CN115503722A - 信息处理装置和驾驶评估系统 - Google Patents

Abstract

本公开涉及信息处理装置和驾驶评估系统。所述信息处理装置被配置为获取与在第一车辆中执行的驾驶操作相关的第一数据和与所述第一车辆的周边状况相关的第二数据，并且基于所述第一数据和所述第二数据对所述第一车辆执行驾驶评估。

Description

信息处理装置和驾驶评估系统

技术领域

本公开涉及信息处理装置和驾驶评估系统。

背景技术

已经存在一种用于评估驾驶员的驾驶的系统。例如，日本未审查专利申请公开第2020-177583号(JP 2020-177583 A)公开了以预定间隔收集与驾驶操作相关的数据并且基于收集的数据诊断危险驾驶的程度的系统。

发明内容

本公开提供了提高驾驶评估的有效性的信息处理装置和驾驶评估系统。

根据本公开的第一方案的信息处理装置包括控制器，所述控制器被配置为获取与在第一车辆中执行的驾驶操作相关的第一数据，获取与所述第一车辆的周边状况相关的第二数据，以及基于所述第一数据和所述第二数据对所述第一车辆执行驾驶评估。

在所述信息处理装置中，所述第二数据可以是与所述第一车辆的周边交通的行为相关的数据。

在所述信息处理装置中，所述控制器可以被配置为至少基于在第一时段内生成的所述第一数据和在所述第一时段之前的第二时段内生成的所述第二数据，执行所述驾驶评估。

在所述信息处理装置中，所述控制器可以被配置为做出关于由所述第一数据指示的所述驾驶操作是否是由所述第二数据指示的所述第一车辆的所述周边状况引起的判定。

所述信息处理装置可以进一步包括存储器，所述存储器被配置为存储与影响所述第一车辆的所述驾驶操作的所述周边状况相关的数据。

在所述信息处理装置中，所述控制器可以被配置为通过使用存储的所述数据做出所述判定。

在所述信息处理装置中，所述控制器可以被配置为当发现所述周边状况与所述驾驶操作之间的因果关系时，校正在所述第一车辆中执行的所述驾驶操作的评估。

在所述信息处理装置中，所述控制器可以被配置为通过使用评估模型执行所述驾驶评估，在所述评估模型中，所述第一数据和所述第二数据是输入数据，并且所述驾驶评估是输出数据，并且当发现所述周边状况与在所述第一车辆中执行的所述驾驶操作之间的因果关系时，更新所述评估模型以增加将针对所述输入数据输出的所述驾驶评估的值。

在所述信息处理装置中，所述第一数据可以包括由安装在所述第一车辆上的传感器获取的运动数据。

在所述信息处理装置中，所述第二数据可以是由安装在所述第一车辆上的相机获取的图像数据。

在所述信息处理装置中，所述控制器可以被配置为基于分析所述图像数据的结果，做出关于所述第一车辆的所述周边状况的判定。

根据本公开的第二方案的驾驶评估系统包括第一车辆和信息处理装置。所述第一车辆包括第一控制器，所述第一控制器被配置为获取与在所述第一车辆中执行的驾驶操作相关的第一数据和与所述第一车辆的周边状况相关的第二数据。所述信息处理装置包括第二控制器，所述第二控制器被配置为基于所述第一数据和所述第二数据，对所述第一车辆执行驾驶评估。

在所述驾驶评估系统中，所述第二数据可以是与所述第一车辆的周边交通的行为相关的数据。

在所述驾驶评估系统中，所述第一控制器可以被配置为周期性地向所述信息处理装置发送所述第一数据和所述第二数据，并且所述第二控制器可以被配置为至少基于在第一时段内生成的所述第一数据和在所述第一时段之前的第二时段内生成的所述第二数据执行所述驾驶评估。

