Hvorfor AI-drevet kortlægning er afgørende for den nye æra af software-definerede køretøjer

Bilindustrien gennemgår en af de mest betydningsfulde forandringer i sin historie. Tidligere defineret af mekanisk ingeniørarbejde og hestekræfter, er i dag køretøjerne mere og mere defineret af kode. Vi er på vej ind i æraen for software-definerede køretøjer (SDV), hvor intelligensen i bilen kommer mindre fra motorblokken, men fra linjer af software. En nylig undersøgelse af Research and Markets forudser, at det globale SDV-marked vil vokse fra 213,5 milliarder dollars i 2024 til over 1,2 billioner dollars i 2030. Denne vækst er ikke overraskende for dem, der arbejder på tværs af software, kortlægning og AI. Det er en refleksion af, hvor hurtigt AI’s rol udvikler sig over alle aspekter af mobilitet.

AI vil mere og mere blive den digitale motor bag nogle af de mest værdifulde køretøjsfunktioner: digitale cockpitter med naturlig sprogstøtte, realtidsnavigation og dynamisk ruteplanlægning, præventivt vedligehold, avancerede førerassistancesystemer (ADAS) og højere niveauer af automatiseret kørsel. AI hjælper med at redefine og tilpasse kørselsoplevelsen. Ifølge en nylig IBM-undersøgelse, mener 74% af bilindustriens ledere, at køretøjer vil være både software-definerede og AI-drevne i 2035. Og på det tidspunkt forventes 80% af nye biler at have el-motorer, hvilket giver en endnu mere naturlig grund for at integrere køretøjsystemer, kortlægning, software og AI-kapaciteter.

AI-drevet kortlægning: Den digitale kompas for SDV

Et særligt overbevisende eksempel på AI’s rolle er i udviklingen af digital kortlægning. En traditionel statisk kort giver plads til et “live”-kort: dynamiske, konstant strømmende repræsentationer af vejmiljøet, der bruges til at aktivere en række køretøjsystemer. Et kort er afgørende for sikker og effektiv kørsel i et mere og mere elektrisk, forbundet og automatiseret køretøj.

Et live-kort giver langt mere end blot navigation, og muliggør, at køretøjet kan fortolke sin omgivelse og træffe informerede kørselsbeslutninger i realtid. AI’s evne til at registrere mønstre, genkende miljøændringer og opdatere kortdata dynamisk gør det muligt for føreren (og køretøjsystemerne) at undgå byggeområder, omrute rundt om trafikulykker og blive opmærksom på ændringer i vejsskiltning eller hastighedsbegrænsninger.

Vi ser allerede live-kortfunktioner, der kontinuerligt integrerer data fra køretøjsensorer, satellitbilleder og crowdsourced input, blandt andet, for at reflektere ændringer i vejforhold. Evnen til at samle flere kilder af data, automatiseret og drevet af AI og maskinlæring, låser den sande potentiale for et live-kort op.

Det personlige køretøj: Intelligent, mere intuitivt og mere AI-drevet

Kørselsoplevelsen bliver også mere personlig, mere intuitiv og mere AI-drevet. Vi ser in-køretøjs AI-assistenter, der lærer at reagere på naturligt sprog og genkende mønstre i føreradfærd, hvilket muliggør, at køretøjer tilpasser sig til individuelle præferencer. AI-assistenter tilbyder nu naturligt sprog-støttet ruteplanlægning, el-bil-anbefalinger, sikkerhedsadvarsler baseret på kørselsforhold og dynamiske rejseforslag, der inkluderer stop, præferencer og realtidsændringer.

Ifølge IBM’s undersøgelse, mener 75% af ledere, at software-definerede oplevelser vil være kernen i en bilindustriels værdi i 2035. Dette betyder, at en fører kan få en ruteanbefaling, der ikke blot er baseret på den korteste rejsetid, men også faktorer som realtidsvejr, nærliggende el-bil-ladesteder og tidligere stop, såsom en foretrukken rejsecenter eller kaffebar. Over tid bliver køretøjet mere af en rejsekammerat, der kontinuerligt lærer og udvikler sig med føreren.

