CN113928328A - 受损驾驶辅助 - Google Patents

Abstract

本申请案涉及受损驾驶辅助。车辆中的系统可具有相机和/或传感器。此相机可被配置成记录所述车辆中用户的视觉特征，且发送从所述视觉特征导出的数据。此传感器可被配置成感测所述车辆中所述用户的非视觉特征，且发送从所述非视觉特征导出的数据。所述系统可具有被配置成从所述相机和所述传感器接收此数据的计算系统。所述计算装置还可以被配置成基于从视觉和非视觉特征导出的所接收数据以及AI系统确定所述用户的状态。所述计算装置还可以被配置成至少部分地基于所述AI系统可从所述所接收数据推断的所述用户的所述状态启用或停用所述车辆的功能。

Description

受损驾驶辅助

技术领域

本文中所公开的至少一些实施例涉及受损驾驶辅助。

背景技术

交通运输系统不断发展，在过去三十年内，人们从点A到B的方式已经发生了巨大改变。举例来说，先进驾驶辅助系统(ADAS)是在驾驶过程中帮助车辆的驾驶者的电子系统。ADAS提高了汽车安全性和道路安全性。ADAS系统使用例如电子控制单元和功率半导体装置等电子技术。大多数道路事故是归因于人为差错而发生的；因此，使车辆的一些控制自动化的ADAS可以减少人为差错和道路事故。ADAS已经被设计成使车辆系统自动化、调适并增强车辆系统以实现安全性和改进驾驶。ADAS的安全特征被设计成通过提供警示驾驶者潜在问题的技术来避免碰撞和事故，或通过实施保障措施和获得车辆的控制来避免碰撞。自适应特征可使照明自动化，提供自适应巡航控制和碰撞避免，提供行人碰撞避免缓解(PCAM)，警示驾驶者其它汽车或危险，提供车道偏离警告系统，提供自动车道居中，在盲区展示视野，或连接到导航系统。

作为另一实例，共乘已经改变了人们出行的方式。并且，它为许多驾驶者提供可替代的机会。在美国，共乘已变成一种普遍的交通运输模式，且正在全世界范围内增长。共乘服务经由网站或另一类型的应用将乘客与驾驶者或车辆连接。当前，若干共乘服务经由移动应用来匹配消费者与车辆。汽车的共乘服务可被称为叫车(ride-hailing)服务，且此些服务还可用于包含飞机和船艇在内的其它类型的车辆的共乘。

共乘服务已经在出租车服务不太普遍的人口较少或较贫困地区变得流行。并且，共乘已变得普遍，因为至少有这样的感知：此些服务比出租车服务便宜。并且，共乘是有益的，因为已经证明其降低了运行此些服务的一些城市的酒后驾车率。

发明内容

在一个方面中，本申请案提供一种系统，其包括：至少一个处理装置；以及存储器，其含有指令，所述指令被配置成指示所述至少一个处理装置：从至少一个相机接收从车辆中用户的至少一个视觉特征导出的第一数据，其中所述至少一个视觉特征由所述至少一个相机记录；使用具有基于所接收第一数据的输入的人工智能(AI)系统确定所述用户的至少一个状态，其中在其中所述用户先前处于所述车辆中的训练周期期间使用存储于数据库中的所述用户的其它数据来训练所述AI系统；以及基于所确定的至少一个状态启用或停用所述车辆的至少一个功能。

在另一方面中，本申请案提供一种系统，其包括：至少一个相机，其被配置成记录车辆中用户的至少一个视觉特征，且提供从所述至少一个视觉特征导出的第一数据；以及计算系统，其被配置成：使用具有基于所述第一数据的输入的人工智能(AI)系统确定所述用户的至少一个状态，其中在其中所述用户先前处于所述车辆中的训练周期期间使用存储于数据库中的所述用户的其它数据来训练所述AI系统；基于所述至少一个状态选择所述车辆的特征；以及启用或停用所选择的特征。

在又一方面中，本申请案提供一种方法，其包括：由计算系统从至少一个相机接收关于车辆中的用户的数据，其中所述数据由所述至少一个相机记录；使用具有基于所接收数据的输入的人工智能(AI)系统确定所述用户的状态，其中在其中所述用户被识别为所述车辆的驾驶者的训练周期期间使用存储于数据库中的所述用户的表示从视觉特征导出的信息的第一数据和表示从非视觉特征导出的信息的第二数据来训练所述AI系统；以及由所述计算系统且基于所述用户的所确定的状态致使停用所述车辆的至少一个功能。

附图说明

根据下文提供的具体实施方式和本公开的各种实施例的附图将更加充分地理解本公开。

图1到3示出根据本公开的一些实施例的实例联网系统，其至少包含车辆、移动装置、共乘服务系统(RSSS)和受损驾驶辅助系统(IDAS)且被配置成实施受损驾驶辅助的方面。

图4示出根据本公开的一些实施例被配置成实施受损驾驶辅助的方面的实例车辆的图式。

图5到6示出根据本公开的一些实施例可由图4中展示的车辆或图1到3中描绘的联网系统的方面执行的实例操作的流程图。

具体实施方式

本文中所公开的至少一些实施例涉及受损驾驶辅助。举例来说，基于经由人工智能(AI)评估的驾驶者的当前神智水平，车辆可选择性地给予驾驶者控制或从驾驶者获取控制。举例来说，车辆可启用自动驾驶模式，停止车辆的驾驶，为驾驶者安排共乘，或从基于使用车辆作出的行程的模式、当前位置和当前时间作出的推断来确定目的地。这些是车辆可基于驾驶者或潜在驾驶者的神智或所确定受损而采取的许多动作中的一些动作。

换句话说，AI系统，例如包含一或多个人工神经网络(ANN)、决策树等的系统，可确定驾驶者的神智或精神状态。并且，AI系统或第二AI系统可基于驾驶者的所确定的神智或精神状态确定动作。所确定的动作可包含：通过启用自动驾驶模式、停止车辆的驾驶、为驾驶者安排共乘和/或从基于使用车辆作出的行程的模式、当前位置、当前时间作出的推断来确定目的地(仅举几个实例)，来选择性地从驾驶者获取控制。

一些实施例可包含可具有相机和/或传感器的车辆中的系统。系统的相机可被配置成记录车辆中用户的视觉特征，且发送从视觉特征导出的数据。系统的传感器可被配置成感测车辆中用户的非视觉特征，且发送从非视觉特征导出的数据。系统还可具有被配置成从相机和/或传感器接收数据的计算系统。计算装置还可以被配置成基于此些所接收数据以及AI系统确定用户的状态。计算装置还可以被配置成至少部分地基于用户的状态启用或停用车辆的功能。

图1到3示出根据本公开的一些实施例的实例联网系统，其至少包含车辆(例如，见车辆102、202和130到132)、移动装置(例如，见移动装置140到142和302)、共乘服务系统(RSSS)和受损驾驶辅助系统(IDAS)，且被配置成实施受损驾驶辅助的方面。车辆102、202和130到132中的任何一或多个可以是图4中展示的车辆410，或包含车辆410的至少一些部分。

联网系统100经由一或多个通信网络122联网。本文所描述的通信网络(例如，通信网络122)可至少包含例如蓝牙等本地到装置网络、广域网(WAN)、局域网(LAN)、内联网、例如4G或5G等移动无线网络、外联网、因特网和/或其任何组合。联网系统100的节点(例如，见移动装置140、142和302、车辆102、130、132和202、一或多个RSSS服务器150和一或多个IDAS服务器145)可各自为对等网络、客户端-服务器网络、云计算环境等的一部分。并且，本文中所描述的设备、计算装置、车辆、传感器或相机和/或用户接口中的任一个可包含某一种类的计算机系统(例如，见车辆计算系统104和204)。并且，此计算机系统可包含到LAN、内联网、外联网和/或因特网中的其它装置的网络接口。计算机系统还可作为对等(或分布式)网络环境中的对等机器或作为云计算基础架构或环境中的服务器或客户端机器在客户端-服务器网络环境中的服务器或客户端机器的容量中操作。

如图1所示，联网系统100可至少包含车辆102，其包含车辆计算系统104(包含RSSS(在本文中也称作RSSS客户端106)的客户端应用106以及IDAS(在本文中也称作IDAS应用105)的客户端应用105)、主体和主体的可控制部分(未描绘)、动力系和动力系的可控制部分(未描绘)、主体控制模块108(其为一种类型的电子控制单元或ECU)、动力系控制模块110(其为一种类型的ECU)；以及动力转向控制单元112(其为一种类型的ECU)。车辆102还包含多个传感器(例如，见传感器114a到114b-其可包含传感器)、GPS装置116、多个相机(例如，见相机118a到118b-其可包含图4中展示的相机416)和控制器局域网(CAN)总线120，所述控制器局域网(CAN)总线将至少车辆计算系统104、主体控制模块108、动力系控制模块110、动力转向控制单元112、所述多个传感器和所述多个相机彼此连接。并且，如所展示，车辆102经由车辆计算系统104连接到网络122。并且，如所展示，车辆130到132和移动装置140到142连接到网络122，且因此，以通信方式耦合到车辆102。

车辆计算系统104中包含的IDAS应用105可与IDAS服务器145通信。IDAS应用105可为或包含特定地配置成供车辆102或本文中所描述的任何其它车辆的用户或驾驶者使用的IDAS客户端。此用户或驾驶者可以是经由IDAS应用105和IDAS服务器145提供的IDAS所提供的驾驶辅助服务的用户或消费者。

车辆计算系统104中包含的RSSS客户端106可与RSSS服务器150通信。RSSS客户端106可为或包含特定地配置成供车辆102或本文中所描述的任何其它车辆的用户或驾驶者使用的RSSS客户端。此用户或驾驶者可以是经由RSSS客户端106和RSSS服务器150提供的RSSS所提供的共乘服务的用户或消费者。

在一些实施例中，车辆102可包含主体、动力系和底盘，以及至少一个相机和至少一个传感器(例如，见相机118a到118b和传感器114a到114b)。所述至少一个相机和至少一个传感器可各自附接到主体、动力系或底盘或其任何组合中的至少一个。举例来说，相机或传感器可嵌入于车辆102的主体的顶板、主体的舱的侧壁、主体的门、主体的舱的前部或主体的舱的后部(例如在舱的后座中或附近)中，或附接到这些地方。相机或传感器可被配置成朝内面向车辆102的舱，且捕获、感测或记录在相对于车辆的水平平面中遮盖半圆或全圆的视野，以捕获车辆的舱内的驾驶者的至少一个图像或非视觉信息。

在此类实施例和其它实施例中，车辆102包含被配置成记录车辆中驾驶者的至少一个图像的至少一个相机(例如，见相机118a到118b)，和/或包含被配置成感测驾驶者的至少一个非视觉特征的至少一个传感器(例如，见传感器114a到114b)。所述至少一个相机的记录和/或所述至少一个传感器的感测可在预定时间周期期间发生。并且，所述至少一个相机可被配置成生成和发送从驾驶者的所述至少一个图像导出的图像数据，且所述至少一个传感器可被配置成生成和发送从驾驶者的所述至少一个非视觉特征导出的非视觉数据。所述至少一个图像的记录和/或所述至少一个非视觉特征的感测可响应于用户或驾驶者进入车辆102或者用户或驾驶者的通常引起车辆的驾驶的另一动作而发生。

在此类实施例和其它实施例中，车辆102中或本文中所描述的任何其它车辆中的系统可包含至少一个相机(例如，见相机118a到118b)，其被配置成记录车辆中用户的至少一个视觉特征，且发送从所述至少一个视觉特征导出的视觉数据。所述系统还可包含计算系统或装置(例如，见计算系统104和移动装置140到142)，其被配置成例如经由IDAS应用105从所述至少一个相机接收视觉数据，且例如经由IDAS应用基于所接收视觉数据和AI系统确定用户的至少一个状态。IDAS应用105可包含AI系统的至少一部分。并且，计算系统或装置可被配置成例如经由IDAS应用105基于所确定的用户的至少一个状态启用车辆的至少一个功能。计算系统或装置还可以被配置成例如经由IDAS应用105基于所确定的用户的至少一个状态停用车辆的至少一个功能。计算系统或装置还可以被配置成例如经由RSSS客户端106基于所确定的用户的至少一个状态向共乘服务或类似方自动请求乘坐。

在此类实施例和其它实施例中，车辆(例如，车辆102)的至少一个功能的启用或停用是基于第二AI系统。并且，针对第二AI系统的输入可包含所述至少一个所确定的用户的状态。AI系统可包含ANN或决策树或其任何组合中的至少一个，且第二AI系统可包含ANN、决策树或其任何组合中的至少一个。本文中所描述的任何AI系统或技术可包含ANN、决策树或另一类型的AI工具或其任何组合。本文中所描述的所接收图像数据或其衍生物和本文中所描述的任何所接收非视觉数据或其衍生物可为针对AI系统或技术(一般来说)或针对前述AI工具中的一或多个(确切地说)的输入。

在此类实施例和其它实施例中，车辆(例如，车辆102)的所述至少一个功能中的功能包含车辆的至少一个部分通过启用自动驾驶模式而选择性地从用户获得传动系的控制。这可经由计算系统104和/或动力系控制模块110发生。在此类实例中，计算系统或装置可被配置成基于包含受损驾驶者状态的所确定的用户的至少一个状态启用车辆的自动驾驶模式。

在此类实施例和其它实施例中，车辆(例如，车辆102)的所述至少一个功能中的功能包含车辆的至少一个部分在从停车状态驾驶车辆之前选择性地停用传动系。这可经由计算系统104和/或动力系控制模块110发生。在此类实例中，计算系统可被配置成基于包含受损驾驶者状态的所确定的用户的至少一个状态在从停车状态驾驶车辆之前停用传动系。

在此类实施例和其它实施例中，车辆(例如，车辆102)的所述至少一个功能中的功能包含车辆的至少一个部分选择性地为用户安排共乘。这可经由计算系统104、IDAS应用105和/或RSSS客户端106发生。在此类实例中，计算系统可被配置成基于包含受损驾驶者状态的所确定的用户的至少一个状态选择性地为用户安排共乘。共乘的选择性安排可包含从基于使用车辆作出的行程的模式、当前位置(其可至少基于来自GPS装置(例如GPS装置116)的输入来确定)和当前时间作出的推断确定用户的共乘的目的地。并且，在一些实施例中，目的地的确定还可基于包含ANN或决策树或其任何组合中的至少一个的第二AI系统。针对第二AI的输入可包含行程的模式。

在此类实施例和其它实施例中，系统或装置可包含至少一个传感器(例如，见传感器114a和114b)，其被配置成记录车辆(例如，车辆102)中用户的至少一个非视觉特征，且发送从所述至少一个非视觉特征导出的非视觉数据。在此类实例中，计算系统或装置可被配置成接收视觉和非视觉数据，且基于所接收视觉和/或非视觉数据及AI系统确定用户的至少一个状态。并且，计算系统或装置可被配置成基于所确定的用户的至少一个状态启用或停用车辆的至少一个功能。

一般来说，可使用监督方法来训练AI系统，其中调整AI系统中的参数以最小化或减少由相应输入产生的已知输出与通过将输入应用于AI系统而生成的所计算输出之间的误差。监督学习/训练方法的实例包含强化学习，以及具有误差校正的学习。

替代地或组合地，可使用非监督方法来训练AI系统，其中由给定的一组输入产生的确切输出在训练完成之前是未知的。可训练AI系统，以将项目分类成多个类别，或将数据点分类成集群。可以采用多个训练算法用于复杂机器学习/训练范例。

在一个实例中，AI系统可被配置成使用强化学习训练的ANN、卷积神经网络(CNN)或决策树。举例来说，AI系统可搜集视觉数据(例如，图像数据，比如静态图像或视频)和非视觉数据(例如，语音记录、血液酒精含量(来自呼气测醉器)、体温等)和示例驾驶者接近车辆或在车辆中的其它传感器数据，且在训练周期期间将数据存储在数据库中。AI系统在训练周期期间学习和强化受损和未受损驾驶者的模式(例如，行为模式-姿态、步态、语音等)和其它特性(例如，体温、血液酒精含量等)。在初始训练周期之后，AI系统学习和强化对于其他驾驶者的特性(例如，行为和生物计量特性)的训练。

在一个实例中，计算系统被配置成使用监督学习训练AI系统。针对AI系统的监督学习的输入可包含示例驾驶者的图像数据和非视觉数据，以及基于图像数据和非视觉数据的示例驾驶者的所确定的至少一个状态。

在此类实施例和其它实施例中，车辆102中或本文中所描述的任何其它车辆中的系统可包含被配置成记录车辆中用户的至少一个视觉特征的至少一个相机(例如，见相机118a到118b)。车辆可具有操作车辆的多个第一特征和操作车辆的第二特征。所述至少一个相机还可以被配置成发送从所述至少一个视觉特征导出的视觉数据。系统还可包含计算系统(例如，计算系统104或所描绘的移动装置中的一个)，其被配置成从所述至少一个相机接收视觉数据，且基于所接收的视觉数据和AI系统确定用户的至少一个状态。计算系统还可以被配置成基于用户的所述至少一个状态确定为用户启用第二特征。并且，计算系统可被配置成根据所述启用第二特征的确定启用第二特征。计算系统还可以被配置成基于用户的所述至少一个状态确定为用户停用第二特征。并且，计算系统可被配置成根据所述停用第二特征的确定停用第二特征。

在此类实施例和其它实施例中，第二特征可包含车辆的至少一个部分通过启用自动驾驶模式而选择性地从用户获得传动系的控制。并且，第二特征可包含车辆的至少一个部分在从停车状态驾驶车辆之前选择性地停用传动系。并且，第二特征可包含车辆的至少一个部分选择性地为用户安排共乘。共乘的选择性安排可包含从基于使用车辆作出的行程的模式、当前位置和当前时间作出的推断确定用户的共乘的目的地。所述确定目的地还可基于包含ANN或决策树或其任何组合中的至少一个的第二AI系统。并且，针对第二AI的输入可包含行程的模式。

在此类实施例和其它实施例中，AI系统和/或第二AI系统可包含ANN或决策树或其任何组合中的至少一个。本文中所描述的任何AI系统或技术可包含ANN、决策树或另一类型的AI工具或其任何组合。本文中所描述的所接收图像数据或其衍生物和本文中所描述的任何所接收非视觉数据或其衍生物可为针对AI系统或技术(一般来说)或针对前述AI工具中的一或多个(确切地说)的输入。

在此类实施例和其它实施例中，至少一个传感器(例如，传感器114a到114b)可被配置成感测车辆中用户的至少一个非视觉特征，且发送从所述至少一个视觉特征导出的非视觉数据。此些实例中的计算系统可被配置成接收视觉和非视觉数据，且基于所接收视觉和非视觉数据及AI系统确定用户的至少一个状态。计算系统还可以被配置成基于用户的所述至少一个状态确定为用户启用或停用第二特征。计算系统还可以被配置成根据所述启用第二特征的确定启用或停用第二特征。

在此类实施例和其它实施例中，所述至少一个传感器(例如，见传感器114a到114b)可包含被配置成感测时间周期期间驾驶者的血液酒精含量的呼气测醉器，且所述至少一个传感器可被配置成发送从感测到的血液酒精含量导出的数据作为非视觉数据的至少一部分。在此类实施例和其它实施例中，所述至少一个传感器(例如，见传感器114a到114b)可包含被配置成感测时间周期期间驾驶者的体温的温度计，且所述至少一个传感器可被配置成发送从感测到的体温导出的数据作为非视觉数据的至少一部分。在此类实施例和其它实施例中，所述至少一个传感器(例如，见传感器114a到114b)可包含被配置成将来自时间周期期间驾驶者的语音的声音变换为音频信号，且所述至少一个传感器可被配置成发送从音频信号导出的数据作为非视觉数据的至少一部分。

在一些实施例中，从所述至少一个相机(例如，见相机118a到118b)发送的所接收图像数据可包含关于驾驶者的姿态的信息。并且，在此类实施例和其它实施例中，从所述至少一个相机发送的所接收图像数据可包含关于驾驶者的面部特性的信息。

在一些实施例中，从相机和/或传感器(例如，见相机118a到118b和传感器114a到114b)接收的所接收数据可包含关于驾驶者在驾驶车辆之前接近车辆102的步态的信息、驾驶者在接近车辆时或处于车辆中时的姿态的信息，或关于驾驶者的面部特性的信息，或其任何组合。所接收数据还可包含关于驾驶者的血液酒精含量、驾驶者的体温或驾驶者的语音或其任何组合的信息。

在此类实施例和其它实施例中，车辆102可包含车辆计算系统(例如，车辆计算系统104)，其被配置成接收来自所述至少一个相机(例如，见相机118a到118b)的图像数据和/或来自所述至少一个传感器(例如，见传感器114a到114b)的非视觉数据。车辆计算系统还可以被配置成例如经由IDAS应用105基于所接收图像数据和/或所接收非视觉数据确定驾驶者的风险得分。车辆计算系统还可以被配置成例如经由IDAS应用105基于所接收图像数据和/或所接收非视觉数据确定预定时间周期内驾驶者的风险得分。风险得分还可基于AI技术来确定。AI技术可包含ANN、决策树或另一类型的AI工具或其任何组合。所接收图像数据或其衍生物和所接收非视觉数据或其衍生物可为针对AI技术(一般来说)或针对前述AI工具中的一或多个(确切地说)的输入。举例来说，所接收数据或其衍生物可为针对ANN的输入。

车辆计算系统(例如，车辆计算系统104)还可以被配置成经由UI将驾驶者的风险得分发射给驾驶者，使得驾驶者可决定是否驾驶，以及作为驾驶的替代方案，决定是否经由RSSS客户端106通过共乘服务预订用于乘坐的车辆。风险得分可发射到驾驶者或车辆中的用户的移动装置(例如，见移动装置140到142和移动装置302)，或发射到车辆的计算系统的UI。并且，车辆计算系统可被配置成例如经由IDAS应用105基于风险得分超过风险阈值确定是否通知车辆102中的用户或车辆的驾驶者所述风险得分。并且，在此些实施例中，仅当得分超出阈值时才通知用户或驾驶者。本文中所描述的移动装置(例如，见移动装置140到142和移动装置302)可包含被配置成例如经由IDAS应用105输出风险得分的用户接口(例如，见图3中展示的移动装置302的其它组件316)。移动装置的用户接口可被配置成例如经由IDAS应用105提供图形用户接口(GUI)、触觉用户接口或听觉用户接口或其任何组合。并且，本文所描述的实施例可包含任何类型的一或多个用户接口，包含触觉UI(触摸)、视觉UI(视线)、听觉UI(声音)、嗅觉UI(气味)、均衡UI(平衡)和味觉UI(味道)。

在一些实施例中，车辆102的车辆计算系统104被配置成使用监督学习训练AI技术。用于AI技术的监督学习的输入可包含示例驾驶者的图像的图像数据和由用户和/或开发者针对示例驾驶者的图像确定的风险得分。用于ANN的监督学习的输入也可包含示例驾驶者的非视觉信息和由用户和/或开发者针对示例驾驶者的非视觉信息确定的风险得分。

在一些实施例中，车辆102的车辆计算系统104被配置成例如经由IDAS应用105至少基于所接收数据和/或数据库(例如，IDAS和/或其中驾驶者被许可驾驶的一或多个管辖区的数据库)确定车辆的驾驶者的传记信息。数据库可存储关于已注册且得到许可的驾驶者的传记信息。并且，所存储的传记信息可包含已注册驾驶者的特性，以及已注册驾驶者的犯罪历史、已注册驾驶者的驾驶行为历史或已注册驾驶者的服务或交通违规历史或其任何组合中的至少一个。在此类实施例和其它实施例中，车辆102的车辆计算系统104可被配置成基于所接收数据、AI技术和所确定的驾驶者的传记信息确定驾驶者的风险得分。针对AI技术的输入可包含所述数据或其衍生物和/或所确定的传记信息或其衍生物。

图1中未描绘，但图4中描绘了，车辆102可包含相机，其朝内在一或多个方向上面向车辆的舱以具有在相对于车辆的水平平面中覆盖至少一个半圆的视野(例如，见相机16和相机118a到118b)。并且，相机可包含被配置成记录驾驶者的所述至少一个图像且生成和发送从驾驶者的所述至少一个图像导出的数据的所述至少一个相机。在一些实施例中，相机可具有在水平平面中覆盖至少一个全圆的视野，以从水平平面中的任何方向记录车辆102中驾驶者的至少一个图像。

在一些实施例中，车辆计算系统104(例如经由IDAS应用105和/或RSSS客户端106)可被配置成接收并处理数据(例如，例如包含用于车辆和其系统的指令数据的数据，和/或关于驾驶者的信息和/或驾驶者的传记信息的数据)。所接收数据可经处理以供包含在本文中所描述的其它处理步骤中。所接收数据可包含从至少链接的风险得分数据、图像数据、感测到的非视觉数据、时间数据、位置数据或从车辆102或与驾驶者相关的其它车辆(例如，见车辆130到132)发送的其它上下文数据导出的信息。在一些实施例中，所接收数据的导出和/或所接收数据的稍后处理可根据AI技术，且AI技术可由IDAS和/或RSSS的计算系统、车辆102或者驾驶者或另一用户的移动装置(例如，见移动装置140到142)训练。在此类实施例和其它实施例中，驾驶者或用户的移动装置可包含用户接口(例如图形用户接口)，其被配置成将所接收和经处理的数据的至少一部分提供到驾驶者或用户(例如，见图3中所描绘的移动装置302的其它组件316，其可包含GUI)。

车辆102包含车辆电子器件，其至少包含用于主体的可控制部分、动力系的可控制部分和动力转向的可控制部分的电子器件。车辆102包含主体的可控制部分，且此些部分和子系统连接到主体控制模块108。主体至少包含用以支撑动力系的框架。车辆的底盘可附接到车辆的框架。主体还可包含用于至少一个驾驶者或乘客的内部。内部可包含座位。主体的可控制部分还可包含一或多个电动门和/或一或多个电动窗。主体还可包含车辆主体的任何其它已知部分。并且，主体的可控制部分还可包含折合式敞蓬车顶(convertible top)、天窗、电动座位和/或车辆的主体的任何其它类型的可控制部分。主体控制模块108可控制主体的可控制部分。并且，车辆102还包含动力系的可控制部分。动力系的可控制部分及其部分和子系统连接到动力系控制模块110。动力系的可控制部分可至少包含引擎、变速箱、驱动轴、悬挂和转向系统，以及动力系电气系统。动力系还可包含车辆动力系的任何其它已知部分，且动力系的可控制部分可包含动力系的任何其它已知可控制部分。并且，可控制的动力转向部分可经由动力转向控制单元112来控制。

车辆102的所述多个传感器(例如，见传感器114a到114b)和/或所述多个相机(例如，见相机118a到118b)可包含任何类型的传感器或相机，其分别被配置成例如在驾驶者正在车辆的周围环境中接近车辆时感测和/或记录车辆102的舱(例如，见舱12)内的驾驶者或车辆102的周围环境的一或多个特征或特性。车辆102的传感器或相机还可以被配置成输出所生成的对应于驾驶者的所述一或多个特征或特性的数据。所述多个传感器或相机中的任一个还可以被配置成例如经由CAN总线120将所生成的对应于驾驶者的所述一或多个特征或特性的数据发送到车辆计算系统104或车辆102的其它电子电路系统。当驾驶者醉酒、疲倦、生病或因其它原因而不能很好地驾驶时，数据到车辆102的其它电子电路系统的发送可以是有用的。举例来说，数据或其衍生物可响应于驾驶者醉酒、疲倦、生病或因其它原因而不能很好地驾驶而发送到主体控制模块108以锁定或定位驾驶者座位从而提示驾驶者他或她不应驾驶，发送到动力系控制模块110以防止引擎接通，和/或发送到动力转向控制单元112以在朝向车辆的停车位置移动的方向上锁定轮子。在其它实施例中，用于发送所生成的数据或其它数据的CAN总线的替代方案可包含(例如)FLEXRAY、以太网和/或时间触发总线。

用于控制车辆102的驾驶的一组机械组件可包含∶(1)车辆的轮子上的制动机构(用于停止轮子的自旋)；(2)车辆的引擎或马达上的节流阀机构(用于调节多少气体进入引擎，或多少电流进入马达)，其决定驱动轴可自旋得多快及因此车辆可运行得多快；以及(3)用于车辆的前轮的定向的转向机构(例如，如此车辆在轮子指向的方向上行进)。这些机构可控制车辆102的制动(或减速)、加速(或节流)和转向。驾驶者可通过可由用户操作的UI元件(例如，见图2中所展示的车辆202的其它组件216)间接地控制这些机构，所述机构通常为制动踏板、加速踏板和方向盘。踏板和方向盘未必以机械方式连接到用于制动、加速和转向的驱动机构。此类部分可具有或接近于传感器，所述传感器测量驾驶者对踏板按压量和/或方向盘的转动量。所感测的控制输入经由导线发射到控制单元(且因此可线控驱动)。此些控制单元可包含主体控制模块108或220、动力系控制模块110或222、动力转向控制单元112或224、电池管理系统226等。此输出还可由本文中描述的传感器和相机感测和/或记录(例如，见传感器114a到114b或217a到217b和相机118a到118b或219a到219b)。并且，传感器和相机的输出可进一步经处理，接着报告给服务器(例如IDAS服务器145)，用于关于车辆的驾驶者和其他驾驶者的上下文数据的累积数据处理。

在例如车辆102或202等车辆中，驾驶者可经由通过机械连杆和一些机电连杆介接驱动组件的物理控制元件(例如，方向盘、制动踏板、油门、换挡拨片等)来控制车辆。然而，越来越多的车辆当前经由电子控制元件或模块(例如，电子控制单元或ECU)使控制元件与机械动力系元件(例如，制动系统、转向机构、传动系等)介接。电子控制元件或模块可以是线控驱动技术的一部分。线控驱动技术可包含用于执行传统上通过机械连杆实现的车辆功能的电或机电系统。所述技术可用使用机电致动器和例如踏板及转向感觉模拟器等人机接口的电子控制系统代替传统的机械控制系统。可从车辆中除去组件，例如驾驶杆、中间轴、泵、软管、皮带、冷却器和真空伺服器及主缸。存在不同程度和类型的线控驱动技术。具有线控驱动技术的车辆(例如车辆102和202)可包含从用户或驾驶者(例如，经由更多常规控制或经由线控驱动控制件或其某一组合)接收输入的调制器(例如，包含或为ECU和/或先进驾驶辅助系统或ADAS的一部分的调制器)。调制器可随后使用驾驶者的输入来调制输入或变换所述输入以匹配“安全驾驶者”的输入。

在一些实施例中，可包含或为车辆的计算系统的一部分的车辆(例如，见车辆102和202)的电子电路系统可包含以下中的至少一个：引擎电子器件、变速箱电子器件、底盘电子器件、驾驶者或乘客环境和舒适度电子器件、车辆内娱乐电子器件、车辆内安全电子器件或导航系统电子器件，或其任何组合(例如，见图1和2中分别展示的主体控制模块108和220、动力系控制模块110和222、动力转向控制单元112和224、电池管理系统226以及信息娱乐电子器件228)。在一些实施例中，车辆的电子电路系统可包含用于自动驾驶系统的电子器件。

如图2所示，联网系统100可至少包含车辆130到132和车辆202(其至少包含车辆计算系统204)、具有内部(未描绘)的主体(未描绘)、动力系(未描绘)、气候控制系统(未描绘)和信息娱乐系统(未描绘)。车辆202还可包含其它车辆部分。

可具有与车辆计算系统104类似的结构和/或功能性的车辆计算系统204可连接到一或多个通信网络122，所述一或多个通信网络可至少包含例如蓝牙等本地到装置网络、广域网(WAN)、局域网(LAN)、内联网、例如4G或5G等移动无线网络、外联网、因特网和/或其任何组合。车辆计算系统204可以是能够执行指定待由机器采取的动作的指令集(循序或以其它方式)的机器。并且，虽然针对车辆计算系统204说明单个机器，但术语“机器”还应理解为包含个别地或联合地执行一(或多个)指令集以执行方法或操作的机器的任何集合。并且，其可至少包含总线(例如，见总线206)和/或母板、一或多个控制器(例如，一或多个CPU，例如见控制器208)、可包含暂时性数据存储装置的主存储器(例如，见存储器210)、至少一个类型的网络接口(例如，见网络接口212)、可包含永久性数据存储装置的存储系统(例如，见数据存储系统214)和/或其任何组合。在一些多装置实施例中，一个装置可完成本文中所描述的方法的一些部分，接着经由网络将完成的结果发送到另一装置，使得另一装置可继续本文中所描述的方法的其它步骤。

图2还示出可包含和实施RSSS客户端106以及IDAS应用105的车辆计算系统204的实例部分。车辆计算系统204可以通信方式耦合到一或多个网络122，如所展示。车辆计算系统204至少包含总线206、可执行IDAS应用105和RSSS客户端106的指令的控制器208(例如CPU)、可保持IDAS应用105和RSSS客户端106的指令以供执行的存储器210、网络接口212、可存储用于IDAS应用105和RSSS客户端106的指令的数据存储系统214，以及其它组件216--其可以是移动或计算装置中所见的任何类型的组件，例如GPS组件、I/O组件，比如相机和不同类型的用户接口组件(其可包含本文中所描述的所述多个UI元件中的一或多个)及传感器(其可包含本文中所描述的所述多个传感器中的一或多个)。其它组件216可包含一或多个用户接口(例如，GUI、听觉用户接口、触觉用户接口、汽车控制等)、显示器、不同类型的传感器、触觉、音频和/或视觉输入/输出装置、额外专用存储器、一或多个额外控制器(例如，GPU)或其任何组合。车辆计算系统204还可包含传感器和相机接口，所述传感器和相机接口被配置成介接车辆202的传感器和相机，所述传感器和相机可以是本文所描述的传感器或相机中的任一个中的一或多个(例如，见传感器217a到217b和相机219a到219b)。在一些实施例中，总线206以通信方式耦合控制器208、存储器210、网络接口212、数据存储系统214、其它组件216，及传感器和相机以及传感器和相机接口。车辆计算系统204包含计算机系统，所述计算机系统至少包含经由总线206(其可包含多个总线)彼此通信的控制器208、存储器210(例如，只读存储器(ROM)、快闪存储器、动态随机存取存储器(DRAM)(例如同步DRAM(SDRAM)或Rambus DRAM(RDRAM))、静态随机存取存储器(SRAM)、交叉点存储器、交叉开关存储器等)，以及数据存储系统214。

在一些实施例中，车辆计算系统204可包含指令集，以用于在被执行时致使机器执行本文所论述的方法中的任何一或多个。在此类实施例中，机器可以连接(例如，经由网络接口212联网)到LAN、内联网、外联网和/或因特网(例如，网络122)中的其它机器。机器可作为对等(或分布式)网络环境中的对等机器或作为云计算基础架构或环境中的服务器或客户端机器而以客户端-服务器网络环境中的服务器或客户端机器的容量进行操作。

控制器208表示一或多个通用处理装置，例如微处理器、中央处理单元等。更确切地说，处理装置可为复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、单指令多数据(SIMD)、多指令多数据(MIMD)，或实施其它指令集的处理器，或实施指令集的组合的处理器。控制器208还可为一或多个专用处理装置，例如ASIC、可编程逻辑(例如FPGA)、数字信号处理器(DSP)、网络处理器等等。控制器208被配置成执行指令以用于执行本文所论述的操作和步骤。控制器208可进一步包含例如网络接口212等网络接口装置以经由一或多个通信网络(例如网络122)通信。

数据存储系统214可包含机器可读存储介质(也被称为计算机可读介质)，其上存储有体现本文中所描述的方法或功能中的任何一或多个的一或多个指令集或软件。数据存储系统214可具有执行能力，例如其可至少部分地执行驻留于数据存储系统中的指令。指令也可以在其通过计算机系统执行期间完全地或至少部分地驻留于存储器210内和/或控制器208内，所述存储器210和控制器208也构成机器可读存储介质。存储器210可以是或包含系统204的主存储器。存储器210可具有执行能力，例如其可至少部分地执行驻留在存储器中的指令。

车辆202还可具有主体的车辆主体控制模块220、动力系的动力系控制模块222、动力转向控制单元224、电池管理系统226、信息娱乐系统的信息娱乐电子器件228，以及至少连接车辆计算系统204、车辆主体控制模块、动力系控制模块、动力转向控制单元、电池管理系统和信息娱乐电子器件的CAN总线218。并且，如所展示，车辆202经由车辆计算系统204连接到网络122。并且，如所展示，车辆130到132和移动装置140到142连接到网络122，且因此，以通信方式耦合到车辆202。

车辆202还展示为具有所述多个传感器(例如，见传感器217a到217b)和所述多个相机(例如，见相机219a到219b)，其可以是车辆计算系统204的部分。在一些实施例中，CAN总线218可将所述多个传感器和所述多个相机、车辆计算系统204、车辆主体控制模块、动力系控制模块、动力转向控制单元、电池管理系统和信息娱乐电子器件连接到至少车辆计算系统204。所述多个传感器和所述多个相机可经由计算系统的传感器和相机接口连接到车辆计算系统204。

如图3所示，联网系统100可至少包含移动装置302以及移动装置140到142。可具有与车辆计算系统104或204在某种程度上类似的结构和/或功能性的移动装置302可连接到通信网络122。且因此，连接到车辆102、202和130到132以及移动装置140到142。移动装置302(或移动装置140或142)可包含本文所提及的所述多个传感器中的一或多个、本文所提及的所述多个UI元件中的一或多个、GPS装置和/或本文所提及的所述多个相机中的一或多个。因此，移动装置302(或移动装置140或142)可类似于车辆计算系统104或204起作用，且可代管和运行IDAS应用105和RSSS客户端106。

取决于实施例，移动装置302可以是或包含移动装置等，例如智能电话、平板计算机、IoT装置、智能电视、智能手表、眼镜或其它智能家用电器、车载信息系统、可穿戴智能装置、游戏控制台、PC或数码相机或其任何组合。如所展示，移动装置302可连接到通信网络122，所述通信网络至少包含例如蓝牙等本地到装置网络、广域网(WAN)、局域网(LAN)、内联网、例如4G或5G等移动无线网络、外联网、因特网和/或其任何组合。

本文中所描述的移动装置中的每一个可为以下各者或由以下各者代替：个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、网络器具、服务器、网络路由器、交换机或网桥，或能够执行指定待由所述机器采取的动作的指令集(循序或以其它方式)的任何机器。本文所描述的车辆的计算系统可以是能够(循序或以其它方式)执行指定待由所述机器采取的动作的指令集的机器。

并且，虽然针对本文所描述的计算系统和移动装置说明单个机器，但术语“机器”还应理解为包含个别地或联合地执行一(或多个)指令集以执行本文所论述的方法或操作中的任何一或多个的机器的任何集合。并且，所说明的移动装置中的每一个可各自至少包含总线和/或母板、一或多个控制器(例如一或多个CPU)、可包含暂时性数据存储装置的主存储器、至少一种类型的网络接口、可包含永久性数据存储装置的存储系统，和/或其任何组合。在一些多装置实施例中，一个装置可完成本文中所描述的方法的一些部分，接着经由网络将完成的结果发送到另一装置，使得另一装置可继续本文中所描述的方法的其它步骤。

图3还示出根据本公开的一些实施例的移动装置302的实例部分。如所展示，移动装置302可以通信方式耦合到网络122。移动装置302至少包含总线306、控制器308(例如CPU)、存储器310、网络接口312、数据存储系统314和其它组件316(其可以是移动或计算装置中所见的任何类型的组件，例如GPS组件、I/O组件(例如各种类型的用户接口组件)和传感器(例如传感器)以及一或多个相机)。其它组件316可包含一或多个用户接口(例如，GUI、听觉用户接口、触觉用户接口等)、显示器、不同类型的传感器、触觉(例如传感器)、音频和/或视觉输入/输出装置、额外专用存储器、一或多个额外控制器(例如，GPU)或其任何组合。总线306以通信方式耦合控制器308、存储器310、网络接口312、数据存储系统314和其它组件316。移动装置302包含计算机系统，所述计算机系统至少包含经由总线306(其可包含多个总线)彼此通信的控制器308、存储器310(例如，只读存储器(ROM)、快闪存储器、动态随机存取存储器(DRAM)(例如同步DRAM(SDRAM)或Rambus DRAM(RDRAM))、静态随机存取存储器(SRAM)、交叉点存储器、交叉开关存储器等)，以及数据存储系统314。

换句话说，图3是具有本公开的实施例可在其中操作的计算机系统的移动装置302的框图。在一些实施例中，计算机系统可包含指令集，用于在被执行时致使机器执行本文所论述的一些方法。在此类实施例中，机器可以连接(例如，经由网络接口312联网)到LAN、内联网、外联网和/或因特网(例如，网络122)中的其它机器。机器可作为对等(或分布式)网络环境中的对等机器或作为云计算基础架构或环境中的服务器或客户端机器而以客户端-服务器网络环境中的服务器或客户端机器的容量进行操作。

控制器308表示一或多个通用处理装置，例如微处理器、中央处理单元等。更确切地说，处理装置可为复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、单指令多数据(SIMD)、多指令多数据(MIMD)，或实施其它指令集的处理器，或实施指令集的组合的处理器。控制器308还可为一或多个专用处理装置，例如ASIC、可编程逻辑(例如FPGA)、数字信号处理器(DSP)、网络处理器等。控制器308被配置成执行指令以用于执行本文所论述的操作和步骤。控制器308可进一步包含例如网络接口312等网络接口装置以经由一或多个通信网络(例如网络122)通信。

数据存储系统314可包含机器可读存储介质(也被称为计算机可读介质)，其上存储有体现本文中所描述的方法或功能中的任何一或多个的一或多个指令集或软件。数据存储系统314可具有执行能力，例如其可至少部分地执行驻留于数据存储系统中的指令。指令也可以在其通过计算机系统执行期间完全地或至少部分地驻留于存储器310内和/或控制器308内，所述存储器310和控制器308也构成机器可读存储介质。存储器310可以是或包含装置302的主存储器。存储器310可具有执行能力，例如其可至少部分地执行驻留在存储器中的指令。

虽然存储器、控制器和数据存储部分在实例实施例中展示为各自为单一部分，但每一部分应被认为包含可存储指令且执行其相应操作的单一部分或多个部分。术语“机器可读存储介质”还应被认为包含能够存储或编码供机器执行的指令集且致使机器执行本公开的方法中的任何一种或多种的任何介质。术语“机器可读存储介质”应相应地被理解为包含(但不限于)固态存储器、光学介质和磁性介质。

如图3所示，移动装置302可包含用户接口(例如，见其它组件316)。用户接口可被配置成提供图形用户接口(GUI)、触觉用户接口或听觉用户接口或其任何组合。举例来说，用户接口可为或包含显示器，其连接到可穿戴式结构、计算装置或相机或其任何组合(其也可为移动装置302的一部分)中的至少一个，且所述显示器可被配置成提供GUI。并且，本文所描述的实施例可包含任何类型的一或多个用户接口，包含触觉UI(触摸)、视觉UI(视线)、听觉UI(声音)、嗅觉UI(气味)、均衡UI(平衡)和味觉UI(味道)。

图4示出根据本公开的一些实施例被配置成实施受损驾驶辅助的方面的实例车辆410的图式。如图4所示，车辆410包含舱412，且舱包含驾驶座414a、另一前座414b和后座414c。舱412还包含朝向驾驶座414a的相机416。相机416具有视角418，在图4中所展示的实施例中其表现为小于一百八十度。视角418允许相机416记录坐在驾驶座414a中的驾驶者的至少一个图像或视频。如所展示，视角418提供包含驾驶者的头部420以及驾驶者的右肩422b和左肩422a的视野。如所展示，相机416背对车辆410的前方或车辆的风挡(风挡在图4中未描绘)。

相机416展示为处于车辆410的舱412中。然而，应理解，用于记录驾驶者的此相机可在车辆的任何部分处定位和附接到车辆410，只要相机被定位成捕获驾驶座414a中驾驶者的图像或视频记录即可。如所展示，图4描绘车辆主体的顶板下方的车辆410的顶部截面视图，使得展示车辆的舱412。并且，如图4中所展示，相机416不是被配置成从宽水平角度记录图像的全景相机；然而，在一些实施例中，相机412可以是全景相机。应理解，用于记录驾驶者的图像的此相机的视角可以是任何度数，只要相机的视野覆盖足够大的区域以捕获驾驶座中驾驶者的行为或特性即可。

并且，应理解，在一些实施例中，可使用不同数目的相机，且可使用具有不同或相同视角的相机，且相机在水平平面中的视野可或可不重叠。并且，在一些实施例中，车辆可包含一或多个全向相机以在相对于车辆的舱的内部的水平平面中覆盖至少一全圆，或覆盖具有车辆的舱的内部的完全或接近完全的球体的视野。此类实施例可用于从车辆的舱中的除驾驶座外的其它位置捕获驾驶者的特征或行为。

图5示出根据本公开的一些实施例可由图4中所描绘的车辆410的方面以及图1到3中描绘的联网系统100的方面执行的方法500的实例操作的流程图。举例来说，方法500可由计算系统和/或图1到4中描绘的任何车辆和/或移动装置的其它部分执行。

在图5中，方法500开始于步骤502，其中由至少一个相机记录车辆中用户的至少一个视觉特征。在步骤504处，方法500继续由所述至少一个相机发送从所述至少一个视觉特征导出的视觉数据。在步骤506处，方法500继续由计算系统从所述至少一个相机接收视觉数据。在步骤508处，方法500继续由至少一个传感器感测车辆中用户的至少一个非视觉特征。在步骤510处，方法500继续由所述至少一个传感器发送从非视觉特征导出的非视觉数据。在步骤512处，方法500继续由计算系统从所述至少一个传感器接收非视觉数据。在步骤514处，方法500继续由计算系统基于所接收视觉和/或非视觉数据以及AI系统确定用户的至少一个状态。在步骤516a处，方法500继续由计算系统基于所确定的用户的状态启用车辆的至少一个特征。在步骤516b处，方法500继续由计算系统基于所确定的用户的状态停用车辆的至少一个特征。

图6示出根据本公开的一些实施例可由图4中所描绘的车辆410的方面以及图1到3中描绘的联网系统100的方面执行的方法600的实例操作的流程图。举例来说，方法600可由计算系统和/或图1到4中描绘的任何车辆和/或移动装置的其它部分执行。

并且，如所展示，方法600可至少在方法500的步骤514之后开始，且步骤602也可取决于方法500的步骤514的发生。在步骤602处，方法600继续由计算系统或耦合到系统的装置基于所确定的用户的状态向共乘服务(例如经由RSSS客户端106和RSSS服务器150)或另一实体请求乘坐。

在一些实施例中，应理解，方法500和600的步骤可实施为连续过程，例如每一步骤可通过监视输入数据、执行操作和将数据输出到后续步骤而独立地运行。并且，用于每一方法的此类步骤可实施为离散事件过程，例如每一步骤可由其应该触发且产生某一输出的事件触发。还应理解，图5到6中的每一图表示比图1到3中部分地呈现的方法更复杂的计算机系统的可能较大方法内的最小方法。因此，图5到6中的每一图中所描绘的步骤可与供应出入与较复杂系统的较大方法相关联的其它步骤的其它步骤组合。

应理解，除非另外规定车辆，否则本文所描述的车辆可以是任何类型的车辆。车辆可包含汽车、卡车、船和飞机以及用于军事、建筑、农学或休闲用途的车辆或车辆设备。车辆、车辆部分或车辆的驾驶者或乘客使用的电子器件可被视为车辆电子器件。车辆电子器件可包含用于引擎管理、点火器、无线电、车载计算机、车载信息服务、车载娱乐系统和车辆的其它部分的电子器件。车辆电子器件可与点火器和引擎及变速箱控制一起使用或通过点火器和引擎及变速箱控制使用，所述点火器和引擎及变速箱控制可在具有例如汽油驱动的汽车、卡车、摩托车、船、飞机、军用车辆、铲车、拖拉机和挖掘机等内燃驱动的机械的车辆中见到。并且，车辆电子器件可以由相关元件使用或与相关元件一起使用以用于控制例如混合动力汽车或电动汽车等混合动力车辆和电动车辆中所见的电气系统。例如，电动车辆可使用电力电子器件以用于主要推进马达控制，以及管理电池系统。并且，自主车辆几乎完全依赖于车辆电子器件。

已在针对计算机存储器内的数据位的操作的算法和符号表示方面呈现了先前详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用以将其工作的主旨最有效地传达给所属领域的其他技术人员的方式。在本文中，且一般将算法构想为产生所要结果的操作的自洽序列。操作是要求对物理量进行物理操纵的操作。通常(但未必)，这些量采用能够存储、组合、比较以及以其它方式操纵的电或磁信号的形式。已经证实，主要出于常用的原因，将这些信号称为位、值、要素、符号、字符、项、编号等等有时是便利的。

然而，应牢记，所有这些和类似术语将与适当物理量相关联，且仅仅为应用于这些量的便利标记。本公开可以指将计算机系统的寄存器和存储器内的表示为物理(电子)量的数据操纵和变换为计算机系统存储器或寄存器或其它这类信息存储系统内的类似地表示为物理量的其它数据的计算机系统或类似电子计算装置的动作和过程。

本公开还涉及用于执行本文中的操作的设备。此设备可以出于既定目的而专门构造，或其可包含由存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。此类计算机程序可存储在计算机可读存储介质中，所述计算机可读存储介质例如但不限于任何类型的盘(包含软盘、光盘、CD-ROM和磁光盘)、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡或适合于存储电子指令且各自耦合到计算机系统总线的任何类型的介质。

本文中呈现的算法和显示在本质上并不与任何特定计算机或其它设备相关。各种通用系统可根据本文中的教示与程序一起使用，或可证明构造更专用的设备来执行所述方法是方便的。将如下文描述中所阐述的那样来呈现各种这些系统的结构。另外，未参考任何特定编程语言来描述本公开。应了解，可使用各种编程语言来实施如本文中所描述的本公开的教示。

本公开可提供为计算机程序产品或软件，其可包含在其上存储有可用于编程计算机系统(或其它电子装置)以执行根据本公开的过程的指令的机器可读介质。机器可读介质包含用于以机器(例如，计算机)可读的形式存储信息的任何机制。在一些实施例中，机器可读(例如，计算机可读)介质包含机器(例如，计算机)可读存储介质，例如只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光学存储介质、快闪存储器组件等。

在前述说明书中，本公开的实施例已经参照其特定实例实施例进行描述。将显而易见的是，可在不脱离如所附权利要求书中阐述的本公开的实施例的更广精神和范围的情况下对本公开进行各种修改。因此，应在说明性意义上而非限制性意义上看待说明书及图式。

Claims (20)

1.一种系统，其包括：

至少一个处理装置；以及

存储器，其含有指令，所述指令被配置成指示所述至少一个处理装置：

从至少一个相机接收从车辆中用户的至少一个视觉特征导出的第一数据，其中所述至少一个视觉特征由所述至少一个相机记录；

使用具有基于所接收第一数据的输入的人工智能AI系统确定所述用户的至少一个状态，其中在其中所述用户先前处于所述车辆中的训练周期期间使用存储于数据库中的所述用户的其它数据来训练所述AI系统；以及

基于所确定的至少一个状态启用或停用所述车辆的至少一个功能。

2.根据权利要求1所述的系统，其中所述AI系统为第一AI系统，且使用第二AI系统进一步确定所述至少一个状态。

3.根据权利要求2所述的系统，其中所述AI系统包括人工神经网络或决策树中的至少一个。

4.根据权利要求1所述的系统，其中所述用户是所述车辆的驾驶者，且所述确定所述至少一个状态包括确定所述驾驶者的风险得分高于阈值。

5.根据权利要求1所述的系统，其中所述至少一个功能包含通过启用自动驾驶模式从所述用户获取传动系的控制。

6.根据权利要求1所述的系统，其中所述至少一个功能包含在从停车状态驾驶所述车辆之前停用传动系。

7.根据权利要求1所述的系统，其中所述至少一个状态包括受损驾驶者状态，且所述至少一个功能包含为所述用户安排共乘。

8.根据权利要求7所述的系统，其中所述安排所述共乘包括基于从使用所述车辆作出的行程的模式、当前位置或当前时间中的至少一个作出的推断确定所述用户的目的地。

9.根据权利要求8所述的系统，其中：

所述AI系统为第一AI系统；

使用包括人工神经网络或决策树中的至少一个的第二AI系统执行所述确定所述目的地；以及

针对所述第二AI系统的输入包括所述行程模式。

10.根据权利要求1所述的系统，其进一步包括：

至少一个传感器，其被配置成记录所述用户的至少一个非视觉特征，且从所述至少一个非视觉特征导出第二数据；

其中针对所述AI系统的所述输入进一步基于所述第二数据。

11.根据权利要求10所述的系统，其中：

所述指令进一步被配置成指示所述至少一个处理装置在将所述用户识别为所述车辆的驾驶者预定次数之后训练所述AI系统；以及

针对所述训练的输入包括其他用户的图像数据和所述其他用户的相应状态。

12.一种系统，其包括：

至少一个相机，其被配置成记录车辆中用户的至少一个视觉特征，且提供从所述至少一个视觉特征导出的第一数据；以及

计算系统，其被配置成：

使用具有基于所述第一数据的输入的人工智能AI系统确定所述用户的至少一个状态，其中在其中所述用户先前处于所述车辆中的训练周期期间使用存储于数据库中的所述用户的其它数据来训练所述AI系统；

基于所述至少一个状态选择所述车辆的特征；以及

启用或停用所选择的特征。

13.根据权利要求12所述的系统，其中所述AI系统包括人工神经网络或决策树中的至少一个。

14.根据权利要求12所述的系统，其中所述所选择的特征包含启用自动驾驶模式。

15.根据权利要求12所述的系统，其中所述所选择的特征包含当所述车辆处于停车状态时停用所述车辆的传动系。

16.根据权利要求12所述的系统，其中所选择的特征包含为所述用户安排共乘。

17.根据权利要求16所述的系统，其中所述安排所述共乘包括基于所述车辆的先前行程模式确定所述用户的目的地。

18.根据权利要求17所述的系统，其中所述AI系统为第一AI系统，且其中所述确定所述目的地是进一步基于具有基于所述先前行程模式的输入的第二AI系统。

19.根据权利要求12所述的系统，其进一步包括：

至少一个传感器，其被配置成记录所述用户的至少一个非视觉特征，且基于所述至少一个非视觉特征提供第二数据；

其中针对所述AI系统的所述输入进一步基于所述第二数据。

20.一种方法，其包括：

由计算系统从至少一个相机接收关于车辆中的用户的数据，其中所述数据由所述至少一个相机记录；

使用具有基于所接收数据的输入的人工智能AI系统确定所述用户的状态，其中在其中所述用户被识别为所述车辆的驾驶者的训练周期期间使用存储于数据库中的所述用户的表示从视觉特征导出的信息的第一数据和表示从非视觉特征导出的信息的第二数据来训练所述AI系统；以及

由所述计算系统且基于所述用户的所确定的状态致使停用所述车辆的至少一个功能。

Images