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，活動現場，復旦大學青年副研究員&復旦車音車聯網大數據聯合研究中心首席科學家付彥偉 發表了主題演講。
付彥偉介紹，復旦車音車聯網大數據聯合中心未來想實現通過汽車知識圖譜與車聯網大數據征信，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，復旦車音車聯網大數據聯合中心將瞄準未來的AI出行，從車載智能語音識別、車聯網平臺、數據分析平臺、智能知識庫等角度聯合構建一個未來智能AI出行平臺。
以下是發言實錄：
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網大數據聯合中心介紹一下我們聯合研究中心的一些研究情況，以及未來想做的事情。
復旦大學車音車聯網大數據聯合中心是復旦大學和車音網聯合的一個實驗中心，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年回到了負擔大數據學院。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，我們有車音的業務需求。二是從汽車產業大數據角度出發，關注大數據問題。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；三是車聯網大數據征信與風控；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，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，這些都是數據，我們如何通過雷達、雙幕攝像頭、頭像把檢測到的數據融合到一起，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，我們如何通過圖像或者其他的數據去估計這個物體的景深。
車載終端廣告營銷：首先，車音網本身是一個上市公司，車音網在一些汽車的潛載設備商收錄了很多數據，比如說品牌、車況、GPS記錄等方面的數據，我們積累了很多這樣的數據，我們怎么用這些數據挖掘更有效的信息，做一些更有意思的事情。比如說可以根據你的車況，能不能給這個車主推薦一些保險，或者說根據這個駕駛人的長期特征，發現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，包括我們如何通過動態的定價理論，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。
車聯網大數據征信與風控。大家知道，現在我們國家的征信體系很多，數據源也很多，既有企業的征信，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得到了大量的與車廠相關的數據，4S店的數據，用戶關于車的數據，通過這些數據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網知識圖譜平臺，通過車聯網的知識圖譜平臺做這件事情。這個知識圖譜包括爬蟲平臺、數據處理平臺、知識圖譜平臺，爬蟲平臺可以通過爬一些國內外的知識問答庫，讓爬蟲去自動爬這些大數據。數據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據，再加上我們從爬蟲平臺上爬的數據，可以構建汽車領域的知識圖譜平臺。
比如說我們想做車聯網行業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、銷售、科技、媒體、金融等等。綜合利用車聯網領域的中文知識圖譜，可以大家大數據征信的目的。所以我們第三個研究目的就是汽車知識圖譜與車聯網大數據征信，我們作為獨立的第三方，通過利用國內外問答社區，車廠的數據建立汽車行業的知識圖譜，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。對于整個聯合實驗中心來講，未來我們想建立車輛的移動管理系統。大家知道，每輛車都有自身的GPS系統，也有數據系統，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送安全信息。整個車聯網系統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境下無線介入的通用報警發送方法和接受方法。比如說高速公路上前面發生了車輛相撞的事件，通過車聯網很容易擴散出去，知道前面有車禍發生了。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的作用，最后借助區塊鏈的機制進一部構建車輛之間移動通信網絡和協作網絡。
未來我們實驗室瞄準未來的AI出行。復旦大學和車音網聯合實驗中心瞄準車載智能語音識別，以及車聯網平臺數據分析平臺，智能知識庫，從這四個角度聯合構建一個未來的智能AI出行平臺。
