AI 驱动的现场作业

当三大平台融合

Fleet + Publish + Foundation 相结合,创造出全新的能力:AI 驱动的现场作业。在这个全面互联的系统中,人工操作员成为智能边缘节点。

手持 iPad 的卡车司机会收到由 AI 规划的收运路线。系统掌握每辆车的位置。操作员可以通过语音或文字更新路线,AI 会立即重新规划所有受影响的路线。


问题:动态世界中的静态路线

传统的现场作业在前一天晚上就已规划好:

  • 路线规划:调度员手动制定路线,或使用夜间批量优化
  • 临时变更:司机生病?街道堵塞?只能打电话、重新规划,一片混乱
  • 缺乏实时可见性:想知道“47 号卡车在哪里?”还得用无线电呼叫
  • 纸质流程:工单需要打印,完成状态需要手动重新录入
  • 信息孤岛:司机知道的情况,调度员不知道,客户更是一无所知

一旦实际情况偏离计划,整个系统就难以适应。


解决方案:AI 引导的现场作业

┌─────────────────────────────────────────────────────────────────────┐
│                    UBUNTU SOFTWARE UNIFIED STACK                     │
├─────────────────────────────────────────────────────────────────────┤
│                                                                      │
│  ┌─────────────┐    ┌─────────────┐    ┌─────────────────────────┐  │
│  │   PUBLISH   │    │    FLEET    │    │      FOUNDATION         │  │
│  │             │    │             │    │                         │  │
│  │ Work orders │    │  Vehicles   │    │  Offline-first sync     │  │
│  │ Forms/PDFs  │◄──►│  Telemetry  │◄──►│  Automerge CRDT         │  │
│  │ Kiosks      │    │  Commands   │    │  NATS JetStream         │  │
│  │ Translation │    │  Digital    │    │  SQLite everywhere      │  │
│  │             │    │  Twins      │    │  WellKnown Gateway      │  │
│  └─────────────┘    └─────────────┘    └─────────────────────────┘  │
│         │                  │                       │                 │
│         └──────────────────┼───────────────────────┘                 │
│                            │                                         │
│                            ▼                                         │
│  ┌─────────────────────────────────────────────────────────────┐    │
│  │                   FIELD OPERATOR (Human Edge)                │    │
│  │                                                               │    │
│  │   iPad/Phone with:                                           │    │
│  │   • Real-time route display (2D/3D)                          │    │
│  │   • AI-directed pickup notifications                         │    │
│  │   • SST/voice input for route changes                        │    │
│  │   • Offline capability (queues sync when connected)          │    │
│  │   • Position tracking (device GPS)                           │    │
│  │   • Work order completion/forms                              │    │
│  └─────────────────────────────────────────────────────────────┘    │
│                            │                                         │
│                            ▼                                         │
│  ┌─────────────────────────────────────────────────────────────┐    │
│  │                      VEHICLE (Truck)                         │    │
│  │                                                               │    │
│  │   • CAN bus telemetry (engine, fuel, diagnostics)            │    │
│  │   • GPS position (location tracking)                         │    │
│  │   • Gateway syncs to NATS JetStream                          │    │
│  └─────────────────────────────────────────────────────────────┘    │
│                                                                      │
└─────────────────────────────────────────────────────────────────────┘

核心洞察: 人工操作员就是边缘计算节点。他们的设备提供定位、接收 AI 指令,并能随时更新系统,就像网络中的其他传感器一样。


示例:重新构想垃圾收运

以下具体示例展示了该架构的工作方式:

早晨:AI 规划一天的工作

  1. 系统掌握所有收运地点、优先级和垃圾箱满溢程度(IoT 传感器)
  2. AI 为每辆卡车计算最优路线:尽量缩短行驶距离,同时遵守时间窗口
  3. 换班开始前,路线自动推送到司机的平板电脑
  4. 每位司机都能在 2D/3D 视图中看到自己的专属路线,并获得逐向导航

作业期间:实时调整

1 号司机报告:“Main St 123 号因施工封路”

Driver speaks into tablet
    └─▶ SST converts to text
    └─▶ System marks location as blocked
    └─▶ AI refactors all affected routes
    └─▶ Updated routes push to affected drivers
    └─▶ Total time: seconds

无需电话,无需调度员介入,系统会自动处理。

与此同时:

  • 调度仪表板实时显示所有卡车
  • 客户门户显示其收运的预计到达时间
  • 每次完成的作业都会自动记录
  • 每项变更都会被审计,并保留完整的来源记录

人机协同

操作员可以随时否决 AI 的决定:

输入方式示例系统响应
语音(SST)“跳过 Oak Ave 456 号,客户不在家”标记跳过,调整路线
触控在地图上点击位置,选择“受阻”从所有路线中移除
表单填写服务表单并添加备注记录完成情况,触发计费
手动覆盖拖动路线以更改顺序接受更改,重新优化后续路线

