مبلمان شهر هوشمند با هوش مصنوعی

مبلمان عمومی از قبل می‌توانند زمان‌های اتوبوس زنده را نمایش دهند، پیام‌های دیجیتال را به‌روزرسانی کنند و به قوانین اساسی حسگر پاسخ دهند. سوال سخت‌تر این است که چه زمانی هوش مصنوعی این سیستم‌ها را مفیدتر می‌کند. مبلمان شهر هوشمند هوش مصنوعی زمانی ارزشمندتر می‌شود که یک شخص، دوربین یا حسگر ورودی‌هایی را ارائه کند که قبل از پاسخگویی سیستم به تفسیر نیاز دارد - درخواست جهت، تغییر جریان مسافر، یا سیگنال عملیاتی غیرمعمول. این تمایز زمانی اهمیت دارد که شهرها هوش مصنوعی را برای تحرک و خدمات عمومی بررسی می کنند. خوانندگان می توانند از ورودی → تفسیر → پاسخ → آزمون ارزش برای قضاوت در کجا استفاده کنند مبلمان خیابانی با هوش مصنوعی ارزش عملی را اضافه می کند.

 

چه زمانی مبلمان خیابان متصل واقعاً به هوش مصنوعی نیاز دارد؟

هر ویژگی 'هوشمند' یک ویژگی هوش مصنوعی نیست

کلمه 'هوشمند' اغلب برای تقریباً هر وسیله خیابانی با عملکرد دیجیتال استفاده می شود. این باعث می شود که اتصال، اتوماسیون و هوش مصنوعی اشتباه گرفته شود. پناهگاهی که زمان اتوبوس را دریافت می کند متصل است. چراغی که پس از تشخیص تاریکی توسط حسگر روشن می شود، خودکار است. صفحه‌ای که اعلامیه‌های عمومی جدید را از یک سیستم مرکزی دانلود می‌کند، ممکن است هم متصل و هم خودکار باشد، اما هیچ یک از این اقدامات لزوماً به هوش مصنوعی نیاز ندارند.

هوش مصنوعی زمانی مرتبط تر می شود که سیستم باید قبل از انتخاب پاسخ، چیزی را تفسیر کند. به جای پیروی از یک دستورالعمل ثابت، می تواند با یک ورودی کار کند و تعیین کند که کدام خروجی برای کار مفیدتر است. این تمایز برای پروژه های شهری اهمیت دارد زیرا توجه را به آنچه که فناوری واقعا انجام می دهد حفظ می کند.

نکته این نیست که هوش مصنوعی همیشه بهتر است. هنگامی که خود کار ساده باشد، اغلب کارکرد یک سیستم ساده آسانتر است.

با پرسیدن اینکه مبلمان چه چیزی دریافت می کنند شروع کنید

قبل از انتخاب تکنولوژی، به ورودی نگاه کنید. مبلمان عمومی ممکن است اطلاعات را مستقیماً از طریق گفتار یا عملکرد صفحه لمسی از افراد دریافت کند. سنسورها و دوربین‌ها می‌توانند اطلاعاتی در مورد حرکت یا فعالیت در اطراف دستگاه ارائه دهند. سیستم‌های شهری همچنین ممکن است داده‌های مسیر، اطلاعات مکان، به‌روزرسانی‌های خدمات یا وضعیت تجهیزات را ارائه دهند.

آن ورودی ها نیازهای متفاوتی دارند. زمان ورود زنده از قبل ساختار یافته و آماده نمایش است. سؤال گفتاری مانند 'چگونه می توانم بدون استفاده از پله به کتابخانه برسم؟' ساختار کمتری دارد. ورودی دوم ممکن است به سیستم نیاز داشته باشد که مقصد را شناسایی کند، نیاز دسترسی را درک کند، و هر دو بخش از اطلاعات را با داده‌های مسیر موجود قبل از ارائه پاسخ مرتبط کند.

اینجاست که مبلمان خیابانی مبتنی بر هوش مصنوعی با یک صفحه نمایش متصل معمولی متفاوت است. ارزش افزوده از مرحله تفسیر ناشی می شود، نه از اتصال به خودی خود.

از یک تست ساده استفاده کنید: آیا سیستم باید چیزی را حل کند؟

تیم‌های تدارکات برای انجام اولین قضاوت مفید نیازی به درک معماری مدل ندارند. آنها می توانند بپرسند که آیا مبلمان اطلاعاتی را دریافت می کند که قبلاً به آن می گوید چه کاری انجام دهد.

'نمایش اتوبوس بعدی در شش دقیقه' توسط یک فید داده قابل کنترل است. 'روشن کردن چراغ وقتی تاریک شد' را می توان با یک قانون سنسور کنترل کرد. 'پیدا کردن یک مسیر مناسب برای رسیدن به شهرداری برای کسی که نمی‌تواند از پله‌ها استفاده کند' به کار بیشتری نیاز دارد زیرا این درخواست حاوی چندین مفهوم است.

اگر یک قانون ثابت کار را به وضوح انجام دهد، افزودن هوش مصنوعی ممکن است فقط هزینه و پیچیدگی را اضافه کند. زمانی که ورودی ابتدا باید درک، مقایسه یا طبقه بندی شود، هوش مصنوعی دلیل عملی تری برای وجود دارد.

 

چگونه هوش مصنوعی ورودی های خام را به چیزی مفید تبدیل می کند

یک سوال به درخواست اطلاعاتی تبدیل می شود که سیستم می تواند روی آن عمل کند

مسافری را در نظر بگیرید که جلوی یک هواپیما ایستاده است پناهگاه اتوبوس هوشمند هوش مصنوعی . شخص می پرسد، 'کدام مسیر مرا به موزه نزدیکتر می کند؟' گفتار ورودی است، اما خود صدا برای مسافر مفید نیست. سیستم ابتدا باید بررسی کند که شخص چه چیزی می‌پرسد، مقصد را شناسایی کند، آن درخواست را با اطلاعات موجود مرتبط کند و سپس پاسخی را برگرداند.

پاسخ می تواند به صورت متن، گرافیک مسیر یا گفتار ظاهر شود. تبدیل متن به گفتار، که اغلب به TTS کوتاه می شود، به سادگی اطلاعات نوشته شده را به خروجی گفتاری تبدیل می کند. هنگامی که شخصی راهنمایی صوتی را ترجیح می دهد یا نمی خواهد در چندین صفحه منو جستجو کند، این می تواند استفاده از یک رابط عمومی را آسان تر کند.

یک مثال محصول واقعی به نشان دادن اینکه چگونه چندین روش ورودی و پاسخ می توانند در یک فیکسچر زندگی کنند کمک می کند. Shanghai Zemso Urban Furniture Technology Co. Ltd. تجزیه و تحلیل تصویر، TTS، آمار جریان مسافر، پرسش و پاسخ دیجیتال، تعامل با صفحه لمسی، و تعامل صوتی را در پناهگاه اتوبوس هوشمند ZEMSO-HCT-0001 ادغام می کند. درس مفید تعداد ویژگی ها نیست. این است که داده‌های گفتار، لمس، تصاویر و حرکت می‌توانند وارد یک مکان عمومی مشابه شوند، اما قبل از ایجاد نتیجه مفید، به اشکال مختلف پردازش نیاز دارند.

تصاویر و تعداد مسافران قبل از اینکه مفید باشند نیاز به زمینه دارند

همین منطق زمانی اعمال می‌شود که ورودی از محیط اطراف به جای یک شخص باشد. یک دوربین یا حسگر می‌تواند فعالیت‌های نزدیک یک پناهگاه را ثبت کند، اما جمع‌آوری یک تصویر با درک آنچه در آن اتفاق می‌افتد یکسان نیست. شمارش مسافر خام نیز تا زمانی که در متن قرار نگیرد، ارزش محدودی دارد.

برای مثال، یک اپراتور ممکن است نیاز داشته باشد بداند که آیا فعالیت در یک مکان برای آن زمان از روز عادی است یا اینکه آیا تغییر واضحی در حال وقوع است. تجزیه و تحلیل تصویر مبتنی بر هوش مصنوعی یا تشخیص الگو ممکن است به تبدیل مقادیر زیادی از داده‌های فعالیت خام به سیگنال ساده‌تری کمک کند که کارکنان بتوانند آن را بررسی کنند. در سیستم HCT-0001، تجزیه و تحلیل تصویر و تجزیه و تحلیل جریان مسافر در کنار سایر عملکردهای تعاملی برای پشتیبانی از این نوع پردازش ورودی کار می کنند.

این بدان معنا نیست که هوش مصنوعی به طور خودکار می داند که چرا یک ایستگاه مشغول است. افزایش تعداد مسافران ممکن است ناشی از یک رویداد، اختلال در خدمات، آب و هوا، یا علت دیگری خارج از خود مبلمان باشد. این سیستم می تواند به شناسایی یک الگو کمک کند. مردم هنوز باید وضعیت گسترده‌تر را تفسیر کنند و تصمیم بگیرند که چه اقدامی منطقی است.

 

یک پاسخ هوش مصنوعی خوب باید گام بعدی را آسان‌تر کند

در یک ایستگاه اتوبوس، خروجی مفید یک تصمیم واضح تر برای سفر است

برای مسافران، با ارزش ترین خروجی اغلب ساده است: دانستن اینکه چه کاری باید انجام شود. تصور کنید بازدیدکننده‌ای می‌پرسد: «کدام اتوبوس مرا به موزه می‌رساند؟» ورودی یک سؤال به زبان طبیعی است. این سیستم مقصد را تفسیر می کند و اطلاعات سفر در دسترس را بررسی می کند. پاسخ ممکن است یک مسیر را نشان دهد، یک توقف را مشخص کند یا دستورالعمل بعدی را بیان کند.

این معیار معنادارتری برای ارزش است تا اینکه بپرسیم آیا یک پناهگاه دارای هوش مصنوعی است یا خیر. اگر کاربران با مراحل کمتری به اطلاعات مورد نیاز خود برسند، تعامل بهبود یافته است. همین رویکرد می‌تواند از سؤالات مربوط به نقل و انتقالات، ایستگاه‌های نزدیک، اطلاعیه‌های خدمات یا مسیرهای قابل دسترسی در صورت در دسترس بودن داده‌های مورد نیاز پشتیبانی کند.

نباید به هوش مصنوعی مزایایی را که مستقیماً ایجاد نمی کند نسبت داد. یک پناهگاه مکالمه باعث نمی شود که اتوبوس زودتر برسد. تراکم ترافیک را برطرف نمی کند. وظیفه آن محدودتر است: تلاش بین داشتن یک سوال سفر و گرفتن اطلاعاتی که به تصمیم بعدی کمک می کند را کاهش دهید.

دیجیتال ساینیج می تواند به جای پخش فقط پاسخ دهد

صفحه نمایش های سنتی در فضای باز عمدتا ابزارهای ارتباطی یک طرفه هستند. آنها می توانند نقشه ها، اعلامیه های عمومی، هشدارها، برنامه ها، تبلیغات یا فیدهای زنده را نشان دهند. مدیریت محتوای از راه دور کار با این صفحه‌ها را آسان‌تر می‌کند، اما انتشار از راه دور هنوز همان هوش مصنوعی نیست.

علائم دیجیتالی هوش مصنوعی برای شهرهای هوشمند زمانی ارزش می افزاید که نمایشگر باید به یک درخواست پاسخ دهد نه اینکه صرفاً محتوای از پیش تعیین شده را پخش کند. یک بازدیدکننده ممکن است مسیری را بخواهد، مقصدی را جستجو کند یا اطلاعاتی را درخواست کند که در غیر این صورت در چندین سطح منو دفن می شد.

BS-0005 Shanghai ZEMSO برنامه ریزی مسیر، تجزیه و تحلیل تصویر، TTS، تجزیه و تحلیل جریان مسافر، تعامل با صفحه لمسی، و پرسش و پاسخ مبتنی بر صدا را ترکیب می کند. مدیریت محتوای ابری، انتشار از راه دور، نظارت و به روز رسانی نرم افزار OTA یک لایه مدیریت جداگانه را تشکیل می دهد. گروه اول شامل توابعی است که تفسیر می تواند اهمیت داشته باشد. گروه دوم عمدتاً مربوط به اتصال و عملکرد سیستم است.

جدا نگه داشتن این لایه ها مشخصات را واضح تر می کند. سپس یک شهر می تواند تصمیم بگیرد که کدام عملکرد به هوش مصنوعی نیاز دارد و کدام یک می تواند خدمات دیجیتالی ساده و قابل پیش بینی باقی بماند.

یک کیوسک تعاملی می‌تواند بدون اینکه هر کاری را مکالمه‌ای کند کمک کند

یک کیوسک شهر هوشمند تعاملی از همان اصل به شکلی متفاوت پیروی می کند. یک کیوسک در یک مرکز حمل و نقل، پارک، میدان شهری یا منطقه خدمات عمومی ممکن است به افراد کمک کند مسیرها یا اطلاعات اولیه محلی را پیدا کنند. برخی از درخواست ها برای یک دکمه بزرگ، نقشه واضح یا منوی کوتاه به اندازه کافی ساده هستند.

تعامل صوتی زمانی مفیدتر می شود که درخواست با آن انتخاب های ثابت مطابقت نداشته باشد. یک بازدیدکننده ممکن است بپرسد کجا یک سرویس خاص را پیدا کند یا یک مقصد را به زبان روزمره به جای دانستن دسته منوی رسمی آن توصیف کند.

ZEMSO-FWT-0002 یک دستیار صوتی هوش مصنوعی را با نظارت از راه دور مبتنی بر برنامه و سایر عملکردهای کنترل هوشمند ترکیب می کند. این ترکیب نشان می دهد که چگونه هوش مصنوعی و کنترل های متصل معمولی می توانند در کنار هم وجود داشته باشند. افزودن یک رابط هوش مصنوعی به این معنی نیست که همه عملکردهای داخل کیوسک باید مکالمه شوند. ساده ترین رابط باید همچنان ساده ترین کار را انجام دهد.

