Hype de direção autônoma vs realidade de estacionamento autônomo

Quase todo mundo já ouviu falar sobre os sensores de estacionamento, mesmo a maioria das pessoas pertencentes à indústria de estacionamento já trabalhou com isso no passado. No entanto, os sensores não são os mesmos de agora, como eram há alguns anos. Com as enormes mudanças na tecnologia, como testes de longo prazo, inteligência artificial, segurança e análise de dados e tomada de decisões de gêmeos digitais, sistema de sensor de estacionamento mais preciso, confiável e econômico. Devido a essas melhorias, as ferramentas do sistema de sensores de estacionamento estão se tornando um dos aspectos mais importantes do desenvolvimento das cidades inteligentes. A implementação da solução de estacionamento digital na Zona Azul do Brasil é um dos melhores exemplos dessas mudanças tecnológicas. Espera-se que até 2050 mais de 70% da população se desloque para as áreas urbanas. Com cidades inteligentes, haveria baixo custo operacional, áreas menos congestionadas e serviços aprimorados. Também inclui melhor qualidade da água e do ar e melhor segurança e proteção. Apesar de todas essas vantagens e avanços, muitas cidades ainda estão lutando para começar e adotar a tecnologia. Para essas cidades, o financiamento de novas iniciativas e a falta de tecnologia são alguns dos maiores desafios. No entanto, ao dar um pequeno passo de cada vez, como começar com transporte e estacionamento, essas cidades podem iniciar seu sonho de infraestrutura inteligente. Também resolverá os pontos problemáticos dos moradores, como poluição e congestionamento de tráfego. Em uma pesquisa recente de estacionamento, foi afirmado que, em média, os motoristas gastam mais de 15 horas por ano em busca de vagas em estacionamentos, garagens ou ruas. Custa aos americanos cerca de US$ 20 bilhões anualmente. Essas ineficiências no sistema de estacionamento também afetam as lojas e empresas locais. Mais de 60% da U. S. os motoristas evitam dirigir até as lojas, bem como outros destinos lotados devido aos problemas de estacionamento disponíveis. Abaixo estão algumas das demandas de estacionamento dos motoristas:Mais de 85% desejam informações de disponibilidade de estacionamento em tempo realCerca de 88% pesquisam as vagas mais próximas ou mais baratasMais de 80% desejam uma navegação adequada e direta até a vagaExistem muitas soluções reivindicadas que eles podem dizer aos motoristas onde e quando as vagas de estacionamento estarão disponíveis. Essas soluções usam algoritmos de detecção indicativa e preditivos para adivinhar o status de ocupação do espaço. Embora haja um baixo nível de precisão em todos esses sistemas, os motoristas resultantes não conseguem encontrar estacionamento disponível com mais facilidade e rapidez. Os algoritmos indicativos e preditivos levam a caminhos ineficazes e também perdem muitos dos benefícios do sistema de estacionamento inteligente. Inclui zonas de estacionamento restrito, como em frente às zonas de carga e hidrantes e pistas multiuso. Ao detectar cada detalhe, as cidades podem obter instantâneos precisos de seu ecossistema e áreas de estacionamento. Ele também fornece os dados de navegação exigidos pelos motoristas. A opção de detecção de espaço único oferece mais oportunidades e flexibilidade às cidades para otimizar o inventário de estacionamento à medida que as metas mudam. O sistema de transporte e estacionamento deve ser visto como um investimento pequeno, mas poderoso, no design da cidade inteligente. Quando as cidades otimizarem o espaço de estacionamento para coletar dados com precisão sobre os espaços, será benéfico para eles, o estacionamento se pagará e dará suporte a outras iniciativas de cidades inteligentes. PERGUNTA RELACIONADA Não recebi o Google Glass Explorer Edition. Tentar aprender Glass dev sem o hardware é um esforço inútil? Não, você ainda pode aprender os fundamentos do desenvolvimento do Glass sem o hardware. Existem três abordagens principais para realizar isso: 1) Visite a documentação da API Mirror, entre no playground e comece a hash algum código. Faça o download da biblioteca PHP, Java e Python, com a qual você se sentir mais confortável. Familiarize-se com o jargão e as convernções (linha do tempo, pacotes, menus, etc). Leia a documentação de suporte (segundo link abaixo) para ver como o hardware do Glass realmente funciona. Construa alguns aplicativos para esta especificação. Em breve, você encontrará um amigo com hardware para t

A otimização de estacionamento com sensores e APIs é um dos casos de uso mais claros para implementação de IoT em cidades industriais e inteligentes. Há uma oportunidade de negócios clara: maximizar a receita de vagas de estacionamento. na vaga de garagem. E há oportunidades claras para desenvolver novos serviços de qualidade: aproveitando o aprendizado de máquina para criar serviços preditivos.Tarik Hammadou, é CEO e cofundador da VIMOC Technologies, uma startup de IoT que cria gateways de hardware de sensores e uma plataforma independente de hardware para puxar em dados de sensores e mapeando-os. Usando seu hardware de sensor neuBox, a VIMOC foi capaz de trabalhar com garagens de estacionamento para instalar sensores que rastreiam contagens precisas em suas instalações. No passado, as garagens costumavam usar sensores de loop magnético, que não tinham precisão suficiente para guiar potenciais motoristas para baias vazias. Portanto, havia um forte caso de negócios para as garagens usarem sensores mais avançados. Da mesma forma que o HotelTonight aproveita as APIs para disponibilizar quartos de hotel de última hora, com dados precisos de vagas, os operadores de estacionamento podem maximizar suas taxas de desocupação (uma vaga de estacionamento na Bay Area, em São Francisco, por exemplo, pode valer entre US$ 25.000 e US$ 100.000 por ano). Portanto, ser capaz de otimizar os espaços de estacionamento é um imperativo comercial. E a indústria entende isso. Hammadou diz que quando apresentou aos EUA. S. associação nacional de estacionamento, ficamos impressionados com a demanda por esse tipo de tecnologia. Um dos requisitos que estamos recebendo dos proprietários de garagens é que eles querem poder enviar dados de vagas em tempo real para desenvolvedores de aplicativos para permitir que mapas de GPS e localização de caminhos mostrem espaços vagos. Assim, os proprietários de garagens estão querendo uma API aberta. Devido à aceitação do setor e ao caso de negócios claro, o VIMOC agora está adotando o aprendizado de máquina na borda para garantir que os desenvolvedores de API tenham o que precisam para criar aplicativos significativos construídos a partir dos dados de estacionamento. O principal desafio no gerenciamento e crescimento de uma comunidade de desenvolvedores é a qualidade dos dados expostos via API e sua capacidade de criar casos de negócios fortes, diz Hammadou. A API em si pode ser bem gerenciada estabelecendo o processo de engenharia correto e as opções de design de arquitetura de software para escalabilidade, segurança e disponibilidade. No entanto, é fundamental fornecer dados de sensor precisos para resolver problemas complexos de infraestrutura. Nossa principal missão ao nos envolvermos com qualquer desenvolvedor é ajudá-los a criar mais valor para nossos clientes do que se entregarmos o serviço por conta própria. Estabelecer um processo de negócios forte para gerenciar diferentes projetos com desenvolvedores é fundamental. Se a qualidade dos dados, o processo de negócios e a estratégia de monetização não forem estabelecidos como parte do engajamento da API, não haverá incentivos e recompensas sustentáveis ​​para o provedor da API, o desenvolvedor ou o usuário final. Hammadou