หากคุณเคยใช้เวลาอยู่ในแวดวงยานพาหนะจัดส่งแบบอัตโนมัติ ไม่ว่าจะเป็นในฐานะผู้ควบคุมยานพาหนะ ผู้จัดการฝ่ายโลจิสติกส์ หรือเพียงแค่ใครสักคนที่รอพัสดุมาแสดงโดยไม่มีคนขับที่เป็นมนุษย์อยู่หลังพวงมาลัย คุณคงทราบดีว่ากระแสโฆษณาเกี่ยวกับระบบเหล่านี้มีอยู่จริง แต่ถ้าคุณเป็นซัพพลายเออร์ที่ได้รับมอบหมายให้สร้าง บูรณาการ และปรับขนาดยานพาหนะเหล่านี้ ความฮือฮาจะหายไปอย่างรวดเร็วเมื่อคุณพิจารณารายละเอียดเล็กๆ น้อยๆ นับล้านรายละเอียดที่ไม่สามารถต่อรองได้ ซึ่งจะทำให้กองยานพาหนะเคลื่อนที่ได้อย่างน่าเชื่อถือ ปลอดภัย และคุ้มค่า ในช่วงหกปีที่ผ่านมา ทีมงานของเราได้ออกแบบ ปรับใช้ และเพิ่มประสิทธิภาพมากกว่า 200 รายการยานพาหนะจัดส่งอัตโนมัติใน 12 เมืองของสหรัฐอเมริกา และบทเรียนหนึ่งติดอยู่กับฉันมากกว่าเมืองอื่นๆ: ช่องว่างที่พบบ่อยที่สุดระหว่าง "ต้นแบบการทำงาน" และ "กลุ่มยานพาหนะที่ปรับขนาดได้และทำกำไรได้" ไม่ใช่ฮาร์ดแวร์หรือเทคโนโลยีเซ็นเซอร์ แต่เป็นการจัดการข้อมูล มีทีมจำนวนมากเกินไปที่ถือว่าข้อมูลในการจัดส่งแบบอัตโนมัติเป็นเพียงสิ่งที่ต้องพิจารณาในภายหลัง ซึ่งเป็นสิ่งที่ต้องรวบรวมและจัดเก็บถาวรเพื่อการปฏิบัติตามข้อกำหนดหรือการตรวจสอบหลังเหตุการณ์ ในความเป็นจริง มันเป็นกระดูกสันหลังของทุกการตัดสินใจที่ยานพาหนะเหล่านี้ทำ ตั้งแต่เส้นทางที่พวกเขาใช้ในเวลาตี 2 ไปจนถึงวิธีที่พวกเขาปรับตัวเมื่อเขตการก่อสร้างปรากฏขึ้น ในโพสต์นี้ ผมจะแจกแจงรายละเอียดข้อกำหนดการจัดการข้อมูลที่เจรจาไม่ได้ซึ่งเราได้ฝึกฝนมามากกว่าพันรอบการดำเนินการจัดส่ง และเหตุใดการข้ามแม้แต่รายการเดียวก็สามารถจมกองยานพาหนะได้ก่อนที่จะถึงปีแรกของการดำเนินงาน
ขั้นแรก เรามาพิจารณาสิ่งนี้ในความเป็นจริงของสิ่งที่เรารถส่งสินค้าไร้คนขับจริงๆ แล้วทำทุกวัน ต่างจากรถยนต์นั่งส่วนบุคคลที่ขับเคลื่อนด้วยตนเองซึ่งจำเป็นต้องเคลื่อนย้ายคนเพียงคนเดียวจากจุด A ไปยังจุด B ยานพาหนะของเราจัดการได้มากกว่า 15 จุดต่อเส้นทาง ขนส่งสินค้าที่ไวต่ออุณหภูมิ (ของชำ เภสัชภัณฑ์ แม้แต่อาหารแช่แข็ง) และดำเนินการในสภาพแวดล้อมที่มีตั้งแต่ทางตันชานเมืองอันเงียบสงบไปจนถึงย่านใจกลางเมืองที่หนาแน่นซึ่งมีรถจอดสองคันและคนข้ามถนน งานแต่ละอย่างเหล่านี้สร้างข้อมูลปริมาณมหาศาล