CN115689774A - 优化车辆事件过程的方法和系统 - Google Patents

优化车辆事件过程的方法和系统 Download PDF

Info

Publication number
CN115689774A
CN115689774A CN202210511576.9A CN202210511576A CN115689774A CN 115689774 A CN115689774 A CN 115689774A CN 202210511576 A CN202210511576 A CN 202210511576A CN 115689774 A CN115689774 A CN 115689774A
Authority
CN
China
Prior art keywords
vehicle
event
sensor data
various embodiments
vehicle event
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210511576.9A
Other languages
English (en)
Inventor
A.P.罗丝
D.K.格里姆
F.白
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN115689774A publication Critical patent/CN115689774A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B60W2050/021—Means for detecting failure or malfunction
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B60W2050/0215—Sensor drifts or sensor failures
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/221—Physiology, e.g. weight, heartbeat, health or special needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Technology Law (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

在各种实施例中，提供了用于处理与车辆的车辆事件有关的数据的方法和系统。根据示例性实施例，从与车辆事件相关的一个或多个车辆传感器获得车辆传感器数据。还在示例性实施例中，基于车辆传感器数据，经由处理器确定车辆事件的评估，包括关于与车辆事件相关联的故障或严重性或两者。

Description

优化车辆事件过程的方法和系统
技术领域
本技术领域总体上涉及车辆，尤其涉及用于优化车辆事件相关的过程的方法和系统。
背景技术
如今，当车辆事件发生时，可实施各种过程，例如评估车辆损害、乘员受伤、保险索赔等。然而，这种现有技术可能不总是提供最佳处理，例如在所需时间方面。
因此，可能需要提供改进的方法和系统来处理关于车辆事件的处理，例如评估车辆损害、乘员需求和保险索赔。
发明内容
根据示例性实施例，提供了一种用于处理与车辆的车辆事件相关的数据的方法，包括:从与车辆事件相关的一个或多个车辆传感器获得车辆传感器数据；以及基于车辆传感器数据，经由处理器确定对车辆事件的评估，包括与车辆事件相关联的故障或严重性，或两者。
还在示例性实施例中，该方法还包括从计算机存储器中获得先前车辆事件的数据库；其中确定车辆事件的评估的步骤包括基于车辆传感器数据结合先前车辆事件的数据库来确定车辆事件的评估。
还在示例性实施例中，该方法还包括经由一个或多个计算机处理器，经由机器学习，生成先前车辆事件的数据库。
还在示例性实施例中，该方法还包括基于车辆事件的评估，经由处理器提供的指令，采取车辆控制动作。
还在示例性实施例中，获得车辆传感器数据的步骤包括从内置于车辆中的一个或多个车辆传感器获得车辆传感器数据；并且确定评估的步骤包括经由处理器使用来自内置于车辆中的一个或多个车辆传感器的车辆传感器数据来确定该评估。
还在示例性实施例中，该方法还包括经由处理器提供的指令，将车辆事件和车辆事件的评估通知给保险提供商。
还在示例性实施例中，获得车辆传感器数据的步骤包括:在车辆事件之前，从一个或多个车辆传感器获得第一传感器数据；在车辆事件期间从一个或多个车辆传感器获得第二传感器数据；以及在车辆事件之后从一个或多个车辆传感器获得第三传感器数据；并且确定车辆事件的评估的步骤包括经由处理器使用第一传感器数据、第二传感器数据和第三传感器数据中的每一个来确定车辆事件的评估。
还在示例性实施例中，确定车辆事件的评估的步骤包括，基于车辆传感器数据，经由处理器确定车辆事件的故障原因。
还在示例性实施例中，获得车辆传感器数据的步骤包括在车辆事件之前获得至少部分车辆传感器数据；并且确定车辆事件的故障原因的步骤由处理器基于车辆驾驶员的驾驶行为、基于在车辆事件之前获得的至少一些车辆传感器数据进行。
还在示例性实施例中，确定车辆事件的评估的步骤包括，基于车辆传感器数据，经由处理器确定对车辆损害的评估。
还在示例性实施例中，获得车辆传感器数据的步骤包括在车辆事件期间获得至少一些车辆传感器数据；并且基于对车辆的撞击，包括撞击的严重性和位置，基于在车辆事件期间获得的至少一些车辆传感器数据，由处理器进行确定对车辆损害的评估的步骤。
还在示例性实施例中，确定车辆事件的评估的步骤包括，基于车辆传感器数据，经由处理器确定对一名或多名车辆乘员的伤害的评估。
还在示例性实施例中，获得车辆传感器数据的步骤包括在车辆事件期间获得至少一些车辆传感器数据；并且基于对车辆的撞击，包括撞击的严重性和位置，基于在车辆事件期间获得的至少一些车辆传感器数据，由处理器进行确定损害的评估的步骤。
在另一示例性实施例中，提供了一种用于处理与车辆的车辆事件相关的数据的系统，该系统包括一个或多个车辆传感器和处理器。一个或多个车辆传感器被配置成产生与车辆事件相关的车辆传感器数据。处理器联接到一个或多个车辆传感器，并被配置为至少促进基于车辆传感器数据来确定车辆事件的评估，包括与车辆事件相关联的故障或严重性，或两者。
还在示例性实施例中，处理器进一步配置为至少促进:从计算机存储器中获得经由机器学习生成的先前车辆事件的数据库；以及基于车辆传感器数据结合先前车辆事件的数据库来确定车辆事件的评估。
还在示例性实施例中，所述处理器进一步配置为，基于对车辆事件的评估，经由处理器提供的指令，至少促进采取车辆控制动作。
还在示例性实施例中，处理器进一步配置为至少促进经由处理器提供的指令将车辆事件和车辆事件的评估通知给保险提供商。
