Driveri を支えるテクノロジー

長年にわたり、特に視覚ベースの運転安全プラットフォームの台頭により、輸送業界は大きな革新を遂げてきました。初期のビジョンベースの運転安全プラットフォームは、衝突検知、ビデオ録画、インターネット接続を組み合わせて、交通事故の記録をキャプチャしていました。その後、安全管理者がこれらの記録の正確性を確認し、コーチングプログラムの一環としてドライバーと共有しました。2016年にDriveriが導入されて以来、視覚に基づく次世代のドライバー安全プラットフォームは、衝突する可能性のあるビデオを手動で確認することを、エッジコンピューティングデバイスに直接埋め込まれた人工知能を使用して運転シーンを継続的に分析することに置き換えられました。「AI」ドライブレコーダーを使用すると、 安全管理者 以前のシステムでは月単位の数分単位の運転時間ではなく、運転者の1日のすべての運転分にアクセスできるようになりました。何百万もの輸送サイクル、人、事故、走行距離に関するより複雑なデータを分析し始めると、ビッグデータの領域に移行します。Driveriシステムは、毎週約1,000万マイルに及ぶ新しい運転データを継続的に分析し、機械学習技術を採用してドライバーのパフォーマンスをリアルタイムで向上させ、衝突を防ぐ予測分析を作成および改善しています。

輸送におけるビッグデータの台頭

輸送におけるビッグデータの活用は 急成長。Driveriアルゴリズムは、ドライバーシステムをよりスマートにするために、デバイスが収集するビッグデータストリームに基づいて作成、トレーニング、テストされています。NetraDyneは、ビッグデータの収集、分析、および洞察の適用プロセスを自動化して改善することができました。 ドライバーのパフォーマンスにより、システムが常に最適な方法でトレーニングを行います 過去のデータを使用してドライバーのパフォーマンスを最適化します。

機械学習と人工知能

機械学習は人工知能（AI）のサブセットであり、継続的にプログラムされなくてもコンピューターシステムにデータから学習できるようにします。たとえば、ライトが緑のときに車を動かし、赤のときに車を停止するプログラムを開発したい場合があります。機械学習エンジニアは、このタスクを可能にする短いプログラムを作成できます。(LIGHT=GREEN ならGO、STOP)。これは、関係するすべての変数を考慮するまでは、解決するのがかなり簡単な問題のように思えます。たとえば、他の車が信号を走らせたらどうなるでしょうか？ここで、プログラムをもう少し長くする必要があります:(LIGHT=GREEN、(もう片方の赤信号を走らせている車がない場合は)。しかし、車が機能していない信号で停止していて、前の他の車が故意に赤信号を走らせている場合はどうしますか?横断歩道での正しい動きを車両はどのように計算しますか？機械学習は、すべての変数を考慮してプログラムに新しいコード行を継続的に追加する代わりに、これらの変数を認識して自動的に処理するようにプログラムをトレーニングします。機械学習は、さまざまなソースからデータを収集することから始まります。たとえば、Driveriはドライバーのパフォーマンスや変化する道路状況に関連するデータを収集します。機械学習を通じて、そのアルゴリズムは、道路状況の変化に直面した場合に、データに記録されたアクションがドライバーのパフォーマンス、管理、交通事故防止にプラスの影響を与える傾向があることに焦点を当てています。目標は、手動のレビューサイクルでは実現できない規模で、システムが継続的かつ継続的に学習できるようにすることです。人工知能デバイスは、大量のデータを処理し、そこから洞察を得て、正しい決定を下す必要があるタスクに不可欠です。これは人間がゆっくりと行うもので、一度に少量のデータしか使用しないため、テクノロジーには明確な利点があります。Driveriの場合、すべての道路の移動の1分ごとにデータが収集されるようにしています。当社のアルゴリズムは、車両管理者に何時間ものビデオを確認させる代わりに、このデータを処理してリアルタイムで洞察を提供します。データ処理の速度は、従来のシステムが収集するドライバー1人あたり1か月あたり数分間の運転データではなく、ドライバー1人あたり1日あたり8時間分のトレーニングデータにアクセスするために重要です。一般的な商用ドライバーは、毎年100,000マイルの運転を記録します。30年のキャリアの中で、現役の商用ドライバーは300万マイルを走行したことになります。現在、Driveriシステムは数日おきにそれだけの量のデータを収集しています。AIはデバイス上にあるため、これらすべてのマイルが分析され、システムがよりスマートになるように使用されます。この規模では、Netradyneが構築したインフラストラクチャーは、これまで数年間にわたる人間の運転経験が、ますますインテリジェント化するAI処理システムのあらゆる段階に影響を与えています。

