中寰：位置服务赋能道路运输安全

本文为中寰卫星系统集团有限公司董事长兼CEO敖翔在2023数字交通万里行·西安站暨数字物流融合发展论坛上所做《位置服务赋能道路运输安全》主题分享的速记整理而来，未经作者本人审核，如有错漏，敬请谅解。

 敖翔：中寰是行业最早一批动态监控运营商，也可以是位置服务商，位置服务在很多行业里面也有应用。我在位置服务干了二十年，个人认为不管是哪个行业都需要不断地往前走，跨界融合才有更多机会。

一、基本背景

道路运输安全 “ 三化 ”

主要有信息化、安全化、服务化，我国的交通运输信息化二十多年前开始启动，信息化属于基础设施建设，信息化系统越多，管理、服务的抓手越多，抓手越多就更希望通过信息化系统获得效果，尤其是安全，信息化作为一个抓手，可以更快地找到安全管理的重点，让运输生产更安全，安全生产管理实际也是更好实现监管的手段。而“服务化”注重安全画像，服务于物流运输的选择，将产品、服务提供给客户，形成付费闭环。

二、主要规划

1、安全解决方案

通过对“人、车、路、环境、气象”等底层数据的掌握，构建风控模型，进而映射为干预模型，从而做出有效的安全保障行为，减少安全事故的发生。风控模型是知道为什么，干预模型是知道怎么做，最后形成安全评价体系。

2、安全化的全场景流程

应用模型建立起来之后，分为终端侧、监控侧、监管侧三者进行联动，依据不同的风险等级进行不同的干预，从场景上看主要是有出发前、行驶中、结束后三个阶段。

出发前：判断驾驶员是否符合驾驶条件、是否进行了必要的安全检查，并基于行驶路径、天气情况进行必要提醒等。

行驶中：根据路况、环境和气象进行提醒，并结合ADAS、DMS、车速、驾驶时长进行必要的预警和报警，监控后台结合报警数据进行必要的系统和人工干预，同时针对过度危险的行为进行必要的管控。

结束后：针对本次驾驶行为进行评价，结合本次和以前的驾驶行为生成安全画像，针对潜在风险行为进行整改，针对危险驾驶行为进行执法管控。

3、综合安全风控模型

一是规则型，基于相关标准，加上数据源扩展，结合风控经验构建规则库；二是算法型，基于机器学习算法，进行风控模型和干预模型的学习；三是多模态型，考虑到数据、图像等构建多模态深度学习算法框架，进行风控模型和干预模型的学习。

三、应用效果

1、基础数据带来保障

基础数据库包括信息档案、位置服务数据、环境数据、气象数据、车辆动态数据、车载终端监控数据等内容，丰富的数据类型底座将助力道路运输安全。

信息档案可以建立车辆、驾驶员完善的档案，助力实现一车一档、一人一档；位置服务数据包括导航地图数据、风险地图数据、环保地图数据等内容；环境数据接入交通管制、交通事故、重要活动等动态信息；气象数据接入1公里精度气象数据，以及动态气象结果数据；车辆动态数据主要是通过车载终端读取车辆的工况数据；车载终端监控数据主要包括车辆视频数据、视频结构化数据、定位数据等。

2、促进生态安全降本增效

实现监管部门、交警部门、运输企业、驾驶员、货主方、监控服务商、保险公司等多方受益。

监管部门能更好地履行监管责任，进行针对性管控和执法，促进运输的健康发展；交警部门能源头管控，使用科技助警打造智慧警务，增强业务实战能力；运输企业能更好地保证车辆安全，提升安全管理水平；驾驶员能提升安全驾驶水平，有更好的安全驾驶体验；货主方能合理选择运输方式，更安全放心；监控服务商可以通过更好的信息化抓手提升效率；保险公司的理赔率会降低，可以进行合理的保费制定。

3、位置服务赋能车辆安全行驶

道路运输安全与“ 路 ”有密切的关系，位置服务是“路”的线上载体，科技赋能助力运输企业、驾驶员安全行驶。

我们从位置数据里面整合出一些和道路运输息息相关的要素。比如路径规划里面限重、限行、限高、限停、限宽、限速、限长等，虽然它们已经有了互联网服务，但还不是很友好和全面，还需要探索。再比如路段急转弯、下坡都是事故常发路段，对于这一风险路段的实时提醒，还要和监管部门进行合作，例如公安部在前年做了一个风险评估，从中就可以看出哪一些路安全系数高，哪一些路经常会出现错车、剐蹭。

4、位置服务的场景应用

一是进行路径规划，结合天气、危险路段因素提前规划好路径；二是进行线路引导，提前对于路线实时提醒，避免路径偏离；三是进行语音提醒，结合路况（事故多发段）、环境、气象和风险路段进行必要提醒；四是进行预警提醒和干预，结合车辆状态、ADAS、DMS、车速、驾驶时长，通过算法模型得出结果，进行终端预警提醒；五是进行后台干预和管控，监控后台结合报警等数据进行系统和人工干预，并针对过度危险行为进行管控；六是进行安全评价，针对本次驾驶行为进行评价，搭建安全画像拉通保险服务。