當前位置:
首頁 > 新聞 > 谷歌構建的「明日之城」,共享單車、網約車、AR技術都在裡面了

谷歌構建的「明日之城」,共享單車、網約車、AR技術都在裡面了

Google 母公司 Sidewalk Labs 正在推出自己的小型企業「Coord」,這是一個基於雲端的平台,整合了過去幾年在世界各地湧現的許多移動服務。

作者 | Aarian Marshall

編譯 | Edison Ke

去年,谷歌母公司 Alphabet 聲稱正在將純虛擬領域的數據挖掘能力應用到 3D 空間。

其本土創新企業 Sidewalk Labs 正式聲明與加拿大的多倫多市確立合作,在該市開展實驗,通過對觀察和測量當地居民的生活模式來實現對城市交通的改進——哦不,是優化。

「在我們看來,此舉並非一時興起,」Alphabet 主席 Eric Schmidt 說,「這是將近 10 年以來我們探索如何運用科技改善生活的終極目標。」

OK, Google:這是在現實生活。

現下這個項目將不再專供於多倫多,任何城市想創造無摩擦又高效的交通網路的話都可能實現。(誰不想哦?)

今天,Sidewalk Labs 以與城市協作的項目經驗為基礎,發布了自己的迷你企業項目 Coord。

谷歌構建的「明日之城」,共享單車、網約車、AR技術都在裡面了

Sidewalk Labs 正在推出自己的小型企業「Coord」,這是一個基於雲端的平台,整合了過去幾年在世界各地湧現的許多移動服務。

「Coord」可以實現在許多運輸周邊公司那裡「聽說過,沒見過」的功能。

「Coord」會建立雲平台,整合近幾年在全球各大城市興起的許多移動服務,譬如共享單車,共享租車,網約車以及…像大眾交通這類更傳統的出行選擇。

作為代價,Coord 將把關於像收費站,停車場,路沿空間的數據提供給這些企業的軟體開發部門,並保證數據全面,實時,標準。

理想狀態下,各城市間可以信息共享信息而不是囤在行政區的部門裡。所以重點是要以 Coord 為樞紐協調起來,明白了嗎?

Coord 的新任 CEO Stephen Smyth 與 13 個員工搬出了 Sidewalk Labs。

他表示:「Coord 不是要自己直接運營移動服務,而是要百分百集中在成為這些移動服務商的交集樞紐。」看來是要成為操作系統的節奏。

就像福特剛宣布的運輸出行雲,亞馬遜網路服務(Amazon Web Services)的「未來之城」技術,西門子的智能平台,IBM 的智慧城市,Coord 致力於解決實實在在、非常惱火的城市難題。

「城市裡數據已經可以調度計程車,共享單車,大型交通網路公司,以及信號燈,但是這些途徑通常都是各自孤立運行,」哈佛大學肯尼迪學院研究大數據與政府的 Stephen Goldsmith 說,

「現在明顯需要一個平台整合這些所有數據,因為這樣的數據量可以想見將會很龐大。」整合這些數據可能實現重大交通突破,比如可以由此發現服務供給多餘甚至完全閑置的區域。

但是數據合併也會帶來問題。

大量寶貴的數據在交出去之前,各大城市應該考量這些數據的接手方是哪裡,提供數據的目的以及披露的限度和對此的安全措施。

目前而言,Smyth 表示 Coord 處理的數據針對的是基礎設施而不是個人用戶,他說:

「我們現在提供的許多信息不是關於個人或他們的移動情況,而是關於路沿,收費路段,停車場這類不會具體到個人的方面。」

例如一個使用 Coord 的共享單車企業,可以在像谷歌地圖這樣的導航 app 上,看到和自己提供的服務平行的其他出行工具。

終端用戶定位到一個自行車後,可以在幾個運營商間比價然後再騎,全過程不會留下信用卡信息。

又比如路橋收費商與 Coord 合作的話,可以推送浮動的公路收費價格,這樣駕駛者在出門前就了解到路上的花費。

Sidewalk Labs 已經掌握了相當一部分私有停車場的數據信息,駕駛者早就在谷歌地圖 app 上找到收費停車點,縮減了四處找地方停車而浪費的時間。

1、而現在 Coord 推出一個叫「Surveyor」的新工具,是讓調查員可以通過 AR 技術,在僅僅 4 分鐘內,數字化處理整個街區上的路沿空間。

該公司已經在紐約、洛杉磯、舊金山和西雅圖的核心商區實現了這樣的數字化處理路邊情況的功能——包括停車收費表,停車標識以及路邊線。

2、這意味著,曾經無法在整個城市區域層面準確統計到的停車點數量,現在可以隨時統計到了,而且可以因需再分配、布置。也許這裡設置了共享單車站的話,那裡就安置個預約汽車共享點。

當然,操作系統好不好還是取決於在其中運行的應用程序。Smyth 表示 Coord 現在正忙著和各種類型的服務提供商建立合作,他自己也是非常忙。不管怎麼說,還是暫且歡迎互聯網企業走進現實生活吧。

喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 機器之心 的精彩文章:

自動選模型+調參:谷歌AutoML背後的技術解析
在線深度學習:在數據流中實時學習深度神經網路

TAG:機器之心 |