Yapay Zeka Destekli Akıllı Şehir Mobilyaları

Kamu mobilyaları halihazırda canlı otobüs saatlerini görüntüleyebiliyor, dijital mesajları güncelleyebiliyor ve temel sensör kurallarına yanıt verebiliyor. Daha zor olan soru ise yapay zekanın bu sistemleri gerçekten ne zaman daha kullanışlı hale getireceğidir. AI akıllı şehir mobilyaları Bir kişi, kamera veya sensör, sistem yanıt vermeden önce yorumlanması gereken bir girdi sağladığında (bir yön talebi, değişen yolcu akışı veya alışılmadık bir çalışma sinyali) daha değerli hale gelir. Şehirler mobilite ve kamu hizmetleri için yapay zekayı keşfettikçe bu ayrım önem kazanıyor. Okuyucular, nerede olduğuna karar vermek için girdi → yorumlama → yanıt → değer testini kullanabilir. Yapay zeka destekli şehir mobilyaları pratik değer katıyor.

 

Bağlantılı Sokak Mobilyaları Ne Zaman Yapay Zekaya İhtiyaç Duyar?

Her 'akıllı' özellik bir yapay zeka özelliği değildir

'Akıllı' kelimesi genellikle dijital işlevlere sahip neredeyse tüm sokak armatürleri için kullanılır. Bu, bağlantı, otomasyon ve yapay zekayı karıştırmayı kolaylaştırır. Canlı otobüs saatlerini alan bir barınak bağlı. Bir sensör karanlığı algıladıktan sonra yanan ışık otomatiktir. Merkezi bir sistemden yeni kamu duyurularını indiren bir ekran hem bağlantılı hem de otomatik olabilir, ancak bu eylemlerin hiçbiri mutlaka yapay zeka gerektirmez.

Sistemin bir yanıtı seçmeden önce bir şeyi yorumlaması gerektiğinde yapay zeka daha anlamlı hale gelir. Yalnızca sabit bir talimatı takip etmek yerine, bir girdiyle çalışabilir ve hangi çıktının görev için daha yararlı olduğunu belirleyebilir. Bu ayrım şehir projeleri için önemlidir çünkü dikkatin teknolojinin gerçekte ne yaptığına odaklanmasını sağlar.

Mesele yapay zekanın her zaman daha iyi olması değil. Görevin kendisi basit olduğunda basit bir sistemin çalıştırılması genellikle daha kolaydır.

Mobilyanın ne aldığını sorarak başlayın

Teknolojiyi seçmeden önce girdiye bakın. Kamu mobilyaları, konuşma veya dokunmatik ekran eylemleri yoluyla doğrudan insanlardan bilgi alabilir. Sensörler ve kameralar, armatürün etrafındaki hareket veya aktivite hakkında bilgi sağlayabilir. Şehir sistemleri ayrıca rota verilerini, konum bilgilerini, hizmet güncellemelerini veya ekipman durumunu da sağlayabilir.

Bu girdilerin farklı ihtiyaçları vardır. Canlı varış zamanı zaten yapılandırılmıştır ve görüntülenmeye hazırdır. 'Merdiven kullanmadan kütüphaneye nasıl ulaşabilirim?' gibi sözlü bir soru daha az yapılandırılmıştır. İkinci girdi, bir yanıt sunmadan önce sistemin varış yerini tanımlamasını, erişilebilirlik ihtiyacını anlamasını ve her iki bilgi parçasını mevcut rota verileriyle birleştirmesini gerektirebilir.

Yapay zeka destekli sokak mobilyalarının normal bağlantılı ekranlardan farklılaşmaya başladığı nokta burasıdır. Katma değer, bağlantının kendisinden değil, yorumlama adımından gelir.

Basit bir test kullanın: Sistemin bir şeyi çözmesi gerekiyor mu?

Tedarik ekiplerinin yararlı bir ilk karara varmak için model mimarisini anlamasına gerek yoktur. Mobilyanın kendisine ne yapması gerektiğini söyleyen bilgileri alıp almadığını sorabilirler.

'Sonraki otobüsü altı dakika içinde göster' bir veri akışıyla gerçekleştirilebilir. 'Karanlık olduğunda ışığı aç' bir sensör kuralıyla çözülebilir. 'Merdivenleri kullanamayan biri için Belediye Binasına uygun bir rota bulun' talebi daha fazla çalışma gerektiriyor çünkü talep birçok anlam içeriyor.

Sabit bir kural görevi net bir şekilde yerine getiriyorsa yapay zeka eklemek yalnızca maliyet ve karmaşıklığı artırabilir. Girdinin ilk olarak anlaşılması, karşılaştırılması veya sınıflandırılması gerektiğinde yapay zekanın orada bulunmasının daha pratik bir nedeni vardır.

 

Yapay Zeka, Ham Girdileri Yararlı Bir Şeye Nasıl Dönüştürür?

Soru, sistemin harekete geçebileceği bir bilgi talebine dönüşür

Bir yolcunun önünde duran bir yolcuyu düşünün. AI akıllı otobüs barınağı . Kişi şunu sorar: 'Beni müzeye en yakın rota hangisidir?' Konuşma girdidir ancak sesin kendisi gezgin için yararlı değildir. Sistemin öncelikle kişinin ne sorduğunu çözmesi, hedefi belirlemesi, bu isteği mevcut bilgilerle ilişkilendirmesi ve ardından bir yanıt vermesi gerekiyor.

Yanıt metin, rota grafiği veya konuşma olarak görünebilir. Çoğunlukla TTS olarak kısaltılan metinden konuşmaya, yazılı bilgiyi basitçe sözlü çıktıya dönüştürür. Bu, birisi sesli yönlendirmeyi tercih ettiğinde veya çeşitli menü ekranlarında arama yapmak istemediğinde genel arayüzün kullanımını kolaylaştırabilir.

Gerçek bir ürün örneği, birden fazla girdi ve yanıt yönteminin tek bir donanımda nasıl yer alabileceğini göstermeye yardımcı olur. Shanghai Zemso Urban Furniture Technology Co., Ltd., görüntü analizi, TTS, yolcu akışı istatistikleri, dijital Soru-Cevap, dokunmatik ekran etkileşimi ve ses etkileşimini ZEMSO-HCT-0001 akıllı otobüs barınağına entegre ediyor. Yararlı ders özelliklerin sayısı değildir. Konuşma, dokunma, görüntüler ve hareket verileri aynı kamusal donanıma girebiliyor ancak yararlı bir sonuç üretmeden önce farklı işlem biçimleri gerektiriyor.

Görseller ve yolcu sayıları, kullanışlı hale gelmeden önce bağlama ihtiyaç duyar

Girdi bir kişiden ziyade çevreden geldiğinde de aynı mantık geçerlidir. Bir kamera veya sensör, bir sığınağın yakınındaki aktiviteyi yakalayabilir ancak bir görüntü toplamak, orada olup biteni anlamakla aynı şey değildir. Ham yolcu sayısı da bağlama yerleştirilinceye kadar sınırlı bir değere sahiptir.

Örneğin, bir operatörün günün o saatinde bir konumdaki faaliyetin normal olup olmadığını veya belirgin bir değişiklik olup olmadığını bilmesi gerekebilir. Yapay zeka tabanlı görüntü analizi veya örüntü tanıma, büyük miktarlardaki ham aktivite verilerinin personelin inceleyebileceği daha basit bir sinyale dönüştürülmesine yardımcı olabilir. HCT-0001 sisteminde görüntü analizi ve yolcu akışı analitiği, bu tür girdi işlemeyi desteklemek için diğer etkileşimli işlevlerle birlikte çalışır.

Bu, yapay zekanın bir durağın neden meşgul olduğunu otomatik olarak bildiği anlamına gelmez. Yolcu sayısındaki artış bir olaydan, hizmet kesintisinden, hava koşullarından veya mobilyaların dışında başka bir nedenden kaynaklanabilir. Sistem bir modelin belirlenmesine yardımcı olabilir; insanların hâlâ durumu daha geniş anlamda yorumlaması ve hangi eylemin anlamlı olduğuna karar vermesi gerekiyor.

 

İyi Bir Yapay Zeka Yanıtı Bir Sonraki Adımı Kolaylaştırmalıdır

Bir otobüs durağında faydalı sonuç, daha net bir seyahat kararıdır

Yolcular için en değerli çıktı genellikle basittir: bundan sonra ne yapılacağını bilmek. Bir ziyaretçinin 'Beni müzeye hangi otobüs götürüyor?' diye sorduğunu hayal edin. Girdi, doğal dildeki bir sorudur. Sistem varış noktasını yorumlar ve mevcut seyahat bilgilerini kontrol eder. Yanıt bir rota gösterebilir, bir durağı tanımlayabilir veya bir sonraki talimatı söyleyebilir.

Bu, bir barınağın yapay zeka içerip içermediğini sormaktan daha anlamlı bir değer ölçüsüdür. Kullanıcılar ihtiyaç duydukları bilgiye daha az adımla ulaşırsa etkileşim iyileşir. Aynı yaklaşım, gerekli veriler mevcut olduğunda transferler, yakındaki duraklar, hizmet bildirimleri veya erişilebilir rotalar hakkındaki soruları da destekleyebilir.

Yapay zekaya doğrudan yaratmadığı faydalar atfedilmemelidir. Konuşma barınağı otobüsün daha erken varmasını sağlamaz. Trafik sıkışıklığını ortadan kaldırmaz. Görevi daha dardır: Bir seyahat sorusu sorma ile bir sonraki karara yardımcı olacak bilgileri alma arasındaki çabayı azaltmak.

Dijital tabela yalnızca yayın yapmak yerine yanıt verebilir

Geleneksel dış mekan ekranları esas olarak tek yönlü iletişim araçlarıdır. Haritaları, kamuya açık duyuruları, uyarıları, programları, reklamları veya canlı yayınları gösterebilirler. Uzaktan içerik yönetimi bu ekranların kullanımını kolaylaştırır ancak uzaktan yayınlama hala yapay zeka ile aynı şey değildir.

Akıllı şehirler için yapay zeka dijital tabelalar, ekranın yalnızca önceden ayarlanmış içeriği yayınlamak yerine bir isteğe yanıt vermesi gerektiğinde değer katar. Bir ziyaretçi bir rota sorabilir, bir varış noktası arayabilir veya aksi takdirde çeşitli menü seviyelerinde gizlenecek bilgileri talep edebilir.

Shanghai ZEMSO'nun BS-0005'i rota planlamayı, görüntü analizini, TTS'yi, yolcu akışı analitiğini, dokunmatik ekran etkileşimini ve ses tabanlı Soru-Cevap özelliklerini birleştirir. Bulut içerik yönetimi, uzaktan yayınlama, izleme ve OTA yazılım güncellemeleri ayrı bir yönetim katmanı oluşturur. İlk grup yorumun önemli olabileceği işlevleri içerir. İkinci grup esas olarak bağlantı ve sistem işleyişiyle ilgilidir.

Bu katmanları ayrı tutmak özellikleri daha net hale getirir. Bir şehir daha sonra hangi işlevlerin yapay zekaya ihtiyaç duyduğuna ve hangilerinin basit, öngörülebilir dijital hizmetler olarak kalabileceğine karar verebilir.

Etkileşimli bir kiosk, her görevi konuşmaya dönüştürmeden yardım sunabilir

İnteraktif bir akıllı şehir kiosku aynı prensibi farklı bir biçimde izler. Bir ulaşım merkezinde, parkta, belediye meydanında veya kamu hizmeti alanındaki bir kiosk, insanların yön bulmasına veya temel yerel bilgileri bulmasına yardımcı olabilir. Bazı istekler büyük bir düğme, net bir harita veya kısa bir menü için yeterince basittir.

Talep bu sabit seçeneklere uymadığında sesli etkileşim daha kullanışlı hale gelir. Bir ziyaretçi, resmi menü kategorisini bilmek yerine, belirli bir hizmeti nerede bulacağını sorabilir veya bir varış noktasını günlük dilde tanımlayabilir.

ZEMSO-FWT-0002, yapay zeka ses asistanını uygulama tabanlı uzaktan izleme ve diğer akıllı kontrol işlevleriyle birleştirir. Bu kombinasyon, yapay zeka ve sıradan bağlantılı kontrollerin nasıl yan yana var olabileceğini gösteriyor. Bir AI arayüzü eklemek, kiosk içindeki her işlevin konuşmaya dayalı hale gelmesi gerektiği anlamına gelmez. En basit arayüz yine de en basit görevi yerine getirmelidir.

 

Aynı Giriş-Cevap Döngüsü Şehir Ekiplerine Yardımcı Olabilir

Yolcu akışı modelleri daha iyi işletme kararlarını destekleyebilir

Kamusal etkileşim, yapay zeka akıllı şehir mobilyalarının yalnızca bir yüzüdür. Aynı girdi-cevap modeli, kamusal alanların yönetiminden sorumlu kişilere yardımcı olabilir.

Bir lokasyonda yolcu aktivitesinin keskin bir şekilde değiştiğini varsayalım. Sensörler veya görüntü sistemleri girdiyi sağlar. Analitik, zaman içindeki bir modeli tanımlayabilir veya mevcut etkinliği normal kullanımla karşılaştırabilir. Personel daha sonra ham sayım akışından daha kullanışlı bir sinyal alır.

Bu bilgi, hizmet bilgilerinin nereye yerleştirilmesi gerektiği, personelin ne zaman gözden geçirilmesi gerekebileceği, kamusal alanın nasıl kullanıldığı veya hangi konumun daha yakından ilgilenilmesi gerektiği konusundaki kararları destekleyebilir. Önemli kelime 'destek'tir. Yapay zeka kanıtların düzenlenmesine yardımcı olabilir, ancak bir değişikliğin nedenini otomatik olarak bilemez veya hangi kamu politikası tepkisinin doğru olduğuna karar veremez.

Bu nedenle daha fazla veri her zaman daha iyi değildir. Amaç, birinin vermekten gerçekten sorumlu olduğu bir karara bağlanan bilgi olmalıdır. Değerlendirme, sistemin hedeflenen kullanıcılar, amaç ve gerçek işletim ortamı için iyi performans gösterip göstermediğine odaklanmalıdır.

Ekipman izleme, yapay zeka ve bağlantının neden ayrı kalması gerektiğini gösteriyor

Bakım başka bir yararlı test sunar. Bağlı bir işaret, bir ekranın çevrimdışı olduğunu bildirebilir. Merkezi bağlantı başarısız olursa kontrolör çalışma modlarını değiştirebilir. Yazılım uzaktan güncellenebilir. Bunlar değerli işlevlerdir ancak bunların hepsini yapay zeka olarak adlandırmak, sistemin gerçekte neye ihtiyacı olduğunu anlamayı zorlaştırır.

Shanghai ZEMSO'nun GG-0009 dış mekan dijital tabelası, merkezi yönetim, OTA uzaktan yükseltmeleri, yol planlama, açık arayüzler, dokunmatik ekran ve sesli etkileşimin yanı sıra görüntü analizi, TTS ve yolcu akışı analitiği gibi yapay zeka işlevlerini birleştirir. Bu tür bir sistemi inceleyen bir şehir, yönetim özelliklerini daha az yapılandırılmış bilgileri yorumlayan işlevlerden ayırabilir.

Birçok işletim sinyalinin karşılaştırılması gerektiğinde ve olağandışı modellerin personel için işaretlenmesi gerektiğinde yapay zeka yararlı olabilir. Bu, herhangi bir uzaktan uyarının öngörücü bakım olduğunu iddia etmekten farklıdır. Güvenilir tahmin, uygun geçmiş verilere, testlere ve sistemin gerçek çalışma koşulları altında iyi performans gösterdiğine dair kanıtlara bağlıdır.

 

Çözüm

Yapay zeka akıllı şehir mobilyaları; soruları, yolcu aktivitelerini, görüntüleri veya sistem verilerini insanların üzerinde hareket edebileceği yanıtlara dönüştürdüğünde en faydalı olanıdır. Bu nedenle yapay zeka destekli şehir mobilyalarının değeri, daha kolay rota rehberliği, bilgiye daha hızlı erişim veya daha iyi çalışma farkındalığı gibi açık bir kamu ihtiyacına bağlı kalmalıdır.

Shanghai Zemso Urban Furniture Technology Co., Ltd. bu yaklaşımı akıllı otobüs durakları, dijital tabelalar ve etkileşimli kiosklarda uygulayarak yapay zeka etkileşimini bağlantılı yönetim işlevleriyle birleştiriyor. Bu araçlar, teknolojinin pratik görevlere odaklanmasını sağlarken şehirlerin kamu bilgi hizmetlerini geliştirmesine yardımcı olabilir.