Offentlige møbler kan allerede vise live bustider, opdatere digitale beskeder og reagere på grundlæggende sensorregler. Det sværere spørgsmål er, hvornår AI rent faktisk gør disse systemer mere nyttige. AI smarte bymøbler bliver mere værdifuldt, når en person, et kamera eller en sensor giver input, der skal fortolkes, før systemet kan reagere - en retningsanmodning, ændret passagerflow eller et usædvanligt driftssignal. Denne sondring er vigtig, når byer udforsker kunstig intelligens til mobilitet og offentlige tjenester. Læsere kan bruge input → fortolkning → svar → værditest til at bedømme hvor AI-drevne gademøbler tilføjer praktisk værdi.
Ordet 'smart' bruges ofte om næsten alle gadearmaturer med digitale funktioner. Det gør det nemt at forveksle forbindelse, automatisering og kunstig intelligens. Et shelter, der modtager levende bustider, er tilsluttet. Et lys, der tænder, efter at en sensor har registreret mørke, er automatiseret. En skærm, der downloader nye offentlige meddelelser fra et centralt system, kan være både forbundet og automatiseret, men ingen af disse handlinger kræver nødvendigvis AI.
AI bliver mere relevant, når systemet skal fortolke noget, før det vælger et svar. I stedet for kun at følge en fast instruktion, kan den arbejde med et input og bestemme, hvilket output der er mere brugbart til opgaven. Den skelnen er vigtig for byprojekter, fordi den holder opmærksomheden på, hvad teknologien rent faktisk gør.
Situation |
Et tilsluttet eller regelbaseret system kan gøre dette |
AI kan tilføje værdi, når |
Bus ankomst display |
Vis data modtaget fra et transitfeed |
En bruger stiller et mindre struktureret rejsespørgsmål |
Offentlig belysning |
Tænd på et indstillet tidspunkt eller sensorniveau |
Flere skiftende forhold kræver fortolkning |
Digital opslagstavle |
Udgiv planlagt eller fjernindhold |
Systemet skal forstå en anmodning, før det vælger information |
Enhedsovervågning |
Send en fejlkode eller offlineadvarsel |
Mange signaler skal gennemgås for usædvanlige mønstre |
Pointen er ikke, at AI altid er bedre. Et simpelt system er ofte nemmere at betjene, når selve opgaven er enkel.
Før du vælger teknologi, skal du se på inputtet. Offentlige møbler kan modtage information direkte fra folk gennem tale eller berøringsskærmhandlinger. Sensorer og kameraer kan give information om bevægelse eller aktivitet omkring armaturet. Bysystemer kan også levere rutedata, placeringsoplysninger, serviceopdateringer eller udstyrsstatus.
Disse input har forskellige behov. Et live ankomsttidspunkt er allerede struktureret og klar til at blive vist. Et talt spørgsmål såsom 'Hvordan kan jeg nå biblioteket uden at bruge trapper?' er mindre struktureret. Det andet input kan kræve, at systemet identificerer destinationen, forstår tilgængelighedsbehovet og forbinder begge dele af information med tilgængelige rutedata, før et svar præsenteres.
Det er her AI-drevne gademøbler begynder at adskille sig fra en normal tilsluttet skærm. Merværdien kommer fra fortolkningstrinnet, ikke fra forbindelsen i sig selv.
Indkøbsteams behøver ikke at forstå modelarkitektur for at kunne foretage en nyttig første vurdering. De kan spørge, om møblerne modtager information, der allerede fortæller det, hvad det skal gøre.
'Vis den næste bus om seks minutter' kan håndteres af et datafeed. 'Tænd lyset, når det bliver mørkt' kan håndteres af en sensorregel. 'Find en passende vej til rådhuset for en, der ikke kan bruge trapper' kræver mere arbejde, fordi anmodningen indeholder flere meninger.
Hvis en fast regel håndterer opgaven klart, kan tilføjelse af AI kun tilføje omkostninger og kompleksitet. Når input først skal forstås, sammenlignes eller klassificeres, har AI en mere praktisk grund til at være der.
Overvej en passager, der står foran en AI smart busskur . Personen spørger: 'Hvilken rute tager mig tættest på museet?' Tale er input, men selve lyden er ikke nyttig for den rejsende. Systemet skal først finde ud af, hvad personen spørger, identificere destinationen, forbinde denne anmodning med de tilgængelige oplysninger og derefter returnere et svar.
Svaret kan vises som tekst, en rutegrafik eller tale. Tekst-til-tale, ofte forkortet til TTS, forvandler simpelthen skriftlig information til talt output. Dette kan gøre en offentlig grænseflade lettere at bruge, når nogen foretrækker stemmevejledning eller ikke ønsker at søge gennem flere menuskærme.
Et rigtigt produkteksempel hjælper med at vise, hvordan flere input- og responsmetoder kan leve i ét armatur. Shanghai Zemso Urban Furniture Technology Co., Ltd. integrerer billedanalyse, TTS, passagerflowstatistikker, digital Q&A, touchscreen-interaktion og stemmeinteraktion i ZEMSO-HCT-0001 smart busskur. Den nyttige lektie er ikke antallet af funktioner. Det er, at tale, berøring, billeder og bevægelsesdata kan komme ind i det samme offentlige anlæg, men kræver forskellige former for behandling, før de giver et brugbart resultat.
Den samme logik gør sig gældende, når input kommer fra omgivelserne frem for en person. Et kamera eller en sensor kan fange aktivitet i nærheden af et shelter, men at samle et billede er ikke det samme som at forstå, hvad der sker i det. Et råpassagerantal har også begrænset værdi, indtil det sættes i sammenhæng.
For eksempel kan en operatør have brug for at vide, om aktiviteten på et sted er normal for det pågældende tidspunkt på dagen, eller om der finder en tydelig ændring sted. AI-baseret billedanalyse eller mønstergenkendelse kan hjælpe med at omdanne store mængder rå aktivitetsdata til et enklere signal, som personalet kan gennemgå. I HCT-0001-systemet fungerer billedanalyse og passagerflowanalyse sammen med andre interaktive funktioner for at understøtte denne type inputbehandling.
Det betyder ikke, at AI automatisk ved, hvorfor et stop er optaget. En stigning i passagertallet kan komme fra en begivenhed, serviceforstyrrelser, vejret eller en anden årsag uden for selve møblerne. Systemet kan hjælpe med at identificere et mønster; folk har stadig brug for at fortolke den bredere situation og beslutte, hvilken handling der giver mening.
For passagerer er det mest værdifulde output ofte simpelt: at vide, hvad de skal gøre næste gang. Forestil dig, at en besøgende spørger: 'Hvilken bus bringer mig til museet?' Indgangen er et naturligt sprogspørgsmål. Systemet fortolker destinationen og kontrollerer den tilgængelige rejseinformation. Svaret kan vise en rute, identificere et stop eller sige den næste instruktion.
Det er en mere meningsfuld værdimåling end at spørge, om et shelter indeholder AI. Hvis brugerne når frem til den information, de har brug for, med færre trin, er interaktionen blevet forbedret. Den samme tilgang kan understøtte spørgsmål om overførsler, nærliggende stoppesteder, servicemeddelelser eller tilgængelige ruter, når de nødvendige data er tilgængelige.
AI bør ikke krediteres med fordele, den ikke direkte skaber. Et samtalely får ikke bussen til at komme før. Det fjerner ikke trafikpropper. Dens opgave er snævrere: reducere indsatsen mellem at have et rejsespørgsmål og få information, der hjælper med den næste beslutning.
Traditionelle udendørsskærme er hovedsageligt envejskommunikationsværktøjer. De kan vise kort, offentlige meddelelser, advarsler, tidsplaner, annoncer eller live-feeds. Fjernstyring af indhold gør disse skærme nemmere at betjene, men fjernudgivelse er stadig ikke det samme som kunstig intelligens.
AI digital skiltning til smarte byer tilføjer værdi, når skærmen skal svare på en anmodning i stedet for blot at udsende forudindstillet indhold. En besøgende kan bede om en rute, søge efter en destination eller anmode om information, som ellers ville være begravet i flere menuniveauer.
Shanghai ZEMSO's BS-0005 kombinerer ruteplanlægning, billedanalyse, TTS, passagerflowanalyse, touchscreen-interaktion og stemmebaseret Q&A. Cloud-indholdsstyring, fjernudgivelse, overvågning og OTA-softwareopdateringer udgør et separat administrationslag. Den første gruppe omfatter funktioner, hvor fortolkning kan have betydning. Den anden gruppe vedrører hovedsageligt tilslutning og systemdrift.
At holde disse lag adskilt gør specifikationerne klarere. En by kan så beslutte, hvilke funktioner der har brug for kunstig intelligens, og hvilke der kan forblive enkle, forudsigelige digitale tjenester.
En interaktiv smart city kiosk følger samme princip i en anden form. En kiosk i et transportknudepunkt, en park, en offentlig plads eller et offentligt serviceområde kan hjælpe folk med at finde rutevejledninger eller grundlæggende lokale oplysninger. Nogle anmodninger er enkle nok til en stor knap, et klart kort eller en kort menu.
Stemmeinteraktion bliver mere nyttig, når anmodningen ikke passer til disse faste valg. En besøgende kan spørge, hvor man kan finde en bestemt tjeneste eller beskrive en destination i dagligdags sprog i stedet for at kende dens officielle menukategori.
ZEMSO-FWT-0002 kombinerer en AI-stemmeassistent med app-baseret fjernovervågning og andre smarte kontrolfunktioner. Den kombination viser, hvordan AI og almindelige tilsluttede kontroller kan eksistere side om side. Tilføjelse af en AI-grænseflade betyder ikke, at alle funktioner inde i kiosken skal blive til samtale. Den enkleste grænseflade skal stadig klare den enkleste opgave.
Offentlig interaktion er kun den ene side af AI smarte bymøbler. Den samme input-and-response-model kan hjælpe de personer, der er ansvarlige for at forvalte offentlige rum.
Antag, at passageraktiviteten ændrer sig kraftigt på et sted. Sensorer eller billedsystemer giver input. Analytics kan identificere et mønster over tid eller sammenligne aktuel aktivitet med normal brug. Personalet modtager så et mere nyttigt signal end en strøm af rå tæller.
Disse oplysninger kan understøtte beslutninger om, hvor serviceoplysninger skal placeres, hvornår personalet kan have behov for gennemgang, hvordan et offentligt område bliver brugt, eller hvilket sted der fortjener nærmere opmærksomhed. Det vigtige ord er 'støtte.' AI kan hjælpe med at organisere beviser, men det kender ikke automatisk årsagen til en ændring eller beslutter, hvilket offentligt politisk svar der er rigtigt.
Mere data er derfor ikke altid bedre. Målet bør være information, der knytter sig til en beslutning, som nogen faktisk er ansvarlig for at træffe. Evaluering bør fokusere på, om systemet fungerer godt til dets tilsigtede brugere, formål og reelle driftsmiljø.
Vedligeholdelse tilbyder en anden nyttig test. Et tilsluttet skilt kan rapportere, at en skærm er offline. En controller kan skifte driftstilstande, hvis en central forbindelse svigter. Software kan fjernopdateres. Det er værdifulde funktioner, men at kalde dem alle AI gør det sværere at forstå, hvad systemet virkelig har brug for.
Shanghai ZEMSO's GG-0009 udendørs digital skiltning kombinerer centraliseret styring, OTA-fjernopgraderinger, stiplanlægning, åbne grænseflader, touchscreen og stemmeinteraktion sammen med AI-funktioner såsom billedanalyse, TTS og passagerflowanalyse. En by, der gennemgår denne type system, kan adskille ledelsesfunktioner fra funktioner, der fortolker mindre struktureret information.
AI kan blive nyttig, når mange driftssignaler skal sammenlignes, og usædvanlige mønstre skal markeres for personalet. Det er anderledes end at hævde, at enhver fjernadvarsel er forudsigelig vedligeholdelse. Pålidelig forudsigelse afhænger af passende historiske data, test og bevis for, at systemet fungerer godt under virkelige driftsforhold.
AI smarte bymøbler er mest nyttige, når de forvandler spørgsmål, passageraktivitet, billeder eller systemdata til svar, som folk kan reagere på. Værdien af AI-drevne gademøbler bør derfor forblive bundet til et klart offentligt behov, såsom lettere rutevejledning, hurtigere adgang til information eller bedre driftsbevidsthed.
Shanghai Zemso Urban Furniture Technology Co., Ltd. anvender denne tilgang på tværs af smarte busskure, digital skiltning og interaktive kiosker, der kombinerer AI-interaktion med forbundne administrationsfunktioner. Disse værktøjer kan hjælpe byer med at forbedre offentlige informationstjenester og samtidig holde teknologien fokuseret på praktiske opgaver.
