JP2023535928A - センサ監視パラメータを用いて車両を動作させるためのシステム、装置、および方法 - Google Patents
センサ監視パラメータを用いて車両を動作させるためのシステム、装置、および方法 Download PDFInfo
- Publication number
- JP2023535928A JP2023535928A JP2023504520A JP2023504520A JP2023535928A JP 2023535928 A JP2023535928 A JP 2023535928A JP 2023504520 A JP2023504520 A JP 2023504520A JP 2023504520 A JP2023504520 A JP 2023504520A JP 2023535928 A JP2023535928 A JP 2023535928A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- risk
- time
- action
- images
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000009471 action Effects 0.000 claims abstract description 235
- 230000033001 locomotion Effects 0.000 claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 145
- 230000000116 mitigating effect Effects 0.000 claims description 94
- 230000006399 behavior Effects 0.000 claims description 54
- 230000001133 acceleration Effects 0.000 claims description 35
- 239000003550 marker Substances 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 20
- 238000005259 measurement Methods 0.000 claims description 20
- 230000004884 risky behavior Effects 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 14
- 206010039203 Road traffic accident Diseases 0.000 claims description 12
- 238000003384 imaging method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 11
- 241000289669 Erinaceus europaeus Species 0.000 description 17
- 230000008569 process Effects 0.000 description 13
- 241000027355 Ferocactus setispinus Species 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 241001465754 Metazoa Species 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000000717 retained effect Effects 0.000 description 5
- 230000006378 damage Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 241000289659 Erinaceidae Species 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 241000555745 Sciuridae Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
- G07C5/0866—Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video camera
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- B60W2756/00—Output or target parameters relating to data
- B60W2756/10—Involving external transmission of data to or from the vehicle
-
- 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
- B60W40/09—Driving style or behaviour
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/005—Handover processes
- B60W60/0059—Estimation of the risk associated with autonomous or manual driving, e.g. situation too complex, sensor failure or driver incapacity
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Multimedia (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
車両を操作する方法が提供される。この方法は、上記車両内の1つ以上のセンサと組み合わせた制御回路によって、ある期間にわたる上記車両の動きを示す1つ以上のパラメータを監視するステップと、上記車両内の1つ以上のカメラによって、上記期間にわたる上記車両を取り囲む領域の1つ以上の画像をキャプチャするステップと、監視された上記パラメータに基づいた上記車両内の上記制御回路によって、上記期間内のある時間に上記車両によってリスク動作が実行されかを検出するステップと、上記車両内の上記制御回路と組み合わせた送信器回路によって、上記車両を取り囲む上記領域の上記1つ以上の画像の画像データと、上記期間にわたる上記車両の動きを示す監視された上記パラメータの測定値とを、上記リスク動作が実行されたという指示とともにサーバに送信するステップとを含む。【選択図】図1
Description
本技術は、車両を動作させるためのシステム、装置、および方法に関するものである。
車両は、時間期間中に車両によってリスク動作が実行されたことを識別するための時間期間にわたって1つ以上のパラメータを監視するための1つ以上のセンサと、時間期間にわたって車両を取り囲む領域の1つ以上の画像をキャプチャするための車両内の1つ以上のカメラとを含む。
車両は、時間期間中に車両によってリスク動作が実行されたことを識別するための時間期間にわたって1つ以上のパラメータを監視するための1つ以上のセンサと、時間期間にわたって車両を取り囲む領域の1つ以上の画像をキャプチャするための車両内の1つ以上のカメラとを含む。
本明細書の「背景技術」の記載は、本開示におけるコンテキストを一般的に説明するためのものである。
本発明者らの研究は、この背景技術の欄に記載される限りにおいて、出願時に先行技術として見なされない明細書の態様と同様に、本発明に対する先行技術として明示的にも暗示的にも認められない。
本発明者らの研究は、この背景技術の欄に記載される限りにおいて、出願時に先行技術として見なされない明細書の態様と同様に、本発明に対する先行技術として明示的にも暗示的にも認められない。
車両保険は、車両への物理的な損傷、または、交通事故に起因する可能性がある運転者または他の道路利用者もしくは歩行者への負傷に対して、車両運転者または無運転者/自律車両に金融保護を提供することが知られている。
保険証券によれば、保険会社は、交通事故の結果として損傷が発生した場合、運転者または無人車両の所有者に補償または補填することができる。車両の運転者または所有者は、通常、保険会社に「保険料」を支払う。保険料は、保険証券をアクティブに保つために(言い換えれば、運転者に保険をかけるために)、運転者によって保険業者に対して行われる定期的な支払いである。
保険料は、車両の運転者が交通事故に巻き込まれる可能性があるかどうかの評価されたリスクに基づいて、保険者によって設定される。例えば、保険料は、運転者の年齢、車両の種類、車両の使用年数、運転者の過去の事故履歴などに依存し得る。保険会社は、通常、交通事故に関与する可能性が高い運転者に対してより高い保険料を設定し、逆もまた同様である。
保険料は、車両の運転者が交通事故に巻き込まれる可能性があるかどうかの評価されたリスクに基づいて、保険者によって設定される。例えば、保険料は、運転者の年齢、車両の種類、車両の使用年数、運転者の過去の事故履歴などに依存し得る。保険会社は、通常、交通事故に関与する可能性が高い運転者に対してより高い保険料を設定し、逆もまた同様である。
車両テレメトリシステムは、保険料を計算するために使用される運転者の危険因子を計算することを支援するために、車両運転者の運転挙動を監視および報告するように、手動および自律車両に導入されている。
例えば、車両遠隔測定システムは、車両運転者が急ブレーキ、加速度/減速、方向の変化などの危険な運転行動に従事したという証拠を、保険会社に属するサーバに報告することができる。保険者は、危険な運転行動の証拠に基づいて運転者の保険料を調整することができる。
例えば、車両遠隔測定システムが、運転者がしばしば加速し、過酷にブレーキをかけることを報告する場合、保険業者は、運転者が交通事故に巻き込まれる可能性が高いと判断し、それに応じて運転者の保険料を増加させることができる。
例えば、車両遠隔測定システムは、車両運転者が急ブレーキ、加速度/減速、方向の変化などの危険な運転行動に従事したという証拠を、保険会社に属するサーバに報告することができる。保険者は、危険な運転行動の証拠に基づいて運転者の保険料を調整することができる。
例えば、車両遠隔測定システムが、運転者がしばしば加速し、過酷にブレーキをかけることを報告する場合、保険業者は、運転者が交通事故に巻き込まれる可能性が高いと判断し、それに応じて運転者の保険料を増加させることができる。
本技術の実施形態は、車両を操作する方法を提供することができる。この方法は、
上記車両内の1つ以上のセンサと組み合わせた制御回路によって、ある期間にわたる上記車両の動きを示す1つ以上のパラメータを監視するステップと、
上記車両内の1つ以上のカメラによって、上記期間にわたる上記車両を取り囲む領域の1つ以上の画像をキャプチャするステップと、
監視された上記パラメータに基づいた上記車両内の上記制御回路によって、上記期間内のある時間に上記車両によってリスク動作が実行されかを検出するステップと、
上記車両内の上記制御回路と組み合わせた送信器回路によって、上記車両を取り囲む上記領域の上記1つ以上の画像の画像データと、上記期間にわたる上記車両の動きを示す監視された上記パラメータの測定値とを、上記リスク動作が実行されたという指示とともにサーバに送信するステップと、
を含む。
上記車両内の1つ以上のセンサと組み合わせた制御回路によって、ある期間にわたる上記車両の動きを示す1つ以上のパラメータを監視するステップと、
上記車両内の1つ以上のカメラによって、上記期間にわたる上記車両を取り囲む領域の1つ以上の画像をキャプチャするステップと、
監視された上記パラメータに基づいた上記車両内の上記制御回路によって、上記期間内のある時間に上記車両によってリスク動作が実行されかを検出するステップと、
上記車両内の上記制御回路と組み合わせた送信器回路によって、上記車両を取り囲む上記領域の上記1つ以上の画像の画像データと、上記期間にわたる上記車両の動きを示す監視された上記パラメータの測定値とを、上記リスク動作が実行されたという指示とともにサーバに送信するステップと、
を含む。
本技術の実施形態は、プロセッサと、通信インターフェースと、実行可能コードとを具備するサーバを提供することができる。
上記実行可能なコードが実行されると、上記プロセッサは、
車両を取り囲む領域の1つ以上の画像の画像データと、リスク動作が実行されたことを示すある期間にわたる上記車両の動きを示す1つ以上の監視されたパラメータの測定値とを、上記通信インターフェースを介して受信するステップと、
上記1つ以上の画像の少なくとも1つの上記画像データに基づいて、緩和状況を考慮して上記リスク動作が実行されたかを上記サーバ内の制御回路によって判定するステップと、
上記サーバ内の上記制御回路によって、上記監視されたパラメータの少なくとも上記測定値に基づいて、上記期間よりも後の将来の時間に上記運転者が道路交通事故に巻き込まれる可能性を示す上記運転者のリスクファクタを計算するステップと
を実行させられ、
上記リスクファクタの計算は、上記緩和状況を顧みて実行された上記リスク動作を考慮する。
上記実行可能なコードが実行されると、上記プロセッサは、
車両を取り囲む領域の1つ以上の画像の画像データと、リスク動作が実行されたことを示すある期間にわたる上記車両の動きを示す1つ以上の監視されたパラメータの測定値とを、上記通信インターフェースを介して受信するステップと、
上記1つ以上の画像の少なくとも1つの上記画像データに基づいて、緩和状況を考慮して上記リスク動作が実行されたかを上記サーバ内の制御回路によって判定するステップと、
上記サーバ内の上記制御回路によって、上記監視されたパラメータの少なくとも上記測定値に基づいて、上記期間よりも後の将来の時間に上記運転者が道路交通事故に巻き込まれる可能性を示す上記運転者のリスクファクタを計算するステップと
を実行させられ、
上記リスクファクタの計算は、上記緩和状況を顧みて実行された上記リスク動作を考慮する。
現在の車両遠隔測定システムは、危険な運転行動が正当化された可能性があるかどうかを考慮していない。言い換えれば、特に衝突が避けられない場合(例えば、リスが急に道路を横切って走ったために運転者が急ブレーキ(過酷な制動を)した可能性がある)に、危険な運転行動を行う運転者のための緩和状況があった可能性がある。
したがって、運転者が危険な運転行動に従事するときに緩和状況が存在するかどうかを判定し、危険因子計算における緩和状況を説明することは、以下の段落に説明される例示的な実施形態によって対処される技術的問題を表す。
本開示のそれぞれの態様および特徴は、添付の特許請求の範囲において定義される。
前述の一般的な説明および以下の詳細な説明の両方が、本技術の例示ではあるが、本技術を限定するものではないことを理解されたい。説明される本実施形態は、さらなる利点とともに、添付の図面と併せて以下の詳細な説明を参照することによって最もよく理解されるであろう。
いくつかの図を通して同じ参照番号が同一または対応する部品を示すので、以下の詳細な説明を、添付の図面と併せて考察すると、本開示およびそれに付随する多くの利点が、以下の詳細な説明を参照することによってよりよく理解される。
例示的な実施形態による無線通信システムの概要を示す。
例示的な実施形態による車両機器を示すブロック図である。
例示的な実施形態による、ヘッジホッグの行動を考慮して車両によって実行されるリスク動作の例を示す。
例示的な実施形態による、車両によってリスク動作が実行されたかどうかを判定するために車両機器によって実行される処理手順を示すフロー図である。
例示的な実施形態によるリスク計算サーバを示すブロック図である。
例示的な実施形態による、エッジサーバおよび保険サーバの一例を示す模式図である。
リスク計算サーバと保険リスク統計スーパーバイザとの間の通信の一例を示す模式図である。
例示的な実施形態による、車両によって実行されるリスク動作中に緩和状況が存在したか否かを決定するためにリスク計算サーバによって実行される処理手順を示すフロー図である。
例示的な実施形態による、周期的に送信されるテレメトリ情報の一例を示す。
例示的な実施形態による、緩和状況の観点から、リスク動作が発生する前の時間の一例を示す。
例示的な実施形態による、緩和状況が存在しないときにリスク動作が発生するまでの時間の一例を示す。
例示的な実施形態による、低、中、および高緩和マーカがテレメトリ情報に添付される3つの異なるシナリオを示す。
例示的な実施形態による、車両によってリスク動作が自律的に実行されたかどうかを判定するために車両機器によって実行される処理手順を示すフロー図である。
例示的な実施形態による、リスク動作が車両によって自律的に実行されたかどうかを判定するためにリスク計算サーバによって実行される処理手順を示すフロー図である。
例示的な実施形態による、車両によって実行される一方法を示すフロー図である。
例示的な実施形態によるサーバによって実行される一方法を示すフロー図である。
図1は、例示的な実施形態による、車両内の車両機器から車両の運転者の危険因子を計算するリスク計算サーバにテレメトリ情報(遠隔測定情報)を送信するための無線通信ネットワークの例を提供する。
図1は、gNB 40およびコアネットワーク500を介してリスク計算サーバ300と通信するように構成された車両機器100を備える自動車10を示す。例示的な実施形態によれば、車両機器100は、テレメトリ情報をリスク計算サーバ300に周期的に送信することができる。
テレメトリ(遠隔測定)情報は、以下でより詳細に説明されるように、周囲の車両領域、車両の位置、車両の方向、車両の加速度、現在時刻、車両の速度などの画像のうちの1つ以上を含み得る。
図1は、gNB 40およびコアネットワーク500を介してリスク計算サーバ300と通信するように構成された車両機器100を備える自動車10を示す。例示的な実施形態によれば、車両機器100は、テレメトリ情報をリスク計算サーバ300に周期的に送信することができる。
テレメトリ(遠隔測定)情報は、以下でより詳細に説明されるように、周囲の車両領域、車両の位置、車両の方向、車両の加速度、現在時刻、車両の速度などの画像のうちの1つ以上を含み得る。
自動車は車両の一例であり、gNB 40と通信するように構成された車両機器100を有する任意の車両が使用され得ることが理解される。例えば、車両は自動二輪車、航空機、バス、列車等である。車両は、運転者によって手動で駆動されてもよく、または、車両は、自動運転すなわち自動運転車両であってもよい。
車両は、運転者または操作者が自由に、または、いくつかの所定の事情において、すべてのまたはいくつかの運転機能の制御を行うことを可能にする、自律または自動運転車両であり得る。
車両は、運転者または操作者が自由に、または、いくつかの所定の事情において、すべてのまたはいくつかの運転機能の制御を行うことを可能にする、自律または自動運転車両であり得る。
gNB 40は、コアネットワーク500への無線アクセスポイントであり、自動車10と通信するように構成されたコアネットワーク500への任意の無線アクセスポイントが使用され得ることが理解される。
例えば、コアネットワーク500への無線アクセスポイントは、eNB、DU(分散ユニット)、TRP(Transmission and Reception Point)、CU(中央装置)などであってもよい。他の例では、gNBはWi-Fi(登録商標)アクセスポイントであってもよい。
