Untuk Manajemen Armada, AI dan IoT Lebih Baik Bersama
Penerapan kecerdasan buatan ke internet of things (IoT) mendorong inovasi yang cepat, di industri mulai dari perawatan kesehatan hingga manufaktur dan transportasi.
Sementara IoT berfokus pada pengembangan sistem sensor jarak jauh untuk pengumpulan data, kecerdasan buatan (AIoT) menghubungkan sistem tersebut untuk menciptakan kecerdasan kolektif, yang pada akhirnya membuat setiap node dalam sistem lebih pintar. Menggabungkan kognisi cerdas, komputasi edge, dan kemampuan otonom, ini memungkinkan pemrosesan otomatis pengambilan keputusan yang terinspirasi oleh manusia dengan biaya rendah, skala tinggi, dan dengan akurasi tinggi.
Teknologi ini telah menjadi tulang punggung banyak sistem transportasi komersial saat ini, terutama dalam keselamatan armada.
AIoT secara khusus berguna untuk sektor yang menghasilkan sejumlah besar data yang tidak dapat diproses secara efisien oleh manusia. Dalam industri transportasi, volume data yang dihasilkan oleh kendaraan bertambah setiap hari, seiring armada meningkatkan jejak teknologi mereka dan mengadopsi sistem bantuan pengemudi (ADAS) canggih terbaru.
Meskipun menggabungkan data video dan kendaraan sangat penting untuk mendeteksi dan mengurangi risiko keselamatan, sebagian besar platform tidak memiliki kemampuan penyimpanan atau komputasi untuk memproses, menganalisis, dan menafsirkan semua data tersebut di cloud. Terlebih lagi, perangkat yang biasa dipasang pada kendaraan komersial menghasilkan data resolusi tinggi, membuat transmisi cloud menjadi sangat mahal.
Sebagai tanggapan, teknologi AIoT menggabungkan kemampuan pembelajaran mesin dari perangkat di dalam dan di kendaraan dengan kekuatan komputasi dari lingkungan pemrosesan cloud. Pendekatan terintegrasi ini memungkinkan perangkat yang diinstal untuk menyimpulkan wawasan lanjutan yang akan hilang jika data harus diringkas atau dikurangi sebelum transmisi ke cloud.
Sistem AIoT secara unik bersifat dua arah, menyatukan data dari ratusan perangkat terpasang untuk mengidentifikasi tren yang, pada gilirannya, menginformasikan bagaimana perangkat yang sama akan membuat keputusan di masa depan.
Perangkat onboard terus-menerus membuat keputusan berdasarkan AI berdasarkan algoritme pembelajaran mesin 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 untuk algoritme pembelajaran mesinnya. Semakin banyak node yang berpartisipasi dalam loop kecerdasan "crowdsourced" yang dikumpulkan ini, semakin pintar dan semakin baik kinerja setiap node.
Sebagai bonus, sistem AIoT dapat berbagi informasi yang dikumpulkan di luar sensor kendaraan, seperti prediksi cuaca, kondisi lalu lintas, dan insiden berbahaya di sepanjang jalan. Dilapisi di atas data perilaku mengemudi, wawasan ini mengajarkan perangkat cara membuat keputusan waktu nyata tentang segala hal mulai dari rute tercepat hingga kecepatan paling tepat untuk kondisi cuaca.
Sistem keselamatan untuk truk komersial telah menyadari manfaat AIoT selama beberapa waktu, jauh sebelum istilah tersebut diadopsi. Misalnya, AIoT biasanya digunakan untuk menawarkan pelatihan mandiri yang tepat waktu kepada pengemudi. Sensor ADAS dalam kabin mampu memperingatkan pengemudi akan risiko keselamatan secara real time, sehingga mereka dapat mengambil tindakan korektif sebelum tabrakan terjadi.
Baru-baru ini, AIoT bahkan telah dikerahkan untuk mengidentifikasi dan memperingatkan manajer armada untuk “menduduki bebek”, truk komersial yang diparkir di koridor berbahaya. Dalam kasus ini, sistem pembelajaran mesin mengevaluasi rangkaian peristiwa kompleks yang mencerminkan risiko keselamatan kendaraan yang diparkir di lokasi tertentu.
Manajemen pemicu adalah kunci keselamatan transportasi; mengirimkan pemberitahuan yang tepat pada waktu yang tepat menyelamatkan armada dari tabrakan yang mahal dan, yang paling penting, menyelamatkan nyawa. Ketika platform keselamatan mengambil data dari setiap kendaraan di armada, dan menghubungkannya dengan hasil keselamatan aktual di cloud, AIoT memastikan bahwa perangkat yang terpasang dapat memberi tahu pengemudi secara efektif dengan isyarat yang tepat. Kemampuan untuk memperingatkan pengemudi pada saat yang tepat membutuhkan pemrosesan tepi, pemberitahuan latensi rendah, dan kemungkinan perbaikan. Berbeda dengan perangkat yang bekerja di edge dengan mengirimkan aliran terus menerus dari berbagai peristiwa ke cloud, AIoT mengajarkan perangkat ini untuk mengidentifikasi, memprioritaskan, dan merespons perilaku yang paling berisiko.
Di sektor transportasi komersial, teknologi AIoT berpotensi mengatasi beberapa risiko mengemudi yang paling signifikan saat ini:gangguan, ngebut karena kondisi cuaca, dan parkir di koridor jalan yang secara historis berbahaya.
Pada hari tertentu, kita sudah tahu jalan paling berbahaya di negara ini. Bayangkan dampak dari menghubungkan informasi ini ke sistem perutean untuk membantu semua pengemudi memilih rute yang paling aman dan paling efisien untuk kendaraan mereka atau tingkat keterampilan mengemudi. Saat dilakukan crowdsourced, teknologi ini bahkan dapat memandu lembaga kota, negara bagian, dan federal untuk merespons elemen jalan yang berisiko, seperti lubang, dan menerapkan strategi keselamatan baru saat merancang jalan dan jalan raya.
David Wagstaff adalah wakil presiden analisis di Sistem SmartDrive , penyedia intelijen keamanan dan transportasi berbasis video.
