CN109076093A - 控制车辆中基于传感器的数据采集和信号处理的系统和方法 - Google Patents
控制车辆中基于传感器的数据采集和信号处理的系统和方法 Download PDFInfo
- Publication number
- CN109076093A CN109076093A CN201680081743.3A CN201680081743A CN109076093A CN 109076093 A CN109076093 A CN 109076093A CN 201680081743 A CN201680081743 A CN 201680081743A CN 109076093 A CN109076093 A CN 109076093A
- Authority
- CN
- China
- Prior art keywords
- event
- signal
- threshold
- self
- factor
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/06—Receivers
- H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
- H04B1/1027—Means associated with receiver for limiting or suppressing noise or interference assessing signal quality or detecting noise/interference for the received signal
- H04B1/1036—Means associated with receiver for limiting or suppressing noise or interference assessing signal quality or detecting noise/interference for the received signal with automatic suppression of narrow band noise or interference, e.g. by using tuneable notch filters
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
-
- 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
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
-
- 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
- B60R21/02—Occupant safety arrangements or fittings, e.g. crash pads
- B60R21/16—Inflatable occupant restraints or confinements designed to inflate upon impact or impending impact, e.g. air bags
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/107—Longitudinal acceleration
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/109—Lateral acceleration
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/06—Receivers
- H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
-
- 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
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/06—Receivers
- H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
- H04B1/1027—Means associated with receiver for limiting or suppressing noise or interference assessing signal quality or detecting noise/interference for the received signal
- H04B2001/1054—Means associated with receiver for limiting or suppressing noise or interference assessing signal quality or detecting noise/interference for the received signal by changing bandwidth
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Social Psychology (AREA)
- Animal Behavior & Ethology (AREA)
- Psychiatry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Psychology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Educational Technology (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
提供用于动态地控制车辆中基于传感器的数据采集的系统和方法。公开实施例可以接收与车辆中的传感器相关联的信号,其中信号与采样速率相关联,并且将带宽滤波器应用于信号,以生成滤波信号。公开实施例还可以通过将滤波信号与一个或多个事件阈值相比较来检测事件的发生并且当事件阈值被超过时向控制系统传输事件数据。公开实施例还可以基于控制变量集合的改变来动态地调整信号、采样速率、带宽滤波器、所产生的事件信号以及事件阈值。控制变量可以取决于与车辆中的传感器集合相关联的信号或者取决于边界条件和与外部系统相关联的信号。
Description
背景技术
本公开总体涉及动态地控制车辆中基于传感器的数据采集的系统和方法。更具体地,且不限于,公开实施例涉及基于数据的连续波动状态来动态地调整信号以及信号处理参数的系统和方法。
了解车辆的运行可能需要大量的信息以及处理能力。这些信息可以包括关于车辆当前状态的数据(例如,其定位、速度、加速度等),关于当前路况的信息(例如,天气、交通、道路曲率等),以及关于驾驶员的信息(例如,驾驶员的驾驶历史、精神状态等)等等。传统的数据采集系统无法以健壮的方式提供有效的方法来收集、处理和利用所有这些信息。因此,这样的系统会在计算上效率低下或者会为了准确性而牺牲速度。
发明内容
公开实施例包括适于动态地控制车辆中基于传感器的数据采集的系统和方法。公开实施例可以连续且动态地调整所收集的传感器信号的类型、其相应的采样速率以及事件检测算法,以实时或者接近实时地修改数据采集。公开实施例可以基于随着时间更新的控制变量的改变来调整这些参数。在一些方面,这些控制变量可以是基于与车辆、道路、周围环境、驾驶员或其它考虑因素相关的信息。
公开实施例包括例如动态地控制车辆中基于传感器的数据采集的系统。系统可以包括存储指令集的存储器以及配置成执行该指令集以执行一个或多个操作的一个或多个处理器。操作可以包括接收与车辆中的传感器集合相关联的信号集合,其中信号集合与采样速率集合相关联。操作还可以包括将带宽滤波器集合应用于信号集合,以生成滤波信号集合。操作还可以包括通过将基于滤波器信号集合的事件分数与事件阈值进行比较来检测事件的发生。操作还可以包括当事件分数超过事件阈值时将事件数据输出到控制中心,其中基于控制变量集合的改变来调整信号集合、采样速率集合、带宽滤波器集合、事件分数或者事件阈值中的至少一个。
公开实施例还包括例如动态地控制车辆中基于传感器的数据采集的方法,其包括通过与车辆内的设备相关联的一个或多个处理器所执行的以下操作。方法可以包括接收与车辆中的传感器集合相关联的信号集合,其中信号集合与采样速率集合相关联。方法还可以包括将带宽滤波器集合应用于信号集合,以生成滤波信号集合。方法还可以包括通过将基于滤波信号集合的事件分数与事件阈值进行比较来检测事件的发生。方法还可以包括当事件分数超过事件阈值时将事件数据输出到控制中心,其中基于控制变量集合的改变来调整信号集合、采样速率集合、带宽滤波器集合、事件分数或者事件阈值中的至少一个。
公开实施例还包括例如存储指令的有形、非易失性计算机可读介质(存储器),当所述指令通过至少一个处理器被执行时,其使得至少一个处理器执行用于动态地控制车辆中基于传感器的数据采集的方法。方法可以包括接收与车辆中的传感器集合相关联的信号集合,其中信号集合与采样速率集合相关联。方法还可以包括将带宽滤波器集合应用于信号集合,以生成滤波信号集合。方法还可以包括通过将基于滤波信号集合的事件分数与事件阈值进行比较来检测事件的发生。方法还可以包括当事件分数超过事件阈值时将事件数据输出到控制中心,其中基于控制变量集合的改变来调整信号集合、采样速率集合、带宽滤波器集合、事件分数或者事件阈值中的至少一个。
公开实施例的额外特征和优点将部分地在下面的描述中阐述,并且部分的从该描述中为显而易见的,或者可以通过公开实施例的实践来学习的。借助于所附权利要求中特别指出的元件和组合,将实现和获得所公开实施例的特征和优点。
应当理解的是,无论前面的总体描述和还是下面的具体描述都仅仅是示例和说明,而非限制所要求保护的公开实施例。
所附附图构成本说明的一部分。附图图示了本公开的若干实施例,结合说明书,用于解释如在所附权利要求书中所阐述的公开实施例的原理。
附图说明
图1示出实现与公开实施例一致的实施例的示例性系统环境。
图2示出实现与公开实施例一致的过程的示例性计算系统。
图3示出与公开实施例一致的收集和处理被动态调整的车辆数据的示例性过程的流程图。
图4示出与公开实施例一致的示例性自适应控制设备和数据流的框示意图。
图5示出与公开实施例一致的示例性带宽滤波器过程的流程图。
图6示出与公开实施例一致的示例性事件检测过程的流程图。
图7示出与公开实施例一致的示例性事件验证过程的流程图。
图8示出产生与公开实施例一致的边界条件和风险指数的示例性过程的流程图。
具体实施方式
公开实施例涉及动态地控制车辆中基于传感器的数据采集的系统和方法。基于由所接受信号以及其他外部过程的信号处理所驱动的控制变量,公开实施例可以动态地控制来自与车辆相关联的传感器的信号以及其相应的采样速率。公开实施例可以将带宽滤波器应用于信号,以便实时或者接近实时地动态调整滤波带宽。此外,公开实施例可以应用在运行时被动态调整的事件检测算法,以考虑当前的路况、检测到的事件、波动的危险以及危害的暴露、驾驶员的行为和其他考虑因素。所公开的实施例可以通过动态调整所收集的信号的类型、与信号相关联的数学权值、传达相关事件检测阈值的参数等等来修改这些事件检测方案。公开实施例还可以验证检测到的事件,以确保数据高保真度,进一步调整输入信号、带宽、权值、阈值等。此外,公开实施例提供向控制中心提供信号数据、滤波信号数据、检测到的事件及其他参数的系统和方法,用于进一步处理。公开实施例还可以提供适于在控制中心处处理所接收的数据的系统和方法,以向与传感器通信的远程设备提供相关数据、信息和指令,用于进一步处理。
动态地调整车辆中基于传感器的数据采集可以提供一个或多个技术优点。例如在信号处理的情况中,采样来自车辆传感器的较小信号集合以在不影响准确性的情况下提高计算效率可以认为是有利的。处理或存储与不必要的信号或其他信息相关联的数据会将计算资源花费在低价值的数据上。通过在较低或者更专门的采样速率下来采样信号可以产生相似的优点。另外,定制被采样的信号以及伴随的采样速率可以提高将数据传输到其他计算系统的效率以及在其他计算系统处处理该数据的效率。在另一个示例中,动态地控制基于传感器的事件检测的参数可以提高这些算法的准确性和效率。这样的动态调整的事件检测方案可以得益于在最相关的采样速率下采样最相关的信号。此外,响应于实时事件来动态调整这些过程的阈值和输入参数可以提高它们的效率和可靠性。公开实施例通过基于连续地更新数据来动态地控制采样的信号、它们的采样速率以及修改事件检测和验证方案的参数,提供了至少这些优点。
下文将具体地参考本公开的实施例,其示例图示于所附附图中。在可能的地方,在所有附图中将使用相同的附图标记来指定相同或相似的部件。
图1示出实现与公开实施例一致的系统和方法的示例性系统环境100。在一些方面,环境100可以包括一个或多个自适应控制设备(例如,自适应控制设备112),该一个或多个自适应控制设备通信地连接于与车辆110相关联的一个或多个传感器114的集合。环境100可以包括一个或多个控制中心系统(例如,控制系统132),该一个或多个控制中心系统可以与一个或多个控制中心(例如,控制中心130)相关联。环境100还可以包括一个或多个外部计算系统(例如,外部系统142),该一个或多个外部计算系统可以与一个或多个外部实体(例如,外部实体140)相关联。一个或多个通信网络(例如,通信网络120)可以通信地连接环境100的一个或多个组件。
自适应控制设备112包括适于收集、获取、处理、存储和/或传输信息的一个或多个的计算设备、数据处理设备或信号处理设备(例如,参考图2所述的计算设备200)。例如,在一些实施例中,自适应控制设备112包括具有硬件和/或软件应用程序的芯片组,该软件应用程序在硬件上运行以执行与公开实施例一致的过程。自适应控制设备112可用于通过通信网络(例如通信网络120)向其他计算系统传输和接收数据或信号。自适应控制设备112可以用一个或多个处理器或基于计算机的系统来实现。自适应控制设备112还可以与下文所述的实施例一致地用适于存储信息的一个或多个数据存储装置来实现。在一些方面,自适应控制设备112包括一个或多个传感器(例如加速度计、陀螺仪、指南针、GNSS接收器等),尽管这样的内部传感器不是必须的。
在特定方面,自适应控制设备112接收来自传感器114集合的编码信息的信号集合(例如,通过例如硬接线电路、NFC连接等通信网络120)。传感器114可以测量任何与车辆110相关联的物理的、温度的、运行的和/或环境的特征。例如,传感器114可以包括GNSS接收器/收发器、GPS接收器、加速度计、陀螺仪、温度计、湿度计、压力传感器、时钟、CAN线或CAN总线(和/或它们的连接组件,例如制动传感器、引擎传感器、巡航控制传感器、轮胎压力传感器、音频系统、门传感器、导航系统等)、任何车辆传感器或微控制器或其他这样的传感器。传感器114可以测量车辆的内部或外部的特征(例如,环境温度、空气湿度、气压压力等),以及车辆的特性(例如,定位、横向/纵向加速度、海拔等)。
在一些实施例中,自适应控制设备112使用从传感器114所接收的信号以确定或推导与车辆110相关联的信息。例如,在一个示例中,自适应控制设备112可以基于从温度计所接收的信号确定车辆110的外部温度。在另一个示例中,自适应控制设备112可以基于车辆的定位(例如,从GNSS接收器)、时间(例如,从GNSS时钟)和/或纵向加速度(例如,从加速度计)来推导车辆110的速度。自适应控制设备112还可以以相类似的方式(例如,利用加速度计、陀螺仪、CAN总线、压力传感器和/或湿度计等)确定例如车辆加速度、车辆转弯或者空气压力以及空气湿度等信息。自适应控制设备112可以与所公开实施例一致地推导、检测或确定来自于传感器114的任何这样的信息。如下文所使用的,从其中(例如,速度、加速、时间、转弯、环境温度等)直接推导出的任何传感器信号或车辆特征可以被称为“信号”,尽管这样的描述仅用于描述目的而并非旨在限定。例如,自适应控制设备112可以与公开实施例一致地接收以下信号来执行过程:速度、加速度、制动、转弯、温度、空气压力、空气湿度、时间、定位、纵向加速度、横向加速度、节气门位置、制动踏板位置、偏航、俯仰、滚转、加加速度、湿度水平以及其他下文所述的信号类型。自适应控制设备112还可以组合这些信号,以产生额外的信号和/或信息。例如,自适应控制设备112可以基于位置、加速度、制动、转弯和/或速度信号确定驾驶员的驾驶行为。在另一个示例中,自适应控制设备112可以以相似的方式确定环境数据(例如,基于温度、压力和/或空气湿度的信号)或撞击数据(例如,基于位置、加速度和/或速度的信号)。
环境100包括一个或多个通信网络120。在一些方面,通信网络120可以表征任何通信网络类型或适于在计算设备之间传输信息的数字通信的介质。例如,通信网络120可以包括蜂窝网络、卫星网络、局域网(LAN)、无线局域网(LAN)、射频(RF)网络、近场通信(NFC)网络(例如,WiFi网络)、连接多个局域网(LAN)的无线城域网(MAN)、(一个或多个)NFC通信链路、任何物理有线连接或电路(例如通过I/O端口、物理电路等)以及万维网(WAN,例如因特网)。在一些实施例中,可以通过物理加密(例如,链路加密)和通过要求在其他计算机系统上加密信息(例如,端加密)等等来保护通信网络120。
在特定方面,通信网络120包括任何可访问网络或通过一个或多个通信协议(包括超文本传输协议(HTTP)和传输控制协议/互联网协议(TCP/IP))互连的网络。与公开实施例一致的通信协议还包括利用射频识别(RFID)通信和/或NFC来促进数据传输的协议。在一些方面,通信网络120还可以包括一个或多个移动设备网络(例如,GSM网络或PCS网络),以允许设备(例如,自适应控制设备112、外部系统142等)通过可适用的通信协议(包括本文所述的那些)来发送和接收数据。
环境100还包括配置成处理、存储、接收、获取和传输信息的一个或多个控制系统132。在特定方面,与公开实施例(例如,如参照图2至图10所述的)一致地,控制系统132可以表示一个或多个计算系统(例如,计算系统200、服务器、大型计算机等),并且可以利用硬件设备和/或用以执行一个或多个操作的软件指令来实现。软件指令可以被包含在单个计算机、单个服务器或者对于本领域的普通技术人员来说显而易见的任何额外的或可替换的计算设备中。控制系统132还可以包括分布式计算设备和计算系统,并且可以通过在网络(例如,通信网络120)内的远程通信在单独的计算系统和服务器上来执行软件指令。控制系统132可以包括多重服务器,并且可以包括多个服务器或包含负载平衡系统的服务器场。控制系统132可以通过任何可适用网络(例如,通信网络120)来向环境100内的其他系统(例如自适应控制设备112或外部系统142)接收和传输信息。控制系统132还可以在不访问其他设备或通信网络的情况下实现公开实施例的方面。
控制系统132可以包括一个或多个的数据仓库、存储器或适于存储和维持信息的存储装置。与公开实施例一致地,在系统环境100内的计算系统(例如,自适应控制设备112、外部系统142等)可以接收存储在控制系统132内的数据,并且向该控制系统132传送数据。控制系统132的存储装置还可以利用数据库或计算机可读存储介质的任意组合来实现。例如,存储装置可以维持在连接存储设备的网络、存储区域网络及其某些组合等等中。
在一些实施例中,控制系统132可以与控制中心130相关联。控制中心130可以表示与自适应控制设备112通信的任何实体。例如,在一些方面,控制中心130可以表示业务、组织、企业、教育机构、政府主体或代理机构、个人或任何其他实体。与公开实施例一致地,控制中心130可以通过控制系统132来向自适应控制设备112以及其他系统(例如,外部系统142)收集、存储和提供信息。
环境100可以包括适于接收、处理、产生、存储和提供信息的一个或多个外部系统(例如,外部系统142)。相似于控制系统132、自适应控制设备112或任何其他计算设备的,外部系统142可以包括其自己的计算系统、服务器、数据仓库、处理器等(例如,如参考图2所述的)。例如,外部系统142可以包括一个或多个服务器、个人计算机、膝上型计算机、平板计算机、笔记本计算机、手持计算机、个人数字助理、便携导航设备、移动电话、可穿戴设备、嵌入式设备、智能电话和任何额外的或替换的计算设备。与公开实施例一致地,环境100的组件(例如,控制系统132、自适应控制设备112等)可以配置成从外部系统142接收信息并且向外部系统142提供信息以执行过程。
在一些方面,外部系统142可以与外部实体140相关联。外部实体140可以表征业务、实体、教育机构、政府主体或代理机构、个人等,利用外部系统142来处理信息。例如,在一个实施例中,外部实体140可以包括车辆110的驾驶员。在另一个示例中,外部实体140可以表示业务(例如社交网站)。
图2示出适于实现公开实施例的特定方面的示例性计算机系统200的框图。例如,在一些方面,计算机系统200可以表示与执行本文所公开的一个或多个过程的设备(例如,自适应控制设备112、控制系统132、外部系统142等)相关联的计算机系统。在一些实施例中,计算机系统200可以包括连接于通信骨干网206的一个或多个处理器202,该通信骨干网206例如有总线或外部通信网络(例如,任何数字数据通信介质(例如LAN、MAN、WAN)、蜂窝网络、WiFi网络、NFC链路、蓝牙、GSM网络、PCS网络、I/O连接、任何有线连接(例如USB或硬接线电路)以及任何关联的协议(例如HTTP、TCP/IP、RFID等))。
在特定方面,计算系统200包括主存储器208。主存储器208可以包括随机存取存储器(RAM),其表征有形且非易失性计算机可读介质,该有形且非易失性计算机可读介质存储由处理器202执行的计算机程序、指令集、代码或数据。与公开实施例一致地,当由处理器202执行时,这些指令、计算机程序等使处理器202能够执行一个或多个过程或功能。在一些方面,这些指令可以包括机器代码(例如,来自编译器)和/或包含代码的文件,处理器202可以利用解释器执行这些代码。
在一些方面,主存储器208还可以包括辅助存储器210或连接到辅助存储器210。辅助存储器210可以包括磁盘驱动器212(例如,硬盘(HDD)、固态硬盘(SSD))和/或可移动存储驱动器214(例如,磁盘驱动器、闪存存储器、光盘驱动器、CD/DVD驱动器等等)。可移动存储驱动器214可以以对普通技术人员所知晓的方式从可移动存储单元218中进行读取和/或向可移动存储单元218进行写入。可移动存储单元218可以表征磁盘、光盘或其他存储介质,其由可移动存储驱动器214进行读取和写入。可移动存储单元218可以表征有形且非易失性计算机可读介质,在其中其存储有由处理器202所执行的计算机程序、指令集、代码或数据。
在其他实施例中,辅助存储器210可以包括允许计算机程序或其他程序指令加载到计算机系统200的其他装置。例如,这样的装置可以包括另一个可移动存储单元218或接口220。这样的装置的示例可以包括可移动存储器芯片(例如,EPROM、RAM、ROM、DRAM、EEPROM、闪存存储器设备或者其他易失性或非易失性存储器设备)及关联的插口,或者其他可移动存储单元210及接口220,接口220允许从可移动存储单元218向计算机系统200传送指令和数据。
计算机系统200还包括一个或多个通信接口224。通信接口224可以允许软件和数据在计算机系统200和外部系统(例如,除了骨干网206之外的)之间被传送。通信接口224可以包括调制解调器、网络接口(例如,以太网卡)、通信端口、PCMCIA插槽和卡等。通信接口224可以以信号形式传送软件和数据,该信号可以是电子的、电磁的、光学的或能够由通信接口224所接收的其他信号。可以通过通信路径(例如,信道228)向通信接口224提供这些信号。信道228可以携带信号并且可以利用电线、电缆、光纤、RF链路和/或其他通信信道来实现。在一个实施例中,信号包括发送到处理器202的数据包。例如,计算机系统200可以通过通信接口224和/或通信骨干网206接收来自传感器(例如,传感器114)的信号。表征处理过的数据包的信息还可以以信号形式从处理器202通过通信路径228来发送。
在特定方面,本文所描述的计算机所实现的方法能够在计算机系统的单个处理器(例如计算机系统200的处理器202)上被实现。在其他实施例中,这些计算机所实现的方法可以利用单个计算机系统内的一个或多个处理器和/或在网络内来通信的多个单独计算机系统内的一个或多个处理器上来实现。
在参考图2的特定实施例中,术语“存储设备”以及“存储介质”可以指特定设备,其包括但不限于主存储器208、辅助存储器210、安装在硬盘驱动器212中的硬盘以及可移动存储单元218。另外,术语“计算机可读介质”可以指设备,其包括但不限于安装在硬盘驱动器212中的硬盘、主存储器208和辅助存储器210的任意组合以及可移动存储单元218,其可以向计算机系统200的处理器202相应地提供计算机程序和/或指令集。这样的计算机程序和指令集能够被存储在一个或多个计算机可读介质内。在特定方面,计算机程序和指令集还可以通过通信接口224被接收并且在一个或多个计算机可读介质上被存储。
公开实施例包括动态地控制与车辆相关的基于传感器的数据采集过程的系统和方法。这些实施例可以基于控制变量的改变来动态地控制在自适应控制设备112处所接收的来自车辆传感器114的信号以及这些信号的相应的采样速率。控制变量的这些改变可以由从外部系统(例如,控制系统132、外部系统142等)所接收的信号和信息所驱动。公开实施例还可以利用带宽滤波器滤波所接收的信号,该带宽滤波器可以基于控制变量被动态地调整。此外,公开实施例可以采用事件检测来检测特定事件的发生或未发生。这些事件检测过程可以被动态地调整,以考虑控制变量的改变。公开实施例可进一步地包括利用控制变量来验证检测到的事件。公开实施例可以包括各种远程计算设备,这些远程计算设备通信、传输和接收在每个过程中所产生的信息来连续地更新控制变量,从而使每个例程能够基于当前的数据被动态地调整。以这种方式,由于有效的控制变量集合的不断演变,公开实施例可以在每个公开的系统处提高计算效率和准确性。这些动态调整使公开实施例能够对信息改变、环境因子以及来自其他源的信息作出快速且连续地反应。
图3示出与公开实施例一致的适于收集和处理被动态调整的车辆数据的示例性过程300的流程图。参考过程300所述的实施例可以通过在环境100的一个或多个组件(例如自适应控制设备112、控制系统132、其某些组合等)上的硬件和/或软件来实现。例如,在一方面,过程300的步骤可以如下面所述的发生在自适应控制设备112上。在其他方面,过程300的实施例可以在任意数量的计算系统之间被分散。此外,可以以与公开实施例一致的方式对过程300的特定方面进行重新排序,重新排列,重复,省略,补充,修改或集成到额外过程中。
在一些实施例中,过程300包括在自适应控制设备112处接收来自外部计算系统(例如控制系统132)的边界条件集合(步骤302)。在特定方面,边界条件可以表示与车辆110外部的条件、情况、状态、变量或环境相关联的信息。这些信息可以被存储或产生在本地(例如,在自适应控制设备112上)上和/或在远程设备(例如,控制系统132)上。此外,这些数据可以是基于从其他外部系统(例如外部系统142)所获取的信息以及从自适应控制设备112(例如,所接收的信号、所检测到的事件等)所接收的或所处理的信息。边界条件可以是基于当前的、预期的(例如,预测的)和/或历史的信息。
例如,在一个示例中,边界条件集合可以包括道路类型、路径和/或行车道条件,其表示关于车辆正行驶在的、将行驶在的(例如,基于来自导航系统或历史数据的预期的路线)或已经历史上在过去行驶过的道路的特征。这些道路特征可以包括任何道路的特性例如其长度、宽度、曲度(例如,在沿路的各个点处)、车道数量、类型或分类(例如,高速公路、收费公路、主干道、支路公路)、所包含的道路路段或岔口的列表等等。
边界条件集合还可以包括表示当前的、预期的或历史的环境条件的天气条件。这些环境信息可以包括与天气相关联的任何数据(例如温度、空气湿度、降水量或降水速度、大气气压、风速或风向、露点、能见度、热指数、云覆盖度(例如,晴、多云等)等等)。在一些实施例中,天气条件可以是基于从自适应控制设备112所接收的信息(例如,通过当前的或过去的温度、气压和空气湿度的信号)。额外地或可替换地,天气条件可以是基于在外部系统142上可用的信息。
边界条件集合可以包括交通条件,该交通条件表示与车辆110的当前的或预期的定位相关联的当前的、历史的和/或预测的拥堵水平。这些信息可以是基于车辆110的当前的或预测的路线,该路线从例如在导航系统中所存储的信息中产生(例如,与自适应控制设备112通信,作为自适应控制设备112本身的一部分或作为单独的外部系统142等)和/或从驾驶员的历史偏好的路线或道路中产生(下面将讨论)。举例来说,交通条件可以表示与车辆110的当前激活的路线(例如,基于车载导航系统、在驾驶员移动设备142上的路线导航应用程序、存储在自适应控制设备112内的数据等)相关联的拥堵水平,该路线具有所预期的绕道以考虑驾驶员对于特定道路或特定道路类型的历史偏好。
在一些实施例中,边界条件集合还可以包括平均速度地图条件,该平均速度地图条件表示在车辆110的某段行程或附近范围内的车辆平均速度(例如,50英尺、100英尺、500英尺等)。在一些方面,平均速度地图条件还可以是基于与车辆110的当前定位(例如,第二及附近范围、道路、道路路段等)相关联的当前的、历史的或预测的车辆的平均速度。
边界条件集合可以进一步包括黑点条件,该黑点条件表示路径、路线、道路路段、岔口、点、位置等,在其中涉及事故的可能性很高(例如,事故可能性超过了阈值)。在一些方面,黑点条件可以是基于当前的、历史的或所预期的车辆110的位置或路线(例如本文所描述的那些)。黑点条件还可以表示在环境100中的系统(例如,自适应控制设备112、例如高速巡查系统的外部系统142等)上所存储的事故信息。事故信息可以包括与位置相关联的数据(例如历史事故率)、与位置和/或相邻近位置相关联的拥堵水平(历史的、当前的、预期的等)以及与公开实施例一致的其他信息。在一些实施例中,黑点条件还可以包含与其他位置和路径相关联的事故信息。例如,与相似位置(例如,道路类型等)、相近位置、沿特定路线的位置以及其他这样的参数的事故率和拥堵水平相比,黑点条件可以根据位置的事故率、拥堵水平等而产生。例如,在一个说明性示例中,黑点条件可以表示道路路段或其他位置,其具有比在相似位置上事故率的本地或国家平均值更高的事故率。
边界条件集合可以包括标准驾驶员条件,其表示包括若干或所有驾驶员的平均或总体驾驶员行为(例如,加速、位姿、制动、转弯和/或速度的简档(profile))。在一些实施例中,标准驾驶员条件可以包括总体上(例如,包括所有天气条件、道路类型等)与驾驶员相关联的行为信息。在其他实施例中,标准驾驶员条件可以受限于特定维度(例如特定的道路、道路类型、道路路段、弯道或岔口、时刻、天气条件、车辆品牌/型号/类型、驾驶员年龄群等)。在一些方面,驾驶员集合可以限于与自适应控制设备112相关联的那些。
相似地,边界条件集合可以包括当前驾驶员条件,该当前驾驶员条件表示当前操作车辆110的驾驶员的平均的或总体的驾驶员行为(例如,驾驶员的加速、位置、制动、转弯和/或速度信息)。这些信息可以总体(例如,包括所有维度)或在特定维度内(例如,如上所述地沿特定的道路、道路路段、弯道、时刻、天气条件等)体现驾驶员的行为。当前驾驶员条件可以是基于例如从自适应控制设备112所接收的信息和/或识别车辆110的当前驾驶员的驾驶员凭证信息(例如,向自适应控制设备所提供的)。
在一些方面,边界条件集合还可以包括驾驶员设备条件,该驾驶员设备条件表示与电子设备(例如,外部系统142)相关联的或从该电子设备所接收的信息,该电子设备与驾驶员相关联。这些信息可以包括当前的、预期的或历史的生物节律数据(例如,睡眠信息、心率、血压、行走步数)和/或设备使用数据(例如,与呼叫日志、讯息或电子邮件、日历、计划的导航路线、听的音乐、访问的网站、软件应用程序数据等相关联的信息等)。
边界条件集合还可以包括常用路线条件,该常用路线条件表示与路线、道路类型、道路和/或道路路段相关联的通常被车辆110的驾驶员所偏好的信息。这些信息可以是基于例如由自适应控制设备112所追踪的历史路线导航及驾驶信息、在与车辆110或驾驶员相关联的导航系统上(例如,在外部系统142(例如移动电话)上)所存储的相似信息。例如,在一个示例中,常用路线条件可以表示驾驶员通常避开高速公路,避开特定高速公路的特定段,偏好一条道路或路线而不是另一条等等。
边界条件集合还可以包括社交网络条件,该社交网络条件表示从与车辆110的驾驶员相关联的一个或多个社交网络中所获取的信息。社交网络信息可以包括例如发帖的时间和地点;这些帖子的内容(例如,通过词法或语义过程的解析来提取相关信息(例如感兴趣的事、表情、未来或过去的事件等));显示的感兴趣的事、“赞”或收藏(例如,音乐、电影、爱好、运动、人物、政治等);对于朋友、粉丝等的任何上述信息;生平或人口调查的信息(例如,生日、(一个或多个)学位、(一个或多个)学位院校、居住地、雇主或雇佣类型、宗教、情感情况等);分享的信息(例如,分享的新文章);和/或从任何社交网络中可提取的对于本领域的普通技术人员来说所知晓的任何其他信息。获取这些信息的计算系统(例如,控制系统132)可以基于由社交网络(例如,外部系统142)所存储、托管以及管理的信息在网络(例如,通信网络120)内来这样做。
在一些方面,边界条件集合还可以包括理赔历史条件,该理赔历史条件表示与一个或多个保险理赔相关联的信息,该一个或多个保险理赔与车辆相关联。这些理赔信息可以包括例如理赔数量、理赔频率、与理赔相关联的金额(例如,每个单个理赔金额、平均值、总金额、中间数等)、理赔的性质及其他这类信息的数据。
在特定实施例中,过程300可以包括接收与车辆110或其驾驶员相关联的风险指数集合(步骤302)。在一些方面,风险指数可以表示在一特定时间点上与驾驶员或车辆110相关联的危险暴露测量值或度量。风险指数可以包含历史的、当前的和/或预测的信息,并且可以与过去的、当前的或未来时间周期(例如,预测驾驶员在未来的风险暴露)相关联。例如,风险指数可以是基于由控制系统132所接收或所产生的一个或多个边界条件和/或从自适应控制设备112所接收的信息(例如,参考图3至图8所述的任何信号或其他信息)。在一些方面,风险指数可以表示基于驾驶员的驾驶行为(例如,基于由自适应控制设备112所接收的速度、加速度、拐弯、制动和/或位置的信号)、注意力(例如,基于与驾驶员设备条件、社交网络条件、平均速度地图条件(例如是否驾驶员在发送文本信息)等)和/或环境(例如,基于通过自适应控制设备112所接收的天气条件或相关信号(例如温度、能见度、降水量、湿度水平等))的驾驶员的危险暴露。可以利用与公开实施例(例如参考图8所述的那些)一致的任何过程来产生和更新风险指数。
在一些方面,过程300可以包括产生、更新、修改、增加、改变和/或删除在控制变量集合中的一个或多个控制变量,该控制变量管理公开实施例的各个方面(步骤304)。在特定方面,控制变量集合可以影响自适应控制设备112和/或控制系统132如何收集、处置和处理数据。例如,控制变量集合可以定义参考图3至图8所述的路线的特定的参数、输入值和阈值(例如从车辆传感器114所采样的特定信号),自适应控制设备112采样所选信号的速率和/或与带宽滤波、事件检测和后处理相关联的过程中的各种参数、输入值和阈值等等。因此,在一些方面,控制变量定义输入值和所收集的其他信息(例如,所采样的信号、所提取的外部信息等)以及利用这些信息的过程(例如,通过改变滤波器、权值以及阈值),以判定事件是否已发生。这些过程在下面将更具体地描述。有效的控制变量集合(例如,在任何已知时间活跃的(一个或多个)控制变量)可以是基于边界条件集合、风险指数集合和/或本文所描述的任何信息。举例来说,控制变量集合可以是部分地基于在自适应控制设备112中所接收的来自车辆传感器114的信号、特定事件的检测、特定滤波器的应用、当前天气条件、社交媒体上的信息、驾驶员预测会选择的期待路线、道路路段的曲率等等。控制变量集合可以被存储在任何合适的计算设备的存储器中(例如自适应控制设备112和/或控制系统132的存储器)。
因为控制变量可以影响自适应控制设备112在一些方面如何收集和处理数据,所以对于有效的控制变量集合的改变(例如,新变量的创建、存在的变量的删除或修改等)可以引起由此导致的对于自适应控制设备112处理信息方式的改变。例如,对于运作控制变量集合的改变可以引起对于用自适应控制设备112所采样的信号、它们对应的采样速率、采用的带宽滤波器、事件检测或验证阈值和/或与公开实施例一致的任何其他变量参数的改变。自适应控制设备112可以自动且连续地检测控制变量集合的改变来动态地调整本文所公开的过程。
控制变量集合可以包括本地控制变量集合和/或外部控制变量集合。外部控制变量可以表示由自适应控制设备112外部的信息所产生、更新和/或影响的控制变量。例如,在一些方面,外部控制变量可以是基于从控制系统132所接收的边界条件集合和/或风险指数集合。例如,在一个实施例中,外部控制变量集合可以是基于历史的、当前的或预期的天气条件、交通布局、道路和路径信息、平均驾驶员行为或与边界条件或风险指数相关联的任何其他信息。额外地或可替换地,外部控制变量集合可以是基于从外部系统142或控制系统132所获取或所接收的其他信息类型。例如,在一方面,自适应控制设备112可以接收来自控制系统132的指令,以增加、修改、删除等外部控制变量无论有或没有对应于边界条件或风险指数的改变。外部控制变量可以在自适应控制设备112上本地产生(例如,以响应从控制系统132所接收的信息),或在外部系统(例如,控制系统132)上本地产生并且被传输到自适应控制设备112。
本地控制变量可以表示由自适应控制设备112本地的信息所产生、更新和/或影响的控制变量。在一些方面,本地控制变量可以在自适应控制设备112上产生和更新,并且可以是基于与图3至图7所述的实施例一致的任何信息。例如,自适应控制设备112可以基于从车辆传感器114所接收的信号集合(例如,在信号集合中编码的信息、被采样的信号集合等)产生或更新本地控制变量集合。在一个说明例中,自适应控制设备112可以基于来自温度传感器的当前温度信号产生或更新本地控制变量。在另一个示例中,自适应控制设备112可以基于根据自适应控制设备所监测的驾驶员历史驾驶行为(例如,基于历史的加速、位姿、制动、转弯和/或超速信号)来更新本地控制变量。本地控制变量集合还可以包括从自适应控制设备112上执行的过程中所创建的控制变量。例如,如在图5至图7中所述的,本地控制变量可以包括从所采用的带宽滤波器、事件检测分析和/或后期处理中所产生的控制变量。在一些实施例中,本地和外部控制变量集合不是互斥的。例如,可以基于通过在自适应控制设备112处所接收的信号以及从控制系统132所接收的边界条件所测量的驾驶员历史驾驶行为来更新控制变量集合。
在一些实施例中,过程300可以包括在自适应控制设备112处接收与车辆传感器114集合相关联的信号集合(步骤306)。这些信号可以传递与传感器114所测量的(或所推导的)特征相关联的信息(例如速度、加速、制动、转弯、温度、气压、定位、偏航、俯仰、滚动和/或与所公开实施例一致的传感器(例如,连接于CAN总线的车辆组件,例如引擎或轮胎压力传感器)相关联的任何其他信息)。在一些实施例中,所接收或所采样的信号集合可以是基于存储在自适应控制设备112上的控制变量集合。例如,参考如图5至图7所进一步描述的,控制变量集合可以基于带宽滤波分析、事件检测分析和/或事件验证分析所需的信号来定义要采样的信号集合。举例来说,控制变量可以指示自适应控制设备112采样与转弯、偏航、俯仰和/或滚动相关联的信号,以便确定或验证转弯事件的发生。自适应控制设备112可以基于所存储或所接收的控制变量确定要采样的信号集合,并且可以在与该确定一致的信号集合中采样所识别的信号。
在一些方面,自适应控制设备112可以在检测到有效的控制变量集合的改变时修改或调整所采样的信号(步骤304)。对有效的控制变量集合的改变可以调整用自适应控制设备112所采样的信号的类型、数量和/或特征。因为控制变量集合可以随时间连续地或定期地改变,所以这一布置使自适应控制设备112可以动态地调整从传感器114所采样的信号集合。自适应控制设备112可以调整通过硬件和/或由一个或多个处理器所执行的软件所采样的信号集合。例如,自适应控制设备112可以通过硬件关闭先前采样的信号(例如,在第一信号集合中的信号)和/或接通先前未采样的信号(例如,不在第一信号集合中的信号)来调整第一采样信号集合,由此采样第二、不同的信号集合。这样的硬件可以采用例如在自适应控制设备112的内嵌电路中的开关的形式。在另一个示例中,自适应控制设备112可以通过软件例如将所选择的信号的值减少到零或者将这样的零条件从另一个信号中移除来禁用或启用这些信号。
自适应控制设备可以以相应的采样速率来采样信号集合中的每一个信号(步骤306)。这些采样速率可以在所接收的信号间变化,并且可以在控制变量集合中被定义。例如,自适应控制设备112可以以第一速率(例如,6kHz)采样第一信号(例如,加速度、角速度)并且可以以第二速率(例如,1Hz)采样第二信号(例如,外部温度)。采样速率可以是部分地基于所接收信号的类型。例如,在上述示例中,自适应控制设备112可以比温度信号更频繁地采样加速度信号。自适应控制设备112可以基于控制变量集合确定信号集合中每个信号的相应采样速率。
在一些实施例中,所检测到的对于具有一个或多个运作控制变量的控制变量集合的改变可以在采样速率集合中调整一个或多个采样速率(步骤304)。自适应控制设备112可以基于检测控制变量集合的(一个或多个)改变来确定如何调整特定信号的采样速率。在一些实施例中,控制变量集合中的改变可以表示出,特定的信号或条件对于与公开实施例一致的过程来说已经变得更重要或更不重要(例如,参考图5至图8所述的路线)。例如,控制变量集合会在检测到更恶劣天气条件时改变,以使自适应控制设备112比在凉爽、干燥的条件下更频繁地采样与天气信息(例如,温度、湿度水平、能见度、降水速率等)、速度信息等相关联的信号。
在一些实施例中,自适应控制设备112将信号集合(例如,信号值本身和/或所采样信号的类型)、采样速率集合和/或与采样传感器集合(例如,与所接收的信号相关联的传感器)相关的其他信息传输到另一个计算系统,用于进一步处理。这些处理可以包括如参考图8所述的那些在控制系统132中的过程。例如,控制系统132可以接收从自适应控制设备输出的信号集合和其采样速率,调整一个或多个边界条件和/或风险指数以响应所接收的信息,向自适应控制设备提供所更新的边界条件(步骤302),其可以使自适应控制设备能够调整有效的控制变量集合(步骤304),随后其可以使自适应控制设备能够改变所采样信号集合和/或其采样速率集合(步骤306)等等。额外地或可替换地,基于在所采样的信号集合和与公开实施例一致的其他信息中所编码的信息,自适应控制设备112可以产生或更新有效的控制变量集合。
在一些实施例中,自适应控制设备112将带宽滤波器集合应用于所接收的信号上,以减少噪声或其他伪信号(步骤308)。将信号传递穿过(一个或多个)带宽滤波器可以产生比未滤波信号具有更高信噪比(SNR)的滤波信号集合。通过硬件(例如,通过开关、电容、电阻及其他电路)和/或软件(例如,利用处理器执行指令)可以实现应用带宽滤波器。自适应控制设备112可以以与公开实施例一致的方式(例如参考图5所述的带宽滤波过程)应用带宽滤波器集合。例如,自适应控制设备112可以基于存储于存储器内的控制变量集合来确定如何应用带宽滤波器。自适应控制设备112可以检测控制变量集合的改变并且动态地调整其如何应用带宽滤波器集合(步骤304和步骤308)。在一些实施例中,自适应控制设备112可以输出或传输与带宽滤波过程相关联的信息(例如,与参考图5所述的实施例一致的数据)到控制系统132,用于进一步的处理(例如,参考图8所述的那些)。在一个示例中,控制系统132可以从自适应控制设备112接收与带宽滤波过程相关的信息,基于所接收的信息更新边界条件或风险指数,并且将更新的边界条件或风险指数发送给自适应控制设备(步骤302)。如本文所描述的,对于边界条件和/或风险指数的这样的改变可以引起对于有效的控制变量集合的改变(步骤304),其随后可以动态地调整自适应控制设备112如何应用带宽滤波器集合(步骤308)。另外,自适应控制设备112可以基于在带宽滤波过程期间所产生的信息自身更新控制变量集合。
过程300包括执行对信号集合(例如在步骤308中所产生的滤波信号集合、来自传感器114的非滤波信号集合等)的事件检测分析(步骤310)。如下面所进一步具体地描述的,自适应控制设备112可以执行事件检测分析以确定事件的发生或未发生。在特定方面,该确定可以包括比较事件阈值集合和信号集合并且根据该比较产生布尔型响应。自适应控制设备112可以利用与公开实施例一致的任何过程(例如参考图6所述的事件检测过程)执行事件检测。例如,自适应控制设备112可以确定如何基于控制变量集合将事件滤波器集合应用于信号集合,包括影响事件滤波器的事件阈值的参数(例如,数学权值、信号和事件因子的组合等)。另外,自适应控制设备112可以检测控制变量集合的改变并且相应动态地调整事件检测例程(步骤304和步骤310)。自适应控制设备112还可以将与事件检测过程相关联的信息输出或传输到控制系统132,用于进一步处理(例如参考图8所述的处理或上面的那些)。自适应控制设备112还可以处理事件检测的结果,以更新有效的控制变量集合。
过程300包括执行后期处理以响应检测到或未检测到事件(步骤312)。在特定方面,该后期处理可以表示确认检测到的事件有没有发生的验证过程(例如参考图7所述的验证过程)。在一些实施例中,该验证过程可以包括在检测到事件后的一段时间周期监测选择信号并且将这些信号与验证阈值集合相比较。在一些方面,自适应控制设备112可以基于控制变量集合确定这样的后期处理例程的输入值和参数(例如,数学权值、采样信号、验证阈值等)。此外,自适应控制设备112可以检测控制变量集合的改变并且相应动态地调整后期处理例程(步骤304和步骤312)。在一些实施例中,自适应控制设备112可以将与后期处理相关联的信息传输到另一个计算系统(例如,在验证事件时传输到控制系统132)并在验证后执行与公开实施例一致的进一步处理(例如参考图8所述的那些或者上述的内容)。
在一些方面,过程300可以包括从自适应控制设备112将事件数据输出或传输到控制系统132(步骤312)。事件数据可以包括与信号接收、带宽滤波、事件检测和/或后期处理的步骤相关联的信息。例如,事件数据可以包括自适应控制设备112已经检测到事件、已经验证事件、未检测到事件等的指示。事件数据还可以包括与这些步骤相关联的信息(例如采样的信号集合、采样速率集合、在检测和验证步骤中使用的事件阈值或验证阈值、事件已经发生或已经验证或者与图3至图8相关联的任何其他信息。)事件数据可以采用任何合适的形式用以传输信息(例如信号、计算机文件、录音、电子报告、电子邮件、文本信息等)。
自适应控制设备112可以通过通信网络120将事件数据传输到控制系统132。在一些方面,控制系统132可以接收事件数据并且执行与公开实施例一致的进一步的处理(例如上述或参考图8所述的过程)。例如,控制系统132可以接收事件数据,确定或修改边界条件集合,收集或产生与该边界条件相关的信息,并且向自适应控制设备112提供边界条件和相关信息(步骤302)。这些更新的边界条件和信息可以调整影响自适应控制设备112的一个或多个控制变量(步骤304),其随后可以引起对本文所述的公开实施例的动态调整(例如,参考步骤306至步骤314的任何例程)。
图4示出了与公开实施例一致的与其他组件通信的示例性自适应控制设备112的方框示意图400。图4提供了与公开过程的特定方面一致的信号处理和数据流的总视图。在一些方面,参考图4所述的实施例可以通过硬件(例如,包括用于信号传输的电路、滤波器等)和/或软件(例如,由装载在自适应控制设备112、控制系统132等上的处理器来执行)来实现。
如图4中所示,自适应控制设备112可以利用控制逻辑420从车辆传感器114集合接收信号集合。在特定方面,控制逻辑420可以表示硬件和/或软件,该硬件和/或软件用于产生、更新、修改和/或管理影响自适应控制设备112内的过程的控制变量422集合。控制逻辑420的控制变量422可以包括与公开实施例一致的任何控制变量类型或实例。例如,在一些方面,控制变量集合422可以包括本地控制变量424集合和外部控制变量426集合。如上所解释并且如图4中所示的,本地控制变量424集合可以部分地基于从传感器114所接收的信号。在特定实施例红,控制逻辑420可以利用于公开实施例(例如参考图3至图8所述的那些)一致的任何合适的过程来产生本地控制变量424集合和/或外部控制变量426集合。自适应控制设备112可以将控制变量422集合存储在存储器中。
在一些方面,控制逻辑420可以基于控制变量422集合或其子集来产生控制信号442并且向动态采集逻辑410发送控制信号442。动态采集逻辑410可以表示硬件和/或软件,该硬件和/或软件基于从控制逻辑420所接收的控制信号442来动态地采集、采样和滤波来自传感器114的信号集合。在特定方面,控制信号442可以表示采样特定信号集合的指令,每个信号以相应采样速率采样。根据控制信号442,动态采集逻辑410可以从传感器114中采样所选择的信号集合(例如,以合适速率采样所指示的信号)。例如,动态采集逻辑410可以通过开关412关闭未包括在控制信号442的指令中的任何信号。相似地,动态采集逻辑410可以利用开关412接通在控制信号442中被指定的(一个或多个)信号,以便这些(一个或多个)信号被包含在采样的信号集合中。如上所解释的,动态采集逻辑410还可以通过软件程序关闭和接通适合的信号,该软件程序由自适应控制设备112上的内部处理器执行。在一些实施例中,动态采集逻辑410还可以接通和关闭以相似的方式(例如,基于相同或不同的控制变量422集合)从传感器114向控制逻辑420传递的信号,尽管这样的操作并不是必须的。额外地或可替换地,动态采集逻辑410可以如本文所述的(例如参考图3所述的那些)执行信号接收和采样处理的各方面。
在一些实施例中,动态采集逻辑410可以通过带宽滤波器414集合发送一个或多个采样的信号。如上面以及下面参考图5所解释的,带宽滤波器414集合可以减少采样信号中的噪声和其他伪信号。在一些实施例中,动态采集逻辑410可以将所有的采样信号传递通过带宽滤波器414集合。在其他实施例中,动态采集逻辑410可以基于在来自于控制逻辑420的控制信号(例如,如上所述的相同或不同的控制信号)中所包含的指令仅使采样信号的子集经受带宽滤波器414集合。控制信号442可以包括与公开实施例一致的其他信息和指令。
在特定方面,动态采集逻辑410向控制逻辑420提供响应信号444。该响应信息444可以包括由采集逻辑410所产生或处理过的任何信息。例如,响应信号444可以包括与采样信号集合相关联的信息(例如,信号本身、采样传感器、采样速率等)、禁用或启用的信号和/或与带宽滤波器相关联的任何信息(例如,如参考图5所述的)。在一些方面,控制逻辑420可以接收该响应信号444并且相应地更新控制变量422集合。例如,控制逻辑420可以基于在响应信号444中所提供的信息来确定以修改、增加和/或删除一个或多个控制变量422(例如,通过改变本地控制变量424集合)。控制变量422的该改变可以引起对于自适应控制设备112及其与公开实施例一致的过程的额外改变和动态调整。举例来说,控制逻辑420可以接收来自动态采集逻辑410的在响应信号444中的带宽滤波的转弯信号,该响应信号指出车辆110的驾驶员在标准范围内进行转弯(例如,基于边界条件信息、滤波信号数据等)。然后控制逻辑420更新控制变量422,以便当该更新在自适应控制设备112中被检测到时,动态采集逻辑410以较低采样速度采样转弯信号,根本不采样(例如,转弯信号被关闭)等。
如图4中所示的,自适应控制设备112将来自动态采集逻辑410的采样信号(滤波的或未滤波的)传递通过自适应事件逻辑430。在一些实施例中,自适应事件逻辑430表示基于所接收的信号集合来判定事件发生或未发生的事件检测过程。自适应事件逻辑430可以采用与公开实施例(例如参考图6所述的那些)一致的硬件和/或软件组件的形式。
在一些方面,自适应事件逻辑430可以将信号集合传递通过事件滤波器432集合。在特定实施例中,事件滤波器432可以表示指令集,该指令集用于产生适于特定信号集合的事件阈值并且将这些信号与该事件阈值相比较以产生布尔型响应。在这些实施例中,事件阈值可以表征一个或多个信号的临界值或测量值,其定义何时事件或子事件(例如,是必须的但不足以确定事件发生的一些辅助确定)被认定为已经发生。事件滤波器432可以指示自适应事件逻辑430如何在给定特定输入信号集合(例如,速度、加速度和/或转弯)的情况下产生事件阈值,并且随后将信号集合与所产生的事件阈值相比较以产生布尔响应。举例来说,当信号(例如速度信号)超出利用事件滤波器所确立的事件阈值时,事件滤波器432可以输出真(true)型布尔响应。事件滤波器432可以将单个信号或者若干信号的组合与事件阈值相比较。参考图6更加具体地描述这些实施例。在一些方面,事件滤波器432、其所定义的事件阈值、其处理过的信号集合等可以由在自适应控制设备112内所存储的控制变量集合所驱动。
自适应事件逻辑430可以利用组合逻辑434将每个事件滤波器432的信号集合和/或结果相组合。就来自事件滤波器432的一个或多个信号和/或输出的逻辑或数学的组合而言,组合逻辑434可以表示事件的表达(例如,事件表达式)。也就是说,事件表达式可以识别自适应控制设备112(或控制系统132)如何基于来自事件滤波器432的信号和/或输的数学或逻辑的组合来判定事件是否发生。组合逻辑434可以采用与公开实施例(例如参考图6所述的那些)一致的方式操作信号集合或事件滤波器集合的结果。
例如,如图4中所示,组合逻辑434可以将事件滤波器432集合的结果组合为逻辑表达式(例如,基于事件表达式),以产生事件是否已发生的布尔型指示。逻辑表达式可以采用AND、NOT、XOR和/或OR运算符的任意排列组合,该排列组合表示逻辑项形式的事件表达式。举例来说,给定来自三个事件滤波器432的三个子事件结果SR1、SR2和SR3的情况下,组合逻辑434可以定义,当(SR1 AND SR2)OR(NOT SR3)为真时,事件E为已经发生,也就是说事件表达式可以是:
在另一个未在图4中示出的实施例中,组合逻辑434可以在将信号传递通过事件滤波器432之前,以一个或多个数学表达式的形式组合滤波器集合,该数学表达式以数学项的形式表示事件(或子事件)E的事件表达式。然后组合逻辑434的结果可以传递通过事件滤波器432以判定E是否已发生。例如,给定信号集合x,组合逻辑434可以产生或表示E的事件表达式作为x的函数,其随后与由事件滤波器432所定义的事件阈值T相比较,从而E被认定为发生,当:
f(x)>T。
在又其他的实施例中,自适应事件逻辑430可以在事件表达式的甚至更加复杂的表达式中采用若干个这样的组合逻辑434和事件滤波器432。这些实施例会在下面参考图6更加具体地进行描述。
如在图4中所示的,(一个或多个)事件滤波器432和组合逻辑434的参数可以是基于控制逻辑420中的控制变量422集合。例如,在一些方面,控制逻辑420可以通过控制信号446指示事件滤波器(例如,每个事件滤波器如何在给定定义的信号集合、在事件滤波器中所采样的信号集合等的情况下产生事件阈值)、组合逻辑434(例如,以数学项或逻辑项形式的事件的表达)以及它们如何相互作用(例如,对事件滤波器和组合逻辑的顺序和输入值)的参数的自适应事件逻辑430。因此在这些方面,控制信号446可以表示对于自适应事件逻辑430的指示,该指示适于产生在给定信号输入值集合的情况下事件是否已经发生的布尔响应。在特定方面,自适应事件逻辑430可以随后采用与控制信号446一致的(一个或多个)事件滤波器432的集合和/或组合逻辑434。
在一些方面,自适应事件逻辑430可以向控制逻辑420传输响应信号448。该响应信息448可以包括由自适应事件逻辑430所产生或处理过的任何信息。例如,响应信号448可以包括与事件是否已发生、子事件是否已发生相关联的信息,用于计算(一个或多个)事件阈值的信息或者与本文所述的事件检测过程一致的任何其他信息相关联的信息。在特定实施例中,控制逻辑420可以接收响应信号448并且相应地更新有效的控制变量422集合。例如,控制逻辑420可以基于在响应信号448中所提供的信息(例如,事件是否已发生)来确定以修改、增加和/或删除一个或多个控制变量422(例如,改变本地控制变量424集合)。控制变量422的该改变可以引起对于自适应控制设备112及其与公开实施例一致的过程的额外动态调整。举例来说,控制逻辑420可以接收来自适应事件逻辑430的响应信号448,该响应信号448指出特定事件(例如,超速事件或撞击事件)已发生。然后控制逻辑可以更新控制变量422,以便当该改变在自适应控制设备112中被检测到时,动态采集逻辑410以特定速率采样特定信号(例如,速度),在自适应事件逻辑430中减少事件阈值(例如,为了考虑上升的风险水平)等等。
在上述过程的任意步骤中,自适应控制设备112可以向控制系统132(或外部系统142)传输所产生的数据或相关联的信息,用于与公开实施例一致的额外的处理。例如,如图4中所示的,自适应控制设备112可以向控制系统132传输自适应事件逻辑430的事件检测过程的结果。在一些实施例中,控制系统132可以接收所传输的信息,以执行本文所公开的额外的过程(例如,如参考图8所述的)。例如,控制系统132可以基于从自适应控制设备112所接收的信息来修改、增加和/或删除一个或多个边界条件,更新一个或多个风险指数或者获取来自外部系统142的额外的信息。控制系统132可以向自适应控制设备112提供这些更新的边界条件、风险指数和/或额外的信息,以执行在其上的进一步的处理。在一个示例中,自适应控制设备112可以使用所接收的数据,以更新一个或多个控制变量422(例如,通过基于新的边界条件信息和/或风险指数来更新外部控制变量426)。在另一个示例中,自适应控制设备112可以使用从控制系统132所接收的信息,以产生一个或多个事件阈值。
图5示出与公开实施例一致的示例性带宽滤波器过程500的流程图。参考过程500所公开的方面可以通过在环境100的一个或多个计算系统(例如自适应控制设备112和控制系统132)上的硬件和/或软件来实现。可以以与公开实施例一致的方式将过程500的特定方面进行重新排序,重新排列,重复,省略,补充,修改或集成到额外的过程中。例如,可以在自适应控制设备112中实现参考过程500所述的实施例,以应用带宽滤波器集合(例如参考图3的步骤308或在图4的动态采集逻辑410中等所述的那些等)。
在一些方面,过程500接收与车辆传感器114集合相关联的信号集合(步骤502)。所接收的信号可以采用任何形式并且可以表示与公开实施例一致的任何传感器114的输出或推导的信号。举例来说,过程500可以接收四个信号的集合,其包括制动、转弯、定位和纵向加速度的信号。以这种方式可以接收任意数量的信号。
过程500可以在一个或多个所接收的信号(噪声)上执行噪声分析(步骤504)。在一些方面,过程500可以在每个所接收的信号上执行噪声分析。在其他方面,过程500可以基于信号类型(例如,参数信号为测量值)和/或在自适应控制设备112上所存储的控制变量422集合来确定是否在所接收的信号(例如,噪声信号)上执行噪声分析。在一些实施例中,过程500可以在平均一定时间间隔(例如1秒或5秒)内对信号电平执行噪声分析。
在特定实施例中,噪声分析可以包括对(一个或多个)主体噪声信号执行傅里叶分析。这样的傅里叶分析可以包括例如产生所接收的信号的傅里叶变换,以表征频域中的信号(例如,以产生信号的谱密度)。然后过程500可以包括将频域中所变换的信号与阈值功率电平相比较,和确定一个或多个噪声频率范围,在该一个或多个噪声频率范围内,信号的谱功率(例如,其在频域中的功率)超过阈值功率电平。在这些实施例中,噪声频率范围可以表示频带,在频带内所接收信号表现大量的噪声伪信号。例如,过程500可以求得在5秒内的加速度信号的平均值,并将其变换到频域中以确定其平均的谱功率超出了500Hz至1000Hz和2000Hz至3000Hz的频率之间的阈值功率电平。这两个范围可以表示信号的噪声频率范围(例如,信号表现很强噪声电平的所在频率)。与公开实施例一致地,取决于信号的类型和/或基于控制变量集合,可以预定义阈值功率电平。例如,在一个实施例中,自适应控制设备112可以基于由控制逻辑420所管理的控制变量422集合来确定每个信号的(一个或多个)阈值功率电平。
在一些方面,过程500的噪声分析可以还包括确定一个或多个噪声频率范围的最小频率。在特定实施例中,该最小频率可以表示谱功率超出阈值功率电平的最低频率值。例如,在上述示例中,自适应控制设备112可以确定最小频率为500Hz。额外地或可替换地,过程500可以包括计算在一个或多个噪声频率范围中的每一个噪声频率范围的最小频率。再回到上述示例,过程500可以相应地确定与最小频率500Hz和2000Hz相关联的噪声频率范围。
过程500可以包括确定一个或多个频率范围的一个或多个最小频率是否超出阈值频率。在一些实施例中,阈值频率可以表示自适应控制设备112可以应用低通滤波器的最小截止频率。例如,自适应控制设备112可以包括低通滤波器集合,该低通滤波器集合连接于信号集合中的具有变化频率截止的每个信号。举例来说,自适应控制设备112可以包括用于滤波200Hz、400Hz、1000Hz和3000Hz之上的信号的有四个低通滤波器的集合。在该示例中,过程500可以确定阈值频率为200Hz,因为该值表示了在自适应控制设备112的可用的低通滤波器中的最小截止频率。在一些方面,低通滤波器可以包括任何适于执行与公开实施例一致的过程的适合的低通滤波器(例如具有128抽头(taps)的有限冲激响应滤波器(FIRfilter))。
在一些方面,过程500包括选择并在特定条件下应用低通滤波器(步骤506)。例如,过程500可以在当(一个或多个)噪声频率范围的最小频率超出所确定的阈值频率时应用低通滤波器。也就是说,在当自适应设备112包括能够在其噪声频率范围中滤波噪声信号的低通滤波器时,过程500可以对噪声信号应用低通。在一些实施例中,选择低通滤波器可以包括识别在自适应控制设备112的低通滤波器集合中具有最接近于,但不超出,噪声频率范围的最小频率的低通滤波器。例如,如果噪声频率范围为500Hz至1000Hz,并且自适应控制设备112包括具有200Hz、400Hz、1000Hz和3000Hz的截止频率的低通滤波器,那么过程500可以将400Hz滤波器识别为所选的滤波器。在一些方面,过程500可以随后应用所选的滤波器(例如,将噪声信号传递通过所选的低通滤波器)以生成滤波信号。在特定实施例中,当噪声频率范围的最小频率落在低通滤波器集合中的最低截止频率(例如,阈值频率)之下时,过程500不会应用任何低通滤波器。过程500可以对每一个采样信号或噪声信号的每一个噪声频率范围重复该过程。
除低通滤波过程之外或者替代低通滤波过程地,过程500可以包括确定是否残留的噪声伪信号存在采样信号集合内(步骤508)。在一些实施例中,过程500可以将该伪信号识别为噪声频率范围,该噪声频率范围在频域中具有比阈值噪声宽度更小的宽度。举例来说,信号集合中的信号可以具有600Hz至640Hz的噪声频率范围(例如,噪声伪信号所在的频率范围)。在该示例中,过程500可以将阈值噪声宽度确定为50Hz(例如,基于在环境100的系统内所存储的参数)。在这些条件下,如下所述地,过程500可以将该信号识别为有必要进行额外的滤波。如果过程500确定该信号不满足这些条件,那么过程500会终止(步骤510)以继续与公开实施例一致的其他处理(例如,图6的事件检测过程)。可以对每个采样信号的每个噪声频率范围重复这些确定。在一些实施例中,可以基于例如在自适应控制设备112上所存储的控制变量422集合来预定义或产生阈值噪声宽度。此外,在该过程中的噪声频率范围可以是基于上述低通滤波过程的相同或不同的阈值频率电平。例如,在步骤508中使用的噪声频率范围可以应用比在上述低通滤波过程中所采用的噪声频率范围更低的阈值功率电平。
当过程500识别表现残留噪声伪信号的一个或多个信号时,其可以选择带阻滤波器并且将该带阻滤波器应用于这些信号,以在相关频率内衰减它们(步骤512)。例如,自适应控制设备112可以包括一个或多个带阻滤波器,该带阻滤波器连接于具有变化的频率范围和/或衰减强度的信号集合中的每个信号。这些(一个或多个)带阻滤波器可以包括适于执行与公开实施例一致的过程的任何适合的带阻滤波器(例如,具有两个抽头的FIR滤波器)。在一些方面,过程500可以确定在自适应控制设备112内所包括的或可配置的带阻滤波器是否是大致在所识别的特定信号的残留伪信号的范围内的(例如,带阻滤波器的滤波宽度的25%、50%、75%等落在噪声频率范围内)。如果是这样,过程500可以选择带阻滤波器并且将其应用于信号上(例如,将信号传递通过带宽滤波器)以在截止范围内将其衰减。过程500可以对每个残留噪声伪信号和每个可配置的带阻滤波器重复该过程。然后过程500可以结束(步骤510)以继续与公开实施例一致的其他过程。
如本文所述的,所产生的或此外与过程500所关联的信息可以被传输到远程计算系统(例如,控制系统132)和/或可以被自适应控制设备112使用以更新有效的控制变量422集合(例如,通过由控制逻辑420所提供的相应信号444)。例如,过程可以使用与所确定的噪声频率范围、阈值功率电平、噪声频率范围的最小频率、所选择的低通滤波器、采样信号的谱密度、阈值噪声宽度等相关联的信息,以更新控制变量422集合和/或向控制系统132传输该信息。其旨在通过控制变量集合控制过程500的变量数量、表达、方程、关系等,并且并不旨在限制特定参数或其关联的信息的列表。自适应控制设备112可以监测控制变量422的改变并且检测该改变,并且可以相应地动态调整公开实施例的过程。
图6示出与公开实施例一致的示例性事件检测过程600的流程图。参考过程600所公开的方面可以通过在环境100的一个或多个计算系统(例如自适应控制设备112和控制系统132)上的硬件和/或软件来实现。可以以与公开实施例一致的方式对过程600的特定方面进行重新排序,重新排列,重复,省略,补充,修改或集成到额外过程中。例如,可以在自适应控制设备112中实现参考过程600所述的实施例,以检测事件的发生(例如参考图3的步骤310或在图4的自适应事件逻辑430内所述的那些等)。
在一些方面,过程600包括接收与车辆传感器114集合相关联的信号集合(步骤602)。所接收的信号可以采用任何形式并且可以表示与公开实施例一致的任何传感器114的输出或推导的信号。举例来说,过程600可以接收有四个信号的集合,包括制动、转弯、定位和纵向加速度信号。以这种方式可以接收任意数量的信号。此外,这些信号可以是与参考图3至图5所述的实施例一致的带宽滤波的,尽管这些滤波并不是必须的。
在特定实施例中,过程600包括执行事件分类,以确定所接收的信号是否指出存在潜在事件的特定类别(步骤640)。在一些方面,识别事件类别包括确定所接收的信号是否对应于或相关于潜在驾驶事件或潜在撞击事件。潜在驾驶事件可以表示具体的行为和/或条件,由于其与危险、风险或不安全的驾驶或条件的关联性或相关性,该具体的行为和/或条件有必要需要来自自适应控制设备112的进一步分析。与公开实施例一致地,潜在驾驶事件可以包括任何非撞击事件并且可以对应于任何信号。例如,潜在驾驶事件可以包括潜在加速事件、制动事件、转弯事件、超速事件等,或对应于所接收的信号的任何其他事件。这些事件可以表示例如恶性制动事件、紧急拐弯事件、快速变道事件等的存在。在特定方面,潜在制动事件可以指出车辆110即将要或者最近已经涉及撞击的可能性。
过程600可以通过将所接收的信号与在存储器中所存储的一个或多个事件分类模型相关联来确定潜在事件的事件类别。这些事件分类模型可以包括与潜在驾驶事件和/或潜在撞击事件相关联的例如惯性简档、离心力简档、超速和变速简档、俯仰及滚动和偏航简档、加速简档、加速矩阵等。这些简档可以源于历史分析、实验室分析、撞击测试、控制变量422等,并且可以被提供到自适应控制设备112上或者被本地存储在自适应控制设备112上。在一些方面,过程600可以通过确定在一个或多个所接收的信号和事件分类之间的相关性测量值是否超出分类阈值来识别潜在事件的事件类别。相关性测量值可以表示数据和模型之间匹配度的测量值(例如关联系数、判定系数、多重关联系数等)。每个潜在事件(例如,撞击事件、转弯事件、超速事件等)的事件类型可以与具有对应分类阈值的一个或多个事件分类模型相关联。
在一些方面,可以基于与车辆110相关联的车辆参数集合来选择事件分类模型和/或分类阈值。这些车辆参数可以表示车辆110的物理或技术特征(例如其重量、高度、长度、重心、整备质量、转弯半径、重量分布、轴距、加速数据、最大转速、马力、扭矩、制动数据、阻力系数、车辆类型、品牌、型号、年份等)。举例来说,自适应控制设备112可以选择与车辆110相同的品牌或型号(相似的重量分布、尺寸等)的车辆的事件分类模型,以确保当执行事件分类时将车辆110与相似车辆进行比较。
在一些实施例中,可以由在自适应控设备112中所存储的控制变量422的集合动态调整事件分类过程的各种参数(或者过程600的任何例程)。例如,控制变量422的集合可以定义潜在驾驶事件(例如,转弯事件、超速事件、加速事件等)的每个事件类型的分类阈值、与在事件分类模型中的信号和数据简档相关联的信息、事件类别、可用的潜在驾驶事件类型等等。此外,在上述实施例中所产生的信息可以引起控制变量422的集合中的改变。例如,在一方面,自适应控制设备112可以在计算一个或多个信号和潜在事件之间的相关性并确定相关性超出或低于分类阈值等后,更新控制变量422的集合(例如,通过向控制逻辑420)。
过程600可以基于如上所述的所接收的信号的集合、事件分类模型和分类阈值来确定潜在事件的事件类别(步骤606和步骤618)。在一些方面,当信号集合没有指出存在潜在驾驶事件(步骤606)或潜在撞击事件(步骤618)时,过程600可以终止(步骤614)以促使继续与公开实施例一致的处理(例如监测信号集合、更新控制变量422、向控制中心132传输信息等)。
当过程600确定信号集合表示潜在驾驶事件的事件类别的实例时(步骤606),过程600可以根据事件滤波器432的集合和/或信号集合来产生或确定事件的表达(例如,事件表达式)。该事件表达式可以表示适于信号集合的事件滤波器432的特定组合,以确定事件是否已实际发生。如参考图4所述的,例如,事件表达式可以将事件表征为来自事件滤波器432的集合的各个结果的逻辑组合(例如,通过组合逻辑434),经受单个事件滤波器的各个信号的数学组合或者它们的任意组合。事件滤波器432和它们的组合(例如,通过组合逻辑434)可以包括与公开实施例一致的任意事件滤波器或组合(例如如参考图4以及下面所述的那些)。在一些实施例中,可以由在自适应控制设备112上所存储的控制变量集合驱动事件表达式。
在一些方面,过程600可以包括产生一个或多个事件分数用于驱动事件(步骤608)。事件分数可以表示事件或子事件已发生的可能性。事件分数可以是基于在所接收的信号集合中一个或多个信号。在特定方面,事件分数可以是基于事件或子事件的事件表达式。例如,在一个实施例中,事件分数S可以表示由单个权值a加权的信号x的当前或平均时间的值(例如,在某个时间段内):
S=ax。
在一些方面,信号权值可以表示对于事件或子事件而言信号的关系、影响、相关性、关联性或重要性的度量。低信号权值可以表示相应信号与事件或子事件的发生相关性不强,而高信号权值可以表示与(子)事件较强的相关性。相似地,低或负信号权值可以表示信号相关于事件的未发生(例如,信号与事件反向相关)。信号权值可以采用与公开实施例一致的任何合适的值(例如在范围[0,1],[-1,1],[1,100]中的数字等等)。在一些方面,事件分数可以不基于信号权值(例如,每个信号的权值是统一的或不存在)或者事件分数可以完全不包括信号(例如,信号关闭、其信号权值为零等)。根据另一个示例,例如当自适应控制设备112将若干信号组合进单个事件滤波器432时,事件信号S可以表示信号及其相应信号权值的某些数学函数。例如,事件分数可以表示信号集合xi及其相应信号权值ai的线性组合:
在一些方面,过程600可以以这种方式确定对于每个事件或子事件而言(例如,对于在事件的表达中的每个事件滤波器432而言)的事件分数。
当然,本领域的普通技术人员应当理解上述事件分数S的表达式仅仅是示例性的。假定合适的事件表达式允许的情况下,信号和/或信号权值的任意数学组合可以被用来确定对于特定事件或子事件的事件分数。例如,事件分数S可以考虑为信号和其信号权值的乘积(例如,S=∏iaixi)、多元多项函数(其中每个信号具有相应的信号权值和幂(例如,))、信号集合的某些统计分析、这些考虑因素的任意组合等。此外,x的值可以表示基于信号的测量值(例如,平均时间的值、从原始值所转换的信号的重要性或量级的测量值等)。因此,事件分数S可以体现信号集合的函数(例如,如参考图4所述的S=f(x)),其中函数f可以包括单个函数或者对信号集合进行操作的函数集合的复合。
在一些实施例中,过程600可以包括在事件滤波器432集合中将所产生的事件分数集合与相应的事件阈值集合相比较(步骤610)。如上所述,事件阈值可以表示基于一个或多个输入信号来定义何时事件或子事件已发生的值或测量值。在一些实施例中,事件阈值可以是基于事件的事件类别(例如,如步骤604中所确定的)、事件类别的事件类型(例如,转弯事件、超速事件等一般驾驶事件)和/或事件因子集合。在一些方面,事件因子可以表示与确定事件或子事件是否已发生相关的相关信息的数值测量值。可以基于控制变量422、边界条件和/或这些程序的任意组合来由自适应控制设备112监测、从控制中心132中接收(例如,不在一个或多个所接收的边界条件中被表示)、从外部系统142中收集与事件因子相关的信息。
例如,事件因子集合可以包括表示固定值的基本阈值因子。在一些实施例中,基本阈值因子可以是基于事件或子事件的事件类别和/或事件类型。例如,转弯事件可以具有第一基本阈值因子而速度事件具有不同的第二基本阈值因子。
事件因子集合还可以包括表示驾驶员的标准或历史驾驶实践的标准行为因子。标准行为因子可以是基于例如在某个时间段内(例如,几天、几周或几个月)的驾驶员的驾驶行为(例如,速度、位姿、加速、转弯)的信息。标准驾驶因子还可以基于驾驶员的理赔历史、一般驾驶统计数据和表示车辆110的物理或技术特征的一个或多个车辆参数。
事件因子集合还可以包括表示驾驶员当前驾驶行为的个人状态因子。在一些方面,个人状态因子可以是基于在短暂的、不久前的时间段内(例如,几分钟、几秒、几小时等)的驾驶员的驾驶行为。个人状态因子还可以是基于时刻、行程信息(例如,从导航系统获取的或由自适应控制设备112测量的)、社交网络信息和驾驶员设备信息(例如,生物节律、睡眠数据、文本信息信息、驾驶员在听的音乐、所计划的路线等)。
事件因子集合还可以包括边界条件因子,该边界条件因子表示与一个或多个边界条件相关联的信息,该一个或多个边界条件从控制系统132所接收。边界条件因子可以是基于任何边界条件和关联的基础信息(例如天气条件、道路类型条件、黑点条件、平均速度地图条件、常用路线条件等)。
在一些方面,可以连续地或周期地更新事件因子。在特定实施例中,每个事件因子可以与相应更新周期相关联。更新周期可以表示事件因子信息的连续更新之间的持续时间(例如,接收来自控制系统132的信息、在自适应控制设备112上的信息的本地产生等)。更新周期可以是基于事件因子。例如,基本阈值因子可以由于其是固定的而从不更新。在另一个示例中,标准行为因子可以具有一周一次、一周两次、一个月一次等的更新周期。在又另一个示例中,个人状态因子和边界条件因子可以具有更短的更新周期(例如30秒或60秒)。在一些方面,公开实施例可以基于与事件因子相关联的信息的改变(例如,更新控制变量422集合、重新计算事件阈值等)来动态调整任何其他相关信息。
此外,特定事件或子事件的事件因子集合可以取决于基础事件的事件类别、事件类型或子事件,以便不同的事件类别、事件类型和子事件具有不同的事件因子,不同地加权与每个事件因子相关的信息,具有对于事件阈值不同的影响等。事件因子集合还可以是基于被用于与事件阈值相比较的信号(例如,被用于产生合适的事件分数的信号)。因此,如下所述,不是对每个事件都可以实现、查询或接收与每个事件因子相关联的所有信息,并且不是每个事件因子可以被等同地加权。
过程600可以对在事件滤波器集合中的每个事件滤波器432产生事件阈值,以生成事件阈值集合。在一些实施例中,事件阈值可以是基于事件的事件类别、其事件类型和/或事件因子集合。例如,在一个实施例中,事件滤波器432的事件阈值T可以表示由因子权值w加权的事件因子f:
T=wf。
在一些方面,因子权值可以表示对于事件或子事件而言因子的关系、影响、相关性、关联性或重要性的度量。较低因子权值可以表示相应因子与事件或子事件的发生相关性不强,高因子可以表示较强相关性等等。因子权值可以采用与公开实施例一致的任何合适的值(例如在范围[0,1],[-1,1],[1,100]中的数字等等)。在一些方面,事件阈值T可以不基于因子权值(例如,对于每个因子的权值是统一的),或者事件阈值可以完全不包含因子(例如,其因子权值是零等)。根据另一个示例,事件阈值T可以是基于事件因子和其相应因子权值的某些数学函数。例如,事件阈值T可以表示事件因子fi和其相应因子权值wi的乘积
在一些方面,过程600可以以这种方式确定对于每个事件或子事件而言(例如,对于在事件的表达中的每个事件滤波器432而言)的事件阈值T。
相似与上面事件分数的讨论,本领域的技术人员应当理解上述事件阈值T的表达式仅仅是示例性的。假定适合的事件表达式允许的情况下,因子和/或因子权值的任意数学组合可以对特定事件或子事件提供事件阈值T。例如,事件阈值T可以被假定为事件因子和其因子权值(例如,T=∑iwifi)的线性组合、多元多项函数(其中每个信号具有相应信号权值和幂(例如,)、信号集合的某些统计分析、这些考虑因素的任意组合等。因此,如参考图4所述的,事件阈值T可以体现因子集合的任何函数(例如,单个函数或函数集合的复合)。
在一些方面,因子权值集合还可以表示分量信息之间的重要性、关系、关联性等,该分量信息包括事件因子和因子本身。以个人状态因子为例,该因子可以给驾驶员的不久前驾驶历史比社交网络信息较重或较少地加权。因子权值集合可以表示对于每个因子而言分量信息(例如,每个子因子)的这种加权。因此,在一些方面,每个子因子可以与相应因子权值和/或更新周期相关联,该更新周期又可以基于子因子用作分量的事件因子。例如,如果事件因子fi由子因子tij组成,那么事件因子fi的值可以合并其子因子的权值,例如在示例性关系中
其中wj表示事件因子i的子因子j的因子权值。扩展该示例,过程600可以随后确定该事件滤波器432的事件阈值T,以将每个事件因子的这些子因子权值合并:
此外,每个事件因子可以与其本身的因子权值相关联,其本身的因子权值与其子因子的因子权值分开,以便每个事件因子也单独地进行加权:
然而,如上所提醒的,这些表达式仅仅旨在为了说明的目的。就其分量子因子的因子权重而言,公开实施例考虑表达事件阈值的任何数学关系类型(例如,线性组合、多项式表达式、统计特征等)。
在一些方面,过程600可以包括将事件分数集合和事件阈值相比较,以确定事件是否发生(步骤612)。过程600可以基于事件分数集合(例如,在步骤608中所确认的)和相应的事件阈值(例如,在步骤610中所确定的)基于事件的事件表达式相比较来确认事件已发生。在一些实施例中,例如在仅应用一个事件滤波器时,当事件分数超出事件阈值时S>T,过程600可以确定事件的发生。在其他实施例中,例如在应用若干事件滤波器432时(例如,如在事件表达式中所定义的),当事件发生时,过程600可以基于事件分数和事件阈值之间的每个比较的结果的逻辑组合(例如,通过组合逻辑434和事件表达式)来确定事件已发生。如参考图4所述的,该逻辑组合可以采用逻辑运算符(例如AND、OR、XOR和/或NOT)的排列组合,该排列组合表示逻辑项形式的事件表达式。
以扩展示例为例,假定自适应控制设备112采样两个信号x1和x2(例如,俯仰和偏航)以确定事件E是否已发生。假定这些信号与信号权值a1和a2相关联。进一步假定,对于E的事件阈值包括上面列举的四个因子(简称为BTF、SBF、PSF、BCF),每个因子由多个子因素组成,并且每个因子权重为统一的(例如,没有权值因子)。最后,假定所产生的事件表达式使用适于事件分数(例如,线性组合)和事件阈值(例如,事件因子的乘积)的上述表达式。任何或所有这些参数可以是基于在自适应控制设备112中所存储的控制变量422(并且由该控制变量422所控制)。在这些条件下的第一示例中,自适应控制设备112可以确定E发生,当:
SE=a1x1+a2x2>BTF·SBF·PSF·BCF=TE。
在这些条件的第二示例中,相反假定事件表达式表示两个信号经受它们自己的事件滤波器432并且当适于子事件的两个事件滤波器返回真时表示E发生。自适应控制设备112可以随后确定E发生,当:
E=SR1∧SR2=(a1x1>BTF1·SBF1·PSF1·BCF1)∧(a2x2>BTF2·SBF2·PSF2·BCF2)。
如上所解释的,这样的表达式旨在用于说明而不是将公开实施例限于特定表达式。
当过程600基于事件分数集合和事件阈值集合确定事件已发生时,过程600可以终止(步骤614)以继续与公开实施例一致的进一步的处理(例如,更新控制变量422、向控制中心132传输信息等)。当过程600确定事件已发生时,过程600可以向远程系统(例如控制系统132)传输事件数据(步骤616)。事件数据可以采用任何形式以及包括与公开实施例一致的任何信息(例如参考图3的步骤312所述的那些)。例如,事件数据可以包括事件已发生的通知,以便控制系统132可以接受该信息并且执行额外的处理(例如,如参考图8所述的)。
当过程600确认信号集合表示潜在撞击事件的事件类别的实例时(步骤618),过程600可以向上述的那些执行相似操作。例如,过程600产生或确定事件表达式,该事件表达式将撞击事件表征为适于信号集合的事件滤波器432的特定组合。过程600还可以部分基于事件表达式(例如,基于事件滤波器432的布置)产生撞击事件的事件分数集合(步骤620)。过程600可以随后产生事件阈值集合并且将事件分数集合中的每个事件分数与相应的事件阈值相比较(622)。
在一些方面,可以以相似于驾驶事件的方式确定撞击事件的事件阈值。例如,事件阈值集合可以是基于事件(例如,撞击事件)、事件类型(例如,撞击类型)和/或事件因子集合的事件类别。除与公开实施例一致的其他信息之外,事件因子集合可以是基于事件类别和/或事件类型。撞击事件的事件因子可以与驾驶事件的事件因子相同或不同。例如,在一个实施例中,撞击事件可以与来自于驾驶事件的不同的事件因子相关联。此外,在事件因子集合中的每个因子还可以与相应更新周期相关联,并且可以以与上述的那些相似方式被维持。信号因子集合还可以与因子权值集合相关联,该因子权值集合属于与前述实施例一致的事件因子和/或其子因子。
例如,事件因子集合可以包括设备因子,该设备因子表示与自适应控制设备112的安装及其与车辆110的关系相关联的信息。例如,在一些方面,设备因子可以包括与设备类型相关联的信息,该设备类型与自适应控制设备112、车辆110内自适应控制设备112安装的位置和质量和/或一个或多个车辆参数(例如车辆类型)相关联。
信号因子集合还可以包括相关阈值因子,该相关阈值因子表示在车辆110的特定车群类别内的所有车辆的平均行为。在一些实施例中,车辆110的车群类别可以包括在相同城市、州等内所定位的与车辆110的相似的或全部的车辆。额外地或可替换地,车辆110的车群类别可以包括对于具有相似驾驶简档(例如,基于所监测的或所存储的驾驶行为)的所有驾驶员的某些或全部车辆。
事件因子集合可以包括与车辆110相关联的当前风险因子。在一些方面,当前风险因子可以是基于与车辆110当前相关联的风险指数(例如从控制中心132所接收的或者利用自适应控制设备112所产生的并且在存储器中所存储的风险指数)。如本文所述,风险指数可以表示与车辆相关联的危险暴露或不安全驾驶的度量。当前风险因素和/或风险指数可以是基于例如检测危险事件已发生(例如恶性制动事件、紧急转弯事件、快速换道事件或与预撞击驾驶行为一致的其他事件类型)。
事件因子集合可以包括天气因子,该天气因子表示车辆110周围的当前天气条件。在一些实施例中,该因子可以是基于包含从控制中心132中所接收的天气条件和/或由传感器114所感知的环境条件(例如温度、空气湿度、湿度水平等)的信息。
事件因子集合还可以包括服务水平因子,该服务水平因子表示与车辆110驾驶员的服务水平协议相关联的信息。在一些方面,服务水平因子可以是基于驾驶员授权自适应控制设备112和/或控制系统132的信息总量和/或信息类型,以收集、监测、检测、处理或提取。
利用这些事件因子和/或参考驾驶事件如上所述的那些,过程600可以使用如上所解释的表达式和考虑因素来产生事件阈值。在一些实施例中,过程600可以产生事件滤波器集合中的每个事件滤波器432的事件阈值,以便将事件分数集合与事件阈值集合相比较(步骤622)。例如,过程600可以基于因子权值集合wi(例如,影响因子或其分量的子因子)和每个事件因子(例如示例性关系T=∏iwifi)来计算每个事件滤波器432的事件阈值T。本领域的普通技术人员应当理解对于与公开实施例一致的示例性表达式的修改。
过程600可以包括以与上述过程相似的方式(例如参考步骤612所述的那些)将事件分数集合与事件阈值相比较以确定事件是否已发生(步骤624)。例如,过程600可以基于事件分数集合(例如,通过步骤620)与相应的事件阈值(例如,通过步骤622)的比较来确定事件已发生。该确认可以是基于例如事件表达式,该事件表达式表示事件滤波器432的数学和/或逻辑组合和/或表征事件的信号。如上所述,当事件未被检测到时,过程600可以随后终止(步骤614),以继续与公开实施例一致的处理。当过程600检测到事件时,过程600可以如本文所公开地向控制系统132传输事件数据。
过程600的各种参数可以由在自适应控制设备112上所存储的控制变量422集合所控制。在一个示例中,控制变量422集合可以影响与存在的事件类别(例如,可用类别的特征和类型)、事件类型(例如,驾驶事件(例如转弯事件、超速事件等)的可用类型)、事件分类模型(例如,模型信号简档(模型如何应用的、适合的模型是如何基于车辆参数被选择用于车辆的))、相关性测量值(例如在给定信号集合或简档的情况下测量值是如何被计算的)和/或分类阈值(例如,阈值的值(每个阈值是如何根据事件类别/类型等变化的)等)等相关联的过程。在另一个示例中,控制变量422集合可以控制与事件分数集合(例如,如何根据信号集合计算事件分数)、事件阈值(例如,如何根据事件因子计算事件阈值)、事件因子(例如,包括每个因子的子因子、用于计算事件阈值的因子集合)、信号权值和因子权值(例如,各个权值的值、因子权值是否应用于子因子)等相关联的过程。通过控制变量422集合控制过程600的变量数量、表达、方程、关系等,并且并不旨在限制特定参数或其关联的信息的列表。
在特定方面,上述参数的产生或确定(例如,检测事件、计算事件阈值或事件分数、确定事件表达式等)可以使自适应控制设备112以改变有效的控制变量422集合(例如,通过响应信号448)。例如,在一个实施例中,自适应控制设备112可以在检测到事件的发生或未发生后更新控制变量422集合。控制变量集合的改变可以引起自适应控制设备112基于检测到的改变来动态地调整公开实施例(例如,参考图3至图8所公开的通过调整参数)。例如,自适应控制设备112可以调整上述任何参数以响应在有效的控制变量集合中的改变。自适应控制设备112可以对于控制变量422集合的改变进行自动地和连续地检测,以便可以动态地调整在公开实施例上的参数以响应检测到的改变。此外,可以向控制中心132传输上述的参数或其关联的信息的任何方面,以执行与公开实施例一致的进一步的处理。
图7示出与公开实施例一致的示例性事件验证过程700的流程图。参考过程700所公开的方面可以通过在环境100的一个或多个计算系统(例如自适应控制设备112和控制系统132)上的硬件和/或软件来实现。可以以与公开实施例一致的方式对过程700的特定方面进行重新排序,重新排列,重复,省略,补充,修改或集成到额外过程中。例如,可以在自适应控制设备112中实现参考过程700所述的实施例,已验证检测到的时间的发生(例如参考图3的后期处理步骤312所述的那些)。
过程700可以检测与公开实施例一致的事件(步骤702)。在特定方面,该事件检测可以包括参考图3、图4和图6所公开的事件检测过程的方面。例如,过程700可以包括使用本文所公开的过程通过自适应控制设备112检测撞击事件。在一些实施例中,过程700仅在检测到特定事件类别(例如,撞击事件)或特定事件类型后发生。例如,在一个实施例中,过程700仅在响应检测撞击事件时发生。
过程700可以包括通过自适应控制设备112监测信号集合以响应检测事件(步骤704)。信号集合可以是固定的或可以取决于检测到的事件的事件类别、其事件类型或控制变量422集合等。例如,在一个实施例中,过程700可以测量信号(例如与速度、纵向加速度、偏航和距离相关联的那些)。过程700可以在检测到事件已发生后,在与观测周期相等的周期时间(例如,15秒、30秒、1分钟等)中监测信号集合。在特定方面,观测周期可以是基于事件类别、事件类型、被监测的信号集合、有效控制变量422集合等。在其他方面,观测周期也可以是固定的。
过程700可以执行所监测的信号的信号分析,以验证事件(步骤706)。执行所监测的信号的信号分析可以包括产生于所监测的信号相关联的验证测量值以及将其与验证阈值相比较。在一些实施例中,验证测量值可以表示确定所检测到的事件真实发生的可能性或度量。在一些方面,验证测量值可以是基于验证权值集合,该验证权值集合根据验证参数集合表示在信号和检测到的事件之间的关系或相关性的度量。验证参数集合可以表示验证权值的基础,以便任何验证权值可以被构建为验证参数的表达式。例如,验证参数集合可以包括在检测到的时间之前(例如,在某时间周期内)的速度趋势、车辆110行使所在道路的类型、时刻以及天气条件。
在一些方面,过程700可以根据监测的信号和验证权值来确定验证测量值。该表达式可以采用与公开实施例一致的任何合适的数学或统计形式。例如,给定所监测的信号x集合(例如,基于事件类别的速度、纵向加速度、偏航以及距离),过程700可以利用验证参数v来确定验证测量值V:
其中fi(v)表示信号i的验证权值,该验证权值表示为验证参数v的函数。与事件分数和事件阈值的表达式一样,上述关系旨在示例性的。本领域的普通技术人员应当会基于输入信号和验证参数集合理解对于验证测量值的可替换表达式(例如,单个或复合函数)。
过程700可以包括将所确定的验证测量值与验证阈值相比较以验证事件(步骤708)。在一些实施例中,验证阈值表示需要确定验证检测到的事件发生的最小可能性或度量。验证阈值可以是固定的或者是基于考虑因素的(例如检测到的事件、监测到的信号、使用的验证参数等的事件类别或事件类型)。当过程700确定验证测量值没有超出验证阈值时,事件不可以被验证并且过程700可以终止以促使进一步的处理(步骤710)。可替换地,当过程700确定验证测量值超出验证阈值,过程700验证事件(步骤712)。在一些实施例中,该处理可以包括在存储器中存储于该验证相关联的信息并且执行进一步的处理(例如基于验证来更新有效的控制变量522集合)。此外,过程700可以向控制系统132传输验证数据(步骤714)。在特定方面,验证数据可以采用与事件数据相类似的形式并且可以包括与过程700的验证例程相关联的任何信息。例如,验证数据可以包括检测到的事件被验证的指示、对于验证测量或验证阈值的值、所检测的信号集合、所使用的事件参数等。验证数据可以采用与公开实施例一致的任何合适的形式(例如,信号、计算机文件等)。
过程700的各种参数可以由在自适应控制设备112上所存储的控制变量422集合所控制。在一个示例中,控制变量集合422可以影响与信号监测(例如,确定观测周期、监测信号集合等)和/或执行信号分析(例如,定义验证阈值、定义验证参数和验证权值、定义如何在给定验证参数集合和信号集合的情况下定义计算验证阈值等)相关联的过程。通过控制变量集合控制过程700的变量数量、表达、方程、关系等,并且并不旨在限制特定参数或其关联的信息的列表。此外,参考过程700所述的任何参数的产生或确定可以引起有效的控制变量422集合中的改变(例如,通过响应信号448)。例如,自适应控制设备112可以在验证检测到的时间发生后更新控制变量集合。对于控制变量422集合的改变可以使自适应控制设备112基于检测到的改变来动态地调整公开实施例(例如,通过调整参考图3至图8所公开的实施例)。例如,自适应控制设备112可以调整上述任何参数以响应在有效的控制变量集合中的改变。自适应控制设备112可以对于控制变量422集合的改变进行自动地和连续地检测,以便可以动态地调整在公开实施例上的参数以响应检测到的改变。此外,可以向外部系统(例如,控制系统132)传输上述数据或参数以及其关联信息的任何方面,以执行与公开实施例一致的进一步的处理。
图8示出产生与公开实施例一致的边界条件和风险指数的示例性过程800的流程图。参考过程800所公开的方面可以通过在环境100的一个或多个计算系统(例如自适应控制设备112和控制系统132)上的硬件和/或软件来实现。可以以与公开实施例一致的方式对过程800的特定方面进行重新排序,重新排列,重复,省略,补充,修改或集成到额外过程中。例如,可以在控制系统132中向边界条件和风险指数集合实现参考过程800所述的实施例(例如参考图3的步骤302所述的那些)。
在特定方面,过程800可以包括接收与从自适应控制设备112中检测到的事件相关联的信号集合或信息。在一些实施例中,过程800还可以包括与其他过程相关联的信息和参数(例如带宽滤波过程、事件检测过程和/或验证过程等等)。例如,控制系统132可以接收与所应用的低通滤波器、通过自适应控制设备112所接收的信号、事件阈值、验证测量值等相关联的信息。该所接收的信息可以包括与公开实施例相关联的任何信息并且可以送达(例如,可以由自适应控制设备112传输)至上述过程的任何步骤。
过程800可以基于所接收的信息来确定边界条件集合以提供至自适应控制设备112(步骤804)。在一些方面,确定边界条件集合可以包括识别由所接收的信号暗含的可能事件集合并且确定与该可能事件集合相关的边界条件。例如,控制系统132可以从自适应控制设备112中接收速度信号,该速度信号指出车辆正在高速行驶。作为响应,控制系统132可以确定高速例如常常与超速事件、撞击事件、制动事件等相关联。控制系统132可以进一步确定常常与这些事件相关的边界条件包括例如道路类型条件(例如,考虑高速公路)、天气条件(例如,确认驾驶员没有在雨中超速)、平均速度地图条件(例如,估计或比较驾驶员与她附近的驾驶员)和/或在个人状态因子和标准行为因子之间的比较(例如,将驾驶员和他通常的习惯进行对比)。这些被识别的边界条件可以包括所确定的边界条件集合。当然,边界条件的其他排列组合也是可能的,并且上述示例仅用作说明目的。在一些方面,控制系统132可以在存储器中存储事件映射,该事件映射将在信号集合中所观测到的趋势、简档或签名映射到潜在事件集合。此外,控制系统132可以存储边界条件映射,该边界条件映射将潜在事件集合映射到相关边界条件集合。以这种方式,控制系统132可以通过将传感器集合的值与事件映射相比较以识别潜在事件并且随后基于所识别的潜在事件利用边界条件映射识别相关的边界条件集合来确定相关边界条件。
过程800可以包括搜集、收集以及产生于所识别的边界条件集合相关联的信息(步骤806)。该信息可以表示与所识别边界条件相关的数据,并且可以取决于所识别的边界条件集合。例如,如果过程800识别天气条件或者社交网络条件,过程800可以收集或产生在车辆110周围的天气条件(例如,如上所述的基于预测路线的当前的或预期的)相关联的信息,或者可以从与驾驶员相关联的一个或多个社交网站收集信息。过程800可以取决于所识别的边界条件集合收集其他信息类型。利用过程800所收集的或所产生的该信息可以本地生成(例如在控制系统132上),或者可以从远程系统(例如,外部系统142)上获取。例如,如果过程800已识别了社交网络或设备状态,过程800可以从表示驾驶员设备(例如,智能手机、如智能手表的可穿戴设备、导航系统等)的若干外部系统142中获取所需要的信息和与一个或多个社交网站相关联的服务器。过程800可以包括从存储交通信息、天气信息等的外部系统142中获取数据。在其他示例中,过程800可以在控制系统132上本地发生(例如当控制系统产生与驾驶员的历史驾驶条件(例如,基于从自适应控制设备112中所监测的信息)等相关联的信息时)。以这种方式所收集的或所产生的信息可以包括与公开的边界条件一致的信息(例如天气信息、车辆速度地图、交通条件、驾驶员统计数据、道路信息或参考图3所述的其他信息)。
过程800还可以包括向自适应控制设备112提供边界条件和/或关联的信息,用于进一步处理(步骤808)。过程800可以提供边界条件和在任何在适合的通信网络(例如,通信网络120)内的其他信息。所提供的边界条件和其他信息可以采用任何适合的形式(例如,信号、计算机文件等)。在一些实施例中,自适应控制设备112可以从控制系统132中接收边界条件和关联的信息,以执行本文所述的额外过程。例如,在一些方面,自适应控制设备112可以基于所接收的信息更新控制变量422集合(例如,通过更新外部变量426以考虑边界条件的新集合)。自适应控制设备112还可以存储与边界条件的新集合相关联的信息,例如以确定控制变量422的额外的改变或者以在公开过程(例如事件检测)中使用等。以这种方式,自适应控制设备112可以使用从控制中心132中所接收的信息来驱动在其内部过程中的改变并且动态地调整其如何收集和处理数据。过程800可以继续以监测从自适应控制设备112所接收的信号或其他信息(例如,基于更新过的边界条件),以重新开始过程(步骤802)。
在一些实施例中,过程800可以包括产生与驾驶员或车辆110相关联的风险指数(步骤810)。该风险指数可以是基于从自适应控制设备112所接收的信息(步骤802)和/或之前所产生的或新确定的所识别的边界条件(例如,步骤804)。在一些方面,过程800可以基于在控制系统132上所存储的或所产生的信息和/或由自适应控制设备112所监测的信息来确定风险指数。过程800可以利用与上面所公开的那些一致的公式、权值和参数(例如,权值平均值、乘积、多参数函数等)来确定风险指数的值。在一个实施例中,过程800可以基于驾驶员的驾驶行为来确定风险指数的值。过程800可以基于从自适应控制设备112(例如,速度、加速度、转弯、制动和/或定位的信号;检测驾驶事件(例如超速事件或转弯事件等))所接收的信号或其他信息,以及在控制系统132上所存储的信息(例如,驾驶员的历史驾驶行为和统计数据)来识别驾驶员的行为。
在特定实施例中,风险指数还可以是基于驾驶员的注意力。过程800可以基于与当前边界条件相关联的信息确定驾驶员注意力的测量值。例如,过程800可以基于例如设备条件(例如,指出驾驶员在驾驶时正在发送文本信息)的数据、平均速度地图条件(例如,指出在给定时间周期内驾驶员正以与她附近的其他驾驶员明显不同的速度驾驶)和其他该边界条件来测量驾驶员的注意力。额外地或可替换地,过程800可以基于从自适应控制设备112所接收的信号或信息(例如,在短时间范围内存在若干转弯事件或加速事件)来测量驾驶员的注意力。
在特定方面,风险指数还可以是基于与车辆环境相关联的信息。过程800可以利用从自适应控制设备112所接收的数据(例如,通过温度、空气湿度、湿度)以及所识别的边界条件和关联数据(例如,天气条件,包括从外部系统142提取的天气信息)来测量环境信息。
过程800包括向自适应控制设备112提供所产生的风险指数,以执行进一步的处理(步骤812)。过程800可以通过任何适合的信道或通信网络来提供风险指数。在一些方面,自适应控制设备112可以接收风险指数并且相应的更新其内部过程。例如,自适应控制设备112可以基于风险指数的新的值(例如,替换或平均到旧指数)来改变有效的控制变量422集合,以表示更新后的危险暴露。例如,在特定方面,各种事件阈值和/或验证阈值可以反比例于所接收的风险指数(例如,在更危险的环境中检测更多的事件),采样速率和/或信号权值可以直接正比例于风险指数(例如,在危险期间更频繁的采样信号),特定信号、因子和/或其关联的权值可以变得更相关或更不相关等等。自适应控制设备112可以将新风险指数与旧的相比较,确定在其内部过程中要做的必要的改变,并且修改有效的控制变量422集合以实现这些改变(例如,通过修改外部控制变量426集合)。
过程800还可以包括基于所更新的风险指数和/或与过程800相关联的其他信息来执行内部处理(步骤814)。例如,在一些方面,过程800可以包括基于新确定的风险指数和/或边界条件信息来提供通知。该通知可以包括与风险指数相关联的信息(例如,与之前所确定的风险指数、对于驾驶员或相似情况下的驾驶员而言的历史风险指数平均值等相比,驾驶员正以更危险或更安全的方式驾驶的指示)。该通知还可以包括与边界条件集合相关联的信息(例如,参考一个或多个边界条件的驾驶员的驾驶习惯或驾驶行为的指示)。例如,通知可以指出驾驶员在下雨天气驾驶太快,驾驶员比对于她而言在相似位置/车辆类型的相似情形下的那些驾驶员具有更少的转弯事件或加速事件,或者任何其他指示类型。以这种方式,通知可以包括与公开实施例一致的驾驶分析的种类及其组合。该通知可以包括电子邮件、文本信息、自动语音信息、在移动设备显示屏上的弹出通知或其他相似的格式。过程800可以在执行其内部过程之后继续以监测来自自适应控制设备112的信号或其他信息,重新开始过程。
额外地或可替换地,过程800可以包括利用控制系统132来执行与控制中心130相关联的内部过程。例如,在一个实施例中,过程800可以包括基于从自适应控制设备所接收的信号、所产生的风险指数和检测到的事件(或其中缺失的)来更新与车辆110相关联的保单。例如,在一些方面,较低风险指数、没有或很少发生驾驶事件或撞击事件以及与标准驾驶行为强烈相关的信号可以指出车辆110的驾驶员总体为安全驾驶员。因此过程800可以包括基于从自适应控制设备112所接收的信号、所产生的风险指数、所识别的边界条件以及它们相关联的信息和事件检测和事件验证的结果来确定对于已存在的与车辆110相关联的保单的改变。这些改变可以包括例如更新的保险费、折扣、较低免赔额、额外的保险范围等。过程800可以进一步包括基于所确定的改变来更新保单和/或向驾驶员或被确定与保单相关联的保单持有人提供通知,该保单包括与所确定的改变相关联的信息(例如,保单持有人适用于更新后的费用)。通知可以采用与上述的那些相似的形式。
从前述实施例应当显而易见的是,公开实施例的方面使得在检测到在存储器中所存储的控制变量422的改变后自适应控制设备112能够动态地调整其所收集的信号、参数、阈值和函数。如本文所述,自适应控制设备112可以连续地或周期性地监测有效的控制变量集合来确定改变是否已发生并且可以相应地动态地调整其过程。此外,自适应控制设备112还可以基于前述过程(例如,参考图3至图8所述的那些)来确定要对控制变量422集合做的一个或多个改变,并且更新控制变量本身。自适应控制设备112可以基于所处理的信息的性质来确定对于控制变量422的改变以及其对于内部过程(例如,阈值、函数、权值、采样的信号等)的相应效果。
例如,当自适应控制设备112接收来自控制中心132的风险指数时,自适应控制设备112可以更新在存储器中所存储的外部控制变量426集合。自适应控制设备112可以随后基于新风险指数来确定应用于前述实施例的方面的一个或多个改变,并且相应地动态调整其过程(例如,通过控制信号442或446)。所确定的改变的性质可以是基于新风险指数的性质。例如,如上所述,更高的风险指数指出更危险的驾驶。在一些方面,自适应控制设备112因此可以改变采样信号集合以偏好基于驾驶的信号(例如,速度、转弯和加速度的信号超过温度和空气湿度信号等)。自适应控制设备112还可以改变(例如,增加)这些或其他信号的采样速率,以便其收集额外的或更准确的数据。自适应控制设备112还可以在上升的风险指数期间减少其他的、较不重要的信号的采样速率。另外,自适应控制设备112可以修改其事件检测逻辑以增加其敏感性(例如减少事件阈值(例如,手动地,通过修改事件因子和时间权值来引发该改变,通过修改事件表达式来调整阈值的数学表达式等)、增加事件分数(例如,手动地或者以与改变事件阈值相似的方式来修改信号和其信号权值)等)。此外,自适应控制设备112可以以相似的方式(例如减少验证阈值、增加验证测量值、实现对于基础参数函数的改变来引发这些改变(例如,通过增加验证权值、选择新信号或选择验证参数等))来修改其验证过程。自适应控制设备112可以因此确定如何动态地调整本文所讨论的任何的输入、参数或过程以响应由接收新风险指数所引起的新控制参数422。此外,自适应控制设备112可以确定如何基于由处理过的信息(例如,从控制系统132所接收的或在自适应控制设备112内所产生的)所引发的控制参数集合的改变来动态地调整该特征。
根据另一个示例,自适应控制设备112可以从控制中心132接收边界条件以及其关联的信息。自适应控制设备112可以确定如何基于边界条件以及伴随的数据的性质来修改控制变量422集合(例如,特别地外部控制变量426集合)和对于前述过程的相应的调整。在一个示例中,当之前没有建立天气条件时,自适应控制设备112可以接收天气条件。自适应控制设备112可以更新控制变量422和动态地调整来自传感器114的信号和采样速率,以收集环境信息(例如,温度、湿度水平、大气气压等)。自适应控制设备112还可以如上所述地更新其事件检测和验证过程(例如,通过修改事件阈值、验证阈值和/或它们的各种分量(例如信号权值、事件因子等)),以将天气考虑因素并入事件中。例如,在一个实施例中,自适应控制设备112可以对于下雨天气(例如,因为其更加具有风险性)减少事件阈值,并且对于温和或晴朗天气增加事件阈值。自适应控制设备112还可以在下雨条件下比晴朗条件更加频繁地采样特定信号类型(例如,速度、转弯、制动等)。以相似的方式,自适应控制设备可以动态地调整上述实施例的信号、采样速率、阈值等以响应交通条件(例如由于在高拥堵水平情况下事故的更高可能性)、道路信息(例如,在直路上较不频繁地采样信号)和任何其他边界条件信息。这些改变的类型可以应用于本文所公开的任何变量过程,并且该改变可以是基于边界条件信息的性质。
在最后一个示例中,自适应控制设备112还可以确定如何基于内部过程来更新控制变量集合。根据一个示例,自适应控制设备112可以确定如何基于检测到的事件性质来改变控制变量422集合(例如,内部变量424)以及上述过程的相应的调整。举例来说,自适应控制设备112可以检测超速事件、加速度事件或转弯事件,并且确定该事件通常表示更加危险的或者不安全的驾驶行为。作为响应,自适应控制设备112可以更新控制变量422集合并且可以相应地动态调整上述实施例的输入、参数和过程(例如,通过控制信号442)。例如,自适应控制设备112可以调整所采样的信号集合(例如,偏好基于驾驶的信号(例如速度、加速度))和/或它们的采样速率(例如,更频繁地采样基于驾驶的信号而较不频繁地采样基于环境的信号)。此外,自适应控制设备112可以减少事件阈值或验证阈值以响应检测到的驾驶事件,或者增加事件分数和验证测量值,如上所述地,以增加对于特定驾驶行为的敏感性。此外,自适应控制设备112可以进行反向改变以响应缺失该事件(例如,通过增加事件阈值、减少采样速率等)。公开实施例考虑进行任何这样的改变以响应在公开实施例中所产生的任何信息或数据。此外,这些改变可以被应用于本文所公开的任何变量过程或参数。调整和受影响的输入值、过程以及参数的性质将取决于所产生的信息的性质,取决于真实的驾驶行为和与车辆110相关联的环境条件。
以上描述仅用作说明的目的而被呈现。本文并未穷举也没有限定于所公开的确切形式或实施例。通过考虑公开实施例的说明书和实践,实施例的修改和适应性调整将是显而易见的。例如,所描述的实现方式包括硬件和软件,但与本公开一致的系统和方法能够仅根据硬件来实现。
基于该说明书的所记载的描述和方法的计算机程序在软件开发者的能力范围之内。各个程序和程序模块能够利用各种编程技术来生成。例如,程序段或程序模块能够利用Java、C、C++、汇编语言或其他编程语言来设计。一个或多个该软件段或模块能够被集成进设备系统或存在的通信软件中。
此外,虽然在本文中描述了说明性实施例,但范围包括具有基于本发明的等同元件、修改、省略、组合(例如包括多个实施例方面的)、适应性调整和/或替换的任何和全部实施例。在权利要求书中的元件将基于在权利要求书所采用的语言进行广义解释并且不限于在本说明书中或在申请的过程期间所述的示例中,该示例被解释为非排他性的。另外,所公开方法的步骤能够以任何方式进行修改,包括重新排序步骤和/或插入或删除步骤。此外,本文所述的任何参数、条件、信息等可以表示该参数、条件或信息的历史的、当前的或预期的值。
通过具体描述的说明书,本公开的特征和优点是显而易见的,并且因此其旨在所附的权利要求覆盖属于本公开的真正构思和范围之内的所有系统和方法。如本文所使用的,不定冠词"一个(a和an)”表示“一个或多个”。相似地,除非在给定上下文中是明确的,否则复数术语的使用不一定表示多个。除非具体地以其他方式指定,否则词语例如“和”或“或”表示“和/或”。另外,由于本领域技术人员将容易想到多种修改和变化,因此不希望将本公开限制于所示和所述的确切结构和操作,并且相应地,可以采用属于本公开的范围的所有适合的修改和等同物。
通过考虑说明书以及本文所述的实施例的实践,对于本领域的技术人员来说其他实施例将是显而易见的。本文旨在说明书和示例仅被考虑为示例,所公开的实施例的真正范围和构思由下面的权利要求指出。
Claims (23)
1.一种动态控制车辆中基于传感器的数据采集的系统,包括:
存储器,存储指令集;以及
一个或多个处理器,配置成执行所述指令集来执行一个或多个操作,所述操作包括:
接收与车辆中的传感器集合相关联的信号集合,其中信号集合与采样速率集合相关联,
将带宽滤波器集合应用于所述信号集合,以生成滤波信号集合,以及
通过将基于所述滤波信号集合的事件分数与事件阈值进行比较来检测事件的发生,
其中基于控制变量集合的改变来动态地调整所述信号集合、所述采样速率集合、所述带宽滤波器集合、所述事件分数或所述事件阈值中的至少一个。
2.根据权利要求1所述的系统,其特征在于,控制变量集合被改变以响应于检测到后续事件的发生,其中所述控制变量集合的每个改变引起对于所述信号集合、所述采样速率集合、所述带宽滤波器集合、所述事件分数或者所述事件阈值中的至少一个的修改。
3.根据权利要求2所述的系统,其特征在于,所述控制变量集合包括:
基于所述信号集合的本地控制变量集合;以及
基于从所述控制系统所接收的风险指数的外部控制变量集合,其中所述事件阈值反比例于所述风险指数。
4.根据权利要求3所述的系统,其特征在于,所述风险指数是基于所述事件数据和表示所述车辆外部的条件的边界条件集合,并且其中所述边界条件集合包括天气条件、交通条件、道路类型条件或平均速度地图条件中的至少两个。
5.根据权利要求1所述的系统,其特征在于,所述动态地调整所述信号集合还包括关闭在所述信号集合中所选择的信号或接通在所述信号集合中未包括的新信号。
6.根据权利要求1所述的系统,其特征在于,应用带宽滤波器集合还包括:
确定在所述信号集合中的噪声信号的噪声频率范围;
确定所述噪声频率范围的最小频率是否超出阈值频率;以及
当所述最小频率超出所述阈值频率时,将低通滤波器应用于所述噪声信号,其中所述低通滤波器具有比所述最小频率更小的截止频率。
7.根据权利要求6所述的系统,其特征在于,应用所述带宽滤波器集合还包括当所述噪声频率范围的宽度小于阈值宽度时,将带阻滤波器应用于所述噪声信号,所述带阻滤波器大致在所述频域中的所述噪声频率范围内衰减所述噪声信号。
8.根据权利要求7所述的系统,其特征在于,确定所述噪声频率范围和所述噪声频率范围的宽度引起所述控制变量集合的所述改变,并且其中动态地调整所述带宽滤波器集合还包括将所述低通滤波器或所述带阻滤波器应用于所述噪声信号。
9.根据权利要求2所述的系统,其特征在于,所述操作还包括基于所述滤波信号集合和表示所述车辆的物理特征的车辆参数集合来确定与所述事件相关联的事件类别,其中所述事件阈值是基于所述事件类别和事件因子集合,所述事件因子集合基于所述事件类别,并且其中确定所述事件类别引起所述控制变量集合的所述改变。
10.根据权利要求9所述的系统,其特征在于:
所述信号集合基于所述控制变量而与信号权值集合相关联;
所述事件分数还基于所述信号权值集合;以及
动态地调整所述事件分数还包括修改所述信号集合或所述信号权值集合。
11.根据权利要求9所述的系统,其特征在于:
所述事件因子集合基于所述控制变量而与因子权值集合相关联;
所述事件阈值还基于所述因子权值集合;以及
所述动态地调整所述事件阈值还包括修改所述事件类别、所述事件因子或所述因子权值。
12.根据权利要求2所述的系统,其特征在于,所述操作还包括当对于所述事件和每个后续事件而言所述事件分数超出所述事件阈值时输出事件数据。
13.一种动态地控制车辆中基于传感器的数据采集的方法,包括通过与所述车辆内的设备相关联的一个或多个处理器所执行的以下操作:
接收与车辆中的传感器集合相关联的信号集合,其中所述信号集合与采样速率集合相关联;
将带宽滤波器集合应用于所述信号集合,以生成滤波信号集合;以及
通过将基于所述滤波信号集合的事件分数与事件阈值进行比较来检测事件的发生;
其中基于控制变量集合的改变来动态地调整所述信号集合、所述采样速率集合、所述带宽滤波器集合、所述事件分数或所述事件阈值中的至少一个。
14.根据权利要求13所述的方法,其特征在于,控制变量集合被改变以响应于检测到后续事件的发生,其中所述控制变量集合的每个改变引起对于所述信号集合、所述采样速率集合、所述带宽滤波器集合、所述事件分数或者所述事件阈值中的至少一个的修改。
15.根据权利要求14所述的方法,其特征在于,所述控制变量集合包括:
基于所述信号集合的本地控制变量集合;以及
基于从所述控制系统所接收的风险指数的外部控制变量集合,其中所述事件阈值反比例于所述风险指数,并且其中所述风险指数是基于所述事件数据和表示所述车辆外部条件的边界条件集合。
16.根据权利要求13所述的方法,其特征在于,应用带宽滤波器集合还包括:
确定在所述信号集合中的噪声信号的噪声频率范围;
确定所述噪声频率范围的最小频率是否超出阈值频率;以及
当所述最小频率超出所述阈值频率时,将低通滤波器应用于所述噪声信号,其中所述低通滤波器具有比所述最小频率更小的截止频率。
17.根据权利要求16所述的方法,其特征在于,应用所述带宽滤波器集合还包括当所述噪声频率范围的宽度小于阈值宽度时,将带阻滤波器应用于所述噪声信号,所述带阻滤波器大致在所述频域中的所述噪声频率范围内衰减所述噪声信号。
18.根据权利要求17所述的方法,其特征在于,确定所述噪声频率范围和所述噪声频率范围的宽度引起所述控制变量集合的所述改变,并且其中动态地调整所述带宽滤波器集合还包括将所述低通滤波器或所述带阻滤波器应用于所述噪声信号。
19.根据权利要求14所述的方法,其特征在于,还包括基于所述滤波信号集合和表示所述车辆的物理特征的车辆参数集合来确定与所述事件相关联的事件类别,其中所述事件阈值是基于所述事件类别和事件因子集合,所述事件因子集合基于所述事件类别,并且其中确定所述事件类别引起所述控制变量集合的所述改变。
20.根据权利要求19所述的方法,其特征在于:
所述信号集合基于所述控制变量而与信号权值集合相关联;
所述事件分数还基于所述信号权值集合;以及
动态地调整所述事件分数还包括修改所述信号集合和所述信号权值集合。
21.根据权利要求19所述的方法,其特征在于:
所述事件因子集合基于所述控制变量而与因子权值集合相关联;
所述事件阈值还基于所述因子权值集合;以及
动态地调整所述事件阈值还包括修改所述事件类别、所述事件因子或所述因子权值。
22.根据权利要求14所述的方法,其特征在于,还包括当对于所述事件和所述每个后续事件而言所述事件分数超出所述事件阈值时输出事件数据。
23.一种存储指令的有形的非易失性计算机可读介质,当所述指令由至少一个处理器执行时,使得至少一个处理器执行动态地控制车辆中基于传感器的数据采集的方法,包括:
接收与车辆中的传感器集合相关联的信号集合,其中所述信号集合与采样速率集合相关联;
将带宽滤波器集合应用于所述信号集合,以生成滤波信号集合;以及
通过将基于所述滤波信号集合的事件分数与事件阈值进行比较来检测事件的发生;
其中基于控制变量集合的改变来动态地调整所述信号集合、所述采样速率集合、所述带宽滤波器集合、所述事件分数或所述事件阈值中的至少一个。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/969,100 | 2015-12-15 | ||
US14/969,100 US9988056B2 (en) | 2015-12-15 | 2015-12-15 | Systems and methods for controlling sensor-based data acquisition and signal processing in vehicles |
PCT/IB2016/001879 WO2017103672A1 (en) | 2015-12-15 | 2016-12-12 | Systems and methods for controlling sensor-based data acquisition and signal processing in vehicles |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109076093A true CN109076093A (zh) | 2018-12-21 |
CN109076093B CN109076093B (zh) | 2020-02-25 |
Family
ID=58094461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680081743.3A Expired - Fee Related CN109076093B (zh) | 2015-12-15 | 2016-12-12 | 控制车辆中基于传感器的数据采集和信号处理的系统和方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9988056B2 (zh) |
EP (1) | EP3391624A1 (zh) |
JP (1) | JP6748210B2 (zh) |
CN (1) | CN109076093B (zh) |
CA (1) | CA3008567A1 (zh) |
RU (1) | RU2737665C2 (zh) |
WO (1) | WO2017103672A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109655746A (zh) * | 2019-01-11 | 2019-04-19 | 锦州汉拿电机有限公司 | 电机数据交互装置、系统及车辆 |
CN117056799A (zh) * | 2023-08-03 | 2023-11-14 | 广东省机场管理集团有限公司工程建设指挥部 | 一种车辆传感器数据的处理方法、装置、设备及介质 |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10311749B1 (en) * | 2013-09-12 | 2019-06-04 | Lytx, Inc. | Safety score based on compliance and driving |
CN106156966A (zh) * | 2015-04-03 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 物流监测方法及设备 |
CN105301196B (zh) * | 2015-11-03 | 2017-07-04 | 腾讯科技(深圳)有限公司 | 空气质检装置、空气质量数据处理方法和装置 |
US10818109B2 (en) | 2016-05-11 | 2020-10-27 | Smartdrive Systems, Inc. | Systems and methods for capturing and offloading different information based on event trigger type |
US10852744B2 (en) * | 2016-07-01 | 2020-12-01 | Uatc, Llc | Detecting deviations in driving behavior for autonomous vehicles |
WO2018008666A1 (ja) * | 2016-07-07 | 2018-01-11 | 国立研究開発法人産業技術総合研究所 | 生理状態判定装置、生理状態判定方法、生理状態判定装置用プログラムおよび、生理状態判定システム |
