DE112019004143T5 - Informationsverarbeitungsvorrichtung, informationsverarbeitungssystem, informationsverarbeitungsverfahren und programm - Google Patents

Abstract

Die vorliegende Erfindung setzt die Auslegung um, dass Endgeräterfassungsinformationen eines mobilen Endgeräts in einem Fahrzeug in ein Lernmodell eingegeben werden, um ein Fahrverhalten eines Fahrers zu schätzen, und eine Punktzahlberechnung basierend auf einem Ergebnis der Schätzung, ein Benachrichtigungsprozess und dergleichen durchgeführt werden. Endgeräterfassungsinformationen wie beispielsweise Beschleunigungsinformationen, die durch ein mobiles Endgerät in einem Fahrzeug erfasst werden, werden eingegeben, und ein Fahrverhaltensschätzungsprozess eines Fahrers des Fahrzeugs wird durchgeführt. Durch Anwenden eines Lernmodells auf der Basis der Endgeräterfassungsinformationen wird ein Fahrverhaltensschätzungswert des Fahrers und eine Schätzungszuverlässigkeit als eine Zuverlässigkeit davon berechnet. Ferner werden Berechnungsprozesse für eine Gefahrengradpunktzahl als ein Index, der einen Fahrgefahrengrad des Fahrers darstellt, eine Zuverlässigkeitspunktzahl als ein Indexwert einer globalen Schätzungszuverlässigkeit des Fahrverhaltensschätzungswerts, eine globale Punktzahl, die ein Fahrdiagnoseergebnis des Fahrers darstellt, und dergleichen durchgeführt. Für einen Benutzer des mobilen

