4月27日，由長城會和騰訊汽車共同承辦的“AI”生萬物·全球未來出行峰會在北京舉辦，活動現(xiàn)場，復旦大學青年副研究員&復旦車音車聯(lián)網(wǎng)大數(shù)據(jù)聯(lián)合研究中心首席科學家付彥偉 發(fā)表了主題演講。

付彥偉介紹，復旦車音車聯(lián)網(wǎng)大數(shù)據(jù)聯(lián)合中心未來想實現(xiàn)通過汽車知識圖譜與車聯(lián)網(wǎng)大數(shù)據(jù)征信，構建車況的鑒別成本，以及4S店或者是車輛的歷史信息服務平臺。

他認為，這個征信平臺最直接的應用，或者說最直接的商業(yè)化的前景是用戶想交易一臺二手車的話，你只要把這個車牌號輸入征信平臺里，我們就有關于所有這個車牌的信息以及對這個車牌的信用評估，我們可以反饋給保險商，可以提供相應的保價。整個過程是通過機器學習算法識別特定的駕駛行為，鑒定駕駛員的風險模型?！啊?/p>

未來，復旦車音車聯(lián)網(wǎng)大數(shù)據(jù)聯(lián)合中心將瞄準未來的AI出行，從車載智能語音識別、車聯(lián)網(wǎng)平臺、數(shù)據(jù)分析平臺、智能知識庫等角度聯(lián)合構建一個未來智能AI出行平臺。

以下是發(fā)言實錄：

付彥偉：謝謝各位嘉賓，謝謝組委會的邀請，很高興今天來到這里，我是一個學者，是復旦大學的老師，首先代表復旦車音車聯(lián)網(wǎng)大數(shù)據(jù)聯(lián)合中心介紹一下我們聯(lián)合研究中心的一些研究情況，以及未來想做的事情。

復旦大學車音車聯(lián)網(wǎng)大數(shù)據(jù)聯(lián)合中心是復旦大學和車音網(wǎng)聯(lián)合的一個實驗中心，我們中心是2017年底成立。我個人是在英國獲得了博士學位，在美國讀了一年半博士后，2016年回到了負擔大數(shù)據(jù)學院。我們實驗室的研究方向，大體分為以下三個方面：首先因為我們是車音贊助，我們有車音的業(yè)務需求。二是從汽車產(chǎn)業(yè)大數(shù)據(jù)角度出發(fā)，關注大數(shù)據(jù)問題。三是關注科學與技術的前瞻性。

實驗室有四個子方向：一是車載物體的檢測；二是車載終端廣告的營銷；三是車聯(lián)網(wǎng)大數(shù)據(jù)征信與風控；四是車輛移動管理。

車載物體的檢測：涉及到自動駕駛里面拍攝的圖像，我們需要檢測出人和自行車、汽車、小動物等。自動駕駛本身就很大，我們沒有辦法像百度和其他公司能做一個自動駕駛的系統(tǒng)，我們做的是視覺，就瞄準一個很小的領域，車載物體的檢測，希望能夠把這塊兒技術做得比較好，比較領先。

車載物體的檢測問題很常見，比如說Google、Uber自動駕駛車既然有關雷達也有前面的雙幕攝像頭、單幕攝像頭，普通的用戶自己也有一個行車記錄儀，這些都是數(shù)據(jù)，我們?nèi)绾瓮ㄟ^雷達、雙幕攝像頭、頭像把檢測到的數(shù)據(jù)融合到一起，作為車載物體檢測。我們目標是綜合多種傳感器進行物體檢測，因為可能一種傳感器對某些物體會有遺漏，如果綜合多種傳感器的話，大家優(yōu)勢互補，就可以得到更準確的物體檢測。關鍵技術是圖像深度估計，2D的物體檢測做得比較成熟了，實時化也沒有太大的問題，可以直接拿來用，做得很好。2D和3D最大的區(qū)別在于圖像的深度估計，也就是說你看到圖像上有一個物體，有一個車，有一個人，這個物體到底離你的車有多遠，如何去估計？這是我們想研究的一個很實際的問題。也就是說，我們?nèi)绾瓮ㄟ^圖像或者其他的數(shù)據(jù)去估計這個物體的景深。

車載終端廣告營銷：首先，車音網(wǎng)本身是一個上市公司，車音網(wǎng)在一些汽車的潛載設備商收錄了很多數(shù)據(jù)，比如說品牌、車況、GPS記錄等方面的數(shù)據(jù)，我們積累了很多這樣的數(shù)據(jù)，我們怎么用這些數(shù)據(jù)挖掘更有效的信息，做一些更有意思的事情。比如說可以根據(jù)你的車況，能不能給這個車主推薦一些保險，或者說根據(jù)這個駕駛人的長期特征，發(fā)現(xiàn)這個駕駛人的消費水平、消費偏好，能不能找到對應的商家，推薦這個駕駛人相應的東西。我們還可以運用計量、機器學習的方法，對一大類特定用戶，以及相對應的相關產(chǎn)品需求建立一個相關的模型。我們還可以研究一些商品的營銷策略，包括我們?nèi)绾瓮ㄟ^動態(tài)的定價理論，移動終端的營銷理論，結合這些做一個車載終端的廣告系統(tǒng)。

車聯(lián)網(wǎng)大數(shù)據(jù)征信與風控。大家知道，現(xiàn)在我們國家的征信體系很多，數(shù)據(jù)源也很多，既有企業(yè)的征信，也有個人的征信，整個征信體系也在逐步的建立。這里面缺失了一塊兒，就是關于車輛的征信。我們院校作為一個不相關的第三方，一方面我們從車音網(wǎng)得到了大量的與車廠相關的數(shù)據(jù)，4S店的數(shù)據(jù)，用戶關于車的數(shù)據(jù)，通過這些數(shù)據(jù)我們可以挖掘一下對4S店、車廠、用戶，有什么樣的信用方面的影響。

從技術方面來說，我們想構建一個車聯(lián)網(wǎng)知識圖譜平臺，通過車聯(lián)網(wǎng)的知識圖譜平臺做這件事情。這個知識圖譜包括爬蟲平臺、數(shù)據(jù)處理平臺、知識圖譜平臺，爬蟲平臺可以通過爬一些國內(nèi)外的知識問答庫，讓爬蟲去自動爬這些大數(shù)據(jù)。數(shù)據(jù)處理平臺是通過把平臺開放給普通的用戶，或者開放給學生、研究者，通過這些模型去衡量4S店或者車廠的關系怎么樣，信用是怎么樣的，用戶對他們的反映，對他們的感情，每個用戶對汽車品牌的感情如何的，對知識圖譜的平臺車音也有大量的汽車廠商方面的數(shù)據(jù)，再加上我們從爬蟲平臺上爬的數(shù)據(jù)，可以構建汽車領域的知識圖譜平臺。

比如說我們想做車聯(lián)網(wǎng)行業(yè)最大的中文知識圖譜，可以包括汽車方面的軍事、體育、游戲、生產(chǎn)、銷售、科技、媒體、金融等等。綜合利用車聯(lián)網(wǎng)領域的中文知識圖譜，可以大家大數(shù)據(jù)征信的目的。所以我們第三個研究目的就是汽車知識圖譜與車聯(lián)網(wǎng)大數(shù)據(jù)征信，我們作為獨立的第三方，通過利用國內(nèi)外問答社區(qū)，車廠的數(shù)據(jù)建立汽車行業(yè)的知識圖譜，可以構建車況的鑒別成本，以及4S店或者是車輛的歷史信息服務平臺。

這個征信平臺最直接的應用，或者說最直接的商業(yè)化的前景是兩個用戶想交易一臺二手車的話，你只要把這個車牌號輸入征信平臺里，我們就有關于所有這個車牌的信息以及對這個車牌的信用評估，我們可以反饋給保險商，可以提供相應的保價。整個過程是通過機器學習算法識別特定的駕駛行為，鑒定駕駛員的風險模型。

車輛移動管理。對于整個聯(lián)合實驗中心來講，未來我們想建立車輛的移動管理系統(tǒng)。大家知道，每輛車都有自身的GPS系統(tǒng)，也有數(shù)據(jù)系統(tǒng)，我們可以通過車輛做一些物體的檢測，完全可以搭建一個車輛之間的通訊平臺，我們可以利用車輛自身的GPS，通過車輛的經(jīng)緯度、行駛的速度、方位、時間、加速度、轉向、制動、車輛的ID等信息，感知其周圍其他車輛，借助于接受和處理道路上其他的相鄰車輛發(fā)送安全信息。整個車聯(lián)網(wǎng)系統(tǒng)需要借助與運營商的基站和車輛之間相互通訊的模塊。

未來我們想做的是車載環(huán)境下無線介入的通用報警發(fā)送方法和接受方法。比如說高速公路上前面發(fā)生了車輛相撞的事件，通過車聯(lián)網(wǎng)很容易擴散出去，知道前面有車禍發(fā)生了。從另一個角度來說，即使兩輛車在高速運動中，讓它們相互交互信息，這兩輛車知道之間相互的位置信息，當這兩輛車快相撞的時候，就可以通過一些算法，使得它們避免相撞，這是車輛移動管理系統(tǒng)的作用，最后借助區(qū)塊鏈的機制進一部構建車輛之間移動通信網(wǎng)絡和協(xié)作網(wǎng)絡。

未來我們實驗室瞄準未來的AI出行。復旦大學和車音網(wǎng)聯(lián)合實驗中心瞄準車載智能語音識別，以及車聯(lián)網(wǎng)平臺數(shù)據(jù)分析平臺，智能知識庫，從這四個角度聯(lián)合構建一個未來的智能AI出行平臺。