Sanasto

Tekoäly liikenteessä

Mikä on Tekoäly liikenteessä?

Tekoäly liikenteessä kattaa sovelluksia logistiikassa, liikenteessä ja liikkumisessa: reitti- ja kierrossuunnittelu, liikenne-ennusteet, ajoneuvojen ja infrastruktuurin ennakoiva kunnossapito sekä kuljettajan avustusjärjestelmät aina autonomisiin ajoneuvoihin asti. Tavoitteena ovat lyhyemmät reitit, vähemmän tyhjänä ajoa, pienemmät kustannukset ja parempi turvallisuus. Monet sovellukset ovat turvallisuuskriittisiä ja siksi tiukasti säänneltyjä. Esimerkki: pakettipalvelu suunnittelee jakelukierrokset uudelleen päivittäin lähetysmäärän ja liikennetilanteen perusteella.

Aiheet

logistiikka
Liikkuminen
liikenne

Kokeile KI.ordoa

Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.

Aloita demo

← Kaikki termit

Liittyvät termit

Autonomiset ajoneuvot

Autonomiset ajoneuvot liikkuvat kokonaan tai osittain ilman ihmisen väliintuloa kameroiden, tutkan, lidarin ja tekoälyohjelmiston avulla. SAE J3016 -standardi määrittelee kuusi tasoa – tasosta 0 (ei automaatiota) tasoon 5 (täysin kuljettajaton kaikkialla). Tekoäly hoitaa havainnoinnin, muiden tienkäyttäjien käyttäytymisen ennustamisen ja reittisuunnittelun. Henkilöautojen lisäksi tämä koskee robottitakseja, kuorma-autoja, sukkuloita ja varastoajoneuvoja; hyväksyntä ja vastuu säännellään kussakin maassa erikseen.

Liikkuminen
Konenäkö
+1

Konenäkö

Konenäkö on tekoälyn osa-alue, jossa tietokoneet tulkitsevat kuvia ja videota. Tyypillisiä tehtäviä ovat esineiden tunnistaminen ja paikantaminen, kuvissa olevan tekstin lukeminen ja komponenttien mittaaminen. Tekniikkaa käytetään esimerkiksi valmistuksen laadunvalvonnassa, kuljettajaa avustavissa järjestelmissä, logistiikassa ja lääketieteellisessä kuvantamisessa.

kuva-analyysi
syväoppiminen
+1

Ennakoiva analytiikka

Ennakoiva analytiikka käyttää historiadataa, tilastotiedettä ja koneoppimista todennäköisten tulevien tapahtumien arvioimiseen. Se vastaa kysymyksiin, kuten: mitkä asiakkaat ovat irtisanomassa sopimuksensa? Paljonko varastoa tarvitaan ensi kuussa? Milloin kone todennäköisesti rikkoutuu? Tulokset ovat todennäköisyyksiä, eivät varmuuksia. Niiden arvo riippuu paljon datan laadusta ja siitä, vaikuttavatko ennusteet todella päätöksiin ja prosesseihin.

data-analyysi
ennustaminen
+1

Vahvistusoppiminen (RL)

Vahvistusoppiminen on koneoppimisen osa-alue, jossa agentti oppii yrityksen ja erehdyksen kautta. Se toimii ympäristössä, saa palkkioita hyvistä tuloksista ja rangaistuksia huonoista ja kehittää näin strategian, joka maksimoi sen kokonaispalkkion. Tunnettuja esimerkkejä ovat ohjelmat, jotka hallitsevat lautapelejä, kuten gon, robottien ohjaus ja kielimallien hienosäätö ihmisten arvioiden perusteella.

oppimismenetelmä
palkkio
+1