CN111028382A - 自主交通工具中待收集数据的实时选择 - Google Patents

自主交通工具中待收集数据的实时选择 Download PDF

Info

Publication number
CN111028382A
CN111028382A CN201910919603.4A CN201910919603A CN111028382A CN 111028382 A CN111028382 A CN 111028382A CN 201910919603 A CN201910919603 A CN 201910919603A CN 111028382 A CN111028382 A CN 111028382A
Authority
CN
China
Prior art keywords
data
vehicle
collected
memory device
memory
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
Application number
CN201910919603.4A
Other languages
English (en)
Other versions
CN111028382B (zh
Inventor
佐藤淳一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Micron Technology Inc
Original Assignee
Micron Technology Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Micron Technology Inc filed Critical Micron Technology Inc
Publication of CN111028382A publication Critical patent/CN111028382A/zh
Application granted granted Critical
Publication of CN111028382B publication Critical patent/CN111028382B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • G07C5/0841—Registering performance data
    • 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]
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请案涉及自主交通工具中待收集数据的实时选择。一种用于自主交通工具的方法包含：由主机系统控制交通工具的至少一个系统；由存储器装置监测与所述交通工具的操作相关联的数据；由所述存储器装置基于所述监测而确定待从所述交通工具收集的第一数据；由所述存储器装置独立于所述主机系统而收集所述第一数据；以及由所述存储器装置将经收集第一数据存储于非易失性存储器中。

