中国公路货运行业智慧安全白皮书.pdf

中国公路货运 行业智慧 安全 白皮书2 目录 4 5 6 7 9 10 12 13 15 16 19 21 3 课题组 课题负责 人 金军 普华永道 中国汽 车管理 咨 询主管 合 伙人 联合负责 人 陈立宁 G7 副总裁 陈林 中国交通 报社董 事、副 总 编辑 课题顾问 蒋逸明 普华永道 思略特 中国汽 车 管理咨询 合伙人 孙方圆 G7 首席内容 官 胡方俊 中国交通 报社交 通发展 改 革研究中 心 主任 课题组成 员及执 笔 人 刘恬恬 普华永道 思略特 中国汽 车 管理 咨询 经理 张岳 普华永道 思略特 中国汽 车 管理 咨询 经理 张帅 G7 品牌经理4 报告摘要 2019 416 8 1300 “ ” “ ” 5G G7 G7 2019 4,000 G7 5 货运安全趋势洞察与 经济效益影响 分析6 在 监管标准 、安全法 规政策不 断完善的 背景下 ， 近 年 来中国公 路货运事 故数量已 得到有效 控制 ，但整 体 事 故 风 险 依 然 高 发 。G7 大 数 据 平 台 显 示 ， 截止 2019 年 ， 我 国 的 百 万 公 里 事 故 数 为3.7 起；然而据 美国交通运输部的统计 ， 早在2014 年 ， 美 国 公 路 货 运 百万 公里 事故 数已 经降 到0.1 起 左右 （ 图1 ）。 与 此同时 ， 根据行业 专家访谈 ，中国卡 车司机死 亡 率 常年在1 左右 ， 与 发 达 市 场 相 比 ， 我 国 公 路 货 运行业安 全管理 提升依 然 任重道远 。 1 3.7 0.1 2019 2014 G7 7 基于G7 大 数 据 平 台 的 样 本 分 析 ， 我 们 将 货 运 事 故 进行进一 步拆解 ， 发现 以 下分布特 点： 7-9 数据显示 ，早上7-9 点 百 万公里事 故数高 达4.7 起 （ 图2 ） ， 为 一 天 当 中 最容 易 发 生 事 故 的 时 段 。 根据调研 ， 大 部 分 货 运 司 机 通 常 于 凌 晨 完 成 装 车 并 开 始 驾 驶 ， 到早晨7-9 点 已 连 续 工 作8 小时 左右， 处 于 疲 倦 状 态 ， 而 该 时 段 通 常 为 通 勤 早 高峰， 道 路 车 辆 密 度 激 增 ， 综 合 导 致 了 事 故 的 高发率 。 2 4.7 4.3 4.5 3.5 2.4 2.9 G7 23-5 20-23 17-20 9-17 7-9 5-7 国道 与 省 道 事 故 数 显 著 高 于 高 速 ， 但 后 者 的 事 故 程度更为 严重 由于 更 规 范 的 治 理 和 更 优 的 路 况 ， 司 机 的 驾 驶 行 为 更 为 标 准 化 ， 因 此 高 速 公 路 的 事 故 数 显 著 低 于 国道和省道 ，高速公路百 万公里事故数为1.9 起 ， 而 国 道 高 达11.4 起 ， 省 道 则 为9.3 起 （ 图3 ） 。 尽 管 整 体 数 量 低 ， 但 发 生 于 高 速 路 段 的 事 故 案 均 赔 付额高出国道 、省道70% 以上 ， 事 故 程 度 更 为 严 重 ， 因 此 高 速 道 路 事 故 控 制 仍 然 为 各 车 队 、 货运 企业的监 控 重点 。 3 G7 11.4 9.3 1.9 41,198 40,413 71,1448 事故 风 险 差 异 度 大 ，70% 的 赔 付 金 额 由10% 的 事故所造成 我 们 发 现 ，80-20 法 则 在 公 路 货 运 安 全 领 域 中 也 同样适用 。 