AI如何為位置智能創(chuàng)建無限邊界-世界速讀

IoT的增長助推了數(shù)據(jù)爆炸，這已不是秘密，國際數(shù)據(jù)公司(International Data Corporation)預(yù)測，到2025年，將有超過410億個聯(lián)網(wǎng)的IoT設(shè)備生成近80兆字節(jié)的數(shù)據(jù)。前所未有的數(shù)據(jù)涌入，再加上AI的發(fā)展以從中提取見解，將打造出一個比以前信息靈通得多的移動行業(yè)。

【資料圖】

通常將AI部署為使用位置情報數(shù)據(jù)自動創(chuàng)建地圖，從而為企業(yè)提供機會，通過使用真正的位置感知AI增強其獲取的見解。這意味著AI能夠理解位置信息的屬性，并允許開發(fā)人員將這些位置洞察力運用到他們的應(yīng)用程序和產(chǎn)品中。

注入了位置數(shù)據(jù)的AI用于從其收集的數(shù)據(jù)創(chuàng)建模式識別和位置簽名，這可以支持生成高清地圖和逼真的模擬器以可視化此數(shù)據(jù)。從了解消費者的移動方式，到了解在哪里鉆探石油的最佳方式，這些智能可視化技術(shù)正在眾多行業(yè)中創(chuàng)建成倍數(shù)量的用例。

人工智能價值鏈在過去幾年中發(fā)生了巨大變化。我們正在從傳統(tǒng)的機器學習(ML)轉(zhuǎn)移到一個階段，在這個階段中，價值主要圍繞解決方案模型架構(gòu)和算法，而ML的價值在于使基準模型可以處理您的數(shù)據(jù)并能夠?qū)ζ溥M行演化，組合和擴展。

我們已經(jīng)習慣了AI和ML的標準化部署以獲取位置情報，現(xiàn)在傳感器，天線或衛(wèi)星用于生成標準清晰度地圖(例如人們在智能手機上的地圖)已變得司空見慣。我們越來越多地轉(zhuǎn)向由機器構(gòu)建以服務(wù)機器的高清(HD)地圖，這使得可以針對特定用例部署此數(shù)據(jù)，例如構(gòu)建用于自動駕駛的算法解決方案。這種新方法可以合并多個源以識別特征和模式，同時處理靜態(tài)和實時事件以預(yù)測行為和條件。

一個典型的例子是AI / ML支持的地圖，其中端到端過程創(chuàng)建了一個自我修復(fù)地圖，該地圖依賴于連續(xù)收集“低級”觀察值和“高級”聚合地圖特征，這兩者都是自動學習的功能。這些工具協(xié)同工作以發(fā)展和適應(yīng)每個地圖特征，例如標志，車道，人行道，并針對每個地理區(qū)域進行學習。但是，它的不足之處在于它的剛性，因為它否定了圍繞數(shù)據(jù)本身收集的細微差別，這就是位置數(shù)據(jù)平臺正在創(chuàng)新以創(chuàng)建位置感知型AI的原因。

人工智能使預(yù)測成為可能

簡而言之，這是旨在了解其接收到的位置信息的依存關(guān)系和屬性并生成更高級見解的AI?？缥锢韺ο蟮膶崟r語義關(guān)系是其中的關(guān)鍵元素，可用于構(gòu)建位置圖，該位置圖是世界的地理時空表示。

這些表示可用于通過使用實時數(shù)據(jù)(例如天氣，交通或傳感器數(shù)據(jù))做出明智的預(yù)測。AI / ML將以上下文方式促進對位置和運動的理解，這將從根本上為我們提供改變位置信息的收集，表示和利用方式的新方法。

注入位置數(shù)據(jù)的AI可以發(fā)現(xiàn)新的數(shù)據(jù)模式，并為其收集的數(shù)據(jù)生成更準確的樣本。這意味著它可以用來暴露關(guān)鍵特征并以傳統(tǒng)AI方法無法實現(xiàn)的方式與其他數(shù)據(jù)組成，例如使用位置AI來預(yù)測交通數(shù)據(jù)中NO2濃度的相關(guān)性。

使運輸和物流業(yè)受益

通過AI收集的數(shù)據(jù)可用于為特定問題提供信息并幫助做出決策，如在運輸和物流行業(yè)中的使用所見。該行業(yè)面臨的關(guān)鍵挑戰(zhàn)是需要解決大規(guī)模優(yōu)化問題。在大型供應(yīng)鏈網(wǎng)絡(luò)中利用大量數(shù)據(jù)會給數(shù)據(jù)提供者帶來多對多的優(yōu)化問題，這是因為提供者，消費者和方式的數(shù)量龐大。盡管在這個領(lǐng)域取得了進展，但通過使用位置感知的AI仍有發(fā)展空間。這項技術(shù)越來越多地嵌入到整個供應(yīng)鏈網(wǎng)絡(luò)中，從而增加了用于跟蹤和監(jiān)視的接口數(shù)量。

強化學習(RL)在運輸和物流行業(yè)中具有巨大的飛躍潛力。該技術(shù)支持仿真和靈敏度分析，可用于創(chuàng)建預(yù)測模型和仿真。RL可以幫助我們找到控制車隊的新方法，從而使車隊交通更為優(yōu)化。其用途的一個示例可能是在最大的智能城市中規(guī)劃和管理交通流量，以最大程度地減少CO2排放，同時還保證最大的安全性和高效移動性。從這些模型中學到的見解可實現(xiàn)數(shù)據(jù)明智的決策和結(jié)果，從而形成有效的分銷網(wǎng)絡(luò)。

巨大的增長空間

位置感知型AI的潛力是巨大的，沒有人能聲稱在運輸和物流，汽車或智慧城市空間中充分利用了其功能。AI / ML的最大進步可能不會發(fā)生在封閉的實驗室中，而只能通過強大的開放生態(tài)系統(tǒng)和開放創(chuàng)新來實現(xiàn)。

位置平臺與學術(shù)機構(gòu)或政府機構(gòu)之間的協(xié)作可以在其中發(fā)揮關(guān)鍵作用，因為可以利用AI來推動“智能地球”的許多用例。定位平臺可以部署與公共安全相關(guān)的智慧城市計劃，或者為汽車和移動性行業(yè)的公司提供主要見解。這些見解可被視為移動領(lǐng)域中的一種新貨幣，可用于在構(gòu)建可靠且關(guān)鍵的實時基于AI的位置情報服務(wù)方面取得重要進展。反過來，這些服務(wù)將在未來幾年內(nèi)增強跨云，邊緣和設(shè)備部署的產(chǎn)品。

關(guān)鍵詞： 智慧城市 物流行業(yè) 優(yōu)化問題