当前位置: 首页 > 物流沙龙 > 正文

冷冰冰的数字之下 如何利用科技如何拯救中国运输人生命?

2020-05-21 08:14:21

  保护运输人的生命安全,已经成为整个物流行业的重要使命。“在中国,每年有两万名卡车司机因交通事故死亡。”在5月14日的G7科技安全日发布会上,G7 CEO翟学魂说。

  数据显示,中国有大约3000万名运输人,以及超过1000万辆货运车辆。他们每天奔波在全国501万公里的公路上,为国民经济的正常运转提供物资保障。

冷冰冰的数字之下  如何利用科技如何拯救中国运输人生命?

  交通运输部5月12日发布的《2019年交通运输行业发展统计公报》显示,2019年全年,全国营运货运车辆共完成货运量343.55亿吨。这意味着,平均每个中国人每年需要运输人们为其运送26吨物资。

  然而,这3000万运输人的日常工作,却面临着严峻的风险考验。5月14日,普华永道联合G7、中国交通报,发布了《中国公路货运行业智慧安全白皮书》。从这份白皮书中,我们得以一窥中国公路货运行业的风险与运营状态。

  白皮书指出,截至2019年末,中国公路货运行业每百万公里事故数为3.7起,但在美国,这一数字却只有0.1左右。一次严重的卡车事故,单次损失高达几十万元。如果出现人员伤亡,其损失更是无法用数字估量。

  在冷冰冰的经济损失之下运输人的人身安全更值得关注。每一场严重交通事故的背后,都意味着一位卡车司机的离去。而每一位运输人的离去,都意味着一个家庭的破碎。保护运输人的生命安全,已经成为整个物流行业的重要使命。

新科技拯救运输人

  在我国,货运交通事故发生的高危时间、地点,分别是什么?

  《中国公路货运行业智慧安全白皮书》显示,在事故地点上,国道、省道的百万公里事故数分别为11.4、9.3起,而高速公路的百万公里事故数为1.9起。与国道、省道相比,高速公路的路况与管理水平更高,事故风险更低。

  而在事故时间上,早7点-9点是交通事故的高发时段,而前半夜(20-23点)则是交通事故的低发时段。形成这种现象的原因是什么?专家分析称,运输人在经历了一整晚的驾驶后,往往会在早上迎来最为疲惫的时段,极易出现疲劳驾驶状况。此外,早间道路车辆增多,也加剧了事故风险隐患。

  不难看出,在货运物流过程中,运输人面临着各种各样的风险因素。「疲劳、困倦、贪玩,是运输人的三大杀手。」翟学魂表示。与恶劣天气、危险路况等客观因素相比,司机自身的危险驾驶行为并非无法避免,只要有了有效的干预手段,司机的安全指数就可以大幅提升。

  有过长途自驾经验的朋友都知道,开车犯困时,再香浓的咖啡,都不比不过副驾驶座位上家人的一句提醒。近年来,AI、5G、物联网等新技术的发展,也能让机器代替人类,对司机的危险驾驶行为进行监测与干预。

  为此,G7在5月14日的安全科技日上发布了新的货运物流安全解决方案「G7安全管家2.0」。这是一个可以对司机危险驾驶行为进行有效干预,并实现长期安全风险预测的系统。

  早在1.0时代,G7安全管家就可以通过ADAS(高级驾驶辅助系统)+DMS(驾驶员状态监测)两大摄像头,监控危险驾驶行为。这两个摄像头,一个(ADAS)用于监测车辆前方的危险因素,如车距过近等;另一个(DMS)则可以监测司机,识别出司机的疲劳驾驶、注意力分散行为,如闭眼、打瞌睡、玩手机等等。

  一旦监测到上述危险驾驶信息,G7安全管家就可以对司机发出警告,及时干预危险驾驶行为。

  然而,在经过长时间的研究后,G7却发现,这种基于危险驾驶行为的实时事后干预,只能覆盖到20%的道路安全风险。而最终被成功干预、解决的风险,更是只有10%。

  安全管家1.0产品的局限在哪里?G7发现,在早期,整个行业都只关注到了对风险行为本身的实时监测与干预,却不能对司机的长期驾驶行为进行预测、感知与风险规避。为此,2.0版本的 G7安全管家由此诞生。

  在G7安全管家2.0的发布会上,翟学魂指出,G7的新产品已经具备了大数据分析、感知、预测能力,产品不再局限在几秒钟内的安全提醒,而是可以过物联网、大数据和人工智能技术,有效预测不同卡车司机与车队的长期安全风险。

  「在此基础上,我们可以开展有针对性的安全管理服务。」 翟学魂说。据他介绍,这项新技术可以让卡车事故赔付率减少20-30%,并挽救成千上万条生命。”

长期预测全局风险

  在货运物流行业,如何通过一次次的驾驶行为监测,预测司机、车队的长期安全驾驶风险?

  G7的尝试,基于它与保险公司之间的深度合作。G7获取了上万起货运物流交通事故的精准数据,包括事故时间、地点及司机的驾驶行为。这些数据极为详尽,涵盖事故发生的具体路况,司机的具体驾驶行为,如是否踩刹车、是否出现疲劳驾驶等。

  在这些数据的基础上,G7分析出了事故本身与时间、地点、司机驾驶行为的因果关系,并开始在因果关系中总结事故发生规律。

  最终,G7推出了「G7安全分”这一产品,用IoT、大数据的手段为司机、车队打分,预测他们在未来3个月、半年乃至一整年的风险水平,而非下一秒钟的事故风险。有了“安全分」,G7便可以为司机、车队划分出低、中、高等不同的风险等级,再以此为客户提供更好的干预、服务手段。

  G7安全分也因此成为了G7安全管家2.0的核心。在此基础上,G7也可以为保险公司服务,为卡车保险的差异化精准定价提供数据模型。与G7合作的保险公司,可以为不同风险等级的司机及车队,提供“千人千面”的差异化安全服务方案。

  对于低风险车辆,G7只会对司机进行有限程度的干预。而对于高风险车辆,G7会为其配备360°盲区环视屏等全套安全硬件,并通过AI与安全运营人员进行24小时安全干预,帮助其控制风险。

  G7创始人翟学魂表示:「G7安全分可精准预测每位司机不同的事故与赔付概率,进而为低风险的沉稳司机提供简单、低成本的安全服务,为高风险的暴躁司机提供全面的安全服务。」数据显示,G7不仅可以让保险公司实现对车辆的差异化定价,还能显著降低保险公司的赔付率——升级后的G7安全管家,可使赔付率降低20%~30%。

有温度的人工干预

  在人类汽车发展史上,利用科技手段辅助驾驶员,降低事故风险的研究,早在上世纪30年代就已出现,并经历了多次技术迭代。近年来,以人脸识别技术为基础的DMS(Driver Monitor Status,驾驶员状态监测)系统开始兴起,迅速在道路安全领域落地。

  以往,以DMS为代表的驾驶辅助、物流安全服务大多来自海外企业。但如今,随着中国交通物流行业精细化运营水平的提升,包括G7在内的中国智慧物流企业也开始崛起。与国际品牌相比,中国企业的优势在哪里?

  答案,也许是更加有效、务实、接地气、有温度的运营手段。

  以G7安全管家为例,这一服务体系的核心是G7的AI算法、大数据模型,以及配置在车内的硬件终端,但除此之外,人在整套服务体系的作用也不可或缺。

  为了让安全服务真正能服务到司机个人,G7还为司机配备了专职的安全运营人员,她们常常被司机亲切地称呼为「安全小姐姐」。

  安全小姐姐也成为了司机们的一道重要安全防线。当司机出现危险驾驶行为后,G7终端会首先对司机进行机器干预,提醒司机的危险驾驶行为。如果多次警告后,司机仍出现危险驾驶行为,G7的安全小姐姐会主动介入,以语音提醒、拨打电话的方式提醒司机。如果危险驾驶行为持续出现,G7安全小姐姐还会立刻通知车队长,直至司机危险驾驶行为消失。

  上述服务是业内较常见的机器和人工客服实时提醒,除此之外,G7安全小姐姐还可以为高风险司机提供一对一的安全特训,引导司机改变驾驶行为,进而从长期上降低风险。针对有安全管理需求的车队,她们还会以“小报告”的形式每日向车队长汇报司机的驾驶情况,并提示车队长对“高危司机”特别关注。

  例如,针对不同类型的司机,安全小姐姐们可以采取不同的干预策略。

  对于反复出现疲劳驾驶的司机,安全小姐姐会使用强干预手段。“直接打电话过去,强制把司机叫醒,目的是让风险下降和消失。”G7研发副总裁向伟说。

  但对于没有车队长管理的个体司机,安全小姐姐的策略会更加温柔,在大多数时间,她们会采用循循善诱的激励手段,鼓励个体司机安全驾驶。

  在翟学魂看来,G7不仅仅是一个卖技术、卖产品的公司。「以前,我们只做技术,就是卖软件给别人。软件能做到什么程度,我们不知道,也不管。」他说,「现在,我们会直接为司机的安全负责。我们安全运营团队的KPI,就是将司机的死亡率降到最低,必须做到个体司机的百万公里事故率控制在2.5次以内。这就是单纯做技术与做安全管家服务的区别。」

  在ADAS、DMS等设备服务日趋同质化的大背景下,整个智慧物流行业的竞争必然会迈入重运营、重服务、重成果的时代。也许,未来行业内会有越来越多的玩家发现,技术并不是万能的,只有将专业的技术与接地气的运营策略、及时且恰到好处的人工干预结合起来,才能真正地服务好每一位卡车司机,降低他们的安全风险。

  毫无疑问的是,物流行业的智慧化还将持续。《中国公路货运行业智慧安全白皮书》显示,与美国等发达国家相比,中国的货运物流安全水平还有较大提升空间。而这一水平的提升,也离不开从司机到车队、物流公司,以及技术服务商、政府、行业协会的共同努力。

【独家稿件及免责声明】本网注明转载文章中的信息仅供用户参考。凡注明来源“运输人网”的作品,未经本网授权均不得转载、摘编或使用。联系邮件:master@yunshuren.com

点击关键字阅读相关文章: 文章来源:36氪
阅读
收藏 收藏

评论

评论内容最少2字,最多200字
check in
同步到在路上
report
图片
热门活动
品牌车系用途
推荐品牌
精选车系
说说你的看法 说说你的看法...
join favorite