Qucit:使用AI改善城市UX

埃德加·夏帕罗(Edgar Chaparro)在《 Unsplash》上的“交叉路的空中照片”

所有城市都有头脑 。 它收集大量信息并控制城市的所有功能,从交通和公共空间到能源和建筑物。 问题是大多数城市的大脑不是很聪明 。 它不会合并不同类型的数据并将其放在上下文中,这会导致资源(例如能源,水和时间)和各种问题(例如拥塞和污染)的浪费。 简而言之,它不会给居民带来最佳的用户体验(UX)。

法国初创公司Qucit希望改变这种状况,它希望通过使用AI改善城市使城市变得尽可能愉快 。 其模型汇总了三种不同类型的公共和私人城市数据:

  • 静态的,例如基础设施和建筑物。
  • 动态的,例如交通和天气。
  • 事件,例如各种事故和非法停车。

数据使Qucit能够进行训练并为其预测模型提供独特的上下文,这使城市能够预测行为并相应地优化其服务 。 自2014年推出以来,它已开发出四种产品,既可以用作API也可以作为仪表板来预测和优化:

  • 停车操作,例如上街和下街的停车位,非法停车和未付款风险。
  • 道路运营,例如事件和类型(例如事故或拥堵),道路巡逻策略。
  • 共享的车辆操作,例如用户供应/需求,重新分配,扩展坞的放置。
  • 城市发展,例如公民根据外部因素对街道,邻里或室内空间的正面或负面看法。

Qucit于2018年7月筹集了170万欧元(总资金230万欧元),现已在法国30个城市开展业务。


球队

(根据LinkedIn。)

创始人拥有理论和数学物理学博士学位。 在创立Qucit之前,他曾在法国一流的工程大学担任过9年的研究员和讲师。

Qucit的18个强大团队平均拥有6年与职位相关的工作经验,并拥有出色的数据科学和机器学习人才 。 其销售和营销团队具有启动和城市交通方面的经验,但规模相对较小(18个中的4个)。 该团队需要扩展其(国际)业务开发团队,以完全消除其国际潜力。

市场

城市化和世界上越来越多的高密度城市给资源,交通,建筑和公共场所带来了压力。 如果城市要在未来变得宜居,它们需要能够创造社会福祉,提高城市效率并促进可持续增长的解决方案。 他们需要变得聪明

政府的支持以及大(开放)数据,云以及认知计算和物联网的发展是智慧城市的推动力。 这对Qucit是个好消息:

  • 总可用市场 (欧洲在智慧城市技术上的支出):190亿欧元。 (可以在例如IDC上购买更多的粒度数据。)
  • 到2021年,欧洲的复合年增长率为13%(到2023年,全球的复合年增长率为24.21%)。
  • 欧盟范围内的智慧城市倡议EIP-SCC的目标是到2019年底将智慧城市的数量从80个增加到300个。
  • 到2022年,超过50%的智慧城市投资将流向服务和软件提供商。

竞争

智慧城市的概念涉及广泛领域,例如规划,房地产开发和管理,公用事业,能源和电网,公共安全,医疗保健和出行。 Qucit主要在规划和移动领域竞争。

直接竞争:

  • 停车预测和管理,例如airXsys,AppyParking,Cleverciti,Parkeagle,SpotHero。
  • 基础设施,移动性和道路维护,例如Alchera技术,Commutifi,Door2door,Miovision,Remix和Swiftly。
  • 具有智能城市解决方案的跨国公司,例如AGT International,Cisco Systems,IBM,Microsoft,Schneider Electric,Sidewalk Labs。
  • 城市规划,例如Azavea,UrbanFootprint,UrbanLogiq。

间接竞争

  • 多式联运路线计算器,例如Citymapper,Moovit。
  • 自主交通提供商,例如Carmera,Waymo。
  • 数据共享和可视化解决方案,例如OpenDataSoft,Xapix。

智慧城市市场存在竞争空间。 这不是赢家通吃的单一情况。 Qucit通过收集数据的方式以及模型的训练和环境化来区分。 不难想象,该公司的一些潜在竞争对手将进一步转化为客户。

风险性

外部限制。 临时性直接或间接依赖于市政部门,客户和数据提供者,这带来了特定的挑战:

  • 采用新技术需要来自多个利益相关者的一致,既要提供新服务,又要增加现有设置。
  • 需要有一个开放的体系结构,以便几个不同的系统可以交互(例如,传感器和各种数据库)。 大多数城市部门通常不会有效地共享数据或彼此协调。
  • 从各种传感器和所需的连接基础设施到培训和实施,开发智能城市解决方案的成本很高。 开发智能解决方案有很多支持,但城市预算有限。

防御力。 跨国公司为智慧城市提供从设备到培训的端到端解决方案,它们通常已经集成到城市数据基础架构中。 创新型私人拼车公司通常会开发自己的算法,停车软件空间相对拥挤。 Qucit需要证明其模型的性能优越,其训练数据集在描述现实世界方面具有独特性,并且其预测与现实相关。

可扩展性。 可用数据因城市而异,并且随着变得越来越智能而变化。 例如,用于测量交通模式,步行交通,空气质量和基础设施完整性的传感器都将有助于更好地描绘现实世界,这对于训练数据集至关重要。 Qucit需要具有可在多种情况和城市环境中工作的可概括模型,以提供强大而可靠的系统。


摘要

毫无疑问,城市必须变得聪明才能管理日益增长的城市人口。 替代旅行方式将成为世界各地城市不可避免改变的很大一部分。 仅在欧洲,交通拥堵每年就造成约1000亿欧元的损失,并且在130多个城市中,欧盟的空气质量标准已被持续违反。 Qucit主要开发用于运输网络的仿真工具。

Qucit建立了一个强大的机器学习模型,该模型似乎可以在城市中的四个不同但相关的区域中工作。 它解决的问题适用于私人和公共行为者。 Qucit以其易于使用的API和基于仪表板的解决方案为目标,这使其能够建立强大的多元化业务模型。

随着全球智慧城市的发展,越来越多的数据变得可用。 随着更多传感器的开发和部署,大数据变得可用,并且变得更加丰富。 这样,Qucit等公司就可以通过在不同城市环境中对真实世界进行更详细的描述测试来改善其模型。 随着对智能解决方案的需求不断增长,我对Qucit表示肯定,Qucit的才华横溢的团队将不仅为法国乃至全球的公民提供更多的用户体验。