CN108713221B - 信息处理装置、信息处理方法、程序和车辆 - Google Patents

信息处理装置、信息处理方法、程序和车辆 Download PDF

Info

Publication number
CN108713221B
CN108713221B CN201780015923.6A CN201780015923A CN108713221B CN 108713221 B CN108713221 B CN 108713221B CN 201780015923 A CN201780015923 A CN 201780015923A CN 108713221 B CN108713221 B CN 108713221B
Authority
CN
China
Prior art keywords
information
vehicle
key factors
accident
information processing
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.)
Active
Application number
CN201780015923.6A
Other languages
English (en)
Other versions
CN108713221A (zh
Inventor
唐懿夫
高野裕昭
内山博允
森冈裕一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Publication of CN108713221A publication Critical patent/CN108713221A/zh
Application granted granted Critical
Publication of CN108713221B publication Critical patent/CN108713221B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
    • B60Q9/008—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling for anti-collision purposes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0965—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages responding to signals from another vehicle, e.g. emergency vehicle

Abstract

本公开涉及信息处理装置、信息处理方法、程序和车辆，其能够用于检测与在本车辆附近行驶的其他车辆相关的信息以及与作为其他车辆的驾驶员的其他人相关的信息，并预测汽车交通事故的发生。作为本公开第一方面的信息处理装置包括：感测单元，其感测附近的环境；接收单元，其接收用于防止与基于当前位置的预定区域相关的事故的信息；以及控制单元，其基于从接收单元接收到的用于防止事故的信息和感测单元的性能来改变感测单元感测附近的环境的参数。作为示例，本公开能够应用于汽车导航系统。

