Glossario

IA nei trasporti

Che cos’è IA nei trasporti?

L'IA nei trasporti comprende applicazioni in logistica, traffico e mobilità: pianificazione di percorsi e giri di consegna, previsioni del traffico, manutenzione predittiva di veicoli e infrastrutture, sistemi di assistenza alla guida fino ai veicoli autonomi. Gli obiettivi sono percorsi più brevi, meno viaggi a vuoto, costi minori e maggiore sicurezza. Molte applicazioni sono critiche per la sicurezza e quindi rigorosamente regolamentate. Esempio: un corriere ripianifica ogni giorno i giri di consegna in base ai volumi e al traffico.

Temi

Logistica
Mobilità
Traffico

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

Veicoli autonomi

I veicoli autonomi si muovono del tutto o in parte senza intervento umano, grazie a telecamere, radar, lidar e software di IA. Lo standard SAE J3016 distingue sei livelli, da 0 (nessuna automazione) a 5 (guida completamente senza conducente ovunque). L'IA si occupa della percezione, della previsione del comportamento degli altri utenti della strada e della pianificazione del percorso. Oltre alle auto riguarda robotaxi, camion, navette e veicoli di magazzino; omologazione e responsabilità sono regolate da ciascun paese.

Mobilità
Computer vision
+1

Visione artificiale

La visione artificiale (computer vision) è un ambito dell'IA in cui i computer analizzano immagini e video. Compiti tipici sono riconoscere e localizzare oggetti, leggere testo nelle immagini o misurare componenti. La tecnologia si usa, ad esempio, nel controllo qualità in produzione, nei sistemi di assistenza alla guida, nella logistica o nella diagnostica per immagini.

analisi delle immagini
deep learning
+1

Analisi predittiva

L'analisi predittiva usa dati storici, statistica e apprendimento automatico per stimare eventi futuri probabili. Risponde a domande come: quali clienti stanno per disdire? Quanta merce servirà il mese prossimo? Quando è probabile che una macchina si guasti? I risultati sono probabilità, non certezze. Il loro valore dipende molto dalla qualità dei dati e dal fatto che le previsioni entrino davvero nelle decisioni e nei processi.

analisi dati
previsioni
+1

Apprendimento per rinforzo (RL)

L'apprendimento per rinforzo (reinforcement learning) è un ramo dell'apprendimento automatico in cui un agente impara per tentativi ed errori. Agisce in un ambiente, riceve ricompense per i buoni risultati e penalità per quelli cattivi, e sviluppa così una strategia che massimizza il beneficio complessivo. Esempi noti sono i programmi che padroneggiano giochi da tavolo come il Go, il controllo di robot e l'affinamento dei modelli linguistici sulla base di valutazioni umane.

metodo di apprendimento
ricompensa
+1