WO2020144241A1 - Identification d'un vehicule a l'arret et de son emplacement - Google Patents

Identification d'un vehicule a l'arret et de son emplacement Download PDF

Info

Publication number
WO2020144241A1
WO2020144241A1 PCT/EP2020/050337 EP2020050337W WO2020144241A1 WO 2020144241 A1 WO2020144241 A1 WO 2020144241A1 EP 2020050337 W EP2020050337 W EP 2020050337W WO 2020144241 A1 WO2020144241 A1 WO 2020144241A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
user
sensor unit
signature
characteristic
Prior art date
Application number
PCT/EP2020/050337
Other languages
English (en)
Inventor
Frederic GOSSELE
Pierre-César LAFAYSSE
Pierre Louis THOUVENOT
Original Assignee
Valeo Vision
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from FR1900248A external-priority patent/FR3091778B1/fr
Priority claimed from FR1900247A external-priority patent/FR3091754B1/fr
Application filed by Valeo Vision filed Critical Valeo Vision
Publication of WO2020144241A1 publication Critical patent/WO2020144241A1/fr

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/006—Indicating maintenance

Definitions

  • the object of the invention is to identify a vehicle as stationary with a view to determining the location of this stationary vehicle.
  • Electronic devices on board motorized vehicles may include a means of geolocation by satellite, typically of the GPS chip type. Such embodiments make it possible to identify a current location of the vehicle when it is in operation and the engine is running (in particular by the user for guidance).
  • the present invention improves the situation.
  • the invention provides a method, implemented by computer means, of identifying a motor vehicle as being stopped for the purpose of determining a location of this vehicle to the stop, in which a portable device is provided, available to a vehicle user, the portable device comprising a signal sensor unit, a geolocation module and a communication interface with a remote server.
  • the method comprises: - a prior learning step in the signals picked up by the sensor unit, of at least one signature of a predefined event, corresponding to a stopping of the vehicle and an outlet, from the vehicle, from the user carrying the portable device,
  • the remote server being able to communicate with a mobile terminal available to the user, the method can also include:
  • the invention can have recourse to prior learning of a sequence for stopping the engine and leaving the user of the vehicle, for example by implementing an artificial intelligence, by identifying before each sequence of signals received from one or more sensors, by a marking (or "tag") of each sequence, as developed below. Thanks to such an arrangement, in the current stage where one seeks to determine the last geolocation coordinates of the vehicle presumed to be stopped, if the succession of these learned sequences (stopping the vehicle and leaving the user) is actually identified, so this succession of events took place with certainty and therefore the latest geolocation coordinates are effectively those of a stationary vehicle with no driver.
  • an application of the above method is presented in particular for the implementation of a maintenance service for stationary motor vehicles, such as for example the replacement of the wipers after a given period, or others. Users of such vehicles may have previously subscribed to this service and installed a corresponding mobile application on their mobile terminal.
  • the mobile terminal is configured to send the maintenance service request without any specific action by the user or in response to a user action on the mobile terminal (typically via an installed mobile application).
  • the method further comprises, in response to the reception of the maintenance service request, the emission of a maintenance service launch signal (intended for human operators who can then intervene at the location of the vehicle whose last geolocation coordinates have been retrieved by the server).
  • a maintenance service launch signal intended for human operators who can then intervene at the location of the vehicle whose last geolocation coordinates have been retrieved by the server.
  • the signal may also be advantageous for the signal to include at least these geolocation coordinates.
  • the prior learning step comprises:
  • artificial intelligence can be implemented by “deep” learning (called in English “deep learning”), by a trained neural network, or by learning "Machine” (from English “machine learning”).
  • a human operator identifies in the sensor signals each of the relevant situations (engine shutdown, user movement to get out of the vehicle) and thus marks each of these situations to train a neural network to recognize them. .
  • a "neural network” generally by a set of transfer functions whose coefficients are gradually modified (as and when learning) according to a new acquisition of signal captured and marked as being an event to recognize.
  • the vehicle may be advantageous to ensure the identity of the vehicle, before sending the geolocation coordinates to the remote server. Thanks to this arrangement, it is possible to identify that the user has left his personal vehicle, and not another vehicle, such as for example a taxi. There are many ways to verify the identity of the vehicle.
  • the vehicle can itself transmit to the portable device an identifier of the vehicle by a short-range means of communication, such as Bluetooth for example.
  • a memory of the vehicle connected to this short-range communication means can store at least one identifier of the vehicle, and send the identifier of this vehicle to the remote server via the portable device.
  • Another way of identifying the vehicle then includes a step of identifying the vehicle by detecting a fingerprint of the vehicle, as described below.
  • the sensor unit includes an accelerometer capable of picking up vibrations from the engine of the running vehicle, and thus the method further comprises:
  • this characteristic vibration then being representative of an identity of the vehicle
  • the signature of said event comprises a characteristic vibration of engine operation, over a time interval, in at least one of the following situations:
  • the sensor unit comprises at least one element from an accelerometer, an altimeter, a gyroscope, a pressure sensor, light sensor, a microphone.
  • the signature of said event includes a specific measure of a movement of the user, over a time interval, in at least one of the following situations:
  • the user activates a vehicle closing mechanism.
  • the specific measure is a characteristic acceleration.
  • the door is the driver's side door.
  • the seat is the driver's seat.
  • the signature of said event comprises a succession of at least two characteristic accelerations corresponding to respective situations among the situations listed above, taken successively in the order presented above.
  • the sensor unit comprises an accelerometer capable of detecting characteristic accelerations of the user
  • an accelerometer can also pick up vibrations, in particular vibrations characteristic of the vehicle engine, which makes it possible to to save resources in the portable device.
  • the portable device is a mobile terminal (smartphone or other connected object type equipped with a GPS module). Such equipment may be sufficient to detect user movements and characteristic accelerations, as well as characteristic vibrations of the engine. However, the user may leave their smartphone in the storage compartment of the vehicle interior and the smartphone may not detect all of the user's movements.
  • the portable device can consist of a connected portable accessory (connected bracelet or connected spectacle frame), carrying the sensor unit, and of a mobile terminal able to communicate with the portable accessory.
  • This mobile terminal can then operate the identification processing of characteristic signals in the signals picked up by the sensor unit.
  • the calculations to be implemented for these treatments are tedious and it may be preferable to carry out these calculations with the server.
  • a first radiofrequency communication module capable of communicating with a second radiofrequency module of a mobile terminal, available to the user.
  • These can typically be Bluetooth or Wi-Fi communication modules.
  • the method can include:
  • the mobile terminal can advantageously include the aforementioned geolocation module.
  • the server In case of identification of the signature of the event in the signals received, the server requires from the mobile terminal the latest geolocation coordinates of the vehicle which can then be transmitted by the mobile terminal.
  • the aforementioned "characteristic signal” can be the aforementioned signature of the event of stopping the vehicle and leaving the user. It can also involve identifying the vehicle by its characteristic vibration. It may also be a matter of recognizing the user himself, as provided for in the embodiment described below.
  • the portable device comprises a portable accessory, connected, available to the user and carrying the sensor unit, this sensor unit comprising at least one accelerometer.
  • the accelerometer measures at least movements of the user to detect characteristic gestures of the user, these characteristic gestures then being representative of an identity of the user.
  • the connected accessory is effectively a spectacle frame available to the user equipped with an accelerometer and it has actually been observed that a physical movement from the vehicle (or others gestures again) characterize an individual, like a biometric imprint.
  • each user can have previously subscribed to the maintenance service and installed the mobile application on their terminal.
  • each user can be identified by a physical movement (leaving the vehicle or other gestures) as a biometric fingerprint, the sending of the maintenance service proposal notification to the user's mobile terminal. can be conditioned by the identification of the user by the aforementioned characteristic gestures of the user.
  • recognizing a user by his characteristic gestures makes it possible to send the notification to the terminal of this user precisely.
  • a user who has just left the vehicle will not be disturbed while driving by the message received on his terminal (since he has left the vehicle).
  • the message is also received at a relevant time, since the user has just left his vehicle and is sensitive to the state of the vehicle.
  • the detection of a need for maintenance of the vehicle may include:
  • the predefined part is a pair of vehicle wipers and the signature of the state of wear is a vibration characteristic of the friction of worn wipers on the windshield.
  • the detection of a need for maintenance of the vehicle may include:
  • a stress on the predefined part is an action exerted by a force or a load on the predefined part or an action of the predefined part caused by a force or a load.
  • a predefined part is a wiper blade and a stress on the wiper blade is an actuation of a g wiper blade sweep cycle by a control lever.
  • a memory storing a preset list of operators each associated with a telecommunication address of the operator mobile terminal, and each associated dynamically to an availability indicator and presence coordinates, the availability indicator taking at least one of the values from the list consisting of: "available", "not available”, and the vehicle maintenance service may include :
  • the present invention further relates to a system for implementing the above method, comprising:
  • a portable device available to a vehicle user, and including a signal sensor unit, a geolocation module, and a communication interface with a remote server, and
  • the invention further relates to a server of a system as described above, this server being configured to implement:
  • the invention also relates to a computer program comprising instructions for the implementation of the above method, when these instructions are executed by a processor.
  • FIG. 1 illustrates a diagram of a system for implementing a method of detecting a vehicle location according to the present invention
  • FIG. 2 illustrates a step diagram of the method for detecting a vehicle location
  • FIG. 3 illustrates two graphs of acceleration versus time acquisition when starting the engine of two different vehicle models.
  • FIG. 4 illustrates a graph of acquisition of acceleration over time of a person performing a series of steps involving walking and using a vehicle
  • FIG. 5 illustrates a vibration graph representative of the state of an engine at a given time.
  • FIG. 1 illustrates an example of a system 100 for the implementation of a method for detecting a location of a stationary vehicle, in particular for the purpose of performing maintenance on this vehicle.
  • the system 100 includes in particular the vehicle 1, a connected spectacle frame 2 worn by the user 9, a smart phone, also known in English as "smartphone” 8, an extended communication network 21 comprising in particular the internet and a server remote 5.
  • a user 9 of the connected spectacle frame 2 leaves the vehicle 1.
  • vehicle 1 is a passenger car.
  • the user 9 has the smartphone 8.
  • the user 9 has installed a maintenance service application on his smartphone 8 and has an associated user account managed by the remote server 5.
  • the remote server 5 includes a computer processing circuit comprising a processor 22 and a memory 6, as well as a communication interface 7 with an extended communication network 21.
  • the memory 6 stores, in the user account, an identifier of the user, an identifier of the user's vehicle, and a telecommunication address of the user's smartphone 8, for example a telephone number. She can further store temporary data (calculation or other) and in particular the instruction data of the computer program of the invention. It can thus be a memory unit 6, overall.
  • the remote server 5 is programmed to send on the application, via the communication interface 7, a notification of vehicle maintenance service 1 so that vehicle 1 benefits from maintenance at its last location, when these two conditions are met:
  • Condition B User 9 is out of vehicle 1 and does not need it immediately.
  • condition B In order to ensure condition B) and to determine the last location of the vehicle in this condition, a method of identifying a vehicle 1 as being stationary with its driver removed from the vehicle, is set implemented.
  • a first embodiment of the identification method is described below.
  • the identification process can include the following steps:
  • the connected frame of the pair of glasses 2 (hereinafter called “connected glasses frame 2") comprises a sensor unit 3 comprising an accelerometer capable of measuring accelerations related to movements of the user 9.
  • the frame of connected glasses 2 is further configured to filter the vibrational signals received in order to isolate the useful part.
  • the connected spectacle frame 2 comprises for this a computer processing circuit comprising a processor and a memory.
  • a person's gait can be a gesture characterizing the user as well as their fingerprints.
  • the user 9 performs when driving a series of head movements, for example to look in the mirrors.
  • the frequency and the amplitude of the head movement that the user 9 makes to look in his central rear view mirror can form a gestural signature characteristic of the identity of the user 9.
  • the manner in which the user 9 replaces his glasses on his nose can also constitute a gestural signature characteristic of his identity.
  • the natural gait of the user 9 when he walks, opens the door of his car and enters it can constitute as many gestural signatures of the user 9.
  • the user leaves his car slams the door on the driver side, etc. it is a sequence of gestures which can characterize both the user and his effective exit from the vehicle.
  • the connected glasses frame 2 transmits to the remote server 5 the acceleration measured during the characteristic movement of the user 9, via the smartphone 8.
  • the connected glasses frame 2 and the smartphone are equipped short-range communication interfaces, here Bluetooth interfaces.
  • the smartphone 8 has for this a computer processing circuit comprising a processor and a memory. The smartphone 8 transmits the acceleration to the remote server 5 via the extended communication network 21.
  • the remote server 5 includes a computer processing circuit capable of determining that the acceleration corresponds to a movement characteristic of the identity of the user 9. To allow this determination, the computer processing circuit includes an artificial intelligence which was previously trained.
  • This training may have been carried out by an operator piloting equipment implementing artificial intelligence and who can thus mark (or "tag") actions (or sequences of actions) by informing them via his equipment.
  • the operator also uses a vehicle preferably of the same model.
  • actions taken successively, can constitute a sequence, as will be seen below, in particular of stopping and leaving the user of his vehicle.
  • the marking can consist of a tag (for example “removal of the seat belt”) associated with a time interval (for example “2s - 8s ”) of the acceleration measurement, for each of the elements of the above sequence.
  • the acquired acceleration measurements can for example be sent from the equipment to the remote server 5 in association with the action markers. Artificial intelligence is thus trained to recognize the aforementioned actions.
  • the user can optionally enter on the application of his smartphone 8 a user identifier and / or an identifier of his vehicle (the number of the vehicle registration plate, for example).
  • the connected spectacle frame 2 worn by the user is configured to pick up and transmit to the remote server 5 acceleration measurements (in particular of the user's head movements, vibrations, etc. .), in association with the user's identifier 9.
  • the remote server 5 acceleration measurements in particular of the user's head movements, vibrations, etc. .
  • the user 9 equipped with the connected spectacle frame 2 thus naturally reproduces, without even thinking about it, one or more several of the elements of the above-mentioned sequence of actions.
  • the actions can thus be identified by the remote server 5, thanks to the previous learning.
  • the acceleration measures for each of these actions can also serve, when acquired for the user 9 in particular, to sign the identity of the user 9.
  • artificial intelligence is trained in two main stages: a first stage, by training a network of neurons using action markers, corresponding to training to recognize signatures of actions performed by an operator, then a second subsequent step, by autonomous learning, corresponding to training to recognize in particular that the actions are performed by a given user 9.
  • the user 9 does not have to perform any particular action to train autonomous intelligence to recognize it. Also, the user 9 does not perceive any intrusion into his daily life.
  • the computer processing circuit of the remote server 5 is able to determine the identity of the user 9.
  • this determination makes it possible in particular to verify that the connected spectacle frame 2 is used by the user 9 registered in the user account, and not by another user. Once the identity of the user 9 has been verified, the vehicle 1 can be identified by the identification step (S1) of the vehicle 1.
  • the steps of identification (S1) of vehicle 1 and of identification (S2) of the last GPS coordinates of vehicle 1 are described below with reference to FIGS. 1 and 2.
  • the engine of vehicle 1 emits (S100) a signature signal 4.
  • the signature signal 4 is a vibration signal characteristic of the engine and is detected by the sensor unit 3 of the connected spectacle frame 2.
  • the capture of the signature signal 4 is shown in FIG. 1 outside the vehicle 1.
  • the signature signal 4 is picked up by the sensor unit 3 when the user 9 is inside the vehicle 1.
  • the sensor unit 3 is an accelerometer capable of detecting vibrations.
  • the characteristic vibration signal of the engine is a vibration of the engine in at least one predefined engine operating phase.
  • this predefined phase can be selected from the list comprising an acceleration, a preset speed change, deceleration, neutral, engine ignition.
  • it may be poles of vibration of the motor in neutral or in constant speed, of which poles the different frequencies and the associated amplitudes characterize the motor, as illustrated in FIG. 5.
  • it may also be a particular phase of engine operation, the vibrations of which are characteristic over time, such as the acceleration phases visible in FIGS. 3 and 4 commented on below.
  • the signature signal 4 is the vibratory signal of the motor (over time and / or in frequencies). Typically, the engine vibrates and this vibration is transmitted in part in the passenger compartment in which the user is located and his connected accessory 2 carrying an accelerometer.
  • the vibration which the accelerometer thus undergoes can define a temporal vibration signal of the type illustrated in FIG. 3.
