Hoe AI, Edge Computing, IoT en de Cloud het Voertuigvlootbeheer drastisch veranderen

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

Bovendien bieden verbonden vloten met geavanceerde telematicatechnologie vandaag de dag extra voordelen op het gebied van voertuigbeheer en -onderhoud. Een andere studie toonde een vermindering van 13% van de brandstofkosten voor ondervraagde bedrijven, evenals verbeteringen in preventief onderhoud. Het toonde ook een vermindering van 40% van het harde remmen, wat wijzigingen in rijgewoonten kan betekenen die zowel 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 telematicagegevens 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 verwerkingstechnologieën om deze gegevens te beheren en te begrijpen.

Embedded systementechnologie is de norm

Traditionele telematicasystemen 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 vandaag de dag groeit de technologie in het gebruik van het analyseren van voertuiggegevens.

Waarom de huidige oplossingen niet erg efficiënt zijn

De bestaande oplossing op de markt is het gebruik van de lage latentie van 5G. Door het gebruik van 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 benadering stelt verkeer tussen 5G-apparaten en inhouds- of toepassingservers die zijn 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 realtime-georiënteerd worden, zoals wegkantassistentie, ADAS en actieve bestuurderscore- en voertuigscore-rapportage, is de behoefte aan lagere latentie en hoge doorvoer veel groter geworden voor vloten, verzekeraars en andere bedrijven die de gegevens gebruiken.

Echter, terwijl 5G dit tot een grote extent oplost, blijft de kosten die worden gemaakt voor het volume van deze gegevens die worden verzameld en naar de cloud worden verzonden, kostbaar. 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 verhogen en latentieproblemen te mitigeren, is het beter om de kritieke gegevensverwerking aan de rand binnen het voertuig uit te voeren en alleen gebeurtenisgerelateerde informatie naar de cloud te delen. In-voertuig-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 aanzienlijke verbetering van de systeemprestaties ontstaat.

Technologische vooruitgang heeft het mogelijk gemaakt voor automotive-embedded systemen om effectief te communiceren met sensoren, zowel binnen het voertuig als met de cloudserver, op een effectieve en efficiënte manier. Het gebruik van een gedistribueerd computermilieu dat gegevensuitwisseling en gegevensopslag optimaliseert, verbetert de 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, eind-tot-eind communicatiesysteem te creëren voor kosteneffectieve zakelijke beslissingen en efficiënte operaties. Collectief verbindt het edge-cloud- en embedded-intelligentieduo 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 bereik van toepassingen over verticale markten waarbij de resulterende inzichten kunnen worden geconsumeerd en gemonetariseerd door de fabrikanten. De meest voor de hand liggende use case 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 gebruiken, kunnen onderhoudsteams hebben die klaar zijn om service uit te voeren op een voertuig dat terugkeert op een veel efficiëntere manier, 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 elke bestuurder op basis van de daadwerkelijke bestuurdersgedragsgeschiedenis 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, en tegelijkertijd actieve training aan de bestuurders bieden.

De toekomst van vlootbeheer aandrijven

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

Naarmate AI meer datasets verzamelt met OEM-verwerking via de cloud, kan het betere voorspellingen doen. Dit betekent veiligere, intuïtievere geautomatiseerde voertuigen in de toekomst met nauwkeurigere routes en betere real-time voertuigdiagnostiek.