TWI824788B - 融合事故輔助鑑別與預期功能安全場景建立的系統及方法 - Google Patents
融合事故輔助鑑別與預期功能安全場景建立的系統及方法 Download PDFInfo
- Publication number
- TWI824788B TWI824788B TW111140084A TW111140084A TWI824788B TW I824788 B TWI824788 B TW I824788B TW 111140084 A TW111140084 A TW 111140084A TW 111140084 A TW111140084 A TW 111140084A TW I824788 B TWI824788 B TW I824788B
- Authority
- TW
- Taiwan
- Prior art keywords
- accident
- data
- information
- signal
- vehicle
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 206010039203 Road traffic accident Diseases 0.000 title abstract description 6
- 238000011835 investigation Methods 0.000 title abstract 8
- 238000012545 processing Methods 0.000 claims abstract description 72
- 230000009471 action Effects 0.000 claims abstract description 63
- 238000012790 confirmation Methods 0.000 claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000004519 manufacturing process Methods 0.000 claims description 18
- 230000003542 behavioural effect Effects 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000013480 data collection Methods 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 14
- 238000007405 data analysis Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 11
- 230000004913 activation Effects 0.000 claims description 10
- 238000010494 dissociation reaction Methods 0.000 claims description 5
- 230000005593 dissociations Effects 0.000 claims description 5
- 230000007257 malfunction Effects 0.000 claims description 3
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims 2
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims 2
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 claims 2
- 238000003745 diagnosis Methods 0.000 claims 2
- 230000004927 fusion Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 44
- 238000004590 computer program Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000011664 signaling Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000000454 anti-cipatory effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Alarm Systems (AREA)
Abstract
本發明提供一種融合事故輔助鑑別與預期功能安全場景建立的方法,其包含收集來自車載診斷裝置、數位影像錄影機及控制器的車載診斷資料、錄影資料及控制資料;將車載診斷資料、錄影資料及控制資料解析為事故記錄資訊及作動確認資訊,事故記錄資訊包含車輛行為資訊與駕駛意圖資訊;依據車輛行為資訊、駕駛意圖資訊及作動確認資訊自動產製成事故現場圖與行為特徵報告書;依據作動確認資訊建立事故場景資料庫,事故場景資料庫包含預期功能安全場景。藉此,能有效快速地自動產製事故輔助鑑別資料、降低人力成本並釐清事故主因。
Description
本發明是關於一種融合事故輔助鑑別與場景建立的系統及方法,特別是關於一種融合事故輔助鑑別與預期功能安全場景建立的系統及方法。
現行道路交通事故肇事原因鑑定,其方式僅由員警記錄事故後資料進行研判,並採以行車記錄器進行輔助。員警須透過龐大且複雜的資料(如筆錄、現場道路狀況、車體痕跡、人體損傷、路面痕跡、監控錄影、行車記錄裝置等資訊),對事故發生過程進行推演與印證,這使得現行事故人工鑑定報告的產製曠日廢時,人力成本居高不下,且易造成隱瞞不實。此外,自動駕駛車輛數量越來越多,但自動駕駛車輛因系統功能的局限,導致在某些情況下的行為與最初的預期不同,事故發生後無法釐清事故主因。由此可知,目前市場上缺乏一種能有效快速地自動產製鑑定報告、降低人力成本並釐清事故主因的融合事故輔助鑑別與預期功能安全場景建立的系統及方法,故相關業者均在尋求其解決之道。
