KR20220010510A - 차량 운전자의 책임을 계산하기 위한 시스템 및 방법 - Google Patents
차량 운전자의 책임을 계산하기 위한 시스템 및 방법 Download PDFInfo
- Publication number
- KR20220010510A KR20220010510A KR1020217040403A KR20217040403A KR20220010510A KR 20220010510 A KR20220010510 A KR 20220010510A KR 1020217040403 A KR1020217040403 A KR 1020217040403A KR 20217040403 A KR20217040403 A KR 20217040403A KR 20220010510 A KR20220010510 A KR 20220010510A
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- data
- module
- processor
- event
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000010801 machine learning Methods 0.000 claims abstract description 49
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 231100001261 hazardous Toxicity 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims description 103
- 230000006399 behavior Effects 0.000 claims description 37
- 230000003542 behavioural effect Effects 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 5
- 238000007670 refining Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 12
- 238000004364 calculation method Methods 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 57
- 230000008569 process Effects 0.000 description 41
- 238000013500 data storage Methods 0.000 description 35
- 238000010586 diagram Methods 0.000 description 28
- 230000015654 memory Effects 0.000 description 16
- 230000003936 working memory Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 239000005022 packaging material Substances 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G06Q50/30—
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Finance (AREA)
- Computing Systems (AREA)
- Accounting & Taxation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Traffic Control Systems (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Operations Research (AREA)
Abstract
차량의 운전자의 처리(handling)에 기초하여 차량의 과실 및 운영 비용을 생성하거나 계산하는 시스템, 장치, 및 방법에 관련된 본 개시의 양태가 본원에 설명된다. 차량 센서, 비디오 입력, 및 탑재된 인공지능 및/또는 머신 러닝 알고리즘의 조합을 사용하여, 본 개시의 시스템 및 방법은 차량의 운전자에 의해 수행되는 위험 이벤트를 식별하고 차량의 운전자에 대한 운전 점수를 생성, 계산, 및 평가하고 계산결과(calculations)를 하나 이상의 엔티티에 송신할 수 있다.
Description
우선권 주장
본 출원은 2019년 5월 17일자로 미국 특허 및 상표청에 출원된 가특허 출원 번호 제62/849,763호에 대한 우선권 및 그 이익을 주장하며, 그 전체 내용은 전체적으로 그리고 모든 적용가능한 목적을 위해 아래에 완전히 진술된 바와 같이 참조에 의해 본원에 통합된다.
아래에 논의되는 기술은 일반적으로 운전자에 의한 차량의 처리(handling) 또는 행동(performance)을 평가함으로써 차량의 사고 위험 및 운영 비용을 생성 및 계산하기 위한 시스템, 장치, 및 방법에 관한 것이다. 보다 구체적으로, 개인의 운전 점수는 적어도 센서, 비디오 입력 및 인공 지능 알고리즘에 기초하여 생성되거나 계산된다.
현재, 보험 산업은 청구(claim)를 처리하기 위해 인간에게 크게 의존하는 중복된 시스템 및 서류작업을 갖는 복잡한 프로세스에 의존한다. 보험에 대한 청구 처리 프로세스는 종종 (1) 사고 보고를 수신하는 단계; (2) 고객과 연락하고 정책 정보를 검증하는 단계; (3) 청구 처리 부서에 송신되는 수기로 작성된 사고 상황(picture)을 평가하는 단계; (4) 청구 부서가 고객과 접촉하여 사고 정보를 재확인하는 단계; 및 (5) 수동으로 정보를 청구 처리 시스템에 입력하는 단계를 포함한다.
청구가 시스템에 입력된 후, 평가자는 사실을 검증하고 비용 추정을 결정하기 위해 청구의 대상인 손상된 차량을 검사해야만 한다. 신체 부상이 보고되는 경우, 부상자와의 대면 면접이 수행된다. 다음으로, 평가자는 예상된 비용에 대해 유사한 사고를 수동으로 체크하고 과실 비율(fault ratio)이 결정되고 지불(payment)이 각각의 당사자에 대해 이루어진다.
상술한 프로세스는 보험사에 대한 비용을 증가시키고 합의에 도달하는 데 지연을 야기하는 많은 수동 처리 및 검토를 필요로 한다. 더욱이, 프로세스의 정확성 및 중립성은 어떤 평가자가 청구에 할당되는지에 따라 가변될 것이다. 상기를 고려해서, 필요한 것은 청구 프로세스를 간소화하고, 처리 시간(turnaround time)을 증가시키고, 중립성을 프로세스에 제공하는 자동화된 시스템 및 방법이다.
다음은 그러한 양태의 기본 이해를 제공하기 위해, 본 개시의 하나 이상의 양태의 요약을 제시한다. 본 요약은 본 개시의 모든 고려된 특징의 광범위한 개요가 아니고 본 개시의 모든 양태의 핵심 또는 중요 요소를 식별하거나 본 개시의 임의의 또는 모든 양태의 범위를 기술하도록 의도되지 않는다. 그 유일한 목적은 본 개시의 하나 이상의 양태의 일부 개념을 나중에 제시되는 보다 상세화된 설명에 대한 서두(prelude)로서의 형태로 제시하는 것이다.
일 양태에서, 본 개시는 실행 시 하나 이상의 프로세서가 액트(act)를 수행하게 하는 컴퓨터-실행가능 명령을 저장하는 하나 이상의 비-일시적 컴퓨터-판독가능 매체를 제공하는 것이다. 이러한 액트는, 다수의 소스로부터 차량 운전자의 행동(performance)에 관한 행동 데이터를 수신함; 운전자의 행동에 영향을 미치는 적어도 하나의 위험 이벤트를 식별함 - 적어도 하나의 위험 이벤트는 행동 데이터에 부정적으로 영향을 미치어 미리결정된 임계값 아래로 떨어지도록 함 -; 운전자의 행동에 영향을 미치는 각각의 식별된 위험 이벤트에 대한 심각도 레벨(severity level)을 결정하기 위해 훈련된 머신 러닝 모델을 사용하여 행동 데이터를 분석함 - 훈련된 머신 러닝 모델은 행동 데이터를 분석하기 위해 다수의 타입의 머신 러닝 알고리즘을 이용함 -; 사용자 인터페이스를 통해 프리젠테이션을 위한 행동 데이터에 기초하여 적어도 하나의 점수를 생성함; 및 생성된 적어도 하나의 점수에 기초하여 머신 러닝 모델을 개선함 - 개선은 행동 데이터에 기초하여 수행되는 훈련 코퍼스(corpus) 중 적어도 하나에 기초하여 머신 러닝 모델을 재훈련시키는 것을 포함함 -; 을 포함한다.
액트는, 적어도 하나의 사용자에게 사용자 인터페이스를 통해 적어도 하나의 점수를 통지함; 차량에 탑재된(on-board) 카메라를 사용하여 비디오 데이터의 기록을 트리거함; 및 적어도 하나의 위험 이벤트를 식별하기 위해 차량 임계 이벤트를 사용하여 기록된 비디오 데이터를 분석함; 을 더 포함할 수 있다.
액트는, 객체 검출 알고리즘을 사용하여 행동 데이터에 영향을 미치는 기록된 비디오로부터 차량 외부의 객체를 식별함; 및 적어도 하나의 위험 이벤트에 대한 객체의 영향(effect)을 결정하기 위한 추가 처리를 위해 식별된 객체의 위도 및 경도 좌표를 진단 모듈 프로세서에 전송함; 을 더 포함할 수 있다.
액트는, 진단 모듈, 엔진 제어 유닛 모듈, 및 자율-주행 모듈로부터 차량 데이터의 저장을 트리거함; 및 적어도 하나의 위험 이벤트를 식별하기 위해 저장된 차량 데이터의 차량 임계 이벤트를 분석함; 을 더 포함할 수 있다.
액트는, 행동 데이터로부터 사고의 발생을 결정함; 및 사고와 관련된 정보를 제3자에게 전송함; 을 더 포함할 수 있다.
액트는, 심각도 레벨이 적어도 하나의 위험 이벤트에 할당된 후에 기초하여 적어도 하나의 점수를 갱신함; 차량 상에 위치되는 탑재된 메모리 디바이스 상에 갱신된 점수를 저장함; 및 갱신된 점수를 원격 데이터 데이터베이스에 전송함; 을 더 포함할 수 있다.
다른 양태에 따르면, 운전자의 위험을 평가하기 위한 컴퓨터-구현 방법이 제공된다. 방법은, 차량에 탑재된 차량 모듈 상의 프로세서에서, 차량에 탑재된 다수의 소스로부터 차량의 운전자의 행동(performance)에 관한 행동 데이터를 수신하는 단계; 차량 모듈 상의 프로세스에 의해, 운전자의 행동에 영향을 미치는 적어도 하나의 위험 이벤트를 식별하는 단계 - 적어도 하나의 위험 이벤트는 행동 데이터에 부정적으로 영향을 미치어 미리결정된 임계값 아래로 떨어지게 함 -; 운전자의 행동에 영향을 미치는 각각의 식별된 위험 이벤트에 대한 심각도 레벨을 결정하기 위해 차량 모듈 상의 프로세서 내의 훈련된 머신 러닝 모델을 사용하여 행동 데이터를 분석하는 단계 - 훈련된 머신 러닝 모델은 행동 데이터를 분석하기 위해 다수의 타입의 머신 러닝 알고리즘을 이용함 -; 사용자 인터페이스를 통해 프리젠테이션을 위한 행동 데이터에 기초한 적어도 하나의 점수를 생성하는 단계; 및 생성된 적어도 하나의 점수에 기초하여, 차량 모듈의 프로세서 상에서, 머신 러닝 모델을 개선하는 단계 - 개선 단계는 행동 데이터에 기초하여 수정되는 훈련 코퍼스 중 적어도 하나에 기초하여 머신 러닝 모델을 재훈련시키는 단계를 포함함 -를 포함한다.
더 다른 양태에 따르면, 차량에 탑재된 컴퓨팅 디바이스가 제공된다. 디바이스는 인터페이스 및 인터페이스에 결합되는 처리 회로를 포함한다. 프로세서는, 다수의 소스로부터 차량의 운전자의 행동에 관한 행동 데이터를 수신하고; 운전자의 행동에 영향을 미치는 적어도 하나의 위험 이벤트를 식별하고 - 적어도 하나의 위험 이벤트는 행동 데이터에 부정적으로 영향을 미치어 미리결정된 임계값 아래로 떨어지게 함 -; 운전자의 행동에 영향을 미치는 각각의 식별된 위험 이벤트에 대한 심각도 레벨을 결정하기 위해 훈련된 머신 러닝 모델을 사용하여 행동 데이터를 분석하고 - 훈련된 머신 러닝 모델은 행동 데이터를 분석하기 위해 다수의 타입의 머신 러닝 알고리즘을 이용함 -; 사용자에 대한 프리젠테이션을 위해 행동 데이터에 기초하여 적어도 하나의 점수를 생성하고; 생성된 적어도 하나의 점수에 기초하여 머신 러닝 모델을 개선하도록 - 개선은 행동 데이터에 기초하여 수정되는 훈련 코퍼스 중 적어도 하나에 기초하여 머신 러닝 모델을 재훈련시키는 것을 포함함 - 구성된다.
다양한 특징, 특성, 및 이점은 유사 참조 문자가 도처에서 상응하여 식별되는 도면과 함께 취해질 때 아래에 진술된 상세한 설명으로부터 명백하게 될 수 있다.
도 1은 본 개시의 시스템 및 방법의 실시예가 발견될 수 있는 운용 환경을 예시하는 개념도이다.
도 2는 본 개시의 일부 양태에 따른 차량 모델에 대한 예시적 하드웨어 구현을 예시하는 블록도이다.
도 3은 본 개시의 일부 양태에 따른 사용자 인터페이스 모듈 및 데이터 플랫폼 모듈에 대한 예시적 하드웨어 구현을 예시하는 블록도이다.
도 4는 본 개시의 일부 양태에 따른 통신을 지원할 수 있는 장치(예를 들어, 전자 디바이스)에 대한 예시적 하드웨어 구현을 예시하는 블록도이다.
도 5는 본 개시의 하나 이상의 양태에 따른 통신하도록 구성되는 데이터 플랫폼 모듈/장치의 예시적 하드웨어 구현의 블록도를 예시한다.
도 6은 본 개시의 하나 이상의 양태에 따라 통신하도록 구성되는 사용자 인터페이스 모듈/장치의 예시적 하드웨어의 블록도를 예시한다.
도 7은 차량의 운전자의 운전자 점수를 계산하기 위한 예시적 방법을 예시하는 흐름도이다.
도 8은 운전자 및 차량의 안전을 결정하기 위한 예시적 방법을 예시하는 흐름도이다.
도 9는 보험과 관련된 보험 시스템의 전체 프로세스를 요약하는 다이어그램이다.
도 10은 이벤트를 검출하는 프로세스를 도시하는 다이어그램이다.
도 11은 검출된 이벤트의 시간에서 차량 및 객체에 대한 위치 및 모션의 추정값의 정확도를 개선하기 위해 수 개의 디바이스 센서로부터 데이터를 사용하는 프로세스를 도시하는 다이어그램이다.
도 12는 사건 보고서가 과실을 관련된 엔티티에게 할당하는 방법을 도시하는 다이어그램이다.
도 13은 관련된 당사자에 대한 청구 및 지불을 대위하기 위한 수작업의 양을 감소시키기 위한 프로세스를 도시하는 다이어그램이다.
도 1은 본 개시의 시스템 및 방법의 실시예가 발견될 수 있는 운용 환경을 예시하는 개념도이다.
도 2는 본 개시의 일부 양태에 따른 차량 모델에 대한 예시적 하드웨어 구현을 예시하는 블록도이다.
도 3은 본 개시의 일부 양태에 따른 사용자 인터페이스 모듈 및 데이터 플랫폼 모듈에 대한 예시적 하드웨어 구현을 예시하는 블록도이다.
도 4는 본 개시의 일부 양태에 따른 통신을 지원할 수 있는 장치(예를 들어, 전자 디바이스)에 대한 예시적 하드웨어 구현을 예시하는 블록도이다.
도 5는 본 개시의 하나 이상의 양태에 따른 통신하도록 구성되는 데이터 플랫폼 모듈/장치의 예시적 하드웨어 구현의 블록도를 예시한다.
도 6은 본 개시의 하나 이상의 양태에 따라 통신하도록 구성되는 사용자 인터페이스 모듈/장치의 예시적 하드웨어의 블록도를 예시한다.
도 7은 차량의 운전자의 운전자 점수를 계산하기 위한 예시적 방법을 예시하는 흐름도이다.