在所述驾驶评估系统中，所述第二控制器可以被配置为做出关于由所述第一数据指示的所述驾驶操作是否是由所述第二数据指示的所述第一车辆的所述周边状况引起的判定。

在所述驾驶评估系统中，所述信息处理装置可以进一步包括存储器，所述存储器被配置为存储与影响所述第一车辆的所述驾驶操作的所述周边状况相关的数据。

在所述驾驶评估系统中，所述第二控制器可以被配置为通过使用存储的所述数据做出所述判定。

在所述驾驶评估系统中，所述第二控制器可以被配置为当发现所述周边状况与所述驾驶操作之间的因果关系时，校正在所述第一车辆中执行的所述驾驶操作的评估。

在所述驾驶评估系统中，所述第一车辆可以进一步包括传感器，所述传感器被配置为获取运动数据作为所述第一数据。

在所述驾驶评估系统中，所述第一车辆可以进一步包括相机，所述相机被配置为获取图像数据作为所述第二数据。

本公开的其他方案涉及程序或存储所述程序的非暂时性计算机可读存储介质，所述程序使计算机执行将由信息处理装置执行的方法。

根据本公开，能够提高驾驶评估的有效性。

附图说明

下面将参照附图描述本发明的示例性实施例的特征、优点以及技术和工业意义，其中，相同的标号表示相同的元件，并且其中：

图1是示出驾驶评估系统的概要的图；

图2是示出中心服务器和车载终端的配置的图；

图3示出存储在存储器中的车辆数据的示例；

图4示出存储在存储器中的行为数据的示例；

图5A示出存储在存储器中的评估模型的示例；

图5B示出存储在存储器中的评估模型的示例；

图6是示出在第一实施例中将在模块之间发送和接收的数据的图；

图7是示出将要处理的数据的生成时刻的图；

图8是示出将由判定器执行的处理的图；

图9是将由第一实施例中的控制器执行的处理的流程图；

图10是将由第一实施例中的控制器执行的处理的流程图；

图11是示出在第二实施例中将在模块之间发送和接收的数据的图；以及

图12是将由第二实施例中的控制器执行的处理的流程图。

具体实施方式

存在基于由驾驶员执行的驾驶操作评估驾驶员的驾驶的系统。在这种系统中，例如，评估是基于驾驶操作的平稳性执行的。

存在用于避免危险发生而与驾驶员的责任无关的操作的情况。这些情况的示例包括行人或自行车突然进入街道中，以及从相邻车道突然中断引起的突然制动。然而，在以往的驾驶评估系统中，即使在这些情况下，也可能做出驾驶员已经执行了不适当的驾驶操作的评估。

在根据本公开的一个方案的信息处理装置中，控制器获取与在第一车辆中执行的驾驶操作相关的第一数据，获取与第一车辆的周边状况相关的第二数据，并且基于第一数据和第二数据对第一车辆执行驾驶评估。

第一数据是与由驾驶员执行的驾驶操作相关的数据。第一数据可以是直接指示驾驶操作的数据，或者可以是间接指示驾驶操作的数据。例如，可以通过感测第一车辆的行为间接获得驾驶操作。第一数据的示例包括方向盘操作量、加速器或制动器操作量、车辆的加速度或减速度以及横摆率。第一数据可以从第一车辆、安装在第一车辆上的计算机等获取。

第二数据是与第一车辆的周边状况相关的数据。第二数据的示例包括通过感测第一车辆周边获得的传感器数据，以及通过对第一车辆周边成像获得的图像数据。周边状况可以是第一车辆周围的交通状况。交通状况的示例包括另一车辆、自行车和行人的位置或运动。周边状况可以是第一车辆周围的障碍物的状况和驾驶环境。

通过除了第一数据之外还考虑到第二数据来执行驾驶评估，可以做出关于例如由驾驶员执行的操作是否有效(例如，操作是否不可避免)的判定。因此，可以提高驾驶评估的精度。

第二数据可以是与第一车辆的周边交通的行为相关的数据。

根据这种配置，可以做出例如第一车辆的路线被阻碍并且执行了驾驶操作以避开该阻碍的判定。

控制器可以至少基于在第一时段内生成的第一数据和在第一时段之前的第二时段内生成的第二数据执行驾驶评估。

例如，可以通过参照在紧接驾驶操作之前的时段内反向追踪的第二数据，做出关于由第一数据指示的驾驶操作是否有效的判定。

控制器可以做出关于由第一数据指示的驾驶操作是否是由第二数据指示的第一车辆的周边状况引起的判定。

例如，当由第二数据指示的特定事件阻碍第一车辆的路线时，可以做出紧接在该事件之后的驾驶操作是由该事件引起的判定。

信息处理装置可以进一步包括存储器，存储器被配置为存储与影响第一车辆的驾驶操作的周边状况相关的数据。

控制器可以使用存储的数据做出判定。

例如，通过预定义影响第一车辆的驾驶操作的周边状况，诸如行人突然进入街道中或车辆中断，并且判定所引起的周边状况与所定义的周边状况之间的一致程度，可以做出关于是否存在因果关系的判定。

当发现周边状况与驾驶操作之间的因果关系时，控制器可以校正在第一车辆中执行的驾驶操作的评估。

当周边状况与驾驶操作之间存在因果关系时，可以做出驾驶操作是由不可避免的事件引起的判定。因此，可以将驾驶操作的评估校正到例如正方向上。这使得可以补偿由突然操作等引起的减分。

控制器可以通过使用评估模型执行驾驶评估，在评估模型中，第一数据和第二数据是输入数据，并且驾驶评估是输出数据，并且当发现周边状况与在第一车辆中执行的驾驶操作之间的因果关系时，更新评估模型以增加将针对输入数据输出的驾驶评估的值。

