KR20240006532A - 차량들의 운전 거동 검출 - Google Patents
차량들의 운전 거동 검출 Download PDFInfo
- Publication number
- KR20240006532A KR20240006532A KR1020237037837A KR20237037837A KR20240006532A KR 20240006532 A KR20240006532 A KR 20240006532A KR 1020237037837 A KR1020237037837 A KR 1020237037837A KR 20237037837 A KR20237037837 A KR 20237037837A KR 20240006532 A KR20240006532 A KR 20240006532A
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- driving
- indication
- vehicles
- unsatisfactory
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title description 108
- 238000000034 method Methods 0.000 claims abstract description 94
- 231100001261 hazardous Toxicity 0.000 claims abstract description 62
- 230000006378 damage Effects 0.000 claims description 51
- 238000004891 communication Methods 0.000 claims description 49
- 208000027418 Wounds and injury Diseases 0.000 claims description 48
- 208000014674 injury Diseases 0.000 claims description 48
- 206010039203 Road traffic accident Diseases 0.000 claims description 6
- 230000006399 behavior Effects 0.000 description 115
- 238000010586 diagram Methods 0.000 description 30
- 230000009471 action Effects 0.000 description 29
- 238000010801 machine learning Methods 0.000 description 21
- 230000000875 corresponding effect Effects 0.000 description 20
- 238000012545 processing Methods 0.000 description 16
- 230000004044 response Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000013507 mapping Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 6
- 230000001747 exhibiting effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 241000282412 Homo Species 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000036626 alertness Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- 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
- B60W40/10—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 vehicle motion
- B60W40/105—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/146—Display means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4045—Intention, e.g. lane change or imminent movement
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4046—Behavior, e.g. aggressive or erratic
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4049—Relationship among other objects, e.g. converging dynamic objects
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
차량이 불안전하거나 불만족스러운 방식으로 운전되고 있는지 여부를 결정하기 위한 시스템들 및 방법들이 개시되어 있다. 일부 구현예들에서, 시스템은 시간 기간 동안의 차량의 운전 거동의 관찰들에 기초하여 차량에 대한 하나 이상의 운전 점수들을 결정할 수 있다. 시스템은 하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성할 수 있다. 시스템은 불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공할 수 있다. 일부 양태들에서, 시스템은 하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 보이는 하나 이상의 위험한 운전 속성들을 식별할 수 있다. 시스템은 또한, 식별된 위험한 운전 속성들에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성할 수 있다.
Description
관련된 출원들에 대한 상호-참조
[0001]
이 특허 출원은 "DETECTING DRIVING BEHAVIOR OF VEHICLES(차량들의 운전 거동 검출)"이라는 명칭으로 2021년 5월 10일자로 출원된 미국 특허 출원 제17/315,609호에 대한 우선권을 주장하고, 이 미국 특허 출원은 그 양수인에게 양도되어 있다. 모든 이전 출원들의 개시내용들은 이 특허 출원의 일부로서 간주되고 이 특허 출원에서 참조로 통합된다.
[0002]
이 개시내용은 일반적으로, 차량(vehicle)들에 관한 것으로, 더 구체적으로, 차량이 불안전하거나 불만족스러운 방식으로 운전되고 있는지 여부를 결정하기 위한 시스템들 및 방법들에 관한 것이다.
[0003]
자율 차량들은 자율 모드(autonomous mode) 또는 반-자율 모드(semi-autonomous mode)에서 동작할 수 있고, 이러한 모드 동안에는, 자율 차량이 운전자로부터의 입력이 거의 없거나 전혀 없는 환경을 통해 내비게이팅(navigate)한다. 이 자율 차량들은 전형적으로, 자율 차량이 동작하는 환경에 대한 정보를 결정할 수 있는 다양한 센서들을 포함한다. 예를 들어, 자율 차량들은 전형적으로, 환경에서 객체들(예컨대, 다른 차량들, 보행자들, 교통 신호들, 장애물들 등)을 검출하고 검출된 객체들의 다양한 속성들 및 특징들(예컨대, 크기, 형상, 윤곽들, 방위 등)을 결정하기 위한 LIDAR(light detection and ranging) 디바이스들, 비디오 카메라들, 및 다른 감지 디바이스들을 포함한다. 이 감지 디바이스들은 또한, 검출된 객체들과 자율 차량 사이의 거리들을 결정할 수 있고, 검출된 객체들의 이동들 및 속도들을 결정할 수 있고, 검출된 객체들의 궤적들을 결정할 수 있다.
[0004]
자율 차량들의 장애 검출 및 의사-결정(decision-making) 능력들이 계속적으로 개선되고 있지만, 자율 차량들은 여전히 사고들, 산만한 조종들, 및 위험한 운전에 취약하다. 추가로, 자율 차량 산업에서 운영되는 회사들의 수가 계속 증가하고 있지만, 이 다양한 회사들에 의해 제공되는 상이한 내비게이션 플랫폼(platform)들, 위험 평가 프로토콜들, 및 충돌 회피 시스템들 사이의 호환성을 보장하기 위한 관리 단체 또는 표준 협회가 없다. 이 차이들은 자율 차량들에 의한 산만하고, 예측불가능하고, 잠재적으로 위험한 운전을 악화시킬 수 있다. 게다가, 인간들에 의해 운전되는 차량들도 또한, 사고들, 산만한 조종들, 및 위험한 운전에 취약하다.
[0005]
이 개시내용의 시스템들, 방법들, 및 디바이스들은 차량의 운전 거동을 관찰하고 운전 거동이 불만족스러운지 여부를 결정하기 위하여 이용될 수 있다. 운전 거동이 불만족스러운 것으로 결정될 때, 불만족스러운 운전 거동의 표시는 하나 이상의 엔티티(entity)들로 전송될 수 있다.
[0006]
일부 구현예들에서, 시스템은 하나 이상의 트랜시버(transceiver)들 및 하나 이상의 프로세서들을 포함할 수 있다. 하나 이상의 트랜시버들은 하나 이상의 다른 시스템들 또는 디바이스들과 신호들을 교환하도록 구성될 수 있다. 하나 이상의 프로세서들은 하나 이상의 트랜시버들에 결합될 수 있고, 시간 기간 동안의 차량의 운전 거동의 관찰들에 기초하여 차량에 대한 하나 이상의 운전 점수(driving score)들을 결정하도록 동작가능하게 구성될 수 있다. 하나 이상의 프로세서들은 추가로, 하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성하도록 동작가능하게 구성될 수 있다. 하나 이상의 프로세서들은 추가로, 불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공하도록 동작가능하게 구성될 수 있다. 일부 사례들에서, 불만족스러운 운전의 표시는 하나 이상의 운전 점수들이 시간 기간의 일정 부분 또는 백분율 초과 동안에 임계 값을 초과하는 경우에만 생성될 수 있다.
[0007]
차량은 자율 차량, 반-자율 차량, 승객 서비스를 위하여 구성된 자율 차량, 또는 인간 운전자에 의해 동작되고 ADAS(advanced driver assistance system)가 구비된 차량과 같은(그러나 이것으로 제한되지 않음) 임의의 적당한 차량일 수 있다. 일부 구현예들에서, 하나 이상의 엔티티들은 차량의 인간 운전자, 차량의 인간 승객, 차량의 소유자, 차량의 보험회사, 차량의 헤드-업 디스플레이(heads-up display), 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 또는 하나 이상의 다른 차량들을 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0008]
다양한 구현예들에서, 하나 이상의 트랜시버들은 5G NR(Fifth Generation New Radio) 시스템의 PDSCH(physical downlink shared channel), 5G NR 시스템의 V2X(vehicle-to-everything) 채널, 5G NR 시스템의 V2I(vehicle-to-infrastructure) 채널, 4G RAN(Fourth Generation Radio Access Network), 비허가된 주파수 대역, P2P(peer-to-peer) 통신 링크, DSRC(dedicated short range communication) 채널, WLAN(wireless local area network), 또는 이들의 임의의 조합을 통해 하나 이상의 디바이스들로부터 관찰들을 수신할 수 있다. 일부 구현예들에서, 하나 이상의 디바이스들은 노변 카메라(road-side camera)들, 노변 센서들, 하나 이상의 다른 차량들의 컴퓨터 비전 시스템(computer vision system)들, LIDAR 디바이스들, RADAR 디바이스들, 하나 이상의 보행자들의 모바일 컴퓨팅 디바이스들, 하나 이상의 다른 차량들의 동승자들의 모바일 컴퓨팅 디바이스들, 차량과 연관된 마이크로폰, 또는 이들의 임의의 조합을 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0009]
일부 구현예들에서, 하나 이상의 프로세서들은 추가로, 하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 교통 표지(traffic sign)들을 무시하거나 교통 법률들을 위반하는 것의 각각의 발생을 식별하도록 동작가능하게 구성될 수 있다. 시스템은 시간 기간 동안의 식별된 발생들의 수가 임계 수(threshold number)를 초과하는 것에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성할 수 있다.
[0010]
일부 다른 구현예들에서, 하나 이상의 프로세서들은 추가로, 하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 보이는 하나 이상의 위험한 운전 속성들을 식별하도록 동작가능하게 구성될 수 있다. 시스템은 식별된 위험한 운전 속성들에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성할 수 있다. 일부 사례들에서, 불만족스러운 운전의 표시는 시간 기간 동안에 식별되는 하나 이상의 위험한 운전 속성들이 어떤 양 또는 백분율 초과만큼 임계 수를 초과하는 경우에만 생성될 수 있다. 하나 이상의 위험한 운전 속성들은 일정 수의 사례들을 초과하여 제동하는 것, 차선 내에서 급선회하는 것, 제2 수의 사례들을 초과하여 차선들을 변경하는 것, 다수의 차선 경계들을 횡단하는 것, 다른 차량에 헤드라이트들을 번쩍이는 것, 다른 차량을 바짝 따라가는 것, 다른 차량으로부터 일정 거리 미만으로 차량을 운전하는 것, 또는 차량의 인간 운전자의 부주의를 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0011]
일부 사례들에서, 하나 이상의 프로세서들은 추가로, 식별된 위험한 운전 속성들 중의 임의의 운전 속성이 차량의 운전 거동에서 더 이상 관찰되지 않는지 여부를 결정하도록 동작가능하게 구성될 수 있다. 시스템은 결정에 기초하여 하나 이상의 운전 점수들을 조절할 수 있다. 일부 다른 사례들에서, 하나 이상의 프로세서들은 추가로, 시간 기간 동안에 식별되는 위험한 운전 속성들의 수를 표시하는 보고를 생성하도록 동작가능하게 구성될 수 있다. 시스템은 보고를 하나 이상의 엔티티들에 제공할 수 있다.
[0012]
다양한 구현예들에서, 하나 이상의 프로세서들은 추가로, 하나 이상의 제1 디바이스들로부터 시간 기간의 제1 부분 동안의 차량의 제1 속력의 제1 표시를 수신하도록 동작가능하게 구성될 수 있다. 시스템은 하나 이상의 제2 디바이스들로부터 시간 기간의 제2 부분 동안의 차량의 제2 속력의 제2 표시를 수신할 수 있다. 시스템은 제1 및 제2 표시들에 기초하여, 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나, 시간의 지속기간 초과 동안에 속력 제한을 초과하였는지 여부를 결정할 수 있다. 일부 구현예들에서, 불만족스러운 운전의 표시의 생성은, 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나 시간의 지속기간 초과 동안에 속력 제한을 초과하였다는 결정에 적어도 부분적으로 기초할 수 있다.
[0013]
일부 구현예들에서, 하나 이상의 프로세서들은 추가로, 수신된 관찰들에 기초하여, 차량이 차량 사고에 관여될 가능성, 차량이 차량의 동승자들에 대한 부상을 야기시킬 가능성, 차량이 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성, 또는 이들의 임의의 조합을 결정하도록 동작가능하게 구성될 수 있다. 시스템은 결정된 가능성을 하나 이상의 엔티티들에 제공할 수 있다.
[0014]
하나의 구현예에서, 하나 이상의 프로세서들은 추가로, 적어도 하나의 운전 점수가 임계 값을 초과하는 것으로 결정하는 것에 응답하여, 차량의 하나 이상의 동작들을 제한하도록 동작가능하게 구성될 수 있다. 일부 사례들에서, 하나 이상의 동작들은 차량의 속력을 제한하거나 게시된 속력 제한에 대한 어떤 양 또는 백분율 내의 속력으로 차량을 제한하는 것, 차량의 인포테인먼트 시스템의 하나 이상의 특징들을 디스에이블하거나 제한하는 것, 차량의 수동 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것, 차량의 자율 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것, 차량의 통행을 어떤 영역들로 또는 어떤 루트들을 따라 한정하는 것, 차량과 다른 차량들 사이의 간격들을 증가시킬 것을 차량에 요구하는 것, 차량이 목적지에 도달한 후의 시간 기간 동안에 차량을 디스에이블하는 것, 또는 이들의 임의의 조합을 포함할 수 있다. 또 다른 구현예에서, 하나 이상의 프로세서들은 추가로, 차량으로부터 떨어져서 머무르거나 차량과 다른 차량들 사이의 거리들을 증가시킬 것을 다른 차량들에 명령하도록 동작가능하게 구성될 수 있다. 또 다른 구현예에서, 하나 이상의 프로세서들은 추가로, 차량에 초점을 맞출 것을 하나 이상의 노변 카메라들 또는 노변 센서들에 명령하도록 동작가능하게 구성될 수 있다.
[0015]
다양한 구현예들에서는, 차량의 하나 이상의 운전 특성들을 결정하는 방법이 개시되어 있다. 일부 구현예들에서, 방법은 시스템에 의해 수행될 수 있고, 시간 기간 동안의 차량의 운전 거동의 관찰들에 기초하여 차량에 대한 하나 이상의 운전 점수들을 결정하는 것을 포함할 수 있다. 방법은 하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성하는 것을 포함할 수 있다. 방법은 불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공하는 것을 포함할 수 있다. 일부 사례들에서, 불만족스러운 운전의 표시는 하나 이상의 운전 점수들이 시간 기간의 일정 부분 또는 백분율 초과 동안에 임계 값을 초과하는 경우에만 생성될 수 있다.
[0016]
차량은 자율 차량, 반-자율 차량, 승객 서비스를 위하여 구성된 자율 차량, 또는 인간 운전자에 의해 동작되고 ADAS가 구비된 차량과 같은(그러나 이것으로 제한되지 않음) 임의의 적당한 차량일 수 있다. 일부 구현예들에서, 하나 이상의 엔티티들은 차량의 인간 운전자, 차량의 인간 승객, 차량의 소유자, 차량의 보험회사, 차량의 헤드-업 디스플레이, 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 또는 하나 이상의 다른 차량들을 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0017]
다양한 구현예들에서, 관찰들은 5G NR 시스템의 PDSCH, 5G NR 시스템의 V2X 채널, 5G NR 시스템의 V2I 채널, 4G RAN, P2P 통신 링크, DSRC 채널, WLAN, 또는 이들의 임의의 조합을 통해 하나 이상의 디바이스들로부터 수신될 수 있다. 일부 구현예들에서, 하나 이상의 디바이스들은 노변 카메라들, 노변 센서들, 하나 이상의 다른 차량들의 컴퓨터 비전 시스템들, LIDAR 디바이스들, RADAR 디바이스들, 하나 이상의 보행자들의 모바일 컴퓨팅 디바이스들, 하나 이상의 다른 차량들의 동승자들의 모바일 컴퓨팅 디바이스들, 차량과 연관된 마이크로폰, 또는 이들의 임의의 조합을 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0018]
일부 구현예들에서, 방법은 하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 교통 표지들을 무시하거나 교통 법률들을 위반하는 것의 각각의 발생을 식별하는 것을 포함할 수 있다. 방법은 또한, 시간 기간 동안의 식별된 발생들의 수가 임계 수를 초과하는 것에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성하는 것을 포함할 수 있다.
[0019]
일부 다른 구현예들에서, 방법은 하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 보이는 하나 이상의 위험한 운전 속성들을 식별하는 것을 포함할 수 있다. 방법은 또한, 식별된 위험한 운전 속성들에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성하는 것을 포함할 수 있다. 일부 사례들에서, 불만족스러운 운전의 표시는 시간 기간 동안에 식별되는 하나 이상의 위험한 운전 속성들이 어떤 양 또는 백분율 초과만큼 임계 수를 초과하는 경우에만 생성될 수 있다. 하나 이상의 위험한 운전 속성들은 일정 수의 사례들을 초과하여 제동하는 것, 차선 내에서 급선회하는 것, 제2 수의 사례들을 초과하여 차선들을 변경하는 것, 다수의 차선 경계들을 횡단하는 것, 다른 차량에 헤드라이트들을 번쩍이는 것, 다른 차량을 바짝 따라가는 것, 다른 차량으로부터 일정 거리 미만으로 차량을 운전하는 것, 또는 차량의 인간 운전자의 부주의를 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0020]
일부 사례들에서, 방법은 식별된 위험한 운전 속성들 중의 임의의 운전 속성이 차량의 운전 거동에서 더 이상 관찰되지 않는지 여부를 결정하는 것을 포함할 수 있다. 방법은 또한, 결정에 기초하여 하나 이상의 운전 점수들을 조절하는 것을 포함할 수 있다. 일부 다른 사례들에서, 방법은 시간 기간 동안에 식별되는 위험한 운전 속성들의 수를 표시하는 보고를 생성하는 것을 포함할 수 있다. 방법은 또한, 보고를 하나 이상의 엔티티들에 제공하는 것을 포함할 수 있다.
[0021]
다양한 구현예들에서, 방법은 하나 이상의 제1 디바이스들로부터 시간 기간의 제1 부분 동안의 차량의 제1 속력의 제1 표시를 수신하는 것을 포함할 수 있다. 방법은 또한, 하나 이상의 제2 디바이스들로부터 시간 기간의 제2 부분 동안의 차량의 제2 속력의 제2 표시를 수신하는 것을 포함할 수 있다. 방법은 또한, 제1 및 제2 표시들에 기초하여, 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나, 시간의 지속기간 초과 동안에 속력 제한을 초과하였는지 여부를 결정하는 것을 포함할 수 있다. 일부 구현예들에서, 불만족스러운 운전의 표시의 생성은, 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나 시간의 지속기간 초과 동안에 속력 제한을 초과하였다는 결정에 적어도 부분적으로 기초할 수 있다.
[0022]
일부 구현예들에서, 방법은 수신된 관찰들에 기초하여, 차량이 차량 사고에 관여될 가능성, 차량이 차량의 동승자들에 대한 부상을 야기시킬 가능성, 차량이 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성, 또는 이들의 임의의 조합을 결정하는 것을 포함할 수 있다. 방법은 또한, 결정된 가능성을 하나 이상의 엔티티들에 제공하는 것을 포함할 수 있다.
[0023]
하나의 구현예에서, 방법은 또한, 적어도 하나의 운전 점수가 임계 값을 초과하는 것으로 결정하는 것에 응답하여, 차량의 하나 이상의 동작들을 제한하는 것을 포함할 수 있다. 일부 사례들에서, 하나 이상의 동작들은 차량의 속력을 제한하거나 게시된 속력 제한에 대한 어떤 양 또는 백분율 내의 속력으로 차량을 제한하는 것, 차량의 인포테인먼트 시스템의 하나 이상의 특징들을 디스에이블하거나 제한하는 것, 차량의 수동 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것, 차량의 자율 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것, 차량의 통행을 어떤 영역들로 또는 어떤 루트들을 따라 한정하는 것, 차량과 다른 차량들 사이의 간격들을 증가시킬 것을 차량에 요구하는 것, 차량이 목적지에 도달한 후의 시간 기간 동안에 차량을 디스에이블하는 것, 또는 이들의 임의의 조합을 포함할 수 있다. 또 다른 구현예에서, 방법은 또한, 차량으로부터 떨어져서 머무르거나 차량과 다른 차량들 사이의 거리들을 증가시킬 것을 다른 차량들에 명령하는 것을 포함할 수 있다. 또 다른 구현예에서, 방법은 또한, 차량에 초점을 맞출 것을 하나 이상의 노변 카메라들 또는 노변 센서들에 명령하는 것을 포함할 수 있다.
[0024]
다양한 구현예들에서는, 시스템이 개시되어 있다. 일부 구현예들에서, 시스템은 시간 기간 동안의 차량의 운전 거동의 관찰들에 기초하여 차량에 대한 하나 이상의 운전 점수들을 결정하기 위한 수단을 포함할 수 있다. 시스템은 하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성하기 위한 수단을 포함할 수 있다. 시스템은 불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공하기 위한 수단을 포함할 수 있다. 일부 사례들에서, 불만족스러운 운전의 표시는 하나 이상의 운전 점수들이 시간 기간의 일정 부분 또는 백분율 초과 동안에 임계 값을 초과하는 경우에만 생성될 수 있다.
[0025]
차량은 자율 차량, 반-자율 차량, 승객 서비스를 위하여 구성된 자율 차량, 또는 인간 운전자에 의해 동작되고 ADAS가 구비된 차량과 같은(그러나 이것으로 제한되지 않음) 임의의 적당한 차량일 수 있다. 일부 구현예들에서, 하나 이상의 엔티티들은 차량의 인간 운전자, 차량의 인간 승객, 차량의 소유자, 차량의 보험회사, 차량의 헤드-업 디스플레이, 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 또는 하나 이상의 다른 차량들을 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0026]
다양한 구현예들에서, 관찰들은 5G NR 시스템의 PDSCH, 5G NR 시스템의 V2X 채널, 5G NR 시스템의 V2I 채널, 4G RAN, P2P 통신 링크, DSRC 채널, WLAN, 또는 이들의 임의의 조합을 통해 하나 이상의 디바이스들로부터 수신될 수 있다. 일부 구현예들에서, 하나 이상의 디바이스들은 노변 카메라들, 노변 센서들, 하나 이상의 다른 차량들의 컴퓨터 비전 시스템들, LIDAR 디바이스들, RADAR 디바이스들, 하나 이상의 보행자들의 모바일 컴퓨팅 디바이스들, 하나 이상의 다른 차량들의 동승자들의 모바일 컴퓨팅 디바이스들, 차량과 연관된 마이크로폰, 또는 이들의 임의의 조합을 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0027]
일부 구현예들에서, 시스템은 하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 교통 표지들을 무시하거나 교통 법률들을 위반하는 것의 각각의 발생을 식별하기 위한 수단을 포함할 수 있다. 시스템은 또한, 시간 기간 동안의 식별된 발생들의 수가 임계 수를 초과하는 것에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성하기 위한 수단을 포함할 수 있다.
[0028]
일부 다른 구현예들에서, 시스템은 하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 보이는 하나 이상의 위험한 운전 속성들을 식별하기 위한 수단을 포함할 수 있다. 시스템은 또한, 식별된 위험한 운전 속성들에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성하기 위한 수단을 포함할 수 있다. 일부 사례들에서, 불만족스러운 운전의 표시는 시간 기간 동안에 식별되는 하나 이상의 위험한 운전 속성들이 어떤 양 또는 백분율 초과만큼 임계 수를 초과하는 경우에만 생성될 수 있다. 하나 이상의 위험한 운전 속성들은 일정 수의 사례들을 초과하여 제동하는 것, 차선 내에서 급선회하는 것, 제2 수의 사례들을 초과하여 차선들을 변경하는 것, 다수의 차선 경계들을 횡단하는 것, 다른 차량에 헤드라이트들을 번쩍이는 것, 다른 차량을 바짝 따라가는 것, 다른 차량으로부터 일정 거리 미만으로 차량을 운전하는 것, 또는 차량의 인간 운전자의 부주의를 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0029]
일부 사례들에서, 시스템은 식별된 위험한 운전 속성들 중의 임의의 운전 속성이 차량의 운전 거동에서 더 이상 관찰되지 않는지 여부를 결정하기 위한 수단을 포함할 수 있다. 시스템은 또한, 결정에 기초하여 하나 이상의 운전 점수들을 조절하기 위한 수단을 포함할 수 있다. 일부 다른 사례들에서, 시스템은 시간 기간 동안에 식별되는 위험한 운전 속성들의 수를 표시하는 보고를 생성하기 위한 수단을 포함할 수 있다. 시스템은 또한, 보고를 하나 이상의 엔티티들에 제공하기 위한 수단을 포함할 수 있다.
[0030]
다양한 구현예들에서, 시스템은 하나 이상의 제1 디바이스들로부터 시간 기간의 제1 부분 동안의 차량의 제1 속력의 제1 표시를 수신하기 위한 수단을 포함할 수 있다. 시스템은 또한, 하나 이상의 제2 디바이스들로부터 시간 기간의 제2 부분 동안의 차량의 제2 속력의 제2 표시를 수신하기 위한 수단을 포함할 수 있다. 시스템은 또한, 제1 및 제2 표시들에 기초하여, 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나, 시간의 지속기간 초과 동안에 속력 제한을 초과하였는지 여부를 결정하기 위한 수단을 포함할 수 있다. 일부 구현예들에서, 불만족스러운 운전의 표시의 생성은, 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나 시간의 지속기간 초과 동안에 속력 제한을 초과하였다는 결정에 적어도 부분적으로 기초할 수 있다.
[0031]
일부 구현예들에서, 시스템은 수신된 관찰들에 기초하여, 차량이 차량 사고에 관여될 가능성, 차량이 차량의 동승자들에 대한 부상을 야기시킬 가능성, 차량이 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성, 또는 이들의 임의의 조합을 결정하기 위한 수단을 포함할 수 있다. 시스템은 또한, 결정된 가능성을 하나 이상의 엔티티들에 제공하기 위한 수단을 포함할 수 있다.
[0032]
하나의 구현예에서, 시스템은 또한, 적어도 하나의 운전 점수가 임계 값을 초과하는 것으로 결정하는 것에 응답하여, 차량의 하나 이상의 동작들을 제한하기 위한 수단을 포함할 수 있다. 일부 사례들에서, 하나 이상의 동작들은 차량의 속력을 제한하거나 게시된 속력 제한에 대한 어떤 양 또는 백분율 내의 속력으로 차량을 제한하는 것, 차량의 인포테인먼트 시스템의 하나 이상의 특징들을 디스에이블하거나 제한하는 것, 차량의 수동 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것, 차량의 자율 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것, 차량의 통행을 어떤 영역들로 또는 어떤 루트들을 따라 한정하는 것, 차량과 다른 차량들 사이의 간격들을 증가시킬 것을 차량에 요구하는 것, 차량이 목적지에 도달한 후의 시간 기간 동안에 차량을 디스에이블하는 것, 또는 이들의 임의의 조합을 포함할 수 있다. 또 다른 구현예에서, 시스템은 또한, 차량으로부터 떨어져서 머무르거나 차량과 다른 차량들 사이의 거리들을 증가시킬 것을 다른 차량들에 명령하기 위한 수단을 포함할 수 있다. 또 다른 구현예에서, 시스템은 또한, 차량에 초점을 맞출 것을 하나 이상의 노변 카메라들 또는 노변 센서들에 명령하기 위한 수단을 포함할 수 있다.
