在以福特T型車開始的一個世紀的汽車發展中，學習駕駛汽車已成為幾乎一種通行的儀式，而良好的駕駛技能是許多人的驕傲（想想一級方程式賽車或納斯卡賽車，或那個朋友毫不費力地平行停放）。結果，我們人類通常很難想象成為我們自己的自動駕駛汽車中的乘客。

盡管大流行使許多道路和公路空蕩蕩，但當局仍發現仍在行車的人中撞車的比例有所增加。我們知道，用數據和計算能力替代或補充某些人工任務可以改善結果。而且，盡管有關自動駕駛汽車安全性的爭論仍在繼續，但我們可以看到，例如，通過AI增強的駕駛員輔助系統可以使道路更安全。

自動駕駛技術背后的驅動力是計算機視覺（CV）和 人工智能 （AI）。這些技術的應用也存在于公用事業行業中，創新者正在發現它們。隨著企業公用事業領導者不斷發展其業務模型，以通過創新或合作關系開拓新的市場機會來保持競爭力，人工智能和CV為改善供應鏈和電網管理提供了希望。

預測未來

作為AI的高級子集，“計算機視覺”是指允許機器解釋視覺輸入的任何方法。早期的方法將圖像分解為像素數據的一維數組，并使用形狀的邊界和邊緣從2D圖像渲染3D模型。

從那時起，CV已發展為基于特征的對象識別和卷積神經網絡或CNN的使用。社交媒體網站提供了CNN功能的一個很好的例子。當在圖像中標記用戶時，算法會“學習”該用戶面部的特征。然后，CNN應用一組過濾器來計算新圖像與特定用戶匹配的可能性。這些方法還可以幫助實時識別可疑的入店行竊者，從而減少庫存損失。

隨著衛星和無人機圖像的使用成為公用事業資產管理的標準，這些相同的CV技術可以幫助預測何時需要維修或更換資產。換句話說，CV和AI可以幫助公用事業預測未來。

挖掘海量數據- “新金”

如今， 公用事業公司 通過傳感器網絡，智能電表，客戶付款系統和衛星圖像收集了大量數據。但是，他們需要一種有效的方法來從無數底層系統中挖掘這些數據。他們還需要將數據組織到一個結構化的網絡模型中，以反映其所有網格資產。通過這樣做，他們可以為將集成CV，AI和其他技術（如智能自動化 和 數據分析）的業務應用程序分層， 以提高性能并提高效率。

使用CV和AI改善資產管理可以通過減少庫存過多和預測資產失效的真實年齡來降低供應鏈成本。這種方法還可以對變量（例如一天中的時間和天氣）進行建模和預測，從而使公用事業公司能夠向電網提供正確的電量。這樣做的好處是可以達到公用事業所追求的更高水平的網格彈性和可靠性，并且客戶的期望值也在不斷提高。

為了克服上述潛在的數據挑戰，我們的 CGI OpenGrid360 解決方案套件提供了一個 集成網絡模型 ，該模型可以使用多種數據源（例如地理空間，影像和資產特征）來監視，預測和維護基礎架構的運行狀況。