Description

自主交通工具中待收集数据的实时选择
相关申请案
本申请案主张2018年10月10日提出申请且标题为“在自主交通工具中实时选择待收集数据(REAL-TIME SELECTION OF DATA TO COLLECT IN AUTONOMOUS VEHICLE)”的序列号为16/156,698的美国专利申请案的申请日期的权益，所述申请案的全部内容如同完全陈述于本文中一般以引用方式并入。
本申请案涉及佐藤纯一(Junichi Sato)的2018年10月3日提出申请的标题为“自主交通工具记录数据的自动收集(AUTOMATIC COLLECTION OF AUTONOMOUS VEHICLELOGGING DATA)”的序列号为16/150,618(代理人档案号120426-106700/US(2018-1067.00/US))的美国非临时申请案，所述申请案的全部内容如同完全陈述于本文中一般以引用方式并入。
本申请案还涉及佐藤纯一的2018年6月18日提出申请的标题为“响应于事件检测而下载系统存储器数据(Downloading System Memory Data in Response to EventDetection)”的序列号为16/010,646的美国非临时申请案，所述申请案的全部内容如同完全陈述于本文中一般以引用方式并入。
本申请案还涉及蒙德罗(Mondello)等人的2018年1月25日提出申请的标题为“用于交通工具的交通工具中监测及报告设备(In-Vehicle Monitoring and ReportingApparatus for Vehicles)”的序列号为15/879,954的美国非临时申请案，所述申请案的全部内容如同完全陈述于本文中一般以引用方式并入。
技术领域
本文中所揭示的至少一些实施例一般来说涉及存储器系统，且更特定来说(但不限于)涉及自主交通工具数据的收集及存储。
背景技术
自主交通工具通常包含许多传感器来帮助控制自主交通工具。在涉及交通工具的事故、碰撞或接近碰撞的情形中，审阅恰好在事故之前及/或在事故期间记录的传感器数据以帮助可能地确定事故的原因及/或是否可存在交通工具故障可为有益的。
在于事故期间失去电力的情况下，存储于易失性存储器中的交通工具传感器数据可丢失。并且，从自主交通工具收集的传感器数据在所述数据未被压缩时是最有用的。
存储数据的存储器系统包含例如固态驱动器(SSD)等存储系统，且可包含存储数据的一或多个存储器组件。举例来说，存储器系统可包含非易失性存储器及易失性存储器。一般来说，主机系统可控制存储器系统来将数据存储(例如，使用各种类型的存储媒体)于存储器系统处且检索存储于存储器系统处的数据。
发明内容
本申请案的一个方面涉及一种用于自主交通工具的方法，所述方法包括：由主机系统控制交通工具的至少一个系统；由存储器装置监测与所述交通工具的操作相关联的数据；由所述存储器装置基于所述监测而确定待从所述交通工具收集的第一数据；由所述存储器装置独立于所述主机系统而收集所述第一数据；以及由所述存储器装置将经收集第一数据存储于非易失性存储器中。
本申请案的另一方面涉及一种存储器装置，其包括：至少一个传感器，其经配置以从交通工具收集传感器数据；非易失性存储器，其经配置以存储来自所述至少一个传感器中的至少一者或所述交通工具的主机系统的数据，其中所述主机系统控制所述交通工具的至少一个系统；至少一个计算装置；以及存储器，其存储指令，所述指令经配置以指令所述至少一个计算装置进行以下操作：监测与所述交通工具的操作相关联的数据；基于所述监测而确定待从所述交通工具收集的第一数据；收集所述第一数据；以及将经收集第一数据存储于所述非易失性存储器中。
本申请案的又一方面涉及一种存储器装置，其包括：至少一个传感器；非易失性存储器；至少一个计算装置；以及存储器，其存储指令，所述指令经配置以指令所述至少一个计算装置进行以下操作：监测与交通工具的操作相关联的数据；基于所述监测而确定待从所述交通工具收集的第一数据；收集所述第一数据；以及将经收集第一数据存储于所述非易失性存储器中。
附图说明
在附图的各图中以实例而非限制方式图解说明各实施例，其中相似参考指示类似元件。
图1图解说明根据一个实施例的包含从交通工具收集数据且将数据存储于非易失性存储器中的存储器装置的自主交通工具。
图2图解说明根据一个实施例的包含自动收集数据的存储器装置的自主交通工具。
图3图解说明根据一个实施例的在操作期间收集数据的交通工具。
图4图解说明根据一个实施例的将数据存储于非易失性存储器中的交通工具。
图5图解说明根据一个实施例的存储从交通工具接收的事件数据的服务器。
图6图解说明根据一个实施例的使用人工神经网络(ANN)模型配置的交通工具的实例。
图7展示根据一个实施例的用以从自主交通工具自动收集且存储数据的方法。
图8展示根据一个实施例的响应于对从交通工具收集的所存储数据的分析而控制及/或配置的自主交通工具。
图9是包含一或多个各种组件及/或子系统的自主交通工具的框图，所述各种组件及/或子系统中的每一者可在各种实施例中经更新以配置交通工具及/或执行与交通工具相关联的其它动作。
图10是根据各种实施例的集中式自主交通工具操作系统的框图。
具体实施方式
在事故或其它不利操作事件的情况下，现有自主交通工具未充分地收集可用于稍后分析以确定事故或事件的原因的数据。这提出分析(例如，分析软件操作)以确定事故或事件的原因所必需的数据不可用的技术问题。并且，取决于事故的类型需要不同类型的数据。
本文中所揭示的各种实施例通过提供将数据从易失性存储器(例如，DRAM)自动复制到非易失性存储器(例如，NAND存储器)的存储器装置而解决以上技术问题。响应于检测到事故或其它不利事件而触发此数据的复制。在一个情形中，易失性存储器是多芯片封装(MCP)产品的DRAM，且数据被复制到所述MCP产品的NAND存储器。在一个实例中，MCP产品包含NAND存储器及DDR4 DRAM。
MCP产品在不需要来自主机控制器(例如，控制交通工具的导航的主机系统)的任何控制动作的情况下将数据自动复制到非易失性存储器。举例来说，MCP产品基于MCP产品自身正监测的信息及/或MCP产品从交通工具接收的数据而确定待复制或收集的特定数据。在一些实施例中，MCP产品基于交通工具的操作情境(例如，其是否正沿公路迅速移动、其是否正沿拥堵的城市街道导航、交通工具系统是否正指示操作偏差或者提供错误或警告消息等)而实时地确定待收集数据的类型。
举例来说，MCP产品自身可含有可用于触发数据的收集的一或多个传感器。在一个实例中，MCP产品包含一或多个加速度计(例如，以检测交通工具的突然加速度改变或交通工具的其它运动)。来自加速度计的信号触发数据的收集。来自MCP产品的传感器的数据可与来自其它交通工具系统的传感器的数据组合，且对经组合数据的分析可用于确定数据的类型及/或从哪些交通工具系统收集数据。
在另一实例中，MCP产品可监测从主机控制器(例如，交通工具的主机系统的主机控制器)输出的一或多个信号。基于所述信号，MCP产品可做出是否复制及/或收集数据的决策及关于待复制或收集的数据的类型的决策。举例来说，基于MCP产品做出的决策，可从交通工具的一或多个特定系统收集数据。在另一实例中，MCP产品分析来自交通工具的传感器数据。此分析可独立于主机控制器的任何控制或动作。
在另一实施例中，MCP产品监测交通工具的数据及/或信号。举例来说，所监测信号可为来自主机控制器的信号。所述数据可来自传感器或来自交通工具的控制系统。
在一个实施例中，如上文所描述，交通工具的可用于收集及/或存储数据的存储器装置包含：一或多个传感器(例如，加速度计、陀螺仪、激光雷达等)；非易失性存储器(例如，交叉点存储器，例如3DXP)；至少一个计算装置(例如，CPU、FPGA、GPU等)；及存储经配置以指令至少一个计算装置进行以下操作的指令的存储器(例如，固件)：监测与交通工具的操作相关联的数据；基于监测而确定待从交通工具收集的第一数据；收集第一数据；及将经收集第一数据存储于非易失性存储器中。在各种实施例中，所述交通工具可为(举例来说)数种类型的自主交通工具(例如，汽车、卡车、飞机、无人机、船只等)中的任一者。存储器装置可经并入作为MCP产品的部分。
在一个实施例中，上文的存储器装置自身收集数据而非依赖于或使用主机控制器来收集数据。举例来说，存储器装置自动存取由传感器或交通工具的其它系统产生的数据。并且，存储器装置可自动收集或接收已由主机控制器发送到交通工具的一或多个其它系统(例如，在正常操作期间或响应于如安全气囊展开等事件而发送)的特定类型的数据。存储器装置还可另外收集由其自身的传感器(例如，并入到MCP产品中的传感器)产生的数据。
在一些实施例中，存储器装置自身将重要数据自动收集到交通工具的不同区域(例如，预定物理位置或预定存储组件)中。举例来说，可作为收集及存储数据的部分来将特定数据从易失性存储器复制或传送到非易失性存储器或存储装置。
在一些实施例中，在由存储器装置收集数据之后，分析数据。基于此分析，可为交通工具确定新配置。举例来说，可基于分析而重新配置交通工具的系统(例如，导航或引擎控制系统)或使其复位。在一个实例中，当汽车位于经销商或其它位置处且正进行维修工作时，特殊工具或其它适当配件可连接到交通工具且用于分析自动收集的数据。
在一些情形中，通过由存储器装置记录来自交通工具的数据而收集数据。数据的记录可通过使用无线通信(例如，5G或蜂窝式网络)获得来自交通工具的记录数据来补充。举例来说，可将记录数据发射到监测交通工具的操作的中央服务器。中央服务器可收集且分析所记录数据。基于此分析，可配置交通工具的实时操作。
本文中所揭示的至少一些实施例涉及一种用于操作自主交通工具的方法。所述交通工具的一或多个系统由主机系统控制。由存储器装置自动收集数据。经收集数据是由所述一或多个系统及/或由存储器装置自身(例如，MCP产品的传感器及/或神经网络)产生。由存储器装置独立于主机系统的实时控制而收集数据。在收集之后，将数据存储于存储器装置中。
在一个实例中，自主交通工具包含收集传感器数据的一或多个传感器。交通工具的非易失性存储器装置用于接收各种待存储的数据。一或多个计算装置控制交通工具的操作。这些计算装置中的至少一者用于控制非易失性存储器装置自动收集由交通工具在操作期间产生的数据。此数据可包含传感器数据。所述计算装置是(举例来说)存储器装置的控制器，且所述控制器执行存储器装置的固件中的指令。在收集数据之后，存储器装置存储数据(例如，使用非易失性存储器，例如3DXP存储器)。
图1图解说明根据一个实施例的包含存储器装置261的自主交通工具260，所述存储器装置从交通工具收集数据且将数据存储于非易失性存储器264中。主机系统268通常控制自主交通工具260的操作。举例来说，主机系统268向交通工具系统270发送各种命令。主机系统268还从交通工具系统270接收数据。此数据可包含由交通工具系统中的一或多者提供的传感器数据、来自交通工具系统的处理器的状态更新、由交通工具系统提供的警告或错误消息等。
自主交通工具260还可包含位于交通工具内的各种位置处的各种其它传感器269。传感器269在交通工具260的操作期间向主机系统268提供数据。
存储器装置261在自主交通工具260的操作期间收集数据。举例来说，可从各种交通工具系统270收集数据。可在主机系统不了解数据收集过程及/或数据收集过程不受主机系统控制的情况下由存储器装置261直接收集此数据。
存储器装置261还可从交通工具的各种传感器269收集数据。可独立于主机系统268的任何了解及/或控制而收集此传感器数据。
存储器装置261还可从主机系统268收集数据及/或信号。在一些情形中，可从对自主交通工具260的一或多个通信总线的监测获得此数据及/或信号。
存储器装置261可实时地确定应从自主交通工具260收集何种数据。此确定可基于从交通工具系统270、传感器269及/或主机系统268接收的数据或其它信息中的一或多者。存储器装置261还具有一或多个传感器266(例如，集成到同一多芯片封装组件中)。来自这些传感器的数据可独立于前述数据而使用及/或联合前述数据一起使用以执行此确定。前述分析的结果确定将收集的数据(例如，在持续数据记录及/或离散或有限数据收集过程中)(例如，可基于存储器装置的分析而在预定时间内收集一或多个特定类型的数据)。此结果可为待收集的数据的一或多个类型及/或从其收集数据的交通工具260的一或多个系统或其它组件。
存储器装置261包含易失性存储器262及非易失性存储器264。在各种实施例中，由存储器装置261收集的数据最初存储于易失性存储器262中。接着，将存储于易失性存储器262中的数据复制到非易失性存储器264以进行较永久存储。
在一些实施例中，响应于事件而将数据复制到非易失性存储器264。举例来说，存储器装置261可确定已发生及/或可能发生事故的事件(例如，可确定来自传感器的数据超过阈值)。在另一实例中，响应于对以上经收集数据的分析而存储数据。
在一个实施例中，存储器装置261通过周期性记录数据而收集数据。举例来说，可在交通工具的操作期间每五秒或更短地记录数据。
在一个实施例中，一旦发生事件(例如事故)，便将易失性存储器262中的数据复制到并存储于非易失性存储器264中。所存储数据进一步经编码以指示在收集及/或存储数据时的交通工具情境及/或与交通工具相关联的其它状况。
图2图解说明根据一个实施例的包含自动收集数据的存储器装置180的自主交通工具170。存储器装置180是图1的存储器装置261的实例。
由包含(举例来说)交通工具系统176、183、185的交通工具170的各种系统产生数据。举例来说，传感器178由交通工具系统176及183使用。每一系统可对传感器数据执行处理且接着将数据发射到交通工具的另一组件及/或可将原始传感器数据传递到另一组件。
在一个实例中，来自交通工具系统176的数据经由通信总线174发送到主机系统172。主机系统172是图1的主机系统268的实例。
主机系统172控制交通工具系统176(例如，图像处理与辨识系统)的各种操作。主机系统172经由总线174向交通工具系统176发送命令。举例来说，命令可用于控制引擎操作或实施操纵控制。交通工具系统176是图1的交通工具系统270的实例。
主机系统172还可控制其它系统，例如交通工具系统183及/或交通工具系统185。主机系统172可经由交通工具170的一或多个通信路径(例如，总线174)从这些系统接收回复及/或数据。
在一个实施例中，存储器装置180监测总线174上的通信。存储器装置180可从总线174收集选定数据。在一个实例中，存储器装置180侦听特定预定类型的数据以从总线174提取。所提取数据由存储器装置180存储。
在一个实施例中，存储器装置180将经收集数据存储于预定物理位置186中。物理位置186可对应于交通工具170的物理方位或位置。在其它情形中，物理位置186可对应于特定预定组件或一类型的组件(例如，特定类型的存储器存储媒体)。
在一个实施例中，存储器装置180收集存储于易失性存储器184中的数据。在一个实例中，易失性存储器184由主机系统172使用。举例来说，主机系统172可从交通工具170的各种系统收集数据。此数据可存储于易失性存储器184中。在一些情形中，存储器装置180经配置以在主机系统172不了解及/或不受所述主机系统控制的情况下自动从易失性存储器184提取数据(例如，特定预定类型的数据)。
在一个实施例中，存储器装置180从传感器178收集数据。此收集由存储器装置180独立于主机系统172的任何控制而执行。
在一个实施例中，在存储器装置180已收集数据之后，将数据存储于存储器装置180中。数据可最初存储于存储器装置180的易失性存储器(例如，图1的易失性存储器262)中。可从易失性存储器复制数据以便存储于非易失性存储器(例如，图1的非易失性存储器264)中。在一个实施例中，所存储数据可在稍后时间经由无线接口182发射到服务器188。
在一个实施例中，服务器188分析从存储器装置180接收的经收集数据。基于此分析，可实施或更新交通工具170的一或多个配置。举例来说，服务器188可经由无线接口182向存储器装置180发送关于待在交通工具170中实施的配置的改变的命令。存储器装置180可控制配置改变的实施。
在另一实施例中，基于对经收集数据的分析，服务器188向主机系统172发送通信。在一个实例中，此通信可经由无线接口(未展示)来发送。所述通信可为(举例来说)更新交通工具170的配置的命令。此更新可在主机系统172的控制下实施。
在一个实施例中，经收集数据存储于非易失性存储器装置(例如，存储器装置180)中。在存储之后，从非易失性存储器装置去除数据，且(举例来说)由服务器(例如，云端服务器)(例如，服务器188)分析数据。
在一个实施例中，使用对所存储数据的分析来识别操作交通工具的软件(例如，在主机系统172上执行以控制导航的软件)的不安全方面或设计。响应于此分析，可针对交通工具执行控制及/或配置动作(例如，经由无线接口182)。在一些情形中，可针对其它交通工具(例如，相同类型及/或使用相同或类似软件的交通工具)执行相同或类似的控制及/或配置。所述交通工具可为(举例来说)数种类型的自主交通工具(例如，汽车、卡车、飞机、无人机、船只等)中的任一者。
在各种实施例中，经收集数据可由交通工具的数种非易失性存储器系统中的任一者存储(例如，在物理位置186处)。存储器系统的实例是存储系统，例如固态驱动器(SSD)。在一些实施例中，存储器系统是混合存储器/存储系统。一般来说，交通工具可利用包含一或多个存储器装置的存储器系统。存储器装置可包含媒体。所述媒体可为非易失性存储器装置，例如，“负与(negative-and)”(NAND)。
在一个实施例中，使用云服务(有时简单地称为云)来从交通工具接收经收集数据且接着分析数据。举例来说，当激活交通工具的自动紧急制动系统时，将所述制动事件的事件数据(例如，位置)发射到(举例来说)服务器或云服务中的其它计算装置。
在一个实施例中，从交通工具接收且分析由存储器装置180收集的事件数据。举例来说，可对所接收事件数据使用图案辨识。在一个情形中，使用机器学习来辨识图案或数据中的规律。在一些情形中，可从加标签的训练数据训练图案辨识系统(例如，监督式学习)。在其它情形中，当无加标签的数据可用时，可使用其它算法来识别先前未知的图案(例如，无监督学习)。
在一个实施例中，基于交通工具中的制动踏板的测量而检测在交通工具上发生的事件。举例来说，可基于脚的压力或移动的范围与预定阈值的比较而识别事件。在另一实施例中，基于交通工具的减速率而识别事件。举例来说，如果减速率超过预定阈值，那么识别事件(例如，接近碰撞)。在另一实例中，在预定时间段内观测减速率(例如，在所述时间段内将速率求平均)。响应于检测到此事件，下载系统存储器数据。此类事件的检测可触发存储器装置180收集数据。
在一个实施例中，响应于分析事件数据，执行至少一个动作。举例来说，可向交通工具170(例如，从其获得经收集数据)发送通信以配置交通工具的软件及/或停用交通工具或软件的一或多个功能。
在一个实施例中，响应于识别出不安全软件(例如，如基于图案辨识或对经收集数据的其它分析而确定)，服务器可执行一或多个动作。举例来说，服务器可向当前交通工具发送通信。在一个情形中，所述通信可致使当前交通工具采取校正动作，例如终止自主导航模式、制动或改变路线，或者更新交通工具的固件(例如，经由空中固件更新)。
在一个实施例中，响应于接收到来自已分析由存储器装置180收集的数据的服务器的通信，交通工具170可关闭其自主驾驶模式、使用备用系统，及/或激活制动系统以停止交通工具。
在另一实施例中，云服务可向服务器或监测其它交通工具的操作状态(例如，中央监测服务)的其它计算装置发送通信。所述通信可(举例来说)识别出软件组件是不安全的。
在一个实施例中，对交通工具是否已经历制动事件及/或牵涉到事故中的确定可基于来自交通工具的一或多个传感器的数据。举例来说，来自交通工具的加速度计的数据可指示交通工具的迅速减速度(例如，减速度超过阈值)。在另一情形中，数据可指示已激活交通工具的紧急系统，例如，安全气囊、紧急制动系统等。在一些实施例中，前述事件中的任一者及/或组合可视为针对其将所下载数据发射到服务器的事件。与前述事件相关联的数据可由存储器装置180收集。
在一个实施例中，当前交通工具上的一或多个传感器(例如，传感器178)用于获得关于在交通工具行进时的制动事件及/或交通工具的环境中的物体的数据。来自传感器的数据及/或基于对传感器数据的分析而产生的数据及/或其它数据可在由存储器装置180自动收集之后(举例来说)无线地(例如，使用3G、4G或5G网络或者其它基于无线电的通信系统)发射到云服务。
在一个实施例中，响应于识别出基于经收集数据而确定的不安全软件，配置交通工具的一或多个动作。举例来说，可向交通工具发送空中固件更新以便更新交通工具的计算装置的固件(例如，此更新致使交通工具避开经识别的不安全功能)。在一个实例中，固件更新交通工具的导航系统。
图3图解说明根据一个实施例的在导航期间使用传感器收集数据的自主交通工具200。举例来说，自主交通工具200在行进期间检测各种物体。交通工具200还检测触发将数据(例如，从系统存储器)下载到非易失性存储器装置的特定事件。在一个实例中，交通工具200检测已发生与物体(例如，另一交通工具)的碰撞的事件。响应于检测到碰撞，交通工具200的计算系统致使将系统存储器数据下载到非易失性存储器装置。进行此动作以准许在碰撞之后分析所下载数据。在一个实例中，前述数据中的任一者可由存储器装置180自动收集。
更特定来说，在一个实施例中，图3图解说明位于交通工具200上以用于收集有关交通工具的操作的信息的车载感测系统。此经收集数据中的任一者可为(举例来说)响应于检测到事件而从系统存储器及/或从其它易失性存储器下载或在交通工具的正常操作期间常规地收集的数据的一部分。举例来说，感测系统可用于收集物体及事件数据以用于发送到云服务来存储以供分析。
在各种实施例中，感测系统可通常包含一或多个传感器220、处理器230、存储器240及通信装置(例如，发射器250)。除物体数据之外，其它数据也可经收集以供发送到云服务。
在各种实施例中，感测系统可包含经配置以收集关于自主交通工具200的操作方面(例如速度、交通工具速度、交通工具加速度、制动力、制动减速度等等)的信息的一或多个传感器220。经配置以收集有关操作驾驶特性的信息的代表性传感器可包含(但不限于)转速计(如交通工具速度传感器或车轮速度传感器)、制动压力传感器、燃料流量传感器、操纵角度传感器等等。
在各种实施例中，感测系统可另外或替代地包含经配置以收集关于自主交通工具200在其中操作的静态环境的信息(例如交通工具周围的物理物体的存在及内容)的一或多个传感器220。物理物体包含(举例来说)标记及交通信号(例如，停止标志、建筑区、限速标志、停止灯)、道路车道划分标志(例如，实线及虚线车道线)等等。经配置以收集此静态操作环境信息的代表性传感器可包含经定位及定向使得其相应视场可捕获各自经配置以收集的相应信息的面向外的相机。举例来说，经配置以捕获周围标记的相机可配置为朝向自主交通工具200的前面或配置于所述自主交通工具的顶部上且定向为面向前(例如，笔直向前或可能地以直到约45度向侧面倾斜)，以便在自主交通工具200向前行进时捕获其视场内的路边及头顶标记/交通信号。
作为另一实例，经配置以捕获道路车道划分标志的相机可定位于自主交通工具200的侧面上或偏离其前/后四分之一且可在某种程度上向下定向，以便捕获交通工具自主200的两侧上的道路车道划分标志。用于收集静态操作环境信息的额外代表性传感器可包含经配置以从基站或传递通常可在标记上发现或以其它方式与自主交通工具200的静态操作环境相关的信息的其它发射器接收无线信号的接收器。同样地，全球定位系统(GPS)或其它位置相关传感器可用于收集关于交通工具200在其中操作的静态环境的信息，例如自主交通工具200正在哪条街道上驾驶、所述街道是交通干道(例如，公路)还是其它类型，及所述位置是在城市中还是郊区。
在各种实施例中，感测系统可另外或替代地包含一或多个传感器220，所述传感器经配置以收集关于自主交通工具200在其中操作的动态环境的信息，例如有关移动的物体(例如，其它附近交通工具)的存在(例如，连同此交通工具的位置、行进方向、速率及加速率/减速率)的信息以及有关附近行人的存在的类似信息。经配置以收集此动态操作环境信息的代表性传感器可包含经定位及定向使得其相应视场可捕获各自经配置以收集的相应信息的面向外的相机。举例来说，面向外的相机可围绕自主交通工具200的周界(例如，前面、后面、顶部、侧面及/或四分之一处)定位以捕获例如交通工具辨识算法等图像处理技术可应用到的图像。另外或替代地，一或多个光学传感器(例如，激光雷达、红外)、声波传感器(例如，声呐、超声波)或类似检测传感器可围绕交通工具定位以用于测量动态操作环境信息，例如距离、相对速度、相对加速度及附近有人驾驶交通工具或自主交通工具的运动的类似特性。
在各种实施例中，感测系统可将通常在大多数自主交通工具中发现的那些传感器(例如(但不限于)，经配置以用于测量速度、RPM、燃料消耗率及交通工具的操作的其它特性的那些传感器，以及经配置以用于检测接近交通工具的其它交通工具或障碍物的存在的那些传感器)用作传感器220。传感器220可另外或替代地包括安装于自主交通工具200上以用于促进与驾驶方式相关的额外信息的收集的售后市场传感器。
在各种实施例中，交通工具200的感测系统可进一步包括车载处理器230、车载存储器240及车载发射器250。一般来说，在各种实施例中，处理器230可经配置以执行存储于存储器240上的用于处理由传感器200收集的信息以用于交通工具200外的后续发射的指令。在各种实施例中，车载处理器230可另外或替代地经配置以执行存储于存储器240上的用于处理来自两个或多于两个传感器220的信息以产生有关由自主交通工具200检测的物体特性的其它信息的指令。举例来说，在一实施例中，处理器230可处理操作特性(例如制动减速度)、旁边动态环境特性(例如跟随距离)以避开突然出现在道路上的碎片或动物。应认识到，此仅为说明性实例，且所属领域的技术人员将认识到可由处理器处理传感器数据以产生有关由自主交通工具200检测的物体的其它信息的其它方式。
在各种实施例中，处理器230可经配置以预处理来自传感器220的信息以用于经由发射器250进行后续车外发射。预处理活动可包含筛选、组织来自传感器220的信息且将其封装成用于高效无线发射的格式及通信协议中的一者或组合。在此些实施例中，可接着由发射器250实时地或以周期性间隔在交通工具200外发射经预处理信息，其中所述经预处理信息可由附近有人驾驶交通工具或自主交通工具及/或远程服务器接收。应了解，根据稍后描述的各种实施例，发射器250可在经配置以将经预处理信息直接发射到附近有人驾驶交通工具或自主交通工具时利用短程无线信号(例如，Wi-Fi、蓝牙)，且发射器250可在将经预处理信息直接发射到远程服务器时利用较长程信号(例如，蜂窝式、卫星)。
在一个实施例中，处理器230可为独立于主机系统而操作以从交通工具200自动收集数据的存储器装置(例如，存储器装置180)的处理器。
如同传感器220，在各种实施例中，处理器230及/或车载发射器250可整体地安装于交通工具200(例如，汽车计算机、连接式交通工具)中，而在其它实施例中，处理器230及/或发射器250可经添加作为售后市场特征。
图4图解说明根据一个实施例的将数据存储于非易失性存储器735中的交通工具711。非易失性存储器735是图1的非易失性存储器264的实例。
在一个实施例中，控制系统731用于响应于检测到与交通工具711相关联的事件而下载数据。在一个实例中，控制系统731包含于图2的存储器装置180中，且所下载数据由存储器装置180收集。
交通工具711包含传感器737。控制系统731还控制交通工具的至少一个操作(例如导航及/或制动)。控制系统731包含一或多个处理器733、非易失性存储器735及系统存储器729，所述系统存储器包含易失性存储器727。系统存储器729还可包含(举例来说)存储于其它易失性存储器装置(未展示)中的交通工具711的数据。
易失性存储器727可为(举例来说)动态随机存取存储器装置。易失性存储器727是图1的易失性存储器262的实例。
易失性存储器727用于存储在交通工具的操作期间由软件使用的数据，例如传感器数据及关于控制系统731的操作状态的数据。传感器数据(举例来说)由传感器737及/或由控制系统731自身的传感器(未展示)(例如，图1的传感器266)收集。
非易失性存储器735用于在检测到事件之后存储来自易失性存储器727的数据。非易失性存储器735的实例包含交叉点存储器(例如，3DXP存储器)及NAND快闪存储器，以及可装卸存储器装置，例如固态磁盘。
交通工具711使用传感器737及控制系统731来检测各种事件，如上文所提及。这些事件可包含(举例来说)交通工具711与物体的碰撞。其它事件可为对系统活动(例如紧急制动系统激活或传感器数据超过阈值)的检测。当检测到事件时，将存储于易失性存储器727中的数据下载到非易失性存储器735。所存储数据的实例包含传感器数据(例如关于加速度、交通工具速度及制动状态的数据)、激光雷达及视频输入、位置数据及控制系统状态(例如指示在事件期间执行的软件的操作状态的程序计数器)。在一些实施例中，在控制系统731检测到事件之后，在特定持续时间(例如少于五秒到十秒)内执行将易失性数据下载到非易失性数据。
在一个实施例中，交通工具711的控制系统731可经配置以从非易失性存储器提取事件数据且分析所述数据。在检测到事件之后，在下载后提取事件数据。举例来说，可将事件数据无线地发射到监测交通工具711的行进及操作的中央服务器。
在一个实施例中，仅下载系统存储器729的预定部分。处理器733可在检测到事件之后确定待下载的预定部分。在另一实施例中，可以基于数据的优先级的次序逐部分地下载来自系统存储器729的数据。优先级可由控制系统731检测的事件的类型确定。
图5图解说明根据一个实施例的存储从交通工具111接收的事件数据的服务器101。交通工具111是图1的自主交通工具260的实例。
在一个实例中，如果检测到交通工具111与物体155的碰撞，那么将事件数据160(例如，存储于图4的易失性存储器727中)从系统存储器729下载到非易失性存储器735。事件数据160可包含例如传感器数据103(从交通工具111的传感器获得)、位置数据163、与紧急制动系统的激活相关的数据或从人工神经网络输出的数据等数据。在操作期间，交通工具711收集关于所检测物体(例如物体155及物体157)的数据。
从非易失性存储器提取事件数据160且通过无线通信网络102传递到服务器101。服务器101分析事件数据160以确定碰撞原因(例如，软件故障)。举例来说，服务器101可使用模拟来确定在交通工具111上执行的软件是否恰当地起作用。服务器101可选择事件数据160的类型(例如传感器数据或控制系统状态)来下载以供分析。无线通信网络102的一个实例是手机网络。
分析服务器101从交通工具111接收的经收集事件数据。举例来说，此分析可包含图案辨识或其它数据分析(例如，确定事件数据与其它数据的相关性)。
响应于识别出软件故障，执行至少一个动作。举例来说，服务器101可向交通工具111发射致使交通工具重新配置软件的通信。
在一个实例中，交通工具可经由到接入点(或基站)105的无线连接115与服务器101通信以提交事件数据。无线连接115可经由无线局域网、蜂窝式通信网络及/或到卫星109的通信链路107或通信气球而做出。
任选地，交通工具111具有自学能力。在道路上的延长时间段之后，交通工具111可使其软件重新配置。在一个实例中，集中式服务器101可由交通工具111的工厂、生厂商或制造商或者自主驾驶的供应商及/或用于交通工具111的高级驾驶员辅助系统来操作。
图6图解说明根据一个实施例的使用人工神经网络(ANN)模型配置的交通工具111的实例。交通工具111包含信息娱乐系统149、通信装置139、一或多个传感器137及计算机131，所述计算机连接到交通工具111的一些控件，例如用于交通工具111的方向的操纵控件141、用于停止交通工具111的制动控件143、用于交通工具111的速度的加速度控件145等。
交通工具111的计算机131包含一或多个处理器133、存储固件(或软件)127的存储器135、ANN模型119及其它数据129。
在一个实例中，响应于来自服务器101的通信而通过空中更新来更新固件127，所述通信是响应于识别出故障软件而发送。替代地及/或另外，可更新交通工具111的各种计算装置或系统的其它固件。
一或多个传感器137可包含可见光相机、红外相机、激光雷达、雷达或声呐系统，及/或外围传感器，所述外围传感器经配置以向计算机131提供传感器输入。在处理器133中执行的固件(或软件)127的模块将传感器输入应用到由模型119界定的ANN以产生对在传感器输入中捕获的事件或物体(例如图像或视频剪辑)进行识别或分类的输出。来自此识别及/或分类的数据可包含于由存储器装置(例如，存储器装置180)收集的数据中且从交通工具发送到服务器101，如上文所论述。
替代地及/或另外，对不安全软件的识别可由固件(或软件)127的自主驾驶模块使用以产生响应。所述响应可为激活及/或调整交通工具控件141、143及145中的一者的命令。在一个实施例中，所述响应是由交通工具执行的动作，其中所述动作已基于来自服务器101的更新命令而配置(例如，可由服务器101响应于基于对事件数据的分析确定交通工具111的软件出故障而产生更新命令)。在一个实施例中，在产生控制响应之前，配置交通工具。在一个实施例中，通过更新交通工具111的固件而执行交通工具的配置。在一个实施例中，交通工具的配置包含更新存储于交通工具111中的计算机模型(例如，ANN模型119)。
在一个实施例中，服务器101存储所接收传感器输入作为用于使用监督式训练模块117对ANN模型119进行后续进一步训练或更新的传感器数据的部分。当ANN模型119的经更新版本在服务器101中可用时，交通工具111可使用通信装置139来下载经更新ANN模型119以安装于存储器135中及/或以替换先前安装的ANN模型119。这些动作可响应于确定交通工具111未能恰当地检测物体及/或响应于识别出不安全软件而执行。
在一个实例中，ANN模型119的输出可用于在自主驾驶期间控制(例如，141、143、145)交通工具(例如，111)的加速度、交通工具111的速度，及/或交通工具111的方向。
在一个实例中，从交通工具的传感器获得的数据可为捕获物体的图像，所述捕获使用利用人眼可见的光成像的相机或利用红外光成像的相机或者声呐、雷达或激光雷达系统。在一个实施例中，从交通工具的至少一个传感器获得的图像数据是来自交通工具的经分析的经收集数据的部分。在一些实例中，针对特定交通工具基于传感器及其它经收集数据而配置ANN模型。
图7展示根据一个实施例的用以从自主交通工具(例如，交通工具260、170、200、711或111)自动收集且存储数据的方法。在框701中，由主机系统控制交通工具的一或多个系统。举例来说，主机系统可为主机系统268且控制交通工具系统270。
在框703中，监测与交通工具的操作相关联的数据。举例来说，存储器装置261或存储器装置180可监测与交通工具260或交通工具170的操作相关联的数据。所监测数据可为(举例来说)来自主机系统268、传感器269及/或交通工具系统270的数据。所监测数据还可包含(举例来说)来自传感器266的数据。
在框705中，基于数据的监测，确定待从交通工具收集的数据。举例来说，存储器装置261可基于对先前从交通工具接收的各种数据的分析而确定待从交通工具收集的数据。在一个实例中，对待收集数据的确定基于来自一或多个神经网络或其它机器学习系统的一或多个输出。在一个实施例中，使用先前接收的数据来训练机器学习模型，所述机器学习模型作为存储器装置261的处理器中的神经引擎来实施。在一个实例中，所确定的待收集数据是初始数据收集(例如，为特定类型及/或来自特定系统)。在另一实例中，所确定的待收集数据是针对现有或进行中的数据记录或其它收集过程的数据收集配置的改变。举例来说，基于监测而将新类型的数据添加到数据记录过程。
在框707中，从交通工具收集数据。独立于主机系统而收集数据(例如，在不首先寻求来自主机系统的确认或批准的情况下及/或在不首先通知主机系统的情况下重新配置数据收集)。举例来说，存储器装置261可确定应从特定交通工具系统270中的一者收集特定类型的数据。在另一实例中，存储器装置261可确定应收集交通工具的特定通信及/或信号。举例来说，如果安全气囊被展开，那么主要从与安全气囊控制、激活及/或展开相关的交通工具系统获得经收集数据。
在框709中，将经收集数据存储于非易失性存储器中。举例来说，存储器装置261可从交通工具260收集数据且最初将数据存储于易失性存储器262中。接着将数据从易失性存储器262复制到非易失性存储器264。
在另一实例中，易失性存储器262已含有先前由存储器装置261接收的特定数据(例如，来自先前数据记录)。基于监测与交通工具的操作相关联的数据，存储器装置261可响应于由存储器装置261检测的事件(例如，针对交通工具270检测的事件，例如事故)而将数据从易失性存储器262复制到非易失性存储器264。
在一个实施例中，一种用于自主交通工具的方法包含：由主机系统控制所述交通工具的至少一个系统；由存储器装置监测与所述交通工具的操作相关联的数据；由所述存储器装置基于所述监测而确定待从所述交通工具收集的第一数据；由所述存储器装置独立于所述主机系统而收集所述第一数据；及由所述存储器装置将所述经收集第一数据存储于非易失性存储器中。
在一个实施例中，从易失性存储器收集所述第一数据，且多芯片封装包含所述易失性存储器及所述非易失性存储器。
在一个实施例中，所述多芯片封装进一步包含至少一个传感器。
在一个实施例中，监测与所述交通工具的操作相关联的所述数据包含监测从所述至少一个传感器获得的数据。
在一个实施例中，所述至少一个系统包含至少一个传感器，且从所述至少一个传感器收集所述第一数据。
在一个实施例中，所述方法进一步包含：由所述存储器装置独立于所述主机系统而确定已发生事件，其中确定已发生所述事件基于监测与所述交通工具的操作相关联的所述数据；及响应于确定已发生所述事件，由所述存储器装置从所述交通工具收集第二数据。
在一个实施例中，从易失性存储器收集所述第二数据。
在一个实施例中，所述存储器装置包含至少一个传感器，且监测与所述交通工具的操作相关联的所述数据包含监测由所述至少一个传感器收集的数据。
在一个实施例中，监测与所述交通工具的操作相关联的所述数据进一步包含从所述主机系统接收至少一个信号。
在一个实施例中，所述方法进一步包含：基于从所述主机系统接收的所述至少一个信号而产生至少一个代码；及使所述至少一个代码与所述经收集第一数据相关联；其中存储所述经收集第一数据包含存储与所述经收集第一数据相关联的所述至少一个代码。
在一个实施例中，确定待收集的所述第一数据包含识别所述交通工具的第一系统，且收集所述第一数据包含从所述第一系统收集数据。
在一个实施例中，监测与所述交通工具的操作相关联的所述数据包含确定已发生事件，且响应于确定已发生所述事件而执行收集所述第一数据。
在一个实施例中，一种存储器装置包含：至少一个传感器，其经配置以从交通工具收集传感器数据；非易失性存储器，其经配置以存储来自所述至少一个传感器中的至少一者或所述交通工具的主机系统的数据，其中所述主机系统控制所述交通工具的至少一个系统；至少一个计算装置；及存储器，其存储指令，所述指令经配置以指令所述至少一个计算装置进行以下操作：监测与所述交通工具的操作相关联的数据；基于所述监测而确定待从所述交通工具收集的第一数据；收集所述第一数据；及将所述经收集第一数据存储于所述非易失性存储器中。
在一个实施例中，收集所述第一数据包含从所述交通工具的至少一个通信总线获得所述第一数据。
在一个实施例中，由软件使用的数据存储于所述主机系统的系统存储器中，且所述第一数据包含由所述软件使用的所述数据的至少一部分。
在一个实施例中，从易失性存储器收集所述第一数据，且多芯片封装包含所述易失性存储器及所述非易失性存储器。
在一个实施例中，所述多芯片封装进一步包含所述至少一个传感器。
在一个实施例中，一种存储器装置包含：至少一个传感器；非易失性存储器；至少一个计算装置；及存储器，其存储指令，所述指令经配置以指令所述至少一个计算装置进行以下操作：监测与交通工具的操作相关联的数据；基于所述监测而确定待从所述交通工具收集的第一数据；收集所述第一数据；及将所述经收集第一数据存储于所述非易失性存储器中。
在一个实施例中，存储所述经收集第一数据包含将所述经收集第一数据存储于所述交通工具中的预定位置处。
在一个实施例中，所述指令进一步经配置以指令所述至少一个计算装置基于监测与所述交通工具的操作相关联的所述数据而确定格式，且存储所述经收集第一数据包含将所述经收集第一数据格式化成所述格式。
图8展示根据一个实施例的响应于对经收集数据的分析而控制及/或配置的自主交通工具303。举例来说，由存储器装置261基于监测与交通工具的操作相关联的数据而收集经收集数据。
交通工具303的系统包含显示器装置308或者其它装置、系统或组件。在一个实例中，控制器307包含于存储器装置180中，且控制器307控制从交通工具303的各种系统收集数据。
服务器301可存储(举例来说)由控制器307收集的事件数据160且发送到服务器301。服务器301可使用事件数据160确定交通工具303的软件正不恰当地操作。响应于此确定，服务器301可致使控制器307终止自主导航模式。可响应于此确定而执行其它动作，包含(举例来说)通过更新固件304、更新计算机模型312、更新数据库310中的数据及/或更新训练数据314而配置交通工具303。
控制器307可接收由一或多个传感器306收集的数据。传感器306可(举例来说)安装于自主交通工具303中。传感器306可包含(举例来说)相机、麦克风及/或运动检测器。传感器的至少一部分可提供与由交通工具303在行进期间新检测的物体相关联的数据。
传感器306可提供各种类型的数据以供由控制器307收集。举例来说，经收集数据可包含来自相机的图像数据及/或来自麦克风的音频数据。
在一个实施例中，控制器307分析来自传感器306的经收集数据。对经收集数据的分析包含将经收集数据中的一些或全部作为一或多个输入提供到计算机模型312。计算机模型312可为(举例来说)通过深度学习训练的人工神经网络。在一个实例中，计算机模型是使用训练数据314训练的机器学习模型。计算机模型312及/或训练数据314可存储(举例来说)于存储器309中。来自计算机模型312的输出可作为物体数据的部分发射到服务器301。
在一个实施例中，存储器309存储数据库310，所述数据库可包含由传感器306收集的数据及/或由通信接口305从计算装置(例如，服务器301)接收的数据。在一个实例中，此通信可用于将经收集数据从传感器306无线地发射到服务器301。所接收数据可包含配置、训练及由控制器307用于配置对显示器装置308或其它组件的控制的其它数据。所接收数据还可用于更新作为计算机模型312存储于存储器309中的机器学习模型的配置。
在一个实施例中，固件304控制(举例来说)控制器307的操作以控制交通工具303的组件。控制器307还可(举例来说)运行固件304以响应于来自服务器301的通信而执行操作。自主交通工具303包含用于存储由控制器307使用的运行时间数据及指令的易失性动态随机存取存储器(DRAM)311。运行时间数据及/或指令可为响应于检测到事件而下载的数据的部分。
本文中所揭示的系统及方法的至少一些实施例可使用由控制器或处理器执行的计算机指令(例如，固件)来实施。在一些实例中，可使用硬件电路来实施固件的功能中的至少一些。固件可最初存储于非易失性存储媒体或另一非易失性装置中，且加载到易失性DRAM及/或处理器中高速缓冲存储器中以供执行。在一个实例中，固件可经配置以控制从交通工具收集数据。
图9是包含一或多个各种组件及/或子系统的自主交通工具(例如，交通工具170或260)的框图，所述一或多个各种组件及/或子系统中的每一者可在各种实施例中经更新以配置交通工具及/或执行与交通工具相关联的其它动作(例如，响应于识别出软件中的故障或基于由存储器装置180或261收集的数据的其它数据而执行的配置及/或其它动作)。图9中所图解说明的系统可完全安装于交通工具内。
所述系统包含自主交通工具子系统402。子系统402是图2的交通工具系统176的实例。在所图解说明的实施例中，自主交通工具子系统402包含地图数据库402A、雷达装置402B、激光雷达装置402C、数码相机402D、声呐装置402E、GPS接收器402F及惯性测量单元402G。自主交通工具子系统402的组件中的每一者包括大多数当前自主交通工具中提供的标准组件。在一个实施例中，地图数据库402A存储用于路线规划及导航的多个高清三维地图。雷达装置402B、激光雷达装置402C、数码相机402D、声呐装置402E、GPS接收器402F及惯性测量单元402G可包括此项技术中已知的安装于遍及自主交通工具的各种位置处的各种相应装置。举例来说，这些装置可沿着自主交通工具的周界安装以提供位置感知、碰撞避免及其它标准自主交通工具功能性。
交通工具子系统406另外包含于所述系统内。交通工具子系统406包含各种防抱死制动系统406A、引擎控制单元402B及发射控制单元402C。这些组件可用于响应于由自主交通工具子系统402A产生的流式数据而控制自主交通工具的操作。自主交通工具子系统402与交通工具子系统406之间的标准自主交通工具交互通常是本技术领域中已知的且本文中未详细描述。
系统的处理侧包含一或多个处理器410、短期存储器412、RF系统414、图形处理单元(GPU)416、长期存储装置418及一或多个接口420。
一或多个处理器410可包括中央处理单元、FPGA或支持自主交通工具的操作所需的任何范围的处理装置。存储器412包括DRAM或用于暂时存储处理器410所需的数据的其它适合易失性RAM。RF系统414可包括蜂窝式收发器及/或卫星收发器。长期存储装置418可包括一或多个高容量固态驱动器(SSD)。一般来说，长期存储装置418可用于存储(举例来说)高清地图、路线规划数据及需要永久或半永久存储的任何其它数据。GPU 416可包括用于处理从自主交通工具子系统402A接收的数据的一或多个高吞吐量GPU装置。最后，接口420可包括定位于自主交通工具内的各种显示器单元(例如，仪表盘中屏幕)。
所述系统另外包含执行数据收集(例如，收集从交通工具的传感器获得的用于驾驶交通工具的数据)的报告子系统404。报告子系统404包含连接到总线408且记录在总线408上发射的传感器数据以及在所述总线上发射的任何日志数据的传感器监测器404A。报告子系统404可另外包含一或多个端点以允许系统组件将日志数据直接发射到报告子系统404。
报告子系统404另外包含封装器404B。在一个实施例中，封装器404B从传感器监测器404A或端点检索数据且封装原始数据以供发射到中央系统(图解说明于图10中)。在一些实施例中，封装器404B可经配置而以周期性时间间隔封装数据。替代地或联合前述内容，封装器404B可实时地发射数据且可压缩数据以促进与中央系统的实时通信。
报告子系统404另外包含批处理器404C。在一个实施例中，批处理器404C经配置以在发射之前对所记录数据执行任何处理。举例来说，批处理器404C可在由封装器404B进行封装之前对数据执行压缩操作。在另一实施例中，批处理器404C可经配置以在封装或发射之前筛选所记录数据以去除外来数据。在另一实施例中，批处理器404C可经配置以对所记录数据执行数据清理以使原始数据符合适于由中央系统进一步处理的格式。
所述装置中的每一者经由总线408连接。总线408是图2的总线174的实例。在一个实施例中，总线408可包括控制器区域网络(CAN)总线。在一些实施例中，可使用其它总线类型(例如，FlexRay或MOST总线)。另外，每一子系统可包含一或多个额外总线来处置内部子系统通信(例如，用于较低带宽通信的LIN总线)。
图10是根据各种实施例的集中式自主交通工具操作系统的框图。如所图解说明，所述系统包含若干个自主交通工具502A到502E。在一个实施例中，每一自主交通工具可包括例如图9中所描绘的自主交通工具的自主交通工具。每一自主交通工具502A到502E可经由网络516与中央系统514通信。在一个实施例中，网络516包括全局网络，例如因特网。
在一个实例中，中央系统514使用服务器101或301中的一或多者来实施。在一个实例中，自主交通工具502A到502E中的一或多者是自主交通工具170、200或711。
所述系统另外包含多个客户端装置508A、508B。在所图解说明的实施例中，客户端装置508A、508B可包括任何个人计算装置(例如，膝上型计算机、平板计算机、移动电话等)。客户端装置508A、508B可向中央系统514发出数据请求。在一个实施例中，客户端装置508A、508B发射数据请求以支持移动应用程序或网页数据，如先前所描述。
在一个实施例中，中央系统514包含多个服务器504A。在一个实施例中，服务器504A包括经配置以提供对客户端装置508A、508B的响应的多个前端网页服务器。服务器504A可另外包含经配置以执行各种操作以支持一或多个交通工具的一或多个应用程序服务器。
在一个实施例中，中央系统514另外包含多个模型504B。在一个实施例中，模型504B可存储用于将自主交通工具物体分类的一或多个神经网络。模型504B可另外包含用于预测未来事件的模型。在一些实施例中，模型504B可存储神经网络与其它机器学习模型的组合。
中央系统514另外包含一或多个数据库504C。数据库504C可包含针对交通工具504D、个性504E及原始数据504F的数据库记录。原始数据504F可包括用于存储从传感器接收的原始数据及日志的未结构化数据库，如先前所论述。
本发明包含方法及执行上文所描述的方法的设备，包含执行这些方法的数据处理系统及含有在于数据处理系统上执行时致使所述系统执行这些方法的指令的计算机可读媒体。
上文的交通工具的服务器及/或计算装置可作为一或多个数据处理系统来实施。典型数据处理系统可包含将微处理器与存储器互连的互连件(例如，总线及系统核心逻辑)。微处理器通常耦合到高速缓冲存储器。
互连件将微处理器与存储器互连在一起且还经由I/O控制器将其等互连到输入/输出(I/O)装置。I/O装置可包含显示器装置及/或外围装置，例如鼠标、键盘、调制解调器、网络接口、打印机、扫描仪、摄像机及本技术领域中已知的其它装置。在一个实施例中，当数据处理系统是服务器系统时，I/O装置中的一些(例如打印机、扫描仪、鼠标及/或键盘)是任选的。
互连件可包含通过各种桥接器、控制器及/或适配器彼此连接的一或多个总线。在一个实施例中，I/O控制器包含用于控制USB(通用串行总线)外围装置的USB适配器及/或用于控制IEEE-1394外围装置的IEEE-1394总线适配器。
存储器可包含以下各项中的一或多者：ROM(只读存储器)，易失性RAM(随机存取存储器)及非易失性存储器，例如硬驱动器、快闪存储器等。
易失性RAM通常作为持续地需要电力以便刷新或维持存储器中的数据的动态RAM(DRAM)来实施。非易失性存储器通常是磁性硬驱动器、磁光驱动器、光学驱动器(例如，DVDRAM)，或甚至在从系统去除电力之后还维持数据的其它类型的存储器系统。非易失性存储器也可为随机存取存储器。
非易失性存储器可为直接耦合到数据处理系统中的其余组件的本地装置。还可使用远离系统的非易失性存储器，例如通过网络接口(例如调制解调器或以太网接口)耦合到数据处理系统的网络存储装置。
在本发明中，将一些功能及操作描述为由软件代码执行或由软件代码引起以简化说明。然而，此类表达还用于规定功能由处理器(例如微处理器)执行代码/指令导致。
替代地或组合地，本文所描述的功能及操作可在具有或不具有软件指令的情况下使用专用电路(例如使用专用集成电路(ASIC)或现场可编程门阵列(FPGA))来实施。实施例可在不具有软件指令的情况下使用硬连线电路或与软件指令组合地使用硬连线电路来实施。因此，技术既不限于硬件电路与软件的任何特定组合，也不限于由数据处理系统执行的指令的任何特定源。
虽然一个实施例可在全功能计算机及计算机系统中实施，但各种实施例能够作为呈各种形式的计算产品来分布且能够被应用而无论用于实际上实现所述分布的机器或计算机可读媒体的特定类型如何。
所揭示的至少一些方面可至少部分地以软件体现。也就是说，可在计算机系统或其它数据处理系统中响应于其处理器(例如微处理器)执行存储器(例如ROM、易失性RAM、非易失性存储器、高速缓冲存储器或远程存储装置)中所含有的指令序列而执行技术。
经执行以实施实施例的例程可作为操作系统或特定应用程序、组件、程序、对象、模块或称为“计算机程序”的指令序列的部分来实施。计算机程序通常包含一或多个指令，所述一或多个指令是在计算机中的各种存储器及存储装置中在各种时间处设定，且在由计算机中的一或多个处理器读取及执行时致使计算机执行操作，所述操作对于执行涉及各种方面的元件是必要的。
机器可读媒体可用于存储软件及数据，所述软件及数据在由数据处理系统执行时致使系统执行各种方法。可执行软件及数据可存储于各种地方，包含(举例来说)ROM、易失性RAM、非易失性存储器及/或高速缓冲存储器。此软件及/或数据的部分可存储于这些存储装置中的任一者中。此外，数据及指令可从集中式服务器或对等网络获得。数据及指令的不同部分可在不同时间及不同通信会话中或相同通信会话中从不同集中式服务器及/或对等网络获得。数据及指令可在执行应用程序之前整体地获得。替代地，数据及指令的部分可在为执行而需要时被动态地(刚好实时地)获得。因此，不要求数据及指令在特定时间实例处整体地在机器可读媒体上。
计算机可读媒体的实例包含(但不限于)非暂时性可记录及非可记录型媒体，例如易失性及非易失性存储器装置、只读存储器(ROM)、随机存取存储器(RAM)、快闪存储器装置、软盘及其它可装卸磁盘、磁盘存储媒体、光学存储媒体(例如，光盘只读存储器(CDROM)、数字多功能磁盘(DVD)等)以及其它。计算机可读媒体可存储指令。
指令还可以用于电、光学、声学或其它形式的经传播信号(例如载波、红外信号、数字信号等)的数字及模拟通信链路体现。然而，经传播信号(例如载波、红外信号、数字信号等)并非有形机器可读媒体且并不经配置以存储指令。
一般来说，机器可读媒体包含提供(即，存储及/或发射)呈可由机器(例如，计算机、网络装置、个人数字助理、制造工具、具有一组一或多个处理器的任何装置等)存取的形式的信息的任何机构。
在各种实施例中，硬连线电路可与软件指令组合地使用以实施技术。因此，技术既不限于硬件电路与软件的任何特定组合，也不限于由数据处理系统执行的指令的任何特定源。
上文说明及图式是说明性的，且不应视为具限制性。描述众多特定细节以提供透彻理解。然而，在特定实例中，未描述众所周知或常规的细节以便避免使说明模糊。本发明中对一个或一实施例的参考不必参考同一实施例；且此些参考意指至少一个。
在前述说明书中，已参考本发明的特定示范性实施例描述了本发明。将显而易见，在不背离如所附权利要求书中所陈述的较宽广精神及范围的情况下，可对本发明做出各种修改。因此，应将本说明书及图式视为具有说明性意义而非限制性意义。

Claims (20)

1.一种用于自主交通工具的方法，所述方法包括：
由主机系统控制交通工具的至少一个系统；
由存储器装置监测与所述交通工具的操作相关联的数据；
由所述存储器装置基于所述监测而确定待从所述交通工具收集的第一数据；
由所述存储器装置独立于所述主机系统而收集所述第一数据；以及
由所述存储器装置将经收集第一数据存储于非易失性存储器中。
2.根据权利要求1所述的方法，其中从易失性存储器收集所述第一数据，且多芯片封装包含所述易失性存储器及所述非易失性存储器。
3.根据权利要求2所述的方法，其中所述多芯片封装进一步包含至少一个传感器。
4.根据权利要求3所述的方法，其中监测与所述交通工具的操作相关联的所述数据包括监测从所述至少一个传感器获得的数据。
5.根据权利要求1所述的方法，其中所述至少一个系统包括至少一个传感器，且从所述至少一个传感器收集所述第一数据。
6.根据权利要求1所述的方法，其进一步包括：
由所述存储器装置独立于所述主机系统而确定已发生事件，其中确定已发生所述事件基于监测与所述交通工具的操作相关联的所述数据；及
响应于确定已发生所述事件，由所述存储器装置从所述交通工具收集第二数据。
7.根据权利要求6所述的方法，其中从易失性存储器收集所述第二数据。
8.根据权利要求1所述的方法，其中所述存储器装置包括至少一个传感器，且监测与所述交通工具的操作相关联的所述数据包括监测由所述至少一个传感器收集的数据。
9.根据权利要求8所述的方法，其中监测与所述交通工具的操作相关联的所述数据进一步包括从所述主机系统接收至少一个信号。
10.根据权利要求8所述的方法，其进一步包括：
基于从所述主机系统接收的所述至少一个信号而产生至少一个代码；及
使所述至少一个代码与所述经收集第一数据相关联；
其中存储所述经收集第一数据包括存储与所述经收集第一数据相关联的所述至少一个代码。
11.根据权利要求1所述的方法，其中确定待收集的所述第一数据包括识别所述交通工具的第一系统，且收集所述第一数据包括从所述第一系统收集数据。
12.根据权利要求1所述的方法，其中监测与所述交通工具的操作相关联的所述数据包括确定已发生事件，且响应于确定已发生所述事件而执行收集所述第一数据。
13.一种存储器装置，其包括：
至少一个传感器，其经配置以从交通工具收集传感器数据；
非易失性存储器，其经配置以存储来自所述至少一个传感器中的至少一者或所述交通工具的主机系统的数据，其中所述主机系统控制所述交通工具的至少一个系统；
至少一个计算装置；以及
存储器，其存储指令，所述指令经配置以指令所述至少一个计算装置进行以下操作：
监测与所述交通工具的操作相关联的数据；
基于所述监测而确定待从所述交通工具收集的第一数据；
收集所述第一数据；以及
将经收集第一数据存储于所述非易失性存储器中。
14.根据权利要求13所述的存储器装置，其中收集所述第一数据包括从所述交通工具的至少一个通信总线获得所述第一数据。
15.根据权利要求13所述的存储器装置，其中由软件使用的数据存储于所述主机系统的系统存储器中，且所述第一数据包括由所述软件使用的所述数据的至少一部分。
16.根据权利要求13所述的存储器装置，其中从易失性存储器收集所述第一数据，且多芯片封装包含所述易失性存储器及所述非易失性存储器。
17.根据权利要求16所述的存储器装置，其中所述多芯片封装进一步包含所述至少一个传感器。
18.一种存储器装置，其包括：
至少一个传感器；
非易失性存储器；
至少一个计算装置；以及
存储器，其存储指令，所述指令经配置以指令所述至少一个计算装置进行以下操作：
监测与交通工具的操作相关联的数据；
基于所述监测而确定待从所述交通工具收集的第一数据；
收集所述第一数据；以及
将经收集第一数据存储于所述非易失性存储器中。
19.根据权利要求18所述的存储器装置，其中存储所述经收集第一数据包括将所述经收集第一数据存储于所述交通工具中的预定位置处。
20.根据权利要求18所述的存储器装置，其中所述指令进一步经配置以指令所述至少一个计算装置基于监测与所述交通工具的操作相关联的所述数据而确定格式，且其中存储所述经收集第一数据包括将所述经收集第一数据格式化成所述格式。
CN201910919603.4A 2018-10-10 2019-09-26 自主交通工具中待收集数据的实时选择 Active CN111028382B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/156,698 2018-10-10
US16/156,698 US11182986B2 (en) 2018-10-10 2018-10-10 Real-time selection of data to collect in autonomous vehicle

