DE102016116068A1

DE102016116068A1 - Klassifizierung eines anomalen fahrers und mitteilung darüber

Info

Publication number: DE102016116068A1
Application number: DE102016116068.7A
Authority: DE
Inventors: Daniel Levine; Jinesh J. Jain
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2015-09-01
Filing date: 2016-08-29
Publication date: 2017-03-02
Also published as: GB2543904A; US10640130B2; US20190291751A1; GB201614764D0; US10479378B2; US10640131B2; US20170057521A1; US20190291749A1; RU2016135047A; US20190291750A1; US10358143B2; CN106485951B; CN106485951A; MX2016011078A

Abstract

Es werden Verfahren, Einrichtungen und Vorrichtungen beschrieben, die sich auf eine Klassifizierung eines anomalen Fahrers und Mitteilungen darüber beziehen. Bei einem Verfahren kann eine Meldung von einem Benutzer eines ersten Fahrzeugs empfangen werden, wobei die Meldung einen Fall eines anomalen Fahrens eines zweiten Fahrzeugs angibt. Beim Verfahren kann auch unter Verwendung eines oder mehrerer Klassifizierer festgestellt werden, dass der Fall aufgetreten ist. Beim Verfahren können ferner Informationen über das zweite Fahrzeug gesammelt werden und kann auf der Grundlage der Informationen eine Warnmeldung erzeugt werden.

Description

TECHNISCHES GEBIET
Die vorliegende Erfindung betrifft allgemein die Verkehrssicherheit und insbesondere Verfahren und Systeme zur Klassifizierung eines anomalen Fahrers und Mitteilungen darüber.
HINTERGRUND
Anomale Fahrer sind eine Gefahr für sich in der Nähe befindende Fußgänger, Fahrer und sich selbst. Die Kategorie des anomalen Fahrens umfasst typischerweise verschieden definierte Kategorien eines rücksichtslosen Fahrens, eines sorglosen Fahrens, eines ungeeigneten Fahrens, eines erratischen Fahrens und eines Fahrens ohne angemessene Sorgfalt und Aufmerksamkeit. Demgemäß besteht ein Bedarf an einer Lösung zur Erkennung und Abschwächung des Einflusses eines anomalen Fahrens, um Kraftfahrzeugunfälle und Todesfälle, die durch anomale Fahrer hervorgerufen werden, zu verringern.
KURZBESCHREIBUNG DER ZEICHNUNGEN
Nicht einschränkende und nicht erschöpfende Ausführungsformen der vorliegenden Offenbarung werden mit Bezug auf die folgenden Figuren beschrieben, wobei sich gleiche Bezugszahlen in den verschiedenen Figuren auf gleiche Teile beziehen, sofern nichts anderes spezifiziert wird. Es zeigen:
1 ein Diagramm einer als Beispiel dienenden Umgebung, worin als Beispiel dienende Ausführungsformen der vorliegenden Offenbarung implementiert werden können,
2 ein Blockdiagramm einer als Beispiel dienenden Rechenarchitektur gemäß einer Ausführungsform der vorliegenden Offenbarung,
3 ein Diagramm eines vereinfachten Beispiels einer Datenclusterung gemäß der vorliegenden Offenbarung,
4 ein Blockdiagramm einer als Beispiel dienenden Rechenarchitektur gemäß einer anderen Ausführungsform der vorliegenden Offenbarung,
5 ein Flussdiagramm eines als Beispiel dienenden Prozesses gemäß einer Ausführungsform der vorliegenden Offenbarung und
6 ein Flussdiagramm eines als Beispiel dienenden Prozesses gemäß einer anderen Ausführungsform der vorliegenden Offenbarung.
DETAILLIERTE BESCHREIBUNG
In der folgenden Beschreibung wird auf die anliegenden Zeichnungen Bezug genommen, die einen Teil davon bilden und worin zur Veranschaulichung spezifische, als Beispiel dienende Ausführungsformen dargestellt sind, in denen die Offenbarung verwirklicht werden kann. Diese Ausführungsformen werden in ausreichenden Einzelheiten beschrieben, um es Fachleuten zu ermöglichen, die hier offenbarten Konzepte anzuwenden, und es ist zu verstehen, dass Modifikationen an den verschiedenen offenbarten Ausführungsformen vorgenommen werden können und dass andere Ausführungsformen verwendet werden können, ohne vom Schutzumfang der vorliegenden Offenbarung abzuweichen. Die folgende detaillierte Beschreibung ist daher nicht einschränkend auszulegen.
Hier vorgestellte Implementationen verwenden ein nicht überwachtes und/oder halbüberwachtes Lernen zum Erstellen und Vergrößern eines Satzes von Merkmalen anomaler Fahrverhaltensweisen. Diese Merkmale können verarbeitet werden, um einen oder mehrere Klassifizierer zu erstellen. Der eine oder die mehreren Klassifizierer können dann installiert oder auf andere Weise zu einer Anzahl von Fahrzeugen übertragen werden, um sie zu verwenden, um eine oder mehrere anomale Fahrverhaltensweisen eines oder mehrerer anderer Fahrzeuge in der Umgebung eines Fahrzeugs zu identifizieren oder zu charakterisieren. Ein Benutzer, beispielsweise ein Fahrer oder ein Fahrgast des Fahrzeugs, kann bei einer Beobachtung einer oder mehrerer Fahrverhaltensweisen eines oder mehrerer anderer Fahrzeuge, welche der Benutzer als anomale Fahrverhaltensweisen wahrnimmt, eine oder mehrere wahrgenommene anomale Fahrverhaltensweisen mitteilen. Falls eine wahrgenommene anomale Fahrverhaltensweise gemäß dem einen oder den mehreren Klassifizierern als eine anomale Fahrverhaltensweise bestätigt wird, kann eine Warnmeldung erzeugt und zu anderen Fahrzeugen in der Umgebung des Fahrzeugs übertragen werden.
1 ist ein Diagramm, das eine als Beispiel dienende Umgebung 100 zeigt, worin als Beispiel dienende Ausführungsformen der vorliegenden Offenbarung implementiert werden können. Die als Beispiel dienende Umgebung 100 kann ein Klassifizierererzeugungsschema 102 für die Erzeugung von Klassifizierern zum Identifizieren und/oder Charakterisieren anomaler Fahrverhaltensweisen aufweisen. Das Klassifizierererzeugungsschema 102 weist ein Rechensystem 104 auf. Das Rechensystem 104 kann eine Rechenvorrichtung in der Art eines Servers oder einer Sammlung von Servern in einer verteilten Konfiguration (beispielsweise eines Cloudrechendienstes, einer Serverfarm usw.) oder einer nicht verteilten Konfiguration aufweisen.
Gemäß verschiedener Ausführungsformen der vorliegenden Offenbarung kann das Rechensystem 104 in einer Grundkonfiguration verschiedene Module aufweisen, die jeweils nachstehend erörtert werden. Das Rechensystem 104 kann Daten durch eine Kombination von Simulationen und realen Experimenten in der Art eines oder mehrerer simulierter Fahrszenarios 106 und eines oder mehrerer realer Experimente 108 sammeln.
Gemäß einigen Implementationen kann das Rechensystem 104 in dem einen oder den mehreren simulierten Fahrszenarios 106 eine oder mehrere anomale Fahrverhaltensweisen in einem Fahrsimulator simulieren. Alternativ kann das am Fahrsimulator installierte Rechensystem Daten sammeln und die Daten zum Rechensystem 104 senden, um den einen oder die mehreren Merkmalsklassifizierer 110 zu erstellen und/oder zu trainieren.
Beim einen oder bei den mehreren simulierten Fahrszenarios 106 kann eine Person oder ein Benutzer 112 einem Bereich von Fahrszenarios ausgesetzt werden, die möglicherweise anomale Fahrverhaltensweisen beinhalten. Beispielsweise kann ein mit Drucktasten versehenes Lenkrad vom Benutzer 112 verwendet werden, um zu signalisieren, ob der Benutzer 112 eine gegenwärtig simulierte Situation als eine möglicherweise gefährliche oder anomale Fahrverhaltensweise wahrnimmt. Beispielsweise kann eine gedrückte Taste ein Zeitfenster kennzeichnen, worin ein anderes Fahrzeug in der Umgebung des Fahrzeugs, worin der Benutzer 112 bei der Simulation fährt, eine oder mehrere anomale Fahrverhaltensweisen gezeigt haben kann. Bei einigen Implementationen kann eine Überwachungseinrichtung für die Herzfrequenz, die Atemfrequenz und/oder den Grad des Schwitzens am Benutzer 112 angeordnet werden, um zusätzliche Signale zu messen, welche das Unbehagen des Benutzers 112 (beispielsweise eine Erhöhung der Herzfrequenz, der Atemfrequenz und/oder des Grads des Schwitzens) bei einem oder mehreren simulierten Fahrszenarios 106 angeben können.
Bei einigen Implementationen kann bei einem oder mehreren realen Experimenten 108 ein Teil des Rechensystems 104 an einem vom Benutzer 112 gefahrenen Fahrzeug installiert werden. Alternativ kann ein anderes am Fahrzeug installiertes Rechensystem Daten sammeln und die Daten zum Rechensystem 104 senden, um den einen oder die mehreren Merkmalsklassifizierer 110 zu erstellen und/oder zu trainieren. Beispielsweise kann der Benutzer 112 ein Fahrzeug auf einer Straße fahren, und das Fahrzeug kann mit einem oder mehreren Sensoren (beispielsweise einer oder mehreren zweidimensionalen (2D-)Kameras, einem Lichtdetektions- und Entfernungsmessungs (”Light Detection and Ranging”-LIDAR)- oder einem Funkdetektions- und Entfernungsmessungs (”Radio Detection and Ranging”-RADAR)-System) ausgestattet werden, um Schätzdaten anderer Fahrzeuge in der Umgebung des vom Benutzer 112 gefahrenen Fahrzeugs bereitzustellen. Bei einigen Implementationen kann das vom Benutzer 112 gefahrene Fahrzeug ein Signal vom Benutzer 112 empfangen, wenn der Benutzer 112 ein anderes Fahrzeug in der Umgebung als eine oder mehrere anomale Fahrverhaltensweisen zeigend wahrnimmt. Überdies kann das vom Benutzer 112 gefahrene Fahrzeug Daten über Fahrverhaltensweisen anderer Fahrzeuge in der Umgebung unter Verwendung des einen oder der mehreren Sensoren innerhalb eines bestimmten Zeitfensters sammeln. In diesen Fällen können sich wiederholende Muster einer oder mehrerer anomaler Fahrverhaltensweisen prozedural resimuliert werden, um die Unsicherheit zu verringern und den einen oder die mehreren Merkmalsklassifizierer 110 weiter zu trainieren.
Die als Beispiel dienende Umgebung 100 kann ferner ein Schema 114 zum Warnen vor einem anomalen Fahren für Verwendungen des einen oder der mehreren Klassifizierer zum Identifizieren und/oder Charakterisieren einer oder mehrerer anomaler Fahrverhaltensweisen aufweisen. Das Schema 114 zum Warnen vor einem anomalen Fahren kann eine Anzahl von Fahrzeugen einschließen, beispielsweise ein Fahrzeug 116, ein Fahrzeug 118 und ein Fahrzeug 120. Der eine oder die mehreren Merkmalsklassifizierer 110 können installiert oder auf andere Weise zu einem dieser Fahrzeuge übertragen werden. Beispielsweise können der eine oder die mehreren Merkmalsklassifizierer 110 zum Fahrzeug 116 übertragen werden. Ein Benutzer 122, beispielsweise ein Fahrer oder ein Fahrgast des Fahrzeugs 116, kann dem Rechensystem 104, beispielsweise über ein Netz 130, eine oder mehrere wahrgenommene anomale Fahrverhaltensweisen des Fahrzeugs 118 mitteilen. In diesen Fällen kann der Benutzer 122 einen Vorgang (beispielsweise ein Drücken einer Taste), ähnlich dem vorstehend beschriebenen, verwenden, wenn der Benutzer 122 eine oder mehrere anomale Fahrverhaltensweisen des Fahrzeugs 118 auf einem Straßensegment 126 wahrnimmt.
Bei einigen Implementationen kann das Fahrzeug 116 mit einem oder mehreren Sensoren versehen sein, um es einem Rechensystem 124 des Fahrzeugs 116 zu ermöglichen, Daten über ein oder mehrere andere Fahrzeuge in der Umgebung des Fahrzeugs 116 (beispielsweise des Fahrzeugs 118) zu sammeln. Unter Verwendung des einen oder der mehreren Merkmalsklassifizierer 110 kann das Rechensystem 124 ein Gewicht oder einen Risikoparameter zuweisen, der der Mitteilung (beispielsweise einer Warnmeldung) auf der Grundlage einer Klassifizierung des betreffenden Fahrzeugs, beispielsweise des Fahrzeugs 118, zugeordnet wird. Bei einigen Implementationen kann der Risikoparameter auf der Grundlage der Prävalenz anderer Mitteilungen über dasselbe Fahrzeug modifiziert werden (beispielsweise kann sein Wert vergrößert oder verkleinert werden). Beispielsweise kann das Rechensystem 104 in einer Situation, in der ein bösartiger Benutzer das Rechensystem 104 mit einer Vielzahl falscher Mitteilungen über ein gegebenes Fahrzeug mit Spam überhäuft, den Wert des Risikoparameters verringern, der den Mitteilungen vom bösartigen Benutzer zugeordnet ist. Bei einigen Implementationen kann der Risikoparameter eine Funktion einer Beurteilung eines oder mehrerer Merkmalsklassifizierer 110 sein und dadurch erzeugt werden und eine Übereinstimmung zwischen der Beurteilung eines oder mehrerer Merkmalsklassifizierer 110 und der Beurteilung durch den Benutzer 122 angeben. Bei einigen Implementationen kann der Risikoparameter auch eine Maßnahme einschließen, die falsche Mitteilungen von einem oder mehreren bösartigen Benutzern herausfiltern soll. Diese Maßnahme kann falsche Mitteilungen mit einer inakzeptablen Frequenz verhindern. Bei einigen Implementationen kann der Wert des Risikoparameters durch das Rechensystem 104 über einen Zeitraum inkrementell verringert werden, so dass der Risikoparameter nach Ablauf eines vorgegebenen Zeitraums null sein kann. Auf diese Weise kann ein Fahrer eines Fahrzeugs, über das berichtet wird, nicht ständig als ein anomaler Fahrer bezeichnet werden, insbesondere wenn ein Fall eines anomalen Fahrens durch diesen Fahrer ein seltenes, einmaliges Ereignis sein kann und nicht eine normale Fahrverhaltensweise dieses Fahrers widerspiegeln kann.
Die Warnmeldung kann über das Netz 130 zum Fahrzeug 120 auf einem Straßensegment 128 übertragen werden. Beispielsweise kann das Fahrzeug 116 die Warnmeldung zum Fahrzeug 120 senden, wenn das Fahrzeug 120 eine benutzerdefinierbare Metrik erfüllt, beispielsweise dem Fahrzeug 116 nahe genug ist (beispielsweise innerhalb einer geringen Entfernung von beispielsweise 30 Fuß, 50 Fuß oder 100 Fuß). Das Straßensegment 128 kann innerhalb einer benutzerdefinierbaren Metrik (beispielsweise einem vorgegebenen Bereich) des Straßensegments 126, beispielsweise 100 Fuß, 200 Fuß oder eines beliebigen benutzerdefinierbaren Abstands, liegen. Das Netz 130 kann verdrahtete und/oder drahtlose Netze einschließen, welche Kommunikationen zwischen den verschiedenen beschriebenen Rechenvorrichtungen in der als Beispiel dienenden Umgebung 100 ermöglichen. Gemäß einigen Ausführungsformen kann das Netz 130 lokale Netze (LAN), Weitbereichsnetze (WAN), Mobiltelefonnetze (MTN) und andere Netztypen einschließen, die möglicherweise in Zusammenhang miteinander verwendet werden, um die Kommunikation zwischen den verschiedenen Rechenvorrichtungen zu erleichtern.