도 8은 운전자 및 차량의 안전을 결정하기 위한 예시적 방법을 예시하는 흐름도이다.
도 9는 보험과 관련된 보험 시스템의 전체 프로세스를 요약하는 다이어그램이다.
도 10은 이벤트를 검출하는 프로세스를 도시하는 다이어그램이다.
도 11은 검출된 이벤트의 시간에서 차량 및 객체에 대한 위치 및 모션의 추정값의 정확도를 개선하기 위해 수 개의 디바이스 센서로부터 데이터를 사용하는 프로세스를 도시하는 다이어그램이다.
도 12는 사건 보고서가 과실을 관련된 엔티티에게 할당하는 방법을 도시하는 다이어그램이다.
도 13은 관련된 당사자에 대한 청구 및 지불을 대위하기 위한 수작업의 양을 감소시키기 위한 프로세스를 도시하는 다이어그램이다.
개요
차량의 운전자의 처리 및 행동에 기초하여 차량의 책임(liability) 및 운영 비용을 생성하거나 계산하는 예시적 시스템, 장치, 및 방법이 본원에 설명된다. 차량 센서, 비디오 입력, 및 탑재된(on-board) 인공지능 및/또는 머신 러닝 알고리즘의 조합을 사용하여, 본 개시의 시스템 및 방법은 차량의 운전자에 의해 수행되는 위험 이벤트를 식별하고 차량의 운전자에 대한 운전 점수(driving score) 및 트립 점수(trip score)를 생성, 계산, 및 평가하고 계산결과(calculations)를 하나 이상의 엔티티에 송신할 수 있다. 보험된 자산의 손실, 도난 또는 손상 다음에 보험사(insurance provider)에 이루어지는 최초 보고인, 최초 손실 통지(First Notice of Loss; FNOL) 프로세스는 또한 더 큰 정확도, 응답 시간, 및 더 낮은 운영 비용을 위해 자동화된다.
용어 "센서"는 차량의 동적 상태를 감지하기 위한 임의의 타입의 공지된 센서를 지칭할 수 있다. 센서는 재고 장비(stock equipment) 또는 에프터-마켓 툴(after-market tool)일 수 있다. 센서는 질량 기류 센서(mass airflow sensor), 엔진 속도 센서, 산소 센서, 스파크 노크 센서, 냉각수 센서, 매니폴드 절대 압력(manifold absolute pressure; MAF) 센서, 연료 온도 센서, 전압 센서, 캠축 위치 센서, 스로틀 위치 센서, 차량 속도 센서 또는 속도계, 근접 센서, 가속도계, 글로벌 포지셔닝 시스템, 오도미터, 조향각 센서, 안전 시스템 데이터, 라디오 검출 및 레인징(radio detection and ranging; RADAR), 광 검출 및 레인징(light detection and ranging; LIDAR) 및 고장 진단 코드(diagnostic trouble codes)를 포함할 수 있지만, 이에 제한되지 않는다.
용어 "센서 데이터" 및 "차량 센서 데이터"는 그것이 재고 장비이든 에프터-마켓 툴이든 차 상의 임의의 센서로부터 수신되는 데이터를 지칭할 수 있다.
용어 "차량"은 차, 트럭, 버스, 모토사이클, 항공기, 및 헬리콥터를 포함하는 사람 또는 화물을 운송하는 임의의 타입의 머신을 지칭할 수 있지만, 이에 제한되지 않는다.
용어 "위험 이벤트"는 운전자의 행동에 부정적으로 영향을 미칠 운전 중에 발생하는 임의의 발생 또는 사건을 지칭할 수 있고, 특정 속도에서의 제동, 특정 속도에서의 평가, 충돌 전의 테일게이트 시간, 특정 속도에서의 코너링, 트립 시간, 트립 마일리지, 정지 신호에서의 정지 실패, 롤링(rolling) 정지, 완전 정지, 가속 마일, 트립(trip) 비용, 트립 시작 시간, 트립 정지 시간, 트립 상태, 및 트립 점수를 포함할 수 있지만, 이에 제한되지 않는다.
본원에 설명되는 수 개의 방법은 하드웨어, 예컨대 서버, 사용자 인터페이스 또는 디바이스, 차량 모듈 및 데이터 모듈에서 구현될 수 있다. 이러한 디바이스 각각은 위험 이벤트가 발생했는지를 판단하고, 운전자 점수를 생성하고 사건 데이터를 셀룰러 및/또는 다른 네트워크 통신에 의해 비상 대응 차량에 송신할 수 있다.
본원에 사용되는 바와 같은 용어 "컴퓨터-판독가능 매체"는 실행을 위해 프로세서에 명령을 제공하는 데 참여하는 임의의 유형의 스토리지(storage)를 지칭한다. 그러한 매체는 비-휘발성 매체, 휘발성 매체, 및 전송 매체를 포함하는 많은 형태를 취할 수 있지만, 이에 제한되지 않는다. 비-휘발성 매체는, 예를 들어, NVRAM, 또는 자기 또는 광학 디스크를 포함한다. 휘발성 매체는 동적 메모리, 예컨대 메인 메모리를 포함한다. 공통 형태의 컴퓨터-판독가능 매체는, 예를 들어, 플로피 디스크, 플렉시블 디스크, 하드 디스크, 자기 테이프, 또는 임의의 다른 자기 매체, 광자기(magneto-optical) 매체, CD-ROM, 임의의 다른 광학 매체, 펀치 카드, 종이 테이프, 홀의 패턴을 갖는 임의의 다른 물리적 매체, RAM, PROM, 및 EPROM, 플래시-EPROM, 메모리 카드와 같은 고체 상태 매체, 임의의 다른 메모리 칩 또는 카트리지, 또는 컴퓨터가 판독할 수 있는 임의의 다른 매체를 포함한다. 컴퓨터-판독가능 매체가 데이터베이스로서 구성될 때, 데이터베이스는, 관계형, 계층형, 객체-지향형 등등과 같은, 임의의 타입의 데이터베이스일 수 있다는 점이 이해되어야 한다. 따라서, 본 개시는 유형(tangible)의 저장 매체 및 종래 기술-인식된 등가물 및 후속 매체를 포함하도록 구성되며, 여기에 본 개시의 소프트웨어 구현이 저장된다.
용어 "중앙 처리 유닛", "프로세서", "프로세서 회로", 및 "처리 회로", 및 그 변형예는, 본원에서 사용되는 바와 같이, 교환가능하게 사용되고, 범용 프로세서, 디지털 신호 프로세서(DSP), 주문형 집적회로(ASIC), 필드 프로그램가능 게이트 어레이(FPGA) 또는 다른 프로그램가능 로직 컴포넌트, 이산 게이트 또는 트랜지스터 로직, 이산 하드웨어 구성요소, 또는 본원에 설명되는 기능을 수행하도록 설계되는 그 임의의 조합을 포함하지만, 이에 제한되지 않는다. 범용 프로세서는 마이크로프로세서 뿐만 아니라, 임의의 종래의 프로세서, 컨트롤러, 마이크로컨트롤러, 또는 상태 머신(state machine)을 포함할 수 있다. 프로세서는 또한 컴퓨팅 컴포넌트의 조합, 예컨대 DSP 및 마이크로프로세서의 조합, 다수의 마이크로프로세서, DSP 코어와 함께 하나 이상의 마이크로프로세서, ASIC 및 마이크로프로세서, 또는 임의의 다른 수의 가변 구성으로서 구현될 수 있다. 프로세스의 이러한 예는 예시를 위한 것이고 본 개시의 범위 내의 다른 적합한 구성이 또한 고려된다. 더욱이, 프로세서는 하나 이상의 프로세서, 하나 이상의 컨트롤러, 및/또는 실행가능한 프로그래밍을 실행하도록 구성되는 다른 구조로서 구현될 수 있다.
용어 "결정하다", "계산하다", 및 "컴퓨팅하다", 및 그 변형예는, 본원에 사용되는 바와 같이, 교환가능하게 사용되고 임의의 타입의 방법론, 프로세스, 수학적 동작 또는 기술을 포함한다.
본원에 사용되는 바와 같은 용어 "모듈"은 임의의 공지된 또는 나중에 개발된 하드웨어, 소프트웨어, 펌웨어, 인공 지능, 퍼지 로직, 또는 그러한 요소(element)와 연관되는 기능을 수행할 수 있는 하드웨어 및 소프트웨어의 조합을 지칭한다.
용어 "사용자 인터페이스" 및 "사용자 인터페이스 모듈"은 서버, 퍼스널 컴퓨터, 모바일 폰, 스마트 폰, 태블릿, 휴대용 컴퓨터, 머신, 엔터테인먼트 디바이스, 또는 회로를 갖는 임의의 다른 전자 디바이스 내에서 구체화되거나 구현될 수도 있다. 본원에 설명되는 시스템은 다양한 객체 주위에 바운딩 박스를 식별 및 드로잉할 수 있다. 이러한 객체는 사람, 자전거, 차, 모터사이클, 버스, 기차, 트럭, 보트, 신호등, 소화전, 정지 신호, 및 도그(dog)를 포함하지만, 이에 제한되지 않는다.
용어 "운전자"는 사람 또는 자율-주행 특징이 체결된 차량을 지칭할 수 있다.
첨부 도면과 함께 아래에 진술되는 상세한 설명은 다양한 구성의 설명으로서 의도되고 본원에 설명되는 개념이 실시될 수 있는 구성만을 나타내도록 의도되지 않는다. 상세한 설명은 다양한 개념의 완전한 이해를 제공하기 위해 특정 상세를 포함한다. 그러나, 이러한 개념이 이러한 특정 상세 없이 실행될 수 있다는 점이 당업자에게는 명백할 것이다. 일부 경우에서, 잘 공지된 구성 및 컴포넌트는 그러한 개념을 모호화하는 것을 회피하기 위해 블록도 형태로 도시된다. 본원에 사용되는 바와 같이, 단수의 요소에 대한 참조는 복수의 요소에 대한 참조를 고려한다.
도 1은 본 개시의 시스템 및 방법의 실시예가 발견될 수 있는 차량의 운전자의 처리 또는 행동에 기초하여 차량의 책임 및 운영 비용을 생성 및 계산하기 위한 예시적 아키텍처(100)를 도시한다. 시스템은 차량 모듈(104), 사용자 인터페이스 모듈(106), 데이터 플랫폼(108) 및 원격 파일 시스템 또는 서버(142)를 연결하는 통신 네트워크(102)를 포함한다. 제3자 애플리케이션 프로토콜 인터페이스(109)는 차량 모듈(104) 상에서 그리고 데이터 플랫폼(108)에 의해 생성되는 것을 액세스할 수 있다. 차량 모듈(104), 사용자 인터페이스(106), 데이터 플랫폼(108), 원격 파일 시스템 또는 서버(142) 및 제3자 애플리케이션 프로토콜 인터페이스(109)는 아래에 보다 상세히 설명된다.
시스템(100)은 차량으로부터 획득되는 데이터를 사용하여 차량의 운전자의 처리에 대한 하나 이상의 위험 점수를 계산한다. 데이터는 차량 센서, 비디오 입력, 및 탑재된 인공지능/머신 러닝의 조합으로부터 획득된다.
일부 실시예에서, 시스템(100)은 로컬 데이터 저장 디바이스(112) 및/또는 원격 서버(142), 또는 로컬 및 원격 데이터 저장 디바이스 및 파일 시스템의 임의의 조합과 상호작용할 수 있다.
로컬 파일 시스템(및/또는 원격 파일 시스템)은 로컬 데이터 저장 디바이스(112) 및/또는 원격 데이터 저장 디바이스(142)의 데이터가 저장 및 검색되는 방법을 제어할 수 있다. 일부 실시예에서, 로컬 데이터 저장 디바이스(112) 및/또는 원격 데이터 저장 디바이스(142)에 데이터로서 저장되는 정보의 그룹을 관리하기 위해 사용되는 구조 및 로직 규칙은 "파일 시스템"(예를 들어, 로컬 파일 시스템 및/또는 원격 파일 시스템)으로서 지칭될 수 있다. 로컬 파일 시스템 및/또는 원격 파일 시스템은 각각 상이한 구조 및 로직, 속도, 유연성, 보안, 크기의 특징 및 그 이상을 가질 수 있다. 일부 실시예에서, 로컬 파일 시스템 및/또는 원격 파일 시스템의 구조 및 로직은 다른 공지된 파일 시스템에 비해 개선된 속도 및 보안을 제공한다. 로컬 데이터 저장 디바이스 및/또는 원격 데이터 저장 디바이스는 데이터가 저장될 수 있는 동일한 또는 상이한 매체를 사용할 수 있다. 매체의 예는 자기 디스크, 자기 테이프, 광학 디스크, 및 전자 메모리(예컨대 플래시 메모리)를 포함한다.
본원에 설명되는 장치, 디바이스, 시스템, 기능, 모듈, 및 서비스의 임의의 또는 전부와 서버 사이의 통신은 하나 이상의 유선 및/또는 무선 통신 네트워크(들)(134)을 통해 이루어질 수 있다. 통신 네트워크(들)(134)의 예는 공중 교환 전화망(PSTN), 광역 네트워크(WAN), 근거리 통신망(LAN), TCP/IP 데이터 네트워크 예컨대 인터넷, 및 무선 네트워크 예컨대 제3 세대 파트너쉽 프로젝트(3GPP)에 의해 공포되는 3G, 4G, LTE, 및 5G 네트워크를 포함한다. 통신 네트워크(들)(134)은 방금-언급된 통신 네트워크와 같은 임의의 하나 또는 2개 이상의 통신 네트워크의 조합일 수 있지만, 이에 제한되지 않는다.
도 2는 본 개시의 일부 양태에 따른 탑재된 차량 모듈에 대한 예시적 하드웨어 구현을 예시하는 블록도이다. 차량 모듈(104)은 차량에서 운전자의 액션(actions)을 모니터링한다. 적어도 일부 실시예에 따르면, 차량 모듈(104)은 프로세서(110), 로컬 데이터 스토리지(112), 하나 이상의 센서(114), 진단 모듈(116), 엔진 제어 유닛(ECU)(118), 통신 인터페이스(120), 및 차량의 자율-주행 특징이, 이용가능한 경우, 체결된 때, 그것이 체결되었을 때, 운전자 또는 차량이 자율-주행 특징을 체결한지 여부, 및 자율-주행 특징이 해제된 때를 추적하기 위한 자율-주행 스위치(123)를 갖는 자율-주행 모듈(121)을 포함할 수 있다. 자율-주행 특징이 체결된지 여부에 관한 정보는 위험 이벤트가 운전자에 의해 또는 차량에 의해 야기되었는지를 판단하기 위해 사용될 수 있다.
차량 모듈(104)은 전형적으로 예를 들어 컨트롤러 영역 네트워크(CAN) 버스를 통해 ECU에 연결되는 차량에 제공되는 다양한 센서(114)(예를 들어, 속도 센서, 가속도계, GPS 로케이터, 타이어 압력 센서, 자율-주행 센서, 및 오디오/비주얼 센서, 예컨대 백업 카메라, 및 도난-방지 도난 디바이스)를 사용하여 운전자 데이터를 수집한다. 수집된 차량 센서 데이터 및/또는 비디오-메타 데이터로부터, 프로세서(110)는 보험 머신 러닝 알고리즘 및 특정 트립에 대한 위험 및 안전을 포함하는 운전 점수를 계산하기 위해 이전에 수집된 광범위한 데이터 수집 및 분석에 기초한 인공 지능 및/또는 머신 러닝 모듈(124)을 사용하여 수집된 데이터를 점수로 계산한다.
일 양태에 따르면, 시스템은 어떤 차량 센서가 이용가능한지를 결정할 수 있고, 필요에 따라, 모듈 및 센서를 비활성화시킬 수 있다. 시스템이 모듈 및 센서를 비활성화시킴에 따라, 그것은, 얼마나 많은 데이터가 이용가능한지를 고려하여, 적절하게, 위험 계산을 조정한다. 그러한 차량 트립 요약을 사용하여, 시스템은 트립 및 전체 트립 심각도에 대한 점수를 출력할 수 있다. 시간이 경과함에 따라, 시스템은 평균 트립 점수에 기초하여 운전자에 대한 위험 프로파일을 구성할 수 있다. 이러한 점수는 차량 자체에 대한 비용 및 위험을 추정할 뿐만 아니라, 차량의 운전자를 평가하기 위해 위험 프로파일을 사용할 수 있다.
차량 모듈(104)은 또한 통신을 무선 통신 링크를 통해 사용자 인터페이스(106)를 갖는 통신 네트워크(102), 데이터 플랫폼(108) 및 통신 네트워크(102)에 연결되는 서버(142)에 허용하기 위해 네트워크 통신 인터페이스(120)로 프로비저닝된다.
머신 러닝 모듈(124)은 운전자 점수 및 트립 정보를 생성하기 위해 센서(114), 진단 모듈(116), 엔진 제어 유닛(118) 및 자율-주행 모듈(121)로부터 데이터를 분석하는 적어도 하나의 보험 머신 러닝 알고리즘으로 구성된다. 다양한 실시예에서, 머신 러닝 모듈(124)은 머신 러닝 모델을 생성하기 위해 머신 러닝 훈련 파이프라인을 사용한다.
진단 모듈(116)은 차량의 자가-진단 및 보고 능력과 관련된 탑재된 메모리 또는 로컬 데이터 스토리지(112)에 데이터를 저장하고 이로부터 데이터를 검색할 수 있다. 진단 모듈(116)은 수신된 데이터를 분석하고, 잠재적인 문제를 진단하고, 사용자, 운전자, 보험사 또는 다른 엔티티에 대한 프리젠테이션을 위한 데이터를 준비할 수 있다. 진단 모듈(116)은 통신 인터페이스(120)를 통해 사용자 인터페이스 모듈(106) 및 데이터 플랫폼 모듈(108)과 통신할 수 있다. 진단 모듈(106)은, 적절한 정보를 검색하고/하거나 생성하고 그것을 사용자, 운전자, 보험사 또는 다른 엔티티에 대한 프리젠테인션을 위해 데이터 플랫폼 모듈(108)에 제공하기 위해, 통신 인터페이스(120) 또는 프로세서(110)를 통해, 커맨드/명령을 수신할 수 있다.
ECU(118)는 엔진 베이(bay) 내의 센서로부터의 값을 판독함으로써 최적 엔진 성능을 보장하기 위해 내연 엔진 상의 일련의 액추에이터를 제어한다. 그것은 다차원 행동 맵(룩업 테이블로 지칭됨)을 사용하여 데이터를 해석하고 엔진 액추에이터를 조정한다. ECU(118)는 예를 들어, 공기-연료 혼합, 점화 타이밍, 및 아이들(idle) 속도를 모니터링하고 설정할 수 있다. ECU(118)로부터의 데이터는 운전자의 운전 행동에 기초하여 운전자 위험 점수를 계산하기 위해 머신 러닝 알고리즘 및 이전 수집 데이터와 함께 사용하기 위해 머신 러닝 모듈(124)에 제공된다.
도 3은 사용자 인터페이스 모듈(106) 및 데이터 플랫폼 모듈(108)에 대한 예시적 하드웨어 구현을 예시하는 블록도이다. 사용자 인터페이스 모듈(106)은 제3자가 사고/이상 분석, 과실 책임 할당, 대위 변제, 및 보험금 지급의 결과로서 차량 및 운전자 데이터 정보를 획득하는 것을 허용한다. 정보는 보험 시스템으로부터 출력을 수용하도록 구성되는 API 연결에 기초하여 상이한 사용자 인터페이스를 통해 운전자 및 보험사에 송신될 수 있다.
사용자 인터페이스 모듈(106)은 프로세서(132), 차량 헤드-업 디스플레이(heads-up display; HUD) 모듈(134), 대시보드 모듈(136), 통신 인터페이스(138), 및 메모리 또는 데이터 스토리지 모듈(140)을 포함할 수 있다. 사용자 인터페이스 모듈은 사용자 머신 러닝 모듈(124)에 직접 제공되는 센서 데이터를 로딩하고 처리하는 것을 허용한다(도 2 참조).
사용자 인터페이스 모듈(106)은 외부 또는 제3자가 이벤트 및 이상 행동 데이터를 수신하는 것을 허용한다. 사용자 인터페이스 모듈(106)은, 로컬 메모리 또는 원격 데이터 스토리지(142)에 저장되는 데이터를 검색하기 위해 사용자 인터페이스 모듈(106) 상의 API에, 그 통신 인터페이스를 사용하여, 연결을 설정한다. 사용자 인터페이스 모듈(106) 상의 차량 HUD 모듈(136) 및 대시보드 모듈(136)은 사용자가 데이터를 보는 것을 허용한다.
사용자 인터페이스 모듈(106)은 통신 네트워크(104)에 연결되고, 따라서, 네트워크화된 컴퓨팅 디바이스로서 또한 고려될 수 있다. 사용자 인터페이스(106)는 사용자 인터페이스 모듈(06)이 다양한 타입의 통신 네트워크에 거쳐 통신하는 것을 가능하게 하는 네트워크 또는 통신 인터페이스(138) 또는 다수의 네트워크 인터페이스를 포함할 수 있다. 예를 들어, 사용자 인터페이스 모듈(106)은 네트워크 인터페이스 카드, 안테나, 안테나 드라이버, 이더넷 포트 등을 포함할 수 있다. 사용자 인터페이스 모듈(106)의 다른 예는 랩탑, 태블릿, 셀룰러 폰, 개인 정보 단말기(PDA), 신 클라이언트, 수퍼 컴퓨터, 서버, 프록시 서버, 통신 스위치, 셋톱 박스(STBs), 스마트 TV 등을 포함하지만, 이에 제한되지 않는다. 프로세서(110)는 보험 머신 러닝 알고리즘 및 특정 트립에 대한 위험 및 안전을 포함하는 운전 점수를 계산하기 위해 이전에 수집된 광범위한 데이터 수집 및 분석에 기초한 인공 지능 및/또는 머신 러닝 모듈(124)을 사용하여 수집된 데이터를 계산한다. 즉, 머신 러닝 모듈(124)은 광범위한, 이전에 수집된 데이터세트에 대해 평가된, 수집된 차량 센서 및 비디오 데이터에 기초하여 (운전자 점수, 트립 점수, 및 위험 점수와 같은) 점수를 (차량 모듈 상에서) 로컬적으로 계산하기 위해 탑재된 머신 러닝 방법을 사용한다. 점수 및 트립 요약이 완료되었으면, 차량 모듈(102)은 네트워크화된 서버와의 연결을 설정하고 사용자가 설정된 데이터세트에 대한 운전자의 행동을 평가하는 것을 허용하는 데이터를 송신한다.
데이터 플랫폼 모듈(108)로 돌아가면, 그것은 차량 모듈(104)의 차량용 처리 시스템(on-vehicle processing system)과 비교하여 더 높은 계산 및 메모리 능력을 갖는다. 이러한 데이터 플랫폼(108)은 성능, 비용, 또는 물리적 크기 제약으로 인해 차량 상에서 실행되기 어려운 알고리즘을 사용함으로써 추정된 출력에 대한 추가적인 정확도를 추가하도록 그것에 송신된 데이터를 더 처리하기 위해 사용된다. 추가적으로, 데이터 플랫폼 모듈(108)은 다음: 즉, a) 데이터를 다른 차량 또는 디바이스로부터 요청하고/하거나; b) 데이터를 다른 차량 또는 디바이스로부터 수집하고/하거나; c) 다른 차량 또는 디바이스와 통신하기 위해 제3자와의 통신을 허용하는 프로세스를 수용한다. 또한, 이러한 데이터 플랫폼(108)은 다음: 즉, a) 데이터를 다른 차량 또는 디바이스로부터 요청하고/하거나; b) 데이터를 다른 차량 또는 디바이스로부터 수집하고/하거나; c) 다른 차량 또는 디바이스와 통신하기 위해 프로세서(126), 그래픽 처리 유닛(GPU)(128) 및 제3자와의 통신을 허용하는 통신 인터페이스(130)를 포함한다.
일 예에 따르면, 시스템은 GPU를 사용하여 한 번에 최대 60초의 비디오 데이터를 유지할 수 있다. 시스템이 위험 이벤트를 검출할 때, GPU는 차량 모듈의 탑재된 스토리지 상에 위험 이벤트 전후의 10초의 비디오를 저장할 수 있다. 데이터는 그것이 발생하고, 그것이 관측됨에 따라 시스템이 이벤트 주위의 비디오 클립 및 텔레메트리(telemetry) 데이터를 재구축할 수 있게 하도록 유지될 수 있다. 시스템은 정규 간격에서 트립 데이터로 원격 데이터 스토리지 또는 서버를 갱신할 수 있다. 정규 간격은 트립의 시작, 트림의 종료 및 매 10초의 트립을 포함할 수 있지만, 이에 제한되지 않는다.
다음: 즉, a) 사고/이상 분석, b) 과실 책임 할당, c) 대위 변제, 및/또는 d) 보험금 지급의 결과로서의 정보는; 보험 시스템으로부터의 출력을 수용하도록 구성되는 API 연결에 기초하여 상이한 사용자 인터페이스를 통해 운전자 및 보험사로 송신될 수 있다.
GPU 이력은 차량 카메라, 예컨대 대시보드 카메라 및 주행 보조 카메라로부터 수신될 수 있다. 대시보드 카메라의 활성화 시에, 시스템은 모듈이 카메라 촬영에 의해 동작하는지를 검증한다. 시스템이 카메라 촬영에 실패하는 경우, 시도는 예를 들어, 0.01초마다 다시 이루어질 수 있다. 시스템이 카메라가 작동하고 있지 않거나 카메라 캡처가 닫혀 있다는 것을 검출하는 경우, 그것은 비디오 캡처를 분석하고 처리하는 서브프로세스로 킬 커맨드를 송신한다. 비디오는 차량 상에서 로컬적으로 처리될 수 있거나 그것은 별도의 디바이스 상에서 처리될 수 있다.
사용자 인터페이스(106)는 통신 네트워크(104)에 연결되고, 따라서, 또한 네트워크화된 컴퓨팅 디바이스로 간주될 수 있다. 사용자 인터페이스(106)는 사용자 인터페이스(106)가 다양한 타입의 통신 네트워크에 걸쳐 통신할 수 있게 하는 네트워크 또는 통신 인터페이스(138) 또는 다수의 네트워크 인터페이스를 포함할 수 있다. 예를 들어, 사용자 인터페이스(106)는 네트워크 인터페이스 카드, 안테나, 안테나 드라이버, 이더넷 포트 등을 포함할 수 있다. 사용자 인터페이스(106)의 다른 예는 랩탑, 태블릿, 셀룰러 폰, 개인 정보 단말기(PDA), 신 클라이언트, 수퍼 컴퓨터, 서버, 프록시 서버, 통신 스위치, 셋톱 박스(STB), 스마트 TV 등을 포함하지만, 이에 제한되지 않는다.
위험 이벤트는 차량 센서 또는 CAN 버스에 의해 관측되는 데이터를 모니터링함으로써 검출된다. 시스템이 머신 러닝에 의해 시뮬레이션되는 모델과 일치하는 미리결정된 임계 레벨 또는 위험 패턴에 접근하는 센서 데이터를 관측할 때, 시스템은 위험하거나 비정상적인 상황을 기록한다. 위험하거나 비정상적인 상황을 기록할 시에, 시스템 센서 모듈은 이벤트 데이터 및 임의의 이용가능한 비디오 기록을 필터링하고 그들을 점수 모델을 처리하는 모듈로 전달한다.
도 4는 본 개시의 하나 이상의 양태에 따라 통신하도록 구성되는 차량 모듈/장치(400)의 예시적 하드웨어 구현의 블록도를 예시한다. 차량 모듈(400)은 예를 들어, 통신 인터페이스(402)를 포함할 수 있다. 통신 인터페이스(402)는 데이터를 인에이블하고 입력 및 출력을 제어할 수 있다. 통신 인터페이스(402)는, 예를 들어, 도 1의 통신 네트워크(들)(102)과 유사한, 하나 이상의 통신 네트워크를 통해 통신을 인에이블할 수 있다. 통신 인터페이스(402)는 통신 네트워크(들)(102)에, 직접적으로 또는 간접적으로, 통신 결합될 수 있다. 차량 모듈(400)은 로컬 작동 메모리 디바이스(404), 및 프로세서 시스템/기능/모듈/디바이스(이하 프로세서(406))를 포함할 수 있다. 프로세서(406)는 막 동작되려고 하는, 동작되고 있는, 또는 최근에 동작된 데이터를 저장하기 위해 작동 메모리 디바이스(404)를 사용할 수 있다. 프로세서(406)는 명령을 작동 메모리 디바이스(404) 상에 및/또는 하나 이상의 다른 메모리 구조 또는 디바이스, 예컨대, 예를 들어, 비-일시적 컴퓨터 판독가능 매체 시스템/기능/모듈/디바이스(이하 비-일시적 컴퓨터 판독가능 매체(408)) 상에 저장할 수 있다. 프로세서(406)에 의해 실행될 때, 명령은, 예를 들어, 프로세서(406)가 본원에 설명되는 방법 중 하나 이상의 양태를 수행하게 할 수 있다.