ตั้งแต่ LiDAR point cloud ที่ทำแผนที่ทุกหลุมบ่อและคนเดินถนน ไปจนถึงการวัดและส่งข้อมูลทางไกลที่ติดตามระดับแบตเตอรี่และสถานะการล็อคประตู ไปจนถึงฟุตเทจที่ไม่มีโครงสร้างจากกล้องภายนอกและภายในที่มีความสำคัญต่อทั้งความปลอดภัยและการแก้ปัญหาหากลูกค้ารายงานพัสดุที่สูญหายหรือเสียหาย ในช่วงเริ่มต้นของการปรับใช้ เราพยายามปฏิบัติต่อข้อมูลทั้งหมดนี้เหมือนกัน โดยจัดเก็บไว้ในที่เก็บข้อมูลบนคลาวด์เดียว โดยไม่มีการกำหนดมาตรฐาน และจะดูเฉพาะเมื่อมีสิ่งผิดปกติเกิดขึ้นเท่านั้น แนวทางดังกล่าวนำไปสู่ปัญหาใหญ่สองประการ: เราเสียงบประมาณการดำเนินงานรายเดือนไป 35% ไปกับการจัดเก็บข้อมูลที่ไม่เกี่ยวข้องและซ้ำซ้อน และเมื่อเราเกิดอุบัติเหตุ (เช่น ยานพาหนะหักเลี้ยวเพื่อหลีกเลี่ยงสุนัข) เราใช้เวลามากกว่า 12 ชั่วโมงในการกรองข้อมูลที่ไม่มีป้ายกำกับเพื่อสร้างสิ่งที่เกิดขึ้นใหม่ เราตระหนักได้อย่างรวดเร็วว่าการจัดการข้อมูลที่ละเอียดตามบทบาทไม่ใช่เรื่องดี แต่เป็นข้อกำหนดหลักสำหรับการจัดส่งแบบอัตโนมัติ
โครงสร้างตามบทบาทนั้นมีลักษณะอย่างไรในทางปฏิบัติ? สำหรับทีมเทเลเมติกส์ของเรา การนำเข้าข้อมูลแบบเรียลไทม์ไม่สามารถต่อรองได้ ของเราจัดส่งยานพาหนะอัตโนมัติส่งข้อมูลมากกว่า 100 จุดต่อวินาทีกลับไปยังศูนย์บัญชาการของเรา รวมถึงพิกัด GPS แรงดันเบรก สถานะการชาร์จแบตเตอรี่ และสถานะการสอบเทียบเซ็นเซอร์ หากกล้องของยานพาหนะเสียกลางทาง เราจำเป็นต้องรู้ว่าภายใน 10 วินาที ไม่ใช่ 10 นาที เนื่องจากกล้องที่เสียเพียงตัวเดียวอาจหมายถึงความแตกต่างระหว่างการหยุดอย่างปลอดภัยกับการชนกับรถที่จอดอยู่ เพื่อให้ได้ผล เราได้สร้างไปป์ไลน์ข้อมูลแบบเรียลไทม์ที่จัดลำดับความสำคัญของข้อมูลความปลอดภัยที่สำคัญ (สุขภาพของเซ็นเซอร์ การตรวจจับสิ่งกีดขวาง) เพื่อการถ่ายโอนที่มีเวลาแฝงต่ำ ในขณะที่ข้อมูลที่ไม่สำคัญ (บันทึกแรงดันลมยางรายสัปดาห์ การตรวจสอบการสอบเทียบกล้องตามปกติ) จะถูกจัดกลุ่มและส่งข้ามคืน เมื่อความแออัดของเครือข่ายต่ำและแบนด์วิธถูกกว่า การแลกเปลี่ยนดังกล่าวไม่เพียงแต่ลดต้นทุนการถ่ายโอนข้อมูลรายเดือนของเราลง 28% แต่ยังลดเวลาเฉลี่ยในการแก้ไข (MTTR) สำหรับปัญหาที่เกี่ยวข้องกับความปลอดภัยจาก 90 