若是靠聲紋檢測車輛故障，奔馳維權事件還用哭訴嗎？

人工診斷車輛故障的方法並很多，但流程相對繁瑣費時。基於大數據，利用計算機視覺技術以及傳感器監測手段，對車輛故障進行診斷，可以減小人工工做時間以及檢測準確率。

前兩天，巴黎聖母院遭遇火災的消息瞬間刷屏，全世界都爲它感到痛心。

可是這個時候，奔馳可能正在感謝巴黎聖母院，感謝它的一場大火，把本身從風口浪尖上頂下來。

熱點總會過去，問題卻依然存在。車主維權糾紛的事情並非個例，因爲不少消費者缺少購車經驗，買到新車不久就發現問題的事情家常便飯。

不少以往案件，都是由於車輛檢測流程不規範，對於消費者信息不透明所致。

可否利用現代技術改善這一情形呢？

66 萬買奔馳，出店前故障已暴露 

時至今日，奔馳女車主哭訴維權的事件仍遲遲沒獲得解決。

奔馳女車主爲維權坐在發動機蓋上哭訴

對於這次新車故障問題，若是不是車主哭訴大「鬧」，「求」圍觀者擴散，也許不少相似問題都還繼續暗藏在冰山之下，被那些打着官腔的客套話所搪塞着。 

事實上，很多 4S 店爲了下降成本並無認真作 PDI 檢測，只是走個過場。

一輛車從生產廠運送到 4S 店期間每每會經歷上千千米的運輸路途和長時間的停放，爲了向顧客確保新車的原廠性能和安全性，PDI 檢測必不可少。但在實際銷售過程當中，原本必不可少的檢測卻變得無關緊要，或如走過場般地在檢測報告上不斷打鉤後，由車主簽字就算交代。 

那麼對於這樣的事情，只能聽之任之嗎？ 

也許，AI 並不答應。 

雖然對於車輛的故障檢測，早就有一套接近成熟的人工檢測方法，但過程仍是相對繁瑣，並且解釋權也只是掌握在使用者的手中。

不妨設想一下，若是人人都有一款 AI 驗車軟件，從此買車的流程可能會是：

進店，試車，打開 AI 驗車軟件，發現各類潛在故障/車輛無端障。如此即可實現信息透明化，店家無所欺瞞，顧客權益有保障，維權事件減小…… 

目前，不少公司就已經在作 AI 診斷車輛故障的嘗試。

深度學習聽音辨故障 

一家叫 3DSignals 的公司利用「深度學習」技術，經過聲音檢測來斷定汽車故障。這就像是經驗老道的師傅，在設備運行的時候，聽一聽就知道問題出在了哪裏。 

這家公司的創始人表示，聲音數據的利用，除了語音識別以外，其餘方面都尚未足夠的發展。 

而 3DSignals 是經過超聲波傳感器收集的聲音數據，檢測出汽車的異常噪聲，並對監測的異常聲音進行分類標註，從而判斷出具體的故障問題類型。 

  一種用於連續診斷故障的工具，能夠監聽聲音異常

檢測流程很簡單，將傳感器放置在汽車的幾個關鍵部位，經過收集數據來監測汽車的運行狀態，同時將數據饋送到信息處理工具，若是發生異常的聲音數據，信號處理工具就能向駕駛員，客戶，等負責人發送及時的警報。 

在判斷分析中，爲了預測更加準確，須要提早收集足夠的數據，並對 AI 模型進行有效的訓練，爲特定的聲音加上準確的標籤，以區分對應的故障問題。經過這樣的方法，就能夠利用收集聲音的方式，調查和維護問題區域以免災難的發生。 

根據報道，在通過訓練以後， 3DSignals 的深度學習算法，在特定問題的判斷上，能達到 98% 的準確率。 

並且這項技術，在重工業中已經獲得重用。好比訓練計算機「監聽」診斷水電廠和鋼鐵廠等設施的異常問題。 

而對於汽車故障方面的準確性，還在不斷研發中，以得到更好的用戶體驗。

想象一下，對於一輛豪華 SUV ，利用計算機去「傾聽」就能診斷機械問題，在汽出售時，讓買賣雙方都能獲得實際真實的檢測報告，就能避免那些欺騙行爲的存在。 

除了聽音檢測，還能看圖定損 

除了能對車輛故障進行檢測外，基於計算機視覺技術的應用還能對發生事故的車輛進行定損，讓定損流程更加快捷且準確。

英國初創公司 Tractable 近日公佈了一項技術，利用 AI 進行車輛維修/更換決策的估計，以及對修復工時的預判。 

基於計算機視覺原理，經過數以億計的車輛損壞照片，以及大量的維修實例經驗進行訓練，AI 模型能夠在 30 秒內可完成車輛定損與維修估計。

Tractable 經過大量圖片訓練 AI 定損系統

該軟件使用起來也很簡單，客戶經過手機傳送照片，即可在電腦上經過 3D 動畫模型斷定車輛的損壞狀況。 

好比選擇 2013 年雪佛蘭科魯茲 LT一、現代和奧迪的圖像做爲演示對象，Tractable 還邀請了運營汽車評估經理 Lisa Monzon 同時對圖片進行分析，以進行人工智能評估和人工評估結果的對比。 

AI 軟件根據損壞車輛圖片定損結果

對於上圖中低里程的 2013 年科魯茲照片，人力保險公司故障診斷評估結果爲：要求更換三個部件 —— 保險槓蓋，右前照燈和擋泥板襯裏 ，還有其餘操做。預估保險金額爲 1568.80 美圓。 

一個維修公司用傳統的人工診斷給出的結果是：須要更換保險槓蓋，側擋板，前照燈，發動機罩和擋泥板（以及排放標籤），而且包含的操做比原來的估計要多。它的預估保險金額是 3981.49 美圓。 

而 Tractable 的人工智能評估結果爲：要求更換科魯茲的擋泥板，前大燈，引擎蓋和格柵。它的診斷明顯更貼合人爲的判斷。 
 

它還對現代的照片進行故障診斷： 

右後門的特寫鏡頭致使人工智能診斷它須要被替換。Monzon 表示門上的刮痕看起來有可能修復，但凹痕的存在，使得門須要被更換。

照片沒法捕捉相鄰車身面板上的刮擦，多是由於圖像拍攝有限，而沒法識別邊緣部分。 

診斷奧迪的案例： 

該系統得出結論，奧迪須要一個新的擋泥板，但保險槓面板能夠固定，雖而後者只有67％的置信水平。 

Monzon 對系統做出的評估表示贊成，他認爲保險槓面板的「輕微損壞」可修復。 

此外，這個 AI 系統可以對故障的修復給出一個預測的修復時間，能方便用戶作好相應的準備。 

AI 會讓世界更美好嗎 

人工智能診斷車輛故障靠譜嗎？

如上文所述，聽音診斷車輛故障軟件準確率可達到 98%。同時，據報道，人工智能定損軟件可減小查勘定損人員 50%  的工做量。更重要的是，它會有效幫助私家車保險索賠案，減小消費者與 4S 店的糾紛，以及保險公司理賠滲漏比例。 

雖然數據看上去基本使人滿意，但該技術在準確率和廣泛性上仍有待提升。期待在不遠的未來，AI 技術可以幫助咱們精準地判斷這些故障。 

回到奔馳車主維權事件。在如此漫長的處理過程當中，信息的不透明讓維權與調解之路都顯得漫漫無期。也許，技術的進步會讓咱們看到信息共享的時代，消費者與店家之間將沒有祕密。那時候，就再也不須要坐到發動機蓋上哭訴才能維權了。 

點擊閱讀原文