专家顾进峰，用技术助力中国车联网迎来黄金发展期

徐烨娇

车联网是以车辆为主体，依靠通信网络互连实现车、人、路、服务平台之间的互联互通、信息共享，从而为车辆运行和使用提供服务，是物联网技术在智能交通系统领域的延伸。随着中国车联网产业的逐步发展，传统汽车产业竞争格局也发生了变化。中商产业研究院发布的《2023-2028年中国车联网专题研究及发展前景预测评估报告》显示，2022年中国车联网市场规模达3878亿元，近五年年均复合增长率为33.67%，预测到2023年中国车联网市场规模将达4383亿元，2024年规模预计达到5430亿元。随之而来的，就是中国对于车联网关键技术的不断追求与突破，众多车联网专家专注于以技术为行业带来解决方案，南京通力峰达软件科技有限公司总经理顾进峰就是其中颇具代表性的一位。

此前，顾进峰就曾发表过一项专利成果——“一种基于神经网络的车联网用户驾驶行为识别方法及系统”，让业界为之振奋。这项成果不仅在技术层面取得了显著的成就，而且对整个车联网行业的发展产生了深远而积极的影响，为推动车联网行业的智能化升级做出了巨大贡献。驾驶行为智能化识别系统的出现，使得车辆能够更深入地理解驾驶者的行为，为智能驾驶、驾驶辅助系统等提供更为精准和个性化的服务。这种智能化不仅提升了车辆的安全性，也提高了驾驶体验，促使车辆向更为智能化的未来发展。其次，该专利为车联网行业注入了先进的技术理念，也就是神经网络技术，实现了更准确更智能的识别，从而提高了整个行业的技术水平。而该专利的成功应用也鼓励了更多的企业和研究机构投入到智能驾驶技术的研究与开发中，同时还为车险行业带来了新的发展机遇。通过准确识别驾驶行为，保险公司可以更科学地评估驾驶风险，为车险定价提供更为准确的数据支持。这种精准的风险评估有助于实现保费的个性化定价，提高保险业务的合理性和公平性。

今年，顾进峰又再次运用神经网络，研发出了一项新成果“一种车联网用户应用程序中的敏感数据加密和保存方法”，展现出令人瞩目的关注点，不同的是这次他采用的是比之前更加强大且复杂的深度神经网络模型，对数据进行加密和解密。当前车联网数据的种类和结构日益复杂，传统的加密方法通常依赖于特定的数学算法，往往难以适应这种多样性。而顾进峰此项成果运用的深度学习模型具有更强大的学习能力，能够通过多个隐藏层的设计，自动学习和理解车联网数据中的复杂非线性关系，这一创新不仅提高了加密的安全性，更使得加密操作更具灵活性和适应性。通过应用深度学习模型的高效学习和理解能力，能够有效应对复杂、多样的车联网数据，提供高度可靠的数据加密和解密能力。这一设计不仅有助于防范恶意攻击和数据泄露，还为车联网系统提供了更快速、灵活的数据保护手段。在实际应用中，这将直接促进车辆通信、自动驾驶系统更安全、可靠运行。此外，此项成果还具有降低计算成本的潜力，通过深度学习模型的并行计算能力和优化算法的使用，使加密和解密的计算速度更快。这种高效性将有助于满足大规模车联网数据处理和传输的需求，为整个车联网行业提供更为高效的数据安全解决方案。

可以说，顾进峰的技术成果是一直走在行业前端且不断进步的，并且在已有的应用中为车联网行业带来更高效、更安全、更可信赖的发展，为社会提供了更安全、便捷、智能的出行方式，同时也不断促进着整个专业领域形成技术创新的良性竞争环境，推动车联网行业不断推陈出新，取得更多重大突破，为全球信息产业的蓬勃发展贡献力量。当前，中国车联网应用领域日益扩大，自动驾驶系统、网联系统、车载信息系统、智能中控等领域渗透率不断提高。在这个技术快速演进、产业加速发展的关键时期，我们期待着顾进峰能够再接再厉，用更多优秀成果助力中国车联网行业释放未来发展的巨大潜力，进一步推动城市交通基础设施、交通载运工具、环境网联化和协同化发展。