CN104340153A - 快速接近检测器 - Google Patents

Abstract

车辆中的计算机配置为接收一个或多个数据收集器输入、基于一个或多个输入检测最接近车辆的物体、确定物体与车辆之间的接近速度、确定物体的速度的变化、计算责任因子以及至少部分基于责任因子以及事故值确定是否识别潜在事故。事故值是接近速度和车辆与物体之间的距离中的至少一个的函数。责任因子至少部分基于接近速度以及物体的速度的变化。

Description

快速接近检测器

技术领域

本发明涉及一种快速接近检测器，具体地，本发明涉及一种用于快速检测最接近车辆的另一车辆或物体的系统和方法。

背景技术

当第一车辆以极快的速率接近第二车辆时，车辆碰撞或车辆撞车事故更可能发生。然而，车辆操作者会不知道接近速率是危险的，以及/或者车辆操作者会忽略危险的快速接近。在一些情况下，车辆操作者会促成潜在的或实际的事故，例如由驾驶行为导致的碰撞，但在其他的情况下，另一车辆的操作——例如突然刹车——会是导致事故的唯一的或主要的贡献者。不幸的是，目前缺乏用于识别会危害车辆安全性以及/或者会影响车辆的保险率的快速接近以及用于确定快速接近事故中车辆操作者的责任的机械装置。

发明内容

本发明的目的是提供一种用于快速检测最接近车辆的另一车辆或物体的系统和方法。该目的有以下技术方案实现：

一种系统，包含车辆中的计算机，该计算机包含处理器和存储器，其中计算机配置为：接收一个或多个数据收集器输入；基于一个或多个数据收集器输入检测与车辆最接近的物体；确定物体与车辆之间的接近速度；确定物体的速度的变化；至少部分基于接近速度和物体的速度的变化计算责任因子；以及至少部分基于责任因子以及事故值确定是否识别潜在事故，其中事故值是接近速度和车辆与物体之间的距离中的至少一个的函数。

进一步地，计算机进一步配置为基于责任因子以及分配给潜在事故的值计算驾驶员分值。

进一步地，计算机进一步配置为将驾驶员分值传送给远程服务器。

进一步地，计算机进一步配置为基于驾驶员分值显示消息。

进一步地，责任因子是两个或更多个责任子因子的乘积。

一种方法，包含：接收一个或多个数据收集器输入；基于一个或多个数据收集器输入检测与车辆最接近的物体；确定物体与车辆之间的接近速度；确定物体的速度的变化；至少部分基于接近速度和物体的速度的变化计算责任因子；以及至少部分基于责任因子以及事故值确定是否识别潜在事故，其中事故值是所述接近速度和车辆与物体之间的距离中的至少一个的函数。

进一步地，该方法还包含基于责任因子以及分配给潜在事故的值计算驾驶员分值。

进一步地，计算机进一步配置为将驾驶员分值传送给远程服务器。

进一步地，计算机进一步配置为基于驾驶员分值显示消息。

进一步地，责任因子是两个或更多个责任子因子的乘积。

通过本发明的系统和方法，可以识别会危害车辆安全性以及/或者会影响车辆的保险率的快速接近，并且可以确定快速接近事故中车辆操作者的责任。

附图说明

图1为用于检测快速接近事故的示例性系统的框图；

图2为说明第一车辆快速接近第二车辆的框图；

图3为用于识别以及报告快速接近事故的示例性程序的框图。

具体实施方式

系统概述

图1为用于检测快速接近事故的示例性系统100的框图。车辆101包括车辆计算机105，其配置为接收来自一个或多个数据收集器110的关于与车辆101和例如一个或多个其他车辆、静止物体等的接近相关的车辆101的各种度量的信息，例如使用数据115。例如，这样的度量可以包括车辆101的速度(即物理上的速度(velocity))、车辆101与一个或多个其他物体——例如车辆、静止物体等——的距离。计算机105还可以包括用于识别潜在碰撞事故的指令，该指令可以通过网络120报告给服务器125，并存储在数据存储器130中。而且，与潜在碰撞事故相关的信息可以显示在车辆计算机105的显示器、用户装置150或者一些其他的客户端装置上。