 

حلقه ورودی به پاسخ یکسان می تواند به تیم های شهر کمک کند

الگوهای جریان مسافر می تواند تصمیمات عملیاتی بهتری را پشتیبانی کند

تعامل عمومی تنها یک طرف مبلمان شهر هوشمند با هوش مصنوعی است. همین مدل ورودی و پاسخ می تواند به افرادی که مسئول مدیریت فضاهای عمومی هستند کمک کند.

فرض کنید فعالیت مسافر در یک مکان به شدت تغییر می کند. سنسورها یا سیستم های تصویر ورودی را فراهم می کنند. تجزیه و تحلیل ممکن است یک الگو را در طول زمان شناسایی کند یا فعالیت فعلی را با استفاده عادی مقایسه کند. سپس کارکنان سیگنال مفیدتری نسبت به جریان شمارش خام دریافت می کنند.

این اطلاعات می‌تواند از تصمیم‌گیری‌ها درباره محل قرارگیری اطلاعات خدمات، زمانی که کارکنان ممکن است نیاز به بازبینی داشته باشند، نحوه استفاده از یک منطقه عمومی یا اینکه کدام مکان مستحق توجه بیشتر است، پشتیبانی کند. کلمه مهم 'پشتیبانی' است. هوش مصنوعی می تواند به سازماندهی شواهد کمک کند، اما به طور خودکار علت تغییر را نمی داند یا تصمیم نمی گیرد که کدام پاسخ خط مشی عمومی درست است.

بنابراین داده های بیشتر همیشه بهتر نیست. هدف باید اطلاعاتی باشد که به تصمیمی مرتبط باشد که کسی واقعاً مسئول آن است. ارزیابی باید بر این موضوع متمرکز شود که آیا سیستم برای کاربران مورد نظر، هدف و محیط عملیاتی واقعی خود عملکرد خوبی دارد یا خیر.

نظارت بر تجهیزات نشان می دهد که چرا هوش مصنوعی و اتصال باید از هم جدا بمانند

تعمیر و نگهداری آزمایش مفید دیگری را ارائه می دهد. یک علامت متصل می تواند گزارش دهد که صفحه آفلاین است. اگر اتصال مرکزی از کار بیفتد، یک کنترل‌کننده می‌تواند حالت‌های عملیاتی را تغییر دهد. نرم افزار را می توان از راه دور به روز کرد. اینها توابع ارزشمندی هستند، اما نامیدن همه آنها AI درک آنچه سیستم واقعاً به آن نیاز دارد را دشوارتر می کند.

علامت دیجیتال فضای باز GG-0009 Shanghai ZEMSO ترکیبی از مدیریت متمرکز، ارتقا از راه دور OTA، برنامه ریزی مسیر، رابط های باز، صفحه لمسی و تعامل صوتی، همراه با عملکردهای هوش مصنوعی مانند تجزیه و تحلیل تصویر، TTS و تجزیه و تحلیل جریان مسافر است. شهری که این نوع سیستم را بررسی می‌کند، می‌تواند ویژگی‌های مدیریتی را از عملکردهایی که اطلاعات ساختارمند کمتری را تفسیر می‌کنند، جدا کند.

هوش مصنوعی ممکن است زمانی مفید باشد که بسیاری از سیگنال‌های عملیاتی باید با هم مقایسه شوند و الگوهای غیرمعمول باید برای کارکنان علامت‌گذاری شوند. این با ادعای اینکه هر هشدار از راه دور تعمیر و نگهداری پیش بینی است متفاوت است. پیش‌بینی قابل اعتماد به داده‌های تاریخی مناسب، آزمایش‌ها و شواهدی بستگی دارد که سیستم در شرایط عملیاتی واقعی به خوبی عمل می‌کند.

 

نتیجه گیری

مبلمان شهر هوشمند هوش مصنوعی زمانی بیشترین کاربرد را دارد که سؤالات، فعالیت مسافران، تصاویر یا داده‌های سیستم را به پاسخ‌هایی تبدیل کند که افراد می‌توانند بر اساس آن‌ها عمل کنند. بنابراین ارزش مبلمان خیابانی مبتنی بر هوش مصنوعی باید به یک نیاز عمومی واضح، مانند هدایت مسیر آسان‌تر، دسترسی سریع‌تر به اطلاعات یا آگاهی عملیاتی بهتر وابسته باشد.

Shanghai Zemso Urban Furniture Technology Co., Ltd. این رویکرد را در سرپناه های اتوبوس هوشمند، تابلوهای دیجیتال و کیوسک های تعاملی اعمال می کند و تعامل هوش مصنوعی را با عملکردهای مدیریت متصل ترکیب می کند. این ابزارها می توانند به شهرها کمک کنند تا خدمات اطلاعات عمومی را بهبود بخشند و در عین حال فناوری را بر وظایف عملی متمرکز نگه دارند.