亚洲乳大丰满中文字幕_免费人成激情视频在线观看冫_蜜桃麻豆www久久囤产精品_紫黑粗大噗呲捣出白沫_中文在线√天堂_国内精品久久久久久久影视麻豆 _亚洲精品无播放器在线播放_亚洲精品一区二区三区新线路_女人被公牛进入

一、前言

北京中交興路信息科技有限公司（簡稱“中交興路”）是一家以數(shù)據(jù)為核心，為公路貨運行業(yè)提供多元化產(chǎn)品與服務(wù)的科技創(chuàng)新企業(yè)，致力于打造中國領(lǐng)先的公路貨運綜合服務(wù)平臺。數(shù)據(jù)積累覆蓋全國96%以上重載貨車的車輛，累計數(shù)據(jù)量超10pb，是行業(yè)唯一全量數(shù)據(jù)平臺。

中交興路一直堅持數(shù)據(jù)驅(qū)動、創(chuàng)新引領(lǐng)、開放合作三大發(fā)展原則，以數(shù)據(jù)平臺為基礎(chǔ)，圍繞貨運場景，提供數(shù)據(jù)開放、保險風控、定位服務(wù)等數(shù)據(jù)服務(wù)，油品、ETC、運力等場景的交易服務(wù)和授信用油、ETC記賬卡、經(jīng)營貸款等創(chuàng)新金融服務(wù), 推動新物流在降本增效提質(zhì)方面飛速發(fā)展。在北京、重慶兩地建有國家級車聯(lián)網(wǎng)產(chǎn)業(yè)基地，擁有省級分支機構(gòu)三十余家，業(yè)務(wù)范圍覆蓋全國。2018年12月，中交興路獲螞蟻金服領(lǐng)投、北京車聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展基金跟投的7億元A輪融資.

中交興路經(jīng)過多年的深入實施創(chuàng)新發(fā)展戰(zhàn)略，自主創(chuàng)新和自主發(fā)展能力顯著增強。目前企業(yè)共申請專利133項，已授權(quán)專利46項，榮獲國家貨運物流行業(yè)相關(guān)的獎項逾140項，這些科技創(chuàng)新成果為公司發(fā)展提供了強勁動力，推動公司經(jīng)營質(zhì)量和效益穩(wěn)步提升。

二、實施背景及內(nèi)涵

（一）實施背景1、政策引導(dǎo)與技術(shù)創(chuàng)新下的商業(yè)車險費率改革必然要求

2015年6月，原保監(jiān)會發(fā)布《中國保監(jiān)會關(guān)于深化商業(yè)車險條款費率管理制度改革的意見》，驟然打開了我國商業(yè)車險費率改革的大門，施行多年的全國商業(yè)車險費率全行業(yè)統(tǒng)一的模式終于開始松動?；谲嚶?lián)網(wǎng)大數(shù)據(jù)技術(shù)的新一代車險定價模型呼之欲出。

2、保險市場主體對一個涵蓋全國范圍車輛的風險管理云平臺的迫切需要

一方面,重大事故頻發(fā),重載貨車車險經(jīng)營虧損；另一方面，貨車行業(yè)“騙賠”、“詐賠”以及人為擴大損失等欺詐行為頻頻發(fā)生。所以對于車險行業(yè)經(jīng)營情況的整體改善需要一個覆蓋全量市場的車聯(lián)網(wǎng)平臺，作為數(shù)據(jù)來源和管控基礎(chǔ)，建立統(tǒng)一的風險識別與量化標準。通過技術(shù)手段的引入和業(yè)務(wù)模式的創(chuàng)新，扭轉(zhuǎn)車險長期虧損的局面。

3、防災(zāi)減損、提高道路安全管理水平的多贏選擇

針對整個行業(yè)的風險水平改善方面，中交興路積極拓展貨運平臺功能，為駕駛員和車主提供相關(guān)服務(wù)，確保平臺長期、安全、穩(wěn)定運行。與此同時，開發(fā)出重大交通事故實時偵測預(yù)警功能，對于重大交通事故第一時間通知保險公司、救援機構(gòu)，迅速采取救援措施，從而實現(xiàn)有效降低財產(chǎn)損失、人員傷亡的社會效益。

