De technologie achter Driveri

January 30, 2020

January 30, 2020
5
leestijd

In de loop der jaren heeft de transportsector aanzienlijke innovaties doorgemaakt, vooral met de opkomst van op visie gebaseerde platforms voor bestuurdersveiligheid. Op het vroege zicht gebaseerde platforms voor bestuurdersveiligheid combineerden botsingsdetectie, video-opname en internetverbinding om gegevens van verkeersongevallen vast te leggen. Deze gegevens werden vervolgens door veiligheidsmanagers beoordeeld op nauwkeurigheid en gedeeld met chauffeurs als onderdeel van een coachingprogramma. De volgende generatie van op het zicht gebaseerde platforms voor bestuurdersveiligheid, te beginnen met de introductie van Driveri in 2016, verving de handmatige beoordeling van mogelijke botsingsvideo's door continue analyse van rijscènes met behulp van kunstmatige intelligentie die rechtstreeks in het edge-computerapparaat was ingebed. Met een „AI” dashcam, een veiligheidsmanager zou nu toegang hebben tot elke rijminuut van de dag van een chauffeur, in plaats van de paar minuten rijminuten per maand die de eerdere systemen boden. Wanneer u complexere gegevens voor miljoenen transportcycli, mensen, ongevallen en wegkilometers begint te analyseren, komt u terecht in de wereld van Big Data. Op basis van een continue analyse van ongeveer 10 miljoen kilometer aan nieuwe rijgegevens per week, heeft het Driveri-systeem Machine Learning-technieken gebruikt om voorspellende analyses te creëren en te verbeteren die de prestaties van de bestuurder in realtime verbeteren en ongevallen voorkomen.

De opkomst van big data in de transportsector

Het gebruik van big data in transport is snelgroeiend. Driveri-algoritmen zijn gemaakt, getraind en getest op de big datastromen die de apparaten verzamelen om stuursystemen slimmer te maken.Netradyne heeft het proces van het verzamelen, analyseren en toepassen van de inzichten van big data kunnen automatiseren om de inzichten te verbeteren prestaties van de bestuurder, zodat het systeem zichzelf continu op de beste manier traint om de prestaties van de bestuurder te optimaliseren met behulp van gegevens uit het verleden.

Machinaal leren en kunstmatige intelligentie

Machine learning is een subset van kunstmatige intelligentie (AI) die computersystemen de mogelijkheid biedt om van gegevens te leren zonder continu te worden geprogrammeerd. Misschien wilt u bijvoorbeeld een programma ontwikkelen dat uw auto beweegt wanneer het licht groen is en stopt wanneer het rood is. Een machine learning-engineer kan een kort programma maken dat deze taak mogelijk maakt: (IF LIGHT=GREEN DAN GO, ELSE STOP). Dit lijkt een vrij eenvoudig probleem om op te lossen - totdat je alle variabelen in overweging neemt die een rol spelen. Wat moet er bijvoorbeeld gebeuren als een andere auto een stoplicht gebruikt? Nu moet je je programma een beetje langer maken: (ALS LICHT=GROEN EN (GEEN AUTO MET HET ANDERE RODE LICHT), GA DAN). Maar wat als je auto stilstaat bij een stoplicht dat niet werkt, en andere auto's voor je met opzet rood rijden? Hoe berekent uw voertuig de juiste beweging op een zebrapad? In plaats van voortdurend nieuwe regels code aan uw programma toe te voegen om rekening te houden met elke variabele, traint machine learning uw programma om deze variabelen zelf te herkennen en ernaar te handelen. Machine learning begint met het verzamelen van gegevens uit verschillende bronnen. Driveri verzamelt bijvoorbeeld gegevens die relevant zijn voor de prestaties van bestuurders en veranderende wegomstandigheden. Door middel van machine learning richten de algoritmen zich op de acties die in de gegevens worden vastgelegd, een positieve invloed hebben op de prestaties, het management en de preventie van verkeersongevallen bij veranderende wegomstandigheden. Het doel is om het systeem continu en op een schaal te laten leren die onmogelijk te bereiken is als het wordt tegengehouden door handmatige beoordelingscycli. Kunstmatig intelligente apparaten zijn essentieel voor taken waarbij grote hoeveelheden gegevens worden verwerkt, er inzichten uit worden verkregen en de juiste beslissingen worden genomen. Dit doen mensen langzaam en met slechts kleine stukjes data tegelijk, wat technologie een duidelijk voordeel geeft. In het geval van Driveri zorgen we ervoor dat gegevens worden verzameld voor elke minuut van elke autorit. Onze algoritmen verwerken deze gegevens en bieden inzichten in realtime, in plaats van dat een wagenparkbeheerder uren aan video bekijkt. De snelheid van de gegevensverwerking is cruciaal om toegang te krijgen tot acht uur trainingsgegevens per chauffeur per dag, in plaats van de paar minuten rijgegevens per bestuurder per maand die oudere systemen verzamelen. Een typische commerciële chauffeur legt elk jaar 100.000 kilometer aan rijgedrag vast. Gedurende een carrière van dertig jaar zal een actieve commerciële chauffeur 3 miljoen mijl hebben gereden. Op dit moment verzamelen Driveri-systemen om de paar dagen zoveel gegevens. Omdat de AI op het apparaat zit, worden al deze kilometers geanalyseerd en gebruikt om het systeem slimmer te maken. Op deze schaal maakt de infrastructuur die Netradyne heeft gebouwd het mogelijk om meerdere levens aan menselijke rijervaringen te beleven die invloed hebben op elke iteratie van het steeds intelligentere AI-verwerkingssysteem.

In de context van vervoer

Driveri gebruikt machine learning om zijn platform te trainen om afgeleid rijgedrag en risicovolle situaties te herkennen, evenals positieve en proactieve rijgebeurtenissen die het systeem wil versterken. Het systeem analyseert ook de wegomstandigheden, de volgafstanden en andere omgevingsfactoren om uw chauffeur te helpen de veiligste keuze te maken. De algoritmen werken achter de schermen om beloningssystemen, foutherkenning en chauffeurscoaching aan te sturen. In de transportsector worden AI-oplossingen geleidelijk een industriestandaard dankzij de opkomst van platforms zoals Driveri. Deze platforms kunnen meer te weten komen over hun omgeving en op intelligente wijze toepassen wat ze leren. In een sector die gebukt gaat onder ongevallen, verzekeringskosten en een tekort aan arbeidskrachten, maakt kunstmatige intelligentie het mogelijk om de stapelgegevens te verzamelen en oplossingen voor deze problemen voor te stellen door het aantal ongevallen te verminderen. Minder ongevallen verlagen op hun beurt de verzekeringspremies, terwijl ze tegelijkertijd met chauffeurs omgaan op een manier die het werkplezier op lange termijn bevordert. Driveri coacht chauffeurs op hun meest risicovolle rijgewoonten en laat hen zien wat de beste manier is om risico's te beperken zonder dat een supervisor over hun nek kijkt. Grote wagenparkbeheerders kunnen er ook zeker van zijn dat het hele proces van het detecteren van slecht gedrag bij chauffeurs op de achtergrond kan worden uitgevoerd terwijl ze andere dringende taken uitvoeren.

Driveri-technologie en kunstmatige intelligentie

Kunstmatige intelligentie vormt de basis van het Driveri-platform. De technologie is voornamelijk bedoeld voor geavanceerde gegevensanalyse en wordt doorgedrongen naar andere functies, zoals communicatie en een beloningssysteem. Het platform bestaat uit drie belangrijke stappen: gegevens verzamelen, interpreteren en ernaar handelen via drie verschillende secties. Deze secties zijn de vlootcamera voor het verzamelen van gegevens op basis van visie camerasysteem voor het wagenpark bestaat uit camera's en sensoren, het data-analysesysteem dat gebruikmaakt van kunstmatige intelligentie en beloningssystemen DriverStar en GreenZone.

Driveri systeem voor gegevensanalyse

Het Driveri-gegevensanalysesysteem verzamelt inzichten over de wegomstandigheden, verkeersgevaren en de prestaties van de bestuurder, waaronder afgeleid rijgedrag. Na analyse van de gegevens begeleidt het systeem bestuurders door uitdagende situaties en risicovol gedrag door middel van realtime meldingen. Dit kan wagenparken miljoenen dollars aan schade besparen door mogelijke ongelukken te voorkomen.

Op visie gebaseerd systeem

Het op visie gebaseerde systeem van Driveri wordt voornamelijk gebruikt voor het verzamelen van gegevens terwijl u onderweg bent. Interne en externe camera's leggen het gedrag van de bestuurder vast, leggen ongevallen en verkeersruzies vast en leggen weggegevens vast. Het systeem bestaat uit een groep QUAD HD-camera's aan de zijkant, aan de voorkant en aan de binnenkant voor hoogwaardige video-opnamen en het in realtime afspelen van gebeurtenissen. Managers hebben toegang tot 50 uur aan videoweergave wanneer dat nodig is.Driveri combineert AI en machine learning om een kunstmatig intelligent bestuurdersplatform te creëren en te bedienen dat gegevens in realtime verzamelt en analyseert. Met behulp van technologie kunnen chauffeurs risico's beperken, terwijl wagenparken de veiligheid kunnen handhaven en de prestaties van chauffeurs in realtime kunnen volgen. Neem contact met ons op voor meer informatie over onze geavanceerde Driveri-technologie.