CN102547612B - 使用多无线电远程信息处理装置的信息收集*** - Google Patents
使用多无线电远程信息处理装置的信息收集*** Download PDFInfo
- Publication number
- CN102547612B CN102547612B CN201110432437.9A CN201110432437A CN102547612B CN 102547612 B CN102547612 B CN 102547612B CN 201110432437 A CN201110432437 A CN 201110432437A CN 102547612 B CN102547612 B CN 102547612B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- cluster
- data aggregate
- aggregate region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及使用多无线电远程信息处理装置的信息收集***。本公开涉及一种使用远程通信、短程通信、和群首车辆从数据聚合区内的多台车辆智能地获取数据的方法。该方法包括中央服务器定义多个数据聚合区域并识别每个数据聚合区域内的至少一台群首车辆。该方法还包括每个数据聚合区域内的群首车辆使用短程通信从该数据聚合区域内的其它车辆收集数据,和每个数据聚合区域内的群首车辆确定停止从该数据聚合区域内的其它车辆收集数据。该方法进一步包括每个数据聚合区域内的群首车辆使用从其数据聚合区域内的其它车辆收集的数据生成共识报告。
Description
技术领域
本公开大体涉及用于收集信息的***和方法,更具体地,涉及使用多无线电远程信息处理装置来收集诸如远程信息处理数据的信息的***和方法。
背景技术
现代汽车包含控制所选车辆功能并为车辆和驾驶员提供各种类型的信息的车载计算机。例如,车载计算机控制所选发动机和悬架功能并促进与其它车辆和远程驾驶员辅助中心的通信。例如,通用汽车公司的OnStar?***,提供了包含车载安全和保卫、免提通话、道道通导航、远程诊断***的服务。
车载计算机还帮助向驾驶员传送信息和娱乐(统称为信息娱乐),诸如新闻报道、天气、运动、以及关于车辆位置和附近交通的通知。发送至车辆的消息还可以包括用于车载计算机的新软件、或对现有软件的升级或更新。
许多常规远程信息处理通信***仅使用蜂窝电信来向车载计算机发送消息。也就是说,***的远程服务器建立与每台车辆的遍布蜂窝电信网络的无线连接,其对于每台车辆具有信息。
这种对蜂窝网络的传统的依赖具有种种弊端。例如,蜂窝网络的广泛使用导致拥挤,并且将每条消息发送至每台参与车辆或甚至一部分车辆的费用相对较高。
发明内容
本公开涉及一种使用远程通信、短程通信、和群首(group leader)车辆从数据聚合区内的多台车辆智能地获取数据的方法。该方法包括:中央服务器定义多个数据聚合区域并识别每个数据聚合区域内的至少一台群首车辆。该方法还包括:每个数据聚合区域内的群首车辆使用短程通信从该数据聚合区域内的其它车辆收集数据,以及每个数据聚合区域内的群首车辆确定停止从该数据聚合区域内的其它车辆收集数据。该方法进一步包括每个数据聚合区域内的群首车辆使用从其数据聚合区域内的其它车辆收集的数据生成共识报告。
本公开还涉及存储在有形非暂时性的计算机可读介质上作为指令的数据聚合协议:当中央服务器的处理器执行这些指令时,使中央服务器的处理器定义多个数据聚合区域并且当每个数据聚合区域内的车辆的处理器执行这些指令时,使处理器进行通信从而为该数据聚合区域识别至少一台群首车辆。当每个数据聚合区域内识别出的群首车辆的处理器执行这些指令时,使识别出的群首车辆的处理器:(i)使用短程通信从该数据聚合区域内的其它车辆的处理器收集数据,(ii)确定停止从该数据聚合区域内的其它车辆收集数据;以及(iii)使用从其数据聚合区域内的其它车辆收集到的数据生成共识报告。
本发明提供以下技术方案:
方案1. 一种使用远程通信、短程通信、和群首车辆从数据聚合区内的多个车辆智能地获取数据的方法,所述方法包括:
中央服务器定义多个数据聚合区域;
识别每个数据聚合区域内的至少一个群首车辆;
每个数据聚合区域内的群首车辆使用短程通信从所述数据聚合区域内的其它车辆收集数据;
每个数据聚合区域内的群首车辆确定停止从所述数据聚合区域内的其它车辆收集数据;以及
每个数据聚合区域内的群首车辆使用从它的数据聚合区域内的其它车辆收集的数据生成共识报告。
方案2. 根据方案1所述的用于智能地获取数据的方法,进一步包括:
所述中央服务器识别数据聚合区;
其中所述中央服务器定义多个数据聚合区域包括:将所述数据聚合区划分成多个数据聚合区域。
方案3. 根据方案1所述的用于智能地获取数据的方法,进一步包括:
每个数据聚合区域内的群首车辆向所述中央服务器发送所述生成的共识报告。
方案4. 根据方案3所述的用于智能地获取数据的方法,其中所述每个数据聚合区域内的群首车辆将其生成的共识报告经由远程通信发送至所述中央服务器。
方案5. 根据方案1所述的用于智能地获取数据的方法,其中所述短程通信经由专用短程通信(DSRC)、WI-FI、BLUETOOTH、红外线、红外线数据协会(IRDA)、和近场通信(NFC)中的至少一个而执行。
方案6. 根据方案1所述的用于智能地获取数据的方法,其中所述每个数据聚合区域内的群首车辆从所述数据聚合区域内的其它车辆收集数据包括:所述群首车辆向所述其它车辆询问数据。
方案7. 根据方案1所述的用于智能地获取数据的方法,其中识别每个数据聚合区域内的群首车辆包括每个数据聚合区域内的车辆根据数据聚合协议进行通信以识别所述群首车辆。
方案8. 根据方案7所述的用于智能地获取数据的方法,其中所述每个数据聚合区域内的车辆根据所述数据聚合协议进行通信以识别所述群首包括:根据显著的任意特征来识别所述群首车辆。
方案9. 根据方案8所述的用于智能地获取数据的方法,其中根据所述显著的任意特征来识别所述群首车辆包括将所述群首车辆识别为与最极端唯一识别号码相关的车辆,该最极端唯一识别号码是最高识别号码或最低识别号码。
方案10. 根据方案7所述的用于智能地获取数据的方法,其中所述每个数据聚合区域内的车辆根据所述数据聚合协议进行通信以识别所述群首车辆包括:根据为了获得预定益处所选择的战略特征来识别所述群首车辆。
方案11. 根据方案10所述的用于智能地获取数据的方法,其中根据所述战略特征来识别所述群首车辆包括将所述群首车辆识别为具有最极端通信计划使用特性的车辆。
方案12. 根据方案11所述的用于智能地获取数据的方法,其中将所述群首车辆识别为具有最极端通信特性的车辆包括将所述群首车辆识别为具有下列其中一项的车辆:
在与车辆相关联的远程通信计划中的账户上剩余的最多分钟数;
在与所述车辆相关联的所述远程通信计划中的分配额的最低使用;
在与车辆相关联的远程通信计划中的最低使用百分比或使用率。
方案13. 根据方案1所述的用于智能地获取数据的方法,其中所述每个数据聚合区域内的群首车辆确定停止收集数据包括:所述群首车辆确定已满足预定的阈值。
方案14. 根据方案13所述的用于智能地获取数据的方法,其中所述群首车辆确定已满足预定的阈值包括:所述群首车辆确定相对标准误差(RSE)计算结果已经低于RSE阈值。
方案15. 根据方案14所述的用于智能地获取数据的方法,其中所述相对标准误差(RSE)计算结果由下式给出:
其中n是已经从其收到数据的车辆的数量,s是标准误差,是平均值。
方案16. 根据方案13所述的用于智能地获取数据的方法,其中所述群首车辆确定已满足预定的阈值包括所述群首车辆确定:
已经从预定数量的车辆收到了数据;或
已经过去了预先设定的时间量。
方案17. 一种存储在有形非暂时性的计算机可读介质上的数据聚合协议,作为如下指令:
当被中央服务器的处理器执行时,使所述中央服务器的处理器定义多个数据聚合区域;
当被每个数据聚合区域内的车辆的处理器执行时,使所述处理器进行通信从而为该数据聚合区域识别至少一个群首车辆;以及
当被每个数据聚合区域内的识别出的群首车辆的处理器执行时,使所述识别出的群首车辆的处理器:
使用短程通信从所述数据聚合区域内的其它车辆的处理器收集数据;
确定停止从所述数据聚合区域内的其它车辆收集数据;以及
使用从其数据聚合区域内的其它车辆收集的数据生成共识报告。
方案18. 根据方案17所述的数据聚合协议,其中所述指令在使所述群首车辆的处理器确定停止收集数据时包括:使所述群首车辆的处理器确定已经满足预定的阈值。
方案19. 根据方案18所述的数据聚合协议,其中所述指令在使所述群首车辆的处理器确定已经满足预定的阈值时,使所述群首车辆的处理器确定相对标准误差(RSE)计算结果已经超出RSE阈值,其中所述RSE计算结果由下式给出:
其中n是已经从其收到数据的车辆的数量,s是标准误差,是平均值。
方案20. 根据方案17所述的数据聚合协议,其中所述指令在使每个数据聚合区域内的车辆的处理器进行通信从而为所述数据聚合区域识别至少一个群首车辆时,使每个数据聚合区域内的车辆的处理器根据下列特征中的至少一个来识别群首:
显著的任意特征;和
为获得预定的益处而选定的战略特征。
本发明的其它方面的一部分将是显而易见的并且一部分将在下文中指出。
附图说明
图1示出了根据本公开的实施例的通过车辆之间的短程通信方式和从至少一台选定的聚合车辆的远程通信方式从多台地理上分散的车辆聚合信息的***。
图2示出了根据本公开的实施例的示出了用于确定特定群首128是否已经从其它车辆收到足够的报告的实施例的图形200。
图3示出了根据本公开的实施例的通过车辆之间的短程通信方式和从至少一台选定的聚合车辆的远程通信方式从多台地理上分散的车辆聚合信息的方法300。
具体实施方式