vê a adequação ao mercado de produtos como uma combinação de dados de alto valor disponibilizados por sua API para que os desenvolvedores possam criar aplicativos e serviços de qualidade, e que exista um programa de compartilhamento de receita que reconheça os desenvolvedores como criadores de negócios por conta própria. certo. Outros exemplos de provedores de API de estacionamento incluem: World SensingSmartparkingCitibrainO que isso significa para oferecer suporte a uma comunidade de desenvolvedores em torno de suas experiências de API de IoT Os VIMOCs oferecem ótimas lições para qualquer provedor de IoT que queira construir comunidades de desenvolvedores de API em torno de sua solução. Documente o caso de uso. Seja muito claro sobre como sua solução de IoT pode ser usada por setores específicos e construa relacionamentos com esses setores para que eles entendam a conexão API-receita. A VIMOC conseguiu explicar sua tecnologia e obter uma indústria tradicional, como garagens de estacionamento, solicitando APIs e integrações. Certifique-se de que sua solução de IoT esteja gerando dados precisos que sejam disponibilizados aos desenvolvedores para que eles possam criar produtos e serviços ricos em recursos e de alta qualidade. O VIMOC construiu confiança e credibilidade com desenvolvedores terceirizados, garantindo que seus dados fornecessem uma magnitude de precisão maior do que as soluções anteriores de IoT. Quando sua solução de IoT estiver implementada e gerando dados precisos, será possível introduzir novas tecnologias de ponta, como aprendizado de máquina, para impulsionar a inovação. Não comece com aprendizado profundo e ML: esta é a segunda onda de desenvolvimento de recursos para projetos de infraestrutura de IoT. Pense em modelos de negócios programáveis. Veja como você pode fazer parceria com desenvolvedores de API por meio de modelos de receita compartilhada, em vez de criar uma abordagem de preço de API transacional em que os desenvolvedores devem pagar pelo acesso à sua API. Se você gostou deste artigo, clique no botão abaixo e siga esta publicação para não perder. Pronto para começar a engajar e aumentar sua comunidade de APIs com o Hitch? Inscreva-se agora PERGUNTA RELACIONADA Não recebi o Google Glass Explorer Edition. Tentar aprender Glass dev sem o hardware é um esforço inútil? Não, você ainda pode aprender os fundamentos do desenvolvimento do Glass sem o hardware. Existem três abordagens principais para realizar isso: 1) Visite a documentação da API Mirror, entre no playground e comece a hash algum código. Faça o download da biblioteca PHP, Java e Python, com a qual você se sentir mais confortável. Familiarize-se com o jargão e as convernções (linha do tempo, pacotes, menus, etc). Leia a documentação de suporte (segundo link abaixo) para ver como o hardware do Glass realmente funciona. Construa alguns aplicativos para esta especificação. Em breve, você encontrará um amigo com hardware para t

O mercado de estacionamento inteligente de automóveis de passageiros está projetado para crescer a um CAGR de 17,94%, para atingir um tamanho de mercado de US$ 5,25 bilhões até 2021. A produção mundial de veículos aumentou de 84,2 milhões em 2012 para 90,8 milhões em 2015. Além disso, desde 2012, com um crescimento de 8. 6%, a produção total de automóveis de passageiros aumentou para 68,5 milhões em 2015. Este rápido aumento no número de carros na estrada não levou a um aumento semelhante na disponibilidade de vagas de estacionamento. Para acomodar mais veículos, as garagens de estacionamento oferecem espaços de estacionamento apertados. Muitas cidades estão planejando a infraestrutura de estacionamento com mais eficiência. Isso impulsionará a demanda por carros de passeio equipados com sistema inteligente de assistência ao estacionamento. O fator que impede o crescimento do mercado é o alto custo de desenvolvimento de um sistema inteligente de assistência ao estacionamento, o que aumenta o custo de um carro de passeio. Os sensores de estacionamento contribuem com a maior participação, em termos de valor e volume, no mercado de componentes inteligentes de estacionamento para carros de passageirosOs sensores de estacionamento dominam o mercado de componentes inteligentes de estacionamento para carros de passeio. Os sensores de estacionamento não apenas ajudam a reduzir os danos causados ​​ao veículo durante o estacionamento e a marcha à ré, mas também podem ajudar a reduzir o congestionamento do tráfego, oferecendo uma visão ou ideia melhor sobre o ambiente traseiro, alertando o motorista. O número de sensores de estacionamento usados ​​em um sistema de assistência ao estacionamento inteligente varia de acordo com o OEM e o modelo do veículo. A fim de reduzir os acidentes causados ​​por veículos em marcha-atrás de um lugar de estacionamento, a U. S. A National Highway Traffic Safety Administration (NHTSA) decidiu que todos os novos carros de passeio devem ser equipados com câmeras de visão traseira a partir de 2018. Espera-se que até o Ministério Indiano de Transporte Rodoviário e Rodoviário (MoRTH) torne os sensores de visão traseira obrigatórios para todos os veículos de passageiros na Índia. Governos de todo o mundo estão em processo de implementação de regulamentações para tornar obrigatórios os sensores de estacionamento reverso nos veículos. a tecnologia de sensores é usada principalmente para detectar obstáculos em uma distância de longo alcance. Embora atualmente amplamente utilizado em recursos avançados de assistência ao motorista, a demanda por tecnologia de sensor de radar aumentaria com os desenvolvimentos tecnológicos no sistema de assistência ao estacionamento inteligente. Sensores ultrassônicos e sensores de imagem são opções comparativamente mais baratas para realizar a função básica de detecção de obstáculos do que os sensores de radar. No entanto, os desenvolvimentos em estacionamentos inteligentes sofisticados, como estacionamentos totalmente autônomos, impulsionarão a demanda por sensores de radar, recurso de detecção de distância de longo alcance. Ásia-Oceania: Mercado de assistência de estacionamento inteligente de crescimento mais rápido para carros de passeio Estima-se que a Ásia-Oceania seja o mercado de assistência de estacionamento inteligente de crescimento mais rápido para carros de passeio e está projetado para crescer no CAGR mais alto durante o período de previsão. De acordo com a OICA, a Ásia-Oceania é o maior contribuinte para a produção mundial de automóveis de passageiros. A produção de automóveis de passageiros na Ásia-Oceania totalizou 40. 