Mercado de sensores de cámara automotriz en auge: sensores de estacionamiento para dominar

Casi todo el mundo ha oído hablar de los sensores de estacionamiento, incluso la mayoría de las personas que pertenecen a la industria del estacionamiento han trabajado con ellos en el pasado. Sin embargo, los sensores no son los mismos que ahora, como lo eran hace unos años. Con los cambios masivos en la tecnología, como las pruebas a largo plazo, la inteligencia artificial, la seguridad y el análisis de datos, y la toma de decisiones de los gemelos digitales, se han hecho sistema de sensor de estacionamiento más preciso, confiable y rentable. Debido a estas mejoras, las herramientas del sistema de sensores de estacionamiento se están convirtiendo en uno de los aspectos más importantes del desarrollo de ciudades inteligentes. La implementación de la solución de estacionamiento digital en Zona Azul Brasil es uno de los mejores ejemplos de estos cambios tecnológicos. Se espera que para 2050 más del 70% de la población se traslade a las áreas urbanas. Con las ciudades inteligentes, habría costos operativos bajos, áreas menos congestionadas y servicios mejorados. También incluye una mejor calidad del agua y del aire, y una mejor seguridad y protección. A pesar de todas estas ventajas y avances, muchas ciudades todavía tienen dificultades para comenzar y adoptar la tecnología. Para tales ciudades, la financiación de nuevas iniciativas y la falta de tecnología son algunos de los mayores desafíos. Sin embargo, al dar un pequeño paso a la vez, como comenzar con el transporte y el estacionamiento, estas ciudades pueden comenzar su sueño de infraestructura inteligente. También resolverá los puntos débiles de los residentes, como la contaminación y la congestión del tráfico. En una encuesta reciente de estacionamiento, se indicó que, en promedio, los conductores pasan más de 15 horas al año buscando espacios de estacionamiento en lotes, garajes o calles. A los estadounidenses les cuesta alrededor de $ 20 mil millones al año. Estas ineficiencias en el sistema de estacionamiento también afectan a las tiendas y negocios locales. Más del 60% de la U. S. los conductores evitan conducir a las tiendas, así como a otros destinos concurridos, debido a los problemas de estacionamiento disponibles. A continuación se mencionan algunas de las demandas de estacionamiento de los conductores: Más del 85 % quiere información sobre la disponibilidad de estacionamiento en tiempo real. Alrededor del 88 % busca los lugares de estacionamiento más cercanos o más baratos. Más del 80 % desea una navegación adecuada y directa al lugar de estacionamiento. Existen muchas soluciones. que puedan decirles a los conductores dónde y cuándo habrá lugares de estacionamiento disponibles. Estas soluciones utilizan sensores indicativos y algoritmos predictivos para adivinar el estado de ocupación del espacio. Aunque hay un bajo nivel de precisión en todos estos sistemas, los conductores resultantes no pueden encontrar estacionamiento disponible más fácil y rápido. Los algoritmos indicativos y predictivos conducen a una orientación ineficaz y también pierden muchos de los beneficios del sistema de estacionamiento inteligente. Para desarrollar realmente una solución inteligente de transporte y estacionamiento, es necesario tener datos en tiempo real para todos y cada uno de los espacios de estacionamiento. Incluye zonas de estacionamiento restringido como frente a zonas de carga y bocas de incendio y carriles de usos múltiples. Al detectar todos y cada uno de los detalles, las ciudades pueden obtener instantáneas precisas de su ecosistema y áreas de estacionamiento. También proporciona los datos de navegación que exigen los conductores. La opción de detección de espacio único brinda más oportunidades y flexibilidad a las ciudades para optimizar el inventario de estacionamiento a medida que cambian los objetivos. El sistema de transporte y estacionamiento debe verse como una inversión pequeña pero poderosa en el diseño de una ciudad inteligente. Cuando las ciudades optimicen el espacio de estacionamiento para recopilar datos con precisión sobre los espacios, será beneficioso para ellos, el estacionamiento se pagará por sí mismo y brindará apoyo a otras iniciativas de ciudades inteligentes. PREGUNTA RELACIONADA No recibí Google Glass Explorer Edition. ¿Es un esfuerzo inútil intentar aprender Glass dev sin el hardware? No, todavía puede aprender los fundamentos del desarrollo de vidrio sin el hardware. Hay tres enfoques principales para lograr esto: 1) Visite la documentación de la API de Mirror, ingrese al patio de recreo y comience a elaborar un código. Descargue la biblioteca PHP, Java y Python, con la que se sienta más cómodo. Familiarízate con la jerga y las conjuras (línea de tiempo, paquetes, menús, etc). Lea la documentación de soporte (segundo enlace a continuación) para ver cómo funciona realmente el hardware Glass. Cree algunas aplicaciones según esta especificación. Muy pronto, encontrará un amigo con hardware a t

La optimización de estacionamiento con sensores y API es uno de los casos de uso más claros para la implementación de IoT industrial y de ciudad inteligente. Existe una clara oportunidad comercial: maximizar los ingresos de los espacios de estacionamiento de automóviles. Hay un activo claro que se puede abrir a través de API: disponibilidad en tiempo real en plaza de aparcamiento vacante. Y hay oportunidades claras para hacer crecer nuevos servicios de calidad: aprovechando el aprendizaje automático para crear servicios predictivos. en datos de sensores y mapeándolos. Usando su hardware de sensor neuBox, VIMOC ha podido trabajar con estacionamientos para instalar sensores que rastrean conteos precisos en sus instalaciones. En el pasado, los talleres a menudo usaban sensores de bucle magnético, que tienen una precisión insuficiente para guiar a los conductores potenciales a las bahías vacías. Por lo tanto, había un caso comercial sólido para que los talleres usaran sensores más avanzados. De la misma manera que HotelTonight aprovecha las API para hacer que las habitaciones de hotel estén disponibles en el último minuto, con datos precisos de vacantes, los operadores de estacionamiento pueden maximizar sus tasas de vacantes (un espacio de estacionamiento en el Área de la Bahía, San Francisco, por ejemplo, podría valer entre $ 25,000 y $ 100,000 por año). año). Por lo tanto, poder optimizar los espacios de estacionamiento de automóviles es un imperativo comercial. Y la industria lo entiende. Hammadou dice que cuando presentó a los EE. S. asociación nacional de estacionamiento, nos vimos abrumados por la demanda de este tipo de tecnología. Uno de los requisitos que recibimos de los propietarios de garajes es que quieren poder enviar datos de vacantes en tiempo real a los desarrolladores de aplicaciones para permitir que los mapas GPS muestren los espacios vacantes. Por lo tanto, los propietarios de garajes desean una API abierta. Debido a la aceptación de la industria y el caso comercial claro, VIMOC ahora está avanzando hacia la incorporación del aprendizaje automático en el borde para asegurarse de que los desarrolladores de API tengan lo que necesitan para crear aplicaciones significativas a partir de los datos de estacionamiento. El principal desafío en la gestión y el crecimiento de una comunidad de desarrolladores es la calidad de los datos expuestos a través de la API y su capacidad para crear casos de negocios sólidos, dice Hammadou. La API en sí misma se puede administrar bien estableciendo el proceso de ingeniería y las opciones de diseño de arquitectura de software correctos para la escalabilidad, la seguridad y la disponibilidad. Sin embargo, es fundamental proporcionar datos de sensores precisos si se trata de resolver problemas complejos de infraestructura. Nuestra misión principal cuando nos relacionamos con cualquier desarrollador es ayudarlos a crear más valor para nuestros clientes que si brindáramos el servicio por nuestra cuenta. Es fundamental establecer un proceso comercial sólido para administrar diferentes proyectos con los desarrolladores. Si la calidad de los datos, el proceso comercial y la estrategia de monetización no se establecen como parte del compromiso de la API, no hay incentivos ni recompensas sostenibles para el proveedor de la API, el desarrollador o el usuario final. Hammadou considera que el ajuste del mercado de productos es una combinación de datos de alto valor que su API pone a disposición para que los desarrolladores puedan crear aplicaciones y servicios de calidad, y que existe un programa de distribución de ingresos que reconoce a los desarrolladores como creadores de negocios por sí mismos. Correcto. Otros ejemplos de proveedores de API de estacionamiento incluyen: Detección mundial Estacionamiento inteligente Citibrain Lo que esto significa para apoyar a una comunidad de desarrolladores en torno a su API de IoT Las experiencias de VIMOC ofrecen excelentes lecciones para cualquier proveedor de IoT que busque crear comunidades de desarrolladores de API en torno a su solución. Documente el caso de uso. Sea muy claro acerca de cómo su solución IoT puede ser utilizada por industrias particulares y establezca relaciones con esas industrias para que entiendan la conexión API-ingresos. VIMOC pudo explicar su tecnología y obtener una industria tradicional como los estacionamientos que solicitan API e integraciones. Asegúrese de que su solución de IoT genere datos precisos que estén disponibles para los desarrolladores para que puedan crear productos y servicios de alta calidad y ricos en funciones. VIMOC generó confianza y credibilidad con los desarrolladores externos al garantizar que sus datos proporcionaran una magnitud de precisión mayor que las soluciones de IoT