CN114329754A - 使用从多个计算系统收集的并行驾驶数据进行的模型开发 - Google Patents

Abstract

本公开涉及使用从多个计算系统收集的并行驾驶数据进行的模型开发。实施方案包括用于由并行驾驶数据集开发模型以识别该驾驶数据集中的一个驾驶数据集中的事件的风险等级的系统、车辆和计算机实现的方法。在例示性实施方案中，一种系统包括与车辆上的至少一个传感器可操作地耦合以收集表示驾驶行为的车辆驾驶数据的车辆数据系统。便携式数据收集模块被配置为导致能够在车辆上输送的便携式计算系统收集表示该驾驶行为的便携式驾驶数据。评估系统被配置为接收该便携式驾驶数据和该车辆驾驶数据，为该车辆驾驶数据中包括的至少一个事件分配风险等级，以及将该车辆驾驶数据与该便携式驾驶数据相关以识别该便携式驾驶数据中可与该风险等级相关联的模式。

Description

使用从多个计算系统收集的并行驾驶数据进行的模型开发

技术领域

本公开涉及由关于车辆相关事故的并行数据集开发模型，以前瞻性地评估后续车辆相关事故。

背景技术

本节中的陈述仅提供与本公开相关的背景信息并且可不构成现有技术。

现代车辆可包括操作员警示系统以帮助鼓励驾驶员更安全地驾驶，例如，在车辆偏离其车道或靠近另一物体时，警示驾驶员。一些车辆还可包括操作员辅助特征，作为对应的示例，该操作员辅助特征帮助引导车辆以避免车道偏离并且自动接合转向机构或制动器以尝试避免与其他物体碰撞。这些系统可使用来自多个传感器的数据，该多个传感器监视驾驶员和车辆的操作和/或控制车辆。来自这些传感器的数据也可证明有助于监视驾驶员的行为，使得当发生带来损失的事故时，可确定驾驶员是否有过错。

目前，保险公司提供智能电话应用程序，智能电话应用程序可用来监视驾驶员的一些驾驶行为。例如，这些应用程序可使用结合在智能电话中的全球定位系统(GPS)设备和加速度计来监视车辆何时超速行驶、突然制动，或者驾驶员是否在驾驶时使用他或她的电话。当驾驶员不加速，避免猛制动，并且驾驶时不握着他或她的智能电话时，保险公司可能会给驾驶员提供赔价。

然而，避免诸如猛制动的动作可能并不指示驾驶员是否是谨慎的驾驶员。例如，驾驶员可能注意力非常集中，但当一辆汽车突然且不恰当地驶入驾驶员的路径时，猛制动可能是唯一可以防止碰撞的方法。因此，在该示例中，单独依赖于猛制动数据可能无法可靠地指示在特定事件中发生的情况或驾驶员采用的谨慎程度。

发明内容

本发明所公开的实施方案包括用于由并行驾驶数据集开发模型以识别驾驶数据集中的一个驾驶数据集中的事件的风险等级的系统、车辆和方法。

在例示性实施方案中，一种系统包括车辆数据系统，该车辆数据系统与车辆上的至少一个传感器可操作地耦合并且被配置为收集表示操作员在至少一次行程期间的驾驶行为的车辆驾驶数据。便携式数据收集模块被配置为导致能够在车辆上输送的便携式计算系统收集表示操作员在至少一次行程期间操作车辆时的驾驶行为的便携式驾驶数据。评估系统被配置为：接收便携式驾驶数据和车辆驾驶数据；为车辆驾驶数据中包括的至少一个事件分配风险等级；以及将车辆驾驶数据与便携式驾驶数据相关以识别便携式驾驶数据中可与风险等级相关联的模式。

在另一例示性实施方案中，一种车辆包括车舱，该车舱被配置为接纳操作员、乘客和/或货物。驾驶系统被配置为使该车辆启动、加速、减速、停止和转向。操作员控制系统被配置为允许操作员引导车辆的操作。操作员辅助系统被配置为在无操作员辅助的情况下自主控制车辆和/或辅助操作员控制车辆。车辆数据系统与车辆上的至少一个传感器可操作地耦合并且被配置为收集表示操作员在至少一次行程期间操作车辆时的驾驶行为的车辆驾驶数据。便携式数据收集模块被配置为导致能够在车辆上输送的便携式计算系统收集表示操作员在至少一次行程期间操作车辆时的驾驶行为的便携式驾驶数据。评估系统被配置为：接收便携式驾驶数据和车辆驾驶数据；为车辆驾驶数据中包括的至少一个事件分配风险等级；以及将车辆驾驶数据与便携式驾驶数据相关以识别便携式驾驶数据中可与风险等级相关联的模式。

在另一例示性实施方案中，一种计算机实现的方法包括接收由车辆数据系统所收集的车辆驾驶数据，该车辆数据系统与车辆上的至少一个传感器可操作地耦合并且被配置为收集表示操作员在至少一次行程期间操作车辆时的驾驶行为的数据。从能够在车辆上输送的便携式数据系统接收便携式驾驶数据以收集表示操作员在至少一次行程期间操作车辆时的驾驶行为的数据。评估车辆驾驶数据和便携式驾驶数据。该评估包括为车辆驾驶数据中包括的至少一个事件分配风险等级。该评估还包括将车辆驾驶数据与便携式驾驶数据相关以识别便携式驾驶数据中可与风险等级相关联的模式。

根据本文提供的描述，其他适用特征、优点和领域将变得显而易见。应当理解，本说明书和具体示例仅旨在用于说明的目的并且不旨在限制本公开的范围。

附图说明

本文所述的附图仅用于说明目的并且不旨在以任何方式限制本公开的范围。附图中的部件未必按比例绘制，而是将重点放在示出所公开的实施方案的原理上。在附图中：

图1是用于从多个计算系统收集和评估驾驶数据的例示性系统的局部示意形式的框图；

图2是包括用于收集驾驶数据的车辆数据系统和便携式计算系统的车辆的框图；

图3是支撑图1的系统的车辆的车舱的透视图；

图4是与一个或多个远程系统交换驾驶数据的例示性计算系统的框图；

图5是用于执行图1的系统的功能的例示性计算系统的框图；

图6是图1的操作员辅助系统传感器的框图；

图7是能够由图1的系统使用的传感器系统的框图；

图8是能够由图1的系统使用的便携式计算系统和所包括的传感器系统的框图；

图9A、图9B、图10、图11A、图11B、图12A、图12B、图12C、图13A和图13B是能够以驾驶数据集表示的驾驶事件的示意图；并且

图14是由并行驾驶数据集开发模型的例示性方法的流程图。

具体实施方式

以下描述本质上仅是例示性的并且不旨在限制本公开、应用或用途。需注意，三位数字参考标号的第一位数字和四位数字参考标号的前两位数字分别对应于参考元素首次出现时的图片编号的第一位数字和前几位数字。

