CN111164660A - 信息处理装置、信息处理方法和程序 - Google Patents

Abstract

本公开涉及：一种信息处理装置、信息处理方法和程序，该信息处理装置被配置为能够通过对投保方的汽车保险的保险费的折扣的激励来提高安全驾驶意识从而减少交通事故。在本公开中，位置信息、加速度等通过由驾驶车辆的驾驶员携带的移动装置检测，并发送到由保险公司操作的服务器。然后，在服务器中，基于位置信息、加速度信息等，从驾驶车辆的驾驶员的驾驶行为中提取与事故具有高相关性的高事故相关驾驶行为，获得用作针对每种驾驶行为的评估的驾驶风险倾向，基于所获得的驾驶风险倾向生成显示图像，并将显示图像发送到移动装置并显示在该移动装置上。本公开可以应用于由保险公司操作的服务器。

Description

信息处理装置、信息处理方法和程序

技术领域

本公开涉及一种信息处理设备、信息处理方法和程序，并且更具体地，涉及一种能够使用远程信息处理减少交通事故，并且因此减轻了作为与汽车保险相关的被保险人的驾驶员和保险公司的费用负担的信息处理设备、信息处理方法和程序。

背景技术

相关领域中的汽车保险已经根据基于作为驾驶员的被保险人的年龄、目标车辆的里程、目标车辆的年份、过去的事故记录等的类别来计算。

这里，为了避免汽车事故，驾驶员的驾驶倾向通常具有很大的影响。在具有容易引起事故的驾驶倾向的人与不具有容易引起事故的驾驶倾向的人之间，引起汽车事故的可能性大不相同。

然而，在实际的汽车保险中，没有考虑驾驶员的驾驶倾向，而仅使用事故等的结果作为计算的标准。因此，在相关领域的保险中，当上述基于驾驶员的年龄、目标车辆的里程、目标车辆的年份、过去的事故记录等的条件相同时，尽管引起汽车事故的可能性根据驾驶倾向而大不相同，但是在具有容易发生事故的条件的驾驶倾向的人与不具有容易发生事故的条件的驾驶倾向的人之间的保险费是相同的。

因此，一种用于通过将通信系统与诸如汽车的移动对象结合并使用实时提供由导航表示的信息的远程信息处理来计算保险费的技术已经变得广泛。在远程信息处理中，不仅汽车接收信息，而且汽车的车辆状态信息也可以输出到外部。例如，已经提出了一种用于基于通过通信器从车载设备收集的车辆状态信息获得车辆驾驶员的驾驶熟练度，并基于所获得的驾驶熟练度估计保险费的技术。

然而，在使用利用了这种远程信息处理的汽车保险的情况下，作为被保险人的驾驶员可能无法改进驾驶熟练度并获得诸如减少保险费的估计的利益，因为驾驶员不知道为了减少估计的保险费的数额驾驶员应该注意什么。

这里，已经提出了一种有助于驾驶辅助的技术，该技术通过基于例如设置在车辆中的方向盘角度传感器、轴速度传感器和车间距离传感器，以及由驾驶员佩戴的脉冲传感器和声音收集麦克风的检测结果来确定诸如“突然转向”、“突然制动”以及“突然加速”的风险类型并指定危险位置，在地图数据中指定并反映类型和危险位置，并将该信息提供给驾驶员(参见专利文献1)。

可以考虑通过应用根据专利文献1的技术来使用远程信息处理来改进保险费的估计，以改进上述驾驶熟练度。

引用列表

专利文献

专利文献1：日本专利申请公开第2007-47914号

发明内容

本发明要解决的问题

然而，在根据专利文献1的技术中，仅在地图上反映驾驶中的危险位置，并且不清楚哪种行为在多大程度上影响保险费的估计。因此，可能不知道在改进影响保险费的估计的驾驶熟练度时应注意哪些方面。

当不能有效地改进驾驶熟练度时，担心不能有效地抑制交通事故等的发生。结果，不可能减少由被保险人支付的保险费和由保险公司支付的保险金中的任何一个，并且因此增加了双方的负担。

本公开是考虑到这种情况而设计的。具体地，通过使用远程信息处理有效地改进驾驶员的驾驶技能来减少交通事故，并且因此，减轻了作为与汽车保险相关的被保险人的驾驶员和保险公司的费用负担。

问题的解决方案

根据本公开的第一方面，提供了一种信息处理设备，包括：驾驶行为获取单元，其获取关于驾驶车辆的驾驶员的驾驶行为的信息；高事故相关驾驶行为特征量提取单元，其在驾驶行为中提取与事故高度相关的高事故相关驾驶行为；驾驶风险倾向计算单元，其基于高事故相关驾驶行为计算驾驶风险倾向；以及显示图像生成单元，其基于由驾驶风险倾向计算单元计算出的驾驶风险倾向生成显示图像。

驾驶风险倾向计算单元可以计算高事故相关驾驶行为的发生概率、贡献度以及风险度作为驾驶风险倾向。

驾驶风险计算单元可以以时间为单位或以里程为单位计算高事故相关驾驶行为的发生概率，通过以时间为单位或以里程为单位对高事故相关驾驶行为进行回归分析来计算贡献度，并且基于发生概率和贡献度的乘积来计算风险度。

还可以包括优先注意驾驶行为选择单元，其选择风险度在预定较高位的高事故相关驾驶行为作为优先注意驾驶行为。

驾驶员可以是汽车保险的投保者，并且信息处理设备还可以包括所有投保者高事故相关驾驶行为平均发生概率计算单元，其计算汽车保险的所有投保者的高事故相关驾驶行为的平均发生概率；以及所有投保者优先注意驾驶行为平均发生概率提取单元，其基于汽车保险的所有投保者的高事故相关驾驶行为的平均发生概率，提取针对优先注意驾驶行为的所有投保者的平均发生概率。

驾驶员可以是汽车保险的投保者，并且显示图像生成单元可以基于驾驶风险倾向中的优先注意驾驶行为的风险度生成显示图像。

显示图像生成单元可以生成显示图像，该显示图像指示驾驶风险倾向中的优先注意驾驶行为的风险度与对应于汽车保险的保险费的折扣率的风险度之间的比较。

显示图像生成单元可以生成显示图像，在该显示图像中，针对其中驾驶风险倾向中的优先注意驾驶行为的风险度低于作为汽车保险的保险费折扣率的指数的风险度的优先注意驾驶行为，添加用于促进驾驶行为的改进的意见。

保险费的折扣率可以基于指示折扣率随着风险度增加而变低，并且折扣率随着风险度降低而变高的函数来设置。

显示图像生成单元可以基于优先注意驾驶行为的风险度来设置安全指数，并且生成其中添加了安全指数的显示图像。

显示图像生成单元可以包括具有用于指定显示图像中的日期和时间的日期和时间指定功能的配置，并且生成显示图像，该显示图像指示在使用日期和时间指定功能指定的日期和时间处，驾驶风险倾向中的优先注意驾驶行为的风险度与根据汽车保险的保险费的折扣率的风险度之间的比较。

显示图像生成单元可以生成显示图像，在该显示图像中，针对其中驾驶风险倾向中的优先注意驾驶行为的风险度低于作为汽车保险的保险费的折扣率的指数的风险度的优先注意驾驶行为，添加用于促进驾驶行为的改进的运动图像。

显示图像生成单元可以生成由驾驶员驾驶的车辆的行驶路线的显示图像，并且基于关于驾驶风险倾向的信息生成显示图像，在该显示图像中，具有高于预定风险度的风险度的位置在行驶路线上以预定颜色显示。

还可以包括：驾驶状态累积单元，其提取关于驾驶车辆的驾驶员的驾驶行为的信息，并累积驾驶员的驾驶状态的检测结果；地图信息获取单元，其获取由驾驶员驾驶的车辆的位置信息，基于该位置信息提取地图信息，并将所提取的信息作为驾驶状态累积在驾驶状态累积单元中；动作信息获取单元，其检测由驾驶员驾驶的车辆的动作信息，并将检测到的信息作为驾驶状态累积在驾驶状态累积单元中；车辆内外图像信息获取单元，其检测由驾驶员驾驶的车辆的车辆内外图像信息，并将检测到的信息作为驾驶状态累积在驾驶状态累积单元中；以及生物信息获取单元，其检测驾驶员的生物信息，并将检测到的信息作为驾驶状态累积在驾驶状态累积单元中。

位置信息可以通过由驾驶员携带的移动装置检测，并且信息处理设备还可以包括发送单元，该发送单元将由显示图像生成单元生成的显示图像发送到由驾驶员携带的移动装置。

根据本公开的第一方面，提供了一种信息处理方法，包括：驾驶行为获取处理，其获取关于驾驶车辆的驾驶员的驾驶行为的信息；高事故相关驾驶行为提取处理，其在驾驶行为中提取与事故高度相关的高事故相关驾驶行为；驾驶风险倾向计算处理，其基于高事故相关驾驶行为计算驾驶风险倾向；以及显示图像生成处理，其基于由驾驶风险倾向计算处理计算出的驾驶风险倾向生成显示图像。

根据本公开的第一方面，提供了一种用于使计算机用作信息处理设备的程序，该信息处理设备包括：驾驶行为获取单元，其获取关于驾驶车辆的驾驶员的驾驶行为的信息；高事故相关驾驶行为特征量提取单元，其在驾驶行为中提取与事故高度相关的高事故相关驾驶行为；驾驶风险倾向计算单元，其基于高事故相关驾驶行为计算驾驶风险倾向；以及显示图像生成单元，其基于由驾驶风险倾向计算单元计算出的驾驶风险倾向生成显示图像。

在本公开的第一方面中，获取驾驶车辆的驾驶员的驾驶行为的信息，在驾驶行为中提取与事故高度相关的高事故相关驾驶行为，基于高事故相关驾驶行为计算驾驶风险倾向，以及基于计算出的驾驶风险倾向生成显示图像。

根据本公开的第二方面，提供了一种由驾驶车辆的驾驶员携带的信息处理设备，该信息处理设备包括：位置检测单元，其检测车辆的位置信息；检测单元，其检测车辆的加速度；以及通信单元，其将位置信息和加速度信息发送到服务器，并基于位置信息和加速度信息获取由服务器生成的显示图像，其中，该显示图像基于从驾驶车辆的驾驶员的驾驶行为中与事故高度相关的高事故相关驾驶行为计算出的驾驶风险倾向生成。

根据本公开的第二方面，提供了一种用于由驾驶车辆的驾驶员携带的信息处理设备的信息处理方法，该信息处理方法包括：位置信息检测处理，其检测车辆的位置信息；检测处理，其检测车辆的加速度；以及通信处理，其将位置信息和加速度信息发送到服务器，并基于位置信息和加速度信息获取由服务器生成的显示图像，其中，该显示图像基于从驾驶车辆的驾驶员的驾驶行为中与事故高度相关的高事故相关驾驶行为计算出的驾驶风险倾向生成。

根据本公开的第二方面，提供了一种程序，用于使控制由驾驶车辆的驾驶员携带的信息处理设备的计算机用作：位置检测单元，其检测车辆的位置信息；检测单元，其检测车辆的加速度；以及通信单元，其将位置信息和加速度信息发送到服务器，并基于位置信息和加速度信息获取由服务器生成的显示图像，其中，该显示图像基于从驾驶车辆的驾驶员的驾驶行为中与事故高度相关的高事故相关驾驶行为计算出的驾驶风险倾向生成。

在本公开的一方面中，提供一种程序，其中，检测车辆的位置信息，检测车辆的加速度，并且将位置信息和加速度信息发送到服务器，并基于位置信息和加速度信息获取由服务器生成的显示图像，并且基于从驾驶车辆的驾驶员的驾驶行为中与事故高度相关的高事故相关驾驶行为计算出的驾驶风险倾向生成显示图像。

发明的效果

根据本公开的一方面，可以具体地通过有效地改进驾驶员的驾驶技术来减少交通事故，并且可以进一步减轻作为与汽车保险相关的被保险人的驾驶员和保险公司的费用负担。

附图说明

[图1]是示出使用移动装置用于说明本公开的概述的显示示例的示图。

[图2]是示出本公开的信息处理系统的配置示例的框图。

[图3]是示出图2所示的车辆中的移动装置、车辆控制单元以及生物信息检测单元的配置示例的框图。

[图4]是示出图2所示的服务器的配置示例的框图。

[图5]是示出车辆与服务器之间的数据流的示图。

[图6]是示出事故相关提取单元的配置示例的框图。

[图7]是示出高事故相关驾驶行为的示图。

[图8]是示出用于说明高事故相关驾驶行为的贡献度、发生概率和风险度以及评估图像的显示示例的示图。

[图9]是示出保险费的折扣率的示图。

[图10]是示出驾驶状态DB生成处理的流程图。

[图11]是示出UI/UX图像显示处理的流程图。

[图12]是示出图11中的驾驶风险计算处理的流程图。

[图13]是示出评估图像的修改示例(第1部分)的示图。

[图14]是示出评估图像的修改示例(第1部分)的示图。

[图15]是示出评估图像的修改示例(第2部分)的示图。

[图16]是示出评估图像的修改示例(第3部分)的示图。

[图17]是示出评估图像的修改示例(第4部分)的示图。

[图18]是示出评估图像的修改示例(第5部分)的示图。

[图19]是示出评估图像的修改示例(第5部分)的示图。

[图20]是示出通用计算机的配置示例的示图。

具体实施方式

在下文中，将参考附图详细描述本公开的优选实施方式。注意，在本说明书和附图中，具有基本相同的功能和配置的配置元件用相同的参考数字表示，并且省略对这些配置元件的重复说明。

在下文中，将描述用于实现本技术的实施方式。将按以下顺序对其进行描述。

1.本公开的概述

2.本公开的优选实施方式

3.修改示例(第1部分)

4.修改示例(第2部分)

5.修改示例(第3部分)

6.修改示例(第4部分)

7.修改实例(第5部分)

8.使用软件执行的示例

<<1.本公开的概述>>

本公开的技术使用远程信息处理基于汽车保险中的车辆的驾驶员的驾驶状态，将根据有助于安全驾驶的驾驶行为的保险费的折扣(返现)呈现给驾驶员，并且根据驾驶状态呈现要注意的驾驶行为。由此，本公开的技术使用诸如针对驾驶员的保险费的折扣的激励来提高安全驾驶意识以减少交通事故，并且因此，减轻保险公司的保险金的负担和被保险人的保险金的负担。

这里，将描述使用远程信息处理的汽车保险。使用远程信息处理的汽车保险大致分为两种类型，即里程链接类型(根据你的驾驶来付费(PAYD))和其中反映驾驶特性的类型(根据你如何驾驶来付费(PHYD))。在下文中，使用里程链接类型远程信息处理的汽车保险将被称为PAYD保险，而使用反映驾驶特性的远程信息处理的汽车保险将被称为PHYD保险。

在PAYD保险中，根据里程设置保险费。例如，PAYD保险是其中保险费随着里程更多而增加，并且保险费随着里程更少而降低的汽车保险。

另一方面，在PHYD保险中，根据驾驶特性设置保险费。例如，PHYD保险是其中针对危险驾驶的保险费较高，而针对安全驾驶的保险费较低的汽车保险。

由于PAYD保险不受驾驶特性的影响，因此即使驾驶员在驾驶期间意识到安全驾驶，作为被保险人的驾驶员也不能更改保险费。

然而，关于PHYD保险，驾驶员注意驾驶并通过更安全地驾驶改进驾驶特性，并且因此可以减少保险费。更详细地，关于PHYD保险，可以通过改进驾驶特性来获得保险费的折扣(返现)。

即，在PHYD保险中，由于作为被保险人的驾驶员改进了驾驶特性并且更安全地驾驶，因此作为被保险人的驾驶员可以接收到保险费的折扣。此外，通过作为被保险人的驾驶员更安全地驾驶，也可以减少交通事故。结果，由于事故的减少，保险公司应支付的保险金也减少，并且因此，保险公司可以通过对保险费打折扣而将保险费返还给被保险人。

本公开的技术应用于PHYD保险。因此，在下文中，将更详细地描述PHYD保险。

在使用PHYD保险的情况下，例如，在由驾驶员携带的智能电话表示的终端设备中安装专用应用程序。该应用程序使嵌入在终端设备中的全球定位系统(GPS)检测位置信息或使运动传感器检测加速度信息，并将检测结果发送到由保险公司操作的服务器设备。另外，服务器设备分析驾驶特性以根据分析结果确认保险费是否将被打折，并将确认结果发送到终端设备，并且将保险费是否将被打折呈现给终端设备中的驾驶员。

驾驶员意识到安全驾驶，以便通过确认所呈现的保险费是否将被打折来争取更高的折扣。另外，使用诸如保险费的折扣的激励，驾驶员提高了安全驾驶意识以抑制事故的发生，并且因此减少了保险公司的保险金支付，这导致保险费的折扣并返还给被保险人。

换句话说，通过促进安全驾驶使得驾驶员意识到保险费的折扣来减少交通事故，并且可以减轻被保险人的保险费的负担和保险公司的保险金的负担。

结果，通过促进PHYD保险，可以减少交通事故，并且减轻被保险人和保险公司的经济负担。

然而，不清楚如何在促进PHYD保险中评估驾驶特性。因此，即使当牢记安全驾驶时，作为被保险人的驾驶员也可能不会充分相信是否获得了诸如保险费的折扣的适当评估。

此外，即使当呈现使用远程信息处理的折扣时，也不清楚在驾驶特性中哪些驾驶行为被高度评估。因此，担心驾驶员不能理解为了增加折扣率，即，牢记安全驾驶而要注意的驾驶行为。

基于此，在本公开中，向驾驶员清楚地示出如何评估驾驶特性，并且向个体驾驶员清楚地呈现要注意的驾驶行为。

由此，例如，如图1所示，具体使个体驾驶人意识到保险费折扣所需的要注意的驾驶行为，使得可以促进安全驾驶，并抑制交通事故的发生，从而减轻被保险人的保险费的负担和保险公司的保险金的负担。

图1是其中在由驾驶员携带的移动装置11的显示单元21上执行显示的显示示例。

当驾驶员驾驶汽车时由驾驶员携带的移动装置11检测在驾驶期间检测到的位置信息和诸如加速度的驾驶状态信息，并将该信息发送到由图中未示出的保险公司操作的服务器。

在由图中未示出的保险公司操作的服务器中，分析驾驶状态信息，根据分析结果确认保险费是否将被打折，根据驾驶状态的分析结果生成用于呈现驾驶员应注意的驾驶行为的显示图像，并将所生成的显示图像发送到移动装置11。另外，移动装置11显示从服务器发送的显示图像。

图1示出了显示图像的显示示例，该显示图像用于呈现根据通过分析驾驶状态信息获得的分析结果的保险费的折扣以及根据驾驶状态的分析结果驾驶员应注意的驾驶行为。

在图1的显示示例中，显示其中在移动装置11的显示单元21的上部中显示要注意的驾驶行为的显示栏31。另外，在显示栏31的下方设置有其中将要注意的驾驶行为的评估结果显示为条形图形的显示栏32。此外，在显示栏32的下方设置有其中显示评估结果的意见的显示栏33。

在图1的显示栏31中，在中央下方显示“您的安全驾驶指南”，并显示驾驶员安全驾驶指南。另外，在上段从左到右并且在下段的左部和右部显示“第一”至“第五”，并且显示要注意的驾驶行为的前第一位至第五位。

在图1的显示栏31中，第一位的驾驶行为为“突然加速”，第二位的驾驶行为为“突然制动”，第三位的驾驶行为为“突然右转向”，第四位的驾驶行为为“突然转向”，以及第五位的驾驶行为为“不稳定驾驶”。

此外，在显示栏32中，使用从左侧开始的条形图形显示针对“突然加速”、“突然制动”、“突然右转向”、“突然转向”以及“不稳定驾驶”的每个驾驶行为的评估结果。另外，针对显示栏32中的条形图形的“突然加速”和“突然制动”，用于获得折扣的评估标准显示为虚线。由此，驾驶员可以识别出针对“突然加速”和“突然制动”的评估必须增加多少以获得折扣。

此外，在显示栏33中，显示“为了有效地降低风险，从避免突然加速开始”，并且可以提示驾驶员知道在驾驶期间应注意什么以便降低风险，并且可以向驾驶员呈现应执行什么以便折扣保险费。相应地，在显示栏32中，针对“突然加速”的图形，执行用于使要注意的驾驶行为易于识别的呼叫显示(call display)，诸如“首先，从这里开始！”。

在本公开中，通过实现这种技术，提高了驾驶员的安全驾驶意识，从而减少了交通事故。结果，减少了保险公司的保险金的支付，从而实现了针对作为被保险人的驾驶员的保险金的折扣。

<<2.本公开的优选实施方式>>

图2示出了根据本公开的信息处理系统的优选实施方式的配置示例。

图2所示的信息处理系统51包括网络71、服务器72、分别由在车辆73-1至73-n中的驾驶员携带的移动装置91-1至91-n、控制车辆73-1至73-n的车辆控制单元92-1至92-n以及检测驾驶员的生物信息的生物信息检测单元93-1至93-n。

此外，在不需要具体区分车辆73-1至73-n之间、移动装置91-1至91-n之间、车辆控制单元92-1至92-n之间以及生物信息检测单元93-1至93-n之间的情况下，这些将被简称为车辆73、移动装置91、车辆控制单元92以及生物信息检测单元93。

移动装置91是由驾驶员携带的智能电话表示的便携式终端，其检测用户(即，作为被保险人的驾驶员)的位置信息和诸如加速度的驾驶状态信息，并通过由公共线路、无线局域网(LAN)等构成的网络71将检测到的信息发送到由保险公司操作的服务器72。另外，移动装置91接收并呈现由关于由服务器72根据驾驶状态生成的保险费的折扣或根据驾驶状态的评估结果的用户界面/用户体验(UI/UX)图像构成的显示图像。

车辆控制单元92检测诸如车辆73的速度的驾驶状态信息，并通过网络71将检测到的信息发送到服务器72。

生物信息检测单元93检测诸如驾驶员的心跳和血压的各种生物信息，并将检测到的信息作为驾驶状态信息通过网络71发送到服务器72。

服务器72通过网络71获取从移动装置91、车辆控制单元92以及生物信息检测单元93发送的各种驾驶状态信息。另外，服务器72基于获取的各种驾驶状态信息分析驾驶员的驾驶行为，设置由稍后描述的风险度构成的评估值，以根据评估值设置保险费的折扣，基于评估结果生成由UI/UX图像构成的显示图像，并将所生成的显示图像发送到移动装置91。

移动装置91显示例如如图1所示的显示图像。

由此，驾驶员可以确认在驾驶期间应注意什么以便降低风险，即应执行什么以便折扣保险费。因此，使用诸如保险费折扣的激励来促进安全驾驶，以减少事故，降低与保险公司(与减少事故相关联)支付保险金有关的负担以及作为被保险人的驾驶员的保险金的保费负担。

<车辆中的移动装置、车辆控制单元以及生物信息检测单元的配置示例>

接下来，将参考图3描述由驾驶车辆73的驾驶员携带的移动装置91、控制车辆73的车辆控制单元92以及检测驾驶员的生物信息的生物信息检测单元93的配置示例。此外，移动装置91和生物信息检测单元93由驾驶员保持。因此，在图3中，示出了其中组件包括在车辆73中的配置，但是与车辆73的任何电连接和物理连接都不是必需的。

(移动装置91的配置示例)

移动装置91例如是诸如智能电话的便携式终端并且是由驾驶员携带的装置，其包括控制单元131、通信单元132、全球定位系统(GPS)133、惯性传感器134、环境传感器135以及显示单元136。移动装置检测各种信息，并将检测到的信息发送到服务器72。

控制单元131由处理器、存储器等构成，并且控制移动装置91的整体操作。

通信单元132由控制单元131控制，并且通过由移动电话公共线路、蓝牙(注册商标)、无线LAN等构成的网络71将数据和程序发送到服务器72或另一通信设备和从服务器72或另一通信设备接收数据和程序。

GPS 133由控制单元131控制，并且与图中未示出的卫星通信。GPS基于从卫星获得的信号，检测由地球上的纬度和经度构成的信息作为携带移动装置91的驾驶员在地球上的位置信息，并将检测到的信息输出到控制单元131。

惯性传感器134是用于由控制单元131控制的诸如加速度传感器和陀螺仪传感器的检测关于携带移动装置91的驾驶员的加速度和姿态(方向)的信息的传感器的通用术语，并将检测到的信息输出到控制单元131。此外，由惯性传感器134检测到的关于加速度和姿态(方向)的信息也将被统称为惯性信息。

环境传感器135是用于由控制单元131控制的诸如地磁传感器、大气压传感器以及二氧化碳传感器的各种传感器的通用术语，并且是用于检测诸如携带移动装置91的驾驶员相对于地磁的方向、驾驶员周围的大气压以及二氧化碳浓度的信息的传感器的通用术语。环境传感器将检测到的信息输出到控制单元131。此外，由环境传感器135检测到的诸如相对于地磁的方向、大气压以及二氧化碳浓度的信息也将被统称为环境信息。

由液晶显示器(LCD)、有机电致发光(EL)等构成的显示单元136由控制单元131控制，并且显示显示图像，在该显示图像，例如显示根据保险费的折扣和由服务器72生成的驾驶状态生成的针对各种驾驶行为的评估和意见。另外，由触摸面板构成的显示单元136用作操作单元，从驾驶员接收操作输入，并将对应于接收到的操作输入的操作内容的操作信号输出到控制单元131。

控制单元131控制通信单元132将从GPS 133提供的位置信息、从惯性传感器134提供的惯性信息以及从环境传感器135提供的环境信息作为驾驶条件的信息发送到服务器72。另外，控制单元131响应于由显示单元136的触摸面板的操作提供的操作信号，控制通信单元132从服务器72请求显示图像。此外，控制单元131响应于该请求，基于驾驶条件的信息控制通信单元132以接收由服务器72生成的显示图像的信息，并使显示单元136显示该显示图像。

(车辆控制单元92的配置示例)

车辆控制单元92例如是发动机控制单元(ECU)等，其控制车辆73的各种操作。包括控制单元151、通信单元152、车辆信息检测单元153、车辆内部图像和声音检测单元154以及车辆外部图像检测单元155的车辆控制单元检测车辆信息并将检测到的信息发送到服务器72。

由处理器、存储器等构成的控制单元151控制车辆控制单元92的整体操作。

通信单元152由控制单元151控制，并且通过诸如移动电话公共线路、蓝牙(注册商标)或无线LAN的网络71将数据和程序发送到服务器72或另一通信设备和从服务器72或另一通信设备接收数据和程序。

车辆信息检测单元153是用于检测例如车辆速度、扭矩值、方向盘角度、(车辆73的车身的)偏航角、档位信息、侧制动信息、加速踏板的踩踏量、制动踏板的踩踏量、方向灯操作信息以及灯的点亮条件信息作为与车辆73的操作有关的各种信息的各种传感器的通用术语，并将检测到的各种检测信息输出到控制单元151。此外，由车辆信息检测单元153检测到的各种检测信息也将被统称为车辆信息。

车辆内部图像和声音检测单元154由对车辆73内的驾驶员的状态进行成像的诸如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)的图像传感器和记录车辆内的声音的麦克风构成。车辆内部图像和声音检测单元检测车辆73内的图像和声音，并将检测到的图像和声音输出到控制单元151。

车辆外部图像检测单元155由捕获车辆73外部的图像的诸如CMOS或CCD的图像传感器构成，其将捕获的车辆外部的图像输出到控制单元151。

此外，关于由车辆内部图像和声音检测单元154检测到的图像和声音的信息以及关于由车辆外部图像检测单元155检测到的车辆外部的图像的信息也将被统称为车辆内外图像信息。

控制单元151控制通信单元152以通过网络71将由车辆信息检测单元153检测到的车辆信息和由车辆内部图像和声音检测单元154和车辆外部图像检测单元155检测到的车辆内外图像信息构成的车辆内外图像信息发送到服务器72。

(生物信息检测单元93的配置示例)

生物信息检测单元93包括控制单元171、通信单元172以及生物传感器173。例如，生物信息检测单元检测驾驶员的生物信息，并将检测到的生物信息发送到服务器72。

控制单元171由处理器、存储器等构成，并且控制生物信息检测单元93的整体操作。

通信单元172由控制单元171控制，并且通过诸如移动电话公共线路、蓝牙(注册商标)或无线LAN的网络71将数据和程序发送到服务器72或另一通信设备和从服务器72或另一通信设备接收数据和程序。

生物传感器173是用于检测与驾驶员的活体有关的各种信息的传感器的通用术语。生物传感器例如是心跳传感器、血压传感器、氧浓度传感器、肌电传感器、温度计、身体组织传感器、酒精传感器、最大摄氧量传感器、卡路里消耗传感器等，并将检测到的生物信息输出到控制单元171。此外，由生物传感器173检测到的各种检测结果也将被统称为生物信息。

<服务器的配置示例>

接下来，将参考图4描述由保险公司操作的服务器72的配置示例。

服务器72包括控制单元201、周围地图信息获取单元202、地图信息数据库(DB)203、动作信息获取单元204、车辆内外图像信息获取单元205、生物信息获取单元206、通信单元207、UI/UX图像生成单元208、驾驶状态数据库(DB)209、事故相关提取单元210以及事故信息数据库(DB)211。

控制单元201由处理器或存储器构成，并且控制服务器72的整体操作。控制单元201控制通信单元207以将从车辆73提供的位置信息提供给周围地图信息获取单元202和动作信息获取单元204，并且将惯性信息、环境信息以及车辆信息提供给动作信息获取单元204。另外，控制单元201将车辆内外图像信息提供给车辆内外图像信息获取单元205，并且将生物信息提供给生物信息获取单元206。

周围地图信息获取单元202获取从移动装置91提供的位置信息，读取对应于登记在地图信息DB 203中的位置信息的周围地图信息，并将读取的周围地图信息作为驾驶状态信息输出到控制单元201。控制单元201将由周围地图信息构成的驾驶状态信息与用于识别驾驶员的信息和关于获取时间的信息相关联地登记在驾驶状态DB 209中。另外，控制单元201将位置信息输出到动作信息获取单元204。

这里，在地图信息DB 203中，与位置信息相关联地登记的周围地图信息例如是诸如车辆行驶的道路中的速度限制、车道数量、道路类型(高速汽车国道、仅用于汽车的国道、一般国道、县道等)、拥堵信息、临时停车位置、十字路口、人行横道、隧道以及Zone30适用道路(Zone30：用于定义为30km/h或更低的社区道路的安全保障措施的通用术语)、事故频繁发生点、准事故点(near-miss points)(经常观察到驾驶员在行驶中遇到危险时感到恐惧或惊吓的点)以及一定时隙通过的人数的信息。

动作信息获取单元204获取从移动装置91提供的位置信息、惯性信息和环境信息以及从车辆控制单元92提供的车辆信息，以基于这些信息生成动作信息作为驾驶状态信息，并将所生成的动作信息输出到控制单元201。控制单元201将由动作信息构成的驾驶状态信息与用于识别驾驶员的信息和获取时间的信息相关联地登记在驾驶状态DB 209中。

这里，动作信息是基于惯性信息、环境信息、车辆信息以及车辆内外图像信息生成的信息。动作信息例如包括车辆速度、加速度、水平方向加速度、方向盘角度、偏航角、发动机速度、扭矩值、侧制动操作标志、灯操作标志、档位操作标志、加速器操作标志、制动操作标志、方向灯操作标志、车道变换动作、后退动作、车内外大气压、车内外二氧化碳浓度、通过GPS获得的纬度和经度、移动装置91的操作信息等。

车辆内外图像信息获取单元205获取从车辆控制单元92提供的车辆内外图像信息，并将车辆内外图像信息作为驾驶状态信息输出到控制单元201。控制单元201将由车辆内外图像信息构成的驾驶状态信息与用于识别驾驶员的信息和关于获取时间的信息相关联地登记在驾驶状态DB 209中。

生物信息获取单元206基于从生物信息检测单元93提供的生物信息生成驾驶状态信息，并将所生成的信息输出到控制单元201。控制单元201将基于生物信息的驾驶状态信息与用于识别驾驶员的信息和关于获取时间的信息相关联地登记在驾驶状态DB 209中。

这里，基于生物信息的驾驶状态信息例如包括体温、脉搏、血压、血液中的氧浓度、血糖程度、肌肉收缩度、酒精浓度、消耗的卡路里、疲劳度、集中度、压力以及睡眠时间。

事故相关提取单元210将登记在驾驶状态DB 209中的各种驾驶状态信息与登记在事故信息DB 211中的事故信息进行核对，并且基于驾驶员在具有高事故相关性的驾驶行为(动作)中的发生概率和贡献度来计算风险度。另外，事故相关提取单元210提取风险度较高的优先注意驾驶行为，计算驾驶员的优先注意驾驶行为的发生概率、贡献度、风险度以及所有投保者的平均发生概率，并将这些信息输出到控制单元201。此外，稍后将参考图6描述事故相关提取单元210的详细配置。

控制单元201将包括所提供的驾驶员的优先注意驾驶行为的发生概率、贡献度、风险度以及所有投保者的平均发生概率的信息提供给UI/UX图像生成单元208。

UI/UX图像生成单元208基于包括驾驶员的优先注意驾驶行为的发生概率、贡献度、风险度以及所有投保者的平均发生概率的信息来生成对应的UI/UX图像，并将所生成的UI/UX图像提供给控制单元201。

控制单元201控制通信单元207，以便将基于从UI/UX图像生成单元208提供的包括驾驶员的优先注意驾驶行为的发生概率、贡献度、风险度以及所有投保者的平均发生概率的信息生成的UI/UX图像发送到移动装置91。

移动装置91的控制单元131控制通信单元132，以便接收基于包括驾驶员的优先注意驾驶行为的发生概率、贡献度、风险度以及所有投保者的平均发生概率的信息生成的并从服务器72发送的UI/UX图像，并且在显示单元136上显示接收到的UI/UX图像。

<数据流>

接下来，将参考图5描述服务器72和车辆73中的数据流。即，上述服务器72和车辆73中的数据流具有简略地如图5所示的关系。

基于从图中未示出的卫星获得并由移动装置91的GPS 133生成的信号，将由地球上的纬度和经度构成的位置信息提供给周围地图信息获取单元202。

周围地图信息获取单元202访问地图信息DB 203，基于位置信息读取对应的地图信息，并将所读取的信息与用于识别驾驶员的信息和关于获取时间的信息相关联地登记在驾驶状态DB 209中作为驾驶状态信息。

将基于从图中未示出的卫星获得并由GPS 133生成的信号的由地球上的纬度和经度构成的位置信息、由惯性传感器134检测到的惯性信息、由环境传感器135检测到的环境信息以及由车辆控制单元92的车辆信息检测单元153检测到的车辆信息，提供给动作信息获取单元204。

动作信息获取单元204基于位置信息、惯性信息和环境信息以及车辆信息生成动作信息，并将所生成的信息与用于识别驾驶员的信息和关于获取时间的信息相关联地登记在驾驶状态DB 209中作为驾驶状态信息。

将由车辆控制单元92的车辆内部图像和声音检测单元154检测到的车辆内部图像信息和由车辆外部图像检测单元155检测到的车辆外部图像构成的车辆内外图像信息提供给车辆内外图像信息获取单元205。

车辆内外图像信息获取单元205将车辆内外图像信息与用于识别驾驶员的信息和关于获取时间的信息相关联地登记在驾驶状态DB 209中作为驾驶状态信息。

将由生物信息检测单元93的生物传感器173检测到的生物信息提供给生物信息获取单元206。

生物信息获取单元206将生物信息与用于识别驾驶员的信息和关于获取时间的信息相关联地登记在驾驶状态DB 209中作为驾驶状态信息。

即，地图信息、动作信息、车辆内外图像信息以及生物信息与用于识别驾驶员的信息和获取时间相关联地登记在驾驶状态DB 209中。此外，针对都是投保者的多个驾驶员中的每一个驾驶员，识别并登记登记在驾驶状态DB 209中的驾驶状态信息。

事故相关提取单元210提取基于与事故相关联地登记在事故信息DB211中的地图信息、动作信息、车辆内外图像信息和生物信息中的至少任何一个而分类的驾驶员的驾驶行为中与事故高度相关的驾驶行为，并根据所提取的驾驶行为的发生概率和驾驶行为的贡献度计算风险度。

另外，事故相关提取单元210在与驾驶员的事故高度相关的驾驶行为的风险度中获得较高位的驾驶行为作为优先注意驾驶行为，并且将关于优先注意驾驶行为的发生概率、贡献度以及风险度的信息输出到UI/UX图像生成单元208。

另外，事故相关提取单元210获得与所有投保者的个别事故高度相关的驾驶行为的平均发生概率，并将其中的优先注意驾驶行为的平均发生概率输出到UI/UX图像生成单元208。

此外，稍后将参考图6详细描述事故相关提取单元210的配置。

UI/UX图像生成单元208基于关于驾驶员的优先注意驾驶行为中与事故高度相关的驾驶行为的发生概率、贡献度以及风险度的信息，计算保险费是否将被打折。另外，UI/UX图像生成单元208使用关于针对驾驶员的优先注意驾驶行为的发生概率、贡献度以及风险度的信息，以及关于所有投保者的优先注意驾驶行为的平均发生概率和保险费的折扣的信息中的全部或部分信息来生成UI/UX图像。另外，UI/UX图像生成单元208将所生成的UI/UX图像发送到移动装置91。移动装置91在显示单元136上显示从UI/UX图像生成单元208发送的UI/UX图像。

使用远程信息处理并应用了本公开的技术的所谓的反映驾驶特性(pay how youdrive(PHYD))的汽车驾驶保险通过图2至图5所示的由网络71到车辆73构成的信息处理系统51的配置来实现。

<事故相关提取单元的配置示例>

接下来，将参考图6描述事故相关提取单元210的配置示例。

事故相关提取单元210包括高事故相关驾驶行为特征量提取单元251、个体驾驶风险倾向计算单元252、优先注意驾驶行为选择单元253、针对每个驾驶行为的所有投保者的平均发生概率计算单元254以及针对优先注意驾驶行为的所有投保者的平均发生概率提取单元255。

高事故相关驾驶行为特征量提取单元251基于登记在驾驶状态DB210中的多条驾驶状态信息中请求由评估图像构成的UI/UX图像的驾驶员的驾驶状态信息，提取与事故高度相关的驾驶行为作为特征量。另外，高事故相关驾驶行为特征量提取单元251将特征量与用于识别驾驶员的信息和获取时间相关联地输出到个体驾驶风险倾向计算单元252。

这里，与事故高度相关的驾驶行为例如是认为在所有保险投保者中引起事故的投保者和未引起事故的投保者的发生概率之间的差异大于预定值的驾驶行为，即，认为与事故高度相关的驾驶行为，该差异通过针对从登记在驾驶状态DB 209中的多条驾驶状态信息中获得的驾驶状态中的每个驾驶状态，将两个概率进行相互比较而获得。

例如，如图7的上部、中部以及下部所示，考虑到使用作为引起事故的驾驶员的事故人员的数据和未引起事故的安全人员的数据来从驾驶状态信息指定的驾驶行为中的突然制动、突然加速以及突然右转向的发生概率进行相互比较。

此外，在图7的上部中，横轴表示突然制动强度，并且纵轴表示发生概率。此外，在图7的中部中，横轴表示突然加速强度，并且纵轴表示发生概率。此外，在图7的下部中，横轴表示突然右转向强度，并且纵轴表示发生概率。另外，在发生概率中被视为是低发生概率的区域由虚线以下的范围示出。

以这种方式，针对突然制动、突然加速以及突然右转向这三种类型的驾驶行为中的所有类型，存在其中在事故人员与安全人员之间存在显著差异的强度范围，即与事故高度相关的强度范围。

即，在如图7的上部所示的突然制动中的突然制动强度的中间附近的范围内，在如图7的中部所示的突然加速中认为强度具有最小值且发生概率为低发生概率的范围内以及在图7的下部所示的突然右转向中认为强度具有最小值且发生概率为低发生概率的范围内，认为事故人员与安全人员之间存在着明显的差异，换句话说，认为该范围与事故高度相关。

因此，高事故相关驾驶行为特征量提取单元251存储该驾驶行为，即，在突然制动、突然加速以及突然右转向中，在事故人员的发生概率与安全人员的发生概率之间存在较大差异的范围内的驾驶行为，并且特别是如图7所示，该驾驶行为是与事故高度相关的驾驶行为，作为事故相关模型，并且高事故相关驾驶行为特征量提取单元251提取与事故相关模型等效的驾驶行为作为特征量。

在被视为突然制动的驾驶行为中，具有从预定最小值到最大值的强度范围的驾驶行为被提取为与事故高度相关的驾驶行为。这针对突然加速和突然右转向是相同的。

另外，驾驶行为除了突然制动、突然加速以及突然右转向之外还可以包括例如与事故高度相关并且通过突然左转向、不稳定驾驶、注意力不集中驾驶、前一天6小时或更短的睡眠时间等、地图信息、动作信息、车辆内外图像信息、生物信息等的组合获得的驾驶行为。

另外，驾驶行为可以是例如在与位置信息组合的预定十字路口处的突然制动、例如当与预定的另一操作组合的打开方向灯的操作时的突然加速等。

以这种方式，高事故相关驾驶行为特征量提取单元251可以预先存储与事故高度相关的驾驶行为作为事故相关模型，并且可以基于登记在驾驶状态DB 208中的驾驶状态信息提取对应于事故相关模型的驾驶行为作为特征量。

此外，这些事故相关模型可以通过例如基于相对于登记在驾驶状态DB 209中的驾驶状态信息的负二项式分布、对数正态分布等的线性回归分析或多元回归分析来获得。另外，这些事故相关模型可以通过贝叶斯网络、决策树、支持向量机、神经网络等获得。另外，在下文中，与事故高度相关并存储为事故相关模型的驾驶行为被称为高事故相关驾驶行为。

此外，在生成事故相关模型时，以上已经描述了其中基于事故的概念将驾驶行为划分为事故人员的驾驶行为和安全人员的驾驶行为，并且两者之间的发生概率的差异大于预定值的驾驶行为被分类为高事故相关驾驶行为的示例。然而，在生成事故相关模型时，可以基于事故人员和安全人员的驾驶行为中的发生概率之外的其他内容来生成事故相关模型。

例如，代替简单地根据关于是否已发生事故的概念来执行划分，可以通过将事故分类为车辆对人事故、仅损坏事故、车辆事故以及人身事故的类别，并在每个类别中执行对事故人员和安全人员的划分来生成事故相关模型。以此方式，可以为诸如车辆对人事故、仅损坏事故、车辆事故以及人身事故的每个类别设置保险费的折扣率。事故的类别可以是除上述车辆对人事故、仅损坏事故、车辆事故以及人身事故四种类型之外的类别。例如，可以通过组合诸如驾驶员的年龄或性别和包括汽车、卡车以及摩托车的车辆的类型的情况来设置类别。

个体驾驶风险倾向计算单元252可以基于由高事故相关驾驶行为特征量提取单元251提取的高事故相关驾驶行为的信息来计算针对每个驾驶员的个体驾驶风险倾向。

这里，驾驶风险倾向包括个体驾驶员的每个高事故相关驾驶行为的发生概率、贡献度以及风险度。

这里，为高事故相关驾驶行为设置的贡献度指示与事故发生的相关度，并且例如，可以通过对作为个体驾驶员的高事故相关驾驶行为提取的驾驶行为执行回归分析来获得。换句话说，关于预定驾驶行为的贡献度，引起事故(促成事故发生)的可能性随着贡献度变高而增加。

个体驾驶风险倾向计算单元252基于每个高事故相关驾驶行为的贡献度和发生概率来计算风险度。风险度通过例如贡献度和发生概率的乘积来获得。另外，个体驾驶风险倾向计算单元252将关于与事故高度相关的每个驾驶行为的发生概率、贡献度以及风险度的信息输出到优先注意驾驶行为选择单元253。

例如，假设每个高事故相关驾驶行为i(i＝0，1，2，3，…)的发生概率由发生概率xi(i＝0，1，2，3，…)表示，贡献度由贡献度wi(i＝0，1，2，3，…)表示，并且风险度由风险度pi表示。这里，假设个体驾驶风险倾向计算单元252例如通过发生概率xi×100×贡献度wi×10来计算风险度pi(＝F(xi，wi))。

这里，假设与事故高度相关的驾驶行为i(i＝0至5)是突然加速，突然制动、突然右转向、突然左转向、不稳定驾驶以及不专心驾驶。

在这种情况下，如图8的左部所示，假设在驾驶行为i＝0的情况下突然加速的贡献度w0为0.311，其发生概率x0为0.051，在驾驶行为i＝1的情况下突然制动的贡献度w1为0.267，并且其发生概率x1为0.012。另外，假设在驾驶行为i＝2的情况下突然右转向的贡献度w2为0.123，其发生概率x2为0.032，在驾驶行为i＝3的情况下突然左转向的贡献度w3为0.097，并且其发生概率x3为0.021。此外，假设在驾驶行为i＝4的情况下不稳定驾驶的贡献度w4为0.061，其发生概率x4为0.001，在驾驶行为i＝5的情况下突然右转向的贡献度w5为0.032，并且其发生概率x2为0.003。

在这种情况下，当高事故相关驾驶行为i(i＝0至5)是突然加速、突然制动、突然右转向、突然左转向、不稳定驾驶以及不专心驾驶时，其风险度为风险度p0＝15.86(＝F(x0，w0)＝0.311×100×0.051×10)、风险度p1＝3.204(＝F(x1，w1)＝0.267×100×0.012×10)、风险度p2＝3.936(＝F(x2，w2)＝0.123×100×0.032×10)、风险度p3＝2.037(＝F(x3，w3)＝0.097×100×0.021×10)、风险度p4＝0.061(＝F(x4，w4)＝0.061×100×0.001×10)、风险度p5＝0.096(＝F(x5，w5)＝0.032×100×0.003×10)。

优先注意驾驶行为选择单元253基于从个体驾驶风险倾向计算单元252提供的关于个体驾驶风险倾向的信息，选择风险度高出预定数量的高事故相关驾驶行为作为优先注意驾驶行为，并且将所选择的高事故相关驾驶行为输出到UI/UX图像生成单元208。另外，优先注意驾驶行为选择单元253将所选择的优先注意驾驶行为的信息输出到针对优先注意驾驶行为的所有投保者的平均发生概率提取单元255。

针对每个驾驶行为的所有投保者的平均发生概率计算单元254获得所有投保者的个体驾驶风险倾向的平均值，并将所获得的平均值输出到针对优先注意驾驶行为的所有投保者的平均发生概率提取单元255。这里，由个体驾驶风险倾向计算单元252计算出的驾驶风险倾向是个体驾驶员的个体驾驶风险倾向。为此，关于高事故相关驾驶行为的发生概率的信息被提供给针对每个驾驶行为的所有投保者的平均发生概率计算单元254，该高事故相关驾驶行为的发生概率是从计算所有投保者的驾驶风险倾向的其他个体驾驶风险倾向计算单元252获得的计算结果。由此，针对每个驾驶行为的所有投保者的平均发生概率计算单元254计算所有投保者的所有高事故相关驾驶行为的发生概率的平均值，并将计算出的平均值输出到针对优先注意驾驶行为的所有投保者的平均发生概率提取单元255。

针对优先注意驾驶行为的所有投保者的平均发生概率提取单元255提取对应于基于驾驶员的驾驶风险倾向选择的上述优先注意驾驶行为的所有投保者的平均发生概率，并将所提取的平均发生概率输出到UI/UX图像生成单元208。

UI/UX图像生成单元208根据关于风险度高出预定数量的优先注意驾驶行为的个体驾驶风险倾向的信息和关于对应于优先注意驾驶行为的所有投保者的平均发生概率的信息生成UI/UX图像，并将所生成的UI/UX图像发送到移动装置91。

另外，UI/UX图像生成单元208基于优先注意驾驶行为中的风险度获得保险费的折扣(例如，折扣率、返现、返现率)。

UI/UX图像生成单元208根据例如风险度pi(＝F(xi，wi))计算保险费的折扣(返现)。保险费的折扣是基于优先注意驾驶行为的风险度获得的，并且相对于每个优先注意驾驶行为的风险度，使用例如如图9所示的指示风险度的折扣率的函数来获得。

在图9中，横轴表示风险度F(xi，wi)(＝pi)，并且纵轴表示保险费的折扣(返现)(折扣率)。即，保险费的折扣率随着风险度F(xi，wi)降低变得更高，并且保险费的折扣率随着风险度增加而变得更低。另外，例如，在使用如图9所示的函数的预定驾驶员的所有优先注意驾驶行为中，要应用的折扣率被设置为驾驶员的保险费的折扣率。即，在存在“突然加速”、“突然制动”以及“突然转向”三种类型的优先注意行为的驾驶行为，并且基于其风险度的折扣率分别为10％、15％以及12％的情况下，驾驶员的保险费的折扣率被设置为10％，以应用于所有三种类型的驾驶行为。

UI/UX图像生成单元208基于折扣率的信息，生成由针对个体驾驶员的优先注意驾驶行为的驾驶风险倾向和针对优先注意驾驶行为的评估图像构成的UI/UX显示图像。

更具体地，在图8的左下部所示的风险度中，将与事故高度相关达到前五位的驾驶行为被设置为优先注意驾驶行为的情况下，关于相对于驾驶行为i具有i＝0的突然加速、i＝1的突然制动、i＝2的突然右转向、i＝3的突然左转向以及i＝4的不专心驾驶的个体驾驶员的驾驶风险倾向的信息，以及关于所有投保者的驾驶风险倾向的平均值的信息被提供给UI/UX图像生成单元208。

UI/UX图像生成单元208生成例如UI/UX图像，该UI/UX图像是如图8的右部所示的用于评估驾驶员的驾驶的评估图像，并且在移动装置91的显示单元136上显示所生成的UI/UX图像。

在UI/UX图像的上部中显示其中显示要注意的驾驶行为的显示栏271，该UI/UX图像是如图8的右部所示的用于评估驾驶员的驾驶的评估图像。另外，在显示栏271的下方设置有其中将优先注意驾驶行为的风险度显示为条形图形显示栏272。此外，在显示栏272的下方设置有其中显示针对驾驶员的驾驶风险倾向的意见的显示栏273。

在图8的右部所示的显示栏271中，在中央下方显示“您的安全驾驶指南”，并且将针对驾驶员安全驾驶的指南显示为评估图像。另外，在上部从左到右以及在下部的左部和右部显示“第一”至“第五”，并且显示优先注意驾驶行为的前第一位至第五位。

在图8的显示栏271中，优先注意驾驶行为的第一位的驾驶行为为“突然加速”、第二位的驾驶行为为“突然制动”、第三位的驾驶行为为“突然右转向”、第四位的驾驶行为为“突然转向”以及第五位的驾驶行为为“不稳定驾驶”。即，在图8左下部所示的风险度中，与事故高度相关达到前五位的驾驶行为被示出为优先注意驾驶行为。

为此，在与事故高度相关的驾驶行为中，应当特别优先注意的驾驶行为被清楚地显示，驾驶员他自己或她自己可以适当地识别在安全驾驶中应当优先注意什么。

此外，在显示栏272中，例如，针对从左侧开始的“突然加速”、“突然制动”、“突然右转向”、“突然转向”以及“不稳定驾驶”中的每一个的个体驾驶风险倾向中具有高风险度的驾驶行为，由风险度p0至p3和p5的倒数构成的值被显示为条形图形。

为此，驾驶员可以识别在他或她驾驶期间如何评估优先注意驾驶行为。另外，由于条形图形被显示为实际风险度的倒数，因此具有高风险度的值被表示为小，而具有低风险度的值被表示为大，使得具有低风险度的点被高度评估和显示，就像受到赞扬一样。因此，由于不以强调的方式表示具有高风险度的薄弱部分，因此执行显示，使得驾驶员可以容易地接收针对他自己或她自己的驾驶风险倾向的评估。

此外，在显示栏272中，针对“突然加速”和“突然制动”的条形图形，指示接收保险费的折扣所需的目标水平的目标度曲线(target degree graph)被示出为虚线。

在图8中，在接收到保险费的折扣的情况下，不显示如虚线所示的目标度曲线。

目标度曲线被示出为例如用于实现预定保险费的折扣率的风险度的倒数的目标值，并且被设置为使得当风险度的倒数变得大于目标度曲线时获得保险费的折扣。由此，驾驶员可以识别出驾驶员进一步注意了多少以改进针对“突然加速”或“突然制动”的风险度的倒数的评估，以便获得保险费的折扣。

此外，在显示栏273中，显示“为了有效地降低风险，从避免突然加速开始”。这使得可以提示驾驶员知道在驾驶期间应注意什么以便降低风险，并且向驾驶员呈现应执行什么以便使保险费打折扣。相应地，在显示栏282中，针对“突然加速”的图形，执行用于使要注意的驾驶行为易于识别的呼叫显示，诸如“首先，从这里开始！”。

此外，UI/UX图像生成单元208在生成UI/UX图像时，除了针对个别驾驶员的优先注意驾驶行为的驾驶风险倾向和折扣率之外，还可以使用例如针对优先注意驾驶行为的所有投保者的平均发生概率。更具体地，生成并显示UI/UX图像，在该UI/UX图像中，将个体驾驶员的优先注意驾驶行为的发生概率与针对优先注意驾驶行为的所有投保者的平均发生概率进行比较，从而可以呈现驾驶员的发生概率相对于所有投保者的平均发生概率的优劣。此外，例如，在通过所有投保者之间的比较，驾驶员相对于具体驾驶行为显著低于其他投保者的情况下，生成并显示“由于您显著低于所有投保者的平均值，因此您需要注意驾驶行为”的显示图像，并且因此，可以清楚地呈现客观事实，并且更具体地，在识别出要注意的驾驶行为之后，提高安全驾驶的意识。

另外，当使用相对于其他投保者的评估作为保险费的折扣率时，引起事故的情况极为罕见。因此，存在相对于未引起事故的被保险人的保险费的折扣率，引起事故的被保险人的保险费的折扣率被设置为极小这样的担心。

然而，根据上述方法，可以根据个体驾驶员的驾驶行为来评估保险费的折扣，而不管过去是否发生了事故。即，不管驾驶员过去是否引起事故，都设置保险费的折扣率，从而可以防止甚至引起一次事故的驾驶员被评估为具有低折扣率。为此，即使针对过去引起事故的驾驶员，也可以使用诸如保险费的折扣的激励来提高安全驾驶的意识。然而，在设置保险费的折扣率时，可以根据需要使用相对评估。

<驾驶状态DB生成处理>

接下来，将参考图10的流程图描述驾驶状态DB生成处理。

在步骤S11中，基于由移动装置91的GPS 133从图中未示出的卫星获得的信号，将由地球上的纬度和经度构成的位置信息发送到服务器72的周围地图信息获取单元202和动作信息获取单元204。

在步骤S31中，服务器72的周围地图信息获取单元202访问地图信息DB 203，并且基于位置信息提取对应的地图信息。

在步骤S12中，基于从未示出的卫星获得并由移动装置91的GPS 133生成的信号，将由地球上的纬度和经度构成的位置信息发送到服务器72的动作信息获取单元204。

在步骤S13中，将由惯性传感器134检测到的惯性信息发送到服务器72的动作信息获取单元204。

在步骤S14中，将由环境传感器135检测到的环境信息发送到服务器72的动作信息获取单元204。

在步骤S32中，服务器72的动作信息获取单元204基于位置信息、惯性信息以及环境信息来检测动作信息。

在步骤S15中，将由车辆内部图像和声音检测单元154检测到的车辆内外图像信息和由车辆外部图像检测单元155检测到的车辆外部图像信息构成的车辆内外图像信息发送到车辆内外图像信息获取单元205。

在步骤S33中，由车辆内外图像信息获取单元205获取车辆内外图像信息。

在步骤S16中，将由生物传感器173检测到的生物信息发送到服务器72的生物信息获取单元206。

在步骤S34中，由生物信息获取单元206获取生物信息。

在步骤S35中，周围地图信息获取单元202、动作信息获取单元204、车辆内外图像信息获取单元以及生物信息获取单元206分别将地图信息、动作信息、车辆内外图像信息以及生物信息与用于识别驾驶员的信息和关于获取时间的信息相关联地登记在驾驶状态DB209中作为驾驶状态信息。

在步骤S17和S36中，确定是否终止处理。在没有给出终止指令的情况下，处理返回到步骤S11和S31，并且重复步骤S11和S31以及后续步骤的处理。此外，在步骤S17和S36中，当已经给出用于终止的指令时，处理终止。

根据上述处理，地图信息、动作信息、车辆内外图像信息以及生物信息与用于识别驾驶员的信息和关于获取时间的信息相关联地登记在驾驶状态DB 209中作为驾驶状态信息。

<UI/UX图像显示处理>

接下来，将参考图11的流程图描述用于基于登记在驾驶状态DB 209中的驾驶状态信息来显示例如图8所示的UI/UX图像的UI/UX图像显示处理。

在步骤S41中，控制单元131基于由惯性传感器134获得的检测结果，例如根据发动机的振动、移动速度的变化等确定作为移动装置91的所有者的驾驶员是否已经离开车辆73。在步骤S41中，控制单元131重复相同的处理，直到检测到下车为止。在步骤S41中，在检测到下车的情况下，处理进入步骤S42。

在步骤S42中，控制单元131控制通信单元132，以便从服务器72请求由评估图像构成的UI/UX图像。在这种情况下，控制单元131请求由评估图像构成的UI/UX图像，并且将用于识别作为移动装置91的所有者的驾驶员的信息一起发送到服务器72。

在步骤S51中，控制单元201控制通信单元207，以便确定是否已经请求由评估图像构成的UI/UX图像，并且重复相同的处理直到进行请求为止。此外，在步骤S51中，在已经请求由评估图像构成的UI/UX图像的情况下，处理进入步骤S52。

在步骤S52中，控制单元201使事故相关提取单元210执行驾驶风险倾向计算处理。

基于登记在驾驶状态DB 209中的驾驶状态信息，通过驾驶风险倾向计算处理来计算作为移动装置91的所有者的车辆73的驾驶员的优先注意驾驶行为的驾驶风险倾向和所有投保者相对于驾驶员的优先注意驾驶行为的发生概率。

这里，驾驶风险倾向由对应于驾驶员的优先注意驾驶行为的发生概率、贡献度以及风险度构成。

此外，稍后将参考图12详细描述驾驶风险倾向计算处理。

在步骤S53中，控制单元201将计算出的包括对应于驾驶员的优先注意驾驶行为的发生概率、贡献度以及风险度的驾驶风险倾向以及关于所有投保者相对于驾驶员的优先注意驾驶行为的发生概率的信息提供给UI/UX图像生成单元208。

UI/UX图像生成单元208基于由事故相关提取单元210计算出的对应于驾驶员的优先注意驾驶行为的风险度来计算保险费的折扣率。

即，UI/UX图像生成单元208基于对应于驾驶员的优先注意驾驶行为的风险度，使用例如参考图9描述的指示风险度与保险费的折扣率之间的关系的函数来计算保险费的折扣率。

在步骤S54中，UI/UX图像生成单元208基于包括对应于驾驶员的优先注意驾驶行为的发生概率、贡献度以及风险度的驾驶风险倾向来生成UI/UX图像，并将所生成的UI/UX图像输出到控制单元201。这里，所生成的UI/UX图像例如是参考图8描述的用于评估驾驶员的驾驶的评估图像。

在步骤S55中，控制单元201控制通信单元207，以便将由UI/UX图像生成单元208生成的UI/UX图像发送到移动装置91。

在步骤S42中，移动装置91的控制单元131使通信单元132接收从服务器72发送的UI/UX图像。

在步骤S43中，控制单元131在显示单元136上显示由通信单元132接收的UI/UX图像。

根据上述处理，基于登记在驾驶状态DB 210中的驾驶员的驾驶状态信息，获得针对每个驾驶员的驾驶风险倾向。基于驾驶风险倾向的信息计算保险费的折扣率，并且生成并显示UI/UX图像。

<驾驶风险倾向计算处理>

接下来，将参考图12的流程图描述驾驶风险倾向计算处理。

在步骤S81中，高事故相关驾驶行为特征量提取单元251提取基于登记在驾驶状态DB 210中的多条驾驶状态信息中请求由评估图像构成的UI/UX图像的驾驶员的驾驶状态信息而获得的驾驶行为中的高事故相关驾驶行为作为特征量。

在步骤S82中，个体驾驶风险倾向计算单元252基于由高事故相关驾驶行为特征量提取单元251提取的关于高事故相关驾驶行为的信息，计算针对每个驾驶员的每个高事故相关驾驶行为的发生概率、贡献度以及风险度，并将计算出的信息作为个体驾驶风险倾向输出。

更详细地，个体驾驶风险倾向计算单元252基于由高事故相关驾驶行为特征量提取单元251提取的关于高事故相关驾驶行为的信息，根据针对每个驾驶员的每个高事故相关驾驶行为在单位驾驶时间、单位里程等中的发生次数计算发生概率。

另外，个体驾驶风险倾向计算单元252基于由高事故相关驾驶行为特征量提取单元251提取的关于高事故相关驾驶行为的信息，使用事故发生概率、事故的数量、损坏量等作为客观变量来执行回归分析，并且计算针对每个高事故相关驾驶行为的贡献度。

此外，个体驾驶风险倾向计算单元252通过针对每个高事故相关驾驶行为将发生概率和贡献度的乘积乘以预定系数来计算风险度。

另外，个体驾驶风险倾向计算单元252输出针对每个高事故相关驾驶行为的发生概率、贡献度以及风险度，作为已请求UI/UX图像的驾驶员的个体驾驶风险倾向。

在步骤S83中，优先注意驾驶行为选择单元253基于关于个体驾驶风险倾向的信息，选择风险度高出预定数量的高事故相关驾驶行为作为优先注意驾驶行为，并且将所选择的高事故相关驾驶行为输出到UI/UX图像生成单元208。另外，优先注意驾驶行为选择单元253将所选择的优先注意驾驶行为的信息输出到针对优先注意驾驶行为的所有投保者的平均发生概率提取单元255。

在步骤S84中，针对每个驾驶行为的所有投保者的平均发生概率计算单元254获得针对所有投保者的个别驾驶风险倾向中的所有高事故相关驾驶行为中的每个驾驶行为的平均发生概率，并将所获得的平均发生概率输出到针对优先注意驾驶行为的所有投保者的平均发生概率提取单元255。

在步骤S85中，针对优先注意驾驶行为的所有投保者的平均发生概率提取单元255提取在所有投保者的所有高事故相关驾驶行为的平均发生概率中基于驾驶员的驾驶风险倾向选择的优先注意驾驶行为的平均发生概率，并将所提取的平均发生概率输出到UI/UX图像生成单元208。

根据上述处理，获得由关于针对驾驶员的每个优先注意驾驶行为的发生概率、贡献度以及风险度的信息构成的驾驶风险倾向，获得针对每个优先注意驾驶行为的所有投保者的发生概率，并且将所获得的驾驶风险倾向和发生概率输出到UI/UX图像生成单元208。

另外，以这种方式生成关于驾驶风险倾向的信息，并将该信息提供给UI/UX图像生成单元208，从而生成由驾驶员他自己或她自己的驾驶的评估图像构成的UI/UX图像，该评估图像显示在由驾驶员拥有的移动装置91上。

由此，驾驶员可以通过观看由评估图像构成的UI/UX图像来他自己或她自己识别驾驶风险倾向。另外，驾驶员不仅可以通过观看评估图像来确认是否接收到保险费的折扣，而且还可以识别在没有接收到保险费的折扣的情况下，应该对什么种类的驾驶行为给予多大的关注，以便接收保险费的折扣。

结果，可以使用诸如保险费的折扣的激励来提高驾驶员的安全驾驶意识，并且抑制交通事故的发生。另外，可以通过抑制交通事故的发生来减轻保险公司的保险金的负担，并且因此可以通过对保险费打折扣将保险费返还给作为被保险人的驾驶员。

此外，以上已经描述了其中将由车辆73的移动装置91、车辆控制单元92以及生物信息检测单元93检测到的各种检测结果登记在驾驶状态DB 210中，并且基于登记的驾驶状态信息获得驾驶风险倾向的示例。然而，可以基于由移动装置91、车辆控制单元92和生物信息检测单元93中的至少任何一个检测到的检测结果来登记驾驶状态信息。

另外，可以仅通过由移动装置91检测到的检测结果来构成驾驶状态信息，并且尤其是其中，可以仅通过由GPS 133和惯性传感器134的加速度传感器检测到的位置信息和加速度的检测结果来构成驾驶状态信息。由此，可以在移动装置91上显示基于所获得的驾驶风险倾向而生成的UI/UX图像，并且因此可以采用其中仅将移动装置91安装在车辆73上的配置。此外，移动装置91可以被配置为仅设置有GPS 133和惯性传感器134的加速度传感器。

即，图2所示的信息处理系统51可以仅通过由驾驶车辆73的驾驶员携带的移动装置91和服务器72构成。利用这种配置，可以实现上述信息处理系统51，而无需在车辆73中设置具体的传感器。即，例如，移动装置91仅通过安装应用程序就可以实现上述功能，并且因此可以以低成本容易地实现信息处理系统。

另外，以上已经描述了其中当驾驶员离开车辆73时生成UI/UX图像并在移动装置91的显示单元136上显示该UI/UX图像的示例，但是可以采用其他定时。

即，生成UI/UX图像并在移动装置91的显示单元136上显示该UI/UX图像的定时可以是例如驾驶员进入车辆时的定时和驾驶员离开车辆时的定时、累计里程超过固定值时的定时、从给出最后一个通知的定时起的累计里程超过固定值的定时、在登记为家庭等的位置处终止驾驶的定时、在驾驶行为明显好于通常的情况下和驾驶行为明显差于通常的情况下的至少任何一个定时、更新返现率的定时、自动更新目标返现率的定时、可以应用返现的定时、保险续保月临近的定时、切换优先注意驾驶行为的定时以及任何一个优先注意驾驶行为低于(超过)目标返现率的定时，并且可以是这些定时中的至少一个定时。

此外，以上已经描述了其中通过信息处理系统51实现本公开的示例。然而，例如，当可以实现移动装置91的高功能时，可以使用服务器72为移动装置91提供功能。在这种情况下，包括地图信息DB 203、驾驶状态DB 209以及事故信息DB 211的各种信息DB可以由云服务器管理，并且使用服务器72的其他功能可以由移动装置91实现。

<<3.修改示例(第1部分)>>

以上已经给出了UI/UX图像的评估图像的显示示例的描述，该UI/UX图像用于通过将具有较高风险度的优先注意驾驶行为显示为项目，并且清楚地示出个体驾驶员的风险度与用于接收保险费的折扣的基准之间的差异，以向驾驶员呈现诸如保险费的折扣的激励目标来促进安全驾驶。然而，本公开不限于此，并且可以通过更清楚地向驾驶员呈现诸如保险费的折扣的激励来促进安全驾驶。

图13示出了在按时间序列显示通过将个体驾驶员的安全指数、假设返现率(假设折扣率)、目标返现率(目标折扣率)以及作为用于实现预定返现率的基准的风险度进行相互比较而获得的图形的情况下的UI/UX图像的显示示例。

在图13的显示示例中，从顶部开始设置数值显示栏281、图形显示栏282、驾驶行为项目显示栏283以及时间显示栏284。

在数值显示栏281中从顶部显示安全指数、假设返现率以及目标返现率。在图形显示栏282中显示图形。在驾驶行为项目显示栏283中显示用于识别对应于图形显示栏282的图形的优先注意驾驶行为的图标。在时间显示栏284中显示设置评估项目的时间。

在图13的数值显示栏281中，从上部开始写入“A先生或A女士的安全指数：64分”、“假设返现率：10％”以及“目标返现率：15％”，这指示作为驾驶员的A先生或A女士的安全指数为64分、假设返现率为10％，并且目标返现率为15％。这里，假设返现率是假设根据到目前为止的返现率的转换实现的返现率。另外，目标返现率是针对假设返现率设置的返现率，是高于假设返现率的折扣率，并且是作为目标的返现率。此外，安全指数是例如随着风险度降低而被设置的值越大，并且随着风险度增加而被设置的值越小。

在图形显示栏282中，显示了示出驾驶员针对在驾驶行为项目显示栏283中的图标所示的驾驶行为的风险度和所有投保者的风险度的条形图形。

在图13的情况下，在驾驶行为项目显示栏283中显示的图标从左侧开始表示突然加速、突然制动、突然右转向、突然左转向、不稳定驾驶以及不专心驾驶。

为此，在图形显示栏282中显示的条形图形是指示从附图中左侧开始的突然加速、突然制动、突然右转向、突然左转向、不稳定驾驶以及不专心驾驶的风险度的条形图形。

此外，在图形显示栏282中，图案化图形表示针对作为驾驶员的A先生或A女士的每个驾驶行为的风险度，而虚线图形表示当目标返现率为15％时作为指数的风险度。即，当对应于每个驾驶行为的彩色图形的值低于彩色图形时，接收到15％的返现。

此外，在时间显示栏284中，指针292设置在滑动条291上，在该滑动条291中从左侧开始写入7月、8月…和11月，并且可以通过触摸用作触摸面板的显示单元136以左右滑动指针292来设置时间。在图13中，指针292被设置为9月上旬左右，并且上述显示内容指示9月上旬左右。即，由于登记在驾驶状态DB 209中的各种驾驶状态信息与获取时间相关联地被登记，因此可以通过从对应于由指针292指定的获取时间的高事故相关驾驶行为中获得关于驾驶风险倾向的信息，来显示对应于时间(日期和时间)的驾驶风险倾向。

图13示出了针对作为驾驶员的A先生或A女士在9月上旬的驾驶的评估。在图13中，安全指数为64分、假设返现率为10％并且目标返现率为15％。另外，针对作为驾驶员的A先生或A女士的突然加速、突然制动、突然右转向、突然左转向、不稳定驾驶以及不专心驾驶的驾驶行为的风险度被示出为图案化图形。在图13所示的图形显示栏282中，针对驾驶员的突然向右转向和突然左转向的风险度低于相应目标返现率，并且因此在每个图形上方显示“GOOD”。

由于可以通过左右滑动指针292来改变时间，因此例如由图14所示的指针292'所指示的那样，当指针移动到11月下旬左右时，如图14所示的数值显示栏281和图形显示栏282所示地改变显示内容。

即，在图14中，从上部开始写入“A先生或A女士的安全指数：78分”、“假设返现率：15％”以及“目标返现率：20％”，这指示作为驾驶员的A先生或A女士的安全指数为78分、假设返现率为15％，并且目标返现率为20％。

此外，在图14所示的图形显示栏282中，显示为图案化图形的图形表示针对作为驾驶员的A先生或A女士的每个驾驶行为的风险度，而虚线图形表示当目标返现率为20％时的风险度。

在图14所示的图形显示栏282中，由于针对驾驶员的突然左转向的风险度低于作为目标返现率的指数的风险度，并且因此在每个图形上方显示“GOOD”。另外，针对驾驶员的不稳定驾驶和不专心驾驶的风险度显著低于作为目标返现率的相应风险度，并且因此显示“GREAT”。

即，当比较图13和图14中所示的显示示例时，安全指数从9月上旬到11月下旬提高了14分，并且可以使驾驶员识别出，针对突然左转向的驾驶行为，可以通过将9月的目标返现率15％设置为11月的假设返现率15％实现该提高。

另外，针对突然左转向，实现了作为新目标的目标返现率20％，并且可以使驾驶员识别出不稳定驾驶和不专心驾驶可以显著低于目标返现率20％。此外，可以识别出驾驶员可以优选地意识到突然加速、突然制动以及突然右转向，以便实现目标返现率20％。

由此，可以使驾驶员通过在预定周期(例如，从图13所示的9月上旬到图14所示的11月下旬)内的驾驶行为的努力具体地识别出目标的实现度，并且具体地识别出下一个问题。

结果，可以使用诸如保险费的折扣(返现率)的激励来提高驾驶员的安全驾驶意识。

此外，在图13和图14所示的显示示例中，已经描述了其中目标返现率为15％和20％的示例。然而，被指示为虚线图形的目标返现率的图形可以由驾驶员自由地设置为各种目标返现率。

<<4.修改示例(第2部分)>>

以上已经描述了其中通过图形和数值来表示具体目标和实现度的评估图像的显示示例，但是可以通过清楚地显示要注意的驾驶行为来促进安全驾驶。

图15示出了其中清晰地显示要注意的驾驶行为的UI/UX图像的显示示例。

在图15中，在上部设置其中显示指示优先注意驾驶行为的第一位的驾驶行为的运动图像的运动图像显示栏311，并且在运动图像显示栏的下面设置用于呈现优先注意驾驶行为的第一位的驾驶行为的意见栏312。

在优先注意驾驶行为的第一位的驾驶行为例如是运动图像显示栏311中的突然制动的情况下，呈现用于提醒驾驶员例如当假设驾驶员突然踩踏车辆中的制动器时由于空转而引起事故的情况的运动图像。

另外，这里，在优先注意驾驶行为的第一位的驾驶行为是突然制动，并且因此在意见栏312中显示“我们的研究示出突然制动是非常危险的，请抑制一下。”。即，清楚地示出，作为优先注意驾驶行为的第一位的驾驶行为的突然制动是危险的并且被抑制。

由此，可以通过使驾驶员第一眼具体地识别优先注意驾驶行为的第一位的驾驶行为并注意要优先注意的驾驶行为来促进安全驾驶。

<<5.修改示例(第3部分)>>

以上已经描述了其中作为问题的驾驶行为被具体地呈现给驾驶员以便被驾驶员识别的评估图像的显示示例，但是可以通过有效地呈现安全指数来促进安全驾驶。

图16示出了其中设置安全指数显示栏331来代替图13和图14所示的显示示例中的数值显示栏281的显示示例。

在图16所示的安全指数显示栏331中，显示通过平滑地连接所有投保者的安全指数的直方图得到的曲线，并将驾驶员他自己或她自己的安全指数示出为虚线。在图16中，驾驶员的安全指数显示为78分(你：78分)。即，在图16所示的安全指数显示栏331中显示的直方图中，横轴表示安全指数，并且纵轴表示频率(人数)。

由于通过以这种方式执行显示，驾驶员自身的安全指数在所有投保者中的排名变得清楚，因此可以设置用于获得较高排名的目标，并且可以识别在所有投保者中驾驶员意识到安全驾驶的程度。

另外，通过移动滑动条291上的指针292，根据时间来改变和显示所有投保者中的安全指数的排名，并且因此，驾驶员可以根据时间来确认他或她自己的安全指数的转变。

由此，可以使驾驶员识别出相对于所有投保者的安全指数的排名，并且可以定量地识别出驾驶员相对于所有投保者关于安全驾驶的努力的意识水平。同样在这种情况下，可以使驾驶员通过针对每个优先注意驾驶行为的安全驾驶的努力具体地识别出目标的实现度，并且具体地识别出下一个问题。

<<6.修改示例(第4部分)>>

以上已经描述了用于通过有效地呈现安全指数来促进安全驾驶的评估图像的显示示例。然而，可以使驾驶员通过针对每个优先注意驾驶行为的安全驾驶的努力具体地识别出目标的实现度，并且可以使驾驶员具体地识别出作为具体呈现的问题的驾驶行为。

在图17中，设置意见显示栏351来代替图13和图14所示的数值显示栏281。

在图17的意见显示栏351中，写入“与全国各地的人相比，突然加速和突然加速的次数明显较多。让我们首先注意这些项目。”，并且驾驶员可以识别出，作为驾驶行为的“突然加速”和“突然制动”的风险度高于其他投保者，并且驾驶员他自己或她自己应该注意这些驾驶行为。

要显示在意见显示栏351中的意见的内容可以与例如其中驾驶员的优先注意驾驶行为的发生概率与所有投保者的优先注意驾驶行为的平均发生概率之间的差异最大的优先注意驾驶行为相关。另外，要显示在意见显示栏351中的意见的内容可以与例如其中驾驶员的优先注意驾驶行为的风险度与目标返现率的指数之间的差异大的优先注意驾驶行为相关。

此外，同样在图17中，通过移动滑动条291上的指针292以改变时间并在所有投保者之间执行比较来呈现要注意的驾驶行为，并且因此驾驶员可以确认由驾驶员他自己或她自己要注意的驾驶行为的转变，并且可以识别已经注意到的驾驶行为的改进、示出为新问题的驾驶行为等作为驾驶员他自己或她自己的驾驶的改变。

<<7.修改示例(第5部分)>>

已经描述了用于通过示出目前为止针对驾驶员的驾驶行为的评估的转变来促进安全驾驶的评估图像的显示示例。然而，例如，可以结合导航设备来执行用于呈现在前往目的地的行驶路线上行驶之后要注意的点的显示。

即，例如，当使用导航设备设置到目的地的行驶路线时，沿着行驶路线留下行驶记录。以这种方式，当留下行驶记录时，如图18所示，将所生成行驶记录的日期和时间的列表显示为列表显示栏371。在列表显示栏371中，示出了对应于行驶路线上的风险度的颜色。例如，针对其中获得高于预定值的风险度的被视为危险行驶的行驶记录，地图上的行驶路线以红色显示，并且例如针对其中获得低于预定值的风险度的被视为安全行驶的行驶记录，地图上的行驶路线可以以蓝色显示。

在图18所示的列表显示栏371中，从顶部开始显示“2017/07/12 14：34”、“2017/07/02 10：11”、“2017/06/25 21：24”、“2017/06/25 15：25”、“2017/06/25 09：48”、“2017/06/14 12：22”以及“2017/06/05 08：05”，这指示在从2017/07/12 14：34开始的预定周期内记录了行驶记录。

另外，指示在从2017/07/02 10：11开始的预定周期内、从2017/06/25 21：24开始的预定周期内、从2017/06/25 15：25开始的预定周期内、从2017/06/25 09：48开始的预定周期内、从2017/06/14 12：22开始的预定周期内以及从2017/06/05 08：05开始的预定周期内记录了行驶记录。

例如，在图18所示的列表显示栏371中，假设其中写有显示为从顶部开始的第三部分处的右下倾斜部分的“2017/06/25 21：24”的日期和时间栏381以红色显示，指示具有高风险度的行驶记录。

当根据显示单元136的触摸面板的功能选择并操作日期和时间栏381时，如图19所示，显示指示使用导航设备获得的行驶路线的地图图像。

在图19中，在最上部显示其中显示选择的日期和时间的日期和时间显示栏391，该日期和时间显示栏391指示行驶记录“2017/06/25 21：24”，该行驶记录“2017/06/25 21：24”是在图18所示的日期和时间栏381中选择的行驶记录。

在日期和时间显示栏391的下方设置有地图显示栏392。在图19所示的地图显示栏392中，行驶路线411以黑色显示，并且在行驶路线上执行具有高于预定值的风险度的高事故相关驾驶行为的点处，通过右下倾斜线显示行驶路线。

此外，设置用于描述当在行驶路线411上的由右下倾斜线指示并且执行高事故相关驾驶行为的位置上执行操作时的高事故相关驾驶行为的内容的写入栏393，并且以弹出方式显示高事故相关驾驶行为的描述。

在图19中，响应于圆形标记412的操作以弹出方式显示写入栏393。在写入栏393中，写入“突然加速强度：0.4G时间：21：41：31”，这指示过去在行驶路线上由圆形标记412指示的点处执行的高事故相关驾驶行为是在21：41：31发生的突然加速，并且当时的强度为0.4G。

此外，在地图显示栏392的下方设置意见栏394，并写入风险度高于行驶记录中的预定值的原因。在图19所示的意见栏394中，写入“与普通驾驶相比，在行驶期间突然加速显著明显。”的意见，并指示风险度高于预定值的原因是由于突然加速。

驾驶员可以通过查看行驶记录来确认在什么点和什么类型的高事故相关驾驶行为已经被执行，并且可以识别在未来的什么位置和什么定时应该注意到什么类型的驾驶行为。

此外，以上已经描述了其中风险度高于预定值的行驶记录中的意见的显示示例。然而，在其中风险度低于预定值的被视为安全驾驶的行驶记录的情况下，可以在意见栏394中评论作为安全驾驶的行驶中的好的点。

<<8.由软件执行的示例>

顺便提及，上述一系列处理能够由硬件执行，但是上述一系列处理也能够由软件执行。在一系列处理由软件执行的情况下，将包括在软件中的程序从记录介质安装到内置在专用硬件中的计算机或者例如能够通过安装各种程序执行各种功能的通用计算机等。

图20示出了通用计算机的配置示例。该个人计算机具有内置在其中的中央处理单元(CPU)1001。输入和输出接口1005通过总线1004连接到CPU 1001。只读存储器(ROM)1002和随机存取存储器(RAM)1003连接到总线1004。

包括用户通过其输入操作命令的诸如键盘和鼠标的输入装置的输入单元1006、将处理操作画面或处理结果的图像输出到显示装置的输出单元1007、包括存储程序或各种数据的硬盘驱动器等的存储单元1008以及包括局域网(LAN)适配器等并通过由互联网表示的网络执行通信处理的通信单元1009连接到输入和输出接口1005。另外，磁盘(包括软盘)、光盘(包括光盘只读存储器(CD-ROM)和数字多功能光盘(DVD))、磁光盘(包括迷你盘(MD))、从诸如半导体存储器的可移动介质1011读取和向其写入数据的驱动器1010连接到输入和输出接口1005。

CPU 1001根据存储在ROM 1002中的程序或从安装在存储单元1008中的磁盘、光盘、磁光盘或诸如半导体存储器的可移动介质1011读取并从存储单元1008加载到RAM 1003的程序来执行各种处理。RAM 1003还适当地存储例如CPU 1001执行各种处理所需的数据。

在如上所述配置的计算机中，CPU 1001经由输入和输出接口1005和总线1004将例如存储在存储单元1008中的程序加载到RAM 1003上，并执行该程序，从而执行上述一系列处理。

例如，由计算机(CPU 1001)执行的程序可以记录并提供在可移动介质1011中，该可移动介质1011是封装介质等。另外，程序可以经由诸如局域网、互联网以及数字卫星广播的有线或无线传输介质来提供。

在计算机中，通过将可移动介质1011安装到驱动器1010上，程序可以经由输入和输出接口1005安装到存储单元1008中。程序还可以由通信单元1009经由有线或无线传输介质接收，并安装到存储单元1008中。另外，程序可以预先安装到ROM 1002或存储单元1008中。

注意，由计算机执行的程序可以是其中在时间序列中按本文描述的顺序执行处理的程序，或者可以是其中并行地或在必要的定时(诸如当调用处理时)执行处理的程序。

此外，图20中所示的CPU 1001实现图4所示的服务器72的控制单元201的功能。另外，图20所示的存储单元1008实现图4所示的地图信息DB 203、驾驶状态DB 209以及事故信息DB 211。

此外，在本说明书中，系统具有多个配置元件(诸如设备或模块(部件))的集合的含义，并且不考虑所有配置元件是否在相同的壳体中。因此，该系统可以是存储在单独的壳体中并通过网络连接的多个设备，或者是其中多个模块存储在单个壳体中的设备。

注意，本公开的实施方式不限于上述实施方式，并且可以在不脱离本公开的范围的情况下进行各种改变和修改。

例如，本公开可以采用云计算的配置，其中，多个装置经由网络共享单个功能并协作地执行处理。

此外，上述流程图中的每个步骤可以由单个装置执行或者由多个装置共享并执行。

另外，在单个步骤包括多个处理的情况下，包括在单个步骤中的多个处理可以由单个装置执行或者由多个装置共享并执行。

另外，本技术还可以如下配置。

<1>一种信息处理设备，包括：

驾驶行为获取单元，其获取关于驾驶车辆的驾驶员的驾驶行为的信息；

高事故相关驾驶行为特征量提取单元，其在驾驶行为中提取与事故高度相关的高事故相关驾驶行为；

驾驶风险倾向计算单元，其基于高事故相关驾驶行为计算驾驶风险倾向；以及

显示图像生成单元，其基于由驾驶风险倾向计算单元计算出的驾驶风险倾向生成显示图像。

<2>根据<1>的信息处理设备，其中，

驾驶风险倾向计算单元计算高事故相关驾驶行为的发生概率、贡献度以及风险度作为驾驶风险倾向。

<3>根据<2>的信息处理设备，其中，

驾驶风险倾向计算单元以时间为单位或以里程为单位计算高事故相关驾驶行为的发生概率，通过以时间为单位或以里程为单位对高事故相关驾驶行为进行回归分析来计算贡献度，并且基于发生概率和贡献度的乘积来计算风险度。

<4>根据<3>的信息处理设备，还包括：

优先注意驾驶行为选择单元，其选择风险度在预定较高排名的高事故相关驾驶行为作为优先注意驾驶行为。

<5>根据<4>的信息处理设备，其中，

驾驶员是汽车保险的投保者，并且

信息处理设备还包括

所有投保者高事故相关驾驶行为平均发生概率计算单元，其计算汽车保险的所有投保者的高事故相关驾驶行为的平均发生概率，以及

所有投保者优先注意驾驶行为平均发生概率提取单元，其基于汽车保险的所有投保者的高事故相关驾驶行为的平均发生概率，提取针对优先注意驾驶行为的所有投保者的平均发生概率。

<6>根据<2>的信息处理设备，其中，

驾驶员是汽车保险的投保者，并且

显示图像生成单元基于驾驶风险倾向中的优先注意驾驶行为的风险度生成显示图像。

<7>根据<6>的信息处理设备，其中，

显示图像生成单元生成显示图像，该显示图像指示驾驶风险倾向中的优先注意驾驶行为的风险度与对应于汽车保险的保险费的折扣率的风险度之间的比较。

<8>根据<7>的信息处理设备，其中，

显示图像生成单元生成显示图像，在该显示图像中，针对其中驾驶风险倾向中的优先注意驾驶行为的风险度低于作为汽车保险的保险费的折扣率的指数的风险度的优先注意驾驶行为，添加用于促进驾驶行为的改进的意见。

<9>根据<8>的信息处理设备，其中，

保险费的折扣率基于指示折扣率随着风险度增加而变低，并且折扣率随着风险度降低而变高的函数来设置。

<10>根据<7>的信息处理设备，其中，

显示图像生成单元基于优先注意驾驶行为的风险度设置安全指数，并且生成其中添加了安全指数的显示图像。

<11>根据<7>的信息处理设备，其中，

显示图像生成单元包括具有用于指定显示图像中的日期和时间的日期和时间指定功能的配置，并且生成显示图像，该显示图像指示在使用日期和时间指定功能指定的日期和时间处，驾驶风险倾向中的优先注意驾驶行为的风险度与根据汽车保险的保险费的折扣率的风险度之间的比较。

<12>根据<7>的信息处理设备，其中，

显示图像生成单元生成显示图像，在该显示图像中，针对其中驾驶风险倾向中的优先注意驾驶行为的风险度低于作为汽车保险的保险费的折扣率的指数的风险度的优先注意驾驶行为，添加用于促进驾驶行为的改进的运动图像。

<13>根据<7>的信息处理设备，其中，

显示图像生成单元生成由驾驶员驾驶的车辆的行驶路线的显示图像，并且基于关于驾驶风险倾向的信息生成显示图像，在该显示图像中，风险度高于预定风险度的位置在行驶路线上以预定颜色显示。

<14>根据<1>至<13>中任一项的信息处理设备，还包括：

驾驶状态累积单元，其提取关于驾驶车辆的驾驶员的驾驶行为的信息，并累积驾驶员的驾驶状态的检测结果；

地图信息获取单元，其获取由驾驶员驾驶的车辆的位置信息，基于位置信息提取地图信息，并将所提取的信息作为驾驶状态累积在驾驶状态累积单元中；

动作信息获取单元，其检测由驾驶员驾驶的车辆的动作信息，并将检测到的信息作为驾驶状态累积在驾驶状态累积单元中；

车辆内外图像信息获取单元，其检测由驾驶员驾驶的车辆的车辆内外图像信息，并将检测到的信息作为驾驶状态累积在驾驶状态累积单元中；以及

生物信息获取单元，其检测驾驶员的生物信息，并将检测到的信息作为驾驶状态累积在驾驶状态累积单元中。

<15>根据<14>的信息处理设备，其中，

位置信息通过由驾驶员携带的移动装置检测，并且

信息处理设备还包括发送单元，该发送单元将由显示图像生成单元生成的显示图像发送到由驾驶员携带的移动装置。

<16>一种信息处理方法，包括：

驾驶行为获取处理，其获取关于驾驶车辆的驾驶员的驾驶行为的信息；

高事故相关驾驶行为提取处理，其在驾驶行为中提取与事故高度相关的高事故相关驾驶行为；

驾驶风险倾向计算处理，其基于高事故相关驾驶行为计算驾驶风险倾向；以及

显示图像生成处理，其基于由驾驶风险倾向计算处理计算出的驾驶风险倾向生成显示图像。

<17>一种程序，用于使计算机用作：

驾驶行为获取单元，其获取关于驾驶车辆的驾驶员的驾驶行为的信息；

高事故相关驾驶行为特征量提取单元，其在驾驶行为中提取与事故高度相关的高事故相关驾驶行为；

驾驶风险倾向计算单元，其基于高事故相关驾驶行为计算驾驶风险倾向；以及

显示图像生成单元，其基于由驾驶风险倾向计算单元计算出的驾驶风险倾向生成显示图像。

<18>一种由驾驶车辆的驾驶员携带的信息处理设备，该信息处理设备包括：

位置检测单元，其检测车辆的位置信息；

检测单元，其检测车辆的加速度；以及

通信单元，其将位置信息和加速度信息发送到服务器，并基于位置信息和加速度信息获取由服务器生成的显示图像，其中，

该显示图像基于从驾驶车辆的驾驶员的驾驶行为中与事故高度相关的高事故相关驾驶行为计算出的驾驶风险倾向生成。

<19>一种用于由驾驶车辆的驾驶员携带的信息处理设备的信息处理方法，该信息处理方法包括：

位置信息检测处理，其检测车辆的位置信息；

检测处理，其检测车辆的加速度；以及

通信处理，其将位置信息和加速度信息发送到服务器，并基于位置信息和加速度信息获取由服务器生成的显示图像，其中，

该显示图像

基于从驾驶车辆的驾驶员的驾驶行为中与事故高度相关的高事故相关驾驶行为计算出的驾驶风险倾向生成。

<20>一种程序，用于使控制由驾驶车辆的驾驶员携带的信息处理设备的计算机用作：

位置检测单元，其检测车辆的位置信息；

检测单元，其检测车辆的加速度；以及

通信单元，其将位置信息和加速度信息发送到服务器，并基于位置信息和加速度信息获取由服务器生成的显示图像，其中，

该显示图像基于从驾驶车辆的驾驶员的驾驶行为中与事故高度相关的高事故相关驾驶行为计算出的驾驶风险倾向生成。

参考标记列表

51 信息处理系统

71 网络

72 服务器

73、73-1至73-n 车辆

91、91-1至91-n 移动装置

92、92-1至92-n 车辆控制单元

93 生物信息检测单元

131 控制单元

132 通信单元

133 GPS

134 惯性传感器

135 环境传感器

151 控制单元

152 通信单元

153 车辆信息检测单元

154 车辆内部图像检测单元

155 车辆外部图像检测单元

171 控制单元

172 通信单元

173 生物传感器

201 控制单元

202 周围地图信息获取单元

203 地图信息DB

204 动作信息获取单元

205 车辆内外图像信息获取单元

206 生物信息检测单元

207 通信单元

208 UI/UX图像生成单元

209 驾驶状态DB

210 事故相关提取单元

211 事故信息DB

251 高事故相关驾驶行为特征量提取单元

252 个体驾驶风险倾向计算单元

253 优先注意驾驶行为选择单元

254 针对每个驾驶行为的所有投保者的平均发生概率计算单元

255 针对优先注意驾驶行为的所有投保者的平均发生概率提取单元。

Claims (20)

1.一种信息处理设备，包括：

驾驶行为获取单元，获取关于驾驶车辆的驾驶员的驾驶行为的信息；

高事故相关驾驶行为特征量提取单元，在所述驾驶行为中提取与事故高度相关的高事故相关驾驶行为；

驾驶风险倾向计算单元，基于所述高事故相关驾驶行为计算驾驶风险倾向；以及

显示图像生成单元，基于由所述驾驶风险倾向计算单元计算出的所述驾驶风险倾向生成显示图像。

2.根据权利要求1所述的信息处理设备，其中，

所述驾驶风险倾向计算单元计算所述高事故相关驾驶行为的发生概率、贡献度以及风险度作为驾驶风险倾向。

3.根据权利要求2所述的信息处理设备，其中，

所述驾驶风险倾向计算单元以时间为单位或以里程为单位计算所述高事故相关驾驶行为的发生概率，通过以时间为单位或以里程为单位对所述高事故相关驾驶行为进行回归分析来计算贡献度，并且基于所述发生概率和所述贡献度的乘积来计算风险度。

4.根据权利要求3所述的信息处理设备，还包括：

优先注意驾驶行为选择单元，所述优先注意驾驶行为选择单元选择风险度在预定较高排名的高事故相关驾驶行为作为优先注意驾驶行为。

5.根据权利要求4所述的信息处理设备，其中，

所述驾驶员是汽车保险的投保者，并且

所述信息处理设备还包括：

所有投保者高事故相关驾驶行为平均发生概率计算单元，所述所有投保者高事故相关驾驶行为平均发生概率计算单元计算所述汽车保险的所有投保者的高事故相关驾驶行为的平均发生概率，以及

所有投保者优先注意驾驶行为平均发生概率提取单元，所述所有投保者优先注意驾驶行为平均发生概率提取单元基于所述汽车保险的所有所述投保者的所述高事故相关驾驶行为的平均发生概率，提取针对所述优先注意驾驶行为的所有所述投保者的平均发生概率。

6.根据权利要求2所述的信息处理设备，其中，

所述驾驶员是汽车保险的投保者，并且

所述显示图像生成单元基于所述驾驶风险倾向中的优先注意驾驶行为的风险度生成显示图像。

7.根据权利要求6所述的信息处理设备，其中，

所述显示图像生成单元生成指示所述驾驶风险倾向中的优先注意驾驶行为的风险度与对应于所述汽车保险的保险费的折扣率的风险度之间的比较的显示图像。

8.根据权利要求7所述的信息处理设备，其中，

所述显示图像生成单元生成其中针对所述驾驶风险倾向中的优先注意驾驶行为的风险度低于作为所述汽车保险的保险费的折扣率的指数的风险度的优先注意驾驶行为，添加用于促进驾驶行为的改进的意见的显示图像。

9.根据权利要求8所述的信息处理设备，其中，

保险费的所述折扣率基于指示所述折扣率随着所述风险度增加而变低，并且所述折扣率随着所述风险度降低而变高的函数来设置。

10.根据权利要求7所述的信息处理设备，其中，

所述显示图像生成单元基于所述优先注意驾驶行为的风险度设置安全指数，并且生成其中添加了所述安全指数的显示图像。

11.根据权利要求7所述的信息处理设备，其中，

所述显示图像生成单元包括具有用于指定显示图像中的日期和时间的日期和时间指定功能的配置，并且生成指示在使用所述日期和时间指定功能指定的所述日期和时间处，所述驾驶风险倾向中的优先注意驾驶行为的风险度与根据所述汽车保险的保险费的折扣率的风险度之间的比较的显示图像。

12.根据权利要求7所述的信息处理设备，其中，

所述显示图像生成单元生成其中针对所述驾驶风险倾向中的优先注意驾驶行为的风险度低于作为所述汽车保险的保险费的折扣率的指数的风险度的优先注意驾驶行为，添加用于促进驾驶行为的改进的运动图像的显示图像。

13.根据权利要求7所述的信息处理设备，其中，

所述显示图像生成单元生成由所述驾驶员驾驶的所述车辆的行驶路线的显示图像，并且基于关于所述驾驶风险倾向的信息生成其中风险度高于预定风险度的位置在所述行驶路线上以预定颜色显示的显示图像。

14.根据权利要求1所述的信息处理设备，还包括：

驾驶状态累积单元，所述驾驶状态累积单元提取关于驾驶所述车辆的所述驾驶员的驾驶行为的信息，并累积所述驾驶员的驾驶状态的检测结果；

地图信息获取单元，所述地图信息获取单元获取由所述驾驶员驾驶的所述车辆的位置信息，基于所述位置信息提取地图信息，并将所提取的信息作为所述驾驶状态累积在所述驾驶状态累积单元中；

动作信息获取单元，所述动作信息获取单元检测由所述驾驶员驾驶的所述车辆的动作信息，并将所检测到的信息作为所述驾驶状态累积在所述驾驶状态累积单元中；

车辆内外图像信息获取单元，所述车辆内外图像信息获取单元检测由所述驾驶员驾驶的所述车辆的车辆内外图像信息，并将所检测到的信息作为所述驾驶状态累积在所述驾驶状态累积单元中；以及

生物信息获取单元，所述生物信息获取单元检测所述驾驶员的生物信息，并将所检测到的信息作为所述驾驶状态累积在所述驾驶状态累积单元中。

15.根据权利要求14所述的信息处理设备，其中，

所述位置信息通过由所述驾驶员携带的移动装置检测，并且

所述信息处理设备还包括发送单元，所述发送单元将由所述显示图像生成单元生成的所述显示图像发送到由所述驾驶员携带的移动装置。

16.一种信息处理方法，包括：

驾驶行为获取处理，获取关于驾驶车辆的驾驶员的驾驶行为的信息；

高事故相关驾驶行为提取处理，在所述驾驶行为中提取与事故高度相关的高事故相关驾驶行为；

驾驶风险倾向计算处理，基于所述高事故相关驾驶行为计算驾驶风险倾向；以及

显示图像生成处理，基于由所述驾驶风险倾向计算处理计算出的所述驾驶风险倾向生成显示图像。

17.一种程序，用于使计算机用作：

驾驶行为获取单元，获取关于驾驶车辆的驾驶员的驾驶行为的信息；

高事故相关驾驶行为特征量提取单元，在所述驾驶行为中提取与事故高度相关的高事故相关驾驶行为；

驾驶风险倾向计算单元，基于所述高事故相关驾驶行为计算驾驶风险倾向；以及

显示图像生成单元，基于由所述驾驶风险倾向计算单元计算出的所述驾驶风险倾向生成显示图像。

18.一种由驾驶车辆的驾驶员携带的信息处理设备，所述信息处理设备包括：

位置检测单元，检测所述车辆的位置信息；

检测单元，检测所述车辆的加速度；以及

通信单元，将所述位置信息和加速度信息发送到服务器，并基于所述位置信息和加速度信息获取由所述服务器生成的显示图像，其中，

所述显示图像基于从驾驶所述车辆的所述驾驶员的驾驶行为中与事故高度相关的高事故相关驾驶行为计算出的驾驶风险倾向生成。

19.一种用于由驾驶车辆的驾驶员携带的信息处理设备的信息处理方法，所述信息处理方法包括：

位置信息检测处理，检测所述车辆的位置信息；

检测处理，检测所述车辆的加速度；以及

通信处理，将所述位置信息和加速度信息发送到服务器，并基于所述位置信息和加速度信息获取由所述服务器生成的显示图像，其中，

所述显示图像基于从驾驶所述车辆的所述驾驶员的驾驶行为中与事故高度相关的高事故相关驾驶行为计算出的驾驶风险倾向生成。

20.一种程序，用于使控制由驾驶车辆的驾驶员携带的信息处理设备的计算机用作：

位置检测单元，检测所述车辆的位置信息；

检测单元，检测所述车辆的加速度；以及

通信单元，将所述位置信息和加速度信息发送到服务器，并基于所述位置信息和加速度信息获取由所述服务器生成的显示图像，

其中，所述显示图像基于从驾驶所述车辆的所述驾驶员的驾驶行为中与事故高度相关的高事故相关驾驶行为计算出的驾驶风险倾向生成。

Images