在以福特T型車開始的一個世紀(jì)的汽車發(fā)展中，學(xué)習(xí)駕駛汽車已成為幾乎一種通行的儀式，而良好的駕駛技能是許多人的驕傲（想想一級方程式賽車或納斯卡賽車，或那個朋友毫不費(fèi)力地平行停放）。結(jié)果，我們?nèi)祟愅ǔ：茈y想象成為我們自己的自動駕駛汽車中的乘客。

盡管大流行使許多道路和公路空蕩蕩，但當(dāng)局仍發(fā)現(xiàn)仍在行車的人中撞車的比例有所增加。我們知道，用數(shù)據(jù)和計(jì)算能力替代或補(bǔ)充某些人工任務(wù)可以改善結(jié)果。而且，盡管有關(guān)自動駕駛汽車安全性的爭論仍在繼續(xù)，但我們可以看到，例如，通過AI增強(qiáng)的駕駛員輔助系統(tǒng)可以使道路更安全。

自動駕駛技術(shù)背后的驅(qū)動力是計(jì)算機(jī)視覺（CV）和 人工智能 （AI）。這些技術(shù)的應(yīng)用也存在于公用事業(yè)行業(yè)中，創(chuàng)新者正在發(fā)現(xiàn)它們。隨著企業(yè)公用事業(yè)領(lǐng)導(dǎo)者不斷發(fā)展其業(yè)務(wù)模型，以通過創(chuàng)新或合作關(guān)系開拓新的市場機(jī)會來保持競爭力，人工智能和CV為改善供應(yīng)鏈和電網(wǎng)管理提供了希望。

預(yù)測未來

作為AI的高級子集，“計(jì)算機(jī)視覺”是指允許機(jī)器解釋視覺輸入的任何方法。早期的方法將圖像分解為像素數(shù)據(jù)的一維數(shù)組，并使用形狀的邊界和邊緣從2D圖像渲染3D模型。

從那時起，CV已發(fā)展為基于特征的對象識別和卷積神經(jīng)網(wǎng)絡(luò)或CNN的使用。社交媒體網(wǎng)站提供了CNN功能的一個很好的例子。當(dāng)在圖像中標(biāo)記用戶時，算法會“學(xué)習(xí)”該用戶面部的特征。然后，CNN應(yīng)用一組過濾器來計(jì)算新圖像與特定用戶匹配的可能性。這些方法還可以幫助實(shí)時識別可疑的入店行竊者，從而減少庫存損失。

隨著衛(wèi)星和無人機(jī)圖像的使用成為公用事業(yè)資產(chǎn)管理的標(biāo)準(zhǔn)，這些相同的CV技術(shù)可以幫助預(yù)測何時需要維修或更換資產(chǎn)。換句話說，CV和AI可以幫助公用事業(yè)預(yù)測未來。

挖掘海量數(shù)據(jù)- “新金”

如今， 公用事業(yè)公司 通過傳感器網(wǎng)絡(luò)，智能電表，客戶付款系統(tǒng)和衛(wèi)星圖像收集了大量數(shù)據(jù)。但是，他們需要一種有效的方法來從無數(shù)底層系統(tǒng)中挖掘這些數(shù)據(jù)。他們還需要將數(shù)據(jù)組織到一個結(jié)構(gòu)化的網(wǎng)絡(luò)模型中，以反映其所有網(wǎng)格資產(chǎn)。通過這樣做，他們可以為將集成CV，AI和其他技術(shù)（如智能自動化 和 數(shù)據(jù)分析）的業(yè)務(wù)應(yīng)用程序分層， 以提高性能并提高效率。

使用CV和AI改善資產(chǎn)管理可以通過減少庫存過多和預(yù)測資產(chǎn)失效的真實(shí)年齡來降低供應(yīng)鏈成本。這種方法還可以對變量（例如一天中的時間和天氣）進(jìn)行建模和預(yù)測，從而使公用事業(yè)公司能夠向電網(wǎng)提供正確的電量。這樣做的好處是可以達(dá)到公用事業(yè)所追求的更高水平的網(wǎng)格彈性和可靠性，并且客戶的期望值也在不斷提高。

為了克服上述潛在的數(shù)據(jù)挑戰(zhàn)，我們的 CGI OpenGrid360 解決方案套件提供了一個 集成網(wǎng)絡(luò)模型 ，該模型可以使用多種數(shù)據(jù)源（例如地理空間，影像和資產(chǎn)特征）來監(jiān)視，預(yù)測和維護(hù)基礎(chǔ)架構(gòu)的運(yùn)行狀況。