AI 增强人的判断,而不是取代它。


人机协同:操作员即边缘智能

真正的突破不只是 AI,而是 AI 与人的判断协同工作。现场操作员不是被动接收指令的人,而是系统中的智能节点。

全面接入的设备

每位司机的 iPad 或手机既是传感器,也是执行器:

┌─────────────────────────────────────────────────────────────────┐
│                    DRIVER DEVICE (iPad/Phone)                    │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  INPUTS (Sensing)              OUTPUTS (Acting)                  │
│  ─────────────────             ────────────────                  │
│  • GPS position                • Route display (2D/3D)           │
│  • Voice commands (SST)        • Turn-by-turn directions         │
│  • Touch interactions          • Pickup notifications            │
│  • Form submissions            • Alert sounds/haptics            │
│  • Camera (proof of service)   • Customer ETA updates            │
│  • Accelerometer (driving)     • Route change confirmations      │
│                                                                  │
│  LOCAL INTELLIGENCE                                              │
│  ──────────────────                                              │
│  • SQLite database (offline state)                               │
│  • Automerge CRDT (conflict-free sync)                           │
│  • Background location tracking                                  │
│  • Push notification handling                                    │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

系统知道每位司机在哪里、正在做什么,并能即时联系到他们。但更关键的是,司机也可以向系统反馈。

语音驱动的路线重构

语音转文字(SST)让司机无需动手即可更新系统:

司机说系统执行
“Main 123 号因施工封路”将该地点标记为受阻,重构所有受影响的路线
“跳过下一个收运点,家里没人”从路线中移除,通知客户,调整预计到达时间
“Oak Street 的垃圾箱满溢了”标记为优先,可能改派给更大的卡车
“休息 15 分钟”调整所有后续预计到达时间,通知受影响的客户
“路线完成”关闭路线,更新仪表板,触发计费

无需给调度打电话,也没有无线电通话。司机说话,AI 倾听,系统随之调整。

决策权层级

人的判断优先于 AI 的建议:

┌─────────────────────────────────────────────────────────────────┐
│                     DECISION AUTHORITY                           │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│   1. DRIVER ON-SITE      ───────────────────────▶  HIGHEST      │
│      Sees reality, can override anything                         │
│                                                                  │
│   2. DISPATCHER          ───────────────────────▶  HIGH         │
│      Fleet-wide view, can reassign routes                        │
│                                                                  │
│   3. AI OPTIMIZER        ───────────────────────▶  MEDIUM       │
│      Suggests routes, adapts to changes                          │
│                                                                  │
│   4. SCHEDULED PLAN      ───────────────────────▶  LOWEST       │
│      Starting point, always subject to reality                   │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

AI 固然强大,但最终决定权在亲临现场的人手中。


发布:单一来源,全渠道输出

Publish 平台 从单一事实来源生成所有输出。

物流输出

源定义生成的输出
收运记录平板屏幕、PDF 清单、客户短信、信息亭显示
路线计划司机逐向导航、调度仪表板、客户预计到达时间
服务表单数字表单、可打印 PDF、OCR 扫描的纸质表单
每日汇总电子邮件报告、仪表板小组件、合规导出

一次定义,多处输出。 修改源数据,所有渠道自动更新。

多语言现场团队

现场人员使用不同的语言?Publish 负责翻译:

  • 1 号司机的平板:英语
  • 2 号司机的平板:西班牙语
  • 客户门户:客户的首选语言
  • PDF 清单:公司标准语言

同一份数据,本地化呈现,无需重复管理内容。

可回流的表单

服务完成表单会回流到系统中:

Driver completes pickup form
    └─▶ Photo attached (proof of service)
    └─▶ Notes recorded ("Container damaged")
    └─▶ Time stamped automatically
    └─▶ GPS coordinates captured
    └─▶ Data syncs via Foundation
    └─▶ Billing system updated
    └─▶ Customer notified
    └─▶ Maintenance ticket created (if needed)

表单不仅用于采集数据,还会触发下游自动化。

数据主权

你的数据流向何处?WellKnown Gateway 确保即使在向 Salesforce、车队追踪系统或计费服务商等外部平台发布数据时,数据仍归你所有。

核心原则: 你向平台发布数据。数据归你所有,而不是归平台所有。

完整了解 Publish 平台 →


Fleet 集成:车辆即数据源

Fleet 架构提供车辆层,让卡车成为数据丰富的数字孪生。

卡车掌握的信息

每辆车都通过 CAN 总线网关传输遥测数据:

数据点来源用途
GPS 位置车载信息模块实时追踪、预计到达时间计算
发动机状态ECU健康监测、维护提醒
燃油量燃油传感器续航估算、加油调度
车速轮速传感器安全监测、路线计时
诊断信息OBD-II / J1939预测性维护
车门状态车身控制器服务核验
载重称重传感器容量管理

卡车不只是运输工具,更是移动的传感器平台。

数字孪生同步

每辆卡车在系统中都有一个数字孪生:

Physical Truck                    Digital Twin
─────────────                    ────────────
Position: 34.05°, -118.24°   →   state.position
Fuel: 67%                    →   state.fuel
Engine: Running              →   state.engine
Speed: 25 mph                →   state.speed
Door: Closed                 →   state.door
Weight: 3,400 lbs            →   state.weight

调度员看到的是实际情况,AI 基于实际情况进行优化,客户获得准确的预计到达时间。

Fleet 架构 → | 地面车辆 → | 车辆网关 →


Foundation:一切以离线优先

Foundation 平台确保即使网络中断,系统也能正常运行。

为什么离线能力很重要

现场作业往往发生在网络失效的地方:

  • 地下停车场
  • 信号不稳定的农村地区
  • 隧道和地下通道
  • 活动期间人流密集的区域
  • 国际边境(漫游盲区)

如果你的应用离线就卡死,你的业务也会随之停摆。这是不可接受的。

Automerge CRDT:无冲突同步

离线时做出的更改会在网络恢复后干净地合并:

Driver A (online):    Marks pickup complete at 9:15am
Driver B (offline):   Marks same pickup skipped at 9:14am (tunnel)

Driver B reconnects:
    └─▶ Automerge detects conflict
    └─▶ Applies "last write wins" or custom merge rule
    └─▶ Both changes preserved in history
    └─▶ Alert triggers for dispatcher review
    └─▶ No data loss, no app crash

传统数据库可能会损坏或丢失数据,而 CRDT 能从容应对。

无处不在的 SQLite

每台设备都有完整的本地数据库:

  • 司机平板:路线、客户、表单、历史记录
  • 调度仪表板:车队状态、警报、分析
  • 客户门户:客户的服务记录、即将进行的收运

没有网络?没问题。应用所需的一切都在本地。

Foundation 平台 →


全面感知:2D/3D 可视化

操作员和调度员看到的是同一个现实:

司机视图(平板)

  • 当前路线及逐向导航
  • 下一个收运点的详情和客户备注
  • 所在区域内的所有其他卡车(态势感知)
  • 交通与路况叠加图层

调度视图(仪表板)

  • 地图上所有车辆的位置
  • 每位司机当前的路线进度
  • 突出显示的警报和异常
  • 历史轨迹和审计记录

客户视图(门户)

  • 服务的预计到达时间
  • 司机即将到达的通知
  • 服务完成确认

所有视图都源自同一个实时数据流,并自动保持同步。


技术基础

离线韧性

网络中断时,系统仍能继续运行:

Connectivity lost
    └─▶ App continues with local SQLite
    └─▶ Changes queue in Automerge CRDT
    └─▶ Position caches locally

Connectivity returns
    └─▶ Automerge merges all changes
    └─▶ No conflicts, no data loss
    └─▶ System catches up automatically

现场作业不能因网络问题而停止。这套架构确保它们不会停止。

实时同步

联网时,更改会即时传播:

Driver completes pickup
    └─▶ Form data saves to local SQLite
    └─▶ Automerge syncs to NATS
    └─▶ JetStream persists event
    └─▶ Dashboard updates
    └─▶ Customer notified
    └─▶ Total latency: <1 second

通知架构

每台设备都订阅相关的 NATS 主题:

主题模式接收方
fleet.prod.veh.{id}.route.*该司机的设备
fleet.prod.veh.*.state.pos调度仪表板
fleet.prod.customer.{id}.*客户门户

更改只需发布一次,即可自动送达所有相关方。


不止于垃圾收运

同样的模式适用于各类现场作业:

行业应用
废弃物管理路线优化的收运、满溢程度传感器
配送与物流最后一公里优化、交付证明
现场服务技术人员调度、零部件库存
农业农机协调、收获路线规划
建筑设备与材料配送、工地物流
公用事业抄表路线、服务上门
医疗保健居家护理探访、样本采集

相同的架构,相同的模式,不同的领域数据。


安全与数据主权

你的运营数据始终归你所有:

原则实现方式
自主主权数据存储在你的基础设施或我们的基础设施上,由你选择
WellKnown Gateway向平台发布数据,不被锁定
端到端加密数据在传输和存储时均加密
零信任每台设备都经过认证,每个请求都经过授权
审计记录每项变更都有日志,并保留完整的来源记录
离线优先数据存放在设备上,而不仅仅在云端

WellKnown Gateway → | 授权与许可 →


立即开始

AI 驱动的现场作业彻底改变了工作方式。你的操作员将成为实时自适应系统中的智能边缘节点。

准备好了解 Fleet + Publish + Foundation 如何改变你的现场作业了吗?

联系我们 →