黄易飞 G7易流 化工行业方案总经理
各位领导，各位同行：
大家好，我叫黄易飞，是G7化工行业的总经理，我对自己有个基本要求就是每年至少要走访一百家的化工企业，所以在走访过程中我们是发现了很多有意思的现象，对于化工车队来说，大家相互比较说安全管理水平到底怎么样，通常用有责事故数来判定。
我们走访过很多企业，假设有五十台车，每年的有责事故数，如果不超过5个（有责事故包括最小的剐蹭，甚至上车的时候崴脚），能做到这个水平，那能超越80%的人差不多。如果换成百万公里事故数差不多是1%以下，如果你能做到就会成为上游优质货主的优选，就会有资格去拿一些高毛利的货，如果没有做到呢？毛利和经营是受一些影响。
做到50:5红线的这些人他到底干了什么？我们发现他做的内容最核心的是两条，第一条就是根据自己的实际情况来深度挖掘日常经营管理中的风险从哪儿产生，看见这些风险之后能够及时地干预。第二，全面准确地评估哪些司机是好司机，哪些司机是坏司机。
但现实操作中没那么简单，原因是现在大家的管理动作是基于两科一维的普通双防，那里面就七大类，十个事件，但是其实风险场景已经完全长尾化了，跟快递完全不一样。快递现在还处于跟疲劳搏斗的阶段，疲劳占了绝大多数，但是咱化工企业早在十多年前就已经开始做全面的管理了，对于我们来说第一大风险是侧翻、侧滑其次是追尾碰撞，再次是剐蹭。
近两年操作不当逐渐进入大家的视野，什么是操作不当？最典型的两类就是上下车的时候跌落，从罐顶跌落，这些行为在我们传统的管理方式中怎么管？很多企业、很多车队现在7X24用人工抽检，甚至很多货主企业为了真正管理好货物运输中的问题也花了大量的精力说我安排人来抽查，那这个过程中我们发现AI都能帮我们干了。
我举些例子，右转必停以往是怎么做？以往依靠监控人员实时盯控视频，或是调取车辆行驶轨迹、回看历史视频抽查核验，其实现在在AI时代，通过AI的技术手段就很容易判断出来到底有没有停，无需人工抽查。第二个例子是风险入弯识别。业内头部企业多年前就开始在做这个动作了，通过车辆的方向盘的方向角、速度、持续的时间，结合地图上的弯道位置来识别风险过弯的行为，相关参数还可根据车型、方向盘角度等自主设置。
根据海里因希法则，重特大事故的发生是层层递进的，未遂事故是最接近安全事故的隐患，分驾驶员出现分心、低头等行为，或是发生轻微剐蹭后，因担心影响安全奖励往往不会主动上报，若缺少实时监控，这类隐患极易被忽视。借助大数据算法与 AI 识别能力，G7易流紫宝盒可以精准捕捉未遂事故，提前排查高危驾驶行为。例如不少驾驶员为争取油耗奖励，临近红绿灯时强行加速抢行、临近路口才紧急刹车，这类行为都能被 AI 精准识别预警。
此前我在天津交流时了解到，多地出现驾驶员上下车崴脚，向公司提起诉讼并要求赔偿的案例，且不少企业最终败诉。核心原因在于企业未落实常态化管控，无法判断驾驶员是否严格执行了三点式上车法，而且通过AI能够识别出驾驶员在灌顶作业时戴没戴安全帽，有没有系安全绳。
5月1日起，押运员的要求在法规上又加强了，很多上游货主对押运员是否存在违规行为的监管力度持续加大。“夫妻档”押运员的比例持续提升，此类组合容易出现履职松懈、消极值守的问题，造成盲区无人看管，押运职责落实不到位，形成安全隐患，这类违规行为同样可通过 AI 实现智能监管。
传统模式下，每台车单日会产生大几十个各类报警， 监控员难以逐条处理、逐条干预。对此，我们依托大模型搭建了智能研判逻辑：不再单一看待零散违规事件，而是结合行为频次、驾驶状态、时段、天气、路况等多重因素，划分高中低风险等级。比如在最近半小时驾驶员连续闭眼、打哈欠还伴随着车道偏离，而且现在又是晚上十二点，天上还下着雨，这时候会判定为高风险行为。发现违规行为后，车机端会立刻下发语音提醒，若驾驶员未及时改善，还可通过AI设备的实时对讲功能远程劝导，全程避免打电话，杜绝次生安全风险。整体形成从隐患发现、智能研判到远程干预的全流程解决方案，贴合企业实际管理需求。
我们将所有驾驶行为数据与面部信息绑定至驾驶员个人，而非单一关联车辆。即便驾驶员调换车辆、执行不同线路运输，个人驾驶数据也可完整留存，企业无需耗费人力统计排班信息，就能精准掌握每一位驾驶员的驾驶状态。
行业普遍现状是，80%的风险都是由20%的高风险驾驶员产生，如果连续两周被判定为高风险驾驶员，公司就可及时进开展约谈、安全教育工作。AI 平台可留存完整音视频证据、智能整改建议，同时记录安全员谈话、教育过程及驾驶员整改情况，线上签字留痕，构建 “隐患发现 — 实时干预 — 整改落实” 的管理闭环。
我们在服务客户过程中发现除了自己的七大类场景，其实还有更多的未知风险，如货物失窃、驾驶员突发身体不适预警等，只要是通过摄像头可以看到的内容，现在基本上都能AI判断。
2年前、3年前，定制化风险识别大概要花20—30万个样本，需要持续半年时间场景才能使用。但是现在我们把这个能力做成平台，向所有用户开放，这就意味着只要确定好在什么场景下要什么东西，就通过一个算法训练平台能够直接开放给大家，即G7易流万花筒OTA平台。企业仅需要根据自身管理需求，定好场景，标注数百条样本，通过平台训练，两三周就可以一键发布到智能终端上，车机端上就能做识别。
去年下半年开始，G7开放自定义算法训练，现在平台上有上百种企业的定制化场景。里面有些特别有意思，比如识别驾驶员猛打方向盘的习惯、识别钢瓶在运输过程中的倾倒隐患、检测驾驶员行车途中进食、双手脱离方向盘等违规行为。以往依靠人工逐一核查的工作，如今均可由 AI 实时完成，帮助企业全面排查显性与隐性风险，筑牢安全防线。
有些企业其实已经开始跟我们大规模的合作，比如远顺的300多台车已经全部批量AI化。在这个过程中，结合远顺自己的管理体系，风险行为实现大幅下降。
我们曾经以货主的角度来查看所有车队基于现在各地方标准的设备能报出来的数据，我们做了详细分析，所有的事件上报中，1/2误报，1/2漏报，还有1/2没有视频，真正能实现有效管理的数据就1/8。在这个过程中，大量安全隐患处于 “看不见、管不到” 的状态。
我们华南有个合作伙伴叫新港，服务于中石化泉州、壳牌、中石化等企业，上游货主对数据要求很高。此前该企业为满足数据对接需求，每年承担很高的数据转交费。这种情况下企业管理只能靠人工看、复核。用了G7的AI系统之后，数据转发费用节省了，AI终端就能把所有数据分发给所有有要求的上游，上游的个性化要求直接用AI来帮我们盯着。这样人力节省了、费用节省了，而且数据比以前更加精准。没有全面可靠的数据是完全不行的，其他行业会要求数据准确率如果小于70%，漏报率超过10%，则说明设备选型与应用存在问题，无法支撑有效安全管理。
我希望大家在长期健康经营过程中，多看看AI技术等如何帮助企业管住更多未知风险，我们也愿意将成熟的 AI 技术平台与行业能力对外开放。希望有更多的朋友能赶上AI的浪潮，能先人一步，把所有风险控制在可控的范围之内。
大家如果想进一步了解相关技术与应用，会后可以添加我的微信深入交流。
谢谢大家！