anteriores. Una vez que su solución de IoT esté en su lugar y genere datos precisos, entonces es posible introducir nuevas tecnologías de vanguardia como el aprendizaje automático para impulsar una nueva innovación. No comience con el aprendizaje profundo y el ML: esta es la segunda ola de desarrollo de funciones para proyectos de infraestructura de IoT. Piense en modelos comerciales programables. Mire cómo puede asociarse con los desarrolladores de API a través de modelos de ingresos compartidos en lugar de crear un enfoque de precios de API transaccional donde los desarrolladores deben pagar por el acceso a su API. Si le gusta este artículo, haga clic en el botón a continuación y siga esta publicación para no perdérselo. ¿Listo para comenzar a participar y hacer crecer su comunidad de API con Hitch? Regístrese ahora PREGUNTA RELACIONADA No recibí Google Glass Explorer Edition. ¿Es un esfuerzo inútil intentar aprender Glass dev sin el hardware? No, todavía puede aprender los fundamentos del desarrollo de vidrio sin el hardware. Hay tres enfoques principales para lograr esto: 1) Visite la documentación de la API de Mirror, ingrese al patio de recreo y comience a elaborar un código. Descargue la biblioteca PHP, Java y Python, con la que se sienta más cómodo. Familiarízate con la jerga y las conjuras (línea de tiempo, paquetes, menús, etc). Lea la documentación de soporte (segundo enlace a continuación) para ver cómo funciona realmente el hardware Glass. Cree algunas aplicaciones según esta especificación. Muy pronto, encontrará un amigo con hardware a t

Se prevé que el mercado de estacionamiento inteligente para automóviles de pasajeros crezca a una CAGR del 17,94%, para alcanzar un tamaño de mercado de USD 5250 millones para 2021. La producción mundial de vehículos ha aumentado de 84,2 millones en 2012 a 90,8 millones en 2015. Además desde 2012, con un crecimiento de 8. 6%, la producción total de automóviles de pasajeros aumentó a 68,5 millones en 2015. Este rápido aumento en el número de automóviles en la carretera no ha llevado a un aumento similar en la disponibilidad de espacios de estacionamiento. Con el fin de dar cabida a más vehículos, los garajes de estacionamiento proporcionan espacios de estacionamiento reducidos. Muchas ciudades están planificando la infraestructura de estacionamiento de manera más eficiente. Esto impulsará la demanda de automóviles de pasajeros equipados con un sistema de asistencia de estacionamiento inteligente. El factor que frena el crecimiento del mercado es el alto costo de desarrollar un sistema inteligente de asistencia al estacionamiento, que por lo tanto aumenta el costo de un automóvil de pasajeros. Los sensores de estacionamiento aportan la mayor parte, en términos de valor y volumen, en el mercado de componentes de estacionamiento inteligente para automóviles de pasajeros. Los sensores de estacionamiento dominan el mercado de componentes de estacionamiento inteligente para automóviles de pasajeros. Los sensores de estacionamiento no solo ayudan a reducir el daño causado al vehículo durante el estacionamiento y la marcha atrás, sino que también pueden ayudar a reducir la congestión del tráfico al ofrecer una mejor vista o idea sobre el entorno trasero al alertar al conductor. La cantidad de sensores de estacionamiento utilizados en un sistema de asistencia de estacionamiento inteligente varía según el OEM y el modelo del vehículo. Para reducir los accidentes causados ​​por vehículos que salen marcha atrás de un espacio de estacionamiento, la U. S. La Administración Nacional de Seguridad del Tráfico en las Carreteras (NHTSA, por sus siglas en inglés) dictaminó que todos los automóviles de pasajeros nuevos deberán estar equipados con cámaras retrovisoras a partir de 2018. Incluso se espera que el Ministerio de Transporte por Carretera y Carreteras de la India (MoRTH) haga que los sensores retrovisores sean obligatorios para todos los vehículos de pasajeros en la India. Los gobiernos de todo el mundo están en proceso de implementar regulaciones para hacer que los sensores de estacionamiento en reversa sean obligatorios en los vehículos. Hable con nuestro analista y obtenga información crucial de la industria que ayudará a su negocio. La tecnología de sensores es el segmento de más rápido crecimiento del mercado de tecnología de sensores de estacionamiento inteligentes para automóviles de pasajeros La tecnología de sensores se utiliza principalmente para detectar obstáculos en una distancia de largo alcance. Aunque, actualmente ampliamente utilizado en funciones avanzadas de asistencia al conductor, la demanda de tecnología de sensores de radar aumentaría con los desarrollos tecnológicos en el sistema de asistencia de estacionamiento inteligente. Los sensores ultrasónicos y los sensores de imagen son opciones comparativamente menos costosas para realizar la función básica de detección de obstáculos que los sensores de radar. Sin embargo, los desarrollos en el estacionamiento inteligente sofisticado, como el estacionamiento totalmente autónomo, impulsarán la demanda de sensores de radar con función de detección de distancia de largo alcance. Asia-Oceanía: El mercado de asistencia inteligente para estacionamiento para automóviles de pasajeros de más rápido crecimiento Se estima que Asia-Oceanía es el mercado de asistencia inteligente para estacionamiento para automóviles de pasajeros con el crecimiento más rápido, y se prevé que crezca a la CAGR más alta durante el período de pronóstico. Según OICA, Asia-Oceanía es el mayor contribuyente a la producción mundial de automóviles de pasajeros. La producción de automóviles de pasajeros en Asia-Oceanía ascendió a 40. 0 millones de vehículos en 2015. China, Japón e India son los mayores contribuyentes a la producción total de automóviles de pasajeros en Asia-Oceanía. A medida que aumenta el número de vehículos en la carretera, también aumenta la demanda de espacio de estacionamiento. Para satisfacer la creciente demanda de espacios de estacionamiento, los gobiernos están planificando una infraestructura de estacionamiento eficiente que minimice el desperdicio de espacio y acomode una mayor cantidad de vehículos. Dichos factores aumentarán la demanda de automóviles de pasajeros equipados con estacionamiento inteligente. El sistema de asistencia de estacionamiento inteligente reduce el estrés de estacionar en espacios reducidos y permite una utilización óptima del espacio de estacionamiento. Por lo tanto, el aumento de la inversión en infraestructura de estacionamiento y la mejora en la gestión del tráfico y el estacionamiento impulsarán el mercado de estacionamiento inteligente en Asia-Oceanía. Descargar PDF: mercadosymercados. Com/pdfdownloadNuevo. ¿Asp? id=123959229El informe proporciona perfiles detallados de las siguientes empresas: Robert Bosch GmbH Continental AG Valeo S.A. Delphi Automotive Aisin Seiki Siemens AG Xerox Corporation Cubic Corporation Amano Corporation Kapsch TrafficCom AG TKG Group Nedap Identification SystemsResearch CoverageEl mercado de estacionamiento inteligente se ha segmentado según el tipo de sistema de asistencia de estacionamiento (asistencia de estacionamiento guiada, asistencia de estacionamiento inteligente), componentes (sensores de estacionamiento, ángulo de dirección sensores, unidades de visualización, ECU), tecnología de sensores (ultrasonidos, radar e imagen), mercado de gestión de aparcamientos por vertical (gubernamental y comercial) y soluciones de gestión de aparcamientos (seguridad y vigilancia, gestión de aparcacoches, gestión de reservas de aparcamiento y reconocimiento de matrículas). El mercado se ha dado en términos de volumen (000/millón de unidades) y valor (USD millones/mil millones). Razones para comprar el informe: este informe contiene varios niveles de análisis, incluido el análisis de la industria (análisis factorial y análisis de las cinco fuerzas de Porters) y perfiles de empresas, que en conjunto comprenden y analizan los puntos de vista básicos sobre los segmentos emergentes y de alto crecimiento del estacionamiento inteligente. Mercado de automóviles de pasajeros y mercado de gestión de estacionamiento, panorama competitivo, regiones y países de alto crecimiento, iniciativas gubernamentales y dinámicas de mercado como impulsores, restricciones, oportunidades y desafíos. El informe permite a los nuevos participantes/empresas más pequeñas, así como a las empresas establecidas. comprender mejor el mercado para ayudarlos a adquirir una mayor cuota de mercado. Las empresas que adquieran el informe podrían utilizar cualquiera de las cuatro estrategias mencionadas a continuación o una combinación de ellas (desarrollo de mercado, desarrollo/innovación de productos, diversificación de mercado y evaluación competitiva) para fortalecer su posición en el mercado. Acerca de MarketsandMarkets MarketsandMarkets proporciona investigación B2B cuantificada sobre 30 000 oportunidades/amenazas de nicho de alto crecimiento que afectarán entre el 70 % y el 80 % de los ingresos de las empresas en todo el mundo. Actualmente atiende a 7500 clientes en todo el mundo, incluido el 80% de las empresas globales de Fortune 1000 como clientes. Casi 75 000 altos funcionarios de ocho industrias en todo el mundo se acercan a MarketsandMarkets para conocer sus puntos débiles en torno a las decisiones de ingresos. Knowledgestore, la principal plataforma de investigación de mercado e inteligencia competitiva de MarketsandMarkets, conecta más de 200 000 mercados y cadenas de valor completas para una comprensión más profunda de los conocimientos no resueltos junto con el tamaño del mercado y las previsiones de nichos de mercado. Contacto: Mr. Shelly Singh MarketsandMarkets INC. 630 Dundee Road Suite 430 Northbrook, IL 60062 EE. UU.: 18886006441 PREGUNTA RELACIONADA No recibí Google Glass Explorer Edition. ¿Es un esfuerzo inútil intentar aprender Glass dev sin el hardware? No, todavía puede aprender los fundamentos del desarrollo de vidrio sin el hardware. Hay tres enfoques principales para lograr esto: 1) Visite la documentación de la API de Mirror, ingrese al patio de recreo y comience a elaborar un código. Descargue la biblioteca PHP, Java y Python, con la que se sienta más cómodo. Familiarízate con la jerga y las conjuras (línea de tiempo, paquetes, menús, etc). Lea la documentación de soporte (segundo enlace a continuación) para ver cómo funciona realmente el hardware Glass. Cree algunas aplicaciones según esta especificación. Muy pronto, encontrará un amigo con hardware a t