차량 모듈(400)은 일반적으로 버스(410)로 표현되는, 버스 아키텍처로 구현될 수 있다. 버스(410)는 차량 모듈(400)의 특정 적용 및 전체 설계 제약에 따라 임의의 수의 상호연결 버스 및 브리지(bridge)를 포함할 수 있다. 버스(410)는 하나 이상의 프로세서(일반적으로 프로세서(406)로 표현됨), 작동 메모리 디바이스(404), 통신 인터페이스(402), 및 비-일시적 컴퓨터 판독가능 매체(408)를 포함하는 다양한 회로를 통신적으로 결합시킬 수 있다. 버스(410)는 또한 다양한 다른 회로 및 디바이스, 예컨대 타이밍 소스, 주변장치, 전압 레귤레이터, 및 전력 관리 회로 및 디바이스를 링크시킬 수 있으며, 이는 기술 분야에 잘 공지되어 있고, 따라서, 더 이상 추가적으로 설명되지 않는다.
통신 인터페이스(402)는 전송 매체를 통해 다른 장치와 통신하기 위한 수단을 제공한다. 일부 구현예에서, 통신 인터페이스(402)는 네트워크에서 하나 이상의 통신 디바이스에 대해 양방향으로 정보의 통신을 용이하게 하도록 적응되는 회로 및/또는 프로그래밍을 포함한다. 일부 구현예에서, 통신 인터페이스(402)는 차량 모듈(400)의 무선 통신을 용이하게 하도록 적응된다. 이러한 구현예에서, 통신 인터페이스(402)는 무선 통신 시스템 내에서 무선 통신을 위해 도 4에 도시된 바와 같이 하나 이상의 안테나(412)에 결합될 수 있다. 일부 구현예에서, 통신 인터페이스(402)는 유선-기반 통신을 위해 구성될 수 있다. 예를 들어, 통신 인터페이스(402)는 (예를 들어, 신호를 집적 회로로부터 출력하고/하거나 신호를 집적 회로로 수신하는) 신호를 출력하고/하거나 획득하기 위한 드라이버, 버퍼, 또는 다른 회로를 포함하는 버스 인터페이스, 송/수신 인터페이스, 또는 일부 다른 타입의 신호 인터페이스일 수 있을 것이다. 통신 인터페이스(402)는 하나 이상의 독립형 수신기 및/또는 송신기 뿐만 아니라, 하나 이상의 송수신기로 구성될 수 있다. 예시된 예에서, 통신 인터페이스(402)는 송신기(414) 및 수신기(416)를 포함한다. 통신 인터페이스(402)는 수신을 위한 수단 및/또는 송신을 위한 수단의 일 예로서의 역할을 한다.
프로세서(406)는, 비-일시적 컴퓨터 판독가능 매체(408) 상에 저장되는 소프트웨어의 실행을 포함하는, 버스(410) 및 일반적인 처리를 관리하는 데 책임이 있을 수 있다. 소프트웨어는, 프로세서(406)에 의해 실행될 때, 프로세서(406)가 임의의 특정 장치 또는 모듈에 대해 아래에 설명되는 다양한 기능을 수행하게 할 수 있다. 비-일시적 컴퓨터 판독가능 매체(408) 및 작동 메모리 디바이스(404)는 또한 소프트웨어를 실행시킬 때 프로세서(406)에 의해 조작되는 데이터를 저장하기 위해 사용될 수 있다.
하나 이상의 프로세서, 예컨대 차량 모듈(400)의 프로세서(406)는 소프트웨어를 실행시킬 수 있다. 소프트웨어는, 소프트웨어, 펌웨어, 미들웨어, 마이크로코드, 하드웨어 설명 언어로서, 또는 달리 지칭되든, 명령, 명령 세트, 코드, 코드 세그먼트, 프로그램 코드, 프로그램, 서브프로그램, 소프트웨어 모듈, 애플리케이션, 소프트웨어 애플리케이션, 소프트웨어 패키지, 루틴, 서브루틴, 객체, 실행파일, 실행 스레드, 절차, 기능 등을 의미하도록 광범위하게 해석될 수 있다. 소프트웨어는 비-일시적 컴퓨터 판독가능 매체, 예컨대 비-일시적 컴퓨터 판독가능 매체(408) 상에 존재할 수 있다. 비-일시적 컴퓨터 판독가능 매체(408)는, 예로서, 자기 저장 디바이스(예를 들어, 하드 디스크, 플로피 디스크, 자기 테이프, 자기 스트립), 광학 디스크(예를 들어, 콤팩트 디스크(CD) 또는 디지털 다기능 디스크(DVD)), 스마트 카드, 플래시 메모리 디바이스(예를 들어, 카드, 스틱, 또는 키 드라이브), 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 프로그램가능 ROM(PROM), 소거가능 PROM(EPROM), 전기적 소거가능 PROM(EEPROM), 레지스터, 이동식 디스크, 및 컴퓨터 또는 프로세서(406)에 의해 액세스되고 판독될 수 있는 소프트웨어, 날짜, 및/또는 명령을 저장하기 위한 임의의 다른 적절한 비-일시적 매체를 포함할 수 있다. 컴퓨터 판독가능 매체는 또한, 예로서, 반송파, 전송 라인, 및 컴퓨터 또는 프로세서(406)에 의해 액세스되고 판독될 수 있는 소프트웨어 및/또는 명령을 송신하기 위한 임의의 다른 적합한 매체를 포함할 수 있다. 비-일시적 컴퓨터 판독가능 매체(408)는 차량 모듈(400)(예를 들어, 도 1의, 로컬 데이터 저장 디바이스(112))에, 차량 모듈(400)(예를 들어, 원격 데이터 저장 디바이스(142)) 외부에, 또는 차량 모듈(400)을 포함하는 다수의 엔티티에 걸쳐 분포될 수 있다.
프로세서(406)는 데이터를 획득, 처리 및/또는 송신하고, 데이터 액세스 및 저장을 제어하고, 커맨드를 발행하고, 다른 원하는 동작을 제어하도록 정렬된다. 프로세서(406)는 적어도 하나의 예에서 적절한 매체에 의해 제공되는 원하는 프로그래밍을 구현하도록 구성되는 회로를 포함할 수 있다.
비-일시적 컴퓨터 판독가능 매체(408)는 컴퓨터 프로그램 제품에 구현될 수 있다. 예로서, 컴퓨터 프로그램 제품은 패키징 재료에 컴퓨터 판독가능 매체를 포함할 수 있다. 당업자는 특정 애플리케이션 및 전체 시스템에 부과되는 전체 설계 제약에 따라 본 개시 도처에 제시되는 설명된 기능을 최선으로 구현하기 위한 방법을 인식할 것이다.
본 개시의 일부 양태에서, 프로세서(406)는 다양한 기능을 위해 구성되는 회로를 포함할 수 있다. 예를 들어, 프로세서(406)는 센서 및 디스플레이의 동작을 관리하고 인터넷 웹에 대한 액세스와 연관되는 입력/출력 동작을 수행하고, 예를 들어, 본원에 설명되는 방법을 수행하도록 구성되는 동작용 회로/모델(420)을 포함할 수 있다. 예를 들어, 프로세서(406)는 센서 데이터, 이벤트 데이터, 임계 레벨, 비디오 데이터, 운전자 데이터, 점수 데이터 및 이전에 수집된 데이터 세트를 포함하지만 이에 제한되지 않는 데이터를 포함하는 데이터를 저장하도록 구성되는 데이터 저장 시스템/기능/모듈/디바이스(422)를 포함할 수 있다. 예를 들어, 프로세서(406)는 로컬 데이터 스토리지 및/또는 원격 데이터 스토리지에서의 데이터가 저장되고 검색되는 방법을 제어하도록 구성되는 파일 시스템/기능/모듈/디바이스(424)를 포함할 수 있다. 예를 들어, 프로세서(406)는 센서 입력 및 비디오 입력을 제어하도록 구성되는 센서 시스템/기능/모듈/디바이스(426)를 포함할 수 있다. 예를 들어, 프로세서(406)는 예를 들어, 이메일 계정을 제공하고 차량의 자가-보고된 데이터, 기록된 비디오를 검색 및 저장하기 위해 전송용 이메일 메시지 및 번들 이메일을 처리하고, 예를 들어, 본원에 설명되는 방법을 수행하도록 구성되는 진단 시스템/기능/모듈/디바이스(426)를 포함할 수 있다. 예를 들어, 프로세서(406)는 차량 내의 서브시스템 중 하나 이상의 전기 시스템을 외부 서버로 제어하고, 예를 들어, 본원에 설명되는 방법을 수행하도록 구성되는 엔진 제어 유닛 시스템/기능/모듈/디바이스(430)를 포함할 수 있다. 예를 들어, 프로세서(406)는 이전 사용의 모델을 구축하도록 구성되는 인공 지능 시스템/기능/모듈/디바이스(432)를 포함할 수 있다. 예를 들어, 프로세서(406)는 차의 자율-주행 시스템이 위험 이벤트의 시간에서 체결되었는지 및 운전자가 자율-주행 시스템을 체결했는지 또는 차량이 자율-주행 특징을 체결했는지 여부를 판단하도록 구성되는 자율-주행 시스템/기능/모듈/디바이스(432)를 포함할 수 있다.
본 개시의 일부 양태에서, 차량 모듈(400)의 비-일시적 컴퓨터 판독가능 매체(408)는 프로세서(406)의 다양한 시스템/기능/모듈/디바이스가 본원에 설명되는 방법을 수행하게 할 수 있는 명령을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(408)는 동작용 회로/모듈(420)에 대한 동작 명령 또는 코드(420)를 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(408)는 데이터 저장 시스템/기능/모듈/디바이스(422)에 대응하는 데이터 저장 명령(436)을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(408)는 파일 시스템/기능/모듈/디바이스(424)에 대응하는 파일 시스템 명령(438)을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(408)는 센서 시스템/기능/모듈/디바이스(426)에 대응하는 센서 명령(440)을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(408)는 엔진 제어 유닛 시스템/기능/모듈/디바이스(430)에 대응하는 진단 명령(442)을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(408)는 엔진 제어 유닛 시스템/기능/모듈/디바이스(430)에 대응하는 엔진 제어 유닛 명령(444)을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(408)는 인공 지능 시스템/기능/모듈/디바이스(432)에 대응하는 인공 지능 명령(446)을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(408)는 자율-주행 시스템/기능/모듈/디바이스(433)에 대응하는 자율-주행 명령(446)을 포함할 수 있다.
도 5는 본 개시의 하나 이상의 양태에 따라 통신하도록 구성되는 데이터 플랫폼 모듈/장치(500)의 예시적 하드웨어 구현의 블록도를 예시한다. 데이터 플랫폼 모듈(500)은, 예를 들어, 통신 인터페이스(502)를 포함할 수 있다. 통신 인터페이스(502)는 데이터를 인에이블하고 입력 및 출력을 제어할 수 있다. 통신 인터페이스(502)는, 예를 들어, 도 1의 통신 네트워크(들)(102)과 유사한, 하나 이상의 통신 네트워크를 통해 통신을 인에이블할 수 있다. 통신 인터페이스(502)는, 통신 네트워크(들)(102)에, 직접적으로 또는 간접적으로, 통신 결합될 수 있다. 데이터 플랫폼 모듈(500)은 작동 메모리 디바이스(504), 및 프로세서 시스템/기능/모듈/디바이스(이하 프로세서(506))를 포함할 수 있다. 프로세서(506)는 막 동작되려고 하는, 동작되고 있는, 또는 최근에 동작된 데이터를 저장하기 위해 작동 메모리 디바이스(504)를 사용할 수 있다. 프로세서(506)는 명령을 작동 메모리 디바이스(504) 상에 및/또는 하나 이상의 다른 메모리 구조 또는 디바이스, 예컨대, 예를 들어, 비-일시적 컴퓨터 판독가능 매체 시스템/기능/모듈/디바이스(이하 비-일시적 컴퓨터 판독가능 매체(508)) 상에 저장할 수 있다. 프로세서(506)에 의해 실행될 때, 명령은, 예를 들어, 프로세서(506)가 본원에 설명되는 방법 중 하나 이상의 양태를 수행하게 할 수 있다.
데이터 플랫폼 모듈(500)은, 일반적으로 버스(510)로 표현되는, 버스 아키텍처로 구현될 수 있다. 버스(510)는 데이터 플랫폼 모듈(500)의 특정 적용 및 전체 설계 제약에 따라 임의의 수의 상호연결 버스 및 브리지(bridge)를 포함할 수 있다. 버스(510)는 하나 이상의 프로세서(일반적으로 프로세서(506)로 표현됨), 작동 메모리 디바이스(504), 통신 인터페이스(502), 및 비-일시적 컴퓨터 판독가능 매체(508)를 포함하는 다양한 회로를 통신적으로 결합시킬 수 있다. 버스(510)는 또한 다양한 다른 회로 및 디바이스, 예컨대 타이밍 소스, 주변장치, 전압 레귤레이터, 및 전력 관리 회로 및 디바이스를 링크시킬 수 있으며, 이는 기술 분야에 잘 공지되어 있고, 따라서, 더 이상 추가적으로 설명되지 않는다.
통신 인터페이스(502)는 전송 매체를 통해 다른 장치와 통신하기 위한 수단을 제공한다. 일부 구현예에서, 통신 인터페이스(502)는 네트워크에서 하나 이상의 통신 디바이스에 대해 양방향으로 정보의 통신을 용이하게 하도록 적응되는 회로 및/또는 프로그래밍을 포함한다. 일부 구현예에서, 통신 인터페이스(502)는 데이터 플랫폼 모듈(500)의 무선 통신을 용이하게 하도록 적응된다. 이러한 구현예에서, 통신 인터페이스(502)는 무선 통신 시스템 내에서 무선 통신을 위해 도 5에 도시된 바와 같이 하나 이상의 안테나(512)에 결합될 수 있다. 일부 구현예에서, 통신 인터페이스(502)는 유선-기반 통신을 위해 구성될 수 있다. 예를 들어, 통신 인터페이스(502)는 (예를 들어, 신호를 집적 회로로부터 출력하고/하거나 신호를 집적 회로로 수신하는) 신호를 출력하고/하거나 획득하기 위한 드라이버, 버퍼, 또는 다른 회로를 포함하는 버스 인터페이스, 송/수신 인터페이스, 또는 일부 다른 타입의 신호 인터페이스일 수 있을 것이다. 통신 인터페이스(502)는 하나 이상의 독립형 수신기 및/또는 송신기 뿐만 아니라, 하나 이상의 송수신기로 구성될 수 있다. 예시된 예에서, 통신 인터페이스(502)는 송신기(514) 및 수신기(516)를 포함한다. 통신 인터페이스(502)는 수신을 위한 수단 및/또는 송신을 위한 수단의 일 예로서의 역할을 한다.
프로세서(506)는, 비-일시적 컴퓨터 판독가능 매체(508) 상에 저장되는 소프트웨어의 실행을 포함하는, 버스(510) 및 일반적인 처리를 관리하는 데 책임이 있을 수 있다. 소프트웨어는, 프로세서(506)에 의해 실행될 때, 프로세서(506)가 임의의 특정 장치 또는 모듈에 대해 아래에 설명되는 다양한 기능을 수행하게 할 수 있다. 비-일시적 컴퓨터 판독가능 매체(508) 및 작동 메모리 디바이스(504)는 또한 소프트웨어를 실행시킬 때 프로세서(506)에 의해 조작되는 데이터를 저장하기 위해 사용될 수 있다.
하나 이상의 프로세서, 예컨대 차량 모듈(500)의 프로세서(506)는 소프트웨어를 실행시킬 수 있다. 소프트웨어는, 소프트웨어, 펌웨어, 미들웨어, 마이크로코드, 하드웨어 설명 언어로서, 또는 달리 지칭되든, 명령, 명령 세트, 코드, 코드 세그먼트, 프로그램 코드, 프로그램, 서브프로그램, 소프트웨어 모듈, 애플리케이션, 소프트웨어 애플리케이션, 소프트웨어 패키지, 루틴, 서브루틴, 객체, 실행파일, 실행 스레드, 절차, 기능 등을 의미하도록 광범위하게 해석될 수 있다. 소프트웨어는 비-일시적 컴퓨터 판독가능 매체, 예컨대 비-일시적 컴퓨터 판독가능 매체(508) 상에 존재할 수 있다. 비-일시적 컴퓨터 판독가능 매체(508)는, 예로서, 자기 저장 디바이스(예를 들어, 하드 디스크, 플로피 디스크, 자기 테이프, 자기 스트립), 광학 디스크(예를 들어, 콤팩트 디스크(CD) 또는 디지털 다기능 디스크(DVD)), 스마트 카드, 플래시 메모리 디바이스(예를 들어, 카드, 스틱, 또는 키 드라이브), 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 프로그램가능 ROM(PROM), 소거가능 PROM(EPROM), 전기적 소거가능 PROM(EEPROM), 레지스터, 이동식 디스크, 및 컴퓨터 또는 프로세서(506)에 의해 액세스되고 판독될 수 있는 소프트웨어, 날짜, 및/또는 명령을 저장하기 위한 임의의 다른 적절한 비-일시적 매체를 포함할 수 있다. 컴퓨터 판독가능 매체는 또한, 예로서, 반송파, 전송 라인, 및 컴퓨터 또는 프로세서(506)에 의해 액세스되고 판독될 수 있는 소프트웨어 및/또는 명령을 송신하기 위한 임의의 다른 적합한 매체를 포함할 수 있다. 비-일시적 컴퓨터 판독가능 매체(508)는 데이터 플랫폼 모듈(500)(예를 들어, 도 1의, 로컬 데이터 저장 디바이스(112))에, 데이터 플랫폼 모듈(500)(예를 들어, 원격 데이터 저장 디바이스(142)) 외부에, 또는 데이터 플랫폼 모듈(500)을 포함하는 다수의 엔티티에 걸쳐 분포될 수 있다.
프로세서(506)는 데이터를 획득, 처리 및/또는 송신하고, 데이터 액세스 및 저장을 제어하고, 커맨드를 발행하고, 다른 원하는 동작을 제어하도록 정렬된다. 프로세서(506)는 적어도 하나의 예에서 적절한 매체에 의해 제공되는 원하는 프로그래밍을 구현하도록 구성되는 회로를 포함할 수 있다.
비-일시적 컴퓨터 판독가능 매체(508)는 컴퓨터 프로그램 제품에 구현될 수 있다. 예로서, 컴퓨터 프로그램 제품은 패키징 재료에 컴퓨터 판독가능 매체를 포함할 수 있다. 당업자는 특정 애플리케이션 및 전체 시스템에 부과되는 전체 설계 제약에 따라 본 개시 도처에 제시되는 설명된 기능을 최선으로 구현하기 위한 방법을 인식할 것이다.
본 개시의 일부 양태에서, 프로세서(506)는 다양한 기능을 위해 구성되는 회로를 포함할 수 있다. 예를 들어, 프로세서(506)는 차량 모듈(104)(도 1) 및 사용자 인터페이스 모듈(106)(도 1)로부터 수신되는 데이터의 동작을 관리하고 인터넷 웹에 대한 액세스와 연관되는 입력/출력 동작을 수행하고, 예를 들어, 본원에 설명되는 방법을 수행하도록 구성되는 동작용 회로/모듈(520)을 포함할 수 있다. 예를 들어, 프로세서(506)는 센서 데이터, 이벤트 데이터, 임계 레벨, 비디오 데이터, 운전자 데이터, 점수 데이터 및 이전에 수집된 데이터 세트를 포함하지만 이에 제한되지 않는 데이터를 포함하는 데이터를 저장하도록 구성되는 데이터 저장 시스템/기능/모듈/디바이스(522)를 포함할 수 있다. 예를 들어, 프로세서(506)는 로컬 데이터 스토리지 및/또는 원격 데이터 스토리지에서의 데이터가 저장되고 검색되는 방법을 제어하도록 구성되는 파일 시스템/기능/모듈/디바이스(524)를 포함할 수 있다. 예를 들어, 프로세서(506)는 차량에 탑재된 카메라 상의 비디오 입력 및 출력을 제어하도록 구성되는 그래픽 프로세서 시스템/기능/모듈/디바이스(526)를 포함할 수 있다.
본 개시의 일부 양태에서, 데이터 플랫폼 모듈(500)의 비-일시적 컴퓨터 판독가능 매체(508)는 프로세서(506)의 다양한 시스템/기능/모듈/디바이스가 본원에 설명되는 방법을 수행하게 할 수 있는 명령을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(508)는 동작용 회로/모듈(520)에 대한 동작 명령 또는 코드(528)를 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(508)는 데이터 저장 시스템/기능/모듈/디바이스(522)에 대응하는 데이터 저장 명령(530)을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(508)는 파일 시스템/기능/모듈/디바이스(524)에 대응하는 파일 시스템 명령(532)을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(508)는 그래픽 프로세서 시스템/기능/모듈/디바이스(526)에 대응하는 그래픽 프로세서 명령(534)을 포함할 수 있다.
도 6은 본 개시의 하나 이상의 양태에 따라 통신하도록 구성되는 사용자 인터페이스 모듈/장치(600)의 예시적 하드웨어 구현의 블록도를 예시한다. 사용자 인터페이스 모듈(600)은, 예를 들어, 통신 인터페이스(602)를 포함할 수 있다. 통신 인터페이스(602)는 데이터를 인에이블하고 입력 및 출력을 제어할 수 있다. 통신 인터페이스(602)는, 예를 들어, 도 1의 통신 네트워크(들)(102)과 유사한, 하나 이상의 통신 네트워크를 통해 통신을 인에이블할 수 있다. 통신 인터페이스(602)는, 통신 네트워크(들)(102)에, 직접적으로 또는 간접적으로, 통신 결합될 수 있다. 사용자 인터페이스 모듈(600)은 진단 디바이스(604), 및 프로세서 시스템/기능/모듈/디바이스(이하 프로세서(606))를 포함할 수 있다. 프로세서(606)는 막 동작되려고 하는, 동작되고 있는, 또는 최근에 동작된 데이터를 저장하기 위해 진단 디바이스(604)를 사용할 수 있다. 프로세서(606)는 명령을 작동 메모리 디바이스(604) 상에 및/또는 하나 이상의 다른 메모리 구조 또는 디바이스, 예컨대, 예를 들어, 비-일시적 컴퓨터 판독가능 매체 시스템/기능/모듈/디바이스(이하 비-일시적 컴퓨터 판독가능 매체(608)) 상에 저장할 수 있다. 프로세서(606)에 의해 실행될 때, 명령은, 예를 들어, 프로세서(606)가 본원에 설명되는 방법 중 하나 이상의 양태를 수행하게 할 수 있다.
사용자 인터페이스 모듈(600)은, 일반적으로 버스(610)로 표현되는, 버스 아키텍처로 구현될 수 있다. 버스(610)는 사용자 인터페이스 모듈(600)의 특정 적용 및 전체 설계 제약에 따라 임의의 수의 상호연결 버스 및 브리지를 포함할 수 있다. 버스(610)는 하나 이상의 프로세서(일반적으로 프로세서(606)로 표현됨), 진단 디바이스(604), 통신 인터페이스(602), 및 비-일시적 컴퓨터 판독가능 매체(608)를 포함하는 다양한 회로를 통신적으로 결합시킬 수 있다. 버스(610)는 또한 다양한 다른 회로 및 디바이스, 예컨대 타이밍 소스, 주변장치, 전압 레귤레이터, 및 전력 관리 회로 및 디바이스를 링크시킬 수 있으며, 이는 기술 분야에 잘 공지되어 있고, 따라서, 더 이상 추가적으로 설명되지 않는다.
통신 인터페이스(602)는 전송 매체를 통해 다른 장치와 통신하기 위한 수단을 제공한다. 일부 구현예에서, 통신 인터페이스(602)는 네트워크에서 하나 이상의 통신 디바이스에 대해 양방향으로 정보의 통신을 용이하게 하도록 적응되는 회로 및/또는 프로그래밍을 포함한다. 일부 구현예에서, 통신 인터페이스(502)는 사용자 인터페이스 모듈(600)의 무선 통신을 용이하게 하도록 적응된다. 이러한 구현예에서, 통신 인터페이스(602)는 무선 통신 시스템 내에서 무선 통신을 위해 도 6에 도시된 바와 같이 하나 이상의 안테나(612)에 결합될 수 있다. 일부 구현예에서, 통신 인터페이스(602)는 유선-기반 통신을 위해 구성될 수 있다. 예를 들어, 통신 인터페이스(602)는 (예를 들어, 신호를 집적 회로로부터 출력하고/하거나 신호를 집적 회로로 수신하는) 신호를 출력하고/하거나 획득하기 위한 드라이버, 버퍼, 또는 다른 회로를 포함하는 버스 인터페이스, 송/수신 인터페이스, 또는 일부 다른 타입의 신호 인터페이스일 수 있을 것이다. 통신 인터페이스(602)는 하나 이상의 독립형 수신기 및/또는 송신기 뿐만 아니라, 하나 이상의 송수신기로 구성될 수 있다. 예시된 예에서, 통신 인터페이스(602)는 송신기(614) 및 수신기(616)를 포함한다. 통신 인터페이스(602)는 수신을 위한 수단 및/또는 송신을 위한 수단의 일 예로서의 역할을 한다.
프로세서(606)는, 비-일시적 컴퓨터 판독가능 매체(608) 상에 저장되는 소프트웨어의 실행을 포함하는, 버스(610) 및 일반적인 처리를 관리하는 데 책임이 있을 수 있다. 소프트웨어는, 프로세서(606)에 의해 실행될 때, 프로세서(606)가 임의의 특정 장치 또는 모듈에 대해 아래에 설명되는 다양한 기능을 수행하게 할 수 있다. 비-일시적 컴퓨터 판독가능 매체(608) 및 진단 디바이스(404)는 또한 소프트웨어를 실행시킬 때 프로세서(606)에 의해 조작되는 데이터를 저장하기 위해 사용될 수 있다.
하나 이상의 프로세서, 예컨대 사용자 인터페이스 모듈(600)의 프로세서(606)는 소프트웨어를 실행시킬 수 있다. 소프트웨어는, 소프트웨어, 펌웨어, 미들웨어, 마이크로코드, 하드웨어 설명 언어로서, 또는 달리 지칭되든, 명령, 명령 세트, 코드, 코드 세그먼트, 프로그램 코드, 프로그램, 서브프로그램, 소프트웨어 모듈, 애플리케이션, 소프트웨어 애플리케이션, 소프트웨어 패키지, 루틴, 서브루틴, 객체, 실행파일, 실행 스레드, 절차, 기능 등을 의미하도록 광범위하게 해석될 수 있다. 소프트웨어는 비-일시적 컴퓨터 판독가능 매체, 예컨대 비-일시적 컴퓨터 판독가능 매체(608) 상에 존재할 수 있다. 비-일시적 컴퓨터 판독가능 매체(508)는, 예로서, 자기 저장 디바이스(예를 들어, 하드 디스크, 플로피 디스크, 자기 테이프, 자기 스트립), 광학 디스크(예를 들어, 콤팩트 디스크(CD) 또는 디지털 다기능 디스크(DVD)), 스마트 카드, 플래시 메모리 디바이스(예를 들어, 카드, 스틱, 또는 키 드라이브), 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 프로그램가능 ROM(PROM), 소거가능 PROM(EPROM), 전기적 소거가능 PROM(EEPROM), 레지스터, 이동식 디스크, 및 컴퓨터 또는 프로세서(606)에 의해 액세스되고 판독될 수 있는 소프트웨어, 날짜, 및/또는 명령을 저장하기 위한 임의의 다른 적절한 비-일시적 매체를 포함할 수 있다. 컴퓨터 판독가능 매체는 또한, 예로서, 반송파, 전송 라인, 및 컴퓨터 또는 프로세서(606)에 의해 액세스되고 판독될 수 있는 소프트웨어 및/또는 명령을 송신하기 위한 임의의 다른 적합한 매체를 포함할 수 있다. 비-일시적 컴퓨터 판독가능 매체(608)는 사용자 인터페이스 모듈(600)(예를 들어, 도 1의, 로컬 데이터 저장 디바이스(112))에, 사용자 인터페이스 모듈(600)(예를 들어, 원격 데이터 저장 디바이스(142)) 외부에, 또는 사용자 인터페이스 모듈(600)을 포함하는 다수의 엔티티에 걸쳐 분포될 수 있다.
프로세서(606)는 데이터를 획득, 처리 및/또는 송신하고, 데이터 액세스 및 저장을 제어하고, 커맨드를 발행하고, 다른 원하는 동작을 제어하도록 정렬된다. 프로세서(606)는 적어도 하나의 예에서 적절한 매체에 의해 제공되는 원하는 프로그래밍을 구현하도록 구성되는 회로를 포함할 수 있다.
비-일시적 컴퓨터 판독가능 매체(608)는 컴퓨터 프로그램 제품에 구현될 수 있다. 예로서, 컴퓨터 프로그램 제품은 패키징 재료에 컴퓨터 판독가능 매체를 포함할 수 있다. 당업자는 특정 애플리케이션 및 전체 시스템에 부과되는 전체 설계 제약에 따라 본 개시 도처에 제시되는 설명된 기능을 최선으로 구현하기 위한 방법을 인식할 것이다.
본 개시의 일부 양태에서, 프로세서(606)는 다양한 기능을 위해 구성되는 회로를 포함할 수 있다. 예를 들어, 프로세서(606)는 차량 모듈(104)(도 1) 및 데이터 플랫폼 모듈(108)(도 1)로부터 수신되는 데이터의 동작을 관리하고 인터넷 웹에 대한 액세스와 연관되는 입력/출력 동작을 수행하고, 예를 들어, 본원에 설명되는 방법을 수행하도록 구성되는 동작용 회로/모듈(620)을 포함할 수 있다. 예를 들어, 프로세서(606)는 센서 데이터, 이벤트 데이터, 임계 레벨, 비디오 데이터, 운전자 데이터, 점수 데이터 및 이전에 수집된 데이터 세트를 포함하지만 이에 제한되지 않는 데이터를 포함하는 데이터를 저장하도록 구성되는 데이터 저장 시스템/기능/모듈/디바이스(622)를 포함할 수 있다. 예를 들어, 프로세서(606)는 로컬 데이터 스토리지 및/또는 원격 데이터 스토리지에서의 데이터가 저장되고 검색되는 방법을 제어하도록 구성되는 파일 시스템/기능/모듈/디바이스(624)를 포함할 수 있다. 예를 들어, 프로세서(606)는 비디오 입력 및 출력에 대해 구성되는 차량 HUD 시스템/기능/모듈/디바이스(626)를 포함할 수 있다. 예를 들어, 프로세서(606)는 차량 상의 자동차 헤드 업 디스플레이를 제어하도록 구성되는 차량 HUD 시스템/기능/모듈/디바이스(626)를 포함할 수 있다.
본 개시의 일부 양태에서, 사용자 인터페이스 모듈(600)의 비-일시적 컴퓨터 판독가능 매체(608)는 프로세서(606)의 다양한 시스템/기능/모듈/디바이스가 본원에 설명되는 방법을 수행하게 할 수 있는 명령을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(608)는 동작용 회로/모듈(620)에 대한 동작 명령 또는 코드(630)를 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(608)는 데이터 저장 시스템/기능/모듈/디바이스(622)에 대응하는 데이터 저장 명령(632)을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(608)는 파일 시스템/기능/모듈/디바이스(624)에 대응하는 파일 시스템 명령(634)을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(608)는 차량 HUD 시스템/기능/모듈/디바이스(626)에 대응하는 차량 HUD 명령(636)을 포함할 수 있다. 예를 들어, 비-일시적 컴퓨터 판독가능 매체(608)는 차량 HUD 시스템/기능/모듈/디바이스(626)에 대응하는 대시보드 명령(638)을 포함할 수 있다.
도 7 내지 도 8은 차량 센서, 비디오 입력, 및 온 -보드 인공지능 및/또는 머신 러닝 모듈의 조합으로부터 데이터를 수집하고 운전자가 사람이거나 운전자가 자율-주행 특징이 체결된 차량인 차량 운전자에 대한 데이터로부터 운전 점수 및 트립 정보를 생성, 계산 및 평가하기 위한 예시적 프로세스를 제시한다. 프로세스는 또한 계산결과(calculations)를 하나 이상의 엔티티에 송신하거나 하나 이상의 엔티티가 계산결과를 검색하는 것을 허용할 수 있다. 프로세스 각각은 논리 흐름 차트에서 블록의 집합으로서 예시되며, 이는 하드웨어, 소프트웨어, 또는 그 조합으로 구현될 수 있는 동작의 시퀀스를 나타낸다. 소프트웨어의 맥락에서, 블록은, 하나 이상의 프로세서에 의해 실행될 때, 열거된 동작을 수행하는 컴퓨터-실행가능 명령을 나타낸다. 일반적으로, 컴퓨터-실행가능 명령은 특정 기능을 수행하거나 특정 추상 데이터 타입을 수행하는 루틴, 프로그램, 객체, 컴포넌트, 데이터 구조 등을 포함할 수 있다. 동작이 설명되는 순서는 제한으로서 해석되도록 의도되지 않고, 설명된 블록 중 임의의 수는 프로세스를 구현하기 위해 임의의 순서로 및/또는 미러링으로 결합될 수 있다. 논의를 위해, 본원의 프로세스는 도 1 내지 도 3의 아키텍처(100)를 참조하여 설명된다.
도 7은 차량의 운전자의 운전자 점수를 계산하기 위한 예시적 방법(700)을 예시하는 흐름도이다. 위에 정의된 바와 같이, 운전자는 자율-주행 특징이 체결된 경우 사람이거나 차량 자체일 수 있다. 운전자 점수 계산 프로세스(700)의 구현은 차량의 엔진이 트립을 시작하기 위해 시동될 때 최초 시작될 수 있다(702). 차량이 트립을 진행함에 따라, 차량에 탑재된 차량 모듈은 센서, 진단 모듈, 엔진 제어 유닛, 및/또는 자율-주행 모듈로부터 데이터를 수집하거나 모은다(704). 차량 모듈은 위험 이벤트에 대해 계속 모니터링한다(706). 위험 이벤트가 검출되지 않으면(708), 차량 모듈은 트립이 종료되었는지를 판단한다(710).
위험 이벤트가 검출된 경우(712), 차량 모듈은 비정상적인 상황을 나타내기 위해 차량 임계 이벤트에 의한 온-보드(on-board) 및 오프-보드(off-board) 분석을 위한 비디오 및/또는 차량 데이터를 기록하도록 트리거된다(714). 일 예에 따르면, 차량 모듈은 위험 이벤트의 피크를 결정하기 위해 5-10초 윈도우(window)를 사용할 수 있다. 예를 들어, 운전자가 갑자기 제동하는 경우, 차량 모듈은 최대 감속 시간을 결정하기 위해 10초 시간 프레임에 걸쳐 대응하는 센서 데이터를 체크할 수 있다. 차량 모듈이 위험 이벤트가 발생하였다고 결정한 경우, 예를 들어 0과 3 사이, (또는 0과 4 사이)의 심각도 레벨이 할당되고 트립 요약이 갱신된다. 트립 요약은 10초마다 차량 탑재된 차량 모듈에 저장될 뿐만 아니라 트립의 시작 및 종료에서 원격 데이터베이스 또는 서버에 송신될 수 있다. 트립의 코스에 걸쳐 검출되는 위험 이벤트의 모든 심각도 레벨은 트립 점수를 평가하기 위해 사용될 수 있는 트립 심각도를 계산하기 위해 사용된다. 일 예에 따르면, 시스템은 트립의 구성된 전형적인 심각도(또는 미리결정된 심각도 또는 임계값) 및 분 당 실제 심각도를 고려한 후, 트립 점수가 0 내지 100의 수인 트립의 매 분에 대해 4의 트립 심각도를 자동으로 가정할 수 있다. 아래의 표 1은 일 예에 따른, 위험 이벤트와 연관되는 심각도 레벨을 식별한다. 표 1은 예시적으로 비-제한적인 예로 의도되고, 다른 위험 이벤트 및 심각도레벨이 포함될 수 있다.
| 이벤트 | 심각도 |
| 6 MPH 이상에서 제동 | 1 |
| (반 G-포스)와 등가인 반 중력에서 제동(10.97 MPH/s) | 2 |
| 1 G-포스에서 제동(21.94 MPH/s) | 3 |
| 6 MPH에서 가속 | 1 |
| 반 G-포스에서 가속 | 2 |
| 1 G-포스에서 가속 | 3 |
| 2 MPH/s 하에서, 완전 정지 | 0 |
| 2 MPH/s와 10 MPH/s 사이의 롤링 정지 | 0.5 |
| 미정지 | 3 |
| 1.5초 내지 1.0초의 추정된 충돌 시간(TTC)을 갖는 테일게이팅 | 0.75 |
| 1.0초 내지0.5초의 TTC를 갖는 테일게이팅 | 1.75 |
| 0.5초 미만의 TTC를 갖는 테일게이팅 | 3 |
이벤트의 검출 시, 시스템은 이벤트 타임스탬프 전후의 10초의 비디오를 저장하기 위해 60초의 비디오 데이터를 사용할 수 있다. 그 다음, 차량 모듈은 기록된 내용을 분석하고 객체 검출 알고리즘을 사용하여 그것이 인식한 각각의 객체 주위에 박스를 드로잉한다. 객체 경계 박스를 생성한 후, 차량 모듈은 위험 이벤트의 처리를 위해 박스 좌표를 프로세스에 송신한다. 환원하면, 시스템은 운전자의 운전 행동에 영향을 미친 차량의 외부에 위치되는 객체를 식별할 수 있다. 박스는 객체 검출 알고리즘을 사용하여 행동 데이터에 영향을 미치는 기록된 비디오로부터 차량 외부의 객체를 식별한다. 식별된 객체의 위도 및 경도 좌표가 결정되고, 이러한 좌표는 운전자 행동의 그 효과를 결정하기 위한 추가 처리를 위해 진단 모듈 프로세서로 송신될 수 있다.
트립으로부터 수집된 모든 데이터에 기초하여, 시스템은 누적된 전체 운전자 점수에 대한 트립-기반 운전자 점수를 계산한다(716). 다음으로, 시스템은 위험 및 안전에 대한 점수를 포함하는 운전 점수를 개발하기 위해 데이터 수집 및 분석에 기초한 인공 지능 및/또는 머신 러닝을 사용하여 수집된 차량 센서 및/또는 비디오-메타 데이터를 계산한다(718). 더 이상의 위험 이벤트가 검출되지 않고 트립이 종료되었다고 결정되면(720), 시스템은 데이터를 수집하는 것을 중단한다.
도 8은 운전자 및 차량의 안전을 결정하기 위한 예시적 방법(800)을 예시하는 흐름도이다. 안전 점수 계산 프로세스(800)의 구현은 트립 동안 데이터를 수거, 수집, 및/또는 검출함으로써 시작된다. 위에 정의된 바와 같이, 운전자는 자율-주행 특징이 체결되는 경우 사람 또는 차량 자체일 수 있다. 진단 데이터가 수집되고(802), 진단 데이터로부터 임의의 트러블 코드가 트립 동안 발생하였는지를 판단하고(804), 임의의 위험 이벤트 데이터가 식별되고(806), 위험 이벤트에 대한 심각도 레벨이 할당된다(808). 운전 데이터는 또한 수집되고(810), 운전자 데이터로부터 임의의 이상 행동이 검출되었는지 판단하고(812), 임의의 위험 이벤트 데이터가 식별되고(814), 위험 이벤트에 대한 심각도 레벨이 할당된다(816). 수집된 데이터, 검출된 트러블 코드, 식별된 위험 이벤트 및 할당된 심각도 레벨을 사용하여, 시스템은 트립이 여전히 진행되고 있는 동안 잠정적인 점수를 결정한다(818). 트립이 종료되었으면(820), 트립 심각도가 할당되고(822) 트립 점수가 결정된다(824). 트립 심각도 레벨 및 트립 점수를 사용하여, 운전자 점수가 계산된다(826).
트립 점수를 결정할 시에 분석될 수 있는 요인은 관측된 운전자 행동, 이용가능한 차량 안전 시스템, 차량 유지의 레벨, 및 트립된 거리 및 시간을 포함할 수 있지만, 이에 제한되지 않는다.
본 개시의 일 양태에 따르면, 시스템은, 충분한 심각도의 이상을 결정할 시, 의료 및 차량 수리 시설의 선택과 관련된 것을 보조할 뿐만 아니라, 긴급 대응 요원 및 견인 트럭을 접촉 및 파견할 수 있다. 시스템은 차량의 위치 및 방향을 추적할 수 있다. 관성 측정 유닛(IMU)이 부착된 경우, 시스템은 GPS 샘플과 별개로 IMU 데이터를 처리하여, 시스템이 더 많은 차량 상세를 제공할 수 있게 한다. 시스템은 초마다 항상 GPS 및 IMU로부터 다음의 차량 상세를 검색할 수 있다: 경도, 위도, 고도, 속도, 방향, 미터의 경도 오차, 미터의 위도 오차, 미터/초의 속도 오차, 미터의 고도 오차, 및 각도의 방향 오차.
그 다음, GPS 모듈은 시스템이 수신한 정보의 정밀도 및 정확도를 증가시키는 것을 돕는 분산점 칼만 측위 필터(Unscented Kalman Localization Filter)를 사용하여 GPS 데이터를 처리한다. 측위 필터 자체는 속도 및 방향에 기초하여 차량 위치를 추정하고 GPS로부터 수신되는 정보에 대해 그것을 체크한다. 불충분한 또는 낮은 수신의 영역에서, 시스템은 GPS 데이터 상에 중점을 덜 두고 측위 필터 예측 상에 중점을 더 둘 수 있다.
도 9는 보험에 관련되는 바와 같은 보험 시스템의 전체 프로세스를 요약하는 다이어그램이다. 사건이 검출될 때 발생하는 4개의 주요 프로세스가 도시된다. 메인 프로세스는 a) 사고 및 다른 이상 검출; b) 이상 재구성 및 설명; c) 사건 비용 및 과실 귀속; 및 d) 대위변제(Subrogation) 및 지불.
도 10은 사고 또는 이상, 즉 사건을 검출하는 프로세스를 도시하는 다이어그램이다. 운전 시, 할당된 양의 데이터 스토리지는 1분 정도의 차량 센서 정보를 유지하기 위해 따로 설정된다. 사고 또는 이상이 검출될 때, 경고는 사건을 볼 수 있었던 주변 차량 및 디바이스로 발송된다. 사건의 가능한 가시성의 범위 내에 있는 그러한 차량 및 디바이스로부터의 데이터는 추가 분석을 위해 보험 시스템 데이터 플랫폼으로 송신된다.
도 11은 검출된 사건의 시간에서 차량 및 객체에 대한 위치 및 모션 추정값의 정확도를 개선하기 위해 수 개의 디바이스 센서로부터의 데이터를 사용하는 프로세스를 도시하는 다이어그램이다. 이러한 다이어그램은 또한 검출된 객체의 경로 투영 및 검출된 이상/사고를 초래하였을 수도 있는 임의의 액션을 도시하는 것과 같은 디바이스 및 차량 센서 데이터에 의해 검출된 객체의 활동을 재구성하는 프로세스를 도시한다. 이러한 프포세스의 결과는 발생한 활동의 사건 보고서 및 이벤트 로그의 생성이다.
도 12는 사건 보고서가 과실을 관련된 엔티티에 할당하기 위해 사용될 수 있는 방법을 도시하는 다이어그램이다. 이상 타입에 기초한 과거 보험 청구 결과에 대해 훈련된 모델이 사건 보고서에 대해 실행된다. 이러한 모델은 부품 제조업자, 차량 소프트웨어 메이커 등과 같지만, 이에 제한되지 않는 기여 원인으로부터의 임의의 잠재적인 과실과 함께 사건의 위치에서 검출되는 객체 및 엔티티에 과실을 할당한다. 과실이 할당된 후, 비용은 과거 보험 청구 정보에 대해 훈련된 모델로부터 추정된다. 운전자 또는 승객이 전화로 사건의 사진을 촬영한 경우, 그것은 사건 이미지에 대해 훈련된 비용 추정 모델을 실행시키기 위해 보험 시스템 데이터 플랫폼으로 업로드될 것이다. 추정된 비용 및 비용 추정값의 정확도가 주어지면, 자동으로 보험 당사자에게 지불하거나 인간 에이전트에게 승인하도록 요청하는 것이 결정될 수 있다.
도 13은 관련된 당사자에 대한 청구를 대위하고 지불하기 위한 수작업의 양을 감소시키기 위한 프로세스를 도시하는 다이어그램이다. 먼저, 사건으로부터 생성되는 데이터를 사용하여, 검출된 객체에 대한 식별 모델은 관련된 당사자의 보험업자를 원격 데이터베이스로부터 검색하기 위해 차량 번호판 정보를 검출하도록 실행된다. 그러한 정보가 관련된 당사자를 식별하기에 충분하지 않으면, 이때, 개인은 그들의 전화로 운전 면허증을 촬영할 수 있다. 운전 면허증 이미지는 관련된 당사자에 대한 정보를 추출하기 위해 기록된 문자 및 번호를 검출하도록 훈련된 모델에 의해 사용될 수 있다. 그 다음, 이전 과실 모델 출력에 기초하여, 식별된 당사자, 그 보험업자는 과실 퍼센트를 통지받을 것이다. 할당된 과실 비율에 기초하여, 지불은 대위될 것이고 관련된 당사자는 보험금 지급(claim payout)을 받을 것이다.
상기 식별된 시스템은 디바이스 뿐만 아니라 차량 상에 사건 데이터를 저장할 수 있다.
상기 식별된 시스템은 위험 특징 계산 및 이상 검출을 이용가능한 센서 및/또는 데이터 입력으로 조정하기 위해 사용될 수 있다.
상기 식별된 시스템은 전차량 관리(fleet management)를 위한 운전자 및 차량의 위험 추정 및 안전 평가를 위해 사용될 수 있다.
상기 식별된 시스템은 셀룰러 및/또는 다른 네트워크 연결에 의해 응급 대응 서비스로 사건 후에 사건 데이터를 송신하기 위해 사용될 수 있다.
상기 식별된 시스템은 사고 데이터로부터 차량 수리, 보험 청구, 및 신체 상해를 추정하기 위해 사용될 수 있다.
상기 식별된 시스템은 운전자 및/또는 차량 안전 분석을 위해 사용될 수 있다.
상술한 시스템은 금융 및 보험 업종 둘 다에 적용될 수 있다. 그것은 임대(leasing) 및 대출(loan)에 대한 잔존 가치 계산을 위해 사용될 수 있다. 생성된 위험 계산 및 추정은 차량에 대한 잔존 가치를 추정하기 위해 행동(behavior) 및 차량 마일리지를 결정하도록 사용될 수 있다. 그 다음, 잔존 가치는 임대 가격, 전차량 관리 세일, 차량 가격, 옥션 가격, 및 총 손실 보험 평가를 추정하기 위해 사용될 수 있다. 추정된 운전자 점수 및 트립 요약은 운전 마일 당 트립의 비용, 운전자의 프리미엄에 대한 변경, 및 차량 마모 및 인열을 계산하기 위해 사용될 수 있다.
결론
본 개시 내에서, 단어 "예시적인"은 "예, 경우, 또는 예시의 역할을 하는 것"을 의미하도록 사용된다. "예시적"으로서 본원에 설명되는 임의의 구현예 또는 양태는 반드시 본 개시의 다른 양태에 비해 바람직하거나 유익한 것으로 해석될 필요는 없다. 마찬가지로, 용어 "양태"는 본 개시의 모든 양태가 논의된 특징, 이점, 또는 동작 모드를 포함하는 것을 필요로 하지 않는다. 용어 "결합된"은 두 객체 사이의 직접 또는 간접 커플링을 지칭하도록 본원에 사용된다. 예를 들어, 객체 A가 물리적으로 객체 B를 터치하고, 객체 B가 객체 C를 터치하는 경우, 이때 객체 A 및 객체 C는 여전히 서로 결합되는 것으로 간주될 수 있다―심지어 그들이 서로를 직접 물리적으로 터치하지 않는 경우에도 그렇다. 예를 들어, 제1 객체는 비록 제1 객체가 제2 객체와 결코 직접 물리적으로 접촉하지 않더라도 제2 객체에 결합될 수 있다. 용어 "회로(circuit)" 및 "회로(circuitry)"는 광범위하게 사용되고, 연결되고 구성될 때, 전자 회로의 타입에 관한 제한 없이, 본 개시에 설명되는 기능의 성능을 가능하게 하는 전기 디바이스 및 도체의 하드웨어 구현 뿐만 아니라, 프로세서에 의해 실행될 때, 본원에 설명되는 기능의 성능을 가능하게 하는 정보 및 명령의 소프트웨어 구현 둘 다를 포함하도록 의도된다. 용어 "적어도 하나의" 및 "하나 이상의"는 본원에서 교환가능하게 사용될 수 있다.
본 개시 내에서, 구성 "A 및/또는 B"의 사용은 "A 또는 B 또는 A 및 B"를 의미할 수 있고 대안적으로 "A, B, 또는 그 조합" 또는 "A, B, 또는 둘 다"로서 표현될 수 있다. 본 개시 내에서, 구성 "A, B, 및/또는 C"의 사용은 "A 또는 B 또는 C, 또는 그 임의의 조합"을 의미할 수 있고 대안적으로 "A, B, C, 또는 그 임의의 조합"으로서 표현될 수 있다.
본원에 예시되는 컴포넌트, 단계, 특징 및/또는 기능 중 하나 이상은 단일 컴포넌트, 단계, 특징, 또는 기능으로 재배열 및/또는 결합되거나 수 개의 컴포넌트, 단계, 또는 기능으로 구체화될 수 있다. 추가적인 요소, 컴포넌트, 단계, 및/또는 기능은 또한 본원에 개시되는 신규한 특징으로 벗어나는 것 없이 추가될 수 있다. 본원에 예시되는 장치, 디바이스, 및/또는 컴포넌트는 본원에 설명되는 방법, 특징, 또는 단계 중 하나 이상을 수행하도록 구성될 수 있다. 본원에 설명되는 신규한 알고리즘은 또한 효율적으로 소프트웨어로 구현되고/되거나 하드웨어에 내장될 수 있다.
개시된 방법에서 단계의 특정 순서 또는 계층은 예시적 프로세스의 예시라는 점이 이해되어야 한다. 설계 선호도에 기초하여, 방법에서 단계의 특정 순서 또는 계층은 재배열될 수 있다는 점이 이해되어야 한다. 수반하는 방법 청구항은 다양한 단계의 요소를 단순한 순서로 제시하고 본원에 특별히 인용되지 않는 한 제시된 특정 순서 또는 계층에 제한되도록 의도되지 않는다.
이전 설명은 임의의 당업자가 본원에 설명되는 다양한 양태를 실시할 수 있게 하도록 제공된다. 이러한 양태에 대한 다양한 수정은 당업자에게 쉽게 명백할 것이고, 본원에 정의되는 일반적인 원리는 다른 양태에 적용될 수 있다. 따라서, 청구항은 본원에 도시된 양태에 제한되도록 의도되지 않고 청구항의 언어와 일치하는 전체 범위에 부합되도록 의도되며, 여기서 단수 요소에 대한 참조는 특별히 그렇게 진술되지 않는 한 "하나 및 단지 하나"를 의미하도록 의도되기 보다는, "하나 이상"을 의미하도록 의도된다. 특별히 달리 진술되지 않는 한, 용어 "일부"는 하나 이상을 지칭한다. "다음 중 적어도 하나"를 지칭하는 관용구: 즉, 아이템의 리스트는 단일 멤버를 포함하는, 그러한 아이템의 임의의 조합을 지칭한다. 예로서, "다음: 즉, a, b, 또는 c 중 적어도 하나"는 다음: 즉, a; b; c; a 및 b; a 및 c; b 및 c; 및 a, b 및 c를 커버하도록 의도된다. 당업자에게 공지되거나 나중에 공지될 본 개시 도처에 설명되는 다양한 양태의 요소에 대한 모든 구조적 및 기능적 등가물은 참조에 의해 본원에 명시적으로 통합되고 청구항에 의해 포함되도록 의도된다. 더욱이, 본원에 개시된 어떤 것도 그러한 개시가 청구항에 명백하게 열거되는지 여부에 관계 없이 공공에 전용되도록 의도되지 않는다. 어떤 청구항 요소도 요소가 관용구 "~을 위한 수단"을 사용하여 명백하게 열거되지 않거나, 방법 청구항의 경우, 요소가 관용구 "~을 위한 단계"를 사용하여 열거되지 않는 한 35 U.S.C. §112(f) 규정 하에서 해석되지 않는다.
본원에 사용되는 바와 같이, 용어 "결정하는"은 매우 다양한 액션(action)을 포함한다. 예를 들어, "결정하는"은 계산하는, 컴퓨팅하는, 처리하는, 유도하는, 조사하는, 룩업하는(예를 들어, 테이블, 데이터베이스 또는 다른 데이터 구조에서 룩업하는), 확인하는 등을 포함할 수 있다. 또한, "결정하는"은 수신하는(예를 들어, 정보를 수신하는), 액세스하는(예를 들어, 메모리에서 데이터를 액세스하는) 등을 포함할 수 있다. 또한, "결정하는"은 해결하는, 선택하는, 초이스하는, 설정하는 등을 포함할 수 있다.
전술한 개시는 예시적 양태를 도시하지만, 다양한 변화 및 수정이 첨부된 청구항의 범위로부터 벗어나는 것 없이 본원에 이루어 질 수도 있다는 점이 주목되어야 한다. 본원에 설명되는 양태에 따른 방법 청구항의 기능, 단계 또는 액션은 명시적으로 달리 진술되지 않는 한 임의의 특정 순서로 수행될 필요가 없다. 더욱이, 요소는 단수로 설명되거나 주장될 수 있지만, 복수가 단수에 대한 한정이 명시적으로 진술되지 않는 한 고려된다.
Claims (20)
- 컴퓨터-실행가능 명령을 저장하는 하나 이상의 비-일시적 컴퓨터-판독가능 매체로서, 상기 컴퓨터-실행가능 명령은 실행 시 하나 이상의 프로세서가 다음을 포함하는 액트(act)를 수행하게 하고, 상기 액트는:
다수의 소스로부터 차량의 운전자의 행동(performance)에 관한 행동 데이터를 수신함;
상기 운전자의 상기 행동에 영향을 미치는 적어도 하나의 위험 이벤트를 식별함 - 상기 적어도 하나의 위험 이벤트는 미리결정된 임계값 아래로 떨어지도록 상기 행동 데이터에 부정적으로 영향을 줌 -;
상기 운전자의 상기 행동에 영향을 미치는 각각의 식별된 위험 이벤트에 대한 심각도 레벨을 결정하기 위해 훈련된 머신 러닝 모델을 사용하여 상기 행동 데이터를 분석함 - 상기 훈련된 머신 러닝 모델은 상기 행동 데이터를 분석하기 위해 다수의 타입의 머신 러닝 알고리즘을 이용함 -;
사용자 인터페이스를 통해 프리젠테이션을 위한 상기 행동 데이터에 기초하여 적어도 하나의 점수를 생성함; 및
생성된 상기 적어도 하나의 점수에 기초하여 상기 머신 러닝 모델을 개선함 - 상기 개선은 상기 행동 데이터에 기초하여 수정되는 훈련 코퍼스(corpus) 중 적어도 하나에 기초하여 상기 머신 러닝 모델을 재훈련시킴을 포함함 -
을 포함하는, 하나 이상의 비-일시적 컴퓨터-판독가능 매체. - 제1항에 있어서,
상기 액트는 적어도 하나의 사용자에게 상기 사용자 인터페이스를 통해 상기 적어도 하나의 점수를 통지함을 더 포함하는, 하나 이상의 비-일시적 컴퓨터-판독가능 매체. - 제1항에 있어서,
상기 행동 데이터는 센서 데이터, 진단 모듈로부터의 데이터, 엔진 제어 유닛 모듈로부터의 데이터, 및 자율-주행 모듈로부터의 데이터 중 적어도 하나로부터 선택되는, 하나 이상의 비-일시적 컴퓨터-판독가능 매체. - 제1항에 있어서,
상기 액트는:
상기 차량에 탑재된 카메라를 사용하여 비디오 데이터의 기록을 트리거함; 및
상기 적어도 하나의 위험 이벤트를 식별하기 위해 차량 임계 이벤트를 사용하여 상기 기록된 비디오 데이터를 분석함;
을 더 포함하는, 하나 이상의 비-일시적 컴퓨터-판독가능 매체. - 제4항에 있어서,
상기 차량에 탑재된 메모리 디바이스는 상기 적어도 하나의 위험 이벤트 전후에 상기 기록된 비디오의 10초를 저장하는, 하나 이상의 비-일시적 컴퓨터-판독가능 매체. - 제4항에 있어서,
상기 액트는:
객체 검출 알고리즘을 사용하여 상기 행동 데이터에 영향을 미치는 상기 기록된 비디오로부터 상기 차량 외부의 객체를 식별함; 및
상기 적어도 하나의 위험 이벤트에 대한 상기 객체의 영향을 결정하기 위한 추가 처리를 위해 상기 식별된 객체의 위도 및 경도 좌표를 진단 모듈 프로세서로 전송함;
을 더 포함하는, 하나 이상의 비-일시적 컴퓨터-판독가능 매체. - 제1항에 있어서,
상기 액트는:
진단 모듈, 엔진 제어 유닛 모듈, 및 자율-주행 모듈로부터 차량 데이터의 저장을 트리거함; 및
상기 적어도 하나의 위험 이벤트를 식별하기 위해 상기 저장된 차량 데이터 차량 임계 이벤트를 분석함;
을 더 포함하는, 하나 이상의 비-일시적 컴퓨터-판독가능 매체. - 제1항에 있어서,
상기 액트는:
상기 행동 데이터로부터 사고의 발생을 결정함; 및
상기 사고에 관한 정보를 제3자에게 전송함;
을 더 포함하는, 하나 이상의 비-일시적 컴퓨터-판독가능 매체. - 제1항에 있어서,
상기 적어도 하나의 점수는 온-보드 차량에서 생성되는, 하나 이상의 비-일시적 컴퓨터-판독가능 매체. - 제1항에 있어서,
상기 액트는:
상기 심각도 레벨이 상기 적어도 하나의 위험 이벤트에 할당된 후에 기초하여 상기 적어도 하나의 점수를 갱신함;
상기 차량 상에 위치되는 온-보드 메모리 디바이스 상에 상기 갱신된 점수를 저장함; 및
상기 갱신된 점수를 원격 데이터 데이터베이스에 전송함;
을 더 포함하는, 하나 이상의 비-일시적 컴퓨터-판독가능 매체. - 제10항에 있어서,
상기 적어도 하나의 점수는 운전자 점수 및 트립(trip) 점수인, 하나 이상의 비-일시적 컴퓨터-판독가능 매체. - 컴퓨터-구현 방법에 있어서,
차량에 탑재된 차량 모듈 상의 프로세서에서, 상기 차량에 탑재된 다수의 소스로부터 차량의 운전자의 행동에 관한 행동 데이터를 수신하는 단계;
상기 차량 모듈 상의 상기 프로세서에 의해, 상기 운전자의 상기 행동에 영향을 미치는 적어도 하나의 위험 이벤트를 식별하는 단계 - 상기 적어도 하나의 위험 이벤트는 미리결정된 임계값 아래로 떨어지도록 상기 행동 데이터에 부정적으로 영향을 줌 -;
상기 운전자의 상기 행동에 영향을 미치는 각각의 식별된 위험 이벤트에 대한 심각도 레벨을 결정하기 위해 상기 차량 모듈 상의 상기 프로세서 내의 훈련된 머신 러닝 모델을 사용하여 상기 행동 데이터를 분석하는 단계 - 상기 훈련된 머신 러닝 모델은 상기 행동 데이터를 분석하기 위해 다수의 타입의 머신 러닝 알고리즘을 이용함 -;
상기 차량 모듈 상의 상기 프로세서에 의해, 사용자 인터페이스를 통해 프리젠테이션을 위한 상기 행동 데이터에 기초하여 적어도 하나의 점수를 생성하는 단계; 및
생성된 상기 적어도 하나의 점수에 기초하여, 상기 차량 모듈의 상기 프로세서 상에서, 상기 머신 러닝 모델을 개선하는 단계 - 상기 개선 단계는 상기 행동 데이터에 기초하여 수정되는 훈련 코퍼스(corpus) 중 적어도 하나에 기초하여 상기 머신 러닝 모델을 재훈련시키는 단계를 포함함 -
를 포함하는, 컴퓨터-구현 방법. - 제12항에 있어서,
상기 프로세서에 의해, 상기 차량에 탑재된 카메라를 사용하여 비디오 데이터의 기록을 트리거하는 단계; 및
상기 프로세서에 의해, 상기 적어도 하나의 위험 이벤트를 식별하기 위해 차량 임계 이벤트를 사용하여 상기 기록된 비디오 데이터를 분석하는 단계;
를 더 포함하는, 컴퓨터-구현 방법. - 제13항에 있어서,
상기 탑재된 차량 모듈과 통신하는 진단 모듈에 의해, 객체 검출 알고리즘을 사용하여 상기 행동 데이터에 영향을 미치는 상기 기록된 비디오로부터 상기 차량 외부의 객체를 식별하는 단계;
상기 적어도 하나의 위험 이벤트에 대한 상기 객체의 영향을 결정하기 위한 추가 처리를 위해 상기 식별된 객체의 위도 및 경도 좌표를 진단 모듈 프로세서로 송신하는 단계;
를 더 포함하는, 컴퓨터-구현 방법. - 제13항에 있어서,
상기 프로세서에 의해, 상기 차량에 탑재된 진단 모듈, 엔진 제어 유닛 모듈, 및 자율-주행 모듈로부터 차량 데이터의 저장을 트리거하는 단계; 및
상기 프로세서에 의해, 상기 적어도 하나의 위험 이벤트를 식별하기 위해 상기 저장된 차량 데이터 차량 임계 이벤트를 분석하는 단계;
를 더 포함하는, 컴퓨터-구현 방법. - 차량에 탑재된 컴퓨팅 디바이스에 있어서,
인터페이스; 및
상기 인터페이스에 결합된 처리 회로를 포함하고,
상기 처리 회로는,
다수의 소스로부터 차량의 운전자의 행동에 관한 행동 데이터를 수신하고;
상기 운전자의 상기 행동에 영향을 미치는 적어도 하나의 위험 이벤트를 식별하고 - 상기 적어도 하나의 위험 이벤트는 미리결정된 임계값 아래로 떨어지도록 상기 행동 데이터에 부정적으로 영향을 줌 -;
상기 운전자의 상기 행동에 영향을 미치는 각각의 식별된 위험 이벤트에 대한 심각도 레벨을 결정하기 위해 훈련된 머신 러닝 모델을 사용하여 상기 행동 데이터를 분석하고 - 상기 훈련된 머신 러닝 모델은 상기 행동 데이터를 분석하기 위해 다수의 타입의 머신 러닝 알고리즘을 이용함 -;
사용자에 대한 프리젠테이션을 위해 상기 행동 데이터에 기초하여 적어도 하나의 점수를 생성하고;
생성된 상기 적어도 하나의 점수에 기초하여 상기 머신 러닝 모델을 개선하도록 - 상기 개선은 상기 행동 데이터에 기초하여 수정되는 훈련 코퍼스(corpus) 중 적어도 하나에 기초하여 상기 머신 러닝 모델을 재훈련시키는 것을 포함함 -
구성된, 컴퓨팅 디바이스. - 제16항에 있어서,
상기 처리 회로는:
상기 차량에 탑재된 카메라를 사용하여 비디오 데이터의 기록을 트리거하고;
상기 적어도 하나의 위험 이벤트를 식별하기 위해 차량 임계 이벤트를 사용하여 상기 기록된 비디오 데이터를 분석하도록,
더 구성되는, 컴퓨팅 디바이스. - 제16항에 있어서,
상기 처리 회로는:
객체 검출 알고리즘을 사용하여 상기 행동 데이터에 영향을 미치는 상기 기록된 비디오로부터 상기 차량 외부의 객체를 식별하고;
상기 적어도 하나의 위험 이벤트에 대한 상기 객체의 영향을 결정하기 위한 추가 처리를 위해 상기 식별된 객체의 위도 및 경도 좌표를 진단 모듈 프로세서로 송신하도록,
더 구성되는, 컴퓨팅 디바이스. - 제16항에 있어서,
상기 처리 회로는:
진단 모듈, 엔진 제어 유닛 모듈, 및 자율-주행 모듈로부터 차량 데이터의 저장을 트리거하고;
상기 적어도 하나의 위험 이벤트를 식별하기 위해 상기 저장된 차량 데이터 차량 임계 이벤트를 분석하도록,
더 구성되는, 컴퓨팅 디바이스. - 제16항에 있어서,
상기 처리 회로는:
상기 행동 데이터로부터 사고의 발생을 결정하고;
상기 사고에 관한 정보를 제3자에게 송신하도록,
더 구성되는, 컴퓨팅 디바이스.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962849763P | 2019-05-17 | 2019-05-17 | |
| US62/849,763 | 2019-05-17 | ||
| PCT/US2020/033324 WO2020236674A1 (en) | 2019-05-17 | 2020-05-17 | Systems and method for calculating liability of a driver of a vehicle |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220010510A true KR20220010510A (ko) | 2022-01-25 |
Family
ID=71016649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020217040403A KR20220010510A (ko) | 2019-05-17 | 2020-05-17 | 차량 운전자의 책임을 계산하기 위한 시스템 및 방법 |
Country Status (13)
| Country | Link |
|---|---|
| US (1) | US20200364800A1 (ko) |
| EP (1) | EP3970109A1 (ko) |
| JP (1) | JP2022533183A (ko) |
| KR (1) | KR20220010510A (ko) |
| CN (1) | CN113994362A (ko) |
| AU (1) | AU2020278596A1 (ko) |
| BR (1) | BR112021022972A2 (ko) |
| CA (1) | CA3139991A1 (ko) |
| GB (1) | GB2599253A (ko) |
| MX (1) | MX2021013985A (ko) |
| SG (1) | SG11202112357PA (ko) |
| TW (1) | TW202101344A (ko) |
| WO (1) | WO2020236674A1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102180933B1 (ko) * | 2019-12-11 | 2020-11-19 | 광주과학기술원 | 딥러닝을 이용한 사고 영상의 사고과실 평가 방법 및 장치 |
| US11312374B2 (en) * | 2020-01-31 | 2022-04-26 | International Business Machines Corporation | Prediction of accident risk based on anomaly detection |
| TWI820471B (zh) * | 2021-08-19 | 2023-11-01 | 陳伯源 | 車輛駕駛風險評估系統 |
| US20230078832A1 (en) * | 2021-09-16 | 2023-03-16 | Beta Air, Llc | System and method for communication between simulators |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9298575B2 (en) * | 2011-10-12 | 2016-03-29 | Lytx, Inc. | Drive event capturing based on geolocation |
| DE112013001449T5 (de) * | 2012-03-14 | 2015-01-22 | E-Aam Driveline Systems Ab | Fahrzeug-Integritäts- und Qualitätskontrollmechanismus in mehreren Ebenen |
| 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 |
| US9714037B2 (en) * | 2014-08-18 | 2017-07-25 | Trimble Navigation Limited | Detection of driver behaviors using in-vehicle systems and methods |
| US10175054B2 (en) * | 2015-01-11 | 2019-01-08 | Microsoft Technology Licensing, Llc | Predicting and utilizing variability of travel times in mapping services |
| US9679480B2 (en) * | 2015-08-07 | 2017-06-13 | Ford Global Technologies, Llc | Vehicle driver responsibility factor assessment and broadcast |
| US9805601B1 (en) * | 2015-08-28 | 2017-10-31 | State Farm Mutual Automobile Insurance Company | Vehicular traffic alerts for avoidance of abnormal traffic conditions |
| DE102017006434A1 (de) * | 2017-07-07 | 2019-01-10 | Wabco Gmbh | Verfahren zum vorausschauenden Bewerten einer aktuellen Fahrsituation sowie Bewertungsmodul |
| US11042156B2 (en) * | 2018-05-14 | 2021-06-22 | Honda Motor Co., Ltd. | System and method for learning and executing naturalistic driving behavior |
| US11427211B2 (en) * | 2018-06-18 | 2022-08-30 | Baidu Usa Llc | Methods for handling sensor failures in autonomous driving vehicles |
-
2020
- 2020-05-17 BR BR112021022972A patent/BR112021022972A2/pt unknown
- 2020-05-17 CN CN202080036747.6A patent/CN113994362A/zh active Pending
- 2020-05-17 JP JP2021568651A patent/JP2022533183A/ja active Pending
- 2020-05-17 GB GB2116153.4A patent/GB2599253A/en not_active Withdrawn
- 2020-05-17 MX MX2021013985A patent/MX2021013985A/es unknown
- 2020-05-17 EP EP20731288.5A patent/EP3970109A1/en active Pending
- 2020-05-17 WO PCT/US2020/033324 patent/WO2020236674A1/en active Application Filing
- 2020-05-17 CA CA3139991A patent/CA3139991A1/en active Pending
- 2020-05-17 AU AU2020278596A patent/AU2020278596A1/en active Pending
- 2020-05-17 SG SG11202112357PA patent/SG11202112357PA/en unknown
- 2020-05-17 US US16/876,072 patent/US20200364800A1/en active Pending
- 2020-05-17 KR KR1020217040403A patent/KR20220010510A/ko unknown
- 2020-05-18 TW TW109116450A patent/TW202101344A/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| CA3139991A1 (en) | 2020-11-26 |
| JP2022533183A (ja) | 2022-07-21 |
| US20200364800A1 (en) | 2020-11-19 |
| BR112021022972A2 (pt) | 2022-01-04 |
| CN113994362A (zh) | 2022-01-28 |
| AU2020278596A1 (en) | 2022-01-06 |
| MX2021013985A (es) | 2022-04-01 |
| TW202101344A (zh) | 2021-01-01 |
| EP3970109A1 (en) | 2022-03-23 |
| SG11202112357PA (en) | 2021-12-30 |
| GB2599253A (en) | 2022-03-30 |
| WO2020236674A1 (en) | 2020-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11769356B2 (en) | Collision evaluation | |
| KR20220010510A (ko) | 차량 운전자의 책임을 계산하기 위한 시스템 및 방법 | |
| US10198772B2 (en) | Driver assessment and recommendation system in a vehicle | |
| US20150006023A1 (en) | System and method for determination of vheicle accident information | |
| US11893835B2 (en) | In-vehicle monitoring and reporting apparatus for vehicles | |
| US20170323494A1 (en) | Vehicle operator performance history recording, scoring and reporting systems | |
| CN106651602A (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
| US20210110480A1 (en) | Intelligent machine sensing and machine learning-based commercial vehicle insurance risk scoring system | |
| US11816936B2 (en) | System and method for detecting driver tampering of vehicle information systems | |
| CN105976450A (zh) | 无人驾驶车辆的数据处理方法和装置、黑匣子系统 | |
| CN206684779U (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
| US20070282519A1 (en) | System and method for analyzing traffic disturbances reported by vehicles | |
| EP2930697A1 (en) | Method and device for processing vehicle condition data | |
| JP2022542366A (ja) | 車両の安全性能を評価すること | |
| US9361607B1 (en) | Motor vehicle monitoring method for determining driver negligence of an engine | |
| US20180096433A1 (en) | Calculation of Differential for Insurance Rates | |
| US20230103670A1 (en) | Video analysis for efficient sorting of event data | |
| US20220169266A1 (en) | Kinetic insights machine | |
| WO2023187851A1 (ja) | 車両データ分析方法および装置 | |
| US11623591B2 (en) | Detection of safety system tampering via DTC analysis | |
| Chapman | PUBLISHED PROJECT REPORT PPR2017 | |
| CN117828540A (zh) | 驾驶员评分平台 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| N231 | Notification of change of applicant |