Inteligentne meble miejskie zasilane sztuczną inteligencją

Meble publiczne mogą już wyświetlać na żywo rozkłady jazdy autobusów, aktualizować komunikaty cyfrowe i reagować na podstawowe zasady czujników. Trudniejsze pytanie brzmi: kiedy sztuczna inteligencja faktycznie sprawi, że te systemy będą bardziej użyteczne. Inteligentne meble miejskie AI staje się bardziej wartościowy, gdy osoba, kamera lub czujnik dostarcza dane wejściowe wymagające interpretacji, zanim system będzie mógł zareagować – żądanie kierunku, zmiana przepływu pasażerów lub nietypowy sygnał operacyjny. To rozróżnienie ma znaczenie, gdy miasta wykorzystują sztuczną inteligencję do celów mobilności i usług publicznych. Czytelnicy mogą skorzystać z testu danych wejściowych → interpretacji → odpowiedzi → testu wartości, aby ocenić, gdzie Meble miejskie zasilane sztuczną inteligencją zwiększają wartość praktyczną.

 

Kiedy Connected Street Furniture faktycznie potrzebuje sztucznej inteligencji?

Nie każda „inteligentna” funkcja jest funkcją sztucznej inteligencji

Słowo „inteligentne” jest często używane w odniesieniu do prawie wszystkich opraw ulicznych wyposażonych w funkcje cyfrowe. Dzięki temu łatwo pomylić łączność, automatyzację i sztuczną inteligencję. Podłączona jest schronisko, które na bieżąco otrzymuje rozkłady jazdy autobusów. Światło, które włącza się po wykryciu ciemności przez czujnik, jest automatyczne. Ekran pobierający nowe ogłoszenia publiczne z systemu centralnego może być zarówno podłączony, jak i zautomatyzowany, ale żadne z tych działań niekoniecznie wymaga sztucznej inteligencji.

Sztuczna inteligencja staje się bardziej istotna, gdy system musi coś zinterpretować przed wybraniem odpowiedzi. Zamiast wykonywać tylko ustalone instrukcje, może pracować z danymi wejściowymi i określić, które wyjście jest bardziej przydatne dla danego zadania. To rozróżnienie ma znaczenie w przypadku projektów miejskich, ponieważ pozwala skupić uwagę na tym, co faktycznie robi dana technologia.

Nie chodzi o to, że sztuczna inteligencja jest zawsze lepsza. Prosty system jest często łatwiejszy w obsłudze, gdy samo zadanie jest proste.

Zacznij od zapytania, co otrzymuje mebel

Zanim wybierzesz technologię, spójrz na dane wejściowe. Meble publiczne mogą otrzymywać informacje bezpośrednio od ludzi za pomocą mowy lub działań na ekranie dotykowym. Czujniki i kamery mogą dostarczać informacji o ruchu lub aktywności wokół urządzenia. Systemy miejskie mogą również dostarczać dane o trasach, informacje o lokalizacji, aktualizacje usług lub stan sprzętu.

Te dane wejściowe mają różne potrzeby. Czas przybycia na żywo jest już ustrukturyzowany i gotowy do wyświetlenia. Pytanie mówione, takie jak „Jak mogę dotrzeć do biblioteki bez korzystania ze schodów?” jest mniej ustrukturyzowane. Drugie wejście może wymagać od systemu zidentyfikowania miejsca docelowego, zrozumienia potrzeby dostępności i połączenia obu informacji z dostępnymi danymi trasy przed przedstawieniem odpowiedzi.

W tym miejscu meble miejskie zasilane sztuczną inteligencją zaczynają różnić się od zwykłego podłączonego wyświetlacza. Wartość dodana pochodzi z etapu interpretacji, a nie z samej łączności.

Użyj jednego prostego testu: czy system musi coś wypracować?

Zespoły zakupowe nie muszą rozumieć architektury modelu, aby dokonać przydatnej pierwszej oceny. Mogą zapytać, czy mebel otrzymuje informację, która już mu mówi, co ma robić.