Se espera que el tamaño del mercado mundial de sensores para evitar colisiones alcance los USD 18,97 mil millones para 2025, según un nuevo estudio realizado por Grand View Research, Inc., que muestra un 21. 2% CAGR durante el período de pronóstico. Se espera que la integración de los sistemas anticolisión en los vehículos del mercado masivo y las clasificaciones de seguridad actualizadas de las agencias impulsen el crecimiento del mercado en los próximos años. El aumento de la conciencia del consumidor y el amplio enfoque en la investigación y el desarrollo por parte de los actores de la industria han sido los principales impulsores del crecimiento del mercado. La instalación de sistemas para evitar colisiones permite que los vehículos tomen decisiones autónomas y semiautónomas. También se espera que la creciente demanda de seguridad de los vehículos por parte de los consumidores y las agencias gubernamentales reguladoras de la seguridad de los vehículos impulse el crecimiento del mercado de sensores para evitar colisiones. Los desarrollos tecnológicos recientes en sensores se centran en construir dispositivos altamente sofisticados y aumentar su rendimiento utilizando varios componentes del vehículo. Los sistemas anticolisión permiten a los OEM automotrices integrar inteligencia adicional para lograr el objetivo de desarrollar un vehículo autónomo. Los estrictos estándares legales y reglamentarios han exigido la adición de sensores para mejorar las características de seguridad en los vehículos. Se espera que esto impulse la demanda de sensores para evitar colisiones durante el período de pronóstico. Sin embargo, el alto costo de los sistemas basados ​​en LiDAR y los radares de largo alcance pueden obstaculizar el crecimiento del mercado, ya que los fabricantes de automóviles de bajo precio pueden abstenerse de instalar sensores para evitar aumentar el precio general de los vehículos. Haga clic en el enlace a continuación: hallazgos clave de la informe sugiere:Se espera que la integración de los sistemas de prevención de colisiones en los vehículos ayude a reducir el número de accidentes de vehículos debido a errores humanos; se dice que estos últimos representan el 90% de los accidentes, según un estudio de la Colaboración de Seguridad Vial de la ONU de 2014. Se proyecta que el segmento de radar represente 44. 5% del mercado mundial para 2025. La caída de los precios de los radares ha llevado a una mayor adopción por parte de varios fabricantes de equipos originales (OEM) de automóviles. Se espera que el segmento del sistema de advertencia de colisión (FCWS) represente una importante cuota de mercado para 2025, ya que estos sistemas ayudan a reducir significativamente las colisiones traseras o los accidentes. Durante el período de pronóstico, se prevé que Europa mantenga su posición como líder del mercado en la adopción sensores y sistemas de evasión y se prevé que alcance los USD 5800 millones para 2025. Entre los principales participantes del mercado se incluyen NXP Semiconductors, Continental AG, Delphi Automotive, Robert Bosch GmbH y Murata Manufacturing Co., Ltd. PREGUNTA RELACIONADA No obtuve Google Glass Explorer Edition. ¿Es un esfuerzo inútil intentar aprender Glass dev sin el hardware? No, todavía puede aprender los fundamentos del desarrollo de vidrio sin el hardware. Hay tres enfoques principales para lograr esto: 1) Visite la documentación de la API de Mirror, ingrese al patio de recreo y comience a elaborar un código. Descargue la biblioteca PHP, Java y Python, con la que se sienta más cómodo. Familiarízate con la jerga y las conjuras (línea de tiempo, paquetes, menús, etc). Lea la documentación de soporte (segundo enlace a continuación) para ver cómo funciona realmente el hardware Glass. Cree algunas aplicaciones según esta especificación. Muy pronto, encontrará un amigo con hardware a t

Forma vs Sustancia en las Ciudades Inteligentes Hay tres tipos de personas en este mundo. En primer lugar, hay personas que hacen que las cosas sucedan. Luego están las personas que ven cómo suceden las cosas. Por último, hay personas que no son ni hacedores ni observadores, todo lo que hacen es preguntarse repetidamente: ¿qué está pasando? Steve BackleyComo era de esperar, mis interacciones recientes con la comunidad de Venture Capital (VC) son tanto desafiantes como gratificantes. La receptividad a mi oferta innovadora publicada en Plan B Ventures The Last Call ha sido EXCEPCIONAL. Y significa una cosa con seguridad: ¡preguntas! ¡preguntas frecuentes, directas, directas, sin anestesia! Desde que expresé tantas dudas sobre ver autos verdaderamente autónomos y autónomos deambulando por las calles de la ciudad en los próximos 5 años, me preguntan con frecuencia: ¿qué otros desarrollos de IoT ya están afectando a las SmartCities hoy? , de una manera profunda y significativa? Entonces, ¿cómo respondes una pregunta compleja, en el acto, y sin tomarte el tiempo para PENSAR? Bueno, mi respuesta no debería sorprenderte, ya que ya escribí sobre ella en mi publicación que describe EL PODER DE LOS OPUESTOS titulado: La mente inquisitiva Es cierto que yo escribió en su blog el mes pasado en nuestro sitio web, LinkedIn y Twitter sobre una molesta burbuja de inteligencia artificial en relación con los autos sin conductor. En una publicación titulada: ¿Estás listo para volar con tu esposa e hijos SIN piloto? Hablé sobre la seguridad en el transporte y enfaticé que el primer piloto automático de avión fue desarrollado por Sperry Corporation en 1912. ¡Fue hace más de 100 años! Y, sin embargo, todavía estamos esperando ver a un piloto en una cabina. ¿No es así? En: Sobre IA, Piloto automático, Autos sin conductor. y Bee Question, mi objetivo era señalar que necesitamos más rigor en la gestión de las expectativas de la IA. No pasa una semana sin que sienta una fuerte necesidad de señalar cómo algunos de los titulares son engañosos. No me importa cuánto dinero se gaste en generar publicidad, siempre y cuando los accionistas de varias corporaciones ENTIENDAN que la conducción autónoma no es más que un experimento. Tal vez sea uno de los experimentos comerciales más CAROS jamás realizados, pero digamos las cosas buenas, buenas. Poniendo a prueba la TEORÍA DE LOS OPUESTOS déjame preguntarte: ¿Qué es lo opuesto a la CONDUCCIÓN AUTÓNOMA? La respuesta: ESTACIONAMIENTO AUTOMÁTICO. Entonces, en este punto, me gustaría pasar a un área que no ha recibido cobertura de autos sin conductor y decirle por qué debería hacerlo. ¡Estoy hablando de un enorme impacto de las tecnologías y aplicaciones de estacionamiento automático en SmartCities en todo el mundo! Evolución del estacionamiento automático PGS 1.0 En la mayoría de los entornos urbanos modernos, la cantidad de automóviles está creciendo rápidamente. La disponibilidad de plazas de aparcamiento público en las grandes ciudades no puede satisfacer el aumento de la demanda. Durante años, los sistemas de gestión de la infraestructura de estacionamiento no lograron controlar los espacios de estacionamiento gratuitos. Como resultado, muy a menudo, el conductor no podía encontrar un espacio vacío rápidamente y tenía que dar vueltas creando atascos. Las primeras soluciones a tales problemas comprenden los sistemas de guía de estacionamiento (PGS) 1. 0 con el objetivo de: Guiar a los conductores directamente al primer espacio disponible Reducir la congestión, la contaminación por ralentí y el estrés bajo presión de tiempo Ahorrar tiempo y dinero a los conductores y propietarios/gerentes de instalaciones Los municipios, los propietarios y operadores de talleres se dieron cuenta rápidamente de que PGS puede mejorar el servicio al cliente & satisfacción, en particular, PGS puede: Aumentar la lealtad de los clientes y las visitas repetidas Mejorar las ganancias y la economía Aumentar la tasa de llenado de espacios de estacionamiento Aumentar el valor de la propiedad Evitar el exceso de colas en la entrada Ofrecer una ventaja competitiva y la capacidad de aumentar las tarifas por hora Históricamente, la proliferación de sistemas PGS 1.0 ha mucho más fuerte en Europa que en N/A. A pesar de que el estacionamiento es una industria de $25 mil millones en los EE. S. funcionó durante años de manera convencional, con poco énfasis en la innovación y el estacionamiento inteligente. Según Frost & Sullivan informa, un cuarto de billón registrado en EE. UU. los vehículos de pasajeros permanecen estacionados más del 90 por ciento del tiempo. Se estima que el número total de espacios de estacionamiento en los 28 países de la UE es de 440 millones, mientras que América del Norte tiene 800 millones de espacios de 40 000 garajes y estacionamientos en superficie. Se ha estimado que más del 30 por ciento del tráfico en una ciudad es causado por conductores. que están buscando un lugar de estacionamiento. Los sistemas de estacionamiento ineficientes y mal administrados generan congestión y mayores emisiones de carbono, lo que hace que los pasajeros pierdan tiempo y afectan la productividad y las oportunidades económicas. Por ejemplo, la Asociación Europea de Estacionamiento (EPA, por sus siglas en inglés) ha enfatizado durante años que la creación de más espacios de estacionamiento en una calle y en lotes de estacionamiento en la superficie pone en peligro la calidad del dominio público y el espacio para los peatones en áreas urbanas centrales. Asociación de que la elasticidad de precios de los espacios de estacionamiento puede basarse en el valor para el usuario final y en el tiempo (p. ubicación, seguridad, conveniencia y hora del día, etc. ¿? ) los costos asociados con las instalaciones de PGS se mantuvieron altos durante años. Entonces, ¿por qué se ha hecho tan poco en N/A durante PGS 1? 