图2为说明第一车辆101a接近第二车辆101b的框图。如图2所示，第一车辆101a可以以第一速度(用V表示)行驶，同时第二车辆可以以第二速度(用Vf表示)行驶。从第一车辆101a到在这个示例中位于第一车辆101a的前方的第二车辆101b的距离(用Df表示)可以通过一个或多个数据收集器110测量，如下面所讨论。基于两辆车辆各自的速度以及距离Df，可以计算出接近速度(closing speed)Vc，即车辆101彼此接近时的速率。接近速度Vc以及下面所讨论的其他因素可以用于确定潜在的事故——如潜在的碰撞事故——是否应该得到识别。

示例性系统元件

车辆101包括车辆计算机105，车辆计算机105总体上包括处理器和存储器，存储器包括一种或多种计算机可读介质的形式以及存储由处理器用于执行各种操作的可执行的指令，包括这里所公开的。计算机105的存储器总体上还存储使用数据115。计算机105总体上配置用于在控制器局域网络(CAN)总线或类似物的上通信。计算机105还可以具有与车载诊断连接器(OBD-II)的连接。通过CAN总线、OBD-II和/或其他有线的或无线的机械装置，计算机105可以向车辆中的各种装置传递消息和/或接收来自包括数据收集器110的各种装置——如控制器、致动器、传感器等——的信息。此外，计算机105可以配置用于与网络120通信，如下面所讨论，可以包括各种有线的与/或无线的网络技术，如蜂窝电话、蓝牙、有线的与/或无线分组网络等。

数据收集器110可以包括各种装置。例如，车辆中的各种控制器可以作为数据收集器110运行以通过CAN总线提供数据115，例如与车辆的速度、加速度等相关的数据115。而且，传感器或类似物、全球定位系统(GPS)设备等可以包括在车辆中并且配置为数据收集器110以例如通过有线或无线连接直接为计算机105提供数据。传感器数据收集器110可以包括机械装置，例如雷达、激光雷达、声纳等传感器，可以部署这些传感器以测量车辆101与第二车辆101、静止物体等之间的距离Df。

使用数据115可以包括在一辆或多辆基于特定消费者——即车辆使用者——的操作的车辆内收集到的各种数据。数据115总体上利用一个或多个数据收集器110收集，以及可以额外包括由此从计算机105与/或服务器125中计算的数据。通常，使用数据115可以包括可以通过收集装置110收集的任何数据和/或从这样的数据中计算出的任何数据，以及会与车辆动力系统使用相关的任何数据。例如，使用数据115可以包括车辆速度、车辆加速度、与另一车辆101的距离等。通常，如下所述，使用数据115总体上与某个特定的时间点相关联。

网络120代表一个或多个机械装置，通过此机械装置车辆计算机105可以与远程服务器125通信。相应地，网络120可以是一种或多种各种有线的或无线的通信机制，包括有线的(例如电缆和光纤)和/或无线的(例如蜂窝电话、无线、卫星、微波、无线电频率)通信机制的任意所需组合以及任意所需网络拓扑结构(或当利用多种通信机制时的拓扑结构)。示例性通信网络包括无线通信网络(例如，采用蓝牙、IEEE 802.11等)、局域网(LAN)和/或包括提供数据通信服务的因特网的广域网(WAN)。

服务器125可以包括一个或多个计算机服务器，每个计算机服务器总体上包括至少一个处理器和至少一个存储器，存储器存储处理器可执行的指令，包括用于实施这里所述的各种步骤以及程序的指令。服务器125可以包括数据存储器130或与数据存储器130以通信方式耦接，数据存储器130用于存储使用数据115、如这里所述产生的与潜在事故相关的记录等。

用户装置150可以是各种包括处理器和存储器以及通信能力的计算装置中的任意一种。例如，用户装置150可以是包括采用IEEE 802.11、蓝牙和/或蜂窝通信协议进行无线通信的能力的便携式计算机、平板电脑、智能手机等。而且，用户装置150可以通过网络120使用这样的通信能力与车辆计算机105通信以及例如利用蓝牙使用这样的通信能力直接与车辆计算机105通信。