輸送の文脈では

Driveri は機械学習を使用してプラットフォームをトレーニングし、注意散漫な運転行動や危険な状況だけでなく、システムが強化しようとしているポジティブでプロアクティブな運転イベントも認識します。このシステムは、道路状況、追従距離、その他の環境要因も分析して、ドライバーが最も安全な選択を行えるようにします。そのアルゴリズムは裏で機能し、報酬システム、エラー認識、ドライバーコーチングを推進します。交通面では、Driveriのようなプラットフォームの台頭により、AIソリューションは徐々に業界標準になりつつあります。これらのプラットフォームは、環境について学習し、学習した内容をインテリジェントに適用できます。事故、保険費用、人手不足などで圧迫されている業界では、人工知能が積み重なったデータを収集し、事故の頻度を減らすことでこれらの問題の解決策を提案することができます。衝突事故が減れば、保険料が下がるだけでなく、長期的な仕事の満足度を高めるような方法でドライバーと関わることができます。Driveriは、ドライバーに最もリスクの高い運転習慣について指導し、監督者が頭を悩ませることなくリスクを軽減する最善の方法を示します。また、大規模な車両管理者は、他の差し迫ったタスクを処理しながら、ドライバーの不適切な行動を検出するプロセス全体をバックグラウンドで実行できることも確認できます。

Driveri テクノロジーと人工知能

人工知能はDriveriプラットフォームの基盤を形成しています。このテクノロジーは主に高度なデータ分析を目的としており、コミュニケーションや報酬システムなどの他の機能にも応用されています。このプラットフォームは、データの収集、データの解釈、および3つの異なるセクションでの行動という3つの主要なステップで機能します。これらのセクションは、ビジョンベースのデータ収集フリートカメラです フリートカメラシステム カメラとセンサー、人工知能を使ったデータ分析システム、報酬システムDriverStarとGreenZoneで構成されています。

Driveri データ分析システム

Driveri データ分析システムは、道路状況、交通危険、および注意散漫な運転行動を含むドライバーのパフォーマンスに関する洞察を収集します。データを分析した後、システムはリアルタイムの通知を通じて、困難な状況や危険な行動についてドライバーに指導します。これにより、潜在的な事故を回避できるため、艦隊の損害を数百万ドル節約できます。

ビジョンベースシステム

Driveri のビジョンベースのシステムは、主に走行中のデータ収集に使用されます。内蔵カメラと外部カメラは、ドライバーの行動をキャプチャし、事故や道路の口論をキャプチャし、道路データをキャプチャします。このシステムは、高品質のビデオ録画とリアルタイムのイベント再生を実現するために、側面、前面、および内部のQUAD HDカメラのグループで構成されています。管理者は、必要に応じて最大50時間のビデオ再生にアクセスできます。Driveriは、AIと機械学習を組み合わせて、リアルタイムでデータを収集および分析する人工知能ドライバー管理プラットフォームを作成して運用しています。テクノロジーの助けを借りて、ドライバーはリスクを軽減し、車両は安全を維持し、ドライバーのパフォーマンスをリアルタイムで監視できます。 お問い合わせ 当社の高度なDriveriテクノロジーについて詳しく学んでください。