Słownik pojęć

AI w transporcie

Czym jest AI w transporcie?

AI w transporcie obejmuje zastosowania w logistyce, ruchu drogowym i mobilności: planowanie tras i rozwozów, prognozowanie natężenia ruchu, predykcyjne utrzymanie pojazdów i infrastruktury oraz systemy wspomagania kierowcy aż po pojazdy autonomiczne. Celem są krótsze trasy, mniej pustych przebiegów, niższe koszty i większe bezpieczeństwo. Wiele zastosowań ma krytyczne znaczenie dla bezpieczeństwa, dlatego jest ściśle regulowanych. Przykład: firma kurierska codziennie na nowo planuje trasy dostaw na podstawie liczby przesyłek i warunków na drogach.

Tematy

logistyka
Mobilność
ruch drogowy

Wypróbuj KI.ordo

Agenci, przepływy i szablony w jednym obszarze roboczym – bezpłatne demo na 24 godziny.

Uruchom demo

← Wszystkie pojęcia

Powiązane pojęcia

Pojazdy autonomiczne

Pojazdy autonomiczne poruszają się całkowicie lub częściowo bez ingerencji człowieka, wykorzystując kamery, radar, lidar i oprogramowanie AI. Norma SAE J3016 definiuje sześć poziomów – od 0 (brak automatyzacji) do 5 (pełna jazda bez kierowcy wszędzie). AI odpowiada za percepcję, przewidywanie zachowań innych uczestników ruchu i planowanie trasy. Oprócz samochodów dotyczy to robotaksówek, ciężarówek, wahadłowych pojazdów transportowych i pojazdów magazynowych; homologacja i odpowiedzialność są regulowane odrębnie w każdym kraju.

Mobilność
Widzenie komputerowe
+1

Widzenie komputerowe

Widzenie komputerowe (computer vision) to dziedzina AI, w której komputery interpretują obrazy i nagrania wideo. Typowe zadania obejmują wykrywanie i lokalizowanie obiektów, odczytywanie tekstu na obrazach oraz pomiary komponentów. Technologię tę wykorzystuje się na przykład w kontroli jakości w produkcji, w systemach wspomagania kierowcy, w logistyce i w diagnostyce obrazowej w medycynie.

analiza obrazu
deep learning
+1

Analityka predykcyjna

Analityka predykcyjna wykorzystuje dane historyczne, statystykę i uczenie maszynowe do szacowania prawdopodobnych przyszłych zdarzeń. Odpowiada na pytania takie jak: którzy klienci zamierzają zrezygnować? Ile towaru będzie potrzebne w przyszłym miesiącu? Kiedy maszyna prawdopodobnie ulegnie awarii? Wynikami są prawdopodobieństwa, a nie pewniki. Ich wartość w dużym stopniu zależy od jakości danych oraz od tego, czy prognozy faktycznie trafiają do decyzji i procesów.

analiza danych
prognozowanie
+1

Uczenie ze wzmocnieniem (RL)

Uczenie ze wzmocnieniem to dziedzina uczenia maszynowego, w której agent uczy się metodą prób i błędów. Działa w pewnym środowisku, otrzymuje nagrody za dobre wyniki i kary za złe, a w ten sposób wypracowuje strategię maksymalizującą łączną nagrodę. Znane przykłady to programy opanowujące gry planszowe, takie jak go, sterowanie robotami oraz dostrajanie modeli językowych na podstawie ocen ludzi.

metoda uczenia
nagroda
+1