Оптимизация операций автопарка с помощью искусственного интеллекта

У искусственного интеллекта (ИИ), появляется все больше новых решений, таких как интеллектуальная диспетчеризация, предиктивное обслуживание, оптимизация маршрутов и т.д. Эти решения помогают компаниям сократить расход топлива, повысить эффективность использования транспортных средств и минимизировать время простоя. При этом преимущества варьируются от оптимизации рабочего процесса и повышения удовлетворенности клиентов до повышения безопасности водителей и сокращения выбросов углекислого газа в атмосферу.

Повышение эффективности с помощью программного обеспечения для управления автопарком на основе искусственного интеллекта

Программное обеспечение для управления автопарком — это централизованная платформа, позволяющая в режиме реального времени получать данные о производительности, использовании транспортных средств и техническом обслуживании. Это программное решение призвано помочь предприятиям управлять парком транспортных средств, оборудования и активов. Оно часто используется для отслеживания местоположения и состояния транспортных средств, оптимизации маршрутов, контроля расхода топлива и т.д. Все это помогает руководителям автопарков принимать взвешенные решения по оптимизации бизнеса.

Однако искусственный интеллект может быть внедрен в программное обеспечение для управления автопарком, чтобы расширить его возможности и обеспечить дополнительные преимущества для руководителей автопарков. Благодаря использованию таких технологий, как облачные вычисления, машинное обучение (ML), Интернет вещей (IoT), обработка естественного языка (NLP), аналитика больших данных и робототехника, разработчики программного обеспечения могут повысить эффективность и даже автоматизировать операции для решения стоящих перед этими предприятиями задач. Речь идет о таких проблемах, как:

— Оптимизация автопарка
— — FMS с искусственным интеллектом, способные предоставлять данные и события в режиме реального времени, могут анализировать данные о трафике, погодных условиях и других факторах, оптимизируя маршруты в режиме реального времени, сокращая время в пути, расход топлива и улучшая своевременность доставки.
— — ИИ может принимать соответствующие решения о диспетчеризации на основе данных о наличии транспортных средств, квалификации водителей и других аспектов, сокращая время простоя и повышая эффективность использования парка, т.е. «умная диспетчеризация».
— Техническое обслуживание и ремонт
— — Способность прогнозировать необходимость технического обслуживания на основе анализа данных позволяет предприятиям проводить его заблаговременно, что в свою очередь снижает риск поломок и минимизирует время простоя.
— — Программное обеспечение для управления автопарком на основе искусственного интеллекта также может помочь в составлении расписания и предупреждении о необходимости технического обслуживания на основе данных об износе и использовании техники в режиме реального времени. Это позволяет снизить вероятность поломок и улучшить состояние транспортных средств.
— Соблюдение требований и безопасность
— — Благодаря возможности отслеживать поведение водителей, например, скорость, ускорение, торможение и прохождение поворотов, компании могут решать любые потенциальные проблемы со своими водителями, чтобы снизить вероятность аварий.
— — Кроме того, на основе полученных данных предприятия могут проводить индивидуальное обучение и тренинги.
— — Это также поможет обеспечить соблюдение таких нормативных требований, как Hours of Service (HOS) и Electronic Logging Device (ELD).

Однако как это выглядит на практике? Ниже приводится анализ трех ключевых отраслей и того, как программное обеспечение для управления автопарком на основе искусственного интеллекта может их оптимизировать.

— Доставка и логистика
— — В отрасли, где водители работают по многу часов, программное обеспечение для управления автопарком на базе искусственного интеллекта может помочь справиться с усталостью водителя и обеспечить соблюдение норм HOS.
— — Предприятия могут использовать этот инструмент для оптимизации маршрутов и расписаний с целью повышения эффективности и снижения затрат. Это особенно важно для предприятий, работающих в городах с интенсивным движением.
— Транспортные и курьерские услуги
— — Компании могут повысить уровень удовлетворенности клиентов и своевременности доставки, используя данные о поведении водителей и состоянии транспортных средств в режиме реального времени.
— — Данные о состоянии транспортных средств позволяют компаниям выявлять потенциальные проблемы до того, как они станут проблемой, и соответствующим образом решать их.
— Строительство и инжиниринг

— Отслеживая местоположение и наличие транспортных средств и оборудования в режиме реального времени, компании могут управлять сложной логистикой и оптимизировать их использование.
— В результате это позволяет сократить время простоя и повысить эффективность работы на стройплощадках.