还在示例性实施例中，一个或多个车辆传感器配置为产生:车辆事件之前的第一传感器数据；车辆事件期间的第二传感器数据；和车辆事件之后的第三传感器数据；并且所述处理器被配置成至少促进使用第一传感器数据、第二传感器数据和第三传感器数据中的每一个来确定对车辆事件的评估。
还在示例性实施例中，处理器配置为至少促进基于第一传感器数据、第二传感器数据和第三传感器数据中的每一个，确定来自于车辆事件的故障的原因、对车辆的损害和对车辆的一名或多名乘员的伤害。
在另一示例性实施例中，提供了一种包括车身、一个或多个车辆传感器和处理器的车辆。一个或多个车辆传感器内置于车身中，并被配置为产生与车辆事件相关的车辆传感器数据。处理器联接到一个或多个车辆传感器，并被配置为至少促进:基于车辆传感器数据，确定车辆事件的评估，包括与车辆事件相关联的故障或严重性，或两者；以及基于对车辆事件的评估，自动采取车辆控制动作。
附图说明
下文将结合以下附图对本公开进行描述，其中相同的附图标记表示相同的元件，在附图中:
图1为根据示例性实施例的通信系统的功能框图，该通信系统包括具有控制系统的车辆，该控制系统配置为提供与车辆事件相关的处理，例如车辆损害、乘员需求和保险索赔；
图2为示出根据示例性实施例的图1的控制系统和通信系统的实施的过程图；
图3为根据示例性实施例的可与图1的控制系统和通信系统结合实施的用于处理关于车辆事件的方法的过程图，所述车辆事件诸如为车辆损害、乘员需求和保险索赔；和
图4为说明了图3的方法的实施的逻辑框图，其可根据示例性实施例结合图1的控制系统和通信系统实施。
具体实施方式
以下详细说明本质上仅是示例性的，无意限制本公开或其应用和用途。此外，不打算受前述背景技术或以下详细描述中提出的任何理论的约束。
图1为根据示例性实施例的通信系统10的功能框图。如下面进一步更详细描述的，根据示例性实施例，通信系统10包括车辆12(这里也称为“主车辆”)，车辆12包括控制系统11，控制系统11被配置为提供关于车辆事件的处理，例如车辆损害、乘员需求和保险索赔。如下文进一步描述的，在各种实施例中，控制系统11包括处理器38、计算机存储器40、传感器72以及一个或多个收发器74和显示组件67。在某些实施例中，控制系统还可以包括基于卫星的位置确定系统组件(例如，GPS)42，以及各种其他组件。
在各种实施例中，车辆12包括内燃机车辆、电动车辆或混合电动车辆，并使用马达17(如内燃机、电马达和/或其他马达)运行。在某些实施例中，车辆12还可以包括一个或多个可再充电的能量存储系统(RESS)，以及其他组件。
如图1所示，在某些实施例中，用户13还具有设备15，如智能手机、计算机和/或其他电子设备15，例如可与用户13和车辆12通信。
如图1所描绘的，通信系统10通常包括车辆12，以及一个或多个无线载波系统14、一个或多个陆地网络16和一个或多个远程服务器18。应当理解，所示系统的整体架构、设置和操作以及各个组件仅仅是示例性的，并且不同配置的通信系统也可以用于实现本文公开的方法的示例。因此，提供所示通信系统10的简要概述的以下段落不旨在是限制性的。
车辆12可为任何类型的移动车辆，如汽车、摩托车、轿车、卡车、休闲车(RV)、船、飞机、农用设备等，并配有合适的硬件和软件，其能使它可通过通信系统10进行通信。如图1所示，在各种实施例中，车辆硬件20设置在车辆12的车身19内，并包括远程信息处理单元24、麦克风26、扬声器28和连接到远程信息处理单元24的按钮和/或控件30。网络连接或车辆总线32可操作地联接到远程信息处理单元24。合适的网络连接的示例包括控制器局域网(CAN)、面向媒体的系统传输(MOST)、本地互连网络(LIN)、以太网和其它合适的连接，例如那些符合已知的ISO(国际标准化组织)、SAE(汽车工程师协会)和/或IEEE(电气和电子工程师协会)标准和规范的连接，仅举几例。
远程信息处理单元24为车载设备，通过其与远程服务器18的通信提供各种服务，通常包括电子处理设备(处理器)38、一种或多种类型的电子存储器40、蜂窝芯片组/组件34、无线调制解调器36、双模天线70和包含GPS芯片组/组件42的导航单元。在一个示例中，无线调制解调器36包括适于在电子处理设备38内执行的计算机程序和/或一组软件例程。
在各种实施例中，远程信息处理单元24可在制造时嵌入/安装在车辆12内，或可为车辆12制造后安装的配件市场单元。在各种实施例中，远程信息处理单元24能够通过一个或多个无线网络(例如，无线载波系统14)和/或经由无线网络进行语音和/或数据通信，从而允许与远程服务器18和/或其他车辆和/或系统通信。
在各种实施例中，远程信息处理单元24可使用无线电传输与无线载波系统14建立语音和/或数据信道，从而可通过语音和/或数据信道发送和接收语音和数据传输。车辆通信经由用于语音通信的蜂窝芯片组/组件34和用于数据传输的无线调制解调器36来实现。任何合适的编码或调制技术都可以用于本示例，包括数字传输技术，例如TDMA(时分多址)、CDMA(码分多址)、W-CDMA(宽带CDMA)、FDMA(频分多址)、OFDMA(正交频分多址)等。在一个实施例中，双模天线70服务于GPS芯片组/组件42和蜂窝芯片组/组件34。在各种实施例中，远程信息处理单元24利用根据工业标准的蜂窝通信，例如LTE、5G等。还在各种实施例中，远程信息处理单元24在车辆12和一个或多个其他网络设备之间执行无线联网，例如使用一个或多个无线协议，例如一个或多个IEEE 802.11协议、WiMAX或蓝牙。
远程信息处理单元24可为车辆12的用户提供多种不同的服务，包括在车辆事件发生时检测车辆事件发生的时间(包括与车辆损害、乘员伤害和/或需求、保险索赔和/或其他处理相关的处理)。在各种实施例中，车辆“事件”包括但不限于车辆12接触另一车辆或对象或被另一车辆或对象接触的发生，和/或车辆12可能遭受损害、一个或多个乘员可能受伤和/或需要注意、和/或可能需要一个或多个保险索赔的任何其他发生。在各种实施例中，远程信息处理单元24根据图3的过程300和图2和图4的实施方式，提供关于与车辆事件有关的车辆维修需求、乘员需求和保险索赔的评估、确定和预测的处理，如下面根据示例性实施例更详细描述的。
还在某些实施例中，远程信息处理单元24还可提供与电子设备15的连接。在各种实施例中，通过示例，电子设备可以包括各种消费电子/移动设备，例如智能电话、膝上型电脑、智能可穿戴设备、平板电脑、网络计算机和/或一个或多个其他电子设备和/或其组合。
在各种实施例中，可利用一种或多种短程无线连接(SRWC)协议(例如，蓝牙/蓝牙低能量或Wi-Fi)。在各种实施例中，一旦建立了SRWC，电子设备15可以被绑定和/或识别为远程信息处理单元24的网络参与者，例如用于当前使用以及将来使用。例如，在某些实施例中，当电子设备15在初始配对之后随后与远程信息处理单元24处于无线范围内时，远程信息处理单元24(和/或远程服务器18)可以确认电子设备15被识别为已经被配对或建立为用于与远程信息处理单元24通信并从其接收服务的网络参与者。
