De snelle groei van connected vehicles heeft geleid tot een exponentiële toename van beschikbare voertuiggegevens in de mobiliteitssector. De werkelijke waarde van deze informatie hangt echter af van het vermogen om deze om te zetten in tijdige en effectieve operationele beslissingen.
In deze context speelt het Targa Platform, een Industry Cloud Platform, een centrale rol door gebruik te maken van meer dan 15 jaar ervaring met Data Capital. Als voertuiggegevensplatform en slim mobiliteitsplatform stelt het mobiliteitsbedrijven in staat om heterogene gegevens te verzamelen, te structureren en te analyseren ter ondersteuning van zowel de digitalisering van operationele processen als de ontwikkeling van nieuwe bedrijfsstrategieën.
Dit artikel gaat in op hoe het platform werkt, van ruwe data tot bruikbare resultaten, en de technologieën die deze mogelijkheden mogelijk maken.
- Hoe het Targa Platform werkt: van data naar actie
- De technologieën achter het Targa Platform
Hoe Targa Platform werkt: van data naar actie
Targa Platform volgt een duidelijke en gestructureerde workflow die bedrijven begeleidt van data naar actie, waarbij informatie wordt omgezet in concrete operationele beslissingen.
Alles begint met data, maar niet met één geïsoleerde input. In het mobiliteitsecosysteem is informatie afkomstig uit meerdere bronnen en beschrijft deze verschillende aspecten van hetzelfde voertuig, het gebruik ervan en de operationele context. Afzonderlijk hebben deze datapunten een beperkte waarde. Pas wanneer ze worden gecombineerd en in de loop van de tijd worden geanalyseerd, maken ze een echt begrip van gebeurtenissen mogelijk en ondersteunen ze effectieve besluitvorming.
Waar komen de gegevens vandaan? Targa Platform verzamelt informatie uit meerdere bronnen die in twee hoofdcategorieën kunnen worden ingedeeld: gegevens die rechtstreeks door voertuigen worden gegenereerd en gegevens die de operationele context verrijken op basis van het bedrijfssegment.
Sensorgegevens, verzameld via aangesloten apparaten die in voertuigen zijn geïnstalleerd:
- Aftermarket-boxen en OEM-apparaten, die functioneren als autogegevensloggers of voertuiggegevensrecorders en parameters van elektronische regeleenheden vastleggen via OBD en CAN-BUS.
- Slimme dashcams, die worden gebruikt om kritieke gebeurtenissen te detecteren en gegevens te verzamelen voor de analyse van rijgedrag.
- Smartphones als sensoren, die fungeren als verzamelaars van auto-gebeurtenisgegevens en het voertuiggebruik volgen via mobiele apparaten, wat met name relevant is voor verzekerings- en rijgedragstoepassingen.
Branchespecifieke gegevens per segment, gebruikt om voertuiggegevens binnen verschillende operationele modellen te interpreteren:
- LTR (Long-Term Rental): informatie van voertuigaflevercentra, werkplaatsen en servicenetwerken.
- STR (Short-Term Rental): gegevens met betrekking tot verhuurstations, doorloopfaciliteiten en voertuiglogistiek.
- Wagenpark: informatie over bedrijfslocaties, afleveradressen, operationele hubs en gebruikspatronen.
- Verzekeringen: weersomstandigheden (bijv. hagelwaarschuwingen), contractgegevens voor risicoanalyse, historische gebruikspatronen en indicatoren van afwijkend gebruik ter voorkoming van fraude.
Deze bronnen dragen ook bij aan het verbeteren van de door Targa Telematics ontwikkelde AI-modellen. Hierdoor worden connected vehicle-gegevens een gestructureerde informatiebron, klaar om te worden omgezet in inzichten en operationele acties.
Hoe worden gegevens bruikbaar? Gegevens worden pas echt waardevol wanneer ze verder gaan dan louter informatie en beslissingen en acties gaan sturen. Deze transformatie vereist een gestructureerd proces dat ruwe gegevens omzet in betrouwbare, gecontextualiseerde en bruikbare inzichten.