0 era? Quizás, una vez más, ¿es la economía estúpida? A continuación, se muestra un cálculo simple que describe el costo de un PGS 1 típico. 0 dando servicio a 500, 1.000 y 2.000 coches. Incluso un pequeño garaje de estacionamiento de varios niveles con una capacidad total de solo 500 automóviles requiere un gasto de capital de $ 40,000 y una tarifa de mantenimiento mínima de $ 2,000, además de los costos de instalación. Bienvenido a PGS 2.0 Una vez más, según Frost & Sullivan informa que los ingresos totales del mercado de estacionamiento inteligente en Europa y América del Norte ascendieron a 7050 millones de dólares en 2014 y se espera que crezcan a una tasa de crecimiento anual compuesto (CAGR) del 18 % hasta alcanzar los 43 dólares. 56 mil millones en 2025. Se esperan oportunidades de crecimiento específicas para los operadores de estacionamiento a través del aumento de las soluciones de estacionamiento habilitadas por tecnología. Olvídese de los letreros LED brillantes instalados por los operadores de estacionamiento PGS 2. 0 es un niño-cerebro de IoT. Se trata de las frases de moda, como el aprendizaje profundo, la IA, el análisis predictivo y el procesamiento del lenguaje natural. Sin embargo, esta vez, las ciudades están firmemente al mando. PGS 2.0 es solo una de las soluciones ESSENTIAL SmartCity. Ya sea Barcelona, ​​Nueva York, San Francisco, Ámsterdam, Los Ángeles, lo que sea. Dado que las ciudades consumen la energía del mundo y producen el 80 % de las emisiones de carbono del mundo, reducir la congestión del transporte y mejorar la calidad de vida en las ciudades es una prioridad principal para los urbanistas. En particular, San Francisco ofrece documentos detallados de evaluación de proyectos, datos técnicos manuales y especificaciones que permiten a cualquier municipio aprender de sus experiencias y seguir sus pasos, sin dolor. SFpark es la marca del enfoque de SFMTA para la gestión del estacionamiento. La ciudad puso a prueba y cultivó varias tecnologías emergentes, incluidos medidores inteligentes, sensores de estacionamiento y una herramienta sofisticada de administración de datos. No es sorprendente que la SFMTA haya utilizado varias estrategias para facilitar la búsqueda de un espacio de estacionamiento y mejorar la experiencia de estacionamiento, que incluyen: precios Facilitar el pago en parquímetros y evitar multas Límites de tiempo más largos Interfaz de usuario y diseño de productos mejorados Información mejorada para los conductores, incluidas señales direccionales estáticas a los garajes e información en tiempo real sobre dónde hay estacionamiento disponible dentro y fuera de la calle Altamente transparente, enfoque basado en reglas y basado en datos para realizar cambios en los precios de estacionamiento Agregue vehículos eléctricos a la mezcla y la necesidad de una construcción cada vez mayor de estaciones de carga y PGS 2.0 ha alcanzado el PUNTO DE INFLEXIÓN. Ciudad tras ciudad finalmente se ha dado cuenta de que los parquímetros obsoletos son su FACTOR DE DOTACIÓN más infravalorado. Las estaciones de carga en la calle, los estacionamientos de varios pisos, los centros comerciales, los hoteles y los restaurantes pueden integrarse con las aplicaciones PGS 2.0. A su vez, asegurará los ingresos de la ciudad de los clientes cautivos. El estacionamiento punto a punto (P2P), la reserva de estacionamiento en línea y las soluciones de pago de estacionamiento móvil ya están aquí. Se espera que el estacionamiento automático inteligente se convierta en un componente importante de los ingresos de SmartCities. Compañías como predicen que SmarCities aumentará los ingresos por estacionamiento en un promedio de 2030% Vale la pena mencionar que el costo de PGS 2.0 es ORDEN DE MAGNITUD menos costoso que su predecesor. Los sensores magnéticos inalámbricos detectan con precisión la presencia de vehículos. Los sensores contienen una batería incorporada, duran 5 años o más y contienen los últimos componentes de comunicación inalámbrica. Solo lleva unos minutos instalar sensores empotrados o montados en superficie, ya que se pueden pegar a cualquier superficie. Del mismo modo, las instalaciones inalámbricas son rápidas de implementar y fáciles de mantener. Todos los cables eléctricos y costosos arneses se han ido, al igual que las pantallas LED brillantes. Las aplicaciones de teléfono asistidas por GPS están haciendo el trabajo de manera confiable. Y por último, pero no menos importante, la implementación inalámbrica a menudo se basa en ZigBee Open Standard creado explícitamente para el control de sensores. Esta tecnología se basa en el estándar internacional IEEE 802.15.4, que permite una operación segura, de bajo costo y de bajo consumo entre redes sensoriales. Fue diseñado desde cero para ser más simple y menos costoso que Bluetooth o Wi-Fi. La conclusión: PGS 2. 0 ofrece una oportunidad única de SelfParking a muchos municipios hoy en día. Las SmartCities sin experiencia previa en PGS PUEDEN OMITIR TODA LA GENERACIÓN DE TECNOLOGÍAS desarrolladas hace años. Y los planificadores de la ciudad pueden llevar potentes implementaciones de PGS 2.0 al transporte urbano en cualquier parte del mundo. He visto un fenómeno similar a finales de los 90 mientras estaba en una asignación del Banco Mundial en Estonia. Después de conocer la experiencia en detección de lavado de dinero de International Neural Machines Inc. (mi startup de reconocimiento de patrones basada en IA) y nuestras interacciones con FinCEN en Washington y FINTRAC en Ottawa Me pidieron que visitara Tallin, Estonia, para reunirme con funcionarios del Banco Central de Estonia. De camino a Estonia, hice una escala en Estocolmo, Suecia, y me alojé unos días en el hotel Sheraton local. La conexión a Internet en el hotel era muy lenta y muy cara. Se sentía como un cacharro de módem de acceso telefónico. Así que imagine mi sorpresa cuando descubrí decenas de terminales de Internet de fibra óptica de alta velocidad y gratuitas en el aeropuerto de Tallin. Fue financiado por la UE poco antes de mi llegada, pero por alguna razón, parecía encajar muy bien dentro de un edificio terminal moderno. Oleg Feldgajer es presidente & ¡CEO de Canada Green ESCO Inc! Oleg está posicionando a la empresa para que se convierta en líder en la financiación de proyectos y emprendimientos de energía verde mejorados con IA. La misión de CGE es orientar a los negocios DISRUPTIVOS en ENERGÍA & TRANSPORTE hacia modelos de negocio rentables. A Oleg le apasiona esa misión y cree firmemente que sin la innovación basada en la IA, todos nos ahogaremos prematuramente con el aire contaminado y el agua sucia. CGE brinda financiamiento al 100% (apalancado y no apalancado) a sus clientes y utiliza grandes fondos de capital y deuda sin recurso. Oleg ofrece ideas frescas y creativas para empresas de mente abierta que abarcan tanto: lógica como intuición oportunista. CGE se opone a la mediocridad & su modus operandi es bastante simple: si no invitan a CGE a unirse a su BOD, oa su Junta Asesora, ¡fracasamos! PREGUNTA RELACIONADA No recibí Google Glass Explorer Edition. ¿Es un esfuerzo inútil intentar aprender Glass dev sin el hardware? No, todavía puede aprender los fundamentos del desarrollo de vidrio sin el hardware. Hay tres enfoques principales para lograr esto: 1) Visite la documentación de la API de Mirror, ingrese al patio de recreo y comience a elaborar un código. Descargue la biblioteca PHP, Java y Python, con la que se sienta más cómodo. Familiarízate con la jerga y las conjuras (línea de tiempo, paquetes, menús, etc). Lea la documentación de soporte (segundo enlace a continuación) para ver cómo funciona realmente el hardware Glass. Cree algunas aplicaciones según esta especificación. Muy pronto, encontrará un amigo con hardware a t

Sensor de estacionamiento inteligente con funciones sorprendentes, operación simple, diseño popular, modo de trabajo ideal y alta calidad. Modelo: SNK-0414.3MTFT Sistema de sensor de estacionamiento de video con CameraFeature4. Monitor TFT de 3 pulgadas construido en espejo Diseño compacto de parasol alrededor Soporte de función de interruptor Adecuado para cámara / reproductor de DVD / VCD Prioridad de cámara de visión trasera Resolución: 480 x 234 puntos Fuente de alimentación: 12V DC Control remoto y menú OSD Los sensores en sí pueden detectar los sensores defectuosos si aparece una situación anormal. PARA MÁS DETALLES, visite: gl/djjaeSEmail: support@soniktechnologies.inCorporate Help Line: 918824866866 PREGUNTA RELACIONADA No recibí Google Glass Explorer Edition. ¿Es un esfuerzo inútil intentar aprender Glass dev sin el hardware? No, todavía puede aprender los fundamentos del desarrollo de vidrio sin el hardware. Hay tres enfoques principales para lograr esto: 1) Visite la documentación de la API de Mirror, ingrese al patio de recreo y comience a elaborar un código. Descargue la biblioteca PHP, Java y Python, con la que se sienta más cómodo. Familiarízate con la jerga y las conjuras (línea de tiempo, paquetes, menús, etc). Lea la documentación de soporte (segundo enlace a continuación) para ver cómo funciona realmente el hardware Glass. Cree algunas aplicaciones según esta especificación. Muy pronto, encontrará un amigo con hardware a t

