סייף מוד: להניע את הנהג לנוע באופן בטוח יותר

נהגי משאיות ואוטובוסים מעורבים יותר בתאונות דרכים, בשל המסה הגבוהה של כלי הרכב, המשפיעה על שליטתם בו. ממחקר שפורסם אשתקד על ידי הרשות הלאומית לבטיחות בדרכים עולה שכלי רכב כבדים גורמים בממוצע ל-17% מההרוגים והפצועים קשה בכבישים. הסטארט-אפ סייף מוד (SafeMode) שם את הנהג בקדמת הבמה – ומתגמל אותו על כך.

"במשך שנים מסתכלים בתעשייה על הנהגים כמקור הבעיה – דרך התקנת מצלמות, מערכות לניהול צי וחיישנים נוספים. אנחנו טוענים שעל מנת לייצר שינוי משמעותי צריך להסתכל על הנהג לא כמקור הבעיה, אלא בתור הפתרון", אמר עידו לוי, שהקים את הסטארט-אפ ב-2017 ומשמש כמנכ"ל שלו.

לדברי לוי, "אנחנו עורכים שינוי בתרבות הנהיגה בציי הרכב". כיצד הם עושים זאת? אנשי סייף מוד פיתחו פלטפורמת תוכנה שמתמקדת בנהג: היא מתמרצת נהגים בציי רכב לנהוג בצורה בטוחה יותר, ובמקום להוסיף עוד כלי ניטור משתמשת במידע שכבר קיים בציי הרכב, מנתחת אותו באמצעות כלי בינה מלאכותית ומתקשרת ישירות עם הנהגים. "התוכנה", סיפר לוי, "עוזרת לציים של חברות אוטובוסים, משאיות ושליחויות לשפר את בטיחות הנהגים, תוך הגדלת הרווחיות של החברות. האפליקציה, דרייברז (Driverz), מתמרצת את הנהגים לנהוג בטוח יותר. ככל שהנהג ישמור על סטנדרטים גבוהים של בטיחות, צריכת דלק ומתן שירות ללקוחות – הוא יתוגמל יותר".

לוי הוסיף כי "האפליקציה יודעת להגיד לנהג בצורה פשוטה וקלה להבנה האם הוא נהג באותו היום בצורה בטיחותית, חסכונית או פרודוקטיבית. היא מעדכנת אותו כמה כסף יקבל, בצירוף המלצות כיצד לשפר את הביצועים שלו במשמרת הבאה".

"השימוש בדרייברז בקרב הלקוחות שלנו הביא להפחתה של יותר מ-30% באירועי הבטיחות", אמר. "בצריכת הדלק, מדובר בהפחתה של 5% – סכום שמצטבר למיליוני שקלים בשנה, וחשוב בתעשייה שבה מרווחי הרווח נעים בין 1% ל-2%. חיסכון נוסף הוא בזמן: מנהל מערכות בטיחות שמשתמש במערכת שלנו מבין בצורה קלה ומהירה יותר את דפוסי הנהיגה של העובדים וחוסך לפחות שעה בשבוע בשל כך".

מנוע שינוי התנהגות

"הפתרון שלנו לא דורש התקנת רכיבי חומרה ברכב ומשתלב במערכות שקיימות בציי רכב, למשל מערכות לניהול צי ומצלמות חכמות. לאחר שהמערכת מקבלת את כל המידע, היא מוסיפה אליו עוד נתונים, כמו מזג האוויר, מצב התנועה, סוג הרכב, המשמרת שבה הרכב נסע ופרטי הנהג. לאחר בניית התמונה המלאה, המידע עובר למנוע שינוי ההתנהגות שלנו, שמספק ניקוד אישי ותמריץ שמתאים לכל נהג. אנחנו מתמרצים את כל הנהגים ולא דווקא את הנהג הכי טוב. במקרה של נהג מתחת לממוצע, המערכת תתגמל על כל שיפור וגם על יציבות בביצועים לאורך זמן", אמר לוי.

את מודלי התגמולים בנה פרופ' ארז שמואלי מאוניברסיטת תל אביב, שפעיל בתחומי הבינה המלאכותית והביג דטה. פרופ' שמואלי ביצע מחקרים רבים בנושא מידול התנהגות אנושית, בין היתר על נהגי אוטובוסים, לרבות ניסויים שבהם השתמשו בבניית תמריצים שונים לבחינת שינוי התנהגות הנהגים. השני בצוות הוא פרופ' עידו ערב, סגן דיקאן בטכניון ופרופסור לכלכלה התנהגותית. הוא ערך, בין השאר, מחקרים רבים בתחום שינויי ההתנהגות, כולל בקרב נהגים מקצועיים.

לוי ציין ש-"הטכנולוגיה שלנו עובדת באופן מלא על גבי הענן של AWS. לפיתוח המוצר שלנו הסתייענו בכמה כלים: המחשוב בענן – EC2, האחסון – S3, מסד הנתונים DynamoDB וכן AWS Lambda, שמאפשר להריץ קוד בקלות מבלי לתחזק שרתים. השירותים של AWS מאפשרים לנו לאחסן את המידע שלנו בענן, כך שבכל זמן שאנחנו צריכים מסד נתונים חדש אנחנו יכולים לייצר אותו בתוך דקות. כמו כן, כיוון שאין לנו שרתים פיזיים, אין צורך בעבודות תחזוקה, שדרוג וניטור מסדי נתונים – מה שחוסך עלויות רבות וזמן".