CN114715163A - 交通工具操纵期间的乘客不适测量 - Google Patents

Abstract

本发明涉及交通工具操纵期间的乘客不适测量。本文描述了用于交通工具操纵期间的乘客不适测量的系统和技术。可以获得交通工具中的乘客的生物力学测量的集合。从生物力学测量的集合中选择具有与乘客的痛苦相对应的成员的子集，并及时对与该生物力学测量子集相对应的交通工具动作执行搜索。然后，对交通工具动作的未来应用进行修改，以减少乘客的痛苦。

Description

交通工具操纵期间的乘客不适测量

技术领域

本文所述的实施例总体上涉及自动化交通工具控制，并且更具体地，涉及交通工具操纵期间的乘客不适测量。

背景技术

移动即服务(MaaS)是一种管理交通工具并提供交通工具来运输乘客的概念。MaaS一般涉及使用自动化交通工具的车队来提供乘客运输。此类自动化交通工具一般使用传感器和控制硬件，以减少或消除对交通工具的人类驾驶员或飞行员的需求。MaaS系统一般包括通过应用(例如，移动电话应用)和网络在服务与用户之间的交互。该网络一般还将MaaS交通工具连接到每个其他MaaS交通工具、路线规划服务、或其他硬件，以实现机器人出租车(robotaxi)服务或类似服务。

附图说明

在附图中(这些附图不一定是按比例绘制的)，同样的数字可描述不同视图中的类似组件。具有不同的字母后缀的相同的数字可表示类似组件的不同实例。附图总的来说通过示例的方式而不是限制的方式来图示在本文档中所讨论的各实施例。

图1是根据实施例的环境的示例的框图，该环境包括用于在交通工具操纵期间测量乘客不适的系统。

图2图示出根据实施例的自动化交通工具所经历的加速度方向。

图3图示出根据实施例的实体之间的数据流的示例。

图4说明了根据实施例的车载系统的示例。

图5图示出根据示例的远离交通工具的系统的示例。

图6图示出根据实施例的用于交通工具操纵期间的乘客不适测量的方法的示例的流程图。

图7是示出可在其上实现一个或多个实施例的机器的示例的框图。

具体实施方式

良好的乘坐体验在移动性服务中是重要的。良好的乘坐体验不仅有助于确保乘客继续使用该服务，而且还可以缓解健康问题，诸如晕动症。在传统的移动性服务中(诸如出租车)乘客一般与驾驶员直接接触，并可以共享乘坐的问题。当不存在人类驾驶员时(诸如在自动化交通工具MaaS中)，乘客不再与经历过由该乘客所经历的乘坐相同的乘坐的另一个人有直接联系。因此，可能难以确定用户何时在乘坐中体验到不适，以及由乘坐引起的不适的程度。

乘客的乘坐体验在很大程度上取决于交通工具采用的驾驶风格和所选择的路线。通常，突然的加速(例如，紧急制动、增加的发动机功率的施加、突然转向等)或通过令人不悦的区域的道路对乘坐体验产生负面影响。相反，在许多实例中，使用平稳的驾驶风格改善乘客对乘坐体验的感知。因为乘坐体验是由乘客感知到的乘坐，所以乘坐体验是非常个性化并且特定于情况的。例如，在某一天，一个人可能喜欢从A点快速到达B点(例如，因为重要的约会)，因此对激进的驾驶风格是容忍的，或甚至是欢迎的，而在另一天，同一个人偏好平稳的、缓慢的和稳定的乘坐。

因为乘坐体验对成功的MaaS实现方式是重要的，所以存在测量乘坐者在行程期间的舒适度的问题，并使用这些测量来改善MaaS以用于给定的行程及给定的行程之外的行程。完成此类乘坐者舒适度测量的示例系统包括对用户的生物力学测量的车载监测。此类生物力学测量可以包括诸如用户的心率、面部表情、或言语发声之类的事物。生物力学测量可被分类以标识用户经历痛苦的时间段。然后，这些时间段可以与由交通工具执行的操纵进行相关，以标识可能引起痛苦的交通工具行为。然后，系统可以修改操纵的参数，以减少在当前乘坐或未来乘坐中的乘客不适。进一步地，在不同乘客的乘坐期间收集到的度量可以被聚合，以改善跨许多不同乘坐者的乘坐质量。

在示例中，该系统可以被实现为两级系统，以通过改善乘坐期间的乘客舒适度来改善MaaS的整体用户体验。该系统包括车载子系统，该车载子系统监测乘客的舒适度，将低舒适度水平与当前执行的操纵或路段进行相关，以及自动地适配自动化交通工具的驾驶风格。该系统的第二级是基于云的子系统，该基于云的子系统接收来自交通工具的匿名的乘坐数据，以及可能接收对用户上一次乘坐的用户反馈(例如，表决或评级)。然后，基于云的子系统可以使用数据挖掘技术来提取通常不喜欢的路段或操纵。该信息可用于(例如，通过高清地图片)扩展地图数据，以改善未来乘坐的体验。在示例中，基于云的子系统可以从路段中计算出与也可能导致乘客不适的其他交通参与者的行为有关的统计数据。同样，该信息可用于更新地图信息，或调整自动化驾驶参数，以通常动态地适配并改善乘客的乘坐体验。附加实例和细节如下所述。

图1是根据实施例的环境的示例的框图，该环境包括用于在交通工具操纵期间测量乘客不适的系统。如所图示，该环境包括配备有用于实现自动驾驶任务的处理电路110的交通工具105。因此，处理电路110可以是交通工具105的导航控制单元、交通工具105的媒体控制单元、或交通工具105的其他驾驶控制系统，或被包括在交通工具105的导航控制单元、交通工具105的媒体控制单元、或交通工具105的其他驾驶控制系统中。在此，处理电路110包括与MaaS服务125通信的收发器。在示例中，交通工具105包括被布置成用于观察乘坐在交通工具中的乘客的传感器115。该乘客可以包括诸如腕戴式设备120(例如智能手表)或连接到用户服务135(例如蜂窝提供商)的移动电话之类的设备。用户服务135可以经由云或网络130(例如，互联网)通信地耦合到MaaS服务。

在操作期间，处理电路110被配置成用于(例如，经由软件、硬件设计或两者的组合)获得(例如，检取或接收)乘客的生物力学测量的集合。生物力学测量是与乘客的身体状况相关的可测量的属性。此类测量可以是相当直接的(诸如由腕戴式设备120测得的心率)，或不太直接的(诸如声音呻吟或其他话语)。当做出给定的生物力学测量时，针对该测量的时间段被捕获。该时间段可表示为具有预定义采样频率的时间戳。在示例中，该时间段可以包括开始时间和停止时间，以明确定义该时间段。在示例中，生物力学测量的集合中的生物力学测量包括适用的时间段。该时间段用于将用户舒适度与驾驶状况(例如，由交通工具105执行的操纵)相关，如下文所述。

