物联网和机器学习如何使我们的道路更安全
对于一些重大的技术改造，交通运输行业已经成熟，尤其是不断增加的摩托车事故。运输业伴随着伤害，高昂的维护成本，生命损失和灾难。根据国家安全委员会的数据，仅在美国，2015年就有440万人受伤，并且有38
通常，每年由于道路交通事故，汽车事故，尤其是摩托车事故，导致数十万人丧生。这些事故带来了惨痛的损失，包括财产损失，医疗费用，工资和生产力损失。每年的成本估计为1520亿美元。这笔估计费用甚至不包括对损坏的道路和高速公路系统的维修或一般保养。即使每年花费所有的钱，其资金仍然不足。
但是，这种情况最有可能在技术方面得到改善，特别是物联网（IoT）和机器学习，这两种尖端技术无疑将成为多年来我们生活各个方面的重要组成部分。来。借助我们运输行业中的IoT技术，我们能够实现成本降低，防止损坏并减轻风险。在机器学习支持的分析工具的支持下，连接传感器的实施可以帮助我们收集信息，进行分析，做出预测和决策，从而使道路安全。物联网和机器学习可以帮助您再次确保道路安全。
物联网为驾驶员提供实时数据
解决道路安全问题时必须考虑的一个重要因素物联网如何增强驾驶员的安全性，尤其是在不利的驾驶条件下。驾驶员最有可能遇到恶劣的天气条件，从而降低道路的能见度，例如雪，大雨和刺眼的阳光。影响驾驶员的最常见驾驶条件之一是起雾；在山区有更多的经验。雾在没有警告的情况下迅速发展，并在几分钟之内降低了道路的视野，这使其成为驾驶员非常危险的驾驶条件。有鉴于此，田纳西州的研究人员正在与思科合作，测试和开发一个烟雾传感器网络，该传感器已沿着全州的特定道路放置，以检测灰色区域。在练习过程中，此道路传感器将获取的数据将传输到中央区域交通中心。
物联网和机器学习将考虑多个因素，以找出这些当地天气状况的严重程度，然后生成最新的读数，使官员能够采取适当措施以确保该地区驾驶员的道路安全。
驾驶员的行为是与汽车相关的死亡的驱动因素
在研究减少道路伤亡的方法时，可以考虑很多因素，例如天气条件，一天中的时间，道路建设等，这些因素导致了导致死亡和死亡的公共道路事故。受伤。在所有因素中，人为因素仍然是造成道路交通事故的最主要因素。无论我们在道路上获得多么创新，我们都会继续被鲁re驾驶，分心驾驶，酒后驾驶和超速驾驶所吸引。当涉及到道路交通事故时，摩托车事故似乎是食物链中最重要的部分，场面最为恐怖和致命。我们还可以使用高级物联网来收集和分析数据，以预测公共道路的高风险部分，从而鼓励道路上的安全驾驶习惯。
物联网可以设计为在帮助驾驶员在道路上养成安全习惯方面发挥更积极的作用。Geotab是一家使用物联网（IoT）来大大减少事故的远程信息处理公司。Geotab首席执行官Neil Cawse表示：“在无人驾驶汽车全面推出之前，我们必须采用技术来帮助管理驾驶中的人为因素，”数据收集是第一步。借助远程信息处理，您可以了解有关车辆以及驾驶员正在做什么的无数事物。”
车载诊断（OBD）以及远程信息处理技术正在帮助保险公司和车队管理公司收集有关驾驶员，车辆和可测量事件（如加速，安全带使用，超速等）的信息，这有助于通过基于计分卡形式的驾驶数据。
Cawse还继续说：“第二步是驾驶员培训-使用数据帮助驾驶员学习安全驾驶。” “车载驾驶员反馈工具是改变驾驶员行为的有效方法。” Geotab用户利用倒车检测，防撞系统，移动摄像头以及视频和语音通知来检测风险并接收实时的车载反馈和警告。“它不仅可以确保人员安全，而且对于希望管理与事故相关的风险和控制成本的公司而言，这是一个主要好处。”

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！