JP2019523486A - 交通車両の動きおよび／または運転パラメータに関するデータを取得するように適合された車載装置によって記録された交通車両の異常応力を検出および検証するための方法 - Google Patents

Abstract

交通車両の動きおよび／または運転パラメータに関するデータを取得するように適合された車載装置によってリモート処理ステーションに記録および送信される交通車両の異常応力を検出および検証するための方法（２００）であって、交通車両に設置された車載装置に備え付けられた１つ以上のセンサが、交通車両の動きおよび／または運転パラメータに関するデータを取得するステップ（２１）と、車載装置に備え付けられたローカル処理ユニットが、車載装置によって取得されたデータに基づいて交通車両の異常応力を表すデータを記録するステップ（２２）と、車載装置のローカル処理ユニットが、異常応力を表す記録されたデータをリモート処理ステーションに送信するステップ（２３）とを備える。方法（２００）は、リモート処理ステーションが、真型の基準異常応力を表すデータのデータベースと偽型の基準異常応力を表すデータのデータベースとを提供するステップ（２０１）と、リモート処理ステーションが、車載装置によって検証、記録および送信されるべき異常応力を表すデータに、ニューラルネットワークに基づく少なくとも１つの第１の相関フィルタを適用するステップ（２０２）とを備える。少なくとも１つの第１の相関フィルタを適用するステップ（２０２）は、リモート処理ステーションが、車載装置によって受信された異常応力を表すデータを真型の基準異常応力を表すデータのデータベースと偽型の基準異常応力を表すデータのデータベースとにそれぞれ格納されたデータと比較するステップ（２０３）と、車載装置によって受信された異常応力を表すデータが真型または偽型の基準異常応力を表すデータのデータベースに格納されたデータに対応する場合、リモート処理ステーションが、車載装置によって受信された異常応力を表すデータによって表される異常応力を真イベントまたは偽イベントであると検証するステップ（２０４）とを含む。

Description

発明の分野
本発明は、交通車両の動きおよび／または運転パラメータに関するデータを取得するようにされた車載装置によって記録された交通車両の異常応力を検出および検証するための方法に関する。

従来技術
交通車両に設置され、適切なセンサを用いてリアルタイムで交通車両の動きおよび／または運転パラメータに関するデータを取得するようにされた車載装置（端末）によって記録される交通車両の異常応力を検出および検証するための方法が知られている。

いわゆる異常応力は、事故の場合に車両自体の事故衝突または横転によって引き起こされる可能性のある、車両または車両の一部の動きである。

リアルタイムで取得される交通車両の動きおよび／または運転パラメータに関するデータに基づいて、車載装置は、交通車両が受ける異常応力を記録可能である。

通常、このような記録は取得されたデータのうちの一部を表す信号の傾向、たとえば、交通車両が受ける加速傾向を、通常の使用条件における交通車両の加速傾向を表す参照プロファイルと比較することによって行なわれる。

設定された閾値を超えると、そのような比較は、車両が受けた衝突によって引き起こされたものと想定される加速の偏差の可能性を後に理解することが可能になり、したがって、これらの偏差は異常応力として車載装置によって記録される。

しかしながら、そのような記録は、交通車両が受ける異常応力を決定的に検証することを意図したものではない。

この点に関して、車載装置は異常応力を決定的に検証するようにも構成されており、車載装置によって記録される各異常応力を処理して、そのような異常応力が「真である」、すなわち、車両の本体への衝突と関連があるか、または「偽である」かを確定する。

従来技術の検出および検証方法によると、検証は実際には、記録された異常応力に続く期間に交通車両が走行した距離と交通車両によって取得された最終速度とを評価するように構成された車載装置内で行なわれる。そのような物理量（走行距離および最終速度）は、車載装置に動作可能に接続されこれと通信する衛星測量システムを用いて、車載装置によって取得される。

そのような検出および検証方法は、欠点を有する。
第１に、検出および検証の質を改善するために、結果としてコストおよび消費エネルギーの増加（後者の側面は、電池放電時間に関連する）を伴う車載装置において高出力のプロセスを用いない限り、複雑なアルゴリズムを用いることは実際には不可能である。

さらに、多数の車載装置を調整することは、多数の全ての車載装置（端末）をリモートで更新することによって多くの調整が必要になるため、複雑で負荷がかかる。

アルゴリズムおよび車載装置によって保証されるサービスの質が交通車両に設置された車載装置に存在するハードウェアの種類によって決まることは、明らかである。

これは明らかに、古い車載装置は新しいものと大幅に性能が異なるということを意味している。

旧式化の現象は、テレマティクス保険などの用途の特定範囲において車載装置が何年間も同じ交通車両に取り付けられたままの場合があるということも考慮すると、きわめて重大で無視できない欠点である。

