3S Market deliver Smart and Valuable information for Business
工業 4.0 智慧工廠 |
這個未來派的交通系統可以結束交通堵塞 – Mach – NBC新聞
未來幾十年，世界各地道路堵塞的汽車數量預計將翻一番，因此需要採取新的方法來應對碰撞、控制交通信號燈和改道，以保持交通暢通。
我們都去過那裡。卡在似乎永遠不會變成綠色的紅綠燈處。坐在一排排長達數英里，或因突然消失的緩慢交通而延誤的汽車隊列中。交通擁堵是我們現代、快速發展的生活中的一大敗筆。我們一直在以一種非常不現代的方式與他們打交道。
我們不像過去那樣四處走動和旅行，但我們的交通管理系統一直在努力跟上他們現在必須應對的無情的車輛衝擊。堵車措施通常對道路或天氣條件的變化反應遲鈍，而且許多交通信號燈仍然在計時器上工作，這些計時器經常不同步，從而阻止車輛自由通行。
2015 年，全球道路上約有 13 億輛機動車輛，隨著發展中經濟體的日益富裕，預計到 2040 年這一數字將飆升至20 億以上。即使有了新的道路和旁路，這種不斷增加的交通量，可能很快就會超過我們的道路，在許多繁忙地區（例如城市）的應對能力。
但是，透過將新的通信技術與人工智慧 (AI) 的強大功能相結合，即時處理大量數據，或許可以解決我們堵塞的道路，從而應對越來越多的汽車。
印度班加羅爾經常面臨長時間的交通擁堵，高峰時段某些道路的平均速度僅為 4 公里/小時（2.5 英里/小時），西門子移動已經構建了一個原型監控系統，該系統通過交通攝影機使用人工智慧。交通攝影機會自動檢測車輛，並將此資訊發送回中央控制中心，在那裡算法會估計道路上的交通密度。然後，系統會根據即時道路擁堵情況更改交通燈。
然而，要以這種方式做出響應，需要數據。大量數據。幸運的是，這不是供不應求的東西。有很多資訊來自交通監控系統、道路基礎設施、汽車和司機自己通過他們的手機。數以百萬計的攝影機排列在我們的道路上，而過往的車輛會在隱藏在停機坪下的金屬環中感應出微小的電流，從而提供有關交通狀況的更多資訊。由於他們在手機和汽車上使用的導航軟體，駕駛者可以發送關於暫停的即時更新。
其中一些監控技術 —— 比如感應迴路 —— 自 1960 年代就已經存在，而其他一些比如能夠跟踪交通和讀取車牌的攝影機則是最近的。挑戰在於利用所有這些資訊做一些有用的事情。
「自從艾薩克牛頓以來，我們一直試圖透過建立數學模型來影響世界，」密西根大學工程學副教授 Gabor Orosz 說。「如果我們有數據，我們就可以解決問題。這同樣適用於交通。」
現在有人試圖利用人工智慧的能力，來理解大量資訊，並改變我們在城市中移動的方式。
倫敦艾倫圖靈研究所和豐田型動基金會的研究人員最近共同啟動了一個新項目，該項目正在探索如何透過使用人工智慧，來提高交通管理系統的動態性和響應性。他們目前正在使用複雜性和進化的模擬，幫助他們的算法學習如何預測流量的變化。儘管他們仍在測試系統，但他們希望很快將他們的系統應用到現實世界中。
「透過深度機器學習，我們可以提高可預測性，」豐田行動基金會研究和創新主管威廉·切爾尼科夫說。「然後，大都市行動管理人員可以在信號時間、系統用戶的建議路由和容量分配方面做出更快、更明智的決策。」
城市出行時間減少了 25%，而車輛排放量減少了 20%
在匹茲堡，研究人員已經在與城市管理者合作，採用自 2012 年以來一直在該市運作的類似方法。 由卡內基梅隆大學機器人研究所的研究人員，開發的自適應交通控制系統，已由一家公司在整個城市推出稱為快速流動技術。據該公司稱，他們的 Surtrac 技術正在匹茲堡的 50 個十字路口使用，自推出以來，它已將十字路口的等待時間減少了 40%。它還聲稱該市的出行時間減少了 25%，而車輛排放量減少了 20%。
該系統使用視頻源自動檢測道路使用者的數量，包括行人以及十字路口的車輛類型。然後，人工智慧軟體一秒一秒地處理這些資訊，以找出讓交通通過十字路口的最佳方式，根據保持交通暢通的最佳方式改變交通燈。決策可以自主做出，並與鄰近的交叉路口共享，以幫助他們了解即將發生的事情。
隨著汽車在行動電話和其他無線技術的幫助下，變得更加互聯，它們也將有助於向此類系統提供更多資訊。據 Rapid Flow 的 Griffin Schultz 稱，未來，聯網車輛將能夠將有關其速度、駕駛員行為甚至潛在故障的資訊傳達給周圍的基礎設施。
