図面 (/)

技術 運動データに基づいて運転挙動を認識するデバイスおよび方法

出願人 ベイジンディディインフィニティテクノロジーアンドディベロップメントカンパニーリミティッド
発明者 チェンアオシャオチョンチョンファンチョン
出願日 2017年5月31日 (3年5ヶ月経過) 出願番号 2019-565885
公開日 2020年7月30日 (3ヶ月経過) 公開番号 2020-522798
状態 未査定
技術分野 交通制御システム
主要キーワード 電子アイ 前処理済みデータ 運動測定値 運転ルール 制御器具 書込みデバイス でこぼこ道 固定形式
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2020年7月30日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (11)

課題・解決手段

運転挙動を認識する電子デバイスおよび方法を提供する。これらの電子デバイスは、これらの方法を実行して、目標時点において、少なくとも1つのセンサから、電子デバイスに関連付けられた運動データを符号化した第1の電子信号を取得し、論理回路を動作させて、運動データを符号化した第1の電子信号が前提条件を満たすかどうかを判定し、運動データを符号化した第1の電子信号が前提条件を満たしたときに、目標時点に関連付けられた所定の期間内の運動データを符号化した第2の電子信号を遠隔サーバに送信することができる。

概要

背景

インターネット技術の発展とともに、オンラインタクシー配車サービス(online taxi hailing services)および配送サービスなどのオンデマンドサービスが、人々の日常生活の中で大きな役割を果たすようになっている。例えば、輸送のためのオンデマンド輸送サービスは、利用者(例えば乗客)に大いに利用される可能性がある。オンライン・オンデマンド・サービス・プラットフォームにより、利用者は、モバイルスマートフォンなどのユーザ機器インストールされたアプリケーションを通したオンデマンド・サービスの形態で、オンデマンド・サービスを要求することができる。モバイル・スマートフォンが生成するデータを使用して、オンライン・オンデマンド・サービス・プラットフォームは、輸送サービスのために運転挙動解析することができる。

概要

運転挙動を認識する電子デバイスおよび方法を提供する。これらの電子デバイスは、これらの方法を実行して、目標時点において、少なくとも1つのセンサから、電子デバイスに関連付けられた運動データを符号化した第1の電子信号を取得し、論理回路を動作させて、運動データを符号化した第1の電子信号が前提条件を満たすかどうかを判定し、運動データを符号化した第1の電子信号が前提条件を満たしたときに、目標時点に関連付けられた所定の期間内の運動データを符号化した第2の電子信号を遠隔サーバに送信することができる。

目的

以下の説明は、当業者が本開示を作製および使用することを可能にするために提示するものであり、特定の適用分野およびその要件文脈で提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

電子デバイスであって、少なくとも1つのセンサと、既定運転挙動を検出する命令セットを含む、少なくとも1つのプロセッサ可読ストレージ媒体と、前記少なくとも1つのプロセッサ可読ストレージ媒体と通信している少なくとも1つのプロセッサでであって、前記命令セットを実行したときに、前記少なくとも1つのプロセッサは、目標時点において、前記少なくとも1つのセンサから、前記電子デバイスに関連付けられた運動データを符号化した第1の電子信号を取得し、論理回路を動作させて、運動データを符号化した前記第1の電子信号が前提条件を満たすかどうかを判定し、運動データを符号化した前記第1の電子信号が前記前提条件を満たしたときに、前記目標時点に関連付けられた所定の期間内の運動データを符号化した第2の電子信号を遠隔サーバに送信するように指示される、少なくとも1つのプロセッサと、を備える、電子デバイス。

請求項2

前記少なくとも1つのセンサが、ジャイロスコープ加速度センサ全地球測位システム(GPS)、または重力センサのうちの少なくとも1つを含む、請求項1に記載の電子デバイス。

請求項3

前記少なくとも1つのプロセッサが、前記電子デバイスが車両と共に移動していると判定するようにさらに指示される、請求項1に記載の電子デバイス。

請求項4

運動データを符号化した前記第1の電子信号が、直線加速度、角加速度、またはジェスチャ情報のうちの少なくとも1つを含み、前記ジェスチャ情報が、ロール情報、ヨー情報、またはピッチ情報を含む、請求項1に記載の電子デバイス。

請求項5

前記少なくとも1つのセンサが、運動データを符号化した前記第1の電子信号を定期的に生成し、前記少なくとも1つのプロセッサが、運動データを符号化した前記第1の電子信号を定期的に取得する、請求項1に記載の電子デバイス。

請求項6

前記少なくとも1つのプロセッサが、前記少なくとも1つのプロセッサ内の論理回路を動作させて、機械学習訓練モデルに基づいて、運動データを符号化した前記第1の電子信号から不要な情報をフィルタリングで除去するようにさらに指示される、請求項1に記載の電子デバイス。

請求項7

前記不要な情報が、前記電子デバイスを振動させること、前記電子デバイスを車両の床に落とすこと、または前記電子デバイスの電子的誤作動のうちの少なくとも1つに関連付けられた雑音情報である、請求項6に記載の電子デバイス。

請求項8

前記前提条件が、直線加速度のしきい値、前記直線加速度の持続時間のしきい値、角加速度のしきい値、前記角加速度の持続時間のしきい値、所定の長さの時間内の加速方向の変化の数、またはある時間長さを有するジェスチャの変化の数のうちの少なくとも1つを含む、請求項1に記載の電子デバイス。

請求項9

前記少なくとも1つのプロセッサが、可変送信周波数によって、前記目標時点に関連付けられた前記所定の期間内の運動データを符号化した前記第2の電子信号を送信するようにさらに指示される、請求項1に記載の電子デバイス。

請求項10

前記目標時点に関連付けられた前記所定の期間内の運動データを符号化した前記第2の電子信号を遠隔サーバに送信するために、前記少なくとも1つのプロセッサが、運動データを符号化した前記第1の電子信号が前記前提条件を満たした後でトリガ時点を決定し、前記トリガ時点に基づいて、前記所定の期間内の運動データを符号化した前記第2の電子信号を選択するようにさらに指示される、請求項1に記載の電子デバイス。

請求項11

既定の運転挙動を検出する方法であって、電子デバイスが、目標時点において、前記電子デバイスに関連付けられた運動データを符号化した第1の電子信号を取得するステップと、前記電子デバイスが、運動データを符号化した前記第1の電子信号が前提条件を満たすかどうかを判定するステップと、運動データを符号化した前記第1の電子信号が前記前提条件を満たしたときに、前記電子デバイスが、前記目標時点に関連付けられた所定の期間内の運動データを符号化した第2の電子信号を遠隔サーバに送信するステップと、を含む、方法。

請求項12

前記電子デバイスが車両と共に移動していると判定するステップをさらに含む、請求項11に記載の方法。

請求項13

運動データを符号化した前記第1の電子信号が、直線加速度、角加速度、またはジェスチャ情報のうちの少なくとも1つを含み、前記ジェスチャ情報が、ロール情報、ヨー情報、またはピッチ情報を含む、請求項11に記載の方法。

請求項14

前記電子デバイスが、運動データを符号化した前記第1の電子信号を定期的に取得する、請求項11に記載の方法。

請求項15

機械学習訓練モデルに基づいて、運動データを符号化した前記第1の電子信号から不要な情報をフィルタリングで除去するステップをさらに含む、請求項11に記載の方法。

請求項16

前記不要な情報が、前記電子デバイスを振動させること、前記電子デバイスを車両の床に落とすこと、または前記電子デバイスの電子的誤作動のうちの少なくとも1つに関連付けられた雑音情報である、請求項15に記載の方法。

請求項17

前記前提条件が、直線加速度のしきい値、前記直線加速度の持続時間のしきい値、角加速度のしきい値、前記角加速度の持続時間のしきい値、所定の長さの時間内の加速方向の変化の数、またはある時間長さを有するジェスチャの変化の数のうちの少なくとも1つを含む、請求項11に記載の方法。

請求項18

前記電子デバイスが、可変の伝送頻度で、前記目標時点に関連付けられた前記所定の期間内の運動データを符号化した前記第2の電子信号を送信するステップをさらに含む、請求項11に記載の方法。

請求項19

運動データを符号化した前記第2の電子信号を送信する前記ステップが、前記電子デバイスが、運動データを符号化した前記第1の電子信号が前記前提条件を満たした後でトリガ時点を決定するステップと、前記トリガ時点に基づいて、前記所定の期間内の運動データを符号化した前記第2の電子信号を選択するステップと、を含む、請求項11に記載の方法。

請求項20

電子デバイスに、目標時点において、少なくとも1つのセンサから、前記電子デバイスに関連付けられた運動データを符号化した第1の電子信号を取得させ、論理回路を動作させて、運動データを符号化した前記第1の電子信号が前提条件を満たすかどうかを判定させ、運動データを符号化した前記第1の電子信号が前記前提条件を満たしたときに、前記目標時点に関連付けられた所定の期間内の運動データを符号化した第2の電子信号を遠隔サーバに送信させるように構成された命令を含む、非一時的コンピュータ可読媒体

技術分野

0001

本開示は、一般に、挙動を認識するデバイスおよび方法に関し、詳細には、運動データ(movement data)に基づいて運転挙動(driving behavior)を認識するデバイスおよび方法に関する。

背景技術

0002

インターネット技術の発展とともに、オンラインタクシー配車サービス(online taxi hailing services)および配送サービスなどのオンデマンドサービスが、人々の日常生活の中で大きな役割を果たすようになっている。例えば、輸送のためのオンデマンド輸送サービスは、利用者(例えば乗客)に大いに利用される可能性がある。オンライン・オンデマンド・サービス・プラットフォームにより、利用者は、モバイルスマートフォンなどのユーザ機器インストールされたアプリケーションを通したオンデマンド・サービスの形態で、オンデマンド・サービスを要求することができる。モバイル・スマートフォンが生成するデータを使用して、オンライン・オンデマンド・サービス・プラットフォームは、輸送サービスのために運転挙動を解析することができる。

0003

本開示の1態様によれば、電子デバイスが提供される。この電子デバイスは、少なくとも1つのセンサと、既定の運転挙動を検出する命令セットを含む、少なくとも1つのプロセッサ可読ストレージ媒体と、少なくとも1つのプロセッサ可読ストレージ媒体と通信している少なくとも1つのプロセッサとを含むことがある。この少なくとも1つのプロセッサは、命令セットを実行したときに、以下の動作のうちの1つまたは複数を実行するように指示されることがある。この少なくとも1つのプロセッサは、目標時点において、少なくとも1つのセンサから、このデバイスに関連付けられた運動データを符号化した第1の電子信号を取得することがある。この少なくとも1つのプロセッサは、論理回路を動作させて、運動データを符号化した第1の電子信号が前提条件を満たすかどうかを判定することがある。運動データを符号化した第1の電子信号が前提条件を満たしたときに、この少なくとも1つのプロセッサは、目標時点に関連付けられた所定の期間内の運動データを符号化した第2の電子信号を遠隔サーバに送信することがある。

0004

本開示の別の態様によれば、既定の運転挙動を検出する方法が提供される。この方法は、電子デバイスが、目標時点において、電子デバイスに関連付けられた運動データを符号化した第1の電子信号を取得するステップと、電子デバイスが、運動データを符号化した第1の電子信号が前提条件を満たすかどうかを判定するステップと、運動データを符号化した第1の電子信号が前提条件を満たしたときに、電子デバイスが、目標時点に関連付けられた所定の期間内の運動データを符号化した第2の電子信号を遠隔サーバに送信するステップと、を含むことがある。

0005

いくつかの実施形態では、電子デバイスは、タッチスクリーンスピーカーマイクロフォン、またはアンテナを含むモバイル・スマートフォンであることがあり、モバイル・スマートフォンは、モバイル・ネットワークに接続し、電話をかけることができる。

0006

いくつかの実施形態では、少なくとも1つのセンサは、ジャイロスコープ加速度センサ全地球測位システム(GPS)、または重力センサのうちの少なくとも1つを含むことがある。

0007

いくつかの実施形態では、少なくとも1つのプロセッサは、電子デバイスが車両と共に移動しているとさらに判定することがある。

0008

いくつかの実施形態では、運動データを符号化した第1の電子信号は、直線加速度、角加速度、またはジェスチャ情報のうちの少なくとも1つを含むことがあり、ジェスチャ情報は、ロール情報、ヨー情報、またはピッチ情報を含む。

0009

いくつかの実施形態では、少なくとも1つのセンサは、運動データを符号化した第1の電子信号を定期的に生成することがあり、電子デバイスは、運動データを符号化した第1の電子信号を定期的に取得することがある。

0010

いくつかの実施形態では、少なくとも1つのプロセッサは、さらに、その少なくとも1つのプロセッサ内の論理回路を動作させて、機械学習訓練モデルに基づいて、運動データを符号化した第1の電子信号から不要な情報をフィルタリングで除去する(filter out)ことがある。

0011

いくつかの実施形態では、不要な情報は、電子デバイスを振動させること、電子デバイスを車両の床に落とすこと、または電子デバイスの電子的誤作動(electronic malfunction)のうちの少なくとも1つに関連付けられた雑音情報であることがある。

0012

いくつかの実施形態では、前提条件は、直線加速度のしきい値、直線加速度の持続時間(lasting time)のしきい値、角加速度のしきい値、角加速度の持続時間のしきい値、所定の長さの時間内の加速方向の変化の数、またはある時間長さを有するジェスチャの変化の数のうちの少なくとも1つを含むことがある。

0013

いくつかの実施形態では、少なくとも1つのプロセッサは、さらに、可変送信周波数によって、目標時点に関連付けられた所定の期間内の運動データを符号化した第2の電子信号を送信することがある。

0014

いくつかの実施形態では、少なくとも1つのプロセッサは、運動データを符号化した第1の電子信号が前提条件を満たした後でトリガ時点を決定し、そのトリガ時点に基づいて、所定の期間内の運動データを符号化した第2の電子信号を選択することがある。

0015

追加の特徴については、一部は、以下の説明に記載するが、一部は、以下の説明および添付の図面を検討することによって当業者には明らかになるであろう。あるいは、以下の例を作製または運用することによって分かる可能性もある。本開示の特徴は、後述の詳細な例に記載する方法、手段、および組合せの様々な態様を実施または使用することによって実現し、達成することができる。

0016

例示的な実施形態に関連して、本開示をさらに説明する。これらの例示的な実施形態は、図面を参照して詳細に説明する。これらの実施形態は、非限定的な例示的な実施形態であり、図面の各種の図を通じて、同じ参照番号は同じ構造を表している。

図面の簡単な説明

0017

図1は、本開示のいくつかの実施形態による例示的なオンデマンド・サービス・システムを示すブロック図である。
図2は、本開示のいくつかの実施形態による例示的なプロセッサを示すブロック図である。
図3は、本開示のいくつかの実施形態による例示的な処理エンジンを示すブロック図である。
図4Aは、本開示のいくつかの実施形態による運動データを処理する例示的なプロセスを示すフローチャートである。
図4Bは、本開示のいくつかの実施形態による運動データを処理する例示的なプロセスを示すフローチャートである。
図5は、本開示のいくつかの実施形態による運転挙動を解析する例示的なプロセスを示すフローチャートである。
図6は、本開示のいくつかの実施形態によるデバイスを示す例示的な図である。
図7は、本開示のいくつかの実施形態による地球と共に回転する座標系を示す例示的な図である。
図8は、本開示のいくつかの実施形態によるコンピューティング・デバイスの例示的なハードウェアおよび/またはソフトウェア構成要素を示す概略図である。
図9は、本開示のいくつかの実施形態による、ユーザ端末実装することができる例示的なモバイル・デバイスの例示的なハードウェアおよび/またはソフトウェア構成要素を示す概略図である。

実施例

0018

以下の説明は、当業者が本開示を作製および使用することを可能にするために提示するものであり、特定の適用分野およびその要件文脈で提供する。開示する実施形態への様々な修正は、当業者には容易に明らかになり、本明細書に定義する一般原理は、本開示の趣旨および範囲を逸脱することなく、他の実施形態および適用分野に適用することができる。したがって、本開示は、ここに示す実施形態に限定されず、本開示には、特許請求の範囲と矛盾しない最も広い範囲が与えられるべきである。

0019

本明細書で使用する用語は、特定の例示的な実施形態を説明することのみを目的とするものであり、限定することを意図したものではない。本明細書で使用する単数形の「a」、「an」、および「the」は、文脈からそうでないことが明らかでない限り、複数形も含むことが意図されている。さらに、本明細書で使用される「備え」、「備える」、および/または「備えている」、ならびに「含み」、「含む」、「含んでいる」という用語は、記載される特徴、整数(integers)、ステップ、動作、要素、および/または構成要素の存在を明記するが、1つまたは複数の他の特徴、完全体、ステップ、動作、要素、構成要素、および/またはそれらのグループの存在または追加を排除しない。

0020

本開示の上記その他の特徴および特性と、関連付けられた構造要素動作プロセスおよび機能と、製造部品および製造の経済性の組合せとは、その全てが本開示の一部を構成する添付の図面を参照して以下の説明を考慮すれば、より明らかになる可能性がある。ただし、これらの図面は、例示および説明のみを目的としたものであり、本開示の範囲を限定することを意図したものではないことは、明確に理解されたい。これらの図面は、一定の縮尺で描かれたものではないことも理解されたい。