このため、応答量という観点から最も正確で可能な限り信頼性を有し、一方で、現場で可能な限り車載装置の旧式化の現象と対照をなしこれを抑制する、交通車両の異常応力を検出および検証するための方法が必要とされる。

本発明の目的は、上述の従来技術に関して説明された欠点を解決または部分的に抑制可能な、交通車両の異常応力を検出および検証するための方法を利用可能にすることである。

このような目的は、請求項１で一般的に規定されているような、交通車両の異常応力を検出および検証するための方法によって実現される。

上述の方法の代替的な好ましいおよび有利な実施形態は、添付の従属請求項において規定されている。

このような目的は、プログラム製品によって交通車両の異常応力を検出および検証するための方法によっても実現される。

本発明は、次の段落で簡潔に説明される添付の図面を参照して、例示としてそれゆえいかなる態様でも限定的ではない、特定の実施形態の以下の詳細な説明によって、よりよく理解されるであろう。

交通車両の動きおよび／または運転パラメータに関するデータを取得するようにされた車載装置によって、リモート処理ステーションに記録および送信された交通車両の異常応力を検証するための方法を実行するようにされたシステムを例示する機能ブロック図である。 交通車両の動きおよび／または運転パラメータに関するデータを取得するようにされた車載装置によってリモート処理ステーションに記録および送信された交通車両の異常応力を検証するための方法の実施形態の非限定的な例を示すフローチャートである。

詳細な説明
図１は、交通車両の動きおよび／または運転パラメータに関するデータを取得するように適合された車載装置によってリモート処理ステーションに記録および送信された交通車両の異常応力を検出および検証するための方法を実行するようにされたシステムの実施形態の非限定的な例を表す。

全体として参照符号１００で示されるそのようなシステムは、交通車両１０２に設置された車載装置１０１を備える。

交通車両１０２はたとえば車であるが、トラック、オートバイ、または、たとえばバスなどの公共交通手段でもよい。

「異常応力」とは、事故が起こった場合に、交通車両１０２そのものの事故衝突またはさらには横転によって引き起こされる可能性のある、交通車両１０２の動きまたはその一部の動きを意味することに注目すべきである。

さらに、交通車両の異常応力の「検証」とは、保険の観点から管理するためにオペレータに対して誤った警報（交通車両そのものの事故衝突または横転が原因ではない異常応力）を排除できるように、そして、車両が遭遇したかもしれない事故（「真の」異常応力）によって実際に引き起こされた異常応力のみを連続して供給できるように、車載装置によって以前にただ記録および送信されたそのような異常応力を、「真である」か「偽である」か分類するということを意味することに注目すべきである。

図１の例に戻って、システム１００はさらに、少なくとも１つのリモート処理ステーション１０３、たとえば、データ通信ネットワーク１０４によって車載装置１０１に動作可能に接続された電子計算機サーバを備える。

データ通信ネットワーク１０４、たとえばＧＳＭ（登録商標）セルラー式電話技術ネットワークによって、車載装置１０１とリモート処理ステーション１０３との間のデータ送信が可能になる。車載装置１０１とリモート処理ステーション１０３との間のデータ送信は、双方向型であることが好ましい。

上述したように、車載装置１０１は、交通車両１０２の動きおよび／または運転パラメータに関するデータを取得するように構成されたハードウェアおよびソフトウェアシステムである。

さらに、車載装置１０１は、このように取得されたデータに基づいて記録された交通車両１０２の異常応力（トリガ）を表すデータを、データ通信ネットワーク１０４によってリモート処理ステーション１０３に記録および送信するように構成される。

代わりに、リモート処理制御ユニット１０３はさらに、交通車両１０２それぞれに設置された複数の車載装置１０１によって取得および処理されたデータの受信および処理を行なうように構成される。たとえば数十万または数百万の桁の、非常に多くの交通車両がリモート処理ステーション１０３によって管理され得ることに注目すべきである。

リモート処理ステーション１０３は、たとえば、運転する際のリスク要因および運転者の運転習慣の評価、助けおよび／または救助要請の受付、事故の検出、窃盗の検出などを行なうために、交通車両を監視するように構成されたハードウェアおよびソフトウェアシステムである。

特に、事故を検出するために、リモート処理ステーション１０３は、取得された交通車両１０２の動きおよび／または運転パラメータに関するデータに基づいて、車載装置１０１によってリモート処理ステーション１０３に記録および送信された異常応力を検証するように構成される。