可以通过使用评估模型(例如，机器学习模型)执行驾驶评估。在这种情况下，当存在与驾驶操作具有因果关系的周边状况时，优选地更新(重新训练)评估模型，使得在这种状况下驾驶评估的值不会降低。

第一数据可以包括由安装在第一车辆上的传感器获取的运动数据。

运动数据的示例包括与第一车辆的运动相关的数据。车辆的运动的示例包括加速度、转弯率和减速度。

第二数据可以是由安装在第一车辆上的相机获取的图像数据。

控制器可以基于分析图像数据的结果做出关于第一车辆的周边状况的判定。

通过使用由车载相机获取的图像，可以做出关于第一车辆的周边状况的判定。

在下文中，将参照附图描述本公开的具体实施例。除非另有说明，否则在各个实施例中描述的硬件配置、模块配置、功能配置等并不旨在将本公开的技术范围限制于这些配置。

第一实施例

将参照图1描述根据第一实施例的驾驶评估系统的概要。根据本实施例的驾驶评估系统包括评估驾驶员的驾驶的中心服务器100和安装在车辆10上的车载终端200。

尽管图1中示出了一个车辆10，然而可以由中心服务器100管理多个车辆10。

车载终端200是安装在管理下的各个车辆10上的计算机。车载终端200获取车辆数据并且周期性地向中心服务器100发送车辆数据。车辆数据包括两种类型的数据，即“与由驾驶员执行的驾驶操作相关的数据(第一数据)”和“与车辆10的周边状况相关的数据(第二数据)”。

中心服务器100从系统的管理下的车辆10(车载终端200)获取多条车辆数据，并且基于多条车辆数据评估由驾驶员执行的驾驶操作(例如，评估执行的驾驶操作的平稳程度)。

中心服务器100基于指示车辆10的周边状况的第二数据判定车辆10周围发生了哪种类型的情况，然后评估第一数据。由此，即使当由于不可避免的事件而执行了突然操作时，也能够有效地评估这一突然操作。

在本实施例中，第一数据是指示在车辆10中执行的驾驶操作的传感器数据。第一数据可以由车辆10中的传感器获取。

在本实施例中，第二数据是用于分析车辆10的周边交通的行为的图像数据。周边交通指的是位于车辆10附近的移动体，诸如另一车辆、自行车或行人。图像数据可以由例如安装在车辆10的前部的相机获取。

图2是详细示出根据本实施例的驾驶评估系统的部件的图。

车载终端200是安装在车辆上的计算机。车载终端200包括控制器201、存储器202、通信器203、输入/输出单元204、运动传感器205和相机206。

控制器201是负责由车载终端200执行的控制的算术单元。控制器201可以由诸如中央处理单元(CPU)的算术处理单元实现。

控制器201包括两个功能模块，即车辆数据获取器2011和车辆数据发送器2012。这些功能模块可以通过CPU执行存储在稍后将描述的存储器202中的程序实现。

车辆数据获取器2011获取车辆数据。在本实施例中，车辆数据包括以下两种类型的数据。

(1)与由驾驶员执行的驾驶操作相关的数据(传感器数据)

(2)由车载相机获取的图像数据

传感器数据对应于第一数据，并且图像数据对应于第二数据。

与驾驶操作相关的数据是指示车辆的行为的数据(运动数据)，并且通常是指示由稍后描述的运动传感器205获取的加速度的数据。在本示例中，由传感器测量的加速度被例示为传感器数据，然而只要传感器数据与驾驶操作相关，传感器数据还可以包括其他信息。例如，传感器数据可以包括速度和横摆率。传感器数据不限于通过感测车辆的运动获得的数据。例如，传感器数据可以是指示驾驶操作并且从转向传感器或节气门传感器获取的数据。

车辆数据获取器2011以预定采样率(例如，10Hz)获取传感器数据。可以以高于目标采样率的采样率获取传感器数据，然后由滤波器进行平滑。例如，可以以100Hz进行数据采样，然后通过使用高斯滤波器等下采样到10Hz。

图像数据由稍后描述的相机206获取。本文描述的“图像数据”可以是一帧数据或多帧数据。车辆数据获取器2011可以获取除了传感器数据和图像数据之外的数据，并且将该数据包括在车辆数据中。这种数据的示例包括车辆10的位置信息、速度和行驶方向。

车辆数据发送器2012周期性地(例如，以一秒的间隔)向中心服务器100发送由车辆数据获取器2011获取的车辆数据。

当车辆数据的发送间隔是一秒时，车辆数据可以包括例如一秒的传感器数据和一秒的图像数据。图像数据可以是多个图像的集合。例如，当车辆数据的发送间隔是一秒并且车辆数据获取器2011可以每秒以30帧获取图像时，一次发送的车辆数据可以包括包含30个图像的图像数据。当车辆数据获取器2011可以以10Hz获取传感器数据时，一条车辆数据可以包括10个时间步长的传感器数据。

