JP2015513131A - 運転行動の危険指標の算出装置、システムおよび方法 - Google Patents

Abstract

第１の態様は、車両の運転者用の運転行動危険指標を算出する装置、システムおよび方法に関する。前記態様は、車両に搭載された慣性装置からの入力に基づいて、複数の予め定められたカテゴリーそれぞれで発生するイベントのカウント数を取得することを含み、慣性装置は３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを含んでおり、各イベントは、危険な運転および強引な運転のうち少なくとも１つを示唆し、さらに、前記態様は、各カテゴリー中のイベント数に基づき運転行動危険指標を算出することを含む。第２の態様により、車両軌跡の再構築のための装置および方法が提供される。前記態様は、センサエラーモデルを更新することを含む。【選択図】図１３

Description

本発明は、運転行動を分析し、運転者の行動に固有の危険の指標を作成することに関する。

運転者ごとに運転中の行動は異なる。他の運転者よりも強引な運転者もいれば、危険な運転行動をしがちな運転者もいる。運転者が修正措置をとって自らの運転行動を修正できるように、運転者に彼らの運転行動が如何に危険であるかに関するフィードバックを提供することが望ましいであろう。

車両の位置とナビゲーションを判断するための衛星ナビゲーションシステムが知られている。加速度計を備えた事故検出装置の使用も、車両内のテレマティックス装置の付属品として知られている。そのようなテレマティックス装置は概して、テレマティックス装置と遠隔処理エンティティとの間で車両の情報を連絡するためのモバイル電話／セル電話トランシーバーを備えている。

さらに、車両の加速度および減速度値を検出するための加速度計と、車両の位置と速度を検出するためのＧＰＳと、検出されたデータを、車両運転者の危険指標を算出するオペレーションセンターに送信するＧＳＭ／ＧＰＲＳモジュールとを使用する、車両運転者の危険指標の算出装置が知られている。

しかし、そのようなシステムは比較的未熟であるため、その危険指標は概算に過ぎない。さらに、そのようなシステムは、ＧＰＳと、遠隔場所へのデータ送信とに依存しているため、自己充足型でない。

本発明は先行技術の欠点に対処し、車両内で自己完結型でもよく、車載型テレマティックス装置と遠隔処理エンティティとを備えた分散型装置でもよい、正確な運転者行動危険指標測定装置を提供することを意図している。

本発明の第１の態様により、車両の運転者の運転行動危険指標の算出装置が提供され、その装置は：
処理および制御装置と、
メモリと、を備え、
装置は以下を行うように適合されている：
車載型慣性装置からの入力に基づいて、複数の予め定められたカテゴリーそれぞれで発生するイベントのカウント数を取得する。慣性装置は３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを含み、各イベントは危険な運転および強引な運転のうち少なくとも１つを示す；
各カテゴリー中のイベント数に基づいて運転行動危険指標を算出する。

好ましくは、各カテゴリーのメモリに、対応する重み係数が格納されており、装置は、各カテゴリーのイベント数に、対応する重み係数を適用することによって運転行動危険指標を算出するように適合されている。

好ましくは、装置は、予め定められた期間内に発生するイベントの数に基づき運転行動危険指標を算出するように適合されている。

装置は上記予め定められた期間の持続時間に基づいて運転行動危険指標を算出するように適合されると有利である。

装置はさらに、上記予め定められた期間中の走行距離に基づいて運転行動危険指標を算出するように適合されると有利である。

好ましくは、装置は以下によって運転行動危険指標を算出するように適合されている：
各カテゴリー中の予め定められた期間内に発生するイベントの数を取得する；
各カテゴリー中の予め定められた期間内に発生するイベントの数に、対応する重み係数を適用する；
全カテゴリーのイベントの重み付け処理後の数を合計して、予め定められた期間の累積危険度を取得する；
予め定められた期間中の車両の走行距離を測定する；
累積危険度を走行距離で除算する。

好ましくは、装置は、予め定められた期間の累積危険度を、その期間の持続時間に基づいて修正するように適合されている。

好ましくは、装置はさらに、環境データに基づいて運転行動危険指標を修正するように適合されている。

この場合、環境データは、道路データ、温度データ、周囲天候データおよび地理的位置データのうち少なくとも１つを含みうる。

好ましくは、予め定められたカテゴリーは、過酷なコーナリング、オーバーステアリングおよび回避操縦のうち任意の２以上を備えている。

好ましくは、装置は車両に搭載可能である。

この場合、装置は慣性装置を備えうる。また、好ましくは装置はさらに、遠隔処理エンティティと通信するための送信機と受信機を備える。

別法として、装置は車両から遠隔でありうる；
各カテゴリー中のイベントは車両上で検出され；
装置は、車両から以下のうち少なくとも１つを受信することによってカウント数を取得するように適合されている：
各イベントに関するデータ、および
各カテゴリー中のイベントのカウント数。

別法として、装置は車両から遠隔でありうる。装置は、車両に搭載された慣性装置からの入力を受信し処理することによってカウント数を取得するように適合されている。

これらの場合、好ましくは、装置はイベントのカウント数と、フリート車両中の複数の各別々の車両において複数の予め定められた各カテゴリーで発生するイベントのカウント数を取得して、そのフリート車両の運転行動危険指標を決定するように適合されている。

この場合、装置は、好ましくはさらに、単一車両の運転行動危険指標を、フリート車両の運転行動危険指標と別法で得られた比較用運転行動危険指標のうち少なくとも１つと比較する、および／または、フリート車両の運転行動危険指標を、別法で得られた比較用運転行動危険指標と比較するように適合されている。

本発明のさらなる態様により、処理エンティティと、上述の如き装置を複数備え、処理エンティティが長距離無線ネットワークによって複数の装置それぞれと通信するシステムが提供される。

本発明のさらなる態様により、それぞれの車両に搭載された複数のテレマティックス装置と、１つの遠隔処理装置とを備えたシステムが提供され、
テレマティックス装置は慣性センサ装置を備え、
遠隔処理エンティティとテレマティックス装置のうち少なくとも１つは、複数の予め定められたカテゴリーそれぞれで発生するイベントのカウント数を、慣性センサ装置からの入力に基づいて取得するように適合され、各イベントは、危険な運転および強引な運転のうち少なくとも１つを示し、
遠隔処理エンティティは、各カテゴリー中のイベント数に基づいて、複数のテレマティックス装置の総合運転行動危険指標を算出するように適合されている。

好ましくは、慣性センサ装置は、３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを含む。

好ましくは、遠隔処理エンティティと各テレマティックス装置のうち少なくとも一つは、運転行動危険指標を算出するように適合されている。

本発明のさらなる態様により、車両の運転者用の運転行動危険指標の算出方法が提供され、その方法は、
車両に搭載された慣性センサ装置からの入力に基づき、複数の予め定められたカテゴリーそれぞれで発生するイベントを検出し、慣性装置は３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを含み、各イベントは、危険な運転および強引な運転のうち少なくとも１つを示し、
各カテゴリー中のイベント数に基づき、運転行動危険指標を算出する、
ことを含む。

本発明のさらなる態様によれば、複数の車両の運転行動危険指標算出方法が提供され、その方法は、
各車両に搭載された慣性センサ装置からの入力に基づき、複数の予め定められたカテゴリーそれぞれで発生するイベントを検出し、各イベントは、危険な運転および強引な運転のうち少なくとも１つを示し、
各カテゴリー中のイベント数に基づき、複数の車両の運転行動危険指標を算出する、
ことを含む。

これらの方法の種々の好適な特徴は、上記に説明した装置およびシステムの好適な特徴と類似している。

本発明はさらに別の態様において、車両軌跡の再構築に使用される装置を提供し、その装置は：
処理および制御装置と；
メモリと、を備え、
装置は以下を行うように適合されている：
第１の予め定められた時間におけるデータセットを格納し、各データセットは、車両に搭載された慣性装置からの、それぞれの第１の予め定められた時間における対応する出力を含んでおり、慣性装置は３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを含み；
外部データに基づき第２の予め定められた時間データにおけるセンサエラーモデルを更新して、複数のセンサエラーモデルを格納し；
イベントを検出し；
イベントの開始前に最新に格納されたセンサエラーモデルに基づいて、イベント開始時から、イベント開始後の第３の予め定められた時間までに格納された各データセットを更新する。

好ましくは、装置はさらに、更新されたデータセットに基づいて車両の軌跡を再構築するように適合されている。

好ましくは、イベントは衝突である。

好ましくは、上記第３の予め定められた時間は、イベント開始後の一定期間と、慣性装置からの出力信号の変動が、予め定められた閾値未満に留まっている一定期間、のうち一方として測定される。

好ましくは、データセットが第１の予め定められた時間において格納される頻度は、イベントの検出後に調整される。

好ましくは、装置はさらに、外部データに基づいて、イベント後に車両の静止位置データを決定するように適合され、軌跡の再構築は、決定された端位置を始点として、更新されたデータセットに基づいている。

好ましくは、静止位置データは車両の姿勢に関するデータと、衛星測位データのうち少なくとも一方を含む。

好ましくは、装置はさらに以下を行うように適合されている：
イベント検出後の一定期間中に格納された更新されたデータセットを用いて、計算された平均位置、計算された平均加速度ベクトル、平均最終方向のうち少なくとも１つを決定する；
軌跡の再構築を、上記決定に基づかせる。

好ましくは、装置はさらに以下を行うように適合されている：
イベント検出後の一定期間中に格納された更新されたデータセットを用いて、計算された最終ピッチ、計算された最終ロールおよび計算された最終ヨーのうち少なくとも１つを決定する；
軌跡の再構築を、上記決定に基づかせる。

好ましくは、装置は、イベント後の複数の第１の予め定められた期間に関る車両の位置、速度および姿勢のうち少なくとも１つを、更新された格納されたデータセットを用いて算出することにより軌跡を再構築するように適合されている。

好ましくは、装置はさらに、センサエラーモデルセットを更新する前に、更新された慣性センサデータセットを算出するように適合されている。

本発明は、車両の車両軌跡の再構築方法を提供し、その方法は以下のステップを含む：
第１の予め定められた時間におけるデータセットを格納し、各データセットは車両に搭載された慣性装置からの、対応する第１の予め定められた時間における出力を含み、慣性装置は３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを含む；
第２の予め定められた時間データにおけるセンサエラーモデルを外部データに基づき更新して、複数のセンサエラーモデルを格納し；
イベントを検出し；
イベント開始時からイベント開始後の第３の予め定められた時間までに格納された各データセットを、イベント開始前に最新に格納されたセンサエラーモデルに基づき更新し；
車両の軌跡を、更新されたデータセットに基づき再構築する。

これらの方法の種々の好適な特徴は、上記に説明した装置およびシステムの好適な特徴と類似している。

ここで、本発明の実施形態を、あくまでも更なる例として、添付の図面を参照して説明する。

本発明での使用に適したテレマティックス装置の模式図である。 本発明での使用に適したシステムの模式図である。 本発明での使用に適したテレマティックス装置の別の模式図である。 ３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサの模式図である。 過酷な加速イベントの決定を示す流れ図である。 過酷なブレーキングイベントの決定を示す流れ図である。 過酷なコーナリングイベントの決定を示す流れ図である。 オーバーステアリングイベントの決定を示す流れ図である。 回避操縦イベントの決定を示す流れ図である。 速度変動イベントの決定を示す流れ図である。 長時間過ぎる無休憩運転イベントの決定を示す流れ図である。 車両の運転行動危険指標の算出の概要を表した図である。 車両の運転行動危険指標の算出をより詳細に表した図である。 フリート車両を備えた本発明のシステムの模式図である。 フリート車両の運転行動危険指標の算出の概要を表した図である。 フリート車両の運転行動危険指標の算出をより詳細に表した図である。 激しくない衝突イベントの決定を示した流れ図である。 激しい衝突イベントの決定を示した流れ図である。 車両軌跡再構築の説明に役立つ、衝突のタイムラインを示す。 慣性センサ装置出力の補正を示した流れ図である。 車両軌跡の決定を示した流れ図である。 走行移動データ記録を示した流れ図である。

本発明は、運転行動の危険指標を算出する装置、システムおよび方法を提供する。

本発明の第１の実施形態は、車両（図示せず）に搭載できる、図１に示すようなテレマティックス装置１０００を備えている。図１に示すように、装置１０００（Ｔボックス１０００として示されている）は３つの部分を持つ。中央部１００と６自由度慣性装置２００とオプションの構成要素３１０−３６９である。中央部１００と慣性装置２００が相まって、本実施形態のテレマティックス装置１０００の主要な態様を形成する。

テレマティックス装置１０００は、１つまたは幾つかの可能な取り付けオプションによって車両内に搭載される。テレマティックス装置１０００は、車両内に購入後の加工（完全組立後の完成車両への加工という意味で）で設置されてもよいし、組立中に車両に組み込まれてもよい。テレマティックス装置１０００は、車両のＤＣ電源に接続され、車両制御および処理システムには接続されてもよいが、必ずしも接続されなくてもよい。

