您的当前位置: 首页新闻中心行业观察

数字驱动 | 道路运输主动安全关键技术研究与应用

2022-08-25

作者:深城交

          

道路运输行业安全防控是交通安全治理的重中之重。近年来,我国道路客货运输行业高速发展,但呈现出交通事故频发、事故伤亡损失惨重的特点。如2020年11月份统计数据显示全国共发生的1170起一般和较大道路交通事故中超90%的事故涉及客货运输车辆。2020年发生的“4·13”福建罗源县半挂货车失控事故造成9人死亡10人受伤、直接经济损失约1200万元的重大惨剧。进一步地,深圳市道路交通事故实现连续16年同比下降(见图1),交通安全形势向好,但是道路运输行业亡人事故比重逆势逐年攀升,2020年亡人事故数占比高达56%。道路运输安全形势不容忽视。

城市发展对道路运输安全提出了更高要求。首先,《道路交通安全“十四五“规划》要求营运车辆万车死亡率2025年较2020年下降10%以上,《全国安全生产专项整治三年行动计划(2021-2023)》提出了“推进安全生产由企业被动接受监管向主动加强管理转变”的发展任务;其次,广东省、深圳市两级《系统防范化解道路交通安全风险工作方案》提出对“两客一危一重货”等道路运输行业进行重点治理,《深圳市道路交通安全“十四五”规划》也提出了营运车辆万车死亡人数下降6%的发展目标道路运输安全有序发展是国民经济发展和社会安定的重要基石。


 道路运输行业安全现状分析


1. 源头隐患排查与靶向性治理能力不足

虽然目前已建立“双随机检查”“专项检查”等高标准高覆盖率的道路运输行业隐患排查机制,但是由于人力物力有限,无法实现全覆盖检查(深圳市普货企业仅5%、泥头车企业78%、运营车辆仅5%),且由于现有运输安全风险评价体系以源头静态隐患为主(见图2),运输全过程指标覆盖不全、评价精细化不足,无法精准识别高危人车企,企业抽查的针对性不足与实效低。

此外,由于动静态资质信息分散在不同主管部门之间形成信息孤岛,导致经营条件变更、资质条件临期/过期等非法经营源头隐患信息掌控不全与主动告警能力不足。

2. 在途重点车辆危险驾驶行为感知弱、干预难

营运车辆在途运输中驾驶员危险驾驶行为高发,深圳市2018-2020年运营车辆亡人事故中驾驶员存在危险驾驶行为占比达47%(见图3),且每年约四分之一的营运车辆存在两次及以上运政违法行为。在途驾驶行为规范是交通事故预防的关键,但是由于重点车辆分布广、运输轨迹不稳定难以集中管理,且特殊隐患场景(见图4)监管覆盖不全、事后以罚代管,在途风险感知-告警-干预能力薄弱,驾驶员无感麻木,震慑力不足,导致重点车辆事故高发。

3. 末端事故深度成因分析能力薄弱,告警-处置-评价闭环反馈缺失

现状末端事故调查以人工经验总结为主,事故根本成因自动关联匹配与识别支撑能力不足,根本成因掌握不全面,导致无法精准指导多业务协同整改、闭环反馈根源问题,事故教训不及时触达企业责任人和当事驾驶员,或未高效联动相关机构,责任传导不畅。


 道路运输安全提升总体思路


基于多源融合车载视频、卡口、GPS等数据,结合视频AI技术、知识图谱技术、时空关联分析技术,建立人车企的风险评估分级以及安全画像分析能力,精准识别高危人车企对象。在源头端——通过强化行业准入管理、严防出门关以及高风险运输企业全覆盖排查,实现源头隐患在出门前规避消除;在途中——通过驾驶员动、静态隐患主动监测预警和及时处置(时间发现、时间纠正、时间精准执法),实现在途隐患主动及时干预,更大限度降低人为因素导致的事故风险;在末端——通过事故成因的多维度追溯倒查,倒逼企业主体责任落实,落实运输安全隐患告警-处置-跟踪督办-治理成效评价的闭环管理体系,实现事故教训深度总结与反馈治理(见图5)。