Description

• [Technisches Gebiet]
• Die vorliegende Offenbarung betrifft eine Informationsverarbeitungseinrichtung, ein Informationsverarbeitungssystem, ein Informationsverarbeitungsverfahren und ein Programm. Genauer gesagt, betrifft die vorliegende Offenbarung eine Informationsverarbeitungseinrichtung, ein Informationsverarbeitungssystem, ein Informationsverarbeitungsverfahren und ein Programm, die ein Fahrverhalten unter Verwenden von Informationen, die durch ein durch einen Fahrer oder einen Insassen eines Fahrzeugs getragenes mobiles Endgerät erfasst werden, analysieren.
• [Bisheriger Stand der Technik]
• Maschinelle Lernalgorithmen haben in den letzten Jahren in einer breiten Vielfalt von Gebieten Anwendung gefunden. Ein Beispiel davon ist ein System, das maschinelles Lernen zum Bewerten eines Fahrverhaltens eines Kraftfahrzeugfahrers verwendet.
• PTL 1 ( japanisches Patent Nr. 6264492 ) offenbart ein System, das einen Grad einer Konzentration eines Fahrers auf das Fahren auf der Basis eines von dem Gesicht des Fahrers aufgenommenen Bilds bewertet.
• Bei vielen herkömmlichen Fahrverhaltensbewertungssystemen ist es jedoch üblich, das Verhalten des Fahrers unter Verwenden von Bildaufnahmeinformationen einer Kamera, Fahrzeuglenkradmanöverinformationen, Beschleunigungs- oder Bremsmanöverinformationen und dergleichen zu bewerten.
• Ein solches Bewertungsverarbeitungssystem ist eine in ein Fahrzeug integrierte Einrichtung, und in dem Fall, dass das Fahrzeug nicht mit solch einem System ausgestattet ist, kann man das System nicht nutzen.
• [Liste zitierter Dokumente]
• [Patentliteratur]
• [PTL 1]
  Japanisches Patent Nr. 6264492
• [Kurzdarstellung]
• [Technisches Problem]
• Die vorliegende Offenbarung wurde zum Beispiel im Hinblick auf das Vorhergehende erarbeitet, und es ist eine Aufgabe der vorliegenden Offenbarung, eine Informationsverarbeitungseinrichtung, ein Informationsverarbeitungssystem, ein Informationsverarbeitungsverfahren und ein Programm bereitzustellen, die in der Lage sind, ein Fahrverhalten auf der Basis von Informationen zu analysieren und zu bewerten, die durch mobiles Endgerät wie beispielsweise ein durch einen Fahrer oder Insassen des Fahrzeugs gehaltenes Smartphone erfasst werden.
• [Lösung des Problems]
• Ein erster Aspekt der vorliegenden Offenbarung ist eine Informationsverarbeitungseinrichtung, die einen Datenverarbeitungsabschnitt umfasst, der ausgestaltet ist, eine Eingabe von endgeräterfassten Informationen zu empfangen, die Informationen sind, die durch ein mobiles Endgerät in einem Fahrzeug erfasst wurden, und einen Prozess eines Schätzens eines Fahrverhaltens eines Fahrers des Fahrzeugs durchzuführen. Der Datenverarbeitungsabschnitt berechnet eine Fahrverhaltensschätzung des Fahrers auf der Basis der endgeräterfassten Informationen durch Anwenden eines vorab generierten Lernmodells.
• Ferner ist ein zweiter Aspekt der vorliegenden Offenbarung ein Informationsverarbeitungssystem, das einen Managementserver und ein mobiles Endgerät umfasst. Das mobile Endgerät umfasst ein in einem Fahrzeug bereitgestelltes mobiles Endgerät, und endgeräterfasste Informationen, die durch das mobile Endgerät erfasst wurden, werden an den Managementserver übertragen. Der Managementserver gibt die endgeräterfassten Informationen, die von dem mobilen Endgerät empfangen wurden, in ein Lernmodell ein, um eine Fahrverhaltensschätzung eines Fahrers des Fahrzeugs auszugeben.
• Ferner ist ein dritter Aspekt der vorliegenden Offenbarung ein Informationsverarbeitungsverfahren, das in einer Informationsverarbeitungseinrichtung durchgeführt wird. Die Informationsverarbeitungseinrichtung umfasst einen Datenverarbeitungsabschnitt, der ausgestaltet ist, eine Eingabe von endgeräterfassten Informationen zu empfangen, die Informationen sind, die durch ein mobiles Endgerät in einem Fahrzeug erfasst wurden, und einen Prozess eines Schätzens eines Fahrverhaltens eines Fahrers des Fahrzeugs durchzuführen. Der Datenverarbeitungsabschnitt berechnet eine Fahrverhaltensschätzung des Fahrers auf der Basis der endgeräterfassten Informationen durch Anwenden eines vorab generierten Lernmodells.
• Ferner ist ein vierter Aspekt der vorliegenden Offenbarung ein Informationsverarbeitungsverfahren, das in einem Informationsverarbeitungssystem mit einem Managementserver und einem mobilen Endgerät durchgeführt wird. Das mobile Endgerät umfasst ein in einem Fahrzeug bereitgestelltes mobiles Endgerät, und endgeräterfasste Informationen, die durch das mobile Endgerät erfasst wurden, werden an den Managementserver übertragen. Der Managementserver gibt die endgeräterfassten Informationen, die von dem mobilen Endgerät empfangen wurden, in ein Lernmodell ein, um eine Fahrverhaltensschätzung eines Fahrers des Fahrzeugs auszugeben.
• Ferner ist ein fünfter Aspekt der vorliegenden Offenbarung ein Programm, das veranlasst, dass eine Informationsverarbeitung in einer Informationsverarbeitungseinrichtung durchgeführt wird. Die Informationsverarbeitungseinrichtung umfasst einen Datenverarbeitungsabschnitt, der ausgestaltet ist, eine Eingabe von endgeräterfassten Informationen zu empfangen, die Informationen sind, die durch ein mobiles Endgerät in einem Fahrzeug erfasst wurden, und einen Prozess eines Schätzens eines Fahrverhaltens eines Fahrers des Fahrzeugs durchzuführen. Das Programm veranlasst den Datenverarbeitungsabschnitt, eine Fahrverhaltensschätzung des Fahrers auf der Basis der endgeräterfassten Informationen durch Anwenden eines vorab generierten Lernmodells zu berechnen.
• Es ist anzumerken, dass das Programm der vorliegenden Offenbarung zum Beispiel ein Programm ist, das durch ein Speichermedium oder ein Kommunikationsmedium bereitgestellt werden kann, das das Programm in einer computerlesbaren Weise zu einer Informationsverarbeitungseinrichtung oder einem Computersystem bereitstellt, die bzw. das in der Lage ist, verschiedene Codes auszuführen. Die Bereitstellung eines solchen Programms in einer computerlesbaren Form ermöglicht der Informationsverarbeitungseinrichtung oder dem Computersystem, eine Verarbeitung gemäß dem Programm umzusetzen.
• Weitere andere Aufgaben, Merkmale und Vorteile der vorliegenden Offenbarung werden aus der ausführlichen Beschreibung, die später auf der Basis einer Ausführungsform erfolgt, und beigefügten Zeichnungen der vorliegenden Offenbarung ersichtlich. Es ist anzumerken, dass der Begriff „System“ in der vorliegenden Spezifikation eine Auslegung aufweist, die einen logischen Satz einer Mehrzahl von Einrichtungen umfasst, und dass die Einrichtungen, die jeweils als eine Komponente dienen, nicht notwendigerweise in demselben Gehäuse untergebracht sein müssen.
• [Vorteilhafter Effekt der Erfindung]
• Gemäß einer Auslegung einer Ausführungsform der vorliegenden Offenbarung ist eine Auslegung umgesetzt, die endgeräterfasste Informationen eines mobilen Endgeräts in einem Fahrzeug in ein Lernmodell eingibt, ein Fahrverhalten eines Fahrers schätzt und Prozesse durchführt, wie beispielsweise Berechnen einer Punktzahl auf der Basis des Schätzungsergebnisses und Ausgeben einer Benachrichtigung.
• Insbesondere werden zum Beispiel endgeräterfasste Informationen wie beispielsweise Beschleunigungsinformationen, die durch ein mobiles Endgerät in einem Fahrzeug erfasst werden, eingegeben, und ein Prozess eines Schätzens eines Fahrverhaltens eines Fahrers des Fahrzeugs wird durchgeführt. Eine Fahrverhaltensschätzung des Fahrers und eine Schätzungszuverlässigkeit der Fahrverhaltensschätzung werden auf der Basis der endgeräterfassten Informationen durch Anwenden eines Lernmodells berechnet. Ferner werden Prozesse eines Berechnens einer Risikopunktzahl, die ein Index ist, der einen Grad eines Fahrrisikos des Fahrers darstellt, eine Zuverlässigkeitspunktzahl, die ein Indexwert einer Gesamtschätzungszuverlässigkeit der Fahrverhaltensschätzung ist, eine Gesamtpunktzahl, die ein Fahrdiagnoseergebnis des Fahrers darstellt, und dergleichen durchgeführt, und ein Benachrichtigungsprozess eines Ausgebens einer Benachrichtigung an einen Benutzer eines mobilen Endgeräts auf der Basis der Punktzahlen und dergleichen wird durchgeführt.
• Die vorliegende Auslegung setzt eine Auslegung um, die endgeräterfasste Informationen eines mobilen Endgeräts in einem Fahrzeug in ein Lernmodell eingibt, ein Fahrverhalten eines Fahrers schätzt und Prozesse durchführt, wie beispielsweise Berechnen einer Punktzahl auf der Basis des Schätzungsergebnisses und Ausgeben einer Benachrichtigung.
• Es ist anzumerken, dass in der vorliegenden Spezifikation beschriebene vorteilhafte Effekte rein beispielhaft und nicht einschränkend sind, und dass es zusätzliche vorteilhafte Effekte geben kann.
• Figurenliste
• [1] 1 ist ein Diagramm, das Prozesse der vorliegenden Offenbarung umreißt.
• [2] 2 ist ein Diagramm, das ein Beispiel von Informationen beschreibt, die durch ein mobiles Endgerät erfasst werden.
• [3] 3 ist ein Diagramm, das einen Lernmodellgenerierungsprozess durch einen Managementserver beschreibt.
• [4] 4 ist ein Diagramm, das ein Beispiel von Überwachungsinformationen beschreibt.
• [5] 5 ist ein Diagramm, das den Lernmodellgenerierungsprozess beschreibt, der durch einen Lernprozessabschnitt des Managementservers durchgeführt wird, und ist ein Diagramm, das ein Beispiel von Fahrverhaltensdaten beschreibt.
• [6] 6 ist ein Diagramm, das ein Datenbeispiel von Lerndaten beschreibt.
• [7] 7 ist ein Diagramm, das ein Beispiel eines Fahrverhaltensschätzungsprozesses beschreibt, der durch den Managementserver unter Verwenden eines Lernmodells durchgeführt wird.
• [8] 8 ist ein Diagramm, das ein Ablaufdiagramm darstellt, das eine Verarbeitungssequenz des Fahrverhaltensschätzungsprozesses beschreibt, der durch den Managementserver unter Verwenden des Lernmodells durchgeführt wird.
• [9] 9 ist ein Diagramm, das ein spezifisches Beispiel eines Schätzungszuverlässigkeitsberechnungsprozesses beschreibt.
• [10] 10 ist ein Diagramm, das eine Fahrverhaltensschätzungsanwendung beschreibt, die in dem mobilen Endgerät gespeichert ist.
• [11] 11 ist ein Diagramm, das Hauptfunktionen der Fahrverhaltensschätzungsanwendung beschreibt.
• [12] 12 ist ein Diagramm, das ein Ablaufdiagramm darstellt, das eine Verarbeitungssequenz des Fahrverhaltensschätzungsprozesses beschreibt, der durch das mobile Endgerät und den Managementserver unter Verwenden des Lernmodells durchgeführt wird.
• [13] 13 ist ein Diagramm, das ein Ablaufdiagramm darstellt, das eine Verarbeitungssequenz eines Punktzahlberechnungsprozesses unter Verwenden eines Fahrverhaltensschätzungsergebnisses beschreibt.
• [14] 14 ist ein Diagramm, das gespeicherte Daten in einer Fahrverhaltensanalyseergebnis-DB (Datenbank) beschreibt, die durch den Managementserver generiert wird.
• [15] 15 ist ein Diagramm, das gespeicherte Daten in der Fahrverhaltensanalyseergebnis-DB (Datenbank) beschreibt, die durch den Managementserver generiert wird.
• [16] 16 ist ein Diagramm, das Punktzahlanalysedaten nach Kategorien beschreibt.
• [17] 17 ist ein Diagramm, das ein Ablaufdiagramm darstellt, das eine Verarbeitungssequenz eines Straßenzoneneinstellungsprozesses auf der Basis der Punktzahlanalysedaten nach Kategorien beschreibt.
• [18] 18 ist ein Diagramm, das ein Ablaufdiagramm darstellt, das eine Verarbeitungssequenz vor einem Reisebeginn unter Verwenden der durch das mobile Endgerät ausgeführten Fahrverhaltensschätzungsanwendung beschreibt.
• [19] 19 ist ein Diagramm, das ein Beispiel eines Anzeigebildschirms auf dem mobilen Endgerät darstellt.
• [20] 20 ist ein Diagramm, das ein Beispiel eines Anzeigebildschirms auf dem mobilen Endgerät darstellt.
• [21] 21 ist ein Diagramm, das ein Ablaufdiagramm darstellt, das eine Verarbeitungssequenz während einer Reise unter Verwenden der durch das mobile Endgerät ausgeführten Fahrverhaltensschätzungsanwendung beschreibt.
• [22] 22 ist ein Diagramm, das ein Beispiel eines Anzeigebildschirms des mobilen Endgeräts darstellt.
• [23] 23 ist ein Diagramm, das ein Beispiel eines Anzeigebildschirms des mobilen Endgeräts darstellt.
• [24] 24 ist ein Diagramm, das ein Beispiel eines Anzeigebildschirms des mobilen Endgeräts darstellt.
• [25] 25 ist ein Diagramm, das ein Ablaufdiagramm darstellt, das eine Verarbeitungssequenz nach einer Reise unter Verwenden der durch das mobile Endgerät ausgeführten Fahrverhaltensschätzungsanwendung beschreibt.
• [26] 26 ist ein Diagramm, das Beispiele eines Anzeigebildschirms des mobilen Endgeräts darstellt.
• [27] 27 ist ein Diagramm, das Beispiele eines Anzeigebildschirms des mobilen Endgeräts darstellt.
• [28] 28 ist ein Diagramm, das ein Ablaufdiagramm darstellt, das eine Verarbeitungssequenz nach einer Reise unter Verwenden der durch das mobile Endgerät ausgeführten Fahrverhaltensschätzungsanwendung beschreibt.
• [29] 29 ist ein Diagramm, das ein Beispiel eines Anzeigebildschirms des mobilen Endgeräts darstellt.
• [30] 30 ist ein Diagramm, das ein Hardwareauslegungsbeispiel einer Informationsverarbeitungseinrichtung darstellt, die als ein mobiles Endgerät oder ein Managementserver anwendbar ist.
• [Beschreibung einer Ausführungsform]
• Eine ausführliche Beschreibung einer Informationsverarbeitungseinrichtung, eines Informationsverarbeitungssystems, eines Informationsverarbeitungsverfahrens und eines Programms der vorliegenden Offenbarung erfolgt untenstehend unter Bezugnahme auf die Zeichnungen. Es ist anzumerken, dass die Beschreibung hinsichtlich der folgenden Punkte erfolgt.
1. 1. Übersicht über die Prozesse der vorliegenden Offenbarung
2. 2. Lernmodellgenerierungsprozess zum Schätzen eines Fahrverhaltens aus endgeräterfassten Informationen
3. 3. Fahrverhaltensschätzungsprozess unter Verwenden eines Lernmodells
4. 4. Prozesse unter Verwenden einer Fahrverhaltensschätzungsanwendung des mobilen Endgeräts
5. 5. Prozesse unter Verwenden der Fahrverhaltensschätzungsanwendung nach Erstellen einer Fahrverhaltensanalyse-DB
   • 5-(1) Prozess vor Reisebeginn unter Verwenden der Fahrverhaltensschätzungsanwendung
   • 5-(2) Prozess während einer Reise unter Verwenden der Fahrverhaltensschätzungsanwendung
   • 5-(3) Prozess nach einer Reise unter Verwenden der Fahrverhaltensschätzungsanwendung
6. 6. Auslegungsbeispiel der Informationsverarbeitungseinrichtung
7. 7. Zusammenfassung der Auslegung der vorliegenden Offenbarung
• [Übersicht über die Prozesse der vorliegenden Offenbarung]
• Die vorliegende Offenbarung ermöglicht zum Beispiel eine Analyse und Bewertung eines Fahrverhaltens auf der Basis von Informationen, die durch ein mobiles Endgerät wie beispielsweise ein durch einen Fahrer oder einen Insassen eines Fahrzeugs getragenes Smartphone erfasst wurden.
• Die Prozesse der vorliegenden Offenbarung werden mit Bezug auf 1 umrissen.
• 1 stellt ein Fahrzeug 10 dar. Das Fahrzeug 10 wird durch einen Fahrer 11 gefahren.
• Der Fahrer 11 oder ein Insasse, nicht dargestellt, trägt ein mobiles Endgerät wie beispielsweise ein Smartphone, das ein in 1 gezeigtes mobiles Endgerät 20 ist.
• Das Fahrzeug 10 weist eine ECU (Electrical Control Unit - elektronische Steuereinheit) auf, die eine Steuereinheit zum Durchführen von Prozessen ist, wie beispielsweise Steuern des Fahrzeugs 10 und Erfassen von Betriebsinformationen. Die ECU weist eine OBD (On-Board Diagnostics - Onboard-Diagnose) als eine Komponente davon auf. Die OBD ist eine Funktion der ECU und ist ein Programm, das hauptsächlich eine Diagnosefunktion des Fahrzeugs 10 bereitstellt.
• Die in der ECU des Fahrzeugs 10 bereitgestellte OBD überträgt Informationen in Bezug auf das Fahrzeug 10, wie beispielsweise Fahrzeuggeschwindigkeit und Beschleunigungsinformationen, an einen Managementserver 30 über ein Netzwerk nacheinander.
• Das durch den Fahrer 11 oder den Insassen getragene mobile Endgerät 20 kann nicht nur mit dem Managementserver 30, sondern auch einer Mehrzahl von Informationsbereitstellungsservern 41, 42 und so weiter und Dienstbereitstellungsservern 43, 44 und so weiter über ein Netzwerk kommunizieren.
• Die Informationsbereitstellungsserver 41, 42 und so weiter umfassen einen Verkehrsinformationsbereitstellungsserver, einen Wetterinformationsbereitstellungsserver und dergleichen, die eine Vielzahl von Informationen bereitstellen. Die Dienstbereitstellungsserver 43, 44 und so weiter umfassen einen Server eines Versicherungsunternehmens, einen Server für Warenverkäufe und dergleichen, die eine Vielzahl von Dienstleistungen bereitstellen.
• Das mobile Endgerät 20 weist eine vorab darin installierte Informationserfassungsanwendung 21 auf. Die Informationserfassungsanwendung 21 erfasst eine Vielzahl von Informationen, die verwendet werden können, um ein Fahrverhalten des Fahrers 11 zu analysieren oder zu bewerten. Durch das mobile Endgerät 20 erfasste Informationen umfassen zum Beispiel die folgenden Informationen.
1. (1) von einem Beschleunigungssensor oder einem GPS erfasste Informationen, der bzw. das in das mobile Endgerät selbst integriert ist
2. (2) über die Informationsbereitstellungsserver 41 und 42 erfasste Informationen (z. B. Verkehrsinformationen)
• Das mobile Endgerät 20 kann diese verschiedenen Teile von Informationen erfassen.
• 2 stellt ein Beispiel von Informationen dar, die durch das mobile Endgerät 20 erfasst werden. Wie in 2 dargestellt, erfasst das mobile Endgerät 20 zum Beispiel die folgenden Informationen.
• (a1) Beschleunigungsinformationen
• (a2) Drehzahlinformationen
• (a3) GPS-Informationen (z. B. Längengrad, Breitengrad und Geschwindigkeitsinformationen)
• (a4) Atmosphärendruckinformationen
• (a5) Richtungswinkelinformationen (Reiserichtung (z. B. Ost, West, Süd und Nord))
• (a6) Endgerätbetriebsinformationen (a7) Verkehrsinformationen
• (a1) Beschleunigungsinformationen werden zum Beispiel von einem Beschleunigungssensor des mobilen Endgeräts 20 selbst erfasst.
• (a2) Drehzahlinformationen werden zum Beispiel von einem Gyrosensor des mobilen Endgeräts 20 selbst erfasst.
• (a3) GPS-Informationen (z. B. Längengrad, Breitengrad und Geschwindigkeitsinformationen) wird zum Beispiel von einem GPS-Sensor des mobilen Endgeräts 20 selbst erfasst.
• (a4) Atmosphärendruckinformationen werden zum Beispiel von einem Atmosphärendrucksensor des mobilen Endgeräts 20 selbst erfasst.
• (a5) Richtungswinkelinformationen (Reiserichtung (z. B. Ost, West, Süd und Nord)) werden zum Beispiel von einem geomagnetischen Sensor des mobilen Endgeräts 20 selbst erfasst.
• (a6) Endgerätbetriebsinformationen werden zum Beispiel von einem Betriebsinformationsdetektionssensor des mobilen Endgeräts 20 selbst erfasst.
• (a7) Verkehrsinformationen werden zum Beispiel von einem externen Verkehrsinformationsbereitstellungsserver (Informationsbereitstellungsserver) erfasst.
• Wie oben beschrieben kann das mobile Endgerät 20 eine Vielzahl von Informationen von seinen eigenen Sensoren und externen Sensoren erfassen.
• Die erfassten Teile von Informationen werden von dem mobilen Endgerät 20 an den Managementserver 30 nacheinander übertragen.
• [Lernmodellgenerierungsprozess zum Schätzen eines Fahrverhaltens aus endgeräterfassten Informationen]
• Die vorliegende Offenbarung ermöglicht eine Analyse und Bewertung eines Fahrverhaltens des das Fahrzeug 10 fahrenden Fahrers 11 auf der Basis von durch das mobile Endgerät 20 erfassten Informationen.
• Um diesen Prozess zu ermöglichen, ist es erforderlich, zunächst ein Lernmodell zu generieren.
• Ein Lernmodellgenerierungsprozess ist unter Bezugnahme auf 3 und nachfolgende Figuren beschrieben.
• Der Lernmodellgenerierungsprozess wird durch den Managementserver 30 durchgeführt.
  3 ist ein Diagramm, das einen Generierungsprozess eines Lernmodells 81 durch den Managementserver 30 beschreibt.
• Das bedeutet, 3 ist ein Diagramm, das einen Prozess eines Generierens des Lernmodells 81 beschreibt, das angewendet wird, um das Fahrverhalten des das Fahrzeug 10 fahrenden Fahrers 11 auf der Basis von durch das mobile Endgerät 20 erfassten Informationen zu analysieren und zu bewerten.
• Wie in 3 dargestellt, erfasst ein Lernprozessabschnitt 80 des Managementservers 30 endgeräterfasste Informationen 50 von dem mobilen Endgerät 20.
• Ferner erfasst der Lernprozessabschnitt 80 des Managementservers 30 Überwachungsinformationen 60, die die in der ECU des Fahrzeugs 10 bereitgestellte OBD und andere Eingabeinformationen umfassen.
• Die folgenden zwei Arten von Informationen sind für den Lernprozess angewendete Lerndaten, der durch den Lernprozessabschnitt 80 des Managementservers 30 durchgeführt wird.
1. (a) endgeräterfasste Informationen 50 von dem mobilen Endgerät 20
2. (b) Überwachungsinformationen 60 einschließlich der in der ECU des Fahrzeugs 10 bereitgestellten OBD und anderer Eingabeinformationen
• Das Lernmodell 81 wird durch den Lernprozess mithilfe dieser Teile von Lerndaten generiert.
• Die endgeräterfassten Informationen 50, die von dem mobilen Endgerät 20 erfasst werden, sind zum Beispiel eine Vielzahl von Teilen von Informationen, nämlich (a1) bis (a7), wie zuvor unter Bezugnahme auf 2 beschrieben. Währenddessen erfolgt eine Beschreibung der Überwachungsinformationen 60, die die in der ECU des Fahrzeugs 10 bereitgestellte OBD und andere Eingabeinformationen umfassen, unter Bezugnahme auf 4.
• 4 stellt ein Beispiel von Überwachungsinformationen 60 dar. Wie in 4 dargestellt, umfassen die Überwachungsinformationen 60 zum Beispiel die folgenden Informationen.
• (b1) Informationen über die Längsbeschleunigung des Fahrzeugs
• (b2) Informationen über die Querbeschleunigung des Fahrzeugs
• (b3) Endgerätbetriebsinformationen
• Es ist anzumerken, dass diese Teile von Überwachungsinformationen tatsächliche Überwachungsinformationen des Fahrverhaltens des Fahrers 11 sind und tatsächlichen Fahrverhaltensinformationen entsprechen.
• (b1) Die Informationen über die Längsbeschleunigung des Fahrzeugs sind tatsächliche Informationen über die Längsbeschleunigung des Fahrzeugs 10, die von der in der ECU des Fahrzeugs 10 bereitgestellten OBD erfasst werden.
• (b2) Die Informationen über die Querbeschleunigung des Fahrzeugs sind tatsächliche Informationen über die Querbeschleunigung des Fahrzeugs 10, die von der in der ECU des Fahrzeugs 10 bereitgestellten OBD erfasst werden.
• (b3) Die Endgerätbetriebsinformationen sind zum Beispiel von einem durch einen anderen Insassen als den Fahrer des Fahrzeugs 10 getragenen Endgerät eingegebene Informationen und sind tatsächliche Überwachungsinformationen, die darstellen, ob der Fahrer das mobile Endgerät 20 betreibt oder nicht.
• Es ist anzumerken, dass diese Teile von Informationen in dem Fall erfasst und an den Managementserver 30 übertragen werden, dass der Prozess eines Generierens des Lernmodells 81 durchgeführt wird.
• Nach der Generierung des Lernmodells 81 ist der Prozess eines Erfassens dieser Teile von Überwachungsinformationen nicht mehr erforderlich.
• Nach der Generierung des Lernmodells 81 ist es möglich, einen Prozess eines Schätzens des Fahrverhaltens des Fahrers 11 aus durch das mobile Endgerät 20 erfassten Informationen durch Anwenden des generierten Lernmodells 81 durchzuführen.
• Es ist anzumerken, dass in dem Fall, dass der Lernprozessabschnitt 80 des Managementservers 30 das Lernmodell 81 aktualisiert, der Lernprozessabschnitt 80 das Lernmodell 81 durch Erfassen der neuen endgeräterfassten Informationen 50 und Überwachungsinformationen 60 und Durchführen des Lernprozesses unter Verwenden dieser Teile von Informationen als neue Lerndaten aktualisieren kann.
• Eine Beschreibung eines spezifischen Beispiels des Prozesses eines Generierens des Lernmodells 81, d. h. eines Lernprozesses, der durch den Lernprozessabschnitt 80 des Managementservers 30 durchgeführt wird, erfolgt unter Bezugnahme auf 5. 5 stellt den Lernprozessabschnitt 80 des Managementservers 30 und das als ein Ergebnis des durch den Lernprozessabschnitt 80 durchgeführten Lernprozesses generierte Lernmodell 81 dar. Zunächst erhebt der Lernprozessabschnitt 80 des Managementservers 30 für den Lernprozess anzuwendende Lerndaten 70. Die erhobenen Lerndaten 70 umfassen die folgenden Daten.
1. (A) endgeräterfasste Informationen
2. (B) Überwachungsinformationen (= Fahrverhaltensinformationen)
• Die (A) endgeräterfassten Informationen sind die endgeräterfassten Informationen 50, die durch das in 3 dargestellte mobile Endgerät 20 erfasst werden, und sind zum Beispiel eine Vielzahl von Teilen von Informationen, nämlich (a1) bis (a7), wie zuvor unter Bezugnahme auf 2 beschrieben.
• Währenddessen sind die (B) Überwachungsinformationen die Überwachungsinformationen 60, die die in der ECU des in 3 dargestellten Fahrzeugs 10 bereitgestellte OBD und andere Eingabeinformationen umfassen und zum Beispiel eine Vielzahl von Teilen von Überwachungsinformationen (= Fahrverhaltensinformationen) sind, nämlich (b1) bis (b3), wie zuvor unter Bezugnahme auf 4 beschrieben.
• Es ist anzumerken, dass jedes dieser Teile von Informationen chronologische Daten sind und als Daten entsprechend einer Zeitachse erfasst werden.
• Der Lernprozessabschnitt 80 des Managementservers 30 führt den Lernprozess auf der Basis dieser Teile von Lerndaten 70 durch. Das bedeutet, der Lernprozessabschnitt 80 wird veranlasst, einen maschinellen Lernalgorithmus unter Verwenden der erhobenen Lerndaten 70 einzulernen. Eine optimale Wahl als ein maschineller Lernalgorithmus ist ein Algorithmus, mit dem eine Zuverlässigkeit (Schätzungszuverlässigkeit) eines Schätzungsergebnisses unter Verwenden eines Lernmodells berechnet werden kann, wie beispielsweise ein Gaußprozess oder ein Bayessches neuronales Netzwerk.
• Die Schätzungszuverlässigkeit ist ein Index, der das Maß darstellt, zu dem ein Schätzungsergebnis korrekt ist. Zum Beispiel ist, je höher die Übereinstimmung zwischen einem in Lerndaten bei maschinellem Lernen enthaltenen Muster und einem Verhaltensmuster zu der Zeit der Schätzung ist, desto höher die Zuverlässigkeit.
• Es ist anzumerken, dass zum Beispiel ein Wert im Bereich von 1 bis 0 als Schätzungszuverlässigkeit verwendet wird. Die höchste Schätzungszuverlässigkeit ist 1 und die niedrigste Schätzungszuverlässigkeit ist 0.
• Es ist anzumerken, dass in der vorliegenden Ausführungsform die Schätzungszuverlässigkeit eine Schätzungszuverlässigkeit einer Verhaltensschätzung eines Fahrers ist, die durch Anwenden eines Lernmodells auf der Basis von endgeräterfassten Informationen vorgenommen wird.
• Um die Schätzungszuverlässigkeit zu erhöhen, ist es zielführend, den Lernprozess unter Verwenden einer größeren Menge an Lerndaten durchzuführen.
• 5 stellt ein Beispiel eines Generierens eines (maschinellen) Lernmodells unter Verwenden eines neuronalen Gauß-Netzwerks als ein Beispiel eines durch den Lernprozessabschnitt 80 durchgeführten Lernprozesses dar. Eine Vielzahl von Möglichkeiten stehen bei der Konzipierung eines Lernmodells zur Verfügung. Zum Beispiel ist eine Technik bereitgestellt, die alle Arten von endgeräterfassten Informationen (z. B. (a1) bis (a7), wie in 2 dargestellt) in ein einziges Modell eingibt, um alle Fahrverhaltensinformationen (z. B. (b1) bis (b3), wie in 4 dargestellt) als Schätzungsdaten gleichzeitig zu schätzen.
• Ferner wählt zum Beispiel in dem Fall, dass als ein Ergebnis einer Analyse erkannt wurde, dass spezifische endgeräterfasste Informationen und spezifische Fahrverhaltensinformationen in hohem Maße korrelieren, und in dem Fall, dass ein spezifisches Fahrverhalten geschätzt wird, eine Technik vorzugsweise endgeräterfasste Informationen, die mit diesem Verhalten in hohem Maße korrelieren, zur Schätzung aus.
• In der vorliegenden Ausführungsform erfolgt eine Beschreibung eines Beispiels eines Generierens, als ein Beispiel eines Lernmodells, eines Lernmodells, das in der Lage ist, ein oder mehrere Teile von Fahrverhaltensinformationen als Ausgabeinformationen durch gleichzeitiges Eingeben einer Mehrzahl von Teilen von Informationen, die aus endgeräterfassten Informationen ausgewählt wurden, zu dem Lernprozessabschnitt 80 auszugeben.
• Eine Lernprozesssequenz wird kurz beschrieben.
• (S1) Konzipieren eines maschinellen Lernmodells
• Zunächst wird ein für den Lernprozess zu verwendendes (maschinelles) Lernmodell als ein Prozess in Schritt S1 konzipiert.
• Verschiedene Parameter des maschinellen Lernmodells werden auf der Basis eines vorbestimmten theoretischen Modells (z. B. Gaußprozess oder Bayessches neuronales Netzwerk) konzipiert, um auf entsprechende Eingangs- und Ausgangssignale ausgelegt zu sein. Beispiele von Parametern umfassen eine Mittelwertfunktion oder eine Kovarianzfunktion in dem Fall des Gaußprozesses und die Anzahl von Netzwerkschichten oder eine Aktivierungsfunktion in dem Fall des Bayesschen neuronalen Netzwerks.
• (S2) Lernprozess, auf den das maschinelle Lernmodell angewendet wird
• Als nächstes wird in Schritt S2 ein Lernprozess durchgeführt, auf den das maschinelle Lernmodell angewendet wird. In diesem Lernprozess werden die obigen Lerndaten 70 verwendet. Die folgenden Lerndaten 70 werden erhoben.
1. (A) endgeräterfasste Informationen
2. (B) Überwachungsinformationen
• (Fahrverhaltensinformationen)
• Es ist anzumerken, dass, wie zuvor beschrieben, jedes dieser Teile von Informationen chronologische Daten sind und als Daten entsprechend einer Zeitachse erfasst werden.
• 6 stellt ein Datenbeispiel der Lerndaten 70 dar.
• Wie in 6 dargestellt, umfassen die Lerndaten Daten, die dem Folgenden entsprechen.
1. (A) endgeräterfasste Informationen
2. (B) Überwachungsinformationen
• (Fahrverhaltensinformationen)
• 6 stellt eine Mehrzahl von Einträgen (e1) bis (en) dar. Jeder dieser Einträge umfasst Daten, die einem oder mehreren Teilen von endgeräterfassten Informationen und Überwachungsinformationen (Fahrverhaltensinformationen) entsprechen.
• Zum Zeitpunkt des Lernprozesses werden die maschinellen Lernmodellparameter unter Verwenden von Lerndaten mit einer synchronen Zeitreihe optimiert, d. h. die jeweiligen Einträge (e1) bis (en) wie in 6 dargestellt. Das Optimierungsverfahren hängt von dem verwendeten theoretischen Modell ab.
• Als ein Ergebnis dieser Lernprozesse wird das Lernmodell 81 generiert, das ein Ausgangssignal (= Fahrverhaltensschätzung) auf der Basis einer Vielzahl von Eingangssignalen (= endgeräterfasste Informationen) ausgeben kann.
• Durch Verwenden des Lernmodells 81 ist es möglich, ein optimales Ausgangssignal, d. h. eine Fahrverhaltensschätzung, sogar für ein Eingangssignals (= endgeräterfasste Informationen) auszugeben, das nicht mit einem der Eingangssignale (= endgeräterfasste Informationen) der in den für den Lernprozess angewendeten Lerndaten (siehe 6) enthaltenen Einträge übereinstimmt.
• Es ist anzumerken, dass das Lernmodell 81 ein Modell ist, auf das ein Algorithmus, der in der Lage ist, eine Zuverlässigkeit (Schätzungszuverlässigkeit) eines Schätzungsergebnisses, das durch Verwenden eines Lernmodells, wie beispielsweise den Gaußprozess oder das Bayessche neuronale Netzwerk, erstellt wurde, zu berechnen, angewendet wird, und, zusammen mit einer Fahrverhaltensschätzung, eine Schätzungszuverlässigkeit ausgibt, die eine Zuverlässigkeit der Fahrverhaltensschätzung darstellt.
• [Fahrverhaltensschätzungsprozess unter Verwenden eines Lernmodells]
• Als nächstes erfolgt eine Beschreibung eines Fahrverhaltensschätzungsprozesses unter Verwenden des durch den obigen Lernprozess generierten Lernmodells.
• In diesem Prozess erfasst der Managementserver 30 durch das durch den Fahrer 11 oder einen Insassen des Fahrzeugs 10 getragene mobile Endgerät 20 erfasste Informationen und schätzt das Fahrverhalten des Fahrers 11 unter Verwenden des durch den zuvor beschriebenen Lernprozess generierten Lernmodells 81.
• Ferner wird in der vorliegenden Ausführungsform die Schätzungszuverlässigkeit, die die Zuverlässigkeit der Fahrverhaltensschätzung ist, ebenfalls generiert und wie zuvor beschrieben ausgegeben. Ein Wert im Bereich von 1 bis 0 wird zum Beispiel als die Schätzungszuverlässigkeit verwendet. Die höchste Schätzungszuverlässigkeit ist 1 und die niedrigste Schätzungszuverlässigkeit ist 0.
• 7 stellt ein Verarbeitungsbeispiel des Managementservers 30 dar, der den Fahrverhaltensschätzungsprozess unter Verwenden eines Lernmodells durchführt.
• Ein Fahrverhaltensschätzungsabschnitt 90, der ein Datenverarbeitungsabschnitt des Managementservers 30 ist, empfängt endgeräterfasste Informationen von dem mobilen Endgerät des Benutzers in dem Fahrzeug über ein Netzwerk.
• Die endgeräterfassten Informationen umfassen das Folgende, wie zuvor unter Bezugnahme auf 2 beschrieben.
• (a1) Beschleunigungsinformationen
• (a2) Drehzahlinformationen
• (a3) GPS-Informationen (z. B. Längengrad, Breitengrad und Geschwindigkeitsinformationen)
• (a4) Atmosphärendruckinformationen
• (a5) Richtungswinkelinformationen (Reiserichtung (z. B. Ost, West, Süd und Nord))
• (a6) Endgerätbetriebsinformationen
• (a7) Verkehrsinformationen
• Es ist anzumerken, dass alle diese Teile von Informationen nicht notwendigerweise als Eingabe empfangen werden müssen und dass nur einige davon als Eingabe empfangen werden können.
• Wenn die endgeräterfassten Informationen eingegeben werden, schätzt der Fahrverhaltensschätzungsabschnitt 90 als der Datenverarbeitungsabschnitt des Managementservers 30 Fahrverhaltensinformationen aus den eingegebenen endgeräterfassten Informationen unter Verwenden des vorab generierten Lernmodells 81.
• Wenn ein Datensatz (Eintrag) vorhanden ist, der vollständig mit den eingegebenen endgeräterfassten Informationen in dem Lernmodell 81 übereinstimmt, ist es möglich, die mit dem Eintrag des Lernmodells assoziierten Fahrverhaltensinformationen als eine Fahrverhaltensschätzung auszugeben. In diesem Fall ist die Schätzungszuverlässigkeit der Ausgabe (Fahrverhaltensschätzung) ein Wert nahe 1 (höchste Zuverlässigkeit).
• In der Realität ist es jedoch unwahrscheinlich, dass ein Datensatz (Eintrag), der vollständig mit den eingegebenen endgeräterfassten Informationen übereinstimmt, in dem Lernmodell 81 vorhanden ist.
• Bei einem tatsächlichen Schätzungsprozess werden Lernmodelle ähnlich zu den eingegebenen endgeräterfassten Informationen in Kombination verwendet, um eine endgültige Fahrverhaltensschätzung zu berechnen und auszugeben. In diesem Fall wird zum Beispiel eine Schätzungszuverlässigkeit gemäß der Ähnlichkeit zwischen den endgeräterfassten Informationen, die als Eingabe empfangen wurden, und dem Datensatz des verwendeten Lernmodells berechnet.
• Eine Beschreibung einer Verarbeitungssequenz des durch den Managementserver 30 unter Verwenden des Lernmodells durchgeführten Fahrverhaltensschätzungsprozesses erfolgt unter Bezugnahme auf ein in 8 dargestelltes Ablaufdiagramm. Es ist anzumerken, dass der Prozess gemäß dieses Ablaufs unter Steuerung des Steuerabschnitts (Datenverarbeitungsabschnitts) unter Nutzung einer CPU oder dergleichen mit einer Programmausführungsfunktion gemäß einem in einem Speicherabschnitt des Managementservers 30 gespeicherten Programm durchgeführt wird. Prozesse in den jeweiligen Schritten in dem in 8 dargestellten Ablauf werden in Reihenfolge beschrieben.
• (Schritt S101)
• Zunächst empfängt in Schritt S101 der Managementserver 30 eine Eingabe von endgeräterfassten Informationen, die durch das Benutzerendgerät (mobile Endgerät) erfasst wurden. Die endgeräterfassten Informationen umfassen die folgenden Informationen, die zuvor unter Bezugnahme auf 2 beschrieben wurden.
• (a1) Beschleunigungsinformationen
• (a2) Drehzahlinformationen
• (a3) GPS-Informationen (z. B. Längengrad, Breitengrad und Geschwindigkeitsinformationen)
• (a4) Atmosphärendruckinformationen
• (a5) Richtungswinkelinformationen (Reiserichtung (z. B. Ost, West, Süd und Nord))
• (a6) Endgerätbetriebsinformationen
• (a7) Verkehrsinformationen
• Es ist anzumerken, dass alle diese Teile von Informationen nicht notwendigerweise als Eingabe empfangen werden müssen und dass nur einige davon als Eingabe empfangen werden können.
• Es ist anzumerken, dass Attributdaten wie beispielsweise Datum und Uhrzeit einer Fahrt, ein Fahrzeugtyp, eine Fahrer-ID und eine mobile Endgerät-ID zusammen mit den obigen endgeräterfassten Informationen von dem Benutzerendgerät (mobilen Endgerät) übertragen werden, und dass der Managementserver diese Teile von Daten erfasst und die Daten zusammen mit einem durch den als nächstes durchzuführenden Schätzungsprozess zu erfassenden Schätzungsergebnis in der DB aufzeichnet.
• (Schritt S102)
• Als nächstes berechnet in Schritt S102 der Fahrverhaltensschätzungsabschnitt 90 als der Datenverarbeitungsabschnitt des Managementservers 30 eine Fahrverhaltensschätzung auf der Basis der endgeräterfassten Informationen durch Anwenden eines Lernmodells und berechnet zudem die Zuverlässigkeit (Schätzungszuverlässigkeit) der berechneten Fahrverhaltensschätzung.
• Wie zuvor beschrieben, gibt der Fahrverhaltensschätzungsabschnitt 90 des Managementservers 30 Eingabeinformationen, d. h. endgeräterfasste Informationen, in ein Lernmodell ein, das einen Algorithmus wie beispielsweise den Gaußprozess oder das Bayessche neuronale Netzwerk durchführt, um eine Fahrverhaltensschätzung als einen Ausgabewert auszugeben. Ferner berechnet der Fahrverhaltensschätzungsabschnitt 90 eine Schätzungszuverlässigkeit der Fahrverhaltensschätzung, die der Ausgabewert ist.
• Die Zuverlässigkeit (Schätzungszuverlässigkeit) wird entsprechend jedem geschätzten Fahrverhaltenselement berechnet. Wie zuvor beschrieben, weist die Zuverlässigkeit einen Wert im Bereich von 0 (niedrige Zuverlässigkeit) bis 1 (hohe Zuverlässigkeit) auf.
• Ein spezifisches Beispiel des Schätzungszuverlässigkeitsberechnungsprozesses wird unter Bezugnahme auf 9 beschrieben.
• 9 stellt Verteilungsdaten von Datensätzen (Einträgen) von Lerndaten dar, die zum Erstellen eines Lernmodells verwendet werden. Koordinaten sind N-dimensionale Koordinaten, die einem N-dimensionalen Merkmalsraum eines maschinellen Lernmodells entsprechen.
• Schwarze Punkte entsprechen Lerndatensätzen (Einträgen). Ein Rahmen mit gestrichelter Linie stellt einen Bereich dar, in dem die Lerndatensätze (Einträge) vorhanden sind.
• Es wird hier zum Beispiel angenommen, dass in dem Fall, dass die eingegebenen endgeräterfassten Informationen ((a1) bis (a7)) in den N-dimensionalen Merkmalsraum platziert werden, einer der entsprechenden Punkte der endgeräterfassten Informationen ((a1) bis (a7)) an einer Position eines Punkts A ist.
• Es wird zudem angenommen, dass ein anderer der entsprechenden Punkte der endgeräterfassten Informationen ((a1) bis (a7)) an einer Position eines Punkts B ist.
• In diesem Fall ist der Punkt A in einem N-dimensionalen Raum nahe den durch die schwarzen Punkte dargestellten Lerndatensätzen (Einträgen) vorhanden. Das bedeutet, der Punkt A ist in einer kurzen Distanz von den Lerndatensätzen (Einträgen) vorhanden. In diesem Fall ist es möglich, eine hochgradig zuverlässige Ausgabe, d. h. Schätzung eines Fahrverhaltens mit hoher Schätzungszuverlässigkeit, unter Verwenden der Lerndatensätze (Einträge) nahe dem Punkt A durchzuführen. Das bedeutet, die Zuverlässigkeit (Schätzungszuverlässigkeit) der auf der Basis des Punkts A geschätzten Fahrverhaltensinformationen wird als ein großer Wert (nahe 1) berechnet.
• Währenddessen ist der Punkt B in einem N-dimensionalen Raum weit entfernt von den durch die schwarzen Punkte dargestellten Lerndatensätzen (Einträgen) vorhanden. Das bedeutet, der Punkt B ist in einer langen Distanz von den Lerndatensätzen (Einträgen) vorhanden. In diesem Fall ist die Ähnlichkeit zwischen dem Lerndatensatz (Eintrag) und dem Punkt B gering, auch wenn ein Lerndatensatz (Eintrag), der am nächsten zu dem Punkt B ist, verwendet wird. In diesem Fall wird eine Ausgabe mit niedriger Zuverlässigkeit durchgeführt, das bedeutet, das Fahrverhalten wird mit einer niedrigen Schätzungszuverlässigkeit geschätzt. Das bedeutet, die Zuverlässigkeit (Schätzungszuverlässigkeit) der auf der Basis des Punkts B geschätzten Fahrverhaltensinformationen wird als ein kleiner Wert (ein Wert nahe 0) berechnet.
• (Schritt S103)
• Als nächstes überträgt in Schritt S103 der Fahrverhaltensschätzungsabschnitt 90 des Managementservers 30 die Fahrverhaltensschätzung und die Zuverlässigkeit an das Benutzerendgerät (mobile Endgerät) und andere Informationsnutzungsserver. Es ist anzumerken, dass die Übertragungsdaten vorzugsweise in der Form verschlüsselter Daten übertragen werden.
• Beispiele der Informationsnutzungsserver umfassen einen Kraftfahrzeughersteller, der Kraftfahrzeugfahrverhaltensdaten erhebt, die Polizei, die Verkehrsverstoßinformationen erhebt, ein Versicherungsunternehmen, das Versicherungsprämien anhand von Fahrverhaltensweisen berechnet, und dergleichen.
• (Schritt S104)
• Schließlich zeichnet in Schritt S104 der Fahrverhaltensschätzungsabschnitt 90 des Managementservers 30 die Fahrverhaltensschätzung und die Zuverlässigkeit in der DB zusammen mit den Attributdaten wie beispielsweise Datum und Uhrzeit einer Fahrt, einem Fahrzeugtyp, einer Fahrer-ID und einer mobilen Endgerät-ID auf.
• [Prozesse unter Verwenden einer Fahrverhaltensschätzungsanwendung des mobilen Endgeräts]
• Als nächstes erfolgt eine Beschreibung von Prozessen, die durch Installieren einer Fahrverhaltensschätzungsanwendung auf dem durch den Fahrer oder einen Insassen des Fahrzeugs 10 getragenen mobilen Endgerät 20 und Starten der Fahrverhaltensschätzungsanwendung durchgeführt werden.
• Obwohl eine der Hauptfunktionen der Fahrverhaltensschätzungsanwendung in dem mobilen Endgerät 20 der Fahrverhaltensschätzungsprozess basierend auf den endgeräterfassten Informationen ist, bietet die Fahrverhaltensschätzungsanwendung eine Vielzahl anderer Funktionen. Eine Beschreibung dieser Prozesse erfolgt untenstehend.
• Es ist anzumerken, dass in dem Fall, dass das Fahrverhalten auf der Basis von endgeräterfassten Informationen unter Verwenden der Fahrverhaltensschätzungsanwendung des mobilen Endgeräts 20 geschätzt wird, ein beliebiger der nachstehenden Prozesse durchgeführt wird.
1. (1) Durch das mobile Endgerät 20 erfasste Informationen werden an den Managementserver 30 übertragen, und der Managementserver 30 schätzt das Fahrverhalten unter Verwenden eines Lernmodells.
2. (2) Das durch den Managementserver 30 generierte Lernmodell wird durch das mobile Endgerät 20 erfasst, und das mobile Endgerät 20 berechnet eine Fahrverhaltensschätzung auf der Basis der endgeräterfassten Informationen.
• Es ist anzumerken, dass auch in dem Fall, dass das Fahrverhalten in Modus (2) geschätzt wird, das mobile Endgerät 20 auch die endgeräterfassten Informationen und die Fahrverhaltensschätzung an den Managementserver 30 überträgt.
• 10 stellt ein Diagramm ähnlich zur zuvor beschriebenen 1 dar. Das Fahrzeug 10 wird durch den Fahrer 11 gefahren. Der Fahrer 11 oder ein Insasse, nicht dargestellt, trägt ein mobiles Endgerät, wie beispielsweise ein Smartphone, das das in 10 dargestellte mobile Endgerät 20 ist.
• Das mobile Endgerät 20 weist eine vorab darin installierte Fahrverhaltensschätzungsanwendung 22 auf.
• Die Fahrverhaltensschätzungsanwendung 22 führt eine Vielzahl von Prozessen zum Schätzen des Fahrverhaltens auf der Basis von endgeräterfassten Informationen durch Anwenden eines Lernmodells durch. Es ist anzumerken, dass die Fahrverhaltensschätzungsanwendung 22 die Funktionen der zuvor unter Bezugnahme auf 1 beschriebenen Informationserfassungsanwendung 21 umfasst.
• Zudem führt die Fahrverhaltensschätzungsanwendung 22 Prozesse wie beispielsweise Übertragen von endgeräterfassten Informationen an den Managementserver 30 und Anzeigen von von dem Managementserver 30 empfangenen Daten (z. B. Karten und Punktzahlinformationen) oder dergleichen durch. Eine ausführliche Beschreibung der durch die Fahrverhaltensschätzungsanwendung 22 durchgeführten Prozesse erfolgt untenstehend.
• Die Hauptfunktionen der Fahrverhaltensschätzungsanwendung 22 werden zunächst unter Bezugnahme auf 11 beschrieben.
• Wie in 11 dargestellt, weist die Fahrverhaltensschätzungsanwendung 22 zum Beispiel die folgenden Funktionen auf.
1. (1) Ersteinrichtung (Registrierung des Fahrzeugtyps und des mobilen Endgerätmodells)
2. (2) Benachrichtigung über eine sich nahende gefährliche Fahrzone oder dergleichen (auch die Art einer Benachrichtigung kann eingestellt werden)
3. (3) Anzeige von Karten und Bereitstellung einer Kraftfahrzeugnavigationsfunktion
4. (4) Durchführung von Prozessen zur Anzeige von Bereichen, die Vorsicht erfordern, wie beispielsweise risikoreiche Zonen auf der Basis einer Fahrriskopunktzahl und einer Fahrzuverlässigkeitspunktzahl, und Ausgeben einer Vorabbenachrichtigung
5. (5) Anzeige von Straßenzonen, die einer Fahrpunktzahleinstufung unterliegen, auf der Basis einer Schätzungszuverlässigkeit der Fahrverhaltensschätzung
6. (6) Anzeige von Straßenzonen, die einer Bonuspunkterzielung unterliegen, auf der Basis einer Schätzungszuverlässigkeit der Fahrverhaltensschätzung
7. (7) Ausgabe und Korrektur eines Fahrdiagnoseergebnisses
• Das Obige stellt Beispiele der in der Fahrverhaltensschätzungsanwendung 22 verfügbaren Funktionen dar. Die Funktionen werden in der untenstehenden Beschreibung der Ausführungsformen im Detail beschrieben.
• Es ist anzumerken, dass die obigen Funktionen (1) bis (7) diejenigen, die die Schätzungszuverlässigkeit der Fahrverhaltensschätzung verwenden, und andere, die die Schätzungszuverlässigkeit nicht verwenden, umfassen. Zum Beispiel wird in dem Fall, dass die Schätzungszuverlässigkeit verwendet wird, ein Prozess unter Verwenden der Schätzungszuverlässigkeit in der Anwendung durchgeführt. Zudem sind einige der Funktion von einer Verwendung durch Benutzer gesperrt.
• Es ist anzumerken, dass einige der Funktionen, die die Schätzungszuverlässigkeit verwenden, durch einen anwendungsinternen Funktionsfreigabeprozess zur Verwendung durch Benutzer verfügbar werden, der durch einen Dienstbereitsteller durchgeführt wird, nachdem eine Fahrverhaltensanalyseergebnis-DB (Datenbank), die später beschrieben wird, erstellt wurde. Dies wird später im Detail beschrieben.
• Eine Beschreibung eines Prozesses, auf den die Fahrverhaltensschätzungsanwendung 22 angewendet wird, eines Analyseprozesses unter Verwenden eines Verarbeitungsergebnisses der Fahrverhaltensschätzungsanwendung 22 und dergleichen erfolgt untenstehend.
• Die Prozesse werden unten in Reihenfolge beschrieben.
• (Prozess 1) Herunterladen durch den Benutzer und Ersteinrichtung
• Zunächst ist es in dem Fall, dass die Fahrverhaltensschätzungsanwendung 22 auf dem mobilen Endgerät 20 verwendet wird, erforderlich, die Fahrverhaltensschätzungsanwendung 22 auf das mobile Endgerät 20 herunterzuladen und eine Ersteinrichtung durchzuführen.
• Der Benutzer des mobilen Endgeräts 20 registriert Fahrerinformationen (z. B. Geschlecht und Alter), Informationen des Typ des zu fahrenden Fahrzeugs und ferner Informationen des Typs des verwendeten mobilen Endgeräts. Diese Teile von Registrierungsinformationen werden in einer Datenbank des Managementservers 30 aufgezeichnet.
• (Prozess 2) Prozess eines Berechnens einer Fahrverhaltensschätzung und Vorhersagezuverlässigkeit durch Anwenden eines Lernmodells auf der Basis von endgeräterfassten Informationen während einer Fahrzeugreise
• Wenn die Ersteinrichtung nach dem Herunterladen der Fahrverhaltensschätzungsanwendung 22 auf das mobile Endgerät 20 abgeschlossen ist, kann der Fahrverhaltensschätzungsprozess unter Verwenden der Fahrverhaltensschätzungsanwendung 22 durchgeführt werden.
• Das bedeutet, wenn der Benutzer das mobile Endgerät 20 trägt und das Fahrzeug veranlasst, zu fahren, wird der Berechnungsprozess der Fahrverhaltensschätzung und der Vorhersagezuverlässigkeit durch Anwenden des Lernmodells auf der Basis der endgeräterfassten Informationen des mobilen Endgeräts 20 durchgeführt.
• Eine Beschreibung einer Verarbeitungssequenz des durch das mobile Endgerät 20 und den Managementserver 30 unter Verwenden des Lernmodells durchgeführten Fahrverhaltensschätzungsprozesses erfolgt unter Bezugnahme auf ein in 12 dargestelltes Ablaufdiagramm.
• Es ist anzumerken, dass der Prozess gemäß dieses Ablaufs durch die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 durchgeführt wird. Prozesse in den jeweiligen Schritten in dem in 12 dargestellten Ablauf werden in Reihenfolge beschrieben.
• (Schritt S201)
• Zunächst empfängt in Schritt S201 das mobile Endgerät 20 eine Eingabe von endgeräterfassten Informationen, die durch das mobile Endgerät 20 erfasst wurden. Die endgeräterfassten Informationen umfassen die folgenden Informationen, die zuvor unter Bezugnahme auf 2 beschrieben wurden.
• (a1) Beschleunigungsinformationen
• (a2) Drehzahlinformationen
• (a3) GPS-Informationen (z. B. Längengrad, Breitengrad und Geschwindigkeitsinformationen)
• (a4) Atmosphärendruckinformationen
• (a5) Richtungswinkelinformationen (Reiserichtung (z. B. Ost, West, Süd und Nord))
• (a6) Endgerätbetriebsinformationen
• (a7) Verkehrsinformationen
• Es ist anzumerken, dass alle diese Teile von Informationen nicht notwendigerweise als Eingabe empfangen werden müssen und dass nur einige davon als Eingabe empfangen werden können.
• Es ist anzumerken, dass Attributdaten wie beispielsweise Datum und Uhrzeit einer Fahrt, ein Fahrzeugtyp, eine Fahrer-ID und eine mobile Endgerät-ID zusammen mit den obigen endgeräterfassten Informationen von dem Benutzerendgerät (mobilen Endgerät) übertragen werden, und dass der Managementserver diese Teile von Daten erfasst und die Daten zusammen mit einem durch den als nächstes durchzuführenden Schätzungsprozess zu erfassenden Schätzungsergebnis in der DB aufzeichnet.
• (Schritt S202)
• Als nächstes berechnet in Schritt S202 die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 eine Fahrverhaltensschätzung auf der Basis der endgeräterfassten Informationen durch Anwenden eines Lernmodells und berechnet zudem eine Zuverlässigkeit (Schätzungszuverlässigkeit) der berechneten Fahrverhaltensschätzung.
• Es ist anzumerken, dass das Lernmodell durch das mobile Endgerät 20 in einem beliebigen der folgenden Modi wie zuvor beschrieben verwendet wird.
1. (1) Modus, in dem das durch den Managementserver 30 generierte Lernmodell durch das mobile Endgerät 20 erfasst und verwendet wird, nachdem es in einem Speicher des mobilen Endgeräts 20 gespeichert wurde
2. (2) Modus, in dem, in dem Fall, dass das Fahrverhalten durch das mobile Endgerät 20 geschätzt wird, das mobile Endgerät 20 auf das in dem Managementserver 30 gespeicherte Lernmodell zurückgreift und dieses verwendet
• Die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 schätzt das Fahrverhalten auf der Basis der endgeräterfassten Informationen unter Verwenden des durch den Managementserver 30 generierten Lernmodells in jedem der obigen Modi.
• Die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 berechnet nicht nur die Fahrverhaltensschätzung, sondern auch die Schätzungszuverlässigkeit der Fahrverhaltensschätzung.
• (Schritt S203)
• Als nächstes zeichnet in Schritt S203 die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 die Fahrverhaltensschätzung und die Zuverlässigkeit in einem Speicher des mobilen Endgeräts 20 zusammen mit den Attributdaten wie beispielsweise Datum und Uhrzeit einer Fahrt, einem Fahrzeugtyp, einer Fahrer-ID und einer mobilen Endgerät-ID auf.
• (Schritt S204)
• Schließlich überträgt in Schritt S204 die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 die in Schritt S203 in dem Speicher gespeicherten Daten, d. h. die Fahrverhaltensschätzung, die Zuverlässigkeit und die Attributdaten wie beispielsweise Datum und Uhrzeit einer Fahrt, einen Reiseort, einen Fahrzeugtyp, eine Fahrer-ID und eine mobile Endgerät-ID an den Managementserver. Es ist anzumerken, dass die Übertragungsdaten vorzugsweise in der Form verschlüsselter Daten übertragen werden.
• Es ist anzumerken, dass der Datenübertragungsprozess so durchgeführt werden kann, dass Daten nacheinander oder insgesamt gleichzeitig jede gewisse Zeitdauer übertragen werden.
• Hinsichtlich des Serverübertragungsprozesses in dem Schritt S204 können Daten zusammen mit im Folgenden (Prozesse 3 bis 5) berechneten Punktzahlinformationen übertragen werden, wie später ferner in (Prozess 6) beschrieben wird.
• (Prozess 3) Riskopunktzahlberechnungsprozess unter Verwenden der Fahrverhaltensschätzung
• Als nächstes erfolgt eine Beschreibung eines Riskopunktzahlberechnungsprozesses unter Verwenden einer Fahrverhaltensschätzung, die durch die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 durchgeführt wird.
• Die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 berechnet eine Risikopunktzahl, die ein Index ist, der einen Grad an Fahrrisiko des Benutzers (Fahrers) darstellt, unter Verwenden der im obigen (Prozess 2) berechneten Fahrverhaltensschätzung.
• Die Fahrverhaltensschätzungsanwendung 22 berechnet eine Risikopunktzahl Dt zu einer Zeit t gemäß der folgenden Berechnungsformel (Formel 1): $$\text{Dt}={\text{f}}_{\text{D}}\left({\text{d}}_{\text{1t}},{\text{ d}}_{\text{2t}},\mathrm{...,}{\text{ d}}_{\text{mt}}\right))$$

  

  wobei f_D eine Risikopunktzahlberechnungsfunktion ist, und
  d_1t, d_2t, ..., d_mt ein Satz von durch Anwenden des Lernmodells berechneten Fahrverhaltensschätzungen sind. Insbesondere sind diese ein Datensatz von Fahrverhaltensschätzungen zu einer gewissen Zeit (t), die auf der Basis von endgeräterfassten Informationen zu der Zeit (t) geschätzt wurden. Jeder der in dem Datensatz enthaltenen Werte ist zum Beispiel eine einer Vielzahl von Fahrverhaltensinformationsschätzungen wie beispielsweise (b1) bis (b3) wie in 4 dargestellt.
• Es ist anzumerken, dass die Risikopunktzahlberechnungsfunktion f_D durch einen Dienstanbieter derart konzipiert wird, dass, je gefährlicher das Verhalten des Fahrers, desto größer die Risikopunktzahlberechnungsfunktion f_D ist. Insbesondere wird die Risikopunktzahlberechnungsfunktion f_D zum Beispiel mit einem gewichteten Mittel der Fahrverhaltensschätzungen oder dergleichen wie in der folgenden (Formel 2) angegeben berechnet: $$\begin{array}{l}\text{Dt}={\text{f}}_{\text{D}}\left({\text{d}}_{\text{1t}},{\text{ d}}_{\text{2t}},\mathrm{...,}{\text{ d}}_{\text{mt}}\right))\\ ={\text{w}}_{\text{1}}{\text{d}}_{\text{1t}}+{\text{w}}_{\text{2}}{\text{d}}_{\text{2t}}+\mathrm{...}+{\text{w}}_{\text{m}}{\text{d}}_{\text{mt}}\end{array}$$

  

  wobei w_i(i = 1, ..., m) ein Gewichtungsfaktor ist.
• (Prozess 4) Zuverlässigkeitspunktzahlberechnungsprozess unter Verwenden der Fahrverhaltensschätzung
• Als nächstes erfolgt eine Beschreibung eines Zuverlässigkeitspunktzahlberechnungsprozesses unter Verwenden eines Fahrverhaltensschätzung, die durch die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 durchgeführt wird.
• Die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 berechnet eine Zuverlässigkeitspunktzahl, die ein Indexwert einer Gesamtschätzungszuverlässigkeit der zu einer gewissen Zeit (t) berechneten Fahrverhaltensschätzung ist, unter Verwenden der im obigen (Prozess 2) berechneten Fahrverhaltensschätzung und Schätzungszuverlässigkeit.
• Die Fahrverhaltensschätzungsanwendung 22 berechnet eine Zuverlässigkeitspunktzahl Rt zu einer Zeit t gemäß der folgenden Berechnungsformel (Formel 3): $$\text{Rt}={\text{f}}_{\text{R}}\left({\text{r}}_{\text{1t}},{\text{ r}}_{\text{2t}},\mathrm{...,}{\text{ r}}_{\text{mt}}\right))$$

  

  wobei f_R eine Zuverlässigkeitspunktzahlberechnungsfunktion ist, und r_1t, r_2t, ..., r_mt ein Satz von Schätzungszuverlässigkeiten sind, die der durch Anwenden des Lernmodells berechneten Fahrverhaltensschätzung entsprechen. Insbesondere sind diese ein Datensatz von Schätzungszuverlässigkeiten, die der Fahrverhaltensschätzung zu einer gewissen Zeit (t) entsprechen, die auf der Basis von endgeräterfassten Informationen zu der Zeit (t) geschätzt wurde. Jeder der in dem Datensatz enthaltenen Werte ist zum Beispiel die Schätzungszuverlässigkeit entsprechend einer Vielzahl von Fahrverhaltensinformationsschätzungen wie beispielsweise (b1) bis (b3) wie in 4 dargestellt.
• Es ist anzumerken, dass die Zuverlässigkeitspunktzahlberechnungsfunktion f_R durch einen Dienstanbieter derart konzipiert wird, dass, je höher die Schätzungszuverlässigkeit der durch Anwenden des Lernmodells berechneten Fahrverhaltensschätzung, desto größer die Zuverlässigkeitspunktzahlberechnungsfunktion f_R ist. Insbesondere wird die Zuverlässigkeitspunktzahlberechnungsfunktion f_R zum Beispiel mit einem gewichteten Mittel der Schätzungszuverlässigkeiten oder dergleichen wie in der folgenden (Formel 4) angegeben berechnet: $$\begin{array}{c}\text{Rt}={\text{f}}_{\text{R}}\left({\text{r}}_{\text{1t}},{\text{ r}}_{\text{2t}},\mathrm{...,}{\text{ r}}_{\text{mt}}\right))\\ ={\text{v}}_{\text{1}}{\text{r}}_{\text{1t}}+{\text{v}}_{\text{2}}{\text{r}}_{\text{2t}}+\mathrm{...}+{\text{v}}_{\text{m}}{\text{r}}_{\text{mt}}\end{array}$$

  

  wobei v_i (i = 1, ..., m) ein Gewichtungsfaktor ist.
• (Prozess 5) Gesamtpunktzahlberechnungsprozess unter Verwenden der Risikopunktzahl und der Zuverlässigkeitspunktzahl
• Als nächstes erfolgt eine Beschreibung eines Gesamtpunktzahlberechnungsprozesses unter Verwenden der Risikopunktzahl und der Zuverlässigkeitspunktzahl, der durch die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 durchgeführt wird.
• Eine Gesamtpunktzahl, die ein Fahrdiagnoseergebnis des Fahrers darstellt, wird unter Verwenden der durch den obigen (Prozess 3) berechneten Risikopunktzahl und der durch den obigen (Prozess 4) berechneten Zuverlässigkeitspunktzahl berechnet.
• Die Fahrverhaltensschätzungsanwendung 22 berechnet eine Gesamtpunktzahl St zu einer Zeit t gemäß der folgenden Berechnungsformel (Formel 5):
• $${\text{S}}_{\text{t}}={\text{f}}_{\text{s}}\left({\text{R}}_{\text{t}},{\text{ D}}_{\text{t}}\right)$$

  

  wobei f_s eine Risikopunktzahlberechnungsfunktion ist,
  R_t eine Zuverlässigkeitspunktzahl zu einer Zeit t ist, und
  D_t eine Risikopunktzahl zu einer Zeit t ist.
• Die Funktion f_s wird durch einen Dienstanbieter konzipiert. Zum Beispiel kann als die Funktion f_s eine Funktion, die ein Produkt der Zuverlässigkeitspunktzahl R_t und der Risikopunktzahl D_t berechnet, um eine Normalisierung derart durchzuführen, dass das Produkt in den Bereich von 0 bis 100 fällt, wie in der folgenden (Formel 6) angegeben angewendet werden: $$\begin{array}{c}{\text{S}}_{\text{t}}={\text{f}}_{\text{s}}\left({\text{R}}_{\text{t}},{\text{ D}}_{\text{t}}\right)\\ =\text{min }\left(\mathrm{0,}\text{ max}\left(\mathrm{100,}\left({\text{R}}_{\text{t}}·{\text{D}}_{\text{t}}\right)\text{/Z}\right)\right)\end{array}$$

  

  wobei Z eine Normalisierungskonstante ist.
• Diese Berechnungsformel ist lediglich ein Beispiel, und verschiedene andere Rechenprozesse können ebenfalls verwendet werden.
• Durch Berechnen der Gesamtpunktzahl S_t gemäß der obigen (Formel 6) ist es möglich, zum Beispiel eine Gesamtpunktzahl in dem Bereich von 0 bis 100 Punkte gemäß dem Grad eines Fahrrisikos des Benutzers (Fahrers) zu berechnen.
• Je niedriger das Fahrrisiko des Benutzers (Fahrers), desto näher ist die Gesamtpunktzahl an 100 Punkten, und je höher das Fahrrisiko des Benutzers (Fahrers), desto näher ist die Gesamtpunktzahl an 0 Punkten.
• (Prozess 6) Prozess eines Übertragens der Fahrverhaltensschätzung und der berechneten Punktzahlen an den Managementserver
• Als nächstes erfolgt eine Beschreibung eines Prozesses eines Übertragens der Fahrverhaltensschätzung und der berechneten Punktzahlen an den Managementserver, der durch die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 durchgeführt wird.
• Die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 berechnet die folgenden Daten in dem obigen (Prozess 2) bis (Prozess 5) und speichert die Daten in dem Speicher.
1. (1) Fahrverhaltensschätzung
2. (2) Schätzungszuverlässigkeit
3. (3) Risikopunktzahl
4. (4) Zuverlässigkeitspunktzahl
5. (5) Gesamtpunktzahl
• Im Folgenden werden drei Teile von Daten (1) bis (5) kollektiv aus ein „Fahrverhaltensanalyseergebnis“ bezeichnet.
• Das „Fahrverhaltensanalyseergebnis“, das die obigen Teile von Daten (1) bis (5) enthält, wird zunächst in dem Speicher des mobilen Endgeräts 20 gespeichert.
• Ferner überträgt die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 an den Managementserver nicht nur die in dem Speicher gespeicherten Daten, d. h. das „Fahrverhaltensanalyseergebnis“, das die obigen Teile von Daten (1) bis (5) enthält, sondern auch Attributdaten wie beispielsweise Datum und Uhrzeit einer Fahrt, einen Reiseort, einen Fahrzeugtyp, eine Fahrer-ID und eine mobile Endgerät-ID. Es ist anzumerken, dass die Übertragungsdaten vorzugsweise in der Form verschlüsselter Daten übertragen werden. Es ist anzumerken, dass der Datenübertragungsprozess so durchgeführt werden kann, dass Daten nacheinander oder insgesamt gleichzeitig jede gewisse Zeitdauer übertragen werden.
• Eine Beschreibung einer Verarbeitungssequenz des obigen (Prozesses 3) bis (Prozesses 6) erfolgt unter Bezugnahme auf ein in 13 dargestelltes Ablaufdiagramm. Das in 13 darstellte Ablaufdiagramm beschreibt eine Verarbeitungssequenz eines Punktzahlberechnungsprozesses unter Verwenden eines Fahrverhaltensschätzungsergebnisses.
• Prozesse in den jeweiligen Schritten des Ablaufdiagramms in 13 werden untenstehend beschrieben.
• (Schritt S301)
• Zunächst berechnet in Schritt S301 die Fahrverhaltensschätzungsanwendung 22 des mobilen Endgeräts 20 eine Fahrrisikopunktzahl, die den Grad eines Fahrrisikos darstellt, auf der Basis der Fahrverhaltensschätzung.
• Dieser Prozess ist ein Prozess eines Berechnens der in dem obigen (Prozess 3) beschriebenen Risikopunktzahl D_t.
• (Schritt S302)
• Als nächstes berechnet in Schritt S302 die Fahrverhaltensschätzungsanwendung 22 eine Zuverlässigkeitspunktzahl auf der Basis der Fahrverhaltensschätzung und der Schätzungszuverlässigkeit.
• Dieser Prozess ist ein Prozess eines Berechnens der in dem obigen (Prozess 4) beschriebenen Zuverlässigkeitspunktzahl Rt.
• (Schritt S303)
• Als nächstes berechnet in Schritt S303 die Fahrverhaltensschätzungsanwendung 22 die Gesamtpunktzahl St für eine Fahrdiagnose unter Verwenden der in Schritt S301 berechneten Risikopunktzahl Dt und der in Schritt S302 berechneten Zuverlässigkeitspunktzahl Rt.
• Dieser Prozess ist ein Prozess eines Berechnens der in dem obigen (Prozess 5) beschriebenen Gesamtpunktzahl St.
• (Schritt S304)
• Als nächstes zeichnet in Schritt S304 die Fahrverhaltensschätzungsanwendung 22 die Fahrverhaltensschätzung, die Schätzungszuverlässigkeit, die Fahrrisikopunktzahl, die Schätzungszuverlässigkeitspunktzahl und die Gesamtpunkzahl in dem Speicher zusammen mit den Attributdaten wie beispielsweise Datum und Uhrzeit einer Fahrt, einen Reiseort, einen Fahrzeugtyp, eine Fahrer-ID und eine mobile Endgerät-ID auf.
• (Schritt S305)
• Als nächstes überträgt in Schritt S305 die Fahrverhaltensschätzungsanwendung 22 die in Schritt S304 in dem Speicher gespeicherten Daten an den Managementserver.
• Das bedeutet, die Fahrverhaltensschätzungsanwendung 22 überträgt an den Managementserver 30 die Fahrverhaltensschätzung, die Schätzungszuverlässigkeit, die Fahrrisikopunktzahl, die Schätzungszuverlässigkeitspunktzahl, die Gesamtpunkzahl und die Attributdaten wie beispielsweise Datum und Uhrzeit einer Fahrt, einen Reiseort, einen Fahrzeugtyp, eine Fahrer-ID und eine mobile Endgerät-ID.
• Die Prozesse in Schritten S304 und S305 werden in dem obigen (Prozess 6) beschrieben.
• (Prozess 7) Fahrverhaltensanalyseergebnisdatenbank-Erstellungsprozess
• Als nächstes erfolgt eine Beschreibung eines durch den Managementserver 30 als Prozess 7 durchgeführten Fahrverhaltensanalyseergebnisdatenbank-Erstellungsprozesses.
• Der Managementserver 30 empfängt das in dem obigen (Prozess 6) beschriebene „Fahrverhaltensanalyseergebnis“ und die zugehörigen Attributdaten (z. B. Datum und Uhrzeit einer Fahrt, einen Reiseort, einen Fahrzeugtyp, eine Fahrer-ID und eine mobile Endgerät-ID) von einer Mehrzahl von Benutzern.
• Der Managementserver 30 erstellt eine Fahrverhaltensanalyseergebnis-DB (Datenbank) auf der Basis der empfangenen Daten.
• Eine Beschreibung von in einer durch den Managementserver 30 generierten Fahrverhaltensanalyseergebnis-DB (Datenbank) 82 gespeicherten Daten erfolgt unter Bezugnahmen auf die 14 und 15.
• Die Fahrverhaltensanalyseergebnis-DB (Datenbank) 82 des Managementservers 30 speichert nicht nur (1) Fahrzeugtyp und Endgerätdaten entsprechend dem Fahrer und (2) Reisedaten entsprechend dem Fahrer wie in 14 dargestellt, sondern auch (3) Fahrverhaltensinformationsanalysedaten entsprechend den Reisedaten wie in 15 dargestellt.
• Fahrzeugtypinformationen und mobile Endgerätinformationen für jeden Fahrer (für jede Fahrer-ID) werden als Fahrzeugtyp und Endgerätdaten entsprechend dem Fahrer in (1) wie in 14 dargestellt aufgezeichnet. Diese Teile von Informationen werden zu der Zeit einer Ersteinrichtung der Fahrverhaltensschätzungsanwendung 22 durch jeden Benutzer erfasst und registriert.
• Zudem werden eine Reisenummer und eine Reisetabellen-ID als Reiseinformationen für jede Fahrer-ID als Reisedaten entsprechend dem Fahrer in (2) wie in 14 dargestellt aufgezeichnet. Die Reisenummer und die Reisetabellen-ID werden automatisch durch die Fahrverhaltensschätzungsanwendung 22 für jede Reiseeinheit zugewiesen, zum Beispiel in dem Fall, dass der Benutzer (Fahrer) einen Reiseprozess durchführt, während die Fahrverhaltensschätzungsanwendung 22 ausgeführt wird.
• Es ist anzumerken, dass eine Reiseeinheit zum Beispiel eine Zeitdauer ab einem Starten eines Motors durch den Benutzer bis zu einem Anhalten des Motors durch ihn oder sie ist. Es ist zudem möglich, eine Reiseeinheit auf eine Zeitdauer ab einem Starten der Fahrverhaltensschätzungsanwendung 22 bis zu einem Anhalten der Fahrverhaltensschätzungsanwendung 22 durch ihn oder sie einzustellen.
• Für jede Reisetabellen-ID werden Fahrverhaltensanalysedaten entsprechend den Reisedaten in (3) wie in 15 dargestellt generiert und in der Datenbank gespeichert.
• Die Fahrverhaltensanalysedaten entsprechend den Reisedaten in (3) wie in 15 dargestellt enthalten zwei Tabellen.
• Fahrverhaltensanalysedaten „a“ entsprechend den Reisedaten in (3a) sind eine Tabelle, in der Entsprechungsdaten zwischen einer Mehrzahl von Fahrverhaltensschätzungen und einer Mehrzahl von Schätzungszuverlässigkeiten aufgezeichnet sind, die durch Anwenden des Lernmodells auf der Basis der endgeräterfassten Informationen berechnet sind.
• Fahrverhaltensanalysedaten „b“ entsprechend den Reisedaten in (3b) sind eine Tabelle, in der nicht nur (1) eine Risikopunktzahl, (2) eine Zuverlässigkeitspunktzahl und (3) eine Gesamtpunktzahl aufgezeichnet sind, die auf der Basis der Fahrverhaltensschätzungen und der Schätzungszuverlässigkeiten berechnet sind, die in den Fahrverhaltensanalysedaten „a“ entsprechend den Reisedaten in (3a) aufgezeichnet sind, sondern auch die folgenden Teile von Informationen.
• (4) Wetter und (5) Reiseort: Reisebedingungen während einer Reise, die einer Punktzahlberechnung unterliegen (Wetter, Reiseort)
• (6) einer Einstufung unterliegende Zone: Informationen, die darstellen, ob oder ob nicht der Reiseort in einer Zone liegt, die einer Einstufung des Fahrverhaltens des Benutzers (Fahrers) unterliegt, wobei 1 eine einer Einstufung unterliegende Zone bedeutet und 0 eine keiner Einstufung unterliegende Zone bedeutet.
• (7) Bonuserzielungszone: Informationen, die darstellen, ob oder ob nicht der Reiseort in einer Zone liegt, die einer Einstufung des Fahrverhaltens des Benutzers (Fahrers) unterliegt, wobei 1 eine Bonuserzielungszone bedeutet und 0 keine Bonuserzielungszone bedeutet.
• (Prozess 8) Prozess eines Analysierens von Punktzahlen nach Kategorie für in der Fahrverhaltensanalyseergebnisdatenbank gespeicherte Daten
• Als nächstes erfolgt eine Beschreibung eines Prozesses eines Analysierens von Punktzahlen nach Kategorie für in der Fahrverhaltensanalyseergebnisdatenbank 82 gespeicherte Daten, der durch den Managementserver 30 als Prozess 8 durchgeführt wird.
• Der Managementserver 30 führt den Punktzahlanalyseprozess für jede Kategorie unter Verwenden von in der Fahrverhaltensanalyseergebnisdatenbank 82 gespeicherten Daten durch, in der Daten wie unter Bezugnahme auf die 14 und 15 beschrieben gespeichert sind.
• Insbesondere werden Punktzahlanalysedaten nach Kategorie wie zum Beispiel in 16 darstellt generiert.
• (1) Analysedaten von Punktzahlen (Risikopunktzahl, Zuverlässigkeitspunktzahl, Gesamtpunktzahl) für jeden Reiseort
• (2) Analysedaten von Punktzahlen (Risikopunktzahl, Zuverlässigkeitspunktzahl, Gesamtpunktzahl) für jeden Fahrzeugtyp
• (3) Analysedaten von Punktzahlen (Risikopunktzahl, Zuverlässigkeitspunktzahl, Gesamtpunktzahl) für jedes mobile Endgerätmodell
• Es ist anzumerken, dass diese Teile von Punktzahldaten auch in der Fahrverhaltensanalyseergebnisdatenbank 82 gespeichert werden.
• Wie in 16 dargestellt, sind die Punktzahlanalysedaten für jeden Reiseort in (1) eine Tabelle, die Mittelwertdaten (Statistiken) der Risikopunktzahl, Zuverlässigkeitspunktzahl und Gesamtpunktzahl entsprechend jedem Reiseort speichert. Die gemittelten Punktzahlen werden durch Berechnen von Mittelwerten von von mobilen Endgeräten in einer Mehrzahl von Fahrzeugen empfangenen Daten abgeleitet.
• Zudem sind die Punktzahlanalysedaten für jeden Fahrzeugtyp in (2) eine Tabelle, die Mittelwertdaten (Statistiken) der Risikopunktzahl, Zuverlässigkeitspunktzahl und Gesamtpunktzahl entsprechend jedem Fahrzeugtyp speichert.
• Die Punktzahlanalysedaten für jedes mobile Endgerätmodell in (3) sind eine Tabelle, die Mittelwertdaten (Statistiken) der Risikopunktzahl, Zuverlässigkeitspunktzahl und Gesamtpunktzahl entsprechend jedem mobilen Endgerätmodell speichert.
• Es ist anzumerken, dass, obwohl nur der Reiseort, der Fahrzeugtyp und das mobile Endgerätmodell als Kategorien in dem in 16 darstellten Beispiel angegeben sind, es möglich ist, Analysedaten für jede von verschiedenen Kategorien zu generieren, wie beispielsweise Fahrerinformationen wie unter anderem Geschlecht und Alter, eine Fahrzeitdauer, das Wetter und dergleichen.
• Zudem können, obwohl Mittelwerte als Statistiken von Punktzahlen in dem in 16 darstellten Beispiel berechnet werden, verschiedene Werte wie Medianwerte und Varianzen von Punktzahlen als Statistiken verwendet werden.
• (Prozess 9) Prozess eines Einstellens von Straßenzonen auf der Basis von Punktzahlanalysedaten nach Kategorie
• Als nächstes erfolgt eine Beschreibung eines Prozesses eines Einstellens von Straßenzonen auf der Basis von Punktzahlanalysedaten nach Kategorie, der durch den Managementserver 30 durchgeführt wird.
• (1) „Punktzahlanalysedaten für jeden Reiseort“ werden aus den in dem obigen (Prozess 8) generierten Punktzahlanalysedaten nach Kategorie erfasst, und dann werden Statistiken (z. B. Mittelwerte) der Zuverlässigkeitspunktzahl und der Gesamtpunktzahl für jeden Satz von Längen- und Breitenkoordinaten (x, y) eines Reiseorts als Zuverlässigkeitspunktzahlstatistik R_Ort (x, y) bzw. Gesamtpunktzahlstatistik = S_Ort (x, y) angenommen.
• Eine Suche nach Ortsgruppen A_Prüf und A_Gefahr wird durchgeführt, bei denen die Zuverlässigkeitspunktzahlstatistik R_Ort (x, y) und die Gesamtpunktzahlstatistik S_Ort (x, y) größer als vorab festgelegte Schwellenwerte R_Schwell bzw. S_Schwell sind.
• Insbesondere wird eine Suche nach einem Ort, der Zuverlässigkeitspunktzahlstatistik > Zuverlässigkeitspunktzahlschwellenwert erfüllt, d. h. $${\text{R}}_{\text{Ort}}\left(\text{x},\text{y}\right)>{\text{R}}_{\text{Schwell}}$$

  

  als einem zu prüfenden Ort A_Prüf durchgeführt.
• Der durch diesen Suchprozess gefundene zu prüfende Ort A_Prüf wird als „Straßenzone, die einer Fahrpunktzahleinstufung unterliegt“ eingestellt.
• Zudem wird eine Suche nach einem Ort, der Gesamtpunktzahlstatistik > Gesamtpunktzahlschwellenwert erfüllt, d. h. $${\text{S}}_{\text{Ort}}\left(\text{x},\text{y}\right)>{\text{S}}_{\text{Schwell}}$$

  

  als einem risikoreichen Ort A_Gefahr durchgeführt.
• Der durch diesen Suchprozess gefundene risikoreiche Ort A_Gefahr wird als „Straßenzone, in der gefährliches Fahren aufgetreten ist“ eingestellt.
• Ferner wird eine Suche nach einer Ortsgruppe A_Bonus durchgeführt, bei der die Zuverlässigkeitspunktzahlstatistik R_Ort (x, y) kleiner als ein vorab festgelegter Bonuspunktschwellenwert R2_Schwell ist.
• Insbesondere wird eine Suche nach einem Ort, der Zuverlässigkeitspunktzahlstatistik < Bonuspunktschwellenwert erfüllt, d. h. $${\text{R}}_{\text{Ort}}\left(\text{x},\text{y}\right)<{\text{R2}}_{\text{Schwell}}$$

  

  als einem Bonuspunktvergabeort A_Bonus durchgeführt.
• Der durch diesen Suchprozess gefundene Bonuspunktvergabeort A_Bonus wird als „Straßenzone, die einer Bonuspunkterzielung unterliegt“ eingestellt.
• Der Managementserver 30 speichert in einer durch den Managementserver 30 verwalteten Karteninformationsdatenbank die folgenden Teile von Zoneninformationen.
1. (1) Straßenzonen, die einer Fahrpunktzahleinstufung unterliegen
2. (2) Straßenzonen, auf denen gefährliches Fahren aufgetreten ist
3. (3) Straßenzonen, die einer Bonuspunkterzielung unterliegen
• Informationen in der Karteninformationsdatenbank werden an den Benutzer auf der Basis der durch den Managementserver 30 getroffenen Entscheidung freigegeben.
• Es ist anzumerken, dass die folgenden Zonen durch die folgende Formel (Formel 7) ausgedrückt werden.
1. (1) Straßenzonen, die einer Fahrpunktzahleinstufung unterliegen: A_Prüf
2. (2) Straßenzonen, auf denen gefährliches Fahren aufgetreten ist: A_Gefahr
3. (3) Straßenzonen, die einer Bonuspunkterzielung unterliegen: A_Bonus
• $$\begin{array}{l}{\text{A}}_{\text{Prüf}}=\left\{\left(\text{x},\text{ y}\right)|{\text{R}}_{\text{Ort}}\left(\text{x},\text{ y}\right)>{\text{R}}_{\text{Schwell}}\right\}\hfill \\ {\text{A}}_{\text{Gefahr}}=\left\{\left(\text{x},\text{ y}\right)|{\text{S}}_{\text{Ort}}\left(\text{x},\text{ y}\right)>{\text{S}}_{\text{Schwell}}\right\}\hfill \\ {\text{A}}_{\text{Bonus}}=\left\{\left(\text{x},\text{ y}\right)|{\text{R}}_{\text{Ort}}\left(\text{x},\text{ y}\right)>{\text{R2}}_{\text{Schwell}}\right\}\hfill \end{array}$$

  
• 17 stellt ein Ablaufdiagramm dar, das die Vorgehensweise davon angibt (Prozess 9).
• Es erfolgt eine Beschreibung von Prozessen der jeweiligen Schritte in dem in 17 darstellten Ablauf.
• (Schritt S401)
• Zunächst erfasst in Schritt S401 der Managementserver 30 Statistiken der Zuverlässigkeitspunktzahl und der Gesamtpunktzahl für jeden Satz von Längen- und Breitenkoordinaten (x, y) eines Reiseorts, d. h. $$\text{Zuverlässigkeitspunkzahlstatistik}={\text{R}}_{\text{Ort}}\left(\text{x},\text{ y}\right)$$

  

  und $$\text{Gesamtpunkzahlstatistik}={\text{S}}_{\text{Ort}}\left(\text{x},\text{ y}\right).$$

  
• (Schritt S402)
• Als nächstes stellt in Schritt S402 der Managementserver 30 die folgenden Zonen durch Vergleich mit vorab festgelegten Schwellenwerten ein.
1. (1) Straßenzonen, die einer Fahrpunktzahleinstufung unterliegen: A_Prüf
2. (2) Straßenzonen, auf denen gefährliches Fahren aufgetreten ist: A_Gefahr
3. (3) Straßenzonen, die einer Bonuspunkterzielung unterliegen: A_Bonus
• Das bedeutet, die jeweiligen Zonen werden durch die folgenden Formeln wie oben beschrieben definiert. $${\text{A}}_{\text{Prüf}}=\left\{\left(\text{x},\text{ y}\right)|{\text{R}}_{\text{Ort}}\left(\text{x},\text{ y}\right)>{\text{R}}_{\text{Schwell}}\right\}$$

  

  $${\text{A}}_{\text{Gefahr}}=\left\{\left(\text{x},\text{ y}\right)|{\text{S}}_{\text{Ort}}\left(\text{x},\text{ y}\right)>{\text{S}}_{\text{Schwell}}\right\}$$

  

  $${\text{A}}_{\text{Bonus}}=\left\{\left(\text{x},\text{ y}\right)|{\text{R}}_{\text{Ort}}\left(\text{x},\text{ y}\right)<{\text{R2}}_{\text{Schwell}}\right\}$$