（二）成果內(nèi)涵

本項目將基于全國貨運平臺和以其為基礎(chǔ)構(gòu)建的車聯(lián)網(wǎng)大數(shù)據(jù)平臺，依托業(yè)內(nèi)高級分析技術(shù)建立商用車風險管理AI云平臺，構(gòu)建從承保端到理賠端的全流程風控閉環(huán)，向國內(nèi)外的保險公司提供全方位的風險管理服務(wù)，包括車輛風險評測、運營安全管理、事故時預(yù)判及理賠調(diào)查支持等多種服務(wù)，有效幫助保險公司提高經(jīng)營效益，進一步改善全社會商用車安全生產(chǎn)管理水平。

三、主要做法

（一）系統(tǒng)總體設(shè)計

基于豐富、海量的多種數(shù)據(jù)來源，本項目以“AI安全大腦”為導(dǎo)向構(gòu)建了保險風控AI云平臺，主要實現(xiàn)風險智能評測、智能引擎提醒以及智能事故預(yù)警等保險科技服務(wù)。

保險風控大數(shù)據(jù)具有數(shù)據(jù)類型多樣異構(gòu)、數(shù)據(jù)體量大、實時性要求高等特性，為其采集、整合、存儲管理以及相應(yīng)的分析挖掘均帶來巨大的挑戰(zhàn)，首先，要求能夠高效地支持各種海量、異構(gòu)（包括非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)）數(shù)據(jù)地高效采集、清洗與全面整合；其次，巨大的數(shù)據(jù)量給數(shù)據(jù)的存儲管理和處理等系統(tǒng)等都提出了新的要求，傳統(tǒng)數(shù)據(jù)存儲和處理基礎(chǔ)設(shè)施難以滿足大數(shù)據(jù)要求；第三，面對海量的數(shù)據(jù)，需要深度挖掘其潛在價值，從其中提煉出有用信息，并借助神經(jīng)網(wǎng)路、機器學(xué)習(xí)等構(gòu)建算法模型建立智能系統(tǒng)使平臺不斷迭代演進。

基于以上原因平臺系統(tǒng)架構(gòu)設(shè)計了感知、認知、預(yù)知的大數(shù)據(jù)智能云平臺架構(gòu)體系。大數(shù)據(jù)感知平臺，實時采集、實時計算。大數(shù)據(jù)智能認知平臺，智能分析工具，完成數(shù)據(jù)畫像、風控因子、數(shù)據(jù)模型。大數(shù)據(jù)AI運算平臺，提供完整的運算分析，涵蓋AI事故偵測預(yù)警、理賠智能反欺詐、風險智能評價、車輛智能預(yù)警，從而實現(xiàn)針對貨運車輛的保險風險控制。

（二）應(yīng)用平臺功能設(shè)計

應(yīng)用平臺主要分為業(yè)務(wù)支撐層、產(chǎn)品服務(wù)層和表示層，分別面向車主、司機、保險公司和大型運輸企業(yè)提供線上及線下服務(wù)。

應(yīng)用平臺主要功能及其特點描述如下：

1、風險評測功能

提供業(yè)務(wù)、運營、道路、駕駛等四大類22項動態(tài)風控因子的實時查詢服務(wù)，圖表化展現(xiàn)查詢結(jié)果。支持按單車、多車和車隊維度輸出評測結(jié)果, 為單車和團車業(yè)務(wù)的風險水平提供科學(xué)、準確、快速的評測。

2、實時安全提醒功能

對車輛的違規(guī)狀態(tài)跟蹤查看，并針對超速、疲勞等狀況可發(fā)送車機、短信、人工電話提醒。

3、行駛軌跡查詢功能

車輛行駛過程中，系統(tǒng)對車輛的行駛情況進行定位，從車速、里程、時間三個維度反映車輛行駛路線實時查詢。

4、車輛駕駛行為匯總報告

對車輛進行駕駛數(shù)據(jù)信息匯總，生成報告，數(shù)據(jù)包括：車輛行駛總時長、總里程、報警總數(shù)、超速和疲勞車輛的數(shù)據(jù)等。