示例性程序流程

图3为识别以及报告快速接近事故的示例性程序300的图。

程序300开始于框305，其中“潜在事故”变量PI被初始化为零值，并且计时器启动。而且，如下面所讨论，变量PI_总也被初始化为零值。总体上，当驾驶阶段(driving session)开始时，例如当车辆101启动时，于是计算机105启动，程序300开始，并且计时器启动。相应地，计时器从驾驶阶段的开始时开始提供时间的计数，例如，提供一系列记时(time indices)。

接下来，在框310中，数据收集器110向计算机105提供数据表明已经检测到一物体邻近车辆101。为实施框310，“邻近”可以定义为距离阈值，例如5英尺、10英尺、50英尺等。总体上，其他物体可以是其另一辆车辆，但其他物体也可以是静止的或慢速移动的物体，例如人、建筑、树、篱笆等。

接下来，在框315中，例如通过CAN总线通信或类似物，计算机105获得在计时器指示的当前时间的车辆101的速度的测量值(Vt)。而且，计算机105例如从数据收集器110——例如雷达装置、激光雷达装置等——中获得车辆101以及框310中检测到的物体之间的距离Df的测量侧。此外，下面将看出，例如针对框320，计算机105总体上在不同的时间对车辆101与物体之间的距离产生多种测量值，例如Dff、Dft-1，其中Dft代表当前的或时间最近的距离测量值，以及Dff-1代表前一距离测量值。例如，时间t与t-1之间得差可以是1秒。

接下来，在框320中，计算机105计算出车辆101与物体之间的接近速度(Vc)。例如，时间t时的接近速度可以根据下面的公式计算：

Vct＝(Dft-Dft-1)/[t-(t-1)]。

因此，如果Dft是100英尺，并且Dft-1是99英尺，并且时间t与时间t-1之间差是1秒，那么接近速度Vc是每秒一英尺或0.68英里每小时(m.p.h.)

接下来，在框325中，计算机105计算物体——例如在车辆101的前方的另一车辆——的速度(Vf)。速度Vf可以通过将车辆101的速度加到接近速度上而计算出，例如根据公式：

Vft＝Vt+Vct。

接下来，在框330中，计算机105确定物体的速度变化率ΔVft，即加速度或减速度。如这里其他部分进一步所讨论，例如针对框335，除了接近速度和车辆101的速度以外，计算其他车辆或物体的速度变化率在确定是否应该识别潜在事故中会是重要的。例如，在车辆101前方的汽车会突然停车，即前方汽车的速度变化率可以是迅速减速，在这种情况中，车辆101的操作者对于碰撞或潜在碰撞会是相对无过错的。可以根据公式计算物体的速度变化率的值：

ΔVft＝Vft-Vft-1。

当然，这个值可以是零，例如，如果物体是静止的物体或车辆未改变速度。

接下来，在框335中，计算机105计算出责任因子(AF)，其是反映车辆101操作者应该为潜在事故承担责任的程度的值，与物体——例如另一被靠近的车辆——为潜在事故的责任的程度相反，其中潜在事故例如由于急刹车、急倒车等造成。在一个实施方式中，责任因子AF包括两部分或子因子：AF1和AF2，AF1是物体的速度Vft的函数，AF2是物体的速度变化率ΔVft的函数。AF1和AF2的函数可以进一步为Vft和ΔVft提供低于特定各自阈值的数值，例如Vft＜-15m.p.h或者ΔVft＜-10m.p.h/秒，分别导致AF1和AF2的零值。于是责任因子AF可以基于其部分的值而计算，例如根据公式作为简单乘积：

AF＝AF1·AF2。

总体上，责任因子可以是两个或更多个责任子因子AF1·AF2·...AFn的乘积。第一责任子因子AF1可以是正在向相反方向前进的物体——例如车辆101前方的车辆——的速度的函数(例如以-15m.p.h向相反方向前进的前方车辆排除责任，即AF1＝0)。作为另外一个示例，当物体——例如另一车辆——不移动时，AF1的值可以是1.0。又一个示例可以是如果前方车辆以5m.p.h向相反方向移动时，AF1的值也可以是0.5。进一步示例如表1所示，责任因子AF1可以是物体——例如前方车辆——的速度的函数：

表1

第二示例性责任因子AF2可以是物体的减速度的函数，例如在一秒内以10m.p.h.减速的前方车辆可以排除责任，即AF2＝0。作为另一个示例，当物体——例如其他车辆——不移动时，AF1和AF2的值每一个都是1.0。又一个示例可以是如果前方车辆在一秒内以5m.p.h.减速，则AF2的值是0.5。进一步示例如表2所示，责任因子AF2可以是物体——例如前方车辆——的速度变化率的函数。

表2

其他责任因子(AF3...AFn)也有可能，而且可以基于例如意外进入车辆101的车道的车辆、检测到的道路障碍物等这样的因素。

接下来，在框335下面，在框340中，计算机105计算与时间t相关的潜在的事故(PI)值。例如，PI值可以根据逻辑计算，此逻辑将PI值维持为零除非接近速度VCt超过了特定的阈值，如20m.p.h，并且车辆101与物体之间的距离Df降到特定的阈值——如100英尺——以下。在一个实施方式中，PI可以根据责任因子(AF)和事故值(IV)的乘积来计算，如根据公式：

PI＝AF·IV。

事故值(IV)总体上是接近速度(CS)和与物体的距离(Df)的函数。例如，表3提供了可以为这样的函数提供的数值：

表3

接下来，在框345中，计算机105确定潜在事故值PI是否大于零。如果大于零，则下面执行框350。否则，程序300继续至框375。

在框350中，计算机105计算总的潜在事故值PI总，通常根据公式：

PI总＝PI_总+PI。

框350之后，接下来在框355中，计算机105为车辆101的操作者计算驾驶员分值(driver score)DS。通常，驾驶员分值是潜在事故之间的平均驾驶时间的指标。相应地，在驾驶阶段的总驾驶时间——例如计时器经过的时间(T)——在框305中初始化的情况下，驾驶员分值DS的公式可以是：

DS＝T/PI_总。

接下来，在框360中，变量PI重置为零。

接下来，在框365中，驾驶员分值DS的数值传送给服务器125。而且，其他使用数据115也可以传送给服务器125作为操作者的驾驶习惯的记录，如平均速度、行驶距离、超过一定的阈值的加速度或减速度等。

接下来，在框370中，计算机105可以给车辆101的操作者提供警告或通知，例如，通过与计算机105连接的车辆101内的显示器、通过用户装置150、通过消息传送机制——例如电子邮件或短消息服务(SMS)消息传递等。在任何情况下，这样的警告、消息或通知可以反映驾驶员分值的值。例如，对于分数低的驾驶员分值，例如在DS＜1的情况下，消息可以提供如“低驾驶员分值。如果你与你前方的汽车的速度更加接近地匹配，则你可以提高你的分值”或“低驾驶员分值。如果你与你前方的汽车的速度更加接近地匹配或加速到你前方的汽车的速度，则你可以节省保险方面的钱”这样的通知。相似的，可以提供告知高的驾驶员分值的通知。

在框370或框345之后，可以执行框375。在框375中，计算机105确定框305中初始化的计时器是否继续运行，即驾驶阶段是否继续。如果其没有继续或者另一种情况如果包括计算机105的车辆101电源关闭，则程序300结束。否则，程序300回到框310。

结论

如这里所讨论的计算装置总体上每一个都包括通过一个或多个如以上确认的那样的计算装置可执行的指令以及用于实施以上描述的程序的框或步骤的指令。例如，上面讨论的程序框可以具体化为计算机可执行指令。

计算机可执行指令可以由计算机程序编译或解释，计算机程序采用多种编程语言和/或技术创建，这些编程语言和/或技术包括但并不限于单独地或组合的Java^TM、C、C++、Visual Basic、Java Script、Perl、HTML等。通常，处理器(例如微处理器)例如从存储器、计算机可读介质等接收指令，并且执行这些指令，由此完成一个或多个程序，包括这里所描述的一个或多个程序。这样的指令或其他数据可以采用各种计算机可读介质存储和传送。计算装置中的文件总体上是存储在计算机可读介质——如存储介质、随机存取存储器等——中的数据的集合。