0 milhões de veículos em 2015. China, Japão e Índia são os maiores contribuintes para a produção total de automóveis de passageiros na Ásia-Oceania. À medida que o número de veículos na estrada aumenta, a demanda por vagas de estacionamento também aumenta. Para atender à crescente demanda por vagas de estacionamento, os governos estão planejando uma infraestrutura de estacionamento eficiente que minimize o desperdício de espaço e acomode um maior número de veículos. Tais fatores aumentarão a demanda por carros de passeio equipados com estacionamento inteligente. O sistema inteligente de assistência ao estacionamento reduz o estresse do estacionamento em vagas apertadas e permite a utilização ideal da vaga. Assim, o aumento do investimento em infraestrutura de estacionamento e a melhoria no gerenciamento de tráfego e estacionamento impulsionarão o mercado de estacionamento inteligente na Ásia-Oceania. Baixe o PDF: mercados e mercados. Com/pdfdownloadNew. Asp? id=123959229O relatório fornece perfis detalhados das seguintes 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 Sistemas de identificação Nedap Cobertura de pesquisa sensores, unidades de exibição, ECU), tecnologia de sensores (ultra-sônico, radar e imagem), mercado de gestão de estacionamento por vertical (governamental e comercial) e soluções de gestão de estacionamento (segurança e vigilância, gestão de valet parking, gestão de reservas de estacionamento e reconhecimento de placas). O mercado foi dado em termos de volume (000/milhão de unidades) e valor (US$ milhões/bilhão). Razões para comprar o relatório: Este relatório contém vários níveis de análise, incluindo análise do setor (análise de fatores e análise das cinco forças de Porters) e perfis de empresas, que juntos compreendem e discutem as visões básicas sobre os segmentos emergentes e de alto crescimento do estacionamento inteligente mercado para carros de passeio e mercado de gerenciamento de estacionamento, cenário competitivo, regiões e países de alto crescimento, iniciativas governamentais e dinâmica de mercado, como motoristas, restrições, oportunidades e desafios. entender melhor o mercado para ajudá-los a adquirir uma maior participação de mercado. As empresas que comprarem o relatório podem usar qualquer uma ou uma combinação das quatro estratégias abaixo mencionadas (desenvolvimento de mercado, desenvolvimento/inovação de produto, diversificação de mercado e avaliação competitiva) para fortalecer sua posição no mercado. Sobre MarketsandMarkets MarketsandMarkets fornece pesquisa B2B quantificada sobre 30.000 oportunidades/ameaças de nicho de alto crescimento que impactarão de 70% a 80% das receitas das empresas em todo o mundo. Atualmente atendendo 7.500 clientes em todo o mundo, incluindo 80% das empresas globais da Fortune 1000 como clientes. Quase 75.000 altos executivos em oito setores em todo o mundo abordam a MarketsandMarkets para seus pontos problemáticos em torno das decisões de receita. A plataforma principal de inteligência competitiva e pesquisa de mercado da MarketsandMarkets, a Knowledgestore conecta mais de 200.000 mercados e cadeias de valor inteiras para uma compreensão mais profunda dos insights não atendidos, juntamente com o dimensionamento do mercado e as previsões de nichos de mercado. Contato: Sr. Shelly Singh MarketsandMarkets INC. 630 Dundee Road Suite 430 Northbrook, IL 60062 EUA: 18886006441 PERGUNTA RELACIONADA Não recebi o Google Glass Explorer Edition. Tentar aprender Glass dev sem o hardware é um esforço inútil? Não, você ainda pode aprender os fundamentos do desenvolvimento do Glass sem o hardware. Existem três abordagens principais para realizar isso: 1) Visite a documentação da API Mirror, entre no playground e comece a hash algum código. Faça o download da biblioteca PHP, Java e Python, com a qual você se sentir mais confortável. Familiarize-se com o jargão e as convernções (linha do tempo, pacotes, menus, etc). Leia a documentação de suporte (segundo link abaixo) para ver como o hardware do Glass realmente funciona. Construa alguns aplicativos para esta especificação. Em breve, você encontrará um amigo com hardware para t

Espera-se que o tamanho do mercado global de sensores para evitar colisões atinja US$ 18,97 bilhões até 2025, de acordo com um novo estudo conduzido pela Grand View Research, Inc., exibindo um 21. 2% CAGR durante o período de previsão. A integração de sistemas anticolisão em veículos do mercado de massa e as classificações de segurança atualizadas das agências devem impulsionar o crescimento do mercado nos próximos anos. O aumento da conscientização do consumidor e o amplo foco em pesquisa e desenvolvimento por players do setor têm sido os principais impulsionadores de crescimento do mercado. A instalação de sistemas de prevenção de colisões permite que os veículos tomem decisões autônomas e semi-autônomas. A crescente demanda por segurança veicular por parte dos consumidores e agências reguladoras de segurança veicular do governo também deve impulsionar o crescimento do mercado de sensores para evitar colisões. Os recentes desenvolvimentos tecnológicos em sensores estão focados na construção de dispositivos altamente sofisticados e no aumento do seu desempenho usando vários componentes do veículo. Os sistemas anticolisão permitem que os OEMs automotivos integrem inteligência adicional para atingir a meta de desenvolver um veículo autônomo. Padrões regulatórios e legais rigorosos exigiram a adição de sensores para aprimorar os recursos de segurança nos veículos. Espera-se que isso impulsione a demanda por sensores para evitar colisões durante o período de previsão. No entanto, o alto custo dos sistemas baseados em LiDAR e radares de longo alcance pode atrapalhar o crescimento do mercado, pois os fabricantes de carros de baixo preço podem se abster de instalar sensores para evitar o aumento do preço geral dos veículos. relatório sugere: Espera-se que a integração de sistemas de prevenção de colisões em veículos ajude a reduzir o número de acidentes de veículos devido a erro humano; estes últimos são responsáveis ​​por 90% dos acidentes, de acordo com um estudo de 2014 da UN Road Safety Collaboration. O segmento de radar é projetado para responder por 44. 5% do mercado global até 2025. A queda dos preços dos radares levou ao aumento da adoção por vários fabricantes de equipamentos originais (OEMs) de automóveis Espera-se que o segmento do Sistema de Alerta de Colisão (FCWS) seja responsável por uma grande participação de mercado até 2025, pois esses sistemas ajudam a diminuir significativamente as colisões ou acidentes traseiros. sensores e sistemas de prevenção e está previsto para atingir US$ 5,80 bilhões até 2025. Os principais participantes do mercado incluem NXP Semiconductors, Continental AG, Delphi Automotive, Robert Bosch GmbH e Murata Manufacturing Co., Ltd PERGUNTA RELACIONADA Não recebi o Google Glass Explorer Edition. Tentar aprender Glass dev sem o hardware é um esforço inútil? Não, você ainda pode aprender os fundamentos do desenvolvimento do Glass sem o hardware. Existem três abordagens principais para realizar isso: 1) Visite a documentação da API Mirror, entre no playground e comece a hash algum código. Faça o download da biblioteca PHP, Java e Python, com a qual você se sentir mais confortável. Familiarize-se com o jargão e as convernções (linha do tempo, pacotes, menus, etc). Leia a documentação de suporte (segundo link abaixo) para ver como o hardware do Glass realmente funciona. Construa alguns aplicativos para esta especificação. Em breve, você encontrará um amigo com hardware para t

Sensor de estacionamento inteligente com funções surpreendentes, operação simples, design popular, modo de trabalho ideal e alta qualidade. Modelo: SNK-0414.3MTFT Sistema de Sensor de Estacionamento de Vídeo com CameraFeature4. Monitor TFT de 3 polegadas embutido no espelho Design compacto do para-sol ao redor Suporte de função do interruptor Adequado para câmera/DVD/VCD player Prioridade da câmera de visão traseiraResolução: 480 x 234 pontosFonte de alimentação: 12V DCControle remoto e menu OSDOs próprios sensores podem detectar os sensores defeituosos se ocorrer uma situação anormal. PARA MAIS detalhes, visite: gl/djjaeSEmail: support@soniktechnologies.inCorporate Help Line: 918824866866 PERGUNTA RELACIONADA Não recebi o Google Glass Explorer Edition. Tentar aprender Glass dev sem o hardware é um esforço inútil? Não, você ainda pode aprender os fundamentos do desenvolvimento do Glass sem o hardware. Existem três abordagens principais para realizar isso: 1) Visite a documentação da API Mirror, entre no playground e comece a hash algum código. Faça o download da biblioteca PHP, Java e Python, com a qual você se sentir mais confortável. Familiarize-se com o jargão e as convernções (linha do tempo, pacotes, menus, etc). Leia a documentação de suporte (segundo link abaixo) para ver como o hardware do Glass realmente funciona. Construa alguns aplicativos para esta especificação. Em breve, você encontrará um amigo com hardware para t

IntroduçãoAs crescentes preferências dos clientes por conforto no veículo e facilidade de direção estão levando à digitalização dos carros de passeio. Recursos como infoentretenimento com tela sensível ao toque e câmeras de estacionamento de ré, que antes eram instalados apenas em carros premium, estão sendo amplamente adotados em carros produzidos em massa. A implantação de sistemas ADAS baseados em visão também está nos mostrando que os carros de passeio estão caminhando para um caminho evolutivo para veículos autônomos. LiDAR, RADAR e sensores de câmera são três sensores importantes atualmente usados ​​para detecção de objetos em veículos equipados com ADAS. Este blog discutirá os tipos de sensores de câmeras automotivas, suas aplicações, fatores de crescimento, cenário competitivo no mercado de sensores de câmeras automotivas. eu. E. , monovisão ou uma combinação de pelo menos dois sistemas de monovisão para formar uma visão estéreo. O sistema Monovision usa um único sensor para capturar o comprimento e a respiração da imagem, e é uma maneira popular e barata de capturar imagens bidimensionais, como sinais de trânsito. O sistema de visão estéreo usa dois sensores, um para capturar a imagem (como monovisão) e outro para capturar as informações de profundidade. Os sistemas de câmera de visão estéreo são usados ​​para capturar imagens 3D e informações de distância (como sistemas RADAR e LIDAR). Os sensores de câmera tradicionais são adequados para trabalhar em luz visível, mas oferecem um desafio para ver um objeto à noite. Para resolver esse problema, as montadoras estão integrando sensores de infravermelho distante em sistemas de câmeras para fornecer mapas de calor de imagens, detectando as diferenças de temperatura entre o objeto (por exemplo, um indivíduo) e seu ambiente. Esses sistemas de câmeras são geralmente empregados em Leia mais PERGUNTA RELACIONADA Não recebi o Google Glass Explorer Edition. Tentar aprender Glass dev sem o hardware é um esforço inútil? Não, você ainda pode aprender os fundamentos do desenvolvimento do Glass sem o hardware. Existem três abordagens principais para realizar isso: 1) Visite a documentação da API Mirror, entre no playground e comece a hash algum código. Faça o download da biblioteca PHP, Java e Python, com a qual você se sentir mais confortável. Familiarize-se com o jargão e as convernções (linha do tempo, pacotes, menus, etc). Leia a documentação de suporte (segundo link abaixo) para ver como o hardware do Glass realmente funciona. Construa alguns aplicativos para esta especificação. Em breve, você encontrará um amigo com hardware para t

A Inteligência Artificial já faz parte do nosso dia a dia. Essa tecnologia nos envolve desde sistemas de estacionamento automático, sensores fotográficos inteligentes até assistência pessoal. Da mesma forma, na educação, a inteligência artificial é sentida e os métodos tradicionais estão mudando drasticamente. Graças às inúmeras aplicações de IA para educação, o mundo acadêmico está se tornando mais conveniente e personalizado. Desde que os materiais educacionais se tornaram acessíveis a todos por meio de dispositivos inteligentes e computadores, isso mudou a forma como as pessoas aprendem. Os alunos de hoje não precisam frequentar as aulas físicas para estudar desde que tenham computadores e conexão com a internet. A IA também permite que tarefas administrativas sejam automatizadas, permitindo que as instituições minimizem o tempo necessário para concluir tarefas desafiadoras para que os educadores possam passar mais tempo com os alunos. Agora é a hora de discutir as transformações trazidas pela IA na educação. Simplificação das tarefas administrativas As Empresas de Desenvolvimento de Aplicativos Educacionais de IA podem ajudar a automatizar a expedição de tarefas administrativas de professores e instituições acadêmicas. Os educadores gastam muito tempo corrigindo exames, avaliando trabalhos de casa e fornecendo aos alunos respostas valiosas. No entanto, a tecnologia pode ser usada para automatizar as tarefas de classificação envolvendo vários testes. Isso significa que os professores teriam mais tempo do que passar longas horas avaliando-os com seus alunos. Estamos esperando mais da IA. Os fornecedores de software estão desenvolvendo maneiras melhores de avaliar respostas escritas e redações comuns. O outro departamento que recebe muito da IA ​​é o conselho de admissões escolares. Inteligência artificialAcessibilidade da educação de qualidadeEm uma época em que a tecnologia está encolhendo o mundo, a educação de qualidade na forma de conteúdo inteligente também se torna mais acessível a uma população maior. Com aplicativos avançados de IA desenvolvidos pelas principais empresas de aplicativos de IA, os educadores podem configurar conteúdo em diferentes partes do país de acordo com as necessidades locais dos alunos. Eles geralmente oferecem educação por meio de conteúdo virtual, como videoconferência, palestras, etc. Até os livros didáticos se transformaram à medida que os sistemas de IA estão sendo usados ​​para criar livros digitais para tópicos/temas específicos. Aprendizado personalizado Você verificou na Netflix o tipo de recomendações personalizadas? A mesma tecnologia é usada para ensinar os alunos nas escolas. Os sistemas tradicionais devem atender ao meio, mas não atendem suficientemente aos alunos. O currículo concebido visando 80 por cento do meio para atender o maior número possível de alunos. No entanto, quando estão entre os 10% melhores, os alunos lutam para atingir todo o seu potencial. Ainda assim, quando estão no fundo dos 10%, passam por dificuldades. Mas os professores não são necessariamente substituídos quando a IA é introduzida, mas podem ter um desempenho muito melhor oferecendo recomendações individuais a cada aluno. A IA personaliza as tarefas em sala de aula e os exames finais para garantir que os alunos recebam a melhor assistência possível. Pesquisas indicam que uma das chaves para uma tutoria bem-sucedida é o feedback instantâneo. Os alunos recebem respostas direcionadas e personalizadas de seus professores por meio de aplicativos com tecnologia de IA. Os professores podem condensar as lições em flashcards e guias de estudo inteligentes. Dependendo dos desafios que enfrentam ao estudar os materiais de aula, eles também podem ensinar os alunos. Ao contrário do passado, os estudantes universitários agora podem ter mais tempo para interagir com os professores. Aprendizagem Global Não há limites para a educação, e a Inteligência Artificial pode ajudar a eliminar fronteiras. A tecnologia traz transições drásticas facilitando o aprendizado de qualquer curso a qualquer hora e de qualquer lugar do globo. A educação baseada em IA fornece as habilidades de TI necessárias para os alunos. Com mais invenções, uma gama mais abrangente de cursos on-line estará disponível e os alunos aprenderão de onde estiverem com a ajuda da IA. Educação Seria uma experiência divertida Muitas técnicas permitem que a Inteligência Artificial torne o aprendizado uma atividade mais prazerosa. Ele pode criar um tipo de experiência envolvente que você precisa para cativar os alunos em sua sala de aula. Em várias tecnologias de simulação e jogos, já está sendo usada a inteligência artificial que pode desempenhar um papel significativo nesse sentido. Agora, a Inteligência Artificial pode tornar a educação muito mais flexível e perceptiva. Pode ser usado para persuadir os alunos a desenvolver seus conhecimentos. Com seus benefícios distintos, a presença da IA ​​está aumentando continuamente e, apesar de sua importância antecipada no espaço educacional, pode nos surpreender com um valor ainda maior no futuro PERGUNTA RELACIONADA Não recebi o Google Glass Explorer Edition. Tentar aprender Glass dev sem o hardware é um esforço inútil? Não, você ainda pode aprender os fundamentos do desenvolvimento do Glass sem o hardware. Existem três abordagens principais para realizar isso: 1) Visite a documentação da API Mirror, entre no playground e comece a hash algum código. Faça o download da biblioteca PHP, Java e Python, com a qual você se sentir mais confortável. Familiarize-se com o jargão e as convernções (linha do tempo, pacotes, menus, etc). Leia a documentação de suporte (segundo link abaixo) para ver como o hardware do Glass realmente funciona. Construa alguns aplicativos para esta especificação. Em breve, você encontrará um amigo com hardware para t

