JP2022526735A - 車両技術の評価のためのシステム及び方法 - Google Patents

車両技術の評価のためのシステム及び方法 Download PDF

Info

Publication number
JP2022526735A
JP2022526735A JP2021556381A JP2021556381A JP2022526735A JP 2022526735 A JP2022526735 A JP 2022526735A JP 2021556381 A JP2021556381 A JP 2021556381A JP 2021556381 A JP2021556381 A JP 2021556381A JP 2022526735 A JP2022526735 A JP 2022526735A
Authority
JP
Japan
Prior art keywords
vehicle
driver
adas
simulation model
driving
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2021556381A
Other languages
English (en)
Other versions
JPWO2020188562A5 (ja
Inventor
アロン アツモン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cognata Ltd
Original Assignee
Cognata Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Cognata Ltd filed Critical Cognata Ltd
Publication of JP2022526735A publication Critical patent/JP2022526735A/ja
Publication of JPWO2020188562A5 publication Critical patent/JPWO2020188562A5/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K28/00—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions
    • B60K28/02—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/162—Decentralised systems, e.g. inter-vehicle communication event-triggered
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/168—Driving aids for parking, e.g. acoustic or visual feedback on parking space
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/043—Identity of occupants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B60W30/143—Speed control
    • B60W30/146—Speed limiting

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Technology Law (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Traffic Control Systems (AREA)

Abstract

有害事象の確率を低減するため車両のパラメータを適応させるシステムであって、複数のドライバの各ドライバに対して、前記各ドライバによって運転される車両の指示を取得することと、前記車両に設置するための複数のＡＤＡＳ（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍ）から選択される特定のＡＤＡＳの指示を取得することと、設置されたＡＤＡＳを備える前記車両が以降の時間間隔において運転のため予測される環境の予測を示す環境プロファイルを取得することと、設置されたＡＤＡＳを備える前記車両が前記環境プロファイルに従って運転しているシミュレーションモデルを規定することと、前記シミュレーションモデルを実行することによって前記以降の時間間隔中の有害事象のリスクを計算することと、前記有害事象のリスクを低減する予測される確率に従って適応化のための前記車両の少なくとも１つのパラメータを選択することと、を実行するコードを実行する少なくとも１つのハードウェアプロセッサを有する、システムが提供される。

Description

［関連出願］
本出願は、その内容が参照により全体がここに援用される、２０１９年３月１８日に出願された米国仮特許出願第６２／８１９，６９２号の優先権の利益を請求する。
本発明は、それのいくつかの実施例において、車両技術に関し、より詳細には、限定することなく、車両技術の評価のためのシステム及び方法に関する。
車両技術は、例えば、車両による事故のリスクを低減し、車両による歩行者への追突のリスクを低減するなど、道路の安全を改良するため開発されてきている。車両技術は、例えば、車両がその後方で他の車両に近づき過ぎているときにアラートを生成し、駐車中の小さなフェンダベンダを防ぐことを助けうるシンプルなリバースセンサなどであってもよい。他の車両技術はより高度なものであり、例えば、道路前方の画像をキャプチャし、例えば、歩行者が道路を横断しているとき、車両がそれの車線から外れているとき、車両が前方の車両に近づき過ぎるときなどに警告を生成するカメラベースデバイスである。
第１の態様によると、有害事象の確率を低減するため車両のパラメータを適応させるシステムは、複数のドライバの各ドライバに対して、前記各ドライバによって運転される車両の指示を取得することと、前記車両に設置するための複数のＡＤＡＳ（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍ）から選択される特定のＡＤＡＳの指示を取得することと、設置されたＡＤＡＳを備える前記車両が以降の時間間隔において運転のため予測される環境の予測を示す環境プロファイルを取得することと、設置されたＡＤＡＳを備える前記車両が前記環境プロファイルに従って運転しているシミュレーションモデルを規定することと、前記シミュレーションモデルを実行することによって前記以降の時間間隔中の有害事象のリスクを計算することと、前記有害事象のリスクを低減する予測される確率に従って適応化のための前記車両の少なくとも１つのパラメータを選択することと、を実行するコードを実行する少なくとも１つのハードウェアプロセッサを有する。
第２の態様によると、車両の有害事象の確率を評価するシステムは、複数のドライバの各ドライバに対して、前記各ドライバによって運転される車両の指示を取得することと、前記車両に設置するための複数のＡＤＡＳ（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍ）から選択される特定のＡＤＡＳの指示を取得することと、設置されたＡＤＡＳを備える前記車両が以降の時間間隔において運転のため予測される環境の予測を示す環境プロファイルを取得することと、設置されたＡＤＡＳを備える前記車両が前記環境プロファイルに従って運転しているシミュレーションモデルを規定することと、前記シミュレーションモデルを実行することによって前記以降の時間間隔中の有害事象のリスクを計算することと、を実行するコードを実行する少なくとも１つのハードウェアプロセッサを有する。
第３の態様によると、有害事象の確率を低減する車両のパラメータを適応させる方法は、複数のドライバのドライバ毎に、前記ドライバによって運転される車両の指示を取得することと、前記車両に設置するための複数のＡＤＡＳ（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍ）から選択される特定のＡＤＡＳの指示を取得することと、設置されたＡＤＡＳを備える前記車両が以降の時間間隔において運転のため予測される環境の予測を示す環境プロファイルを取得することと、設置されたＡＤＡＳを備える前記車両が前記環境プロファイルに従って運転しているシミュレーションモデルを規定することと、前記シミュレーションモデルを実行することによって前記以降の時間間隔中の有害事象のリスクを計算することと、前記有害事象のリスクを低減する予測される確率に従って適応化のための前記車両の少なくとも１つのパラメータを選択することと、を実行することを含む。
第１、第２及び第３の態様の更なる実現形態では、前記方法及び／又は前記システムは、前記車両の前記選択される少なくとも１つのパラメータの適応化のための命令を生成するコードを更に含む。
第１、第２及び第３の態様の更なる実現形態では、前記方法及び／又は前記システムは、前記ＡＤＡＳが設置された前記車両を保証するための保険料を計算するコードを更に含む。
第１、第２及び第３の態様の更なる実現形態では、前記保険料は、前記シミュレーションモデルを実行することによって計算される前記有害事象のリスクに従って計算される。
第１、第２及び第３の態様の更なる実現形態では、前記保険料は、前記実行されるシミュレーションモデルの前記以降の時間間隔に対して計算される。
第１、第２及び第３の態様の更なる実現形態では、前記方法及び／又は前記システムは、設置されたＡＤＡＳを備える前記車両が前記選択される少なくとも１つのパラメータに従って適応される前記シミュレーションモデルを更新することによって、更新されたシミュレーションモデルを作成することと、前記更新されたシミュレーションモデルを実行することによって、前記有害事象の更新されたリスクを計算することと、を実行するコードを更に含む。
第１、第２及び第３の態様の更なる実現形態では、前記方法及び／又は前記システムは、前記ＡＤＡＳが設置される前記車両を保証するための保険料を計算するコードを更に含み、前記車両は、前記選択される少なくとも１つのパラメータに従って適応される。
第１、第２及び第３の態様の更なる実現形態では、前記方法及び／又は前記システムは、前記有害事象のリスクを更に低減する予測された確率に従って適応のための前記車両の他の少なくとも１つのパラメータを選択するコードを更に含む。
第１、第２及び第３の態様の更なる実現形態では、前記方法及び／又は前記システムは、前記更新されたシミュレーションモデルを作成することと、前記更新されたリスクを計算することと、前記有害事象のリスクが規定された閾値以下になるまで他の少なくとも１つのパラメータを再選択することと、を繰り返すコードを更に含む。
第１、第２及び第３の態様の更なる実現形態では、前記車両の少なくとも１つのパラメータは、前記実行されるシミュレーションモデルに従って前記有害事象のリスクを低減する予測された確率を特定する前記実行されるシミュレーションモデルの解析に従って選択される。
第１、第２及び第３の態様の更なる実現形態では、前記実行されるシミュレーションモデルの解析は、前記シミュレーションモデルの実行中の前記有害事象の出現のシミュレーションと、前記シミュレーションモデルの実行中の前記有害事象の近い出現のシミュレーションとの少なくとも１つの間に前記車両の少なくとも１つのパラメータを特定することを含む。
第１、第２及び第３の態様の更なる実現形態では、前記実行されるシミュレーションモデルの解析は、前記シミュレーションモデルの実行中に規定された要求から乖離する前記車両の少なくとも１つのパラメータを特定することを含む。
第１、第２及び第３の態様の更なる実現形態では、前記適応化のための車両の選択される少なくとも１つのパラメータは、前記車両に設置するための前記複数のＡＤＡＳから他のＡＤＡＳシステムを選択することを含む。
第１、第２及び第３の態様の更なる実現形態では、前記適応化のための車両の選択される少なくとも１つのパラメータは、運転サブシステム、ナビゲーションサブシステム、マルチメディアサブシステム及び電話サブシステムからなる群から選択されるサブシステムの少なくとも１つのパラメータを含む。
第１、第２及び第３の態様の更なる実現形態では、前記適応化のための車両の選択される少なくとも１つのパラメータは、運転中のドライバにより利用されるマルチメディアの適応化、最高速度制限の設定及び禁止される運転地域の規定からなる群から選択される。
第１、第２及び第３の態様の更なる実現形態では、前記環境プロファイルは、天気の予測、車両交通の予測、歩行者の動きの予測及び照明状態の予測からなる群から選択される１つ以上のパラメータを含む。
第１、第２及び第３の態様の更なる実現形態では、前記方法及び／又は前記システムは、少なくとも１つの人口統計プロファイルに基づいて汎用ドライバのドライバプロファイルを取得するコードを更に含む。
第１、第２及び第３の態様の更なる実現形態では、前記方法及び／又は前記システムは、前記ドライバの少なくとも１つの人口統計パラメータ、前記ドライバの運転履歴及び運転地域を含む、前記複数のドライバの前記ドライバのドライバプロファイルを取得するコードを更に含み、前記シミュレーションモデルは、前記ドライバプロファイルに従ってドライバによって運転される設置されたＡＤＡＳを備える前記車両に対して規定される。
第１、第２及び第３の態様の更なる実現形態では、前記方法及び／又は前記システムは、前記ドライバプロファイルによる訓練済み分類器によって複数の事前に規定されたドライバモデルからドライバの事前に規定されたモデルを選択するコードを更に含み、前記シミュレーションモデルは、前記ドライバの前記選択された事前に規定されたモデルによって運転される設置されたＡＤＡＳを備える前記車両に対して規定される。
第１、第２及び第３の態様の更なる実現形態では、前記ドライバの事前に規定されたモデルは、ＡＤＡＳシステムが設置された車両の実際の運転中に複数のドライバに対してモニタリングデバイスによって収集されたモニタリングデータの集計に基づく。
第１、第２及び第３の態様の更なる実現形態では、前記車両の適応化のための少なくとも１つのパラメータは、ＡＤＡＳシステムが設置された車両の実際の運転中に複数のドライバをモニタリングする複数のモニタリングデバイスから収集される運転履歴データの解析に従って選択され、前記車両は、前記少なくとも１つのパラメータに従って適応され、前記有害事象のリスクを低減する予測される確率は、前記運転履歴データの解析に従って計算される。
第１、第２及び第３の態様の更なる実現形態では、前記有害事象は、前記車両のドライバによって引き起こされた事故、他の車両によって引き起こされた前記車両に対する事故、他の車両によるものでなく、環境要因による前記車両に対する無過失損害からなる群から選択される。
第１、第２及び第３の態様の更なる実現形態では、前記車両は、前記ドライバによって能動的に制御及び運転される非自動車両である。
第１、第２及び第３の態様の更なる実現形態では、前記方法及び／又は前記システムは、前記車両のモデル、前記車両のサブモデル、前記車両に設置された少なくとも１つの機能及び前記車両に設置された少なくとも１つのアップグレード機能の少なくとも１つを取得するコードを更に含む。
第１、第２及び第３の態様の更なる実現形態では、前記方法及び／又は前記システムは、前記ドライバの人口統計パラメータ、前記ドライバの運転履歴及び運転地域を含むドライバプロファイルを取得するコードを更に含み、前記シミュレーションモデルは、前記ドライバプロファイルに従ってドライバによって運転される設置されたＡＤＡＳを備える前記車両に対して規定される。
第１、第２及び第３の態様の更なる実現形態では、前記方法及び／又は前記システムは、前記ＡＤＡＳが設置された前記車両を保証するための保険料を計算するコードを更に含む。
そうでないと規定されていない場合、ここに用いられる全ての技術的及び／又は科学的用語は、本発明が属する技術の当業者によって共通に理解されるものと同じ意味を有する。ここに説明されるものと同様又は等価な方法及び物質は、本発明の実施例の実践又は検証に利用可能であるが、例示的な方法及び／又は物質が以下に説明される。競合する場合、定義を含む特許明細書が制御するであろう。さらに、物質、方法及び具体例は、例示に過ぎず、必ずしも限定的であることは意図しない。
本発明のいくつかの実施例が、添付した図面を参照して例示のみによってここで説明される。図面を詳細に具体的に参照して、図示される詳細は本発明の実施例の例示的な説明のために例示的なものであることが強調される。これに関して、図面と共に行われる説明は、本発明の実施例がどのように実施されうるかは当業者に明らかになるであろう。
本発明のいくつかの実施例による有害事象の確率の低減のための車両のパラメータを適応させるシステムのブロック図である。 本発明のいくつかの実施例による有害事象の確率の低減のための車両のパラメータを適応させる方法のフローチャートである。
本発明が、それのいくつかの実施例において車両技術に関し、より詳細には限定することなく、車両技術の評価のためのシステム及び方法に関する。
ここで使用されるように、車両という用語は、人又は物体を主に陸上で輸送する機械を意味する。例示的な車両は、自動車、トラック、電気自転車、オートバイ、バス、フォークリフト、除雪車、雪上車、オフロード車及びホバークラフトを含む。車両は、標準的なマニュアル自動車又は半自動的な自動車であってもよい。ドライバは、車両を運転する際に、ドライバが車両を方向づけるのに重要な役割を果たすように、積極的な役割を果たす。ドライバは、車両のアクティブ制御を提供してもよい。ドライバは、車両の連続的なアクティブ制御、又は、例えば、高速道路での巡航制御起動中の自動運転及び自動駐車など、いつかの駆動パーツが自動化されている車両の部分的なアクティブ制御を提供してもよい。任意選択的には、車両は、車両モデル（製造年を含んでもよい）、サブモデル（例えば、異なる設置されたエンジン、異なる数の座席などのモデルのバリエーションなど）によって規定され、及び／又は、任意選択的には設置されたアップグレード（例えば、マルチメディアシステム、レザーシート、特殊塗料、クロムホイール、スポイラ）の１つ以上の追加的な設置される機能を含む。
任意選択的には、車両という用語は、非自動車両である。車両という用語は、ドライバが実際に車両を能動的に運転せず、車両自体が自動的に運転する自動化された車両を除外してもよい。あるいは、車両という用語は、ドライバが最小限又は部分的な役割を果たす自動化された車両を含む。
ここに使用されるように、有害事象という用語は、例えば、車両のドライバによって引き起こされる事故、他の車両によって引き起こされる車両に対する事故、及び他の車両によるものではなく、環境要因による車両に対する無過失の損害など、事故及び／又は衝突など、財産又は人への損害が生じる事象を意味する。例示的な有害事象は、車両に対する損害、車両内の人（例えば、ドライバ、乗客）に対する損害、他の車両に対する損害、歩行者に対する損害、他の車両内の他の人に対する損害、車両外部の財産（例えば、電柱、家、フェンス）に対する損害の１つ以上を含む。例示的な有害事象は、運転中に他の車両及び／又は財産に衝突する車両、運転中に他の車両に衝突した車両、駐車中に他の車両によって損害及び／又は破壊された車両、極端な天候（例えば、洪水、ハリケーン、氷雨）によって損傷した車両、それ自体損傷した車両（例えば、壁への衝突、崖からの落下、溝への落下、水中への落下）を含む。
ここに使用されるように、ＡＤＡＳ（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍ）という用語は、ロードセーフティ及び／又はカーセーフティを高めることによって、すなわち、有害事象の確率を低減することによって、ドライバがより良好に運転するのを支援するよう設計されたシステムを意味する。ＡＤＡＳは、有害事象に導きうるドライバのヒューマンエラーを低減することを目的として設計されている。ＡＤＡＳは、いくつかの運転タスクを自動化し、いくつかの運転タスクを適応させ、及び／又はいくつかの運転タスクを強化しうる。例えば、自動車がそれの車線から逸脱したり、歩行者が通りを横切ったり、前方の車までの距離が近すぎたりするなど、有害事象を引き起こす可能性のある危険なシナリオを警告する警報をドライバに対して生成してもよい。ＡＤＡＳは、危険なシナリオが自動的に検出された際に自動化されたタスクを実行してもよく、例えば、前方の車までの距離が減少しているときの自動ブレーキ、及び、衝突を回避するための車両の自動化されたステアリングである。他のＡＤＡＳシステムは、例えば、自動的に照明をオンにすること、フロントガラスワイパーを自動的にオンにすること、運転中にハンズフリーコールを自動的にアクティブにすること（運転中の電話の取り扱いを避けるため）、死角をモニタリングすること、リアビューカメラ、及び呼吸アルコールレベルが自動車を始動する前に閾値を下回っていることをドライバが証明することを必要とするイグニッションロックデバイスによって、安全性を高めることを試みてもよい。
ここに使用されるように、シミュレーションモデルという用語は、ドライバによって運転される実世界の車両のコンピュータベースの模倣を実行するため使用される。模倣は、シミュレーションモデルによって規定されるように（選択されたＡＤＡＳに従って）設置された実世界のＡＤＡＳを有する実世界の車両と、シミュレーションモデルの環境プロファイルによって規定されるような実世界の環境状態とを有する。模倣は、ドライバプロファイルによって規定されるように、実世界のドライバによって運転される実世界の車両を有してもよい。シミュレーションは、以降の時間間隔にわたる以降の事象の予測を示す仮想的な以降の時間間隔にわたってシミュレーションモデルを実行することによって実行される。
ここに使用されるように、シミュレーションという用語は、シミュレーションモデルの実行という用語と交換されてもよい。
ここに使用されるように、パラメータ（すなわち、それの適応化のための車両の）という用語は、１つ以上の既存の車両サブシステムの手動設定及び／又は自動設定、新しい車両サブシステムの設置、及び／又は既存の車両サブシステムの除去を指す。例えば、運転サブシステム、ナビゲーションサブシステム、マルチメディアサブシステム及び電話サブシステムの車両サブシステムのパラメータが調整されてもよい。車両サブシステムのパラメータの例示的な調整は、運転中にドライバにより使用されるマルチメディアの適応化、最高速度制限の設定、禁止された運転領域（例えば、高速道路走行なし、市街地走行なし、州外の運転なし）の規定、禁止された運転実施（例えば、深夜の運転なし、悪天候時の運転なし、閾値を超える呼吸アルコールレベルでの運転なし、連続運転の最大時間数）の規定を含みうる。別の例では、調整可能パラメータは、例えば、既存のＡＤＡＳに加えて１つ以上の追加のＡＤＡＳの設置、既存のＡＤＡＳのアップグレード、現在何れも設置されていない１つ以上のＡＤＡＳの設置、既存のＡＤＡＳの新しいタイプのＡＤＡＳとの交換、及び現在のＡＤＡＳの除去（例えば、ＡＤＡＳが有害事象のリスクを低下させるのではなく、有害事象のリスクの増大につながる場合）を含みうる、新しいＡＤＡＳの設置を指す。
ここに使用されるように、ドライバプロファイルという用語は、車両を運転するドライバをシミュレートするため使用される各ドライバに関連するパラメータを指す。ドライバプロファイルの例示的なドライバパラメータは、ドライバの人口統計パラメータ（例えば、年齢、性別、収入、教育）、ドライバの健康状態（例えば、軽度の認知症、視覚、心臓の問題）、ドライバの運転履歴（例えば、運転年数、事故の数及び／又は種類、交通違反の数及び／又は種類）、並びに運転地域（例えば、ドライバが車両を運転すると予測される地理的位置）を含む。運転地域は、環境プロファイルが取得される地理的地域を規定するため使用されてもよい。任意選択的に、ドライバプロファイルは、車両を運転する特定の人間のドライバに対応する。代替的に又は追加的に、ドライバプロファイルは、複数の可能な人間のドライバを示す汎用ドライバを表す。汎用ドライバは、１つ以上の選択された人口統計パラメータ（例えば、年齢、収入、性別、職業、地理的位置、趣味）によって規定されてもよく、又は、何れかの人口統計パラメータ（すなわち、何れか可能なドライバ）に限定されなくてもよい。
ここに使用されるように、環境プロファイルという用語は、各ドライバによる車両の運転をシミュレートするため使用される１つ以上の予測された環境状態を規定する。環境プロファイルは、シミュレートされている以降の時間間隔にわたって車両がドライバによって運転されると予測される地理的位置に対して規定される。地理的位置は、ドライバプロファイルによって規定されてもよい。地理的位置は、車両が走行すると予測される道路、及び／又は、例えば、洪水につながる丘などの天候によって影響を受ける可能性がある近くの地理的領域を含む。環境プロファイルによって規定される例示的な環境状態は、天候（例えば、太陽、風、雨、雪、ハリケーン、洪水、曇り空）の予測、車両交通の予測、歩行者の動きの予測、及び照明状態（例えば、夜間照明のための街路灯の存在及び／又は品質、冬季の北緯におけるような太陽の量、及び不十分な視界につながる大雪）の予測を含む。
本発明のいくつかの実施例の態様は、有害事象の確率の低減のための適応化のための車両のパラメータを選択するシステム、方法、装置及び／又はコード命令（すなわち、ハードウェアプロセッサにより実行可能なメモリに格納される）に関し、有害事象のリスクはシミュレーションモデルを実行することによって計算される。シミュレーションモデルは、各ドライバに対して、複数の利用可能なＡＤＡＳから選択された特定のＡＤＡＳが設置された車両を含むよう規定され、車両は環境プロファイルに従って運転される。以降の時間間隔中の有害事象のリスクは、シミュレーションモデルを実行することによって計算される。それの適応化のための車両のパラメータは、有害事象のリスクを低減する予測された確率に従って選択される。
任意選択的には、各ドライバは、車両を運転している１つ以上の特定の人間のドライバによって表される。代替的に又は追加的に、各ドライバは、特定の人間のドライバを必ずしも表すことなく、複数の候補ドライバを表す汎用ドライバである。
任意選択的には、選択されるパラメータは、１つ以上の車両サブシステム（例えば、ＥＣＵ）において自動的に適応化される。
任意選択的には、シミュレーションは、ドライバのドライバプロファイルに従う。ドライバプロファイルは、１つ以上の特定の人間のドライバに対して規定されてもよく、及び／又は１つ以上の人口統計パラメータの組み合わせによって表されうる汎用ドライバに対して規定されてもよい。
任意選択的には、有害事象のリスクを最も低減する可能性のあるＡＤＡＳは、シミュレーションを複数回実行することによって選択され、各繰り返しにおいて、車両に設置される他のＡＤＡＳはシミュレーションモデルによって規定される。有害事象の最も低いリスクを生じさせるＡＤＡＳは、車両に設置するため選択されてもよい。
任意選択的には、シミュレーションモデルは、更新されたシミュレーションモデルを作成するため選択された適応されるパラメータの実装により更新される。更新されるシミュレーションモデルは、有害事象のリスク及び／又は適応化のための追加的なパラメータを計算するよう実行される。シミュレーションモデルの更新及びそれのシミュレーションは、例えば、有害事象のリスクを更に低減するよう予測される適応化のため何れの追加的なパラメータも特定されなくなるまで、統合されてもよい。
本発明のいくつかの実施例の態様は、シミュレーションモデルを実行することによって計算される各ドライバの車両に発生する有害事象の確率の評価のためのシステム、方法、装置及び／又はコード命令（すなわち、ハードウェアプロセッサによって実行可能なメモリに格納される）。シミュレーションモデルは、各ドライバに対して、複数の利用可能なＡＤＡＳから選択された特定のＡＤＡＳが設置された車両を含むよう規定され、車両は環境プロファイルに従って運転される。以降の時間間隔中の有害事象のリスクは、シミュレーションモデルを実行することによって計算される。
ここに説明されるシステム、方法、装置及び／又はコード命令の少なくともいくつかは、例えば、事故などの以降の有害事象のリスクを低減する際の車両の１つ以上のパラメータの適応化の確率を評価する技術的問題に関する。多くのシステムが、例えば、ＡＤＡＳなどの有害事象を低減するため開発されたが、そのようなシステムの実際の影響は未知のままである。例えば、そのようなＡＤＡＳシステムが未設置のＡＤＡＳと比較して有害事象のリスクを実際に低減するか否か、又は有害事象のリスクの低減の大きさは未知である。さらに、１つのメーカーから利用可能なあるタイプのＡＤＡＳが、有害事象のリスクの低減に関して他のメーカーから利用可能な他のタイプのＡＤＡＳより良好であるか否かは未知である。さらに、あるタイプのＡＤＡＳが、例えば、いくつかのドライバによって利用される際、及び／又は特定の環境状態の下、有害事象を実際に増加するか否かは未知である。例えば、ドライバは悪天候中にＡＤＡＳに過剰に依拠し、これにより、事故のリスクをより高くする。さらに、車両の他のパラメータを変更することは有害事象のリスクを低減又は増加するか否か、そうである場合、何れの状態の下で何れのパラメータが最大の利益を提供するかは未知でない。例えば、最高速度制限を設定し、禁止される運転領域を規定するよう車両をプログラムすることは、有害事象のリスクを低減する際の利益を有するか否か、またそうである場合、何れのドライバに最も利益があり、及び／又は何れの程度であるか未知である。
保険料は、車両に対する適応化を実現することを鑑み、評価されたリスクに従って変更及び／又は調整されてもよいことが留意される。例えば、有害事象を低減する高い確率を有すると計算されるあるタイプのＡＤＡＳが設置される車両は、有害事象のリスクを低減する相対的により低い確率を有すると計算される異なるタイプのＡＤＡＳが設置された他の車両より大きなディスカウントが付与されてもよい。さらに、車両の所有者には、有害事象を防ぐ有意な確率を有すると計算される適応化のためのより低い保険料の代わりに自らの車両に対して適応化を行うオプションが提供されてもよい。例えば、車両の最高速度制限を規定するなどである。
ここに説明されるシステム、方法、装置及び／又はコード命令の少なくともいくつかは、有害事象のリスクを低減する新たな車両関連技術（例えば、ＡＤＡＳ、１つ以上の車両パラメータの適応化）の利用を向上させる。新たな車両関連技術が設置される車両をシミュレートすることによって（任意選択的には、予測された環境状態に従って、及び／又はドライバのプロファイルに基づいて）、新たな技術が設置された車両に対する有害事象のリスクが予測されてもよい。異なる車両技術は、異なる車両において、異なる環境状態の下で、及び／又は異なるプロファイルを備えた異なるドライバにより運転される際、有害事象の確率に対する異なる効果を示しうる。異なる車両関連技術は、予測された運転シナリオに対して最も効果的であるとみなされる技術を選択するのに利用されうる（例えば、車両、ドライバ及び／又は環境状態に関して）有害事象の確率の予測に対する影響を決定するため評価されうる。
ここに説明されるシステム、方法、装置及び／又はコード命令の少なくともいくつかは、新たな車両技術が有害事象のリスクを低減するための能力に関して新たな車両技術を向上させる。現在の実践は、最も頻繁に本能的直観に基づいてそのような技術の手動による選択に基づき、当該技術に関して有害事象のリスクを“感情”が低減する。有害事象のリスクの低減に関するエビデンス、特に各技術が有害事象のリスクをどの程度実際に低減するか、及び／又は当該シナリオにおいてそのような技術が実現されるべき定量的指標が欠落している。ここに説明されるシステム、方法、装置及び／又はコード命令の少なくともいくつかによって実行されるシミュレーションは、任意選択的には、特定のドライバプロファイル及び／又は特定の予測された環境状態に対して、そのような新たな車両技術を評価するための客観的で繰り返し可能な定量的な処理を提供する。シミュレーションは、“直観”と反対に、科学的、エビデンスベース、客観的及び測定可能な方法で有害事象のリスクの最大の低減を生じさせると予測される車両技術の選択を可能にする。
ここに説明されるシステム、方法、装置及び／又はコード命令の少なくともいくつかは、有害事象の遡及的解析に基づいて有害事象のリスクを評価する既存方法に対する改良を提供する。そのような方法は、実際の有害事象のデータをそれらの出現後に収集し、履歴結果に基づいて以降のリスクを予測することを試みる。このような遡及的方法に対するここに説明されるシステム、方法、装置及び／又はコード命令の少なくともいくつかによって提供される改良は、例えば、（ｉ）シミュレーションは、環境状態履歴と異なりうる予測された環境状態などの予測された将来要因に基づく、（ｉｉ）シミュレーションは、遡及的データが利用可能でなく、及び／又は不十分であってもよい特定の予測された環境について特定のドライバプロファイルに対して特定の新たな車両技術を利用して、特定の車両に対してなどの特定の要因に対して実行されてもよい、（ｉｉｉ）シミュレーションは、そのような解析が遡及的データを利用して実行できない、有害事象の確率の最大の低減を生じさせると予測される新たな技術の選択のために複数回繰り返されてもよい、（ｉｖ）シミュレーションは、例えば、数百万又は数十億の走行キロメータにわたる運転をシミュレートするなど、人間のドライバによっては取得できないシミュレートされた極端に長い走行距離に対して実行されてもよい、（ｖ）シミュレーションは、例えば、シミュレーション総数によって除算される有害事象が出現したシミュレーション数など、有害事象の計算を可能にするため、同一のシミュレーションモデルに対して複数回繰り返されてもよい。
ここに説明されるシステム、方法、装置及び／又はコード命令の少なくともいくつかは、ＡＤＡＳ及び／又はプログラム可能な車両パラメータなど、新たな車両技術の技術的コンテクストに特有の技術的問題を処理する。そのような技術的コンテクストは、計算技術における改良により最近になって生じたものであり、物理世界における長く変わらないカウンターパートを有さない。相対的に新たに最近にここに説明される技術的問題は、そのようなＡＤＡＳがプログラム可能な機能を備えた半自動化された及び／又はスマート車両の登場及び／又は有害事象のリスクを低減する予想によって、車両におけるＡＤＡＳの広い採用により生じる。ここに説明されるシステム、方法、装置及び／又はコード命令の少なくともいくつかによって提供される技術的解決策は、プログラム可能な機能を備えたＡＤＡＳ、半自動化及び／又はスマート車両の特定の技術的コンテクストによって処理される。
本発明の少なくとも１つの実施例を詳細に説明する前、本発明は、以下の説明において提供され、及び／又は図面及び／又は具体例に示されるコンポーネント及び／又は方法の構成及び配置の詳細にそれの適用において必ずしも限定される必要はないことが理解されるべきである。本発明は、他の実施例又は様々な方法で実施又は実行可能である。
本発明は、システム、方法及び／又はコンピュータプログラムプロダクトであってもよい。コンピュータプログラムプロダクトは、本発明の態様をプロセッサに実行させるためのコンピュータ可読プログラム命令を有するコンピュータ可読記憶媒体を含んでもよい。
コンピュータ可読記憶媒体は、命令実行デバイスにより利用される命令を保持及び格納可能な有形デバイスとすることができる。コンピュータ可読記憶媒体は、限定することなく、例えば、電子記憶デバイス、磁気記憶デバイス、光記憶デバイス、電磁記憶デバイス、半導体記憶デバイス又は上記の何れか適切な組み合わせであってもよい。コンピュータ可読記憶媒体のより具体的な具体例の非網羅的リストは、ポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、消去可能プログラマブル読み出し専用メモリ（ＥＰＲＯＭ又はフラッシュメモリ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ポータブルコンパクトディスク読み出し専用メモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、メモリスティック、フロッピーディスク（登録商標）及び上記の何れか適切な組み合わせを含む。ここに用いられるコンピュータ可読記憶媒体は、無線波、他の自由伝搬する電磁波、導波路又は他の伝送媒体（例えば、光ファイバケーブルを通過する光パルス）又は有線を介し伝送される電気信号など、過渡的信号であると解釈されるべきでない。
ここに説明されるコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体から各計算／処理デバイスに、又は、例えば、インターネット、ローカルエリアネットワーク、ワイドエリアネットワーク及び／又は無線ネットワークなどのネットワークを介し外部コンピュータ又は外部記憶デバイスにダウンロード可能である。ネットワークは、銅伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータ及び／又はエッジサーバを含んでもよい。各計算／処理デバイスにおけるネットワークアダプタカード又はネットワークインタフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、各計算／処理デバイス内のコンピュータ可読記憶媒体への格納のためコンピュータ可読プログラム命令を転送する。
本発明の処理を実行するコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はＳｍａｌｌｔａｌｋ、Ｃ＋＋などのオブジェクト指向プログラミング言語、及びＣプログラミング言語又は同様のプログラミング言語などの従来の手続型プログラミング言語を含む、１つ以上のプログラミング言語の何れかの組み合わせにより記述されるソースコード又はオブジェクトコードであってもよい。コンピュータ可読プログラム命令は、ユーザのコンピュータ上で全体的に、ユーザのコンピュータ上で部分的に、スタンドアローンソフトウェアパッケージとして、ユーザのコンピュータとリモートコンピュータ上で部分的に、又はリモートコンピュータ又はサーバ上で全体的に実行されてもよい。後者のシナリオでは、リモートコンピュータは、ローカルエリアネットワーク（ＬＡＮ）又はワイドエリアネットワーク（ＷＡＮ）を含む何れかのタイプのネットワークを介しユーザのコンピュータに接続されてもよいし、あるいは、当該接続は外部コンピュータになされてもよい（例えば、インターネットサービスプロバイダを利用してインターネットを介し）。いくつかの実施例では、例えば、プログラマブルロジック回路、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）又はＰＬＡ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ａｒｒａｙ）を含む電子回路は、本発明の態様を実行するため、コンピュータ可読プログラム命令の状態情報を利用して、電子回路をパーソナル化することによって、コンピュータ可読プログラム命令を実行してもよい。
本発明の態様は、本発明の実施例による方法、装置（システム）及びコンピュータプログラムプロダクトのフローチャート図及び／又はブロック図を参照してここに説明される。フローチャート図及び／又はブロック図の各ブロックと、フローチャート図及び／又はブロック図におけるブロックの組み合わせとがコンピュータ可読プログラム命令によって実現可能であることが理解される。
これらのコンピュータ可読プログラム命令は、コンピュータ又は他のプログラム可能なデータ処理装置のプロセッサを介し実行される命令がフローチャート及び／又はブロック図のブロックにおいて指定される機能／動作を実現する手段を作成するように、汎用コンピュータ、特定用途コンピュータ又はマシーンを生成する他のプログラム可能なデータ処理装置のプロセッサに提供されてもよい。これらのコンピュータ可読プログラム命令はまた、命令が格納されたコンピュータ可読プログラム命令がフローチャート及び／又はブロック図のブロックにおいて指定される機能／動作の態様を実現する命令を含む製造物を含むように、コンピュータ、プログラム可能なデータ処理装置及び／又は他のデバイスに特定の方法で機能させることが可能なコンピュータ可読記憶媒体に格納されてもよい。
コンピュータ可読プログラム命令はまた、コンピュータ、他のプログラム可能な装置又は他のデバイス上で実行される命令がフローチャート及び／又はブロック図のブロックに指定される機能／動作を実現するように、コンピュータにより実現される処理を生成するため、動作ステップ系列をコンピュータ、他のプログラム可能な装置又は他のデバイス上で実行させるため、コンピュータ、他のプログラム可能なデータ処理装置又は他のデバイス上にロードされてもよい。
図におけるフローチャート及びブロック図は、本発明の各種実施例によるシステム、方法及びコンピュータプログラムプロダクトの可能な実現のアーキテクチャ、機能及び処理を示す。これに関して、フローチャート又はブロック図の各ブロックは、指定された論理関数を実現する１つ以上の実行可能命令を含む命令のモジュール、セグメント又は部分を表してもよい。いくつかの他の実現形態では、ブロックに示される機能は図示される順序から出現してもよい。例えば、連続して示される２つのブロックは、実際に実質的に同時に実行されてもよく、あるいは、ブロックは関係する機能に応じて逆順で実行されてもよい。また、ブロック図及び／又はフローチャート図の各ブロックと、ブロック図及び／又はフローチャート図におけるブロックの組み合わせとが、指定された機能又は動作を実行し、又は特定用途ハードウェア及びコンピュータ命令の組み合わせを実行する特定用途ハードウェアベースシステムによって実現可能であることに留意される。
本発明のいくつかの実施例による有害事象の確率を低減するため車両１０４のパラメータ（例えば、パラメータレポジトリ１０２に記憶されている）を適応させるシステム１００の構成図である図１が参照される。また、本発明のいくつかの実施例による有害事象の確率を低減するため、又は車両のパラメータを適応させる方法のフローチャートである図２が参照される。システム１００は、例えば、メモリ１１０（プログラムストア及び／又はデータ記憶デバイスとしてここで参照される）に記憶されるコード命令（例えば、コード１１０Ａ）を実行する計算デバイス１０８のプロセッサ１０６によって、図２を参照して説明される１つ以上の機能を実行してもよい。
計算デバイス１０８は、例えば、接続されたデバイスの群、クライアント端末、サーバ、車両１０４内に設置された計算デバイス（例えば、車両サブシステム、車両ＥＣＵ、車両ネットワークに接続されたクライアントデバイス、既存の車両計算コンポーネントに設置されたコード）、仮想サーバ、計算クラウド、仮想マシーン、デスクトップコンピュータ、シンクライアント、ネットワークノード及び／又は移動デバイス（例えば、スマートフォン、タブレットコンピュータ、ラップトップコンピュータ、ウェアラブルコンピュータ、グラスコンピュータ及びウォッチコンピュータ）の１つ以上及び／又は組み合わせとして実現されてもよい。
計算デバイス１０８に基づくシステム１００の多数のアーキテクチャが実現されうる。
具体例
計算デバイス１０８は、例えば、ＳａａＳ（Ｓｏｆｔｗａｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ）、（例えば、異なる組織の）複数の異なるエンティティに提供されるリモートサービス、及び同じエンティティ（例えば、同じ組織）の複数のクライアント端末（例えば、同じ組織）に提供される中央サービスなど、ネットワーク１１４を介し複数のクライアント端末１１２にサービスを提供する１つ以上のサーバ（例えば、ネットワークサーバ、ウェブサーバ、計算クラウド、仮想サーバ、ネットワークノード）として実現されてもよい。
ネットワーク１１４上のクライアント端末１１２と計算デバイス１０８との間の通信は、例えば、アプリケーションプログラミングインタフェース（ＡＰＩ）、ソフトウェア開発キット（ＳＤＫ）、クライアント端末上で実行される既存のアプリケーションに付加される機能、ライブラリ及び／又はアドオン、計算デバイス１０８と通信するクライアント端末１１２上での実行及びダウンロードのためのアプリケーション、クライアント端末１１２上で実行されるウェブブラウザを介しアクセスされる計算デバイス１０８によって運営されるウェブサイト上で実行されるリモートアクセス部を介して実現されてもよい。
計算デバイス１０８は、図２を参照して説明された動作の１つ以上を実現するローカルに記憶されたコードを含むスタンドアローンデバイス（例えば、キオスク、クライアント端末、スマートフォン、サーバ、計算クラウド、仮想マシーン）として実現されてもよい。例えば、コードは、通信ネットワーク１１４を介しクライアント端末１１２Ａに接続される専用サーバ（例えば、同じ組織のサーバ）にロードされる。他の例では、計算デバイス１０８は、異なるユーザによる使用のためのキオスク（例えば、モール内に配置される）として実現される。そのような実現形態では、クライアント端末１１２、サーバ１１６及び／又は通信ネットワーク１１４との通信は、必ずしも必要とされない。そのようなアーキテクチャは、規定されたユーザに専用サービスを提供してもよい。
計算デバイス１０８は、例えば、車両サブシステム１０４Ａ及び／又は車両ＥＣＵの専用コンポーネント、車両ネットワークに接続されたクライアントデバイス（例えば、接続されたケーブルを介し直接接続され、及び／又は一時的な無線ネットワークを介し接続された）、及び／又は既存の車両計算コンポーネント上に設置されたコードなど、車両１０２内に設置されたコンポーネントとして実現されてもよい。そのようなアーキテクチャは、例えば、車両センサ１０４Ｂによって出力されるリアルタイムデータ及び／又は履歴データの解析による予測に基づいて、パラメータレポジトリ１０２に記憶されたパラメータのリアルタイム適応化など、各車両に専用サービスを提供してもよい。
計算デバイス１０８は、有害事象のリスクを計算するため、及び／又は適応化のための車両のパラメータを計算するためのリクエストをクライアント端末１１２から受信してもよい。有害事象のリスク及び／又はパラメータが計算されるドライバプロファイルは、例えば、ドライバプロファイルレポジトリ１１２Ａに格納されるなど、クライアント端末１１２によって提供されてもよい。車両１０４のセンサ１０４Ｂによって出力される車両及び／又はドライバのリアルデータ（例えば、過去及び／又はリアルタイム）は、予測シミュレーションに使用されるため、例えば、ネットワーク１１４上及び／又はネットワーク１１４上でクライアント端末１１２を介し、計算デバイス１０８に提供されてもよい。計算デバイス１０８は、外部サーバ１１６にアクセスし、有害事象のリスク及び／又は適応化のためのパラメータの計算のための追加データを取得してもよい。サーバ１１６は、以下のデータセットの１つ以上、すなわち、車両のシミュレーションのためのデータを記憶する車両レポジトリデータ１１６Ａ、それのシミュレーションのための１つ以上のＡＤＡＳを示すデータを記憶するＡＤＡＳレポジトリ１１６Ｂ、及び予測される環境状態のシミュレーションのためのデータを記憶する環境レポジトリ１１６Ｃを記憶してもよい。代替的又は追加的に、データ１１６Ａ～Ｃの１つ以上は、計算デバイス１０８によってローカルに記憶されてもよい。計算デバイス１０８は、シミュレーションモデル１１８Ａのコードに従って及び／又は事前に規定されたドライバプロファイルレポジトリ１１８Ｂに格納される事前に規定されたドライバプロファイルに基づいてシミュレーションをローカルに実行してもよい。代替的又は追加的に、ドライバプロファイルレポジトリ１１８Ｂは、ネットワーク１１４を介しアクセスされる１つ以上のサーバ１１６上に記憶されてもよい。
車両１０４のパラメータ（例えば、パラメータレポジトリ１０２に記憶される）は、計算デバイス１０８によって計算されたパラメータの調整に基づいて自動的に実現されてもよい。パラメータ１０２の適応化のための命令は、計算デバイス１０８によって計算されてもよい。
車両１０４のサブシステム１０４Ａは、パラメータレポジトリ１０２に格納されたパラメータに従って適応及び／又は制御されうるコンポーネント、及び／又はセンサ１０４Ｂによってモニタリングされるコンポーネントを含む。例示的なサブシステム１０４Ａは、ナビゲーションサブシステム、ブレーキサブシステム、マルチメディアサブシステム、自動車電話サブシステム及び緊急ハンドリングサブシステムを含む。
ＡＤＡＳ１０４Ｃは、車両１０４に既に設置されてもよい。代替的又は追加的に、ＡＤＡＳ１０４Ｃは、例えば、将来の有害事象のリスクを低減するため、ここに説明されるような計算デバイス１０８の計算に従って選択される。ＡＤＡＳ１０４Ｃは、パラメータレポジトリ１０２に記憶されるパラメータに従って適応されてもよい。
センサ１０４Ｂは、ドライバ及び／又は車両１０４をモニタリングするセンサ及び／又はサブシステム１０４Ａをモニタリングするセンサを含む。センサ１０４Ｂによって出力されるデータは、例えば、それのシミュレーションのためドライバのプロファイルを作成するため使用されてもよい。センサ１０４Ｂによって出力されるデータは、ここに説明されるように、任意選択的には、シミュレーションに基づく予測のため集計、解析及び利用される複数の車両及び／又はドライバから収集されてもよい。例示的なセンサ１０４Ｂは、ドライバナビゲーション、ドライバステアリング、マルチメディアシステムのドライバの起動及び／又は利用、及びドライバブレーキを含む。
パラメータレポジトリ１０２は、車両１０４のメモリ及び／又は他のデータ記憶デバイスに記憶されてもよい。パラメータの値は、車両１０４の各サブシステム１０４Ａに記憶されてもよい。
計算デバイス１０８のハードウェアプロセッサ１０６は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、デジタル信号プロセッサ（ＤＳＰ）、及びＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）として実現されてもよい。プロセッサ１０６は、単一のプロセッサ又は並列処理のために構成される複数のプロセッサ（同質又は異質）を、クラスタ及び／又は１つ以上のマルチコア処理デバイスとして含んでもよい。
メモリ１１０は、ハードウェアプロセッサ１０６によって実行可能なコード命令を、例えば、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、不揮発性メモリ、磁気媒体、半導体メモリデバイス、ハードドライブ、着脱可能ストレージ及び光媒体（例えば、ＤＶＤ、ＣＤ－ＲＯＭ）などのストレージデバイスに格納する。メモリ１１０は、ハードウェアプロセッサ１０６により実行されるとき、図２を参照して説明される方法の１つ以上の機能及び／又は動作を実現するコード１１０Ａを格納する。
計算デバイス１０８は、ここに記載されるように、例えば、有害事象の確率を計算するため実行されるシミュレーションモデル１１８Ａのコード（ここに記載される）、及び／又はシミュレーションモデル１１８Ａによるドライバのシミュレーションのために使用される事前に規定されたドライバプロファイルのコードを記憶する事前に規定されたドライバプロファイルレポジトリ１１８Ｂなど、データを格納するデータストレージデバイス１１８を含んでもよい。データストレージデバイス１１８は、例えば、メモリ、ローカルハードドライブ、仮想ストレージ、着脱可能なストレージユニット、光ディスク、ストレージデバイス、リモートサーバ及び／又は計算クラウド（例えば、ネットワーク接続を利用してアクセスされる）として実現されてもよい。データストレージデバイス１１８によって記憶されるデータの一部（又は全て）は、プロセッサ１０６による実行のためメモリ１１０にロードされてもよい。
ネットワーク１１４は、例えば、インターネット、ローカルエリアネットワーク、仮想ネットワーク、無線ネットワーク、セルラネットワーク、ローカルバス、ポイントツーポイントリンク（例えば、有線）及び／又は上記の組み合わせとして実現されてもよい。
計算デバイス１０８は、例えば、ネットワークインタフェースカード、無線ネットワークに接続するための無線インタフェース、ネットワーク接続のためのケーブルに接続するための物理インタフェース、ソフトウェアで実現される仮想インタフェース、ネットワーク接続の上位レイヤを提供するネットワーク通信ソフトウェア、及び／又は他の実現形態の１つ以上など、通信ネットワーク１１４に接続するための通信ネットワークインタフェース１２０を含んでもよい。
計算デバイス１０８、車両１０４、クライアント端末１１２及び／又はサーバ１１６は、例えば、シミュレーションのためデータを提供及び／又は指定するため、及び／又は有害事象の計算されたリスク及び／又は適応化のため選択されたパラメータを確認するため、ユーザインタラクションのための機構を含む１つ以上の物理ユーザインタフェース１２２を含む及び／又は通信する。例示的な物理ユーザインタフェース１２２は、例えば、タッチ画面、ディスプレイ、ジェスチャ起動デバイス、キーボード、マウス、及びスピーカ及びマイクロフォンを使用する音声起動ソフトウェアの１つ以上を含む。
クライアント端末１１２及び／又はサーバ１１６は、例えば、デスクトップコンピュータ、サーバ、仮想サーバ、ネットワークサーバ、ウェブサーバ、仮想マシーン、シンクライアント及び移動デバイスとして実現されてもよい。
再び図２を参照すると、２０２において、複数のドライバの特定のドライバに対して、それの適応化のためのパラメータを選択するためのリクエストが提供される。各ドライバに対する各リクエストの複数のリクエストが受信されてもよい。例えば、複数のリクエストが、例えば、ドライバによって運転及び／又は所有される異なる車両に対して、同じドライバに対して受信されてもよい。
このリクエストは、有害事象を低減させる可能性が最も高いパラメータを規定及び／又は調整するため、例えば、有害事象を低減させる可能性が最も高いＡＤＡＳをドライバが選択するのを支援するため提供される。
２０４において、ドライバによって運転される車両の指示が提供及び／又は受信される。車両の指示は、例えば、車両に設置されたメーカー、モデル、サブモデル及び／又は機能（例えば、選択されたカラー、マルチメディアシステム、クロムホイール及びスポイラなどのアップグレード機能）を示す。車両の指示は、ここに説明されるように、車両の運転のシミュレーションのためのシミュレーションモデルを規定するため使用される車両のモデルを示す。
車両の指示は、規定された車両（モデル、サブモデル及び／又は機能）のリストから選択されてもよく、及び／又は、例えば、グラフィカルユーザインタフェース（ＧＵＩ）を介し、バーコードのスキャンを介し、請求書の自動文字認識及び／又は分析を介し（例えば、車両の購入の一部として取得される）、手動及び／又は自動入力されてもよい。
多数の車両（例えば、各車両のシミュレーションに使用される）の指示は、例えば、計算デバイス１０８、サーバ１１６及び／又は車両１０４によって記憶されてもよい。この指示は、例えば、クライアント端末１１２によって（例えば、ＧＵＩを介し）選択及び／又は提供され、及び／又は車両１０４からダウンロードされ、及び／又はサーバ１１６及び／又は他のデータストレージデバイスから取得されてもよい。
車両の指示は、例えば、車両データレポジトリ１１６Ａに記憶されてもよい。
各車両１０４は、例えば、メモリ及び／又はサブシステム１０４Ａに自らの指示を記憶してもよい。
車両のモデルは、任意選択的には、モデル、サブモデル及び／又は設置された機能（例えば、アップグレード機能）に基づき、それのシミュレーションによって規定される。モデルは、例えば、エンジン能力、ステアリングハンドリング、制動距離、ヘッドライトの位置、車両の重量、道路上のシャーシの高さなどを規定してもよい。モデルは、指示に基づいて動的に作成されてもよく、及び／又は、指示に従って記憶されたモデルのセットから選択されてもよく、及び／又は、テンプレートモデルは、指示に基づいて適応されてもよい（例えば、設置された機能のモデルが追加される車両のモデルのためのテンプレート）。モデルは、例えば、サブモデルテンプレートコンポーネントの組み合わせを選択し、及び／又はテンプレートモデルのパラメータを規定することによって、作成されてもよい。例えば、１つのメーカーについて、３つのエンジンテンプレートが規定されてもよく、各エンジンテンプレートは、特定の選択されたモデルに従ってカスタマイズされるエンジン能力を規定するパラメータを有する。
２０６において、リクエストに関連付けされた特定のドライバのドライバプロファイルが取得されてもよい。ドライバプロファイルは、他のデータセットからのデータの自動抽出によって、及び／又はデータの手動入力によって作成されてもよい。例えば、ドライバの年齢及び運転履歴は、ユーザによって手動でＧＵＩに入力されてもよく、及び／又はドライバの以前に取得されたデータのデータセットから抽出されてもよい。他の例では、ドライバプロファイルは、例えば、車両の運転中にドライバをモニタリングするセンサ（例えば、１０４Ｂ）の出力に基づいて作成されてもよい。センサは、例えば、車両に設置されてもよく（例えば、速度、ブレーキパターン、運転パターンを分析する）、車両の外部に配置されてもよく（例えば、道路の画像をキャプチャするタワーに取り付けられたカメラ）、及び／又は車両のスタンドアローンデバイスに配置されてもよい（例えば、地理的位置データ、運転パターン及び速度など、スマートフォンによって取得されたデータを分析する）。
ドライバプロファイルは、複数のドライバのそれぞれに対して、例えば、ドライバプロファイルレポジトリ１１２Ａに対してドライバプロファイルを記憶するデータセットに記憶されてもよい。ドライバプロファイルは、例えば、センサデータをストリーミングすることによって動的に新しいデータが利用可能になるに従って更新されてもよく、及び／又はシミュレーションに対する新しいリクエストのそれぞれと関連して更新されてもよい。
任意選択的には、ドライバプロファイルは、特定の人間のドライバに対応するプロファイルではなく、汎用ドライバプロファイルを示す。汎用ドライバプロファイルは、１つ以上の人口統計パラメータによって規定される特定の人口統計母集団を表してもよく、又は、必ずしも何れか特定の人口統計パラメータに限定されない。例示的な人口統計パラメータは、年齢、性別、地理的位置（例えば、生活、仕事及び／又は余暇のため）、収入、職業及び趣味を含む。例示的な汎用ドライバプロファイルは、１６～２５歳の独身男性、３５～５０歳の既婚の母親、郊外に住み、年間５０，０００～１５０，０００ドルを稼ぐ４０～６５歳のドライバ、高等教育機関（例えば、大学、大学、貿易学校）に通い、都市に住んでいる１８～２２歳のドライバ、及び何れか特定の人口統計パラメータに限定されない汎用ドライバを含む。
２０８において、環境プロファイルが取得、提供及び／又は作成される。環境プロファイルは、環境データレポジトリ１１６Ｃに格納されてもよい。環境プロファイルは、例えば、地理的領域毎に作成されてもよい。そのような地理的及び／又は地域的ベースの環境プロファイルは、同じ地理的領域内で運転する異なるドライバの複数のシミュレーションにおいて再利用されてもよい。
環境プロファイルは、環境データの１つ以上のソース、例えば、交通パターン（例えば、ニュースステーションなどの交通サーバによって提供される）及び／又は天候パターン（例えば、気象サーバによって提供される）から作成されてもよい。
環境プロファイルは、任意選択的に履歴パターンの解析に基づいて、予測として計算されてもよい。例えば、天候履歴パターンは、任意選択的に現在及び／又は近い将来の予測される天候を考慮して、将来の天候を予測するのに利用されてもよい。過去の交通パターンは、例えば、荒天中及び労働時間中のより重い交通量と、休日及び深夜のより軽い交通量など、以降の交通を予測するのに利用されてもよい。
環境プロファイルは、過去の環境状態のデータセットに追加され、将来の環境状態を予測するのに利用される最近の環境状態に従って動的に更新されてもよい。
環境プロファイルは、例えば、翌月、翌年、３ヶ月の期間について３ヶ月で開始する、翌年の午前中の時間、次の６ヶ月の夜間の時間又は他の間隔など、来る以降の時間間隔の環境状態の予測を含み、以降の時間間隔に対して規定されてもよい。
２１０において、車両に設置される及び／又は車両に現在設置されている１つ以上のＡＤＡＳの指示が、提供及び／又は取得される。ＡＤＡＳは、現在車両に設置されている実際の物理的ＡＤＡＳを表してもよく、及び／又は、車両への潜在的な設置のためのシミュレーションによってその影響が評価されている可能なＡＤＡＳを表してもよい。
ＡＤＡＳの指示は、例えば、ＡＤＡＳのメーカー、モデル、サブモデル及び／又は機能を示す。ＡＤＡＳの指示は、ここに説明されるように、ＡＤＡＳが設置された車両の運転のシミュレーションのためのシミュレーションモデルを規定するのに利用されるＡＤＡＳのモデルを示す。
ＡＤＡＳの指示は、規定されたＡＤＡＳ(モデル、サブモデル及び／又は機能）のリストから選択されてもよく、及び／又は、例えば、グラフィカルユーザインタフェース（ＧＵＩ）を介し、バーコードのスキャンを介し、請求書の自動文字認識及び／又は解析（例えば、ＡＤＡＳの購入の一部として取得される）を介し、手動及び／又は自動入力されてもよい。
複数のＡＤＡＳの指示（例えば、各車両のシミュレーションに使用される）は、例えば、ＡＤＡＳレポジトリ１１６Ｂに格納されてもよい。
各車両１０４は、設置されたＡＤＡＳ１０４Ｃの指示を、例えば、ＡＤＡＳのメモリに、ＡＤＡＳに照会することによって、及び／又はサブシステム１０４Ａに記憶してもよい。
２１２において、シミュレーションモデルが規定される。シミュレーションモデルは、シミュレーションモデル１１８Ａとして格納されてもよい。
シミュレーションモデルは、任意選択的にドライバプロファイルによって規定されたドライバにより運転される環境プロファイルに従って運転される設置されたＡＤＡＳを備える車両を規定するコードを含む。
シミュレーションモデルは、車両、設置されたＡＤＡＳ、環境プロファイル及び任意選択的にドライバプロファイルを規定するパラメータのセットを有する所定のモデル（例えば、コード）としてもよい。現在の車両、選択されたＡＤＡＳ、関連する環境プロファイル及び実際のドライバのドライバプロファイルは、例えば、ライブラリファイル、入力フィールドに供給される値及び／又はシミュレーションモデルのオプションとして、シミュレーションモデルへの入力として提供されてもよい。
任意選択的には、ドライバの所定のモデルは、複数の所定のドライバモデルから選択される（例えば、所定のドライバプロファイルレポジトリ１１８Ｂに格納される）。所定のモデルは、ドライバプロファイルに従って訓練された分類器によって選択されてもよい。例えば、シミュレーションモデルへの入力用に設定された規定されたドライバプロファイルの数に制限があってもよい。ドライバプロファイルのドライバパラメータの値の可能な組み合わせの数は、極端に多く、各組み合わせに対してドライバモデルを規定することを非実用的にする。分類器は、ドライバパラメータの値の異なる組み合わせの訓練データセットと、運転パラメータの値の特定の組み合わせを１つの所定のドライバモデルに自動的にマッピングするため、規定されたドライバモデルの１つの関連するラベルと（例えば、ユーザによって手動で選択され、及び／又はコードによって自動的に決定されてもよく）とにより訓練される。例示的な分類器は、マルコフチェーン、各種アーキテクチャ（例えば、人工、ディープ、畳み込み、完全接続）の１つ以上のニューラルネットワーク、サポートベクタマシーン（ＳＶＭ）、ロジスティック回帰、ｋ最近傍、決定木、ルールセット及びマッピングテーブルを含む。
任意選択的には、ドライバの所定のモデルは、ＡＤＡＳシステムが設置された車両の実際の運転中に複数の実際のドライバについて１つ以上のモニタリングデバイス（例えば、センサ１０４Ｂ）によって収集されたモニタリングデータの集計に基づいて、及び任意選択的には、例えば、ここに説明される履歴データに基づいて取得されうる規定された環境状態下で計算される（例えば、交通サーバ及び／又は気象サーバから収集される）。モニタリングデータは、車両の運転中に各ドライバをモニタリングするセンサの出力に基づいて収集されてもよい。センサは、例えば、車両に設置され（例えば、速度、ブレーキパターン、運転パターンを解析する）、車両の外部に配置され（例えば、道路の画像をキャプチャするタワーに取り付けされたカメラ）、及び／又は車両のスタンドアローンデバイスに配置されてもよい（例えば、地理的位置データ、運転パターン及び速度などのスマートフォンによって取得されたデータを解析する）。所定のドライバモデルは、同様のドライバプロファイルを有する他の実際のドライバの行動履歴に従って、同様の環境状態下で同様のＡＤＡＳが設置された同様の車両を運転する環境プロファイルの環境状態下でＡＤＡＳが設置される車両の運転中にドライバプロファイルを有する実際のドライバがどのように動作及び／又は反応するかの確率を規定するため、シミュレーションモデルに入力されてもよい。
ドライバの所定のモデルは、例えば、シミュレートされているドライバが異なるシミュレートされた環境状態下でどのように車両を運転するか、ドライバがどのようにＡＤＡＳを使用するか、及び／又はドライバが異なる道路シナリオにどのように反応するかを規定してもよい。
シミュレーションモデルは、環境プロファイルによって規定された予測された環境状態下でドライバの選択された所定のモデルによって運転される設置されたＡＤＡＳを備える車両に対して規定される。
２１４において、以降の時間間隔の間の有害事象のリスクは、ドライバモデルによって任意選択的に規定されたドライバのシミュレーションを作成するようシミュレーションモデルを実行し、環境プロファイルによって規定された環境状態下で選択されたＡＤＡＳが設置された選択された車両を運転することによって、規定された以降の時間間隔にわたって計算される。
シミュレーションモデルは、例えば、計算デバイス１０８によって実行されてもよい。
シミュレーションモデルは、例えば、道路、交通、歩行者及び／又は天気のコンピュータモデルによって作成された仮想世界を含みうるシミュレーションプラットフォームによって実行されてもよい。コンピュータモデルは、現実世界の地理的位置及び／又は直接的な現実の地理的対応物を有さない仮想世界のものであってもよい。シミュレーションモデルは、仮想世界を介して運転するための車両の仮想モデルを規定するため、シミュレーションプラットフォームに提供されてもよい。シミュレーションモデルは、車両が仮想世界を介し仮想的に運転している間、仮想世界の天候及び／又は他の環境状態を規定するためシミュレーションプラットフォームに提供されてもよい。
シミュレーション（又はその一部）は、例えば、人間のユーザが規定された環境プロファイルの下で仮想世界を介し車両の運転を観察するため、ディスプレイ上に提示されてもよい。あるいは、シミュレーションは、必ずしもディスプレイ上に提示されることなく、内部的に実行される。
ここに使用されるように、シミュレーションモデル（及びその変形）の実行という用語は、シミュレーションモデルに基づくシミュレーションを指す。
任意選択的には、シミュレーションモデルは、人間によって生涯に物理的に実行できない時間間隔及び／又は走行距離に対して実行される。
任意選択的には、シミュレーションモデルは、例えば、１００万キロメートル、１０００万キロメートル、１億キロメートル又は１０億キロメートルなど、任意選択的には所定のキロメートルのあるキロメートルに対して実行される。有害事象のリスクは、シミュレートされたキロメートル数にわたってシミュレートされた運転中に発生したシミュレートされた有害事象の数及び／又はタイプに従って計算されてもよい。
代替的又は追加的に、シミュレーションモデルは、以降の時間間隔に従って設定されてもよい所定の時間間隔において実行される。以降の時間間隔は、例えば、時間間隔のリストから手動で選択されてもよく、及び／又は、例えば、所定の時間間隔として自動的に取得されてもよい。例示的な時間間隔は、１ヶ月、６ヶ月、１年及び２年を含む。以降の時間間隔は、設置されたＡＤＡＳを備える車両を運転するドライバに保証するために準備される保険証書に従って規定されてもよい。有害事象のリスクは、以降の時間間隔について計算されてもよい。
代替的又は追加的に、シミュレーションモデルは、所定のキロメートル及び／又は時間間隔の間に複数回繰り返し実行される。当該繰り返しは、順次及び／又は並列に実行されてもよい（例えば、複数のプロセッサの各プロセッサは１つのシミュレーションを実行する）。有害事象のリスクは、例えば、有害事象がシミュレートされるシミュレーションの回数を、有害事象が発生しなかったシミュレーションの回数又はシミュレーションの総回数（有害事象が発生せず、１つ以上の有害事象が発生した）で割ることに基づいて、確率として計算されてもよい。
有害事象は、例えば、有害事象のリストから（例えば、ＧＵＩを介してユーザによって）選択されてもよく、及び／又は予め規定されてもよい。有害事象は１つ以上の有害事象を含みうる。リスクは有害事象毎に計算されてもよい。リスクは、発生した複数の有害事象の何れに対しても計算されてもよい。例えば、他の車両との事故を引き起こすドライバのリスクは計算されてもよい。別の例では、何れかのソース（例えば、ドライバ、他のドライバ、天気）による車両に対する損害のリスクが計算されてもよい。
リスクは、例えば、以降の時間間隔（例えば、来年）における確率値、有害事象が発生するまでの予想時間（例えば、時間及び／又はキロメートル）、規定されたキロメートル毎の有害事象の数（例えば、数１００万キロメートル毎又は他の値）、及び／又は次の所定のキロメートル（例えば、次の１００，０００キロメートル又は他の値）に対する出現の確率値として計算されてもよい。
２１６において、ＡＤＡＳが設置された車両を保証するための保険料が計算されてもよい。保険料は、シミュレーション（すなわち、シミュレーションモデルの実行）によって計算される有害事象のリスクに従って計算される。例えば、シミュレーション結果が比較的高い事故のリスクを示すとき、それに応じて保険料が引き上げられてもよい。シミュレーションの結果によって、（ＡＤＡＳが設置されていない、及び／又は他のタイプのＡＤＡＳが設置されていない車両に対して）有害事象のリスクを相対的に低減することが示されるＡＤＡＳが設置される車両は、相対的に低い保険料によって報酬を受けてもよい。
保険料は、例えば、計算デバイス１０８がコード１１０Ａを実行し、及び／又はサーバ１１６及び／又はクライアント端末１１２がネットワーク１１４を介し計算デバイス１０８から取得した有害事象のリスクを処理するコードを実行することによって、計算されてもよい。
保険料は、環境プロファイルに基づいて計算されてもよい。
ここに説明されるように、シミュレーションモデルは、車両を運転することが予想される特定の人間のユーザに対応する特定のドライバプロファイル及び／又は特定の人間のユーザに必ずしも対応しない汎用的な統計パラメータに基づく汎用的なドライバプロファイルに対して計算されるが、同様の汎用的な人口統計パラメータを有する複数のドライバからのデータの集約に基づくものであってもよい。任意選択的には、保険料は、シミュレーションモデルを作成するため使用されるドライバプロファイルに基づいて計算される。汎用的なドライバプロファイルは、車両を運転することが期待される特定の人間のドライバに対応してもよい。あるいは、保険料は、シミュレーションモデルを作成するため使用される汎用的なドライバプロファイルに基づいて計算される。汎用的なドライバプロファイルは、ここに説明されるように、１つ以上の選択された人口統計パラメータに基づくものであってもよい。そのような場合、保険料は、選択された人口統計パラメータに相関すると予想されるドライバに対して、又は車両を運転する何れかのドライバに対して計算されてもよい。
代替的又は追加的に、保険料は、選択された車両モデル、サブモデル及び／又は設置される機能（例えば、アップグレード）に対して計算される。例えば、保険料は、選択されたモデル、選択されたサブモデル及び／又は選択された機能（例えば、設置されたアップグレード）を有する車両を運転するドライバプロファイルに基づいて、人間のドライバに対して計算されてもよい。他の例では、保険料は、選択されたモデル、選択されたサブモデル及び／又は選択された機能（例えば、設置されたアップグレード）を有する車両に対して、ドライバが誰であるかとは独立して計算されてもよい。さらに他の例では、保険料は、人口統計パラメータの選択された組み合わせを充足する汎用ドライバの選択されたモデル、選択されたサブモデル及び／又は選択された機能（たとえば、設置されたアップグレード）を有する車両に対して計算されてもよい。
保険料は、シミュレーションの以降の時間間隔に対して計算されてもよい。例えば、保険料は、以降の６ヶ月又は以降の年に対して実行されたシミュレーションに基づいて、翌月から始まる６ヶ月又は来年に対して計算されてもよい。
２１８において、車両の１つ以上のパラメータが、有害事象のリスクを低減する予測される確率に従ってそれの適応化のため選択される。
任意選択的には、適応化のための車両のパラメータは、実行されたシミュレーションモデルの解析に従って選択される。解析は、例えば、シミュレーションモデルの実行中の有害事象の出現のシミュレーションに基づいて、及び／又はシミュレーションモデルの実行中の有害事象の近くの出現のシミュレーションに基づいてなど、実行されるシミュレーションモデルに従って有害事象のリスクを低減する予測される確率を特定する。シミュレートされた有害事象につながり、及び／又はシミュレートされた事象のほぼ出現につながるシミュレーション中の車両のパラメータは、シミュレーションから特定され、回避するために車両のパラメータの値として設定されてもよい。例えば、シミュレーションが、車両が単一の車線を有する狭く照明の悪い道路において夜間に運転されていたとき、いくつかの事故が発生し、及び／又はいくつかの近くの事故がほぼ発生したことを示す際、適応化のためのパラメータは、単一の車線を有する狭く照明の悪い道路における夜間の車両の運転を禁止するものとして選択されてもよい。代替的又は追加的に、実行されたシミュレーションモデルの解析は、法的な要求でありうるシミュレーションモデルの実行中に規定された要求から逸脱する車両のパラメータを特定してもよい。例えば、シミュレーションが、車両が速度制限を時速１０キロメートル以上上回る速度で走行していた際、複数の事故が発生したこと、及び／又は複数の近くの事故がほぼ発生したことを示すとき、適応化のためのパラメータは、許容速度制限を時速１０キロメートル以上上回る速度で走行することを禁止するものとして選択されてもよい。
代替的又は追加的に、車両の適応化のためのパラメータは、ＡＤＡＳシステムが設置された車両の実際の運転中に実際のドライバをモニタリングするモニタリングデバイス（例えば、センサ）から収集された実際の運転履歴データの解析に従って選択される。実際の車両は、パラメータに従って適応された車両及び／又はパラメータに従って適応されていない車両を含む。有害事象のリスクを低減する予測される確率は、運転履歴データの解析に従って計算される。例えば、パラメータが調整されたＡＤＡＳが設置される車両の有害事象データは、パラメータが調整されていないＡＤＡＳが設置される類似の車両の有害事象データと比較され、パラメータの調整によるリスクの更なる低減を計算する。
代替的又は追加的に、車両の適応化のためのパラメータは、ステップ２２０を参照して説明されるようなシミュレーションの繰り返しに従って選択される。
保険料（機能２１６を参照して説明される）は、例えば、保険証書が車両に適用及びカバーされる時間間隔中にパラメータが車両において調整されるという同意に基づいて、適応化のための選択されたパラメータに基づいて計算されてもよい。
２２０において、図２の２１０～２１８を参照して説明される１つ以上の機能が繰り返される。
任意選択的に、更新されたシミュレーションモデルは、設置されたＡＤＡＳを有する車両が選択されたパラメータに従って適応されるシミュレーションモデルを更新することによって作成される。有害事象の更新されたリスクは、更新されたシミュレーションモデルを実行することによって計算される。更新されたシミュレーションによって計算される有害事象の更新されたリスクは、選択されたパラメータの調整の実現に基づく。更新された（又は最初のインスタンスの）保険料は、ＡＤＡＳが設置され、選択されたパラメータに従って適応される車両を保証するため計算されてもよい。例えば、更新されたシミュレーションモデルは、車両が法定制限速度を時速１０キロメートル上回る運転を禁止するよう設定される場合、追加のリスク低減（ＡＤＡＳの設置のみに対して）が可能であることを示しうる。保険料は更に、車両が法定制限速度を時速１０キロメートル超えて運転することを禁止するように設定される場合、（ＡＤＡＳの設置のみに対して）低減されてもよい。
任意選択的に、車両の別のパラメータが、次の繰り返し中に適応化のため選択される。適応化のためのパラメータは、有害事象のリスクを更に低減する予測される確率に従って選択されてもよい。更新されたシミュレーションモデルを作成し、更新されたリスクを計算し、他のパラメータを再選択する機能は、有害事象のリスクが規定された閾値未満になるまで、及び／又は有害事象のリスクが追加の繰り返しによって統計的に有意に更に低減されない際に、繰り返されてもよい。
任意選択的に、それの適応化のため選択された車両の１つ以上のパラメータは、車両モデル、サブモデル及び／又は設置された機能（例えば、アップグレード）を含む。異なるモデル、サブモデル及び／又は設置された機能は、例えば、何れのモデル、サブモデル及び／又は設置された機能が有害事象の比較的低いリスクをもたらしうるかを決定するため、シミュレーションの実行によって繰り返し評価されてもよい。
２２２において、車両の選択されたパラメータの適応化のための命令は、任意選択的に生成される。
任意選択的に、命令は、コード命令、パラメータの値、スクリプト、結合コード、バイナリコード及び／又は人間が可読なテキストコードなどの自動的な実現のために生成される。自動的な実現のための命令は、例えば、計算デバイス１０８から車両１０４にネットワーク１１４を介し送信されてもよい。自動的な実現のための命令は、例えば、車両１０４のパラメータレポジトリ１０２にパラメータ値を送信し、車両１０４に設置されたＡＤＡＳ１０４Ｃのパラメータを調整するためのパラメータ値を送信し、及び／又は１つ以上の車両サブシステム（例えば、ＥＣＵ１０４Ａ）のパラメータを調整するためのパラメータ値を送信することによって提供されてもよい。
代替的又は追加的に、命令は、パラメータの手動の調整のためユーザによる手動の実現のために生成される。例えば、命令は、ディスプレイ（例えば、テキスト、ビデオ、アニメーション、画像）上に提示されてもよく、スピーカ上で再生されてもよく（例えば、音声命令）、及び／又は物理表面上に提供されてもよい（例えば、紙上に印刷されてもよい）。例えば、命令は、パラメータの値のプログラミング及び／又は調整、及び／又はパラメータレポジトリ１０２、サブシステム１０４Ａ及び／又はＡＤＡＳ１０４Ｃの１つ以上のパラメータの値の設定のためのものであってもよい。例えば、命令は、特定の地理的位置における運転を禁止するようナビゲーションサブシステムを手動で設定すること、速度制限を時速１０キロメートル超過した運転を禁止するよう速度を制御するＥＣＵを手動で設定すること、及び／又は歩行者を検出する際の余分な感度のため車両に設置されたＡＤＡＳを設定するためのものであってもよい。
２２４において、生成された命令は、車両におけるパラメータの調整を実現するため実行されてもよい。コードとして実現される命令は、それの自動的な実現のため車両に送信されてもよい。手動の命令は、それの手動の実現のためユーザによって従われるものであってもよい。
図２を参照して説明される方法の異なる実現形態が、特定の機能の選択的な実現に基づいて利用可能である。複数の実現形態が、図２の機能２０４～２２４の異なる組み合わせによって可能である。例えば、以下の実現形態の１つ又は組み合わせである。例示的な一実現形態では、全ての処理２０２～２２４が実現される。他の例示的な実現形態では、２１６を除く全ての処理２０２～２２４が実現され、例えば、保険料を考慮することなく有害事象のリスクを低減するための適応化のため車両パラメータを選択する。更なる他の例示的な実現形態では、処理２０２～２１４は、例えば、選択された車両モデル（サブモデル及び／又は設置された機能）を利用して、及び／又は選択されたドライバプロファイル及び／又は選択された環境プロファイルを利用して、有害事象のリスクを計算するため実現される。更なる他の例示的な実現態様では、処理２０２～２１６が、保険料を計算するのに実現される。更なる他の例示的な実現形態では、処理２０２、２０４、２０８、２１０、２１２及び２１４が実現される。更なる他の例示的な実施形態では、処理２０２、２０４、２０８、２１０、２１２、２１４及び２１６が実現される。更なる他の例では、上述した機能２０２～２２４の組み合わせの何れかを利用して、処理２０２の車両のモデル、サブモデル及び／又は設置される機能が選択され、処理２０６のドライバプロファイルは、人口統計機能の選択された組み合わせを充足する何れかのドライバに対して選択される汎用的なドライバプロファイルである。更なる他の例では、上述した機能２０２～２２４の組み合わせの何れかを利用して、処理２０２の車両のモデル、サブモデル及び／又は設置される機能が選択され、処理２０６のドライバプロファイルは、任意選択的に選択された設置される機能を備えた選択された車両モデル及び／又は車両サブモデルを運転する１つ以上の人間のドライバのためのものである。
本発明の各種実施例の説明が例示のために提示されたが、開示された実施例に限定されたり、又は網羅的であることを意図するものでない。多数の修正及び変形が、記載された実施例の範囲及び趣旨から逸脱することなく当業者に明らかであろう。ここで用いられる用語は、実施例の原理、実践的な適用又は市場において見つけられる技術に対する技術的改良を最も良く説明し、ここに開示される実施例を他の当業者が理解することを可能にするよう選択された。
本出願から特許が満了する期間において、多数の関連するＡＤＡＳが開発され、ＡＤＡＳという用語の範囲は、そのような全ての新しい技術を事前に含むことが意図されることが予想される。
ここで用いられるように、“約”という用語は±１０％を指す。
“からなる”、“含む”、“有する”という用語とこれらの活用形は、“限定されることなく含む”を意味する。この用語は、“から構成される”及び“から実質的に構成される”という用語を包括する。
“から実質的に構成される”という用語は、構成又は方法が追加的な含有物及び／又はステップを含んでもよいが、追加的な含有物及び／又はステップが請求された構成又は方法の基本的で新奇な特性を物質的に変更しない場合に限ることを意味する。
ここで用いられるように、単数形式の“ある”及び“その”は、コンテクストが反対であることを明確に示さない場合、複数の参照を含む。例えば、“化合物”又は“少なくとも１つの化合物”という用語は、それの混合を含む複数の化合物を含みうる。
“例示的”という用語は、“具体例、インスタンス又は図示として利用される”ことを意味するのにここで利用される。“例示的”として説明される何れの実施例もまた、他の実施例に対して好適又は効果的であると解釈される必要はなく、及び／又は他の実施例から機能の包含を排除することを必要としない。
“任意選択的に”という用語は、“いくつかの実施例において提供され、他の実施例では提供されない”ことを意味するのにここで利用される。本発明の何れか特定の実施例は、そのような機能が競合しない場合、複数の“任意選択的”な機能を含んでもよい。
本出願を通じて、本発明の各種実施例が範囲の形式で提示されうる。範囲形式での記載は単なる便宜的なものであり、本発明の範囲に対する柔軟でない限定として解釈されるべきでないことが理解されるべきである。従って、範囲の記載は当該範囲内の個々の数値と共に、全ての可能な部分範囲を具体的に開示したと解釈されるべきである。例えば、１～６などの範囲の記載は１～３、１～４、１～５、２～４、２～６、３～６などの部分範囲と共に、例えば、１，２，３，４，５及び６などの当該範囲内の個々の数を具体的に開示したとみなされるべきである。これは、範囲の幅に関係なく適用される。
数値範囲がここに示されるときは常に、それは、示された範囲内の何れか引用される数値（小数又は整数）を含むことが意図される。第１の指定数と第２の指定数と“の間の範囲”と、第１の指定数から第２の指定数“までの範囲”とのフレーズは、ここでは互換的に用いられ、第１及び第２の指定数とその間の全ての小数及び整数を含むことが意図される。
別々の実施例のコンテクストにおいて簡単化のため説明される本発明の特定の特徴はまた、単一の実施例において組み合わせて提供されてもよい。逆に、単一の実施例のコンテクストにおいて簡潔に説明される本発明の各種特徴はまた、別々に、何れか適切なサブコンビネーションにより、又は本発明の他の何れか説明された実施例に適したものとして提供されてもよい。各種実施例のコンテクストにおいて説明される特定の特徴は、実施例がこれらの要素なしには動作不能でない場合には、これらの実施例の本質的な特徴とみなされるべきでない。
本発明がそれの具体的な実施例に関して説明されたが、多数の代替、修正及び変形が当業者に明らかであろうことは明らかである。従って、それは、添付した請求項の趣旨及び広範な範囲内に属するそのような全ての代替、修正及び変形を含むことが意図される。
本明細書において言及される全ての刊行物、特許及び特許出願は、個々の刊行物、特許又は特許出願のそれぞれが参照によりここに援用されるよう具体的及び個別に示されたかのような同じ程度まで、ここでは参照によりその全体が明細書に援用される。さらに、本出願における何れかの参照の引用又は特定は、そのような参照が本発明に従来技術として利用可能な自認として解釈されるべきでない。セクションの見出しは使用される程度まで、本出願の何れかの優先文書が、参照によりその全体がここに援用される。

Claims (28)

  1. 有害事象の確率を低減するため車両のパラメータを適応させるシステムであって、
    複数のドライバの各ドライバに対して、
    前記各ドライバによって運転される車両の指示を取得することと、
    前記車両に設置するための複数のＡＤＡＳ（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍ）から選択される特定のＡＤＡＳの指示を取得することと、
    設置されたＡＤＡＳを備える前記車両が以降の時間間隔において運転のため予測される環境の予測を示す環境プロファイルを取得することと、
    設置されたＡＤＡＳを備える前記車両が前記環境プロファイルに従って運転しているシミュレーションモデルを規定することと、
    前記シミュレーションモデルを実行することによって前記以降の時間間隔中の有害事象のリスクを計算することと、
    前記有害事象のリスクを低減する予測される確率に従って適応化のための前記車両の少なくとも１つのパラメータを選択することと、
    を実行するコードを実行する少なくとも１つのハードウェアプロセッサを有する、システム。
  2. 前記車両の前記選択される少なくとも１つのパラメータの適応化のための命令を生成するコードを更に含む、請求項１に記載のシステム。
  3. 前記ＡＤＡＳが設置された前記車両を保証するための保険料を計算するコードを更に含む、請求項１に記載のシステム。
  4. 前記保険料は、前記シミュレーションモデルを実行することによって計算される前記有害事象のリスクに従って計算される、請求項３に記載のシステム。
  5. 前記保険料は、前記実行されるシミュレーションモデルの前記以降の時間間隔に対して計算される、請求項３に記載のシステム。
  6. 設置されたＡＤＡＳを備える前記車両が前記選択される少なくとも１つのパラメータに従って適応される前記シミュレーションモデルを更新することによって、更新されたシミュレーションモデルを作成することと、
    前記更新されたシミュレーションモデルを実行することによって、前記有害事象の更新されたリスクを計算することと、
    を実行するコードを更に含む、請求項１に記載のシステム。
  7. 前記ＡＤＡＳが設置される前記車両を保証するための保険料を計算するコードを更に含み、前記車両は、前記選択される少なくとも１つのパラメータに従って適応される、請求項６に記載のシステム。
  8. 前記有害事象のリスクを更に低減する予測された確率に従って適応化のための前記車両の他の少なくとも１つのパラメータを選択するコードを更に含む、請求項６に記載のシステム。
  9. 前記更新されたシミュレーションモデルを作成することと、
    前記更新されたリスクを計算することと、
    前記有害事象のリスクが規定された閾値以下になるまで他の少なくとも１つのパラメータを再選択することと、
    を繰り返すコードを更に含む、請求項８に記載のシステム。
  10. 前記車両の少なくとも１つのパラメータは、前記実行されるシミュレーションモデルに従って前記有害事象のリスクを低減する予測された確率を特定する前記実行されるシミュレーションモデルの解析に従って選択される、請求項１に記載のシステム。
  11. 前記実行されるシミュレーションモデルの解析は、前記シミュレーションモデルの実行中の前記有害事象の出現のシミュレーションと、前記シミュレーションモデルの実行中の前記有害事象の近い出現のシミュレーションとの少なくとも１つの間に前記車両の少なくとも１つのパラメータを特定することを含む、請求項１０に記載のシステム。
  12. 前記実行されるシミュレーションモデルの解析は、前記シミュレーションモデルの実行中に規定された要求から乖離する前記車両の少なくとも１つのパラメータを特定することを含む、請求項１０に記載のシステム。
  13. 前記適応化のための車両の選択される少なくとも１つのパラメータは、前記車両に設置するための前記複数のＡＤＡＳから他のＡＤＡＳシステムを選択することを含む、請求項１に記載のシステム。
  14. 前記適応化のための車両の選択される少なくとも１つのパラメータは、運転サブシステム、ナビゲーションサブシステム、マルチメディアサブシステム及び電話サブシステムからなる群から選択されるサブシステムの少なくとも１つのパラメータを含む、請求項１に記載のシステム。
  15. 前記適応化のための車両の選択される少なくとも１つのパラメータは、運転中のドライバにより利用されるマルチメディアの適応化、最高速度制限の設定及び禁止される運転地域の規定からなる群から選択される、請求項１に記載のシステム。
  16. 前記環境プロファイルは、天気の予測、車両交通の予測、歩行者の動きの予測及び照明状態の予測からなる群から選択される１つ以上のパラメータを含む、請求項１に記載のシステム。
  17. 少なくとも１つの人口統計プロファイルに基づいて汎用ドライバのドライバプロファイルを取得するコードを更に含む、請求項１に記載のシステム。
  18. 前記ドライバの少なくとも１つの人口統計パラメータ、前記ドライバの運転履歴及び運転地域を含む、前記複数のドライバの前記ドライバのドライバプロファイルを取得するコードを更に含み、前記シミュレーションモデルは、前記ドライバプロファイルに従ってドライバによって運転される設置されたＡＤＡＳを備える前記車両に対して規定される、請求項１に記載のシステム。
  19. 前記ドライバプロファイルによる訓練済み分類器によって複数の事前に規定されたドライバモデルからドライバの事前に規定されたモデルを選択するコードを更に含み、
    前記シミュレーションモデルは、前記ドライバの前記選択された事前に規定されたモデルによって運転される設置されたＡＤＡＳを備える前記車両に対して規定される、請求項１８に記載のシステム。
  20. 前記ドライバの事前に規定されたモデルは、ＡＤＡＳシステムが設置された車両の実際の運転中に複数のドライバに対してモニタリングデバイスによって収集されたモニタリングデータの集計に基づく、請求項１９に記載のシステム。
  21. 前記車両の適応化のための少なくとも１つのパラメータは、ＡＤＡＳシステムが設置された車両の実際の運転中に複数のドライバをモニタリングする複数のモニタリングデバイスから収集される運転履歴データの解析に従って選択され、
    前記車両は、前記少なくとも１つのパラメータに従って適応され、
    前記有害事象のリスクを低減する予測される確率は、前記運転履歴データの解析に従って計算される、請求項１に記載のシステム。
  22. 前記有害事象は、前記車両のドライバによって引き起こされた事故、他の車両によって引き起こされた前記車両に対する事故、他の車両によるものでなく、環境要因による前記車両に対する無過失損害からなる群から選択される、請求項１に記載のシステム。
  23. 前記車両は、前記ドライバによって能動的に制御及び運転される非自動車両である、請求項１に記載のシステム。
  24. 前記車両のモデル、前記車両のサブモデル、前記車両に設置された少なくとも１つの機能及び前記車両に設置された少なくとも１つのアップグレード機能の少なくとも１つを取得するコードを更に含む、請求項１に記載のシステム。
  25. 車両の有害事象の確率を評価するシステムであって、
    複数のドライバの各ドライバに対して、
    前記各ドライバによって運転される車両の指示を取得することと、
    前記車両に設置するための複数のＡＤＡＳ（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍ）から選択される特定のＡＤＡＳの指示を取得することと、
    設置されたＡＤＡＳを備える前記車両が以降の時間間隔において運転のため予測される環境の予測を示す環境プロファイルを取得することと、
    設置されたＡＤＡＳを備える前記車両が前記環境プロファイルに従って運転しているシミュレーションモデルを規定することと、
    前記シミュレーションモデルを実行することによって前記以降の時間間隔中の有害事象のリスクを計算することと、
    を実行するコードを実行する少なくとも１つのハードウェアプロセッサを有する、システム。
  26. 前記ドライバの人口統計パラメータ、前記ドライバの運転履歴及び運転地域を含むドライバプロファイルを取得するコードを更に含み、前記シミュレーションモデルは、前記ドライバプロファイルに従ってドライバによって運転される設置されたＡＤＡＳを備える前記車両に対して規定される、請求項２５に記載のシステム。
  27. 前記ＡＤＡＳが設置された前記車両を保証するための保険料を計算するコードを更に含む、請求項２５に記載のシステム。
  28. 有害事象の確率を低減する車両のパラメータを適応させる方法であって、
    複数のドライバのドライバ毎に、
    前記ドライバによって運転される車両の指示を取得することと、
    前記車両に設置するための複数のＡＤＡＳ（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍ）から選択される特定のＡＤＡＳの指示を取得することと、
    設置されたＡＤＡＳを備える前記車両が以降の時間間隔において運転のため予測される環境の予測を示す環境プロファイルを取得することと、
    設置されたＡＤＡＳを備える前記車両が前記環境プロファイルに従って運転しているシミュレーションモデルを規定することと、
    前記シミュレーションモデルを実行することによって前記以降の時間間隔中の有害事象のリスクを計算することと、
    前記有害事象のリスクを低減する予測される確率に従って適応化のための前記車両の少なくとも１つのパラメータを選択することと、
    を実行することを含む、方法。
JP2021556381A 2019-03-18 2020-03-17 車両技術の評価のためのシステム及び方法 Pending JP2022526735A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962819692P 2019-03-18 2019-03-18
US62/819,692 2019-03-18
PCT/IL2020/050316 WO2020188562A1 (en) 2019-03-18 2020-03-17 Systems and methods for evaluation of vehicle technologies

Publications (2)

Publication Number Publication Date
JP2022526735A true JP2022526735A (ja) 2022-05-26
JPWO2020188562A5 JPWO2020188562A5 (ja) 2023-03-28

Family

ID=72520564

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021556381A Pending JP2022526735A (ja) 2019-03-18 2020-03-17 車両技術の評価のためのシステム及び方法

Country Status (5)

Country Link
US (1) US12065149B2 (ja)
EP (1) EP3942253A4 (ja)
JP (1) JP2022526735A (ja)
CN (1) CN113825973A (ja)
WO (1) WO2020188562A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12065149B2 (en) 2019-03-18 2024-08-20 Cognata Ltd. Systems and methods for evaluation of vehicle technologies
CN111144015A (zh) * 2019-12-30 2020-05-12 吉林大学 一种自动驾驶汽车虚拟场景库构建方法
DE102020119774A1 (de) * 2020-07-27 2022-01-27 Harman Becker Automotive Systems Gmbh System und Verfahren zum Übertragen unterschiedlicher Einstellungen zwischen Fahrzeugen unterschiedlicher Typen
US20220124287A1 (en) * 2020-10-21 2022-04-21 Michael Preston Cloud-Based Vehicle Surveillance System
CN113076641B (zh) * 2021-03-31 2022-09-20 同济大学 基于风险评估的智能车人机协同转向控制并行计算方法
US20220379919A1 (en) * 2021-05-27 2022-12-01 Zoox, Inc. Parameter space optimization

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010038639B4 (de) * 2010-07-29 2021-12-09 Continental Teves Ag & Co. Ohg Vorrichtung zum Testen eines Sicherheits- und/oder Fahrassistenzsystems
US8509982B2 (en) * 2010-10-05 2013-08-13 Google Inc. Zone driving
DE102010063792B4 (de) 2010-12-21 2024-05-23 Bayerische Motoren Werke Aktiengesellschaft Auswahl von Fahrerassistenzfunktionen
US9176500B1 (en) * 2012-05-14 2015-11-03 Google Inc. Consideration of risks in active sensing for an autonomous vehicle
AT513714B1 (de) 2012-12-12 2015-02-15 Avl List Gmbh Verfahren zur Beurteilung der Beherrschbarkeit eines Fahrzeuges
US9165477B2 (en) * 2013-12-06 2015-10-20 Vehicle Data Science Corporation Systems and methods for building road models, driver models, and vehicle models and making predictions therefrom
US9792656B1 (en) * 2014-05-20 2017-10-17 State Farm Mutual Automobile Insurance Company Fault determination with autonomous feature use monitoring
US10830605B1 (en) * 2016-10-18 2020-11-10 Allstate Insurance Company Personalized driving risk modeling and estimation system and methods
US10627812B2 (en) * 2017-02-14 2020-04-21 Honda Research Institute Europe Gmbh Risk based driver assistance for approaching intersections of limited visibility
EP3410382A1 (en) * 2017-05-30 2018-12-05 iOnRoad Technologies Ltd. Dynamic adaptation of insurance policy for a vehicle according to a selected driving profile
US20200184591A1 (en) * 2018-12-10 2020-06-11 Allstate Insurance Company System and Methods for Analyzing Roadside Assistance Service of Vehicles in Real Time
US12065149B2 (en) 2019-03-18 2024-08-20 Cognata Ltd. Systems and methods for evaluation of vehicle technologies

Also Published As

Publication number Publication date
US12065149B2 (en) 2024-08-20
EP3942253A1 (en) 2022-01-26
EP3942253A4 (en) 2023-04-19
US20220153279A1 (en) 2022-05-19
WO2020188562A1 (en) 2020-09-24
CN113825973A (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
JP2022526735A (ja) 車両技術の評価のためのシステム及び方法
US11578990B1 (en) Personalized driving risk modeling and estimation system and methods
US20220299326A1 (en) Three-dimensional risk maps
US11878720B2 (en) Method and system for risk modeling in autonomous vehicles
US11468215B2 (en) Digital twin for vehicle risk evaluation
CN109416873B (zh) 具有自动化风险控制系统的自主或部分自主机动车辆及其相应方法
US9242654B2 (en) Determining vehicle collision risk
US12054168B2 (en) Logical configuration of vehicle control systems based on driver profiles
WO2019070473A1 (en) DATA PROCESSING SYSTEM WITH AUTOMATIC LEARNING ENGINE FOR PROVIDING DRIVING DATA ANALYSIS AND VEHICLE CONTROL FUNCTIONS
US11783264B2 (en) Vehicle driver safety performance based on relativity
CN111564051A (zh) 自动驾驶汽车安全行车控制方法、装置、设备及存储介质
US10793186B2 (en) Steering assistance based on driver analytics and behavior
CN110304068A (zh) 汽车行驶环境信息的采集方法、装置、设备和存储介质
US11748664B1 (en) Systems for creating training data for determining vehicle following distance
US20220185302A1 (en) Method and system for validating an autonomous vehicle stack
CN114239927A (zh) 一种基于深度学习的区域交通事故预警方法及系统
CN113849914A (zh) 一种智能驾驶功能测试场景构建方法、系统及存储介质
CN115009292A (zh) 用于自动驾驶车辆的风险提示方法、装置及自动驾驶车辆
US8897905B2 (en) Media volume control system
US11148588B2 (en) Reducing risks from emergency vehicle lights
US11182596B2 (en) Identifying a deficiency of a facility
CN111191957B (zh) Ubi评分方法、ubi评分装置及可读存储介质
US20230195958A1 (en) Generating simulations based on real-world scenarios
US20240331398A1 (en) Methods for creating training data for determining vehicle following distance
CN118770053A (zh) 车辆控制方法、装置、车辆及存储介质

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230317

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230317

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240521