还在各种实施例中，远程信息处理单元24还可提供其他服务，诸如通过示例:与GPS芯片组/组件42一起提供的逐向导航和其他导航相关服务；紧急援助服务、来自车辆12的用户的信息请求(例如，关于车辆12行驶时途中的兴趣点)、和/或信息娱乐相关服务，例如其中音乐、互联网网页、电影、电视节目、视频游戏和/或其他内容由信息娱乐中心46下载，该信息娱乐中心46可以是远程信息处理单元24的一部分和/或经由车辆总线32和音频总线22可操作地连接到远程信息处理单元24，以及各种其他类型的可能服务。
关于与远程信息处理单元24结合使用的其他电子组件，麦克风26为驾驶员或其他车辆乘员提供了用于输入口头或其他听觉命令的手段，并可配备利用本领域已知的人机界面(HMI)技术的嵌入式语音处理单元。相反，扬声器28为车辆乘员提供听觉输出，并可为专门用于远程信息处理单元24的独立扬声器，或为车辆音频组件64的一部分。在任一情况下，麦克风26和扬声器28使得车辆硬件20和远程服务器18能够通过可听语音与乘员通信。车辆硬件还包括一个或多个按钮和/或控件30，用于使车辆乘员能够激活或接合一个或多个车辆硬件20。例如，按钮和/或控件30之一可以是用于启动与远程服务器18的语音通信的电子按钮(无论是诸如顾问58的人还是自动呼叫响应系统)。在另一个示例中，按钮和/或控件30中的一个可以用于启动紧急服务。
音频组件64可操作地连接至车辆总线32和音频总线22。音频组件64经由音频总线22接收模拟信息，将其呈现为声音。经由车辆总线32接收数字信息。音频组件64提供调幅(AM)和调频(FM)收音机、光盘(CD)、数字视频光盘(DVD)和独立于信息娱乐中心46的多媒体功能。音频组件64可以包含扬声器系统，或者可以经由车辆总线32和/或音频总线22上的仲裁(arbitration)来利用扬声器28。在各种实施例中，音频组件64包括无线电系统65(在某些实施例中，其还包括天线70以及放大器、扬声器等)。
还在各种实施例中，显示组件67为车辆12的驾驶员13提供视觉显示。在各种实施例中，显示组件67为驾驶员13提供关于各种驾驶员警报、警告和/或通知以及其他信息的视觉显示。例如，在某些实施例中，显示组件67可以包括一个或多个视觉显示系统，例如用于车辆导航系统的视觉显示屏、平视显示器(HUD)和/或其他视觉显示和/或视觉投影例如在车辆12的挡风玻璃上等等。在某些实施例中，这种信息也可以经由音频系统提供，例如音频组件64。
连接至各种传感器接口模块44的车辆传感器72可操作地连接至车辆总线32。在各种实施例中，车辆传感器72内置于车辆12中。还在各种实施例中，车辆传感器72联接到处理器38并向其提供传感器信息。
在各种实施例中，车辆传感器72包括用于处理车辆事件的各种传感器，供处理器38在图3的过程300和图2和图4的实施方式中使用，例如，如下文更详细描述的。在各种实施例中，除了其他可能的传感器之外，传感器72包括一个或多个摄像头、激光雷达传感器、雷达传感器、撞击传感器、速度传感器、加速度计、重量或质量传感器、轮胎传感器、生物传感器、电压传感器和输入传感器。
在各种实施例中，一个或多个摄像头用于获得监控车辆12驾驶员的摄像头传感器数据，以及获得车辆12周围环境的信息和关于车辆事件的任何视觉指示和/或相关信息。还在各种实施例中，一个或多个其他激光雷达传感器、雷达传感器和/或其他距离传感器也用于获得传感器数据，该传感器数据包括关于车辆12周围环境的信息以及关于车辆事件的任何视觉指示和/或信息。还在某些实施例中，类似的摄像头、激光雷达传感器、雷达传感器和/或其他车辆的其他距离传感器(例如，在车辆附近)也用于生成这种传感器数据。在某些实施例中，这些传感器(例如，来自车辆12和/或其附近的一个或多个其他车辆的摄像头、激光雷达传感器、雷达传感器和/或其他距离传感器)产生从车辆事件之前直到车辆事件(并且在某些实施例中，还在车辆事件期间和/或之后)的数据。
还在各种实施例中，一个或多个撞击传感器被配置为检测车辆事件。还在各种实施例中，一个或多个速度传感器(例如，一个或多个车轮速度传感器)被配置成检测车辆的速度或速率和/或用于计算速度或速率的信息。还在某些实施例中，一个或多个加速度计被配置成检测车辆12的加速度，包括车辆事件期间其减速度。还在各种实施例中，一个或多个重量或质量传感器被配置成检测与车辆事件相关的信息，例如车辆12的乘员的座位位置。还在各种实施例中，轮胎传感器被配置成检测轮胎压力和/或与车辆轮胎相关的其他数据，包括车辆事件期间的压力变化。在某些实施例中，这些传感器(例如，车辆12的速度传感器、加速度计、重量或质量传感器和/或轮胎传感器)在车辆事件期间产生数据。
还在各种实施例中，生物传感器获得关于车辆12中乘员健康或状况的生物传感器数据，包括声音检测、呼吸、心率等。还在各种实施例中，电压传感器被配置成测量电压和电压变化，包括用于车辆可充电能量存储系统(RESS)、发动机控制单元(ECU)和/或其他车辆系统和组件，包括跟随车辆事件。还在各种实施例中，输入传感器被配置成接收来自车辆12的一个或多个乘员的用户输入(例如，响应于车辆通知在触摸屏上，等等)。在某些实施例中，这些传感器(例如，生物传感器、电压传感器和输入传感器)在车辆事件后产生数据。
还在各种实施例中，车辆传感器72还可包括任意数量的附加传感器，通过示例，包括陀螺仪、磁力计、排放检测和/或控制传感器等。还在各种实施例中，示例性传感器接口模块44包括动力系控制、气候控制和车身控制，仅举几个示例。
在各种实施例中，处理器38控制车辆12，包括关于车辆事件的处理。还在各种实施例中，车辆传感器72从传感器72获得传感器数据以及附加数据(例如，从一个或多个其他车辆、系统和/或实体)，并利用该数据进行确定和采取关于车辆事件的适当行动，如结合根据示例性实施例的图3的过程300和图2和图4的实施方式更详细阐述的。
在各种实施例中，一个或多个收发器74被配置为在车辆12和远程服务器18和/或一个或多个其他实体(如信息提供商、维修厂、紧急服务提供商、保险提供商等)之间发送和接收信息，例如使用无线系统14。
在各种实施例中，无线载波系统14可为任何数量的蜂窝电话系统、基于卫星的无线系统和/或任何其他合适的无线系统，例如在车辆硬件20和陆地网络16之间传输信号的系统(和/或在某些实施例中，直接与车辆12和/或远程服务器18通信的系统)。根据某些示例，无线载波系统14可以包括和/或联接到一个或多个蜂窝塔48、卫星49、基站和/或移动交换中心(MSC)50，以及将无线载波系统14与陆地网络16连接所需的任何其他联网组件。如本领域技术人员所理解的，各种蜂窝塔/基站/MSC布置是可能的，并且可以与无线载波系统14一起使用。
陆地网络16可为传统的陆基电信网络，其连接至一部或多部陆地电话，并将无线载波系统14连接至远程服务器18。例如，陆地网络16可以包括公共交换电话网络(PSTN)和/或互联网协议(IP)网络，如本领域技术人员所理解的。当然，陆地网络16的一个或多个段可以以标准有线网络、光纤或其他光网络、电缆网络、其他无线网络(例如无线局域网(WLAN)或提供宽带无线接入(BWA)的网络或其任意组合的形式来实现。