  
• (Schritt S403)
• Als nächstes registriert in Schritt S403 der Managementserver 30 die folgenden Teile von Zoneninformationen in der Karteninformations-DB.
1. (1) Straßenzonen, die einer Fahrpunktzahleinstufung unterliegen: A_Prüf
2. (2) Straßenzonen, auf denen gefährliches Fahren aufgetreten ist: A_Gefahr
3. (3) Straßenzonen, die einer Bonuspunkterzielung unterliegen: A_Bonus
• Es ist anzumerken, dass die Informationen in der Karteninformationsdatenbank an den Benutzer auf der Basis der durch den Managementserver 30 getroffenen Entscheidung wie zuvor beschrieben freigegeben werden.
• Wie oben beschrieben, berechnet der Managementserver 30 Statistiken der Risikopunktzahl, Zuverlässigkeitspunktzahl und Gesamtpunktzahl entsprechend einer Vielzahl von Fahrzeugtypen, Modellen, Orten, Wetterlagen und Daten und Uhrzeiten auf der Basis einer Mehrzahl von Teilen von Reisedaten und stellt ferner jede der obigen Zonen auf der Basis der Statistiken ein.
• Auf Zoneneinstellungsinformationen kann durch den Benutzer über das mobile Endgerät 20 zugegriffen werden.
• [Prozesse unter Verwenden der Fahrverhaltensschätzungsanwendung nach Erstellen der Fahrverhaltensanalyse-DB]
• Als nächstes erfolgt eine Beschreibung von Prozessen, die durch den Benutzer (Fahrer) unter Verwenden der in dem mobilen Endgerät 20 installierten Fahrverhaltensschätzungsanwendung nach der Erstellung der Fahrverhaltensanalyse-DB 82 durch den Managementserver 30 durchgeführt werden.
• Eine Beschreibung der folgenden Punkte erfolgt in Reihenfolge:
1. (1) Prozess vor Reisebeginn unter Verwenden der Fahrverhaltensschätzungsanwendung
2. (2) Prozess während einer Reise unter Verwenden der Fahrverhaltensschätzungsanwendung
3. (3) Prozess nach einer Reise unter Verwenden der Fahrverhaltensschätzungsanwendung
• [Prozess vor Reisebeginn unter Verwenden der Fahrverhaltensschätzungsanwendung]
• Zunächst erfolgt eine Beschreibung eines Prozesses, der vor Reisebeginn unter Verwenden der Fahrverhaltensschätzungsanwendung durchgeführt wird.
• Eine Beschreibung einer Verarbeitungssequenz vor Reisebeginn unter Verwenden der Fahrverhaltensschätzungsanwendung 22, der durch das mobile Endgerät 20 durchgeführt wird, erfolgt unter Bezugnahme auf ein in 18 dargestelltes Ablaufdiagramm.
• (Schritt S501)
• Zunächst startet in Schritt S501 der Benutzer des mobilen Endgeräts 20 die bereits auf dem mobilen Endgerät 20 installierte Fahrverhaltensschätzungsanwendung 22, zeigt einen Startbildschirm an, gibt mobile Endgerätmodellinformationen und Informationen zum verwendeten Fahrzeugtyp ein und überträgt diese Teile von Informationen an den Managementserver 30.
• (Schritt S502)
• Als nächstes empfängt in Schritt S502 das mobile Endgerät 20 Schätzungszuverlässigkeitsinformationen () entsprechend einer Kombination der mobilen Endgerätmodellinformationen und der Informationen zum verwendeten Fahrzeugtyp, die in Schritt S501 eingegeben wurden, von dem Managementserver 30 und zeigt die Schätzungszuverlässigkeitsinformationen auf dem mobilen Endgerät 20 an.
• 19 stellt ein Beispiel eines auf dem mobilen Endgerät 20 angezeigten Bildschirms dar.
  Endgerätmodell: abcpohne-x
  Fahrzeugtyp: xyz-czr
• Die obigen Teile von Informationen sind die mobile Endgerätmodellinformationen und die Informationen zum verwendeten Fahrzeugtyp, die durch den Benutzer in Schritt S501 eingegeben wurden.
• Schätzungszuverlässigkeit: 87, (Kommentar = hochgenaue Schätzung von Fahrverhalten möglich)
• Dies sind die Schätzungszuverlässigkeitsinformationen, die von dem Managementserver 30 in Schritt S502 empfangen wurden und der Kombination der mobilen Endgerätmodellinformationen und der Informationen zum verwendeten Fahrzeugtyp, die durch den Benutzer eingegeben wurden, entsprechen.
• Ferner wird ein Kommentar gemäß dem Wert der Schätzungszuverlässigkeit von dem Managementserver 30 übertragen und auf dem mobilen Endgerät 20 als ein Kommentar angezeigt.
• Die Schätzungszuverlässigkeit von 87 ist relativ hoch, was aufgrund der Kombination des mobilen Endgerätmodells des Benutzers und des verwendeten Fahrzeugtyps eine hochgradig zuverlässige Schätzung des Fahrverhaltens ermöglicht. Ein Kommentar, der den Benutzer über diese Tatsache benachrichtigt, wird durch den Managementserver 30 bereitgestellt.
• Es ist anzumerken, dass die Schätzungszuverlässigkeitsinformationen entsprechend der Kombination der mobilen Endgerätmodellinformationen und der Informationen zum verwendeten Fahrzeugtyp Daten sind, die in der durch den Managementserver 30 verwalteten Fahrverhaltensanalyse-DB 82 gespeichert sind.
• Der Managementserver 30 führt die Fahrverhaltensschätzungsprozesse gemäß einer Vielzahl von mobilen Endgerätmodellen und Fahrzeugtypen durch, wobei die Schätzungszuverlässigkeitsinformationen entsprechend der Kombinationen der mobilen Endgerätmodellinformationen und der Informationen zum verwendeten Fahrzeugtyp auf der Basis eines Verifizierungsergebnisses dieser Daten generiert und die Informationen in der Fahrverhaltensanalyse-DB 82 gespeichert werden.
• In Schritt S502 werden diese Daten von dem Managementserver 30 an das mobile Endgerät 20 zur Anzeige auf dem mobilen Endgerät 20 bereitgestellt.
• (Schritt S503)
• Als nächstes stellt in Schritt S503 der Benutzer des mobilen Endgeräts 20 einen Einstufungs(Punktzahl)-Schwankungsbereich auf der Basis des Fahrverhaltensschätzungsprozesses ein und überträgt die Einstellungsinformationen an den Managementserver 30.
• Wie zuvor unter Bezugnahme auf die 13 bis 16 beschrieben, berechnet der Managementserver 30 die Fahrverhaltensschätzung auf der Basis der endgeräterfassten Informationen und berechnet verschiedene Punktzahlen auf der Basis der Fahrverhaltensschätzung. Das bedeutet, (1) Risikopunktzahl, (2) Zuverlässigkeitspunktzahl und (3) Gesamtpunktzahl werden berechnet.
• Hierbei sind die (1) Risikopunktzahl und (3) Gesamtpunktzahl Punktzahlen, die als Indizes verwendet werden können, die ein Ausmaß eines sicheren Fahrens durch einen Benutzer (Fahrer) darstellen, und diese Punktzahlen können für eine Vielzahl von Diensten wie beispielsweise eine Versicherungsprämienberechnung und eine Punktvergabe verwendet werden.
• Insbesondere werden eine (1) Risikopunktzahl und (3) Gesamtpunktzahl an ein Versicherungsunternehmen, zum Beispiel für Gebührenberechnungen bereitgestellt, so dass, wenn das Versicherungsunternehmen schätzt, dass der Benutzer (Fahrer) auf eine nicht gefährliche Weise sicher fährt, ihm oder ihr eine niedrige Versicherungsprämie berechnet wird.
• Wie zuvor beschrieben, wird die Gesamtpunktzahl zum Beispiel durch den Rechenprozess basierend auf der Risikopunktzahl und der Zuverlässigkeitspunktzahl so berechnet, dass sie in einen Bereich von 0 bis 100 Punkte fällt. Null Punkte entsprechen einem gefährlichen Fahren, während 100 Punkte einem sicheren Fahren entsprechen.
• Obwohl diese Punktzahl (Gesamtpunktzahl) hochgradig zuverlässig ist, wenn die Schätzungszuverlässigkeit hoch ist, ist sie weniger zuverlässig, wenn die Schätzungszuverlässigkeit niedriger ist.
• Der Benutzer stellt einen Punktzahlschwankungsbereich zur Berücksichtigung dieses Faktors ein. In dem Fall, dass der durch den Benutzer eingestellte Punktzahlschwankungsbereich klein ist, verbleibt die durch den Rechenprozess basierend auf der Risikopunktzahl und der Zuverlässigkeitspunktzahl berechnete Punktzahl (Gesamtpunktzahl) bei einem Mittelwert, beispielsweise in der Umgebung von 50 Punkten.
• Währenddessen gibt es in dem Fall, dass der durch den Benutzer eingestellte Punktzahlschwankungsbereich groß ist, eine Möglichkeit, dass die durch den Rechenprozess basierend auf der Risikopunktzahl und der Zuverlässigkeitspunktzahl berechnete Punktzahl (Gesamtpunktzahl) einen Wert aufweisen kann, der deutlich zwischen 0 und 100 Punkten schwankt.
• Dementsprechend kann ein im Fahren sicherer Fahrer einen großen Schwankungsbereich für eine Punktzahlberechnung einstellen, so dass ein hohe Stufe erzielt werden kann. Es ist jedoch anzumerken, dass dies umgekehrt zu einer niedrigen Stufe führen kann, wenn der Benutzer ein schlechtes Fahrverhalten hat.
• Im Gegensatz dazu kann ein im Fahren nicht sicherer Fahrer durch Reduzieren des Schwankungsbereichs der Einstufung eine stabile Punktzahl erwarten.
• (Schritt S504)
• Als nächstes stellt in Schritt S504 der Benutzer des mobilen Endgeräts 20 Häufigkeiten von an den Benutzer ausgegebenen Benachrichtigungen (Vorabbenachrichtigung und Benachrichtigung im Nachhinein) ein und überträgt die Einstellungsinformationen an den Managementserver 30.
• Beispiele von an den Benutzer ausgegebenen Benachrichtigungen umfassen Vorabbenachrichtigungen wie beispielsweise eine sich nähernde „Straßenzone, in der gefährliches Fahren aufgetreten ist“ und Benachrichtigungen im Nachhinein wie beispielsweise eine Warnung vor einem Fahrverhalten des Benutzers, das auf der Basis der Fahrverhaltensschätzung als gefährlich entschieden wurde, zum Beispiel eine abrupte Bremsaktion.
• Der Benutzer kann Häufigkeiten der Benachrichtigungen einstellen.
  20 stellt ein Beispiel eines Bildschirms zum Einstellen von Häufigkeiten von Benachrichtigungen dar.
• Wie in 20 dargestellt, kann der Benutzer eine Häufigkeit von Vorabbenachrichtigungen und eine Häufigkeit von Benachrichtigung im Nachhinein separat einstellen.
• Diese Einstellungsinformationen werden an den Managementserver 30 übertragen, wonach der Managementserver 30 entscheidet, ob oder ob nicht eine Benachrichtigung an den Benutzer auf der Basis der Einstellungsinformationen ausgegeben wird, und einen Prozess eines Benachrichtigens des Benutzers gemäß dem Entscheidungsergebnis durchführt.
• [Prozess während einer Reise unter Verwenden der Fahrverhaltensschätzungsanwendung]
• Als nächstes erfolgt eine Beschreibung eines Prozesses, der während einer Reise unter Verwenden der Fahrverhaltensschätzungsanwendung durchgeführt wird.
• Eine Beschreibung einer Verarbeitungssequenz während einer Reise unter Verwenden der Fahrverhaltensschätzungsanwendung 22, der durch das mobile Endgerät 20 durchgeführt wird, erfolgt unter Bezugnahme auf ein in 21 dargestelltes Ablaufdiagramm.
• Prozesse in den jeweiligen Schritten in dem in 21 dargestellten Ablauf werden in Reihenfolge beschrieben.
• (Schritt S601)
• Zunächst werden in Schritt S601 aktuelle Ortsinformationen und Karteninformationen einer Umgebung des aktuellen Orts von dem Managementserver 30 an das mobile Endgerät 20 zur Anzeige auf einem Anzeigeabschnitt des mobilen Endgeräts 20 übertragen. Der Managementserver 30 weist eine Karteninformations-DB 83 auf, wobei eine Karte einschließlich der Umgebung des aktuellen Orts aus der Karteninformations-DB 83 auf der Basis der von dem mobilen Endgerät 20 empfangenen aktuellen Ortsinformationen erfasst werden und die Karte an das mobile Endgerät 20 zur Anzeige auf dem Anzeigeabschnitt übertragen wird.
• (Schritt S602)
• Ferner zeigt der Managementserver 30 die folgenden Teile von Straßenzoneninformationen in einer überlagerten Weise auf den auf dem mobilen Endgerät 20 angezeigten Karteninformation an.
1. (1) Straßenzonen, die einer Fahrpunktzahleinstufung unterliegen: A_Prüf
2. (2) Straßenzonen, auf denen gefährliches Fahren aufgetreten ist: A_Gefahr
3. (3) Straßenzonen, die einer Bonuspunkterzielung unterliegen: A_Bonus
• Es ist anzumerken, dass, wie zuvor beschrieben, diese Teile von Straßenzoneninformationen in der durch den Managementserver 30 verwalteten Karteninformations-DB 83 registriert sind.
• 22 stellt ein Beispiel von auf dem Anzeigeabschnitt des mobilen Endgeräts 20 nach dem Prozess in Schritt S602 angezeigten Daten dar.
• Wie in 22 dargestellt, wird eine Karte einschließlich des aktuellen Orts auf dem Anzeigeabschnitt des mobilen Endgeräts 20 angezeigt, und ferner werden die folgenden drei Arten von Straßenzoneninformationen auf den Straßen der Karte in einer voneinander unterscheidbaren Weise angezeigt.
1. (1) Straßenzonen, die einer Fahrpunktzahleinstufung unterliegen: A_Prüf
2. (2) Straßenzonen, auf denen gefährliches Fahren aufgetreten ist: A_Gefahr
3. (3) Straßenzonen, die einer Bonuspunkterzielung unterliegen: A_Bonus
• (Schritt S603)
• Als nächstes beginnt in Schritt S603 der Benutzer (Fahrer) eine Reise nach Einstellen der Reiseroute. Nach Beginn der Reise wird ein Prozess gestartet, um eine Fahrverhaltensschätzung auf der Basis der endgeräterfassten Informationen des mobilen Endgeräts 20 zu berechnen.
• Es ist anzumerken, dass der Fahrverhaltensschätzungsberechnungsprozess basierend auf den endgeräterfassten Informationen in einem beliebigen der folgenden Modi durchgeführt wird.
1. (1) Modus, in dem erfasste Informationen des mobilen Endgeräts 20 an den Managementserver 30 übertragen werden, wonach der Managementserver 30 das Fahrverhalten unter Verwenden des Lernmodells schätzt
2. (2) Modus, in dem das mobile Endgerät 20 das durch den Managementserver 30 generierte Lernmodell erfasst, wonach das mobile Endgerät 20 eine Fahrverhaltensschätzung auf der Basis der endgeräterfassten Informationen berechnet
• Es ist anzumerken, dass auch in dem Fall, dass das Fahrverhalten in Modus (2) geschätzt wird, das mobile Endgerät 20 die endgeräterfassten Informationen und die Fahrverhaltensschätzung an den Managementserver 30 überträgt.
• Der Server 30 zeichnet in der Fahrverhaltensanalyseergebnis-DB 82 erfasste Informationen einschließlich der endgeräterfassten Informationen, die Fahrverhaltensschätzung basierend auf den endgeräterfassten Informationen, der Schätzungszuverlässigkeit und anderer Informationen auf.
• (Schritte S604 und S605)
• In Schritt S604 wird nach dem Reisebeginn eine Entscheidung getroffen, ob oder ob nicht das Fahrzeug in einer Straßenzone fährt, die einer Fahrpunktzahleinstufung unterliegt.
• Wenn entschieden wird, dass das Fahrzeug in einer Straßenzone fährt, die einer Fahrpunktzahleinstufung unterliegt, wird eine zurückgelegte Distanz in der Straßenzone in der Fahrverhaltensanalyseergebnis-DB 82 aufgezeichnet.
• Nicht nur erfasste Informationen einschließlich der endgeräterfassten Informationen, der Fahrverhaltensschätzung basierend auf endgeräterfassten Informationen, der Schätzungszuverlässigkeit und anderer Informationen, sondern auch die zurückgelegte Distanz in der der Fahrpunktzahleinstufung unterliegenden Straßenzone werden in der Fahrverhaltensanalyseergebnis-DB 82 aufgezeichnet.
• Zu der Zeit einer Fahrpunktzahlberechnung wird die Punktzahl unter Berücksichtigung der zurückgelegten Distanz berechnet.
• (Schritte S606 und S607)
• Ferner wird in Schritt S606 eine Entscheidung getroffen, ob oder ob nicht das Fahrzeug in einer Straßenzone fährt, die einer Bonuspunkterzielung unterliegt.
• Wenn entschieden wird, dass das Fahrzeug in einer Straßenzone fährt, die einer Bonuspunkterzielung unterliegt, wird eine zurückgelegte Distanz in der Straßenzone in der Fahrverhaltensanalyseergebnis-DB 82 aufgezeichnet.
• Nicht nur erfasste Informationen einschließlich der endgeräterfassten Informationen, der Fahrverhaltensschätzung basierend auf den endgeräterfassten Informationen, der Schätzungszuverlässigkeit und anderer Informationen, sondern auch die zurückgelegte Distanz in der der Bonuspunkterzielung unterliegenden Straßenzone werden in der Fahrverhaltensanalyseergebnis-DB 82 aufgezeichnet.
• Zu der Zeit einer Bonuspunktberechnung wird der Bonuspunkt unter Berücksichtigung der zurückgelegten Distanz berechnet.
• (Schritte S609 bis S611)
• Ferner wird in Schritt S609 eine Entscheidung getroffen, ob oder ob nicht sich das Fahrzeug einer Straßenzone nähert, in der gefährliches Fahren aufgetreten ist.
• In dem Fall, dass entschieden wird, dass sich das Fahrzeug einer Straßenzone nähert, in der gefährliches Fahren aufgetreten ist, wird der Benutzer in Schritt S610 über das mobile Endgerät 20 nach Bedarf benachrichtigt, dass sich das Fahrzeug einer risikoreichen Zone nähert. Es ist anzumerken, dass diese Benachrichtigung unter Berücksichtigung eines durch den Benutzer eingestellten Ausmaßes (Häufigkeit) ausgegeben wird.
• 23 stellt ein Beispiel des Benachrichtigungsprozesses dar. Wie in 23 dargestellt, wird in dem Fall, dass entschieden wird, dass sich das Fahrzeug einer Straßenzone nähert, in der gefährliches Fahren aufgetreten ist, der Benutzer benachrichtigt, dass sich das Fahrzeug einer risikoreichen Straße nähert.
• In dem Fall, dass entschieden wird, dass sich das Fahrzeug keiner Straßenzone nähert, in der gefährliches Fahren aufgetreten ist, wird in Schritt S611 nach Bedarf eine Benachrichtigung im Nachhinein ausgegeben, um zum Beispiel darüber zu benachrichtigen, dass gefährliches Fahren wie beispielsweise abruptes Bremsen oder abruptes Lenken detektiert wurde. Es ist anzumerken, dass diese Benachrichtigung ebenfalls unter Berücksichtigung eines durch den Benutzer eingestellten Ausmaßes (Häufigkeit) ausgegeben wird.
• 24 stellt ein Beispiel des Benachrichtigungsprozesses dar. Wie in 24 dargestellt, werden in dem Fall, dass zum Beispiel abruptes Lenken detektiert wird, Anzeigedaten ausgegeben, um den Benutzer zu benachrichtigen, dass abruptes Lenken detektiert wurde.
• (Schritt S612)
• In Schritt S612, der ein letzter Schritt ist, wird eine Entscheidung getroffen, ob oder ob nicht die Reise beendet wurde. In dem Fall, dass die Reise beendet wurde, wird der Fahrverhaltensschätzungsprozess basierend auf den durch das mobile Endgerät erfassten endgeräterfassten Informationen beendet.
• In dem Fall, dass die Reise noch nicht beendet ist, kehrt der Prozess zu Schritt S601 zurück, Aufgaben wie beispielsweise ein Aktualisieren der Karte werden durchgeführt und die Prozesse von Schritt S601 und nachfolgende Schritte werden fortlaufend durchgeführt.
• Wie oben beschrieben, wird während der Reise der Fahrverhaltensschätzungsprozess fortlaufend auf der Basis der durch das mobile Endgerät erfassten endgeräterfassten Informationen durchgeführt, und der Managementserver 30 führt fortlaufend Prozesse eines Berechnens einer Fahrverhaltensschätzung, Schätzungszuverlässigkeit und verschiedener Punktzahlen durch und speichert berechnete Daten in der Fahrverhaltensanalyseergebnis-DB 82.
• [Prozess nach einer Reise unter Verwenden der Fahrverhaltensschätzungsanwendung]
• Als nächstes erfolgt eine Beschreibung eines Prozesses, der nach einer Reise unter Verwenden der Fahrverhaltensschätzungsanwendung durchgeführt wird.
• Eine Beschreibung einer Verarbeitungssequenz nach einer Reise unter Verwenden der Fahrverhaltensschätzungsanwendung 22, der durch das mobile Endgerät 20 durchgeführt wird, erfolgt unter Bezugnahme auf ein in 25 dargestelltes Ablaufdiagramm.
• Prozesse in den jeweiligen Schritten des in 25 dargestellten Ablauf werden in Reihenfolge beschrieben.
• (Schritt S701)
• Zunächst werden in Schritt S701 Karteninformationen einschließlich einer zurückgelegten Route von dem Managementserver 30 an das mobile Endgerät 20 zur Anzeige auf dem Anzeigeabschnitt des mobilen Endgeräts 20 übertragen. Wie zuvor beschrieben, weist der Managementserver 30 die Karteninformations-DB 83 auf und weist ferner, darin aufgezeichnet, eine durch das Fahrzeug auf der Basis der von dem mobilen Endgerät 20 empfangenen aktuellen Ortsinformationen zurückgelegte Route auf.
• (Schritt S702)
• Ferner zeigt in Schritt S702 der Managementserver 30 im oberen Bereich der auf dem mobilen Endgerät 20 angezeigten Karteninformation Orte an, zu denen auf der Basis der Fahrverhaltensschätzung und von Details des gefährlichen Fahrens entschieden wurde, dass in ihnen gefährliches Fahren aufgetreten ist.
• 26 stellt spezifische Beispiele dar.
• Zum Beispiel werden, wie in einem Anzeigedatenbeispiel „a“ in 26(a) dargestellt, ein Ort, an dem auf der Basis der Fahrverhaltensschätzung entschieden wird, dass gefährliches Fahren aufgetreten ist, und Details des gefährlichen Fahrens im oberen Bereich der auf dem mobilen Endgerät 20 angezeigten Karteninformation angezeigt.
• (Schritt S703)
• Ferner zeigt in Schritt S703 der Managementserver 30 auf dem mobilen Endgerät 20 einen Ort an, an dem die Schätzungszuverlässigkeit der Fahrverhaltensschätzung gleich oder kleiner als ein festgelegter Schwellenwert ist und an dem eine Korrektur durch den Benutzer zulässig ist.
• 26(b) stellt ein spezifisches Beispiel dar.
• Zum Beispiel werden, wie in einem Anzeigedatenbeispiel „b“ in 26(b) dargestellt, ein Ort, an dem die Schätzungszuverlässigkeit der Fahrverhaltensschätzung gleich oder kleiner als der festgelegte Schwellenwert ist und an dem eine Korrektur durch den Benutzer zulässig ist, im oberen Bereich der auf dem mobilen Endgerät 20 angezeigten Karteninformation angezeigt.
• Zum Beispiel wird in dem Fall, dass der festgelegte Schwellenwert 0,3 ist, ein Ort mit einer Schätzungszuverlässigkeit von 0,3 oder kleiner angezeigt. Ferner wird eine Nachricht angezeigt, um nachzufragen, ob oder ob nicht der Benutzer eine Korrektur anfordern wird.
• (Schritte S704 und S705)
• Der Managementserver 30 entscheidet in Schritt S704, ob oder ob nicht der Benutzer eine Anforderung für eine Korrektur vorgenommen hat.
• In dem Fall, dass der Benutzer einen in dem Anzeigedatenbeispiel „b“ in 26(b) dargestellten „Ja“-Bereich berührt, wird eine Korrekturanforderung an den Managementserver 30 übertragen.
• Der Managementserver 30 empfängt eine Anzahl an Korrekturanforderungen von mobilen Endgeräten, die von vielen Benutzern der Fahrzeuge getragen werden, die ihre Reise abgeschlossen haben.
• Es ist anzumerken, dass, obwohl in dem unter Bezugnahme auf Schritt S703 in dem Ablauf von 25 und 26 beschriebenen Beispiel Informationen hinsichtlich nur der Orte mit einer Schätzungszuverlässigkeit gleich oder niedriger als ein Schwellenwert angezeigt werden, unabhängig von der Schätzungszuverlässigkeit Schätzungszuverlässigkeiten aller Orte in Reaktion auf eine Benutzeranforderung angezeigt werden können.
• Zum Beispiel werden, wie in einem Anzeigedatenbeispiel „a“ in 27(a) dargestellt, ein Ort, an dem auf der Basis der Fahrverhaltensschätzung entschieden wird, dass gefährliches Fahren aufgetreten ist, und Details des gefährlichen Fahrens im oberen Bereich der auf dem mobilen Endgerät 20 angezeigten Karteninformation angezeigt, und der Benutzer berührt den Bereich, in dem solche Informationen angezeigt werden.
• Dieser Prozess bewirkt, dass ein Schätzungszuverlässigkeitswert entsprechend der Fahrverhaltensschätzung wie in 27(b) dargestellt angezeigt wird. Die Schätzungszuverlässigkeit beträgt 0,81, was größer als der festgelegte Schwellenwert von 0,3 ist. Als ein Ergebnis kann der Benutzer keine Korrektur anfordern. In diesem Fall wird eine Nachricht angezeigt, um anzugeben, dass eine Korrekturanforderung nicht zulässig ist.
• Als nächstes erfolgt eine Beschreibung einer Verarbeitungssequenz eines Prozesses für einen Empfang einer Korrekturanforderung durch den Managementserver 30 von dem mobilen Endgerät und Durchführen einer Korrektur unter Bezugnahme auf ein in 28 dargestelltes Ablaufdiagramm. Prozesse in den jeweiligen Schritten in dem in 28 dargestellten Ablauf werden in Reihenfolge beschrieben.
• (Schritt S721)
• Zunächst empfängt in Schritt S721 der Managementserver 30 eine Korrekturanforderung von dem mobilen Endgerät 20 jedes Benutzers.
• (Schritt S722)
• Als nächstes entscheidet in Schritt S722 der Managementserver 30, ob oder ob nicht die Anzahl an von den mobilen Endgeräten 20 empfangenen Korrekturanforderungen einen festgelegten Schwellenwert erreicht oder überschritten hat.
• In dem Fall, dass die Anzahl an Korrekturanforderungen den festgelegten Schwellenwert noch nicht erreicht oder überschritten hat, wird der Prozess beendet.
• Währenddessen fährt in dem Fall, dass entschieden wird, dass die Anzahl an Korrekturanforderungen den festgelegten Schwellenwert erreicht oder überschritten hat, der Prozess mit Schritt S723 fort.
• (Schritt S723)
• In dem Fall, dass in Schritt S722 entschieden wird, dass die Anzahl von Korrekturanforderungen den festgelegten Schwellenwert erreicht oder überschritten hat, fährt der Prozess mit Schritt S723 fort.
• Der Managementserver 30 korrigiert in Schritt S723 die Fahrverhaltensschätzung und das Punktzahlberechnungsergebnis basierend auf der Fahrverhaltensschätzung.
• (Schritt S724)
• Ferner überträgt in Schritt S724 der Managementserver 30 ein Korrekturergebnis und Bonuspunkte an die mobilen Endgeräte, die Korrekturanforderungen übertragen haben.
• 29 stellt ein spezifisches Beispiel dar.
• Wie in 29 dargestellt, wird der Ort, an dem das Fahrverhalten des Benutzers als gefährlich entschieden wurde und der Benutzer eine Korrekturanforderung vorgenommen hat, angezeigt, und eine Nachricht, die angibt, dass die Fahrverhaltensschätzung an dem Ort und die Punktzahl korrigiert wurden, wird angezeigt. Ferner wird zudem eine andere Nachricht angezeigt, um anzugeben, dass Bonuspunkte als ein Ergebnis einer Zulässigkeit der Korrektur an den Benutzer vergeben wurden.
• Es ist anzumerken, dass die Bonuspunkte insbesondere Punkte für Rabatt auf Waren, Punkte, die zum Rabattieren von Versicherungsprämien angewendet werden, und dergleichen sind.
• Der Managementserver 30 verwaltet eine Vergabe und Verwendung dieser Punkte auch durch ein Zusammenspiel mit anderen Informationsbereitstellungsservern und Dienstbereitstellungsservern.
• (Schritt S725)
• Ferner führt in Schritt S725 der Managementserver 30 einen Prozess eines Widerspiegelns des Korrekturergebnisses in den Lerndaten durch. Zum Beispiel führt der Managementserver 30 einen Prozess eines Korrigierens der Fahrverhaltensschätzung und der Punktzahlberechnungsergebnisse basierend auf der in der Fahrverhaltensanalyseergebnisdatenbank 82 gespeicherten Fahrverhaltensschätzung und Widerspiegeln des Korrekturergebnisses in den Lerndaten durch.
• [Auslegungsbeispiel der Informationsverarbeitungseinrichtung]
• Als nächstes erfolgt eine Beschreibung eines Hardwareauslegungsbeispiels einer Informationsverarbeitungseinrichtung, die als das mobile Endgerät 20 oder der Managementserver 30 anwendbar ist, unter Bezugnahme auf 30.
• Die als das mobile Endgerät 20 oder der Managementserver 30 anwendbare Informationsverarbeitungseinrichtung weist zum Beispiel eine in 30 dargestellte Auslegung auf.
• Eine CPU (Central Processing Unit - zentrale Verarbeitungseinheit) 301 dient als ein Datenverarbeitungsabschnitt, der verschiedene Prozesse gemäß einem in einem ROM (Read Only Memory - Nur-LeseSpeicher) 302 oder einem Speicherabschnitt 308 gespeicherten Programm ausführt. Zum Beispiel führt die CPU 301 Prozesse gemäß den in der obigen Ausführungsform beschriebenen Sequenzen aus. Ein RAM (Random Access Memory - Direktzugriffsspeicher) 303 speichert das durch die CPU 301 auszuführende Programm, Daten und dergleichen. Die CPU 301, der ROM 302 und der RAM 303 sind durch einen Bus 304 miteinander verbunden.
• Die CPU 301 ist mit einer Eingabe-/Ausgabeschnittstelle 305 über den Bus 304 verbunden, und ein Eingabeabschnitt 306 mit unter anderem verschiedenen Schaltern, einer Tastatur, einem berührungsempfindlichen Bedienfeld, einer Maus, einem Mikrofon und dergleichen und ein Ausgabeabschnitt 307 mit unter anderem einer Anzeige, einem Lautsprecher und dergleichen sind mit der Eingabe-/Ausgabeschnittstelle 305 verbunden.
• Es ist anzumerken, dass der Eingabeabschnitt des mobilen Endgeräts 20 einen Informationserfassungsabschnitt wie beispielsweise einen Beschleunigungssensor, einen Geschwindigkeitssensor, einen GPS-Sensor und einen Drehzahlsensor zum Erfassen von Informationen, die zum Schätzen des Fahrverhaltens verwendet werden, umfasst.
• Die CPU 301 des Managementservers 30 oder des mobilen Endgeräts 20 schätzt das Fahrverhalten auf der Basis der endgeräterfassten Informationen.
• Der Speicherabschnitt 308, der mit der Eingabe-/Ausgabeschnittstelle 305 verbunden ist, umfasst zum Beispiel eine Festplatte und speichert das durch die CPU 301 auszuführende Programm und verschiedene Arten von Daten. Ein Kommunikationsabschnitt 309 dient als ein Übertragungs-/Empfangsabschnitt zur Datenkommunikation über ein Netzwerk wie beispielsweise das Internet oder ein lokales Netzwerk und ferner als ein Rundfunkwellenübertragungs-/-empfangsabschnitt und kommuniziert mit einer externen Einrichtung.
• Ein mit der Eingabe-/Ausgabeschnittstelle 305 verbundenes Laufwerk 310 treibt ein entfernbares Medium 311 an wie beispielsweise eine Magnetplatte, eine optische Platte, eine magneto-optische Platte oder einen Halbleiterspeicher wie beispielsweise eine Speicherkarte und zeichnet Daten auf das entfernbare Medium 311 auf und liest Daten von diesem aus.
• [Zusammenfassung der Auslegung der vorliegenden Offenbarung]
• Eine Ausführungsform der vorliegenden Offenbarung ist oben unter Bezugnahme auf eine spezifische Ausführungsform im Detail beschrieben. Es ist jedoch offensichtlich, dass Fachleute auf dem Gebiet die Ausführungsform modifizieren oder ergänzen können, ohne vom Kerngedanken der vorliegenden Offenbarung abzuweichen. Somit ist die vorliegende Erfindung zur Veranschaulichung offenbart und soll nicht in einem einschränkenden Sinne ausgelegt werden. Zur Beurteilung des Schutzumfangs der vorliegenden Offenbarung sind die Ansprüche heranzuziehen.
• Es ist anzumerken, dass die in der vorliegenden Spezifikation offenbarte Technologie auch die folgenden Auslegungen aufweisen kann:
1. (1) Informationsverarbeitungseinrichtung, umfassend:
   • einen Datenverarbeitungsabschnitt, der ausgestaltet ist, eine Eingabe von endgeräterfassten Informationen zu empfangen, die Informationen sind, die durch ein mobiles Endgerät in einem Fahrzeug erfasst wurden, und einen Prozess eines Schätzens eines Fahrverhaltens eines Fahrers des Fahrzeugs durchzuführen, wobei der Datenverarbeitungsabschnitt eine Fahrverhaltensschätzung des Fahrers auf der Basis der endgeräterfassten Informationen durch Anwenden eines vorab generierten Lernmodells berechnet.
2. (2) Informationsverarbeitungseinrichtung nach Merkmal (1), wobei das Lernmodell ein durch Empfangen einer Eingabe der endgeräterfassten Informationen und Überwachungsinformationen des Fahrzeugs generiertes Lernmodell umfasst und ausgestaltet ist, eine Eingabe verschiedener Arten von endgeräterfassten Informationen zu empfangen, um die Fahrverhaltensschätzung und Schätzungszuverlässigkeit, die eine Zuverlässigkeit der Fahrverhaltensschätzung ist, auszugeben.
3. (3) Informationsverarbeitungseinrichtung nach Merkmal (1) oder (2), wobei die endgeräterfassten Informationen mindestens ein beliebiges von Beschleunigungsinformationen, Drehzahlinformationen oder Positionsinformationen umfassen.
4. (4) Informationsverarbeitungseinrichtung nach einem der Merkmale (1) bis (3), wobei der Datenverarbeitungsabschnitt einen Punktzahlberechnungsprozess durchführt, auf den die Fahrverhaltensschätzung und Schätzungszuverlässigkeit, die eine Zuverlässigkeit der Fahrverhaltensschätzung ist, angewendet werden.
5. (5) Informationsverarbeitungseinrichtung nach Merkmal (4), wobei der Datenverarbeitungsabschnitt einen Prozess eines Berechnens mindestens einer beliebigen der folgenden Punktzahlen durchführt:
   1. (1) einer Risikopunktzahl als einen Index, der einen Grad eines Fahrrisikos des Fahrers darstellt;
   2. (2) einer Zuverlässigkeitspunktzahl als einen Indexwert einer Gesamtschätzungszuverlässigkeit der Fahrverhaltensschätzung; und
   3. (3) einer Gesamtpunktzahl, die ein Fahrdiagnoseergebnis des Fahrers darstellt.
6. (6) Informationsverarbeitungseinrichtung nach Merkmal (5), wobei der Datenverarbeitungsabschnitt die Gesamtpunktzahl durch einen Rechenprozess unter Verwenden der Risikopunktzahl und der Zuverlässigkeitspunktzahl berechnet.
7. (7) Informationsverarbeitungseinrichtung nach Merkmal (5) oder (6), wobei der Datenverarbeitungsabschnitt eine Punktzahl entsprechend mindestens eines beliebigen eines Fahrzeugtyps oder eines mobilen Endgerätmodells berechnet.
8. (8) Informationsverarbeitungseinrichtung nach einem der Merkmale (5) bis (7), wobei der Datenverarbeitungsabschnitt Informationen mit Straßenzoneninformationen generiert, die auf der Basis der Punktzahl bestimmt sind, wobei die Straßenzoneninformationen auf einer Karte überlagert werden, und die Informationen an das mobile Endgerät ausgibt.
9. (9) Informationsverarbeitungseinrichtung nach Merkmal (8), wobei die Straßenzoneninformationen ein beliebiges von Folgendem umfassen:
   1. (1) Informationen hinsichtlich Straßenzonen, die einer Fahrpunktzahleinstufung unterliegen;
   2. (2) Informationen hinsichtlich Straßenzonen, auf denen gefährliches Fahren aufgetreten ist; und
   3. (3) Informationen hinsichtlich Straßenzonen, die einer Bonuspunkterzielung unterliegen.
10. (10) Informationsverarbeitungseinrichtung nach Merkmal (9), wobei der Datenverarbeitungsabschnitt einen Vorabbenachrichtigungsprozess eines Benachrichtigens, dass eine Straßenzone herannaht, in der gefährliches Fahren aufgetreten ist, durchführt.
11. (11) Informationsverarbeitungseinrichtung nach einem der Merkmale (1) bis (9), wobei der Datenverarbeitungsabschnitt einen Benachrichtigungsprozess im Nachhinein eines Benachrichtigens, dass ein gefährliches Fahrverhalten durchgeführt wurde, durchführt.
12. (12) Informationsverarbeitungseinrichtung nach einem der Merkmale (1) bis (10), wobei der Datenverarbeitungsabschnitt eine Anforderung zum Korrigieren eines Fahrverhaltensschätzungsergebnisses oder eines Punktzahlberechnungsergebnisses basierend auf dem Fahrverhaltensschätzungsergebnis von dem mobilen Endgerät empfängt und einen Korrekturprozess durchführt.
13. (13) Informationsverarbeitungseinrichtung nach Merkmal (12), wobei in einem Fall, dass ein Korrekturprozess auf der Basis der Korrekturanforderung durchgeführt wird, der Datenverarbeitungsabschnitt einen Bonuspunkt an einen Benutzer vergibt, dessen mobiles Endgerät die Korrekturanforderung übertragen hat.
14. (14) Informationsverarbeitungssystem, umfassend:
    • einen Managementserver; und
    • ein mobiles Endgerät, wobei
    • das mobile Endgerät ein in einem Fahrzeug bereitgestelltes mobiles Endgerät umfasst,
    • durch das mobile Endgerät erfasste endgeräterfasste Informationen an den Managementserver übertragen werden, und
    • der Managementserver die endgeräterfassten Informationen, die von dem mobilen Endgerät empfangen wurden, in ein Lernmodell eingibt, um eine Fahrverhaltensschätzung eines Fahrers des Fahrzeugs auszugeben.
15. (15) Informationsverarbeitungssystem nach Merkmal (14), wobei der Managementserver die endgeräterfassten Informationen, die von dem mobilen Endgerät empfangen wurden, in ein Lernmodell eingibt, um die Fahrverhaltensschätzung und Schätzungszuverlässigkeit, die eine Zuverlässigkeit der Fahrverhaltensschätzung ist, auszugeben.
16. (16) Informationsverarbeitungssystem nach Merkmal (14) oder (15), wobei der Managementserver einen Prozess eines Berechnens mindestens eines beliebigen des Folgenden durch Anwenden der Fahrverhaltensschätzung und Schätzungszuverlässigkeit, die eine Zuverlässigkeit der Fahrverhaltensschätzung ist, durchführt:
    1. (1) einer Risikopunktzahl als einen Index, der einen Grad eines Fahrrisikos des Fahrers darstellt;
    2. (2) einer Zuverlässigkeitspunktzahl als einen Indexwert einer Gesamtschätzungszuverlässigkeit der Fahrverhaltensschätzung; und
    3. (3) einer Gesamtpunktzahl, die ein Fahrdiagnoseergebnis des Fahrers darstellt.
17. (17) Informationsverarbeitungsverfahren, das in einer Informationsverarbeitungseinrichtung durchgeführt wird, wobei die Informationsverarbeitungseinrichtung umfasst:
    • einen Datenverarbeitungsabschnitt, der ausgestaltet ist, eine Eingabe von endgeräterfassten Informationen zu empfangen, die Informationen sind, die durch ein mobiles Endgerät in einem Fahrzeug erfasst wurden, und einen Prozess eines Schätzens eines Fahrverhaltens eines Fahrers des Fahrzeugs durchzuführen, wobei
    • der Datenverarbeitungsabschnitt eine Fahrverhaltensschätzung des Fahrers auf der Basis der endgeräterfassten Informationen durch Anwenden eines vorab generierten Lernmodells berechnet.
18. (18) Informationsverarbeitungsverfahren, das in einem Informationsverarbeitungssystem durchgeführt wird, das einen Managementserver und ein mobiles Endgerät umfasst, wobei das mobile Endgerät ein in einem Fahrzeug bereitgestelltes mobiles Endgerät umfasst, durch das mobile Endgerät erfasste endgeräterfasste Informationen an den Managementserver übertragen werden, und der Managementserver die endgeräterfassten Informationen, die von dem mobilen Endgerät empfangen wurden, in ein Lernmodell eingibt, um eine Fahrverhaltensschätzung eines Fahrers des Fahrzeugs auszugeben.
19. (19) Programm zum Veranlassen, dass eine Informationsverarbeitung in einer Informationsverarbeitungseinrichtung durchgeführt wird, wobei die Informationsverarbeitungseinrichtung umfasst:
    • einen Datenverarbeitungsabschnitt, der ausgestaltet ist, eine Eingabe von endgeräterfassten Informationen zu empfangen, die Informationen sind, die durch ein mobiles Endgerät in einem Fahrzeug erfasst wurden, und einen Prozess eines Schätzens eines Fahrverhaltens eines Fahrers des Fahrzeugs durchzuführen,
    • wobei das Programm den Datenverarbeitungsabschnitt veranlasst, eine Fahrverhaltensschätzung des Fahrers auf der Basis der endgeräterfassten Informationen durch Anwenden eines vorab generierten Lernmodells zu berechnen.
• Zudem kann die Reihe von in der vorliegenden Spezifikation beschriebenen Prozessen durch Hardware, Software oder eine Kombination daraus durchgeführt werden. In dem Fall, dass die Reihe von Prozessen durch Software durchgeführt wird, kann ein die Verarbeitungssequenzen speicherndes Programm in einem Speicher eines in dedizierte Hardware integrierten Computers oder eines Allzweckcomputers, der in der Lage ist, eine Vielzahl von Verarbeitungsaufgaben für eine Ausführung durchzuführen, installiert werden. Zum Beispiel kann das Programm vorab in einem Aufzeichnungsmedium aufgezeichnet werden. Zusätzlich zu einer Installation in einem Computer von einem Aufzeichnungsmedium kann das Programm über ein Netzwerk wie beispielsweise LAN (Local Area Network - lokales Netzwerk) oder das Internet empfangen und auf einem integrierten Aufzeichnungsmedium wie beispielsweise einer Festplatte installiert werden.
• Es ist anzumerken, dass verschiedene in der vorliegenden Spezifikation beschriebene Prozesse nicht nur chronologisch gemäß der Beschreibung, sondern auch parallel oder einzeln auf eine Weise gemäß einer Verarbeitungsfähigkeit der die Prozesse handhabenden Einrichtung oder nach Bedarf durchgeführt werden können. Zudem bezeichnet der Begriff „System“ in der vorliegenden Spezifikation eine Auslegung eines logischen Satzes einer Mehrzahl von Einrichtungen, und die Einrichtungen, die jeweils als eine Komponente dienen, müssen nicht notwendigerweise in demselben Gehäuse untergebracht sein.
• [Gewerbliche Anwendbarkeit]
• Wie oben beschrieben, ist gemäß der Auslegung der Ausführungsform der vorliegenden Offenbarung eine Auslegung umgesetzt, die endgeräterfasste Informationen eines mobilen Endgeräts in einem Fahrzeug in ein Lernmodell eingibt, ein Fahrverhalten eines Fahrers schätzt und Prozesse durchführt, wie beispielsweise Berechnen einer Punktzahl auf der Basis des Schätzungsergebnisses und Ausgeben einer Benachrichtigung.
• Insbesondere werden zum Beispiel endgeräterfasste Informationen, die durch ein mobiles Endgerät in einem Fahrzeug erfasst werden, wie beispielsweise Beschleunigungsinformationen, eingegeben, und ein Prozess eines Schätzens eines Fahrverhaltens eines Fahrers des Fahrzeugs wird durchgeführt. Eine Fahrverhaltensschätzung des Fahrers und eine Schätzungszuverlässigkeit der Fahrverhaltensschätzung werden auf der Basis der endgeräterfassten Informationen durch Anwenden eines Lernmodells berechnet. Ferner werden Prozesse eines Berechnens einer Risikopunktzahl, die ein Index ist, der den Grad eines Fahrrisikos des Fahrers darstellt, eine Zuverlässigkeitspunktzahl, die ein Indexwert einer Gesamtschätzungszuverlässigkeit der Fahrverhaltensschätzung ist, eine Gesamtpunktzahl, die ein Fahrdiagnoseergebnis des Fahrers darstellt, und dergleichen durchgeführt, und ein Benachrichtigungsprozess eines Ausgebens einer Benachrichtigung an einen Benutzer eines mobilen Endgeräts auf der Basis der Punktzahlen und dergleichen werden durchgeführt.
• Die vorliegende Auslegung setzt eine Auslegung um, die endgeräterfasste Informationen eines mobilen Endgeräts in einem Fahrzeug in ein Lernmodell eingibt, ein Fahrverhalten eines Fahrers schätzt und Prozesse durchführt, wie beispielsweise Berechnen einer Punktzahl auf der Basis des Schätzungsergebnisses und Ausgeben einer Benachrichtigung.
• Bezugszeichenliste

10

Fahrzeug

11

Fahrer

20

Mobiles Endgerät

21

Informationserfassungsanwendung

22

Fahrverhaltensschätzungsanwendung

30

Managementserver

41, 42

Informationsbereitstellungsserver

43, 44

Dienstbereitstellungsserver

50

Endgeräterfasste Informationen

60

Überwachungsinformationen

70

Lerndaten

80

Lernprozessabschnitt

81

Lernmodell

90

Fahrverhaltensschätzungsabschnitt

301

CPU

302

ROM

303

RAM

304

Bus

305

Eingabe-/Ausgabeschnittstelle

306

Eingabeabschnitt

307

Ausgabeabschnitt

308

Speicherabschnitt

309

Kommunikationsabschnitt

310

Laufwerk

311

Entfernbares Medium

• ZITATE ENTHALTEN IN DER BESCHREIBUNG
• Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
• Zitierte Patentliteratur
• JP 6264492 [0003, 0006]

Claims (19)

1. Informationsverarbeitungseinrichtung, umfassend: einen Datenverarbeitungsabschnitt, der ausgestaltet ist, eine Eingabe von endgeräterfassten Informationen zu empfangen, die Informationen sind, die durch ein mobiles Endgerät in einem Fahrzeug erfasst wurden, und einen Prozess eines Schätzens eines Fahrverhaltens eines Fahrers des Fahrzeugs durchzuführen, wobei der Datenverarbeitungsabschnitt eine Fahrverhaltensschätzung des Fahrers auf einer Basis der endgeräterfassten Informationen durch Anwenden eines vorab generierten Lernmodells berechnet.
2. Informationsverarbeitungseinrichtung nach Anspruch 1, wobei das Lernmodell ein durch Empfangen einer Eingabe der endgeräterfassten Informationen und Überwachungsinformationen des Fahrzeugs generiertes Lernmodell umfasst und ausgestaltet ist, eine Eingabe verschiedener Arten von endgeräterfassten Informationen zu empfangen, um die Fahrverhaltensschätzung und Schätzungszuverlässigkeit, die eine Zuverlässigkeit der Fahrverhaltensschätzung ist, auszugeben.
3. Informationsverarbeitungseinrichtung nach Anspruch 1, wobei die endgeräterfassten Informationen mindestens ein beliebiges von Beschleunigungsinformationen, Drehzahlinformationen oder Positionsinformationen umfassen.
4. Informationsverarbeitungseinrichtung nach Anspruch 1, wobei der Datenverarbeitungsabschnitt einen Punktzahlberechnungsprozess durchführt, auf den die Fahrverhaltensschätzung und Schätzungszuverlässigkeit, die eine Zuverlässigkeit der Fahrverhaltensschätzung ist, angewendet werden.
5. Informationsverarbeitungseinrichtung nach Anspruch 4, wobei der Datenverarbeitungsabschnitt einen Prozess eines Berechnens mindestens einer beliebigen der folgenden Punktzahlen durchführt: (1) einer Risikopunktzahl als einen Index, der einen Grad eines Fahrrisikos des Fahrers darstellt; (2) einer Zuverlässigkeitspunktzahl als einen Indexwert einer Gesamtschätzungszuverlässigkeit der Fahrverhaltensschätzung; und (3) einer Gesamtpunktzahl, die ein Fahrdiagnoseergebnis des Fahrers darstellt.
6. Informationsverarbeitungseinrichtung nach Anspruch 5, wobei der Datenverarbeitungsabschnitt die Gesamtpunktzahl durch einen Rechenprozess unter Verwenden der Risikopunktzahl und der Zuverlässigkeitspunktzahl berechnet.
7. Informationsverarbeitungseinrichtung nach Anspruch 5, wobei der Datenverarbeitungsabschnitt eine Punktzahl entsprechend mindestens eines beliebigen eines Fahrzeugtyps oder eines mobilen Endgerätmodells berechnet.
8. Informationsverarbeitungseinrichtung nach Anspruch 5, wobei der Datenverarbeitungsabschnitt Informationen mit Straßenzoneninformationen generiert, die auf einer Basis der Punktzahl bestimmt werden, wobei die Straßenzoneninformationen auf einer Karte überlagert werden, und die Informationen an das mobile Endgerät ausgibt.
9. Informationsverarbeitungseinrichtung nach Anspruch 8, wobei die Straßenzoneninformationen ein beliebiges von Folgendem umfassen: (1) Informationen hinsichtlich Straßenzonen, die einer Fahrpunktzahleinstufung unterliegen; (2) Informationen hinsichtlich Straßenzonen, in denen gefährliches Fahren aufgetreten ist; und (3) Informationen hinsichtlich Straßenzonen, die einer Bonuspunkterzielung unterliegen.
10. Informationsverarbeitungseinrichtung nach Anspruch 9, wobei der Datenverarbeitungsabschnitt einen Vorabbenachrichtigungsprozess eines Benachrichtigens, dass eine Straßenzone herannaht, in der gefährliches Fahren aufgetreten ist, durchführt.
11. Informationsverarbeitungseinrichtung nach Anspruch 1, wobei der Datenverarbeitungsabschnitt einen Benachrichtigungsprozess im Nachhinein eines Benachrichtigens, dass ein gefährliches Fahrverhalten durchgeführt wurde, durchführt.
12. Informationsverarbeitungseinrichtung nach Anspruch 1, wobei der Datenverarbeitungsabschnitt eine Anforderung zum Korrigieren eines Fahrverhaltensschätzungsergebnisses oder eines Punktzahlberechnungsergebnisses basierend auf dem Fahrverhaltensschätzungsergebnis von dem mobilen Endgerät empfängt und einen Korrekturprozess durchführt.
13. Informationsverarbeitungseinrichtung nach Anspruch 12, wobei in einem Fall, dass ein Korrekturprozess auf einer Basis der Korrekturanforderung durchgeführt wird, der Datenverarbeitungsabschnitt einen Bonuspunkt an einen Benutzer vergibt, dessen mobiles Endgerät die Korrekturanforderung übertragen hat.
14. Informationsverarbeitungssystem, umfassend: einen Managementserver; und ein mobiles Endgerät, wobei das mobile Endgerät ein in einem Fahrzeug bereitgestelltes mobiles Endgerät umfasst, durch das mobile Endgerät erfasste endgeräterfasste Informationen an den Managementserver übertragen werden, und der Managementserver die endgeräterfassten Informationen, die von dem mobilen Endgerät empfangen wurden, in ein Lernmodell eingibt, um eine Fahrverhaltensschätzung eines Fahrers des Fahrzeugs auszugeben.
15. Informationsverarbeitungssystem nach Anspruch 14, wobei der Managementserver die endgeräterfassten Informationen, die von dem mobilen Endgerät empfangen wurden, in ein Lernmodell eingibt, um die Fahrverhaltensschätzung und Schätzungszuverlässigkeit, die eine Zuverlässigkeit der Fahrverhaltensschätzung ist, auszugeben.
16. Informationsverarbeitungssystem nach Anspruch 14, wobei der Managementserver einen Prozess eines Berechnens mindestens eines beliebigen des Folgenden durch Anwenden der Fahrverhaltensschätzung und Schätzungszuverlässigkeit, die eine Zuverlässigkeit der Fahrverhaltensschätzung ist, durchführt: (1) einer Risikopunktzahl als einen Index, der einen Grad eines Fahrrisikos des Fahrers darstellt; (2) einer Zuverlässigkeitspunktzahl als einen Indexwert einer Gesamtschätzungszuverlässigkeit der Fahrverhaltensschätzung; und (3) einer Gesamtpunktzahl, die ein Fahrdiagnoseergebnis des Fahrers darstellt.
17. Informationsverarbeitungsverfahren, das in einer Informationsverarbeitungseinrichtung durchgeführt wird, wobei die Informationsverarbeitungseinrichtung umfasst: einen Datenverarbeitungsabschnitt, der ausgestaltet ist, eine Eingabe von endgeräterfassten Informationen zu empfangen, die Informationen sind, die durch ein mobiles Endgerät in einem Fahrzeug erfasst wurden, und einen Prozess eines Schätzens eines Fahrverhaltens eines Fahrers des Fahrzeugs durchzuführen, wobei der Datenverarbeitungsabschnitt eine Fahrverhaltensschätzung des Fahrers auf einer Basis der endgeräterfassten Informationen durch Anwenden eines vorab generierten Lernmodells berechnet.
18. Informationsverarbeitungsverfahren, das in einem Informationsverarbeitungssystem durchgeführt wird, das einen Managementserver und ein mobiles Endgerät umfasst, wobei das mobile Endgerät ein in einem Fahrzeug bereitgestelltes mobiles Endgerät umfasst, durch das mobile Endgerät erfasste endgeräterfasste Informationen an den Managementserver übertragen werden, und der Managementserver die endgeräterfassten Informationen, die von dem mobilen Endgerät empfangen wurden, in ein Lernmodell eingibt, um eine Fahrverhaltensschätzung eines Fahrers des Fahrzeugs auszugeben.
19. Programm zum Veranlassen, dass eine Informationsverarbeitung in einer Informationsverarbeitungseinrichtung durchgeführt wird, wobei die Informationsverarbeitungseinrichtung umfasst: einen Datenverarbeitungsabschnitt, der ausgestaltet ist, eine Eingabe von endgeräterfassten Informationen zu empfangen, die Informationen sind, die durch ein mobiles Endgerät in einem Fahrzeug erfasst wurden, und einen Prozess eines Schätzens eines Fahrverhaltens eines Fahrers des Fahrzeugs durchzuführen, wobei das Programm den Datenverarbeitungsabschnitt veranlasst, eine Fahrverhaltensschätzung des Fahrers auf einer Basis der endgeräterfassten Informationen durch Anwenden eines vorab generierten Lernmodells zu berechnen.

Images