1.介绍
随着大数据、人工智能等技术的发展和应用，汽车行业正面临前所未有的挑战。汽车除了具备交通工具的属性，还具有连接人和物、物和物的媒介属性。而以智能化为代表的技术创新也已经全面渗透媒体机构的所有环节，“万物皆媒体”。因此，智能交通领域与传媒领域进行跨界深度融合将拥有全新的生长空间，能否抓住这一轮技术浪潮也是赢得车媒体产业未来的关键。
随着5G 投入商用，车联网将成为最大的应用场景。从国内外汽车行业发展趋势看，车内大屏化、多屏化、智能交互化、个性化的特征越来越明显。同时智能网联汽车的发展，必将出现一个市场体量巨大的车内媒体生态，将引导汽车制造、信息技术、交通服务带来翻天覆地的变化，这将是未来媒体必争之地。同时也给现有媒体提出了一个新的问题：如何进入汽车领域、影响更广泛受众、占领舆论引领的新阵地？
定制化是企业为满足受众需求而为顾客量身定做的产品营销手段，近年来越来越受到媒体行业的关注。如何准确掌握受众的阅读兴趣与需求也日益成为媒体行业发展关键。在手机客户端蓬勃发展的大数据时代，一些高科技媒体公司凭借着新闻定制化服务和对受众心理诉求的全方位挖掘成功突围，占领了手机新闻客户端榜首。而汽车信息消费是一个不同于手机的应用场景。用户在驾驶过程中，无法看新闻，只能靠听新闻的方式来进行信息消费，以及语音的方式进行信息的交互。如果需要在车载这个应用场景做信息的个性化推荐和定制，传统的，适合手机新闻的智能推荐系统，在车载这个场景将
无法使用。
新华网和一汽集团，建立“国网”与“国车”的战略合作模式和联合研发机制，以生物传感和情绪流新闻等技术为主要研究内容，全面融合一汽集团的全系列产品，对现有车机系统进行智能化、人性化的改造升级，增强企业的市场竞争力，并形成产业生态圈。双方联合研发的基于情感交互用户体验研究出发的车媒体生态系统，将颠覆现有的信息消费方式，将人的数据耦合进车的数据信息系统，并参与整个人—机—环境的生命周期生长，在汽车生命化的趋势中提前布局，并快速占据领先位势。针对车载模式下，用户驾驶行为的分析，[5-9]用户疲劳状态的检测，[1-4，10]为车载信息内容制作的音视频公司提供新的前沿科技和商业模式，力争能够在车联网的市场分得一杯羹。双方将充分利用好新华网的新闻资源、发布平台和一汽的客户体紧密连接，依据司乘人员生理传感器数据、行为习惯等数据进行精准推送，打造车载新闻娱乐影音系统的今日头条。2.现有工作基础
物联网时代，移动网络电台通过车载系统，切入车联网的内容服务。物联网时代，巨大的流量市场，对移动电台服务商的吸引力很大，因为每一辆车都可以看做是一个移动终端。根据艾瑞咨询研究数据显示：89.3%的用户在行车中收听广播，有40.5%的用户在行车中收听移动音频。因此，作为消费能力比较高的一个用户体，自然会成为移动电台厂商的香馍馍。
移动网络电台，通常通过车厂预装，开发车载硬件的方式，提供电台厂商车联网音频娱乐解决方案等方式，
*为本文通讯作者
“情绪流”车媒体智能新闻推荐系统
王 晨1 高洪伟2* 吕贵林2 陈 涛2 孙玉洋2
（1.新华社媒体融合生产技术与系统国家重点实验室，北京 100803；2.中国一汽智能网联开发院，吉林 长春 130012）摘 要：“情绪流”车媒体智能新闻推荐系统是新华网、一汽集团联合打造的智能车媒体交互空间，通过该智能系统可得益于新华网内容的权威性、安全性，根据用户画像进行内容的个性化推送。该画像过程不仅融入用户的兴趣以及浏览行为，同时加入新华网核心技术-生理传感对用户在浏览、聆听相关内容时的生理情绪反应作为算法的重要维度，真正实现线上行为数据、线下生理情绪数据的全数据贯通，打破传统车载环境内容推荐算法的弊端。
关键词：车媒体；智能戒指；新闻智能分发 中图分类号：G210.7 文献标识码：A 文章编号：1671-0134（2020）09-120-05 DOI：10.19483/jki.11-4653/n.2020.09.037
本文著录格式：王晨，高洪伟，吕贵林，陈涛，孙玉洋.“情绪流”车媒体智能新闻推荐系统[J].中国传媒科技，2020（9）：120-124.
