自动驾驶技术背后的驱动力是计算机视觉和人工智能

　　在以福特T型车开始的一个世纪的汽车发展中，学习驾驶汽车已成为几乎一种通行的仪式，而良好的驾驶技能是许多人的骄傲（想想一级方程式赛车或纳斯卡赛车，或那个朋友毫不费力地平行停放）。结果，我们人类通常很难想象成为我们自己的自动驾驶汽车中的乘客。

　　尽管大流行使许多道路和公路空荡荡，但当局仍发现仍在行车的人中撞车的比例有所增加。我们知道，用数据和计算能力替代或补充某些人工任务可以改善结果。而且，尽管有关自动驾驶汽车安全性的争论仍在继续，但我们可以看到，例如，通过AI增强的驾驶员辅助系统可以使道路更安全。

　　自动驾驶技术背后的驱动力是计算机视觉（CV）和 人工智能 （AI）。这些技术的应用也存在于公用事业行业中，创新者正在发现它们。随着企业公用事业领导者不断发展其业务模型，以通过创新或合作关系开拓新的市场机会来保持竞争力，人工智能和CV为改善供应链和电网管理提供了希望。

　　预测未来

　　作为AI的高级子集，“计算机视觉”是指允许机器解释视觉输入的任何方法。早期的方法将图像分解为像素数据的一维数组，并使用形状的边界和边缘从2D图像渲染3D模型。

　　从那时起，CV已发展为基于特征的对象识别和卷积神经网络或CNN的使用。社交媒体网站提供了CNN功能的一个很好的例子。当在图像中标记用户时，算法会“学习”该用户面部的特征。然后，CNN应用一组过滤器来计算新图像与特定用户匹配的可能性。这些方法还可以帮助实时识别可疑的入店行窃者，从而减少库存损失。

　　随着卫星和无人机图像的使用成为公用事业资产管理的标准，这些相同的CV技术可以帮助预测何时需要维修或更换资产。换句话说，CV和AI可以帮助公用事业预测未来。

　　挖掘海量数据- “新金”

　　如今， 公用事业公司 通过传感器网络，智能电表，客户付款系统和卫星图像收集了大量数据。但是，他们需要一种有效的方法来从无数底层系统中挖掘这些数据。他们还需要将数据组织到一个结构化的网络模型中，以反映其所有网格资产。通过这样做，他们可以为将集成CV，AI和其他技术（如智能自动化 和 数据分析）的业务应用程序分层， 以提高性能并提高效率。

　　使用CV和AI改善资产管理可以通过减少库存过多和预测资产失效的真实年龄来降低供应链成本。这种方法还可以对变量（例如一天中的时间和天气）进行建模和预测，从而使公用事业公司能够向电网提供正确的电量。这样做的好处是可以达到公用事业所追求的更高水平的网格弹性和可靠性，并且客户的期望值也在不断提高。

　　为了克服上述潜在的数据挑战，我们的 CGI OpenGrid360 解决方案套件提供了一个 集成网络模型 ，该模型可以使用多种数据源（例如地理空间，影像和资产特征）来监视，预测和维护基础架构的运行状况。