Это лишь часть отраслей, однако есть и другие сферы, где подобное программное обеспечение будет полезно. Такие отрасли, как аварийные службы, сельское хозяйство, розничная торговля и электронная коммерция, могут использовать эту технологию.

Направление бизнеса в нужное русло

По мере развития технологий и роста нашей зависимости от транспортировки товаров и услуг традиционное программное обеспечение для управления автопарком начинает давать трещины. Эта реальность сделала очевидной необходимость внедрения FMS с искусственным интеллектом для решения различных задач.

Ориентируясь на эффективность и безопасность, разработчики могут создавать программное обеспечение для различных отраслей, от фундаментальных, таких как транспорт, логистика и здравоохранение, до таких неожиданных, как сельское хозяйство, розничная торговля и электронная коммерция. Инновационные решения могут оптимизировать и другие аспекты, такие как техническое обслуживание и улучшение экологической обстановки.

В целом ограничения традиционного подхода могут быть преодолены, и благодаря внедрению FMS с искусственным интеллектом можно получить выгоду от устойчивой и эффективной работы.

Ожидается, что в 2025 году рынок ИИ (включая системы ADAS и роботизированные автомобили) будет оцениваться в 2,75 миллиарда долларов, и из них 2,5 будут приходиться только на ADAS

Искусственный интеллект постепенно вторгается в нашу жизнь через смартфоны, умные колонки и камеры видеонаблюдения. Шумиха вокруг ИИ заставила некоторых игроков на рынке рассматривать его как сравнительно трудностижимую вторичную цель, а не основной инструмент для создания беспилотного транспорта. Кто же победил и кто проиграл в этой гонке за автономностью?

ИИ прокладывает путь для беспилотного транспорта

«ИИ постепенно вторгается в нашу жизнь, и это особенно актуально в автомобильном мире», — утверждает Йоханн Чуди, аналитик по технологиям, рынку, вычислительной технике и программному обеспечению в компании Yole Développement (сокращенно Yole). «ИИ может стать основным инструментом для создания систем беспилотной езды, хотя многие компании боятся чрезмерного ажиотажа и не опираются на интеллектуальные системы в рамках своих стратегий по созданию систем беспилотной езды».

Компании, уловившие этот аспект технологической битвы, уже вырываются вперед. Влияние COVID-19 пока непонятно, но аналитики из Yole уже сейчас утверждают, что пандемия будет иметь серьезные последствия. Скорее всего, исследования в области беспилотного транспорта будут замедлены в этом и следующем году из-за недостатка денежных средств.

Готовы ли системы ИИ к применению в автомобилестроении? Какие компании участвуют в этой гонке? Какие отношения существуют внутри этой экосистемы? Кто победит в «битве за автономность»? Какие поставщики являются ключевыми и какими технологиями они занимаются? Yole представляет свой взгляд на достижения отрасли ИИ и их применение в автомобилестроении.

Кто выигрывает в «гонке за автономностью»

Давайте взглянем на Tesla, компанию, построившую свой стек технологий беспилотной езды (включающий программное и аппаратное обеспечение) самостоятельно, и являющуюся единоличным правообладателем множества решений. Для Tesla стратегия продвижения небольшими шагами будет выгодной, поскольку она не подразумевает каких-то «побочных исследований», она скорее позволяет интегрировать отдельные проекты в общую систему (именно так компания и работает с электромобилями). Скорее всего, недавний кризис подчеркнет лидерство Tesla на рынке (которое, по некоторым оценкам, длится уже несколько лет). Во второй строке аналитики выделили OEM-производителей, разрабатывающих собственный программный стек на основе аппаратного обеспечения, поставляемого другими игроками на рынке.