远程服务器18设计为向车辆硬件20提供多种不同的系统后端功能，根据此处所示的示例，通常包括一个或多个开关52、服务器54、数据库56、处理器(和/或计算机)57、顾问58以及各种其他电信/计算机设备60。这些不同的呼叫中心组件经由网络连接或总线62适当地相互联接，例如前面结合车辆硬件20描述的网络连接或总线。可以是专用小交换机(PBX)交换机的交换机(switch)52路由输入信号，使得语音传输通常被发送到顾问58或自动应答系统，而数据传输被传递到调制解调器或其它电信/计算机设备60，用于解调和进一步的信号处理。
如前所解释的，调制解调器或其他电信/计算机设备60可包括编码器，并可连接至各种设备，如服务器54和数据库56。例如，数据库56可以被设计成存储订户简档记录、订户行为模式或任何其他相关的订户信息。尽管所示的示例已经被描述为将与有人操作的远程服务器18结合使用，但是应该理解，远程服务器18可以是任何中央或远程设施，有人操作的或无人操作的、移动的或固定的。
图2是根据示例性实施例的说明代表图1的控制系统11和通信系统10的实施方式的过程200的过程图。参考图2，在示例性实施例中，关于与车辆12的车辆事件有关的车辆传感器数据从车辆传感器(包括内置在车辆中的传感器)获得，包括从车辆12和其附近的一个或多个其他车辆202获得。在各种实施例中，与其相关的数据和/或确定被提供给远程服务器18，远程服务器18执行与车辆事件相关的服务聚合204。
继续参考图2，在各种实施例中，远程服务器的一个或多个处理器57和/或车辆12的处理器38根据下文结合图3进一步描述的过程300以及图2和图4所示的实施方式，对车辆事件进行确定，并提供包括与其相关的各种服务的服务集合204在内的行动。
如图2所示，在各种实施例中，服务集合204包括车辆管理者208的管理信息206。在各种实施例中，管理信息206包括车辆管理员的维修、索赔和预订状态(例如，关于车辆维修预约和/或租车的预订)。
还如图2所示，在各种实施例中，服务集合204还包括一个或多个政府和/或紧急实体214的政府和/或紧急信息210。在各种实施例中，政府和/或紧急信息210包括用于警察服务和/或救护车服务的信息，以及关于这种紧急服务的车辆事件的位置和背景的信息。还在各种实施例中，还为运输部门和/或其他政府和/或类似实体提供车辆事件的位置和背景，用于改进道路设计、维护一个或多个车辆事件数据库等。
还如图2所示，在各种实施例中，服务集合204还包括一个或多个维修实体214的车辆维修信息216。在各种实施例中，车辆维修信息216包括关于由于车辆事件车辆12可能已经遭受的损害的信息，以及与其相关的所需维修和/或替换零件的信息。还在各种实施例中，这种信息被提供给一个或多个汽车细节、服务站、车身维修店和/或其他维修实体214，用于零件和服务计划，例如以促进流水线的和更快速的和有效的维修等。
还如图2所示，在各种实施例中，服务聚合204还包括一个或多个保险提供商222的索赔相关信息220。在各种实施例中，索赔信息220包括关于故障、损害和价值估计的信息，供保险提供商222在评估故障以及解决和支付与车辆事件有关的索赔时使用。
还如图2所示，在各种实施例中，服务集合204还包括一个或多个租车提供商226的租车信息224。在各种实施例中，租车信息224包括关于车辆12的所有者或用户或用户的租车要求、偏好和/或预订的信息，涉及车辆事件(例如，在车辆12被维修时使用的租车等)。
如上所述，在各种实施例中，图2的过程200结合图3的过程300实施，如下所述。
图3是根据示例性实施例的用于处理关于车辆事件的方法或过程300的过程图，所述车辆事件诸如为车辆损害、乘员需求和保险索赔。在各种实施例中，过程300可以结合图1的控制系统11和通信系统10来实施，也可以结合上述过程200以及结合下面进一步描述的图4的实施方式来实施。
如图3所示，在各种实施例中，过程300始于步骤302。在某些实施例中，当图1的控制系统11被激活时，过程300开始。例如，在某些实施例中，当车辆12的一个或多个用户(例如，驾驶员)接近或进入车辆12，或打开车辆12和/或其点火设备(例如，通过转动钥匙、接合智能钥匙或启动按钮等)，和/或当车辆驾驶开始或启动时，过程300开始。在某些实施例中，当控制系统11被激活时，过程300的步骤被连续执行。
在各种实施例中，获得事件前数据(步骤304和305)。在各种实施例中，在车辆事件之前，经由图1的车辆12的图1的各种车辆传感器72获得事件前数据(步骤304)(例如，其内置在车辆12中)，并且在某些实施例中还从其附近的一个或多个其他车辆(例如，图2的车辆202)(步骤305)获得事件前数据。在某些实施例中，步骤304和305的事件前数据包括来自一个或多个摄像头、激光雷达、雷达的传感器数据，和/或来自车辆12(步骤304)和其附近的其他车辆202(步骤305)的其他数据，例如如上文关于图1所述。在各种实施例中，步骤304和305的事件前数据与车辆12的位置和操作有关，以及在车辆事件之前和直到车辆事件的车辆12正在操作的环境和道路的条件。
还在各种实施例中，还在车辆事件期间获得事件数据(步骤306)。在各种实施例中，步骤306的事件数据包括来自车辆12的各种车辆传感器72(例如，其内置于车辆12中)的数据。例如，在某些实施例中，步骤306的事件数据包括在车辆事件期间来自车辆12的一个或多个撞击传感器、速度传感器、加速度计、重量或质量传感器和轮胎传感器的传感器数据，例如上面结合图1所描述的。在各种实施例中，步骤306的事件数据包括与车辆事件相关的数据，包括车辆12及其乘员的状态和需求，包括对车辆12的撞击、车辆12的速度、速率和加速度及其变化、车辆12乘员的座位位置、轮胎压力变化等。在某些实施例中，根据处理器38提供的指令，该数据经由收发器74被提供给远程服务器108。
还在各种实施例中，也可在车辆事件期间获得事件后数据(步骤307)。在各种实施例中，步骤308的事件后数据包括来自车辆12的各种车辆传感器72(例如，其内置于车辆12中)的数据。例如，在某些实施例中，步骤307的事件后数据包括在车辆事件之后来自车辆12的一个或多个生物传感器、电压传感器和输入传感器的传感器数据，例如上面结合图1所描述的。在各种实施例中，步骤307的事件后数据包括与车辆事件的影响相关的数据，包括车辆12中乘员的健康或状况(例如，包括语音检测、呼吸、心率等)以及车辆可充电能量存储系统(RESS)、发动机控制单元(ECU)和/或车辆事件之后的其他车辆系统和组件的电压和电压变化。在某些实施例中，根据处理器38提供的指令，该数据经由收发器74被提供给远程服务器108。
