Jual Velg Mobil Murah

GARDUOTO – Grab berupaya membantu mitra pengemudi untuk memahami bagaimana mereka mengemudi dengan lebih baik, untuk memberikan pengalaman berkendara yang lebih aman dan nyaman bagi pengemudi dan mitra pelanggan.

Dengan mengumpulkan data GPS, giroskop, dan akselerometer dari aplikasi Grab, kami dapat menyajikan laporan telematika mingguan kami kepada mitra pengemudi kami tentang pola mengemudi mereka, termasuk kecepatan, akselerasi dan pengereman sehingga mereka tahu apa yang perlu ditingkatkan.

Mengemudi yang lebih baik telah meningkat secara signifikan, sejak peluncuran telematika pada Maret 2017.

Pada Juli 2017, perilaku mengemudi rata-rata dengan kecepatan di atas rata-rata (melaju) adalah 0,7 per 100 kilometer, pada Juli 2018, jumlah itu turun 64%.

Perilaku mengemudi dengan laju pengereman dan percepatan mendadak per kilometer telah menurun masing-masing sebesar 23% dan 50% dari 2017 hingga 2018.

Pengereman dan akselerasi mendadak adalah pengalaman yang tidak menyenangkan bagi penumpang.

Perilaku ini juga terkait erat dengan perilaku mengemudi yang tidak aman, seperti mengemudi terlalu dekat di belakang kendaraan lain, mengemudi agresif dan kehilangan fokus di jalan.

Di sisi lain, ketika pengemudi menginjak rem atau menginjak gas lebih sering dari yang dibutuhkan, mereka akhirnya membuang lebih banyak bahan bakar dan merusak rem dan tapak ban.

Dikenal dengan julukan "sindrom kaki memimpin", perilaku mengemudi ini juga terbukti kurang ramah lingkungan karena mengeluarkan gas yang lebih berbahaya dan juga mencemari lingkungan.

"Mitra pengemudi kami melihat laporan telematika ini sebagai salah satu alat praktis yang membantu mereka menjadi pengemudi yang lebih baik." Mereka merasakan manfaat langsung ketika mereka dapat menghemat uang dengan mengemudi lebih efisien, yang dapat menghemat bahan bakar mereka, "kata Nicholas Chng, Kepala Keselamatan dan Keamanan Grab.

Dengan melacak data telematika dan mengamati pola mengemudi, kami juga lebih mampu memberikan pelatihan proaktif kepada mitra pengemudi jika diperlukan.

Laporan telematika ini adalah bagian dari Peta Jalan Teknologi Safer Travel & # 39; inisiatif, yang meliputi pengukuran spesifik dengan tujuan mengubah kebiasaan mengemudi dari mitra pengemudi.

Contohnya adalah memantau tingkat kelelahan mitra pengemudi, untuk mendorong perubahan perilaku jangka panjang.

Menurut Organisasi Kesehatan Dunia (WHO), 25% dari total kecelakaan lalu lintas fatal di dunia terjadi di Asia Tenggara (menurut WHO termasuk Indonesia, Myanmar dan Thailand). Sementara itu, wilayah Pasifik Barat (termasuk Malaysia, Singapura, Filipina, Kamboja, dan Vietnam) memiliki jumlah kematian fatal tertinggi akibat kecelakaan lalu lintas di dunia.

Namun, angka kematian akibat kecelakaan sangat bervariasi di berbagai kawasan ASEAN. Misalnya, angka kematian per 100.000 dari total populasi di Malaysia dan Thailand tercatat lima kali lebih tinggi daripada di Singapura.

Sementara di Indonesia, ada 28.297 kematian akibat kecelakaan lalu lintas pada tahun 2014 yang merupakan faktor yang menyebabkan hilangnya 3 persen dari PDB.

Merujuk pada fakta ini, kami telah bermitra dengan sejumlah lembaga pemerintah di Asia Tenggara, untuk mengembangkan berbagai program yang bertujuan mengatasi masalah keselamatan mereka.

"Berbagai inisiatif yang bertujuan untuk mengubah perilaku manusia seperti laporan saat ini tentang telematika telah mulai membuahkan hasil. Meskipun jarak yang ditempuh oleh pengemudi Grab di Indonesia tahun ini telah dua kali lipat dari tahun lalu, tetapi jumlah rata-rata kecelakaan akibat ngebut telah menurun. 76%. Ini adalah peningkatan terbesar di wilayah ini. Sementara itu, jumlah rata-rata perilaku injakan dan pengereman per kilometer juga masing-masing turun 51% dan 25%, "tambah Nicholas.

"Penggunaan data telematika dari ponsel pintar masih baru, jadi kami harus membuat algoritma untuk mengukur indikator perilaku mengemudi yang tidak aman dari nol,".

Pertama, Grab membuat daftar statistik deskriptif atau "fitur" yang dianggap mengindikasikan perilaku berkendara yang berbahaya.

Misalnya, mengemudi pada kecepatan tertentu di atas batas nasional dapat dianggap sebagai perilaku ngebut sehingga dapat dikategorikan tidak aman.

Menggunakan pembelajaran model, fitur-fitur hipotesis ini kemudian dapat divalidasi menggunakan data dari serangkaian perjalanan yang dilaporkan oleh penumpang, sebagai perilaku mengemudi yang berbahaya (yang juga telah dikonfirmasi sebagai berbahaya setelah penyelidikan oleh Grab).

Langkah ini dilakukan untuk memastikan bahwa semua fitur dapat dengan jelas menunjukkan perilaku berkendara yang tidak aman.

Dengan hadirnya algoritma ini, Grab kini dapat secara efisien memproses data GPS dalam jumlah sangat besar dari mitra driver kami.

"Ini kedengarannya seperti sesuatu yang umum, tetapi hasil penyelidikan kami menunjukkan bahwa penumpang menginginkan dan menghargai upaya kami untuk membawa perjalanan dengan perilaku berkendara yang aman. Perjalanan yang dipantau oleh model keamanan telematika kami sebagai perjalanan yang aman, secara signifikan mendapatkan peringkat lebih tinggi daripada perjalanan "Itu dipantau sebagai tidak aman. Perjalanan yang aman memiliki peristiwa pengereman dan akselerasi tiba-tiba dan perilaku ngebut yang lebih sedikit," jelas Nicholas. [Go]

Leave a Reply