# 智能运营部 # 货拉拉技术 AI识别技术
前言
安全无小事，安全关乎每个人的切身利益，任何一个小的疏忽都可能导致重大的事故。在货运行业，确保人员和货物的安全是企业必须履行的基本责任。近年来，随着需求和业务量的高速增长，货运安全面临的挑战愈发严峻。货箱载人、违禁品运输、危险驾驶以及车内冲突等安全隐患已成为事故频发的主要诱因。而这些安全事件一旦发生，会对当事人造成严重人身伤害和经济损失。因此，如何有效提升货运安全性成为了行业亟待解决的问题。随着人工智能技术的不断进步，AI为货运安全防控提供了新的解决思路。接下来将详细介绍货运安全防控的挑战和解决思路。
落地挑战
传统的安全管控手段在互联网货运场景中难以做到及时发现和干预，行前及行中的管控能力缺乏，致使货运平台只能通过事后处置来减轻事故的后果和影响。如果要对订单全链路实时地监控、识别和干预，主要面临以下几点挑战
AI防控新思路
通过结合AI识别技术，建立货拉拉AI安全防控体系，对货运订单中的 违规载人 风险全程实时地监控、识别和干预，使得对货运安全的管控从事后的『被动』降影响走向了事前和事中的『主动』降发生。同时满足政府对公司的履职尽责要求，保障业务的良好发展。
按照做单流程，AI安全防控可以按照事前-事中-事后三阶段进行治理：
AI安全防控系统
为了构建对货箱载人订单的 识别-召回-提醒-干预-判罚-申诉的全链路管控流程，我们搭建了一套自研的货运AI安全防控系统，以此来实现对平台海量订单的实时监控和干预。
整体架构如下
接下来看下货箱载人的治理流程，主要分成以下三个阶段
数据感知
对原始数据进行采集、脱敏、清洗、特征提取，系统获取的数据都是经过许可的且非永久存储的，同时也采取了多种措施，确保用户信息的隐私和安全
1、在数据清洗阶段会对敏感字段进行加密后存储并通过flink任务实时的流式处理数据
2、使用大模型、CV算法、NLP算法等技术从清洗和脱敏后的数据中提取货箱载人特征数据
在利用AI技术进行特征提取的阶段，遇到了不小的挑战，以装货图识别为例：
识别场景复杂多样：货箱内人体具有形态多样、尺寸差异大、肢体遮挡严重、人群过于密集等特点，很容易漏检。同时包装箱表面广告人体、车外人体干扰很容易造成货箱载人误检测。
图片质量参差不齐：部分待识别图片并不符合业务规范，甚至图片中的背景区域也对算法识别结果造成干扰。例如：图片模糊过曝、未上传装货图、车厢外违禁品干扰等。
面对以上问题，我们做了很多的工作和尝试，部分措施如下：
1、针对货箱载人识别场景复杂多样的情况，目前经过优化，算法可以保证各类货箱人体的召回，同时过滤绝大部分“广告人体”、“车外透过车窗的人体”和“部分装货中人体”干扰图。
2、面对装货图片不符合规范的问题，可以利用多级过滤，逐步过滤掉不符合要求、干扰的图片和局部信息。过滤流程如图所示：
风险检测
分析检测风险特征数据，对订单风险进行研判
1、基于提取到的货箱载人风险特征，使用策略+规则引擎对数据特征进行进一步分析并评估风险等级
2、为了避免误判，采取的方式是多特征组合分析，提高分析准确性，降低误判概率
面对复杂多变的识别场景和质量参差不齐的数据，算法识别结果会有一定的误差，所以单纯依赖于算法识别结果进行干预，有一定误判的可能。为了保证干预的准确性，采用以下解决方案：
1、结合多种数据源的算法识别结果和置信度综合研判，同时根据识别准确率动态调整阈值，降低误判概率。
2、对于文本数据，对关键词匹配结果和大模型语义识别结果二者结合判断，提高识别的准确率。
处置干预
对有货箱载人风险订单进行实时分层干预，同时与客服系统进行联动，当司机对被取消的订单产生异议时，主动进行解释，让司机能够更好的理解和接受。另外，被平台识别到的已完单的风险订单，会由专业人员进行二次确认，实锤违规的订单，会对司机/用户进行判罚。
1、高准订单强干预，拦截接单或强制取消订单
2、中准订单强提醒，平台会通过弹窗提醒的方式告知司机订单存在违规，并引导司机进行取消订单的操作
3、低准订单弱提醒，平台会通过安全中心提醒、语音提醒、AI外呼等手段对司机和用户进行提醒
货箱载人干预示例
总结
货拉拉AI安全防控系统实现了对违规载人订单的毫秒级识别与管控，消单准确率达到95%以上，识别安全水平得到显著提升。未来，随着技术的不断进步，货运AI安全防控系统将更加智能化和自动化，为物流行业的发展提供有力支持
作者简介：货拉拉/技术中心/智能运营部
架构：吕泽文、刘永路
算法：陈世喆