Publications (2)

Publication Number Publication Date
CN111028382A true CN111028382A (zh) 2020-04-17
CN111028382B CN111028382B (zh) 2022-03-25

Family

ID=70160286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910919603.4A Active CN111028382B (zh) 2018-10-10 2019-09-26 自主交通工具中待收集数据的实时选择

Country Status (2)

Country Link
US (2) US11182986B2 (zh)
CN (1) CN111028382B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113302614A (zh) * 2021-04-25 2021-08-24 华为技术有限公司 数据管理方法、装置和终端设备
US12065153B1 (en) * 2021-12-16 2024-08-20 Zoox, Inc. Resolving vehicle issues based on log data

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10846955B2 (en) 2018-03-16 2020-11-24 Micron Technology, Inc. Black box data recorder for autonomous driving vehicle
US10906536B2 (en) 2018-04-11 2021-02-02 Aurora Innovation, Inc. Control of autonomous vehicle based on determined yaw parameter(s) of additional vehicle
US11094148B2 (en) * 2018-06-18 2021-08-17 Micron Technology, Inc. Downloading system memory data in response to event detection
US11670123B2 (en) 2018-10-03 2023-06-06 Micron Technology, Inc. Automatic collection of autonomous vehicle logging data
US11349903B2 (en) * 2018-10-30 2022-05-31 Toyota Motor North America, Inc. Vehicle data offloading systems and methods
US11403492B2 (en) 2018-11-02 2022-08-02 Aurora Operations, Inc. Generating labeled training instances for autonomous vehicles
US11256263B2 (en) * 2018-11-02 2022-02-22 Aurora Operations, Inc. Generating targeted training instances for autonomous vehicles
US11782605B2 (en) 2018-11-29 2023-10-10 Micron Technology, Inc. Wear leveling for non-volatile memory using data write counters
US11410475B2 (en) 2019-01-31 2022-08-09 Micron Technology, Inc. Autonomous vehicle data recorders
US11373466B2 (en) 2019-01-31 2022-06-28 Micron Technology, Inc. Data recorders of autonomous vehicles
JP7298469B2 (ja) * 2019-12-18 2023-06-27 株式会社デンソー 車両用制御システム
US11984033B2 (en) * 2020-02-06 2024-05-14 Micron Technology, Inc. Artificial intelligence-based persistence of vehicle black box data
DE102023103970A1 (de) * 2023-02-17 2024-08-22 Schaeffler Technologies AG & Co. KG Verfahren und Vorrichtung zum Aufzeichnen von Daten eines Fahrzeugs

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1985001819A1 (en) * 1983-10-20 1985-04-25 Mannesmann Kienzle Gmbh Data recording apparatus for vehicle
CN1425579A (zh) * 2001-12-13 2003-06-25 三星电子株式会社 用于碰撞信息的自动传输的方法与装置
CN1811825A (zh) * 2005-01-21 2006-08-02 三洋电机株式会社 驾驶记录器及驾驶记录器的控制方法
CN1838409A (zh) * 2005-01-05 2006-09-27 三星电子株式会社 具有不同类型的多芯片封装的存储模块
CN1949113A (zh) * 2005-10-11 2007-04-18 株式会社电装 车辆异常监视装置
CN101208724A (zh) * 2005-07-01 2008-06-25 株式会社堀场制作所 行驶状况记录器
CN101238375A (zh) * 2005-08-05 2008-08-06 丰田自动车株式会社 车辆数据记录设备
WO2010048761A1 (zh) * 2008-10-31 2010-05-06 深圳市东仪电子有限公司 汽车爆胎检测与防偏系统及其实现方法
CN102456240A (zh) * 2010-10-30 2012-05-16 比亚迪股份有限公司 基于can总线的车载记录装置及其存储数据的控制方法
CN102956045A (zh) * 2011-08-19 2013-03-06 徐菲 一种基于事件触发的车载监测、记录、提示装置及方法
CN203503020U (zh) * 2013-08-02 2014-03-26 范青梅 触摸按键高清行车记录仪
US20140088821A1 (en) * 2011-05-23 2014-03-27 BAE Systems Hägglunds Aktiebolag Method and device for fault search of a vehicle
CN105247490A (zh) * 2013-06-06 2016-01-13 法国大陆汽车公司 用于功能构件监测的机动车辆计算机的非易失性存储器的使用的优化方法
CN105785969A (zh) * 2015-01-09 2016-07-20 国际商业机器公司 标识车辆撞击的起源以及关于撞击的数据的选择性交换
CN106202157A (zh) * 2016-06-23 2016-12-07 深圳市华域无线技术股份有限公司 基于时间流的视频快速检索方法
CN106603620A (zh) * 2015-10-20 2017-04-26 丰田自动车株式会社 车载记录系统以及车载控制装置
US20170161967A1 (en) * 2014-04-11 2017-06-08 Matsuo Associates Inc. Vehicle operation management system
CN107074375A (zh) * 2014-09-15 2017-08-18 L-3通讯股份有限公司 故障安全飞机监控和追踪
CN107545064A (zh) * 2017-09-07 2018-01-05 深圳市麦道微电子技术有限公司 行车记录装置在文件名编码中加入日期和时间信息的机制
CN108369563A (zh) * 2015-10-30 2018-08-03 美光科技公司 用于共享总线上多个装置的数据传输技术

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4089427B2 (ja) * 2002-12-26 2008-05-28 株式会社日立製作所 管理システム、管理計算機、管理方法及びプログラム
US6856009B2 (en) * 2003-03-11 2005-02-15 Micron Technology, Inc. Techniques for packaging multiple device components
CN102354197B (zh) 2011-09-20 2013-06-19 大连理工大学 基于虚拟仪器的电动汽车数据采集与管理系统
US9720411B2 (en) 2014-02-25 2017-08-01 Ford Global Technologies, Llc Autonomous driving sensing system and method
EP2963619A1 (en) 2014-06-30 2016-01-06 Airbus Operations GmbH Data collection apparatus, data collection system and method for data collection in vehicles
US9606529B2 (en) 2014-07-31 2017-03-28 Miq Llc User customization of auto-detected data for analysis
US9535137B2 (en) * 2014-08-22 2017-01-03 Ams International Ag Membrane based magnetometer
KR102011618B1 (ko) 2014-10-30 2019-08-16 미쓰비시덴키 가부시키가이샤 자동 운전 지원 시스템, 자동 운전 감시 장치, 도로 관리 장치 및 자동 운전 정보 수집 장치
US10802484B2 (en) 2016-11-14 2020-10-13 Baidu Usa Llc Planning feedback based decision improvement system for autonomous driving vehicle
US10404709B2 (en) * 2017-02-09 2019-09-03 Fca Us Llc Security gateway module for on-board diagnostics port of a vehicle
US10210672B2 (en) * 2017-04-07 2019-02-19 Toyota Research Institute, Inc. Systems and methods for remotely controlling data collection by a vehicle
US10606767B2 (en) * 2017-05-19 2020-03-31 Samsung Electronics Co., Ltd. Ethernet-attached SSD for automotive applications
US10796553B2 (en) * 2017-06-15 2020-10-06 Breakwall Analytics, Llc Method and system to monitor container conditions
CN109215170B (zh) 2017-07-04 2021-03-02 百度在线网络技术（北京）有限公司 行车数据的存储方法、装置和设备
CN108319163A (zh) 2017-12-25 2018-07-24 武汉柏舟科技有限公司 基于无线专网通信的船载航行数据采集记录装置及方法
US11022971B2 (en) 2018-01-16 2021-06-01 Nio Usa, Inc. Event data recordation to identify and resolve anomalies associated with control of driverless vehicles
US11670123B2 (en) 2018-10-03 2023-06-06 Micron Technology, Inc. Automatic collection of autonomous vehicle logging data

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1985001819A1 (en) * 1983-10-20 1985-04-25 Mannesmann Kienzle Gmbh Data recording apparatus for vehicle
CN1425579A (zh) * 2001-12-13 2003-06-25 三星电子株式会社 用于碰撞信息的自动传输的方法与装置
CN1838409A (zh) * 2005-01-05 2006-09-27 三星电子株式会社 具有不同类型的多芯片封装的存储模块
CN1811825A (zh) * 2005-01-21 2006-08-02 三洋电机株式会社 驾驶记录器及驾驶记录器的控制方法
CN101208724A (zh) * 2005-07-01 2008-06-25 株式会社堀场制作所 行驶状况记录器
CN101238375A (zh) * 2005-08-05 2008-08-06 丰田自动车株式会社 车辆数据记录设备
CN1949113A (zh) * 2005-10-11 2007-04-18 株式会社电装 车辆异常监视装置
WO2010048761A1 (zh) * 2008-10-31 2010-05-06 深圳市东仪电子有限公司 汽车爆胎检测与防偏系统及其实现方法
CN102456240A (zh) * 2010-10-30 2012-05-16 比亚迪股份有限公司 基于can总线的车载记录装置及其存储数据的控制方法
US20140088821A1 (en) * 2011-05-23 2014-03-27 BAE Systems Hägglunds Aktiebolag Method and device for fault search of a vehicle
CN102956045A (zh) * 2011-08-19 2013-03-06 徐菲 一种基于事件触发的车载监测、记录、提示装置及方法
CN105247490A (zh) * 2013-06-06 2016-01-13 法国大陆汽车公司 用于功能构件监测的机动车辆计算机的非易失性存储器的使用的优化方法
CN203503020U (zh) * 2013-08-02 2014-03-26 范青梅 触摸按键高清行车记录仪
US20170161967A1 (en) * 2014-04-11 2017-06-08 Matsuo Associates Inc. Vehicle operation management system
CN107074375A (zh) * 2014-09-15 2017-08-18 L-3通讯股份有限公司 故障安全飞机监控和追踪
CN105785969A (zh) * 2015-01-09 2016-07-20 国际商业机器公司 标识车辆撞击的起源以及关于撞击的数据的选择性交换
CN106603620A (zh) * 2015-10-20 2017-04-26 丰田自动车株式会社 车载记录系统以及车载控制装置
CN108369563A (zh) * 2015-10-30 2018-08-03 美光科技公司 用于共享总线上多个装置的数据传输技术
CN106202157A (zh) * 2016-06-23 2016-12-07 深圳市华域无线技术股份有限公司 基于时间流的视频快速检索方法
CN107545064A (zh) * 2017-09-07 2018-01-05 深圳市麦道微电子技术有限公司 行车记录装置在文件名编码中加入日期和时间信息的机制

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
许敏等: "非易失性存储器在汽车系统中的应用", 《集成电路应用》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113302614A (zh) * 2021-04-25 2021-08-24 华为技术有限公司 数据管理方法、装置和终端设备
WO2022226689A1 (zh) * 2021-04-25 2022-11-03 华为技术有限公司 数据管理方法、装置和终端设备
US12065153B1 (en) * 2021-12-16 2024-08-20 Zoox, Inc. Resolving vehicle issues based on log data

Also Published As

Publication number Publication date
US20220051490A1 (en) 2022-02-17
CN111028382B (zh) 2022-03-25
US11182986B2 (en) 2021-11-23
US20200118359A1 (en) 2020-04-16

Similar Documents

Publication Publication Date Title
CN111028382B (zh) 自主交通工具中待收集数据的实时选择
US11756353B2 (en) Downloading system memory data in response to event detection
US11891054B2 (en) Vehicle navigation using object data received from other vehicles
US20230041045A1 (en) Determining autonomous vehicle status based on mapping of crowdsourced object data
US11866020B2 (en) Detecting road conditions based on braking event data received from vehicles
US20240087380A1 (en) Automatic collection of autonomous vehicle logging data
US20220024493A1 (en) Sensor Fusion to Determine Reliability of Autonomous Vehicle Operation
CN112740188B (zh) 使用偏差进行基于日志的模拟
WO2020259705A1 (en) Autonomous driving handoff systems and methods
US20210201666A1 (en) Scalable and distributed detection of road anomaly events
US11803186B2 (en) Road quality based routing
CN112238862A (zh) 用于自主驾驶平台的开放和安全监视系统
US20240149888A1 (en) Automated comfort score
JP2023174610A (ja) 運転者支援システムの使用の検出

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