因此,本發明的目的在於提供一種融合事故輔助鑑別與預期功能安全場景建立的系統及方法,其透過車載診斷裝置及數位影像錄影機適時提出車輛發生交通事故時的即時數據,進行事故簡易重現著重於事故當下的車輛狀態、駕駛意圖及天氣情況,以釐清系統故障(控制器)、機械故障或人為誤操作,提供鑑識人員進行評估。另外,本發明可協助自動(輔助)駕駛控制器釐清肇因,並收集預期功能安全場景,提供技術精進對策,以增加應用層面、提高市場性。綜上,本發明可解決習知技術中人工鑑定報告的產製曠日廢時、人力成本居高不下、易造成隱瞞不實以及自動駕駛車輛於事故發生後無法釐清事故主因的問題。
依據本發明的結構態樣的一實施方式提供一種融合事故輔助鑑別與預期功能安全場景建立的系統,其應用於車輛。融合事故輔助鑑別與預期功能安全場景建立的系統包含車載診斷(On-Board Diagnostic;OBD)裝置、數位影像錄影機(Digital Video Recorder;DVR)、控制器以及雲端運算處理單元。車載診斷裝置設置於車輛並擷取車載診斷資料。數位影像錄影機設置於車輛並擷取錄影資料。控制器設置於車輛並產生控制資料。雲端運算處理單元訊號連接車載診斷裝置、數位影像錄影機及控制器,並經配置以實施包含以下步驟的操作:事故資料收集步驟、資料解析步驟、鑑別資料自動產製步驟以及場景資料庫建立步驟。事故資料收集步驟包含驅動雲端運算處理單元收集來自車載診斷裝置、數位影像錄影機及控制器的車載診斷資料、錄影資料及控制資料。資料解析步驟包含驅動雲端運算處理單元將車載診斷資料、錄影資料及控制資料解析為事故記錄資訊及作動確認資訊,事故記錄資訊包含車輛行為資訊與駕駛意圖資訊。鑑別資料自動產製步驟包含驅動雲端運算處理單元依據車輛行為資訊、駕駛意圖資訊及作動確認資訊自動產製成事故輔助鑑別資料。事故輔助鑑別資料包含事故現場圖與行為特徵報告書。場景資料庫建立步驟包含驅動雲端運算處理單元依據作動確認資訊建立事故場景資料庫。事故場景資料庫包含預期功能安全(Safety Of The Intended Functionality;SOTIF)場景。
藉此,本發明的融合事故輔助鑑別與預期功能安全場景建立的系統不但能有效快速地自動產製事故輔助鑑別資料並降低人力成本,還能釐清事故主因。
前述實施方式的其他實施例如下:前述雲端運算處理單元經配置以實施更包含事故判斷步驟,其包含驅動雲端運算處理單元接收車輛的事故作動資訊而產生事故判斷結果,事故判斷結果代表車輛於肇事時間發生事故。
前述實施方式的其他實施例如下:前述事故作動資訊包含安全氣囊作動資訊、加速度感測器感測資訊及感測器失效資訊的至少一者。
前述實施方式的其他實施例如下:前述控制器包含自動駕駛系統(Autonomous Driving System;ADS)、先進駕駛輔助系統(Advanced Driver Assistance Systems;ADAS)及電子控制單元(Electronic Control Unit;ECU)的一者。
前述實施方式的其他實施例如下:當前述控制器包含自動駕駛系統與先進駕駛輔助系統的一者時,作動確認資訊包含異常未作動資料與誤作動資料。異常未作動資料代表控制器在應作動但卻未作動的狀況下所產生的資料。誤作動資料代表控制器在不應作動但卻作動的狀況下所產生的資料。預期功能安全場景對應異常未作動資料與誤作動資料的一者。
前述實施方式的其他實施例如下:前述車載診斷資料包含車輛負載、轉速、車速、節氣門位置、引擎運轉時間、煞車訊號、方向盤轉角、胎壓、汽車喇叭訊號、全球定位系統(Global Positioning System;GPS)位置及緊急警示燈光訊號的至少一者。控制資料包含電子控制單元電壓、電池電量狀態(State of Charge;SOC)、側向誤差、縱向誤差、光達訊號、雷達訊號、診斷訊號、方向盤訊號、電/油門訊號、解離事件原因、緊急按鈕訊號及車身訊號的至少一者。
前述實施方式的其他實施例如下:前述車輛行為資訊包含蛇行行為、超速行為、急加減速行為及闖紅燈行為的至少一者。駕駛意圖資訊包含手動駕駛訊號與自動駕駛訊號的一者。
前述實施方式的其他實施例如下:前述事故現場圖包含肇事時間、肇事地點、現場處理摘要資料。行為特徵報告書包含肇事原因、事故當時環境狀況、事故肇事經過及肇事分析。肇事分析包含行駛行為、佐證資料、路權歸屬及法規依據的至少一者。肇事時間、肇事地點及現場處理摘要資料透過車載診斷裝置與數位影像錄影機提供。事故當時環境狀況透過數位影像錄影機提供。肇事原因、事故肇事經過及肇事分析透過車載診斷裝置、數位影像錄影機及控制器提供。
前述實施方式的其他實施例如下:前述融合事故輔助鑑別與預期功能安全場景建立的系統更包含路側設施與道路號誌。路側設施訊號連接雲端運算處理單元,路側設施設置於道路,且偵測道路而產生外部資料。道路號誌訊號連接雲端運算處理單元,道路號誌設置於道路,且產生號誌訊號。外部資料包含地圖資訊,行為特徵報告書包含外部資料與號誌訊號。
依據本發明的方法態樣的一實施方式提供一種融合事故輔助鑑別與預期功能安全場景建立的方法,其應用於車輛。融合事故輔助鑑別與預期功能安全場景建立的方法包含事故資料收集步驟、資料解析步驟、鑑別資料自動產製步驟以及場景資料庫建立步驟。其中事故資料收集步驟包含驅動雲端運算處理單元收集來自車載診斷(On-Board Diagnostic;OBD)裝置、數位影像錄影機(Digital Video Recorder;DVR)及控制器的車載診斷資料、錄影資料及控制資料。資料解析步驟包含驅動雲端運算處理單元將車載診斷資料、錄影資料及控制資料解析為事故記錄資訊及作動確認資訊。事故記錄資訊包含車輛行為資訊與駕駛意圖資訊。鑑別資料自動產製步驟包含驅動雲端運算處理單元依據車輛行為資訊、駕駛意圖資訊及作動確認資訊自動產製成事故輔助鑑別資料。事故輔助鑑別資料包含事故現場圖與行為特徵報告書。場景資料庫建立步驟包含驅動雲端運算處理單元依據作動確認資訊建立事故場景資料庫。事故場景資料庫包含預期功能安全(Safety Of The Intended Functionality;SOTIF)場景。
藉此,本發明的融合事故輔助鑑別與預期功能安全場景建立的方法不但能有效快速地自動產製事故輔助鑑別資料並降低人力成本,還能釐清事故主因。
前述實施方式的其他實施例如下:前述融合事故輔助鑑別與預期功能安全場景建立的方法更包含事故判斷步驟,其包含驅動雲端運算處理單元接收車輛的事故作動資訊而產生事故判斷結果,事故判斷結果代表車輛於肇事時間發生事故。
前述實施方式的其他實施例如下:前述事故作動資訊包含安全氣囊作動資訊、加速度感測器感測資訊及感測器失效資訊的至少一者。
前述實施方式的其他實施例如下:前述控制器包含自動駕駛系統(Autonomous Driving System;ADS)、先進駕駛輔助系統(Advanced Driver Assistance Systems;ADAS)及電子控制單元(Electronic Control Unit;ECU)的一者。