可以存在若干不同的源，处理电路110可以从这些源中获得生物力学测量。在示例中，从乘客的设备中检取出生物力学测量。例如，乘客可以具有存储生物力学测量或测量生物力学测量的移动电话、平板设备、或其他个人电子设备。处理电路110可以与该设备配对(例如，通过(诸如由IEEE802.15标准所定义的)个域网)或以其他方式与该设备连接，并获得生物力学测量。在示例中，该设备是腕戴式设备120，诸如智能手表、健身手环等。也可以使用其他类型的设备，诸如胸带、心脏监测设备等。此类用户设备的优点一般来自于此类设备与乘客的身体的亲近性。因此，这些设备可以提供对乘客心率的相对准确的测量，该测量是有用的压力的测量。

在示例中，处理电路110被配置成用于从安装在交通工具105中的传感器115获得生物力学测量的集合。车载传感器115可以提供一些优点，因为它在不同的乘坐和乘客之间是一致的，而乘客拥有的设备可能不是。而且，传感器115可以使用乘客通常可用的低功率或嵌入式设备所不具备的功率或处理能力。这些能力可能包括复杂的信号处理或人工智能分类、不同的发射器(例如，用于非接触式温度计或深度相机的红外发射器)，等等。此外，通常情况下，传感器115可以具有穿戴式或携带式设备一般不可获得的对乘客的视角，诸如对乘客面部的查看。

传感器115可以是各种传感器的任何一个或组合。传感器115的示例包括可见光光谱相机、深度相机、热相机、非接触式温度计或麦克风。由传感器115捕获的生物力学测量基于传感器而变化。例如，当传感器是可见光光谱相机时，可以捕获面部表情(例如，面部动作译码系统(FACS)或类似的系统)以确定用户的情绪。温度计可以捕捉用户面部温度的绝对值或改变。麦克风可以捕捉乘客的言语发声，诸如咕哝声、呻吟声、尖叫声等。尽管本文描述的许多生物力学测量是针对不适的，但也可以捕获到愉快或放松的迹象，因为理解什么使乘客快乐可能与发现什么使乘客不快乐同样重要。

处理电路110被配置成用于从生物力学测量的集合中选出子集。该测量的子集与乘客中的痛苦(例如，不适)相对应。因此，各种难以辨认的测量或不表示乘客的不愉快行程的测量被删除，以更有效地标识乘坐的区域来进行改善。如上文所述，在示例中，可以选择愉快或仅仅是舒适的，以标识乘客享受的或耐受的乘坐部分。一般来说，痛苦提供了改善的空间(例如，对驾驶风格或路线的改变)，而满足提供了不应该做出改变的证据。最后的要素对于理解经聚合的用户体验可能是重要的，其中大多数人都喜欢特定的驾驶风格。在此，痛苦的乘客体验一般不应在改变自动化交通工具行为上被赋予太大的权重。相反，可能需要更有针对性的、用户偏好的修改。

处理电路110被配置成用于对由交通工具105执行的操纵进行搜索或过滤，以找到(例如，标识)在与来自子集的成员的时间段重叠的时间内操作的操纵。在此，处理电路110正在将乘客的不适与交通工具105的行为进行相关。操纵是对交通工具105的驾驶控制，诸如增加发动机输出、制动或转向。操纵也可以包括路线选择。路线选择可能是重要的，因为例如在曲折的道路上以安全速度行进会给予交通工具105更大的横向加速度，并且因此给予乘客更大的横向加速度。路线选择的其他因素可能包括(诸如可能由鹅卵石、坑洼、减速带等造成的)颠簸的道路、嘈杂的道路、或多尘的道路，等等。

在基于在时间上共同发生来将操纵与乘客不适进行相关之后，处理电路110被配置成用于修改该操纵的未来应用。因此，处理电路110试图通过改变交通工具105的行为来减轻未来乘客的不适。在示例中，该操纵包括相对于交通工具在纵向方向、横向方向或垂直方向上的加速度。图2中图示出这些类型的加速度的示例。其他类型的加速度可以包括俯仰或滚动。在此，乘客感测到的移动被理解为可能的不适的源。因此，处理电路110试图减少乘客的此种移动感觉。相应地，在示例中，修改操纵的未来应用包括降低加速度。降低加速度可以包括改变加速度的绝对值(例如，维持加速度的上界)或加速度的频率。第二示例应对可能发生的导致乘客晕车的振荡。因此，即使加速度低于上界，也可以降低加速度改变的频率以使乘客更舒适。

在示例中，加速度是基于由交通工具行进的路线。在此，降低加速度包括选择不同的路线。同样，路线可能会给予影响乘客的必要的加速度(例如，在可接受的速率下的颠簸、来自道路中的转向或曲折的横向加速度，等等)。改变路线以降低这些加速度可以为用户提供附加的舒适度。可以基于路线段特性选择新的路线段。因此，如果检测到不适的路线段，该路线段的特性(诸如速率、质地、曲线半径等)可与未来的路线段进行比较，以标识要避免的段。

这是其中加速度可以被增加的示例。如果乘客对到达目的地感到焦虑(诸如约会迟到)，并且两条路线(在阈值内)同样地快，那么乘客可能会因为对行程的匆忙感而感到舒适。因此，在该示例中，可以选择具有更多机会给予加速度的路线(例如，曲折的道路)，以使乘客确保交通工具105正在加速让乘客到达目的地。

操纵的修改可以应用于乘客的当前行程、乘客的未来行程、或其他乘客的行程(当前或未来)。一般来说，修改当前行程可以完全由处理电路110管理。这些修改可以包括降低通过弯道的行进速率(例如，速度)、增加提供增加电动机输出的时间、增加提供制动输出的时间、增加转向的半径，等等。一些修改可能包括为未来的路线段选择不同的段(例如，道路、路径等)。一般来说，这些修改试图使乘客的乘坐更加顺利。如上所述，在一些情况下，修改可能会使乘坐更加崎岖。在此，目的是在例如乘客对行程的长度感到焦虑时，给乘客紧迫感。

对于乘客的未来行程，或者对于不同的乘客，处理电路110被配置成用于将行程信息共享给MaaS服务125。MaaS服务125可以被配置成用于维护乘客的用户简档。在此，可以跟踪与规范的单个偏差，并将其给到交通工具105以使乘客的行程个性化。MaaS服务125还可以(例如，通过网络130到用户服务135)查询用户以获得与行程有关的评级(例如，意见)。当考虑到针对其他用户的乘坐操纵时，可以对乘客进行分类，使得不适的队列可以与其他用户匹配，使能够跨群组对体验进行类似改善。在示例中，与MaaS服务125共享的个人可标识数据是匿名的，以保护乘客的隐私。在示例中，MaaS服务125聚合所测得的和所报告的用户体验以(诸如通过高清地图中的图层)向自动化交通工具提供路线选择建议或驾驶建议。

图2图示出根据实施例的自动化交通工具所经历的加速度方向。图示出的交通工具205的三种类型的加速度是纵向的210、横向的215和垂直的220。纵向210加速度的符号一般对于交通工具205的前面是正的，对于交通工具205的后面是负的。因此，制动一般会导致负的纵向210加速度，并且增加的施加的电机功率会导致正的纵向210加速度。横向215加速度一般在转向操纵期间发生。转弯越急(例如，半径越小)，横向215加速度就越大。垂直220加速度通常不是地面交通工具的控制输入，但可能是空中或水上交通工具的控制输入。进一步地，地面交通工具的垂直220加速度可以通过选择不同的路线来控制，这些路线避免了陡峭的山丘、振荡(例如，搓板道路)或交通工具205在其上方上升或下降的其他特征。

下面提供与数据流、车载系统、和基于云的系统有关的附加细节，以促进乘客不适测量和缓解。出于讨论的目的，考虑两个不同乘客的示例：一个人(人员A)在较高的速度下感到非常不适，并且偏爱平稳的乘坐；然后，还有一个人(人员B)，由于时间压力大，如果速度太慢就会变得脾气不好。两人都采取相同的路线和相同的MaaS。在该示例中，每当人员A满意时，人员B就不满意，反之亦然。因此，对每个乘客的舒适度水平进行感测、监测、和分析是重要的。

进一步考虑存在第三个人和第四个人(即人员C和人员D)具有与人员A相同的偏好，并在稍后的时间点采取相同的路线的情况。对乘客A的监测和分析表明，尽管开得缓慢，但在某些路段，可能是由于许多非常急的弯道，人员A和人员C的舒适度水平非常低。如果交通工具将检测到低舒适度水平的情况和该情况本身之间的相关性上传至基于云的分析系统，则该基于云的系统可能会检测不期望的路段，然后可以通过扩展地图内容(例如地图层、导航指令等)将该不期望的路段用于未来的路线规划。作为结果，下一个乘客(人员D)将使用另一条路线，从而避免该人员的低舒适度水平。因此，基于云的分析系统不仅可以改善当前的乘坐体验，而且还可以主动改善未来的乘坐体验。

由于即使利用专门传感器，有时也很难测量乘客的舒适度水平，可以使用用户反馈系统来让系统知晓乘客对一般的乘坐和对重要的因素(例如，舒适度、恐惧、时间等)的总体满意度。可以与交通工具中可用的测量(诸如加速度、交通密度、安全层干预等)一起在统计的基础上做出与驾驶风格偏好有关的结论，以及可能标识导致总体行程评级的一个或多个情况。

图3图示出根据实施例的实体之间的数据流300的示例。如所图示，交通工具310包括车载系统。车载系统使用车载传感器(诸如加速度传感器、相机等)、乘客305的设备(诸如智能手表、心脏监测器、移动电话等)或两者的任何组合感测当前乘客305的舒适度和幸福感。乘客305的设备也可以启用主动反馈，诸如表扬、抱怨或指令。

车载系统将低舒适度水平与当前的操纵或路段相关，并且当检测到乘客的低舒适度水平时，自动地(例如，在没有人为干预的情况下)适配交通工具310的驾驶风格(例如，驾驶员更慢、更平稳、具有更小的加速度等)。

图示出的基于云的系统包括用户简档315、舒适度分析320、和建图325能力。一般来说，车载系统接受乘客305和建图325的简档信息315以修改其操作，并向用户简档315提供行程数据。因此，基于云的系统维护或整理乘坐数据和用户反馈，并且(为了尊重用户隐私，通常以匿名的方式)分析乘坐数据以找到不同乘客之间的共用模式，以标识导致低舒适度水平的操纵和路段。关于舒适度分析320，可以使用过滤器来排除由其他交通参与者的不当行为引起的情况。例如，如果激进的制动操纵被应用，以避免撞上意料之外的切入交通工具，即使乘客305感到不适，交通工具310实际上也无法防止未来发生此类情况。然而，如果此类切入在某路线段上频繁发生，那么也许应该避免该路线段。将经由对许多乘客的统计分析发现差异，以防止异常值对路线规划的破坏性干扰。

基于云的系统利用先前的结果(例如，舒适度结论)更新建图325数据，以使对建图325进行访问的其他人能够避免使用导致低舒适度的路段。在此，未来的路线选择请求除了利用正常的路线(例如最短、最快等)进行标记之外，还将利用“高舒适度”路线进行标记。在此，考虑到其他交通参与者的行为通常导致紧急反应的情况的积累(例如，安全性系统(诸如责任敏感安全性(RSS)或安全性力场(SFF))导致交通工具(例如，自我交通工具)在这些地方以预测性的警惕的方式进行动作，从而使乘客的不适感减少。在示例中，地图数据可以被更新以包括自适应安全性系统参数，例如，在交通工具之间放松或收紧缓冲区域，以减少危险情况。

尽管本文讨论的许多示例提出运送乘客的地面交通工具，但该系统和操作布置可应用于许多不同的运输解决方案。例如，考虑人工操作的出租车，同样的技术可用于标识乘客的不适，并选择路线以改善乘客的舒适度。该系统甚至可以建议驾驶员减速、或平缓地转弯，以便修改驾驶员的驾驶风格。其他运输系统(诸如有轨电车、公共汽车、自行车、滑板车等)也可以通过标识乘客的不适并至少提供信息来选择增加乘客舒适度的路线或路线段而受益。

图4说明了根据实施例的车载系统的示例。图示出的系统包括监测组件405、分析组件410和415、以及适配组件420。监测组件405可以使用车载相机或其他传感器来监测乘客的身体语言或面部表情。在示例中，乘客可以授予对由监测组件405收集到的智能健康传感器数据(诸如乘客的智能手表数据)的访问权。在示例中，乘客可以通过MaaS移动App授予对健康数据的访问权。在此，交通工具和运行移动App的设备可以协商私有的(例如，加密的)通信信道，以使交通工具能够安全地访问健康数据。监测组件405与乘客设备之间的连接可以使用蓝牙、WiFi或NFC。在示例中，乘客和交通工具可以使用任何通信协议设置直接连接，这可能比在App中一次授予访问权涉及更多的用户努力。另外，也可能存在被集成到交通工具中的可用于舒适度监测的其他合适的传感器(红外相机、集成在座椅中的心率传感器等)。

在示例中，监测组件405持续地处理新的传感器数据或智能健康数据(如果可用的话)。在示例中，数据被提供给人工智能系统以对乘客的当前幸福感进行分类。在示例中，AI系统的输出是舒适度水平。在示例中，舒适度水平可以是0(最低舒适度水平)与1(最高舒适度水平)之间的标准化的实数值。因此，

舒适度水平CL＝f(图像,健康数据)∈[0,1]

分析组件(诸如根本原因分析组件415或情况分析410)可以将舒适度水平CL与(诸如来自通过将交通工具的GPS位置与地图匹配而获得的当前路段的)地图信息以及与当前驾驶情况有关的信息一起使用，以在舒适度水平与当前驾驶行为之间建立相关性。在示例中，如果乘客的舒适度水平是低的，则适配组件420可被用于改变自动化交通工具的驾驶风格。

为了创建情况和CL之间的映射，可以随时间对CL进行跟踪和聚合(例如，平均、指数移动平均、加权平均等)。此类聚合可能对于平滑来自监测组件405的输出是有用的，监测组件405可能输出可能会不适当地影响驾驶行为模型(诸如在不应该采取动作的情况下触发交通工具的立即反应)的噪声、或离群数据。然而，如果在乘客眼中，交通工具连续地跟随领先的交通工具太近，则CL将随着用户随时间的反复警告或连续不适而减小，导致在平均的CL太低时触发适配驾驶风格。下表提供了CL与情况之间的相关性或映射的一些示例：

在示例中，与该表类似的表可以在乘坐结束之后传送或在乘坐期间中以片段传送(例如，传送到云425)。此处的云425支持交通工具的MaaS提供商。

在示例中，可以创建若干情况-操纵类别的数据库，这些情况-操纵类别涵盖不同的驾驶简档(例如，速度、加速度、加速率等)、不同的路段(例如，交通灯交叉口、单向停车交叉口、高速公路、城市内道路、乡村车道等)以及不同的驾驶行为(例如，跟随领先交通工具、车道改变、规避操纵等)。然后可以对这些记录进行比较以确定增加CL的组合。在示例中，机器学习系统(诸如AI)可用于选择因素的最适合组合来进行组合。这与可能在未来的自动化交通工具中使用的操作设计域(ODD)标识类似。在示例中，安全性系统(诸如RSS)或驾驶风险估计方法可用于推断附加的特定于情况的信息，以提供更全面的CL到情况的映射。

一般来说，考虑到当前情况的尽可能多的方面。否则，影响驾驶行为的交通工具参数与乘客的舒适度水平之间的相关性可能是错误的，会恶化而不是改善乘客的乘坐体验。具体而言，为应对不可预见的和不太可能重复的动作(诸如在意料之外的轮胎压力损失时突然制动或为避免逃过警察的交通工具而转向)而执行的操纵被检测到并从行为适配的考虑中删除(如果可能的话)。

适配组件420被配置成用于适配自动化交通工具的驾驶参数以改善乘客舒适度。如果交通工具的接近度对乘客造成不适，这可以通过增加领先交通工具与跟随交通工具之间的间隙(例如，领先的距离)开始。可由适配组件420采用诸如制动、改变车道、降低加速率等之类的动作来增加乘客舒适度。

图5图示出根据实施例的远离交通工具的系统的示例。图示出的基于云的系统包括行程数据库505、用户简档数据库520、不期望操纵数据库525、以及向地图系统515提供输出的分析引擎510。

一般来说，基于云的系统可以对乘客和行程执行数据挖掘来提取不期望的路段或交通工具动作，以便用可用于未来的行程或由其他人通常用于改善乘客CL的信息来丰富地图系统515。当考虑到用户简档数据库520信息时，可以针对个人偏好调整驾驶行为以进一步提高行程的CL。

在示例中，基于云的分析系统510接收来自用户的输入(诸如可经由MaaS移动App执行的一般行程表决)以及来自用于例如由车载系统创建的行程的交通工具的输入。在示例中，由交通工具收集的行程数据被配置成用于通过例如删除个人识别信息来维护用户隐私。在示例中，仅CL、操纵和情况数据从交通工具被传输到行程数据库505。在示例中，行程数据作为交通工具和MaaS服务提供商之间的标准通信的一部分被传送。

从乘客和交通工具接收到的数据被存储在行程数据库505中。行程数据库505作为输入被提供给分析组件510。分析组件510应用多个分析技术(诸如AI分类、AI回归拟合、聚类等)来将行程数据库505中的行程和舒适度水平之间的细节进行相关。

在检测到足够大的行程组中的低或高舒适度水平与路段之间的相关性时，地图系统515被更新。因此，路段可以利用平均舒适度水平(诸如移动平均)来注释，以授予最近的行程更高的影响力。舒适度水平可以被路线选择系统用于例如避免具有低舒适度水平的路段，或者用于偏向具有高舒适度水平的路段。

在示例中，参数的自动适配可以被应用于不同的路段，其中观察示出，例如，交通或交通路线选择导致交通参与者被迫表现得更激进的情况。这些情况可能导致许多受影响的交通工具的更不舒适的驾驶方式。通过主动适配参数，这些情况可能得到缓解，并给乘客带来更舒适的行程。安全性系统参数(诸如增加交通工具之间的缓冲距离)是可以以此种方式进行自动适配的示例参数。

在示例中，可以创建或更新不期望操纵的数据库525。如果可能的话，不期望操纵的数据库525可由交通工具访问以更新驾驶策略，从而避免此类操纵。例如，可以对导致不期望操纵的轨迹给予低偏好。

上述特征的组合可能带来各种MaaS交通工具上的经改善的乘客舒适度。下面的场景说明了使用这些系统的整体体验。该体验可以从预订开始。当用户预订乘坐时，路线被选择以将用户送到目的地。取决于用户在预订期间的输入，可为用户呈现可能满足用户的可能的路线的选择。例如，可以呈现最快或最短的路线，以及结合地图中的舒适度数据来利用用户的舒适度设置的路线。用户可以选择采取若干路线中的哪一条。

在开始乘坐时，用户(现在是乘客)简档由交通工具加载。交通工具可以根据用户简档或MaaS移动App(MaaS移动App也可用于预订)中的设置自动地适配其驾驶风格。经修改的驾驶风格可能会影响加速度参数，以及道路偏好，等等。当乘坐正在进行时，交通工具连续地监测乘客舒适度。

在乘坐完成之后，交通工具、用户或两者都将关于乘坐体验或检测到的舒适度水平的摘要提供(例如，上传)到基于云的用户简档。因此，乘坐体验将随着每次行程变得更好，并将有助于确保乘客的满意度。在示例中，基于云的评级可用于推断附加的信息，例如以检测要避免的关键交通工具行为。

如上文所述，本技术也可以改善人类驾驶。尽管自动驾驶风格适配是不可能的，但与人类驾驶员通信以修改驾驶风格可能会得到更大的乘客舒适度。进一步地，自动化驾驶系统和人类驾驶系统都可以平等地使用路线选择(例如，路段标记)。事实上，可以在没有乘客的交通工具中(诸如自行车或滑板车)采用地图更新。

地图数据也可由管理实体(诸如铁路运营商、高速公路运营商、城市、州、县、省、国家等)使用。这些实体对地图进行解析并提取具有低舒适度水平的路段。然后，例如，检查小组可以调查这些位置并检查这些段，并有潜在地修复例如道路表面的孔。

图6图示出根据实施例的用于交通工具操纵期间的乘客不适测量的方法600的示例的流程图。方法600的操作由计算机硬件执行，该计算机硬件诸如上文中参照图1和图3-图5所描述的计算机硬件、或下文所描述的计算机硬件(例如，处理电路)。

在操作605处，获得交通工具中的乘客的生物力学测量的集合。在示例中，生物力学测量的集合中的生物力学测量包括适用的时间段。在示例中，为了获得该生物力学测量的集合，从乘客的设备中检取生物力学测量。在示例中，乘客的设备是腕戴式设备。

在示例中，为了获得生物力学测量的集合，使用安装在交通工具中的传感器来观察乘客。在示例中，该传感器是相机。在示例中，面部表情被捕获为生物力学测量。

在示例中，该传感器是麦克风。在示例中，乘客的言语发声被捕获为生物力学测量。

在操作610处，从生物力学测量的集合中选择子集。该子集的成员是生物力学测量中与乘客的痛苦相对应的成员。

在操作615处，由交通工具执行的操纵被搜索以找到在与子集的成员的时间段重叠的时间内操作的操纵。

在操作620处，响应于找到该操纵而修改该操纵的未来应用。在示例中，该操纵包括相对于交通工具在纵向方向、横向方向或垂直方向上的加速。在示例中，修改操纵的未来应用包括降低加速度。在示例中，加速度是基于由交通工具行进的路线。在此，降低加速度包括选择不同的路线。

在示例中，修改操纵的未来应用包括针对乘客的当前行程修改操纵的参数。在示例中，修改操纵的未来应用包括针对乘客的未来行程修改操纵的参数。在示例中，修改操纵的未来应用包括针对不同的乘客修改操纵的参数。

在示例中，修改该操纵的未来应用包括收集关于该操纵的跨乘客的痛苦的实例。然后，可以响应于通过关于痛苦的实例的统计阈值来改变操纵的参数。

图7图示了可在其上执行本文中所讨论的技术(例如，方法)中的任何一项或多项的示例机器700的框图。如本文中所述的示例可包括机器700中的逻辑或多个组件或机制，或可由机器700中的逻辑或多个组件或机制操作。电路系统(例如，处理电路系统)是在机器700的有形实体中实现的、包括硬件(例如，简单电路、门、逻辑等)的电路的集合。电路系统成员关系可以是随时间而灵活的。电路系统包括在操作时可单独地或组合地执行所指定操作的成员。在示例中，电路系统的硬件可被不可改变地设计为执行特定操作(例如，硬连线式)。在示例中，电路系统的硬件可包括可变地被连接的物理组件(例如，执行单元、晶体管、简单电路等)，包括物理上被修改(例如，对不变聚集颗粒的磁性、电气、可移动地布置等)以对特定操作的指令进行编码的机器可读介质。在连接物理组件时，硬件组成部分的底层电气属性例如从绝缘体改变为导体，或反过来从导体变成绝缘体。这些指令使嵌入式硬件(例如，执行单元或加载机构)能够经由可变连接而在硬件中创建电路系统的成员以在操作时执行特定操作的多个部分。相应地，在示例中，机器可读介质元件是电路系统的部分，或者在设备正在运行时通信地耦合至电路系统的其他组件。在示例中，物理组件中的任一个可在多于一个电路系统的多于一个成员中使用。例如，在操作下，执行单元可在一个时刻在第一电路系统的第一电路中被使用，并且在不同的时间由第一电路系统中的第二电路重新使用，或由第二电路系统中的第三电路重新使用。下面是关于机器700的这些组件的附加示例。

在替代实施例中，机器700可作为独立式设备操作，或可被连接(例如，联网)到其他机器。在联网的部署中，机器700能以服务器-客户端网络环境中的服务器机器、客户端机器或这两者的身份来操作。在示例中，机器700可充当对等(P2P)(或其他分布式)网络环境中的对等机器。机器700可以是个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、移动电话、web设备、网络路由器、交换机或桥、或者能够执行指定要由该机器采取的动作的指令(顺序的或以其他方式)的任何机器。进一步地，虽然仅图示出单个机器，但是术语“机器”也应当被认为包括单独或联合地执行一组(或多组)指令以便执行本文中所讨论的方法中的任何一种或多种方法的机器的任何集合，诸如，云计算、软件即服务(SaaS)、其他计算机集群配置。

机器(例如，计算机系统)700可包括硬件处理器702(例如，中央处理单元(CPU)、图形处理单元(GPU)、硬件处理器核、或其任何组合)、主存储器704、静态存储器(例如，用于固件、微代码、基本输入输出(BIOS)、统一可扩展固件接口(UEFI)的存储器或存储等)706和大容量存储708(例如，硬驱动器、磁带驱动器、闪存存储或其他块设备)，其中的一些或全部可以经由互连链路(例如，总线)730彼此通信。机器700可进一步包括显示单元710、字母数字输入设备712(例如，键盘)以及用户界面(UI)导航设备714(例如，鼠标)。在示例中，显示单元710、输入设备712以及UI导航设备714可以是触摸屏显示器。机器700可附加地包括存储设备(例如，驱动单元)708、信号生成设备718(例如，扬声器)、网络接口设备720以及一个或多个传感器716(诸如，全球定位系统(GPS)传感器、罗盘、加速度计或其他传感器)。机器700可包括用于连通或者控制一个或多个外围设备(例如，打印机、读卡器等)的输出控制器728，诸如，串行(例如，通用串行总线(USB))、并行、或者其他有线或无线(例如，红外(IR)、近场通信(NFC)等)连接。

处理器702的寄存器、主存储器704、静态存储器706或大容量存储708可以是或者可包括机器可读介质722，在该机器可读介质722上存储有一组或多组数据结构或指令724(例如，软件)，该数据结构或指令724具体化本文中描述的技术或功能中的任何一种或多种或由本文中描述的技术或功能中的任何一种或多种利用。指令724还可以在由机器700对其执行期间完全或至少部分地驻留在处理器702的寄存器、主存储器704、静态存储器706或大容量存储708中的任一者内。在示例中，硬件处理器702、主存储器704、静态存储器706、或大容量存储708中的一者或任何组合都可以构成机器可读介质722。尽管机器可读介质722被图示为单个介质，但是术语“机器可读介质”可包括被配置成用于存储一条或多条指令724的单个介质或多个介质(例如，集中式或分布式数据库、和/或相关联的高速缓存和服务器)。

术语“机器可读介质”可包括能够存储、编码或承载供机器700执行并且使机器700执行本公开的技术中的任何一项或多项技术的指令、或者能够存储、编码或承载由此类指令使用或与此类指令相关联的数据结构的任何介质。非限制性机器可读介质示例可包括固态存储器、光学介质、磁介质和信号(例如，射频信号、其他基于光子的信号、声音信号等)。在示例中，非暂态机器可读介质包括具有多个粒子的机器可读介质，这些粒子具有不变(例如，静止)质量，并且因此是物质的组合物。相应地，非暂态机器可读介质是不包括暂态传播信号的机器可读介质。非暂态机器可读介质的具体示例可包括：非易失性存储器，诸如，半导体存储器设备(例如，电可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM))以及闪存设备；磁盘，诸如，内部硬盘和可移除盘；磁光盘；以及CD-ROM和DVD-ROM盘。

在示例中，存储在机器可读介质722上或以其他方式提供在机器可读介质722上的信息可以表示指令724，诸如指令724本身或者可以从中导出指令724的格式。可以从中导出指令724的该格式可以包括源代码、经编码的指令(例如，以压缩或加密的形式)、经封装的指令(例如，分成多个封装)等。表示机器可读介质722中的指令724的信息可以由处理电路系统处理成指令以实现本文所讨论的任何操作。例如，从(例如，由处理电路系统进行的处理的)信息中导出指令724可以包括：(例如，从源代码、目标代码等)编译、解释、加载、组织(例如，动态地或静态地进行链接)、编码、解码、加密、解密、打包、拆包，或者以其他方式将信息操纵到指令724中。

在示例中，指令724的推导可以包括(例如，通过处理电路系统)对信息进行汇编、编译、或解释，以从机器可读介质722提供的某个中间或预处理的格式创建指令724。当信息以多个部分提供时，可以对其进行组合、拆包和修改以创建指令724。例如，信息可以处于一个或若干远程服务器上的多个经压缩的源代码封装(或目标代码、或二进制可执行代码等)中。源代码封装可以在通过网络传输时被加密，并且可以在本地机器处被解密、被解压缩、(如果必要的话)被汇编(例如，被链接)，并且被编译或被解释(例如，被编译或被解释成库、独立的可执行文件等)，并且由本地机器执行。

可以利用多种传输协议(例如，帧中继、网际协议(IP)、传输控制协议(TCP)、用户数据报协议(UDP)、超文本传输协议(HTTP)等等)中的任何一种协议，经由网络接口设备720，使用传输介质，通过通信网络726来进一步发送或接收指令724。示例通信网络可包括局域网(LAN)、广域网(WAN)、分组数据网络(例如，互联网)、移动电话网络(例如，蜂窝网络)、普通老式电话(POTS)网络、以及无线数据网络(例如，称为

的电气与电子工程师协会(IEEE)802.11标准族、称为

的IEEE802.16标准族)、IEEE 802.15.4标准族、对等(P2P)网络，等等。在示例中，网络接口设备720可包括用于连接到通信网络726的一个或多个物理插口(jack)(例如，以太网插口、同轴插口、或电话插口)或者一根或多根天线。在示例中，网络接口设备720可包括使用单输入多输出(SIMO)、多输入多输出(MIMO)、或多输入单输出(MISO)技术中的至少一种无线地进行通信的多根天线。术语“传输介质”应当认为包括能够存储、编码或承载供由机器700执行的指令的任何无形介质，并且传输介质摂包括数字或模拟通信信号或者用于促进此类软件的通信的其他无形介质。传输介质是机器可读介质。

附加注释和示例

示例1是一种用于乘客不适测量的设备，该设备包括：包括指令的存储器；以及处理电路，该处理电路在操作时由指令配置成用于：获得交通工具中的乘客在时间段期间的生物力学测量的集合；选择指示乘客痛苦的生物力学测量的子集；确定与指示痛苦的生物力学测量的时间段相对应的交通工具动作；以及基于确定该交通工具动作与乘客痛苦相对应来修改该交通工具动作的未来应用。

在示例2中，示例1的主题包括，其中，为了获得该生物力学测量的集合，处理电路被配置成用于从乘客的设备中检取生物力学测量。

在示例3中，示例2的主题包括，其中，乘客的设备是可穿戴设备。

在示例4中，示例1-3的主题包括，其中，为了获得该生物力学测量的集合，处理电路被配置成用于使用安装在交通工具中的传感器来观察乘客。

在示例5中，示例4的主题包括，其中，该传感器是相机。

在示例6中，示例5的主题包括，其中面部表情被捕获为生物力学测量。

在示例7中，示例4-6的主题包括，其中所述传感器是麦克风。

在示例8中，示例7的主题包括，其中乘客的言语发声被捕获为生物力学测量。

在示例9中，示例1-8的主题包括，其中交通工具动作包括相对于交通工具的纵向方向、横向方向或垂直方向上的加速度。

在示例10中，示例9的主题包括，其中，为了修改交通工具动作的未来应用，处理电路被配置成用于降低加速度。

在示例11中，示例10的主题包括，其中，加速度基于由交通工具行进的路线，并且其中，为了降低加速度，处理电路被配置成用于选择不同的路线。

在示例12中，示例1-11的主题包括，其中，为了修改交通工具动作的未来应用，处理电路被配置成用于针对乘客的当前行程修改交通工具动作的参数。

在示例13中，示例1-12的主题包括，其中，为了修改交通工具动作的未来应用，处理电路被配置成用于针对乘客的未来行程修改交通工具动作的参数。

在示例14中，示例1-13的主题包括，其中，为了修改交通工具动作的未来应用，处理电路被配置成用于针对不同的乘客修改交通工具动作的参数。

在示例15中，示例1-14的主题包括，其中，为了修改交通工具动作的未来应用，处理电路被配置成用于：收集关于交通工具动作的跨乘客的痛苦的实例；以及响应于通过关于痛苦的实例的统计阈值而改变交通工具动作的参数。

在示例16中，示例15的主题包括，其中，为了收集跨乘客的痛苦的实例，处理电路被配置成用于将生物力学测量的集合传送到服务器，该服务器使用统计阈值将来自若干行程上的若干交通工具的乘客之间的痛苦进行相关，该痛苦与交通工具操纵或路线段相对应；以及其中，为了响应于通过统计阈值而改变交通工具动作的参数，处理电路被配置成用于从服务器接收关于操纵或路线段的参数。

示例17是一种用于乘客不适测量的方法，该方法包括：获得交通工具中的乘客在时间段期间的生物力学测量的集合；选择指示乘客痛苦的生物力学测量的子集；确定与指示痛苦的生物力学测量的时间段相对应的交通工具动作；以及基于确定该交通工具动作与乘客痛苦相对应来修改该交通工具动作的未来应用。

在示例18中，示例17的主题包括，其中，获得生物力学测量的集合包括从乘客的设备中检取生物力学测量。

在示例19中，示例18的主题包括，其中，乘客的设备是可穿戴设备。

在示例20中，示例17-19的主题包括，其中获得生物力学测量的集合包括使用安装在交通工具中的传感器来观察乘客。

在示例21中，示例20的主题包括，其中，该传感器是相机。

在示例22中，示例21的主题包括，其中面部表情被捕获为生物力学测量。

在示例23中，示例20-22的主题包括，其中所述传感器是麦克风。

在示例24中，示例23的主题包括，其中乘客的言语发声被捕获为生物力学测量。

在示例25中，示例17-24的主题包括，其中交通工具动作包括相对于交通工具的纵向方向、横向方向或垂直方向上的加速度。

在示例26中，示例25的主题包括，其中修改交通工具动作的未来应用包括降低加速度。

在示例27中，示例26的主题包括，其中加速度基于由交通工具行进的路线，并且其中降低加速度包括选择不同的路线。

在示例28中，示例17-27的主题包括，其中，修改交通工具动作的未来应用包括针对乘客的当前行程修改交通工具动作的参数。

在示例29中，示例17-28的主题包括，其中，修改交通工具动作的未来应用包括针对乘客的未来行程修改交通工具动作的参数。

在示例30中，示例17-29的主题包括，其中，修改交通工具动作的未来应用包括针对不同的乘客修改交通工具动作的参数。

在示例31中，示例17-30的主题包括，其中，修改交通工具动作的未来应用包括：收集关于交通工具动作的跨乘客的痛苦的实例；以及响应于通过关于痛苦的实例的统计阈值而改变交通工具动作的参数。

在示例32中，示例31的主题包括，其中，收集跨乘客的痛苦的实例包括将生物力学测量的集合传送到服务器，该服务器使用统计阈值将来自若干行程上的若干交通工具的乘客之间的痛苦进行相关，该痛苦与交通工具操纵或路线段相对应；以及其中，响应于通过统计阈值而改变交通工具动作的参数包括从服务器接收关于操纵或路线段的参数。

在示例33包括至少一种机器可读介质，包括指令，指令当被处理电路执行时，使处理电路用于执行包括以下各项的操作：获得交通工具中的乘客在时间段期间的生物力学测量的集合；选择指示乘客痛苦的生物力学测量的子集；确定与指示痛苦的生物力学测量的时间段相对应的交通工具动作；以及基于确定该交通工具动作与乘客痛苦相对应来修改该交通工具动作的未来应用。

在示例34中，示例33的主题包括，其中，获得生物力学测量的集合包括从乘客的设备中检取生物力学测量。

在示例35中，示例34的主题包括，其中，乘客的设备是可穿戴设备。

在示例36中，示例33-35的主题包括，其中获得生物力学测量的集合包括使用安装在交通工具中的传感器来观察乘客。

在示例37中，示例36的主题包括，其中，该传感器是相机。

在示例38中，示例37的主题包括，其中面部表情被捕获为生物力学测量。

在示例39中，示例36-38的主题包括，其中所述传感器是麦克风。

在示例40中，示例39的主题包括，其中乘客的言语发声被捕获为生物力学测量。

在示例41中，示例33-40的主题包括，其中交通工具动作包括相对于交通工具的纵向方向、横向方向或垂直方向上的加速度。

在示例42中，示例41的主题包括，其中修改交通工具动作的未来应用包括降低加速度。

在示例43中，示例42的主题包括，其中加速度基于由交通工具行进的路线，并且其中降低加速度包括选择不同的路线。

在示例44中，示例33-43的主题包括，其中，修改交通工具动作的未来应用包括针对乘客的当前行程修改交通工具动作的参数。

在示例45中，示例33-44的主题包括，其中，修改交通工具动作的未来应用包括针对乘客的未来行程修改交通工具动作的参数。

在示例46中，示例33-45的主题包括，其中，修改交通工具动作的未来应用包括针对不同的乘客修改交通工具动作的参数。

在示例47中，示例33-46的主题包括，其中，修改交通工具动作的未来应用包括：收集关于交通工具动作的跨乘客的痛苦的实例；以及响应于通过关于痛苦的实例的统计阈值而改变交通工具动作的参数。

在示例48中，示例47的主题包括，其中，收集跨乘客的痛苦的实例包括将生物力学测量的集合传送到服务器，该服务器使用统计阈值将来自若干行程上的若干交通工具的乘客之间的痛苦进行相关，该痛苦与交通工具操纵或路线段相对应；以及其中，响应于通过统计阈值而改变交通工具动作的参数包括从服务器接收关于操纵或路线段的参数。

示例49是一种用于乘客不适测量的系统，该系统包括：用于获得交通工具中的乘客在时间段期间的生物力学测量的集合的装置；用于选择指示乘客痛苦的生物力学测量的子集的装置；用于确定与指示痛苦的生物力学测量的时间段相对应的交通工具动作的装置；以及用于基于确定该交通工具动作与乘客痛苦相对应来修改该交通工具动作的未来应用的装置。

在示例50中，示例49的主题包括，其中，用于获得生物力学测量的集合的装置包括从乘客的设备中检取生物力学测量的装置。

在示例51中，示例50的主题包括，其中，乘客的设备是腕戴式设备。

在示例52中，示例49-51的主题包括，其中用于获得生物力学测量的集合的装置包括用于使用安装在交通工具中的传感器来观察乘客的装置。

在示例53中，示例52的主题包括，其中，该传感器是相机。

在示例54中，示例53的主题包括，其中面部表情被捕获为生物力学测量。

在示例55中，示例52-54的主题包括，其中所述传感器是麦克风。

在示例56中，示例55的主题包括，其中乘客的言语发声被捕获为生物力学测量。

在示例57中，示例49-56的主题包括，其中交通工具动作包括相对于交通工具的纵向方向、横向方向或垂直方向上的加速度。

在示例58中，示例57的主题包括，其中用于修改交通工具动作的未来应用的装置包括用于降低加速度的装置。

在示例59中，示例58的主题包括，其中加速度基于由交通工具行进的路线，并且其中用于降低加速度的装置包括用于选择不同的路线的装置。

在示例60中，示例49-59的主题包括，其中，用于修改交通工具动作的未来应用的装置包括用于针对乘客的当前行程修改交通工具动作的参数的装置。

在示例61中，示例49-60的主题包括，其中，用于修改交通工具动作的未来应用的装置包括用于针对乘客的未来行程修改交通工具动作的参数的装置。

在示例62中，示例49-61的主题包括，其中，用于修改交通工具动作的未来应用的装置包括用于针对不同的乘客修改交通工具动作的参数的装置。

在示例63中，示例49-62的主题包括，其中，用于修改交通工具动作的未来应用的装置包括：用于收集关于交通工具动作的跨乘客的痛苦的实例的装置；以及用于响应于通过关于痛苦的实例的统计阈值而改变交通工具动作的参数的装置。

在示例64中，示例63的主题包括，其中，用于收集跨乘客的痛苦的实例的装置包括用于将生物力学测量的集合传送到服务器的装置，该服务器使用统计阈值将来自若干行程上的若干交通工具的乘客之间的痛苦进行相关，该痛苦与交通工具操纵或路线段相对应；以及其中，用于响应于通过统计阈值而改变交通工具动作的参数的装置包括用于从服务器接收关于操纵或路线段的参数的装置。

示例65是包括指令的至少一种机器可读介质，该指令在被处理电路系统执行时，使得该处理电路系统执行操作以实现示例1-64中的任一项。

示例66是一种设备，包括用于实现示例1-64中的任一项的装置。

示例67是一种用于实现示例1-64中的任一项的系统。

示例68是一种用于实现示例1-64中的任一项的方法。

以上具体实施方式包括对附图的引用，附图形成具体实施方式的部分。附图通过图示方式示出可被实施的具体实施例。这些实施例在本文中也被称为“示例”。此类示例可包括除所示出或所描述的那些要素以外的要素。然而，本申请发明人还构想了其中只提供所示出或所描述的那些要素的示例。另外，本申请发明人还构想了相对于本文中所示出或所描述的特定示例(或者其一个或多个方面)或者相对于本文中所示出或所描述的其他示例(或者其一个或多个方面)使用所示出或所描述的那些要素(或者其一个或多个方面)的任何组合或排列的示例。

本文档中所涉及的所有公开、专利和专利文档通过引用整体结合于此，如通过引用单独地结合。在本文档和通过引用所结合的那些文档之间的不一致的用法的情况下，在结合的(多个)引用中的用法应当被认为是对本文档的用法的补充；对于不可调和的不一致，以本文档中的用法为准。

在此文档中，如在专利文档中常见的那样，使用术语“一(a或an)”以包括一个或多于一个，这独立于“至少一个”或“一个或多个”的任何其他实例或用法。在此文档中，除非另外指示，否则使用术语“或”来指非排他性的或，使得“A或B”包括“A但非B”、“B但非A”、以及“A和B”。在所附权利要求书中，术语“包括(including)”和“其中(in which)”被用作相应的术语“包含(comprising)”和“其特征在于(wherein)”的普通英语等价词。此外，在所附权利要求书中，术语“包括(including)”和“包含(comprising)”是开放式的，也就是说，在权利要求中包括除此类术语之后列举的那些要素之外的要素的系统、设备、制品或过程仍被视为落在那项权利要求的范围内。此外，在所附权利要求书中，术语“第一”、“第二”、“第三”等仅用作标记，而不旨在对其对象施加数值要求。

以上描述旨在是说明性而非限制性的。例如，以上所描述的示例(或者其一个或多个方面)可彼此组合使用。诸如可由本领域普通技术人员在仔细阅读以上描述之后使用其他实施例。摘要用于允许读者快速地确认本技术公开的性质，并且提交此摘要需理解：它不用于解释或限制权利要求书的范围或含义。而且，在以上具体实施方式中，各种特征可分组在一起以使本公开精简。但这不应被解释为意指未要求保护的所公开特征对任何权利要求而言都是必要的。相反，发明性主题可在于少于特定的所公开实施例的所有特征。因此，所附权利要求由此被并入具体实施方式中，其中每项权利要求独立成为单独实施例。各实施例的范围应当参考所附权利要求连同这些权利要求赋予的等效方案的全部范围而确定。

Claims (25)

1.一种用于乘客不适测量的设备，所述设备包括：

包括指令的存储器；以及

处理电路，所述处理电路在操作时由所述指令配置成用于：

获得交通工具中的乘客在时间段期间的生物力学测量的集合；

选择指示所述乘客的痛苦的生物力学测量的子集；

确定与指示痛苦的生物力学测量的所述时间段相对应的交通工具动作；以及

基于确定所述交通工具动作与乘客痛苦相对应来修改所述交通工具动作的未来应用。

2.如权利要求1所述的设备，其特征在于，为了获得所述生物力学测量的集合，所述处理电路被配置成用于从所述乘客的设备中检取生物力学测量。

3.如权利要求1所述的设备，其特征在于，为了获得所述生物力学测量的集合，所述处理电路被配置成用于使用安装在所述交通工具中的传感器来观察所述乘客。

4.如权利要求1所述的设备，其特征在于，所述交通工具动作包括相对于所述交通工具的纵向方向、横向方向或垂直方向上的加速度。

5.如权利要求1所述的设备，其特征在于，为了修改所述交通工具动作的未来应用，所述处理电路被配置成用于针对不同乘客修改所述交通工具动作的参数。

6.如权利要求1所述的设备，其特征在于，为了修改所述交通工具动作的未来应用，所述处理电路被配置成用于：

收集关于所述交通工具动作的跨乘客的痛苦的实例；以及

响应于通过关于所述痛苦的实例的统计阈值而改变所述交通工具动作的参数。

7.如权利要求6所述的设备，其特征在于，为了收集跨乘客的痛苦的实例，所述处理电路被配置成用于将所述生物力学测量的集合传送到服务器，所述服务器使用所述统计阈值将来自若干行程上的若干交通工具的乘客之间的痛苦进行相关，所述痛苦与交通工具操纵或路线段相对应；以及

其中，为了响应于通过所述统计阈值而改变所述交通工具动作的参数，所述处理电路被配置成用于从所述服务器接收关于所述操纵或路线段的参数。

8.一种用于乘客不适测量的方法，所述方法包括：

获得交通工具中的乘客在时间段期间的生物力学测量的集合；

选择指示所述乘客的痛苦的生物力学测量的子集；

确定与指示痛苦的生物力学测量的所述时间段相对应的交通工具动作；以及

基于确定所述交通工具动作与乘客痛苦相对应来修改所述交通工具动作的未来应用。

9.如权利要求8所述的方法，其特征在于，获得所述生物力学测量的集合包括从所述乘客的设备中检取生物力学测量。

10.如权利要求9所述的方法，其特征在于，所述乘客的设备是可穿戴设备。

11.如权利要求8所述的方法，其特征在于，获得所述生物力学测量的集合包括使用安装在所述交通工具中的传感器来观察所述乘客。

12.如权利要求11所述的方法，其中所述传感器是相机。

13.如权利要求12所述的方法，其特征在于，面部表情被捕获为生物力学测量。

14.如权利要求11所述的方法，其中所述传感器是麦克风。

15.如权利要求14所述的方法，其特征在于，乘客的言语发声被捕获为生物力学测量。

16.如权利要求8所述的方法，其特征在于，所述交通工具动作包括相对于所述交通工具的纵向方向、横向方向或垂直方向上的加速度。

17.如权利要求16所述的方法，其特征在于，修改所述交通工具动作的未来应用包括降低所述加速度。

18.如权利要求17所述的方法，其特征在于，所述加速度基于由所述交通工具行进的路线，并且其中降低所述加速度包括选择不同的路线。

19.如权利要求8所述的方法，其特征在于，修改所述交通工具动作的未来应用包括针对所述乘客的当前行程修改所述交通工具动作的参数。

20.如权利要求8所述的方法，其特征在于，修改所述交通工具动作的未来应用包括针对所述乘客的未来行程修改所述交通工具动作的参数。

21.如权利要求8所述的方法，其特征在于，修改所述交通工具动作的未来应用包括针对不同的乘客修改所述交通工具动作的参数。

22.如权利要求8所述的方法，其特征在于，修改所述交通工具动作的未来应用包括：

收集关于所述交通工具动作的跨乘客的痛苦的实例；以及

响应于通过关于所述痛苦的实例的统计阈值而改变所述交通工具动作的参数。

23.如权利要求22所述的方法，其特征在于，收集跨乘客的痛苦的实例包括将所述生物力学测量的集合传送到服务器，所述服务器使用所述统计阈值将来自若干行程上的若干交通工具的乘客之间的痛苦进行相关，所述痛苦与交通工具操纵或路线段相对应；以及

其中，响应于通过所述统计阈值而改变所述交通工具动作的参数包括从所述服务器接收关于所述操纵或路线段的参数。

24.至少一种机器可读介质，包括指令，所述指令在由处理电路执行时，使所述处理电路执行如权利要求8-23中任一项所述的方法。

25.一种系统，包括用于执行如权利要求8-23中任一项所述的方法的装置。

Images