CN104103188B - 基于车辆共同体输入向车辆用户提供定制信息的装置和方法 - Google Patents
基于车辆共同体输入向车辆用户提供定制信息的装置和方法 Download PDFInfo
- Publication number
- CN104103188B CN104103188B CN201310757201.1A CN201310757201A CN104103188B CN 104103188 B CN104103188 B CN 104103188B CN 201310757201 A CN201310757201 A CN 201310757201A CN 104103188 B CN104103188 B CN 104103188B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- situation
- information
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 118
- 238000001914 filtration Methods 0.000 claims abstract description 42
- 230000007423 decrease Effects 0.000 claims description 27
- 230000004044 response Effects 0.000 claims description 26
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000006378 damage Effects 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 43
- 238000004891 communication Methods 0.000 description 37
- 230000006870 function Effects 0.000 description 28
- 238000005516 engineering process Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 18
- 230000000694 effects Effects 0.000 description 11
- 230000001133 acceleration Effects 0.000 description 8
- 230000007547 defect Effects 0.000 description 7
- 230000002596 correlated effect Effects 0.000 description 6
- 238000012800 visualization Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000008034 disappearance Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000947840 Alteromonadales Species 0.000 description 1
- 102000003712 Complement factor B Human genes 0.000 description 1
- 108090000056 Complement factor B Proteins 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 231100000768 Toxicity label Toxicity 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000005923 long-lasting effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000000162 simple eye Anatomy 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
- 239000005439 thermosphere Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3697—Output of additional, non-guidance related information, e.g. low fuel level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种用于基于车辆拥堵数据向车辆提供相关信息集合的方法。所述方法包括:从多个参与车辆中接收与一地理区域中参与车辆所感测的状况相关的车辆拥堵数据,产生被接收车辆拥堵数据。在一实施例中,所述状况包括选自组的至少一个预识别状况,所述组包括巡航控制、道路危险、道路结冰、其他光滑道路状况、以及车辆安全妨害。所述方法还包括过滤所接收的车辆拥堵数据,产生相关车辆拥堵数据,并且通过该设备使用相关车辆拥堵数据构建相关信息集合。所述方法还包括发送相关信息集合以传送到与该地理区域关联的一个或多个用户车辆。
Description
技术领域
本公开总体涉及向车辆用户提供相关和有用信息的系统和方法,并且更特别地,涉及用于基于来自参与车辆系统共同体的输入而提供信息的装置和方法。
背景技术
与现代化车辆不断增长的自动化相伴随的是,向驾驶员提供各种类型的对应信息的服务。例如的,随着车内导航系统的出现,已经出现了通过该系统向驾驶员提醒本地交通和天气状况的服务。
到目前,向驾驶员提供的信息主要是基于来源于官方的数据,例如,政府、资源部门(例如国家气象局或国家交通部门)。
需要用于以任意种类的形式(如下文进一步描述的)向车辆用户提供更准确、更相关和更有用的信息的系统和处理器。
发明内容
本公开涉及一种用于基于车辆拥堵数据向车辆提供相关信息集合的方法。所述方法包括:通过具有处理器的设备从多个参与车辆中接收与一地理区域中所述参与车辆所感测的状况相关的车辆拥堵数据,产生被接收车辆拥堵数据。在一实施例中,所述状况包括选自组的至少一个预识别状况,所述组包括巡航控制、道路危险、道路结冰、其他道路光滑状况以及车辆安全妨害。所述方法还包括通过所述设备过滤所接收的车辆拥堵数据,产生相关的车辆拥堵数据,以及通过所述设备使用相关的车辆拥堵数据构建相关信息集合。所述方法还包括发送相关信息集合以传送到与地理数据关联的一个或多个用户车辆。
在一个实施例中,过滤包括结合所接收的被接收车辆拥堵数据中的每一项目确定相关性水平。
在一个实施例中,相关性水平是至少部分地基于从中接收数据项目的车辆的历史使用而确定。
在一个实施例中,构建相关信息集合的操作包括维护对应于该状况的运行值,并且维护运行值包括:a)响应于确定从具有相关的相关性水平的车辆接收了正面评价数据项目,而增加该运行值;以及b)响应于确定从具有相关的相关性水平的车辆接收了负面评价数据项目,而降低该运行值。
在一个实施例中,维护该运行值包括应用时间衰退评价强度函数,其中,除基于任何正面和负面评价而增加和降低该运行值外,该运行值随着时间以预先确定的衰退速率而降低。
在一个实施例中,如果该车辆具有选自组的特征,参与车辆与该地理区域关联,所述组包括:(A)定位在该地理区域中;(B)定位在该地理区域附近;以及(C)预期通过该地理区域或其附近。
在一个实施例中,至少一些所接收的车辆拥堵数据与选自组的辅助数据一起被接收,所述组包括:(i)与所感测的状况关联的位置;(ii)车辆安全妨害的类型,从非报告性车辆第三方设备中接收的数据;以及(iii)历史数据。所述辅助数据用于构建相关信息集合。
在一个实施例中,所述设备包括客户服务中心计算设备,并且该车辆包括车载系统,所述车载系统配置成使用也被该计算设备使用的私有协议而与所述计算设备通信。
在一实施例中,该相关信息集合被构建为具有选自组的至少一个特征,所述组包括:(I)包括识别所述状况的热图;(Ⅱ)配置成用于呈出该热图;(Ⅲ)包括识别所述状况的项目指示地图;(IV)配置成用于呈出所述项目指示地图;(V)包括识别所述状况的鸟瞰视图;(Ⅵ)配置成用于呈出该鸟瞰视图;(Ⅶ)包括识别所述状况的透视视图;(VIII)配置成用于呈出所述透视视图;(Ⅸ)具有用于文本呈现的消息;(X)具有用于听觉呈现的消息;和(Ⅺ)具有可触觉呈现的指示。
在一个实施例中,取决于所述状况是偶发型状况还是频繁报告型状况,而依据多个算法中的一个执行所述过滤。
在一个实施例中,所接收的车辆拥堵数据包括至少两个:(a)车辆特定数据;(b)车辆感测环境数据;(c)近邻车辆数据;(d)从非报告性车辆设备获取的通行数据;以及(e)包括历史数据、用户简档数据、车辆简档数据以及与相关 附近地区有关的统计数据中的一个或多个的支持数据。
在一个实施例中,发送相关信息集合以传送到与该地理区域关联的一个或多个用户车辆,包括向第三方设备传输数据,所述第三方设备被配置为操纵该相关信息数据集合并发送所操纵的相关信息数据集合以被一个或多个用户车辆接收。
在一个实施例中,所述方法还包括从接收车辆的候选库中识别关注的车辆;发送相关信息集合以传送到与所述地理区域关联的一个或多个用户车辆,包括发送所述相关信息集合以传送到所识别的关注的车辆;并且从候选库中识别关注的车辆取决于过去车辆活动和用户偏好中的至少一个。
另一方面,本技术包括一种用于基于车辆拥堵数据向车辆提供相关信息集合的方法,所述方法包括:通过具有处理器的设备从多个参与车辆中接收与一地理区域中参与车辆所感测的状况相关的车辆拥堵数据,产生被接收车辆拥堵数据。所述方法还包括通过所述设备过滤所接收的车辆拥堵数据,产生相关的车辆拥堵数据,其中,所述过滤包括结合所接收的车辆拥堵数据中的每一项目确定相关性水平。所述方法还包括通过所述设备使用相关的车辆拥堵数据构建相关信息集合,并发送所述相关信息集合以传送到与所述地理区域关联的一个或多个用户车辆。
在本方面的一个实施例中,相关性水平的确定至少部分地基于从中接收数据项目的车辆的历史使用。
在本方面的一个实施例中,历史使用与巡航控制在从中接收数据项目的车辆处被约定的频率相关。
在本方面的一个实施例中,构建相关信息集合包括维护对应于所述状况的状况特定的运行值;并且维护运行值包括:(a)响应于确定从具有相关的相关性水平的车辆接收了正面评价数据项目,而增加该运行值,以及(b)响应于确定从具有相关的相关性水平的车辆接收负面评价数据项目,而降低该运行值。
在本方面的一个实施例中,维护运行值包括应用时间衰退评价强度函数,其中,除基于任何正面评价和负面评价数据项目而增加和降低该运行值外,该运行值随着时间以预先确定的衰退速率而降低。
在本方面的一个实施例中,所述过滤包括确定所接收的车辆拥堵数据中的 至少一些项目的严重性水平,该水平与由车辆拥堵数据的项目所报告的状况的严重性相关。
在又一方面,本技术包括一种用于基于车辆拥堵数据向车辆提供相关信息集合的方法,所述方法包括:通过具有处理器的设备从多个参与车辆中接收与一地理区域中参与车辆所感测的状况相关的车辆拥堵数据,产生被接收车辆拥堵数据。本方面的方法还包括通过该设备过滤所接收的车辆拥堵数据,产生相关的车辆拥堵数据,其中,所述过滤包括根据x(t)E=Bx(t)+(1-B)x(t-T),而估算对应于所述状况的值,其中x(t)E表示所估算的值,B表示预先建立的权重因素,x(t)表示与该状况、所接收的车辆拥堵数据、以及当前时间(t)对应的当前状况水平,并且,x(t+T)表示与该状况以及最近时间(t+T)对应的最近状况水平,所述最近时间(t+T)通过分离时间(T)而与当前时间(t)分开。进一步地,所述方法包括通过该设备使用相关车辆拥堵数据而构建相关信息集合,并且发送所述相关信息集合以传送到与所述地理区域关联的一个或多个用户车辆。
方案1.一种用于基于车辆拥堵数据向车辆提供相关信息集合的方法,所述方法包括:
通过具有处理器的设备从多个参与车辆接收与由地理区域中的参与车辆所感测的状况相关的车辆拥堵数据,产生被接收车辆拥堵数据,其中所述状况包括选自组的至少一个预识别状况,所述组包括:
巡航控制约定;
道路危险;
道路结冰;
其他道路光滑状况;以及
车辆安全妨害;
通过所述设备过滤所述被接收车辆拥堵数据,产生相关的车辆拥堵数据;
通过所述设备使用所述相关的车辆拥堵数据构建相关信息集合;以及
发送所述相关信息集合以传送到与所述地理区域关联的一个或多个用户车辆。
方案2.如方案1的方法,其中,所述过滤包括结合所接收的被接收车辆拥堵数据中的每一项目确定相关性水平。
方案3.如方案2的方法,其中,相关性水平是至少部分地基于从中接收数据所述项目的车辆的历史使用而确定。
方案4.如方案2的方法,其中,构建相关信息集合包括维护对应于该状况的运行值,并且维护运行值包括:
响应于确定从具有相关的相关性水平的车辆接收了正面评价数据项目,而增加该运行值;以及
响应于确定从具有相关的相关性水平的车辆接收了负面评价数据项目,而降低该运行值。
方案5.如方案4的方法,其中,维护该运行值包括应用时间衰退评价强度函数,由此,除基于任何正面和负面评价而增加和降低该运行值外,该运行值随着时间以预先确定的衰退速率而降低。
方案6.如方案1的方法,其中,如果该车辆具有选自包括如下内容的组的特征,参与车辆与该地理区域关联:
定位在该地理区域中;
定位在该地理区域附近;以及
预期穿过或邻近该地理区域而驶过。
方案7.如方案1的方法,其中:
所述被接收车辆拥堵数据中的至少一些与选自包括如下内容的组的辅助数据一起被接收:
与所感测的状况关联的位置;
车辆安全妨害的类型;
从非报告性车辆的第三方设备中接收的数据;以及
历史数据;并且
所述辅助数据用于构建所述相关信息集合。
方案8.如方案1的方法,其中,所述设备包括客户服务中心计算设备,并且该车辆包括车载系统,所述车载系统配置成使用也由该计算设备使用的私有协议而与所述计算设备通信。
