科技讓出行更安全
——訪滴滴出行安全事務部研究總監劉文超

文/本刊記者 包冬冬

滴滴出行作為全球最大的一站式出行平臺者在提供交通便利之時者更將“安全”這一出行領域最基本的要素看得很重。2017年7月者滴滴公司對外公布的駕駛行為監測技術者在管控司機駕駛行為上正發揮著積極作用。

“滴滴一下，出行更美好”。用過滴滴出行APP的人對這句口號并不陌生。作為全球最大的一站式出行平臺，滴滴出行目前注冊用戶已達4.5億，注冊司機已逾2 100萬，日均訂單達到2 500萬，其龐大的運行體量規模和獨特的共享經濟模式，注定了滴滴的安全管理必然是創新的、獨特的、系統性的。本刊記者專訪滴滴出行安全事務部研究總監劉文超，請他介紹“互聯網+交通安全”的設想與落地情況。

記者（以下簡稱“記”）：劉總，您好。滴滴出行是一站式出行平臺，目前規模已成為全球最大。您認為，滴滴出行共享經濟最顯著的特點是什么？

劉文超（以下簡稱“劉”）：2012年6月，滴滴出行平臺創立。同年9月，第一款APP（計算機應用程序）上線以來，相繼推出了出租車、專車、快車、順風車、豪華車、公交、小巴、代駕、租車、企業級等全場景出行業務，形成了門類齊全的一站式出行平臺。滴滴平臺共享經濟的核心特征為輕資產模式，不采購車輛、不雇傭司機，平臺運力均為加盟運營。與傳統出行企業相比，出行平臺旨在整合社會閑散資源，提升既有車輛的使用效率，其顯性特征在于體量規模龐大、個體差異性大。

同期，滴滴出行注冊司機1 000萬，呈現出個體運營強度和規律的顯著差異性。與90%的出租汽車企業車輛規模不超過300輛的行業現狀相比，滴滴出行千萬級的注冊司機規模，不啻于創造了一個全新的出行行業而非企業個體的概念，這也注定了滴滴出行的管理視角必須站在行業創新的高度上。傳統的線下組織模式，無論從覆蓋面、觸達率（編者按：接觸到產品的目標客戶人數占目標客戶總人數的百分比）還是性價比等方面，都已經無法適應新興經濟模式的發展需要。

2015年全國出租汽車企業運營車輛規模情況

記：既然滴滴出行已經成為一個全新的出行行業，面臨的安全風險是否也是全新的，主要來源于哪些方面？

劉：滴滴出行的安全風險按照來源可分為三大類：一是出行類風險，包括交通事故、車內沖突等；二是移動互聯類風險，包括用戶財務安全、用戶隱私安全等；三是運營類風險，包括群體性事件、鬧訪等。梳理這些安全風險可以發現：移動互聯類、運營類風險具備一定的行業共性，防范和解決之道可以借鑒其他互聯網企業既有經驗；出行類風險是滴滴區別于其他互聯網企業的本質特征，交通事故和車內沖突是移動出行企業特有的經營場景，也是滴滴安全管理的獨特核心價值。滴滴出行服務植根于社會大環境下，交通事故規律和車內沖突特征概率上受到宏觀安全水平影響，千萬級的司機車輛管控和數以億計的乘客出行服務，注定了滴滴安全管理勢必是系統性的解決之道。

記：您所說的安全管理系統性解決之道，它的核心理念是什么，重視風險管控中的哪些環節？

劉：作為行業內第一家明確提出“安全第一、體驗第二、效率第三”發展戰略的企業，公司用最高級別的指導方針確立了安全事務的首要地位，并在全行業率先建立了安全管理委員會，直接由創始人兼CEO程維牽頭，統領安全事務部、各業務線及職能部門相關安全事務決策、目標制定考核、崗位職責監督，切實保障公司安全工作目標具體、路徑明確、權責清晰、執行通暢。

公司以安全事務部作為安全工作的統籌部門，通過安全關鍵績 效 指 標 KPI（Key Performance Indicator）考核、崗位安全職責拆解、安全FT(Feature Team)團隊建制、業務線安全接口人等基礎制度建設，逐步搭建起脈絡清晰、結構完整的安全管理組織架構，實現了總部地方聯動的安全管理團隊。

與此同時，從公司內部的安全管理上，滴滴公司用每年上億資金的安全管理投入，保障人才引進、科技研發、數據融合等基礎保障建設；公司各部門策略調整、業務變動涉及安全風險的，一律通過安全評估，安全因素作為一票否決審核項。

對于平臺安全準入，滴滴著力于安全事前管理、強化準入條件的精準審核。2016年7月，滴滴率先與中國互聯網協會分享經濟工作委員會聯合發布了移動出行駕駛人員禁入標準，首次明確了網約車駕駛人員資格審查的“負面清單”，有重大暴力犯罪、嚴重治安違法、交通安全違法以及精神病記錄的人員，都將被一票否決、禁止進入移動出行平臺。滴滴應用三證驗真（身份證、駕駛證和車輛行駛證）、背景篩查以及人像識別等保障性技術，篩查身份證、駕駛證、行駛證虛假無效信息，排除危險駕駛犯罪、暴力犯罪等不良記錄，識別申請信息不符的申請人，確保每一位平臺司機依法合規安全服務。目前，僅三證驗真一項，平臺平均每天就拒絕4萬個不符合要求的注冊請求。

滴滴平臺施行安全事中管控，重視風險集聚的提前干預。如以駕駛行為檢測為核心評價指標，應用GPS信息、手機陀螺儀及加速度計等功能，監測分析司機急加速、急減速、急剎車、超速、疲勞駕駛、分心駕駛等風險駕駛行為，綜合司機交通安全違法行為、交通事故記錄、乘客投訴等關聯數據信息，針對性制定宣教內容和管控措施，精準觸達司機個體，定期隨訪干預效果，形成管理閉環。

注重事件調查復盤（編者按：圍棋術語，按原先的走法，把下完的棋再擺一遍。用于此，表示重新回顧發生過的事件，總結經驗），梳理事故背后隱藏的機制漏洞、管理缺位、技術缺陷，是滴滴安全之道的重要補充。公司根據事故分級處置原則，組織專人調查復盤每一起較大級以上安全事件，全過程回溯事件背景信息、安全致因、處置流程，歸納共性問題，提出解決意見，目前已完成上百起事件復盤，滴滴安全復盤文化初見端倪。

記：請您再詳細介紹下剛剛提到的駕駛行為檢測技術。

劉：2017年7月，滴滴對外公布了一款名為“滴滴護航”的安全駕駛系統，這是滴滴平臺自主研發的安全產品。它從急加速、急減速、急轉彎、急變道、超速、超時（疲勞駕駛）、分心駕駛等多維度檢測司機的駕駛行為。通過將駕駛行為感控SDK（軟件開發工具包），植入到滴滴平臺的司機手機客戶端后，在訂單行程中根據手機加速度計、陀螺儀、GPS等提供的信息，監測收集司機的駕駛行為信息。

駕駛行為特征理論由來已久，但大規模的實踐應用并不多見，技術規則和判斷的模型是滴滴平臺的核心競爭力。前端采集到信息之后，運用特有的規則和模型，可靠、有效地判斷司機的駕駛行為。后端在前端數據的支持下，提出干預司機駕駛行為的力度和措施就要依賴于后端的模型。以急減速這一行為為例，前端采集到信息，后端決定對司機的管控措施，是提醒、教育還是封禁，是實時提醒還是階段性、集中性的教育管控，針對高品質服務的專車、豪華車，還會提出更高的要求。如何充分運用信息分析結果、確定司機的駕駛行為規律以及干預類型，這是滴滴出行另外一個核心的業務場景。不同的事故風險場景和事故對象決定了前端傳回數據的應用模型。由于前端數據的實時變化，決定了分析的過程紛繁復雜且多變。由此，滴滴平臺對于后端模型的系統性調整每隔15天進行一次，微調幾乎每天都在進行，以變應變。

記：基于駕駛行為監測技術，如何應用在司機的安全教育上？與傳統的交通運輸企業比，有哪些不同？

劉：這個問題，我們在一篇名為《基于網約車平臺的互聯網+交通安全教育研究》中做過詳細闡述。我們認為，人為因素是目前造成交通事故的主要原因。那么，改變人的觀念和行為便與交通安全的宣傳教育休戚相關。傳統的交通安全教育具有主體單一、時間滯后、內容無差別、效果難評估等特點。

滴滴出行平臺的交通安全教育模式是借助移動互聯網技術提供的實時性、針對性的閉環安全管理，模式優勢體現在兩個方面。一方面，司機安全風險評估能力可量化，教育收益可閉環評估。另一方面，干預方式更靈活，教育參與方更有積極性。滴滴平臺對不同風險等級的駕駛人采取不同的教育干預手段。

第一階段，風險識別確定交通安全教育的內容和形式。2016年10月起，我們利用2個月時間開展了基線調查，隨機選取5萬活躍司機，收集整理樣本對象在1個月內發生急加速、急減速、急轉彎、超速行為（以下簡稱“三急一超”）的次數，核算危險駕駛行為頻次數據，量化評估樣本對象的安全風險程度，危險駕駛行為頻次定義如下：

分別按照“三急一超”四項危險駕駛行為頻次對樣本司機降序排列，四等分排序司機，順次定義為一級、二級、三級、四級風險等級，即每個樣本司機同時具備4項危險駕駛行為對應的風險評級，取最高級作為最終風險評級。

第二階段是定向教育。針對上一階段劃分的不同等級的司機實施分層分級教育管控，隨著風險評級的加重，教育管控手段也會逐步強化。具體如表1：

表1. 基于司機風險評級的分層分級教育管控措施

表2.“三急一超”教育管控效果

第三階段是量化評估，本項目通過跟蹤對比管控對象標簽行為頻次的環比差異，來評估教育管控措施的有效性和針對性水平。定義行為頻次下降為“改良”，反之為“惡化”，統計改良對象占管控總數的比例，作為教育管控效果的評價指標。持續跟蹤兩個月，“三急一超”中司機教育管控效果指標見表2。

對比效果數據發現，不同等級教育管控措施對應不同危險駕駛行為的干預效果各不相同。總的來說，基本符合以下3個結論：教育管控措施對“三急一超”行為普遍起到積極干預作用；按措施等級分析，干預效果與措施等級基本呈現正相關趨勢；按干預行為分析，超速干預效果最優，急加速和急轉彎次之，急減速最差。

我們關于安全出行的探索每天都在繼續，滴滴豐富的大數據和人工智能技術、人才儲備，讓安全的未來充滿了可能性。相信在我們的持續努力之下，科技將會讓出行越來越安全、市民越來越安心。