„Pokaż następny autobus za sześć minut” można obsługiwać za pomocą źródła danych. „Włącz światło, gdy robi się ciemno” można rozwiązać za pomocą reguły czujnika. „Znalezienie odpowiedniej drogi do ratusza dla osoby, która nie może korzystać ze schodów” wymaga więcej pracy, ponieważ prośba zawiera kilka znaczeń.

Jeśli ustalona reguła jasno radzi sobie z zadaniem, dodanie sztucznej inteligencji może tylko zwiększyć koszty i złożoność. Kiedy należy najpierw zrozumieć, porównać lub sklasyfikować dane wejściowe, sztuczna inteligencja ma bardziej praktyczny powód, aby tam być.

 

Jak sztuczna inteligencja zamienia surowe dane wejściowe w coś przydatnego

Pytanie staje się żądaniem informacji, na podstawie którego system może podjąć działania

Rozważmy pasażera stojącego przed Inteligentna wiata autobusowa AI . Osoba pyta: „Która trasa prowadzi mnie najbliżej muzeum?” Mowa jest sygnałem wejściowym, ale sam dźwięk nie jest przydatny dla podróżnika. System musi najpierw ustalić, o co pyta dana osoba, zidentyfikować miejsce docelowe, powiązać tę prośbę z dostępnymi informacjami, a następnie zwrócić odpowiedź.

Odpowiedź może mieć postać tekstu, grafiki trasy lub mowy. Zamiana tekstu na mowę, często skracana do TTS, po prostu zamienia informację pisemną na mowę. Może to ułatwić korzystanie z interfejsu publicznego, gdy ktoś woli wskazówki głosowe lub nie chce przeszukiwać kilku ekranów menu.

Prawdziwy przykład produktu pomaga pokazać, jak kilka metod wprowadzania i odpowiedzi może działać w jednym urządzeniu. Shanghai Zemso Urban Furniture Technology Co., Ltd. integruje analizę obrazu, TTS, statystyki przepływu pasażerów, cyfrowe pytania i odpowiedzi, interakcję na ekranie dotykowym i interakcję głosową w inteligentnej wiaty autobusowej ZEMSO-HCT-0001. Przydatną lekcją nie jest liczba funkcji. Polega to na tym, że dane dotyczące mowy, dotyku, obrazów i ruchu mogą trafiać do tego samego urządzenia publicznego, ale wymagają różnych form przetwarzania, zanim przyniosą użyteczny wynik.

Obrazy i liczba pasażerów wymagają kontekstu, zanim staną się przydatne

Ta sama logika ma zastosowanie, gdy dane wejściowe pochodzą od otoczenia, a nie od osoby. Kamera lub czujnik może rejestrować aktywność w pobliżu schronu, ale zrobienie obrazu to nie to samo, co zrozumienie, co się w nim dzieje. Surowa liczba pasażerów również ma ograniczoną wartość, dopóki nie zostanie umieszczona w odpowiednim kontekście.

Na przykład operator może potrzebować informacji, czy aktywność w danej lokalizacji jest normalna o tej porze dnia, czy też następuje wyraźna zmiana. Analiza obrazu oparta na sztucznej inteligencji lub rozpoznawanie wzorców może pomóc w przekształceniu dużych ilości nieprzetworzonych danych dotyczących aktywności w prostszy sygnał, który personel może sprawdzić. W systemie HCT-0001 analiza obrazu i analiza przepływu pasażerów współpracują z innymi interaktywnymi funkcjami, wspierając tego typu przetwarzanie danych wejściowych.

Nie oznacza to, że sztuczna inteligencja automatycznie wie, dlaczego przystanek jest zajęty. Wzrost liczby pasażerów może wynikać z wydarzenia, zakłóceń w świadczeniu usług, pogody lub z innej przyczyny leżącej poza samymi meblami. System może pomóc w zidentyfikowaniu wzorca; ludzie nadal muszą zinterpretować szerszą sytuację i zdecydować, jakie działanie ma sens.

 

Dobra reakcja sztucznej inteligencji powinna ułatwić następny krok

Na przystanku autobusowym użytecznym efektem jest podjęcie jaśniejszej decyzji o podróży

Dla pasażerów najcenniejszy wynik jest często prosty: wiedza, co dalej robić. Wyobraź sobie gościa pytającego: „Który autobus zabierze mnie do muzeum?”. Odpowiedzią jest pytanie w języku naturalnym. System interpretuje cel podróży i sprawdza dostępne mu informacje o podróży. Odpowiedź może wskazywać trasę, wskazywać przystanek lub podawać następną instrukcję.