Bei einigen Implementationen können der Benutzer 122 und ein Fahrer des Fahrzeugs 120 in einem Fahrsicherheitsnetz sein. Beispielsweise kann der Fahrer des Fahrzeugs 120 gewarnt werden oder auf andere Weise darüber unterrichtet werden, dass das Fahrzeug 118 eine oder mehrere anomale Fahrverhaltensweisen gezeigt hat und sich dem Fahrzeug 120 nähern kann, nachdem durch das Rechensystem 124 und/oder den Benutzer 122 ein Fall einer oder mehrerer anomaler Fahrverhaltensweisen, die das Fahrzeug 118 gezeigt hat, festgestellt wurde. Der Fahrer des Fahrzeugs 120 kann auch feststellen, dass das Fahrzeug 118 die gleiche oder eine andere der einen oder der mehreren anomalen Fahrverhaltensweisen zeigt. Das Fahrsicherheitsnetz kann ansprechend auf das Empfangen einer Warnmeldung in Bezug auf das Fahrzeug 118 dem Fahrzeug 118 einen Risikoparameter zuweisen und/oder zuschreiben. Wenn ein Wert des Risikoparameters in Zusammenhang mit dem Fahrzeug 118 eine Risikoschwelle übersteigt, kann das Fahrsicherheitsnetz das eine oder die mehreren anomalen Fahrverhaltensweisen, die vom Fahrzeug 118 gezeigt werden, automatisch einer lokalen Behörde mitteilen.
2 ist ein Blockdiagramm einer als Beispiel dienenden Rechenarchitektur 200 gemäß einer Ausführungsform der vorliegenden Offenbarung. Die Rechenarchitektur 200 kann eine als Beispiel dienende Implementation des Rechensystems 104 sein, welche in Form einer Rechenvorrichtung mit Modulen, Kernen, Daten und/oder Hardware vorliegen kann.
Das Rechensystem 104 kann einen oder mehrere Prozessoren 202 und einen Speicher 204 aufweisen. Der Speicher 204 kann verschiedene Module, Anwendungen, Programme oder andere Daten speichern. Der Speicher 204 kann einen oder mehrere Befehlssätze aufweisen, die, wenn sie vom einen oder von den mehreren Prozessoren 202 ausgeführt werden, den einen oder die mehreren Prozessoren 202 veranlassen, die hier beschriebenen Operationen für das Rechensystem 104 auszuführen. Der eine oder die mehreren Prozessoren 202 können eine oder mehrere Graphikverarbeitungseinheiten (GPU) und eine oder mehrere Zentralverarbeitungseinheiten (CPU) aufweisen.
Das Rechensystem 104 kann zusätzliche Merkmale und/oder Funktionalitäten aufweisen. Beispielsweise kann das Rechensystem 104 auch zusätzliche Datenspeichervorrichtungen (entfernbare und/oder nicht entfernbare), einschließlich computerlesbarer Medien, aufweisen. Computerlesbare Medien können wenigstens zwei Typen computerlesbarer Medien einschließen, nämlich Computerspeichermedien und Kommunikationsmedien. Computerspeichermedien können flüchtige und nicht flüchtige, entfernbare und nicht entfernbare Medien einschließen, die in einem Verfahren oder einer Technologie zur Speicherung von Informationen in der Art computerlesbarer Befehle, Datenstrukturen, Programmmodule, Programmdaten oder anderer Daten implementiert werden. Der Systemspeicher, der entfernbare Speicher und der nicht entfernbare Speicher sind alle Beispiele von Computerspeichermedien. Computerspeichermedien umfassen RAM, ROM, EEPROM, Flash-Speicher oder eine andere Speichertechnologie, CD-ROM, Digital Versatile Disks (DVD) oder einen anderen optischen Speicher, Magnetkassetten, Magnetbänder, magnetische Plattenspeicher- oder andere magnetische Speichervorrichtungen oder ein anderes Medium, das verwendet werden kann, um die gewünschten Informationen zu speichern und worauf das Rechensystem 104 zugreifen kann, sind jedoch nicht darauf beschränkt. Beliebige solcher Computerspeichermedien können Teil des Rechensystems 104 sein. Überdies können die computerlesbaren Medien computerausführbare Befehle aufweisen, die, wenn sie durch den einen oder die mehreren Prozessoren ausgeführt werden, verschiedene hier beschriebene Funktionen und/oder Operationen ausführen.
Der Speicher 204 kann ein Betriebssystem 206 sowie verschiedene Module, einschließlich beispielsweise eines Datensammelmoduls 208, eines Clusterbildungsmoduls 210, eines Übertragungsmoduls 212 und Programmdaten 214, speichern. Das Betriebssystem 206 kann einen oder mehrere Befehlssätze aufweisen, die durch einen oder mehrere Prozessoren 202 ausführbar sind, um Operationen des Rechensystems 104 zu steuern.
Das Datensammelmodul 208 kann dafür ausgelegt sein, dem Benutzer 112 Fahrszenarios, die anomale Fahrverhaltensweisen aufweisen, zu präsentieren und Daten zu empfangen, die eine oder mehrere Antworten des Benutzers 112 in Bezug auf die Fahrszenarios angeben. Durch das Datensammelmodul 208 gesammelte Daten können als Programmdaten 214 gespeichert werden.
Bei einigen Implementationen kann das Rechensystem 104 die Fahrszenarios, welche die anomalen Fahrverhaltensweisen aufweisen, unter Verwendung eines Simulationssystems simulieren. Beispielsweise kann der Benutzer 112 in das Simulationssystem gesetzt oder auf andere Weise darin platziert werden und können eine oder mehrere Antworten des Benutzers 112 überwacht werden. Die eine oder die mehreren Antworten des Benutzers 112 können Signale einschließen, die jeweils eine vom Benutzer 112 ansprechend auf eine simulierte Bedingung wahrgenommenes anomales Fahrverhaltensweise angeben. Bei einigen Implementationen können die eine oder die mehreren Antworten ein zusätzliches Signal in Zusammenhang mit einem oder mehreren physikalischen Parametern des Benutzers 112 einschließen.
Bei einigen Implementationen kann das Rechensystem 104 reale Experimente für den Benutzer 112 erleichtern. Das Rechensystem 104 kann eine oder mehrere Antworten des Benutzers 112 überwachen. Die eine oder die mehreren Antworten können Signale einschließen, die jeweils eine vom Benutzer 112 ansprechend auf eine Fahrbedingung wahrgenommene anomale Fahrverhaltensweise angeben. Das Rechensystem 104 kann Echtzeitdaten sammeln, welche Zustandsschätzungen einschließen, die durch einen oder mehrere Sensoren eines Testfahrzeugs und innerhalb eines vorgegebenen Zeitfensters nach dem Empfangen der Signale vom Benutzer 122 erzeugt werden.
Das Clusterbildungsmodul 210 kann dafür ausgelegt sein, die vom Datensammelmodul 208 gesammelten Daten unter Verwendung einer nicht parametrischen Technik zur Erzeugung des einen oder der mehreren Merkmalsklassifizierer 110 zu clustern. Beispielsweise kann ein Merkmalssatz Regeln von Verkehrsvergehen in der Art eines Nichtanzeigens eines Abbiegens, eines Nichthaltens an einem geeigneten Signal, einer Vorfahrtnahme, eines Überfahrens einer durchgezogenen Fahrspurbegrenzung oder in entgegenkommenden Verkehr und einer erheblichen Überschreitung der Geschwindigkeitsbegrenzung (beispielsweise um mehr als 10 mph) einschließen. Ein anderer Merkmalssatz kann sich auf spezifische absolute und relative Profile beziehen, welche beobachtete Fahrzeuge zeigen können. Dieser Merkmalssatz kann beispielsweise ein Schlingern, ein Schleudern, ein seitliches Oszillieren, eine Abweichung von der Fahrspurmitte während eines Zeitraums, der länger als ein Schwellenzeitraum ist, einen Fahrspurwechsel ohne geeigneten Abstand, eine erratische Geschwindigkeitskontrolle, ein erratisches Bremsen und ein nicht nominelles Einfädeln in den Verkehrsfluss einschließen.
3 zeigt ein vereinfachtes Beispiel 300 einer Datenclusterung gemäß der vorliegenden Offenbarung. Beim in 3 dargestellten vereinfachten Beispiel 300 gibt es Daten, die drei Merkmalen zugeordnet sind, die geclustert werden. Die drei Merkmale (beispielsweise Merkmal 1, Merkmal 2 und Merkmal 3) können beispielsweise (1) zur Geschwindigkeit eines Fahrzeugs, (2) zum Betrag der Abweichung von der Mittellinie einer Fahrspur, in der das Fahrzeug fährt, und (3) dazu, ob der Blinker eingeschaltet wird, wenn das Fahrzeug abbiegt, gehören. Daten für jedes dieser Merkmale können eine Reihe kontinuierlicher Zahlen (beispielsweise Geschwindigkeit des Fahrzeugs und/oder Abweichung von der Mittellinie der Fahrspur) oder diskreter Zahlen (beispielsweise 0 oder 1, wodurch angegeben wird, ob der Blinker ausgeschaltet oder eingeschaltet ist, wenn das Fahrzeug abbiegt) sein. Beim in 3 dargestellten vereinfachten Beispiel 300 gibt es sechs Sätze eindeutiger Probendaten für jedes der drei Merkmale, und diese sechs Sätze eindeutiger Probendaten sind in drei Cluster (beispielsweise Cluster 1, Cluster 2 und Cluster 3) gruppiert, die jeweils zwei Sätze eindeutiger Probendaten aufweisen. Bei einigen Implementationen der vorliegenden Offenbarung kann eine Anzahl von Merkmalen (beispielsweise Merkmal 1, Merkmal 2 und Merkmal 3) zur Merkmalszusammenstellung verwendet werden, um eine Anzahl von Probendatensätzen zur Clusterbildung durch einen geeigneten Algorithmus zu sammeln, der beispielsweise durch das Clusterbildungsmodul 210 ausgeführt wird. Das Ergebnis der Datenclusterung kann verwendet werden, um Klassifizierer in der Art des einen oder der mehreren Merkmalsklassifizierer 110 zu trainieren. Beispiele eines Algorithmus zur Datenclusterung können auf einem tiefen Lernen basierte Techniken, k-Mittelwert-Clusterbildung und hierarchische Clusterbildung einschließen, sind jedoch nicht darauf beschränkt.
Das Übertragungsmodul 212 kann dafür ausgelegt sein, den einen oder die mehreren Merkmalsklassifizierer 110 zu einem oder mehreren Fahrzeugen, beispielsweise zum Fahrzeug 116, zu übertragen. Demgemäß kann der Benutzer 122 des Fahrzeugs 116 eine oder mehrere wahrgenommene anomale Fahrverhaltensweisen des Fahrzeugs 118 (und/oder eines anderen Fahrzeugs) mitteilen, und die Mitteilung kann vom Fahrzeug 116 zu einem oder mehreren anderen Fahrzeugen, beispielsweise zum Fahrzeug 120, übertragen werden. Falls beispielsweise eine oder mehrere wahrgenommene anomale Fahrverhaltensweisen des Fahrzeugs 118 gemäß dem einen oder den mehreren Merkmalsklassifizierern 110 bestätigt werden, kann die Mitteilung erzeugt werden und zum Fahrzeug 120 übertragen werden, das sich in der Nähe des Fahrzeugs 116 und/oder des Fahrzeugs 118 befinden kann.
4 ist ein Blockdiagramm einer als Beispiel dienenden Rechenarchitektur 400 gemäß einer Ausführungsform der vorliegenden Offenbarung. Die Rechenarchitektur 400 kann eine als Beispiel dienende Implementation des Rechensystems 124 sein, welche in Form einer Rechenvorrichtung mit Modulen, Kernen, Daten und/oder Hardware vorliegen kann.
Das Rechensystem 124 kann einen oder mehrere Prozessoren 402 und einen Speicher 404 aufweisen. Der Speicher 404 kann verschiedene Module, Anwendungen, Programme oder andere Daten speichern. Der Speicher 404 kann einen oder mehrere Befehlssätze aufweisen, die, wenn sie vom einen oder den mehreren Prozessoren 402 ausgeführt werden, den einen oder die mehreren Prozessoren 402 veranlassen, die hier beschriebenen Operationen für das Rechensystem 124 auszuführen. Der eine oder die mehreren Prozessoren 402 können eine oder mehrere Graphikverarbeitungseinheiten (GPU) und eine oder mehrere Zentralverarbeitungseinheiten (CPU) aufweisen.
Das Rechensystem 124 kann zusätzliche Merkmale und/oder Funktionalitäten aufweisen. Beispielsweise kann das Rechensystem 124 auch zusätzliche Datenspeichervorrichtungen (entfernbare und/oder nicht entfernbare), einschließlich computerlesbarer Medien, aufweisen. Computerlesbare Medien können wenigstens zwei Typen computerlesbarer Medien einschließen, nämlich Computerspeichermedien und Kommunikationsmedien. Computerspeichermedien können flüchtige und nicht flüchtige, entfernbare und nicht entfernbare Medien einschließen, die in einem Verfahren oder einer Technologie zur Speicherung von Informationen in der Art computerlesbarer Befehle, Datenstrukturen, Programmmodule, Programmdaten oder anderer Daten implementiert werden. Der Systemspeicher, der entfernbare Speicher und der nicht entfernbare Speicher sind alle Beispiele von Computerspeichermedien. Computerspeichermedien umfassen RAM, ROM, EEPROM, Flash-Speicher oder eine andere Speichertechnologie, CD-ROM, Digital Versatile Disks (DVD) oder einen anderen optischen Speicher, Magnetkassetten, Magnetbänder, magnetische Plattenspeicher- oder andere magnetische Speichervorrichtungen oder ein anderes Medium, das verwendet werden kann, um die gewünschten Informationen zu speichern und worauf das Rechensystem 124 zugreifen kann, sind jedoch nicht darauf beschränkt. Beliebige solcher Computerspeichermedien können Teil des Rechensystems 124 sein. Überdies können die computerlesbaren Medien computerausführbare Befehle aufweisen, die, wenn sie durch den einen oder die mehreren Prozessoren ausgeführt werden, verschiedene hier beschriebene Funktionen und/oder Operationen ausführen.
Der Speicher 404 kann ein Betriebssystem 406 sowie verschiedene Module, einschließlich beispielsweise einer Warnungserzeugungsanwendung 408, eines oder mehrerer Merkmalsklassifizierer 110 und von Programmdaten 418, speichern. Die Warnungserzeugungsanwendung 408 kann ferner verschiedene Module in der Art beispielsweise eines Kommunikationsmoduls 410, eines Anomales-Fahren-Bestimmungsmoduls 412, eines Datensammelmoduls 414 und eines Warnungserzeugungsmoduls 416 aufweisen. Das Betriebssystem 406 kann einen oder mehrere Befehlssätze aufweisen, die durch einen oder mehrere Prozessoren 402 ausführbar sind, um Operationen des Rechensystems 124 zu steuern.
Das Kommunikationsmodul 410 kann dafür ausgelegt sein, eine Nachricht vom Benutzer 122 des Fahrzeugs 116 zu empfangen. Die Nachricht kann einen Fall einer anomalen Fahrverhaltensweise eines anderen Fahrzeugs, beispielsweise des Fahrzeugs 118, das vom Benutzer 122 wahrgenommen wird, angeben.
Das Anomales-Fahren-Bestimmungsmodul 412 kann dafür ausgelegt sein, unter Verwendung des einen oder der mehreren Merkmalsklassifizierer 110, die unter Verwendung von Fahrszenariosimulationen und/oder realen Experimenten trainiert wurden, zu bestimmen, ob der Fall einer anomalen Fahrverhaltensweise aufgetreten ist.
Bei einigen Implementationen können der eine oder die mehreren Merkmalsklassifizierer 110 Schablonenbewegungspläne einschließen, die beispielsweise anomale Fahrmerkmale und/oder anomale Fahrprofile einschließen können und nicht darauf beschränkt sind. In diesen Fällen stehen die anomalen Fahrmerkmale in Zusammenhang mit Fahrverhaltensweisen, einschließlich beispielsweise wenigstens einem des Folgenden, jedoch ohne Einschränkung darauf: ein Nichtanzeigen eines Abbiegens, ein Nichthalten an einem geeigneten Signal, eine Vorfahrtnahme, ein Überfahren einer durchgezogenen Fahrspurbegrenzung, ein Fahren in entgegenkommenden Verkehr, ein Überschreiten einer Geschwindigkeitsbegrenzung, ein zu dichtes Auffahren und ein übermäßiges Hupen. Die anomalen Fahrprofile können beispielsweise wenigstens eines von einem Schlingern, einem Schleudern, einem seitlichen Oszillieren, einer längeren Abweichung von der Fahrspurmitte, einem Fahrspurwechsel ohne geeigneten Abstand, einer erratischen Geschwindigkeitskontrolle, einem erratischen Bremsen, einem nicht nominellen Einfädeln in einen Verkehrsfluss und jeglicher erratischer und/oder feindseliger und gefährlicher Fahrverhaltensweisen einschließen, sind jedoch nicht darauf beschränkt.
Bei einigen Implementationen kann das Anomales-Fahren-Bestimmungsmodul 412 einen Parameter unter Verwendung der anomalen Fahrklassifizierer bestimmen. Der Parameter kann eine Möglichkeit angeben, dass der Fall eines anomalen Fahrverhaltens innerhalb eines vorgegebenen Zeitfensters nach dem Empfangen der Nachricht vom Benutzer 122 aufgetreten ist. Das Anomales-Fahren-Bestimmungsmodul 412 kann ferner bestimmen, dass der Fall aufgetreten ist, falls der Wert des Parameters größer als ein vorgegebener Schwellenwert ist.
Das Datensammelmodul 414 kann dafür ausgelegt sein, Informationen über das Fahrzeug 118 zu sammeln, das bei diesem Beispiel anomale Fahrverhaltensweisen zeigt. Beispielsweise kann das Fahrzeug 116 mit einem oder mehreren Sensoren (beispielsweise einer oder mehreren Sichtvorrichtungen, einem LIDAR-System oder einem RADAR-System) versehen sein, um geschätzte Daten des Fahrzeugs 118, wie etwa Geschwindigkeit, Beschleunigung, Richtung und/oder irgendwelcher Informationen in Bezug auf das Verhalten des Fahrzeugs 118, bereitzustellen. Vom Datensammelmodul 414 gesammelte Daten können als Programmdaten 418 gespeichert werden.
Das Warnungserzeugungsmodul 416 kann dafür ausgelegt sein, eine Warnmeldung auf der Grundlage der vom Datensammelmodul 414 gesammelten Daten zu erzeugen. Beispielsweise kann die Warnmeldung eine codierte Nummernschildnummer und/oder eine Beschreibung des Fahrzeugs 118 aufweisen. Das Kommunikationsmodul 410 kann die Warnmeldung zu einem oder mehreren anderen Fahrzeugen, beispielsweise dem Fahrzeug 120, senden, das eine benutzerdefinierte Metrik in Bezug auf das eine oder die mehreren anderen Fahrzeuge erfüllen kann (beispielsweise wenn das Fahrzeug 120 in einem vorgegebenen Entfernungsbereich des Fahrzeugs 116 wie 50 Fuß, 100 Fuß oder 200 Fuß liegt).
Bei einigen Implementationen kann die Warnungserzeugungsanwendung 408 eine neue Warnmeldung empfangen, die einen anderen Fall einer anomalen Fahrverhaltensweise des Fahrzeugs 118 angibt. Der andere Fall kann vor dem vom Benutzer 122 wahrgenommenen Fall aufgetreten sein. Bei einigen Implementationen kann die Warnungserzeugungsanwendung 408 einen Risikoparameter des Fahrzeugs 118 auf der Grundlage der neuen Warnmeldung und der zuvor empfangenen Warnmeldung berechnen und dann dem Rechensystem 104 Informationen über das Fahrzeug 118 bereitstellen, das bestimmen kann, ob eine Behörde zu benachrichtigen ist. Beispielsweise kann die Warnungserzeugungsanwendung 408 eine Mitteilung erzeugen und zum Rechensystem 104 senden, das bestimmen kann, ob es die Mitteilung in Bezug auf die anomalen Fahrverhaltensweisen des Fahrzeugs 118 einer Behörde, beispielsweise der Kraftfahrzeugbehörde (”Department of Motor Vehicles”), bereitstellen soll.
5 zeigt einen als Beispiel dienenden Prozess 500, der eine Ausführungsform gemäß der vorliegenden Offenbarung implementiert. Der als Beispiel dienende Prozess 500 kann einem von verschiedenen Implementationsszenarios auf der Grundlage einer als Beispiel dienenden Umgebung 100 entsprechen und dient ausschließlich erläuternden Zwecken, so dass Fachleute Nutzen und Vorteile, die durch die vorliegende Offenbarung bereitgestellt werden, besser verstehen können. Daher ist der Schutzumfang der vorliegenden Offenbarung nicht durch den als Beispiel dienenden Prozess 500 beschränkt. Für erläuternde Zwecke und ohne Einschränkung des Schutzumfangs der vorliegenden Offenbarung wird die Beschreibung des als Beispiel dienenden Prozesses 500 nachstehend in Zusammenhang mit der Implementation unter Verwendung eines oder mehrerer Prozessoren 202 des Rechensystems 104 bereitgestellt. Der als Beispiel dienende Prozess 500 kann bei 502 beginnen.
Bei 502 können ein oder mehrere Prozessoren 202 ein oder mehrere Fahrszenarios, die eine oder mehrere anomale Fahrverhaltensweisen betreffen, dem Benutzer 112 bereitstellen. Bei einigen Implementationen können ein oder mehrere Prozessoren 202 eine oder mehrere Simulationen des einen oder der mehreren Fahrszenarios, welche die eine oder die mehreren anomalen Fahrverhaltensweisen aufweisen, durch ein Simulationssystem bereitstellen. Bei anderen Implementationen kann das Rechensystem 104 reale Experimente erleichtern, denen der Benutzer 112 unterzogen wird. Der als Beispiel dienende Prozess 500 kann von 502 zu 504 übergehen.
Bei 504 können ein oder mehrere Prozessoren 202 Daten empfangen, welche eine Antwort des Benutzers 112 auf das eine oder die mehreren Fahrszenarios angeben. Bei einigen Implementationen können die eine oder die mehreren Antworten Signale einschließen, die jeweils eine Antwort des Benutzers 112 auf eine anomale Fahrverhaltensweise unter einer simulierten Bedingung angeben. Bei einigen Implementationen können ein oder mehrere Prozessoren 202 den Benutzer 112 überwachen, um Daten über die eine oder die mehreren Antworten und das eine oder die mehreren Fahrszenarios zu sammeln. Die Daten einer oder mehrerer Antworten können beispielsweise eine Messung eines oder mehrerer zusätzlicher Signale in Zusammenhang mit einem oder mehreren physikalischen Parametern (beispielsweise Herzfrequenz, Atemfrequenz und/oder Grad des Schwitzens) des Benutzers 112 einschließen. Der als Beispiel dienende Prozess 500 kann von 504 aus bei 506 fortgesetzt werden.
Bei 506 können ein oder mehrere Prozessoren 202 die Daten einer oder mehrerer Antworten des Benutzers 112 clustern, um einen oder mehrere Merkmalsklassifizierer 110 zu erzeugen. Der eine oder die mehreren Merkmalsklassifizierer 110 können beispielsweise einen oder mehrere Schablonenbewegungspläne oder eine oder mehrere Aktionen in Zusammenhang mit einem oder mehreren anomalen Fahrmerkmalen oder einem oder mehreren anomalen Fahrprofilen einschließen. Bei einigen Implementationen werden das eine oder die mehreren anomalen Fahrmerkmale einer oder mehreren Fahrverhaltensweisen zugeordnet, welche wenigstens eines des Folgenden einschließen: Nichtanzeigen eines Abbiegens, Nichthalten an einem geeigneten Signal, Vorfahrtnahme, Überfahren einer durchgezogenen Fahrspurbegrenzung, Fahren in den entgegenkommenden Verkehr und Überschreiten einer Geschwindigkeitsbegrenzung. Das eine oder die mehreren anomalen Fahrprofile können beispielsweise wenigstens eines des Folgenden einschließen: Schlingern, Schleudern, seitliches Oszillieren, Abweichung von der Fahrspurmitte während eines Zeitraums, der länger als ein Schwellenzeitraum ist (beispielsweise 5 Sekunden, 10 Sekunden, 15 Sekunden, 30 Sekunden oder eine benutzerdefinierbare Dauer), Fahrspurwechsel ohne geeigneten Abstand, erratische Geschwindigkeitskontrolle, erratisches Bremsen und nicht nominelles Einfädeln in den Verkehrsfluss. Der als Beispiel dienende Prozess 500 kann von 506 aus bei 508 fortgesetzt werden.
