Почему создание карт с помощью ИИ имеет важное значение для новой эры программно-определенных транспортных средств

Автомобильная промышленность проходит через одну из наиболее глубоких трансформаций в своей истории. Ранее определяемая механической инженерией и мощностью, современные транспортные средства все больше формируются кодом. Мы вступаем в эру программно-определенных транспортных средств (ПОТС), где интеллект автомобиля меньше зависит от двигательного блока, а больше от строк программного кода. Недавнее исследование компании Research and Markets прогнозирует, что глобальный рынок ПОТС вырастет с 213,5 миллиардов долларов в 2024 году до более 1,2 триллиона долларов к 2030 году. Такой масштаб роста не удивителен для тех, кто работает на пересечении программного обеспечения, картографии и ИИ. Это отражение того, как быстро роль ИИ расширяется во всех аспектах мобильности.

ИИ все больше станет цифровым двигателем, стоящим за некоторыми из наиболее ценных функций транспортного средства: цифровыми приборными панелями с естественным языковым взаимодействием, навигацией и динамическим маршрутизацией в режиме реального времени, прогнозируемым обслуживанием, системами помощи водителю и более высокими уровнями автоматизированного вождения. ИИ помогает переопределить и настроить опыт водителя. Согласно недавнему исследованию IBM, 74% руководителей автомобильной промышленности считают, что к 2035 году транспортные средства будут как программно-определенными, так и оснащенными ИИ. И к тому времени 80% новых автомобилей, как ожидается, будут оснащены электрическими двигателями, что обеспечит еще более естественную основу для интеграции систем транспортного средства, картографии, программного обеспечения и возможностей ИИ.

Создание карт с помощью ИИ: цифровой компас ПОТС

Особенно убедительным примером роли ИИ является эволюция цифрового создания карт. Традиционная статическая карта уступает место “живой” карте: динамичной, постоянно передаваемой представлению дорожной среды, используемой для питания различных систем транспортного средства. Карта необходима для безопасной и эффективной езды в все более электрифицированном, подключенном и автоматизированном транспортном средстве.

Живая карта предоставляет гораздо больше, чем простая навигация, позволяя транспортному средству интерпретировать свою окружающую среду и принимать обоснованные решения при вождении в режиме реального времени. Способность ИИ обнаруживать закономерности, распознавать изменения окружающей среды и обновлять картографические данные динамически делает возможным для водителя (и систем транспортного средства) избегать зон строительства, изменять маршрут вокруг аварий и осознавать изменения в дорожных знаках или ограничениях скорости.

Мы уже видим возможности живых карт, которые непрерывно интегрируют данные от датчиков транспортного средства, спутниковых изображений и краудсорсинговых входных данных, среди других источников, для отражения меняющихся условий дорог. Способность объединять несколько источников данных, автоматизированных и оснащенных ИИ и машинным обучением, разблокирует истинный потенциал живой карты.

Персонализированное транспортное средство: интеллектуальное, более интуитивное взаимодействие в салоне

Опыт водителя также становится более персонализированным, более интуитивным и более зависимым от ИИ. Мы видим встроенные помощники ИИ, которые учатся реагировать на естественный язык и распознавать закономерности в поведении водителя, позволяя транспортным средствам адаптироваться к индивидуальным предпочтениям. Помощники ИИ теперь предлагают навигацию с естественным языковым взаимодействием, рекомендации по зарядке электрических транспортных средств, сигналы безопасности на основе условий вождения и динамические предложения маршрута, которые включают остановки, предпочтения и изменения в режиме реального времени.

Согласно исследованию IBM, 75% руководителей считают, что программно-определенные trải nghiệm будут основой ценности автомобильного бренда к 2035 году. Это означает, что водитель может получить предложение маршрута не только на основе самого короткого времени путешествия, но и с учетом динамических элементов, таких как погода в режиме реального времени, доступность зарядных станций для электрических транспортных средств и предыдущие остановки, такие как любимый центр путешествий или кофейня. Со временем транспортное средство становится более похожим на компаньона путешествия, который продолжает учиться и эволюционировать вместе с водителем.

