9 vragen om te stellen over een AI-oplossing voor videoveiligheid
June 3, 2025
June 3, 2025
Wanneer u AI-gebaseerde videoveiligheidsoplossingen voor uw wagenpark evalueert, kan het stellen van de juiste vragen u helpen onderscheid te maken tussen basissystemen en intelligente systemen. Dit is wat u moet vragen — en waarom de antwoorden belangrijk zijn voor uw veiligheidsprogramma en bedrijfsresultaten.
Een menselijke beoordeling is foutgevoelig, subjectief en kost tijd (meestal een doorlooptijd van 24 uur). Machinebeoordeling op basis van AI is nauwkeuriger (ervan uitgaande dat het AI-model goed is), objectiever en directer in combinatie met edge computing. Bovendien geldt dat hoe meer beeldmateriaal de AI analyseert, hoe nauwkeuriger de resultaten zijn.
Let op het verschil tussen geregistreerde kilometers en geanalyseerde kilometers. AI wordt alleen getraind op basis van geanalyseerde kilometers, wat in op triggers gebaseerde systemen doorgaans minder dan 15% bedraagt. Dit betekent dat het veel langer zal duren voordat zo'n systeem slimmer wordt.
Realtime analyse door AI en edge computing levert onmiddellijke waarschuwingen op, wat helpt om ongelukken te voorkomen en gedrag in het moment te corrigeren. Dit is een veel effectievere manier om gedrag te verbeteren dan de resultaten later te bekijken.
Hoe Netradyne hierop reageert:
Het Driver•i-platform van Netradyne registreert en analyseert 100% van de rijtijd en biedt volledig en onmiddellijk inzicht in alle rijgebeurtenissen De AI wordt exponentieel slimmer naarmate verschillende scenario's over tientallen miljarden kilometers worden geanalyseerd. Samen met edge computing zijn de resultaten onmiddellijk zichtbaar. Mensen beoordelen video's alleen voor QA-doeleinden.
Inertiële gebeurtenissen verwijzen naar plotselinge bewegingen van het voertuig, zoals hard remmen, snelle acceleratie, scherpe bochten of botsingen. Deze gebeurtenissen zijn de belangrijkste triggers voor video-opnamen in veiligheidssystemen.
Veel kritisch rijgedrag veroorzaakt niet de fysieke krachten die nodig zijn om als inertiële gebeurtenissen te worden geregistreerd, zoals afgeleid rijden, slaperigheid, door stopborden rijden, rood rijden of het niet dragen van veiligheidsgordels. Dit gedrag vormt een groot veiligheidsrisico, ondanks het feit dat er geen traagheidssensoren worden geactiveerd.
Continue videoanalyse is essentieel om het volledige risicoprofiel van een vloot vast te leggen. Wanneer systemen alle rijtijden analyseren, kunnen ze subtiele patronen van onveilig gedrag detecteren die als vroege waarschuwingssignalen dienen voordat zich incidenten voordoen. Deze aanpak transformeert veiligheidstechnologie van het documenteren van ongevallen naar het actief voorkomen ervan door het identificeren van precursorgedrag.
Hoe Netradyne hierop reageert:
De op AI gebaseerde objectdetectie van Netradyne in combinatie met een rijtijdanalyse van 100% identificeert risicovol gedrag zonder dat een traagheidstrigger nodig is, zoals afleiding, slaperigheid, verkeersovertredingen en niet-naleving van de veiligheidsgordels. Het herkent ook op unieke wijze veilige rijgewoonten, waardoor managers een compleet beeld krijgen.
Edge computing betekent dat gegevens rechtstreeks worden verwerkt op het apparaat dat in het voertuig is geïnstalleerd, terwijl voor cloudverwerking gegevens naar externe servers moeten worden gestuurd.
Edge computing maakt onmiddellijke gegevensverwerking mogelijk zonder transmissievertragingen of connectiviteitsafhankelijkheden. Wanneer video in het voertuig wordt verwerkt, kan het systeem het rijgedrag onmiddellijk analyseren en realtime waarschuwingen en feedback geven. Deze directheid is van cruciaal belang om incidenten te voorkomen in plaats van ze simpelweg te documenteren.
Verwerking via de cloud zorgt voor latentie omdat gegevens moeten worden verzonden via mobiele netwerken, die onbetrouwbaar zijn in afgelegen gebieden of tijdens netwerkcongestie. Door deze vertragingen missen mannen de kans om in te grijpen in gevaarlijke situaties.
Hoe Netradyne hierop reageert:
Netradyne verwerkt video aan de rand, in het voertuig, waardoor realtime waarschuwingen en onmiddellijke feedback van de bestuurder mogelijk zijn. Dit voorkomt kritieke vertragingen die het verschil kunnen betekenen tussen het voorkomen van een crash en het simpelweg documenteren van een crash zodra het te laat is. Waarschuwingsgegevens en -video worden ook naar het managerportaal in de cloud gestuurd.
Vertraging in de verwerking heeft rechtstreeks invloed op het vermogen van een systeem om incidenten te voorkomen in plaats van ze alleen vast te leggen. De tijd tussen het moment waarop een gebeurtenis plaatsvindt en het moment waarop deze wordt geanalyseerd, bepaalt of feedback het gedrag van de bestuurder op dat moment kan beïnvloeden.
Realtime verwerking maakt onmiddellijke waarschuwingen in de cabine mogelijk voor kritieke veiligheidsgebeurtenissen, zoals afleiding of te nauw volgen. Deze onmiddellijke meldingen geven bestuurders de mogelijkheid om gedrag te corrigeren voordat dit tot incidenten leidt.
Als menselijke evaluatie deel uitmaakt van de workflow, kunnen er nog meer vertragingen optreden, met als gevolg dat de gegevens 2-3 dagen na de gebeurtenis worden ontvangen. Tegen de tijd dat gebeurtenissen worden geanalyseerd en waarschuwingen worden gegenereerd, is het lesmoment al voorbij.
Hoe Netradyne hierop reageert:
Netradyne waarschuwt onmiddellijk in de cabine voor kritieke veiligheidsgebeurtenissen en stelt managers ook binnen enkele minuten op de hoogte. Deze aanpak op twee niveaus zorgt voor zowel onmiddellijke correctie als tijdig managementtoezicht, waardoor een sterker verband tussen gedrag en gevolgen ontstaat. Bovendien wordt de GreenZone Score van de bestuurder dynamisch aangepast, zodat bestuurders na het einde van hun shift via de app toegang hebben tot hun score en het overzicht van de gebeurtenissen, samen met suggesties voor verbeteringen.
Nalevingsstatistieken hebben meer betekenis wanneer ze zowel betrekking hebben op de teller (gevallen van niet-naleving) als op de noemer (totale mogelijkheden voor naleving).
Wanneer de conformiteitsberekeningen alleen geactiveerde gebeurtenissen omvatten, wordt alleen de teller vastgelegd, wat een vertekend beeld geeft van het gedrag van de bestuurder. Nauwkeurigheid vereist inzicht in alle gevallen waarin naleving vereist was, bijvoorbeeld elk stopbord dat werd aangetroffen.
Zonder deze volledige noemer kunnen nalevingspercentages misleidend zijn en moet een manager zich afvragen of de chauffeur tot nu toe wel veilig is of gewoon geluk heeft gehad. Het lijkt erop dat een bestuurder met twee stopborden hetzelfde risicoprofiel heeft als iemand die twee van de vijftig stopborden rijdt die hij tegenkomt, ondanks dat de auto een nalevingspercentage van 96% hanteert.
Hoe Netradyne hierop reageert:
Dankzij de detectie en analyse van AI-objecten van 100% rijtijd, beoordeelt Netradyne het risico op basis van een echte teller/noemer. Als twee bestuurders allebei vijf stopborden gebruiken, worden ze in een basissysteem gelijk beoordeeld. Netradyne is van mening dat de ene 10 signalen heeft aangetroffen (een overtredingspercentage van 50%) en een andere 100 (een overtredingspercentage van 5%), wat een eerlijke beoordeling geeft op basis van de werkelijke nalevingspercentages.
De meest effectieve vlootveiligheidsprogramma's combineren risico-identificatie met positieve erkenning, in plaats van zich uitsluitend te richten op overtredingen. Een strafprogramma van mannen leidt tot verzet en terugtrekking.
Positieve gedragsherkenning erkent professionele vaardigheden, versterkt gewenst gedrag, vergroot de betrokkenheid van de bestuurder en zorgt ervoor dat veiligheidstechnologie een eerlijke waarnemer is in plaats van een „gotcha” -systeem. Een systeem dat gebruik maakt van op visie gebaseerde AI kan goed rijgedrag het meest effectief identificeren en belonen. Deze evenwichtige aanpak verbetert de betrokkenheid en het behoud van de bestuurder.
Hoe Netradyne hierop reageert:
Het GreenZone® -scoresysteem van Netradyne beloont automatisch veilige rijgewoonten en pakt risicovol gedrag aan. Chauffeurs krijgen punten voor veilig gedrag, zoals het creëren van ruimte voor voertuigen die op de schouder staan of samenvoeging, en „strepen” of consistentie voor veilige snelheid, naleving van de stopborden, alertheid, enz. Deze evenwichtige aanpak verhoogt de betrokkenheid van de bestuurder en verbetert het moreel door waardering te tonen voor hun vaardigheden.
De effectiviteit van AI is afhankelijk van herhaling en aanpassing. Naarmate de wegomstandigheden, voertuigen en rijomgevingen evolueren, moeten AI-modellen gelijke tred houden om de nauwkeurigheid te behouden en voortdurend te verbeteren. Het updateproces heeft een directe invloed op de detectienauwkeurigheid, het percentage valse waarschuwingen en het vermogen van het systeem om nieuwe risicofactoren te herkennen.
Statische AI-systemen op basis van vaste regels worden na verloop van tijd minder effectief omdat ze zich niet aanpassen aan nieuwe scenario's. Ze vereisen doorgaans handmatige updates wanneer zich nieuwe risico's voordoen, wat operationele uitdagingen en een inconsistente dekking met zich meebrengt.
Continue machine learning maakt het mogelijk systemen te verbeteren door voortdurend te worden blootgesteld aan uiteenlopende rijscenario's. Elke geanalyseerde kilometer levert aanvullende trainingsgegevens op, zodat de AI een onderscheid kan maken tussen normale variaties en echte risicofactoren.
Hoe Netradyne hierop reageert:
Omdat de AI van Netradyne miljarden kilometers aan rijgegevens analyseert, is de snelheid van machine learning exponentieel sneller dan bij systemen die alleen opnemen. Dit verbetert de detectienauwkeurigheid en de aanpassing aan nieuwe scenario's.
De bronnen variëren van eenvoudige traagheidssensoren en GPS tot geavanceerde computervisiesystemen die de visuele omgeving interpreteren zoals een menselijke bestuurder dat zou doen.
Traagheidssensoren detecteren fysieke bewegingen zoals accelereren en remmen, maar missen de kritieke context over waarom deze bewegingen plaatsvonden. GPS- en kaartgegevens kunnen locatiecontext toevoegen, maar missen vaak realtime nauwkeurigheid voor tijdelijke omstandigheden zoals bouwzones. Computervisie betekent een belangrijke vooruitgang door actief de visuele omgeving te interpreteren, objecten te identificeren, borden te lezen en wegmarkeringen te begrijpen. Dit maakt het mogelijk om subtiele nalevingsproblemen te detecteren, zoals rolstops en verkeerslichtovertredingen die niet worden geregistreerd op traagheidssensoren.
Hoe Netradyne hierop reageert:
Netradyne maakt gebruik van een combinatie van de bovenstaande gegevensbronnen, waaronder op AI gebaseerde objectdetectie die objecten zoals verkeerslichten, voetgangers, tijdelijke snelheidsborden en bouwzones identificeert en interpreteert. In plaats van te vertrouwen op kaartgegevens, interpreteert het de rijomgeving zoals een mens dat zou doen, zodat het systeem niet alleen begrijpt wat er is gebeurd, maar ook de context waarin het zich heeft voorgedaan.
Bij veel botsingen is een combinatie van factoren betrokken die samen een exponentieel hoger risico opleveren dan om het even welke factor alleen.
Wanneer meerdere van dergelijke gebeurtenissen tegelijkertijd plaatsvinden, zoals afleiding in combinatie met te nauw volgen, is het resulterende risico niet alleen additief, maar ook multiplicatief.
De mogelijkheid om deze samengestelde risicoscenario's te detecteren betekent een aanzienlijke vooruitgang op het gebied van voorspellende veiligheid. Traditionele systemen die individueel gedrag afzonderlijk identificeren, missen mogelijk deze kritieke risicoversterking.
Voor de detectie van samengestelde waarschuwingen is geavanceerde AI nodig die relaties tussen gelijktijdig voorkomend gedrag kan herkennen. Dit contextuele bewustzijn maakt een nauwkeurigere risicobeoordeling en meer gerichte coaching mogelijk door de specifieke combinaties te identificeren die het hoogste risico opleveren.
Hoe Netradyne hierop reageert:
De AI van Netradyne detecteert gecombineerde risicofactoren, zoals telefoongebruik tijdens het doorlopen van stopborden of slaperigheid terwijl je te dichtbij volgt, waarbij automatisch de juiste ernstniveaus worden toegewezen zonder dat er een menselijke beoordeling nodig is. Dit maakt gerichte coaching mogelijk, gericht op de gevaarlijkste gedragscombinaties die vaak tot ongevallen leiden.
* Individuele resultaten en omstandigheden kunnen variëren.
** Gebaseerd op klantgegevens.
† Netradyne moet schriftelijke toestemming krijgen om klantgegevens te delen.
Afbeeldingen dienen alleen ter illustratie en zijn mogelijk geen exacte weergave van een product.