根据需要,本文公开了本公开的具体实施方式。公开的实施例仅仅只是可以以各种和替代形式和它们的组合实现的示例。本文所使用的例如“示例性”和类似术语广义地讲是指用作图示、样品、模型或图样的实施例。附图不一定按比例并且某些特征可能被夸大或最小化以便显示特殊部件的细节。在某些情况下,为避免对本公开造成模糊,未对众所周知的组件、***、材料、或方法进行详细描述。因此,本文所公开的特定结构和功能细节不应被解释为限制性的,而是仅仅作为权利要求的依据以及作为教导本领域的技术人员多方面地使用本发明的代表性基础。
当描述包括计算机可执行指令的大背景时,本发明也能够结合其它程序模块来实现和/或实现为硬件和软件的组合。本文中所广泛使用的术语“应用程序”、“算法”、“程序”、“指令”、或它们的变体包括常用的例行程序、程序模块、程序、元件、数据结构、算法等。这些结构能够在各种***配置上实现,所述***配置包括单处理器或多处理器***、基于微处理器的电子设备、它们的组合等。虽然本文分别地识别了各种算法、指令等(例如数据聚合算法),但是各种这样的结构在贯穿本文所述的各种计算平台的各种组合中可以是分别的或组合的。
I. 概述
本公开描述了用于从多台在地理上分散的车辆获得信息的***、方法和计算机可读介质。所获得的信息的性质是不受限制的,并且可以包括多种信息类型诸如远程信息处理信息。远程信息处理信息(Telematics information)在本文中广义地使用以指与车辆或车辆的操作相关的任何类型的信息,诸如关于车辆操作参数、交通、天气、道路条件、操作员优先选择、需求、或品质、以及车辆优先选择或需求。
根据本发明的实施例,如下文详细描述的,信息从群首车辆通过远程通信网络(例如,蜂窝电信网络)上传到中央数据聚合服务器。群首车辆使用诸如专用短程通信(DSRC)的相对较短的短程通信从它们各自区域内的附近车辆接收信息。虽然本文主要公开了关于车辆与车辆(V2V)通信的短程通信,但是也可以与本发明的实施例一起使用较远程通信,诸如可能被归类为中程通信的通信。
本发明的技术也可以与车辆与基础设施(V2I)、车辆与行人(V2P)或其它车辆相关的(V2X)通信,包括各种类型的无线网络诸如移动ad hoc网络,结合使用。
因此,虽然出于说明目的主要地关于V2V***描述了本发明,其中***节点包括汽车,但是本发明能够用于改进从其它类型的节点诸如载人移动设备收集信息。
本公开的技术创造并有效利用了包括远程通信层和短程通信层的多层***。部分地通过智能跨层通信实现功效,如本文进一步所述的。
虽然出于说明目的而将本发明的某些功能主要描述为由某一作用的实体(例如中央服务器)来执行时,但本发明的各种功能可以由从中央服务器、***操作人员、以及一个或多个车载计算机***中所选定的一个实体或任何实体组合来执行。
II. ***架构
现在转向附图,更具体地转向第一附图,图1示出了通过远程通信106和车辆104之间的短程通信108的方式从多个分散车辆104智能地将信息提供到远程子***102(诸如交通中心)的***100。为便于说明,并未示出每个远程通信106和短程通信108。
远程子***102包括中央数据服务器110,该中央数据服务器可以是顾客服务中心诸如OnStar?监测中心或其它交通相关中心的一部分。除其它功能之外,中心服务器110从参与车辆104获得远程信息处理数据。
中央服务器110还能够发起用于传送给***100的每台车辆104或一部分车辆104的车载计算机的信息消息。由中央服务器110发起的消息可以包括多种信息诸如软件升级或更新、对车辆用户的指令、新闻、交通、天气等中的任何一种。由中央服务器110发起的消息还可以包括如本文所述的通过车辆104发起数据聚合的对数据的请求。
虽然主要描述了单个中央服务器110,但是应了解,远程子***102能够包括许多连接的和/或独立的、在相同的和/或不同的地理位置的计算机服务器。从远程子***102发出的消息,诸如请求数据或根据本发明技术的数据聚合的指令消息或询问消息,可以由服务器110(例如,定期软件更新或从国家气象局收到的恶劣天气通报)或***100的操作员诸如在远程子***102处的人员(例如,监测中心操作员)发起。
每台参与车辆104包括用于接收和发送短程通信的短程通信硬件(接口、程序设计等)。车辆104中的至少一些必须具有硬件,包括多无线电通信设备,以及用于远程通信的程序设计,例如蜂窝接口(未详细示出)。在一实施例中,只有带有双无线电(蜂窝或短程)的车辆才有资格成为群首,因此仅在这个群中选定群首。
每台车辆104包括具有处理器的车载计算机(未详细示出)和存储可由处理器可执行的计算机可读指令以执行各种功能的存储器。车载计算机的功能包括与其它车辆104的车载计算机通信、车辆控制、对驾驶员的紧急通知和信息的其它呈现,以及,让具有用于远程通信的软件和硬件(例如,多无线电组件)的车辆与远程子***102例如交通中心通信。
进一步参照图1,远程通信106被发送至车辆104或至少从车辆104收到。远程通信106可以包括例如经由一个或多个蜂窝基站收发器112诸如基站收发台(BTS)的蜂窝通信。远程通信也可以包括路边发射机或收发器,或其它使用相对较远的远程通信技术的传输网络基础设施(未示出)。虽然本文提及传输基础设施组件诸如路边收发器,但是在一些实施例中优选避免依赖这样的基础设施,从而降低了实现基础设施组件的需要和成本,或确保适当发展、定位、维护,和实现发展、定位、维护。
***100和消息可被配置成使得消息经由基站收发器112和多个中间网络114诸如因特网中的任何一条,以及无线信道和/或有线信道116往返于远程子***102传递。
短程通信108可以包括一个或多个短程通信协议,诸如DSRC、WI-FI?、BLUETOOTH?、红外线、红外数据协会(IRDA)、近场通信(NFC)等或它们的改进(WI-FI是德克萨斯州奥斯汀的WI-FI联盟的注册商标;BLUETOOTH是华盛顿州贝尔维尤的Bluetooth SIG, Inc.的注册商标)。
III. 数据聚合区域
在一些实施例中,中央服务器110,或其它元件识别数据聚合区118,服务器110期望从数据聚合区118获取数据。在各种实施例中,数据聚合区118是以多种方式中的任何一种定义的,所述多种方式包括地理坐标(例如,纬度和经度)或全球定位***(GPS)坐标。在某些情况下,数据聚合区118对应于市政边界,诸如城市、州、或国家、或它们的一部分。
中央服务器110识别服务器110期望从其获取数据的一个或多个数据聚合区域120、122、124、126。对于在其中识别了数据聚合区118的实施例,服务器110可以识别区118的数据聚合区域120、122、124、126。数据聚合区域120、122、124、126的边界在不同的实施例中是以多种方式中的任何一种描述的,所述多种方式包括地理坐标(例如,纬度和经度)或全球定位***(GPS)坐标。在一些实施例中,一个或多个数据聚合区域120、122、124、126对应于一条或多条车辆路径诸如道路(例如高速公路)的段。
数据聚合区域120、122、124、126在一些实施例中是动态的,或信赖于变量,而在一些实施例中是静态的或预先设定的。例如,中央服务器110、或远程子***102例如交通中心的人员可以例如根据历史行程和车辆密度模型来确定针对所有或某些类型的信息获取走势应将某一市中心区域或农村公路划分成具有一种或多种特定尺寸和形状的一定数量的区域,而无需在每次获取时评价更多的即时数据。
应当指出的是,即使有静态区域,服务器110或远程子***102的人员当然也能够诸如根据***100的性能和/或随时间的反馈来改善静态区域,因此,这些静态区域在这条道路上并不是完全静态的。对静态区域的定义的这样的改进或对这样的改进意图的评介可以定期地诸如按周、按月、按季进行。在其中规定了静态区域且对静态区域进行有规律地更新的实施例可被称为混合分区。
在不同的实施例中,用于动态地定义聚合区域120、122、124、126的变量包括下列中任何一个或多个:(i)数据聚合区118内的历史车辆密度,(ii)数据聚合区118内的当前车辆密度,(iii)区域的大小,(iv)获取传到区118内的车辆104的消息的期望时刻,(v)获取的数据的期望精度等。
数据聚合算法可被配置用于使中央服务器110定义任何数量、大小和形状的聚合区域120、122、124、126。聚合区域120、122、124、126的示例性形状包括五边形、六边形、其它规则的或不规则的多边形、圆形、椭圆形、以及难以形容的形状(形状传统上不与名字相关联)。另外,如所提出的,数据聚合区118和数据聚合区域120、122、124、126的边界在不同的实施例中是以多种方式中的任何一种描述的,包括通过地理坐标(例如,纬度和经度)或全球定位***(GPS)坐标描述。
在某些情况下,区域120、122、124、126与道路或道路的选定路程相关联。在这些情景下,一般可认为区域是一维的(1-D)。例如,五十英里农村公路可被划分为长度大致相等或不等的五个数据聚合区域120、122、124、126。
IV. 群首的选择
为了聚合来自***118中的车辆104的数据,选择一个或多个群首或虚拟群首128、130、132、134。例如,在一些实施例中,从每个数据聚合区域120、122、124、126内的车辆104选择一个或多个群首128、130、132、134。如所提出的,本技术类似地适用于正如所述的部分或全部车辆104反而不是车辆计算节点的情形。
对群首128、130、132、134的选择可以由中央服务器110和/或执行数据聚合计算机算法的车辆104进行。数据聚合算法或其至少一部分存储在中央服务器110的计算机可读介质内和至少一些车辆104内。车辆104的算法能够指示车辆关于如下功能:诸如选择群首、向选定的群首提供数据(响应于请求,或没有这样的提示),以及至少让被选为群首的车辆从其它同级车辆请求数据、形成综合数据报告、以及将报告上传至远程子***102(例如,交通中心)。还可以预期的是,车辆104按其行事的全部或部分指令可以在远程子***102所发起的消息(例如,指令或请求消息)中提供。