Em setembro passado, instalamos sensores ópticos de estacionamento para medir a ocupação de mais de 500 vagas de estacionamento na cidade do distrito universitário de Braunschweigs. Essa é a maior instalação de sensores de estacionamento já lançada em espaço público na Alemanha e uma coisa é certa: faremos dela a última. Esta é a história dos grandes esforços, uma empresa de IA em busca da verdade dados para alimentar seus algoritmos. Esta é também a história por trás de uma bela peça de engenharia, que passou a ser o subproduto de uma missão maior e, eventualmente, nunca mais será colocada em produção. Tudo isso em favor de uma tecnologia mais disruptiva e orientada por dados. Como, na Bliq, trabalhamos em algoritmos preditivos para modelar a disponibilidade de estacionamento com base em dados de tráfego, temos a necessidade natural de dados de verdade sobre a ocupação de estacionamento na vida real em uma área de referência. Para obter esse tipo de dados, decidimos construir nossa própria configuração experimental do mundo real de sensores de estacionamento que medem a ocupação de mais de 500 vagas de estacionamento, em tempo real, 24 horas por dia. gostaria de compartilhar alguns insights sobre os esforços de engenharia que entraram neste projeto. Mais especificamente, vamos falar sobre o local de teste que escolhemos, a arquitetura do sistema e o sensor real que projetamos e construímos para coletar dados. O site de teste Às vezes, as empresas de IA precisam se tornar criativas quando se trata de coletar informações básicas para seus modelos. No nosso caso, modelar a disponibilidade de estacionamento, isso significava encontrar um bairro que atendesse a certos critérios em termos de fluxo de tráfego, uso e demografia. temos o campus principal da universidade atraindo milhares de estudantes e centenas de funcionários todos os dias. Ainda mais ao sul, o centro da cidade com suas lojas e atrações fica a apenas alguns minutos a pé (não mostrado no mapa acima). A parte norte do distrito forma uma área residencial com estacionamento público e não restrito na rua. A maioria das pessoas que vivem nesta área são estudantes ou empregados da indústria automotiva local. A grande maioria dos moradores se desloca para o trabalho usando carros particulares. O distrito é separado por uma estrada circular arterial, que abraça o distrito central da cidade. Como o sistema funciona no mundo real e transmite dados para um back-end de nuvem. O back-end armazena os dados e os torna acessíveis para processamento adicional, para servir como base para esforços de aprendizado de máquina ou apenas para visualização simples em um aplicativo ou aplicativo da web. poder que implantamos na borda: devido aos requisitos regulatórios no espaço público alemão, que também são acionados por discussões recentes e em andamento sobre GDPR, não conseguimos processar imagens em uma nuvem remota com muitos recursos computacionais. É por isso que precisávamos fazer tudo o trabalho pesado para determinar pontos abertos diretamente no dispositivo sensor, em vez de em outro lugar. A vantagem disso é que essa abordagem não consome grandes volumes de dados para enviar e receber imagens. Em vez disso, podemos manter os custos de operação dos sensores para conectividade também dentro de um intervalo relativamente baixo. No lado negativo, equipar o dispositivo com poder computacional suficiente para realizar a análise de imagem requer muitos esforços extras no desenvolvimento de hardware. Por que não usar outro sensor de estacionamento? Por que decidimos passar pela dor de projetar e construir nosso próprio sensor de estacionamento em vez de apenas comprar um dos muitos modelos de sensores acabados que já estão disponíveis por aí? Existem três respostas para isso: Nós não sabia o quão complexo construir um novo dispositivo se tornaria ;) Todos os sensores de estacionamento existentes tinham algumas falhas: A situação regulatória nos proibia de usar qualquer tipo de solução óptica disponível, já que esse tipo de sistema violaria a privacidade. Os sensores montados na superfície não resistiriam à remoção de neve durante o inverno. E, por último, os sensores no solo eram bastante caros e ainda mais caros de instalar. Estávamos com um orçamento bastante apertado quando começamos este projeto. Nós iniciamos totalmente a empresa neste momento: nossos fundos consistiam em algum financiamento do governo, primeiras receitas e alguns preços que ganhamos aqui e ali. Os outros modelos de sensores com um preço entre 75 e 250 euros por ponto eram simplesmente muito caros para nós neste momento. O novo sensor óptico de estacionamentoA ideia para o princípio de funcionamento do nosso sensor era simples: implantar o mesmo algoritmo que já havíamos desenvolvido em nosso projeto de pesquisa anterior em hardware de tamanho reduzido, conectá-lo à internet, colocar tudo em uma caixa à prova d'água e montá-lo a um poste de luz. O algoritmo em si é basicamente um classificador de imagens, que requer regiões de interesse pré-definidas para serem observadas. O objetivo original do modelo era automatizar a análise da ocupação do estacionamento em algumas grandes séries de imagens coletadas em um projeto anterior com câmeras offline. O desafio agora era apenas projetar um equipamento de hardware adequado com poder computacional suficiente, reduzir o modelo para que ele fosse executado nesta configuração e garantir o fornecimento de energia contínuo. Esta era a nossa lista de desejos de especificações:Baixo custo por ponto: Componentes padrãoFrequência de medição de até 3 min até 30 seg.Detecção robusta contra intempéries, mudanças na iluminação e estacionamento impreciso de carros (p. G. um carro ocupando duas vagas)Monitoramento do estado de saúde do dispositivoOpção para atualizações remotas de softwareBaixo consumo de energia25 anos de vida útilSoftwareO software do sensor consiste em três camadas: O sistema operacional, que foi um desenvolvimento personalizado para este projeto, a rotina central que controla todas as funções dos sensores e o modelo real de aprendizado de máquina para detecção de pontos abertos.Sistema operacionalPara executar um modelo de visão completo na borda, percebemos rapidamente que precisaríamos de uma configuração de software muito maior do que em outros projetos de hardware de IoT. A decisão foi tomada para construir uma distribuição personalizada de Linux usando Yocto. Dessa forma, poderíamos ter controle total sobre tudo o que o sistema operacional está fazendo. Os recursos principais eram duas partições separadas, para poder fazer atualizações do sistema de arquivos e partições de troca, várias bibliotecas, exigidas pela rotina principal e uma redefinição do watchdog. O watchdog de hardware do nosso SBC reinicializa o dispositivo caso algo não funcione conforme o esperado. Ter tijolos inteligentes metros acima do solo em postes de luz por causa de um bug no software seria literalmente o pior caso. backend (recuperando dados de configuração e enviando atualizações). A rotina principal é implementada em Python. Isso nos deu grande flexibilidade e simplificou muito o processamento de imagens, pois pudemos fazer uso da grande base de código Python existente que já tínhamos na empresa. Desde o modelo de detecção sobre o código-fonte para a rotina principal até o kernel ou até mesmo todo o sistema de arquivos, cada parte pode ser substituída remotamente. Enfrentando evoluções rápidas no campo de CV e aprendizado de máquina em geral, queríamos ter certeza de que o código que está executando os sensores será de última geração durante toda a vida útil. Aprendizado de máquina Para realizar a tarefa de detecção, pegamos uma versão do tensorflow e depois de alguns ajustes conseguimos que ele funcionasse em nossa configuração. Feito isso, poderíamos implantar praticamente qualquer tensorflow pré-treinado que coubesse na memória da GPU. Decidimos usar o MobileNet, pois mostrou a melhor relação entre precisão e desempenho em nossa configuração. Também analisamos várias outras abordagens baseadas em recursos tradicionais de visão computacional, como recursos HOG, histogramas etc. em combinação com classificadores convencionais de aprendizado de máquina, como SVMs. Embora esses testes tenham resultado em um desempenho computacional bastante alto devido ao design de modelo muito mais simples em comparação com o MobileNet, a precisão do modelo foi menor, o que pode ser explicado pelas desvantagens usuais das descrições de recursos de CV padrão (invariância de luz, invariância de escala). Hardware Trabalhar com hardware foi uma experiência bastante nova para nós, sendo até então uma empresa de software puro. Embora Mathias, nosso CTO, tenha trabalhado no design de eletrônicos em seu trabalho anterior na Volkswagen R &D, nossa empresa não estava totalmente pronta para uma tarefa de desenvolvimento de hardware e, honestamente, olhando para trás, ainda não está hoje. No entanto, precisávamos de um design funcional que fosse fácil de fabricar e iterar com os recursos que tínhamos como uma empresa bootstrap neste momento. Então, nossa lista de requisitos rapidamente ficou assim: O estojo precisa ser à prova d'água e imprimível em 3D O sensor deve ser capaz de funcionar pelo menos 12 horas com bateriaA câmera deve ser protegida da chuva e da água pulverizada e funcionar no escuro também precisa conter a câmera, um sensor de temperatura/umidade, o módulo LTE, o computador de placa única e alguns eletrônicos de potência para converter a tensão para o nível apropriado. o dia) Toda a configuração precisa ser modular para facilitar a instalação e poder trocar componentes individuais em caso de falha. Ele também precisa ser pequeno e pintado de cinza para parecer discreto em seu ambiente operacional Condições de operação de -20 C a 70 C (já que a configuração pode ficar bastante quente no verão quando está totalmente exposta ao sol) Começamos com um design que inclui infravermelho LEDs (como muitas câmeras externas têm) para poder operar em condições noturnas. No entanto, essa escolha de design acabou apresentando algumas falhas: Esses LEDs consumiam bastante energia (em comparação com o restante dos componentes eletrônicos), tornando necessária uma fonte de alimentação fora do padrão e, portanto, necessária. Apesar do grande consumo de energia, eles não eram realmente capazes de iluminar todo o campo de visão. Provavelmente precisaríamos de um holofote IR externo, o que, novamente, não era uma alternativa séria. E, por último, o design com tempero de LED também não era muito bonito. podemos aumentar a exposição e a sensibilidade à luz dos sensores para trabalhar apenas com luz residual. Por isso, substituímos a exposição interna da câmera e o controle ISO e criamos um loop de feedback simples que ajusta as configurações de iluminação com base na luminância do último quadro capturado. Essa abordagem funcionou muito bem, já que na maioria das ruas há luz residual suficiente dos postes de luz. Depois de várias iterações, finalmente chegamos ao design mostrado acima: A câmera fica dentro de um cone para ser protegida da água pulverizada e reflexos solares, tanto quanto possível. Os componentes eletrônicos são montados em um soquete interno e um cabo de fita conecta a câmera à placa principal. A parte inferior é removível e montada no gabinete com quatro parafusos padrão. Como a caixa é impressa em ABS, as porcas quadráticas ficam em recortes para garantir que os parafusos possam ser apertados corretamente. Uma junta semelhante à GoPro conecta o gabinete ao suporte, que é preso ao poste de luz usando fita de aço padrão. Todas as peças são otimizadas para impressão 3D, o que significa que não há saliências pesadas, importe superfícies paralelas para alta qualidade de superfície. Por último, a caixa da bateria é separada do sensor para melhor facilidade de manutenção. É uma caixa ABS moldada por injeção padrão e contém um 4. Bateria de chumbo de 5 Ah 12V e uma unidade de carregamento, que recebe entrada de 230V (que é a voltagem da maioria das luzes de rua na Alemanha).O que vem a seguirOs dados que estamos coletando ao longo deste projeto estão nos ajudando muito a melhorar nossa compreensão (e também nossa algoritmos) de como o estacionamento funciona em diferentes situações de tráfego e vários contextos de fatores que influenciam a disponibilidade de estacionamento. Vamos postar mais sobre os resultados reais de uma perspectiva de ciência de dados muito em breve. Também gastaremos algum tempo e entraremos mais nos detalhes da parte do software e, eventualmente, vamos até mesmo abrir o software de código aberto, bem como os projetos de hardware.AgradecimentosNeste ponto, gostaríamos de expressar nossa gratidão à cidade de Braunschweig por nos dar acesso à infraestrutura de tráfego para apoiar este projeto. Eles não apenas forneceram todas as permissões necessárias, mas também cobriram parte dos custos. Também gostaríamos de agradecer ao operador de tráfego local Bellis e ao fornecedor de energia BS Energy pelo apoio na instalação e fornecimento de energia dos sensores. Sobre o autorJulian é o CEO e cofundador da Bliq, uma empresa de Berlim empresa de tecnologia baseada. Bliq fornece mapas de estacionamento ao vivo para desenvolvedores em mobilidade. PERGUNTA RELACIONADA Não recebi o Google Glass Explorer Edition. Tentar aprender Glass dev sem o hardware é um esforço inútil? Não, você ainda pode aprender os fundamentos do desenvolvimento do Glass sem o hardware. Existem três abordagens principais para realizar isso: 1) Visite a documentação da API Mirror, entre no playground e comece a hash algum código. Faça o download da biblioteca PHP, Java e Python, com a qual você se sentir mais confortável. Familiarize-se com o jargão e as convernções (linha do tempo, pacotes, menus, etc). Leia a documentação de suporte (segundo link abaixo) para ver como o hardware do Glass realmente funciona. Construa alguns aplicativos para esta especificação. Em breve, você encontrará um amigo com hardware para t

Os veículos automatizados possuem diversos recursos avançados, como controle de cruzeiro adaptativo, assistência ao estacionamento, aviso de saída de faixa, frenagem de emergência automatizada e detecção de ponto cego, entre outros, que podem ser integrados a um automóvel para proporcionar uma experiência de direção melhor e mais segura. Em 2017, o número de veículos ADAS na estrada, seja para teste ou comercializado, é estimado em XX unidades. Alimentado por um ambiente regulatório rigoroso e crescente interesse do consumidor, espera-se que esse número cresça ainda mais e atinja cerca de 10 milhões de unidades na estrada até o ano de 2028. Solicite a amostra: com/requestsample?id=578 &O sistema type=downloadADAS requer sensores de visão e alcance para mapear com precisão os arredores do veículo e detectar obstáculos presentes nas proximidades do automóvel. Alguns dos principais sensores necessários para mapear os arredores dos veículos incluem câmeras, RADARs, sensores ultrassônicos e sensores infravermelhos. Esses componentes atuam como elementos sensores ao redor de um veículo e fornecem vários pontos de dados para sistemas automatizados em tempo real, onde informações úteis são extraídas e fornecidas ao motorista para assistência adequada. Espera-se que até o ano de 2028, mais de XX milhões de veículos (incluindo carros de passeio e veículos comerciais) terão uma capacidade integrada de sistemas ADAS e automação. No entanto, veículos autônomos trabalham com a entrada fornecida por sistemas automatizados, portanto, necessitando de dados mais precisos e densos fornecidos ao sistema. Câmeras/RADARs/sensores ultrassônicos são incapazes de atender a esses requisitos de detecção devido a várias limitações operacionais desses sensores, o que, na verdade, aumenta a necessidade do uso de Light Detection and Ranging (LiDARs) para um nível mais alto de automação. Veja o relatório completo: Automotive LiDAR Os dispositivos IndustryLiDAR usam feixe de laser pulsado para calcular a distância de obstáculos de qualquer veículo emitindo feixes de laser. A distância é medida analisando o tempo que o pulso do laser leva para refletir e receber os sensores na extremidade receptora. Os sensores LiDAR são usados ​​para escanear o ambiente com um feixe de laser não visível e não prejudicial, que é usado para visualizar objetos e medir alcances e criar uma imagem 3D do ambiente dos veículos. O sistema LiDAR requer um transmissor a laser e um receptor.Relatórios relacionados: Global Automotive MEMS Sensor Market Analysis and Forecast: 20172021Global Automotive Camera Market Analysis and Forecast-2018 to 2026Global ADAS and Autonomous Driving Components Market, Analysis & Previsão 20172026Quem somos: A BIS Research é uma empresa global de inteligência de mercado, pesquisa e consultoria que se concentra nas tendências emergentes em tecnologia que provavelmente perturbarão a dinâmica do mercado nos próximos cinco (ou dez) anos. Com mais de 150 relatórios de inteligência de mercado publicados anualmente, a BIS Research se concentra em vários setores de tecnologia, como impressão 3D, materiais avançados & produtos químicos, aeroespacial e defesa, automotivo, saúde, eletrônicos & Semicondutores, robótica & UAV e outras tecnologias emergentes. Cada relatório de pesquisa incorpora análise detalhada e quantificação subsequente da dinâmica do mercado, impulsionadores e restrições do mercado, oportunidades, ameaças, participações de mercado, tendências atuais e emergentes do setor, bem como informações e cenários competitivos detalhados.Contato:E-mail-id: BIS Research39111 PASEO PADRE PKWY STE 313,FREMONT CA 945381686 PERGUNTA RELACIONADA Não recebi o Google Glass Explorer Edition. Tentar aprender Glass dev sem o hardware é um esforço inútil? Não, você ainda pode aprender os fundamentos do desenvolvimento do Glass sem o hardware. Existem três abordagens principais para realizar isso: 1) Visite a documentação da API Mirror, entre no playground e comece a hash algum código. Faça o download da biblioteca PHP, Java e Python, com a qual você se sentir mais confortável. Familiarize-se com o jargão e as convernções (linha do tempo, pacotes, menus, etc). Leia a documentação de suporte (segundo link abaixo) para ver como o hardware do Glass realmente funciona. Construa alguns aplicativos para esta especificação. Em breve, você encontrará um amigo com hardware para t

As cidades estão ficando mais inteligentes, e um grupo de nós espera que o primeiro problema que eles resolvam seja o trânsito. E uma das causas das dores de cabeça do trânsito é o estacionamento. Então, como resolvemos isso? Com parquímetros inteligentes! Este tutorial demonstra como construir um protótipo de um aplicativo de parquímetro inteligente habilitado para IoT usando IBM Bluemix e PubNub. O aplicativo tem três funções principais:Mostrar ao motorista uma visão em tempo real das vagas de estacionamento disponíveis e ocupadasPermitir que o motorista reserve uma vaga de estacionamentoAcompanhar automaticamente o faturamento com base nas ações do motorista (como entrar e sair da vaga de estacionamento)Configuração do projeto e repositório de código completoEste projeto é um ótimo experimento DIY para entusiastas de IoT. Portanto, se você estiver interessado em experimentá-lo, acesse o GitHub para obter o código-fonte completo do projeto bluemix-parking-meter. Consulte as instruções de compilação e o arquivo leia-me para obter etapas detalhadas, desde a configuração do hardware até a hospedagem e execução do aplicativo . Para hospedar este aplicativo, você precisará criar uma conta Bluemix e PubNub. Visite a página de inscrição do IBM Bluemix e a página de complemento PubNub para criar suas respectivas contas. Ambos os serviços oferecem uma conta de nível gratuito para brincar com suas ofertas. ComponentesExistem três componentes do aplicativo:Parking Management Server (PMS) monitora todas as vagas de estacionamento e gerencia a medição e cobrança para todos os usuários. A plataforma de hardware IoT conecta as vagas de estacionamento ao PMS e também detecta a presença ou ausência de um veículo. O Mobile App oferece uma interface fácil para auxiliar o motorista a encontrar uma vaga e gerenciar seu uso e faturamento de estacionamento. A plataforma de hardware é alimentada pelo Arduino Yun e usa sensores ultrassônicos para detectar a presença ou ausência de um veículo em uma vaga de estacionamento. O PMS é implementado como um servidor de aplicativos executado em Python. Ele mantém o controle de todos os dispositivos e gerencia o faturamento e as reservas. O Mobile App (também conhecido como Auto Park) é um aplicativo Android baseado em Cordova e JavaScript. O servidor de aplicativos PMS está hospedado na plataforma de nuvem IBM Bluemix e toda a comunicação entre o PMS para o hardware e o PMS para o aplicativo móvel é alimentada pela PubNubs Realtime Data Stream Network.HardwareA seguir está a lista de componentes de hardware usados ​​para este projeto:Arduino YunHC -Sensor ultrassônico SR04 (3 nos. ) Uma configuração de amostra em uma placa de ensaio é mostrada abaixo: E o diagrama esquemático associado para o circuito de hardware está abaixo: Existem três partes funcionais do hardware: Controlador Mestre O Arduino Yun habilitado para WiFi atua como o controlador mestre para controlar alguns estacionamentos espaços. Ele monitora periodicamente e obtém o status de cada vaga de estacionamento dentro de sua jurisdição, por meio de sensores ultrassônicos. Ele também faz interface com o PMS via PubNub e publica o estacionamento StatusSensor Controller Este é um componente interno da placa Arduino Yun, alimentado pelo chip ATMega32. Ele interage diretamente com os sensores e executa um loop, a cada poucos segundos, para obter o status mais recente de cada sensor Sensor Ultrassônico Três sensores HC-SR04 são usados ​​para simular três vagas de estacionamento. O código-fonte para configuração de hardware está disponível no diretório yun_pubnub (para controlador mestre) e no diretório device/hcsr04 (para controlador de sensor) no repositório GitHub.Parking Management Server (IBM Bluemix)O PMS é escrito em Python e pode ser instalado como um Serviço hospedado IBM Bluemix. O IBM Bluemix fornece a potência de computação para o PMS monitorar dispositivos de hardware e gerenciar a medição de estacionamento e cobrança para os usuários. Além disso, você precisará associar o serviço de complemento PubNub à sua conta do IBM Bluemix para que o PMS funcione com o PubNub. Consulte as etapas em README.md para entender como configurar e hospedar um aplicativo Python no Bluemix com PubNub. O código-fonte do PMS está localizado no diretório do medidor de estacionamento no repositório GitHub.Aplicativo móvelO aplicativo móvel é um aplicativo Android padrão baseado em Cordova. Ele exibe um mapa da área de estacionamento com vagas codificadas por cores para auxiliar o usuário na escolha de uma vaga. O código-fonte do aplicativo móvel está localizado no diretório MobileApp no ​​repositório GitHub. O PubNubPubNub atua como o middleware de comunicação para todo o sistema. Ele fornece uma rede de fluxo de dados em tempo real baseada em nuvem que suporta mais de 70 SDKs, de modo que pode permitir que qualquer dispositivo se comunique com qualquer outro dispositivo na Internet. Este aplicativo usa três dos SDKs PubNubs para que todos os componentes se comuniquem perfeitamente entre si. Estes são:Javascript SDK para o aplicativo móvel SDK do Python para PMSPOSIX C SDK para o Arduino Yun Este aplicativo conta com vários canais PubNub para permitir a comunicação entre os componentes, conforme ilustrado abaixo: O canal privado no diagrama acima refere-se a um canal dedicado entre o PMS e um aplicativo móvel. Todas as mensagens trocadas pelos canais PubNub estão no formato JSON. Para cada aplicativo móvel solicitando reserva de estacionamento, o PMS inicia mensagens por meio desse canal para esse aplicativo móvel específico. A importância de todos os canais será esclarecida na próxima seção. Operação e Cenários do Sistema A operação completa deste sistema pode ser dividida nos cinco cenários a seguir. Cenário 1: Inicialização do aplicativo Quando o aplicativo móvel é iniciado pela primeira vez após a instalação, ele solicita a placa/número de registro do veículo do usuário. Isso funciona como um identificador exclusivo para o PMS rastrear o aplicativo para fins de cobrança. Em seguida, o aplicativo envia uma solicitação ao PMS para obter o status de todas as vagas de estacionamento. Isso é usado para exibir o mapa, onde cada espaço é identificado com um número de slot (001, 002 e 003). Veja como ocorre a troca de mensagens entre o PMS e o aplicativo móvel: A solicitação JSON do aplicativo contém um parâmetro RequestType com o valor 1 para indicar uma solicitação para buscar o status em massa de todas as vagas de estacionamento. A resposta JSON do PMS contém o número da vaga de estacionamento como parâmetro e seu status como 0 ou 1 , para indicar que o espaço está vago ou ocupado. Para a exibição do mapa no aplicativo móvel, as vagas de estacionamento atualmente vagas são indicadas em verde, enquanto as ocupadas ou reservadas são indicadas em vermelho. sinaliza imediatamente o PMS. Aqui, 001 identifica o número de identificação da vaga e o valor 1 indica que a vaga está ocupada. Como alternativa, um valor de 0 indica que o espaço está vago. O PMS também transmite essas informações em um canal global PubNub parkingapp-resp para que todos os aplicativos possam atualizar a exibição do mapa de estacionamento. Cenário 3: solicitação de reserva & Billing StartUm usuário que se aproxima de uma vaga de estacionamento vago pode reservá-la com antecedência tocando em uma vaga de estacionamento vaga desejada no aplicativo. Isso solicita que o PMS inicie uma sessão de cobrança para o usuário. O PMS envia uma mensagem ao aplicativo em seu canal privado para iniciar o início do faturamento. Junto com isso, o PMS também inicia um cronômetro. Veja mais de perto o formato das mensagens JSON nesta interação: O parâmetro RequestType com valor 2 indica uma solicitação de reserva é o número de matrícula do veículo É identificado por próprioUm tipo de sessão com valor 0 indica o início da sessão de cobrança para o usuário que reservou o número do slot identificado pelo valor de deviceID.Ao receber a mensagem em seu canal privado, o aplicativo móvel exibe uma mensagem ao usuário para confirmar sua reserva de estacionamento request:Além disso, o PMS também envia uma atualização no canal parkingapp-respto informando a todos os aplicativos móveis que a referida vaga está ocupada. Cenário 4: Confirmação da ReservaApós a reserva, quando o usuário finalmente estaciona seu veículo no estacionamento designado espaço, o hardware envia uma atualização de status para o PMS para indicar a confirmação da reserva. Neste momento, o PMS pára o temporizador. Cenário 5: Faturamento PararMais tarde, quando o usuário retira seu veículo da vaga, o dispositivo de hardware novamente detecta isso e envia uma atualização de status para o PMS indicando que a vaga está vazia. Ao receber essa atualização, o PMS calcula a fatura para o usuário e envia uma mensagem de interrupção da sessão de cobrança junto com os detalhes da fatura para o aplicativo móvel por meio de seu canal privado. A mensagem JSON recebida pelo aplicativo móvel contém os parâmetros para os detalhes da fatura: É a hora de início do estacionamento É o fim do tempo de estacionamento é o tempo total de estacionamento (em minutos) É o valor faturado. Por fim, o aplicativo móvel exibe os detalhes da conta na tela da seguinte forma: O PMS está programado para cobrar US$ 10 por cada sessenta minutos de estacionamento. no cenário 3, faz a contagem regressiva de 60 segundos até 0 e, finalmente, executa o cenário 5 sem o acionamento de hardware. Nesse caso, o usuário é cobrado com uma conta mínima de US$ 10. Além disso, esta aplicação não tem qualquer possibilidade de autenticação do utilizador durante o estacionamento (como parte do cenário 4), de forma a garantir que o utilizador que reservou o lugar de estacionamento é quem efectivamente estaciona o seu veículo nesse lugar. Isso fica como exercício para os leitores que desejam aprimorar ainda mais esse aplicativo e torná-lo viável para uma implantação mais próxima da vida real. Nós nos divertimos muito construindo e brincando com este aplicativo, e testar o cenário de ponta a ponta foi bastante interessante, considerando que existem alguns subsistemas envolvidos. Usando IBM Bluemix & Os serviços PubNub simplificam muito os desafios de desenvolvimento, pois o desenvolvedor pode se concentrar na lógica do aplicativo sem se preocupar em como fazer a comunicação funcionar entre os diferentes subsistemas. Além disso, ambos os serviços são capazes de lidar com uma escala massiva que pode ser aproveitada para criar aplicativos semelhantes do mundo real que exigem 247 de tempo de atividade e milhares de usuários aleatórios chegando. Originalmente publicado em todos os últimos avanços e notícias de tecnologia enviadas diretamente para sua caixa de entrada?. PERGUNTA RELACIONADA Não recebi o Google Glass Explorer Edition. Tentar aprender Glass dev sem o hardware é um esforço inútil? Não, você ainda pode aprender os fundamentos do desenvolvimento do Glass sem o hardware. Existem três abordagens principais para realizar isso: 1) Visite a documentação da API Mirror, entre no playground e comece a hash algum código. Faça o download da biblioteca PHP, Java e Python, com a qual você se sentir mais confortável. Familiarize-se com o jargão e as convernções (linha do tempo, pacotes, menus, etc). Leia a documentação de suporte (segundo link abaixo) para ver como o hardware do Glass realmente funciona. Construa alguns aplicativos para esta especificação. Em breve, você encontrará um amigo com hardware para t