Arvento Yapay Zekayla Sürüş Güvenliğini Artırıyor
Arvento, yapay zeka ile güvenli sürüş kültürünü güçlendiriyor.
Arvento, yapay zeka destekli video telematik çözümleriyle sürücü davranışlarını ve yol üzerindeki riskleri gerçek zamanlı analiz ederek filo güvenliğini önleyici bir modele taşıyor. Sistem, yorgunluk ve dikkat dağınıklığından şerit ihlaline, takip mesafesinden trafik levhası ihlallerine kadar farklı riskleri araç içi ve dışı kamera verileriyle değerlendiriyor.
Araç takip ve filo yönetiminde 21 yıllık deneyime sahip Arvento, video telematik altyapısıyla araç kameralarını kayıt sistemlerinin ötesine taşıyarak sürücüyü risk anında yönlendiren akıllı güvenlik araçlarına dönüştürüyor.
Yapay zeka tabanlı analizler, sürüş sırasında oluşabilecek riskleri anlık olarak belirlerken uzun vadede toplanan veriler sürücü davranışlarının gelişiminin ölçülmesine ve kişiselleştirilmiş eğitim programlarının oluşturulmasına da imkan sağlıyor.
Yapay Zeka Sürücü Davranışlarını Birlikte Analiz Ediyor
Arvento’nun video telematik altyapısında yer alan Sürücü İzleme Sistemi DMS, sürücünün bakış yönü, gözlerinin kapalı kaldığı süre ve baş pozisyonu gibi göstergeleri analiz ediyor.
Sistem aynı zamanda cep telefonu kullanımı, emniyet kemeri ihlali ve sürücünün gözünü uzun süre yoldan ayırması gibi riskli davranışları tespit edebiliyor.
Arvento Teknoloji ve Ar-Ge’den Sorumlu Genel Müdür Yardımcısı Murat Başaran’a göre sistemin ayırt edici yönlerinden biri farklı göstergelerin tek başına alarm üretmesi yerine birlikte değerlendirilmesi.
Göz kırpma sıklığındaki değişim, baş pozisyonu ve sürücünün bakış yönü gibi veriler aynı bağlam içinde analiz ediliyor. Böylece sistem geçici bir dikkat kaybıyla yorgunluk belirtisini birbirinden ayırmaya çalışıyor.
Sürücü davranışları, araçtan gelen telematik verileri ve yol üzerindeki risklerin birlikte değerlendirilmesi ise üretilen uyarıların doğruluğunu artırmayı amaçlıyor.
ADAS Yol Üzerindeki Riskleri Takip Ediyor
Arvento’nun İleri Sürüş Destek Sistemleri ADAS altyapısı, aracın çevresini analiz ederek şerit ihlali, yetersiz takip mesafesi, önden çarpışma riski ve trafik levhalarına uyumsuzluk gibi durumları belirliyor.
Risk tespit edildiğinde sürücü araç içinde sesli veya görsel olarak uyarılıyor. Kritik olaylar aynı zamanda filo yöneticilerine aktarılıyor.
Araç içindeki sürücünün durumunu analiz eden DMS ile aracın çevresini takip eden ADAS verilerinin birlikte çalışması, güvenliği hem insan davranışı hem yol koşulları üzerinden değerlendiren bir yapı oluşturuyor.
Sistem Risk Oluşurken Devreye Giriyor
Geleneksel araç kameraları çoğunlukla kaza veya ihlal sonrasında kayıtların incelenmesi amacıyla kullanılıyor. Yapay zeka destekli video telematik sistemlerinde ise hedef risk henüz davranış aşamasındayken müdahale edebilmek.
Arvento bu yaklaşımı reaktif güvenlikten önleyici güvenliğe geçiş olarak konumlandırıyor.
Başaran, mühendislik çalışmalarının temel hedefinin olası kazadan önce kritik birkaç saniyeyi kazanmak olduğunu belirtiyor. Riskli davranışın erken tespit edilmesi halinde sürücünün uyarılması ve olayın kazaya dönüşmeden önlenmesi amaçlanıyor.
Bu yaklaşımda performans ölçümü gerçekleşen olayların ardından hazırlanan raporlarla sınırlı kalmıyor. Sistemin yarattığı değer, önlenebilen riskli olayların sayısıyla da ilişkilendiriliyor.
Her Sürücü İçin Güvenlik Profili Oluşturuluyor
Kameralardan, sensörlerden ve araç takip sistemlerinden elde edilen veriler, sürücüler için dinamik güvenlik profilleri oluşturulmasında kullanılıyor.
Ani frenleme, hız ihlali, takip mesafesi hataları, şerit ihlalleri, yorgunluk ve dikkat kaybı gibi göstergeler Güvenli Sürüş Skoru kapsamında değerlendiriliyor. Sürücünün performansındaki değişim zaman içinde takip edilebiliyor.
Bu veriler çalışan eğitimlerinin kişiselleştirilmesine de imkan sağlıyor.
Dikkatini sık sık yoldan ayıran bir sürücünün eğitim ihtiyacı ile takip mesafesini korumakta zorlanan veya yorgunluk belirtileri gösteren bir sürücünün ihtiyaçları ayrı ayrı belirlenebiliyor.
Eğitim sonrasında aynı göstergelerin izlenmesi ise verilen eğitimin sürüş davranışı üzerindeki etkisinin ölçülmesini sağlıyor.
Başaran, sürücü skorlarının bir denetim aracından çok gelişimi takip eden bir gösterge olarak ele alındığını belirtiyor. Veriye dayalı ölçüm sayesinde şirketler hangi sürücünün hangi konuda gelişime ihtiyaç duyduğunu belirleyebiliyor ve eğitim sonuçlarını somut göstergeler üzerinden takip edebiliyor.
Filo Güvenliği Veriye Dayalı Hale Geliyor
Video telematik verilerinin düzenli analizi, şirketlerin filo güvenliğini departman, araç grubu, güzergah ve sürücü bazında değerlendirmesine imkan tanıyor.
Eğitim, geri bildirim ve ödüllendirme süreçleri de ölçülebilir verilere dayandırılabiliyor.
Güvenli sürüş skorunu yükselten, trafik kurallarına düzenli uyum sağlayan ve riskli davranışlarını azaltan sürücülerin performansının görünür hale gelmesi, güvenli sürüş kültürünün kurum genelinde yaygınlaşmasına katkı sağlıyor.
Arvento’nun yapay zeka, video ve telematik verilerini aynı platformda bir araya getiren yaklaşımı, filo yönetimini araç konumu ve operasyon takibinin ötesine taşıyor. Sürücü davranışlarının da sürekli analiz edilmesiyle filo güvenliği daha ölçülebilir, önleyici ve veri odaklı bir yapıya kavuşuyor.
Arvento örneğinin dikkat çekici tarafı yapay zekanın kamera görüntülerini analiz etmesinden çok, görüntü verisinin telematik ve sürücü davranışı verileriyle birlikte anlamlandırılması. Yapay zekanın kurumsal kullanımında asıl değer tam olarak burada oluşuyor. Tek bir veri noktasından alarm üretmek yerine farklı sinyaller arasında bağ kurabilen sistemler, operasyonel kararların kalitesini artırabiliyor.
Video telematiğin ikinci önemli alanı ise eğitim tarafında ortaya çıkıyor. Her sürücünün risk profilinin farklılaşması, standart eğitim modelinden veriye dayalı kişiselleştirilmiş gelişim programlarına geçişi mümkün kılıyor. Arvento açısından ilerleyen dönemde izlenecek temel göstergeler, sistemin kaza oranları üzerindeki ölçülebilir etkisi, yanlış alarm oranları ve sürücü skorlarındaki gelişimin operasyonel sonuçlara ne ölçüde yansıdığı olacak.
