До -60°С «за бортом», скользкая дорога, местами полное отсутствие мобильной связи и многотонная цистерна огнеопасного груза: транспортировка нефтепродуктов, особенно в условиях Крайнего Севера, требует предельной осторожности от водителей. Снижать аварийность и повышать культуру безопасного вождения в отрасли все более эффективно помогают технологии видеоаналитики, ИИ и машинного обучения. К примеру, транспортной компании «Кастор» удалось в 17 000 раз сократить время на обработку и анализ видеопотока по опасным действиям водителей. Об опыте компании корреспонденту «Ассоциации Безопасного Вождения» рассказала директор по HSE «Кастор» Татьяна Романова.
- Расскажите об автопарке «Кастор», какова его численность и в чем специфика?
Автопарк компании насчитывает 400 транспортных средства. В основном это бензовозы и газовозы европейских марок. Кроме того, у нас имеются специализированные площадки, предназначенные для перевозки негабаритных грузов.
Специфика нашей логистики заключается в повышенном уровне опасности в связи с транспортировкой нефтепродуктов и других легковоспламеняющихся веществ. Разумеется, это задает самую высокую планку как характеристикам нашего транспорта, так и квалификации водителей.
Вдобавок мы осуществляем свою деятельность в условиях Крайнего Севера с его экстремально низкими температурами и непростой дорожной обстановкой. Вот почему мы стараемся контролировать и анализировать действия наших сотрудников за рулем. Во главе угла вовсе не мелочный контроль, а в первую очередь безопасность людей, во вторую – сохранность грузов и транспорта.
- И как же компания решает эти жизненно важные задачи?
Весь автопарк компании уже давно оснащен видеорегистраторами с камерами, обращенными в салон и на дорогу. Ведь важно отслеживать как фактическое соблюдение водителями правил дорожного движения и опасные ситуации, так и отвлекающие от дороги действия, которые потенциально могут привести к ДТП. Речь об использовании мобильных телефонов, курении. Отдельное внимание уделяется применению ремней безопасности.
При этом мы сразу же столкнулись с проблемой просмотра и анализа видеоданных. Водители преодолевают в рейсах огромные расстояния, и за сутки у нас накапливалось порядка 510 000 минут видео со всех автомобилей компании. Для их изучения «вручную» необходимо было задействовать порядка 50 человек в круглосуточном режиме. Разумеется, это нельзя назвать рациональным использованием временного и человеческого ресурса. Проанализировав ситуацию, мы решили прибегнуть к таким передовым технологиям, как видеоаналитика и искусственный интеллект.
- Расскажите подробнее о том, как вы пришли к такому решению.
Первым делом мы обратились к лучшим отечественным и зарубежным практикам. Начали внимательно изучать то, как различные компании, транспортные, нефтегазовые и другие, решают подобные проблемы и какие получают результаты.
Например, одна из ведущих российских нефтяных компаний применяет готовое коробочное решение по видеоаналитике, с его помощью успешно повышая аккуратность своих водителей и сокращая аварийность транспорта. Однако оказалось, что разработчик данной технологии пока не может гарантировать стабильную работу системы в условиях Крайнего Севера и экстремально низких температур. Разумеется, рассматривалось и множество других примеров. Словом, проводился тщательный бенчмаркинг. Задействованы в этом процессе были и руководители компании и автопарка, и специалисты по IT и охране труда. В итоге родилось решение создать собственный уникальный инструмент на основе технологий искусственного интеллекта (ИИ).
- Не могли бы вы вкратце описать разработанное компанией решение?
В двух словах, система состоит из видеорегистраторов и синхронизированной с ними цифровой платформы собственной разработки, которая принимает и анализирует видеопоток. При помощи технологии нейронных сетей автоматически выявляются такие отклонения, как саботаж камеры (закрытие или отворачивание объектива), курение, разговоры по мобильному телефону, пренебрежение ремнем безопасности и спецодеждой. Все материалы хранятся в видеоархиве в течение одного – двух месяцев, реализована возможность загрузки и скачивания отдельных фрагментов.
Но главное, что руководство автопарка и сотрудники службы охраны труда получают подробные электронные отчеты по факту каждого нарушения с указанием его точного времени, а также фото- и видеофиксацией. Это позволяет нам эффективно выявлять водителей из группы риска и корректировать их поведение за рулем путем разъяснительных бесед, обучений и т.д. Также мы проводим различные мотивационные программы, составляем рейтинги водителей. Если же сотрудник все равно продолжает систематически совершать опасные действия, то приходится прибегать к дисциплинарным взысканиям, вплоть до увольнения. Ведь, как известно, безопасность превыше всего.
- Каких результатов уже удалось добиться при помощи видеоаналитики? Каковы целевые показатели в плане аварийности, повышения эффективности работы автопарка и т.д.?
В глобальном плане ключевой целью «Кастор» является снижение коэффициента аварийности хотя бы по вине сотрудников компании. Так или иначе, именно на это направлены все наши усилия в сфере безопасности дорожного движения, включая разработку системы видеоаналитики. Однако решение было внедрено в автопарке совсем недавно, в мае 2019 года. Поэтому пока рано проводить прямую корреляцию между использованием инструмента и статистикой аварийности.
Зато уже получены впечатляющие результате в части экономии временных и трудовых затрат на анализ поступающих данных. Так, объемы видеопотока сократились с 510 000 до 30 минут в сутки. А затрачиваемое сотрудниками время на просмотр видео и вовсе уменьшилось в 17 000 раз. Соответственно, у нашего линейного персонала появилось намного больше времени для работы с нарушителями, корректировки существующей ситуации. Это помогает нам повышать дисциплину водителей и формировать культуру безопасности.
Кроме того, сразу же существенно увеличился процент выявления нарушений. В первый же месяц функционирования системы было зафиксировано почти в 30 раз больше отклонений, чем до этого. Таким образом, мы наконец получили более-менее реальную картину соблюдения водителями требований безопасности за рулем. Возможно, уже очень скоро получится напрямую оценить эффект новшества в плане сокращения количества дорожных инцидентов. Но для этого должен пройти хотя бы год эксплуатации системы, чтобы мы могли сравнить показатели за аналогичный период.
- А с какими основными сложностями, как техническими, так и организационными, столкнулась компания при внедрении новшества?
Как известно, большинство людей все новое сперва воспринимает в штыки. Некоторые водители шли на всяческие уловки, пытаясь обмануть систему и отключить видеорегистраторы при помощи монетки или фольги. В общем, проявляли «солдатскую смекалку», чтобы освободиться от контроля. К слову, сделать это никому не удалось, поскольку оборудование установлено в автомобилях в надежном антивандальном исполнении. Приходится проводить разъяснительную работу, доносить до водителей то, что видеоаналитика улавливает и фиксирует исключительно определенные опасные действия. Следовательно, ни о каком вмешательстве в личное пространство и тотальном контроле речи не идет.
С технической точки зрения главный камень преткновения заключался в непростых условиях Крайнего Севера, в которых приходится работать нашим водителям. Во-первых, не любое оборудование способно исправно функционировать в экстремальных температурных режимах. Другой проблемой стало обеспечение оперативной передачи данных. Нередко перевозки осуществляются в труднодоступных местностях, не охваченных мобильной связью, и информация может приходить с задержкой в сутки и даже более. Поэтому реализовать получение сигнала в режиме онлайн оказалось проблематично. Впрочем, для нас куда важнее видеть картину в целом, а также максимально упростить и ускорить анализ видеопотока, что и было сделано.
Вместе с тем любое, даже самое отлаженное IT-решение может периодически давать сбои. К счастью, в нашем случае это всего 1% видеопотока из 100. Технологии машинного обучения позволяют периодически совершенствовать характеристики системы, делая ее все более разборчивой к нарушениям и сводя количество ошибок к нулю.
- Как проходил процесс внедрения решения, из каких этапов он состоял?
Прежде всего, была заготовлена масса различных видео, отражающих правильное поведение водителя и отклонения. Условно говоря, правда и ложь. При помощи этого массива кадров наши ИТ-специалисты в течение трех месяцев проводили машинное обучение системы. Параллельно шло создание личного кабинета для пользователей решения, куда автоматически выгружаются все отчеты. В мае прошлого года началось непосредственное внедрение и опытная эксплуатация. Повторюсь, что уже через месяц мы увидели первые результаты в виде значительного увеличения фиксируемых нарушений и колоссальной экономии времени на обработку и анализ информации.
- Расскажите, пожалуйста, о перспективах эксплуатации видеоаналитики? Планируются ли какие-либо доработки, расширение функционала?
Разумеется, впереди немало доработок. В частности, мы планируем получать и анализировать также данные с камер, обращенных на дорогу, чтобы контролировать соблюдение сотрудниками ПДД, их внимательность к дорожным знакам и инфраструктуре, наконец, стиль вождения. Такие возможности принесут нам дополнительный эффект в деле снижения аварийности нашего корпоративного транспорта, а следовательно – помогут внести свой вклад в повышение безопасности российских дорог. Ведь нельзя рассматривать свой автопарк в отрыве от других участников дорожного движения.