例えば、コアネットワーク500への無線アクセスポイントは、eNB、DU(分散ユニット)、TRP(Transmission and Reception Point)、CU(中央装置)などであってもよい。他の例では、gNBはWi-Fi(登録商標)アクセスポイントであってもよい。
リスク計算サーバ300は、自動車10の運転者のためのリスク要因を判定するために、自動車10によって周期的に送信されるテレメトリ情報を受信することができる。リスク計算サーバ300は、テレメトリ情報から、車両によって実行されたリスク動作が、緩和状況を考慮して実行されたかどうかを識別し、それに応じてリスクファクタを調整するように構成され得る。
例示的な実施形態は、運転者により正確な保険料を提供するために1つのアプリケーションで使用することができるリスク計算改善システムを提供することができる。
図2に示すように、車両10には車両機器100が実装されている。車両機器100は、自動車10がリスク動作を行ったか否かを識別し、テレメトリ情報をリスク計算サーバ300に通信するように構成される。
図2に示すように、車両10には車両機器100が実装されている。車両機器100は、自動車10がリスク動作を行ったか否かを識別し、テレメトリ情報をリスク計算サーバ300に通信するように構成される。
(リスク動作の識別)
車両機器100は、車両10の運動に関する1つ以上のパラメータを監視し、車両の運転者によってリスク動作が行われたかどうかを判定するように構成される。リスク動作は、通常の状況下で交通事故の可能性を増大させる、車両によって実行される任意の動作である。
例えば、リスク動作は、急ブレーキ、急加速、車両の方向の急変化、法定制限速度を超える運転、特定の車線からの逸脱などの1つ以上であり得る。理解されるように、車両は、その車両の運転者の不注意/無謀さにより、リスク動作を実行することがある。しかしながら、衝突を回避するためにリスク動作が必要となり得る状況が存在し得る。
より正確なリスクファクタを得るために、そのような状況下で実施されるリスク動作(危険行為)は、リスクファクタの計算に(もしあるならば)著しく寄与すべきではない。このような状況を、本明細書では「緩和状況」と呼ぶ。
リスク動作は、自律/自動運転車両によって自律的に、または、車両の運転者によって手動で実行され得る。例えば、自動運転車両によって行われるリスク動作は、自動緊急ブレーキ(AEB)であり、その一方で、車両の運転者によって手動で行われるリスク動作は、運転者がブレーキを強く押すことである。
車両機器100は、車両10の運動に関する1つ以上のパラメータを監視し、車両の運転者によってリスク動作が行われたかどうかを判定するように構成される。リスク動作は、通常の状況下で交通事故の可能性を増大させる、車両によって実行される任意の動作である。
例えば、リスク動作は、急ブレーキ、急加速、車両の方向の急変化、法定制限速度を超える運転、特定の車線からの逸脱などの1つ以上であり得る。理解されるように、車両は、その車両の運転者の不注意/無謀さにより、リスク動作を実行することがある。しかしながら、衝突を回避するためにリスク動作が必要となり得る状況が存在し得る。
より正確なリスクファクタを得るために、そのような状況下で実施されるリスク動作(危険行為)は、リスクファクタの計算に(もしあるならば)著しく寄与すべきではない。このような状況を、本明細書では「緩和状況」と呼ぶ。
リスク動作は、自律/自動運転車両によって自律的に、または、車両の運転者によって手動で実行され得る。例えば、自動運転車両によって行われるリスク動作は、自動緊急ブレーキ(AEB)であり、その一方で、車両の運転者によって手動で行われるリスク動作は、運転者がブレーキを強く押すことである。
他の例では、運転者はハンドルを鋭く回し、それによって車両の方向を変えて、車両を取り囲む領域に物体を回避することができる。いくつかの実施形態では、ブレーキおよびステアリング動作は、自動化システム(トラクションまたはスタビリティコントロール等)に、車両の車輪の各々またはいくつかへの動力供給を変更させてもよい。
このような自動化システムの開始は、リスク動作が発生したことを示し得る。本開示の実施形態は、リスク動作が発生したかどうかを識別するように機能することができ、リスク計算サーバに送信されるテレメトリ情報においてリスク動作が発生したという指示を含むことができる。
次に、リスク計算サーバは、状況を緩和する観点から、リスク動作が実行されたかどうかを識別する。次いで、リスク計算サーバは、緩和状況を考慮するために、車両の運転者のためのリスクファクタを調整することができる。したがって、リスクファクタに基づいて算出される保険料の精度を向上させることができる。
このような自動化システムの開始は、リスク動作が発生したことを示し得る。本開示の実施形態は、リスク動作が発生したかどうかを識別するように機能することができ、リスク計算サーバに送信されるテレメトリ情報においてリスク動作が発生したという指示を含むことができる。
次に、リスク計算サーバは、状況を緩和する観点から、リスク動作が実行されたかどうかを識別する。次いで、リスク計算サーバは、緩和状況を考慮するために、車両の運転者のためのリスクファクタを調整することができる。したがって、リスクファクタに基づいて算出される保険料の精度を向上させることができる。
図2は、例示的な実施形態による車両機器100を示す。
図2によれば、車両機器100は、通信部160、入力部150、表示部110、メモリ130、距離センサ124、カメラ122、クロック132、方向センサ134、加速度計126、および位置センサ128から情報を受信し、かつ/または、それらに情報を提供するように構成された制御部140を備える。
図2は、例示的な実施形態であり、以下に説明されるように、本開示の効果を達成するために、示されるユニット(部)のすべてが必要とされるわけではないことが理解される。車両機器100は、図1および図2に示されるように単一のユニットであってもよい。
いくつかの実施形態では、車両機器100内の各ユニットは、自動車10全体に分散されてもよい。一般に、車両機器100は、本明細書では、図2の1つ以上のユニットを指すために使用される。
図2によれば、車両機器100は、通信部160、入力部150、表示部110、メモリ130、距離センサ124、カメラ122、クロック132、方向センサ134、加速度計126、および位置センサ128から情報を受信し、かつ/または、それらに情報を提供するように構成された制御部140を備える。
図2は、例示的な実施形態であり、以下に説明されるように、本開示の効果を達成するために、示されるユニット(部)のすべてが必要とされるわけではないことが理解される。車両機器100は、図1および図2に示されるように単一のユニットであってもよい。
いくつかの実施形態では、車両機器100内の各ユニットは、自動車10全体に分散されてもよい。一般に、車両機器100は、本明細書では、図2の1つ以上のユニットを指すために使用される。
いくつかの実施形態では、車両機器は、1つ以上のカメラ122を備えることができる。1つ以上のカメラ122は、外部画像情報として、車両の周囲の領域の1つ以上の画像または動画像を経時的にキャプチャするように構成され得る。いくつかの実施形態において、複数のカメラ122が、車両に搭載されて、周辺領域の360またはほぼ360度の全体像をカバーしてもよい。
いくつかの実施形態では、1つ以上のカメラは、車両の内部に1つ以上のカメラを含んでもよく、車両の内部の1つ以上の画像を内部画像情報として経時的に取り込む。1つ以上のカメラ122は、外部および内部画像情報を制御部140に提供することができる。
いくつかの実施形態では、1つ以上のカメラは、車両の内部に1つ以上のカメラを含んでもよく、車両の内部の1つ以上の画像を内部画像情報として経時的に取り込む。1つ以上のカメラ122は、外部および内部画像情報を制御部140に提供することができる。
いくつかの実施形態では、1つ以上のカメラ122は、1つ以上の画像から特徴データを導出する。例えば、特徴データは、周囲の車両領域内のオブジェクトに関するデータを含むことができる。特徴データは、リスク計算サーバ300に送信され得る。特徴データは、リスク計算サーバ300内の人工知能(AI)によって理解され得る。
画像内の特徴データの例は、当業者によって理解されるように、エッジ、コーナー、ブロブ、リッジなどを含むことができる。
画像内の特徴データの例は、当業者によって理解されるように、エッジ、コーナー、ブロブ、リッジなどを含むことができる。
本明細書における「画像データ」への言及は、画像または画像から導出された特徴データの一方または両方を意味する。
いくつかの実施形態では、車両機器100は、1つ以上の距離センサ124を備え得る。距離センサ124は、光検出および測距(LIDAR)センサ、または、例えば飛行時間型センサの任意のタイプであってもよい。1つ以上の距離センサは、距離情報として、車両上の1つ以上の距離センサから周辺領域内の物体の距離を経時的に検出するように構成される。
周辺領域におけるオブジェクトの例は、歩行者、街路備品、サイクリスト、他の車両などである。距離センサ124は、制御部140に距離情報を提供する。
周辺領域におけるオブジェクトの例は、歩行者、街路備品、サイクリスト、他の車両などである。距離センサ124は、制御部140に距離情報を提供する。
いくつかの実施形態では、車両機器100は、100において、位置センサ128を備えることができる。位置センサは、例えば、全地球測位システム(GPS)または全地球的航法衛星システム(GNSS)であってもよい。
しかし、自動車10の位置を経時的に決定するように構成された任意の位置センサを使用してもよいことが理解される。位置センサは、制御ユニット140に位置情報として車の位置を提供する。
しかし、自動車10の位置を経時的に決定するように構成された任意の位置センサを使用してもよいことが理解される。位置センサは、制御ユニット140に位置情報として車の位置を提供する。
いくつかの実施形態では、車両機器100は、クロック132を備えることができる。クロックは、時間の経過を時間情報として記録し、時間情報を制御部140に提供するために使用され得る。
時間情報は、制御部140に提供される他の情報と関連付けられてもよい。例えば、時間情報132は、1つ以上のカメラ122によって画像が撮影された時間を識別するために使用され得る。
時間情報は、制御部140に提供される他の情報と関連付けられてもよい。例えば、時間情報132は、1つ以上のカメラ122によって画像が撮影された時間を識別するために使用され得る。
いくつかの実施形態では、車両機器100は、スピードメータ(速度計)136を備える。スピードメータ136は、車両10の速度を監視し、制御部140に速度情報として時間とともに車10の速度を提供することができる。
制御部140が、スピードメータ136によって与えられる速度情報に基づいて、速度の急激な変化が生じたと判定する場合、これは、自動車10によってリスク動作が行われたことを示すものであってもよい。
制御部140が、スピードメータ136によって与えられる速度情報に基づいて、速度の急激な変化が生じたと判定する場合、これは、自動車10によってリスク動作が行われたことを示すものであってもよい。
いくつかの実施形態では、車両機器100は、任意選択で、加速度計126を備える。加速度計126は、車両10の加速度を監視し、制御部140に加速度情報として時間とともに車両10の加速度を提供することができる。
制御部140が、加速度計126によって与えられる加速度情報に基づいて、加速度に急激な変化が生じたと判定する場合、これは、車両10によってリスク動作が行われたことを示すものであってよい。しかしながら、いくつかの実施形態では、加速度情報は、当業者によって理解されるように、速度情報および時間情報から制御部140によって計算される。
制御部140が、加速度計126によって与えられる加速度情報に基づいて、加速度に急激な変化が生じたと判定する場合、これは、車両10によってリスク動作が行われたことを示すものであってよい。しかしながら、いくつかの実施形態では、加速度情報は、当業者によって理解されるように、速度情報および時間情報から制御部140によって計算される。
いくつかの実施形態では、車両機器100は、方向センサ134を備える。方向センサは、時間とともに車両10の方向を監視し、車両10の方向を方向情報として制御ユニット140に提供することができる。
制御部140が、方向センサ134によって提供された方向情報に基づいて、方向の急激な変化が発生したと判定する場合、これは、車両10によってリスク動作が行われたことを示すものであってもよい。
制御部140が、方向センサ134によって提供された方向情報に基づいて、方向の急激な変化が発生したと判定する場合、これは、車両10によってリスク動作が行われたことを示すものであってもよい。
距離センサ124、カメラ122、クロック132、位置センサ128、方向センサ134、および加速度計126は、それぞれ、距離情報、外部画像情報、内部画像情報、時間情報、位置情報、方向情報、速度情報、および/または加速度情報を制御部140に提供する。
この情報は、以下に説明するように、リスク動作が発生したかどうかを判定するために制御部140によって使用され得る。
この情報は、以下に説明するように、リスク動作が発生したかどうかを判定するために制御部140によって使用され得る。
制御部140は、図2のユニットのうちの1つ以上から情報を受信し、それらのユニットに情報を提供するように構成される。制御部140は、複数のユニットのうちの1つ以上によって提供される情報に基づいて、リスク動作が発生したかどうかを判定することができる。
例えば、加速度計126は、ある期間にわたる車両の加速度を制御部140に与えることができる。制御部140が、速度の低下率が所定の閾値を上回ると判定した場合、リスク動作が実行されたと判定することができる。
所定の閾値は、センサを介して入力され得る、気象条件、路面状況、車両状態(タイヤまたはブレーキ条件など)のうちの任意の1つ以上に適応することができる。
したがって、いくつかの実施形態では、事前定義された閾値は、リスク動作が行われる直前に計算され得る。方向センサ134は、ある期間にわたって制御部140に車両の方向を提供することができる。制御部140が、車両の方向の変化率が予め定義された閾値を上回ると判定する場合、リスク動作が発生したと判定し得る。
制御部140は、リスク動作が発生したと判定したことに応じて、リスク動作が発生した時刻周辺のテレメトリ情報にリスク動作マーカを付加してリスク算出サーバ300に送信することができる。
所定の閾値は、センサを介して入力され得る、気象条件、路面状況、車両状態(タイヤまたはブレーキ条件など)のうちの任意の1つ以上に適応することができる。
したがって、いくつかの実施形態では、事前定義された閾値は、リスク動作が行われる直前に計算され得る。方向センサ134は、ある期間にわたって制御部140に車両の方向を提供することができる。制御部140が、車両の方向の変化率が予め定義された閾値を上回ると判定する場合、リスク動作が発生したと判定し得る。
制御部140は、リスク動作が発生したと判定したことに応じて、リスク動作が発生した時刻周辺のテレメトリ情報にリスク動作マーカを付加してリスク算出サーバ300に送信することができる。
通信部160は、少なくとも送信器回路を含むことができ、制御部140と組み合わせて、テレメトリ情報をリスク計算サーバ300に送信するように構成される。いくつかの実施形態において、通信部は、信号を受信するように構成された受信器回路をさらに備える。
図2に示されるように、車両機器100は、メモリ130すなわちデータ記憶手段を含むことができる。画像情報、加速度情報、位置情報、時間情報、および/または距離情報は、記憶のために、連続的に、または、一定の間隔で記憶するように、メモリ130に提供され得る。
加速度情報、速度情報、距離情報、外部画像情報、内部画像情報、時間情報、位置情報、方向情報、および/または加速度情報は、通信部160によって周期的にリスク計算サーバ300に送信され得るテレメトリ情報の例である。
テレメトリ情報は、車両の運転者のリスクファクタを計算するためにリスク計算サーバ300によって使用され得る。いくつかの実施形態では、制御部140は、以下で説明するように、リスク動作が実行されたことをリスク計算サーバ300に通知するために、リスク動作が発生したと判定された時間付近で記録されたテレメトリ情報にリスクマーカを添付することができる。
図3は、リスク動作を実行する車両の例である。
図3から理解されるように、車両機器100で構成された自動車10は、制限速度400内で道路700に沿って走行しており、コアネットワーク500およびgNB 40を介してテレメトリ情報をリスク計算サーバ300に定期的に通信している。
ヘッジホッグ600が、道路700に隣接する舗装800上にある。ヘッジホッグ600は、道路700上にはみ出しており、自動車10は、ヘッジホッグとの衝突を回避するために、方向/急激に変化する。この例では、車両10の方向/スウィービングの急激な変化がリスク動作となり得る。
図3から理解されるように、車両機器100で構成された自動車10は、制限速度400内で道路700に沿って走行しており、コアネットワーク500およびgNB 40を介してテレメトリ情報をリスク計算サーバ300に定期的に通信している。
ヘッジホッグ600が、道路700に隣接する舗装800上にある。ヘッジホッグ600は、道路700上にはみ出しており、自動車10は、ヘッジホッグとの衝突を回避するために、方向/急激に変化する。この例では、車両10の方向/スウィービングの急激な変化がリスク動作となり得る。
図4は、リスク動作が発生したかどうかを判定し、テレメトリ情報をリスク計算サーバ300に定期的に送信するために車両機器100によって実行される処理手順の一例である。
ステップS420において、車両機器100は、車両の加速度、速度、および方向などの車両の動作を示す1つ以上のパラメータを監視する。
ステップS440において、車両機器100の制御部140は、1つ以上の監視されたパラメータに基づいて、リスク動作が発生しているか否かを判定する。
制御ユニット140が、リスク動作が発生していないと判定した場合、処理はステップS484に進み、車両機器100の通信部160は、テレメトリ情報をリスク計算サーバ300に送信する。上記で説明したように、テレメトリ情報は、以下でより詳細に説明するように、車両の周囲または内部の領域、車両の位置、車両の方向、車両の加速度、現在時刻、車両の速度などの画像のうちの1つ以上を含み得る。
図3に示される例において、時間に伴う車両の方向の変化率が、制御部140との組み合わせで方向センサ134によって、所定の閾値を上回ると判定される場合、制御ユニット140は、リスク動作が行われたと判定することができる。
他の例では、車両10は、ヘッジホッグ600との衝突を回避するために、急ブレーキされている可能性がある。このような例では、制御部と組み合わせた加速度計126によって判定された車両の速度変化率が所定の閾値を上回る場合、制御部104はリスク動作が実行されたと判定することができる。
ステップS440において、車両機器100の制御部140は、1つ以上の監視されたパラメータに基づいて、リスク動作が発生しているか否かを判定する。
