IoT的增長助推了數據爆炸，這已不是秘密，國際數據公司(International Data Corporation)預測，到2025年，將有超過410億個聯網的IoT設備生成近80兆字節的數據。前所未有的數據涌入，再加上AI的發展以從中提取見解，將打造出一個比以前信息靈通得多的移動行業。

【資料圖】

通常將AI部署為使用位置情報數據自動創建地圖，從而為企業提供機會，通過使用真正的位置感知AI增強其獲取的見解。這意味著AI能夠理解位置信息的屬性，并允許開發人員將這些位置洞察力運用到他們的應用程序和產品中。

注入了位置數據的AI用于從其收集的數據創建模式識別和位置簽名，這可以支持生成高清地圖和逼真的模擬器以可視化此數據。從了解消費者的移動方式，到了解在哪里鉆探石油的最佳方式，這些智能可視化技術正在眾多行業中創建成倍數量的用例。

人工智能價值鏈在過去幾年中發生了巨大變化。我們正在從傳統的機器學習(ML)轉移到一個階段，在這個階段中，價值主要圍繞解決方案模型架構和算法，而ML的價值在于使基準模型可以處理您的數據并能夠對其進行演化，組合和擴展。

我們已經習慣了AI和ML的標準化部署以獲取位置情報，現在傳感器，天線或衛星用于生成標準清晰度地圖(例如人們在智能手機上的地圖)已變得司空見慣。我們越來越多地轉向由機器構建以服務機器的高清(HD)地圖，這使得可以針對特定用例部署此數據，例如構建用于自動駕駛的算法解決方案。這種新方法可以合并多個源以識別特征和模式，同時處理靜態和實時事件以預測行為和條件。

一個典型的例子是AI / ML支持的地圖，其中端到端過程創建了一個自我修復地圖，該地圖依賴于連續收集“低級”觀察值和“高級”聚合地圖特征，這兩者都是自動學習的功能。這些工具協同工作以發展和適應每個地圖特征，例如標志，車道，人行道，并針對每個地理區域進行學習。但是，它的不足之處在于它的剛性，因為它否定了圍繞數據本身收集的細微差別，這就是位置數據平臺正在創新以創建位置感知型AI的原因。

人工智能使預測成為可能

簡而言之，這是旨在了解其接收到的位置信息的依存關系和屬性并生成更高級見解的AI。跨物理對象的實時語義關系是其中的關鍵元素，可用于構建位置圖，該位置圖是世界的地理時空表示。

這些表示可用于通過使用實時數據(例如天氣，交通或傳感器數據)做出明智的預測。AI / ML將以上下文方式促進對位置和運動的理解，這將從根本上為我們提供改變位置信息的收集，表示和利用方式的新方法。

注入位置數據的AI可以發現新的數據模式，并為其收集的數據生成更準確的樣本。這意味著它可以用來暴露關鍵特征并以傳統AI方法無法實現的方式與其他數據組成，例如使用位置AI來預測交通數據中NO2濃度的相關性。

使運輸和物流業受益

通過AI收集的數據可用于為特定問題提供信息并幫助做出決策，如在運輸和物流行業中的使用所見。該行業面臨的關鍵挑戰是需要解決大規模優化問題。在大型供應鏈網絡中利用大量數據會給數據提供者帶來多對多的優化問題，這是因為提供者，消費者和方式的數量龐大。盡管在這個領域取得了進展，但通過使用位置感知的AI仍有發展空間。這項技術越來越多地嵌入到整個供應鏈網絡中，從而增加了用于跟蹤和監視的接口數量。

強化學習(RL)在運輸和物流行業中具有巨大的飛躍潛力。該技術支持仿真和靈敏度分析，可用于創建預測模型和仿真。RL可以幫助我們找到控制車隊的新方法，從而使車隊交通更為優化。其用途的一個示例可能是在最大的智能城市中規劃和管理交通流量，以最大程度地減少CO2排放，同時還保證最大的安全性和高效移動性。從這些模型中學到的見解可實現數據明智的決策和結果，從而形成有效的分銷網絡。

巨大的增長空間

位置感知型AI的潛力是巨大的，沒有人能聲稱在運輸和物流，汽車或智慧城市空間中充分利用了其功能。AI / ML的最大進步可能不會發生在封閉的實驗室中，而只能通過強大的開放生態系統和開放創新來實現。

位置平臺與學術機構或政府機構之間的協作可以在其中發揮關鍵作用，因為可以利用AI來推動“智能地球”的許多用例。定位平臺可以部署與公共安全相關的智慧城市計劃，或者為汽車和移動性行業的公司提供主要見解。這些見解可被視為移動領域中的一種新貨幣，可用于在構建可靠且關鍵的實時基于AI的位置情報服務方面取得重要進展。反過來，這些服務將在未來幾年內增強跨云，邊緣和設備部署的產品。

關鍵詞： 智慧城市 物流行業 優化問題