日前，由中國電動汽車百人會、中國信息化百人會、湖州市人民政府主辦的“2019全球未來出行大會”在浙江德清舉行。在“智能網聯汽車開啟智慧物流新時代”的主題論壇中，中寰與上海國際港、京東集團、地上鐵、圖森未來、丹鳥物流等行業知名企業共同圍繞智慧物流網聯化分享了各自的技術和實踐。 

四維圖新旗下中寰衛星作為商用車智能網聯技術領域的重要代表受邀出席。中寰產品總監陳紅濤博士發表了題為《“人、車、路”協同的物流安全智能網聯解決方案》的演講。 

在新一輪技術革命驅動下，全球出行產業正在經歷一場前所未有的深刻變革。同時，電動化、智能化、網聯化、共享化的前沿出行創新工具和技術正深刻地影響著物流產業。中寰利用自身在商用車智能網聯領域的多年積累，推出了面向道路運輸行業、物流企業、商用車司機車主的道路運輸安全產品解決方案智能副駕。 

依托車載智能硬件T-Box、ADAS和DMS設備，通過傳感器數據融合和智能算法，結合ADAS地圖位置服務，智能副駕從“人、車、路”三方面建立協同的安全管理機制，可及時感知道路運輸過程中的不安全因素，并通過安全監控管理平臺，實時呈現、預警，以安全共管云平臺方案，為商用車安全管理提供工具、手段和依據。 

中寰通過對車輛運輸過程的各項關鍵性數據進行采集，建立綜合分析評分機制，自動化、可定制化地向監管部門和運輸企業輸出各級綜合管理、考評報告、道路風險趨勢分析、運輸經營風險分析等。 

陳紅濤博士指出：“針對近期發生的多起超載事故，全社會應該共同努力，消除安全隱患。在這方面我們也在努力，推出了中寰商用車智能載重預警平臺。中寰智能載重算法，對載重預警準確率在90%以上。可結合中寰智能副駕平臺對物流運輸企業、保險公司、監管部門、司機及家人提供較全面的多方安全共管，保證物流運輸生產的安全進行。安全共管，利國利民。” 

以下為演講實錄：

大家好，很高興和大家分享一下我們公司在交通安全方面做的工作。這時基于人、車、路協同的物流安全智能網聯解決方案。我們之前和很多的物流的司機，物流企業做交流的時候，我們會問他們最關心的問題是什么？ 

相當一部分的司機會說如果可以給我更多的貨源，讓我可以賺更多的錢，但是我們也會發現，很有可能一次的交通事故會給一個家庭甚至是給一個企業帶來非常巨大的影響。 

澳洲做了一個公益性的活動，就問行人去年交通事故造成的死亡人數大概是253個，問他們從你個人的角度來說，你可以接受的數量是多少，他說70個左右是可以接受的，然后導演就叫了70個人過來，其中大部分人是他的家庭成員，然后問他你可以接受的人數是多少，他說我可以接受的是零。每一次的交通安全事故，對每一個家庭來說都是不可承受的生命之痛。 

從運輸安全的主要的隱患主要是三個方面：帶病車輛，貨位超限和不安全的駕駛。去年貨運車輛導致交通致死的事故是48.23%，但是貨運車在全國飽有量的占比是10.73%，差不多10%的車輛造成了近一半致死亡的交通事故。2019年3月份發布的統計報告，在所有的道路交通事故中有大類型，一個是碰撞占比是85.4%，造成死亡的事故是85.2%，側翻的事故占比是10.8%。 

看幾起重大的交通事故，這是2018年11月份蘭州高速的特大事故，在蘭州南的收費口有一個17公里的大下坡，司機一路踩剎車導致剎車片失靈，事故造成了15人死亡，44人受傷。第二起是2018年的11月，因卡車司機疲勞駕駛，沖向了卡車的護欄，造成了幾個小時10公里的大面積的擁堵。第三個是這個月在無錫的高架橋的側翻，事故是超載引起的，造成了三死二傷的慘劇。 

所以如何可以降低道路安全事故，我們也做了很多的工作，提出了基于人、車、路協同的解決方案！ 

首先是人。從人的角度來說，我們先解決所有的上車的司機必須是具有從業資格的，一輛大貨車的卡車司機從真正的上車到獨立開，要三年以上，所以通過智能攝像頭進行人臉識別，判斷他是不是有資格去開車，這是第一步。 

在具體的開車過程中，得益于人工智能大數據的技術，我們現在至少可以對駕駛員的行為做很好的檢測，比如說在整個行車的過程中，左顧右盼，接打電話，低頭，疲勞，閉眼所有的危險駕駛行為，我們都可以很好了去捕捉。還有急剎車，急加速，超速，急轉彎所有的不安全的駕駛行為都可以進行記錄，通過這些記錄可以對每一個駕駛員進行打分，從二個維度去建立模型。 

一個是經濟的維度進行打分，另外是從安全的維度，包括急剎車，急轉彎，打電話的行為，車道偏離等信息對他進行建模，有了這些建模的信息以后，就可以對他進行有針對性的安全教育。 

原來我們進行的安全教育通常都是千篇一律的，每一個人的教材基本都差不多，結合每一個駕駛員的駕駛的行為，可以編制有針對性的教材，達到安全教育的精細化的管理。以上這些是從人的角度進行安全的管控。 

第二個是車的角度，目前我們已經和八家廠商提供T-Box的數據預處理，包括油門踏板，離合器等等的數據，我們的T-Box里面會配備一系列的預處理的算法，包括加速的算法，超速的算法，大概有幾十項，經過了算法的預處理以后，可以得到一些數據，包括總的行駛里程，把這些數據應用到各個方面，比如說車輛的故障檢測，我們可以通過CAN總線獲取車輛的故障碼數據對車輛進行健康的分析，同時提出了預先性維修，沿途給它提供一些相應的解決辦法。 

因為我們在實際的調研過程中發現，比如說有一些配件，如果沒有很好的提前做準備的話，你很有可能要等很長的時間，通過預先性維修的解決方案，我們可以和零配件的公司以及維修點合作，通知他們提前進行庫存的準備，提高維修的項目。 

另外我們也可以對司機進行維保提醒，消除安全隱患。我們還提出了智能載重算法，從物理學的原理來說比較簡單，實際在運行的過程中，要考慮多種的因素去實現整個的載重算法，實際檢驗的效果來說，準確率會在95%左右，如果結合了載重算法加上我們所擁有的數據，以及每一輛車航行的方向，這次無錫的事故或許是可以避免的。 

還可以做到ADAS的主動安全預警，可以做到一個是前向碰撞預警，第二個是車道偏離，第三個是行人碰撞的預警和車距過近的預警。有了剛才的這些手段，比如說通過ADAS判斷主動安全的預警，當司機已經極度疲勞的時候，只是報警他基本是不會醒過來的，這時候我們必須要通過自動處理來去避免一些事故的發生，這時候我們就需要配備AEBS，當檢測到真正的有風險的時候，已經不可能指望駕駛員去處理，必須要自主的進行剎車。所以從車的角度來說，應該是一套完整的從預警到控制的系統。 

第三個是從“路”的角度，這也是從國內的解決方案來說，是少有的可以提供從路的角度進行安全的防范。我們提出了把地圖作為傳感器，比如說雷達，激光雷達等等的傳感器，一般的距離就是幾十米到二百米左右，通過ADAS地圖數據獲取超長距離道路信息能有效的補充智能感知周圍道路信息的數據。 

比如說包括連續轉彎，連續下坡，弱勢群體，車道的模型和速度的限制等等，所有的這些都已經是包含在我們的ADAS1.0的地圖系統里面，目前覆蓋了全國有117萬的公里長度，高速大概覆蓋了80%，城市內道路大概是30%，全國已經覆蓋了339個城市。 

在范圍上一方面我們積累更多的歷程，覆蓋更多的城市，同時又改善了一些車道分割帶的類型，中央隔離帶的類型，從精度的角度，我們提升了道路幾何，道路屬性等等。我們可以看一下ADAS地圖的應用場景，比如說蘭州的這次事故17公里的長下坡，如果有了ADAS地圖，可以提前告訴司機，同時我們也可以讓司機提前知道前方的氣象狀況和交通狀況。 

我們在ADAS地圖上又往前進了一步做了一些研究，提出了PCC預先性巡航，把地圖的數據裝到我們的T-Box里面，這樣子的話，車輛會知道前方的路況，然后車輛來判斷應該采取一個怎么樣的駕駛行為，我們結合優秀駕駛員的行為模擬這些駕駛行為。比如說一個基本的口訣：“小坡沖、平路穩、下坡滑，大坡提前降檔”從而實現最好的一個駕駛行為的控制方式。 

這是一個算法，但是在實際的運行過程中，我們會考慮很多的因素，比如說車輛的載客，滾動阻力系數，人工阻力系數等等，我們做了一個實車的驗證，有三輛車是司機自己開的，有二輛是通過PCC控制的，通過PCC來控制開的更快，平均油耗節省了6.4%左右。6.4%相當于一年可以節約1.2萬左右，這是一個相當可觀的數字了。 

所有的技術不能解決所有的問題，必須要配備其他的方式，首先風險等級管理，比如說抽煙是在貨運車上非常提神的方式，我們根據不同的場景來分高危，嚴重和一般，根據不同的報警的級別進行不同的處理。比如說通過人工的干預和公司管理行為的控制，有一些獎懲的辦法，在實際的過程中，我們發現有一個辦法挺管用的，就是把告警的信息從傳統的“滴滴”的方式，轉換成愛人或者是孩子的錄音，把這個作為告警的方式有的時候還比較管用。 

最后喊一個口號：安全共管，利國利民，謝謝大家！