5、違規(guī)統(tǒng)計報告

將一天按每兩小時進行劃分，直觀展現(xiàn)所有監(jiān)控車輛在各個時間段的疲勞違規(guī)行駛時間、超速違規(guī)行駛時間占比情況。

6、車輛地域分布

對車輛運營地域分布情況進行統(tǒng)計，按照運營省份/城市分布車輛數(shù)、分布車輛數(shù)所占比例進行展示?？梢苑从吵鰣F車整體地域運營情況。

7、保險理賠評估

可以查詢車輛在指定時間點前、后12小時的運行軌跡，車所處經(jīng)緯度。一方面可以觀察車輛在出險地點是否匹配，排查套牌可能；一方面對查詢區(qū)間車輛歷史各經(jīng)停點詳情、疑似事故點進行自動識別和判斷，提供理賠欺詐以及道德風險排查。

（三）云平臺資源配置方案

本項目單位已建立了初步的云IT硬件基礎(chǔ)設(shè)施，建立了企業(yè)級的云平臺，擁有處理大數(shù)據(jù)的能力和技術(shù)儲備。本平臺在現(xiàn)有基礎(chǔ)IT資源上進行了合理的規(guī)劃，利用項目單位已有的云計算節(jié)點，結(jié)合本項目云計算和大數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)需求，進行了針對性的優(yōu)化和擴容，最大化提高了設(shè)備的利用率。

保險風控AI云平臺基礎(chǔ)資源主要三個部分：大數(shù)據(jù)存儲群組、大數(shù)據(jù)感知群組和AI分析群組。該資源配置方案基于虛擬化、分布式集群等技術(shù)構(gòu)建的私有云服務(wù)，支持彈性擴容、防DDOS，容災(zāi)，滿足高并發(fā)、高性能，高可用，為用戶提供穩(wěn)定高效的服務(wù)。

（四）關(guān)鍵技術(shù)

1、基于GAM算法的保險風險成本預(yù)測模型

GAM在自變量x（即車聯(lián)網(wǎng)駕駛行為數(shù)據(jù)因子）與因變量y（即保險風險）之間的關(guān)系不確定時，采用非參數(shù)擬合算法，使擬合后的曲線連續(xù)且至少具有二階導(dǎo)數(shù)，并通過對懲罰系數(shù)的調(diào)節(jié)，調(diào)整曲線的平滑度，減緩過度擬合。

2、基于循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）算法的交通事故實時預(yù)警模型

應(yīng)用該模型算法，可將每一次車機上傳的原始報點數(shù)據(jù)所包含的時間、位置、速度、方向等信息作為一層輸入神經(jīng)元，將前后連續(xù)的多個報點數(shù)據(jù)相連，形成循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過使用大量樣本數(shù)據(jù)訓(xùn)練模型，使模型能夠準確識別出車輛在發(fā)生交通事故時的獨有特征。

3、基于馬爾科夫模型的車輛位置點道路匹配算法

道路匹配是一種基于軟件技術(shù)的定位修正方法，其基本思想是將車輛定位軌跡與數(shù)字地圖中的道路網(wǎng)信息聯(lián)系起來，將行車軌跡的經(jīng)緯度采樣序列與數(shù)字地圖路網(wǎng)匹配的過程，其本質(zhì)上是平面線段序列的模式匹配問題，目的就是有效地提高車輛定位目標的精度，并保持定位結(jié)果的穩(wěn)定性。

4、基于Mapreduce的并行計算模型

本課題基于4PB的貨運車輛相關(guān)歷史行駛數(shù)據(jù)建立了MapReduce大數(shù)據(jù)在線與離線協(xié)同處理框架，涉及500多萬輛貨車和800多個數(shù)據(jù)字段，包括車輛類型、道路級別、交通狀態(tài)、周邊設(shè)施、車輛狀態(tài)、車輛位置、速度等屬性，建立目標導(dǎo)向的多維精準挖掘分析技術(shù)，實現(xiàn)個體到群體、過程到全程的實時預(yù)警分析能力，大大提升了平臺實時分析效率。

5、具有道路貨運行業(yè)特色的專用地理信息系統(tǒng)引擎

本項目使用了項目單位自主研發(fā)的具有道路貨運行業(yè)特色的專用地理信息系統(tǒng)引擎，該引擎有效的解決了海量基礎(chǔ)地理數(shù)據(jù)、行業(yè)深度數(shù)據(jù)、貨車行駛數(shù)據(jù)的融合問題，并在此基礎(chǔ)上研發(fā)了一系列滿足道路貨運行業(yè)應(yīng)用需求的特色功能。

該引擎具備高性能的海量移動目標可視化能力，支持二次開發(fā)；為道路貨運行業(yè)應(yīng)用開發(fā)、道路貨運行業(yè)開放平臺提供強大的空間數(shù)據(jù)管理能力。同時也為本課題的軌跡補齊、道路匹配、空間運算等技術(shù)提供必要的基礎(chǔ)支撐。

（五）主要創(chuàng)新點1、國內(nèi)首創(chuàng)運用車聯(lián)網(wǎng)大數(shù)據(jù)建立重載貨車保險風險預(yù)測模型

根據(jù)重載貨車的日常行駛特征，將車聯(lián)網(wǎng)大數(shù)據(jù)整理、加工成運營數(shù)據(jù)、道路數(shù)據(jù)、駕駛數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)4大類，具體包括運營率、日均行駛里程、高速公路行駛里程占比、夜間行駛里程占比、超速行駛時長占比、日均疲勞駕駛里程、常跑路線運營次數(shù)占比等數(shù)十項駕駛行為數(shù)據(jù)因子，結(jié)合中國保信所提供的商業(yè)車險承保、理賠數(shù)據(jù)，采用行業(yè)領(lǐng)先的GAM算法建立了保險風險預(yù)測模型，通過分析車輛過去的日常行駛特征，準確預(yù)測其未來的保險風險成本。

模型有效地提高了保險公司對重載貨車商業(yè)車險的核保能力，得到了保險行業(yè)主流大公司的一致認可，并被中國保信相關(guān)負責人評價為“是保險行業(yè)首次引入車聯(lián)網(wǎng)從用動態(tài)數(shù)據(jù)因子，對整個保險行業(yè)具有重要的戰(zhàn)略性、創(chuàng)新性意義！”。

2、國內(nèi)首個基于RNN和Hadoop技術(shù)的交通事故偵測云平臺

在海量車聯(lián)網(wǎng)大數(shù)據(jù)基礎(chǔ)上，本項目有效融合權(quán)威第三方的交通事故歷史記錄、車旺大卡APP（注冊用戶為450多萬車主、司機用戶，日活用戶超過200萬）位置信息乃至天氣、路況等數(shù)據(jù)，形成多維度的車聯(lián)網(wǎng)大數(shù)據(jù)，并根據(jù)車聯(lián)網(wǎng)數(shù)據(jù)的動態(tài)性、時序性、復(fù)雜性等特征，我們創(chuàng)造性地將循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Networks）算法應(yīng)用于多源數(shù)據(jù)融合后的車聯(lián)網(wǎng)大數(shù)據(jù)，開發(fā)出基于車聯(lián)網(wǎng)大數(shù)據(jù)的交通事故識別模型。同時采用流式計算等實時數(shù)據(jù)分析處理技術(shù)搭建了國內(nèi)首個交通事故實時偵測云平臺，實現(xiàn)對500多萬輛貨車駕駛行為的動態(tài)監(jiān)測與實時分析運算，第一時間準確地偵測出交通事故的發(fā)生，還原事故現(xiàn)場并及時通知救護人員，從而降低人身傷亡比率，形成積極地社會效益。

3、基于多源數(shù)據(jù)融合技術(shù)首創(chuàng)商用車理賠反欺詐智能引擎

為了防范和識別保險欺詐行為，本項目創(chuàng)新性的引入車聯(lián)網(wǎng)大數(shù)據(jù)和用戶手機數(shù)據(jù)，著重進行多源數(shù)據(jù)融合研究和建模，從而在用戶出險報警后，云平臺及時分析出車輛是否有欺詐嫌疑。

本算法引擎的創(chuàng)新意義在于，所述根據(jù)匹配結(jié)果對所述用戶上報的數(shù)據(jù)信息進行評分，并根據(jù)評分結(jié)果確定所述用戶是否存在欺詐行為，包括：分別對所述第一數(shù)據(jù)信息的每個信息進行評分，并將總的評分結(jié)果和預(yù)設(shè)評分規(guī)則進行對應(yīng)，根據(jù)對應(yīng)的結(jié)果確定所述用戶是否存在欺詐行為；或者，分別對所述第一數(shù)據(jù)信息的每個信息進行評分，并將每個信息的評分結(jié)果和所述預(yù)設(shè)評分規(guī)則進行對應(yīng)，根據(jù)對應(yīng)結(jié)果確定所述用戶是否存在欺詐行為。

4、首創(chuàng)基于道路匹配算法評估商用車運營安全系數(shù)

當前現(xiàn)有的核保政策主要針對車輛的車價、車型、車齡等自然屬性以及上一年的出險次數(shù)，忽略了客戶/司機的駕駛習(xí)慣、理賠成本等特征信息，基本沒有綜合考慮風險因素，因而不是對客戶風險的全面評估，特別是對商用車的運營安全相關(guān)風險沒有具體的評估方法和管控手段。

本項目創(chuàng)新性的將道路匹配算法和空間數(shù)據(jù)運算進行有效整合，通過確定每種道路的危險類型并對每種危險道路進行編號，然后綜合保險公司出險記錄以及全國貨運平臺的路段安全隱患統(tǒng)計結(jié)果確定危險道路的危險類型和危險程度，從而確定權(quán)重系數(shù)，然后根據(jù)貨車途經(jīng)危險道路編號的次數(shù)統(tǒng)計出貨車途經(jīng)每種道路類型危險的頻次，最后通過對所頻次求加權(quán)平均值的方式得出貨車危險程度評分。

五、實施效果

（一）保前風險評測模型準確可靠，受到行業(yè)一致認可

相比于傳統(tǒng)定價因子，車聯(lián)網(wǎng)數(shù)據(jù)因子具有復(fù)雜性、連續(xù)性、動態(tài)性等諸多新特點，行業(yè)內(nèi)普遍采用的GLM模型顯然并不適用。為此，本項目研發(fā)團隊與中國保信合作，結(jié)合美國斯坦福大學(xué)等名校的知名教授們所提出的全新理論，根據(jù)車聯(lián)網(wǎng)數(shù)據(jù)獨有的特征，創(chuàng)造性地建立了基于車聯(lián)網(wǎng)數(shù)據(jù)的保險風險預(yù)測模型。該模型在技術(shù)水平上大大領(lǐng)先于行業(yè)，并且經(jīng)過了人保財險、平安財險、大地財險等十余家大型保險公司總部的實際校驗，模型評測結(jié)果相比傳統(tǒng)車險定價模型有本質(zhì)的提升。

經(jīng)過了前期充分的準備工作后，2018年8月10日，項目組成功向全行業(yè)發(fā)布了首個面向保險行業(yè)風險管理應(yīng)用的重載貨車車聯(lián)網(wǎng)數(shù)據(jù)服務(wù)產(chǎn)品。借助該服務(wù)，保險公司可以獲取多維度的車輛動態(tài)從用數(shù)據(jù)因子和風險評分，精準識別車險運營風險，實現(xiàn)重載貨車車險精準定價，并有效實施風險管控措施。

（二）保中風險管控有效降低了車輛的行駛風險，實現(xiàn)了司機、車隊、保險主體多方共贏的局面

本平臺結(jié)合大數(shù)據(jù)技術(shù)、智能分析、實時計算技術(shù)，對車輛行駛行為、駕駛員行為進行分析，并實時提醒，可有效糾正駕駛者的不良駕駛習(xí)慣，提高駕駛安全系數(shù)。

根據(jù)占全國貨車保險市場份額40%以上的國內(nèi)第一大財產(chǎn)保險公司人保財險的數(shù)據(jù)分析報告顯示，貨運車輛出險率自2013年本平臺提供危險駕駛行為實時提醒服務(wù)后持續(xù)降低，載重10噸以上的貨車降幅顯著。2016年，貨運車輛總體出險率為24.9%，較2013年下降1.1個百分點。載重噸位10噸以上貨車出險率為33.4%，較2013年降低6.1個百分點；10噸以下出險率為16.8%，較2013年下降0.9個百分點可見，隨著本平臺保中提醒功能的完善和覆蓋車輛范圍的不斷擴大，其出險率有了顯著地改善。

（三）智能理賠評估體系，有效協(xié)助保險公司進行賠案反欺詐排查。1、理賠支持-軌跡查詢功能。

以國內(nèi)某知名險企為例：2018年4月-8月末，5個月內(nèi)有效查詢次數(shù)2339次，直接減損數(shù)額515.74萬元，次均查詢反欺詐減損0.22萬元，案均賠付成本降低5%-10%。結(jié)合實際使用情況發(fā)現(xiàn)，對車輛套牌、小案大作、虛假拼湊、換駕逃逸等典型類型事故能做到快速識別和排查指引，得到業(yè)內(nèi)使用單位的一致認可。

2、理賠支持-事故真實性回溯模型。

對照險企歷史車輛出險信息，通過模型算法自動對車輛特定時段在停靠區(qū)域、?？繒r長、停運時長等事故特征因素進行數(shù)據(jù)調(diào)取、匹配校驗后給予綜合真實度評定。簡化了原有人工核對、經(jīng)辦人現(xiàn)場核查的原始排查手段，將簡易事故回溯定性排查時效縮短至分鐘級，讓險企在賠案審核上增加了AI手段，助力保險行業(yè)縮短賠付時效和提升客戶服務(wù)感受。項目開發(fā)至今不足1個月的時間內(nèi)，已幫助險企完成賠案回溯1400余筆，發(fā)現(xiàn)問題案件20余筆，反欺詐減損170余萬元，成效斐然。

（四）實時發(fā)現(xiàn)重大交通事故。

通過后臺實時車輛運營數(shù)據(jù)的分析，對重大交通事故產(chǎn)生所具備的常規(guī)特征，例如：非常規(guī)減速度值、特定速度下的非常規(guī)制動距離值等核心數(shù)值進行實時抓取，再結(jié)合實時路段情況（擁堵與否、連續(xù)下坡、危險路段等）對比路過車輛的速度變化情況，采集點預(yù)警提示、駕駛員制動措施等一系列輔助手段綜合進行事故實時判定，尤其重點關(guān)注高速公路惡性事故的實時發(fā)現(xiàn)。

目前日均發(fā)現(xiàn)并通過驗證確認的事故數(shù)30余筆。事故實時發(fā)現(xiàn)的初衷是最快的時間準確發(fā)現(xiàn)事故，為人員搶救、車輛施救、恢復(fù)交通盡可能地爭取時間。驗證過程中，很大一部分是早于車主知悉事故，該功能的實現(xiàn)和初衷，得到當事人的普遍認可。

六、總結(jié)與展望

保險風控AI云平臺的建設(shè)和實施是中交興路針對貨運大數(shù)據(jù)的一次完整的價值應(yīng)用旅程。在如今貨運行業(yè)持續(xù)升級的時代，大數(shù)據(jù)已經(jīng)成為助推行業(yè)向更高效、更便捷、更安全方向發(fā)展的有力武器。在人、車、企、貨方面的風險預(yù)測、業(yè)務(wù)效率的提高、成本的降低、安全監(jiān)管、事故發(fā)現(xiàn)、事故救援方面，以數(shù)據(jù)為基礎(chǔ)、技術(shù)為核心的數(shù)據(jù)應(yīng)用實現(xiàn)了實實在在的效果。不僅改善了保險行業(yè)的服務(wù)環(huán)境，提高保險公司業(yè)務(wù)提升，降低投保人員成本負擔。同時在公共道路安全監(jiān)管和服務(wù)方面，能夠為政府單位、物流、貨主、融資租賃等企業(yè)提供貨運車輛、駕駛員等信息驗證，實時可視化車輛在途監(jiān)測，規(guī)范駕駛員不良駕駛行為，成功降低貨車事故的發(fā)生比率，為中國道路運輸管理工作加注更智能的安全防線。

在未來，中交興路依然會在貨運大數(shù)據(jù)的應(yīng)用上，進行更加深入的開發(fā)和應(yīng)用。圍繞貨運場景，包括用油、過路、保險、金融、運力、管車、找貨等方面提供更加便捷、優(yōu)惠、安全的一站式服務(wù)。為中國1400萬營運車輛，3000萬公路貨運從業(yè)者及家庭提供生產(chǎn)、生活服務(wù)于保障。