方案9.如方案1的方法,其中,该相关信息集合被构建为具有选自包括如下内容的组的至少一个特征:
包括识别所述状况的热图;
配置成用于呈出该热图;
包括识别所述状况的项目指示地图;
配置成用于呈出所述项目指示地图;
包括识别所述状况的鸟瞰视图;
配置成用于呈出该鸟瞰图;
包括识别所述状况的透视视图;
配置成用于呈出所述透视视图;
具有用于文本呈现的消息;
具有用于听觉呈现的消息;以及
具有能触觉呈现的指示。
方案10.如方案1的方法,其中,取决于所述状况是偶发型状况还是频繁报告型状况,而依据多个算法中的一个执行所述过滤。
方案11.如方案1的方法,其中,所述被接收车辆拥堵数据包括如下内容中的至少两个:
车辆特定的数据;
车辆感测的环境数据;
近邻车辆的数据;
从非报告性车辆设备获取的穿过数据;以及
包括历史数据、用户简档数据、车辆简档数据以及与相关附近地区有关的统计数据中的一个或多个的支持数据。
方案12.如方案1的方法,其中,发送所述相关信息集合以传送到与该地理区域关联的一个或多个用户车辆,包括向第三方设备传输数据,所述第三方设备被配置为操纵该相关信息数据集合并发送所操纵的相关信息数据集合以被一个或多个用户车辆接收。
方案13.如方案1的方法,其中:
该方法还包括从接收车辆的候选库中识别关注车辆;
发送所述相关信息集合以传送到与所述地理区域关联的一个或多个用户车辆,包括发送所述相关信息集合以传送到所识别的关注车辆;并且
从候选库中识别关注车辆取决于过去车辆活动和用户偏好中的至少一个。
方案14.一种用于基于车辆拥堵数据向车辆提供相关信息集合的方法,所述方法包括:
通过具有处理器的设备从多个参与车辆接收与由地理区域中参与车辆所感测的状况相关的车辆拥堵数据,产生被接收车辆拥堵数据;
通过所述设备过滤所述被接收车辆拥堵数据,产生相关的车辆拥堵数据,其中所述过滤包括结合被接收车辆拥堵数据中的每一项目确定相关性水平;
通过所述设备使用相关的车辆拥堵数据构建相关信息集合;以及
发送所述相关信息集合以传送到与所述地理区域关联的一个或多个用户车辆。
方案15.如方案14的方法,其中,确定相关性水平至少部分地基于从中接收数据所述项目的车辆的历史使用。
方案16.如方案15的方法,其中,历史使用与巡航控制在从中接收数据项目的车辆处被约定的频率相关。
方案17.如方案14的方法,其中:
构建相关信息集合包括维护对应于该状况的状况特定的运行值;并且
维护所述运行值包括:
响应于确定从具有相关的相关性水平的车辆接收了正面评价数据项目,而增加所述运行值,以及
响应于确定从具有相关的相关性水平的车辆接收负面评价数据项目,而降低所述运行值。
方案18.如方案17的方法,其中,维护所述运行值包括应用时间衰退评价强度函数,由此,除基于任何正面评价和负面评价的数据项目而增加和降低所述运行值外,所述运行值根据预先确定的衰退速度随着时间而降低。
方案19.如方案14的方法,其中,所述过滤包括确定被接收车辆拥堵数据中的至少一些项目的严重性水平,该水平与由车辆拥堵数据的项目所报告的状况的严重性相关。
方案20.一种用于基于车辆拥堵数据向车辆提供相关信息集合的方法,所述方法包括:
通过具有处理器的设备从多个参与车辆中接收与由地理区域中参与车辆所感测的状况相关的车辆拥堵数据,产生被接收车辆拥堵数据;
通过该设备过滤所述被接收车辆拥堵数据,产生相关的车辆拥堵数据,其中:
所述过滤包括根据x(t)E=Bx(t)+(1-B)x(t-T),而估算对应于所述状况的值;
x(t)E表示所估算的值;
B表示预先建立的权重因素;
x(t)表示与该状况、所述被接收车辆拥堵数据、以及当前时间(t)对应的当前状况水平;并且,
x(t-T)表示与该状况以及最近时间(t-T)对应的最近状况水平,所述最近时间(t-T)通过分离时间(T)而与当前时间(t)分开;
通过所述设备使用相关的车辆拥堵数据而构建相关信息集合;并且
发送所述相关信息集合以传送到与所述地理区域关联的一个或多个用户车辆。
在后文中,本技术的其它方面将是部分显而易见的,并且将被部分指出。
附图说明
图1阐释了本技术可以被实施的环境,包括车辆共同体、远程处理中心和通信基础设施。
图2示意性地阐释了车辆共同体的示例。
图3阐释了根据本公开的实施例的用于向车辆用户提供基于车辆拥堵的信息的方法。
图4阐释了图3方法的第一子方法,用于收集包括车辆拥堵数据的相关数据。
图5阐释了图3方法的第二子方法,用于处理所接收的数据,包括执行汇集和过滤,以产生一个或多个具有期望相关性的有用信息集合。
图6阐释了图3方法的第三子方法,用于向车辆用户提供相关信息集合,例如通过车辆处的一个或多个预先确定的呈出方式。
图7示意性地阐释了过滤子例程的例子。
图8是受随时间接收的正面和负面评价影响的时间衰退运行值的视觉表 示。
图9阐释了所生成的有用信息集合的视觉的、基于地图的呈出的示例。
图10阐释了热图形式的信息集合的视觉呈出的另一示例。
具体实施方式
根据需要,本公开的具体实施例在此公开。所公开的实施例仅仅是示例,其可以以各种和可替换的形式及其组合来被具体化。如在此使用的,例如,“示例性的”以及相似的术语,广泛指代用作阐释、范例、模型或模式的实施例。
在本描述的精神内,描述应被宽泛地理解。例如,在本文中任意两部分之间的连接旨在涵盖这两个部分彼此直接或间接连接。作为另一示例,例如,本文所描述的单个部件(例如与一个或多个功能有关)应当解释为覆盖了在其中替代性使用多于一个组件来执行所述功能的实施例。并且反之亦然一即,本文所描述的与一个或多个功能有关的多个部件,应当解释为覆盖了在其中单个部件执行所述功能的实施例。
附图不一定是按比例的,并且一些特征可能被夸大或缩小,例如以示出特定部件的细节。
在一些例子中,公知的部件、系统、材料或方法没有被详细描述以避免对本公开造成混淆。因此,本文所公开的特定结构和功能细节不应解释为限制性的,而只是作为权利要求的基础,并且作为代表性基础用于教导本领域技术人员来采用本公开。
I.本公开概览
本公开从而以各种实施例描述了一个框架,所述框架包括用于基于来自参与车辆系统的共同体的输入而在一个多个时期或阶段构建有用信息集合,并且向用户车辆提供信息的装置和方法。
所述框架或其特征能够称作拥堵智能框架或特征,作为由从构成拥堵的参与车辆的感测(或参与性感测)中接收的多个各种数据输入所提供的技术利用和杠杆性知识。从一个角度看,尽管来源于每个车辆数据的数据可能有些不准确,但是使用来自拥堵中的多个车辆的这种数据而构建的信息集合(在一些例子中,随着时间)将更准确并可靠地指示现存状况。
如在多数实施例中所提供的,主要的系统处理在远程或云计算系统中执行。 在远程计算系统处利用拥堵智能的好处是,在创建(将被参与车辆和用户使用以操作车辆的)信息集合或其它结论的过程中所涉及的资源集中处理是在资源相对丰富的系统中执行的。以这种方式,车辆及其用户能在车辆处获取有用信息而不必使用昂贵的车辆资源在车辆上生成该信息。
如所指出的,信息集合基于从拥堵的参与车辆中收集或另外接收的数据而构建,可能通过来自于辅助资源部门(例如国家气象局、全国交通部门或私营企业)的数据所补充。拥堵数据总体包括来自车载传感器和设备的任意种类的输出。
在各种实施例中,拥堵数据包括主要项目,例如,车辆位置数据,车辆移动数据(例如,速度、加速度、减速度),车辆内状况(例如温度、湿度),车辆外天气状况(例如温度、湿度、降水量),道路特征(例如道路是否湿、有冰、有坑洼或其它缺陷和/或道路湿、有冰、有坑洼或其它缺陷的程度,巡航控制是否启用或启用并约定,车辆速度,附近或近邻车辆的速度),以及车辆安全或其它车辆监控系统的状态(例如是否探测到报警状况,例如车辆在没有启动或没有准许的情况下移动(例如,被小偷拖走),没有无线电设备,电池丢失,窗户破损,门或后备箱盖震动等等)。
拥堵数据还可包括辅助数据,其支持或提供关于主要数据的进一步细节,例如特征的位置(例如,所感测到的坑洼的位置),主要项目被感测到的时间(例如,巡航控制被启用、约定(engage)、禁用、解除的时间期间)。
如上文所述并且如下文进一步描述的,每个参与车辆具有任意的各种传感器和设备用于探测、计算或另外地确定与车辆及其环境相关的这些主要和辅助状况。
本框架的拥堵知识利用性质利用了参与车辆的多个传感器。一些现代车辆包括多达五十、一百、两百或甚至更多的相关传感器。
一些实施例中在生成有用信息集合的过程中所考虑的数据还包括以往数据(例如历史数据),和/或任何可从中推导出的趋势或相关数据,如下文进一步描述的。
又如上文参照的和下文进一步参照的,本技术的系统汇集和过滤所获取(例如,请求的)和接收(即,通过拉动获取)的数据,或自动或有规律接收的(例 如,通过推送获取)数据。使用获取的数据,本技术构建有用信息集合以传送到目的地(例如车辆),和/或通过用户的车辆或其它接口(例如移动通信设备)传送到用户。
通常,所述汇集和过滤被执行以将构建期望信息集合的操作限制或聚焦到最相关的数据,并且在一些情况下其被执行以基于一个或多个可应用算法给出相关数据的合适权重。
在一些实施例中,所述汇集和过滤包括,例如,基于特征(例如数据项目形成的时间(例如,坑洼被感测到的时间),状况存在或不存在的时间范围(例如,巡航控制被约定了多长时间),状况的严重性(例如,很多冰与少量冰)等等以及其它)识别和考虑最相关的数据。
使用所述相关数据,有用信息集合被构建或生成。所构建的信息集合在一些情况下特定于车辆用户所关注的某区域,例如车辆所在的区域,正在前往的区域,或在未来的时间期望所在的区域。区域的示例包括大都市市区、市区、城市街区、乡村区域、城市、县城、国家、国家地区、特定位置或环境(例如,停车场)等等,或其它。
信息集合以对用户直接有利的方式而被创建并呈出给车辆和/或车辆用户(例如驾驶员或乘客)。信息集合能够响应于系统识别出所述信息可能会对特定的车辆用户有用(例如,基于该用户或用户车辆的活动历史,或基于驾驶员注意力分散或车辆环境的当前估算)而被生成或提供。
例如,常用巡航控制的用户更可能对巡航控制是否由通过(所述用户的车辆正在靠近的)区域的(拥堵中的)其它相关车辆使用而关注,而很少或从不使用巡航控制的用户可能被认为不太可能发现这个信息集合有用。
在前面的例子中(频繁巡航控制用户),信息集合被提供并被呈出,并且可能具有增高的重要性水平,例如通过视觉、听觉和/或触觉指示符,和/或更显著类型的视觉和/或听觉指示符。在后面的例子中(不频繁巡航控制用户),系统能够配置(例如,对应的算法)成不提供该信息集合,或根据较低重要性水平或以不太显著的方式提供。
信息集合可采用多种有用形式中的任何一种,例如,热图、鸟瞰图、三维透视呈出、图表、图形、列表等。在一些实施方式中,信息集合以所呈出的形 式提供到目的地(例如车辆)以被车辆或用户使用。在一些实施例中,例如,通过发送构成热图的信息,所述信息将通过车辆内显示器展示给用户。在其它实施方式中,信息集合包括提供到目的地设备(例如车辆)的更原始数据,所述目的地设备使用该数据以呈出出能被用户或车辆解释的不同形式(例如热图)。在一些实施例中,所述呈出设备例如根据预先建立的协议和/或用户预设的偏好来呈出最终的形式。
如下文参照附图更详细的描述,所构建和呈出的信息集合可包括直观数字地图覆盖物(例如热图——包括热层的数字地图),或编码的(例如,彩色编码的)区域。该集合可将例如关于区域中驾驶状况(例如,比如说道路状况(例如道路结冰、坑洼),车辆偷盗或车辆破坏信息,一区域是高巡航控制使用区域还是低巡航控制使用区域,等等)的状况或特征通知给用户或车辆。
在一些实施例中,所呈出的形式(无论是在远程服务器处、在车辆处或在其它电子设备处呈出)包括给车辆用户的报警、预警或其它消息。消息的示例是:以文本、听觉或触觉的方式指示车辆正在接近(在该状况下巡航控制在当前是或者不是普遍的)区域。
所述消息可基于当前数据和/或历史数据。当前的或最近的车辆移动相关数据的示例,包括巡航控制速度、加速度、减速度等,从在主题区域中或最近经过主题区域的车辆接收的数据。历史的车辆移动相关数据的示例,包括该区域中车辆的历史巡航控制、速度、加速度、减速度等。
结合在前两副图中所示的环境和系统,以及图3至6的操作模式示例,这些和其它的特征在下文被进一步描述。
II用于实施方式的示例性环境——图1
现在转向图,并且更特别地转向第一个图,图1示出了本技术能够在其中实施的环境100。
所示的环境100包括多个车辆102,其示意性地示出跨过道路地图104(为了简化图,应当理解,在看它们时,并不是每一个项目(例如,车辆、蜂窝塔、卫星、信标)都被示出)。每个车辆102可配置成包括在此描述的任意特征。
如下文进一步描述的,信息从车辆接收并用于向一个或多个车辆准备有用的报告。提供在执行本技术时使用的数据的车辆102可称作参与车辆。相关的 系统部件和操作可被同样引用——例如,结果数据可称为参与性或拥堵数据,收集的方面可称为参与性感测等等。在各种实施例中,所述参与是基于多个基础的任何一个,例如,提供信息的车辆,配置有合适的软件以提供所需信息的车辆102,和/或被注册为参与车辆的车辆(例如通过具有帐户)。
在一些实施例中,图1的环境100包括一个或多个长距离通信节点,例如蜂窝基站106或通信卫星108。长距离通信节点与至少一个通信网络110(例如蜂窝电话网络和因特网中的一个或多个)通信连接。
环境100还包括远程的、中央的或云计算系统112,例如,通信地连接至通信网络110的服务器。在一些实施例中,计算机系统112是客户服务中心的一部分,例如与关联的那个。
通过长距离通信节点,任何被相应配置的车辆102,或者车辆内个人设备例如智能手机、平板电脑和笔记本电脑,能够与中央计算机系统112通信以共享数据,例如打包数据和语音数据。
环境100还可包括短距离通信信标或节点114,例如无线接入点(如热点)。无线接入点是收发器,其允许无线设备(例如任意恰当配备的车辆102的那些,或车辆内个人设备例如智能手机、平板电脑和笔记本电脑)连接到通信网络110。
短距离通信节点114通常定位在家庭中、公共设施中(咖啡店、图书馆等),并且作为路边基础设施,例如被安装在邻近高速道路或在拥堵市区的建筑上。这些通信可以称作车辆到基础设施(V2I)通信。车辆内无线设备和无线接入点之间的通信,通常使用IEEE802.x、IRDA、NFC或相关或相似标准而得以促进。每个车辆102配备有启用短距离通信的部件。
在一些实施例中,一些或所有车辆102还配置成通过短距离通信而彼此通信——即,车辆到车辆(V2V)通信。V2V通信的示例在图1中通过车辆102之间的虚线标示。V2V通信协议的示例包括上文提到的那些,以及专用短距离通信(DSRC)协议。
对于各种实施例,这里所指的短距离和长距离通信能够包括可公认的中距离通信。例如,根据特定的通信标准而可称为中距离通信的,可以例如被视为短距离通信或长距离通信。通常,短-中距离通信包括允许在大约50米以内(在一些情况下为大约100米以内,并且在其它情况下为大约1000米或更多以内, 这取决于通信标准)的被启用设备之间通信的通信协议。
与车辆102关联的通信功能在下文进一步描述。
Ⅲ.计算机系统——图2
图2示出了用于在此处所描述的任意车辆202中使用的车载计算机(OBC)200的示例。OBC200包括计算机可读存储介质或存储器204和处理器206。处理器与存储器204通过处理器-存储器接口208通信。接口208的例子为数据总线。接口208可以是基于有线和/或无线的。
存储器204将计算机可执行指令210和支持数据212存储于一个多个模块中,其能由处理器206执行以执行此处所描述的OBC200的功能。所述模块可以通过(其指令被配置以执行的)功能而被指称。例如的,包括指令(当被处理器206执行时,所述指令引起处理器汇集数据,如此处所描述的)的模块可称作汇集模块。
具有生成热图、通知用户关注信息的指令,或具有用于在车辆处使用以呈出热图的数据的模块可称作地图模块、呈出模块等等。指令210和支持数据在下文中进一步描述,包括结合本技术的过程。
OBC200还包括传感器子系统215。传感器子系统215包括将关于车辆操作、车辆位置、车辆姿态、和/或车辆202周围环境的信息提供到OBC200的传感器。在一些实施例中,传感器子系统215包括一个或多个目标探测传感器,例如相机216、长距离探测传感器218、或进行探测并与多种通信目标中的任一个通信的V2X系统(路边无线接入点等)。
相机216可包括单眼前视相机,例如,在车道偏离预警(LDW)和前方碰撞报警(FCA)系统中使用的那些。照相机216还可包括立体相机,其提供加强的目标距离探测。这种感测外部状况的传感器在不偏离本公开范围的情况下可在多种方向中的任一个定向。
例如,相机216和雷达218可被定向在如下的每个位置,或从如下的位置中选择,例如:(i)从车辆202的前面中心点朝向前方,(ii)从车辆202的后面中心点朝向后方,以及(iii)从车辆202的侧面位置朝向侧方。因此,下文的描述(主要是相对于朝向前方的传感器而做出),可独立于或结合朝向前方的传感器而相对于朝向后方的和/或朝向侧方的传感器实行。
距离传感器218可包括,例如,短距离雷达(SRR),超声波传感器,长距离雷达(例如在自主巡航控制(ACC)系统中使用的那些),或者例如激光探测与测距(LiDAR)传感器。
其它传感器子系统包括惯性动量单元(IMU)220(例如具有一个或多个加速计的惯性动量单元(IMU)220)、车轮传感器222、以及其它可利用的动态车辆传感器224,例如与车辆202的转向系统(例如方向盘)关联的传感器。
OBC200还包括用于与外部基础设施或设备227通信的子系统226。在一实施例中,子系统226包括专用于执行与车辆安全、通信、诊断和/或之类相关的功能的车辆内设备(例如由提供的系统),或结合所述车辆内设备而操作。
此子系统226包括具有GNSS接收器的全球导航卫星系统(GNSS)单元228(例如,具有GPS接收器的全球定位系统(GPS))或与之通信。
在一些实施例中,子系统226包括例如通过卫星和蜂窝远程通信网络而促进长距离无线通信的一个或多个收发器230,或与其通信。
子系统226还包括促进短距离无线通信的一个或多个收发器230,或与其通信。OBC200使用短距离通信至少用于车辆到车辆通信(V2V)、车辆到行人(V2P)通信、以及车辆与交通系统基础设施的通信(V2I)。
短距离通信收发器230可以配置成通过一个或多个短距离通信协议进行通信,例如专用短距离通信(DSRC)、红外、红外数据关联(IRDA)、近场通信(NFC)等等,或其改进物(WI-FI是德克萨斯州奥斯汀的WI-FI联盟的注册商标;蓝牙是华盛顿州贝尔维尤的Bluetooth SIG有限公司的注册商标)。
如下文指出的,其它系统(例如图1的远程计算机系统112)可包括相似的架构(对于非车辆系统没有车辆特定的传感器)。
IV.操作方法——图3-6
图3-6示出了根据本公开实施例的示例性方法300及其子方法400、500、600。应当理解,所述方法的步骤不是必须以任何特定的顺序呈现,并且以替代性顺序(包括跨越这些图)执行一些或所有步骤是可能的并且被考虑。
为了描述和阐释的方便,所述步骤以所展示的顺序被呈现。所述步骤可以 在不偏离所附权利要求范围的情况下被增加、省略和/或同时执行。还应当理解,所阐释的方法或子方法可在任何时间被终止。
在某些实施例中,该过程的一些或所有步骤,和/或基本上等效的步骤,由处理器执行,例如计算机处理器,其执行对应于一个或多个对应算法以及关联支持数据(例如,数据212)的计算机可执行指令(例如,指令210),其被存储或包括在计算机可读介质上,例如上文描述的任何计算机可读存储器(例如,存储器204)上,包括远程服务器和车辆。
尽管在大多数实施例中,本技术中执行汇集、过滤和信息集合构建功能的设备由远程计算系统执行,例如图2的中央服务器112,但是在一些实施例中,这些功能中的一个或多个或其方面还或者替代性地在一个或多个其它设备中(例如一个或多个车辆)执行。所述附图示意性地阐释了算法,或算法及连接算法的步骤和操作。
IV.A.总体方法——图3
总体方法300可被划分为3个时期或阶段,其还可称作子方法或子过程。子方法包括数据收集或聚集(子方法400),数据汇集和过滤(子方法500),以及信息集合创建和呈出(子方法600)。
总体方法300因此开始301,并且流程进行到第一子方法400,其中数据从参与车辆中(例如,图1的车辆102)收集。如上文所指出的,数据可以涉及多种车辆相关变量中的任何一个,例如,车辆内相关变量或车辆环境相关变量。在某些方面,数据从多个参与车辆中接收并且可被称为拥堵数据。
在各种实施例中,如上文所指出的,拥堵数据包括主要数据项目,例如,车辆位置数据,车辆移动数据(例如速度、加速度、减速度),车辆内状况(例如温度和湿度),车辆外天气状况(例如温度、湿度、降水量),道路特征(例如道路是否湿、有冰、有坑洼或其它缺陷和/或道路湿、有冰、有坑洼或其它缺陷的程度,巡航控制是否启用或启用并约定),以及车辆安全或其它车辆监控系统的状态(例如是否探测到报警状况,例如,没有无线电设备,电池丢失,窗户破损,门或后备箱盖震动等等)。
拥堵数据还可包括辅助数据,其支持或提供关于主要数据的进一步细节,例如特征的位置(例如,所感测到的坑洼的位置),主要项目被感测到的时间(例 如,巡航控制被启用、约定、禁用、解除的时间期间)。数据还可从非车辆资源中收集,例如国家气象服务局服务器。
数据收集阶段400在下文中结合图4进一步详细描述。在一些实施例中,在第一阶段400收集的数据包括一些非车辆数据(例如,国家气象服务局数据)和/或历史数据(不管是车辆还是非车辆数据)。在一些实施例中,某些或任何这种数据作为第二和/或第三子方法500、600的一部分而被获取或访问(例如,从预存储器),如下文中结合那些方法进一步描述的。
从第一子方法400,总体方法的流程进行到第二子方法500,其中从参与车辆102收集的数据被汇集并过滤。在一实施例中,所述汇集包括基于数据的地理来源精选数据。在一些实施例中,所述过滤被执行以识别最相关的数据,其考虑到一个或多个因素,例如与数据项目相关联的时间、从中接收数据的用户或车辆的特征(例如以往的执行)、数据的定量方面(例如,所遇到坑洼的严重度)、类似的或其它。数据汇集和过滤阶段500在下文结合图5进一步详细描述。
从第二子方法500,总体方法的流程进行到第三子方法600,其中所汇集和过滤的数据被用于创建有用信息集合。集合的生成还可包括使用除了当前参与车辆所感测数据外的数据。如所提到的,尽管在一些实施例中,在第一子方法400中获取的数据包括一些非车辆数据(例如国家气象服务局数据)和/或历史数据(不论是车辆还是非车辆数据),在其它实施例中,一些或任意的这种数据在第二子方法400中获取。
并且,相关地,在一些实施例中,这种数据在一些实施方式中是在汇集和/或过滤之前被获取的,并且如此被汇集和过滤。在一些实施例中,这种数据是预先汇集和/或预先过滤的。例如的,该数据可以基于数据特征(例如与该数据关联的地理区域,该数据关联的时间)而预先划分,并被储存以易于访问从而用于第三子方法600的集合创建操作,或者用于集合创建操作600以及第二子方法500中任何已经执行的汇集/过滤操作。
同样如所提及的,信息集合可被生成为具有多种形式中的任一种,例如,热图、鸟瞰视图、三维透视呈出、列表、图形、图表、或报警、通知,或其它例如以文本、听觉或触觉的方式提供的消息。在一些实施方式中,信息集合包括提供到目的地设备(例如服务器、用户/客户的移动设备、或用户车辆)的数 据,所述目的地设备使用所述数据以呈出出能被用户或车辆解释的不同形式(例如,热图)。例如的,在一些实施例中,所述呈出设备根据预先建立的协议和/或用户预设的偏好呈出最终的形式。数据创建和呈出阶段600在下文结合图6进一步详细描述。
IV.B数据创建和收集——图3和4
上面提到的总体方法300的第一阶段或子方法400可以称为参与性感测阶段,因为在大多实施例中,在执行方法300时使用的主要数据在此阶段400中是从参与车辆中收集的。如所提到的,提供在执行本技术中使用的数据的车辆102可被称为参与车辆。并且在各种实施例中,所述参与是基于多个基础的任一个,例如,提供信息的车辆,配置有合适的软件以提供所需信息的车辆102,和/或被注册为参与车辆的车辆(例如通过具有帐户)。
在某些情况下所收集的数据,包括指示定性参与车辆参数和/或所感测事件或环境的数据,例如某状况是否出现、存在、没有出现或不存在。某些情况下的数据定性地指示参数、事件或环境,例如通过与参数、事件、环境或状况关联的量、水平、预设类别或百分比。
定性数值的示例包括参与车辆的速度。另一示例是车辆的位置,其能够与定量数据关联——例如,指示此处车辆已经发生车辆失窃或其它安全漏洞的数据。
图4的子方法开始401,并且流程进行到块402,在此各种类型的信息被收集。块402的功能或例程可包括全部或部分以串行或并行方式执行的各种操作。
在初级收集操作404处,车辆特定数据从一个或多个参与车辆(例如,图1的车辆102)中获取(例如通过推送或拉动功能接收)。如所提供的,车辆具有多个传感器或设备状态探测设备,用于生成车辆特定数据。所述传感器或设备包括上文结合图2的传感器子系统215所描述的那些中的任意一个。
车辆特定的数据可指示一个或多个定量和/或定性车辆状况,例如车辆速度、车辆加速度、车辆减速度、车辆位置、巡航控制是否被启用和/或约定、安全状况是否存在(例如,车辆正被或已被损坏)。
在第二收集操作406处,车辆感测环境数据从一个或多个参与车辆中获取。车辆感测环境数据能指示一个或多个定量和/或定性车辆状况,例如关于天气或 道路状况。该数据能够指示,例如,正在下雨或下雪,路是湿的、有冰的或其它光滑的或滑溜的,具有一个或多个坑洼或其它道路缺陷,或者道路上有非寻常物(如障碍物、抛锚的车辆)。
在第三收集操作408处,近邻车辆数据从一个或多个参与车辆中获取。近邻车辆数据指示一个或多个定量和/或定性车辆状况,例如,关于附近车辆的速度,车辆的位置(例如相对于感测车辆),附近车辆的加速度、减速度、或加速度或减速度缺失等。
在第四收集操作410处,通行数据从一个或多个车辆外部设备或非报告性车辆设备中获取。通行数据包括任何从车辆接收的但不是在车辆处感测的相关数据。例如,代替作用计算设备(例如,计算机中心112)直接从国家气象服务局服务器接收天气数据,该系统(例如特定的参与车辆102和计算机中心112)可配置成使得该计算设备通过车辆102从气象服务部局接收天气数据。
车辆可能已经取得并且可能已经使用了这样的数据,并且能够将其单独或与其它相关数据一起传给计算设备。通行信息还可包括,例如,从附近的通信设备,例如从近邻车辆接收的数据(例如,由近邻车辆感测到的指示状况(例如,坑洼或道路结冰)的数据,此车辆的速度,此车辆是否正在使用巡航控制等),从基础设施(例如,交通系统基础设施(例如,停车灯),企业,行政管理机构(例如,消防部门或公安局),其它实体等接收的数据。
在第五收集操作412处,历史数据从一个或多个资源中获取,例如参与车辆、远程服务器112、其它服务器、和/或其它资源。历史数据指示一个或多个以往的状况。以往的状况可以包括任何前述的当前的、实时的状况(定量和/或定性的,车辆特定或车辆-环境的等),例如道路状况、车辆移动、近邻车辆移动、天气和巡航控制使用。
如上所提及的,在一些实施例中历史数据至少部分地被预过滤和存储。所述过滤可例如包括分割历史数据,这根据其被接收或生成的时间、其被关联所处的位置(例如,感测到坑洼的车辆的位置)和/或其它变量。在预期实施例中,该系统配置成使得超过某阈值时间段的数据被丢弃。
对于基于时间的分类,历史数据能够根据与该数据关联的年、月、日、小时等被分类。
分类的方式可取决于历史数据的类型。例如,指示数月或更长时间以前道路出现坑洼的数据,将不见得与现在道路是否有或可能有坑洼有关,尤其是如果更近的确认报告并没有从一个或多个参与车辆中接收到。作为另一示例,在前一年某假日期间一地区的的交通模式,可能指示在随后的年份中相同假日期间该相同区域的交通流量如何。换句话说,在某些情况下,所述系统配置成根据主题数据类型确定的灵敏度,过滤、存储和/或维护历史数据。
