Smart Parking จะเป็นส่วนที่เติบโตเร็วที่สุดในตลาดระบบช่วยจอดรถยนต์นั่งส่วนบุคคลในช่วงปี t

เกือบทุกคนเคยได้ยินเกี่ยวกับเซ็นเซอร์ที่จอดรถ แม้ว่าคนส่วนใหญ่ที่อยู่ในอุตสาหกรรมการจอดรถจะเคยใช้เซ็นเซอร์นี้มาก่อนก็ตาม อย่างไรก็ตาม เซ็นเซอร์ไม่เหมือนกับตอนนี้เมื่อไม่กี่ปีก่อน ด้วยการเปลี่ยนแปลงครั้งใหญ่ของเทคโนโลยี เช่น การทดสอบระยะยาว ปัญญาประดิษฐ์ ความปลอดภัยและการวิเคราะห์ข้อมูล และการตัดสินใจของฝาแฝดดิจิทัล ระบบเซ็นเซอร์จอดรถแม่นยำ เชื่อถือได้ และคุ้มค่ายิ่งขึ้น เนื่องจากการปรับปรุงเหล่านี้ เครื่องมือระบบเซ็นเซอร์จอดรถจึงกลายเป็นส่วนที่สำคัญที่สุดอย่างหนึ่งของการพัฒนาเมืองอัจฉริยะ การนำโซลูชันที่จอดรถดิจิทัลมาใช้ใน Zona Azul Brazil เป็นหนึ่งในตัวอย่างที่ดีที่สุดของการเปลี่ยนแปลงทางเทคโนโลยีเหล่านี้ คาดว่าภายในปี 2050 ประชากรมากกว่า 70% จะย้ายเข้ามาในเขตเมือง เมืองอัจฉริยะจะมีต้นทุนการดำเนินงานต่ำ พื้นที่แออัดน้อยกว่า และบริการที่ดีขึ้น นอกจากนี้ยังรวมถึงคุณภาพน้ำและอากาศที่เพิ่มขึ้น และการรักษาความปลอดภัยและความปลอดภัยที่ดีขึ้น แม้จะมีข้อดีและความก้าวหน้าทั้งหมดนี้ หลายเมืองยังคงประสบปัญหาในการเริ่มต้นและนำเทคโนโลยีมาใช้ สำหรับเมืองดังกล่าว การให้ทุนสนับสนุนโครงการริเริ่มใหม่ๆ และการขาดเทคโนโลยีถือเป็นความท้าทายที่ยิ่งใหญ่ที่สุด อย่างไรก็ตาม ด้วยการก้าวทีละเล็กทีละน้อย เช่น การเริ่มต้นด้วยการขนส่งและที่จอดรถ เมืองดังกล่าวสามารถเริ่มต้นความฝันด้านโครงสร้างพื้นฐานที่ชาญฉลาดได้ นอกจากนี้ยังช่วยแก้ไขจุดบอดของผู้อยู่อาศัย เช่น มลภาวะและความแออัดของการจราจร จากการสำรวจที่จอดรถเมื่อเร็วๆ นี้ พบว่าโดยเฉลี่ยแล้ว ผู้ขับขี่ใช้เวลามากกว่า 15 ชั่วโมงต่อปีในการค้นหาที่จอดรถในลานจอดรถ ในโรงรถ หรือบนถนน มีค่าใช้จ่ายชาวอเมริกันประมาณ 20 พันล้านดอลลาร์ต่อปี ความไร้ประสิทธิภาพเหล่านี้ในระบบที่จอดรถส่งผลกระทบต่อร้านค้าและธุรกิจในท้องถิ่นด้วย มากกว่า60% ของ U. S. ผู้ขับขี่หลีกเลี่ยงการขับรถไปที่ร้านค้ารวมถึงสถานที่อื่นๆ ที่มีผู้คนพลุกพล่านเนื่องจากปัญหาที่จอดรถที่มีอยู่ ด้านล่างนี้คือความต้องการที่จอดรถบางส่วนของผู้ขับขี่: มากกว่า 85% ต้องการข้อมูลความพร้อมในการจอดรถแบบเรียลไทม์ ประมาณ 88% ค้นหาจุดจอดรถที่ใกล้ที่สุดหรือราคาถูกที่สุดมากกว่า 80% ต้องการการนำทางที่เหมาะสมและตรงไปยังจุดจอดรถ มีวิธีแก้ปัญหามากมายที่กล่าวอ้าง ที่สามารถบอกคนขับได้ว่าจะมีที่จอดรถที่ไหนและเมื่อไหร่ โซลูชันเหล่านี้ใช้การตรวจจับแบบบ่งชี้และอัลกอริธึมการทำนายเพื่อคาดเดาสถานะการครอบครองพื้นที่ แม้ว่าระบบทั้งหมดเหล่านี้จะมีความแม่นยำในระดับต่ำ แต่ผลที่ตามมาคือผู้ขับขี่ไม่สามารถหาที่จอดรถได้ง่ายขึ้นและเร็วขึ้น อัลกอริธึมที่บ่งบอกถึงและคาดการณ์นำไปสู่การหาทางที่ไม่มีประสิทธิภาพ และยังพลาดประโยชน์ของระบบจอดรถอัจฉริยะหลายประการ เพื่อพัฒนาโซลูชันการขนส่งและการจอดรถอัจฉริยะอย่างแท้จริง จำเป็นต้องมีข้อมูลแบบเรียลไทม์สำหรับที่จอดรถแต่ละแห่งและทุกแห่ง รวมถึงเขตจอดรถที่จำกัด เช่น หน้าโซนโหลดและถังดับเพลิง และช่องทางเอนกประสงค์ ด้วยการตรวจจับทุกรายละเอียด เมืองต่างๆ จะได้รับภาพรวมที่แม่นยำของระบบนิเวศและพื้นที่จอดรถของพวกเขา นอกจากนี้ยังให้ข้อมูลการนำทางที่ผู้ขับขี่ต้องการ ตัวเลือกของการตรวจจับพื้นที่เดียวช่วยเพิ่มโอกาสและความยืดหยุ่นให้กับเมืองต่างๆ เพื่อเพิ่มประสิทธิภาพสินค้าคงคลังที่จอดรถเมื่อเปลี่ยนเป้าหมาย ระบบขนส่งและที่จอดรถควรถูกมองว่าเป็นการลงทุนขนาดเล็กแต่ทรงพลังในการออกแบบเมืองอัจฉริยะ เมื่อเมืองปรับพื้นที่จอดรถให้เหมาะสมเพื่อรวบรวมข้อมูลเกี่ยวกับพื้นที่อย่างแม่นยำ มันจะเป็นประโยชน์สำหรับพวกเขา ที่จอดรถจะจ่ายเองและให้การสนับสนุนการริเริ่มเมืองอัจฉริยะต่อไป คำถามที่เกี่ยวข้อง ฉันไม่ได้รับ Google Glass Explorer Edition พยายามที่จะเรียนรู้ Glass Dev โดยไม่ต้องฮาร์ดแวร์ความพยายามไร้ประโยชน์? ไม่มีคุณยังคงสามารถเรียนรู้พื้นฐานของการพัฒนากระจกโดยไม่ต้องฮาร์ดแวร์ มีสามแนวทางหลักสำหรับการบรรลุนี้: 1) เยี่ยมชมเอกสาร Mirror API เข้าไปในสนามเด็กเล่นและเริ่มแฮชชิ่งโค้ดบางอย่าง ดาวน์โหลด PHP, Java และ Python Library ไม่ว่าคุณจะสะดวกสบายมากที่สุดก็ตาม ทำความคุ้นเคยกับศัพท์แสงและคอนเวอร์ชัน (ไทม์ไลน์การรวมกลุ่มเมนูฯลฯ) อ่านเอกสารสนับสนุน (ลิงก์ที่สองด้านล่าง) เพื่อดูว่าฮาร์ดแวร์กระจกทำงานได้อย่างไร สร้างบางปพลิเคชันสเปคนี้ เร็วพอคุณจะพบเพื่อนกับฮาร์ดแวร์เพื่อ T

การเพิ่มประสิทธิภาพการจอดรถด้วยเซ็นเซอร์และ API เป็นหนึ่งในกรณีการใช้งานที่ชัดเจนที่สุดสำหรับการใช้งาน IoT ในอุตสาหกรรมและเมืองอัจฉริยะ มีโอกาสทางธุรกิจที่ชัดเจน: การเพิ่มรายได้สูงสุดจากพื้นที่จอดรถ มีสินทรัพย์ที่ชัดเจนที่สามารถเปิดได้ผ่าน API: ความพร้อมใช้งานแบบเรียลไทม์ บนพื้นที่จอดรถว่าง และมีโอกาสที่ชัดเจนในการขยายบริการที่มีคุณภาพใหม่: ผ่านการใช้ประโยชน์จากการเรียนรู้ของเครื่องเพื่อสร้างบริการคาดการณ์Tarik Hammadou เป็น CEO และผู้ร่วมก่อตั้งที่ VIMOC Technologies การเริ่มต้น IoT ที่สร้างทั้งเกตเวย์ฮาร์ดแวร์เซ็นเซอร์และแพลตฟอร์มที่ไม่เชื่อเรื่องฮาร์ดแวร์สำหรับการดึง ในข้อมูลเซ็นเซอร์และการทำแผนที่ การใช้ฮาร์ดแวร์เซ็นเซอร์ neuBox ทำให้ VIMOC สามารถทำงานร่วมกับโรงจอดรถเพื่อติดตั้งเซ็นเซอร์ที่ติดตามการนับที่แม่นยำในสิ่งอำนวยความสะดวกของพวกเขา ในอดีต โรงรถมักใช้เซ็นเซอร์วงแม่เหล็กซึ่งมีความแม่นยำไม่เพียงพอที่จะนำทางผู้ขับที่มีศักยภาพไปยังช่องที่ว่าง ดังนั้นจึงมีกรณีธุรกิจที่แข็งแกร่งสำหรับโรงรถที่จะใช้เซ็นเซอร์ขั้นสูง ในลักษณะเดียวกับที่ HotelTonight ใช้ประโยชน์จาก API เพื่อทำให้ห้องพักโรงแรมในนาทีสุดท้ายพร้อมใช้งาน โดยผู้ให้บริการที่จอดรถข้อมูลตำแหน่งว่างที่ถูกต้องสามารถเพิ่มอัตราตำแหน่งที่ว่างได้ (เช่น พื้นที่จอดรถในบริเวณอ่าว ซานฟรานซิสโก อาจมีมูลค่าระหว่าง 25,000 ถึง 100,000 ดอลลาร์ ปี). ดังนั้นความสามารถในการเพิ่มประสิทธิภาพพื้นที่จอดรถจึงเป็นสิ่งจำเป็นทางธุรกิจ และอุตสาหกรรมก็ได้รับมัน Hammadou กล่าวว่าเมื่อเขานำเสนอต่อ U. S. สมาคมที่จอดรถแห่งชาติ เราถูกครอบงำโดยความต้องการเทคโนโลยีประเภทนี้ ข้อกำหนดอย่างหนึ่งที่เราได้รับจากเจ้าของโรงรถคือพวกเขาต้องการส่งข้อมูลตำแหน่งว่างในแบบเรียลไทม์ไปยังนักพัฒนาแอปเพื่อให้สามารถค้นหาเส้นทางและแผนที่ GPS เพื่อแสดงพื้นที่ว่างได้ ดังนั้นเจ้าของโรงรถจึงต้องการ API แบบเปิด เนื่องจากอุตสาหกรรมมีการยอมรับและกรณีทางธุรกิจที่ชัดเจน ขณะนี้ VIMOC กำลังมุ่งสู่การรวมการเรียนรู้ของเครื่องที่ขอบเพื่อให้แน่ใจว่านักพัฒนา API มีสิ่งที่พวกเขาต้องการเพื่อสร้างแอปที่มีความหมายซึ่งสร้างขึ้นจากข้อมูลที่จอดรถ ความท้าทายหลักในการจัดการและขยายชุมชนนักพัฒนาคือคุณภาพของข้อมูลที่เปิดเผยผ่าน API และความสามารถในการสร้างกรณีธุรกิจที่แข็งแกร่ง Hammadou กล่าว API ในตัวเองสามารถจัดการได้ดีโดยสร้างกระบวนการทางวิศวกรรมที่เหมาะสมและตัวเลือกการออกแบบสถาปัตยกรรมซอฟต์แวร์สำหรับความสามารถในการปรับขนาด ความปลอดภัย และความพร้อมใช้งาน อย่างไรก็ตาม การส่งข้อมูลเซ็นเซอร์ที่แม่นยำเป็นสิ่งสำคัญ หากต้องแก้ปัญหาโครงสร้างพื้นฐานที่ซับซ้อน ภารกิจหลักของเราเมื่อมีส่วนร่วมกับนักพัฒนาซอฟต์แวร์คือการช่วยให้พวกเขาสร้างมูลค่าให้กับลูกค้าของเรามากกว่าถ้าเราให้บริการด้วยตัวเราเอง การสร้างกระบวนการทางธุรกิจที่แข็งแกร่งเพื่อจัดการโครงการต่างๆ กับนักพัฒนาเป็นสิ่งสำคัญ หากไม่มีการกำหนดคุณภาพของข้อมูล กระบวนการทางธุรกิจ และกลยุทธ์การสร้างรายได้เป็นส่วนหนึ่งของการมีส่วนร่วมของ API จะไม่มีแรงจูงใจและผลตอบแทนที่ยั่งยืนแก่ผู้ให้บริการ API ผู้พัฒนาหรือผู้ใช้ปลายทาง Hammadou มองว่าตลาดผลิตภัณฑ์มีความเหมาะสมเป็นการรวมกันของข้อมูลมูลค่าสูงที่ API ของพวกเขาจัดหาให้ เพื่อให้นักพัฒนาสามารถสร้างแอปและบริการที่มีคุณภาพ และมีโปรแกรมแบ่งปันรายได้ที่ยอมรับว่านักพัฒนาเป็นผู้สร้างธุรกิจด้วยตนเอง ขวา. ตัวอย่างอื่นๆ ของผู้ให้บริการ API ที่จอดรถ ได้แก่:World SensingSmartparkingCitibrainสิ่งนี้หมายความว่าอย่างไรในการสนับสนุนชุมชนนักพัฒนาเกี่ยวกับประสบการณ์ IoT APIVIMOC ของคุณ นำเสนอบทเรียนที่ยอดเยี่ยมสำหรับผู้ให้บริการ IoT ที่ต้องการสร้างชุมชนนักพัฒนา API รอบโซลูชัน จัดทำเอกสารกรณีการใช้งาน มีความชัดเจนมากเกี่ยวกับวิธีที่โซลูชัน IoT ของคุณสามารถใช้ได้โดยอุตสาหกรรมเฉพาะ และสร้างความสัมพันธ์กับอุตสาหกรรมเหล่านั้น เพื่อให้พวกเขาเข้าใจการเชื่อมต่อ API กับรายได้ VIMOC สามารถอธิบายเทคโนโลยีของพวกเขาและรับอุตสาหกรรมแบบดั้งเดิม เช่น โรงจอดรถที่ขอ API และการผสานรวม ตรวจสอบให้แน่ใจว่าโซลูชัน IoT ของคุณสร้างข้อมูลที่ถูกต้องซึ่งให้บริการแก่นักพัฒนา เพื่อให้พวกเขาสามารถสร้างผลิตภัณฑ์และบริการคุณภาพสูงที่มีคุณลักษณะหลากหลาย VIMOC สร้างความไว้วางใจและความน่าเชื่อถือกับนักพัฒนาบุคคลที่สามโดยทำให้มั่นใจว่าข้อมูลของพวกเขามีความแม่นยำมากกว่าโซลูชัน IoT รุ่นก่อน ๆ เมื่อโซลูชัน IoT ของคุณพร้อมใช้งานและสร้างข้อมูลที่ถูกต้องแล้ว ก็เป็นไปได้ที่จะแนะนำเทคโนโลยีล้ำสมัย เช่น การเรียนรู้ของเครื่องเพื่อขับเคลื่อนนวัตกรรมใหม่ อย่าเริ่มต้นด้วยการเรียนรู้เชิงลึกและ ML: นี่คือคลื่นลูกที่สองของการพัฒนาคุณลักษณะสำหรับโครงการโครงสร้างพื้นฐาน IoT ลองนึกถึงโมเดลธุรกิจที่ตั้งโปรแกรมได้ ดูว่าคุณสามารถเป็นพันธมิตรกับนักพัฒนา API ผ่านโมเดลรายได้ที่ใช้ร่วมกันได้อย่างไร แทนที่จะสร้างวิธีการกำหนดราคา API ของธุรกรรมที่นักพัฒนาต้องจ่ายสำหรับการเข้าถึง API ของคุณ หากคุณชอบบทความนี้ โปรดคลิกที่ปุ่มด้านล่างและติดตามเอกสารเผยแพร่นี้ เพื่อไม่ให้คุณพลาด พร้อมที่จะเริ่มมีส่วนร่วมและขยายชุมชน API ของคุณด้วย Hitch แล้วหรือยัง ลงทะเบียนตอนนี้ คำถามที่เกี่ยวข้อง ฉันไม่ได้รับ Google Glass Explorer Edition พยายามที่จะเรียนรู้ Glass Dev โดยไม่ต้องฮาร์ดแวร์ความพยายามไร้ประโยชน์? ไม่มีคุณยังคงสามารถเรียนรู้พื้นฐานของการพัฒนากระจกโดยไม่ต้องฮาร์ดแวร์ มีสามแนวทางหลักสำหรับการบรรลุนี้: 1) เยี่ยมชมเอกสาร Mirror API เข้าไปในสนามเด็กเล่นและเริ่มแฮชชิ่งโค้ดบางอย่าง ดาวน์โหลด PHP, Java และ Python Library ไม่ว่าคุณจะสะดวกสบายมากที่สุดก็ตาม ทำความคุ้นเคยกับศัพท์แสงและคอนเวอร์ชัน (ไทม์ไลน์การรวมกลุ่มเมนูฯลฯ) อ่านเอกสารสนับสนุน (ลิงก์ที่สองด้านล่าง) เพื่อดูว่าฮาร์ดแวร์กระจกทำงานได้อย่างไร สร้างบางปพลิเคชันสเปคนี้ เร็วพอคุณจะพบเพื่อนกับฮาร์ดแวร์เพื่อ T

ขนาดตลาดเซ็นเซอร์ป้องกันการชนกันทั่วโลกคาดว่าจะสูงถึง 18.97 พันล้านดอลลาร์ในปี 2025 ตามการศึกษาใหม่ที่ดำเนินการโดย Grand View Research, Inc. ซึ่งแสดง 21 CAGR 2% ในช่วงระยะเวลาคาดการณ์ การบูรณาการระบบป้องกันการชนกันในรถยนต์ตลาดมวลชนและการจัดอันดับความปลอดภัยที่ได้รับการปรับปรุงของหน่วยงานต่างๆ คาดว่าจะช่วยกระตุ้นการเติบโตของตลาดในอีกไม่กี่ปีข้างหน้า การเพิ่มการรับรู้ของผู้บริโภคและการมุ่งเน้นอย่างกว้างขวางในการวิจัยและพัฒนาโดยผู้เล่นในอุตสาหกรรมเป็นตัวขับเคลื่อนการเติบโตที่สำคัญสำหรับตลาด การติดตั้งระบบป้องกันการชนช่วยให้รถสามารถตัดสินใจได้ทั้งแบบอัตโนมัติและกึ่งอัตโนมัติ ความต้องการความปลอดภัยของยานพาหนะที่เพิ่มขึ้นโดยผู้บริโภคและหน่วยงานกำกับดูแลความปลอดภัยของยานพาหนะของรัฐบาลนั้นคาดว่าจะช่วยผลักดันการเติบโตของตลาดเซ็นเซอร์หลีกเลี่ยงการชน การพัฒนาเทคโนโลยีล่าสุดในเซ็นเซอร์มุ่งเน้นไปที่การสร้างอุปกรณ์ที่มีความซับซ้อนสูงและเพิ่มสมรรถนะโดยใช้ส่วนประกอบต่างๆ ของรถ ระบบป้องกันการชนกันช่วยให้ OEM ยานยนต์สามารถผสานรวมข้อมูลอัจฉริยะเพิ่มเติมเพื่อบรรลุเป้าหมายในการพัฒนารถยนต์ขับเคลื่อนอัตโนมัติ มาตรฐานด้านกฎระเบียบและกฎหมายที่เข้มงวดได้กำหนดให้มีการเพิ่มเซ็นเซอร์เพื่อเพิ่มคุณสมบัติด้านความปลอดภัยในรถยนต์ สิ่งเหล่านี้คาดว่าจะกระตุ้นความต้องการเซ็นเซอร์ป้องกันการชนกันตลอดระยะเวลาคาดการณ์ อย่างไรก็ตาม ค่าใช้จ่ายสูงของระบบที่ใช้ LiDAR และเรดาร์ระยะไกลอาจเป็นอุปสรรคต่อการเติบโตของตลาด เนื่องจากผู้ผลิตรถยนต์ราคาต่ำอาจละเว้นจากการติดตั้งเซ็นเซอร์เพื่อหลีกเลี่ยงการเพิ่มราคาโดยรวมของยานพาหนะ คลิกลิงก์ด้านล่าง: ข้อค้นพบที่สำคัญจาก รายงานแนะนำ: การบูรณาการระบบป้องกันการชนกันในรถยนต์คาดว่าจะช่วยลดจำนวนการเกิดอุบัติเหตุทางรถยนต์อันเนื่องมาจากความผิดพลาดของมนุษย์ โดยส่วนหลังมีสัดส่วนถึง 90% ของอุบัติเหตุ จากการศึกษาความร่วมมือด้านความปลอดภัยทางถนนของ UN ปี 2014 คาดว่าส่วนเรดาร์จะคิดเป็น 44 5% ของตลาดโลกภายในปี 2568 ราคาเรดาร์ที่ลดลงนำไปสู่การปรับใช้ที่เพิ่มขึ้นโดยผู้ผลิตอุปกรณ์ดั้งเดิม (OEM) ของรถยนต์หลายรายเนื่องจากข้อบังคับของรัฐบาลที่บังคับใช้เกี่ยวกับการรวมระบบป้องกันการชนกันของกล้องเป็นยานพาหนะ ส่วนกล้องคาดว่าจะเติบโตสูงในช่วงเวลาคาดการณ์ ส่วนระบบเตือนการชนกัน (FCWS) คาดว่าจะมีส่วนแบ่งการตลาดที่สำคัญภายในปี 2568 เนื่องจากระบบเหล่านี้ช่วยลดการชนหรืออุบัติเหตุจากส่วนหลังได้อย่างมีนัยสำคัญ ในช่วงระยะเวลาคาดการณ์ ยุโรปคาดว่าจะยังคงรักษาตำแหน่งผู้นำตลาดในการนำการชนกันมาใช้ เซ็นเซอร์และระบบการหลีกเลี่ยง และคาดว่าจะถึง 5.80 พันล้านดอลลาร์สหรัฐภายในปี 2568 ผู้เข้าร่วมตลาดหลัก ได้แก่ NXP Semiconductors, Continental AG, Delphi Automotive, Robert Bosch GmbH และ Murata Manufacturing Co., Ltd คำถามที่เกี่ยวข้อง ฉันไม่ได้รับ Google Glass Explorer Edition พยายามที่จะเรียนรู้ Glass Dev โดยไม่ต้องฮาร์ดแวร์ความพยายามไร้ประโยชน์? ไม่มีคุณยังคงสามารถเรียนรู้พื้นฐานของการพัฒนากระจกโดยไม่ต้องฮาร์ดแวร์ มีสามแนวทางหลักสำหรับการบรรลุนี้: 1) เยี่ยมชมเอกสาร Mirror API เข้าไปในสนามเด็กเล่นและเริ่มแฮชชิ่งโค้ดบางอย่าง ดาวน์โหลด PHP, Java และ Python Library ไม่ว่าคุณจะสะดวกสบายมากที่สุดก็ตาม ทำความคุ้นเคยกับศัพท์แสงและคอนเวอร์ชัน (ไทม์ไลน์การรวมกลุ่มเมนูฯลฯ) อ่านเอกสารสนับสนุน (ลิงก์ที่สองด้านล่าง) เพื่อดูว่าฮาร์ดแวร์กระจกทำงานได้อย่างไร สร้างบางปพลิเคชันสเปคนี้ เร็วพอคุณจะพบเพื่อนกับฮาร์ดแวร์เพื่อ T

แบบฟอร์ม vs สารใน Smart Cities มีคนสามประเภทในโลกนี้ ประการแรก มีคนที่ทำให้สิ่งต่างๆ เกิดขึ้น แล้วมีคนดูสิ่งที่เกิดขึ้น สุดท้ายนี้มีคนที่ไม่ปฏิบัติหรือเฝ้าคอยแต่ถามซ้ำๆ ว่าเกิดอะไรขึ้น? Steve Backley อย่างที่คาดไว้ การโต้ตอบล่าสุดของฉันกับชุมชน Venture Capital (VC) มีทั้งความท้าทายและคุ้มค่า การเปิดรับข้อเสนอที่เป็นนวัตกรรมใหม่ของฉันที่โพสต์ใน Plan B Ventures The Last Call นั้นโดดเด่น และมันหมายถึงสิ่งหนึ่งที่แน่นอน: คำถาม! คำถามที่ถามบ่อย ทื่อๆ ต่อหน้าคุณ โดยไม่ต้องใช้ยาสลบ เนื่องจากฉันแสดงความสงสัยมากมายเกี่ยวกับการเห็นรถยนต์ที่ขับเคลื่อนด้วยตนเองอย่างแท้จริงและวิ่งบนถนนในเมืองในอีก 5 ปีข้างหน้า ฉันมักถูกถามบ่อยว่า: การพัฒนา IoT อื่น ๆ ที่ส่งผลกระทบต่อ SmartCities ในปัจจุบันมีอะไรบ้าง อย่างลึกซึ้งและมีความหมาย ? แล้วคุณจะตอบคำถามที่ซับซ้อนได้อย่างไร อย่างตรงจุด และไม่ต้องเสียเวลาคิด คำตอบของฉันไม่ควรทำให้คุณแปลกใจอย่างที่ฉันได้เขียนเกี่ยวกับเรื่องนี้ในโพสต์ที่อธิบายถึงพลังของฝ่ายตรงข้ามในหัวข้อ: The Inquiring MindAdmittedly, I บล็อกเมื่อเดือนที่แล้วบนเว็บไซต์ของเรา, linkedin และ twitter เกี่ยวกับฟองสบู่ AI ที่น่ารำคาญเกี่ยวกับรถยนต์ที่ขับด้วยตนเอง ในโพสต์ที่ชื่อ: คุณพร้อมที่จะบินภรรยาและลูก ๆ ของคุณโดยไม่มีนักบินหรือไม่? ฉันพูดเกี่ยวกับความปลอดภัยในการขนส่งและเน้นย้ำว่าระบบขับเคลื่อนอัตโนมัติของเครื่องบินลำแรกได้รับการพัฒนาโดย Sperry Corporation ในปี 1912 เมื่อ 100 กว่าปีที่แล้ว! แต่เรายังคงคาดหวังว่าจะได้เห็นนักบินในห้องนักบิน ไม่ใช่เหรอ ใน: เกี่ยวกับ AI, Autopilot, รถยนต์ที่ขับด้วยตนเอง และ Bee Question เป้าหมายของฉันคือการชี้ให้เห็นว่าเราต้องการความเข้มงวดมากขึ้นในการจัดการความคาดหวังของ AI ผ่านไปไม่ถึงสัปดาห์ หากไม่มีแรงกระตุ้นอย่างยิ่งที่จะชี้ให้เห็นว่าพาดหัวข่าวบางเรื่องทำให้เข้าใจผิด ฉันไม่สนว่าจะใช้เงินไปเท่าไหร่ในการสร้างโฆษณา ตราบใดที่ผู้ถือหุ้นของบริษัทต่างๆ เข้าใจว่าการขับรถด้วยตนเองนั้นยังคงเป็นเพียงการทดลองเท่านั้น บางทีมันอาจเป็นหนึ่งในการทดลองเชิงพาณิชย์ที่มีราคาแพงที่สุดเท่าที่เคยมีมา แต่ให้เรียกจอบว่าจอบ การนำทฤษฎีตรงข้ามมาทดสอบ ให้ฉันถามคุณว่า อะไรคือสิ่งที่ตรงกันข้ามกับการขับรถด้วยตนเอง? คำตอบ: SELF-PARKING ดังนั้น ณ จุดนี้ ฉันอยากจะเปลี่ยนไปอยู่ในพื้นที่ที่ไม่ได้รับความคุ้มครองรถยนต์ไร้คนขับและบอกคุณว่าทำไมจึงควร ฉันกำลังพูดถึงผลกระทบมหาศาลของเทคโนโลยีการจอดรถอัตโนมัติและการใช้งานบน SmartCities ทั่วโลก! Self-parking Evolution PGS 1.0 ในสภาพแวดล้อมในเมืองที่ทันสมัยส่วนใหญ่ จำนวนรถยนต์เพิ่มขึ้นอย่างรวดเร็ว ความพร้อมของพื้นที่จอดรถสาธารณะในเมืองใหญ่ไม่สามารถตอบสนองความต้องการที่เพิ่มขึ้นได้ เป็นเวลาหลายปีที่ระบบการจัดการโครงสร้างพื้นฐานที่จอดรถล้มเหลวในการควบคุมพื้นที่จอดรถฟรี เป็นผลให้บ่อยครั้งที่คนขับไม่สามารถหาที่ว่างได้อย่างรวดเร็วและต้องวนเวียนไปรอบ ๆ ทำให้การจราจรติดขัด แนวทางแก้ไขเบื้องต้นสำหรับปัญหาดังกล่าวประกอบด้วย Parking Guidance Systems (PGS) 1. 0 มุ่งเป้าไปที่: นำทางผู้ขับขี่โดยตรงไปยังพื้นที่ว่างแรก ลดความแออัด มลพิษที่ไม่ทำงาน และความเครียดภายใต้แรงกดดันด้านเวลา ประหยัดเวลาและเงินให้กับผู้ขับขี่และเจ้าของ/ผู้จัดการสถานที่ เทศบาล เจ้าของโรงรถ และผู้ปฏิบัติงาน ตระหนักได้อย่างรวดเร็วว่า PGS สามารถปรับปรุงการบริการลูกค้าได้ & ความพึงพอใจ โดยเฉพาะอย่างยิ่ง PGS สามารถ: เพิ่มความภักดีของลูกค้าและเยี่ยมชมซ้ำ ปรับปรุงผลกำไรและเศรษฐกิจ เพิ่มอัตราการเติมที่จอดรถ เพิ่มมูลค่าทรัพย์สิน ป้องกันการรอคิวมากเกินไปที่ทางเข้า เสนอความได้เปรียบในการแข่งขันและความสามารถในการเพิ่มอัตรารายชั่วโมง ในอดีต การแพร่กระจายของระบบ PGS 1.0 มี ในยุโรปแข็งแกร่งกว่าที่เคยเป็นใน N/A แม้ว่าการจอดรถจะเป็นอุตสาหกรรมมูลค่า 25 พันล้านดอลลาร์ในสหรัฐฯ S. มันดำเนินการมาหลายปีในลักษณะดั้งเดิมโดยเน้นที่นวัตกรรมและการจอดรถอัจฉริยะเพียงเล็กน้อย ตามฟรอสต์ & รายงานของซัลลิแวน ซึ่งจดทะเบียนในสหรัฐฯ กว่าสี่พันล้านคน รถยนต์โดยสารยังคงจอดอยู่มากกว่าร้อยละ 90 ของเวลาทั้งหมด จำนวนที่จอดรถทั้งหมดใน 28 ประเทศในสหภาพยุโรปคาดว่าจะอยู่ที่ 440 ล้านคัน ในขณะที่อเมริกาเหนือมีพื้นที่จอดรถ 800 ล้านคันจากโรงจอดรถ 40,000 แห่งและที่จอดรถบนพื้นผิว คาดว่ากว่า 30 เปอร์เซ็นต์ของการจราจรในเมืองหนึ่งเกิดจากคนขับ ที่กำลังหาที่จอดรถอยู่ ระบบที่จอดรถที่ไม่มีประสิทธิภาพและการจัดการที่ผิดพลาดส่งผลให้เกิดความแออัดและการปล่อยคาร์บอนที่เพิ่มขึ้น ซึ่งส่งผลให้ผู้โดยสารต้องเสียเวลาและส่งผลกระทบต่อผลผลิตและโอกาสทางเศรษฐกิจ ตัวอย่างเช่น European Parking Association (EPA) ได้เน้นย้ำมาหลายปีแล้วว่าการสร้างที่จอดรถบนถนนและที่จอดรถบนพื้นผิวทำให้เสียคุณภาพของสาธารณสมบัติและพื้นที่สำหรับคนเดินเท้าในเขตเมืองตอนกลางและทั้งๆที่ที่จอดรถแห่งชาติ การเชื่อมโยงว่าความยืดหยุ่นในการกำหนดราคาของพื้นที่จอดรถสามารถขึ้นอยู่กับมูลค่าของผู้ใช้ปลายทางและตามเวลา (เช่น สถานที่ ความปลอดภัย ความสะดวกและช่วงเวลาของวัน เป็นต้น ฯลฯ ) ค่าใช้จ่ายที่เกี่ยวข้องกับการติดตั้ง PGS ยังคงสูงเป็นเวลาหลายปี เหตุใดจึงมีการดำเนินการเพียงเล็กน้อยใน N/A ระหว่าง PGS 1 0 ยุค? บางทีอีกครั้ง .it เศรษฐกิจโง่? ด้านล่างนี้ เป็นการคำนวณอย่างง่ายที่อธิบายต้นทุนของ PGS 1 ทั่วไป 0 ให้บริการ 500, 1,000 และ 2,000 คัน แม้แต่โรงจอดรถขนาดเล็กหลายชั้นที่มีความจุโดยรวมเพียง 500 คัน ก็ยังต้องใช้ CapEx 40,000 เหรียญสหรัฐฯ และค่าบำรุงรักษาขั้นต่ำ 2,000 เหรียญสหรัฐฯ นอกเหนือจากค่าติดตั้ง ยินดีต้อนรับสู่ PGS 2.0อีกครั้ง ตามข้อมูลของ Frost & รายงานของซัลลิแวน รายได้จากตลาดที่จอดรถอัจฉริยะทั้งหมดในยุโรปและอเมริกาเหนืออยู่ที่ 7.05 พันล้านดอลลาร์ในปี 2557 และคาดว่าจะเติบโตที่อัตราการเติบโตต่อปี (CAGR) 18% สู่ระดับ 43 ดอลลาร์ 56พันล้านในปี2025. ผู้ประกอบการที่จอดรถคาดหวังโอกาสในการเติบโตโดยเฉพาะผ่านโซลูชั่นที่จอดรถที่ใช้เทคโนโลยีที่เพิ่มขึ้น ลืมป้ายไฟ LED ที่เป็นประกายซึ่งติดตั้งโดยผู้ให้บริการที่จอดรถ PGS 2 0เป็น IOT สมองเด็ก มันคือทั้งหมดที่เกี่ยวกับวลีปากต่อปาก เช่น การเรียนรู้เชิงลึก, AI, การวิเคราะห์เชิงคาดการณ์ และการประมวลผลภาษาที่เป็นธรรมชาติ อย่างไรก็ตาม คราวนี้ เมืองต่าง ๆ รับผิดชอบอย่างแน่นหนา PGS 2.0 เป็นเพียงหนึ่งในโซลูชั่น ESSENTIAL SmartCity ไม่ว่าจะเป็นบาร์เซโลนา นิวยอร์ก ซานฟรานซิสโก อัมสเตอร์ดัม ลอสแองเจลิส ก็ตามชื่อเลย เนื่องจากเมืองต่างๆ ใช้พลังงานของโลกและปล่อยก๊าซคาร์บอนไดออกไซด์ถึง 80% ของโลก การลดความแออัดของการขนส่งและการปรับปรุงคุณภาพชีวิตในเมืองจึงมีความสำคัญสูงสุดสำหรับผู้วางผังเมือง โดยเฉพาะอย่างยิ่ง ซานฟรานซิสโกมีเอกสารการประเมินโครงการโดยละเอียด ข้อมูลทางเทคนิค คู่มือและข้อกำหนดที่ช่วยให้เทศบาลสามารถเรียนรู้จากประสบการณ์ของพวกเขาและเดินตามรอยเท้าของพวกเขาอย่างไม่ลำบาก SFpark เป็นแบรนด์สำหรับแนวทาง SFMTAs ในการจัดการที่จอดรถ เมืองนี้นำร่องและปลูกฝังเทคโนโลยีใหม่ ๆ มากมาย รวมถึงมาตรวัดอัจฉริยะ เซ็นเซอร์จอดรถ และเครื่องมือการจัดการข้อมูลที่ซับซ้อน ไม่น่าแปลกใจที่ SFMTA ใช้กลยุทธ์หลายอย่างในการหาพื้นที่จอดรถได้ง่ายขึ้นและปรับปรุงประสบการณ์การจอดรถ ซึ่งรวมถึง: ราคา ทำให้จ่ายเป็นเมตรได้ง่ายขึ้นและหลีกเลี่ยงการอ้างอิง จำกัดเวลานานขึ้น ส่วนต่อประสานผู้ใช้และการออกแบบผลิตภัณฑ์ที่ได้รับการปรับปรุง ข้อมูลที่ได้รับการปรับปรุงสำหรับผู้ขับขี่รวมถึงป้ายบอกทิศทางคงที่ไปยังโรงรถและข้อมูลแบบเรียลไทม์เกี่ยวกับสถานที่จอดรถทั้งในและนอกถนน โปร่งใสสูง, แนวทางที่อิงตามกฎและขับเคลื่อนด้วยข้อมูลในการเปลี่ยนแปลงราคาที่จอดรถเพิ่มรถยนต์ไฟฟ้าเข้ามาผสมผสานและความจำเป็นในการสร้างสถานีชาร์จที่เพิ่มขึ้นเรื่อยๆ และ PGS 2.0 ได้ถึงจุด TIPPING POINT ในที่สุดเมืองแล้วเมืองเล่าก็ตระหนักได้ว่ามิเตอร์จอดรถที่ล้าสมัยเป็นปัจจัยที่ประเมินค่าต่ำที่สุดของพวกเขา สถานีชาร์จบนถนน โรงจอดรถหลายชั้น ศูนย์การค้า โรงแรม และร้านอาหารทั้งหมดสามารถรวมเข้ากับแอพ PGS 2.0 ได้ ในทางกลับกัน จะรักษารายได้จากเมืองจากลูกค้าที่ถูกคุมขัง ที่จอดรถแบบ Peer-to-peer (P2P) การจองที่จอดรถออนไลน์ และโซลูชันการชำระเงินค่าที่จอดรถบนมือถืออยู่ที่นี่แล้ว ระบบจอดรถอัตโนมัติอัจฉริยะคาดว่าจะกลายเป็นองค์ประกอบสำคัญของรายได้ SmartCities บริษัทต่างๆ เช่น กำลังคาดการณ์ว่า SmarCities จะเพิ่มรายได้จากการจอดรถโดยเฉลี่ย 2030% ซึ่งน่าสังเกตว่าค่าใช้จ่ายของ PGS 2.0 นั้นถูกกว่ารุ่นก่อนอย่างมาก เซ็นเซอร์แม่เหล็กไร้สายตรวจจับการมีอยู่ของยานพาหนะได้อย่างแม่นยำ เซ็นเซอร์มีแบตเตอรี่ในตัว มีอายุ 5 ปี ขึ้นไป และมีส่วนประกอบการสื่อสารไร้สายล่าสุด ใช้เวลาเพียงไม่กี่นาทีในการติดตั้งเซ็นเซอร์แบบฝังหรือติดบนพื้นผิว เนื่องจากสามารถติดกาวกับพื้นผิวใดๆ ก็ได้ ในทำนองเดียวกัน การติดตั้งแบบไร้สายสามารถปรับใช้ได้อย่างรวดเร็วและบำรุงรักษาง่าย สายไฟและสายรัดราคาแพงทั้งหมดหายไป และจอแสดงผล LED ที่สว่างก็เช่นกัน แอพโทรศัพท์ที่รองรับ GPS ทำงานได้อย่างน่าเชื่อถือ และสุดท้ายแต่ไม่ท้ายสุด การปรับใช้แบบไร้สายมักใช้ ZigBee Open Standard ที่สร้างขึ้นอย่างชัดเจนสำหรับการควบคุมเซ็นเซอร์ เทคโนโลยีนี้ใช้มาตรฐานสากล IEEE 802.15.4 ซึ่งช่วยให้สามารถใช้งานได้ในราคาประหยัด ใช้พลังงานต่ำ และปลอดภัยระหว่างเครือข่ายประสาทสัมผัส ได้รับการออกแบบมาตั้งแต่ต้นเพื่อให้เรียบง่ายและราคาถูกกว่าบลูทูธหรือ Wi-Fi บรรทัดด้านล่าง: PGS 2. 0 เสนอโอกาสจอดรถด้วยตนเองที่ไม่เหมือนใครให้กับเทศบาลหลายแห่งในวันนี้! SmartCities ที่ไม่มีผู้เชี่ยวชาญ PGS มาก่อนสามารถข้ามเทคโนโลยีทั้งหมดที่พัฒนาขึ้นเมื่อหลายปีก่อน และนักวางผังเมืองสามารถนำการปรับใช้ PGS 2.0 อันทรงพลังมาสู่การคมนาคมในเมืองได้ทุกที่ในโลก ฉันเคยเห็นปรากฏการณ์ที่คล้ายกันนี้ในปลายทศวรรษ 90 ขณะทำงานที่ได้รับมอบหมายจากธนาคารโลกในเอสโตเนีย หลังจากเรียนรู้ความเชี่ยวชาญในการตรวจจับการฟอกเงินของ International Neural Machines Inc. (การเริ่มต้นการจดจำรูปแบบที่ใช้ AI ของฉัน) และการโต้ตอบของเรากับ FinCEN ในวอชิงตันและ FINTRAC ในออตตาวา ฉันถูกขอให้ไปเยี่ยมทาลลินน์ ประเทศเอสโตเนีย เพื่อพบกับเจ้าหน้าที่ของธนาคารกลางเอสโตเนีย ระหว่างทางไปเอสโตเนีย ฉันได้แวะพักที่สตอกโฮล์ม ประเทศสวีเดน โดยพักที่โรงแรมเชอราตันในท้องถิ่นสองสามวัน การเชื่อมต่ออินเทอร์เน็ตที่โรงแรมช้ามากและมีราคาแพงมาก รู้สึกเหมือนเป็นโมเด็ม dial-up clunker ลองจินตนาการถึงความประหลาดใจของฉัน เมื่อพบจุดบริการอินเทอร์เน็ตความเร็วสูงแบบไฟเบอร์ออปติกฟรีหลายสิบแห่งที่สนามบินทาลลินส์ ได้รับทุนจากสหภาพยุโรปไม่นานก่อนที่ฉันจะมาถึง แต่ด้วยเหตุผลบางอย่าง ดูเหมือนว่าจะเข้ากันได้ดีกับอาคารผู้โดยสารสมัยใหม่ Oleg Feldgajer เป็นประธานาธิบดี & ซีอีโอของแคนาดากรีนเอสโกอิงค์ Oleg วางตำแหน่งบริษัทให้เป็นผู้นำในการจัดหาเงินทุนสำหรับโครงการและการลงทุนด้านพลังงานสีเขียวที่ปรับปรุงโดย AI ภารกิจ CGEs คือการชี้นำธุรกิจที่ก่อกวนใน ENERGY & การขนส่งสู่รูปแบบธุรกิจที่ทำกำไร Oleg หลงใหลในภารกิจดังกล่าว และเชื่อมั่นอย่างแรงกล้าว่าหากไม่มีนวัตกรรมที่ใช้ AI เราทุกคนจะสำลักอากาศเสียและน้ำสกปรกก่อนเวลาอันควร CGE มอบการจัดหาเงินทุน 100% (แบบมีเงินกู้และแบบไม่มีเงินกู้) ให้กับลูกค้าและใช้กลุ่มทุนขนาดใหญ่ และหนี้ที่ไม่แสวงหาผลกำไร Oleg นำเสนอความคิดสร้างสรรค์ที่สดใหม่ให้กับธุรกิจที่เปิดกว้างซึ่งครอบคลุมทั้ง: ตรรกะและสัญชาตญาณฉวยโอกาส CGE ย่อมาจาก mediocrity & วิธีการดำเนินการนั้นค่อนข้างง่าย: หาก CGE ไม่ได้รับเชิญให้เข้าร่วม BOD ของคุณ หรือคณะกรรมการที่ปรึกษา เราก็ล้มเหลว! คำถามที่เกี่ยวข้อง ฉันไม่ได้รับ Google Glass Explorer Edition พยายามที่จะเรียนรู้ Glass Dev โดยไม่ต้องฮาร์ดแวร์ความพยายามไร้ประโยชน์? ไม่มีคุณยังคงสามารถเรียนรู้พื้นฐานของการพัฒนากระจกโดยไม่ต้องฮาร์ดแวร์ มีสามแนวทางหลักสำหรับการบรรลุนี้: 1) เยี่ยมชมเอกสาร Mirror API เข้าไปในสนามเด็กเล่นและเริ่มแฮชชิ่งโค้ดบางอย่าง ดาวน์โหลด PHP, Java และ Python Library ไม่ว่าคุณจะสะดวกสบายมากที่สุดก็ตาม ทำความคุ้นเคยกับศัพท์แสงและคอนเวอร์ชัน (ไทม์ไลน์การรวมกลุ่มเมนูฯลฯ) อ่านเอกสารสนับสนุน (ลิงก์ที่สองด้านล่าง) เพื่อดูว่าฮาร์ดแวร์กระจกทำงานได้อย่างไร สร้างบางปพลิเคชันสเปคนี้ เร็วพอคุณจะพบเพื่อนกับฮาร์ดแวร์เพื่อ T

เซ็นเซอร์จอดรถอัจฉริยะพร้อมฟังก์ชั่นที่น่าทึ่ง ใช้งานง่าย ดีไซน์ยอดนิยม โหมดการทำงานในอุดมคติและมีคุณภาพสูง รุ่น: SNK-0414.3MTFT ระบบเซ็นเซอร์จอดรถวิดีโอพร้อมคุณสมบัติกล้อง4 จอภาพ TFT ขนาด 3 นิ้วสร้างขึ้นในกระจก การออกแบบม่านบังแดดที่กะทัดรัดรอบๆ ขาตั้งฟังก์ชั่นสวิตช์ เหมาะสำหรับกล้อง/เครื่องเล่น DVD/VCD ลำดับความสำคัญของกล้องมองหลัง ความละเอียด: 480 x 234 จุดแหล่งจ่ายไฟ: DC 12V รีโมทคอนโทรลและเมนู OSD ตัวเซ็นเซอร์สามารถตรวจจับเซ็นเซอร์ที่ผิดพลาดได้หากสถานการณ์ผิดปกติปรากฏขึ้น สำหรับรายละเอียดเพิ่มเติม โปรดไปที่: gl/djjaeSEmail: support@soniktechnologies.inCorporate Help Line: 918824866866 คำถามที่เกี่ยวข้อง ฉันไม่ได้รับ Google Glass Explorer Edition พยายามที่จะเรียนรู้ Glass Dev โดยไม่ต้องฮาร์ดแวร์ความพยายามไร้ประโยชน์? ไม่มีคุณยังคงสามารถเรียนรู้พื้นฐานของการพัฒนากระจกโดยไม่ต้องฮาร์ดแวร์ มีสามแนวทางหลักสำหรับการบรรลุนี้: 1) เยี่ยมชมเอกสาร Mirror API เข้าไปในสนามเด็กเล่นและเริ่มแฮชชิ่งโค้ดบางอย่าง ดาวน์โหลด PHP, Java และ Python Library ไม่ว่าคุณจะสะดวกสบายมากที่สุดก็ตาม ทำความคุ้นเคยกับศัพท์แสงและคอนเวอร์ชัน (ไทม์ไลน์การรวมกลุ่มเมนูฯลฯ) อ่านเอกสารสนับสนุน (ลิงก์ที่สองด้านล่าง) เพื่อดูว่าฮาร์ดแวร์กระจกทำงานได้อย่างไร สร้างบางปพลิเคชันสเปคนี้ เร็วพอคุณจะพบเพื่อนกับฮาร์ดแวร์เพื่อ T

บทนำ การเพิ่มความพึงพอใจของลูกค้าในด้านความสะดวกสบายในรถยนต์และความสะดวกในการขับขี่นั้นนำไปสู่ระบบดิจิทัลของรถยนต์นั่งส่วนบุคคล คุณลักษณะต่างๆ เช่น ระบบอินโฟเทนเมนต์แบบหน้าจอสัมผัสและกล้องถอยจอด ซึ่งเคยติดตั้งในรถยนต์ระดับพรีเมียมเท่านั้น ซึ่งถูกนำมาใช้กันอย่างแพร่หลายในรถยนต์ที่ผลิตเป็นจำนวนมาก การติดตั้งระบบ ADAS ที่อิงตามวิสัยทัศน์ยังแสดงให้เราเห็นว่ารถยนต์นั่งส่วนบุคคลกำลังมุ่งสู่เส้นทางวิวัฒนาการสู่รถยนต์ไร้คนขับ เซ็นเซอร์ LiDAR, RADAR และกล้องเป็นเซ็นเซอร์สำคัญสามตัวที่ใช้สำหรับการตรวจจับวัตถุในยานพาหนะที่ติดตั้ง ADAS บล็อกนี้จะกล่าวถึงประเภทของเซ็นเซอร์กล้องในรถยนต์ การใช้งาน ตัวขับเคลื่อนการเติบโต สถานการณ์การแข่งขันในตลาดเซ็นเซอร์กล้องในรถยนต์ ประเภทโดยทั่วไป ตามเทคโนโลยีการตรวจจับกล้อง ระบบกล้องสามารถจำแนกได้ว่ามีแหล่งที่มาของการมองเห็นเพียงแหล่งเดียว ผม. E. , การมองเห็นแบบโมโนหรือการรวมกันของระบบการมองเห็นแบบโมโนอย่างน้อยสองระบบเพื่อสร้างวิสัยทัศน์แบบสเตอริโอ ระบบ Monovision ใช้เซ็นเซอร์ตัวเดียวในการจับภาพความยาวและลมหายใจของภาพ และเป็นวิธีที่ได้รับความนิยมและราคาไม่แพงในการถ่ายภาพสองมิติ เช่น สัญญาณไฟจราจร ระบบการมองเห็นแบบสเตอริโอใช้เซ็นเซอร์สองตัว ตัวหนึ่งสำหรับจับภาพ (เช่น โมโนวิชั่น) และอีกตัวสำหรับจับภาพความลึก ระบบกล้องมองภาพสเตอริโอใช้เพื่อจับภาพ 3 มิติและข้อมูลระยะทาง (เช่น ระบบ RADAR และ LIDAR) เซ็นเซอร์กล้องแบบดั้งเดิมเหมาะสำหรับการทำงานในแสงที่มองเห็นได้ แต่ให้ความท้าทายในการมองวัตถุในเวลากลางคืน เพื่อแก้ไขปัญหานี้ ผู้ผลิตรถยนต์ได้รวมเซ็นเซอร์อินฟราเรดฟาร์อินฟราเรดไว้ในระบบกล้องเพื่อให้แผนที่ความร้อนของภาพ โดยการตรวจจับความแตกต่างของอุณหภูมิระหว่างวัตถุ (เช่น บุคคล) กับสภาพแวดล้อมโดยรอบ โดยทั่วไปแล้วระบบกล้องเหล่านี้จะใช้ในอ่านเพิ่มเติม คำถามที่เกี่ยวข้อง ฉันไม่ได้รับ Google Glass Explorer Edition กำลังพยายามเรียนรู้ Glass dev โดยไม่ต้องใช้ฮาร์ดแวร์หรือไม่? ไม่ คุณยังสามารถเรียนรู้พื้นฐานของการพัฒนา Glass ได้โดยไม่ต้องใช้ฮาร์ดแวร์ มีสามแนวทางหลักสำหรับการบรรลุนี้: 1) เยี่ยมชมเอกสาร Mirror API เข้าไปในสนามเด็กเล่นและเริ่มแฮชชิ่งโค้ดบางอย่าง ดาวน์โหลด PHP, Java และ Python Library ไม่ว่าคุณจะสะดวกสบายมากที่สุดก็ตาม ทำความคุ้นเคยกับศัพท์แสงและคอนเวอร์ชัน (ไทม์ไลน์การรวมกลุ่มเมนูฯลฯ) อ่านเอกสารสนับสนุน (ลิงก์ที่สองด้านล่าง) เพื่อดูว่าฮาร์ดแวร์กระจกทำงานได้อย่างไร สร้างบางปพลิเคชันสเปคนี้ เร็วพอคุณจะพบเพื่อนกับฮาร์ดแวร์เพื่อ T

ปัญญาประดิษฐ์เป็นส่วนหนึ่งของชีวิตประจำวันของเราในขณะนี้ เทคโนโลยีนี้ล้อมรอบเราตั้งแต่ระบบจอดรถอัตโนมัติ เซ็นเซอร์ภาพถ่ายอัจฉริยะ ไปจนถึงความช่วยเหลือส่วนบุคคล ในทำนองเดียวกัน ในการศึกษา รู้สึกว่าปัญญาประดิษฐ์ และวิธีการดั้งเดิมกำลังเปลี่ยนแปลงอย่างมาก ด้วยแอปพลิเคชัน AI จำนวนมากสำหรับการศึกษา โลกการศึกษาจึงสะดวกและเป็นส่วนตัวมากขึ้น เนื่องจากทุกคนสามารถเข้าถึงสื่อการเรียนรู้ผ่านอุปกรณ์อัจฉริยะและคอมพิวเตอร์ สิ่งนี้ได้เปลี่ยนวิธีที่ผู้คนเรียนรู้ นักเรียนในปัจจุบันไม่จำเป็นต้องเข้าชั้นเรียนทางกายภาพเพื่อเรียนตราบเท่าที่มีคอมพิวเตอร์และการเชื่อมต่ออินเทอร์เน็ต AI ยังช่วยให้งานธุรการต่างๆ เป็นไปโดยอัตโนมัติ ทำให้สถาบันต่างๆ สามารถลดเวลาที่จำเป็นในการทำงานที่ท้าทายให้เสร็จสิ้น เพื่อให้นักการศึกษาใช้เวลากับนักเรียนมากขึ้น ตอนนี้เป็นเวลาที่จะหารือเกี่ยวกับการเปลี่ยนแปลงที่เกิดจาก AI ในการศึกษา การลดความซับซ้อนของงานธุรการ บริษัท พัฒนาแอพเพื่อการศึกษา AI สามารถช่วยในการทำให้ครูและสถาบันการศึกษาทำหน้าที่ธุรการได้โดยอัตโนมัติ นักการศึกษาใช้เวลามากมายในการจัดเกรดข้อสอบ ประเมินการบ้าน และให้คำตอบที่มีค่าแก่นักเรียน อย่างไรก็ตาม เทคโนโลยีสามารถใช้เพื่อทำให้งานการให้คะแนนที่เกี่ยวข้องกับการทดสอบหลายรายการเป็นไปโดยอัตโนมัติ นั่นหมายความว่าอาจารย์จะมีเวลามากกว่าการใช้เวลาหลายชั่วโมงในการให้คะแนนกับนักเรียน เราคาดหวังเพิ่มเติมจาก Ai. ผู้ให้บริการซอฟต์แวร์กำลังพัฒนาวิธีที่ดีกว่าในการให้คะแนนคำตอบที่เป็นลายลักษณ์อักษรและเรียงความทั่วไป แผนกอื่นที่ได้รับ AI มากคือคณะกรรมการรับสมัครของโรงเรียน ปัญญาประดิษฐ์การเข้าถึงการศึกษาที่มีคุณภาพในยุคที่เทคโนโลยีกำลังหดตัวโลก การศึกษาที่มีคุณภาพในรูปแบบของเนื้อหาอัจฉริยะยังทำให้ประชากรจำนวนมากขึ้นเข้าถึงได้มากขึ้น ด้วยแอปพลิเคชัน AI ขั้นสูงที่พัฒนาโดยบริษัทแอป AI ชั้นนำ นักการศึกษาสามารถตั้งค่าเนื้อหาในส่วนต่างๆ ของประเทศได้ตามความต้องการในท้องถิ่นของนักเรียน พวกเขามักจะให้การศึกษาผ่านเนื้อหาเสมือนจริง เช่น การประชุมทางวิดีโอ การบรรยาย ฯลฯ แม้แต่ตำราเรียนก็เปลี่ยนไปเนื่องจากระบบ AI กำลังถูกใช้เพื่อสร้างหนังสือดิจิทัลสำหรับหัวข้อ/ธีมเฉพาะ การเรียนรู้ส่วนบุคคล คุณได้ตรวจสอบ Netflix สำหรับประเภทของคำแนะนำที่กำหนดเองแล้วหรือยัง เทคโนโลยีเดียวกันนี้ใช้เพื่อสอนนักเรียนในโรงเรียน ระบบดั้งเดิมควรรองรับนักเรียนระดับกลาง แต่ไม่เพียงพอต่อนักเรียน หลักสูตรที่ออกแบบโดยตั้งเป้าไว้ที่ 80 เปอร์เซ็นต์ของนักเรียนระดับกลางเพื่อให้เหมาะกับนักเรียนจำนวนมากที่สุด อย่างไรก็ตาม เมื่ออยู่ใน 10 อันดับแรก นักเรียนพยายามดิ้นรนเพื่อบรรลุศักยภาพสูงสุด เมื่อพวกเขาอยู่ในจุดต่ำสุด 10 เปอร์เซ็นต์ พวกเขากำลังประสบปัญหา แต่ครูไม่จำเป็นต้องถูกแทนที่เมื่อมีการแนะนำ AI แต่พวกเขาสามารถทำงานได้ดีขึ้นมากโดยเสนอคำแนะนำเป็นรายบุคคลให้กับนักเรียนแต่ละคน AI ปรับแต่งทั้งงานในชั้นเรียนและการสอบปลายภาคเพื่อให้แน่ใจว่านักเรียนจะได้รับความช่วยเหลือที่ดีที่สุด การวิจัยระบุว่ากุญแจสำคัญประการหนึ่งในการสอนให้ประสบความสำเร็จคือการตอบรับทันที นักเรียนจะได้รับคำตอบที่ตรงเป้าหมายและปรับแต่งได้จากครูของตนผ่านแอปที่ขับเคลื่อนด้วย AI ครูสามารถย่อบทเรียนลงในบัตรคำศัพท์และคู่มือการเรียนอันชาญฉลาด พวกเขายังสามารถสอนนักเรียนได้ทั้งนี้ขึ้นอยู่กับความท้าทายที่พวกเขาเผชิญในการศึกษาสื่อการสอนในชั้นเรียน นักศึกษาวิทยาลัยสามารถมีเวลาโต้ตอบกับครูได้มากขึ้นไม่เหมือนในอดีต การเรียนรู้ทั่วโลก ไม่มีการจำกัดการศึกษา และปัญญาประดิษฐ์สามารถช่วยขจัดพรมแดนได้ เทคโนโลยีทำให้เกิดการเปลี่ยนแปลงครั้งใหญ่ที่อำนวยความสะดวกในการเรียนรู้หลักสูตรใด ๆ ได้ตลอดเวลาและจากทุกที่ทั่วโลก การศึกษาที่ขับเคลื่อนด้วย AI มอบทักษะด้านไอทีที่จำเป็นสำหรับนักเรียน ด้วยสิ่งประดิษฐ์ที่มากขึ้น จะมีหลักสูตรออนไลน์ที่ครอบคลุมมากขึ้น และนักเรียนจะได้เรียนรู้จากทุกที่ด้วยความช่วยเหลือของ AI การศึกษา คงจะเป็นประสบการณ์ที่สนุกสนาน เทคนิคหลายอย่างช่วยให้ปัญญาประดิษฐ์ทำให้การเรียนรู้เป็นกิจกรรมที่สนุกสนานยิ่งขึ้น สามารถสร้างประสบการณ์ที่น่าดึงดูดซึ่งคุณต้องดึงดูดใจนักเรียนให้เข้ามาในห้องเรียน ในเทคโนโลยีการจำลองและการเล่นเกมต่างๆ มีการใช้ปัญญาประดิษฐ์ซึ่งสามารถมีบทบาทสำคัญในเรื่องนี้ได้ ตอนนี้ปัญญาประดิษฐ์สามารถทำให้การศึกษามีความยืดหยุ่นและมีความรอบรู้มากขึ้น สามารถใช้ชักชวนให้นักเรียนพัฒนาความรู้ ด้วยประโยชน์ที่เด่นชัด การมีอยู่ของ AI จึงเพิ่มขึ้นอย่างต่อเนื่อง และถึงแม้จะมีความสำคัญที่คาดการณ์ไว้ในด้านการศึกษา แต่ก็อาจทำให้เราประหลาดใจด้วยคุณค่าที่สูงกว่าในอนาคต คำถามที่เกี่ยวข้อง ฉันไม่ได้รับ Google Glass Explorer Edition พยายามที่จะเรียนรู้ Glass Dev โดยไม่ต้องฮาร์ดแวร์ความพยายามไร้ประโยชน์? ไม่มีคุณยังคงสามารถเรียนรู้พื้นฐานของการพัฒนากระจกโดยไม่ต้องฮาร์ดแวร์ มีสามแนวทางหลักสำหรับการบรรลุนี้: 1) เยี่ยมชมเอกสาร Mirror API เข้าไปในสนามเด็กเล่นและเริ่มแฮชชิ่งโค้ดบางอย่าง ดาวน์โหลด PHP, Java และ Python Library ไม่ว่าคุณจะสะดวกสบายมากที่สุดก็ตาม ทำความคุ้นเคยกับศัพท์แสงและคอนเวอร์ชัน (ไทม์ไลน์การรวมกลุ่มเมนูฯลฯ) อ่านเอกสารสนับสนุน (ลิงก์ที่สองด้านล่าง) เพื่อดูว่าฮาร์ดแวร์กระจกทำงานได้อย่างไร สร้างบางปพลิเคชันสเปคนี้ เร็วพอคุณจะพบเพื่อนกับฮาร์ดแวร์เพื่อ T

เมื่อเดือนกันยายนที่ผ่านมา เราได้ติดตั้งเซ็นเซอร์ที่จอดรถแบบออปติคัลเพื่อวัดการครอบครองที่จอดรถริมถนนมากกว่า 500 แห่งในเมืองมหาวิทยาลัยบรันชไวก์ นั่นคือการติดตั้งเซ็นเซอร์จอดรถที่ใหญ่ที่สุดเท่าที่เคยมีมาในที่สาธารณะในเยอรมนี และสิ่งหนึ่งที่แน่นอนคือ: เราจะทำให้มันเป็นครั้งสุดท้าย นี่คือเรื่องราวของความพยายามอันยิ่งใหญ่ บริษัท AI ที่ทำการค้นหาความจริงภาคพื้นดิน ข้อมูลเพื่อขับเคลื่อนอัลกอริธึม นี่เป็นเรื่องราวเบื้องหลังงานวิศวกรรมที่สวยงาม ซึ่งเป็นผลพลอยได้จากภารกิจที่ยิ่งใหญ่กว่า และจะไม่มีวันถูกนำไปผลิตอีกในท้ายที่สุด ทั้งหมดนี้เพื่อสนับสนุนเทคโนโลยีที่ขับเคลื่อนด้วยข้อมูลที่ก่อกวนมากขึ้น เนื่องจากที่ Bliq เราทำงานเกี่ยวกับอัลกอริธึมเชิงคาดการณ์เพื่อสร้างแบบจำลองความพร้อมในการจอดรถตามข้อมูลการจราจร เราจึงมีความจำเป็นตามธรรมชาติสำหรับข้อมูลความจริงภาคพื้นดินของการเข้าจอดในชีวิตจริง ในพื้นที่อ้างอิง เพื่อให้ได้ข้อมูลประเภทนี้ เราจึงตัดสินใจสร้างการตั้งค่าเซ็นเซอร์จอดรถแบบทดลองในโลกแห่งความเป็นจริงซึ่งวัดการครอบครองที่จอดรถริมถนนมากกว่า 500 แห่งแบบเรียลไทม์ตลอด 24 ชั่วโมงในบทความนี้ เรา ต้องการแบ่งปันข้อมูลเชิงลึกเกี่ยวกับความพยายามด้านวิศวกรรมที่เข้าสู่โครงการนี้ โดยเฉพาะอย่างยิ่ง ให้พูดถึงไซต์ทดสอบที่เราเลือก สถาปัตยกรรมระบบ และเซ็นเซอร์จริงที่เราออกแบบและสร้างขึ้นเพื่อรวบรวมข้อมูล ไซต์ทดสอบ บางครั้ง บริษัท AI จำเป็นต้องมีความคิดสร้างสรรค์ในการรวบรวมความจริงพื้นฐานสำหรับแบบจำลองของตน ในกรณีของเรา การสร้างแบบจำลองความพร้อมในการจอดรถ นี่หมายถึงการหาเขตที่ตรงตามเกณฑ์บางประการในแง่ของการไหลของการจราจร การใช้งาน และข้อมูลประชากร เราเลือกเขตมหาวิทยาลัยในบรันชไวก์เนื่องจากมีอิทธิพลมากมายต่อพื้นที่ขนาดเล็กที่เปรียบเทียบได้: ทางตอนใต้ เรามีวิทยาเขตหลักของมหาวิทยาลัยที่ดึงดูดนักศึกษาหลายพันคนและพนักงานหลายร้อยคนทุกวัน ห่างออกไปทางใต้ ใจกลางเมืองชั้นในที่มีร้านค้าและสถานที่ท่องเที่ยวอยู่ห่างออกไปโดยใช้เวลาเดินเพียงไม่กี่นาที (ไม่แสดงบนแผนที่ด้านบน) ทางตอนเหนือของเขตเป็นพื้นที่พักอาศัยพร้อมที่จอดรถริมถนนสาธารณะที่ไม่จำกัด คนส่วนใหญ่ที่อาศัยอยู่ในพื้นที่นี้เป็นนักศึกษาหรือจ้างงานโดยอุตสาหกรรมยานยนต์ในท้องถิ่น ผู้อยู่อาศัยส่วนใหญ่เดินทางไปทำงานโดยใช้รถยนต์ส่วนตัว เขตนี้แยกจากกันด้วยถนนวงเวียนใหญ่ซึ่งครอบคลุมย่านใจกลางเมือง วิธีการทำงานของระบบ สถาปัตยกรรมระบบพื้นฐานของการติดตั้งเซ็นเซอร์นั้นค่อนข้างตรงไปตรงมา และโดยพื้นฐานแล้วสิ่งที่เราคาดหวังจากแอปพลิเคชัน IoT ส่วนใหญ่: มีการติดตั้งฮาร์ดแวร์ชิ้นเล็กๆ ไว้ที่ใดที่หนึ่ง ในโลกแห่งความเป็นจริงและส่งข้อมูลไปยังแบ็กเอนด์บนคลาวด์ แบ็กเอนด์จัดเก็บข้อมูลและทำให้สามารถเข้าถึงได้สำหรับการประมวลผลเพิ่มเติม เพื่อทำหน้าที่เป็นความจริงพื้นฐานสำหรับความพยายามในการเรียนรู้ของเครื่องหรือเพียงเพื่อการสร้างภาพข้อมูลอย่างง่ายในแอปหรือเว็บแอป ข้อกำหนดที่ยาก: ความเป็นส่วนตัวโดยการออกแบบ อะไรพิเศษเกี่ยวกับสถาปัตยกรรมเซ็นเซอร์คือการคำนวณที่ค่อนข้างแข็งแกร่ง ขุมพลังที่เราปรับใช้บนขอบ: เนื่องจากข้อกำหนดด้านกฎระเบียบในพื้นที่สาธารณะของเยอรมันซึ่งเพิ่มเติมจากการอภิปราย GDPR ล่าสุดและต่อเนื่อง เราจึงไม่สามารถประมวลผลภาพบนคลาวด์ระยะไกลที่มีทรัพยากรการคำนวณจำนวนมากได้ นั่นคือเหตุผลที่เราจำเป็นต้องทำทุกอย่าง การยกของหนักเพื่อกำหนดจุดเปิดโดยตรงบนอุปกรณ์เซ็นเซอร์มากกว่าที่อื่น ข้อดีของสิ่งนี้คือวิธีนี้ไม่ใช้ปริมาณข้อมูลจำนวนมากสำหรับการส่งภาพไปมา แต่เราสามารถรักษาค่าใช้จ่ายในการดำเนินการของเซ็นเซอร์สำหรับการเชื่อมต่อได้ภายในช่วงที่ค่อนข้างต่ำ ด้านลบ การจัดเตรียมอุปกรณ์ที่มีกำลังในการคำนวณเพียงพอที่จะทำการวิเคราะห์ภาพต้องใช้ความพยายามอย่างมากในการพัฒนาฮาร์ดแวร์ ทำไมไม่ใช้เซ็นเซอร์จอดรถแบบอื่นล่ะ ทำไมเราถึงตัดสินใจเจ็บปวดกับการออกแบบและสร้างเซ็นเซอร์จอดรถของเราเองแทนที่จะซื้อเซ็นเซอร์สำเร็จรูปรุ่นใดรุ่นหนึ่งที่มีวางจำหน่ายแล้ว มีสามคำตอบสำหรับเรื่องนั้น:เรา ไม่รู้ว่าการสร้างอุปกรณ์ใหม่จะซับซ้อนแค่ไหน ;) เซ็นเซอร์ที่จอดรถที่มีอยู่ทั้งหมดมีข้อบกพร่องบางประการ: สถานการณ์ด้านกฎระเบียบห้ามเราไม่ให้ใช้โซลูชันออปติคัลที่มีอยู่เนื่องจากระบบประเภทนี้จะละเมิดความเป็นส่วนตัว เซ็นเซอร์ที่ติดตั้งบนพื้นผิวจะไม่ทนต่อการกำจัดหิมะในช่วงฤดูหนาว และสุดท้าย เซ็นเซอร์ในพื้นดินค่อนข้างแพงในตัวเองและมีราคาแพงกว่าในการติดตั้ง เรามีงบประมาณค่อนข้างจำกัดเมื่อเราเริ่มโครงการนี้ เราเริ่มต้นบริษัทโดยสิ้นเชิง ณ จุดนี้: เงินทุนของเราประกอบด้วยเงินทุนของรัฐบาลบางส่วน รายได้แรก และราคาบางส่วนที่เราชนะที่นี่และที่นั่น เซ็นเซอร์รุ่นอื่นๆ ที่มีป้ายราคาอยู่ระหว่าง 75 ถึง 250 ยูโรต่อจุดนั้นแพงสำหรับเราในเวลานี้ เซ็นเซอร์จอดรถแบบออปติคัลใหม่แนวคิดสำหรับหลักการทำงานของเซ็นเซอร์ของเรานั้นเรียบง่าย: ปรับใช้อัลกอริทึมเดียวกันกับที่เราได้พัฒนาแล้วในโครงการวิจัยก่อนหน้าของเราเกี่ยวกับฮาร์ดแวร์ขนาดเล็ก เชื่อมต่อกับอินเทอร์เน็ต ใส่ทุกอย่างลงในกล่องกันน้ำ และติดตั้ง สู่เสาไฟ อัลกอริทึมนั้นโดยพื้นฐานแล้วเป็นตัวแยกประเภทรูปภาพ ซึ่งต้องการพื้นที่ที่น่าสนใจที่กำหนดไว้ล่วงหน้าเพื่อดู จุดประสงค์ดั้งเดิมของโมเดลนี้คือการวิเคราะห์การครอบครองที่จอดรถโดยอัตโนมัติในชุดภาพขนาดใหญ่ที่เรารวบรวมไว้ในโปรเจ็กต์ก่อนหน้าด้วยกล้องออฟไลน์ ความท้าทายในตอนนี้มีเพียงการออกแบบอุปกรณ์ฮาร์ดแวร์ที่เหมาะสมด้วยกำลังในการคำนวณที่เพียงพอ ลดขนาดโมเดลเพื่อให้ทำงานบนการตั้งค่านี้ และทำให้แน่ใจว่ามีการจ่ายไฟอย่างต่อเนื่อง นี่คือสิ่งที่อยากได้สำหรับข้อมูลจำเพาะของเรา:ต้นทุนต่อจุดต่ำ: ส่วนประกอบมาตรฐาน ความถี่ในการวัดสูงสุด 3 นาทีถึง 30 วินาที การตรวจจับทนทานต่อสภาพอากาศ การเปลี่ยนแปลงของแสง และที่จอดรถที่ไม่ถูกต้อง (เช่น G. รถหนึ่งคันครอบครองสองจุด) การตรวจสอบสถานะความสมบูรณ์ของอุปกรณ์ตัวเลือกสำหรับการอัปเดตซอฟต์แวร์ระยะไกลการใช้พลังงานต่ำอายุการใช้งาน 25 ปีซอฟต์แวร์ซอฟต์แวร์เซ็นเซอร์ประกอบด้วยสามชั้น: ระบบปฏิบัติการซึ่งเป็นการพัฒนาแบบกำหนดเองสำหรับโครงการนี้ รูทีนหลักที่ควบคุมฟังก์ชันเซ็นเซอร์ทั้งหมดและ โมเดลแมชชีนเลิร์นนิงจริงสำหรับการตรวจจับจุดเปิด ระบบปฏิบัติการสำหรับการเรียกใช้โมเดลวิชันซิสเต็มที่ขอบ เราคิดได้อย่างรวดเร็วว่าเราจะต้องมีการตั้งค่าซอฟต์แวร์ที่ใหญ่กว่าในโครงการฮาร์ดแวร์ IoT อื่นๆ การตัดสินใจสร้างการแจกจ่าย Linux แบบกำหนดเองโดยใช้ Yocto ด้วยวิธีนี้ เราสามารถควบคุมทุกอย่างที่ระบบปฏิบัติการกำลังทำได้อย่างเต็มที่ คุณสมบัติหลักคือสองพาร์ติชั่นแยกกัน เพื่อให้สามารถทำการอัปเดตระบบไฟล์และพาร์ติชั่นสว็อป ไลบรารีจำนวนหนึ่งซึ่งจำเป็นโดยรูทีนหลักและการรีเซ็ต watchdog หน่วยเฝ้าระวังฮาร์ดแวร์ของ SBC ของเราจะรีบูตอุปกรณ์ในกรณีที่มีสิ่งใดไม่ทำงานตามที่คาดไว้ การมีก้อนอิฐอัจฉริยะอยู่เหนือพื้นบนเสาไฟเนื่องจากข้อผิดพลาดในซอฟต์แวร์จะเป็นกรณีที่เลวร้ายที่สุด รูทีนหลัก รูทีนหลักมีหน้าที่ในการเรียกใช้เครื่องตรวจจับในช่วงเวลาที่ปรับได้ การตรวจสอบสถานะของเซ็นเซอร์ด้านสุขภาพ และการสื่อสารกับ แบ็กเอนด์ (ดึงข้อมูลการกำหนดค่าและส่งการอัปเดต) รูทีนหลักถูกนำไปใช้ใน Python สิ่งนี้ทำให้เรามีความยืดหยุ่นและการประมวลผลภาพที่ง่ายขึ้นอย่างมาก เนื่องจากเราสามารถใช้ประโยชน์จากฐานโค้ด Python ขนาดใหญ่ที่มีอยู่แล้วในบริษัทได้ สิ่งที่ยอดเยี่ยมอย่างหนึ่งเกี่ยวกับการออกแบบซอฟต์แวร์คือความสามารถในการอัปเดตระยะไกลแยกกันของแต่ละองค์ประกอบ: ตั้งแต่โมเดลการตรวจจับไปจนถึงซอร์สโค้ดสำหรับรูทีนหลัก ไปจนถึงเคอร์เนล หรือแม้แต่ระบบไฟล์ทั้งหมด สามารถเปลี่ยนแต่ละส่วนจากระยะไกลได้ เมื่อเผชิญกับการพัฒนาอย่างรวดเร็วในด้าน CV และแมชชีนเลิร์นนิงโดยทั่วไป เราต้องการให้แน่ใจว่าโค้ดที่ใช้เซ็นเซอร์จะมีความทันสมัยตลอดอายุการใช้งาน การเรียนรู้ด้วยเครื่องเพื่อทำงานการตรวจจับ เราใช้เทนเซอร์โฟลว์เวอร์ชันหนึ่ง และหลังจากการปรับแต่งบางอย่างก็ทำให้การตั้งค่าของเราทำงานได้ เมื่อดำเนินการเสร็จแล้ว เราสามารถปรับใช้เทนเซอร์โฟลว์ที่ได้รับการฝึกฝนมาล่วงหน้าซึ่งพอดีกับหน่วยความจำ GPU ได้ เราตัดสินใจใช้ MobileNet เพราะมันแสดงให้เห็นอัตราส่วนที่ดีที่สุดระหว่างความแม่นยำและประสิทธิภาพในการตั้งค่าของเรา เรายังพิจารณาแนวทางอื่นๆ อีกหลายวิธีโดยอิงจากคุณลักษณะการมองเห็นด้วยคอมพิวเตอร์แบบดั้งเดิม เช่น คุณลักษณะ HOG ฮิสโตแกรม เป็นต้น ร่วมกับตัวแยกประเภทการเรียนรู้ของเครื่องทั่วไป เช่น SVM แม้ว่าการทดสอบเหล่านี้จะส่งผลให้ประสิทธิภาพในการคำนวณค่อนข้างสูงเนื่องจากการออกแบบโมเดลที่ง่ายกว่ามากเมื่อเทียบกับ MobileNet แต่ความแม่นยำของโมเดลก็ต่ำกว่า ซึ่งอาจอธิบายได้จากข้อเสียตามปกติของคำอธิบายคุณลักษณะ CV มาตรฐาน (ค่าคงที่เบา ค่าคงที่ของมาตราส่วน) ฮาร์ดแวร์การทำงานกับฮาร์ดแวร์เป็นประสบการณ์ที่ค่อนข้างใหม่สำหรับเรา การเป็นบริษัทซอฟต์แวร์อย่างแท้จริงจนถึงตอนนี้ แม้ว่า Mathias ซึ่งเป็น CTO ของเราเคยทำงานเกี่ยวกับการออกแบบอุปกรณ์อิเล็กทรอนิกส์ในงานก่อนหน้าของเขากับ Volkswagen R &D บริษัทของเรายังไม่พร้อมสำหรับงานพัฒนาฮาร์ดแวร์ และเมื่อมองย้อนกลับไปจริงๆ แล้ว มันก็ยังไม่ใช่วันนี้ อย่างไรก็ตาม เราต้องการการออกแบบที่ใช้งานได้จริง ซึ่งง่ายต่อการผลิตและทำซ้ำด้วยทรัพยากรที่เรามีในฐานะบริษัทที่เริ่มต้นใหม่ในเวลานี้ ดังนั้น รายการข้อกำหนดของเราจึงกลายเป็นแบบนี้อย่างรวดเร็ว: เคสต้องกันน้ำและพิมพ์ได้ 3 มิติเซ็นเซอร์ควรใช้งานแบตเตอรี่ได้อย่างน้อย 12 ชั่วโมงกล้องควรได้รับการปกป้องจากฝนและละอองน้ำ และทำงานในที่มืดเช่นกันการออกแบบ ต้องถือกล้อง, เซ็นเซอร์อุณหภูมิ/ความชื้น, โมดูล LTE, คอมพิวเตอร์บอร์ดเดี่ยวและอุปกรณ์อิเล็กทรอนิกส์กำลังสำหรับแปลงแรงดันไฟฟ้าให้อยู่ในระดับที่เหมาะสม จำเป็นต้องใช้แบตเตอรี่เพื่อทำงานต่อเมื่อปิดเสาไฟ (ระหว่าง วันนั้น) การตั้งค่าทั้งหมดจะต้องเป็นแบบแยกส่วนเพื่ออำนวยความสะดวกในการติดตั้งและเพื่อให้สามารถแลกเปลี่ยนส่วนประกอบเดี่ยวได้ในกรณีที่เกิดความล้มเหลว นอกจากนี้ยังต้องเล็กและทาสีเทาเพื่อให้ดูไม่เกะกะในสภาพแวดล้อมการทำงานสภาพการทำงานตั้งแต่ -20 C ถึง 70 C (เนื่องจากการตั้งค่าจะค่อนข้างอบอุ่นในฤดูร้อนเมื่อโดนแสงแดดเต็มที่) เราเริ่มต้นด้วยการออกแบบรวมถึงอินฟราเรด ไฟ LED (เช่นเดียวกับกล้องกลางแจ้งหลายๆ รุ่น) เพื่อให้สามารถทำงานได้ในสภาพกลางคืน อย่างไรก็ตาม ตัวเลือกการออกแบบนี้กลับมาพร้อมกับข้อบกพร่องบางประการ: ไฟ LED เหล่านี้ใช้พลังงานค่อนข้างมาก (เมื่อเทียบกับอุปกรณ์อิเล็กทรอนิกส์อื่นๆ) ทำให้แหล่งจ่ายไฟไม่ได้มาตรฐานและจำเป็นต้องใช้แหล่งจ่ายไฟ แม้จะมีการใช้พลังงานมาก แต่ก็ไม่สามารถส่องสว่างได้ทั่วทั้งขอบเขตการมองเห็น เราอาจต้องการสปอตไลต์ IR ภายนอกซึ่งไม่ใช่ทางเลือกที่จริงจังอีกครั้ง และสุดท้าย การออกแบบด้วยไฟ LED ก็ไม่ค่อยสวยนัก ในการเอาชนะปัญหาการทำงานในเวลากลางคืน เราตัดสินใจใช้การตั้งค่ากล้องนิ่ง: เนื่องจากตำแหน่งของกล้องคงที่และวัตถุที่เราพยายามตรวจจับมักจะนิ่ง เราสามารถเพิ่มการรับแสงและความไวแสงของเซ็นเซอร์เพื่อให้ทำงานเฉพาะกับแสงที่เหลือเท่านั้น ดังนั้นเราจึงเขียนทับการเปิดรับแสงภายในกล้องและการควบคุม ISO และเขียนลูปป้อนกลับอย่างง่ายที่ปรับการตั้งค่าแสงตามความสว่างของเฟรมที่ถ่ายล่าสุด วิธีการนี้ได้ผลค่อนข้างดี เนื่องจากในถนนส่วนใหญ่มีแสงตกค้างเพียงพอจากไฟถนน หลังจากทำซ้ำหลายครั้ง ในที่สุดเราก็ได้ออกแบบตามที่แสดงด้านบน: กล้องอยู่ในกรวยเพื่อป้องกันละอองน้ำ และสะท้อนแสงแดดให้มากที่สุด อุปกรณ์อิเล็กทรอนิกส์ติดตั้งอยู่บนซ็อกเก็ตภายใน และสายแพเชื่อมต่อกล้องเข้ากับเมนบอร์ด ด้านล่างถอดออกได้และติดตั้งเข้ากับเคสด้วยสกรูมาตรฐานสี่ตัว เนื่องจากตัวเรือนพิมพ์ด้วย ABS น็อตกำลังสองจึงวางในช่องเจาะเพื่อให้แน่ใจว่าสามารถขันสกรูให้แน่นได้อย่างเหมาะสม ข้อต่อแบบ GoPro-like เชื่อมต่อเคสกับเมาท์ ซึ่งติดกับเสาไฟโดยใช้เทปเหล็กมาตรฐาน ชิ้นส่วนทั้งหมดได้รับการปรับให้เหมาะสมสำหรับการพิมพ์ 3 มิติ ซึ่งหมายความว่าไม่มีระยะยื่นที่หนัก นำเข้าพื้นผิวขนานกันเพื่อคุณภาพพื้นผิวที่สูง สุดท้าย กล่องแบตเตอรี่ถูกแยกออกจากเซ็นเซอร์เพื่อการบริการที่ดีขึ้น เป็นกล่อง ABS แบบฉีดขึ้นรูปมาตรฐานและประกอบด้วย 4 แบตเตอรีตะกั่วขนาด 5 Ah 12V และชุดชาร์จซึ่งใช้อินพุต 230V (ซึ่งเป็นแรงดันไฟฟ้าของไฟถนนส่วนใหญ่ในเยอรมนี) มีอะไรต่อไป ข้อมูลที่เรากำลังรวบรวมตลอดโครงการนี้ช่วยให้เราปรับปรุงความเข้าใจของเราได้อย่างมาก (และของเรา อัลกอริธึม) ของวิธีการทำงานของที่จอดรถในสถานการณ์การจราจรที่แตกต่างกันและบริบทต่างๆ ของปัจจัยที่ส่งผลต่อความพร้อมในการจอดรถ เราจะโพสต์เพิ่มเติมเกี่ยวกับผลลัพธ์ที่แท้จริงจากมุมมองของวิทยาศาสตร์ข้อมูลในไม่ช้านี้ เราจะใช้เวลาและลงลึกในรายละเอียดของส่วนซอฟต์แวร์ให้มากขึ้น และในที่สุดก็จะไปถึงซอฟต์แวร์โอเพนซอร์ส รวมถึงการออกแบบฮาร์ดแวร์ด้วย ณ จุดนี้ เราอยากจะแสดงความขอบคุณต่อเมืองแห่ง Braunschweig ที่ให้เราเข้าถึงโครงสร้างพื้นฐานด้านการรับส่งข้อมูลเพื่อสนับสนุนโครงการนี้ พวกเขาไม่เพียงแต่ให้การอนุญาตที่จำเป็นทั้งหมดเท่านั้น แต่ยังครอบคลุมค่าใช้จ่ายบางส่วนด้วย เราขอขอบคุณเป็นอย่างสูงไปยัง Bellis ผู้ควบคุมการจราจรในพื้นที่ และผู้ให้บริการพลังงาน BS Energy สำหรับการสนับสนุนเกี่ยวกับการติดตั้งและการจ่ายไฟของเซ็นเซอร์ เกี่ยวกับผู้เขียนJulian เป็น CEO และผู้ร่วมก่อตั้ง Bliq ในกรุงเบอร์ลิน -ตามบริษัทเทคโนโลยี Bliq จัดทำแผนที่ที่จอดรถสดสำหรับนักพัฒนาในความคล่องตัว คำถามที่เกี่ยวข้อง ฉันไม่ได้รับ Google Glass Explorer Edition พยายามที่จะเรียนรู้ Glass Dev โดยไม่ต้องฮาร์ดแวร์ความพยายามไร้ประโยชน์? ไม่มีคุณยังคงสามารถเรียนรู้พื้นฐานของการพัฒนากระจกโดยไม่ต้องฮาร์ดแวร์ มีสามแนวทางหลักสำหรับการบรรลุนี้: 1) เยี่ยมชมเอกสาร Mirror API เข้าไปในสนามเด็กเล่นและเริ่มแฮชชิ่งโค้ดบางอย่าง ดาวน์โหลด PHP, Java และ Python Library ไม่ว่าคุณจะสะดวกสบายมากที่สุดก็ตาม ทำความคุ้นเคยกับศัพท์แสงและคอนเวอร์ชัน (ไทม์ไลน์การรวมกลุ่มเมนูฯลฯ) อ่านเอกสารสนับสนุน (ลิงก์ที่สองด้านล่าง) เพื่อดูว่าฮาร์ดแวร์กระจกทำงานได้อย่างไร สร้างบางปพลิเคชันสเปคนี้ เร็วพอคุณจะพบเพื่อนกับฮาร์ดแวร์เพื่อ T

ยานพาหนะอัตโนมัติมีคุณสมบัติขั้นสูงหลายอย่าง เช่น ระบบควบคุมความเร็วอัตโนมัติแบบปรับได้ ระบบช่วยจอด การเตือนการออกนอกเลน การเบรกฉุกเฉินอัตโนมัติ และการตรวจจับจุดบอด และอื่นๆ ซึ่งสามารถรวมเข้ากับรถยนต์เพื่อมอบประสบการณ์การขับขี่ที่ดีและปลอดภัยยิ่งขึ้น ในปี 2560 จำนวนรถยนต์ ADAS บนท้องถนนทั้งสำหรับรุ่นทดลองหรือเชิงพาณิชย์คาดว่าจะอยู่ที่ XX คัน จากสภาพแวดล้อมด้านกฎระเบียบที่เข้มงวดและความสนใจของผู้บริโภคที่เพิ่มขึ้น ตัวเลขนี้คาดว่าจะเพิ่มขึ้นอีกและเข้าถึงได้ประมาณ 10 ล้านหน่วยบนถนนภายในปี 2571 ขอตัวอย่าง: com/requestsample?id=578 &type=downloadระบบ ADAS ต้องใช้เซ็นเซอร์วิชั่นและระยะเพื่อทำแผนที่สภาพแวดล้อมของรถอย่างแม่นยำและตรวจจับสิ่งกีดขวางที่อยู่ในบริเวณใกล้เคียงรถยนต์ เซ็นเซอร์หลักบางตัวที่จำเป็นสำหรับการทำแผนที่สภาพแวดล้อมของยานพาหนะ ได้แก่ กล้อง เรดาร์ เซ็นเซอร์อัลตราโซนิก และเซ็นเซอร์อินฟราเรด ส่วนประกอบเหล่านี้ทำหน้าที่เป็นองค์ประกอบการตรวจจับโดยรอบสำหรับยานพาหนะและให้ข้อมูลหลายจุดแก่ระบบอัตโนมัติในแบบเรียลไทม์ โดยจะมีการดึงข้อมูลที่เป็นประโยชน์และมอบให้แก่ผู้ขับขี่เพื่อขอความช่วยเหลืออย่างเพียงพอ คาดว่าภายในปี 2571 ยานพาหนะมากกว่า XX ล้านคัน (รวมทั้งรถยนต์นั่งส่วนบุคคลและรถยนต์เพื่อการพาณิชย์) จะมีความสามารถในตัวของระบบ ADAS และระบบอัตโนมัติ อย่างไรก็ตาม ยานพาหนะไร้คนขับทำงานบนอินพุตที่ระบบอัตโนมัติให้มา ดังนั้นจึงจำเป็นต้องมีข้อมูลที่แม่นยำและหนาแน่นมากขึ้นที่ส่งให้กับระบบ กล้อง/เรดาร์/เซ็นเซอร์อัลตราโซนิกไม่สามารถตอบสนองความต้องการในการตรวจวัดเหล่านี้ได้เนื่องจากข้อจำกัดในการปฏิบัติงานต่างๆ ของเซ็นเซอร์เหล่านี้ ซึ่งส่งผลให้ความจำเป็นในการใช้การตรวจจับแสงและการจัดระยะ (LiDAR) สำหรับระบบอัตโนมัติในระดับที่สูงขึ้น ดูรายงานฉบับสมบูรณ์: อุปกรณ์ LiDAR ในอุตสาหกรรมยานยนต์ LiDAR ใช้ลำแสงเลเซอร์แบบพัลซิ่งเพื่อคำนวณระยะห่างของสิ่งกีดขวางจากยานพาหนะใดๆ โดยการปล่อยลำแสงเลเซอร์ ระยะทางวัดโดยการวิเคราะห์เวลาที่ใช้โดยพัลส์เลเซอร์เพื่อสะท้อนและรับเซ็นเซอร์เมื่อสิ้นสุดการรับ เซ็นเซอร์ LiDAR ใช้เพื่อสแกนสภาพแวดล้อมด้วยลำแสงเลเซอร์ที่ไม่สามารถมองเห็นได้และไม่เป็นอันตราย ซึ่งใช้ในการมองเห็นวัตถุและวัดช่วง และสร้างภาพ 3 มิติของสภาพแวดล้อมของยานพาหนะ ระบบ LiDAR ต้องใช้เครื่องส่งเลเซอร์และเครื่องรับ รายงานที่เกี่ยวข้อง: การวิเคราะห์และพยากรณ์ตลาดเซ็นเซอร์ MEMS ยานยนต์ทั่วโลก: 20172021 การวิเคราะห์ตลาดกล้องยานยนต์ทั่วโลกและการคาดการณ์-2018 ถึง 2026Global ADAS และตลาดส่วนประกอบขับเคลื่อนอัตโนมัติ, การวิเคราะห์ & พยากรณ์ 20172026เกี่ยวกับเรา:BIS Research เป็นบริษัทด้านข้อมูล การวิจัย และที่ปรึกษาด้านการตลาดระดับโลก ซึ่งมุ่งเน้นไปที่แนวโน้มที่เกิดขึ้นใหม่ในด้านเทคโนโลยี ซึ่งมีแนวโน้มที่จะขัดขวางการเปลี่ยนแปลงของตลาดในอีกห้า (หรือ 10) ปีข้างหน้า ด้วยรายงานข่าวกรองตลาดกว่า 150 ฉบับที่เผยแพร่เป็นประจำทุกปี BIS Research มุ่งเน้นไปที่เทคโนโลยีประเภทต่างๆ เช่น การพิมพ์ 3 มิติ วัสดุขั้นสูง & เคมีภัณฑ์, การบินและอวกาศและการป้องกัน, ยานยนต์, การดูแลสุขภาพ, อิเล็กทรอนิกส์ & เซมิคอนดักเตอร์หุ่นยนต์ & UAV และเทคโนโลยีใหม่อื่นๆ รายงานการวิจัยแต่ละฉบับประกอบด้วยการวิเคราะห์โดยละเอียดและการหาปริมาณที่ตามมาของพลวัตของตลาด ตัวขับเคลื่อนตลาดและข้อจำกัด โอกาส ภัยคุกคาม ส่วนแบ่งตลาด แนวโน้มอุตสาหกรรมในปัจจุบันและที่เกิดขึ้นใหม่ ตลอดจนแนวการแข่งขันและข่าวกรองโดยละเอียด ติดต่อ:Email-id: BIS Research39111 PASEO PADRE PKWY STE 313,FREMONT CA 945381686 คำถามที่เกี่ยวข้อง ฉันไม่ได้รับ Google Glass Explorer Edition พยายามที่จะเรียนรู้ Glass Dev โดยไม่ต้องฮาร์ดแวร์ความพยายามไร้ประโยชน์? ไม่มีคุณยังคงสามารถเรียนรู้พื้นฐานของการพัฒนากระจกโดยไม่ต้องฮาร์ดแวร์ มีสามแนวทางหลักสำหรับการบรรลุนี้: 1) เยี่ยมชมเอกสาร Mirror API เข้าไปในสนามเด็กเล่นและเริ่มแฮชชิ่งโค้ดบางอย่าง ดาวน์โหลด PHP, Java และ Python Library ไม่ว่าคุณจะสะดวกสบายมากที่สุดก็ตาม ทำความคุ้นเคยกับศัพท์แสงและคอนเวอร์ชัน (ไทม์ไลน์การรวมกลุ่มเมนูฯลฯ) อ่านเอกสารสนับสนุน (ลิงก์ที่สองด้านล่าง) เพื่อดูว่าฮาร์ดแวร์กระจกทำงานได้อย่างไร สร้างบางปพลิเคชันสเปคนี้ เร็วพอคุณจะพบเพื่อนกับฮาร์ดแวร์เพื่อ T

เมืองต่างๆ เริ่มฉลาดขึ้น และกลุ่มแกนนำของเราหวังว่าปัญหาแรกที่พวกเขาแก้ไขคือการจราจร และสาเหตุหนึ่งที่ทำให้การจราจรติดขัดคือที่จอดรถ ดังนั้นเราจะแก้ปัญหาได้อย่างไร? ด้วยมาตรวัดที่จอดรถอัจฉริยะ! บทช่วยสอนนี้สาธิตวิธีสร้างต้นแบบของแอปพลิเคชันตัวตรวจสอบที่จอดรถอัจฉริยะที่เปิดใช้งาน IoT โดยใช้ IBM Bluemix และ PubNub แอปมีฟังก์ชันหลักสามประการ: การแสดงมุมมองแบบเรียลไทม์ของจุดจอดรถที่มีอยู่และที่จอดไว้ ให้คนขับสามารถจองพื้นที่จอดรถ ติดตามการเรียกเก็บเงินโดยอัตโนมัติตามการกระทำของผู้ขับขี่ (เช่น การเข้าและออกจากพื้นที่จอดรถ) Project Setup และ Full Code Repo โปรเจ็กต์นี้คือ การทดลอง DIY ที่ยอดเยี่ยมสำหรับผู้ที่ชื่นชอบ IoT ดังนั้น หากคุณสนใจที่จะทดลองใช้ ให้ไปที่ GitHub เพื่อดูซอร์สโค้ดที่สมบูรณ์ของโครงการ bluemix-parking-meter ดูคำแนะนำในการสร้างและไฟล์ readme สำหรับขั้นตอนโดยละเอียด ตั้งแต่การกำหนดค่าฮาร์ดแวร์ไปจนถึงการโฮสต์และการใช้งานแอปพลิเคชัน . สำหรับการโฮสต์แอปพลิเคชันนี้ คุณจะต้องสร้างบัญชี Bluemix และ PubNub ไปที่หน้าลงชื่อสมัครใช้ IBM Bluemix และหน้าส่วนเสริม PubNub เพื่อสร้างบัญชีที่เกี่ยวข้อง บริการทั้งสองมีบัญชีระดับฟรีเพื่อเล่นกับข้อเสนอของพวกเขา ส่วนประกอบ แอปพลิเคชันมีสามองค์ประกอบ: Parking Management Server (PMS) ตรวจสอบพื้นที่จอดรถทั้งหมด และจัดการการวัดแสงและการเรียกเก็บเงินสำหรับผู้ใช้ทั้งหมด แพลตฟอร์มฮาร์ดแวร์ IoT เชื่อมต่อพื้นที่จอดรถกับ PMS และยังตรวจจับว่ามีหรือไม่มียานพาหนะ แอพมือถือมีอินเทอร์เฟซที่ใช้งานง่ายเพื่อช่วยเหลือผู้ขับขี่ในการค้นหาพื้นที่ว่างและจัดการการใช้ที่จอดรถและการเรียกเก็บเงิน แพลตฟอร์มฮาร์ดแวร์ขับเคลื่อนโดย Arduino Yun และใช้เซ็นเซอร์อัลตราโซนิกเพื่อตรวจจับว่ามีหรือไม่มียานพาหนะอยู่ในที่จอดรถ PMS ถูกนำมาใช้เป็นเซิร์ฟเวอร์แอปพลิเคชันที่ทำงานบน Python ติดตามอุปกรณ์ทั้งหมดและจัดการการเรียกเก็บเงินและการจอง แอพมือถือ (หรือที่รู้จักในชื่อ Auto Park) เป็นแอพ Android ที่ใช้ Cordova และ JavaScript แอปพลิเคชันเซิร์ฟเวอร์ PMS โฮสต์บนแพลตฟอร์มคลาวด์ IBM Bluemix และการสื่อสารทั้งหมดระหว่าง PMS กับฮาร์ดแวร์ และ PMS ไปยังแอปมือถือนั้นขับเคลื่อนโดย PubNubs Realtime Data Stream Network ฮาร์ดแวร์ต่อไปนี้คือรายการส่วนประกอบฮาร์ดแวร์ที่ใช้สำหรับโครงการนี้:Arduino YunHC -SR04 เซ็นเซอร์อัลตราโซนิก (3 nos. )ตัวอย่างการตั้งค่าบนเขียงหั่นขนมแสดงอยู่ด้านล่าง:และแผนผังที่เกี่ยวข้องสำหรับวงจรฮาร์ดแวร์อยู่ด้านล่าง:มีสามส่วนการทำงานของฮาร์ดแวร์:ตัวควบคุมหลัก Arduino Yun ที่เปิดใช้งาน WiFi ทำหน้าที่เป็นตัวควบคุมหลักสำหรับการควบคุมที่จอดรถไม่กี่แห่ง ช่องว่าง โดยจะตรวจสอบและรับสถานะของพื้นที่จอดรถแต่ละแห่งภายในเขตอำนาจของตนเป็นระยะๆ ผ่านเซ็นเซอร์อัลตราโซนิก นอกจากนี้ยังเชื่อมต่อกับ PMS ผ่าน PubNub และเผยแพร่ตัวควบคุมเซ็นเซอร์สถานะการจอดรถ ซึ่งเป็นส่วนประกอบภายในของบอร์ด Arduino Yun ซึ่งขับเคลื่อนโดยชิป ATMega32 โดยจะเชื่อมต่อกับเซ็นเซอร์โดยตรงและวนซ้ำทุกๆ สองสามวินาที เพื่อรับสถานะล่าสุดของเซ็นเซอร์แต่ละตัวเซ็นเซอร์อัลตราโซนิก เซ็นเซอร์ HC-SR04 สามตัวใช้เพื่อจำลองที่จอดรถสามคัน ซอร์สโค้ดสำหรับการตั้งค่าฮาร์ดแวร์มีอยู่ในไดเร็กทอรี yun_pubnub (สำหรับตัวควบคุมหลัก) และไดเร็กทอรี device/hcsr04 (สำหรับตัวควบคุมเซ็นเซอร์) ในที่เก็บ GitHub Parking Management Server (IBM Bluemix) PMS เขียนด้วย Python และสามารถติดตั้งเป็น บริการโฮสต์ IBM Bluemix IBM Bluemix ให้แรงม้าในการคำนวณสำหรับ PMS เพื่อตรวจสอบอุปกรณ์ฮาร์ดแวร์และจัดการการวัดที่จอดรถและการเรียกเก็บเงินสำหรับผู้ใช้ นอกจากนี้ คุณจะต้องเชื่อมโยงบริการเสริม PubNub กับบัญชี IBM Bluemix เพื่อให้ PMS ทำงานร่วมกับ PubNub อ้างถึงขั้นตอนใน README.md เพื่อทำความเข้าใจวิธีการตั้งค่าและโฮสต์แอปพลิเคชัน Python ภายใต้ Bluemix ด้วย PubNub ซอร์สโค้ดสำหรับ PMS อยู่ภายใต้ไดเร็กทอรีมิเตอร์จอดรถในที่เก็บ GitHub Mobile App แอปบนอุปกรณ์เคลื่อนที่เป็นแอป Android ที่ใช้ Cordova มาตรฐาน จะแสดงแผนที่บริเวณที่จอดรถพร้อมรหัสสีที่จอดรถเพื่อช่วยเหลือผู้ใช้ในการเลือกพื้นที่ว่าง ซอร์สโค้ดสำหรับแอพมือถืออยู่ภายใต้ไดเรกทอรี MobileApp ในที่เก็บ GitHub.PubNubPubNub ทำหน้าที่เป็นมิดเดิลแวร์การสื่อสารสำหรับทั้งระบบ ให้บริการเครือข่ายสตรีมข้อมูลตามเวลาจริงบนคลาวด์ ซึ่งรองรับ SDK มากกว่า 70 รายการ เพื่อให้สามารถเปิดใช้งานอุปกรณ์ใดๆ เพื่อสื่อสารกับอุปกรณ์อื่นบนอินเทอร์เน็ต แอปพลิเคชันนี้ใช้ PubNubs SDK สามตัวสำหรับส่วนประกอบทั้งหมดเพื่อสื่อสารระหว่างกันอย่างราบรื่น สิ่งเหล่านี้คือ:Javascript SDK สำหรับแอพมือถือPython SDK สำหรับ PMSPOSIX C SDK สำหรับ Arduino Yun แอปพลิเคชันนี้อาศัยช่องสัญญาณ PubNub หลายช่องเพื่อเปิดใช้งานการสื่อสารระหว่างส่วนประกอบดังที่แสดงด้านล่าง:ช่องสัญญาณส่วนตัวในไดอะแกรมด้านบนหมายถึงช่องสัญญาณเฉพาะระหว่าง PMS และแอพมือถือหนึ่งแอพ ข้อความทั้งหมดที่แลกเปลี่ยนผ่านช่องทาง PubNub อยู่ในรูปแบบ JSON สำหรับแอพมือถือทุกแอพที่ขอจองที่จอดรถ PMS จะเริ่มต้นข้อความผ่านช่องทางนี้สำหรับแอพมือถือนั้น ๆ ความสำคัญของช่องสัญญาณทั้งหมดจะได้รับการชี้แจงในหัวข้อถัดไป การทำงานของระบบและสถานการณ์สมมติการทำงานที่สมบูรณ์ของระบบนี้สามารถแบ่งออกเป็นห้าสถานการณ์ต่อไปนี้ สถานการณ์ที่ 1: การเริ่มต้นแอป เมื่อเปิดแอปบนอุปกรณ์เคลื่อนที่เป็นครั้งแรกหลังการติดตั้ง ระบบจะถามถึงป้ายทะเบียน/หมายเลขทะเบียนของรถยนต์ของผู้ใช้ สิ่งนี้ทำหน้าที่เป็นตัวระบุเฉพาะสำหรับ PMS เพื่อติดตามแอพเพื่อวัตถุประสงค์ในการเรียกเก็บเงิน จากนั้นแอพจะส่งคำขอไปยัง PMS เพื่อรับสถานะของที่จอดรถทั้งหมด ใช้เพื่อแสดงแผนที่ โดยระบุช่องว่างแต่ละช่องด้วยหมายเลขช่อง (001, 002 และ 003) นี่คือวิธีการแลกเปลี่ยนข้อความระหว่าง PMS และแอพมือถือ: คำขอ JSON จากแอพมีพารามิเตอร์ RequestType ที่มีค่า 1 เพื่อระบุคำขอสำหรับการดึงสถานะจำนวนมากของที่จอดรถทั้งหมด การตอบสนอง JSON จาก PMS มีหมายเลขช่องพื้นที่จอดรถเป็นพารามิเตอร์และสถานะเป็น 0 หรือ 1 เพื่อระบุว่าพื้นที่ว่างหรือว่าง สำหรับการแสดงแผนที่ในแอพมือถือ พื้นที่จอดรถที่ว่างในปัจจุบันจะแสดงเป็นสีเขียว ในขณะที่ที่จอดรถว่างหรือจองไว้จะแสดงเป็นสีแดง สถานการณ์ที่ 2: การอัปเดตสถานะอุปกรณ์ เมื่อใดก็ตามที่ที่จอดรถตรวจพบว่ามีหรือไม่มีรถ มันส่งสัญญาณ PMS ทันทีที่นี่ 001 ระบุหมายเลขประจำตัวช่องของพื้นที่และค่า 1 แสดงว่ามีพื้นที่จอดรถว่าง อีกทางหนึ่ง ค่า 0 บ่งชี้ว่าพื้นที่ว่าง PMS ยังถ่ายทอดข้อมูลนี้บนช่องทางทั่วโลกของแอพ Parkingapp-resp ของช่อง PubNub เพื่อให้แอปทั้งหมดสามารถอัปเดตการแสดงแผนที่ที่จอดรถได้ สถานการณ์ที่ 3: คำขอจอง & Billing Start ผู้ใช้ที่เข้าใกล้พื้นที่จอดรถว่างสามารถจองได้ล่วงหน้าโดยแตะที่ช่องจอดรถที่ต้องการบนแอพ ซึ่งจะแจ้งให้ PMS เริ่มเซสชันการเรียกเก็บเงินสำหรับผู้ใช้ PMS ส่งข้อความไปยังแอปในช่องส่วนตัวเพื่อเริ่มการเรียกเก็บเงิน นอกจากนี้ PMS ยังเริ่มจับเวลาด้วย ต่อไปนี้คือการพิจารณารูปแบบข้อความ JSON อย่างละเอียดในการโต้ตอบนี้: พารามิเตอร์ RequestType ที่มีค่า 2 หมายถึงคำขอจอง คือเลขทะเบียนใบอนุญาตของรถ ถูกระบุโดย ตัวเอง sessionType ที่มีค่า 0 หมายถึงการเริ่มต้นของเซสชันการเรียกเก็บเงินสำหรับผู้ใช้ที่จองหมายเลขสล็อตที่ระบุโดยค่าของ deviceID เมื่อได้รับข้อความในช่องส่วนตัวแอพมือถือจะแสดงข้อความถึงผู้ใช้เพื่อยืนยันการจองที่จอดรถของเขา คำขอ:นอกจากนี้ PMS ยังส่งการอัปเดตในช่อง Parkingapp-respto แจ้งแอปมือถือทั้งหมดว่าพื้นที่จอดรถดังกล่าวถูกครอบครองแล้ว สถานการณ์ที่ 4: การยืนยันการจอง หลังจากทำการจองแล้ว เมื่อผู้ใช้ดึงรถเข้าและจอดรถในที่จอดรถที่กำหนดในที่สุด พื้นที่ ฮาร์ดแวร์ส่งการอัปเดตสถานะไปยัง PMS เพื่อระบุการยืนยันการจอง ในขณะนี้ PMS จะหยุดตัวจับเวลา สถานการณ์ที่ 5: การหยุดเรียกเก็บเงินในภายหลัง เมื่อผู้ใช้ดึงรถออกจากที่จอดรถ อุปกรณ์ฮาร์ดแวร์จะตรวจจับสิ่งนี้อีกครั้ง และส่งการอัปเดตสถานะไปยัง PMS เพื่อระบุว่าขณะนี้พื้นที่ว่าง เมื่อได้รับการอัปเดตนี้ PMS จะคำนวณการเรียกเก็บเงินสำหรับผู้ใช้และส่งข้อความหยุดเซสชันการเรียกเก็บเงินพร้อมกับรายละเอียดการเรียกเก็บเงินไปยังแอปบนอุปกรณ์เคลื่อนที่ผ่านช่องทางส่วนตัว ข้อความ JSON ที่ได้รับจากแอพมือถือมีพารามิเตอร์สำหรับรายละเอียดการเรียกเก็บเงิน: เป็นช่วงเวลาเริ่มต้นของการจอดรถ เป็นเวลาสิ้นสุดของที่จอดรถ คือเวลาจอดรถทั้งหมด (นาที) เป็นจำนวนเงินที่เรียกเก็บเงิน สุดท้าย แอพมือถือจะแสดงรายละเอียดบิลบนหน้าจอดังนี้ PMS ถูกตั้งโปรแกรมให้คิดเงิน $10 ต่อทุกๆ หกสิบนาทีของการจอดรถ สถานการณ์ทางเลือกในกรณีที่ผู้ใช้จองพื้นที่จอดรถแต่ไม่แสดงตัวจับเวลา PMS ซึ่งเริ่มต้นขึ้น ในสถานการณ์ที่ 3 นับถอยหลังจาก 60 วินาทีเป็น 0 จากนั้นจึงดำเนินการตามสถานการณ์ที่ 5 โดยไม่มีทริกเกอร์ฮาร์ดแวร์ ในกรณีนี้ ผู้ใช้จะถูกเรียกเก็บเงินด้วยใบเรียกเก็บเงินขั้นต่ำ $10 นอกจากนี้ แอปพลิเคชันนี้ไม่มีข้อกำหนดใดๆ ในการตรวจสอบสิทธิ์ผู้ใช้ขณะจอดรถ (เป็นส่วนหนึ่งของสถานการณ์ที่ 4) เพื่อให้มั่นใจว่าผู้ใช้ที่จองพื้นที่จอดรถเป็นผู้ที่นำรถไปจอดในพื้นที่นั้นจริงๆ นี่เป็นแบบฝึกหัดสำหรับผู้อ่านที่ต้องการปรับปรุงแอปพลิเคชันนี้เพิ่มเติมและทำให้เป็นไปได้สำหรับการปรับใช้ในชีวิตจริงที่ใกล้ชิดยิ่งขึ้น เรามีช่วงเวลาที่ดีในการสร้างและเล่นกับแอปพลิเคชันนี้ และการทดสอบสถานการณ์แบบ end-to-end นั้นค่อนข้างน่าสนใจเมื่อพิจารณาว่ามีระบบย่อยที่เกี่ยวข้องค่อนข้างน้อย ใช้ IBM bluemix & บริการ PubNub ช่วยลดความยุ่งยากในการพัฒนาอย่างมาก เนื่องจากนักพัฒนาสามารถมุ่งเน้นไปที่ตรรกะของแอปพลิเคชันโดยไม่ต้องกังวลเกี่ยวกับวิธีทำให้การสื่อสารทำงานระหว่างระบบย่อยต่างๆ นอกเหนือจากนี้ บริการทั้งสองมีความสามารถในการจัดการขนาดใหญ่ ซึ่งสามารถยกระดับเพื่อสร้างแอปพลิเคชันในโลกแห่งความเป็นจริงที่คล้ายคลึงกัน ซึ่งต้องใช้เวลาทำงาน 247 ครั้ง และผู้ใช้สุ่มหลายพันคนเข้ามา เผยแพร่ครั้งแรกที่ความก้าวหน้าล่าสุดและข่าวเทคโนโลยีที่ส่งตรงไปยังกล่องจดหมายของคุณ?. คำถามที่เกี่ยวข้อง ฉันไม่ได้รับ Google Glass Explorer Edition พยายามที่จะเรียนรู้ Glass Dev โดยไม่ต้องฮาร์ดแวร์ความพยายามไร้ประโยชน์? ไม่มีคุณยังคงสามารถเรียนรู้พื้นฐานของการพัฒนากระจกโดยไม่ต้องฮาร์ดแวร์ มีสามแนวทางหลักสำหรับการบรรลุนี้: 1) เยี่ยมชมเอกสาร Mirror API เข้าไปในสนามเด็กเล่นและเริ่มแฮชชิ่งโค้ดบางอย่าง ดาวน์โหลด PHP, Java และ Python Library ไม่ว่าคุณจะสะดวกสบายมากที่สุดก็ตาม ทำความคุ้นเคยกับศัพท์แสงและคอนเวอร์ชัน (ไทม์ไลน์การรวมกลุ่มเมนูฯลฯ) อ่านเอกสารสนับสนุน (ลิงก์ที่สองด้านล่าง) เพื่อดูว่าฮาร์ดแวร์กระจกทำงานได้อย่างไร สร้างบางปพลิเคชันสเปคนี้ เร็วพอคุณจะพบเพื่อนกับฮาร์ดแวร์เพื่อ T