die zu großen Datenvolumen führen, die Echtzeitverarbeitung erfordern. Edge Computing erleichtert die Sammlung von Straßendaten, die zur Schulung künstlich intelligenter Software verwendet werden können. Zusätzlich erleichtert es einem autonomen Fahrzeug die Kommunikation mit anderen Fahrzeugen.

Sicherheit

Traditionelles Cloud Computing verfolgt einen zentralisierteren Ansatz, indem Computer direkt mit Servern verbunden werden. Andererseits verbindet Edge Computing einen einzigen Edge-Computer mit mehreren Prozessoren und Geräten, was es schwierig macht, einen einzelnen Ausfallpunkt zu finden. Die dezentrale Natur des Edge Computing macht es für Sicherheitsbedrohungen wie Distributed Denial of Service (DDoS) schwieriger zu gedeihen.

Edge Computing Flottensicherheitssysteme

Driver•i

Das Driver•i-System kombiniert künstliche Intelligenz mit Edge Computing und intelligenter Videotechnologie, um Fahrerüberwachung, Sicherheit und Analytik zu automatisieren. Netradyne wendet fortschrittliche Technologien wie Deep Learning, Edge Computing, Computer-Analytik und Datenwissenschaft an, um das Transportökosystem zu verbessern. Angesichts des ständig wachsenden Bedarfs an Fahrerbindung und Kollisionsvermeidung zielt Driver•i darauf ab, die Aufgabe der Fahrersicherheit zu vereinfachen. Dies bringt den zusätzlichen Vorteil mit sich, die Fahrer motiviert zu halten, während sie Autonomie in ihren Jobs bewahren.

Wie Driver•i funktioniert

Driver•i behandelt sowohl die menschlichen als auch die technologischen Aspekte der Fahrersicherheit, indem es auf Analytik, Kommunikation, Konnektivität und Wert abzielt. Es kommt in Form eines Geräts, das an Fahrzeugen angebracht und mit einer Remote-Anwendung verbunden werden kann. Dieses Gerät verfolgt den Transportzyklus des Fahrers und stellt gleichzeitig sicher, dass Fahrer sicher bleiben und gefährliche Situationen vermeiden. Bislang hat Driver•i mehr als 350 Millionen Meilen Straßendaten erfasst und analysiert, dank seiner großen KI-vision-basierten Software und leistungsstarken Prozessoren. Fahrer sind nicht nur 1 Million einzigartige Meilen mit dem Driver•i-System gefahren, sondern haben diese Meilen auch mehrmals zurückgelegt, um mehr Informationen über Straßen und Routen zu sammeln. In jeder Branche ist die Sammlung und Analyse von Daten entscheidend dafür, wie schnell technologischer Fortschritt stattfindet. Das gilt auch für die Transportbranche. Die fortschrittliche Edge Computing-basierte Kartierungs- und Analysetechnologie, die Driver•i verwendet, ist eine Notwendigkeit für die Branche. Von dem System gesammelte Erkenntnisse können verwendet werden, um fundierte Entscheidungen über Fahrerverhaltensmuster zu treffen sowie unvoreingenommene Schlussfolgerungen zu ziehen, wenn Unfälle auftreten. Mit fast 60 Milliarden Dollar, die Arbeitgeber jährlich aufgrund von Unfällen ausgeben, werden Fahrersicherheitssysteme wie Driver•i jetzt mehr denn je benötigt.

Funktionen von Driver•i

• Vordere, seitliche und innere QUAD HD-Kameras für hochwertige Videoaufzeichnung, -analyse und -wiedergabe von Echtzeit-Ereignissen.
• Sofortiger Zugriff auf über 100 Stunden Videowiedergabe für Aufzeichnungen und Forschung oder zur Verwendung als Beweismittel bei Unfällen mit rechtlichen Konsequenzen.
• Ein 3-Achsen-Beschleunigungsmesser und Gyro-Sensor, der kontinuierlich Geschwindigkeit und Ausrichtung des Fahrzeugs berechnet und die Daten für Echtzeit-Entscheidungen nutzt.
• Schnelle 4G LTE / WiFi / BT-Konnektivität für einfache Verbindung zwischen Fahrzeugen und ihren Organisationen, um Daten zu senden und zu empfangen, Videos anzusehen und riskante Verhaltensweisen zu analysieren.
• DriverAlert-System, das als Fahrerbegleiter und Bordcoach während des durchschnittlichen Transportzyklus fungiert. Das System erkennt riskante Ereignisse und berät Fahrer über die beste Vorgehensweise.
• DriverPrivacy für schnelle Kommunikation zwischen Fahrern und Flottenmanagern.
• Fortschrittliches Datenanalysesystem mit mehr als 1 Million analysierten einzigartigen Meilen US-amerikanischer Straßen.
• Einmodul-Installationssystem und integrierte Fahrzeughalterung für schnelle und einfache Installation.
• EventAccess, das autorisiertem Personal jederzeit Zugriff auf gespeicherte Videos gewährt.
• J1939 / OBD II künstliche Intelligenz Fahrzeugdatensystem für einen umfassenden Überblick über den Transportzyklus des Fahrers.

Zusammenfassung

Als Gewinner 2018 des "Best AI-based Solution for Transportation" Awards von AI Breakthrough geht Driver•i's hochmoderne Technologie weit über die Konkurrenz hinaus. Driver•i verfügt über ein umfassendes Alarm-, Kommunikations-, Datenanalyse- und Videowiedergabesystem mit exzellenter Konnektivität. Gekoppelt mit Edge Computing als Basistechnologie bietet es Verarbeitungsgeschwindigkeiten, die es einfach machen, Daten in Echtzeit zu sammeln und zu analysieren. Es beherbergt auch alle diese Technologien, ohne dass neue Produkte integriert werden müssen. Das ist perfekt für jeden Flottenmanager, der Kosten für Installation, Fahrerschulungen für die Systemnutzung und Remote-Verbindungen sparen möchte. Diese Einsparungen beeinträchtigen nicht die Effizienz des Systems oder die Qualität der gesammelten Daten, obwohl es besser als seine Konkurrenten abschneidet. Nach der mehrfachen Analyse von 1 Million einzigartigen Straßenmeilen kartiert Driver•i's künstliche Intelligenz-Technologie weiterhin Straßenmuster, während sie mehr Daten sammelt, die darauf ausgerichtet sind, Ihre Fahrersicherheit und damit Ihre Flotte zu verbessern. Edge Computing ist jedoch das, was dies möglich macht, da langsame Datenverarbeitung das Feedback der künstlichen Intelligenz mühsam machen würde. Unternehmen werden weiterhin ihre Netzwerke optimieren, um die Datenmenge zu skalieren, die während einer einzigen Übertragung verarbeitet werden kann. Das bedeutet, dass es einfacher wird, komplexe Aufgaben wie Bord-Fahrercoaching, Fahrzeug-Selbstdiagnose, Datenkartierung und -aufzeichnung sowie Kommunikation zu bewältigen. In der sich ständig verändernden Transportbranche liegt die Verantwortung bei Flottenmanagern, ihre Technologie zu diversifizieren und für Kosteneinsparungen, Effizienz und Sicherheit zu optimieren. Das US Department of Labor, Occupational Safety and Health Administration (OSHA) verlangt es und Ihre Kunden benötigen es, um das Vertrauen in Ihren Service aufrechtzuerhalten.