テレマティックス装置１０００の中央部１００は、グローバルポジショニングシステム受信機１１０と、長距離無線トランシーバー１２０と、処理および制御装置１３０とを含む。グローバルポジショニングシステム受信機１１０は、ＧＰＳ、Ｇａｌｉｌｅｏ、ＧＬＯＮＡＳＳ、ＣＯＭＰＡＳＳ、ＱＺＳＳ等の衛星システムを用いて、テレマティックス装置１０００の位置を算出するために衛星信号を受信し、特定の精度向上機能を持ちうる。総合位置は、異なる衛星測位システムからの情報の組み合わせから割り出されうる。受信機システム１１０は、測位データ（地理的座標）を提供するモジュールによって、または、他の独立した担当機能と併せて測位データを算出できる処理装置１３０に信号を提供することによって、テレマティックス装置１０００内で実現されうる。グローバルポジショニング受信機システム１１０は、複数の技術から実現でき、組み込まれたアンテナおよび／または外部アンテナを使用できる。この外部アンテナは、（グローバルポジショニング受信機システムモジュール１１０の外部の）テレマティックス装置１０００のエンクロージャーの内部、または、テレマティックス装置１０００のエンクロージャーの外部に配置されうる。

長距離無線トランシーバー１２０は、データ（生データおよび／またはオーディオ信号および／またはビデオ信号を含む）送受信の機能を有し、その送受信は、圧縮を伴っても伴わなくもよく、また、固有に課された暗号化と、オプションで追加された追加暗号化を伴う。長距離無線トランシーバー１２０は、単一または複合システムによるセルラー接続（移動通信網）を典型的に利用する：
ａ）第２世代（２Ｇ）モバイル通信システム（ＧＳＭ、ＧＰＲＳ）
ｂ）第２．５世代（２．５Ｇ）（ＥＤＧＥ）
ｃ）第３世代（３Ｇ）（ＵＭＴＳ、ＷＢＣＤＭＡ、ＨＤＣＰＡ）
ｄ）第４世代（４Ｇ）（ＬＴＥ）
および／またはＷｉＭａｘのようなシステム、および／または衛星通信システム、および／またはその他のデータ伝送無線システム。

グローバルポジショニング受信機システム１１０および長距離無線トランシーバー１２０は、オプションで単一モジュールとしてテレマティックス装置１０００で実現または利用されうる。

処理および制御装置１３０は、複数の既知のＣＰＵソリューションのうち任意の１つで実現され、その場合好ましくは、オプションでＤＳＰと組み合わされた３２ビットプロセッサが好ましい。

ＣＰＵプロセッサは、オペレーティングシステムを利用せずともよいし、または、例えばリナックスベースのＯＳ、マイクロソフトベースのＯＳまたはＲＴＯＳ、ＶＸワークスおよびアンドロイド等の別種のＯＳ等の任意のオペレーティングシステムを利用できる。埋め込み型リナックスソリューションが好ましい。

６自由度慣性装置２００は、３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサである。６自由度慣性装置２００は好ましくは３Ｄ−ＭＥＭＳ加速度計２１０と３Ｄ−ＭＥＭＳジャイロスコープ２２０を備える。３Ｄ−ＭＥＭＳ加速度計２１０は、ＭＥＭＳ加速器センサに基づくシングルチップ、多数チップ（典型的には１軸に対し１方向の）、またはモジュールを使用して物理的に実現されうる。３Ｄ−ＭＥＭＳジャイロスコープ２２０は、ＭＥＭＳ技術に基づくシングルチップ、多数チップ、またはモジュールを使用して物理的に実現されうる。ＭＥＭＳ技術（マイクロ電子機械センサ）またはＮＥＭＳ（ナノ電子機械センサ）によって実現される装置の使用は、装置の小型化と軽量化を可能にし、提案されるテレマティックス装置１０００ＰＣＢアセンブリの組み立てを簡易化する。３Ｄ−ＭＥＭＳ加速度計２１０および３Ｄ−ＭＥＭＳジャイロスコープ２２０は、シングルチップまたはシングルモジュールとして提供されうる。

メモリ３１０は、任意の適切な技術を用いて実現されうるものであり、任意選択的に、処理および制御装置１３０のメモリの一部でありうる。好ましくは、メモリ３１０は、処理および制御装置１３０用のプログラミングと種々の係数とが格納された不揮発性メモリと、処理および制御装置１３０用のワーキングメモリを提供しうる揮発性メモリとを備える。メモリ３１０は、以下のうち１以上を格納するためのリソースを提供する：
・長距離無線トランシーバー１２０を介した送信前のデータ
・車両の識別データ
・アクセス、メンテナンスおよびサービスデータ
・ビジネスプロセス関連データ
・テレマティックス装置１０００が搭載された車両に関する運転イベントデータ記録
・特定のイベントを検出し反応するために必要なイベントデータプロファイル
・車両に関連するタイムスタンプ付きの位置ベースの情報
・タイムスタンプ付きで特定の予め定義されたイベントに関連付けられた、または、タイムスタンプなしで統計的に評価された、運転者行動データ
・特定の予め定義されたイベントに関連付けられた車両の動的データ（速度ベクトルおよび加速度ベクトルなど）

短距離無線接続３２０は、テレマティックス装置１０００と遠隔装置との間の短距離無線データ交換を可能にする。短距離とは、例えば、遠隔装置がテレマティックス装置１０００から５００メートル未満、典型的には２０メートル未満離れていることである。短距離無線接続３２０は、以下のような周知の短距離無線ソリューションのうち任意の１以上により実現されうる：
・２．４ＧＨｚバンドブルートゥースシステム
・２．４＆５ＧＨｚバンドＷＬＡＮシステム
・通信において制限付デューティサイクルのプロトコルを典型的に用い、典型的に２００ｋビット／秒最大生データレートの、４３３ＭＨｚ、８６６ＭＨｚ、３１５ＭＨｚ、９１５ＭＨｚバンドＩＳＭバンドシステム
・３−１０ＧＨｚレンジのＵＷＢシステム
・６０ＧＨｚ−２４ＧＨｚ通信システム
・２４ＧＨｚ通信システム
・６０−８０ＧＨｚレーダーシステム
・２４ＧＨｚレーダーシステム

短距離無線接続３２０は以下を可能にする：
・車載型システムへの無線接続；テレマティックス装置は、車両システムからの内部情報を取得でき、専用タイムスタンプを伴う、イベント検出および関連アクション等の目的にその内部情報を使用する。
・無線カメラ接続等の付加的なセンサ用、または運転環境センサ用の無線接続
・運転者自身の独立した個人情報機器（ＰＤＡ、スマートフォンまたは同等物）への無線接続
・付加的なアンテナシステム用の外部コネクタを展開して、距離測定または物体識別の目的で、それ自体で感知活動を提供する。

センサ（複数）３３０への接続またはセンサ（複数）３３０の配設は、テレマティックス装置１０００自体に配置された、または、テレマティックス装置１０００の外側に配置された特定の非慣性センサ、例えば環境因子センサなどへの有線接続手段を可能にする。

マイクロフォン３５０はオーディオキャプチャ用に使用される。

スピーカー３６０は、テレマティックス装置１０００から車両および運転者に警報を発出する、または警報を送信するために使用されうる。運転者または他の人に警報とその他の情報を提供するために表示装置（図示せず）も使用されうる。

車両システムとアクセサリ３４０への有線インターフェースは、以下の手段のうち少なくとも１つによって車両システムまたはアクセサリにテレマティックス装置１０００を接続する有線手段を提供する：
・車両のＯＢＤコネクタ
・ＣＡＮインターフェース
・Ｌｉｎインターフェース
・フレックスレイインターフェース
・ＭＯＳＴインターフェース
・ＳＰＩインターフェース
・ＲＳ２３２インターフェース
・ＵＳＢインターフェース

図２に示すように、テレマティックス装置１０００は、典型的にはセルまたはモバイル電話網である長距離無線ネットワーク３０００によって遠隔処理エンティティ２０００またはバックエンドに接続されうる。これらの構成要素は一体となって、以降に詳述する本発明の別の実施形態のシステム４０００を形成する。

図３に模式的に示すように、テレマティックス装置１０００はいくつかの入力を受信していくつかの機能を実行できる。特に、テレマティックス装置１０００は、種々の機能を実行するために処理および制御装置１３０とメモリ３１０に提供される入力データを受信しうるが、それらの入力データは以下のうち１以上を含む：
・典型的にはグローバルポジショニング受信機システム１１０によって提供される、衛星ポジショニングシステムからの位置データ
・３Ｄジャイロスコープ機能性２００を持つ３Ｄ慣性センサによって典型的に提供される慣性装置データ（加速度ベクトルや速度ベクトルなど）
・典型的には有線インターフェース３４０によって提供される、テレマティックス装置１０００が搭載された車両システムからのデータ
・付加的センサ（環境、アクセサリ）３３０から提供されたデータ
・バックエンド２０００から典型的に提供される制御データ（設定、オーダー）
・バックエンド２０００から典型的に提供されるメンテナンスおよびアップグレードデータ

この受信データに基づき、処理および制御装置１３０はいくつかの機能を実行するが、それは以下のうち任意の１以上を含む：
・リアルタイム位置データの算出 １１１００
・車両のリアルタイムベクトル軌跡の算出 １１２００
・運転者と車両の行動の算出 １１３００
・イベント検出の算出 １１４００
・イベント発生後の車両のベクトル軌跡の算出 １１５００
・車両システム（運転者）へのイベント前の警告の任選択的算出 １１６００
・暗号化およびマルチメディア圧縮の任意選択的実現 １１７００
・イベント関連警報の任意選択的初期化 １１８００

本発明の一態様における中核は、３Ｄジャイロスコープ機能性を伴う３Ｄ慣性センサからの入力に基づき危険で強引な運転を特徴付けるイベントの検出１１４００、ひいては、運転行動危険指標の算出１１３００であり、それについては以下に詳述する。

図４に示すように、慣性センサ２００は車両の加速方向に大きさを持つベクトルとして加速度を検出できる。特に加速度ベクトルは、３本の直交軸（Ｘ，Ｙ，Ｚ）それぞれに対してスカラー成分ａｘ、ａｙ、ａｚを有し、それらは慣性センサ２００によって測定される。さらに、慣性センサ２００は各軸に対する角加速度を検出でき、その場合αφ，αθ，αψはそれぞれＸ，Ｙ，Ｚ軸に対する角加速度である。こうして、慣性センサ２００を使用して、テレマティックス装置１０００は予め定義された期間内のスカラー加速度情報ならびに同期間中の加速度ベクトルの変化を検出できる。さらに、初期速度が知られている（車両の始動前はゼロである）と仮定して、速度と、テレマティックス装置１０００、ひいては車両のそれぞれＸ，Ｙ，Ｚ軸に対するロールレート、ピッチレートおよびヨーレートαφ、αθ、ωψを算出できる。さらに、６自由度を有する慣性装置２００の使用は、車両のリアルタイムのベクトル軌跡の測定ならびに任意の１つの時間における車両の位置（ロール、ピッチおよびヨーの度合いを含む）の測定を可能にする。

したがって、車両のベクトル軌跡、スカラー速度情報、スカラー加速度情報、速度ベクトル変化および加速度ベクトル変化を測定することによって、安全性に欠け危険である運転行動を示すイベントが発生したかどうかを確定できる。そのようなイベントは例としては、唐突または過酷な加速または減速、例えばアンダーステアリングまたはオーバーステアリングによる安全でないコーナリング、唐突な方向転換、回転、急激な車線変更、スリップ、障害物回避、過度のロール、ピッチおよび／またはヨー、安全でない速度変動およびスピード違反を含みうる。

本実施形態において、処理および制御装置１３０は慣性装置２００からのデータを受信して複数のアルゴリズムを並列で実行して、予め定められた数のカテゴリーそれぞれにおけるイベントを検出し、各カテゴリーにおけるそのようなイベントの数がカウントされて、運転行動危険指標の確定に使用される。下記の表１は、本発明のテレマティックス装置に使用されうるアルゴリズムの一例である。

表１に示されたアルゴリズムはそれぞれ１カテゴリーのイベントを監視する。しかし、各カテゴリーはいくつかのサブカテゴリーを含みうる。また所望の場合、対応するアルゴリズムが、主カテゴリーのイベントの監視に加えて、またはその代わりにこれらのサブカテゴリーを監視できる。例えば、「オーバーステアリングの監視」アルゴリズムは車両の横方向の過酷な動きを監視する。そのようなイベントのサブカテゴリーとして、アルゴリズムは車両スリップ、唐突な方向転換または車両回転を監視できる。同一のアルゴリズムを有効に使用しながらも（下記により詳しく記述されるように）異なる閾値を用いることによって、各サブカテゴリーが検出されうる。同様に、「回避操縦の監視」アルゴリズムは、唐突な車線変更イベントと障害物回避イベントのサブカテゴリーを包括的に監視する。障害物回避イベントでは、運転者はガードレールを避けるために鋭角的に急に向きを変えて、スリップする可能性がある。この場合も、同一のアルゴリズムを有効に使用しながらも（下記により詳しく記述されるように）異なる閾値を用いることによって、各サブカテゴリーが検出されうる。

さらに、各イベントのカテゴリー（または、監視対象である場合イベントのサブカテゴリーも）は「中程度」および「過酷」イベントに分類されうるが、その場合過酷なイベントはより過激または危険な運転を示す。この場合も、分類は種々の閾値を使用して達成されうる。当業者は、異なるおよびより多数のレベルの分類が使用されうることを理解するであろう。

イベントの検出において、「前後加速度」は特定の時間増分中の運転方向に対して前後方向の加速成分として定義される。故に、車両が図４に示す、Ｚ軸が垂直方向である場合のＸ軸に沿って運転している場合、前後加速度はＸ軸における加速として定義される。同様に「横加速度」は、特定の時間増分中の運転方向に対して直角な加速成分として定義される。同様に「ヨーレート」は、車両の平面に直交する軸周りの「角速度比」または角速度（ωψ）として計算される。言い換えると、「ヨーレート」は、車両がＸＹ平面にある場合、Ｚ軸周りの「角速度比」または角速度（ωψ）として計算される。「車両速度」は車両の移動速度として定義される。

テレマティックス装置１０００は慣性装置２００からの入力を、例えば毎秒程度でイベントが検出されうるように、断続的に抽出してイベントを検出する。抽出は例えば１０Ｈｚから１００Ｈｚの間で実行されうるが、これらの抽出およびイベント検出率は本発明を限定するものではない。

図５に、過酷な加速イベントの検出が、より詳細に示されている。先ず、いくつかの予め定められた値がメモリ３１０から検索される。これらの値は以下である：典型的に１秒未満に設定される観察時間窓「観察窓１」の値；典型的に０．２ｇより大きく設定される加速度閾値「加速度閾値１」の値、但し、ｇ＝９．８１ｍｓ^−２である（「加速度閾値１」の値はさらに、現在の速度値、または天候条件や道路タイプ等の外部データに依存して、予め定められたプロファイルに基づいても設定または調整されうる）である；典型的に０．５ｍｓ^−３より大きく設定される加々速度（加速度の微分）閾値の値「加々速度閾値１」；典型的に０．２ｇ未満に設定される加速度閾値「加速度閾値２」の値（「加速度閾値２」の値はさらに、現在の速度値、または天候条件や道路タイプ等の外部データに依存して、予め定められたプロファイルに基づいても設定または調整されうる）；典型的に３ｍｓ^−１より上に設定される、速度閾値の差の値「デルタ速度閾値１」（「デルタ速度閾値１」の値はさらに、現在の速度値、または天候条件や道路タイプ等の外部データに依存して、予め定められたプロファイルに基づいても設定または調整されうる）

イベントの検出において、「平均前後加速度」は、この場合１ｓ未満である「観察窓１」にわたって平均化された、慣性装置２００からの各サンプルに基づき求められた「前後加速度」として算出される。

「平均前後加速度」は、長さ整合「観察窓１」の循環バッファに格納され、各サンプルに対して更新値が算出されて、「平均前後加速度」のいくつかの値が循環バッファに格納されるようにする。例えば、サンプリングレートが１０Ｈｚで観察窓が１秒であれば、「平均前後加速度」の値は最新の１０サンプルに基づき０．１秒毎に算出されて、１０個の「平均前後加速度」値がバッファに格納される。「平均前後加速度ＯＬＤ」が、この循環バッファからの最も古い値である。

加速度の微分値としての「加々速度」は、「平均前後加速度」と「平均前後加速度ＯＬＤ」との差を、「観察窓１」の持続時間で割って算出される。

「加速可能性イベント（ＰｏｓｓｉｂｌｅＡｃｃＥｖｅｎｔ）」は、ブーリアン変数またはフラグであり、その初期状態はＦＡＬＳＥである。

ステップＳ１００において、アルゴリズムは、「平均前後加速度」と「車両速度」を読み取ることによって開始し、また、「平均前後加速度」の値を含んでいる循環バッファの更新も行う。また、このアルゴリズムのため、「平均前後加速度ＯＬＤ」変数に格納されている値も、このバッファからの最も古いサンプルで更新される。次にアルゴリズムは、ブーリアン変数「加速可能性イベント」によって示される演算状態に従って進む。ステップＳ１１０において、アルゴリズムは、「加速可能性イベント」がＴＲＵＥであるかどうかを判断する。

「加速可能性イベント」がＦＡＬＳＥである、つまり、車両が過酷な加速操縦状態にないことを意味していれば、アルゴリズムはステップＳ１２０において、「平均前後加速度」が「加速度閾値１」よりも大きいかどうかを判断することによって、過酷な加速操縦の第１の条件が満たされているかどうかをチェックする。この条件が満たされていれば、アルゴリズムはステップＳ１３０に進む。ステップＳ１３０において、「加々速度」の値が、「平均前後加速度」と「平均前後加速度ＯＬＤ」の差を「観察窓１」の持続時間で割った値として算出される。その後プロセスはステップＳ１４０に進み、そこで、「加々速度」が「加々速度閾値１」よりも大きいかどうかがチェックされる。この条件が満たされた場合、つまり、過酷な加速操縦が開始した可能性がある場合、ステップＳ１５０において「加速可能性イベント」フラグがＴＲＵＥに設定され、「車両速度」の現在の値が「速度＿ＩＮＩＴ」変数に格納される。次にアルゴリズムは、ステップＳ１０１に戻って次の測定を待機する。ステップＳ１２０における条件が満たされない場合、アルゴリズムはステップＳ１０１に戻って次の測定を待機し、過酷な加速イベントは検出されない。ステップＳ１４０における条件が満たされない場合、アルゴリズムはステップＳ１０１に戻って次の測定を待機する。

ステップＳ１１０において「加速可能性イベント」がＴＲＵＥである、つまり車両が過酷な加速操縦状態にありうることを意味していれば、アルゴリズムは、ステップＳ１６０において、「平均前後加速度」が「加速度閾値２」未満であるかどうかを判断することによって過酷な加速操縦が終わっているかどうかをチェックする。この条件が満たされていれば、アルゴリズムはステップＳ１７０に進み、そこで、現在の「車両速度」と、格納されている「速度＿ＩＮＩＴ」変数との差が「デルタ速度閾値１」より大きいかどうかを判断することによって、別の条件がチェックされる。この条件が満たされた場合、過酷な加速イベントが検出されたことになり、アルゴリズムはステップＳ１８０に進み、そこで過酷な加速イベント特有のデータがメモリ３１０に格納される。このステップの後、アルゴリズムはステップＳ１９０に進み、そこで「加速可能性イベント」はＦＡＬＳＥにリセットされる。アルゴリズムは次にステップＳ１０１に戻って次の測定を待機する。ステップＳ１７０における減算値が「デルタ速度閾値１」よりも小さい場合、アルゴリズムはステップＳ１９０に飛ぶ。つまり、過酷な加速イベントは検出されないということである。ステップＳ１６０における条件が満たされない場合、アルゴリズムはステップＳ１０１に戻って次の測定を待機する。

図６に、過酷なブレーキングイベントの検出が示されている。先ず、いくつかの予め定められた値がメモリ３１０から検索される。これらの値は以下である：典型的には１秒未満に設定される観察時間窓「観察窓２」の値；典型的には−０．４ｇ（負）に設定される加速度閾値「ブレーキング閾値１」の値、但し、ｇ＝９．８１ｍｓ^−２である（「ブレーキング閾値１」の値はまた、現在の速度値、または、天候条件や道路タイプ等の外部データに依存して予め定められたプロファイルに基づき設定または調整されうる）；典型的には−０．５ｍｓ^−３（負）未満に設定される加々速度（加速の微分）閾値「加々速度閾値２」の値、；典型的には−０．４ｇ（負）未満に設定される加速度閾値「ブレーキング閾値２」の値（「ブレーキング閾値２」の値はまた、現在の速度値、または、天候条件や道路タイプ等の外部データに依存して予め定められたプロファイルに基づき設定または調整されうる）； および、典型的には３ｍｓ^−１より上に設定される速度差「デルタ速度閾値２」の値、（「デルタ速度閾値２」の値はまた、現在の速度値、または、天候条件や道路タイプ等の外部データに依存して予め定められたプロファイルに基づき設定または調整されうる）。

イベントの検出において、「平均前後加速度」が、この場合は１ｓ未満である「観察窓２」の時間にわたって平均化された「前後加速度」として算出される。

「平均前後加速度」は、長さ整合「観察窓２」の循環バッファに格納される。「平均前後加速度ＯＬＤ」はこの循環バッファからの最も古い値である。

加速の微分値としての「加々速度」は、「平均前後加速度」と「平均前後加速度ＯＬＤ」の差を「観察窓２」の持続時間で割った値として算出される。

「ブレーキ可能性イベント（ＰｏｓｓｉｂｌｅＢｒａｋｅＥｖｅｎｔ」はブーリアン変数またはフラグであり、その初期状態はＦＡＬＳＥである。

ステップＳ２００において、アルゴリズムは、「平均前後加速度」と「車両速度」を読み取ることによって開始し、また、「平均前後加速度」の値を含んでいる循環バッファの更新も行う。また、このアルゴリズムのため、「平均前後加速度ＯＬＤ」変数に格納されている値も、このバッファからの最も古いサンプルで更新される。次にアルゴリズムは、ブーリアン変数「ブレーキ可能性イベント」によって示される演算状態に従って進む。ステップＳ２１０において、アルゴリズムは、「ブレーキ可能性イベント」がＴＲＵＥであるかどうかを判断する。

「ブレーキ可能性イベント」がＦＡＬＳＥ、つまり車両が過酷なブレーキング状態にないことを意味していれば、アルゴリズムはステップＳ２２０において、「平均前後加速度」が「ブレーキング閾値２」未満であるかどうかを判断することによって、過酷ブレーキング操縦の第１の条件が満たされているかどうかをチェックする。この条件が満たされていれば、アルゴリズムはステップＳ２３０に進む。ステップＳ２３０において、「加々速度」の値が、「平均前後加速度」と「平均前後加速度ＯＬＤ」の差を「観察窓２」の持続時間で割った値として算出される。その後プロセスはステップＳ２４０に進み、そこで、「加々速度」が「加々速度閾値２」未満であるかどうかを判断することによって、別の条件がチェックされる。この条件が満たされた場合、つまり、過酷なブレーキング操縦が開始した可能性がある場合、次にステップ２５０において「ブレーキ可能性イベント」がＴＲＵＥに設定され、「車両速度」の現在の値が「速度＿ＩＮＩＴ」変数に格納される。次にアルゴリズムは、ステップＳ２０１に戻って次の測定を待機する。ステップＳ２２０における条件が満たされない場合、アルゴリズムはステップＳ２０１に戻って次の測定を待機し、過酷なブレーキングイベントは検出されない。ステップＳ２４０における条件が満たされない場合、アルゴリズムはステップＳ２０１に戻って次の測定を待機する。

ステップＳ１１０において「加速可能性イベント」がＴＲＵＥである、つまり車両が過酷な加速操縦状態にありうることを意味していれば、アルゴリズムは、ステップ２６０において、「平均前後加速度」が「ブレーキング閾値２」より上であるかどうかを判断することによって過酷な加速操縦が終わっているかどうかをチェックする。この条件が満たされていれば、アルゴリズムはステップＳ２７０に進み、そこで、格納されている「速度＿ＩＮＩＴ」変数と現在の「車両速度」との差が「デルタ速度閾値２」より大きいかどうかを判断することによって、別の条件がチェックされる。この条件が満たされた場合、過酷な減速またはブレーキングイベントが検出されたことになり、アルゴリズムはステップＳ２８０に進み、そこで過酷な減速またはブレーキングイベント特有のデータがメモリに格納される。このステップの後、アルゴリズムはステップＳ２９０に進み、そこで「ブレーキ可能性イベント」はＦＡＬＳＥにリセットされる。アルゴリズムは次にステップＳ２０１に戻って次の測定を待機する。ステップＳ２７０における減算値が「デルタ速度閾値２」よりも小さい場合、アルゴリズムはステップ２９０に飛ぶ。つまり、過酷なブレーキングイベントが検出されないということである。ステップＳ２６０における条件が満たされない場合、アルゴリズムはステップＳ２０１に戻って次の測定を待機する。

図７に、過酷なコーナリングイベントの検出が示されている。先ず、いくつかの予め定められた値がメモリ（図示せず）から検索される。これらの値は以下である：典型的には０．５秒未満に設定される観察時間窓「観察窓３」の値；典型的には０．４ｇより大きく設定される加速度閾値「加速度閾値３」の値、但し、ｇ＝９．８１ｍｓ^−２である（「加速度閾値３」の値はまた、現在の速度値に依存して予め定められたプロファイルに基づき設定または調整されうる）；典型的には６ｍｓ^−１より大きく設定される速度閾値「速度閾値１」の値；典型的には０．４ｇ未満に設定される加速度閾値「加速度閾値４」の値（「加速度閾値４」の値はまた、現在の速度値に依存して予め定められたプロファイルに基づき設定または調整されうる）。

イベントの検出において、「平均横加速度」が、この場合は０．５ｓ未満である「観察窓３」の時間にわたって平均化された「横加速度」として算出される。

「過酷なコーナリング可能性イベント（ＰｏｓｓｉｂｌｅＨａｒｓｈＣｏｒｎｅｒｉｎｇＥｖｅｎｔ）」はブーリアン変数またはフラグであり、その初期状態はＦＡＬＳＥである。

ステップＳ３００において、アルゴリズムは、「平均横加速度」と「車両速度」を読み取ることによって開始する。次にアルゴリズムは、ＦＡＬＳＥに初期化されたブーリアン変数「過酷なコーナリング可能性イベント」によって示される演算状態に従って進む。ステップＳ３１０において、アルゴリズムは、「過酷なコーナリング可能性イベント」がＴＲＵＥであるかどうかを判断する。

「過酷なコーナリング可能性イベント」がＦＡＬＳＥである、つまり車両が過酷なコーナリング操縦状態にないことを意味していれば、アルゴリズムはステップＳ３２０において、「平均横加速度」が「加速度閾値３」よりも大きいかどうかを判断することによって、過酷コーナリング操縦の第１の条件が満たされているかどうかをチェックする。この条件が満たされていれば、アルゴリズムはステップＳ３３０に進み、そこで、「車両速度」が「速度閾値１」よりも大きいかどうかを判断することによって、第２の条件がチェックされる。この条件が満たされた場合、つまり、過酷なコーナリング操縦が開始した可能性がある場合、ステップＳ３４０において「過酷なコーナリング可能性イベント」がＴＲＵＥに設定され、次にアルゴリズムは、ステップＳ３５０に戻って次の測定を待機する。ステップＳ３２０における条件が満たされない場合、アルゴリズムはステップＳ３５０に戻って次の測定を待機する。ステップＳ３３０における条件が満たされない場合、アルゴリズムはステップＳ３５０に戻って次の測定を待機する。

「過酷なコーナリング可能性イベント」がＴＲＵＥである、つまり車両が過酷なコーナリング操縦にありうることを意味していれば、アルゴリズムは、ステップ３６０において、「平均横加速度」が「加速度閾値４」未満であるかどうかを判断することによって過酷なコーナリング操縦が終わっているかどうかをチェックする。この条件が満たされていれば、アルゴリズムはステップＳ３７０に進み、そこで、過酷なコーナリングイベント特有のデータがメモリに格納され、アルゴリズムはステップＳ３８０に進み、「過酷なコーナリング可能性イベント」がＦＡＬＳＥに設定される。このステップの後で、アルゴリズムはステップＳ３５０に戻って次の測定を待機する。ステップＳ３６０における条件が満たされない場合、アルゴリズムはステップＳ３５０に戻って次の測定を待機する。

図８に、オーバーステアリングイベントの検出が示されている。先ず、いくつかの予め定められた値がメモリ（図示せず）から検索される。これらの値は以下である：典型的には０．５秒未満に設定される観察時間窓「観察窓４」の値；典型的には０．６ｇより大きく設定される加速度閾値「加速度閾値５」の値、但し、ｇ＝９．８１ｍｓ^−２である（「加速度閾値５」の値はまた、現在の速度値に依存して予め定められたプロファイルに基づき設定または調整されうる）；典型的には６ｍｓ^−１より上に設定される速度閾値「速度閾値２」の値；加速度差「オーバーステアリング閾値」の値、典型的には０．２ｇより大きく設定される（「オーバーステアリング閾値」の値はまた、現在の速度値に依存して予め定められたプロファイルに基づき設定または調整されうる）；および、典型的には０．４ｇ未満に設定される加速度閾値「加速度閾値６」の値（「加速度閾値６」の値はまた、現在の速度値に依存して予め定められたプロファイルに基づき設定または調整されうる）

イベントの検出において、「平均横加速度」が、この場合は０．５ｓ未満である「観察窓４」の時間にわたって平均化された「横加速度」として算出される。

「平均ヨーレート」は、「ヨーレート」を、この場合は０．５ｓ未満である「観察窓４」の時間にわたって平均化された値として計算される。

「方向性速度推定値」は、慣性センササンプリングレート（オドメーターやＧＮＳＳ等の外部センサデータが使用されている場合、オドメーターやＧＮＳＳ等の更新率よりも高い）で推定された移動方向での速度成分（すなわち速度ベクトルの大きさ）として定義される。したがって、車両が前後方向に走行している場合、方向性速度推定値は、センサのサンプリングレートでセンサから取得された入力に基づき算出された、前後方向の車両速度である。

「横加速度推定値」は、「平均ヨーレート」と「方向性速度推定値」を乗算することで算出される。

「オーバーステアリング可能性イベント（ＰｏｓｓｉｂｌｅＯｖｅｒｓｔｅｅｒｉｎｇＥｖｅｎｔ）」は、ブーリアン変数またはフラグであり、その初期状態はＦＡＬＳＥである。

ステップＳ４００において、アルゴリズムは、「平均横加速度」と「平均ヨーレート」「車両速度」を読み取ることによって開始する。次にアルゴリズムは、ＦＡＬＳＥに初期化されたブーリアン変数「オーバーステアリング可能性イベント」によって示される演算状態に従って進む。ステップＳ４１０において、アルゴリズムは、「オーバーステアリング可能性イベント」がＴＲＵＥであるかどうかを判断する。

「オーバーステアリング可能性イベント」がＦＡＬＳＥ、つまり車両がオーバーステアリング操縦状態にないことを意味していれば、アルゴリズムはステップＳ４２０において、「平均横加速度」が「加速度閾値５」よりも大きいかどうかを判断することによって、オーバーステアリング操縦の第１の条件が満たされているかどうかをチェックする。この条件が満たされていれば、アルゴリズムはステップＳ４３０に進み、そこで、「車両速度」が「速度閾値２」よりも大きいかどうかを判断することによって、第２の条件がチェックされる。この条件が満たされた場合、すなわち、オーバーステアリング操縦が開始した可能性がある場合、ステップＳ４４０において「オーバーステアリング可能性イベント」がＴＲＵＥに設定され、次にアルゴリズムはステップＳ４５０に戻って次の測定を待機する。ステップＳ４２０における条件が満たされない場合、アルゴリズムはステップＳ４５０に戻って次の測定を待機する。ステップＳ４３０における条件が満たされない場合、アルゴリズムはステップＳ４５０に戻って次の測定を待機する。

「オーバーステアリング可能性イベント」がＴＲＵＥである、つまり、オーバーステアリングイベント操縦が開始した可能性があることを意味している場合、アルゴリズムは、ステップＳ４６０において、「横加速度推定値」を算出して、ステップＳ４７０に移り、そこで、「横加速度推定値」と「平均横加速度」との絶対差が、「オーバーステアリング閾値」と比較される。上記の差が、「オーバーステアリング閾値」より大きい場合、ステップＳ４８０においてオーバーステアリングイベントが検出され、オーバーステアリングイベント特有のデータがメモリに格納される。このステップの後、アルゴリズムはステップＳ４９０に進み、「オーバーステアリング可能性イベント」がＦＡＬＳＥに設定される。アルゴリズムはステップＳ４５０に戻って次の測定を待機する。ステップＳ４７０において、上記の差が「オーバーステアリング閾値」より小さい場合、アルゴリズムはステップＳ５００に進み、そこで、「平均横加速度」が「加速度閾値６」未満であるかどうか、すなわち、オーバーステアリングイベントが存在しないこと、が検出され、アルゴリズムはステップＳ４９０に行く。または、ステップＳ５００において「平均横加速度」が「加速度閾値６」よりも大きい場合、未だオーバーステアリングイベント検出の可能性があり、アルゴリズムはステップＳ４５０に戻って次の測定を待機する。

図９に、回避操縦の検出が示されている。先ず、いくつかの予め定められた値がメモリ（図示せず）から検索される。これらの値は以下である：典型的には０．５秒未満に設定される観察時間窓「観察窓５」の値；典型的には０．２ｇより大きく設定される加速度閾値「加速度閾値７」の値、但し、ｇ＝９．８１ｍｓ^−２である（「加速度閾値７」の値はまた、現在の速度値に依存して予め定められたプロファイルに基づき設定または調整されうる）；典型的には６ｍｓ^−１より大きく設定される速度閾値「速度閾値３」の値；典型的には４秒未満に設定される時間閾値「時間閾値１」の値（「時間閾値１」の値はまた、現在の速度値に依存して予め定められたプロファイルに基づき設定または調整されうる）； および、典型的には０．３ｇより大きく設定される加速度閾値「加速度閾値８」の値（「加速度閾値８」の値はまた、現在の速度値に依存して予め定められたプロファイルに基づき設定または調整されうる）。

イベントの検出において、「平均横加速度」が、この場合は０．５ｓ未満である「観察窓５」の時間にわたって平均化された「横加速度」として算出される。

「回避可能性イベント（ＰｏｓｓｉｂｌｅＥｖａｓｉｖｅＥｖｅｎｔ）」は、ブーリアン変数またはフラグであり、その初期状態はＦＡＬＳＥである。

「最大＿加速度（Ｍａｘ＿ａｃｃｅｌｅｒａｔｉｏｎ）」は、回避操縦における最大加速度を格納するために使用される変数である。

「最小＿加速度（Ｍｉｎ＿ａｃｃｅｌｅｒａｔｉｏｎ）」は、回避操縦における最小加速度を格納するために使用される変数である。

「時間カウンタ（Ｔｉｍｅ ｃｏｕｎｔｅｒ）」は、サンプルと測定時間をカウントするために使用される変数である。

ステップＳ６００において、アルゴリズムは、「平均横加速度」と「車両速度」を読み取ることによって開始する。次にアルゴリズムは、ＦＡＬＳＥに初期化されているブーリアン変数「回避可能性イベント」によって示される演算状態に従って進む。

ステップＳ６１０において、アルゴリズムは、「回避可能性イベント」がＴＲＵＥであるかどうかを判断する。「回避可能性イベント」がＦＡＬＳＥ、つまり車両が回避操縦状態にないことを意味していれば、アルゴリズムはステップＳ６２０において、「平均横加速度」が「加速度閾値７」よりも大きいかどうかを判断することによって、回避操縦の第１の条件が満たされているかどうかをチェックする。この条件が満たされていれば、アルゴリズムはステップＳ６３０に進み、そこで、「車両速度」が「車両速度２」よりも大きいかどうかを判断することによって第２の条件がチェックされる。この条件が満たされれば、すなわち、回避操縦の検出が可能である場合（言い換えると、回避操縦が発生している可能性がある場合）、次にステップＳ６４０において「回避可能性イベント」がＴＲＵＥに設定され、「時間カウンタ」がゼロに設定される。続いて、ステップＳ６５０において、「最大＿加速度」と「最小＿加速度」両方が、「平均横加速度」の現在の値に設定される。次にアルゴリズムは、ステップＳ６６０に戻って次の測定を待機する。ステップＳ６２０かステップＳ６３０のいずれかの条件が満たされない場合、アルゴリズムは、ステップＳ６６０に戻って次の測定を待機する。

「回避可能性イベント」がＴＲＵＥである、つまり回避操縦が開始した可能性がある場合、アルゴリズムはステップＳ６７０に移り、そこで「時間カウンタ」が増分される。引き続きステップＳ６８０で、変数「最大＿加速度」が「平均横加速度」よりも小さいかどうかが判断され、小さかった場合、アルゴリズムはステップＳ６９０に移り、そこで「平均横加速度」の現在の値が「最大＿加速度」に割り当てられ、アルゴリズムはステップＳ７００に進む。Ｓ６８０において条件が満たされなかった場合、アルゴリズムは直接ステップＳ７００に進む。ステップＳ７００において、変数「最小＿加速度」が「平均横加速度」よりも大きいかどうかが判断され、大きかった場合、アルゴリズムはステップＳ７１０に移り、そこで「平均横加速度」の現在の値が「最小＿加速度」に割り当てられ、アルゴリズムはステップＳ７２０に進む。Ｓ７００において条件が満たされなかった場合、アルゴリズムは直接ステップＳ７２０に進む。ステップＳ７２０において、「時間カウンタ」が「時間閾値１」よりも大きいかどうかがチェックされ、大きい場合、アルゴリズムはステップＳ７３０に進む。そうでない場合、アルゴリズムは次にステップＳ６６０に戻って次の測定を待機する。ステップＳ７３０において、２つの条件、つまり、「最大＿加速度」が「加速度閾値８」よりも大きい、また、「最小＿加速度」が「加速度閾値８」よりも小さい、という２つの条件が満たされるかどうかが判断される。両条件が満たされた場合、つまり、回避操縦が検出された場合、アルゴリズムはＳ７４０に進み、そこで回避操縦イベント特有の全てのデータがメモリに格納される。ステップＳ７４０の後でアルゴリズムはステップＳ７５０に進み、そこで「回避可能性イベント」がＦＡＬＳＥに設定され、アルゴリズムはステップＳ６６０に戻って次の測定を待機する。ステップＳ７３０における条件のうち一方または両方が満たされない場合、アルゴリズムは直接ステップＳ７５０に進む。