0021

本開示で使用されるフローチャートは、本開示のいくつかの実施形態によるシステムが実施する動作を例示する。フローチャートの動作は、順序通りに実施されないこともあることを、明確に理解されたい。逆に、これらの動作は、逆の順序で、または同時に実施されることもある。さらに、1つまたは複数の他の動作がフローチャートに追加されることもある。1つまたは複数の動作が、フローチャートから除外されることもある。

0022

さらに、本開示のシステムおよび方法は、主として輸送サービスを求める要求の分配に関連して説明するが、本開示が、限定的であることを意図したものではないことも理解されたい。本開示のシステムまたは方法は、任意の他の種類のオンデマンド・サービスに適用することができる。例えば、本開示のシステムまたは方法は、上、海上、または上空など、あるいはそれらの任意の組合せを含む、様々な環境の輸送システムに適用することができる。輸送システムの車両は、タクシー、自家用車ヒッチバス列車新幹線高速鉄道地下鉄船舶航空機宇宙船熱気球、または自動運転車両など、あるいはそれらの任意の組合せを含む可能性がある。また、輸送システムは、例えばエクスプレスを送信および/または受信するシステムなど、管理および/または分配を行う任意の輸送システムを含む可能性がある。本開示のシステムまたは方法は、ユーザ・デバイスに適用することもでき、その適用例は、ウェブページブラウザプラグインクライアント端末カスタム・システム、内部解析システム、または人工知能ロボットなど、あるいはそれらの任意の組合せを含む可能性がある。

0023

本開示における「乗客」、「要求者」、「サービス要求者」、および「顧客」という用語は、サービスを要求または注文する可能性がある個人エンティティ、またはツールを指すものとして、入れ替え可能に使用されている。また、本開示における「ドライバ」、「提供者」、および「サービス提供者」という用語は、サービスを提供する、またはサービスの提供を容易にする可能性がある個人、エンティティ、またはツールを指すものとして、入れ替え可能に使用されている。

0024

本開示における「サービス要求」、「サービスを求める要求」、「要求」、および「注文」という用語は、乗客、サービス要求者、顧客、ドライバ、提供者(provider)、またはサービス提供者(service provider)など、あるいはそれらの任意の組合せによって開始される可能性がある要求を指すものとして、入れ替え可能に使用されている。サービス要求は、乗客、サービス要求者、顧客、ドライバ、提供者、またはサービス提供者のうちのいずれかが受け取る可能性がある。サービス要求は、有料であることも、無料であることもある。

0025

本開示における「サービス提供者端末」および「ドライバ端末」という用語は、サービス提供者がサービスを提供する、またはサービスの提供を容易にするために使用するモバイル端末を指すものとして、入れ替え可能に使用されている。本開示における「サービス要求者端末」および「乗客端末」という用語は、サービス要求者がサービスを要求または注文するために使用するモバイル端末を指すものとして、入れ替え可能に使用されている。

0026

本開示で使用する測位技術は、全地球測位システム(GPS)、全地球航法衛星システム(GLONASS)、コンパスナビゲーション・システム(COMPASS)、Galileo測位システム、準天頂衛星システム(QZSS)、またはワイヤレスフィデリティ(WiFi)測位技術など、あるいはそれらの任意の組合せに基づいている可能性がある。本開示では、上記の測位システムのうちの1つまたは複数が、入れ替え可能に使用されることもある。

0027

本開示の態様は、運動データに基づいて運転挙動を認識するオンライン・デバイスおよび方法に関する。このデバイスおよび方法は、モバイル・スマートフォンおよび/または車両データレコーダのセンサによって生成された運動データを収集する。センサは、ジャイロスコープ、加速度センサ、全地球測位システム(GPS)、重力センサ、光センサ温度センサ指紋センサ心拍数センサ近接度センサ、画像センサ、または音声センサを含む可能性がある。センサによって運動データが生成された後で、モバイル・スマートフォンおよび/または車両データ・レコーダは、前提条件に基づいて運動データを選択することができる。例えば、前提条件が満たされた場合には、モバイル・スマートフォンが、運動データを選択し、その運動データをサーバなどの遠隔受信者に送信することもある。サーバは、機械学習訓練モデルを用いて運動データを解析し、対応する運転挙動を判定することができる。別の例として、前提条件が満たされた場合には、車両データ・レコーダが、変更データを遠隔サーバに送信することもある。サーバは、例えばある時間間隔内の映像を記録すること、警察を呼ぶことなどを含む命令によって、車両データ・レコーダに応答することができる。運転挙動は、ドライバをランク付けするために使用することもできるし、あるいは交通管理局が使用することもできる。

0028

本開示の例示的な実施形態によれば、自動車データ・レコーダ(複数のセンサを備える)は、その自動車データ・レコーダの運動データ、またはその自動車データ・レコーダが取り付けられた車両の運動データを収集することができる。運動データは、限定されるわけではないが、声に関係する挙動、顔の表情動き挙動服飾的挙動(dressing-up behavior)、儀礼的挙動(ceremonial behavior)などを含む、ドライバ挙動または乗客挙動に関連付けられることがある。自動車データ・レコーダは、収集された運動データが(自動的に)前提条件を満たすかどうかを判定することができる。前提条件は、ドライバ挙動または乗客挙動に対応する可能性がある。前提条件は、規則および定義を含むこともあり、ここで、規則は、収集された運動データが前提条件を満たすと判定する方法のステップを含む。定義は、声に含まれるキーワード(例えば助けて、血液、セックス、薬物、ワインなど)の頻度、顔の表情、制御器具、言語の意味などを含む可能性がある。規則および定義は、ローカルであることもあるし、MISに記憶されることもある。

0029

自動車データ・レコーダは、警告データを遠隔サーバ(またはMISの端末)に送信することができる。警告データは、収集された運動データと同じであることもあるし、あるいはドライバ挙動の(固定形式としての)記述、危険レベル(1、2、もしくは3、または一般的、民事的、もしくは犯罪的(common, civil, or criminal))、ドライバ挙動のタイプ(格闘、嫌がらせ、居眠り)、結果、ドライバが行動的介入を必要とするかどうか、および/またはドライバを監視している者(例えばサーバ110)がドライバを支援もしくは統制するために警察を呼ぶ必要があるかどうかを含むこともある。

0030

遠隔サーバは、自動車データ・レコーダによる映像の生成をトリガするかどうか、その映像をどのように生成するか、誰がその映像の主要オブジェクトであるか、その映像を記憶するかどうか、その映像を提出するかどうかなどを判定することができる。次いで、遠隔サーバは、その判定に関連付けられた命令を、自動車データ・レコーダに送信することができる。(いくつかの実施形態では、自動車レコーダが、映像を生成するかどうかを直接判定することもできる。)自動車データ・レコーダは、次いで、遠隔サーバからの命令に基づいて映像を生成することができる。この映像は、圧縮し、次いで遠隔サーバに送信することができる。

0031

遠隔サーバは、運動データまたは映像を解析し、次いで、ドライバ挙動または乗客挙動、道路関連状態車両関連状態などを判定することができる。車両関連状態は、ドライバに対する複数の提案を生成するために使用することができる。ドライバ挙動または乗客挙動は、ドライバ挙動モードまたは乗客挙動モードを生成するために使用することができる。

0032

なお、オンライン・タクシー配車などのオンライン・オンデマンド輸送サービスは、ポスト・インターネット時代根付新しく現れたサービスであることに留意されたい。オンライン・オンデマンド輸送サービスは、ポスト・インターネット時代に生じる可能性がある技術的解決策を、乗客およびドライバに提供する。プレ・インターネット時代には、乗客は、タクシーを呼ぶ(hail)ときに、目的地またはある位置への推定到着時間を知らないこともある。乗客が電話でタクシーを呼ぶときには、サービス提供者(例えばドライバ、タクシー会社郵便局配送会社、または代理店など)が乗客の目的地に到着する時間を推定することが困難であることがある。しかし、オンライン・オンデマンド輸送システムは、急激な加速、急激な制動、または急激な転回などの運転挙動に関連付けられた運動データを決定することができる。前提条件が満たされたときには、オンライン・オンデマンド輸送システムは、ある時間間隔内の運動データを選択することができる。選択された運動データは、遠隔サーバに送信することができ、遠隔サーバにおいて、選択された運動データをフィルタリングすることができる(例えば不要な情報をフィルタリングで除去する)。フィルタリング済みの運動データをさらに使用して、特徴データを生成することができる。機械学習訓練モデルは、この特徴データに基づいて運転挙動を判定することができる。運転挙動を使用して、経路内のドライバを監視することができる。したがって、インターネットを通じて、オンライン・オンデマンド輸送システムは、従来のプレ・インターネット輸送サービス・システムでは決して応えることができない、はるかに便利かつ効率的なトランザクション・プラットフォームを乗客およびドライバに提供することができる。

0033

図1は、いくつかの実施形態による例示的なオンデマンド・サービス・システム100を示すブロック図である。例えば、オンデマンド・サービス・システム100は、輸送サービスのオンライン輸送サービス・プラットフォームであることがある。オンデマンド・サービス・システム100は、サーバ110、ネットワーク120、サービス要求者端末130、サービス提供者端末140、車両150、データベース160、およびナビゲーション・システム170を含むことがある。

0034

オンデマンド・サービス・システム100は、複数のサービスを提供することができる。例示的なサービスは、タクシー配車サービス、運転代行サービス(chauffeur service)、急行サービス、カープール(carpool)・サービス、バス・サービス、ドライバ・ハイヤ・サービス(driver hire service)、またはシャトル・サービスなど、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、オンデマンド・サービスは、食事予約、または買い物など、あるいはそれらの組合せなど、任意のオンライン・サービスである可能性がある。いくつかの実施形態では、オンデマンド・サービス・システム100は、管理情報システム(MIS)であることもある。MISは、少なくとも1つのサーバ(例えばサーバ110)、少なくとも1つの端末(例えば車両150、サービス要求者端末130、サービス提供者端末140など)、または少なくとも1つのセンサまたはデバイス(例えば車両データ・レコーダ、モバイル・スマートフォン、オンボードダイアグノーシス(on-board diagnostics)(OBD)、先進ドライバ支援システム(ADAS)、レーザレーダなど)など、あるいはそれらの組合せを含む可能性がある。

0035

いくつかの実施形態では、サーバ110は、単一のサーバであることも、あるいはサーバ・グループであることもある。サーバ・グループは、集中型であることも、分散型であることもある(例えばサーバ110が分散型システムであることもある)。いくつかの実施形態では、サーバ110は、ローカルであることも、遠隔であることもある。例えば、サーバ110は、ネットワーク120を介して、サービス要求者端末130、サービス提供者端末140、および/またはデータベース160に記憶された情報および/またはデータにアクセスすることができる。別の例として、サーバ110は、サービス要求者端末130、サービス提供者端末140、および/またはデータベース160に直接接続されて、記憶された情報および/またはデータにアクセスすることもある。いくつかの実施形態では、サーバ110は、クラウド・プラットフォームに実装されることもある。単なる例示であるが、クラウド・プラットフォームは、プライベート・クラウド、パブリック・クラウド、ハイブリッド・クラウド、コミュニティ・クラウド、分散クラウド、インタークラウド、またはマルチクラウドなど、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、サーバ110は、本開示の図8に示す1つまたは複数の構成要素を有するコンピューティング・デバイス800に実装されることもある。

0036

いくつかの実施形態では、サーバ110は、処理エンジン112を含むことがある。処理エンジン112は、サービス要求に関係する情報および/またはデータを処理して、本開示に記載する1つまたは複数の機能を実行することができる。例えば、処理エンジン112は、サービス要求者端末130から受信したサービス要求に応答して、1つまたは複数の候補サービス提供者端末を決定することができる。いくつかの実施形態では、処理エンジン112は、1つまたは複数の処理エンジン(例えばシングルコア処理エンジン(1つまたは複数)あるいはマルチコア・プロセッサ(1つまたは複数))を含むことがある。単なる例示であるが、処理エンジン112は、中央処理ユニット(CPU)、特定用途向け集積回路ASIC)、特定用途向け命令セット・プロセッサ(ASIP)、グラフィックス処理ユニット(GPU)、物理処理ユニット(PPU)、デジタル信号プロセッサ(DSP)、フィールドプログラマブルゲートアレイFPGA)、プログラマブル論理デバイスPLD)、コントローラマイクロコントローラ・ユニット、縮小命令セットコンピュータRISC)、またはマイクロプロセッサなど、あるいはそれらの任意の組合せを含む可能性がある。

0037

ネットワーク120は、情報および/またはデータの交換を容易にすることができる。いくつかの実施形態では、オンデマンド・サービス・システム100の1つまたは複数の構成要素(例えばサーバ110、サービス要求者端末130、サービス提供者端末140、車両150、データベース160、およびナビゲーション・システム170)は、ネットワーク120を介してオンデマンド・サービス・システム100の他の構成要素(1つまたは複数)に情報および/またはデータを送信することができる。例えば、サーバ110は、ネットワーク120を介してサービス要求者端末130からサービス要求を受信することができる。いくつかの実施形態では、ネットワーク120は、任意のタイプの有線またはワイヤレスのネットワーク、あるいはその組合せとすることができる。単なる例示であるが、ネットワーク120は、ケーブル・ネットワーク、ワイヤライン・ネットワーク、光ファイバ・ネットワーク、電気通信ネットワークイントラネット、インターネット、ローカル・エリア・ネットワーク(LAN)、ワイド・エリア・ネットワーク(WAN)、ワイヤレス・ローカル・エリア・ネットワーク(WLAN)、メトロポリタン・エリア・ネットワーク(MAN)、公衆交換電話網(PSTN)、Bluetooth(登録商標)ネットワーク、ZigBeeネットワーク、または近距離場通信(NFC)ネットワークなど、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、ネットワーク120は、1つまたは複数のネットワーク・アクセス・ポイントを含むことがある。例えば、ネットワーク120は、基地局、ならびに/あるいはオンデマンド・サービス・システム100の1つまたは複数の構成要素をデータおよび/または情報を交換するためにネットワーク120に接続できるようにするインターネット交換ポイント120−1、120−2などの、有線またはワイヤレスのネットワーク・アクセス・ポイントを含むことがある。

0038

いくつかの実施形態では、乗客は、サービス要求者端末130の所有者であることがある。いくつかの実施形態では、サービス要求者端末130の所有者は、乗客以外のものであることもある。例えば、サービス要求者端末130の所有者Aが、サービス要求者端末130を使用して乗客Bのサービス要求を送信する、またはサーバ110からサービス確認および/または情報もしくは命令を受信することもある。いくつかの実施形態では、サービス提供者は、サービス提供者端末140の使用者であることもある。いくつかの実施形態では、サービス提供者端末140の使用者は、サービス提供者以外の者であることもある。例えば、サービス提供者端末140の使用者Cが、サービス提供者端末140を使用して、サービス提供者Dのためのサービス要求、および/あるいはサーバ110からの情報または命令を受信することもある。いくつかの実施形態では、「乗客」と「乗客端末」が、入れ替え可能に使用されることもあり、「サービス提供者」と「サービス提供者端末」が、入れ替え可能に使用されることもある。いくつかの実施形態では、サービス提供者端末は、1つまたは複数のサービス提供者(例えば夜勤サービス提供者または日勤サービス提供者)と関連付けられることがある。

0039

いくつかの実施形態では、サービス要求者端末130は、モバイル・デバイス130−1、タブレット・コンピュータ130−2、ラップトップ・コンピュータ130−3、または車両の内蔵デバイス130−4など、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、モバイル・デバイス130−1は、スマートホーム・デバイス、ウェアラブル・デバイス、スマート・モバイル・デバイス、仮想現実デバイス、または拡張現実デバイスなど、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、スマート・ホーム・デバイスは、スマート照明デバイスインテリジェント電子装置制御デバイス、スマート監視デバイス、スマート・テレビジョン、スマート・ビデオカメラ、またはインターフォンなど、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、ウェアラブル・デバイスは、スマート・ブレスレット、スマート・シューズ、スマート・グラス、スマート・ヘルメット、スマート・ウォッチ、スマート衣類、スマート・バックパック、またはスマート・アクセサリなど、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、スマート・モバイル・デバイスは、スマートフォン、携帯情報端末(PDA)、ゲーム・デバイス、ナビゲーション・デバイス、またはポイント・オブセールPOS)デバイスなど、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、仮想現実デバイスおよび/または拡張現実デバイスは、仮想現実ヘルメット、仮想現実グラス、仮想現実パッチ拡張現実ヘルメット、拡張現実グラス、または拡張現実パッチなど、あるいはそれらの任意の組合せを含む可能性がある。例えば、仮想現実デバイスおよび/または拡張現実デバイスは、Google(登録商標)グラス、Oculus Rift、HoloLens、GearVRなどを含む可能性がある。いくつかの実施形態では、車両の内蔵デバイス130−4は、搭載コンピュータ、搭載テレビジョンなどを含む可能性がある。いくつかの実施形態では、サービス要求者端末130は、乗客および/またはサービス要求者端末130の位置を特定する測位技術を備えたデバイスであることもある。