Jest to bardziej znaczący miernik wartości niż pytanie, czy schronisko zawiera sztuczną inteligencję. Jeśli użytkownicy docierają do potrzebnych informacji w mniejszej liczbie kroków, interakcja uległa poprawie. To samo podejście może pomóc w odpowiedzi na pytania dotyczące transferów, pobliskich przystanków, powiadomień o usługach lub dostępnych tras, jeśli dostępne są potrzebne dane.

Sztucznej inteligencji nie należy przypisywać korzyści, których bezpośrednio nie tworzy. Schron konwersacyjny nie sprawi, że autobus przyjedzie wcześniej. Nie usuwa zatorów komunikacyjnych. Jego zadanie jest węższe: ograniczyć wysiłek między zadawaniem pytań związanych z podróżą a uzyskaniem informacji, które pomogą w podjęciu kolejnej decyzji.

Digital Signage może odpowiadać, a nie tylko nadawać

Tradycyjne ekrany zewnętrzne to głównie narzędzia komunikacji jednostronnej. Mogą wyświetlać mapy, ogłoszenia publiczne, ostrzeżenia, harmonogramy, reklamy lub kanały na żywo. Zdalne zarządzanie treścią ułatwia obsługę tych ekranów, ale zdalne publikowanie to wciąż nie to samo, co sztuczna inteligencja.

Digital Signage AI dla inteligentnych miast dodaje wartość, gdy wyświetlacz musi reagować na żądanie, a nie po prostu wyświetlać zaprogramowaną treść. Odwiedzający może zapytać o trasę, wyszukać miejsce docelowe lub poprosić o informacje, które w przeciwnym razie byłyby ukryte na kilku poziomach menu.

Urządzenie BS-0005 firmy Shanghai ZEMSO łączy w sobie planowanie tras, analizę obrazu, TTS, analizę przepływu pasażerów, interakcję z ekranem dotykowym oraz głosowe pytania i odpowiedzi. Zarządzanie treścią w chmurze, zdalne publikowanie, monitorowanie i aktualizacje oprogramowania OTA tworzą oddzielną warstwę zarządzania. Pierwsza grupa obejmuje funkcje, w których znaczenie może mieć interpretacja. Druga grupa dotyczy głównie łączności i działania systemu.

Utrzymanie tych warstw oddzielnie sprawia, że ​​specyfikacje są jaśniejsze. Miasto może wówczas zdecydować, które funkcje wymagają sztucznej inteligencji, a które mogą pozostać prostymi, przewidywalnymi usługami cyfrowymi.

Kiosk interaktywny może zaoferować pomoc bez konieczności konwersowania każdego zadania

Interaktywny kiosk inteligentnego miasta działa na tej samej zasadzie w innej formie. Kiosk w węźle komunikacyjnym, parku, placu miejskim lub w miejscu usług publicznych może pomóc ludziom w znalezieniu wskazówek lub podstawowych informacji lokalnych. Niektóre żądania są na tyle proste, że wymagają dużego przycisku, przejrzystej mapy lub krótkiego menu.

Interakcja głosowa staje się bardziej przydatna, gdy prośba nie pasuje do ustalonych wyborów. Odwiedzający może zapytać, gdzie znaleźć konkretną usługę lub opisać miejsce docelowe w języku potocznym, zamiast znać jego oficjalną kategorię menu.

ZEMSO-FWT-0002 łączy asystenta głosowego AI ze zdalnym monitorowaniem opartym na aplikacji i innymi inteligentnymi funkcjami sterowania. Ta kombinacja pokazuje, jak sztuczna inteligencja i zwykłe połączone elementy sterujące mogą istnieć obok siebie. Dodanie interfejsu AI nie oznacza, że ​​każda funkcja kiosku powinna stać się konwersacyjna. Najprostszy interfejs powinien nadal obsługiwać najprostsze zadanie.