道路运输安全提升关键技术


1. 基于知识图谱的安全画像技术强化源头靶向治理能力

安全画像技术是帮助管理人员识别重点监管对象薄弱环节的关键。基于交通行业知识经验积累,运用强大的交通知识图谱能力与多源交通大数据关联关系分析能力,可以实现刻画监管对象不同时间、不同空间尺度下的安全风险态势和风险特征,形成安全画像(见图6),帮助主管部门对比分析某一群体、某一个体的营运特征与安全风险特征,为行业安全治理指引重点方向,提升靶向性治理能力,运输企业安全生产检查业务平均耗时可以由5h下降至0.5h,案件办结由平均7天下降至2天,执行效率将提升90%。

此外,基于大量事故成因深度分析经验积累,涵盖“源头-在途-末端”多维动静态数据,构建人车企运输安全风险评估指标体系,综合计算安全风险指数,并划分“红、橙、黄、蓝、绿”(红色为安全风险更)五个风险等级,可以实现人车企风险评估分级,支撑横向安全风险对比与高危人车企排行,帮助直观掌握高风险对象。

2. 以“视频AI+系统分级处置”提升在途隐患识别与干预能力

通过“视频AI+系统自动化分级处置” (见图7),可以化解在途感知弱、干预难的行业管理困境。当系统监测到车辆/驾驶员存在运输隐患/违法行为时,触发四级自动告警管控机制,实现及时触达驾驶员、企业管理员、行业主管部门、执法部门,实现在途隐患即时干预与闭环处置,管理部门隐患治理执行力将提升50%以上。

同时综合多类别视频AI技术可以实现多场景在途运输隐患行为识别,车辆与驾驶员运输隐患识别可由现状10-20种提升至可覆盖30种以上。包括车辆类型、车身颜色、车牌颜色等车辆特征识别,车辆压实线、违法掉头、逆行等交通行为分析与事件检测,货运车车厢不密闭运输、驾驶员分心驾驶等危险驾驶行为识别。

3. 基于时空关联的事故深度成因分析强化末端经验反馈能力

利用交通事故成因主要构成要素与时空关联分析能力,可以实现跨媒体海量交通数据的全面抽取、深度融合和快速检索,实现事故特征(如碰撞形态、人群体征)与“源头、在途、末端”全链条的直接、间接成因分析追溯,形成针对“事故特征-事故成因-改善建议”的交通改善知识库(见图8),吸取每一起事故的经验教训并反馈交警、交通局、城管局、住建局等相关责任主体进行跟踪治理,指导隐患问题的多业务协同整改与缉拿布控,可以实现事故案件闭环溯源治理。

针对运输安全治理主动性不足,源头靶向治理薄弱、在途感知干预难、末端溯源深度治理不足等城市交通安全治理痛点,本文主动安全预防技术与闭环监管理念已在大湾区城市应用实践(见图9),助力主管部门提升交通运输行业管理水平和强化靶向性治理能力,助力城市重点车辆违法违规事件率下降10%、道路客货运输行业万车死亡率下降6%以上,显著提升城市交通安全水平。

结语

道路运输营运行为具有“出行频次高、驾驶时间长、路况不稳定、劳动强度大、盈利为目的”等特性,车辆与驾驶员暴露于道路危险环境的频次更高,因此健全运输行业全过程主动安全预防监管体系、严格落实运输企业主体责任、严防运输行业交通事故是实现城市“交通零死亡”愿景的关键。本文构建了“源头隐患主动防控-在途隐患主动管控-末端隐患协同治理-治理效果跟踪评价”的道路运输主动安全整体解决方案,为道路运输“安全生产由企业被动接受监管向主动加强管理转变、安全风险管控由政府推动为主向企业自主开展转变、隐患排查治理由部门行政执法为主向企业日常自查自纠转交”提供新的解决思路。

本文转载于“智慧运输与车联网”微信公众号。