各位来宾中午好，今天给大家分享的是我们公司一直坚持做的一些事情，AI，人工智能。今天我想展示一些未来的技术。把人工智能的面纱为大家揭开，让大家理解这种技术是怎样赋能安全管理提升的。

首先我先展示一些数字，中国的交通事故情况近几年是有显著改善的，但因为我国人口的规模和车辆的基数，机动车已经到了将近3亿辆，所以每年的死亡人数超过了26万。相当于每两天就有一艘泰坦尼克号沉没，同时也相当于满载乘客的A380一年要失事468次，所以这个数字是非常惊人的。

我们一直关注安全，所以一直在做底层技术的研究，从最基础的数据上分析，是什么原因导致事故的不断发生？大家可以看到这是我们联合同济大学抽取了中国一些城市的交通事故的情况，把它的原因进行有序的归类之后，你会发现其中追尾占了43%，切入危险占了24%。

国内事故和国外是有明显差别的。国外的切入侧碰事故占比是非常少的，因为大家开车没那么急，不会在你车头前一两米就乱变道，所以切入危险是中国的一个特色。包括像迎面产生的碰撞，包括掉头产生的事故，都是比较小的，迎面对撞的事故在欧美是特别多的，但在中国特别少。

实现道路交通的零伤亡就是今后的一个愿景，我们的所有技术储备也是朝着这个方向不断深化研究的。通过AI的底层技术赋能整个物流安全的提升。所以我们最核心的一个业务模式就是SaaS系统，它把安全当成一个服务来做，这需要很多的技术支撑，核心来讲是算力、算法、大数据的一些能力，通过算力、算法、大数据的聚合来赋能各个地区的合作伙伴，通过借助他们的本地化及相应的能力，最终去服务物流的用户，这是我们现在做的一些核心模式。

我们讲到的算力，简单来说就是电脑。但是你想让你的算力、算法达到足够精度的话，其实是一个机器加人力的模式，所以我们在安全上面做的这些算法已经累计投入了1000多张卡。我开玩笑的说，这些卡如果早三年用来挖比特币可能现在的价格会比目前高很多，但是我们是把它投在安全上面，这些卡是什么概念呢？一张卡一年的电费大概是1万多块钱，在这一块，需要一个很强的底层技术去支撑，去抽取你的模型。同时我们有300多个成员的队伍，一直在分析这些安全的事故，然后来提升我们整个系统的管理效能，这是我们讲的第一点，算力。

今天我想通过技术的方式来揭开AI的面纱，让它变的不再神秘，一提人工智能大家觉得特别高大上。其实人工智能已经存在几十年了，只是这几年有一些深度的突破而已。对人这块我们综合分析所有的行为，最后来给他进行预警。前面我们说了，大家经常是谈疲劳色变，但疲劳在整个事故过程当中并不是一个特别大的占比，只是因为每一次事故之后都会让大家印象深刻。所以你会发现报道的都是疲劳驾驶，但实际上疲劳驾驶在整个事故当中的占比只有7%，50%的情况是司机的分神，注意力不集中导致的。所以它需要是一个综合性的行为管理。

这个是现在大家一直在讲的主动安全，ADAS防碰撞。但是防碰撞分了很多级别，我们现在最新一代，对车辆的识别是立体识别。在切入的时候我就可以对前方的车辆做出运动趋势判断。所以我们能够尽早的提醒，这样就能够避免侧碰切入事故的发生。通过技术的迭代，算法的升级，把它做的更加细致。因为我相信这个事情是巧妇难无米之炊的事情，你一定要在底层上面把它做到足够扎实，才能够去支撑你更强的技术管控。

在这个里面大家可以看到一些细节，我们不用看他这张脸，但是我们要看他的眼睛。也就是说，你在做到极致的时候你是要去做眼球追踪，你是去分析他的视线的朝向。这个里面有啥呢？我们现在有一个研究叫做驾驶过程当中人因研究，驾驶员不打转向灯我能不能让车自动去打，其实可以做到。你只要一个眼神那个转向灯就可以亮起来，这是什么概念？就是说所有人驾驶的时候是有一些下意识的安全认知，他如果是想切换到旁边的车道，即便他的驾驶习惯比较糟糕，从来不打转向灯，但是你通过它的行为模式也能够判断出这个人想变道。所以他在变道的时候一定会有下意识看后视镜的动作，这个就是怎么让车更智能，让底层上更安全，通过视线就可以对他的驾驶意图进行猜测，进而让车辆的周边对环境的感知能够更精准，让车辆能够自己想起来这些变道的指示灯，和我们其它的技术还会有更新的一些结合点。