在各种实施例中，进行确定关于道路规则和驾驶员行为(步骤308)。在各种实施例中，基于在步骤304和305获得的事件前传感器，由图1的处理器38和/或57(例如，从图1的车辆12和/或远程服务器108)做出这些确定。在各种实施例中，在步骤308期间，进行确定交通状态310和驾驶员/操作状态312。在各种实施例中，关于交通状态310的确定包括关于交通信号状态、任何停止/让行标志、任何速度限制等的确定。还在各种实施例中，关于驾驶员/操作状态312的确定包括关于驾驶员的状态(包括其注意力)、任何驾驶员响应(例如制动、转向等)、车道跟随状态(例如，关于车辆12是否保持在其正被驾驶的道路的车道内和/或跟随其车道)、车辆12的转向信号状态等的确定。在某些实施例中，根据处理器38提供的指令，该数据经由收发器74被提供给远程服务器108。
在某些实施例中，将道路规则和驾驶员行为提供给故障模型(步骤314)。在各种实施例中，在步骤314期间，图1的远程服务器108的处理器57确定车辆事件和/或与其相关的信息的一个或多个故障测量。还在各种实施例中，基于来自步骤305的其他车辆的事件前数据，还在步骤316提供关于步骤308的道路规则和驾驶员行为的交叉验证。例如，在某些实施例中，步骤314的故障模型可包括驾驶员行为，例如驾驶员是否专心、驾驶员是否遵守速度限制、交通法、停车或让行标志、交通信号(例如，交通灯)等。在某些实施例中，图1的车辆12的处理器38也可以执行步骤314和/或316的一个或多个确定。
还在各种实施例中，进行确定驾驶环境(步骤318)。在各种实施例中，基于在步骤304获得的事件前传感器，由图1的处理器38和/或57(例如，从图1的车辆12和/或远程服务器108)做出这些确定。在各种实施例中，在步骤318期间，进行确定关于道路类别319、车辆状态320、道路的直线/曲率状态322、车辆数量324、事件类型326和状况328。在各种实施例中，道路类别319包括道路的类型，例如高速公路对非高速公路、铺砌的对未铺砌的、车道的数量等等。还在各种实施例中，车辆状态320包括车辆速度、车辆质量(包括车辆不同乘员座位处的质量)、轮胎压力等。还在各种实施例中，直线/曲率状态322与车辆12行驶的道路的曲率量和/或曲率度有关。还在各种实施例中，车辆数量324与车辆事件中涉及的车辆数量有关。还在各种实施例中，事件类型326与车辆事件的类型有关。在某些实施例中，根据处理器38提供的指令，该数据经由收发器74被提供给远程服务器108。
在各种实施例中，步骤318的驾驶环境确定(及其相关数据)在图3中称为“D1”。还在各种实施例中，驾驶环境(context)确定和与其相关的数据(即，D1)被提供给损害模型330，这将在下面进一步详细描述。在某些实施例中，根据处理器38提供的指令，该数据经由收发器74被提供给远程服务器108。
还在各种实施例中，进行关于撞击数据的确定(步骤334)。在各种实施例中，基于在步骤306获得的事件传感器，由图1的处理器38和/或57(例如，从图1的车辆12和/或远程服务器108)做出这些确定。在各种实施例中，在步骤334期间，进行确定最大增量速度335、最终方位336、加速度时间序列338、严重性估计340和撞击位置342。还在各种实施例中，最大增量速度335被确定为在车辆事件期间或作为车辆事件的结果的车辆12的最大速度变化。还在各种实施例中，最终方位336被确定为车辆事件之后的最终方位(包括车辆12面对的方向)。还在各种实施例中，加速度时间序列338与作为车辆事件的结果的车辆12的加速度变化有关。还在各种实施例中，严重度估计340与车辆事件的严重度有关，例如在作为车辆事件的结果的撞击量和/或可能的损害方面(例如，可以基于诸如驾驶员乘员、左侧、右侧和/或窗帘的安全气囊是否展开或几乎展开，和/或例如对于座椅安全带是否发生预张紧器展开，和/或是否发生车辆侧翻等来确定)。还在各种实施例中，撞击位置342与车辆12上发生撞击的一个或多个特定位置(例如，前部、后部和/或侧面)有关。在某些实施例中，根据处理器38提供的指令，该数据经由收发器74被提供给远程服务器108。
在各种实施例中，步骤334的撞击数据在图3中称为“D2”。还在各种实施例中，撞击数据(即，D2)被提供给损害模型330，这将在下面进一步详细描述。在某些实施例中，根据处理器38提供的指令，该数据经由收发器74被提供给远程服务器108。
还在各种实施例中，进行确定车辆和乘员的健康状况(步骤346)。在各种实施例中，这些确定由图1的处理器38和/或57(例如，从图1的车辆12和/或远程服务器108)基于在步骤307获得的事件后传感器做出。在各种实施例中，在步骤346期间，进行关于电池电压347、ECU电压348、总线活动350、传感器健康和读数352、生物测定352和用户输入354的确定。还在各种实施例中，电池电压347与车辆事件之后车辆12的能量存储系统(例如，电池)的电压(或其变化)有关。还在各种实施例中，ECU电压348与车辆事件之后车辆12的发动机控制单元(ECU)的电压(或其变化)有关。还在各种实施例中，总线活动350与车辆事件之后的通信总线活动(例如，包括CAN/LIN/ETH总线，并且包括短路和阻抗数据)有关。还在各种实施例中，传感器健康和读数352与车辆事件之后车辆12的图1的传感器72的传感器数据值和健康(例如，传感器故障等)有关。还在各种实施例中，生物测定352与车辆事件之后的车辆12的乘员的生物测定数据(例如，呼吸、心率等)，和/或其他内部健康感测(例如，VOC)有关。还在各种实施例中，用户输入354包括由车辆12的驾驶员或其他用户提供的任何输入(例如，按下紧急按钮、发起紧急呼叫等)。在某些实施例中，根据处理器38提供的指令，该数据经由收发器74被提供给远程服务器108。
在各种实施例中，步骤346的车辆和乘员健康数据在图3中称为“D3”。还在各种实施例中，车辆和乘员健康数据(即，D3)被提供给损害模型330，这将在下面更详细地描述。在某些实施例中，根据处理器38提供的指令，该数据经由收发器74被提供给远程服务器108。
还在各种实施例中，获得车辆事件数据库(步骤329)。在各种实施例中，车辆事件数据库存储在计算机存储器(例如，图1的远程服务器108的存储器)中，并且包括基于包括车辆12和/或各种其他车辆的先前车辆事件的数据。在各种实施例中，使用机器学习技术生成来自车辆12和/或任何数量的其他车辆的各种先前车辆事件的不同数据(例如，包括事件前数据、事件数据和事件后数据)，用于分析车辆事件，包括用于步骤330的损害模型。
在各种实施例中，在步骤330期间，利用一个或多个损害模型来确定由于车辆事件对车辆12、其他车辆和/或乘员造成的损害和/或伤害的估计量。在各种实施例中，在步骤330期间，图1的远程服务器108的处理器基于步骤318的驾驶环境(即，D1)、步骤334的撞击数据(即，D2)、步骤346的车辆和乘员健康数据(即，D3)以及来自步骤329的车辆事件数据库的数据，来确定由于车辆事件对车辆12、其他车辆和/或乘员造成的损害和/或伤害的估计量。例如，在某些实施例中，步骤330的损害模型考虑了撞击的性质和严重性、撞击集中在车辆12上的位置(例如，为了车辆损害的目的以及为了确定哪些乘员可能受伤，等等)、来自内置于车辆12中的传感器72的各种传感器读数，等等。在某些实施例中，图1的车辆12的处理器38也可以执行步骤330的一个或多个确定。
