Para la gestión de flotas, IA e IoT son mejores juntos

La aplicación de la inteligencia artificial al Internet de las cosas (IoT) está impulsando una rápida innovación en industrias que van desde la atención médica hasta la fabricación y el transporte.

Mientras que IoT se centra en desarrollar sistemas de sensores remotos para la recopilación de datos, la inteligencia artificial de las cosas (AIoT) conecta esos sistemas para crear inteligencia colectiva, lo que, en última instancia, hace que cada nodo del sistema sea más inteligente. Combinando cognición inteligente, computación de borde y capacidades autónomas, permite el procesamiento automatizado de la toma de decisiones inspirada en el ser humano a bajo costo, alta escala y con alta precisión.

La tecnología ya está formando la columna vertebral de muchos de los sistemas de transporte comercial actuales, especialmente en la seguridad de la flota.

AIoT es especialmente útil para sectores que generan cantidades masivas de datos que los humanos no pueden procesar de manera eficiente. En la industria del transporte, el volumen de datos generados por los vehículos crece cada día, a medida que las flotas mejoran su huella tecnológica y adoptan los últimos sistemas avanzados de asistencia al conductor (ADAS).

Si bien la combinación de datos de video y vehículos es fundamental para detectar y mitigar los riesgos de seguridad, la mayoría de las plataformas carecen de las capacidades de almacenamiento o computación para procesar, analizar e interpretar todos esos datos en la nube. Además, los dispositivos que se instalan comúnmente en vehículos comerciales generan datos de alta resolución, lo que hace que la transmisión en la nube sea económicamente prohibitiva.

En respuesta, la tecnología AIoT combina las capacidades de aprendizaje automático de los dispositivos dentro y fuera del vehículo con la potencia informática de los entornos de procesamiento en la nube. Este enfoque integrado permite a los dispositivos instalados inferir conocimientos avanzados que se habrían perdido si los datos tuvieran que resumirse o reducirse antes de la transmisión a la nube.

Los sistemas AIoT son exclusivamente bidireccionales y reúnen datos de cientos de dispositivos integrados para identificar tendencias que, a su vez, informan cómo esos mismos dispositivos tomarán decisiones en el futuro.

Los dispositivos a bordo toman constantemente decisiones impulsadas por la inteligencia artificial basadas en algoritmos de aprendizaje automático y sensores instalados en varios puntos del vehículo. En un sistema AIoT, el razonamiento detrás de cada decisión se carga en un entorno de procesamiento en la nube, que luego puede analizar los datos y la información de un gran grupo de dispositivos para determinar tendencias comunes. Luego, esta información se envía de vuelta al dispositivo como una actualización de su algoritmo de aprendizaje automático. Cuantos más nodos participen en este ciclo de inteligencia recopilada de "colaboración colectiva", más inteligente y mejor se desempeñará cada nodo.

Como beneficio adicional, los sistemas AIoT pueden compartir información recopilada fuera de los sensores del vehículo, como predicciones meteorológicas, condiciones del tráfico e incidentes peligrosos a lo largo de la carretera. Esta información, que se superpone a los datos del comportamiento de conducción, les enseña a los dispositivos cómo tomar decisiones en tiempo real sobre todo, desde la ruta más rápida hasta la velocidad más adecuada para las condiciones meteorológicas.

Los sistemas de seguridad para camiones comerciales se han dado cuenta de los beneficios de AIoT durante algún tiempo, mucho antes de que se adoptara el término. Por ejemplo, AIoT se usa comúnmente para ofrecer autoaprendizaje oportuno a los conductores. Los sensores ADAS en la cabina pueden alertar a los conductores sobre los riesgos de seguridad en tiempo real, para que puedan tomar medidas correctivas antes de que ocurra una colisión.

Recientemente, AIoT incluso se ha implementado para identificar y alertar a los administradores de flotas sobre "presas fáciles", camiones comerciales estacionados en corredores peligrosos. En estos casos, los sistemas de aprendizaje automático evalúan una secuencia compleja de eventos que reflejan los riesgos de seguridad de un vehículo estacionado en un sitio en particular.

La gestión de los disparadores es la clave para la seguridad del transporte; enviar la notificación correcta en el momento adecuado salva a las flotas de costosas colisiones y, lo más importante, salva vidas. Cuando una plataforma de seguridad extrae datos de todos los vehículos de la flota y los correlaciona con los resultados de seguridad reales en la nube, AIoT garantiza que los dispositivos a bordo puedan notificar de manera efectiva a los conductores con las señales correctas. La capacidad de alertar a los conductores en el momento adecuado requiere procesamiento de borde, notificaciones de baja latencia y posibles soluciones. A diferencia de los dispositivos que trabajan en el borde enviando un flujo continuo de diferentes eventos a la nube, AIoT les enseña a estos dispositivos a identificar, priorizar y responder a los comportamientos más riesgosos.

En el sector del transporte comercial, la tecnología AIoT tiene el potencial de abordar algunos de los riesgos de conducción más importantes de la actualidad:distracción, exceso de velocidad debido a las condiciones climáticas y estacionamiento en corredores de carreteras históricamente peligrosos.

En un día cualquiera, ya conocemos las carreteras más peligrosas del país. Imagine el impacto de vincular esta información a los sistemas de enrutamiento para ayudar a todos los conductores a elegir las rutas más seguras y eficientes para sus vehículos o su nivel de habilidad de conducción. Cuando se recurre a la colaboración colectiva, esta tecnología podría incluso orientar a las agencias municipales, estatales y federales para responder a elementos viales riesgosos, como baches, y desplegar nuevas estrategias de seguridad al diseñar carreteras y autopistas.

David Wagstaff es vicepresidente de análisis en Sistemas SmartDrive , un proveedor de inteligencia de transporte y seguridad basada en video.