ИИ как основа для систем помощи водителю и автономного вождения

ИИ также является фундаментальным для дальнейшего развития систем помощи водителю и автономного вождения. Он позволит улучшить принятие решений для безопасности и эффективности транспортного средства, от поддержания полосы и адаптивного круиз-контроля до обнаружения пешеходов и распознавания объектов.

По мере того, как ПОТС продвигаются к более высоким уровням автономности, сочетание картографии, оснащенной ИИ, с входными данными от бортовых датчиков, таких как LiDAR и камеры, будет иметь решающее значение для точного планирования маршрута, осведомленности о ситуации и соблюдения нормативных требований.

Преодоление препятствий: ключевые проблемы интеграции ИИ

Хотя трансформирующая ценность ИИ в ПОТС велика, и энтузиазм по поводу ИИ высок, несколько проблем необходимо решить для широкого внедрения:

• Целостность и безопасность данных: ИИ полагается на большие объемы данных, что вызывает обеспокоенность по поводу защиты конфиденциальной информации при сохранении точности в режиме реального времени. Автомобильные производители и поставщики программного обеспечения должны обеспечить, чтобы данные ИИ о местоположении и транспортном средстве были защищены от нарушений и несанкционированного доступа, а также соответствовали нормативным стандартам, поскольку транспортные средства становятся более подключенными.
• Интероперабельность и стандартизация: Поскольку больше компаний разрабатывают системы, оснащенные ИИ, важно обеспечить, чтобы эти технологии могли работать вместе на разных брендах и поставщиках, чтобы предотвратить фрагментацию и улучшить совместимость между платформами.
• Инфраструктура облачного и краевого вычисления: Обработка огромных объемов данных в режиме реального времени, генерируемых ИИ, требует прочной вычислительной инфраструктуры. Продолжающиеся достижения в облачных вычислениях и краевом обработке будут иметь решающее значение для поддержки приложений ИИ в картографии, навигации и автоматизации транспортных средств.

Будущее карты, оснащенной ИИ, для ПОТС

Глядя в будущее, карта в режиме реального времени станет еще более центральной для того, как транспортные средства работают, помогая им интерпретировать и реагировать на мир вокруг них с все большей точностью. Рост технологии цифрового двойника, где ИИ создает виртуальные копии транспортных средств в режиме реального времени, также позволит автомобильным производителям симулировать, тестировать и совершенствовать функции транспортных средств до того, как они выйдут на дорогу. Недавние достижения в распознавании изображений, оснащенных ИИ, и облачной обработке позволяют автоматически извлекать реальные объекты из изображений уличного уровня, помогая автомобильным производителям генерировать виртуальные среды, которые ускоряют симуляцию, тестирование безопасности и разработку ПОТС.

За пределами улучшения навигации и пользовательского опыта аналитика, оснащенная ИИ, будет все больше использоваться для обнаружения закономерностей в данных датчиков и производительности, что позволит выявить потребности в обслуживании на ранней стадии. ИИ может запускать сигналы обслуживания до того, как традиционные системы предупреждения сработают, распознавая тонкие сдвиги в поведении транспортного средства, такие как изменения давления в шинах или снижение эффективности тормозов. Эти прогнозируемые идеи не только улучшат безопасность, но и поддержат более эффективное и экономически эффективное управление транспортными средствами и флотом.

Что ясно, так это то, что это будущее потребует прочных партнерств между автомобильными производителями, поставщиками технологий ИИ, облачными платформами и экспертами по данным о местоположении. Никакая одна организация не может построить это в одиночку. Но, работая вместе, мы можем формировать более безопасное, умное и связанное автомобильное будущее.

По мере того, как отрасль продолжает свой переход к программно-определенным архитектурам, важность аналитики местоположения, оснащенной ИИ, в режиме реального времени будет только расти.