在第七收集操作416处,支持数据从一个或多个资源中获取(例如,通过推送或拉动功能而接收)。在一些实施例中,上述的一些数据,例如历史数据可视为支持数据。支持数据的其它示例包括在车辆102或远程服务器112处存储的数据,在如图2中被标为112的存储器位置处(如上所述,尽管图2主要示出了车辆,计算部件还可以被认为是代替远程计算系统如图1的那个112以简化本公开)。
在一些实施例中,无论存储在哪里的支持数据,包括用户概况信息。该概况信息可指示,例如,用户使用巡航控制的频率(例如启用和/或约定巡航控制)。
该数据可以总体地涉及在确定其它数据的相关性方面可能有用的任何内容。例如,关于车辆或车辆部件(例如,无线电设备)失窃,支持数据可以包括关于相关附近地区的其它信息,例如其它的犯罪统计。
在第六收集操作414处,任何其它相关数据从一个或多个资源处获取。在一些实施例中,该系统基于其它数据生成其它相关数据。
例如,其它数据还可包括在系统中(例如,在车辆或远程服务器处)所识别的趋势。例如,如果一区域中的坑洼在第一次被渐增地感测到,该趋势可以作为数据项目被存储。例如,该项目可以在例如之后的汇集、过滤、和/或信息集合构建中相关,例如,在过滤中通过增加新坑洼出现在该区域中或其附近的概率,这例如在仅新坑洼的实际指示是相对轻微的情况下(例如因为只有一个车辆报告所述坑洼,或者探测道路不平的车辆传感器指示所述坑洼从定性上看较小)。
相关的其它数据在一些实施方式中被视为支持数据(操作412),反之亦然。
在一些实施例中,系统配置成根据各种优选定时的任何一个进行收集和/或处理(例如,汇集、过滤或使用以构建有用信息集合)。在一些实施例中,数 据收集的定时由所收集数据的类型控制或另外形式地与所收集数据的类型相关。
收集的数据可被划分为两个或多个如下类别或组。尽管在描述组时,主要涉及车辆特定数据(例如,参与车辆数据),分组概念可适用其它类型的数据,而不管获取它的来源在哪里。
根据一个视角,所接收的所有相关数据可视为是实时的,因为所述数据或者是根据本技术而在一旦对应状况被探测到(例如,一旦探测到结冰路块或探测到车辆或车辆部件失窃)时实时获取的,或者是以总体上规律性方式和非常及时的方式报告,例如基本连续地接收或以短时间间隔定时接收(例如,每分钟,每十五分钟,每小时,每两小时等)。在一实施例中,为了基于非常有规律的(例如,总体上连续的或短时间间隔)报告而最有效地实时收集数据,车辆优选地配置成以相同的方式(总体上连续的或短时间间隔)监控对应的状况(例如,车辆速度、车辆位置)。
上述两种数据类型,短时间隔和偶发数据类型,现在被进一步描述。如提供的,短时间间隔数据类型还可以是总体上连续的——例如,在车辆处监控、感测到,被发送至处理计算系统(例如,服务器112),和/或在该系统处被连续处理。
可以被监控(和报告等)(相对频繁地由车辆监控(例如,相对地总体上连续地被监控))的数据类型的示例为车辆巡航控制。巡航控制监控可以确定,例如,车辆巡航控制是否约定——即,开启和致动。另一可被连续地或频繁地报告的巡航特征是巡航设定速度,即当约定时车辆被设定的速度。
每个数据类型能够与冗余度水平关联(关于相同类型的新的相关数据能多快地在车辆处获取)。因为短时间间隔/连续数据类型可以变化,并被如此频繁地检查出来,应该说其具有快速或迅速的冗余度水平。
每个数据类型能够与可能的报告者数量关联——例如,能够有规律地报告数据类型的参与车辆的数量。因为,在至少一些实施例中,大多数或所有的参与车辆能够监控和报告,可能将具有相对大数量的基于实时基础的短时间间隔数据报告。
每个数据类型还可以与冗余度水平关联。因为在至少一些实施例中,大多 数或所有的参与车辆能够相对快速地监控和报告短时间间隔数据,所以冗余度水平是高的。
数据类型其它示例的方面(偶发地或间歇地)现在被描述。偶发或间隔数据类型的示例是车辆失窃。
如所述的,每个数据类型能够与冗余度水平相关(关于相同类型的新的相关数据能多快地在车辆处获取)。因为在一些实施例中,偶发或间隔型数据类型只是偶然地响应于事件或状况触发报告而被报告,所以该数据类型应该说具有慢冗余度水平。
还如所述的,每个数据类型能够与可能的报告者数量关联——即,能够有规律地报告数据类型的参与车辆的数量。因为,在至少一些实施例中,期望参与车辆将不经常报告偶发型数据,所以可能将具有数量相对小的来自车辆的这种数据报告。
关于冗余度水平,因为在至少一些实施例中,所述参与车辆将仅仅偶尔响应于合适的触发(例如,感测到坑洼或确定车辆部件已经失窃),所以这种数据类型的冗余度水平是低的。
如上所述,该数据可涉及多种车辆相关变量中的任何一个,例如,车辆内相关变量或车辆-环境相关变量。在某些方面,数据从多个参与车辆中接收并且可被称为拥堵数据。在各种实施例中,如上所述,拥堵数据包括主要数据项目,例如,车辆位置数据,车辆移动数据(例如,速度、加速度、减速度),车辆内状况(例如温度、湿度),车辆外天气状况(例如温度、湿度、降水量),道路特征(例如,道路是否湿、有冰、有坑洼或其它缺陷和/或道路湿、有冰、有坑洼或其它缺陷的程度,以及巡航控制是否启用或启用并约定)。
其它数据示例包括指示车辆安全或其它车辆监控系统的状态的数据,例如是否探测到报警状况(例如,没有无线电设备,电池丢失,车窗破损,车门或后备箱盖震动等等。
在一实施例中,参与车辆的控制器与车辆的其它电气部件进行通信,并且因特网封包探索(ping)或另外地与所述部件在选定的时间通信。选定的时间可以包括,例如,在车辆的每次启动处。通信的服务目的包括确认每个部件存在并正明显地正常运转。一旦探测到部件(例如无线电设备)缺失或破坏,该控 制器将初始化报告对应的数据,作为在该系统中其参与角色的一部分。该控制器可以是,例如,电子控制单元(例如,ECU)或车辆的车身控制模块(BCM)。
在预期的实施例中,安全或失窃数据由车辆用户初始化,例如通过呼叫客户服务中心(例如,中心)来报告事故。服务中心人员和/或自动系统基于用户输入创建对应的事故数据。在一些实施例中,所述系统并不优选地请求这种车辆用户输入和/或这种呼叫中心人员输入,这提高了自动处理的可靠性。
拥堵数据还可包括辅助数据,其支持或提供关于主要数据的进一步细节,例如特征的位置(例如,所感测到的坑洼的位置),主要数据项目被感测到的时间(例如,巡航控制被启用、约定、禁用、解除的时间期间)。数据还可从非车辆资源中收集,例如国家气象服务局服务器。
如所提供的,在一些实施例中,在第一阶段400中收集的数据包括一些非车辆数据(例如,国家气象服务局数据),和/或历史数据(无论是车辆还是非车辆数据)。在一些实施例中,某些或任何这样的数据是作为第二或第三子方法500、600的一部分而被获取或访问的(例如,从预存储器),如下面结合那些方法进一步描述的。
在所述的相关数据收集之后,子方法400到达过度点417,在此该子方法结束(至少暂时地),或者重复(例如结合正在被接收或已被接收的其它数据)。
IV.C.数据汇集和过滤——附图3、5、7和8
来自信息的所监控和收集的数据根据相关性被智能地汇集和过滤。尽管汇集和过滤可被看作组合操作,并且在一些实施例中是这样,但是它们在本公开的位置处被分开描述以强调其中的各种功能。在一些实施方式中,汇集功能被视为第一阶段收集活动400的一部分。
在第一阶段或子方法400之后,图3示出了第二500。图5进一步示出了子方法500,其中在方法501开始之后,流程进行到块502,在此数据汇集被执行。通常,汇集502包括可被看作是区别于后续的过滤功能的任何其它预处理。所执行的动作502可包括多种功能中的任何一个,例如以智能方式分组、精选、聚集、组织和分割所接收的数据。
在预期的实施例中,汇集502包括分割所接收的数据。所述分割还可称为分组、组织等,或这些术语可以具有其它的含义。分割可基于一个或多个宏观 特征而被执行,例如与数据关联的位置(例如,提供数据的车辆的位置)。分割动作可包括:将数据发送到对应于一个或多个数据特征的计算部件,例如到专用于服务对应地理区域的远程中心112服务器。
在一实施方式中,所述分割被基于与数据关联的时间而执行。相关时间的示例包括数据创建的时间(例如,在参与车辆处),数据传输的时间(例如,从车辆处),数据接收的时间,和/或在包括该数据的包中所指示的一些其它时间,例如,在(还接收天气相关数据的)数据包中识别出的预期暴风雪将到来的时间。
从所执行的任意汇集502处,算法流程进行到块504,在此,处理器对数据执行一个或多个过滤操作。通常,过滤被执行以识别最相关的数据。该功能的执行考虑到一个或多个因素,例如与数据项目关联的时间,从中接收数据的用户或车辆的特征(例如,以往的执行),数据的定量方面(例如,遇到的坑洼的严重度)等等,或其它。
继续参照附图,图7阐释了一种方法,所述方法基于相关性示出了过滤算法的方面。输入数据或原始数据道以附图标记712表示在左边。作用设备(例如,底层计算机可执行指令或代码)配置成将原始数据的每一项目分析并且过滤704到多个类别中的一个。
在一预期的实施例中(图7中未示出),所述过滤将原始数据划分为相关和不相关数据。该系统丢弃所确定的不相关数据并继续使用相关数据构建有用信息集合。
在图7中示出的实施例中,所述过滤更详细或精细。即,过滤704将原始数据划分为至少三个类别:相关的706、部分或半相关的708以及不相关的710。所述过滤基于一个或多个变量而执行。在一实施例中,过滤的执行主要基于与来源车辆关联的一个或多个特征或分类。
作为示例,考虑到巡航控制的样式,每个参与车辆可基于巡航控制在车辆处的历史使用的分析,而被表征为频繁用户、较低频用户或罕见用户以及非巡航控制用户(例如,从未使用或非常少地使用巡航控制)。在此实施方式中,从频繁使用巡航控制的参与车辆中接收的巡航控制相关数据被过滤704到第一相关类别706。同样地,从较低频或罕见使用巡航控制的参与车辆中接收的巡航控 制相关数据被过滤704到第二部分相关类别708。并且来自非用户的数据被过滤704到第三不相关类别710。
在一关于巡航控制使用样式的特定实施方式中,该代码被配置成:如果是从频繁启用巡航控制的车辆接收,所接收的原始数据的相关性较高。多数巡航控制系统具有启用设置(在此巡航特征被开启或关闭),以及进一步的约定或活性设置(通过它巡航特征结合设定速度被实际激活,从而将车辆保持在所述设定速度)。在此实施方式中,最高的相关性将指向从巡航被频繁启用和频繁约定的车辆中接收的数据。当车辆都不是这两种情况时,该代码配置成控制频繁约定和频繁启用是否具有相同的权重。在其被给予相同权重的一种情况下,次高的相关性将指向从巡航被频繁约定或者启用(而不是二者)的车辆中接收的数据。以此类推。
在一实施例中,过滤704至少部分地基于时间。为此,作用设备被配置成:根据与数据项目关联的相关时间,将输入数据的每一项目过滤704到类别706、708、710中的一种。如上所述,与数据关联的相关时间的示例包括数据创建的时间(例如,在参与车辆处),数据传输的时间(例如,从车辆中),数据接收的时间,和/或在包括该数据的包中所指示的一些其它时间(例如,在也接收天气相关数据的数据包中识别出的预期暴风雪将到来的时间)。
数据项目还可具有关联的期满时间,并且当数据陈旧并直至到期时,变得不太相关(例如,具有较小的权重),除非被重新探测到。
在预期的实施例中,还具有除了三种所示的706、708、710之外的进一步相关性划分。被过滤704到的组可包括,例如,高度相关组、相关组、较小相关组和不相关组。这些中的每个可被进一步划分——例如,高度相关组可被划分为非常高相关性和高相关性,等等。
因而,过滤704可基于用户/车辆特征(例如,历史巡航控制使用水平)或时间相关特征。过滤704还可基于这些特征的组合,或基于(包括它们中的一者或两者以及其它特征的)另一组合而被执行。在过滤704中使用的其它特征的示例是地形,或报告车辆的位置。
对于在其中每个参与车辆基于(与样式相关的)预先确定的车辆特征而结合活动样式(例如,巡航控制)被分类的实施例,特定参与车辆相对于一个样 式的分类并不必然影响车辆相对于其它样式的分类。结合巡航控制数据过滤被视为相关的参与车辆在结合另一样式(例如,车辆安全或道路状况)时将不必然是相关车辆。
分类后的数据被用于构建有用信息集合。底层代码配置成使得,较大的权重或优先级被供给具有较高相关性的数据,并且较小的权重或优先级被给予较小相关性的数据。在组合考虑的情况下——例如,巡航控制的使用频率以及定时二者都在过滤704中被考虑——考虑中的一个可用来推动数据的相关性提升,而另一个在相关性上推动其更高或降低。因此,最终的相关性水平是组分相关性特征的混合。
继续参照图7,所述图还示出,过滤704可以更精细地将每个数据项目分组,不仅根据相关性水平(例如,三个水平706、708、710),而且基于数据的质量。在图7的示例中,过滤704的定性分析识别到来的原始数据702是否包括与样式或样式的方面相关的正面或负面指示。在一实施例中,该分析识别原始数据是正面的712、714,中性的716、718,还是负面的720、722。倘若该样式是巡航控制约定,如果巡航控制被约定(即,被启用并约定,或是活性的)原始数据可被认为是正面的712、714,如果巡航控制关闭(例如,未约定,或为非活性的),其被视为负面的720、722。
因此,从(在历史上频繁使用巡航控制的)参与车辆中接收702的并且指示车辆巡航控制在当前被约定的原始数据,将被过滤到相关/正面的组712。从(在历史上较低频使用巡航控制的)参与车辆中接收702的并且指示车辆巡航控制在当前被约定的原始数据,将被过滤到部分相关/正面的组714。
从(在历史上频繁使用巡航控制的)参与车辆中接收702的并且指示车辆巡航控制在当前没有被约定的原始数据,将被过滤到相关的/负面的组716。并且,从(在历史上较低频使用巡航控制的)参与车辆中接收702的并且指示车辆巡航控制在当前没有被约定的原始数据,将被过滤为较小相关的/负面的组718。
在一实施例中,从(在历史上没有使用或很少使用巡航控制的)参与车辆中接收702的原始数据被丢弃720,而不管该数据是否包括与该状况有关的正面或负面指示。在预期实施例中,从非用户处接收的正面或负面质量数据被保存 并且被考虑,但具有比高相关性数据低的权重(例如,分组到712、714的数据)。
