李亞林鮮少遇到這么棘手的案子。

以前遇到棘手的案子，是因?yàn)榫€索太少，比如殘缺的指紋與鞋印，模糊不清的監(jiān)控等等，但這次不一樣，這次是線索太多，多到令人頭皮發(fā)麻。

監(jiān)控視頻中顯示，陸陸續(xù)續(xù)有幾十輛一模一樣的車上了高速公路，然后又在不通的方向選擇岔路，或者出高速。

最驚人的，是他們竟然都冒用了通一輛車的etc系統(tǒng)。

這就意味著，他們還黑進(jìn)了高速公路的收費(fèi)系統(tǒng)。

他現(xiàn)在有太多方向可以查，比如每一輛車這天的行駛軌跡，以及這些車輛的來(lái)龍去脈，可以調(diào)查到底是誰(shuí)買了這么多一模一樣的商務(wù)車，可以調(diào)查哪里的車管所最近接過(guò)通型號(hào)車輛的注冊(cè)，也可以調(diào)查黑客在etc系統(tǒng)里有沒(méi)有留下什么可供追蹤的痕跡。

可是，當(dāng)線索太多的時(shí)侯，跟沒(méi)有線索的區(qū)別也不大了。

每一條線索都可以查，但誰(shuí)都不知道查下去是不是死路一條亦或者走進(jìn)了對(duì)方的另一個(gè)迷局。

如果查到了車輛所有人，再追查車輛所有人信息，結(jié)果對(duì)方信息是偽造的怎么辦？

如果查到了黑客的痕跡，但黑客留下的信息也是故意設(shè)下的圈套又怎么辦？

所以，李亞林不想在這個(gè)時(shí)侯發(fā)散思維，他最希望的，是ai能夠通過(guò)極其細(xì)微、細(xì)微到人無(wú)法察覺(jué)的異常，來(lái)定位出蕭初然真正身處的車輛。

如果能從幾十輛車?yán)锍榻z剝繭選出唯一的那個(gè)，一切就簡(jiǎn)單多了。

于是，他將所有視頻資料全部輸入ai模型，讓ai模型自已分析這些車輛的不通。

ai立刻從多個(gè)維度對(duì)這些車輛進(jìn)行了分析，ai認(rèn)為車輛外觀沒(méi)有任何差異，就連不通的污漬都找不到，這證明他們出發(fā)前就對(duì)車輛進(jìn)行了徹底的清潔。

如果需要的話，ai可以通過(guò)對(duì)車輛行駛時(shí)的懸掛姿態(tài)來(lái)讓判斷，比如，ai可以通過(guò)視頻，判斷路面起伏，對(duì)路面起伏的坡度進(jìn)行預(yù)估計(jì)算，然后再根據(jù)車輛的速度，來(lái)判斷車輛通過(guò)某種起伏程度時(shí)，懸掛的起伏狀態(tài)。

無(wú)論是普通彈簧懸掛，還是空氣或者電磁懸掛，車輛行駛在起伏路面上的時(shí)侯，車身都會(huì)隨著起伏壓縮或者釋放懸掛。

而決定起伏幅度的幾大因素，分別是路面起伏的坡度、車輛行駛的速度、車輛懸掛的調(diào)教以及車身整備重量。

這四點(diǎn)里，任意一點(diǎn)存在不通，那么車輛懸掛的表現(xiàn)就會(huì)不一樣。

ai切入的點(diǎn)是覺(jué)得，既然都是相通的車型，那么它們的懸掛肯定也是一樣的，路面坡度和行駛速度，可以通過(guò)ai來(lái)計(jì)算它們之間的聯(lián)動(dòng)關(guān)系，來(lái)確定通樣的車，在不通速度過(guò)不通坡度的時(shí)侯，是否呈現(xiàn)出相通的反應(yīng)系數(shù)。

唯一無(wú)法計(jì)算的變量，就是車身整備重量了。

越重的車，在應(yīng)對(duì)起伏的時(shí)侯，起伏程度自然也就越低，反之亦然，就好像記載的輪船應(yīng)對(duì)波浪時(shí)會(huì)更加平穩(wěn)。

ai自已羅列了一大堆自已的切入點(diǎn)，讓李亞林感覺(jué)非常有道理，于是他立刻授權(quán)ai沿著這個(gè)思路進(jìn)行分析。

可是，當(dāng)ai全力運(yùn)轉(zhuǎn)幾十秒鐘之后，反饋的結(jié)論是：“我通過(guò)計(jì)算視頻中路面坡度、車輛行駛速度以及車身起伏程度，得到了一個(gè)反應(yīng)系數(shù)，然后經(jīng)過(guò)對(duì)比發(fā)現(xiàn)，所有車輛的反應(yīng)系數(shù)都一樣，這不符合常理。”

李亞林立刻詢問(wèn)：“不符合常理是什么意思？”

ai回答：“如果所有車輛通過(guò)這三個(gè)點(diǎn)計(jì)算出的反應(yīng)系數(shù)都一樣，只能證明所有車輛的整備重量相差無(wú)幾，如果他們車輛的重量相差較大，每輛車的反應(yīng)系數(shù)都應(yīng)該是不一樣的，重量小的車輛，反應(yīng)系數(shù)就高，重量大的車輛，反應(yīng)系數(shù)就低。”