図１０に、速度変動イベントの検出が示されている。先ず、いくつかの予め定められた値がメモリ（図示せず）から検索される。これらの値は以下である：典型的には３０秒より大きく設定される観察時間窓「観察窓６」の値；典型的には１より大きく設定される速度変動閾値「速度変動閾値１」の値（「速度変動閾値１」の値はまた、現在の速度値、または、天候条件や道路タイプや交通状態等の外部データに依存して予め定められたプロファイルに基づき設定または調整されうる）；典型的には１０より大きく設定される持続時間閾値「カウンタ閾値１」の値。

「カウンタ」は、サンプルと基準（ｍｅａｓｕｒｅ）をカウントするために使用される変数であり、その初期状態はゼロである。

「車両速度」は、長さ整合「観察窓６」の循環バッファに格納され、サンプル毎に断続的に更新される。

イベントの検出において、「車両速度変動」が、この場合は３０秒より大きい予め定められた「観察窓６」にわたった「車両速度」の変動として算出される。変動の算出には、絶対偏差、平方偏差、標準偏差等を含む種々の標準的方式があり、変動の任意の適切な基準が使用されうる。例えば、「車両速度変動」は、現時点でバッファに保持されている「車両速度」の最大値と最小値の差として単純に求められうる。最大値−（マイナス）最小値演算の結果は、厳密には直接に変動とは言えないが、寧ろ、変動がシグマ^２として抽出されうる場合に±３シグマインターバルといえる。

ステップＳ８００において、アルゴリズムは「車両速度」を読み取ることによって開始し、また、「観察窓６」の長さにわたり「車両速度」の履歴値を含んでいる循環バッファの更新も行う。次にアルゴリズムはステップＳ８１０に進み、そこで「車両速度変動」は、循環バッファからのデータを用いて、予め定められた観察窓「観察窓６」にわたる「車両速度」の変動として算出される。

この後、プロセスはステップＳ８２０に移り、そこで「車両速度変動」が「速度変動閾値１」よりも大きいかどうかが判断される。この条件が満たされれば、アルゴリズムはステップＳ８３０に進む。ステップＳ８３０において「カウンタ」の値が１つ増分される。この後、プロセスはＳ８４０に移り、そこで「カウンタ」の値が「カウンタ閾値１」より大きいかどうかを判断することによって、別の条件がチェックされる。この条件が満たされた場合、速度変動イベントが検出されたことになり、アルゴリズムはステップＳ８５０に進み、そこで速度変動イベント特有のデータがメモリ３１０に格納され、「カウンタ」はゼロにリセットされる。アルゴリズムは次にステップＳ８０１に戻って次の測定を待機する。

ステップＳ８２０において条件が満たされなかった場合、アルゴリズムはステップＳ８６０に進み、そこで「カウンタ」の値がゼロより大きいかどうかを判断することによって、別の条件がチェックされる。ゼロより大きい場合、プロセスはステップＳ８７０に移る。ステップＳ８７０において「カウンタ」の値が１減じられて、その後プロセスはＳ８４０に行く。ステップＳ８６０の条件が満たされない場合、プロセスはＳ８４０に行く。

図１１に、無休憩運転イベントの検出がより詳細に示されている。先ず、いくつかの予め定められた値がメモリ（図示せず）から検索される。これらの値は以下である：典型的には０ｍｓ^−１より大きく設定される速度閾値「速度閾値４」の値；典型的には４時間より大きく設定される時間閾値「時間閾値２」の値（「時間閾値２」の値はまた、天候条件や道路タイプおよび交通状態等の外部データに依存して予め定められたプロファイルに基づき設定または調整されうる）；典型的には１５分より大きく設定される時間閾値「時間閾値３」の値（「時間閾値３」の値はまた、天候条件や道路タイプおよび交通状態等の外部データに依存して予め定められたプロファイルに基づき設定または調整されうる）。

イベントの検出において、「運転時間カウンタ」は、無休憩での運転時間を測定するために使用される変数である。

「休憩時間カウンタ」は、休憩時間を測定するために使用される変数である。

「無休憩運転」は、運転者が休憩なしで長時間運転しすぎたことを示すために使用されるブーリアン変数またはフラグである。この変数の初期値はＦＡＬＳＥである。

ステップＳ９００において、アルゴリズムは、「車両速度」を読み取ることによって開始する。次にアルゴリズムは、条件Ｓ９１０によって示される演算状態に従って進み、そこで「車両速度」が「車両速度閾値４」よりも大きいかどうかが判断される。

Ｓ９１０における条件が満たされた場合、つまり、車両が運転中であれば、アルゴリズムはステップＳ９２０に進み、そこで「運転時間カウンタ」が増分され、次にステップＳ９３０に進み、そこで「休憩時間カウンタ」がゼロに設定される。このステップの次にステップＳ９４０が続き、そこで、「運転時間カウンタ」が「時間閾値２」よりも大きいかどうかがチェックされる。この条件が満たされた場合、つまり、運転者が休憩なしで長時間運転しすぎた場合、アルゴリズムはステップＳ９５０に進み、そこで「無休憩運転」がＴＲＵＥに設定され、アルゴリズムはステップＳ９６０に戻って次の測定を待機する。Ｓ９４０における条件が満たされない場合、アルゴリズムはステップＳ９６０に戻って次の測定を待機する。

Ｓ９１０における条件が満たされない場合、つまり、車両が静止している場合、アルゴリズムはステップＳ９７０に進み、そこで「休憩時間カウンタ」が増分される。このステップの次にステップＳ９８０が続き、そこで「休憩時間カウンタ」が「時間閾値３」より大きいかどうかが判断される。この条件が満たされた場合、つまり、運転者が十分な時間休憩した場合、アルゴリズムはステップＳ９９０に進む。ステップＳ９９０において、「無休憩運転」がＴＲＵＥか否かが判断される。この条件が満たされた場合、つまり、運転者が休憩なしで長時間運転しすぎた場合、アルゴリズムはステップＳ１０００に進み、そこでイベント特有のデータがメモリに格納される。ステップＳ１０００の後で、両変数「運転時間カウンタ」と「休憩時間カウンタ」がステップＳ１０１０においてゼロに設定される。次にアルゴリズムはステップＳ９６０に戻って次の測定を待機する。

Ｓ９９０における条件が満たされない場合、つまり、運転者が、運転を続けるために十分なほど休憩した場合、アルゴリズムはステップＳ１０１０に進み、そこで両変数「運転時間カウンタ」と「休憩時間カウンタ」がゼロに設定される。このステップの後でアルゴリズムはステップＳ９６０に戻って次の測定を待機する。

車両が運転されるに伴って、イベントは上述した方式で検出される。各イベントは、イベントが検出された時間を示すタイムスタンプと関連付けられうる、および／または、運転者の識別と関連付けられうる。本発明において、運転者行動危険指標を決定するために、各カテゴリー中の個々のイベントの検出が使用される。特に、制御および処理装置１３０は、各カテゴリー中のイベントの数のカウント数を保持する。さらに、イベントの各カテゴリー用に、メモリ３１０内に、好ましくはルックアップテーブルで、重み係数または危険乗数が格納される。

図１２に示すように、運転行動危険指標を算出するために、特定の観察時間または「危険期間」が設定される。これは例えば１日または１ヶ月でありうるが、任意の適切な期間が選択されうる。この期間は最近の期間（例えば直前の２４時間または直前月）でありうるし、過去から任意に選択された期間でもありうる（例えば６月１日、または９月全日）。制御および処理装置１３０は、選択された危険期間に発生した全イベントを、ルックアップテーブルからの危険乗数とともにメモリから検索し、各カテゴリー中のイベント数に、対応する危険乗数を乗算する。次に制御および処理装置１３０はこれらの乗算の結果を合計して、危険期間の累積危険度を決定する。

あるイベントは別のイベントよりも、より危険または高リスクの行動を示していることは、当業者には明白であろう。例えば、過酷な加速やブレーキングは、過酷なコーナリングや車線変更よりも危険度が低く、過酷なコーナリングや車線変更は、スリップ、回転および障害物回避よりも危険度が低い。危険乗数の使用は、このことを反映させる意図があるため、例えば過酷な加速の危険乗数は回転の危険乗数よりも低くなっている。各パラメータは、対応するイベントを判断するために使用され、そのイベントは判断されて、運転行動危険指標を微細に調整するために、危険乗数はすべて調整されうる。例えば、対象となる危険を示すイベントにより大きな重要度を付与し、他のイベントにはより軽い重要度を付与する、或いは重要度を一切付与しないように調整されうる。したがって、あるイベントのカテゴリーの危険乗数の値が０である場合、そのカテゴリー内のイベントは、運転行動危険指標の決定にカウントされない。逆に、他の危険乗数と比べて危険乗数の値が高いほど、その対応するカテゴリー内のイベントは、運転行動危険指標に、より大きな影響を持つことになる。

例えば、制御および処理装置１３０が、過酷な加速イベント、過酷なコーナリングイベント、スリップイベントおよび唐突な方向転換イベントを監視するように適合されていた場合、適切な重み係数（危険乗数）は、過酷な加速イベントに関しては１、過酷なコーナリングイベントに関しては１から５の間、スリップイベントに関しては２から１０の間、唐突な方向転換イベントに関しては１０から５０の間でありうる。値の範囲がここで与えられたので、当業者ならば、イベントの各カテゴリーに対してこの範囲内（または範囲外であっても）で値に、対応する危険乗数を設定できるであろう。さらに、イベントが「中程度」、「過酷」等に分類された場合、イベントの異なる分類に対して異なる危険乗数が設定されうる。当業者ならば、これらの危険乗数は示唆のために過ぎず、任意の適切な危険乗数が選択されうることを認識するであろう。

こうして算出された累積危険度は、さらなる調整なしで危険指標として使用されうる。しかし、本発明の好適な実施形態において、累積危険度は危険期間の持続時間にわたって積分される、または危険期間の持続時間で割られる。任意選択的に、この数値はさらなる調整なしで危険指標として使用されうる。

しかし、危険期間中の走行距離の測定値もテレマティックボックス１０００に記録され格納されることがさらに好ましい。すると、累積危険度積分値（または単位時間あたりの累積危険度）を危険期間内の走行距離の測定値で割ることで、最終運転行動危険指標が得られる。累積危険度が危険期間の持続時間にわたって積分されない、または割られない場合、未調整の累積危険度が走行距離測定値で割られて、最終運転行動危険指標が得られる。

図１３は、検出されたイベントが、過酷な加速、過酷ブレーキング、過酷なコーナリング、過酷な車線変更、スリップ、障害物回避、唐突な方向転換、回転、速度変動およびスピード超過である、特定の実施形態を示す。

運転行動危険指標を判断するために処理および制御装置１３０によって要求される全ての入力は、好ましくは処理および制御装置１３０の一部として配設されているクロック（図示せず）と組み合わせた慣性装置２００から取得されうることは明白であろう。特に、処理および制御装置１３０は、慣性装置２００からの入力に基づいて、走行距離、線速度、角速度比、直線加速度および角加速度を決定でき、したがって、上記に説明した危険を示すイベントそれぞれの発生を判断できる。特に、６自由度を持つ慣性装置２０の使用により、より危険度の低い「線状の」イベントと共に、多数の危険度の高いイベントを正確に監視できる。より危険度の高いイベントの監視は例えば、以前は危険査定に含まれ得なかったコーナリング、車線変更、スリップ、オーバーステアリング、アンダーステアリング、障害物回避、唐突な方向転換、回転を含み、より危険度の低い「線状の」イベントの監視は例えば、速度、速度変動、加速およびブレーキングを含む。

前述したように、上記表１において、６自由度慣性装置２００が使用されるが、その目的は、過酷な横方向イベントの監視（過酷なコーナリング、オーバーステアリング（スリップ）、唐突な方向転換および車両回転の累積監視を含みうる、および／または、選択された閾値の数および値に別々に基づいて）； また、障害物回避イベントの監視（唐突な車線変更および障害物回避の累積監視を含みうる、および／または、選択された閾値の数および値に別々に基づいて）である。

さらに、運転行動危険指標算出を実行するためには、テレマティックス装置１０００のテレマティックス素子は本発明では必要ないため、望まれる場合取り除かれうる。特に、慣性センサ２００、処理および制御装置１３０およびメモリ３１０のみが必須であり、これらのうち２つ以上が一体化されうる。

別法として、運転行動危険指標の算出を向上または別途調整するために、装置１０００は別の入力を利用できる。例えば装置１０００は、グローバルポジショニング受信機システムを利用して、予め格納されているマップに、または、長距離無線トランシーバー１２０、短距離無線接続３２０または有線インターフェース３４０を介して遠隔処理エンティティ２０００または別のソースからダウンロードしたマップに車両を配置できる。これを用いて、車両軌跡または速度を比較または修正でき、また、車両が走行している道路区分における速度制限等のマップ情報は、イベント検出にフィードするために使用されうる。例えば、速度監視アルゴリズムは、車両速度を、車両が走行している道路区分のマップデータから派生した速度制限に基づく閾値と比較して、これに基づいてイベントの発生を判断できる。グローバルポジショニングデータは、車両の走行距離を修正または提供するためにも使用されうる。さらに、グローバルポジショニングシステムは、車両の走行距離を監視するためにバックエンド２０００によって使用され、それは次に長距離無線ネットワークを介して車両に送信されうる。

テレマティックス装置１０００は、個々のイベントと運転行動危険指標を検出すると説明されてきたが、その代わりにテレマティックス装置１０００は、イベントが発生したか否かを判断するために必要なデータか、または各カテゴリー中のイベントのカウント数を、バックエンド２０００に送信できる。するとバックエンド２０００は個々の車両に関するイベント検出および／または運転行動危険指標算定を実行する。イベントのカウント数および／または運転行動危険指標は、テレマティックス装置１０００または、車載型または車載型でない別の装置に返信されうる。

好ましくは、バックエンド２０００は、サーバーおよび／または処理エンティティ、またはこれらを複数備えており、遠隔ユーザが、ウェブまたは、スマートフォン、ＰＤＡ等等の他の装置を介して運転行動危険指標を生成および／または運転行動危険指標へのアクセスを取得できるように、ウェブ・インターフェースまたはその他のインターフェースを提供する。

センサＳ３３０への接続またはセンサＳ３３０の配設は、温度（路上氷結の可能性の検出のため）、雨、雪、強風等の環境条件の入力を可能にする。グローバルポジショニングデータの場合と同様に、センサからの入力は、イベント検出に使用される閾値および／または危険乗数を修正するために使用されうる。別法として、通常の方法で算出された運転行動危険指標は、環境条件に基づいて修正されうる。例えば、運転者が強風、雪、氷雨下で、危険を示すイベントを伴って運転している場合、それは他の場合よりも高い危険度を示しうるため、説明してきた方式のうち１つ、または任意の適切な方式で、運転行動危険指標の因子として組み込まれる。イベントと環境条件を示すデータの両方がタイムスタンプ処理されるならば、イベントは優勢な環境条件に適合されて、運転行動危険指標をさらに改善できる。こうして個人、車両およびフリート車両が、異なる天気およびその他の環境条件において如何にして危険管理するかを確立することが可能となる。他の可能な入力は、ブレーキペダルまたはアクセルペダル角度、オドメーター、およびエンジン稼動および車載診断データ等の車両入力を含む。

ここまでは、単一の車両内の単一のテレマティックス装置１０００に基づく運転行動危険指標の算出について説明してきたこと、また、運転行動危険指標の算出は装置１０００または車両全体に対するものであったことが理解されよう。しかし、車両は別の人によって運転されうるので、車両だけでなく個人に対して運転行動危険指標を提供することが望ましい。このことは、特定の運転者が運転していたと判っている第１の期間に関して危険期間を設定することによって第１の運転行動危険指標を算出し、別の運転者が車両を運転していたと判っている第２の期間に関して危険期間を設定することによって別の運転者に関して第２の運転行動危険指標を算出することによって達成されうる。

別法として、別々のイグニッションキー、または車両操作に必要な別の識別子を使用することによって、個々の運転者が識別されうる。すると、別々のイベント算出、走行距離および運転行動危険指標が、各運転者に関して自動的に生成されうる。

別の実施形態において、本発明は、フリート車両の車両および／または運転者、ならびに個々の車両に関する運転行動危険指標を決定するために使用されうる。

したがって、図１４は、バックエンド２０００と、長距離無線ネットワーク３０００を介してバックエンド２０００とそれぞれ通信する複数のテレマティックスボックス１０００を備えた本発明によるシステム５０００を示す。好適な実施形態において、制御および処理装置１３０は、各カテゴリー中のイベントを算出し、そのカウント数をメモリ３１０に格納する。各処理装置１３０は次に、予め定められた時間に、予め定められた頻度で、またはバックエンド２０００からの要求に応じてバックエンド処理装置２０００にカウント数を送信する。好ましくは、イベントは、発生した時間を示すタイムスタンプとともに返送される、または、送信元のテレマティックス装置１０００の識別および／またはイベント発生時の運転者の識別とともに返送されうる。別法として、イベントが規則的な周期でバックエンド２０００に返送される場合、または、特定の危険期間および／または特定の車両および／または運転者に関しては運転行動危険指標の算出が望まれない場合、タイムスタンプ／車両の識別／運転者の識別は不要でありうる。

図１５に示すように、次にバックエンド２０００は各カテゴリー中の全イベントを合計して、各カテゴリー中のイベント数に危険乗数を乗算する。図１６は、検出されたイベントが、過酷な加速、過酷なブレーキング、過酷なコーナリング、過酷な車線変更、スリップ、障害物回避、唐突な方向転換、回転、速度変動および速度超過である、特定の実施形態を示す。

危険乗数を調整するために、テレマティックス装置１０００への別の入力（イベント検出に使用される閾値と併用して、或いはその代わりに）が使用される場合、この入力データもまた、この場合も好ましくはタイムスタンプを付けてバックエンド２０００に返送されうる。するとバックエンドは、異なるテレマティックス装置１０００によって検出されたイベントに危険乗数を適用するときに危険乗数を調整してから、その後で任意のカテゴリー中の、危険度を乗算されたイベント数を合計する。異なる危険乗数を持つサブカテゴリーが、累積危険度の合計のために効率的に作成されうる。

各カテゴリーのフリート車両での全イベントのカウント数を取得し、それぞれのカテゴリーのカウント数に危険乗数を適用し、結果を適用して累積危険度を取得することにより、フリート車両全体の運転行動危険指標を決定することが可能となる。

上記に説明したように、累積危険度は、危険期間の持続時間にわたって積分、または危険期間の持続時間で除算されうる。

フリート車両の運転行動危険指標の算出では、フリート車両の累積危険度（時間または単位時間にわたり積分されていてもいなくても）はフリート車両の総走行距離で除算されうる。この総距離は、フリート車両の各テレマティックス装置によって送信された距離を合計することによって、或いは、フリート車両の各車両を、ＧＰＳまたはその他のグローバルポジショニングシステムを使用して追跡し、このようにフリート車両の各車両の走行距離を求め、走行距離を合計してフリート車両による総走行距離を取得することによって取得されうる。

バックエンド２０００は、テレマティックス装置によって行われていなかった場合、フリート車両の各車両および／または各運転者の個々の運転行動危険指標を算出できる。明らかに、バックエンド２０００は、運転者がフリート車両の別の車両を運転する場合でもその運転者の累積運転行動危険指標を算出できる。バックエンド２０００は、例えば経路または運転時間に基づき、フリート車両の運転者および／または車両のサブセットに対する運転行動危険指標を算出できる。

各テレマティックス装置１０００が個々のイベントを検出して、それをバックエンド２０００に送信するシステムについて説明してきたが、寧ろ、テレマティックス装置のうちいくつかまたは全部が代わりに、イベント検出に必要な入力データをバックエンド２０００に送信して、バックエンド２０００が、個々の車両および／またはフリート車両全体の運転行動危険指標算出に加えてイベント検出を実行してもよい。

したがって、本発明は別個のエンティティとして以下を提供する：
・ 装置１０００（テレマティックス機能を与えられうるが、必ずしも与えられなくてもよい）
・ バックエンド２０００
・ バックエンド２０００と、１以上の装置１０００を備えたシステム４０００、５０００。

これらはそれぞれ、単一の車両の運転行動危険指標、単一の運転者用の指標、フリート車両用の指標、のうち１以上を算出できる。さらに、そのような指標は特定の期間（危険期間）に関して算出されうる。一例として、以下が算出されうる：
・ 運転者の日間指標−１運転者（１車両）に関して１日の期間にわたり算出された危険指標
・ 運転者の月間スコア−１運転者（１車両）に関して１ヶ月の期間にわたり算出された危険指標
・ フリート車両の日間指標−フリート車両（Ｎ＞１）に関して１日の期間にわたり算出された危険指標
・ フリート車両の月間スコア−フリート車両（Ｎ＞１）に関して１ヶ月の期間にわたり算出された危険指標

当然、データが十分長く保持されれば、運転にはどの時間と季節が最も安全かという指標を与えるために、特定の危険期間が選択されうる。また、運転者が、危険な時間に、より安全に運転できるように訓練されうるように、どの種のイベントがどの時間に最も発生しやすいかに関する指標を与えるために、特定の危険期間が選択されうる。

テレマティックス装置１０００が、３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを有する６自由度慣性装置２００を備えていることは、本発明の「フリート車両」の態様において好ましいが不可欠な特徴ではないことが留意される。寧ろ、他の種類のセンサが使用されうる。特に、本発明のこの態様は、例えば、ジャイロスコープ機能性がない３Ｄ加速度計を用いて実施されうる。

本発明によって算出される運転行動危険指標は、車両保険会社によって、個々の運転者によって引き起こされる危険の推定、指名された運転者によって運転される車両への集合的な危険の推定、フリート車両の危険、並びにフリート車両中の個々の車両および運転者への危険の推定に有利に使用されうる。さらに、運転行動危険指標は、どの車両または車両の形式が運転上最も安全か、ならびに、どの時間とルートが最も安全か、および、どの運転者が付加的な安全訓練に選別されるべきか、または最悪の場合懲戒処分に選別されるべきかを策定するために、保険業者およびフリート車両所有者および操作者によって使用されうる。運転行動危険指標は、個人、家族、車両製造業者および政府機関にも関与するものであろう。

上記の記述は例として挙げたものに過ぎず、本発明の範囲から逸脱せずに変更がなされうることを、当業者ならば理解するであろう。

特に、過酷な加速、過酷なブレーキング、過酷なコーナリング、オーバーステアリング、回避操縦、速度変動および無休憩運転に関して詳細なアルゴリズムが説明されたが、それら自体に新規性があると考えられうる。しかし、本発明の範囲内にありながら、各アルゴリズムの変形が可能であることが理解されるべきである。

例えば、車両速度閾値試験を除外する、または、上記に説明したアルゴリズムのうちいずれか、または全部においてフラグ／ブーリアン変数を使用しないことも可能である。さらに、平均値（平均前後加速度等の）を使用せずに、最大値および中間値等の他の基準を使用してもよい。

別の実施形態において、本発明は特に車両衝突時の車両の軌跡の再構築を提供するが、それは車両衝突時には限定されない。

例えば加速度計を使用した衝突の検出が広く知られており、そのような検出が要求される場合、任意の既知の方法が使用されうる。本発明において、衝突イベントの検出は、図１７および図１８を参照して以下に説明されるように実行されることが好ましい。

特に、過酷な衝突イベントと過酷でない衝突イベントは区別される。図１７に、過酷でない衝突イベントの検出が示されており、それは短期窓中の速度ベクトルの変化の監視に基づいている。加速度ベクトルは予め定められた時間窓にわたり断続的に積分される。並列で、アルゴリズムは水平面と垂直面における力の主方向（ＰＤＯＦ）を算出する。ＰＤＯＦは、正規化係数の値を定め、この値は速度ベクトルの変化を正規化するために使用される。特に、正規化係数はＰＤＯＦの関数である。速度ベクトルのこの正規化された変化が、予め１に設定された閾値（全入力が正規化されるので）を超えた瞬間に、一般的な衝突が検出され、算出されたＰＤＯＦは「衝突ＰＤＯＦ」として記録される。このことが、衝突持続時間を判断するためのタイマーの始動とともに速度ベクトルの変化蓄積のプロセスを発動させる。加速度ベクトルの短期積分は、衝突イベントの終了を定める予め定められた衝突終了閾値未満に加速度ベクトルが下がるまで続けられる。この衝突間隔中の速度ベクトルの累積変化が過酷な衝突イベントに対して規定される閾値未満であれば、この衝突は自動的に過酷でないと規定される。装置が、複合衝突または転覆を伴う衝突を検出した場合、または乗員の捕捉という別の兆候がある場合、最終速度変化が増加されて閾値と再比較される。

同様に、図１８に、過酷な衝突イベントの検出が示されており、それも短期窓中の速度ベクトルの変化の監視に基づいている。加速度ベクトルは予め定められた時間窓にわたり断続的に積分される。並列で、アルゴリズムは水平面と垂直面における力の主方向（ＰＤＯＦ）を算出する。再び、ＰＤＯＦは、正規化係数の値を定め、この値は速度ベクトルの変化を正規化するために使用される。速度ベクトルのこの正規化された変化が、予め１に設定された閾値（全入力が正規化されるので）を超えた瞬間に、全体的な衝突が検出され、算出されたＰＤＯＦは「衝突ＰＤＯＦ」として記録される。このことが、衝突持続時間を判断するためのタイマーの始動とともに速度ベクトルの変化蓄積のプロセスを発動させる。加速度ベクトルの短期積分は、衝突イベントの終了を定める予め定められた衝突終了閾値未満に加速度ベクトルが下がるまで続けられる。この衝突間隔中の速度ベクトルの累積変化が過酷な衝突イベントに対して規定される閾値を超えていれば、この衝突は自動的に過酷と規定される。装置が、複数の衝突または転覆を伴う衝突を検出した場合、または乗員の捕捉という別の兆候がある場合、最終速度変化が増加されて閾値と再比較される。この後、過酷な衝突の可能性が中程度（２５−７５％）および高度（＞７５％）である衝突を分類するために付加的な階級化が実行されうる。

本実施形態において、過酷な衝突イベントが発生したと判断された場合、または、そのようなイベントが発生したという十分に高い可能性がある場合に、車両軌跡の再構築が実行されうる。しかし、軌跡の再構築は、任意の所望の時間に実行されうるものであり、以下の軌跡再構築の説明が適用される。

図１９に、典型的な衝突のタイムラインが示され、そこで衝突イベントは４つの独立した期間に分離される；
・ 時間Ｔ１とＴＯ間の間隔０ − 衝突イベント発生前の例えば１０秒等の一定期間として規定されうる
・ 時間ＴＯとＴ１間の間隔１ − 衝突開始時に大きな力が瞬時に車両に働く間隔。典型的には２５０ｍｓまで続く
・ 時間Ｔ１とＴ２間の間隔２ − 衝突開始時直後の期間であり、車両が衝突開始時から移動するにつれて小さい力が車両に働く、車両の最終制止位置までの間隔。典型的には１０秒前後続く。
・ 時間Ｔ２とＴ３間の間隔３ − 車両が衝突後に静止位置にある、例えば１０秒から１０分の間の一定期間として規定されうる。間隔３に長い持続時間を設定することは、下記に説明するように、より長い持続時間にわたって良好な平均値が取得されうるという利点を持つ。好適な実施形態において、間隔３は、車両が静止状態（動いていない）にあることが検出された時点プラス所定時間の期間として定められる。

加速度計と、加速度計を使用する推測航法システムは、その出力においてドリフトを蒙りやすい。特に、それらを使用しているシステムは、以前に算出された位置または速度、角速度、加速度および角加速度の出力に、検出された変化を断続的に加算しているため、如何に小さくとも測定にエラーがあれば、それらがポイント毎に加算される。このことが、「ドリフト」または、システムが想定する位置と実際の位置の間に、絶え間なく増加する差を招く。

その上、レートジャイロのバイアス、またはバイアスエラーは、回転を経験していない場合のジャイロからの信号出力である。最も完全なジャイロにでもエラー源はあり、バイアスはこれらのエラーの１つである。バイアスは、電圧、またはフルスケールの出力のパーセンテージとして表されうるが、本質的に回転速度（秒ごとの角度）を表す。あいにく、バイアスエラーは温度によって、また時間の経過により変動しがちである。ジャイロのバイアスエラーはいくつかの成分による： 較正エラー、スイッチオンからスイッチオン、バイアスドリフト、および衝突では大きくありうる衝撃の影響。バイアスの個々の測定もノイズによって影響されるため、意義あるバイアス測定値は、一連の測定の平均値として取られうる。さらに、バイアスは、他の全要因が一定のままであると仮定して、経時的に変動する可能性がある。

したがって、車両の通常運転中、定期的に更新されるセンサエラーモデルが、３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを備えた慣性センサ装置の出力におけるエラーを推定し、バイアスとドリフトを補正するように動作する。このことは図２０に示されている。

第１のボックスに、慣性センサ装置２００からの出力が、予め定められたサンプリングレートで循環バッファに格納される。各更新において、加速度計における変動が予め定められた「ａｃｃ静止閾値」より大きいかを照会することによって、車両が動いているか否かが判断される。車両が動いていない場合、車両の静止状態が使用されて、ゼロ速度更新技法を用いてセンサエラーモデルが更新される。次にアルゴリズムは開始点に戻って慣性センサ装置からのデータの次のサンプルを待機する。

別法として、車両が動いている場合、または、車両が動いているか否かの任意選択的判断が省略される場合、現在のセンサエラーモデルを使用してこの慣性センサデータセットを補償するために、以前に決定されたパラメータが使用され、補償済みデータセットは次に、予測される車両の状態を算出するために使用される。車両の状態は、３次元における位置姿勢−ロール、ピッチおよびヨー、スカラー速度情報、スカラー加速度情報、速度ベクトル変化、加速ベクトル変化等である。特に、センサエラーモデルは、加速度計バイアス、加速度計換算係数、加速度計交差軸補償、ジャイロスコープバイアス、ジャイロスコープ換算係数、ジャイロスコープドリフト、（配設されている場合、オドメーター速度換算係数、磁気計換算係数、磁気計バイアス）等を補償するための種々のパラメータ／変数を用いたいくつかの数学的アルゴリズムを備えている。

デシジョンボックスにおいて、外部センサデータセットからデータが受信されたかどうかがチェックされる。一般にそのような外部データはグローバルポジショニング受信機システム１１０からの位置データを備えるが、例えば車両静止中の外部センサからの、３軸における姿勢データ等の他のデータも含みうる。外部データが受信されない場合、システムはセンサエラーモデルを補正せずに進行する。

しかし、外部データが受信された場合、このデータは車両の予測される状態と比較される。例えば、衛星測位データが０．１秒と１秒の間の間隔で受信された場合、テレマティックス装置１０００は、慣性センサ装置からの補正済み出力に基づく予測位置と、衛星測位データから与えられた位置との差を算出する。同様に、予測される姿勢と外部姿勢データの間の差も判断されうる。この差は、図２０において「イノベーション」と呼ばれる。

続いて、「イノベーション」変数（複数）を使用して、センサバイアス、換算係数、ジャイロ換算係数、ジャイロバイアス、累積ドリフト等を補正するセンサエラーモデルのパラメータが更新される。線形または非線形予測器（カルマンフィルタ、拡張カルマンフィルタ（ＥＫＦｓ）、粒子フィルタおよびアンセンテッドカルマンフィルタのうちいずれかを含みうる）が、「イノベーション」変数（複数）に基づいてセンサエラーモデルを更新するために使用される。

更新されたセンサエラーモデルは次に、予測される車両状態を更新するために使用され、プロセスは、次のサンプルの次のサイクルまで終了する。

複数のセンサエラーモデルが循環バッファに格納され、その複数は例えば０．１秒毎、または毎秒など、定期的に更新される。

図２１に、本発明の衝突軌跡再構築の決定が示されている。再構築開始前に、図１９の間隔３が満了したこと、例えば、慣性センサ装置２００からの出力に変化がない、または変化が少ない、或いは、より好ましくは、予め設定された時間が満了したことが判断される。次に、時間Ｔ０に作動する慣性センサモデルを用いて、時間Ｔ３において循環バッファに格納された慣性データセットが補償され、Ｔ０とＴ３の間の記録された間隔全体において格納された全慣性データセットは、Ｔ０からのセンサエラーモデルで補償される。ジャイロドリフトの補償は、静止状態がこれを可能とするため、さらに改良されうる。特に、衝突開始時点の時間Ｔ０を判断して、この時間に動作していたセンサエラーモデルを検索し適用することが可能である。このセンサエラーモデルは、衝突からの時間経過が少ないため未だ有効であるが、このモデルは衝突時の急激な加速によって影響されない。

引き続き、平均ＧＮＳＳ位置（衛星が決定した位置）、平均加速度ベクトルおよび平均最終方向が間隔３にわたり算出される。車両の最終静止姿勢も、慣性センサデータセット（最終ヨーならびに最終ロールおよび最終ピッチを含みうる）から判断される。

図２０に示すように、時間Ｔ３における最終車両状態は判っている。これは、ＧＮＳＳ（またはその他の衛星ナビゲーションシステム）データまたは、最終静止位置における車両用に取得された平均ＧＮＳＳデータから外部的に決定されうる、または別途外部から測定されうる。外部で決定された、正確なロールおよびピッチ、また可能ならばヨー測定値を取得することも好ましい。

この外部で決定された最終車両状態、平均ＧＮＳＳ位置、平均加速度ベクトル、平均最終方向および最終ロールと最終ピッチ、ならびに、時間Ｔ０におけるセンサエラーモデルを使用して補正された慣性センサデータセットに基づき、車両状態を決定することによって車両の軌跡の再構築が可能である。車両の状態は、３次元における位置姿勢（ロール、ピッチおよびオプションでヨー）、スカラー速度情報、スカラー加速度情報、速度ベクトル変化、加速度ベクトル変化等である。車両状態は、循環バッファに格納された各補償済み慣性センサデータセットに関して、時間Ｔ２から開始し間隔２を通って時間Ｔ１に遡り、間隔１を通って遡って時間Ｔ０まで戻り、間隔０を通って時間Ｔ１まで戻って算出されうる。特に、車両状態は、方程式を解くことによって、また、例えば方向余弦、オイラー角、四元数および／または軸性ベクトルを使用した加速度ベクトル積分によって決定されうる。

車両の最終静止位置がわかっているため、車両状態は、それらが発生する道路上の特定位置に正確に整合されられうる。そのため、正確な法科学的分析が定められうる。さらに、衝突の前または衝突中に、算出された車両状態をユーザに送信して、三次元での車両の軌跡（位置、速度ベクトル、姿勢）の再構築を提供することが可能である。

前述したように、テレマティックス装置１０００は循環バッファに慣性センサデータセットを断続的に更新する。慣性センサデータセットの記録の例示的体制が図２２に示されている。衝突が検出された場合、時間Ｔ０において、または時間Ｔ０の後で、サンプリングレートを増加させても、または別途変動させてもよい。さらに、抽出は時間Ｔ３の後で停止できる。

さらに、装置１０００のテレマティックス機能は、軌跡再構築に関しては任意選択的であり、関連するデータは調査者または他のユーザによって、Ｗｉ−Ｆｉ、ＵＳＢインターフェース等によってアクセス可能である。しかし、テレマティックス機能性が設けられている場合、装置１０００は、衝突中または衝突後に、軌跡再構築に関連するありとあらゆるデータ（慣性センサデータセット、センサエラーモデルおよび軌跡算出を含む）を遠隔処理エンティティに自動送信できる。装置は、特に安全なメモリに、そのようなデータを格納するように構成されてもよい。そのような安全なメモリは、衝突によって引き起こされる衝撃や破損の影響をより受けにくい。

軌跡は、装置１０００や遠隔処理エンティティ２０００に、または、例えば、無線／または有線インターフェースを介して装置１０００から必要な情報を検索するラップトップコンピュータ等の他の処理装置に再構築されうる。

上記の説明は例として挙げたものに過ぎず、本発明の範囲から逸脱せずに変更をなしうることが、当業者ならば理解できるであろう。

１１０ グローバルポジショニングシステム受信機
１２０ 長距離無線トランシーバー
１３０ 処理および制御装置
２００ ６自由度慣性装置
３１０ メモリ
３２０ 短距離無線接続
３４０ 有線インターフェース
１０００ テレマティックス装置
２０００ バックエンド
３０００ 長距離無線ネットワーク
４０００ システム
５０００ システム

Claims (61)

1. 車両の運転者の運転行動危険指標を算出する装置であって、
   処理および制御装置と、
   メモリと、を備え、
   前記装置が、
   車両に搭載された慣性装置からの入力に基づき、複数の予め定められたカテゴリーそれぞれにおいて発生するイベントのカウント数を取得し、前記慣性装置は３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを含み、各イベントは、危険な運転と強引な運転のうち少なくとも１つを示しており、
   各カテゴリー中のイベントの数に基づき運転行動危険指標を算出する、
   ように構成された装置。
2. 各カテゴリーに対応する重み係数がメモリに格納されており、前記装置は、各カテゴリーのイベントの数に、前記対応する重み係数を適用することによって前記運転行動危険指標を算出するように構成された、請求項１に記載の装置。
3. 予め定められた期間内に発生するイベントの数に基づいて前記運転行動危険指標を算出するように構成された、請求項１または２に記載の装置。
4. 前記予め定められた期間の持続時間に基づいて前記運転行動危険指標を算出するように構成された、請求項３に記載の装置。
5. 前記予め定められた期間中の走行距離に基づいて前記運転行動危険指標を算出するように構成された、請求項３または４に記載の装置。
6. 予め定められた期間に各カテゴリーにおいて発生するイベントの数を取得し、
   前記予め定められた期間に各カテゴリーにおいて発生するイベントの数に、対応する重み係数を適用し、
   全カテゴリー内の重み付けされたイベントの数を合計して、前記予め定められた期間に関する累積危険度を取得し、
   前記予め定められた期間中の車両の走行距離を判断し、
   前記累積危険度を前記走行距離で除算する、
   ことによって前記運転行動危険指標を算出するように構成された請求項１に記載の装置。
7. 前記予め定められた期間内の累積危険度を、前記期間の持続時間に基づき変更するように構成された請求項６に記載の装置。
8. 前記運転行動危険指標を環境データに基づき変更するように構成された、請求項１から７のいずれか一項に記載の装置。
9. 前記環境データは、道路データ、温度データ、周囲天候データおよび地理的位置データのうち少なくとも１つを含んでいる請求項８に記載の装置。
10. 予め定められたカテゴリーは、過酷なコーナリング、オーバーステアリングおよび回避操縦のうち任意の２以上を含んでいる、請求項１から９のいずれか一項に記載の装置。
11. 前記装置は車両に搭載可能である、請求項１から１０のいずれか一項に記載の装置。
12. 前記慣性装置を備えている請求項１１に記載の装置。
13. 遠隔処理エンティティとの通信用の送信機と受信機をさらに備えている請求項１１または請求項１２に記載の装置。
14. 前記装置は前記車両から遠隔であり、
    各カテゴリーのイベントは前記車両上で検出され、
    前記装置は、
    各イベントに関するデータ、および
    各カテゴリー中のイベントのカウント数、
    のうち少なくとも１つを前記車両から受信することによってカウント数を取得するように構成された、
    請求項１から１０のいずれか一項に記載の装置。
15. 前記装置は前記車両から遠隔であり、
    前記装置は、前記車両に搭載された慣性装置から入力を受信し処理することによってカウント数を取得するように構成された、
    請求項１から１０のいずれか一項に記載の装置。
16. フリート車両内の複数の異なる車両それぞれに関して、複数の予め定められたカテゴリーそれぞれで発生するイベントのカウント数を取得して、前記フリート車両の運転行動危険指標を決定するように構成された請求項１４または１５に記載の装置。
17. 単一車両の運転行動危険指標を、前記フリート車両の運転行動危険指標と、別に取得された比較用運転行動危険指標のうち少なくとも一方と比較するようにさらに構成された請求項１６に記載の装置。
18. 前記フリート車両の運転行動危険指標を、別に取得された比較用運転行動危険指標と比較するようにさらに構成された請求項１６に記載の装置。
19. １つの処理エンティティと、請求項１１から１３のいずれか一項に記載の装置を複数備えたシステムであって、前記処理エンティティは長距離無線ネットワークによって前記複数の装置それぞれと通信するシステム。
20. 対応する車両に搭載された複数のテレマティックス装置と、１つの遠隔処理装置とを備えたシステムであって、
    前記テレマティックス装置は慣性センサ装置を備え、
    前記隔処理エンティティとテレマティックス装置のうち少なくとも一方は、前記慣性センサ装置からの入力に基づき、複数の予め定められたカテゴリーそれぞれで発生するイベントのカウント数を取得するように適合され、各イベントは危険な運転と強引な運転のうち少なくとも一方を示し、
    前記遠隔処理エンティティは、各カテゴリー中のイベントの数に基づき複数のテレマティックス装置の総合運転行動危険指標を算出するように構成されたシステム。
21. 前記慣性センサ装置は３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを含んでいる請求項２０に記載のシステム。
22. 前記遠隔処理エンティティと各テレマティックス装置のうち少なくとも１つは運転行動危険指標を算出するように構成された請求項２０または２１に記載のシステム。
23. 車両の運転者用の運転行動危険指標を算出する方法であって、
    車両に搭載された慣性装置からの入力に基づいて、複数の予め定められたカテゴリーそれぞれにおいて発生するイベントを検出し、前記慣性装置は３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを含み、各イベントは危険な運転と強引な運転のうち少なくとも１つを示唆し、
    各カテゴリーにおけるイベントの数に基づいて運転行動危険指標を算出する、
    ことを含む方法。
24. 各カテゴリー用の重み係数を、対応するカテゴリー内のイベントの数に適用することによって前記運転行動危険指標を算出することをさらに含む請求項２３に記載の方法。
25. 予め定められた期間内に発生するイベントの数に基づいて前記運転行動危険指標を算出することをさらに含む請求項２３または２４に記載の方法。
26. 前記予め定められた期間の持続時間に基づいて前記運転行動危険指標を算出することをさらに含む、請求項２５に記載の方法。
27. 前記予め定められた期間中の走行距離に基づいて前記運転行動危険指標を算出することをさらに含む、請求項２５または２６に記載の方法。
28. 各カテゴリー内で、予め定められた期間内に発生したイベントの数を取得することと、
    各カテゴリー内で、前記予め定められた期間内に発生したイベントの数に、対応する重み係数を適用することと、
    全カテゴリー内の重み付けされたイベントの数を合計して、前記予め定められた期間に関する累積危険度を取得することと、
    前記予め定められた期間中の車両の走行距離を判断することと、
    前記累積危険度を前記走行距離で除算することと、
    によって前記運転行動危険指標を算出することを含む請求項２３に記載の方法。
29. 前記予め定められた期間の累積危険度を、前記期間の持続時間に基づき変更することをさらに含む請求項２８に記載の方法。
30. 前記運転行動危険指標を、環境データに基づき変更することをさらに含む、請求項２３から２９のいずれか一項に記載の方法。
31. 前記環境データは、道路データ、温度データ、周囲天候データおよび地理的位置データのうち少なくとも含んでいる請求項３０に記載の方法。
32. 前記予め定められたカテゴリーは、過酷なコーナリング、オーバーステアリングおよび回避操縦のうち任意の２以上を含んでいる、請求項２３から３１のいずれか一項に記載の方法。
33. 各カテゴリー中のイベントは車両上で検出され、
    前記方法は、車両から、
    各イベントに関するデータ、
    各カテゴリー中のイベントのカウント数、
    のうち少なくとも１つを受信することによってカウント数を取得することをさらに含む、
    請求項２３から３２のいずれか一項に記載の方法。
34. 車両に搭載された慣性装置からの入力を受信し処理することによってカウント数を取得することを含む請求項２３から３２のいずれか一項に記載の方法。
35. フリート車両内の複数の異なる車両それぞれに関して、複数の予め定められたカテゴリーそれぞれで発生するイベントのカウント数を取得して、前記フリート車両の運転行動危険指標を決定することを含む請求項３３または３４に記載の方法。
36. 単一車両の運転行動危険指標を、前記フリート車両の運転行動危険指標と、別に取得された比較用運転行動危険指標のうち少なくとも一方と比較することをさらに含む請求項３５に記載の方法。
37. 前記フリート車両の運転行動危険指標を、別に取得された比較用運転行動危険指標と比較することをさらに含む請求項３５に記載の方法。
38. 複数の車両の運転行動危険指標の決定方法であって、
    前記車両それぞれに搭載された慣性装置からの入力に基づき、複数の予め定められたカテゴリーそれぞれにおいて発生するイベントを検出し、各イベントは、危険な運転と強引な運転のうち少なくとも１つを示し、
    各カテゴリーにおけるイベントの数に基づいて前記複数の車両の運転行動危険指標を算出する、
    ことを含む方法。
39. 前記慣性センサ装置は、３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを含む、請求項３８に記載の方法。
40. 車両の車両軌跡の再構築方法であって、
    第１の予め定められた時間におけるデータセットを格納し、各データのセットは、車両に搭載された慣性装置からの対応する第１の予め定められた時間における出力を含み、前記慣性装置は３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを含み、
    第２の予め定められた時間データにおけるセンサエラーモデルを、外部データに基づき更新して、複数のセンサエラーモデルを格納し、
    イベントを検出し、
    イベント開始時から、イベント開始後の第３の予め定められた時間までに格納された各データセットを、イベント開始前に格納された最新のセンサエラーモデルに基づいて更新し、
    前記更新されたデータセットに基づき車両の軌跡を再構築する、
    ことを含む方法。
41. 前記イベントは衝突である請求項４０に記載の方法。
42. 前記第３の予め定められた時間は、前記イベント開始後の一定期間と、前記慣性装置からの出力信号の変動が、予め定められた閾値未満に留まっている一定期間、のうち一方として決定される、請求項４０または４１に記載の方法。
43. 前記データセットが前記第１の予め定められた時間で格納される頻度は、イベントの検出後に調整される、請求項４０から４２のいずれか一項に記載の方法。
44. 外部データに基づいて、イベント後に車両の静止位置データを決定することをさらに含み、前記軌跡の再構築は、定められた端位置を開始点とした、更新されたデータセットに基づいている、請求項４０から４３のいずれか一項に記載の方法。
45. 前記静止位置データは、車両の姿勢に関するデータと、衛星測位データのうち少なくとも一方を含む、請求項４４に記載の方法。
46. 前記イベント検出後の一定期間中に格納された更新されたデータセットを用いて、計算された平均位置、計算された平均加速度ベクトル、平均最終方向のうち少なくとも１つを決定する、
    前記軌跡の再構築を、前記決定に基づかせる、
    ことをさらに含む請求項４０から４５のいずれか一項に記載の方法。
47. 前記イベント検出後の一定期間中に格納された更新されたデータセットを用いて、計算された最終ピッチ、計算された最終ロールおよび計算された最終ヨーのうち少なくとも１つを決定する、
    前記軌跡の再構築を、前記決定に基づかせる、
    ことをさらに含む請求項４０から４６のいずれか一項に記載の方法。
48. 前記軌跡の再構築は、前記イベント後の複数の第１の予め定められた期間の車両の位置、速度および姿勢のうち少なくとも１つを、更新された格納されたデータセットを用いて算出することをさらに含む請求項４０から４７のいずれか一項に記載の方法。
49. 前記センサエラーモデルセットを更新する前に、更新された慣性センサデータセットを算出することをさらに含む請求項４０から４８のいずれか一項に記載の方法。
50. 請求項４０から４９のいずれか一項に記載の方法を実行するための装置。
51. 車両の軌跡を再構築するために使用される装置であって、
    処理および制御装置と、
    メモリと、を備え、
    前記装置は、
    第１の予め定められた時間でのデータセットを格納し、各データセットは車両に搭載された慣性装置からの、対応する第１の予め定められた時間での出力を備えており、前記慣性装置は３Ｄジャイロスコープ機能性を持つ３Ｄ慣性センサを含み、
    外部データに基づき第２の予め定められた時間データでのセンサエラーモデルを更新して、複数のセンサエラーモデルを格納し、
    イベントを検出し、
    イベント開始時からイベント開始後の第３の予め定められた時間までに格納された各データセットを、イベント開始前に最新に格納された、格納センサエラーモデルに基づき更新する、
    ように構成された装置。
52. 前記更新されたデータセットに基づいて前記車両の軌跡を再構築するように構成された請求項５１に記載の装置。
53. 前記イベントは衝突である、請求項５１または５２に記載の装置。
54. 前記第３の予め定められた時間は、前記イベント開始後の一定期間と、前記慣性装置からの出力信号の変動が、予め定められた閾値未満に留まっている一定期間、のうち一方として判断される、請求項５１から５３のいずれか一項に記載の装置。
55. 前記データセットが前記第１の予め定められた時間で格納される頻度は、前記イベントの検出後に調整される、請求項５１から５４のいずれか一項に記載の装置。
56. 外部データに基づいて、前記イベント後に前記車両の静止位置データを決定するようにさらに構成され、前記軌跡の再構築は、決定された端位置を開始点とした、更新されたデータセットに基づいている、請求項５１から５５のいずれか一項に記載の装置。
57. 前記静止位置データは、前記車両の姿勢に関するデータと、衛星測位データのうち少なくとも一方を含む、請求項５１から５６のいずれか一項に記載の装置。
58. 前記イベント検出後の一定期間中に格納された更新されたデータセットを用いて、計算された平均位置、計算された平均加速度ベクトル、平均最終方向のうち少なくとも１つを決定し、
    前記軌跡の再構築を、前記決定に基づかせる、
    ようにさらに構成された、請求項５１から５７のいずれか一項に記載の装置。
59. 前記イベント検出後の一定期間中に格納された更新されたデータセットを用いて、計算された最終ピッチ、計算された最終ロールおよび計算された最終ヨーのうち少なくとも１つを決定する、
    前記軌跡の再構築を、前記決定に基づかせる、
    ようにさらに構成された請求項５１から５８のいずれか一項に記載の装置。
60. 前記イベント後の複数の第１の予め定められた期間の車両の位置、速度および姿勢のうち少なくとも１つを、更新された格納されたデータセットを用いて算出することによって軌跡を再構築するように構成された、請求項５１から５９のいずれか一項に記載の装置。
61. 前記センサエラーモデルセットを更新する前に、更新された慣性センサデータセットを算出するようにさらに構成された請求項５１から６０のいずれか一項に記載の装置。

Images