Description

信息处理装置、信息处理方法、程序和车辆
技术领域
本公开涉及信息处理装置、信息处理方法、程序和车辆，并且例如更具体地，涉及可以预测发生包括汽车在内的车辆的交通事故的信息处理装置、图像处理方法、程序和车辆。
背景技术
近年来，交通事故已成为日常生活中最致命的事故之一。在下文中，由驾驶员驾驶的汽车被称为车辆，而在车辆周围行驶的另一辆汽车被称为另一车辆。另外，其他车辆的驾驶员被称为另一个人。此外，交通事故还包括诸如汽车对汽车事故、汽车对自行车(包括脚踏车)事故以及汽车对行人事故的事故。
交通事故的因素分为人为因素和环境因素。
人为因素包括缺乏驾驶员的技能和经验、驾驶员的粗心驾驶、驾驶员的攻击性驾驶等。
环境因素包括道路状况、天气状况、来自其他车辆的影响等。
作为用于防止由人为因素引起的交通事故的措施，存在检测驾驶员在驾驶期间的生理数据、车辆的状态信息、交通信息、行驶历史信息等，基于检测到的信息估计驾驶员的客观驾驶习惯，并向驾驶员呈现估计的习惯的措施(例如，参见专利文献)。
作为用于防止由环境因素引起的交通事故的措施，存在在数据库中累积关于过去发生的交通事故的信息并且在车辆在交通事故过去频繁发生的危险区域中行驶的情况下警告驾驶员的措施(例如，参见专利文献2)。
此外，还提出了一种检测车辆与其他车辆之间的相对位置，其他车辆的运动等，预测由其他车辆引起的交通事故的发生，并警报驾驶员的装置(例如，参见专利文献3)。
引用列表
专利文件
专利文献1：日本专利申请公开No.2010-152497
专利文献2：日本专利申请公开No.2006-163973
专利文献3：日本专利申请公开No.2011-113150
发明内容
本发明要解决的问题
如上所述，存在通过检测其他车辆的运动来预测交通事故的发生的发明。然而，即使驾驶其他车辆的其他人具有如上所述的人的因素，车辆也不能检测该因素并且不能预测事故的发生。
鉴于上述情况做出了本公开，并且本公开的目的是通过检测关于在车辆周围行驶的其他车辆和作为车辆的驾驶员的另一个人的信息来预测汽车交通事故的发生。
问题的解决方案
根据本公开的第一方面的信息处理装置包括：感测单元，其感测周围环境；接收单元，其接收用于防止关于与当前位置对应的预定区域的事故的信息；以及控制单元，其基于从接收单元接收到的用于防止事故的信息和感测单元的性能改变感测单元感测周围环境所利用的参数。
用于防止事故的信息可以包括关于过去交通事故发生的条件的信息，关于在行驶时要设置的预定参数的信息或者感测单元感测周围环境所利用的预定参数。
控制单元可以基于从接收单元接收到的用于防止事故的信息通过图像或声音发出警告。
控制单元可以基于从接收单元接收到的用于防止事故的信息和感测单元的性能发出警告。
控制单元可以基于从接收单元接收到的用于防止事故的信息进行控制以通知和执行推荐的驾驶模式。
根据本公开的第一方面的信息处理装置还可以包括确定单元，该确定单元基于从接收单元收到的用于防止事故的信息确定关于可能涉及第一车辆的交通事故的警告等级，以及警告单元，其根据所确定的警告等级向第一车辆的驾驶员呈现警告。
警告单元可以根据指示是否可以执行推荐的驾驶模式的反馈信息向第一车辆的驾驶员呈现警告。
推荐的驾驶模式可以包括限制的行驶速度、灯的开/关、雨刷的开/关、除霜器的开/关、音频音量、各种传感器的启动、自动驾驶的使用(速度控制、转向控制、前方车辆跟随、自动制动等)以及行驶路线的改变。
从接收单元接收到的用于防止事故的信息可以包括交通事故的关键因素和关键因素的阈值。
确定单元可以基于收集的值超过阈值的关键因素的数量来确定关于可能涉及第一车辆的交通事故的阶梯式警告等级。
根据本公开的第一方面的信息处理装置还可以包括：获取单元，其获取关于过去发生的交通事故的信息，分析单元，其分析所获取的关于过去发生的交通事故的信息，以及累积单元，其与每个区域相关联地累积所获取的关于过去发生的交通事故的信息的分析结果。
关于过去发生的交通事故的信息可以包括日期和时间、地点、天气、道路状况、事故情况、车辆信息或驾驶员信息中的至少一个。
在不能采用过去发生的交通事故的分析结果与所感测的信息的比较结果的情况下，控制单元可以将感测单元的感测模式改变为高模式。
在可以执行推荐的驾驶模式的情况下，控制单元可以将感测单元的感测模式改变为低模式。
感测单元可以经由V2V通信从在第一车辆周围行驶的第二车辆收集关于第二车辆的信息。
根据本公开的第一方面的信息处理方法包括感测周围环境的感测步骤，接收用于防止关于与当前位置对应的预定区域的事故的信息的接收步骤，以及基于所接收的用于防止事故的信息和由信息处理装置执行的感测性能改变在感测步骤中用于感测周围环境的参数的控制步骤。
根据本公开的第一方面的程序使得计算机充当：感测单元，其感测周围环境，接收单元，其接收用于防止关于与当前位置对应的预定区域的事故的信息，以及控制单元，其基于从接收单元接收到的用于防止事故的信息和感测单元的性能改变感测单元感测周围环境所利用的参数。
在本公开的第一方面中，感测周围环境，接收用于防止与当前位置对应的预定区域中的事故的信息，并且基于所接收的用于防止事故的信息和传感性能改变用于感测周围环境的参数。
根据本公开的第二方面的用于根据驾驶员的操作行驶的车辆，所述车辆包括：信息处理单元，其预测车辆可能涉及的交通事故；以及供电单元，其向信息处理单元供电，其中信息处理单元包括感测周围环境的感测单元，接收单元，其接收用于防止关于与当前位置对应的预定区域的事故的信息，以及控制单元，其基于从接收单元接收到的用于防止事故的信息和感测单元的性能改变感测单元感测周围环境所利用的参数。
在本公开的第二方面中，感测周围环境，接收用于防止与当前位置对应的预定区域中的事故的信息，并且基于所接收的用于防止事故的信息和感测性能改变用于感测周围环境的参数。
发明效果
根据本公开的第一和第二方面，可以通过检测关于在车辆周围行驶的其他车辆和作为另一车辆的驾驶员的另一个人的信息来预测汽车交通事故的发生。
附图说明
图1是包括应用本公开的车辆的系统的示例性配置的图。
图2是应用本公开的信息处理装置的示例性配置的框图。
图3是包括在车辆中的各种传感器与可由传感器检测的信息之间的对应关系的示例的图。
图4是用于检测实时车辆信息和驾驶员信息的传感器之间的对应关系的示例的图。
图5是过去事故信息的示例的图。
图6是过去事故信息的因素的图。
图7是关键因素的阈值的示例的图。
图8是关键因素和推荐的驾驶模式之间的关系的示例的图。
图9是实时数据的组合的示例的图。
图10是反馈信息的示例的图。
图11是感测模式的差异的图。
图12是实时数据的组合的示例的图。
图13是描述信息累积处理的流程图。
图14是描述事故预测处理的流程图。
图15是一般导航画面的示例性显示的视图。
图16是指示车辆已进入危险区域的示例性警告显示的视图。
图17是高级警告显示的示例的图。
图18是中级警告显示的示例的图。
图19是用于通知执行推荐的驾驶模式的示例性画面显示的图。
图20是用于通知执行推荐的驾驶模式的示例性画面显示的图。
图21是通用计算机的示例性配置的框图。
具体实施方式
在下文中，将参考附图详细描述用于执行本公开的最佳模式(以下称为实施例)。
<包括应用本公开的车辆的系统的示例性配置>
图1示出了包括应用本公开的车辆的系统的示例性配置。
由汽车代表的车辆10经由诸如LTE通信和WiMAX的无线通信网络(包括通信基站11)将指示车辆状态的信息(下面称为“车辆信息”)发送到云服务器12。此外，车辆10获取在云服务器12中累积的关于预定大小的每个区域中的过去交通事故的信息(下面称为过去事故信息)以及在预定大小的每个区域中没有发生交通事故的时间信息(以下称为“安全驾驶信息”)。此外，车辆10从云服务器12获取诸如关于道路状况的信息和关于天气的信息的实时信息。
另外，车辆10(例如，车辆10-0)通过与在车辆10周围行驶的其他车辆10(例如，车辆10-1)的车辆-车辆(V2V)通信实时地发送驾驶员信息和车辆信息。另外，在预测交通事故的发生的情况下，车辆10实时通知其他车辆10。
