Чем ваша система OptiDriving лучше, чем все остальные на рынке?

Вы думаете, что открыли Америку? Систем типа «Экодрайвинг» на рынке полно. Вы, наверняка, и сами пробовали некоторые из них, и убедились, что ничего не работает – только время теряешь. И вот закономерный вопрос: чем же мы лучше?

Давайте разберемся. Скажите, когда вы пробовали те системы, они часто показывали неадекватные результаты, не так ли? И даже купив для теста разные варианты, вы на практике не смогли довериться ни одной. Возникает резонный вопрос: почему так происходит? Почему даже штатные системы европейских автопроизводителей не могут справедливо оценить каждого водителя?

Дело в том, что здесь запрос рынка долгое время упирался в технологический тупик, перепрыгнуть который стало возможным только сейчас — с появлением ИИ и Data Science. Мы и сами 15 лет назад сделали первую систему типа «Экодрайвинг», но быстро поняли: так проблему не решить.

Давайте обсудим простым языком, почему системы прошлых поколений не решают и не могут решить задачу объективной оценки водителей. Рассмотрим, как все начиналось. Изначально «Экодрайвинг» использовал акселерометры в GPS-трекерах. Принцип был прост: если торможение резче максимального порога – штраф; разгон быстрее разрешенного порога – тоже штраф. Вот и вся система.

Но здесь сразу же вскрылась фундаментальная проблема: даже для одного и того же автомобиля в загруженном и пустом состоянии при одинаковом нажатии на педаль газа ускорение будет разным. Как же тогда выставить единый допустимый порог разгона? Оставался лишь один вариант — установить его очень высоким, чтобы превышение говорило об откровенно агрессивном, «шумахерском» поведении. Однако такие случаи — это лишь 0,5% от всех действий водителя за рулем. Кого может заинтересовать столь грубый подсчет? Только тех, кто платит за аварии. Именно поэтому единственная сфера, где такой примитивный «Экодрайвинг» нашел какой-то спрос — это страховая телематика.

Дальше — больше. Со временем оказалось, что основные потери топлива состоят как раз из множества мелких, фоновых нажатий водителя на педали тормоза и газа. Но вот загвоздка: эти малые ускорения и торможения по амплитуде меньше, чем обычные колебания кузова автомобиля на неровностях наших дорог. Выделить их из общего «шума» невозможно. А без этого нельзя ни определить топливную эффективность водителя, ни понять, какие именно действия к ней привели.

Что же делать? Продать-то клиенту что-то хочется… И тогда продавцы систем пошли другим путем. Они предложили: «А давайте считывать из бортовых датчиков автомобиля по CAN-шине разные параметры, которые косвенно связаны с расходом топлива?» Давайте! Мы и сами так пробовали: показывали клиенту количество торможений и нажатий на газ, обороты двигателя, время движения на круиз-контроле и прочее. А дальше пользователь должен был сам, как на музыкальном эквалайзере, подвигать ручками и решить: какой параметр важнее для качественной езды — тот и поднять, а какой кажется неважным — опустить. В итоге оценка водителей велась огульно, на основе субъективного мнения одного из сотрудников. Именно этот принцип сегодня заложен во многие известные системы «Экодрайвинга».

Но скоро выяснилась еще одна сложность: все маршруты разные. Один водитель едет по загруженному центру, а другой — по пустынной трассе. Как сравнить их по количеству торможений, если этот показатель напрямую зависит от сложности маршрута? То есть — никак. К тому же, показатели из CAN-шины лишь косвенно связаны с расходом топлива — и обороты, и нажатия на педали. А длительное движение на круиз-контроле в холмистой местности, например, и вовсе неоправданно увеличивает расход. Судить по этим параметрам о топливной экономичности водителя — все равно, что судить о весе человека по длине его тени. В целом связь есть, но оговорок — масса.

Именно поэтому системы «Экодрайвинга» или скоринга водителей вас, скорее всего, не удовлетворили.

Мы же подошли к решению этих проблем совершенно иначе.

Во-первых, мы устанавливаем на автомобиль блок, который проводит оценку потерь энергии на основе Big Data анализа. Он фиксирует мельчайшие маневры автомобиля с частотой 200 раз в секунду, отфильтровывает паразитные «шумы» и выделяет чистый профиль потерь энергии за рейс, привязывая его к каждому действию водителя. Фактически, мы разложили работу водителя на «элементарные частицы» и связали их с теми потерями энергии и снижением КПД, которых можно было избежать.

Во-вторых, за последние 20 лет мы собрали Big Data по движению более 40 000 автомобилей по всем дорогам Евро-Азии. И теперь, когда наша база данных достигла размеров, позволяющих применять методы Data Science, мы получили уникальную возможность: сравнивать движение каждого вашего автомобиля с тысячами аналогичных машин на том же участке дороги. Мы оцениваем, как ваш водитель вел себя в конкретном месте, в сравнении с тысячами своих коллег по отрасли в абсолютно таких же условиях. Таким образом, мы прикладываем вашего водителя к объективной «линейке» реально достижимой эффективности на каждом отрезке его пути.

Этим мы окончательно решили задачу объективного учета сложности маршрута для каждого водителя.

К сожалению, раньше предложить эту систему рынку мы не могли — мешала недостаточная зрелость и объем накопленной базы данных обезличенных поездок для каждого типа и веса машин. На ее создание ушли многие годы.

Зато теперь, с появлением этой технологии, вы можете одновременно решить несколько задач: и фильтровать водителей на входе, и автоматически анализировать их стиль вождения, и обучать их, и мотивировать, и — что самое главное — сформировать у них устойчивые привычки экономичного вождения.