与车企展开合作。根据美国IHS的数据，2019年，924万辆车整合了网络电台服务，这个数量超过美国汽车市场预期销量的一半。
2015年1月，福特汽车宣布向程序开发人员开放车载信息娱乐系统。通过福特的AppLink开发平台，车主可以直接通过SYNC系统进入互联网音乐服务，目前已有Spotify（中文名：声破天，是全球最大的流媒体音乐服务之一）、Amazon Cloud Player亚马逊云播放器、iHeart Radio心灵电台等应用进驻AppLink 。[21]
蜻蜓FM通过聚合电台超市的方法，给用户提供音频服务。[15]而豆瓣FM通过借鉴国外潘多拉（Pandora）电台的服务模式，将用户喜好匹配算法组成一个栏目的序，通过个性化推荐的模式给用户提供服务。[14，20]听伴是一家音频内容分发平台，借助车载场景化特点，通过预装的方式，打造不同的内容给车主提供服务。通过与汽车厂商合作分成，目前听伴已经预装到了比亚迪、奔驰、沃尔沃等30多家车厂的车载娱乐系统中。[16，22]喜马拉雅FM是一款为音频生产者提供内容生产渠道，把“PGC+UGC”内容传递给用户的移动电台。以智能手机、平板电脑、车载、可穿戴设备等智能终端为音频载体，为用户提供音频服务。[17，21]中国移动咪咕公司携旗下咪咕视频、咪咕音乐等多款应用，于2020年9月正式入驻华为Harmony智能座舱，成为Harmony全球首家视频客户端及首批音频客户端的数据内容合作伙伴。借助5G+AI技术，实现音视频内容智能推荐，满足用户“千人千面”的个性化需求，为用户提供跨手机、电视、车载多场景的高品质影音体验，让每一台座舱都能成为全场景沉浸
体验的移动空间。[19，18]
以上在车联网领域活跃的几家主流音频服务提供商，目前只是实现了内容单向分发的功能，宝贵的用户真实体验数据，用户实时动态的反馈数据，以及用户的个人结构化信息，由于车企不对外开放，导致音频服务提供商缺乏获得用户画像数据的方法或者工具，更无从谈精准用户画像分析，因此也无法延展后续的商业服务模式。此外，即使目前通过资本强行进入车联网，音频服务提供商还是没有到好的合作模式，尽管期待保持与电子消费产品的创新速度同步的想法，但是根本目的也是为了和车企一起吸引更多年轻消费者，从而销售更多的汽车。目前各大车企也越来越重视汽车本身的连接功能，希望能够通过车机系统，打造更强的用户黏性。3.系统介绍
“情绪流”车媒体智能新闻推荐系统，力争打造以生物传感为核心，多模态人工智能技术融合为基础，充分挖掘驾乘人员的生理和情绪状态，分析驾乘人员的体验过程，从而提供移动状态下的即时、精准、个性化内容服务系统。它致力于最大价值地开发人的闲暇时间，颠覆依靠手动选择信息的低效、单向、同质化的传统消费方式。并解决用户交互数据不足、与公共数据交互不足的难题，使被开发的时间边际效应明显递增，带来全新的共享运营模式。无论何时进入无人驾驶时代，是否需要人的专心驾驶，对于人-人、人-机、人-机-环境之间新型交互关系的处理，都迫切需要情感计算、人机交互、生物感知、深度学习、图影像识别等智能技术融合。该系统将使驾乘者的车上时间从一次性消耗品升级为可复用、可再生的新数据资源，实现打造新型车媒体智能生态系统的初衷。
“情绪流”车媒体智能新闻推荐系统以基于先进生理信号的人工智能技术为核心，以计算机视觉和图像，自然语言处理技术为辅，以优质内容为基石，以个性化定制化交互为灵魂，在一汽开放的车辆研发平台上，共同积极推进情感人工智能在车媒体生态和智能网联在汽车产业的应用。系统包含两大共生体系/平台，各有侧重、互为依托：
3.1基于情感人工智能的人车共融用户体验系统
以生物传感等关键情绪识别和情感计算技术实现软数据与硬数据的融合，通过高精度、高协同和实时性判断进行精准化产品及服务的定制与提供。其核心在于将人的数据耦合进入数据信息系统中，并参与整个人-机-环境的生命周期，根据用户对信息需求的全天候特征、结合传媒特性建立连续性成长数据库，进行多维度、多元化复杂算法开发，实现硬数据+软数据在车生态中的融合与应用。
3.2基于内容的个性化智慧出行服务平台
基于媒体优势，强调内容生产与个性化需求的对接。通过语音转译、面部识别、图像识别及生物传感等技术，集成并提供快速高效的新闻、观点和其他资讯信息。其核心在于对人的内容需求精准获取和智能化整合提供。媒体公司将聚合资源，从国际时事、政治外交、军事与经济等方面切入，结合各大汽车品牌的用户画像，提供高端智能信息化服务。并借助成熟的技术对于社交化媒体平台上的内容进行精准化推送。
“情绪流”车媒体智能新闻推荐系统采用新华网独