Нехватка денежных средств может замедлить работу над некоторыми платформами, хотя разработка некоторых проектов длится несколько лет, и, вероятно, она не будет прервана. Даже в случае возникновения задержек, создание систем беспилотной езды является неотъемлемой частью среднесрочных стратегий OEM-производителей (это касается и Tesla). Что касается выжидающих компаний, которые не ставят автономность во главу угла, то скорее всего их исследовательские программы (если они есть) будут приостановлены до момента урегулирования кризиса. Эти компании отстанут в гонке за автономностью, и им придется полагаться на продукты других компаний, которые будут поставлять полноценные решения/функциональные системы для беспилотной езды.

Основной мотив гонки – союз ИИ и электроники

Развитие различных функциональных возможностей и повышение их сложности требует создания специальных программных решений. Во-первых, все сложнее игнорировать аспект нейронных сетей. Несмотря на то, что их фактор «черного ящика» не обсуждается в широких кругах, он может стать препятствием на пути к реализации систем по принципу «безопасность прежде всего».

Yole делает акцент на интеграции ускорителей (нейронных движков/нейронных процессоров – все это разные маркетинговые названия одной и той же архитектуры) в системы ADAS. Эти модули, которые начали появляться в процессорах мобильных телефонов, предназначены для обработки алгоритмов глубокого обучения – наиболее известный из этих алгоритмов используется в интеллектуальных системах для распознавания объектов в изображениях. В прошлом году компания Tesla интегрировала эти ускорители и ИИ в свой чип Full Self-Driving (FSD).

Большинство OEM-производителей реализуют это решение к 2021 — 2022 годам, так как в настоящее время эти устройства интегрированы во все существующие (и будут интегрироваться в будущем) чипсеты ADAS от компаний Mobileye, Xilinx, TI, Toshiba, Ambarella и Renesas. Эта тенденция к интеграции все большего количества интеллектуальных систем и, следовательно, нейронных процессоров линейно следует за развитием технологий беспилотной езды. Другие тенденции, такие как централизация, будут постепенно преобразовывать будущее вычислений.

Рынок поделен между едиными платформами и процессорами компьютерного зрения

В своем отчете «Artificial Intelligence Computing for Automotive 2020» Yole делает вывод, что рынок автомобильных интеллектуальных систем поделен между едиными платформами и процессорами для компьютерного зрения.

Пьеррик Буле, аналитик по технологиям и рынку твердотельного освещения в Yole сделал следующее заявление: «Мы предполагаем, что существует два варианта архитектуры платформ. Первый – единый чип-компьютер от Nvidia или система беспилотной езды, взятая с топовых роботизированных автомобилей (т.е. „мозг“ транспортного средства). Второй – множество процессоров компьютерного зрения с интегрированными ускорителями – этой архитектурой уже сейчас пользуются многие OEM-производители».

Между этими двумя технологиями возникнет конкуренция, и именно она определит распределение прибыли на рынке. Компания, занимающаяся маркетинговыми исследованиями и стратегическим консалтингом в своем отчете о новых технологиях и рынке пишет, что «в 2025 году рынок ИИ (включая системы ADAS и роботизированные автомобили) будет оцениваться в 2,75 миллиарда долларов, и из них 2,5 будут приходиться только на ADAS».

Yole сотрудничает с System Plus Consulting, чтобы исследовать все прорывные технологии, связанные с приложениями систем ADAS. Недавно представители System Plus взяли интервью у Джунко Йошиды из EE Times: темой разговора стали инновации в новой Audi A8. Часть этого интервью посвящена достижениям Nvidia.

Ромен Фро, генеральный директор System Plus Consulting, объясняет: "… В состав платформы входят процессоры NVIDIA Tegra K1, используемые для распознавания трафика, обнаружения пешеходов, предотвращения столкновений, обнаружения света и распознавания полос движения. Tegra K1 с восемью слоями печатных плат содержит 192 ядра Cuda – столько же, сколько NVIDIA интегрирует в один модуль SMX в графических процессорах на базе архитектуры Kepler. Эти процессоры представлены на рынке в настоящий момент и обладают поддержкой DirectX 11 и OpenGL 4.4"

«Это только начало, и проблемы, связанные с ИИ и его влиянием на автомобильную промышленность, заметны уже сейчас" — комментирует Йоханн Чуди из Yole. У некоторых компаний есть заметное преимущество, и догнать их будет сложно – особенно без интеграции систем ИИ и технологий, связанных с ними.