AI som grundlag for assisterede og autonome funktioner

AI er også fundamentalt for den fortsatte udvikling af ADAS og autonome kørselsfunktioner. Det vil muliggøre forbedret beslutningstagning for køretøjsikkerhed og effektivitet, fra baneføring og adaptiv fartregulering til fodgængerregistrering og genkendelse af objekter.

Med SDV, der udvikler sig mod højere niveauer af autonomi, vil kombinationen af AI-drevet kortlægning med ombord-sensorindgange som LiDAR og kameraer være afgørende for præcis ruteplanlægning, situationsbevidsthed og lovmæssig overholdelse.

Overvindelse af vejforhindringer: Nøgleudfordringer i AI-integration

Selvom den transformative værdi af AI i SDV er enorm, og entusiasmen for AI er høj, skal flere udfordringer løses for en bred anvendelse:

• Dataintegritet & sikkerhed: AI afhænger af store mængder data, hvilket rejser bekymringer om at sikre følsomme oplysninger, mens man opretholder realtidsnøjagtighed. Bilfabrikanter og softwareleverandører må sikre, at AI-drevne lokalitets- og køretøjsdata er beskyttet mod brud og uberettiget adgang, samtidig med at de overholder lovmæssige standarder, mens køretøjer bliver mere forbundne.
• Interoperabilitet & standardisering: Mens flere virksomheder udvikler AI-drevne systemer, er det afgørende at sikre, at disse teknologier kan arbejde sammen på tværs af mærker og leverandører for at forhindre fragmentering og forbedre tværsplatformskompatibilitet.
• Cloud & edge-computing-infrastruktur: Behandling af de massive mængder realtidsdata, der genereres af AI, kræver robust computing-infrastruktur. Fremtidige fremskridt i cloud-computing og edge-behandling vil være afgørende for at støtte AI-applikationer i kortlægning, navigation og køretøjsautomatisering.

Fremtiden for et AI-drevet kort til SDV

Set i fremtiden vil et live-kort blive endnu mere centralt for, hvordan køretøjer fungerer, og hjælpe dem med at fortolke og reagere på verden omkring dem med øget præcision. Opkomsten af digital tvillingsteknologi, hvor AI skaber realtidsvirtuelle kopier af køretøjer, vil også tillade bilfabrikanter at simulere, teste og forfine køretøjsfunktioner, før de nogensinde rammer vejene. Seneste fremskridt i AI-drevet billedgenkendelse og cloud-behandling muliggør den automatiserede udtrækning af realverdensfunktioner fra gadeplanetbilleder, hvilket hjælper bilfabrikanter med at generere virtuelle miljøer, der accelererer simulation, sikkerhedstest og SDV-udvikling.

Ud over at forbedre navigation og brugeroplevelse, vil AI-drevet analyse mere og mere blive brugt til at registrere mønstre i sensor- og præstationsdata, hvilket muliggør tidligere identifikation af vedligeholdelsesbehov. AI kan udløse service-advarsler, før traditionelle advarselssystemer aktiveres, ved at registrere subtile ændringer i køretøjsadfærd, såsom ændringer i dækmoment eller aftagende bremseeffektivitet. Disse prædiktive indsigt vil ikke blot forbedre sikkerheden, men også støtte en mere effektiv og omkostningseffektiv køretøjs- og flådestyring.

Det er klart, at denne fremtid vil kræve stærke partnerskaber mellem bilfabrikanter, AI-teknologileverandører, cloud-platforme og lokalitetsdata-eksperter. Ingen enkelt organisation kan bygge det alene. Men ved at arbejde sammen kan vi forme en sikrere, smartere og mere forbundet fremtid for bilindustrien.

Da industrien fortsætter sin overgang til software-definerede arkitekturer, vil betydningen af realtids-, AI-drevet lokalitetsintelligens kun vokse.