CN108885764A - 远程信息处理***及其相应的方法 - Google Patents
远程信息处理***及其相应的方法 Download PDFInfo
- Publication number
- CN108885764A CN108885764A CN201680083681.XA CN201680083681A CN108885764A CN 108885764 A CN108885764 A CN 108885764A CN 201680083681 A CN201680083681 A CN 201680083681A CN 108885764 A CN108885764 A CN 108885764A
- Authority
- CN
- China
- Prior art keywords
- risk
- transfer
- parameter
- telematics
- payment
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012546 transfer Methods 0.000 claims abstract description 399
- 238000010801 machine learning Methods 0.000 claims abstract description 107
- 230000005540 biological transmission Effects 0.000 claims abstract description 22
- 230000002452 interceptive effect Effects 0.000 claims abstract description 9
- 230000006399 behavior Effects 0.000 claims description 36
- 238000005259 measurement Methods 0.000 claims description 33
- 238000005457 optimization Methods 0.000 claims description 28
- 230000004913 activation Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 27
- 230000010365 information processing Effects 0.000 claims description 23
- 238000003860 storage Methods 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 21
- 230000008878 coupling Effects 0.000 claims description 20
- 238000010168 coupling process Methods 0.000 claims description 20
- 238000005859 coupling reaction Methods 0.000 claims description 20
- 230000001413 cellular effect Effects 0.000 claims description 13
- 230000001960 triggered effect Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 7
- 230000011664 signaling Effects 0.000 claims description 7
- 241000208340 Araliaceae Species 0.000 claims description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 6
- 235000008434 ginseng Nutrition 0.000 claims description 6
- 238000010295 mobile communication Methods 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 206010016256 fatigue Diseases 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 32
- 230000008901 benefit Effects 0.000 description 24
- 230000006870 function Effects 0.000 description 8
- 239000003795 chemical substances by application Substances 0.000 description 7
- 230000001976 improved effect Effects 0.000 description 7
- 241001269238 Data Species 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 6
- 239000000446 fuel Substances 0.000 description 6
- 230000010354 integration Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 208000006011 Stroke Diseases 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000036651 mood Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000004540 process dynamic Methods 0.000 description 2
- 238000011112 process operation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000036626 alertness Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000019506 cigar Nutrition 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000003255 drug test Methods 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Technology Law (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Traffic Control Systems (AREA)
Abstract
提出了一种基于机器学习的远程信息处理***1及其方法,其中移动远程信息处理设备(401、...、405)与多个机动车辆(41、...、45)相关联。远程信息处理设备(401、......、405)包括到数据传输网络(2)的无线连接(411、...、415),以及到车载诊断***(431、...、435)或车载交互设备(441、...、445)或蜂窝移动节点应用(451、...、455)的接口(421、...、425)。远程信息处理设备(401、...、405)捕获机动车辆(41、...、45)的基于使用(31)和/或基于用户(32)的远程信息处理数据(3)并通过数据传输网络(2)将它们传输到基于机器学习的远程信息处理电路(11)。基于机器学习的电路(11)生成第一风险转移参数(501、...、505)和相关的第一支付转账参数(1021、...、1025),并将它们传输到第一风险转移***(10),其中,在发生预定义风险事件(61、...、63)的触发情况下,第一风险转移***(10)基于第一风险转移参数(501、...、505)和相关的第一支付转账参数(1021、...、1025)自动覆盖发生的损失(71、...、75)。第二风险转移参数(511、...、515)和相关的第二支付转移参数(1221、...、1225)借助于基于机器学习的远程信息处理电路(11)生成,并被传输到第二风险转移***(12),其中第二保险***(12)基于第二风险转移参数(511,...,515)和相关的第二支付转账参数(1221、...、1225)至少部分地覆盖发生的损失(71、...、75)。基于所捕获的基于使用(31)和/或基于用户(32)的远程信息处理数据(3),第一和第二风险转移参数(501、...、505/511、...、515)和相关的第一和第二支付转账参数(1021、...、1025/1221、...、1225)通过基于机器学习的远程信息处理电路(11)相互调整和/或优化。
Description
技术领域
本发明涉及基于远程信息处理(telematics)的自动化风险转移、警报与实时通知***,以用于在远程信息处理的背景下使用的机动车辆和无线技术。特别地,本发明涉及基于机器学习的远程信息处理。术语远程信息处理(特别是交通远程信息处理)是指一类***,该***用于交通运输领域中的通信、仪表与控制、以及信息技术。更具体地,本发明涉及基于所捕获和测量的基于使用(usage-based)和/或基于用户的远程信息处理数据的远程信息处理与实时风险监测、自动化风险转移和保险***的使用,特别涉及能够触发、以信号报知(signal)和交互激活所耦接的第一保险***和第二保险***(风险转移等级)的***,以便为数量可变的风险暴露机动车辆提供自足式自动化风险保护。
背景技术
在电子、电信和保险行业,公司采用类似且一致的技术策略来提高与客户互动的有效性,而这在当今日渐成为纯粹的技术因素。社交网络、远程信息处理、服务导向式架构(SOA)和基于使用的服务(UBS)都在进行交互并推动这一发展。社交平台(例如Facebook、Twitter和YouTube)提供改善客户互动和传达产品信息的能力。然而,远程信息处理领域更加庞大,因为它引入了全新的可能,使技术投入需求与动态风险转移、技术和移动性的问题规范保持一致。SOA和远程信息处理正成为管理整合已知技术与新应用的复杂性的关键。
远程信息处理(一个电信和信息技术的合成术语)是一个跨学科的技术术语,涵盖了电信、车辆技术、道路运输、道路安全、电气工程(传感器、仪器仪表、无线通信等)和信息技术(多媒体、互联网,等等)。因此,作为通过电信设备发送、接收和存储信息的技术,远程信息处理的技术领域受到广泛的技术的影响,同时还影响远程对象的控制、电信和信息学对于车辆中的应用的整合使用、以及例如在汽车导航***中与计算机和移动通信技术整合的移动GNSS(全球导航卫星***)技术的车辆控制。将这种技术与公路用车一起使用也称为车辆远程信息处理。具体地,远程信息处理通过允许一种捕获和监测实时数据的新方式来触发移动通信、车辆监测***和定位技术的整合。基于使用的风险转移***(例如,由Progressive公司所谓的快照技术所提供)将风险转移补偿或保费与车载“远程信息处理”设备收集的监测驾驶行为和使用信息联系起来。在过去的五年中,远程信息处理设备在汽车中的使用量增加了10到100倍。在这样一个广阔的平台上,远程信息处理设备和***可以帮助提高安全性并改善驾驶行为。
远程信息处理是指主要在移动单元(例如,是汽车或其他车辆)中安装或嵌入的用于传输实时驾驶数据(这些实时驾驶数据例如可以由第三方***使用)的电信设备,其作为自动风险监测和风险转移***以提供所需的输入(例如,衡量单个司机的素质和风险)。用于这类变化的远程信息处理仪器可在市场上获得。车辆追踪和全球定位卫星***(GPS)技术正变得普遍,因为它是允许我们从几乎任何地方连接的电信设备。具体地,通过将远程信息处理与其他实时测量***相互连接,可以想象动态监测和适应的风险转移。这种***提供的优点可以是例如包括:驾驶员可以通过轻敲车载导航屏幕来实时接收汽车保险的报价并购买汽车保险。在卷入车祸后,可以自动启动紧急情况和道路服务,评估车辆损坏情况,并联系最近的维修店。总之,客户体验可以从风险转移***和保险范围的传统操作转变为实时导航和监测,包括专人服务的自动启动、安全驾驶技巧、用于后座上的儿童的视频点播、车载或在线反馈、以及实时车辆诊断。
除了实时监督之外,还要提到的是,保险代理人可能出于多种不同的原因想要同与保险公司(承保人)相关的客户交换信息。但是,客户与保险公司和/或保险公司与再保险公司(分保人)之间的信息交换仍然是麻烦且耗时的,因此,由这种结构提供的风险转移通常在商定的固定时间段内保持静止。例如,现有的或潜在的消费者可以访问保险代理人的网页以确定保单的年度或月度成本(例如,希望通过选择新的保险公司来节省资金或提高保护等级)。消费者可以向保险代理人提供基本信息(例如,姓名,业务类型,出生日期,职业等),并且保险代理人可以使用该信息来向保险公司请求保费报价。在某些情况下,保险公司只会简单地回应保险代理人保费报价。但是,在其他情况下,与保险公司相关的承销商(underwriter)会要求保险代理人提供额外信息,以便生成适当的保费报价。例如,承销商可以要求保险代理人表明机动车辆主要的使用频率、地点和时间,或其他数据,例如机动车辆的车龄和受契约约束的用途(运输等)。只有在确定了这些附加信息之后,保险公司才能进行适当的风险分析,以处理适当的承保决定和/或保费定价。
综合的远程信息处理可以提供新的技术领域,特别是通过集中式专家***进行监测和操纵,例如,在风险转移技术中,这种自动化专家***提供了更加准确和有益的定价模型。这将产生巨大的优势,特别是对于实时的和/或基于使用的和/或动态操作的***。这种远程信息处理***的优点不仅限于风险转移,还有其他优点,例如在车队管理中,通过远程信息处理监测员工的驾驶行为,从而提高资产利用率,降低燃料消耗,并提高安全性等。其他领域也可能从这种综合远程信息处理***中受益,因为州和地方政府需要努力改善燃料消耗、排放和公路安全。例如,一些州最近发布了行驶里程连动型车险(pay-as-you-drive,PAYD)规定,这在另一方面允许保险公司根据实际驾驶里程数和估计驾驶里程数来提供驾驶员保险费率。这对于减少驾车是一种财务激励。
目前,远程信息处理技术提供了诸如加速度计之类的功能,这可以评估驾驶员的风格和行为,从而将风险因子从目前通常追踪的40个扩展到100多个。随着对于加速度计的需求的增加,汽车制造商和设备制造商已经能够降低单位成本。对于增强的互通性和可接近性的需求(由“始终互通”的消费者驱动)将允许额外的设备应用。需要指出的是,远程信息处理生态***中的大多数技术并非车辆保险所独有。社交监听、社区保护门户和家庭监测对房屋和财产保险风险的评估方式产生影响。此外,如果家中存在水、热或空调问题,监测***可用于调节家庭温度控制或自动调度服务提供商。而且,正在为医疗保健和高级生活产品开发远程信息处理技术,包括基于位置的警报、健康监测和家人追踪服务,这些服务可用于评估个人的风险状况,从而在生命风险转移领域中实现优化的风险转移。例如,机器人护士的辅助旨在提醒老年人日常活动,也引导他们到达他们的住所,并在紧急情况下寻求帮助。随着技术变得更加可靠且成本越来越低,这些类型的应用将继续发展,因为老年人和家庭护理行业对此类解决方案的需求会增加。
如以本发明的方式所使用的远程信息处理技术还可以为服务导向式架构(SOA)或基于使用和/或基于用户的应用提供基础技术。两者都被认为是当今最有前景的技术。SOA允许公司根据需要通过内联网或互联网使它们的应用和计算资源(如客户数据库和供应商目录)有效。基于即插即用的概念,SOA提供跨多个技术平台的可重复使用软件组件。它提供了一种新的软件部署方法,同时还解决了诸如复杂性和无效数据整合之类的严重问题。这种方法提供了一致的技术,使得访问数据和整合新旧内容变得更加容易。信息和服务集中且可重复使用,这缩短了开发时间并降低了维护成本。当需要软件服务(例如检索客户信息)时,用户或***向目录发送请求(这确定了适当的服务名称、位置和所需形式),然后发回所需的输出(在这种情况下,是客户信息)。用户和其他应用不需要知道数据处置或处理的内部操作。组织也不需要拥有和维护软件;他们只是通过互联网或网络或其他数据传输网络访问适当的服务。
发明内容
本发明的一个目的是提供一种动态触发的自动化远程信息处理***和方法(具体地,是基于机器学习的远程信息处理***),其是基于通过机动车辆上的分布式移动远程信息处理设备来实时捕获远程信息处理数据的。自动化***应能够通过为机动车辆提供动态自足式风险保护来捕获和监测可变数量的风险暴露机动车辆的风险相关风险事件;具体地,本发明的一个目的是将现有技术扩展到基于第一层级(保险)的动态可调损失比结构的动态触发调整的多层风险转移***,和/或动态浮动的第二层可恢复(再保险),从而增强了开发允许自足式实时反映操作的自动化***的重要性。更具体地,一个目的是在两个耦接的风险转移***之间提供自动触发机制和适当的设备,以提供***的可测量优化。本发明的另一个目的是提供一种方法,以在技术上捕获、处理和自动化动态可调的复杂风险转移结构和触发操作,所述动态可调的复杂风险转移结构和触发操作与自动优化的共享风险和转移操作有关。本发明的另一个目的是基于适当的技术多层触发结构方法通过不同层之间的远程信息处理的远程信息处理数据侵入式协调使用来寻求动态地同步和调整这类操作,以改变环境或操作条件。与标准实践相反,不同风险转移层的资源汇集***应创建可重复和优化的操作,其具有依赖于技术手段、工艺流程和过程控制/操作的所需的技术性重复精度。最后,本发明的一个目的是解决耦接两个自动化风险转移***的技术问题,这两个自动化风险转移***的目的是汇集相关联分量的风险暴露并寻求更好更有效的技术实施方式,从而能够共享和最小化所需的远程信息处理资源,并通过共享专业手段和开发手段来提供统一优化的多层风险转移方法,从而为必要的资源汇集(例如汇集的保费)生成最小化的条件。沿着自动化保险远程信息处理价值链,有许多技术提供单独的元素,然而,本发明的一个目的是提供一种整体技术方案,其全方位涵盖了从设备安装到自动精确的风险测量、分析和管理。最后,本发明的另一个目的是提供一种动态的、基于基于机器学习的评分***的实时评分和测量,并且还提供一种基于评分算法和数据处理的技术可扩展解决方案,其允许将信令调整到其他自动化风险转移领域。
根据本发明,这些目的尤其通过独立权利要求的特征实现。另外,可以从从属权利要求和相关描述中导出其他有利实施例。
根据本发明,尤其是由于通过本发明实现了用于动态触发的多层风险转移***的上述目的(动态触发的多层风险转移***基于自动化操纵远程信息处理***,该自动化操纵远程信息处理***具有与多个机动车辆相关联的移动远程信息处理设备,所述动态触发的多层风险转移***具体是指基于机器学习和/或基于专家***的远程信息处理***)。远程信息处理设备包括:一个或多个无线连接;以及多个接口,用于连接至少一个车辆的数据传输总线;和/或多个接口,用于连接传感器和/或测量设备和/或扬声器和/或麦克风,其中,为了提供无线连接,远程信息处理设备借助于远程信息处理设备的天线连接在相应的数据传输网络中充当无线节点,并且其中,远程信息处理设备被连接到车载诊断***和/或车载交互设备和/或监测蜂窝移动节点应用,以及其中,远程信息处理设备捕获机动车辆和/或用户的基于使用和/或基于用户的远程信息处理数据;其中,多个与机动车辆相关联的移动远程信息处理设备被连接到基于机器学习的远程信息处理电路,其中,借助于在基于机器学习的远程信息处理电路之间的无线连接来设置单向或双向数据链路,以至少将所捕获的基于使用和/或基于用户的远程信息处理数据从移动远程信息处理设备传输到基于机器学习的远程信息处理电路,其中,所述基于机器学习的远程信息处理***包括一个或多个第一风险转移***,以将基于第一风险转移参数的第一风险转移从至少一些机动车辆提供到第一风险转移***,其中,第一风险转移***包括多个支付转账模块,所述多个支付转账模块被配置成接收和存储与所述机动车辆的风险暴露的风险转移相关联的第一支付参数,以用于汇集它们的风险;其中,借助于远程信息处理***的基于机器学习的电路,处理从移动远程信息处理设备捕获的风险相关的远程信息处理数据,其中第一风险转移参数和相关的第一支付转账参数通过基于机器学习的远程信息处理电路生成,并被传输到第一风险转移***,以及其中,在发生与机动车辆的转移风险暴露相关联的一种所定义风险事件的触发情况下,第一风险转移***基于第一风险转移参数和相关的第一支付转账参数自动覆盖发生的损失;其中,基于机器学习的远程信息处理***包括第二风险转移***,以将基于第二风险转移参数的第二风险转移从一个或多个第一风险转移***提供到第二风险转移***,其中,第二风险转移***包括第二支付转账模块,所述第二支付转账模块被配置成接收和存储第二支付参数,以用于汇集与传输到第一风险转移***的风险暴露风险相关联的第一风险转移***的风险;其中,第二风险转移参数和相关的第二支付转账参数借助于基于机器学习的远程信息处理电路生成,并且被传输到第二风险转移***,其中,在超过与定义的风险事件的发生相关联的定义的激活阈值参数的触发情况下或者作为发生的损失的预定义限定部分,由第二保险***基于第二风险转移参数和相关的第二支付转账参数来至少部分地覆盖发生的损失;以及其中,基于从与多个机动车辆相关联的移动远程信息处理设备捕获的基于使用和/或基于用户的远程信息处理数据并且基于第一风险转移***的汇集风险,第一和第二风险转移参数以及相关的第一和第二支付转账参数通过基于机器学习的远程信息处理电路来进行动态优化。远程信息处理设备可以例如通过无线电数据***(RDS)模块和/或包括卫星接收模块的定位***和/或包括数字无线电服务模块的移动电话和/或与所述无线电数据***或定位***或蜂窝电话模块通信的语言单元提供一个或多个无线连接。卫星接收模块例如可以包括全球定位***(GPS)电路和/或数字无线电服务模块至少包括全球移动通信***(GSM)单元。用于连接至少一个机动车辆的数据传输总线的多个接口例如可以包括至少一个用于连接机动车辆的控制器区域网络(CAN)总线的接口,例如,连接车载诊断(OBD)端口或连接其他设备,例如电池安装设备。基于机器学习的远程信息处理电路还可以包括累聚模块,所述累聚模块基于所捕获的风险相关的远程信息处理数据为一个或多个汇集风险暴露机动车辆提供风险暴露,其中第一和第二风险转移参数以及相关的第一和第二支付转账参数是基于汇集机动车辆的预定义风险事件的发生可能性而动态生成的。此外,发生和触发的损失可以借助于在预定时间段内在所有风险暴露的机动车辆上测得发生风险事件的所捕获的损失参数来通过以下方式自动累聚:递增一相关联的存储累聚损失参数并且通过递增相关联的存储累聚支付参数而在预定时间段内对所有风险暴露的车辆自动累聚所接收和存储的第一支付参数,并且其中可变的第一和第二风险转移参数以及相关的第一和第二支付转账参数基于累聚的损失参数和累聚的支付参数的比率而动态地生成。借助于基于机器学习的电路,第一和第二风险转移***可以例如基于可动态调整的第一和第二风险转移参数以及相关的第一和第二支付转账参数而被充分地自动操纵、触发、发信号通知并且相互激活,以便通过耦接的第一和第二保险***为与移动远程信息处理设备相关联的数量可变的机动车辆提供自足式风险保护。在第一和第二风险转移层级的背景下,第一风险转移***可以例如是包括自动化的第一资源汇集***,并且第二风险转移***包括自动化的第二资源汇集***,其中,风险暴露的机动车辆通过多个支付转账模块被连接到第一资源汇集***,所述多个支付转账模块被配置成接收和存储来自风险暴露机动车辆的第一支付,以便汇集它们的风险暴露,其中第一风险转移***基于接收和存储的第一支付参数为每个连接的风险暴露机动车辆提供自动化风险保护,其中,第一风险转移***通过第二支付转账模块被连接到第二资源汇集***,第二支付转账模块被配置接收和存储来自从第一保险***的第二支付参数,以便调整由第一风险转移***积累的风险暴露的一部分,以及其中,在发生了一种定义的风险事件的情况下,基于机器学习的远程信息处理***自动覆盖发生的损失。本***的一个优点是提供将两个自动化风险转移***耦接的技术方案,该技术方案是更好且更有效的技术实施方式,从而能够共享和最小化所需的远程信息处理资源并通过共享专业手段和开发手段提供统一且优化的多层级风险转移方法,为必要的资源汇集(例如汇集的保费)产生最小化的条件。此外,本发明提供了一种整体技术方案,其全方位涵盖了从远程信息处理设备和/或应用程序安装到自动且准确的风险测量、分析和管理。最后,它提供了一种动态的基于基于机器学习的评分***的实施评分和测量,并进一步提供了一种基于评分算法和数据处理的技术可扩展解决方案,其允许将信令调整到其他自动化风险转移领域。通过背景数据增强的具有基于机器学习的***的本发明能够为实时调整的多层风险转移***提供最佳和最大程度优化的技术方案。它允许捕获和控制评分驾驶员行为,并在技术操作和背景中比较其行为。它允许根据位置或行程自动捕获评分风险,并自动分析和响应与增值服务的需求相关的数据,例如,事故通知和/或到驾驶员的反馈和/或自动车队风险报告和/或自动的动态优化承保等。***的基于远程信息处理的反馈装置可以例如包括经由数据链路到机动车辆的移动远程信息处理设备的动态警报馈送,其中基于机器学习的远程信息处理电路将设备警报驱动器立即引导到多个性能测量,包括例如,高RPM,(即每分钟高转数,作为机动车发动机的电动机旋转频率的测量值),不稳定驱动,不必要的发动机功率,剧烈的加速度,道路预期和/或ECO驱动。显然,即使是经验最丰富的驾驶员也可以从他们的经过动态分析和改进的驾驶行为中受益。车辆远程信息处理***1提供与驾驶员的风险行为相关的动态和实时改进的机会,即当它们发生时提供这些机会。通过引导训练辅助工具向驾驶员提供即时反馈并将信息直接发送到移动远程信息处理设备,确保了双管齐下的方法来纠正风险(通常代价较大)驾驶习惯。因此,远程信息处理***1不仅允许相互优化第一和第二风险转移***的操作参数,而且在风险暴露机动车辆的层级上优化了风险和/或风险行为。没有现有技术的***允许这种整体的实时优化。作为另一种增值服务,远程信息处理***1可以例如是动态生成所选机动车辆的车队风险报告。由远程信息处理***1自动生成的这种车队报告提供了一种新方法以共享和比较驾驶员统计数据。作为此类报告的直接影响,所带来的其他优势如表现最佳者的自动奖励生成或识别需要额外培训的驾驶员等。本发明提出的例如预融资远程信息处理启用(再)保险手段将刺激运营商(第一级风险转移***)向二级风险转移***提供其远程信息处理和索赔历史,以便不断改进其评分服务,从而在帮助降低成本和综合赔付率方面使保险公司获益。
在一个替代实施例中,基于机器学习的电路包括评分驾驶员模块,所述评分驾驶员模块通过将捕获的远程信息处理数据与所定义的评分驾驶员行为模式进行比较来触发并自动选择基于所定义的评分驾驶员行为模式的评分驾驶员参数。评分驾驶员模块可以进一步例如基于与机动车辆相关联的所捕获的移动远程信息处理设备的远程信息处理数据来自动捕获根据所测量的机动车辆的位置或行程的分数风险。该替代实施例尤其具有以下优点:它允许提供实时调整的多层级风险转移***。此外,它允许捕获和/或控制评分驾驶员行为,并比较其在技术操作和背景中的行为。它允许根据位置或行程自动捕获评分风险,并自动分析和响应与增值服务的需求相关的数据,例如,事故通知。
在一个替代实施例中,基于机器学习的电路包括包括附加触发器,所述附加触发器基于与机动车辆相关联的移动远程信息处理设备的所捕获远程信息处理数据来触发事故通知和/或其他增值服务。该替代实施例尤其具有以下优点:该***能够基于另外生成的信令向客户提供额外的益处。
在另一替代实施例中,切换设备包括捕获装置,用于捕获从第一保险***到第二支付转账模块的支付转账,其中***的第二层触发结构可通过触发与预定义激活阈值参数匹配的支付转账来激活。在另一个实施例变型中,在发生与定义风险事件的发生相关联的损失的触发情况下,第二保险***基于第二风险转移参数和相关的第二支付转移参数而覆盖发生的损失的预定义限定部分。因此,本发明可以通过比例或非比例风险转移实现为第一和第二风险转移***之间的耦接机制,其中在比例风险转移耦接的情况下,第二风险转移***借助于切换装置来激活分别转移到第一风险转移***的每个风险的固定百分比份额。因此,第二风险转移***借助于第二支付参数从第一风险转移***接收该固定支付转账。在非比例风险转移耦接的情况下,在超出与所定义风险事件的发生相关联的所定义激活阈值参数的触发示例中,发生的损失由第二保险***基于第二风险转移参数和相关的第二支付转账参数而被至少部分地覆盖。激活阈值可以与发生的每个单个损失相关联,或者与通过累聚损失参数测量的积累损失相关联。因此,非比例耦接可以在超额赔款或停损超赔风险转移结构中实现,其中超额赔款结构可以例如基于险位超赔XL(险位超赔再保险XL),事故超赔/事件超赔XL(事故超赔再保险或Cat XL)或累聚(aggregate)XL结构。作为更具体的替代实施例,通过资源汇集***的监测模块请求从风险暴露分量经由多个支付接收模块到资源汇集***的周期性支付转账,其中,一旦不能通过检测模块检测到周期性转账时,风险暴露分量的风险转移或保护就被监测模块打断。作为替代方案,当在风险暴露分量的数据流路径中触发了风险事件指示符的事件时,监测模块可以自动中断或免除周期性支付转账请求。这些替代实施例尤其具有以下优点:***允许监测操作的进一步自动化,尤其是其关于汇集资源的操作。
在另一替换实施例中,在通过风险事件触发器触在远程信息处理设备的数据流路径中触发了风险事件的指示符的事件的情况下,激活第一和/或第二资源汇集***的独立验证风险事件触发器,并且其中,如果发生了关于风险事件的指示符,独立验证风险事件触发器在具有来自主要数据流路径的独立测量参数的替代数据流路径(例如,替代的远程信息处理设备的数据流路径)中另外发出触发,以验证风险暴露机动车辆处的风险事件的发生。在该替代方案中,如果通过独立验证风险事件触发器验证风险暴露分量处的风险事件的发生,则仅将支付转账分配给相应的风险暴露机动车辆。这些替代实施例尤其具有以下优点,可以因此改善***的操作和功能稳定性。此外,该***不易受欺诈和伪造的影响。
通常,该***可以例如包括捕获装置,该捕获装置捕获分配给两个风险转移***之一的支付转账,例如,还捕获从第一保险***到第二支付转账模块的支付转账,其中,所分配的保险***被激活,并且其中,与所分配的风险转移层相关联的第一保险***的风险暴露被转移到第二保险***。该替代实施例尤其具有以下优点:可以另外激活第二保险***,以允许从第一资源汇集***到第二资源汇集***的受控且离散的风险转移和风险覆盖。
在另一替代实施例中,第一保险***包括接口模块,用于在将支付参数从第一资源汇集***传输到第二资源汇集***之前访问并调整所分配的操作参数。该替代实施例尤其具有以下优点:风险转移结构可以被动态地调整,并且此外,由第一保险***或第二保险***直接选择和/或额外优化。
在又一替代实施例中,基于机器学习的远程信息处理电路包括用于处理风险相关的机动车辆数据并且用于(特别是基于风险相关的机动车辆数据)为一个或多个所汇集的风险暴露机动车辆提供关于所述风险暴露的可能性的数据的装置,并且其中,可以基于总风险和/或汇集的风险暴露机动车辆的风险暴露的可能性来动态地确定来自风险暴露的机动车辆的用于汇集其风险的支付的接收和预先存储。该替代实施例尤其具有以下优点:可以动态地调整第一和/或第二资源汇集***的操作以改变与汇集的风险相关的条件,例如汇集的机动车辆的环境条件或风险分布的变化等。另一个优点是,当***在不同的环境、地点或国家中运行时,***不需要任何手动调整,因为风险暴露的机动车辆的支付大小与总的汇集风险直接相关。然而,重要的是要注意,本发明不一定必须导致调整的定价或保费。例如,它还可以自动向驾驶良好的驾驶员提供优惠券,或者根本没有任何改变,但***使用远程信息处理数据自动确定风险转移是否在下一年继续。本发明还可以专门用于自动提供和激活调整的和/或特别选择的增值服务,例如,事故通知和/或给驾驶员的反馈和/或自动车队风险报告和/或自动的动态优化承保等。因此,本发明允许调整第一风险转移层或***的风险以及基于被保险的机动车辆的等级(例如,通过基于风险的驾驶员实时反馈)和/或第二风险转移层或***的风险。没有现有技术***允许这种优化和/或调整。驾驶员反馈可以例如通过在相同位置处和/或类似的条件下将驾驶员的概况和模式与其他驾驶员的概况或模式进行比较来生成。
在一个替代实施例中,该***包括装置,该装置用于处理风险相关的分量数据并且用于提供关于一个或多个汇集的风险暴露的机动车辆的所述风险暴露的可能性的信息(特别是基于风险相关的机动车辆的数据),并且其中从第一资源汇集***到第二资源汇集***的用于转移其风险的支付的接收和预先存储可以基于总风险和/或汇集的风险暴露分量的风险暴露的可能性来动态地确定。该替代实施例尤其具有以下优点:可以动态地调整第一和/或第二资源汇集***的操作以改变所汇集风险的条件,例如汇总的风险分量的环境条件或风险分布的变化等。另一个优点是,当***在不同的环境、地点或国家中运行时,***不需要任何手动调整,因为风险暴露分量的支付大小与总的汇集风险直接相关。
在一个替代实施例中,通过第一风险转移***动态调整汇集的机动车辆的数量,以达到风险转移***所覆盖的非协变发生风险在任何规定时间仅影响总汇集风险暴露分量的较小比例的程度。类似地,第二风险转移***可以例如动态地调整从第一风险转移***传输的所汇集的风险份额的数量,以达到由第二风险转移***所覆盖的非协变发生风险在任何规定时间仅影响从第一风险转移***传输的总汇集风险的较小比例的程度。该变型例尤其具有以下优点:可以改善***的操作稳定性和财务稳定性。
在一个替代实施例中,基于时间相关发生率数据,风险事件触发器借助于操作模块为一个或多个预定义风险事件进行动态调整。该替代实施例尤其具有以下优点:***可以动态地捕获在捕获风险事件或避免这种事件的发生方面的改进(例如通过改进的预测***实现等),并且这些改进基于汇集的风险暴露分量的总风险而动态地影响***的整体操作。
在另一替代实施例中,在每次触发发生时(其中通过至少一个风险事件触发器测量指示预定义风险事件的参数),总参数支付由触发来分配,并且其中,总分配支付在触发事件时是可转移的。预定义的总支付可以例如被调平到任何适当的定义总额,例如预定值,或与风险暴露机动车辆的总转移风险和定期支付的金额相关的任何其他总额。该替代方案尤其具有以下优点:参数支付或预定金额的支付可以依赖于固定金额。此外,参数支付可以为调整的总额支付留有余地,该调整的总额支付可以例如取决于由***触发的风险事件发生的阶段。
除了如上所述的***和相应的方法之外,本发明还涉及一种计算机程序产品,其包括用于控制控制***的一个或多个处理器的计算机程序代码装置,使得控制***执行所提出的方法;并且它尤其涉及一种计算机程序产品,该计算机程序产品包括计算机可读介质,该计算机可读介质包含用于处理器的计算机程序代码装置。
附图说明
在参照附图的情况下,将通过示例来更加详细的说明本发明,其中:
图1示出了一个框图,该框图示意性地示出了示例性的基于远程信息处理的动态触发多层风险转移***,该***由本发明的远程信息处理***1提供,且具有与多个机动车辆41、......、45相关联的移动远程信息处理设备401、...、405,并且该***实时捕获测量参数并动态调整其操作参数。具体地,它示出了基于机器学习或基于专家***的远程信息处理***。远程信息处理设备401、...、405包括一个或多个无线连接411、...、415和多个接口421、...、425,用于与车辆的数据传输总线和/或传感器4011和/或测量设备4012和/或扬声器4013和/或麦克风4014中的至少一个连接。远程信息处理设备401、...、405被连接到车载诊断***431、...、435和/或车载交互设备441、......、445和/或监测蜂窝移动节点应用451、...、455,其中远程信息处理设备401、...、405捕获机动车辆41、...、45和/或用户321、322、323的基于使用31和/或基于用户32的远程信息处理数据3,并且经由数据传输网络2将它们传输到基于机器学习的远程信息处理电路11,该基于机器学习的远程信息处理电路11通过动态优化的第一风险转移参数501、...、505和第二风险转移参数511、...、515以及相关的第一支付转账参数1021、...、1025和第二支付转账参数1221、...、1225来操作耦接的第一风险转移***和第二风险转移***。远程信息处理设备401、......、405也可以实现为监测蜂窝移动电话的集成部件。
图2示出了一个框图,该框图示意性地示出了根据本发明的实施例变型的示例性动态自适应远程信息处理***1,该远程信息处理***1具有与多个风险暴露机动车辆41、...、45相关联的移动远程信息处理设备401、...、405。具体地,它示出了基于机器学习或基于专家***的远程信息处理***。远程信息处理设备401、...、405捕获机动车辆41、......、45和/或用户321、322、323的基于使用31和/或基于用户32的远程信息处理数据3,并且经由数据传输网络2将它们传输到基于机器学习的远程信息处理电路11,该基于机器学习的远程信息处理电路11通过动态优化的第一风险转移参数501、...、505和第二风险转移参数511、...、515以及相关的第一支付转账参数1021、......、1025和第二支付转账参数1221、......、1225来操作耦接的第一风险转移***和第二风险转移***。***1能够捕获不同种类的远程信息处理数据3,例如也可以是来自用户的驾驶行为和/或机动车辆41、...、45是否正在自行驾驶(自动驾驶)和/或机动车辆41、...、45是否正在介入其自动或安全功能。如果移动远程信息处理设备401、...、405从机动车辆41、......、45自身捕获数据3,则后者是可能的。因此,移动远程信息处理设备401、......、405或链接到移动远程信息处理设备401、......、405的移动电话应用可以通过自身的传感器生成数据3,和/或移动远程信息处理设备401、......、405或连接到移动远程信息处理设备401、...、405的移动电话应用可以包括直接从机动车辆41、...、45对数据进行的访问,例如,由车载诊断***提供。如图2所示,基于机器学习的远程信息处理电路11可以实现为远程信息处理***1的单独部分,或者实现为第二风险转移***12的一部分,其中在后一种情况下,移动远程信息处理设备401、......、405由第二风险转移***12设置到第一风险转移***10和/或风险暴露的机动车辆41、......、45,以换取对所捕获的远程信息处理数据3和/或所捕获的索赔或损失数据711、......、715/721、......、725/731、......、735的访问。还如图2所示,远程信息处理***1可以包括一个10或多个第一风险转移***10a-10d,它们都与相同的第二风险转移***12相关联。
图3示出了另一框图,该框图示意性地示出了根据本发明的实施例变型的示例性动态自适应远程信息处理***1,该***1具有与多个风险暴露的机动车辆41、......、45相关联的移动远程信息处理设备401、...、405。具体地,它示出了基于机器学习或基于专家***的远程信息处理***。远程信息处理设备401、...、405捕获机动车辆41、......、45和/或用户321、322、323的基于使用31和/或基于用户32的远程信息处理数据3,并且经由数据传输网络2将它们传输到基于机器学习的远程信息处理电路11,该电路11通过动态优化的第一风险转移参数501、...、505和第二风险转移参数511、...、515以及相关的第一支付转账参数1021、......、1025和第二支付转账参数1221、......、1225来操作耦接的第一风险转移***和第二风险转移***。
图4示出了一个框图,该框图示意性地示出了示例性移动远程信息处理设备401、......、405和实时远程信息处理数据捕获。
具体实施方式
图1示意性地示出了用于基于远程信息处理的动态触发的多层风险转移***1的实施例的可能实现方式的架构,该***1具有用于双耦接自主操作的风险转移***10、12的互补切换的事件触发激活。具体地,它示出了基于机器学习或基于专家***的远程信息处理***。风险转移***10可以对应于自动保险***,风险转移***12可以对应于自动再保险***。***1根据基于机器学习的远程信息处理***1实现动态触发和调整的多层风险转移***,从而强化了开发允许自足式优化多层风险转移操作的自动化实时***的重要性。通过耦接的第一和第二风险转移或保险***10、12实现多层风险转移。***1被触发,即被动态调整和适应,以便即基于捕获的机动车辆41、...、45和/或用户321、322、323的基于使用31和/或基于用户32的远程信息处理数据3来触发第一和第二保险***10/12的激活。基于使用31和/或基于用户32的远程信息处理数据3至少包括关于以下内容的远程信息处理数据:驾驶员何时驾驶和/或驾驶员的驾驶频率和/或驾驶员驾驶的地点和/或驾驶员的驾驶情况和/或机动车辆41、...、45当前所作的事情以及安全、自动化或自主特征激活的程度。远程信息处理数据3由移动远程信息处理设备401、...、405通过连接或集成的传感器和测量设备来捕获。
具有第一和第二风险转移***10、12的***1通过两个相关联的自动化资源汇集***101为数量可变的风险暴露机动车辆41、...、45提供自动化的自足式风险保护,即,第一风险转移***10包括自动化第一资源汇集***101,第二风险转移***12包括自动化第二资源汇集***121。风险暴露的机动车辆41、......、45借助于多个支付转账模块103被连接到第一资源汇集***101,所述多个支付转账模块103被配置成接收和存储(102)来自风险暴露机动车辆41、...、45的第一支付1021、...、1025,以便汇集它们的风险暴露51、...、55,其中第一风险转移***10基于接收和存储的第一支付参数1021、...、1025为每个连接的风险暴露机动车辆41、...、45提供自动化风险保护。此外,第一风险转移***10通过第二支付转账模块123被连接到第二资源汇集***121,第二支付转账模块123被配置接收和存储(122)来自从第一保险***10的第二支付参数1221、...、1225,以便调整由第一风险转移***10累聚的风险暴露51、...、55的一部分。因此,在发生了定义的风险事件61、......、63中的一种的情况下,基于机器学习的远程信息处理***1自动涵盖发生的损失,基于机器学习的远程信息处理***1包括第一和第二风险转移***10/12。
自动化资源汇集***101、121包括第一和第二支付数据存储部102、122,以便它们的操作分别考虑到所存储的第一支付参数1021、...、1025和所存储的第二支付参数1221、...、1225的安全支付参数存储。在图1中,附图标记1指的是动态触发***,用于提供与风险暴露的机动车辆41、...、45相关的优化风险保护,所述风险暴露的机动车辆41、...、45与耦接的资源汇集***101、121相关联。资源汇集***101、121可以例如通过基于机器学***均燃油经济性),量化数据点,车辆识别码(VIN),弯道回转(slalom,无直线行驶),每分钟转数RPM(过大的RPM、最大RPM、RPM带中的时间),越野使用情况,G力,制动踏板位置,驾驶员警觉性,控制器区域网络(CAN)总线参数(包括燃油油位),距其他车辆的距离,距障碍物的距离,自动功能的激活/使用,高级驾驶辅助***的激活/使用,牵引力控制数据,前灯和其他灯的使用,闪光灯的使用,车辆重量,车辆乘客数量,交通标志信息,交叉路口,橙色和红色交通灯跳跃,酒***平检测设备,药物检测设备,驾驶员分心传感器,驾驶员攻击性,生物信息或测量参数,驾驶员心理和情绪状况,来自其他车辆的炫目前灯,车门状态(打开/关闭),挡风玻璃可见度,车道位置,车道选择,车辆安全,驾驶员情绪,乘客情绪,二氧化碳排放(基于燃油消耗量的总排放量),动力输出(PTO;是指连接到车辆的任何电动装置的活动),发动机小时,油压,水温,空转时间和/或预热空转时间。借助于移动远程信息处理设备401、......、405测量上述远程信息处理数据可以例如取决于它们在车辆CAN总线上的可用性,其中控制器区域网络总线是车辆总线标准,其旨在允许微控制器和设备在没有主计算机的应用中彼此通信。它是一种基于消息的协议,是为汽车内的多路电线而设计的,但CAN总线也用于其他环境。
此外,动态触发的***1可以例如包括至少一个处理器和相关联的(多个)存储器模块。基于机器学习的远程信息处理***1还可以包括一个或多个显示单元和操作元件,例如键盘和/或图形定位设备(例如计算机鼠标)。资源汇集***101和121是包括电子装置的技术设备,出于风险转移的目,可以由风险转移或保险技术领域的服务提供商来使用该技术设备,因为它与可测量的风险事件61、......、63的发生有关。本发明旨在通过自动化保险***10、12的远程信息处理相关操作来进行捕获、处理、自动化和优化,特别是试图优化耦接的***10、12的交互,并试图降低操作要求。所涉及的另一个方面是找到同步和调整与资源汇集***101、121的耦接或相互激活有关的这类操作的方法,这些操作针对基于技术手段的风险暴露单元的已证明风险保护。与标准实践相反,因为资源汇集***101、121完全基于技术手段、工艺流程和过程控制/操作,所以资源汇集***101、121还基于具有期望的技术性重复精度的远程信息处理数据实现了可再现的动态可调实时操作。
借助于基于机器学习的远程信息处理***1来提供动态触发的多层风险转移***,该基于机器学习的远程信息处理***1具有与多个机动车辆41、......、45相关联的移动远程信息处理设备401、...、405。基于机器学习的远程信息处理***1触发、以信号报知和交互激活第一和第二风险转移层10/12,以便借助于第一和第二资源汇集***101/121为数量可变的风险暴露机动车辆41、......、45提供自足式风险保护。第一和第二风险转移层10/12可以实现为耦接的自动化第一和第二保险***10/12。风险暴露组件21、22、23、...通过多个支付转账模块103被连接到第一资源汇集***101,所述多个支付转账模块103被配置为通过第一数据存储102从风险暴露机动车辆41、......、45、......接收第一支付参数1021、...、1025并将这些参数存储(102),以便用于汇集它们的风险暴露51、......、55。第一保险***10基于接收和存储的第一支付参数1021、...、1025为每个连接的风险暴露机动车辆41、...、45提供自动化风险保护。第一保险***10通过第二支付转账模块123被连接到第二资源汇集***121,所述第二支付转账模块123被配置为从第一保险***10接收和存储(122)第二支付参数1221、...、1225,以便采用一部分由第一保险***10累聚的风险暴露5。在发生定义的风险事件61、......、63中的一个事件的情况下,发生的损失由第一保险***10自动覆盖。
与多个机动车辆41、...、45相关联的移动远程信息处理设备401、...、405包括一个或多个无线连接411、...、415;以及多个接口421、...、425,用于与至少一个车辆的数据传输总线连接;和/或多个接口,用于与适当的传感器4011和/或测量设备4012和/或扬声器4013和/或麦克风4014连接。传感器和测量设备可以包括用于捕获各种数据的装置,如下面所描述。远程信息处理设备401、......、405可以例如通过无线电数据***(RDS)模块4111和/或包括卫星接收模块4115的定位***4112和/或包括数字无线电服务模块的移动电话4113和/或与无线电数据***4111或定位***4112或蜂窝电话模块4113通信的语音单元4114提供一个或多个无线连接411、...、415。然而,作为特定实施例变体,远程信息处理设备401、......、405还可以包括有线永久或周期性连接,例如,借助于USB闪存驱动器的周期性数据传输,如下面进一步讨论的那样。卫星接收模块4115可以例如包括全球定位***(GPS)电路4116,和/或数字无线电服务模块4111可以例如至少包括全球移动通信***(GSM)单元4116。对于远程信息处理,无线电数据***(RDS)指示用于在常规调频(FM)无线电广播中嵌入数字信息量的通信协议标准。RDS标准化了几种传输的信息,包括时间、电台标识和节目信息。无线电广播数据***(RBDS)是用于RDS美国版的官方名称。对于无线连接411、...、415而言,远程信息处理设备401、......、405借助于远程信息处理设备401、...、405的天线连接来充当相应数据传输网络2内的无线节点221、...、225。
另一方面,远程信息处理设备401、......、405可以被连接到车载诊断***431、...、435和/或车载交互设备441、...、445和/或监测蜂窝移动节点应用程序451、...、455和/或如智能手机一样作为整体结构部而被包括在移动设备中。因此,作为变型,远程信息处理设备401、......、405可以构成蜂窝移动电话的集成部分,其中蜂窝移动电话包括所有需要的测量设备以捕获远程信息处理数据3。至少一些移动远程信息处理设备401、...、405可以例如被连接到移动电话应用(智能手机应用)451、...、455,其中相关联的移动电话4113包括移动远程信息处理设备401、...、405,例如,是全球定位***(GPS)电路4116和/或移动网络三角测量装置,以便对行进速度、行进频率、位置和驾驶风格提供监测,并且其中移动电话的网络连接用于将捕获的远程信息处理数据3传输到基于机器学习的远程信息处理电路11。例如被连接到车载诊断(OBD)***431、......、435的移动远程信息处理设备401、...、405可以对车辆的***和/或子***提供适当监测。通过将数据传输线***车载诊断***431的适当端口可以提供例如到移动车辆41、......、45的车载诊断(OBD)***431、...、435的连接。如上所述,至少一些移动远程信息处理设备401、......、405也可以被连接到车载交互设备441、...、445,其中例如车辆的速度和行驶距离由全球定位***(GPS)电路4116来监测,并且其中远程信息处理数据3通过蜂窝电信连接从移动远程信息处理设备401、...、405被传输到基于机器学习的远程信息处理电路11。一些移动远程信息处理设备401、......、405可以例如包括扬声器和从基于机器学习的远程信息处理电路11和/或第一风险传输***10和/或第二风险传输***12到移动远程信息处理设备401、...、405的语音连接,从而为机动车辆41、...、45的用户提供关于他们的驾驶技能和/或其他基于使用31或基于用户32的行为的实时指导服务。总之,远程信息处理设备401、......、405可以例如包括:传感器或其他测量设备,车载诊断(OBD)***或电子狗,智能手机和/或移动蜂窝电话,挡风玻璃装置(例如相机),黑匣子设备,点烟器转接器(CLA)设备,eCall车载电子标签(OBU),嵌入式OEM设备和/或信息娱乐***,智能手机投影标准(用于允许移动设备通过仪表板的主机单元运行某个将要在汽车中运行的操作***(例如可能包括Apple Carplay、Mirrorlink、Android Auto)),车载导航***,导航设备,车体组件高级驾驶辅助***(示例可以包括移动眼(Mobileye)),嵌入式高级驾驶辅助***(示例可以包括高级紧急制动***、车道偏离警告***、停车辅助功能),车辆自动化***(示例可以包括自动驾驶***、远程代客泊车助理或自动泊车助手),智能手表和其他可穿戴设备。远程信息处理设备401、......、405还可以包括上述设备的特定组合功能,例如,智能手机(应用程序)和信标或蓝牙低功耗(BLE)信标(BLE,也称为蓝牙智能)是为医疗保健、健身、信标、安全和家庭娱乐行业的新颖应用而设计的一种无线个人区域网络技术。与传统蓝牙相比,蓝牙智能旨在提供显着降低的功耗和成本,同时保持类似的通信范围(约10米),具有OBD电子狗的智能手机或支持OBD电子狗的BLE,智能手机本身,可自行安装的车体组件黑匣子,专业人员安装的车体组件黑匣子,车体组件黑匣子和显示器。
以这种方式,远程信息处理设备401、...、405捕获机动车辆41、......、45和/或用户321、322、323的基于使用31和/或基于用户32的远程信息处理数据3,并且通过数据传输网络2将它们传输到基于机器学习的远程信息处理***。具体地,与机动车辆41、...、45相关联的多个移动远程信息处理设备401、...、405被连接到基于机器学习的远程信息处理电路11,其中借助于在基于机器学习的远程信息处理电路11之间的无线连接411、...、415来设置数据链路21,以至少将所捕获的基于使用31和/或基于用户32的远程信息处理数据3从移动远程信息处理设备401、......、405传输到基于机器学习的远程信息处理电路11。例如,至少一些移动远程信息处理设备401、......、405可以包括蜂窝调制解调器4113,以将远程信息处理数据3从移动远程信息处理设备401、...、405传输到基于机器学习的远程信息处理电路11。然而,作为特定实施例变体,与多个机动车辆41、......、45相关联的移动远程信息处理设备401、...、405可以不包括无线连接411、...、415,而是例如经由作为USB闪存驱动器或其他便携式数据存储设备的通用串行总线(USB)或中间USB设备或USB计算机***设备通过周期性地连接到有线(固定)网络(例如,局域网(LAN))或通过连接到数据传输或网络站(例如,个人计算机)来传输远程信息处理数据3。用于与至少一个机动车辆的数据传输总线连接的多个接口421、...、425可以例如至少包括用于连接机动车辆的控制器局域网(CAN)总线的接口。
如上所述,基于机器学习的远程信息处理***1包括一个或多个第一风险转移***10,以将基于第一风险转移参数501、...、505的第一风险转移从机动车辆41、...、45中的至少一些机动车辆提供到第一风险转移***10,其中第一风险转移***10包括多个支付转账模块103,所述多个支付转账模块103被配置成接收和存储(102)与所述机动车辆41、......、45的风险暴露5的风险转移相关联的第一支付参数1021、...、1025以用于汇集它们的风险51、......、55。借助于远程信息处理***1的基于机器学习的电路11,处理从移动远程信息处理设备401、...、405捕获的风险相关的远程信息处理数据3,其中第一风险转移参数501、...、505和相关的第一支付转账参数1021、...、1025通过基于机器学习的远程信息处理电路11生成,并被传输到第一风险转移***10。在发生与机动车辆41、...、45的转移风险暴露51、...、55相关联的一种所定义风险事件61、...、63的触发情况下,第一风险转移***10基于第一风险转移参数501、......、505和相关的第一支付转账参数1021、...、1025自动覆盖发生的损失71、...、75。
此外,基于机器学习的远程信息处理***1包括第二风险转移***12,以将基于第二风险转移参数511、...、515的第二风险转移从一个或多个第一风险转移***10提供到第二风险转移***12,其中第二风险转移***12包括第二支付转账模块123,所述第二支付转账模块123被配置成接收和存储(122)第二支付参数1221、...、1225,以用于汇集与传输到第一风险转移***10的风险暴露相关联的第一风险转移***10的风险。对于第二风险转移***12的操作,第二风险转移参数511、...、515和相关的第二支付转账参数1221、...、1225借助于基于机器学习的远程信息处理电路11来生成,并且被传输到第二风险转移***12,其中,在超出了与发生所定义的风险事件61、...、63相关联的所定义激活阈值参数124的触发情况下,第二保险***12基于第二风险转移参数511、...、515和相关的第二支付转账参数1221、...、1225而至少部分地覆盖所发生的损失71、......、75。例如,在超出了所定义的激活阈值参数124的触发情况下,通过***1将激活信令传输到第二保险***12来自动激活第二风险转移***12,第二风险转移***12在被激活时覆盖由第一保险***10所积累的风险暴露51、...、55的所述调整部分。然而,明确地提到的是,作为实施例变体的本发明可以通过固定激活来实现,即不触发激活阈值。因此,本发明可以通过比例或非比例风险转移作为第一风险转移***10和第二风险转移***12之间的耦接机制来实现,其中在比例风险转移耦接的情况下,第二风险转移***12借助于切换装置11来激活转移到第一风险转移***10的每个风险的固定百分比份额。因此,第二风险转移***12借助于第二支付参数1221、...、1225从第一风险转移***10接收该固定支付转账。在非比例风险转移耦接的情况下,在超出与发生所定义风险事件61、...、63相关联的所定义激活阈值参数124的触发情况下,发生的损失71、......、75由第二保险***12基于第二风险转移参数511、...、515和相关的第二支付转账参数1221、...、1225而至少部分地被覆盖。激活阈值可以与发生的每个单个损失相关联,或者与通过累聚损失参数80测量的积累损失相关联。因此,非比例耦接可以在超额赔款(excess of loss)或停损超赔风险转移结构中实现,其中超额赔款结构可以例如是基于险位超赔XL(险位超赔再保险XL),事故超赔/事件超赔XL(事故超赔再保险或Cat XL)或累聚(aggregate)XL结构。基于与多个机动车辆41、......、45相关联的来自移动远程信息处理设备401、...、405的所捕获的基于使用31和/或基于用户32的远程信息处理数据3并且基于第一风险转移***10的汇集风险5,第一和第二风险转移参数501、...、505/511、...、515以及相关的第一和第二支付转账参数1021、...、1025/1221、...、1225通过基于机器学习的远程信息处理电路11来进行动态调整和/或相互优化。基于机器学习的远程信息处理电路11可以例如包括累聚(aggregation)模块,其基于所捕获的与风险相关的远程信息处理数据3为一个或多个汇集风险暴露机动车辆41、...、45提供风险暴露51、...、55,其中第一和第二风险转移参数501、...、505/511、...、515以及相关的第一和第二支付转账参数1021、...、1025/1221、...、1225是基于汇集机动车辆41、...、45的预定义风险事件(61、...、63)的发生可能性而动态生成的。
关于借助于切换装置11的***1的第一和第二风险转移***10/12的非比例耦接,远程信息处理***1的所述累聚模块114可以例如对所有风险暴露的机动车辆41、...、45自动累聚测量到风险事件61、...、63发生的所捕获损失参数80,以在预定义时间段1141内递增相关联的存储累聚损失参数81,并且通过使相关联的存储累聚支付参数81递增而在预定义时间段1141内对所述风险暴露分量41、...、45自动累聚(81)所接收和存储的第一支付参数1021、...、1025,其中基于累聚的损失参数80和累聚的支付参数81的比率来动态地生成可变损失比参数82,其中第一和第二风险转移参数501、...、505/511、...、515以及相关的第一和第二支付转账参数1021、...、1025/1221、...、1225是基于汇集机动车辆41、......、45的预定义风险事件61、...、63的发生可能性和可变损失比参数82而动态生成的。作为实施例变型,在可变损失比参数82超过损失比阈值821的触发情况下,第一和第二风险转移参数501、...、505/511、...、515以及相关的第一和第二支付转账参数1021、...、1025/1221、...、1225基于汇集机动车辆41、......、45的预定义风险事件61、...、63的发生可能性以及可变损失比参数82而被动态地调整和/或优化。例如,超出所定义的激活阈值参数124的触发可以与累积发生所测量的风险事件61、...、63的触发值相关联。
作为另一个实施例变型,风险暴露机动车辆41、......、45可以是例如被连接到第一风险转移***10,以便借助于动态调整和/或优化的第一风险转移参数501、...、505以及相关的动态一致的第一支付转账参数1021、...、1025,将与所定义风险事件61、...、63的发生相关联的风险暴露51、...、55从风险暴露的机动车辆41、......、45传输到风险转移保险***10,其中借助于动态调整和优化的第二风险转移参数511、...、515以及相关的动态一致的第二支付转账参数1221、...、1225将与所定义的风险事件61、...、63的发生相关联的风险暴露5从第一风险转移***10传输到第二风险转移***12,第一风险转移***10被连接到第二保险***12,其中,在发生一种所定义的风险事件61、...、63的情况下,在风险暴露的机动车辆41、......、45处测量损失71、...、75的损失参数711、...、715/721、...、725/731、...、735被捕获并被传输到第一保险***10,并且其中第一保险***10基于优化的第一风险转移参数501、...、505自动覆盖所发生的损失71、...、75。在另一变型中,例如,第一风险转移***10的自动化资源汇集***101可以经由从第一资源汇集***101到所述风险暴露机动车辆41、...、45的支付转账而明确地覆盖与预定义风险事件61、...、63相关联并且分配给汇集风险暴露机动车辆41、...、45的损失71、...、75,其中从第二风险转移***12的自动化第二次资源汇集***121到第一资源汇集***101的第二支付转账通过由远程信息处理***1基于所测量的风险暴露机动车辆41、......、45的实际损失711、...、715/721、...、725/731、...、735而生成的激活信号来触发。否则,与传输到第二风险转移***12的风险对应的损失71、......、75也可以由第二资源汇集***121经由第二支付转账模块123来通过从第二资源汇集***121到有关的风险暴露机动车辆41、...、45的资源转移直接覆盖。
为了提供***1的更加动态的反应和适应性,远程信息处理***1的基于机器学习的电路11可以例如包括用于处理与风险相关的远程信息处理数据3并且用于基于与风险相关的远程信息处理数据3提供所汇集机动车辆41、...、45的预定义风险事件61、......、63的发生可能性的装置,并且其中来自风险暴露机动车辆41、......、45以用于汇集其风险的支付1021、...、1025的接收和预先(preconditioned)存储102可以基于总风险5和/或汇集机动车辆41、...、45的预定义风险事件61、...、63的发生可能性来动态地确定(具体地,是实时地确定)。此外,风险相关的远程信息处理数据3可以例如通过基于机器学习的电路11进行处理,并且基于风险相关的远程信息处理数据3的所汇集机动车辆41、...、45的预定义风险事件61、...、63的发生可能性被生成,其中,从第一资源汇集***101到第二资源汇集***121的用于转移其风险的支付1221、...、1225的接收和预先存储102可以基于总风险5和/或所汇集机动车辆41、......、45的预定义风险事件61、...、63的发生可能性来动态地确定。具体地,所汇集的风险暴露机动车41、......、45的数量可以是例如借助于基于机器学习的电路11经由第一保险***10来动态地和/或实时地进行调整,以达到风险转移***10所覆盖的非协变发生风险在任何规定时间仅影响总汇集风险暴露机动车辆41、......、45的较小比例的程度。来自第一风险转移***10的风险转移也可以借助于基于机器学习的电路11经由第二风险转移***12来进行动态地调整,以达到由第二风险转移***12所覆盖的非协变发生风险在任何规定时间仅影响从第一风险转移***10传输的总风险的较小比例的程度。另外,第一和第二风险转移参数501、...、505/511、...、515以及相关的第一和第二支付转账参数1021、......、1025/1221、......、1225可以例如基于一个或多个风险事件61、...、63的时间相关发生率数据(incidence data)来通过基于机器学习的电路11进行动态地调整。最后,每当基于机器学习的电路11触发了所捕获的远程信息处理数据3或(或基于)指示风险事件61、......、63的参数611、...、613/621、......、623/631、......、633的事件时,通过触发分配总参数支付,其中当已经对受测量的所述风险事件61、...、63的发生影响的相应汇集风险暴露机动车辆41、...、45触发了事件时,总分配的支付是可以传输的。
***1可以例如是完全自动化,这体现在,在发生一种所定义的风险事件61、...、63的情况下,测量风险暴露机动车辆41、...、45处的损失的损失参数711、...、715/721、...、725/731、...、735被自动捕获并被传输到第一保险***10,并且其中所发生的损失71、...、75由第一保险***(10)自动覆盖。此外,可以自动触发和监控支付转账,从而影响***1的操作。例如,***1可以包括控制设备1231,该控制设备1231捕获从第一风险转移***10到第二支付转账模块123的每个支付转账,其中***1的第二风险转移***12仅可以通过触发与预定义激活控制参数1232匹配的支付转账来激活。
对于第一和第二风险转移参数501、...、505/511、...、515以及相关的第一和第二支付转账参数1021、......、1025/1221、......、1225的动态调整和/或动态优化信令,基于机器学习的电路11包括评分驾驶员模块111,该评分驾驶员模块111通过将捕获的远程信息处理数据3与所定义的评分驾驶员行为模式1121、...、1123进行比较来基于所定义评分驾驶员行为模式1121、...、1123触发并自动选择评分驾驶员参数1111、...、1113。分数的数据分量尤其可以包括客户政策细节、个人驾驶数据、碰撞取证数据、信用评分、统计驾驶数据、历史索赔数据、市场数据库、驾照分数、统计索赔数据、天气状况的背景数据、道路类型的背景数据和/或周围环境的背景数据。分数可以例如包括驾驶分数、累聚分数、定价算法、自动化车辆安全功能、高级驾驶员辅助***的使用和操作、和/或自主车辆***的使用和操作等。评分驾驶员模块111基于与机动车辆41、...、45相关联的所捕获的移动远程信息处理设备401、...、405的远程信息处理数据3来提供根据所测量的机动车辆41、...、45的位置或行程的自动实时捕获分数风险61、...、63。这允许根据机动车辆41、......、45的实际测量风险来实时调整第一和第二风险转移参数501、...、505/511、...、515以及相关的第一和第二支付转账参数1021、...、1025/1221、...、1225。远程信息处理***1可以包括用于背景数据处理的装置,以改善远程信息处理评分。这允许***1将远程信息处理数据(位置、速度、加速度、减速度)与背景和周围环境(例如天气、道路类型、周围环境、交通、前方事故、道路基础设施、十字路口、交叉点、危险点、交通规则、道路安全分类、其他驾驶员的驾驶行为、行程道路上的事故估计可能性、周围车辆的位置和/或行为)进行比较。此外,它是一种能够更可靠地使用智能手机数据来评估风险的概念。背景数据的示例是与最大允许速度和/或天气条件相比较而言的车辆速度。如果周围的车辆采用类似的速度,那么驾驶太快可能没有那么大的风险。然而,在恶劣天气条件(例如,雾)下以最大允许速度行驶可能会出现危险的驾驶行为。评分驾驶员模块111还允许捕获和控制评分驾驶员行为,并比较其在技术操作和背景中的行为。它允许根据位置或行程自动捕获评分风险,并自动对与增值服务的需求相关的数据(例如,是事故通知和/或对驾驶员的反馈和/或自动车队风险报告和/或自动化的动态优化承保等)进行分析和响应。***的基于远程信息处理的反馈装置可以例如包括经由数据链路到机动车辆的移动远程信息处理设备401、...、405的动态警报馈送,其中基于机器学习的远程信息处理电路11将设备警报驱动器4015立即引导到多个性能测量,包括例如,高RPM(即每分钟高转数,作为机动车发动机的电动机旋转频率的测量值)、不稳定驱动、不必要的发动机功率、剧烈的加速度、道路预期和/或ECO驱动。显然,即使是经验最丰富的驾驶员也可以从他们的经过动态分析和改进的驾驶行为中受益。车辆远程信息处理***1动态和实时地提供与驾驶员的风险行为有关的改进机会,即当这些行为发生时。通过引导训练辅助向驾驶员提供即时反馈并直接将信息发送到移动远程信息处理设备401、...、405,确保了双管齐下的方法来纠正有风险的(并且通常代价较大)驾驶习惯。因此,远程信息处理***1不仅允许相互优化第一和第二风险转移***10/12的操作参数1021、...、1025/1221、...、1225/501、......、505/511、...、515,而且也在风险暴露机动车辆41、......、45的层级上优化了风险和/或风险行为。没有现有技术的***允许这种整体的实时优化。作为另一种增值服务,远程信息处理***1可以例如动态生成所选机动车辆41、......、45的车队风险报告。由远程信息处理***1自动生成的这种车队报告提供了一种新方法以共享和比较驾驶员统计数据。作为此类报告的直接影响,其他优势例如包括表现最佳者的自动奖励生成或识别需要额外培训的驾驶员等。
此外,发生和触发的损失71、......、75可以例如借助于在预定时间段1141内在所有风险暴露的机动车辆41、......、45上测得发生了风险事件61、...、63的所捕获的损失参数711、...、715/721、......、725/731、...、735来通过以下方式自动累聚:递增一相关联的存储累聚损失参数(80)并且通过递增相关联的存储累聚支付参数81而在预定时间段1141内对所有风险暴露的车辆41、...、45自动累聚(81)接收和存储的第一支付参数1021、...、1025,并且其中可变的第一和第二风险转移参数501、...、505/511、...、515以及相关的第一和第二支付转账参数1021、...、1025/1221、......、1225基于累聚的损失参数(80)和累聚的支付参数81的比率而动态地生成。总之,借助于基于机器学习的电路11,第一和第二风险转移***10/12可以基于可动态调整的第一和第二风险转移参数501、...、505/511、...、515以及相关的第一和第二支付转账参数1021、...、1025/1221、...、1225而被自动操纵、触发、发信号通知并且相互激活,以便通过耦接的第一和第二保险***10/12为与移动远程信息处理设备401、...、405相关联的可变数量的机动车辆41、...、45提供自足式风险保护。
除了触发的支付转账之外,基于机器学习的电路11可以例如包括附加触发器112/113,其基于与机动车辆41、......、45相关联的移动远程信息处理设备401、...、405的所捕获远程信息处理数据3来触发事故通知和/或给驾驶员的反馈和/或自动车队风险报告和/或自动的动态优化承保和/或其他增值服务。这已在上面进行了详细的描述。
如图1所示,动态触发***1包括用于捕获风险相关分量数据的第一和第二数据存储部或存储模块102、122,以及多个基于功能的模块;例如,支付转账模块103和123,触发器111、......、113或累聚模块114。功能模块可以至少部分地实现为存储在计算机可读介质上的编程软件模块,以固定或可移动的方式连接到动态触发***1或相关联的自动化***10、12的处理器。然而,功能模块也可以通过硬件组件、单元和/或适当实现的模块完全实现。如图1所示,动态触发***1及其组件(具体是第一和第二资源汇集***101、121,基于机器学习的远程信息处理电路11,触发器111、...、113,具有数据传输接口421、...、425的测量设备401...、405,累聚模块114和支付转账模块103、123)可以经由网络2连接,例如电信网络或任何其他数据传输网络。网络2可以包括硬连线或无线网络;例如,因特网,GSM网络(全球移动通信***),UMTS网络(通用移动电信***)和/或WLAN(无线局域网),和/或专用点对点通信线路。在任何情况下,本***的技术电子货币相关设置包括足够的技术、组织和程序保障措施,以防止、遏制和检测对结构安全的威胁,特别是伪造威胁。资源汇集***101、121还包括用于电子货币转移和链接关联的所有必要技术手段;例如,由一个或多个相关联的支付转账模块103、123经由电子网络所发起的。货币参数可以基于任何可能的电子和转账手段,例如电子货币,电子钱包,电子现金,电子钱币,数字货币,数字现金,数字钱包或网络货币等,它们只能以电子方式交换。第一和第二支付数据存储部102/122提供用于关联和存储与汇集的风险暴露机动车辆分量41、...、45中的单个机动车辆分量相关联的货币参数的手段。本发明可以涉及使用上述网络,例如计算机网络或电信网络,和/或因特网和数字储值***。电子资金转账EFT,直接存款,数字黄金货币和虚拟货币是电子货币形式的进一步示例。此外,转账可以涉及诸如金融密码术和用于实现此类转账的技术之类的技术。对于货币参数的交易,最好使用硬电子货币,而不存在争议或撤销费用的技术可能性。资源汇集***101、121例如支持不可逆交易。这种安排的优点在于,通过不必解决支付纠纷,大大降低了电子货币***的运营成本。然而,通过这种方式,电子货币交易也可以立即清算,使资金立即可用于***10、12。这意味着使用硬电子货币反而类似于现金交易。但是,还可以设想到使用软电子货币,例如允许支付撤销的货币(例如具有72小时的“清算时间”)等。电子货币参数交换方法适用于与本发明的资源汇集***101、121相关的所有连接***和模块,例如第一和第二支付转账模块103、123。传输到第一和第二资源汇集***101、121的货币参数可以分别由支付转账模块103和123发起,或者根据相关资源汇集***101或121的请求发起。
此外,***1可以包括核心引擎,该核心引擎包括风险事件触发器,用于触发数据流路径中的远程信息处理测量参数,例如指定的风险暴露机动车辆41、...、45的车载控制***远程信息处理测量参数。借助于经由接口421、...、425连接到数据流路径的移动远程信息处理设备401、...、405,数据流路径可以例如由***1来监测;具体地,它可以由基于机器学习的远程信息处理电路11监测,从而至少周期性地和/或在预定时间段内捕获数据流路径的分量相关测量参数。根据一个替代实施例,数据流路径例如还可以通过***1的动态触发来进行动态监控,例如通过触发从移动远程信息处理设备401、...、405或相关的测量设备和/或***发送的数据流路径的远程信息处理测量参数。通过触发数据流路径(这包括动态记录的相关风险暴露的机动车辆41、...、45的远程信息处理测量参数),***1能够基于预定义的触发参数来检测预定义风险事件61、...、63的发生。此外,***1还可以例如动态地监测风险事件61、......、63对风险暴露的机动车辆41,...,45的影响过程期间的不同阶段,以便为特定风险暴露机动车辆41、......、45提供适当调整和逐级设置的风险保护。这种风险保护结构基于来自相关风险暴露机动车辆41、......、45的所接收和存储的支付1021、...、1025和/或基于所有汇集的风险暴露机动车辆41、......、45的整体转移风险与风险转移***10的总风险暴露5相关。
为了基于所捕获的来自与多个机动车辆41、...、45相关联的移动远程信息处理设备401、...、405的基于使用31和/或基于用户32的远程信息处理数据3而借助于基于机器学习的远程信息处理电路11生成动态调整和/或优化(特别是实时调整)的第一和第二风险转移参数501、...、505/511、...、515以及相关的第一和第二支付转账参数1021、...、1025/1221、...、1225,***1包括基于机器学习的专家设备,即基于机器学习的远程信息处理电路11。机器学习结构可以通过远程信息处理电路11的动态反应实现而动态地实现。但是,机器学习结构也可以固定在***1中,而机器学习操作由外部专家***或外部的专业知识来执行,而***1的操作遵循固定数据处理步骤。即在该实施例变型中,***1本身不是基于机器学习的。尽管本发明的目的在于基于机器学习的远程信息处理***,但是本发明也可以应用于普通的远程信息处理电路/***(例如,基于人类开发的算法)。
给出一个关于机动车41、......、45风险的位置相关确定的示例,***1例如可以包括自动扩展数据库116,该自动扩展数据库116包括位置相关数据。借助于数据库116,基于机器学***,例如蜂窝网络网格单元20或者市政府网格或行政区网格(例如4*4,10*10,15*15km网格)。可以借助于远程信息处理***1生成适当的四叉树,并且该四叉树基于相关联的人口密度参数与***1处理步骤相关联。对于每个网格单元201、...、203,可以借助于***1捕获环境人口密度参数,并将其分配给被分配到相应网格单元201、...、203的生成数据记录。可以针对感兴趣的地理区域2捕获人口密度参数,并且定制的加权因子可以被分配在所述空间高分辨率网格20中,以考虑不同的模式。人口密度参数可以例如借助于***1从空中高分辨率数据中提取,例如包括航拍图像和/或航空照片。通常,对于本发明的空中高分辨率数据的使用,空中高分辨率数据可包括由卫星和/或飞行器和/或浮空器或配备有气球的其他测量站测量的航拍图像和/或航空照片。人口密度参数的提取可以基于人口密度参数和/或土地使用参数与驾驶或交通模式之间的测量相互作用。为了执行使用***1的提取,***1可以包括测量土地使用和行驶行为(即交通模式)的相互作用的变量。然而,对于提取,人口密度是主要的可量化土地使用描述符变量。***1可以进一步使用人口密度参数来隔离区域类型(市区、城郊(secondcity)、郊区、城镇和农村)。其他与量化土地使用有关的变量(包括住宅密度和工作区就业密度参数)也可以包含在***1中。人口或建筑环境的其他参数和特征(如种族、年龄、收入和零售就业)可进一步用于衡量不同人群的土地使用影响。对于提取,更大的人口密度可以例如与每年行驶里程减少、公交车可用性增加、对单个高载客量车辆的依赖性降低以及交通使用增加相关联。私人汽车仍然是大多数地理区域2的主要出行模式,尽管非洲裔美国人、亚洲人和西班牙裔美国人一般更有可能使用其他交通模式。人口密度的增加通常与较少的个人出行、较少的个人行驶里程以及每次行程的较少个人里程相关联。人口稠密区域的居民报告的车辆行程、行驶的车辆里程和每次行程的车辆里程数最少。人口密度较少的区域往往每个成年人中的驾驶员比例更大,而且每个成年人拥有的机动车比例也更大。为了确定定制的权重因子,城市倾向于遵循关于若干运输参数的全国平均值,例如,每个成年人中的驾驶员比例、每个成年人拥有的车辆比例、在家工作的人的百分比以及自动化依赖性。大约20%的小城市居民以非私人汽车的模式上班。小城市的居民报告任何区域类型的个人出行次数最高。郊区人口的个人出行次数次高。通常,大量低收入居民居住在城郊,这些城郊的交通可用性有限。对于提取,远程信息处理***1例如还可以识别人口的特定区段的位置偏好。高收入家庭通常倾向于位于郊区,而中等收入家庭最常见于农村地区。低收入家庭通常在城市或农村地区。随着一个地区零售贸易的百分比增加,上班距离和上班时间减少。城市地区在人口普查区工作的居民比例最小,零售业的参与比例超过25%。较小的城市的百分比最高,为28.8%的工作居民,其中超过25%的工作从事零售业。工作普查区的零售就业和就业密度与旅行行为具有一些可衡量的相关性。在街区组(home block group)中,增加住房密度与更高的交通可用性和更靠近交通的接近度相关联。随着居住密度的增加,自行车和徒步旅行增加。居住密度的增加也与就业密度的增加有关。在每平方英里100到1,499个住房单元之间的住宅密度下,人们不太可能从事没有固定工作场所的工作。低居住密度区域在家工作的人口比例最大。因此,总而言之,居住密度参数、零售就业、收入、面积类型和人口密度参数都为运输行为和政策实施提供了重要的描述或驱动因素,并且涉及到土地使用与交通选择和行为的联系,其中环境人口密度参数的***1的数据提取和定制的加权因子基于所测量的变量。请注意,城市地区的出行需求和供应特征明显不同于公路的出行需求和供应特征。因此,对公路交通模式和相关动态的分析不能直接转化为城市情况。城市交通和公路交通之间的一个区别在于,在城市道路网络中,多种交通模式共存且交互作用,例如行人、自行车、汽车、公共汽车、货车,而公路主要用于汽车和货车。
上面的示例示出了基于针对位置的交通行为的机器学习结构。类似地,其他捕获的远程信息处理数据3由基于机器学习的远程信息处理电路11处理,以提供其适当加权的风险贡献。对于各种风险贡献中的每一个,数据库115包括允许提取和生成加权风险贡献的历史数据。
最后,重要的是要注意,本发明涉及一种基于远程信息处理的风险转移***1,其具有与多个机动车辆41、......、45相关联的移动远程信息处理设备401、...、405。然而,本发明可以应用于基于远程信息处理的风险转移***1,该***1是针对连接的机动车辆的,例如,借助于远程信息处理设备41、...、45的汽车、所连接房屋、所连接工厂、所连接办公室、和/或所连接的健康状况/生活。
附图标记
1基于机器学习的远程信息处理***
10第一风险转移***
101自动化资源汇集***
102第一数据存储部
1021、...、1025第一支付参数
103第一支付转账模块
11基于机器学习的远程信息处理电路
111评分驾驶员模块
1111、...、1113评分驾驶员参数
1121、...、1123定义的评分驾驶员行为模式
112触发事故通知的附加触发器
113触发增值服务的附加触发器
114累聚模块
1141预定义时间段
115具有历史数据的数据库
116具有位置相关数据的自动化数据库
12第二风险转移***
121自动化资源汇集***
122第二数据存储部
1221、...、1225第二支付参数
123第二支付转账模块
1231控制设备
1232激活控制参数
124激活阈值参数
125预定义损失覆盖部分
2数据传输网络
20蜂窝网络网格
201、...、203网格单元/基本服务区域
211、...、213基站(收发器)
2111、...、2131小区全球识别码(CGI)
221、...、225移动网络节点
21单向或双向数据链路
3远程信息处理数据
31基于使用的远程信息处理数据
311、...、313车辆41、...、45的基于使用的远程信息处理数据
32基于用户的远程信息处理数据
321、...、323车辆41、...、45的基于用户的远程信息处理数据
41、...、45机动车辆
401、...、405移动远程信息处理设备
4011传感器
4012测量设备
4013扬声器
4014麦克风
4015设备警报驱动器
411、...、415无线连接
4111无线电数据***(RDS)模块
4112定位***模块
4113移动蜂窝电话
4114语音单元
4115卫星接收模块
4116全球定位***(GPS)模块
421、...、425数据传输总线接口
431、...、435车载诊断***
441、...、445车载交互设备
451、...、455蜂窝移动节点应用
42第二支付转账模块
5累积风险暴露
51、...、55机动车辆的转移的风险暴露
501、...、505第一风险转移参数
511、...、515第二风险转移参数
61、...、63预定义风险事件
611、...、613测量预定义事件1的发生的参数
621、...、623测量预定义事件2的发生的参数
631、...、633测量预定义事件3的发生的参数
71、...、75与机动车辆41、...、45相关联的已发生损失
711、...、715所测量的预定义事件1的所捕获损失参数
721、...、725所测量的预定义事件2的所捕获损失参数
731、...、735所测量的预定义事件3的所捕获损失参数
80累积损失参数
81累积支付参数
82可变损失比参数
821损失比阈值
Claims (38)
1.一种远程信息处理***(1),具有与多个机动车辆(41、......、45)相关联的移动远程信息处理设备(401、...、405),所述远程信息处理设备(401、...、405)包括:一个或多个无线连接(411、...、415)或有线连接;以及多个接口(421、...、425),用于连接至少一个车辆的数据传输总线;和/或多个接口,用于连接传感器(4011)和/或测量设备(4012)和/或扬声器(4013)和/或麦克风(4014),其中为了提供无线连接(411、...、415),远程信息处理设备(401、...、405)借助于远程信息处理设备(401、...、405)的天线连接在相应的数据传输网络(2)中充当无线节点(221、...、225),其中远程信息处理设备(401、...、405)被连接到车载诊断***(431、...、435)和/或车载交互设备(441、......、445)和/或监测蜂窝移动节点应用(451、...、455),其中远程信息处理设备(401、...、405)捕获机动车辆(41、...、45)和/或用户(321、322、323)的基于使用(31)和/或基于用户(32)的远程信息处理数据(3);
其特征在于,多个与多个机动车辆(41、......、45)相关联的移动远程信息处理设备(401、...、405)被连接到基于机器学习或基于专家***的远程信息处理电路(11),其中,借助于基于机器学习的远程信息处理电路(11)间的无线连接(411、...、415)来设置数据链路(21),以至少将所捕获的基于使用(31)和/或基于用户(32)的远程信息处理数据(3)从移动远程信息处理设备(401、......、405)传输到基于机器学习的远程信息处理电路(11);
其中,所述基于机器学习的远程信息处理***(1)包括一个或多个第一风险转移***(10),以将基于第一风险转移参数(501、...、505)的第一风险转移从至少一些机动车辆(41、...、45)提供到第一风险转移***(10),其中第一风险转移***(10)包括多个支付转账模块(103),所述多个支付转账模块(103)被配置成接收和存储(102)与所述机动车辆(41、......、45)的风险暴露(5)的风险转移相关联的第一支付参数(1021、...、1025),以用于汇集它们的风险(51、......、55);
其中,借助于远程信息处理***(1)的基于机器学习的电路(11),处理从移动远程信息处理设备(401、...、405)捕获的风险相关的远程信息处理数据(3),其中第一风险转移参数(501、...、505)和相关的第一支付转账参数(1021、...、1025)通过基于机器学习的远程信息处理电路(11)生成,并被传输到第一风险转移***(10),其中在与机动车辆(41、...、45)的转移风险暴露(51、...、55)相关联的一种所定义风险事件(61、...、63)被触发发生的情况下,第一风险转移***(10)基于第一风险转移参数(501、......、505)和相关的第一支付转账参数(1021、...、1025)自动覆盖发生的损失(71、...、75);
其中,基于机器学习的远程信息处理***(1)包括第二风险转移***(12),以将基于第二风险转移参数(511、...、515)的第二风险转移从一个或多个第一风险转移***(10)提供到第二风险转移***(12),其中第二风险转移***(12)包括第二支付转账模块(123),所述第二支付转账模块(123)被配置成接收和存储(122)第二支付参数(1221、...、1225),以用于汇集与传输到第一风险转移***(10)的风险暴露风险相关联的第一风险转移***(10)的风险;
其中,第二风险转移参数(511、...、515)和相关的第二支付转账参数(1221、...、1225)借助于基于机器学习的远程信息处理电路(11)生成,并且被传输到第二风险转移***(12),其中,第二保险***(12)基于第二风险转移参数(511、...、515)和相关的第二支付转账参数(1221、...、1225)至少部分地覆盖发生的损失(71、......、75);以及
其中,基于从与多个机动车辆(41、...、45)相关联的移动远程信息处理设备(401、...、405)捕获的基于使用(31)和/或基于用户(32)的远程信息处理数据(3)并且基于第一风险转移***(10)的汇集风险(5),第一和第二风险转移参数(501、...、505/511、...、515)以及相关的第一和第二支付转账参数(1021、...、1025/1221、...、1225)通过基于机器学习的远程信息处理电路(11)来进行动态调整和/或优化。
2.根据权利要求1所述的远程信息处理***(1),其特征在于,基于机器学习的电路(11)包括评分驾驶员模块(111),所述评分驾驶员模块(111)通过将捕获的远程信息处理数据(3)与所定义的评分驾驶员行为模式(1121、...、1123)进行比较来基于所定义的评分驾驶员行为模式(1121、...、1123)触发并自动选择评分驾驶员参数(1111、...、1113)。
3.根据权利要求2所述的远程信息处理***(1),其特征在于,评分驾驶员模块(111)基于与机动车辆(41、...、45)相关联的所捕获的移动远程信息处理设备(401、...、405)的远程信息处理数据(3)来根据所测量的机动车辆(41、...、45)的位置或行程而自动捕获分数风险(61、...、63)。
4.根据权利要求1-3中的一项所述的远程信息处理***(1),其特征在于,基于机器学习的电路(11)包括附加触发器(112/113),所述附加触发器(112/113)基于与机动车辆(41、......、45)相关联的移动远程信息处理设备(401、...、405)的所捕获远程信息处理数据(3)来触发事故通知和/或其他增值服务。
5.根据权利要求1-4中的一项所述的远程信息处理***(1),其特征在于,所述远程信息处理设备(401、...、405)通过无线电数据***(RDS)模块(4111)和/或包括卫星接收模块(4115)的定位***(4112)和/或包括数字无线电服务模块的移动电话(4113)和/或与所述无线电数据***(4111)或定位***(4112)或蜂窝电话模块(4113)通信的语言单元(4114)提供一个或多个无线连接(411、...、415)。
6.根据权利要求1-5中的一项所述的远程信息处理***(1),其特征在于,卫星接收模块(4115)包括全球定位***(GPS)电路(4116)和/或数字无线电服务模块(4111)至少包括全球移动通信***(GSM)单元(4116)。
7.根据权利要求1-6中的一项所述的远程信息处理***(1),其特征在于,用于连接至少一个机动车辆的数据传输总线的多个接口(421、...、425)包括至少一个用于连接机动车辆的控制器区域网络(CAN)总线的接口。
8.根据权利要求1-7中的一项所述的远程信息处理***(1),其特征在于,基于机器学习的电路(11)包括累聚模块,所述累聚模块基于所捕获的风险相关的远程信息处理数据(3)为一个或多个汇集风险暴露机动车辆(41、...、45)提供风险暴露(51、...、55),其中第一和第二风险转移参数(501、...、505/511、...、515)以及相关的第一和第二支付转账参数(1021、...、1025/1221、...、1225)是基于汇集机动车辆(41、...、45)的预定义风险事件(61、...、63)的发生可能性而动态生成的。
9.根据权利要求1-8中的一项所述的远程信息处理***(1),其特征在于,发生和触发的损失(71、......、75)借助于在预定时间段(1141)内在所有风险暴露的机动车辆(41、......、45)上测得发生风险事件(61、...、63)的所捕获的损失参数(711、...、715/721、......、725/731、...、735)来通过以下方式自动累聚:递增一相关联的存储累聚损失参数(80)并且通过递增相关联的存储累聚支付参数(81)而在预定时间段(1141)内对所有风险暴露的车辆(41、...、45)自动累聚(81)所接收和存储的第一支付参数(1021、...、1025),其中可变的第一和第二风险转移参数(501、...、505/511、...、515)以及相关的第一和第二支付转账参数(1021、...、1025/1221、......、1225)基于累聚的损失参数(80)和累聚的支付参数(81)的比率而动态地生成。
10.根据权利要求1-9中的一项所述的远程信息处理***(1),其特征在于,借助于基于机器学习的电路(11),第一和第二风险转移***(10/12)基于可动态调整的第一和第二风险转移参数(501、...、505/511、...、515)以及相关的第一和第二支付转账参数(1021、...、1025/1221、...、1225)而被自动操纵、触发、发信号通知并且相互激活,以便通过耦接的第一和第二保险***(10/12)为与移动远程信息处理设备(401、...、405)相关联的数量可变的机动车辆(41、...、45)提供自足式风险保护。
11.根据权利要求10所述的远程信息处理***(1),其特征在于,所述第一风险转移***(10)包括自动化第一资源汇集***(101),并且第二风险转移***(12)包括自动化第二资源汇集***(121),其中,风险暴露的机动车辆(41、......、45)借助于多个支付转账模块(103)被连接到第一资源汇集***(101),所述多个支付转账模块(103)被配置成接收和存储(102)来自风险暴露机动车辆(41、...、45)的第一支付(1021、...、1025),以便汇集它们的风险暴露(51、...、55),其中第一风险转移***(10)基于接收和存储的第一支付参数(1021、...、1025)为每个连接的风险暴露机动车辆(41、...、45)提供自动化风险保护,其中第一风险转移***(10)通过第二支付转账模块(123)被连接到第二资源汇集***(121),第二支付转账模块(123)被配置接收和存储(122)来自第一保险***(10)的第二支付参数(1221、...、1225),以便调整由第一风险转移***(10)积累的风险暴露(51、...、55)的一部分,其中在发生了一种定义的风险事件(61、......、63)的情况下,基于机器学习的远程信息处理***(1)自动覆盖发生的损失。
12.根据权利要求1-11中的一项所述的远程信息处理***(1),其特征在于,至少一些移动远程信息处理设备(401、...、405)包括用于保存处理器驱动操作代码的安全装置和用于远程信息处理数据(3)的读取和捕获的闪存。
13.根据权利要求1-12中的一项所述的远程信息处理***(1),其特征在于,至少一些远程信息处理数据(3)通过传感器来捕获,所述传感器至少包括用于在加速、制动和转弯期间测量机动车辆的G力的加速度计和/或用于记录位置数据并用于计算行驶距离的全球定位***(GPS)。
14.根据权利要求1-13中的一项所述的远程信息处理***(1),其特征在于,至少一些移动远程信息处理设备(401、......、405)包括蜂窝调制解调器(4113),以将远程信息处理数据(3)从移动远程信息处理设备(401、...、405)传输到基于机器学习的远程信息处理电路(11)。
15.根据权利要求1-14中的一项所述的远程信息处理***(1),其特征在于,至少一些移动远程信息处理设备(401、......、405)被连接到车载诊断(OBD)***(431、......、435),以监控车辆的***和/或子***。
16.根据权利要求15所述的远程信息处理***(1),其特征在于,被连接到机动车辆(41、......、45)的车载诊断(OBD)***(431、......、435)的至少一些移动远程信息处理设备(401、......、405)通过将数据传输线***车载诊断***(431、......、435)的适当端口来连接。
17.根据权利要求1-16中的一项所述的远程信息处理***(1),其特征在于,至少一些移动远程信息处理设备(401、......、405)被连接到车载交互设备(441、...、445),其中,车辆的速度和行驶距离由全球定位***(GPS)电路(4116)来监测,其中远程信息处理数据(3)通过蜂窝电信连接从移动远程信息处理设备(401、...、405)被传输到基于机器学习的远程信息处理电路(11)。
18.根据权利要求1-17中的一项所述的远程信息处理***(1),其特征在于,至少一些移动远程信息处理设备(401、......、405)包括扬声器和从基于机器学习的远程信息处理电路(11)和/或第一和/或第二风险传输***(10/12)到移动远程信息处理设备(401、...、405)的语音连接,从而为机动车辆(41、...、45)的用户提供关于他们的驾驶技能和/或其他基于使用(31)或基于用户(32)的行为的实时指导服务。
19.根据权利要求1-18中的一项所述的远程信息处理***(1),其特征在于,至少一些移动远程信息处理设备(401、......、405)被连接到移动电话应用(智能手机应用)(451、...、455),其中相关联的移动电话(4113)包括全球定位***(GPS)电路(4116)和/或移动网络三角测量装置,以便对行进速度、行进频率、位置和驾驶风格提供监测,其中移动电话的网络连接用于将捕获的远程信息处理数据(3)传输到基于机器学习的远程信息处理电路(11)。
20.根据权利要求1-19中的一项所述的远程信息处理***(1),其特征在于,在超出了所定义的激活阈值参数(124)的触发情况下,通过***(1)将激活信令传输到第二保险***(12)来自动激活第二风险转移***(12),第二保险***(12)在受到激活时覆盖由第一保险***(10)所积累的风险暴露(51、...、55)的所调整的部分。
21.根据权利要求1-19中的一项所述的远程信息处理***(1),其特征在于,在基于所测量预定义事件(61、...、63)的所捕获损失参数(711、…、715/721、…、725/731、…、735)的损失(71、......、75)出现的触发情况下,通过***(1)将激活信令传输到第二保险***(12)来自动激活第二风险转移***(12),第二保险***(12)在受到激活时覆盖在第一保险***(10)处发生的损失(71、......、75)的预定义部分。
22.根据权利要求1-21中的一项所述的远程信息处理***(1),其特征在于,远程信息处理***(1)的所述累聚模块(114)对所有风险暴露的机动车辆(41、...、45)自动累聚测量到风险事件(61、...、63)发生的所捕获损失参数(80),累聚模块(114)在预定义时间段(1141)内递增一相关联的存储累聚损失参数(81),并且通过使相关联的存储累聚支付参数(81)递增来在预定义时间段(1141)内对所有风险暴露分量(41、...、45)自动累聚(81)所接收和存储的第一支付参数(1021、...、1025),其中基于累聚的损失参数(80)和累聚的支付参数(81)的比率来动态地生成可变损失比参数(82),其中第一和第二风险转移参数(501、...、505/511、...、515)以及相关的第一和第二支付转账参数(1021、...、1025/1221、...、1225)是基于汇集机动车辆(41、......、45)的预定义风险事件(61、...、63)的发生可能性和可变损失比参数(82)而动态生成的。
23.根据权利要求22所述的远程信息处理***(1),其特征在于,通过触发可变损失比参数(82)超过损失比阈值(821),第一和第二风险转移参数(501、...、505/511、...、515)以及相关的第一和第二支付转账参数(1021、...、1025/1221、...、1225)基于汇集机动车辆(41、......、45)的预定义风险事件(61、...、63)的发生可能性以及可变损失比参数(82)而被动态地调整。
24.根据权利要求1-23中的一项所述的远程信息处理***(1),其特征在于,超出所定义的激活阈值参数(124)的触发与测量到的风险事件(61、...、63)的累积发生的触发值相关联。
25.根据权利要求1-24中的一项所述的远程信息处理***(1),其特征在于,风险暴露机动车辆(41、......、45)被连接到第一风险转移***(10),以便借助于动态调整和优化的第一风险转移参数(501、...、505)以及相关的动态一致的第一支付转账参数(1021、...、1025),将与所定义风险事件(61、...、63)的发生相关联的风险暴露(51、...、55)从风险暴露的机动车辆转(41、......、45)传输到风险转移保险***(10),其中借助于动态调整和优化的第二风险转移参数(511、...、515)以及相关的动态一致的第二支付转账参数(1221、...、1225)通过将与所定义的风险事件(61、...、63)的发生相关联的风险暴露(5)从第一风险转移***(10)传输到第二风险转移***(12),而将第一风险转移***(10)连接到第二保险***(12),其中在发生一种所定义的风险事件(61、...、63)的情况下,在风险暴露的机动车辆(41、......、45)处测量损失(71、...、75)的损失参数(711、...、715/721、...、725/731、...、735)被捕获并被传输到第一保险***(10),其中第一保险***(10)基于优化的第一风险转移参数(501、...、505)自动覆盖发生的损失(71、...、75)。
26.根据权利要求25所述的远程信息处理***(1),其特征在于,在发生一种所定义的风险事件(61、...、63)的情况下,在风险暴露的机动车辆(41、......、45)处测量损失的损失参数(711、...、715/721、...、725/731、...、735)被自动捕获,并被传输到第一保险***(10),其中由第一保险***(10)自动覆盖发生的损失(71、...、75)。
27.根据权利要求1-26中的一项所述的远程信息处理***(1),其中,***(1)包括控制设备(1231),所述控制设备(1231)具有捕获装置以用于捕获从第一风险转移***(10)到第二支付转账模块(123)的支付转账,其中***(1)的第二保险***(12)仅可以通过触发与预定义激活控制参数(1232)匹配的支付转账来激活。
28.根据权利要求1-27中的任意一项所述的远程信息处理***(1),其中,第一风险转移***(10)的自动化资源汇集***(101)经由从第一资源汇集***(101)到所述风险暴露机动车辆(41、...、45)的支付转账而明确地覆盖与预定义风险事件(61、...、63)相关联并且被分配给汇集风险暴露机动车辆(41、...、45)的损失(71、...、75),其中从第二风险转移***(12)的自动化第二次资源汇集***(121)到第一资源汇集***(101)的第二支付转账通过由远程信息处理***(1)基于所测量的风险暴露机动车辆(41、......、45)的实际损失(711、...、715/721、...、725/731、...、735)而生成的激活信号来触发。
29.根据权利要求28所述的远程信息处理***(1),其特征在于,与传输到第二风险转移***(12)的风险对应的损失(71、......、75)由第二资源汇集***(121)经由第二支付转账模块(123)来通过从第二资源汇集***(121)到有关的风险暴露机动车辆(41、...、45)的资源转移直接覆盖。
30.根据权利要求1-29中的任意一项所述的远程信息处理***(1),其中,远程信息处理***(1)的所述基于机器学习的电路(11)包括用于处理与风险相关的远程信息处理数据(3)并且用于基于与风险相关的远程信息处理数据(3)来提供所汇集机动车辆(41、...、45)的预定义风险事件(61、......、63)的发生可能性的装置,其中来自风险暴露机动车辆(41、......、45)以用于汇集其风险的支付(1021、...、1025)的接收和预先存储(102)基于总风险(5)和/或所汇集机动车辆(41、...、45)的预定义风险事件(61、...、63)的发生可能性来动态地确定。
31.根据权利要求1-30中的任意一项所述的远程信息处理***(1),其中,风险相关的远程信息处理数据(3)通过基于机器学习的电路(11)进行处理,并且基于风险相关的远程信息处理数据(3)的所汇集机动车辆(41、...、45)的预定义风险事件(61、...、63)的发生可能性被生成,其中从第一资源汇集***(101)到第二资源汇集***(121)的用于转移其风险的支付(1221、...、1225)的接收和预先存储(102)可以基于总风险(5)和/或所汇集机动车辆(41、......、45)的预定义风险事件(61、...、63)的发生可能性来动态地确定。
32.根据权利要求1-31中的任意一项所述的远程信息处理***(1),其中,所汇集的风险暴露机动车(41、......、45)的数量借助于基于机器学习的电路(11)经由第一保险***(10)来动态地进行调整,以达到风险转移***(10)所覆盖的非协变发生风险在任何规定时间仅影响总汇集风险暴露机动车辆(41、......、45)的较小比例的程度。
33.根据权利要求1-32中的任意一项所述的远程信息处理***(1),其中,来自第一风险转移***(10)的风险转移借助于基于机器学习的电路(11)经由第二风险转移***(12)来进行动态地调整,以达到由第二风险转移***(12)所覆盖的非协变发生风险在任何规定时间仅影响从第一风险转移***(10)传输的总风险的较小比例的程度。
34.根据权利要求1-33中的任意一项所述的远程信息处理***(1),其中,第一和第二风险转移参数(501、...、505/511、...、515)以及相关的第一和第二支付转账参数(1021、......、1025/1221、......、1225)基于一个或多个风险事件(61、...、63)的时间相关发生率数据来通过基于机器学习的电路(11)进行动态地调整。
35.根据权利要求1-34中的任意一项所述的远程信息处理***(1),其中,每当基于机器学习的电路(11)触发发生了所捕获的远程信息处理数据或指示风险事件(61、......、63)的参数(611、...、613/621、......、623/631、......、633)时,通过触发分配总参数支付,其中,当针对受测量的所述风险事件(61、...、63)的发生影响的相应汇集风险暴露机动车辆(41、...、45)已经触发了所述发生时,总分配的支付是可转移的。
36.根据权利要求1-35中的任意一项所述的远程信息处理***(1),其中,在超过与预定义的风险事件(61、...、63)的发生相关联的预定义激活阈值参数(124)的触发情况下或者作为发生的损失(71、…、75)的预定义部分(125),由第二保险***(12)基于第二风险转移参数(511、…、515)和相关的第二支付转账参数(1221、…、1225)来至少部分地覆盖发生的损失(71、…、75)。
37.根据权利要求1-36中的任意一项所述的远程信息处理***(1),其中,具有移动远程信息处理设备(401、...、405)的远程信息处理***(1)是基于机器学习的远程信息处理***(1)。
38.一种远程信息处理方法,包括基于机器学习的远程信息处理***(1),所述基于机器学习的远程信息处理***(1)具有与多个机动车辆(41、......、45)相关联的移动远程信息处理设备(401、...、405),所述远程信息处理设备(401、...、405)包括:一个或多个无线连接(411、...、415)或有线连接;以及多个接口(421、...、425),用于连接至少一个车辆的数据传输总线;和/或多个接口,用于连接传感器(4011)和/或测量设备(4012)和/或扬声器(4013)和/或麦克风(4014),其中为了提供无线连接(411、...、415),远程信息处理设备(401、...、405)借助于远程信息处理设备(401、...、405)的天线连接在相应的数据传输网络(2)中充当无线节点(221、...、225),其中远程信息处理设备(401、...、405)被连接到车载诊断***(431、...、435)和/或车载交互设备(441、......、445)和/或监测蜂窝移动节点应用(451、...、455),其中远程信息处理设备(401、...、405)捕获机动车辆(41、...、45)和/或用户(321、322、323)的基于使用(31)和/或基于用户(32)的远程信息处理数据(3);
其特征在于,多个与多个机动车辆(41、......、45)相关联的移动远程信息处理设备(401、...、405)被连接到基于机器学习的远程信息处理电路(11),其中,借助于基于机器学习的远程信息处理电路(11)间的无线连接(411、...、415)来设置数据链路(21),以至少将所捕获的基于使用(31)和/或基于用户(32)的远程信息处理数据(3)从移动远程信息处理设备(401、......、405)传输到基于机器学习的远程信息处理电路(11);
其特征在于,基于机器学习的远程信息处理***(1)的一个或多个第一风险转移***(10)将基于第一风险转移参数(501、...、505)的第一风险转移从至少一些机动车辆(41、...、45)提供到第一风险转移***(10),其中一个或多个第一风险转移***(10)的多个支付转账模块(103)接收和存储(102)第一支付参数(1021、...、1025),所述第一支付参数(1021、...、1025)与所述机动车辆(41、......、45)的风险暴露(5)的风险转移相关联,并用于汇集它们的风险(51、......、55);
其特征在于,风险相关的远程信息处理数据(3)从移动远程信息处理设备(401、...、405)捕获,并由远程信息处理***(1)的基于机器学习的电路(11)处理,其中第一风险转移参数(501、...、505)和相关的第一支付转账参数(1021、...、1025)通过基于机器学习的远程信息处理电路(11)生成,并被传输到第一风险转移***(10),其中在与机动车辆(41、...、45)的转移风险暴露(51、...、55)相关联的一种所定义风险事件(61、...、63)的被触发发生的情况下,第一风险转移***(10)基于第一风险转移参数(501、......、505)和相关的第一支付转账参数(1021、...、1025)自动覆盖发生的损失(71、...、75);
其特征在于,基于机器学习的远程信息处理***(1)的第二风险转移***(12)将基于第二风险转移参数(511、...、515)的第二风险转移从一个或多个第一风险转移***(10)提供到第二风险转移***(12),其中第二风险转移***(12)的第二支付转账模块(123)接收和存储(122)第二支付参数(1221、...、1225),所述第二支付参数(1221、...、1225)用于汇集与传输到第一风险转移***(10)的风险暴露风险相关联的第一风险转移***(10)的风险;
其特征在于,第二风险转移参数(511、...、515)和相关的第二支付转账参数(1221、...、1225)借助于基于机器学习的远程信息处理电路(11)生成,并且被传输到第二风险转移***(12),其中第二保险***(12)基于第二风险转移参数(511、...、515)和相关的第二支付转账参数(1221、...、1225)而至少部分地覆盖发生的损失(71、......、75);以及
其特征在于,基于从与多个机动车辆(41、...、45)相关联的移动远程信息处理设备(401、...、405)捕获的基于使用(31)和/或基于用户(32)的远程信息处理数据(3)并且基于第一风险转移***(10)的汇集风险(5),基于机器学习的远程信息处理电路(11)动态调整和/或优化第一和第二风险转移参数(501、...、505/511、...、515)以及相关的第一和第二支付转账参数(1021、...、1025/1221、...、1225)。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2016/055869 WO2017157449A1 (en) | 2016-03-17 | 2016-03-17 | Telematics system and corresponding method thereof |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108885764A true CN108885764A (zh) | 2018-11-23 |
CN108885764B CN108885764B (zh) | 2023-03-24 |
Family
ID=55538260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680083681.XA Active CN108885764B (zh) | 2016-03-17 | 2016-03-17 | 远程信息处理***及其相应的方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10878510B2 (zh) |
EP (1) | EP3430590A1 (zh) |
JP (1) | JP6668497B2 (zh) |
CN (1) | CN108885764B (zh) |
HK (1) | HK1258225A1 (zh) |
WO (1) | WO2017157449A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114630235A (zh) * | 2022-01-26 | 2022-06-14 | 惠州华阳通用电子有限公司 | 一种通话语音采集***及其控制方法 |
Families Citing this family (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9628565B2 (en) * | 2014-07-23 | 2017-04-18 | Here Global B.V. | Highly assisted driving platform |
US11017476B1 (en) * | 2015-11-17 | 2021-05-25 | Uipco, Llc | Telematics system and method for accident detection and notification |
EP3434049A1 (en) * | 2016-03-24 | 2019-01-30 | Telefonaktiebolaget LM Ericsson (PUBL) | Paging and tracking a wireless communication device |
US20210398220A1 (en) | 2016-05-11 | 2021-12-23 | State Farm Mutual Automobile Insurance Company | Systems and methods for allocating vehicle costs between vehicle users by determining a vehicle driver |
JP6849705B2 (ja) * | 2016-06-24 | 2021-03-24 | スイス リインシュランス カンパニー リミテッド | 自動化されたリスク制御システムを含む自律的又は部分的に自律的な自動車及びそれに対応する方法 |
JP6499682B2 (ja) * | 2017-01-31 | 2019-04-10 | 本田技研工業株式会社 | 情報提供システム |
US11520460B1 (en) * | 2017-02-06 | 2022-12-06 | United Services Automobile Association (Usaa) | System on board an on-road vehicle for identifying, tagging and reporting hazardous drivers in the vicinity of a host vehicle |
US11270383B1 (en) * | 2017-05-24 | 2022-03-08 | State Farm Mutual Automobile Insurance Company | Blockchain subrogation claims with arbitration |
US20180342054A1 (en) * | 2017-05-26 | 2018-11-29 | Bsquare Corp. | System and method for constructing augmented and virtual reality interfaces from sensor input |
WO2019105714A1 (en) * | 2017-11-30 | 2019-06-06 | Robert Bosch Gmbh | Vehicle fleet management having a hiearachy of priority factors |
US11443381B2 (en) * | 2017-12-04 | 2022-09-13 | Allstate Insurance Company | Multicomputer processing of user data with centralized event control |
US20190186962A1 (en) * | 2017-12-19 | 2019-06-20 | Toyota Jidosha Kabushiki Kaisha | Quality of Service for a Vehicular Plug-and-Play Ecosystem |
US11073838B2 (en) | 2018-01-06 | 2021-07-27 | Drivent Llc | Self-driving vehicle systems and methods |
US10911807B2 (en) * | 2018-01-19 | 2021-02-02 | Microsoft Technology Licensing, Llc | Optimization of an automation setting through selective feedback |
JP7040306B2 (ja) | 2018-06-13 | 2022-03-23 | トヨタ自動車株式会社 | 運転評価装置、運転評価方法、及び、運転評価プログラムを記録した記録媒体 |
JP7040307B2 (ja) * | 2018-06-13 | 2022-03-23 | トヨタ自動車株式会社 | 運転評価装置、運転評価方法、及び、運転評価プログラムを記録した記録媒体 |
US11094148B2 (en) | 2018-06-18 | 2021-08-17 | Micron Technology, Inc. | Downloading system memory data in response to event detection |
US10479319B1 (en) | 2019-03-21 | 2019-11-19 | Drivent Llc | Self-driving vehicle systems and methods |
US10493952B1 (en) | 2019-03-21 | 2019-12-03 | Drivent Llc | Self-driving vehicle systems and methods |
US10794714B2 (en) | 2018-10-01 | 2020-10-06 | Drivent Llc | Self-driving vehicle systems and methods |
US11644833B2 (en) | 2018-10-01 | 2023-05-09 | Drivent Llc | Self-driving vehicle systems and methods |
US10832569B2 (en) | 2019-04-02 | 2020-11-10 | Drivent Llc | Vehicle detection systems |
US11221622B2 (en) | 2019-03-21 | 2022-01-11 | Drivent Llc | Self-driving vehicle systems and methods |
US10894542B2 (en) * | 2018-10-30 | 2021-01-19 | International Business Machines Corporation | Driving feedback based safety system |
US11782605B2 (en) | 2018-11-29 | 2023-10-10 | Micron Technology, Inc. | Wear leveling for non-volatile memory using data write counters |
US10730527B2 (en) * | 2018-12-05 | 2020-08-04 | International Business Machines Corporation | Implementing cognitive state recognition within a telematics system |
US11373466B2 (en) | 2019-01-31 | 2022-06-28 | Micron Technology, Inc. | Data recorders of autonomous vehicles |
US11410475B2 (en) | 2019-01-31 | 2022-08-09 | Micron Technology, Inc. | Autonomous vehicle data recorders |
US10744976B1 (en) | 2019-02-04 | 2020-08-18 | Drivent Llc | Self-driving vehicle systems and methods |
US10623239B1 (en) * | 2019-02-22 | 2020-04-14 | Ford Global Technologies, Llc | Multiple antenna telematics controller radio recovery |
US11074769B2 (en) * | 2019-03-26 | 2021-07-27 | Cambridge Mobile Telematics Inc. | Safety for vehicle users |
US11335189B2 (en) * | 2019-04-04 | 2022-05-17 | Geotab Inc. | Method for defining road networks |
US10699564B1 (en) * | 2019-04-04 | 2020-06-30 | Geotab Inc. | Method for defining intersections using machine learning |
US11341846B2 (en) * | 2019-04-04 | 2022-05-24 | Geotab Inc. | Traffic analytics system for defining road networks |
US11403938B2 (en) | 2019-04-04 | 2022-08-02 | Geotab Inc. | Method for determining traffic metrics of a road network |
US11335191B2 (en) * | 2019-04-04 | 2022-05-17 | Geotab Inc. | Intelligent telematics system for defining road networks |
US11195425B2 (en) * | 2019-08-15 | 2021-12-07 | Allstate Insurance Company | Systems and methods for delivering vehicle-specific educational content for a critical event |
US11636715B2 (en) * | 2019-12-24 | 2023-04-25 | GM Cruise Holdings LLC. | Using dynamic triggers in dangerous situations to view sensor data for autonomous vehicle passengers |
US11341525B1 (en) | 2020-01-24 | 2022-05-24 | BlueOwl, LLC | Systems and methods for telematics data marketplace |
WO2021160260A1 (en) * | 2020-02-12 | 2021-08-19 | Swiss Reinsurance Company Ltd. | Digital platform using cyber-physical twin structures providing an evolving digital representation of a risk-related real world asset for quantifying risk measurements, and method thereof |
US11790458B1 (en) | 2020-04-23 | 2023-10-17 | State Farm Mutual Automobile Insurance Company | Systems and methods for modeling telematics, positioning, and environmental data |
JP2021189770A (ja) * | 2020-05-29 | 2021-12-13 | トヨタ自動車株式会社 | 情報処理装置、情報処理システム、プログラム、及び車両 |
US20220155796A1 (en) * | 2020-11-18 | 2022-05-19 | Vinli, Inc. | Collaborative Mobility Risk Assessment Platform |
CN112455459B (zh) * | 2020-12-04 | 2021-10-01 | 安徽江淮汽车集团股份有限公司 | 触发事件的建模方法、装置、设备及存储介质 |
US11875621B2 (en) * | 2021-05-17 | 2024-01-16 | Marat Kushnir | Lock and switch controller system, lock and switch device with offline responsiveness, lock and switch controller system with flexible commands |
WO2023025962A1 (en) * | 2021-08-27 | 2023-03-02 | Swiss Reinsurance Company Ltd. | Fully integrated and embedded measuring system directed to a score-indexing parameter essentially based on directly measured connected motor vehicle sensory data and method thereof |
US20230060261A1 (en) * | 2021-09-01 | 2023-03-02 | State Farm Mutual Automobile Insurance Company | High Efficiency Isolation of Intersection and Road Crossings for Driving Analytics |
US12026729B1 (en) | 2021-10-04 | 2024-07-02 | BlueOwl, LLC | Systems and methods for match evaluation based on change in telematics inferences via a telematics marketplace |
JP2023076261A (ja) * | 2021-11-22 | 2023-06-01 | 本田技研工業株式会社 | 情報処理サーバ、情報処理方法、プログラム及び記憶媒体 |
US20230267491A1 (en) * | 2022-02-22 | 2023-08-24 | BlueOwl, LLC | Systems and methods for managing insurance |
US20230410564A1 (en) * | 2022-05-27 | 2023-12-21 | Calamp Corp. | Technologies for switching between communication modes in a telematics device |
WO2023237486A1 (en) * | 2022-06-07 | 2023-12-14 | Swiss Reinsurance Company Ltd. | Electronic vulnerability detection and measuring system and method for susceptibility or vulnerability of truck fleet to occurring accident events |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104054118A (zh) * | 2012-01-13 | 2014-09-17 | 脉冲函数F6有限公司 | 带有三维惯性传感器的远程信息处理*** |
CN105389864A (zh) * | 2015-10-16 | 2016-03-09 | 江苏南亿迪纳数字科技发展有限公司 | 一种汽车ubi信息提取的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4216050B2 (ja) * | 2002-11-22 | 2009-01-28 | 三井住友海上火災保険株式会社 | テレマティクスシステム、リスクサーバ、及びプログラム |
US8359259B2 (en) * | 2009-11-12 | 2013-01-22 | Hartford Fire Insurance Company | System and method for administering telematics based reinsurance pools |
US9846912B1 (en) * | 2013-03-13 | 2017-12-19 | Allstate Insurance Company | Risk behavior detection methods based on tracking handset movement within a moving vehicle |
JP6344901B2 (ja) * | 2013-10-31 | 2018-06-20 | 株式会社テクトム | 情報処理方法及び情報処理装置 |
WO2015160900A1 (en) * | 2014-04-15 | 2015-10-22 | Maris, Ltd | Assessing asynchronous authenticated data sources for use in driver risk management |
US10475127B1 (en) * | 2014-07-21 | 2019-11-12 | State Farm Mutual Automobile Insurance Company | Methods of providing insurance savings based upon telematics and insurance incentives |
-
2016
- 2016-03-17 JP JP2018548058A patent/JP6668497B2/ja active Active
- 2016-03-17 WO PCT/EP2016/055869 patent/WO2017157449A1/en active Application Filing
- 2016-03-17 CN CN201680083681.XA patent/CN108885764B/zh active Active
- 2016-03-17 EP EP16710243.3A patent/EP3430590A1/en not_active Ceased
-
2018
- 2018-04-02 US US15/943,202 patent/US10878510B2/en active Active
-
2019
- 2019-01-14 HK HK19100585.0A patent/HK1258225A1/zh unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104054118A (zh) * | 2012-01-13 | 2014-09-17 | 脉冲函数F6有限公司 | 带有三维惯性传感器的远程信息处理*** |
CN105389864A (zh) * | 2015-10-16 | 2016-03-09 | 江苏南亿迪纳数字科技发展有限公司 | 一种汽车ubi信息提取的方法 |
Non-Patent Citations (1)
Title |
---|
JAMIE CARTER: "Telematics: what you need to know", 《HTTPS://WWW.TECHRADAR.COM/NEWS/CAR-TECH/TELEMATICS-WHAT-YOU-NEED-TO-KNOW-1087104》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114630235A (zh) * | 2022-01-26 | 2022-06-14 | 惠州华阳通用电子有限公司 | 一种通话语音采集***及其控制方法 |
CN114630235B (zh) * | 2022-01-26 | 2023-12-15 | 惠州华阳通用电子有限公司 | 一种通话语音采集***及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
US20180300816A1 (en) | 2018-10-18 |
EP3430590A1 (en) | 2019-01-23 |
CN108885764B (zh) | 2023-03-24 |
JP2019512792A (ja) | 2019-05-16 |
US10878510B2 (en) | 2020-12-29 |
WO2017157449A1 (en) | 2017-09-21 |
JP6668497B2 (ja) | 2020-03-18 |
HK1258225A1 (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108885764A (zh) | 远程信息处理***及其相应的方法 | |
CN109690606B (zh) | 基于远程信息处理的***及其相应的方法 | |
JP6849705B2 (ja) | 自動化されたリスク制御システムを含む自律的又は部分的に自律的な自動車及びそれに対応する方法 | |
CN109844793B (zh) | 基于智能、远程信息处理的oem线路装配***及其对应方法 | |
CN109791678A (zh) | 用于基于分数的动态风险测量并聚合有远程信息处理连接搜索引擎的智能自适应汽车装置及其相应方法 | |
US11928740B1 (en) | Multivariate predictive system | |
US11030699B1 (en) | Blockchain controlled multi-carrier auction system for usage-based auto insurance | |
CN106652437A (zh) | 智能交通全面实时指挥管控*** | |
KR101139340B1 (ko) | 스마트폰의 위치기반 서비스를 이용한 대리운전 시스템 및 그의 운영방법 | |
CN111247565A (zh) | 用于移动远程信息处理装置的电子日志记录和跟踪识别***及其对应方法 | |
IL247503A (en) | Traffic information system | |
JP2002318844A (ja) | 車両管理方法 | |
JP2006506715A (ja) | インテリジェント交通システム | |
CN104054118A (zh) | 带有三维惯性传感器的远程信息处理*** | |
WO2023051322A1 (zh) | 出行管理方法、相关装置及*** | |
US11361388B1 (en) | Blockchain systems and methods for managing usage-based contracts | |
CN107045782A (zh) | 智能交通管控***差异化调配路线的实现方法 | |
US20230419394A1 (en) | Information presentation method and information processing apparatus | |
JP4914842B2 (ja) | 料金収受管理システムおよび料金収受管理方法 | |
Donath et al. | Technology enabling near-term nationwide implementation of distance based road user fees | |
James et al. | Framework for a national intelligent transport systems architecture March 2010 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1258225 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |