CN108881364A - 车辆通信网络 - Google Patents
车辆通信网络 Download PDFInfo
- Publication number
- CN108881364A CN108881364A CN201810159259.9A CN201810159259A CN108881364A CN 108881364 A CN108881364 A CN 108881364A CN 201810159259 A CN201810159259 A CN 201810159259A CN 108881364 A CN108881364 A CN 108881364A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- ecu
- mistake
- remote computer
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- 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
- B60W20/00—Control systems specially adapted for hybrid vehicles
- B60W20/50—Control strategies for responding to system failures, e.g. for fault diagnosis, failsafe operation or limp mode
-
- 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
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
-
- 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
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- 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
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0225—Failure correction strategy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1416—Event detection, e.g. attack signature detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1441—Countermeasures against malicious traffic
- H04L63/1466—Active attacks involving interception, injection, modification, spoofing of data unit addresses, e.g. hijacking, packet injection or TCP sequence number attacks
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及车辆通信网络。在实施方案中,车辆通信网络可以包括远程计算机服务器、车辆,该车辆包括多个传感器、无线通信收发器和/或电子控制单元(ECU),该电子控制单元可以被配置为控制车辆的操作并从多个传感器获得信息。ECU可以被配置为通过机器学习对来自多个传感器的信息进行分析并根据该分析来控制车辆。远程服务器可以被配置为通过机器学习对来自多个传感器的信息和来自其他车辆的传感器的其他车辆信息进行分析以检测错误。
Description
相关申请的交叉引用
本申请要求于2017年5月8日提交的美国专利申请号为15/589,479的权益,该专利申请的公开内容在此以其整体通过引用并入本文中。
技术领域
本公开涉及包括车辆通信网络的通信网络。
背景
下面仅为了提供上下文的目的阐述了这个背景描述。因此,在不以其它方式限定为现有技术的意义上,该背景描述的任何方面没有明确或隐含地被承认为针对本公开的现有技术。
车辆通常产生大量的数据,并且可以从外部源接收数据。在一些情况下,可能需要分析和/或验证这样的数据以检测问题,诸如发生故障的组件和/或安全违规。
因此,需要最小化或消除以上所述的挑战中的一个或更多个的解决方案/选项。前述讨论仅旨在示出本领域的示例并且不应被理解为对范围的否定。
概述
在实施方案中,车辆通信网络可以包括远程计算机服务器、车辆,该车辆包括多个传感器、无线通信收发器和/或电子控制单元(ECU),该电子控制单元可以被配置为控制车辆的操作并从多个传感器获得信息。ECU可以被配置为通过机器学习对来自多个传感器的信息进行分析并根据该分析来控制车辆。远程服务器可以被配置为通过机器学习对来自多个传感器的信息和来自其他车辆的传感器的其他车辆信息进行分析以检测错误。远程计算机服务器可以被配置为将关于错误的指示发送到车辆的ECU。
根据实施方案,对来自多个传感器的信息进行分析可以包括创建车辆的虚拟环境。虚拟环境可以包括车辆的模型、被配置为仿真ECU的预期操作的ECU的模型和/或其他车辆的模型。来自多个传感器的信息可以包括车辆速度和车辆位置中的至少一个。车辆可以被配置为通过专用短程通信(DSRC)从至少一个其他车辆接收其他车辆信息。车辆可以被配置为通过无线通信收发器将其他车辆信息发送到远程计算机服务器。错误可以不包括对静态规则的违反。检测错误可以包括识别从ECU接收到的先前信息和从ECU接收到的当前信息之间的差异。该差异可能与另一车辆有关。
在实施方案中,ECU可以被配置为根据来自远程计算机服务器的指示来控制车辆,并且所述控制可以包括切换到安全模式和关停车辆中的至少一个。ECU和远程计算机服务器中的至少一个可以被配置为将该指示发送到外部接收器。外部接收器可以与监控公司、车辆制造商、零部件供应商和紧急服务中的至少一个相关联。远程计算机服务器和ECU中的至少一个可以被配置为确定驾驶者简档。ECU可以被配置为根据驾驶者简档和对来自多个传感器的信息的分析来控制车辆。远程计算机服务器可以被配置为生成对车辆的预测、将预测与来自多个传感器的信息进行比较,以及/或者如果来自多个传感器的信息不在预测的机器学习范围内则检测到错误。
在实施方案中,车辆可以包括一个或更多个传感器、无线通信收发器和/或电子控制单元(ECU)。操作车辆的方法可以包括在所述ECU处接收来自所述一个或更多个传感器的关于所述车辆的第一信息,通过所述ECU将机器学习和启发法(heuristics)中的至少一个应用于第一信息,检测第一信息中的错误,以及/或者通过所述ECU根据该错误来控制所述车辆的操作。应用机器学习和启发法中的至少一个包括生成预测。检测错误可以包括将预测与第一信息进行比较。该方法可以包括将第一信息发送到远程计算机服务器,并通过远程计算机服务器将机器学习和启发法中的至少一个应用于第一信息。该方法可以包括在远程计算机服务器处接收第一信息。检测错误可以包括远程计算机服务器将机器学习和启发法中的至少一个应用于第一信息。
根据实施方案,该方法可以包括在远程计算机服务器处接收来自第二车辆的传感器的第二信息。检测错误可以包括远程计算机服务器将机器学习和启发法中的至少一个应用于第一信息和第二信息。该方法可以包括在远程计算机服务器处接收来自外部数据源的第三信息。检测错误可以包括远程计算机服务器将机器学习和启发法中的至少一个应用于第一信息、第二信息和第三信息。远程计算机服务器包括被配置为仿真ECU的预期操作的ECU的模型。该方法可以包括通过无线通信收发器发送从所述一个或更多个传感器接收到的信息。错误可能是黑客入侵或企图黑客入侵的结果。