将 事 故 按 照 赔 付 金 额 排 序 ， 可以发 现 货 运 事 故 间 风 险 差 异 度 较 大 ， 前10% 的 事 故 贡 献 了70% 的 赔 付 金 额 （ 图4 ） ， 这 意 味 着 安 全 风险存在高杠杆现象 ， 对于该类少量却严重的 事故， 是车队/ 货运 企业防 范的重 中之重 。 车队规模 越小， 事故风 险 越高 中国的公路运力结构较为分散 ， 由个体运营的 车辆数量占比达到65% 以上 ， 作为市场的基 盘 ， 中小型车队 1 千 公里风险 数 2 高 出 大 型 车队3 倍 左 右 （ 图5 ） ， 反 映 出 我 国 货 运 企 业 间 安 全 管 理水平差异较大的现状 ， 中小型车队由于缺乏 完善的管理流程 、 管理工具和管理手段 ， 行车 安全系数 长期处 于 低水 平 。 4 100% 3% 7% 20% 70% 100 80 60 40 20 0 10% 30% 50% 100% G7 5 9.1 5.4 2.9 G7 注释1 ：超大 型车队 是指拥 体量大 于1000 台车的车队； 大型车 队是指 拥车体量 在100-1000 台之间的车队 ，中小型 车队是 指拥车 体量在100 台以下的 车队 或个 人 注释2 ：千公里 风险数= 高风 险行为 数量 （ 如激进 驾驶 、 疲劳驾 驶等 ）/ 千公 里 9 安全 风 险 带 来 的 经 济 效 益 影 响 分 析 6 2009=100 CEIC 10.0% 2.7% -0.8% 7 / G7 7 4 3 50 100 150 200 250 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 在 承 运 价 格 不 断 压 缩 、 企 业 面 临 较 大 的 成 本 上 涨 压 力 背景 下 （ 图6 ） ， 安全 风 险将 进 一步 加剧 成 本 端 的 挑 战 。 在 中 国 ， 公 路 货 运 企 业 平 均 每 年 的 事 故 保 险 赔 付 额 约 为3 万元/ 车 ； 严 重 的卡车事故， 一 次 性 损 失 则 高 达 几 十 万 元 ， 涉 及 的 损 失 包 括 车 辆 损 坏 损 失 、 人 员 赔 偿 损 失 、 货物赔 偿 损 失 等 。 此外 ， 平均每辆卡车单次事故将造 成67 天 的 停 运 ， 带 来 平 均 约3.5 万元/ 次 的 收 入 损 失 （图7 ）。 事故风险同样会对 行业 上下游的经 济 效 益 造 成 影 响 ， 尤 其 是 保 险 公 司 。 由 于 高 事 故 率 ， 公路货运行业也呈 现了 较高的保险赔付 率 。 中国 重载货车的保费在 千亿 级规模以上 ， 事 故 除 了 导 致货运企业的保费 开支 增加外 ， 保 险 公 司 通 常 会 赔付损失的80% 。 而 得 当 的 安 全 管 理 可 以 使 得 总 体事故赔付率下降10% 到15% ， 管理卓越的车队 赔付甚至可下降35% ，上游货运企业的风险管 理 水平对承 保公司 的利润 存 在着显著 影响 。10 货 运 安 全 风 险 的 原因分析 11 公 路货 物运 输通 常会 受到司 机驾 驶行 为 、 装备 、 外 部 环境 、 突 发事 件等 多种因 素的 叠加 影响 ，因此造 成 事故 的因 素是 复杂 多元的 ，然而 ， 除 直 接原 因外 ， 事 故背 后不 完善 的安 全管理 体系 是长 期潜 伏于 “ 冰 山下 ” 的 系统性 原因 。 “ ” G7 12 直接原因 ： 事故 归因 相关 性 分析 8 G7 35% 37% 37% 4% 9% 从 直 接 原 因 看 ， 司 机 不 当 驾 驶 行 为 和 设 备 盲 区 是 导 致事故发生的主要因素：基于G7 平 台 的 大 数 据 分 析 ， 公 路 货 运 事 故 中 来 自 司 机 的 因 素 占 比 为37% ， 来 自 设 备 盲 区 的 因 素 占 比 为35% ， 是 导 致 风 险 发 生 最核心的两个因素 （图8 ） 。 司 机 因 素 ， 激 进 驾 驶 行 为 导 致 的 事 故 数 量 最 高 ： 在 司 机 原 因 导 致 的 事 故 中 ， 激 进 驾 驶 行 为 占 比 接近 80% ， 包 含 路 口 超 速 、 车速过快、 过 快 转 弯 、 超车 剐蹭、 未 保 持 安 全 距 离 等 。 除 此 之 外 ， 疲 劳 驾 驶 为 第二大因素 ， 导致的事故 占比为15% （ 图9 ）。 装 备 盲 区 ， 也 是 导 致 货 运 事 故 的 主 要 原 因 之 一 ： 大 部 分 车 队 由 于 辅 助 设 备 装 载 率 低 ， 因 此 驾 驶 过 程 中 的盲区也会导致事故的高发 （ 图10 ） ， 主 要 为 右 侧 盲区（占比42% ）和倒车 盲区 （ 占比32% ）。 9 G7 77% 15% 4% 4% 10 G7 42% 32% 9% 1% 2% 管理原因：精细化运营体系的 缺 失 11 CEIC 1,360 660 500 2018 5% 13% 10% 15% 1,550 从企业管 理角度 出发， 精 细化运营 体系的 缺失， 是 中国公路 货运安 全风险 长 期存在的 根本原 因，这 主 要由中国 特有的 运力结 构 决定。我 国公路 货运运 力 结构呈现 “大而 散”的 特 征，与美 国、日 本和欧 盟 相比，尽 管市场 总体规 模 已处于第 一梯队 ，但大 型 货运企业的市场占比较低 （图11 ） ，这意 味着行 业 远未进入 规模化 、集约 化 运营阶段 ，大量 的中小 型 车队长期 处于低 利和低 效 运营的困 境，缺 乏精细 化 管理的体 系和抓 手。虽 然 行业的运 力结构 正逐渐 向 大型货运 企业集 中，但 是 短期内“ 大而散 ”的特 征 还将持续 。 13在 这 样 的 运 力 结构下 ， 我 国 整 体 货 运 行 业 的 安 全 管 理 处 于 较 为 粗 放 的 阶 段 ， 主 要 体 现 为 数 据 驱 动 的 管 理 工 具 和 管 理 方 式 不 完 善 ， 以 及 安 全 文 化 和 管 理 流 程不到位 。 首先 是 围 绕 数 据 的 精 细 化 管 理 方 式 和 工 具 的 缺 失 ， 导致的过 程难追 溯 、问题 难识别。 数 据 收 集 方 式 比 较 粗 放 ， 收 集 工 具 （ 如数字 化设备 ） 的 安 装 与 使 用 率 较 低 ， 运 营 过 程 不 透明 ： 过 度 依 赖 司 机 本 身 的 驾 驶 经 验 ， 货车 在途过程 “ 黑 箱 化 ” ， 公 司 或 车 队 层 面 难 以 对 司 机 行 为 和 设 备 进 行 有 效 追 溯 ， 导 致 风 险 识别 和事 故责 任 归因 不 准 确 缺乏 即 时 干 预 手 段 ， 安 全 管 理 动 作 被 动 且 滞 后： 针 对 激 进 驾 驶 、 疲 劳 驾 驶 行 为 ， 以及驾 驶盲区 ， 缺 乏 实 时 监 控 和 辅 助 干 预 设 备 ， 而 事故 的发 生通 常 在毫 秒 之间 。 缺乏 运 营 分 析 意 识 或 能 力 ， 未 充 分 发 挥 数 据 价值： 即 使 采 集 到 数 据 ， 大 部 分 车 队 未 将 数 据 资 产 进 行 沉 淀 和 有 效 解 读 ， 并 应 用 到 如 事 前 风 险 预 警 、 线 路 排 班 和 考 核 指 标 制 定 等 方 面 ，依然 面临管 理水平 低 效的 困境 。 