如果靠声纹检测车辆故障,奔驰维权事件还用哭诉吗?

人工诊断车辆故障的方法并不少,但流程相对繁琐费时。基于大数据,利用计算机视觉技术以及传感器监测手段,对车辆故障进行诊断,能够减少人工工作时间以及检测准确率。

今晨,巴黎圣母院遭遇火灾的消息瞬间刷屏,全世界都为它感到痛心。

但是这个时候,奔驰可能正在感谢巴黎圣母院,感谢它的一场大火,把自己从风口浪尖上顶下来。

热点总会过去,问题却依然存在。车主维权纠纷的事情并不是个例,由于很多消费者缺乏购车经验,买到新车不久就发现问题的事情屡见不鲜。

很多以往案件,都是因为车辆检测流程不规范,对于消费者信息不透明所致。

能否利用现代技术改善这一情形呢?

66  万买奔驰,出店前故障已暴露 

时至今日,奔驰女车主哭诉维权的事件仍迟迟没得到解决。

奔驰女车主为维权坐在发动机盖上哭诉

对于此次新车故障问题,如果不是车主哭诉大「闹」,「求」围观者扩散,也许很多类似问题都还继续暗藏在冰山之下,被那些打着官腔的客套话所搪塞着。 

事实上,不少 4S  店为了降低成本并没有认真做 PDI  检测,只是走个过场。

一辆车从生产厂运送到 4S  店期间往往会经历上千公里的运输路途和长时间的停放,为了向顾客确保新车的原厂性能和安全性,PDI  检测必不可少。但在实际销售过程中,本来必不可少的检测却变得可有可无,或如走过场般地在检测报告上不断打钩后,由车主签字就算交代。 

那么对于这样的事情,只能听之任之吗? 

也许,AI  并不答应。 

虽然对于车辆的故障检测,早就有一套接近成熟的人工检测方法,但过程还是相对繁琐,而且解释权也只是掌握在使用者的手中。

不妨设想一下,如果人人都有一款 AI  验车软件,今后买车的流程可能会是:

进店,试车,打开 AI  验车软件,发现各种潜在故障/车辆无故障。如此便可实现信息透明化,店家无所欺瞒,顾客权益有保障,维权事件减少…… 

目前,很多公司就已经在做 AI  诊断车辆故障的尝试。

深度学习听音辨故障 

一家叫 3DSignals 的公司利用「深度学习」技术,通过声音检测来判定汽车故障。这就像是经验老道的师傅,在设备运行的时候,听一听就知道问题出在了哪里。 

这家公司的创始人表示,声音数据的利用,除了语音识别之外,其他方面都还没有足够的发展。 

而 3DSignals  是通过超声波传感器收集的声音数据,检测出汽车的异常噪声,并对监测的异常声音进行分类标注,从而判断出具体的故障问题类型。 

  一种用于连续诊断故障的工具,可以监听声音异常

检测流程很简单,将传感器放置在汽车的几个关键部位,通过收集数据来监测汽车的运行状态,同时将数据馈送到信息处理工具,如果发生异常的声音数据,信号处理工具就能向驾驶员,客户,等负责人发送及时的警报。 

在判断分析中,为了预测更加准确,需要提前收集足够的数据,并对 AI  模型进行有效的训练,为特定的声音加上准确的标签,以区分对应的故障问题。通过这样的方法,就可以利用收集声音的方式,调查和维护问题区域以避免灾难的发生。 

根据报道,在经过训练之后, 3DSignals 的深度学习算法,在特定问题的判断上,能达到 98% 的准确率。 

而且这项技术,在重工业中已经得到重用。比如训练计算机「监听」诊断水电厂和钢铁厂等设施的异常问题。 

而对于汽车故障方面的准确性,还在不断研发中,以获得更好的用户体验。

想象一下,对于一辆豪华 SUV ,利用计算机去「倾听」就能诊断机械问题,在汽出售时,让买卖双方都能得到实际真实的检测报告,就能避免那些欺骗行为的存在。 

除了听音检测,还能看图定损 

除了能对车辆故障进行检测外,基于计算机视觉技术的应用还能对发生事故的车辆进行定损,让定损流程更加快捷且准确。

英国初创公司 Tractable  近日公布了一项技术,利用 AI  进行车辆维修/更换决策的估计,以及对修复工时的预判。 

基于计算机视觉原理,通过数以亿计的车辆损坏照片,以及大量的维修实例经验进行训练,AI  模型可以在 30  秒内可完成车辆定损与维修估计。

Tractable  通过大量图片训练 AI 定损系统

该软件使用起来也很简单,客户通过手机传送照片,便可在电脑上通过 3D  动画模型判定车辆的损坏情况。 

比如选择 2013  年雪佛兰科鲁兹 LT1、现代和奥迪的图像作为演示对象,Tractable  还邀请了运营汽车评估经理 Lisa Monzon  同时对图片进行分析,以进行人工智能评估和人工评估结果的对比。 

AI 软件根据损坏车辆图片定损结果

对于上图中低里程的 2013  年科鲁兹照片,人力保险公司故障诊断评估结果为:要求更换三个部件 ——  保险杠盖,右前照灯和挡泥板衬里 ,还有其他操作。预估保险金额为 1568.80  美元。 

一个维修公司用传统的人工诊断给出的结果是:需要更换保险杠盖,侧挡板,前照灯,发动机罩和挡泥板(以及排放标签),并且包含的操作比原来的估计要多。它的预估保险金额是 3981.49  美元。 

而 Tractable  的人工智能评估结果为:要求更换科鲁兹的挡泥板,前大灯,引擎盖和格栅。它的诊断明显更贴合人为的判断。 
 

它还对现代的照片进行故障诊断: 

右后门的特写镜头导致人工智能诊断它需要被替换。Monzon 表示门上的刮痕看起来有可能修复,但凹痕的存在,使得门需要被更换。

照片无法捕捉相邻车身面板上的刮擦,可能是因为图像拍摄有限,而无法识别边缘部分。 

诊断奥迪的案例: 

该系统得出结论,奥迪需要一个新的挡泥板,但保险杠面板可以固定,虽然后者只有 67%的置信水平。 

Monzon  对系统作出的评估表示同意,他认为保险杠面板的「轻微损坏」可修复。 

此外,这个 AI  系统能够对故障的修复给出一个预测的修复时间,能方便用户做好相应的准备。 

AI  会让世界更美好吗 

人工智能诊断车辆故障靠谱吗?

如上文所述,听音诊断车辆故障软件准确率可达到 98%。同时,据报道,人工智能定损软件可减少查勘定损人员 50%   的工作量。更重要的是,它会有效帮助私家车保险索赔案,减少消费者与 4S  店的纠纷,以及保险公司理赔渗漏比例。 

虽然数据看上去基本令人满意,但该技术在准确率和普遍性上仍有待提高。期待在不远的将来,AI  技术能够帮助我们精准地判断这些故障。 

回到奔驰车主维权事件。在如此漫长的处理过程中,信息的不透明让维权与调解之路都显得漫漫无期。也许,技术的进步会让我们看到信息共享的时代,消费者与店家之间将没有秘密。那时候,就不再需要坐到发动机盖上哭诉才能维权了。 

点击阅读原文