Hoe AI, Edge Computing, IoT & The Cloud het Beheer van Voertuigvloten Drastisch Hervormen

Als bedrijven hun voertuigen willen moderniseren, kunnen de voordelen van verbonden voertuigen deze technologieën tot de nieuwe standaard maken voor vlootbeheer. In feite hebben 86% van de verbonden vlootoperators die al zijn ondervraagd een solide rendement op hun investering in verbonden vloottechnologie binnen één jaar gemeld door middel van verlaagde operationele kosten.

Bovendien bieden verbonden vloten met geavanceerde telematica-technologie vandaag de dag extra voordelen op het gebied van het beheren en onderhouden van voertuigen. Een andere studie toonde een vermindering van 13% in brandstofkosten voor ondervraagde bedrijven, samen met verbeteringen in preventief onderhoud. Het toonde ook een vermindering van 40% in hard remmen, wat wijzigingen in rijgedrag aantoont die zowel kunnen bijdragen aan de levensduur van onderdelen als de veiligheid van bestuurders kunnen verbeteren.

Grote hoeveelheden gegevens zijn moeilijk te verwerken

Dit betekent dat voertuigvloten, verzekeraars, onderhouds- en aftermarketbedrijven allemaal proberen meer van deze intelligente telematica-gegevens te benutten. Echter, de hoeveelheid gegevens die elke dag wordt gegenereerd, blijft groeien. Als gevolg hiervan hebben deze bedrijven meer gegevens dan ooit tevoren tot hun beschikking om geïnformeerde zakelijke beslissingen te nemen. Maar, deze enorme hoeveelheid gegevens brengt veel nieuwe uitdagingen met zich mee bij het vastleggen, verwerken en analyseren van de gegevens op een kosteneffectieve manier.

Om echt effectief en nuttig te zijn, moeten gegevens worden bijgehouden, beheerd, gereinigd, beveiligd en verrijkt tijdens hun reis om de juiste inzichten te genereren. Bedrijven met automotive-vloten keren zich tot nieuwe verwerkingsmogelijkheden om deze gegevens te beheren en er zin van te maken.

Embedded systemen technologie is de norm

Traditionele telematica-systemen hebben vertrouwd op embedded systemen, die apparaten zijn die zijn ontworpen om toegang te krijgen, gegevens te verzamelen, te analyseren (in het voertuig) en gegevens in elektronische apparatuur te controleren, om een reeks problemen op te lossen. Deze embedded systemen zijn op grote schaal gebruikt, vooral in huishoudelijke apparaten en tegenwoordig groeit de technologie in het gebruik van het analyseren van voertuiggegevens.

Waarom huidige oplossingen niet erg efficiënt zijn

De bestaande oplossing op de markt is het gebruik van de lage latentie van 5G. Met AI en GPU-versnelling op AWS Wavelength of Azure Edge Zone kunnen voertuigfabrikanten de onboard-voertuigprocessors naar de cloud offloaden wanneer dit mogelijk is. Deze aanpak stelt verkeer tussen 5G-apparaten en inhouds- of toepassingsservers die worden gehost in Wavelength-zones in staat om het internet te omzeilen, waardoor de variabiliteit en inhoudsverlies worden verminderd.

Om de optimale nauwkeurigheid en rijkdom van datasets te garanderen en de bruikbaarheid te maximaliseren, worden sensoren die in de voertuigen zijn ingebed, gebruikt om gegevens te verzamelen en draadloos over te dragen tussen voertuigen en een centrale cloud-autoriteit, in bijna realtime. Afhankelijk van de gebruikscases die steeds meer real-time georiënteerd zijn, zoals wegkantassistentie, ADAS en actieve bestuurderscore en voertuigscore rapportage, is de behoefte aan lagere latentie en hoge doorvoer voor vloten, verzekeraars en andere bedrijven die de gegevens benutten, veel groter geworden.

Echter, terwijl 5G dit tot op zekere hoogte oplost, blijft de kosten voor het volume van deze gegevens die worden verzameld en naar de cloud worden verzonden, kostprohibiterend. Dit maakt het noodzakelijk om geavanceerde embedded compute-mogelijkheden binnen de auto te identificeren voor edge-verwerking om zo efficiënt mogelijk te gebeuren.

De opkomst van voertuig-naar-cloud-communicatie

Om de bandbreedte-efficiëntie te vergroten en latentieproblemen te mitigeren, is het beter om de kritieke gegevensverwerking aan de edge binnen het voertuig uit te voeren en alleen gebeurtenisgerelateerde informatie naar de cloud te delen. In-vehicle edge computing is kritiek geworden om ervoor te zorgen dat verbonden voertuigen op grote schaal kunnen functioneren, vanwege de toepassingen en gegevens die dichter bij de bron liggen, waardoor een snellere omslag en een drastische verbetering van de systeemprestaties ontstaat.

Technologische vooruitgang heeft het mogelijk gemaakt voor automotive embedded systemen om effectief en efficiënt te communiceren met sensoren, zowel binnen het voertuig als de cloudserver. Het benutten van een gedistribueerd computing-omgeving dat gegevensuitwisseling en gegevensopslag optimaliseert, verbetert automotive IoT de responstijden en bespaart bandbreedte voor een snelle gegevenservaring. Het integreren van deze architectuur met een cloud-gebaseerd platform helpt verder om een robuust, end-to-end communicatiesysteem te creëren voor kosteneffectieve zakelijke beslissingen en efficiënte operaties. Collectief verbindt het edge cloud- en embedded intelligence-duo de edge-apparaten (sensoren die in het voertuig zijn ingebed) met de IT-infrastructuur om weg te maken voor een nieuw bereik van gebruikersgerichte toepassingen op basis van real-world omgevingen.

Dit heeft een breed scala aan toepassingen over verticale markten waar de resulterende inzichten kunnen worden geconsumeerd en gemonetariseerd door de OEM’s. De meest voor de hand liggende gebruikscase is voor aftermarket en voertuigonderhoud, waar effectieve algoritmen de gezondheid van het voertuig in bijna realtime kunnen analyseren om remedies voor aanstaande voertuigfalen over voertuigassets zoals motor, olie, batterij, banden enz. te suggereren. Vloten die deze gegevens benutten, kunnen onderhoudsteams hebben die diensten op een voertuig kunnen uitvoeren dat op een veel efficiëntere manier terugkeert, aangezien een groot deel van het diagnostische werk in realtime is uitgevoerd.

Bovendien kunnen verzekeringen en uitgebreide garanties profiteren van actieve bestuurdersgedragsanalyse, zodat trainingsmodules kunnen worden opgesteld die zijn aangepast aan de specifieke behoeften van individuele bestuurders op basis van hun daadwerkelijke rijgedraggeschiedenis en -analyse. Voor vloten kan de actieve monitoring van zowel het voertuig als de bestuurderscores de totale kosten van eigendom (TCO) voor vlootoperators helpen verlagen om verliezen als gevolg van diefstal, verduistering en nalatigheid te verminderen, terwijl ook actieve training aan bestuurders wordt geboden.

De toekomst van vlootbeheer aandrijven

AI-gebaseerde analytics die IoT, edge computing en de cloud benutten, veranderen snel hoe vlootbeheer wordt uitgevoerd, waardoor het efficiënter en effectiever wordt dan ooit tevoren. De mogelijkheid van AI om grote hoeveelheden informatie van telematica-apparaten te analyseren, biedt managers waardevolle informatie om de vloot-efficiëntie te verbeteren, kosten te verlagen en productiviteit te optimaliseren. Van real-time analytics tot bestuurdersveiligheidsbeheer, verandert AI al de manier waarop vloten worden beheerd.

Hoe meer datasets AI verzamelt met OEM-verwerking via de cloud, hoe beter de voorspellingen kunnen worden gemaakt. Dit betekent veiligere, intuïtievere geautomatiseerde voertuigen in de toekomst met meer nauwkeurige routes en betere real-time voertuigdiagnostiek.