其次是企业安全意识薄弱 ， 缺乏安全管理文化 ， 未 将管控措 施切实 执行到 日 常运营 中 。 不 同车队 之间 安全管 理制度 差距极 大 ， 体现 在 司 机招聘 、培训 、绩 效考核 等一系 列管 理步 骤 上：根据专家 调研 ， 具备强 安全意 识的 大型 车 队 ，通常 严格 把控司 机录取 环节 ， 将录 取率 控 制在“ 精选 ” 范围 （1%3% ） 。 而 中 小 企 业 的录取率通常在20%30% 左右， 尽管当前面 临 司机缺 口较 大的现 实挑战 ，但不 完善 的岗 位 培 训和不 良的 从业环 境 ， 将 导致行 业进 入恶 性 循环 。与 此同 时 ，大 型企业 会基于 历史 驾驶 行 为 分析对 司机 进行分 级管理 ，配合 激励 机制 和 辅 助培训 ， 增 强司机 的安全 意识和 相关 技能 ， 从源头上 极大地 降低了 事 故风险 。 车辆 空间 的不 规范使 用 、 不 达标的 出车 检查 和 不 当的车 辆养 护等也 导致了 安全事 故的 高发 ： 部 分车队 为提 升单次 运货量 ，不断 扩大 货仓 空 间 而挤占 驾驶 舱空间 ，导致 事故发 生时 缓冲 不 足 ；其次 ， 许 多小型 车队甚 至未严 格执 行标 准 出车 “六检 ” 流程 ， 不达标 的货车 依然 行驶 在 各 地忙线 ， 车 辆也未 能得到 及时合 规的 保养 维 护，同样 是导致 事故高 发 的重要原 因 。 14 14 行业建言 15安 全风险 的有 效控制 ， 是公 路货运 行业整 体走入 成 熟 的标志 之一 ，也是 货运企 业降本 增 效、 创造社 会 正 效益的 抓手 ，更是 改善司 机生存 状况、 提升行业 尊 严的基 础 。 我们基 于前述 数据洞 察与原 因剖析 ， 从 国内外 的领 先经验 出发 ， 建议企 业可从 以下三 方 面着手降 低事故 风险 ， 提 升安全管 理 水平 。 短期建议：借力数字化技术，提 升智慧安 全管理 水平 事前风险防范 风险概率的评估和预测 潜在因子识别（驾驶记录、路况、 装备健康度等） 风险概率分级 路线/ 排班等提前风险 规划 智能设备搭载 车辆状态监测 司机状态监测 辅助驾驶设备 司机安全教育 保证设备健康率 全过程行为在线 司机状态与驾驶行为识别 身体疲劳状况 激进驾驶行为 危险驾驶行为（如使用手机等） 车辆状态与环境识别 位置、路线、温度（如冷链状况）等 引擎、刹车、燃油状况等 车辆盲区 即时干预 智能设备实时预警+ 人工干预 辅助驾驶系统干预（如ADAS ） 在途主动安全管理 长期运营优化 数据驱动的运营优化 全面 、 真实 、 即 时 的 数 据 采 集 ， 掌握全网运输状态 全 流 程 透 明 化 、 可视化， 高效的数 据管理与数据资产沉淀 事故和风险事件归因与复盘 责 任 划 分 与 高 危 群 体 识 别 （ 如司机 分级） 针 对 性 制 定 管 理 举 措 （ 如 奖 惩 、 培 训优化等） 短期充分借助IoT 物联网设备 、 大数据、AI 算 法 分 析等 数字 技术的 赋能 ， 加强 主动安全 管理能 力 ， 将 数 据驱动 的管理 手段应用于 事前 、在 途和长 期运 营 优化。 随着5G 带 来 的 互 联 设 备 与 算 力 的 快 速 提 升 ， 货运 企业可通过 数 据 驱 动 的 管 理 手 段 有 效 降 低 安 全 事 故 ，建立 智慧安 全管理流程 ，比如智 能设备 和数 字 化 技术可 在事前 预警 ， 在途 干预和长 期运营 优化 三 个 环节发 挥价值 在出 车 前 ， 企 业通过 历史数 据 完 善风险 评估机 制 ，分级配 备合理的 数字化 安全 设 备 ，并事 先加强 司机的安全 培训 ，保 证设备 的使 用 率 与健康 率；运 输过程中 ， 利用监控 设备和 驾驶 辅 助 系统 ， 实时准 确地识别盲 区和高危 驾驶行 为 ， 做 到 即时干 预和预 警 ，将运输 过程中的 人为风 险降 到 最 低；在 日常运 营中 ，基于 大数据分 析进行 复盘 调 整 ，结合 业务特 性改善运营 流程 ，优 化安全 管理 效 能。 16 17 案例：在 利 用 智 能 设 备 和 高 级 算 法 分 析 降 低 事 故 风险领域 ， 国 内 的 物 联 网 科 技 行 业 已 取 得 一 定 进 展 。 某 国 内 领 先 的 物 流 物 联 网 平 台 服 务 商 ， 通 过 设 备 积累的数据 ， 进 行 安 全 风 险 算 法 建 模 ， 对 不 同 等 级 的 风 险 进 行 分 级 管 理 ， 并 对 高 危 司 机 群 体 提供 有 针 对 性 的 运 营 服务 ， 从 而 有 效 降 低 事 故 率。 在 这一类型的解决方案的帮助下 ， 某 快 递 快 运 企 业 百 万 公 里 事 故 率 从2.9 降到1.9 左右， 千公 里高风险次数降到行业平均水平的50% 以下， 实现从被 动事故 管理向 主 动事故预 防的转型 在 与某保险公司和车队的三方合作案例中 ， 该 服务商与保险公司共同开发安全数据防控模 型 ， 能够更准确地输出风险预警和责任归因 ， 帮助货运公司优化了未来保费支出 ， 并 在 保 证 设备正常在线的前提下 ， 帮助保 险 公 司 将 事 故 赔付率从项目初始的90% 降至60% 。 环境数据 行程数据 车辆设备数据 司机驾驶习惯数据 风险等级数据 事故数据 高风险驾驶分级 算法建模 设备与管理 服务匹配 降赔优化：基于安全大数据分析，降低优质车队的保费支出，并通过事故率的降低帮助优化保险公司的赔付水平 风 险 评 估 风 险 管 理 安全管理 运营优化 实时风险 干预 车机端AI 提醒 算法识别 风险 并上报 平台 人工干预高风险行为， 直至风险解除 高风险司机识别，一对一管理 车队安全运营数据报告 安全服务报告案 例：数 据驱动 的安全 优化 已是国 外物联网 平台 的 主流应用 方向 。 某 全球领 先的商 用车主 机厂 车队数 字化 平台 ，通过 搭载GPS 、 摄像头 、 车辆 传 感 器 、DriverCard 身份 认 证等智 能设备 ， 全面 记录 驾驶时 间 、 驾驶 行为 和 车 辆性能 等数据 ， 用于 风险 预警和 诊断 ，减 少事 故 风险的发生；并将输出的数据报告应用到司机部 署 、 维保 计划和 订单的 优化 流程中 ，支持 车 队的 长 期安全运 营 。 OEM 驾驶员 应用 车队 所有者 应用 物流应用 车联网应用平台（安全 相关功能） 司机管理 时间 管 理 ： 记 录 持 续 驾 驶 、 工 作 和 休 息 时 间 ， 包 括 压 缩 休 息 时 段 和 延 长 驾 驶 时 段 的 数 量 ， 合理部署 安全管理 风险 评 估 和 预 测 ： 输 出 车 况 、 性 能 评 估 报 告 ， 开 展 故 障 预 测 及远程诊断 预 防 驾 驶 模 式 ： 基于 分 析 报 告 ， 设 计 预 防 驾 驶 模 式 ， 减 少 事 故 发生 运营管理 车队管理优化： 记录油耗、刹 车磨损、车胎磨损等数据，提 供维保优化建议，提升车况和 车辆使用率；基于车队经营情 况和交通数据分析，开展订单 规划和流程优化 18 19 中长期 发展 ：完 善 精细化运 营体 