存储器202包括主存储装置和辅助存储装置。主存储装置是其上加载有将由控制器201执行的程序和将由控制程序使用的数据的内存。辅助存储装置存储将由控制器201执行的程序和将由控制程序使用的数据。辅助存储装置可以存储将由控制器201执行的程序的应用包。辅助存储装置可以存储用于运行这些应用的操作系统。存储在辅助存储装置中的程序被加载到主存储装置中并由控制器201执行。因此执行稍后将描述的处理。

主存储装置可以包括随机存取存储器(RAM)或只读存储器(ROM)。辅助存储装置可以包括可擦除可编程ROM(EPROM)或硬盘驱动器(HDD)。辅助存储装置可以包括可移动介质，即便携式记录介质。

通信器203是用于将车载终端200连接到网络的无线通信接口。通信器203经由例如无线局域网(LAN)或诸如第三代(3G)、长期演进(LTE)或第五代(5G)的移动通信服务与中心服务器100可通信。

输入/输出单元204接收由用户执行的输入操作，并且向用户呈现信息。在本实施例中，输入/输出单元204是单触摸面板显示器。也就是说，输入/输出单元204包括液晶显示器及其控制器，以及触摸面板及其控制器。

运动传感器205测量施加到车辆10的加速度。运动传感器205的示例包括能够测量在车辆的前后方向、横向方向和竖直方向上施加的加速度的三轴加速度传感器。在这种情况下，传感器数据可以是三维向量。

相机206拍摄车辆10周围的视图。优选地，相机206安装在相机206至少能够拍摄车辆10的前方的视图的位置中。

接下来，将描述中心服务器100。

中心服务器100执行从车载终端200接收车辆数据的处理和基于接收的车辆数据评估由车辆10的驾驶员执行的驾驶操作的处理。

中心服务器100可以是通用计算机。也就是说，中心服务器100可以是包括诸如CPU或图形处理单元(GPU)的处理器、诸如RAM或ROM的主存储装置和诸如EPROM、硬盘驱动器或可移动介质的辅助存储装置的计算机。操作系统(OS)、各种程序、各种表等存储在辅助存储装置中。存储在辅助存储装置中的程序通过被加载到主存储装置的工作区中来执行。如稍后所述，通过程序的执行，各个部件被控制以实现用于预定目的的各种功能。部分或全部功能可以由诸如专用集成电路(ASIC)或现场可编程门阵列(FPGA)的硬件电路实现。

控制器101是负责由中心服务器100执行的控制的算术单元。控制器101可以由诸如CPU的算术处理单元来实现。

控制器101包括三个功能模块，即数据获取器1011、评估器1012和判定器1013。各个功能模块可以通过CPU执行存储的程序来实现。

数据获取器1011执行用于从安装在系统管理下的车辆上的车载终端200获取车辆数据并且将获取的车辆数据存储在稍后将描述的存储器102中的处理。

评估器1012基于存储的车辆数据评估由车辆10的驾驶员执行的驾驶操作，并且生成指示评估结果的数据(评估数据)。

例如，评估器1012通过预定评估模型评估传感器数据，并且获取评估驾驶操作的平稳性的数值。评估器1012请求稍后描述的判定器1013判定由传感器数据指示的驾驶操作是否是由周边交通的行为引起的。评估器1012考虑由判定器1013做出的判定的结果来生成最终评估数据。

例如，当做出特定的驾驶操作是由周边交通的行为引起的判定时，如在紧接突然制动之前观察到行人跳到街道中的情况下，评估器1012采取不对突然制动操作减分的行动。稍后将描述具体方法。

基于来自评估器1012的请求，判定器1013判定驾驶操作与周边交通的行为之间是否存在因果关系。具体地，判定器1013参照紧接在将评估的驾驶操作之前获取的图像数据，并且判定通过分析图像数据获得的周边交通的行为是否与预定行为模式一致。

预定行为模式是周边交通的行为模式(例如，前一车辆的突然停止或行人突然进入街道中)，其可能与特定的驾驶操作(例如，突然制动)相关联。当周边交通的行为与预定行为模式一致时，可以做出在驾驶操作与周边交通的行为之间存在因果关系的判定。

存储器102包括主存储装置和辅助存储装置。主存储装置是加载将由控制器101执行的程序和将由控制程序使用的数据的存储器。辅助存储装置存储将由控制器101执行的程序和将由控制程序使用的数据。

存储器102存储车辆数据库102A、行为数据库102B和评估模型102C。

车辆数据库102A是存储从车载终端200获取的车辆数据的数据库。车辆数据库102A存储从多个车载终端200获取的多条车辆数据。

图3是示出存储在车辆数据库102A中的数据的示例的图。唯一识别车辆的标识符(ID)存储在车辆ID字段中。生成车辆数据时的日期和时间存储在日期和时间信息字段中。车辆的位置信息存储在位置信息字段中。例如，位置信息可以由纬度和经度表示。指示车辆的行驶方向的信息存储在方向信息字段中。