上述のように、代わりに、車載装置１０１は異常応力を検出するように構成される。
交通車両の異常応力を検出および検証するための方法は、図２に示す実施形態も参照して以下で説明される。

車載装置１０１の説明に戻って、それが取得するデータは、ある実施形態によると、交通車両１０２の動きおよび／または運転パラメータに関して、加速度型であることが好ましい。

この点に関して、車載装置１０１は、図１に示されていない１つ以上の二軸または三軸デジタル慣性型センサ（加速度計および／またはジャイロスコープ）を備える。

車載装置１０１はさらに、図示されていない、車載装置１０１を管理し、処理されたデータを管理および送信し、可能な構成、診断またはリモート制御データを受信するために構成されたローカル処理ユニットを備える。データは、ローカルデータ処理ユニットに動作可能に接続されたローカルデータ通信ユニット（図示せず）を用いて、車載装置１０１によって送受信される。これにより、車載装置１０１はデータ通信ネットワーク１０４とインターフェース可能になる。

交通車両１０２が関与し得る事故を検出するために、ローカル処理ユニットは、車載装置１０１によって取得されたデータに基づいて異常応力（トリガ）を表すデータを記録するように構成される。

この点に関して、車載装置１０１のローカル処理ユニットは、車載装置１０１のローカルメモリユニット（図示せず）に格納済みの１つ以上の組のプログラムコードをロードおよび実行するように構成される。

特に、車載装置１０１のローカル処理ユニットは、加速度型センサによって取得されたデータをリアルタイムで読み出し、通常使用の際の交通車両の挙動と相容れないものを検出するように構成される。たとえば、車載装置１０１のローカル処理ユニットは、検出された交通車両の傾向を、設定された衝突の場合の交通車両の加速を各々が表す複数の参照プロファイルと比較するように構成される。検出された交通車両の加速傾向に最も近い参照プロファイルを特定した後で、車載装置のローカル処理ユニットは、参照プロファイルのエネルギー量に基づいて、検出された異常応力が優先イベントを表すか否かを確定するように構成される。

交通車両の加速傾向のエネルギー強度が、例として異常応力の検出後に減少する場合、検出された異常応力は、優先イベント（実際の衝突）に対応する。

交通車両の加速傾向のエネルギー強度が、例として異常応力の検出後に減少しない場合、検出された異常応力は、副次的なイベント（小さな衝突）に対応する。

より詳細に、車載装置１０１のローカル処理ユニットは、加速度型センサによって取得された交通車両１０２の加速傾向を、好ましくは２００Ｈｚのサンプリング周波数を有し、優先イベント（衝突）を表す異常応力については好ましくは６秒（異常応力前は４秒、異常応力については１秒、異常応力後は１秒）、副次的なイベント（小さな衝突）を表す異常応力については好ましくは３秒（異常応力前は１秒、異常応力については１秒、異常応力後は１秒）である全持続時間を有する組の形式で、ローカルメモリユニットに記録するように構成される。

車載装置１０１のローカルメモリユニットでの格納（記録）前のデータ処理の観点から、車載装置１０１のローカル処理ユニットによる動作は全て、加速度型センサによって提供される加速サンプル、静止状態でセンサによって検出される正味のオフセット、およびセンサのＺ軸を交通車両の垂直方向に合わせるため加速度センサの回転の三軸に従って行なわれる。

車載装置１０１のローカル処理ユニットは、たとえば４サンプルの移動平均フィルタを用いて、加速度型センサから受信された加速サンプルのフィルタリングを行なうように構成される。

車載装置１０１のローカル処理ユニットはさらに、好ましくはいわゆるトリガアルゴリズムを用いて、フィルタにかけられた加速度サンプル処理に基づいて異常応力を記録するように構成される。

１つ以上の加速度閾値および対応する期間は、そのようなトリガアルゴリズムに従って規定される。加速度閾値はｇで表すことが好ましい一方で、期間は、１００Ｈｚのサンプリング周波数での取得に関連するサンプル単位で表すことが好ましい。

センサの加速度三軸のｘ軸に記録された加速度サンプルＴ１の組に対応する第１の加速度成分Ｓｘ、センサの加速度三軸のｙ軸に記録された加速度計サンプルＴ１の第２の組に対応する第２の加速度成分Ｓｙ、センサの加速度三軸のｚ軸に記録された加速度サンプルＴ１の第３の組に対応する第３の加速度成分Ｓｚも規定される。

