大型车辆由于体型庞大，视野有限，司机在驾驶时会产生很多视觉盲点，这些视觉盲点就是潜在的安全隐患。为此我们专门基于人工智能的深度学习，利用多路高清摄像头实时采集数据，借助边缘计算平台提供的算力，打造了适用于公交车、货车、泥头车、工程车等大型车辆的辅助驾驶、安全预警系统。支持ADAS（前车预警）、DMS（驾驶员疲劳检测）、BSD（盲区检测算法）等功能。
辅助驾驶系统并不是新生事物，倒车雷达，以及带有并线提醒的行车记录仪都算是辅助驾驶系统，但这些产品适用的场景有限，能判断的障碍物也比较单一。普通的红外雷达并不适合货车、泥头车或工程车辆使用，这些车辆的形式环境可能比较恶劣，路况较差，粉尘、积水等会严重影响雷达识别的准确率。目前高效的辅助驾驶系统是借助激光雷达，实时扫描路况，借助高精度的地图导航和强大的本地处理器来实现辅助驾驶。这种辅助驾驶的体验虽好，但是系统本身的成本过高，且对网络通讯和本地算力都有很高的要求，并不适合传统车辆的改造升级。
本套辅助驾驶系统的解决方案是采用多路高清摄像头进行数据采集，可消除视觉盲区，如果摄像头视角内有障碍物或者其他险情，系统会向司机发出提示，注意避让。支持ADAS、DMS、BSD、GPS等系统功能。由于大型车辆的视觉盲区很多，向驾驶员呈现单纯的视频信号是无法有效规避障碍的。因此我们基于大量数据训练AI模型，利用深度学习，可训练出能够进行有效决策的机器视觉系统。多路高清摄像头实时采集数据，将数据交由本地边缘计算设备处理，可识别多种物体，如果出现险情，最终呈现给驾驶员的是稳定可靠的预警信号，让驾驶员根据信号作出有效的制动操作。整套系统的信号采集和决策判断完全基于本地实现，不需要网络的支持，可以有效保证预警系统的稳定性。
除了常规的辅助驾驶信号预警，还可以用于车辆管理调度。视频信号除了拥有判断是否有障碍物，还可以用于判断车辆行驶是否规范，是否有按规定线路行驶，是否由不良驾驶习惯。每个车辆的状态信息都可以实时联网更新，也方便运营公司和城市管理者的调度运行。目前国家在政策层面也有很大力度的支持，传统工程车的升级改造势在必行。