「目前我們只是在學習，但在未來這將無處不在，」他說。「這不僅僅是關於汽車，還將幫助多式聯運社會中的所有類型的道路使用者。」
在其他地方，智能基礎設施正在幫助交通網路變得更加互聯。Siemens Mobility 正在與世界各地的城市和市政當局合作，以確定運動模式，試圖找出改善每個人在路上的體驗的方法。
該公司智慧交通系統負責人 Markus Schlitt 表示：「全球各地都有現實世界的項目，應用也在不斷擴展。」
「在未來的城市中，交通將非常複雜，如果沒有人工智慧 (AI)，它將成為虛擬的交通擁堵，」施利特說。「透過利用數據，我們能夠辨識沒有人工智慧，就不會看到的模式透過不斷學習，我們能夠不斷更新交通模式，從而更新交通流量。這會減少等待時間和減少排放。」
在德國哈根，他們正在使用人工智慧來優化交通燈控制，並減少在十字路口的等待時間。模擬表明，與傳統的預先定時信號計劃相比，它可以將等待燈光的時間減少多達 47%。
但是，從人工智慧的使用中受益的不僅僅是駕駛者。Siemens Mobility 在葡萄牙里斯本營運著一支由 1,400 輛電動自行車組成的車隊，使用機器學習來分析天氣等各種數據源，以預測 140 個自行車共享站中每一個的未來需求。這使他們能夠確保自行車的可用性，和充電站的空間供歸還的自行車使用。這些預測與最近的交通資訊一起使用，以幫助自行車收集團隊補充停靠站，並為維護自行車的服務技術人員提供最佳路線。
「這不僅降低了營運成本，還提高了最終客戶的用戶體驗，」Schlitt 說。「因此，當你需要在里斯本四處走動時，你可以確保車站總有一輛電動自行車可供你使用。」
儘管這項技術非常出色，但我們不能僅僅依靠它。來自倫敦國王學院資訊學系和交通監控技術公司 Worldsensing 的聯合創始人 Mischa Dohler，一直在哥倫比亞波哥大，試驗人工智慧和機器學習。他說，這項技術已經產生了很好的效果，透過在發生事故時，使用道路信號和標誌來改變交通路線，減少交通擁堵，並減少駕駛者尋找停車位的時間。
但他表示，雖然人工智慧有助於使這種自適應交通網路成為可能，但人為因素也很重要。他稱之為「可解釋的人工智慧規劃」。它「非常重要，因為它可以自主做出智慧決策，但也是可以理解的」，允許人類與 AI 一起做出決策，或者在出現問題時進行調整。除了具備智力和技術能力外，駕車者自己還必須對他們的交通系統，由電腦控制的想法持開放態度。
「當城市依靠算法來製定政策時，該政策就會被計算混淆，」在線技術雜誌《行動世界》的編輯傑德卡特說。「當這些行為的原因隱藏在電腦代碼中時，公民更難理解為什麼他們被改道、拍照或拘留。」
但是，在道路上佈署智慧技術不僅僅能防止交通擁堵。來自 Vivacity Labs 的 Mark Nicholson 在英國米爾頓凱恩斯，運行了一個由英國政府支持的佈署智慧交通燈信號的項目，他說新技術還有很多其他好處。成本是一方面 —— 隨著技術接管了交通管理的更多繁重工作，在觀看交通攝影機等日常任務時，需要更少的人為干預。
「我們希望實現自動化，讓人類專注於重要或更長遠的事情，」Nicholson 說。「（事情）例如選擇空氣品質，是否足夠差以優先考慮 HGV，以確保它們不需要停在學校旁邊，計劃在何處設置新的旁路，以及選擇如何重新安排交通等緊迫問題一場車禍。」
Nicholson 說，技術的真正好處在於它可以讓人類解放出來，從事重要的更高層次的工作。透過自動化繁瑣、耗時的運輸網路日常運行，意味著與機器一起工作的人類，可以專注於他們最擅長的事情 —— 適應需要適應性思維，和創造性解決方案的情況。
米爾頓凱恩斯項目的結果很有希望。能夠辨識和分類所有車輛和道路使用者的，全市智慧能攝影機允許在城市周圍提供準確、高度本地化的數據，讓規劃人員和當局深入了解道路，何時何地變得繁忙、駕車者可能採取的預期路線，以及停車地點空間很可能是可用的。Vivacity 在米爾頓凱恩斯的主要路口安裝了411 個智慧交通攝影機，共計 104 個路口和 812 條車道。除了對道路使用者進行計數和分類外，感測器還可以測量車輛在路口之間行駛所需的時間，並提供即時照片以幫助制定未來規劃。
Vivacity 將數據輸入到機器學習模型中，該模型學習典型的日常模式，並將其與交通如何響應道路網路中的瞬態變化相結合。它會隨著時間的推移不斷發展和適應，從而提高其預測能力，並最大限度地減少所需的人工干預量。它提供歷史和即時數據，並預測當天的交通流量。
