Förbättrad trafiksäkerhet och förebyggande av olyckor är bara några av fördelarna med den nya lösningen, RoadView Plus, som upptäcker förartrötthet och distraktion.
AddSecure, en ledande europeisk leverantör av säkra IoT-uppkopplingar och end-to-end lösningar, har idag tillkännagett lanseringen av en ny AI-baserad lösning med fordonskameror utformad för att upptäcka förartrötthet.
Lösningen, RoadView Plus, som är baserad på teknologierna DMS (Driver Monitoring System) och ADAS (Advanced Driver Assistance System) är den mest tillförlitliga lösningen på marknaden för att upptäcka distraktion och förartrötthet. Den förväntas dramatiskt öka trafiksäkerheten genom att hjälpa åkerier att förebygga olyckor orsakade av trötthet och distraktion.
RoadView Plus systemet använder avancerade algoritmer för att analysera förardata och upptäcka trötthetsmönster, såsom gäspningar, nickningar och fallande huvud.
Systemet varnar förarna i realtid, och rekommenderar dem att ta en paus eller vila, vilket förhindrar olyckor. Systemet är ett betydande genombrott i trafiksäkerheten, eftersom förartrötthet är en vanlig orsak till trafikolyckor över hela världen (20–30% av alla dödsfall på motorvägar).
– Vi är stolta över att lansera RoadView Plus, som erbjuder marknadens bästa funktion för att upptäcka förartrötthet och därmed hjälper yrkesförare att bli säkrare på vägen. Att bidra till ökad trafiksäkerhet och att förhindra olyckor ligger helt i linje med vårt uppdrag att skapa en säkrare och smartare värld, säger Ulrika Allén, VP Product & Technology Smart Transport, AddSecure.
RoadView Plus inkluderar en framåtvänd kamera för extern inspelning, en IR-skanner som används för att upptäcka trötthet eller distraktion hos föraren, och en liten intern display som visar och utlöser varningar i kabinen. Systemet erbjuder också en molnbaserad plattform som gör det möjligt för transportledaren att övervaka förarens beteende och ta emot varningar i realtid. Vid en incident informeras transportledaren om händelsen genom ett larm. Den sparade videon och data kan användas både för att utvärdera en händelse och för personlig träning.
