对于车队管理，人工智能和物联网的结合效果更好

人工智能在物联网 (IoT) 中的应用正在推动从医疗保健到制造和运输等行业的快速创新。

物联网专注于开发用于收集数据的远程传感器系统，而物联网 (AIoT) 则将这些系统连接起来以创建集体智能，最终使系统中的每个节点都更加智能。结合智能认知、边缘计算和自主能力，能够以低成本、高规模和高精度自动处理人为启发的决策。

该技术已经成为当今许多商业运输系统的支柱，尤其是在车队安全方面。

AIoT 特别适用于产生大量人类无法有效处理的数据的行业。在运输行业，随着车队升级其技术足迹并采用最新的先进驾驶辅助系统 (ADAS)，车辆产生的数据量每天都在增长。

虽然结合视频和车辆数据对于检测和降低安全风险至关重要，但大多数平台缺乏在云中处理、分析和解释所有这些数据的存储或计算能力。更重要的是，通常安装在商用车辆上的设备会生成高分辨率数据，这使得云传输在经济上令人望而却步。

作为回应，AIoT 技术将车载和车载设备的机器学习能力与云处理环境的计算能力相结合。这种集成方法允许已安装的设备推断高级洞察力，如果在传输到云之前必须汇总或减少数据，这些洞察力可能会丢失。

AIoT 系统具有独特的双向性，可汇集来自数百个车载设备的数据，以确定趋势，进而告知这些相同的设备在未来将如何做出决策。

车载设备不断根据机器学习算法和安装在车辆各个位置的传感器做出人工智能驱动的决策。在 AIoT 系统中，每个决策背后的推理都会上传到云处理环境中，然后该环境可以查看来自大量设备的数据和见解，以确定共同的趋势。然后将此信息发送回设备作为其机器学习算法的更新。参与这个收集“众包”情报循环的节点越多，每个节点的表现就会越聪明、越好。

作为奖励，AIoT 系统可以共享在车辆传感器之外收集的信息，例如天气预报、交通状况和道路沿线的危险事件。在驾驶行为数据的基础上，这些见解教会设备如何实时做出决策，从最快的路线到最适合天气条件的速度。

一段时间以来，商业卡车运输的安全系统已经意识到 AIoT 的好处，甚至早在该术语被采用之前。例如，AIoT 通常用于为驾驶员提供及时的自我指导。驾驶室内 ADAS 传感器能够实时提醒驾驶员注意安全风险，以便他们在碰撞发生前采取纠正措施。

最近，甚至部署了 AIoT 来识别和提醒车队经理注意“坐鸭”，即停在危险走廊上的商用卡车。在这些情况下，机器学习系统会评估一系列复杂的事件，这些事件反映了停在任何特定地点的车辆的安全风险。

触发器管理是运输安全的关键；在正确的时间发送正确的通知可以使车队免于发生代价高昂的碰撞，最重要的是，还能挽救生命。当安全平台从车队中的每辆车中提取数据，并将其与云中的实际安全结果相关联时，AIoT 可确保车载设备能够以正确的提示有效地通知驾驶员。在适当的时候提醒司机的能力需要边缘处理、低延迟通知和可能的补救措施。与在边缘工作的设备通过向云端发送连续的不同事件流不同，AIoT 教会这些设备识别、确定优先级并响应最危险的行为。

在商业交通领域，AIoT 技术有可能解决当今一些最重要的驾驶风险：分心、因天气原因超速行驶以及在历来危险的道路走廊停车。

在任何一天，我们都知道该国最危险的道路。想象一下将这些信息链接到路线系统以帮助所有驾驶员为他们的车辆或驾驶技能选择最安全、最有效的路线的影响。当众包时，这项技术甚至可以指导市政、州和联邦机构应对有风险的道路元素（如坑洼），并在设计道路和高速公路时部署新的安全策略。

David Wagstaff 是 的分析副总裁 智能驱动系统 ，一家基于视频的安全和交通情报提供商。