Bedrijven
Vastgoed eigenaars
Vastgoedontwikkelaars
HR Manager
Mobiliteitsmanager
Facility Manager
Vastgoedmanager
Vermogensbeheerder
Kunstmatige intelligentie is een cruciaal onderdeel van ons dagelijks leven geworden en past zich aan bijna elk scenario aan.
In dit artikel zien we concrete voorbeelden van toepassingen van kunstmatige intelligentie in parkeerbeheer om de parkeerervaring te verbeteren.
Business Intelligence (BI) of Business Intelligence is de verzameling methodes en tools die worden gebruikt om gegevens te verzamelen en op te maken voor verwerking door besluitvormers. Bosch heeft een IoT-tool geïmplementeerd dat de aanwezigheid van een voertuig op een parkeerplaats kan detecteren en formele informatie kan verzenden via een analyseplatform. Deze gegevens kunnen vervolgens door parkeerbeheerders, elke andere analist of beslisser worden geanalyseerd om de parkeerbeheer strategie te optimaliseren. Dit is het geval met het BePark-platform, waarmee u deze gegevens bijvoorbeeld kunt observeren om ze later te analyseren.
Kunstmatige intelligentie is een enorm terrein dat ‘deep learning’ omvat. Deze machine learning-methode is geïnspireerd op het functioneren van onze hersenen, met name via een systeem van neurale netwerken. Er zijn dus veel toepassingen, zoals gezichtsherkenning. Deze kan verschillende toepassingen hebben.
Allereerst kan het helpen om een persoon bij naam te herkennen om de toegang te vergemakkelijken. En dan is het een verdere stap in de richting van een veiliger parkeerterrein.
Altijd met het doel de veiligheid in parkeergarages te verbeteren, kan snelheidscontrole een werk in uitvoering zijn, gezien het risico op botsingen. Dankzij een eenvoudige video kan een Deep Learning (DL)-algoritme de snelheid van een voertuig detecteren. Zodra deze snelheid is gedetecteerd, kunnen verschillende maatregelen worden genomen in geval van een overschrijding. Het is bijvoorbeeld mogelijk om een bewoner automatisch per e-mail op de hoogte te stellen voor preventieve doeleinden.
Bovendien kan de snelheid van voertuigen die in parkeergarages rijden op zich een interessante factor zijn, omdat het mogelijk wordt om een prestatie-indicator te worden voor de parkeerervaring, met name voor de verkeersstroom.
Een ander voordeel van Business Intelligence is de mogelijkheid om modellen en algemene wetten af te leiden uit parkeergegevens. Deze afleiding kan automatisch of bewust worden gemaakt.
Het is bijvoorbeeld mogelijk om correlaties tot stand te brengen met behulp van grafieken tussen tijd en bezettingsgraad. Uw gegevens hebben u iets te vertellen: door het te interpreteren, kunt u strategieën dienovereenkomstig implementeren.
De automatische herkenning van kentekenplaten gebeurt op een klassieke manier met behulp van een optische karakter herkenningstechniek. Dit is zeer effectief en kan ook worden vervangen door een Deep Learning-algoritme.
Het lezen van de platen kan bijvoorbeeld een inzittende identificeren om hem automatisch toegang tot een parkeerplaats te geven, zonder hem om enige actie te vragen (op een knop drukken, een ticket verwijderen, etc.) en zonder tussenkomst van een derde.
Deze automatische uitlezing kan ook nuttig zijn bij het verkrijgen van parkeergegevens. Stel bijvoorbeeld dat we met behulp van deze parkeergegevens kunnen afleiden dat verkoopmedewerkers meer gebruik maken van parkeergarages, dat het mogelijk is om hun parkeerbeheer strategie aan te passen aan het aantal aangeworven verkoopmedewerkers, hun planningen of hun aanwezigheid binnen het bedrijf.
Zoals u kunt zien in de genoemde voorbeelden, heeft kunstmatige intelligentie een impact op het parkeerbeheer in het digitale tijdperk. Het is echter van cruciaal belang om de problemen aan te pakken die een bredere toepassing van deze technologie kunnen belemmeren, omdat het essentieel is om het vertrouwen van de gebruiker erin te vergroten.
Factoren zoals gemak, snelheid, nauwkeurigheid, vertrouwen en ervaring zijn uiterst belangrijk voor een technologie om beter te worden geaccepteerd, en kunstmatige intelligentie is geen uniek geval.
