Google i samochód autonomiczny? Jak GCP napędza innowacje w motoryzacji.

2019-11-19T13:19:40+00:0019/11/2019|

Samochód autonomiczny ma w założeniu być pojazdem idealnym — w pełni bezpiecznym i docierającym do celu samodzielnie, bez ingerencji człowieka. Aby jednak sieć takich pojazdów mogła powstać i zdominować miejskie drogi, przed branżą motoryzacyjną jeszcze długa droga. 

Nie da się nie zauważyć, że nowe technologie automatyzują coraz większą część naszego życia, tym samym pozostawiając nam więcej czasu na realizowanie swoich pasji. Jednak w obszarze transportu i mobilności zostało jeszcze dużo do zrobienia. Przykładów komunikacyjnych niedoskonałości nie trzeba daleko szukać — wystarczy, że przyjrzymy się swojej codziennej drodze do pracy. Badania przeprowadzone przez INRIX dowodzą, że czas, który mieszkańcy wielkich miast spędzają w korkach, podwoił się w ciągu ostatnich czterech lat. 

3 trendy obecne w branży motoryzacyjnej pozwalają nam wierzyć, że już niedługo będziemy w stanie wykorzystać w sektorze mobilności wszystkie zalety najnowszych technologii, by sprawić, że poruszanie się po terenach zurbanizowanych będzie przyjemne i bezpieczne. Wszystko to dzięki cyfrowemu wytwarzaniu, lepszemu wglądowi w potrzeby użytkowników i autonomicznym pojazdom. Rozwój tych technologii może fundamentalnie odmienić sposób funkcjonowania przemysłu motoryzacyjnego, a olbrzymią rolę w tym procesie odegra Google. 

Jak Google Cloud Platform napędza nowoczesne rozwiązania motoryzacyjne?

Samochód autonomiczny 

Samochody autonomiczne już powstają, ale na ich obecność w codziennym ruchu musimy jeszcze zaczekać. Ta technologia ma ogromny wpływ na wyobraźnię społeczeństwa i zapowiada fundamentalną zmianę w dotychczas stosowanych modelach biznesowych. Możemy śmiało stwierdzić, że samochód autonomiczny pociągnie za sobą olbrzymią rewolucję w komunikacji. Infrastruktura Google Cloud już teraz dostarcza niezbędne narzędzia firmom budującym autonomiczne samochody, aby usprawnić procesy związane z produkcją. Równocześnie chmura pozwala rozwijać sztuczną inteligencję, która wkrótce będzie w stanie zostać niezawodnym kierowcą floty pojazdów nowej generacji. Zaawansowane uczenie maszynowe w ruchu drogowym to jedno z największych wyzwań do przezwyciężenia na skalę przemysłową.    

By zapewnić tej technologii skuteczny start, firmy muszą testować pojazdy nie tylko na drogach, ale i skomplikowanych cyfrowych symulacjach. Testy tego typu wymagają wyjątkowej mocy obliczeniowej. Do przeprowadzania procesów na takiej ilości danych niezbędne są customowe rozwiązania chmurowe. Google buduje procesory tensorowe (TPU), które są w stanie znieść obciążenia związane z obsługą AI z mocą ponad 100 petaflopów w jednostce.  W skrócie oznacza to, że dzięki współpracy z Google przemysł motoryzacyjny zyskuje chmurowe superkomputery o potężnej wydajności. 

Waymo, czyli samochód autonomiczny Google

Aż 94% wypadków na terenie USA powodują czynniki związane z nieuwagą lub błędem kierowcy. Dlatego Google w już  2009 roku rozpoczęło pracę nad projektem autonomicznego samochodu, który teraz funkcjonuje pod marką Waymo i dziś już ma za sobą wiele próbnych jazd po ulicach amerykańskich miast. Samochody Waymo zawsze pamiętają zasady ruchu drogowego, widzą wszystko wokół, nie potrzebują odpoczynku, znają trasę oraz aktualne warunki na drodze – dzięki temu są dużo bardziej wydajne i skuteczne niż jakikolwiek kierowca.

>
Ale zaangażowanie w budowę autonomicznego samochodu to nie jedyny wkład Google Cloud w rozwój motoryzacji. 

Ridesharing

Każda wizja lepszego transportu w mieście uwzględnia ten szczególnie ważny element — udoskonaloną komunikację współdzieloną. Google Maps Platform to usługa, która pozwala firmom budować aplikacje i strony internetowe wykorzystujące całą moc najlepszego geolokalizacyjnego oprogramowania świata. To sposób na podniesienie wydajności flot i usług na wiele różnych sposobów. 

Dla usprawnienie pracy kierowcy, deweloperzy mogą zaangażować w aplikacjach precyzyjną nawigację opartą na Mapach Google. Dzięki temu kierowcy nie muszą używać kilku aplikacji, by zdobyć informacje niezbędne do wykonywania pracy. 

Firmy również na tym zyskują — przede wszystkim dlatego, że mają wgląd w dokładną trasę, zachowanie i obecną lokalizację pracownika terenowego. Pozwoli to na lepsze zarządzanie logistyczne, redukcję pustych przewozów i skrócenie czasu oczekiwania klienta. Firmy wykorzystujące ridesharing już zauważyły, że rozwiązania Google powodują 48%-owy wzrost skuteczności przewidywanych czasów dojazdu czy dostawy.

Głębsze zrozumienie potrzeb klienta

Choć producenci z branży motoryzacyjnej doskonalą swoje produkty z roku na rok, to wciąż uzyskanie realnego wglądu w doświadczenia użytkownika nie jest dla nich proste. Dane dotyczące klienta są rozproszone w sieci podwykonawców i pośredników, które nie są ze sobą w żaden sposób połączone. Wiąże się to z tym, że ceny gotowych pojazdów wahają się z przyczyn niezależnych od dealerów i powodują dezorientację wśród klientów.  

Badanie wskaźników satysfakcji konsumenckiej w USA pokazało, że wszyscy na tym tracą. 14% klientów, którzy poszukiwali aut w salonach sprzedaży, ale nie zdecydowali się na zakup, deklaruje, że odstraszyła ich niepewna cena produktu — nie mogli uzyskać od sprzedawcy jednoznacznej odpowiedzi, bo cena może się wahać nawet o kilka tysięcy dolarów. 

Dezorientacja cenowa w branży motoryzacyjnej panuje nie tylko wśród klientów, ale także wśród sprzedawców. Powoduje to nieścisłości związane z ustalaniem sezonowych obniżek cen i rabatów. Konieczne jest zatem tworzenie wewnętrznych baz danych, które będą pewnym źródłem informacji dla wszystkich osób zaangażowanych w produkcję i sprzedaż aut. Aby taki system funkcjonował wszędzie, aktualizował się w czasie rzeczywistym i łatwo się skalował, najlepiej budować go z wykorzystaniem narzędzi GCP. 

Gromadząc i analizując dane z wykorzystaniem BigQuery, można śledzić zależności między podwykonawcami, producentem, sprzedawcami i klientami. Pozwala to wyodrębnić przewidywalne i powtarzalne schematy, dzięki czemu zachęty do kupna, takie jak zniżki i promocje, będą mogły być stosowane świadomie z korzyścią dla wszystkich zaangażowanych podmiotów. Dla lepszej precyzji analiza danych powinna być powierzona zaawansowanym narzędziom uczenia maszynowego i sztucznej inteligencji w GCP. Są one w stanie wskazać potencjalne źródła strat czy cenowych nieścisłości, które wynikają z nakładających się lub wykluczających promocji. 

By złożyć wszystko w jedną, spójną całość, Google Cloud API połączy wszystkie wewnętrzne systemy zarządzania produkcją i sprzedażą. Jednak firmy z branży motoryzacyjnej nie zostaną z tym zadaniem same. Specjalistyczni partnerzy Google na całym świecie są gotowi doradzić, wdrożyć i zoptymalizować technologie GCP.

Google Cloud Platform ma potencjał stać się podstawą transportu przyszłości – nie tylko obsługiwać firmy i usługi z nim związane, też zostać mózgiem sztucznej inteligencji, która zawładnie drogami jako kierowca doskonały.

Zostaw komentarz

OK
Polityka Prywatności

Strona wykorzystuje ciasteczka w celu doskonalenia naszego serwisu.
Warunki przechowywania i dostępu do ciasteczek możesz w każdej chwili zmienić w ustawieniach przeglądarki.