0040

サービス提供者端末140は、複数のサービス提供者端末140−1、140−2、…、140−nを含むことがある。いくつかの実施形態では、サービス提供者端末140は、サービス要求者端末130と同様である、または同じデバイスであることもある。いくつかの実施形態では、サービス提供者端末140は、オンライン・オンデマンド輸送サービスを実施することができるようにカスタマイズすることもできる。いくつかの実施形態では、サービス提供者端末140は、サービス提供者、サービス提供者端末140、および/またはサービス提供者端末140と関連付けられた車両150を位置特定する測位技術を備えたデバイスであることもある。いくつかの実施形態では、サービス要求者端末130、および/またはサービス提供者端末140は、他の測位デバイスと通信して、乗客、サービス要求者端末130、サービス提供者、および/またはサービス提供者端末140の位置を決定することもある。いくつかの実施形態では、サービス要求者端末130、および/またはサービス提供者端末140は、測位情報を定期的にサーバ110に送信することもある。いくつかの実施形態では、サービス提供者端末140は、可用性状態(availability status)を定期的にサーバ110に送信することもある。可用性状態は、サービス提供者端末140と関連付けられた車両150が乗客を運ぶために利用可能であるかどうかを示すことができる。例えば、サービス要求者端末130、および/またはサービス提供者端末140は、測位情報および可用性状態を30分ごとにサーバ110に送信することもできる。別の例として、サービス要求者端末130、および/またはサービス提供者端末140は、オンライン・オンデマンド輸送サービスと関連付けられたモバイル・アプリケーションにユーザがログインするたびに、測位情報および可用性状態をサーバ110に送信することもできる。

0041

いくつかの実施形態では、サービス提供者端末140は、1つまたは複数の車両150に対応することもある。車両150は、乗客を運んで、目的地まで移動することができる。車両150は、複数の車両150−1、150−2、…、150−nを含むことがある。1台の車両が、1つのタイプのサービス(例えばタクシー配車サービス、運転代行サービス、急行サービス、カープール・サービス、バス・サービス、ドライバ・ハイヤ・サービス、およびシャトル・サービス)に対応することもある。いくつかの実施形態では、車両150は、例えば車両データ・レコーダ、モバイル・スマートフォン、オンボード・ダイアグノーシス(OBD)、先進ドライバ支援システム(ADAS)などを含む、いくつかのデバイスに関係して、車両150が生成する運動データを記憶、処理、解析、および/または伝送することもある。

0042

データベース160は、データおよび/または命令を記憶することができる。いくつかの実施形態では、データベース160は、サービス要求者端末130、および/またはサービス提供者端末140から取得されるデータを記憶することがある。いくつかの実施形態では、データベース160は、サーバ110が本開示に記載する例示的なプロセスを行うために実行または使用することができるデータおよび/または命令を記憶することができる。いくつかの実施形態では、データベース160は、大容量ストレージリムーバブルストレージ揮発性読取りおよび書込みメモリ、または読取り専用メモリ(ROM)など、あるいはそれらの任意の組合せを含む可能性がある。例示的な大容量ストレージは、磁気ディスク光ディスクソリッドステートドライブなどを含む可能性がある。例示的なリムーバブル・ストレージは、フラッシュ・ドライブ、フロッピーディスク、光ディスク、メモリカードジップ・ディスク、磁気テープなどを含む可能性がある。例示的な揮発性読取りおよび書込みメモリは、ランダム・アクセス・メモリ(RAM)を含む可能性がある。例示的なRAMは、ダイナミックRAMDRAM)、ダブル・データ・レート同期ダイナミックRAM(DDR SDRAM)、スタティックRAM(SRAM)、サイリスタRAM(T−RAM)、およびゼロ・キャパシタRAM(Z−RAM)などを含む可能性がある。例示的なROMは、マスクROMMROM)、プログラマブルROMPROM)、消去可能プログラマブルROM(PEROM)、電気的消去可能プログラマブルROM(EEPROM)、コンパクト・ディスクROM(CD−ROM)、およびデジタル汎用ディスクROMなどを含む可能性がある。いくつかの実施形態では、データベース160は、クラウド・プラットフォームに実装されることがある。単なる例示であるが、クラウド・プラットフォームは、プライベート・クラウド、パブリック・クラウド、ハイブリッド・クラウド、コミュニティ・クラウド、分散クラウド、インタークラウド、またはマルチクラウドなど、あるいはそれらの任意の組合せを含む可能性がある。

0043

いくつかの実施形態では、データベース160は、ネットワーク120に接続されて、オンデマンド・サービス・システム100の1つまたは複数の構成要素(例えばサーバ110、サービス要求者端末130、サービス提供者端末140など)と通信することもある。オンデマンド・サービス・システム100の1つまたは複数の構成要素は、ネットワーク120を介してデータベース160に記憶されたデータまたは命令にアクセスすることができる。いくつかの実施形態では、データベース160は、オンデマンド・サービス・システム100の1つまたは複数の構成要素(例えばサーバ110、サービス要求者端末130、サービス提供者端末140など)に直接接続される、またはそれらと直接通信することもある。いくつかの実施形態では、データベース160は、サーバ110の一部であることもある。

0044

ナビゲーション・システム170は、例えばサービス要求者端末130、サービス提供者端末140、車両150などのうちの1つまたは複数などの物体に関連付けられた情報を決定することができる。いくつかの実施形態では、ナビゲーション・システム170は、全地球測位システム(GPS)、全地球航法衛星システム(GLONASS)、コンパス・ナビゲーション・システム(COMPASS)、BeiDou航法衛星システム、Galileo測位システム、準天頂衛星システム(QZSS)などであることがある。情報は、物体の位置、高度、速度、または加速度、あるいは現在時刻を含む可能性がある。ナビゲーション・システム170は、例えば衛星170−1、衛星170−2、および衛星170−3など、1つまたは複数の衛星を含むことがある。衛星170−1から170−3は、上述の情報を独立して決定することもあるし、協働して決定することもある。衛星ナビゲーション・システム170は、上述の情報を、ワイヤレス接続を介して、ネットワーク120、サービス要求者端末130、サービス提供者端末140、または車両150に送信することができる。

0045

いくつかの実施形態では、オンデマンド・サービス・システム100の1つまたは複数の構成要素(例えばサーバ110、サービス要求者端末130、サービス提供者端末140など)は、データベース160にアクセスする許可を有することがある。いくつかの実施形態では、オンデマンド・サービス・システム100の1つまたは複数の構成要素は、1つまたは複数の条件が満たされたときに、乗客、サービス提供者、および/またはパブリックに関連付けられた情報を読み取り、かつ/または修正することができる。例えば、サーバ110は、サービスが完了した後で、1人または複数人の乗客の情報を読み取り、かつ/または修正することもできる。別の例として、サーバ110は、サービスが完了した後で、1人または複数人のサービス提供者の情報を読み取り、かつ/または修正することもできる。

0046

いくつかの実施形態では、オンデマンド・サービス・システム100の1つまたは複数の構成要素の情報交換は、サービスを要求することによって開始されることがある。サービス要求の対象は、任意の製品である可能性がある。いくつかの実施形態では、製品は、食品薬品日用品、化学製品電気器具、衣類、車、住宅、または贅沢品など、あるいはそれらの任意の組合せを含む可能性がある。いくつかの他の実施形態では、製品は、サービス製品金融商品、知識製品、またはインターネット製品など、あるいはそれらの任意の組合せを含む可能性がある。インターネット製品は、個別ホスト製品ウェブ製品、モバイル・インターネット製品、商用ホスト製品、または組込み製品など、あるいはそれらの任意の組合せを含む可能性がある。モバイル・インターネット製品は、モバイル端末のソフトウェアプログラム、またはシステムなど、あるいはそれらの任意の組合せで使用されることがある。モバイル端末は、タブレット・コンピュータ、ラップトップ・コンピュータ、モバイル・スマートフォン、携帯情報端末(PDA)、スマート・ウォッチ、ポイント・オブ・セール(POS)デバイス、搭載コンピュータ、搭載テレビジョン、またはウェアラブル・デバイスなど、あるいはそれらの任意の組合せを含む可能性がある。例えば、製品は、コンピュータまたはモバイル・スマートフォンで使用される任意のソフトウェアおよび/またはアプリケーションであることがある。ソフトウェアおよび/またはアプリケーションは、社交、買い物、輸送、娯楽、学習、または投資など、あるいはそれらの任意の組合せに関係するものである可能性がある。いくつかの実施形態では、輸送に関係するソフトウェアおよび/またはアプリケーションは、移動ソフトウェアおよび/またはアプリケーション、車両スケジューリング・ソフトウェアおよび/またはアプリケーション、地図作成ソフトウェアおよび/またはアプリケーションなどを含む可能性がある。車両スケジューリング・ソフトウェアおよび/またはアプリケーションでは、車両は、、馬車、人力車(例えば手押し車自転車三輪車など)、自動車(例えばタクシー、バス、自家用車など)、列車、地下鉄、船舶、または航空機(例えば飛行機ヘリコプタースペース・シャトル、ロケット、熱気球など)など、あるいはそれらの任意の組合せを含む可能性がある。

0047

当業者なら、オンデマンド・サービス・システム100の要素(例えばサーバ、端末など)が動作するときには、その要素は、電子信号および/または電磁信号を介して動作することがあることを理解するであろう。例えば、サービス要求者端末130が、判定を行う、あるいは物体を識別または選択するなどのタスクを処理するときには、要求者端末130は、その端末のプロセッサ内の論理回路または処理回路を動作させて、そのタスクを処理することができる。サービス要求者端末130がサービス要求をサーバ110に送出するときには、サービス要求者端末130のプロセッサが、その要求を符号化した電子信号を生成することができる。サービス要求者端末130のプロセッサは、次いで、その電子信号を出力ポートに送信することができる。サービス要求者端末130が有線ネットワークを介してサーバ110と通信する場合には、出力ポートは、ケーブルに物理的に接続されていることがあり、このケーブルが、電子信号をさらにサーバ110の入力ポートに伝送する。サービス要求者端末130がワイヤレス・ネットワークを介してサーバ110と通信する場合には、サービス要求者端末130の出力ポートは、1つまたは複数のアンテナであることがあり、このアンテナが、電子信号を電磁信号に変換する。同様に、サービス要求者端末130は、その端末のプロセッサ内の論理回路または処理回路の動作を通してタスクを処理し、電子信号または電磁信号を介してサーバ110から命令および/またはサービス要求を受信することがある。サービス要求者端末130、サービス提供者端末140、および/またはサーバ110などの電子デバイス内で、その電子デバイスのプロセッサが命令を処理し、命令を送出し、かつ/またはアクションを実行するときには、その命令および/またはアクションは、電子信号を介して行われる。例えば、プロセッサがストレージ媒体のデータを取り出す、または保存するときには、プロセッサは、ストレージ媒体の読取り/書込みデバイスに電子信号を送出することができ、その読取り/書込みデバイスが、ストレージ媒体内の構造化データを読み取る、またはストレージ媒体に構造化データを書き込むことができる。構造化データは、電子デバイスのバスを介して電子信号の形態でプロセッサに伝送することができる。ここで、電子信号とは、1つの電子信号、一連の電子信号、および/または複数の離散電子信号を指す可能性がある。

0048

図2は、本開示のいくつかの実施形態による例示的なプロセッサを示すブロック図である。図2に示すように、プロセッサ200は、決定モジュール210、取得モジュール220、前提条件モジュール230、およびI/Oモジュール240を含むことがある。いくつかの実施形態では、プロセッサ200は、少なくとも1つのコンピューティング・デバイスおよび/またはモバイル・デバイスの少なくとも1つのプロセッサによって実行されるなど、少なくとも1つのコンピューティング・デバイスおよび/または少なくとも1つのモバイル・デバイスによって実施され、実行されることがある。例示的なコンピューティング・デバイスの詳細は、図8に示し、例示的なモバイル・デバイスの詳細は、図9に示す。いくつかの実施形態では、プロセッサ200は、デバイス(例えばモバイル・スマートフォン)内で動作することがある。各モジュールは、以下のアクションを実行するように設計されたハードウェア回路、1つまたは複数のストレージ媒体に記憶された命令セット、ならびに/あるいはハードウェア回路と1つまたは複数のストレージ媒体の任意の組合せである可能性がある。

0049

決定モジュール210は、デバイスが車両と共に移動しているかどうかを決定するように構成されることがある。ドライバが、ある経路または注文に従って移動している車両内でデバイスを使用している場合には、そのデバイスは、その車両と共に移動していると決定することができる。いくつかの実施形態では、デバイスは、モバイル・スマートフォン、携帯情報端末(PDA)、タブレット・コンピュータ、ラップトップ、カーピュータ(carputer)(搭載コンピュータ)、プレイステーションポータブルPSP)、スマート・グラス、スマート・ウォッチ、ウェアラブル・デバイス、仮想表示デバイス、ディスプレイエンハンス機器(例えばGoogleTMグラス、Oculus Rift、HoloLens、GearVRなど)である可能性がある。モバイル・スマートフォンは、タッチ・スクリーン、スピーカー、マイクロフォン、またはアンテナなど、あるいはそれらの任意の組合せを含む可能性がある。モバイル・スマートフォンは、モバイル・ネットワークに接続し、電話をかけることができる。いくつかの実施形態では、モバイル・スマートフォンは、少なくとも1つのセンサを含むことがある。この少なくとも1つのセンサは、ジャイロスコープ、加速度センサ、全地球測位システム(GPS)、重力センサ、光センサ、温度センサ、指紋センサ、心拍数センサ、または近接度センサなど、あるいはそれらの任意の組合せを含む可能性がある。

0050

デバイスが共に移動している車両は、自家用車、タクシー、ネットワーク自動車、自動運転車電気自動車オートバイ、バス、列車、ヒッチ、新幹線、高速鉄道、地下鉄、船舶、航空機、宇宙船、熱気球、または自動運転車両など、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、デバイスは、車両と共に移動していることがあり、車両の運動を検出することがある。例えば、車両のドライバは、自分が運転しているときにモバイル・スマートフォンを手に取ることもあり、少なくとも1つのセンサを備えるそのデバイスが、車両の運動を検出することもある。別の例として、モバイル・スマートフォンが、カープールのアプリケーションを動作させることもあり、サービス提供者(例えばドライバ)によって使用されるそのモバイル・スマートフォンが、カープール用の車両に固定されていることもある。別の例として、乗客がタクシー内でモバイル・スマートフォンを使用する場合には、そのモバイル・スマートフォンがタクシーと共に移動しており、タクシーに関連付けられたデータを記録することもある。

0051

取得モジュール220は、デバイスに関連付けられた運動データを取得するように構成されることがある。いくつかの実施形態では、運動データを、取得モジュール220が第1の電子信号に符号化することもある。いくつかの実施形態では、取得モジュール220は、デバイスの1つまたは複数のセンサから運動データを取得することもある。この1つまたは複数のセンサは、ジャイロスコープ、加速度センサ、全地球測位システム(GPS)、重力センサ、光センサ、温度センサ、指紋センサ、心拍数センサ、近接度センサ、画像センサ、音声センサ、または音響検出器など、あるいはそれらの任意の組合せを含む可能性がある。ジャイロスコープは、デバイスが回転または傾斜しているときに回転角速度を測定する角速度センサであることがある。加速度センサは、静電容量型加速度センサインダクタンス型加速度センサ、ひずみ型加速度センサ、ピエゾ抵抗型加速度センサ、または圧電型加速度センサなど、あるいはそれらの任意の組合せである可能性がある。GPSは、モバイル・ネットワークまたはネットワーク120と通信することができる車搬送GPSを含む可能性がある。車運搬GPSは、車両、および/または車両に乗って移動しているデバイスを位置特定する運動データを判定することができる。重力センサは、変形誘起電子信号を生じることができる弾性感度要素を含む可能性がある。いくつかの実施形態では、重力センサは、加速度センサと同じ機能を有することもある。したがって、運動データは、電子デバイスの位置、速度、加速度、またはジェスチャ(例えばヨー、ロールピッチの運動/加速)など、あるいはそれらの任意の組合せなど、電子デバイス(例えば本開示で紹介されるプロセスを動作させるアプリケーションをインストールしたモバイル・スマートフォンおよび/もしくは車両データ・レコーダ、またはそのモバイル・スマートフォンを搬送する車両)の情報を含む可能性がある。

0052

いくつかの実施形態では、運動データは、運転挙動、または車両状態に対応することがある。例えば、運転挙動は、急激な加速(例えば急加速)、急激な制動(例えば急制動動作)、急激な転回(例えば急転回)などの急激な運転挙動、音声に関係する挙動、顔の表情、動き挙動、服飾的挙動、または儀礼的挙動など、あるいはそれらの任意の組合せであることがある。急激な加速は、ドライバが連続的に、かつ/または強くアクセルを踏むことによって引き起こされる可能性がある。急激な制動は、ドライバが、連続的に、または強く、連続的に、かつ/または強くブレーキを踏むことによって引き起こされる可能性がある。急激な転回は、ドライバがステアリングホイールを急に回すことによって引き起こされる可能性がある。急激な転回は、急激な右転回、急激な左転回、および/または急激なUターンを含む可能性がある。例えば、急激な右転回は、ステアリング・ホイールを時計回り方向に連続的に回すことによって実施することができる。別の例として、急激な左転回は、ステアリング・ホイールを反時計回り方向に強く回すことによって引き起こすことができる。いくつかの実施形態では、ドライバは、遠隔制御装置によって(例えば遠隔位置において仮想操作を使用することによって)運転挙動を実施することができる。音声に関係する挙動、顔の表情、動き挙動、服飾的挙動、および儀礼的挙動については、本開示の別の箇所で説明することもある。例えば、図4B、およびその説明を参照されたい。

