Mengubah Manajemen Armada: Integrasi AI & IoT untuk Operasi yang Lebih Cerdas
Penerapan kecerdasan buatan pada internet of things (IoT) mendorong inovasi yang cepat, di industri yang bervariasi dari kesehatan hingga manufaktur dan transportasi.
Sementara IoT fokus pada pengembangan sistem sensor jarak jauh untuk pengumpulan data, artificial intelligence of things (AIoT) menghubungkan sistem tersebut untuk menciptakan kecerdasan kolektif, yang pada akhirnya membuat setiap node dalam sistem menjadi lebih cerdas. Menggabungkan kognisi cerdas, komputasi edge, dan kemampuan otonom, ini memungkinkan pemrosesan otomatis pengambilan keputusan yang terinspirasi manusia dengan biaya rendah, skala tinggi, dan dengan akurasi tinggi.
Teknologi ini sudah membentuk tulang punggung banyak sistem transportasi komersial saat ini, terutama dalam keselamatan armada.
AIoT sangat berguna untuk sektor yang menghasilkan jumlah besar data yang tidak dapat diproses secara efisien oleh manusia. Di industri transportasi, volume data yang dihasilkan oleh kendaraan bertambah setiap hari, seiring armada meningkatkan jejak teknologi mereka dan mengadopsi sistem bantuan sopir canggih terbaru (ADAS).
Sementara menggabungkan video dan data kendaraan adalah kunci untuk mendeteksi dan mengurangi risiko keselamatan, sebagian besar platform tidak memiliki kapasitas penyimpanan atau komputasi untuk memproses, menganalisis, dan menafsirkan semua data itu di cloud. Yang lebih banyak lagi, perangkat yang biasanya dipasang pada kendaraan komersial menghasilkan data resolusi tinggi, yang membuat transmisi cloud secara ekonomi melarang biaya.
Sebagai tanggapan, teknologi AIoT menggabungkan kemampuan machine learning dari perangkat di dalam dan di luar kendaraan dengan daya komputasi lingkungan pemrosesan cloud. Pendekatan terintegrasi ini memungkinkan perangkat yang dipasang untuk menyimpulkan wawasan lanjutan yang akan hilang jika data harus diringkas atau dikurangi sebelum transmisi ke cloud.
Sistem AIoT uniknya dua arah, menggabungkan data dari ratusan perangkat papan untuk mengidentifikasi tren yang, dalam gilirannya, memberitahui bagaimana perangkat yang sama akan membuat keputusan di masa depan.
Perangkat papan terus-menerus membuat keputusan yang didorong AI berdasarkan algoritma machine learning dan sensor yang dipasang di berbagai titik kendaraan. Dalam sistem AIoT, alasan di balik setiap keputusan diunggah ke lingkungan pemrosesan cloud, yang kemudian dapat melihat data dan wawasan dari sekelompok besar perangkat untuk menentukan tren umum. Informasi ini kemudian dikirim kembali ke perangkat sebagai pembaruan ke algoritma machine learning-nya. Semakin banyak node yang berpartisipasi dalam loop kecerdasan "crowdsourced" yang dikumpulkan, semakin cerdas dan lebih baik setiap node akan berfungsi.
Sebagai bonus, sistem AIoT dapat berbagi informasi yang dikumpulkan di luar sensor kendaraan, seperti prediksi cuaca, kondisi lalu lintas, dan insiden berbahaya di jalan. Ditelap di atas data perilaku mengemudi, wawasan ini mengajari perangkat bagaimana membuat keputusan waktu nyata tentang segala sesuatu dari rute tercepat hingga kecepatan yang paling sesuai untuk kondisi cuaca.
Sistem keselamatan untuk truk komersial telah merasakan manfaat AIoT selama beberapa waktu, bahkan sebelum istilah itu bahkan diadopsi. Misalnya, AIoT biasanya digunakan untuk memberikan self-coaching yang tepat waktu kepada sopir. Sensor ADAS di dalam kabin dapat memperingatkan sopir tentang risiko keselamatan secara waktu nyata, sehingga mereka dapat mengambil tindakan korektif sebelum tabrakan terjadi.
Mulai baru-baru ini, AIoT bahkan telah digunakan untuk mengidentifikasi dan memperingatkan manajer armada tentang "sitting ducks," truk komersial yang diparkir di koridor berbahaya. Dalam kasus ini, sistem machine learning mengevaluasi urutan kompleks peristiwa yang mencerminkan risiko keselamatan dari kendaraan yang diparkir di situs tertentu.
Manajemen trigger adalah kunci keselamatan transportasi; mengirimkan notifikasi yang tepat pada waktu yang tepat menyelamatkan armada dari tabrakan yang mahal, dan yang terpenting, menyelamatkan nyawa. Ketika platform keselamatan menarik data dari setiap kendaraan dalam armada, dan mengkorelasikannya dengan hasil kesehatan aktual di cloud, AIoT memastikan perangkat papan dapat secara efektif memberitahu sopir dengan petunjuk yang tepat. Kemampuan untuk memperingatkan sopir pada saat yang tepat memerlukan pemrosesan edge, notifikasi dengan latensi rendah, dan perbaikan yang mungkin. Sebaliknya dengan perangkat yang bekerja di edge dengan mengirim aliran berkelanjutan dari peristiwa yang berbeda ke cloud, AIoT mengajari perangkat ini untuk mengidentifikasi, memprioritaskan, dan merespons perilaku paling berisiko.
Di sektor transportasi komersial, teknologi AIoT memiliki potensi untuk mengatasi beberapa risiko mengemudi paling signifikan saat ini: gangguan, kecepatan berlebih untuk kondisi cuaca, dan parkir di koridor jalan yang berbahaya secara historis.
Pada hari apa pun, kita sudah tahu jalan-jalan paling berbahaya di negara. Bayangkan dampaknya dari menghubungkan informasi ini ke sistem perutean untuk membantu semua sopir memilih rute teraman dan paling efisien untuk kendaraan atau tingkat keterampilan mengemudi mereka. Saat dicrowdsource, teknologi ini bahkan mungkin memandu agen sipil, negara bagian dan federal untuk merespons elemen jalan yang berisiko, seperti lubang, dan menerapkan strategi keselamatan baru saat merancang jalan dan tol.
David Wagstaff adalah vice president analitik di SmartDrive Systems, penyedia kecerdasan keselamatan dan transportasi berbasis video.