在各种实施例中，采取各种车辆动作(步骤359)。具体地，在各种实施例中，在步骤359期间，图1的远程服务器108的57基于步骤314的故障模型和步骤330的损害模型执行各种车辆动作。在某些实施例中，图1的车辆12的处理器38也可以执行步骤359的一个或多个动作。在某些实施例中，步骤359的动作包括一个或多个车辆控制动作和/或用于关于车辆事件的处理和/或帮助的其他动作。
如图3所示，步骤359的动作可包括一个或多个紧急响应呼叫360。在各种实施例中，这些可以包括尤其以下中的一个或多个:(i)通知一个或多个第一响应者，例如警察；(ii)通知一个或多个其他第一响应者，例如医务人员、救护车和/或消防员等；(iii)通知其他法律当局；(iv)通知拖车供应商；(v)通知一个或多个车辆经销商、服务站、维修店等；(vi)维修的优先次序；(vii)为车辆12的所有者建立单一联系点；(viii)请求替换和/或租赁车辆，等等。还在各种实施例中，步骤359的动作还可包括提供一个或多个价值估计362。例如，在某些实施例中，值的估计可以基于车辆悬架(例如，粗糙度)、动力系(例如，每分钟转数和/或加速器踏板接合)、以及车辆12周围的环境(例如，天气状况)等。例如，在某些实施例中，悬架磨损(Sw)使用具有轨迹数据的国际粗糙度指数(IRI)来确定，以估计由于在粗糙道路上行驶而导致的悬架磨损。还在某些实施例中，使用每分钟转数的变化(即，增量rpm)连同发动机扭矩、踏板数据等来确定动力系磨损(Pw)，以确定车辆使用和动力系和制动系统的磨损。还在某些实施例中，使用刮水器和湿度数据来确定环境磨损(Ew)以估计车辆运行环境。还在某些实施例中，根据以下等式，利用这些变量来构建可以应用于“最高条件”价格的损耗因子(“f”):
f＝w1Sw+w2Pw+w3Ew (等式1),和
车辆值＝$_最高条件*f (等式2)
还在某些实施例中，如果车辆损害(包括零件+人工)大于车辆价值，则宣布车辆全损。
在某些实施例中，可向车辆12的所有者和/或政府和/或法律机构、保险公司等提供价值估计362。
还在各种实施例中，步骤359的动作还可包括发送车辆数据和视频363。在某些实施例中，车辆数据和视频可以提供给车辆12的所有者，和/或政府和/或法律机构、保险公司等。
还在各种实施例中，步骤359的动作还可包括发送步骤318的驾驶环境数据(即，D1)。在某些实施例中，驾驶环境数据可被提供给车辆12的所有者，和/或政府和/或法律机构、保险公司等。
还在各种实施例中，步骤359的动作还可包括发送步骤334的撞击数据(即，D2)。在某些实施例中，撞击数据可以提供给车辆12的所有者，和/或政府和/或法律机构、保险公司等。
还在各种实施例中，步骤359的动作还可包括发送步骤346的车辆健康数据(即，D3)。在某些实施例中，车辆健康数据可被提供给车辆12的所有者，和/或政府和/或法律机构、保险公司等。
还在各种实施例中，步骤359的动作还可包括提供由于车辆事件导致的车辆的零件和维修成本的一个或多个估计372。在某些实施例中，零件和维修成本的估计可以提供给车辆12的所有者，和/或政府和/或法律机构、保险公司等。
还在各种实施例中，步骤359的动作还可包括提供由于车辆事件导致的车辆的零件清单374。在某些实施例中，零件清单可以提供给车辆12的所有者，和/或政府和/或法律机构、保险公司等。
还在各种实施例中，步骤359的动作还可包括零件清单的审查和批准376。在某些实施例中，检查和批准由保险公司或其他支付方提供，然后被传送给所有者、维修店和/或进行维修的其他实体，等等。
在各种实施例中，该过程终止于步骤380。
图4为根据示例性实施例的图3的过程300的实施方式的逻辑框图，所述过程可结合根据示例性实施例的图1的控制系统11和通信系统10实施。
如图4所示，事件前数据401(例如，对应于图3的步骤304和305)用于确定车辆12的速度402和轨迹403，以及关于一个或多个目标404(1)、404(2)、...404(n)例如车辆12附近的其他车辆和/或对象的数据。同样如图4所示，利用事件数据411(例如，对应于图3的步骤306)来确定在车辆事件期间的不同时间点处的加速度值412(1)、412(2)、...412(n)。同样如图4所示，利用事件后数据421(例如，对应于图3的步骤307)来确定车辆事件之后的电池电压值442、车辆传感器数据423(例如，生物测定数据、传感器健康和读数数据、用户输入等)和ECU电压数据424。同样如图4所示，附加数据431(例如，全球定位系统、[GPS]数据、其他位置数据、车辆识别数据(例如，VIN)、其他标识符[例如，RPO代码]等也可以被确定)。在各种实施例中，来自上述401-431的各种数据被提供给损害评估模型440(即，对应于图3的步骤330的损害模型)。
如图4所示，在各种实施例中，利用了事件数据库450。在各种实施例中，事件数据库450对应于步骤329的事件数据库，并且使用机器学习基于先前的车辆事件(例如，使用车辆12和/或其他车辆)生成。
在各种实施例中，使用损害评估模型440和事件数据库450生成概率模型460。在各种实施例中，概率模型460包括一个或多个概率频率图和/或其他概率图、函数、表格、其他模型等，评估由于车辆事件导致的车辆的不同可能结果的各种概率(例如维修或更换零件的要求、相关成本等)。
还在各种实施例中，概率模型460用于生成车辆的维修估计470。在各种实施例中，维修估计470包括需要维修或更换的零件的零件列表471、与其相关联的零件成本472以及与其相关联的劳动力成本473。
因此，在各种实施例中，提供了与车辆事件相关的处理方法和系统。在各种实施例中，利用各种类型的车辆传感器数据来生成关于车辆事件的分析，包括故障评估、对车辆的损害评估、对乘员的伤害评估等等。在各种实施例中，可以使用这些评估采取各种车辆行动，包括召唤医务人员、安排车辆维修和租车、向政府和法律机构以及保险公司提供相关信息等等。
应理解，系统和方法可与图中所示和本文所述的不同。例如，在各种实施例中，图1的通信系统，包括其车辆和控制系统以及其其他组件，可以不同于图1中描绘的和/或这里描述的。还应当理解，本文公开的过程(和/或子过程)可以不同于本文所述和/或图3所示的过程，和/或其中的步骤可以同时执行和/或以本文所述和/或图3所示的不同顺序执行，以及其他可能的变化。类似地，应当理解，图2和图4的实施方式也可以在不同的实施例中变化。
尽管前述详细说明中已介绍了至少一个示例，但应理解，存在大量变体。还应当理解，一个或多个示例仅仅是示例，并不旨在以任何方式限制本公开的范围、适用性或配置。相反，前面的详细描述将为本领域技术人员提供实施一个或多个示例的便利路线图。应当理解，在不脱离所附权利要求及其法律等同物的范围的情况下，可以对元件的功能和布置进行各种改变。

