场景描述
城市配送在物流行业中一直是信息化洼地,长期处于“非标”状态且城配企业的管理方法和工具较为原始,事故发生之后通常靠人来管控。城配车辆事故率高、赔付率高,导致保费高、保险难买、货损、维修等一系列成本上升。
城配安全现状差有以下4个主要原因:
- 人:城配安全车辆司机C照即可驾驶,驾驶员需要适应从家用车到小货车的转变,以及从油车到电车的适应过程。从数据上看,前3个月的司机事故占比48%;
- 车:与油车相比,电车有起步快、车身重、安静噪音小等特点,需要司机适应;
- 路:比起高速路段,城配道路环境开放,路况更加复杂,行人、非机动车、路口等风险因子叠加,导致风险指数几何级增长;
- 运营:传统运输模式中,司机是驾驶公司提供的车辆,司机给公司打工,而城配运输中,许多司机是带车加盟物流公司,司机变成了加盟商、合伙人,物流公司对司机的管控变弱。
解决方案
G7易流经过长期的风险事故和诊断分析发现在城配安全场景:数据感知的单一事件很难把真正的风险识别出来,需要综合判断之后再进行管理。
基于此,G7易流将综合判断通过「三晒两抓」红绿灯式的管理工具,从原来的「数据感知-司机端提醒」进化到「数据感知-算法综合判断-管理闭环」。
简单来说,「三晒两抓」的算法相当于一个拥有了超级大脑的“人”,在叠加条件下经过综合判断,甄选出高危司机,对高危司机提前进行教育;管控叠加风险因子识别风险行为;这个人脑海里还有个基于海量数据构建的城市货运风险地图,能提前告诉你哪里是风险点。
基于「三晒两抓」,管理者可以在一个平台上实现「管高危司机、管风险行为、管风险路段」的核心需求,实现城配安全运营管理闭环。
事前,平台针对司机进行分类,管理者能清楚看到高风险司机的排名情况。通过六边形司机画像雷达图综合判断司机每一个维度的情况,多维度来评定风险司机。排名靠前的,风险次数多的,管理者可以在平台上给车队长下发整改任务,对司机进行约谈或培训。
在驾驶过程中,平台会综合判断司机的风险行为,提升风险预警的准确率。假设一个驾驶新能源车不满三个月的新手司机,习惯了在路口超速,再加打电话,系统判断这是风险行为,那么系统会直接下发通知,及时报警干预。
同时,平台在司机运输路线中对经常出现事故的高危路段,在司机到达风险点前会提醒司机注意防范。管理者也可以根据配送路线和场景自定义风险路段,实现对风险的精准把控。
成效
马帮城配作为一家大城配+新能源+互联网企业,致力于打造标准化物联网同城配送。在安全管理模式上坚持创新,不断探索各种方式但始终不能真正把出险率、赔付率降下来。
G7易流与马帮城配于23年11月开始合作,截止今年4月份,马帮城配万公里的事故率降低44%,6月份0事故率!整体出险率降低40%,保费降低20%!
根据《网络安全法》实名制要求,请绑定手机号后发表评论
这些不需要大模型,传统的机器学习算法也可以实现?