Bei 508 können ein oder mehrere Prozessoren 202 den einen oder die mehreren Merkmalsklassifizierer 110 zu einem oder mehreren Fahrzeugen, einschließlich des Fahrzeugs 116, senden. Unter Verwendung des einen oder der mehreren Merkmalsklassifizierer 110 kann der Benutzer 122 eine oder mehrere wahrgenommene anomale Fahrverhaltensweisen des Fahrzeugs 118 mitteilen. Falls eine wahrgenommene anomale Fahrverhaltensweise gemäß dem einen oder den mehreren Merkmalsklassifizierern 110 bestätigt wird, kann eine Warnmeldung erzeugt und zum Fahrzeug 120 gesendet werden, das sich in der Umgebung des Fahrzeugs 118 und/oder des Fahrzeugs 116 befindet.
Bei einigen Implementationen können der eine oder die mehreren Klassifizierer einen oder mehrere Klassifizierer einschließen, die unter Verwendung einer Simulation von Fahrszenarios oder realer Experimente oder beider trainiert wurden. Zusätzlich oder alternativ können der eine oder die mehreren Klassifizierer einen oder mehrere Schablonenbewegungspläne, eine oder mehrere Aktionen in Zusammenhang mit einem oder mehreren anomalen Fahrmerkmalen, einem oder mehreren anomalen Fahrprofilen oder einer Kombination davon einschließen. Bei einigen Implementationen können das eine oder die mehreren anomalen Fahrmerkmale Fahrverhaltensweisen zugeordnet werden, die wenigstens eines von einem Nichtanzeigen eines Abbiegens, einem Nichthalten an einem geeigneten Signal, einer Vorfahrtnahme, einem Überfahren einer durchgezogenen Fahrspurbegrenzung, einem Fahren in den entgegenkommenden Verkehr oder einer Überschreitung einer Geschwindigkeitsbegrenzung einschließen. Bei einigen Implementationen können das eine oder die mehreren anomalen Fahrprofile wenigstens eines von einem Schlingern, einem Schleudern, einem seitlichen Oszillieren, einer Abweichung von der Fahrspurmitte während eines Zeitraums, der länger als ein Schwellenzeitraum ist, einem Fahrspurwechsel ohne geeigneten Abstand, einer erratischen Geschwindigkeitskontrolle, einem erratischen Bremsen oder einem nicht nominellen Einfädeln in den Verkehrsfluss einschließen.
Bei einigen Implementationen kann der als Beispiel dienende Prozess 500 ferner das Senden der Warnmeldung zu wenigstens einem dritten Fahrzeug, das eine benutzerdefinierte Metrik in Bezug auf das erste Fahrzeug erfüllt, einschließen.
Bei einigen Implementationen kann der als Beispiel dienende Prozess 500 ferner eine Anzahl von Operationen betreffen, einschließlich der Folgenden: Empfangen einer zusätzlichen Warnmeldung, die einen zusätzlichen Fall eines anomalen Fahrens des zweiten Fahrzeugs angibt, wobei der zusätzliche Fall vor dem Fall auftritt, Berechnen eines Risikoparameters des zweiten Fahrzeugs auf der Grundlage der zusätzlichen Warnmeldung und der Warnmeldung, und Erzeugen einer Mitteilung in Bezug auf das anomale Fahren des zweiten Fahrzeugs. Bei einigen Implementationen kann die zusätzliche Warnmeldung die Informationen des zweiten Fahrzeugs und eine oder mehrere Warnmeldungen in Bezug auf das zweite Fahrzeug einschließen.
Bei einigen Implementationen kann der als Beispiel dienende Prozess 500 bei der Feststellung, dass der Fall aufgetreten ist, unter Verwendung des einen oder der mehreren Klassifizierer, eine Anzahl von Operationen ausführen, einschließlich der Folgenden: Bestimmen eines Parameters unter Verwendung des einen oder der mehreren Klassifizierer, wobei der Parameter die Möglichkeit angibt, dass der Fall des anomalen Fahrens innerhalb eines vorgegebenen Zeitfensters nach dem Empfangen der Nachricht auftritt, und Feststellen, dass der Fall auftritt, unter der Bedingung, dass der Parameter größer als ein vorgegebener Wert ist.
Bei einigen Implementationen kann die Warnmeldung eine codierte Nummernschildnummer des zweiten Fahrzeugs, eine Beschreibung des zweiten Fahrzeugs oder eine Kombination davon einschließen.
6 zeigt einen als Beispiel dienenden Prozess 600, der eine Ausführungsform gemäß der vorliegenden Offenbarung implementiert. Der als Beispiel dienende Prozess 600 kann einem von verschiedenen Implementationsszenarios auf der Grundlage einer als Beispiel dienenden Umgebung 100 entsprechen und dient ausschließlich erläuternden Zwecken, so dass Fachleute Nutzen und Vorteile, die durch die vorliegende Offenbarung bereitgestellt werden, besser verstehen können. Daher ist der Schutzumfang der vorliegenden Offenbarung nicht durch den als Beispiel dienenden Prozess 600 beschränkt. Für erläuternde Zwecke und ohne Einschränkung des Schutzumfangs der vorliegenden Offenbarung wird die Beschreibung des als Beispiel dienenden Prozesses 600 nachstehend in Zusammenhang mit der Implementation unter Verwendung eines oder mehrerer Prozessoren 402 des Rechensystems 124 bereitgestellt. Der als Beispiel dienende Prozess 600 kann bei 602 beginnen.
Bei 602 können ein oder mehrere Prozessoren 402 eine Nachricht vom Benutzer 122 des Fahrzeugs 116, beispielsweise einem Fahrer oder einem Fahrgast, der im Fahrzeug 116 sitzt, empfangen. Die Nachricht kann einen Fall eines anomalen Fahrens des Fahrzeugs 118 angeben. Der als Beispiel dienende Prozess 600 kann von 602 aus bei 604 fortgesetzt werden.
Bei 604 können ein oder mehrere Prozessoren 402 einen Parameter bestimmen, der die Möglichkeit angibt, dass der Fall des anomalen Fahrens innerhalb eines vorgegebenen Zeitfensters nach dem Empfangen der Mitteilung vom Benutzer 122 aufgetreten ist. Bei einigen Implementationen können ein oder mehrere Prozessoren 402 den Parameter unter Verwendung des einen oder der mehreren Merkmalsklassifizierer 110 bestimmen. Der als Beispiel dienende Prozess 600 kann von 604 aus bei 606 fortgesetzt werden.
Bei 606 können ein oder mehrere Prozessoren 402 bestimmen, ob der Wert des Parameters größer als ein Schwellenwert ist. Falls bestimmt wird, dass der Wert des Parameters größer als der Schwellenwert ist (entsprechend dem ”JA”-Zweig der Operation 606), kann der als Beispiel dienende Prozess 600 bei 608 fortgesetzt werden. Falls bestimmt wird, dass der Wert des Parameters kleiner oder gleich dem Schwellenwert ist (entsprechend dem ”NEIN”-Zweig der Operation 606), kann der als Beispiel dienende Prozess 600 bei 610 fortgesetzt werden.
Bei 608 können ein oder mehrere Prozessoren 402 bestimmen, dass der Fall des anomalen Fahrens aufgetreten ist. Der als Beispiel dienende Prozess 600 kann von 608 aus bei 612 fortgesetzt werden.
Bei 610 können ein oder mehrere Prozessoren 402 eine Fehlermeldung erzeugen und die Meldung dem Benutzer 122 bereitstellen.
Bei 612 können ein oder mehrere Prozessoren 402 Informationen des Fahrzeugs 118 empfangen. Die Informationen des Fahrzeugs 118 können unter Verwendung eines oder mehrerer am Fahrzeug 116 installierter Sensoren (beispielsweise einer oder mehrerer Sichtvorrichtungen, Kameras, eines LIDAR-Systems oder eines RADAR-Systems) gesammelt oder erhalten werden, um dem einen oder den mehreren Prozessoren 402 geschätzte Daten von Fahrzeugen in der Umgebung, einschließlich des Fahrzeugs 120, bereitzustellen.
Bei 614 können ein oder mehrere Prozessoren 402 eine Warnmeldung auf der Grundlage der empfangenen Informationen des Fahrzeugs 118 erzeugen. Beispielsweise kann die Warnmeldung eine codierte Nummernschildnummer oder eine Beschreibung des Fahrzeugs 118 einschließen.
Bei 616 können ein oder mehrere Prozessoren 402 die Warnmeldung zum Fahrzeug 120 senden. Beispielsweise können der Benutzer 122 und der Fahrer des Fahrzeugs 120 zu einem Netz gehören, wodurch ein Austausch von Meldungen innerhalb des Netzes erleichtert wird.
Bei einigen Implementationen kann der als Beispiel dienende Prozess 600 beim Bereitstellen des einen oder der mehreren Fahrszenarios eine oder mehrere Simulationen des einen oder der mehreren Fahrszenarios durch ein Simulationssystem bereitstellen.
Bei einigen Implementationen kann der als Beispiel dienende Prozess 600 beim Empfang der eine Antwort des Benutzers auf das eine oder die mehreren Fahrszenarios angebenden Daten eine Messung eines oder mehrerer physikalischer Parameter des Benutzers als eine Antwort auf die eine oder die mehreren anomalen Fahrverhaltensweisen unter einer simulierten Bedingung empfangen.
Bei einigen Implementationen können in dem einen oder in den mehreren Klassifizierern ein oder mehrere Schablonenbewegungspläne oder eine oder mehrere Aktionen in Zusammenhang mit einem oder mehreren anomalen Fahrmerkmalen enthalten sein. Überdies können das eine oder die mehreren anomalen Fahrmerkmale einer oder mehreren Fahrverhaltensweisen zugeordnet werden, die wenigstens eines von einem Nichtanzeigen eines Abbiegens, einem Nichthalten an einem geeigneten Signal, einer Vorfahrtnahme, einem Überfahren einer durchgezogenen Fahrspurbegrenzung, einem Fahren in entgegenkommenden Verkehr oder einem Überschreiten einer Geschwindigkeitsbegrenzung einschließen.
Bei einigen Implementationen können in dem einen oder in den mehreren Klassifizierern ein oder mehrere Schablonenbewegungspläne oder eine oder mehrere Aktionen in Zusammenhang mit einem oder mehreren anomalen Fahrprofilen enthalten sein. Zusätzlich können das eine oder die mehreren anomalen Fahrprofile wenigstens eines von Schlingern, Schleudern, seitlichem Oszillieren, Abweichung von der Fahrspurmitte während eines Zeitraums, der länger als ein Schwellenzeitraum ist, Fahrspurwechsel ohne geeigneten Abstand, einer erratischen Geschwindigkeitskontrolle, einem erratischen Bremsen oder einem nicht nominellen Einfädeln in den Verkehrsfluss einschließen.
Die Artikel ”ein/eine/eines” werden hier verwendet, um sich auf eines oder mehrere (d. h. wenigstens eines) des grammatischen Objekts des Artikels zu beziehen. Beispielsweise bedeutet ”ein Benutzer” einen oder mehr als einen Benutzer. In dieser Patentschrift bedeutet ein Bezug auf ”eine einzige Ausführungsform”, ”eine Ausführungsform”, ”ein einziges Beispiel” oder ”ein Beispiel”, dass ein bestimmtes Merkmal, eine bestimmte Struktur oder eine bestimmte Charakteristik, die in Zusammenhang mit der Ausführungsform oder dem Beispiel beschrieben wird, in wenigstens einer Ausführungsform der vorliegenden Offenbarung enthalten ist. Demgemäß beziehen sich Erscheinungen der Begriffe ”gemäß einer einzigen Ausführungsform”, ”gemäß einer Ausführungsform”, ”ein einziges Beispiel” oder ”ein Beispiel” an verschiedenen Stellen in dieser Patentschrift nicht notwendigerweise alle auf dieselbe Ausführungsform oder dasselbe Beispiel. Ferner können die bestimmten Merkmale, Strukturen, Datenbanken oder Charakteristiken gemäß einer oder mehreren Ausführungsformen oder bei einem oder mehreren Beispielen in beliebigen geeigneten Kombinationen und/oder Unterkombinationen kombiniert werden. Zusätzlich ist zu verstehen, dass die hier bereitgestellten Figuren Durchschnittsfachleuten der Erklärung dienen sollen und dass die Zeichnungen nicht notwendigerweise maßstabsgerecht sind.
Ausführungsformen gemäß der vorliegenden Offenbarung können als eine Vorrichtung, ein Verfahren oder ein Computerprogrammprodukt verwirklicht werden. Demgemäß kann die vorliegende Offenbarung die Form einer ganz aus Hardware bestehenden Ausführungsform, einer ganz aus Software bestehenden Ausführungsform (einschließlich Firmware, residenter Software, Mikrocode oder dergleichen) oder einer Software- und Hardwareaspekte, die hier alle allgemein als ”Schaltung”, ”Modul” oder ”System” bezeichnet werden können, kombinierenden Ausführungsform annehmen. Ferner können Ausführungsformen der vorliegenden Offenbarung die Form eines Computerprogrammprodukts annehmen, das in einem gegenständlichen Aufnahmemedium mit in das Medium aufgenommenem, von einem Computer verwendbaren Programmcode verwirklicht ist.
Die Flussdiagramme und Blockdiagramme in den anliegenden Figuren zeigen die Architektur, Funktionalität und die Arbeitsweise möglicher Implementationen von Systemen, Verfahren und Computerprogrammprodukten gemäß verschiedenen Ausführungsformen der vorliegenden Offenbarung. In dieser Hinsicht kann jeder Block in den Flussdiagrammen oder Blockdiagrammen ein Codemodul, ein Codesegment oder einen Codeabschnitt repräsentieren, der einen oder mehrere ausführbare Befehle zur Implementation der spezifizierten Logikfunktion(en) umfasst. Es sei auch bemerkt, dass jeder Block der Blockdiagramme und/oder Flussdiagramme und Kombinationen von Blöcken in den Blockdiagrammen und/oder Flussdiagrammen durch Hardwarebasierte Systeme für spezielle Zwecke, welche die spezifizierten Funktionen oder Schritte ausführen, oder Kombinationen von Hardware für spezielle Zwecke und Computerbefehlen implementiert werden können. Diese Computerprogrammbefehle können auch in einem computerlesbaren Medium gespeichert werden, das einen Computer oder eine andere programmierbare Datenverarbeitungsvorrichtung anweisen kann, in einer bestimmten Weise zu funktionieren, so dass die im computerlesbaren Medium gespeicherten Befehle einen Herstellungsartikel erzeugen, der Befehlsmittel aufweist, welche die in dem einen oder den mehreren Blöcken des Flussdiagramms und/oder Blockdiagramms spezifizierte Funktion bzw. den darin spezifizierten Schritt implementieren.
Wenngleich die vorliegende Offenbarung in Bezug auf bestimmte Ausführungsformen beschrieben wird, werden Durchschnittsfachleuten, denen der Vorteil dieser Offenbarung gegeben ist, andere Ausführungsformen einfallen, einschließlich Ausführungsformen, die nicht alle hier dargestellten Vorteile und Merkmale, die auch innerhalb des Schutzumfangs dieser Offenbarung liegen, bereitstellen. Es ist zu verstehen, dass andere Ausführungsformen verwendet werden können, ohne vom Schutzumfang der vorliegenden Offenbarung abzuweichen.

Claims

Verfahren, welches Folgendes umfasst: Empfangen einer Meldung von einem Benutzer eines ersten Fahrzeugs durch einen oder mehrere Prozessoren, wobei die Meldung einen Fall eines anomalen Fahrens eines zweiten Fahrzeugs angibt, Feststellen, dass der Fall aufgetreten ist, durch den einen oder die mehreren Prozessoren unter Verwendung eines oder mehrerer Klassifizierer, Empfangen von Informationen über das zweite Fahrzeug durch den einen oder die mehreren Prozessoren und Erzeugen einer Warnmeldung.
Verfahren nach Anspruch 1, wobei der eine oder die mehreren Klassifizierer einen oder mehrere Klassifizierer umfassen, die entweder durch eine Simulation von Fahrszenarios oder reale Experimente oder durch beide trainiert wurden.
Verfahren nach Anspruch 1, wobei der eine oder die mehreren Klassifizierer einen oder mehrere Schablonenbewegungspläne, eine oder mehrere Aktionen in Zusammenhang mit einem oder mehreren anomalen Fahrmerkmalen, ein oder mehrere anomale Fahrprofile oder eine Kombination davon umfassen.
Verfahren nach Anspruch 3, wobei das eine oder die mehreren anomalen Fahrmerkmale Fahrverhaltensweisen zugeordnet werden, die wenigstens eines von einem Nichtanzeigen eines Abbiegens, einem Nichthalten an einem geeigneten Signal, einer Vorfahrtnahme, einem Überfahren einer durchgezogenen Fahrspurbegrenzung, einem Fahren in den entgegenkommenden Verkehr oder einem Überschreiten einer Geschwindigkeitsbegrenzung umfassen.