 

Ta sama pętla od wejścia do odpowiedzi może pomóc zespołom miejskim

Wzorce przepływu pasażerów mogą pomóc w podejmowaniu lepszych decyzji operacyjnych

Interakcja publiczna to tylko jedna strona inteligentnych mebli miejskich AI. Ten sam model wejścia i odpowiedzi może pomóc osobom odpowiedzialnym za zarządzanie przestrzenią publiczną.

Załóżmy, że aktywność pasażerów w danym miejscu gwałtownie się zmienia. Dane wejściowe zapewniają czujniki lub systemy obrazu. Analityka może zidentyfikować wzór na przestrzeni czasu lub porównać bieżącą aktywność z normalnym użytkowaniem. Personel otrzymuje wówczas bardziej użyteczny sygnał niż strumień surowych zliczeń.

Informacje te mogą pomóc w podjęciu decyzji o tym, gdzie należy umieścić informacje o usługach, kiedy może zaistnieć potrzeba przeglądu personelu, w jaki sposób wykorzystywana jest przestrzeń publiczna lub która lokalizacja zasługuje na większą uwagę. Ważnym słowem jest „wsparcie”. Sztuczna inteligencja może pomóc w uporządkowaniu dowodów, ale nie zna automatycznie przyczyny zmiany ani nie decyduje, która reakcja polityki publicznej jest właściwa.

Dlatego więcej danych nie zawsze oznacza lepiej. Celem powinna być informacja, która łączy się z decyzją, za którą ktoś jest faktycznie odpowiedzialny. Ocena powinna koncentrować się na tym, czy system działa dobrze dla zamierzonych użytkowników, celu i rzeczywistego środowiska operacyjnego.

Monitorowanie sprzętu pokazuje, dlaczego sztuczna inteligencja i łączność powinny pozostać oddzielne

Konserwacja oferuje kolejny przydatny test. Połączony znak może zgłosić, że ekran jest w trybie offline. Sterownik może przełączać tryby pracy w przypadku awarii połączenia centralnego. Oprogramowanie można aktualizować zdalnie. Są to cenne funkcje, ale nazywanie ich wszystkich sztuczną inteligencją utrudnia zrozumienie, czego tak naprawdę potrzebuje system.

Zewnętrzne oznakowanie cyfrowe GG-0009 firmy Shanghai ZEMSO łączy w sobie scentralizowane zarządzanie, zdalne aktualizacje OTA, planowanie tras, otwarte interfejsy, ekran dotykowy i interakcję głosową, a także funkcje AI, takie jak analiza obrazu, TTS i analiza przepływu pasażerów. Miasto dokonujące przeglądu tego typu systemu może oddzielić funkcje zarządzania od funkcji, które interpretują mniej ustrukturyzowane informacje.

Sztuczna inteligencja może okazać się przydatna, gdy trzeba porównać wiele sygnałów operacyjnych i wskazać personelowi nietypowe wzorce. Różni się to od twierdzenia, że ​​jakiekolwiek zdalne alerty stanowią konserwację predykcyjną. Wiarygodne prognozy zależą od odpowiednich danych historycznych, testów i dowodów na to, że system działa dobrze w rzeczywistych warunkach pracy.

 

Wniosek

Inteligentne meble miejskie oparte na sztucznej inteligencji są najbardziej przydatne, gdy przekształcają pytania, aktywność pasażerów, obrazy lub dane systemowe w odpowiedzi, na podstawie których ludzie mogą podjąć działania. Wartość architektury miejskiej opartej na sztucznej inteligencji powinna zatem pozostać powiązana z wyraźną potrzebą publiczną, taką jak łatwiejsze prowadzenie po trasie, szybszy dostęp do informacji lub lepsza świadomość operacyjna.

Shanghai Zemso Urban Furniture Technology Co., Ltd. stosuje to podejście w inteligentnych wiatach przystankowych, rozwiązaniach Digital Signage i kioskach interaktywnych, łącząc interakcję AI z połączonymi funkcjami zarządzania. Narzędzia te mogą pomóc miastom ulepszyć usługi informacji publicznej, jednocześnie koncentrując technologię na zadaniach praktycznych.