AI 4 Mobility
In der Rundschau im 1. Mobilitäts-Meetup haben wir einen grossen „Schmerzpunkt“ gefunden: wie wird Mobilität „Smart“?
„Artificial Intelligence“ oder künstliche Intelligenz verspricht hier Abhilfe. In den letzten Jahren hat sich das Feld enorm entwickelt und das wird in den kommenden Jahren verstärkt weitergehen. Es ist ein sehr breites Feld, das wir voraussichtlich mehrfach „beackern“ werden. In diesem 3. Meetup schauen wir uns neuronale Netze und Deep Learning an, das z.B. beim automatisierten Fahren eine Rolle spielt.
Wie beim blockchain4mobility Meetup starten wir mit einem Experten-Input, damit wir eine gemeinsame Startbasis erreichen. Von dieser aus machen wir den Fächer weit auf – wir dürfen alle noch so verrückten Ideen spinnen, wo wir die deep learning in der Mobilität einsetzen könnten. Der zweite Input zeigt uns dann, was machbar und realistisch ist. Mit dem Wissen ausgestattet, picken wir unsere vielversprechendsten Kandidaten heraus und arbeiten sie noch aus.
Die Ergebnisse werden auf dieser Website danach publiziert. Für die besten Anwendungsfälle besteht in einem anderen Rahmen später die Möglichkeit, sie „MVP-reif“ weiter zu entwickeln.
Ergebnisse
Die Ideen aus dem Mobilitäts-Meetup vom 14.2.2018. Vertieft wurden die Ideen:
Die weiteren Cases:
- immer-saubere-Züge
- Entspannt-Reisen
- Gesund-ankommen
- Stresslevel-Fahrplan
- Suizid-Verhinderung
- Tür-zu-Tür-ohne-Umsteigen
Diese NABC’s (Need – Bedarf; Approach – Lösungsansatz; Benefit – Nutzen; Competition – Alternativen) sind als editierbare Datei hier verfügbar. Wenn du Präzisierungen, Ergänzungen oder Korrekturen hast: herunterladen, ergänzen und an info@innolab-smart-mobility.ch schicken.
Wenn du eine ganz neue Idee hast: hier ist die NABC-leer.
Das Deep-Learning Intro und die Implementierungsfragen kannst du natürlich auch herunterladen.
Der Dank geht an Markus Ehrenmann von sqooba.io für den exzellenten Input!
Mitglied werden
Werde Mitglied bei Innolab Smart Mobility!