追尾事故降发生：超低功耗滴滴桔视ADAS落地实践

桔妹导读：道路交通事故每年都给人类带来巨大的生命和财产损失。滴滴作为交通领域的深度参与者，不断地探索降低交通事故的方法。本文重点介绍车载视觉团队是如何在滴滴的场景下，在桔视设备上，使用超低功耗的桔视ADAS（高级辅助驾驶系统）技术，降低交通事故发生率，守护司乘安全。

1. 

前言

‍‍‍‍

道路交通事故是一种世界性的公害，每年都给人类带来巨大的生命和财产的损失。滴滴作为交通领域的深度参与者，不断地探索降低交通事故的方法。

近些年ADAS（高级辅助驾驶系统）逐渐进入大众的视野，在前装汽车中的渗透率也在不断提高。但对于滴滴司机驾驶的私家车来说，ADAS覆盖率仍然非常低，只能依赖后装的ADAS系统。

相信很多人在乘坐滴滴的时候，见过前挡玻璃上的桔视行车记录仪，偶尔也能听到“注意前车”，“请保持车距”，”前车刹车“等语音提醒。在此款设备上，我们研发了后装ADAS系统。该系统支持前向碰撞预警（FCW），跟车过近提醒（HMW），前车刹车提醒（BLW），前车起步提醒等功能。

本文将阐述，我们是如何在滴滴场景下，在桔视设备上，使用超低功耗的桔视ADAS（高级辅助驾驶系统）技术，降低交通事故发生率，守护司乘安全。

2. 

应用背景

对历史交通事故的分析表明，同责及以上事故中，追尾事故占比60%，远高于其他事故类型，而追尾事故中又有80%是由于跟车过近所引起的，可见司机的驾驶习惯和交通事故有较强的关联性。驾驶过程中无意识的跟车过近，常常会导致驾驶员在前方突发紧急情况时无法及时作出反应，从而引发追尾事故。

国内外分析数据表明，ADAS是避免交通事故的一种有效手段。安盛的分析报告表明，只要1.5s的事前提醒，就能够避免90%的事故[1]。美国IIHS机构数据表明，FCW功能能够减少69%未刹车追尾[2]；

桔视ADAS融合前置摄像头、后置摄像头、IMU、GPS等多种传感器，联动设备端上DMS、碰撞检测、驾驶行为检测等多种算法，识别隐患场景，以实时提醒的方式，干预司机驾驶行为，培养司机良好的驾驶习惯，从而降低追尾事故率。

3. 

桔视ADAS落地后的效果

依靠桔视强大的AIoT平台、近百万量级的设备在线量，我们能够通过设备端的边缘计算，云端大数据分析，司机乘客主动反馈等渠道，主动或被动地获取交通事故数据。通过GPS，IMU，前后摄（订单内）的数据，我们能够完整地还原交通事故的整个过程，也能够客观，公正，精确地评估ADAS运行效果。

桔视ADAS上线后，进行了为期一个月的AB实验。数十万台设备，数亿公里的行驶里程，最终证明：

1. 亿公里追尾事故率能够显著降低11.4%，整体事故率降低9.1%

2. 尤其是在高峰期，亿公里追尾事