附图说明
图1是根据本公开的实施方案的车辆通信网络的示意图。
图2是通过车辆通信网络来控制车辆的方法的流程图。
图3是通过车辆通信网络来控制车辆的方法的流程图。
详细描述
现在将详细参考本公开的实施方案,其示例在本文中被描述且在附图中示出。虽然将结合实施方案和/或示例来描述本公开,但将理解,它们并不旨在将本公开限于这些实施方案和/或示例。相反,本公开旨在涵盖可被包括在本公开的精神和范围内的可替代方案、修改和等效形式。
如在图1一般性图示的,车辆通信网络可以包括一个或更多个车辆20、20'、远程计算机服务器50、一个或更多个外部数据源60和/或一个或更多个外部接收器70。车辆20可以包括电子控制单元(ECU)22、通信设备24、显示器26和/或一个或更多个传感器30。诸如第二车辆20'的其他车辆可以包括ECU22'、通信设备24'、显示器26'和/或一个或更多个传感器30'。
在实施方案中,ECU22可以包括电子控制器和/或包括电子处理器22A,诸如可编程微处理器和/或微控制器。在实施方案中,ECU22可以包括例如专用集成电路(ASIC)。ECU22可以包括中央处理单元(CPU)、存储器22B和/或输入/输出(I/O)接口。ECU22可以被配置为利用以软件、硬件和/或其它介质实现的适当的编程指令和/或代码来执行各种功能,包括在本文中更详细地描述的那些功能。在实施方案中,ECU22可以包括多个控制器。在实施方案中,ECU22可以连接到显示器26。
根据实施方案,通信设备24可以被配置为通过有线和/或无线连接进行通信。例如,但不限于,通信设备24可以被配置为通过以下方式进行通信:WiFi、蜂窝网络、局域网(LAN)、无线局域网(WLAN)、广域网(WAN)、控制器区域网络(CAN)、专用短程通信(DSRC)、个人区域网络(PAN)、无线电网络和/或其他类型的通信。通信设备24可以包括例如无线通信收发器。
在实施方案中,传感器30可以被配置为感测(例如,测量、监测等)关于车辆的信息和/或关于车辆20的环境的信息。信息可以包括例如以下项中的一个或更多个:数据、值和/或可能与一个或更多个车辆参数有关的其他信息,诸如例如,车辆速度、加速度、位置、发动机速度、轮胎压力、方向盘位置、踏板位置、变速档、温度和预期的制动距离等等。
在实施方案中,车辆20可以包括第一组传感器32和/或第二组传感器34。第一组传感器32可以被配置为感测关于车辆20的信息。例如,但不限于,第一组传感器32可以包括以下项中的一个或更多个:发动机速度传感器32A、车辆速度传感器32B、温度传感器32C、位置传感器32D(例如,方向盘、踏板、变速杆等)和/或电气特性传感器32E(例如,电流、电压、电阻等)。第二车辆传感器30'可以包括例如第一组传感器32',其可以包括以下项中的一个或更多个:发动机速度传感器32A'、车辆速度传感器32B'、温度传感器32C'、位置传感器32D'和/或电气特性传感器32E'。
在实施方案中,第二组传感器34可以被配置为感测关于车辆20的环境的信息。例如,但不限于,第二组传感器34可以包括以下项中的一个或更多个:位置/全球定位系统(GPS)设备34A、相机34B、光探测和测距(LiDAR)设备34C和/或无线电探测和测距(雷达)设备34D。第二车辆传感器30'可以包括第二组传感器34',其可以包括例如以下项中的一个或更多个:位置/GPS设备34A'、相机34B'、LiDAR设备34C'和/或雷达设备34D'。
在实施方案中,远程服务器50可以包括电子控制器以及/或者包括电子处理器50A,诸如可编程微处理器和/或微控制器。在实施方案中,ECU22可以包括例如专用集成电路(ASIC)。ECU22可以包括中央处理单元(CPU)、存储器50B和/或输入/输出(I/O)接口。ECU22可以被配置为利用以软件、硬件和/或其它介质实现的适当的编程指令和/或代码来执行各种功能,包括在本文中更详细地描述的那些功能。在实施方案中,远程服务器50可以包括多个控制器。远程服务器50可以包括远程计算机服务器。远程服务器50可以被设置在远离车辆20、车辆20'、外部数据源60和/或外部接收器70的一个位置或多个位置处。
根据实施方案,ECU22可以通过传感器30和/或通过通信设备24获得/接收关于车辆20和/或车辆20的环境的信息。ECU22可以被配置为根据所获得的信息来至少部分地控制车辆20的操作。因此,可以希望对所获得的有关差异(例如,错误和/或安全违规)的信息进行监控,以防止ECU22根据错误的或不正确的信息来控制车辆20。ECU22可以被配置为处理大量的接收到的信息,并且可以被配置为或者可以不被配置为对接收到的有关差异的信息进行分析/监控。ECU22可以连接到通信设备24,该通信设备可以被配置为将由ECU22接收的信息中的一些或全部提供给远程服务器50。
在实施方案中,ECU22和/或远程服务器50可以被配置为对从车辆20和/或一个或更多个外部数据源60接收的信息或者关于车辆20和/或一个或更多个外部数据源60的信息进行分析以检测错误。利用一些设计,可以根据多个静态规则来进行车辆信息的分析。例如,如果某个参数在设定或预定的范围之外,则可以检测到差异。然而,依赖于静态规则对于大量信息和/或大量数据源来说可能是困难的,因为每个参数和/或数据源都可能需要其自己的一组静态规则。生成如此庞大的一组静态规则可能是不可行的,以及/或者可能会增加不考虑潜在使用场景并且不包括该使用场景的相应规则的风险。例如,但不限于,生成这样的规则可以涉及理解和补偿每个可能的用例,这可能是不可行的/不实际的。
利用本公开的实施方案,ECU22和/或远程服务器50可以被配置为根据机器学习和/或启发法来分析车辆信息。机器学习可以包括例如以下项中的一个或更多个:在一段时间内获得信息、在正常使用期间确定这种信息的模式、逻辑回归分类器、支持向量机、贝叶斯原理(例如,统计、网络、知识库等)、受监督的学习、无监督的学习、神经网络、决策树、马尔可夫模型、哈尔分类器、数据聚类和/或其他技术或算法。
机器学习可以准许ECU22和/或远程服务器50分析大量的信息,而不需要针对每个用例、信息的类型和/或参数的具体规则。根据实施方案,ECU22和/或远程服务器50可以被设置有已被确定为有效的一个或更多个初始的信息集合,并且可以在初始学习阶段中使用该初始的信息集合。
根据实施方案,远程服务器50和/或ECU22可以被配置为通过机器学习和/或启发法对与车辆20有关的一些或全部信息进行分析。例如,但不限于,远程服务器50和/或ECU22可以被配置为(例如,通过第一组传感器32)对关于车辆20的信息和/或(例如,通过第二组传感器34、其他车辆20'、外部源60等)对关于车辆20的环境的信息进行分析。远程服务器50可以例如通过ECU22、通过第一组传感器32、通过第二组传感器34和/或通过一个或更多个外部数据源60来接收信息。在实施方案中,ECU22可以被配置为独立于远程服务器50通过机器学习和/或启发法来分析信息。根据实施方案,ECU22和/或远程服务器50可以被配置为通过机器学习和/或启发法来确定各个参数的可接受/正常的范围(例如,确定机器学习的范围)。机器学习的范围可以是动态的和/或随时间推移而改变。
ECU22和/或远程服务器50可以直接从第一组传感器32和/或第二组传感器34(例如,通过通信设备24)接收信息。ECU22和/或远程服务器50可以被配置为确定由传感器30提供的信息是否合理/正确。例如,但不限于,ECU22和/或远程服务器50可以通过机器学习对从第一组传感器32和/或第二组传感器34接收的信息进行分析。如果从传感器30接收的信息不在(例如,通过机器学习所确定的)典型或预期的信息的某些范围内或与其他源(例如,另一车辆20'或外部数据源60)不一致,则ECU22和/或远程服务器50可以利用传感器检测差异/错误。例如,但不限于,如果车辆位置传感器34A(例如,GPS传感器)感测到车辆20被布置在与由另一车辆20’(例如,通过雷达/LiDAR)感测的位置和/或通过外部数据源60(例如,车辆20和/或在车辆20中的诸如蜂窝电话的设备所连接到的蜂窝网络)确定的位置显著不同(例如,相距1英尺、10英尺、100英尺等)的第一位置处,则ECU22和/或远程服务器50可以确定车辆位置传感器34A出现故障,需要重新校准,和/或已经被黑客入侵(例如,已经被未授权的设备/实体访问或修改)。根据实施方案,ECU22和/或远程服务器50可以通过机器学习确定从传感器30接收的信息和从一个或更多个其他源接收的信息之间的至少小的差别是预期的(或者在概率范围内),并且可以被配置为确定这种差别何时是错误的结果。
在实施方案中,ECU22和/或远程服务器50可以被配置为如果传感器30被确定为出现故障则根据来自其他源(例如,另一车辆20'和/或外部数据源60)的数据至少暂时重新校准传感器。例如,但不限于,如果GPS传感器34A一致地指示与(例如,通过其他信息源确定的)实际位置有10英尺差别的位置,则远程服务器50可以(例如,通过ECU22)重新校准GPS传感器34A,ECU22可以重新校准GPS传感器,以及/或者ECU22可以补偿10英尺的差异(例如,直到GPS传感器34A可以被维修/替换为止)。
在实施方案中,远程服务器50可以(通过通信设备24)直接从第一组传感器32和/或第二组传感器34接收信息并从ECU22接收信息。远程服务器50可以被配置为确定从ECU22向远程服务器50中继/发送的信息是否与直接从传感器30(诸如第一组传感器32和/或第二组传感器34)接收的信息不同。如果从传感器30接收的信息与从ECU22接收的信息不同,则远程服务器50可以检测到差异/错误。该错误可以包括ECU22出现故障、ECU22错误地处理信息和/或传感器30和ECU22之间的通信错误。
根据实施方案,远程服务器50可以包括可被配置为仿真ECU22的ECU22的模型。远程服务器50可以在检测差异/错误时使用该模型。例如,但不限于,远程服务器50可以学习ECU22的行为和ECU22的模型之间的正常差别(如果有的话),并且如果感测到的差别在正常差别的范围之外,则可以检测到错误。
在实施方案中,远程服务器50可以被配置为接收由ECU22发送到车辆20的组件/系统的信息(例如,命令)。例如,但不限于,由ECU22发送到车辆系统的命令也可以诸如通过通信设备24被发送/复制到远程服务器50。远程服务器50可以被配置为通过机器学习来确定由ECU22发送到车辆组件/系统的信息是否包括错误和/或是否被错误地发送。例如,但不限于,远程服务器50可以通过机器学习获知针对(例如,来自传感器30的)给定的一组输入信息,ECU22应当将什么命令发送到车辆组件/系统。如果由ECU发送的命令不正确、异常和/或与ECU22的模型将发送的不匹配,则远程服务器50可以被配置为向车辆20的乘员指示错误,使车辆20转换到安全模式,使车辆20关停,和/或与外部接收器70(例如,监控公司、车辆制造商、零部件供应商、紧急服务等)进行通信。
根据实施方案,ECU22可以被配置为诸如通过DSRC来广播关于车辆20的信息。广播信息可以由另一车辆20'和/或其他接收器70(例如,被布置在道路附近的固定接收器)接收。广播信息可以由一个或更多个其他车辆(例如,车辆20')用来控制其他车辆20'和/或由另一接收器70用来控制其他车辆。远程服务器50可以被配置为接收由第一车辆20广播的信息,并通过机器学习确定该广播信息是否包括错误和/或是否被错误地发送。例如,但不限于,如果第一车辆20广播其正在以第一速度移动并且突然开始广播其正在以比第一速度快得多或慢得多的第二速度移动,则远程服务器50可以检测到错误已经发生(例如,通过机器学习,远程服务器50可以确定广播的速度的突然改变是不正常的,诸如,如果第一车辆20或任何类似车辆先前从未以该速率加速或减速,或者不能够做出这样的改变)。如果由ECU22广播的信息不正确,则远程服务器50可以被配置为(例如,通过显示器26)向车辆20的乘员指示错误、阻止ECU22广播、使ECU22广播错误消息、使车辆20转换到安全模式、使车辆20关停,以及/或者与外部接收器70(例如,监控公司、车辆制造商、零部件供应商、紧急服务等)进行通信。
在实施方案中,ECU22和/或远程服务器50可以被配置为通过机器学习对由其他车辆(例如,第二车辆20')广播的信息进行分析。例如,但不限于,其他车辆(例如,车辆20')可以通过DSRC来广播信息,并且远程服务器50可以被配置为诸如通过ECU22、通信设备24和/或单独的收发器(例如,路边收发器)接收这样的信息。通过机器学习对来自第二车辆20'的信息进行分析可以包括将该信息与从第二车辆20'获得的先前信息、在/从第一车辆20接收的关于第二车辆20'的信息和/或从外部源60接收的关于第二车辆20的信息进行比较。如果由第二车辆20'广播的信息不正确,则ECU22和/或远程服务器50可以被配置为(例如,通过显示器26)向第一车辆20的乘员指示错误,(例如,通过显示器26')向第二车辆20’的乘员指示错误,使得第一车辆20的ECU22至少忽略从第二车辆20'接收的不正确的信息,使第二车辆20'广播错误消息,使第二车辆20'转换到安全模式,使第二车辆20'关停,以及/或者与外部接收器70(例如,监控公司、车辆制造商、零部件供应商、紧急服务等)进行通信。
在实施方案中,ECU22和/或远程服务器50可以被配置为验证从外部数据源60接收的信息。除此之外,外部数据源60可以包括路边设备(例如,传感器、收发器等)、(例如,用于确定/三角测量位置的)蜂窝网络和/或另一远程服务器。ECU22和/或远程服务器50可以通过机器学习获知什么信息通常从外部源60接收到和/或ECU22和/或远程服务器50可以被配置为检测从外部源60接收的信息中的错误(例如,异常、差异、不一致、故障、安全违反等)。如果检测到错误,则远程服务器50可以不向车辆20、20'提供外部信息,或者可以向车辆20、20'提供信息看起来为错误的指示,这可以允许车辆20、20'在确定如何控制车辆20、20'时至少忽略信息的不正确部分和/或为这样的信息提供较小的权重。
根据实施方案,ECU22和/或远程服务器50可以被配置为创建可以仿真车辆20和/或车辆20的环境的虚拟环境。远程服务器50可以被配置为根据虚拟环境通过机器学习来分析信息。除此之外,虚拟环境可以包括(例如,包括ECU22、通信设备24、传感器30等的)车辆20、一个或更多个其他车辆、行人、建筑物、动物、道路和/或道路标志等的模型。ECU22和/或远程服务器50可以被配置为根据从车辆20的第一组传感器32、车辆20的第二组传感器34、另一车辆20’和/或一个或更多个外部数据源60接收的信息来创建虚拟环境。随着时间的推移,ECU22和/或远程服务器50可以被配置为通过机器学习来确定关于车辆20或其环境的信息是正确的还是可能是由于故障或安全违反/黑客入侵而导致的错误。
根据实施方案,远程服务器50和/或ECU22可以被配置为通过机器学习来预测关于车辆20的未来信息。例如,但不限于,远程服务器50和/或ECU22可以被配置为预测车辆20在未来时间内的速度或速度的范围或者位置或位置的范围。预测可以通过关于车辆20的历史信息、(例如,来自传感器30的)关于车辆20的当前信息和/或(例如,来自其他车辆20'、外部数据源60等的)车辆20的环境来确定。
根据实施方案,远程服务器50和/或ECU22可将对车辆20的预测与从车辆20和/或传感器30接收的实际(例如,感测的)信息进行比较。如果预测(或一系列预测)明显不同于从车辆20/传感器30接收的实际信息,则ECU22和/或远程服务器50可以检测故障或黑客入侵。因此,远程服务器50和/或ECU22可以不仅将从车辆20接收的当前信息相对于关于车辆20的历史信息进行分析,而且可以附加地或可替代地生成对车辆20的预测并将从车辆20接收的信息与这些预测进行比较。
在实施方案中,远程服务器50和/或ECU22可以被配置为在一段时间内通过机器学习获知关于多个车辆20、20'和/或关于车辆环境的信息。机器学习的信息可以用于预测其他车辆20'的未来行为/信息。例如,但不限于,远程服务器50可以获得或存储关于车辆通常何地/何时减速(例如,急转弯、高交通量的区域/时间等)的信息,并且可以在预测关于特定车辆20的未来信息时使用该信息(例如,如果车辆20正在接近已知交通量增加的区域,则远程服务器50可以将增加的减速可能性作为因素计入到其对车辆20的未来速度的预测中)。附加地或可替代地,远程服务器50和/或ECU22可以被配置为确定和/或获得实况交通信息,并且可以将这种实况交通信息纳入到预测中。
根据实施方案,远程服务器50和/或ECU22可以被配置为确定和/或接收关于预期车辆20遇到的交通信号灯的信息。例如,远程服务器50和/或ECU22可以被配置为接收关于交通信号灯何时将从红色变为绿色(或者从绿色经黄色变为红色)的信息,以及/或者可以被配置为基于历史信息(例如,在一天中的某一时间,车辆通常在交通信号灯处停止的时间量)和/或基于车辆在交通信号灯处已经停止了多久或者已经驾驶经过交通信号灯多久来预测交通信号灯将何时改变。
在实施方案中,远程服务器50和/或ECU22可以被配置为通过机器学习获知关于车辆的驾驶者/乘员的信息,并且可以被配置为创建和存储驾驶者的驾驶简档。例如,但不限于,远程服务器50和/或ECU22可以学习驾驶倾向,诸如相对于速度限制的速度、加速度简档(例如,驾驶者通常从停止开始加速有多快和/或超过另一车辆有多快)、制动简档(例如,驾驶者响应于制动需求有多快、驾驶者通常制动有多用力)、转向简档(例如,所受到的典型G力)和/或距其他车辆的典型距离(例如,尾随倾向、超车距离)。远程服务器50和/或ECU22可以被配置为随着接收到附加信息(例如,随着驾驶者驾驶)连续地更新驾驶者简档。远程服务器50和/或ECU22可以在检测接收到的关于由驾驶者驾驶的车辆的信息(例如,来自传感器30、来自另一车辆20'、来自外部源60等的信息)中的错误时使用来自驾驶者简档的信息。例如,但不限于,如果第一驾驶者倾向于从停止开始相对快速地加速,则远程服务器50可以考虑接收的由第一驾驶者驾驶的车辆已经快速加速的信息是正常的。另一方面,如果第二驾驶者倾向于从停止开始缓慢地加速,则远程服务器50可以考虑接收的由第二驾驶者驾驶的车辆已经快速地加速的信息可能是错误的结果。
根据实施方案,使用机器学习的远程服务器50和/或ECU22可以被配置为检测对车辆20、20'或车辆网络10的不当行为和/或威胁。例如,但不限于,远程服务器50和/或ECU22可以被配置为对来自第一车辆20、一个或更多个其他车辆20'和/或外部源60的信息进行分析。远程服务器50和/或ECU22可以不用相对少的(如果有的话)静态规则或信息进行初始编程来检测故障或黑客入侵。远程服务器50和/或ECU22可以通过机器学习获知正常的操作条件涉及什么(例如,在正常操作条件期间通常生成什么信息),这可以允许远程服务器50和/或ECU22检测信息接收和/或传输是否诸如由于故障或黑客入侵而不正常。远程服务器50和/或ECU22可以被配置为忽略和/或补偿异常信息(例如,临时传感器故障)和/或可以被配置为区分临时故障和黑客入侵。
在诸如在图2中一般性图示的实施方案中,在步骤102中,操作车辆的方法100可以包括车辆20的ECU22从诸如第一组传感器32和/或第二组传感器34的传感器30接收信息。在步骤104中,ECU22可以通过应用机器学习和/或启发法对从传感器30接收的信息进行分析,并且在步骤106中,如果来自传感器30的信息不在机器学习的范围内,则可以检测差异或错误。在步骤108中,来自传感器30和/或来自ECU22的信息(例如,来自机器学习分析的结果)可以诸如通过ECU22和/或通信设备24被发送到远程服务器50。在步骤110中,远程服务器可以通过应用机器学习和/或启发法对来自传感器30的信息进行分析。在步骤112中,远程服务器50可以检测差异或错误,并且在步骤114中,可以将远程服务器分析和/或错误检测的结果传送给ECU22和/或外部接收器70。在步骤116中,ECU22可以根据以下项来控制车辆20:(i)对来自传感器30的信息的ECU分析,(ii)根据对差异或错误的ECU检测,(iii)对来自传感器30的信息的远程服务器分析,和/或(iv)根据对差异或错误的远程服务器检测。
在实施方案中,由远程服务器50使用的机器学习和/或启发法可以与由ECU22应用的机器学习和/或启发法不同。例如,但不限于,远程服务器50可以从更多数量的信息源(例如,其他车辆、基础设施等)接收更大量的信息,并且可以被配置为识别比ECU22规模更大/分布更广泛的问题/错误。
利用诸如在图3中一般性图示的实施方案,操作车辆(例如,车辆20、20')的方法200可以包括远程服务器50从第一车辆20接收信息(步骤202),从第二车辆接收信息(步骤204)和/或从一个或更多个外部源接收信息(步骤206)。来自第一车辆20的信息可以包括关于第一车辆20、第二车辆20'、第一车辆20的环境和/或第二车辆20'的环境的信息。来自第二车辆20'的信息可以包括关于第二车辆20'、第一车辆20、第二车辆20'的环境和/或第一车辆20的环境的信息。来自外部源60的信息可以包括关于车辆20、20'(或其它车辆)和/或其环境的信息。在步骤208中,远程服务器50可以通过应用机器学习和/或启发法对接收到的信息进行分析。在步骤210中,远程服务器可以根据机器学习/启发法分析来检测接收到的信息中的差异或错误。在步骤212中,远程服务器可以与第一车辆ECU22、第二车辆ECU22'和/或外部接收器70进行通信。通信可以包括分析的结果和/或检测到的错误/差异的指示。在步骤214中,第一车辆20的ECU22可以根据来自远程服务器50的通信来控制第一车辆20,以及/或者第二车辆20'的ECU22'可以根据来自远程服务器50的通信来控制第二车辆20'。
这里可以结合各种方法步骤对方法(例如,方法100、200)进行描述,但应该理解的是,本公开的实施方案不一定要求所有描述的步骤,并且可以组合各个方法的步骤。
根据实施方案,ECU(例如,ECU22)可以连接到和/或包括电子处理器22A和/或存储器22B(例如,非暂时性计算机可读介质)。计算机程序(例如,代码、逻辑、指令等)可以被编码和/或存储在存储器22B上。处理器22A可以被配置为执行该计算机程序。当由处理器22A执行时,计算机程序可以被配置为执行本文描述的功能、方法和/或步骤中的一个或更多个。例如,但不限于,计算机程序可以被配置为使车辆20的ECU22(a)从一个或更多个传感器30接收关于所述车辆20的第一信息,(b)将机器学习和启发法中的至少一个应用于第一信息,(c)检测第一信息中的错误,以及/或者(d)根据错误控制所述车辆20的操作。
尽管结合ECU22或远程服务器50的实施方案对各种功能或特征进行了描述,但ECU22和远程服务器50可以包括这些功能和/或特征中的一些或全部。尽管可以结合第一车辆20和/或ECU22来对各种功能或特征进行描述,但诸如第二车辆20'(和ECU22')的其他车辆可以包括所描述的功能或特征中的一些或全部。
应理解的是,如本文所述的系统/网络10、电子控制单元(ECU)22、远程服务器50和/或处理器可以包括本领域已知的常规处理装置,其可以能够执行存储在相关联的存储器中的预编程的指令,其全部根据本文描述的功能来执行。就在本文描述的方法以软件来实现的情况而言,得到的软件可以被存储在相关联的存储器中并且也可以构成用于执行这种方法的装置。这样的系统或处理器还可以是同时具有ROM(只读存储器)、RAM(随机存取存储器)、非易失性和易失性(可修改)存储器的组合的类型,使得可以存储任何软件并还允许存储和处理动态生成的数据和/或信号。
应进一步理解的是,根据本公开的可以包括ECU(例如,ECU22)和/或远程服务器50的制造物品可以包括非暂时性计算机可读存储介质(例如,存储器22B),该介质具有在其上编码的用于实施本文所述的逻辑和其他功能的计算机程序。该计算机程序可以包括用于执行本文公开的一个或更多个方法的代码。这样的实施方案可以被配置为执行一个或更多个处理器(例如,处理器22A)、多个处理器,该多个处理器被集成到单个系统中或者分布在通信网络上并连接在一起贯穿整个通信网络,以及/或者,其中网络可以是有线或无线的。用于实现结合一个或更多个实施方案描述的特征中的一个或更多个的代码可以在由处理器执行时使多个晶体管从第一状态改变到第二状态。特定的改变模式(例如,哪些晶体管改变状态以及哪些晶体管不改变)可以至少部分地通过逻辑和/或代码来指定。
本文描述了各种装置、系统和/或方法的各种实施方案。阐述了很多具体细节,以提供对于如在说明书中描述的以及在附图中示出的实施方案之中的总体结构、功能、生产以及使用的透彻理解。然而,本领域技术人员应当理解的是,实施方案可以在没有这些具体细节的情况下得以实现。在其他例子中,众所周知的操作、部件、以及元件尚未详细描述,以免混淆说明书中所描述的实施方案。本领域普通技术人员会理解,本文中描述的以及示出的实施方案是非限定的示例,因此能够理解的是,本文中所公开的具体结构和功能的细节可以是代表性的而不必限定实施方案的范围。
在整篇说明书中引用的“各个实施方案”、“根据实施方案”、“在实施方案中”、或“实施方案”之类,意思是与实施方案结合的特定特征、结构、或特性包括于至少一个实施例之中。因此,在整个说明书中出现的“在各个实施方案中”、“根据实施方案”、“在实施方案中”、或“实施方案”之类的词语,在各处的出现不必都涉及相同的实施例。此外,特定特征、结构、或特性可以以任何适当的方式在一个或多个实施例中结合。因此,与一个实施例结合的示出的或描述的特定特征、结构、或特性可以是与一个或多个其他实施例中的特征、结构、或特性整体或部分地结合的,而不限于假设这种结合是无逻辑的或非功能性的。
应当理解,对单个要素的提及不限于此,并且可以包括这样的要素中的一个或更多个。所有方向参考(例如,正(plus)、负(minus)、上部、下部、向上、向下、左、右、向左、向右、顶部、底部、上方、下方、竖直、水平、顺时针和逆时针)仅用于识别目的以帮助读者理解本公开,并且不产生限制,特别是关于实施方案的位置、定向或使用的限制。
连接引用(例如相连、联接、连接等等)应被广义地解释,并且可包括部件连接与部件间相对运动之间的过渡部分。因此,提到连接并不一定意味着两个元件是直接连接/耦合并且处于彼此固定的关系。贯穿本说明书的“例如(e.g.)”的使用被广泛地解释并且用于提供本公开的实施方案的非限制性示例,并且本公开不限于这样的示例。“和”和“或”的使用应被宽泛地解释(例如,被视为“和/或”)。例如,但不限于,“和”的使用并不必然需要所列出的所有要素或特征,“或”的使用旨在是包容性的,除非这样的结构是不合逻辑的。
在以上描述中包含的以及在附图中显示的所有内容应仅视为说明性的而非限制性的。可做出在细节或结构上的改变而不偏离本公开。
此外,在本文中明确地设想了各种示例之间的特征、元件和/或功能的混合和配合,使得本领域普通技术人员将从本公开中理解,一个示例的特征、元件和/或功能可以适当地并入到另一个示例中,除非上文另有说明。此外,可以进行许多修改以使特定情况或材料适应本公开的教导,而不脱离本发明的实质范围。因此,目的是本教导不限于由附图示出并在说明书中描述的特定示例,而是本公开的范围将包括落入前述描述和所附权利要求内的任何实施方案。
Claims (20)
1.一种车辆通信网络,包括:
远程计算机服务器;以及
车辆,包括:
多个传感器;
无线通信收发器;
电子控制单元(ECU),所述电子控制单元被配置为控制所述车辆的操作并从所述多个传感器获得信息;
其中,所述ECU被配置为通过机器学习对来自所述多个传感器的信息进行分析,并根据所述分析来控制所述车辆;其中,所述远程计算机服务器被配置为通过机器学习对来自所述多个传感器的信息和来自其他车辆的传感器的其他车辆信息进行分析以检测错误;其中,所述远程计算机服务器被配置为将所述错误的指示发送到所述车辆的所述ECU。
2.如权利要求1所述的车辆通信网络,其中,对来自所述多个传感器的信息进行分析包括创建所述车辆的虚拟环境,所述虚拟环境包括所述车辆的模型、被配置为仿真所述ECU的预期操作的所述ECU的模型和所述其他车辆的模型。
3.如权利要求1所述的车辆通信网络,其中,来自所述多个传感器的信息包括车辆速度和车辆位置中的至少一个。
4.如权利要求1所述的车辆通信网络,其中,所述车辆被配置为通过专用短程通信(DSRC)从所述其他车辆中的至少一个车辆接收所述其他车辆信息,并且所述车辆被配置为通过所述无线通信收发器将所述其他车辆信息发送到所述远程计算机服务器。
5.如权利要求1所述的车辆通信网络,其中,所述错误不包括静态规则的违反。
6.如权利要求5所述的车辆通信网络,其中,检测错误包括识别从所述ECU接收的先前信息和从所述ECU接收的当前信息之间的差异。
7.如权利要求6所述的车辆通信网络,其中,所述差异与另一车辆有关。
8.如权利要求1所述的车辆通信网络,其中,所述ECU被配置为根据来自所述远程计算机服务器的指示来控制所述车辆,并且所述控制包括切换到安全模式和关停所述车辆中的至少一个。
9.如权利要求1所述的车辆通信网络,其中,所述ECU和所述远程计算机服务器中的至少一个被配置为将所述指示发送到外部接收器,并且所述外部接收器与以下项中的至少一个相关联:监控公司、所述车辆的制造商、零部件供应商和紧急服务。
10.如权利要求1所述的车辆通信网络,其中,所述远程计算机服务器和所述ECU中的至少一个被配置为确定驾驶者简档,并且所述ECU被配置为根据所述驾驶者简档和对来自所述多个传感器的信息的所述分析来控制所述车辆。
11.如权利要求1所述的车辆通信网络,其中,所述远程计算机服务器被配置为生成对所述车辆的预测、将所述预测与来自所述多个传感器的信息进行比较,并且如果来自所述多个传感器的信息不在所述预测的机器学习范围内则检测到所述错误。
12.一种操作车辆的方法,所述车辆具有一个或更多个传感器、无线通信收发器和电子控制单元(ECU),所述方法包括:
在所述ECU处从所述一个或更多个传感器接收关于所述车辆的第一信息;
通过所述ECU将机器学习和启发法中的至少一个应用于所述第一信息;
检测所述第一信息中的错误;以及
根据所述错误通过所述ECU来控制所述车辆的操作。
13.如权利要求12所述的方法,其中,应用机器学习和启发法中的至少一个包括生成预测,并且检测所述错误包括将所述预测与所述第一信息进行比较。
14.如权利要求12所述的方法,包括将所述第一信息发送到远程计算机服务器,并通过所述远程计算机服务器将机器学习和启发法的至少一个应用于所述第一信息。
15.如权利要求12所述的方法,包括在远程计算机服务器处接收所述第一信息;其中,检测所述错误包括所述远程计算机服务器将机器学习和启发法中的至少一个应用于所述第一信息。
16.如权利要求12所述的方法,包括在远程计算机服务器处接收来自第二车辆的传感器的第二信息;其中检测所述错误包括所述远程计算机服务器将机器学习和启发法中的至少一个应用于所述第一信息和所述第二信息。
17.如权利要求16所述的方法,包括在所述远程计算机服务器处接收来自外部数据源的第三信息;其中,检测所述错误包括所述远程计算机服务器将机器学习和启发法中的至少一个应用于所述第一信息、所述第二信息和所述第三信息。
18.如权利要求14所述的方法,其中,所述远程计算机服务器包括被配置为仿真所述ECU的预期操作的所述ECU的模型。
19.如权利要求12所述的方法,包括通过所述无线通信收发器发送从所述一个或更多个传感器接收的所述第一信息。
20.如权利要求12所述的方法,其中,所述错误是黑客入侵的结果。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/589,479 | 2017-05-08 | ||
US15/589,479 US10489992B2 (en) | 2017-05-08 | 2017-05-08 | Vehicle communication network |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108881364A true CN108881364A (zh) | 2018-11-23 |
CN108881364B CN108881364B (zh) | 2022-06-28 |
Family
ID=63895314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810159259.9A Active CN108881364B (zh) | 2017-05-08 | 2018-02-26 | 车辆通信网络 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10489992B2 (zh) |
CN (1) | CN108881364B (zh) |
DE (1) | DE102018202822A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111376910A (zh) * | 2018-12-29 | 2020-07-07 | 北京嘀嘀无限科技发展有限公司 | 用户行为的识别方法、识别系统及计算机设备 |
CN112216098A (zh) * | 2019-07-11 | 2021-01-12 | 现代自动车株式会社 | 错误监测设备及方法、交通控制服务器、交通监控系统 |
CN112415978A (zh) * | 2019-08-21 | 2021-02-26 | 美光科技公司 | 监测用于车辆控制的控制器区域网络总线 |
CN113950799A (zh) * | 2019-06-06 | 2022-01-18 | 索尼集团公司 | 车辆监控装置、中继器、紧急仲裁装置和车辆紧急监控系统 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10652256B2 (en) * | 2017-06-20 | 2020-05-12 | International Business Machines Corporation | Real-time active threat validation mechanism for vehicle computer systems |
DE102017210827A1 (de) * | 2017-06-27 | 2018-12-27 | Ford Global Technologies, Llc | Verfahren zum Prüfen eines Zustands eines elektrischen Systems eines Kraftfahrzeugs |
US10496398B2 (en) * | 2017-07-25 | 2019-12-03 | Aurora Labs Ltd. | Hot updates to ECU software using tool chain |
US11417109B1 (en) * | 2018-03-20 | 2022-08-16 | Amazon Technologies, Inc. | Network-based vehicle event detection system |
US10614325B1 (en) * | 2018-05-24 | 2020-04-07 | Connected Signals, Inc. | Automatic detection of traffic signal states for driver safety system |
US11273841B2 (en) * | 2018-09-20 | 2022-03-15 | Toyota Research Institute, Inc. | Method and apparatus for spoofing prevention |
US11587366B1 (en) | 2018-11-20 | 2023-02-21 | State Farm Mutual Automobile Insurance Company | Systems and methods for selecting locations to validate automated vehicle data transmission |
FR3089665B1 (fr) | 2018-12-07 | 2021-03-19 | Psa Automobiles Sa | Procédé et dispositif de paramétrage d’un module de supervision de données échangées sur un bus de données d’un véhicule soumis à des contraintes de sureté de fonctionnement |
CN111353782A (zh) * | 2018-12-20 | 2020-06-30 | 大众汽车(中国)投资有限公司 | 针对基于车辆的支付的欺诈检测方法、设备和系统 |
US20210125428A1 (en) * | 2019-10-23 | 2021-04-29 | Applied Mechatronic Products, Llc | Apparatus and Method for Tire Separation Monitoring |
US11194008B2 (en) * | 2019-10-25 | 2021-12-07 | Toyota Motor Engineering And Manufacturing North America, Inc. | Triangulation and calibration of electronic control units |
DE102020101490A1 (de) | 2020-01-22 | 2021-07-22 | Endress+Hauser Conducta Gmbh+Co. Kg | Sensorsystem und Verfahren |
DE102020117638A1 (de) | 2020-07-03 | 2022-01-05 | Bayerische Motoren Werke Aktiengesellschaft | Computerimplementiertes Verfahren und System zum Validieren einer sensorbasierten Fahrzeugfunktion |
US11436864B2 (en) * | 2020-07-14 | 2022-09-06 | Micron Technology, Inc. | Driver recognition to control vehicle systems |
US11667265B2 (en) | 2020-07-14 | 2023-06-06 | Micron Technology, Inc. | Activating a security mode for a vehicle based on driver identification |
US11588735B2 (en) * | 2020-07-29 | 2023-02-21 | Micron Technology, Inc. | Edge processing of sensor data using a neural network to reduce data traffic on a communication network |
US11915122B2 (en) | 2020-07-29 | 2024-02-27 | Micron Technology, Inc. | Gateway for distributing an artificial neural network among multiple processing nodes |
KR20220027404A (ko) * | 2020-08-27 | 2022-03-08 | 주식회사 만도모빌리티솔루션즈 | Mcu 고장 검출 장치 및 방법 |
JP6962435B1 (ja) * | 2020-10-12 | 2021-11-05 | トヨタ自動車株式会社 | 機械学習装置 |
US11613264B2 (en) | 2021-02-10 | 2023-03-28 | Qualcomm Incorporated | Transmit-side misbehavior condition management |
FR3139781A1 (fr) * | 2022-09-21 | 2024-03-22 | Psa Automobiles Sa | Procédé d’estimation d’un état d’un véhicule automobile, et système associé |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150178998A1 (en) * | 2013-12-20 | 2015-06-25 | Ford Global Technologies, Llc | Fault handling in an autonomous vehicle |
CN105050868A (zh) * | 2012-10-17 | 2015-11-11 | 安全堡垒有限责任公司 | 用于检测和防止对交通工具的攻击的设备 |
WO2017046805A1 (en) * | 2015-09-17 | 2017-03-23 | Tower-Sec Ltd. | Systems and methods for detection of malicious activity in vehicle data communication networks |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US185999A (en) * | 1877-01-02 | Improvement in hammers for dressing stone | ||
US176524A (en) * | 1876-04-25 | Improvement in steam-cookers | ||
US6212473B1 (en) | 1999-09-20 | 2001-04-03 | Ford Global Technologies, Inc. | Vehicle navigation system having inferred user preferences |
US20110238259A1 (en) | 2010-03-25 | 2011-09-29 | Gm Global Technology Operations, Inc. | V2X-Connected Cooperative Diagnostic & Prognostic Applications in Vehicular AD HOC Networks |
US8718917B2 (en) | 2010-10-07 | 2014-05-06 | GM Global Technology Operations LLC | GPS-based relative positioning enhancement method using neighboring entity information |
US8457827B1 (en) | 2012-03-15 | 2013-06-04 | Google Inc. | Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles |
EP2832070B1 (en) | 2012-03-29 | 2020-05-20 | Arilou Information Security Technologies Ltd. | Device for protecting a vehicle electronic system |
US9633564B2 (en) | 2012-09-27 | 2017-04-25 | Google Inc. | Determining changes in a driving environment based on vehicle behavior |
US20140302774A1 (en) * | 2013-04-04 | 2014-10-09 | General Motors Llc | Methods systems and apparatus for sharing information among a group of vehicles |
US9892567B2 (en) * | 2013-10-18 | 2018-02-13 | State Farm Mutual Automobile Insurance Company | Vehicle sensor collection of other vehicle information |
KR101472896B1 (ko) | 2013-12-13 | 2014-12-16 | 현대자동차주식회사 | 차량 내 통신 네트워크에서의 보안 강화 방법 및 그 장치 |
US10185999B1 (en) * | 2014-05-20 | 2019-01-22 | State Farm Mutual Automobile Insurance Company | Autonomous feature use monitoring and telematics |
US20150356794A1 (en) | 2014-06-05 | 2015-12-10 | Ford Global Technologies, Llc | Connected vehicle predictive quality |
US10176524B1 (en) * | 2015-10-26 | 2019-01-08 | Allstate Insurance Company | Vehicle-to-vehicle incident information collection |
-
2017
- 2017-05-08 US US15/589,479 patent/US10489992B2/en not_active Expired - Fee Related
-
2018
- 2018-02-26 DE DE102018202822.2A patent/DE102018202822A1/de not_active Ceased
- 2018-02-26 CN CN201810159259.9A patent/CN108881364B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105050868A (zh) * | 2012-10-17 | 2015-11-11 | 安全堡垒有限责任公司 | 用于检测和防止对交通工具的攻击的设备 |
US20150178998A1 (en) * | 2013-12-20 | 2015-06-25 | Ford Global Technologies, Llc | Fault handling in an autonomous vehicle |
WO2017046805A1 (en) * | 2015-09-17 | 2017-03-23 | Tower-Sec Ltd. | Systems and methods for detection of malicious activity in vehicle data communication networks |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111376910A (zh) * | 2018-12-29 | 2020-07-07 | 北京嘀嘀无限科技发展有限公司 | 用户行为的识别方法、识别系统及计算机设备 |
CN113950799A (zh) * | 2019-06-06 | 2022-01-18 | 索尼集团公司 | 车辆监控装置、中继器、紧急仲裁装置和车辆紧急监控系统 |
CN112216098A (zh) * | 2019-07-11 | 2021-01-12 | 现代自动车株式会社 | 错误监测设备及方法、交通控制服务器、交通监控系统 |
CN112415978A (zh) * | 2019-08-21 | 2021-02-26 | 美光科技公司 | 监测用于车辆控制的控制器区域网络总线 |
Also Published As
Publication number | Publication date |
---|---|
CN108881364B (zh) | 2022-06-28 |
US10489992B2 (en) | 2019-11-26 |
DE102018202822A1 (de) | 2018-11-08 |
US20180322711A1 (en) | 2018-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108881364A (zh) | 车辆通信网络 | |
US20230118340A1 (en) | Artificial intelligence-based systems and methods for vehicle operation | |
CN111527500B (zh) | 用于增强人工神经网络的分布式架构中的自学习 | |
US20200010077A1 (en) | Proactive vehicle safety system | |
US20210312725A1 (en) | Vehicle-data analytics | |
US11364936B2 (en) | Method and system for controlling safety of ego and social objects | |
WO2021034734A1 (en) | Full uncertainty for motion planning in autonomous vehicles | |
US20190101924A1 (en) | Anomaly Detection Systems and Methods for Autonomous Vehicles | |
KR20210134635A (ko) | 자율 주행 차량 시스템 | |
US20200134494A1 (en) | Systems and Methods for Generating Artificial Scenarios for an Autonomous Vehicle | |
CN110036423A (zh) | 用于调节车辆队列中车辆之间的车辆间距离的方法和控制单元 | |
US20180141564A1 (en) | Autonomous vehicle performance optimization system | |
Radak et al. | Detecting road events using distributed data fusion: Experimental evaluation for the icy roads case | |
WO2018016248A1 (ja) | 情報推定システム、情報推定方法及びプログラム | |
US10431023B1 (en) | Systems and methods to test an autonomous vehicle | |
CN114502444B (zh) | 用于提供本地动态地图数据的边缘系统 | |
WO2019140042A1 (en) | Traffic control utilizing vehicle-sources sensor data, and systems, methods, and software therefor | |
CN111164530A (zh) | 更新用于至少一个移动单元的自动控制的控制模型的方法和系统 | |
CN113496602A (zh) | 智能路侧工具箱 | |
US20220230537A1 (en) | Vehicle-to-Everything (V2X) Misbehavior Detection Using a Local Dynamic Map Data Model | |
CN106292432A (zh) | 信息处理方法、装置和电子设备 | |
US20220041146A1 (en) | Systems and Methods for Emergency Braking in Autonomous Vehicles | |
KR20230005818A (ko) | 취약 도로 사용자 기본 서비스 통신 프로토콜 프레임워크 및 동적 상태 | |
JP2023039929A (ja) | 異常な運転挙動の早期検出 | |
WO2021128278A1 (en) | Driving safety systems |
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 |