家研发的可穿戴智能戒指，[11]用来采集司机驾驶过程中的生理信号，并实时监测司机驾驶过程的生理状态，新华网研发的智能生理算法，[12，13]当司机出现疲劳特征时，实时识别，并进行震动和报警。同时将司机的疲
劳信息发送到云端，云端监测中心能够基于该生理状态数据、用户身份特征及日常车内信息消费习惯，对用户标签实时更新，并依据驾乘人员的当前标签属性精准推送新闻和音乐信息，从而形成千人千面的个性化内容定制服务（图
1）。
图 1 “情绪流”智能新闻推荐系统系统框架
4.系统框架
“情绪流”车媒体智能新闻推荐系统，具整体系统逻辑框架分为四大部分：
智能硬件：该层主要提供了情绪流基础传感数据的采集、数模转换、噪声处理、数据传输等功能；
情绪新闻后台：主要包括：内嵌各类智能算法、新闻推荐算法、业务逻辑处理、接口通信、数据处理等等；
情绪新闻云服务：主要面向后台管理者，通过业务支撑层提供的服务，具体包括用户管理、内容管理、算法训练、接口通信等；
内容推送：新闻客户端保持和后台云服务器连接，根据用户指令，从后台云服务器每次获取一条新闻资讯并显示在车机上。推荐内容包括图文、资讯播报、音频、视频等新闻类信息，信息主要来源于新华体系内容库。5.推荐算法
“情绪流”车媒体智能新闻推荐系统，通过采集用户生理特征信号，进行综合算法训练，通过算法训练不断提升算法精度，最终完成个性化的内容推送，逐步实现业务链条各环节的交互性、自动化及精准度。
当系统启动时，依据用户的驾驶时长，系统开始推送和驾驶时长相同的新闻内容包。例如用户的驾驶时长为40分钟，系统自动在云端调取不同类型的新闻内容，通过机器赛选和剪切的方式，生成40分钟的新闻内容包。该内容包
包含新闻资讯、小品、相声、音乐等各类内容。用户在消费信息的过程中，系统依据用户疲劳值的变化状态，学习新闻包的推荐效果，从而决定下一次推荐的新闻包，哪些资讯信息会被替换，哪些同类型的新闻资讯信息会保留推荐。具体推荐效果评估方式为：当用户听新闻内容时，系统自动监测用户的疲劳状态是否有降低，以及专注度的值是否有明显提升现象。如果发现用户的疲劳状态减轻，专注度提升，说明该新闻内容引起了用户的关注，并同时对用户的疲劳状态有所缓解。系统经过学习后，会在下一次推荐过程中，替换效果差的新闻类型，延续效果好的新闻内容标签，做同属性新闻推荐。等用户的生理数据，新闻标签数据以及推荐结果数据有了一定量的积累后，该智能新闻内容推荐系统，就可以依据用户的生理信号，新闻的标签数据，给用户生成一套基于驾驶时长的个性化新闻菜单。
目前该研发成果将在2020年底在一汽红旗的两款车型上进行测试，并推向市场进行销售。未来，该系统还可以基于生物传感，结合面部情绪识别和智能语音交互等技术，形成新一代人性化的智能人机交互系统，同时基于媒体强大的内容库及互联网线上数据，实现个性化的内容精准分发平台，让车辆不仅是代步工具，还要成为驾乘人员的生活助手和可移动智能终端平台，甚至是人们生活中不可或缺的
具有自我学习进化功能的智能伴
侣。
新华网已经导入一汽车机系统总共有9个频道：《快听短资讯》、《朝六晚五》、《新华每日电讯·快评》、《权威发布》、《新华访谈》、《新华网评》、《诗词剧场》、《有话》、《广播剧场》。后续中国一汽和新华网可以整合车媒体战略合作伙伴，共同开展针对车媒体业务的资源共享、联合运营、业务推广，例如：借助新华网强大的PR平台进行宣传推广；协助车厂运营车机系统内容服务；同现有车机厂上下游产业链合作伙伴合作，进入更多的车企和车型；导入行业合作伙伴如广告商和商业保险公司等。根据合作伙伴参与形式、参与深度确定具体的合作方式和利益分配方式。
结语
基于生理信号的车载信息服务推荐系统很有可能成为未来主流技术模式。推荐系统发展了二十年，极大的提升了主流应用的效率，亚马逊通过推荐系统销售收入提升 35%，Youtube 主页上 60% 的浏览来自推荐服务。到现在，各主流应用基本都用到了推荐系统。我们知道，在个性化推荐中，与用户的交互非常重要。比如在亚马逊或者Ebay购物中浏览和购买的物品，以及点击的“喜欢”和“不喜欢”，都会成为提升推荐精准度的关键。但是在车载环境中，为了安全起见，主动用户行为很少，传统做推荐系统产品构带来很多挑战性的技术和用户体验难题。因此基于驾乘人员的生理反馈，很有可能成为未来
车内信息推荐的主流技术模式。
“情绪流”车媒体智能新闻推荐系统的创新成果非常显著。该系统是世界上第一款基于先进生理技术的车载人工智能信息推荐系统，其中负责疲劳监测的智能戒指，也是世界上第一款基于先进生理技术的可穿戴设备。系统打破车内信息消费单向传播的传统方式，通过获取用户的生理信号状态，智能选择和推荐符合用户车内信息消费的内容流，形成信息和人生理反馈的良好交互和反馈，从而可以做到减少疲劳驾驶带来的风险，还可以精准推荐内容，大大改观了车载模式下的用户驾驶体验。
参考文献
[1]Sahayadhas， A.， Sundaraj， K.， & Murugappan， M.
(2012). Detecting driver drowsiness based on sensors: a review. Sensors (Basel， Switzerland)， 12(12)， 16937–
16953. /10.3390/s121216937
[2]A. Chowdhury， R. Shankaran， M. Kavakli and M. M.
Haque， “Sensor Applications and Physiological Features in Drivers’ Drowsiness Detection: A Revie
w，” in IEEE Sensors Journal， vol. 18， no. 8， pp. 3055-3067， 15 April15， 2018， doi: 10.1109/JSEN.2018.2807245.
[3]H. Cai and Y. Lin， “An experiment to non-intrusively
collect physiological parameters towards driver state detection，” in Proceedings of the SAE World Congress， Detroit， Mich， USA， 2007.
[4]Vicente， F.， Huang， Z.， Xiong， X.， La Torre，
F. D.， Zhang， W.， & Levi， D. (2015). Driver Gaze
Tracking and Eyes Off the Road Detection System. IEEE Transactions on Intelligent Transportation Systems， 16(4)， 2014-2027.
[5]N. L. Haworth， T. J. Triggs， and E. M. Grey， Driver
F a t i g u e:C o n c e p t s，M e a s u r e m e n t a n d C r a s h汽车影音娱乐系统
Countermeasures， Human Factors Group， Department of Psychology， Monash University， 1988.
[6]A n n e k e H e i t m a n n，R a i n e r G u t t k u h n，A c a c i a
Aguirre， Udo Trutschel， Martin Mooreede. Technologies for the monitoring and prevention of driver fatigue [C] Proceedings of the First International Driving Symposium on Human Factor in Driver Assessment， Training and Vehicle Des~n．St，Louis：IEEE，20o1：81— 86．
[7]Sanjaya， K. H.， Lee， S.， & Katsuura， T. (2016).
Review on the application of physiological and biomechanical measurement methods in driving fatigue detection. Journal of Mechatronics， Electrical Power， and Vehicular Technology， 7(1)， 35-48.
[8]Melo， J.， Naftel， A.， Bernardino， A.， &
Santosvictor， J. (2006). Detection and classification of highway lanes using vehicle motion trajectories. IEEE Transactions on Intelligent Transportation Systems， 7(2)， 188-200.
