foodpanda在亚太地区10个市场的配送运营中部署了由数据与人工智能驱动的骑手安全系统，旨在改善道路安全成效。该系统将骑手安全管理模式从被动响应转变为预测性风险预防。

foodpanda亚太区物流高级总监Anson Chin向iTnews Asia表示，公司利用新加坡和马来西亚的远程信息处理数据，结合应用使用数据如行程接受、空闲时间与路线选择，识别异常模式。部分市场还引入基于运动的信号以强化风险检测。实施后，亚太区配送合作伙伴事故率降低30%，新加坡骑手安全满意度从46.4%升至51.7%。

为支持骑手安全，各市场通过嵌入应用的安全SDK与加密API构建本地化数据管道，确保合规收集。数据存储于安全云环境后，在集中数据湖中结构化处理，并设置区域分区以满足GDPR、PDPA等法规。团队采用流处理技术实时监控风险，辅以批处理管道训练人工智能模型并进行深度分析，推动安全措施向主动预测转型。

人工智能模型基于历史骑行模式训练，识别如突然加速、急刹或超速骑行等风险行为。模型不仅评估单个动作，还构建行程全景视图，为骑手提供持续更新的安全评分。Anson Chin指出：“从骑手视角，人工智能应用旨在体现支持性而非监督性。模型持续评估骑行模式，洞察用于减少高风险暴露，例如重新分配高要求路线或负载，并在风险升高时发送安全提示。”数据用作辅助工具，而非惩罚依据。

阈值校准结合统计分析异常值与已验证事故报告，以适应各国骑行规范差异。算法还整合实时位置、速度及基于车辆类型、时间与行程阶段的专有模型，预估剩余驾驶时间，避免分配可能诱发超速的订单。系统同时考量物理限制，如自动规避与车辆不匹配的过重订单，或拆分配送任务。

公司采用混合基础设施模型，平衡集中化全球运营与本地化调整需求。集中层涵盖数据基础设施、人工智能模型与全球治理政策；市场层则配置合规适配，包括数据驻留、存储期限与模型重训频率。所有市场通过API与本地仪表板连接，实现安全报告与区域监控。Anson Chin强调，未来将保持系统灵活性，基于各市场实际测试逐步整合人工智能增强功能，在零工经济生态中构建更安全、支持性的工作环境。