0053

いくつかの実施形態では、運動データは、ジャイロスコープ・データ、加速度センサ・データ、GPSデータ、重力センサ・データ、光センサ・データ、温度センサ・データ、指紋センサ・データ、心拍数センサ・データ、近接度センサ・データ、角加速度データ、画像データ、または音声データなど、あるいはそれらの任意の組合せを含む可能性がある。運動データのタイプは、モバイル・スマートフォン内のセンサに対応することがある。例えば、モバイル・スマートフォン内の加速度センサが、加速度センサ・データを生成または記録することもある。

0054

いくつかの実施形態では、様々なセンサによって生成される運動データを統合または分解して、特定の運転挙動を記述することができる。例えば、ドライバの急激な加速に対応する加速度センサ・データ、GPSデータ、および重力センサ・データを、記録および統合することもある。

0055

いくつかの実施形態では、運動データは、運転挙動、車両状態、または道路状況に対応することもある。例えば、突然の道路事故が車両の前方で起きた場合には、ドライバは、急激な制動を行う可能性があり、加速度センサは、その急激な制動の時点で出力信号および/またはデータにスパイクを生じる可能性がある。いくつかの実施形態では、運転挙動は、モバイル・スマートフォンのユーザが経路内でモバイル・スマートフォンを振動させたときなどに、非運転関係挙動(すなわち運転に関係のある動作以外のアクションによって引き起こされる挙動)をさらに含むこともある。したがって、デバイスのセンサからの出力信号および/またはデータは、非運転関係挙動に対応する成分を含むこともある。いくつかの実施形態では、デバイスは、非運転関係挙動に対応する運動データを区別することができることもある。例えば、ドライバが何らかの理由でモバイル・スマートフォンを振動させた場合には、モバイル・スマートフォン、またはそのモバイル・スマートフォンで動作する配車アプリケーションが、運動データの特徴(例えば持続時間)を解析することによって、その振動を運転挙動(例えば急激な転回)と区別することができる。

0056

前提条件モジュール230は、プロセッサ内の前提条件モジュールまたはその他のモジュール内の論理回路を動作させて、運動データを符号化した第1の電子信号が前提条件を満たすかどうかを判定するように構成されることがある。前提条件を使用して、データ伝送起動する、すなわちセンサまたはデバイスが運動データ(または警告データ)の伝送または記録を開始するかどうかを判定することができる。前提条件は、ユーザによって予め決定されることもあるし、デフォルトで予め決定されていることもある。いくつかの実施形態では、前提条件は、直線加速度のしきい値、直線加速度の持続時間のしきい値、角加速度のしきい値、角加速度の持続時間のしきい値、所定の長さの時間Δt内の加速方向の変化の回数、ある時間長さを有するジェスチャの変化の回数、キーワードの頻度、顔の表情モード、制御器具、音声の意味、ユーザ(例えばドライバ)の動きの速度、またはドライバと乗客の距離、あるいはそれらの任意の組合せを含む可能性がある。直線加速度は、X座標軸、Y座標軸、およびZ座標軸を有する3次元座標内で分解することができる直線加速度センサ・データとして決定することができる。例えば、直線加速度は、X直線加速度、Y直線加速度、またはZ直線加速度を含む可能性がある。直線加速度のしきい値は、X直線加速度のしきい値、Y直線加速度のしきい値、Z直線加速度のしきい値、またはそれらの組合せを含む可能性がある。いくつかの実施形態では、前提条件は、例えば第1の副前提条件(sub-precondition)および第2の副前提条件など、1つまたは複数の副前提条件を含むこともある。単なる例示であるが、直線加速度のしきい値、直線加速度の持続時間のしきい値、角加速度のしきい値、または角加速度の持続時間のしきい値が、第2の副前提条件のしきい値未満であることもある。キーワードの頻度、顔の表情モード、制御器具、音声の意味、ユーザ(例えばドライバ)の動きの速度、およびドライバと乗客の距離については、本開示の他の箇所で説明することもある。例えば、図4B、およびその説明を参照されたい。

0057

I/Oモジュール240は、前提条件が満たされる時点(以下「目標時点」)の前後の所定の期間内の運動データを収集し、次いで、収集した運動データおよび/または警告データを遠隔サーバに送信するように構成されることがある。いくつかの実施形態では、I/Oモジュール240によって送信される運動データおよび/または警告データは、第2の電子信号として符号化されることもある。いくつかの実施形態では、運動データは、デバイス(例えばモバイル・スマートフォン)または車載ワイヤレス伝送デバイスによって送信されることもある。

0058

いくつかの実施形態では、上記の所定の期間を使用して、運動データを収集または送信することができる。この所定の期間は、ユーザ(例えばドライバ)が変化させることもあるし、あるいはデフォルトで変化させることもある。この所定の期間は、開始時点Aおよび終了時点B(以下「tA」および「tB」と呼ぶ)を含むことがある。いくつかの実施形態では、この所定の期間の長さは、運転挙動に対応していることがある。例えば、運転挙動が第1の副前提条件を満たす場合には、この所定の期間の長さは、短い(例えば0.5秒、1秒、1.5秒など)ことがある。別の例として、運転挙動が第2の副前提条件(例えば直線加速度のしきい値)をトリガする場合には、この所定の期間の長さは、それより長く(例えば3秒、4秒、5秒など)なることがある。

0059

いくつかの実施形態では、この所定の期間は、目標時点に基づいて決定することができる。いくつかの実施形態では、目標時点は、運動データが前提条件を満たすトリガ時点であることがある。いくつかの実施形態では、目標時点はtAと一致することもある。目標時点は、tAとtBの間の時点であったり、tBと一致していたりすることもある。tAから目標時点までの長さ、および/または目標時点からtBまでの長さは、ユーザが決定することもあるし、あるいはデフォルト・システム設定によって決定されていることもある。例えば、tAおよびtBは、それぞれ、目標時点の1秒前および目標時点の3秒後とすることができる。したがって、前提条件が充足され、目標時点が決定されている場合には、I/Oモジュール240は、目標時点の1秒前から目標時点の3秒後までの運動データを選択することができる。

0060

プロセッサ内の決定モジュール210、取得モジュール220、前提条件モジュール230、およびI/Oモジュール240は、有線接続またはワイヤレス接続を介して互いに接続する、または通信することができる。有線接続は、金属製ケーブル、光ケーブル、またはハイブリッド・ケーブルなど、あるいはそれらの任意の組合せを含む可能性がある。ワイヤレス接続は、ローカル・エリア・ネットワーク(LAN)、広域ネットワーク(WAN)、Bluetooth、ZigBee、または近距離場通信(NFC)など、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、これらのモジュールのうちの任意の2つが1つのモジュールとして結合されることもあり、これらのモジュールのうちの任意の1つが2つ以上のユニットに分割されることもある。

0061

図3は、本開示のいくつかの実施形態による例示的な処理エンジンを示すブロック図である。図3に示すように、処理エンジン112は、データ取得モジュール310、データ前処理モジュール320、特徴生成モジュール330、挙動解析モジュール340、および端末制御モジュール350を含む可能性がある。

0062

いくつかの実施形態では、処理エンジン112は、図8に示すコンピューティング・デバイス800内のCPU820、図9に示すモバイル・デバイス900内のCPU940、またはオンデマンド・サービス・システム100内の任意の構成要素など、少なくとも1つのコンピューティング・デバイスおよび/または少なくとも1つのモバイル・デバイスによって実施または実行することができる。各モジュールは、以下のアクションを実行するように設計されたハードウェア回路、1つまたは複数のストレージ媒体に記憶された命令セット、ならびに/あるいはハードウェア回路と1つまたは複数のストレージ媒体の任意の組合せである可能性がある。

0063

データ取得モジュール310は、運動データおよび/または警告データを取得するように構成されることがある。いくつかの実施形態では、運動データおよび/または警告データは、処理エンジン112によって第2の電子信号として符号化されることもある。いくつかの実施形態では、運動データおよび/または警告データは、デバイスまたは車両に設置することができるI/Oモジュール240から受信することもある。いくつかの実施形態では、運動データは、ジャイロスコープ・データ、加速度センサ・データ、GPSデータ、重力センサ・データ、光センサ・データ、温度センサ・データ、指紋センサ・データ、心拍数センサ・データ、または近接度センサ・データなど、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、警告データは、収集した運動データと同じであることもある。いくつかの実施形態では、警告データは、ドライバ挙動の記述、危険レベル、ドライバ挙動のタイプ、結果、ドライバが行動的介入を必要とするかどうか、またはドライバを監視しているシステムまたは人間(例えばサーバ110)がドライバを統制するために警察を呼ぶ必要があるかどうかなど、あるいはそれらの任意の組合せを含む可能性がある。

0064

データ前処理モジュール320は、フィルタリング・モデルに基づいて運動データを前処理するように構成されることがある。いくつかの実施形態では、運動データは、第2の電子信号に符号化されることもある。データ前処理モジュール320は、符号化運動データから不要な情報をフィルタリングで除去することもできる。不要な情報は、モバイル・スマートフォンを振動させる、モバイル・スマートフォンを車両の床に落とす、またはモバイル・スマートフォンの電子的誤作動など、非運転関係挙動によって生成される雑音情報であることもある。不要な情報は、運転挙動を解析するために使用することができる情報と区別することができる。いくつかの実施形態では、不要な情報は、モバイル・スマートフォンの運動特性を決定することによってフィルタリングで除去することができる。いくつかの実施形態では、不要な情報は、加速度センサ・データに基づいてフィルタリングで除去することもできる。例えば、ドライバがモバイル・スマートフォンを振動させた場合には、モバイル・スマートフォンは、3次元座標の加速度センサ・データを生成し、データ前処理モジュール320は、この加速度センサ・データを解析して、水平面(例えばOx−y)内の加速度センサ・データを得ることができる。水平面内の加速度センサ・データが基準周波数より高い周波数で変化する場合には、この加速度センサ・データは、モバイル・スマートフォンの振動の運動データであると決定することができ、この加速度センサ・データは、データ前処理モジュール320がフィルタリングで除去することができる。いくつかの実施形態では、不要な情報は、少なくとも1つのアプリケーションを検出することによってフィルタリングで除去することもできる。例えば、モバイル・スマートフォンがある時間間隔内で動作するアプリケーション(例えばモバイル・ゲーム)を検出した場合には、その時間間隔内の運動データは、不要な情報であると判定することができ、この不要な情報は、データ前処理モジュール320がフィルタリングで除去することができる。

0065

いくつかの実施形態では、データ前処理モジュール320は、フィルタリング・モデルを使用して不要な情報をフィルタリングで除去することもできる。フィルタリング・モデルは、決定木相関ルール人工ニューラル・ネットワーク、ディープラーニング帰納論理プログラミングサポートベクタマシンクラスタリングベイジアン・ネットワーク、強化学習表現学習、類似度およびメトリック学習、スパース辞書学習遺伝的アルゴリズム、またはルールベース機械学習など、あるいはそれらの任意の組合せを含む可能性がある。例えば、データ前処理モジュール320は、サポート・ベクタ・マシンを使用して、不要な情報を判定することもできる。サポート・ベクタ・マシンは、不要な情報を認識するように、運動データに基づいてオフラインで訓練することもできる。

0066

いくつかの実施形態では、フィルタリング・モデルは、遠隔サーバ内でオフラインで訓練して、電子デバイス、またはストレージ、あるいはそれらの任意の組合せに送信することもできる。この電子デバイスは、カープールのアプリケーション(アプリ)を動作させることができる、およびフィルタリング・モデルに関連付けられた命令を記憶するスマート・ストレージ(例えばSDカード)を有することがある、モバイル・スマートフォンであることがある。フィルタリング・モデルを記憶するストレージは、大容量ストレージ(例えば磁気ディスク、光ディスク、ソリッドステート・ドライブ)、リムーバブル・ストレージ(例えばフラッシュ・ドライブ、フロッピー・ディスク、光ディスク、メモリ・カード、ジップ・ディスク、または磁気テープ)、揮発性読取りおよび書込みメモリ、または読取り専用メモリ(ROM)、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、フィルタリング・モデルは、デバイスまたは車両と実時間で通信することができるクラウド・サーバに記憶されることもある。例えば、不要な情報は、フィルタリング・モデルをオンラインで使用して運動データを解析することによって、フィルタリングで除去することもできる。

0067

特徴生成モジュール330は、フィルタリング済みの運動データに基づいて特徴データを生成するように構成されることがある。特徴データは、機械学習訓練モデルを訓練するために使用することができる。いくつかの実施形態では、特徴データは、ベクトル行列式(determinant)、または行列(matrix)、あるいはそれらの任意の組合せを含む可能性がある。

0068

挙動解析モジュール340は、機械学習訓練モデルおよび特徴データに基づいて運転挙動を解析するように構成されることがある。運転挙動は、急激な加速、急激な制動、または急激な転回など、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、挙動解析モジュール340は、運転挙動に対応する挙動評価を決定することができる。挙動評価を使用して、運転挙動を査定する、またはサービス・レベルをランク付けすることができる。例えば、第1のドライバの挙動評価が、第2のドライバより高い場合には、第1のドライバのサービス・レベルは、第2のドライバのサービス・レベルより高い可能性がある。いくつかの実施形態では、挙動評価は、統計データ、各経路に対応する運転スコア、または危険挙動の回数を含む可能性がある。統計データは、急激な加速の回数、急激な制動の回数、または急激な転回の回数など、あるいはそれらの任意の組合せを含む可能性がある。運転スコアは、数字百分率テキスト、またはレベルなど、あるいはそれらの任意の組合せとして表される可能性がある。いくつかの実施形態では、危険挙動の回数を使用して、ドライバに危険な運転であると注意喚起することもできる。

0069

いくつかの実施形態では、機械学習訓練モデルを使用して、運転挙動、車両状態、または道路状況に関係する任意のデータを解析することができる。例えば、自動車製造業者が、機械学習訓練モデルを使用して不要な情報を削除することによって、車両関係データを収集することもある。別の例として、交通管理局が、機械学習訓練モデルを使用して不要な情報をフィルタリングで除去することによって、選択された道路関係情報を使用することもある。さらに別の例として、オンライン・オンデマンド・サービス・プラットフォーム(例えばオンライン・カープール・サービス・プラットフォーム、またはオンライン自転車シェアリング・サービス・プラットフォーム)が、機械学習訓練モデルを使用して不要な情報をフィルタリングで除去することによって、ユーザをランク付けするためのユーザ挙動データを記録することもある。さらに別の例として、オンデマンド・サービス・システム100が、道路関係状態または車両関係データを使用して、複数の提案(例えば安全運転を求めるドライバへの提案、または新たな道路を設計するための交通管理局への提案)を生成することもある。

0070

いくつかの実施形態では、機械学習訓練モデルは、オンラインまたはオフラインで更新されることもある。機械学習訓練モデルを訓練した後で、実時間で取得される、または定期的な時間間隔(例えば毎日、または毎週)内に取得される運動データを使用して、機械学習訓練モデルをさらに更新することもできる。いくつかの実施形態では、機械学習訓練モデルは、様々なタイプの不要な情報に対応することがある機械学習訓練サブモデルのうちの少なくとも1つに更新されることもある。例えば、第1のサブモデルを使用して、車両に関連付けられた不要な情報を区別し、第2のサブモデルを使用して、モバイル・スマートフォンに関連付けられた不要な情報を区別することもできる。

0071

端末制御モジュール350は、MIS端末または車両データ・レコーダを制御するように構成されることがある。いくつかの実施形態では、端末制御モジュール350は、車両データ・レコーダまたはMIS端末から警告データを受信することがある。警告データを使用して、遠隔サーバまたはMIS端末に注意喚起することもできる。

0072

いくつかの実施形態では、警告データを取得した後で、端末制御モジュール350は、警告データを解析し、車両データ・レコーダまたはMIS端末に命令を送信することがある。端末制御モジュール350によって送信される命令は、映像を生成するために車両データ・レコーダをトリガするかどうか、映像をどのようにして生成するか、誰が映像の主要オブジェクトであるか、映像を記憶するかどうか、映像を提出するかどうか、またはドライバを監視する者(例えばサーバ110)が警察を呼ぶ必要があるかどうかなど、あるいはそれらの任意の組合せを含む可能性がある。端末制御モジュール350によって送信される命令は、図4Bに詳細に示すこともある。

0073

処理エンジン112内のデータ取得モジュール310、データ前処理モジュール320、特徴生成モジュール330、および挙動解析モジュール340は、有線接続またはワイヤレス接続を介して互いに接続する、または通信することができる。有線接続は、金属製ケーブル、光ケーブル、またはハイブリッド・ケーブルなど、あるいはそれらの任意の組合せを含む可能性がある。ワイヤレス接続は、ローカル・エリア・ネットワーク(LAN)、広域ネットワーク(WAN)、Bluetooth、ZigBee、または近距離場通信(NFC)など、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、これらのモジュールのうちの任意の2つが1つのモジュールとして結合されることもあり、これらのモジュールのうちの任意の1つが2つ以上のユニットに分割されることもある。

0074

図4Aは、本開示のいくつかの実施形態による運動データを処理する例示的なプロセスを示すフローチャートである。図4Aに示すように、運動データを処理するプロセス410は、車両と共に移動するデバイスを決定することと、運動データを符号化した第1の電子信号を取得することと、運動データを符号化した第1の電子信号が前提条件を満たすかどうかを判定することと、運動データを符号化した第2の電子信号を遠隔サーバに送信することと、を含むことがある。

0075

411で、決定モジュール210は、デバイスが車両と共に移動していると判定することができる。411は、プロセッサ200、コンピューティング・デバイス800内のCPU820、モバイル・デバイス900内のCPU940、デバイス(例えばモバイル・スマートフォン)、またはオンデマンド・サービス・システム100内の任意の構成要素などの電子デバイスによって実施することができる。

0076

車両は、自家用車、タクシー、ネットワーク自動車、自動運転車、電気自動車、オートバイ、バス、列車、ヒッチ、新幹線、高速鉄道、地下鉄、船舶、航空機、宇宙船、熱気球、または自動運転車両など、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、デバイスが、車両と共に移動していることがあり、車両の運動を検出することがある。例えば、車両のドライバは、自分が運転しているときにモバイル・スマートフォンを手に取ることもあり、少なくとも1つのセンサを備えるそのデバイスが、車両の運動を検出することもある。別の例として、モバイル・スマートフォンが、カープールのアプリケーションを動作させることもあり、サービス提供者(例えばドライバ)によって使用されるそのモバイル・スマートフォンが、カープール用の車両に固定されていることもある。別の例として、乗客が車両内でモバイル・スマートフォンを使用することがある場合には、そのモバイル・スマートフォンが車両と共に移動している可能性がある。

0077

412で、取得モジュール220は、目標時点で少なくとも1つのセンサからデバイスに関連付けられた運動データを取得することができる。いくつかの実施形態では、運動データは、取得モジュール220によって第1の電子信号に符号化されることもある。いくつかの実施形態では、ドライバは、遠隔制御装置によって(例えば遠隔位置において仮想操作を使用することによって)運転挙動を実施することもある。

0078

運動データは、ジャイロスコープ・データ、加速度センサ・データ、GPSデータ、重力センサ・データ、光センサ・データ、温度センサ・データ、指紋センサ・データ、心拍数センサ・データ、近接度センサ・データ、角加速度データ、または音声データなど、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、運動データは、運転挙動、車両状態、または道路状況に対応することもある。例えば、道路事故が突然車両の前方で起きた場合には、ドライバは、急激な制動を行う可能性があり、加速度センサは、その急激な制動を感知することがある。したがって、加速度センサからの出力電子信号および/またはデータが、急激な制動の時点でスパイクを示すことがある。プロセッサ200は、センサからの出力運動データを収集し、対応するセンサ・データを、電子デバイスのキャッシュおよび/またはハードディスクなどのストレージ媒体に保存することができる。例えば、プロセッサ200は、現在時刻より第1の所定の期間だけ前の時点から現在時刻より第2の所定の期間だけ後の時点まで、センサによって出力される出力電子信号を連続的に収集および更新することもできる。

0079

いくつかの実施形態では、様々なセンサによって生成される運動データを統合して、特定の運転挙動を記述することができる。例えば、ドライバの急激な加速に対応する加速度センサ・データ、GPSデータ、および重力センサ・データを、記録および統合することもある。いくつかの実施形態では、運転挙動は、経路内でモバイル・スマートフォンを振動させるなどの非運転関係挙動をさらに含むこともあり、非運転関係挙動も、対応する運動データを生成することがある。いくつかの実施形態では、非運転関係挙動に対応する運動データは、デバイスが区別することができる。例えば、ドライバがモバイル・スマートフォンを振動させた場合には、そのモバイル・スマートフォン、またはモバイル・スマートフォン内で動作する配車アプリケーションが、運動データの特徴(例えば持続時間および/または加速度の特徴)を解析することによって、その振動を運転挙動(例えば急激な転回)と区別することができる。

0080

いくつかの実施形態では、運動データは、運転挙動または車両状態に対応していることがある。例えば、運転挙動は、既定の運転挙動であることもある。既定の運転挙動は、急激な加速(例えば急加速)、急激な制動(例えば突然の強い制動アクション)、または急激な転回(例えば急転回)など、あるいはそれらの任意の組合せなどの急激な運転挙動を含む可能性がある。急激な加速は、ドライバが連続的に、かつ/または強くアクセルを踏むことによって引き起こされる可能性がある。急激な制動は、ドライバが、連続的に、かつ/または強くブレーキを踏むことによって引き起こされる可能性がある。急激な転回は、ステアリング・ホイールを急に回すことによって引き起こされる可能性がある。急激な転回は、急激な右転回、急激な左転回、および急激なUターンを含む可能性がある。例えば、急激な右転回は、ステアリング・ホイールを時計回り方向に連続的に回すことによって実施することができる。別の例として、急激な左転回は、ステアリング・ホイールを反時計回り方向に強く回すことによって引き起こすことができる。

0081

いくつかの実施形態では、運転挙動は、タイヤパンク線路回線障害エンジン故障空タンク、突然の電源喪失ブレーキ故障、またはスロットル故障など、あるいはそれらの任意の組合せを含む可能性がある車両状態に対応する可能性がある。例えば、急激な右転回は、道路の高温によって誘発される可能性があるタイヤのパンクに対応することがある。

0082

いくつかの実施形態では、運転挙動は、突然の赤信号交通渋滞、人の飛び出し、突然の道路事故、でこぼこ道、または曲がりくねった道など、あるいはそれらの任意の組合せなどを含む道路状況に関連付けられることがある。例えば、急激な制動は、ラッシュアワーの交通渋滞に対応することがある。別の例として、ドライバは、山腹に沿っていることもある頂上まで延びる曲がりくねった道にいる場合には、急激な転回を連続的に行うこともある。

0083

いくつかの実施形態では、取得モジュール220は、運転挙動に関連付けられた運動データを解析することによって、目標時点を決定することがある。例えば、ドライバが午後5時に急激な転回を行った場合には、取得モジュール220は、午後5時を目標時点として決定することができる。いくつかの実施形態では、取得モジュール220は、この目標時点を、急激な運転挙動が検出されたのと同じ、または実質的に同じ時点として決定することができる。例えば、取得モジュール220は、時速70キロメートル速度制限がある状態で、午前5時に最大で時速85キロメートルの速度データを取得したときには、目標時点を午前5時(または午前4時59分)として決定すればよく、これにより、運転挙動をより正確に記録することができる。いくつかの実施形態では、運動データは、運動データの各項目に対応する時間を記録することができる少なくとも1つの時間ラベルを含むことがあり、目標時点は、特定の運動データに対応する時間ラベルを解析することによって決定することができる。いくつかの実施形態では、プロセッサ200の取得モジュール220は、期間または頻度を含む可能性がある定期的な時間間隔内(例えば100ミリ秒ごと)の運動データを収集および生成することがある。

0084

413で、前提条件モジュール230は、論理回路を動作させて、運動データを符号化した第1の電子信号が前提条件を満たすかどうかを判定することができる。前提条件を使用して、プロセッサ200が運動データを収集し、収集した運動データを遠隔の受信デバイスに送信すべきかどうかを判定することができる。

0085

前提条件は、ユーザによって予め決定されることもあるし、システムのデフォルト設定で予め決定されていることもある。いくつかの実施形態では、前提条件は、直線加速度のしきい値、直線加速度の持続時間のしきい値、角加速度のしきい値、角加速度の持続時間のしきい値、所定の長さの時間Δt内の加速方向の変化の回数、またはある時間長さを有するジェスチャの変化の回数を含む可能性がある。所定の長さの時間Δtは、ユーザによって設定される、またはデフォルトで設定されている値(例えば1ミリ秒、10ミリ秒、100ミリ秒、1秒、10秒など)である可能性がある。プロセッサ200は、直線加速度センサから収集された電子信号からデータを復号することによって、直線加速度を決定することができる。例えば、プロセッサ200は、データを3次元座標(X座標軸、Y座標軸、Z座標軸)の成分に分解することができる。すなわち、プロセッサ200は、直線加速度を、X直線加速度、Y直線加速度、またはZ直線加速度に分解することができる。したがって、直線加速度のしきい値は、X直線加速度のしきい値、Y直線加速度のしきい値、またはZ直線加速度のしきい値を含む可能性がある。いくつかの実施形態では、直線加速度のしきい値は、値、範囲、または関数など、あるいはそれらの任意の組合せを含む可能性がある。例えば、直線加速度のしきい値は、10m/s2と設定されることもある。したがって、10m/s2より大きい加速度センサ・データは、前提条件を満たすことができる。いくつかの実施形態では、直線加速度の持続時間のしきい値は、加速度が0または所定の値より大きくなった時点からの持続時間であることがある。直線加速度の持続時間のしきい値は、1秒、5秒、30秒、1分、3分、または車両が加速状態である任意の持続時間を含む可能性がある。例えば、直線加速度の持続時間のしきい値が5秒である場合には、0より大きく8秒間持続するX直線加速度は、この前提条件を満足することができる。角加速度は、時計回りの角加速度および反時計回りの角加速度として提示されることがある角加速度センサ・データとして決定することができる。いくつかの実施形態では、角加速度のしきい値は、時計回りの角加速度のしきい値、および反時計回りの角加速度のしきい値を含む可能性がある。例えば、角加速度のしきい値は、5ラジアン/s2、12ラジアン/s2、45ラジアン/s2などであることもある。角加速度の持続時間は、時計回りの角加速度または反時計回りの角加速度が非ゼロ値である持続時間であることがある。角加速度の持続時間のしきい値は、10秒、30秒、50秒、1分、3分、または車両が角加速状態である任意の持続時間を含む可能性がある。角加速度の持続時間のしきい値が30秒として設定されている場合には、持続時間が35秒である角加速度は、前提条件を満たすことができる。所定の期間Δtの間の加速方向の変化の回数は、3、5、8、または任意の整数として予め設定することができる。ドライバが車両の方向を変化させた場合に、センサは、加速方向の変化に対応する運動データを生成することができ、所定の期間Δtの間に加速方向の変化の回数をさらに計数することができる。加速方向の変化の回数のしきい値が3であり、所定の期間Δtが10秒である場合には、10秒以内に3回以上方向を変化する運動データが、前提条件を満足することができる。

0086

運動データの伝送をトリガする前提条件は、直線加速度、角加速度、およびこれらの加速度の持続時間のしきい値、所定の期間Δt、または電子デバイスのその他の任意の適用可能な運動測定値を含む包括的な前提条件であってもよい。さらに、前提条件は、サンプリング・データに基づく訓練されたモデルの結果であってもよい。例えば、前提条件は、訓練したニューラル・ネットワーク・モデルの結果、または様々なドライバの運転挙動履歴に基づく機械学習の結果であってもよい。前提条件は、モデルによって、またモデル内のパラメータによって様々である可能性がある。

0087

いくつかの実施形態では、前提条件は、例えば第1の副前提条件および第2の副前提条件など、1つまたは複数の副前提条件を含むことがある。単なる例示であるが、直線加速度のしきい値、直線加速度の持続時間のしきい値、角加速度のしきい値、または角加速度の持続時間のしきい値は、第2の副前提条件のしきい値未満であることがある。

0088

414で、I/Oモジュール240は、目標時点に関連付けられた所定の期間内の運動データを遠隔サーバに送信することができる。いくつかの実施形態では、I/Oモジュール240によって送信される運動データは、第2の電子信号に符号化されることもある。いくつかの実施形態では、運動データは、デバイス(例えばモバイル・スマートフォン)、または車載ワイヤレス伝送デバイスによって送信されることもある。例えば、モバイル・スマートフォンは、モバイル・ワイヤレス・ネットワークを介して運動データを送信することができる。

0089

上記の所定の期間は、ユーザ(例えばドライバ)が決定することもあるし、あるいはデフォルトで決定されていることもある。この所定の期間は、開始時点Aおよび終了時点B(以下「tA」および「tB」と呼ぶ)を含むことがある。いくつかの実施形態では、この所定の期間の長さは、運転挙動に対応していることがある。例えば、運転挙動が第1の副前提条件(例えば既定のそれほど危険ではない異常な運転挙動を反映した直線加速度のしきい値)を満たす場合には、この所定の期間の長さは、短い(例えば0.5秒、1秒、1.5秒など)ことがある。別の例として、運転挙動が第2の副前提条件(例えば既定の非常に危険な異常な運転挙動を反映した直線加速度のしきい値)をトリガする場合には、この所定の期間の長さは、より長く(例えば3秒、4秒、5秒など)なることがある。

0090

いくつかの実施形態では、tAおよび/またはtBは、この所定の期間の開始時点および終了時点に対応することがある。tAおよびtBは、目標時点に基づいて決定することができる。いくつかの実施形態では、目標時点は、tAまたはtBと一致することもあるし、あるいは[tA、tB]の時間範囲内であることもある。tAから目標時点までの長さ、および/または目標時点からtBまでの長さは、ユーザによって決定されることもあるし、あるいはデフォルトのシステム設定によって決定されていることもある。例えば、tAが目標時点の1秒前であり、tBが目標時点の3秒後であることもある。したがって、前提条件が満足され、目標時点が決定されている場合には、I/Oモジュール240は、目標時点の1秒前から目標時点の3秒後までの運動データを選択することができる。

0091

いくつかの実施形態では、異常な運転挙動が十分に長く続く場合には、プロセッサ200がセンサから電子信号を連続的に受信するので、前提条件は、運動データの収集および送信を連続的にトリガする可能性がある。例えば、所定の期間が、前提条件が満たされたオカレンス(occurrence)の1秒前から3秒後までと設定されている場合には、異常な運転挙動について、プロセッサ200は、時点t0秒、t0+3秒、およびt0+6秒に前提条件が満たされたと判定することができる。したがって、I/Oモジュール240は、この10秒の間に、選択した運動データを3回(すなわちt0秒、t0+3秒、およびt0+6秒において)連続的に送信することができる。

0092

プロセッサ200は、センサから連続的に運動データを受信し、その運動データをキャッシュまたはハードディスクなどのストレージ媒体に保存することができる。キャッシュまたはハードディスクは、電子デバイスの移動全体の運動データを記憶することができる。あるいは、プロセッサは、キャッシュまたはハードディスクに、運動データのうち所定の長さだけを保存するように指示することもできる。例えば、運動データのこの所定の長さは、現在時点の2秒前から4秒後までの運動データであることもある。前提条件が満たされると、プロセッサは、キャッシュまたはハードディスクから必要な運動データ(例えば現在時点の1秒前から現在時点の3秒後まで)を選択することができ、次いで、その必要な運動データを遠隔サーバに送信することができる。

0093

いくつかの実施形態では、遠隔サーバに送信されるべく選択された運動データは、デバイス、クラウド・ストレージ、セキュア・デジタル(SD)カード、トランス・フラッシュ(TF)カード、あるいはデバイスまたは車両内の任意のストレージ媒体に記憶することができる。例えば、車両がネットワーク120に接続されていない山岳地域を走っている場合には、所定の期間内の選択された運動データは、モバイル・スマートフォンのSDカードに記憶することができ、この運動データは、ネットワークが接続されたときに直ちに遠隔サーバに伝送することができる。いくつかの実施形態では、デバイスまたは車両は、運動データを記憶し、かつ/あるいは一定の伝送頻度または可変の伝送頻度でこの運動データを送信する、オンボード・ダイアグノーシス(OBD)を有することがある。例えば、OBDを備えた車両が低電力状態である場合には、OBDは、低い伝送頻度で運動データを送信することができる。別の例として、ユーザ(例えばドライバ)は、高い伝送頻度で運動データを送信するようにOBDを調節することもできる。

0094

いくつかの実施形態では、運動データを遠隔サーバに送信する前に、例えば機械学習訓練モデルに基づいて、運動データから不要な情報をフィルタリングで除去することもできる。いくつかの実施形態では、不要な情報は、モバイル・スマートフォンを振動させる、モバイル・スマートフォンを車両の床に落とす、またはモバイル・スマートフォンの電子的誤作動など、偶発的な運転挙動によって生成される雑音情報であることもある。不要な情報は、運転挙動を解析するために使用することができる情報と区別することができる。機械学習訓練モデルについては、本開示の他の箇所で見ることができる。例えば、図5、およびその説明を参照されたい。

0095

いくつかの実施形態では、プロセス410は、命令セットとして、コンピュータ・プログラム製品を実装した非一時的コンピュータ可読媒体に記憶されることができる。非一時的コンピュータ可読媒体は、コンピューティング・デバイスおよび/またはユーザ端末(例えばデバイス)と通信することができる。プロセス410に関連付けられた命令が実行されると、コンピューティング・デバイスは、デバイスが車両と共に移動していると判定し、目標時点において少なくとも1つのセンサからそのデバイスに関連付けられた運動データを取得し、論理回路を動作させて、運動データを符号化した第1の電子が前提条件を満たすかどうかを判定し、目標時点に関連付けられた所定の期間内の運動データを遠隔サーバに送信することができる。プロセス410についてのさらなる詳細は、図4Aの説明に見ることができる。

0096

図4Bは、本開示のいくつかの実施形態による運動データを処理する例示的なプロセスを示すフローチャートである。図4Bに示すように、運動データを処理するプロセス420は、車両データ・レコーダに関連付けられた運動データを符号化した第1の電子信号を取得することと、運動データが前提条件を満たすかどうかを判定することと、警告データを符号化した第2の電子信号を遠隔サーバに送信することと、遠隔サーバからの命令に従ってある時間間隔内の映像を生成することとを含むことがある。プロセス420は、プロセッサ200、コンピューティング・デバイス800内のCPU820、モバイル・デバイス900内のCPU940、車両データ・レコーダ、またはオンデマンド・サービス・システム100内の任意の構成要素などのデバイスによって実施することができる。

0097

421で、取得モジュール220は、車両データ・レコーダに関連付けられた運動データを取得することができる。いくつかの実施形態では、いくつかの実施形態では、運動データは、第1の電子信号によって符号化されることもある。車両データ・レコーダは、カメラ、ディスプレイ、入力/出力、プロセッサ、電源、またはメモリ、あるいはそれらの任意の組合せを含む可能性がある。カメラは、可視光カメラ赤外線カメラ、デジタル・カメラ、2Dカメラ、3Dカメラ、パノラマ・カメラ、VRカメラ、ウェブ・カメラ、インスタント写真カメラ電子アイカムコーダ、熱撮像デバイス、または可視光撮像デバイス、あるいはそれらの任意の組合せを含む可能性がある。例えば、可視光カメラは、カード・デジタル・カメラ、マニュアル・カメラ、自動焦点カメラ望遠カメラ広角カメラ、一眼レフ(SLR)カメラ、またはデジタル一眼レフ(DSLR)カメラなど、あるいはそれらの任意の組合せを含む可能性がある。別の例として、赤外線カメラは、様々な波長および/または周波数を有する電磁波(例えば無線マイクロ波赤外線放射可視光紫外線放射X線、またはガンマ線)に基づいて運動データまたは映像を記録することができる。いくつかの実施形態では、車両データ・レコーダは、車両の外側表面上に設置することもできる。例えば、車両データ・レコーダは、車両のフロントガラス、または車両のリアガラス内に位置することもある。いくつかの実施形態では、車両データ・レコーダは、車両内に固定されることもある。例えば、車両データ・レコーダは、フロントガラスの内部に設置されることもある。別の例として、車両データ・レコーダは、ドライバまたは乗客の前に固定されることもある。

0098

いくつかの実施形態では、車両データ・レコーダの位置は、ユーザ(例えばドライバ)、またはオンデマンド・サービス・システム100が調節することができる。いくつかの実施形態では、車両データ・レコーダは、画像または映像内にオブジェクトを取り込むように、カメラを調節することができる。例えば、車両データ・レコーダのカメラは、左から右に走査して、運転席のドライバおよび助手席の乗客を含む映像を生成することもできる。いくつかの実施形態では、車両データ・レコーダは、夜間に鮮鋭な画像を得るために、カメラを可視光カメラから赤外線カメラに切り替えることもできる。いくつかの実施形態では、車両データ・レコーダは、1つまたは複数のカメラを含むことがある。この1つまたは複数のカメラは、車両内の様々な箇所に位置することができる。例えば、車両データ・レコーダが、第1のカメラおよび第2のカメラを含み、第1のカメラは左上の隅に位置し、第2のカメラは右上の隅に位置することもある。別の例として、車両データ・レコーダは、ある時点で第1のカメラを使用し、次の時点で第2のカメラを交互に使用することにより、映像を生成することもできる。

0099

いくつかの実施形態では、車両データ・レコーダは、少なくとも1つのセンサから運動データを取得することができる。この少なくとも1つのセンサは、デバイス(例えばモバイル・スマートフォン、OBD、ADAS、レーザ・レーダ)内のセンサであってもよいし、車両データ・レコーダ内のセンサであってもよい。例えば、モバイル・スマートフォン内のセンサは、ジャイロスコープ、加速度センサ、GPS、重力センサ、光センサ、温度センサ、指紋センサ、心拍数センサ、近接度センサ、音響検出器、画像センサ、または音声センサなど、あるいはそれらの任意の組合せを含む可能性がある。モバイル・スマートフォン内のセンサは、取得モジュール220に関連して詳述していることもある。いくつかの実施形態では、車両データ・レコーダは、モバイル・スマートフォン内のセンサに接続されていることもある。例えば、車両データ・レコーダは、スマートフォン内の加速度センサ、および加速度センサからの運動データに接続していることもある。別の例として、車両データ・レコーダは、ネットワーク120(例えばBluetoothネットワーク)を介して、または金属製ケーブルによって、センサと通信することができる。

0100

いくつかの実施形態では、421でセンサによって取得した運動データは、ユーザ挙動と関連付けられることがある。ユーザ挙動は、ドライバ挙動または乗客挙動を含む可能性がある。いくつかの実施形態では、ドライバ挙動は、取得モジュール220に関連して詳述した運転挙動と関連付けられることがある。いくつかの実施形態では、ユーザ挙動は、音声に関係する挙動、顔の表情、動き挙動、服飾的挙動、または儀礼的挙動など、あるいはそれらの任意の組合せを含む可能性がある。音声に関係する挙動は、ドライバの声、乗客の声、通行人の声、ラジオ音、拡声器の音、電子音など、またはそれらの任意の組み合わせを含むことができる。例えば、乗客が車両内でドライバと話をしている場合には、乗客の声を車両データ・レコーダによって記録し、この乗客の声を使用して、対応する運動データを生成することもできる。別の例として、ドライバが、人間の声を対応する電子音に変換することができる音声変換器に自分の声を記録しておき、その電子音を乗客に向かって再生する場合には、車両データ・レコーダは、その電子音を取得して、対応する運動データを生成することができる。いくつかの実施形態では、音声に関係する挙動は、警察の法的執行を示すことがある警官警笛を含むこともある。いくつかの実施形態では、音声に関係する挙動は、声であることもある。例えば、ドライバまたは乗客が銃を発砲した場合には、車両データ・レコーダがその銃声を検出して記録することができる。いくつかの実施形態では、乗客がドライバと口論したり、懇願したり、会話したりしているときに、乗客の声を検出して記録することができる。例えば、乗客がドライバと激しく口論している場合には、助けを求める泣き声、怒りのこもった悪態などの乗客の声が、421で、車両データ・レコーダによって運動データの一部として検出されて記録されることもある。

0101

顔の表情は、車両データ・レコーダのカメラによって認識または検出されることがある。顔の表情は、顔の動きによって形成される可能性がある。顔の表情は、幸せそうな顔、怒っている顔、怯えている顔、驚いた顔、落ち込んだ顔、興奮した顔、酔っ払った顔、軽蔑している顔、または無感覚な顔など、あるいはそれらの任意の組合せを含む可能性がある。例えば、ドライバが多量の酒を飲んだ場合には、顔の表情は、酔っ払った顔として認識される可能性があり、車両データ・レコーダは、酔っ払った顔に対応する運動データを決定する可能性がある。別の例として、ドライバが乗客を脅し、乗客が怯えた顔をする可能性がある場合には、乗客の怯えた顔が、車両データ・レコーダによって記録および認識される可能性があり、車両データ・レコーダは、この怯えた顔に対応する運動データまたは映像を生成する可能性がある。

0102

動き挙動は、ドライバまたは乗客の運動と呼ばれることもある。動き挙動は、脅迫する挙動、暴力的な挙動、または親しげな挙動など、あるいはそれらの任意の組合せを含む可能性がある。脅迫する挙動は、乗客の首をつかむ、乗客のを指す、または乗客の前で立ち上がるなど、あるいはそれらの任意の組合せを含む可能性がある。例えば、ドライバが男性ドライバであり、女性客の首をつかんでいる場合には、車両データ・レコーダによって脅迫する挙動が検出される可能性があり、対応する運動データが生成される可能性がある。

0103

服飾的挙動は、半正装民族衣装(例えばアラビア服装)、ユニフォーム(例えば軍服)、またはミニスカートなど、あるいはそれらの任意の組合せなど、ユーザの服装スタイルであることがある。例えば、ドライバが半裸であり、乗客がミニスカート姿である場合には、これらの服飾的挙動が車両データ・レコーダによって認識され、対応する運動データを生成するために使用されることがある。

0104

儀礼的挙動は、エチケットに関係する任意の挙動を含むことができる。儀礼的挙動は、招き寄せる挙動、拒絶する挙動、礼拝挙動、キス挙動、またはうなずく挙動など、あるいはそれらの任意の組合せを含む可能性がある。例えば、乗客が招き寄せる挙動を示すが、ドライバが反応を示さない場合には、車両データ・レコーダは、この儀礼的挙動を記録して、対応する運動データにすることがある。

0105

422で、前提条件モジュール230は、論理回路を動作させて、運動データが前提条件を満たすかどうかを判定することができる。いくつかの実施形態では、前提条件は、規則および/または定義として表されることもある。いくつかの実施形態では、前提条件に関連付けられた規則または定義は、ローカルであることもあるし、MISに記憶されることもある。規則は、収集した運動データが定義を満たすと判定する方法のステップを含む。例えば、規則は、運動データを収集するステップ、運動データを解析するステップ、および対応するユーザ挙動を生成するステップを含む3つのステップを有することがある。車両データ・レコーダが運動データを収集している場合には、車両データ・レコーダは、カメラを起動して、運動データを記憶するためにメモリを割り当てることができる。車両データ・レコーダが運動データを解析している場合には、車両データ・レコーダは、解析のためのアルゴリズムをネットワーク120からダウンロードし、解析モードを選択して、運動データを認識することができる。車両データ・レコーダが対応する運動データを生成している場合には、車両データ・レコーダは、運動データを遠隔サーバに送信する、または運動データをクラウドに送信することができる。

0106

いくつかの実施形態では、前提条件の定義は、キーワードの頻度、顔の表情モード、制御器具、音声の意味、ユーザ(例えばドライバ)の動きの速度、またはドライバと乗客の距離など、あるいはそれらの任意の組合せを含む可能性がある。キーワードの頻度は、単位時間当たりに使用されるキーワードの回数であることがある。キーワードの頻度は、毎秒1回、毎分3回、または毎時20回など、あるいはそれらの任意の組合せを含む可能性がある。例えば、キーワードが10分間に20回繰り返される場合には、キーワードの頻度は、毎分2回とすることができる。

0107

いくつかの実施形態では、キーワードのタイプは、数字、名前、位置、国、コード、または単位など、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、キーワードは、助けて、血、セックス、財布下着マリファナモルヒネ、警察、銀行中東、聖戦、殺人、銃、または誘導ミサイルなど、あるいはそれらの任意の組合せを含む可能性がある。例えば、ドライバが乗客を脅迫した場合には、乗客の声は、助けを求める泣き声を含み、キーワード「助けて」は、車両データ・レコーダによって記録され、キーワード「助けて」は、前提条件のキーワードに一致し、車両データ・レコーダは、毎分当たりのキーワードの頻度(例えばキーワード「助けて」の頻度)を計算することができる。

0108

いくつかの実施形態では、顔の表情モードは、ドライバまたは乗客が危険にさらされている可能性がある顔の表情を含むことがある。顔の表情モードは、気絶の顔の表情モード、怒りの顔の表情モード、または羞恥の顔の表情モード、あるいはそれらの任意の組合せを含む可能性がある。ドライバが横柄かつ不親切に乗客を扱う場合には、乗客は怒りの顔を見せることがあり、車両データ・レコーダは、怒りの顔の表情モードを満足することができる対応する運動データを生成することがある。

0109

いくつかの実施形態では、制御器具は、銃、弾丸爆発物、短刀、飛び出しナイフ両刃ナイフ、鉾ティアトラップ(tear trap)、またはなど、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、音声の意味は、乗客の声またはドライバの声を解析することによって判定することができる。いくつかの実施形態では、音声の意味は、乗客の声のセンテンスを解析したものであることがある。いくつかの実施形態では、ユーザの動きの速度は、画像または映像内のユーザを解析することによって決定することができる。例えば、ユーザの動きの速度が毎分2メートルと設定される可能性があり、動きデータまたは映像内のドライバまたは乗客の速度が毎分3メートルと判定される可能性がある場合には、ユーザの動きの速度が満足される可能性がある。いくつかの実施形態では、ドライバと乗客の距離は、0.1メートル、0.5メートル、0.8メートル、1メートルなどと予め決定されていることもある。車両データ・レコーダが映像または画像中の距離を計算することによって運動データを0と決定した場合には、運動データは、ドライバと乗客の距離を満たすことができる。

0110

いくつかの実施形態では、前提条件モジュール230は、例えば決定木、相関ルール、人工ニューラル・ネットワーク、ディープ・ラーニング、帰納論理プログラミング、サポート・ベクタ・マシン、クラスタリング、ベイジアン・ネットワーク、強化学習、表現学習、類似度およびメトリック学習、スパース辞書学習、遺伝的アルゴリズム、またはルール・ベース機械学習など、あるいはそれらの任意の組合せを含む機械学習訓練モデルに基づいて、運動データが前提条件を満たすかどうかを判定することができる。例えば、前提条件モジュール230は、サポート・ベクタ・マシンを使用して、運動データが前提条件を満たすかどうかを判定することができる。

0111

423で、I/Oモジュール240は、警告データを遠隔サーバに送信することができる。いくつかの実施形態では、警告データは、第2の電子信号を用いて符号化されることもある。警告データを使用して、遠隔サーバまたはMIS端末に注意喚起することができる。いくつかの実施形態では、警告データは、収集した運動データと同じであることもある。いくつかの実施形態では、警告データは、ドライバ挙動の記述、危険レベル、ドライバ挙動のタイプ、結果、ドライバが行動的介入を必要とするかどうか、またはドライバを監視している者(例えばサーバ110)が警察を呼ぶ必要があるかどうかなど、あるいはそれらの任意の組合せを含むことがある。ドライバ挙動の記述は、遠隔サーバまたはMIS端末が認識することができるテキスト形式として表現されることがある。例えば、車両データ・レコーダは、乗客が暴力的な危険にさらされているときに警告データを送信することもある。危険レベルは、第1の危険レベル、第2の危険レベル、および第3の危険レベルなどに区分されることもある。いくつかの実施形態では、危険レベルは、一般的危険、民事的危険、または犯罪的危険を含むこともある。例えば、乗客がドライバと口論している場合には、警告データは、民事的危険であると決定されることもある。別の例として、ドライバが乗客に暴言を吐いている場合には、警告データは、犯罪的危険であると決定されることもある。いくつかの実施形態では、ドライバ挙動のタイプは、格闘、嫌がらせ、または居眠りなど、あるいはそれらの任意の組合せを含む可能性がある。例えば、車両データ・レコーダからの収集した運動データがドライバが昼寝をしていることを示している場合には、警告データは、居眠りであるとして決定されることもある。いくつかの実施形態では、運動データが非常事態を示している場合には、警告データは、医療支援などの介入を要求することができる行動的介入して決定されることもある。いくつかの実施形態では、運動データが明らかに犯罪行動を示している場合には、車両データ・レコーダは、遠隔サーバに警察を呼んでもらうべく注意喚起するために警告データを送信することもある。

0112

いくつかの実施形態では、警告データは、遠隔サーバに対する複数の代表画像または音声を含むこともある。代表画像または音声は、ドライバまたは乗客の、音声に関係する挙動、顔の表情、動き挙動、服飾的挙動、または儀礼的挙動を含む可能性がある。いくつかの実施形態では、代表画像を遠隔サーバがさらに解析して、警告データが正確であることを確認することもできる。

0113

いくつかの実施形態では、遠隔サーバは、警告データに従って命令を生成することもある。この命令は、映像を生成するために車両データ・レコーダをトリガするかどうか、その映像をどのように生成するか、誰がその映像の主要オブジェクトであるか、その映像を記憶するかどうか、またはその映像を提出するかどうか、あるいはそれらの任意の組合せを含む可能性がある。

0114

424で、車両データ・レコーダは、遠隔サーバからの命令に従って、ある時間間隔内の映像を生成することができる。車両データ・レコーダは、記録開始時点および記録終了時点を含むことがある時間間隔内の映像を生成することができる。記録開始時点は、遠隔サーバからの命令を受信した後で決定されることがある。例えば、車両データ・レコーダが、車両データ・レコーダが映像を生成することを可能にする可能性がある命令を取得したら、車両データ・レコーダのカメラがトリガされて、映像を記録することができる。いくつかの実施形態では、車両データ・レコーダは、映像を直接生成することができる。例えば、遠隔サーバが車両データ・レコーダによって送信された警告データに対して応答しない、または遠隔サーバが未接続である場合には、車両データ・レコーダは、直接映像をトリガすることがある。別の例として、車両データ・レコーダが、乗客またはドライバが極端な状態(例えば深刻な交通事故)にあると判定した場合には、車両データ・レコーダは、映像を直接生成することがある。

0115

命令は、映像を生成するために車両データ・レコーダをトリガするかどうか、その映像をどのように生成するか、誰がその映像の主要オブジェクトであるか、その映像を記憶するかどうか、またはその映像を提出するかどうかなど、あるいはそれらの任意の組合せを含む可能性がある。例えば、命令が警告データを無視するものである場合には、車両データ・レコーダは、映像の生成を禁止されることがある。別の例として、命令が赤外線ビデオを取得するというものである場合には、車両データ・レコーダは、赤外線カメラをトリガして、赤外線映像を生成することがある。さらに別の例として、命令が、乗客が主要オブジェクトであることを示している場合には、車両データ・レコーダは、乗客を追跡することができる映像を生成することがある。さらに別の例として、命令が、映像を実時間で提出するというものである場合には、車両データ・レコーダは、映像のデータをネットワーク120を介して直接遠隔サーバに伝送することがある。

0116

いくつかの実施形態では、映像は、証拠として使用されることもある。例えば、ドライバが酔っている、または運転中に電話を受けて交通事故を引き起こした場合には、保険会社は、その映像に従ってドライバの請求を拒絶することがある。いくつかの実施形態では、映像を使用して、ドライバに注文を割り当てることもある。例えば、映像が多数の危険挙動を示している場合には、その対応するドライバに割り当てる注文を大きく減らすこともできる。

0117

いくつかの実施形態では、プロセス420は、コンピュータ・プログラム製品を実装した非一時的コンピュータ可読媒体に命令セットとして記憶することができる。非一時的コンピュータ可読媒体は、コンピュータ・デバイスおよび/またはユーザ端末(例えばデバイス)と通信することができる。プロセス420に関連付けられた命令が実行されると、コンピューティング・デバイスは、車両データ・レコーダに関連付けられた運動データを符号化した第1の電子信号を取得し、運動データが前提条件を満たすかどうかを判定し、警告データを符号化した第2の電子信号を送信し、遠隔サーバからの命令に従ってある時間間隔内の映像を生成することができる。プロセス420についてのさらなる詳細は、図4Bの説明に見ることができる。

0118

図5は、本開示のいくつかの実施形態による運転挙動を解析する例示的なプロセスを示すフローチャートである。図5に示すように、運転挙動を解析するプロセスは、運動データを符号化した第2の電子信号を取得することと、不要な情報をフィルタリングで除去することと、フィルタリング済みの運動データを解析することと、運動データに基づいて運転挙動を解析することとを含む可能性がある。

0119

510で、データ取得モジュール310は、運動データを取得することができる。いくつかの実施形態では、運動データは、データ取得モジュール310によって第2の電子信号として符号化されることがある。いくつかの実施形態では、運動データを、デバイスまたは車両に設置することができるI/Oモジュール240から受信することもある。いくつかの実施形態では、運動データは、ジャイロスコープ・データ、加速度センサ・データ、GPSデータ、重力センサ・データ、光センサ・データ、温度センサ・データ、指紋センサ・データ、心拍数センサ・データ、近接度センサ・データ、または音声データなど、あるいはそれらの任意の組合せを含む可能性がある。

0120

520で、データ前処理モジュール320は、フィルタリング・モデルに基づいて運動データを前処理することができる。例えば、データ前処理モジュール320は、運動データから不要な情報をフィルタリングで除去することができる。

0121

いくつかの実施形態では、不要な情報は、モバイル・スマートフォンを振動させる、モバイル・スマートフォンを車両の床に落とす、またはモバイル・スマートフォンの電子的誤作動など、偶発的な運転挙動によって生成される雑音情報であることもある。不要な情報は、運転挙動を解析するために使用することができる情報と区別することができる。

0122

いくつかの実施形態では、不要な情報は、モバイル・スマートフォンの運動特性を決定することによってフィルタリングで除去することができる。運動特性は、車両が垂直に落ちる、または車両から出るなどを含む可能性がある。例えば、デバイス位置と車両位置の間の差が10メートルより大きい場合には、モバイル・スマートフォン内のセンサによって生成される運動データは、データ前処理モジュール320によって不要な情報であると判定されることがある。

0123

いくつかの実施形態では、不要な情報は、加速度センサ・データに基づいてフィルタリングで除去することもできる。例えば、ドライバがモバイル・スマートフォンを振動させた場合には、モバイル・スマートフォンは、3次元座標の加速度センサ・データを生成し、データ前処理モジュール320は、この加速度センサ・データを解析して、水平面(例えばOx−y)内の加速度センサ・データを得ることができる。水平面内の加速度センサ・データが基準周波数より高い周波数で変化する場合には、この加速度センサ・データは、モバイル・スマートフォンの振動の運動データであると判定することができ、この加速度センサ・データは、データ前処理モジュール320によってフィルタリングで除去することができる。いくつかの実施形態では、不要な情報は、少なくとも1つのアプリケーションを検出することによってフィルタリングで除去することもできる。例えば、モバイル・スマートフォンがある時間間隔内で動作するアプリケーション(例えばモバイル・ゲーム)を検出した場合には、その時間間隔内の運動データは、不要な情報であると判定することができ、この不要な情報は、データ前処理モジュール320によってフィルタリングで除去することができる。

0124

いくつかの実施形態では、不要な情報は、フィルタリング・モデルを使用してフィルタリングで除去されることもある。フィルタリング・モデルは、決定木、相関ルール、人工ニューラル・ネットワーク、ディープ・ラーニング、帰納論理プログラミング、サポート・ベクタ・マシン、クラスタリング、ベイジアン・ネットワーク、強化学習、表現学習、類似度およびメトリック学習、スパース辞書学習、遺伝的アルゴリズム、またはルール・ベース機械学習など、あるいはそれらの任意の組合せを含む可能性がある。例えば、データ前処理モジュール320は、サポート・ベクタ・マシンを使用して、不要な情報を決定することもできる。サポート・ベクタ・マシンは、運動データから不要な情報を認識するように、運動データによってオフラインで訓練することもできる。いくつかの実施形態では、データ前処理モジュール320は、フィルタリング・モデルを訓練するためのアルゴリズムを使用することもできる。

0125

いくつかの実施形態では、フィルタリング・モデルは、遠隔サーバ内でオフラインで訓練されて、電子デバイス、またはストレージなど、あるいはそれらの任意の組合せに送信されることもできる。この電子デバイスは、カープールのアプリケーション(アプリ)を動作させることができる、およびフィルタリング・モデルに関連付けられた命令を記憶するためのスマート・ストレージ(例えばSDカード)を有することがある、モバイル・スマートフォンであることがある。フィルタリング・モデルを記憶するためのストレージは、大容量ストレージ(例えば磁気ディスク、光ディスク、ソリッドステート・ドライブ)、リムーバブル・ストレージ(例えばフラッシュ・ドライブ、フロッピー・ディスク、光ディスク、メモリ・カード、ジップ・ディスク、または磁気テープ)、揮発性読取りおよび書込みメモリ、または読取り専用メモリ(ROM)など、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、フィルタリング・モデルは、デバイスまたは車両と実時間で通信することができるクラウド・サーバに記憶されることもある。例えば、不要な情報は、フィルタリング・モデルをオンラインで使用して運動データを解析することによって、フィルタリングで除去することもできる。いくつかの実施形態では、フィルタリング・モデルを使用して、運転挙動、車両状態、または道路状況に関係する任意のデータを解析することができる。例えば、自動車製造業者が、機械学習訓練モデルを使用して不要な情報を削除することによって、車両関係データを収集することもある。別の例として、交通管理局が、フィルタリング・モデルを使用して不要な情報をフィルタリングで除去することによって、選択された道路関係情報を使用することもある。さらに別の例として、オンライン・オンデマンド・サービス・プラットフォーム(例えばオンライン・カープール・サービス・プラットフォーム、またはオンライン自転車シェアリング・サービス・プラットフォーム)が、フィルタリング・モデルを使用して不要な情報をフィルタリングで除去することによって、ユーザをランク付けするためのユーザ挙動データを記録することもある。

0126

530で、特徴生成モジュール330は、フィルタリング済みの運動データに基づいて特徴データを生成することができる。フィルタリング済みの運動データは、不要な情報がフィルタリングで除去されている可能性がある運動データであることもある。フィルタリング済みの運動データは、速度データ、ジャイロスコープ・データ、加速度センサ・データ、GPSデータ、重力センサ・データ、光センサ・データ、温度センサ・データ、指紋センサ・データ、心拍数センサ・データ、または近接度センサ・データを含む可能性がある。いくつかの実施形態では、フィルタリング済みの運動データは、デバイス内の1つまたは複数のセンサ(例えば加速度センサ)によって直接生成されることがある生データであることもある。

0127

いくつかの実施形態では、フィルタリング済みの運動データは、特徴データを得るために前処理されることもある。特徴データは、機械学習訓練モデルを訓練するために使用することができる。いくつかの実施形態では、特徴データは、ベクトル、行列式、または行列など、あるいはそれらの任意の組合せを含む可能性がある。例えば、ベクトルは、様々なタイプの運動データに対応する少なくとも1つの項目を含むことがある。別の例として、3つの項目を有するベクトルが、(ジャイロスコープ・データ、GPSデータ、加速度センサ・データ)として表現されることもある。

0128

いくつかの実施形態では、特徴データは、運動データに基づいて決定または生成された前処理済みデータをさらに含むこともある。例えば、特徴データは、加速度センサ・データの水平成分、加速度センサ・データの垂直成分、速度データの平均、または高度データなど、あるいはそれらの任意の組合せを含む可能性がある。別の例として、特徴データは、運動データの最大値(加速度センサ・データの最大値)または最小値であることもある。

0129

いくつかの実施形態では、特徴データは、2種類以上の運動データの間の関係をさらに含むこともある。例えば、特徴生成モジュール330は、加速度センサ・データと速度データの間の関係を判定することもある。別の例として、特徴生成モジュール330は、加速度センサに基づいて加速度センサ・データの水平成分を決定することができ、この加速度センサ・データの水平成分をさらに使用して、加速度センサ・データの水平成分と速度データの間の関係を決定することができ、挙動解析モジュール340が、加速度センサ・データの水平成分、速度データ、およびそれらの関係に基づいて、特徴データを前処理することもできる。いくつかの実施形態では、この関係は、運動データの全体的な関係を含むこともある。例えば、特徴データは、加速度センサ・データ、速度データ、ジャイロスコープ・データ、および加速度センサ・データと、速度データと、ジャイロスコープ・データとの間の全体的な関係を含むこともある。この関係は、数字、テキスト、カテゴリ、または百分率など、あるいはそれらの任意の組合せとして表される可能性がある。例えば、任意の2種類の運動データの間の関係は、0.1、0.3、0.7、1などであることもある。いくつかの実施形態では、特徴生成モジュール330は、関数または数式を使用して特徴データを決定することもできる。

0130

いくつかの実施形態では、特徴生成モジュール330は、対応する運転挙動に基づいて運動データを選択することによって、特徴データを決定することができる。例えば、機械学習訓練モデルが急激な加速を解析するように決定されている場合には、特徴生成モジュール330は、加速度センサ・データの水平成分、速度データ、および交通信号データなど、対応する運動データを選択することができる。別の例として、機械学習訓練モデルが急激な転回を決定するように訓練されている場合には、特徴生成モジュール330は、対応する運動データを選択することができ、この対応する運動データを使用して、角加速度データの最大値、角加速度の持続時間、および角加速度データと角加速度の持続時間の間の関係を含む特徴データを生成することができる。

0131

いくつかの実施形態では、特徴データは、ネットワーク120を介して遠隔サーバに接続することができるデバイス内で生成されることもある。いくつかの実施形態では、デバイスを備えた車両がネットワーク120に接続されていない山岳地域内の経路を走っている場合には、デバイスは、しばらくの間、運動データをオフラインで記憶することができる。その経路が完了したときに、デバイスは、ネットワーク120と通信して、運動データを送信することができる。特徴生成モジュール330は、運動データをオフラインで受信した後で、540で、運転挙動を解析するための特徴データを生成することができる。

0132

540で、挙動解析モジュール340は、機械学習訓練モデルおよび特徴データに基づいて運転挙動を解析することができる。運転挙動は、急激な加速、急激な制動、または急激な転回など、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、挙動解析モジュール340は、運転挙動に対応する挙動評価を決定することができる。挙動評価を使用して、運転挙動を査定する、またはサービス・レベルをランク付けすることができる。例えば、第1のドライバの挙動評価が、第2のドライバの挙動評価より高い場合には、第1のドライバのサービス・レベルは、第2のドライバのサービス・レベルより高い可能性がある。

0133

いくつかの実施形態では、540で、端末制御モジュール350は、車両データ・レコーダから警告データを受信し、MIS端末または車両データ・レコーダに命令を送信することができる。命令は、映像を生成するために車両データ・レコーダをトリガするかどうか、映像をどのようにして生成するか、誰が映像の主要オブジェクトであるか、映像を記憶するかどうか、または映像を提出するかどうかなど、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、端末制御モジュール350は、映像の生成を禁止するために警告データを無視する命令を送信することもある。別の例として、端末制御モジュール350が、赤外線映像を取得する命令を送信し、車両データ・レコーダが、赤外線映像を生成するように赤外線カメラをトリガすることもある。いくつかの実施形態では、端末制御モジュール350が、乗客が主要オブジェクトであることを示す命令を送信し、車両データ・レコーダが、乗客を追跡することができる映像を生成することもある。いくつかの実施形態では、端末制御モジュール350が、車両データ・レコーダに映像を実時間で提出するように依頼する命令を送信し、車両データ・レコーダが、映像のデータをネットワーク120を介して直接遠隔サーバに伝送することもある。

0134

単なる例示であるが、挙動評価は、統計データ、各経路に対応する運転スコア、または危険挙動の回数(times)を含む可能性がある。統計データは、急激な加速の回数、急激な制動の回数、または急激な転回の回数など、あるいはそれらの任意の組合せを含む可能性がある。例えば、挙動解析モジュールは、あるルートを走り終えたドライバが、急激な制動を2回、急激な加速度5回、急激な転回を3回行ったと判定する。運転スコアは、数字、百分率、テキスト、またはレベルなど、あるいはそれらの任意の組合せとして表される可能性がある。例えば、ドライバが、ある経路の一部分を、その経路の運転ルールに従って安全に走り終えた場合には、挙動解析モジュール340は、運転スコアを、運転挙動が優秀であることを示すことができる10点中9点であると判定することもある。別の例として、挙動解析モジュール340は、百分率を、運転挙動成績が全てのドライバの総数において95%のドライバを超える可能性があることを意味することができる95%として判定することもある。いくつかの実施形態では、危険挙動の回数を使用して、ドライバに注意喚起することもできる。挙動解析モジュール340は、特徴データを判定してドライバの危険挙動を判定することができ、挙動解析モジュール340は、さらに、危険挙動の回数を、実時間で、または経路を走り終えた後で、計数することもできる。例えば、挙動解析モジュール340は、その経路中に17回の危険挙動を認識することもある。別の例として、挙動解析モジュール340は、危険挙動を実時間で判定することもある。

0135

いくつかの実施形態では、機械学習訓練モデルは、決定木、相関ルール・モデル、人工ニューラル・ネットワーク、ディープ・ラーニング・モデル、帰納論理プログラミング・モデル、サポート・ベクタ・マシン・モデル、クラスタリング・モデル、ベイジアン・ネットワーク、強化学習モデル、表現学習モデル、類似度およびメトリック学習モデル、スパース辞書学習モデル、遺伝的アルゴリズム・モデル、またはルール・ベース機械学習モデルなど、あるいはそれらの任意の組合せを含む可能性がある。

0136

いくつかの実施形態では、機械学習訓練モデルは、遠隔サーバ内でオフラインで訓練されて、電子デバイス、またはストレージなど、あるいはそれらの任意の組合せに送信されることもできる。機械学習訓練モデルを記憶するためのストレージは、大容量ストレージ(例えば磁気ディスク、光ディスク、ソリッドステート・ドライブ)、リムーバブル・ストレージ(例えばフラッシュ・ドライブ、フロッピー・ディスク、光ディスク、メモリ・カード、ジップ・ディスク、または磁気テープ)、揮発性読取りおよび書込みメモリ、または読取り専用メモリ(ROM)など、あるいはそれらの任意の組合せを含む可能性がある。いくつかの実施形態では、機械学習訓練モデルは、デバイスまたは車両と実時間で通信することができるクラウド・サーバに記憶されることもある。例えば、不要な情報は、機械学習訓練モデルをオンラインで使用して運動データを解析することによって、フィルタリングで除去することもできる。

0137

いくつかの実施形態では、機械学習訓練モデルを使用して、運転挙動、車両状態、または道路状況に関係する任意のデータを解析することができる。例えば、自動車製造業者が、機械学習訓練モデルを使用して不要な情報を削除することによって、車両関係データを収集することもある。別の例として、交通管理局が、機械学習訓練モデルを使用して不要な情報をフィルタリングで除去することによって、選択された道路関係情報を使用することもある。さらに別の例として、オンライン・オンデマンド・サービス・プラットフォーム(例えばオンライン・カープール・サービス・プラットフォーム、またはオンライン自転車シェアリング・サービス・プラットフォーム)が、機械学習訓練モデルを使用して不要な情報をフィルタリングで除去することによって、ユーザをランク付けするためのユーザ挙動データを記録することもある。

0138

いくつかの実施形態では、機械学習訓練モデルは、オンラインまたはオフラインで更新されることもある。機械学習訓練モデルを訓練した後で、実時間で取得される、または定期的な時間間隔(例えば毎日、または毎週)内に取得される運動データを使用して、機械学習訓練モデルをさらに更新することもできる。いくつかの実施形態では、機械学習訓練モデルは、様々なタイプの不要な情報に対応することがある機械学習訓練サブモデルのうちの少なくとも1つに更新されることもある。例えば、第1のサブモデルを使用して、車両に関連付けられた不要な情報を区別し、第2のサブモデルを使用して、モバイル・スマートフォンに関連付けられた不要な情報を区別することもできる。

0139

いくつかの実施形態では、540で、挙動解析モジュール340は、運転挙動に関連付けられた車両状態をさらに生成することもできる。いくつかの実施形態では、車両状態は、タイヤのパンク、回線障害、エンジン故障、空タンク、突然の電源喪失、またはブレーキ故障など、あるいはそれらの任意の組合せを含む可能性がある。挙動解析モジュール340は、機械学習訓練モデルに基づいて特徴データを解析し、車両の状態を推定するために使用することができる車両状態を生成することができる。例えば、挙動解析モジュール340は、特徴データ(例えば長期加速度データ)に基づいてブレーキ故障を判定することもある。別の例として、挙動解析モジュール340は、経路内でのタイヤのパンクを判定することがあり、その経路内のタイヤのパンクが、車両の検査を示すこともある。

0140

いくつかの実施形態では、540で、挙動解析モジュール340は、運転挙動に関連付けられた道路状況をさらに生成することもできる。道路状況は、突然の赤信号、交通渋滞、人の飛び出し、突然の道路事故、でこぼこ道、または曲がりくねった道など、あるいはそれらの任意の組合せなどを含む可能性がある。いくつかの実施形態では、挙動解析モジュール340は、機械学習訓練モデルおよび特徴データに基づいて道路状況を判定することができ、この道路状況が、交通管理局に送信されることもある。交通管理局は、この道路状況を使用して、交通規制する(例えば交通信号の時間を調節する、または道路を通過する車両の数を制限する)ことができる。

0141

いくつかの実施形態では、540で、挙動解析モジュール340は、信頼度係数を使用して運転挙動を判定することもできる。信頼度係数は、運転挙動が危険な挙動であるかどうかを判定するために使用することができる。例えば、機械学習訓練モデルの出力が信頼度係数より大きい場合には、対応する運転挙動は、危険な挙動であると判定することができる。機械学習訓練モデルの出力が信頼度係数より小さい場合には、対応する運転挙動は、安全な挙動であると判定することができる。別の例として、機械学習訓練モデルの出力は、確率であることもあり、信頼度係数は、値(例えば0.6、0.7、0.8、0.9など)として設定されることもある。確率が、信頼度係数(例えば0.8)より高い0.85である場合には、機械学習訓練モデルの入力に対応する運転挙動は、危険な挙動であると判定することができる。いくつかの実施形態では、ユーザ(例えばドライバ)は、危険な挙動をより高い感度で検出するために、信頼度係数を0.8から0.6に調節することもでき、その場合、運転挙動は、危険な挙動であると判定される可能性がより高くなる可能性がある。

0142

いくつかの実施形態では、プロセス500は、命令セットとして、コンピュータ・プログラム製品を実装した非一時的コンピュータ可読媒体に記憶することができる。非一時的コンピュータ可読媒体は、コンピュータ・デバイスおよび/またはユーザ端末(例えばデバイス)と通信することができる。プロセス500に関連付けられた命令が実行されると、コンピューティング・デバイスは、運動データを取得し、機械学習モデルに基づいて不要な情報をフィルタリングで除去し、フィルタリング済みの運動データに基づいて特徴データを生成し、機械学習訓練モデルおよび特徴データに基づいて運転挙動を解析することができる。プロセス500についてのさらなる詳細は、図5の説明に見ることができる。

0143

図6は、本開示のいくつかの実施形態によるデバイスを示す例示的な図である。いくつかの実施形態では、デバイスは、モバイル・スマートフォンであることがある。モバイル・スマートフォンは、カメラ、加速度計センサ、ジャイロスコープ・センサ、近接度センサ、周囲光センサ、タッチ・センサ、磁力計センサ、マイクロフォン、またはGPSのうちの少なくとも1つを含む可能性がある。周囲光センサは、モバイル・スマートフォンの周囲の光度を検出することができる。例えば、モバイル・スマートフォンは、光度を50ルクスと検出することがあり、これはモバイル・スマートフォンが暗い環境にある可能性があることを示している可能性がある。いくつかの実施形態では、スマートフォンからの生成される運動データは、モバイル・スマートフォン座標系で表されることがある。図6に示すように、モバイル・スマートフォン座標系は、X座標軸、Y座標軸、およびZ座標軸を含むことがある。X座標軸、Y座標軸、およびZ座標軸は、互いに直交していることがある。X座標軸は、左から右へモバイル・スマートフォンのスクリーンと平行に定義されることがある。Y座標軸は、上から下へモバイル・スマートフォンのスクリーンと平行に定義されることがある。Z座標軸は、モバイル・スマートフォンのスクリーンに対して直交する(perpendicular)ことがある。モバイル・スマートフォン座標系は、固定されることもあり、モバイル・スマートフォンの位置または配向は、モバイル・スマートフォン座標系を変化させないこともある。モバイル・スマートフォンからの生成される運動データは、モバイル・スマートフォン座標系内で分解することができる。例えば、加速度計センサ・データは、X座標軸、Y座標軸、およびZ座標軸に従って分解することができ、加速度計センサ・データは、(Ax、Ay、Az)と表すことができ、ここで、Axは、X座標軸における加速度計センサ・データの成分を表し、Ayは、Y座標軸における加速度計センサ・データの成分を表し、Azは、Z座標軸における加速度計センサ・データの成分を表す。別の例として、ジャイロスコープ・センサ・データも、モバイル・スマートフォン座標系にしたがって構成することができ、(3、5、2)と表されることもあり、ここで、3は、X座標軸におけるジャイロスコープ・センサ・データの成分を表し、5は、Y座標軸におけるジャイロスコープ・センサ・データの成分を表し、2は、Z座標軸におけるジャイロスコープ・センサ・データの成分を表している。

0144

いくつかの実施形態では、モバイル・スマートフォン座標系で表現される運動データは、変換されて、地球座標系で表されることもある。地球座標系は、図7とも呼ばれることもある。いくつかの実施形態では、運動データは、モバイル・スマートフォン座標系と地球座標系の間の変換関係に基づいて変換することができる。この変換関係は、運動データをモバイル・スマートフォン座標系から地球座標系に修正するために使用することができる変換行列であることがある。例えば、変換行列は、



と表されることもあり、モバイル・スマートフォン座標系における加速度計センサ・データ(Ax、Ay、Az)は、変換行列



掛けることによって変換して、地球座標系における加速度計センサ・データ(Ax’、Ay’、Az’)を得ることができる。いくつかの実施形態では、変換関係は、1行3列の変換行列式(transformation determinant)であることもある。例えば、変換行列式が|Tx、Ty、Tz|である場合には、モバイル・スマートフォン座標系におけるジャイロスコープ・センサ・データ(Gx、Gy、Gz)は、変換行列式の各項目をそれぞれ加算することによって修正することができ、地球座標系におけるジャイロスコープ・センサ・データは、(Gx+Tx、Gy+Ty、Gz+Tz)と表すことができる。

0145

いくつかの実施形態では、モバイル・スマートフォンが移動したときに変換関係を調節することもできる。例えば、モバイル・スマートフォンがドライバによって移動されたときに、モバイル・スマートフォンの新たな位置、またはスマートフォンの新たな姿勢に基づいて、変換関係を更新することもできる。別の例として、ドライバがモバイル・スマートフォンをひっくり返した場合には、変換行列式|Tx=2、Ty=5、Tz=9|を、|Tx=2、Ty=5、Tz=−9|に調整することもできる。さらに別の例として、ドライバがモバイル・スマートフォンを連続的に使用している場合に、モバイル・スマートフォンは、モバイル・スマートフォンの移動軌跡を記録することもでき、モバイル・スマートフォンの移動軌跡に基づいて変換関係を補正することもできる。

0146

図7は、本開示のいくつかの実施形態による地球と共に回転する座標系を示す例示的な図である。いくつかの実施形態では、この地球座標系は、X軸、Y軸、およびZ軸を含むことがある。X軸、Y軸、およびZ軸は、互いに直交していることがある。X軸は、西から東に水平面と平行であることがある。Y軸は、からに水平面と平行であることがある。Z軸は、水平面に対して直交することがある。いくつかの実施形態では、地球座標系は、ユーザによって調整されることもある。いくつかの実施形態では、地球座標系は、GPSまたはBeidou航法システムによって決定または補正されることもある。いくつかの実施形態では、運動データまたは特徴データは、地球座標系で提示されることもある。単なる例示であるが、デバイスの速度データが変換されて、地球座標系で(120、10、0)m/sとして提示されることもある。

0147

図8は、本開示のいくつかの実施形態による、サーバ110、サービス要求者端末130、および/またはサービス提供者端末140を実装することができるコンピューティング・デバイス800の例示的なハードウェアおよび/またはソフトウェア構成要素を示す概略図である。例えば、処理エンジン112をコンピューティング・デバイス800上に実装し、本開示に開示する処理エンジン112の機能を実行するように構成することもできる。

0148

コンピューティング・デバイス800は、コンピュータであることもあり、本開示のようにオンデマンド・システムを実装するために使用することができる。コンピューティング・デバイス800は、本明細書に記載するオンデマンド・サービスの任意の構成要素を実施するために使用することができる。例えば、処理エンジン112は、コンピューティング・デバイス800上で、コンピューティング・デバイス800のハードウェア、ソフトウェア・プログラム、ファームウェア、またはそれらの任意の組合せによって実装することができる。このようなコンピュータは、便宜上1つしか示していないが、本明細書に記載するオンデマンド・サービスに関係するコンピュータ機能は、いくつかの類似のプラットフォーム上で分散して実施して、処理負荷を分散させることもできる。

0149

コンピューティング・デバイス800は、例えば、データ通信を容易にするために接続されるネットワークにおよびネットワークから接続されるCOMポート850を含むことがある。コンピューティング・デバイス800は、プログラム命令を実行するための、1つまたは複数のプロセッサの形態の中央処理ユニット(CPU)820も含むことがある。この例示的なコンピュータ・プラットフォームは、内部通信バス810と、プログラム・ストレージと、このコンピュータによって処理および/または伝送される様々なデータ・ファイル用の、例えばディスク870、読取り専用メモリ(ROM)870、またはランダム・アクセス・メモリ(RAM)840などの様々な形態のデータ・ストレージとを含むこともある。この例示的なコンピュータ・プラットフォームは、CPU820によって実行される、ROM830、RAM840、およびまたはその他のタイプの非一時的ストレージ媒体に記憶されたプログラム命令を含むこともある。本開示のプロセスは、プログラム命令として実施されることがある。コンピューティング・デバイス800は、コンピュータと、その内部のユーザ・インタフェース要素880などの他の構成要素との間の入力/出力をサポートするI/O構成要素860も含む。コンピューティング・デバイス800は、ネットワーク通信を介してプログラムおよびデータを受信することもできる。

0150

コンピューティング・デバイス800は、コンピューティング・デバイス800内の様々な構成要素間で、またはコンピューティング・デバイス800と他の電子デバイスとの間で電子信号を伝送するための1つまたは複数のインタフェース回路を含むこともある。例えば、インタフェース回路は、サービス要求者端末130および/またはサービス提供者端末140から電子信号を受信し、バス810、CPU820、ROM830、またはRAM840にそれらの電子信号を送信することができる。CPU820は、コンピューティング・デバイス800の他の構成要素、または他の電子デバイスからインタフェース回路を介して受信した電子信号を処理するための1つまたは複数の処理回路または論理回路を含むことがある。例えば、コンピューティング・デバイス800は、CPU820内の処理回路または論理回路の動作を通じてタスクを処理し、インタフェース回路を通して電子信号によって命令を受信することもある。

0151

単なる例示として、コンピューティング・デバイス800内の1つのCPUおよび/またはプロセッサについて説明した。しかし、本開示のコンピューティング・デバイス800は、複数のCPUおよび/またはプロセッサを含むこともあり、したがって、本開示に記載する1つのCPUおよび/またはプロセッサによって実行される動作および/またはプロセス・ステップは、複数のCPUおよび/またはプロセッサによって協働で、または別個に、実行されることもあることに留意されたい。例えば、本開示において、コンピューティング・デバイス800のCPUおよび/またはプロセッサがステップAおよびステップBを両方とも実行している場合、ステップAおよびステップBは、コンピューティング・デバイス800内で2つの異なるCPUおよび/またはプロセッサによって、協働で、または別個に実行される(例えば、第1のプロセッサがステップAを実行し、第2のプロセッサがステップBを実行する、または第1および第2のプロセッサが協働してステップAおよびBを実行する)こともあることを理解されたい。

0152

図9は、本開示のいくつかの実施形態による、ユーザ端末を実装することができる例示的なモバイル・デバイス900の例示的なハードウェアおよび/またはソフトウェア構成要素を示す概略図である。図9に示すように、モバイル・デバイス900は、通信プラットフォーム910、ディスプレイ920、グラフィックス処理ユニット(GPU)930、中央処理ユニット(CPU)940、I/O950、メモリ960、およびストレージ990を含むことがある。いくつかの実施形態では、システム・バスまたは制御装置(図示せず)に限定されないがそれらを含む、任意の他の適当な構成要素が、モバイル・デバイス900に含まれることもある。いくつかの実施形態では、モバイル・オペレーティング・システム970(例えばiOS(登録商標)、Android(登録商標)、Windows Phone(登録商標)など)、および1つまたは複数のアプリケーション980が、ストレージ990からメモリ960にロードされて、CPU940によって実行されることもある。アプリケーション980は、画像処理に関係する情報、またはその他の情報を処理エンジン112から受信してレンダリングするための、ブラウザまたはその他の任意の適当なモバイル・アプリを含むことがある。情報ストリームとのユーザ対話は、I/O950を介して実現され、ネットワーク120を介して処理エンジン112および/またはオンライン・オンデマンド・サービス・システム100のその他の構成要素に提供される可能性がある。

0153

本開示に記載する様々なモジュール、ユニット、およびそれらの機能を実施するために、コンピュータ・ハードウェア・プラットフォームを、本明細書に記載する複数の要素のうちの1つまたは複数のためのハードウェア・プラットフォーム(1つまたは複数)として使用することができる。ユーザ・インタフェース要素を備えるコンピュータを使用して、パーソナル・コンピュータ(PC)、あるいはその他の任意のタイプのワーク・ステーションまたは端末デバイスを実施することができる。適切にプログラムされている場合、コンピュータはサーバとしても機能できる。

0154

以上、基本概念について説明したが、上記の詳細な開示は、例示のみを目的として提示したものであり、限定のためのものではないことは、この詳細な開示を読めば当業者には明らかである可能性がある。本明細書には明示していないが、様々な改変、改善、および修正は、当業者なら思いつく可能性があり、当業者に対して意図されている。これらの改変、改善、および修正は、本開示によって示唆されるものとし、本開示の例示的な実施形態の趣旨および範囲に含まれる。

0155

さらに、特定の用語を使用して、本開示の実施形態を説明した。例えば、「1実施形態」、「実施形態」、および/または「いくつかの実施形態」という用語は、その実施形態に関連して記載される特定の特徴、構造、または特性が、本開示の少なくとも1つの実施形態に含まれるということを意味している。したがって、本明細書の様々な箇所で「実施形態」、「1実施形態」、または「代替の実施形態」について2回以上言及していても、その全てが必ずしも同じ実施形態を指しているわけではないことを理解されたく、強調しておく。さらに、これらの特定の特徴、構造、または特性は、本開示の1つまたは複数の実施形態において適宜組み合わせることもできる。

0156

さらに、本開示の態様は、任意の新規かつ有用なプロセス、機械製造品、または物質組成、あるいはそれらの任意の新規かつ有用な改良物を含む、いくつかの特許性のあるクラスまたはコンテキストのいずれかにおいて本明細書で例示および説明されている可能性があることを、当業者なら理解するであろう。したがって、本開示の態様は、完全にハードウェアで実施することも、完全にソフトウェア(ファームウェア、常駐ソフトウェアマイクロコードなどを含む)で実施することも、あるいは本明細書では全てまとめて「ユニット」、「モジュール」、または「システム」と呼ばれる可能性があるソフトウェアの実施態様とハードウェアの実施態様とを組み合わせることによって実施することもできる。さらに、本開示の態様は、コンピュータ可読プログラム・コードが実装された1つまたは複数のコンピュータ可読媒体に実装されたコンピュータ・プログラム製品の形態であることもある。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