Claims (10)

1.一种用于处理与车辆的车辆事件有关的数据的方法，该方法包括:
从与车辆事件相关的一个或多个车辆传感器获得车辆传感器数据；和
基于车辆传感器数据，经由处理器确定对车辆事件的评估，包括与车辆事件相关联的故障或严重性，或故障和严重性二者。
2.根据权利要求1所述的方法，进一步包括:
从计算机存储器获得先前车辆事件的数据库；
其中确定车辆事件的评估的步骤包括基于车辆传感器数据结合先前车辆事件的数据库来确定车辆事件的评估。
3.根据权利要求2所述的方法，进一步包括:
经由一个或多个计算机处理器，经由机器学习，生成先前车辆事件的数据库。
4.根据权利要求1所述的方法，其中:
获得车辆传感器数据的步骤包括从内置于车辆中的一个或多个车辆传感器获得车辆传感器数据；和
确定评估的步骤包括经由处理器使用来自内置于车辆中的一个或多个车辆传感器的车辆传感器数据来确定该评估。
5.根据权利要求1所述的方法，进一步包括:
经由由处理器提供的指令将车辆事件和车辆事件的评估一起通知给保险提供商。
6.根据权利要求1所述的方法，其中:
获得车辆传感器数据的步骤包括:
在车辆事件之前，从一个或多个车辆传感器获得第一传感器数据；
在车辆事件期间，从一个或多个车辆传感器获得第二传感器数据；和
在车辆事件之后，从一个或多个车辆传感器获得第三传感器数据；和
确定车辆事件的评估的步骤包括经由处理器使用第一传感器数据、第二传感器数据和第三传感器数据中的每一个来确定车辆事件的评估。
7.根据权利要求1所述的方法，其中:
确定车辆事件的评估的步骤包括:基于车辆传感器数据，经由处理器确定车辆事件的故障原因；
获得车辆传感器数据的步骤包括在车辆事件之前获得至少一些车辆传感器数据；和
确定车辆事件的故障原因的步骤由处理器基于车辆的驾驶员的驾驶行为、基于在车辆事件之前获得的至少一些车辆传感器数据进行。
8.根据权利要求1所述的方法，其中:
获得车辆传感器数据的步骤包括在车辆事件期间获得至少一些车辆传感器数据；和
确定车辆事件的评估的步骤包括，基于对车辆的撞击，包括撞击的严重性和位置，基于在车辆事件期间获得的至少一些车辆传感器数据，经由处理器确定对车辆损害的评估。
9.根据权利要求1所述的方法，其中:
获得车辆传感器数据的步骤包括在车辆事件期间获得至少一些车辆传感器数据；和
确定车辆事件的评估的步骤包括，基于对车辆的撞击，包括撞击的严重性和位置，基于在车辆事件期间获得的至少一些车辆传感器数据，经由处理器确定对车辆的一个或多个乘员的伤害的评估。
10.一种用于处理与车辆的车辆事件有关的数据的系统，该系统包括:
一个或多个车辆传感器，该一个或多个车辆传感器被配置为产生与车辆事件相关的车辆传感器数据；和
处理器，该处理器被联接到所述一个或多个车辆传感器并被配置为基于所述车辆传感器数据至少促进确定对所述车辆事件的评估，包括与所述车辆事件相关联的故障或严重性，或故障和严重性两者。
CN202210511576.9A 2021-07-29 2022-05-11 优化车辆事件过程的方法和系统 Pending CN115689774A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/444,013 2021-07-29
US17/444,013 US12110033B2 (en) 2021-07-29 2021-07-29 Methods and systems to optimize vehicle event processes

