Лідери думок
Як ШІ, периферійні обчислення, IoT і хмарні технології докорінно змінюють управління автопарками

Ключові моментиКрайова обробка в транспортних засобах знижує витрати на хмарні дані, забезпечуючи…
Показати більше
- Крайова обробка в транспортних засобах знижує витрати на хмарні дані, забезпечуючи аналітику в реальному часі.
- Телематика на основі штучного інтелекту зменшує витрати на паливо на 13% і різке гальмування на 40%.
- % операторів підключених автопарків бачать окупність інвестицій протягом одного року завдяки зниженню операційних витрат.
Оскільки компанії намагаються модернізувати свої автомобілі, переваги зв’язаних автомобілів можуть зробити ці технології новим стандартом для управління флотом. Насправді, 86% опитаних операторів підключених автопарків вже повідомили про солідну віддачу від інвестицій у технологію зв’язаного флоту протягом року через зниження операційних витрат.
Крім того, зв’язані флоти з передовими технологіями телематики сьогодні пропонують додаткові переваги щодо управління та обслуговування автомобілів. Інше дослідження показало зниження витрат на паливо на 13% для опитаних підприємств, а також покращення профілактичного обслуговування. Воно також показало 40% зниження різкого гальмування, що свідчить про зміни у водійських звичках, які можуть як сприяти довговічності деталей, так і покращити безпеку водіїв.
Великі об’єми даних важко обробляти
Це означає, що автомобільні флоти, страхові компанії, компанії з обслуговування та післяпродажного обслуговування всі намагаються використовувати більше даних інтелектуальної телематики. Однак кількість даних, що виробляється щодня, продовжує зростати. В результаті ці підприємства мають більше даних, ніж будь-коли раніше, щоб приймати обґрунтовані рішення. Але це велика кількість даних створює багато нових проблем у захопленні, обробці та аналізі всього обсягу даних економічно ефективним способом.
Щоб дійсно бути ефективними та корисними, дані повинні бути відстежені, керовані, очищені, захищені та збагачені протягом всього шляху, щоб генерувати корисні аналітичні висновки. Компанії з автомобільними флотами звертаються до нових можливостей обробки, щоб керувати та розуміти ці дані.
Технологія вбудованих систем була нормою
Традиційні системи телематики спиралися на вбудовані системи, які є пристроями, призначеними для доступу, збору, аналізу (в автомобілі) та контролю даних у електронному обладнанні, щоб вирішити ряд проблем. Ці вбудовані системи широко використовувалися, особливо у побутових приладах, а сьогодні ця технологія зростає у використанні для аналізу даних автомобілів.
Чому поточні рішення не дуже ефективні
Існуюче рішення на ринку полягає у використанні низької затримки 5G. Використовуючи AI та прискорення GPU на AWS Wavelength або Azure Edge Zone, виробники автомобілів можуть переносити обчислювальне навантаження з бортових процесорів автомобілів у хмару, коли це можливо. Цей підхід дозволяє трафіку між пристроями 5G та серверами вмісту або застосунків, розміщених у зонах Wavelength, оминати інтернет, що призводить до зниження змінності та втрати вмісту.
Щоб забезпечити оптимальну точність та багатоваріантність наборів даних, а також максимізувати їхню придатність, сенсори, вбудовані у автомобілі, використовуються для збору даних та передачі їх бездротовим шляхом між автомобілями та центральною хмарною системою в режимі майже реального часу. Залежно від випадків використання, які все частіше стають орієнтованими на реальний час, наприклад, дорожня допомога, ADAS та активна оцінка водіїв і оцінка автомобілів, потреба у нижчій затримці та високій пропускній здатності стала значно більшою для флотів, страхових компаній та інших підприємств, які використовують дані.
Однак, хоча 5G значною мірою вирішує цю проблему, витрати, пов’язані з об’ємом даних, які збираються та передають у хмару, залишаються недоцільними. Це робить необхідним визначення передових можливостей вбудованого обчислення всередині автомобіля для якомога ефективнішої периферійної обробки.
Зростання зв’язку між автомобілем та хмарою
Щоб збільшити ефективність смуги пропускання та пом’якшити проблеми затримки, краще проводити критичну периферійну обробку даних усередині автомобіля та передавати тільки інформацію, пов’язану з подіями, у хмару. Периферійна обробка даних усередині автомобіля стала критичною для забезпечення того, щоб зв’язані автомобілі могли функціонувати у великих масштабах, через те, що застосування та дані знаходяться ближче до джерела, забезпечуючи швидшу реакцію та суттєво покращуючи продуктивність системи.
Технологічні досягнення зробили можливим для автомобільних вбудованих систем спілкуватися з сенсорами, як всередині автомобіля, так і з хмарним сервером, результативно й ефективно. Використовуючи розподілене обчислювальне середовище, яке оптимізує обмін даними та зберігання даних, автомобільна IoT покращує часи реакції та економить смугу пропускання для швидкого досвіду даних. Інтегрування цієї архітектури з хмарною платформою далі допомагає створити надійну, комплексну систему зв’язку для економічно ефективних бізнес-рішень та ефективної роботи. Колективно, поєднання периферійної хмари та вбудованого інтелекту з’єднує периферійні пристрої (сенсори, вбудовані у автомобіль) з інфраструктурою ІТ, щоб створити новий ряд застосунків, орієнтованих на користувача, на основі реальних середовищ.
Це має широкий спектр застосувань у різних галузях, де отримані аналітичні висновки можуть використовуватися та монетизуватися виробниками автомобілів. Найочевидніший випадок використання – для післяпродажного обслуговування та технічного обслуговування автомобілів, де ефективні алгоритми можуть аналізувати стан автомобіля в режимі майже реального часу, щоб запропонувати засоби для попередження автомобільних відмов у різних активах, таких як двигун, мастило, акумулятор, шини тощо. Флоти, які використовують ці дані, можуть мати команди технічного обслуговування, готові виконувати обслуговування автомобіля, який повертається, у значно більш ефективному порядку, оскільки більша частина діагностичної роботи була виконана в реальному часі.
Крім того, страхування та розширені гарантії можуть виграти від активної аналітики поведінки водіїв, щоб створити навчальні модулі, специфічні для індивідуальних потреб водіїв, на основі фактичної історії та аналізу поведінки водіїв. Для флотів активний моніторинг як оцінок автомобіля, так і оцінок водіїв може дозволити зменшити загальні витрати на володіння (TCO) для операторів флотів, щоб зменшити втрати через розкрадання, крадіжку та недбалість, а також знову надавати активне навчання водіям.
Рушій майбутнього управління автопарками
Аналітика, що використовує AI, IoT, периферійні обчислення та хмарні технології, швидко змінює спосіб управління флотом, роблячи його більш ефективним та результативним, ніж будь-коли раніше. Спроможність AI аналізувати великі об’єми інформації з пристроїв телематики надає менеджерам цінну інформацію для покращення ефективності флоту, зниження витрат та оптимізації продуктивності. Від аналітики в реальному часі до управління безпекою водіїв AI вже змінює спосіб управління флотом.
Чим більше наборів даних AI збирає з обробкою виробників автомобілів через хмару, тим точніші прогнози він може робити. Це означає безпечніші, більш інтуїтивні автоматизовані автомобілі у майбутньому з більш точними маршрутами та кращою діагностикою автомобілів у реальному часі.












