中寰卫星陈红涛：“人、车、路”智能协同，打造安全出行新模式

日前，由中国电动汽车百人会、中国信息化百人会、湖州市人民政府主办的“2019全球未来出行大会”在浙江德清举行。在“智能网联汽车开启智慧物流新时代”的主题论坛中，中寰与上海国际港、京东集团、地上铁、图森未来、丹鸟物流等行业知名企业共同围绕智慧物流网联化分享了各自的技术和实践。 

四维图新旗下中寰卫星作为商用车智能网联技术领域的重要代表受邀出席。中寰产品总监陈红涛博士发表了题为《“人、车、路”协同的物流安全智能网联解决方案》的演讲。 

在新一轮技术革命驱动下，全球出行产业正在经历一场前所未有的深刻变革。同时，电动化、智能化、网联化、共享化的前沿出行创新工具和技术正深刻地影响着物流产业。中寰利用自身在商用车智能网联领域的多年积累，推出了面向道路运输行业、物流企业、商用车司机车主的道路运输安全产品解决方案智能副驾。 

依托车载智能硬件T-Box、ADAS和DMS设备，通过传感器数据融合和智能算法，结合ADAS地图位置服务，智能副驾从“人、车、路”三方面建立协同的安全管理机制，可及时感知道路运输过程中的不安全因素，并通过安全监控管理平台，实时呈现、预警，以安全共管云平台方案，为商用车安全管理提供工具、手段和依据。 

中寰通过对车辆运输过程的各项关键性数据进行采集，建立综合分析评分机制，自动化、可定制化地向监管部门和运输企业输出各级综合管理、考评报告、道路风险趋势分析、运输经营风险分析等。 

陈红涛博士指出：“针对近期发生的多起超载事故，全社会应该共同努力，消除安全隐患。在这方面我们也在努力，推出了中寰商用车智能载重预警平台。中寰智能载重算法，对载重预警准确率在90%以上。可结合中寰智能副驾平台对物流运输企业、保险公司、监管部门、司机及家人提供较全面的多方安全共管，保证物流运输生产的安全进行。安全共管，利国利民。” 

以下为演讲实录：

大家好，很高兴和大家分享一下我们公司在交通安全方面做的工作。这时基于人、车、路协同的物流安全智能网联解决方案。我们之前和很多的物流的司机，物流企业做交流的时候，我们会问他们最关心的问题是什么？ 

相当一部分的司机会说如果可以给我更多的货源，让我可以赚更多的钱，但是我们也会发现，很有可能一次的交通事故会给一个家庭甚至是给一个企业带来非常巨大的影响。 

澳洲做了一个公益性的活动，就问行人去年交通事故造成的死亡人数大概是253个，问他们从你个人的角度来说，你可以接受的数量是多少，他说70个左右是可以接受的，然后导演就叫了70个人过来，其中大部分人是他的家庭成员，然后问他你可以接受的人数是多少，他说我可以接受的是零。每一次的交通安全事故，对每一个家庭来说都是不可承受的生命之痛。 

从运输安全的主要的隐患主要是三个方面：带病车辆，货位超限和不安全的驾驶。去年货运车辆导致交通致死的事故是48.23%，但是货运车在全国饱有量的占比是10.73%，差不多10%的车辆造成了近一半致死亡的交通事故。2019年3月份发布的统计报告，在所有的道路交通事故中有大类型，一个是碰撞占比是85.4%，造成死亡的事故是85.2%，侧翻的事故占比是10.8%。 

看几起重大的交通事故，这是2018年11月份兰州高速的特大事故，在兰州南的收费口有一个17公里的大下坡，司机一路踩刹车导致刹车片失灵，事故造成了15人死亡，44人受伤。第二起是2018年的11月，因卡车司机疲劳驾驶，冲向了卡车的护栏，造成了几个小时10公里的大面积的拥堵。第三个是这个月在无锡的高架桥的侧翻，事故是超载引起的，造成了三死二伤的惨剧。 

所以如何可以降低道路安全事故，我们也做了很多的工作，提出了基于人、车、路协同的解决方案！ 

首先是人。从人的角度来说，我们先解决所有的上车的司机必须是具有从业资格的，一辆大货车的卡车司机从真正的上车到独立开，要三年以上，所以通过智能摄像头进行人脸识别，判断他是不是有资格去开车，这是第一步。 

在具体的开车过程中，得益于人工智能大数据的技术，我们现在至少可以对驾驶员的行为做很好的检测，比如说在整个行车的过程中，左顾右盼，接打电话，低头，疲劳，闭眼所有的危险驾驶行为，我们都可以很好了去捕捉。还有急刹车，急加速，超速，急转弯所有的不安全的驾驶行为都可以进行记录，通过这些记录可以对每一个驾驶员进行打分，从二个维度去建立模型。 