此外，车辆10可以通过V2V通信与其他车辆共享从云服务器12获取的各种信息。
<安装在车辆10中的信息处理装置的示例性配置>
图2示出了安装在车辆10中的信息处理装置的示例性配置。
信息处理装置20在交通事故中可能涉及安装有信息处理装置20的车辆10的情况下发出阶梯式警告，并执行事故预测处理和作为事故预测处理的准备预先执行的信息累积处理(两个处理将在后面描述)。
信息处理装置20包括数据分析更新单元21、实时数据收集控制单元25、传感器单元26、通信单元27、系统控制单元28和警告单元29。
数据分析更新单元21包括过去数据收集单元22、数据分析单元23和数据库24。
过去数据收集单元22例如从云服务器12获取过去事故信息和安全驾驶信息，并将该信息提供给数据分析单元23。
过去事故信息包括关于过去发生的交通事故的日期、地点、天气、道路状况、事故情况、车辆信息以及驾驶员信息。
天气包括例如诸如晴天、阴天、下雨、下雪、雾、强风、温度、湿度、大气压力和亮度的分类。例如，道路状况包括道路类型(诸如一般道路、高速公路、山路、农场道路和高架道路)、道路的形状(诸如直线、曲线、T形道路)、路面材料、道路宽度、坡度、平面度和曲线曲率。
例如，事故情况包括死亡人数、严重受伤人数、轻微受伤人数、车辆等受损状态以及涉及的车辆数。车辆信息包括例如制造商、车辆类型、车型年份、大小、重量、制造日期、累积行驶距离、行驶速度、容量、载荷、胎压、灯、雨刷、除霜器的操作条件等。
驾驶员信息包括例如年龄、性别、身高、体重、视敏度、脉搏率、心率、血压、呼吸率、眨眼和打哈欠的次数、性格、病史、用药史、驾驶执照类型、驾驶历史、交通事故历史、交通违章历史和犯罪记录。
安全驾驶信息包括在每个区域中没有发生事故时的天气、道路状况、车辆信息和驾驶员信息。
数据分析单元23在信息累积处理中分析从过去数据收集单元22提供的过去事故信息，并确定在预定大小的每个区域中发生的交通事故的主要因素(关键因素)和阈值。
此外，在信息累积处理中，数据分析单元23基于所确定的交通事故的关键因素、阈值和从过去数据收集单元22提供的安全驾驶信息确定针对具有预定大小的每个区域的推荐的驾驶模式(包括限制的行驶速度、灯的开/关、雨刷的开/关、除霜器的开/关、音频音量、各种传感器的启动、自动驾驶的使用(包括速度控制、转向控制、前方车辆跟随、自动制动等)、行驶路线的改变等)。
注意，通过数据分析单元23的信息累积处理可以以预定周期(例如，每天一次、每周一次或每月一次)执行。
此外，云服务器12可以代替数据分析单元23分析过去事故信息和安全驾驶信息。
在事故预测处理中，数据分析单元23通过分析从传感器单元26供应的车辆的实时车辆信息和驾驶员信息以及从通信单元27提供的其他车辆的车辆信息和驾驶员信息来预测交通事故的发生。具体地，基于交通事故的一个或多个关键因素和与其对应的阈值α之间的比较结果来确定警告等级。然后，数据分析单元23向警告单元29通知所确定的警告等级并向系统控制单元28通知推荐的驾驶模式。
要通知给警告单元29的警告等级被分成例如三级。如果大大超过阈值的关键因素的数量k等于或大于零并且小于第一阈值n，则警告等级被设置为低等级。如果大大超过阈值的关键因素的数量k等于或大于第一阈值n并且小于大于第一阈值的第二阈值m，则警告等级被设置为中等级。如果大大超过阈值的关键因素的数量k等于或大于第二阈值m，则警告等级被设置为高等级。
0≤k<n 低等级
n≤k<m 中等级
m≤k 高等级
然而，在将驾驶历史作为关键因素与阈值进行比较的情况下，值的大小关系与上述情况的大小关系相反。即，在将作为关键因素的降水量与阈值α进行比较的情况下，比较降水量是否远大于阈值α。另一方面，在将作为关键因素的驾驶历史与阈值α进行比较的情况下，比较驾驶历史是否远小于阈值α。
另外，在事故预测处理中，数据分析单元23基于来自被通知推荐的驾驶模式的系统控制单元28的反馈信息向实时数据收集控制单元25通知感测模式(低模式(节能模式)、正常模式或高模式)。
在每个感测模式中，感测周期(频率)、范围、分辨率、灵敏度等是不同的。在低模式(节能模式)下，将感测周期设置得更长，将范围设置得更窄，将分辨率设置得更低，并且将灵敏度设置为低于正常模式中的灵敏度。利用该设置，可以减少诸如感测所需的电力之类的资源消耗。
相反，在高模式中，感测周期被设置得更短，范围被设置得更宽，分辨率被设置得更高，并且灵敏度被设置为高于正常模式中的灵敏度。利用该设置，在感测所需的资源消耗增加的同时，能够获取对预测交通事故有用的感测数据。
在数据库24中，每次累积和更新数据分析单元23的分析结果，即每个区域的交通事故的关键因素、关键因素的阈值和推荐的驾驶模式。
此外，在数据库24中，累积危险区域(频繁发生事故的区域)的位置信息和非实时信息的车辆驾驶员信息(例如，年龄、性别、身高、体重、视敏度、病史、驾驶历史、交通事故历史、交通违章历史等)。
实时数据收集控制单元25指定要相对于传感器单元26感测的数据的类型，并且基于经由数据分析单元23从数据库24通知的危险区域的关键因素来设置感测模式。然后，实时数据收集控制单元25使传感器单元26获取实时车辆信息(例如，行驶速度、负载、胎压、以及灯、雨刷和除霜器的操作条件)和驾驶员信息(瞳孔开度、脉搏率、心率、血压、呼吸率、眨眼和打哈欠的次数等)。另外，实时数据收集控制单元25控制通信单元27以获取其他车辆的车辆信息和驾驶员信息。
传感器单元26根据设定的感测模式控制车辆10中包括的各种传感器，并获取由实时数据收集控制单元25指定的实时车辆信息和实时驾驶员信息，并将信息提供给数据分析单元23。
图3示出了车辆10中包括的各种传感器与由传感器获得的信息之间的对应关系。
图4示出了实时车辆信息和实时驾驶员信息与用于检测这些信息的各种传感器之间的对应关系的示例。
例如，可以通过GPS传感器获取作为一般信息的车辆10的位置和数据。可以通过例如瞳孔/虹膜检测传感器、五感传感器、生命传感器、声音识别传感器等来收集驾驶员信息。可以通过对应的传感器获取车辆信息、道路状况和外部空气条件。
通信单元27通过与其他车辆的V2V通信或无线通信网络获取其他车辆的车辆信息和驾驶员信息，并将该信息提供给数据分析单元23。
关于从数据分析单元23通知的推荐的驾驶模式的执行，系统控制单元28确认是否执行推荐的驾驶模式作为对安装在车辆10中的车辆控制单元10a的请求(确定是否包括所需功能，以及在包括功能的情况下是否可以启动功能)并将确认结果(反馈信息)反馈给数据分析单元23。
警告单元29通过根据从数据分析单元23通知的三级警告等级(低等级、中等级或高等级)改变周期、音量、GUI显示方法等来发出警告以吸引驾驶员的注意力。
例如，在警告等级为高等级的情况下，以短周期发出警告，直到警告等级降低到至少中等级。在警告等级是中等级的情况下，警告至少发出一次。在警告等级为低等级的情况下，不发出警告。但是，在警告等级为低等级的情况下可以发出警告。
<通过数据分析单元23确定交通事故的关键因素和阈值>
接下来，将描述在数据分析单元23的信息累积处理中的交通事故的关键因素和关键因素的阈值的指定方法。
数据分析单元23基于从过去数据收集单元22提供的过去事故信息，计算表示由下面的公式(1)定义的交通事故的严重性k的事故系数Ck。
[数学公式1]
Ck＝N车辆*C车辆+N死亡*C死亡+∑i＝0,1N(受伤，i)*C(受伤，i) (1)
这里，N车辆是表示通过事故损坏的车辆数的值。
C车辆是要乘以N车辆的系数，并设置为0.1。
N死亡是表示死于事故的人数的值。
C死亡是要乘以N死亡的系数，并设置为0.5。
N(受伤，0)是表示受轻伤人数的值。
N(受伤，1)是表示严重受伤人数的值。
C(受伤，0)是要乘以N(受伤，0)的系数，并设置为0.1。
C(受伤，1)是要乘以N(受伤，1)的系数，并设置为0.2。
注意，每个系数的值仅是示例，并且可以是其他值。此外，事故系数Ck可以通过使用除了公式(1)之外的公式来计算。
接下来，数据分析单元23计算由下面的公式(2)定义的受影响交通事故的事故系数Ck之和，作为表示每个因素Fi(例如，驾驶员的健康状况、驾驶员的驾驶历史、车辆状态、道路坡度、下雨、雾、下雪、夜晚等)相对于在某一区域发生的多个交通事故的影响程度的因素系数CFi。
[数学公式2]
Figure BDA0001792439310000111
另外，从因素Fi中，数据分析单元23指定对应的因素系数CFi超过预定阈值θ的一个或多个因素Fi，并将指定的因素Fi确定为该区域中的交通事故的关键因素，并定义所确定的关键因素中的每个的阈值α。这里，可以基于与每个因素Fi对应的因素系数CFi来确定阈值θ。此外，数据分析单元23确定每个关键因素的阈值α。
<关键因素的确定的具体例子>
图5示出了对应于在某个区域中发生的五个交通事故的过去事故信息的示例。图6示出了所列因素是否影响五次交通事故。
例如，在与具有事故ID1的交通事故相对应的过去事故信息中，受损车辆数为1，死亡人数为零，轻微受伤人数为1，严重受伤人数为零。因此，根据公式(1)如下计算事故系数C1。这同样适用于由事故ID2至事故ID5所代表的交通事故的事故系数C2至C5。
C1＝1×0.1+0×0.5+1×0.1+0×0.2＝0.2
C2＝2×0.1+0×0.5+3×0.1+0×0.2＝0.5
C3＝2×0.1+1×0.5+1×0.1+1×0.2＝1.0
C4＝4×0.1+2×0.5+0×0.1+2×0.2＝1.8
C5＝1×0.1+1×0.5+0×0.1+4×0.2＝1.4
接下来，根据公式(2)计算图6中列出的六种关键因素中的每一种的因素系数CFi。例如，仅在具有事故ID2的交通事故中，驾驶员的健康状况被认为是影响交通事故的因素。因此，对应于因素F驾驶员状态不好的因素系数C驾驶员状态不好如下。这同样适用于其他因素。
C驾驶员状态不好＝C2＝0.5
C缺乏经验＝C1+C3+C4＝3.0
C车辆状态不好＝C2+C3＝1.5
C道路坡度＝C1+C3+C4＝3.0
C下雨＝C1+C2+C3+C4＝3.5
C雾＝C5＝1.4
C下雪＝0
C夜晚＝C2+C4＝2.3
这里，如果相对于因素系数CFi的阈值θ被定义为2.5，则因素系数CFi超过2.5的因素，即F缺乏经验(驾驶员的驾驶历史)、F道路坡度(道路坡度)和F下雨(下雨)被确定为关键因素。
图7示出了关键因素的阈值α的示例。例如，对于作为关键因素的F下雨(下雨)，将降水量(图7的情况下为110mm/h)定义为阈值α。对于作为关键因素的F道路坡度(道路坡度)，倾斜角度(在图7的情况下为40度)被定义为阈值α。对于作为关键因素的F缺乏经验(驾驶员的驾驶历史)，将月数(在图7的情况下为六个月)定义为阈值α。
<交通事故关键因素与推荐的驾驶模式之间的关系>
接下来，图8示出了关键因素和推荐的驾驶模式之间的关系的示例。
基于交通事故的关键因素和安全驾驶信息确定某一区域中的推荐的驾驶模式的参数。例如，在下雨和疏忽驾驶被确定为某一区域中的汽车对汽车交通事故的关键因素的情况下，毫米波雷达、雨刷传感器和驾驶员监测器的启动以及以等于或慢于每小时30公里的速度的自动驾驶被确定为推荐的驾驶模式的内容。
另外，例如，在夜晚驾驶和超速被确定为某一区域中的汽车对自行车交通事故的关键因素的情况下，毫米波雷达、速度传感器和驾驶员监测器的启动以及以等于或慢于每小时60公里的速度的自动驾驶被确定为推荐的驾驶模式的内容。
此外，例如，在疏忽驾驶被确定为某一区域中的汽车对行人交通事故的关键因素的情况下，红外雷达、人车通信以及车载前置摄像头的启动以及以等于或慢于每小时30公里的速度的手动驾驶被确定为推荐的驾驶模式的内容。
<请求执行推荐的驾驶模式的情况下的具体示例>
接下来，将描述在请求执行推荐的驾驶模式的情况下的具体示例。在某一区域中的交通事故的一个或多个关键因素的参数大大超过阈值的情况下，请求车辆10执行推荐的驾驶模式。
在以下描述中，某一区域中的交通事故的关键因素和阈值如图7所示。
图9示出了通过实时数据收集控制单元25控制传感器单元26而获取的实时数据的组合(参数集)的示例，其中从数据分析单元23向实时数据收集控制单元25通知当前区域的关键因素。
在实时数据的第一组合(参数集ID＝1)的情况下，降水量为0mm/h，道路坡度为10度，并且驾驶员的驾驶历史为60个月。在这种情况下，由于三个关键因素的所有参数明显低于阈值，因此不请求执行推荐的驾驶模式。
在实时数据的第二组合(参数集ID＝2)的情况下，降水量为108mm/h，道路坡度为41度，并且驾驶员的驾驶历史为六个月。在这种情况下，由于三个关键因素的参数接近阈值并且不能确定参数大大超过阈值，因此此时暂停执行推荐的驾驶模式的请求。然后，将感测模式设置为高模式，并再次感测实时数据。
在实时数据的第三组合(参数集ID＝3)的情况下，降水量为150mm/h，道路坡度为60度，并且驾驶员的驾驶历史为两个月。在这种情况下，由于三个关键因素的参数大大超过相应的阈值，因此请求执行推荐的驾驶模式，例如包括限制行驶速度和使用雨刷。
在实时数据的第四组合(参数集ID＝4)的情况下，降水量为150mm/h，道路坡度为60度，并且驾驶员的驾驶历史为12个月。在这种情况下，由于两个关键因素(降水量和道路坡度)的参数大大超过相应的阈值，因此请求执行推荐的驾驶模式，例如包括限制行驶速度和使用雨刷。
在实时数据的第五组合(参数集ID＝5)的情况下，降水量为150mm/h，道路坡度为30度，并且驾驶员的驾驶历史为12个月。在这种情况下，由于一种关键因素(降水量)的参数大大超过阈值，因此请求执行推荐的驾驶模式，例如包括限制行驶速度和使用雨刷。
<关于指示是否执行推荐的驾驶模式的反馈>
图10示出了当系统控制单元28请求车辆控制单元10a执行推荐的驾驶模式(例如，包括限制行驶速度和使用雨刷)，确认是否可以执行推荐的驾驶模式，并将确认结果反馈给数据分析单元23时的反馈信息的示例。
在第一示例(需要的车辆系统设置(Needed Vehicle System Set)＝1)中，除了可以自动调节速度并且可以启动雨刷之外，还通知驾驶员的驾驶历史为18个月的信息作为反馈信息。由于在这种情况下可以执行推荐的驾驶模式，此后，感测模式变为低模式。
在第二示例(需要的车辆系统设置＝2)中，除了可以自动调节速度并且可以启动雨刷之外，还通知驾驶员的驾驶历史为两个月的信息作为反馈信息。由于在这种情况下也可以执行推荐的驾驶模式，此后，感测模式变为低模式。
在第三示例(需要的车辆系统设置＝1)中，除了可以自动调节速度并且不能启动雨刷之外，还通知驾驶员的驾驶历史为两个月的信息作为反馈信息。在这种情况下，尽管可以执行推荐的驾驶模式中的速度限制，但是不能使用雨刷。因此，此后感测模式不会从正常模式(或高模式)改变。
在第四示例(需要的车辆系统设置＝1)中，除了可以自动调节速度并且不能启动雨刷之外，还通知驾驶员的驾驶历史为两个月的信息作为反馈信息。在这种情况下，由于不能执行推荐的驾驶模式，因此此后感测模式不会从正常模式(或高模式)改变。
<感测模式下正常模式和低模式之间差异的具体示例>
接下来，图11示出了在感测模式的正常模式和低模式下的频率、范围、分辨率和灵敏度的差异。如图11所示，通过改变感测模式的正常模式和低模式之间的频率等，可以在低模式下实现节能。
<警告等级的确定的具体示例>
接下来，将描述警告等级的确定的具体示例。在以下描述中，某一区域中的交通事故的关键因素和阈值如图7所示。此外，要与大大超过阈值α的关键因素的数量k进行比较的第一阈值n被定义为1，并且第二阈值m被定义为2。
图12示出了通过实时数据收集控制单元25控制传感器单元26而获取的实时数据的组合(参数集)的示例，其中从数据分析单元23向实时数据收集控制单元25通知当前区域的关键因素。
在实时数据的第一组合(场景ID＝1)的情况下，降水量为108mm/h，道路坡度为60度，并且驾驶员的驾驶历史为两个月。在这种情况下，由于超过阈值的关键因素(道路坡度和行驶历史)的数量k表示为k＝2并且满足第二阈值m≤k。因此，警告等级被确定为高等级。
在实时数据的第二组合(场景ID＝2)的情况下，降水量为108mm/h，道路坡度为43度，并且驾驶员的驾驶历史为12个月。在这种情况下，尽管关键因素的参数接近阈值，但参数不会大大超过阈值。因此，暂停警告等级的确定，将感测模式设置为高模式，并再次感测实时数据。
在实时数据的第三组合(场景ID＝3)的情况下，降水量为150mm/h，道路坡度为55度，并且驾驶员的驾驶历史为三个月。在这种情况下，由于超过阈值的关键因素(道路坡度、降水量和行驶历史)的数量k被表示为k＝3并且满足第二阈值m≤k。因此，警告等级被确定为高等级。
在实时数据的第四组合(场景ID＝4)的情况下，降水量为0mm/h，道路坡度为20度，并且驾驶员的驾驶历史为一个月。在这种情况下，由于超过阈值的关键因素(驾驶历史)的数量k表示为k＝1并且满足第一阈值n≤k<第二阈值m。因此，警告等级被确定为中等级。
在实时数据的第五组合(场景ID＝2)的情况下，降水量为0mm/h，道路坡度为10度，并且驾驶员的驾驶历史为60个月。在这种情况下，由于超过阈值的关键因素(驾驶历史)的数量k被表示为k＝0并且满足0≤k<第一阈值n。因此，警告等级被确定为中等级。
<信息处理装置20的操作>
接下来，将描述信息处理装置20的操作。
图13是描述通过信息处理装置20的信息累积处理的流程图。
在步骤S1中，例如，过去数据收集单元22从云服务器12获取过去事故信息和安全驾驶信息，并将该信息提供给数据分析单元23。在步骤S2中，数据分析单元23分析在信息累积处理中从过去数据收集单元22提供的过去事故信息。具体地，确定在每个区域中发生的交通事故的主要因素(关键因素)及其阈值。此外，基于所确定的交通事故的关键因素、阈值和从过去数据收集单元22提供的安全驾驶信息，确定针对每个区域的推荐的驾驶模式。
在步骤S3中，数据分析单元23将分析结果输出到数据库24。数据库24与区域的位置信息相关联地累积从数据分析单元23输入的分析结果，即针对每个区域的交通事故的关键因素、阈值、以及推荐的驾驶模式。然后，终止信息累积处理。以预定周期重复信息累积处理。
接下来，图14是描述通过信息处理装置20的事故预测处理的流程图。
响应于安装有信息处理装置20的车辆10的启动(例如，打开点火按钮)，开始事故预测处理。
在步骤S11中，确定车辆10是否进入危险区域(频繁发生事故的区域)，并且处理等待直到车辆10进入危险区域。在等待时段期间，警告单元29在车辆10的显示器上显示一般信息(日期、区域、天气等)和导航画面(与从当前位置到目的地的路线重叠的地图)，例如，如图15所示。
此后，在车辆10已进入危险区域的情况下，处理行进到步骤S12。注意，当确定车辆10将很快进入危险区域时，处理可以进行到步骤S12。
在步骤S12中，警告单元29在车辆10的显示器上以多次(例如，一次或两次)显示诸如如图16所示的“注意。该区域频繁发生事故！”的警告显示，并输出类似的警告声音。
在步骤S13中，数据库24向数据分析单元23通知与危险区域相对应的推荐的驾驶模式、汽车交通事故的关键因素、以及阈值。数据分析单元23向实时数据收集控制单元25通知所通知的关键因素，并向系统控制单元28通知推荐的驾驶模式。
在步骤S14中，实时数据收集控制单元25基于所通知的危险区域的关键因素来使传感器单元26获取与关键因素相对应的实时车辆信息和实时驾驶员信息。注意，对传感器单元26的感测模式的初始设置是正常模式。此外，实时数据收集控制单元25，此外，实时数据收集控制单元25基于所通知的危险区域的关键因素来控制通信单元27获取其他车辆的车辆信息和驾驶员信息。
由传感器单元26获取的车辆的车辆信息和驾驶员信息以及由通信单元27获取的其他车辆的车辆信息和驾驶员信息(下面统称为“感测数据”)被提供给数据分析单元23。
在步骤S15中，数据分析单元23将所提供的与危险区域的关键因素相对应的感测数据与阈值α进行比较。在步骤S16中，数据分析单元23确定是否可以采用步骤S15中的比较结果。具体地，在感测模式被设置为正常模式的状态下获取的感测数据的值接近对应的阈值α的情况下，确定不能采用比较结果。相反，在感测模式被设置为正常模式的状态下获取的感测数据的值与对应的阈值α充分分离的情况下，确定可以采用比较结果。此外，在感测模式被设置为高模式的状态下获取感测数据的值的情况下，确定可以采用比较结果。
在步骤S16中确定不能采用步骤S15中的比较结果的情况下，处理行进到步骤S17。
在步骤S17中，数据分析单元23通知实时数据收集控制单元25不能采用步骤S15中的比较结果。根据该通知，实时数据收集控制单元25将传感器单元26的感测模式设置为高模式。此后，再次执行步骤S14至S16中的处理。
在步骤S16中确定可以采用步骤S15中的比较结果的情况下，处理行进到步骤S18。
在步骤S18中，数据分析单元23基于步骤S15中的比较结果确定警告等级，并确定警告等级是中等级还是高等级。在警告等级不是中等级或高等级的情况下，即，在警告等级是低等级的情况下，处理返回到步骤S11并且等待直到车辆10进入下一危险区域。
相反，在警告等级是中等级或高等级的情况下，数据分析单元23向传感器单元27、系统控制单元28和警告单元29通知警告等级(中等级或高等级)。此后，处理行进到步骤S19。
在步骤S19中，警告单元29向驾驶员呈现根据通知的警告等级和关键因素的警告。
具体地，在警告等级为高等级的情况下，在车辆10的显示器上连续显示诸如如图17所示的“初学者需要小心。推荐了新路线！”，以及“请小心急弯。请减速(未示出)”的警告显示，输出类似的警告声音。此外，在导航画面上显示新路线。
此外，在警告等级为中等级的情况下，以多次在车辆10的显示器上显示诸如如图18所示的“请小心雾。请使用雾灯！”的警告显示，并输出类似的警告声音。此外，在导航画面上显示新路线。
在步骤S20中，通信单元27向其他车辆通知车辆的警告等级。
在步骤S21中，响应于来自数据分析单元23的警告等级的通知，系统控制单元28请求车辆控制单元10a执行在步骤S13中通知的推荐的驾驶模式。响应于该请求，车辆控制单元10a向系统控制单元28通知指示是否可以执行推荐的驾驶模式的反馈信息，并且在可以执行推荐的驾驶模式的情况(包括可以部分执行推荐的驾驶模式的情况)下开始执行推荐的驾驶模式。
在步骤S22中，系统控制单元28获取从车辆控制单元10a通知的反馈信息，并向数据分析单元23通知该信息。
此后，在步骤S23中等待预定时间(例如，几秒到几十秒)之后，处理行进到步骤S24。
在步骤S24中，数据分析单元23基于从系统控制单元28通知的反馈信息确定是否可以执行推荐的驾驶模式。在确定可以执行推荐的驾驶模式的情况下，处理行进到步骤S25。在步骤S25中，数据分析单元23向实时数据收集控制单元25通知可以执行推荐的驾驶模式。根据该通知，实时数据收集控制单元25将传感器单元26的感测模式设置为低模式。
在步骤S26中，数据分析单元23向警告单元29通知可以执行推荐的驾驶模式。响应于该通知，警告单元29向驾驶员呈现推荐的驾驶模式被执行的警告画面。在警告画面中，例如，可以向驾驶员敦促预定操作，诸如如图19所示的“请使用雨刷”。或者，作为执行预定操作(在这种情况下启动雨刷器)而不是敦促驾驶员，警告单元29可以通过诸如如图20所示的“根据推荐的驾驶模式移动雨刷”的通知来通知预定操作被执行而不是敦促驾驶员。此后，处理返回到步骤S14，并重复后续处理。
顺便提及，除了图19和图20中所示的示例之外，作为要呈现给驾驶员的指示执行推荐的驾驶模式的消息，例如，可以使用以下示例。
“将行驶速度设定为40km/h作为推荐的行驶模式，”
“将电机行驶切换为发动机行驶作为推荐的驾驶模式，”
“将感测模式从前向感测模式切换为全向感测模式作为推荐的驾驶模式”
“打开前照灯作为推荐的驾驶模式”
“将手动驾驶切换为自动驾驶作为推荐的驾驶模式。如果准备就绪，请按OK按钮”等
另一方面，在步骤S24中确定不能执行推荐的驾驶模式的情况下，处理行进到步骤S27。在步骤S27中，数据分析单元23向实时数据收集控制单元25和警告单元29通知不能执行推荐的驾驶模式。根据该通知，实时数据收集控制单元25将传感器单元26的感测模式设置为正常模式。警告单元29通过诸如“不能执行推荐的驾驶模式。请小心驾驶”的警告显示向驾驶员呈现不能执行推荐的驾驶模式。注意，在感测模式已经是正常模式的情况下，可以省略传感器单元26的感测模式的设置。此后，处理返回到步骤S14，并且重复后续处理。
根据上述事故预测处理，不仅基于车辆和车辆的驾驶员的信息，而且还基于其他车辆和其他车辆的驾驶员的信息，可以获得对涉及车辆的车辆交通事故的预测，更具体地，可以获得阶梯式警告等级的发布。
注意，在以上描述中，警告等级包括三个等级。但是，等级的数量可以是一个、两个、或三个或更多个。
<通过程序实现信息处理装置20的情况>
用于执行一系列处理的信息处理装置20可以用硬件和软件实现。在通过软件执行一系列处理的情况下，将包括在软件中的程序安装在计算机中。这里，计算机包括结合在专用硬件中的计算机以及例如可以通过安装各种程序来执行各种功能的通用个人计算机。
图21是用于通过程序执行上述一系列处理的计算机的硬件的示例性配置的框图。
在计算机200中，中央处理单元(CPU)201、只读存储器(ROM)202和随机存取存储器(RAM)203通过总线204彼此连接。
另外，输入/输出接口205连接到总线204。输入单元206、输出单元207、存储单元208、通信单元209和驱动器210连接到输入/输出接口205。
输入单元206包括键盘、鼠标、麦克风等。输出单元207包括显示器、扬声器等。存储单元208包括硬盘、非易失性存储器等。通信单元209包括网络接口等。驱动器210驱动可移除介质211，诸如磁盘、光盘、光磁盘或半导体存储器。
在如上配置的计算机200中，CPU 201经由输入/输出接口205和总线204将例如存储在存储单元208中的程序加载到RAM 203并执行程序以使得上述系列处理被执行。
例如，计算机(CPU 201)执行的程序可以通过将其作为封装介质等记录到可移除介质211来提供。此外，可以经由有线或诸如局域网、因特网和数字卫星广播的无线传输介质来提供程序。
在计算机200中，通过将可移除介质211安装在驱动器210中，可以经由输入/输出接口205将程序安装到存储单元208。此外，程序可以由通信单元209经由有线或无线传输介质接收，并安装到存储单元208。另外，程序可以预先安装到ROM 202和存储单元208。
注意，由计算机200执行的程序可以是其中以时间序列方式沿着这里描述的顺序执行处理的程序和其中并行地或在必要的时刻(例如，当已经执行调用时)执行处理的程序。
本公开的实施例不限于上述实施例，并且可以在不脱离本公开的范围的情况下进行各种改变。
本公开可以具有以下配置。
(1)一种信息处理装置，包括：
感测单元，被配置为感测周围环境；
接收单元，被配置为接收用于防止关于与当前位置对应的预定区域的事故的信息；以及
控制单元，被配置为基于从接收单元接收到的用于防止事故的信息和感测单元的性能改变感测单元感测周围环境所利用的参数。
(2)根据(1)所述的信息处理装置，其中
用于防止事故的信息包括关于过去的交通事故发生的条件的信息、关于在行驶时设置的预定参数的信息或者感测单元感测周围环境所利用的预定参数。
(3)根据(1)或(2)所述的信息处理装置，其中
控制单元基于从接收单元接收到的用于防止事故的信息，通过图像或声音发出警告。
(4)根据(1)至(3)中任一项所述的信息处理装置，其中
控制单元基于从接收单元接收到的用于防止事故的信息和感测单元的性能发出警告。
(5)根据(1)至(4)中任一项所述的信息处理装置，其中
控制单元基于从接收单元接收到的用于防止事故的信息进行控制以通知和执行推荐的驾驶模式。
(6)根据(1)至(5)中任一项所述的信息处理装置，还包括：
确定单元，被配置为基于从接收单元接收到的用于防止事故的信息确定关于可能涉及第一车辆的交通事故的警告等级；以及
警告单元，被配置为根据所确定的警告等级向第一车辆的驾驶员呈现警告。
(7)根据(6)所述的信息处理装置，其中
警告单元根据指示是否能够执行推荐的驾驶模式的反馈信息向第一车辆的驾驶员呈现警告。
(8)根据(7)所述的信息处理装置，其中
推荐的驾驶模式包括限制的行驶速度、灯的开/关、雨刷的开/关、除霜器的开/关、音频音量、各种传感器的启动、自动驾驶的使用(速度控制、转向控制、前方车辆跟随、自动制动等)以及行驶路线的改变中的至少一个。
(9)根据(1)至(8)中任一项所述的信息处理装置，其中
从接收单元接收到的用于防止事故的信息包括交通事故的关键因素和关键因素的阈值。
(10)根据(6)所述的信息处理装置，其中
确定单元基于所收集的值超过阈值的关键因素的数量来确定关于可能涉及第一车辆的交通事故的阶梯式警告等级。
(11)根据(1)至(10)中任一项所述的信息处理装置，还包括：
获取单元，被配置为获取关于过去发生的交通事故的信息；
分析单元，被配置为分析所获取的关于过去发生的交通事故的信息；
累积单元，被配置为与每个区域相关联地累积所获取的关于过去发生的交通事故的信息的分析结果。
(12)根据(11)所述的信息处理装置，其中
关于在过去发生的交通事故的信息包括日期和时间、地点、天气、道路状况、事故情况、车辆信息或驾驶员信息中的至少一个。
(13)根据(1)至(12)中任一项所述的信息处理装置，其中
控制单元在不能采用过去发生的交通事故的分析结果与所感测的信息的比较结果的情况下，将感测单元的感测模式改变为高模式。
(14)根据(1)至(13)中任一项所述的信息处理装置，其中
控制单元在可以执行推荐的驾驶模式的情况下，将感测单元的感测模式改变为低模式。
(15)根据(1)至(14)中任一项所述的信息处理装置，其中
感测单元通过V2V通信从在第一车辆周围行驶的第二车辆收集关于所述第二车辆的信息。
(16)根据(1)至(15)中任一项所述的信息处理装置，其中
驾驶员信息包括年龄、性别、身高、体重、视敏度、脉搏率、心率、血压、呼吸率、眨眼和打哈欠的次数、性格、病史、用药史、驾驶执照类型、驾驶历史、交通事故历史、交通违章历史或犯罪记录中的至少一个。
(17)根据(1)至(16)中任一项所述的信息处理装置，其中
车辆信息包括制造商、车辆类型、车型年份、大小、重量、制造日期、累积行驶距离、行驶速度、容量、载荷、胎压、灯的操作条件、雨刷的操作条件或除霜器的操作条件中的至少一个。
(18)一种信息处理方法，包括：
感测步骤，感测周围环境；
接收步骤，接收用于防止关于与当前位置对应的预定区域的事故的信息；以及
控制步骤，基于接收到的用于防止事故的信息和感测的性能改变用于在感测步骤中感测周围环境的参数，
这些步骤由信息处理装置执行。
(19)一种使计算机充当如下单元的程序：
感测单元，被配置为感测周围环境；
接收单元，被配置为接收用于防止关于与当前位置对应的预定区域的事故的信息；以及
控制单元，被配置为基于从接收单元接收到的用于防止事故的信息和感测单元的性能改变感测单元感测周围环境所利用的参数。
(20)一种用于根据驾驶员的操作行驶的车辆，所述车辆包括：
信息处理单元，被配置为预测车辆可能涉及的交通事故；以及
电源单元，被配置为向信息处理单元供电，其中
信息处理单元包括：
感测单元，被配置为感测周围环境；
接收单元，被配置为接收用于防止关于与当前位置对应的预定区域的事故的信息；以及
控制单元，被配置为基于从接收单元接收到的用于防止事故的信息和感测单元的性能改变感测单元感测周围环境所利用的参数。
附图标记列表
10 车辆
10a 车辆控制单元
11 通信基站
12 云服务器
20 信息处理装置
21 数据分析单元
22 过去数据收集单元
23 数据分析单元
24 数据库
25 实时数据采集控制单元
26 传感器单元
27 通信单元
28 系统控制单元
29 警告装置
200 计算机
201 CPU

Claims (16)

1.一种信息处理装置，包括：
至少一个传感器，被配置为感测周围环境并且获取实时数据；
中央处理单元CPU，被配置为：
基于预定区域的位置接收关于预定区域的信息，其中关于预定区域的信息包括在预定区域中过去的交通事故发生的条件的信息；
基于接收到的信息确定过去的交通事故的多个关键因素和与该多个关键因素相关联的多个阈值，其中实时数据对应于过去的交通事故的多个关键因素；
将多个关键因素中每个的关键因素值与多个阈值中的对应阈值进行比较；
确定关键因素值超过对应阈值的关键因素的计数；
基于所确定的关键因素的计数执行推荐的驾驶模式；以及
基于推荐的驾驶模式改变与所述至少一个传感器相关联的参数，其中所述至少一个传感器还被配置为基于所改变的参数感测周围环境。
2.根据权利要求1所述的信息处理装置，其中
关于预定区域的信息还包括关于在包括该预定区域的路线上行驶时设置的预定参数的信息。
3.根据权利要求1所述的信息处理装置，其中
CPU还被配置为基于关于预定区域的信息发出警告，并且
该警告包括图像或声音。
4.根据权利要求3所述的信息处理装置，其中
CPU还被配置为基于所述至少一个传感器的性能发出警告。
5.根据权利要求1所述的信息处理装置，其中CPU还被配置为：
基于关于预定区域的信息确定关于交通事故的警告等级，其中交通事故与第一车辆相关联；以及
基于所确定的警告等级向第一车辆的驾驶员呈现警告。
6.根据权利要求5所述的信息处理装置，其中
CPU还被配置为基于反馈信息向第一车辆的驾驶员呈现警告，并且
该反馈信息指示关于执行推荐的驾驶模式的信息。
7.根据权利要求1所述的信息处理装置，其中
推荐的驾驶模式包括限制的行驶速度、灯的开/关、雨刷的开/关、除霜器的开/关、音频音量、各种传感器的启动、自动驾驶的使用以及行驶路线的改变中的至少一个，并且
自动驾驶至少包括速度控制功能、转向控制功能、前方车辆跟随功能和自动制动功能。
8.根据权利要求5所述的信息处理装置，其中
CPU还被配置为基于关键因素值超过对应阈值的关键因素的计数来确定警告等级，
关键因素的计数大于预定值，并且
该警告等级为阶梯式警告等级。
9.根据权利要求2所述的信息处理装置，其中CPU还被配置为：
获取与过去的交通事故相关联的事故信息；
分析所获取的事故信息；以及
累积所获取的事故信息的分析结果。
10.根据权利要求9所述的信息处理装置，其中
所获取的事故信息包括日期和时间、地点、天气、道路状况、事故情况、车辆信息或驾驶员信息中的至少一个。
11.根据权利要求9所述的信息处理装置，其中
与所述至少一个传感器相关联的参数是感测模式；
CPU还被配置为基于所获取的事故信息的分析结果将所述至少一个传感器的感测模式改变为高模式。
12.根据权利要求1所述的信息处理装置，其中
与所述至少一个传感器相关联的参数是感测模式；
CPU还被配置为基于执行推荐的驾驶模式将所述至少一个传感器的感测模式改变为低模式。
13.根据权利要求5所述的信息处理装置，其中
CPU还被配置为收集关于第二车辆的信息，
第二车辆在第一车辆的预定附近，并且
通过V2V通信从第二车辆收集关于所述第二车辆的信息。
14.一种信息处理方法，包括：
感测周围环境；
基于预定区域的位置接收关于预定区域的信息，其中关于预定区域的信息包括在预定区域中过去的交通事故发生的条件的信息；
基于接收到的信息确定过去的交通事故的多个关键因素和与该多个关键因素相关联的多个阈值；
获取对应于过去的交通事故的多个关键因素的实时数据；
将多个关键因素中每个的关键因素值与多个阈值中的对应阈值进行比较；
确定关键因素值超过对应阈值的关键因素的计数；
基于所确定的关键因素的计数执行推荐的驾驶模式；以及
基于推荐的驾驶模式改变参数，其中该参数与感测周围环境相关联。
15.一种其上存储有计算机可执行指令的非暂态计算机可读存储介质，该计算机可执行指令在由计算机执行时使计算机执行操作，该操作包括：
感测周围环境；
基于预定区域的位置接收关于预定区域的信息，其中关于预定区域的信息包括在预定区域中过去的交通事故发生的条件的信息；
基于接收到的信息确定过去的交通事故的多个关键因素和与该多个关键因素相关联的多个阈值；
获取对应于过去的交通事故的多个关键因素的实时数据；
将多个关键因素中每个的关键因素值与多个阈值中的对应阈值进行比较；
确定关键因素值超过对应阈值的关键因素的计数；
基于所确定的关键因素的计数执行推荐的驾驶模式；以及
基于推荐的驾驶模式改变参数，其中该参数与感测周围环境相关联。
16.一种车辆，包括：
中央处理单元CPU，被配置为预测车辆可能涉及的交通事故；
电源单元，被配置为向CPU供电；以及
至少一个传感器，被配置为感测周围环境并且获取实时数据，其中
CPU还被配置为：
基于预定区域的位置接收关于预定区域的信息，其中关于预定区域的信息包括在预定区域中过去的交通事故发生的条件的信息；
基于接收到的信息确定过去的交通事故的多个关键因素和与该多个关键因素相关联的多个阈值，其中实时数据对应于过去的交通事故的多个关键因素；
将多个关键因素中每个的关键因素值与多个阈值中的对应阈值进行比较；
确定关键因素值超过对应阈值的关键因素的计数；
基于所确定的关键因素的计数执行推荐的驾驶模式；以及
基于推荐的驾驶模式改变与所述至少一个传感器相关联的参数，其中所述至少一个传感器还被配置为基于所改变的参数感测周围环境。
CN201780015923.6A 2016-03-14 2017-02-28 信息处理装置、信息处理方法、程序和车辆 Active CN108713221B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016-049231 2016-03-14
JP2016049231A JP6969072B2 (ja) 2016-03-14 2016-03-14 情報処理装置、情報処理方法、プログラム、およびビークル
PCT/JP2017/007630 WO2017159334A1 (ja) 2016-03-14 2017-02-28 情報処理装置、情報処理方法、プログラム、およびビークル

Publications (2)

Publication Number Publication Date
CN108713221A CN108713221A (zh) 2018-10-26
CN108713221B true CN108713221B (zh) 2022-03-11

Family

ID=59852301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780015923.6A Active CN108713221B (zh) 2016-03-14 2017-02-28 信息处理装置、信息处理方法、程序和车辆

Country Status (5)

Country Link
US (1) US11030904B2 (zh)
EP (1) EP3432292A4 (zh)
JP (1) JP6969072B2 (zh)
CN (1) CN108713221B (zh)
WO (1) WO2017159334A1 (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102263731B1 (ko) * 2014-11-11 2021-06-11 현대모비스 주식회사 주변차량의 위치정보 보정 시스템 및 방법
DE112016006745T5 (de) * 2016-04-15 2018-12-27 Honda Motor Co., Ltd. Fahrzeugsteuersystem, Fahrzeugsteuerverfahren und Fahrzeugsteuerprogramm
IT201600087202A1 (it) * 2016-08-25 2018-02-25 I E T S P A Metodo ed apparato di regolazione automatica di un veicolo in una condizione di prestazione prestabilita
KR101956685B1 (ko) * 2018-05-14 2019-03-13 주식회사 만도 차량의 충돌 완화 장치 및 방법
JP2020008888A (ja) * 2018-07-02 2020-01-16 株式会社デンソー 事故警告装置
JP7172523B2 (ja) * 2018-12-03 2022-11-16 トヨタ自動車株式会社 情報処理システム、プログラム、及び制御方法
JP2022028093A (ja) * 2018-12-20 2022-02-15 ソニーグループ株式会社 車両制御装置、車両制御方法、情報処理装置、情報処理方法、及び、プログラム
JP7092054B2 (ja) * 2019-01-23 2022-06-28 トヨタ自動車株式会社 情報処理装置、情報処理方法、プログラム
WO2020161855A1 (ja) * 2019-02-07 2020-08-13 三菱電機株式会社 情報収集装置および情報収集方法
CN109889991B (zh) * 2019-04-28 2021-01-12 广东小天才科技有限公司 一种安全提醒方法、装置及移动设备
KR20200144176A (ko) * 2019-06-17 2020-12-29 현대자동차주식회사 차량 및 차량의 제어방법
CN116153122A (zh) * 2019-08-01 2023-05-23 华为技术有限公司 一种车路协同方法及装置
CN114503177A (zh) * 2019-10-09 2022-05-13 索尼集团公司 信息处理装置、信息处理系统和信息处理方法
WO2021085048A1 (ja) * 2019-10-31 2021-05-06 ソニー株式会社 情報処理装置、情報処理システム及び情報処理方法
JP7238760B2 (ja) * 2019-12-24 2023-03-14 トヨタ自動車株式会社 情報処理装置、情報処理方法、およびシステム
US11225153B2 (en) * 2020-02-03 2022-01-18 GM Global Technology Operations LLC Intelligent vehicles with advanced vehicle camera systems for underbody hazard and foreign object detection
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
US11443624B2 (en) * 2020-03-23 2022-09-13 Toyota Motor North America, Inc. Automatic warning of navigating towards a dangerous area or event
US11538343B2 (en) 2020-03-23 2022-12-27 Toyota Motor North America, Inc. Automatic warning of atypical audio indicating a transport event
CN111583632B (zh) * 2020-04-27 2023-11-17 腾讯科技（深圳）有限公司 车辆驾驶风险应对方法、装置
US11367121B2 (en) * 2020-06-15 2022-06-21 Capital One Services, Llc Recommendation engine that utilizes travel history to recommend vehicles for customers
CN111815988B (zh) * 2020-07-15 2022-01-11 中国电子技术标准化研究院 一种为应急情况下控制车辆行驶路线的方法、系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1764271A (zh) * 2004-07-28 2006-04-26 罗伯特·博世有限公司 夜视仪
JP2007329762A (ja) * 2006-06-08 2007-12-20 Fujitsu Ten Ltd 物体候補領域検出装置、物体候補領域検出方法、歩行者認識装置、および車両制御装置
WO2013055487A1 (en) * 2011-10-12 2013-04-18 Drivecam, Inc. Drive event capturing based on geolocaton
CN104508722A (zh) * 2012-07-27 2015-04-08 歌乐株式会社 车载用周围环境识别装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3895615B2 (ja) * 2002-03-01 2007-03-22 あいおい損害保険株式会社 交通安全支援装置、交通安全支援システム及び交通安全支援プログラム
JP2004206275A (ja) * 2002-12-24 2004-07-22 Denso Corp 自動運転制御システム
DE102004026847A1 (de) * 2004-06-02 2005-12-22 Robert Bosch Gmbh Nachtsichtgerät für Kraftfahrzeuge
US20060028328A1 (en) * 2004-08-03 2006-02-09 Cresse William M Active anti-tailgating and collision warning system
JP2006133967A (ja) * 2004-11-04 2006-05-25 Nissan Motor Co Ltd 車両用表示装置及び車両用表示プログラム
JP2006163799A (ja) * 2004-12-07 2006-06-22 Seiko Epson Corp 踏切の自動車走行制御システム
JP2006163973A (ja) 2004-12-09 2006-06-22 Chugoku Electric Power Co Inc:The 安全運転支援システムおよび安全運転支援プログラム
JP2008281448A (ja) * 2007-05-10 2008-11-20 Toyota Motor Corp 車両用運転支援装置
US7825824B2 (en) * 2007-09-18 2010-11-02 At&T Intellectual Property I, L.P. Collaborative environmental reporting
JP2010026951A (ja) * 2008-07-23 2010-02-04 Autonetworks Technologies Ltd 安全走行用の自動支援機器の制御装置
CA2749685A1 (en) * 2008-11-13 2010-05-20 Aser Rich Limited System and method for improved vehicle safety through enhanced situation awareness of a driver of a vehicle
JP2010152497A (ja) 2008-12-24 2010-07-08 Toyota Motor Corp 運転特性取得装置及び交通シミュレーションシステム
JP5446778B2 (ja) 2009-11-24 2014-03-19 富士通株式会社 事故発生予測装置、事故発生予測プログラム及び事故発生予測方法
KR101405679B1 (ko) * 2011-10-11 2014-06-13 현대자동차주식회사 차량 위치 정보 기반 비정상 운전 판정 및 경보 시스템
US10127810B2 (en) * 2012-06-07 2018-11-13 Zoll Medical Corporation Vehicle safety and driver condition monitoring, and geographic information based road safety systems
US20140074402A1 (en) * 2012-09-12 2014-03-13 Lexisnexis Risk Solutions Fl Inc. Systems and methods for determining risks associated with driving routes
US10298741B2 (en) * 2013-07-18 2019-05-21 Secure4Drive Communication Ltd. Method and device for assisting in safe driving of a vehicle
KR101824982B1 (ko) * 2015-10-07 2018-02-02 엘지전자 주식회사 차량 및 그 제어방법
US9649974B1 (en) * 2016-02-17 2017-05-16 Wipro Limited System and method for assisted real-time control of vehicle headlight

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1764271A (zh) * 2004-07-28 2006-04-26 罗伯特·博世有限公司 夜视仪
JP2007329762A (ja) * 2006-06-08 2007-12-20 Fujitsu Ten Ltd 物体候補領域検出装置、物体候補領域検出方法、歩行者認識装置、および車両制御装置
WO2013055487A1 (en) * 2011-10-12 2013-04-18 Drivecam, Inc. Drive event capturing based on geolocaton
CN104508722A (zh) * 2012-07-27 2015-04-08 歌乐株式会社 车载用周围环境识别装置

Also Published As

Publication number Publication date
JP2017167587A (ja) 2017-09-21
US20190035279A1 (en) 2019-01-31
US11030904B2 (en) 2021-06-08
CN108713221A (zh) 2018-10-26
EP3432292A4 (en) 2019-04-24
WO2017159334A1 (ja) 2017-09-21
JP6969072B2 (ja) 2021-11-24
EP3432292A1 (en) 2019-01-23

Similar Documents

Publication Publication Date Title
CN108713221B (zh) 信息处理装置、信息处理方法、程序和车辆
JP5521893B2 (ja) 運転支援システム、車載装置
US11807231B2 (en) Electronic device for vehicle and operating method thereof
US10446031B2 (en) Apparatus and method of safety support for vehicle
US9122933B2 (en) After market driving assistance system
US9934627B1 (en) Driving event data analysis
US20200342756A1 (en) Apparatus and method of safety support for vehicle
US9535878B1 (en) Driving event data analysis
US20170369069A1 (en) Driving behavior analysis based on vehicle braking
US11518380B2 (en) System and method for predicted vehicle incident warning and evasion
US20170129497A1 (en) System and method for assessing user attention while driving
US20140272811A1 (en) System and method for providing driving and vehicle related assistance to a driver
CN113479211B (zh) 基于机器视觉的汽车驾驶安全行为识别和提醒方法及系统
WO2018058958A1 (zh) 一种道路车辆交通告警系统及其方法
EP3566201A1 (en) Method and system for providing artificial intelligence analytic (aia) services for performance prediction
JP7039855B2 (ja) 運転支援装置
JP2014081947A (ja) 情報配信装置
US20210049908A1 (en) Utilizing sensors to detect hazard from other vehicle while driving
US20200074326A1 (en) Systems and methods for classifying driver behavior
WO2020060974A1 (en) Exhaustive driving analytical systems and modelers
CN109080640A (zh) 用于在车辆内提供昏睡警报的方法
US20220238019A1 (en) Safety performance evaluation apparatus, safety performance evaluation method, information processing apparatus, and information processing method
JP2020166416A (ja) 制御装置、サーバ、安全システム、および制御装置の制御方法
JP2021157828A (ja) 情報処理装置
US11840265B1 (en) Variable safe steering hands-off time and warning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant