A köztéri bútorok már képesek megjeleníteni az élő buszidőket, frissíteni a digitális üzeneteket, és reagálni az alapvető szenzorszabályokra. A nehezebb kérdés az, hogy az AI valójában mikor teszi ezeket a rendszereket hasznosabbá. AI smart city bútorok értékesebbé válik, ha egy személy, kamera vagy érzékelő olyan bemenetet ad, amely értelmezést igényel, mielőtt a rendszer válaszolhatna – iránykérésre, változó utasáramlásra vagy szokatlan működési jelre. Ez a megkülönböztetés fontos, mivel a városok a mobilitás és a közszolgáltatások MI-jét vizsgálják. Az olvasók a bemenet → értelmezés → válasz → érték teszt segítségével tudják eldönteni, hogy hol A mesterséges intelligencia által működtetett utcai bútorok praktikus értéket adnak.
Az 'okos' szót gyakran használják szinte minden digitális funkcióval rendelkező utcai berendezésre. Ez megkönnyíti a csatlakozás, az automatizálás és a mesterséges intelligencia összetévesztését. Az élő buszidőket fogadó menhely be van kötve. Automatikusan működik az a lámpa, amely akkor kapcsol be, ha egy érzékelő sötétséget észlel. A központi rendszerből új nyilvános értesítéseket letöltő képernyő csatlakoztatható és automatizált is lehet, de ezekhez a műveletekhez nincs szükség AI-ra.
A mesterséges intelligencia akkor válik relevánsabbá, ha a rendszernek értelmeznie kell valamit, mielőtt választ választana. Ahelyett, hogy csak egy rögzített utasítást követne, működhet egy bemenettel, és meghatározhatja, hogy melyik kimenet hasznosabb a feladathoz. Ez a megkülönböztetés fontos a városi projekteknél, mert folyamatosan figyeli, hogy a technológia mit csinál valójában.
Helyzet |
Egy csatlakoztatott vagy szabályalapú rendszer képes erre |
Az AI hozzáadhat értéket, amikor |
Busz érkezési kijelző |
A tömegközlekedési hírcsatornából kapott adatok megjelenítése |
Egy felhasználó kevésbé strukturált utazási kérdést tesz fel |
Közvilágítás |
Kapcsolja be a beállított időpontban vagy az érzékelő szintjén |
Számos változó körülmény értelmezést igényel |
Digitális hirdetőtábla |
Ütemezett vagy távoli tartalom közzététele |
A rendszernek meg kell értenie a kérést az információ kiválasztása előtt |
Eszközfigyelés |
Hibakód vagy offline riasztás küldése |
Sok jelet felül kell vizsgálni a szokatlan minták miatt |
A lényeg nem az, hogy az AI mindig jobb. Egy egyszerű rendszert gyakran könnyebb kezelni, ha maga a feladat egyszerű.
A technológia kiválasztása előtt nézze meg a bemenetet. A nyilvános bútorok közvetlenül az emberektől kaphatnak információkat beszéddel vagy érintőképernyőn keresztül. Az érzékelők és kamerák információkat szolgáltathatnak a lámpatest körüli mozgásról vagy tevékenységről. A városi rendszerek útvonaladatokat, helyinformációkat, szolgáltatásfrissítéseket vagy berendezés állapotát is szolgáltathatják.
Ezeknek a bemeneteknek más-más igényük van. Az élő érkezési idő már strukturált, és készen áll a megjelenítésre. Az olyan kimondott kérdések, mint például: 'Hogyan juthatok el a könyvtárba lépcsők használata nélkül?', kevésbé strukturált. A második bemenet megkövetelheti, hogy a rendszer azonosítsa a célállomást, megértse a hozzáférhetőségi igényt, és mindkét információt összekapcsolja a rendelkezésre álló útvonaladatokkal, mielőtt válaszolna.
Ez az a pont, ahol a mesterséges intelligencia által működtetett utcai bútorok kezdenek eltérni a normál csatlakoztatott kijelzőktől. A hozzáadott érték az értelmezési lépésből fakad, nem önmagában a kapcsolódásból.
A beszerzési csapatoknak nem kell ismerniük a modellarchitektúrát ahhoz, hogy hasznos első ítéletet hozzanak. Megkérdezhetik, hogy a bútor kap-e olyan információt, amely már megmondja, hogy mit kell tennie.
A 'Mutasd a következő buszt hat perc múlva' adatfolyam kezelhető. A 'Sötétedéskor kapcsolja be a lámpát' egy érzékelőszabály kezelhető. 'Találjon megfelelő útvonalat a városházához annak, aki nem tud lépcsőzni' több munkát igényel, mert a kérés több jelentést is tartalmaz.
Ha egy rögzített szabály egyértelműen kezeli a feladatot, az AI hozzáadása csak növeli a költségeket és a bonyolultságot. Amikor először meg kell érteni, összehasonlítani vagy osztályozni a bemenetet, a mesterséges intelligencia gyakorlatiasabb oka van ennek.
Vegyünk egy utast, aki előtt áll egy AI intelligens buszmenedék . A személy megkérdezi: 'Melyik útvonal visz a legközelebb a múzeumhoz?' A beszéd a bemenet, de maga a hang nem hasznos az utazó számára. A rendszernek először ki kell derítenie, mit kérdez a személy, azonosítania kell a célállomást, össze kell kapcsolnia a kérést a rendelkezésére álló információkkal, majd válaszolnia kell.
A válasz megjelenhet szövegként, útvonalrajzként vagy beszédként. A szövegfelolvasó funkció, amelyet gyakran TTS-re rövidítenek, egyszerűen az írott információt beszélt kimenetté alakítja. Ez megkönnyítheti a nyilvános felületek használatát, ha valaki a hangos irányítást részesíti előnyben, vagy nem szeretne több menüképernyőn keresztül keresni.
Egy valós termékpélda megmutatja, hogyan élhet több beviteli és válaszmódszer egy berendezésben. A Shanghai Zemso Urban Furniture Technology Co., Ltd. a képelemzést, a TTS-t, az utasforgalmi statisztikákat, a digitális kérdéseket és válaszokat, az érintőképernyős interakciót és a hangos interakciót integrálja a ZEMSO-HCT-0001 intelligens buszmenedékbe. A hasznos tanulság nem a funkciók száma. Ez az, hogy a beszéd, érintés, képek és mozgásadatok ugyanabba a köztéri tárgyba kerülhetnek, de különböző feldolgozási formákat igényelnek, mielőtt hasznos eredményt hoznának.
Ugyanez a logika érvényes akkor is, ha a bemenet a környezettől érkezik, nem pedig egy személytől. A kamera vagy az érzékelő képes rögzíteni a menedékhely közelében végzett tevékenységeket, de a kép gyűjtése nem egyenlő annak megértésével, hogy mi történik benne. A nyers utasszámnak is korlátozott értéke van, amíg kontextusba nem helyezik.
Például egy kezelőnek tudnia kell, hogy az adott helyen végzett tevékenység normális-e az adott napszakban, vagy egyértelmű változás történik-e. A mesterséges intelligencia alapú képelemzés vagy mintafelismerés segíthet a nagy mennyiségű nyers tevékenységi adat egyszerűbb jellé alakításában, amelyet a személyzet áttekinthet. A HCT-0001 rendszerben a képelemzés és az utasforgalom elemzése más interaktív funkciók mellett működik az ilyen típusú bemeneti feldolgozás támogatására.
Ez nem jelenti azt, hogy az AI automatikusan tudja, hogy egy megálló miért foglalt. Az utasok számának növekedését esemény, szolgáltatási zavar, időjárás vagy más, a bútoron kívüli ok okozhatja. A rendszer segíthet azonosítani a mintát; az embereknek továbbra is értelmezniük kell a tágabb helyzetet, és el kell dönteniük, milyen cselekvésnek van értelme.
Az utasok számára a legértékesebb eredmény gyakran egyszerű: tudni, hogy mit kell tennie. Képzeljen el egy látogatót, aki megkérdezi: 'Melyik busszal viszek el a múzeumba?' A bemenet természetes nyelvű kérdés. A rendszer értelmezi az úti célt és ellenőrzi a rendelkezésére álló utazási információkat. A válasz megjeleníthet egy útvonalat, azonosíthat egy megállót, vagy kimondhatja a következő utasítást.
Ez értelmesebb értékmérő, mint azt kérdezni, hogy egy menhely tartalmaz-e mesterséges intelligenciát. Ha a felhasználók kevesebb lépéssel jutnak el a szükséges információkhoz, az interakció javult. Ugyanez a megközelítés támogathatja az átszállásokkal, a közeli megállókkal, a szolgáltatási értesítésekkel vagy az elérhető útvonalakkal kapcsolatos kérdéseket, ha a szükséges adatok rendelkezésre állnak.
A mesterséges intelligencia nem tulajdonítható olyan előnyöknek, amelyeket közvetlenül nem hoz létre. Egy beszélgetős menedékhely nem készteti hamarabb a busz érkezését. Nem szünteti meg a forgalmi torlódásokat. Feladata szűkebb: csökkentse az utazási kérdés és a következő döntést segítő információk megszerzése közötti erőfeszítést.
A hagyományos kültéri képernyők főként egyirányú kommunikációs eszközök. Térképeket, nyilvános közleményeket, figyelmeztetéseket, menetrendeket, hirdetéseket vagy élő hírfolyamokat jeleníthetnek meg. A távoli tartalomkezelés megkönnyíti a képernyők kezelését, de a távoli közzététel még mindig nem ugyanaz, mint az AI.
Az intelligens városok számára készült AI digitális jelzések hozzáadott értéket képviselnek, ha a kijelzőnek válaszolnia kell egy kérésre, nem pedig egyszerűen előre beállított tartalmat sugározni. A látogató kérhet útvonalat, kereshet egy úti célt, vagy olyan információkat kérhet, amelyek egyébként több menüszinten belülre temetnének.
A Shanghai ZEMSO BS-0005 ötvözi az útvonaltervezést, a képelemzést, a TTS-t, az utasforgalom elemzését, az érintőképernyős interakciót és a hangalapú kérdéseket és válaszokat. A felhőalapú tartalomkezelés, a távoli közzététel, a figyelés és az OTA szoftverfrissítések külön felügyeleti réteget alkotnak. Az első csoportba azok a függvények tartoznak, amelyeknél az értelmezés számíthat. A második csoport elsősorban a csatlakoztathatóságra és a rendszer működésére vonatkozik.
A rétegek külön tartása egyértelműbbé teszi a specifikációkat. A város ezután eldöntheti, hogy mely funkciókhoz van szükség mesterséges intelligenciára, és melyek maradhatnak egyszerű, kiszámítható digitális szolgáltatások.
Egy interaktív smart city kioszk ugyanazt az elvet követi más formában. Egy közlekedési csomópontban, parkban, polgári téren vagy közszolgáltatási területen lévő kioszk segíthet az embereknek útvonaltervet vagy alapvető helyi információkat találni. Egyes kérések elég egyszerűek egy nagy gombhoz, tiszta térképhez vagy rövid menühöz.
A hangos interakció hasznosabbá válik, ha a kérés nem felel meg ezeknek a rögzített választásoknak. A látogató megkérdezheti, hol találhat egy adott szolgáltatást, vagy írhat le egy úti célt a hétköznapi nyelven, ahelyett, hogy ismerné a hivatalos menükategóriáját.
A ZEMSO-FWT-0002 kombinálja az AI hangasszisztenst az alkalmazásalapú távfelügyelettel és más intelligens vezérlési funkciókkal. Ez a kombináció megmutatja, hogy az AI és a hagyományos csatlakoztatott vezérlők hogyan létezhetnek egymás mellett. Az AI interfész hozzáadása nem jelenti azt, hogy a kioszk minden funkciójának párbeszédesnek kell lennie. A legegyszerűbb felületnek továbbra is kezelnie kell a legegyszerűbb feladatot.
A nyilvános interakció csak az egyik oldala a mesterséges intelligens városi bútoroknak. Ugyanez a bemeneti és válaszadási modell segíthet a közterületek kezeléséért felelős személyeknek.
Tegyük fel, hogy az utasok aktivitása élesen megváltozik egy helyen. Szenzorok vagy képrendszerek biztosítják a bemenetet. Az Analytics időbeli mintázatot azonosíthat, vagy összehasonlíthatja az aktuális tevékenységet a normál használattal. A személyzet ezután hasznosabb jelet kap, mint a nyers számlálások folyama.
Ezek az információk támogathatják a döntéseket azzal kapcsolatban, hogy hol kell elhelyezni a szolgáltatási információkat, mikor kell felülvizsgálni a személyzetet, hogyan használnak egy nyilvános területet, vagy melyik hely érdemel nagyobb figyelmet. A fontos szó a 'támogatás'. A mesterséges intelligencia segíthet a bizonyítékok megszervezésében, de nem tudja automatikusan a változás okát, és nem dönti el, hogy melyik közpolitikai válasz a helyes.
A több adat tehát nem mindig jobb. A cél olyan információ legyen, amely egy olyan döntéshez kapcsolódik, amelyért valaki ténylegesen felelős. Az értékelésnek arra kell összpontosítania, hogy a rendszer jól teljesít-e a tervezett felhasználók, a cél és a valós működési környezet szempontjából.
A karbantartás egy másik hasznos tesztet kínál. A csatlakoztatott jel jelezheti, hogy egy képernyő offline állapotban van. A vezérlő működési módot válthat, ha a központi kapcsolat meghibásodik. A szoftver távolról frissíthető. Ezek értékes funkciók, de ha mindegyiket mesterséges intelligenciának hívjuk, akkor nehezebb megérteni, mire van valójában szüksége a rendszernek.
A Shanghai ZEMSO GG-0009 kültéri digitális jelzése egyesíti a központosított felügyeletet, az OTA távoli frissítéseket, az útvonaltervezést, a nyílt interfészt, az érintőképernyőt és a hang interakciót, valamint olyan mesterséges intelligencia funkciókat, mint a képelemzés, a TTS és az utasforgalom elemzése. Az ilyen típusú rendszereket felülvizsgáló város el tudja választani a menedzsment jellemzőit a kevésbé strukturált információkat értelmező funkcióktól.
A mesterséges intelligencia hasznos lehet, ha sok működési jelet kell összehasonlítani, és szokatlan mintákat kell megjelölni a személyzet számára. Ez eltér attól az állítástól, hogy bármely távoli riasztás prediktív karbantartás. A megbízható előrejelzés a megfelelő előzményadatokon, teszteken és bizonyítékokon múlik, hogy a rendszer jól működik valós működési körülmények között.
Az AI smart city bútorok akkor a leghasznosabbak, ha kérdéseket, utastevékenységet, képeket vagy rendszeradatokat válaszokká alakítanak, amelyek alapján az emberek cselekedhetnek. A mesterséges intelligenciával hajtott utcabútorok értékét ezért egy olyan egyértelmű lakossági igényhez kell kötni, mint az egyszerűbb útbaigazítás, az információkhoz való gyorsabb hozzáférés vagy a jobb működési tudatosság.
A Shanghai Zemso Urban Furniture Technology Co., Ltd. ezt a megközelítést alkalmazza az intelligens buszmegállókban, a digitális táblákban és az interaktív kioszkban, kombinálva az AI interakciót a kapcsolódó felügyeleti funkciókkal. Ezek az eszközök segíthetik a városokat a nyilvános információs szolgáltatások fejlesztésében, miközben a technológia a gyakorlati feladatokra összpontosít.
