Central Dispatch 推出生物辨識安全車輛交接機制,打擊汽車運輸詐欺
重點速覽
- •Central Dispatch 透過全新的安全車輛交接(Secure Vehicle Transfer)流程,將生物辨識身分驗證應用於車輛提取。
- •取車憑證為數位形式,不可轉讓、可撤銷,且只有在承運商位於取車地點指定的地理圍欄半徑內時才可存取。
- •該公司表示,驗證步驟約需 90 秒,並在既有的承運商行動應用程式中執行。
- •Central Dispatch 去年刊登超過 2,000 萬輛車,為美國最大的汽車運輸交易平台。
- •更廣泛的安全計畫還包括平台存取生物辨識、承運商評分卡,以及從取車到交付的強制即時追蹤。

汽車運輸詐欺日益受到關注,已成為整個車輛物流鏈的隱憂,而 Central Dispatch 正以新的生物辨識安全措施加以因應。Cox Automotive 副總裁助理(AVP)Lainey Sibble 在接受 FreightWaves 採訪時,說明該平台如何運用先進的身分驗證與全新的「安全車輛交接」(Secure Vehicle Transfer)流程,在取車與運送途中保障車輛安全。這套多層次做法將即時追蹤與地理圍欄相互搭配,並輔以旨在維持承運商與託運人作業效率的措施。
Central Dispatch 是 Cox Automotive 旗下的汽車運輸交易平台(Cox Automotive 的汽車相關事業還包括 Manheim 拍賣業務、Kelley Blue Book 與 Autotrader),該公司正將生物辨識身分驗證從平台存取延伸至承運商實際接收車輛的那一刻——這項措施稱為「安全車輛交接」(Secure Vehicle Transfer)。此計畫鎖定該公司所描述汽車物流鏈中一個長期依賴人工且脆弱的環節,而不法分子近年來愈來愈企圖利用這一環節。
其涉及的規模相當可觀。該平台去年刊登超過 2,000 萬輛車,為全美最大的汽車運輸交易平台。然而,儘管運輸工作流程的其他環節已廣泛數位化,車輛放行程序仍持續依賴紙本文件、電話聯繫,以及各行其是、因業者而異的作業程序——這樣的缺口已被詐騙分子鎖定並加以利用。大環境因素也不僅止於單一平台:美國國家保險犯罪局(National Insurance Crime Bureau)統計,2023 年美國車輛失竊超過 100 萬件,創下十多年來最高的年度總數。
在新系統下,託運人——無論是經銷商、經紀商還是拍賣公司——可授權特定承運商提取車輛。承運商隨後會在既有的行動應用程式(該程式已用於車輛檢查與電子提單)中收到數位憑證,因此無需另備工具即可完成查驗。此憑證不可轉讓,也就是無法截圖或轉發,且若託運人重新指派貨載,憑證即會被撤銷。最關鍵的是,憑證結合地理圍欄:只有在承運商進入取車地點的指定半徑範圍內,憑證才會開放存取,此時放行地點掃描憑證以確認授權。整個取車驗證流程設計為約 90 秒內完成。地理圍欄技術已廣泛用於貨運與卡車軟體中的到達偵測與滯留時間追蹤;將放行憑證綁定特定地點,則是將此技術延伸至車輛實體占有的授權。
談到這項措施的推出,Sibble 強調,系統能否成功不只取決於底層技術:「這其實是要建立一個過去從未存在過的車輛放行新標準。這項技術很棒,我熱愛這項技術。但光靠技術本身並不足以讓它成功。關鍵在於每個人各盡其責、做出行為改變,才能確保車輛最終交到正確的人手中,」Lainey Sibble 表示。
安全車輛交接是更廣泛安全計畫的第二階段。第一階段——平台存取的生物辨識身分驗證——已於今年推出。Central Dispatch 還新增了承運商評分卡,在託運人與承運商往來之前,即呈現該承運商的關鍵資訊;此外也推出承運商行動應用程式,內建從取車到交付全程無法關閉的強制即時追蹤功能。
在市場展望方面,Central Dispatch 代表表示,平台交易量目前處於歷史新高,部分原因是經銷商與商業託運人持續擴大其採購與銷售車輛的地理範圍。承運端的壓力——保險成本與燃油價格上漲,以及更多法規——仍是挑戰,但新的承運商仍不斷加入該平台。Central Dispatch 也提供一款約於一年前推出、由 AI 驅動的定價工具,可依據起運地、目的地與車輛詳細資訊,為任一次運送回傳預測價格、價格區間以及估計派車時間。
Sibble 承認,沒有任何單一技術能解決運送途中的車輛失竊問題,並指出除了新工具之外,還需要全行業的行為改變。「我們承諾在這方面帶頭做起,」Sibble 說。「我們的訴求其實就是各方全面合作,讓我們共同確保車輛運輸持續安全無虞。」
Central Dispatch 目前正在其交易平台部署這項結合地理圍欄、不可轉讓的數位憑證,約 90 秒的取車驗證將在既有的承運商行動應用程式中執行——該公司將此做法定位為在不增加摩擦的前提下,強化承運商與託運人的放行流程。
來源:FreightWaves