前述實施方式的其他實施例如下:當前述控制器包含自動駕駛系統與先進駕駛輔助系統的一者時,作動確認資訊包含異常未作動資料與誤作動資料。其中異常未作動資料代表控制器在應作動但卻未作動的狀況下所產生的資料。誤作動資料代表控制器在不應作動但卻作動的狀況下所產生的資料。預期功能安全場景對應異常未作動資料與誤作動資料的一者。
前述實施方式的其他實施例如下:前述車載診斷資料包含車輛負載、轉速、車速、節氣門位置、引擎運轉時間、煞車訊號、方向盤轉角、胎壓、汽車喇叭訊號、全球定位系統(Global Positioning System;GPS)位置及緊急警示燈光訊號的至少一者。控制資料包含電子控制單元電壓、電池電量狀態(State of Charge;SOC)、側向誤差、縱向誤差、光達訊號、雷達訊號、診斷訊號、方向盤訊號、電/油門訊號、解離事件原因、緊急按鈕訊號及車身訊號的至少一者。
前述實施方式的其他實施例如下:前述車輛行為資訊包含蛇行行為、超速行為、急加減速行為及闖紅燈行為的至少一者。駕駛意圖資訊包含手動駕駛訊號與自動駕駛訊號的一者。
前述實施方式的其他實施例如下:前述事故現場圖包含肇事時間、肇事地點、現場處理摘要資料。行為特徵報告書包含肇事原因、事故當時環境狀況、事故肇事經過及肇事分析,肇事分析包含行駛行為、佐證資料、路權歸屬及法規依據的至少一者。肇事時間、肇事地點及現場處理摘要資料透過車載診斷裝置與數位影像錄影機提供。事故當時環境狀況透過數位影像錄影機提供。肇事原因、事故肇事經過及肇事分析透過車載診斷裝置、數位影像錄影機及控制器提供。
前述實施方式的其他實施例如下:前述行為特徵報告書包含外部資料與號誌訊號。其中外部資料包含地圖資訊,外部資料由路側設施偵測道路而產生。號誌訊號由道路號誌產生。
以下將參照圖式說明本發明的複數個實施例。為明確說明起見,許多實務上的細節將在以下敘述中一併說明。然而,應瞭解到,這些實務上的細節不應用以限制本發明。也就是說,在本發明部分實施例中,這些實務上的細節是非必要的。此外,為簡化圖式起見,一些習知慣用的結構與元件在圖式中將以簡單示意的方式繪示的;並且重複的元件將可能使用相同的編號表示的。
此外,本文中當某一元件(或單元或模組等)「連接」於另一元件,可指所述元件是直接連接於另一元件,亦可指某一元件是間接連接於另一元件,意即,有其他元件介於所述元件及另一元件之間。而當有明示某一元件是「直接連接」於另一元件時,才表示沒有其他元件介於所述元件及另一元件之間。而第一、第二、第三等用語只是用來描述不同元件,而對元件本身並無限制,因此,第一元件亦可改稱為第二元件。且本文中的元件/單元/電路的組合非此領域中的一般周知、常規或習知的組合,不能以元件/單元/電路本身是否為習知,來判定其組合關係是否容易被技術領域中的通常知識者輕易完成。
請參閱第1圖,第1圖係繪示本發明的第一實施例的融合事故輔助鑑別與預期功能安全場景建立的系統100的示意圖。融合事故輔助鑑別與預期功能安全場景建立的系統100應用於車輛110,且包含車載診斷(On-Board Diagnostic;OBD)裝置200、數位影像錄影機(Digital Video Recorder;DVR)300、控制器400以及雲端平台500。其中車載診斷裝置200設置於車輛110並擷取車載診斷資料。數位影像錄影機300設置於車輛110並擷取錄影資料。控制器400設置於車輛110並產生控制資料。雲端平台500包含雲端運算處理單元510與雲端記憶體520。雲端運算處理單元510訊號連接車載診斷裝置200、數位影像錄影機300及控制器400。首先,雲端運算處理單元510收集來自車載診斷裝置200、數位影像錄影機300及控制器400的車載診斷資料、錄影資料及控制資料。然後,雲端運算處理單元510將車載診斷資料、錄影資料及控制資料解析為事故記錄資訊及作動確認資訊,事故記錄資訊包含車輛行為資訊與駕駛意圖資訊。接著,雲端運算處理單元510依據車輛行為資訊、駕駛意圖資訊及作動確認資訊自動產製成事故輔助鑑別資料,事故輔助鑑別資料包含事故現場圖與行為特徵報告書。另外,雲端運算處理單元510依據作動確認資訊建立事故場景資料庫,此事故場景資料庫包含預期功能安全(Safety Of The Intended Functionality;SOTIF)場景。雲端記憶體520訊號連接雲端運算處理單元510,並用以存取車載診斷資料、錄影資料、控制資料、事故記錄資訊、作動確認資訊以及事故輔助鑑別資料。
在一實施例中(配合參閱第6圖),融合事故輔助鑑別與預期功能安全場景建立的系統100可更包含路側設施610與道路號誌620。路側設施610訊號連接雲端運算處理單元510,路側設施610設置於道路,且偵測道路而產生外部資料612,並將外部資料612傳送至雲端運算處理單元510。道路號誌620訊號連接雲端運算處理單元510,道路號誌620設置於道路,且產生號誌訊號622,並將號誌訊號622傳送至雲端運算處理單元510。外部資料612包含地圖資訊612a,行為特徵報告書516b包含外部資料612與號誌訊號622。
上述雲端運算處理單元510可為處理器(Processor)、微處理器(Microprocessor)、電子控制單元(Electronic Control Unit;ECU)、電腦、行動裝置處理器或其他運算處理器,但本發明不以此為限。雲端運算處理單元510可執行融合事故輔助鑑別與預期功能安全場景建立的方法。此外,雲端記憶體520可為能儲存供雲端運算處理單元510執行的資訊和指令的隨機存取記憶體(Random Access Memory;RAM)或其它型式的動態儲存裝置,但本發明不以此為限。
請一併參閱第1圖與第2圖,其中第2圖係繪示本發明的第二實施例的融合事故輔助鑑別與預期功能安全場景建立的方法S0的流程示意圖。融合事故輔助鑑別與預期功能安全場景建立的方法S0應用於車輛110,且包含事故資料收集步驟S02、資料解析步驟S04、鑑別資料自動產製步驟S06以及場景資料庫建立步驟S08。其中事故資料收集步驟S02包含驅動雲端運算處理單元510收集來自車載診斷裝置200、數位影像錄影機300及控制器400的車載診斷資料210、錄影資料310及控制資料410。資料解析步驟S04包含驅動雲端運算處理單元510將車載診斷資料210、錄影資料310及控制資料410解析為事故記錄資訊512及作動確認資訊514,事故記錄資訊512包含車輛行為資訊512a與駕駛意圖資訊512b。鑑別資料自動產製步驟S06包含驅動雲端運算處理單元510依據車輛行為資訊512a、駕駛意圖資訊512b及作動確認資訊514自動產製成事故輔助鑑別資料516,事故輔助鑑別資料516包含事故現場圖516a與行為特徵報告書516b。場景資料庫建立步驟S08包含驅動雲端運算處理單元510依據作動確認資訊514建立事故場景資料庫518。事故場景資料庫518包含SOTIF場景518a。
藉此,本發明的融合事故輔助鑑別與預期功能安全場景建立的系統100及融合事故輔助鑑別與預期功能安全場景建立的方法S0不但能有效快速地自動產製事故輔助鑑別資料516並降低人力成本,還能釐清事故主因。
請一併參閱第1圖、第2圖及第3圖,其中第3圖係繪示本發明的第三實施例的融合事故輔助鑑別與預期功能安全場景建立的方法S2的流程示意圖。融合事故輔助鑑別與預期功能安全場景建立的方法S2應用於車輛110,且包含事故判斷步驟S20、事故資料收集步驟S22、資料解析步驟S24、鑑別資料自動產製步驟S26以及場景資料庫建立步驟S28。
事故判斷步驟S20為「事故發生」,其包含驅動雲端運算處理單元510接收車輛110的事故作動資訊511而產生事故判斷結果,事故判斷結果代表車輛110於肇事時間發生事故。在一實施例中,事故作動資訊511可包含安全氣囊作動資訊、加速度感測器感測資訊及感測器失效資訊的至少一者。安全氣囊作動資訊代表車輛110的安全氣囊爆開所產生的資訊,加速度感測器感測資訊代表加速度感測器(G-sensor)作動(感測值超過一預設值)所產生的資訊,感測器失效資訊代表感測器發生失效所產生的資訊,但本發明不以此為限。
事故資料收集步驟S22為「資料收集」,其包含驅動雲端運算處理單元510收集來自車載診斷裝置200、數位影像錄影機300及控制器400的車載診斷資料210、錄影資料310及控制資料410。詳細地說,雲端運算處理單元510在車輛110發生事故的當下(即肇事時間)會收集來自車載診斷裝置200的車載診斷資料210、數位影像錄影機300的錄影資料310及控制器400的控制資料410。車載診斷資料210可包含車輛負載、轉速、車速、節氣門位置、引擎運轉時間、煞車訊號、方向盤轉角、胎壓、汽車喇叭訊號、全球定位系統(Global Positioning System;GPS)位置及緊急警示燈光訊號的至少一者。錄影資料310可具有一錄影畫面頻率(如每秒一張畫面)。控制器400可包含自動駕駛系統(Autonomous Driving System;ADS)、先進駕駛輔助系統(Advanced Driver Assistance Systems;ADAS)及電子控制單元(Electronic Control Unit;ECU)的一者。控制資料410可包含電子控制單元電壓(即ECU電壓)、電池電量狀態(State of Charge;SOC)、側向誤差、縱向誤差、光達訊號、雷達訊號、診斷訊號、方向盤訊號、電/油門訊號、解離事件原因、緊急按鈕訊號及車身訊號的至少一者。
資料解析步驟S24包含驅動雲端運算處理單元510將車載診斷資料210、錄影資料310及控制資料410解析為事故記錄資訊512及作動確認資訊514,事故記錄資訊512包含車輛行為資訊512a與駕駛意圖資訊512b。詳細地說,車輛行為資訊512a可包含蛇行行為、超速行為、急加減速行為及闖紅燈行為的至少一者。駕駛意圖資訊512b可包含手動駕駛訊號與自動駕駛訊號的一者。舉例來說,當車輛行為資訊512a為車頭左右搖晃偏擺(蛇行行為)時,車載診斷資料210為方向盤轉角。當車輛行為資訊512a為加減速突急遽增減(急加減速行為)時,車載診斷資料210為節氣門位置變化、噴油量訊號及油門踏板訊號與煞車訊號變化。當車輛行為資訊512a為車輛轉向行為時,車載診斷資料210為方向燈作動訊號。此外,資料解析步驟S24會分析各場景的原因(HW/SW故障分析),以供後續判斷。HW代表硬體造成的原因;SW代表軟體造成的原因。
鑑別資料自動產製步驟S26包含驅動雲端運算處理單元510依據車輛行為資訊512a、駕駛意圖資訊512b及作動確認資訊514自動產製成事故輔助鑑別資料516,事故輔助鑑別資料516包含事故現場圖516a與行為特徵報告書516b。詳細地說,事故現場圖516a可包含肇事時間、肇事地點、現場處理摘要資料。行為特徵報告書516b可包含肇事原因(初判表)、事故當時環境狀況(天候、號誌)、事故肇事經過(鑑定書)及肇事分析,肇事分析包含行駛行為、佐證資料、路權歸屬及法規依據的至少一者。表一顯示事故輔助鑑別資料516的資訊項目、提供佐證內容及硬體裝置的關係,由表一可知,事故輔助鑑別資料516的肇事時間、肇事地點及現場處理摘要資料透過車載診斷裝置200與數位影像錄影機300提供;事故當時環境狀況透過數位影像錄影機300提供;肇事原因、事故肇事經過及肇事分析透過車載診斷裝置200、數位影像錄影機300及控制器400提供。
表一
資訊項目 | 提供佐證內容 | 硬體裝置 |
肇事時間與肇事地點 | 車輛行為、駕駛意圖、外部環境識別與目標物軌跡 | OBD、DVR |
現場處理摘要資料 | 車輛行為、駕駛意圖、外部環境識別與目標物軌跡 | OBD、DVR |
肇事原因 | 車輛行為、駕駛意圖、外部環境識別、控制器作動狀態 | OBD、DVR、控制器 |
事故當時環境狀況 | 外部環境識別 | DVR |
事故肇事經過 | 車輛行為、駕駛意圖、外部環境識別、控制器作動狀態 | OBD、DVR、控制器 |
肇事分析 | 車輛行為、駕駛意圖、外部環境識別、控制器作動狀態 | OBD、DVR、控制器 |
場景資料庫建立步驟S28包含驅動雲端運算處理單元510依據作動確認資訊514建立事故場景資料庫518。事故場景資料庫518包含SOTIF場景518a。藉此,本發明的融合事故輔助鑑別與預期功能安全場景建立的方法S2透過車載診斷裝置200、數位影像錄影機300、控制器400、路側設施610及道路號誌620適時提出車輛110發生事故時的即時數據,進行事故簡易重現著重於事故當下的車輛狀態、駕駛意圖及天氣情況,以釐清系統故障、機械故障或人為誤操作,提供鑑識人員進行評估。另外,本發明可協助自動(輔助)駕駛控制器400釐清肇因,並收集SOTIF場景518a,提供技術精進對策,以增加應用層面、提高市場性。因此,本發明可解決習知技術中人工鑑定報告的產製曠日廢時、人力成本居高不下、易造成隱瞞不實以及自動駕駛車輛110於事故發生後無法釐清事故主因的問題。
