提起“桔视”,大多数朋友会比较陌生,好奇“桔视”是什么?其实,在您使用滴滴出行的过程中,“桔视”一直在默默守护着每一趟出行。
当您乘坐滴滴网约车出行时,如果收到出行 App 提醒:是否同意打开录音录像?那这台网约车就已经安装了桔视设备,上车后,您会在前挡风玻璃居中的位置看到一个小黑盒子和一个圆筒状的摄像头,那就是桔视设备了。
隐藏在后视镜背面的桔视设备很难有机会走向前台,让大家看到它的全貌,其实他和普通的行车记录仪长得差不多,但是又多了两样重要的部件,一个是左下角的对内摄像头,还有一个是右下角的安全求助按钮。
在了解完桔视设备全貌后,让我们看看它是如何工作的:主机采用车载 12V 电瓶供电,通过 MCU 实时监测车辆点火/熄火状态,抓取车辆 ACC 信号状态对设备进行开关机控制,同时结合 PMIC 电源管理芯片与汽车电瓶电压,对整机功耗进行精细化管理。各外围配件通过专用硬件接口与主控芯片 MTK8665 进行数据交互,推动整个桔视系统稳定工作。
主机部分主要包括:SOC、Cam1、Sim 卡、TF 存储卡、GPS、IMU、Mic/Speaker 等:
SOC: 系统级车规芯片MTK8665,桔视设备的大脑,负责系统运行,实现AI监测;
Cam1: 车外1080P高清摄像头,为司机提供行车记录仪功能,并将采集到的车外路况信息输入给SOC中的AI-ADAS引擎,让摄像头智能化,提供碰撞预警、车距保持、刹车提醒等辅助驾驶功能;
Sim卡: 负责与滴滴后台进行通信,根据收到的指令与设备状态,按需与滴滴安全中心进行音视频数据交互;
TF卡: 完成本地音视频存储,司机可通过WiFi连接设备提取TF卡中的车外行车视频;
IMU: 6轴姿态传感器,依据读取到的数据信息,进行急加速、急减速、急转弯等驾驶行为判断,优化驾驶行为,提升司乘体验;
GPS: 北斗/GPS双模定位,提供优于手机的定位性能,结合同时刻车外路况信息,提供交通大数据分析的能力;
Mic/Speaker: 采集订单内音频数据,并按需播报预警信息,提醒司机乘客交通安全;
Cam2: 车内广角摄像头,由镜头、Sensor、ISP、夜间补光灯、光敏器件等部件组成,其中光敏感知车内环境亮度信息,耦合订单逻辑,按需打开/关闭补光灯,确保在夜间无光场景下车内影像录制清晰可见。
车内摄像头是桔视司乘安全的重要抓手,它主要负责行程中的车内录像,用于判责取证,它看到的所有内容都会被加密存储,如无合规取证需求,无论滴滴平台,车主,乘客及任何第三方都无法查看,而且还会定期删除。
配合网约车的管控能力,加上桔视远程语音播报功能,通过技术手段,我们能够保证,在订单内,对内摄像头,处于持续,稳定,高质量的监控状态。震慑不法分子,保障司乘安全。
此外它还会留意司机的眼睛和嘴巴,抓取司机在一定时间周期内出现的眨眼、闭眼、打哈欠等状态,通过智能算法判断司机是否疲劳,并发出语音提醒,提醒司机及时休息,调整状态。在疫情期间,滴滴的 AI 团队也基于桔视车内摄像头研发口罩监测算法,有效防止新冠疫情的传播,确保司乘生命安全。
最后是不起眼的安全求助按钮了,其实对滴滴司机来说,它也有大作用。给大家讲一个真实的故事:去年滴滴司机李师傅在接单过程中,由于天黑无法看清路况,整辆车掉入池塘,车厢内一片混乱,李师傅和乘客都陷入恐慌。这个时候,司机忽然想起来,我们给他配备了安全求助按钮,他果断的按下了这个按钮。我们的安响人员在第一时间监测到了求助信号,根据桔视上传的车内外音视频内容,判断确实存在危险情况,并及时报警协助司机获救。
守护司乘安全,是滴滴出行的重要使命,桔视设备正是司乘背后的守护者。目前,桔视设备已经成为滴滴网约车安全领域的基建设备,近百万级安装量,覆盖全国 200+城市,每日服务订单超千万,覆盖 1.2 亿公里的行程,无锡高架坍塌,长春陨石坠落,疫情期间大连防疫现场央视正直播…很多现象级的事件都由桔视记录着。
在满足网约车场景需求同时,桔视秉持“构建行车数据生态,让出行更智能”的理念,以滴滴出行的数据积淀和全场景闭环基础为引擎,深度驱动车联网行业创新释能,打造了一套完备的行业级硬件体系、高水平的软件服务体系和精准的 AI 算法能力,提供乘用车辆安全事故预防、货运车队管理、车险定价、地图更新、智慧城市等多领域的解决方案,共同构建桔视车队管理解决方案和桔视智慧交通大数据应用:
桔视依靠稳定高效的海量数据采集能力,在车队管理、交通安全、公共安全、定制化保险、地图更新、无人驾驶、智慧交通等领域都有着巨大的想象空间和商业价值。
作者介绍:
Xiaoming,滴滴硬件专家工程师
2017 年 11 月入职滴滴,任硬件专家工程师,负责“桔视”品牌车载硬件产品研发工作。2013 年毕业于北京邮电大学,曾就职于华为海思,一直专注于硬件技术研发工作,用硬件设备服务于数以亿计的用户。
本文转载自公众号滴滴技术(ID:didi_tech)。
原文链接:
评论