Как сообщает Вестник ГЛОНАСС, по словам Марка Уинтона, менеджера по разработке продуктов в отделе ГНСС компании Quectel Wireless Solutions, геолокация становится всё более зрелой, поскольку становятся заметны новые варианты использования благодаря появлению экономичных систем, которые используют возможности подключения наряду с смежными достижениями в обработке данных и искусственном интеллекте (AI).

Потребность в более широком применении геолокации привела к появлению множества технических разработок, позволяющих эффективно управлять данными в таких отраслях, как логистика, например.

В то же время AI и машинное обучение становятся всё более популярными как ключевые элементы анализа кластерных паттернов. Многие виды человеческой деятельности создают чёткие географические закономерности, которые можно анализировать для улучшения процессов.

В компании выделяют 4 момента: использование кинематического позиционирования в реальном времени (RTK) в модулях ГНСС, которое обеспечивает точность вплоть до сантиметрового уровня; недорогие возможности; сверхнизкое энергопотребление; и проблемы высокой производительности в связи с растущим спросом на ГНСС с поддержкой RTK для использования в точном земледелии.

«Повышенная точность важна для приложений типа ADAS и DMS (система управления данными). Высокопроизводительные датчики нуждаются в высокой точности и частом обновлении для работы в автомобильных средах с широкими температурными условиями. Важна низкая мощность, поскольку для многих систем автомобиля требуются определённые пороговые значения низкой мощности, когда автомобиль выключен. Низкая стоимость – не главный фактор в автомобильном сегменте. Высокая точность и производительность являются важнейшими приоритетами», – говорит Уинтон в интервью EEWeb.

Вопрос: Какие ключевые бизнес-тенденции на рынке геолокации, по вашему мнению, развиваются сегодня?

Ответ: Ключевые бизнес-тенденции развиваются в связи с некоторыми важными техническими разработками, которые поддерживают растущее использование геолокации. В частности, это конвергенция баз геоданных и добавление обширных метаданных к потокам данных ГНСС. Эта мощная среда данных позволяет таким приложениям, как температура замороженных продуктов, привязать к их местоположению и замкнуть цикл гарантированной логистики холодовой цепи и других функций, связанных с автомобилем.

В то же время развёртываются AI и машинное обучение, которые позволяют анализировать шаблоны кластеров. Многие виды человеческой деятельности создают чёткие географические закономерности, которые можно анализировать для улучшения процессов. Кластерные схемы мест дорожно-транспортных происшествий, например, могут быть получены из проёмов задних дверей машины скорой помощи, которые привязаны к информации о местоположении от ГНСС. Эти усовершенствования делают наши дороги более безопасными с помощью интеллектуальных технологий.

Вопрос: Какие можно выделить «новые вертикали» геолокации?

Ответ: Мы наблюдаем серьёзный рост в точном земледелии и автоматизации сельскохозяйственного оборудования. Это не совсем новая концепция, но эта вертикаль была областью очень дорогого оборудования. Сочетание повышенной точности, радикального снижения цен и принятия операторами и поставщиками SAS общедоступных сетей NTRIP открыло возможности для отслеживания большего количества оборудования и процессов, которые ранее были зарезервированы только для небольшой части наиболее важного оборудования.

Вопрос: Какие будущие продукты и технологии включены в вашу дорожную карту?

Ответ: В настоящее время мы сосредоточены на RTK и Dead reckoning (навигационное счисление пути). Мы запускаем множество подверсий наших продуктов и альтернативных версий наших продуктов с набором микросхем. Это позволило нам справиться с текущим дефицитом компонентов намного проще, чем у многих наших традиционных конкурентов. Гибкость в отношениях с нашими клиентами также позволила нам двигаться в направлении адаптации к ключевым рынкам.

Вопрос: На каком конкретном рынке, по вашему мнению, AI и машинное обучение будут полезны с геолокацией?

Ответ: Автомобильная сфера (ADAS и DMS) – самый очевидный из наиболее открытых рынков, где ГНСС сочетается с искусственным интеллектом. Однако мы видим, что мелкие фермеры используют нашу RTK ГНСС в сочетании с машинным обучением и искусственным интеллектом на основе машинного зрения для автоматического обнаружения проблем с урожаем.

Это позволяет сделать управление целенаправленным, очень эффективным и полностью автоматизированным. Мы видим очень чётко идентифицируемые человеком географические закономерности, которые в сочетании с машинным обучением и с искусственным интеллектом стали очень мощными инструментами. В настоящее время это широко используется в горнодобывающей промышленности, где узкие места в производственных процессах связаны с конкретными географическими регионами.

AI используется для определения ограничений и запуска сценариев перед внесением изменений в процесс для точного моделирования и улучшения потока материалов через сложное предприятие.

Вопрос: В чём заключаются проблемы технологии RTK? В каком конкретном сельском хозяйстве это можно с пользой применить?

Ответ: Основные проблемы RTK – это строгие требования к антеннам и стандарты совместимости, используемые в различных сетях. Плохо иметь небо, полное спутниковых созвездий, и поддерживать только несколько созвездий.

RTK очень хорошо работает на открытом небе. Существуют ограничения на размер антенн и место установки оборудования для достижения наилучших характеристик. Точность зависит от расстояния от ближайшей точки монтирования, плотность сети NTRIP необходимо будет улучшить.

Массовое и низкозатратное широкомасштабное внедрение – это нечто новое. Я считаю, что проблемы исчезнут, поскольку сети будут приносить доход, а окупаемость инвестиций в справочные базы позволит добиться более высокой плотности. Мы наблюдаем внедрение RTK в небольших тепличных хозяйствах. У нас также есть много проектов с автономными газонокосилками и системами орошения.