車載装置１０１のローカル処理ユニットは、成分ＳｘおよびＳｙうちの少なくとも１つが閾値Ａ１を超えるイベントにおいて、時間閾値以上の複数のサンプルについて、異常応力（トリガ）を表すデータを記録するように構成される。

トリガアルゴリズムの下流では、車載装置１０１のローカル処理ユニットは、優先種類（衝突）または副次的な種類（小さな衝突）の異常応力（トリガ）を表すデータを記録するために、またはイベントそのものを拒否するために、（たとえば、加速閾値、時間閾値および／または他の条件を規定することによって）他の条件を実行するように必要に応じて構成可能である。

車載装置１０１のローカル処理ユニットは、異常応力を表す記録されたデータをリモート処理ステーション１０３に送信するように構成される。

より詳細に、車載装置１０１のローカル処理ユニットは、優先種類（衝突）の異常応力（トリガ）を表すデータをリアルタイムで送信するように、そして、副次的な種類（小さな衝突）の異常応力（トリガ）を表すデータを設定された後の時間に送信するように構成される。設定された時間は、たとえば、車載装置１０１のローカル処理ユニットが飽和状態にされ、空にされなければならない時間である。

リモート処理ステーション１０３は、車載装置１０１によって取得されたデータに基づいて記録された異常応力を表すデータが交通車両１０２の車載装置１０１から受信されるとそのような異常応力を検証するように構成される。

次に、交通車両１０２の動きおよび／または運転パラメータに関するデータを取得するようにされた車載装置１０１によってリモート処理ステーション１０３に記録および送信された交通車両１０２の異常応力を検出および検証するための方法２００について、図２を参照して説明する。

保険または交通安全の観点から管理のためにオペレータに対して送信されるべき衝突または事故などのイベントを表す、車載装置１０１によって記録および送信された応力のみを、異常応力を検出および検証するための上述の方法２００が取り出すことを有利に可能にすることに注目すべきである。

方法２００は、開始ＳＴの符号を付されたステップを含む。
方法２００は、交通車両１０２に設置された車載装置１０１に備え付けられた１つ以上のセンサが、交通車両１０２の動きおよび／または運転パラメータに関するデータを取得するステップ２１を備える。

そのような１つ以上のセンサの例については上述された。
方法２００はさらに、車載装置１０１に備え付けられたローカル処理ユニットが、車載装置１０１によって取得されたデータに基づいて交通車両１０２の異常応力を表すデータを記録するステップ２２を備える。

一実施形態（図示せず）では、記録するステップ２２は、車載装置１０１のローカル処理ユニットが、検出された交通車両の加速傾向を、設定された衝突の場合に交通車両の加速を各々が表す複数の参照プロファイルと比較するステップを含む。

検出された交通車両の加速傾向に最も近い参照プロファイルを特定した後で、記録するステップ２２はさらに、参照プロファイルのエネルギー量に基づいて、検出された異常応力が優先イベントを表すか否かを確定するステップを含む。

図２に示す実施形態に戻って、方法２００はさらに、車載装置１０１のローカル処理ユニットが、異常応力を表す記録されたデータをリモート処理ステーション１０３に送信するステップ２３を備える。

ある実施形態（図示せず）では、送信するステップ２３は、優先種類（衝突）の異常応力（トリガ）を表すデータをリアルタイムで送信し、副次的な種類（小さな衝突）の異常応力（トリガ）を表すデータを設定された後の時間に送信するステップを含む。

優先種類（衝突）および副次的な種類（小さな衝突）の異常応力については上述された。

図２の実施形態に戻って、方法２００は、リモート処理ステーション１０３が、真型の基準異常応力を表すデータのデータベースおよび偽型の基準異常応力を表すデータのデータベースを提供するステップ２０１を備える。

方法２００はさらに、リモート処理ステーション１０３が、車載装置１０１によって検証、記録、および送信されるべき異常応力を表すデータに対して、ニューラルネットワークに基づく少なくとも１つの第１の相関フィルタを適用するステップ２０２を含む。

より詳細に、そのようなニューラルネットワークは、いくつかのパラメータと参照データベースとの比較に基づいている。

特に、信号エネルギーおよび３軸についての加速の平均値およびピーク値が考慮される。

ニューラルネットワークに基づく少なくとも１つの第１の相関フィルタを適用するステップ２０２は、
‐リモート処理ステーション１０３が、車載装置１０１によって受信された異常応力を表すデータを真型の基準異常応力を表すデータのデータベースおよび偽型の基準異常応力を表すデータのデータベースにそれぞれ格納されたデータと比較するステップ２０３と、
‐車載装置１０１によって受信された異常応力を表すデータが真型の基準異常応力を表すデータのデータベースに格納されたデータに対応する場合に、リモート処理ステーション１０３が、車載装置１０１によって受信された異常応力を表すデータによって表される異常応力を真イベントであると検証するステップ２０４と、
‐車載装置１０１によって受信された異常応力を表すデータが偽型の基準異常応力を表すデータのデータベースに格納されたデータに対応する場合に、車載装置１０１によって受信された異常応力を表すデータによって表される異常応力を偽型イベントであると検証するステップ２０５と、を含む。

方法２００は、終了ＥＤの符号を付されたステップを備える。
ある実施形態では、前述のものと組み合わせて、リモート処理ステーション１０３が、車載装置１０１によって受信された異常応力を表すデータによって表される異常応力を真イベントであると検証するステップ２０４は、第１のバイナリ値、たとえば、「０」を異常応力に割り当てるステップ２０４’を含む。

ある実施形態では、上述のうちのいずれか１つと組み合わせて、リモート処理ステーション１０３が、車載装置１０１によって受信された異常応力を表すデータによって表される異常応力を真イベントであると検証するステップ２０５は、上述の第１のバイナリ値と反対の第２のバイナリ値、たとえば「１」を異常応力に割り当てるステップ２０５’を含む。

他の実施形態によると、上述の請求項のいずれか１項と組み合わせて、適応するステップ２０２はさらに、リモート処理ステーション１０３が、それと比較された、車載装置１０１によって受信された異常応力を表すデータに基づいて真型の基準異常応力を表すデータのデータベースに格納されたデータおよび偽型の基準異常応力を表すデータのデータベースに格納されたデータの双方を更新するステップ２０６を含む。

ある実施形態では、上述の請求項のいずれか１項と組み合わせて、方法２００はさらに、リモート処理ステーション１０３が、少なくとも１つのＦＦＴ種類の第２の周波数フィルタを、車載装置１０１によって検証、記録、および送信されるべき異常応力を表すデータに適用するステップ２０７を備える。

そのようなＦＦＴ種類の第２の周波数フィルタを適用するステップ２０７は、
‐１つ以上の参照周波数値を確定するステップ２０８であって、その参照周波数値よりも低い周波数値が、真または偽のどちらかの第１の型の異常応力を表し、その参照周波数よりも高い周波数値が、真または偽のどちらかの第１の型と反対の第２の型の異常応力を表すステップと、
‐車載装置１０１によって検証、記録および送信されるべき異常応力を表すデータを表す低周波数の信号および高周波数の信号を追加するステップ２０９と、
‐参照周波数値を追加するステップで取得された周波数値の距離を計算するステップ２１０と、
‐リモート処理ステーション１０３が、計算された距離の値に基づいて、車載装置１０１によって受信された異常応力を表すデータによって表される異常応力を真イベントであるか偽イベントであるかを検証するステップ２１１とを含む。

一実施形態では、上述のステップのいずれか１つと組み合わせて、リモート処理ステーション１０３が、車載装置１０１によって受信された異常応力を表すデータによって表される異常応力を真イベントであるか偽イベントであるかを検証するステップ２１１は、第１のバイナリ値、たとえば「０」、または、第１のバイナリ値とは反対の第２のバイナリ値、たとえば「１」を異常応力に割り当てるステップ２１１’を含む。

他の実施形態では、上述の請求項のいずれか１項と組み合わせて、方法２００はさらに、リモート処理ステーション１０３が、第３のフィルタ（余剰衝突フィルタ）を車載装置１０１によって検証、記録、および送信されるべき異常応力を表すデータに適用するステップ２１２を備える。

第３のフィルタを適用するステップ２１２は、
‐リモート処理ステーション１０３が、設定時間に（たとえば毎日）交通車両に搭載された車載装置によって記録可能な異常応力の最大数を表すパラメータを設定するステップ２１３と、
‐リモート処理ステーション１０３が、設定時間に１つの同じ車載装置１０１によって受信された異常応力の数を集計するステップ２１４と、
‐リモート処理ステーション１０３が、設定時間に車載装置１０１によって記録および送信された異常応力の数と車載装置１０１によって記録可能な異常応力の最大数を表すパラメータとの比較に基づいて、車載装置１０１によって受信された異常応力を表すデータによって表される異常応力を真イベントであるか偽イベントであるかを検証するステップ２１５とを含む。

設定された期間で車載装置１０１によって記録および送信された異常応力の数が車載装置１０１によって記録可能な応力の最大数を表すパラメータよりも大きい場合、車載装置１０１によって記録された異常応力はリモート処理１０３によって偽イベントであると検証される。

方法２００は毎回第２のフィルタおよび第３のフィルタ（または一般にＮ個のフィルタ）の適用を想定していることに注目すべきである。

実際は、きわめて簡易に「ｏｒ」パターンがＮ−１回繰り返されたＮフィルタの組合せ行列は、検証されるために、イベントが全てのＮフィルタを通過しているはずだと想定している。

一方、偽と分類されるべきイベントについては、ただ１つのフィルタをそのように分類すれば十分である。

ある実施形態によると、上述の１つと組み合わせて、リモート処理ステーション１０３が車載装置１０１によって受信された異常応力を表すデータによって表される異常応力を真イベントであるか偽イベントであるかを検証するステップ２１５は、第１のバイナリ値、たとえば「０」、または当該第１のバイナリ値と反対の第２のバイナリ値、たとえば「１」を異常応力に割り当てるステップ２１５’を含む。

ある実施形態によると、少なくとも１つの第１のフィルタ、第２のフィルタ、および第３のフィルタのうちの少なくとも２つを適用可能な上述のうちのいずれか１つと組み合わせて、またはこれに替わって、方法２００は、当該少なくとも１つの第１のフィルタ、第２のフィルタ、または第３のフィルタのうちの少なくとも２つを適用した後に得られる異常応力の検証を、ＯＲにおいて相互に組み合わせるステップを含む。

他の実施形態（図示せず）によると、上述のうちのいずれか１つと組み合わせて、方法２００はさらに、リモート処理ステーション１０３が、異常応力での車載装置１０１上で検出された加速と、このような検出された加速と設定された参照加速値との比較とに基づいて、検証された異常応力を分類するステップを備える。

この実施形態（衝突エンジン）では、方法２００はさらに、検証され分類された各異常応力について、衝撃の種類（正面衝突、後方衝突、側面衝突）を表す情報を、異常応力中に車載装置によって受けられた力の方向の関数、車載装置が受けた加速の数、エネルギー指数および位置として、リモートメモリユニットに格納するステップを備える。

このように、イベントは最も一般的な衝突力学に従って分類可能である。
これにより、保険オペレータが事故の責任を確定するのを助けるための情報を増やす。

ある実施形態によると、プログラム製品は電子計算機のメモリユニットにロード可能である。

プログラム製品は、上述の実施形態のいずれか１つに係る異常応力を検出および検証するための方法を実行するために、電子計算機のデータ処理ユニットによって実行可能である。

ある実施形態によると、プログラム製品は、上述の実施形態のいずれかに１つ従い異常応力を検出可能とするために、車載装置１０１のメモリにロードされ車載装置１０１のデータ処理ユニットによって実行される、第１のプログラム製品を備える。

ある実施形態によると、プログラム製品は、上述の実施形態のいずれか１つに従いそれを検証可能とするために、リモート処理ステーション１０３のメモリにロードされリモート処理ステーション１０３のデータ処理ユニットによって実行される、第２のプログラム製品を含む。

以上より、上述の種類の検出および検証方法によって、従来技術の欠点を克服するという観点から設定された目的を十分に達成可能であることは明らかである。

まず、検出および検証の質を高めるために、さらに高出力のプロセッサが設けられたリモート処理ステーションに検証を渡す可能性は、複雑なアルゴリズムの使用を有利に可能にする。

同時に、このことは、結果として費用および消費エネルギー（後者の側面は、バッテリ放電時間の点で重要である）を伴う標準的な車載装置の使用が可能になる。

さらに、そのような側面により、旧式化の現象を著しく含む多数の車両の車載装置の全ての更新に頼らなくても、また、そのような多数の車両をより進化した車載装置を用いて置き換えしなくても、標準的な車載装置を使用することが可能になり、テレマティクス保険などの適用の特定の範囲において車載装置が何年間も同じ交通車両に取り付けられたままであることを考慮すると、多数の車両の車載装置の更新費用を避ける、または少なくとも可能な限り延期することが可能になる。

本発明の原則にもかかわらず、添付の請求項において規定された発明の保護範囲から逸脱することなく、実施形態およびその内容を、本明細書で専ら非限定的な例として説明および図示されたものに対して大幅に変更可能である。

Claims (16)

1. 交通車両（１０２）の動きおよび／または運転パラメータに関するデータを取得するように適合された車載装置（１０１）によってリモート処理ステーション（１０３）に記録および送信される交通車両（１０２）の異常応力を検出および検証するための方法（２００）であって、
   交通車両（１０２）に設置された車載装置（１０１）に備え付けられた１つ以上のセンサが、前記交通車両（１０２）の動きおよび／または運転パラメータに関するデータを取得するステップ（２１）と、
   前記車載装置（１０１）に備え付けられたローカル処理ユニットが、前記車載装置（１０１）によって取得された前記データに基づいて前記交通車両（１０２）の異常応力を表すデータを記録するステップ（２２）と、
   前記車載装置（１０１）の前記ローカル処理ユニットが、前記異常応力を表すデータを前記リモート処理ステーション（１０３）に送信するステップ（２３）と、
   前記リモート処理ステーション（１０３）が、真型の基準異常応力を表すデータのデータベースと偽型の基準異常応力を表すデータのデータベースとを提供するステップ（２０１）と、
   前記リモート処理ステーション（１０３）が、前記車載装置（１０１）によって検証、記録および送信されるべき異常応力を表すデータに、ニューラルネットワークに基づく少なくとも１つの第１の相関フィルタを適用するステップ（２０２）とを備え、前記少なくとも１つの第１の相関フィルタを適用するステップ（２０２）は、
   前記リモート処理ステーション（１０３）が、前記車載装置（１０１）によって受信された前記異常応力を表すデータを、前記真型の基準異常応力を表すデータのデータベースおよび前記偽型の基準異常応力を表すデータのデータベースにそれぞれ格納されたデータと比較するステップ（２０３）と、
   前記車載装置（１０１）によって受信された前記異常応力を表すデータが前記真型の基準異常応力を表すデータのデータベースに格納されたデータに対応する場合、前記リモート処理ステーション（１０３）が、前記車載装置（１０１）によって受信された異常応力を表すデータによって表される異常応力を真イベントであると検証するステップ（２０４）と、
   前記車載装置（１０１）によって受信された前記異常応力を表すデータが前記偽型の基準異常応力を表すデータのデータベースに格納されたデータに対応する場合、前記車載装置（１０１）によって受信された異常応力を表すデータによって表される異常応力を偽イベントであると検証するステップ（２０５）とを含む、方法。
2. 前記リモート処理ステーション（１０３）が、前記車載装置（１０１）によって受信された異常応力を表すデータによって表される異常応力を真イベントであると検証するステップ（２０４）は、第１のバイナリ値を前記異常応力に割り当てるステップ（２０４’）を含む、請求項１に記載の方法（２００）。
3. 前記リモート処理ステーション（１０３）が、前記車載装置（１０１）によって受信された異常応力を表すデータによって表される異常応力を真イベントであると検証するステップ（２０５）は、前記第１のバイナリ値とは反対の第２のバイナリ値を前記異常応力に割り当てるステップ（２０５’）を含む、請求項２に記載の方法（２００）。
4. 前記適用するステップ（２０２）はさらに、前記リモート処理ステーション（１０３）が、前記真型の基準異常応力を表すデータのデータベースに格納されたデータと前記偽型の基準異常応力を表すデータのデータベースに格納されたデータとの双方を、これらと比較された、前記車載装置（１０１）によって受信された異常応力を表すデータに基づいて更新するステップ（２０６）を含む、前述の請求項のいずれか１項に記載の方法（２００）。
5. 前記リモート処理ステーション（１０３）が、ＦＦＴ種類の第２の周波数フィルタを、前記車載装置（１０１）によって検証および送信されるべき異常応力を表すデータに適用するステップ（２０７）を備え、前記ＦＦＴ種類の第２の周波数フィルタを適用するステップ（２０７）は、
   参照周波数値を確定するステップ（２０８）を備え、その前記参照周波数値よりも低い周波数値は、真型および偽型からの第１の型の異常応力を表し、その前記参照周波数値よりも高い周波数値は、真型および偽型からの前記第１の型とは反対の第２の型の異常応力を表し、前記適用するステップ（２０７）はさらに、
   前記車載装置（１０１）によって検証、記録および送信されるべき異常応力を表すデータを表す低周波数の信号および高周波数の信号を追加するステップ（２０９）と、
   前記参照周波数値を追加するステップにおいて取得される前記周波数値の距離を計算するステップ（２１０）と、
   前記リモート処理ステーション（１０３）が、前記計算された距離の値に基づいて、前記車載装置（１０１）によって受信された異常応力を表すデータによって表される異常応力を真イベントであるか偽イベントであるかを検証するステップ（２１１）とを含む、前述の請求項のいずれか１項に記載の方法（２００）。
6. 前記リモート処理ステーション（１０３）が、前記車載装置（１０１）によって受信された異常応力を表すデータによって表される異常応力を真イベントであるか偽イベントであるかを検証するステップ（２１１）は、第１のバイナリ値または前記第１のバイナリ値とは反対の第２のバイナリ値を前記異常応力に割り当てるステップ（２１１’）を含む、請求項５に記載の方法（２００）。
7. 前記リモート処理ステーション（１０３）が、第３のフィルタを前記車載装置（１０１）によって検証、記録および送信されるべき異常応力を表すデータに適用するステップ（２１２）をさらに備え、前記第３のフィルタを適用するステップ（２１２）は、
   前記リモート処理ステーション（１０３）が、交通車両に搭載された前記車載装置によって記録可能な異常応力の最大数を表すパラメータを設定時間に確定するステップ（２１３）と、
   前記リモート処理ステーション（１０３）が、１つの同じ車載装置（１０１）によって前記設定時間に受信された異常応力の数を集計するステップ（２１４）と、
   前記リモート処理ステーション（１０３）が、前記車載装置（１０１）によって記録および送信された異常応力の数と、前記車載装置（１０１）によって記録可能な異常応力の最大数を表すパラメータとの比較に基づいて、前記車載装置（１０１）によって受信された異常応力を表すデータによって表される異常応力を真イベントであるか偽イベントであるかを検証するステップ（２１５）とを含む、前述の請求項のいずれか１項に記載の方法（２００）。
8. 前記リモート処理ステーション（１０３）が、前記車載装置（１０１）によって受信された異常応力を表すデータによって表される異常応力を真イベントであるか偽イベントであるかを検証するステップ（２１５）は、第１のバイナリ値または前記第１のバイナリ値と反対の第２のバイナリ値を前記異常応力に割り当てるステップ（２１５’）を含む、請求項７に記載の方法（２００）。
9. 少なくとも１つの第１のフィルタ、第２のフィルタ、または第３のフィルタのうちの少なくとも２つの適用に続いて得られる異常応力の検証をＡＮＤモードそして次にＯＲモードで組み合わせるステップを備える、請求項７または請求項８に記載の方法（２００）。
10. 前記リモート処理ステーション（１０３）が、異常応力での前記車載装置（１０１）上で検出された加速と、前記検出された加速と設定された参照加速値との比較とに基づいて、前記検証された異常応力を分類するステップをさらに備える、前述の請求項のいずれか１項に記載の方法（２００）。
11. 前記リモート処理ステーション（１０３）が、検証および分類された各異常応力について、衝撃の種類を表す情報を、前記異常応力中に前記車載装置によって受け取った力の方向の関数、受けた加速の数、エネルギー指数および位置として、リモートメモリユニットに格納するステップをさらに備える、請求項１０に記載の方法（２００）。
12. 前記記録するステップ（２２）は、前記車載装置（１０１）の前記ローカル処理ユニットが、前記検出された交通車両（１０２）の加速の傾向を、設定された衝突の場合の前記交通車両（１０２）の加速を各々が表す複数の参照プロファイルと比較するステップを含む、前述の請求項のいずれか１項に記載の方法（２００）。
13. 前記検出された交通車両の加速パターンに最も近い参照プロファイルが特定されると、前記記録するステップ（２２）はさらに、前記車載装置（１０１）の前記ローカル処理ユニットが、前記参照プロファイルのエネルギー量に基づいて、前記検出された異常応力が優先イベントを表すか否かを確定するステップを含む、請求項１２に記載の方法（２００）。
14. 前記送信するステップ（２３）は、優先種類の異常応力を表すデータをリアルタイムで送信し、設定された後の時間に第２の型の異常応力を表すデータを送信するステップを含む、前述の請求項のいずれか１項に記載の方法（２００）。
15. 交通車両（１０２）の動きおよび／または運転パラメータに関するデータを取得するように適合された車載装置（１０１）によってリモート処理ステーション（１０３）に記録および送信された交通車両の異常応力を検出および検証するためのシステム（１００）であって、
    交通車両（１０２）に設置された車載装置（１０１）と、
    データ通信ネットワーク（１０４）を介して前記車載装置（１０１）に動作可能に接続された少なくとも１つのリモート処理ステーション（１０３）とを備え、
    前記車載装置（１０１）と前記少なくとも１つのリモート処理ステーション（１０３）とは、前述の請求項のいずれか１項に係る前記検出および検証方法（２００）を実行するように構成される、システム。
16. 電子計算機のメモリユニットに搭載可能なプログラム製品であって、前記プログラム製品は、前述の請求項１〜１４のいずれか１項に係る前記検証方法（２００）を実行するために、前記電子計算機のデータプロセッサによって実行可能である、プログラム製品。

Images