물류 / 차량 관제
Novus Hi-Tech: 차량 경고와 영상의 통합 분석 및 승인 후 운전자 음성 연락
- 기업
- Novus Hi-Tech
- 국가
- 다국가
- 도입 상태
- 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 원문 본문 열람
업무 문제
Novus Hi-Tech의 차량 관제에서는 졸음이나 과속 경고가 오면 담당자가 별도 화면의 영상, 운전자 이력, 운행 규정을 오가며 위험도를 판단하고 운전자에게 연락했다. AWS는 여러 나라의 차량에서 영상과 위치, 경고가 동시에 들어와 사람이 모든 사건을 실시간 조사하기 어려웠다고 설명했다. 관리자도 데이터 담당자에게 의존해 운전자와 노선의 위험 추세를 분석해야 했다.
적용한 기술과 데이터
FleetGPT는 Strands Agents SDK와 Amazon Bedrock을 사용해 자연어 질문을 차량 데이터 조회와 규정 검색으로 나눈다. Aurora PostgreSQL의 집계 데이터에는 SQL을 만들고, DynamoDB의 경고 기록에서 영상과 위치를 찾으며, Bedrock Knowledge Bases로 운행 지침을 검색한다. 사용자가 승인한 차량군으로 조회 범위를 제한한다. 별도의 개입 엔진이 심각한 경고를 평가한 뒤 사람의 승인을 받아 운전자 언어로 양방향 AI 음성 연락을 진행하고 응답 확인과 필요시 상위 대응을 이어 간다. 현재 실행 환경은 ECS의 Fargate이며 AgentCore 이전은 후속 계획이다.
성과
AWS는 Novus Hi-Tech 고객군에서 도로 행동 위반이 연간 46% 감소하고, 1000km당 졸음 경고가 55% 줄었으며, 데이터에서 얻은 판단이 연료 효율을 3~6% 높였다고 밝혔다. 여러 화면을 오가던 경고 검증은 수분에서 수초로 줄었고, 관제 담당자가 중요 경고를 받는 시간도 수초 수준으로 바뀌었다고 설명했다. 관리자는 데이터 팀을 거치지 않고 운전자 성과와 차량 상태 보고서를 만들 수 있게 됐다.
한계와 남은 과제
성과의 고객별 표본과 비교 조건은 공개하지 않았다. 경고 감소를 사고 감소율로 바꾸어 읽을 수 없으며, 예측 위험 점수와 자동 차트 생성은 추가 개발 계획이다.
출처
- Transforming fleet analytics for Novus Hi-Tech through agentic AIAWS Architecture Blog, 확인
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.