Verfahren nach Anspruch 3, wobei das eine oder die mehreren anomalen Fahrprofile wenigstens eines von Schlingern, Schleudern, seitlichem Oszillieren, einer Abweichung von der Fahrspurmitte während eines Zeitraums, der länger als ein Schwellenzeitraum ist, einem Fahrspurwechsel ohne geeigneten Abstand, einer erratischen Geschwindigkeitskontrolle, einem erratischen Bremsen oder einem nicht nominellen Einfädeln in den Verkehrsfluss umfassen.
Verfahren nach Anspruch 1, welches ferner Folgendes umfasst: Senden der Warnmeldung zu wenigstens einem dritten Fahrzeug, das eine benutzerdefinierte Metrik in Bezug auf das erste Fahrzeug erfüllt.
Verfahren nach Anspruch 1, welches ferner Folgendes umfasst: Empfangen einer zusätzlichen Warnmeldung, welche einen zusätzlichen Fall eines anomalen Fahrens des zweiten Fahrzeugs angibt, wobei der zusätzliche Fall vor dem Fall auftritt, Berechnen eines Risikoparameters des zweiten Fahrzeugs auf der Grundlage der zusätzlichen Warnmeldung und der Warnmeldung und Erzeugen einer Mitteilung in Bezug auf das anomale Fahren des zweiten Fahrzeugs.
Verfahren nach Anspruch 7, welches ferner Folgendes umfasst: Senden der Mitteilung zu einer Behörde.
Verfahren nach Anspruch 7, wobei die zusätzliche Warnmeldung die Informationen über das zweite Fahrzeug und eine oder mehrere Warnmeldungen in Bezug auf das zweite Fahrzeug umfasst.
Verfahren nach Anspruch 1, wobei das Feststellen, dass der Fall aufgetreten ist, unter Verwendung des einen oder der mehreren Klassifizierer Folgendes umfasst: Bestimmen eines Parameters unter Verwendung des einen oder der mehreren Klassifizierer, wobei der Parameter eine Möglichkeit angibt, dass der Fall des anomalen Fahrens innerhalb eines vorgegebenen Zeitfensters nach dem Empfang der Nachricht auftritt, und Feststellen, dass der Fall auftritt, unter der Bedingung, dass der Parameter größer als ein vorgegebener Wert ist.
Verfahren nach Anspruch 1, wobei die Warnmeldung eine codierte Nummernschildnummer des zweiten Fahrzeugs, eine Beschreibung des zweiten Fahrzeugs oder eine Kombination davon umfasst.
Verfahren, welches Folgendes umfasst: Bereitstellen eines oder mehrerer Fahrszenarios, die eine oder mehrere anomale Fahrverhaltensweisen aufweisen, durch einen oder mehrere Prozessoren zu einem Benutzer, Empfangen von Daten, die eine Antwort des Benutzers auf das eine oder die mehreren Fahrszenarios angeben, durch den einen oder die mehreren Prozessoren, Clustern der Daten zur Erzeugung eines oder mehrerer Klassifizierer durch den einen oder die mehreren Prozessoren und Senden des einen oder der mehreren Klassifizierer zu einem oder mehreren Fahrzeugen durch den einen oder die mehreren Prozessoren.
Verfahren nach Anspruch 12, wobei beim Bereitstellen des einen oder der mehreren Fahrszenarios eine oder mehrere Simulationen des einen oder der mehreren Fahrszenarios durch ein Simulationssystem bereitgestellt werden.
Verfahren nach Anspruch 12, wobei beim Empfangen der eine Antwort des Benutzers auf das eine oder die mehreren Fahrszenarios angebenden Daten eine Messung eines oder mehrerer physikalischer Parameter des Benutzers als Antwort auf die eine oder die mehreren anomalen Fahrverhaltensweisen unter einer simulierten Bedingung empfangen wird.
Verfahren nach Anspruch 12, wobei der eine oder die mehreren Klassifizierer einen oder mehrere Schablonenbewegungspläne oder eine oder mehrere Aktionen in Zusammenhang mit dem einen oder den mehreren anomalen Fahrmerkmalen umfassen und wobei das eine oder die mehreren anomalen Fahrmerkmale einer oder mehreren Fahrverhaltensweisen zugeordnet werden, die wenigstens eines von einem Nichtanzeigen eines Abbiegens, einem Nichthalten an einem geeigneten Signal, einer Vorfahrtnahme, einem Überfahren einer durchgezogenen Fahrspurbegrenzung, einem Fahren in den entgegenkommenden Verkehr oder einem Überschreiten einer Geschwindigkeitsbegrenzung umfassen.
Verfahren nach Anspruch 12, wobei der eine oder die mehreren Klassifizierer einen oder mehrere Schablonenbewegungspläne oder eine oder mehrere Aktionen in Zusammenhang mit einem oder mehreren anomalen Fahrprofilen umfassen und wobei das eine oder die mehreren anomalen Fahrprofile wenigstens eines von Schlingern, Schleudern, seitlichem Oszillieren, einer Abweichung von der Fahrspurmitte während eines Zeitraums, der länger als ein Schwellenzeitraum ist, einem Fahrspurwechsel ohne geeigneten Abstand, einer erratischen Geschwindigkeitskontrolle, einem erratischen Bremsen oder einem nicht nominellen Einfädeln in den Verkehrsfluss umfassen.
Vorrichtung, welche Folgendes umfasst: einen oder mehrere Prozessoren und einen Speicher, um mehrere Komponenten zu halten, die durch den einen oder die mehreren Prozessoren ausführbar sind, wobei die mehreren Komponenten Folgendes umfassen: ein Datensammelmodul, das dafür ausgelegt ist, Operationen auszuführen, welche Folgendes umfassen: Präsentieren eines oder mehrerer Fahrszenarios, die eine oder mehrere anomale Fahrverhaltensweisen aufweisen, für einen Benutzer und Empfangen einer oder mehrerer Antworten auf das eine oder die mehreren Fahrszenarios vom Benutzer, ein Clusterbildungsmodul, das dafür ausgelegt ist, Daten in Zusammenhang mit der einen oder den mehreren Antworten zu clustern, um einen oder mehrere Klassifizierer zu erzeugen, und ein Übertragungsmodul, das dafür ausgelegt ist, den einen oder die mehreren Klassifizierer zu einem Fahrzeug zu senden.
Vorrichtung nach Anspruch 17, wobei das Präsentieren des einen oder der mehreren Fahrszenarios, welche die eine oder die mehreren anomalen Fahrverhaltensweisen aufweisen, für den Benutzer Folgendes umfasst: Simulieren des einen oder der mehreren Fahrszenarios, welche die eine oder die mehreren anomalen Fahrverhaltensweisen aufweisen, unter Verwendung eines Simulationssystems, das durch den Benutzer ausgelöst wird, und Überwachen der einen oder der mehreren Antworten des Benutzers.
Vorrichtung nach Anspruch 18, wobei die eine oder die mehreren Antworten Folgendes umfassen: ein oder mehrere Signale, die jeweils eine anomale Fahrverhaltensweise angeben, die vom Benutzer ansprechend auf eine simulierte Bedingung des einen oder der mehreren Fahrszenarios bestimmt wird, und ein oder mehrere zusätzliche Signale in Zusammenhang mit einem oder mehreren physikalischen Parametern des Benutzers.
Vorrichtung nach Anspruch 17, wobei das Präsentieren des einen oder der mehreren Fahrszenarios, welche die eine oder die mehreren anomalen Fahrverhaltensweisen aufweisen, für den Benutzer Folgendes umfasst: Überwachen der einen oder der mehreren Antworten des Benutzers in einem oder mehreren realen Experimenten und Sammeln von Echtzeitdaten, die Zustandsschätzungen umfassen, die durch einen oder mehrere Sensoren des Fahrzeugs und innerhalb eines vorgegebenen Zeitfensters nach dem Empfangen der einen oder der mehreren Antworten vom Benutzer erzeugt werden, wobei die eine oder die mehreren Antworten ein oder mehrere Signale umfassen, die jeweils eine anomale Fahrverhaltensweise angeben, die vom Benutzer ansprechend auf eine Bedingung des einen oder der mehreren Fahrszenarios bestimmt wird.