與現實情況相比，該系統已經提前 15 分鐘預測交通狀況，準確率為 89%。
「它不僅可以幫助市民即時了解當今的停車位可用性，還可以為米爾頓凱恩斯未來的互聯和自動交通技術奠定基礎，”尼科爾森說。
似乎很清楚的是，讓人工智慧在我們的道路上開綠燈，可以讓我們所有人都繼續前進。「這只是開始 —— 我們甚至還沒有完全利用人工智慧的能力和優勢，」來自 Seimens Mobility 的 Markus Schlitt 補充道。
 |
| IDVIEW 不只是縮時攝影 |
無人機 - 它們是如何工作的？
從手繪紙質圖表到高解析度航空攝影，長期以來，我們一直在幫助組織和政府機構跟踪環境變化和監測生態系統。
捕獲和處理環境監測數據的系統不斷發展，為那些能夠實施積極變革的人提供更準確、可操作的見解。
使用無人機技術，我們可以繪製和調查各種環境因素 —— 土地侵蝕、野火風險、入侵物種生長、瀕危物種種群等等。然後，組織可以使用這些數據做出更好、更明智的決策，以保護人類和自然。
換句話說，無人機技術創造了數位環境，來幫助我們更好地了解自然環境。
將航拍圖像與地理定位數據（如光探測和測距 (LIDAR) 和紅外成像）相結合，可以創建更詳細、更準確的環境表示。這是環境監測的關鍵，因為更準確的數據可以轉化為更明智的決策。
「 Epic Duck Challenge 」發現無人機衍生數據的準確度，比人工收集的地面計數高 43% 至 96%，因此無人機技術對於收集準確、可操作的環境資訊非常重要。
例如，LIDAR 技術（使用雷射脈衝收集物體和地形的 3D 模型和地圖的測量值）可以幫助監測海岸侵蝕。無人機用於從非常大的海岸線區域收集數據，使科學家能夠使用攝影測量圖像處理軟件製作高解析度地圖。
同樣，Mapware 使用無人機技術，協助美國空軍進行瀕危物種保護和生態系統健康評估。該項目的總體目標之一，是透過監測其自然棲息地來保護瀕臨滅絕的金頰鶯。
Mapware 使用數位高程模型、雷射雷達和紅外線成像等無人機技術，來創建詳細的數據集，然後可以參考這些數據集來幫助客製化有關棲息地保護的策略決策。
無人機技術還使我們能夠收集環境資訊，而不會對人類（或環境本身）造成傷害。
在脆弱的生態系統中，人為干擾可能會造成無意的破壞。例如，人類可能會無意中破壞瀕危物種的行為，或將病原體引入環境中，從而透過反向人畜共患病影響野生動物。無人機透過在人類和他們正在研究的環境之間保持距離來幫助研究人員避免造成這種傷害。
此外，如果沒有無人機，人類通常必須在危險的地形中航行才能收集數據。有些區域幾乎不可能步行到達，而無人機提供了一種替代方法來研究它們，而不會使研究人員處於危險之中。
在應對石油洩漏、野火和洪水等災難或追踪全副武裝的偷獵者時，徒步穿越充滿挑戰的地形時，風險甚至更高。特別是在這些情況下，遠程收集數據要安全得多。
雖然支持無人機的遙感和環境監測的用例很有前景，但仍有很多工作要做。
目前，此類監控應由適當機構（如 EPA 和美國空軍）而非日常消費者或活動家在仔細規劃和監督下完成。
隨著這項技術的不斷發展，無人機使用的社會影響，包括對隱私、安全以及人類和動物心理健康的擔憂，需要引起關注和進一步調查。
我們有兩個獨立的項目，我們正在透過無人機尋找鐵路維護和環境監測系統。
第一個項目是評估鐵路上和周圍的突然變化、潛在的土石流/泥土錯位，以及可能影響鐵路系統的任何其他差異。
第二個項目是透過分析無人機圖像，來檢測沿海地區的海洋污染情形。
|
| IDVIEW 不只是縮時攝影 |
數位化轉型如何改變化工行業
 |
| IDVIEW 即將登場 100% MIT |
如果化工公司想要在不斷變化的世界中，保持競爭力並向前發展，他們必須迅速採用創新技術。在這些公司中整合物聯網 (IoT) 可以提供重要的好處。將物聯網與機器學習相結合，可以推動化工行業更高效地工作，並創造更好的結果。
物聯網如何改善化學品生產？化工公司如何在其流程中使用物聯網和機器學習？
雖然許多行業都在擁抱物聯網，但它與化學品業務的關係似乎並不明確。在 ARC 諮詢集團行業論壇上的主題演講中，總裁 Andy Chatha
以更快的速度創造更高價值、更高利潤的產品的研發存在重大機會，特別是在特種化學品和作物保護化學品方面。高級分析和機器學習，可實現分子的高通量優化，以及實驗室測試和實驗的模擬，以系統地優化從試管到試管的性能和成本的藥片配方。.
例如，巴斯夫與惠普合作開發了一種
物聯網為製造和資產管理中的機器學習奠定了基礎。它可以捕獲有關資產狀態和性能、過程參數、產品品質、生產成本、儲存容量和庫存（遙測）、入站/出站物流、工人安全、產品與服務配對等的即時數據。
憑藉在捕獲、儲存、處理和分析數據方面的先進能力，大量的工廠、資產
在這種情況下，數位孿生在管理資產性能和維護方面，發揮著重要作用。一旦設計和設計了工廠和流程，數位孿生可用於透過模擬與安全，和/或性能相關的特殊工廠，和流程條件來培訓操作員 —— 就像飛行模擬器用於培訓飛行員的方式一樣。數位資產孿生可用於維護，以預測某些過程參數對資產性能、資產生命週期和維護需求的影響。
2016 年的一份行業報告以這樣一種方式，解釋了數位孿生的概念，即組織透過從實體到數位然後再返回到實體的移動，從資訊中創造價值。1另一份行業報告指出，一家使用數位孿生模型的石化公司，在產品轉換方面取得了 20% 的改進。2甚至數位孿生網路（圖 1）也被提議，來提高整個資產生命週期的互操作性，最終最大限度地提高資產性能。3
在開發創新原料和推動新收入流方面，分佈式製造/3D 列印，為化工行業帶來了全新的機會。雖然傳統部件製造中使用了 3,000 多種材料，但只有大約 30 種材料可用於 3D 列印。從這個角度來看，到 2020 年，化學粉末材料市場預計將超過 630 美元/年。
透過在可穿戴設備上，添加智慧標籤，可以提高工人的安全性，這有助於提醒工人接觸危險物質（例如有毒氣體）、即將出現的疲勞以及
供應鏈管理領域，存在許多未開發和潛在的物聯網和機器學習技術。例如，使用高級分析來提高預測準確性，可以改進整個銷售和營運計劃流程，以及相關的關鍵績效指標。
高級分析和機器學習，可用於降低供應鏈中斷的風險。例如，可以在自然災害期間，自動重新安排運輸路線，以最低成本實現準時交付目標和客戶承諾。
另一個機會，在於優化運輸資產的使用和相關成本。運輸化學品意味著考慮特殊設備，和複雜的合規要求，因此空回程是常態而不是例外。這會導致成本增加和資產利用率不理想。機器學習可以更好地利用運輸資產，並消除物流功能中的浪費。
過去幾年，化工行業作為資產密集型行業，一直致力於優化工廠和資產營運。然而，
透過將物聯網與機器學習相結合，化工公司可以向前發展，並獲得積極的業務成果。化工企業如何使用物聯網技術？工業企業已經建立或正在建立，將物聯網和機器學習結合起來，成為智慧企業的基礎。
一般來說，智慧企業推動改變遊戲規則的結果。他們事半功倍，並透過流程自動化為員工賦能。他們透過主動響應客戶期望，提供一流的客戶體驗。他們發明了新的商業模式和收入流。智慧企業差異化
總體而言，物聯網可以作為一種解決方案，幫助化工行業跟上時代的變化，更好地滿足股東和客戶的需求。然而，擁有乾淨和豐富的數據，來訓練算法和建構預測高品質結果的高品質模型是成功的關鍵。另一個關鍵的成功因素，是高技能的數據科學家。缺乏這些類型的專業人員可能是化學工業中，快速採用物聯網和機器學習的嚴重製約因素。
|
| IDVIEW 不只是縮時攝影 |