群首选择可以由车辆104响应于来自远程子***102的响应消息或询问消息而进行,或者在子***102内通过来自于子***102本身内或***100的另一元件的提示来进行。这些或其它发起事件反过来可以由另一触发器发起,例如来自一个或多个实体(车辆104、新闻报告实体、交通中心等)请求相关信息诸如关于交通事故或某一地点的交通的信息的请求。
群首128、130、132、134可以以不同的方式选择。在一些实施例中,群首128、130、132、134根据被配置用于识别特定数量的群首——诸如每个数据聚合区域 120、122、124、126一个群首——的任意技术而选择。在其它实施例中,根据智能流程选择群首128、130、132、134,该智能流程被配置为战略地识别由于一种或多种原因将作为有利的组长的一个或多个车辆104。
在一些预期的实施方式中,诸如当期望更快速的信息(例如,低容许时延或延迟),或期望更精确的信息,甚至以增加使用远程通信为代价时,为指定区域(例如,数据聚合区域120、122、124、126)选定不只一个群首。应了解,类似的结果可能通过定义更多数据聚合区域120, 122, 124, 126来实现,若与相同的区218相联系的话,导致这样的区域的范围缩小。
A.任意选择
数据聚合算法在一些实施例中被配置用于识别期望数量的离散的群首128、130、132、134,诸如每个数据聚合区域120、122、124、126一个群首。选择期望数量的群首的一个方法是根据车辆104的一个或多个显著特性来选择群首。
在一实施例中,群首是根据识别指示符诸如车辆识别号码(VIN)、短程通信无线电识别、车载计算机识别、或任何其它不同于每台车辆104的可确定的指示符而选定的。群首可被选定为例如每个数据聚合区域120、122、124、126内具有最低或最高的这样的识别号码的(一台或多台)车辆104。
在车辆104本身确定(一个或多个)群首的实施例中,每台车辆104向同一数据聚合区域(例如,道路段)内的其同级车辆104广播其识别指示符。广播可经由短程通信诸如经由DSRC、WI-FI?等以及使用单跳或多跳路由发出。
可以预想的是,从车辆104发出的广播可能包括关于广播车辆104的位置的指示。例如,每次广播可能包括地理坐标和/或该播放车辆所在的数据聚合区域 120的指示。用这种方法,车辆104能够确定忽视来自邻近区域122内的车辆的信息,以及避免与重叠相关的不必要的情景,诸如当一个区域内的车辆能够与相邻区域内的车辆进行短程通信时。这样的可能不必要的情景包括在区域内不指定任何车辆作为群首,因为该区域中的具有最大识别编号的车辆104从另一具有最大识别编号但在相邻区域122内的附近车辆收到广播。
对于在区域120、122、124、126内的每台车辆104的广播到达该区域内的每台其它车辆的布置,诸如区域的大小使得每台车辆在每台其它车辆的短程范围内,或每台其它车辆的一个路程段或几个路程段范围内,每台车辆104能够根据数据聚合算法容易地确定其是否为群首。例如,如果(i)特定车辆104具有6781的识别指示符,(ii)从该区域内的其它车辆104收到的识别指示符没有在6781以上,以及(iii)数据聚合算法确定最高指示符是群首,那么特定车辆104担任群首128的角色。同样地,在该区域内的其它车辆104将确定它们不是群首,已经收到至少该6781指示符高于它们的。
B.战略选择
如所提出的,在一些实施例中,根据智能协议选择群首128、130、132、134,该智能协议被配置用于战略性地识别出一台或多台车辆104,所述车辆出于一种或多种原因将成为有益的群首。智能协议可根据有益于远程子***102、车辆104、和/或整个***118的因素来识别群首128、130、132、134。益处可能与多个领域中的任何一个或多个相关,诸如财务成本、操作速度、以及聚合信息的精度。
在一实施例中,协议选择具有与车辆104的蜂窝通信计划相关联的最低或最高特性的车辆104。例如,在一具体实施例中,协议在其蜂窝通信计划中把区域120、122、124、126的群首128、130、132、134选为到此为止具有最低使用程度或最高剩余使用率的车辆104。例如,如果区域120内的四台特定车辆104中的每一台与分配一定数量的基本分钟(或区块、或其它价值(例如,美元))供每月使用的相应的蜂窝通信账户相关联,那么具有最多剩余分钟数的车辆104能够被选为群首128。
所评估的分配额可以包括若干分钟、所使用的分配额的百分比或比率,使得具有其电池计划分配额的10%当前使用率的车辆优先于具有相同或不同的范围分配额的20%当前使用率的车辆。这些方法的益处包括***100中的车辆104不太可能超过远程通信账户分配额,因此避免了额外的成本。通过这些方法,还确保了为蜂窝通信启用选定的群首。
在一些预期的实施例中,对于两台或更多车辆104具有相同的主题特性的情况,数据聚合协议包括一种或多种平局决胜(tie-breaking)技术。例如,如果寻找一个群首并且区域120内的两台车辆104具有相同的电池计划使用特征,那么协议可被配置为选择具有最高或最低VIN的车辆作为群首。
在一个预期的实施例中,对车辆104在区域120内的地理位置进行比较以选择群首128。例如,数据聚合协议可被配置为选择如下车辆作为群首128:(I)最靠近区域120 的中心的车辆、(II)最靠近段的开始的车辆、或(III)距所关心的点或区域具有期望的接近程度的车辆,诸如最靠近交通事故或最远离交通事故的车辆。在特殊预期的实施例中,算法在定义群首选择标准或在选择群首时考虑区域120内车辆104的密度或分布情况。
在一个预期的实施例中,当用于选择的初始依据未辨别出车辆104时,协议视需要经历一系列三个或更多步骤的比较,以识别群首车辆。例如,数据聚合协议可被配置成使得首先对若干剩余的电池计划分钟数进行比较,并且如果两台或更多车辆具有相同的剩余分钟数,那么协议自动确定平局车辆中的任一台是否具有更高的电池计划剩余分钟数百分比或比率。如果那样的考虑同样导致平局,那么协议能够自动地进行到考虑流程中的下一层,诸如在对VIN进行比较的层。
可进一步预期,数据聚合算法可被配置用于评价车辆104成为群首的资格。用于考虑识别一台或多台群首车辆128、130、132、134的示例性车辆资格包括:车辆104是否包括必需的或优选的软件或硬件(例如,蜂窝通信收发器)、车辆104在数据聚合区118内的位置、车辆104在相应数据聚合区域120、122、124、126的位置(例如,通常区域的中心是优选或更优选的,并且邻近边缘通常不优选或次优选)、车辆104在数据聚合区118或数据聚合区域120、122、124、126内的行驶方向、车辆104的最近的和/或历史的通信次数、以及车辆104的最近的和/或历史的通信的次数或性质。在这些实施例的至少一些中,数据聚合算法被配置用于选择允许最高效地获取准确数据的一台或多台群首车辆。
在一个预期的实施例中,数据聚合算法使得能够选择一台或多台群首车辆,而不管数据聚合区域。算法可以选择一些使用基于区域的形式的群首车辆和一些不带有基于区域的形式的群首车辆。例如,中央服务器110和/或车辆104中的数据聚合算法可被配置用于辨识特定车辆104作为自动的群首或在特定情况下(例如,一天中的时刻,根据那时它们的位置)的群首。使用车辆的给定特性(诸如机动特性、资源水平、或特定车辆***的其它独特的特性),这样的非基于区域的确定因素例如可以识别出租汽车或邮政传递车辆、或任何已知的或被期望的在区118周围或在一个或多个数据聚合区域120、122、124、126内移动的车辆。
V.数据聚合
A.数据收集
响应于激源,诸如发自远程子***102的请求或指令消息,由每个群首128、130、132、134发起数据收集。在一些实施例中,每个群首128、130、132、134在被指定为群首之后或在确定它本身为群首之后自动地开始数据收集。
存储在每个群首中的和/或在数据请求消息(诸如发自远程子***102的消息)中收到的数据聚合协议,使群首通过短程通信诸如经由WI-FI?、DSCR、或其它短程通信、和经由单跳或多跳对其区域120内的其它车辆104查询搜索的数据。查询可以针对一类型的数据或一块数据,诸如对于交通状况和速度的请求,或更普通地,诸如对于一批与远程信息处理相关的特征的报告或列表的请求。在后一种情况下,群首120可以从列表中选择准备用于发送(例如,上传)至远程子***102(例如,交通中心)的数据聚合报告所需的数据。
这样的呼叫-响应形式的一个益处是,因为群首120将直接从每台报告车辆104接收数据,所以能够避免来自非群首车辆104的不需要的广播。在一些实施例中,在响应于请求而发送数据的情形和那些不这样的情形下,群首120将确认收到消息返回至从其收到数据的报告车辆104,使得报告车辆104能够确定它不需重新发送数据。
在一些实施例中,群首128广播表明它是群首的消息,并且作为响应,非群首车辆104诸如通过特别地对群首128广播的消息或发送的消息,将信息发送至群首128作为答复。在一些实施例中,每台车辆104独立于来自群首120的任何请求而广播特定的或一般的与远程信息处理相关的特征(即,不需要群首请求)并且仅群首128收集数据。
每个群首128、130、132、134从各自的区域120、122、124、126内其它车辆104收集数据,例如关于交通报告的数据,直到出现表明结束收集的因素为止。示例***通报告数据可以包括例如关于道路的一条或多条路段中的事故或交通量的数据。一个预期的因素是远程子***102(例如,交通中心)的通信表明群首128报告应该结束数据收集、或生成并上传其数据报告。在一些实施例中,数据收集算法被存储在每个群首128、130、132、134中,和/或在关于数据收集的指令或请求消息中收到,并且识别阈值,诸如下述那些阈值中的一个。在一些实施例中,群首收集数据直到达到阈值为止,而在一些特定实施例中,群首在能够上传聚合的数据之前收集数据直到达到阈值为止。
B.数据收集阈值
数据聚合算法在一些实施例中被配置用以使每个群首128、130、132、134从它们各自的区域120、122、124、126内的同级车辆104收集数据直到满足规定的阈值为止。作为示例,图2示出图形200,图示了用于根据相对标准误差函数的值是否超出了预定的(如,很久以前或最近确定的)阈值来确定特定的群首128是否已经从其区域120内的同级车辆104收到了足够的报告。
图2中的X轴202表示由特定的群首128所收到的车辆报告的数量。Y轴204是无量纲轴,靠着该轴示出了相对于特定数据的平均值206、标准误差208、以及相对标准误差210随着车辆报告的数量的增加的增大和减小。
关于特定类型的交通信息可以对变量进行建模。在一实施例中,通过下式给出了关于由群首128从区域120内的车辆104所收到的多条独立信息x的平均值206:
其中n是正整数,表示特定的群首128从数据聚合区域120内收到信息x的车辆104的数量。
在一实施例中,通过下式给出了关于多条信息x的标准误差208:
其中σ是标准偏差。
在一实施例中,通过下式给出了关于多条信息x的相对标准误差210:
。
根据存储在其计算机可读介质中的数据聚合算法,每当群首128从区域120内的另一车辆104收到一条信息x时(即,每当n增加时),群首128更新平均值/206、标准误差 s /208、以及相对标准误差RSE/210。
在一些实施例中,一旦其RSE等于或在一些实施例中小于给定的阈值214时,如图2中所示,存储在群首128的计算机可读介质中的数据聚合算法就使车辆128的处理器停止从区域120内的其它车辆104收集数据。在达到阈值相对标准误差214的点处的报告的数量n能够表示为n’。
在一些实施例中,阈值214是由中央服务器110或远程子***102例如交通中心处的人员建立的并且被提供给群首128。例如,在请求由中心化实体诸如一个或多个交通中心将信息发送至群首128时,阈值214可提供给群首128。阈值214还可以是编程到每个群首128中的数据聚合算法或协议的静态或动态方式。在一些实施例中,阈值214的值取决于选自下列因素中的一个或多个因素:接收数据的时间灵敏度(或,容许时延)、期望的数据精度(一般地,当包括在报告中的数据点越多,数据越精确),与数据冗余相关的计算(例如,针对使群首128避免接收任何或许多冗余数据的目标而考虑的变量)等。
可以预期的是,存储在群首128的计算机可读介质中的数据聚合算法可被配置用于根据其它类型的阈值使群首128完成其数据收集,该其它类型的阈值关于其它特征,不同于所描述的与相对标准误差有关的那些阈值。例如,可以预期的是,数据聚合算法可被配置用于在过去一定的时间之后使群首128停止从其区域120内的其它车辆104收集数据。
作为另一示例,可以预期的是,数据聚合算法可被配置用于在已经从一定数量的车辆收到数据之后使群首128停止从其区域120内的其它车辆104收集数据。
适用的阈值还可以是用于触发群首128停止数据收集的上面因素中的任何因素的组合。
C. 数据报告生成
一旦群首128、130、132、134完成它们各自的数据收集,群首就会准备对应于其数据聚合区域120、122、124、126的聚合报告或共识报告用于发送(例如,上传)至远程子***102(例如,交通中心的中央服务器110)。
群首128、130、132、134然后将其共识报告诸如经由远程通信(例如,蜂窝无线电)上传至远程子***102。如上所提出的,远程通信还可以包括往返于路边发射器或收发器、或其它传输网络基础设施(未示出)的传输。这在一些情况下可以提供用于报告与缺乏对远程通信的可靠获取的偏远区域或城市区域相关的数据的一种方法。促进通过非车辆节点传输聚合报告的任何必需的指令设置在至少群首128、130、132、134的车载计算机内的数据聚合算法(例如,数据聚合协议)中和/或来自远程子***102(例如,交通中心的中央服务器110)的请求消息中。
在上传群报告或区域报告的过程中,群首128、130、132、134代表各自的区域104内的车辆。用这种方法,非群首104不需要向远程子***提供合并在报告中的数据,而事实上,非群首104在这个阶段可以仅仅保持沉默。
VI. 操作方法
图3示出了根据本公开的实施例的使用选定群首获取数据的示例性方法300。应理解,方法300的步骤不必以任何特定的顺序呈现,并且以替代顺序执行部分或所有步骤是可能的且是预期的。
为便于描述和说明,已经以示出的顺序呈现了步骤。在不脱离所附权利要求的范围的前提下,可以增加、省略和/或同时执行步骤。还应理解,示出的方法300可以在任何时间结束。在某些实施例中,这个流程的部分或所有步骤,和/或大致等同的步骤通过执行存储在或包括在例如计算机可读介质中的计算机可读指令而进行。例如,提及本公开的处理器执行功能是指任何一个或多个交互工作计算组件执行指令,诸如以算法的形式设置在计算机可读介质上,诸如与远程子***102的中央服务器110的处理器相关联的存储器。可以预期的是,在一些实施例中,下面提供的一些步骤由车辆104的一台或多台车载计算机执行。
方法300以301开始并且进入步骤302,在那儿定义了(在图1中所示出的)数据聚合区118。步骤302可以由远程子***102诸如中央服务器110进行。如上所提出的,数据聚合区118可以是国家、州、大都市区域、城市、公路、这些的一部分、或其它区域。区118可被定义成具有任何尺寸或形状,诸如矩形、五边形、六边形、其它规则的或不规则的多边形、圆形、椭圆形、以及难以形容的形状。数据聚合区118的边界在不同的实施例中以不同的方式中描述,包括至少部分地通过地理坐标(例如,纬度和经度)或GPS坐标。
在步骤304中,远程子***102定义了区118的一个或多个数据聚合区域120、122、124、126。在一实施例中,中央服务器110识别数据聚合区域120、122、124、126。数据聚合区域120、122、124、126可以具有任何尺寸或形状。区域的边界在不同的实施例中以不同的方式描述,正如数据聚合区118一样,所述不同的方式包括至少部分地通过地理坐标或GPS坐标。如上所述,区域通常可以是静态的或动态的、或根据数据获取变量(例如,期望的精度、容许时延、成本等)而确定的。
在步骤306中,至少一个群首128、130、132、134按照数据聚合区域120、122、124、126识别。群首128、130、132、134可以根据至少一个任意的显著特征(例如,最高VIN或最低VIN)、至少一个战略特征(例如,蜂窝计划使用水平)、或这些特征的组合而选择,正如上文更详细地描述的。在一些实施例中,群首选择因素包括诸如车辆在所属的数据聚合区域的位置、车辆104在数据聚合区域120、122、124、126中的密度或分布的因素。
数据聚合算法可被配置用于评价车辆104成为群首的资格。在步骤306中识别一个或多个群首128、130、132、134而要考虑的示例性车辆资格包括:车辆104是否包括必需的或优选的软件或硬件(例如,蜂窝通信收发器)、车辆104在数据聚合区118内的位置、车辆104在相应数据聚合区域120、122、124、126的位置(例如,区域的中心通常是优选或更优选的,并且邻近边缘通常是不优选或次优选的)、车辆104在数据聚合区118或数据聚合区域120、122、124、126内的行驶方向、车辆104的最近的和/或历史的通信次数、以及车辆104的最近的和/或历史的通信的次数或性质。在这样的实施例中,数据聚合算法被配置用于选择允许最高效地获取准确数据的一个或多个群首。
如上所提出的,数据聚合算法在一些情况下能够不管数据聚合区域而选择一个或多个群首。算法可以选择一些具有基于区域的形式的群首和一些不具有基于区域的形式的群首。例如,中央服务器110和/或车辆104中的数据聚合算法可被配置用于辨识出特定车辆104作为自动群首或在特定情况下(例如,一天中的时间,根据那时它们的位置)的群首。这样的非基于区域的群首可以包括例如出租汽车或邮政传递车辆、或任何已知的或被期望在区118周围移动的车辆。或关于区域,能够根据这样的事实来选定某一车辆作为某一区域的群首:该车辆在那时在该区域中,并且具有其它期望的特征——例如,出租汽车将很可能能够直接与多台同级车辆104通信。
接着步骤306,在步骤308中,每个群首128、130、132、134收集数据。如上所提出的,数据收集在一些实施例中由每个群首通过短程通信诸如经由WI-FI?、DSCR、或其它短程通信经由单跳或多跳向其区域120内的同级车辆104询问搜索的数据(例如,车辆位置和速度)而执行。 作为响应,非群首 104诸如通过专门对群首128广播的消息或发送的消息将信息发送至群首128作为答复。
在一些实施例中,群首128广播表明它是群首的消息,无论明确地请求数据与否,如数据收集步骤306中的一部分那样。作为响应,非群首104将信息发送至群首128。
在步骤310中,执行在车辆存储器中的指令的每个群首128、130、132、134的处理器确定数据收集应该停止。特别地,每个群首128、130、132、134在收集步骤308中从各自的区域120、122、124、126内的其它车辆104收集数据,直到出现表明结束收集的因素为止。例如,在一些实施例中,每个群首128、130、132、134内的数据收集算法识别阈值,并且群首收集数据直到达到阈值为止。
作为在步骤310中考虑的示例性阈值,每个群首128、130、132、134的数据聚合算法使车辆从它们各自的区域120、122、124、126内的同级车辆104收集数据直到相对标准误差处于阈值或超过阈值为止。上文较详细地描述了与图2相关的流程。
并且同样如上所述,数据聚合算法可被配置用于使群首128根据不同于相对标准误差阈值的阈值停止数据收集。例如,可以预期的是,数据聚合算法可被配置用于在过去特定时间段之后或在已经从一定数量的车辆收到数据之后使群首128停止从其区域120内的其它车辆104收集数据。
在步骤312中,每个群首128、130、132、134生成数据聚合或共识报告并且将该报告上传诸如至远程子***102(例如,交通中心)。上传可以经由远距离通信——例如蜂窝无线电连接来进行。在上传群报告或区域报告的过程中,群首128、130、132、134代表各自的区域104内的车辆,因此非群首104在传送报告期间能够保持沉默。
可以重复方法300以获取更新的或其它数据,并且可以以313终止。
VII. 示例性益处
本公开的技术具有很多益处。如所提出的,经由群首获取数据(例如,车辆交通信息)减少了对远程通信(例如,蜂窝)***的使用。对远程通信的有限使用能够节省财务成本和限制远程网络上的负担。当使用网络最繁重且最昂贵时,从远程通信***卸载数据流量在运营高峰时段会特别有益于通信***。
根据本公开经由群首获得的数据以及因此产生的共识报告还具有比直接从少数车辆而非生成共识报告的许多车辆所获得的数据更高的精度和可靠性。具有提高的质量的与远程信息处理相关的数据,诸如交通数据,能够用于改善多种服务,诸如确定交通信息。
如本文所提出的,从群首获得准确信息还使得能更有效地使用那些当仅使用蜂窝无线电时效率低下或成本过高的应用,诸如交通探头应用。
如本文所提出的,从群首有效地获取准确信息还促进了在如下情形下的数据收集:一些车辆因例如缺乏所需的软件或硬件、或超出所需的通信基础设施(例如,蜂窝基站)的范围而导致没有可靠的远程通信,诸如在城市区域和农村区域很普遍的。
在出现在区域中的车辆处聚合数据还避免了向远程子***102报告冗余数据,因为这样的冗余数据合成了单一的综合报告。因为类似的特征或偶发事件诸如交通现象通过正处于该区域中的多台车辆被分析,所以进一步提高了精度。来自即使位于相同的附近区域内的车辆的数据将因视角、所使用的传感器、传感器精度、观察误差等而稍微不同,因此它们的报告的聚合提供了对特征或偶发事件的增进理解。
提供的信息可能包括关于动态特征或静态特征的信息,诸如关于交通事故、交通堵塞、道路状况(例如,冰桥、滑路、路面坑洼)和气象(例如,雾、雨、雪)。
与常规的将数据经由远程通信106从每台车辆104传送到远程子***102的过程相比,通过使用远程网络来从全部车辆104中的相对较小的一部分中接收聚合数据,大大降低了不利因素诸如远程网络上的负担和通信成本。
另外,如上所提出的,在一些实施例中,群首128、130、132、134向任何已经将其数据提供给群首的车辆104提供确认收到数据,并且接收数据的来源的车辆104停止广播或以别的方式发送数据。这种方法的益处包括限制了短程通信流通量。
X. 结论
本文公开了本公开的不同的实施例。公开的实施例仅仅只是可以以各种和替代形式和它们的组合实现的例子。本文所使用的例如“示例性”和类似术语广义地讲是指用作图示、样品、模型或图样的实施例。
附图不一定按比例并且某些特征可能被夸大或最小化以便示出特殊组件的细节。在某些情况下,为避免对本公开造成模糊,未对众所周知的组件、***、材料、或方法进行详细描述。因此,本文所公开的特定结构和功能细节不应被解释为限制性的,而是仅仅作为权利要求的依据以及作为教导本领域的技术人员的代表性基础。
法律不要求并且在经济上不允许说明和教导本权利要求的每种可能的实施例。因此,上述实施例仅仅是为清楚地理解本公开的原理而阐明的实施方式的示例性说明。在不脱离权利要求的范围的前提下,可以上述实施例进行改变、修改、和组合。本文所有这样的改变、修改、和组合均包括在本公开和所附权利要求的范围内。
Claims (20)
1.一种使用远程通信、短程通信、和群首车辆从数据聚合区内的多个车辆智能地获取数据的方法,所述方法包括:
中央服务器定义多个数据聚合区域;
识别每个数据聚合区域内的至少一个群首车辆;
每个数据聚合区域内的群首车辆使用短程通信从所述数据聚合区域内的其它车辆收集数据;
每个数据聚合区域内的群首车辆确定停止从所述数据聚合区域内的其它车辆收集数据;以及
每个数据聚合区域内的群首车辆使用从它的数据聚合区域内的其它车辆收集的数据生成共识报告。
2.根据权利要求1所述的方法,进一步包括:
所述中央服务器识别数据聚合区;
其中所述中央服务器定义多个数据聚合区域包括:将所述数据聚合区划分成多个数据聚合区域。
3.根据权利要求1所述的方法,进一步包括:
每个数据聚合区域内的群首车辆向所述中央服务器发送所述生成的共识报告。
4.根据权利要求3所述的方法,其中所述每个数据聚合区域内的群首车辆将其生成的共识报告经由远程通信发送至所述中央服务器。
5.根据权利要求1所述的方法,其中所述短程通信经由专用短程通信(DSRC)、WI-FI、BLUETOOTH、红外线、红外线数据协会(IRDA)、和近场通信(NFC)中的至少一个而执行。
6.根据权利要求1所述的方法,其中所述每个数据聚合区域内的群首车辆从所述数据聚合区域内的其它车辆收集数据包括:所述群首车辆向所述其它车辆询问数据。
7.根据权利要求1所述的方法,其中识别每个数据聚合区域内的群首车辆包括每个数据聚合区域内的车辆根据数据聚合协议进行通信以识别所述群首车辆。
8.根据权利要求7所述的方法,其中所述每个数据聚合区域内的车辆根据所述数据聚合协议进行通信以识别所述群首车辆包括:根据显著的任意特征来识别所述群首车辆。
9.根据权利要求8所述的方法,其中根据所述显著的任意特征来识别所述群首车辆包括将所述群首车辆识别为与最极端唯一识别号码相关的车辆,该最极端唯一识别号码是最高识别号码或最低识别号码。
10.根据权利要求7所述的方法,其中所述每个数据聚合区域内的车辆根据所述数据聚合协议进行通信以识别所述群首车辆包括:根据为了获得预定益处所选择的战略特征来识别所述群首车辆。
11.根据权利要求10所述的方法,其中根据所述战略特征来识别所述群首车辆包括将所述群首车辆识别为具有最极端通信计划使用特性的车辆。
12.根据权利要求11所述的方法,其中将所述群首车辆识别为具有最极端通信计划使用特性的车辆包括将所述群首车辆识别为具有下列其中一项的车辆:
在与车辆相关联的远程通信计划中的账户上剩余的最多分钟数;
在与所述车辆相关联的所述远程通信计划中的分配额的最低使用;
在与车辆相关联的远程通信计划中的最低使用百分比或使用率。
13.根据权利要求1所述的方法,其中所述每个数据聚合区域内的群首车辆确定停止收集数据包括:所述群首车辆确定已满足预定的阈值。
14.根据权利要求13所述的方法,其中所述群首车辆确定已满足预定的阈值包括:所述群首车辆确定从其它车辆收集的数据的相对标准误差计算结果已经低于相对标准误差阈值。
15.根据权利要求14所述的方法,其中所述相对标准误差计算结果由下式给出:
其中xi是从其它车辆收集的数据,n是被收集数据的车辆的数量,s是从其它车辆收集的数据的标准误差,是从其它车辆收集的数据的平均值。
16.根据权利要求13所述的方法,其中所述群首车辆确定已满足预定的阈值包括所述群首车辆确定:
已经从预定数量的车辆收到了数据;或
已经过去了预先设定的时间量。
17.一种数据收集***,其包括各自具有处理器的中央服务器和车辆,
其中所述中央服务器的处理器被配置为定义多个数据聚合区域;
每个数据聚合区域内的车辆的处理器被配置为进行通信从而为该数据聚合区域识别至少一个群首车辆;以及
每个数据聚合区域内的识别出的群首车辆的处理器配置为执行下列步骤:
使用短程通信从所述数据聚合区域内的其它车辆的处理器收集数据;
确定停止从所述数据聚合区域内的其它车辆收集数据;以及
使用从其数据聚合区域内的其它车辆收集的数据生成共识报告。
18.根据权利要求17所述的数据收集***,其中当所述群首车辆的处理器确定已经满足预定的阈值时,所述群首车辆的处理器确定停止收集数据。
19.根据权利要求18所述的数据收集***,其中在所述群首车辆的处理器确定已经满足预定的阈值时,所述群首车辆的处理器确定从其它车辆收集的数据的相对标准误差计算结果已经超出相对标准误差阈值,其中所述相对标准误差计算结果由下式给出:
其中xi是从其它车辆收集的数据,n是被收集数据的车辆的数量,s是从其它车辆收集的数据的标准误差,是从其它车辆收集的数据的平均值。
20.根据权利要求17所述的数据收集***,其中在每个数据聚合区域内的车辆的处理器进行通信从而为所述数据聚合区域识别至少一个群首车辆时,每个数据聚合区域内的车辆的处理器根据下列特征中的至少一个来识别群首车辆:
显著的任意特征;和
为获得预定的益处而选定的战略特征。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/974,110 US8447804B2 (en) | 2010-12-21 | 2010-12-21 | Information gathering system using multi-radio telematics devices |
US12/974110 | 2010-12-21 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102547612A CN102547612A (zh) | 2012-07-04 |
CN102547612B true CN102547612B (zh) | 2015-08-05 |
Family
ID=46235827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110432437.9A Active CN102547612B (zh) | 2010-12-21 | 2011-12-21 | 使用多无线电远程信息处理装置的信息收集*** |
Country Status (3)
Country | Link |
---|---|
US (1) | US8447804B2 (zh) |
CN (1) | CN102547612B (zh) |
DE (1) | DE102011120965B4 (zh) |
Families Citing this family (64)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8874477B2 (en) | 2005-10-04 | 2014-10-28 | Steven Mark Hoffberg | Multifactorial optimization system and method |
US8670933B2 (en) * | 2010-03-23 | 2014-03-11 | United Parcel Service Of America, Inc. | Geofence-based triggers for automated data collection |
US10469579B2 (en) | 2010-12-16 | 2019-11-05 | General Electric Company | Method and system for data processing in a vehicle group |
US8719382B2 (en) * | 2010-12-16 | 2014-05-06 | General Electric Company | Method and system for data processing |
GB2492369B (en) * | 2011-06-29 | 2014-04-02 | Itis Holdings Plc | Method and system for collecting traffic data |
US8995956B2 (en) * | 2011-09-23 | 2015-03-31 | GM Global Technology Operations LLC | System and method for vehicle based cellular offload |
US9800423B1 (en) * | 2012-05-14 | 2017-10-24 | Crimson Corporation | Determining the status of a node based on a distributed system |
US9026367B2 (en) * | 2012-06-27 | 2015-05-05 | Microsoft Technology Licensing, Llc | Dynamic destination navigation system |
US9048960B2 (en) * | 2012-08-17 | 2015-06-02 | Qualcomm Incorporated | Methods and apparatus for communicating safety message information |
DE102012219631A1 (de) * | 2012-10-26 | 2014-04-30 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Detektieren von zumindest einer Fahrbahnunebenheit |
US10154382B2 (en) | 2013-03-12 | 2018-12-11 | Zendrive, Inc. | System and method for determining a driver in a telematic application |
US9365217B2 (en) * | 2013-06-03 | 2016-06-14 | Booz Allen Hamilton Inc. | Mobile pothole detection system and method |
WO2015019234A1 (en) | 2013-08-05 | 2015-02-12 | Universidade De Aveiro | Method and apparatus for multi-network communication in vehicular networks |
JP6185332B2 (ja) * | 2013-08-09 | 2017-08-23 | クラリオン株式会社 | 計算機システム、データ出力方法、コンピュータプログラム |
US9828011B2 (en) * | 2013-12-18 | 2017-11-28 | Thales Canada Inc | Communication system for guideway mounted vehicle and method of using the same |
US9418489B2 (en) * | 2014-02-04 | 2016-08-16 | General Motors Llc | Providing cellular data to a vehicle over different data channels |
CN104902572B (zh) * | 2014-03-05 | 2019-02-19 | 华为技术有限公司 | 一种控制dsrc的资源分配的方法、基站和车辆通信终端 |
US9386624B2 (en) | 2014-03-28 | 2016-07-05 | GM Global Technology Operations LLC | Systems and methods of facilitating portable device communications |
US9386462B2 (en) | 2014-03-28 | 2016-07-05 | GM Global Technology Operations LLC | Methods and apparatus for determining and planning wireless network deployment sufficiency when utilizing vehicle-based relay nodes |
DE102014213984A1 (de) | 2014-07-17 | 2016-01-21 | Continental Automotive Gmbh | Verfahren zum Bereitstellen eines Dienstes |
US10834150B1 (en) | 2014-12-26 | 2020-11-10 | Ivanti, Inc. | System and methods for self-organizing multicast |
GB2540817A (en) * | 2015-07-30 | 2017-02-01 | Ford Global Tech Llc | Improvements in or relating to distributed vehicular data management systems |
US9818239B2 (en) | 2015-08-20 | 2017-11-14 | Zendrive, Inc. | Method for smartphone-based accident detection |
JP6676147B2 (ja) | 2015-08-20 | 2020-04-08 | ゼンドライヴ, インコーポレイテッドZendrive, Inc. | 加速度計支援型ナビゲーションのための方法 |
EP3342246B1 (en) * | 2015-08-27 | 2022-03-30 | Signify Holding B.V. | Mesh network node |
EP3347886B1 (en) * | 2015-09-09 | 2020-11-04 | Telefonaktiebolaget LM Ericsson (publ) | Methods and devices for requesting and providing information |
US10706642B2 (en) * | 2015-09-24 | 2020-07-07 | Ford Global Technologies, Llc | Efficient telematics data upload |
US10102759B2 (en) | 2015-09-25 | 2018-10-16 | Honeywell International Inc. | Systems and methods for collecting weather information for selected airspace regions |
CN106686552B (zh) * | 2015-11-09 | 2020-02-04 | 普天信息技术有限公司 | 面向自动驾驶信息多播广播方法、装置、管理实体及基站 |
CN105979517B (zh) * | 2015-11-10 | 2020-01-03 | 法法汽车(中国)有限公司 | 一种基于车辆的网络数据传输方法和装置 |
US10257278B2 (en) * | 2016-01-27 | 2019-04-09 | Honeywell International Inc. | Vehicle defined source transmitter |
US11064065B2 (en) * | 2016-04-14 | 2021-07-13 | Ford Global Technologies, Llc | Method and apparatus for cellular network backup connectivity |
CN109074728A (zh) * | 2016-04-28 | 2018-12-21 | 住友电气工业株式会社 | 推荐行驶速度提供程序、行驶支持***、车辆控制设备和自动行驶车辆 |
US10730626B2 (en) | 2016-04-29 | 2020-08-04 | United Parcel Service Of America, Inc. | Methods of photo matching and photo confirmation for parcel pickup and delivery |
CA3176870A1 (en) | 2016-04-29 | 2017-11-30 | United Parcel Service Of America, Inc. | Unmanned aerial vehicle pick-up and delivery systems |
US20180075670A1 (en) * | 2016-09-09 | 2018-03-15 | Laird Technologies, Inc. | Dedicated short-range communication vehicle management apparatuses, systems and methods |
US11089459B2 (en) * | 2016-11-22 | 2021-08-10 | Toyota Jidosha Kabushiki Kaisha | Storage service for mobile nodes in a roadway area |
DE102016224516A1 (de) * | 2016-12-08 | 2018-06-14 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Erkennen zumindest eines Fußgängers durch ein Fahrzeug |
US10012993B1 (en) | 2016-12-09 | 2018-07-03 | Zendrive, Inc. | Method and system for risk modeling in autonomous vehicles |
CN106658604B (zh) * | 2016-12-14 | 2020-06-19 | 华南理工大学 | 一种基于车辆运动估计的异构车联网移动数据卸载方法 |
US10139834B2 (en) * | 2017-01-12 | 2018-11-27 | GM Global Technology Operations LLC | Methods and systems for processing local and cloud data in a vehicle and a cloud server for transmitting cloud data to vehicles |
US10085137B1 (en) | 2017-03-22 | 2018-09-25 | Cnh Industrial America Llc | Method and system for sharing a telematics access point |
EP3787323A1 (en) * | 2017-05-17 | 2021-03-03 | Cellwize Wireless Technologies Ltd. | Method and system of managing radio connectivity of a vehicle |
EP3404639A1 (en) * | 2017-05-18 | 2018-11-21 | Nokia Technologies Oy | Vehicle operation |
US10775792B2 (en) | 2017-06-13 | 2020-09-15 | United Parcel Service Of America, Inc. | Autonomously delivering items to corresponding delivery locations proximate a delivery route |
US10304329B2 (en) | 2017-06-28 | 2019-05-28 | Zendrive, Inc. | Method and system for determining traffic-related characteristics |
US10311728B2 (en) * | 2017-08-11 | 2019-06-04 | Here Global B.V. | Method and apparatus for providing a confidence-based road event message |
JP6747404B2 (ja) * | 2017-08-23 | 2020-08-26 | 株式会社デンソー | 移動体通信システム |
US11362882B2 (en) * | 2017-08-25 | 2022-06-14 | Veniam, Inc. | Methods and systems for optimal and adaptive urban scanning using self-organized fleets of autonomous vehicles |
KR101959305B1 (ko) * | 2017-09-15 | 2019-03-18 | 엘지전자 주식회사 | 차량 |
US10559196B2 (en) * | 2017-10-20 | 2020-02-11 | Zendrive, Inc. | Method and system for vehicular-related communications |
WO2019104348A1 (en) | 2017-11-27 | 2019-05-31 | Zendrive, Inc. | System and method for vehicle sensing and analysis |
CN108616813B (zh) * | 2018-03-22 | 2020-05-19 | 大连理工大学 | 一种基于混合区的车联网位置隐私保护方法 |
US20210166567A1 (en) * | 2018-08-13 | 2021-06-03 | British Telecommunications Public Limited Company | Vehicle platooning |
US10440668B1 (en) * | 2018-11-07 | 2019-10-08 | Ford Global Technologies, Llc | Vehicle platooning management and power control with LTE/5G V2X communications |
DE102019001735B3 (de) * | 2019-03-11 | 2020-06-04 | Audi Ag | Erheben von fahrzeugbasierten, ortsbezogenen Datensätzen |
DE102019002164A1 (de) * | 2019-03-26 | 2020-10-01 | Daimler Ag | Verfahren zum Übertragen einer lnformation von einer kraftfahrzeugexternen, zentralen elektronischen Recheneinrichtung an eine erste elektronische Recheneinrichtung oder an eine zweite elektronische Recheneinrichtung, sowie Netzwerksystem |
US11775010B2 (en) | 2019-12-02 | 2023-10-03 | Zendrive, Inc. | System and method for assessing device usage |
WO2021113475A1 (en) | 2019-12-03 | 2021-06-10 | Zendrive, Inc. | Method and system for risk determination of a route |
CN113240910B (zh) * | 2021-07-12 | 2021-10-26 | 中国人民解放军国防科技大学 | 基于协同车辆的道路检测方法、***、设备和存储介质 |
US11659360B2 (en) * | 2021-08-20 | 2023-05-23 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for implementing peer-to-peer wireless groups for vehicular micro clouds |
US11893882B2 (en) | 2022-01-13 | 2024-02-06 | GM Global Technology Operations LLC | System and process for determining recurring and non-recurring road congestion to mitigate the same |
US12039862B2 (en) | 2022-01-13 | 2024-07-16 | GM Global Technology Operations LLC | System and process for mitigating road network congestion |
US20230379664A1 (en) * | 2022-05-20 | 2023-11-23 | Qualcomm Incorporated | Cooperation techniques for low-power devices |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7797367B1 (en) * | 1999-10-06 | 2010-09-14 | Gelvin David C | Apparatus for compact internetworked wireless integrated network sensors (WINS) |
US6735630B1 (en) * | 1999-10-06 | 2004-05-11 | Sensoria Corporation | Method for collecting data using compact internetworked wireless integrated network sensors (WINS) |
US7492248B1 (en) * | 2000-01-14 | 2009-02-17 | Symbol Technologies, Inc. | Multi-tier wireless communications architecture, applications and methods |
US6587781B2 (en) * | 2000-08-28 | 2003-07-01 | Estimotion, Inc. | Method and system for modeling and processing vehicular traffic data and information and applying thereof |
US6925378B2 (en) * | 2003-05-12 | 2005-08-02 | Circumnav Networks, Inc. | Enhanced mobile communication device with extended radio, and applications |
US8874477B2 (en) * | 2005-10-04 | 2014-10-28 | Steven Mark Hoffberg | Multifactorial optimization system and method |
CN201197146Y (zh) * | 2008-01-30 | 2009-02-18 | 万能 | 信息发布*** |
CN100561540C (zh) * | 2008-05-14 | 2009-11-18 | 西安交通大学 | 一种基于车载无线传感器网络的交通路况信息处理方法 |
US8224576B2 (en) * | 2008-10-21 | 2012-07-17 | Paksense, Inc. | Environmental sensing and communication |
-
2010
- 2010-12-21 US US12/974,110 patent/US8447804B2/en active Active
-
2011
- 2011-12-13 DE DE102011120965.8A patent/DE102011120965B4/de active Active
- 2011-12-21 CN CN201110432437.9A patent/CN102547612B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
DE102011120965A1 (de) | 2013-04-11 |
DE102011120965B4 (de) | 2014-09-04 |
CN102547612A (zh) | 2012-07-04 |
US20120158820A1 (en) | 2012-06-21 |
US8447804B2 (en) | 2013-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102547612B (zh) | 使用多无线电远程信息处理装置的信息收集*** | |
US10788845B2 (en) | Optimization of mission efficiency through platoon opportunity assessment | |
US11776391B2 (en) | Generating and transmitting parking instructions for autonomous and non-autonomous vehicles | |
US10691138B2 (en) | Systems and methods for managing fleets of autonomous vehicles to optimize electric budget | |
US10812996B2 (en) | Methods and systems for communication among nodes for the internet of things, including autonomous vehicles, for optimizing operations of the nodes | |
US10595175B2 (en) | Methods and systems for detecting anomalies and forecasting optimizations to improve smart city or region infrastructure management using networks of autonomous vehicles | |
US20230232185A1 (en) | Generating and Transmitting Parking Instructions for Autonomous and Non-Autonomous Vehicles | |
CN109118758B (zh) | 一种面向移动共享的智能网联交通管理*** | |
US11889393B2 (en) | Methods and systems for detecting anomalies and forecasting optimizations to improve urban living management using networks of autonomous vehicles | |
CN108198439B (zh) | 一种基于雾计算的城市智能交通控制方法 | |
US11362882B2 (en) | Methods and systems for optimal and adaptive urban scanning using self-organized fleets of autonomous vehicles | |
RU2683902C2 (ru) | Транспортное средство, способ и система для планирования режимов транспортного средства с использованием изученных предпочтений пользователя | |
US20190026796A1 (en) | Systems and methods for trading data in a network of moving things, for example including a network of autonomous vehicles | |
US20190066409A1 (en) | Methods and systems for measuring performance of fleets of autonomous vehicles | |
EP3054721B1 (en) | Traffic adjustment for variable network state | |
CN102546743B (zh) | 使用授权、提取和共享算法的智能远程信息处理的信息传播 | |
US20140358414A1 (en) | System and method for creating, storing, and updating local dynamic MAP database with safety attribute | |
CN105991704B (zh) | 一种车路信息交互方法、设备及*** | |
CN108009169B (zh) | 一种数据处理方法、装置及设备 | |
CN102819950A (zh) | 一种交通工具搭载辅助决策的***和方法 | |
CN111225336B (zh) | 一种基于智慧灯杆的基站选择与切换方法及*** | |
JP6762457B1 (ja) | 制御装置、移動体、管理サーバ、基地局、通信システム及び通信方法 | |
CN103674047A (zh) | 集中式线路确定 | |
CN111915907B (zh) | 一种基于车路协同的多尺度交通信息发布***和方法 | |
CN113734184B (zh) | 自动驾驶车辆在途组队方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |