CN109416873B - 具有自动化风险控制***的自主或部分自主机动车辆及其相应方法 - Google Patents
具有自动化风险控制***的自主或部分自主机动车辆及其相应方法 Download PDFInfo
- Publication number
- CN109416873B CN109416873B CN201680087035.0A CN201680087035A CN109416873B CN 109416873 B CN109416873 B CN 109416873B CN 201680087035 A CN201680087035 A CN 201680087035A CN 109416873 B CN109416873 B CN 109416873B
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- transfer
- motor vehicle
- parameters
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000012954 risk control Methods 0.000 title description 2
- 238000012546 transfer Methods 0.000 claims abstract description 502
- 238000010801 machine learning Methods 0.000 claims abstract description 72
- 230000007613 environmental effect Effects 0.000 claims abstract description 21
- 230000035945 sensitivity Effects 0.000 claims abstract description 18
- 230000000272 proprioceptive effect Effects 0.000 claims abstract description 16
- 230000004913 activation Effects 0.000 claims description 48
- 238000005259 measurement Methods 0.000 claims description 44
- 230000001960 triggered effect Effects 0.000 claims description 39
- 238000012544 monitoring process Methods 0.000 claims description 35
- 230000006399 behavior Effects 0.000 claims description 27
- 230000001186 cumulative effect Effects 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 23
- 230000005540 biological transmission Effects 0.000 claims description 22
- 230000001413 cellular effect Effects 0.000 claims description 17
- 230000003993 interaction Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 claims description 11
- 230000036962 time dependent Effects 0.000 claims description 11
- 230000011664 signaling Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000010295 mobile communication Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 230000009023 proprioceptive sensation Effects 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 claims description 2
- 230000001095 motoneuron effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 29
- 230000008901 benefit Effects 0.000 description 24
- 230000008878 coupling Effects 0.000 description 12
- 238000010168 coupling process Methods 0.000 description 12
- 238000005859 coupling reaction Methods 0.000 description 12
- 239000000446 fuel Substances 0.000 description 11
- 239000003795 chemical substances by application Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000013459 approach Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 230000000737 periodic effect Effects 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 230000006978 adaptation Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000012502 risk assessment Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000009223 counseling Methods 0.000 description 2
- 238000013481 data capture Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000011112 process operation Methods 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010012186 Delayed delivery Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 102000029797 Prion Human genes 0.000 description 1
- 108091000054 Prion Proteins 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 244000107946 Spondias cytherea Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 230000004313 glare 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
- 230000036541 health Effects 0.000 description 1
- 238000009863 impact test Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- 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
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
提出了一种与多个自主或部分自主驾驶机动车辆(41,...,45)相关联的自动车***(1)及其方法。自主或部分自主机动车辆(41,...,45)包括用于感测环境参数(40111)的外感受性传感器(4011)和用于感测机动车辆(41,...,45)的操作参数的本体感受性传感器(4012)。机动车辆(41,...,45)还包括自主或部分自主驾驶控制***(461,...,465),其解释外感受性和本体感受性传感器(4011/4012)的感测数据(40111/40121)并识别适当的导航路径和/或障碍物和/或相关标志。机动车辆(41,...,45)或自动控制***(461,...,465)借助于数据链路(21)连接至中央的基于机器学习的电路(11),所述数据链路将至少基于使用的(31)和/或基于用户的(32)和/或操作的(33)自动数据(3)发送至中央的基于机器学习的电路(11),并且其中,基于使用的(31)和/或基于用户的(32)和/或操作的(33)自动数据(3)基于感测数据(40111/40121)和/或自动控制***(461,...,465)的操作参数(4611)。自动车***(1)提供基于动态生成的第一和/或第二风险转移参数(501,...,505/511,...,515)从机动车辆(41,...,45)的自动化的第一和/或第二风险转移,其中,借助于中央的基于机器学习的电路(11),第一和/或第二风险转移参数(501,...,505/511,...,515)及相关联的第一和/或第二支付转移参数(1021,...,1025/1221,...,1225)被动态地生成、适应和/或优化,其中,在触发定义风险事件(61,...,63)之一的发生的情况下,发生的损失(71,...,75)由自动车***(1)自动覆盖。
Description
技术领域
本发明涉及自主车辆驾驶,尤其涉及自主车辆驾驶***或高级驾驶辅助***(ADAS)(其在驾驶过程中技术上支持驾驶员)领域中用于自动化数据捕获、操作数据生成、风险评估和风险预测的自动化***。更具体地,本发明的***是自动的或自动工程的机动车辆,例如汽车。通常,它们包括安全的人机界面(HMI),并且增加汽车安全性并且更通常地是道路安全性。自主车辆驾驶***可以允许部分自动化或完全自动化汽车驾驶,并且自主车辆可以在很少或没有来自人的输入下操作。然而,自主车辆驾驶***和具有ADAS***的车辆在从一点到另一点驾驶时也面临风险。本发明还涉及在具有ADAS***支持的驾驶设施的这样的自主车辆驾驶***和/或车辆的背景下的风险评估,该设施具有用于机动车辆的基于远程信息处理的自动风险转移、警报和实时通知***以及远程信息处理的背景中使用的无线技术。特别地,本发明涉及基于机器学习的自动车***。术语“远程信息处理”、特别是交通远程信息处理是指用于通信、仪表和控制的***以及交通运输领域中的信息技术。更具体地,本发明涉及远程信息处理连同基于所捕获和测量的基于使用的和/或基于用户的自动数据的实时风险监测、自动风险转移和保险***的使用,尤其涉及如下***:使得对耦合的第一和第二保险***(风险转移级)进行触发、发信号和相互激活,从而为可变数量的暴露于风险的机动车辆提供自给自足的自动化风险保护。
背景技术
自动工程是相对新的技术领域,尤其对于汽车驾驶。自主汽车驾驶(也称为无人驾驶汽车、自驾汽车、机器人汽车)与能够感测其环境并在无需人工输入下行驶的车辆相关联。自动车辆能够使用雷达、激光雷达(借助于激光来测量距离的测量装置)、GPS(全球定位***)、测距仪(借助于使用运动传感器数据来测量位置随时间的变化的测量装置)和计算机视觉来检测周围环境。在自动车中,先进的控制***解释感觉信息,以识别适当的导航路径以及障碍和相关标志。自动车具有如下控制***:其能够分析感测数据以区分道路上的不同汽车,这对于规划到期望目的地的路径非常有用。自动车驾驶***的早期试验可以追溯到20世纪20年代和30年代。然而,第一辆自给自足(即真正自动)的汽车出现在20世纪80年代,其中,1984年卡内基梅隆大学的Navlab和ALV项目以及1987年梅赛德斯-奔驰和德国联邦国防军大学慕尼黑的Eureka Prometheus项目。从那时起,许多大公司和研究机构已经开发出工作原型自主车辆。最近,特斯拉汽车公司推动了具有其自主驾驶***无人驾驶汽车技术。大多数先前的***要求驾驶员将手保持在方向盘上,而特斯拉允许一段时间内手不在方向盘上。另一个即将推出的***是凯迪拉克的超级巡航***,它不需要驾驶员将手保持在方向盘上。图1给出了开发的概述。
事实上,除自动车驾驶之外,自动工程在航空航天工程和海洋工程中比在车辆工程中更常见。虽然自动工程在不同领域包括类似的技术手段,但它并不完全重叠。自动车工程包括机械、电气、电子、软件和安全工程的元件,其应用于摩托车、汽车和卡车及其各自的工程子***的设计、制造和操作。自动工程的一个重要方面与安全工程有关:安全工程是对各种碰撞场景及其对车辆乘员的撞击的评估。这些根据非常严格的管理或政府法规进行测试。这些要求中的一些包括:安全带和气囊功能测试、正面和侧面撞击测试、以及防翻滚测试。评估使用如下各种方法和工具完成:包括计算机碰撞模拟(通常是有限元分析)、碰撞测试假人、以及部分***雪橇(sled)和整车碰撞。自动工程的其他重要方面涉及例如(i)燃油经济性/排放优化***,(ii)车辆动力学优化(车辆动力学是车辆对属性例如驾驶、操纵、转向、制动、舒适和牵引力的响应),(iii)来自车辆的NVH(噪声、振动和不平顺)工程(即客户的反馈***,触觉(感到)和听觉(听到)二者),(iv)车辆电子工程,特别是自动电子工程,***负责操作控制例如油门、制动和转向控制;以及舒适和便利***,如HVAC(加热、通风和空调)***、信息娱乐***和照明***。具有现代安全和燃油经济性要求的自动***在没有电子控制的情况下不可行,(v)性能控制***(例如汽车加速的速度能够多块(例如,站立启动100米经过的时间,0km/h至100km/h等)、最高速度、车辆多短多快能够从设定速度(例如50km/h至0km/h)完全停止、车辆能够生成多少重力(g-force)而不会失去抓地力、记录的单圈时间、转弯速度、制动失效、或恶劣天气(雪、冰、雨)中的控制量),(vi)换挡质量***(动力传动***、悬架、发动机和动力传动系安装等),(vii)耐久性和腐蚀工程,包括里程积累下的控制、严苛驾驶条件和腐蚀性盐浴等,(viii)包装/人体工程学工程,如乘员接近方向盘、踏板和其他驾驶员/乘客控制装置,(ix)气候控制,如挡风玻璃除霜或加热和冷却能力,(x)驾驶性能工程,例如车辆对一般驾驶条件的响应,例如冷启动和失速、RPM(每分钟转数)下降、空转响应、发动犹豫和失误、以及性能水平等,(xi)质量控制工程,例如,使与汽车电气和电子***等产品故障和责任索赔相关的风险最小化的***。最后,自主车辆驾驶的重要方面通常涉及现代远程信息处理装置和***。在电子、电信和保险行业,该技术正在采用类似且一致的技术策略来提高与移动***和装置以及这些***的客户或用户交互的有效性,这些***现在越来越多地成为纯技术组件。此外,社交网络、远程信息处理、面向服务的体系结构(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,远程信息处理领域仍然更大,因为它引入了使技术输入要求与动态风险转移、技术和移动性的问题规范匹配的全新的可能性。SOA和远程信息处理正成为管理集成已知技术和新应用的复杂性的关键。
如上所述,其***负责车辆的操作控制例如油门、制动控制、转向控制和照明***的自主车辆电子工程是自动车驾驶的关键技术之一。具有现代转向、安全和燃油经济性要求的自动***在没有适当的电子控制的情况下不可行。通常,远程信息处理装置的使用构成自主车辆电子工程的中心部分。在自主车驾驶的背景下,远程信息处理包括电信、车辆技术、道路运输、道路安全、电气工程(传感器、仪表、无线通信等)和信息技术(多媒体、互联网等)。因此,远程信息处理技术领域也受到如下广泛技术的影响:如经由电信设备发送、接收和存储信息同时影响对远程对象的控制、用于车辆中的应用的电信和信息学的综合使用以及例如移动车辆的控制的技术,与自动导航***中的计算机和移动通信技术相结合的GNSS(全球导航卫星***)技术。这种技术与公路车辆一起使用也称为车辆远程信息处理。特别是,远程信息处理通过允许新的捕获和监测实时数据的方式来触发移动通信、车辆监测***和定位技术的集成。例如由Progressive公司所谓的快照技术提供的基于使用的风险转移***将风险转移补偿或保费与由车内远程信息处理装置收集的监测到的驾驶行为和使用信息联系起来。关于自动车***,远程信息处理通常还包括主要在移动单元例如汽车或其他车辆中安装或嵌入电信设备,以发送例如可以由第三方***如自动风险监测和风险转移***使用的实时驾驶数据,从而提供所需的输入例如以测量车辆所接触的质量和风险。市场上有各种远程信息处理仪器,例如车辆跟踪和全球定位卫星***(GPS)技术或电信设备,其允许从几乎任何地方连接。具体地,可以通过将自主车驾驶***的远程信息处理装置与其他实时测量***互连来想象动态监测和适应的风险转移。在涉及车祸后,可以自动激活紧急情况和道路服务,评估车辆损坏,并联系最近的维修店。总之,风险转移***和保险范围的传统可操作性可以转变为实时导航和监测,其包括礼宾服务、安全驾驶技巧、后座儿童的视频点播需求、车内或在线反馈以及实时车辆诊断的自动激活。
除实时监督之外,还要提到的是,保险代理人可能出于多种不同的原因想要与和保险人相关联的客户交换信息。然而,客户与保险人和/或保险人与再保险人之间的信息交换大多仍然是麻烦且耗时的,因此,由这样的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险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人请求保费报价。在某些情况下,保险人将简单地用保费报价回复保险代理人。但是,在其他情况下,与保险人相关联的承保人会要求保险代理人提供额外信息,以便可以生成适当的保费报价。例如,承保人可以要求保险代理人指示主要使用机动车辆的频率、地点和时间、或其他数据,如机动车辆的使用年限和契约使用(运输等)。只有在确定这些附加信息之后,保险人才能进行适当的风险分析,以处理适合的承保决定和/或保费定价。
利用集成远程信息处理的自主车驾驶可以特别是在借助于集中式专家***进行监测和操纵中、例如在用于由这样的自动化专家***提供的更准确和有利可图的定价模型的风险转移技术中提供新的技术领域。这将特别是对于实时和/或基于使用和/或动态操作的***创造巨大的优势。这样的自主车驾驶***的优点不仅限于风险转移,而且还例如在减少燃料消耗和提高安全性等的车队的管理中具有优势。其他领域也可以受益于这样的自主车驾驶***,如州政府和地方政府需要努力改善燃料消耗、排放和公路安全。例如,一些州最近发布了动态按里程付费(PAYD)规则,其在另一方面使得保险人能够基于实际驾驶里程数对估计驾驶里程数提供驾驶员保险费率。减少开车是一种经济激励。
现有技术的US2015/0187019A1公开了一种自动***,其基于包括关于与车辆相关联的涉及车辆的使用和自动功能的可能的可用自动特征和接收的远程信息处理数据的信息的驾驶员的评估的传记信息生成风险转移定价参数。基于所述信息和所接收的远程信息处理数据,车辆的离散使用段被自动分配给驾驶员,其中,驾驶员的风险与每个离散分段相关联,从而为特定驾驶员的风险提供适当的风险评估。基于确定的驾驶员风险和传记信息,风险转移的定价借助于***自动生成并被传送至用户装置。将驾驶员使用车辆的签名分配给风险分段是基于预定风险分段和从历史数据生成的分配风险来静态地执行的。WO2015/144241A1描述了一种用于事件触发的多层风险转移***的***,该风险转移***通过为相关联的风险转移元件提供自给自足的风险保护来切换两个耦合的风险转移***。提供了一种数据结构,其用于借助于分段表存储多个可变和动态自适应风险转移分段,该分段表基于该结构给出可适应的风险转移函数。支付参数被自动分配给分段表的每个可变风险转移分段。当借助于测量装置的数据流路径中的事件驱动触发器检测到风险事件的发生时,在分段表内确定相应的可变风险分段,并且基于相应的风险转移函数生成激活信号。借助于所生成的激活信号来触发第一和第二风险转移层的互补激活,并且基于所转移的激活信号来提供对风险敞口部件的风险保护。最后,现有技术的US2015/0170287A1示出了另一种基于远程信息处理的***。该***通过从车辆的发送车辆的多个自动车辆变量的诊断装置接收数据来评估车辆的自动化等级。基于所接收的变量,***确定自动车辆变量的得分。基于车辆的自动化等级,确定车辆的风险测量并且为车辆自动生成适当平衡的风险转移定价参数。在***中,每个自动化等级静态且预定地与特定等级的将风险降低为自动化等级的连续函数的风险修改器相关联。最后,现有技术的US2013/304513A1公开了一种自动***,其基于自动驾驶模式选择***的能力、配置和/或操作状态来生成用于车辆自动驾驶模式选择***的基于使用的风险转移。可以响应于自动驾驶模式选择***的改变来调整自动风险转移。车辆自动驾驶模式选择***的操作特性被车载监控和存储。在维修事件、重新配置事件期间,在车辆维护期间或根据请求进行操作状态数据的传输。可以动态地、即响应于车辆自动驾驶模式选择***的记录特性的变化调整风险转移的属性。因此,风险转移可以基于使用进行。
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自动车***和方法,特别是借助于自主或部分自主驾驶机动车辆上的分布式数据传输装置基于自动数据的实时捕获的基于专家***和/或基于机器学***(保险)和/或动态浮动的第二级可恢复(再保险)处的可动态适应的赔付率结构将现有技术扩展到动态触发和调整的多级风险转移***,从而强化了开发允许自给自足的实时反应操作的自动化***的重要性;更具体地,目的是在提供***的可测量的优化的两个耦合的风险转移***之间提供自动触发机制和适当的装置。本发明的另一个目的寻求提供一种对可动态适应的复杂风险转移结构和触发操作进行技术上捕获、处理和自动化的方法,该结构和操作与使最佳共享风险和转移操作自动化有关。本发明的另一个目的寻求基于适当的技术多层触发结构方法借助于侵入、协调地使用不同级之间的远程信息处理的自动数据来动态地同步和调整这些操作以改变环境或操作条件。与标准实践相比,不同风险转移级的资源共担***应当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/操作的期望的基于技术的重复精度。最后,本发明的目的之一解决了如下技术问题:耦合两个自动化风险转移***,其目的是共担相关联部件的风险敞口并寻求更好和更有效的技术实现,从而能够通过共享用于为必需的资源共担(例如共担保费)生成最小化的条件的专家和开发装置来共享和最小化所需的自动化资源并提供统一的、优化的多级风险转移方法。沿着自动化保险自动价值链,存在许多提供个体的元件的技术,然而,本发明的一个目的是提供一种整体技术解决方案,其涵盖从装置安装到自动化和准确的风险测量、分析和管理的整个范围。最后,本发明的另外的目的是:提供一种基于实时评分和测量结果的动态的基于专家***或基于机器学习的智能评分***,并且进一步提供基于评分算法和数据处理的技术可扩展解决方案,从而使得信令能够适应其他自动化风险转移领域。作为整体解决方案,该***应当能够覆盖从收集传感器数据、ADAS数据(高级驾驶辅助***或主动安全)和/或AV数据到对自动化风险转移解决方案/承保范围和增值服务(例如,汽车共享解决方案、车队管理、警报、交叉销售、咨询)的准确、可重复和自适应风险预测、分类和/或分析的整个范围。在现有技术中缺少这种自主可操作***。该***应当能够提供与部分或全自动化车辆相关或取决于部分或全自动化车辆的自动化马达或产品责任风险转移***。具体地,车辆在多大程度上自动化以及/或者自动化特征在多大程度上激活(例如,根据预定定义和分类的自动化等级(例如由NHTSA(美国国家公路交通安全管理局)按照等级1至等级4给出的监管要求))。最后,该***应当能够提供自动化风险转移结构,以用于分散对风险敞口的自主或部分自主驾驶机动车辆的承保范围,例如汽车和/或技术制造商的产品责任、驾驶员责任险,这是在现有技术***下不可行的。
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得到其他有利实施方式。
根据本发明,实现了上述关于动态触发的多级风险转移***特别是基于专家***的自动车***的目的,该风险转移***基于用于多个自主或部分自主驾驶机动车辆的自动转向自动车或机动车辆***,具体地,其中,借助于本发明,自动车***与多个自主或部分自主驾驶机动车辆相关联,自主或部分自主驾驶机动车辆包括用于感测环境参数的外感受性传感器或测量装置以及用于感测机动车辆的操作参数的本体感受性传感器或测量装置,环境参数至少包括到对象的距离和/或环境光的强度和/或声音振幅,机动车辆的操作参数至少包括机动车辆的马达速度和/或车轮负载和/或航向和/或电池状态,自主或部分自主驾驶机动车辆包括自动控制***,其通过解释外感受性和本体感受性传感器或测量装置的感测数据来识别适当的导航路径和/或障碍物和/或相关标志以用于机动车辆的自主或部分自主驾驶,以及自主或部分自主驾驶机动车辆包括远程信息处理装置,其具有自动控制***与外部***之间的一个或更多个无线连接或有线连接,并且具有用于与车辆的数据传输总线中的至少一个连接的多个接口以及/或者用于与外感受性和本体感受性传感器和/或测量装置连接的多个接口,其中,自主或部分自主驾驶机动车辆或自动控制***借助于移动远程信息处理装置连接至中央的基于专家***的电路,其中,单向或双向数据链路借助于中央的基于专家***的电路与自主或部分自主驾驶机动车辆之间的无线连接来设置,单向或双向数据链路将至少基于使用的和/或基于用户的和/或操作的自动数据经由移动远程信息处理装置发送至中央的基于专家***的电路,并且其中,基于使用的和/或基于用户的和/或操作的自动数据基于外感受性和本体感受性传感器或测量装置的感测数据以及/或者自动控制***的操作参数,其中,自动车***包括一个或更多个第一风险转移***,以提供基于第一风险转移参数从机动车辆中的至少一些机动车辆到第一风险转移***的第一风险转移,其中,第一风险转移***包括多个支付转移模块,其被配置成接收和存储与所述自主或部分自主驾驶机动车辆的风险敞口的风险转移相关联的第一支付参数用于共担其风险,其中,借助于自动车***的中央的基于专家***的电路,处理从自主或部分自主驾驶机动车辆捕获的与风险相关的自动数据,其中,第一风险转移参数及相关联的第一支付转移参数借助于中央的基于专家***的电路生成并被发送至第一风险转移***,并且其中,在触发与机动车辆的转移的风险敞口相关联的定义风险事件之一的发生的情况下,发生的损失由第一风险转移***基于第一风险转移参数及相关联的第一支付转移参数自动覆盖,其中,自动车***包括第二风险转移***,以提供基于第二风险转移参数从第一风险转移***中的一个或更多个到第二风险转移***的第二风险转移,其中,第二风险转移***包括第二支付转移模块,其被配置成接收和存储第二支付参数用于第一风险转移***的与转移至第一风险转移***的风险敞口相关联的风险的共担,其中,第二风险转移参数及相关联的第二支付转移参数借助于中央的基于专家***的电路生成并被发送至第二风险转移***,其中,发生的损失基于第二风险转移参数及相关联的第二支付转移参数由第二保险***至少部分地覆盖,并且其中,第一和第二风险转移参数及相关联的第一和第二支付转移参数借助于中央的基于专家***的电路基于从多个自主或部分自主驾驶机动车辆捕获的基于使用的和/或基于用户的和/或操作的自动数据并基于第一风险转移***的经共担的风险来动态地适应和/或优化。例如,与机动车辆的转移的风险敞口相关联的定义风险事件可以至少包括与针对损害和/或损失和/或交付延迟的责任风险转移相关的转移的风险敞口,其中,发生的损失由第一风险转移***基于第一风险转移参数及相关联的第一支付转移参数自动覆盖(如果此时***未拒绝所请求的风险转移)。例如,外感受性传感器或测量装置可以至少包括:用于监测机动车辆的周围环境的雷达装置;和/或用于监测机动车辆的周围环境的激光雷达装置;和/或用于测量机动车辆的定位参数的全球定位***或车辆跟踪装置;和/或用于补充和改进由全球定位***或车辆跟踪装置测量的定位参数的计程(odometrical)装置;和/或用于监测机动车辆的周围环境的计算机视觉装置或视频摄像机;和/或用于测量靠近机动车的对象的位置的超声波传感器。为了提供无线连接,远程信息处理装置可以例如借助于远程信息处理装置的天线连接充当相应数据传输网络内的无线节点,特别是移动电信网络例如3G、4G、5G、LTE(长期演进)网络或移动WiMAX或其他基于GSM/EDGE和UMTS/HSPA的网络技术等,并且更具体地用适当的识别设备如SIM(用户识别模块)等。用于自主或部分自主驾驶机动车辆驾驶的机动车辆的自动控制***可以例如连接至车载诊断***和/或车内交互装置和/或监测蜂窝移动节点应用,其中,自动控制***捕获机动车辆/或用户的基于使用的和/或基于用户的自动数据。远程信息处理装置可以例如借助无线电数据***(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/或语言单元提供一个或更多个无线连接,语言单元与无线电数据***或定位***或蜂窝电话模块通信。卫星接收模块可以例如包括全球定位***(GPS)电路,以及/或者数字无线电服务模块至少包括全球移动通信***(GSM)单元,用于与机动车辆的数据传输总线中的至少一个连接的多个接口可以例如至少包括用于与机动车辆的控制器区域网络(CAN)总线连接的接口,控制器区域网络总线例如与车载诊断(OBD)端口或者例如用于电池安装装置或OEM(原始设备制造商)安装的***的其他连接相连接,OEM安装的***获得对提供必要的车辆传感器信息的车载传感器或娱乐***(例如AppleCarplay等)的信息访问。基于专家***或基于机器学习的自主控制电路可以进一步包括累积模块,其基于所捕获的与风险相关的自动数据为一个或更多个共担暴露于风险的机动车辆提供风险敞口,其中,第一和第二风险转移参数及相关联的第一和第二支付转移参数基于共担的自主或部分自主驾驶机动车辆的预定风险事件的发生的可能性被动态地生成。此外,发生和触发的损失可以借助于测量到的风险事件的发生的捕获的损失参数在预定时间段内对于所有风险敞口的自主或部分自主驾驶机动车辆通过递增相关联的存储的累积损失参数来自动地累积,并且在预定时间段内对于所有风险敞口的车辆通过递增相关联的存储的累积支付参数来自动地累积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及相关联的第一和第二支付转移参数基于累积损失参数与累积支付参数的比率动态地生成。第一和第二风险转移***可以例如借助于基于专家***的自动车***完全地自动化地操纵、触发、发信号和相互激活,其中,操纵、触发、发信号和激活基于动态可适应的第一和第二风险转移参数及相关联的第一和第二支付转移参数,从而借助于耦合的第一和第二保险***为与移动远程信息处理装置相关联的可变数量的机动车辆提供自给自足的风险保护。在第一和第二风险转移级的背景中,第一风险转移***可以例如包括自动化第一资源共担***,并且第二风险转移***包括自动化第二资源共担***,其中,风险敞口的自主或部分自主驾驶机动车辆借助于多个支付转移模块连接至第一资源共担***,多个支付转移模块被配置成接收和存储来自暴露于风险的机动车辆的第一支付以用于其风险敞口的共担,其中,第一风险转移***基于接收和存储的第一支付参数为所连接的暴露于风险的机动车辆中的每一个提供自动化风险保护,其中,第一风险转移***借助于第二支付转移模块连接至第二资源共担***,第二支付转移模块被配置成接收和存储来自第一保险***的第二支付参数,用于采用由第一风险转移***积累的风险敞口的一部分,并且其中,在定义风险事件之一发生的情况下,发生的损失由基于专家***的自动车***自动覆盖。本***的优点之一是提供如下技术解决方案:耦合两个具有更好和更有效的技术实现的自动化风险转移***,从而能够通过共享用于为必需的资源共担(例如共担保费)生成最小化条件的专家和开发设备来共享和最小化所需的自动资源并提供统一的、优化的多级风险转移方法。本发明提供了一种整体技术解决方案,其涵盖从收集传感器和ADAS(高级驾驶辅助***或主动安全)和AV(自动车辆)数据到对自动风险转移***/承保范围和增值服务(例如,汽车共享解决方案、车队管理、警报、交叉销售、咨询)的准确风险分析的风险转移结构的整个范围,这是在现有技术***下不可行的。本发明提供了一种用于各种风险转移方案的自动风险转移***,例如,与部分或全自动车辆相关或取决于部分或全自动车辆的马达或产品责任(再)保险***和/或风险转移***。尤其是车辆在多大程度上自动化以及/或者自动化特征在多大程度上被激活(例如,例如根据例如由NHTSA(美国国家公路交通安全管理局)按照等级1至等级4给出的预定定义和分类的自动化等级)。此外,本发明提供了一种整体统一的自动化技术方法,关于对所有不同的风险转移结构中的自主或部分自主驾驶机动车辆的承保范围,例如,汽车和/或技术制造商的产品责任、驾驶员责任险。此外,本发明还提供了一种整体技术解决方案,其涵盖从自动控制电路和/或远程信息处理装置和/或应用安装到自动化和准确的风险测量、分析和管理的整个范围。最后,它能够基于实时评分和测量结果提供基于动态的基于专家***或基于机器学习的评分***,并且进一步提供基于评分算法和数据处理的技术可扩展解决方案,从而使得信令能够适应其他自动化风险转移领域。具有通过背景数据增强的基于专家***的***的本发明能够为实时适应的多级风险转移***提供最佳和最高优化的技术解决方案。它使得能够捕获和控制驾驶员得分行为,并比较其在技术操作和背景中的行为。它使得能够根据位置或行程来自动捕获风险得分,并自动分析和响应与增值服务(例如事故通知和/或对驾驶员的反馈和/或自动车队风险报告和/或自动化和动态优化的承保等)的需求相关的数据。作为实施方式变型,得分驾驶模块可以例如根据从与自主或部分自主驾驶机动车辆和/或控制***或主动安全特征的使用相关联的自动数据中提取的测量的维护(例如,所有者的维护故障)监视因子来自动捕获得分风险。***的基于远程信息处理的反馈设备可以例如包括经由数据链路到自主或部分自主驾驶机动车辆的自动控制电路的动态警报馈送,其中,基于专家***或基于机器学习的中央电路立即向装置警报驱动器警告包括如下的多种性能测量结果:例如,高RPM,即作为机动车辆发动机的马达旋转频率的测量结果的每分钟高转数、不稳定的驱动、不必要的发动机功率、苛刻的加速度、道路预期和/或ECO驱动。自动车***动态地和实时地(即它们一发生就)提供与自主或部分自主驾驶机动车辆的风险模式(例如,位置、速度等)相关的风险适应和改进的机会。在部分自动的情况下,通过警告训练辅助设备向驾驶员提供即时反馈并使信息直接发送至移动远程信息处理装置,确保双管齐下的方法来纠正有风险的(并且通常昂贵的)驾驶习惯。因此,自动车***不仅使得能够相互优化第一和第二风险转移***的操作参数,而且还优化风险敞口的自主或部分自主驾驶机动车辆的等级上的风险和/或风险行为。没有现有技术***允许这种整体的实时优化。作为另一种增值服务,自动车***可以例如动态地生成选定机动车辆的车队风险报告。由自动车***自动生成的这种车队报告提供了一种共享和比较车辆统计数据的新方法。所提出的具有例如预支付汽车使能风险转移((再)保险)设备的发明将激励承保人(第一级风险转移***)向第二级风险转移***提供其自动数据和索赔历史,以便不断改进其评分服务,这转而有益于承保人帮助降低成本和综合赔付率。总之,本发明的优点尤其在于,该***能够测量和区分全自主驾驶模式和各种等级的手动和部分手动驾驶模式(ADAS)。该***来测量选择哪种模式并适当调整风险转移参数和保费(例如,如果汽车由人手动驾驶,然而取决于测量的背景数据,则风险较高)。可以假设,在半自动或全自主驾驶汽车数量增加的世界中,传统汽车的保费将会上升。这可以借助于基于专家***的本发明通过动态生成适当的风险转移和支付转移参数来捕获,这是已知的现有技术***不可行的。***动态地考虑使用的和/或激活的ADAS/AV特征以及其性能准确性和操作质量,以生成可变和时间相关的风险转移参数和保费(例如汽车类型、模型的安全功能)和ADAS***(例如,高速公路驾驶员、停车辅助***、前方碰撞警告、驾驶员监视、车道偏离警告)。本***还考虑其背景关系中例如不同的天气条件下的ADAS特征。然而,对于部分自主驾驶汽车(ADAS),***通过捕获和发送基于用户的数据也自动考虑基于不同驾驶员的不同用户交互。因此,***可以自动适应其操作参数并且例如在租赁方案或借用方案中使用。此外,本***能够自动区分和适应其操作参数(例如风险转移参数),操作参数与具有ADAS/AV风险参数的MTPL(电机第三方责任)和/或MOD(电机自身损坏)险、和/或制造商(技术(用于软件/硬件)和汽车制造商)的产品责任、和/或所有者的维护失败、和/或无人驾驶出租车风险转移方案、和/或汽车租赁风险转移方案、和/或交通网络公司风险转移方案(如Uber(UberX、UberBlack、UberPop或UberTaxi))和/或私人汽车共享风险转移方案相关。
在一个替选实施方式中,中央的基于专家***的电路包括具有存储的分类触发参数的表,该存储的分类触发参数由控制***施加用于触发自主或部分自主(ADAS)驱动机动车辆的预定自动化等级,其中,第一和第二风险转移参数及相关联的第一和/或第二支付转移参数借助于中央的基于专家***的电路基于自主或部分自主驾驶机动车辆在使用期间的触发分类并基于从多个自主或部分自主驾驶机动车辆捕获的基于使用的和/或基于用户的和/或操作的自动数据来动态地适应和/或积累。该实施方式尤其具有以下优点:其使得能够为关于与风险敞口的自主或部分自主驾驶机动车辆相关联的风险的自动风险转移提供新的和统一的方法,考虑动态测量的基于使用的参数,允许风险敞口的车辆的等级中以及第一和/或第二风险转移***的风险敞口的操作共担等级上的新的优化。
在一个替选实施方式中,中央的基于专家***的电路包括驾驶得分模块,其基于定义的得分驾驶行为模式通过将捕获的自动数据与所定义的得分驾驶行为模式进行比较来触发并自动选择得分驾驶参数。得分驾驶模块可以进一步例如基于与机动车辆相关联的移动远程信息处理装置的所捕获的自动数据,根据测量的机动车辆的位置或行程来自动捕获得分风险。该替选实施方式尤其具有以下优点:它使得能够提供实时适应的多级风险转移***。此外,它使得能够捕获和/或控制得分驾驶行为(也在所使用的自主或部分自主驾驶的位置、时间、道路等的意义上),并且比较其在技术操作和背景中的行为。它使得能够根据位置或行程自动捕获得分风险,并自动分析和响应与附加服务例如事故通知的需要相关的数据)。
在一个替选实施方式中,中央的基于专家***的电路包括附加触发器,其基于与机动车辆相关联的用于自主或部分自主驾驶机动车辆的自动控制电路的所捕获的自动数据来触发事故通知和/或其他附加服务。该替选实施方式尤其具有以下优点:该***能够基于另外生成的信令向客户提供额外的益处。
在另一替选实施方式中,切换装置包括用于捕获从第一保险***到第二支付转移模块的支付转移的捕获设备,其中,***的第二层触发结构能够通过触发与预定激活阈值参数匹配的支付转移来激活。在另一个实施方式变型中,在触发与定义风险事件的发生相关联的损失的发生的情况下,发生的损失的预定定义部分由第二保险***基于第二风险转移参数及相关联的第二支付转移参数覆盖。因此,本发明可以通过成比例或不成比例的风险转移实现为第一与第二风险转移***之间的耦合机制,其中,在成比例风险转移耦合下,第二风险转移***借助于切换装置通过分别转移至第一风险转移***的每个风险或转移至风险转移***的每个损失的固定百分比份额被激活。因此,第二风险转移***借助于第二支付参数接收来自第一风险转移***的该固定支付转移。在不成比例风险转移耦合下,在触发与定义风险事件的发生相关联的定义激活阈值参数的超过的情况下,发生的损失由第二保险***基于第二风险转移参数及相关联的第二支付转移参数至少部分地覆盖。激活阈值可以与发生的每个单个损失相关联,或者取决于借助于累积损失参数测量的积累损失。因此,不成比例耦合可以在损失超额或止损风险转移结构中实现,其中,损失超额结构可以例如基于按风险XL(工作XL)、按发生/按事件XL(激变或Cat XL)或累积XL结构。作为更具体的替选实施方式,借助于资源共担***的监测模块来请求经由多个支付接收模块从风险敞口部件到资源共担***的定期支付转移,其中,当经由监测模块不再能够检测到定期转移时,用于风险敞口部件的风险转移或保护被监测模块中断。作为替选方案,当在风险敞口部件的数据流路径中触发关于风险事件的指示的发生时,监测模块可以自动中断或免除定期支付转移请求。这些替选实施方式尤其具有以下优点:***允许监测操作的进一步自动化尤其是关于共担资源的操作。
在另一替选实施方式中,在借助于风险事件触发器在自动控制电路的数据流路径中触发关于风险事件的指示的发生的情况下,激活第一和/或第二资源共担***的独立验证风险事件触发器,并且其中,独立验证风险事件触发器在具有来自例如替选的远程信息处理装置的主要数据流路径的独立测量参数的替选数据流路径中关于风险事件的指示的发生的情况下另外发出触发,以验证风险敞口的自动机动车辆处的风险事件的发生。在该替选方案中,如果风险敞口部件处的风险事件的发生通过独立验证风险事件触发器被验证,则仅将支付转移分配给相应的暴露于风险的机动车辆。这些替选实施方式尤其具有可以因此改善***的操作稳定性和财务稳定性的优点。此外,该***不易受欺诈和伪造的影响。
通常,该***可以例如包括捕获设备,其捕获分配给两个风险转移***之一的例如还从第一保险***到第二支付转移模块的支付转移,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***的风险敞口被转移至第二保险***。该替选实施方式尤其具有以下优点:另外可以区别地激活第二保险***,允许从第一资源共担***到第二资源共担***的受控和离散的风险转移和风险覆盖。
在另一替选实施方式中,第一保险***包括接口模块,其用于在将支付参数从第一资源共担***转移至第二资源共担***之前访问和适应所分配的操作参数。该替选实施方式尤其具有以下优点: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/或另外优化。
在又一替选实施方式中,中央的基于专家***或机器学习的汽车电路包括如下设备,其用于处理与风险相关的自主或部分自主驾驶机动车辆数据,并且用于特别是基于与风险相关的自主或部分自主驾驶机动车辆数据来提供关于一个或多个暴露于共担的风险的自主或部分自主驾驶机动车辆的所述风险敞口的可能性的数据,并且其中,来自风险敞口机动车辆的用于共担其风险的支付的接收和预处理存储可以基于暴露于共担的风险的自主或部分自主驾驶机动车辆的总风险和/或风险敞口的可能性被动态地确定。该替选实施方式尤其具有以下优点:可以动态地调整第一和/或第二资源共担***的操作以改变与共担风险相关的条件,例如共担的机动车辆的环境条件或风险分布等的变化。另一个优点是,因为风险敞口的自主或部分自主驾驶机动车辆的支付的大小与总的共担风险直接相关,所以当***在不同的环境、地点或国家中运行时,***不需要任何手动调整。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,它还可以自动为在低风险区域驾驶的自动化机动车辆提供优惠券,或者根本没有任何变化,但***使用自动数据来自动化地决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适应的和/或特别选择的增值服务,例如,事故通知和/或对自主或部分自主驾驶机动车辆或驾驶员的反馈和/或自动化车队风险报告和/或自动化和动态优化的承保等。因此,本发明允许适应第一风险转移等级或***的风险以及被保险机动车辆和/或第二风险转移等级或***(例如,通过基于风险的驾驶员实时反馈)的等级风险。没有现有技术***允许这种优化和/或适应。反馈可以例如通过将自主或部分自主驾驶机动车辆的轮廓和模式与在相同位置和/或可比较条件下的其他自主或部分自主驾驶机动车辆轮廓或模式进行比较来生成。
在一个替选实施方式中,该***包括如下装置,其用于处理与风险相关的部件数据并且用于特别是基于与风险相关的机动车辆数据来提供关于一个或多个共担风险敞口的自主或部分自主驾驶机动车辆的所述风险敞口的可能性的信息,并且其中,从第一资源共担***到第二资源共担***的用于转移其风险的支付的接收和预处理存储可以基于总风险和/或经共担的风险敞口部件的风险敞口的可能性被动态地确定。该替选实施方式尤其具有以下优点:可以动态地调整第一和/或第二资源共担***的操作以改变共担风险的条件,例如共担的风险部件的环境条件或风险分布等的变化。另一个优点是如下事实:因为风险敞口部件的支付大小与总的共担风险直接相关,所以当***在不同的环境、地点或国家中运行时,***不需要任何手动调整。
在一个替选实施方式中,共担的机动车辆的数量经由第一风险转移***被动态地调整到如下范围:在该范围内,风险转移***覆盖的非协变的发生风险在任意给定时间仅影响总的共担风险敞口部件的相对小的比例。类似地,第二风险转移***可以例如将从第一风险转移***转移的共担风险份额的数量动态地调整到如下范围:在该范围内,由第二风险转移***覆盖的非协变的发生风险在任意给定时间仅影响来自第一风险转移***的总的共担风险转移的相对小的比例。该变体尤其具有可以改善***的操作和财务稳定性的优点。
在一个替选实施方式中,风险事件触发器基于一个或多个预定风险事件的时间相关的发生率数据借助于操作模块被动态地调整。该替选实施方式尤其具有以下优点:例如通过改进的预测***来捕获风险事件或避免这种事件的发生的改进等可以通过***被动态地捕获,并且基于经共担的风险敞口部件的总风险来动态地影响***的整体操作。
在另一替选实施方式中,在每次借助于至少一个风险事件触发器触发测量指示预定风险事件的参数的发生时,利用该触发来分配总参数化支付,并且其中,总分配支付能够在触发发生时转移。预定总支付可以例如被调平到任何适当的定义总和,例如预定值,或与总转移风险和暴露于风险的机动车辆的定期支付额相关的任何其他总和。该替选方案尤其具有以下优点:参数化支付或预定额的支付可以依赖于固定额。此外,参数化支付可以允许调整的总和的支付,其可以例如取决于由***触发的风险事件发生的阶段。
除如上所述的***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***的一个或更多个处理器使得控制***执行所提出的方法的计算机程序代码装置;以及其尤其涉及一种计算机程序产品,其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
将参照附图通过示例更详细地解释本发明,在附图中:
图1示出了示意性地说明了4个自动化等级和对风险转移、索赔和责任的影响(负责联邦机动车辆安全标准的监管要求的美国政府交通部的源NHTSA(国家公路交通安全管理局))的框图。自动车***1的中央的基于专家***的电路11可以例如包括如图1所示的表,其包括用于触发机动车辆41,...,45的由控制***461,...,465施加的自主或部分自主驾驶机动车辆41,...,45的预定自动化等级的分类触发参数。第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和/或第二支付转移参数1021,...,1025/1221,...,1225借助于中央的基于专家***的电路11基于自主或部分自主驾驶机动车辆41,...,45在使用期间的触发分类并基于从多个自主或部分自主驾驶机动车辆41...,45捕获的基于使用的31和/或基于用户的32和/或操作的33自动数据3来动态地适应和/或积累。
图2示意性地示出了借助于机动车辆41,...,45的外感受性传感器或测量装置4011对至少包括到对象的距离和/或环境光的强度和/或声音振幅的环境参数40111的示例性感测,即,在来自谷歌的机器人的丰田普锐斯车队的一个示例(spectrum.ieee.org)上,用于机动车辆41,...,45的自主或部分自主驾驶的车载自动控制***9是如何解释外感受性传感器或测量装置4011和本体感受性传感器或测量装置4012的感测数据40111/40121的。这种汽车能够在仅偶尔人为干预下完全自主车驾驶或者至少在城市交通、繁忙的高速公路和山区道路上驾驶。
图3示意性地示出了示例性自主驾驶机动车辆41,...,45,其具有示例性车载传感器和测量装置401,...,405,即捕获感测数据40111/40121的外感受性传感器或测量装置4011、本体感受性传感器或测量装置4012,以及移动远程信息处理装置411,...,415。与外感受性传感器或测量装置4011相关,附图标记40112表示全球定位***GPS(结合来自提供准确定位的转速计、高度计和陀螺仪的测量数据),附图标记40113表示超声波传感器(测量非常靠近机动车辆41,...,45的对象的位置),附图标记40114表示里程计传感器(补充和改进GPS信息),附图标记40115表示激光雷达(光检测和测距)测量装置(监测车辆的周围环境,例如道路、车辆、行人等),附图标记40116表示视频摄像机(监视车辆的周围环境,例如道路、车辆、行人等,并阅读交通信号灯),并且附图标记40117表示雷达传感器(监视车辆的周围环境,例如道路、车辆、行人等)。
图4示出了示意性地示出由本发明的自动***1提供的示例性的基于自动的动态触发的多级风险转移***的框图,自动***1具有实时捕获测量参数并动态地适应其操作参数的多个相关联的自主或部分自主驾驶机动车辆41,...,45。具体地,其示出了基于专家***或基于机器学习的自动车***1。自主或部分自主驾驶机动车辆41,...,45包括用于感测环境参数40111的外感受性传感器或测量装置4011以及用于感测机动车辆41,...,45的操作参数的本体感受性传感器或测量装置4012,环境参数40111至少包括到对象的距离和/或环境光的强度和/或声音振幅,机动车辆41,...,45的操作参数至少包括机动车辆41,...,45的马达速度和/或车轮负载和/或航向和/或电池状态,自主或部分自主驾驶机动车辆41,...,45包括自动控制电路461,...,465,其通过解释外感受性和本体感受性传感器或测量装置4011/4012的感测数据40111/40121,识别适当的导航路径和/或障碍物和/或相关标志来用于机动车辆41,...,45的自主或部分自主驾驶。自主或部分自主驾驶机动车辆41,...,45或自动控制***461,...,465借助于数据链路21连接至中央的基于专家***的电路11,数据链路21将至少基于使用的31和/或基于用户的32和/或操作的33自动数据3发送至中央的基于专家***的电路11,其中,基于使用的31和/或基于用户的32和/或操作的33自动数据3基于感测数据40111/40121和/或自动控制***461,...,465的操作参数4611。自动车***1借助于风险转移***10/12基于来自自主或部分自主驾驶机动车辆41,...,45的动态生成的第一和/或第二风险转移参数501,...,505/511,...,515来提供自动的第一和/或第二风险转移,其中,借助于中央的基于专家***的电路11,第一和/或第二风险转移参数501,...,505/511,...,515及相关联的第一和/或第二支付转移参数1021,...,1025/1221,...,1225被动态地生成、适应和/或优化,其中,在触发定义风险事件61,...,63之一的发生的情况下,发生的损失71,...,75由自动车***1自动覆盖。
图5示出了示意性示出根据本发明的实施方式变型的由本发明的自动***1提供的示例性的基于自动的动态触发的多级风险转移***的框图,自动***1具有实时捕获测量参数并动态地适应其操作参数的多个相关联的自主或部分自主驾驶机动车辆41,...,45。具体地,其示出了基于专家***的自动***1。远程信息处理装置401,...,405捕获机动车辆41,...,45和/或用户321,322,323的基于使用的31和/或基于用户的32和/或操作的33自动数据3,并且经由数据传输网络2将其发送至中央的基于专家***的电路11,其借助于动态优化的第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225来操作经耦合的第一和第二风险转移***。***1能够捕获不同种类的远程信息处理数据3,例如来自机动车辆41,...,45的驾驶模式和/或机动车辆41,...,45的自动化等级(部分自动或全自动(自主驾驶)驾驶其自身)和/或用户是否正在干预其自动化特征或安全特征。如果自动控制电路461,...,465从机动车辆41,...,45自身捕获数据3,则后者是可以的。因此,自动控制电路461,...,465或连接至自动控制电路461,...,465的适当的移动电话应用可以借助于自己的传感器生成数据3自身,并且/或者移动远程信息处理装置401,...,405或连接至移动远程信息处理装置401,...,405的移动电话应用可以包括对例如由车载诊断***提供的直接来自机动车辆41,...,45的数据的访问。如图5所示,中央的基于专家***的电路11可以实现为自动***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,自动控制电路461,...,465和/或移动远程信息处理装置401,...,405可以由第二风险转移***12提供给第一风险转移***10和/或风险敞口的自主或部分自主驾驶机动车辆41,...,45,以换取访问所捕获的自动数据3和/或捕获的索赔或损失数据711,...,715/721,...,725/731,...,735。如图5所示,自动***1可以包括一个(附图标记10)或多个(附图标记10a至10d)第一风险转移***,所有这些都与相同的第二风险转移***12相关联。
图6示出了示意性地示出根据本发明的实施方式变型的具有多个风险敞口的相关联的自主或部分自主驾驶机动车辆41,...,45的示例性动态可适应自动车***1的另一个框图。具体地,其示出了基于专家***或基于机器学习的自动车***1。用于自主机动车辆驾驶的自动控制电路461,...,465捕获机动车辆41,...,45和/或用户321,322,323的基于使用的31和/或基于用户的32和/或操作的33自动数据3,并且借助于远程信息处理装置411,...,415经由数据传输网络2将其发送至中央的基于专家***的电路11,其借助于动态优化的第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225来操作经耦合第一和第二风险转移***10/12。
图7示出了示意性地示出借助于用于感测环境参数40111的外感受性传感器4011和用于感测机动车辆41,...,45的操作参数的本体感受性传感器4012的示例性实时自动数据捕获的框图。
图8示出了示意性地示出事故减少率即自动化车辆以多大程度的百分比减少事故的示例性估计的框图,其中,x轴给出了一些年内的发展,y轴给出了自动化百分比。100%意味着全自主驾驶的机动车辆,其不需要任何人为干预。
图9示出了示意性地示出新乘用车的自动化特征的示例性全局平均采用率的框图,其中,x轴给出了一些年内的发展,y轴给出了自动化采用百分比。100%意味着所有汽车都使用相应的自动化采用。
图10示出了示意性地示出各因素促成事故的百分比程度的框图(在示例性的10个主要簇上),其中,x轴给出了各个因素对事故贡献的百分比。请注意,百分比不会加到100%,因为事故可能会有多个促成因素。
具体实施方式
图4示意性地示出了用于自动的基于专家***的动态触发的多级风险转移和风险预测***1的实施方式的可能实现的架构,***1具有用于两个耦合的自主操作的风险转移***10、12的互补切换的事件触发的激活。具体地,其示出了基于专家***或基于机器学习的自动车***1。风险转移***10可以对应于自动保险***,并且风险转移***12可以对应于自动再保险***。***1提供基于基于专家***的自动车***1的动态触发和调整的多级风险转移***,从而强化了开发允许自给自足和优化的多级风险转移操作的自动实时***的重要性。通过耦合的第一和第二风险转移或保险***10、12实现多级风险转移。***1被触发,即动态地调整并适于基于捕获的自主或部分自主驾驶机动车辆41,...,45和/或用户321,322,323的基于使用的31和/或基于用户的32自动数据3来触发第一和第二保险***10/12的激活。自主或部分自主驾驶机动车辆41,...,45或自动控制***461,...,465借助于机动车辆41,...,45的移动远程信息处理装置411,...,415连接至中央的基于专家***的电路11。数据链路21借助于中央的基于专家***的电路11与自主机动车辆41,...,45之间的无线连接411,...,415来设置,数据链路21将至少所述基于使用的31和/或基于用户的32和/或操作的33的自动数据3经由移动远程信息处理装置411,...,415发送至中央的基于专家***的电路11。基于使用的31和/或基于用户的32自动数据3至少包括关于驾驶员何时和/或多久一次和/或在何处和/或如何驾驶和/或机动车辆41,...,45正在做什么以及安全程度、自动化程度或自主特征被激活的程度的自动数据3。借助于连接或集成的车载传感器和测量装置401,...,405通过用于自主机动车辆驾驶的控制电路461,...,465来测量或捕获自动数据3。自动控制***461,...,465测量至少特定机动车辆41,...,45的自主驾驶支持设备的激活和/或汽车驾驶的自动化等级,并且将测量的特定机动车辆41,...,45的自主驾驶支持设备的激活和/或汽车驾驶的自动化等级作为自动数据3的一部分经由移动远程信息处理装置411,...,415发送至中央的基于专家***的电路11。图1示出了自动化等级中的可能***(fragmentation)。图1示出了由负责联邦机动车辆安全标准的监管要求的美国政府的交通部NHTSA(国家公路交通安全管理局)提供的4个自动化等级和对风险转移、索赔和责任的影响中的差异。等级定义如下:(等级0)驾驶员始终完全控制车辆;(等级1)单个车辆控制是自动化的,例如电子稳定控制或自动化制动;(等级2)至少两个控制可以协调地自动化,例如自适应巡航控制连同车道保持,示例:特斯拉模型S;(等级3)驾驶员在某些条件下可以完全放弃对所有安全关键功能的控制,汽车感测什么时候状况需要驾驶员重新控制并为驾驶员提供“足够舒适的过渡时间”来这么做;以及(等级4)车辆针对整个行程执行所有安全关键功能,其中不期望驾驶员随时控制车辆。由于该车辆控制从开始到停止的包括所有停车功能的所有功能。其可能包括未占用的汽车。例如由SAE(汽车工程师协会)出版的例如基于五个不同的等级(从驾驶员辅助到全自动化***)的替选分类***也是可以想象的。然而,例如基于预定风险预测类别的其他***可能是优选的。这意味着,自动车***1的中央的基于专家***的电路11可以例如包括如图4所示的可搜索(散列)表,其包括由控制***461,...,465施加的用于触发自主机动车辆41,...,45的机动车辆41,...,45的预定自动化等级的分类触发参数。因此,第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225借助于中央的基于专家***的电路11至少基于自主机动车辆41,...,45在使用期间触发的分类并基于从多个自主机动车辆41,...,45捕获的基于使用的31和/或基于用户的32和/或操作的33自动数据3来动态地适应和/或积累。因此,所生成的第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225可以至少取决于测量的特定机动车辆41,...,45的自主驾驶支持设备的激活和/或汽车驾驶的自动化等级。
此外,第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225可以借助于中央的基于专家***的电路11至少取决于特定机动车辆41,...,45的自主驾驶支持设备的与所发送的自动数据3的背景数据和/或环境数据相关的激活来生成,其中,特定自主驾驶支持设备的激活对所生成的参数的影响取决于所发送的自动数据3的同时测量的、时间相关的背景数据。所发送的自动数据3的所述同时测量的、时间相关的背景数据和/或环境数据至少包括测量的天气条件参数和/或位置坐标参数。重要的是要注意,特定机动车辆41,...,45的自主驾驶支持设备,例如自适应巡航控制(ACC)、自适应远光、无眩光远光和像素光、自适应光控制:旋转曲线灯、自动停车、通常具有GPS和用于提供最新的交通信息的TMC(交通信息频道)的汽车导航***、自动夜视、盲点监测、防撞***(预防***)、侧风稳定、驾驶员困倦检测、驾驶员监测***、混合动力车和插电式电动车中使用的电动车警告声、紧急驾驶员辅助、前方碰撞警告、交叉口辅助、坡道下降控制、智能速度适应或智能速度建议(ISA)、车道偏离警告***、车道变换辅助、行人保护***、交通标志识别、转向辅助、车辆通信***和/或歧途驾驶警告通常在某些环境(例如高速公路等)中运行良好,从而降低了存在的风险。然而,在自主驾驶特征或装置无法正常运行的其他环境中(例如,作为城市中心的高交通量地点,或者小而曲线弯曲的道路等),它们可能执行得不太理想、根本不理想或者甚至增加可能的事故风险。因此,机动车辆41,...,45的自主驾驶特征可以取决于机动车辆41,...,45的背景和/或环境自动数据3降低驾驶风险以及增加驾驶风险。作为实施方式变型,***1可以例如基于所发送的自动数据3的背景和/或环境数据来测量时间相关的背景得分参数,并且测量关于特定机动车辆41,...,45的每个激活的自主驾驶支持设备的汽车制造商得分参数。汽车制造商得分参数可以基于特定机动车辆41,...,45的激活的自主驾驶支持设备的性能和/或效率和/或质量测量来确定,其中,借助于中央的基于专家***的电路11生成的第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225至少取决于测量的背景得分参数和汽车制造商得分参数。
车载传感器和测量装置401,...,405包括外感受性传感器或测量装置4011和本体感受性传感器或测量装置4012。图3示出了具有示例性车载传感器和测量装置401,...,405即捕获感测数据40111/40121的外感受性传感器或测量装置4011、本体感受性传感器或测量装置4012以及移动远程信息处理装置411,...,415的示例性自主驾驶机动车辆41,...,45。外感受性传感器或测量装置4011测量来自自主或部分自主驾驶机动车辆41,...,45的值、参数和信息,即机器人的环境,如到对象的距离、环境光的强度、声音振幅。本体感受性传感器或测量装置4012测量自主或部分自主驾驶机动车辆41,...,45内部的值或参数,特别是操作参数,例如,马达速度、车轮负载、机器人航向、电池状态等。与外感受性传感器或测量装置4011相关,附图标记40112表示全球定位***GPS(结合来自提供准确的定位的转速计、高度计和陀螺仪的测量数据),附图标记40113表示超声波传感器(测量非常靠近机动车辆41,...,45的对象的位置),附图标记40114表示里程计传感器(补充和改进GPS信息),附图标记40115表示激光雷达(光检测和测距)测量装置(监测车辆的周围环境,例如道路、车辆、行人等),附图标记40116表示视频摄像机(监测车辆的周围环境,例如道路、车辆、行人等,并阅读交通信号灯)或者V2V(车辆到车辆)和VII(车辆基础设施集成)通信技术,以及附图标记40117表示雷达传感器(监测车辆的周围环境,例如道路、车辆、行人等)。外感受性和本体感受性传感器或测量装置4011/4012可以包括使用来自环境的能量的无源传感器例如温度探头、麦克风、网络相机或者发出其适当的能量并测量反应(例如激光)的有源传感器。有源传感器通常允许较好的性能,但有时会对自主或部分自主驾驶车辆41,...,45的环境有影响。注意,感测数据40111/40112中的一些由于其性能特性、分辨率或范围必然需要与其他测量装置组合。示例是测量车轮或转向装置的位置或速度的车轮传感器。使用的光学编码器是本体感受性传感器4012,因此与固定参考系有关的位置估计仅对短距离运动有价值。典型分辨率范围为每转64至2048个增量。为了提高分辨率,正交编码器通常用于获得较高分辨率和/或方向信息。
具有第一和第二风险转移***10,12的***1借助于两个相关联的自动化资源共担***101,121提供可变数量的暴露于风险的机动车辆41,...,45的自动的自给自足的风险保护。即,第一风险转移***10包括自动化第一资源共担***101,而第二风险转移***12包括自动化第二资源共担***121。风险敞口的自主或部分自主驾驶机动车辆41,...,45借助于多个支付转移模块103连接至第一资源共担***101,多个支付转移模块103被配置成接收和存储102来自风险敞口的自主或部分自主驾驶机动车辆41,...,45的第一支付1021,...,1025以用于其风险敞口51,...,55的共担,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为连接的风险敞口的自主或部分自主驾驶机动车辆41,...,45中的每一个提供自动化风险保护。此外,第一风险转移***10借助于第二支付转移模块123连接至第二资源共担***121,第二支付转移模块123被配置成接收并存储122来自第一保险***10的第二支付参数1221,...,1225以用于采用由第一风险转移***10积累的风险敞口51,...,55的一部分。因此,在发生定义风险事件61,...,63之一的情况下,发生的损失由包括第一和第二风险转移***10/12的基于专家***的自动车***1自动覆盖。
自动化资源共担***101,121包括第一和第二支付数据存储102,122,关于其操作允许分别存储的第一支付参数1021,...,1025和存储的第二支付参数1221,...,1225的安全支付参数存储。在图4中,附图标记1表示动态触发***,其用于用相关联的耦合资源共担***101,121提供与风险敞口的自主或部分自主驾驶机动车辆41,...,45相关的优化风险保护。资源共担***101,121可以例如借助于基于专家***或基于机器学***均燃油经济性)、量化数据点、车辆识别码(VIN)、回旋(非直线行驶)、每分钟转数RPM(过大RPM、最大RPM、RPM带中的时间)、越野使用、重力、制动踏板位置、驾驶员警报、包括燃油油位的控制器区域网络(CAN)总线参数、到其他车辆的距离、到障碍物的距离、自动化特征的激活/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、黄色和红色交通灯跳跃、酒***平检测装置、药物检测装置、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、来自其他车辆的耀眼头灯、车门状态(打开/关闭)、透过挡风玻璃的能见度、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(基于燃料消耗量的总排放量)、动力输出(PTO;是指连接至车辆的任何机动装置的活动性)、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装置401,...,405对上述自动数据的测量可能例如取决于其车辆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,其被设计成使得微控制器和装置能够在没有主计算机的情况下在应用中彼此通信。其是基于消息的协议,其被设计成用于汽车内的多路电线,然而,CAN总线也用于其他环境中。
此外,动态触发的自动***1可以例如至少包括一个处理器和相关联的存储器模块。基于专家***的自动车***1还可以包括一个或更多个显示单元和操作元件例如键盘和/或图形指示装置例如计算机鼠标。资源共担***101和121是包括电子设备的技术装置,其可以由风险转移或保险技术领域的服务提供商用于风险转移的目的,因为其与可测量风险事件61,...,63的发生有关。本发明寻求通过远程信息处理来捕获、处理、自动化和优化自动保险***10,12的相关操作,特别是试图优化耦合***10,12的交互并降低操作要求。解决的另一个方面是找到同步和调整与资源共担***101,121的耦合或相互激活有关的这些操作的方法,其针对基于技术设备的风险敞口单元的已证明的风险保护。与标准实践相比,资源共担***101,121还基于具有期望的技术的重复精度的自动数据来实现可再现的动态可调整的实时操作,因为其完全基于技术手段、工艺流程和过程控制/操作。
动态触发的多级风险转移***借助于基于专家***的自动车***1来提供,该基于专家***的自动车***1具有借助于自动控制电路11经由与多个机动车辆41,...,45相关联的移动远程信息处理装置411,...,415连接的多个自主或部分自主驾驶机动车辆41,...,45。基于专家***的自动车***1触发、发信号并相互激活第一和第二风险转移级10/12,从而借助于第一和第二资源共担***101/121为可变数量的暴露于风险的机动车辆41,...,45提供自给自足的风险保护。第一和第二风险转移级10/12可以实现为耦合的自动第一和第二保险***10/12。风险敞口部件21,22,23,...借助于多个支付转移模块103连接至第一资源共担***101,多个支付转移模块103被配置成借助于第一数据存储102接收和存储102来自风险敞口的自主或部分自主驾驶机动车辆41,...,45的第一支付参数1021,...,1025以用于其风险敞口51,...,55的共担。第一保险***10基于接收和存储的第一支付参数1021,...,1025为所连接的暴露于风险的机动车辆41,...,45中的每一个提供自动化风险保护。第一保险***10借助于第二支付转移模块123连接至第二资源共担***121,第二支付转移模块123被配置成接收和存储122来自第一保险***10的第二支付参数1221,...,1225以用于采用由第一保险***10积累的风险敞口5的一部分。在发生定义风险事件61,...,63之一的情况下,发生的损失由第一保险***10自动覆盖。
与多个自主或部分自主驾驶机动车辆41,...,45相关联的自动控制电路461,...,465包括一个或更多个无线连接411,...,415,以及用于与车辆的数据传输总线中的至少一个连接的多个接口421,...,425以及/或者用于与适当的传感器4011和/或测量装置4012和/或扬声器4113和/或麦克风4114连接的多个接口。传感器和测量装置可以包括用于捕获各种数据的设备,如下所述。远程信息处理装置401,...,405可以例如借助无线电数据***(RDS)模块41141和/或包括卫星接收模块41145的定位***41142和/或包括数字无线电服务模块的移动电话41143和/或语言单元41144提供一个或更多个无线连接41141,...,41145,语言单元41144双向连接无线电数据***41141或定位***40112或蜂窝电话模块41143。然而,作为特定实施方式变型,自动控制电路461,...,465还可以包括例如通过借助于USB闪存驱动器的定期数据转移的有线的永久或定期连接,如下面进一步讨论的。应当注意,定期数据转移也可以通过除所述USB接口之外的其他设备来执行。例如,它也可以是可以连接数据线缆的黑盒,或者存储卡等(例如,作为非易失性存储卡等的安全数字(SD))可以***其中的任何类型的硬盘驱动器或装置。卫星接收模块41145可以例如包括全球定位***(GPS)电路40112,以及/或者数字无线电服务模块41141可以例如至少包括全球移动通信***(GSM)单元41143。对于远程信息处理,无线电数据***(RDS)表示用于在常规调频(FM)无线电广播中嵌入大量数字信息的通信协议标准。RDS使包括时间、电台标识和节目信息的几种传输信息标准化。无线电广播数据***(RBDS)是用于美国版RDS的官方名称。对于无线连接41141,...,41145,远程信息处理装置411,...,415借助于远程信息处理装置411,...,415的天线连接充当相应数据传输网络2内的无线节点221,...,225。
另一方面,自动控制电路461,...,465可以连接至车载诊断***431,...,435和/或车内交互装置441,...,445和/或监测蜂窝移动节点应用451,...,455和/或移动远程信息处理装置411,...,415可以作为集成部件被包括在作为智能手机的移动装置中。因此,作为变型,连接至自动控制电路461,...,465的移动远程信息处理装置411,...,415可以构建蜂窝移动电话的集成部件。自动控制电路461,...,465中的至少一些自动控制电路可以例如连接至移动电话应用(智能手机应用)451,...,455,其中,相关联的移动电话41143包括移动远程信息处理装置411,...,415,例如,提供对行驶速度、行驶频率、位置和驾驶风格的监测的全球定位***(GPS)电路40112和/或移动网络三角测量设备,并且其中,移动电话的网络连接用于将所捕获的自动数据3发送至中央的基于专家***的电路11。例如连接至车载诊断(OBD)***431,...,435的自动控制电路461,...,465可以提供对车辆***和/或子***的适当监测。例如到自主或部分自主驾驶移动车辆41,...,45的车载诊断(OBD)***431,...,435的连接可以通过将数据传输线***车载诊断***431,...,435的适当端口来提供。如上所述,自动控制电路461,...,465中的至少一些自动控制电路也可以连接至车内交互装置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监测,并且其中,自动数据3借助于蜂窝电信连接从自动控制电路461,...,465借助于移动远程信息处理装置411,...,415发送至中央的基于专家***的电路11。自动控制电路461,...,465中的一些可以例如包括扬声器和从中央的基于专家***的电路11和/或第一和/或第二风险转移***10/12到自动控制电路461,...,465的语音连接,从而提供实时服务,特别是对机动车辆41,...,45的用户提供关于其对自主或部分自主驾驶机动车辆41,...,45的驾驶使用和/或其他基于使用的31或基于用户的32行为的教练服务。总之,自动控制电路461,...,465可以例如包括或连接至车载传感器或其他测量装置401,...,405,特别是外感受性和/或本体感受性传感器或测量装置4011/4012、车载诊断(OBD)***或加密狗、智能手机和/或移动蜂窝电话、挡风玻璃装置(例如相机)、黑匣子装置、点烟器适配器(CLA)装置、eCall OBU、嵌入式OEM装置和/或信息娱乐***、使得运行特定操作***的移动装置能够通过仪表板的主机在汽车中运行的智能手机投影标准(示例可以包括AppleCarplay、Mirrorlink、Android Auto)、车载导航***、导航装置、售后高级驾驶辅助***(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***(示例可以包括自主驾驶***、远程代客停车辅助或自动停车辅助)、智能手表和其他可穿戴设备。自动控制电路461,...,465还可以包括上述装置的特定组合特征,例如智能手机(应用)与信标,或者蓝牙低能耗(BLE)信标(BLE,也称为蓝牙智能),其是主要设计用于医疗保健、健身、安全和家庭娱乐行业的新颖应用的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著降低的功耗和成本,同时保持类似的通信范围(约10米),具有OBD加密狗或支持BLE的OBD加密狗的智能手机,仅限智能手机,可自行安装的售后黑匣子、专业安装的售后黑匣子、售后黑匣子和显示器。
以这种方式,自动控制电路461,...,465捕获自主或部分自主驾驶机动车辆41,...,45和/或自动控制电路461,...,465和/或用户321,322,323的基于使用的31和/或基于用户的32和/或操作的33自动数据3,并通过数据传输网络2将其转移至基于专家***的自动车电路11。具体地,与自主或部分自主驾驶机动车辆41,...,45相关联的多个自动控制电路461,...,465连接至所述基于专家***的自动车电路11,其中,数据链路21借助于基于专家***的自动车电路11之间的无线连接411,...,415来设置,数据链路21将至少所捕获的基于使用的31和/或基于用户的32和/或操作的33自动数据3从自动控制电路461,...,465借助于移动远程信息处理装置411,...,415发送至基于专家***的自动电路11。移动远程信息处理装置411,...,415中的至少一些移动远程信息处理装置可以例如包括蜂窝调制解调器4113,其用于将自动数据3从移动远程信息处理装置401,...,405发送至自动控制电路461,...,465。然而,作为特定实施方式变体,与多个机动车辆41,...,45相关联的移动远程信息处理装置411,...,415不包括无线连接4114,而是例如通过定期地连接至有线(固定)网络例如局域网(LAN),或者通过经由作为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装置或USB计算机***设备连接至数据传输或网络站例如个人计算机来发送自动数据3。用于与机动车辆的数据传输总线中的至少一个连接的多个接口421,...,425可以例如至少包括用于与机动车辆的控制器区域网络(CAN)总线连接的接口。
如上所述,基于专家***的自动车***1包括一个或更多个第一风险转移***10,以提供基于第一风险转移参数501,...,505从自主驾驶机动车辆41,...,45中的至少一些自主驾驶机动车辆到第一风险转移***10的第一风险转移,其中,第一风险转移***10包括多个支付转移模块103,其被配置成接收和存储102与所述自主或部分自主驾驶机动车辆41,...,45的风险敞口5的风险转移相关联的第一支付参数1021,...,1025以用于共担其风险51,...,55。借助于自动车***1的中央的基于专家***电路11,处理经由移动远程信息处理装置401,...,405从自动控制电路461,...,465捕获的与风险相关的自动数据3,其中,第一风险转移参数501,...,505及相关联的第一支付转移参数1021,...,1025借助于基于机器学习的远程信息处理电路11生成并被发送至第一风险转移***10。在触发与机动车辆41,...,45的转移的风险敞口51,...,55相关联的定义风险事件61,...,63之一的发生的情况下,发生的损失71,...,75由第一风险转移***10基于第一风险转移参数501,...,505及相关联的第一支付转移参数1021,...,1025自动覆盖。
此外,基于专家***的自动车***1包括第二风险转移***12,以提供基于第二风险转移参数511,...,515从第一风险转移***10中的一个或更多个到第二风险转移***12的第二风险转移,其中,第二风险转移***12包括第二支付转移模块123,其被配置成接收和存储122第二支付参数1221,...,1225以用于共担第一风险转移***10的与转移到第一风险转移***10的风险敞口相关联的风险。对于第二风险转移***12的操作,第二风险转移参数511,...,515及相关联的第二支付转移参数1221,...,1225借助于中央的基于专家***的电路11生成并被发送至第二风险转移***12,其中,在触发与定义风险事件61,...,63的发生相关联的定义激活阈值参数124的超过的情况下,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及相关联的第二支付转移参数1221,...,1225至少部分地覆盖。例如,在触发定义激活阈值参数124的超过的情况下,第二风险转移***12通过借助于***1将激活信令传递至第二保险***12而被自动激活,第二保险***12在激活时覆盖由第一保险***10积累的风险敞口51,...,55的所述采用部分。然而,明确要提及的是,作为实施方式变体的本发明可以通过固定激活即在不触发激活阈值的情况下来实现。因此,本发明可以通过成比例或不成比例风险转移实现为第一与第二风险转移***10/12之间的耦合机制,其中,在成比例风险转移耦合下,第二风险转移***12借助于切换装置11通过转移至第一风险转移***10的每个风险的固定百分比份额被激活。因此,第二风险转移***12借助于第二支付参数1221,...,1225接收来自第一风险转移***10的该固定支付转移。在不成比例风险转移耦合下,在触发与定义风险事件61,...,63的发生相关联的定义激活阈值参数124的超过的情况下,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及相关联的第二支付转移参数1221,...,1225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,或者取决于借助于累积损失参数80测量的积累损失。因此,不成比例耦合可以在损失超额或止损风险转移结构中实现,其中,损失超额结构可以例如基于按风险XL(工作XL)、按发生/按事件XL(激变或Cat XL)或累积XL结构。第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225借助于基于机器学习的远程信息处理电路11基于从与多个机动车辆41,...,45相关联的移动远程信息处理装置401,...,405捕获的基于使用的31和/或基于用户的32和/或操作的33自动数据3并基于第一风险转移***10的共担风险5被动态地适应和/或相互优化。基于机器学习的远程信息处理电路11可以包括例如累积模块,其基于捕获的与风险相关的自动数据3为一个或多个暴露于共担的风险的机动车辆41,...,45提供风险敞口51,...,55,其中,第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225基于共担的自主或部分自主驾驶机动车辆41,...,45的预定风险事件61,...,63的发生的可能性被动态地生成。
关于***1的借助于中央的自动电路11的切换装置117的第一和第二风险转移***10/12的不成比例耦合,提及的自动车***1的累积模块114可以例如在预定时间段1141内对于所有风险敞口的自主或部分自主驾驶机动车辆41,...,45通过递增相关联的存储的累积损失参数81来自动地累积所测量的风险事件61,...,63的发生的所捕获的损失参数80,并且在预定时间段1114内对于所有风险敞口部件41,...,45通过递增相关联的存储的累积支付参数81来自动累积81所接收和存储的第一支付参数1021,...,1025,其中,可变赔付率参数82基于累积损失参数80与累积支付参数81的比率被动态地生成,并且其中,第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225基于共担的机动车辆41,...,45的预定风险事件61,...,63的发生的可能性和可变赔付率参数82被动态地生成。作为实施方式变型,在触发可变赔付率参数82超过赔付率阈值821的情况下,第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225基于共担的机动车辆41,...,45的预定风险事件61,...,63的发生的可能性和可变赔付率参数82来动态地适应和/或优化。触发定义激活阈值参数124的超过可以例如与测量的风险事件61,...,63的累积发生的触发值相关联。在所有情况下,中央的基于专家***的自动电路11的切换装置117生成所有必要的信令并将信令发送至第一和第二风险转移***10/12来以电子方式执行切换。
作为另一个实施方式变型,暴露于风险的机动车辆41,...,45可以例如连接至第一风险转移***10,其借助于动态适应和/或优化的第一风险转移参数501,...,505及相关联的动态调整的第一支付转移参数1021,...,1025将与定义风险事件61,...,63的发生相关联的风险敞口51,...,55从风险敞口的自主或部分自主驾驶机动车辆41,...,45转移至风险转移保险***10,其中,第一风险转移***10通过借助于动态适应和优化的第二风险转移参数511,...,515及相关联的动态调整的第二支付转移参数1221,...,1225将与定义风险事件61,...,63的发生相关联的风险敞口51,...,55从第一风险转移***10转移至第二风险转移***12而被连接至第二保险***12,并且其中,在发生定义风险事件61,...,63之一的情况下,测量风险敞口的自主或部分自主驾驶机动车辆41,...,45处的损失71,...,75的损失参数711,...,715/721,...,725/731,...,735被捕获并发送至第一保险***10,并且其中,所发生的损失71,...,75由第一保险***10基于优化的第一风险转移参数501,...,505自动覆盖。在另一个变型中,与预定风险事件61,...,63相关联并被分配给共担暴露于风险的机动车辆41,...,45的损失71,...,75可以例如由第一风险转移***10的自动化资源共担***101经由从第一资源共担***101到所述暴露于风险的机动车辆41,...,45的支付转移明确地覆盖,其中,从第二风险转移***12的自动化第二资源共担***121到第一资源共担***101的第二支付转移通过自动车***1基于测量的暴露于风险的自主机动车辆41,...,45的实际损失711,...,715/721,...,725/731,...,735经由所生成的激活信号被触发。另外,与转移至第二风险转移***12的风险对应的损失71,...,75也可以由第二资源共担***121通过经由第二支付转移模块123从第二资源共担***121到涉及的暴露于风险的机动车辆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,自动车***1的中央的基于专家***的电路11可以例如包括用于处理与风险相关的自动数据3以及用于基于与风险相关的自动数据3提供共担的自主或部分自主驾驶机动车辆41,...,45的预定风险事件61,...,63发生的可能性的设备,并且其中,来自暴露于风险的机动车辆41,...,45的用于共担其风险的支付1021,...,1025的接收和预处理存储102可以基于总风险5和/或共担的机动车辆41,...,45的预定风险事件61,...,63的发生的可能性来动态地、特别是实时地确定。此外,可以例如借助于基于机器学习的电路11来处理与风险相关的自动数据3,并且生成基于与风险相关的自动数据3的共担的自主或部分自主驾驶机动车辆41,...,45的预定风险事件61,...,63的发生的可能性,其中,可以基于总风险5和/或共担的机动车辆41,...,45的预定风险事件61,...,63的发生的可能性动态地确定从第一资源共担***101到第二资源共担***121的用于转移其风险的支付1221,...,1225的接收和预处理存储102。具体地,暴露于共担的风险的机动车辆41,...,45的数量可以例如借助于基于专家***的电路11经由第一保险***10动态地和/或实时地适应到如下范围:在该范围内,由风险转移***10覆盖的非协变发生的风险在任意给定时间仅影响总的暴露于共担的风险的自主或部分自主驾驶机动车辆41,...,45的相对小的比例。来自第一风险转移***10的风险转移也可以借助于基于专家***的汽车电路11经由第二风险转移***12动态地适应到如下范围:在该范围内,由第二风险转移***12覆盖的非协变发生的风险在任意给定时间仅影响从第一风险转移***10转移的总风险的相对小的比例。另外,第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225可以例如借助于基于机器学习的电路11基于一个或多个风险事件61,...,63的时间相关的发生率数据来动态地适应。最后,在每次借助于基于机器学习的电路11触发捕获的自动数据3或(或基于)指示风险事件61,...,63的参数611,...,613/621,...,623/631,...,633的发生时,利用触发来分配总参数化支付,其中,在已经对受测量的所述风险事件61,...,63的发生影响的相应的共担暴露于风险的机动车辆41,...,45触发了所述发生时,总分配支付能够转移。
***1可以例如完全自动化,因为在发生定义风险事件61,...,63之一的情况下,测量风险敞口的自主或部分自主驾驶机动车辆41,...,45处的损失的损失参数711,...,715/721,...,725/731,...,735被自动捕获并发送至第一保险***10,并且其中,发生的损失71,...,75由第一保险***10自动覆盖。此外,可以自动触发和监测支付转移,从而影响***1的操作。例如,***1可以包括控制装置1231,其捕获从第一风险转移***10到第二支付转移模块123的每个支付转移,其中,***1的第二风险转移***12仅能够通过触发与预定的激活控制参数1232匹配的支付转移来激活。
对于第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225的动态适应和/或动态优化的信令,基于机器学习的电路11包括得分驾驶模块111,其基于定义的得分驾驶行为模式1121,...,1123通过将捕获的自动数据3与定义的得分驾驶行为模式1121,...,1123进行比较来触发并自动选择得分驾驶参数1111,...,1113。得分的数据组成尤其可以包括客户政策细节、个人驾驶数据、碰撞取证数据、信用得分、统计驾驶数据、历史索赔数据、市场数据库、驾驶许可证扣分(如果不是全自动化的)、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、以及自动控制电路461,...,465的运行安全性和稳定性。得分可以例如包括驾驶得分、累积得分、定价算法、自动化车辆安全特征、高级驾驶辅助***的使用和操作、和/或自动车辆***的使用和操作等。得分驾驶模块111基于自主控制电路461,...,465的与机动车辆41,...,45相关联的捕获的自动数据3根据测量的自主或部分自主驾驶机动车辆41,...,45的位置或行程提供自动化实时捕获得分风险61,...,63。这允许根据自主或部分自主驾驶机动车辆41,...,45的实际测量风险使第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225实时适应。自动车***1可以包括用于背景数据处理以改善远程信息处理评分的设备。这使得***1能够将自动数据(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、交叉口、危险点、交通规则、道路安全分类、其他驾驶员的驾驶行为、出行道路上的事故的估计可能性、周围车辆的位置和/或行为)进行比较。此外,其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比较的车辆速度和/或天气条件。如果周围的车辆采用类似的速度,则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。得分驾驶模块111还使得能够捕获和控制得分驾驶行为,并且比较其在技术操作和背景中的行为。它使得能够根据位置或行程自动捕获得分风险,并自动分析和响应与增值服务(例如,事故通知和/或对驾驶员的反馈和/或自动化车队风险报告和/或自动化和动态优化的承保等)的需求相关的数据。***的基于远程信息处理的反馈设备可以例如包括通过经由移动远程信息处理装置411,...,415的机动车辆的控制电路461,...,465的数据链路的动态警报馈送,其中,基于专家***的自动电路11立即向装置警报驱动器4115警告包括如下的多种性能测量结果:例如,高RPM,即作为机动车辆发动机的马达旋转频率的测量结果的每分钟高转数、不稳定的驱动、不必要的发动机功率、苛刻的加速度、道路预期和/或ECO驱动。显然,即使最有经验的驾驶员也可以从使其驾驶行为被动态分析和改进中受益。自动车***1动态地和实时地(即它们一发生就)提供与驾驶员的风险行为相关的改进的机会。通过警告训练辅助设备向驾驶员提供即时反馈并使信息直接发送至自动控制电路461,...,465确保在不是全自动化车辆41,...,45的情况下双管齐下的方法来纠正有风险的(并且通常昂贵的)驾驶习惯。因此,自动车***1不仅使得能够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,而且还优化暴露于风险的机动车辆41,...,45的等级上的风险和/或风险行为。没有现有技术***允许这种整体的实时优化。作为另一种增值服务,自动车***1可以例如动态地生成选定的自主或部分自主机动车辆41,...,45的车队风险报告。由自动车***1自动生成的这种车队报告提供了一种共享和比较驾驶员统计数据的新方法。此类报告的直接影响具有其他优势,如最佳表现者的自动奖励生成或需要额外培训的驾驶员识别等。
此外,发生和触发的损失71,...,75可以例如借助于所测量的风险事件61,...,63的发生的捕获的损失参数711,...,715/721,...,725/731,...,735在预定时间段1141内对于所有风险敞口的自主或部分自主驾驶机动车辆41,...,45通过递增相关联的存储的累积损失参数80来自动地累积,并且用于在预定时间段1114内对于所有风险敞口的车辆41,...,45通过递增相关联的存储的累积支付参数81来自动累积81所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及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225基于累积损失参数80与累积支付参数81的比率被动态地生成。总之,第一和第二风险转移***10/12可以借助于基于机器学习的电路11基于动态可适应的第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225来自动操纵、触发、发信号和相互激活,从而借助于耦合的第一和第二保险***10/12为与移动远程信息处理装置401,...,405相关联的可变数量的机动车辆41,...,45提供自给自足的风险保护。
除触发的支付转移之外,基于机器学习的电路11可以例如包括附加触发器112/113,其基于与自主或部分自主驾驶机动车辆41,...,45相关联的移动远程信息处理装置401,...,405的捕获的自动数据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/或自动化和动态优化的承保和/或其他附加服务。这已在上面详细描述。
如图4所示,动态触发***1包括:用于捕获与风险相关的部件数据的第一和第二数据存储或存储模块102,122;以及多个基于功能的模块,例如,支付转移模块103和123、触发器111,...,113或累积模块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,计算机可读介质以固定或可移除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,功能模块也可以借助于硬件部件、单元和/或适当实现的模块完全实现。如图1所示,动态触发的***1及其部件、特别是第一和第二资源共担***101,121、中央的基于专家***的电路11、触发器111,...,113、测量装置401,...,405、连同数据转移接口421,...,425、累积模块114和支付转移模块103,123可以借助于适当的通信装置、特别是移动远程信息处理装置411,...,415经由网络2例如电信网络或任何其他数据传输网络来连接。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,用于本***的技术电子货币相关的设置包括足够技术的组织和程序保护措施,以防止、遏制和检测对结构安全性的威胁,特别是伪造威胁。资源共担***101,121还包括用于例如由一个或更多个相关联的支付转移模块103,123经由电子网络发起的电子货币转移和联接关联的所有必要技术手段。货币参数可以基于任何可能的电子和转移手段,例如电子货币(e-currency)、电子货币(e-money)、电子现金、电子货币(electroniccurrency)、数字货币(digital money)、数字现金、数字货币(digital currency)或网络货币、或加密货币、或作为在从比特币等衍生的加密货币中发现的区块链的情况下的顺序交易数据库(分类帐)的示例的区块链数据库,其仅可以以电子方式交换。第一和第二支付数据存储102/122提供用于关联和存储与共担风险敞口的自主或部分自主驾驶机动车辆部件41,...,45中的单个相关联的货币参数的装置。本发明可能涉及使用前述的网络,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另外的示例。此外,转移可能涉及诸如金融密码术的技术和用于实现此类转移的技术。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。资源共担***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而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类似于现金交易。然而,还可设想使用软电子货币,例如例如具有72小时的“清算时间”等的允许支付逆转的货币。电子货币参数交换方法适于与本发明的资源共担***101,121相关的所有连接***和模块,例如第一和第二支付转移模块103,123。到第一和第二资源共担***101,121的货币参数转移可以分别由支付转移模块103和123发起,或者根据相关资源共担***101或121的请求发起。
此外,***1可以包括核心发动机,该核心发动机包括风险事件触发器,其用于触发例如所分配的风险敞口的自主或部分自主机动车辆41,...,45的车载控制***的数据流路径中的远程信息处理测量参数。例如,数据流路径可以通过***1借助于数据通信和接口装置、特别是经由接口421,...,425连接至数据流路径的移动远程信息处理装置411,...,415来监测;具体地,它可以通过基于专家***的远程信息处理电路11和/或自动控制电路461,...,465来监测,从而至少定期地和/或在预定时间段内捕获数据流路径的与部件相关的测量参数。根据一个替选实施方式,数据流路径例如还可以通过由***1动态触发、例如通过触发从控制电路461,...,465或相关联的测量装置和/或***发送的数据流路径的远程信息处理测量参数来动态监测。通过触发包括涉及的暴露于风险的机动车辆41,...,45的动态记录的远程信息处理测量参数的数据流路径,***1能够基于预定触发参数来检测预定风险事件61,...,63的发生。此外,***1还可以例如在风险事件61,...,63对风险敞口的自主或部分自主驾驶机动车辆41,...,45的影响的进展期间动态地监视不同阶段,以便为具体暴露于风险的机动车辆41,...,45提供适当适应和分级的风险保护。这种风险保护结构基于接收和存储的来自相关暴露于风险的机动车辆41,...,45的支付1021,...,1025并且/或者基于所有共担暴露于风险的机动车辆41,...,45的整体转移风险与风险转移***10的总风险敞口5相关。
为了借助于基于机器学习的远程信息处理电路11基于来自与多个自主或部分自主驾驶机动车辆41,...,45相关联的控制电路461,...,465的所捕获的基于使用的31和/或基于用户的32和/或操作的323自动数据3来生成动态适应和/或优化、特别是实时适应的第一和第二风险转移参数501,...,505/511,...,515及相关联的第一和第二支付转移参数1021,...,1025/1221,...,1225,***1包括基于机器学习的专家装置,即基于专家***的自动电路11。专家***或机器学习结构可以通过中央的自动电路11的动态反应实现来动态地实现。然而,基于专家***或机器学习的结构也可以在***1中固定,而机器学习操作通过外部专家***或外部专家知识来执行,虽然***1的操作即在该实施方式变型中遵循固定的数据处理步骤,但是***1本身不是基于机器学习的。尽管本发明针对基于专家***的自动车***,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)。
举例说明了自主或部分自主驾驶机动车辆41,...,45的风险的位置相关确定,***1例如可以包括自动化扩展数据库116,其包括位置相关数据。借助于数据库116,中央的基于专家***的汽车电路11例如能够基于所捕获的自动数据3、尤其是所捕获的基于使用的31和/或基于用户的32和/或操作的33数据,来提供绝对和相对风险例如对于车祸,的自动化位置相关预测。借助于中央的自动电路11,生成事故事件的数据记录,并且确定与车祸的风险相关联的特定事故状况的位置相关的概率值。借助于自动电路11对感兴趣的地理区域2生成具有网格单元201,...,203的空间高分辨率网格20,如图1所示。网格单元201,...,203可以例如与蜂窝移动网络2的小区相关联。例如由蜂窝移动网络2覆盖的地理区域包括暴露于风险、例如事故风险的自主或部分自主驾驶机动车辆41,...,45的至少一部分。网格20的网格单元201,...,203是可选择的,并且数据能够经由自动车***1借助于数据库116分配给网格20的每个单元201,...,203,并且代表网格单元的数据记录被分配给发生或测量的年份并且被保存在汽车电路11的存储器模块中。数据集的位置和分辨率的生成由图1中的数据库116到网格单元201,...,203的箭头示出。该图示出了示例性数据提取和网格生成。分辨率可以适应于动态触发等级,例如蜂窝网络网格单元20或市政或地区网格(例如4*4、10*10、15*15km的网格)。可以借助于自动车***1生成适当的四叉树,并且该四叉树通过***1根据相关联的人口密度参数与处理步骤相关联。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给相应网格单元201,...,203的生成数据记录。可以对于感兴趣的地理区域2捕获人口密度参数,并且可以在考虑不同模式的所述空间高分辨率网格20中分配定制的加权因子。人口密度参数可以例如借助于***1从例如包括航拍图像和/或航空照片的空中高分辨率数据中提取。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以包括由卫星和/或飞机和/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的相互作用。为了利用***1执行提取,***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利用描述变量。***1可以进一步使用人口密度参数来隔离区域类型(城市、第二大城市、郊区、城镇和农村)。可能与量化土地使用有关的包括住宅密度和工作区就业密度参数的其他变量也可以由***1包括。人口或建筑环境的其他参数和特征,如种族、年龄、收入和零售就业可以进一步用于衡量跨越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、可用公交车增加、对单人车辆的依赖性降低和运输使用增加相关联。私人汽车仍然是大多数地理区域2的主要出行方式,虽然取决于社会或民族背景,在某些地理区域,其他交通运输模式通常更有可能被使用。人口密度的增加通常与较少人次的出行、较少人次行驶里程和每次出行的较少人次里程相关联。人口稠密地区的居民报告的车辆出行、行驶的车辆里程和每次出行的车辆里程最少。人口较不稠密地区倾向于每个成人拥有更多的驾驶员,并且每个成人拥有更多车辆。为了确定定制的加权因子,城市倾向于遵循关于若干交通运输参数例如每个成人的驾驶员、每个成人的车辆、从家工作的人的百分比和自动依赖性的全国平均值。大约20%的小城市居民以私人汽车以外的模式上班。小城市的居民报告最多的任意地区类型的出行人次。郊区人口出行人次第二多。通常,大量低收入居民居住在第二大城市,这些城市的交通可用性有限。对于提取,自动车***1例如还能够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。低收入家庭通常见于城市或农村地区。随着地区零售贸易的百分比增加,上班距离和上班行驶时间减少。城市地区在人口普查区工作的居民百分比最小,其中,参与零售业的比例超过25%。小城市的百分比最高,其中,28.8%的居民工作,其中,超过25%的工作是零售业。工作普查区的零售就业和就业密度与出行行为具有一些可测量的相关性。在住宅街区群中,住房密度的增加与更高的交通可用性和更近的交通接近度相关联。随着居住密度的增加,自行车和徒步出行增加。居住密度的增加也与就业密度的增加相关联。在每平方英里100到1,499个住房单元的居住密度下,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百分比最大。因此,总之,居住密度参数、零售就业、收入、区域类型和人口密度参数都为交通运输行为和政策实施提供了重要的描述或驱动因素,并且与将土地使用与交通运输选择和行为联系起来有关,其中,由***1进行的用于环境人口密度参数和定制的加权因子的数据提取基于所述测量变量。注意,城市地区的行驶需求和供应特性两者明显不同于高速公路的行驶需求和供应特性。因此,对高速公路交通模式和相关联的动态的分析不能直接转化为城市情况。城市交通与高速公路交通之间的一个区别在于,在城市道路网络中,多种交通模式共存并相互作用,例如行人、自行车、汽车、公共汽车、卡车,而高速公路主要用于汽车和卡车。
上面的示例示出了基于特定位置的交通行为的机器学习结构。类似地,其他捕获的自动数据3由中央的基于专家***的电路11处理,从而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,本发明涉及基于汽车的风险转移***1,其具有连接至与多个自主或部分自主驾驶机动车辆相关联的移动远程信息处理装置411,...,415的自主驾驶控制电路461,...,465。然而,例如,本发明可以借助于远程信息处理装置411,...,415应用于基于远程信息处理的用于连接的机动车辆例如汽车、连接的家庭、连接的工厂、连接的办公室和/或连接的健康/生活的风险转移***。
附图标记列表
1自动车******
10第一风险转移***
101自动化资源共担***
102第一数据存储
1021,...,1025第一支付参数
103第一支付转移模块
11中央的基于专家***的电路
111得分驾驶模块
1111,...,1113得分驾驶参数
1121,...,1123定义得分驾驶行为模式
112触发事故通知的附加触发器
113触发附加服务的附加触发器
114累积模块
1141预定时间段
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
117切换装置
12第二风险转移***
121自动化资源共担***
122第二数据存储
1221,...,1225第二支付参数
123第二支付转移模块
1231控制装置
1232激活控制参数
124激活阈值参数
125预定损失覆盖部分
2数据传输网络
20蜂窝网络网格
201,...,203网络小区/基本服务区域
211,...,213基(收发器)站
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自动数据
31基于使用的自动数据
311,...,313车辆41,...,45的基于使用的自动数据32基于用户的自动数据
321,...,323车辆41,...,45的基于用户的自动数据33操作的自动数据
331,...,333控制***461,...,465的操作数据41,...,45机动车辆
401,...,405车载传感器和测量装置
4011外感受性传感器或测量装置
40111外感受性传感器的感测数据
40112全球定位***(GPS)
40113超声波传感器
40114里程计传感器
40115激光雷达(光探测和测距)
40116视频摄像机
40117雷达传感器
4012本体感受性传感器或测量装置
40121本体感受性传感器的感测数据
411,...,415移动远程信息处理装置
4111扬声器
4112麦克风
4113装置警报驱动器
4114无线连接
41141无线电数据***(RDS)模块
41142定位***模块
41143移动蜂窝电话
41144语言单元
41145卫星接收模块
421,...,425数据传输总线接口
431,...,435车载诊断***
441,...,445车内交互装置
451,...,455蜂窝移动节点应用
461,...,465用于自主机动车辆驾驶的控制电路
4611自动控制电路的操作参数
5累积风险敞口
51,......,55机动车辆的转移风险敞口
501,...,505第一风险转移参数
511,...,515第二风险转移参数
6预定风险事件
61与损害的责任范围相关的预定风险事件
611,...,613测量事件61发生的参数
62与损失的责任范围有关的预定风险事件
621,...,623测量事件62发生的参数
63与延迟交付的责任范围有关的预定风险事件
631,...,633测量事件63发生的参数
71,...,75与机动车辆41,......,45相关联的发生损失711,...,715测量的预定事件1的捕获损失参数
721,...,725测量的预定事件2的捕获损失参数
731,...,735测量的预定事件3的捕获损失参数
80累积损失参数
81累积支付参数
82可变赔付率参数
821赔付率阈值
Claims (47)
1.一种与多个自主或部分自主驾驶机动车辆(41,...,45)相关联的自动化的自动车***(1),所述自动车***借助于分布式数据传输装置基于自动数据的实时捕获和传输被动态地触发和动态地调整,所述机动车辆(41,...,45)包括用于感测环境参数的外感受性传感器或测量装置(4011)以及用于感测所述机动车辆(41,...,45)的操作参数的本体感受性传感器或测量装置(4012),所述环境参数至少包括到对象的距离和/或环境光的强度和/或声音振幅,所述机动车辆的操作参数至少包括所述机动车辆的马达速度和/或车轮负载和/或航向和/或电池状态,所述机动车辆(41,...,45)包括自动控制***(461,...,465),所述自动控制***通过解释所述外感受性传感器或测量装置以及所述本体感受性传感器或测量装置(4011/4012)的感测数据,识别适当的导航路径和/或障碍物和/或相关标志来用于所述机动车辆(41,...,45)的自主或部分自主驾驶,以及所述自主或部分自主驾驶机动车辆(41,...,45)包括远程信息处理装置(411,...,415),所述远程信息处理装置具有所述自动控制***(461,...,465)与外部***之间的一个或更多个无线连接(4114),并且具有用于与所述外感受性传感器或测量装置和所述本体感受性传感器或测量装置(4011/4012)连接的多个接口(421,...,425),
其中,数据链路(21)借助于中央的基于机器学习的电路(11)与多个自动控制***(461,...,465)之间的所述无线连接(4114)来设置,所述数据链路将至少基于使用的(31)和/或基于用户的(32)和/或操作的(33)自动数据(3)经由所述远程信息处理装置(411,...,415)发送至所述中央的基于机器学习的电路(11),其中,所述基于使用的(31)和/或基于用户的(32)和/或操作的(33)自动数据(3)基于所述外感受性传感器或测量装置和所述本体感受性传感器或测量装置(4011,4012)的感测数据以及/或者所述自动控制***(461,...,465)的操作参数(4611),
并且其中,所述自动车***(1)包括第一风险转移***(10),以提供基于第一风险转移参数(501,...,505)从所述机动车辆(41,...,45)中的至少一些机动车辆到所述第一风险转移***(10)的第一风险转移,其中,所述第一风险转移***(10)包括多个支付转移模块(103),所述多个支付转移模块被配置成接收和存储(102)与所述自主驾驶机动车辆(41,...,45)的风险敞口(5)的风险转移相关联的第一支付参数(1021,...,1025)用于共担其风险,其特征在于,
为了测量准确定位,所述外感受性传感器或测量装置(4011)的测量的和发送的自动数据(3)至少包括全球定位***GPS(40112)的测量数据,所述全球定位***GPS(40112)的测量数据与转速计、高度计和陀螺仪的测量数据相结合,并且通过里程计传感器(40114)的测量数据而补充,以改善所述全球定位***GPS(40112)的测量数据,为了测量靠近所述机动车辆(41,...,45)的对象的位置,所述外感受性传感器或测量装置(4011)的测量的和发送的自动数据(3)至少包括超声波传感器(40113)的测量数据,为了监测所述机动车辆的周围环境,所述外感受性传感器或测量装置(4011)的测量的和发送的自动数据(3)至少包括光检测和测距LIDAR测量装置(40115)和/或视频摄像机(40116)和/或雷达传感器(40117)的测量数据,
为了测量特定机动车辆的自主驾驶支持设备的自动化和/或激活,所述外感受性传感器或测量装置和所述本体感受性传感器或测量装置(4011,4012)的测量的和发送的自动数据(3)包括指示自主驾驶的至少5个预定自动化和/或激活等级的测量数据,其中,所述中央的基于机器学习的电路(11)包括由所述自动控制***(461,...,465)施加的用于触发所述机动车辆(41,...,45)的预定自动化等级的触发参数,并且其中,在触发等级0时,驾驶员始终完全控制所述机动车辆,在触发等级1时,所述自动化包括一个或更多个特定且独立的操作控制功能,在触发等级2时,所述自动化包括结合作用的至少两个控制功能,在触发等级3时,所述自动化包括使得驾驶员能够在某些交通或环境状况下放弃对所有安全关键功能的完全控制的手段,以及在触发等级4时,所述自动化包括针对整个行程执行所有安全关键驾驶功能的手段,
所述自动车***(1)包括至少一个事件触发器,所述至少一个事件触发器用于通过在所述自动控制***(461,...,465)的数据流路径中测量和触发所述自动数据(3)的指示预定风险事件之一的参数来触发所述预定风险事件的发生,
借助于所述自动车***(1)的中央的基于机器学习的电路(11)来处理从所述机动车辆(41,...,45)的发送的自动数据(3)中捕获的与风险相关的自动数据(3),并且生成预定风险事件(61,...,63)的发生的测量可能性,其中,作为预定风险事件(61,...,63)的发生的测量可能性的风险是至少基于共担的所述机动车辆(41,...,45)的预定风险事件(61,...,63)的发生的可能性而动态地确定的,其中,第一风险转移参数(501,...,505)及相关联的第一支付转移参数(1021,...,1025)借助于所述中央的基于机器学习的电路(11)生成并被发送至所述第一风险转移***(10),并且其中,在触发与所述机动车辆(41,...,45)的转移的风险敞口相关联的定义风险事件(61,...,63)之一的发生的情况下,发生的损失(71,...,75)由所述第一风险转移***(10)基于所述第一风险转移参数(501,...,505)及相关联的第一支付转移参数(1021,...,1025)自动覆盖,
所述自动车***(1)包括第二风险转移***(12),以提供基于第二风险转移参数(511,...,515)从所述第一风险转移***(10)中的一个或更多个到所述第二风险转移***(12)的第二风险转移,其中,所述第二风险转移***(12)包括第二支付转移模块(123),所述第二支付转移模块被配置成接收和存储(122)第二支付参数(1221,...,1225)用于共担所述第一风险转移***(10)的与转移至所述第一风险转移***(10)的风险敞口相关联的风险,
第二风险转移参数(511,...,515)及相关联的第二支付转移参数(1221,...,1225)借助于所述中央的基于机器学习的电路(11)生成并被发送至所述第二风险转移***(12),其中,所述发生的损失(71,...,75)由所述第二风险转移***(12)基于所述第二风险转移参数(511,...,515)及相关联的第二支付转移参数(1221,...,1225)至少部分地覆盖,以及
所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515)及所述相关联的第一支付转移参数和所述相关联的第二支付转移参数(1021,...,1025/1221,...,1225)借助于所述中央的基于机器学习的电路(11)基于从所述多个自主或部分自主驾驶机动车辆(41,...,45)捕获的所述基于使用的(31)和/或基于用户的(32)和/或操作的(33)自动数据(3)并基于所述第一风险转移***(10)的经共担的风险来动态地适应和/或优化,所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515)转移与所测量的预定风险事件(61,...,63)的发生相关联的风险敞口(5),其中,借助于所述中央的基于机器学习的电路(11)生成的所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515)及相关联的第一支付转移参数和相关联的第二支付转移参数(1021,...,1025/1221,...,1225)至少取决于特定机动车辆的自主驾驶支持设备的与所发送的自动数据(3)的背景数据和/或环境数据相关的激活,并且其中,特定自主驾驶支持设备的激活对生成的参数的影响取决于所述发送的自动数据(3)的同时测量的、时间相关的背景数据,
为了生成所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515),所述中央的基于机器学习的电路(11)对于其机器学习结构包括由所述中央的基于机器学习的电路(11)对地理区域生成的具有可选网格单元(201,…,203)的空间高分辨率网格(20),其中,位置相关数据被分配给所述网格(20)的可选网格单元(201,…,203),以由所述中央的基于机器学习的电路(11)提供与所述机动车辆(41,...,45)的风险相关的动态位置,所述位置相关数据包括为所述网格单元(201,…,203)提供用于生成加权风险贡献的历史数据以及提供适当的风险贡献的所捕获的自动数据(3)的处理数据,并且
所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515)及相关联的第一支付转移参数和/或相关联的第二支付转移参数(1021,...,1025/1221,...,1225)借助于所述中央的基于机器学习的电路(11)基于一个或多个风险事件(61,...,63)的时间相关联的发生率数据并基于所述自主驾驶机动车辆(41,...,45)在使用期间触发的分类并且基于从所述多个自主驾驶机动车辆(41,...,45)捕获的所述基于使用的(31)和/或基于用户的(32)和/或操作的(33)自动数据(3)来动态地适应和/或积累。
2.根据权利要求1所述的自动车***(1),其特征在于,所述自动控制***(461,...,465)至少测量特定机动车辆的自主驾驶支持设备的激活和/或汽车驾驶的自动化等级,并且经由所述远程信息处理装置(411,...,415)将测量的所述特定机动车辆的自主驾驶支持设备的激活和/或所述汽车驾驶的自动化等级作为所述自动数据(3)的一部分发送至所述中央的基于机器学习的电路(11)。
3.根据权利要求2所述的自动车***(1),其特征在于,生成的第一风险转移参数和第二风险转移参数(501,...,505/511,...,515)及所述相关联的第一支付转移参数和所述相关联的第二支付转移参数(1021,...,1025/1221,...,1225)至少取决于测量的所述特定机动车辆的自主驾驶支持设备的激活和/或所述汽车驾驶的自动化等级。
4.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述发送的自动数据(3)的所述同时测量的、时间相关的背景数据和/或环境数据至少包括测量的天气条件参数和/或位置坐标参数。
5.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,基于所述发送的自动数据(3)的背景数据和/或环境数据来测量时间相关的背景得分参数,并且确定关于所述特定机动车辆的每个激活的自主驾驶支持设备的汽车制造商得分参数,其中,基于所述特定机动车辆的激活的自主驾驶支持设备的性能和/或效率和/或质量测量结果来确定所述汽车制造商得分参数,并且其中,借助于所述中央的基于机器学习的电路(11)生成的所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515)及所述相关联的第一支付转移参数和所述相关联的第二支付转移参数(1021,...,1025/1221,...,1225)至少取决于测量的背景得分参数和所述汽车制造商得分参数。
6.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,与所述机动车辆(41,...,45)的转移的风险敞口相关联的所述定义风险事件(61,...,63)至少包括与针对损害(61)和/或损失(62)和/或交付延迟(63)的责任风险转移相关的转移的风险敞口,其中,所述发生的损失(71,...,75)由所述第一风险转移***(10)基于所述第一风险转移参数(501,...,505)及相关联的第一支付转移参数(1021,...,1025)自动覆盖。
7.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述外感受性传感器或测量装置(4011)至少包括:用于监测所述机动车辆(41,...,45)的周围环境的雷达传感器(40117);和/或用于监测所述机动车辆(41,...,45)的周围环境的激光雷达装置(40115);和/或用于测量所述机动车辆(41,...,45)的定位参数的全球定位***(40112)或车辆跟踪装置;和/或用于补充和改进由所述全球定位***(40112)或车辆跟踪装置测量的所述定位参数的里程计传感器(40114);和/或用于监测所述机动车辆(41,...,45)的周围环境的视频摄像机(40116);和/或用于测量靠近所述机动车辆(41,...,45)的对象的位置的超声波传感器(40113)。
8.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,为了提供所述无线连接(4114),所述远程信息处理装置(411,...,415)借助于所述远程信息处理装置(411,...,415)的天线连接充当相应的数据传输网络内的无线节点(221,...,225)。
9.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述机动车辆(41,...,45)的用于自主机动车辆驾驶的自动控制***(461,...,465)连接至车载诊断***(431,...,435)和/或车内交互装置(441,...,445)和/或监测蜂窝移动节点应用(451,...,455),其中,所述自动控制***(461,...,465)捕获所述机动车辆(41,...,45)和/或用户(321,322,323)的基于使用的(31)和/或基于用户的(32)自动数据(3)。
10.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述中央的基于机器学习的电路(11)包括累积模块,所述累积模块基于捕获的与风险相关的自动数据(3)为一个或多个暴露于共担的风险的自主驾驶机动车辆(41,...,45)提供所述风险敞口,其中,所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515)及所述相关联的第一支付转移参数和所述相关联的第二支付转移参数(1021,...,1025/1221,...,1225)基于集中的自主驾驶机动车辆(41,...,45)的预定风险事件(61,...,63)发生的可能性动态地生成。
11.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,发生的和触发的损失(71,...,75)借助于在预定时间段(1141)内对于所有暴露于风险的自主驾驶机动车辆(41,...,45)的测量的风险事件(61,...,63)的发生的捕获的损失参数(711,...,715/721,...,725/731,...,735)通过递增相关联的存储的累积损失参数(80)来自动累积,并且在所述预定时间段(1141)内对于所有暴露于风险的自主驾驶机动车辆(41,...,45)通过递增相关联的存储的累积支付参数(81)来自动累积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)及所述相关联的第一和第二支付转移参数(1021,...,1025/1221,...,1225)基于所述累积损失参数(80)和所述累积支付参数(81)的比率动态地生成。
12.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述第一风险转移***和所述第二风险转移***(10/12)借助于基于机器学习的电路(11)基于能够动态适应的第一风险转移参数和第二风险转移参数(501,...,505/511,...,515)及所述相关联的第一支付转移参数和所述相关联的第二支付转移参数(1021,...,1025/1221,...,1225)自动化地操纵、触发、发信号和相互激活,借助于耦合的第一风险转移***和第二风险转移***(10/12)为与所述远程信息处理装置(411,...,415)相关联的可变数量的自主驾驶机动车辆(41,...,45)提供自给自足的风险保护。
13.根据权利要求11所述的自动车***(1),其特征在于,所述第一风险转移***(10)包括自动化第一资源共担***(101),并且所述第二风险转移***(12)包括自动化第二资源共担***(121),其中,所述暴露于风险的自主驾驶机动车辆(41,...,45)借助于多个支付转移模块(103)连接至所述第一资源共担***(101),所述多个支付转移模块(103)被配置成接收和存储(102)来自所述暴露于风险的自主驾驶机动车辆(41,...,45)的第一支付(1021,...,1025)用于其风险敞口的共担,其中,所述第一风险转移***(10)基于接收和存储的第一支付参数(1021,...,1025)为每个连接的暴露于风险的所述机动车辆(41,...,45)提供自动化风险保护,其中,所述第一风险转移***(10)借助于第二支付转移模块(123)连接至所述第二资源共担***(121),所述第二支付转移模块被配置成接收并存储(122)来自所述第一风险转移***(10)的第二支付参数(1221,...,1225)用于采用由所述第一风险转移***(10)积累的所述风险敞口的一部分,并且其中,在发生定义风险事件(61,...,63)之一的情况下,所述发生的损失由所述自动车***(1)自动覆盖。
14.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述中央的基于机器学习的电路(11)包括得分驾驶模块(111),所述得分驾驶模块基于定义的自主得分驾驶行为模式(1121,...,1123)通过将捕获的自动数据(3)与定义的自主得分驾驶行为模式(1121,...,1123)进行比较来触发并自动选择得分驾驶参数(1111,...,1113)。
15.根据权利要求14所述的自动车***(1),其特征在于,所述得分驾驶模块(111)基于用于自主机动车辆驾驶的所述自动控制***(461,...,465)的与所述自主驾驶机动车辆(41,...,45)相关联的捕获的自动数据(3)根据所测量的所述自主驾驶机动车辆(41,...,45)的位置或行程来自动捕获得分风险(61,...,63)。
16.根据权利要求14所述的自动车***(1),其特征在于,所述得分驾驶模块(111)根据从与所述自主驾驶机动车辆(41,...,45)和/或所述自动控制***(461,...,465)或主动安全特征的使用相关联的自动数据(3)中提取的测量的维护监视因子来自动捕获得分风险(61,...,63)。
17.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述中央的基于机器学习的电路(11)包括附加触发器(112/113),其基于与所述机动车辆(41,...,45)相关联的所述捕获的自动数据(3)来触发事故通知和/或其他附加服务。
18.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述远程信息处理装置(411,...,415)借助于无线电数据***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模块和/或语言单元(4114)提供所述一个或更多个无线连接,所述语言单元与所述无线电数据***模块或所述定位***或所述移动电话模块通信。
19.根据权利要求18所述的自动车***(1),其特征在于,所述卫星接收模块(41145)包括全球定位***GPS(40112)电路以及/或者所述数字无线电服务模块(41141)至少包括全球移动通信***GSM单元。
20.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,用于与机动车辆的数据传输总线中的至少一个连接的所述多个接口(421,...,425)至少包括用于与机动车辆的控制器区域网络CAN总线连接的接口。
21.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述远程信息处理装置(411,...,415)中的至少一些远程信息处理装置和/或用于自主机动车辆驾驶的所述自动控制***(461,...,465)包括用于保存处理器驱动操作代码的安全设备以及用于读取和捕获所述自动数据(3)的闪存。
22.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,借助于传感器捕获所述自动数据(3)中的至少一些自动数据,所述传感器至少包括用于测量所述自主驾驶机动车辆在加速、制动和转弯期间的重力的加速度计以及/或者用于记录位置数据和计算驾驶距离的全球定位***GPS。
23.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述远程信息处理装置(411,...,415)中的至少一些远程信息处理装置包括蜂窝调制解调器,所述蜂窝调制解调器借助于所述远程信息处理装置(411,...,415)将所述自动数据的(3)从用于自主机动车辆驾驶的所述自动控制***(461,...,465)发送至所述中央的基于机器学习的电路(11)。
24.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,用于自主机动车辆驾驶的所述自动控制***(461,...,465)连接至监测所述车辆的***和/或子***的车载诊断OBD***(431,...,435)。
25.根据权利要求24所述的自动车***(1),其特征在于,连接至所述自主驾驶机动车辆(41,...,45)的车载诊断OBD***(431,...,435)的用于自主机动车辆驾驶的所述自动控制***(461,...,465)通过将数据传输线***所述车载诊断***(431,...,435)的适当端口来连接。
26.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,用于自主机动车辆驾驶的所述自动控制***(461,...,465)被连接至车内交互装置(441,...,445),其中,所述车辆的速度和行驶距离由全球定位***GPS(40112)电路监测,并且其中,所述自动数据(3)借助于蜂窝电信连接经由所述远程信息处理装置(411,...,415)被发送至所述中央的基于机器学习的电路(11)。
27.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,用于自主机动车辆驾驶的所述自动控制***(461,...,465)包括扬声器以及从所述中央的基于机器学习的电路(11)和/或所述第一风险转移***和/或所述第二风险转移***(10/12)到用于自主机动车辆驾驶的所述自动控制***(461,...,465)的语音连接,从而向所述机动车辆(41,...,45)的用户提供关于其驾驶模式和/或其他基于使用的(31)或基于用户的(32)或操作的(33)参数的实时服务。
28.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,用于自主机动车辆驾驶的所述自动控制***(461,...,465)中的至少一些控制***被连接至移动电话应用(智能电话应用)(451,...,455),其中,相关联的移动电话包括提供对行驶速度、行驶频率、位置和驾驶风格的监测的全球定位***GPS(40112)电路和/或移动网络三角测量设备,并且其中,所述移动电话的网络连接用于将所述捕获的自动数据(3)发送至所述中央的基于机器学习的电路(11)。
29.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,在触发定义激活阈值参数(124)的超过的情况下,通过借助于所述***(1)将激活信令传递至所述第二风险转移***(12)来自动激活所述第二风险转移***(12),所述第二风险转移***在激活时覆盖由所述第一风险转移***(10)积累的风险敞口的采用的部分。
30.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,在触发基于测量的预定事件(61,...,63)的捕获的损失参数(711,...,715/721,...,725/731,...,735)的损失(71,...,75)的发生的情况下,通过借助于所述***(1)将激活信令传递至所述第二风险转移***(12)而自动激活所述第二风险转移***(12),所述第二风险转移***在激活时覆盖在所述第一风险转移***(10)处发生的损失(71,...,75)的预定部分。
31.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述自动车***(1)的累积模块(114)在预定时间段(1141)内对于所有暴露于风险的自主驾驶机动车辆(41,...,45)通过递增相关联的存储的累积损失参数(80)来自动累积测量的风险事件(61,...,63)的发生的捕获的损失参数(80),并且在所述预定时间段(1141)内对于所有风险敞口的部件通过递增相关联的存储的累积支付参数(81)来自动累积接收和存储的第一支付参数(1021,...,1025),其中,可变赔付率参数(82)基于所述累积损失参数(80)与所述累积支付参数(81)的比率被动态地生成,并且其中,所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515)及所述相关联的第一支付转移参数和所述相关联的第二支付转移参数(1021,...,1025/1221,...,1225)基于共担的自主驾驶机动车辆(41,...,45)的预定风险事件(61,...,63)的发生的可能性和所述可变赔付率参数(82)被动态地生成。
32.根据权利要求31所述的自动车***(1),其特征在于,通过触发所述可变赔付率参数(82)超过赔付率阈值(821),所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515)及所述相关联的第一支付转移参数和所述相关联的第二支付转移参数(1021,...,1025/1221,...,1225)基于共担的所述机动车辆(41,...,45)的预定风险事件(61,...,63)的发生的可能性和所述可变赔付率参数(82)来动态地适应。
33.根据权利要求29所述的自动车***(1),其特征在于,触发所述定义激活阈值参数(124)的超过与测量的风险事件(61,...,63)的积累发生的触发值相关联。
34.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,暴露于风险的自主驾驶机动车辆(41,...,45)被连接至所述第一风险转移***(10),所述第一风险转移***借助于动态适应和优化的第一风险转移参数(501,...,505)及相关联的动态调整的第一支付转移参数(1021,...,1025)将与定义风险事件(61,...,63)的发生相关联的风险敞口从所述暴露于风险的自主驾驶机动车辆(41,...,45)转移至所述第一风险转移***(10),其中,所述第一风险转移***(10)通过借助于动态适应和优化的第二风险转移参数(511,...,515)及相关联的动态调整的第二支付转移参数(1221,...,1225)将与所述定义风险事件(61,...,63)的发生相关联的风险敞口(5)从所述第一风险转移***(10)转移到所述第二风险转移***(12)而被连接至所述第二风险转移***(12),并且其中,在发生所述定义风险事件(61,...,63)之一的情况下,测量所述暴露于风险的自主驾驶机动车辆(41,...,45)处的所述损失(71,...,75)的损失参数(711,...,715/721,...,725/731,...,735)被捕获并发送至所述第一风险转移***(10),并且其中,所述发生的损失(71,...,75)由所述第一风险转移***(10)基于所述优化的第一风险转移参数(501,...,505)自动覆盖。
35.根据权利要求34所述的自动车***(1),其特征在于,在发生定义风险事件(61,...,63)之一的情况下,测量所述暴露于风险的自主驾驶机动车辆(41,...,45)处的所述损失的损失参数(711,...,715/721,...,725/731,...,735)被自动捕获并发送至所述第一风险转移***(10),并且其中,所述发生的损失(71,...,75)由所述第一风险转移***(10)自动覆盖。
36.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述自动车***(1)包括具有捕获设备的控制装置(1231),所述捕获设备用于捕获从所述第一风险转移***(10)到所述第二支付转移模块(123)的支付转移,其中,所述***(1)的第二风险转移***(12)仅能够通过触发与预定激活控制参数(1232)匹配的支付转移来激活。
37.根据权利要求13所述的自动车***(1),其特征在于,与预定风险事件(61,...,63)相关联并分配给暴露于共担的风险的自主驾驶机动车辆(41,...,45)的损失(71,...,75)通过所述第一风险转移***(10)的自动化资源共担***(101)经由从所述第一资源共担***(101)到所述暴露于风险的所述机动车辆(41,...,45)的支付转移被明确地覆盖,并且其中,从所述第二风险转移***(12)的自动化第二资源共担***(121)到所述第一资源共担***(101)的第二支付转移通过所述自动车***(1)基于测量的所述暴露于风险的自主驾驶机动车辆(41,...,45)的实际损失(711,...,715/721,...,725/731,...,735)经由生成的激活信号来触发。
38.根据权利要求37所述的自动车***(1),其特征在于,与转移至所述第二风险转移***(12)的风险对应的损失(71,...,75)通过所述第二资源共担***(121)通过经由所述第二支付转移模块(123)从所述第二资源共担***(121)到涉及的暴露于风险的自主驾驶机动车辆(41,...,45)的资源转移被直接覆盖。
39.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述自动车***(1)的中央的基于机器学习的电路(11)包括如下设备:该设备用于处理与风险相关的自动数据(3)以及用于基于与风险相关的自动数据(3)提供共担的所述机动车辆(41,...,45)的预定风险事件(61,...,63)的发生的可能性,并且其中,来自暴露于风险的自主驾驶机动车辆(41,...,45)的用于共担其风险的支付(1021,...,1025)的接收和预处理存储(102)能够基于共担的自主驾驶机动车辆(41,...,45)的总风险和/或预定风险事件(61,...,63)的发生的可能性被动态地确定。
40.根据权利要求13所述的自动车***(1),其特征在于,借助于所述中央的基于机器学习的电路(11)处理与风险相关的自动数据(3),并且生成基于所述与风险相关的自动数据(3)的共担的所述机动车辆(41,...,45)的预定风险事件(61,...,63)的发生的可能性,并且其中,从第一资源共担***(101)到所述第二资源共担***(121)的用于转移其风险的支付(1221,...,1225)的接收和预处理存储(102)能够基于共担的自主驾驶机动车辆(41,...,45)的总风险和/或预定风险事件(61,...,63)的发生的可能性被动态地确定。
41.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,暴露于共担的风险的自主驾驶机动车辆(41,...,45)的数量借助于所述基于机器学习的电路(11)经由所述第一风险转移***(10)来动态地适应到如下范围:在所述范围内,由所述第一风险转移***(10)覆盖的非协变发生风险在任意给定时间仅影响总的暴露于共担的风险的自主驾驶机动车辆(41,...,45)的相对小比例的车辆。
42.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,来自所述第一风险转移***(10)的风险转移借助于所述基于机器学习的电路(11)经由所述第二风险转移***(12)来动态地适应到如下范围:在所述范围内,由所述第二风险转移***(12)覆盖的非协变发生风险在任意给定的时间仅影响从所述第一风险转移***(10)转移的总风险的相对小比例的风险。
43.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515)及所述相关联的第一支付转移参数和所述相关联的第二支付转移参数(1021,...,1025/1221,...,1225)借助于所述中央的基于机器学习的电路(11)基于一个或多个风险事件(61,...,63)的时间相关的发生率数据来动态地适应。
44.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,在每次借助于所述中央的基于机器学习的电路(11)触发捕获的自动数据或指示风险事件(61,...,63)的参数(611,...,613/621,...,623/631,...,633)的发生时,利用所述触发来分配总参数化支付,其中,在已经对受测量的所述风险事件(61,...,63)的发生影响的相应的暴露于共担的风险的自主驾驶机动车辆(41,...,45)触发了所述发生时,总分配支付能够转移。
45.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,在触发与所述定义风险事件(61,...,63)的发生相关联的或者作为发生的损失(71,...,75)的预定部分(125)的定义激活阈值参数(124)的超过的情况下,所述发生的损失(71,...,75)由所述第二风险转移***(12)基于所述第二风险转移参数(511,...,515)及相关联的第二支付转移参数(1221,...,1225)至少部分地覆盖。
46.根据权利要求1至3中任一项所述的自动车***(1),其特征在于,具有用于自主机动车辆驾驶的所述自动控制***(461,...,465)的自动车***(1)是基于机器学习的自动车***(1)。
47.一种用于动态触发和动态调整与多个自主或部分自主驾驶机动车辆(41,...,45)相关联的自动化的自动车***(1)的自动控制方法,所述自主驾驶机动车辆(41,...,45)包括用于感测环境参数的外感受性传感器或测量装置(4011)以及用于感测所述机动车辆(41,...,45)的操作参数的本体感受性传感器或测量装置(4012),所述环境参数至少包括到对象的距离和/或环境光的强度和/或声音振幅,所述机动车辆的操作参数至少包括所述机动车辆(41,...,45)的马达速度和/或车轮负载和/或航向和/或电池状态,所述自主或部分自主驾驶机动车辆(41,...,45)包括自动控制***(461,...,465),所述自动控制***通过解释所述外感受性传感器或测量装置(4011)和所述本体感受性传感器或测量装置(4012)的感测数据,识别适当的导航路径和/或障碍物和/或相关标志来用于所述机动车辆(41,...,45)的自主驾驶,以及所述机动车辆(41,...,45)包括远程信息处理装置(411,...,415),所述远程信息处理装置具有所述自动控制***(461,...,465)与外部***之间的一个或更多个无线连接(4114),并具有用于与所述外感受性传感器或测量装置和所述本体感受性传感器或测量装置(4011/4012)连接的多个接口(421,...,425),
其中,数据链路(21)借助于中央的基于机器学习的电路(11)与多个自动控制***(461,...,465)之间的所述无线连接(4114)来设置,所述数据链路将至少基于使用的(31)和/或基于用户的(32)和/或操作的(33)自主数据(3)经由所述远程信息处理装置(411,...,415)发送至所述中央的基于机器学习的电路(11),其中,所述基于使用的(31)和/或基于用户的(32)和/或操作的(33)自动数据(3)基于所述外感受性传感器或测量装置和所述本体感受性传感器或测量装置(4011,4012)的感测数据以及/或者所述自动控制***(461,...,465)的操作参数(4611),
并且其中,由所述自动车***(1)的自动化第一风险转移***(10)提供基于第一风险转移参数(501,...,505)从所述机动车辆(41,...,45)中的至少一些机动车辆到第一风险转移***(10)的第一风险转移,其中,所述第一风险转移***(10)包括多个支付转移模块(103),所述多个支付转移模块被配置成接收和存储(102)与所述机动车辆(41,...,45)的风险敞口(5)的风险转移相关联的第一支付参数(1021,...,1025)以用于共担其风险,其特征在于,
为了测量准确定位,所述外感受性传感器或测量装置(4011)的测量的和发送的自动数据(3)至少包括全球定位***GPS(40112)的测量数据,所述全球定位***GPS(40112)的测量数据与转速计、高度计和陀螺仪的测量数据相结合,并且通过里程计传感器(40114)的测量数据而补充,以改善所述全球定位***GPS(40112)的测量数据,为了测量靠近所述机动车辆(41,...,45)的对象的位置,所述外感受性传感器或测量装置(4011)的测量的和发送的自动数据(3)至少包括超声波传感器(40113)的测量数据,为了监测所述机动车辆的周围环境,所述外感受性传感器或测量装置(4011)的测量的和发送的自动数据(3)至少包括光检测和测距LIDAR测量装置(40115)和/或视频摄像机(40116)和/或雷达传感器(40117)的测量数据,
为了测量特定机动车辆的自主驾驶支持设备的自动化和/或激活,所述外感受性传感器或测量装置和所述本体感受性传感器或测量装置(4011,4012)的测量的和发送的自动数据(3)包括指示自主驾驶的至少5个预定自动化和/或激活等级的测量数据,其中,所述中央的基于机器学习的电路(11)包括由所述自动控制***(461,...,465)施加的用于触发所述机动车辆(41,...,45)的预定自动化等级的触发参数,并且其中,在触发等级0时,驾驶员始终完全控制所述机动车辆,在触发等级1时,所述自动化包括一个或更多个特定且独立的操作控制功能,在触发等级2时,所述自动化包括结合作用的至少两个控制功能,在触发等级3时,所述自动化包括使得驾驶员能够在某些交通或环境状况下放弃对所有安全关键功能的完全控制的手段,以及在触发等级4时,所述自动化包括针对整个行程执行所有安全关键驾驶功能的手段,
借助于所述自动车***(1)的至少一个事件触发器,通过在所述自动控制***(461,...,465)的数据流路径中测量和触发所述自动数据(3)的指示预定风险事件之一的参数来触发所述预定风险事件的发生,
借助于所述自动车***(1)的中央的基于机器学习的电路(11),处理从所述自主驾驶机动车辆(41,...,45)捕获的与风险相关的自动数据(3),并且生成预定风险事件(61,...,63)的发生的测量可能性,其中,至少基于共担的所述机动车辆(41,...,45)的预定风险事件(61,...,63)的发生的可能性来动态地确定作为预定风险事件(61,...,63)的发生的测量可能性的风险,其中,第一风险转移参数(501,...,505)及相关联的第一支付转移参数(1021,...,1025)借助于所述中央的基于机器学习的电路(11)生成并被发送至所述第一风险转移***(10),并且其中,在触发与所述机动车辆(41,...,45)的转移的风险敞口相关联的定义风险事件(61,...,63)之一的发生的情况下,发生的损失(71,...,75)由所述第一风险转移***(10)基于所述第一风险转移参数(501,...,505)及相关联的第一支付转移参数(1021,...,1025)自动覆盖,
由所述自动车***(1)的自动化第二风险转移***(12)提供基于第二风险转移参数(511,...,515)从所述第一风险转移***(10)中的一个或更多个到所述第二风险转移***(12)的第二风险转移,其中,所述第二风险转移***(12)包括第二支付转移模块(123),所述第二支付转移模块被配置成接收和存储(122)第二支付参数(1221,...,1225)用于共担所述第一风险转移***(10)的与转移至所述第一风险转移***(10)的风险敞口相关联的风险,
第二风险转移参数(511,...,515)及相关联的第二支付转移参数(1221,...,1225)借助于所述中央的基于机器学习的电路(11)生成并被发送至所述第二风险转移***(12),其中,所述发生的损失(71,...,75)由所述第二风险转移***(12)基于所述第二风险转移参数(511,...,515)及相关联的第二支付转移参数(1221,...,1225)至少部分地覆盖,
所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515)及所述相关联的第一支付转移参数和所述相关联的第二支付转移参数(1021,...,1025/1221,...,1225)借助于所述中央的基于机器学习的电路(11)基于从所述机动车辆(41,...,45)捕获的所述基于使用的(31)和/或基于用户的(32)和/或操作的(33)自动数据(3)并基于所述第一风险转移***(10)的经共担的风险来动态地适应和/或优化,所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515)转移与所测量的预定风险事件(61,...,63)的发生相关联的风险敞口(5),其中,借助于所述中央的基于机器学习的电路(11)生成的所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515)及相关联的第一支付转移参数和相关联的第二支付转移参数(1021,...,1025/1221,...,1225)至少取决于特定机动车辆的自主驾驶支持设备的与所发送的自动数据(3)的背景数据和/或环境数据相关的激活,
并且其中,特定自主驾驶支持设备的激活对生成的参数的影响取决于所发送的自动数据(3)的同时测量的、时间相关的背景数据,
为了生成所述第一风险转移参数和所述第二风险转移参数(501,...,505/511,...,515),所述中央的基于机器学习的电路(11)对于其机器学习结构包括由所述中央的基于机器学习的电路(11)对地理区域生成的具有可选网格单元(201,…,203)的空间高分辨率网格(20),其中,将位置相关数据分配给所述网格(20)的可选网格单元(201,…,203),以由所述中央的基于机器学习的电路(11)提供与所述机动车辆(41,...,45)的风险相关的动态位置,所述位置相关数据包括为所述网格单元(201,…,203)提供用于生成加权风险贡献的历史数据以及提供适当的风险贡献的所捕获的自动数据(3)的处理数据,并且
所述第一风险转移参数和第二风险转移参数(501,...,505/511,...,515)及相关联的第一支付转移参数和/或相关联的第二支付转移参数(1021,...,1025/1221,...,1225)借助于所述中央的基于机器学习的电路(11)基于一个或多个风险事件(61,...,63)的时间相关联的发生率数据并基于所述自主驾驶机动车辆(41,...,45)在使用期间触发的分类并且基于从所述多个自主驾驶机动车辆(41,...,45)捕获的所述基于使用的(31)和/或基于用户的(32)和/或操作的(33)自动数据(3)来动态地适应和/或积累。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2016/064758 WO2017220169A1 (en) | 2016-06-24 | 2016-06-24 | Autonomous or partially autonomous motor vehicles with automated risk-controlled systems and corresponding method thereof |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109416873A CN109416873A (zh) | 2019-03-01 |
CN109416873B true CN109416873B (zh) | 2022-02-15 |
Family
ID=56360366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680087035.0A Active CN109416873B (zh) | 2016-06-24 | 2016-06-24 | 具有自动化风险控制***的自主或部分自主机动车辆及其相应方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10460394B2 (zh) |
EP (1) | EP3475933A1 (zh) |
JP (1) | JP6849705B2 (zh) |
CN (1) | CN109416873B (zh) |
WO (1) | WO2017220169A1 (zh) |
Families Citing this family (123)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10032226B1 (en) * | 2013-03-08 | 2018-07-24 | Allstate Insurance Company | Automatic exchange of information in response to a collision event |
US10567910B2 (en) * | 2015-11-02 | 2020-02-18 | Regents Of The University Of Minnesota | Workzone safety system |
US11017476B1 (en) * | 2015-11-17 | 2021-05-25 | Uipco, Llc | Telematics system and method for accident detection and notification |
DE112016006323T5 (de) * | 2016-01-28 | 2018-10-18 | Mitsubishi Electric Corporation | Unfallwahrscheinlichkeitsrechner, Unfallwahrscheinlichkeitsberechnungsverfahren und Unfallwahrscheinlichkeitsberechnungsprogramm |
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 |
JP6494567B2 (ja) * | 2016-06-27 | 2019-04-03 | 矢崎総業株式会社 | 通信管理装置および通信システム |
US10209708B2 (en) * | 2016-07-28 | 2019-02-19 | Lytx, Inc. | Determining driver engagement with autonomous vehicle |
US10571908B2 (en) * | 2016-08-15 | 2020-02-25 | Ford Global Technologies, Llc | Autonomous vehicle failure mode management |
JP6617726B2 (ja) * | 2017-02-01 | 2019-12-11 | トヨタ自動車株式会社 | 運転制御装置 |
US10288439B2 (en) * | 2017-02-22 | 2019-05-14 | Robert D. Pedersen | Systems and methods using artificial intelligence for routing electric vehicles |
US20210264531A1 (en) | 2017-03-03 | 2021-08-26 | State Farm Mutual Automobile Insurance Company | Systems and methods for updating an insured loss history blockchain |
US10382466B2 (en) * | 2017-03-03 | 2019-08-13 | Hitachi, Ltd. | Cooperative cloud-edge vehicle anomaly detection |
EP3614363B1 (en) * | 2017-04-20 | 2024-03-13 | Fujitsu Limited | Dangerous spot calculation program, dangerous spot calculation method, and dangerous spot calculation device |
US10929931B1 (en) | 2017-05-02 | 2021-02-23 | State Farm Mutual Automobile Insurance Company | Distributed ledger system for carrier discovery |
CN108860143B (zh) * | 2017-05-12 | 2020-06-16 | 法雷奥汽车内部控制(深圳)有限公司 | 用于控制自动驾驶的车辆的方法和车辆控制*** |
