物流 / 車両管制

Novus Hi-Tech:車両警告と映像の統合分析及び承認後の運転者へのAI音声連絡

企業
Novus Hi-Tech
国
複数国
導入状況
運用中
資料公開
日付の基準
資料が公開された時点。導入を開始した日とは異なる場合がある。
根拠の確認方法
原文の本文を閲覧

業務課題

Novus Hi-Techの車両管制では、眠気や速度超過の警告が来ると、担当者が別画面の映像、運転者履歴、運行規程を行き来して危険度を判断し、運転者に連絡していた。AWSは、複数国の車両から映像、位置、警告が同時に届き、人が全件をリアルタイムで調査することは難しかったと説明した。管理者も運転者や路線の危険傾向の分析をデータ担当者に頼っていた。

使った技術とデータ

FleetGPTはStrands Agents SDKとAmazon Bedrockを使い、自然言語の質問を車両データの照会と規程検索に分ける。Aurora PostgreSQLの集計データに対してSQLを作り、DynamoDBの警告記録から映像と位置を取得し、Bedrock Knowledge Basesで運行手順を検索する。照会範囲は利用者に許可された車両群に制限する。別の介入エンジンが重大な警告を評価し、人の承認後に運転者の言語で双方向のAI音声連絡を行い、応答確認と必要な上位対応につなぐ。現在はECSのFargateで実行しており、AgentCoreへの移行は今後の計画である。

成果

AWSはNovus Hi-Techの顧客群で道路上の行動違反が年間46%減り、1000km当たりの眠気警告が55%減少し、データに基づく判断で燃料効率が3〜6%改善したと述べた。複数画面を行き来していた警告確認は数分から数秒になり、重要な警告が管制担当者に届く時間も数秒になったと説明した。管理者はデータチームを経由せずに運転者の成績と車両状態の報告を作れるようになった。

限界と残る課題

顧客別の標本と比較条件は公開していない。警告の減少を事故削減率と読み替えることはできない。予測リスクの採点と自動グラフ生成は追加開発の計画である。

出典

公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。

原文を読む (新しいタブで開きます)