您好、欢迎来到现金彩票网!
当前位置:秒速快3 > 数据依赖 >

AI应用于交通和物流行业 依赖于充分的容量使用来实现最大价值

发布时间:2019-06-07 04:53 来源:未知 编辑:admin

  随着物联网覆盖范围的不断扩大,传感器产生的数据量在不断的增加,对数据实时分析的需求也在日益增长,这些都极大的刺激了AI的发展。

  交通和物流公司若想要加持AI,可能需要从根本上了解AI是什么,它能做什么,以及它们需要什么才能发挥出最大的价值。

  AI通常涉及规则驱动算法的概念来处理数据,从数据中学习、从数据中获得有建设性的见解,甚至是自主地对这些数据进行操作。

  AI的目标是能够获取信息,这些信息可能是当前参数或历史数据,并处理信息,基于这些数据以与人类相同的方式做出决策。要明确的是,我们距离这一目标的实现还有很长的路要走。与此同时,基于AI的系统可以为人类提供数据推动的见解和建议,以便做出更好或更快的决策。但首先,AI本身需要被训练。想要利用AI的企业需要拥有一个特定应用程序设计的算法,以便可以处理、分析并继续学习的数据存储库。

  人工参与培训和微调AI算法,可以确保AI系统不会出现意外。虽然从事AI项目的公司可能会倾向于自己培训AI系统,但与许多其他技术不同的是,AI需要不断的谨慎的训练,才能发挥出充分的价值。因此,这绝不是一种“即拿即用”的技术。交通和物流等特定垂直行业的大多数公司可能需要AI专家的协助。

  这并不是说AI需要自己重新学习交通运输业的基础知识。AI的变革力量在于充分利用这些知识、洞察力和直觉,并使其具有弹性。

  随着AI算法变得越来越擅长执行针对性的应用程序,在训练它们时对人的接触需求可能会降低。目前,一些交通和物流公司可能对自己的AI系统自主学习系统做出的决定感到不信任,但这样做有助于最大限度的提高它们对特定业务的价值。

  交通和物流部门为AI提供了大量潜在的用例,因为它们不仅依赖复杂的机器,而且往往遵循严格的时间表,并依赖于充分的容量使用来实现最大价值。

  仅在运输业,就有七个不同的用例可加持AI:交通密度预测、预测性维护、车辆网络和数据安全、机械传感器数据融合、天气预报、机器/车辆目标检测/识别、回避、本地化和测绘。

  在物流方面,除了供应链和物流,它还对后三种用例进行了预测;仓储与供应链需求预测;以及用于地理分析的卫星图像。

  在所有这些领域中,物流部门的机器/车辆目标检测/识别/回避,预计将成为最大的创收用例,到2025年或将达到5.84亿美元。同时,在交通方面,最重要的用例是预测交通密度和预测维护,到2025年,前者的AI收入为4.39亿美元,而后者将达到3.152亿美元。

  在物流领域,IBM和物流巨头DHL于2018年联合推出了一份白皮书,概述了该领域的几个潜在的AI应用。其中一个重点是航空货运航线的预测网络管理。DHL创建了一个基于机器学习的工具,它可以分析58个不同的内部数据参数,提前一周预测给定车道的平均每日运输时间是上升还是下降。如果航空货运规划人员能够预测航空货运中转的时间延误,就可以主动减轻预期延误的损失,并就哪些航空公司应该运送他们的货运做出更明智的决定。

  AI可以以类似的方式应用于卡车车队管理。安装在卡车不同部位的物联网传感器,可以让AI评估货车从一个地点到另一个地点所需的时间,如果无法做到这一点,就可以在两者之间的某个点准备好替换货车。如果没有计划外的停工时间,时间便可以安排得更紧凑。

  虽然这些用例为交通和物流公司描绘了一幅巨大的蓝图,即AI和物联网如何结合起来改善它们的运营和流程。但改变是逐步发生的,与物联网部署一样,很多处于早期阶段的公司正在以孤立的方式部署AI。使用AI,真的需要对每个用例使用不同的算法,而且必须确保每个用例都能生成ROI(投资回报率)。要让企业和工业客户跨过概念验证阶段,仍然需要很长时间。

  随着越来越多的公司部署更广泛的物联网网络,对实时数据关注的需求也越来越大。现今,这种情况可能会发生变化。AI系统能够分析更多的数据,且比任何一个人或一群人更快,但企业部署AI仍然必须接受这样一种观念,他们基本上会采用一种技术,这种技术是不可能一开始就是十分有效且有价值的。

http://talkingwithjon.com/shujuyilai/213.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有