大广高速9死9伤核心的原因是团雾，导致了十几辆车的连续碰撞，但是这种问题怎么解决？靠传统的单纯的视觉是有天生弊端的，如果是用视觉的单传感器性能。它需要怎么做呢？需要用技术融合，我们从底层去重合这些毫米波雷达，我们把雷达的信息和视觉的信息在整个坐标系里面进行同步，最终可以实现全天候的运行。

雷达是不受雾霾、不受暴雨天气影响的，但是它没法识别地上车道线、标识类的东西。要想在这个方面做到极致，就需要去考虑安全，考虑到它不只是在晴朗的白天开车，更要考虑到各种各样恶劣的天气情况，所以这是一个针对大广高速这种类似事故非常精准的解决方案。

这张图同样也是最近特别火的，我相信很多人的朋友圈里面都转发过这张图，他在讲大车盲区的问题，其实盲区是天生存在的，从车辆的构造来讲都是没法看到这个部分的，所以怎么来解决？

我们可以结合这些视觉、雷达对盲区所有的物体进行侦测，所以你看到旁边这些会把骑小电瓶车扣出来。这样的话你可以做到，当你有变道意图的时候，你不管打转向灯，还是通过眼神的追踪，猜测出来的驾驶意图，这个时候如果盲区里面有危险情况的话，我们可以第一时间给这个驾驶员进行警示。

这样从根本上将车辆周围360度防止住，所以当这个车辆本质安全提高了之后，我们所有的人管理压力就会大幅度下降。

安全是一个长效机制，我们还需要通过培训、教育这些方面去让它持续改善，这个平台上连接全方位的数据库，可以输出司机行驶安全报告、对司机进行精准画像、所有的行为模式的建模，除了在设备端还在云端完成二次建模，最后就输出一个更加完善的提升手段。

AI如何赋能，通过前面展示的所有技术，可以更早的进行危险识别，聚合每一次的报警，我们在云端去挖掘驾驶行为模型，所以当这个司机开始出现疲劳状态的时候，尽早的让管理人员进行提示，你可以做到管理介入。

更节约的管理成本，这个就是我们建算力池的目的。原来一个人管100台车，很快就一个人管1000台车，就是通过科技把一些重复的体力劳动简化，所以未来的发展趋势不是靠人海战术去解决问题，而是靠模型、底层上来提高效能。

我们研究整个事故发生的过程，首先是对长期的行为习惯进行画像，这个司机是什么类型的司机，他是安全意识比较薄弱，还是驾驶技巧不够？我们通过画像以后，每一个企业自己输出管理，输出对应的培训，甚至对司机进行一些必要的考核，这是第一阶段的事情。

第二个阶段通过数据的能力，通过云端的算力抽取出来，当前的高危驾驶员，你可以直接做实时管理介入，这个设备本身可以支持自动的语音提示，或者说建立实时视频直播的通道，让你去干预司机危险状态，这个里面100台1%级别的操作。

第三个阶段是事故前几秒钟，马上要撞，马上司机要睡着了，你去给他设备很及时的提醒，包括往后需要有一些录像的存储做事故原因的分析和回溯。

落地执行的双闭环，第一个闭环就是通过预警的闭环实现危险时刻的及时介入和管理，通过检测司机的一些情况，实时进行车周围情况的警示，包括必要时后台远程的介入。

第二个就是管理闭环，永远不要只相信技术能够改变一切，我们虽然是做技术的，但是我们觉得这个也是逐步发展的过程，还是要脚踏实地。所以需要配合大家的管理去发挥它的整体性能，来提升管理的效果，这是我说的两个闭环。

另外我们说Safety As a Service，我们最后是一个连接。在这个连接的过程当中，我们通过这个设备和云端算力的结合来实现一个更精准的分析，还有一个结合企业自身管理的诉求，结合政府是要实现应急救援，去录入运单，然后和救援资源的联动。

包括像一些基于他的保险，基于第三方服务互联网的结合，这样连接起来之后我们希望实现一个什么目的？这个服务应该是近似Free的一个模式，因为你可以通过更多的价值转移和价值的创造来降低物流企业的成本，通过多维的连接实现一个价值创造。

最后说一下我们的愿景——Towards Zero，是希望帮助大家来实现交通的事故。我的演讲大概这么多，谢谢大家！