制御ユニット140が、リスク動作が発生していないと判定した場合、処理はステップS484に進み、車両機器100の通信部160は、テレメトリ情報をリスク計算サーバ300に送信する。上記で説明したように、テレメトリ情報は、以下でより詳細に説明するように、車両の周囲または内部の領域、車両の位置、車両の方向、車両の加速度、現在時刻、車両の速度などの画像のうちの1つ以上を含み得る。
図3に示される例において、時間に伴う車両の方向の変化率が、制御部140との組み合わせで方向センサ134によって、所定の閾値を上回ると判定される場合、制御ユニット140は、リスク動作が行われたと判定することができる。
他の例では、車両10は、ヘッジホッグ600との衝突を回避するために、急ブレーキされている可能性がある。このような例では、制御部と組み合わせた加速度計126によって判定された車両の速度変化率が所定の閾値を上回る場合、制御部104はリスク動作が実行されたと判定することができる。
制御部140が、リスク動作が実行されたと判定した場合、処理はステップS460に進み、制御部は、サーバ300に送信されるべきテレメトリ情報にリスクマーカを添付する。具体的には、リスクマーカは、リスク動作が発生した時刻に取得されたテレメトリ情報に添付される。
言い換えれば、この制御は、ステップS484において送信されるテレメトリ情報を備えた指示を含み、テレメトリ情報は、リスク動作が発生した時間の情報に相当する。したがって、サーバにアクセスする保険業者は、リスク動作に関連するテレメトリ情報を容易に探し出し、それに応じて運転者のリスクファクタを判定することができる。
言い換えれば、この制御は、ステップS484において送信されるテレメトリ情報を備えた指示を含み、テレメトリ情報は、リスク動作が発生した時間の情報に相当する。したがって、サーバにアクセスする保険業者は、リスク動作に関連するテレメトリ情報を容易に探し出し、それに応じて運転者のリスクファクタを判定することができる。
図5には、例示的な実施形態によるリスク計算サーバが示されている。
図5によれば、リスク計算サーバ300は、通信部360およびメモリ330から情報を受信し、かつ/または、それらに情報を提供するように構成された制御部140を備える。
図5によれば、リスク計算サーバ300は、通信部360およびメモリ330から情報を受信し、かつ/または、それらに情報を提供するように構成された制御部140を備える。
通信部360は、少なくとも受信器回路を含み、車両機器100からテレメトリ情報を受信するように、制御部340と組み合わせて構成される。いくつかの実施形態において、通信部360は、さらに、信号を送信するように構成された送信器回路を含む。
メモリ330は、車両機器100から受信されたテレメトリ情報を記憶するために(無期限に、または所定の期間にわたって)記憶するように構成される。
リスク計算サーバ300は、図1に示すように、コアネットワーク500を介して車両機器100からアクセスされてもよいし、コアネットワーク500の一部を構成するリスク計算サーバ300であってもよい。例示的な実施形態では、リスク計算サーバ300は、図6に示されるように車両10に搭載され得るエッジサーバ304であり得る。
エッジサーバ304は、車両10の運転者について計算されたリスクファクタを計算し、記憶するように構成され得る。エッジサーバ304は、中央保険サーバ306から更新を受信することができ、このサーバ306は、ドライバによって使用される保険パッケージのリスクファクタをどのように計算するかの指示をエッジサーバ304に提供することができる。
例えば、リスクファクタの算出方法は、車両の種類によって、または、自律走行車両の技術進歩によって異なる可能性がある。保険サーバからの更新は、保険を含むことができる。エッジサーバ304を有する実施形態は、コアネットワーク500を介した情報の交換を低減し、したがって、サイバーセキュリティリスクへの曝露を低減する。
エッジサーバ304は、車両10の運転者について計算されたリスクファクタを計算し、記憶するように構成され得る。エッジサーバ304は、中央保険サーバ306から更新を受信することができ、このサーバ306は、ドライバによって使用される保険パッケージのリスクファクタをどのように計算するかの指示をエッジサーバ304に提供することができる。
例えば、リスクファクタの算出方法は、車両の種類によって、または、自律走行車両の技術進歩によって異なる可能性がある。保険サーバからの更新は、保険を含むことができる。エッジサーバ304を有する実施形態は、コアネットワーク500を介した情報の交換を低減し、したがって、サイバーセキュリティリスクへの曝露を低減する。
エッジサーバ304を有する実施形態は、車両におけるデータセキュリティおよび真正性を維持しながら、柔軟な保険契約の変化を可能にすることができる。例えば、車両の運転者は、第1の期間については第1の保険パッケージによって、第2の期間については第2の保険パッケージによってカバーされることを望む場合がある。
第1の期間の間、保険サーバ306は、第1の保険パッケージを運転者に送信することができ、エッジサーバ304は、運転者のリスクファクタおよび保険料を算出する。第2の期間の間、保険サーバ306は、第2の保険パッケージを運転者に送信することができ、エッジサーバ304は、運転者のリスクファクタおよび保険料を算出する。
いくつかの実施形態では、異なる保険パッケージは、異なる場所にリンクされ得る。例えば、車両機器100は、車両の位置を保険サーバ306に送信することができ、その位置に応じて、保険サーバ306は、保険パッケージをエッジサーバ304に送信する。保険サーバ306がエッジサーバ304に送信する特定の保険パッケージは、位置および/またはタイミングに応じて、保険会社および車両の運転者によって事前に合意され得る。
第1の期間の間、保険サーバ306は、第1の保険パッケージを運転者に送信することができ、エッジサーバ304は、運転者のリスクファクタおよび保険料を算出する。第2の期間の間、保険サーバ306は、第2の保険パッケージを運転者に送信することができ、エッジサーバ304は、運転者のリスクファクタおよび保険料を算出する。
いくつかの実施形態では、異なる保険パッケージは、異なる場所にリンクされ得る。例えば、車両機器100は、車両の位置を保険サーバ306に送信することができ、その位置に応じて、保険サーバ306は、保険パッケージをエッジサーバ304に送信する。保険サーバ306がエッジサーバ304に送信する特定の保険パッケージは、位置および/またはタイミングに応じて、保険会社および車両の運転者によって事前に合意され得る。
保険パッケージは、当業者によって理解されるように、車両の運転者と保険会社との間で合意された任意の事前に合意された保険ポリシーであり得る。
エッジサーバ304は、車両に搭載されたハードウェア、または、携帯電話などのパーソナルポータブル機器上で動作するソフトウェアであってもよい。エッジサーバ304は、不正な修正を防止する改ざん防止機構を含んでもよい。
例示的な実施形態は、保険会社のための「保険リスク統計スーパーバイザ」を含む。
複数のリスク計算サーバ301と通信する保険リスク統計スーパーバイザ302の一例が図7に示されている。リスク計算サーバ301は、図1のリスク計算サーバと概ね同一の機能を有し得ることが理解される。
複数のリスク計算サーバ301と通信する保険リスク統計スーパーバイザ302の一例が図7に示されている。リスク計算サーバ301は、図1のリスク計算サーバと概ね同一の機能を有し得ることが理解される。
保険会社用のスーパーバイザ302は、リスク計算サーバ301の各々からデータを受信することができる。リスク計算サーバ301からスーパーバイザ302に送信されるデータは、ある期間にわたって測定された車両の加速度、速度、方向などの測定値を含むことができる。各リスク計算サーバは、1つ以上の車両に対応することができる。
スーパーバイザ302は、リスク計算サーバ301によって実行されるリスクファクタの計算を改善するために、リスク計算サーバ301の各々から受信されたデータを集約することができる。
スーパーバイザ302は、リスク計算サーバ301によって実行されるリスクファクタの計算を改善するために、リスク計算サーバ301の各々から受信されたデータを集約することができる。
例えば、スーパーバイザ302は、地理的エリア内の特定の道路を走行するすべての車両、および、対応する運転動作(加速度、速度、方向など)、ならびに、交通状況および気象状況、ならびに、同様の外部要因(ピーク時間、工事進捗中、道路上の水漏れなど)とマッチングされた、実行されたリスク動作についてのデータを集約することができる。
スーパーバイザは、車両および保険契約のカテゴリ別にデータを集計することができる。
集計されたデータは、同様の状況において同様のリスクをとる車両が一貫してペナルティを課され、または、報酬を与えられることを確実にすることによって、リスクファクタの計算を精緻化するために分析され得る。
リスクファクタを計算する方法の更新される方法は、スーパーバイザ302からリスク計算サーバ301に通信され得る。
リスクファクタを計算する方法の更新される方法は、スーパーバイザ302からリスク計算サーバ301に通信され得る。
いくつかの実施形態では、保険会社間のデータ交換が発生する場合、リスクファクタの計算をさらに精緻化することができ、特定の地理および車両または運転者のカテゴリにおける、より正確なリスク推定をもたらし、したがって、状況を考慮して、どのリスク動作が正当化され得るかのより正確な推定をもたらす。
そのような実施形態は、ドライブごとの支払い、場所ごとの支払い、日中ごとの支払いなどの新しいモデルを利用することによって、保険契約保険料を更新するための動的な方法を提供することができる。
図8は、リスク算出サーバ300の処理手順を示すフロー図である。
図8に示すように、ステップS520において、リスク算出サーバ300は、車両機器100の通信部160から定期的にテレメトリ情報を受信する。ステップS520において、リスク計算サーバは、テレメトリ情報を監視して、テレメトリ情報が付属のリスク動作マーカを有するかどうかを判定する。
一例では、リスク動作マーカは、リスク動作が発生した時間における周囲の車両領域の画像と、リスク動作が発生したことを判定するために使用される情報とに関連付けられる指標であり得る。例えば、テレメトリ情報は、加速度、または、リスク動作が実行された時点での車両の方向の変化率を含んでもよい。
リスク計算サーバ300が、受信したテレメトリ情報にリスクマーカが存在しないと判定した場合、処理はステップS584に進み、車両の運転者のリスクファクタが判定される。しかしながら、リスク計算サーバ300が、リスク動作マーカが存在することを検出した場合、リスク計算サーバは、リスク動作が発生した時間周辺に対応するテレメトリ情報を分析して、以下に説明するように、緩和状況を考慮してリスク動作が実行されたか否かを判定することができる。
図8に示すように、ステップS520において、リスク算出サーバ300は、車両機器100の通信部160から定期的にテレメトリ情報を受信する。ステップS520において、リスク計算サーバは、テレメトリ情報を監視して、テレメトリ情報が付属のリスク動作マーカを有するかどうかを判定する。
一例では、リスク動作マーカは、リスク動作が発生した時間における周囲の車両領域の画像と、リスク動作が発生したことを判定するために使用される情報とに関連付けられる指標であり得る。例えば、テレメトリ情報は、加速度、または、リスク動作が実行された時点での車両の方向の変化率を含んでもよい。
リスク計算サーバ300が、受信したテレメトリ情報にリスクマーカが存在しないと判定した場合、処理はステップS584に進み、車両の運転者のリスクファクタが判定される。しかしながら、リスク計算サーバ300が、リスク動作マーカが存在することを検出した場合、リスク計算サーバは、リスク動作が発生した時間周辺に対応するテレメトリ情報を分析して、以下に説明するように、緩和状況を考慮してリスク動作が実行されたか否かを判定することができる。
リスク計算サーバ300がリスクマーカのテレメトリ情報を監視する例を図9に示す。
図9に示すように、それぞれ異なる時間に対応する5組のテレメトリ情報420、422、424、436、428が、周期「T」でリスク計算サーバ300によって周期的に受信される。リスク計算サーバ300は、5組のテレメトリ情報をリスクマーカについて監視する。図9から理解されるように、第4の組のテレメトリ情報426は、関連するリスクマーカ427を有する。
車両および/または車両の運転者の周囲の領域の画像426aは、車両に関する追加情報426bとともにテレメトリ情報に含まれる。車両に関する追加情報は、車両の加速度、速度、方向、位置、第4の組のテレメトリ情報426がキャプチャされた時刻における車両から車両の周囲の領域内のオブジェクトの距離などを含むことができる。
リスク計算サーバは、リスクマーカ427を識別すると、リスク動作が発生した時間の周囲でキャプチャされたテレメトリ情報を使用して、緩和状況を考慮してリスク動作が実行されたかどうかを判定することができる。
例えば、リスク動作の周囲でキャプチャされたテレメトリ情報は、緩和状況をチェックするために、図9に示されるように、第2の組のテレメトリ情報422と第3の組のテレメトリ情報424とを含み得る。したがって、リスク計算サーバ300は、受信されたテレメトリ情報を記憶することができる。
図9に示すように、それぞれ異なる時間に対応する5組のテレメトリ情報420、422、424、436、428が、周期「T」でリスク計算サーバ300によって周期的に受信される。リスク計算サーバ300は、5組のテレメトリ情報をリスクマーカについて監視する。図9から理解されるように、第4の組のテレメトリ情報426は、関連するリスクマーカ427を有する。
車両および/または車両の運転者の周囲の領域の画像426aは、車両に関する追加情報426bとともにテレメトリ情報に含まれる。車両に関する追加情報は、車両の加速度、速度、方向、位置、第4の組のテレメトリ情報426がキャプチャされた時刻における車両から車両の周囲の領域内のオブジェクトの距離などを含むことができる。
リスク計算サーバは、リスクマーカ427を識別すると、リスク動作が発生した時間の周囲でキャプチャされたテレメトリ情報を使用して、緩和状況を考慮してリスク動作が実行されたかどうかを判定することができる。
例えば、リスク動作の周囲でキャプチャされたテレメトリ情報は、緩和状況をチェックするために、図9に示されるように、第2の組のテレメトリ情報422と第3の組のテレメトリ情報424とを含み得る。したがって、リスク計算サーバ300は、受信されたテレメトリ情報を記憶することができる。
いくつかの実施形態では、制御部140は、リスク動作がリスクマーカ内でどれくらい深刻であったかの指示を含むことができる。いくつかの実施形態では、複数種類のリスクマーカが存在し得る。例えば、制御部140は、低リスク閾値、中リスク閾値、または高リスク閾値をそれぞれ超過するかどうかに応じて、低リスクマーカ、中リスクマーカ、および高リスクマーカを添付することができる。
例では、特に不意の運転が検出された場合、高リスクマーカを取り付けることができる。例えば、制御部140は、車両が制限速度で時速5マイルを超えて走行している場合、低リスク動作が発生していることを検出し得るか、車両が制限速度で時速10マイルを超えて走行している場合、中リスク動作が発生し、車両が制限速度で時速15マイルを超えている場合、高リスク動作が発生していることを検出する。
例では、特に不意の運転が検出された場合、高リスクマーカを取り付けることができる。例えば、制御部140は、車両が制限速度で時速5マイルを超えて走行している場合、低リスク動作が発生していることを検出し得るか、車両が制限速度で時速10マイルを超えて走行している場合、中リスク動作が発生し、車両が制限速度で時速15マイルを超えている場合、高リスク動作が発生していることを検出する。
(緩和状況の特定)
いくつかの実施形態では、リスク計算サーバ300は、1つ以上のカメラ122によって提供される車両の周囲の領域の画像情報を使用して、状況を緩和する観点からリスク動作が実行されたかどうかを判定することができる。
リスク計算サーバ300は、具体的には、リスク動作が発生した時間のほぼ周辺でキャプチャされた画像情報を使用して、車両の周囲の領域内の識別オブジェクトを判定することができる。いくつかの例では、リスク計算サーバは、リスク動作の考えられる原因を特定するために、オブジェクト認識ソフトウェアを使用してもよい。
例えば、画像情報は、リスク動作の可能性のある原因として、倒壊した木、交通事故、迷走動物等を示してもよい。いくつかの例では、リスク計算サーバは、車両の経路を妨害するオブジェクトが、リスク動作が発生する前の時間に存在する場合、緩和状況が存在したと判定することができる。
例示的な実施形態では、リスク計算サーバは、画像情報に加えて、距離センサ124によって提供される距離情報を使用して、緩和状況を考慮してリスク動作が実行されたかどうかを判定することができる。
リスク計算サーバ300は、1つ以上の距離センサによって提供される距離情報を使用して、車両と、リスク動作が発生したときのほぼ周辺の時間における車両の周辺領域内の識別されたオブジェクトとの間の距離を判定することができる。
リスク計算サーバは、例えば、車両とリスク動作の可能性のある原因との間の距離が、リスク動作が発生する前の時間に予め定義された閾値を上回った/下回った場合、緩和状況が存在したと判定することができる。物体認識は、物体を表現し、それらを画像の背景から区別する画像データ内のエッジを識別するプロセッサによって実行されてもよい。
次いで、これらのオブジェクトは、オブジェクトが何であるかを判定するために既知の画像と相関され、または、少なくともサイズのようなオブジェクトの態様を識別することができる。例示的な実施形態では、画像は、複数のオブジェクトにセグメント化され得る。
オブジェクトは、動画像においてフレームごとに追跡されてもよく、この追跡は、いくつかの実施形態では、オブジェクトが画像において互いに重複する場合、精度のために有用であり得る。距離センサ124は、周囲の車両領域内のオブジェクトの、車両からの距離を検出するために使用され得る。
いくつかの実施形態では、リスク計算サーバ300は、1つ以上のカメラ122によって提供される車両の周囲の領域の画像情報を使用して、状況を緩和する観点からリスク動作が実行されたかどうかを判定することができる。
リスク計算サーバ300は、具体的には、リスク動作が発生した時間のほぼ周辺でキャプチャされた画像情報を使用して、車両の周囲の領域内の識別オブジェクトを判定することができる。いくつかの例では、リスク計算サーバは、リスク動作の考えられる原因を特定するために、オブジェクト認識ソフトウェアを使用してもよい。
例えば、画像情報は、リスク動作の可能性のある原因として、倒壊した木、交通事故、迷走動物等を示してもよい。いくつかの例では、リスク計算サーバは、車両の経路を妨害するオブジェクトが、リスク動作が発生する前の時間に存在する場合、緩和状況が存在したと判定することができる。
例示的な実施形態では、リスク計算サーバは、画像情報に加えて、距離センサ124によって提供される距離情報を使用して、緩和状況を考慮してリスク動作が実行されたかどうかを判定することができる。
リスク計算サーバ300は、1つ以上の距離センサによって提供される距離情報を使用して、車両と、リスク動作が発生したときのほぼ周辺の時間における車両の周辺領域内の識別されたオブジェクトとの間の距離を判定することができる。
リスク計算サーバは、例えば、車両とリスク動作の可能性のある原因との間の距離が、リスク動作が発生する前の時間に予め定義された閾値を上回った/下回った場合、緩和状況が存在したと判定することができる。物体認識は、物体を表現し、それらを画像の背景から区別する画像データ内のエッジを識別するプロセッサによって実行されてもよい。
次いで、これらのオブジェクトは、オブジェクトが何であるかを判定するために既知の画像と相関され、または、少なくともサイズのようなオブジェクトの態様を識別することができる。例示的な実施形態では、画像は、複数のオブジェクトにセグメント化され得る。
オブジェクトは、動画像においてフレームごとに追跡されてもよく、この追跡は、いくつかの実施形態では、オブジェクトが画像において互いに重複する場合、精度のために有用であり得る。距離センサ124は、周囲の車両領域内のオブジェクトの、車両からの距離を検出するために使用され得る。
例示的な実施形態では、以下に説明するように、リスク計算サーバは、画像および距離情報に加えて、他の情報を使用して、緩和状況が存在したかどうかを判定することができる。例えば、リスク計算サーバは、リスク動作が発生する前の時点で、リスク動作の可能性のある原因が運転者の視野内にあったか否か、リスク動作が発生する前の時点での車両の速度、加速度、方向、および、支配的な気象条件を使用することができる。
いくつかの実施形態では、リスク計算サーバは、リスク動作が回避可能である可能性を表す確率を決定し、確率が所定の閾値を下回る場合、軽減状況が存在したと判定することができる。
いくつかの実施形態では、リスク計算サーバは、リスク動作が回避可能である可能性を表す確率を決定し、確率が所定の閾値を下回る場合、軽減状況が存在したと判定することができる。
リスク計算サーバが、リスクマーカを検出することによって、受信されたテレメトリ情報においてリスク動作が発生したことを識別した後、リスク計算サーバは、ステップS580において、状況を緩和することを考慮して、リスク動作が実行されたかどうかを判定し得る。
リスク動作は、運転者の制御外の理由による衝突を回避するためにリスク動作が実行されたことが必要であった場合、緩和状況において実行される。例えば、そうでなければ安全に運転していた車両10の前の道路800上にヘッジホッグが突然飛び出してきた場合、運転者は、ヘッジホッグとの衝突を避けるためにリスク動作を行うことを求められていた可能性がある。
リスク計算サーバ300は、テレメトリ情報によって提供されるリスク動作の前の時点で、車両の周囲の領域の1つ以上の画像を分析して、リスク動作が回避可能であったかどうか、したがって、緩和状況が存在したかどうかを判定することができる。
リスク動作は、運転者の制御外の理由による衝突を回避するためにリスク動作が実行されたことが必要であった場合、緩和状況において実行される。例えば、そうでなければ安全に運転していた車両10の前の道路800上にヘッジホッグが突然飛び出してきた場合、運転者は、ヘッジホッグとの衝突を避けるためにリスク動作を行うことを求められていた可能性がある。
リスク計算サーバ300は、テレメトリ情報によって提供されるリスク動作の前の時点で、車両の周囲の領域の1つ以上の画像を分析して、リスク動作が回避可能であったかどうか、したがって、緩和状況が存在したかどうかを判定することができる。
例えば、図10において、リスク動作の前の時刻に、車両10は安全に運転している。
車両10は、図10に示される瞬間に、図9の第2の組のテレメトリ情報422または第3の組のテレメトリ情報424に対応し得るテレメトリ情報を送信している。リスク計算サーバ300は、車両10が制限速度400の下で運転している(この例では、制限速度400は30mphであり、自動車は25mphで運転している)と判定し得る。
リスク計算サーバ300は、ヘッジホッグがリスク動作の可能性のある原因であると判定することができる。リスク計算サーバ300は、ヘッジホッグが運転者の視野20の外側にあると判定し得る。リスク計算サーバ300は、ヘッジホッグが、自動車10上の距離センサから距離「dh」60だけ離れていると判定し、さらに、距離60が所定の閾値を上回っていると判定することができる。
これらの判定のうちの1つ以上を使用して、リスク計算サーバ300は、車両10の運転者が安全に運転していたこと、および、図8に示されるリスク動作が不可避であったことを決定し得る。したがって、制御部140は、リスク動作がどのくらい回避可能であったかの可能性を表す確率が、予め定義された閾値を下回り、したがって、緩和状況が存在したと判定することができる。
車両10は、図10に示される瞬間に、図9の第2の組のテレメトリ情報422または第3の組のテレメトリ情報424に対応し得るテレメトリ情報を送信している。リスク計算サーバ300は、車両10が制限速度400の下で運転している(この例では、制限速度400は30mphであり、自動車は25mphで運転している)と判定し得る。
リスク計算サーバ300は、ヘッジホッグがリスク動作の可能性のある原因であると判定することができる。リスク計算サーバ300は、ヘッジホッグが運転者の視野20の外側にあると判定し得る。リスク計算サーバ300は、ヘッジホッグが、自動車10上の距離センサから距離「dh」60だけ離れていると判定し、さらに、距離60が所定の閾値を上回っていると判定することができる。
これらの判定のうちの1つ以上を使用して、リスク計算サーバ300は、車両10の運転者が安全に運転していたこと、および、図8に示されるリスク動作が不可避であったことを決定し得る。したがって、制御部140は、リスク動作がどのくらい回避可能であったかの可能性を表す確率が、予め定義された閾値を下回り、したがって、緩和状況が存在したと判定することができる。
いくつかの実施形態では、リスク計算サーバ300は、ヘッジホッグが車両の経路と交差する可能性を判定することができる。例えば、リスク計算サーバ300は、リスク動作が実行される前の期間にわたって、車両からのヘッジホッグの距離を追跡してもよい。リスク計算サーバ300は、ヘッジホッグの速度を推定することができる。
リスク計算サーバ300は、車からのヘッジホッグの速度および/または距離と組み合わせて、速度、方向および/または加速度を使用して、見込み交差点を判定することができる。例えば、リスク計算サーバ300は、ヘッジホッグおよび自動車が衝突するために進行中であるかどうかを予測するために、当技術分野で知られている任意の動力学方程式を使用することができる。
リスク計算サーバ300は、ヘッジホッグと車とが衝突する可能性が高いと判定された場合、この情報を用いて、衝突が回避可能であったか否かを判定する。例えば、車両10とヘッジホッグとが衝突していると判定された場合、リスク算出サーバ300は、ヘッジホッグが運転者の視野内にあるか否かを判定してもよい。
ヘッジホッグが運転者の視野内に存在せず、衝突が発生する可能性が高いと予測される場合には、リスク動作は避けられなかったとみなすことができる。逆に、衝突が発生する可能性が高いと判定され、ヘッジホッグが運転者の視野内にある場合、運転者はヘッジホッグに気付いて応答して減速するべきであるため、リスク動作が回避可能であったと判定することができる。
リスク計算サーバ300は、車からのヘッジホッグの速度および/または距離と組み合わせて、速度、方向および/または加速度を使用して、見込み交差点を判定することができる。例えば、リスク計算サーバ300は、ヘッジホッグおよび自動車が衝突するために進行中であるかどうかを予測するために、当技術分野で知られている任意の動力学方程式を使用することができる。
リスク計算サーバ300は、ヘッジホッグと車とが衝突する可能性が高いと判定された場合、この情報を用いて、衝突が回避可能であったか否かを判定する。例えば、車両10とヘッジホッグとが衝突していると判定された場合、リスク算出サーバ300は、ヘッジホッグが運転者の視野内にあるか否かを判定してもよい。
ヘッジホッグが運転者の視野内に存在せず、衝突が発生する可能性が高いと予測される場合には、リスク動作は避けられなかったとみなすことができる。逆に、衝突が発生する可能性が高いと判定され、ヘッジホッグが運転者の視野内にある場合、運転者はヘッジホッグに気付いて応答して減速するべきであるため、リスク動作が回避可能であったと判定することができる。
上記の例は、どのように緩和状況が判定され得るかのいくつかの例にすぎないことが理解される。
いくつかの実施形態では、リスク計算サーバ300は、リスク動作が実行されたにもかかわらず、緩和状況が存在しなかったと判定することがある。
そのような状況は、図11に示される。
自動車10は、この例では、図9の第2の組のテレメトリ情報422または第3の組のテレメトリ情報424に対応し得るテレメトリ情報を送信している。リスク計算サーバ300は、自動車10が制限速度400を超えて運転している(この例では、制限速度400は30mphであり、自動車は40mphで運転している)と判定し得る。
リスク計算サーバ300は、ヘッジホッグが運転者の視野20内にあることを判定することができる。リスク計算サーバ300は、ヘッジホッグが車10上の距離センサから距離「dh」60だけ離れていると判定し、さらに、距離60が所定の閾値を下回っていると判定することができる。
これらの決定のうちの1つ以上を使用して、制御ユニット140は、車両10の運転者が、リスク動作の前に自分の周囲を十分に考慮しなかったこと、したがって、リスク動作が回避され得たことを決定し得る。したがって、リスク計算サーバ300は、リスク動作がどの程度回避可能であったかの可能性を表す確率が、予め定義された閾値を上回り、したがって、緩和状況が存在しなかったと判定することができる。
この場合、処理はステップS484に進む。
そのような状況は、図11に示される。
自動車10は、この例では、図9の第2の組のテレメトリ情報422または第3の組のテレメトリ情報424に対応し得るテレメトリ情報を送信している。リスク計算サーバ300は、自動車10が制限速度400を超えて運転している(この例では、制限速度400は30mphであり、自動車は40mphで運転している)と判定し得る。
リスク計算サーバ300は、ヘッジホッグが運転者の視野20内にあることを判定することができる。リスク計算サーバ300は、ヘッジホッグが車10上の距離センサから距離「dh」60だけ離れていると判定し、さらに、距離60が所定の閾値を下回っていると判定することができる。
これらの決定のうちの1つ以上を使用して、制御ユニット140は、車両10の運転者が、リスク動作の前に自分の周囲を十分に考慮しなかったこと、したがって、リスク動作が回避され得たことを決定し得る。したがって、リスク計算サーバ300は、リスク動作がどの程度回避可能であったかの可能性を表す確率が、予め定義された閾値を上回り、したがって、緩和状況が存在しなかったと判定することができる。
この場合、処理はステップS484に進む。
リスク計算サーバ300が、緩和状況に鑑みてリスク動作が実行されたと判定した場合、処理は図8のステップS580に進み、リスク計算サーバ300は、サーバ300に送信されるべきテレメトリ情報に緩和マーカを添付する。
言い換えれば、制御部は、ステップS484において送信されるテレメトリ情報とともに、テレメトリ情報が、緩和状況を考慮してリスク動作が発生したときにキャプチャされた情報に対応するという指示を含む。
言い換えれば、制御部は、ステップS484において送信されるテレメトリ情報とともに、テレメトリ情報が、緩和状況を考慮してリスク動作が発生したときにキャプチャされた情報に対応するという指示を含む。
したがって、リスク算出サーバ300は、ステップS584において、状況を軽減する観点から、リスク動作に関連するテレメトリ情報を容易に探し出し、それに応じて運転者のリスクファクタを決定することができる。いくつかの実施形態では、リスク計算サーバ300は、緩和状況を考慮したリスク動作が発生したと見なされた時間に対応するテレメトリ情報を削除してもよい。
そのような実施形態では、リスクファクタは、緩和状況を考慮して実行されるリスク動作を考慮することなく計算される。いくつかの実施形態では、サーバ回路は、テレメトリデータ保持ルールによって制御される。いくつかの実施形態では、テレメトリデータは、第1の所定の期間の間保持される。
いくつかの実施形態では、テレメトリデータは、他のテレメトリと一緒に平均化される前に、第1の所定期間にわたって保持される。いくつかの実施形態では、緩和なしのリスク動作に関連するテレメトリデータは、第1の所定の期間保持され、その一方で、緩和ありのリスク動作に関連するテレメトリデータは、第2のより短い所定の期間保持される。いくつかの例では、車両の運転者は、データ保護要件を満たすために、ある期間の間、テレメトリデータの保持に同意することができる。
そのような実施形態では、リスクファクタは、緩和状況を考慮して実行されるリスク動作を考慮することなく計算される。いくつかの実施形態では、サーバ回路は、テレメトリデータ保持ルールによって制御される。いくつかの実施形態では、テレメトリデータは、第1の所定の期間の間保持される。
いくつかの実施形態では、テレメトリデータは、他のテレメトリと一緒に平均化される前に、第1の所定期間にわたって保持される。いくつかの実施形態では、緩和なしのリスク動作に関連するテレメトリデータは、第1の所定の期間保持され、その一方で、緩和ありのリスク動作に関連するテレメトリデータは、第2のより短い所定の期間保持される。いくつかの例では、車両の運転者は、データ保護要件を満たすために、ある期間の間、テレメトリデータの保持に同意することができる。
いくつかの実施形態では、リスク計算サーバ300は、状況を緩和することがどのように緩和マーカ内にあったかの指示を含むことができる。いくつかの実施形態では、複数種類の緩和マーカが存在し得る。例えば、リスク計算サーバ300は、低緩和閾値、中緩和閾値、または高緩和閾値をそれぞれ超過するかどうかに応じて、低緩和、中緩和、および高緩和マーカを添付することができる。
例えば、リスク計算サーバ300が、運転者がリスク動作を実行することを回避することができる特に低い確率があったと決定した場合、高い緩和マーカがアタッチされ得る。
例えば、リスク計算サーバ300が、運転者がリスク動作を実行することを回避することができる特に低い確率があったと決定した場合、高い緩和マーカがアタッチされ得る。
いくつかの実施形態では、リスク計算サーバは、リスク動作が発生した時間付近の支配的な気象条件を判定することができる。例えば、サーバは、Met Officeのような気象サービスから気象条件情報を受信することができる。他の例では、リスク計算サーバは、気象条件を判定するために、リスク動作が実行された時間の実質的に周辺の車両機器から受信された画像上のオブジェクト認識ソフトウェアを使用してもよい。
判定された気象条件は、リスク動作が回避可能であった可能性を表す確率を変更するために使用され得る。例えば、雨が降っている場合や、曇り等により視認性が低下している場合には、確率を低下させてもよい。あるいは、距離閾値は、上述のように、気象条件に適応可能であってもよい。
判定された気象条件は、リスク動作が回避可能であった可能性を表す確率を変更するために使用され得る。例えば、雨が降っている場合や、曇り等により視認性が低下している場合には、確率を低下させてもよい。あるいは、距離閾値は、上述のように、気象条件に適応可能であってもよい。
図12は、異なる緩和マーカを取り付けることができる例示的なシナリオを示す。
図12では、第1、第2、第3の車両機器100a、100b、100cを備えた第1、第2、第3の車両10a、10b、10cの運転者は、それぞれ時速30マイルで運転し、第1、第2、第3の倒壊木900a、900b、900cとの衝突を回避するために緊急制動を行う。
図12に示すように、各々の木900a~cは瞬時に崩壊し、100a~cは2秒で停止し、15mph/sの減速となる。リスク動作閾値は、10mph/sの減速度で設定してもよい。したがって、各車両機器100a~cの制御部は、各車両100a~cがリスク動作を行ったと判定する。しかしながら、第1、第2、および第3の車両100a~cは、リスク動作が実行された時間において、それぞれの崩壊した木900a~cから異なる距離(それぞれ、da520、db540、およびdc560)だけ離れている。
リスク計算サーバは、距離da520、db540、およびdc560を、それぞれ、低、中、および高緩和閾値と比較して、いずれの場合にどの緩和マーカを取り付けるかを判定することができる。この例では、樹木の崩壊時に車両が近ければ近いほど、車両がリスク動作を実行して回避する可能性が低くなるため、緩和マーカは高くなる。したがって、車両100a、100b、100cによって実行されるリスク動作には、それぞれ、高緩和マーカ、中緩和マーカ、および低緩和マーカが割り当てられ得る。
車両と倒壊した樹木との間の距離が図12に示すいずれかの距離よりも大きい場合、急ブレーキに頼ることなく車両を徐々に減速させるのに十分な時間が運転手にあったため、リスク計算サーバは緩和状況が存在しなかったと判定してもよい。
図12では、第1、第2、第3の車両機器100a、100b、100cを備えた第1、第2、第3の車両10a、10b、10cの運転者は、それぞれ時速30マイルで運転し、第1、第2、第3の倒壊木900a、900b、900cとの衝突を回避するために緊急制動を行う。
図12に示すように、各々の木900a~cは瞬時に崩壊し、100a~cは2秒で停止し、15mph/sの減速となる。リスク動作閾値は、10mph/sの減速度で設定してもよい。したがって、各車両機器100a~cの制御部は、各車両100a~cがリスク動作を行ったと判定する。しかしながら、第1、第2、および第3の車両100a~cは、リスク動作が実行された時間において、それぞれの崩壊した木900a~cから異なる距離(それぞれ、da520、db540、およびdc560)だけ離れている。
リスク計算サーバは、距離da520、db540、およびdc560を、それぞれ、低、中、および高緩和閾値と比較して、いずれの場合にどの緩和マーカを取り付けるかを判定することができる。この例では、樹木の崩壊時に車両が近ければ近いほど、車両がリスク動作を実行して回避する可能性が低くなるため、緩和マーカは高くなる。したがって、車両100a、100b、100cによって実行されるリスク動作には、それぞれ、高緩和マーカ、中緩和マーカ、および低緩和マーカが割り当てられ得る。
車両と倒壊した樹木との間の距離が図12に示すいずれかの距離よりも大きい場合、急ブレーキに頼ることなく車両を徐々に減速させるのに十分な時間が運転手にあったため、リスク計算サーバは緩和状況が存在しなかったと判定してもよい。
いくつかの実施形態では、リスクマーカおよび/または緩和マーカは、1ビットフラグによって表され得る。いくつかの実施形態では、例えば、3つのタイプのマーカ(例えば、上記で説明したように、低、中、および高)があるとき、リスクマーカは、複数のビットフラグによって表され得る。
マーカの添付は、フィールドをデータベース内のレコードに割り当てることによって表現されてもよい。添付されるマーカは、ハイパーテキストマークアップ言語(HTML)のようなテレメトリデータを表す構造化データの階層で割り当てられてもよい。
いくつかの実施形態では、リスク動作は、自律的に(半自律車両または完全自律車両において)実行され得る。そのような実施形態では、制御部140は、リスク動作が自律的に実行されたという、サーバに送信されるテレメトリ情報内の指示を含んでもよい。
例えば、図13は、図4に基づいているが、リスク動作が自動化されたプロセスの結果であったかどうかを判定するために制御ユニット140によって行われる追加のステップを含む。
ステップS480において、制御ユニット140が、リスク動作が発生し、リスクマーカをテレメトリ情報に添付したと判定した後、制御ユニット140は、リスク動作が車両によって自律的に実行されたかどうかを判定する。
例えば、制御部140は、当業者に理解されるような自動緊急ブレーキ(AEB)または自動運転もしくは他の自動運転機能が、リスク動作が発生した時に作動中であったか否かを検出することができる。
制御部140が、自動化されたプロセスの結果としてリスク動作が実行されたと判定した場合、ステップS492において、制御部140は、ステップS484において、リスク計算サーバ300に送信されるテレメトリ情報に自律マーカを添付することができる。自律マーカは、リスク動作が自動化されたプロセスによって実行されたという指示を含む。
ステップS480において、制御ユニット140が、リスク動作が発生し、リスクマーカをテレメトリ情報に添付したと判定した後、制御ユニット140は、リスク動作が車両によって自律的に実行されたかどうかを判定する。
例えば、制御部140は、当業者に理解されるような自動緊急ブレーキ(AEB)または自動運転もしくは他の自動運転機能が、リスク動作が発生した時に作動中であったか否かを検出することができる。
制御部140が、自動化されたプロセスの結果としてリスク動作が実行されたと判定した場合、ステップS492において、制御部140は、ステップS484において、リスク計算サーバ300に送信されるテレメトリ情報に自律マーカを添付することができる。自律マーカは、リスク動作が自動化されたプロセスによって実行されたという指示を含む。
図14は、リスク計算サーバ300が自律マーカをどのように処理し得るかの一例を示す。
理解されるように、図14は、図8に基づいているが、自律マーカを処理するためのリスク計算サーバのための追加のステップを含む。ステップS560において、リスク算出サーバ300は、車両機器100の通信部160から受信したテレメトリ情報に添付された自律マーカがあるか否かを判定する。
リスク計算サーバ300が、自律マーカが存在すると判定した場合、処理はステップS570に進む。ステップS570において、リスク計算サーバ300は、リスク動作が発生した時刻からのテレメトリ情報を用いて、リスク動作を実行した自動化プロセスが正しく機能していたか否かを判定してもよい。例えば、リスク計算サーバは、図3に示されるスワービングが自動ステアリングの正しい使用であったと判定することができる。
しかしながら、リスク計算サーバは、ステアリングが鋭すぎたか、または、早すぎたか、もしくは、遅すぎたと判定することがある。このような場合、サーバは、車両機器の通信部160にフィードバックを送信することができ、それにより、自動化されたプロセスがいつ関与されるかを判定するために使用されるアルゴリズムを改善することができる。
理解されるように、図14は、図8に基づいているが、自律マーカを処理するためのリスク計算サーバのための追加のステップを含む。ステップS560において、リスク算出サーバ300は、車両機器100の通信部160から受信したテレメトリ情報に添付された自律マーカがあるか否かを判定する。
リスク計算サーバ300が、自律マーカが存在すると判定した場合、処理はステップS570に進む。ステップS570において、リスク計算サーバ300は、リスク動作が発生した時刻からのテレメトリ情報を用いて、リスク動作を実行した自動化プロセスが正しく機能していたか否かを判定してもよい。例えば、リスク計算サーバは、図3に示されるスワービングが自動ステアリングの正しい使用であったと判定することができる。
しかしながら、リスク計算サーバは、ステアリングが鋭すぎたか、または、早すぎたか、もしくは、遅すぎたと判定することがある。このような場合、サーバは、車両機器の通信部160にフィードバックを送信することができ、それにより、自動化されたプロセスがいつ関与されるかを判定するために使用されるアルゴリズムを改善することができる。
いくつかの実施形態では、リスク計算サーバは、自律マーカを有するテレメトリ情報を使用して、車両の運転者ではなく、車両のリスクファクタを計算することができる。リスク計算サーバは、車両の特定のモデル、車両の製造業者、または車両の特定のソフトウェアバージョンなどの保険料を計算するために車両のリスクファクタを使用する保険会社によってアクセスされ得る。
いくつかの実施形態では、車両機器100は、リスク計算サーバに送信されるテレメトリ情報内の運転者に関する情報を含むことができる。例えば、1つ以上のカメラ122は、車両の内部に1つ以上のカメラを備え、車両の運転者を経時的に撮像してのよい。車両機器100の制御部140は、構成におけるテレメトリにおいて、リスク計算サーバ300への車両内部の1つ以上の画像を含んでもよい。
いくつかの実施形態では、制御部140は、リスク動作が実行される可能性を低減するために、車両の運転者が予防措置を取ったか否かを、リスク動作の前に識別し得る。例えば、制御部140は、車両内部の1つ以上の画像に対して画像解析を実行して、運転者が車両のミラーをチェックしたか、または、リスク動作が実行される前にある時点で道路700を見ていたかを判定してもよい。
制御部140は、リスク動作が発生する前の所定の期間、運転者が道路を見ていなかった場合、緩和状況が存在しなかったと判定してもよい。
いくつかの実施形態では、制御部140は、リスク動作が実行される可能性を低減するために、車両の運転者が予防措置を取ったか否かを、リスク動作の前に識別し得る。例えば、制御部140は、車両内部の1つ以上の画像に対して画像解析を実行して、運転者が車両のミラーをチェックしたか、または、リスク動作が実行される前にある時点で道路700を見ていたかを判定してもよい。
制御部140は、リスク動作が発生する前の所定の期間、運転者が道路を見ていなかった場合、緩和状況が存在しなかったと判定してもよい。
いくつかの実施形態では、道路内のヘッジホッグのような小動物のための急ブレーキは、状況緩和なしのリスク動作であり得る。いくつかの実施形態では、道路内のヘッジホッグのような小動物のための急ブレーキは、運転者がリアビューミラーをチェックした場合の緩和状況を伴うリスク動作であり得る。
いくつかの実施形態では、車両への損傷を引き起こす可能性があるより大きな動物に対する急ブレーキは、状況を緩和するリスク動作であり得る。車両機器100は、動物の大きさを判定してもよい。例えば、カメラ122および/または距離センサは、動物のサイズを判定するために使用され得る。
いくつかの実施形態では、車両への損傷を引き起こす可能性があるより大きな動物に対する急ブレーキは、状況を緩和するリスク動作であり得る。車両機器100は、動物の大きさを判定してもよい。例えば、カメラ122および/または距離センサは、動物のサイズを判定するために使用され得る。
(リスクファクタの計算)
リスク計算サーバ300は、メモリ330内の個人、個人が所有する車両、および個人の保険証書の識別を行うことができる。しかしながら、車両の所有者として登録された個人が、必ずしも車両を運転しているとは限らない場合がある。例えば、車両が、(コンシェルジュ駐車サービスのような、または、家族に貸し出される)別個の保険負債を有する他のユーザに、許可された方法で、所有者によって一時的に貸し出される場合、本実施形態は、車両所有者以外のユーザが、ある期間、車両を運転しているという指示を提供するために、サーバにコンタクトする手段を提供することができる。
リスク計算サーバ300は、メモリ330内の個人、個人が所有する車両、および個人の保険証書の識別を行うことができる。しかしながら、車両の所有者として登録された個人が、必ずしも車両を運転しているとは限らない場合がある。例えば、車両が、(コンシェルジュ駐車サービスのような、または、家族に貸し出される)別個の保険負債を有する他のユーザに、許可された方法で、所有者によって一時的に貸し出される場合、本実施形態は、車両所有者以外のユーザが、ある期間、車両を運転しているという指示を提供するために、サーバにコンタクトする手段を提供することができる。
例えば、リスク計算サーバ300は、車両機器の入力部150を介してアクセス可能なアプリケーションを介してサービスを提供してもよい。車両のユーザは、ユーザがアプリケーションを使用して所与の期間車両を運転していることを示す指示をサーバにアップロードすることができる。
ユーザは、代替保険がこの期間の間に配置されていることを示してもよく、検証のためのアプリケーションを通して一時保険証書番号を挿入してもよい。他の実施形態では、サーバによって提供されるサービスは、運転者のスマートフォン、コンピュータ、タブレットなどを使用してアクセス可能であり得る。
ユーザは、代替保険がこの期間の間に配置されていることを示してもよく、検証のためのアプリケーションを通して一時保険証書番号を挿入してもよい。他の実施形態では、サーバによって提供されるサービスは、運転者のスマートフォン、コンピュータ、タブレットなどを使用してアクセス可能であり得る。
本実施形態は、車両の運転者の身元を検証することができる。例えば、車両機器の1つ以上のカメラ122は、車両の周囲の領域を撮像するための1つ以上の外部カメラに加えて、運転者の画像を撮像するための1つ以上の内部カメラを含んでもよい。制御部140は、運転者の身元を検証するために、運転者の1つ以上の画像をリスク計算サーバ300に送信してもよい。
リスク計算サーバ300は、運転者の画像をサーバの記憶部内の画像と比較して、運転者の識別子(アイデンティティ)を判定してもよい。次いで、サーバ300は、運転者のための保険ポリシーを判定し、運転者のためのリスクファクタの計算に進んでもよい。
リスク計算サーバ300は、運転者の画像をサーバの記憶部内の画像と比較して、運転者の識別子(アイデンティティ)を判定してもよい。次いで、サーバ300は、運転者のための保険ポリシーを判定し、運転者のためのリスクファクタの計算に進んでもよい。
リスク計算サーバ300によって提供されるこのサービスは、運転者がカークラブまたはカーシェアリング方式などの異なる場所でレンタル車両へのアクセスを得ることができるサブスクリプションサービスであってもよい。サービスのサブスクリプション価格、または、使用価格当たりの変数は、運転者用に以前に計算されたリスクファクタによって影響され得る。
例えば、この方式の一部である車両は、特定の運転者が車両を運転している時間中に、車両の周囲の領域の画像データ、および、車両の動きを示す1つ以上の監視されたパラメータの測定値をリスク計算サーバ300に送信することができる。
リスク計算サーバ300は、(例えば、アプリケーションを介して運転者によって提供され得る)運転者の識別子と共に、リスク計算サーバに記憶されている運転者のリスクファクタを計算し得る。車両の運転者が、後に、方式において別の車両を使用する場合、サブスクリプション価格は、前に計算されたリスクファクタによって決定され得る。例示的な実施形態では、(運転者の個人車両のような)方式外の運転者によって運転される車両から以前に計算されたリスクファクタは、リスク計算サーバ300にインポートされ、運転者のサブスクリプション価格を決定するために使用され得る。
例えば、この方式の一部である車両は、特定の運転者が車両を運転している時間中に、車両の周囲の領域の画像データ、および、車両の動きを示す1つ以上の監視されたパラメータの測定値をリスク計算サーバ300に送信することができる。
リスク計算サーバ300は、(例えば、アプリケーションを介して運転者によって提供され得る)運転者の識別子と共に、リスク計算サーバに記憶されている運転者のリスクファクタを計算し得る。車両の運転者が、後に、方式において別の車両を使用する場合、サブスクリプション価格は、前に計算されたリスクファクタによって決定され得る。例示的な実施形態では、(運転者の個人車両のような)方式外の運転者によって運転される車両から以前に計算されたリスクファクタは、リスク計算サーバ300にインポートされ、運転者のサブスクリプション価格を決定するために使用され得る。
以下の式1から理解されるように、車両の運転者のリスクファクタは、運転者情報(運転者の年齢、性別、運転経験など)、車両情報(車両の使用年数、モデルなど)、リスク動作(車両機器100から受信された過酷なブレーキング、加速、スワービングなどの証拠)、および、緩和状況(衝突を回避するためにリスク動作が必要であったので、リスク動作からの控除)の関数として計算され得る。
リスクファクタは、車両の運転者が将来の交通事故にどの程度関与する可能性があるかを示す指標である。
リスクファクタは、車両の運転者が将来の交通事故にどの程度関与する可能性があるかを示す指標である。
(式1) リスクファクタ= f [運転者情報、車両情報、リスク動作、緩和状況]
車両の運転者の保険業者は、リスク計算サーバ300を介してリスクファクタにアクセスし、運転者との合意された保険証書と組み合わせてリスクファクタを使用して、運転者の保険料を計算することができる。
例示的な実施形態によれば、リスクファクタは、車両機器によって報告された、いくつかのリスク動作と正の相関を有する。また、リスクファクタは、リスク動作の重篤度と正の相関を有し得る。上記で説明したように、車両機器の制御部140は、リスク動作がリスクマーカ内でどれくらい深刻であったかの指示を含むことができる(例えば、制御部140は、低リスク動作マーカ、中リスク動作マーカ、または高リスク動作マーカを添付することができる)。
いくつかの実施形態では、リスク計算サーバ300は、緩和マーカを有するテレメトリ情報を無視および/または削除することができる。言い換えれば、リスクファクタ計算は、緩和状況を有しなかったリスク動作のみに基づくことができる。
そのような実施形態では、リスクファクタの精度が改善されるが、それは、状況を緩和する観点から、運転者がリスク動作を実行することに対してペナルティを課されるべきではないからである。
そのような実施形態では、リスクファクタの精度が改善されるが、それは、状況を緩和する観点から、運転者がリスク動作を実行することに対してペナルティを課されるべきではないからである。
いくつかの実施形態では、リスク計算サーバは、リスク動作が緩和状況において実行された場合、リスクファクタに対するリスク動作の影響を低減する。上記で説明したように、リスクファクタに対するリスク動作の影響は、例えば、高い緩和マーカによって示されるように、リスク動作が回避され得る可能性がより低い場合、さらに低減され得る。
例示的な実施形態では、リスクファクタは、運転行動記録(DBR)を経時的に監視することによって推定され得る。DBRは、下記の数式2に示すように、「道路イベント」、「運転者行動」および「結果」の関数であってもよい。
(式2) DBR = (道路イベント、リスク動作、結果)
車両機器は、時刻tにおいて、リスク動作が実行されたこと(例えば、過酷なブレーキング、方向の過酷な変化等)を判定してもよい。リスク動作は、関数A(t)によって表すことができる。
A(t)は、車両機器にリスク動作が発生したと判定させた方向の変化率または速度の変化率等を表してもよい。リスク計算サーバ300に、A(t)が提供される。
A(t)は、車両機器にリスク動作が発生したと判定させた方向の変化率または速度の変化率等を表してもよい。リスク計算サーバ300に、A(t)が提供される。
リスク計算サーバは、交通の時間tまでの記録、および、他の外部条件ならびに道路イベントをレビューすることによって、リスク動作につながる道路イベントを分析することができる。
例えば、リスク計算サーバは、リスク動作が発生した一期間(例えば、テレメトリ情報422、424)およびリスク動作が発生した一期間(テレメトリ情報426)付近から(車両機器から受信された)テレメトリ情報を分析してもよい。
例えば、リスク計算サーバは、リスク動作が発生した一期間(例えば、テレメトリ情報422、424)およびリスク動作が発生した一期間(テレメトリ情報426)付近から(車両機器から受信された)テレメトリ情報を分析してもよい。
リスク計算サーバ300は、リスク動作を引き起こした道路イベントを運転者が知覚する間の最大遅延(D)と、リスク動作を引き起こした道路イベントを運転者が知覚する間の最小遅延(d)とを定義することによって、どのテレメトリ情報を分析すべきかを決定することができる。
このイベントは、任意の視覚的、聴覚的、または機械的な動き/振動/衝撃事象であってもよい。
このイベントは、任意の視覚的、聴覚的、または機械的な動き/振動/衝撃事象であってもよい。
次に、t-Dとt-dとの間で生じる道路イベント(文字Eで示すことができる)が分析され、リスク動作を最も起こしやすい道路イベントE*を決定するために、考慮される運転者に提示すると思われる脅威に従って優先順位付けされる。
言い換えれば、道路イベント「E*」は、結果Cを伴う運転者行動A(t)を引き起こす。結果Cは、実行されたリスク動作の任意の結果であり得る。例えば、結果は、衝突、ニアミスなどを含むことができる。
リスク計算サーバは、基準ドライバモデルと比較してもよい。基準ドライバモデルは、結果C*を有する道路イベントE*を考慮して、リスク動作A*(t)を実行する。例示的な実施形態において、基準ドライバモデルは、現実的なモデル運転者であってもよい。
例えば、基準ドライバモデルは、結果C*を有する道路イベントE*を考慮してリスク動作A*(t)を実行した場合に運転試験に合格する運転者であってもよい。
例えば、基準ドライバモデルは、結果C*を有する道路イベントE*を考慮してリスク動作A*(t)を実行した場合に運転試験に合格する運転者であってもよい。
リスク計算サーバ300は、リスク動作A(t)をA*(t)と比較し、結果CをC*と比較して、差異/偏差を決定することができる。
基準ドライバモデルは、リスク動作A(t)を実行したドライバと同様に、リスク計算サーバによって選択されてもよい。例えば、保険会社は、基準ドライバモデルが、同じ年齢であるべきであり、同じ運転経験を有し、同じ車両を有し、同じ条件および地理などで同じ時刻に運転して、代表的な基準ドライバモデルを決定するべきであると判定してもよい。
例示的な実施形態では、基準ドライバモデルは、ラッシュアワであるかどうか、または、視認性が低下しているかどうかを考慮に入れてもよい。
例示的な実施形態では、基準ドライバモデルは、ラッシュアワであるかどうか、または、視認性が低下しているかどうかを考慮に入れてもよい。
リスク動作A(t)をA*(t)と比較し、結果CをC*と比較して差異/偏差を求めることにより、リスク動作偏差および期待される結果偏差に基づくリスクファクタを計算することができる。
例示的な実施形態では、リスク計算サーバ300は、車両の運転者が将来の参照のために道路イベントE*に対する比例応答を学習することができるように、基準ドライバモデルがどのように実行されたかの指示を車両機器に送信することができる。
例えば、この指示は、基準ドライバモデルが道路イベントE*に先立ってよりスムーズかつより早く制動された可能性があることを指定することができる。
例えば、この指示は、基準ドライバモデルが道路イベントE*に先立ってよりスムーズかつより早く制動された可能性があることを指定することができる。
例示的な実施形態では、そうでなければ安全な運転者は、緩和状況が存在したときにリスク動作を実行してもよい。言い換えれば、運転者のDBRは、運転者がマイナスに得点したことを示す。E(t-)、A(t-)、C(t-))は、運転者の負のスコアリングDBRを表すと仮定する。
リスク計算サーバ300は、運転者が肯定的に得点を得たメモリ330に格納された運転者について、以前のDBRを分析してもよい。運転者は、道路イベントに安全に応答したので、プラスにスコアを付けてもよい。例えば、リスク計算サーバ300は、運転者が結果C(+)でリスク動作A(t+)を実行したE(t-)に最も近い道路イベントE(t+)を位置付けしてもよい。
リスク計算サーバ300は、運転者が肯定的に得点を得たメモリ330に格納された運転者について、以前のDBRを分析してもよい。運転者は、道路イベントに安全に応答したので、プラスにスコアを付けてもよい。例えば、リスク計算サーバ300は、運転者が結果C(+)でリスク動作A(t+)を実行したE(t-)に最も近い道路イベントE(t+)を位置付けしてもよい。
そのような実施形態では、リスク計算サーバ300は、肯定的にスコア付けされた道路イベント(E(t+))に対して運転者がどのように実行したかを運転者にリマインダを送信することができる。このリマインダは、道路イベントE(t+)のリマインダを含んでもよい。例えば、リマインダは、リスク動作の時間/位置および原因を含むことができる。
リマインダは、リスク動作A(t+)のリマインダを含むことができる。例えば、リマインダは、急ブレーキ、方向の急な変化などの証拠を含んでもよい。リマインダは、結果C(t+)のリマインダを含むことができる。例えば、リマインダは、衝突が回避されたという指示を含み得る。
リマインダは、リスク動作A(t+)のリマインダを含むことができる。例えば、リマインダは、急ブレーキ、方向の急な変化などの証拠を含んでもよい。リマインダは、結果C(t+)のリマインダを含むことができる。例えば、リマインダは、衝突が回避されたという指示を含み得る。
リマインダは、運転者が将来の同様の道路イベントに対してリスク動作A(t-)の代わりにリスク動作A(t+)を実行すべきであるという指示を含んでもよい。
したがって、DBRは、保険料の低減、事故の低減、継続的な改善および警戒を通じた運転の改善をもたらす可能性がある。
例示的な実施形態では、学習因子Lをリスクファクタ計算に導入することができる。学習値は、0と1の間の任意の値をとることができる(Lは、例えば、クイックラーニングの場合は0.9、スローラーニングの場合は0.1とすることができる)。
この学習要因は、リスクファクタの計算において、以前に蓄積されたDBR情報を重み付けするために使用され得る。
この学習要因は、リスクファクタの計算において、以前に蓄積されたDBR情報を重み付けするために使用され得る。
例示的な実施形態では、t,S(.)における累積DBRは、s(.)における観測から、S(t+1) = L s(t+l) +(1-L) S(t)で定義することによって、より滑らかにすることができる。
s(t)は、瞬間tにおけるリスク動作に割り当てられたスコアの値であり、その一方で、S(t)は、tとtとの前の所定のタイミングの間に生じるリスク動作に割り当てられたスコアの合計を表す。
s(t)は、瞬間tにおけるリスク動作に割り当てられたスコアの値であり、その一方で、S(t)は、tとtとの前の所定のタイミングの間に生じるリスク動作に割り当てられたスコアの合計を表す。
例示的な実施形態では、そのような重み付けは、新しい旅行が開始されるたびに実行され得る。このようにして、以前の旅行の過去の行動は、重み(1-L)および重みLを有する現在の運転で考慮される。
例示的な実施形態では、リスク計算サーバ300は、運転挙動の異常を検出することができる。例えば、Sが運転者の累積DBRを表す場合、例えば運転セッション間の時間の関数としてのSの急激なジャンプまたは低下は、運転挙動の変化を明らかにすることができる。
このような実施形態では、運転行動の異常を検出することは、特に、高齢運転者が車両を安全に操作するのに、より適合しやすいと判定するのに有用であり得る。また、アルコール、薬物等の影響下で運転する可能性もある。そのような事象が検出され、確認された場合、是正措置がとられ得る。
図2に示すように、車両機器100は、他のユニットによって提供される情報を表示するように構成された表示部110を備えることができる。
例えば、表示部110は、1つ以上のカメラ122によって撮影された1つ以上の画像を表示することができる。表示部110は、車両内に存在してもよく、車両の運転者には見える。
例えば、表示部110は、1つ以上のカメラ122によって撮影された1つ以上の画像を表示することができる。表示部110は、車両内に存在してもよく、車両の運転者には見える。
いくつかの実施形態において、図2に示されるように、入力部150が車両機器100内に含まれる。入力部150は、表示部110と組み合わせて構成されてもよい。例えば、入力部は、表示部110のタッチスクリーンインターフェースを表し得る。入力部150は、キーボードでもよい。入力部150は、車両の運転者が使用可能である。
いくつかの実施形態では、運転者は、入力部を使用して、リスク動作に関する情報をリスク計算サーバにアップロードすることができる。例えば、運転者は、リスク動作が発生した時間帯、リスク動作の理由、車両の故障などから、リスク動作が発生した時間帯を、1つ以上の付加的な画像と共に入力することができる。
言い換えれば、運転者は、入力部150を使用して、運転者のための保険料を決定する際に保険業者によって使用され得るリスク計算サーバに軽減情報を入力することができる。
いくつかの実施形態では、運転者は、入力部を使用して、リスク動作に関する情報をリスク計算サーバにアップロードすることができる。例えば、運転者は、リスク動作が発生した時間帯、リスク動作の理由、車両の故障などから、リスク動作が発生した時間帯を、1つ以上の付加的な画像と共に入力することができる。
言い換えれば、運転者は、入力部150を使用して、運転者のための保険料を決定する際に保険業者によって使用され得るリスク計算サーバに軽減情報を入力することができる。
図15は、例示的な実施形態による車両を動作させる手法を示す。
ステップS1520において、制御回路は、車両内の1つ以上のセンサと組み合わせて、ある期間にわたる車両の動きを示す1つ以上のパラメータを監視する。
ステップS1520において、制御回路は、車両内の1つ以上のセンサと組み合わせて、ある期間にわたる車両の動きを示す1つ以上のパラメータを監視する。
ステップS1540で、車両内の1つ以上のカメラが、その期間にわたって車両を取り囲む領域の1つ以上の画像をキャプチャする。これらの画像は、例えば、周期的な間隔でキャプチャされてもよいし、動画であってもよい。
いくつかの例では、1つ以上の位置センサを使用して、周囲の車両領域を含む車両のロケーションおよび/または位置を追跡することができる。1つ以上の画像の各々は、位置センサによって決定された対応する位置とともに記憶され得る。
いくつかの例では、1つ以上の位置センサを使用して、周囲の車両領域を含む車両のロケーションおよび/または位置を追跡することができる。1つ以上の画像の各々は、位置センサによって決定された対応する位置とともに記憶され得る。
ステップS1560では、車両内の制御回路が、監視されたパラメータに基づいて、車両によるリスク動作が一定時間内に実施されたことを検出する。例えば、制御回路は、急ブレーキ、加速度等が発生したことを検出し得る。
ステップS1580で、車両内の制御回路と組み合わせた送信器回路が、車両を取り囲む領域の1つ以上の画像の画像データと、リスク動作が行われたという指示とともに、その期間にわたる車両の動作を示す監視パラメータの測定値とをサーバに送信する。
例えば、リスク動作の指示は、サーバによって理解可能なリスクマーカの形式であってもよい。画像データは、キャプチャされた1つ以上の画像またはキャプチャされた1つ以上の画像自体の特徴データを含むことができる。
例えば、リスク動作の指示は、サーバによって理解可能なリスクマーカの形式であってもよい。画像データは、キャプチャされた1つ以上の画像またはキャプチャされた1つ以上の画像自体の特徴データを含むことができる。
図16は、例示的な実施形態による、プロセッサと、通信インターフェースと、実行可能コードとを備えるサーバによって実行される方法を示す。
ステップS1620において、サーバは、通信インターフェースを介して、周囲の車両領域の1つ以上の画像の画像データと、リスク動作が実行されたことを示す、ある期間にわたる車両の動きを示す1つ以上の監視されたパラメータの測定値とを受信する。
このサーバは、本明細書に記載のリスク計算サーバであってもよい。いくつかの実施形態では、リスク計算サーバは、車両に搭載されたエッジサーバを備えてもよい。
ステップS1620において、サーバは、通信インターフェースを介して、周囲の車両領域の1つ以上の画像の画像データと、リスク動作が実行されたことを示す、ある期間にわたる車両の動きを示す1つ以上の監視されたパラメータの測定値とを受信する。
このサーバは、本明細書に記載のリスク計算サーバであってもよい。いくつかの実施形態では、リスク計算サーバは、車両に搭載されたエッジサーバを備えてもよい。
ステップS1640では、1つ以上の画像の少なくとも画像データに基づいて、サーバ内の制御回路が、状況を緩和する観点からリスク動作が実行されたかを判定する。言い換えれば、サーバは、リスク動作が正当化されたかどうかを判定するために、リスク動作の前であるが、リスク動作の前後の期間に受信された画像データを分析する。
ステップS1660において、サーバ内の制御回路は、少なくとも監視されたパラメータの測定値に基づいて、運転者が、その期間より後の将来の時間における道路交通事故に関与する可能性を示す、運転者のリスクファクタを計算し、このリスクファクタの計算は、緩和状況を考慮して実行されたリスク動作を考慮する。
いくつかの実施形態では、この計算は、リスク動作が発生したとき付近のタイミングにおける測定または監視されたパラメータを無視する。
いくつかの実施形態では、この計算は、リスク動作が発生したとき付近のタイミングにおける測定または監視されたパラメータを無視する。
以下の番号付けされた段落は、本技術のさらなる例示的な態様および特徴を提供する。
段落1. 車両を操作する方法であって、
前記車両内の1つ以上のセンサと組み合わせた制御回路によって、ある期間にわたる前記車両の動きを示す1つ以上のパラメータを監視するステップと、
前記車両内の1つ以上のカメラによって、前記期間にわたる前記車両を取り囲む領域の1つ以上の画像をキャプチャするステップと、
監視された前記パラメータに基づいた前記車両内の前記制御回路によって、前記期間内のある時間に前記車両によってリスク動作が実行されかを検出するステップと、
前記車両内の前記制御回路と組み合わせた送信器回路によって、前記車両を取り囲む前記領域の前記1つ以上の画像の画像データと、前記期間にわたる前記車両の動きを示す監視された前記パラメータの測定値とを、前記リスク動作が実行されたという指示とともにサーバに送信するステップと、
を含む
方法。
段落2. 監視された前記パラメータは、前記車両の加速度、速度、方向のうちの1つ以上を含む
段落1に記載の方法。
段落3. 監視された前記パラメータに基づいた前記車両内の前記制御回路によって、前記リスク動作が前記期間内の前記時間に前記車両によって実行されたことを検出するステップは、前記車両の加速度、速度、方向のうちの1つ以上の変化が所定の閾値を超えることを検出することを含む
段落2に記載の方法。
段落4. 前記画像データは、前記1つ以上のカメラによってキャプチャされた前記期間にわたる前記車両を取り囲む前記領域の前記1つ以上の画像を含む
段落1~3のいずれか1つに記載の方法。
段落5. 前記車両内の前記制御回路と組み合わせた前記1つ以上のカメラによって、前記期間にわたる前記車両を取り囲む前記領域の前記1つ以上の画像から特徴データを抽出するステップを含み、
前記画像データは、前記抽出された特徴データを含む
段落1~4のいずれか1つに記載の方法。
段落6. 前記車両における1つ以上の距離センサによって、前記車両を取り囲む前記領域内のオブジェクトからの前記車両の距離を判定するステップと、
前記車両を取り囲む前記領域内のオブジェクトからの、前記車両の前記距離を前記サーバに送信するステップと
を含む
段落1~5のいずれか1つに記載の方法。
段落7. 前記車両内の前記制御回路によって、前記リスク動作が自律的に実行されたことを検出するステップと、
前記リスク動作が自律的に実行された指示を前記サーバに通知するステップと
を含む
段落1~6のいずれか1つに記載の方法。
段落8. 前記車両内の前記制御回路と組み合わせた送信回路によって、前記車両を取り囲む前記領域の前記1つ以上の画像の前記画像データと、前記期間にわたる前記車両の動きを示す監視された前記パラメータの測定値とを、前記リスク動作が実行されたという指示とともにサーバに送信する前記ステップは、
前記車両内の前記制御回路によって、前記1つ以上の画像内でリスク動作が実行されたことを示す前記車両を取り囲む前記領域の前記1つ以上の画像の前記画像データにリスクマーカを添付することを含む
段落1~7のいずれか1つに記載の方法。
段落9. 前記車両内の前記制御回路は、複数のリスクマーカのうちの1つを添付し、前記複数のリスクマーカの各々は、実行された前記リスク動作の重篤度を表す
段落8に記載の方法。
段落10. プロセッサと、通信インターフェースと、実行可能なコードとを具備するサーバによって実行される方法であって、
前記実行可能なコードは、実行されたときに前記プロセッサに、
車両を取り囲む領域の1つ以上の画像の画像データと、リスク動作が実行されたことを示すある期間にわたる前記車両の動きを示す1つ以上の監視されたパラメータの測定値とを、前記通信インターフェースを介して受信するステップと、
前記1つ以上の画像の少なくとも1つの前記画像データに基づいて、緩和状況を考慮して前記リスク動作が実行されたかを前記サーバ内の制御回路によって判定するステップと、
前記サーバ内の前記制御回路によって、前記監視されたパラメータの少なくとも前記測定値に基づいて、前記期間よりも後の将来の時間に前記運転者が道路交通事故に巻き込まれる可能性を示す前記運転者のリスクファクタを計算するステップと
を実行させ、
前記リスクファクタの計算は、前記緩和状況を顧みて実行された前記リスク動作を考慮する
方法。
段落11. 少なくとも前記1つ以上の画像に基づいて、緩和状況を考慮して前記リスク動作が実行されたかを前記サーバ内の制御回路によって判定するステップは、
前記リスク動作の前の期間内のある時間にキャプチャされた前記1つ以上の画像の画像データから、前記リスク動作がどのくらい回避可能であったかの可能性を表す確率を判定することと、
前記確率が所定の閾値よりも低いと判定された場合に、緩和状況が存在したことを決定することと
を含む
段落10に記載の方法。
段落12. 前記リスク動作の前の前記期間内の前記時間における前記1つ以上の画像の前記画像データから、前記リスク動作がどのくらい回避可能であったかの可能性を表す前記確率を判定することは、
前記リスク動作の可能性のある原因を、オブジェクト認識実行可能コード命令を使用して判定することと、
前記リスク動作の前の前記期間内の前記時間における前記車両の距離センサによって判定された前記リスク動作の可能性のある原因を含む、前記車両を取り囲む前記領域内のオブジェクトからの距離を車両から受信することと、
前記リスク動作の可能性のある原因が、前記リスク動作前の前記期間内の前記時間において運転者の視野内にあったか否かを判定することと、
前記リスク動作の前の前記期間内の前記時間における支配的な気象条件を判定することと、
前記リスク動作の前の前記期間内の前記時間における前記車両の速度、加速度および方向のうちの、前記1つ以上の受信された監視されたパラメータを、前記測定値から、前記サーバによって決定することと、
前記リスク動作が発生する前の前記期間内の前記時間における、前記車両を取り囲む前記領域内のオブジェクトからの距離、
前記リスク動作の前の前記期間内の前記時間における、前記車両の前記速度、前記車両の前記加速度、および、前記車両の前記方向、
前記リスク動作の前の前記期間内の前記時間において、運転者の視野内に前記リスク動作の原因の可能性があるか否か、ならびに、
前記リスク動作がどのくらい回避可能であったかの可能性を表す前記確率を判定するための、前記リスク動作の前の前記期間内の前記時間における、前記支配的な気象条件
のうちの1つ以上と組み合わせて、
前記リスク動作の前の前記期間内の前記時間においてキャプチャされた前記1つ以上画像の前記画像データを使用することと、
のうちの1つ以上を含む
段落11に記載の方法。
段落13. 前記リスク動作の前の前記期間内の前記時間において、前記車両が法定速度制限を超えて運転している場合、前記リスク動作の前の前記期間内の前記時間において、前記リスク動作の可能性のある原因が運転者の視野内にある場合、かつ/または、気象条件が安全運転に役立つ場合、
前記リスク動作がどのくらい回避可能であったかの可能性を表す前記確率が、さらに高くなる
段落8に記載の方法。
段落14. 前記リスク動作の前の前記期間内の前記時間にキャプチャされた前記1つ以上の画像の前記画像データから、前記リスク動作がどのくらい回避可能であったかの可能性を表す前記確率を判定することは、
前記リスク動作の前の前記期間内の前記時間における前記車両を取り囲むオブジェクトからの距離と、
前記リスク動作の前の前記期間内の前記時間における前記車両の速度および加速度と、
前記リスク動作の可能性のある原因が、前記リスク動作の前の前記期間内の前記時間における運転者の視野内にあったか否かと、
前記リスク動作の前の前記期間内の前記時間における支配的な気象条件と
うちの1つ以上の組み合わせで、
前記リスク動作の前の前記期間内の前記時間にキャプチャされた前記1つ以上の前記画像を用いて前記リスク動作が生じた時間における車両の経路と交差する、前記リスク動作の可能性のある原因の可能性を表す確率を判定することを含む
段落11に記載の方法。
段落15. 前記サーバは、交差の確率が所定の閾値を上回り、前記リスク動作の可能性のある原因が、前記リスク動作が発生する前の前記期間内の前記時間に運転者の視野外にあった場合、緩和状況が存在したと判定する
段落14に記載の方法。
段落16. 前記少なくとも1つの前記画像データに基づいて、緩和状況を考慮して前記リスク動作が実行されたかを前記サーバ内の制御回路によって判定するステップは、
前記サーバ内の制御回路によって、添付されたリスクマーカを検出することを含む
段落10~15のいずれか1つに記載の方法。
段落17. 前記1つ以上の画像の前記少なくとも1つ以上の画像データに基づいて、緩和状況を考慮して前記リスク動作が実行されたかを前記サーバ内の制御回路によって判定するステップは、
複数の緩和マーカのうちの1つを、前記添付されたリスクマーカとともに前記1つ以上の画像に添付することを含み、各緩和マーカは、前記リスク動作がどの程度回避可能であったかの確率を表す
段落16に記載の方法。
段落18. 前記緩和状況を顧みて実行された前記リスク動作を考慮する前記リスクファクタの計算は、
前記1つ以上の緩和マーカを識別することと、
前記リスクファクタの計算において前記リスク動作が発生した前記時間における前記監視されたパラメータの測定値を無視することと
を含む
段落17に記載の方法。
段落19. 前記緩和状況を顧みて実行された前記リスク動作を考慮する前記リスクファクタの計算は、
前記1つ以上の緩和マーカを識別することと、
前記リスクファクタの計算において前記リスク動作が発生した前記時間における前記監視されたパラメータの測定値の影響を低減することと
を含む
段落17に記載の方法。
段落20. 前記車両から、前記リスク動作が自律的に実行されたという指示を受信することと、
自律的処理がいつ関与されるべきかを判定するために使用される1つ以上のアルゴリズムを改善することと
を含む
段落10~19のいずれか1つに記載の方法。
段落21. 前記サーバは、前記車両に搭載されたエッジサーバである
段落10~20のいずれか1つに記載の方法。
段落22. 車両用のサブシステムであって、
前記車両の動作に関する1つ以上のパラメータを表す信号を生成するように構成された1つ以上のセンサと、
前記車両の周囲の領域の1つ以上の画像を経時的にキャプチャするように構成された1つ以上のカメラと、
ある期間にわたる前記車両の動きを示す前記1つ以上のパラメータを監視し、
前記期間にわたる前記車両を取り囲む領域の1つ以上の画像をキャプチャし、
前記期間内のある時間に前記車両によってリスク動作が実行されたかを、前記監視されたパラメータに基づいて検出し、かつ、
前記車両を取り囲む前記領域の前記1つ以上の画像の画像データと、前記期間にわたる前記車両の動きを示す監視された前記パラメータの測定値とを、前記リスク動作が実行されたという指示とともにサーバに送信する
ように構成された制御回路と
を具備する
サブシステム。
段落23. 監視された前記パラメータは、前記車両の加速度、速度、方向のうちの1つ以上を含む
段落22に記載のサブシステム。
段落24. 前記制御回路は、
前記車両の加速度、速度、方向のうちの1つ以上の変化が所定の閾値を超えることを検出することによって、前記リスク動作が前記期間内の前記時間に前記車両によって実行されたことを、監視された前記パラメータに基づいて検出する
ように構成されている
段落23に記載のサブシステム。
段落25. 前記画像データは、前記1つ以上のカメラによってキャプチャされた前記期間にわたる前記車両を取り囲む前記領域の前記1つ以上の画像を含む
段落22~24のいずれか1つに記載のサブシステム。
段落26. 車両用のサブシステムと共に使用するためのカメラモジュールであって、
ある期間にわたって前記車両を取り囲む領域の1つ以上の画像をキャプチャするように構成された撮像デバイスと、
前記サブシステムの制御回路に前記1つ以上の画像を通信し、前記制御回路から制御信号を受信するように構成されたインターフェースと
を具備し、
前記制御回路は、
ある期間にわたって前記撮像デバイスから前記車両を取り囲む領域の1つ以上の画像をキャプチャし、
前記車両を取り囲む前記領域の前記1つ以上の画像の画像データと、前記期間にわたる前記車両の動きを示す監視された前記パラメータの測定値とを、前記リスク動作が実行されたという指示とともにサーバに送信する
ように前記撮像デバイスを制御するように構成され、
前記制御回路は、前記期間内のある時間において前記車両によってリスク動作が実行されたというパラメータに基づいて検出するために、前記車両の動きに関する1つ以上のパラメータを表す応答信号である
カメラモジュール。
段落27. 段落22~25のいずれか1つに記載のサブシステムを具備する車両。
段落28. 段落26に記載のカメラモジュールを具備する車両。
段落29. プロセッサと、通信インターフェースと、実行されると、前記プロセッサに10~21のいずれか1つの段落に記載のステップを実行させる実行可能コードとを具備するサーバ。
段落30. 段落27に記載の車両と、段落29に記載のサーバとを具備するシステム。
前記車両内の1つ以上のセンサと組み合わせた制御回路によって、ある期間にわたる前記車両の動きを示す1つ以上のパラメータを監視するステップと、
前記車両内の1つ以上のカメラによって、前記期間にわたる前記車両を取り囲む領域の1つ以上の画像をキャプチャするステップと、
監視された前記パラメータに基づいた前記車両内の前記制御回路によって、前記期間内のある時間に前記車両によってリスク動作が実行されかを検出するステップと、
前記車両内の前記制御回路と組み合わせた送信器回路によって、前記車両を取り囲む前記領域の前記1つ以上の画像の画像データと、前記期間にわたる前記車両の動きを示す監視された前記パラメータの測定値とを、前記リスク動作が実行されたという指示とともにサーバに送信するステップと、
を含む
方法。
段落2. 監視された前記パラメータは、前記車両の加速度、速度、方向のうちの1つ以上を含む
段落1に記載の方法。
段落3. 監視された前記パラメータに基づいた前記車両内の前記制御回路によって、前記リスク動作が前記期間内の前記時間に前記車両によって実行されたことを検出するステップは、前記車両の加速度、速度、方向のうちの1つ以上の変化が所定の閾値を超えることを検出することを含む
段落2に記載の方法。
段落4. 前記画像データは、前記1つ以上のカメラによってキャプチャされた前記期間にわたる前記車両を取り囲む前記領域の前記1つ以上の画像を含む
段落1~3のいずれか1つに記載の方法。
段落5. 前記車両内の前記制御回路と組み合わせた前記1つ以上のカメラによって、前記期間にわたる前記車両を取り囲む前記領域の前記1つ以上の画像から特徴データを抽出するステップを含み、
前記画像データは、前記抽出された特徴データを含む
段落1~4のいずれか1つに記載の方法。
段落6. 前記車両における1つ以上の距離センサによって、前記車両を取り囲む前記領域内のオブジェクトからの前記車両の距離を判定するステップと、
前記車両を取り囲む前記領域内のオブジェクトからの、前記車両の前記距離を前記サーバに送信するステップと
を含む
段落1~5のいずれか1つに記載の方法。
段落7. 前記車両内の前記制御回路によって、前記リスク動作が自律的に実行されたことを検出するステップと、
前記リスク動作が自律的に実行された指示を前記サーバに通知するステップと
を含む
段落1~6のいずれか1つに記載の方法。
段落8. 前記車両内の前記制御回路と組み合わせた送信回路によって、前記車両を取り囲む前記領域の前記1つ以上の画像の前記画像データと、前記期間にわたる前記車両の動きを示す監視された前記パラメータの測定値とを、前記リスク動作が実行されたという指示とともにサーバに送信する前記ステップは、
前記車両内の前記制御回路によって、前記1つ以上の画像内でリスク動作が実行されたことを示す前記車両を取り囲む前記領域の前記1つ以上の画像の前記画像データにリスクマーカを添付することを含む
段落1~7のいずれか1つに記載の方法。
段落9. 前記車両内の前記制御回路は、複数のリスクマーカのうちの1つを添付し、前記複数のリスクマーカの各々は、実行された前記リスク動作の重篤度を表す
段落8に記載の方法。
段落10. プロセッサと、通信インターフェースと、実行可能なコードとを具備するサーバによって実行される方法であって、
前記実行可能なコードは、実行されたときに前記プロセッサに、
車両を取り囲む領域の1つ以上の画像の画像データと、リスク動作が実行されたことを示すある期間にわたる前記車両の動きを示す1つ以上の監視されたパラメータの測定値とを、前記通信インターフェースを介して受信するステップと、
前記1つ以上の画像の少なくとも1つの前記画像データに基づいて、緩和状況を考慮して前記リスク動作が実行されたかを前記サーバ内の制御回路によって判定するステップと、
前記サーバ内の前記制御回路によって、前記監視されたパラメータの少なくとも前記測定値に基づいて、前記期間よりも後の将来の時間に前記運転者が道路交通事故に巻き込まれる可能性を示す前記運転者のリスクファクタを計算するステップと
を実行させ、
前記リスクファクタの計算は、前記緩和状況を顧みて実行された前記リスク動作を考慮する
方法。
段落11. 少なくとも前記1つ以上の画像に基づいて、緩和状況を考慮して前記リスク動作が実行されたかを前記サーバ内の制御回路によって判定するステップは、
前記リスク動作の前の期間内のある時間にキャプチャされた前記1つ以上の画像の画像データから、前記リスク動作がどのくらい回避可能であったかの可能性を表す確率を判定することと、
前記確率が所定の閾値よりも低いと判定された場合に、緩和状況が存在したことを決定することと
を含む
段落10に記載の方法。
段落12. 前記リスク動作の前の前記期間内の前記時間における前記1つ以上の画像の前記画像データから、前記リスク動作がどのくらい回避可能であったかの可能性を表す前記確率を判定することは、
前記リスク動作の可能性のある原因を、オブジェクト認識実行可能コード命令を使用して判定することと、
前記リスク動作の前の前記期間内の前記時間における前記車両の距離センサによって判定された前記リスク動作の可能性のある原因を含む、前記車両を取り囲む前記領域内のオブジェクトからの距離を車両から受信することと、
前記リスク動作の可能性のある原因が、前記リスク動作前の前記期間内の前記時間において運転者の視野内にあったか否かを判定することと、
前記リスク動作の前の前記期間内の前記時間における支配的な気象条件を判定することと、
前記リスク動作の前の前記期間内の前記時間における前記車両の速度、加速度および方向のうちの、前記1つ以上の受信された監視されたパラメータを、前記測定値から、前記サーバによって決定することと、
前記リスク動作が発生する前の前記期間内の前記時間における、前記車両を取り囲む前記領域内のオブジェクトからの距離、
前記リスク動作の前の前記期間内の前記時間における、前記車両の前記速度、前記車両の前記加速度、および、前記車両の前記方向、
前記リスク動作の前の前記期間内の前記時間において、運転者の視野内に前記リスク動作の原因の可能性があるか否か、ならびに、
前記リスク動作がどのくらい回避可能であったかの可能性を表す前記確率を判定するための、前記リスク動作の前の前記期間内の前記時間における、前記支配的な気象条件
のうちの1つ以上と組み合わせて、
前記リスク動作の前の前記期間内の前記時間においてキャプチャされた前記1つ以上画像の前記画像データを使用することと、
のうちの1つ以上を含む
段落11に記載の方法。
段落13. 前記リスク動作の前の前記期間内の前記時間において、前記車両が法定速度制限を超えて運転している場合、前記リスク動作の前の前記期間内の前記時間において、前記リスク動作の可能性のある原因が運転者の視野内にある場合、かつ/または、気象条件が安全運転に役立つ場合、
前記リスク動作がどのくらい回避可能であったかの可能性を表す前記確率が、さらに高くなる
段落8に記載の方法。
段落14. 前記リスク動作の前の前記期間内の前記時間にキャプチャされた前記1つ以上の画像の前記画像データから、前記リスク動作がどのくらい回避可能であったかの可能性を表す前記確率を判定することは、
前記リスク動作の前の前記期間内の前記時間における前記車両を取り囲むオブジェクトからの距離と、
前記リスク動作の前の前記期間内の前記時間における前記車両の速度および加速度と、
前記リスク動作の可能性のある原因が、前記リスク動作の前の前記期間内の前記時間における運転者の視野内にあったか否かと、
前記リスク動作の前の前記期間内の前記時間における支配的な気象条件と
うちの1つ以上の組み合わせで、
前記リスク動作の前の前記期間内の前記時間にキャプチャされた前記1つ以上の前記画像を用いて前記リスク動作が生じた時間における車両の経路と交差する、前記リスク動作の可能性のある原因の可能性を表す確率を判定することを含む
段落11に記載の方法。
段落15. 前記サーバは、交差の確率が所定の閾値を上回り、前記リスク動作の可能性のある原因が、前記リスク動作が発生する前の前記期間内の前記時間に運転者の視野外にあった場合、緩和状況が存在したと判定する
段落14に記載の方法。
段落16. 前記少なくとも1つの前記画像データに基づいて、緩和状況を考慮して前記リスク動作が実行されたかを前記サーバ内の制御回路によって判定するステップは、
前記サーバ内の制御回路によって、添付されたリスクマーカを検出することを含む
段落10~15のいずれか1つに記載の方法。
段落17. 前記1つ以上の画像の前記少なくとも1つ以上の画像データに基づいて、緩和状況を考慮して前記リスク動作が実行されたかを前記サーバ内の制御回路によって判定するステップは、
複数の緩和マーカのうちの1つを、前記添付されたリスクマーカとともに前記1つ以上の画像に添付することを含み、各緩和マーカは、前記リスク動作がどの程度回避可能であったかの確率を表す
段落16に記載の方法。
段落18. 前記緩和状況を顧みて実行された前記リスク動作を考慮する前記リスクファクタの計算は、
前記1つ以上の緩和マーカを識別することと、
前記リスクファクタの計算において前記リスク動作が発生した前記時間における前記監視されたパラメータの測定値を無視することと
を含む
段落17に記載の方法。
段落19. 前記緩和状況を顧みて実行された前記リスク動作を考慮する前記リスクファクタの計算は、
前記1つ以上の緩和マーカを識別することと、
前記リスクファクタの計算において前記リスク動作が発生した前記時間における前記監視されたパラメータの測定値の影響を低減することと
を含む
段落17に記載の方法。
段落20. 前記車両から、前記リスク動作が自律的に実行されたという指示を受信することと、
自律的処理がいつ関与されるべきかを判定するために使用される1つ以上のアルゴリズムを改善することと
を含む
段落10~19のいずれか1つに記載の方法。
段落21. 前記サーバは、前記車両に搭載されたエッジサーバである
段落10~20のいずれか1つに記載の方法。
段落22. 車両用のサブシステムであって、
前記車両の動作に関する1つ以上のパラメータを表す信号を生成するように構成された1つ以上のセンサと、
前記車両の周囲の領域の1つ以上の画像を経時的にキャプチャするように構成された1つ以上のカメラと、
ある期間にわたる前記車両の動きを示す前記1つ以上のパラメータを監視し、
前記期間にわたる前記車両を取り囲む領域の1つ以上の画像をキャプチャし、
前記期間内のある時間に前記車両によってリスク動作が実行されたかを、前記監視されたパラメータに基づいて検出し、かつ、
前記車両を取り囲む前記領域の前記1つ以上の画像の画像データと、前記期間にわたる前記車両の動きを示す監視された前記パラメータの測定値とを、前記リスク動作が実行されたという指示とともにサーバに送信する
ように構成された制御回路と
を具備する
サブシステム。
段落23. 監視された前記パラメータは、前記車両の加速度、速度、方向のうちの1つ以上を含む
段落22に記載のサブシステム。
段落24. 前記制御回路は、
前記車両の加速度、速度、方向のうちの1つ以上の変化が所定の閾値を超えることを検出することによって、前記リスク動作が前記期間内の前記時間に前記車両によって実行されたことを、監視された前記パラメータに基づいて検出する
ように構成されている
段落23に記載のサブシステム。
段落25. 前記画像データは、前記1つ以上のカメラによってキャプチャされた前記期間にわたる前記車両を取り囲む前記領域の前記1つ以上の画像を含む
段落22~24のいずれか1つに記載のサブシステム。
段落26. 車両用のサブシステムと共に使用するためのカメラモジュールであって、
ある期間にわたって前記車両を取り囲む領域の1つ以上の画像をキャプチャするように構成された撮像デバイスと、
前記サブシステムの制御回路に前記1つ以上の画像を通信し、前記制御回路から制御信号を受信するように構成されたインターフェースと
を具備し、
前記制御回路は、
ある期間にわたって前記撮像デバイスから前記車両を取り囲む領域の1つ以上の画像をキャプチャし、
前記車両を取り囲む前記領域の前記1つ以上の画像の画像データと、前記期間にわたる前記車両の動きを示す監視された前記パラメータの測定値とを、前記リスク動作が実行されたという指示とともにサーバに送信する
ように前記撮像デバイスを制御するように構成され、
前記制御回路は、前記期間内のある時間において前記車両によってリスク動作が実行されたというパラメータに基づいて検出するために、前記車両の動きに関する1つ以上のパラメータを表す応答信号である
カメラモジュール。
段落27. 段落22~25のいずれか1つに記載のサブシステムを具備する車両。
段落28. 段落26に記載のカメラモジュールを具備する車両。
段落29. プロセッサと、通信インターフェースと、実行されると、前記プロセッサに10~21のいずれか1つの段落に記載のステップを実行させる実行可能コードとを具備するサーバ。
段落30. 段落27に記載の車両と、段落29に記載のサーバとを具備するシステム。
本明細書で説明された実施形態は、ハードウェア、ソフトウェア、ファームウェア、またはこれらの任意の組み合わせを含む任意の適切な形態で実装される。本明細書で記載された実施形態は、任意選択で、1つ以上のデータプロセッサおよび/またはデジタル信号プロセッサ上で実行されるコンピュータソフトウェアとして少なくとも部分的に実装され得る。
任意の実施形態における部品及び構成要件が、任意の適切な方法で物理的に、機能的に、及び、論理的に実装される。実際、機能は、単一のユニットで、複数のユニットで、または他の機能ユニットの一部として実装され得る。したがって、本開示の実施形態は、単一のユニットで実装されてもよく、または異なるユニット、回路、および/またはプロセッサの間で物理的及び機能的に分散されてもよい。
任意の実施形態における部品及び構成要件が、任意の適切な方法で物理的に、機能的に、及び、論理的に実装される。実際、機能は、単一のユニットで、複数のユニットで、または他の機能ユニットの一部として実装され得る。したがって、本開示の実施形態は、単一のユニットで実装されてもよく、または異なるユニット、回路、および/またはプロセッサの間で物理的及び機能的に分散されてもよい。
本開示は、いくつかの実施形態に関連して説明されたが、本明細書に記載された特定の形態に限定されることは意図されていない。さらに、本開示の特徴は、特定の実施形態に関連して説明されているように見えるが、当業者は、説明された実施形態の種々の特徴が、本技法を実施するのに適した任意の方法で組み合わされ得ることを認識する。
Claims (25)
- 車両を操作する方法であって、
前記車両内の1つ以上のセンサと組み合わせた制御回路によって、ある期間にわたる前記車両の動きを示す1つ以上のパラメータを監視するステップと、
前記車両内の1つ以上のカメラによって、前記期間にわたる前記車両を取り囲む領域の1つ以上の画像をキャプチャするステップと、
監視された前記パラメータに基づいた前記車両内の前記制御回路によって、前記期間内のある時間に前記車両によってリスク動作が実行されかを検出するステップと、
前記車両内の前記制御回路と組み合わせた送信器回路によって、前記車両を取り囲む前記領域の前記1つ以上の画像の画像データと、前記期間にわたる前記車両の動きを示す監視された前記パラメータの測定値とを、前記リスク動作が実行されたという指示とともにサーバに送信するステップと、
を含む
方法。 - 監視された前記パラメータは、前記車両の加速度、速度、方向のうちの1つ以上を含む
請求項1に記載の方法。 - 監視された前記パラメータに基づいた前記車両内の前記制御回路によって、前記リスク動作が前記期間内の前記時間に前記車両によって実行されたことを検出するステップは、前記車両の加速度、速度、方向のうちの1つ以上の変化が所定の閾値を超えることを検出することを含む
請求項2に記載の方法。 - 前記画像データは、前記1つ以上のカメラによってキャプチャされた前記期間にわたる前記車両を取り囲む前記領域の前記1つ以上の画像を含む
請求項1に記載の方法。 - 前記車両内の前記制御回路と組み合わせた前記1つ以上のカメラによって、前記期間にわたる前記車両を取り囲む前記領域の前記1つ以上の画像から特徴データを抽出するステップを含み、
前記画像データは、前記抽出された特徴データを含む
請求項1に記載の方法。 - 前記車両における1つ以上の距離センサによって、前記車両を取り囲む前記領域内のオブジェクトからの前記車両の距離を判定するステップと、
前記車両を取り囲む前記領域内のオブジェクトからの、前記車両の前記距離を前記サーバに送信するステップと
を含む
請求項1に記載の方法。 - 前記車両内の前記制御回路によって、前記リスク動作が自律的に実行されたことを検出するステップと、
前記リスク動作が自律的に実行された指示を前記サーバに通知するステップと
を含む
請求項1に記載の方法。 - 前記車両内の前記制御回路と組み合わせた送信回路によって、前記車両を取り囲む前記領域の前記1つ以上の画像の前記画像データと、前記期間にわたる前記車両の動きを示す監視された前記パラメータの測定値とを、前記リスク動作が実行されたという指示とともにサーバに送信する前記ステップは、
前記車両内の前記制御回路によって、前記1つ以上の画像内でリスク動作が実行されたことを示す前記車両を取り囲む前記領域の前記1つ以上の画像の前記画像データにリスクマーカを添付することを含む
請求項1に記載の方法。 - 前記車両内の前記制御回路は、複数のリスクマーカのうちの1つを添付し、前記複数のリスクマーカの各々は、実行された前記リスク動作の重篤度を表す
請求項8に記載の方法。 - プロセッサと、通信インターフェースと、実行可能なコードとを具備するサーバによって実行される方法であって、
前記実行可能なコードは、実行されたときに前記プロセッサに、
車両を取り囲む領域の1つ以上の画像の画像データと、リスク動作が実行されたことを示すある期間にわたる前記車両の動きを示す1つ以上の監視されたパラメータの測定値とを、前記通信インターフェースを介して受信するステップと、
前記1つ以上の画像の少なくとも1つの前記画像データに基づいて、緩和状況を考慮して前記リスク動作が実行されたかを前記サーバ内の制御回路によって判定するステップと、
前記サーバ内の前記制御回路によって、前記監視されたパラメータの少なくとも前記測定値に基づいて、前記期間よりも後の将来の時間に前記運転者が道路交通事故に巻き込まれる可能性を示す前記運転者のリスクファクタを計算するステップと
を実行させ、
前記リスクファクタの計算は、前記緩和状況を顧みて実行された前記リスク動作を考慮する
方法。 - 少なくとも前記1つ以上の画像に基づいて、緩和状況を考慮して前記リスク動作が実行されたかを前記サーバ内の制御回路によって判定するステップは、
前記リスク動作の前の期間内のある時間にキャプチャされた前記1つ以上の画像の画像データから、前記リスク動作がどのくらい回避可能であったかの可能性を表す確率を判定することと、
前記確率が所定の閾値よりも低いと判定された場合に、緩和状況が存在したことを決定することと
を含む
請求項10に記載の方法。 - 前記リスク動作の前の前記期間内の前記時間における前記1つ以上の画像の前記画像データから、前記リスク動作がどのくらい回避可能であったかの可能性を表す前記確率を判定することは、
前記リスク動作の可能性のある原因を、オブジェクト認識実行可能コード命令を使用して判定することと、
前記リスク動作の前の前記期間内の前記時間における前記車両の距離センサによって判定された前記リスク動作の可能性のある原因を含む、前記車両を取り囲む前記領域内のオブジェクトからの距離を車両から受信することと、
前記リスク動作の可能性のある原因が、前記リスク動作前の前記期間内の前記時間において運転者の視野内にあったか否かを判定することと、
前記リスク動作の前の前記期間内の前記時間における支配的な気象条件を判定することと、
前記リスク動作の前の前記期間内の前記時間における前記車両の速度、加速度および方向のうちの、前記1つ以上の受信された監視されたパラメータを、前記測定値から、前記サーバによって決定することと、
前記リスク動作が発生する前の前記期間内の前記時間における、前記車両を取り囲む前記領域内のオブジェクトからの距離、
前記リスク動作の前の前記期間内の前記時間における、前記車両の前記速度、前記車両の前記加速度、および、前記車両の前記方向、
前記リスク動作の前の前記期間内の前記時間において、運転者の視野内に前記リスク動作の原因の可能性があるか否か、ならびに、
前記リスク動作がどのくらい回避可能であったかの可能性を表す前記確率を判定するための、前記リスク動作の前の前記期間内の前記時間における、前記支配的な気象条件
のうちの1つ以上と組み合わせて、
前記リスク動作の前の前記期間内の前記時間においてキャプチャされた前記1つ以上画像の前記画像データを使用することと、
のうちの1つ以上を含む
請求項11に記載の方法。 - 前記リスク動作の前の前記期間内の前記時間において、前記車両が法定速度制限を超えて運転している場合、前記リスク動作の前の前記期間内の前記時間において、前記リスク動作の可能性のある原因が運転者の視野内にある場合、かつ/または、気象条件が安全運転に役立つ場合、
前記リスク動作がどのくらい回避可能であったかの可能性を表す前記確率が、さらに高くなる
請求項8に記載の方法。 - 前記リスク動作の前の前記期間内の前記時間にキャプチャされた前記1つ以上の画像の前記画像データから、前記リスク動作がどのくらい回避可能であったかの可能性を表す前記確率を判定することは、
前記リスク動作の前の前記期間内の前記時間における前記車両を取り囲むオブジェクトからの距離と、
前記リスク動作の前の前記期間内の前記時間における前記車両の速度および加速度と、
前記リスク動作の可能性のある原因が、前記リスク動作の前の前記期間内の前記時間における運転者の視野内にあったか否かと、
前記リスク動作の前の前記期間内の前記時間における支配的な気象条件と
うちの1つ以上の組み合わせで、
前記リスク動作の前の前記期間内の前記時間にキャプチャされた前記1つ以上の前記画像を用いて前記リスク動作が生じた時間における車両の経路と交差する、前記リスク動作の可能性のある原因の可能性を表す確率を判定することを含む
請求項11に記載の方法。 - 前記サーバは、交差の確率が所定の閾値を上回り、前記リスク動作の可能性のある原因が、前記リスク動作が発生する前の前記期間内の前記時間に運転者の視野外にあった場合、緩和状況が存在したと判定する
請求項14に記載の方法。 - 前記少なくとも1つの前記画像データに基づいて、緩和状況を考慮して前記リスク動作が実行されたかを前記サーバ内の制御回路によって判定するステップは、
前記サーバ内の制御回路によって、添付されたリスクマーカを検出することを含む
請求項10に記載の方法。 - 前記1つ以上の画像の前記少なくとも1つ以上の画像データに基づいて、緩和状況を考慮して前記リスク動作が実行されたかを前記サーバ内の制御回路によって判定するステップは、
複数の緩和マーカのうちの1つを、前記添付されたリスクマーカとともに前記1つ以上の画像に添付することを含み、各緩和マーカは、前記リスク動作がどの程度回避可能であったかの確率を表す
請求項16に記載の方法。 - 前記緩和状況を顧みて実行された前記リスク動作を考慮する前記リスクファクタの計算は、
前記1つ以上の緩和マーカを識別することと、
前記リスクファクタの計算において前記リスク動作が発生した前記時間における前記監視されたパラメータの測定値を無視することと
を含む
請求項17に記載の方法。 - 前記緩和状況を顧みて実行された前記リスク動作を考慮する前記リスクファクタの計算は、
前記1つ以上の緩和マーカを識別することと、
前記リスクファクタの計算において前記リスク動作が発生した前記時間における前記監視されたパラメータの測定値の影響を低減することと
を含む
請求項17に記載の方法。 - 前記車両から、前記リスク動作が自律的に実行されたという指示を受信することと、
自律的処理がいつ関与されるべきかを判定するために使用される1つ以上のアルゴリズムを改善することと
を含む
請求項10に記載の方法。 - 前記サーバは、前記車両に搭載されたエッジサーバである
請求項10に記載の方法。 - 車両用のサブシステムであって、
前記車両の動作に関する1つ以上のパラメータを表す信号を生成するように構成された1つ以上のセンサと、
前記車両の周囲の領域の1つ以上の画像を経時的にキャプチャするように構成された1つ以上のカメラと、
ある期間にわたる前記車両の動きを示す前記1つ以上のパラメータを監視し、
前記期間にわたる前記車両を取り囲む領域の1つ以上の画像をキャプチャし、
前記期間内のある時間に前記車両によってリスク動作が実行されたかを、前記監視されたパラメータに基づいて検出し、かつ、
前記車両を取り囲む前記領域の前記1つ以上の画像の画像データと、前記期間にわたる前記車両の動きを示す監視された前記パラメータの測定値とを、前記リスク動作が実行されたという指示とともにサーバに送信する
ように構成された制御回路と
を具備する
サブシステム。 - 監視された前記パラメータは、前記車両の加速度、速度、方向のうちの1つ以上を含む
請求項22に記載のサブシステム。 - 車両用のサブシステムと共に使用するためのカメラモジュールであって、
ある期間にわたって前記車両を取り囲む領域の1つ以上の画像をキャプチャするように構成された撮像デバイスと、
前記サブシステムの制御回路に前記1つ以上の画像を通信し、前記制御回路から制御信号を受信するように構成されたインターフェースと
を具備し、
前記制御回路は、
ある期間にわたって前記撮像デバイスから前記車両を取り囲む領域の1つ以上の画像をキャプチャし、
前記車両を取り囲む前記領域の前記1つ以上の画像の画像データと、前記期間にわたる前記車両の動きを示す監視された前記パラメータの測定値とを、前記リスク動作が実行されたという指示とともにサーバに送信する
ように前記撮像デバイスを制御するように構成され、
前記制御回路は、前記期間内のある時間において前記車両によってリスク動作が実行されたというパラメータに基づいて検出するために、前記車両の動きに関する1つ以上のパラメータを表す応答信号である
カメラモジュール。 - 請求項22に記載のサブシステムを具備する車両。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB2011799.0A GB2597692A (en) | 2020-07-29 | 2020-07-29 | Systems, devices and methods for operating a vehicle with sensors monitoring parameters |
GB2011799.0 | 2020-07-29 | ||
PCT/GB2021/051591 WO2022023694A1 (en) | 2020-07-29 | 2021-06-23 | Systems, devices and methods for operating a vehicle with sensors monitoring parameters |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023535928A true JP2023535928A (ja) | 2023-08-22 |
Family
ID=72339239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023504520A Pending JP2023535928A (ja) | 2020-07-29 | 2021-06-23 | センサ監視パラメータを用いて車両を動作させるためのシステム、装置、および方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230260334A1 (ja) |
EP (1) | EP4169000A1 (ja) |
JP (1) | JP2023535928A (ja) |
GB (1) | GB2597692A (ja) |
WO (1) | WO2022023694A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210101618A1 (en) * | 2019-10-02 | 2021-04-08 | Upstream Security, Ltd. | System and method for connected vehicle risk detection |
US20230214756A1 (en) * | 2021-12-30 | 2023-07-06 | Omnieyes Co., Ltd. Taiwan Branch | Vehicle fleet management system |
US11972613B1 (en) * | 2022-10-28 | 2024-04-30 | Zoox, Inc. | Apparatus and methods for atmospheric condition detection |
CN117579625B (zh) * | 2024-01-17 | 2024-04-09 | 中国矿业大学 | 一种用于双重预防机制的巡检任务预分发方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10319039B1 (en) * | 2014-05-20 | 2019-06-11 | State Farm Mutual Automobile Insurance Company | Accident fault determination for autonomous vehicles |
JP6193912B2 (ja) * | 2015-04-24 | 2017-09-06 | 株式会社パイ・アール | ドライブレコーダ |
US10733460B2 (en) * | 2016-09-14 | 2020-08-04 | Nauto, Inc. | Systems and methods for safe route determination |
US9928432B1 (en) * | 2016-09-14 | 2018-03-27 | Nauto Global Limited | Systems and methods for near-crash determination |
JP7453209B2 (ja) * | 2018-07-30 | 2024-03-19 | アクセンチュア グローバル ソリューションズ リミテッド | 不注意運転予測システム |
-
2020
- 2020-07-29 GB GB2011799.0A patent/GB2597692A/en not_active Withdrawn
-
2021
- 2021-06-23 WO PCT/GB2021/051591 patent/WO2022023694A1/en unknown
- 2021-06-23 US US18/016,241 patent/US20230260334A1/en active Pending
- 2021-06-23 EP EP21735746.6A patent/EP4169000A1/en active Pending
- 2021-06-23 JP JP2023504520A patent/JP2023535928A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
GB2597692A (en) | 2022-02-09 |
EP4169000A1 (en) | 2023-04-26 |
WO2022023694A1 (en) | 2022-02-03 |
US20230260334A1 (en) | 2023-08-17 |
GB202011799D0 (en) | 2020-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11380193B2 (en) | Method and system for vehicular-related communications | |
US11990036B2 (en) | Driver behavior monitoring | |
US10636291B1 (en) | Driving event data analysis | |
US11580604B1 (en) | Autonomous vehicle operation feature monitoring and evaluation of effectiveness | |
JP2023535928A (ja) | センサ監視パラメータを用いて車両を動作させるためのシステム、装置、および方法 | |
US11548518B2 (en) | Subjective route comfort modeling and prediction | |
US9934627B1 (en) | Driving event data analysis | |
US9688286B2 (en) | System and method for integrating smartphone technology into a safety management platform to improve driver safety | |
US11669090B2 (en) | Autonomous vehicle operation feature monitoring and evaluation of effectiveness | |
US20220005291A1 (en) | Autonomous vehicle operation feature monitoring and evaluation of effectiveness | |
EP3403219A1 (en) | Driver behavior monitoring | |
JP6686513B2 (ja) | 情報処理装置、車載装置、記憶媒体及びコンピュータプログラム | |
US11186257B2 (en) | Automobile driver biometric authentication and GPS services | |
CN117022323A (zh) | 一种智能驾驶车辆行为分析与预测系统及方法 | |
US11926332B1 (en) | Assessing surprise for autonomous vehicles | |
WO2022240823A1 (en) | Online driver delay and frequency response model | |
US12002308B1 (en) | Driving event data analysis | |
CN118119540A (zh) | 用于预测驾驶事件的机器学习模型 | |
CN117953609A (zh) | 自动驾驶车辆的事故数据处理方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230308 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240423 |