Erhöhen Sie die Flottensicherheit mit AI-Dashvideo
Erhöhen Sie die Flottensicherheit mit AI-Dashvideo.
Die National Highway Traffic Safety Administration (NHTSA) stellte fest, dass 2022 waren über eine halbe Million große Lkw in Unfälle verwickelt. Und die durchschnittliche Kosten pro Unfallliegt laut Automotive Fleet zwischen 16.000 und 75.000 US-Dollar. Wenn es zu einer Verletzung oder einem Todesfall kommt, steigen diese Kosten erheblich.
Die Transportbranche hat sich traditionell auf Trigger-Kamerasysteme und manuelle Überprüfungsmethoden verlassen, um Verkehrsverstöße zu erkennen. Im Zuge des technologischen Fortschritts haben wir jedoch festgestellt, dass auslöserbasierte Systeme nur begrenzte Einblicke bieten und eine manuelle Überprüfung sowohl unhaltbar als auch unzuverlässig ist. Um dieser Herausforderung zu begegnen, kombinieren einige Videotelematiksysteme heute künstliche Intelligenz (KI) mit HD-Kameras, um intelligente Datenanalysen zu ermöglichen — einige erfassen sogar 100% der Fahrzeit, anstatt ausschließlich auslöserbasierte Ereignisse aufzuzeichnen.
In dieser Ressource wird untersucht, wie KI Straßendaten analysiert und daraus lernt und wie sie Flottenmanagern dabei hilft, Sicherheitsherausforderungen zu bewältigen, die Unternehmen anfällig für Unfälle und kostspielige Rechtsstreitigkeiten machen.
Innovation verändert jeden Aspekt des Flottenbetriebs, von der Sicherheit und Bindung der Fahrer über die Risikominderung bis hin zur Fahrzeugleistung.
Ältere Trigger-Kamerasysteme, die nur auf Ereignisse reagieren, die bereits eingetreten sind, sind veraltet. Die rasante Entwicklung KI-gestützter Technologien bietet Flotten eine fortschrittlichere Möglichkeit, die Fahrleistung und die Einhaltung der Unternehmensrichtlinien zu verfolgen und durchzusetzen.
KI beinhaltet das Training von Computern, um traditionell „menschliche“ Aufgaben schneller und effizienter auszuführen. Zum Beispiel verwenden Plattformen wie Spotify und YouTube KI, um Inhalte zu empfehlen, die auf den früheren Hör- und Sehgewohnheiten der Nutzer basieren. Fortgeschrittene Chatbots verwenden KI, um mit Menschen zu kommunizieren, und einige wurden sogar zu praktischen Assistenten modifiziert, wie Siri von Apple, Alexa von Amazon oder ChatGPT von OpenAI.
In der gesamten Transportbranche ist KI tendenziell funktionaler. Tesla- und Waymo-Fahrzeuge verfügen beispielsweise über Autopilotsysteme, die es den Autos ermöglichen, autonom zu fahren und sich gleichzeitig an wechselnde Straßenbedingungen, Stoppschilder, Kurven und andere Fahrzeuge anzupassen.
So funktioniert KI mit HD-Kameras
HD-Kameras nehmen eigenständig hochwertige Videos von Straßenverhältnissen und Fahrereignissen auf, nachdem sie ausgelöst wurden. Dieses Filmmaterial kann später manuell analysiert werden.
In Kombination mit bildgestützter KI kann das Kamerasystem Objekte erkennen und allein auf der Grundlage der Vision Warnmeldungen ausgeben. Beispielsweise können einige KI-Kameras die Nummer auf einem Geschwindigkeitsbegrenzungsschild identifizieren. Indem die Technologie dann eine Verbindung zum Geschwindigkeitsmesser herstellt und den folgenden Abstand zu einem anderen Fahrzeug berechnet, kann sie feststellen, ob eine Warnung gerechtfertigt ist, und dann den Schweregrad dieser Warnung festlegen. Vision-basierte KI erzeugt zusammen mit Edge-Computing (sofortige Datenanalyse auf dem Kameragerät) akustische Warnmeldungen in der Kabine, die sich auf das Verhalten des Fahrers und die Straßenbedingungen beziehen, um das Risiko in Echtzeit zu minimieren.
KI wird durch maschinelles Lernen trainiert, ein Verfahren, das es Computern ermöglicht, aus Erfahrungen zu lernen und sich im Laufe der Zeit zu verbessern, ohne dass sie explizit programmiert werden müssen.
Nehmen wir zum Beispiel an, dass ältere, auf Triggern basierende Systeme, die ausschließlich auf Kameras basieren, ein Paar menschlicher Augen sind. In diesem Fall sehen die Augen alles, was auf der Straße passiert, und erinnern sich später an diese Ereignisse. Basierend auf dieser Erinnerung nimmt die Flotte mehrere Verbesserungen an ihrem Betrieb vor.
Wenn Sie KI und Edge Computing auf Kamerasysteme legen, fügen Sie ein ganzes Nervenzentrum hinzu. Kameras sind wie menschliche Augen, Sensoren funktionieren wie Sinnesorgane und KI agiert wie ein Gehirn. Wenn im menschlichen Körper die Sinnesorgane irgendeine Form von Reizen wahrnehmen, wird eine Nachricht zusammen mit Bildern an das Gehirn gesendet. Das Gehirn verarbeitet diese Daten sofort und reagiert sofort auf Reize.
Bei künstlicher Intelligenz ist es genauso. In einem KI-Kamerasystem fungieren Kameras und Sensoren als Datensammler und Boten, die Informationen an das KI-System senden. Dieses System analysiert die gesammelten Daten und berät den Fahrer in Echtzeit über die besten Maßnahmen.
Da Daten jedoch das Fundament aller Lernprozesse sind, ist KI nur so gut wie die Daten, auf denen sie trainiert wird. Ohne ein solides Datenerfassungssystem ist die Funktionalität eingeschränkt. Um gute Daten zu erhalten, muss man zunächst mit überlegener Hardware beginnen, einschließlich hochauflösender Objektive in Kombination mit einer hohen Bildrate und einem breiten Sichtfeld. Wenn die Maschine dann mit so vielen Daten wie möglich versorgt wird, kann sie exponentiell schneller intelligenter werden als Maschinen, die aufgrund von Triggern nur mit Datensegmenten versorgt werden. Schließlich wirkt sich die Anzahl der Geräte im Feld, die auf einer Vielzahl von Straßen trainiert werden, auf die Fähigkeit der Maschine aus, schneller zu lernen und somit die Genauigkeit der KI schneller zu erhöhen.
Die Verbreitung von Fahrermanagementsoftware hat das Fahrverhalten und die Leistung von Flotten, die diese Technologie verwenden, erheblich verbessert.
Visionsbasierte KI verbessert die Fahrersicherheit in erster Linie durch fortschrittliche Analysen. Durch das Sammeln und Analysieren einer Vielzahl von Daten, wie oben erwähnt, können Flotten neue Lösungen für Fahr- und Sicherheitsprobleme entwickeln und gleichzeitig positives Fahrverhalten erkennen und erkennen. Sie können sich auch mehr darauf verlassen, dass die Verhaltensanalyse korrekt ist, da das bildgestützte System den Kontext versteht, der ein bestimmtes Ereignis umgibt. Beispielsweise protokolliert ein auslösegestütztes System eine harte Bremse und dockt Punkte an den Leistungswert dieses Fahrers an. Aber ein bildgestütztes System kann verstehen, dass der Fahrer durch ein anderes Fahrzeug unterbrochen wurde und die harte Bremse daher gerechtfertigt und notwendig war, und das würde als „sicheres Fahren“ betrachtet, und der Fahrer würde mit Punkten für seinen Sicherheitswert belohnt. Dieser zusätzliche Kontext ermöglicht es Fahrermanagern, sich darauf zu konzentrieren, gutes Fahren zu erkennen und nicht nur riskantes Fahren und strafbare Verhaltensänderungen.
Die wichtigsten Bereiche, in denen die Fahrleistung und das Fahrverhalten durch KI verbessert wurden, sind:
Einhaltung des Verkehrsrechts
Verkehrsverstöße wie illegale Kehrtwenden, Spurwechsel und Linkskurven sowie Heckklappen sind die Hauptursachen für Unfälle auf US-Straßen. Geschwindigkeitsüberschreitungen sind jedoch nach wie vor der gefährlichste Faktor.
Im Jahr 2022, Bei Geschwindigkeitsüberschreitung kamen 12.151 Menschen ums Leben, was 29% aller Verkehrstoten entspricht, nach Angaben der National Highway Traffic Safety Administration (NHTSA).
Eine Richtlinie, die die strikte Einhaltung der Verkehrsgesetze vorschreibt, ist zwar ein notwendiger erster Schritt, kann aber nur begrenzt viel bewirken. Ohne den Einsatz bildgestützter KI ist es unmöglich, den Überblick darüber zu behalten, welche Fahrer Stoppschilder gefahren sind, ohne erwischt zu werden, und wie schwerwiegend das Verhalten ist. KI optimiert den Prozess der Verfolgung und des Verständnisses des Fahrerverhaltens und macht ihn nachhaltig und skalierbar für Flotten jeder Größe.
Ablenktes und schläfriges Fahren
Laut NHTSA abgelenktes Fahren war für mehr als 3.000 Todesfälle verantwortlich im Jahr 2022. Ablenktes Fahren ist mit einer Reihe von Verhaltensweisen verbunden, darunter das Benutzen von Mobiltelefonen, Essen, Schlafen, Herumspielen mit Objekten wie dem Radio und sogar Fahren unter Alkoholeinfluss.
Während die Verwendung eines herkömmlichen Kamerasystems zur Erkennung von abgelenktem oder schläfrigem Fahren eine einfache Lösung zu sein scheint, können ältere Systeme nur Aktivitäten zur späteren Überprüfung aufzeichnen. Das Filmmaterial muss dann manuell analysiert werden. Dies mag zwar eine Zeit lang überschaubar sein, wird aber schnell unhaltbar, wenn die Flotte wächst.
In großen Flotten kann die Verwaltung einer solchen Videowiedergabe zu Hunderten von Analysestunden führen. Das ist nicht nur mühsam und ineffizient, sondern auch fehleranfällig und ermöglicht eine Korrektur erst, wenn das Ereignis bereits eingetreten ist.
Vision-basierte KI-Kameras bieten einen effizienteren und proaktiveren Ansatz, indem sie Videos aufnehmen und in Echtzeit analysieren. Im Fall eines abgelenkten Fahrers kann eine ausgeklügelte KI Augen- und Kopfbewegungen, Gegenstände in der Hand und andere Anzeichen für abgelenktes Fahren erkennen und sofort eine Warnung in der Kabine senden. Zu den Indikatoren für Schläfrigkeit können Kopfbewegungen, Gähnen und Augenblinzelfrequenz gehören. Hochentwickelte Systeme zur Erkennung von Schläfrigkeit können sogar Augendetails durch Sonnenbrillen und bei Nacht erkennen. Die sofortigen Warnmeldungen in der Kabine verringern die Wahrscheinlichkeit eines Unfalls, sensibilisieren den Fahrer und korrigieren das Verhalten in Echtzeit.
Anpassung an die Straßenbedingungen
Die Straßenbedingungen ändern sich ständig, und einige dieser Änderungen können sich darauf auswirken, wie gut ein Fahrer die Verkehrsregeln einhält. Beispielsweise können Fahrer bei Regen zu genau folgen, bei Schnee zu schnell fahren oder Schwierigkeiten haben, durch dichten Nebel zu navigieren.
KI kann Fahrer auf solche Gefahrensituationen aufmerksam machen und ihnen im Moment Hinweise geben. Ein Reisebus an Bord kann sich positiv auf die Sicherheit und Leistung des Fahrers auswirken, das Selbstvertrauen stärken und die Entscheidungsfindung verbessern.
KI-Trainer sammeln Echtzeitdaten über die Umgebung, analysieren sie und bestimmen die wahrscheinlichste Vorgehensweise. Diese Berechnungen erfolgen in Sekundenschnelle, dank Edge-Computing, das Daten lokal speichert, um sie schneller zu verarbeiten und so schnellere Entscheidungen zu ermöglichen.
Mit einem ausgeklügelten KI-fähigen Kamera- und Sicherheitssystem können Flotten:
Reduzieren Sie die Anzahl der Unfälle und Kollisionen erheblich
Signalisieren Sie, dass die Sicherheit der Fahrer Priorität hat, und helfen Sie ihnen, Risiken zu mindern
Sparen Sie Geld bei reduzierten Ansprüchen und Klagen
Helfen Sie mit, festzustellen, ob eine frühzeitige Abrechnung sinnvoll ist
Sparen Sie Kraftstoff durch weniger aggressive Fahrpraktiken
Schaffen Sie ein fahrerfreundliches Umfeld, das von Anreizen und Prämien geprägt ist
Verbessern Sie die Fahrerbindung, indem Sie die Moral der Fahrer durch faire Fahrerbewertungen steigern
Zielt genau auf Bereiche ab, in denen Fahrer mehr Training benötigen, und passt das Training für jeden an
Gewinnen Sie mehr Umsatz mit Kunden, die verlangen, dass ihre Partner Sicherheit zu einer Priorität machen
Entwerfen Sie spezifischere Unternehmenssicherheitsrichtlinien
Reduzieren Sie das Risiko mit den KI-basierten Flottensicherheits- und Managementlösungen von Netradyne
Driver•i, das bildgestützte KI-Kamerasystem von Netradyne, bietet umfassende und zuverlässige Daten und Analysen, die zum Schutz von Fahrern und Flotten beitragen. Es bietet personalisiertes Coaching, Sicherheitswarnungen in der Kabine und erfasst und analysiert 100% der Fahrzeit — nicht nur auslöserbasierte Ereignisse. In Kombination mit dem firmeneigenen GreenZone-Fahrerbewertungssystem von Netradyne, das sowohl positive als auch negative Gewohnheiten und Ereignisse berücksichtigt, können Flotten Risiken reduzieren und gleichzeitig eine Kultur fördern, die auf Belohnungen und positiver Verstärkung basiert.
Netradyne wurde von der Forschung unterstützt ROI-Modell, das auf der Analyse von 1,3 Milliarden Meilen an Fahrdaten basiert, ist die einzige Möglichkeit, zu korrelieren, wie sichereres Fahren, gemessen an höheren GreenZone-Werten, zu weniger Unfällen führt. Tatsächlich entspricht jede Verbesserung des GreenZone Score einer Flotte um 50 Punkte einer Verringerung der Unfälle pro Million Meilen (APMM) um etwa 13— 15%. Basierend auf einer Studie mit zwei verschiedenen Flottengruppen (eine Gruppe von 100 Flotten und eine andere Gruppe von 50 Flotten) stellen wir fest, dass Netradyne-Kunden ihre Greenzone-Werte im ersten Jahr im Durchschnitt um 150 Punkte verbessert haben. Mit anderen Worten, bei einer Flotte, die die Driver•I-Plattform nutzt, wird die Zahl der Unfälle pro Million Meilen (APMM) wahrscheinlich um mehr als 30% sinken — allein im ersten Jahr.
Neben der Reduzierung von Unfällen bietet DRIVER•i eine Reihe weiterer Vorteile. Zum Beispiel:
Bei den letzten 10 Millionen Stoppschildern, die von der Plattform beobachtet wurden, wurde eine Verbesserung von 61% bei ununterbrochenen Veranstaltungen und eine Verbesserung von 51% bei rollenden Stopps festgestellt.
Einige Netradyne-Kunden integrieren den GreenZone Score sogar in ihr Gehaltsabrechnungssystem, sodass Fahrer einen Bonus erhalten, wenn sie eine bestimmte Punktzahl erreichen. Das Ergebnis: sichere Fahrer erhalten die Anerkennung, die sie verdienen, und zwar mit einem ganzheitlichen Ansatz, der das Selbstvertrauen stärkt, das Engagement erhöht und die allgemeine Fahrerbindung erhöht. Einige Netradyne-Kunden haben im Vergleich zum Vorjahr eine Verbesserung der Fahrerbindung um 15% festgestellt.
* Individuelle Ergebnisse und Bedingungen können variieren.
** Basierend auf Kundendaten.
† Netradyne benötigt eine schriftliche Genehmigung für die Weitergabe von Kundendaten.
Bilder dienen nur zur Veranschaulichung und stellen möglicherweise keine exakte Darstellung eines Produkts dar.