以下描述仅以说明而非限制的方式解释了用于由并行驾驶数据集开发模型以识别这些驾驶数据集的中的一个驾驶数据集中的事件的风险等级的系统、车辆和方法的各种实施方案。

参考图1，本公开的各种实施方案包括分析系统100，该分析系统处理从结合在车辆105内的车辆数据系统111所接收的车辆驾驶数据101和从能够在车辆105上输送的便携式计算系统112(诸如智能电话)所接收的便携式驾驶数据102。如下文进一步所述，车辆驾驶数据101和便携式驾驶数据102中的每一者可包括表示在车辆105的操作期间发生的事件的数据。例如，便携式驾驶数据102可包括能够由便携式计算系统112监视的许多不同类型的信息，范围从能够从GPS设备、陀螺仪、加速度计、相机、麦克风所接收的数据到来自可结合在便携式计算设备112中或与便携式计算设备通信的任何其他类型的传感器(包括例如下文参考图8所述的传感器)的数据。因此，便携式驾驶数据可包括反映与车辆操作相关的事件(诸如加速度、速度、制动、急转弯和其他车辆操作)的数据。车辆驾驶数据111可包括与便携式驾驶数据112中包括的数据相同的数据，但也可包括许多其他类型的数据。在各种实施方案中，车辆驾驶数据111可包括用以表明呈现给操作员的场景的相机数据、用以表明车辆跟随其他车辆的接近程度的跟随距离数据、用以指示操作员是否有脚踩在制动器上准备停车的制动踏板数据、以及许多其他形式的数据。

在各种实施方案中，分析系统100被配置为从车辆驾驶数据101提取一个或多个车辆驾驶事件数据151集并且从便携式驾驶数据102提取一个或多个便携式驾驶事件数据152集。可基于超过各种阈值的数据值(诸如猛制动、超速、急转弯、发出车道偏离警示或物体接近警示等实例)来识别或选择车辆驾驶事件数据151集。基于与车辆驾驶数据151集中的每个集相关联的标记的严重性，可分配指示事件所呈现的风险的风险等级155。

相关器160用于将车辆驾驶数据151集与便携式驾驶事件数据152集相关联。在各种实施方案中，便携式驾驶事件数据152集可通过其相应的时间戳与车辆驾驶事件数据151集相关联。用作便携式计算系统112的智能电话和类似的支持通信的便携式计算系统定期将它们的时钟与集中式系统同步，该集中式系统也可用于同步车辆数据系统111的时间。因此，事件数据151集和事件数据152集可根据记录与事件相关联的数据的时间容易地匹配。在各种情况下，时钟可能不会完全同步。在这些情况下，可使用其他元素如速度、GPS、蓝牙、接近传感器等来匹配事件数据151集和事件数据152集。

分析系统100的输出为模式数据170。模式数据170可用于评估便携式驾驶事件数据182，以评估来自从车辆165所收集的数据的所表示事件，该车辆不包括车辆数据系统(如车辆105的车辆数据系统)。通过将便携式驾驶事件数据152与可被分配相对高风险等级155的车辆驾驶事件数据151集进行比较，可以识别便携式驾驶数据152的指示相关联的高风险等级155的方面。车辆驾驶事件数据151与便携式驾驶事件数据182的比较允许辨别便携式驾驶事件数据182中可表示的事件，否则可能无法单独从便携式驾驶事件数据182中辨别或正确评估这些事件。包括在车辆驾驶事件数据151中的特定类型的数据可允许对便携式驾驶事件数据182进行适当的背景化和理解，即使单独对大量便携式驾驶事件数据182进行彻底评估，也可能无法理解便携式驾驶事件数据。因此，当个体操作车辆165时，使用了模式数据170的评估系统175可能能够为从便携式计算系统122单独生成的便携式驾驶数据132提取的便携式驾驶事件数据182集分配风险等级185。

参考图2，车辆105(其包括车辆数据系统111)可包括汽车、卡车、运动型多用途车(SUV)或用于公路行驶和/或越野行驶的类似车辆。车辆105包括车身210，该车身支撑车舱220以容纳操作员、一个或多个乘客和/或货物。车辆105可以是可在无操作员或乘客的情况下操作的自驾驶车辆或自主车辆。车辆105的车身210还可包括附加载货区段221，诸如后备箱或卡车车垫。

车辆105包括驾驶系统230，该驾驶系统与前轮232和/或后轮234协作，使车辆105启动、加速、减速、停止和转向。在多个实施方案中，驾驶系统230由操作员控制系统240和/或操作员辅助系统260引导。操作员控制系统240与车舱220内的操作员显示和输入系统250协同工作。操作员显示和输入系统250包括所有操作员输入，包括转向控制、加速器和制动控制，以及所有其他操作员输入控制。操作员显示和输入系统250还包括向操作员提供信息的数据设备，包括速度计、转速计、油量表、温度计和其他输出设备。当车辆105配备有操作员辅助系统260时，操作员显示和输入系统250还允许操作员控制操作员辅助系统260并与操作员辅助系统交互。

操作员辅助系统260包括可用的自动化、自驾驶能力或辅助操作员的其他特征，诸如前方碰撞警示系统、自动紧急制动系统、车道偏离警示系统和下文描述的其他特征。因此，操作员辅助系统260部分地或完全地控制车辆105的操作和/或向操作员提供帮助操作员避免事故的警示。

在各种实施方案中，车辆105还包括车辆数据系统111。车辆数据系统111接收并跟踪定位数据(诸如全球定位系统(GPS)数据)以提供导航辅助，从而在操作员使用操作员控制系统240控制车辆105时帮助操作员导航。车辆数据系统111还向操作员辅助系统260提供导航数据，以允许操作员辅助系统260控制车辆105。车辆数据系统111可操作为接收和存储地图数据，并且使用GPS或其他定位信息跟踪车辆105相对于地图数据的位置。此外，车辆数据系统111可记录关于正在进行和已经进行的行程的定位信息。另外，如先前参考图1所述，车辆数据系统111捕获可与便携式驾驶数据102相关联的车辆驾驶数据101以最终生成模式数据170。

在各种实施方案中，车辆数据系统111可在生成车辆驾驶数据101时从许多输入收集数据。例如，车辆数据系统111监视来自操作员控制系统240的输入，以监视操作员对踏板和方向盘的占用。车辆数据系统111可接收来自操作员辅助系统260的输入，该输入用于提供警示并且部分或完全控制车辆的操作。车辆105还可包括车辆数据系统111从其收集数据的附加传感器290。如下文进一步所述，来自操作员控制系统240、操作员辅助系统260和附加传感器290的输入可提供关于速度、制动、转向、与其他车辆的距离、操作员动作的数据，以及由车辆数据系统111在车辆驾驶数据101中收集的许多其他类型的信息。应当理解，车辆数据系统111、操作员控制系统240、操作员辅助系统260和传感器290可互操作，例如，以使操作员辅助系统260能够接收和使用来自操作员控制系统240和传感器290的数据。

应当理解，为了确保车辆驾驶数据101归因于正确的操作员，可以适当地识别车辆105的操作员。为此，在各种实施方案中，车辆105还包括操作员识别系统270，该操作员识别系统与车辆数据系统111通信以识别操作员。

参考图3，在各种实施方案中，车辆105的车舱220(图1和图2)包括操作员显示和输入系统250(图2)，该操作员显示和输入系统可包括显示器365和多个控件370-373。应当理解，显示器365可包括触摸屏或接收语音命令，以使得操作员或乘客能够与操作员显示和输入系统250进行交互。车舱220还可包括用于识别操作员的多个设备。车舱220通常包括挡风玻璃310和操作员座椅320，以及方向盘326和其他控件，诸如加速器、制动踏板和用于操作前灯、雨刮器等的开关(未示出)。

为了识别操作员，车舱220可包括操作员识别系统270(图2)，该操作员识别系统包括多个识别设备中的一些或全部识别设备。相机或其他成像设备330被定位成对操作员成像，该操作员可通过使用图像识别来识别。还可通过操作员的座椅320移动到特定操作员偏爱的调整位置322来识别操作员。可通过选择可分配给多个操作员中的每个操作员的多个存储按钮(未示出)中的一个存储按钮来设定位置。另外，车舱220可包括密钥卡标识符342，该密钥卡标识符不仅识别密钥卡344被授权操作车辆，而且识别密钥卡344何时被分配给特定操作员。例如，密钥卡344可包括个性化射频识别(RFID)标签，并且密钥卡342可包括RFID读取器。另外，车舱220可包括电话连接系统352，该电话连接系统除了使智能电话354能够与车辆的娱乐系统或其他系统进行交互之外，还识别智能电话354是否与车辆的特定操作员相关联。

除了车载系统之外，各种实施方案还可与远程计算系统进行通信。例如，可能期望将车辆驾驶数据101或便携式驾驶数据102(图1)传送到支持分析系统100或评估系统175的远程计算系统。

参考图4，车辆105和165的操作环境400可包括远程计算系统450。在各种实施方案中，远程计算系统450可被配置为分别与车辆105的车辆数据系统111以及车辆105和165的便携式计算系统112和122通信。车辆数据系统111以及便携式计算系统112和122可分别经由通信链路411、412和413通过网络410与远程计算系统450通信。由于车辆105和165是可移动设备，因此通信链路411、412和413一般可以是无线通信链路，诸如蜂窝、卫星或Wi-Fi通信链路。然而，当车辆105和165中的一者静止时，也可使用有线通信链路，诸如以太网连接。远程计算系统450通过有线或无线通信链路414与网络410通信。在各种实施方案中，车辆105的车辆数据系统111经由网络410将车辆驾驶数据101(图1)发送到远程计算系统450。类似地，车辆105和165的便携式计算系统112和122经由网络410分别将便携式驾驶数据102和132发送到远程计算系统450。

远程计算系统450可包括服务器或服务器农场。远程计算系统450可通过高速总线460访问数据存储装置470，以获得用于执行其功能的编程和数据。保持在数据存储装置470中的信息可包括驾驶数据472，该驾驶数据包括车辆驾驶数据101以及便携式驾驶数据102和132。车辆驾驶事件数据151以及便携式驾驶事件数据152和182可作为驾驶事件数据474存储在数据存储装置中。从车辆驾驶事件数据151和便携式驾驶事件数据152生成的模式数据170也可保持在数据存储装置470中。此外，计算机可执行指令480包括操作系统代码、数据库管理代码、通信管理代码，并且其他指令可存储在数据存储装置470中。指令480中包括计算机可执行指令，用于接收驾驶数据101、102和132，并且识别驾驶事件数据151、152和182，将风险等级155和185分配给驾驶事件数据151、152和182。此外，用于支持相关器160，生成模式数据170和支持评估器180的指令也可作为指令480保持在数据存储装置470中。

参考图5，并且仅以举例而非限制的方式给出，某种形式的广义计算系统500可分别用于车辆105的车辆数据系统111、车辆105和165(图1和图4)的便携式计算系统112和122以及远程计算系统450(图4)。在各种实施方案中，计算系统500通常包括至少一个处理单元520和系统存储器530。根据计算系统的确切配置和类型，系统存储器530可为易失性存储器(诸如随机存取存储器(“RAM”))、非易失性存储器(诸如只读存储器(“ROM”)、闪存存储器等)或易失性存储器和非易失性存储器的某种组合。系统存储器530通常保存操作系统532、一个或多个应用程序534和程序数据536。例如，分析系统100和评估系统175(包括相关器160和评估器180(图1))可包括利用人工智能、神经网络和深度学习系统的应用程序，这些应用程序适于分析车辆驾驶数据101以及便携式驾驶数据102和132，如本文所述。操作系统532可包括可在台式计算机或便携式设备上执行的任何数量的操作系统，包括但不限于Linux、Microsoft

Apple

或

或专有操作系统。

计算系统500还可具有附加特征或功能。例如，计算系统500还可包括(可移除的和/或不可移除的)附加数据存储装置，诸如例如磁盘、光盘、磁带或闪存存储器。此类附加存储装置在图5中由可移除存储装置540和不可移除存储装置550示出。计算机存储介质可包括以用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术实现的易失性和非易失性、可移除介质和不可移除介质。系统存储器530、可移除存储装置540和不可移除存储装置550均为计算机存储介质的示例。可用类型的计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存存储器(可移除和不可移除两种形式形式)或其他存储器技术、CD-ROM、数字通用光盘(DVD)或其他光学存储装置、磁带盒、磁盘存储装置或其他磁存储设备，或可用于存储所需信息并且可由计算系统500访问的任何其他介质。任何此类计算机存储介质都可以是计算系统500的一部分。

计算系统500还可具有输入设备560，诸如键盘、鼠标、触笔、语音输入设备、触摸屏输入设备等。还可包括输出设备570，诸如显示器、扬声器、打印机、短程收发器(诸如蓝牙收发器)等。计算系统500还可包括一个或多个通信系统580，该一个或多个通信系统允许例如当车辆105上的车辆数据系统111和便携式计算系统112以及便携式计算系统122(图1)与远程计算系统450(图4)通信时计算系统500与其他计算系统590通信，反之亦然。如先前所提及的，通信系统580可包括用于有线或无线通信的系统。可用形式的通信介质通常在调制数据信号(诸如载波或其他传输机制)中携带计算机可读指令、数据结构、程序模块或其他数据，并且包括任何信息递送介质。术语“经调制数据信号”可包括其特性中的一个或多个特性被设定或改变以便以某种方式在信号中编码信息的信号。仅以例示性示例而非限制的方式，通信介质可包括有线介质(诸如有线网络或直接有线连接)和无线介质(诸如声学介质、射频(RF)介质、红外介质和其他无线介质)。如本文所用，术语计算机可读介质包括存储介质和通信介质两者。

进一步参考图5，计算系统500可包括全球定位系统(“GPS”)电路585，该电路可基于与多个GPS卫星的相对位置来自动辨别其位置。如下文进一步所述，GPS电路585可用于确定位置并且生成关于车辆105和165的加速度、速度、制动、转弯以及其他移动的数据。

如前所述，车辆105的车辆数据系统111从多个输入采集数据。输入可来自操作员控制系统240、操作员辅助系统260和附加传感器290。由这些设备提供的数据可提供关于速度、制动、转向、与其他车辆的距离、操作员动作的数据，以及由车辆数据系统111在车辆驾驶数据101中收集的许多其他类型的信息。尽管下文描述的各种子系统或设备可单独归因于包括在操作员控制系统240、操作员辅助系统260或其他系统中，但应当理解，本发明所公开的实施方案并不限于将这些设备具体分组到其他设备中或与其他设备分组到一起。

参考图6，操作员辅助系统260包括多个子系统，该多个子系统可提供由车辆数据系统111接收并且包括在车辆驾驶数据101中的数据。在各种实施方案中，操作员辅助系统260可包括前方碰撞警示系统602，以提示以正常行驶速度行进的操作员道路上有停止的车辆或其他物体。前方碰撞警示系统602的接合或前方碰撞警示系统602的接合的重复使用可指示操作员注意力不集中。类似地，操作员辅助系统260可包括自动紧急制动系统604。虽然前方碰撞警示系统602提示操作员应用制动器以避开道路上的停车或其他物体，但当在道路上检测到停车或其他物体时，自动紧急制动系统604实际上自动接合制动器以使车辆105(图1)自行停止。紧急制动系统604的接合还可指示操作员注意力不集中。

操作员辅助系统260还可包括自适应巡航控制系统606。自适应巡航控制系统606自动调整由操作员或巡航控制系统设定的巡航速度以反映前方交通的速度。例如，如果操作员将自适应巡航控制系统606设定为每小时65英里的标示高速公路速度，但由于交通原因，车辆在前方道路行驶的速度在每小时55英里到65英里之间变化，因此自适应巡航控制系统606将反复调整巡航速度，以保持车辆与前方道路上的其他车辆之间的期望距离。

操作员辅助系统260可包括车道偏离警示系统608，该车道偏离警示系统在车辆顺转接近或越过车道标记并由此呈现明显危险时提示操作员。操作员辅助系统260可包括车道保持辅助系统610，该车道保持辅助系统使车辆转向以防止车辆顺转接近或越过车道标记。

操作员辅助系统260可包括盲点检测系统612，该盲点检测系统提示操作员在车辆的后部四分之一处的盲点中有车辆在行驶，从而警示操作员在此类情况下不要改变车道。操作员辅助系统260可包括方向盘接合系统614，该方向盘接合系统检测操作员何时松开方向盘。方向盘的松开可记录为操作员注意力不集中的指示。操作员辅助系统260可包括踏板接合系统616，该踏板接合系统检测操作员的脚何时与加速踏板或制动踏板接触。操作员接合踏板中的一个踏板的时间也可记录为操作员注意力不集中的指示。操作员辅助系统260还可包括交通标志识别系统618，该交通标志识别系统例如识别停车标志或限速标志。

操作员辅助系统260还可包括后方交通穿行提示系统620，以在车辆驶出空间时向操作员通知其他车辆的接近。类似地，操作员辅助系统260可包括倒车警示系统622，该倒车警示系统在车辆接近车辆后面的物体时警示操作员。操作员辅助系统260可包括自动远光灯控制系统624，以在其他汽车接近然后超过时停用和重新激活远光灯。此类系统的可用性可降低在照明不足或没有照明的高速公路或地面街道上行驶期间发生事故的可能性。操作员辅助系统260还可包括自动驾驶系统650，该自动驾驶系统提供对车辆的完全自主控制。

参考图7，除了包括在操作员辅助系统260中的设备之外，车辆数据系统111还可从多个其他传感器290接收输入，该多个其他传感器的信息记录在车辆驾驶数据101(图1)中。传感器290可包括GPS设备730以监视车辆105(图1)的位置和移动。传感器290还可包括加速度计732，以检测快速加速或减速，该快速加速或减速可能指示由于操作员注意力不集中或危险交通模式而导致的过于激进的驾驶或猛制动。传感器290可包括陀螺仪734，以检测指示危险道路、急剧车道变化或急转弯的方向的突然变化。传感器290可包括至少一个跟随距离/横向距离传感器736，以确定车辆105跟随其他车辆的接近程度或车辆105在其他车辆旁边超过的接近程度。跟随距离/横向距离传感器736可使用可确定距另一车辆的跟随距离的任何技术，诸如雷达、LIDAR、使用相机或其他光学传感器进行的光学测量、超声测量、激光测量或可用于确定距另一车辆的跟随距离的任何其他技术。

传感器290还可包括设备传感器(诸如轮胎压力传感器738)以监视轮胎是否充气到推荐水平。传感器290还可包括杂项设备传感器740，以确定在特定路线上是否已使用了其他系统，诸如车灯、车笛和雨刮器。传感器290还可包括座椅安全带传感器742，以指示在特定路线上乘员是否佩戴座椅安全带。传感器290还可包括电话使用传感器744(其可采取在电话上执行的应用程序的形式)，以报告操作员在特定路线上是否正握着或操作操作员的电话。传感器290可包括安全气囊展开传感器746或碰撞传感器748，以报告导致了碰撞和/或严重碰撞的灾难性事件，从而保证安全气囊展开。最后，传感器290可包括一个或多个相机750以检测和评估车辆105中和车辆周围的状况。车辆外部的相机750可能能够监视车辆相对于其他车辆的位置和车辆在道路上的位置，监视诸如交通状况、天气状况和道路状况的行驶状况，并且收集其他数据。车辆内部的相机750可用于识别操作员，确定乘员是否佩戴座椅安全带，操作员是否分心，并且采集其他信息。

从这些设备所收集的数据可由车辆数据系统111接收并且包括在车辆驾驶数据101中。表1呈现了可包括在车辆驾驶数据101中的数据列表。表1包括可被记录的数据字段以及数据例如被采样和/或存储的频率。

表1

<u>字段</u>	<u>具体实施方式</u>	<u>最小</u><u>报告</u><u>频率</u>
			驾驶员ID	每个驾驶员的唯一标识符(如果可用)	NA
行程ID	特定行程的唯一标识符	NA
			行程开始	行程的开始日期和时间	NA
行程结束	行程的结束日期和时间	NA
			道路速度	1Hz，使用多个传感器	1Hz
GPS精度		1Hz
			GPS速度		1Hz
GPS高度		1Hz
			GPS航向		1Hz
GPS纬度		1Hz
			GPS长度		1Hz
加速度计		10Hz
			蓝牙		1Hz
陀螺仪		10Hz
			碰撞/撞击传感器	基于可用传感器和上下文数据实时计算
后端	基于可用传感器和上下文数据实时计算
			侧面撞击	基于可用传感器和上下文数据实时计算
安全气囊传感器		10Hz
			车辆侧翻	基于可用传感器和上下文数据实时计算
车辆打转滑动	基于可用传感器和上下文数据实时计算
			车辆安全漏洞	报警触发时	1Hz
里程计	行程开始/结束	NA
			撞击传感器事件	偶然发生	10Hz
驾驶员安全带事件	开/关	1Hz
			乘客座椅安全带	开/关	1Hz

表1的数据(其可包括车辆驾驶数据101中的一些或全部)由分析系统100用于生成模式数据170(图1)，如下文进一步所述。

参考图8，便携式计算系统112和122可包括便携式传感器，该便携式传感器生成可分别包括在便携式驾驶数据102和132(图1)中的数据。便携式计算系统112和122可包括智能电话、便携式计算机、平板电脑、智能手表或可承载在车辆105或车辆165上的其他类型的便携式计算系统。

在各种实施方案中，便携式计算系统112和122可包括大量传感器以分别收集车辆105和165的便携式驾驶数据102和132。图8中示出可使用的一些传感器的示例。应当理解，便携式计算系统112和122可不包括所列出的所有传感器，或者可包括图8中未示出的附加传感器。

传感器可包括一个或多个加速度计810，该一个或多个加速度计可用于感测便携式计算系统112和122在一个或多个方向上的加速度。在各种实施方案中，加速度计810可检测便携式计算系统112和122的停止和开始以及左右移动，该停止和开始以及左右移动可分别反映车辆105或车辆165的对应移动。GPS设备812还可用于监视便携式计算系统112和122的速度和运动，该速度和运动可分别反映车辆105或车辆165的对应移动。一个或多个陀螺仪814可用于检测车辆在二维空间或三维空间中的姿态和取向。罗盘816也可用于确定车辆的取向。一个或多个磁力仪818可用于检测其他车辆的存在或执行其他功能。

便携式计算系统112和122还可包括计步器820，该计步器在具有能够检测用户行走的步数的电路时，可用于检测便携式计算系统112和122的其他移动，这可包括例如当操作员在车辆内使用便携式计算系统112和122时。一个或多个生物识别传感器822可用于通过指纹识别、面部识别或其他技术来识别或检测特定用户。触摸屏传感器824可用于确定操作员何时在使用便携式计算系统112和122，这可能指示分心驾驶。接近传感器826还可用于检测与便携式计算系统112和122的接合。一个或多个相机828、光传感器830、麦克风832和/或光探测和测距或激光成像、探测和测距设备(LIDAR)834也可用于监视车辆内的环境以识别操作员或检测车辆中其他人的存在，并且监视他们的活动以检测分心驾驶并执行其他功能。

通信系统(诸如近场通信电路836、Wi-Fi电路838、蜂窝通信电路840、蓝牙电路842和/或信标微定位电路844)可用于确定车辆相对于全球坐标或相对于其他已知信号源的位置。可使用温度传感器846、气压计848和其他压力传感器850来监视天气状况。此外，便携式计算系统112和122可与其他可穿戴设备或附加便携式设备852通信以确定操作员的状况或可指示操作员的注意力集中或分心的移动。这些设备可包括智能手表、健身手环、听筒(包括头戴式耳机、耳塞和包括语音识别系统和其他处理能力的类似音频设备)，以及可用于监视操作员的状况和动作的其他设备。

如前所述，对来自车辆105的车辆驾驶数据101和便携式设备驾驶数据102的比较分析可用于识别可从便携式驾驶数据102导出的模式，使得可单独使用便携式驾驶数据132来评估车辆165的驾驶。

参考图9A和图9B，车辆可能险些发生碰撞，但导致近距离碰撞的驾驶行为可能明显不同。在图9A的示例中，车辆910在朝向道路960中的物体950移动时使用中等加速920(由中等大小的虚线箭头描绘)。物体950可包括位于道路960中的碎石堆、突然移动到道路960中的人或动物、或任何其他物体。在看到物体950时，车辆910的操作员执行猛制动930和突然转弯940以避免与物体950碰撞。来自车辆数据系统(图9A中未示出)的车辆驾驶数据962和便携式驾驶数据964两者都反映了加速920、猛制动930和突然转弯940。在图9B的示例中，车辆911在朝向道路961中的物体951移动时使用高加速921(由大尺寸实线箭头描绘)。在看到物体951时，车辆910的操作员执行非常猛的制动931(由大箭头表示)和突然转弯941以避免与物体951碰撞。来自车辆数据系统(图9B中未示出)的车辆驾驶数据963和便携式驾驶数据965两者都反映了高加速921、非常猛的制动931和突然转弯941。

在这两种情况下，车辆驾驶数据962和963可能被分配高风险等级(如图1所示)，因为在每种情况下都涉及到猛制动和突然转弯。在图9A所示的实例中，车辆驾驶数据962可包括例如从相机750(图7)所捕获的数据，该数据表明物体950突然出现在道路960中，并且因此指示车辆910的安全且注意力集中的操作。然而，在便携式驾驶数据964中可能不存在可将操作行为区分为安全或不安全的任何可识别模式。在后续实例中，便携式驾驶数据964中在明显的中等加速920之后的突然猛制动930和突然转弯940可能无助于指示在操作行为中显现出的风险。

相比之下，在图9B所表示的实例中，在将车辆驾驶数据963与便携式驾驶数据965进行比较时，高加速921的使用可能与来自包括在车辆驾驶数据963中的踏板接合系统616(图6)的输入相对应，该输入表明车辆911的操作员在启动非常猛的制动931时接合制动踏板较晚。因此，评估器100(图1)可发现便携式驾驶数据965中的高加速921和非常猛的制动931的模式可能始终与车辆驾驶数据963表明制动踏板接合较晚的实例相对应。因此，在车辆不具有用于生成车辆驾驶数据962或963的车辆数据系统111(图1)的其他情况下，当便携式驾驶数据964或965中呈现了高加速921和非常猛的制动931的模式时，便携式驾驶数据964或965单独可指示高风险操作行为。

参考图10，车辆1000的操作的另一示例表示可如何从车辆驾驶数据1062和便携式驾驶数据1064导出模式数据，以识别随后捕获的便携式驾驶数据中的模式而无需受益于车辆驾驶数据。车辆1000在朝向道路1060中的物体1050移动时使用中等加速1002(由箭头描绘)。在车辆1000开始加速的位置1010处，对道路1060的一侧进行转向校正1011。当车辆1000前进到位置1020时，对道路1060的另一侧进行另一相对的转向校正1021。当车辆1000前进到位置1030时，对道路1060的与前一转向校正1021相对的一侧进行另一转向校正1031。然后，当车辆接近物体1050时，使用猛制动1040以避免与物体1050碰撞。评估器100(图1)可比较车辆驾驶数据1062和便携式驾驶数据1064以导出能够单独从随后所捕获的便携式驾驶数据识别的模式170。

如前所述，操作员动作(诸如突然转弯或制动以避免碰撞)可能反映了适当的操作员行为。相比之下，将车辆驾驶数据1062和便携式驾驶数据1064相关可用于识别便携式驾驶数据1064中应被识别为高风险的模式。在图10的示例中，例如，车辆驾驶数据1062可包括来自方向盘接合系统614(图6)的输入，该输入表明操作员偶尔地或松散地接合方向盘，这可能导致方向盘校正1011、1021和1031。此外，一系列转向校正1011、1021和1031，之后是猛制动1040可与没有脚踩在任一踏板上的踏板接合系统616相关。因此，转向校正1011、1021和1031，之后是猛制动1040的模式可由便携式计算系统中的一个或多个加速度计732(图7)检测到，并且因此被捕获在便携式驾驶数据1064中。因此，当在便携式驾驶数据中检测到类似模式时，即使没有用于比较的车辆驾驶数据集，该模式也可被识别为高风险。

对反映了车辆如何响应于交通状况而操作的车辆驾驶数据101和便携式设备驾驶数据102的比较分析也可用于识别能够从便携式驾驶数据102导出的模式，使得可单独使用便携式驾驶数据132来评估车辆165的驾驶。参考图11A和图11B，车辆1110响应于双车道道路1160上不断变化的交通状况而操作。道路1160包括边缘线1171和1172以及虚线车道分界线1173。参考图11A，可以假设车辆1110在交通不妨碍行驶时以矢量1120表示的标示速度行驶。以矢量1120表示的标示速度行驶时，车辆1110以矢量1122表示的与前导车辆1111相同的速度行驶。通过以与前导车辆1111相同的速度行驶，车辆1110在前导车辆1111后面保持一致、安全的跟随距离，使得如果前导车辆突然停止，则车辆1110可例如停止而不会发生碰撞。理想的是，出于相同的原因，尾随车辆1112也以矢量1124表示的相同的速度行驶，以允许安全跟随距离1182。另外理想的是，车辆1110在其车道的中心以距相邻边缘线1171和分界线1173相等的距离1130和1132行驶。

参考图11B，当交通拥堵积聚时，前导车辆1111将其速度降低到由矢量1123表示的较低速度。车辆1110相应地将其速度降低到由矢量1125表示的相同较低速度，以留下安全跟随距离1181。(应当理解，速度降低时的跟随距离1181可低于图11A的跟随距离1180，因为当以较低速度行驶时需要较短的距离来作出反应和/或停车。)理想的是，车辆1110继续在其车道的中心以距相邻边缘线1171和车道分界线1173相等的距离1130和1132行驶。如果车辆1110注意到交通状况的变化而操作，则车辆1110的速度逐渐降低，而不会在其车道内发生任何突然转弯，因为这可能会导致突然制动或停车。对交通的适当响应可由操作员手动控制，或者可由车辆1110上的操作员辅助和/或自动驾驶设施自动处理。

在车辆1110的该示例中，根据交通变化适当地调整车辆驾驶数据1162可记录车辆的速度相对于由矢量1120和1125表示的速度的变化，并且使用各种车辆传感器，记录车辆1110没有突然转弯以及分别保持在前导车辆1110后面及其车道边缘之间的距离1180、1130和1132。便携式驾驶数据1164可能不具有辨别距离1180、1130和1132的能力，但仍然可检测到逐渐速度变化和车辆1110行驶的车道内没有突然转弯。因此，便携式驾驶数据1164与车辆驾驶数据1162的比较可能能够基于逐渐速度变化来辨别指示适当、谨慎驾驶的行为，无论是由操作员管理还是由车辆1110上的操作员辅助和/或自动驾驶设施管理。

相比之下，如果操作员没有使用操作员辅助和/或自动驾驶设施，或者没有谨慎驾驶，则在便携式驾驶数据1164(其可从车辆驾驶数据1162验证)中可显现出指示未使用操作员辅助和/或操作员未基于监视速度、制动、跟随距离和其他被监视参数以预定谨慎程度驾驶的行为。参考图12A，如在图11A和图11B的示例中那样，车辆1210以由矢量1220表示的速度行驶，该速度与前导车辆1211行驶并且由矢量1222表示的速度相同，从而留下跟随距离1280。同时，车辆1210在其车道1260的中间以距边缘线1271和车道分界线1273相等的距离1230和1232行驶。如先前参考图11A和图11B所述，车辆1210保持与前导车辆1211一致的速度可允许车辆1210和前导车辆1211之间具有一致、安全的跟随距离。

相比之下，参考图12B，如果车辆1210在前导车辆1211加速到由矢量1223表示的速度时保持由矢量1220表示的速度，则车辆1210和前导车辆1211之间可能会出现增大的跟随距离1281。作为响应，参考图12C，操作员(未示出)可将车辆1210加速到由矢量1225表示的更大速度，但当前导车辆减速到由矢量1224表示的速度时，跟随距离缩短到距离1283，并且操作员突然制动车辆1210以施加由矢量1226表示的高减速，从而避免与前导车辆1211碰撞。利用由矢量1226表示的高减速，车辆可突然转弯到由矢量分量1227表示的一侧，从而使车辆1210从车道1260的中心以距边缘线1271和车道分界线1273相等的距离1230和1232移动。

基于由图12A至图12C表示的事件，车辆驾驶数据1262可捕获包括由矢量1220、1225和1226表示的车辆的变化的速度、车辆1210和前导车辆1211之间的变化的跟随距离1280、1281和1283，以及车辆1210在突然制动以避免碰撞时的突然转弯的数据。通过使用各种传感器(诸如车辆数据系统111(图1)的相机和接近传感器)，车辆驾驶数据1262还可捕获关于变化的跟随距离1280、1281和1283、距车道1260的边缘的变化的距离1230、1231、1232和1233、车辆1210与前导车辆1211的接近度以及操作员与方向盘、加速器和制动踏板的接合的数据以及其他数据。车辆驾驶数据1262还可包括从相机和其他传感器所收集的数据，该数据可指示是否发生了分心驾驶。

通过使用便携式计算设备112和122中的加速度计、GPS电路和其他传感器，便携式驾驶数据1264还可捕获包括由矢量1220、1225和1226表示的车辆1210的变化的速度以及在突然制动以避免碰撞时由矢量1127表示的车辆1210的突然转弯的数据。便携式驾驶数据1264还可使用相机和其他传感器来收集操作员电话使用的标记或可能已经指示可能的分心驾驶的其他动作。

通过对车辆驾驶数据1262和便携式驾驶数据1264进行相关和分析，可发现便携式驾驶数据1264中存在的标记和/或模式指示驾驶行为的质量。例如，由矢量1220、1225和1226表示的车辆1210的不一致的变化速度可与车辆驾驶数据1262相关，以表明操作员辅助特征和/或自动驾驶设施未被占用。由矢量1220、1225和1226表示的车辆1210的不一致的变化速度也可表明相对注意力不集中的驾驶，特别是当由矢量1226表示的猛制动结束时。由车辆驾驶数据1262和便携式驾驶数据1264所捕获的传感器数据均可表明电话使用或其他分心驾驶行为，这些行为导致由矢量1220、1225和1226表示的车辆1210的不一致的变化速度，最终导致由矢量1226表示的猛制动。作为此类比较的结果，可确定便携式驾驶数据1264独立地反映了指示高风险等级的模式。将便携式驾驶数据1264与可用车辆驾驶数据1262进行比较和分析的能力提供了更好地理解可呈现在便携式驾驶数据1264中的驾驶信息的能力，使得当仅便携式驾驶数据1264可用时，可单独从便携式驾驶数据1264对驾驶行为和事件进行更准确的评估。因此，当便携式驾驶数据1264被收集在未配备成收集车辆驾驶数据1262的车辆中时，可单独使用便携式驾驶数据1264来评估与驾驶行为相关联的风险等级。

又如，可分析突然横向移动以及快速加速和减速以评估驾驶员行为。参考图13A，车辆1310可能正在在车辆1311和1312后面行驶，车辆1311和1312中的每一者正以由矢量1322表示的速度行驶。车辆1310的操作员可能决定超过车辆1311和1312中的一者或多者，加速并转弯到由矢量1325表示的速度。参考图13B，在超过车辆1311之后，然后车辆1310的操作员可能突然驶入车辆1312后方。在加速超过车辆1311之后，车辆1310可能必须通过矢量1337表示的突然制动来快速减速，同时驶入车辆1311和1312之间的空间。

车辆驾驶数据1362可捕获包括由矢量1325和1337表示的车辆的变化的速度，以及在超车机动之后车辆1310在车辆1312后面的短跟随距离以及车辆1310和车辆1311之间的短余量的数据。如前所述，车辆驾驶数据1362可包括来自车辆数据系统111(图1)的相机或其他距离传感器的输入以捕获机动的细节，以及来自方向盘、加速器和制动踏板的输入以捕获操作员动作。通过使用便携式计算设备112和122(图1)中的加速度计、GPS电路和其他传感器，便携式驾驶数据1364还可捕获包括在超过车辆1311时由矢量1325和1337表示的车辆1310的变化的速度和突然转弯的数据。

如先前参考图9A和图9B所述，在某些情况下，突然的制动和转弯可能是适当的，诸如以避开车辆前方道路中的物体。然而，通过对车辆驾驶数据1362和便携式驾驶数据1364进行相关和评估，可在便携式驾驶数据1364中找到指示潜在高风险驾驶行为而不是注意力集中的规避驾驶的模式。例如，可能需要沿一个方向然后沿相反方向顺转以避开出现在道路上的碎石堆或动物，然后返回到车辆行驶路线。在图13A和图13B的示例中，可通过查看来自车辆驾驶数据1362的相机图像或其他图像来排除该类型的事故。此外，由矢量1325表示的车辆1310驶出以超过车辆1311的加速和转弯与避开道路中的障碍物的机动不一致。由矢量1325表示的车辆1310驶入车辆1311周围的加速和突然转弯能够由便携式计算系统112和122的加速度计、GPS和其他传感器检测到，正如车辆1310驶入车辆1311和1312之间的快速减速和突然转弯一样。通过比较和评估车辆驾驶数据1362和便携式驾驶数据1364，诸如车辆1310在突然转弯和制动之前的加速的模式可指示高风险驾驶，而不在加速之前的规避机动不一定指示高风险驾驶。同样，作为此类比较的结果，可确定便携式驾驶数据1364独立地反映了指示高风险等级的模式，该模式可收集在便携式驾驶数据1364事件中，而无需访问由配备为提供此类数据的车辆所提供的车辆驾驶数据1362。

参考图14，在各种实施方案中，提供了由并行驾驶数据集开发模型以识别该驾驶数据集中的一个驾驶数据集中的事件的风险等级的例示性方法1400。方法1400在框1405处开始。在框1410处，接收车辆驾驶数据。车辆驾驶数据由车辆数据系统收集，该车辆数据系统与车辆上的至少一个传感器可操作地耦合并且被配置为收集表示操作员在至少一次行程期间操作车辆时的驾驶行为的数据。在框1420处，接收便携式驾驶数据。便携式驾驶数据由便携式数据系统收集，该便携式数据系统能够在车辆上输送以收集表示操作员在至少一次行程期间操作车辆时的驾驶行为的数据。在框1430处，评估车辆驾驶数据和便携式驾驶数据。该评估包括基于由至少一个传感器所提供的数据为车辆驾驶数据中包括的至少一个事件分配风险等级。该评估还包括将车辆驾驶数据与便携式驾驶数据相关以识别便携式驾驶数据中可与风险等级相关联的模式。方法1400在框1435处结束。

应当理解，上述详细描述本质上仅为例示性的，并且不脱离要求保护的主题的主旨和/或精神的变型旨在处于权利要求的范围内。此类变型不应视为脱离要求保护的主题的精神和范围。

Claims (20)

1.一种系统，所述系统包括：

车辆数据系统，所述车辆数据系统与车辆上的至少一个传感器可操作地耦合并且被配置为收集表示操作员在至少一次行程期间操作所述车辆时的驾驶行为的车辆驾驶数据；

便携式数据收集模块，所述便携式数据收集模块被配置为导致能够在车辆上输送的便携式计算系统收集表示所述操作员在所述至少一次行程期间操作所述车辆时的所述驾驶行为的便携式驾驶数据；和

评估系统，所述评估系统被配置为：

接收所述便携式驾驶数据和所述车辆驾驶数据；

基于由所述至少一个传感器所提供的数据为所述车辆驾驶数据中包括的至少一个事件分配风险等级；以及

将所述车辆驾驶数据与所述便携式驾驶数据相关以识别所述便携式驾驶数据中可与所述风险等级相关联的模式。

2.根据权利要求1所述的系统，其中所述至少一个传感器包括选自以下各项的至少一个设备：前方碰撞警示系统、自动紧急制动系统、自适应巡航控制系统、车道偏离警示系统、车道保持辅助系统、盲点检测系统、方向盘接合系统、踏板接合系统、交通标志识别系统、后方交通穿行提示系统、倒车警示系统、自动远光灯控制系统；自动驾驶系统、全球定位系统(GPS)设备、加速度计、陀螺仪、跟随/横向距离传感器、轮胎压力传感器、座椅安全带使用传感器、电话使用传感器、安全气囊展开传感器、碰撞传感器、相机以及被配置为监视选自车灯、车笛和雨刮器中的至少一者的设备的使用的设备传感器。

3.根据权利要求1所述的系统，其中所述车辆数据系统包括操作员标识符，所述操作员标识符被配置为确定所述操作员在所述至少一次行程期间是否正在操作所述车辆。

4.根据权利要求3所述的系统，其中所述操作员标识符包括选自以下各项的至少一个标识符：密钥卡标识符，所述密钥卡标识符被配置为基于与所识别的驾驶员相关联的密钥卡的存在来识别所述驾驶员；智能电话标识符，所述智能电话标识符被配置为检测与所述车辆上的所识别的驾驶员相关联的智能电话的存在；座椅位置标识符，所述座椅位置标识符被配置为检测先前由所识别的驾驶员使用的驾驶员座椅的位置；和成像系统，所述成像系统被配置为在视觉上识别所识别的驾驶员。

5.根据权利要求1所述的系统，其中所述便携式计算系统包括选自以下各项的计算系统：便携式计算机、平板电脑、智能电话和智能手表以及听筒。

6.根据权利要求1所述的系统，其中所述便携式数据收集模块包括能够在所述便携式计算系统上执行的应用程序。

7.根据权利要求5所述的系统，其中所述便携式计算系统包括选自以下各项的至少一个便携式传感器：加速度计、GPS设备、陀螺仪、罗盘、磁力仪、生物识别传感器、触摸屏传感器、接近传感器、相机、光传感器、麦克风、近场通信系统、Wi-Fi通信系统、蜂窝通信系统、信标微定位系统、温度传感器、气压计、压力传感器、可穿戴感测设备和附加便携式设备。

8.根据权利要求1所述的系统，所述系统进一步包括评估系统，所述评估系统被配置为：

从所述评估系统接收所述模式；

从附加便携式计算系统接收附加便携式驾驶数据；以及

使用所述模式，根据所述模式为所述附加便携式驾驶数据中包括的至少一个事件分配附加风险等级。

9.一种车辆，所述车辆包括：

车舱，所述车舱被配置为接纳选自以下各项的至少一个实体：操作员、乘客和货物；

驾驶系统，所述驾驶系统被配置为使所述车辆启动、加速、减速、停止和转向；

操作员控制系统，所述操作员控制系统被配置为允许所述操作员引导所述车辆的操作；

操作员辅助系统，所述操作员辅助系统被配置为执行选自以下各项的至少一个功能：

在无所述操作员辅助的情况下自主控制所述车辆；以及

辅助所述操作员控制所述车辆；和

车辆数据系统，所述车辆数据系统与车辆上的至少一个传感器可操作地耦合并且被配置为收集表示所述操作员在至少一次行程期间操作所述车辆时的驾驶行为的车辆驾驶数据，并且将所述车辆驾驶数据提供给评估系统，其中所述车辆驾驶数据被配置为：

基于由所述至少一个传感器所提供的数据，为所述车辆驾驶数据中包括的至少一个事件分配风险等级；以及

与由所述车辆上的便携式计算系统所收集的便携式驾驶数据相关，以使得能够在所述便携式驾驶数据中识别可与所述风险等级相关联的模式。

10.根据权利要求9所述的车辆，其中所述至少一个传感器包括选自以下各项的至少一个设备：前方碰撞警示系统、自动紧急制动系统、自适应巡航控制系统、车道偏离警示系统、车道保持辅助系统、盲点检测系统、方向盘接合系统、踏板接合系统、交通标志识别系统、后方交通穿行提示系统、倒车警示系统、自动远光灯控制系统；自动驾驶系统、全球定位系统(GPS)设备、加速度计、陀螺仪、跟随/横向距离传感器、轮胎压力传感器、座椅安全带使用传感器、电话使用传感器、安全气囊展开传感器、碰撞传感器、相机以及被配置为监视选自车灯、车笛和雨刮器中的至少一者的设备的使用的设备传感器。

11.根据权利要求9所述的车辆，其中所述车辆数据系统包括操作员标识符，所述操作员标识符被配置为确定所述操作员在所述至少一次行程期间是否正在操作所述车辆。

12.根据权利要求11所述的车辆，其中所述操作员标识符包括选自以下各项的至少一个标识符：密钥卡标识符，所述密钥卡标识符被配置为基于与所识别的驾驶员相关联的密钥卡的存在来识别所述驾驶员；智能电话标识符，所述智能电话标识符被配置为检测与所述车辆上的所识别的驾驶员相关联的智能电话的存在；座椅位置标识符，所述座椅位置标识符被配置为检测先前由所识别的驾驶员使用的驾驶员座椅的位置；和成像系统，所述成像系统被配置为在视觉上识别所识别的驾驶员。

13.一种计算机实现的方法，所述计算机实现的方法包括：

接收由车辆数据系统所收集的车辆驾驶数据，所述车辆数据系统与车辆上的至少一个传感器可操作地耦合并且被配置为收集表示操作员在至少一次行程期间操作所述车辆时的驾驶行为的数据；

接收由便携式数据系统所收集的便携式驾驶数据，所述便携式数据系统能够在所述车辆上输送以收集表示所述操作员在所述至少一次行程期间操作所述车辆时的所述驾驶行为的数据；以及

评估所述车辆驾驶数据和所述便携式驾驶数据，包括：

基于由所述至少一个传感器所提供的数据，为所述车辆驾驶数据中包括的至少一个事件分配风险等级；以及

将所述车辆驾驶数据与所述便携式驾驶数据相关以识别所述便携式驾驶数据中可与所述风险等级相关联的模式。

14.根据权利要求13所述的计算机实现的方法，其中收集表示所述操作员在操作所述车辆时的所述驾驶行为的数据包括从选自以下各项的至少一个设备收集数据：前方碰撞警示系统、自动紧急制动系统、自适应巡航控制系统、车道偏离警示系统、车道保持辅助系统、盲点检测系统、方向盘接合系统、踏板接合系统、交通标志识别系统、后方交通穿行提示系统、倒车警示系统、自动远光灯控制系统；自动驾驶系统、全球定位系统(GPS)设备、加速度计、陀螺仪、跟随/横向距离传感器、轮胎压力传感器、座椅安全带使用传感器、电话使用传感器、安全气囊展开传感器、碰撞传感器、相机以及被配置为监视选自车灯、车笛和雨刮器中的至少一者的设备的使用的设备传感器。

15.根据权利要求13所述的计算机实现的方法，所述方法进一步包括识别在所述至少一次行程期间正在操作所述车辆的所述操作员。

16.根据权利要求15所述的计算机实现的方法，其中识别所述操作员包括使用被配置为在视觉上识别所述驾驶员的成像系统来确定选自以下各项的至少一个标识符：与所述车辆上的所述驾驶员相关联的密钥卡的存在；与所述车辆上的所述驾驶员相关联的智能电话的存在；所述驾驶员先前使用的驾驶员座椅的位置；和所述驾驶员的图像。

17.根据权利要求13所述的计算机实现的方法，其中使用所述便携式计算系统收集所述便携式驾驶数据包括从选自以下各项的计算系统收集所述便携式驾驶数据：便携式计算机、平板电脑、智能电话、智能手表和听筒。

18.根据权利要求17所述的计算机实现的方法，所述方法进一步包括在所述计算系统上执行应用程序以收集所述便携式驾驶数据。

19.根据权利要求17所述的计算机实现的方法，其中从所述便携式计算系统采集所述便携式计算数据包括从选自至少一个便携式传感器的设备采集数据，所述至少一个便携式传感器选自以下各项：加速度计、GPS设备、陀螺仪、罗盘、磁力仪、生物识别传感器、触摸屏传感器，接近传感器、相机、光传感器、麦克风、近场通信系统、Wi-Fi通信系统、蜂窝通信系统、信标微定位系统、温度传感器、气压计、压力传感器、可穿戴感测设备和附加便携式设备。

20.根据权利要求13所述的计算机实现的方法，所述计算机实现的方法进一步包括：

从所述评估系统接收所述模式；

从附加便携式计算系统接收附加便携式驾驶数据；以及

使用所述模式，根据所述模式为所述附加便携式驾驶数据中包括的至少一个事件分配附加风险等级。

Images