Publications (1)

Publication Number Publication Date
CN115689774A true CN115689774A (zh) 2023-02-03

Family

ID=84890131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210511576.9A Pending CN115689774A (zh) 2021-07-29 2022-05-11 优化车辆事件过程的方法和系统

Country Status (3)

Country Link
US (1) US12110033B2 (zh)
CN (1) CN115689774A (zh)
DE (1) DE102022111037A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11961341B2 (en) * 2016-04-19 2024-04-16 Mitchell International, Inc. Systems and methods for determining likelihood of incident relatedness for diagnostic trouble codes
US11735058B1 (en) * 2022-04-29 2023-08-22 Beta Air, Llc System and method for an automated sense and avoid system for an electric aircraft

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11162800B1 (en) * 2016-01-11 2021-11-02 Arity International Limited Accident fault detection based on multiple sensor devices
US11203314B2 (en) * 2018-01-05 2021-12-21 Anagog Ltd. Automatic accident detection
CN113628055B (zh) * 2021-07-23 2022-04-01 明觉科技（北京）有限公司 车辆事故损失评估方法及装置

Also Published As

Publication number Publication date
DE102022111037A1 (de) 2023-02-02
US20230035340A1 (en) 2023-02-02
US12110033B2 (en) 2024-10-08

Similar Documents

Publication Publication Date Title
US11945448B2 (en) Vehicle telematics based driving assessment
US8749350B2 (en) Method of processing vehicle crash data
US10460394B2 (en) Autonomous or partially autonomous motor vehicles with automated risk-controlled systems and corresponding method thereof
US20210092220A1 (en) Mobile Device Communication Access and Hands-Free Device Activiation
US10157321B2 (en) Vehicle event detection and classification using contextual vehicle information
US10672258B1 (en) In-vehicle apparatus for early determination of occupant injury
US7627406B2 (en) System and method for data storage and diagnostics in a portable communications device interfaced with a telematics unit
US6868386B1 (en) Monitoring system for determining and communicating a cost of insurance
US20220180288A1 (en) Fleet trigger-based incentives with blockchain
US20180005254A1 (en) Methods and apparatus for connected vehicles application effectiveness estimation
US8352115B2 (en) Methods and apparatus for initiating service sessions between vehicles and service providers
US11720971B1 (en) Machine learning based accident assessment
CN115689774A (zh) 优化车辆事件过程的方法和系统
US11586159B2 (en) Machine learning method and system for executing remote commands to control functions of a vehicle
CA3039495C (en) Mobile device communication access and hands-free device activation
WO2019051045A1 (en) FACILITATING TRANSPORT ARRANGEMENTS BETWEEN PLATFORMS WITH THIRD-PARTY SUPPLIERS
CN112911517A (zh) 用于车辆的事件检测
CN114936726A (zh) 驾驶监控和评分系统及方法
CN116843319A (zh) 车辆维保预测方法、装置、电子设备及车辆

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination