Aumente la seguridad de la flota con el video AI Dash
Aumente la seguridad de la flota con el video AI Dash.
La Administración Nacional de Seguridad del Tráfico en las Carreteras (NHTSA, por sus siglas en inglés) encontró que más de medio millón de camiones grandes se vieron involucrados en accidentes en 2022. Y el costo promedio por accidente, según Automotive Fleet, está entre 16 mil y 75 mil dólares. Cuando hay una lesión o fatalidad, esos costos aumentan significativamente.
La industria del transporte tradicionalmente se ha basado en sistemas de cámaras basados en disparadores y métodos de revisión manual para detectar infracciones de conducción. Pero a medida que avanza la tecnología, hemos descubierto que los sistemas basados en disparadores proporcionan información limitada, y la revisión manual es insostenible y poco confiable. Para enfrentar este desafío, algunos sistemas telemáticos de video ahora combinan inteligencia artificial (IA) con cámaras HD para proporcionar análisis de datos inteligentes; algunos incluso capturan el 100% del tiempo de conducción en lugar de grabar únicamente eventos basados en desencadenantes.
Este recurso examina cómo la IA analiza y aprende de los datos viales, y cómo ayuda a los administradores de flotas a enfrentar los desafíos de seguridad que hacen que las empresas sean vulnerables a accidentes y costosos litigios.
La innovación está transformando todos los rincones de las operaciones de la flota, desde la seguridad y retención del conductor hasta la reducción de riesgos y el rendimiento del vehículo.
Los sistemas de cámaras basados en activadores heredados, que responden únicamente a eventos que ya han ocurrido, están obsoletos. El rápido desarrollo de la tecnología basada en IA proporciona una forma más avanzada para que las flotas rastreen y hagan cumplir el rendimiento de conducción y el cumplimiento de las políticas de la compañía.
La IA implica capacitar a las computadoras para que realicen tareas tradicionalmente “humanas” de manera más rápida y eficiente. Por ejemplo, fuera del transporte, plataformas como Spotify y YouTube utilizan IA para recomendar contenido basado en los hábitos previos de escucha y visualización de los usuarios. Los chatbots avanzados utilizan IA para comunicarse con los humanos y algunos incluso se modifican para ser asistentes útiles, como Siri de Apple, Alexa de Amazon o ChatGPT de OpenAI.
En la industria del transporte en general, la IA tiende a ser más funcional. Por ejemplo, los vehículos Tesla y Waymo cuentan con sistemas de piloto automático, lo que permite que los autos conduzcan de manera autónoma mientras se ajustan a las condiciones cambiantes de la carretera, señales de parada, giros y otros vehículos.
Cómo funciona la IA con las cámaras HD
Por su cuenta, las cámaras HD capturan video de alta calidad de las condiciones de la carretera y eventos de conducción después de que se activan. Este metraje se puede analizar manualmente más tarde.
Cuando se combina con la IA basada en la visión, el sistema de cámara puede reconocer objetos y crear alertas basadas únicamente en la visión. Por ejemplo, algunas cámaras de IA pueden identificar el número en una señal de límite de velocidad. Y luego al conectarse al velocímetro y calcular la siguiente distancia a otro vehículo, la tecnología puede determinar si una alerta está justificada, y luego el nivel de gravedad para esa alerta. La IA basada en la visión, junto con la computación perimetral (análisis inmediato de datos en el dispositivo de cámara) crea alertas audibles en la cabina relacionadas con el comportamiento del conductor y las condiciones de la carretera para mitigar el riesgo en tiempo real.
La IA se entrena a través del aprendizaje automático, un proceso que permite a las computadoras aprender de la experiencia y mejorar con el tiempo, todo sin ser programado explícitamente.
Por ejemplo, supongamos que los sistemas heredados basados en disparadores que dependen únicamente de las cámaras son un par de ojos humanos. En este caso, los ojos ven todo lo que sucede en la carretera y recuerdan esos hechos más adelante. A partir de este recuerdo, la flota realiza varias mejoras a sus operaciones.
Cuando coloca AI y edge computing sobre los sistemas de cámara, está agregando un centro nervioso completo. Las cámaras son como los ojos humanos, los sensores funcionan como órganos de los sentidos y la IA actúa como un cerebro. En el cuerpo humano, cuando los órganos de los sentidos detectan cualquier forma de estímulos, se envía un mensaje junto con imágenes al cerebro. El cerebro procesa inmediatamente estos datos y se le ocurre una respuesta instantánea a los estímulos.
Es lo mismo con la inteligencia artificial. En un sistema de cámaras AI, las cámaras y los sensores actúan como colectores de datos y mensajeros que envían información al sistema de IA. Este sistema analiza los datos recabados y asesora al conductor en tiempo real sobre las mejores acciones a tomar.
Sin embargo, dado que los datos son la base de todos los procesos de aprendizaje, la IA es tan buena como los datos en los que está entrenada. Sin un sistema sólido de recopilación de datos, la funcionalidad es limitada. Para obtener buenos datos, primero se debe comenzar con un hardware superior, incluyendo lentes de alta definición combinadas con una alta velocidad de fotogramas y un amplio campo de visión. Luego, alimentar a la máquina tantos datos como sea posible le permitirá ser más inteligente a velocidades exponencialmente más rápidas que las máquinas que solo reciben porciones de datos basadas en activadores. Por último, la cantidad de dispositivos en el campo, al ser entrenados en una variedad de carreteras, afectará la capacidad de la máquina para aprender más rápidamente y por lo tanto avanzar en la precisión de la IA más rápido.
La proliferación de software de administración de controladores ha mejorado significativamente el comportamiento de conducción y el performance en las flotas que utilizan la tecnología.
La IA basada en visión mejora la seguridad del conductor principalmente a través de análisis avanzados. Al recopilar y analizar una variedad de datos como se mencionó anteriormente, las flotas pueden desarrollar nuevas soluciones para los problemas de conducción y seguridad, al tiempo que identifican y reconocen comportamientos positivos de conducción. También pueden tener más confianza en que el análisis del comportamiento es correcto, ya que el sistema basado en visión entiende el contexto que rodea a un evento en particular. Por ejemplo, un sistema basado en gatillos registra un freno duro y atraca puntos en el puntaje de desempeño de ese conductor. Pero un sistema basado en visión puede entender que el conductor fue cortado por otro vehículo y por lo tanto el freno duro estaba justificado y necesario, y eso se consideraría “conducción segura”, y el conductor sería recompensado con puntos en su puntaje de seguridad. Este contexto adicional permite que los gerentes de conductores se centren en reconocer una buena conducción en lugar de solo la conducción arriesgada y la modificación del comportamiento punitivo.
Las áreas más notables de rendimiento de conducción y comportamiento mejorado por la IA son:
Cumplimiento de la ley de tránsito
Las infracciones de tránsito que incluyen giros en U ilegales, cambios de carril y giros a la izquierda, y el tailgage son las principales causas de accidentes en las carreteras de Estados Unidos. Sin embargo, el exceso de velocidad sigue siendo el factor más peligroso.
En 2022, exceso de velocidad mató a 12,151 personas, lo que representa el 29% de todas las muertes de tránsito, según la Administración Nacional de Seguridad del Tráfico en Carreteras (NHTSA).
Si bien una política que exige el cumplimiento estricto de las leyes de tránsito es un primer paso necesario, solo puede hacer mucho. Hacer un seguimiento de qué conductores han corrido señales de parada sin ser atrapados, y qué tan grave es el comportamiento, es imposible sin el uso de IA basada en la visión. La IA agiliza el proceso de seguimiento y comprensión del comportamiento del conductor y lo hace sostenible y escalable para flotas de cualquier tamaño.
Conducción distraída y somnoliento
Según la NHTSA, Conducir distraído representó más de 3,000 muertes en 2022. La conducción distraída se asocia con una variedad de comportamientos, que incluyen usar teléfonos celulares, comer, dormir, juguetear con objetos como la radio e incluso conducir en estado de ebriedad.
Si bien el uso de un sistema de cámara tradicional para detectar la conducción distraída o somnolienta puede parecer una solución sencilla, los sistemas heredados solo pueden registrar la actividad para su posterior revisión. Luego, el metraje debe analizarse manualmente. Si bien esto podría ser manejable por un tiempo, rápidamente se vuelve insostenible a medida que crece la flota.
En flotas grandes, la administración de dicha reproducción de video puede llevar a cientos de horas de análisis. Esto no solo es tedioso e ineficiente, sino que también es propenso a errores, y solo permite una corrección después de que el evento ya ha ocurrido.
Las cámaras de IA basadas en visión ofrecen un enfoque más eficiente y proactivo al capturar video y analizarlo en tiempo real. En el caso de un conductor distraído, la IA sofisticada puede detectar movimiento de ojos y cabeza, objetos en la mano, y otros indicadores de conducción distraída y enviar una alerta en la cabina al instante. Los indicadores de somnolencia pueden incluir movimiento de la cabeza, bostezos y frecuencia de parpadeo ocular. Los sofisticados sistemas de detección de somnolencia pueden incluso ver los detalles de los ojos a través de gafas de sol y de noche. Las alertas inmediatas en la cabina reducen la probabilidad de que ocurra un accidente, crean conciencia para el conductor y corrigen el comportamiento en tiempo real.
Adaptación a las condiciones de la carretera
Las condiciones de la carretera cambian constantemente, y algunos de estos cambios pueden afectar qué tan bien un conductor cumple con las leyes de tránsito. Por ejemplo, los conductores pueden seguir demasiado de cerca bajo la lluvia, acelerar en condiciones de nieve o tener dificultades para navegar a través de una espesa niebla.
La IA puede alertar a los conductores sobre tales situaciones peligrosas y ofrecer orientación en el momento. Tener un autocar a bordo puede impactar positivamente la seguridad y el rendimiento del conductor, aumentando la confianza y mejorando la toma de decisiones.
Los entrenadores de IA trabajan recopilando datos en tiempo real sobre el entorno, analizándolo y determinando el mejor curso de acción probable. Estos cálculos ocurren en segundos, gracias a la computación perimetral que almacena datos localmente para un procesamiento más rápido, lo que permite una toma de decisiones más rápida.
Con una sofisticada cámara habilitada para IA y un sistema de seguridad, las flotas pueden:
Reducir significativamente el número de accidentes y colisiones
Señales que la seguridad del conductor es una prioridad y ayúdelos a mitigar los riesgos
Ahorre dinero gracias a la reducción de reclamos y demandas
Ayudar a determinar si un acuerdo anticipado es sensato
Ahorre combustible a través de prácticas de conducción menos agresivas
Crear un entorno amigable para el conductor impulsado por incentivos y recompensas
Mejorar la retención de conductores al aumentar la moral entre los conductores a través de puntajes justos de los conductores
Apunte con precisión a las áreas donde los conductores requieren más capacitación y personalice la capacitación para todos
Obtenga más negocios de los clientes que solicitan que sus asociados de negocios hagan de la seguridad una prioridad
Redactar políticas de seguridad de la empresa más específicas
Reduzca el riesgo con las soluciones de administración y seguridad de flotas basadas en IA de Netradyne
El sistema de cámaras AI basado en visión de Netradyne, Driver•i, proporciona datos y análisis completos y confiables que ayudan a proteger a los conductores y las flotas. Proporciona entrenamiento personalizado, advertencias de seguridad en la cabina y captura y analiza el 100% del tiempo de conducción, no solo eventos basados en desencadenantes.Combinado con el sistema de puntuación de conductores GreenZone patentado de Netradyne, que tiene en cuenta los hábitos y eventos positivos y negativos, las flotas pueden reducir el riesgo al tiempo que fomentan una cultura basada en recompensas y refuerzo positivo.
Netradyne está respaldado por la investigación Modelo ROI, basado en el análisis de 1.300 millones de millas de datos de manejo, es la única manera de correlacionar cómo una conducción más segura medida por los puntajes más altos de GreenZone, conduce a menos accidentes. De hecho, cada mejora de 50 puntos en la GreenZone Score de una flota se correlaciona con aproximadamente una reducción del 13 al 15% en accidentes por millón de millas (APMM). A partir de un estudio de dos grupos diferentes de flotas (un grupo de 100 flotas, y otro grupo de 50 flotas) vemos que en promedio, los clientes de Netradyne mejoraron sus puntuaciones de GreenZone en 150 puntos en el primer año. En otras palabras, es probable que una flota que utilice la plataforma Driver•I experimente una reducción de más del 30% en los accidentes por millón de millas (APMM), solo en su primer año.
Más allá de la reducción de accidentes, Driver•i ofrece una variedad de otros beneficios. Por ejemplo:
A lo largo de las 10 millones de observaciones más recientes de señales de parada de la plataforma, hay una mejora del 61% para los eventos sin parar y del 51% de mejora para las paradas rodantes.
Algunos clientes de Netradyne incluso integran el GreenZone Score en su sistema de nómina, dando a los conductores una bonificación por alcanzar una determinada puntuación. El resultado: los conductores seguros reciben el reconocimiento que merecen con un enfoque holístico, lo que aumenta la confianza, aumenta el compromiso y aumenta la retención general de conductores. Algunos clientes de Netradyne han logrado una mejora interanual del 15% en la retención de conductores.
* Los resultados individuales y las condiciones pueden variar.
** Basado en los datos del cliente.
† Netradyne debe recibir una aprobación por escrito para compartir los datos del cliente.
Las imágenes pueden ser solo para fines ilustrativos y pueden no ser una representación exacta de un producto.