系 ，推进 风 险管 控 措施落地 “四位一体”安全管理体系 安全文化引领 风险识别 风险的控制流程 安 全 方 针 与 标 准 领 导 承 诺 劳 动 力 参 与 利 益 相 关 方 的 延 伸 安 全 合 规 性 管 理 危 险 的 辨 识 与 风 险 分 析 安 全 管 理 与 操 作 标 准 安 全 技 术 标 准 承 包 商 安 全 管 理 安 全 教 育 培 训 变 更 管 理 应 急 管 理 事 故 检 测 事 故 调 查 分 析 与 整 改 内 审 管 理 评 审 和 持 续 改 进 经验学习与管理优化 安全责任制： 总部设立专职安 全生产管理组，同时在地区设置“安全主任”，在基层设立“安全 督导员”，实现安全职能线矩阵式管理，明确分授权职责、奖惩机制等 安全科技与技术驱动： 搭建了 在线实时全流程的智能安全车辆监控平台Marvin ，通过高级辅助驾驶系统等车载设备实时 收集车辆数据及司机驾驶行为数据，结合大数据及算法分析，为管理提供指导性建议 案 例 ： 某 国 内 领 先 的 超 大 型 物 流 企业。 通过 建 立 “ 文化引领 、 科技驱动 、 组 织 保 障 和 流 程 优 化 ” 的 安 全 管 理 体 系 ， 搭 建 智 能 安 全 监 控 平 台 Marvin ， 结 合 大 数 据 和 算 法 分 析 提 供 管 理 依 据 和 优 化 建 议 ， 设 立 三 级 安 全 责 任 制 度 ， 同 时 辅 以 完 善 的 风 险 控 制 和 事 故 评 审 流 程 ， 让 管 控 举 措得到有 效落地 。 长期来看， 车队/ 货 运 企 业 应 夯 实 安 全 文 化 的 建 设 ，进一步 完善精细 化管理体 系 ， 实现 包含风险 降 低 在内 的整 体降 本增 效 。将 全 运营流程 在线化 、 可 视化 、透明 化 ，配合 准入标准 、培训、 考核、激励 等 多种 手段 的严 格执 行 ，培养 “红线文 化 ” ，让安 全 管理 意识 渗透 在精 细化 运营 的每 个环 节 ， 实现 全 面的 降本 增 效。 20 案 例 ： 安 全 水 平 较 高 的 危 化 品 行 业 管 理 经 验 同 样 值 得 借 鉴 ， 以 国 内 某 领 先 的 危 化 品 货 主 企 业 为 例 。 运输安全风险一直是化工行业的痛点 ， 该危化货主企业通过与科技商合作开发ADAS 风险指数模型 ， 精 确 识 别 事 故 原 因 和 风 险 责 任 ， 对 违 规 司 机 采 取 强 制 停 运 、 强制培训的措施， 建 立 高 危 司 机 “ 黑名单库 ” ， 树立队伍的底线 思维 ， 倒 逼 运 输 服 务 方 和 司 机 端 的 安 全 文 化 建 设。 案 例 ： 除 了 事 故 风 险 控 制 外 ， 车队的精细化运 营 体 系 也 能 有 效 支 持 企 业 实 现 降 本 增 效 ， 以某 全 球 领 先 的 商 用 车 发 动 机 制 造 商 为 例 。 其旗下 的 车 队 管 理 平 台 基 于 车 联 网 设 备 和 企 业 营 运 数 据 ， 建 立 完 善 的 车 辆 档 案 、 营运状况、 线路信 息 和 工 况 的 运 营 管 理 系 统 ， 通过改善司机驾驶 习惯 、 智能调度 管理， 以及车辆和 工况匹配等 手段 ， 实 现 了 保 费 等 成 本 支 出 的 降 低 ， 同时提 升了设备 的有效 利用率 和 周转率 。 保 险 支 出 ： 通 过 安 全 激 励 体 系 和 驾 驶 行 为分析， 定 制 化 保 险 项 目 ， 降低 0.5%2.0% 的保费支出 路 桥 成 本 ： 大 数 据 分 析 载