计算机可读介质包括参与提供能被计算机读取的数据(例如指令)的任何介质。这样的介质可以有多种形式，包括但不限于非易失性介质、易失性介质等。非易失性介质包括例如光盘或磁盘或其他永久性存储器。易失性介质包括典型地构成主存储器的动态随机存取存储器(DRAM)。计算机可读介质的常规形式包括，如软盘、柔性盘、硬盘，磁盘、任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、穿孔卡片、纸带、具有孔图案的任何其他物理介质、RAM、PROM、EPROM、FLASH-EEPROM、任何其他存储器芯片或盒，或者任何其他计算机可读取的介质。

在附图中，相同的附图标记表示相同的元件。而且，这些元件中的一些或全部都可以改变。关于这里所述的介质、程序、系统、方法等，应理解的是虽然这样的程序等的步骤描述为按照一定的顺序排列发生，但这样的程序可以采用以这里描述的顺序之外的顺序完成的描述的步骤实施操作。进一步应该理解的是，某些步骤可以同时执行，可以添加其他步骤，或者可以省略这里所述的某些步骤。换言之，这里的程序的描述提供用于说明某些实施例的目的，并且不应该以任何方式解释为限制要求保护的发明。

相应地，应理解的是上面的描述的目的是说明而不是限制。在阅读上面的描述时，除了提供的示例外许多实施例和应用对于本领域的技术人员都是显而易见的。本发明的范围应参照所附权利要求以及与权利要求所要求的权利等效的全部范围而确定，而不是参照上面的说明而确定。可以预期的是这里所讨论的领域将出现进一步的发展，并且所公开的系统和方法将可以结合到这样的未来的实施例中。总之，应理解的是本发明能够进行修正和变化并且仅受下述权利要求的限定。

在权利要求中所使用的所有术语旨在给予其最宽泛的合理的结构以及应被本领域的技术人员理解为其最常用的意思，除非在这里做出了明确的相反的指示。特别是单数冠词——如“一个”、“该”、“所述”等——的使用应该理解为叙述一个或多个所示元件，除非权利要求陈述了明确相反的限制。

Claims (10)

1.一种系统，其特征在于，包含车辆中的计算机，该计算机包含处理器和存储器，其中计算机配置为：接收一个或多个数据收集器输入；基于一个或多个数据收集器输入检测与车辆最接近的物体；确定物体与车辆之间的接近速度；确定物体的速度的变化；至少部分基于接近速度和物体的速度的变化计算责任因子；以及至少部分基于责任因子以及事故值确定是否识别潜在事故，其中事故值是接近速度和车辆与物体之间的距离中的至少一个的函数。

2.如权利要求1所述的系统，其特征在于，计算机进一步配置为基于责任因子以及分配给潜在事故的值计算驾驶员分值。

3.如权利要求2所述的系统，其特征在于，计算机进一步配置为将驾驶员分值传送给远程服务器。

4.如权利要求2所述的系统，其特征在于，计算机进一步配置为基于驾驶员分值显示消息。

5.如权利要求1所述的系统，其特征在于，责任因子是两个或更多个责任子因子的乘积。

6.一种方法，其特征在于，包含：接收一个或多个数据收集器输入；基于一个或多个数据收集器输入检测与车辆最接近的物体；确定物体与车辆之间的接近速度；确定物体的速度的变化；至少部分基于接近速度和物体的速度的变化计算责任因子；以及至少部分基于责任因子以及事故值确定是否识别潜在事故，其中事故值是所述接近速度和车辆与物体之间的距离中的至少一个的函数。

7.如权利要求6所述的方法，其特征在于，还包含基于责任因子以及分配给潜在事故的值计算驾驶员分值。

8.如权利要求7所述的方法，其特征在于，计算机进一步配置为将驾驶员分值传送给远程服务器。

9.如权利要求7所述的方法，其特征在于，计算机进一步配置为基于驾驶员分值显示消息。

10.如权利要求6所述的方法，其特征在于，责任因子是两个或更多个责任子因子的乘积。