請一併參閱第1圖、第2圖、第3圖、第4圖及第5圖,其中第4圖係繪示第3圖的融合事故輔助鑑別與預期功能安全場景建立的方法S2的第一範例的流程示意圖;及第5圖係繪示第4圖的控制器400(ADS/ADAS)的作動確認與場景資料庫建立步驟S28a的示意圖。如圖所示,融合事故輔助鑑別與預期功能安全場景建立的方法S2包含事故判斷步驟S20、事故資料收集步驟S22、資料解析步驟S24、鑑別資料自動產製步驟S26以及場景資料庫建立步驟S28a。其中場景資料庫建立步驟S28a為第3圖的場景資料庫建立步驟S28的一實施例。場景資料庫建立步驟S28a包含作動確認步驟S282,並驅動雲端運算處理單元510依據作動確認資訊514建立事故場景資料庫518。事故場景資料庫518包含SOTIF場景518a。控制器400訊號連接感測器(Sensor)與作動器(Actuator)。當控制器400包含自動駕駛系統(ADS)與先進駕駛輔助系統(ADAS)的一者時,作動確認資訊514包含異常未作動資料514a與誤作動資料514b。其中異常未作動資料514a代表控制器400在應作動但卻未作動的狀況下所產生的資料(感測器誤判)。誤作動資料514b代表控制器400在不應作動但卻作動的狀況下所產生的資料(作動器誤判)。SOTIF場景518a對應異常未作動資料514a與誤作動資料514b的一者。作動確認步驟S282為「作動確認」,其包含驅動控制器400確認控制資料410是否屬於作動確認資訊514而產生作動確認結果。當作動確認結果為是時,控制資料410代表異常未作動或誤作動,雲端運算處理單元510會依據作動確認資訊514建立事故場景資料庫518;當事故確認結果為否時,控制資料410代表正常作動。另外值得一提的是,事故場景資料庫518的SOTIF場景518a可供後續的上路與校驗測試使用(允許上路與校驗測試場景與報告);換言之,SOTIF場景518a的資訊可傳送至感測器、作動器或控制器400的製造廠商(製造端),使製造廠商可依據SOTIF場景518a的資訊進行上路與校驗測試。
請一併參閱第1圖、第2圖、第3圖、第4圖及第6圖,其中第6圖係繪示第4圖的資料解析步驟S24與鑑別資料自動產製步驟S26的示意圖。如圖所示,資料解析步驟S24包含匯入車(車輛110)、人、路各項狀態參數;執行車輛行為鑑別,其係以車速、陀螺儀及加速規作為車輛110各種行駛狀態鑑別;執行駕駛意圖解析,其係透過煞車、油門、車速、轉速及方向燈判別,完整呈現駕駛意圖;執行外部環境識別與目標物軌跡,其係以車聯網(如V2X或V2V)連接道路號誌620、車輛110及路側設施610,進而獲得外部資料612。目標物軌跡代表車輛110以外的目標物(事故當時的另一車輛)於事故經過的行駛軌跡,其可由數位影像錄影機300或路側設施610得知。此外,鑑別資料自動產製步驟S26的事故現場圖516a為動態碰撞軌跡還原圖像,其可提供車輛110碰撞前、後1分鐘逐秒事故經過(提供動態車輛110行駛軌跡及碰撞前後歷程,上述碰撞前、後時間(各1分鐘)與取樣時間間隔(每秒)可依需求調整)。行為特徵報告書516b包含外部資料612與號誌訊號622。外部資料612包含地圖資訊612a,外部資料612由路側設施610偵測道路而產生。號誌訊號622由道路號誌620產生。藉此,本發明的資料解析步驟S24與鑑別資料自動產製步驟S26可依據匯入資料,自動產製事故碰撞型態、時間、車種等,並結合地圖資訊612a(如Google Map),以地理資訊系統(Geographic Information System;GIS)進行地點分析。
請一併參閱第1圖、第2圖、第3圖、第4圖、第5圖、第6圖及第7圖,其中第7圖係繪示第4圖的融合事故輔助鑑別與預期功能安全場景建立的方法S2應用於一事故狀態的流程示意圖。事故狀態為第一車輛(前車)與第二車輛(後車)於道路上運行,第一車輛搭載自動緊急煞車(Autonomous Emergency Braking;AEB)系統,亦即第一車輛的控制器400包含ADAS。第一車輛與第二車輛之間保持行車安全距離。第一車輛的AEB因誤作動(前方無障礙物卻急煞)造成第二車輛追撞的交通事故。依據上述事故狀態,本發明的融合事故輔助鑑別與預期功能安全場景建立的方法S2透過車載診斷裝置200、數位影像錄影機300及控制器400訊息,得知事故過程特徵包含:第一車輛搭載AEB系統且功能開啟,外部環境為大晴天、無逆光、平滑道路、速限70kph、無闖紅燈、車前無障物、第一車輛急煞且依據控制資料410得知AEB確實有啟動訊息,因此判定為AEB誤作動(作動器誤判),故同步列入SOTIF場景518a,如第7圖的粗框及粗線所示。在事故肇責判別釐清方面,由於前車任意驟然減速,前車分攤70%肇責、後車分攤30%肇責。藉此,透過本發明的融合事故輔助鑑別與預期功能安全場景建立的方法S2可以釐清事故真正原因,且後車可降低肇責(原本後車須負100%肇責)。
請一併參閱第1圖、第2圖、第3圖及第8圖,其中第8圖係繪示第3圖的融合事故輔助鑑別與預期功能安全場景建立的方法S2的第二範例的流程示意圖。如圖所示,融合事故輔助鑑別與預期功能安全場景建立的方法S2包含事故判斷步驟S20、事故資料收集步驟S22、資料解析步驟S24、鑑別資料自動產製步驟S26以及場景資料庫建立步驟S28b。其中場景資料庫建立步驟S28b為第3圖的場景資料庫建立步驟S28的另一實施例。場景資料庫建立步驟S28b包含驅動雲端運算處理單元510依據作動確認資訊514建立事故場景資料庫518。當控制器400包含電子控制單元(ECU)時,作動確認資訊514包含車載診斷裝置200產生的車載診斷資料210、數位影像錄影機300產生的錄影資料310及ECU產生的控制資料410。藉此,本發明透過控制器400的ECU結合車載診斷裝置200及數位影像錄影機300,可記錄車輛110事故當時的場景,並自動產製事故輔助鑑別資料516以作為肇事分析依據。
可理解的是,本發明的融合事故輔助鑑別與預期功能安全場景建立的方法S0、S2可透過電腦程式產品實現。上述實施例所說明的各實施步驟的次序可依實際需要而調動、結合或省略。上述實施例可利用電腦程式產品來實現,其可包含儲存有多個指令的機器可讀取媒體,這些指令可程式化(programming)電腦來進行上述實施例中的步驟。機器可讀取媒體可為但不限定於軟碟、光碟、唯讀光碟、磁光碟、唯讀記憶體、隨機存取記憶體、可抹除可程式唯讀記憶體(EPROM)、電子可抹除可程式唯讀記憶體(EEPROM)、光卡(optical card)或磁卡、快閃記憶體、或任何適於儲存電子指令的機器可讀取媒體。再者,本發明的實施例也可做為電腦程式產品來下載,其可藉由使用通訊連接(例如網路連線之類的連接)的資料訊號來從遠端電腦轉移本發明的電腦程式產品至請求電腦。
由上述實施方式可知,本發明具有下列優點:其一,透過車載診斷裝置及數位影像錄影機適時提出車輛發生交通事故時的即時數據,進行事故簡易重現著重於事故當下的車輛狀態、駕駛意圖及天氣情況,以釐清系統故障、機械故障或人為誤操作,提供鑑識人員進行評估。其二,本發明可協助自動(輔助)駕駛控制器釐清肇因,並收集SOTIF場景,提供技術精進對策,以增加應用層面、提高市場性,且可解決習知技術中人工鑑定報告的產製曠日廢時、人力成本居高不下、易造成隱瞞不實以及自動駕駛車輛於事故發生後無法釐清事故主因的問題。其三,透過車輛上的設備詳實記錄行駛過程資訊,除了可釐清肇事責任外、精簡採證作業時程及降低人力成本之外,更可提供自動駕駛車輛在事故中作動情形,以供主管機關及車廠後續改善的參考。
雖然本發明已以實施方式揭露如上,然其並非用以限定本發明,任何熟習此技藝者,在不脫離本發明的精神和範圍內,當可作各種的更動與潤飾,因此本發明的保護範圍當視後附的申請專利範圍所界定者為準。
100:融合事故輔助鑑別與預期功能安全場景建立的系統
110:車輛
200:車載診斷裝置
210:車載診斷資料
300:數位影像錄影機
310:錄影資料
400:控制器
410:控制資料
500:雲端平台
510:雲端運算處理單元
511:事故作動資訊
512:事故記錄資訊
512a:車輛行為資訊
512b:駕駛意圖資訊
514:作動確認資訊
514a:異常未作動資料
514b:誤作動資料
516:事故輔助鑑別資料
516a:事故現場圖
516b:行為特徵報告書
518:事故場景資料庫
518a:SOTIF場景
520:雲端記憶體
610:路側設施
612:外部資料
612a:地圖資訊
620:道路號誌
622:號誌訊號
S0,S2:融合事故輔助鑑別與預期功能安全場景建立的方法
S02,S22:事故資料收集步驟
S04,S24:資料解析步驟
S06,S26:鑑別資料自動產製步驟
S08,S28,S28a,S28b:場景資料庫建立步驟
S20:事故判斷步驟
S282:作動確認步驟
第1圖係繪示本發明的第一實施例的融合事故輔助鑑別與預期功能安全場景建立的系統的示意圖;
第2圖係繪示本發明的第二實施例的融合事故輔助鑑別與預期功能安全場景建立的方法的流程示意圖;
第3圖係繪示本發明的第三實施例的融合事故輔助鑑別與預期功能安全場景建立的方法的流程示意圖;
第4圖係繪示第3圖的融合事故輔助鑑別與預期功能安全場景建立的方法的第一範例的流程示意圖;
第5圖係繪示第4圖的控制器的作動確認與場景資料庫建立步驟的示意圖;
第6圖係繪示第4圖的資料解析步驟與鑑別資料自動產製步驟的示意圖;
第7圖係繪示第4圖的融合事故輔助鑑別與預期功能安全場景建立的方法應用於一事故狀態的流程示意圖;以及
第8圖係繪示第3圖的融合事故輔助鑑別與預期功能安全場景建立的方法的第二範例的流程示意圖。
210:車載診斷資料
310:錄影資料
410:控制資料
512:事故記錄資訊
512a:車輛行為資訊
512b:駕駛意圖資訊
514:作動確認資訊
516:事故輔助鑑別資料
516a:事故現場圖
516b:行為特徵報告書
518:事故場景資料庫
518a:SOTIF場景
S0:融合事故輔助鑑別與預期功能安全場景建立的方法
S02:事故資料收集步驟
S04:資料解析步驟
S06:鑑別資料自動產製步驟
S08:場景資料庫建立步驟
Claims (16)
- 一種融合事故輔助鑑別與預期功能安全場景建立的系統,應用於一車輛,該融合事故輔助鑑別與預期功能安全場景建立的系統包含:一車載診斷(On-Board Diagnostic;OBD)裝置,設置於該車輛並擷取一車載診斷資料;一數位影像錄影機(Digital Video Recorder;DVR),設置於該車輛並擷取一錄影資料;一控制器,設置於該車輛並產生一控制資料;以及一雲端運算處理單元,訊號連接該車載診斷裝置、該數位影像錄影機及該控制器,並經配置以實施包含以下步驟的操作:一事故資料收集步驟,包含驅動該雲端運算處理單元收集來自該車載診斷裝置、該數位影像錄影機及該控制器的該車載診斷資料、該錄影資料及該控制資料;一資料解析步驟,包含驅動該雲端運算處理單元將該車載診斷資料、該錄影資料及該控制資料解析為一事故記錄資訊及一作動確認資訊,該事故記錄資訊包含一車輛行為資訊與一駕駛意圖資訊;一鑑別資料自動產製步驟,包含驅動該雲端運算處理單元依據該車輛行為資訊、該駕駛意圖資訊及該作動確認資訊自動產製成一事故輔助鑑別資料,該事故輔助鑑別資料包含一事故現場圖與一行為特徵報告書;及一場景資料庫建立步驟,包含驅動該雲端運算處理單 元依據該作動確認資訊建立一事故場景資料庫;其中,該作動確認資訊包含:一異常未作動資料,其代表該控制器在應作動但卻未作動的狀況下所產生的資料;及一誤作動資料,其代表該控制器在不應作動但卻作動的狀況下所產生的資料;其中,該事故場景資料庫包含一預期功能安全(Safety Of The Intended Functionality;SOTIF)場景,該預期功能安全場景對應該異常未作動資料與該誤作動資料的一者。
- 如請求項1所述的融合事故輔助鑑別與預期功能安全場景建立的系統,其中該雲端運算處理單元經配置以實施更包含:一事故判斷步驟,包含驅動該雲端運算處理單元接收該車輛的一事故作動資訊而產生一事故判斷結果,該事故判斷結果代表該車輛於一肇事時間發生事故。
- 如請求項2所述的融合事故輔助鑑別與預期功能安全場景建立的系統,其中該事故作動資訊包含一安全氣囊作動資訊、一加速度感測器感測資訊及一感測器失效資訊的至少一者。
- 如請求項1所述的融合事故輔助鑑別與預期 功能安全場景建立的系統,其中該控制器包含一自動駕駛系統(Autonomous Driving System;ADS)與一先進駕駛輔助系統(Advanced Driver Assistance Systems;ADAS)的一者。
- 如請求項1所述的融合事故輔助鑑別與預期功能安全場景建立的系統,其中,該車載診斷資料包含一車輛負載、一轉速、一車速、一節氣門位置、一引擎運轉時間、一煞車訊號、一方向盤轉角、一胎壓、一汽車喇叭訊號、一全球定位系統(Global Positioning System;GPS)位置及一緊急警示燈光訊號的至少一者;及該控制資料包含一電子控制單元電壓、一電池電量狀態(State of Charge;SOC)、一側向誤差、一縱向誤差、一光達訊號、一雷達訊號、一診斷訊號、一方向盤訊號、一電/油門訊號、一解離事件原因、一緊急按鈕訊號及一車身訊號的至少一者。
- 如請求項1所述的融合事故輔助鑑別與預期功能安全場景建立的系統,其中,該車輛行為資訊包含一蛇行行為、一超速行為、一急加減速行為及一闖紅燈行為的至少一者;及該駕駛意圖資訊包含一手動駕駛訊號與一自動駕駛訊號的一者。
- 如請求項1所述的融合事故輔助鑑別與預期功能安全場景建立的系統,其中,該事故現場圖包含一肇事時間、一肇事地點、一現場處理摘要資料;及該行為特徵報告書包含一肇事原因、一事故當時環境狀況、一事故肇事經過及一肇事分析,該肇事分析包含一行駛行為、一佐證資料、一路權歸屬及一法規依據的至少一者;其中,該肇事時間、該肇事地點及該現場處理摘要資料透過該車載診斷裝置與該數位影像錄影機提供,該事故當時環境狀況透過該數位影像錄影機提供,該肇事原因、該事故肇事經過及該肇事分析透過該車載診斷裝置、該數位影像錄影機及該控制器提供。
- 如請求項1所述的融合事故輔助鑑別與預期功能安全場景建立的系統,更包含:一路側設施,訊號連接該雲端運算處理單元,該路側設施設置於一道路,且偵測該道路而產生一外部資料;及一道路號誌,訊號連接該雲端運算處理單元,該道路號誌設置於該道路,且產生一號誌訊號;其中,該外部資料包含一地圖資訊,該行為特徵報告書包含該外部資料與該號誌訊號。
- 一種融合事故輔助鑑別與預期功能安全場景 建立的方法,應用於一車輛,該融合事故輔助鑑別與預期功能安全場景建立的方法包含:一事故資料收集步驟,包含驅動一雲端運算處理單元收集來自一車載診斷(On-Board Diagnostic;OBD)裝置、一數位影像錄影機(Digital Video Recorder;DVR)及一控制器的一車載診斷資料、一錄影資料及一控制資料;一資料解析步驟,包含驅動該雲端運算處理單元將該車載診斷資料、該錄影資料及該控制資料解析為一事故記錄資訊及一作動確認資訊,該事故記錄資訊包含一車輛行為資訊與一駕駛意圖資訊;一鑑別資料自動產製步驟,包含驅動該雲端運算處理單元依據該車輛行為資訊、該駕駛意圖資訊及該作動確認資訊自動產製成一事故輔助鑑別資料,該事故輔助鑑別資料包含一事故現場圖與一行為特徵報告書;以及一場景資料庫建立步驟,包含驅動該雲端運算處理單元依據該作動確認資訊建立一事故場景資料庫;其中,該作動確認資訊包含:一異常未作動資料,其代表該控制器在應作動但卻未作動的狀況下所產生的資料;及一誤作動資料,其代表該控制器在不應作動但卻作動的狀況下所產生的資料;其中,該事故場景資料庫包含一預期功能安全(Safety Of The Intended Functionality;SOTIF)場景,該 預期功能安全場景對應該異常未作動資料與該誤作動資料的一者。
- 如請求項9所述的融合事故輔助鑑別與預期功能安全場景建立的方法,更包含:一事故判斷步驟,包含驅動該雲端運算處理單元接收該車輛的一事故作動資訊而產生一事故判斷結果,該事故判斷結果代表該車輛於一肇事時間發生事故。
- 如請求項10所述的融合事故輔助鑑別與預期功能安全場景建立的方法,其中該事故作動資訊包含一安全氣囊作動資訊、一加速度感測器感測資訊及一感測器失效資訊的至少一者。
- 如請求項9所述的融合事故輔助鑑別與預期功能安全場景建立的方法,其中該控制器包含一自動駕駛系統(Autonomous Driving System;ADS)與一先進駕駛輔助系統(Advanced Driver Assistance Systems;ADAS)的一者。
- 如請求項9所述的融合事故輔助鑑別與預期功能安全場景建立的方法,其中,該車載診斷資料包含一車輛負載、一轉速、一車速、一節氣門位置、一引擎運轉時間、一煞車訊號、一方向盤轉 角、一胎壓、一汽車喇叭訊號、一全球定位系統(Global Positioning System;GPS)位置及一緊急警示燈光訊號的至少一者;及該控制資料包含一電子控制單元電壓、一電池電量狀態(State of Charge;SOC)、一側向誤差、一縱向誤差、一光達訊號、一雷達訊號、一診斷訊號、一方向盤訊號、一電/油門訊號、一解離事件原因、一緊急按鈕訊號及一車身訊號的至少一者。
- 如請求項9所述的融合事故輔助鑑別與預期功能安全場景建立的方法,其中,該車輛行為資訊包含一蛇行行為、一超速行為、一急加減速行為及一闖紅燈行為的至少一者;及該駕駛意圖資訊包含一手動駕駛訊號與一自動駕駛訊號的一者。
- 如請求項9所述的融合事故輔助鑑別與預期功能安全場景建立的方法,其中,該事故現場圖包含一肇事時間、一肇事地點、一現場處理摘要資料;及該行為特徵報告書包含一肇事原因、一事故當時環境狀況、一事故肇事經過及一肇事分析,該肇事分析包含一行駛行為、一佐證資料、一路權歸屬及一法規依據的至少一者; 其中,該肇事時間、該肇事地點及該現場處理摘要資料透過該車載診斷裝置與該數位影像錄影機提供,該事故當時環境狀況透過該數位影像錄影機提供,該肇事原因、該事故肇事經過及該肇事分析透過該車載診斷裝置、該數位影像錄影機及該控制器提供。
- 如請求項9所述的融合事故輔助鑑別與預期功能安全場景建立的方法,其中該行為特徵報告書包含:一外部資料,包含一地圖資訊,該外部資料由一路側設施偵測一道路而產生;及一號誌訊號,由一道路號誌產生。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111140084A TWI824788B (zh) | 2022-10-21 | 2022-10-21 | 融合事故輔助鑑別與預期功能安全場景建立的系統及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111140084A TWI824788B (zh) | 2022-10-21 | 2022-10-21 | 融合事故輔助鑑別與預期功能安全場景建立的系統及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI824788B true TWI824788B (zh) | 2023-12-01 |
TW202418237A TW202418237A (zh) | 2024-05-01 |
Family
ID=90053001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111140084A TWI824788B (zh) | 2022-10-21 | 2022-10-21 | 融合事故輔助鑑別與預期功能安全場景建立的系統及方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI824788B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559745A (zh) * | 2013-06-19 | 2014-02-05 | 深圳市东宝嘉科技有限公司 | 一种逆向复现汽车事故现场的*** |
TWM545723U (zh) * | 2017-03-23 | 2017-07-21 | 新昇汽車科技股份有限公司 | 支援車聯網應用服務的行車監控系統 |
CN110009903A (zh) * | 2019-03-05 | 2019-07-12 | 同济大学 | 一种交通事故现场还原方法 |
CN110047286A (zh) * | 2019-04-20 | 2019-07-23 | 深圳市元征科技股份有限公司 | 一种车辆事故分析方法及装置 |
US20220327833A1 (en) * | 2020-08-04 | 2022-10-13 | Verizon Connect Development Limited | Systems and methods for utilizing machine learning models to reconstruct a vehicle accident scene from video |
-
2022
- 2022-10-21 TW TW111140084A patent/TWI824788B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559745A (zh) * | 2013-06-19 | 2014-02-05 | 深圳市东宝嘉科技有限公司 | 一种逆向复现汽车事故现场的*** |
TWM545723U (zh) * | 2017-03-23 | 2017-07-21 | 新昇汽車科技股份有限公司 | 支援車聯網應用服務的行車監控系統 |
CN110009903A (zh) * | 2019-03-05 | 2019-07-12 | 同济大学 | 一种交通事故现场还原方法 |
CN110047286A (zh) * | 2019-04-20 | 2019-07-23 | 深圳市元征科技股份有限公司 | 一种车辆事故分析方法及装置 |
US20220327833A1 (en) * | 2020-08-04 | 2022-10-13 | Verizon Connect Development Limited | Systems and methods for utilizing machine learning models to reconstruct a vehicle accident scene from video |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110570538B (zh) | 智能驾驶汽车中黑匣子数据的管理方法、装置和设备 | |
CN106157614B (zh) | 汽车事故责任确定方法及*** | |
KR101769102B1 (ko) | Obd와 스마트폰을 사용한 보험사 서버와 연동된 자동차 운행기록 분석 시스템 및 방법 | |
CN104103100B (zh) | 驾驶行为分析*** | |
CN111524362A (zh) | 基于多数据融合的车辆安全行驶保障***与方法 | |
CN109830002A (zh) | 行车事件数据记录方法、装置及事件数据记录器 | |
CN110356344A (zh) | 一种应用于全景***的车载事件记录方法、***及汽车 | |
CN103700160A (zh) | 基于微传感器的机动车车载终端及驾驶行为判断方法 | |
CN110147946B (zh) | 一种数据分析方法及装置 | |
CN107454056B (zh) | 一种用于教练车的验证***及其验证方法 | |
TW202101344A (zh) | 用於計算車輛的駕駛人的責任的系統和方法 | |
US10977882B1 (en) | Driver health profile | |
CN111914237A (zh) | 汽车驾驶员生物特征认证和gps服务 | |
CN111681336A (zh) | 一种交通事故溯源*** | |
TWI824788B (zh) | 融合事故輔助鑑別與預期功能安全場景建立的系統及方法 | |
CN114489004A (zh) | 一种无人驾驶试验方法及其*** | |
CN112883500A (zh) | 一种基于故障注入的智能车辆***早期功能安全评估方法 | |
DE112018005030T5 (de) | Verwaltungseinrichtung, fahrzeug, überprüfungseinrichtung undfahrzeugüberprüfungssystem sowie informationsverarbeitungsverfahren dafür | |
US10643407B1 (en) | Driving event recording method and system for non-image-based car accident cause determination | |
TW202418237A (zh) | 融合事故輔助鑑別與預期功能安全場景建立的系統及方法 | |
Messerschmidt et al. | Simulating the effect of collision-related power loss on the event data recorders of heavy trucks | |
CN118046848A (zh) | 融合事故辅助鉴别与预期功能安全场景建立的***及方法 | |
US20240177537A1 (en) | System and method of integrating traffic accident assistance identification and safety of intended functionality scene establishment | |
CN115145246A (zh) | 控制器的测试方法、装置、车辆、存储介质及芯片 | |
US20220135059A1 (en) | Method and apparatus for generating test case for dynamic verification of autonomous driving system |