4月27日，由长城会和腾讯汽车共同承办的“AI”生万物·全球未来出行峰会在北京举办，活动现场，复旦大学青年副研究员&复旦车音车联网大数据联合研究中心首席科学家付彦伟 发表了主题演讲。
付彦伟介绍，复旦车音车联网大数据联合中心未来想实现通过汽车知识图谱与车联网大数据征信，构建车况的鉴别成本，以及4S店或者是车辆的历史信息服务平台。
他认为，这个征信平台最直接的应用，或者说最直接的商业化的前景是用户想交易一台二手车的话，你只要把这个车牌号输入征信平台里，我们就有关于所有这个车牌的信息以及对这个车牌的信用评估，我们可以反馈给保险商，可以提供相应的保价。整个过程是通过机器学习算法识别特定的驾驶行为，鉴定驾驶员的风险模型。“”
未来，复旦车音车联网大数据联合中心将瞄准未来的AI出行，从车载智能语音识别、车联网平台、数据分析平台、智能知识库等角度联合构建一个未来智能AI出行平台。
以下是发言实录：
付彦伟：谢谢各位嘉宾，谢谢组委会的邀请，很高兴今天来到这里，我是一个学者，是复旦大学的老师，首先代表复旦车音车联网大数据联合中心介绍一下我们联合研究中心的一些研究情况，以及未来想做的事情。
复旦大学车音车联网大数据联合中心是复旦大学和车音网联合的一个实验中心，我们中心是2017年底成立。我个人是在英国获得了博士学位，在美国读了一年半博士后，2016年回到了负担大数据学院。我们实验室的研究方向，大体分为以下三个方面：首先因为我们是车音赞助，我们有车音的业务需求。二是从汽车产业大数据角度出发，关注大数据问题。三是关注科学与技术的前瞻性。
实验室有四个子方向：一是车载物体的检测；二是车载终端广告的营销；三是车联网大数据征信与风控；四是车辆移动管理。
车载物体的检测：涉及到自动驾驶里面拍摄的图像，我们需要检测出人和自行车、汽车、小动物等。自动驾驶本身就很大，我们没有办法像百度和其他公司能做一个自动驾驶的系统，我们做的是视觉，就瞄准一个很小的领域，车载物体的检测，希望能够把这块儿技术做得比较好，比较领先。
车载物体的检测问题很常见，比如说Google、Uber自动驾驶车既然有关雷达也有前面的双幕摄像头、单幕摄像头，普通的用户自己也有一个行车记录仪，这些都是数据，我们如何通过雷达、双幕摄像头、头像把检测到的数据融合到一起，作为车载物体检测。我们目标是综合多种传感器进行物体检测，因为可能一种传感器对某些物体会有遗漏，如果综合多种传感器的话，大家优势互补，就可以得到更准确的物体检测。关键技术是图像深度估计，2D的物体检测做得比较成熟了，实时化也没有太大的问题，可以直接拿来用，做得很好。2D和3D最大的区别在于图像的深度估计，也就是说你看到图像上有一个物体，有一个车，有一个人，这个物体到底离你的车有多远，如何去估计？这是我们想研究的一个很实际的问题。也就是说，我们如何通过图像或者其他的数据去估计这个物体的景深。
车载终端广告营销：首先，车音网本身是一个上市公司，车音网在一些汽车的潜载设备商收录了很多数据，比如说品牌、车况、GPS记录等方面的数据，我们积累了很多这样的数据，我们怎么用这些数据挖掘更有效的信息，做一些更有意思的事情。比如说可以根据你的车况，能不能给这个车主推荐一些保险，或者说根据这个驾驶人的长期特征，发现这个驾驶人的消费水平、消费偏好，能不能找到对应的商家，推荐这个驾驶人相应的东西。我们还可以运用计量、机器学习的方法，对一大类特定用户，以及相对应的相关产品需求建立一个相关的模型。我们还可以研究一些商品的营销策略，包括我们如何通过动态的定价理论，移动终端的营销理论，结合这些做一个车载终端的广告系统。
车联网大数据征信与风控。大家知道，现在我们国家的征信体系很多，数据源也很多，既有企业的征信，也有个人的征信，整个征信体系也在逐步的建立。这里面缺失了一块儿，就是关于车辆的征信。我们院校作为一个不相关的第三方，一方面我们从车音网得到了大量的与车厂相关的数据，4S店的数据，用户关于车的数据，通过这些数据我们可以挖掘一下对4S店、车厂、用户，有什么样的信用方面的影响。
从技术方面来说，我们想构建一个车联网知识图谱平台，通过车联网的知识图谱平台做这件事情。这个知识图谱包括爬虫平台、数据处理平台、知识图谱平台，爬虫平台可以通过爬一些国内外的知识问答库，让爬虫去自动爬这些大数据。数据处理平台是通过把平台开放给普通的用户，或者开放给学生、研究者，通过这些模型去衡量4S店或者车厂的关系怎么样，信用是怎么样的，用户对他们的反映，对他们的感情，每个用户对汽车品牌的感情如何的，对知识图谱的平台车音也有大量的汽车厂商方面的数据，再加上我们从爬虫平台上爬的数据，可以构建汽车领域的知识图谱平台。
比如说我们想做车联网行业最大的中文知识图谱，可以包括汽车方面的军事、体育、游戏、生产、销售、科技、媒体、金融等等。综合利用车联网领域的中文知识图谱，可以大家大数据征信的目的。所以我们第三个研究目的就是汽车知识图谱与车联网大数据征信，我们作为独立的第三方，通过利用国内外问答社区，车厂的数据建立汽车行业的知识图谱，可以构建车况的鉴别成本，以及4S店或者是车辆的历史信息服务平台。
这个征信平台最直接的应用，或者说最直接的商业化的前景是两个用户想交易一台二手车的话，你只要把这个车牌号输入征信平台里，我们就有关于所有这个车牌的信息以及对这个车牌的信用评估，我们可以反馈给保险商，可以提供相应的保价。整个过程是通过机器学习算法识别特定的驾驶行为，鉴定驾驶员的风险模型。
车辆移动管理。对于整个联合实验中心来讲，未来我们想建立车辆的移动管理系统。大家知道，每辆车都有自身的GPS系统，也有数据系统，我们可以通过车辆做一些物体的检测，完全可以搭建一个车辆之间的通讯平台，我们可以利用车辆自身的GPS，通过车辆的经纬度、行驶的速度、方位、时间、加速度、转向、制动、车辆的ID等信息，感知其周围其他车辆，借助于接受和处理道路上其他的相邻车辆发送安全信息。整个车联网系统需要借助与运营商的基站和车辆之间相互通讯的模块。
未来我们想做的是车载环境下无线介入的通用报警发送方法和接受方法。比如说高速公路上前面发生了车辆相撞的事件，通过车联网很容易扩散出去，知道前面有车祸发生了。从另一个角度来说，即使两辆车在高速运动中，让它们相互交互信息，这两辆车知道之间相互的位置信息，当这两辆车快相撞的时候，就可以通过一些算法，使得它们避免相撞，这是车辆移动管理系统的作用，最后借助区块链的机制进一部构建车辆之间移动通信网络和协作网络。
未来我们实验室瞄准未来的AI出行。复旦大学和车音网联合实验中心瞄准车载智能语音识别，以及车联网平台数据分析平台，智能知识库，从这四个角度联合构建一个未来的智能AI出行平台。