  • FIG. 3 shows the difference in vibrational signatures between two different vehicle engines when starting (on the left 17, a first vehicle model and right, 18 a second model).
  • the snapshot of the frequency of the modes and their associated amplitude is characteristic of the engine of vehicle 1, and can be used to identify the engine in the same way as an identity card of vehicle 1.
  • the connected spectacle frame 2 transmits (S101) to the smartphone 8, via the short-range communication interfaces, the vibrational signal.
  • the smartphone 8 transmits (S 102) the vibration signal to the remote server 5, via the extended communication network 21.
  • the communication interface 7 of the remote server 5 is configured to receive the vibration signal.
  • the computer processing circuit of the remote server 5 has been previously configured as artificial intelligence trained to identify signature signals.
  • the training can be carried out by carrying out markings, also called in English "tags", on the graphs of a series of numerous graphs of training signals previously acquired and comprising the signature to be recognized later.
  • markings also called in English "tags"
  • this "number of graphs” can be several hundred, even several thousand for a robust training.
  • markers have been associated with the acquisition of training signature signals to identify a precise phase of operation of the vehicle engine (for example its extinction to identify it as stopped).
  • the remote server 5 identifies (S103) the signal comprising a signature 4 as representative of the identity of the engine and more particularly of the vehicle 1.
  • artificial intelligence can also be trained in two main stages, as indicated above: a first stage, by training a neuron network using markers of operating phases, corresponding to training to recognize signatures of engine operating phases in general, and a second subsequent step, by autonomous learning, corresponding to a training to recognize that the actions are carried out by a particular type of engine.
  • the second subsequent step can be extended by continuous independent learning on the engine of the vehicle 1, or more generally on the vehicle itself.
  • a specimen vehicle produced in series can cause vibrations in service which can evolve during the life of this vehicle, depending on its particular use, which use may be different from the use made of other vehicles of the same model.
  • the identity of a vehicle can alternatively be carried out according to the following.
  • a first step S'1 consists in holding several learning bases APPRi, each specific to a motor vehicle VEHi, stored in a memory (for example of a server as described below) .
  • a vibration signal is picked up by a CAP sensor, and this signal is compared by an artificial intelligence to the signals of each learning base APPRi, successively (loop S'4 on the index i of APPRi learning bases, at the “KO” output of the S'3 test), until identifying in step S'5 the VEHi vehicle from which this SENS vibration signal could be received.
  • an artificial neural network can be implemented to extract from each learning base APPRi a vibration model (or more specifically specific vibration characteristics) specific to each vehicle VEHi, and step S ' 3 can then correspond to a comparison of the newly acquired vibrational signal SENS to each of these vibration models.
  • deep learning can be implemented (using an artificial neural network) and thus not only can each of these phases be recognized in the sensed vibration signal SENS but also the vehicle from which it originates. signal can be identified as described below.
  • the corresponding vehicle VEHi is then determined (step S '5 at the “OK” output of the test S'3) and, in particular, the newly received signal SENS is stored in the learning base APPRi of this vehicle VEHi (step S'6).
  • This storage can possibly be carried out in replacement of a signal received the oldest of the base in step S'7 (for example according to a mechanism of the FIFO type (or "First In First Out").
  • FIFO type or "First In First Out”
  • Step S'3 a score SCOi of comparison of the newly received signal SENS is calculated with the content of each base of APPRi learning in step S'21.
  • the maximum score MAX is determined in steps S'22 and S'23, on the set of N learning bases (test S'24).
  • the vehicle VEHi is determined to be that associated with the learning base APPRi which has the maximum score in step S'25, and this learning base is updated in step S'26.
  • Step S'27 then consists in resetting the MAX value to zero for repeat the loop for finding the maximum score in the embodiment illustrated in FIG. 7.
  • this above method can be implemented by a system comprising, in the example shown, a pair of glasses connected LUN, comprising a motion sensor CAP (for example a sensor of 'acceleration) fixed for example to the frame of the pair of glasses.
  • a motion sensor CAP for example a sensor of 'acceleration
  • This sensor can then be arranged to capture the vibration data of a part of the vehicle (engine or other), but also of the movements of a user who wears this pair of glasses.
  • the CAP sensor can allow both the recognition of the vehicle, but also of the user in this vehicle.
  • the CAP sensor can for example include a communication antenna (Bluetooth, wifi or other) of the signals picked up for storage in memory (at least temporarily) of an SM smartphone that the system further includes in an exemplary embodiment .
  • This SM smartphone typically includes a BATT power supply battery which can be recharged via a MODC connection module to a SECT mains supply. It will thus be understood that the smartphone itself can communicate the signal data acquired by the CAP sensor, as soon as it is connected for example to the mains via its MODC module.
  • These data can be transmitted via an extended communication network RES to a SER server which stores the learning bases APPRi and which can thus implement the steps described above for comparing the newly received signal with the respective contents of the databases. learning stored.
  • step S'31 which follows the step S'2 of picking up the vibrational signal SENS can consist in seeking to detect a movement of the wearer of glasses LUN.
  • step S'32 an attempt is made to recognize the wearer of these glasses among several users whose characteristic gestures are stored in a user database DB US. If none of the users listed in the DB US database could be identified, it is possible to generate an alert at step S'34, intended for example for the smartphone of a main user whose number access is entered in the DB US database and obtained in step S'33. It can typically be a registered user as the main user of the vehicle within the same family, or the same company.
  • the newly received vibration signal can be compared to a MOD model of vehicle vibration (estimated from the learning base and typically given by an artificial neural network for example) to determine if the difference between the SENS signal and this MOD model is beyond a chosen THR threshold. If this is the case, such a measure can characterize the presence of a vehicle failure.
  • a MOD model of vehicle vibration estimated from the learning base and typically given by an artificial neural network for example
  • step S’36 the model of the vehicle which was identified in step S’5.
  • step S'36 Once the vehicle model has been identified (step S'36), it is possible to compare the newly acquired signal with each of the vibratory models in the event of failure of this vehicle model, for example by assigning scores SCOj to each of these comparisons in step S'37.
  • the current failure BKDj can thus be recognized and it is then possible to generate an alert in step S’39 for the smartphone of the user in progress of the vehicle, in step S’40.
  • Such an embodiment makes it possible to make the current user aware of a particular noise from his vehicle in operation, which he can hear directly, and which, according to the treatment presented above, characterizes a particular breakdown which is likely to occur. (or will happen after a determined number of kilometers traveled).
  • the alert message on the smartphone of the current user (or alternatively on the smartphone of the aforementioned main user) can thus recommend the replacement of a particular part of the vehicle (tires, shock absorbers, engine suspension, brake pads or others).
  • the fact of providing a frame of pairs of glasses for carrying the CAP sensor may be optional.
  • the sensor can be a movement sensor of a smartphone or of a connected bracelet or the like, which the user wears and is thus recognized.
  • the smartphone can then also use a microphone to pick up vibration signals in the form of acoustic signals.
  • the CAP sensor is installed in the motor vehicle and transmits the signals picked up to the smartphone when the latter is detected in the vehicle.
  • the smartphone transmits the data of the signals received to the SER server generally with a smartphone identifier, it is possible to notify this smartphone of any alert signal of the aforementioned type.
  • the term “smartphone” is understood here to mean any connected device of the tablet, laptop, connected bracelet or other type.
  • the remote server 5 identified the vehicle 1 and the user 9 by one of its characteristic gestures.
  • the remote server 5 is configured to verify that the identity of the user 9 and the identification of the vehicle 1 retrieved by the steps described above correspond to the same user account registered in the remote server 5.
  • this verification makes it possible in particular to identify that the user 9 is in his personal vehicle, and not in a coach or a taxi.
  • the remote server 5 can then send (S104) on the smartphone 8 a notification of maintenance proposal in order to ensure the agreement of the user 9 for the maintenance to take place.
  • the user 9 can indicate (S 105) his agreement for the maintenance operation to take place.
  • condition B can be tested as described below.
  • the maintenance operation must take place when the user 9 does not need to use his vehicle 1.
  • the method includes a step of identifying (S2) the last GPS coordinates of vehicle 1 and to this end, it is necessary to determine that vehicle 1 is parked and to ensure that user 9 has left his vehicle, the engine of vehicle 1 being switched off.
  • a method for determining that the user 9 leaves his vehicle 1 is described below.
  • the user 9 has made a journey using his vehicle 1. He parks the vehicle 1.
  • the user 9 turns off the engine of the vehicle 1 and, as shown in FIG. 1, leaves the vehicle 1.
  • user 9 emits (S 106) a characteristic signal 10, comprising a signature of an event (engine stopping and leaving the vehicle).
  • the sensor unit 3 of the connected spectacle frame 2 captures the signature of this signal 10, both the characteristic vibration of the engine at shutdown and the characteristic gesture of the user to get out of the vehicle .
  • the sensor unit 3 includes an accelerometer configured to acquire these different vibration and movement measurements.
  • the accelerometer can be installed in the connected spectacle frame 2.
  • This signal 10 is sent (S107) by the spectacle frame connected 2 to the smartphone 8 which transmits it (S108) to the remote server 5.
  • the remote server 5 includes a computer processing circuit capable of determining, in the second signature signal 10, a signature of the engine shutdown and exit event, by the user 9, of the vehicle 1.
  • FIG. 4 represents a measurement acquisition d acceleration as a function of time, acquired by the accelerometer of the connected spectacle frame 2 for the following sequence of events:
  • the marking may consist of a tag (for example "S11") associated with a time interval (for example "40s -50s") of the acceleration measurement.
  • the artificial intelligence of the remote server 5 is able to recognize (S109), in the event signature signal, the events S15 and S16, in this order, and to further identify a typical time difference between these two events, which thus characterizes a typical succession of these events.
  • the remote server 5 sends a request (S110) for current geolocation coordinates to the smartphone 8.
  • the application of the smartphone 8 is configured so that the smartphone 8 interrogates the geolocation module of the smartphone and transmits the current geolocation coordinates of the smartphone, then sends them (S111) to the remote server 5, in response to the request for geolocation data.
  • the interrogation of the smartphone 8 by the server 5 takes place very shortly after the user leaves his vehicle (for example less than five seconds).
  • the remote server 5 obtains the information of the last location of the vehicle 1, permanently parked for a fairly long period allowing the maintenance operation.
  • the remote server 5 can then send the smartphone 8 a maintenance service proposal notification.
  • the remote server 5 has the place where vehicle maintenance can be undertaken, that is to say the location of the stopped vehicle.
  • the remote server 5 in order to completely ensure condition B), can send (S104) to the smartphone 8 the notification of maintenance proposal after having identified that the user 9 had left the vehicle 1, in order to ensure the agreement of the user 9 for the maintenance to take place. Upon receipt of the notification, the user 9 can indicate his agreement for the maintenance operation to take place.
  • this variant allows to prevent the remote server 5 from planning maintenance in the event that the user 9 had only temporarily left his vehicle 1.
  • the aforementioned maintenance consists of a change of the wipers 23 of the vehicle 1 when the wipers 23 are worn, in an exemplary embodiment presented below.
  • the wiper replacement service 23 consists of sending a courier with a new pair of wipers to the location of the last geolocation coordinates of the stationary vehicle. The courier then replaces the wipers 23 of the vehicle 1 while the user 9 is not using his vehicle 1.
  • condition A that is to say the fact that vehicle 1 requires maintenance, can be ensured as set out below.
  • the wipers 23 are considered worn from a defined use time, for example a year.
  • the wipers 23 are considered worn according to a defined use time weighted by criteria of frequency and intensity of use of the vehicle and / or frequency and intensity of local rainfall. , and / or exposure to ultraviolet rays.
  • the wipers 23 are considered worn by detection and analysis of a signature signal which can be detected, transmitted and analyzed as follows.
  • This signal, picked up by the sensor unit 3 of the connected spectacle frame 2 may actually include a signature characteristic of the state of wear of the wipers 23.
  • this signature may be a vibration characteristic of a friction of the brushes 23 on the windshield with a particular noise.
  • the remote server 5 can select, for example, from a list of couriers stored in its memory 6, a courier available within a predetermined radius of action around the last GPS coordinates of the vehicle 1.
  • each courier in the list of couriers is associated with a smartphone, is also associated with an option, also called in English: "flag", of availability taking a value indicating its availability ("available” or " not available ”), and each courier is also associated with presence coordinates.
  • the value of the option and the presence coordinates are updated in the remote server 5, for example by sending periodic update requests by the courier's smartphone.
  • the courier selected receives on his smartphone a maintenance request, sent by the remote server 5.
  • the request includes an identifier of the vehicle 1, for example its license plate, as well as its latest GPS coordinates.
  • the courier responds to this request to confirm with the remote server 5 that it will effectively replace the wipers of the vehicle 1.
  • the remote server 5 is always configured to determine that the user 9 turns off the engine of the vehicle 1 and leaves the vehicle 1. This determination is made on the basis the acquisition, by the smartphone 8, of a signal possibly comprising a signature of this succession of events. This signal is transmitted to the server and as soon as the signature of events is identified by the server, the smartphone sends its geolocation coordinates, with an identifier of the terminal (telephone number in the GSM network, or number of its SIM card, or others).
  • This smartphone identifier makes it possible to check in a database that the characteristic vibration of the engine corresponds to the holder of this vehicle according to his smartphone identifier and that a notification can be sent to this smartphone for the launch of the maintenance operation. .
  • the smartphone accelerometer can be used, or alternatively, a microphone that smartphones usually have can pick up an acoustic signal in which the server can look for a characteristic signature.
  • This microphone can also be used to detect that the user has left his vehicle by detecting a signature of door closing noise followed by footsteps, for example.
  • the above accelerometer may not be used.
  • the sound of a door closing of a private vehicle can be recognized by learning, but also it is possible to determine the door which has been closed (front driver or passenger, or rear, etc.).
  • the smartphone can also be equipped with a GPS (“Global Positioning System”) chip and it is detected that the user has left his vehicle by detecting a change in the speed of movement of the smartphone, d 'first on board a moving vehicle then carried by the user, who is walking.
  • the application allows to store, by memory, a sequence of geolocation coordinates associated with time stamps. This sequence is acquired by preprocessing data from the GPS chip embedded in the smartphone. The coordinate sequence can thus be used to detect that the user has left his vehicle, and this by detecting.
  • a remote server has been described comprising an artificial intelligence to allow this determination, we can rather provide a circuit for computer processing including such artificial intelligence implanted rather in the portable device (smartphone or glasses frame connected).
  • the portable device shown in FIG. 1 is in the form of a connected spectacle frame 2
  • other types of portable device can make it possible to carry out the invention.
  • the portable device can be a connected bracelet, a smart phone, also called in English “smartphone”, a connected belt, a connected ring or necklace, a connected pin, a handbag or a connected briefcase etc.
  • the vehicle is an automobile such as a passenger car.
  • the vehicle is a truck, a motorcycle or a moped.
  • the vehicle is an electric car.
  • the signature signal 4 is for example a vibration signal characteristic of the braking system or of the suspensions, in at least one predefined operating phase of the braking system or of the suspensions.
  • maintenance service is a wiper replacement service
  • maintenance may consist in replacing other worn parts of the vehicle 1, such as headlights from the outside, tires, hubcaps, or the like.
  • the example of maintenance described above is also adaptable to washing the vehicle 1, for example to cleaning the outside of the vehicle.
  • the vehicle body is equipped with at least one dirt deposit sensor.
  • the sensor is configured to send an alert detecting the exceeding of a dirt threshold deposited on the bodywork.
  • the server is configured to trigger the service if the user has left his vehicle, upon receipt of the alert.
  • the use of the service as described does not require subscribing to a regular maintenance service and can also be a one-time use.
  • the remote server 5 can be implemented in a unitary or distributed manner.
  • the assembly formed by the portable device (for example the connected spectacle frame 2) and the mobile terminal (for example the smartphone 8) can be implemented in a unitary or distributed manner.
  • the aforementioned training of the neural network can involve an operator who can be the user as described above.
  • it can be an autonomous learning of an artificial intelligence.
  • a computer means recognizes for example an upward movement of the spectacle frame 2 and interprets (from a prerecorded table of rules of interpretation) that a user stands up from his seat to exit the vehicle.
  • Artificial intelligence marks (or "tags") this sequence as a vehicle exit by a user. Then, in learning, if the user exits in such a way that the movement of the frame carries out an upward path of a distance always included in the same restricted interval (for example between 1, 00 m and 1, 20 m), then this user is precisely identified as leaving his vehicle.
  • the smartphone can be further configured to recognize a unique signature, from a first prior identification of the unique signature by the server.
  • the signature is transmitted by the server 5 to the smartphone after the first prior identification, and stored in the memory in relation to an identifier of the vehicle and / or of the user.
  • the smartphone can be configured to perform certain verifications that are less costly in computing power than the identification performed by the smartphone via artificial intelligence.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Telephone Function (AREA)

Abstract

L'invention concerne un procédé d'identification d'un véhicule (1) comme étant à l'arrêt en vue d'une détermination d'un emplacement de ce véhicule à l'arrêt, comportant: - une étape préalable d'apprentissage dans les signaux captés par l'unité capteur, - et une étape courante de : * détection, dans les signaux (4) captés par l'unité capteur, de la signature de l'évènement correspondant à une mise à l'arrêt du véhicule et une sortie de l'utilisateur du véhicule, * détermination de dernières coordonnées de géolocalisation du véhicule ainsi détecté comme étant à l'arrêt, et * envoi au serveur distant (5) desdites coordonnées de géolocalisation. * détection d'un besoin de maintenance du véhicule (1), * envoi, par le serveur distant (5), d'une notification de proposition de service de maintenance sur le terminal mobile (8), * émission d'un signal de lancement du service de maintenance, le signal comportant au moins les coordonnées de géolocalisation.

Description

Description
Titre : IDENTIFICATION D’UN VEHICULE A L’ARRET ET
DE SON EMPLACEMENT
Domaine technique [0001] L’invention a pour objet l’identification d’un véhicule comme étant à l’arrêt en vue d’une détermination d’un emplacement de ce véhicule à l’arrêt.
Technique antérieure
[0002] Des dispositifs électroniques embarqués dans des véhicules motorisés (tels que, par exemple, des tableaux de bords électroniques) peuvent inclure un moyen de géolocalisation par satellite, de type puces GPS typiquement. De telles réalisations permettent d’identifier une localisation courante du véhicule lorsqu’il est en fonctionnement et moteur en marche (notamment par l’utilisateur pour se guider).
Problème technique
[0003] En revanche, d’une part, tous les véhicules ne sont pas nécessairement équipés d’une telle puce GPS. D’autre part, lorsque le moteur est éteint et que l’utilisateur est sorti de son véhicule, cette puce GPS n’est plus alimentée électriquement et il devient impossible de récupérer la dernière coordonnée de géolocalisation du véhicule à l’arrêt. Or, cette information est utile notamment pour la mise en œuvre d’un service d’entretien/maintenance d’une partie du véhicule qui ne nécessite pas la présence de l’utilisateur du véhicule. Typiquement, les opérateurs d’un tel service n’auraient, avec les moyens actuels d’une puce GPS implantée dans le véhicule, aucune information de dernière géolocalisation du véhicule, en s’assurant que le véhicule est bien dans les situations suivantes :
- le véhicule est à l’arrêt, moteur éteint,
- l’utilisateur est effectivement sorti du véhicule,
ces situations étant alors propices pour le service d’entretien/maintenance précité.
[0004] La présente invention vient améliorer la situation.
Exposé de l’invention [0005] A cet effet, l’invention propose un procédé, mis en œuvre par des moyens informatiques, d’identification d’un véhicule motorisé comme étant à l’arrêt en vue d’une détermination d’un emplacement de ce véhicule à l’arrêt, dans lequel on prévoit un dispositif portable, à disposition d’un utilisateur du véhicule, le dispositif portable comportant une unité capteur de signaux, un module de géolocalisation et une interface de communication avec un serveur distant.
[0006] En particulier, le procédé comporte:- une étape préalable d’apprentissage dans les signaux captés par l’unité capteur, d’au moins une signature d’un évènement prédéfini, correspondant à une mise à l’arrêt du véhicule et une sortie, du véhicule, de l’utilisateur portant le dispositif portable,
- et une étape courante de :
* détection, dans les signaux captés par l’unité capteur, de ladite signature de l’évènement de mise à l’arrêt du véhicule et sortie de l’utilisateur,
* détermination de dernières coordonnées de géolocalisation du véhicule ainsi détecté comme étant à l’arrêt, et
* envoi au serveur distant desdites coordonnées de géolocalisation,.
Le serveur distant étant apte à communiquer avec un terminal mobile à disposition de l’utilisateur, le procédé peut comporter en outre :
- une détection de besoin de maintenance du véhicule,
- un envoi, par le serveur distant, d’une notification de proposition de service de maintenance sur le terminal mobile,
- la réception, par le serveur distant, d’une requête de service de maintenance émise par le terminal mobile.
[0007] Ainsi, l’invention peut avoir recours à un apprentissage préalable d’une séquence de mise à l’arrêt du moteur et sortie de l’utilisateur du véhicule, par exemple par mise en œuvre d’une intelligence artificielle, en repérant préalablement chaque séquence de signaux reçus d’un ou plusieurs capteurs, par un marquage (ou « tag ») de chaque séquence, comme développé plus loin. Grâce à une telle disposition, dans l’étape courante où l’on cherche à déterminer les dernières coordonnées de géolocalisation du véhicule présumé à l’arrêt, si la succession de ces séquences apprises (mise à l’arrêt du véhicule et sortie de l’utilisateur) est effectivement identifiée, alors cette succession d’évènements a eu lieu avec certitude et donc les dernières coordonnées de géolocalisation sont effectivement celles d’un véhicule à l’arrêt et sans conducteur.
[0008] Dans ce qui précède, il est présenté une application du procédé ci-avant en particulier pour la mise en œuvre d’un service de maintenance de véhicules motorisés à l’arrêt, comme par exemple le remplacement des essuie-glaces après une période donnée, ou autres. Les utilisateurs de tels véhicules peuvent avoir préalablement souscrit à ce service et installé sur leur terminal mobile une application mobile correspondante.
[0009] Par exemple, le terminal mobile est configuré pour envoyer la requête de service de maintenance sans action particulière de l’utilisateur ou en réponse à une action de l’utilisateur sur le terminal mobile (via une application mobile installée, typiquement).
[0010] Dans ce mode de réalisation, il peut être avantageux que le procédé comporte en outre, en réponse à la réception de la requête de service de maintenance, l’émission d’un signal de lancement du service de maintenance (destiné à des opérateurs humains qui peuvent alors intervenir sur le lieu du véhicule dont les dernières coordonnées de géolocalisation ont été récupérées par le serveur). Ainsi, dans ce mode de réalisation encore, il peut être avantageux en outre que le signal comporte au moins ces coordonnées de géolocalisation.
[0011] Selon une forme de réalisation particulière, l’étape préalable d’apprentissage comporte :
- acquérir une pluralité de signaux captés par l’unité capteur,
- identifier, dans chaque signal de la pluralité de signaux, si au moins une portion du signal correspond à l’évènement prédéfini,
- associer à l’au moins une portion du signal un marqueur représentatif de l’évènement prédéfini,
- entraîner, par apprentissage, une intelligence artificielle à la détection, dans des signaux captés par l’unité capteur, de ladite signature de l’évènement, l’entrainement étant effectué sur la base de chaque signal de la pluralité de signaux captés et des marqueurs associés à ladite portion de signal. [0012] A titre d’exemples non limitatifs, l’intelligence artificielle peut être mise en œuvre par un apprentissage « en profondeur » (appelé en anglais « deep learning »), par un réseau de neurones entraîné, ou par de l’apprentissage « machine » (de l’anglais « machine learning »). Dans un exemple pratique, un opérateur humain identifie dans les signaux des capteurs, chacune des situations pertinentes (extinction du moteur, mouvement de l’utilisateur pour sortir du véhicule) et marque ainsi chacune de ces situations pour entraîner un réseau de neurones à les reconnaître.
[0013] On peut définir un « réseau de neurones » généralement par un ensemble de fonctions de transfert dont les coefficients sont modifiés progressivement (au fur et à mesure de l’apprentissage) en fonction d’une nouvelle acquisition de signal capté et marqué comme étant un évènement à reconnaître.
[0014] Dans des modes de réalisation, il peut être avantageux de s’assurer de l’identité du véhicule, préalablement à l’envoi au serveur distant des coordonnées de géolocalisation. Grâce à cette disposition, il est possible d’identifier que l’utilisateur a quitté son véhicule personnel, et non pas un autre véhicule, tel que par exemple un taxi. Il existe de nombreuses manières de s’assurer de l’identité du véhicule. Par exemple, le véhicule peut lui-même transmettre au dispositif portable un identifiant du véhicule par un moyen de communication courte portée, tel que Bluetooth par exemple. En effet, on peut prévoir qu’une mémoire du véhicule connectée à ce moyen de communication courte portée puisse stocker au moins un identifiant du véhicule, et envoyer au serveur distant l’identifiant de ce véhicule via le dispositif portable.
[0015] Toutefois, une fois le moteur éteint, dans la plupart des situations pratiques, aucun module Bluetooth n’est opérationnel pour transmettre cet identifiant sauf à prévoir une batterie spécifiquement pour ce moyen.
[0016] Une autre manière d’identifier le véhicule comporte alors une étape d’identification du véhicule par détection d’une empreinte du véhicule, comme décrit ci-dessous.
[0017] Dans ce mode de réalisation, l’unité capteur comporte un accéléromètre capable de capter des vibrations du moteur du véhicule en marche, et ainsi le procédé comporte en outre :
un apprentissage préalable d’identification d’une vibration caractéristique du moteur dans au moins une phase prédéfinie de fonctionnement du moteur, cette vibration caractéristique étant alors représentative d’une identité du véhicule,
et une détection courante, dans les signaux captés par l’unité capteur, de cette vibration caractéristique,
l’envoi au serveur distant des coordonnées de géolocalisation étant alors conditionné par une détection positive de la vibration caractéristique précitée.
[0018] Grâce à une telle disposition, il est possible d’identifier à distance un véhicule même s’il n’est pas équipé d’un dispositif électronique de transmission de type Bluetooth (par exemple un véhicule d’un ancien modèle) ou encore si ce moyen de transmission n’est pas alimenté électriquement.
[0019] Pour s’assurer de l’évènement de mise à l’arrêt du véhicule et sortie de l’utilisateur, on peut identifier d’une part que le véhicule est à l’arrêt, et d’autre part que son utilisateur en est sorti. Afin de s’assurer que le véhicule est à l’arrêt, selon un mode de réalisation, la signature dudit évènement comporte une vibration caractéristique de fonctionnement du moteur, sur un intervalle de temps, dans au moins une des situations suivantes :
- mise au point mort du moteur,
- extinction du moteur.
[0020] Afin de s’assurer que son utilisateur en est sorti, selon un mode de réalisation, l’unité capteur comporte au moins un élément parmi un accéléromètre, un altimètre, un gyroscope, un capteur de pression, capteur de lumière, un microphone. La signature dudit évènement comporte une mesure spécifique d’un mouvement de l’utilisateur, sur un intervalle de temps, dans au moins l’une des situations suivantes :
- l’utilisateur retire sa ceinture de sécurité,
- l’utilisateur ouvre la porte,
- l’utilisateur effectue un mouvement pour quitter le siège,
- l’utilisateur effectue un mouvement pour passer à travers la porte,
- l’utilisateur referme la porte,
- l’utilisateur actionne un mécanisme de fermeture du véhicule. [0021] Par exemple la mesure spécifique est une accélération caractéristique. Par exemple la porte est la porte du côté conducteur. Par exemple le siège est le siège du conducteur.
[0022] Selon un mode de réalisation, la signature dudit évènement comporte une succession d’au moins deux accélérations caractéristiques correspondant à des situations respectives parmi les situations listées ci-avant, prises successivement dans l’ordre présenté ci-dessus.
[0023] Dans le cas présenté ici où l’unité capteur comporte un accéléromètre capable de détecter des accélérations caractéristiques de l’utilisateur, un tel accéléromètre peut capter en outre des vibrations, notamment des vibrations caractéristiques du moteur du véhicule, ce qui permet de réaliser une économie de moyens dans le dispositif portable.
[0024] Il existe plusieurs manières de réaliser un dispositif portable. Dans un mode de réalisation, le dispositif portable est un terminal mobile (type smartphone ou autre objet connecté équipé d’un module GPS). Un tel équipement peut suffire à détecter des mouvements de l’utilisateur et des accélérations caractéristiques, ainsi que des vibrations caractéristiques du moteur. Toutefois, il est possible que l’utilisateur laisse son smartphone posé dans le vide-poche de l’habitacle du véhicule et que le smartphone ne détecte pas tous les mouvements de l’utilisateur. Dans une autre réalisation qui ne présente pas un tel inconvénient, le dispositif portable peut être constitué d’un accessoire portable connecté (bracelet connecté ou monture de lunettes connectée), portant l’unité capteur, et d’un terminal mobile apte à communiquer avec l’accessoire portable.
[0025] Ce terminal mobile peut alors opérer les traitements d’identification de signaux caractéristiques dans les signaux captés par l’unité capteur. Néanmoins, les calculs à mettre en œuvre pour ces traitements sont fastidieux et il peut être préférable de réaliser ces calculs auprès du serveur.
[0026] Dans cette forme de réalisation, on peut prévoir alors que le dispositif portable comporte l’unité capteur et un premier module de communication radiofréquence, apte à communiquer avec un deuxième module radiofréquence d’un terminal mobile, à disposition de l’utilisateur, et relié au serveur distant via un réseau étendu. Il peut s’agir typiquement de modules de communication Bluetooth ou Wi-Fi.
[0027] Dans une telle réalisation, le procédé peut comporter:
Une transmission par le premier module au deuxième module des signaux captés,
Une transmission du terminal mobile au serveur des signaux captés, et Un traitement auprès du serveur pour identifier un signal caractéristique parmi les signaux captés.
[0028] Dans cette forme de réalisation, le terminal mobile peut avantageusement comporter le module de géolocalisation précité. En cas d’identification de la signature de l’évènement dans les signaux captés, le serveur requiert du terminal mobile les dernières coordonnées de géolocalisation du véhicule que peut transmettre alors le terminal mobile.
[0029] Par ailleurs, le « signal caractéristique » précité peut être la signature précitée de l’évènement de mise à l’arrêt du véhicule et sortie de l’utilisateur. Il peut s’agir aussi d’identifier le véhicule d’après sa vibration caractéristique. Il peut s’agir aussi de reconnaître l’utilisateur lui-même, comme prévu dans la forme de réalisation décrite ci-après.
[0030] Selon cette forme de réalisation particulière, le dispositif portable comporte un accessoire portable, connecté, à disposition de l’utilisateur et portant l’unité capteur, cette unité capteur comportant au moins un accéléromètre. En particulier, l’accéléromètre mesure au moins des mouvements de l’utilisateur pour détecter des gestes caractéristiques de l’utilisateur, ces gestes caractéristiques étant alors représentatifs d’une identité de l’utilisateur.
[0031] Dans une forme de réalisation, l’accessoire connecté est effectivement une monture de lunettes à disposition de l’utilisateur équipée d’un accéléromètre et il a été observé effectivement qu’un mouvement physique de sortie de véhicule (ou d’autres gestes préalables encore) caractérisent un individu, comme une empreinte biométrique.
[0032] Comme indiqué précédemment, les utilisateurs peuvent avoir préalablement souscrit au service de maintenance et installé l’application mobile sur leur terminal. Comme par ailleurs, chaque utilisateur peut être identifié par un mouvement physique (de sortie de véhicule ou d’autres gestes encore) comme une empreinte biométrique, l’envoi de la notification de proposition de service de maintenance sur le terminal mobile de l’utilisateur peut être conditionné par l’identification de l’utilisateur par les gestes caractéristiques précités de l’utilisateur.
[0033] Ainsi, reconnaître un utilisateur par ses gestes caractéristiques permet d’envoyer la notification au terminal de cet utilisateur précisément. En outre, un utilisateur qui vient de sortir du véhicule ne sera pas dérangé pendant sa conduite par le message reçu sur son terminal (puisqu’il est sorti du véhicule). Le message est reçu en outre à un moment pertinent, puisque l’utilisateur vient de sortir de son véhicule et est sensible à l’état du véhicule.
[0034] Dans une réalisation où la maintenance précitée concerne une pièce du véhicule susceptible de s’user (comme des essuie-glaces typiquement), la détection d’un besoin de maintenance du véhicule peut comporter :
- un apprentissage préalable dans les signaux captés par l’unité capteur, d’une signature d’état d’usure d’une pièce prédéfinie du véhicule,
- et une détection courante, dans les signaux captés par l’unité capteur, de ladite signature d’état d’usure de la pièce prédéfinie.
[0035] Par exemple, la pièce prédéfinie est une paire d’essuie-glaces du véhicule et la signature de l’état d’usure est une vibration caractéristique du frottement des essuie-glaces usés sur le pare-brise.
[0036] Dans une réalisation alternative, la détection d’un besoin de maintenance du véhicule peut comporter :
- un apprentissage préalable dans les signaux captés par l’unité capteur, d’une signature caractéristique d’une sollicitation d’une pièce prédéfinie du véhicule,
- et une détection courante, dans les signaux captés par l’unité capteur, d’une dérive de ladite signature caractéristique de la sollicitation de la pièce prédéfinie.
[0037] Une sollicitation de la pièce prédéfinie est une action exercée par une force ou une charge sur la pièce prédéfinie ou une action de la pièce prédéfinie provoquée par une force ou une charge. Par exemple, une pièce prédéfinie est un balai d’essuie-glace et une sollicitation du balai d’essuie-glace est un actionnement d’un g cycle de balayage du balai d’essuie-glace par un levier de commande. On peut prévoir par exemple un capteur (microphone ou autre) de signaux produits par le frottement d’essuie-glace (avec un son caractéristique en cas d’usure). Ce capteur peut être intégré dans l’unité capteur précitée par exemple. [0038] On peut prévoir une forme de mise en œuvre de service, proprement dite, dans laquelle on fournit en outre une mémoire stockant une liste préétablie d’opérateurs associés chacun à une adresse de télécommunication de terminal mobile d’opérateur, et associé chacun dynamiquement à un indicateur de disponibilité et à des coordonnées de présence, l’indicateur de disponibilité prenant au moins l’une des valeurs parmi la liste consistant en : « disponible », « non disponible », et le service de maintenance du véhicule peut comporter :
- sélectionner, dans la liste préétablie d’opérateurs, un opérateur dont des coordonnées de présence sont dans un rayon d’action déterminé autour desdites coordonnées de géolocalisation, et dont l’indicateur de disponibilité présente une valeur « disponible »,
- émettre, par le serveur distant, une requête de service de maintenance sur le terminal mobile d’opérateur associé à l’opérateur sélectionné,
- en réponse à la réception, par le serveur distant, d’un message d’acceptation de réalisation du service de maintenance émis par le terminal mobile d’opérateur, stocker dans la mémoire, en association avec l’opérateur sélectionné, une nouvelle valeur de l’indicateur de disponibilité de l’opérateur « non disponible ».
[0039] La présente invention vise en outre un système pour la mise en œuvre du procédé ci-avant, comportant:
- un dispositif portable, à disposition d’un utilisateur du véhicule, et incluant une unité capteur de signaux, un module de géolocalisation, et une interface de communication avec un serveur distant, et
- ledit serveur distant.
[0040] L’invention vise en outre un serveur d’un système tel que décrit précédemment, ce serveur étant configuré pour mettre en œuvre :
- une étape préalable d’apprentissage dans des signaux captés par l’unité capteur, d’au moins une signature d’un évènement prédéfini, correspondant à une mise à l’arrêt du véhicule et une sortie, du véhicule, de l’utilisateur portant le dispositif portable,
- une étape courante de :
* détection, dans les signaux captés par l’unité capteur, de ladite signature de l’évènement de mise à l’arrêt du véhicule et sortie de l’utilisateur,
* et requête de dernières coordonnées de géolocalisation du véhicule ainsi détecté comme étant à l’arrêt.
[0041] L’invention vise aussi un programme informatique comportant des instructions pour la mise en œuvre du procédé ci-avant, lorsque ces instructions sont exécutées par un processeur.
[0042] Il peut s’agir typiquement du processeur (référence 22 de la figure 1) d’un circuit de traitement informatique comportant en outre une mémoire (6) pour le stockage des instructions du programme informatique, ainsi qu’une interface de communication (7) avec un réseau de communication étendu (21), comme décrit plus loin en référence à la figure 1. Brève description des dessins
[0043] D’ailleurs, d’autres caractéristiques et avantages de l’invention apparaîtront à la lecture de la description qui va suivre. Celle-ci est purement illustrative et doit être lue en regard des dessins annexés sur lesquels :
Fig. 1 [0044] [Fig. 1] illustre un schéma d’un système pour la mise en œuvre d’un procédé de détection d’un emplacement de véhicule selon la présente invention ;
Fig. 2
[0045] [Fig. 2] illustre un diagramme d’étape du procédé de détection d’un emplacement de véhicule; et Fig. 3
[0046] [Fig. 3] illustre deux graphes d’acquisition de l’accélération par rapport au temps lors du démarrage du moteur de deux modèles de véhicules différents.
Fig. 4 [0047] [Fig. 4] illustre un graphe d’acquisition de l’accélération par rapport au temps d’une personne effectuant une série d’étapes impliquant de la marche et l’utilisation d’un véhicule ;
Fig. 5
[0048] [Fig. 5] illustre un graphique de vibrations représentatif de l’état d’un moteur à un instant donné.
Description des modes de réalisation
[0049] On décrit ci-après l’identification d’un véhicule à l’arrêt et de son emplacement.
[0050] La figure 1 illustre un exemple de système 100 pour la mise en œuvre d’un procédé de détection d’un emplacement d’un véhicule à l’arrêt, dans le but notamment d’effectuer une maintenance sur ce véhicule.
[0051] Le système 100 comporte notamment le véhicule 1 , une monture de lunettes connectée 2 portées par l’utilisateur 9, un téléphone intelligent, encore appelé en anglais « smartphone » 8, un réseau de communication étendu 21 comportant notamment internet et un serveur distant 5.
[0052] Comme visible sur la figure 1 , un utilisateur 9 de la monture de lunettes connectée 2 quitte le véhicule 1 . Dans l’exemple de la figure 1 , le véhicule 1 est une voiture de tourisme. En outre, l’utilisateur 9 dispose du smartphone 8.
[0053] L’utilisateur 9 a souscrit à un service de maintenance de son véhicule 1 .
[0054] Pour cela, l’utilisateur 9 a installé sur son smartphone 8 une application de service de maintenance et possède un compte utilisateur associé géré par le serveur distant 5.
[0055] Comme représenté sur la figure 1 , le serveur distant 5 comporte un circuit de traitement informatique comportant un processeur 22 et une mémoire 6, ainsi qu’une interface de communication 7 avec un réseau de communication étendu 21.
[0056] La mémoire 6 stocke, dans le compte utilisateur, un identifiant de l’utilisateur, un identifiant du véhicule de l’utilisateur, et une adresse de télécommunication du smartphone 8 de l’utilisateur, par exemple un numéro de téléphone. Elle peut stocker en outre des données temporaires (de calcul ou autre) et en particulier les données d’instructions du programme informatique de l’invention. Il peut s’agir ainsi d’une unité mémoire 6, globalement.
[0057] Le serveur distant 5 est programmé pour envoyer sur l’application, via l’interface de communication 7, une notification de service de maintenance du véhicule 1 afin que le véhicule 1 bénéficie d’une maintenance à son dernier emplacement, lorsque ces deux conditions sont remplies :
Condition A) Le véhicule 1 nécessite une maintenance;
Condition B) L’utilisateur 9 est hors du véhicule 1 et n’en a pas besoin dans l’immédiat.
[0058] Afin de s’assurer de la condition B) et de déterminer le dernier emplacement du véhicule dans cette condition, un procédé d’identification d’un véhicule 1 comme étant à l’arrêt avec son conducteur sorti du véhicule, est mis en œuvre.
[0059] On décrit ci-après un premier mode de réalisation du procédé d’identification.
[0060] Comme décrit ci-dessous plus en détail, le procédé d’identification peut comporter les étapes suivantes :
Identification (S0) de l’utilisateur 9 ;
Identification (S1 ) du véhicule 1 ;
Identification (S2) des dernières coordonnées GPS du véhicule 1.
[0061] On décrit ci-après une identification (S0) de l’utilisateur 9.
[0062] La monture connectée de la paire de lunettes 2 (appelée ci-après « monture de lunettes connectée 2 ») comporte une unité capteur 3 comportant un accéléromètre capable de mesurer des accélérations liées à des mouvements de l’utilisateur 9. La monture de lunettes connectée 2 est en outre configurée pour filtrer les signaux vibratoires reçus afin d’en isoler la partie utile. Notamment, la monture de lunettes connectée 2 comporte pour cela un circuit de traitement informatique comportant un processeur et une mémoire.
[0063] Chaque personne présente une démarche composée de mouvements qui lui sont propres. Aussi, la démarche d’une personne peut être un geste caractérisant l’utilisateur au même titre que ses empreintes digitales. [0064] Notamment, l’utilisateur 9 effectue lorsqu’il conduit une série de mouvements de tête, par exemple pour regarder dans les rétroviseurs. Ainsi, la fréquence et l’amplitude du mouvement de tête que fait l’utilisateur 9 pour regarder dans son rétroviseur central peuvent former une signature gestuelle caractéristique de l’identité de l’utilisateur 9. La manière dont l’utilisateur 9 replace ses lunettes sur son nez peut également constituer une signature gestuelle caractéristique de son identité. En outre, la démarche naturelle de l’utilisateur 9 lorsqu’il marche, ouvre la porte de sa voiture et s’y introduit peuvent constituer autant de signatures gestuelles de l’utilisateur 9. De la même manière, lorsque l’utilisateur sort de sa voiture, claque la porte côté conducteur, etc. il s’agit d’une séquence de gestes qui peuvent caractériser à la fois l’utilisateur, et sa sortie effective du véhicule.
[0065] La monture de lunettes connectée 2 transmet au serveur distant 5 l’accélération mesurée lors du mouvement caractéristique de l’utilisateur 9, par l’intermédiaire du smartphone 8. Pour cela, la monture de lunettes connectée 2 et le smartphone sont équipé d’interfaces de communication courte portée, ici des interfaces Bluetooth. De plus, le smartphone 8 comporte pour cela un circuit de traitement informatique comportant un processeur et une mémoire. Le smartphone 8 transmet l’accélération au serveur distant 5 via le réseau de communication étendu 21.
[0066] Le serveur distant 5 comporte un circuit de traitement informatique apte à déterminer que l’accélération correspond à un mouvement caractéristique de l’identité de l’utilisateur 9. Pour permettre cette détermination, le circuit de traitement informatique comporte une intelligence artificielle qui a été préalablement entraînée.
[0067] Cet entrainement peut avoir été effectué par un opérateur pilotant un équipement mettant en œuvre l’intelligence artificielle et qui peut ainsi marquer (ou « tagger ») des actions (ou de séquences d’actions) en les renseignant via son équipement. Lors de l’entrainement, l’opérateur utilise en outre un véhicule de préférence du même modèle.
[0068] L’opérateur effectue plusieurs fois chaque action du type par exemple: - Arrêter le moteur du véhicule,
- Retirer sa ceinture de sécurité,
- Ouvrir la porte du côté conducteur, - Effectuer un mouvement pour quitter le siège conducteur,
- Effectuer un mouvement pour passer à travers la porte du côté conducteur,
- Refermer la porte du côté conducteur,
- Actionner un mécanisme de fermeture du véhicule.
[0069] Ces actions (ou une partie au moins de ces actions), prises successivement, peuvent constituer une séquence, comme on le verra plus loin, en particulier de mise à l’arrêt et sortie de l’utilisateur de son véhicule. Pour renseigner via son équipement de quelle action il s’agit sur les mesures d’accélération, le marquage peut consister en un tag (par exemple « retrait de la ceinture de sécurité ») associé à un intervalle de temps (par exemple « 2s - 8s ») de la mesure d’accélération, pour chacun des éléments de la séquence ci-dessus. Les mesures d’accélération acquises peuvent être par exemple envoyées de l’équipement au serveur distant 5 en association avec les marqueurs des actions. L’intelligence artificielle est ainsi entraînée à reconnaître les actions précitées.
[0070] Ensuite, lors par exemple de la première utilisation du service par un utilisateur, l’utilisateur peut éventuellement entrer sur l’application de son smartphone 8 un identifiant d’utilisateur et/ou un identifiant de son véhicule (le numéro de la plaque d’immatriculation de son véhicule, par exemple).
[0071] Dans une forme de réalisation, la monture de lunettes connectée 2 que porte l’utilisateur est configurée pour capter et transmettre au serveur distant 5 des mesures d’accélération (notamment des mouvements de tête de l’utilisateur, des vibrations, etc.), en association avec l’identifiant de l’utilisateur 9. Lors de sa première utilisation du service et des utilisations ultérieures, l’utilisateur 9 équipé de la monture de lunettes connectée 2 reproduit ainsi naturellement, sans même y penser, un ou plusieurs des éléments de la séquence d’actions précitée. Les actions peuvent ainsi être identifiées par le serveur distant 5, grâce à l’apprentissage précédent.
[0072] En outre, comme décrit précédemment, les mesures d’accélération de chacune de ces actions peuvent en outre servir, lorsqu’elles sont acquises pour l’utilisateur 9 en particulier, de signature de l’identité de l’utilisateur 9. [0073] Ainsi l’intelligence artificielle est-elle entraînée en deux étapes principales : une première étape, par entrainement d’un réseau de neurones à l’aide de marqueurs d’action, correspondant à un entrainement à reconnaître des signatures d’actions effectuées par un opérateur, puis une seconde étape ultérieure, par apprentissage autonome, correspondant à un entrainement à reconnaître en particulier que les actions sont réalisées par un utilisateur donné 9. Avantageusement, l’utilisateur 9 n’a pas à effectuer d’action particulière pour entraîner l’intelligence autonome à le reconnaître. Aussi, l’utilisateur 9 ne perçoit aucune intrusion dans sa vie quotidienne. [0074] Ainsi, le circuit de traitement informatique du serveur distant 5 est apte à déterminer l’identité de l’utilisateur 9.
[0075] Avantageusement, cette détermination permet notamment de vérifier que la monture de lunettes connectée 2 est utilisée par l’utilisateur 9 enregistré dans le compte utilisateur, et non pas par un autre utilisateur. [0076] Une fois l’identité de l’utilisateur 9 vérifiée, le véhicule 1 peut être identifié par l’étape d’identification (S1 ) du véhicule 1 .
[0077] Les étapes d’identification (S1 ) du véhicule 1 et d’identification (S2) des dernières coordonnées GPS du véhicule 1 sont décrites ci-dessous en référence aux figures 1 et 2. [0078] Le moteur du véhicule 1 émet (S100) un signal de signature 4. Le signal de signature 4 est un signal vibratoire caractéristique du moteur et est détecté par l’unité capteur 3 de la monture de lunettes connectée 2.
[0079] Afin de faciliter l’illustration, la capture du signal de signature 4 est représentée sur la figure 1 à l’extérieur du véhicule 1 . En réalité, dans ce mode de réalisation, le signal de signature 4 est capté par l’unité capteur 3 lorsque l’utilisateur 9 est à l’intérieur du véhicule 1 .
[0080] L’unité capteur 3 est un accéléromètre apte à détecter des vibrations. Le signal vibratoire caractéristique du moteur est une vibration du moteur dans au moins une phase prédéfinie de fonctionnement du moteur. En général, cette phase prédéfinie peut être sélectionnée dans la liste comprenant une accélération, un changement de vitesse prédéfini, une décélération, une mise au point mort, un allumage du moteur.
[0081] Par exemple, il peut s’agir de pôles de vibration du moteur au point mort ou en régime constant, desquels pôles les différentes fréquences et les amplitudes associées caractérisent le moteur, comme illustré sur la figure 5. Alternativement ou en complément, il peut s’agir en outre d’une phase particulière de fonctionnement du moteur, dont les vibrations sont caractéristiques dans le temps, comme les phases d’accélération visibles sur les figures 3 et 4 commentées plus loin.
[0082] Le signal de signature 4 est le signal vibratoire du moteur (dans le temps et/ou en fréquences). Typiquement, le moteur vibre et cette vibration est transmise en partie dans l’habitacle dans lequel se situent l’utilisateur et son accessoire connecté 2 portant un accéléromètre. La vibration que subit ainsi l’accéléromètre peut définir un signal temporel de vibration du type illustré sur la figure 3. En effet, la figure 3 montre la différence de signatures vibratoires entre deux moteurs de véhicules différents au démarrage (à gauche 17, un premier modèle de véhicule et à droite, 18 un deuxième modèle).
[0083] En outre, il est possible d’estimer une transformée de Fourier de ce signal temporel pour en déduire les pôles de vibration de la figure 5.
[0084] L’instantané de la fréquence des modes et leur amplitude associée est caractéristique du moteur du véhicule 1 , et peut servir pour identifier le moteur au même titre qu’une carte d’identité du véhicule 1.
[0085] Comme représenté sur la figure 1 par les ondelettes 19 et 20, la monture de lunettes connectée 2 transmet (S101 ) au smartphone 8, par l’intermédiaire des interfaces de communication courte portée, le signal vibratoire. Le smartphone 8 transmet (S 102) le signal vibratoire jusqu’au serveur distant 5, via le réseau de communication étendu 21.
[0086] L’interface de communication 7 du serveur distant 5 est configurée pour recevoir le signal vibratoire. [0087] Le circuit de traitement informatique du serveur distant 5 a été préalablement configuré en tant qu’intelligence artificielle entraînée à identifier des signaux de signature.
[0088] L’entrainement peut être réalisé en effectuant des marquages, encore appelé en anglais « tags », sur les graphes d’une série de nombreux graphes de signaux d’entrainement préalablement acquis et comportant la signature à reconnaître ultérieurement. Typiquement ce « nombre de graphes » peut être plusieurs centaines, voire plusieurs milliers pour un entrainement robuste.
[0089] Dans le cas présent, des marqueurs ont été associés aux acquisitions de signaux de signature d’entrainement pour identifier une phase précise de fonctionnement du moteur du véhicule (par exemple son extinction pour l’identifier comme étant à l’arrêt).
[0090] On peut, plus généralement, tenir à jour une base de données de signatures de différents moteurs. On peut utiliser un réseau de neurones et la fonction de transfert de chaque neurone est ajustée par rétroaction lors de l’entrainement du réseau de neurones. Pour cela, les acquisitions de signaux de signature d’entrainement sont envoyées dans le réseau de neurones pour identification. Pour chaque acquisition, on instruit a posteriori le réseau de neurones sur le type de moteur identifié qui doit être associé à chaque acquisition jusqu’à ce que le réseau de neurones soit apte à reconnaître lui-même, pour une nouvelle acquisition de signal de signature d’entrainement, le type de moteur d’où est issue une nouvelle acquisition de signal.
[0091] Ainsi, par l’emploi de son réseau de neurones ainsi entraîné, le serveur distant 5 identifie (S103) le signal comportant une signature 4 comme représentatif de l’identité du moteur et plus particulièrement du véhicule 1 .
[0092] Plus généralement, l’intelligence artificielle peut être également entraînée en deux étapes principales, comme indiqué précédemment : une première étape, par entrainement d’un réseau de neurone à l’aide de marqueurs de phases de fonctionnement, correspondant à un entrainement à reconnaître des signatures de phases de fonctionnement d’un moteur en général, et une seconde étape ultérieure, par apprentissage autonome, correspondant à un entrainement à reconnaître que les actions sont réalisées par un type de moteur en particulier.
[0093] La seconde étape ultérieure peut être prolongée par un apprentissage autonome continu sur le moteur du véhicule 1 , ou plus généralement sur le véhicule lui-même. En effet, un exemplaire de véhicule produit en série peut provoquer en service des vibrations qui peuvent évoluer au cours de la vie de ce véhicule, en fonction de son utilisation particulière, laquelle utilisation peut être différente de l’utilisation faite d’autres véhicules du même modèle.
[0094] De façon plus détaillée l’identité d’un véhicule peut être alternativement effectuée selon ce qui suit.
[0095] En référence à la figure 6, une première étape S’1 consiste à tenir plusieurs bases d’apprentissage APPRi, chacune propre à un véhicule automobile VEHi, stockées dans une mémoire (par exemple d’un serveur comme décrit plus loin). A l’étape S’2, un signal de vibration est capté par un capteur CAP, et ce signal est comparé par une intelligence artificielle aux signaux de chaque base d’apprentissage APPRi, successivement (boucle S’4 sur l’indice i des bases d’apprentissage APPRi, en sortie « KO » du test S’3), jusqu’à identifier à l’étape S’5 le véhicule VEHi dont a pu être capté ce signal de vibration SENS. Dans un exemple de réalisation, un réseau de neurones artificiels peut être mis en œuvre pour extraire de chaque base d’apprentissage APPRi un modèle de vibration (ou plus particulièrement des caractéristiques spécifiques vibratoires) propre à chaque véhicule VEHi, et l’étape S’3 peut alors correspondre à une comparaison du signal vibratoire nouvellement acquis SENS à chacun de ces modèles de vibration.
[0096] Pour ce faire, on peut s’appuyer, à titre d’exemple purement illustratif, sur des phases particulières de fonctionnement du moteur du véhicule (notamment pour un moteur thermique), comme illustré sur la figure 10, représentant l’évolution d’un module d’intensité de vibration (sur plusieurs fréquences) en fonction du temps sur plusieurs phases de fonctionnement du moteur :
A son allumage Ca,
A son régime au point mort Cb,
En accélération Ce,
En régime permanent en prise Cf, En décélération Cd,
A son extinction Ce.
[0097] Chacune de ces phases peut être « tagguée » par une intelligence artificielle, avec comme paramètres possibles pertinents :
Les fréquences de vibration,
L’amplitude associée à chacune de ces fréquences,
Et/ou autres.
[0098] Par exemple, un apprentissage profond peut être mise en œuvre (en utilisant un réseau de neurones artificiels) et ainsi non seulement chacune de ces phases peut être reconnue dans le signal de vibration capté SENS mais en outre le véhicule dont être issu ce signal peut être identifié comme décrit ci-après.
[0099] En référence à nouveau à la figure 6, une fois qu’une correspondance a été identifiée entre le signal SENS et l’une des bases d’apprentissage (ou son modèle), le véhicule correspondant VEHi est alors déterminé (étape S’5 en sortie « OK » du test S’3) et, en particulier, le signal nouvellement capté SENS est stocké dans la base d’apprentissage APPRi de ce véhicule VEHi (étape S’6). Ce stockage peut être opéré éventuellement en remplacement d’un signal capté le plus ancien de la base à l’étape S’7 (par exemple selon un mécanisme de type FIFO (ou « First In First Out »). Une telle réalisation permet une mise à jour de la base pour suivre l’évolution du véhicule, en conservant en outre une taille mémoire raisonnable pour le stockage.
[0100] On se réfère maintenant à la figure 7 pour détailler un exemple de réalisation relatif à l’utilisation de plusieurs bases d’apprentissage pour identifier celle correspondant au véhicule dont est issu le signal vibratoire nouvellement capté. Outre les étapes communes S’4 et S’2 de la figure 6 précédente, pour mettre en œuvre plus précisément l’étape S’3, on calcule un score SCOi de comparaison du signal nouvellement capté SENS avec le contenu de chaque base d’apprentissage APPRi à l’étape S’21. On détermine aux étapes S’22 et S’23 le score maximum MAX, sur l’ensemble de N bases d’apprentissage (test S’24). Le véhicule VEHi est déterminé comme étant celui associé à la base d’apprentissage APPRi qui a le score maximum à l’étape S’25, et cette base d’apprentissage est mise à jour à l’étape S’26. L’étape S’27 consiste ensuite à remettre à zéro la valeur MAX pour réitérer la boucle de recherche du score maximum dans l’exemple de réalisation illustré sur la figure 7.
[0101] Comme illustré sur la figure 8, ce procédé ci-avant peut être mis en œuvre par un système comportant, dans l’exemple représenté, une paire de lunettes connectées LUN, comportant un capteur de mouvement CAP (par exemple un capteur d’accélération) fixé par exemple à la monture de la paire de lunettes. Ce capteur peut alors être agencé pour capter les données de vibration d’une partie du véhicule (moteur ou autre), mais aussi des mouvements d’un utilisateur qui porte cette paire de lunettes. Ainsi, comme on le verra plus loin, le capteur CAP peut permettre à la fois la reconnaissance du véhicule, mais aussi de l’utilisateur dans ce véhicule.
[0102] Le capteur CAP peut comporter par exemple une antenne de communication (Bluetooth, wifi ou autre) des signaux captés pour un stockage en mémoire (au moins temporaire) d’un smartphone SM que comporte en outre le système dans un exemple de réalisation. Ce smartphone SM comporte typiquement une batterie d’alimentation électrique BATT qui peut être rechargée via un module de connexion MODC à une alimentation secteur SECT. On comprendra ainsi que le smartphone lui-même peut communiquer les données de signaux acquis par le capteur CAP, dès qu’il est connecté par exemple au secteur via son module MODC. Ces données peuvent être transmises via un réseau de communication étendu RES à un serveur SER qui stocke les bases d’apprentissage APPRi et qui peut ainsi mettre en œuvre les étapes décrites ci-avant de comparaison du signal nouvellement capté aux contenus respectifs des bases d’apprentissage stockées.
[0103] En référence maintenant à la figure 9, l’étape S’31 qui suit l’étape S’2 de capter le signal vibratoire SENS peut consister à chercher à détecter un mouvement du porteur de lunettes LUN. Le cas échéant, à l’étape S’32, on cherche à reconnaître le porteur de ces lunettes parmi plusieurs utilisateurs dont les gestes caractéristiques sont stockés dans une base d’utilisateurs DB US. Dans le cas où aucun des utilisateurs répertoriés dans la base DB US n’a pu être identifié, il est possible de générer une alerte à l’étape S’34, destinée par exemple au smartphone d’un utilisateur principal dont le numéro d’accès est renseigné dans la base DB US et obtenu ainsi à l’étape S’33. Il peut s’agir typiquement d’un utilisateur déclaré comme étant le principal utilisateur du véhicule au sein d’une même famille, ou d’une même entreprise.
[0104] Si l’utilisateur en cours est bien reconnu dans la base DB US, il est alors possible de lui transmettre directement des notifications sur son smartphone (son numéro de contact étant également renseigné dans la base DB US), notamment à l’étape S’40 décrite plus loin.
[0105] Par ailleurs, comme illustré aussi sur la figure 9, une fois que le véhicule a été identifié à l’étape S’5, le signal vibratoire nouvellement capté peut être comparé à un modèle MOD de vibration du véhicule (estimé depuis la base d’apprentissage et donné typiquement par un réseau de neurones artificiels par exemple) pour déterminer si l’écart entre le signal SENS et ce modèle MOD est au-delà d’un seuil THR choisi. Si tel est le cas, une telle mesure peut caractériser la présence d’une défaillance du véhicule.
[0106] Ainsi, pour caractériser davantage cette défaillance, on peut déterminer à l’étape S’36 le modèle du véhicule qui a été identifié à l’étape S’5. On peut rechercher ainsi, comme suit, le type de défaillance dans une base de données DB BKD de modèles de vibrations caractéristiques en cas de diverses défaillances (de moteur, de suspension, de freinage, etc.) et ce pour différents modèles de véhicules. Une fois le modèle de véhicule identifié (étape S’36), il est possible de comparer le signal nouvellement acquis à chacun des modèles vibratoires en cas de défaillance de ce modèle de véhicule, par exemple en assignant des scores SCOj à chacune de ces comparaisons à l’étape S’37. On identifie alors à l’étape S’38 le modèle vibratoire en cas de défaillance qui obtient le score maximum. La défaillance en cours BKDj peut ainsi être reconnue et il est alors possible de générer une alerte à l’étape S’39 à destination du smartphone de l’utilisateur en cours du véhicule, à l’étape S’40.
[0107] Une telle réalisation permet de sensibiliser l’utilisateur en cours sur un bruit particulier de son véhicule en fonctionnement, qu’il peut entendre directement, et qui d’après le traitement présenté plus haut caractérise une panne particulière qui risque d’advenir (ou adviendra après un nombre déterminé de kilomètres parcourus). Le message d’alerte sur le smartphone de l’utilisateur en cours (ou alternativement sur le smartphone de l’utilisateur principal précité) peut ainsi recommander le remplacement d’une pièce particulière du véhicule (pneus, amortisseurs, suspension moteur, plaquettes de frein ou autres).
[0108] Bien entendu, la présente invention ne se limite pas aux formes de réalisation décrites ci-avant à titre d’exemple ; mais elle s’étend à d’autres variantes.
[0109] Ainsi par exemple, le fait de prévoir une monture de paires de lunettes pour porter le capteur CAP peut être optionnel. Alternativement, le capteur peut être un capteur de mouvement d’un smartphone ou d’un bracelet connecté ou autre, que porte l’utilisateur et est ainsi reconnu. Le smartphone peut alors utiliser en outre un microphone pour capter des signaux de vibration sous forme de signaux acoustiques. Alternativement encore, le capteur CAP est implanté dans le véhicule automobile et transmet les signaux captés au smartphone lorsque ce dernier est détecté dans le véhicule. Dans cette réalisation, comme le smartphone transmet les données des signaux captés au serveur SER généralement avec un identifiant de smartphone, il est possible de notifier à ce smartphone tout signal d’alerte du type précité. Bien entendu, on entend ici par « smartphone » tout appareil connecté de type tablette, ordinateur portable, bracelet connecté ou autre.
[0110] Ainsi, le serveur distant 5 a identifié le véhicule 1 et l’utilisateur 9 par l’un de ses gestes caractéristiques.
[0111] En outre, le serveur distant 5 est configuré pour vérifier que l’identité de l’utilisateur 9 et l’identification du véhicule 1 retrouvées par les étapes décrites ci- dessus correspondent au même compte d’utilisateur enregistré dans le serveur distant 5.
[0112] Avantageusement, cette vérification permet notamment d’identifier que l’utilisateur 9 est dans son véhicule personnel, et non pas dans un autocar ou un taxi. Le serveur distant 5 peut alors envoyer (S104) sur le smartphone 8 une notification de proposition de maintenance afin de s’assurer de l’accord de l’utilisateur 9 pour que la maintenance ait lieu. A réception de la notification, l’utilisateur 9 peut indiquer (S 105) son accord pour que l’opération de maintenance ait lieu. Une fois que le serveur distant 5 a déterminé que l’utilisateur 9 est dans son véhicule 1 personnel, la condition B) peut être testée comme décrit ci-dessous. [0113] Pour des raisons pratiques, l’opération de maintenance doit avoir lieu alors que l’utilisateur 9 n’a pas besoin d’utiliser son véhicule 1. Pour cela, le procédé comporte une étape d’identification (S2) des dernières coordonnées GPS du véhicule 1 et à cette fin, il convient de déterminer que le véhicule 1 est garé et s’assurer que l’utilisateur 9 est sorti de son véhicule, le moteur du véhicule 1 étant éteint.
[0114] Un procédé pour déterminer que l’utilisateur 9 sort de son véhicule 1 est décrit ci-dessous. L’utilisateur 9 a effectué un trajet à l’aide de son véhicule 1. Il gare le véhicule 1. L’utilisateur 9 éteint le moteur du véhicule 1 et, comme représenté sur la figure 1 , quitte le véhicule 1. Lorsqu’il quitte le véhicule 1 , l’utilisateur 9 émet (S 106) un signal caractéristique 10, comportant une signature d’un évènement (arrêt du moteur et sortie du véhicule). Comme représenté sur la figure 1 , l’unité capteur 3 de la monture de lunettes connectée 2 capture la signature de ce signal 10 à la fois la vibration caractéristique du moteur à l’extinction et le geste caractéristique de l’utilisateur pour sortir du véhicule. L’unité capteur 3 comporte un accéléromètre configuré pour acquérir ces différentes mesures de vibrations et mouvements. L’accéléromètre peut être implanté dans la monture de lunettes connectée 2.
[0115] Ce signal 10 est envoyé (S107) par la monture de lunettes connectée 2 au smartphone 8 qui le transmet (S108) au serveur distant 5.
[0116] Le serveur distant 5 comporte un circuit de traitement informatique apte à déterminer, dans le deuxième signal de signature 10, une signature de l’évènement d’extinction du moteur et de sortie, par l’utilisateur 9, du véhicule 1.
[0117] Le serveur distant 5 est équipé d’une intelligence artificielle entraînée à reconnaître des signatures d’évènements dans les signaux qu’il reçoit de la monture 2 via le smartphone 8. Par exemple, la figure 4 représente une acquisition de mesure d’accélération en fonction du temps, acquise par l’accéléromètre de la monture de lunettes connectée 2 pour la séquence d’évènements suivante :
- L’utilisateur 9 marche (S1 1 ) pour rejoindre le véhicule 1.
- L’utilisateur 9 entre (S12) dans le véhicule 1.
- L’utilisateur 9 démarre (S13) le moteur.
- Le moteur effectue (S14) une séquence à différents tours moteur. - L’utilisateur 9 sort (S15) du véhicule 1.
- L’utilisateur 9 marche (S16) pour s’éloigner du véhicule 1.
[0118] Pour identifier cette succession d’évènements, un opérateur peut avoir marqué préalablement chaque évènement sur les mesures d’accélération. Par exemple, le marquage peut consister en un tag (par exemple « S11 ») associé à un intervalle de temps (par exemple « 40s -50s ») de la mesure d’accélération.
[0119] Ainsi, l’intelligence artificielle du serveur distant 5 est apte à reconnaître (S109), dans le signal de signature d’évènement, les évènements S15 et S16, dans cet ordre, et à identifier en outre un écart temporel typique entre ces deux évènements, ce qui caractérise ainsi une succession typique de ces évènements. Lorsque le serveur distant 5 a identifié les deux évènements S15 et S16, il envoie une requête (S110) de coordonnées courantes de géolocalisation au smartphone 8. L’application du smartphone 8 est configurée pour que le smartphone 8 interroge le module de géolocalisation du smartphone et transmette les coordonnées de géolocalisation courantes du smartphone, puis qu’il les envoie (S111) au serveur distant 5, en réponse à la requête de données de géolocalisation.
[0120] L’interrogation du smartphone 8 par le serveur 5 intervient très peu de temps après la sortie de l’utilisateur de son véhicule (par exemple moins de cinq secondes). Ainsi, le serveur distant 5 obtient l’information du dernier emplacement du véhicule 1 , définitivement garé pour une période assez longue permettant l’opération de maintenance. Le serveur distant 5 peut alors envoyer au smartphone 8 une notification de proposition de service de maintenance.
[0121] Ainsi, le serveur distant 5 dispose du lieu où la maintenance du véhicule peut être entreprise, c’est-à-dire de l’emplacement du véhicule à l’arrêt.
[0122] Selon une variante, afin de s’assurer complètement de la condition B), le serveur distant 5 peut envoyer (S104) sur le smartphone 8 la notification de proposition de maintenance après avoir identifié que l’utilisateur 9 était sorti du véhicule 1 , afin de s’assurer de l’accord de l’utilisateur 9 pour que la maintenance ait lieu. A réception de la notification, l’utilisateur 9 peut indiquer son accord pour que l’opération de maintenance ait lieu. Avantageusement, cette variante permet d’éviter que le serveur distant 5 ne planifie une maintenance dans le cas où l’utilisateur 9 n’était sorti que temporairement de son véhicule 1 .
[0123] La maintenance précitée consiste en un changement des essuie-glaces 23 du véhicule 1 lorsque les essuie-glaces 23 sont usés, dans un exemple de réalisation présenté ci-après.
[0124] Le service de remplacement d’essuie-glace 23 consiste à envoyer un coursier avec une paire d’essuie-glaces neuve sur le lieu des dernières coordonnées de géolocalisation du véhicule à l’arrêt. Le coursier remplace alors les essuie-glaces 23 du véhicule 1 pendant que l’utilisateur 9 ne se sert pas de son véhicule 1 . Dans cet exemple, la condition A), c’est-à-dire le fait que véhicule 1 nécessite une maintenance, peut être assurée comme exposé ci-après.
[0125] Les essuie-glaces 23 sont considérés usés à partir d’un temps d’utilisation défini, par exemple une année.
[0126] Alternativement, les essuie-glaces 23 sont considérés usés en fonction d’un temps d’utilisation défini pondéré par des critères de fréquence et d’intensité d’utilisation du véhicule et/ou de fréquence et d’intensité de pluviométrie locale, et/ou d’exposition à des rayons ultraviolets.
[0127] Alternativement, les essuie-glaces 23 sont considérés usés par détection et analyse d’un signal de signature qui peut être détecté, transmis et analysé comme suit. Ce signal, capté par l’unité capteur 3 de la monture de lunettes connectée 2, peut comporter effectivement une signature caractéristique de l’état d’usure des essuie-glaces 23. Par exemple, cette signature peut être une vibration caractéristique d’un frottement des balais 23 sur le pare-brise avec un bruit particulier.
[0128] Ensuite, avant d’envoyer un coursier sur le lieu des dernières coordonnées GPS, le serveur distant 5 peut sélectionner par exemple, dans une liste de coursiers stockée dans sa mémoire 6, un coursier disponible dans un rayon d’action prédéterminé autour des dernières coordonnées GPS du véhicule 1 . Notamment, dans la mémoire 6, chaque coursier de la liste de coursiers est associé à un smartphone, est également associé à une option, encore appelé en anglais : « flag », de disponibilité prenant une valeur indiquant sa disponibilité (« disponible » ou « non disponible »), et chaque coursier est en outre associé à des coordonnées de présence. Pour chaque coursier, la valeur de l’option et les coordonnées de présence sont mises à jour dans le serveur distant 5, par exemple par l’envoi de requêtes périodiques de mise à jour par le smartphone du coursier. Le coursier sélectionné reçoit sur son smartphone une requête de maintenance, envoyée par le serveur distant 5. La requête comporte un identifiant du véhicule 1 , par exemple sa plaque d’immatriculation, ainsi que ses dernières coordonnées GPS. Le coursier répond à cette requête pour valider auprès du serveur distant 5 qu’il va effectivement remplacer les essuie-glaces du véhicule 1.
[0129] Grâce à une telle mise en oeuvre, il est possible de proposer un service de maintenance de véhicule 1 sans intervention de l’utilisateur. En effet, l’utilisateur 9 n’a pas besoin de penser à changer ses essuie-glaces 23 régulièrement. En outre, le service de maintenance est apte à être effectué sans gêne pour l’utilisateur 9. En effet, le service détecte que l’utilisateur 9 est absent de son véhicule 1 et propose la maintenance lorsque l’utilisateur 9 n’a pas besoin de son véhicule 1. Par ailleurs, selon certains aspects impliquant la vérification de l’identité du véhicule 1 , d’autres avantages peuvent être obtenus, notamment de sécurité, mais également d’identifier que l’utilisateur 9 est dans son véhicule personnel afin d’éviter d’effectuer une proposition de maintenance sur un autre véhicule que le véhicule personnel de l’utilisateur 9.
[0130] Bien entendu, la présente invention ne se limite pas aux formes de réalisation décrites ci-avant à titre d’exemples ; elle s’étend à d’autres variantes.
[0131] Ainsi par exemple, afin de s’assurer de la condition B) et de déterminer le dernier emplacement du véhicule 1 , un deuxième mode de réalisation du procédé d’identification peut être mis en œuvre comme présenté ci-dessous.
[0132] Selon ce mode de réalisation, il n’est pas nécessaire d’effectuer une identification de l’utilisateur 9 mais de détecter un arrêt du véhicule et une sortie de l’utilisateur du véhicule seulement à partir du smartphone de l’utilisateur, qui constitue ainsi, seul, le dispositif portable comportant l’unité capteur 3. Le serveur distant 5 est toujours configuré pour déterminer que l’utilisateur 9 éteint le moteur du véhicule 1 et sort du véhicule 1. Cette détermination est effectuée sur la base de l’acquisition, par le smartphone 8, d’un signal comportant éventuellement une signature de cette succession d’évènements. Ce signal est transmis au serveur et dès lors que la signature d’évènements est identifiée par le serveur, le smartphone envoie ses coordonnées de géolocalisation, avec un identifiant du terminal (numéro de téléphone dans le réseau GSM, ou numéro de sa carte SIM, ou autres). Cet identifiant de smartphone permet de vérifier dans une base que la vibration caractéristique du moteur correspond bien au détenteur de ce véhicule d’après son identifiant de smartphone et qu’une notification peut être envoyée sur ce smartphone pour le lancement de l’opération de maintenance.
[0133] Dans cette réalisation, pour identifier la vibration caractéristique du moteur, l’accéléromètre du smartphone peut être utilisé, ou en variante, un microphone que comportent habituellement les smartphones peut capter un signal acoustique dans lequel le serveur peut chercher une signature caractéristique. Ce microphone peut d’ailleurs servir aussi à détecter que l’utilisateur est sorti de son véhicule en détectant une signature de bruit de fermeture de portière suivi de bruits de pas par exemple. Ainsi, l’accéléromètre précité peut ne pas être utilisé.
[0134] Typiquement, le son d’une fermeture de portière d’un véhicule particulier peut être reconnu par apprentissage, mais aussi il est possible de déterminer la portière qui a été fermée (avant conducteur ou passager, ou arrière, etc.).
[0135] Dans une autre variante, le smartphone peut également être équipé d’une puce GPS (« Global Positioning System ») et on détecte que l’utilisateur est sorti de son véhicule en détectant un changement de vitesse de déplacement du smartphone, d’abord embarqué dans un véhicule en déplacement puis porté par l’utilisateur, qui marche. L’application permet de faire stocker, par la mémoire, une séquence de coordonnées de géolocalisation associées à des horodatages. Cette séquence est acquise par un prétraitement des données issues de la puce GPS embarquée dans le smartphone. La séquence de coordonnées peut servir ainsi à détecter que l’utilisateur est sorti de son véhicule, et ce en détectant. En variante, on peut prévoir que la monture de lunettes connectée 2 soit équipée d’une puce GPS pour les applications précitées. [0136] Bien qu’il ait été décrit un serveur distant comportant une intelligence artificielle pour permettre cette détermination, on peut prévoir plutôt un circuit de traitement informatique comportant une telle intelligence artificielle implanté plutôt dans le dispositif portable (smartphone ou monture de lunettes connectée).
[0137] En outre, bien que le dispositif portable représenté sur la figure 1 se présente sous la forme d’une monture de lunettes connectée 2, d’autres types de dispositif portable peuvent permettre de réaliser l’invention. Par exemple, le dispositif portable peut être un bracelet connecté, un téléphone intelligent, encore appelé en anglais « smartphone », une ceinture connectée, une bague ou un collier connecté, une broche connectée, un sac à main ou une mallette connectée etc.
[0138] Il existe une grande variété de véhicules motorisés 1 dont le procédé de détection permet d’identifier l’emplacement. Par exemple, le véhicule est une automobile telle qu’une voiture de tourisme. Dans un autre exemple, le véhicule est un camion, une motocyclette ou une mobylette.
[0139] Dans un mode de réalisation, le véhicule est une voiture électrique. Dans ce cas, le signal de signature 4 est par exemple un signal vibratoire caractéristique du système de freinage ou des suspensions, dans au moins une phase prédéfinie de fonctionnement du système de freinage ou des suspensions.
[0140] Bien que l’exemple de service de maintenance mentionné ci-dessus soit un service de remplacement d’essuie-glaces, il existe une grande variété de service de maintenance, adaptables à tout autre besoin du véhicule, qui peuvent être effectué lors d’une identification d’un véhicule comme étant à l’arrêt en vue d’une détermination d’un emplacement de ce véhicule à l’arrêt telle que décrite ci-dessus. Par exemple, la maintenance peut consister à remplacer d’autres pièces usées du véhicule 1 , telles que des phares depuis l’extérieur, des pneus, des enjoliveurs, ou autres. L’exemple de maintenance décrit ci-dessus est également adaptable à un lavage du véhicule 1 , par exemple à un nettoyage de la partie extérieure du véhicule. Dans un tel exemple de maintenance, la carrosserie du véhicule est équipée d’au moins un capteur de dépôt de saleté. Le capteur est configuré pour envoyer une alerte à détection du dépassement d’un seuil de saleté déposée sur la carrosserie. Le serveur est configuré pour déclencher le service si l’utilisateur est sorti de son véhicule, à réception de l’alerte. [0141] De manière générale, l’utilisation du service tel que décrit ne nécessite pas de souscrire à un service de maintenance régulière et peut également être une utilisation ponctuelle unique.
[0142] Le serveur distant 5 peut être implémenté de manière unitaire ou distribuée. L’ensemble formé du dispositif portable (par exemple la monture de lunettes connectée 2) et du terminal mobile (par exemple le smartphone 8) peut être implémenté de manière unitaire ou distribuée.
[0143] Par ailleurs, l’entrainement précité du réseau de neurones peut faire intervenir un opérateur qui peut être l’utilisateur comme décrit précédemment. Néanmoins, en variante, il peut s’agir d’un apprentissage autonome d’une intelligence artificielle. Dans un exemple typique d’une telle réalisation, un moyen informatique reconnaît par exemple un mouvement vers le haut de la monture de lunettes 2 et interprète (d’après une table préenregistrée de règles d’interprétation) qu’un utilisateur se lève de son siège pour sortir du véhicule. L’intelligence artificielle marque (ou « taggue ») cette séquence comme une sortie de véhicule par un utilisateur. Ensuite, dans l’apprentissage, si l’utilisateur sort de telle manière que le mouvement de la monture effectue un trajet vers le haut d’une distance toujours comprise dans un même intervalle restreint (par exemple entre 1 ,00 m et 1 ,20 m), alors cet utilisateur précisément est bien identifié comme sortant de son véhicule.
[0144] Par ailleurs, il a été décrit diverses modes de réalisation permettant à un serveur distant 5 d’identifier un véhicule et/ou un utilisateur à l’aide d’une intelligence artificielle entraînée à identifier des signaux de signature. Dans une option avantageuse, le smartphone peut être en outre configuré pour reconnaître une signature unique, à partir d’une première identification préalable de la signature unique par le serveur. Dans une telle option, la signature est transmise par le serveur 5 au smartphone après la première identification préalable, et stockée dans la mémoire en relation avec un identifiant du véhicule et/ou de l’utilisateur. Ainsi le smartphone peut être configuré pour effectuer certaines vérifications moins coûteuses en puissance calculatoire que l’identification effectuée par le smartphone via une intelligence artificielle.

Claims

Revendications
[Revendication 1] Procédé, mis en œuvre par des moyens informatiques, d’identification d’un véhicule motorisé (1 ) comme étant à l’arrêt en vue d’une détermination d’un emplacement de ce véhicule à l’arrêt, dans lequel on prévoit un dispositif portable (2), à disposition d’un utilisateur du véhicule, le dispositif portable comportant une unité capteur (3) de signaux, un module de géolocalisation et une interface de communication (7) avec un serveur distant (5),
Le procédé comportant:
- une étape préalable d’apprentissage dans les signaux captés par l’unité capteur, d’au moins une signature d’un évènement prédéfini, correspondant à une mise à l’arrêt du véhicule et une sortie, du véhicule, de l’utilisateur portant le dispositif portable (2),
- et une étape courante de :
* détection (S106), dans les signaux captés par l’unité capteur, de ladite signature de l’évènement de mise à l’arrêt du véhicule et sortie de l’utilisateur,
* détermination de dernières coordonnées de géolocalisation du véhicule (1 ) ainsi détecté comme étant à l’arrêt, et
* envoi (S111) au serveur distant (5) desdites coordonnées de géolocalisation,
Le serveur distant étant apte à communiquer avec un terminal mobile à disposition de l’utilisateur, le procédé comporte en outre :
- une détection d’un besoin de maintenance du véhicule (1 ),
- un envoi, par le serveur distant (5), d’une notification de proposition de service de maintenance sur le terminal mobile (8),
- la réception, par le serveur distant (5), d’une requête de service de maintenance émise par le terminal mobile (8),
- en réponse à la réception de la requête de service de maintenance, l’émission d’un signal de lancement du service de maintenance, le signal comportant au moins les coordonnées de géolocalisation.
[Revendication 2] Procédé selon la revendication 1 , dans lequel l’étape préalable d’apprentissage comporte :
- acquérir une pluralité de signaux captés par l’unité capteur,
- identifier, dans chaque signal de la pluralité de signaux, si au moins une portion du signal correspond à l’évènement prédéfini,
- associer à l’au moins une portion du signal un marqueur représentatif de l’évènement prédéfini,
- entraîner, par apprentissage, une intelligence artificielle à la détection, dans des signaux captés par l’unité capteur, de ladite signature de l’évènement, l’entrainement étant effectué sur la base de chaque signal de la pluralité de signaux captés et des marqueurs associés à ladite portion de signal.
[Revendication 3] Procédé selon l’une quelconque des revendications précédentes, dans lequel, l’unité capteur comportant un accéléromètre capable de capter des vibrations du moteur du véhicule en marche, le procédé comporte en outre :
- un apprentissage préalable d’identification d’une vibration caractéristique du moteur dans au moins une phase prédéfinie de fonctionnement du moteur, la vibration caractéristique étant représentative d’une identité du véhicule,
- et une détection courante, dans les signaux captés par l’unité capteur, de ladite vibration caractéristique,
L’envoi (S111 ) au serveur distant (5) desdites coordonnées de géolocalisation étant conditionné par une détection positive (S 100) de ladite vibration caractéristique..
[Revendication 4] Procédé selon la revendication 3, dans lequel la signature dudit évènement comporte une vibration caractéristique de fonctionnement du moteur, sur un intervalle de temps, dans au moins une des situations suivantes :
- mise au point mort du moteur,
- extinction du moteur.
[Revendication 5] Procédé selon l’une quelconque des revendications précédentes, dans lequel, l’unité capteur (3) comportant au moins un parmi un accéléromètre, un altimètre, un gyroscope, un capteur de pression, capteur de lumière, un microphone,
la signature dudit évènement comporte une accélération caractéristique, mesure spécifique d’un mouvement de l’utilisateur, sur un intervalle de temps, dans au moins l’une des situations suivantes :
- l’utilisateur (9) retire sa ceinture de sécurité,
- l’utilisateur (9) ouvre la porte du côté conducteur, - l’utilisateur (9) effectue un mouvement pour quitter le siège conducteur,
- l’utilisateur (9) effectue un mouvement pour passer à travers la porte du côté conducteur,
- l’utilisateur (9) referme la porte du côté conducteur,
- l’utilisateur (9) actionne un mécanisme de fermeture du véhicule.
[Revendication 6] Procédé selon la revendication 5, caractérisé en ce que la signature dudit évènement comporte une succession d’au moins deux accélérations caractéristiques correspondant à des situations respectives parmi lesdites situations prises successivement dans l’ordre.
[Revendication 7] Procédé selon l’une quelconque des revendications précédentes, dans lequel le dispositif portable (2) comporte ladite unité capteur (3) et un premier module de communication radiofréquence, apte à communiquer avec un deuxième module radiofréquence d’un terminal mobile, à disposition de l’utilisateur, et relié via un réseau étendu au serveur distant (5), et le procédé comporte :
- Une transmission par le premier module au deuxième module des signaux captés,
- Une transmission du terminal mobile au serveur des signaux captés, et
- Un traitement auprès du serveur pour identifier un signal caractéristique parmi les signaux captés.
[Revendication 8] Procédé selon la revendication 7, dans lequel, le terminal mobile comportant le module de géolocalisation, en cas d’identification de la signature dudit évènement dans les signaux captés, le serveur requiert du terminal mobile lesdites dernières coordonnées de géolocalisation du véhicule (1).
[Revendication 9] Procédé selon l’une des revendications précédentes, dans lequel le dispositif portable (2) comporte un accessoire portable, connecté, à disposition de l’utilisateur et portant l’unité capteur (3), ladite unité capteur comportant au moins un accéléromètre,
Et dans lequel l’accéléromètre mesure au moins des mouvements de l’utilisateur pour détecter des gestes caractéristiques de l’utilisateur, lesdits gestes caractéristiques étant représentatifs d’une identité de l’utilisateur.
[Revendication 10] Procédé selon la revendication 9, dans lequel l’accéléromètre mesure en outre les vibrations du moteur.
[Revendication 11] Procédé selon l’une des revendications 9 ou 10, dans lequel l’envoi de la notification de proposition de service de maintenance sur le terminal mobile (8) de l’utilisateur est conditionné par l’identification de l’utilisateur par lesdits gestes caractéristiques de l’utilisateur.
[Revendication 12] Procédé selon l’une des revendications 10 et 11 , dans lequel la détection d’un besoin de maintenance du véhicule comporte :
- un apprentissage préalable dans les signaux captés par l’unité capteur, d’une signature d’état d’usure d’une pièce prédéfinie du véhicule (1 ),
- et une détection courante, dans les signaux captés par l’unité capteur, de ladite signature d’état d’usure de la pièce prédéfinie.
[Revendication 13] Procédé selon la revendication 12, dans lequel la détection d’un besoin de maintenance du véhicule comporte :
- un apprentissage préalable dans les signaux captés par l’unité capteur, d’une signature caractéristique d’une sollicitation d’une pièce prédéfinie du véhicule,
- et une détection courante, dans les signaux captés par l’unité capteur, d’une dérive de ladite signature caractéristique de la sollicitation de la pièce prédéfinie.
[Revendication 14] Système pour la mise en oeuvre du procédé selon l’une des revendications précédentes, comportant:
- un dispositif portable (2), à disposition d’un utilisateur du véhicule, et incluant une unité capteur (3) de signaux, un module de géolocalisation, et une interface de communication (7) avec un serveur distant (5), et
- ledit serveur (5) distant.
[Revendication 15] Serveur d’un système selon la revendication 14, configuré pour mettre en œuvre :
- une étape préalable d’apprentissage dans des signaux captés par l’unité capteur, d’au moins une signature d’un évènement prédéfini, correspondant à une mise à l’arrêt du véhicule et une sortie, du véhicule, de l’utilisateur portant le dispositif portable (2),
- une étape courante de : * détection (S106), dans les signaux captés par l’unité capteur, de ladite signature de l’évènement de mise à l’arrêt du véhicule et sortie de l’utilisateur,
* et requête de dernières coordonnées de géolocalisation du véhicule (1 ) ainsi détecté comme étant à l’arrêt.
[Revendication 16] Programme informatique comportant des instructions pour la mise en œuvre du procédé selon l’une des revendications 1 à 13, lorsque lesdites instructions sont exécutées par un processeur.
PCT/EP2020/050337 2019-01-10 2020-01-08 Identification d'un vehicule a l'arret et de son emplacement WO2020144241A1 (fr)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
FR1900248A FR3091778B1 (fr) 2019-01-10 2019-01-10 Identification d’un vehicule a l’arret et de son emplacement
FR1900248 2019-01-10
FR1900247A FR3091754B1 (fr) 2019-01-10 2019-01-10 Identification d’un véhicule automobile par ses caractéristiques vibratoires
FR1900247 2019-01-10

Publications (1)

Publication Number Publication Date
WO2020144241A1 true WO2020144241A1 (fr) 2020-07-16

Family

ID=69147720

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2020/050337 WO2020144241A1 (fr) 2019-01-10 2020-01-08 Identification d'un vehicule a l'arret et de son emplacement

Country Status (1)

Country Link
WO (1) WO2020144241A1 (fr)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470339A (zh) * 2021-06-10 2021-10-01 摩拜(北京)信息技术有限公司 一种车辆控制方法、装置、车辆及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6339736B1 (en) * 2000-03-31 2002-01-15 International Business Machines Corporation System and method for the distribution of automotive services
US20060111835A1 (en) * 2004-11-23 2006-05-25 Texas Instruments Incorporated Location system for locating a parked vehicle, a method for providing a location of a parked vehicle and a personal wireless device incorporating the system or method
US20120089474A1 (en) * 2010-10-07 2012-04-12 Verizon Patent And Licensing Inc. Automated automobile maintenance using a centralized expert system
FR2975517A1 (fr) * 2011-05-20 2012-11-23 France Telecom Enregistrement automatique de la position de stationnement d'un vehicule
US20140232569A1 (en) * 2013-02-21 2014-08-21 Apple Inc. Automatic identification of vehicle location
US20170206718A1 (en) * 2016-01-19 2017-07-20 Robert Bosch Gmbh Methods and systems for diagnosing a vehicle using sound
US9812015B1 (en) * 2014-09-02 2017-11-07 Metromile, Inc. Systems and methods for determining parking information for a vehicle using vehicle data and external parking data

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6339736B1 (en) * 2000-03-31 2002-01-15 International Business Machines Corporation System and method for the distribution of automotive services
US20060111835A1 (en) * 2004-11-23 2006-05-25 Texas Instruments Incorporated Location system for locating a parked vehicle, a method for providing a location of a parked vehicle and a personal wireless device incorporating the system or method
US20120089474A1 (en) * 2010-10-07 2012-04-12 Verizon Patent And Licensing Inc. Automated automobile maintenance using a centralized expert system
FR2975517A1 (fr) * 2011-05-20 2012-11-23 France Telecom Enregistrement automatique de la position de stationnement d'un vehicule
US20140232569A1 (en) * 2013-02-21 2014-08-21 Apple Inc. Automatic identification of vehicle location
US9812015B1 (en) * 2014-09-02 2017-11-07 Metromile, Inc. Systems and methods for determining parking information for a vehicle using vehicle data and external parking data
US20170206718A1 (en) * 2016-01-19 2017-07-20 Robert Bosch Gmbh Methods and systems for diagnosing a vehicle using sound

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470339A (zh) * 2021-06-10 2021-10-01 摩拜(北京)信息技术有限公司 一种车辆控制方法、装置、车辆及系统

Similar Documents

Publication Publication Date Title
KR101912703B1 (ko) 3채널 차량 상황 감시 장치 및 그 방법
US11237184B2 (en) Methods and systems for pattern-based identification of a driver of a vehicle
WO2010034909A1 (fr) Procédé et dispositif d'authentification de données transmises relatives à l'usage d'un véhicule et/ou au comportement de son conducteur
EP3362791B1 (fr) Systeme de certification d'un depistage d'une substance gazeuse exhalee par un individu, et procede mettant en oeuvre le systeme
EP3227155B1 (fr) Procédé d'assistance à au moins un occupant d'un véhicule accidenté et système d'assistance dédié
WO2017149046A1 (fr) Dispositif et méthode de surveillance d'un conducteur d'un véhicule de transport
FR3038770A1 (fr) Systeme de surveillance de l'etat de vigilance d'un operateur
FR3039812A1 (fr) Dispositif et procede de detection de place de stationnement libre pour un vehicule automobile.
WO2020144241A1 (fr) Identification d'un vehicule a l'arret et de son emplacement
FR3091778A1 (fr) Identification d’un vehicule a l’arret et de son emplacement
WO2017137612A1 (fr) Dispositif et méthode anti-collision pour un véhicule automobile
FR3057517A1 (fr) Dispositif de prevention des situations dangereuses pour un conducteur d'un vehicule de transport et procede associe
WO2018224608A1 (fr) Dispositif d'enregistrement de données de déplacement, procédé et programme correspondant
FR3060505A1 (fr) Procede de controle de prise en main d’un organe de direction de vehicule
EP3752394B1 (fr) Méthode de surveillance d'un environnement de véhicule automobile en stationnement comprenant une caméra asynchrone
FR3091754A1 (fr) Identification d’un véhicule automobile par ses caractéristiques vibratoires
EP3926529A1 (fr) Systèmes et méthodes de détermination d'un nombre de personnes dans un véhicule
FR3086239A1 (fr) Systeme et procede pour identifier un conducteur d’un vehicule apres le demarrage du vehicule
EP4041606B1 (fr) Détermination d'un état d'utilisateur conduisant activement ou non un véhicule automobile
FR2936473A1 (fr) Procede de declenchement d'alertes pour vehicule et dispositif associe
FR2905024A1 (fr) Procede et dispositif embarque de calcul, d'enregistrement et de transfert de distributions statistiques relatives a des parametres lies au deplacement d'un mobile
FR3066295B1 (fr) Procede de mise a jour par telecodage d'un calculateur de vehicule
FR3101593A1 (fr) Détermination d’un état de densité d’un trafic routier
FR2999000A1 (fr) Systeme de securite d'identification pour etre humain
FR3128039A1 (fr) Procédé d’authentification d’une prise de vue capturée dans un habitacle d’un véhicule automobile.

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20700267

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20700267

Country of ref document: EP

Kind code of ref document: A1