JP6725346B2 (ja) * | 2016-07-08 | 2020-07-15 | トヨタ自動車株式会社 | 車両情報送信システム |
DE102016217079A1 (de) * | 2016-09-08 | 2018-03-08 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines ersten Fahrzeugs |
US10659991B2 (en) * | 2016-12-06 | 2020-05-19 | Nissan North America, Inc. | Bandwidth constrained image processing for autonomous vehicles |
JP6575934B2 (ja) * | 2017-03-29 | 2019-09-18 | マツダ株式会社 | 車両運転支援システム及び車両運転支援方法 |
US10654411B2 (en) * | 2017-07-26 | 2020-05-19 | Uber Technologies, Inc. | Detecting service provider state based on received and historic telematics data and service provider characteristics |
US10501085B2 (en) | 2017-12-07 | 2019-12-10 | Waymo Llc | Early object detection for unprotected turns |
JP2019179372A (ja) * | 2018-03-30 | 2019-10-17 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 学習データ作成方法、学習方法、危険予測方法、学習データ作成装置、学習装置、危険予測装置、及び、プログラム |
US11001273B2 (en) * | 2018-05-22 | 2021-05-11 | International Business Machines Corporation | Providing a notification based on a deviation from a determined driving behavior |
US10246037B1 (en) * | 2018-07-16 | 2019-04-02 | Cambridge Mobile Telematics Inc. | Vehicle telematics of vehicle crashes |
US10816987B2 (en) * | 2018-10-15 | 2020-10-27 | Zoox, Inc. | Responsive vehicle control |
US10996255B2 (en) * | 2019-03-26 | 2021-05-04 | Ford Global Technologies, Llc | Voltage-characteristic-based vehicle identification number |
DE102019218914A1 (de) * | 2019-12-05 | 2021-06-10 | Zf Friedrichshafen Ag | Verfahren zur Identifikation eines Ereignisses |
JP7462431B2 (ja) * | 2020-02-28 | 2024-04-05 | 本田技研工業株式会社 | 不正信号検出装置 |
US11842269B2 (en) * | 2020-05-28 | 2023-12-12 | Hitachi, Ltd. | AI enabled sensor data acquisition |
DE112020007528T5 (de) | 2020-11-24 | 2023-08-10 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Vorrichtung und Verfahren zur Fahrüberwachung |
CN114706448A (zh) * | 2020-12-17 | 2022-07-05 | 中兴通讯股份有限公司 | 信号采样方法、信号采样装置及存储介质 |
CN114710527B (zh) * | 2022-03-25 | 2023-04-25 | 重庆长安汽车股份有限公司 | 分布式智能驾驶数据的采集系统、方法及可读存储介质 |
DE102022211104A1 (de) * | 2022-10-20 | 2024-04-25 | Siemens Energy Global GmbH & Co. KG | Verfahren und Vorrichtung zum Messen eines elektrischen Stroms |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5490067A (en) * | 1991-06-04 | 1996-02-06 | Nippondenso Co., Ltd. | Trigger device for vehicle safety apparatus |
US5904368A (en) * | 1997-09-16 | 1999-05-18 | Trw Inc. | Occupant restraint system and control method with variable sensor rate and/or sample rate |
CN102753395A (zh) * | 2010-02-11 | 2012-10-24 | 大陆-特韦斯贸易合伙股份公司及两合公司 | 车辆传感器节点 |
US20130096731A1 (en) * | 2011-10-12 | 2013-04-18 | Drivecam, Inc. | Drive event capturing based on geolocation |
CN105599768A (zh) * | 2014-09-23 | 2016-05-25 | 卡明斯公司 | 包括在车辆运行期间的动态车辆质量和道路坡度估计的车辆控件 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5906393A (en) | 1997-09-16 | 1999-05-25 | Trw Inc. | Occupant restraint system and control method with variable sense, sample, and determination rates |
RU2393441C2 (ru) * | 2004-12-06 | 2010-06-27 | Дженерал Электрик Компани | Определение температуры подшипников колес поездов |
JP2006232172A (ja) * | 2005-02-25 | 2006-09-07 | Nissan Motor Co Ltd | 車両用運転支援装置 |
JP2007271959A (ja) * | 2006-03-31 | 2007-10-18 | Mazda Motor Corp | 車両用運転技量判定装置 |
FI20070198L (fi) * | 2007-03-08 | 2008-09-09 | Ec Tools Oy | Tiedonkeräysjärjestelmä ja -menetelmä ajoneuvoja varten |
JP2011203921A (ja) * | 2010-03-25 | 2011-10-13 | Denso It Laboratory Inc | 運転評価装置、方法及びシステム |
WO2013128919A1 (ja) * | 2012-02-27 | 2013-09-06 | ヤマハ発動機株式会社 | ホストコンピュータ、運転技量判定システム、運転技量判定方法および運転技量判定プログラム |
US20150244431A1 (en) * | 2014-02-21 | 2015-08-27 | Physical Devices, Llc | Devices and methods for diversity signal enhancement and cosite cancellation |
CN104063604B (zh) * | 2014-07-01 | 2017-04-05 | 百度在线网络技术(北京)有限公司 | 一种运动状态检测方法和装置 |
CN104593671B (zh) * | 2015-02-28 | 2017-04-19 | 南京工程学院 | 一种高强韧性非调质钢在复合锻造成型中的应用 |
CN105116817A (zh) * | 2015-06-26 | 2015-12-02 | 小米科技有限责任公司 | 平衡车管理方法及装置 |
-
2015
- 2015-12-15 US US14/969,100 patent/US9988056B2/en not_active Expired - Fee Related
-
2016
- 2016-12-12 CA CA3008567A patent/CA3008567A1/en not_active Abandoned
- 2016-12-12 CN CN201680081743.3A patent/CN109076093B/zh not_active Expired - Fee Related
- 2016-12-12 JP JP2018532275A patent/JP6748210B2/ja active Active
- 2016-12-12 RU RU2018125582A patent/RU2737665C2/ru active
- 2016-12-12 WO PCT/IB2016/001879 patent/WO2017103672A1/en active Application Filing
- 2016-12-12 EP EP16838029.3A patent/EP3391624A1/en not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5490067A (en) * | 1991-06-04 | 1996-02-06 | Nippondenso Co., Ltd. | Trigger device for vehicle safety apparatus |
US5904368A (en) * | 1997-09-16 | 1999-05-18 | Trw Inc. | Occupant restraint system and control method with variable sensor rate and/or sample rate |
CN102753395A (zh) * | 2010-02-11 | 2012-10-24 | 大陆-特韦斯贸易合伙股份公司及两合公司 | 车辆传感器节点 |
US20130096731A1 (en) * | 2011-10-12 | 2013-04-18 | Drivecam, Inc. | Drive event capturing based on geolocation |
CN105599768A (zh) * | 2014-09-23 | 2016-05-25 | 卡明斯公司 | 包括在车辆运行期间的动态车辆质量和道路坡度估计的车辆控件 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109655746A (zh) * | 2019-01-11 | 2019-04-19 | 锦州汉拿电机有限公司 | 电机数据交互装置、系统及车辆 |
CN117056799A (zh) * | 2023-08-03 | 2023-11-14 | 广东省机场管理集团有限公司工程建设指挥部 | 一种车辆传感器数据的处理方法、装置、设备及介质 |
CN117056799B (zh) * | 2023-08-03 | 2024-03-26 | 广东省机场管理集团有限公司工程建设指挥部 | 一种车辆传感器数据的处理方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
RU2018125582A (ru) | 2020-01-20 |
RU2737665C2 (ru) | 2020-12-02 |
CN109076093B (zh) | 2020-02-25 |
EP3391624A1 (en) | 2018-10-24 |
JP6748210B2 (ja) | 2020-08-26 |
WO2017103672A1 (en) | 2017-06-22 |
US20170166217A1 (en) | 2017-06-15 |
JP2019511023A (ja) | 2019-04-18 |
US9988056B2 (en) | 2018-06-05 |
RU2018125582A3 (zh) | 2020-05-20 |
CA3008567A1 (en) | 2017-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109076093A (zh) | 控制车辆中基于传感器的数据采集和信号处理的系统和方法 | |
US10593199B1 (en) | Road segment rating based on roadway communication | |
AU2017387790B2 (en) | System and methods for detecting vehicle braking events using data from fused sensors in mobile devices | |
CN109643472A (zh) | 用于平衡车辆中的基于传感器的数据和信号的处理的系统和方法 | |
EP3513578B1 (en) | System and method for detecting mobile device movement within a vehicle using accelerometer data | |
US11808604B2 (en) | Driving analysis based on movement data | |
US20190158504A1 (en) | Authenticating Drivers | |
CN104732785A (zh) | 一种驾驶行为分析和提醒的方法及系统 | |
CN105389976A (zh) | 用于道路风险指数产生的方法和设备 | |
US11170639B2 (en) | Transportation threat detection system | |
US20230117354A1 (en) | Detecting Device Movement And/Or Device Usage Within a Vehicle | |
Ma et al. | Active traffic management strategies for expressways based on crash risk prediction of moving vehicle groups | |
WO2016107876A1 (en) | Vehicular motion monitoring method | |
CN112434260A (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
WO2019197345A1 (en) | Vehicular motion assessment method | |
CN117151513A (zh) | 评价交通安全的方法、装置、设备及存储介质 | |
CA3093884C (en) | Detecting device movement and/or device usage within a vehicle | |
CN114118628A (zh) | 一种基于循环神经网络模型的灾害预警方法及相关设备 | |
Yannis et al. | Star rating driver traffic and safety behavior through OBD and smartphone data collection | |
CN110766031A (zh) | 一种基于驾驶人行为特征的驾驶人甄别系统及其方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200225 Termination date: 20211212 |
|
CF01 | Termination of patent right due to non-payment of annual fee |