[0033]
다양한 구현예들에서는, 컴퓨터 실행가능 코드를 저장하는 비-일시적 컴퓨터-판독가능 매체가 개시되어 있다. 시스템의 하나 이상의 프로세서들에 의한 컴퓨터 실행가능 코드의 실행은, 시스템으로 하여금, 다수의 동작들을 수행하게 할 수 있다. 일부 구현예들에서, 동작들은 시간 기간 동안의 차량의 운전 거동의 관찰들에 기초하여 차량에 대한 하나 이상의 운전 점수들을 결정하는 것을 포함할 수 있다. 동작들은 하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성하는 것을 포함할 수 있다. 동작들은 불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공하는 것을 포함할 수 있다. 일부 사례들에서, 불만족스러운 운전의 표시는 하나 이상의 운전 점수들이 시간 기간의 일정 부분 또는 백분율 초과 동안에 임계 값을 초과하는 경우에만 생성될 수 있다.
[0034]
차량은 자율 차량, 반-자율 차량, 승객 서비스를 위하여 구성된 자율 차량, 또는 인간 운전자에 의해 동작되고 ADAS가 구비된 차량과 같은(그러나 이것으로 제한되지 않음) 임의의 적당한 차량일 수 있다. 일부 구현예들에서, 하나 이상의 엔티티들은 차량의 인간 운전자, 차량의 인간 승객, 차량의 소유자, 차량의 보험회사, 차량의 헤드-업 디스플레이, 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 또는 하나 이상의 다른 차량들을 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0035]
다양한 구현예들에서, 관찰들은 5G NR 시스템의 PDSCH, 5G NR 시스템의 V2X 채널, 5G NR 시스템의 V2I 채널, 4G RAN, P2P 통신 링크, DSRC 채널, WLAN, 또는 이들의 임의의 조합을 통해 하나 이상의 디바이스들로부터 수신될 수 있다. 일부 구현예들에서, 하나 이상의 디바이스들은 노변 카메라들, 노변 센서들, 하나 이상의 다른 차량들의 컴퓨터 비전 시스템들, LIDAR 디바이스들, RADAR 디바이스들, 하나 이상의 보행자들의 모바일 컴퓨팅 디바이스들, 하나 이상의 다른 차량들의 동승자들의 모바일 컴퓨팅 디바이스들, 차량과 연관된 마이크로폰, 또는 이들의 임의의 조합을 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0036]
일부 구현예들에서, 동작들은 하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 교통 표지들을 무시하거나 교통 법률들을 위반하는 것의 각각의 발생을 식별하는 것을 포함할 수 있다. 동작들은 또한, 시간 기간 동안의 식별된 발생들의 수가 임계 수를 초과하는 것에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성하는 것을 포함할 수 있다.
[0037]
일부 다른 구현예들에서, 동작들은 하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 보이는 하나 이상의 위험한 운전 속성들을 식별하는 것을 포함할 수 있다. 동작들은 또한, 식별된 위험한 운전 속성들에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성하는 것을 포함할 수 있다. 일부 사례들에서, 불만족스러운 운전의 표시는 시간 기간 동안에 식별되는 하나 이상의 위험한 운전 속성들이 어떤 양 또는 백분율 초과만큼 임계 수를 초과하는 경우에만 생성될 수 있다. 하나 이상의 위험한 운전 속성들은 일정 수의 사례들을 초과하여 제동하는 것, 차선 내에서 급선회하는 것, 제2 수의 사례들을 초과하여 차선들을 변경하는 것, 다수의 차선 경계들을 횡단하는 것, 다른 차량에 헤드라이트들을 번쩍이는 것, 다른 차량을 바짝 따라가는 것, 다른 차량으로부터 일정 거리 미만으로 차량을 운전하는 것, 또는 차량의 인간 운전자의 부주의를 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0038]
일부 사례들에서, 동작들은 식별된 위험한 운전 속성들 중의 임의의 운전 속성이 차량의 운전 거동에서 더 이상 관찰되지 않는지 여부를 결정하는 것을 포함할 수 있다. 동작들은 또한, 결정에 기초하여 하나 이상의 운전 점수들을 조절하는 것을 포함할 수 있다. 일부 다른 사례들에서, 동작들은 시간 기간 동안에 식별되는 위험한 운전 속성들의 수를 표시하는 보고를 생성하는 것을 포함할 수 있다. 동작들은 또한, 보고를 하나 이상의 엔티티들에 제공하는 것을 포함할 수 있다.
[0039]
다양한 구현예들에서, 동작들은 하나 이상의 제1 디바이스들로부터 시간 기간의 제1 부분 동안의 차량의 제1 속력의 제1 표시를 수신하는 것을 포함할 수 있다. 동작들은 또한, 하나 이상의 제2 디바이스들로부터 시간 기간의 제2 부분 동안의 차량의 제2 속력의 제2 표시를 수신하는 것을 포함할 수 있다. 동작들은 또한, 제1 및 제2 표시들에 기초하여, 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나, 시간의 지속기간 초과 동안에 속력 제한을 초과하였는지 여부를 결정하는 것을 포함할 수 있다. 일부 구현예들에서, 불만족스러운 운전의 표시의 생성은, 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나 시간의 지속기간 초과 동안에 속력 제한을 초과하였다는 결정에 적어도 부분적으로 기초할 수 있다.
[0040]
일부 구현예들에서, 동작들은 수신된 관찰들에 기초하여, 차량이 차량 사고에 관여될 가능성, 차량이 차량의 동승자들에 대한 부상을 야기시킬 가능성, 차량이 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성, 또는 이들의 임의의 조합을 결정하는 것을 포함할 수 있다. 동작들은 또한, 결정된 가능성을 하나 이상의 엔티티들에 제공하는 것을 포함할 수 있다.
[0041]
하나의 구현예에서, 동작들은 또한, 적어도 하나의 운전 점수가 임계 값을 초과하는 것으로 결정하는 것에 응답하여, 차량의 하나 이상의 동작들을 제한하는 것을 포함할 수 있다. 일부 사례들에서, 하나 이상의 동작들은 차량의 속력을 제한하거나 게시된 속력 제한에 대한 어떤 양 또는 백분율 내의 속력으로 차량을 제한하는 것, 차량의 인포테인먼트 시스템의 하나 이상의 특징들을 디스에이블하거나 제한하는 것, 차량의 수동 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것, 차량의 자율 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것, 차량의 통행을 어떤 영역들로 또는 어떤 루트들을 따라 한정하는 것, 차량과 다른 차량들 사이의 간격들을 증가시킬 것을 차량에 요구하는 것, 차량이 목적지에 도달한 후의 시간 기간 동안에 차량을 디스에이블하는 것, 또는 이들의 임의의 조합을 포함할 수 있다. 또 다른 구현예에서, 동작들은 또한, 차량으로부터 떨어져서 머무르거나 차량과 다른 차량들 사이의 거리들을 증가시킬 것을 다른 차량들에 명령하는 것을 포함할 수 있다. 또 다른 구현예에서, 동작들은 또한, 차량에 초점을 맞출 것을 하나 이상의 노변 카메라들 또는 노변 센서들에 명령하는 것을 포함할 수 있다.
[0042]
이 개시내용에서 설명된 발명 요지의 하나 이상의 구현예들의 세부사항들은 첨부 도면들 및 이하의 설명에서 기재된다. 다른 특징들, 양태들, 및 장점들은 설명, 도면들, 및 청구항들로부터 명백해질 것이다. 다음의 도면들의 상대적인 치수들은 축척에 맞게 그려지지 않을 수 있다는 것에 주목한다.
[0043]
도 1은 본 개시내용의 다양한 양태들이 구현될 수 있는 예시적인 환경의 삽화 도면을 도시한다.
[0044] 도 2는 일부 구현예들에 따른, 예시적인 자율 차량의 블록도를 도시한다.
[0045] 도 3은 일부 구현예들에 따른, 예시적인 모바일 컴퓨팅 디바이스의 블록도를 도시한다.
[0046] 도 4는 일부 구현예들에 따른, 도 1의 운전 거동 검출 시스템의 기능적인 블록도를 도시한다.
[0047] 도 5a는 일부 구현예들에 따른, 차량의 속력 또는 속도를 결정하기 위한 예시적인 동작을 묘사하는 예시도를 도시한다.
[0048] 도 5b 및 도 5c는 일부 구현예들에 따른, 차량이 정지 표지를 무시하였는지 여부를 결정하기 위한 예시적인 동작을 묘사하는 예시도들을 도시한다.
[0049] 도 6은 일부 구현예들에 따른, 차량의 하나 이상의 운전 특성들을 결정하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0050] 도 7은 일부 구현예들에 따른, 차량의 하나 이상의 운전 특성들을 결정하기 위한 또 다른 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0051] 도 8은 일부 구현예들에 따른, 차량의 하나 이상의 운전 특성들을 결정하기 위한 또 다른 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0052] 도 9는 일부 구현예들에 따른, 차량의 하나 이상의 운전 점수들을 조절하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0053] 도 10은 일부 구현예들에 따른, 차량의 불만족스러운 운전 거동의 보고를 생성하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0054] 도 11은 일부 구현예들에 따른, 차량에 의해 야기된 사고들 또는 부상들의 가능성들을 결정하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0055] 도 12는 일부 구현예들에 따른, 차량이 속력 제한을 초과하였는지 여부를 결정하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0056] 도 13은 일부 구현예들에 따른, 차량과 연관된 정정 액션들을 취하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0057] 도 14는 다른 구현예들에 따른, 차량과 연관된 정정 액션들을 취하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0058] 도 15는 일부 다른 구현예들에 따른, 차량과 연관된 정정 액션들을 취하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0059] 다양한 도면들에서의 유사한 참조 번호들 및 명칭들은 유사한 엘리먼트들을 표시한다.
[0044] 도 2는 일부 구현예들에 따른, 예시적인 자율 차량의 블록도를 도시한다.
[0045] 도 3은 일부 구현예들에 따른, 예시적인 모바일 컴퓨팅 디바이스의 블록도를 도시한다.
[0046] 도 4는 일부 구현예들에 따른, 도 1의 운전 거동 검출 시스템의 기능적인 블록도를 도시한다.
[0047] 도 5a는 일부 구현예들에 따른, 차량의 속력 또는 속도를 결정하기 위한 예시적인 동작을 묘사하는 예시도를 도시한다.
[0048] 도 5b 및 도 5c는 일부 구현예들에 따른, 차량이 정지 표지를 무시하였는지 여부를 결정하기 위한 예시적인 동작을 묘사하는 예시도들을 도시한다.
[0049] 도 6은 일부 구현예들에 따른, 차량의 하나 이상의 운전 특성들을 결정하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0050] 도 7은 일부 구현예들에 따른, 차량의 하나 이상의 운전 특성들을 결정하기 위한 또 다른 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0051] 도 8은 일부 구현예들에 따른, 차량의 하나 이상의 운전 특성들을 결정하기 위한 또 다른 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0052] 도 9는 일부 구현예들에 따른, 차량의 하나 이상의 운전 점수들을 조절하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0053] 도 10은 일부 구현예들에 따른, 차량의 불만족스러운 운전 거동의 보고를 생성하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0054] 도 11은 일부 구현예들에 따른, 차량에 의해 야기된 사고들 또는 부상들의 가능성들을 결정하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0055] 도 12는 일부 구현예들에 따른, 차량이 속력 제한을 초과하였는지 여부를 결정하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0056] 도 13은 일부 구현예들에 따른, 차량과 연관된 정정 액션들을 취하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0057] 도 14는 다른 구현예들에 따른, 차량과 연관된 정정 액션들을 취하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0058] 도 15는 일부 다른 구현예들에 따른, 차량과 연관된 정정 액션들을 취하기 위한 예시적인 동작을 묘사하는 흐름도를 도시한다.
[0059] 다양한 도면들에서의 유사한 참조 번호들 및 명칭들은 유사한 엘리먼트들을 표시한다.
[0060]
본 개시내용의 양태들은 예시 목적들을 위하여 제공된 다양한 예들에 대한 다음의 설명 및 관련된 도면들에서 제공된다. 대안적인 양태들은 개시내용의 범위로부터 이탈하지 않으면서 고안될 수 있다. 추가적으로, 개시내용의 널리-공지된 엘리먼트들은 상세하게 설명되지 않거나, 개시내용의 관련된 세부사항들을 모호하게 하지 않도록 생략될 것이다.
[0061]
본 기술분야에서의 통상의 기술자들은 이하에서 설명된 정보 및 신호들이 다양한 상이한 기술들 및 기법들 중의 임의의 기술 및 기법을 이용하여 표현될 수 있다는 것을 인식할 것이다. 예를 들어, 이하의 설명 전반에 걸쳐 참조될 수 있는 데이터, 명령들, 커맨드들, 정보, 신호들, 비트들, 심볼들, 및 칩들은 부분적으로 특정한 애플리케이션, 부분적으로 희망된 설계, 부분적으로 대응하는 기술 등에 따라서는, 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학 필드들 또는 입자들, 또는 이들의 임의의 조합에 의해 표현될 수 있다.
[0062]
추가로, 많은 양태들은 예를 들어, 컴퓨팅 디바이스의 엘리먼트들에 의해 수행되어야 할 액션(action)들의 시퀀스(sequence)들의 측면에서 설명된다. 본원에서 설명된 다양한 액션들은 구체적인 회로들(예컨대, ASIC(application specific integrated circuit)들)에 의해, 하나 이상의 프로세서들에 의해 실행되고 있는 프로그램 명령들에 의해, 또는 이 둘의 조합에 의해 수행될 수 있다는 것이 인식될 것이다. 추가적으로, 본원에서 설명된 액션들의 시퀀스(들)는, 실행 시에, 디바이스의 연관된 프로세서로 하여금, 본원에서 설명된 기능성을 수행하게 하거나 이를 명령할 컴퓨터 명령들의 대응하는 세트를 그 안에 저장한 임의의 형태의 비-일시적 컴퓨터-판독가능 저장 매체 내에 완전히 구체화되는 것으로 간주될 수 있다. 따라서, 개시내용의 다양한 양태들은 다수의 상이한 형태들로 구체화될 수 있고, 이들 모두는 청구된 발명 요지의 범위 내에 있는 것으로 고려되었다. 추가적으로, 본원에서 설명된 양태들 각각에 대하여, 임의의 이러한 양태들의 대응하는 형태는 예를 들어, 설명된 액션을 수행하도록 "구성된 로직"으로서 본원에서 설명될 수 있다. 따라서, 자율 또는 반-자율 차량들(또한, 자율-주행차(self-driving car)들 또는 "SDC들"로서 공지됨)에 대하여 본원에서 설명되었지만, 본 개시내용의 양태들은 자동차들, 트럭들, 모터사이클들, 버스들, 보트들, 헬리콥터들, 로봇들, 무인 항공 차량들, 레저용 차량들, 놀이 공원 차량들, 건설 장치, 및 골프 카트들과 같은(그러나 이것으로 제한되지 않음) 다른 차량들 내에서 구현될 수 있다. 본 개시내용의 다양한 양태들은 또한 또는 대안적으로, 인간에 의해 운전되는 차량에 적용될 수 있다.
[0063]
논의된 바와 같이, 일부 차량들은 자율 또는 반-자율 모드에서 동작할 수 있고, 인간 운전자로부터의 입력이 거의 없거나 전혀 없는 환경을 통해 내비게이팅할 수 있다. 자율 차량들로서 본원에서 집합적으로 지칭된 이 차량들은 전형적으로, 차량이 동작하는 환경에 대한 정보를 결정할 수 있는 다수의 센서들을 포함한다. 예를 들어, 센서들은 주변 환경의 3D(three-dimensional) 표현이 생성될 수 있는 맵핑 정보(mapping information)를 제공할 수 있다. 일부 구현예들에서, 3D 포인트 클라우드(point cloud)일 수 있는 3D 표현은, 운전 루트를 선택하고, 그 다음으로, 충돌들을 회피하고 다양한 교통 표지들, 교통 법률들, 및 도로의 다른 규칙들을 준수하는 방식으로 선택된 루트를 따라 안전하게 내비게이팅하기 위하여 자율 차량에 의해 이용될 수 있다. 센서들은 또한, 주변 환경에서의 객체들의 존재를 표시하는 정보뿐만 아니라, 검출된 객체들의 다양한 특징들, 속성들, 포지션들, 및 이동들을 제공할 수 있다.
[0064]
장애 검출, 객체 추적, 및 의사-결정 능력들에서의 계속되는 진전들에도 불구하고, 자율 차량들은 사고들, 산만한 조종들, 및 위험한 운전에 취약한 상태로 유지된다. 다양한 자율 차량들에 의해 채용되는 내비게이션 플랫폼들, 위험 평가 프로토콜들, 및 충돌 회피 시스템들 사이의 차이들은 자율 차량들의 사고들, 산만한 조종들, 및 위험한 운전의 가능성을 증가시킬 수 있다. 게다가, 인간들에 의해 운전되는 차량들도 또한, 사고들, 산만한 조종들, 및 위험한 운전에 취약하다. 따라서, 차량들의 운전 거동을 모니터링할 수 있고, 사고로 귀착될 가능성이 있거나 개개의 모니터링된 차량들의 동승자들 또는 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성이 있는 불만족스러운 방식(예컨대, 위험하거나 불안전한 운전으로서 간주될 수 있는 방식)으로 모니터링된 차량들 중의 개개의 하나 이상이 운전되고 있는지 여부의 표시들을 생성할 수 있는 시스템들 및 방법들에 대한 필요성이 있다.
[0065]
본 개시내용의 일부 양태들에 따르면, 차량의 운전 거동(예컨대, 차량이 불만족스러운 방식으로 운전되고 있는지 여부, 차량이 하나 이상의 위험한 운전 속성들을 보이는지 여부, 또는 차량이 일부 다른 불안전하거나 위험한 운전 거동을 보이는지 여부)을 결정할 수 있는 운전 거동 검출 시스템들 및 방법들이 개시되어 있다. 일부 구현예들에서, 본원에서 개시된 운전 거동 검출 시스템들 및 방법들은 또한, 사고로 귀착될 가능성이 있고, 차량의 동승자들에 대한 부상을 야기시킬 가능성이 있고, 및/또는 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성이 있는 방식으로 차량이 운전되고 있는지 여부를 결정할 수 있다. 일부 사례들에서, 본원에서 개시된 운전 거동 검출 시스템들 및 방법들은 개개의 차량이 불안전하거나 불만족스러운 방식으로 운전된다는 표시들, 개개의 차량이 하나 이상의 위험한 운전 속성들을 보인다는 표시들, 개개의 차량이 사고로 귀착될 가능성이 있는 방식으로 운전된다는 표시들, 또는 개개의 차량이 개개의 차량의 동승자들에 대한 부상 및/또는 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성이 있는 방식으로 운전된다는 표시들을 생성할 수 있다. 다양한 구현예들에서, 이 표시들은 차량의 운전자, 차량의 동승자, 차량의 소유자, 차량의 헤드-업 디스플레이, 차량의 보험회사, 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 하나 이상의 다른 차량들, 및/또는 다른 관심 있는 당사자/당사자들(예컨대, 승차-공유 운영자(ride-share operator))을 포함하는(그러나 이것으로 제한되지 않음) 하나 이상의 제3자 엔티티들로 전송될 수 있다. 이러한 방식으로, 본원에서 개시된 운전 거동 검출 시스템들 및 방법들은 특정한 차량이 불만족스러운(또는 이와 다르게 위험한) 방식으로 운전되고 있다는 것, 및/또는 특정한 차량이 하나 이상의 위험한 운전 속성들을 보인다는 것을 적절한 엔티티들에 경고할 수 있다.
[0066]
자율 차량들의 몇몇 양태들은 다양한 장치 및 방법들을 참조하여 지금부터 제시될 것이다. 이러한 장치 및 방법들은 다양한 블록들, 컴포넌트들, 회로들, 프로세스들, 알고리즘들 등(집합적으로, "엘리먼트들"로서 지칭됨)에 의해 다음의 상세한 설명에서 설명되고 첨부한 도면들에서 예시될 것이다. 이러한 엘리먼트들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 이들의 임의의 조합을 사용하여 구현될 수 있다. 이러한 엘리먼트들이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션과, 전체적인 시스템에 부과된 설계 제약들에 종속된다.
[0067]
예로서, 엘리먼트, 또는 엘리먼트의 임의의 일부, 또는 엘리먼트들의 임의의 조합은 하나 이상의 프로세서들을 포함하는 "프로세싱 시스템"으로서 구현될 수 있다. 프로세서들의 예들은 마이크로프로세서들, 마이크로제어기들, GPU들(graphics processing units), CPU들(central processing units), 애플리케이션 프로세서들, DSP들(digital signal processors), RISC(reduced instruction set computing) 프로세서들, SoC(systems on a chip), 기저대역 프로세서들, FPGA들(field programmable gate arrays), PLD들(programmable logic devices), 상태 머신들, 게이팅된 로직, 이산적 하드웨어 회로들, 및 본 개시 전반에 걸쳐 설명되는 다양한 기능을 수행하도록 구성되는 다른 적절한 하드웨어를 포함한다. 프로세싱 시스템 내의 하나 이상의 프로세서들은 소프트웨어를 실행할 수 있다. 소프트웨어는 소프트웨어, 펌웨어(firmware), 미들웨어(middleware), 마이크로코드(microcode), 하드웨어 설명 언어(hardware description language), 또는 이와 다른 것으로서 지칭되든지 간에, 명령(instruction)들, 명령 세트(instruction set)들, 코드(code), 코드 세그먼트(code segment)들, 프로그램 코드(program code), 프로그램(program)들, 서브프로그램(subprogram)들, 소프트웨어 컴포넌트(software component)들, 애플리케이션(application)들, 소프트웨어 애플리케이션(software application)들, 소프트웨어 패키지(software package)들, 루틴(routine)들, 서브루틴(subroutine)들, 오브젝트(object)들, 익스큐터블(executable)들, 실행 스레드(thread of execution)들, 프로시저(procedure)들, 함수들 등을 의미하는 것으로 광범위하게 해석될 것이다.
[0068]
따라서, 하나 이상의 예시적인 구현예들에서는, 설명된 기능들이 하드웨어, 소프트웨어, 또는 이들의 임의의 조합으로 구현될 수 있다. 소프트웨어로 구현되는 경우에, 기능들은 컴퓨터-판독가능 매체 상에서 하나 이상의 명령들 또는 코드로서 저장될 수 있거나, 하나 이상의 명령들 또는 코드로서 인코딩될 수 있다. 컴퓨터-판독가능 매체들은 컴퓨터 저장 매체들을 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용가능한 매체들일 수 있다. 제한이 아닌 예로서, 이러한 컴퓨터-판독가능 매체들은 RAM(random-access memory), ROM(read-only memory), EEPROM(electrically erasable programmable ROM), 광학 디스크 스토리지, 자기 디스크 스토리지, 다른 자기 저장 디바이스들, 전술한 타입들의 컴퓨터-판독가능 매체들의 조합들, 또는 컴퓨터에 의해 액세스될 수 있는 명령들 또는 데이터 구조들의 형태로 컴퓨터 실행가능 코드를 저장하기 위하여 이용될 수 있는 임의의 다른 매체를 포함할 수 있다.
[0069]
도 1은 본원에서 개시된 발명 요지의 다양한 양태들이 구현될 수 있는 예시적인 환경(100)의 삽화 도면을 도시한다. 환경(100)은 운전 거동 검출 시스템(110), 차량(120), 보행자(130), 하나 이상의 노변 센서들(140), 하나 이상의 RSU(road-side unit)들(150), 다른 차량(160), 하나 이상의 제3자 엔티티들(170), 통신 네트워크(180), 및 다수의 모바일 컴퓨팅 디바이스들(190)을 포함하도록(그러나 이것으로 제한되지 않음) 도시되어 있다. 단순함을 위하여 도 1에서 도시되지 않지만, 환경(100)은 다른 차량들, 사람들, 객체들, 구조들, 장애물들, 특징들 등(예컨대, 도로들, 건물들, 다리들, 터널들, 교통 표지들 등)을 포함할 수 있다.
[0070]
운전 거동 검출 시스템(110)은 워크스테이션(workstation)들, 서버들, 메인프레임 컴퓨터들, 개인용 컴퓨터들, 가상 머신들, 및 머신 학습 모델들과 같은(그러나 이것으로 제한되지 않음) 임의의 수의 컴퓨팅 디바이스들을 포함할 수 있다. 검출 시스템(110)은 본원에서 설명되는 다양한 기능들 및 동작들을 수행하기 위한 하드웨어, 소프트웨어, 또는 내장된 로직 컴포넌트들 또는 2개 이상의 이러한 컴포넌트들의 조합을 포함할 수 있다. 일부 양태들에서, 검출 시스템(110)은 커맨드들, 명령들, 또는 데이터를 대응하는 차량들(120) 내에서 제공되는 차량 제어기들(단순함을 위하여 도 1에서 도시되지 않음)로 전송할 수 있다. 차량 제어기들은 그 개개의 차량들(120)로 하여금, 검출 시스템(110)에 의해 표시된 하나 이상의 동작들 또는 기능들을 수행하게 하기 위하여, 수신된 커맨드들, 명령들, 또는 데이터를 프로세싱할 수 있다. 이러한 방식으로, 검출 시스템(110)은 복수의 차량들(120)의 운전 거동을 동시에 모니터링할 수 있다.
[0071]
다양한 구현예들에서, 검출 시스템(110)은 시간 기간 동안에 차량(120)의 운전 거동을 관찰할 수 있다. 검출 시스템(110)은 관찰된 운전 거동에 기초하여 차량(120)에 대한 하나 이상의 운전 점수들을 결정할 수 있다. 일부 양태들에서, 운전 점수들은 차량(120)의 운전 거동이 불안전하거나 불만족스러운지 여부를 결정하기 위하여 하나 이상의 임계 값들과 비교될 수 있다. 예를 들어, 운전 점수들 중의 하나 이상이 하나 이상의 대응하는 임계 값들 초과인 경우에, 검출 시스템(110)은 차량(120)이 불만족스러운 방식으로 운전되고 있는 것으로 결정할 수 있다. 불만족스러운 운전의 결정에 응답하여, 검출 시스템(110)은 차량(120)의 불만족스러운 운전 거동의 표시를 생성할 수 있다. 표시들은 엔티티들(170) 중의 하나 이상에 제공될 수 있다.
[0072]
반대로, 하나 이상의 운전 점수들이 대응하는 임계 값들 미만인 경우에, 검출 시스템(110)은 차량(120)이 불만족스러운 방식으로 운전되고 있지 않은 것으로 결정할 수 있다. 차량(120)이 불만족스러운 방식으로 운전되고 있지 않은 것이라는 결정에 응답하여, 검출 시스템(110)은 불만족스러운 운전의 표시를 생성하지 않을 수 있다. 일부 다른 구현예들에서, 검출 시스템(110)은 운전 점수들의 전부가 대응하는 안전한 임계 값들 미만일 때, 안전한 운전의 표시를 생성할 수 있다.
[0073]
일부 구현예들에서, 검출 시스템(110)은 차량(120)이 시간 기간 동안에 하나 이상의 교통 표지들을 무시하였거나 하나 이상의 교통 법률들을 위반하였는지 여부를 결정할 수 있다. 일부 사례들에서, 검출 시스템(110)은 차량(120)이 교통 표지를 무시하거나 교통 법률을 위반하는 것의 각각의 발생을 식별할 수 있다. 검출 시스템(110)은 시간 기간 동안에 교통 표지들을 무시하거나 교통 법률들을 위반하는 것의 식별된 발생들의 수에 기초하여 운전 점수들 중의 적어도 하나를 생성할 수 있다. 다른 구현예들에서, 검출 시스템(110)은 차량(120)이 시간 기간 동안에 하나 이상의 위험한 운전 속성들을 보이는지 여부를 결정할 수 있다. 일부 사례들에서, 위험한 운전 속성들은 일정 수의 사례들을 초과하여 제동하는 것, 차선 내에서 급선회하는 것, 제2 수의 사례들을 초과하여 차선들을 변경하는 것, 다수의 차선 경계들을 횡단하는 것, 다른 차량에 헤드라이트들을 번쩍이는 것, 다른 차량을 바짝 따라가는 것, 다른 차량으로부터 일정 거리 미만으로 차량을 운전하는 것, 또는 차량의 인간 운전자의 부주의를 포함할 수 있다(그러나 이것으로 제한되지 않음). 이와 같이, 운전 점수들 중의 하나 이상은 시간 기간 동안에 차량(120)이 보이는 하나 이상의 위험한 운전 속성들의 검출에 적어도 부분적으로 기초할 수 있다.
[0074]
다양한 구현예들에서, 검출 시스템(110)은 차량(120)의 관찰된 운전 거동에 기초하여 하나 이상의 보고들을 생성할 수 있다. 예를 들어, 검출 시스템(110)은 위험한 운전 속성들 중의 어느 것(그리고 얼마나 많은 사례들)이 특정한 시간 기간 동안에, 특정한 도로를 따라, 또는 특정한 지리적 영역 내에서 차량(120)이 보였는지를 표시하는 보고를 생성할 수 있다. 검출 시스템(110)은 또한, 차량(120)이 차량 사고에 관여될 가능성, 차량(120)이 차량(120)의 동승자들에 대한 부상을 야기시킬 가능성, 또는 차량(120)이 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성 중의 하나 이상을 표시하는 보고들을 생성할 수 있다. 이 표시들 또는 보고들 중의 하나 이상은 제3자 엔티티들(170) 중의 하나 이상에 제공될 수 있다.
[0075]
일부 구현예들에서, 차량(120)은 인간에 의해 운전되는 기존의 차량일 수 있다. 일부 다른 구현예들에서, 차량(120)은 인간 운전자로부터의 보조가 거의 없거나 전혀 없는 환경을 통해 내비게이팅할 수 있는 자율 차량일 수 있다. 단순함을 위하여 도 1에서 도시되지 않지만, 자율 차량은 차량 제어기, 하나 이상의 통신 인터페이스들, 헤드-업 디스플레이, 사용자 인터페이스, 및 자율 또는 반-자율 운전 모드에서 동작할 수 있는 차량들과 연관된 다른 컴포넌트들을 포함할 수 있다. 일부 사례들에서, 차량(120)은 승객 서비스를 위하여 구성될 수 있다. 즉, 차량(120)은 승객 픽업 위치(pick-up location)를 식별하고, 식별된 픽업 위치로 운전하여 승객을 픽업하고, 선택된 하차 위치(drop-off location)로 운전하고, 선택된 하차 위치에서 승객을 하차시키도록 구성될 수 있다. 도 1의 예에서, 차량(120)은 모바일 컴퓨팅 디바이스(190)를 휴대하는 사람(122)을 수송하는 것으로 도시되어 있다. 사람(122)은 차량(120)의 승객, 운전자, 또는 관찰자일 수 있다.
[0076]
보행자(130)는 차량(120)의 운전 거동을 관찰하기 위한 포지션 또는 유리한 포인트에서의 임의의 사람 또는 사람들일 수 있다. 예를 들어, 교차로 근처의 인도 상에 서 있는 동안에 보행자(130)는 차량(120)이 교차로에서의 정지 표지를 무시하고 주행하는 것을 목격하기 위한 포지션에 있을 수 있다. 일부 사례들에서, 보행자(130)는 차량(120)이 정지 표지를 무시하고 주행하는 비디오를 캡처하기 위하여 모바일 컴퓨팅 디바이스(190)를 이용할 수 있다. 캡처된 비디오는 검출 시스템(110)으로 전송될 수 있다. 캡처된 비디오는 차량(120)이 실제적으로 정지 표지를 무시하고 주행하는 것을 행하였는지 여부를 결정하기 위하여 검출 시스템(110)에 의해 분석될 수 있다. 단순함을 위하여 오직 하나의 보행자(130)가 도 1에서 도시되지만, 환경(100)은 임의의 적당한 수의 보행자들을 포함할 수 있다.
[0077]
노변 센서들(140)은 차량(120)의 위치, 속도, 통행의 방향, 또는 방위가 도출될 수 있는 정보를 제공할 수 있는 임의의 적당한 디바이스일 수 있거나 이를 포함할 수 있다. 일부 양태들에서, 노변 센서들(140)은 카메라들, 비디오 레코더들, RADAR 디바이스들, LIDAR 디바이스들, 음향 센서들 등을 포함할 수 있다(그러나 이것으로 제한되지 않음). 예를 들어, 카메라가 구비된 노변 센서(140)는 카메라의 FOV(field of view) 내의 인접 도로의 이미지들을 캡처할 수 있다. 캡처된 이미지들은 검출 시스템(110)으로 전송될 수 있다. 검출 시스템(110)은 차량(120)이 카메라의 FOV를 언제 통과하였는지를 결정하기 위하여 캡처된 이미지들을 이용할 수 있다. 일부 사례들에서, 검출 시스템(110)은 특정한 루트를 따라 하나 이상의 포인트들에서의 차량(120)의 속도를 결정하기 위하여, 알려진 위치들을 가지는 다수의 노변 센서들(140)에 의해 캡처된 이미지들을 분석할 수 있다. 다른 사례들에서, 검출 시스템(110)은 차량(120)이 차선들을 변경하였다는 것, 급선회하였다는 것, 산만하게 운전하였다는 것 등의 하나 이상의 사례들을 식별하기 위하여, 다수의 노변 센서들(140)에 의해 캡처된 이미지들을 분석할 수 있다.
[0078]
또 다른 예를 들어, 비디오 카메라가 구비된 노변 센서(140)는 비디오 카메라의 FOV 내의 도로의 부분의 실시간 비디오를 레코딩할 수 있다. 캡처된 비디오는 검출 시스템(110)으로 전송될 수 있다. 검출 시스템(110)은 차량(120)의 운전 거동을 관찰하기 위하여 캡처된 비디오를 이용할 수 있다. 일부 사례들에서, 검출 시스템(110)은 차량(120)이 하나 이상의 교통 법률들을 위반하였는지, 하나 이상의 교통 표지들을 무시하였는지, 하나 이상의 위험한 운전 속성들을 보였는지, 및/또는 사고로 귀착되거나 차량(120)의 동승자들 또는 하나 이상의 다른 차량들(160)의 동승자들에 대한 부상을 야기시킬 가능성이 있는 방식으로 운전되었는지 여부를 결정하기 위하여 캡처된 비디오를 분석할 수 있다.
[0079]
일부 사례들에서, 노변 센서들(140)은 차량(120)의 포지션, 속도, 및 방향을 결정할 수 있는 RADAR 디바이스들을 포함할 수 있다. 다른 사례들에서, 노변 센서들(140)은 다른 차량들이 차량(120)에 빵빵거리는 것(차량(120)이 위험하게 운전되고 있다는 표시일 수 있음)을 검출할 수 있는 음향 센서들을 포함할 수 있다. 일부 다른 사례들에서, 노변 센서들(140)은 차량(120)으로부터 송신되는 (비콘 신호(beacon signal)들과 같은) 무선 신호들에 기초하여 차량(120)을 식별할 수 있는 무선 트랜시버들을 포함할 수 있다. 이 무선 신호들은 차량(120)이 이러한 무선 트랜시버들이 구비된 노변 센서들(140)의 각각을 언제 통과하였는지를 정확하게 결정하도록 분석될 수 있다. 차량(120)이 알려진 위치들을 가지는 2개의 노변 센서들(140)을 언제 통과하였는지에 대한 표시들은 차량(120)의 속도를 결정하기 위하여 이용될 수 있고, 차량(120)이 알려진 위치들을 가지는 3개 이상의 노변 센서들(140)을 언제 통과하였는지에 대한 표시들은 차량(120)의 가속도를 결정하기 위하여 이용될 수 있다.
[0080]
노변 센서들(140)은 차량(120)의 운전 거동이 관찰될 수 있는 임의의 적당한 위치에서 전개될 수 있다. 예를 들어, 일부 사례들에서, 노변 센서들(140)은 차량(120)에 의해 이용을 위하여 적당한 도로들, 고속도로들, 다리들, 터널들, 및 다른 초고속도로(throughway)와 나란하게 전개될 수 있다. 노변 센서들(140)은 단독형 디바이스들일 수 있거나, 다른 구조들에 부착되거나 다른 구조들 상에 장착될 수 있다. 예를 들어, 일부 사례들에서, 노변 센서들(140)은 지면에 위치될 수 있거나 전용 기둥들 상에 장착될 수 있다. 일부 다른 사례들에서, 노변 센서들(140)은 전화 기둥들, 교통 신호등들, 교통 표지들, 다리들, 육교들, 건물들, 셀룰러 타워들 등과 같은(그러나 이것으로 제한되지 않음) 다른 구조들 상에 장착될 수 있다.
[0081]
RSU(road-side unit)들(150)은 이들 서로, 검출 시스템(110), 및/또는 차량(120) 사이에서 무선 신호들을 중계할 수 있는 임의의 적당한 무선 통신 디바이스를 포함할 수 있다. RSU들(150)은 검출 시스템(110)에 알려진 고정된 위치들을 가질 수 있고, 시간에 있어서의 상이한 순간들에 또는 상이한 위치들에서 차량(120)의 포지션, 속도, 및 방향을 결정하기 위하여 이용될 수 있다. RSU들(150)은 셀룰러 통신들, Wi-Fi 통신들, P2P(peer-to-peer) 통신들, 및/또는 위성 통신들을 포함하는(그러나 이것으로 제한되지 않음) 임의의 적당한 통신 프로토콜을 이용할 수 있다. 일부 구현예들에서, RSU들(150)은 DSRC 메시지들을 이용하여 서로 통신할 수 있는 DSRC(Dedicated Short-Range Communication) 구비된 디바이스들일 수 있다. DSRC 메시지는 차량들 및 기존의 차량들과 같은 고도로 이동성인 디바이스들에 의해 전송되고 수신되도록 특수하게 구성되는 무선 메시지이다. 다른 구현예들에서, RSU들(150)은 데이터 및 다른 정보를 서로, 검출 시스템(110), 차량들(120 및 160), 모바일 컴퓨팅 디바이스들(190), 및 다른 적당한 디바이스들로 송신하고 및/또는 이들로부터 데이터 및 다른 정보를 수신하기 위하여 V2X 통신들(예컨대, 사이드링크 및 PC5 접속들)을 이용할 수 있는 5G-호환가능한 디바이스들일 수 있다.
[0082]
일부 구현예들에서, RSU들(150) 중의 하나 이상은 쌍을 이룰 수 있거나, 다수의 노변 센서들(140)과 연관될 수 있다. 즉, 노변 센서들(140)의 일부는 하나 이상의 대응하는 노변 유닛들(150)과 연관(예컨대, 통신함)될 수 있다. 일부 사례들에서, 노변 센서들(140)의 일부는 대응하는 노변 유닛들(150)의 일부일 수 있다. 예를 들어, 개개의 RSU(150)는 이미지들, 비디오, 측정들, 및 다른 정보를 하나 이상의 연관된 노변 센서들(140)로부터 검출 시스템(110)으로 중계할 수 있고, 커맨드들, 구성 데이터, 또는 다른 정보를 검출 시스템(110)으로부터 하나 이상의 연관된 노변 센서들(140)로 중계할 수 있다.
[0083]
다양한 구현예들에서, RSU들(150) 중의 하나 이상 내에 제공되거나 이와 연관된 무선 트랜시버들은 차량(120)으로부터 송신되는 (비콘 신호들과 같은) 무선 신호들에 기초하여 차량(120)을 식별하기 위하여 이용될 수 있다. 일부 사례들에서, 개개의 RSU(150)의 무선 트랜시버는, 예를 들어, 차량(120)과 하나 이상의 무선 신호들을 교환함으로써, 시간에 있어서의 특정한 순간에 차량(120)의 위치를 결정하기 위하여 이용될 수 있다. 알려진 위치들을 가지는 다수의 RSU들(150)에 의해 제공되는 위치 및 타이밍 정보는 특정한 위치들에서 및/또는 특정한 시간들에 차량(120)의 속도 및 가속도를 결정하기 위하여 이용될 수 있다.
[0084]
일부 구현예들에서, RSU들(150)은 차량(120)과의 레인징 동작(ranging operation)들을 수행하도록 구성될 수 있다. 예를 들어, 개개의 RSU(150)와 차량(120) 사이의 거리는 개개의 RSU(150)와 차량(120) 사이에서 교환되는 신호의 RTT(round-trip time)에 기초하여 결정될 수 있다. 차량(120)과 알려진 위치들을 가지는 3개 이상의 RSU들(150) 각각 사이의 거리들은 널리-공지된 삼각 측량(trilateration) 기법들을 이용하여 차량(120)의 정밀한 위치를 결정하기 위하여 이용될 수 있다. 다른 구현예들에서, RSU들(150)은 예를 들어, A-GNSS(Assisted GNSS), OTDOA(Observed Time Difference of Arrival)(예컨대, DL(Downlink) OTDOA 또는 UL(Uplink) OTDOA), RTK(Real Time Kinematics), PPP(Precise Point Positioning), DGNSS(Differential GNSS), E-CID(Enhanced Cell ID), AOA(angle of arrival), AOD(angle of departure), 및/또는 차량(120)의 위치들을 결정하기 위한 다른 포지셔닝 방법들을 포함하는 다른 적당한 포지셔닝 기법들을 이용할 수 있다.
[0085]
다른 차량들(160)은 자율 차량들, 반-자율 차량들, 및 차량(120)의 운전 거동을 관찰하기 위한 포지션 또는 유리한 포인트에 있는 기존의 차량들을 포함할 수 있다. 다른 차량이 자율 차량인 사례들에 대하여, 자율 차량의 하나 이상의 센서들은 이미지들, 비디오, 오디오와 같은 데이터를 캡처하거나, 차량(120)의 운전 거동이 관찰되거나 결정될 수 있는 3D 포인트 클라우드들을 생성하기 위하여 이용될 수 있다. 다른 차량이 컴퓨터 비전을 구비하는 사례들에 대하여, 컴퓨터 비전은 적어도 다른 차량의 범위 내에 있는 동안에, 차량(120)의 운전 거동을 관찰하고 레코딩하기 위하여 이용될 수 있다.
[0086]
추가적으로 또는 대안적으로, 다른 차량(160)의 하나 이상의 동승자들은 차량(120)의 이미지(들), 비디오, 및/또는 오디오와 같은 데이터를 캡처하기 위하여 모바일 컴퓨팅 디바이스들(190)을 이용할 수 있다. 캡처된 이미지들, 비디오, 및/또는 오디오는 차량(120)이 하나 이상의 위험한 운전 속성들을 보였거나, 하나 이상의 교통 표지들을 무시하였거나, 하나 이상의 교통 법률들을 위반하였거나, 사고로 귀착되거나 신체 부상을 야기시킬 가능성이 있는 방식으로 운전하였는지 여부를 결정하기 위하여 검출 시스템(110)으로 전송될 수 있다. 예를 들어, 차량(120)이 적색 등을 무시하고 주행하는 반면, 다른 차량(160)이 동일한 등에서 라인에서 대기하는 경우에, 다른 차량(160)의 동승자들은 모바일 컴퓨팅 디바이스들(190)을 이용하여 차량(120)이 적색 등을 무시하고 주행하는 이미지들 또는 비디오를 캡처하는 것이 가능할 수 있다. 차량(120)의 캡처된 이미지들 또는 비디오는 검출 시스템(110)으로 송신될 수 있다.
[0087]
일부 구현예들에서, 제3자 엔티티들(170)은 차량(120)의 인간 운전자, 차량(120)의 인간 승객, 차량(120)의 소유자, 차량(120)의 보험회사, 차량(120)의 헤드-업 디스플레이, 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 또는 하나 이상의 다른 차량들 중의 하나 이상을 포함할 수 있다(그러나 이것으로 제한되지 않음). 다른 구현예들에서, 제3자 엔티티들(170)은 다른 적당한 사람들, 기관들, 서비스들, 또는 회사들을 포함할 수 있다.
[0088]
통신 네트워크(180)는 검출 시스템(110), 차량(120), 보행자(130), 노변 센서들(140), RSU들(150), 다른 차량들(160), 제3자 엔티티들(170), 및 모바일 컴퓨팅 디바이스들(190) 사이에서 통신 링크들을 제공한다. 네트워크(180)는 예를 들어, 인터넷, WAN(wide area network), MAN(metropolitan area network), WLAN(wireless local area network), PAN(personal area network), 5G(Fifth Generation) NR(New Radio) 시스템과 같은 RAN(radio access network), 유선 네트워크, 케이블 네트워크, 위성 네트워크, 또는 다른 적당한 네트워크를 포함하는 임의의 적당한 하나 이상의 통신 네트워크들일 수 있다.
[0089]
모바일 컴퓨팅 디바이스들(190)은 통신 네트워크(180)를 통해 검출 시스템(110)과 통신할 수 있는 임의의 적당한 디바이스일 수 있다. 일부 사례들에서, 모바일 컴퓨팅 디바이스들(190)은 셀룰러 전화들, 스마트폰들, 스마트워치들, 헤드셋들, 또는 다른 모바일 컴퓨팅 디바이스들일 수 있다. 다른 사례들에서, 모바일 컴퓨팅 디바이스들(190) 중의 하나 이상은 랩톱 컴퓨터, 개인 정보 단말(personal digital assistant), 태블릿 컴퓨터, 게임 콘솔, 또는 전자 책 리더(electronic book reader)일 수 있다.
[0090]
도 2는 일부 구현예들에 따른, 자율 차량(200)의 블록도를 도시한다. 도 1의 차량(120)의 하나의 예일 수 있는 자율 차량(200)은 제어 시스템(210), 통신 시스템(220), SPS(satellite positioning system) 유닛(225), 차량 제어기(230), 및 데이터 저장소(290)를 포함하도록 도시되어 있다. 자율 차량(200)의 다른 컴포넌트들은 단순함을 위하여 도시되어 있지 않다. 자율 차량(200)은 사람들 및/또는 화물을 수송할 수 있고 다양한 환경들에서 통행할 수 있는 차량들을 포함하는, 임의의 수의 상이한 유형들의 차량들로서 구현될 수 있고, 전술한 컴포넌트들은 이 컴포넌트들이 사용되는 차량의 유형에 기초하여 폭넓게 변동될 수 있다는 것이 인식될 것이다.
[0091]
제어 시스템은 조향 제어부(212), 운전 제어부(214), 및 제동 제어부(216)를 포함할 수 있다. 조향 제어부(212)는 차량(200)이 희망된 궤적을 따르는 것을 가능하게 하기 위하여 방향 또는 조향 컴포넌트들로부터의 피드백을 제어하고 수신하기 위한 하나 이상의 액츄에이터(actuator)들 및/또는 센서들을 포함할 수 있다. 운전 제어부(214)는 자율 차량(200)의 파워트레인(powertrain)을 제어하도록 구성될 수 있다. 제동 제어부(216)는 차량(200)을 느리게 하거나 정지시키는 하나 이상의 브레이크(brake)들을 제어하도록 구성될 수 있다.
[0092]
통신 시스템(220)은 자율 차량(200) 및 검출 시스템(110), 하나 이상의 연관된 차량 제어기들, 및 하나 이상의 모바일 컴퓨팅 디바이스들(190) 사이에서 통신 링크들을 확립하고 유지하기 위하여 이용될 수 있다. 통신 시스템(220)은 IEEE 802.11 무선 통신 표준군에 대한 하나 이상의 수정, 블루투스 관심 그룹, 또는 다른 적당한 통신 기술에 의한, 예를 들어, 3GPP의 하나 이상의 릴리즈(Release)에 의해 특정된 무선 통신 프로토콜들을 포함하는 임의의 적당한 통신 프로토콜을 이용할 수 있다.
[0093]
SPS 유닛(225)은 GPS(Global Positioning System), GLONASS(Global Navigation Satellite System), 및 Galileo와 같은 다양한 글로벌 위성 서비스들뿐만 아니라, IRNSS(Indian Regional Navigation Satellite System)과 같은 다양한 지역 위성 서비스들과 연관된 위성 신호들을 수신하고 디코딩할 수 있다. 위성 신호들은 일반적인 포지셔닝, 내비게이션, 및 맵핑(mapping) 목적들을 위하여 자율 차량에 의해 이용될 수 있다.
[0094]
자율 차량(200)의 다양한 동작들을 제어하기 위하여 임의의 아날로그, 디지털, 또는 혼합된 신호 프로세싱 회로부를 이용하여 구현될 수 있는 차량 제어기(230)는 센서들(240), 프로세서들(250), 내비게이션 시스템(260), 메모리(270), 및 사용자 인터페이스(280)를 포함하도록 도시되어 있다. 차량 제어기(230)는 자율 차량의 제어 시스템(210)과 인터페이싱할 수 있고, 자율 차량(200)의 제어를 가정하는 것, 명령들을 자율 차량(200)에 제공하는 것, 승객 서비스를 위하여 자율 차량(200)을 구성하는 것, 자율 차량(200)을 디스에이블하는 것, 자율 차량(200)의 하나 이상의 동작들을 한정하는 것, 및 자율 차량(200)의 하나 이상의 운전 메트릭(driving metric)들을 제한하는 것을 포함하는(그러나 이것으로 제한되지 않음) 자율 차량(200)의 다양한 동작들을 제어하기 위하여 이용될 수 있다. 예를 들어, 일부 사례들에서, 차량 제어기(230)는 자율 차량(200)의 최대 속력, 자율 차량(200)의 운전 거리 등 중의 하나 이상을 제한하기 위하여 이용될 수 있다.
[0095]
센서들(240)은 객체들에 대한 주변 환경, 다른 차량들, 도로들, 도로 조건들, 교통 표지들, 교통 신호등들, 날씨 조건들, 환경적 특징들, 건물들, 유해 조건들, 및 주변 환경의 다른 속성들, 특성들, 또는 특징들을 스캔하기 위하여 개별적으로 또는 서로 함께 이용될 수 있는 임의의 적당한 센서들 또는 디바이스들을 포함할 수 있다. 일부 구현예들에서, 센서들(240)은 RADAR(242), LIDAR(244), 포지셔닝 센서들(246), 카메라들(248), 및 다른 적당한 감지 디바이스들을 포함할 수 있다. RADAR(242) 및 LIDAR(244) 시스템들은 주변 환경에서의 객체들의 존재를 검출하고, 객체들과 자율 차량(200) 사이의 거리들을 결정하기 위하여 이용될 수 있다. 포지셔닝 센서들(246)은 위성 신호들을 이용하여 지구 상의 차량의 위치를 결정하기 위하여 이용될 수 있다. 카메라들(248)은 주변 환경의 적어도 부분의 이미지들, 비디오, 및/또는 오디오를 캡처할 수 있는 카메라, 비디오 레코더, 이미지 센서, 또는 임의의 다른 적당한 디바이스 또는 컴포넌트일 수 있거나 이들을 포함할 수 있다.
[0096]
일부 구현예들에서, LIDAR 시스템(244)은 광 펄스(light pulse)들을 환경으로 방출하거나 송신할 수 있고, 객체들 및 다른 반사 표면들에 대한 정보를 결정하기 위하여 환경에서의 객체들 및 다른 반사 표면들에 의해 반사되는 광 펄스들을 수신할 수 있다. 일부 양태들에서, 검출된 객체까지의 거리는 LIDAR 시스템(244)에 의한 광 펄스의 방출과 LIDAR 시스템(244)에 의한 대응하는 반사된 광 펄스의 수신과의 사이의 시간에 기초하여 결정될 수 있다. 검출된 객체의 크기, 형상, 방위, 텍스처(texture), 및 다른 특징들은 다수의 이러한 수신된 광 펄스들의 진폭들, 펄스 폭들, 타이밍 정보, 및 다른 특성들에 (적어도 부분적으로) 기초하여 결정될 수 있다. 수신된 광 펄스들로부터 생성되는 정보는 환경에서 검출되는 객체들 및 다른 반사 표면들의 위치, 크기, 형상, 이동, 방위, 및 다른 특징들을 표시하는 포인트 클라우드를 생성하기 위하여 이용될 수 있다. 측정된 거리들은 3D 포지션을 LIDAR 시스템에 의해 수신되는 각각의 광 펄스와 연관시키기 위하여 레이저들의 방위들과 조합될 수 있다. 복수의 수신된 광 펄스들과 연관된 3D 포지션들은 환경에서의 반사 특징들의 위치들을 표시하는 포인트들의 3D 지도를 생성하기 위하여 이용될 수 있다. 자율 차량(200)은 인간 입력 없이 (하차 또는 픽업 위치들 사이의 루트를 따르는 것과 같이) 환경을 통해 내비게이팅하기 위하여 이 3D 포인트 클라우드들 중의 하나 이상을 이용할 수 있다.
[0097]
내비게이션 시스템(260)은 자율 차량(200) 상의 또는 그 내의 임의의 적당한 위치에서 제공될 수 있다. 내비게이션 시스템(260)은 자율 차량(200)을 원점의 하나 이상의 포인트들로부터 하나 이상의 목적지들로 내비게이팅하기 위하여 이용될 수 있다. 예를 들어, 내비게이션 시스템(260)은 다른 객체들과 충돌(또는 이와 다르게 회피)하지 않으면서 자율 차량(200)을 목적지들로 안내하기 위하여 지도 데이터 및 센서 데이터를 이용할 수 있다. 일부 구현예들에서, 내비게이션 시스템(260)은 정부 기관들, 구독-기반 서비스들, 사용자-생성된 지도 집합들, 크라우드소싱된 맵핑 정보, 다른 자율 차량들에 의해 제공되는 맵핑 정보 등과 같은(그러나 이것으로 제한되지 않음) 하나 이상의 소스(source)들로부터, 도로들, 다리들, 건물들, 랜드마크들, 고지대들, 건설 구역들, 실시간 교통 조건들, 날씨 정보, 이벤트 정보 등에 대한 정보를 포함하는 (3D 포인트 클라우드들과 같은) 상세한 지도 정보를 액세스하거나 수신할 수 있다. 일부 사례들에서, 상세한 지도 정보는 네트워크 엔티티 또는 서버에 의해 제공될 수 있다. 다른 사례들에서, 상세한 지도 정보(또는 적어도 그 부분들)는 (5G RAN의 V2V 채널, RAN의 사이드링크 채널, 비허가된 주파수 대역, 또는 무선 네트워크의 DSRC(dedicated short range communication) 채널과 같은) 적당한 무선 채널을 통해 하나 이상의 다른 자율 차량들에 의해 제공될 수 있다.
[0098]
다양한 구현예들에서, 상세한 지도 정보는 자율 차량(200)을 위하여 적당한 하나 이상의 루트들을 선택하기 위하여 이용될 수 있다. 상세한 지도 정보는 또한, 이전에 선택된 루트들이 자율 차량(200)을 위하여 실용적인 것으로 유지되는지 여부를 결정하고 자율 차량(200)을 위한 하나 이상의 대안적인 루트들을 선택하기 위하여 이용될 수 있다. 특정한 구현예들에서, 이것은 자율 차량(200)이 특정한 목적지로 운전하는 것을 시작하기 전에 행해질 수 있다. 이러한 방식으로, 자율 차량(200)이 특정한 목적지까지의 가장 빠르거나 가장 편리한 루트를 선택할 수 있는 속력 및 효율은 맵핑 정보를 제공하기 위하여 오직 온-보드(on-board) 센서들을 이용하는 기존의 자율 차량들(200)보다 상당히 클 수 있다. 일부 구현예들에서, 상세한 지도 정보는 주기적으로 또는 (실시간과 같이) 계속적으로, 센서들(240)에 의해 제공되거나 센서들(240)로부터 도출된 맵핑 정보로 융합되거나, 스티칭(stitch)되거나, 필터링될 수 있다.
[0099]
도 2의 예에서, 내비게이션 시스템(260)은 로컬라이제이션 서브시스템(localization subsystem)(262) 및 지각 서브시스템(perception subsystem)(264)을 포함하도록 도시되어 있다. 로컬라이제이션 서브시스템(262)은 그 주변 환경 내에서, 그리고 일반적으로 일부 기준 프레임 내에서 자율 차량(200)의 위치 및 방위를 결정하기 위하여 이용될 수 있다. 일부 양태들에서, 자율 차량(200)의 위치는 도 4의 검출 시스템(400)에 의해 사용되는 머신 학습 모델들 중의 하나 이상을 위한 훈련 데이터를 생성하는 것의 일부로서, 동일한 환경에서의 하나 이상의 다른 차량들의 위치와 비교될 수 있다. 지각 서브시스템(264)은 자율 차량(200)을 포위하는 환경 내에서 객체들을 검출하고, 추적하고, 및/또는 식별하기 위하여 이용될 수 있다. 일부 양태들에서, 지각 서브시스템(264)에 의해 생성되는 데이터는 도 4의 검출 시스템(400)에 의해 사용되는 머신 학습 모델들 중의 하나 이상을 훈련시키기 위하여 이용될 수 있다. 내비게이션 시스템(260)은 주어진 시간 기간 상에서 및/또는 특정한 목적지까지의 자율 차량(200)을 위한 궤적을 예측하기 위하여 로컬라이제이션 서브시스템(262) 및 지각 서브시스템(264)에 의해 생성되는 결과 데이터를 이용할 수 있다. 일부 양태들에서, 예측된 궤적들 중의 하나 이상은 도 4의 검출 시스템(400)에 의해 사용되는 머신 학습 모델들 중의 하나 이상을 훈련시키기 위하여 이용될 수 있다.
[0100]
사용자 인터페이스(280)는, 자율 차량(200)이 질문들, 옵션들, 또는 다른 정보를 운영자 또는 승객들에게 제시할 수 있고, 및/또는 운영자 또는 승객들이 답변들 또는 다른 응답 정보를 자율 차량(200)에 제공할 수 있는 임의의 적당한 디바이스들 또는 컴포넌트들일 수 있거나 이들을 포함할 수 있다. 일부 사례들에서, 사용자 인터페이스(280)는 태블릿 컴퓨터들, 터치-감지 디스플레이들, 스피커들, 마이크로폰들 등을 포함할 수 있다. 다른 구현예들에서, 승객 또는 운영자는 (모바일 컴퓨팅 디바이스들(190)과 같은) 컴퓨팅 디바이스 상에서 상주하는 앱(app)을 이용하여 또는 웹 브라우저(web browser)를 이용하여 자율 차량(200)과 통신들을 교환할 수 있다.
[0101]
데이터 저장소(290)는 내비게이션 정보, 날씨 정보, 사용자 프로파일들, 안전 정보, 운전 점수들, 및 자율 차량(200), 주변 환경, 및/또는 자율 차량(200)의 승객들 또는 사용자들에 속하는 다른 정보를 저장할 수 있다. 예를 들어, 내비게이션 데이터는 승객들 또는 사용자들이 요청한 운행들에 대한 루트 정보, 도로 조건들, 교통 정보, 도로 조건들, 날씨 조건들, 건설 활동, 및 자율 차량(200)의 동작과 연관된 임의의 다른 정보를 포함할 수 있다. 일부 사례들에서, 내비게이션 데이터는 특정한 영역들의 거리 뷰들, 특정한 영역들의 위성 뷰들 등과 같은 지도 데이터 및/또는 센서 데이터를 포함할 수 있다.
[0102]
도 3은 일부 구현예들에 따른, 모바일 컴퓨팅 디바이스(300)의 블록도를 도시한다. 도 1의 모바일 컴퓨팅 디바이스들(190)의 하나의 예일 수 있는 모바일 컴퓨팅 디바이스(300)는 하나 이상의 트랜시버들(310), 하나 이상의 프로세서들(320), 디스플레이(330), I/O 컴포넌트들(332), 카메라(340), SPS 유닛(350), 메모리(360), 및 다수의 안테나들(370(1) 내지 370(n))을 포함하도록 도시되어 있다. 트랜시버들(310)은 직접적으로 또는 안테나 선택 회로(단순함을 위하여 도시되지 않음)를 통해 안테나들(370(1) 내지 370(n))에 결합될 수 있고, 신호들을 송신하고 다른 디바이스들로부터 신호들을 수신하기 위하여 이용될 수 있다. 일부 사례들에서, 트랜시버들(310)은 모바일 컴퓨팅 디바이스(300)와 도 1의 검출 시스템(110) 사이의 무선 통신들을 용이하게 할 수 있다. 단순함을 위하여 도 3에서 도시되지 않지만, 트랜시버들(310)은 신호들을 프로세싱하고 신호들을 안테나들(370(1) 내지 370(n))을 통해 다른 무선 디바이스들로 송신하기 위한 임의의 수의 송신 체인(transmit chain)들을 포함할 수 있고, 안테나들(370(1) 내지 370(n))로부터 수신되는 신호들을 프로세싱하기 위한 임의의 수의 수신 체인(receive chain)들을 포함할 수 있다. 기저대역 프로세서(단순함을 위하여 도시되지 않음)는 프로세서들(320) 또는 메모리(360)(또는 둘 모두)로부터 수신되는 신호들을 프로세싱하고 안테나들(370(1) 내지 370(n)) 중의 하나 이상을 통한 송신을 위하여 프로세싱된 신호들을 트랜시버들(310)로 포워딩하기 위하여 이용될 수 있고, 트랜시버들(310)을 통해 안테나들(370(1) 내지 370(n)) 중의 하나 이상으로부터 수신되는 신호들을 프로세싱하고 프로세싱된 신호들을 프로세서들(320) 또는 메모리(360)(또는 둘 모두)로 포워딩하기 위하여 이용될 수 있다.
[0103]
프로세서들(320)은 (메모리(360) 내와 같은) 모바일 컴퓨팅 디바이스(300) 내에 저장되는 하나 이상의 소프트웨어 프로그램들의 스크립트(script)들 또는 명령들을 실행할 수 있는 임의의 적당한 하나 이상의 프로세서들일 수 있다. 일부 구현예들에서, 프로세서들(320)은 프로세서 기능성을 제공하는 하나 이상의 마이크로프로세서들일 수 있거나 이들을 포함할 수 있고, 머신-판독가능 매체들의 적어도 부분을 제공하는 외부 메모리를 포함할 수 있다. 다른 구현예들에서, 프로세서들(320)은 프로세서, 버스 인터페이스, 고객 인터페이스, 및 단일 칩 내로 집적된 머신-판독가능 매체들의 적어도 부분을 갖는 ASIC(Application Specific Integrated Circuit)일 수 있거나 이를 포함할 수 있다. 일부 다른 구현예들에서, 프로세서들(320)은 하나 이상의 FPGA(Field Programmable Gate Array)들 또는 PLD(Programmable Logic Device)들일 수 있거나 이들을 포함할 수 있다.
[0104]
디스플레이(330)는 정보가 사용자에게 제시될 수 있는 임의의 적당한 디스플레이 또는 스크린일 수 있다. 일부 사례들에서, 디스플레이(330)는 사용자가 모바일 컴퓨팅 디바이스(300)의 다수의 기능들 및 동작들을 제어하거나, 이들과 상호작용하거나, 이들을 개시하는 것을 허용하는 터치-감지 디스플레이일 수 있다. I/O 컴포넌트들(332)은 사용자로부터 (커맨드들과 같은) 입력을 수신하고 출력을 사용자에게 제공하기 위한 임의의 적당한 메커니즘, 인터페이스, 또는 디바이스일 수 있거나 이를 포함할 수 있다. 예를 들어, I/O 컴포넌트들(332)은 그래픽 고객 인터페이스, 키보드, 마우스, 마이크로폰, 스피커들 등을 포함할 수 있다(그러나 이것으로 제한되지 않음). 일부 사례들에서, I/O 컴포넌트들(332)은 디스플레이(330)와 함께 작동할 수 있다. 일부 다른 사례들에서, I/O 컴포넌트들(332)은 디스플레이(330)를 포함할 수 있거나, 디스플레이(330)의 일부일 수 있다.
[0105]
카메라(340)는 장면의 이미지들, 비디오, 및/또는 오디오를 캡처할 수 있는 카메라, 비디오 레코더, 또는 임의의 다른 적당한 디바이스 또는 컴포넌트일 수 있거나 이들을 포함할 수 있다. 예를 들어, 모바일 컴퓨팅 디바이스(300)의 사용자는 차량(120)이 거리 또는 도로를 따라 운전되는 것, 교차로에 접근하는 것, 정지 표지에서 정지되는 것 등의 이미지들, 비디오, 및/또는 오디오를 캡처하기 위하여 카메라(340)를 이용할 수 있다. 차량(120)의 캡처된 이미지들, 비디오, 및/또는 오디오는 트랜시버들(310) 및 안테나들(370(1) 내지 370(n))을 통해 도 1의 검출 시스템(110)으로 송신될 수 있다.
[0106]
SPS 유닛(350)은 GPS, GLONASS, 및 Galileo와 같은 다양한 글로벌 위성 서비스들뿐만 아니라, IRNSS와 같은 다양한 지역 위성 서비스들과 연관된 위성 신호들을 수신하고 디코딩할 수 있다. 위성 신호들은 일반적인 포지셔닝 및 내비게이션 목적들을 위하여 모바일 컴퓨팅 디바이스(300)에 의해 이용될 수 있다.
[0107]
메모리(360)는 모바일 컴퓨팅 디바이스(300)에 대한 프로파일 정보를 저장하는 디바이스 데이터베이스(361)를 포함할 수 있다. 디바이스 데이터베이스(361)는 또한, 도 1의 검출 시스템(110)과 연관된 정보를 저장할 수 있다. 메모리(360)는 또한, 다수의 모바일 앱(mobile app)들(362)을 저장할 수 있다. 일부 양태들에서, 모바일 앱들(362) 중의 적어도 하나는 도 1의 검출 시스템(110)과 연관된 운전 거동 검출 앱(driving behavior detection app)일 수 있다. 예를 들어, 운전 거동 검출 앱은 차량의 캡처된 이미지들, 비디오, 또는 오디오와 인터페이싱하고 이들을 검출 시스템(110)으로 전송하기 위하여 이용될 수 있다. 다양한 구현예들에서, 메모리(360)는 또한, 프로세서들(320)에 의해 실행될 때, 모바일 컴퓨팅 디바이스(300)로 하여금, 하나 이상의 대응하는 동작들을 수행하게 하는 컴퓨터-실행가능 명령들을 저장할 수 있는 (EPROM, EEPROM, 플래시 메모리, 하드 드라이브 등과 같은 하나 이상의 비휘발성 메모리 엘리먼트들과 같은) 비-일시적 컴퓨터-판독가능 매체를 포함할 수 있다.
[0108]
도 1을 또한 참조하면, 모바일 컴퓨팅 디바이스(300)는 차량(120)의 운전 거동이 관찰되거나 결정될 수 있는 이미지들 및/또는 비디오와 같은 데이터를 캡처하도록 적당하게 포지셔닝된 보행자들(130), 다른 차량들(160)의 동승자들, 또는 다른 사람들에 의해 이용될 수 있다. 하나의 예를 들어, 교차로 근처에서 걷고 있는 보행자는 차량(120)이 교차로에서 적색 등에 대하여 정지하거나 적색 등에 대해 정지하지 않으면서 교차로를 관통하여 운전하는 이미지들 및/또는 비디오를 캡처하기 위하여 모바일 컴퓨팅 디바이스(300)를 이용할 수 있다. 또 다른 예를 들어, 교차로에서의 다른 차량(160) 내의 승객(162)은 차량(120)이 교차로에서 적색 등에 대하여 정지하거나 적색 등에 대해 정지하지 않으면서 교차로를 관통하여 운전하는 이미지들 및/또는 비디오를 캡처하기 위하여 그의 또는 그녀의 모바일 컴퓨팅 디바이스(300)를 이용할 수 있다. 일부 사례들에서, 모바일 컴퓨팅 디바이스(300)는 통신 네트워크(180)를 통해 캡처된 이미지들 및/또는 비디오를 검출 시스템(110)으로 송신할 수 있다.
[0109]
도 4는 일부 구현예들에 따른, 예시적인 운전 거동 검출 시스템(400)의 기능적인 블록도를 도시한다. 도 1의 검출 시스템(110)의 하나의 예일 수 있는 검출 시스템(400)은 하나 이상의 프로세서들(410), 메모리(420), 하나 이상의 트랜시버들(430), I/O(input/output) 포트들(435), 이미지 프로세서(440), 사용자 인터페이스(450), 머신 학습 엔진들(460), 및 데이터 저장소(470)를 포함하도록 도시되어 있다. 하나 이상의 프로세서들(410)은 (메모리(420)와 같은) 연관된 메모리 내에 저장되는 하나 이상의 소프트웨어 프로그램들의 스크립트들 또는 명령들을 실행할 수 있는 임의의 수의 상업적으로 입수가능한 마이크로프로세서들 또는 CPU(central processing unit)들일 수 있거나 이들을 포함할 수 있다. 추가적으로 또는 대안적으로, 프로세서들(410)은 임의의 수의 ASIC(Application Specific Integrated Circuit)들, FPGA(Field Programmable Gate Array)들, PLD(Programmable Logic Device)들, GPU(Graphics Processing Unit)들, DSP(Digital Signal Processor)들, DPU(Data Processing Unit)들, 마이크로제어기들, 하드웨어 가속기(들), 또는 이들의 임의의 조합일 수 있거나 이들을 포함할 수 있다.
[0110]
메모리(420)는, 하나 이상의 프로세서들(410)에 의해 실행될 때, 시스템(400)으로 하여금, 도 6, 도 7, 도 8, 도 9, 도 10, 도 11, 및 도 12 중의 하나 이상을 참조하여 설명된 동작들 중의 적어도 일부를 수행하게 하는 명령들을 저장할 수 있는 (EPROM, EEPROM, 플래시 메모리, 하드 드라이브 등과 같은) 하나 이상의 비휘발성 메모리 엘리먼트들을 포함하는 비-일시적 컴퓨터-판독가능 매체를 포함하는 임의의 적당한 메모리일 수 있다. 일부 구현예들에서, 메모리(420) 내에 저장되는 명령들 또는 실행가능한 코드는, 프로세서들(410)에 의해 실행될 수 있는 운전 점수 프로그램(412), 표시 프로그램(414), 또는 보고 프로그램(416) 중의 하나 이상과 연관될 수 있다. 예를 들어, 일부 양태들에서, 운전 점수 프로그램(412)은 차량(120)의 관찰된 운전 거동에 기초하여 차량(120)에 대한 하나 이상의 운전 점수들을 결정하도록 실행될 수 있다. 표시 프로그램(414)은 차량(120)의 불만족스러운 운전 거동의 표시들을 생성하기 위하여 프로세서들(410)에 의해 실행될 수 있다. 표시 프로그램(414)은 또한, 차량(120)이 사고에 관여되거나 차량(120)의 동승자들(또는 하나 이상의 다른 차량들의 동승자들)에 대한 부상을 야기시킬 가능성의 표시들을 생성하기 위하여 프로세서들(410)에 의해 실행될 수 있다. 보고 프로그램(416)은 차량(120)의 불만족스러운 운전 거동, (만약 존재한다면) 차량(120)이 보이는 하나 이상의 위험한 운전 속성들, 차량(120)이 사고에 관여될 가능성, 차량(120)이 차량(120)의 동승자들에 대한 부상을 야기시킬 가능성, 및/또는 차량(120)이 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성 중의 하나 이상을 표시하는 보고들을 생성하도록 실행될 수 있다. 다양한 구현예들에서, 표시들 및 보고들은 도 1의 제3자 엔티티들(170) 중의 하나 이상으로 송신될 수 있다.
[0111]
I/O 포트들(435) 및 프로세서들(410)에 결합될 수 있는 트랜시버들(430)은 정보를 하나 이상의 다른 디바이스들, 시스템들, 또는 엔티티들로 송신하고 하나 이상의 다른 디바이스들, 시스템들, 또는 엔티티들로부터 정보를 수신하기 위하여 이용될 수 있다. 예를 들어, 트랜시버들(430)은 차량(120), 보행자들(130), 노변 센서들(140), RSU들(150), 하나 이상의 다른 차량들(160), 하나 이상의 엔티티들(170), 및 모바일 컴퓨팅 디바이스들(190) 사이의 (신호들 및 메시지들과 같은) 통신들의 교환을 용이하게 할 수 있다. 단순함을 위하여 도 4에서 도시되지 않지만, 트랜시버들(430)은 신호들을 프로세싱하고 I/O 포트(435) 및 도 1의 통신 네트워크(180)를 통해 신호들을 다른 무선 디바이스들로 송신하기 위한 임의의 수의 송신 체인들을 포함할 수 있고, I/O 포트(435)로부터 수신되는 신호들을 프로세싱하기 위한 임의의 수의 수신 체인들을 포함할 수 있다. 트랜시버들(430)은 IEEE 802.11 무선 통신 표준군에 대한 하나 이상의 수정, 블루투스 관심 그룹, 또는 다른 적당한 통신 기술에 의한, 3GPP(Third Generation Partnership Project)의 하나 이상의 릴리즈(Release)에 의해 특정된 무선 통신 프로토콜들과 같은(그러나 이에 제한되지 않음) 임의의 적당한 통신 프로토콜에 따라 동작하도록 구성될 수 있다. 다양한 구현예들에서, 트랜시버들(430)은 또한, 이더넷(Ethernet), 동축, 또는 광학 통신들을 포함하는(그러나 이것으로 제한되지 않음) 하나 이상의 적당한 유선 통신 프로토콜들을 위하여 구성될 수 있다.
[0112]
I/O 포트들(435)은 하나 이상의 무선 통신 인터페이스들 및/또는 하나 이상의 유선 통신 인터페이스들을 포함할 수 있다. 하나 이상의 무선 통신 인터페이스들은, 무선 신호들을 다른 디바이스들 또는 시스템들로 송신할 수 있고 다른 디바이스들 또는 시스템들로부터 무선 신호들을 수신할 수 있는 안테나들, 안테나 포트들, 안테나 스위칭 회로부, 및 다른 컴포넌트들을 포함할 수 있다. 하나 이상의 유선 통신 인터페이스들은 이더넷 인터페이스, 동축 케이블 인터페이스, 또는 광학 인터페이스를 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0113]
프로세서들(410) 및 메모리(420)에 결합될 수 있는 이미지 프로세서(440)는 보행자들(130), 노변 센서들(140), RSU들(150), 다른 차량들(160), 모바일 컴퓨팅 디바이스들(190), 또는 다른 적당한 소스들 중 하나 이상으로부터 원시 이미지(raw image) 및 비디오 데이터를 수신할 수 있다. 일부 구현예들에서, 이미지 프로세서(440)는 (도로들, 다리들, 터널들, 교차로들, 교통 표지들 및 신호들 등과 같은) 다양한 차도 특징들, 차량(120), 보행자들(130), 다른 차량들(160), 및 주어진 환경의 다양한 다른 객체들, 조건들, 또는 속성들을 식별하기 위하여 원시 이미지 및 비디오 데이터를 프로세싱할 수 있는 하나 이상의 이미지 프로세싱 회로들을 포함할 수 있다. 일부 양태들에서, 이미지 프로세서(440)는 (메모리(420)와 같은) 메모리 내에 저장되는 명령들을 실행하는 범용 프로세싱 유닛일 수 있다. 다른 양태들에서, 이미지 프로세서(440)는 원시 이미지 및 비디오 데이터에 의해 캡처되는 장면의 다양한 객체들, 특징들, 및 특성들을 식별하도록 구성된 ASIC(application-specific integrated circuit)일 수 있다. 일부 다른 양태들에서, 이미지 프로세서(440)는 메모리 내에 저장되는 명령들을 실행하기 위한 구체적인 하드웨어 및 능력의 조합을 포함할 수 있다.
[0114]
다양한 구현예들에서, 이미지 프로세서(440)는 특정한 장면의 복합 3D 포인트 클라우드(composite 3D point cloud)를 생성하기 위하여 (복수의 노변 센서들(140) 및/또는 RSU들(150)로부터, 보행자들(130), 노변 센서들(140) 및/또는 RSU들(150), 다른 차량들(160), 또는 다른 모바일 컴퓨팅 디바이스들(190)로부터 등과 같이) 상이한 소스들로부터 수신되는 이미지 또는 비디오 데이터를 융합하거나, 스티칭하거나, 또는 이와 다르게 조합할 수 있다. 예를 들어, 이미지 프로세서(440)는 교차로의 복합 이미지 데이터를 생성하기 위하여, 교통 카메라에 의해 제공되는 교차로의 이미지 데이터, 보행자의 스마트폰에 의해 제공되는 교차로의 이미지 데이터, 및 다른 차량의 동승자에 의해 제공되는 교차로의 이미지 데이터를 융합하거나, 스티칭하거나, 또는 이와 다르게 조합할 수 있다. 일부 양태들에서, 이미지 프로세서(440)는 복합 이미지 데이터에 기초하여 교차로의 3D 포인트 클라우드를 생성할 수 있다. 3D 포인트 클라우드는 추가의 분석 또는 프로세싱을 위하여 머신 학습 엔진들(460)에 제공될 수 있다.
[0115]
사용자 인터페이스(450)는 하나 이상의 프로세서들(410) 및 메모리(420)에 결합될 수 있다. 사용자 인터페이스(450)는, 사용자가 커맨드들, 표시들 경고들, 및 다른 정보를 차량(120)으로 전송할 수 있고, 사용자가 차량(120)으로부터 스테이터스 정보, 위치 정보, 보고들, 및 다른 정보를 수신할 수 있는 메커니즘(mechanism)을 제공할 수 있다. 사용자 인터페이스(450)는 또한, 사용자가 표시들 및 보고들을 제3자 엔티티들(170) 중의 하나 이상으로 전송할 수 있는 메커니즘을 제공할 수 있다. 일부 사례들에서, 사용자 인터페이스(450)는 디스플레이 스크린, 키보드, 마우스, 스피커들, 마이크로폰들, 및/또는 다른 적당한 입력/출력 메커니즘들을 포함할 수 있다.
[0116]
머신 학습 엔진들(460)은 프로세서들(410), 이미지 프로세서(440), 및 데이터 저장소(470)에 결합될 수 있다. 머신 학습 엔진들(460)은 객체 검출 및 분류 엔진(462), 운전 거동 엔진(464), 운전 점수 엔진(466), 및 확률 모델링 엔진(468)을 포함할 수 있다. 다양한 구현예들에서, 머신 학습 엔진들(460)은 보행자들(130), 노변 센서들(140), RSU들(150), 다른 차량들(160), 또는 모바일 컴퓨팅 디바이스들(190)과 같은(그러나 이것으로 제한되지 않음) 외부 소스들로부터 원시 이미지 및 비디오 데이터를 수신할 수 있다. 일부 구현예들에서, 머신 학습 엔진들(460)은 이미지 프로세서(440)로부터 프로세싱된 이미지 및 비디오 데이터를 수신할 수 있다. 추가적으로, 일부 양태들에서, 머신 학습 엔진들(460)은 도 2의 차량(200)의 RADAR 시스템(242), LIDAR 시스템(244), 카메라들(248), 또는 다른 컴포넌트들 중 하나 이상으로부터 감지, 이미징, 및/또는 맵핑 데이터를 수신할 수 있다.
[0117]
객체 검출 및 분류 엔진(462)은 관심 있는 환경, 장면, 또는 지리적 영역 내의 다양한 객체들을 검출하고 분류하기 위하여 수신된 데이터를 파싱하고 분석할 수 있다. 다양한 구현예들에서, 객체 검출 및 분류 엔진(462)은 특정한 객체를 포함하는 3D 포인트 클라우드 또는 지도의 부분에 대응하는 하나 이상의 경계설정 박스들을 생성하기 위하여, 훈련된 머신 학습 모델을 이용하여 수신된 데이터를 프로세싱할 수 있다. 일부 양태들에서, 머신 학습 모델은 관심 있는 지리적 영역 내의 각각의 교통 표지의 특징들 및 위치를 표시하는 이전에 캡처된 이미지 데이터, 비디오 데이터, 및/또는 3D 맵핑 정보를 이용하여 훈련될 수 있다.
[0118]
일부 구현예들에서, 객체 검출 및 분류 엔진(462)은 경계설정 박스들의 각각에 대하여, 특정한 객체의 카테고리 및 유형을 표시하는 하나 이상의 분류들을 생성할 수 있다. 각각의 검출된 객체의 카테고리 및 유형은 개개의 객체와 연관된 데이터가 어떻게 추가로 프로세싱되는지를 표시할 수 있다. 일부 구현예들에서, 카테고리들은 객체 검출 및 분류 엔진(462)에 의해 이용되는 하나 이상의 분류들에 대응할 수 있다. 일부 양태들에서, 적어도 일부 카테고리들은 차량들, 보행자들, 교통 표지들, 차도 특징들, 날씨 조건들 등과 연관될 수 있고, 유형들은 개개의 카테고리에 속하는 객체의 구체적인 유형을 표시할 수 있다. 예를 들어, 정지 표지는 교통 표지 카테고리에 속할 수 있고, 정지 표지를 표시하는 유형을 가질 수 있다. 또 다른 예를 들어, 속력 제한 표지는 교통 표지 카테고리에 속할 수 있고, 개개의 도로 또는 고속도로의 속력 제한을 표시하는 유형을 가질 수 있다. 또 다른 예로서, 차량(120)은 차량 카테고리에 속할 수 있고, 차량을 표시하는 유형을 가질 수 있다. 또 다른 예를 들어, 다른 차량(160)은 차량 카테고리에 속할 수 있고, 다른 차량들을 표시하는 유형을 가질 수 있다.
[0119]
운전 거동 엔진(464)은 차량(120)이 특정한 교통 표지를 무시하였는지 및/또는 특정한 교통 법률을 위반하였는지 여부를 결정하기 위하여 수신된 데이터를 파싱하고 분석할 수 있다. 다양한 구현예들에서, 운전 거동 엔진(464)은 어떤 시간 기간 동안에 또는 어떤 지리적 영역 내에서 차량(120)이 특정한 교통 표지를 무시하거나 특정한 교통 법률을 위반하는 것의 각각의 발생을 식별할 수 있다. 일부 양태들에서, 운전 거동 엔진(464)은 차량(120)의 관찰된 운전 거동과 예상된 운전 거동 사이의 준수성 레벨 및/또는 편차 레벨을 표시하는 출력들을 생성할 수 있다. 일부 구현예들에서, 운전 거동 엔진(464)은 교통 표지들 및 교통 법률들을 식별하고 분류하도록 훈련된 머신 학습 모델을 이용하여 수신된 데이터를 프로세싱할 수 있다. 머신 학습 모델은 복수의 상이한 교통 표지들 및 교통 법률들 각각과 연관된 하나 이상의 예상된 운전 거동들을 표시하는 이력 데이터를 이용하여 훈련될 수 있다.
[0120]
일부 구현예들에서, 운전 거동 엔진(464)은 차량(120)의 관찰된 운전 거동을 특정한 교통 표지에 대응하는 예상된 운전 거동과 상관시킴으로써, 차량(120)이 특정한 교통 표지를 무시하였는지 여부를 결정할 수 있다. 예를 들어, 운전 거동 엔진(464)은 차량(120)의 관찰된 운전 거동(예컨대, 정지 표지에서 정지하지 않았음)과 대응하는 예상된 거동(예컨대, 정지 표지에서 정지함) 사이의 상관에 기초하여, 차량(120)이 정지 표지를 무시한 것으로 결정할 수 있다. 다른 구현예들에서, 운전 거동 엔진(464)은 노변 센서들(140), RSU들(150), 다른 차량들(160), 또는 모바일 컴퓨팅 디바이스들(190) 중의 하나 이상으로부터 수신되는 센서 데이터에 기초하여, 차량(120)이 특정한 교통 표지를 무시하였는지 여부를 결정할 수 있다. 예를 들어, 운전 거동 엔진(464)은 (예컨대, 차량(120), 노변 센서들(140), RSU들(150), 다른 차량들(160), 또는 모바일 컴퓨팅 디바이스들(190) 중의 하나 이상에 의해 제공되거나, 이에 의해 제공되는 센서 데이터로부터 도출되는) 차량(120)의 속도 정보를 표시된 속력 제한과 비교함으로써, 차량(120)이 속력 제한 표지를 무시한 것으로 결정할 수 있다.
[0121]
다양한 구현예들에서, 운전 거동 엔진(464)은 차량(120)의 관찰된 운전 거동을 특정한 교통 법률에 대응하는 예상된 운전 거동과 상관시킴으로써, 차량(120)이 특정한 교통 법률을 무시하였는지 여부를 결정할 수 있다. 일부 양태들에서, 운전 거동 엔진(464)은 특정한 교통 법률과 연관되는 예상된 운전 거동을 결정할 수 있고, 특정한 교통 법률과의 준수성 레벨 또는 편차 레벨을 결정하기 위하여, 차량(120)의 관찰된 운전 거동을 예상된 운전 거동과 상관시킬 수 있다. 결정된 준수성 또는 편차 레벨은 차량(120)이 특정한 교통 법률을 위반하였는지 여부를 결정하기 위하여 대응하는 임계 값과 비교될 수 있다.
[0122]
예를 들어, 차량(120)이 (2 또는 3 초와 같은) 어떤 시간 기간 미만 동안에 몇 인치(inch)만큼 도로의 이중-황색 라인을 횡단하는 것으로 관찰되는 경우에, 운전 거동 엔진(464)은 차량(120)이 거리들, 도로들, 및 고속도로들의 이중-황색 라인들을 횡단하는 것을 금지하는 교통 법률들을 위반하지 않은 것으로 결정할 수 있다. 반대로, 운전 거동 엔진(464)이 차량(120)의 전체가 (마일(mile) 미만에서 수십 회에 걸쳐 이중-황색 라인을 지나서 횡단하는 것과 같이) 어떤 횟수를 초과하여 또는 어떤 거리 초과에 대하여 이중-황색 라인을 교차한 것으로 결정하는 경우에, 운전 거동 엔진(464)은 차량(120)이 거리들, 도로들, 및 고속도로들의 이중-황색 라인들을 횡단하는 것을 금지하는 교통 법률들을 위반한 것으로 결정할 수 있다.
[0123]
일부 구현예들에서, 운전 거동 엔진(464)은 차량(120)의 하나 이상의 운전 속성들을 결정하기 위하여 수신된 데이터를 파싱하고 분석할 수 있다. 차량(120)의 운전 거동을 표시할 수 있는 하나 이상의 운전 속성들은 일정 수의 사례들을 초과하여 제동하는 것, 차선 내에서 급선회하는 것, 제2 수의 사례들을 초과하여 차선들을 변경하는 것, 다수의 차선 경계들을 횡단하는 것, 다른 차량에 헤드라이트들을 번쩍이는 것, 다른 차량을 바짝 따라가는 것, 다른 차량으로부터 일정 거리 미만으로 차량을 운전하는 것, 또는 차량의 인간 운전자의 부주의를 포함할 수 있다(그러나 이것으로 제한되지 않음). 일부 양태들에서, 운전 거동 엔진(464)은 차량(120)이 보이는 위험한 운전 속성들 중의 하나 이상과 하나 이상의 개개의 임계 레벨들 사이의 편차들을 결정할 수 있다. 추가적으로 또는 대안적으로, 운전 거동 엔진(464)은 차량(120)이 이전에 보인 위험한 운전 속성들 중의 임의의 운전 속성이 더 이상 존재하지 않는지 여부를 결정할 수 있다.
[0124]
운전 점수 엔진(466)은 운전 거동 엔진(464)에 의해 생성되는 하나 이상의 출력들에 기초하여 차량(120)에 대한 운전 점수들 또는 메트릭들을 결정할 수 있다. 다양한 구현예들에서, 운전 점수 엔진(466)은 차량(120)이 어떤 시간 기간 동안에 또는 어떤 지리적 영역 내에서 교통 표지들을 무시하였거나 교통 법률들을 위반한 발생들의 수에 기초하여 운전 점수를 생성할 수 있다. 일부 구현예들에서, 운전 점수는 또한, 차량(120)의 관찰된 운전 거동과, 무시된 교통 표지들 또는 위반된 교통 법률들 각각과 연관되는 예상된 운전 거동 사이의 준수성 레벨 및/또는 편차 레벨에 기초할 수 있다.
[0125]
일부 구현예들에서, 운전 점수는 어떤 시간 기간 동안에 또는 어떤 지리적 영역 내에서 차량(120)이 보이는 하나 이상의 위험한 운전 속성들의 검출에 기초할 수 있다. 논의된 바와 같이, 위험한 운전 속성들은 일정 수의 사례들을 초과하여 제동하는 것, 차선 내에서 급선회하는 것, 어떤 수의 사례들을 초과하여 차선들을 변경하는 것, 다수의 차선 경계들을 횡단하는 것, 다른 차량에 헤드라이트들을 번쩍이는 것, 다른 차량을 바짝 따라가는 것, 다른 차량으로부터의 어떤 거리 미만으로 차량을 운전하는 것, 회전하거나 차선들을 변경할 때에 회전 신호들을 이용하는 것에 대한 실패, 또는 차량의 인간 운전자의 부주의 등을 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0126]
일부 다른 구현예들에서, 운전 점수는 차량(120)이 이전에 보인 위험한 운전 속성들 중의 하나 이상이 더 이상 존재하지 않거나 차량(120)이 보이지 않을 때에 조절될 수 있다. 예를 들어, 2-시간 관찰 시간 기간의 첫 번째 몇 분 내에 이중-황색 라인을 3 회 횡단하는 것으로 관찰한 차량이 시간 기간의 나머지 동안에 임의의 위험한 운전 속성들을 보이지 않는 경우에, 시간 기간의 그 첫 번째 몇 분 동안에 생성되는 운전 점수들 중의 하나 이상은 시간 기간의 나머지 동안에 위험한 운전 속성들의 부재를 반영하도록 조절(예컨대, 개선됨)될 수 있다. 추가적으로 또는 대안적으로, 운전 점수들 또는 메트릭들을 생성하는 하나 이상의 양태들은 하나 이상의 프로세서들(410)을 이용하여 운전 점수 프로그램(412)을 실행함으로써 수행될 수 있다.
[0127]
다양한 구현예들에서, 운전 점수 엔진(466)은 개개의 차량(120)에 대한 하나 초과의 운전 점수를 결정할 수 있다. 즉, 일부 구현예들에서, 운전 점수 엔진(466)은 복수의 상이한 운전 속성들 또는 카테고리들 각각에 대한 운전 점수를 결정할 수 있다. 예를 들어, 운전 점수 엔진(466)은 교통 법률 위반들, 교통 표지 위반들, 과도한 속력들, 차량 차선 관리, 운전자 주의력, 빈번한 제동, 바짝 따라가기, 급선회, 또는 다른 차량들로부터 유지된 불충분한 거리들과 같은(그러나 이것으로 제한되지 않음) 운전 속성들에 대한 운전 점수들을 결정할 수 있다. 일부 사례들에서, 운전 점수 엔진(466)은 가중화 값을 개별적인 운전 점수들의 각각에 배정할 수 있고, 가중화된 개별적인 운전 점수들에 기초하여 차량에 대한 전체적인 운전 점수를 결정할 수 있다. 운전 점수 엔진(466)은 개별적인 운전 점수들에 배정된 가중화 값들을 선택하고 및/또는 조절함으로써, 전체적인 운전 점수에 대한 각각의 개별적인 운전 점수의 상대적인 영향을 결정할 수 있다. 이러한 방식으로, 운전 점수 엔진(466)은 다른 운전 점수들(예컨대, 빈번한 제동)보다 일부 운전 점수들(예컨대, 과속)에 더 많은 중점을 둘 수 있다.
[0128]
일부 구현예들에서, 개별적인 운전 점수들의 각각은, 초과한 경우에, 다른 개별적인 운전 점수들에 관계없이 불만족스러운 운전의 결정으로 귀착될 수 있는 대응하는 불안전한 운전 임계치를 가질 수 있다. 예를 들어, 차량의 속력 제한 점수가 대응하는 불안전한 임계치를 초과하는 경우에(예컨대, 차량이 과도한 또는 난폭한 속력들로 통행하였다는 것을 표시함), 검출 시스템(400)은 차량의 다른 개별적인 운전 점수들이 우수하더라도(예컨대, 차량이 우수한 운전자 주의력 점수들을 가지는 것에도 불구하고) 불안전하거나 불만족스러운 운전의 표시를 생성할 수 있다. 또 다른 예를 들어, 차량의 교통 표지 위반 점수가 대응하는 불안전한 임계치를 초과하는 경우에(예컨대, 차량이 빈번하게 정지 표지들을 무시하고 주행하였다는 것을 표시함), 검출 시스템(400)은 차량의 다른 개별적인 운전 점수들이 우수하더라도 불안전하거나 불만족스러운 운전의 표시를 생성할 수 있다. 검출 시스템(400)은 불안전하거나 불만족스러운 운전의 표시에 응답하여, 통지들을 하나 이상의 관심 있는 제3자들에게 전송할 수 있다. 다른 구현예들에서, 운전 점수 엔진(466)은 차량의 모든 개별적인 운전 점수들에 대한 단일 임계치를 이용할 수 있다.
[0129]
하나의 구현예에서, 검출 시스템(400)은 하나 이상의 제1 디바이스들로부터, 제1 위치에서 및/또는 주어진 시간 기간의 제1 부분 동안의 차량(120)의 제1 속력의 제1 표시를 수신할 수 있다. 검출 시스템(400)은 제1 디바이스들로부터, 또는 제1 디바이스들과는 상이한 하나 이상의 제2 디바이스들로부터, 제2 위치에서 및/또는 주어진 시간 기간의 제2 부분 동안의 차량(120)의 제2 속력의 제2 표시를 수신할 수 있다. 제1 및 제2 디바이스들은 차량(120)의 속도를 결정할 수 있는 임의의 적당한 디바이스일 수 있고, 노변 센서들(140), RSU들(150), 다른 차량들(160), 또는 모바일 컴퓨팅 디바이스들(190)을 포함할 수 있다(그러나 이것으로 제한되지 않음). 일부 구현예들에서, 운전 점수 엔진(466)은 제1 및 제2 표시들에 기초하여, 차량(120)이 어떤 양 초과만큼 속력 제한을 초과하였거나, 시간의 지속기간 초과 동안에 속력 제한을 초과하였는지 여부를 결정할 수 있다. 다른 구현예들에서, 운전 점수 프로그램(412)은 제1 및 제2 표시들에 기초하여, 차량(120)이 어떤 양 초과만큼 속력 제한을 초과하였거나, 시간의 지속기간 초과 동안에 속력 제한을 초과하였는지 여부를 결정하기 위하여 프로세서들(410)에 의해 실행될 수 있다. 일부 사례들에서, 검출 시스템(400)은 차량(120)이 (5 또는 10 mph만큼과 같이) 어떤 양 초과만큼 속력 제한을 초과하였거나 (5 또는 10 분과 같이) 시간의 지속기간 초과 동안에 속력 제한을 초과한 것으로 결정하는 것에 적어도 부분적으로 기초하여 운전 점수들을 생성할 수 있다.
[0130]
다양한 구현예들에서, 확률 모델링 엔진(468)은 관찰된 운전 거동에 기초하여, 차량(120)이 차량 사고에 관여될 가능성을 결정할 수 있다. 확률 모델링 엔진(468)은 또한, 차량(120)의 관찰된 운전 거동에 기초하여, 차량(120)의 동승자들 또는 하나 이상의 다른 차량들(160)의 동승자들에 대한 부상의 가능성을 결정할 수 있다. 일부 구현예들에서, 확률 모델링 엔진(468)은 차량(120)이 차량 사고에 관여될 가능성을 결정하고, 차량(120)이 차량(120)의 동승자들에 대한 부상을 야기시킬 가능성을 결정하고, 차량(120)이 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성을 결정하기 위하여, 훈련된 머신 학습 모델을 채용할 수 있다. 일부 사례들에서, 머신 학습 모델은 다양한 운전 거동들 및/또는 운전 속성들과, 차량 사고에 관여되거나 하나 이상의 다른 차량들의 동승자들에 대한 신체 부상을 야기시킬 확률들과의 사이의 상관들을 포함하거나 표시하는 하나 이상의 데이터 세트들로 훈련될 수 있다.
[0131]
일부 다른 구현예들에서, 확률 모델링 엔진(468)은 상대적으로 짧은 시간 기간 내에서(예컨대, 다음 20 분, 40 분 등 내에서) 또는 상대적으로 짧은 거리 내에서(예컨대, 다음 15 마일, 25 마일 등 내에서) 차량(120)이 사고를 야기시키거나, 신체 부상을 가하거나, 차량(120)에 대한 손상을 야기시키거나, 또는 다른 비희망된 거동의 가능성을 결정할 수 있다. 일부 사례들에서, 확률 모델링 엔진(468)은 상대적으로 긴 시간 기간 동안에(예컨대, 다음 주 또는 월 내에서) 사고를 야기시키거나, 신체 부상을 가하거나, 차량(120)에 대한 손상을 야기시키거나, 또는 다른 비희망된 거동의 가능성을 결정할 수 있다. 예를 들어, 일부 양태들에서, 확률 모델링 엔진(468)은 어떤 운전 거동에 지속적으로 참여하는 것은 차량이 사고에 관여될 가능성을 각각 연도에 50 %만큼 증가시키는 것으로 결정할 수 있다.
[0132]
다양한 구현예들에서, 하나 이상의 프로세서들(410)은 운전 점수 엔진(466)(또는 운전 점수 프로그램(412))에 의해 제공되는 운전 점수와 임계 값 사이의 비교에 기초하여 불만족스러운 운전의 표시를 생성하기 위하여 표시 프로그램(414)을 실행할 수 있다. 예를 들어, 표시 프로그램(414)은 운전 점수가 임계 값 초과일 때에 불만족스러운 운전의 표시를 생성할 수 있고, 운전 점수가 임계 값 초과가 아닐 때에는 불만족스러운 운전의 표시를 생성하지 않을 수 있다. 일부 사례들에서, 표시 프로그램(414)은 시간 기간 동안의 식별된 발생들의 수가 임계 수를 초과하는 경우에만 불만족스러운 운전의 표시를 생성할 수 있다. 일부 사례들에서, 표시 프로그램(414)은 식별된 발생들의 수가 임계 수를 초과하고 어떤 시간의 양 또는 어떤 통행된 거리에 대하여 그 임계 수(또는 임계 수보다 낮을 수 있는 제2 임계 수) 위에서 유지되는 경우에만 불만족스러운 운전의 표시를 생성할 수 있다.
[0133]
일부 구현예들에서, 검출 시스템(400)은 불만족스러운 운전의 표시를 제3자 엔티티들(170) 중의 하나 이상에 제공할 수 있다. 논의된 바와 같이, 하나 이상의 제3자 엔티티들은 차량의 인간 운전자, 차량의 인간 승객, 차량의 소유자, 차량의 보험회사, 차량의 헤드-업 디스플레이, 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 또는 하나 이상의 다른 차량들을 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0134]
다양한 구현예들에서, 검출 시스템(400)은 적어도 하나의 운전 점수가 임계 값을 초과하는 것으로 결정하는 것에 응답하여, 차량의 하나 이상의 동작들을 제한할 수 있다. 하나 이상의 동작들은 더 안전한 운전 거동을 보이고, 교통 표지들을 준수하고, 교통 법률들을 따름으로써, 그 운전 거동을 개선시키고, 이에 따라, 그 운전 점수를 개선시키기 위하여 차량(또는 그 인간 운전자)을 장려하도록 선택될 수 있다. 일부 구현예들에서, 하나 이상의 동작들은 차량의 최고 속력을 제한하는 것, 게시된 속력 제한에 대한 어떤 양 또는 백분율 내의 속력으로 차량을 제한하는 것, 차량이 HOV 차선들 또는 통행료 차선(toll lane)들을 이용하는 것을 금지하는 것, 집단에서 자격을 배제하는 것, 집단에서 자격을 철회하는 것, 차량의 수동 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것, 차량의 자율 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것, 또는 이들의 임의의 조합을 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0135]
일부 사례들에서, 하나 이상의 동작들은 또한, 차량의 인포테인먼트 시스템의 하나 이상의 특징들을 디스에이블하거나 제한하는 것을 포함할 수 있다. 예를 들어, 검출 시스템(400)은 인포테인먼트 시스템의 음량 레벨을 제한할 수 있거나, 인포테인먼트 시스템이 이용될 수 있는 시간의 양을 제한할 수 있거나, 인포테인먼트 시스템 상에서 이용가능한 라디오 또는 위성 스테이션들의 수를 제한할 수 있거나, 인포테인먼트 시스템을 양호한 운전 팁들을 제시하는 것으로 한정할 수 있거나, 인포테인먼트 시스템의 무선 범위를 감소시킬 수 있거나, 차량의 현재의 운전 거동에 기초하여 인포테인먼트 시스템의 하나 이상의 기능성들을 증가시키거나 감소시킬 수 있거나, 이들의 임의의 조합일 수 있다.
[0136]
일부 다른 구현예들에서, 하나 이상의 동작들은, 차량이 고속도로의 더 느린 차선들(예컨대, 우측 차선들)에서 통행하는 것, 차량이 다른 차량들로부터 어떤 거리(또는 그 초과)를 유지하는 것, 차량이 다른 차량들을 지나는 것을 억제하는 것, 차량이 어떤 영역들 내에서만 통행하는 것, 차량이 오직 어떤 루트들을 따라 통행하는 것, 또는 이들의 임의의 조합을 요구하는 것과 같은(그러나 이것으로 제한되지 않음) 안전한 운전 습관들을 보강할 수 있다. 예를 들어, 일부 사례들에서, 불만족스러운 운전 점수를 가지는 차량은 집과, 학교, 병원들, 치과들, 또는 판매점들과 같은(그러나 이것으로 제한되지 않음) 하나 이상의 선택된 위치들 사이에서 통행하도록 제한될 수 있다. 다른 사례들에서, 불만족스러운 운전 점수를 가지는 차량은 평면 가로들 및 2-차선 차도들 상에서만 통행하도록 허용될 수 있고, 및/또는 어떤 수 초과의 차선들을 가지는 도로들 또는 어떤 속력보다 높은 속력 제한들을 가지는 도로들을 따라 통행하는 것이 배제될 수 있다. 일부 다른 사례들에서, 불만족스러운 운전 점수를 가지는 차량은 (집으로 안전한 복귀하는 것과 같이) 목적지에 도달한 후의 시간 기간 동안에 디스에이블될 수 있다.
[0137]
일부 구현예들에서, 검출 시스템(400)은 차량의 잠재적인 안전 위험을 다른 차량들 및 보행자들에게 경고할 수 있다. 예를 들어, 일부 사례들에서, 하나 이상의 동작들은 차량의 잠재적인 안전 위험을 다른 운전자들에게 경고하기 위하여 (차량의 비상등(hazard light)들과 같은) 시각적 표시자들 및/또는 청각적 표시자들을 활성화하는 것을 포함할 수 있다(그러나 이것으로 제한되지 않음). 일부 다른 사례들에서, 하나 이상의 동작들은 차량으로부터 떨어져서 머무르거나 차량으로부터의 그 개개의 거리들을 증가시킬 것을 다른 차량들에 명령하는 것을 포함할 수 있다.
[0138]
다양한 구현예들에서, 검출 시스템(400)은 특정 위험을 내포하는 것으로 결정된 차량들의 운전 거동을 최소 위험을 내포하는 것으로 결정된 다른 차량들보다 더 면밀하게 검사할 수 있다. 일부 구현예들에서, 검출 시스템(400)은 어떤 환경 내의 개개의 차량의 존재를 공지할 수 있고, 개개의 차량에 설정된 제한들 및 한정들을 표시하는 정보를 환경 내의 다양한 감지 및 데이터 수집 디바이스들에 제공할 수 있다. 예를 들어, 검출 시스템(400)은 개개의 차량이 50 mph의 최고 속력으로 제한되고 주간 고속도로(Interstate highway)들을 이용하도록 허용되지 않는다는 것을 영역 내의 하나 이상의 노변 센서들(140) 또는 RSU들(150)에 통지할 수 있다. 이러한 방식으로, 노변 센서들(140) 또는 RSU들(150)로부터 수신되는 데이터가 주간 고속도로 상에서 통행하고 있는 개개의 차량을 캡처하거나, 개개의 차량이 50 mph를 초과하고 있다는 것을 표시하는 경우에, 검출 시스템(400)은 차량이 차량에 대해 설정된 제한들 및 한정들을 따르지 않고 있는 것으로 용이하게 결정할 수 있다. 검출 시스템(400)은 추가로, 차량이 현존하는 제한들 및 한정들을 따르지 않을 때, 차량의 다양한 동작들 및 특징들을 제한하거나 디스에이블할 수 있다.
[0139]
하나의 구현예에서, 불만족스러운 운전 점수를 가지는 차량의 인간 운전자와 연관된 엔티티는 차량(또는 그 인간 운전자)에 대해 설정된 제한들 및 한정들을 선택하는 것에 참여할 수 있다. 예를 들어, 10 대가 불만족스러운 운전 거동을 보이는 것으로 결정되는 경우에, 검출 시스템(400)은 불만족스러운 운전 거동을 10 대의 부모들에게 통지할 수 있고, 차량의 어느 동작들 또는 특징들이 디스에이블되어야 하는지, 차량의 어느 동작들 또는 특징들이 한정되거나 제한되어야 하는지, 및 차량의 어느 동작들 또는 특징들이 그 현재의 상태들에서 유지되어야 하는지에 관한 제안들을 권유할 수 있다.
[0140]
차량에 대해 설정된 제한들 및 한정들은 임의의 적당한 시간 기간 동안에 유지될 수 있다. 일부 사례들에서, 제한들 및 한정들은 (1 주와 같은) 고정된 시간 기간 동안에 유지될 수 있다. 다른 사례들에서, 제한들 및 한정들은 (3 일과 같은) 더 작은 시간 기간 동안에 유지될 수 있고, 그 후에, 운전 점수가 어떤 양 또는 백분율만큼 개선될 때에 상승될 수 있다. 일부 다른 사례들에서, 제한들 및 한정들은 10대의 부모들(또는 일부 다른 관심 있는 제3자)에 의해 해제될 때까지 그대로 유지될 수 있다.
[0141]
차량에 대해 설정된 제한들 및 한정들은 점진적으로 또는 즉각적으로 상승될 수 있다. 예를 들어, 일부 사례들에서, 검출 시스템(400)은 차량의 운전 점수에서의 증가들과 함께 차량의 최고 속력을 점진적으로 증가시킬 수 있다. 다른 사례들에서, 검출 시스템(400)은 운전 점수가 어떤 양 또는 백분율만큼 개선될 때, 차량이 HOV 차선에서 통행하는 것을 즉각적으로 허용할 수 있다. 일부 구현예들에서, 차량에 대해 설정된 제한들 및 한정들에 대한 조절들은 운전 점수에 비례하여 변동될 수 있다. 예를 들어, 제1 값 미만인 운전 점수는 차량이 게시된 속력 제한보다 10 mph 이하로 운전하는 것을 허용하는 것으로 귀착될 수 있고, 제2 값 미만인 운전 점수는 차량이 게시된 속력 제한보다 5 mph 이하로 운전하는 것을 허용하는 것으로 귀착될 수 있고, 제3 값 미만인 운전 점수는 차량이 속력 제한을 초과하는 것을 배제하는 것으로 귀착될 수 있고, 여기서, 제3 값은 제2 값 미만이고, 제2 값은 제1 값 미만이다.
[0142]
일부 구현예들에서, 하나 이상의 프로세서들(410)은 어떤 시간 기간 동안에 및/또는 어떤 지리적 영역 내에서 차량(120)이 보이는 각각의 위험한 운전 속성의 식별된 발생들의 수를 표시하는 보고를 생성하기 위하여 보고 프로그램(416)을 실행할 수 있다. 일부 사례들에서, 검출 시스템(400)은 보고를 제3자 엔티티들(170) 중의 하나 이상에 제공할 수 있다.
[0143]
본원에서 설명된 바와 같은 머신 학습 엔진들(460)은, 감독된 학습, 비감독된 학습, 시간적 차이 학습, 또는 보강 학습을 포함하는(그러나 이것으로 제한되지 않음) 폭넓게 다양한 방법들 또는 방법들의 조합들에 의해 수행될 수 있다. 본 개시내용의 다양한 양태들에 따라 이용될 수 있는 감독된 학습의 일부 비-제한적인 예들은 인공 신경망(artificial neural network)들, 베이지안 네트워크(Bayesian network)들, 판정 트리(decision tree)들, 가우시안 프로세스 회귀(Gaussian process regression), 최근접 이웃 알고리즘(nearest neighbor algorithm), 지원 벡터 머신(support vector machine)들, 랜덤 포레스트(random forest)들, 및 은닉된 마코프 모델(hidden Markov model)들을 포함한다. 본 개시내용의 다양한 양태들에 따라 이용될 수 있는 비감독된 학습의 일부 비-제한적인 예들은 신경망들, 데이터 클러스터링(data clustering), 벡터 양자화(vector quantization), 및 계층구조적 클러스터링(hierarchical clustering)을 포함한다. 본 개시내용의 다양한 양태들에 따라 이용될 수 있는 시간적 차이 학습의 일부 비-제한적인 예들은 Q-학습 및 학습 오토마타(learning automata)를 포함한다. 본원에서 설명된 감독된, 비감독된, 시간적 차이, 또는 다른 머신 학습의 예들 중의 임의의 예에 관한 구체적인 세부사항들은 공지되어 있고 이 개시내용의 범위 내에 있다.
[0144]
메모리(420) 및 머신 학습 엔진들(460)에 결합될 수 있는 데이터 저장소(470)는 차량(120)의 관찰된 운전 거동이 불안전하거나 불만족스러운지 여부를 결정하는 것과 연관된 정보 또는 데이터를 저장하기 위하여 적당한 임의의 적당한 메모리 또는 저장 디바이스일 수 있다. 다양한 구현예들에서, 데이터 저장소(470)는 내비게이션 데이터, 하나 이상의 지리적 영역들의 (거리 뷰들, 위성 뷰들, 및 3D 포인트 클라우드들과 같은) 상세한 맵핑 데이터, 하나 이상의 지리적 영역들에서의 교통 표지들 및 교통 신호들의 유형들 및 위치들을 표시하는 정보, 하나 이상의 지리적 영역들에서의 노변 센서들(140) 및 RSU들(150)의 유형들 및 위치들을 표시하는 정보, 하나 이상의 지리적 영역들 내의 도로들 및 거리들의 속력 제한 정보 등을 저장할 수 있다.
[0145]
일부 구현예들에서, 데이터 저장소(470)는 또한, 날씨 정보, 사용자 프로파일들, 안전 정보, 운전 점수들, 및 차량(120), 주변 환경, 및/또는 차량(120)의 동승자들에 속하는 다른 정보를 저장할 수 있다. 일부 양태들에서, 데이터 저장소(470)는 또한, 머신 학습 엔진들(460) 중의 하나 이상을 위한 훈련 데이터를 저장할 수 있다.
[0146]
도 5a는 일부 구현예들에 따른, 차량의 속력 또는 속도를 결정하기 위한 예시적인 동작을 묘사하는 예시도(500A)를 도시한다. 다양한 구현예들에서, 동작은 도 4의 검출 시스템(400)의 하나 이상의 컴포넌트들에 의해 수행될 수 있다. 도 5a에서 도시된 바와 같이, 차량(120)은 도로(502)를 따라 운전되고 있다. 제1 RADAR 디바이스(511)(노변 센서(140) 및/또는 RSU(150)의 예일 수 있음)는 도로(502)를 따라 제1 위치에 포지셔닝되고, 제2 RADAR 디바이스(512)는 도로(502)를 따라 제2 위치에 포지셔닝된다. 차량(120)이 제1 RADAR 디바이스(511)에 접근할 때, 제1 RADAR 디바이스(511)는 제1 시간 t1에서 차량(120)의 제1 속력을 결정한다. 그 다음으로, 차량(120)이 제2 RADAR 디바이스(512)에 접근할 때, 제2 RADAR 디바이스(512)는 제2 시간 t2에 차량(120)의 제2 속력을 결정한다. 제1 RADAR 디바이스(511)는 차량(120)의 제1 속력을 검출 시스템(400)으로 전송할 수 있다. 제2 RADAR 디바이스(512)는 차량(120)의 제2 속력을 검출 시스템(400)으로 전송할 수 있다. 검출 시스템(400)은 제1 및 제2 검출된 속력들에 기초하여, 차량(120)이 어떤 양 초과만큼 및/또는 시간의 지속기간 초과 동안에 도로(502)에 적용가능한 속력 제한을 초과하였는지 여부를 결정할 수 있다.
[0147]
도 5b 및 도 5c는 일부 구현예들에 따른, 차량(120)이 정지 표지를 무시하고 주행하였는지 여부를 결정하기 위한 예시적인 동작을 묘사하는 개개의 예시도들(500B 및 500C)을 도시한다. 다양한 구현예들에서, 동작은 도 4의 검출 시스템(400)의 하나 이상의 컴포넌트들에 의해 수행될 수 있다. 도 5b에서 도시된 바와 같이, 차량(120)은 또 다른 도로(552)와의 교차로(560)에 접근하는 도로(550)를 따라 운전되고 있다. 다른 차량(160)은 4-방향 정지 표지들(562)(단순함을 위하여 오직 하나의 정지 표지(562)가 도시됨)을 포함하는 교차로(560)에서 정지된다. 일부 구현예들에서, 객체 검출 및 분류 엔진(462)은 정지 표지(562)를 식별하고 분류할 수 있다. 다른 구현예들에서, 차량(120)(또는 다른 차량(160)과 같은 다른 엔티티)은 상세한 지도(예컨대, 고해상도 지도)를 통한 것과 같이, 임의의 적당한 방식으로 정지 표지(562)를 식별할 수 있다. 이에 응답하여, 운전 거동 엔진(464)은 정지 표지들에 대응하는 예상된 운전 거동을 결정할 수 있다.
[0148]
짧은 시간 이후에, 차량(120)은 도 5c에서 묘사된 바와 같이, 정지 표지(562)에서 정지하지 않으면서 교차로(560)를 관통하여 통행한다. 운전 거동 엔진(464)은, 다른 차량(160)과 연관된 하나 이상의 센서들에 의해 캡처되고 및/또는 다른 차량(160)의 하나 이상의 동승자들과 연관된 하나 이상의 모바일 컴퓨팅 디바이스들(190)에 의해 캡처되는 차량(120)의 운전 거동을 표시하는 데이터를 수신할 수 있다. 일부 사례들에서, 다른 차량의 컴퓨터 비전은 차량(120)의 운전 거동을 표시하는 데이터를 제공할 수 있다. 다른 사례들에서, 차량(120)의 운전 거동을 표시하는 이미지들 및/또는 비디오는 하나 이상의 모바일 컴퓨팅 디바이스들(190)에 의해 캡처될 수 있고 검출 시스템(400)에 제공될 수 있다.
[0149]
운전 거동 엔진(464)은 차량(120)의 관찰된 운전 거동을 정지 표지와 연관되는 예상된 운전 거동과 비교할 수 있다. 이 예에서, 운전 거동 엔진(464)은 차량(120)의 관찰된 운전 거동(정지 표지(562)에서 정지하지 않았음)과 정지 표지와 연관되는 예상된 운전 거동(정지 표지(562)에서 정지함) 사이의 불일치에 기초하여, 차량(120)이 정지 표지(562)를 무시한 것으로 결정할 수 있다. 일부 사례들에서, 불일치는 차량(120)의 관찰된 운전 거동과 예상된 운전 거동 사이의 상관이 어떤 상관 값 미만인 것에 의해 표시될 수 있다. 다른 사례들에서, 불일치는 차량(120)의 관찰된 운전 거동과 예상된 운전 거동 사이의 편차가 어떤 편차 값 초과인 것에 의해 표시될 수 있다.
[0150]
일부 구현예들에서, 운전 거동 엔진(464)은 개개의 차량이 특정한 교통 표지 또는 교통 법률을 위반하였거나 무시한 정도를 결정할 수 있다. 예를 들어, 일부 사례들에서, 운전 거동 엔진(464)은 개개의 차량이 (2 내지 3 mph와 같은) 상대적으로 낮은 속력으로 정지 표지를 통과하여 단지 굴러갔는지 여부, 또는 개개의 차량이 감소하도록 시도를 행한 것이 아니라, 그 대신에, 45 mph로 정지 표지를 통과하여 운전하였는지 여부를 결정할 수 있다. 2 또는 3 mph로 정지 표지를 통과하여 굴러가는 것은 45 mph로 정지 표지를 통과하여 질주하는 것보다 거의 지독하지 않으므로(그리고 사고 또는 부상의 상당히 더 낮은 위험을 내포함), 운전 검출 시스템은 정지 표지 위반의 심각도 또는 난폭도에 기초하여 운전 점수를 결정할 수 있다. 이 예에서, 개개의 차량의 운전 점수는 정지 표지를 통한 개개의 차량의 속력에 비례적인 양에 있어서 불리하게 영향받을 수 있다.
[0151]
도 6은 일부 구현예들에 따른, 차량의 하나 이상의 운전 특성들을 결정하기 위한 예시적인 동작(600)을 묘사하는 흐름도를 도시한다. 다양한 구현예들에서, 동작(600)은 도 4의 운전 검출 시스템(400)에 의해 수행될 수 있다. 블록(602)에서, 시스템은 시간 기간 동안의 차량의 운전 거동의 관찰들에 기초하여 차량에 대한 하나 이상의 운전 점수들을 결정할 수 있다. 블록(604)에서, 시스템은 하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성할 수 있다. 블록(606)에서, 시스템은 불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공할 수 있다. 일부 구현예들에서, 불만족스러운 운전의 표시는 하나 이상의 운전 점수들이 시간 기간의 일정 부분 또는 백분율 초과 동안에 임계 값을 초과하는 경우에만 생성될 수 있다.
[0152]
차량은 임의의 적당한 유형의 차량일 수 있다. 예를 들어, 일부 구현예들에서, 차량은 자율 차량, 반-자율 차량, 승객 서비스를 위하여 구성된 자율 차량, 또는 인간 운전자에 의해 동작되고 ADAS(advanced driver assistance system)가 구비된 차량일 수 있다. 일부 구현예들에서, 하나 이상의 엔티티들은 차량의 인간 운전자, 차량의 인간 승객, 차량의 소유자, 차량의 보험회사, 차량의 헤드-업 디스플레이(heads-up display), 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 또는 하나 이상의 다른 차량들 중의 적어도 하나를 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0153]
다양한 구현예들에서, 관찰들은 5G NR(Fifth Generation New Radio) 시스템의 PDSCH(physical downlink shared channel), 5G NR 시스템의 V2X(vehicle-to-everything) 채널, 5G NR 시스템의 V2I(vehicle-to-infrastructure) 채널, 4G RAN(Fourth Generation Radio Access Network), 비허가된 주파수 대역, P2P(peer-to-peer) 통신 링크, DSRC(dedicated short range communication) 채널, WLAN(wireless local area network), 또는 이들의 임의의 조합을 통해 하나 이상의 디바이스들로부터 수신될 수 있다. 일부 구현예들에서, 하나 이상의 디바이스들은 노변 센서들(140), 노변 유닛들(150), 센서들, 하나 이상의 다른 차량들(160)의 컴퓨터 비전 시스템들, LIDAR 디바이스들, RADAR 디바이스들, 하나 이상의 보행자들(130)의 모바일 컴퓨팅 디바이스들(190), 하나 이상의 다른 차량들(160)의 동승자들(162)의 모바일 컴퓨팅 디바이스들(190), 차량과 연관된 마이크로폰, 또는 이들의 임의의 조합 중의 적어도 하나를 포함할 수 있다(그러나 이것으로 제한되지 않음).
[0154]
도 7은 일부 구현예들에 따른, 차량의 하나 이상의 운전 특성들을 결정하기 위한 또 다른 예시적인 동작(700)을 묘사하는 흐름도를 도시한다. 다양한 구현예들에서, 동작(700)은 도 4의 운전 검출 시스템(400)에 의해 수행될 수 있다. 일부 사례들에서, 동작(700)은 도 6의 블록(604)에서 불만족스러운 운전의 표시를 생성하는 것과 함께 수행될 수 있다. 예를 들어, 블록(702)에서, 시스템은 하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 교통 표지들을 무시하거나 교통 법률들을 위반하는 것의 각각의 발생을 식별할 수 있다. 블록(704)에서, 시스템은 시간 기간 동안의 식별된 발생들의 수가 임계 수를 초과하는 것에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성할 수 있다.
[0155]
도 8은 일부 구현예들에 따른, 차량의 하나 이상의 운전 특성들을 결정하기 위한 또 다른 예시적인 동작(800)을 묘사하는 흐름도를 도시한다. 다양한 구현예들에서, 동작(800)은 도 4의 운전 검출 시스템(400)에 의해 수행될 수 있다. 일부 사례들에서, 동작(800)은 도 6의 블록(604)에서 불만족스러운 운전의 표시를 생성하는 것과 함께 수행될 수 있다. 예를 들어, 블록(802)에서, 시스템은 하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 보이는 하나 이상의 위험한 운전 속성들을 식별할 수 있다. 블록(804)에서, 시스템은 식별된 위험한 운전 속성들에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성할 수 있다.
[0156]
일부 구현예들에서, 하나 이상의 위험한 운전 속성들은 일정 수의 사례들을 초과하여 제동하는 것, 차선 내에서 급선회하는 것, 제2 수의 사례들을 초과하여 차선들을 변경하는 것, 다수의 차선 경계들을 횡단하는 것, 다른 차량에 헤드라이트들을 번쩍이는 것, 다른 차량을 바짝 따라가는 것, 다른 차량으로부터 일정 거리 미만으로 차량을 운전하는 것, 또는 차량의 인간 운전자의 부주의를 포함할 수 있다(그러나 이것으로 제한되지 않음). 일부 사례들에서, 불만족스러운 운전의 표시는 시간 기간 동안에 식별되는 하나 이상의 위험한 운전 속성들이 어떤 양 또는 백분율 초과만큼 임계 수를 초과하는 경우에만 생성될 수 있다. 위험한 운전 속성의 각각의 유형에 대한 임계 수는 임의의 적당한 값으로 설정될 수 있다. 다양한 구현예들에서, 상이한 위험한 운전 속성들에 대응하는 상이한 임계치들은 상이한 값들로 설정될 수 있다. 예를 들어, 일부 사례들에서, 시스템은 차량이 적용가능한 속력 제한보다 (5 또는 10 mph와 같은) 어떤 양 초과이거나 적용가능한 속력 제한보다 (10 또는 15 퍼센트와 같은) 어떤 백분율 초과가 아니면, 과속의 표시를 생성하지 않을 수 있다.
[0157]
다양한 구현예들에서, 하나 이상의 제1 디바이스들은 제1 위치에서 및/또는 제1 시간에 차량이 보이는 제1 다수의 위험한 운전 속성들을 식별할 수 있고, 하나 이상의 제2 디바이스들은 제2 위치에서 및/또는 제2 시간에 차량이 보이는 제2 다수의 위험한 운전 속성들을 식별할 수 있다. 즉, 일부 양태들에서, 하나 이상의 제1 디바이스들은 하나 이상의 제2 디바이스들과는 상이한 위치에 포지셔닝될 수 있다. 일부 구현예들에서, 제2 다수의 위험한 운전 속성들은 제1 다수의 위험한 운전 속성들의 식별에 기초하여 분석될 수 있다. 예를 들어, 시스템이 하나 이상의 제1 디바이스들에 의해 제1 위치 및/또는 제1 시간에 관찰되는 차량의 다수의 개개의 위험한 운전 속성들을 식별하는 경우에, 시스템은 개개의 위험한 운전 속성들 중의 임의의 운전 속성이 또한, 하나 이상의 제2 디바이스들에 의해 제2 위치에서 및/또는 제2 시간에 관찰되었는지 여부를 결정할 수 있다.
[0158]
일부 구현예들에서, 차량의 위험한 운전 속성들 중의 하나 이상은 다른 차량에 의해 계속적으로 캡처되거나 제공될 수 있다. 예를 들어, 일부 사례들에서, 센서들, 컴퓨터 비전, 및/또는 모바일 컴퓨팅 디바이스들(190)을 휴대하는 승객들이 구비된 다른 차량은 다른 차량에 의해 캡처되는 이미지들 및/또는 비디오가 시스템으로 송신될 수 있는 특정한 거리 또는 시간 기간에 대하여 차량을 따를 수 있다. 시스템은 차량의 관찰된 운전 거동이 위험한 운전 속성들 중의 하나 이상을 보이는지 여부를 결정하기 위하여 수신된 이미지들 및/또는 비디오를 분석하거나 프로세싱할 수 있다.
[0159]
도 9는 일부 구현예들에 따른, 차량의 하나 이상의 운전 점수들을 조절하기 위한 예시적인 동작(900)을 묘사하는 흐름도를 도시한다. 다양한 구현예들에서, 동작(900)은 도 4의 운전 검출 시스템(400)에 의해 수행될 수 있다. 일부 사례들에서, 동작(900)은 도 8의 블록(804)에서 불만족스러운 운전의 표시를 생성한 후에 수행될 수 있다. 예를 들어, 블록(902)에서, 시스템은 식별된 위험한 운전 속성들 중의 임의의 운전 속성이 차량의 운전 거동에서 더 이상 관찰되지 않는지 여부를 결정할 수 있다. 블록(904)에서, 시스템은 결정에 기초하여 하나 이상의 운전 점수들을 조절할 수 있다.
[0160]
도 10은 일부 구현예들에 따른, 차량의 불만족스러운 운전 거동의 보고를 생성하기 위한 예시적인 동작(1000)을 묘사하는 흐름도를 도시한다. 다양한 구현예들에서, 동작(1000)은 도 4의 운전 검출 시스템(400)에 의해 수행될 수 있다. 일부 사례들에서, 동작(1000)은 도 8의 블록(804)에서 불만족스러운 운전의 표시를 생성한 후에 수행될 수 있다. 블록(1002)에서, 시스템은 시간 기간 동안에 식별되는 위험한 운전 속성들의 수를 표시하는 보고를 생성할 수 있다. 블록(1004)에서, 시스템은 보고를 하나 이상의 엔티티들에 제공할 수 있다. 논의된 바와 같이, 일부 양태들에서, 하나 이상의 엔티티들은 차량의 인간 운전자, 차량의 인간 승객, 차량의 소유자, 차량의 보험회사, 차량의 헤드-업 디스플레이, 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 또는 하나 이상의 다른 차량들 중의 적어도 하나를 포함할 수 있다.
[0161]
도 11은 일부 구현예들에 따른, 차량에 의해 야기된 사고들 또는 부상들의 가능성들을 결정하기 위한 예시적인 동작(1100)을 묘사하는 흐름도를 도시한다. 다양한 구현예들에서, 동작(1100)은 도 4의 운전 검출 시스템(400)에 의해 수행될 수 있다. 일부 사례들에서, 동작(1100)은 도 6의 동작(600) 이전, 그 동안, 또는 그후의 임의의 시간에 수행될 수 있다. 예를 들어, 블록(1102)에서, 시스템은 수신된 관찰들에 기초하여, 차량이 차량 사고에 관여될 가능성, 차량이 차량의 동승자들에 대한 부상을 야기시킬 가능성, 차량이 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성, 또는 이들의 임의의 조합을 결정할 수 있다. 블록(1102)에서, 시스템은 결정된 가능성을 하나 이상의 엔티티들에 제공할 수 있다. 논의된 바와 같이, 일부 양태들에서, 하나 이상의 엔티티들은 차량의 인간 운전자, 차량의 인간 승객, 차량의 소유자, 차량의 보험회사, 차량의 헤드-업 디스플레이, 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 또는 하나 이상의 다른 차량들 중의 적어도 하나를 포함할 수 있다.
[0162]
도 12는 일부 구현예들에 따른, 차량이 속력 제한을 초과하였는지 여부를 결정하기 위한 예시적인 동작(1200)을 묘사하는 흐름도를 도시한다. 다양한 구현예들에서, 동작(1200)은 도 4의 운전 검출 시스템(400)에 의해 수행될 수 있다. 일부 사례들에서, 동작(1200)은 도 6의 블록(606)에서 불만족스러운 운전의 표시를 제공하기 이전의 임의의 적당한 시간에 수행될 수 있다. 예를 들어, 블록(1202)에서, 시스템은 하나 이상의 제1 디바이스들로부터 시간 기간의 제1 부분 동안의 차량의 제1 속력의 제1 표시를 수신할 수 있다. 블록(1204)에서, 시스템은 하나 이상의 제2 디바이스들로부터 시간 기간의 제2 부분 동안의 차량의 제2 속력의 제2 표시를 수신할 수 있다. 블록(1206)에서, 시스템은 제1 및 제2 표시들에 기초하여, 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나, 시간의 지속기간 초과 동안에 속력 제한을 초과하였는지 여부를 결정할 수 있다.
[0163]
다양한 구현예들에서, 제1 표시는 하나 이상의 제1 디바이스들에 의해 캡처되거나 제공될 수 있고, 제2 표시는 하나 이상의 제2 디바이스들에 의해 캡처되거나 제공될 수 있다. 일부 구현예들에서, 하나 이상의 제1 디바이스들은 하나 이상의 제2 디바이스들과는 상이한 위치에 포지셔닝될 수 있다. 일부 사례들에서, 하나 이상의 제1 디바이스들은 하나 이상의 제2 디바이스들과 동일하거나 유사한 디바이스들일 수 있다. 일부 다른 사례들에서, 하나 이상의 제1 디바이스들은 하나 이상의 제2 디바이스들과는 상이한 디바이스들일 수 있다.
[0164]
일부 구현예들에서, 제1 표시 또는 제2 표시 중의 하나 이상은 다른 차량에 의해 캡처되거나 제공될 수 있다. 예를 들어, 일부 사례들에서, 센서들, 컴퓨터 비전, 및/또는 모바일 컴퓨팅 디바이스들(190)을 휴대하는 승객들이 구비된 다른 차량은 다른 차량에 의해 캡처되는 이미지들 및/또는 비디오가 운전 검출 시스템(110)으로 송신될 수 있는 특정한 거리 또는 시간 기간에 대하여 차량을 따를 수 있다. 운전 검출 시스템(110)은 제1 및 제2 표시들에 기초하여, 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나, 시간의 지속기간 초과 동안에 속력 제한을 초과하였는지 여부를 결정하기 위하여, 수신된 이미지들 및/또는 비디오를 분석하거나 프로세싱할 수 있다. 일부 다른 구현예들에서, 제1 표시는 제1 위치에 인접한 하나 이상의 제1 노변 센서들 또는 RSU들에 의해 캡처되거나 제공될 수 있고, 제2 표시는 제1 위치와는 상이한 제2 위치에 인접한 하나 이상의 제2 노변 센서들 또는 RSU들에 의해 캡처되거나 제공될 수 있다. 제1 및 제2 표시들은 검출 시스템(110)으로 송신될 수 있고, 검출 시스템(110)은 차량이 어떤 양 초과만큼 속력 제한을 초과하였는지, 또는 시간의 지속기간 초과 동안에 속력 제한을 초과하였는지 여부를 결정하기 위하여 표시들을 분석하거나 프로세싱할 수 있다.
[0165]
도 13은 일부 구현예들에 따른, 차량과 연관된 정정 액션들을 취하기 위한 예시적인 동작(1300)을 묘사하는 흐름도를 도시한다. 다양한 구현예들에서, 동작(1300)은 도 4의 운전 검출 시스템(400)에 의해 수행될 수 있다. 일부 사례들에서, 동작(1300)은 도 6의 동작(600) 동안의 임의의 적당한 시간에 수행될 수 있다. 일부 다른 사례들에서, 동작(1300)은 도 6의 동작(600) 후에 수행될 수 있다. 예를 들어, 블록(1302)에서, 시스템은 적어도 하나의 운전 점수가 임계 값을 초과하는 것으로 결정하는 것에 응답하여, 차량의 하나 이상의 동작들을 제한할 수 있다.
[0166]
다양한 구현예들에서, 하나 이상의 동작들은 차량의 속력을 제한하거나 게시된 속력 제한에 대한 어떤 양 또는 백분율 내의 속력으로 차량을 제한하는 것, 차량의 인포테인먼트 시스템의 하나 이상의 특징들을 디스에이블하거나 제한하는 것, 차량의 수동 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것, 차량의 자율 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것, 차량의 통행을 어떤 영역들로 또는 어떤 루트들을 따라 한정하는 것, 차량과 다른 차량들 사이의 간격들을 증가시킬 것을 차량에 요구하는 것, 차량이 목적지에 도달한 후의 시간 기간 동안에 차량을 디스에이블하는 것, 또는 이들의 임의의 조합을 포함할 수 있다.
[0167]
도 14는 일부 구현예들에 따른, 차량과 연관된 정정 액션들을 취하기 위한 또 다른 예시적인 동작(1400)을 묘사하는 흐름도를 도시한다. 다양한 구현예들에서, 동작(1400)은 도 4의 운전 검출 시스템(400)에 의해 수행될 수 있다. 일부 사례들에서, 동작(1400)은 도 6의 동작(600) 동안의 임의의 적당한 시간에 수행될 수 있다. 일부 다른 사례들에서, 동작(1400)은 도 6의 동작(600) 후에 수행될 수 있다. 예를 들어, 블록(1402)에서, 시스템은 적어도 하나의 운전 점수가 임계 값을 초과하는 것으로 결정하는 것에 응답하여, 차량으로부터 떨어져서 머무르거나 차량과 다른 차량들 사이의 거리들을 증가시킬 것을 다른 차량들에 명령할 수 있다.
[0168]
도 15는 일부 구현예들에 따른, 차량과 연관된 정정 액션들을 취하기 위한 또 다른 예시적인 동작(1500)을 묘사하는 흐름도를 도시한다. 다양한 구현예들에서, 동작(1500)은 도 4의 운전 검출 시스템(400)에 의해 수행될 수 있다. 일부 사례들에서, 동작(1500)은 도 6의 동작(600) 동안의 임의의 적당한 시간에 수행될 수 있다. 일부 다른 사례들에서, 동작(1500)은 도 6의 동작(600) 후에 수행될 수 있다. 예를 들어, 블록(1502)에서, 시스템은 적어도 하나의 운전 점수가 임계 값을 초과하는 것으로 결정하는 것에 응답하여, 차량에 초점을 맞출 것을 하나 이상의 노변 카메라들 또는 노변 센서들에 명령할 수 있다.
[0169]
구현 예들은 다음의 번호부여된 조항들에서 설명된다:
1. 시스템으로서,
하나 이상의 트랜시버들; 및
하나 이상의 트랜시버들에 결합된 하나 이상의 프로세서들을 포함하고, 하나 이상의 프로세서들은,
시간 기간 동안의 차량의 운전 거동의 관찰들에 기초하여 차량에 대한 하나 이상의 운전 점수들을 결정하도록,
하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성하도록, 그리고
불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공하도록 동작가능하게 구성되는, 시스템.
2. 조항 1의 시스템에 있어서, 차량은 자율 차량, 반-자율 차량, 승객 서비스를 위하여 구성된 자율 차량, 또는 인간 운전자에 의해 동작되고 ADAS(advanced driver assistance system)가 구비된 차량을 포함하는, 시스템.
3. 조항 1 내지 2 중 임의의 하나 이상의 조항의 시스템에 있어서, 하나 이상의 엔티티들은 차량의 인간 운전자, 차량의 인간 승객, 차량의 소유자, 차량의 보험회사, 차량의 헤드-업 디스플레이, 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 또는 하나 이상의 다른 차량들 중의 적어도 하나를 포함하는, 시스템.
4. 조항 1 내지 3 중 임의의 하나 이상의 조항의 시스템에 있어서, 불만족스러운 운전의 표시는 하나 이상의 운전 점수들이 시간 기간의 일정 부분 또는 백분율 초과 동안에 임계 값을 초과하는 경우에만 생성되는, 시스템.
5. 조항 1 내지 4 중 임의의 하나 이상의 조항의 시스템에 있어서, 하나 이상의 트랜시버들은 5G NR(Fifth Generation New Radio) 시스템의 PDSCH(physical downlink shared channel), 5G NR 시스템의 V2X(vehicle-to-everything) 채널, 5G NR 시스템의 V2I(vehicle-to-infrastructure) 채널, 4G RAN(Fourth Generation Radio Access Network), 비허가된 주파수 대역, P2P(peer-to-peer) 통신 링크, DSRC(dedicated short range communication) 채널, WLAN(wireless local area network), 또는 이들의 임의의 조합을 통해 하나 이상의 디바이스들로부터 관찰들을 수신하도록 구성되는, 시스템.
6. 조항 5의 시스템에 있어서, 하나 이상의 디바이스들은 노변 카메라들, 노변 센서들, 하나 이상의 다른 차량들의 컴퓨터 비전 시스템들, LIDAR 디바이스들, RADAR 디바이스들, 하나 이상의 보행자들의 모바일 컴퓨팅 디바이스들, 하나 이상의 다른 차량들의 동승자들의 모바일 컴퓨팅 디바이스들, 차량과 연관된 마이크로폰, 또는 이들의 임의의 조합 중의 적어도 하나를 포함하는, 시스템.
7. 조항 5의 시스템에 있어서, 하나 이상의 프로세서들은 추가로,
하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 교통 표지들을 무시하거나 교통 법률들을 위반하는 것의 각각의 발생을 식별하도록, 그리고
시간 기간 동안의 식별된 발생들의 수가 임계 수를 초과하는 것에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성하도록 동작가능하게 구성되는, 시스템.
8. 조항 5의 시스템에 있어서, 하나 이상의 프로세서들은 추가로,
하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 보이는 하나 이상의 위험한 운전 속성들을 식별하도록, 그리고
식별된 위험한 운전 속성들에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성하도록 동작가능하게 구성되는, 시스템.
9. 조항 8의 시스템에 있어서, 불만족스러운 운전의 표시는 시간 기간 동안에 식별되는 위험한 운전 속성들의 수가 어떤 양 또는 백분율 초과만큼 임계 수를 초과하는 경우에만 생성되는, 시스템.
10. 조항 8 내지 9 중 임의의 하나 이상의 조항의 시스템에 있어서, 하나 이상의 위험한 운전 속성들은 일정 수의 사례들을 초과하여 제동하는 것, 차선 내에서 급선회하는 것, 제2 수의 사례들을 초과하여 차선들을 변경하는 것, 다수의 차선 경계들을 횡단하는 것, 다른 차량에 헤드라이트들을 번쩍이는 것, 다른 차량을 바짝 따라가는 것, 다른 차량으로부터 일정 거리 미만으로 차량을 운전하는 것, 또는 차량의 인간 운전자의 부주의 중의 적어도 하나를 포함하는, 시스템.
11. 조항 8의 시스템에 있어서, 하나 이상의 프로세서들은 추가로,
식별된 위험한 운전 속성들 중의 임의의 운전 속성이 차량의 운전 거동에서 더 이상 관찰되지 않는지 여부를 결정하도록, 그리고
결정에 기초하여 하나 이상의 운전 점수들을 조절하도록 동작가능하게 구성되는, 시스템.
12. 조항 8의 시스템에 있어서, 하나 이상의 프로세서들은 추가로,
시간 기간 동안에 식별되는 위험한 운전 속성들의 수를 표시하는 보고를 생성하도록, 그리고
보고를 하나 이상의 엔티티들에 제공하도록 동작가능하게 구성되는, 시스템.
13. 조항 1 내지 12 중 임의의 하나 이상의 조항의 시스템에 있어서, 하나 이상의 프로세서들은 추가로,
하나 이상의 제1 디바이스들로부터 시간 기간의 제1 부분 동안의 차량의 제1 속력의 제1 표시를 수신하도록,
하나 이상의 제2 디바이스들로부터 시간 기간의 제2 부분 동안의 차량의 제2 속력의 제2 표시를 수신하도록, 그리고
제1 및 제2 표시들에 기초하여, 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나, 시간의 지속기간 초과 동안에 속력 제한을 초과하였는지 여부를 결정하도록 동작가능하게 구성되는, 시스템.
14. 조항 13의 시스템에 있어서, 불만족스러운 운전의 표시의 생성은, 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나 시간의 지속기간 초과 동안에 속력 제한을 초과하였다는 결정에 적어도 부분적으로 기초하는, 시스템.
15. 조항 1 내지 14 중 임의의 하나 이상의 조항의 시스템에 있어서, 하나 이상의 프로세서들은 추가로,
수신된 관찰들에 기초하여, 차량이 차량 사고에 관여될 가능성, 차량이 차량의 동승자들에 대한 부상을 야기시킬 가능성, 차량이 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성, 또는 이들의 임의의 조합을 결정하도록, 그리고
결정된 가능성을 하나 이상의 엔티티들에 제공하도록 동작가능하게 구성되는, 시스템.
16. 차량의 하나 이상의 운전 특성들을 결정하는 방법으로서,
시간 기간 동안의 차량의 운전 거동의 관찰들에 기초하여 차량에 대한 하나 이상의 운전 점수들을 결정하는 단계;
하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성하는 단계; 및
불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공하는 단계를 포함하는, 방법.
17. 조항 16의 방법에 있어서, 차량은 자율 차량, 반-자율 차량, 승객 서비스를 위하여 구성된 자율 차량, 또는 인간 운전자에 의해 동작되고 ADAS(advanced driver assistance system)가 구비된 차량 중의 하나인, 방법.
18. 조항 16 내지 17 중 임의의 하나 이상의 조항의 방법에 있어서, 하나 이상의 엔티티들은 차량의 인간 운전자, 차량의 인간 승객, 차량의 소유자, 차량의 보험회사, 차량의 헤드-업 디스플레이, 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 또는 하나 이상의 다른 차량들 중의 적어도 하나를 포함하는, 방법.
19. 조항 16 내지 18 중 임의의 하나 이상의 조항의 방법에 있어서, 불만족스러운 운전의 표시는 하나 이상의 운전 점수들이 시간 기간의 일정 부분 또는 백분율 초과 동안에 임계 값을 초과하는 경우에만 생성되는, 방법.
20. 조항 16 내지 19 중 임의의 하나 이상의 조항의 방법에 있어서, 관찰들은 노변 카메라들, 노변 센서들, 하나 이상의 다른 차량들의 컴퓨터 비전 시스템들, LIDAR 디바이스들, RADAR 디바이스들, 하나 이상의 보행자들의 모바일 컴퓨팅 디바이스들, 하나 이상의 다른 차량들의 동승자들의 모바일 컴퓨팅 디바이스들, 차량과 연관된 마이크로폰, 또는 이들의 임의의 조합 중의 적어도 하나를 포함하는 하나 이상의 디바이스들로부터 수신되는, 방법.
21. 조항 20의 방법에 있어서, 방법은,
하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 교통 표지들을 무시하거나 교통 법률들을 위반하는 것의 각각의 발생을 식별하는 단계; 및
시간 기간 동안의 식별된 발생들의 수가 임계 수를 초과하는 것에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성하는 단계를 더 포함하는, 방법.
22. 조항 20의 방법에 있어서, 방법은,
하나 이상의 디바이스들로부터 수신되는 관찰들에 기초하여 시간 기간 동안에 차량이 보이는 하나 이상의 위험한 운전 속성들을 식별하는 단계; 및
식별된 위험한 운전 속성들에 적어도 부분적으로 기초하여 불만족스러운 운전의 표시를 생성하는 단계를 더 포함하는, 방법.
23. 조항 22의 방법에 있어서, 불만족스러운 운전의 표시는 시간 기간 동안에 식별되는 위험한 운전 속성들의 수가 어떤 양 또는 백분율 초과만큼 임계 수를 초과하는 경우에만 생성되는, 방법.
24. 조항 22 내지 23 중 임의의 하나 이상의 조항의 방법에 있어서, 하나 이상의 위험한 운전 속성들은 일정 수의 사례들을 초과하여 제동하는 것, 차선 내에서 급선회하는 것, 제2 수의 사례들을 초과하여 차선들을 변경하는 것, 다수의 차선 경계들을 횡단하는 것, 다른 차량에 헤드라이트들을 번쩍이는 것, 다른 차량을 바짝 따라가는 것, 다른 차량으로부터 일정 거리 미만으로 차량을 운전하는 것, 또는 차량의 인간 운전자의 부주의 중의 적어도 하나를 포함하는, 방법.
25. 조항 22의 방법에 있어서, 방법은,
식별된 위험한 운전 속성들 중의 임의의 운전 속성이 차량의 운전 거동에서 더 이상 관찰되지 않는지 여부를 결정하는 단계; 및
결정에 기초하여 하나 이상의 운전 점수들을 조절하는 단계를 더 포함하는, 방법.
26. 조항 25의 방법에 있어서, 방법은,
시간 기간 동안에 식별되는 위험한 운전 속성들의 수를 표시하는 보고를 생성하는 단계; 및
보고를 하나 이상의 엔티티들에 제공하는 단계를 더 포함하는, 방법.
27. 조항 16 내지 26 중 임의의 하나 이상의 조항의 방법에 있어서, 방법은,
하나 이상의 제1 디바이스들로부터 시간 기간의 제1 부분 동안의 차량의 제1 속력의 제1 표시를 수신하는 단계;
하나 이상의 제2 디바이스들로부터 시간 기간의 제2 부분 동안의 차량의 제2 속력의 제2 표시를 수신하는 단계; 및
제1 및 제2 표시들에 기초하여, 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나, 시간의 지속기간 초과 동안에 속력 제한을 초과하였는지 여부를 결정하는 단계를 더 포함하는, 방법.
28. 조항 16 내지 27 중 임의의 하나 이상의 조항의 방법에 있어서, 방법은,
수신된 관찰들에 기초하여, 차량이 차량 사고에 관여될 가능성, 차량이 차량의 동승자들에 대한 부상을 야기시킬 가능성, 차량이 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성, 또는 이들의 임의의 조합을 결정하는 단계; 및
결정된 가능성을 하나 이상의 엔티티들에 제공하는 단계를 더 포함하는, 방법.
29. 시스템으로서,
시간 기간 동안의 차량의 운전 거동의 관찰들에 기초하여 차량에 대한 하나 이상의 운전 점수들을 결정하기 위한 수단;
하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성하기 위한 수단; 및
불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공하기 위한 수단을 포함하는, 시스템.
30. 컴퓨터 실행가능 코드를 저장하는 비-일시적 컴퓨터-판독가능 매체로서, 컴퓨터 실행가능 코드는, 시스템의 하나 이상의 프로세서들에 의해 실행될 때, 시스템으로 하여금,
시간 기간 동안의 차량의 운전 거동의 관찰들에 기초하여 차량에 대한 하나 이상의 운전 점수들을 결정하는 것;
하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성하는 것; 및
불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공하는 것을 포함하는 동작들을 수행하게 하는, 비-일시적 컴퓨터-판독가능 매체.
31. 조항 1 내지 15 중 임의의 하나 이상의 조항의 시스템에 있어서, 하나 이상의 프로세서들은 추가로,
적어도 하나의 운전 점수가 임계 값을 초과하는 것으로 결정하는 것에 응답하여, 차량의 하나 이상의 동작들을 제한하도록 동작가능하게 구성되는, 시스템.
32. 조항 31의 시스템에 있어서, 상기 하나 이상의 동작들은 차량의 속력을 제한하는 것, 또는 게시된 속력 제한보다 어떤 양 또는 백분율 내의 속력으로 차량을 제한하는 것을 포함하는, 시스템.
33. 조항 32의 시스템에 있어서, 하나 이상의 동작들은 차량의 인포테인먼트 시스템의 하나 이상의 특징들을 디스에이블하거나 제한하는 것을 포함하는, 시스템.
34. 조항 32의 시스템에 있어서, 하나 이상의 동작들은 차량의 수동 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것을 포함하는, 시스템.
35. 조항 32의 시스템에 있어서, 하나 이상의 동작들은 차량의 자율 운전 모드의 하나 이상의 특징들을 디스에이블하거나 한정하는 것을 포함하는, 시스템.
36. 조항 32의 시스템에 있어서, 하나 이상의 동작들은 차량의 통행을 어떤 영역들로 또는 어떤 루트들을 따라 한정하는 것을 포함하는, 시스템.
37. 조항 32의 시스템에 있어서, 하나 이상의 동작들은 차량과 다른 차량들 사이의 간격을 증가시킬 것을 차량에 요구하는 것을 포함하는, 시스템.
38. 조항 32의 시스템에 있어서, 하나 이상의 동작들은 차량이 목적지에 도달한 후의 시간 기간 동안에 차량을 디스에이블하는 것을 포함하는, 시스템.
39. 조항 1 내지 15 중 임의의 하나 이상의 조항의 시스템에 있어서, 하나 이상의 프로세서들은 추가로,
적어도 하나의 운전 점수가 임계 값을 초과하는 것으로 결정하는 것에 응답하여, 차량으로부터 떨어져서 머무르거나 차량과 다른 차량들 사이의 거리들을 증가시킬 것을 다른 차량들에 명령하도록 동작가능하게 구성되는, 시스템.
40. 조항 1 내지 15 중 임의의 하나 이상의 조항의 시스템에 있어서, 하나 이상의 프로세서들은 추가로,
적어도 하나의 운전 점수가 임계 값을 초과하는 것으로 결정하는 것에 응답하여, 차량에 초점을 맞출 것을 하나 이상의 노변 카메라들 또는 노변 센서들에 명령하도록 동작가능하게 구성되는, 시스템.
[0170]
본원에서 이용된 바와 같이, 항목들의 리스트 중의 "적어도 하나" 를 지칭하는 어구는 단일 부재들을 포함하는 그러한 항목들의 임의의 조합을 지칭한다. 일 예로서, "a, b, 또는 c 중의 적어도 하나" 는 a, b, c, a-b, a-c, b-c, 및 a-b-c 를 커버하도록 의도된다.
[0171]
본원에서 개시된 구현예들과 관련하여 설명된 다양한 예시적인 로직들, 논리적 블록들, 모듈들, 회로들, 및 알고리즘 프로세스들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 둘 모두의 조합들로서 구현될 수 있다. 하드웨어 및 소프트웨어의 상호교환가능성은 기능성의 측면들에서 일반적으로 설명되었고, 위에서 설명된 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들, 및 프로세스들에서 예시되었다. 이러한 기능성이 하드웨어 또는 소프트웨어로 구현되는지 여부는 특정한 애플리케이션, 및 전체적인 시스템에 대해 부과된 설계 제약들에 종속된다.
[0172]
본원에서 개시된 양태들과 관련하여 설명된 다양한 예시적인 로직들, 논리적 블록들, 모듈들, 및 회로들을 구현하기 위하여 이용된 하드웨어 및 데이터 프로세싱 장치는 범용 단일-칩 또는 멀티-칩 프로세서, DSP(digital signal processor), ASIC(application specific integrated circuit), FPGA(field programmable gate array) 또는 다른 프로그래밍가능 로직 디바이스, 개별 게이트 또는 트랜지스터 로직, 개별 하드웨어 컴포넌트들, 또는 본원에서 설명된 기능들을 수행하도록 설계된 그들의 임의의 조합으로 구현될 수 있거나 수행될 수 있다. 범용 프로세서는 마이크로프로세서, 또는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수 있다. 프로세서는 또한 컴퓨팅 디바이스들의 조합, 예를 들어 DSP 및 마이크로프로세서의 조합, 복수의 마이크로프로세서들, DSP 코어와 결합된 하나 이상의 마이크로프로세서들, 또는 임의의 다른 이러한 구성으로서 구현될 수 있다. 일부 구현예들에서, 특정한 프로세스들 및 방법들은 주어진 기능에 특정적인 회로부에 의해 수행될 수 있다.
[0173]
하나 이상의 양태들에서, 설명된 기능들은 이 명세서에서 개시된 구조들 및 그들의 구조적 등가물들을 포함하는, 하드웨어, 디지털 전자 회로부, 컴퓨터 소프트웨어, 펌웨어로, 또는 그들의 임의의 조합으로 구현될 수 있다. 이 명세서에서 설명된 발명 요지의 구현예들은 또한, 하나 이상의 컴퓨터 프로그램들, 즉, 데이터 프로세싱 장치에 의한 실행을 위하여, 또는 데이터 프로세싱 장치의 동작을 제어하기 위하여, 컴퓨터 저장 매체들 상에서 인코딩된 컴퓨터 프로그램 명령들의 하나 이상의 모듈들로서 구현될 수 있다.
[0174]
소프트웨어로 구현되는 경우에, 기능들은 컴퓨터-판독가능 매체 상의 하나 이상의 명령들 또는 코드로서, 컴퓨터-판독가능한 매체 상에 저장될 수 있거나, 컴퓨터-판독가능한 매체 상에서 송신될 수 있다. 본 명세서에서 개시된 방법 또는 알고리즘의 프로세스들은, 컴퓨터-판독가능 매체 상에 상주할 수 있는 프로세서-실행가능 소프트웨어 모듈로 구현될 수 있다. 컴퓨터-판독가능 매체들은, 하나의 장소로부터 또 다른 장소로 컴퓨터 프로그램을 전송하는 것을 가능하게 될 수 있는 임의의 매체를 포함하는 컴퓨터 저장 매체들 및 통신 매체들의 둘 모두를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용가능한 매체들일 수 있다. 제한이 아닌 예로서, 이러한 컴퓨터-판독가능 매체들은 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 저장부, 자기 디스크 저장부 또는 다른 자기 저장 디바이스들, 또는 명령들 또는 데이터 구조들의 형태로 원하는 프로그램 코드를 저장하는데 사용될 수 있고, 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속은 컴퓨터-판독가능 매체로 적절하게 칭해질 수 있다. 본원에서 이용된 바와 같은 디스크(disk) 및 디스크(disc)는 CD(compact disc) 레이저 디스크(laser disc), 광학 디스크(optical disc), DVD(digital versatile disc), 플로피 디스크(floppy disk), 및 블루-레이 디스크(Blu-ray disc)를 포함하지만, 여기서, 디스크(disk)들은 통상적으로 데이터를 자기적으로 재생하는 반면, 디스크(disc)들은 레이저들로 광학적으로 데이터를 재생한다. 상기의 조합들은 또한, 컴퓨터-판독가능 매체들의 범위 내에 포함되어야 한다. 추가적으로, 방법 또는 알고리즘의 동작들은, 컴퓨터 프로그램 제품으로 통합될 수 있는 머신 판독가능 매체 및 컴퓨터-판독가능 매체 상의 코드들 및/또는 명령들의 하나 또는 임의의 조합 또는 세트로서 상주할 수 있다.
[0175]
이 개시내용에서 설명된 구현예들에 대한 다양한 수정들은 본 기술분야에서의 통상의 기술자들에게 용이하게 명백할 수 있고, 본원에서 정의된 일반적인 원리들은 이 개시내용의 사상 또는 범위로부터 이탈하지 않으면서 다른 구현예들에 적용될 수 있다. 따라서, 청구항들은 본원에서 도시된 구현예들로 제한되도록 의도된 것이 아니라, 본원에서 개시된 이 개시내용, 원리들, 및 신규한 특징들과 부합하는 가장 넓은 범위를 따르도록 의도된 것이다.
Claims (30)
- 시스템으로서,
하나 이상의 트랜시버들; 및
상기 하나 이상의 트랜시버들에 결합된 하나 이상의 프로세서들을 포함하고, 상기 하나 이상의 프로세서들은,
시간 기간 동안의 차량의 운전 거동의 관찰들에 기초하여 상기 차량에 대한 하나 이상의 운전 점수들을 결정하도록;
상기 하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성하도록; 그리고
상기 불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공하도록
동작가능하게 구성되는,
시스템. - 제1 항에 있어서,
상기 차량은 자율 차량, 반-자율 차량, 승객 서비스를 위하여 구성된 자율 차량, 또는 인간 운전자에 의해 동작되고 ADAS(advanced driver assistance system)가 구비된 차량을 포함하는, 시스템. - 제1 항에 있어서,
상기 하나 이상의 엔티티들은 상기 차량의 인간 운전자, 상기 차량의 인간 승객, 상기 차량의 소유자, 상기 차량의 보험회사, 상기 차량의 헤드-업 디스플레이, 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 또는 하나 이상의 다른 차량들 중의 적어도 하나를 포함하는, 시스템. - 제1 항에 있어서,
상기 불만족스러운 운전의 표시는 상기 하나 이상의 운전 점수들이 상기 시간 기간의 일정 부분 또는 백분율 초과 동안에 상기 임계 값을 초과하는 경우에만 생성되는, 시스템. - 제1 항에 있어서,
상기 하나 이상의 트랜시버들은 5G NR(Fifth Generation New Radio) 시스템의 PDSCH(physical downlink shared channel), 5G NR 시스템의 V2X(vehicle-to-everything) 채널, 5G NR 시스템의 V2I(vehicle-to-infrastructure) 채널, 4G RAN(Fourth Generation Radio Access Network), 비허가된 주파수 대역, P2P(peer-to-peer) 통신 링크, DSRC(dedicated short range communication) 채널, WLAN(wireless local area network), 또는 이들의 임의의 조합을 통해 하나 이상의 디바이스들로부터 관찰들을 수신하도록 구성되는, 시스템. - 제5 항에 있어서,
상기 하나 이상의 디바이스들은 노변 카메라들, 노변 센서들, 하나 이상의 다른 차량들의 컴퓨터 비전 시스템들, LIDAR 디바이스들, RADAR 디바이스들, 하나 이상의 보행자들의 모바일 컴퓨팅 디바이스들, 하나 이상의 다른 차량들의 동승자들의 모바일 컴퓨팅 디바이스들, 상기 차량과 연관된 마이크로폰, 또는 이들의 임의의 조합 중의 적어도 하나를 포함하는, 시스템. - 제5 항에 있어서,
상기 하나 이상의 프로세서들은 추가로,
상기 하나 이상의 디바이스들로부터 수신되는 상기 관찰들에 기초하여 상기 시간 기간 동안에 상기 차량이 교통 표지들을 무시하거나 교통 법률들을 위반하는 것의 각각의 발생을 식별하도록; 그리고
상기 시간 기간 동안의 식별된 발생들의 수가 임계 수를 초과하는 것에 적어도 부분적으로 기초하여 상기 불만족스러운 운전의 표시를 생성하도록 동작가능하게 구성되는, 시스템. - 제5 항에 있어서,
상기 하나 이상의 프로세서들은 추가로,
상기 하나 이상의 디바이스들로부터 수신되는 상기 관찰들에 기초하여 상기 시간 기간 동안에 상기 차량이 보이는 하나 이상의 위험한 운전 속성들을 식별하도록; 그리고
상기 식별된 위험한 운전 속성들에 적어도 부분적으로 기초하여 상기 불만족스러운 운전의 표시를 생성하도록 동작가능하게 구성되는, 시스템. - 제8 항에 있어서,
상기 불만족스러운 운전의 표시는 상기 시간 기간 동안에 식별되는 상기 위험한 운전 속성들의 수가 어떤 양 또는 백분율 초과만큼 임계 수를 초과하는 경우에만 생성되는, 시스템. - 제8 항에 있어서,
상기 하나 이상의 위험한 운전 속성들은 일정 수의 사례들을 초과하여 제동하는 것, 차선 내에서 급선회하는 것, 제2 수의 사례들을 초과하여 차선들을 변경하는 것, 다수의 차선 경계들을 횡단하는 것, 다른 차량에 헤드라이트들을 번쩍이는 것, 다른 차량을 바짝 따라가는 것, 다른 차량으로부터 일정 거리 미만으로 차량을 운전하는 것, 또는 상기 차량의 인간 운전자의 부주의 중의 적어도 하나를 포함하는, 시스템. - 제8 항에 있어서,
상기 하나 이상의 프로세서들은 추가로,
상기 식별된 위험한 운전 속성들 중의 임의의 운전 속성이 상기 차량의 운전 거동에서 더 이상 관찰되지 않는지 여부를 결정하도록; 그리고,
상기 결정에 기초하여 상기 하나 이상의 운전 점수들을 조절하도록 동작가능하게 구성되는, 시스템. - 제8 항에 있어서,
상기 하나 이상의 프로세서들은 추가로,
상기 시간 기간 동안에 식별되는 상기 위험한 운전 속성들의 수를 표시하는 보고를 생성하도록, 그리고
상기 보고를 상기 하나 이상의 엔티티들에 제공하도록 동작가능하게 구성되는, 시스템. - 제1 항에 있어서,
상기 하나 이상의 프로세서들은 추가로,
하나 이상의 제1 디바이스들로부터 상기 시간 기간의 제1 부분 동안의 상기 차량의 제1 속력의 제1 표시를 수신하도록;
하나 이상의 제2 디바이스들로부터 상기 시간 기간의 제2 부분 동안의 상기 차량의 제2 속력의 제2 표시를 수신하도록; 그리고
상기 제1 및 제2 표시들에 기초하여, 상기 차량이 어떤 양 초과만큼 속력 제한을 초과하였는지, 또는 시간의 지속기간 초과 동안에 속력 제한을 초과하였는지를 결정하도록 동작가능하게 구성되는, 시스템. - 제13 항에 있어서,
상기 불만족스러운 운전의 표시의 생성은, 상기 차량이 어떤 양 초과만큼 속력 제한을 초과하였거나 또는 시간의 지속기간 초과 동안에 속력 제한을 초과하였다는 결정에 적어도 부분적으로 기초하는, 시스템. - 제1 항에 있어서,
상기 하나 이상의 프로세서들은 추가로,
수신된 관찰들에 기초하여, 상기 차량이 차량 사고에 관여될 가능성, 상기 차량이 상기 차량의 동승자들에 대한 부상을 야기시킬 가능성, 상기 차량이 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성, 또는 이들의 임의의 조합을 결정하도록; 그리고
상기 결정된 가능성을 상기 하나 이상의 엔티티들에 제공하도록 동작가능하게 구성되는, 시스템. - 차량의 하나 이상의 운전 특성들을 결정하는 방법으로서,
시간 기간 동안의 상기 차량의 운전 거동의 관찰들에 기초하여 상기 차량에 대한 하나 이상의 운전 점수들을 결정하는 단계;
상기 하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성하는 단계; 및
상기 불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공하는 단계를 포함하는, 차량의 하나 이상의 운전 특성들을 결정하는 방법. - 제16 항에 있어서,
상기 차량은 자율 차량, 반-자율 차량, 승객 서비스를 위하여 구성된 자율 차량, 또는 인간 운전자에 의해 동작되고 ADAS(advanced driver assistance system)가 구비된 차량을 포함하는, 차량의 하나 이상의 운전 특성들을 결정하는 방법. - 제16 항에 있어서,
상기 하나 이상의 엔티티들은 상기 차량의 인간 운전자, 상기 차량의 인간 승객, 상기 차량의 소유자, 상기 차량의 보험회사, 상기 차량의 헤드-업 디스플레이, 법률 집행 기관, 하나 이상의 경찰 차량들, 정부 모터 차량 기관, 또는 하나 이상의 다른 차량들 중의 적어도 하나를 포함하는, 차량의 하나 이상의 운전 특성들을 결정하는 방법. - 제16 항에 있어서,
상기 불만족스러운 운전의 표시는 상기 하나 이상의 운전 점수들이 상기 시간 기간의 일정 부분 또는 백분율 초과 동안에 상기 임계 값을 초과하는 경우에만 생성되는, 차량의 하나 이상의 운전 특성들을 결정하는 방법. - 제16 항에 있어서,
상기 관찰들은 노변 카메라들, 노변 센서들, 하나 이상의 다른 차량들의 컴퓨터 비전 시스템들, LIDAR 디바이스들, RADAR 디바이스들, 하나 이상의 보행자들의 모바일 컴퓨팅 디바이스들, 하나 이상의 다른 차량들의 동승자들의 모바일 컴퓨팅 디바이스들, 상기 차량과 연관된 마이크로폰, 또는 이들의 임의의 조합 중의 적어도 하나를 포함하는 하나 이상의 디바이스들로부터 수신되는, 차량의 하나 이상의 운전 특성들을 결정하는 방법. - 제20 항에 있어서,
상기 하나 이상의 디바이스들로부터 수신되는 상기 관찰들에 기초하여 상기 시간 기간 동안에 상기 차량이 교통 표지들을 무시하거나 교통 법률들을 위반하는 것의 각각의 발생을 식별하는 단계; 및
상기 시간 기간 동안의 식별된 발생들의 수가 임계 수를 초과하는 것에 적어도 부분적으로 기초하여 상기 불만족스러운 운전의 표시를 생성하는 단계를 더 포함하는, 차량의 하나 이상의 운전 특성들을 결정하는 방법. - 제20 항에 있어서,
상기 하나 이상의 디바이스들로부터 수신되는 상기 관찰들에 기초하여 상기 시간 기간 동안에 상기 차량이 보이는 하나 이상의 위험한 운전 속성들을 식별하는 단계; 및
상기 식별된 위험한 운전 속성들에 적어도 부분적으로 기초하여 상기 불만족스러운 운전의 표시를 생성하는 단계를 더 포함하는, 차량의 하나 이상의 운전 특성들을 결정하는 방법. - 제22 항에 있어서,
상기 불만족스러운 운전의 표시는 상기 시간 기간 동안에 식별되는 상기 위험한 운전 속성들의 수가 어떤 양 또는 백분율 초과만큼 임계 수를 초과하는 경우에만 생성되는, 차량의 하나 이상의 운전 특성들을 결정하는 방법. - 제22 항에 있어서,
상기 하나 이상의 위험한 운전 속성들은 일정 수의 사례들을 초과하여 제동하는 것, 차선 내에서 급선회하는 것, 제2 수의 사례들을 초과하여 차선들을 변경하는 것, 다수의 차선 경계들을 횡단하는 것, 다른 차량에 헤드라이트들을 번쩍이는 것, 다른 차량을 바짝 따라가는 것, 다른 차량으로부터 일정 거리 미만으로 차량을 운전하는 것, 또는 상기 차량의 인간 운전자의 부주의 중의 적어도 하나를 포함하는, 차량의 하나 이상의 운전 특성들을 결정하는 방법. - 제22 항에 있어서,
상기 식별된 위험한 운전 속성들 중의 임의의 운전 속성이 상기 차량의 운전 거동에서 더 이상 관찰되지 않는지 여부를 결정하는 단계; 및
상기 결정에 기초하여 상기 하나 이상의 운전 점수들을 조절하는 단계를 더 포함하는, 차량의 하나 이상의 운전 특성들을 결정하는 방법. - 제25 항에 있어서,
상기 시간 기간 동안에 식별되는 상기 위험한 운전 속성들의 수를 표시하는 보고를 생성하는 단계; 및
상기 보고를 상기 하나 이상의 엔티티들에 제공하는 단계를 더 포함하는, 차량의 하나 이상의 운전 특성들을 결정하는 방법. - 제16 항에 있어서,
하나 이상의 제1 디바이스들로부터 상기 시간 기간의 제1 부분 동안의 상기 차량의 제1 속력의 제1 표시를 수신하는 단계;
하나 이상의 제2 디바이스들로부터 상기 시간 기간의 제2 부분 동안의 상기 차량의 제2 속력의 제2 표시를 수신하는 단계; 및
상기 제1 및 제2 표시들에 기초하여, 상기 차량이 어떤 양 초과만큼 속력 제한을 초과하였는지, 또는 시간의 지속기간 초과 동안에 속력 제한을 초과하였는지를 결정하는 단계를 더 포함하는, 차량의 하나 이상의 운전 특성들을 결정하는 방법. - 제16 항에 있어서,
수신된 관찰들에 기초하여, 상기 차량이 차량 사고에 관여될 가능성, 상기 차량이 상기 차량의 동승자들에 대한 부상을 야기시킬 가능성, 상기 차량이 하나 이상의 다른 차량들의 동승자들에 대한 부상을 야기시킬 가능성, 또는 이들의 임의의 조합을 결정하는 단계; 및
상기 결정된 가능성을 상기 하나 이상의 엔티티들에 제공하는 단계를 더 포함하는, 차량의 하나 이상의 운전 특성들을 결정하는 방법. - 시스템으로서,
시간 기간 동안의 차량의 운전 거동의 관찰들에 기초하여 상기 차량에 대한 하나 이상의 운전 점수들을 결정하기 위한 수단;
상기 하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성하기 위한 수단; 및
상기 불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공하기 위한 수단을 포함하는,
시스템. - 컴퓨터 실행가능 코드를 저장하는 비-일시적 컴퓨터-판독가능 저장 매체로서,
상기 컴퓨터 실행가능 코드는, 시스템의 하나 이상의 프로세서들에 의해 실행될 때, 상기 시스템으로 하여금,
시간 기간 동안의 차량의 운전 거동의 관찰들에 기초하여 상기 차량에 대한 하나 이상의 운전 점수들을 결정하는 동작;
상기 하나 이상의 운전 점수들 중의 적어도 하나가 임계 값을 초과하는 것에 기초하여 불만족스러운 운전의 표시를 생성하는 동작; 및
상기 불만족스러운 운전의 표시를 하나 이상의 엔티티들에 제공하는 동작을 포함하는 동작들을 수행하게 하는,
컴퓨터 실행가능 코드를 저장하는 비-일시적 컴퓨터-판독가능 저장 매체.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/315,609 | 2021-05-10 | ||
| US17/315,609 US11820387B2 (en) | 2021-05-10 | 2021-05-10 | Detecting driving behavior of vehicles |
| PCT/US2022/020798 WO2022240483A1 (en) | 2021-05-10 | 2022-03-17 | Detecting driving behavior of vehicles |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240006532A true KR20240006532A (ko) | 2024-01-15 |
Family
ID=81325839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237037837A KR20240006532A (ko) | 2021-05-10 | 2022-03-17 | 차량들의 운전 거동 검출 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US11820387B2 (ko) |
| EP (1) | EP4338446A1 (ko) |
| JP (1) | JP2024518931A (ko) |
| KR (1) | KR20240006532A (ko) |
| CN (1) | CN117296347A (ko) |
| BR (1) | BR112023022905A2 (ko) |
| TW (1) | TW202246093A (ko) |
| WO (1) | WO2022240483A1 (ko) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11462111B2 (en) * | 2019-04-29 | 2022-10-04 | Qualcomm Incorporated | Method and apparatus for vehicle maneuver planning and messaging |
| US11894129B1 (en) | 2019-07-03 | 2024-02-06 | State Farm Mutual Automobile Insurance Company | Senior living care coordination platforms |
| US11367527B1 (en) | 2019-08-19 | 2022-06-21 | State Farm Mutual Automobile Insurance Company | Senior living engagement and care support platforms |
| US11935651B2 (en) * | 2021-01-19 | 2024-03-19 | State Farm Mutual Automobile Insurance Company | Alert systems for senior living engagement and care support platforms |
| US20240051560A1 (en) * | 2022-08-12 | 2024-02-15 | GM Global Technology Operations LLC | Vehicle occupant risky behavior recognition and risk mitigation |
| CN117041503A (zh) * | 2023-10-10 | 2023-11-10 | 四川科泰智能电子有限公司 | 高性能闪存阵列视频识别设备及方法 |
Family Cites Families (52)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7389178B2 (en) * | 2003-12-11 | 2008-06-17 | Greenroad Driving Technologies Ltd. | System and method for vehicle driver behavior analysis and evaluation |
| DE102004008894A1 (de) * | 2004-02-24 | 2005-09-08 | Robert Bosch Gmbh | Sicherheitssystem für ein Fortbewegungsmittel sowie hierauf bezogenes Verfahren |
| US9848289B2 (en) * | 2006-03-08 | 2017-12-19 | Octo Advisory Inc. | Safe driving monitoring system |
| US7839292B2 (en) * | 2007-04-11 | 2010-11-23 | Nec Laboratories America, Inc. | Real-time driving danger level prediction |
| US9615213B2 (en) * | 2009-07-21 | 2017-04-04 | Katasi Llc | Method and system for controlling and modifying driving behaviors |
| EP2511891A1 (en) * | 2009-12-11 | 2012-10-17 | Optex Co., Ltd. | Driving behavior detecting method and device |
| CA2735458A1 (fr) * | 2011-03-22 | 2012-09-22 | Denis Hugron | Systeme interactif pour la prevention des accidents automobiles causes par le non respect des regles de la circulation, procede de fabrication et utilisation du systeme avec des vehicules |
| US9368028B2 (en) | 2011-12-01 | 2016-06-14 | Microsoft Technology Licensing, Llc | Determining threats based on information from road-based devices in a transportation-related context |
| US20200064444A1 (en) * | 2015-07-17 | 2020-02-27 | Origin Wireless, Inc. | Method, apparatus, and system for human identification based on human radio biometric information |
| US8758127B2 (en) * | 2012-11-08 | 2014-06-24 | Audible, Inc. | In-vehicle gaming system for a driver |
| US9104535B1 (en) * | 2012-12-19 | 2015-08-11 | Allstate Insurance Company | Traffic based driving analysis |
| US20140257865A1 (en) * | 2013-03-10 | 2014-09-11 | State Farm Mutual Automobile Insurance Company | Systems and methods for processing credits for distance-based insurance policies |
| US10423982B2 (en) * | 2014-05-19 | 2019-09-24 | Allstate Insurance Company | Content output systems using vehicle-based data |
| US11127042B2 (en) * | 2014-05-19 | 2021-09-21 | Allstate Insurance Company | Content output systems using vehicle-based data |
| US10354330B1 (en) * | 2014-05-20 | 2019-07-16 | State Farm Mutual Automobile Insurance Company | Autonomous feature use monitoring and insurance pricing |
| US10122736B2 (en) | 2014-06-02 | 2018-11-06 | Bastille Networks, Inc. | Ground and air vehicle electromagnetic signature detection and localization |
| US10540723B1 (en) * | 2014-07-21 | 2020-01-21 | State Farm Mutual Automobile Insurance Company | Methods of providing insurance savings based upon telematics and usage-based insurance |
| JP6486640B2 (ja) * | 2014-10-09 | 2019-03-20 | 株式会社日立製作所 | 運転特性診断装置、運転特性診断システム、運転特性診断方法、情報出力装置、情報出力方法 |
| GB201420988D0 (en) * | 2014-11-26 | 2015-01-07 | Tomtom Telematics Bv | Apparatus and method for vehicle economy improvement |
| US9669833B2 (en) * | 2015-07-21 | 2017-06-06 | GM Global Technology Operations LLC | Method and system for operating adaptive cruise control system |
| CN105966404A (zh) * | 2015-11-06 | 2016-09-28 | 乐卡汽车智能科技（北京）有限公司 | 一种驾驶行为评测方法及装置 |
| US10720080B1 (en) * | 2015-11-18 | 2020-07-21 | State Farm Mutual Automobile Insurance Company | System and method for determining a quality of driving of a vehicle |
| US9581461B1 (en) * | 2016-01-05 | 2017-02-28 | Allstate Insurance Company | Data processing system communicating with a map data processing system to generate a display of one or more segments of one or more vehicle routes |
| US10529221B2 (en) | 2016-04-19 | 2020-01-07 | Navio International, Inc. | Modular approach for smart and customizable security solutions and other applications for a smart city |
| US20180096629A1 (en) * | 2016-10-04 | 2018-04-05 | GM Global Technology Operations LLC | Virtual driving school |
| US10134279B1 (en) * | 2017-05-05 | 2018-11-20 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for visualizing potential risks |
| US10633001B2 (en) * | 2017-06-05 | 2020-04-28 | Allstate Insurance Company | Vehicle telematics based driving assessment |
| KR102628790B1 (ko) * | 2017-06-20 | 2024-01-24 | 모셔널 에이디 엘엘씨 | 자율 주행 능력들을 갖는 차량들에 대한 위험 처리 |
| US11151813B2 (en) * | 2017-06-28 | 2021-10-19 | Zendrive, Inc. | Method and system for vehicle-related driver characteristic determination |
| US10878062B1 (en) * | 2017-09-06 | 2020-12-29 | State Farm Mutual Automobile Insurance Company | Systems and methods for analyzing captured biometric data |
| CN111247565B (zh) * | 2017-09-06 | 2022-06-03 | 瑞士再保险有限公司 | 用于移动远程信息处理装置的电子日志记录和跟踪检测系统及其对应方法 |
| US10300922B2 (en) * | 2017-09-29 | 2019-05-28 | Denso International America, Inc. | Risk assessment system for assessing current driver behavior relative to past behavior and behaviors of other drivers |
| TWI674210B (zh) | 2017-12-04 | 2019-10-11 | 財團法人資訊工業策進會 | 偵測具威脅性車輛之系統及方法 |
| US11009876B2 (en) | 2018-03-14 | 2021-05-18 | Micron Technology, Inc. | Systems and methods for evaluating and sharing autonomous vehicle driving style information with proximate vehicles |
| US10614310B2 (en) * | 2018-03-22 | 2020-04-07 | Viisights Solutions Ltd. | Behavior recognition |
| US11994860B2 (en) * | 2018-06-15 | 2024-05-28 | Allstate Insurance Company | Processing system for evaluating autonomous vehicle control systems through continuous learning |
| US10915105B1 (en) * | 2018-06-25 | 2021-02-09 | Allstate Insurance Company | Preemptive logical configuration of vehicle control systems |
| US20200055525A1 (en) * | 2018-08-20 | 2020-02-20 | Ford Global Technologies, Llc | Fuel consumption-based driving behavior scoring |
| CN109085837B (zh) * | 2018-08-30 | 2023-03-24 | 阿波罗智能技术(北京)有限公司 | 车辆控制方法、装置、计算机设备及存储介质 |
| US10703378B1 (en) | 2018-11-28 | 2020-07-07 | BlueOwl, LLC | System and method of reducing vehicle collisions based on driver risk groups |
| US11181922B2 (en) * | 2019-03-29 | 2021-11-23 | Zoox, Inc. | Extension of autonomous driving functionality to new regions |
| US10946862B1 (en) * | 2019-06-25 | 2021-03-16 | Allstate Insurance Company | Utilizing vehicle telematics to detect, evaluate, and respond to driving behaviors |
| JP2021026718A (ja) * | 2019-08-08 | 2021-02-22 | トヨタ自動車株式会社 | 運転行動評価装置及びプログラム |
| JP7212607B2 (ja) * | 2019-09-26 | 2023-01-25 | ペンタ・セキュリティ・システムズ・インコーポレーテッド | 車両ｃａｎ ｂｕｓ信号を利用した機械学習基盤運転者異常感知方法および装置 |
| US11132565B2 (en) * | 2019-09-27 | 2021-09-28 | The Travelers Indemnity Company | Systems and methods for artificial intelligence (AI) driving analysis and incentives |
| US20210110480A1 (en) * | 2019-10-13 | 2021-04-15 | TrueLite Trace, Inc. | Intelligent machine sensing and machine learning-based commercial vehicle insurance risk scoring system |
| US20210125076A1 (en) * | 2019-10-29 | 2021-04-29 | Denso International America, Inc. | System for predicting aggressive driving |
| US11007979B1 (en) * | 2020-02-18 | 2021-05-18 | Spireon, Inc. | Vehicle theft detection |
| US11312386B2 (en) * | 2020-02-19 | 2022-04-26 | Autotalks Ltd. | System and method for driver risk grading based on vehicle-to everything (V2X) communication |
| US20220005086A1 (en) * | 2020-07-06 | 2022-01-06 | ANI Technologies Private Limited | Performance assessment of drivers |
| US11615478B2 (en) * | 2021-02-19 | 2023-03-28 | Allstate Insurance Company | Selectively shared vehicle-based telematics |
| FI129297B (fi) * | 2021-02-19 | 2021-11-15 | Taipale Telematics Oy | Laite, menetelmä ja tietokoneohjelma ajoneuvon kuljettajan ajotavan määrittämiseksi |
-
2021
- 2021-05-10 US US17/315,609 patent/US11820387B2/en active Active
-
2022
- 2022-03-17 CN CN202280033025.4A patent/CN117296347A/zh active Pending
- 2022-03-17 JP JP2023568118A patent/JP2024518931A/ja active Pending
- 2022-03-17 BR BR112023022905A patent/BR112023022905A2/pt unknown
- 2022-03-17 EP EP22715824.3A patent/EP4338446A1/en active Pending
- 2022-03-17 KR KR1020237037837A patent/KR20240006532A/ko unknown
- 2022-03-17 WO PCT/US2022/020798 patent/WO2022240483A1/en active Application Filing
- 2022-03-18 TW TW111110197A patent/TW202246093A/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| CN117296347A (zh) | 2023-12-26 |
| WO2022240483A1 (en) | 2022-11-17 |
| US20220355802A1 (en) | 2022-11-10 |
| TW202246093A (zh) | 2022-12-01 |
| EP4338446A1 (en) | 2024-03-20 |
| US11820387B2 (en) | 2023-11-21 |
| BR112023022905A2 (pt) | 2024-01-23 |
| JP2024518931A (ja) | 2024-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11990036B2 (en) | Driver behavior monitoring | |
| US11493920B2 (en) | Autonomous vehicle integrated user alert and environmental labeling | |
| US11124186B1 (en) | Autonomous vehicle control signal | |
| US11820387B2 (en) | Detecting driving behavior of vehicles | |
| US10026309B1 (en) | Networked vehicle control systems to facilitate situational awareness of vehicles | |
| US10580296B2 (en) | Advanced threat warning for autonomous vehicles | |
| US20200398743A1 (en) | Method and apparatus for learning how to notify pedestrians | |
| WO2021135371A1 (zh) | 一种自动驾驶方法、相关设备及计算机可读存储介质 | |
| US20180239361A1 (en) | Autonomous Driving At Intersections Based On Perception Data | |
| US20190079515A1 (en) | Planning autonomous motion | |
| JP2022546320A (ja) | 高度車載機器 | |
| CN112154492A (zh) | 预警和碰撞避免 | |
| US11681296B2 (en) | Scenario-based behavior specification and validation | |
| WO2017123665A1 (en) | Driver behavior monitoring | |
| JP2018120291A (ja) | イベント予測システム、イベント予測方法、プログラム、及び移動体 | |
| WO2023245073A1 (en) | Method and system for controlling an autonomous vehicle | |
| US20230331256A1 (en) | Discerning fault for rule violations of autonomous vehicles for data processing | |
| US20230398866A1 (en) | Systems and methods for heads-up display | |
| US20240025443A1 (en) | Path generation based on predicted actions | |
| US20240025444A1 (en) | Path generation based on predicted actions | |
| WO2023187718A1 (en) | Adaptive advanced driver-assistance system (adas) | |
| WO2023212295A1 (en) | Autonomous vehicle notification system |