[9]Ma， J.， Zhang， J.， Gong， Z.， & Du， Y. (2018).
Study on Fatigue Driving Detection Model Based on Steering Operation Features and Eye Movement Features. international conference control science and systems engineering.
[10]Huang， K.， Huang， T.， Chuang， C.， King， J.，
Wang， Y.， Lin， C.， & Jung， T. (2016). An EEG-
Based Fatigue Detection and Mitigation System. International Journal of Neural Systems， 26(4)， 1650018-1650018.
[11]Zhu， X.， Wang， Y.， Wang， C.， Yang，
H.， Wang， X.， & Yang， M. (2017). Developing
a driving fatigue detection system using physiological
sensors. australasian computer-human interaction conference.
[12]C&C ‘17: Proceedings of the 2017 ACM SIGCHI
Conference on Creativity and CognitionJune 2017 Pages 197–208/10.1145/3059454.3059486 [13]Wang， C.， Geelhoed， E.， Stenton， P.， & Cesar，
P. (2014). Sensing a live audience. human factors in computing systems.
[14]豆瓣FM: douban.fm/
[15]蜻蜓FM: www.qingting.fm/
[16]听伴：develop.tingban/
[17]喜马拉雅：www.ximalaya/
[18]咪咕音乐：music.migu/v3
[19]咪咕入驻华为智能座舱：tech.china/
article/20200927/092020_614628.html
[20]移动互联网催生音频革命：www.sohu/
a/20594554_121629
[21]网络电台：一颗进入车载的野心和一盘未布完的局：
www.jiemian/article/353779.html
[22]数据罗生门，业务三国杀，在线音频的未来在哪里？：
www.sohu/a/233898265_116015
作者简介：王晨（1981-），女，安徽，新华社媒体融合生产技术与系统国家重点实验室&新华网融媒体未来研究院副院长，研究方向：情感计算与人工智能；高洪伟（1982-），男，黑龙江，智能网联开发院车端网联所所长，研究方向：车联网；吕贵林（1980-），男，河南南阳，智能网联开发院车端网联所高级主任，研究方向：网联服务；陈涛（1984-），男，山东滕州，智能网联开发院车端网联所主任，研究方向：网联应用；孙玉洋（1989-），男，吉林农安，智能网联开发院车端网联所主管，研究方向：云平台。
作纵深发展。
3.1增强语音智能应用的融合力度
本文所阐述的语音智能的应用主要集中在新闻生产系统，当前新华社技术局还在对语音识别与合成技术在智能硬件及交互式AR/VR产品等方面的集成应用等方面不断拓展，增强系统实用性、激发产品趣味性，将现有技术更全面地赋能新闻生产传播各个流程。
3.2扩展语音成熟技术的应用广度
语音智能的新技术也日新月异。例如，语音识别中的声纹识别技术，不仅可用于标记采访录音中更多的讲话者，亦可用于权限认证，提升新闻素材整理的便捷性与新闻审核签发的安全性；基于语音迁移学习、小样本学习等技术[3]，可在数分钟内实现个性化配音角的快速制作，合成语音的自然度和相似度均可以假乱真；藏语及维语等少数民族语言语音智能技术，可辅助记者提升采访沟通与记录效率。
3.3细化音视频的跨媒介检索粒度
随着语音转文字技术准确度的不断提升，所有音视频稿件中的语音内容，均可以文字形式予以保存并建立索引，进而实现稿件中语音内容的精准检索。这样可大幅提升新闻采编素材的选择范围，即使是文字稿件也能广泛采用视频同期声等文字内容。
参考文献
[1]习近平.加快推动媒体融合发展 构建全媒体传播格局[J].
当代江西，2019（3）： 4-7.
[2]蔡名照.始终履行好党中央“喉舌”“耳目”职能[J].求是，
2016（6）：33-34.
[3]俞栋，邓力.解析深度学习：语音识别实践[M].电子工
业出版社，2016.
作者简介：李泽魁（1992-），男，山西人，工程师，研究方向：语音识别、语义分析、图像处理等领域智能化采编应用；孙霏（1981-），女，北京人，高级工程师，研究方向：语音识别、视频标引等人工智能技术；刘一闻（1984-），男，湖北人，工程师，研究方向：智能写作、图像识别等领域智能化采编应用。
（上接第107页）
发布评论