每个分组,不管多精细,都能够确定权重并影响被提供的数据项目。在一些实施例中,关于正在被估算的每个样式项目的(例如,在某个区域中的巡航控制使用)运行值或指示符被保持。在五个精细组(上文称作712、714、716、718、720)被使用的特定实施例中,作用设备处理来自这些组顶部的数据项目来推动该运行值或指示符升高或降低。第一组项目712将把该值抬升到最高,第二组项目714将把该值抬升较小,第四组项目718将把该值压低到最低,第三组项目716将把该值压低较小。
如上所述,第五组项目将不影响该运行值,除非所述系统配置成给予来自不相关数据的数据以权重。在那种情况下,不相关的正面数据项目抬升的运行值将甚至比第二组项目抬升的值少,并且不相关的负面数据项目将甚至比第三组项目压低的运行值少。相同的总体概念能够被应用,而不管所使用的相关性类别的数量。
如上所述,一些样式(例如,关于负面道路状况(坑洼,或道路结冰)或安全状况)的数据项目,响应于对该状况的探测,而作为该状况的正面例子被偶发地报告。在这些情形下,所述车辆不被配置为有规律地发送负面报告——例如,该车辆没有感测到坑洼或安全事件的报告。在一预期的实施例中,响应于接收到关于样式(例如,坑洼)的预先确定的足够量的正面报告,作用设备(例如,图2的中央服务器112)确定有多少参与车辆经过该主题区域而未报告坑洼。该主题区域可被设定为多种精确度水平,例如某街道段(例如,城市街区),某道路或高速道路段,或者甚至该道路或高速道路的特定车道的一段。
该设备以一种或多种方式处理报告的缺少以有效地降低对应的运行值。与相关参与车辆(例如,最近经过该主题区域的车辆)关联的每个非报告性例子可以例如被视为负面报告,取决于与该数据关联的相关性水平(例如,第一或第二水平706、708)而将其放置在第二或第四组716、718。
在另一预期的实施例中,所述作用设备因特网封包探索或另外地请求来自相关(例如,在主题区域中的)参与车辆的相关输入,但并不报告正面数据项目。
除了识别出较大相关和较小相关的数据、以及有可能丢弃不可靠或另外地 不相关的数据,过滤的好处包括通过限制总体数据集合而引起的资源节省。通过第二阶段500的过滤704,在第三或第二和第三阶段的后续处理可仅聚焦于分类在某相关性水平处的数据,从而避免了对较小相关或不相关数据的后续处理。
图8示出了图表800,其包括运行值或指示符802的示例。Y轴804表示该值的置信度或可靠性。X轴806表示时间。对于此示例,如图8所示,所有的数据项目被总体给予相等的权重。这可能是因为所有的数据项目(正面的和负面的)被确定为具有相同的相关性水平(例如,706或708)。
根据特定实施例,在数据的另一种解释中,只有分类为第一相关性水平706的项目被考虑(即,只有图7的第一和第二子组712、716的正面和负面响应),并且第二和第三组708、710两者的数据项目都不被考虑。在这种情况下,或者第二组706不存在于该算法中,或者分配到该组的数据项目被看作中性数据项目或评价,并且因此不影响该运行值802。
在示例800中,运行值802在附图标记808所指示的第一时间,响应于接收到第一相关数据项目或评价而被初始化。第一数据项目是正面的(例如,第一子组712中的)。第一数据项目从参与车辆中接收,并且指示某个通常为负面的状况的存在,例如,某道路路段上坑洼的存在。该运行值802围绕该样式(例如,该主题道路路段中的坑洼)而被创建,并且该值被设定为第一水平810。
代码可被配置来引起该处理设备(例如,服务器112)使得正面和负面数据项目如所期望地影响该运行值。在图8的示例中,该代码配置成引起该设备响应于第一正面数据项目而向上移动但不超出第一阈值812。当支持所报告的状况实际存在的准确性和可能性的信息量很少时,这个特征将阻止该作用设备构建信息集合和/或报告该集合。如上文在早期提及的,该系统以这种方式使用拥堵智能的优点。该概念还可以称作共识的建立。
应当理解的是,图8的图表800可以视为运行值处理的简化视觉表示,并且所公开的概念可以根据需要而被扩展。例如,如果该主题道路是非常频繁行驶的(例如大都市的高速道路),相关数据项目的数量(无论其为正面的还是负面的)将是所示出的几个数据项目的很多倍。这种扩展的效果能够在例如多于一个或两个正面的例子(其使该运行值高于第一阈值)或者更多负面的例子(其如图所示将该值压低)中理解。
返回图8,可以看到第一和第二阈值812、814定义了三个对应的图表区域或地带816、818、820,尽管该代码可被配置为包括更多或更少的阈值以及更多或更少的区域。在一些实施例中,该代码被配置成使得每个地带对应于一指示符,例如颜色或名称。颜色的示例是:最上面的地带816是绿色,中间地带818是橙色或黄色,并且较低地带820是红色。
在待构建的信息集合包括(即将被覆盖在主题地理区域的地图上的)热图信息的实施例中,运行值802所落入的地带控制地图覆盖的特征。例如,如果与第一地理区域相关的某样式(例如,巡航控制使用)的运行值802是在最高的区域中,则第一地理区域在热图覆盖中可被涂成绿色。。
如果用于同一个样式的不同运行值802(但是与第一地理区域相邻的第二地理区域)位于橙色或黄色的地带818,则热图覆盖将包括用于第二地理区域的橙色或黄色部分。同样的适用于所述运行值在红色地带的情形和地理区域。因为图表800可包括多于或少于三个地带(如上所述),热图覆盖可包括多于或少于三个的颜色变化。
在预期实施例中,运行值802所落入的地带影响着信息集合是否构建,是否其被发送到车辆,该集合的质量或类型(包括或不同于前面段落中涉及的地图覆盖),其被发送的方式(例如,包括该信息集合的数据传输的优先级水平),和/或其它。
例如,在一实施方式中,在这种情况下设定为绿色的信息类型指示一肯定状况,在该状况下作用设备应该构建和/或发送对应的信息集合,并且红色表示构建和/或报告是不需要的,或者与红色地带集合相反的信息集合是合适的。橙色或黄色地带可以对应于不构建和/或发送任何信息集合的作用设备,或对应于发送在某种程度上介于绿色和红色水平之间的信息集合类型的设备,例如,通过指示关联风险或状况不高或不强,或者较小可能在当前发生的集合。
在另一实施例中,最上面的地带是红色的,并且底部地带是绿色的,红色指示负面状况发生并且应当向相关的参与车辆报告,并且绿色表示构建和/或报告是不需要的,或者与红色地带集合相反的信息集合是合适的。在另一实施例中,上面的水平是绿色的,因为高运行值802指示正面状况,例如,巡航控制目前在对应的区域中被大量使用。
在一实施例中,响应于最高地带816中的运行值802,作用设备确定主题样式的信息集合应被构建并提供到参与车辆。该代码因而能够配置成,使得作用设备基于运行值802移动进入区域816、818、820中的哪个而被触发以执行某个动作。例如的,在一实施例中,两个更高区域之间的上阈值描绘了被构建和/或发送的信息集合的类型(或如何发送),例如,得到的信息集合的优先级水平(如果值802在最高的区域中,优先级较高;如果在两个较低区域中,优先级较低),集合的形式(例如,对于最高区域,具有和听觉指示符一起在车辆显示器上呈现的文本通知或热图,对于较低的区域可能只有在已经显示的导航地图上呈现的文本通知或热图覆盖,而不具有听觉方面)。
继续参照图8,随着第一正面数据项目808对运行值802的初始影响,时间衰退函数被示出。即,该代码配置成使得作用处理器根据多长时间已经过去,而降低任何先前的正面数据项目在运行值802上的正面影响。时间衰退函数表示一种规则,由此,对于运行值802的任何一个或多个先前正面影响的效果随着时间流逝变得较小相关、较不准确、较不可靠。作为结果,例如,一个小时或一天以前接收的正面数据项目,与另外的更近时间接收的相同权重的正面值相比,将对运行值802具有较少的上行影响。作为另一个结果,运行值将随时间806继续降低,移动到连续较低的地带816、818、820,因为没有收到确认性的正面数据项目。
该运行值技术可被称为一种时间衰退评价强度,因为正面和负面数据项目根据能够与分配给数据项目的相关性类别(例如,第一正面子组712的数据项目对运行值802有较大的影响强度,并且如果是第二正面子组714,具有较小的强度)相关的预先确定强度而影响运行值802,并且该强度随时间而降低或衰退。
图8示出了:响应于在对应时间822、824、826处所接收的正面数据项目,其它正面值802的移动,以及每个对应的接收后的衰退。所述示例还包括,响应于在对应项目828、830、832处所接收的负面数据项目,负面值802的移动。如能够看出的,在负面数据项目之后,衰退影响还起作用。
衰退影响的斜度或速度可被系统的设计者根据期望而设定。
在一些实施例中,衰退速度由作用设备确定,并且是多个因素的函数。因素的示例包括最近的数据项目或评价是正面还是负面的。例如,随着在某一时 间段内接收了一定数量的(例如,1,10,100)负面评价,和/或在在这段时间中没有足够的(例如,1,10,100)正面评价的情况下,衰退的下行斜度可以更大。因素的另一示例是自从上一个数据项目接收的时间——在一种实施方式中,例如,衰退的速度不是线性的,在没有改进的正面评价来在新的运行值802点处重设衰退速度的情况下,其随时间推移降低得更快。
因素的其它示例包括样式(例如,坑洼与巡航控制使用)以及天时间类型。作为关于样式的示例,该代码可配置成使得衰退的速度由接收该样式数据的频率所控制(例如与其成比例)。用于较低频、偶发性样式(例如,车辆或车辆部件失窃)的衰退速度将较低,从而正面数据项目或评价的影响将长时间持续,并且在更长的时间内具有更大的作用,然而,用于较高频例如总体上连续性样式(例如,巡航控制使用)的衰退速度将较高。
作为另一特定示例,组合对样式和时间的考虑,关于道路结冰样式的衰退能够与该特定样式被确定应有多短的时间或多长的时间相联系。
作为另一示例,再次组合对样式和时间的考虑,该代码可配置成:将衰退斜度在太阳出来之前的清晨设置得相对平缓,但在太阳出来之后的时间可变得较陡,这基于历史观察:该地理区域的每年的这个时间,冰通常在该时间之后融化。同样的可总体适用于,例如,对拥堵的估算,其中,衰退量被设定并改变,其考虑到事实:交通情况有可能在高峰时段加速聚集,而之后逐渐平息。
在一实施例中,负面数据项目不被考虑。在这种情况下,只有被衰退影响补充的正面数据项目被使用。
在一实施例中,底层代码配置成使得样式(例如,坑洼和巡航控制使用)的类型影响用于过滤和/或另外地处理相关数据的算法,以为了选择性地构建对应的信息集合(例如,热图)和/或发送到相关车辆。该代码可以,例如,需要使用与上面所述的偶发型样式(例如,车辆安全)相关的一个或多个第一算法,并且需要用于较高频或连续性类型(例如,巡航控制使用)的一个或多个其它算法。
如上所述,该代码可配置成考虑一天、一周或一年的时间,例如,太阳每天通常出现的定时及其对任何结冰道路的融化作用,或者每周主题日通常的交通高峰定时。应当理解的是,这些因素可以由程序员预设在代码中,并且或者 该代码可配置成基于历史数据和数据的趋势来确定这些值。在一些实施例中,过滤算法配置成使得历史数据被作用设备考虑以确定处理规则,或以这样的或其它方式由程序员将该规则编程为代码。
考虑以往或历史数据的一种方式现在被描述。以这种平衡哲学的方法,在当前数据和历史数据之间达到了合理平衡,来获取相关状况或现象的更准确的指示。该方法还操作以限制或降低有时(在一些情况下,达到经常或总是的程度)出现在所接收数据中的错误或不准确性。该方法可包括任何有用的曲线平滑技术。在一些实施方式中,上文参照图8所描述的时间衰退方法(或算法),和/或一个或多个其它方法例如基于主题现象更倾向于偶发类型还是连续类型而被用于一些情形中,并且后面的平衡方法(或算法)和/或一个或多个其它方法使用在其它情形下。
在一些实施例中,关于较低频、更具周期性的样式,所述算法包括执行预测函数。作为该函数的基础,应当理解,在任何给定时间用于主题特征或所观测现象的给定水平(例如,概率水平,概率百分比,或包括或不同于上述运行值的其它指示符),通常与相同特征最近具有的水平成比例或另外地相似。
这可以表示如下:x(t)~x(t-T),其中,x(t)表示对应于所观测现象或特征的水平以及给定时间(例如,当前时间),符号“~”表示紧密关系,例如大致相等,或不太可能有大的区别,并且x(t-T)表示与近期先前时间(t-T)的相同特征对应的水平(其中,T是当前时间(t)和主题的最近时间(t-T)之间的差值)。
分离时间值T(所述关系对其是准确的)取决于该主题现象(例如,样式及其它正被分析的特征)。关于变化趋势缓慢的现象,当分离时间T增大至相对较高的最大值时,该关系取真值。对于更具周期性的、变化缓慢的现象,当分离时间T增加到相对高(例如,到一周、一个月、三个月、六个月、一年等)时,该关系可以取真值,这取决于该现象的周期性质,较高的分离时间T可能用于较缓慢、较长周期型的现象。
相反地,对于变化趋势较快的现象,该关系只对相对较低的分离时间T而言是准确的。合适的分离时间T可以是,例如,1天、12个小时、6个小时、3个小时、1个小时、30分钟、15分钟、5分钟、1分钟、或甚至几秒,这再次取决于与该现象关联的频率,较低的分离时间T被要求用于快速变化类型的现象。
在特定实施例中,考虑到此基础,所述执行预测函数可表示如下:x(t)E=Bx(t)+(1-B)x(t-T)[即,x(t)E=B·x(t)+(1-B)·x(t-T)],其中,x(t)E为所估算的水平,并且B为权重因素。
权重因素B在一些实施方式中由程序员预先设置在代码中,并且在预期实施例中至少部分地由执行该代码的作用设备确定。因素B通常对应于正被估算的主题值被期望在时间T期间变化的方式。如从该方程可看出的,B表示在0和1之间的数;如果或当B大于0.5,估算值x(t)E将更接近于最近测量或确定的值x(t),如果或当B小于0.5,其将更接近于先前测量或确定的值x(t-T),并且当B=0.5时,其将是x(t)和x(t-T)两个值的平均值。从而,因素B可由作用设备根据预编程规则而被预编程或确定,来偏重于最近测量或确定的值x(t)或先前的x(t-T),或给它们相等的权重。
