October 28, 2019
運送会社に毎年数十億ドルの損害を与える交通事故をきっかけに、安全を確保する車両管理システムが必要になっています。他の多くのシステムと同様に、車両は安全性と性能に影響を与え、交通事故を防止できる道路データを収集して分析する必要があります。予防措置は通常、発生した事故のデータに基づいているため、これは必ずしも容易ではありませんでした。この種のトリガーベースのアプローチは非常に一般的ですが、非効率的です。トリガーベースのクラッシュレコーダーを使用するレガシーシステムは、徐々に複雑なエッジコンピューティングシステムに置き換えられつつあります。Driveriなどの一部のシステムでは、人工知能、HDビデオ、その他の予測技術を使用して道路や運転パターンを分析し、ドライバーのパフォーマンスをリアルタイムで修正して、衝突を回避し、ドライバーの安全性と定着率を向上させます。ベースのデータ処理では、それぞれの利点を検討しますそして、これらのテクノロジーを使用するプラットフォームを比較する方法です。
トリガーベースのデータレコーダーは、発生したイベントに関連するデータをキャプチャします。たとえば、よく見かけるトリガーの 1 つは、カメラに録画を開始するように促すハードブレーキイベントです。この方法は、データが将来同様のイベントが発生するのを防ぐのに役立つため、有利な場合があります。残念ながら、データは被害が発生したときにのみキャプチャされます。つまり、被害の余波を捉えるだけで、原因は把握できません。車両には、イベントベースのトリガーを必要とせずにリアルタイムでデータを処理する、より高度なテクノロジーが必要です。長い間、トリガーベースのデータ記録で十分でした 車両の安全性だけでなく、テクノロジーの新しい発展により、より優れた予測システムの必要性が高まっています。。これがエッジコンピューティング技術の創出と採用につながりました。
エッジコンピューティングは、データが収集された時点に近いところでデータを分析するデータ処理方法です。つまり、プロセスを開始するための「トリガー」を必要とせずに、情報がリアルタイムで分析されます。エッジコンピューティングでは、データは通常、最も外側のエッジで収集され、サーバーに送信されて処理されます。多くの場合、リアルタイムで処理されます。過去数年間、ほとんどのコンピューターは、ストレージ容量と計算能力が低いため、収集された大量のデータを処理できませんでした。これは、ハードウェアの制限によりコンピューターがWi-FiとBluetooth接続で進化したときにも当てはまりました。エッジコンピューティングは、これらの制限に対する実行可能なソリューションになりました。現在、多くのモノのインターネット(IoT)デバイスは、複雑なデータ収集、処理、および保存を実行できます。企業は、エッジコンピューターとサーバー間のリンクとして機能するネットワークを改善しました。その結果、より多くのデータをエッジコンピューターの近くで処理できます。エッジコンピューティングの用途は、金融やゲームなど、多くの業界で見られます。どのような車両管理ソフトウェアにとっても、迅速なデータ処理は不可欠です。車両管理では、エッジコンピューティングは待ち時間が短いため、道路データの収集と処理に最適な方法です。エッジコンピューティングのこの利点は、人工知能を使用して運転予測を行うDriveriのようなプラットフォームで見ることができます。
長距離にわたって大量のデータを収集するシステムでは、遅延が発生しやすくなります。たとえば、お使いのパソコンに強力なプロセッサが搭載されていない場合、メディアのアップロードまたはダウンロード中にフリーズすることがあります。エッジコンピューティングでは、データが処理サーバーに到達するまでにかかる時間が短いため、自動運転車に最適です。何百万マイルもの道路があり、リアルタイムの処理を必要とする大量のデータにつながります。エッジコンピューティングにより、人工知能ソフトウェアのトレーニングに使用できる道路データを簡単に収集できます。これに加えて、ある自動運転車両が他の車両と通信しやすくなります。
従来のクラウドコンピューティングは、コンピューターをサーバーに直接接続することで、より一元化されたアプローチを採用しています。一方、エッジコンピューティングでは、1 台のエッジコンピュータが複数のプロセッサやデバイスに接続されるため、単一障害点を見つけることは困難です。エッジコンピューティングの分散型の性質により、分散型サービス拒否 (DDoS) などのセキュリティ脅威が蔓延しにくくなります。
Driveriシステムは、人工知能とエッジコンピューティングおよびスマートビデオテクノロジーを組み合わせて、ドライバーの監視、安全、分析を自動化します。Netradyneは、ディープラーニング、エッジコンピューティング、コンピューター分析、データサイエンスなどの高度なテクノロジーを応用して輸送エコシステムを改善しています。ドライバーの定着と衝突回避の必要性が高まる中、Driveriはドライバーの安全を守る作業を簡素化することを目指しています。これには、仕事の自律性を維持しながらモチベーションを維持できるというメリットがあります。
Driveriは、分析、通信、接続、価値をターゲットにすることで、ドライバーの安全に関する人的側面と技術的側面の両方に取り組んでいます。車両に取り付けたり、リモートアプリケーションに接続したりできるデバイスの形で提供されます。このデバイスは、ドライバーの安全を確保し、危険な状況を回避できるようにしながら、ドライバーの輸送サイクルを追跡します。これまでのところ、Driveriは 分析されました 大規模なAIビジョンベースのソフトウェアと強力なプロセッサにより、3億5,000万マイルを超える道路データが得られます。ドライバーはDriveriシステムを使用して100万マイルのユニークマイルを走行しただけでなく、道路やルートに関する詳細情報を収集するためにこれらのマイルを何度も調べました。どの業界でも、データの収集と分析は、技術の進歩がどれだけ早く起こるかを考えるうえで非常に重要です。これは運輸業界にも当てはまります。Driveriが使用する高度なエッジコンピューティングベースのマッピングおよび分析テクノロジーは、業界にとって不可欠です。システムによって収集された洞察は、ドライバーの行動パターンについて情報に基づいた意思決定を行うだけでなく、事故が発生した場合に偏りのない結論を導き出すためにも使用できます。雇用主が事故により毎年600億ドル近くを費やしている中、Driveriのような運転安全システムは今まで以上に必要とされています。
として 2018年の勝者 AI Breakthroughの「交通機関向けベストAIベースソリューション」賞を受賞したDriveriの最先端テクノロジーは、競合他社をはるかに超えています。Driveriは、優れた接続性を備えた包括的なアラート、通信、データ分析、ビデオ再生システムを備えています。エッジコンピューティングを基本テクノロジーとして組み合わせることで、リアルタイムでデータを簡単に収集および分析できる処理速度を実現しています。また、これらのテクノロジーをすべて搭載しているため、新製品を統合する必要はありません。これは、設置、システムを使用するドライバーのトレーニング、およびリモート接続にかかるコストを節約したいと考えている車両管理者に最適です。こうした節約によって、システムの効率性や収集されるデータの質が損なわれることはありません。100万マイルの走行距離を何度か分析した結果、Driveriの人工知能テクノロジーは、運転者の安全性、ひいては車両の安全性の向上に向けたより多くのデータを収集しながら、引き続き道路パターンをグラフ化します。ただし、データ処理が遅いと人工知能のフィードバックが面倒になるため、エッジコンピューティングがこれを可能にします。企業は、1回の送信で処理できるデータ量を拡大するために、引き続きネットワークを最適化していきます。つまり、オンボードなどの複雑なタスクを処理しやすくなるということです。 ドライバーコーチング、車両の自己診断、データのマッピングと記録、通信。絶え間なく変化する輸送業界では、技術を多様化し、コスト削減、効率、安全性を最適化する責任は車両管理者にかかっています。米国労働省労働安全衛生局(OSHA)はこれを要求し、顧客はサービスへの信頼を維持するためにもそれを求めています。