La Inteligencia Artificial es parte de nuestra vida diaria ahora. Esta tecnología nos envuelve desde sistemas de estacionamiento automático, fotosensores inteligentes hasta asistencia personal. Del mismo modo, en la educación se siente la inteligencia artificial y los métodos tradicionales están cambiando drásticamente. Gracias a las numerosas aplicaciones de IA para la educación, el mundo académico se está volviendo más conveniente y personalizado. Dado que los materiales educativos se vuelven accesibles para todos a través de dispositivos inteligentes y computadoras, esto ha cambiado la forma en que las personas aprenden. Los estudiantes de hoy no necesitan asistir a clases físicas para estudiar siempre y cuando cuenten con computadoras y conexión a internet. AI también permite que las tareas administrativas se automaticen, lo que permite a las instituciones minimizar el tiempo necesario para completar tareas desafiantes para que los educadores puedan pasar más tiempo con los estudiantes. Ahora es el momento de discutir las transformaciones traídas por la IA en la educación. Simplificación de las tareas administrativas Las empresas de desarrollo de aplicaciones educativas de IA pueden ayudar a automatizar la expedición de tareas administrativas de los maestros y las instituciones académicas. Los educadores pasan mucho tiempo calificando exámenes, evaluando tareas y proporcionando a sus alumnos respuestas valiosas. Sin embargo, la tecnología se puede utilizar para automatizar las tareas de calificación que involucran múltiples pruebas. Eso significa que los profesores tendrían más tiempo que pasar largas horas calificándolos con sus alumnos. Esperamos más de la IA. Los proveedores de software están desarrollando mejores formas de calificar las respuestas escritas y los ensayos ordinarios. El otro departamento que obtiene mucho de AI es la junta de admisiones escolares. Inteligencia artificialAccesibilidad de la educación de calidadEn una era en la que la tecnología está reduciendo el mundo, la educación de calidad en forma de contenido inteligente también se vuelve más accesible para una población más grande. Con aplicaciones avanzadas de IA desarrolladas por las principales empresas de aplicaciones de IA, los educadores pueden configurar contenido en diferentes partes del país de acuerdo con las necesidades locales de los estudiantes. A menudo ofrecen educación a través de contenido virtual como videoconferencias, conferencias, etc. Incluso los libros de texto se han transformado a medida que los sistemas de inteligencia artificial ahora se utilizan para crear libros digitales para temas/temas específicos. Aprendizaje personalizado ¿Ha consultado Netflix para conocer el tipo de recomendaciones personalizadas? La misma tecnología se utiliza para enseñar a los estudiantes en las escuelas. Los sistemas tradicionales deberían atender al medio, pero no sirven lo suficiente a los alumnos. El plan de estudios diseñado apuntando al 80 por ciento de los medios para adaptarse a tantos alumnos como sea posible. Sin embargo, cuando están en el 10 por ciento superior, los alumnos luchan por alcanzar su máximo potencial. Aún así, cuando están en el 10 por ciento inferior, están pasando por dificultades. Pero los maestros no son necesariamente reemplazados cuando se introduce la IA, pero pueden desempeñarse mucho mejor al ofrecer recomendaciones individuales a cada estudiante. AI personaliza tanto las tareas en clase como los exámenes finales para garantizar que los estudiantes reciban la mejor asistencia posible. Las investigaciones indican que una de las claves para una tutoría exitosa es la retroalimentación instantánea. Los estudiantes reciben respuestas específicas y personalizadas de sus maestros a través de aplicaciones impulsadas por IA. Los profesores pueden condensar las lecciones en tarjetas didácticas y guías de estudio inteligentes. Dependiendo de los desafíos que enfrenten al estudiar los materiales de clase, también pueden enseñar a los estudiantes. A diferencia del pasado, los estudiantes universitarios ahora pueden tener más tiempo para interactuar con los maestros. Aprendizaje global No hay límites para la educación, y la inteligencia artificial puede ayudar a eliminar las fronteras. La tecnología trae transiciones drásticas que facilitan el aprendizaje de cualquier curso en cualquier momento y desde cualquier lugar del mundo. La educación impulsada por IA proporciona las habilidades de TI necesarias para los estudiantes. Con más inventos, estará disponible una gama más completa de cursos en línea y los estudiantes aprenderán desde cualquier lugar con la ayuda de la IA. La educación sería una experiencia divertida Muchas técnicas permiten que la Inteligencia Artificial haga del aprendizaje una actividad más agradable. Puede crear una especie de experiencia atractiva que necesita para cautivar a los estudiantes en su salón de clases. En diversas tecnologías de simulación y juego ya se está utilizando la inteligencia artificial que puede jugar un papel importante en este sentido. Ahora, la Inteligencia Artificial puede hacer que la educación sea mucho más flexible y perceptiva. Se puede utilizar para persuadir a los estudiantes a desarrollar sus conocimientos. Con sus distintos beneficios, la presencia de la IA crece continuamente y, a pesar de su importancia anticipada en el espacio educativo, puede sorprendernos con un valor aún mayor en el futuro. PREGUNTA RELACIONADA No obtuve Google Glass Explorer Edition. ¿Es un esfuerzo inútil intentar aprender Glass dev sin el hardware? No, todavía puede aprender los fundamentos del desarrollo de vidrio sin el hardware. Hay tres enfoques principales para lograr esto: 1) Visite la documentación de la API de Mirror, ingrese al patio de recreo y comience a elaborar un código. Descargue la biblioteca PHP, Java y Python, con la que se sienta más cómodo. Familiarízate con la jerga y las conjuras (línea de tiempo, paquetes, menús, etc). Lea la documentación de soporte (segundo enlace a continuación) para ver cómo funciona realmente el hardware Glass. Cree algunas aplicaciones según esta especificación. Muy pronto, encontrará un amigo con hardware a t

En septiembre pasado, instalamos sensores de estacionamiento ópticos para medir la ocupación de más de 500 lugares de estacionamiento en la calle en el distrito universitario de la ciudad de Braunschweigs. Esa es la mayor instalación de sensores de estacionamiento jamás realizada en un espacio público en Alemania y una cosa es segura: haremos que sea la última. Esta es la historia de los grandes esfuerzos que una empresa de IA realizó en busca de la verdad sobre el terreno datos para alimentar sus algoritmos. Esta es también la historia detrás de una hermosa pieza de ingeniería, que resultó ser el subproducto de una misión más grande y, finalmente, nunca se volverá a poner en producción. Todo eso a favor de una tecnología más disruptiva basada en datos. Dado que, en Bliq, trabajamos en algoritmos predictivos para modelar la disponibilidad de estacionamiento en función de los datos de tráfico, tenemos la necesidad natural de obtener datos reales de la ocupación de estacionamiento en la vida real. en un área de referencia. Para obtener ese tipo de datos, decidimos construir nuestra propia configuración experimental real de sensores de estacionamiento que miden la ocupación de más de 500 lugares de estacionamiento en la calle, en tiempo real, las 24 horas del día. Con este artículo, Me gustaría compartir algunas ideas sobre los esfuerzos de ingeniería que se han realizado en este proyecto. Más específicamente, hablaremos sobre el sitio de prueba que elegimos, la arquitectura del sistema y el sensor real que diseñamos y construimos para recopilar datos. El sitio de pruebaA veces, las empresas de IA necesitan ser creativas cuando se trata de recopilar datos reales para sus modelos. En nuestro caso, modelar la disponibilidad de estacionamiento para automóviles significaba encontrar un distrito que cumpliera con ciertos criterios en términos de flujo de tráfico, uso y demografía. Elegimos el distrito universitario en Braunschweig por su gran variedad de influencias en un espacio comparativamente pequeño: en el sur, tenemos el campus principal de la universidad que atrae a miles de estudiantes y cientos de empleados todos los días. Aún más al sur, el centro de la ciudad con sus tiendas y atracciones está a solo unos minutos a pie (no se muestra en el mapa de arriba). La parte norte del distrito forma una zona residencial con estacionamiento público en la calle sin restricciones. La mayoría de las personas que viven en esta área son estudiantes o empleados de la industria automotriz local. La gran mayoría de los residentes se desplaza al trabajo en vehículos privados. El distrito está separado por un camino circular arterial, que abarca el distrito central de la ciudad. Cómo funciona el sistema La arquitectura básica del sistema de la instalación del sensor es bastante sencilla y básicamente lo que uno esperaría de la mayoría de las aplicaciones de IoT: una pequeña pieza de hardware se implementa en algún lugar en el mundo real y transmite datos a un servidor en la nube. El backend almacena los datos y los hace accesibles para su posterior procesamiento, para que sirvan como base para los esfuerzos de aprendizaje automático o simplemente para una visualización simple en una aplicación o aplicación web. Requisito difícil: privacidad por diseño. potencia que desplegamos en el perímetro: debido a los requisitos reglamentarios en el espacio público alemán que también se desencadenan por las discusiones recientes y en curso de GDPR, no pudimos procesar imágenes en una nube remota con muchos recursos computacionales. Es por eso que necesitábamos hacer todo el trabajo pesado para determinar puntos abiertos directamente en el dispositivo sensor en lugar de en otro lugar. La ventaja de esto es que este enfoque no consume grandes volúmenes de datos para enviar imágenes de un lado a otro. En cambio, podemos mantener los costos de funcionamiento de los sensores para la conectividad también dentro de un rango relativamente bajo. En el lado negativo, equipar el dispositivo con suficiente poder computacional para realizar análisis de imágenes requiere muchos esfuerzos adicionales en el desarrollo de hardware. ¿Por qué no usar otro sensor de estacionamiento? ¿Por qué hemos decidido pasar por el dolor de diseñar y construir nuestro propio sensor de estacionamiento en lugar de simplemente comprar uno de los muchos modelos de sensores terminados que ya están disponibles? Hay tres respuestas a eso: Nosotros no sabía lo complejo que iba a ser construir un nuevo dispositivo;) Todos los sensores de estacionamiento existentes tenían algunos defectos: la situación regulatoria nos prohibía usar cualquier tipo de solución óptica disponible, ya que este tipo de sistemas violarían la privacidad. Los sensores montados en la superficie no soportarían la remoción de nieve durante el invierno. Y, por último, los sensores enterrados eran bastante costosos e incluso más caros de instalar. Teníamos un presupuesto bastante ajustado cuando comenzamos este proyecto. Arrancamos completamente a la empresa en este punto: nuestros fondos consistían en algunos fondos del gobierno, los primeros ingresos y algunos precios que ganamos aquí y allá. Los otros modelos de sensores con un precio de entre 75 y 250 EUR por lugar eran simplemente demasiado caros para nosotros en este momento. El nuevo sensor de estacionamiento ópticoLa idea del principio de funcionamiento de nuestro sensor era simple: implementar el mismo algoritmo que ya habíamos desarrollado en nuestro proyecto de investigación anterior sobre hardware reducido, conectarlo a Internet, poner todo en una caja impermeable y montarlo a un poste de luz. El algoritmo en sí es básicamente un clasificador de imágenes, que requiere regiones de interés predefinidas para mirar. El propósito original del modelo era automatizar el análisis de la ocupación de estacionamientos en algunas series de imágenes enormes que recopilamos en un proyecto anterior con cámaras fuera de línea. El desafío ahora solo era diseñar una plataforma de hardware adecuada con suficiente potencia computacional, reducir el modelo para que se ejecute en esta configuración y garantizar un suministro de energía continuo. Esta fue nuestra lista de deseos de especificaciones: Bajo costo por lugar: Componentes estándar Frecuencia de medición de hasta 3 min a 30 seg. G un automóvil que ocupa dos lugares) Monitoreo del estado de salud del dispositivo Opción de actualizaciones de software remotas Bajo consumo de energía 25 años de vida útil Software El software del sensor consta de tres capas: el sistema operativo, que fue un desarrollo personalizado para este proyecto, la rutina central que controla todas las funciones de los sensores y el modelo de aprendizaje automático real para la detección de puntos abiertos. Sistema operativo Para ejecutar un modelo de visión completo en el borde, rápidamente nos dimos cuenta de que necesitaríamos una configuración de software mucho más grande que en otros proyectos de hardware de IoT. Se tomó la decisión de construir una distribución personalizada de Linux usando Yocto. De esta manera, podríamos tener control total sobre todo lo que hace el sistema operativo. Las características principales eran dos particiones separadas, para poder realizar actualizaciones del sistema de archivos e intercambiar particiones, varias bibliotecas, requeridas por la rutina principal y un restablecimiento de vigilancia. El controlador de hardware de nuestro SBC reinicia el dispositivo en caso de que algo no funcione como se esperaba. Tener medidores de ladrillos inteligentes sobre el suelo en postes de luz debido a un error en el software sería literalmente el peor de los casos. Rutina central La rutina central es responsable de ejecutar el detector en un intervalo de tiempo ajustable, monitorear el estado de salud de los sensores y comunicarse con el backend (recuperación de datos de configuración y envío de actualizaciones). La rutina central se implementa en Python. Esto nos dio una gran flexibilidad y simplificó mucho el procesamiento de imágenes, ya que podíamos hacer uso de la gran base de código de Python existente que ya teníamos en la empresa. Una gran cosa sobre el diseño del software es su capacidad para actualizaciones remotas independientes de cada componente individual: Desde el modelo de detección hasta el código fuente para la rutina central hasta el núcleo o incluso todo el sistema de archivos, cada parte puede reemplazarse de forma remota. Ante la rápida evolución en el campo del CV y ​​el aprendizaje automático en general, queríamos asegurarnos de que el código que ejecuta los sensores sea de última generación durante toda su vida útil. Aprendizaje automáticoPara realizar la tarea de detección, tomamos una versión de tensorflow y, después de algunos ajustes, finalmente logramos que funcionara en nuestra configuración. Una vez hecho esto, pudimos implementar prácticamente cualquier flujo de tensor preentrenado que encajara en la memoria de la GPU. Decidimos usar MobileNet, ya que mostró la mejor relación entre precisión y rendimiento en nuestra configuración. También analizamos varios otros enfoques basados ​​en funciones tradicionales de visión por computadora, como funciones HOG, histogramas, etc. en combinación con clasificadores de aprendizaje automático convencionales como SVM. Si bien estas pruebas dieron como resultado un rendimiento computacional bastante alto debido a un diseño de modelo mucho más simple en comparación con MobileNet, la precisión del modelo fue menor, lo que puede explicarse por las desventajas habituales de las descripciones de características de CV estándar (invariancia de luz, invariancia de escala). HardwareTrabajar con hardware fue una experiencia bastante nueva para nosotros, siendo hasta ese momento una empresa puramente de software. Aunque Mathias, nuestro CTO, había trabajado en el diseño de componentes electrónicos en su trabajo anterior con Volkswagen R &D, nuestra empresa no estaba del todo preparada para una tarea de desarrollo de hardware y, sinceramente, mirando hacia atrás, todavía no lo está hoy. Sin embargo, necesitábamos un diseño funcional que fuera fácil de fabricar y de iterar con los recursos que teníamos como empresa de arranque en ese momento. Por lo tanto, nuestra lista de requisitos resultó ser rápidamente así: El estuche debe ser impermeable e imprimible en 3D. El sensor debe poder funcionar al menos 12 horas con la batería. La cámara debe protegerse de la lluvia y el agua rociada, y también debe funcionar en la oscuridad. El diseño necesita sostener la cámara, un sensor de temperatura / humedad, el módulo LTE, la computadora de placa única y algunos componentes electrónicos de potencia para convertir el voltaje al nivel apropiado. Se necesita una batería para continuar funcionando cuando el poste de luz está apagado (durante el día) Toda la configuración debe ser modular para facilitar la instalación y poder intercambiar componentes individuales en caso de falla. También debe ser pequeño y estar pintado de gris para parecer discreto en su entorno operativo. Condiciones de funcionamiento de -20 C a 70 C (ya que la configuración puede calentarse bastante en verano cuando está completamente expuesta al sol). Comenzamos con un diseño que incluye infrarrojos. LED (como los tienen muchas cámaras al aire libre) para poder operar en condiciones nocturnas. Sin embargo, esta elección de diseño resultó tener algunos defectos: estos LED consumían bastante energía (en comparación con el resto de la electrónica), lo que hacía necesaria una fuente de alimentación no estándar. A pesar del gran consumo de energía, no eran realmente capaces de iluminar todo el campo de visión. Probablemente hubiéramos necesitado un proyector IR externo que, de nuevo, no era una alternativa seria. Y, por último, el diseño con LED tampoco era muy bonito. Para superar el problema de las operaciones nocturnas, decidimos utilizar la configuración estática de la cámara: dado que la posición de la cámara es estática y los objetos que intentamos detectar normalmente también están quietos, podemos aumentar la exposición y la sensibilidad a la luz de los sensores para trabajar solo con luz residual. Así que sobrescribimos la exposición interna de las cámaras y el control ISO y escribimos un ciclo de retroalimentación simple que ajusta la configuración de iluminación en función de la luminancia del último cuadro capturado. Este enfoque resultó funcionar bastante bien, ya que en la mayoría de las calles hay suficiente luz residual de las farolas. Después de varias iteraciones más, finalmente terminamos con el diseño que se muestra arriba: La cámara se encuentra dentro de un cono para protegerla del agua rociada. y reflejos solares tanto como sea posible. Los componentes electrónicos están montados en un zócalo en el interior y un cable plano conecta la cámara a la placa principal. La parte inferior es removible y se monta en la caja con cuatro tornillos estándar. Dado que la caja está impresa en ABS, las tuercas cuadráticas se colocan en los recortes para garantizar que los tornillos se puedan apretar correctamente. Una junta tipo GoPro conecta la carcasa al soporte, que se sujeta al poste de luz usando cinta de acero estándar. Todas las piezas están optimizadas para la capacidad de impresión en 3D, lo que significa que no hay voladizos pesados, importar superficies paralelas para obtener una superficie de alta calidad. Por último, la caja de la batería está separada del sensor para una mejor capacidad de servicio. Es una caja estándar de ABS moldeado por inyección y contiene 4. Batería de plomo de 5 Ah y 12 V y una unidad de carga, que toma una entrada de 230 V (que es el voltaje de la mayoría de las luces de la calle en Alemania). ¿Qué sigue? Los datos que recopilamos a lo largo de este proyecto nos ayudan mucho a mejorar nuestra comprensión (y también algoritmos) de cómo funciona el estacionamiento en diferentes situaciones de tráfico y varios contextos de factores que influyen en la disponibilidad de estacionamiento. Próximamente publicaremos más sobre los resultados reales desde la perspectiva de la ciencia de datos. También dedicaremos algo de tiempo y profundizaremos en los detalles de la parte del software y, finalmente, incluso abriremos el código fuente del software, así como los diseños de hardware. Agradecimientos En este punto, nos gustaría expresar nuestro agradecimiento a la ciudad de Braunschweig por darnos acceso a la infraestructura de tráfico para respaldar este proyecto. No solo proporcionaron todos los permisos necesarios, sino que también cubrieron parte de los costos. También nos gustaría enviar un gran agradecimiento al operador de tráfico local Bellis y al proveedor de energía BS Energy por el apoyo con respecto a la instalación y el suministro de energía de los sensores. Sobre el autorJulian es el director ejecutivo y cofundador de Bliq, empresa de tecnología basada en. Bliq proporciona mapas de estacionamiento en vivo para desarrolladores en movilidad. PREGUNTA RELACIONADA No recibí Google Glass Explorer Edition. ¿Es un esfuerzo inútil intentar aprender Glass dev sin el hardware? No, todavía puede aprender los fundamentos del desarrollo de vidrio sin el hardware. Hay tres enfoques principales para lograr esto: 1) Visite la documentación de la API de Mirror, ingrese al patio de recreo y comience a elaborar un código. Descargue la biblioteca PHP, Java y Python, con la que se sienta más cómodo. Familiarízate con la jerga y las conjuras (línea de tiempo, paquetes, menús, etc). Lea la documentación de soporte (segundo enlace a continuación) para ver cómo funciona realmente el hardware Glass. Cree algunas aplicaciones según esta especificación. Muy pronto, encontrará un amigo con hardware a t

Los vehículos automatizados tienen varias funciones avanzadas, como control de crucero adaptativo, asistencia de estacionamiento, advertencia de cambio de carril, frenado de emergencia automatizado y detección de puntos ciegos, entre otras, que pueden integrarse en un automóvil para brindar una experiencia de conducción mejor y más segura. En 2017, el número de vehículos ADAS en circulación, ya sea de prueba o comercializados, se estima en XX unidades. Impulsado por un entorno normativo estricto y el creciente interés de los consumidores, se espera que este número crezca aún más y alcance alrededor de 10 millones de unidades en carretera para el año 2028. Solicite la muestra: com/requestsample?id=578 &type=downloadEl sistema ADAS requiere sensores de visión y alcance para mapear con precisión los alrededores del vehículo y detectar obstáculos presentes en las inmediaciones del automóvil. Algunos de los sensores clave necesarios para mapear los alrededores de los vehículos incluyen cámaras, RADAR, sensores ultrasónicos y sensores infrarrojos. Estos componentes actúan como elementos de detección circundantes para un vehículo y proporcionan múltiples puntos de datos a los sistemas automatizados en tiempo real, en los que se extrae información útil y se proporciona al conductor para una asistencia adecuada. Se espera que para el año 2028, más de XX millones de vehículos (incluidos turismos y vehículos comerciales) tendrán una capacidad incorporada de sistemas ADAS y automatización. Sin embargo, los vehículos sin conductor funcionan con la entrada proporcionada por los sistemas automatizados, por lo que requieren la necesidad de datos más precisos y densos proporcionados al sistema. Las cámaras, los radares y los sensores ultrasónicos no pueden cumplir con estos requisitos de detección debido a las diversas limitaciones operativas de estos sensores, lo que en efecto plantea la necesidad del uso de detección de luz y rango (LiDAR) para un mayor nivel de automatización. Ver informe completo: LiDAR automotriz Los dispositivos LiDAR de la industria utilizan un rayo láser pulsado para calcular la distancia de los obstáculos desde cualquier vehículo mediante la emisión de rayos láser. La distancia se mide analizando el tiempo que tarda el pulso láser en reflejarse y recibir los sensores en el extremo receptor. Los sensores LiDAR se utilizan para escanear el entorno con un rayo láser no visible y no dañino, que se utiliza para visualizar objetos y medir rangos y crear una imagen 3D del entorno de los vehículos. El sistema LiDAR requiere un transmisor láser y un receptor. Informes relacionados: Análisis y pronóstico del mercado global de sensores MEMS automotrices: 20172021 Análisis y pronóstico del mercado global de cámaras automotrices: 2018 a 2026 Mercado global de ADAS y componentes de conducción autónomos, análisis & Pronóstico 20172026Acerca de nosotros:BIS Research es una empresa global de inteligencia de mercado, investigación y asesoría que se enfoca en las tendencias emergentes en tecnología que probablemente alterarán la dinámica del mercado en los próximos cinco (o diez) años. Con más de 150 informes de inteligencia de mercado publicados anualmente, BIS Research se enfoca en varios verticales de tecnología, como impresión 3D, materiales avanzados & Productos químicos, aeroespacial y defensa, automoción, salud, electrónica & Semiconductores, robótica & UAV y otras tecnologías emergentes. Cada informe de investigación incorpora un análisis detallado y la cuantificación posterior de la dinámica del mercado, los impulsores y las restricciones del mercado, las oportunidades, las amenazas, las cuotas de mercado, las tendencias actuales y emergentes de la industria, así como el panorama e inteligencia competitivos detallados. Contacto: ID de correo electrónico: BIS Research 39111 PASEO PADRE PKWY STE 313,FREMONT CA 945381686 PREGUNTA RELACIONADA No recibí Google Glass Explorer Edition. ¿Es un esfuerzo inútil intentar aprender Glass dev sin el hardware? No, todavía puede aprender los fundamentos del desarrollo de vidrio sin el hardware. Hay tres enfoques principales para lograr esto: 1) Visite la documentación de la API de Mirror, ingrese al patio de recreo y comience a elaborar un código. Descargue la biblioteca PHP, Java y Python, con la que se sienta más cómodo. Familiarízate con la jerga y las conjuras (línea de tiempo, paquetes, menús, etc). Lea la documentación de soporte (segundo enlace a continuación) para ver cómo funciona realmente el hardware Glass. Cree algunas aplicaciones según esta especificación. Muy pronto, encontrará un amigo con hardware a t

Las ciudades se están volviendo más inteligentes, y un grupo vocal de nosotros espera que el primer problema que resuelvan sea el tráfico. Y una de las causas de los dolores de cabeza del tráfico es el estacionamiento. Así que, ¿cómo lo resolvemos? ¡Con parquímetros inteligentes! Este tutorial demuestra cómo crear un prototipo de una aplicación de parquímetro inteligente habilitada para IoT utilizando IBM Bluemix y PubNub. La aplicación tiene tres funciones principales: Mostrar al conductor una vista en tiempo real de los lugares de estacionamiento disponibles y ocupados Permitir que el conductor reserve un lugar de estacionamiento Realizar un seguimiento automático de la facturación en función de las acciones del conductor (como entrar y salir del espacio de estacionamiento) Configuración del proyecto y repositorio de código completo Este proyecto es un gran experimento de bricolaje para entusiastas de IoT. Entonces, si está interesado en probarlo, diríjase a GitHub para obtener el código fuente completo del proyecto bluemix-parking-meter. Consulte las instrucciones de compilación y el archivo Léame para conocer los pasos detallados, desde la configuración del hardware hasta el alojamiento y la ejecución de la aplicación. . Para alojar esta aplicación, deberá crear una cuenta Bluemix y PubNub. Visite la página de registro de IBM Bluemix y la página del complemento PubNub para crear sus respectivas cuentas. Ambos servicios ofrecen una cuenta de nivel gratuita para jugar con sus ofertas. Componentes Hay tres componentes de la aplicación: El servidor de administración de estacionamiento (PMS) monitorea todos los espacios de estacionamiento y administra la medición y la facturación para todos los usuarios. La plataforma de hardware IoT conecta los espacios de estacionamiento con el PMS y también detecta la presencia o ausencia de un vehículo. La aplicación móvil ofrece una interfaz sencilla para ayudar al conductor a encontrar un espacio vacante y administrar el uso y la facturación del estacionamiento. La plataforma de hardware funciona con Arduino Yun y utiliza sensores ultrasónicos para detectar la presencia o ausencia de un vehículo en un espacio de estacionamiento. El PMS se implementa como un servidor de aplicaciones que se ejecuta en Python. Realiza un seguimiento de todos los dispositivos y gestiona la facturación y las reservas. La aplicación móvil (también conocida como Auto Park) es una aplicación de Android basada en Cordova y JavaScript. El servidor de aplicaciones PMS está alojado en la plataforma en la nube de IBM Bluemix y toda la comunicación entre el PMS y el hardware y entre el PMS y la aplicación móvil está impulsada por PubNubs Realtime Data Stream Network.HardwareLa siguiente es la lista de componentes de hardware utilizados para este proyecto:Arduino YunHC -Sensor ultrasónico SR04 (3 núms. ) A continuación se muestra una configuración de muestra en una placa de prueba: Y el diagrama esquemático asociado para el circuito de hardware está a continuación: Hay tres partes funcionales del hardware: Controlador maestro El Arduino Yun habilitado para Wi-Fi actúa como el controlador maestro para controlar algunos estacionamientos espacios. Monitorea periódicamente y obtiene el estado de cada estacionamiento dentro de su jurisdicción, a través de sensores ultrasónicos. También interactúa con PMS a través de PubNub y publica el controlador de sensor de estado de estacionamiento. Este es un componente interno de la placa Arduino Yun, alimentado por el chip ATMega32. Se conecta directamente con los sensores y ejecuta un ciclo, cada pocos segundos, para obtener el estado más reciente de cada sensor Sensor ultrasónico Se utilizan tres sensores HC-SR04 para simular tres espacios de estacionamiento. El código fuente para la configuración del hardware está disponible en el directorio yun_pubnub (para el controlador maestro) y en el directorio device/hcsr04 (para el controlador del sensor) en el repositorio de GitHub. Servidor de administración de estacionamiento (IBM Bluemix) El PMS está escrito en Python y se puede instalar como un Servicio alojado de IBM Bluemix. IBM Bluemix proporciona la potencia informática para que el PMS monitoree los dispositivos de hardware y administre los parquímetros y la facturación para los usuarios. Además, deberá asociar el servicio complementario de PubNub con su cuenta de IBM Bluemix para que el PMS funcione con PubNub. Consulte los pasos en README.md para comprender cómo configurar y alojar una aplicación de Python en Bluemix con PubNub. El código fuente de PMS se encuentra en el directorio de parquímetros en el repositorio de GitHub. Aplicación móvil La aplicación móvil es una aplicación estándar de Android basada en Cordova. Muestra un mapa del área de estacionamiento con espacios de estacionamiento codificados por colores para ayudar al usuario a elegir un espacio vacante. El código fuente de la aplicación móvil se encuentra en el directorio MobileApp en el repositorio de GitHub. PubNubPubNub actúa como el middleware de comunicación para todo el sistema. Proporciona una red de flujo de datos en tiempo real basada en la nube que admite más de 70 SDK, de modo que puede permitir que cualquier dispositivo se comunique con cualquier otro dispositivo en Internet. Esta aplicación utiliza tres de los SDK de PubNubs para que todos los componentes se comuniquen entre sí sin problemas. Estos son: SDK de Javascript para la aplicación móvil SDK de Python para PMSPOSIX C SDK para Arduino Yun Esta aplicación se basa en varios canales PubNub para permitir la comunicación entre los componentes, como se muestra a continuación: El canal privado en el diagrama anterior se refiere a un canal dedicado entre el PMS y una aplicación móvil. Todos los mensajes intercambiados a través de los canales de PubNub están en formato JSON. Por cada aplicación móvil que solicita una reserva de estacionamiento, el PMS inicia mensajes a través de este canal para esa aplicación móvil en particular. La importancia de todos los canales se aclarará en la siguiente sección. Escenarios y operación del sistema La operación completa de este sistema se puede dividir en los siguientes cinco escenarios. Escenario 1: Inicialización de la aplicación Cuando la aplicación móvil se inicia por primera vez después de la instalación, solicita la matrícula/número de registro del vehículo de los usuarios. Esto actúa como un identificador único para que el PMS rastree la aplicación con fines de facturación. Posteriormente, la aplicación envía una solicitud al PMS para obtener el estado de todos los espacios de estacionamiento. Esto se utiliza para mostrar el mapa, donde cada espacio se identifica con un número de ranura (001, 002 y 003). Así es como se lleva a cabo el intercambio de mensajes entre el PMS y la aplicación móvil: La solicitud JSON de la aplicación contiene un parámetro RequestType con el valor 1 para indicar una solicitud para obtener el estado masivo de todos los espacios de estacionamiento. La respuesta JSON de PMS contiene el número de espacio de los espacios de estacionamiento como parámetro y su estado como 0 o 1, para indicar que el espacio está libre u ocupado. Para la visualización del mapa en la aplicación móvil, los espacios de estacionamiento que actualmente están libres se indican en verde, mientras que los que están ocupados o reservados se indican en rojo. Escenario 2: Actualización del estado del dispositivo Siempre que el espacio de estacionamiento detecte la presencia o ausencia de un vehículo, inmediatamente señala al PMS. Aquí, 001 identifica el número de identificación de la ranura del espacio y el valor 1 indica que el espacio de estacionamiento está ocupado. Alternativamente, un valor de 0 indica que el espacio está vacante. El PMS también transmite esta información en un canal global de PubNub parkingapp-resp para que todas las aplicaciones puedan actualizar la visualización de su mapa de estacionamiento. Escenario 3: solicitud de reserva & Inicio de facturación Un usuario que se acerque a un espacio de estacionamiento vacante puede reservarlo con anticipación tocando el espacio de estacionamiento vacante deseado en la aplicación. Esto solicita al PMS que inicie una sesión de facturación para el usuario. PMS envía un mensaje a la aplicación en su canal privado para iniciar el inicio de la facturación. Junto con esto, PMS también inicia un temporizador. Aquí hay una mirada más cercana al formato de los mensajes JSON en esta interacción: El parámetro RequestType con un valor 2 indica una solicitud de reserva es el número de matrícula del vehículo Es identificado por Un sessionType con valor 0 indica el inicio de la sesión de facturación para el usuario que ha reservado el número de espacio identificado por el valor de deviceID. Al recibir el mensaje en su canal privado, la aplicación móvil muestra un mensaje al usuario para que confirme su reserva de estacionamiento. solicitud: Además, el PMS también envía una actualización en el canal parkingapp-resto informa a todas las aplicaciones móviles que dicho espacio de estacionamiento ahora está ocupado. Escenario 4: Confirmación de reserva Después de reservar, cuando el usuario finalmente se detiene y estaciona su vehículo en el estacionamiento designado espacio, el hardware envía una actualización de estado al PMS para indicar la confirmación de la reserva. En este momento, el PMS detiene el temporizador. Escenario 5: Detención de facturación Más tarde, cuando el usuario saca su vehículo del espacio de estacionamiento, el dispositivo de hardware vuelve a detectar esto y envía una actualización de estado a PMS que indica que el espacio ahora está vacante. Al recibir esta actualización, PMS calcula la factura para el usuario y envía un mensaje de detención de la sesión de facturación junto con los detalles de la factura a la aplicación móvil a través de su canal privado. El mensaje JSON recibido por la aplicación móvil contiene los parámetros para los detalles de la factura: Es la hora de inicio del estacionamiento Es la hora de finalización del estacionamiento es el tiempo total de estacionamiento (en minutos) Es la cantidad facturada. Finalmente, la aplicación móvil muestra los detalles de la factura en la pantalla de la siguiente manera: El PMS está programado para cobrar $10 por cada sesenta minutos de estacionamiento. Escenarios alternativos En caso de que el usuario reserve el espacio de estacionamiento pero no se presente, el temporizador del PMS, que se inicia en el escenario 3, cuenta regresivamente de 60 segundos a 0 y finalmente realiza el escenario 5 sin el disparador de hardware. En este caso se le cobra al usuario una factura mínima de $10. Además, esta aplicación no tiene ninguna disposición para autenticar al usuario durante el estacionamiento (como parte del escenario 4), para garantizar que el usuario que reservó el espacio de estacionamiento es el que realmente estaciona su vehículo en ese espacio. Esto se deja como un ejercicio para los lectores que deseen mejorar aún más esta aplicación y hacerla factible para una implementación más cercana a la vida real. Nos divertimos mucho construyendo y jugando con esta aplicación, y probar el escenario de extremo a extremo fue bastante interesante considerando que hay bastantes subsistemas involucrados. Using IBM Bluemix & Los servicios de PubNub simplifican enormemente los desafíos de desarrollo, ya que el desarrollador puede concentrarse en la lógica de la aplicación sin preocuparse por cómo hacer que la comunicación funcione entre los diferentes subsistemas. Aparte de esto, ambos servicios son capaces de manejar una escala masiva que se puede aprovechar para crear aplicaciones similares del mundo real que requieren 247 horas de actividad y miles de usuarios aleatorios. Publicado originalmente en todos los últimos avances y noticias tecnológicas enviadas directamente a su bandeja de entrada?. PREGUNTA RELACIONADA No recibí Google Glass Explorer Edition. ¿Es un esfuerzo inútil intentar aprender Glass dev sin el hardware? No, todavía puede aprender los fundamentos del desarrollo de vidrio sin el hardware. Hay tres enfoques principales para lograr esto: 1) Visite la documentación de la API de Mirror, ingrese al patio de recreo y comience a elaborar un código. Descargue la biblioteca PHP, Java y Python, con la que se sienta más cómodo. Familiarízate con la jerga y las conjuras (línea de tiempo, paquetes, menús, etc). Lea la documentación de soporte (segundo enlace a continuación) para ver cómo funciona realmente el hardware Glass. Cree algunas aplicaciones según esta especificación. Muy pronto, encontrará un amigo con hardware a t