因素在一些情况下基于一个或多个变量而变化,例如样式(例如,高频(例如,总体上连续性的)样式,例如巡航控制使用,以及较低频或偶发样式,例如车辆失窃),时间(例如,一天的时间、一年的时间),历史数据(包括,可能但不限于时间)等等,以及其它。
在汇集502和过滤504之后,第二子方法500到达过渡点505,在此,该子方法至少暂时地结束,或者被重复,例如结合正在接收或即将接收的其它数据。
IV.D.信息集合构建——图3、6、9和10
继续参照图3,从第二子方法500开始,总体方法流程进行到第三子方法600,其是图6的主题。在第三子方法600中,第二子方法500所汇集和过滤的数据被用于创建有用信息集合。
如所述,集合生成还可包括使用除了当前参与车辆所感测的数据之外的数据。并且,尽管在一些实施例中,在第一子方法400中获取的数据包括一些非车辆数据(例如,国家气象服务局数据)和/或历史数据(无论是车辆还是非车辆数据),然而在其它实施例中,一些或任何这种数据在第二子方法400中获取。
并且,相关地,在一些实施例中,这种数据在一些实施方式中在汇集和/或过滤之前获取,并且如此汇集和过滤。在一些实施例中,这种数据被预先汇集和/或过滤。例如,该数据可以基于数据的特征(例如与该数据关联的地理区 域,与该数据关联的时间)而被预先划分,并且被储存以易于访问从而用于第三子方法600的集合创建操作,或者用于集合创建操作600以及第二子方法500中任何已经执行的汇集/过滤操作。
除了信息集合构建,第三子方法600包括将该集合发送到目的地,例如车辆、车辆用户(例如,车辆驾驶员或乘客)或由用户使用的另一设备。
该集合可以多种方式呈现或呈出给用户,例如通过车辆或另一设备(例如由用户使用的计算设备)。一些实施方式中,该数据以在接收设备(例如车辆)处处理的形式传送,用于设备使用或用于向用户进行适合的呈现。
一些实施方式中,该信息集合包括提供到目的地设备(例如服务器、用户的移动设备或用户车辆)的数据,所述目的地设备使用该数据来呈出出能被用户或车辆解释的不同形式(例如,热图)。在一些实施例中,呈出设备例如根据预先建立的协议和/或用户预设的偏好来呈出最终的形式。
对于基于视觉的呈现,例如热图、列表或文本消息,无论在哪呈出,所呈出的信息集合可被称为视觉化的或视觉化数据。
在一实施例中,该信息集合被传送到第三方设备(例如,服务器),其在向用户车辆或其它用户设备呈现之前操控该集合。该操控可包括,例如,包含附加数据,或执行第三方设备经特殊配置来执行的专门功能。第三方的示例是地图服务的提供者。这种情况下,该信息集合可包括热图覆盖信息,并且第三方设备可在合适的地图上覆盖信息并将最终组合呈现给用户设备,例如,用于通过车载显示器呈现给用户的车辆。
在一实施例中,操控或呈出至少部分地由第三方软件在车辆处实施。这种情况下的软件称作第三方软件,因为其由不同于主要实体(例如,车辆原始设备制造商(OEM)或与方法300中主要使用的主要软件(例如,OnStar软件)相关的OEM)的实体(第三方软件开发方)提供和/或属于该不同实体。
在第三方提供商和可应用OEM之间可创建各种财务关系。例如,根据一致性付费结构,OnStar可以向地图服务提供商为执行第三方服务付费。
参照图6,子方法600开始601并且流程进行到块602,在此,所汇集和/或过滤的数据被获取(例如,通过推送或拉动机构接收)。
算法600的流程进行到块604,其中,执行计算机可执行指令的作用设备 的处理器开始构建适合的信息集合。在一些实施方式中,构建信息集合包括考虑历史数据、用户偏好、和/或来自远程资源的信息,例如国家气象服务局。
如所述,信息集合可被生成为具有多种形式,例如,热图、列表、图形、图表,或警报、通知,或其它例如以文本或听觉形式提供的消息。关于消息,文本或语音消息可以提醒,例如,“从一英里半开始,巡航控制被高度使用了10英里”或其它取决于样式或环境的适合的消息。作为另一示例,如果用户正在靠近路边以停放车辆,该消息可能提醒,“最近几个月内,该区域已报告多起车辆入侵”。
无论形式如何,该信息集合可以提醒车辆和/或车辆用户与现象或样式相关的状况,例如,与天气有关的那些—例如,道路结冰、道路湿、道路光滑或滑溜、大风、冰雹、雾、大雨、恶劣天气(龙卷风、暴风雪、飓风等)等等,或其它。现象或样式的其它示例包括那些与车辆安全相关的,例如,关于车辆闯入、车辆部件失窃和/或车辆内部失窃(例如,报告钱包被偷)。一些与车辆外部的非天气状况相关,例如坑洼、路中障碍(例如,对车道的警戒或建设关闭)等。一些与宏观或拥堵的车辆执行有关,例如巡航控制使用、车辆速度/拥堵等等,或其它。
例如,关于热图和车辆内部失窃样式,所构建的车辆内部失窃热图信息集合指示特定区域是否足够安全以将汽车停在街道上。一些实施例中,信息集合被配置在构建设备处(例如,服务器112),或呈出设备中(例如,在车辆或第三方服务器中),以包括除了与该主题区域相关的状况的基本指示外的细节。该信息可包括,例如,状况(例如,车辆内部失窃)发生的时间、所报告的安全打破的类型(例如,车辆内部部件失窃、车辆无线电设备失窃、车窗破裂、门震动等等,或其它)。
作为另一示例,关于热图和巡航控制使用,构建的巡航提醒热图可通过例如颜色编码而传达是否特定路段当前有利于巡航控制使用。
更新信息集合可以以预先确定或即时确定的频率被提供。巡航控制热图可例如每隔预先确定的适用于该类型信息集合的周期而被更新,例如,以每10分钟、每30分钟等的预设频率。或者更新可以以作用设备基于环境(例如,对应的运行值802,报告关于该现象的多个相关参与车辆,用户偏好(例如,在图2 的存储位置112处存储的),系统偏好(例如,在服务器112的相似辅助存储器位置存储的),和/或其它)所确定的频率而被发送到车辆或其它用户设备。在一实施例中,无论是预先存储还是实时设置的频率,频率还可与特定现象或样式相关。例如,对于较偶发型的现象而言,该频率可较低,反之亦然。
如前文所述,信息集合在某些情况下以对用户直接有利的方式被构建并呈出给车辆和/或车辆用户,如驾驶员或乘客。信息集合能够响应于系统(例如基于该用户或用户车辆的活动历史)识别出信息可能将对特定的车辆用户有用而被生成或提供。
例如,常用巡航控制的用户更可能对巡航控制是否由通过(所述用户的车辆正在靠近的)区域的(拥堵中的)其它相关车辆使用而关注,而很少或从不使用巡航控制的用户可能被认为不太可能发现这个信息集合有用。
在前面的例子中(频繁巡航控制用户),信息集合被提供并呈出,并且可能具有增高的重要性水平,例如通过视觉和听觉指示符,和/或更显著类型的视觉和/或听觉指示符。在后面的例子中(不频繁巡航控制用户),系统能够配置(例如,对应的算法)成不提供该信息集合,或根据较低重要性水平或以不太显著的方式提供。
进一步参照附图,图9示出了视觉化信息集合或信息集合视觉化的示例。该集合或视觉化包括地图900。地图包括道路902和高速道路904。
指示查看地图的用户被通知的状况的第一示例为第一巡航控制指示906。该第一指示906可例如通过以红色呈现而向驾驶员指示,巡航控制没有正在被使用,或没有在最近通过该区域906的车辆中被大量使用。
如上所述,用于特定区域906的颜色可对应于在过滤过程中识别的对于数据的水平或分组,例如,基于在最低地带820中的运行值802,红色对应于图8的最低组的红色标记。显示还可包括描述该状况(例如,“高巡航使用区域”)或关于该状况的细节(例如,“平均巡航速度:55mpg”)的文本(未不出)。
指示查看地图的用户被通知的状况的第二示例为第二巡航控制指示908。该第二指示908可例如通过以绿色呈现而向驾驶员指示,巡航控制正在被最近通过该区域908的车辆大量使用。再次,用于特定区域908的颜色可对应于过滤过程中识别的用于数据的水平或分组,例如,基于在最高地带816中的运行 值802,绿色对应于图8的最高组的绿色标记。再次,显示还可包括描述该状况(例如,“低巡航使用区域”或“巡航没有正在被使用”)或关于该状况的细节的文本(未示出)。
指示查看地图的用户被通知的状况的第三示例是第一道路预警910。道路预警910可以是,例如,道路结冰预警、道路光滑或滑溜预警等。预警910可包括颜色和/或图案,其指示状况是什么(例如,带有反射线的深蓝色表示结冰,浅蓝色和点或滴表示湿的或较滑的道路),预警的严重性(例如,红色表示高风险、橙色表示中风险、并且黄色表示低风险)等等,或其它。
第四个指示的示例(其为第二道路预警的示例),由附图标记912指示。第二道路预警912可以是,例如,坑洼或其它道路危险。再次的,预警912可包括颜色和/或图案,其指示状况是什么(例如,黑色表示坑洼,橙色表示建设或其它临时障碍等),预警的严重性(例如,红色表示高风险、橙色表示中风险、并且黄色表示低风险)等等,或其他。
指示查看地图的用户被通知的状况的第五示例是车辆安全通知914。安全通知914以星形的形状示出,但可包括任何形状,并且可具有对应于安全事件的任何颜色,例如红色。
颜色、形状、图案和/或其它还可被用来指示事故的质量,例如红色表示较严重的事件(例如车辆失窃),橙色表示中度的(例如车辆无线电设备失窃),或黄色表示低度的(例如,钱包从未锁的车辆或通过开着的窗户而被取走)。并且,再次的,显示还可包括描述每个事故(例如“车辆部件失窃”、“车窗破裂”)的文本(未示出),对应的安全打破的时间等等,或其它。
进一步参照附图,并且更特别地参照最后的附图,图10示出了信息集合的热图呈出1000。如所述,这样的热图或其它呈出,可以在远程中央服务器(例如,服务器112)被制备,并且发送到车辆(在此所述呈出被呈现)和/或另外形式地被提供至用户,而不需要或需要很少的操纵;或者,其以最终前形式发送到车辆,在此信息集合被操纵来产生最终呈出(例如,图10的热图1000),或发送至第三方(例如,地图服务服务器),所述第三方继而向车辆发送最终版本或最终前版本。
地图(例如图10的地图)被称为热图,因为其包括覆盖有颜色和/或图案 (其被称为热度,对应于地图的相应区域中的不同状况)的地图。图10的示例中,所述覆盖包括与第一状况对应的第一区域10001。覆盖还包括也与第一状况对应的第二区域10002。
因为区域10001、区域10002两者对应于相同的状况,其将以相同的方式被视觉化,例如通过相同的颜色和/或纹理或图案。颜色可与状况的质量相关,例如通过绿色指示正面状况。
如果地图1000涉及例如巡航控制使用,则第一和第二区域10001、10002可指示该区域中高速道路上的巡航控制高度使用,并且颜色可以为绿色(对应相同的状况)。
覆盖还包括第三区域1002。第三区域1002可由不同于前两个区域1000的颜色和/或不同于前两个区域1000的图案所标记。例如,第三区域1002可以是黄色的,以指示巡航控制使用在中度水平,并且第四区域1004可以是橙色来指示区域1004中的巡航使用率低。第五区域1008可以是红色来指示最近经过该区域中的参与车辆很少或不使用巡航控制。
并且如上所述,包括结合图9,在热图示例1000中,颜色可再次对应于在过滤过程中对于相关数据而被识别的水平或分组,例如,基于在最高地带816(例如,巡航控制高度使用)中的相应运行值802或估算值,绿色对应于图8的最高组的绿色标记,等等,或者红色对应于最高地带816(例如,道路结冰)中的相应运行值802或估算值,等等。
在块606,信息集合(或相关信息集合,在汇集/过滤之后)被发送以传送至用户和/或用户车辆。如提供的,该集合可通过非车辆设备(例如,移动电话,平板电脑,或台式机)被传送至用户。
在一实施例中,相关信息集合被发送以传送到至少一个用户车辆或另外地到用户,其中每个用户车辆都与该地理区域关联。在一实施例中,作用设备(例如,远程服务器)确定哪个车辆与该地理区域关联。一实施例中,车辆自身向作用设备表明其与该地理区域关联。用户车辆以各种方式中的一种或多种与该地理区域相关联,例如,通过定位在该地理区域中,定位在该地理区域的相邻或另外地附近处,在过去经过该地理区域附近或通过该区域(例如,不久的过去),以及预期(例如,不久的将来)经过该地理区域或其附近。进一步 关于后面的例子,关于(通过预期经过该地理区域或其附近而与该地理区域关联的)用户车辆,用户车辆可以例如基于用户车辆位置、行驶方向、进入的目的地(例如,进入导航系统)中的任何一个、等等或其它,而被预期经过该区域或其附近。关于附近的指称,附近的定性可取决于环境。这种定性还可由系统的设计者编程。这种定性可以是,例如,车辆在该区域的一或两个街区内,在该区域的一英里以内,在五英里之内,在十英里之内(其在相同城市、都市的区、县、州中等)。相同的解释可被应用到术语,例如,不久的过去,以及不远的将来——例如,所使用的时间长度可由系统编程员设定,并且为,例如1分钟、5分钟、10分钟、1小时、6小时、12小时、一天、几天、一周、一月、一年、几年、十年,或所有相关时间—例如,可获得数据的所有时间。
在如上所述的信息集合呈出、或用于呈出的信息集合传送之后,子方法600到达过渡点607,在此该子方法至少暂时地结束,或者被重复(例如结合正在接收或即将被接收的其它数据)。
V.优点
本技术的一些优点如下:
本技术允许利用拥堵智能,例如以识别可与接收车辆的驾驶员或乘客的兴趣相匹配的驾驶相关的特定事件。
在一些实施例中,本技术还允许基于当前和/或历史数据(例如地图覆盖数据)向驾驶员或乘客提供指导或其它帮助信息。
在一些实施例中,本技术基于实时车辆跟踪数据结果的汇集生成准确数据。
主要在远程或云设备生成有用信息集合有效利用了资源,留下很少的需要在参与车辆处执行的关联处理。
Ⅵ.结论
在此公开了本公开的各种实施例。公开的实施例仅仅是示例,其可以通过多种或替换的形式及其组合来实施。
法律上没有要求并且经济上也不允许来阐释和教导本技术的每个可能的实施例。因此,上述实施例只是实施方式的示例性阐释,其被提出以便清晰理解本公开的原理。
在不偏离权利要求的范围的情况下,上述实施例可做出各种变化、变型和 组合。所有这样的变化、变型和组合,通过本公开以及下面的权利要求的范围而被包括在此。
Claims (18)
1.一种用于基于车辆拥堵数据向车辆提供相关信息集合的方法,所述方法包括:
通过具有处理器的设备从多个参与车辆接收与由地理区域中的参与车辆所感测的状况相关的车辆拥堵数据,产生被接收车辆拥堵数据,其中所述状况包括选自组的至少一个预识别状况,所述组包括:
巡航控制约定;
道路危险;
道路结冰;
其他道路光滑状况;以及
车辆安全妨害;
通过所述设备过滤所述被接收车辆拥堵数据,产生相关的车辆拥堵数据;
通过所述设备使用所述相关的车辆拥堵数据构建相关信息集合;以及
发送所述相关信息集合以传送到与所述地理区域关联的一个或多个用户车辆;
其中,构建相关信息集合包括维护对应于该状况的运行值,并且维护运行值包括:
响应于确定从具有相关的相关性水平的车辆接收了正面评价数据项目,而增加该运行值;以及
响应于确定从具有相关的相关性水平的车辆接收了负面评价数据项目,而降低该运行值。
2.如权利要求1的方法,其中,所述过滤包括结合所接收的被接收车辆拥堵数据中的每一项目确定相关性水平。
3.如权利要求2的方法,其中,相关性水平是至少部分地基于从中接收数据所述项目的车辆的历史使用而确定。
4.如权利要求1的方法,其中,维护该运行值包括应用时间衰退评价强度函数,由此,除基于任何正面和负面评价而增加和降低该运行值外,该运行值随着时间以预先确定的衰退速率而降低。
5.如权利要求1的方法,其中,如果该车辆具有选自包括如下内容的组的特征,参与车辆与该地理区域关联:
定位在该地理区域中;
定位在该地理区域附近;以及
预期穿过或邻近该地理区域而驶过。
6.如权利要求1的方法,其中:
所述被接收车辆拥堵数据中的至少一些与选自包括如下内容的组的辅助数据一起被接收:
与所感测的状况关联的位置;
车辆安全妨害的类型;
从非报告性车辆的第三方设备中接收的数据;以及
历史数据;并且
所述辅助数据用于构建所述相关信息集合。
7.如权利要求1的方法,其中,所述设备包括客户服务中心计算设备,并且该车辆包括车载系统,所述车载系统配置成使用也由该计算设备使用的私有协议而与所述计算设备通信。
8.如权利要求1的方法,其中,该相关信息集合被构建为具有选自包括如下内容的组的至少一个特征:
包括识别所述状况的热图;
配置成用于呈出该热图;
包括识别所述状况的项目指示地图;
配置成用于呈出所述项目指示地图;
包括识别所述状况的鸟瞰视图;
配置成用于呈出该鸟瞰图;
包括识别所述状况的透视视图;
配置成用于呈出所述透视视图;
具有用于文本呈现的消息;
具有用于听觉呈现的消息;以及
具有能触觉呈现的指示。
9.如权利要求1的方法,其中,取决于所述状况是偶发型状况还是频繁报告型状况,而依据多个算法中的一个执行所述过滤。
10.如权利要求1的方法,其中,所述被接收车辆拥堵数据包括如下内容中的至少两个:
车辆特定的数据;
车辆感测的环境数据;
近邻车辆的数据;
从非报告性车辆设备获取的穿过数据;以及
包括历史数据、用户简档数据、车辆简档数据以及与相关附近地区有关的统计数据中的一个或多个的支持数据。
11.如权利要求1的方法,其中,发送所述相关信息集合以传送到与该地理区域关联的一个或多个用户车辆,包括向第三方设备传输数据,所述第三方设备被配置为操纵该相关信息数据集合并发送所操纵的相关信息数据集合以被一个或多个用户车辆接收。
12.如权利要求1的方法,其中:
该方法还包括从接收车辆的候选库中识别关注车辆;
发送所述相关信息集合以传送到与所述地理区域关联的一个或多个用户车辆,包括发送所述相关信息集合以传送到所识别的关注车辆;并且
从候选库中识别关注车辆取决于过去车辆活动和用户偏好中的至少一个。
13.一种用于基于车辆拥堵数据向车辆提供相关信息集合的方法,所述方法包括:
通过具有处理器的设备从多个参与车辆接收与由地理区域中参与车辆所感测的状况相关的车辆拥堵数据,产生被接收车辆拥堵数据;
通过所述设备过滤所述被接收车辆拥堵数据,产生相关的车辆拥堵数据,其中所述过滤包括结合被接收车辆拥堵数据中的每一项目确定相关性水平;
通过所述设备使用相关的车辆拥堵数据构建相关信息集合;以及
发送所述相关信息集合以传送到与所述地理区域关联的一个或多个用户车辆;
其中:
构建相关信息集合包括维护对应于该状况的状况特定的运行值;并且
维护所述运行值包括:
响应于确定从具有相关的相关性水平的车辆接收了正面评价数据项目,而增加所述运行值,以及
响应于确定从具有相关的相关性水平的车辆接收负面评价数据项目,而降低所述运行值。
14.如权利要求13的方法,其中,确定相关性水平至少部分地基于从中接收数据所述项目的车辆的历史使用。
15.如权利要求14的方法,其中,历史使用与巡航控制在从中接收数据项目的车辆处被约定的频率相关。
16.如权利要求13的方法,其中,维护所述运行值包括应用时间衰退评价强度函数,由此,除基于任何正面评价和负面评价的数据项目而增加和降低所述运行值外,所述运行值根据预先确定的衰退速度随着时间而降低。
17.如权利要求13的方法,其中,所述过滤包括确定被接收车辆拥堵数据中的至少一些项目的严重性水平,该水平与由车辆拥堵数据的项目所报告的状况的严重性相关。
18.一种用于基于车辆拥堵数据向车辆提供相关信息集合的方法,所述方法包括:
通过具有处理器的设备从多个参与车辆中接收与由地理区域中参与车辆所感测的状况相关的车辆拥堵数据,产生被接收车辆拥堵数据;
通过该设备过滤所述被接收车辆拥堵数据,产生相关的车辆拥堵数据,其中:
所述过滤包括根据x(t)E=Bx(t)+(1-B)x(t-T),而估算对应于所述状况的值;
x(t)E表示所估算的值;
B表示预先建立的权重因素;
x(t)表示与该状况、所述被接收车辆拥堵数据、以及当前时间(t)对应的当前状况水平;并且,
x(t-T) 表示与该状况以及最近时间(t-T)对应的最近状况水平,所述最近时间(t-T)通过分离时间(T)而与当前时间(t)分开;
通过所述设备使用相关的车辆拥堵数据而构建相关信息集合;并且
发送所述相关信息集合以传送到与所述地理区域关联的一个或多个用户车辆;
其中,构建相关信息集合包括维护对应于该状况的运行值,并且维护运行值包括:
响应于确定从具有相关的相关性水平的车辆接收了正面评价数据项目,而增加该运行值;以及
响应于确定从具有相关的相关性水平的车辆接收了负面评价数据项目,而降低该运行值。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/856,622 | 2013-04-04 | ||
US13/856,622 US20140303806A1 (en) | 2013-04-04 | 2013-04-04 | Apparatus and methods for providing tailored information to vehicle users based on vehicle community input |
US13/856622 | 2013-04-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104103188A CN104103188A (zh) | 2014-10-15 |
CN104103188B true CN104103188B (zh) | 2017-03-01 |
Family
ID=51655022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310757201.1A Expired - Fee Related CN104103188B (zh) | 2013-04-04 | 2013-12-10 | 基于车辆共同体输入向车辆用户提供定制信息的装置和方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20140303806A1 (zh) |
CN (1) | CN104103188B (zh) |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9830396B2 (en) * | 2014-11-03 | 2017-11-28 | GM Global Technology Operations LLC | Method and apparatus of adaptive sampling for vehicular crowd sensing applications |
US9361794B1 (en) * | 2014-12-04 | 2016-06-07 | Here Global B.V. | Method and apparatus for providing a mixed mode traffic map display |
CN104597522A (zh) * | 2014-12-19 | 2015-05-06 | 阳珍秀 | 一种气象信息提示方法及其提示系统 |
US10292158B2 (en) * | 2015-05-23 | 2019-05-14 | Qualcomm Incorporated | Techniques for adjusting clear channel assessment (CCA) window for transmissions in a shared radio frequency spectrum band |
WO2017028030A1 (en) * | 2015-08-14 | 2017-02-23 | Telefonaktiebolaget Lm Ericsson (Publ) | Network assisted message forwarding |
US10496252B2 (en) * | 2016-01-06 | 2019-12-03 | Robert Bosch Gmbh | Interactive map informational lens |
GB201604159D0 (en) * | 2016-02-09 | 2016-04-27 | Tomtom Traffic Bv | Methods and systems for identifying navigable elements affected by weather conditions |
JP6642090B2 (ja) * | 2016-02-19 | 2020-02-05 | 富士ゼロックス株式会社 | 品質管理装置及び品質管理プログラム |
CN105590482A (zh) * | 2016-03-11 | 2016-05-18 | 广东钛马车联网信息科技有限公司 | 路面警示系统及其控制方法 |
CN105976442A (zh) * | 2016-05-26 | 2016-09-28 | 深圳市道尔智控科技股份有限公司 | 基于车载射频设备的车辆管理系统及其方法 |
US9926875B2 (en) | 2016-05-31 | 2018-03-27 | Ford Global Technologies, Llc | Fuel tank pressure sensor rationality testing using V2X technology |
CN106143309B (zh) * | 2016-07-18 | 2018-07-27 | 乐视汽车(北京)有限公司 | 一种车辆盲区提醒方法及系统 |
DE102016219578A1 (de) * | 2016-10-10 | 2018-04-12 | Continental Teves Ag & Co. Ohg | Fahrzeugwarnvorrichtung |
DE102016224516A1 (de) * | 2016-12-08 | 2018-06-14 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Erkennen zumindest eines Fußgängers durch ein Fahrzeug |
US10139834B2 (en) | 2017-01-12 | 2018-11-27 | GM Global Technology Operations LLC | Methods and systems for processing local and cloud data in a vehicle and a cloud server for transmitting cloud data to vehicles |
US11206510B2 (en) * | 2017-03-31 | 2021-12-21 | Intel Corporation | Wireless device information systems and methods |
WO2018234055A1 (en) * | 2017-06-20 | 2018-12-27 | Nira Dynamics Ab | MONITORING THE STATUS OF A ROAD |
US10907980B2 (en) | 2017-08-11 | 2021-02-02 | Here Global B.V. | Method and apparatus for detecting false positive slippery road reports using mapping data |
US10311728B2 (en) | 2017-08-11 | 2019-06-04 | Here Global B.V. | Method and apparatus for providing a confidence-based road event message |
US10657804B2 (en) * | 2017-08-11 | 2020-05-19 | Here Global B.V. | Updating maps and road status |
US10166991B1 (en) * | 2017-12-01 | 2019-01-01 | GM Global Technology Operations LLC | Method and apparatus of selective sensing mechanism in vehicular crowd-sensing system |
US20190248364A1 (en) * | 2018-02-12 | 2019-08-15 | GM Global Technology Operations LLC | Methods and systems for road hazard detection and localization |
US10929696B2 (en) * | 2018-04-19 | 2021-02-23 | Here Global B.V. | Method, apparatus, and system for determining a negative observation of a road feature |
US10883450B2 (en) | 2018-07-24 | 2021-01-05 | Ford Global Technologies, Llc | Methods and systems for cloud-based emissions testing |
US11249984B2 (en) | 2019-05-22 | 2022-02-15 | Here Global B.V. | System and method for updating map data in a map database |
CN110689719B (zh) * | 2019-05-31 | 2021-01-19 | 北京嘀嘀无限科技发展有限公司 | 用于识别封闭路段的系统和方法 |
JP7380718B2 (ja) * | 2020-02-07 | 2023-11-15 | 日本電信電話株式会社 | 路面推定装置、路面推定方法およびプログラム |
US11514729B2 (en) * | 2020-02-28 | 2022-11-29 | Toyota Motor North America, Inc. | Transport behavior observation |
US11461087B2 (en) | 2020-02-28 | 2022-10-04 | Toyota Motor North America, Inc. | Transport sensor data update |
CN111332289B (zh) * | 2020-03-23 | 2021-05-07 | 腾讯科技(深圳)有限公司 | 车辆运行环境数据获取方法、装置和存储介质 |
DE102020208994A1 (de) | 2020-07-17 | 2022-01-20 | Denso Corporation | Verfahren für ein Erzeugen einer Heatmap von und ein Heatmap-Server für eine Direktkommunikation-Leistungsfähigkeit |
US12039862B2 (en) | 2022-01-13 | 2024-07-16 | GM Global Technology Operations LLC | System and process for mitigating road network congestion |
US11893882B2 (en) | 2022-01-13 | 2024-02-06 | GM Global Technology Operations LLC | System and process for determining recurring and non-recurring road congestion to mitigate the same |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5983161A (en) * | 1993-08-11 | 1999-11-09 | Lemelson; Jerome H. | GPS vehicle collision avoidance warning and control system and method |
US6690268B2 (en) * | 2000-03-02 | 2004-02-10 | Donnelly Corporation | Video mirror systems incorporating an accessory module |
US6317058B1 (en) * | 1999-09-15 | 2001-11-13 | Jerome H. Lemelson | Intelligent traffic control and warning system and method |
US7698270B2 (en) * | 2004-12-29 | 2010-04-13 | Baynote, Inc. | Method and apparatus for identifying, extracting, capturing, and leveraging expertise and knowledge |
US20080243558A1 (en) * | 2007-03-27 | 2008-10-02 | Ash Gupte | System and method for monitoring driving behavior with feedback |
US8321509B2 (en) * | 2009-02-02 | 2012-11-27 | Waldeck Technology, Llc | Handling crowd requests for large geographic areas |
US20110130906A1 (en) * | 2009-12-01 | 2011-06-02 | Ise Corporation | Location Based Vehicle Data Logging and Diagnostic System and Method |
US20110130916A1 (en) * | 2009-12-01 | 2011-06-02 | Ise Corporation | Location Based Vehicle Data Logging and Diagnostic System and Method |
US20110130905A1 (en) * | 2009-12-01 | 2011-06-02 | Ise Corporation | Remote Vehicle Monitoring and Diagnostic System and Method |
US20120065871A1 (en) * | 2010-06-23 | 2012-03-15 | Massachusetts Institute Of Technology | System and method for providing road condition and congestion monitoring |
US8566010B2 (en) * | 2010-06-23 | 2013-10-22 | Massachusetts Institute Of Technology | System and method for providing road condition and congestion monitoring using smart messages |
US7986126B1 (en) * | 2010-10-01 | 2011-07-26 | Toyota Motor Sales, U.S.A., Inc. | Automated system for determining whether vehicle charge station is publicly accessible |
CN103259826B (zh) * | 2012-02-20 | 2016-06-01 | 伊顿公司 | 用于充电机和电动车之间的数据传输装置及方法 |
CN103259299A (zh) * | 2012-02-20 | 2013-08-21 | 伊顿公司 | 多标准兼容的充电机 |
ES2805290T3 (es) * | 2012-03-29 | 2021-02-11 | Arilou Information Security Tech Ltd | Dispositivo para proteger un sistema electrónico de un vehículo |
US20130278441A1 (en) * | 2012-04-24 | 2013-10-24 | Zetta Research and Development, LLC - ForC Series | Vehicle proxying |
DK2662847T3 (da) * | 2012-05-11 | 2014-11-03 | Itcico Spain S L | System og fremgangsmåde til levering af information i et fartøj |
US9292257B2 (en) * | 2012-09-12 | 2016-03-22 | Sap Se | Accurate range calculation for vehicles, computed outside of the vehicle |
US8862318B2 (en) * | 2012-10-17 | 2014-10-14 | General Motors Llc | Method for teaching an aftermarket accessory component, and an aftermarket accessory component configured to learn |
KR20150024710A (ko) * | 2013-08-27 | 2015-03-09 | 한국전자통신연구원 | Autosar 기반 통신방법 및 통신장치 |
-
2013
- 2013-04-04 US US13/856,622 patent/US20140303806A1/en not_active Abandoned
- 2013-12-10 CN CN201310757201.1A patent/CN104103188B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US20140303806A1 (en) | 2014-10-09 |
CN104103188A (zh) | 2014-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104103188B (zh) | 基于车辆共同体输入向车辆用户提供定制信息的装置和方法 | |
US10977945B1 (en) | Vehicular driver warnings | |
US11257377B1 (en) | System for identifying high risk parking lots | |
US11727495B1 (en) | Collision risk-based engagement and disengagement of autonomous control of a vehicle | |
CN109690606B (zh) | 基于远程信息处理的系统及其相应的方法 | |
US10490078B1 (en) | Technology for providing real-time route safety and risk feedback | |
US9946262B2 (en) | Smart vehicle | |
US20170287335A1 (en) | Smart vehicle | |
CA2777931C (en) | System for monitoring vehicle and operator behavior | |
CN110807930B (zh) | 危险车辆预警方法及装置 | |
CN107406079A (zh) | 用于预测车辆的天气性能的系统和方法 | |
US20160357262A1 (en) | Smart vehicle | |
US20160357187A1 (en) | Smart vehicle | |
US20140062725A1 (en) | Surface detection and indicator | |
CN109416873A (zh) | 具有自动化风险控制系统的自主或部分自主机动车辆及其相应方法 | |
US11170639B2 (en) | Transportation threat detection system | |
WO2014186359A1 (en) | Surface detection and indicator | |
KR102101986B1 (ko) | 보행자 충돌 경고 시스템 및 방법 | |
US20230408276A1 (en) | Methods and apparatuses for late lane change prediction and mitigation | |
NEJAD et al. | Introduction to CV-Based ITS Infrastructure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170301 |
|
CF01 | Termination of patent right due to non-payment of annual fee |