Here Technologies ने उल्लेख किया है कि भारत में सड़क और स्थान डेटा का बिखराव ड्राइवर सहायता प्रणाली (ADAS) और स्वायत्त ड्राइविंग प्रौद्योगिकियों के व्यापक कार्यान्वयन के लिए एक गंभीर बाधा है। ऐसे अनुप्रयोगों को स्केल करने के लिए सरकारी विभागों द्वारा संग्रहीत जानकारी तक अधिक व्यापक पहुंच की आवश्यकता है।
Here Technologies में भारत के प्रमुख अभिजीत सेंगुप्ता ने बताया कि सरकारी निकायों और विभिन्न एजेंसियों के पास मौजूद डेटा, जिसमें गति सीमा, सड़क प्रतिबंध और अन्य सड़क संबंधी जानकारी शामिल है, खंडित रहता है।
सेंगुप्ता ने इस बात पर जोर दिया कि यह उपयोगी होगा यदि समाधान प्रदाता इन डेटा तक पहुंच सकें या उन्हें सुलभ बनाया जा सके, क्योंकि यह कुछ उपयोग के मामलों के स्केलिंग में काफी योगदान देता है। उन्होंने अनुमान लगाया कि इस प्रकार की जानकारी के लिए एक एकीकृत केंद्रीकृत भंडार बनाने से तकनीकी कंपनियों को स्थानीय एप्लिकेशन विकसित करने और विस्तारित करने में मदद मिलेगी।
उन्होंने एक ऐसी स्थिति का उदाहरण दिया जहां कुछ शहरी क्षेत्रों में ट्रकों की गति सीमा और यातायात प्रतिबंधों के बारे में जानकारी विभिन्न एजेंसियों के बीच वितरित है।
जैसे-जैसे भारत वाहन स्वचालन के उच्च स्तरों की ओर बढ़ता है, चुनौतियां बढ़ती हैं
यह समस्या तब और गंभीर हो जाती है जब भारत परिवहन के उच्च स्तरों की ओर बढ़ रहा है। सेंगुप्ता ने बताया कि लेवल 2 (L2) और L2+ से लेवल 3 (L3) में संक्रमण, जो अभी भी चालक-निर्णय समर्थन प्रणाली हैं, के लिए भारत की सड़कों की स्थिति के बारे में बहुत अधिक स्थानीयकृत जानकारी की आवश्यकता होगी।
जबकि L1 स्टीयरिंग या ब्रेकिंग सहायता से संबंधित है, L2 दोनों प्रक्रियाओं को नियंत्रित कर सकता है, लेकिन चालक को अभी भी सड़क पर नज़र रखनी होती है। L3 स्तर पर, सिस्टम निर्दिष्ट परिस्थितियों में नियंत्रण ले सकता है, जिसके लिए उपयुक्त संकेत मिलने पर चालक के हस्तक्षेप की आवश्यकता होती है।
लेन मार्किंग, सड़क संकेत और सड़क स्तर की जानकारी विशेष रूप से महत्वपूर्ण है; उम्मीद है कि राजमार्गों और एक्सप्रेसवे पर ऐसी प्रणालियों का विकास शुरू होगा, इससे पहले कि यह शहरी क्षेत्रों में फैले।
भारत के तेजी से बदलते सड़क बुनियादी ढांचे और अस्थिर सड़क की स्थिति इस समस्या को और बढ़ाती है। Here ने पाया कि शहर के डेटा की समस्याओं, जैसे गलत तरीके से विपरीत लेन में चलना, के अलावा, शहरी सड़कों पर जानकारी में देरी की समस्याएं भी हैं जिन्हें उन्नत उपयोग के मामलों के लिए हल करने की आवश्यकता है।
सेंगुप्ता ने यह भी कहा कि प्रत्येक ADAS एप्लिकेशन को सेंटीमीटर सटीकता के साथ उच्च-रिज़ॉल्यूशन मैपिंग की आवश्यकता नहीं होती है। वर्तमान में, Here का मानना है कि नेविगेशन और ऑटोपायलट परिदृश्यों के लिए 'मानक परिभाषा प्लस' मैपिंग पर्याप्त है, जबकि अधिक जटिल प्रणालियों के लिए लेन और सड़क संकेतों के बारे में अधिक जानकारी की उपलब्धता की आवश्यकता होगी।
कंपनी ने उल्लेख किया कि यह सड़क जानकारी भारत के राजमार्गों और एक्सप्रेसवे पर बड़े पैमाने पर उपलब्ध है, हालांकि शहरी सड़कों पर कवरेज असमान है।
कनेक्टेड और इलेक्ट्रिक वाहनों के व्यापक रूप से अपनाने से स्थान विश्लेषण की मांग भी बढ़ रही है। सेंगुप्ता ने जोड़ा कि सुरक्षा, वास्तविक समय यातायात जानकारी और मार्ग अनुकूलन वाहन उपयोगकर्ताओं के लिए तेजी से महत्वपूर्ण होते जा रहे हैं।
इलेक्ट्रिक वाहन उपयोगकर्ताओं के लिए, स्थान विश्लेषण यात्रा के लिए पर्याप्त रेंज है या नहीं, क्या डायवर्जन की आवश्यकता है, और क्या मार्ग पर चार्जिंग स्टेशन उपलब्ध है, यह निर्धारित करने में मदद कर सकता है।
ऑटोमोटिव क्षेत्र के अलावा, कंपनी लॉजिस्टिक्स, ई-कॉमर्स, त्वरित खुदरा, टैक्सी और भोजन वितरण सेवाओं से बढ़ती मांग देख रही है, खासकर प्रथम, मध्य और अंतिम मील संचालन के लिए।
सेंगुप्ता ने निष्कर्ष निकाला कि आर्टिफिशियल इंटेलिजेंस स्थान विश्लेषण की भूमिका को और बढ़ा सकता है, जिससे उपयोगकर्ताओं को अधिक प्रासंगिक प्रश्न पूछने की अनुमति मिलती है, जैसे गंतव्य के पास पार्किंग ढूंढना, आगमन पर स्टोर खुला है या नहीं जांचना, या सड़क के सही तरफ वस्तुओं की उपस्थिति निर्धारित करना।