US20180342054A1 (en) * | 2017-05-26 | 2018-11-29 | Bsquare Corp. | System and method for constructing augmented and virtual reality interfaces from sensor input |
US10386856B2 (en) | 2017-06-29 | 2019-08-20 | Uber Technologies, Inc. | Autonomous vehicle collision mitigation systems and methods |
CN110914779A (zh) * | 2017-07-20 | 2020-03-24 | 纽诺有限公司 | 自主车辆重新定位 |
US10457263B2 (en) * | 2017-07-24 | 2019-10-29 | Bendix Commercial Vehicle Systems, Llc | Brake adjustment detection using WSS based thermal measurement |
US10065638B1 (en) * | 2017-08-03 | 2018-09-04 | Uber Technologies, Inc. | Multi-model switching on a collision mitigation system |
US10532749B2 (en) * | 2017-08-11 | 2020-01-14 | Uatc, Llc | Systems and methods to adjust autonomous vehicle parameters in response to passenger feedback |
US10585433B2 (en) * | 2017-08-28 | 2020-03-10 | Ford Global Technologies, Llc | Methods and apparatus for automotive drive mode selection |
EP3679552A1 (en) * | 2017-09-06 | 2020-07-15 | Swiss Reinsurance Company Ltd. | Electronic logging and track identification system for mobile telematics devices, and corresponding method thereof |
US10698421B1 (en) | 2017-09-25 | 2020-06-30 | State Farm Mutual Automobile Insurance Company | Dynamic autonomous vehicle train |
US11048271B1 (en) | 2017-10-05 | 2021-06-29 | State Farm Mutual Automobile Insurance Company | Dynamic autonomous vehicle train |
US10611381B2 (en) | 2017-10-24 | 2020-04-07 | Ford Global Technologies, Llc | Decentralized minimum risk condition vehicle control |
WO2019087349A1 (ja) * | 2017-11-02 | 2019-05-09 | 株式会社Leis | 金融取引制御システム、そのアプリケーション、それを用いた金融取引方法、および金融取引制御方法 |
DE112018005737T5 (de) * | 2017-11-30 | 2020-08-13 | Robert Bosch Gmbh | Fahrzeugflottenmanagement mit einer hiearachie von prioritätsfaktoren |
US10647329B2 (en) * | 2017-12-12 | 2020-05-12 | Uatc, Llc | Disengaging autonomous control of vehicle |
WO2019136404A1 (en) | 2018-01-05 | 2019-07-11 | Todd Petersen | Transportation systems and related methods |
US11073838B2 (en) | 2018-01-06 | 2021-07-27 | Drivent Llc | Self-driving vehicle systems and methods |
US10755111B2 (en) | 2018-01-29 | 2020-08-25 | Micron Technology, Inc. | Identifying suspicious entities using autonomous vehicles |
US10726645B2 (en) | 2018-02-16 | 2020-07-28 | Ford Global Technologies, Llc | Vehicle diagnostic operation |
US11087571B2 (en) * | 2018-02-16 | 2021-08-10 | General Motors Llc | Monitoring quality of care at vehicle |
DE102018203287B4 (de) * | 2018-03-06 | 2024-03-07 | Audi Ag | Verfahren und System zum Betreiben einer Spurhalteassistenzvorrichtung eines Kraftfahrzeugs |
JP6962566B2 (ja) * | 2018-03-06 | 2021-11-05 | 株式会社パインベース | 情報送信装置、プログラム、及び管理システム |
US11009876B2 (en) | 2018-03-14 | 2021-05-18 | Micron Technology, Inc. | Systems and methods for evaluating and sharing autonomous vehicle driving style information with proximate vehicles |
US11727794B2 (en) * | 2018-03-14 | 2023-08-15 | Micron Technology, Inc. | Systems and methods for evaluating and sharing human driving style information with proximate vehicles |
US11407410B2 (en) * | 2018-04-10 | 2022-08-09 | Walter Steven Rosenbaum | Method and system for estimating an accident risk of an autonomous vehicle |
EP3578433B1 (en) * | 2018-04-10 | 2020-08-12 | Walter Steven Rosenbaum | Method for estimating an accident risk of an autonomous vehicle |
US10997429B2 (en) | 2018-04-11 | 2021-05-04 | Micron Technology, Inc. | Determining autonomous vehicle status based on mapping of crowdsourced object data |
CN108648447B (zh) * | 2018-05-08 | 2019-04-05 | 清华大学 | 基于行车安全场的车辆智能安全决策方法 |
US10755007B2 (en) * | 2018-05-17 | 2020-08-25 | Toyota Jidosha Kabushiki Kaisha | Mixed reality simulation system for testing vehicle control system designs |
US11507928B2 (en) | 2018-06-05 | 2022-11-22 | International Business Machines Corporation | Blockchain and cryptocurrency for real-time vehicle accident management |
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 |
US11161518B2 (en) | 2018-06-15 | 2021-11-02 | Micron Technology, Inc. | Detecting road conditions based on braking event data received from vehicles |
US10769869B2 (en) | 2018-06-27 | 2020-09-08 | International Business Machines Corporation | Self-driving vehicle integrity management on a blockchain |
JP7056430B2 (ja) * | 2018-07-18 | 2022-04-19 | 株式会社デンソー | 履歴管理方法、履歴管理装置及び履歴管理システム |
US11410174B2 (en) | 2018-08-07 | 2022-08-09 | International Business Machines Corporation | Custom blockchain for IoT devices |
US11068627B2 (en) | 2018-08-09 | 2021-07-20 | Zoox, Inc. | Procedural world generation |
KR102625398B1 (ko) * | 2018-08-17 | 2024-01-17 | 현대자동차주식회사 | 차량 및 그 제어방법 |
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 |
US11221621B2 (en) | 2019-03-21 | 2022-01-11 | Drivent Llc | Self-driving vehicle systems and methods |
US11021171B2 (en) * | 2018-10-08 | 2021-06-01 | International Business Machines Corporation | Driving state within a driving environment that includes autonomous and semi-autonomous vehicles |
US11138085B2 (en) * | 2018-10-09 | 2021-10-05 | Argo AI, LLC | Execution sequence integrity monitoring system |
US11144375B2 (en) | 2018-10-09 | 2021-10-12 | Argo AI, LLC | Execution sequence integrity parameter monitoring system |
US11503117B2 (en) | 2018-11-07 | 2022-11-15 | Phacil, Llc | Secure expeditionary AI sense-understand-decide-act system and method |
US11553363B1 (en) | 2018-11-20 | 2023-01-10 | State Farm Mutual Automobile Insurance Company | Systems and methods for assessing vehicle data transmission capabilities |
US11615349B2 (en) | 2018-11-26 | 2023-03-28 | Toyota Motor North America, Inc. | Parallel blockchains for vehicle and user ID |
US10730527B2 (en) * | 2018-12-05 | 2020-08-04 | International Business Machines Corporation | Implementing cognitive state recognition within a telematics system |
US11593726B2 (en) | 2019-01-08 | 2023-02-28 | Pike Enterprises, Llc | System for collecting and analyzing equipment telematic data |
CN109765820B (zh) * | 2019-01-14 | 2019-08-09 | 南栖仙策(南京)科技有限公司 | 一种用于自动驾驶控制策略的训练*** |
US11351886B2 (en) * | 2019-01-21 | 2022-06-07 | Ruichen Zhao | Systems and methods for electric vehicles with modular battery packs |
EP3687087B1 (en) | 2019-01-28 | 2023-08-02 | Volvo Car Corporation | A telematics verification system |
US10744976B1 (en) | 2019-02-04 | 2020-08-18 | Drivent Llc | Self-driving vehicle systems and methods |
JP7120079B2 (ja) * | 2019-02-28 | 2022-08-17 | トヨタ自動車株式会社 | 車両の制御装置 |
CN111667134A (zh) * | 2019-03-08 | 2020-09-15 | 瑞士再保险有限公司 | 自动风险转移的动态可扩展事件触发***及其相应方法 |
US11122062B2 (en) * | 2019-03-26 | 2021-09-14 | International Business Machines Corporation | Remote interference assessment and response for autonomous vehicles |
AU2020251018A1 (en) * | 2019-04-03 | 2021-11-11 | Provident Insurance Corporation Limited | Parametric vehicle insurance system |
US11341846B2 (en) * | 2019-04-04 | 2022-05-24 | Geotab Inc. | Traffic analytics system for defining road networks |
US11335191B2 (en) | 2019-04-04 | 2022-05-17 | Geotab Inc. | Intelligent telematics system for defining road networks |
US10699564B1 (en) | 2019-04-04 | 2020-06-30 | Geotab Inc. | Method for defining intersections using machine learning |
US11403938B2 (en) | 2019-04-04 | 2022-08-02 | Geotab Inc. | Method for determining traffic metrics of a road network |
CN111785011A (zh) * | 2019-04-04 | 2020-10-16 | 长沙智能驾驶研究院有限公司 | 道路车辆监测调控方法、装置、***和计算机设备 |
US11335189B2 (en) * | 2019-04-04 | 2022-05-17 | Geotab Inc. | Method for defining road networks |
EP3730375B1 (en) * | 2019-04-24 | 2021-10-20 | Walter Steven Rosenbaum | Method and system for analysing the control of a vehicle |
DE102019206134A1 (de) * | 2019-04-29 | 2020-10-29 | Volkswagen Aktiengesellschaft | Verfahren zum Überprüfen einer eCall-Funktion in einem Fahrzeug |
CN113892131B (zh) * | 2019-05-03 | 2023-10-24 | 石通瑞吉电子公司 | 利用事件检测的车辆记录*** |
US11308741B1 (en) | 2019-05-30 | 2022-04-19 | State Farm Mutual Automobile Insurance Company | Systems and methods for modeling and simulation in vehicle forensics |
US11673555B2 (en) * | 2019-08-02 | 2023-06-13 | Ford Global Technologies, Llc | Vehicle threat detection and response |
US11702090B2 (en) | 2019-08-06 | 2023-07-18 | Nissan North America | System for an automated vehicle |
CN110490465B (zh) * | 2019-08-22 | 2023-03-10 | 电子科技大学 | 服役过程中高速列车动态损失定量分析方法 |
US11493350B2 (en) * | 2019-08-26 | 2022-11-08 | GM Global Technology Operations LLC | Method and apparatus for providing alert notifications of high-risk driving areas in a connected vehicle |
US12002305B1 (en) | 2019-08-28 | 2024-06-04 | State Farm Mutual Automobile Insurance Company | Systems and methods for generating improved vehicle usage analytics based upon vehicle sensor and telematics data |
KR102379692B1 (ko) * | 2019-11-11 | 2022-03-29 | 한국과학기술원 | 자율주행차량의 주행 안정시점 판단방법 및 컴퓨터 프로그램 |
US11455844B2 (en) * | 2019-11-26 | 2022-09-27 | Ford Global Technologies, Llc | Electrical distribution system monitoring for electric and autonomous vehicles |
CN112951220B (zh) * | 2019-11-26 | 2024-03-01 | 广州汽车集团股份有限公司 | 一种语音冗余制动方法及其***、计算机设备、可读存储介质 |
CN111047840A (zh) * | 2019-12-16 | 2020-04-21 | 广东长宝信息科技股份有限公司 | 一种汽车监控报警*** |
KR20210084749A (ko) * | 2019-12-27 | 2021-07-08 | 현대자동차주식회사 | 자율주행차량 제어 시스템 및 그를 이용한 자율주행차량 제어 방법 |
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 |
DE102020103703B3 (de) * | 2020-02-13 | 2021-04-29 | Audi Aktiengesellschaft | Verfahren und Filterschaltung zum Durchführen von Messkampagnen mittels einer jeweiligen Sensorschaltung mehrerer Kraftfahrzeuge |
US11039771B1 (en) | 2020-03-03 | 2021-06-22 | At&T Intellectual Property I, L.P. | Apparatuses and methods for managing tasks in accordance with alertness levels and thresholds |
EP4158582A1 (en) * | 2020-06-01 | 2023-04-05 | Swiss Reinsurance Company Ltd. | Digital channel for automated parameter-driven, scenario-based risk-measurement, classification and underwriting in fragmented, unstructured data environments and corresponding method thereof |
US11562603B2 (en) * | 2020-06-26 | 2023-01-24 | Allstate Insurance Company | Collision analysis platform using machine learning to reduce generation of false collision outputs |
WO2022024401A1 (ja) * | 2020-07-29 | 2022-02-03 | あいおいニッセイ同和損害保険株式会社 | 情報処理方法、プログラム、及び情報処理装置 |
US11654566B2 (en) | 2020-08-12 | 2023-05-23 | General Electric Company | Robotic activity decomposition |
US11897134B2 (en) | 2020-08-12 | 2024-02-13 | General Electric Company | Configuring a simulator for robotic machine learning |
US11481273B2 (en) | 2020-08-17 | 2022-10-25 | Micron Technology, Inc. | Partitioned memory having error detection capability |
US11385819B2 (en) | 2020-08-17 | 2022-07-12 | Micron Technology, Inc. | Separate partition for buffer and snapshot memory |
US11288160B2 (en) | 2020-08-17 | 2022-03-29 | Micron Technology, Inc. | Threshold voltage distribution adjustment for buffer |
US11360700B2 (en) | 2020-08-17 | 2022-06-14 | Micron Technology, Inc. | Partitions within snapshot memory for buffer and snapshot memory |
US11527294B2 (en) | 2020-08-25 | 2022-12-13 | Micron Technology, Inc. | Memory sub-system scan |
US11309052B2 (en) | 2020-08-25 | 2022-04-19 | Micron Technology, Inc. | Read voltage calibration for copyback operation |
US11556267B2 (en) | 2020-08-31 | 2023-01-17 | Micron Technology, Inc. | Data management during a copyback operation |
CN112668956B (zh) * | 2020-09-04 | 2023-09-22 | 浙江万里学院 | 一种物流保险数据的智能核保方法 |
CN111915608B (zh) * | 2020-09-11 | 2023-08-15 | 北京百度网讯科技有限公司 | 建筑物提取方法、装置、设备和存储介质 |
US11416388B2 (en) | 2020-09-22 | 2022-08-16 | Micron Technology, Inc. | Memory sub-system logical block address remapping |
