Hasil Pengujian Percontohan Analitik Video SKAI untuk Perusahaan "Azot"

Kontrol di Rute Berbahaya: Latar Belakang Proyek

Memastikan keselamatan selama pengangkutan barang berbahaya memerlukan transisi dari tindakan reaktif ke kontrol proaktif terhadap kondisi pengemudi. Sebagai bagian dari pengembangan sistem keselamatan perusahaan, KAO "Azot" memprakarsai proyek percontohan untuk menerapkan sistem analitik video. Seperti yang dicatat oleh Kepala Departemen Dukungan Sistem Informasi, Andrey Semenov, armada perusahaan terdiri dari lebih dari 300 unit kendaraan, dan untuk pengujian, truk traktor yang terlibat dalam pengangkutan paling kritis dipilih.

Arsitektur Sistem On-board dan Metodologi Pengujian

Untuk menyelesaikan tugas ini, perusahaan SKAI menyebarkan modul perangkat keras dan perangkat lunak yang komprehensif. Perwakilan integrator, Alexander Kharitonov, merinci konfigurasi peralatan, yang meliputi:

• Kamera DMS (Driver Monitoring System): diarahkan ke pengemudi untuk mendeteksi tanda-tanda kelelahan, gangguan, dan penggunaan telepon.
• Kamera ADAS (Advanced Driver Assistance Systems): memantau kondisi jalan, jarak, dan risiko tabrakan langsung.
• Sistem umpan balik: speaker audio di kabin dan motor getar yang terpasang di kursi untuk peringatan instan tentang pelanggaran.

Proyek percontohan berlangsung selama dua bulan dan dibagi menjadi dua tahap. Tahap pertama adalah "mode senyap", di mana sistem hanya mengumpulkan data tentang kebiasaan mengemudi yang biasa tanpa memberi tahu pengemudi. Tahap kedua adalah mode aktif dengan mengaktifkan pemberitahuan suara dan getaran. Pendekatan ini memungkinkan pembentukan garis dasar yang objektif untuk mengevaluasi efektivitas.

Mengatasi Sabotase dan Koreksi Perilaku

Penerapan sistem kontrol sering kali menghadapi penolakan dari personel. Selama proyek percontohan, para pembicara mencatat kasus-kasus sabotase yang disengaja: pengemudi menutupi kamera atau memalingkannya. Solusinya adalah integrasi motor getar — ketika ada upaya untuk menghalangi pandangan, sistem mengaktifkan dampak fisik, yang dengan cepat meminimalkan jumlah insiden semacam itu.

Selama pengujian, sistem mencatat sekitar 17.000 kejadian. Analisis menunjukkan bahwa penyesuaian waktu tunggu dan algoritma secara tepat untuk kondisi kerja nyata (misalnya, meningkatkan waktu untuk mengevaluasi situasi di cermin) sangat penting untuk mengurangi alarm palsu dan meningkatkan kepercayaan pengemudi terhadap sistem.

Hasil Percontohan: Penurunan Tindakan Berbahaya sebesar 18%

Transisi ke mode aktif menunjukkan hasil yang terukur. Setelah dua bulan, jumlah total tindakan berbahaya menurun sebesar 18,2%. Secara khusus, kasus mengemudi tanpa sabuk pengaman, menggunakan ponsel cerdas saat mengemudi, dan tanda-tanda kantuk berkurang. Penghapusan pelanggaran kecil namun sistematis ini secara langsung berdampak pada penurunan kemungkinan kecelakaan lalu lintas yang parah, membentuk kebiasaan mengemudi yang aman dan berkelanjutan.

Analis proyek menekankan: implementasi teknis harus disertai dengan pekerjaan penjelasan. Pengemudi harus memahami bahwa tujuan sistem ini bukanlah denda, melainkan untuk menjaga kehidupan dan kesehatan mereka.

Apa yang akan Anda pelajari dari webinar ini:

• Bagaimana membagi proyek percontohan menjadi beberapa tahap dengan benar untuk mendapatkan statistik yang dapat diandalkan?
• Modul perangkat keras apa yang diperlukan untuk kontrol komprehensif terhadap kabin dan kondisi jalan?
• Bagaimana cara mengatasi sabotase pengemudi dengan sarana teknis saat menerapkan analitik video?
• Parameter mengemudi apa yang memberikan efek terbesar saat dikoreksi melalui pemberitahuan suara dan getaran?
• Berapa biaya dasar untuk melengkapi satu kendaraan dan apa yang memengaruhinya?