นาทีเหลือน้อยกว่า 5 นาที สำหรับทีมปฏิบัติการ ข้อกำหนดจะเปลี่ยนไปเป็นข้อมูลการจัดส่งที่มีโครงสร้างและสืบค้นได้: เวลาหยุด ประสิทธิภาพเส้นทาง ประเภทพัสดุ และบันทึกการเข้าถึงของลูกค้า (เช่น “รหัสประตู 123 ส่งที่ประตูด้านข้าง”) ก่อนที่เราจะสร้างมาตรฐานให้กับข้อมูลนี้ ทีมปฏิบัติการของเราป้อนข้อมูลมากกว่า 10 ช่องต่อการจัดส่งด้วยตนเอง ส่งผลให้ 15% ของเส้นทางมีเวลาหยุดที่ไม่ถูกต้อง และ 8% ของพัสดุถูกทำเครื่องหมายว่าไม่ได้จัดส่งโดยไม่ได้ตั้งใจ ตอนนี้ เราเชื่อมโยงการจัดส่งทุกครั้งเข้ากับสคีมาข้อมูลที่เป็นมาตรฐาน ดังนั้นทีมงานจึงสามารถดึงรายงานเกี่ยวกับ "การจัดส่งของชำทั้งหมดในชิคาโกที่ล่าช้าเนื่องจากการก่อสร้างใน 2 คลิก" แทนที่จะใช้เวลาหลายชั่วโมงในการทำความสะอาดสเปรดชีตที่ไม่มีโครงสร้าง โครงสร้างระดับนั้นไม่ได้เป็นเพียงการลดงานของผู้ดูแลระบบเท่านั้น แต่ยังเกี่ยวกับการปรับขนาดอีกด้วย เมื่อเราเพิ่มยานพาหนะใหม่หรือเข้าสู่ตลาดใหม่ เราไม่สามารถสร้างระบบข้อมูลใหม่ตั้งแต่เริ่มต้นทุกครั้งได้ สคีมาที่เป็นมาตรฐานช่วยให้เราเข้าสู่ตลาดใหม่ได้ภายใน 2 สัปดาห์ เทียบกับ 2 เดือนที่ใช้ในการปรับใช้ครั้งแรก
ข้อกำหนดการจัดการข้อมูลขนาดใหญ่ประการที่สองที่เราได้เรียนรู้มาอย่างยากลำบากคือความน่าเชื่อถือและความซ้ำซ้อน ยานพาหนะจัดส่งแบบอัตโนมัติไม่สามารถทนต่อการขัดข้องของข้อมูลได้ และผู้ปฏิบัติงานก็ไม่สามารถทำได้เช่นกัน หากยานพาหนะขาดการเชื่อมต่อกับเซิร์ฟเวอร์ข้อมูลระหว่างทาง ก็ไม่ควรหยุดนิ่งหรือขับรถอย่างไร้สติจนกว่าการเชื่อมต่อจะกลับมา ต้นปี 2021 เรามีฝูงบิน 15 ลำรถส่งสินค้าไร้คนขับในเมืองออสติน รัฐเท็กซัส ซึ่งเครือข่ายขัดข้องเป็นเวลา 4 ชั่วโมงเนื่องจากการตัดไฟเบอร์ โดยรถทั้งสองคันไม่ได้จัดเก็บข้อมูลท้องถิ่นไว้ รถทั้งหมดจึงเคลื่อนตัวออกไปข้างถนน ปิดกั้นเลนจักรยาน และทำให้ต้องโทรแจ้งตำรวจท้องที่โดยไม่เกิดเหตุฉุกเฉิน 21 ครั้ง เหตุการณ์ดังกล่าวทำให้เราต้องเสียค่าปรับ 45,000 ดอลลาร์ บวกกับความไว้วางใจจากพันธมิตรด้านโลจิสติกส์ของเรา ซึ่งเกือบจะฉีกสัญญาทั้งหมด หลังจากนั้น เราได้ออกแบบสถาปัตยกรรมข้อมูลของเราใหม่ทั้งหมดเพื่อรวมการประมวลผลที่ล้ำหน้าไว้ในยานพาหนะทุกคัน ขณะนี้ รถส่งสินค้าอัตโนมัติทุกคันมีเซิร์ฟเวอร์ออนบอร์ดขนาด 2TB ที่เก็บข้อมูลแบบเรียลไทม์ 7 วันไว้ในเครื่อง ดังนั้นหากการเชื่อมต่อระบบคลาวด์หลุด ยานพาหนะจะสามารถตัดสินใจได้อย่างปลอดภัยและถูกต้องตามเส้นทางต่อไป เมื่อการเชื่อมต่อได้รับการกู้คืน ข้อมูลในเครื่องจะถูกซิงค์กลับไปยังคลาวด์โดยอัตโนมัติ พร้อมด้วยการตรวจสอบในตัวเพื่อหลีกเลี่ยงรายการที่ซ้ำกัน นอกจากนี้เรายังใช้กลยุทธ์การสำรองข้อมูลแบบมัลติคลาวด์ ดังนั้นหากผู้ให้บริการคลาวด์รายหนึ่งเกิดไฟฟ้าดับ ข้อมูลจะถูกส่งไปยังผู้ให้บริการรองภายในเวลาไม่ถึง 30 วินาที นี่ไม่ใช่แค่การแก้ไขทางเทคนิค แต่เป็นข้อกำหนดทางธุรกิจ ลูกค้าด้านลอจิสติกส์ของเราพึ่งพายานพาหนะเหล่านี้เพื่อตอบสนองกรอบเวลาการส่งมอบที่จำกัด และความน่าเชื่อถือของข้อมูลแปลตรงไปยังอัตราตรงเวลา ความพึงพอใจของลูกค้า และความภักดีต่อแบรนด์
ประการที่สามซึ่งมักถูกมองข้ามคือความเป็นส่วนตัวของข้อมูลและการปฏิบัติตามข้อกำหนด ยานพาหนะส่งของอัตโนมัติจะรวบรวมข้อมูลส่วนบุคคลจำนวนมหาศาล ตั้งแต่ภาพจากกล้องของทางรถวิ่งในที่พักอาศัย ไปจนถึงพิกัด GPS ที่ติดตามเมื่อลูกค้าอยู่บ้าน ในสหรัฐอเมริกา เราปฏิบัติตามกฎระเบียบของรัฐบาลกลาง เช่น California Consumer Privacy Act (CCPA) และ Virginia Consumer Data Protection Act (VCDPA) รวมถึงกฎระดับรัฐที่สามารถเปลี่ยนแปลงได้อย่างมาก ในระดับสากล ถ้าเราขยายไปยังยุโรป เราจะอยู่ภายใต้ GDPR ซึ่งมีกฎความเป็นส่วนตัวของข้อมูลที่เข้มงวดที่สุดในโลก ในช่วงต้น เราประสบปัญหา: กล้องภายนอกของเรากำลังจับภาพใบหน้าของลูกค้าขณะที่พวกเขาเข้าใกล้ประตู และเราก็จัดเก็บภาพนั้นโดยไม่มีกำหนดเพื่อ “จุดประสงค์ด้านความปลอดภัย” นั่นนำไปสู่การร้องเรียนจากลูกค้าสามรายในแคลิฟอร์เนีย และเราตระหนักว่าเรากำลังทำให้ทั้งลูกค้าและบริษัทของเราตกอยู่ในความเสี่ยงทางกฎหมายอย่างร้ายแรง เราได้อัปเดตนโยบายข้อมูลของเราโดยทันทีเพื่อรวมกฎความเป็นส่วนตัวที่สำคัญสองข้อ ประการแรก ภาพจากกล้องจะถูกลบข้อมูลระบุตัวตนโดยอัตโนมัติภายใน 24 ชั่วโมง ดังนั้นใบหน้าและป้ายทะเบียนจะถูกเบลอก่อนการจัดเก็บ ประการที่สอง ลูกค้าสามารถขอให้ลบข้อมูลทั้งหมดที่เกี่ยวข้องกับการจัดส่ง (รวมถึงบันทึก GPS ภาพจากกล้อง และรายละเอียดพัสดุ) ภายใน 72 ชั่วโมงหลังจากการจัดส่งเสร็จสิ้น นอกจากนี้เรายังสร้างระบบควบคุมการเข้าถึงข้อมูลที่จำกัดการเข้าถึงข้อมูลส่วนบุคคล: มีเพียงทีมความเป็นส่วนตัวของเราเท่านั้นที่สามารถดูวิดีโอที่ไม่ระบุชื่อเพื่อวัตถุประสงค์ในการสืบสวน และการเข้าถึงทั้งหมดจะถูกบันทึกและตรวจสอบทุกไตรมาส การปฏิบัติตามข้อกำหนดระดับนี้ไม่ใช่ทางเลือก การปรับความเป็นส่วนตัวของข้อมูลเพียงครั้งเดียวอาจทำให้บริษัทต้องสูญเสียเงินหลายล้านดอลลาร์ และสำหรับซัพพลายเออร์เช่นเรา การปรับนี้สามารถทำลายความสัมพันธ์กับลูกค้าระดับองค์กรที่มีข้อกำหนดการปฏิบัติตามข้อกำหนดที่เข้มงวดมากได้ เมื่อไม่กี่เดือนที่ผ่านมา เราได้เริ่มต้นเครือข่ายร้านขายของชำระดับชาติที่ต้องมีการตรวจสอบความเป็นส่วนตัวของข้อมูลอย่างเต็มรูปแบบ ซึ่งเป็นส่วนหนึ่งของกระบวนการเริ่มต้นใช้งานผู้ขาย ระบบข้อมูลที่มีโครงสร้างและเป็นไปตามข้อกำหนดของเราสร้างความแตกต่างอย่างมาก และสัญญาดังกล่าวก็ถือเป็นสัญญาที่ใหญ่ที่สุดของเราในปัจจุบัน


ประการที่สี่ ข้อมูลสำหรับการปรับปรุงอย่างต่อเนื่อง ไม่มีระบบการจัดส่งแบบอัตโนมัติที่สมบูรณ์แบบในวันแรก จะต้องมีกรณีขอบอยู่เสมอ เช่น เด็กวิ่งไล่ลูกบอลไปที่ถนน รถบรรทุกขนย้ายที่จอดขวางทางเท้า ประตูของลูกค้าที่ซ่อนอยู่หลังพุ่มไม้รก ในการแก้ไขกรณี Edge เหล่านี้ คุณต้องมีข้อมูลที่ไม่เพียงแต่รวบรวมเท่านั้น แต่ยังติดป้ายกำกับและวิเคราะห์ด้วย ซอฟต์แวร์การจัดส่งแบบอัตโนมัติรุ่นแรกของเราประสบปัญหากับโซนรับสินค้าริมทาง และเรามี 12 กรณีที่ยานพาหนะดึงเข้าไปในช่องจอดรถมากเกินไปจนกีดขวางรถคันอื่น เราตระหนักดีว่าข้อมูลของเราได้รับการรวบรวม แต่ไม่มีป้ายกำกับว่าเหตุใดจึงเกิดข้อผิดพลาดเหล่านั้น ดังนั้นเราจึงสร้างทีมผู้อธิบายข้อมูลที่ตรวจสอบ 10% ของฟุตเทจจากกล้องและข้อมูล LiDAR ของการจัดส่งทุกครั้ง การแท็กสิ่งกีดขวาง สภาพถนน และการกระทำของคนขับ (หรือในกรณีนี้คือยานพาหนะ) ภายในสามเดือน เราได้ติดป้ายกำกับ Edge Case มากกว่า 50,000 ชิ้น และเราสามารถอัปเดตซอฟต์แวร์ของเราเพื่อจดจำโซนรับริมทาง ลดเหตุการณ์เหล่านั้นลง 85% วงจรการปรับปรุงอย่างต่อเนื่องนี้จะเป็นไปได้ก็ต่อเมื่อมีการจัดการข้อมูลของคุณเพื่อรองรับเท่านั้น