CN112347623A (zh) * | 2020-10-27 | 2021-02-09 | 武汉光庭信息技术股份有限公司 | 一种模拟车辆控制的在线仿真平台及车辆控制方法 |
TWI793477B (zh) * | 2020-12-04 | 2023-02-21 | 財團法人船舶暨海洋產業研發中心 | 船舶輔助校正系統及其運作方法 |
KR20220094285A (ko) * | 2020-12-28 | 2022-07-06 | 현대자동차주식회사 | 공유 차량 및 그 제어 방법 |
US11840159B2 (en) | 2021-05-10 | 2023-12-12 | Fca Us Llc | Techniques for adapting dual-battery start-stop architectures into ADAS redundant power supplies |
WO2022244285A1 (ja) * | 2021-05-19 | 2022-11-24 | パナソニックIpマネジメント株式会社 | 保険料算定方法、プログラム及び保険料算定システム |
CN113343230B (zh) * | 2021-06-30 | 2022-06-03 | 上海大学 | 检测数据篡改攻击的车辆编队实现方法 |
WO2023152239A1 (en) * | 2022-02-09 | 2023-08-17 | Swiss Reinsurance Company Ltd. | Digital framework for autonomous or partially autonomous vehicle and/or electric vehicles risk exposure monitoring, measuring and exposure cover pricing, and method thereof |
DE102022202002A1 (de) | 2022-02-28 | 2023-08-31 | Volkswagen Aktiengesellschaft | Verfahren, Computerprogramm, und Vorrichtung zur Anpassung von Betriebsparametern eines Fortbewegungsmittels, sowie Fortbewegungsmittel |
KR102448174B1 (ko) * | 2022-03-18 | 2022-09-28 | 한국교통안전공단 | 인공지능 기반 교통 안전 관리 방법 |
US20240059313A1 (en) * | 2022-08-22 | 2024-02-22 | Gm Cruise Holdings Llc | Automated inference of a customer support request in an autonomous vehicle |
CN117746630B (zh) * | 2023-12-20 | 2024-05-24 | 枣庄卡企安网络科技有限公司 | 一种基于大数据的行业安全生产监督管理*** |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1405713A (zh) * | 2001-09-18 | 2003-03-26 | 日本电气株式会社 | 订立保险合同的方法,***,便携式终端和计算机程序 |
CN1954349A (zh) * | 2004-05-12 | 2007-04-25 | Hg埃克达尔咨询公司 | 通信网络中的交通工具驾驶信息发布法及实现该法的*** |
EP2191433A1 (en) * | 2007-07-17 | 2010-06-02 | IWI, Inc. | Categorizing driving behavior using driver mentoring and/or monitoring equipment |
CN101814177A (zh) * | 2009-02-20 | 2010-08-25 | 李文福 | 一种金融交易***及方法 |
CN101866547A (zh) * | 2009-04-15 | 2010-10-20 | 徐克林 | 一种保险查勘监控*** |
CN101925919A (zh) * | 2007-11-28 | 2010-12-22 | 安信龙股份公司 | 自动化索赔处理*** |
CN102609881A (zh) * | 2010-12-03 | 2012-07-25 | 瑞士再保险公司 | 用于预报与未来损失相关联的频率的***和方法 |
CN102622706A (zh) * | 2012-03-14 | 2012-08-01 | 中国农业银行股份有限公司 | 一种风险缓释分配方法 |
CN102640197A (zh) * | 2009-11-25 | 2012-08-15 | 寇优特***简易股份公司 | 个性化行车辅助*** |
CN102897168A (zh) * | 2011-07-25 | 2013-01-30 | 通用汽车环球科技运作有限责任公司 | 用于车辆的主动安全控制 |
CN103038795A (zh) * | 2009-12-24 | 2013-04-10 | 旅行者保险公司 | 使用繁忙度的风险评估和控制、保险费确定及其他应用 |
US8626152B2 (en) * | 2008-01-31 | 2014-01-07 | Agero Connected Sevices, Inc. | Flexible telematics system and method for providing telematics to a vehicle |
CN104429047A (zh) * | 2014-03-05 | 2015-03-18 | 华为终端有限公司 | 车联网数据处理方法、服务器和终端 |
CN204452049U (zh) * | 2015-03-04 | 2015-07-08 | 蔡乌力吉 | 一种汽车用智能防护*** |
WO2015144241A1 (en) * | 2014-03-28 | 2015-10-01 | Swiss Reinsurance Company Ltd. | Adaptive coupling-system based on a flexible risk transfer structure and corresponding method thereof |
CN105096197A (zh) * | 2015-07-22 | 2015-11-25 | 郑鑫 | 一种车辆风险共担的方法与装置 |
CN105144140A (zh) * | 2013-03-12 | 2015-12-09 | 律商联讯风险解决方案公司 | 用于远程信息控制及通信的***及方法 |
CN105189211A (zh) * | 2013-02-07 | 2015-12-23 | 庞巴迪运输有限公司 | 具有行人保护装置的轨道交通工具以及行人保护装置 |
CN105374213A (zh) * | 2015-12-16 | 2016-03-02 | 郑州弗曼智能设备科技有限公司 | 城市交通远程动态监控*** |
CN105374211A (zh) * | 2015-12-09 | 2016-03-02 | 敏驰信息科技(上海)有限公司 | 基于多源数据计算驾驶风险与辅助车险定价的***及方法 |
CN105389976A (zh) * | 2014-08-29 | 2016-03-09 | 福特全球技术公司 | 用于道路风险指数产生的方法和设备 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8090598B2 (en) * | 1996-01-29 | 2012-01-03 | Progressive Casualty Insurance Company | Monitoring system for determining and communicating a cost of insurance |
US8818618B2 (en) * | 2007-07-17 | 2014-08-26 | Inthinc Technology Solutions, Inc. | System and method for providing a user interface for vehicle monitoring system users and insurers |
US8359259B2 (en) * | 2009-11-12 | 2013-01-22 | Hartford Fire Insurance Company | System and method for administering telematics based reinsurance pools |
BR112014017228A2 (pt) * | 2012-01-13 | 2017-08-22 | Pulse Function F6 Ltd | Sistema de telemática com sensores 3d inerciais |
US8595037B1 (en) * | 2012-05-08 | 2013-11-26 | Elwha Llc | Systems and methods for insurance based on monitored characteristics of an autonomous drive mode selection system |
CN104685526A (zh) * | 2012-07-10 | 2015-06-03 | 瑞士再保险有限公司 | 用于在自然灾害事件之后飞行器编队的紧急损坏的情况下的突发事件监听的航空电子*** |
EP2802171B1 (en) * | 2013-05-07 | 2019-02-20 | Telefonaktiebolaget LM Ericsson (publ) | Communications links assessment |
US20140379385A1 (en) * | 2013-06-24 | 2014-12-25 | Elwha, Llc | System and method for monitoring driving to determine an insurance property |
US20150112733A1 (en) * | 2013-10-23 | 2015-04-23 | State Farm Mutual Automobile Insurance Company | In-vehicle insurance applications, Methods and systems for automatically collecting insurance risk related data |
US20150170287A1 (en) * | 2013-12-18 | 2015-06-18 | The Travelers Indemnity Company | Insurance applications for autonomous vehicles |
US20150187019A1 (en) * | 2013-12-31 | 2015-07-02 | Hartford Fire Insurance Company | Systems and method for autonomous vehicle data processing |
US10380693B2 (en) * | 2014-02-25 | 2019-08-13 | State Farm Mutual Automobile Insurance Company | Systems and methods for generating data that is representative of an insurance policy for an autonomous vehicle |
WO2015160900A1 (en) * | 2014-04-15 | 2015-10-22 | Maris, Ltd | Assessing asynchronous authenticated data sources for use in driver risk management |
CN205177176U (zh) * | 2015-10-29 | 2016-04-20 | 长安大学 | 一种货车侧翻预警*** |
US9754490B2 (en) * | 2015-11-04 | 2017-09-05 | Zoox, Inc. | Software application to request and control an autonomous vehicle service |
US10248119B2 (en) * | 2015-11-04 | 2019-04-02 | Zoox, Inc. | Interactive autonomous vehicle command controller |
WO2017142935A1 (en) * | 2016-02-15 | 2017-08-24 | Allstate Insurance Company | Real time risk assessment and operational changes with semi-autonomous vehicles |
EP3430590A1 (en) * | 2016-03-17 | 2019-01-23 | Swiss Reinsurance Company Ltd. | Telematics system and corresponding method thereof |
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 |
WO2018019354A1 (en) * | 2016-07-25 | 2018-02-01 | Swiss Reinsurance Company Ltd. | An apparatus for a dynamic, score-based, telematics connection search engine and aggregator and corresponding method thereof |
WO2018028799A1 (en) * | 2016-08-12 | 2018-02-15 | Swiss Reinsurance Company Ltd. | Telematics system with vehicle-embedded telematics devices (oem line fitted) for score-driven, automated insurance and corresponding method |
WO2018046102A1 (en) * | 2016-09-10 | 2018-03-15 | Swiss Reinsurance Company Ltd. | Automated, telematics-based system with score-driven triggering and operation of automated sharing economy risk-transfer systems and corresponding method thereof |
WO2018102425A1 (en) * | 2016-12-02 | 2018-06-07 | Starsky Robotics, Inc. | Vehicle control system and method of use |
WO2018170074A1 (en) * | 2017-03-14 | 2018-09-20 | Starsky Robotics, Inc. | Vehicle sensor system and method of use |
US10162357B2 (en) * | 2017-03-15 | 2018-12-25 | Toyota Research Institute, Inc. | Distributed computing among vehicles |
EP3679552A1 (en) * | 2017-09-06 | 2020-07-15 | Swiss Reinsurance Company Ltd. | Electronic logging and track identification system for mobile telematics devices, and corresponding method thereof |
-
2016
- 2016-06-24 JP JP2018567295A patent/JP6849705B2/ja active Active
- 2016-06-24 WO PCT/EP2016/064758 patent/WO2017220169A1/en unknown
- 2016-06-24 CN CN201680087035.0A patent/CN109416873B/zh active Active
- 2016-06-24 EP EP16735601.3A patent/EP3475933A1/en active Pending
- 2016-10-17 US US15/295,522 patent/US10460394B2/en active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1405713A (zh) * | 2001-09-18 | 2003-03-26 | 日本电气株式会社 | 订立保险合同的方法,***,便携式终端和计算机程序 |
CN1954349A (zh) * | 2004-05-12 | 2007-04-25 | Hg埃克达尔咨询公司 | 通信网络中的交通工具驾驶信息发布法及实现该法的*** |
EP2191433A1 (en) * | 2007-07-17 | 2010-06-02 | IWI, Inc. | Categorizing driving behavior using driver mentoring and/or monitoring equipment |
CN101925919A (zh) * | 2007-11-28 | 2010-12-22 | 安信龙股份公司 | 自动化索赔处理*** |
US8626152B2 (en) * | 2008-01-31 | 2014-01-07 | Agero Connected Sevices, Inc. | Flexible telematics system and method for providing telematics to a vehicle |
CN101814177A (zh) * | 2009-02-20 | 2010-08-25 | 李文福 | 一种金融交易***及方法 |
CN101866547A (zh) * | 2009-04-15 | 2010-10-20 | 徐克林 | 一种保险查勘监控*** |
CN102640197A (zh) * | 2009-11-25 | 2012-08-15 | 寇优特***简易股份公司 | 个性化行车辅助*** |
CN103038795A (zh) * | 2009-12-24 | 2013-04-10 | 旅行者保险公司 | 使用繁忙度的风险评估和控制、保险费确定及其他应用 |
CN102609881A (zh) * | 2010-12-03 | 2012-07-25 | 瑞士再保险公司 | 用于预报与未来损失相关联的频率的***和方法 |
CN102897168A (zh) * | 2011-07-25 | 2013-01-30 | 通用汽车环球科技运作有限责任公司 | 用于车辆的主动安全控制 |
CN102622706A (zh) * | 2012-03-14 | 2012-08-01 | 中国农业银行股份有限公司 | 一种风险缓释分配方法 |
CN105189211A (zh) * | 2013-02-07 | 2015-12-23 | 庞巴迪运输有限公司 | 具有行人保护装置的轨道交通工具以及行人保护装置 |
CN105144140A (zh) * | 2013-03-12 | 2015-12-09 | 律商联讯风险解决方案公司 | 用于远程信息控制及通信的***及方法 |
CN104429047A (zh) * | 2014-03-05 | 2015-03-18 | 华为终端有限公司 | 车联网数据处理方法、服务器和终端 |
WO2015144241A1 (en) * | 2014-03-28 | 2015-10-01 | Swiss Reinsurance Company Ltd. | Adaptive coupling-system based on a flexible risk transfer structure and corresponding method thereof |
CN105389976A (zh) * | 2014-08-29 | 2016-03-09 | 福特全球技术公司 | 用于道路风险指数产生的方法和设备 |
CN204452049U (zh) * | 2015-03-04 | 2015-07-08 | 蔡乌力吉 | 一种汽车用智能防护*** |
CN105096197A (zh) * | 2015-07-22 | 2015-11-25 | 郑鑫 | 一种车辆风险共担的方法与装置 |
CN105374211A (zh) * | 2015-12-09 | 2016-03-02 | 敏驰信息科技(上海)有限公司 | 基于多源数据计算驾驶风险与辅助车险定价的***及方法 |
CN105374213A (zh) * | 2015-12-16 | 2016-03-02 | 郑州弗曼智能设备科技有限公司 | 城市交通远程动态监控*** |
Also Published As
Publication number | Publication date |
---|---|
US20170372431A1 (en) | 2017-12-28 |
US10460394B2 (en) | 2019-10-29 |
EP3475933A1 (en) | 2019-05-01 |
WO2017220169A1 (en) | 2017-12-28 |
CN109416873A (zh) | 2019-03-01 |
JP6849705B2 (ja) | 2021-03-24 |
JP2019525301A (ja) | 2019-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109416873B (zh) | 具有自动化风险控制***的自主或部分自主机动车辆及其相应方法 | |
CN109844793B (zh) | 基于智能、远程信息处理的oem线路装配***及其对应方法 | |
US10878510B2 (en) | Telematics system and corresponding method thereof | |
US11727495B1 (en) | Collision risk-based engagement and disengagement of autonomous control of a vehicle | |
US20240062648A1 (en) | Generating and transmitting parking instructions for autonomous and non-autonomous vehicles | |
US20230028916A1 (en) | Autonomous vehicle component maintenance and repair | |
JP2021168193A (ja) | テレマティックス接続サーチエンジンを使用する動的なスコアベースの危険性測定及び集約のためのインテリジェントな自己適応型車両用装置及びその対応する方法 | |
US10950065B1 (en) | Shared vehicle usage, monitoring and feedback | |
US20230232185A1 (en) | Generating and Transmitting Parking Instructions for Autonomous and Non-Autonomous Vehicles | |
CN109690606B (zh) | 基于远程信息处理的***及其相应的方法 | |
CA3033215C (en) | Generating and transmitting parking instructions for autonomous and non-autonomous vehicles | |
US20180053237A1 (en) | Generating and Transmitting Parking Instructions for Autonomous and Non-Autonomous Vehicles | |
US20220383421A1 (en) | Electronic System for Forward-looking Measurements of Frequencies and/or Probabilities of Accident Occurrences Based on Localized Automotive Device Measurements, And Corresponding Method Thereof | |
US20240043025A1 (en) | Digital framework for autonomous or partially autonomous vehicle and/or electric vehicles risk exposure monitoring, measuring and exposure cover pricing, and method thereof | |
US20240013310A1 (en) | 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 |
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: 40004101 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |