شرکتهای Fetch.ai و Datarella پیشبینی کردهاند که پیادهسازی انبوه زیرساخت شهر هوشمند مونیخ انتشار CO2 را تا 34000 تن در سال کاهش خواهد داد.
به گزارش ایتنا و به نقل از ZDNet، بلاکچین میتواند برای تمرکززدایی از الگوریتمهای یادگیری یکپارچه استفاده شود تا مزایای یادگیری ماشین جمعی در میان مالکان متعدد دادهها به اشتراک گذاشته شود. و، در مونیخ، بلاکچین به کسانی که مداما در رفت و آمد هستند برای یافتن یک فضای پارکینگ کمک میکند.
Fetch.ai، لابراتوار هوش مصنوعی مستقر در بریتانیا، سرگرم ساخت یک شبکه یادگیری ماشین غیرمتمرکز برای زیرساختهای هوشمند است.
این شرکت، با همکاری Datarella (شرکت آلمانی فراهمآورنده راهکارهای بلاکچین سازمانی)، پیادهسازی طرح آزمایشی زیرساخت شهر هوشمند در شهر مونیخ آلمان را اعلام کرده است.
طرح آزمایشی زونبندی شهر هوشمند در مونیخ، موسوم به M-Zone، در «ساختمانهای Connex» به اجرا در میآید و از سرویسهای AI مبتنی بر بلاکچین چندعامله برای بهینهسازی منابع پارکینگ در شرکتهای مستغلات تجاری در مرکز شهر برای کاهش ردپای کربن شهر استفاده خواهد کرد.
در یک شهر هوشمند، به جای اینکه در یک محوطه پارکینگ به امید یافتن یک جای خالی به جستجو بپردازید، یک عامل خودمختار درون خودرویتان جستجو و ارتباط برقرار کردن با عوامل پارکینگ مجور را برای یافتن نزدیکترین فضای در دسترس در مقصد مورد نظر شما را انجام خواهد داد، و آن محل را رزرو میکند و سپس شما را به سمت آن هدایت میکند.
وقتی بعدا مجددا به خودرویتان مراجعه کنید و قصد خروج از پارکینگ را داشته باشید، عامل خودرویتان مقدمات خروج از پارکینگ را فراهم میآورد، هزینهای که باید بپردازید را حساب میکند و پرداخت را انجام میدهد، تا به این ترتیب وقتتان برای امور مربوط به بلیت پارکینگ تلف نشود.
عاملهای اقتصادی خودمختار (AEAهای) Fetch.ai از زیرساخت شهر هوشمند در مونیخ از طریق اپلیکیشنی پشتیبانی خواهند کرد که در آن به طور خودمختار بر سر «قیمت» فضاهای پارکینگ بین دارندگان این فضاها و کسانی که به دنبال آن میگردند مذاکره میکنند.
قیمت مورد نظر در «توکنهای» مبتنی بر بلاکچین بر روی پلتفرمهای قرارداد هوشمندی مانند اتریوم میزبانی میشوند.
کاربران میتوانند پاداشهایی بر حسب ارز دیجیتال دریافت کنند اگر فضاهای پارکینگ کمطرفدارتر را انتخاب کنند (یا در برخی از روزها اصلا از پارکینگ Connex استفاده نکنند). Carpark AEA سطوح پاداش را بر مبنای حداکثرسازی استفاده از منابع تعیین میکند.