หากข้อมูลของคุณไม่มีโครงสร้างหรือจัดเก็บในลักษณะที่ยากต่อการค้นหา คุณจะไม่พบ Edge Case คุณไม่สามารถแก้ไขซอฟต์แวร์ได้ และคุณจะตามหลังคู่แข่งที่ดำเนินการซ้ำเร็วกว่าเดิม สำหรับเรา นี่หมายถึงการจัดสรรงบประมาณการดำเนินงานของเราไว้ 15% ทุกเดือนสำหรับการติดป้ายกำกับและการวิเคราะห์ข้อมูล ซึ่งเป็นต้นทุนที่เรามองว่าเป็นการลงทุน ไม่ใช่ค่าใช้จ่าย ในช่วงสองปีที่ผ่านมา สิ่งนี้ส่งผลให้อัตราการส่งมอบตรงเวลาดีขึ้น 12% และเหตุการณ์ด้านความปลอดภัยลดลง 40% ซึ่งช่วยให้เราลดต้นทุนการประกันลง 30%
ในที่สุด ความสามารถในการขยายขนาด ในฐานะซัพพลายเออร์ของยานพาหนะจัดส่งแบบอัตโนมัติ เราไม่เพียงแค่ขายสินค้าเท่านั้น แต่ยังขายบริการที่จะเติบโตไปพร้อมกับลูกค้าของเราอีกด้วย เรามีคำขอให้เพิ่มการตรวจสอบอุณหภูมิสำหรับการจัดส่งยา บูรณาการกับซอฟต์แวร์โลจิสติกส์ของบุคคลที่สาม และเพิ่มการส่งคืนแบบไร้การสัมผัสอีกด้วย คุณสมบัติทั้งหมดเหล่านี้อาศัยข้อมูล และระบบการจัดการข้อมูลของเราจำเป็นต้องปรับเปลี่ยนได้อย่างรวดเร็ว ในช่วงต้น เราสร้างสถาปัตยกรรมข้อมูลของเราบนเฟรมเวิร์กแบบโมดูลาร์ ดังนั้นเราจึงสามารถเพิ่มประเภทข้อมูลใหม่ได้โดยไม่ต้องยกเครื่องทั้งระบบ ตัวอย่างเช่น เมื่อลูกค้าของเราขอให้มีการติดตามอุณหภูมิสำหรับการจัดส่งอาหารแช่แข็ง เราก็เพียงเพิ่มเซ็นเซอร์ใหม่ให้กับยานพาหนะ อัปเดตสคีมาข้อมูลของเราเพื่อรวมการอ่านอุณหภูมิ และรวมจุดข้อมูลใหม่เข้ากับไปป์ไลน์แบบเรียลไทม์ของเรา กระบวนการทั้งหมดใช้เวลาน้อยกว่าหนึ่งสัปดาห์ ในขณะที่ระบบข้อมูลแรกของเราใช้เวลา 6 สัปดาห์ในการเพิ่มประเภทข้อมูลใหม่เพียงประเภทเดียว ความสามารถในการปรับขนาดยังหมายถึงความสามารถในการรับมือกับปริมาณข้อมูลที่เพิ่มขึ้นอีกด้วย เมื่อกลุ่มยานพาหนะของเราขยายจาก 200 คันเป็น 500 คัน เราจะรวบรวมข้อมูลเพิ่มขึ้น 5 เท่า และระบบของเราต้องสามารถปรับขนาดได้โดยไม่ต้องเพิ่มต้นทุนแบบทวีคูณ การใช้พื้นที่จัดเก็บข้อมูลบนคลาวด์ที่มีการปรับขนาดอัตโนมัติและการประมวลผล Edge บนยานพาหนะ ทำให้เราสามารถรักษาต้นทุนข้อมูลต่อยานพาหนะให้คงที่ในขณะที่เราเติบโตขึ้น ซึ่งเป็นสิ่งสำคัญสำหรับการรักษาราคาที่แข่งขันได้สำหรับลูกค้าของเรา
