來源：天雙科技

在城市交通脈絡(luò)中，公交車是承擔(dān)市民通勤的主力軍。然而，早晚高峰期的擁堵，駕駛安全的隱患（疲勞駕駛、分心駕駛、視線盲區(qū)）等，這些問題不僅威脅著司機(jī)和乘客的生命安全，也給公交公司的運營管理帶來了壓力。隨著交通部《營運客車安全技術(shù)條件》等法規(guī)的強(qiáng)制落地，傳統(tǒng)分散式安全系統(tǒng)已無法滿足智能化升級需求。天雙科技推出的高集成多功能AI一體機(jī)，以“一機(jī)替代多機(jī)”模式，為公交車隊提供應(yīng)對復(fù)雜交通狀況的解決方案。

公交車駕駛困境

1.駕駛安全三大盲區(qū)

物理盲區(qū)：公交車盲區(qū)多(車身四角、車尾、右側(cè)后視鏡死角，早晚高峰或上下車人多時會因為乘客阻擋而出現(xiàn)“人為盲區(qū)”)，變道、轉(zhuǎn)彎時易與小型車輛或行人發(fā)生碰撞。

感知盲區(qū)：雨霧天氣、夜間低光照導(dǎo)致視野模糊，部分駕駛員依賴經(jīng)驗判斷，事故概率驟增。

行為盲區(qū)：高峰時段車流密集，頻繁的停車、起步會增加駕駛疲勞,駕駛員分心觀察站臺乘客、操作閘門時，易忽略動態(tài)障礙物。

2.法規(guī)升級下的合規(guī)加壓

根據(jù)《營運客車安全技術(shù)條件》、《機(jī)動車運行安全技術(shù)條件》（GB 7258-2017）及《關(guān)于推廣應(yīng)用智能視頻監(jiān)控報警技術(shù)的通知》等法規(guī)落地，中大型客車需安裝具備疲勞監(jiān)測、ADAS預(yù)警等功能的車載終端，多地更是將“萬公里事故率”納入企業(yè)考核指標(biāo)。傳統(tǒng)多設(shè)備疊加方案不僅推高硬件成本，數(shù)據(jù)孤島更讓安全管理流于形式。

天雙高集成多功能AI一體機(jī)

從“治堵”到“智變”

1. AI視覺安全監(jiān)控系統(tǒng)：讓盲區(qū)“看得見”

360°全景環(huán)視系統(tǒng)：4/6路環(huán)視攝像頭通過天雙環(huán)視算法處理形成實時拼接車身影像，支持2D/3D視圖、廣角、窄道模式、車底透明等多種模式切換，讓公交車車周盲區(qū)都呈現(xiàn)在視圖中；在轉(zhuǎn)彎、靠站等復(fù)雜場景下的可對行人距離實時標(biāo)注。

ADAS預(yù)警系統(tǒng)(識別人/車/車道線)：當(dāng)檢測到行人/障礙物/車道線偏離時，自動觸發(fā)報警提醒。客戶可根據(jù)車輛使用場景選配行人碰撞預(yù)警、車道偏離預(yù)警、車距過近預(yù)警、前車碰撞預(yù)警等ADAS功能。

BSD行人/車輛盲區(qū)監(jiān)測：利用視覺智能車載傳感器實時監(jiān)測車前方、后方、左側(cè)、右側(cè)行人或車輛等目標(biāo)，選取關(guān)鍵目標(biāo)，根據(jù)車輛速度和目標(biāo)距離信息，綜合決策，向司機(jī)發(fā)出報警信息，從而避免行人碰撞事故的發(fā)生。

2.DMS駕駛員監(jiān)控系統(tǒng)：

疲勞與分心的數(shù)字防線

駕駛員狀態(tài)檢測、危險駕駛檢測、紅外阻斷檢測、人臉識別、駕駛安全檢測。

3. 智能調(diào)度：全局優(yōu)化的云端大腦

支持車輛CAN信息采集與處理, 獲取車輛GPS定位、速度、稱重數(shù)據(jù)，作業(yè)里程統(tǒng)計、時長統(tǒng)計、狀態(tài)信息統(tǒng)計。協(xié)助車隊完成實時數(shù)據(jù)可視化與智能調(diào)度引擎，提升高峰時段運力匹配度。

4. 執(zhí)行標(biāo)準(zhǔn)：技術(shù)偏差的智能哨兵

JT/T 794-2019道路運輸車輛衛(wèi)星定位系統(tǒng)車載終端技術(shù)要求

JT/T 808-2019道路運輸車輛衛(wèi)星定位系統(tǒng)終端通訊協(xié)議及數(shù)據(jù)格式

JT/T 1076-2016道路運輸車輛衛(wèi)星定位系統(tǒng) 車載視頻終端技術(shù)要求

JT/T 1078-2016道路運輸車輛衛(wèi)星定位系統(tǒng) 視頻通訊協(xié)議

技術(shù)升維：一臺設(shè)備如何替代六套系統(tǒng)

1.硬件集約革命：支持360全景影像、ADAS預(yù)警、BSD檢測、DMS監(jiān)控等20+功能模塊自由組合。

2.軟件生態(tài)突破：適配不同車型的傳感器與攝像頭，確保系統(tǒng)穩(wěn)定運行。

3. 成本效益躍遷：降低設(shè)備采購成本，事故率下降帶動保險費用減少。