由车辆10的运动传感器205获取的传感器数据存储在传感器数据字段中。由车辆10的相机206获取的图像数据存储在图像数据字段中。图像数据可以是多帧组成的运动图像数据。

基于从车载终端200发送的车辆数据周期性地更新车辆数据库102A。

行为数据库102B是存储可能与特定的驾驶操作(例如，突然制动)相关联的周边交通的行为模式(例如，行人突然进入街道中)的数据库。存储在行为数据库102B中的行为模式是对应于被假设为驾驶员无法预测的外部情况的模式。

图4是示出存储在行为数据库102B中的数据的示例的图。唯一识别行为模式的数据存储在模式ID字段中。通过将周边交通的行为转换成特征量而获得的数据存储在特征量数据字段中。当通过转换由车载相机获得的图像数据而获得的特征量显示出与多条数据高度相似时，很有可能由于周边交通的行为而执行了特定的驾驶操作。也就是说，推测在由驾驶员执行的驾驶操作与周边交通的行为之间存在因果关系。

车辆数据库102A和行为数据库102B被构建使得由处理器执行的数据库管理系统(DBMS)的程序管理存储在存储装置中的数据。车辆数据库102A和行为数据库102B是例如关系数据库。

评估模型102C是用于评估由驾驶员执行的驾驶操作的机器学习模型。图5A是示出评估模型102C的输入数据和输出数据的图。如图5A所示，评估模型102C获取传感器数据作为输入数据，并且生成驾驶评估作为输出数据。驾驶评估由例如分数表示。评估模型102C例如被训练为驾驶操作越平稳输出越高的分数。

在本示例中，仅将传感器数据例示为评估模型102C的输入，然而可以给定其他信息作为输入数据。例如，通过给定与车辆10正在行驶的道路相关的信息(例如，车道数、限速、曲率以及是否存在人行横道和交通信号灯)，可以以更高的精度判定由驾驶员执行的驾驶操作是否适当。

因此，中心服务器100可以存储包括关于车辆10可以行驶的道路的详细信息的地图数据等。

通信器103是用于将中心服务器100连接到网络的通信接口。通信器103包括例如网络接口板和用于无线通信的无线通信模块。

图2所示的配置是示例，并且图2所示的全部或部分功能可以通过使用为这些功能专门设计的电路来执行。除了图2所示的组合之外，程序可以存储在主存储装置和辅助存储装置的组合中，或者由主存储装置和辅助存储装置的组合来执行。

图6是示出控制器101中的模块的操作的图。

数据获取器1011周期性地从管理下的车辆10(车载终端200)接收车辆数据。接收的车辆数据随时存储在车辆数据库102A中。

评估器1012从存储在车辆数据库102A中的多条信息获取对应于评估目标时段的传感器数据，并且执行驾驶评估。由于记录的传感器数据是瞬时值，因此基于单条传感器数据无法做出关于已经执行了哪种类型的驾驶操作的判定。因此，评估器1012基于预定时段(例如，一秒)内传感器数据的集合执行驾驶评估。

图7是示出预定时段与执行驾驶评估的时刻之间的关系的图。在本示例中，评估器1012向评估模型102C输入从评估时刻以预定步长(例如，五个步长)反向追踪的时序传感器数据，并且获取从评估模型102C输出的值。在所示的示例中，对应于由标号701指示的时段的时序传感器数据被输入到评估模型102C。

评估器1012向判定器1013给出判定请求，以检查由评估模型102C获得的评估结果是否有效。例如，当行人在t＝3的时刻跳到街道中，在t＝5的时刻施加突然制动，然后执行驾驶评估时，通过按时刻反向追踪来检查图像数据，可以做出驾驶操作是由不可避免的事件引起的判定。以这种方式，评估器1012请求判定器1013在执行驾驶评估的时刻，按时刻反向追踪来检查图像数据。在图7所示的示例中，判定器1013通过参照对应于由标号702指示的时段的图像数据来做出判定。

响应于判定请求，判定器1013参照过去获取的图像数据，并且判定通过分析获得的周边交通的行为是否与存储在行为数据库102B中的预定行为模式一致。可以基于相似度来做出该判定。当周边交通的行为与存储在行为数据库102B中的预定行为模式一致时，判定器1013向评估器1012返回表示“检测到被推测为与最近的驾驶操作具有因果关系的周边交通的行为”的判定结果。

图8是示出由判定器1013执行的判定处理的图。判定器1013确定对应于来自评估器1012的请求的时段，获取该时段中的图像数据，然后将图像数据转换成特征量。该时段可以预先确定。优选地，时段的起点是将要评估的传感器数据的起点(在图7的示例中t＝4)之前的时刻(在图7的示例中t＝1)。判定器1013从行为数据库102B获取对应于各个行为模式的特征量，并且比较特征量。基于该结果，可以做出关于周边交通的行为是否对应于任何预定行为模式的判定。当做出两个特征量彼此一致作为比较特征量的结果的判定时，可以做出在由驾驶员执行的驾驶操作与最近观察到的周边交通的行为之间存在因果关系的判定。

评估器1012将由判定器1013做出的判定的细节添加到由评估模型102C生成的驾驶评估中，从而生成评估数据。例如，当在没有交通信号灯或人行横道的道路上发生突然制动时，原则上生成指示低评估分数的评估数据。当判定器1013判定突然制动是由周边交通的行为(例如，行人突然进到街道中)引起时，给出低评估分数是不合适的。在这种情况下，评估器1012修改评估标准或校正评估结果以提高对驾驶操作的评估。

可以基于行为模式的类型来判定用于校正驾驶评估的量。例如，在被另一车辆中断与行人突然进入街道之间，制动操作的量可能不同。例如，当行为模式是“行人突然进入街道中”时，校正量可能大于在行为模式是“被其他车辆中断”的情况下的校正量。校正量可以与行为模式相关联地存储在行为数据库102B中。

即使由驾驶员执行的驾驶操作与周边交通的行为之间存在因果关系，根据条件也可能不会对驾驶评估进行校正。这种情况的示例包括行人正在横穿人行横道的情况、车辆10正在面对红灯信号的情况以及车辆10与在优先道路上行驶的另一车辆相迎的情况。当车辆10的驾驶员疏忽时，不应当校正驾驶评估。因此，评估器1012可以进一步获取与车辆10的周边状况相关的其他数据(除了周边交通的行为之外)，并且基于该数据进一步判定驾驶员是否疏忽。与车辆10的周边状况相关的其他数据的示例包括交通信号灯安装的位置、人行横道设置的位置、停车标志设置的位置以及描述道路之间的优先关系的地图数据。当做出车辆10疏忽作为参照这种数据的结果的判定时，不管周边交通的行为如何，评估器1012无需校正驾驶评估。

接下来，将描述由控制器101的各个模块执行的处理的流程图。在系统处于运行的同时，对各个车辆10周期性地执行图9所示的流程图中的处理。

在步骤S11中，数据获取器1011接收从车载终端200发送的车辆数据。接收的车辆数据被存储在车辆数据库102A中。

在步骤S12中，评估器1012基于获取的传感器数据生成评估数据。例如，如图7所示，从评估时刻反向追踪预定时段的时序传感器数据作为输入数据被给予评估模型102C，并且获取输出的驾驶评估。

在步骤S13中，做出关于生成的驾驶评估是否满足预定减分标准的判定。例如，当在步骤S12中生成具有低于预定阈值的分数的驾驶评估时，在步骤S13中做出肯定判定。

当在步骤S13中做出肯定判定时，处理进行到步骤S14，并且判定器1013判定周边交通的行为。也就是说，做出关于引起减分的驾驶操作是否归因于周边交通的行为的判定。

图10是在步骤S14中由判定器1013执行的处理的流程图。

在步骤S141中，首先确定用于判定的图像数据的参照时段。优选地，图像数据的参照时段从将要评估的时序传感器数据的起点之前的时刻开始。例如，当如图7所示在t＝10的时刻执行驾驶评估时，确定从该时刻反向追踪的预定时段(标号702)。在该示例中，确定对应于t＝1到t＝9的时段。

在步骤S142中，判定对应于确定的时段的图像数据是否存储在车辆数据库102A中。当做出否定判定时，该处理终止。当做出肯定判定时，处理进行到步骤S143。在步骤S143中，获取对应于确定的时段的图像数据，并且将其转换成特征量。在步骤S144中，如图8所示，将通过转换获得的特征量与对应于存储在行为数据库102B中的多个行为模式中的每一个的特征量进行比较以获得相似度。

在步骤S145中，做出关于是否有任何行为模式具有超过预定值的相似度的判定。当做出肯定判定时，判定器1013生成表示“检测到被推测为与驾驶操作具有因果关系的周边交通的行为”的判定结果。当在步骤S142和S145中做出否定判定时，判定器1013生成表示“没有检测到被推测为与驾驶操作具有因果关系的周边交通的行为”的判定结果。

返回到图9，将继续描述。当发现了驾驶操作与周边交通的行为之间的因果关系作为在步骤S14中做出的判定的结果时(步骤S15：是)，处理进行到步骤S16并且校正步骤S12中生成的驾驶评估。例如，当驾驶评估示出低分时，减少减分的范围或者撤回减分。当没有发现驾驶操作与周边交通的行为之间的因果关系时(步骤S15：否)，处理终止。如上所述，驾驶评估的校正量可以根据行为模式而不同。评估器1012可以通过参照与车辆10的驾驶环境相关的其他数据来判定车辆10的驾驶员的疏忽，并且当做出存在疏忽的判定时无需校正驾驶评估。

在步骤S17中，评估器1012基于在步骤S12中获取的或在步骤S16中校正的驾驶评估生成评估数据。评估数据可以存储在存储器102中，或者发送到外部装置(例如，由车辆10的操作管理者管理的装置)。

如上所述，在根据第一实施例的驾驶评估系统中，当针对驾驶操作给出低的评估分数时，获取紧接在驾驶操作之前由车载相机获得的图像数据，并且估计周边交通的行为与驾驶操作之间的因果关系。当发现了因果关系时，校正驾驶评估。这使得即使当由于不可避免的事件而发生突然操作时，也可以执行有效的驾驶评估。

第二实施例

在第一实施例中，评估器1012仅基于传感器数据生成驾驶评估。在第二实施例中，评估器1012基于传感器数据和图像数据二者生成驾驶评估。

图11是示出第二实施例中的控制器101中的模块的操作的图。与第一实施例相同的部分由虚线表示，并且将省略其描述。在第二实施例中，评估器1012获取传感器数据和图像数据二者，将多条数据输入到评估模型102C中，并且获取驾驶评估。图5B是示出第二实施例中的评估模型102C的输入和输出的图。

在第二实施例中，如在第一实施例中一样，评估器1012获取从评估时刻以预定步长反向追踪的时序传感器数据，并且向评估模型102C输入时序传感器数据。评估器1012获取反向追踪比传感器数据更长的时段的时序图像数据，并且向评估模型102C输入时序图像数据。这些时段可以与参照图7描述的时段相同。这使得可以基于对应于驾驶操作的传感器数据和示出影响驾驶操作的周边交通的行为的图像数据来生成驾驶评估。

在第二实施例中，当评估器1012校正驾驶评估时，基于校正的细节重新训练评估模型102C。也就是说，当从周边交通检测到预定行为模式并且校正了驾驶评估时，评估模型102C的算法被重建，使得当未来出现相似场景时，评估分数不会降低。这使得可以获得能够进行更有效的驾驶评估的评估模型。

图12是由第二实施例中的控制器101的各个模块执行的处理的流程图。与第一实施例相同的处理由虚线表示，并且将省略其描述。在第二实施例中，在步骤S16中校正了驾驶评估之后，评估器1012执行步骤S16B的处理。在步骤S16B中，评估器1012更新评估模型102C。具体地，算法被重新训练以便不对作为驾驶评估的前提的输入数据(传感器数据和图像数据的组合)减分。

根据第二实施例，评估模型可以学习由不可避免的事件引起驾驶操作的场景。因此，可以获得更精确的评估模型。

变型例

上述实施例仅是说明性的，并且在不脱离本公开的要旨的情况下，可以对本公开进行适当地变型。例如，只要不出现技术矛盾，本公开中描述的处理和装置可以根据需要进行组合。

在实施例的描述中，图像数据被例示为第二数据，然而第二数据不限于图像数据。例如，第二数据可以是由距离传感器获取的距离地图，或者可以是由另一传感器获取的传感器数据。在实施例的描述中，指示周边交通的行为的数据被例示为第二数据，然而只要数据指示车辆10的周边状况，第二数据不限于指示周边交通的行为的数据。例如，第二数据可以是能够提供驾驶环境已经突然恶化的判定的数据，或者可以是指示诸如坠落物或落石的障碍物的接近的数据。

在实施例的描述中，用作第二数据的图像数据是由车载相机获取的，然而可以由除了车辆10之外的装置获取。例如，图像数据可以由位于车辆10附近的另一车辆或由路边装置获得。在实施例的描述中，特征量被存储在行为数据库102B中，然而对应于多个行为模式的多条图像数据可以被存储在数据库中，并且可以通过每次判定多条图像数据之间的相似度来判定行为模式。

被描述为由单个装置执行的处理可以由多个装置协作执行。或者，被描述为由不同装置执行的处理可以由单个装置执行。在计算机系统中，实现功能的硬件配置(服务器配置)可以被灵活地改变。

本公开可以被实施为使得实现上述实施例中描述的功能的计算机程序被提供给计算机，并且由计算机的一个以上的处理器读取并执行。计算机程序可以通过存储在可连接到计算机的系统总线的非暂时性计算机可读存储介质中来提供给计算机，或者可以经由网络提供给计算机。非暂时性计算机可读存储介质的示例包括任何类型的盘或碟，诸如磁盘(例如，软盘(注册商标)盘和硬盘驱动器(HDD))和光盘(例如，光盘ROM(CD-ROM)、数字多功能盘(DVD)和蓝光光盘)，以及适于存储电子指令的任何类型的介质，诸如只读存储器(ROM)、随机存取存储器(RAM)、EPROM、电可擦除可编程ROM(EEPROM)、磁卡、闪存和光学卡。

Claims (20)

1.一种信息处理装置，其特征在于包括控制器，所述控制器被配置为：

获取与在第一车辆中执行的驾驶操作相关的第一数据；

获取与所述第一车辆的周边状况相关的第二数据；以及

基于所述第一数据和所述第二数据对所述第一车辆执行驾驶评估。

2.根据权利要求1所述的信息处理装置，其特征在于，所述第二数据是与所述第一车辆的周边交通的行为相关的数据。

3.根据权利要求1或2所述的信息处理装置，其特征在于，所述控制器被配置为至少基于在第一时段内生成的所述第一数据和在所述第一时段之前的第二时段内生成的所述第二数据，执行所述驾驶评估。

4.根据权利要求1至3中任一项所述的信息处理装置，其特征在于，所述控制器被配置为做出关于由所述第一数据指示的所述驾驶操作是否是由所述第二数据指示的所述第一车辆的所述周边状况引起的判定。

5.根据权利要求4所述的信息处理装置，其特征在于，进一步包括存储器，所述存储器被配置为存储与影响所述第一车辆的所述驾驶操作的所述周边状况相关的数据。

6.根据权利要求5所述的信息处理装置，其特征在于，所述控制器被配置为通过使用存储的所述数据做出所述判定。

7.根据权利要求4至6中任一项所述的信息处理装置，其特征在于，所述控制器被配置为当发现所述周边状况与所述驾驶操作之间的因果关系时，校正在所述第一车辆中执行的所述驾驶操作的评估。

8.根据权利要求4至7中任一项所述的信息处理装置，其特征在于，所述控制器被配置为：

通过使用评估模型执行所述驾驶评估，在所述评估模型中，所述第一数据和所述第二数据是输入数据，并且所述驾驶评估是输出数据；并且

当发现所述周边状况与在所述第一车辆中执行的所述驾驶操作之间的因果关系时，更新所述评估模型以增加将针对所述输入数据输出的所述驾驶评估的值。

9.根据权利要求1至8中任一项所述的信息处理装置，其特征在于，所述第一数据包括由安装在所述第一车辆上的传感器获取的运动数据。

10.根据权利要求1至9中任一项所述的信息处理装置，其特征在于，所述第二数据是由安装在所述第一车辆上的相机获取的图像数据。

11.根据权利要求10所述的信息处理装置，其特征在于，所述控制器被配置为基于分析所述图像数据的结果，做出关于所述第一车辆的所述周边状况的判定。

12.一种驾驶评估系统，其特征在于，包括：

第一车辆；和

信息处理装置，其中：

所述第一车辆包括第一控制器，所述第一控制器被配置为获取与在所述第一车辆中执行的驾驶操作相关的第一数据和与所述第一车辆的周边状况相关的第二数据；并且

所述信息处理装置包括第二控制器，所述第二控制器被配置为基于所述第一数据和所述第二数据对所述第一车辆执行驾驶评估。

13.根据权利要求12所述的驾驶评估系统，其特征在于，所述第二数据是与所述第一车辆的周边交通的行为相关的数据。

14.根据权利要求12或13所述的驾驶评估系统，其特征在于：

所述第一控制器被配置为周期性地向所述信息处理装置发送所述第一数据和所述第二数据；并且

所述第二控制器被配置为至少基于在第一时段内生成的所述第一数据和在所述第一时段之前的第二时段内生成的所述第二数据执行所述驾驶评估。

15.根据权利要求14所述的驾驶评估系统，其特征在于，所述第二控制器被配置为做出关于由所述第一数据指示的所述驾驶操作是否是由所述第二数据指示的所述第一车辆的所述周边状况引起的判定。

16.根据权利要求15所述的驾驶评估系统，其特征在于，所述信息处理装置进一步包括存储器，所述存储器被配置为存储与影响所述第一车辆的所述驾驶操作的所述周边状况相关的数据。

17.根据权利要求16所述的驾驶评估系统，其特征在于，所述第二控制器被配置为通过使用存储的所述数据做出所述判定。

18.根据权利要求15至17中任一项所述的驾驶评估系统，其特征在于，所述第二控制器被配置为当发现所述周边状况与所述驾驶操作之间的因果关系时，校正在所述第一车辆中执行的所述驾驶操作的评估。

19.根据权利要求12至18中任一项所述的驾驶评估系统，其特征在于，所述第一车辆进一步包括传感器，所述传感器被配置为获取运动数据作为所述第一数据。

20.根据权利要求12至19中任一项所述的驾驶评估系统，其特征在于，所述第一车辆进一步包括相机，所述相机被配置为获取图像数据作为所述第二数据。

Images