หากคุณเป็นผู้ให้บริการโลจิสติกส์ที่กำลังมองหาพันธมิตรกับซัพพลายเออร์ยานพาหนะขนส่งอัตโนมัติที่เชื่อถือได้ หรือผู้ประกอบการระดับองค์กรที่ต้องการเพิ่มยานพาหนะเหล่านี้ไปยังกลุ่มยานพาหนะของคุณ การจัดการข้อมูลควรอยู่ด้านบนสุดของรายการคำถามที่คุณถาม นี่ไม่ใช่แค่รายละเอียดทางเทคนิคเท่านั้น แต่ยังเป็นตัวกำหนดว่ากลุ่มยานพาหนะจะสามารถทำงานได้อย่างปลอดภัย เชื่อถือได้ และทำกำไรได้หรือไม่ ในช่วงหกปีที่ผ่านมา เราได้เห็นโครงการจัดส่งแบบอัตโนมัติที่มีแนวโน้มว่าจะล้มเหลวมากเกินไป เนื่องจากพวกเขาตัดมุมในการจัดการข้อมูล ไม่ว่าจะเป็นการเพิกเฉยต่อกฎความเป็นส่วนตัว ไม่มีระบบที่ซ้ำซ้อน หรือล้มเหลวในการวนซ้ำซอฟต์แวร์โดยใช้ข้อมูลในโลกแห่งความเป็นจริง สำหรับเราแล้วยานพาหนะส่งของแบบไร้คนขับที่เราสร้างขึ้นไม่ได้เป็นเพียงชิ้นส่วนของฮาร์ดแวร์เท่านั้น แต่ยังเป็นระบบสร้างข้อมูล และการจัดการข้อมูลนั้นอย่างดีเป็นวิธีเดียวที่จะส่งมอบการส่งมอบอัตโนมัติตามคำมั่นสัญญา นั่นคือ โลจิสติกส์ที่เร็วขึ้น ถูกกว่า และเชื่อถือได้มากขึ้นสำหรับทุกคน
หากคุณพร้อมที่จะสำรวจว่าโซลูชันการจัดส่งอัตโนมัติที่มีข้อมูลสำรองของเราสามารถทำงานให้กับธุรกิจของคุณได้อย่างไร หรือต้องการเรียนรู้เพิ่มเติมเกี่ยวกับกระบวนการปรับใช้กลุ่มยานพาหนะของเรา เรายินดีรับฟังจากคุณ
อ้างอิง:
- การบริหารความปลอดภัยการจราจรบนทางหลวงแห่งชาติ (NHTSA) (2022) ระบบขับขี่อัตโนมัติ: วิสัยทัศน์เพื่อความปลอดภัย 2.0 กระทรวงคมนาคมของสหรัฐอเมริกา
- องค์การระหว่างประเทศเพื่อการมาตรฐาน (ISO) (2021). ISO 22737: ระบบขนส่งอัจฉริยะ - ระบบขับขี่อัตโนมัติ (ADS) สำหรับยานพาหนะถนนเบา - ข้อกำหนดด้านประสิทธิภาพและขั้นตอนการทดสอบ
- พระราชบัญญัติความเป็นส่วนตัวของผู้บริโภคแห่งแคลิฟอร์เนีย (CCPA) (2020). ข้อความของพระราชบัญญัติความเป็นส่วนตัวของผู้บริโภคแห่งรัฐแคลิฟอร์เนีย สำนักงานกฎหมายปกครองแคลิฟอร์เนีย
- แมคคินซีย์ แอนด์ คอมพานี. (2023) การจัดส่งแบบอัตโนมัติ: ขยายระยะทางสุดท้าย การปฏิบัติด้านเทคโนโลยี สื่อ และโทรคมนาคมระดับโลก
- สมาคมวิศวกรยานยนต์ (SAE International) (2021). อนุกรมวิธานและคำจำกัดความของคำศัพท์ที่เกี่ยวข้องกับระบบอัตโนมัติในการขับขี่สำหรับยานยนต์บนถนน (J3016)