一个是经济的维度进行打分，另外是从安全的维度，包括急刹车，急转弯，打电话的行为，车道偏离等信息对他进行建模，有了这些建模的信息以后，就可以对他进行有针对性的安全教育。 

原来我们进行的安全教育通常都是千篇一律的，每一个人的教材基本都差不多，结合每一个驾驶员的驾驶的行为，可以编制有针对性的教材，达到安全教育的精细化的管理。以上这些是从人的角度进行安全的管控。 

第二个是车的角度，目前我们已经和八家厂商提供T-Box的数据预处理，包括油门踏板，离合器等等的数据，我们的T-Box里面会配备一系列的预处理的算法，包括加速的算法，超速的算法，大概有几十项，经过了算法的预处理以后，可以得到一些数据，包括总的行驶里程，把这些数据应用到各个方面，比如说车辆的故障检测，我们可以通过CAN总线获取车辆的故障码数据对车辆进行健康的分析，同时提出了预先性维修，沿途给它提供一些相应的解决办法。 

因为我们在实际的调研过程中发现，比如说有一些配件，如果没有很好的提前做准备的话，你很有可能要等很长的时间，通过预先性维修的解决方案，我们可以和零配件的公司以及维修点合作，通知他们提前进行库存的准备，提高维修的项目。 

另外我们也可以对司机进行维保提醒，消除安全隐患。我们还提出了智能载重算法，从物理学的原理来说比较简单，实际在运行的过程中，要考虑多种的因素去实现整个的载重算法，实际检验的效果来说，准确率会在95%左右，如果结合了载重算法加上我们所拥有的数据，以及每一辆车航行的方向，这次无锡的事故或许是可以避免的。 

还可以做到ADAS的主动安全预警，可以做到一个是前向碰撞预警，第二个是车道偏离，第三个是行人碰撞的预警和车距过近的预警。有了刚才的这些手段，比如说通过ADAS判断主动安全的预警，当司机已经极度疲劳的时候，只是报警他基本是不会醒过来的，这时候我们必须要通过自动处理来去避免一些事故的发生，这时候我们就需要配备AEBS，当检测到真正的有风险的时候，已经不可能指望驾驶员去处理，必须要自主的进行刹车。所以从车的角度来说，应该是一套完整的从预警到控制的系统。 

第三个是从“路”的角度，这也是从国内的解决方案来说，是少有的可以提供从路的角度进行安全的防范。我们提出了把地图作为传感器，比如说雷达，激光雷达等等的传感器，一般的距离就是几十米到二百米左右，通过ADAS地图数据获取超长距离道路信息能有效的补充智能感知周围道路信息的数据。 

比如说包括连续转弯，连续下坡，弱势群体，车道的模型和速度的限制等等，所有的这些都已经是包含在我们的ADAS1.0的地图系统里面，目前覆盖了全国有117万的公里长度，高速大概覆盖了80%，城市内道路大概是30%，全国已经覆盖了339个城市。 

在范围上一方面我们积累更多的历程，覆盖更多的城市，同时又改善了一些车道分割带的类型，中央隔离带的类型，从精度的角度，我们提升了道路几何，道路属性等等。我们可以看一下ADAS地图的应用场景，比如说兰州的这次事故17公里的长下坡，如果有了ADAS地图，可以提前告诉司机，同时我们也可以让司机提前知道前方的气象状况和交通状况。 

我们在ADAS地图上又往前进了一步做了一些研究，提出了PCC预先性巡航，把地图的数据装到我们的T-Box里面，这样子的话，车辆会知道前方的路况，然后车辆来判断应该采取一个怎么样的驾驶行为，我们结合优秀驾驶员的行为模拟这些驾驶行为。比如说一个基本的口诀：“小坡冲、平路稳、下坡滑，大坡提前降档”从而实现最好的一个驾驶行为的控制方式。 

这是一个算法，但是在实际的运行过程中，我们会考虑很多的因素，比如说车辆的载客，滚动阻力系数，人工阻力系数等等，我们做了一个实车的验证，有三辆车是司机自己开的，有二辆是通过PCC控制的，通过PCC来控制开的更快，平均油耗节省了6.4%左右。6.4%相当于一年可以节约1.2万左右，这是一个相当可观的数字了。 

所有的技术不能解决所有的问题，必须要配备其他的方式，首先风险等级管理，比如说抽烟是在货运车上非常提神的方式，我们根据不同的场景来分高危，严重和一般，根据不同的报警的级别进行不同的处理。比如说通过人工的干预和公司管理行为的控制，有一些奖惩的办法，在实际的过程中，我们发现有一个办法挺管用的，就是把告警的信息从传统的“滴滴”的方式，转换成爱人或者是孩子的录音，把这个作为告警的方式有的时候还比较管用。 

最后喊一个口号：安全共管，利国利民，谢谢大家！