Arvento, TÜBİTAK destekli Ar-Ge projesi kapsamında geliştirdiği yapay zeka tabanlı teknolojilerle araç takip sistemlerini yeniden tanımlıyor. Yalnızca konum bilgisi sunan platformlar; artık sürüş davranışlarını analiz eden, güvenlik risklerini önceden tespit eden ve filo yöneticilerine veriye dayalı karar desteği sağlayan öngörücü sistemlere dönüşüyor.

Filo yönetiminde başarı, uzun süredir yalnızca araçların nerede olduğunu bilmekle ölçülüyordu. Ancak sürücü davranışının analizi, olası risklerin önceden görülmesi ve operasyonel kararların veriye dayanması sektörün yeni önceliği haline geldi. Yapay zeka ve Nesnelerin İnterneti (IoT) teknolojileriyle bu dönüşüme öncülük eden Arvento, TÜBİTAK destekli Ar-Ge çalışmalarının çıktılarını ürünlerine entegre ederek filo yönetimini daha güvenli, verimli ve öngörücü bir yapıya taşıyor.

Arvento Teknoloji ve Ar-Ge Genel Müdür Yardımcısı Murat Başaran, bu dönüşümün asıl zorluğunun veriyi toplamak değil yorumlamak olduğunu vurguluyor: "Bugün bir aracın konumunu takip etmek artık tek başına yeterli değil. Asıl mühendislik zorluğu, saniyede alınan çok sayıda sensor verisini analiz ederek bunları güvenilir, ilişkilendirilebilir ve anlamlı sonuçlara dönüştürebilmekte yatıyor. Bir sürüşün güvenli olup olmadığını doğru bir şekilde ortaya koyabilmek , ancak bu verileri birlikte değerlendirebilen teknolojiyle mümkün. Ar-Ge'mizi tam da bu katmana, ham veriyi karar almayı kolaylaştıran anlamlı sonuçlara dönüştüren yapay zekâ ve analitik teknolojilerine odaklıyoruz.”

Yapay zeka, gerçek sürüş verileriyle eğitiliyor

Arvento, TÜBİTAK destekli Ar-Ge çalışmaları kapsamında Ardıç Teknoloji ile birlikte yürüttüğü "GNSS ve Ataletsel Ölçüm Birimi (AÖB) Verileri ile Yapay Zeka Destekli Sürücü Puan ve Kaza Analiz Sistemi" projesiyle, mevcut araç takip altyapısını veri odaklı ve öngörücü çözümlere taşıyacak yeni nesil teknolojiler geliştiriyor.

Proje kapsamında yapay zeka modelleri, profesyonel sürücüler eşliğinde gerçekleştirilen kontrollü test sürüşleriyle eğitiliyor. Ani hızlanma, sert frenleme, sert dönüş ve şerit değiştirme gibi riskli senaryolar bilinçli olarak oluşturuluyor; toplanan sensör verileri, görüntü kayıtları ve zaman damgalı loglarla hassas biçimde etiketleniyor. Böylece modeller, gerçek saha koşullarını yansıtan verilerle eğitiliyor.

Model seçiminde Başaran, ekibin bilinçli bir mühendislik tercihi yaptığının altını çiziyor: "Bilinçli olarak 'kara kutu' modellerden kaçındık. Bir filo yöneticisi, bir sürücünün neden riskli olarak işaretlendiğini görebilmeli; kendisinden yalnızca bir puana bakıp güvenmesini bekleyemeyiz. Bu yüzden farklı modelleri karşılaştırırken sadece hangisi daha doğru tahmin ediyor diye bakmadık, hem doğru sınıflandıran hem de kararının gerekçesini açıklayabilen, üstelik araç üzerinde gerçek zamanlı çalışabilecek verimli modelleri tercih ettik."

Sensör verileri anlamlı öngörülere dönüşüyor

Projede yalnızca yapay zeka algoritmaları değil, araçlardan gelen sensör verilerini doğru yorumlayacak gelişmiş analiz altyapıları da geliştiriliyor. GNSS ve Ataletsel Ölçüm Birimi verileri birlikte değerlendirilerek aracın hareket dinamikleri analiz ediliyor; yol eğimi, araç yönelimi ve kritik güvenlik olayları gerçek zamanlı olarak tespit edilebiliyor. Böylece savrulma, çarpma, devrilme ve çekilme gibi kritik durumların çok daha hassas analizi mümkün hale geliyor.

"GNSS ve ataletsel ölçüm verilerini birlikte işlediğimizde, aracın hareket dinamiğini adeta okuyabiliyoruz" diyen Başaran, sözlerini şöyle sürdürüyor: "Yol eğimini, aracın yönelimini, savrulma ya da devrilme gibi kritik anları gerçek zamanlı ayırt edebiliyoruz. Gerçekleşen bir kazanın çok doğru bir şekilde simülasyonunu yapabiliyoruz. En önemlisi, bunu sahada zaten kullanılan cihazlardan gelen veriyle yapıyoruz."

Bu analizler, yapay zeka tabanlı sürücü davranışı değerlendirmesiyle birleştirilerek sürücü puanlama, risk analizi ve karar destek mekanizmalarının temelini oluşturuyor. Geliştirilen teknolojilerin Arvento'nun mevcut ürün ekosistemine entegrasyonuyla; alarm mekanizmaları, sürücü performans değerlendirmeleri, raporlama ekranları ve filo yöneticilerine yönelik yeni nesil karar destek fonksiyonlarının sunulması planlanıyor.

Mevcut araç takip altyapısı daha akıllı hale geliyor

Çözümün en belirleyici özelliklerinden biri, mevcut araç takip altyapısını ek donanım gerektirmeden daha yetenekli hale getirmesi. Yapay zeka destekli analizler, sahadaki cihazlardan gelen sensör verileri üzerinde çalışarak filo yöneticilerine daha kolay değerlendirme imkanı sunuyor.

Başaran, bunun rastgele seçilmiş bir yaklaşım yerine, baştan konulmuş bir tasarım kısıtı olduğunu belirtiyor: "Bizim için kritik kısıt şuydu: bu algoritmaların, sınırlı belleğe ve işlem gücüne sahip mevcut cihazlarda, gecikmesiz çalışması gerekiyordu. Müşterinin yeni bir donanım almasını gerektiren bir çözüm sahada karşılık bulmaz. Bu yüzden algoritmaları gömülü sistem koşullarına göre seçtik ve optimize ettik."

Ar-Ge çıktılarının ticarileşmesine ilişkin ise Başaran şunları söylüyor: "Ar-Ge çıktılarımızı laboratuvarda bırakmıyoruz; saha doğrulamasından geçirip doğrudan ürün yol haritamıza aktarıyoruz. Hedefimiz net: müşterilerimize yalnızca araçlarını takip eden değil, riskli davranışı fark eden, sürücü performansını ölçen ve operasyonel kararları destekleyen bir sistem sunmak."