Binnen het Targa Platform worden gegevens eerst verzameld uit alle beschikbare bronnen en geharmoniseerd, waarbij verschillen in formaat, frequentie en herkomst worden overbrugd. Vervolgens worden ze geaggregeerd om patronen, afwijkingen en relevante gebeurtenissen te identificeren. In deze fase worden de gegevens verrijkt met operationele context, historische gegevens en input van derden, waardoor een duidelijke interpretatie binnen bedrijfsprocessen mogelijk wordt. Ten slotte worden ze opgeslagen als onderdeel van een gestructureerde en betrouwbare gegevensbasis die wordt gebruikt voor geavanceerde analyses, kunstmatige intelligentie en automatisering.
Dit proces maakt de overgang mogelijk van eenvoudige monitoring naar proactieve en gerichte interventie.
Wat kan er worden gedaan met data van connected vehicles? Data van connected vehicles maken twee belangrijke AI-gedreven mogelijkheden mogelijk: Agentic AI en Insights. Dit zijn verschillende manieren waarop kunstmatige intelligentie de besluitvorming ondersteunt, afhankelijk van de frequentie, het type trigger en de mate van menselijke betrokkenheid.
Agentic AI: frequente, realtime beslissingen
Automatiseringsfuncties hebben betrekking op operationele beslissingen die met hoge frequentie worden genomen, vaak honderden of duizenden keren per dag. Ze worden geactiveerd door specifieke gebeurtenissen en kunnen volledig door het systeem worden afgehandeld, waarbij altijd menselijk toezicht is inbegrepen (Human in the Loop).
In deze context worden gegevens in realtime geanalyseerd met behulp van AI-modellen, machine learning of deterministische regels. Het telematicaplatform evalueert elke gebeurtenis op basis van historische gegevens en gedragspatronen en bepaalt automatisch of er een actie moet worden geactiveerd.
Concrete voorbeelden zijn:
- Diefstalopsporing: continue monitoring van voertuigen om afwijkingen te identificeren en terugvorderingsprocessen te activeren.
- Onderhouds- en stilstandbeheer: vaststellen of er moet worden ingegrepen, automatisch afspraken plannen tussen chauffeurs en garages, en controleren of deze worden uitgevoerd.
- Monitoring van voertuiglevering: het volgen van het leveringsproces van autofabrikant tot bestuurder en het oplossen van mogelijke problemen.
- Pechhulp: het detecteren van pech, het beoordelen van de noodzaak van ingrijpen en het sturen van hulp.
In deze gevallen maakt Agentic AI grootschalige besluitvorming mogelijk, waardoor responstijden, handmatige fouten en de operationele werklast worden verminderd.
Inzichten: strategische en periodieke beslissingen
Naast automatisering zijn er op inzichten gebaseerde functionaliteiten, die doorgaans periodiek (maandelijks of driemaandelijks) worden geactiveerd en gekoppeld zijn aan minder frequente maar zeer impactvolle zakelijke beslissingen.
In dit geval handelt het systeem niet autonoom, maar biedt het analyses, benadrukt het patronen en beveelt het acties aan via interactieve dashboards. Deze mogelijkheden vallen onder Prescriptive Analytics of Domain Intelligence.
Voorbeelden hiervan zijn:
- Vlootbezetting: het analyseren van voertuiggebruik om de omvang van de vloot op verschillende locaties te optimaliseren.
- Workshop Network Management: het monitoren van de geografische dekking, het identificeren van gebieden met onder- of overcapaciteit en het aanbevelen van nieuwe partnerschappen.
- Rijcoaching: het analyseren van het rijgedrag van bestuurders om veilige of risicovolle patronen te identificeren en gerichte trainingsmaatregelen voor te stellen.
Op deze manier gaat de analyse van voertuiggegevens voor autodealernetwerken, wagenparken en verzekeraars verder dan statische rapportage en wordt het een actieve drijfveer voor de bedrijfsvoering, waarbij repetitieve taken worden geautomatiseerd en strategische beslissingen worden ondersteund met datagestuurde aanbevelingen.
De technologieën achter het Targa Platform
1. Kunstmatige intelligentie
Kunstmatige intelligentie is een kernonderdeel van het Targa Platform en wordt toegepast in vier belangrijke functies ter ondersteuning van mobiliteitsbeslissingen en -processen:
- Beschrijven wat er gebeurt
AI reconstrueert gebeurtenissen en processen, wat helpt om te begrijpen wat er is gebeurd. Bijvoorbeeld het analyseren van een ongeval of rijgedrag. - De oorzaken begrijpen
Het systeem legt uit waarom een gebeurtenis heeft plaatsgevonden en identificeert de onderliggende oorzaken, zoals rijstijl of technische problemen. - Voorspellen wat er kan gebeuren
Door patronen te analyseren, voorspelt AI toekomstige gebeurtenissen, waardoor proactieve maatregelen mogelijk worden, zoals diefstalpreventie of voorspellend onderhoud. - De beste acties aanbevelen
AI ondersteunt de besluitvorming door acties voor te stellen. Bijvoorbeeld door op basis van het wagenparkgebruik te bepalen welke voertuigen geëlektrificeerd moeten worden of waar laadstations geïnstalleerd moeten worden.
2. IoT
Naast AI vormt IoT de technologische laag die het verzamelen van gegevens uit voertuigen en verbonden apparaten mogelijk maakt. Als IoT-platform voor de automobielsector verzamelt Targa Platform heterogene en ongestructureerde gegevens uit meerdere bronnen die hetzelfde fenomeen vanuit verschillende perspectieven beschrijven.
Het platform werkt op grote schaal en beheert gegevens van miljoenen verbonden voertuigen en verwerkt dagelijks miljarden gegevenspunten. Gegevens worden verzameld via apparaten aan boord, waaronder voertuigdataloggers, en datastromen van OEM’s.
IoT omvat ook mogelijkheden voor apparaatbeheer, zoals monitoring van de gegevenskwaliteit, diagnose op afstand, connectiviteitsbeheer en firmware-updates. Deze zorgen voor de betrouwbaarheid en continuïteit van de gegevensstromen.
Terwijl veel aanbieders zich specialiseren in ofwel gegevensverzameling ofwel analyse, combineert Targa Telematics beide mogelijkheden binnen één mobiliteitsplatform, waardoor complexe gegevens worden omgezet in operationele waarde.
3. Beveiliging
Alle gegevens worden verzameld, genormaliseerd, geanalyseerd en beschermd in overeenstemming met de AVG-regelgeving. Het Targa-platform integreert databases met geografische gegevens, onderhoudsgegevens, verbruiksgegevens en laadgegevens om betrouwbare inzichten te genereren.
AI-modellen worden getraind op eigen en contextuele datasets met behulp van geavanceerde technieken, waaronder edge computing direct in het voertuig.
Belangrijke technologieën zijn onder meer:
- Deep Learning, Random Forest en Gradient Boosting-algoritmen
- Edge computing-verwerking op voertuigen
- Voorspellende pijplijnen geïntegreerd in operationele dashboards
4. Betrouwbaarheid
Het platform is ontworpen om hoge beschikbaarheid en operationele continuïteit te garanderen. De infrastructuur is gebaseerd op fouttolerante servers die zelfs bij gedeeltelijke storingen of onderbrekingen de werking kunnen handhaven.
In het geval van afwijkingen of onbetrouwbare gegevens kan het systeem de getroffen diensten isoleren zonder dat dit invloed heeft op de algehele functionaliteit. Deze aanpak garandeert stabiliteit, veerkracht en continue werking, zelfs in complexe of kritieke scenario’s.
Het vermogen om gegevens van verbonden voertuigen om te zetten in operationele acties is een belangrijke factor voor efficiëntie en innovatie in de mobiliteitssector. Door IoT, kunstmatige intelligentie, zijn datakapitaal en robuuste infrastructuur te combineren, stelt het Targa Platform bedrijven in staat om de complexiteit van gegevens te beheren en deze te vertalen naar schaalbare, geautomatiseerde en op feiten gebaseerde beslissingen.
