特許 7589462 コンピュータプログラム、方法及びシステム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-11-18

(45)【発行日】2024-11-26

(54)【発明の名称】コンピュータプログラム、方法及びシステム

(51)【国際特許分類】

   B60W 40/02 20060101AFI20241119BHJP

   B60W 30/00 20060101ALI20241119BHJP

   G08G 1/09 20060101ALI20241119BHJP

   G06N 20/00 20190101ALI20241119BHJP

【ＦＩ】

B60W40/02

B60W30/00

G08G1/09 H

G06N20/00

【請求項の数】 1

【外国語出願】

(21)【出願番号】P 2020133731

(22)【出願日】2020-08-06

(65)【公開番号】P2021046190

(43)【公開日】2021-03-25

【審査請求日】2023-07-31

(31)【優先権主張番号】16/536,224

(32)【優先日】2019-08-08

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】000003207

【氏名又は名称】トヨタ自動車株式会社

(74)【代理人】

【識別番号】100099759

【弁理士】

【氏名又は名称】青木 篤

(74)【代理人】

【識別番号】100123582

【弁理士】

【氏名又は名称】三橋 真二

(74)【代理人】

【識別番号】100092624

【弁理士】

【氏名又は名称】鶴田 準一

(74)【代理人】

【識別番号】100147555

【弁理士】

【氏名又は名称】伊藤 公一

(74)【代理人】

【識別番号】100123593

【弁理士】

【氏名又は名称】関根 宣夫

(74)【代理人】

【識別番号】100133835

【弁理士】

【氏名又は名称】河野 努

(72)【発明者】

【氏名】中村 昭仁

(72)【発明者】

【氏名】キム ペクキュ

【審査官】平井 功

(56)【参考文献】

【文献】特開２００７－２４１７２９（ＪＰ，Ａ）

【文献】特開２０１８－１０５２３５（ＪＰ，Ａ）

【文献】特開２０１８－２６０６５（ＪＰ，Ａ）

【文献】中国特許出願公開第１０８０２２４５０（ＣＮ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｂ６０Ｗ １０／００－１０／３０

Ｂ６０Ｗ ３０／００－６０／００

Ｇ０８Ｇ １／００－９９／００

Ｇ０６Ｎ ３／００－９９／００

(57)【特許請求の範囲】

【請求項1】

コンピュータプログラムであって、
コネクテッド車両の車載コンピュータシステムの非一時的なメモリであって、
プロセッサによって実行されると、前記プロセッサに、
コネクテッド車両のカスタム化ニーズを記述するカスタム化データを含むビークルツーエブリシング（Ｖ２Ｘ）データを生成させ、
Ｖ２Ｘ通信を介して、前記Ｖ２Ｘデータを含むフィードバックメッセージを送信させ、
前記Ｖ２Ｘ通信を介して、前記Ｖ２Ｘデータに少なくとも部分的に基づいて決定される前記コネクテッド車両の個別最適挙動を記述する車両挙動データを含む修正メッセージを受信させ、
前記コネクテッド車両が前記個別最適挙動を遂行するように前記車両挙動データに基づいて前記コネクテッド車両の車両制御システムの動作を修正させる、コンピュータ実行可能コードを記憶する非一時的なメモリを含み、
前記コネクテッド車両による前記個別最適挙動の遂行が前記コネクテッド車両の前記カスタム化ニーズも満足しながら前記コネクテッド車両が位置する領域の全体最適挙動の達成に貢献し、
前記コネクテッド車両のカスタム化ニーズが、１つ又は複数のカスタム化パラメータと前記１つ又は複数のカスタム化パラメータの１つ又は複数の重みとによって記述される、コンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本明細書は、領域内の最適車両挙動を提供することに関する。

【背景技術】

【0002】

車道に存在する様々なタイプの車両、例えば、自律車両、半自律車両、又は人間駆動車両が存在し得る。車両は様々な目的地、運転計画及びその他の運転嗜好を有することがあるので、これらの車両の挙動を調整して車道での衝突の危険を低減することが困難になる可能性がある。

【発明の概要】

【0003】

本明細書に記載の実施形態の１つの通例の態様は、コンピュータプログラムプロダクトであって、コネクテッド車両の車載コンピュータシステムの非一時的なメモリであって、プロセッサによって実行されると、当該プロセッサに、コネクテッド車両のカスタム化ニーズを記述するカスタム化データを含むビークルツーエブリシング（Ｖ２Ｘ）データを生成させ、Ｖ２Ｘ通信を介して、当該Ｖ２Ｘデータを含むフィードバックメッセージを送信させ、当該Ｖ２Ｘ通信を介して、当該Ｖ２Ｘデータに少なくとも部分的に基づいて決定される当該コネクテッド車両の個別最適挙動を記述する車両挙動データを含む修正メッセージを受信させ、当該コネクテッド車両が当該個別最適挙動を遂行するように当該車両挙動データに基づいて当該コネクテッド車両の車両制御システムの動作を修正させるコンピュータ実行可能コードを記憶する非一時的なメモリを含み、当該コネクテッド車両による当該個別最適挙動の遂行が当該コネクテッド車両の当該カスタム化ニーズも満足しながら当該コネクテッド車両が位置する領域の全体最適挙動の達成に貢献するコンピュータプログラムプロダクトを含む。この態様の他の実施形態は、対応するコンピュータシステム、装置、及び各々が各方法の作用を実行するように構成された１つ又は複数のコンピュータ記憶デバイス上に記録されたコンピュータプログラムを含む。

【0004】

実装形態は以下の特徴の１つ以上を含んでいてもよい。コンピュータプログラムプロダクトであって、当該コネクテッド車両による当該個別最適挙動の遂行が、当該コネクテッド車両と当該領域内の１つ又は複数の他の車両との間に衝突が発生しないことと、当該コネクテッド車両のカスタム化ニーズが当該１つ又は複数の他の車両の１つ又は複数のカスタム化ニーズに干渉することなく満足されることとのうちの１つ以上を示すコンピュータプログラムプロダクト。コンピュータプログラムプロダクトであって、当該コネクテッド車両と当該１つ又は複数の他の車両が当該領域内の車両グループに含まれ、当該領域の全体最適挙動の達成が、当該車両グループ内で衝突が発生しないことと、当該グループ内の各車両のカスタム化ニーズが当該グループ内の残りの車両のカスタム化ニーズを修正することなく満足されることとのうちの１つ以上を示すコンピュータプログラムプロダクト。コンピュータプログラムプロダクトであって、当該コネクテッド車両のカスタム化ニーズが、当該コネクテッド車両の運転意図及び当該運転意図の第１の重みと、当該コネクテッド車両の運転嗜好及び当該運転嗜好の第２の重みとのうちの１つ以上によって記述されるコンピュータプログラムプロダクト。上記の技法の実装形態は、ハードウェア、方法又はプロセス、或いはコンピュータからアクセス可能な媒体上のコンピュータソフトウェアを含んでいてもよい。

【0005】

１つの通例の態様は、コネクテッド車両のための方法であって、Ｖ２Ｘ通信を介して、当該Ｖ２Ｘデータを含むカスタム化ニーズを記述するカスタム化データを含むＶ２Ｘデータを送信することと、当該Ｖ２Ｘ通信を介して、当該Ｖ２Ｘデータに少なくとも部分的に基づいて決定される当該コネクテッド車両の個別最適挙動を記述する車両挙動データを受信することと、当該コネクテッド車両が当該個別最適挙動を遂行するように当該車両挙動データに基づいて当該コネクテッド車両の車両制御システムの動作を修正することとを含み、当該コネクテッド車両による当該個別最適挙動の遂行が当該コネクテッド車両の当該カスタム化ニーズも満足しながら当該コネクテッド車両が位置する領域の全体最適挙動の達成に貢献する方法を含む。この態様の他の実施形態は、対応するコンピュータシステム、装置、及び各々が各方法の作用を実行するように構成された１つ又は複数のコンピュータ記憶デバイス上に記録されたコンピュータプログラムを含む。

【0006】

実装形態は以下の特徴の１つ以上を含んでいてもよい。方法であって、当該コネクテッド車両による当該個別最適挙動の遂行が、当該コネクテッド車両と当該領域内の１つ又は複数の他の車両との間に衝突が発生しないことと、当該コネクテッド車両のカスタム化ニーズが当該１つ又は複数の他の車両の１つ又は複数のカスタム化ニーズに干渉することなく満足されることとのうちの１つ以上を示す方法。方法であって、当該コネクテッド車両と当該１つ又は複数の他の車両が当該領域内の車両グループに含まれ、当該領域の全体最適挙動の達成が、当該車両グループ内で衝突が発生しないことと、当該グループ内の各車両のカスタム化ニーズが当該グループ内の残りの車両のカスタム化ニーズを修正することなく満足されることとのうちの１つ以上を示す方法。方法であって、当該コネクテッド車両のカスタム化ニーズが、１つ又は複数のカスタム化パラメータと当該１つ又は複数のカスタム化パラメータの１つ又は複数の重みとによって記述される方法。方法であって、当該１つ又は複数のカスタム化パラメータが、当該コネクテッド車両に関連付けられた運転意図と運転嗜好との１つ以上を含む方法。方法であって、当該１つ又は複数のカスタム化パラメータを記述するパラメータデータと、当該１つ又は複数の重みを記述する重みデータと、当該コネクテッド車両のセンサデータ及び当該コネクテッド車両の先進運転支援システム（ＡＤＡＳ）データとのうちの１つ以上を含むＶ２Ｘデータを生成することをさらに含む方法。方法であって、当該コネクテッド車両の将来の挙動を予測することをさらに含み、当該Ｖ２Ｘデータが前記コネクテッド車両の前記将来の挙動を記述する予測データをさらに含む方法。方法であって、当該個別最適挙動が、当該コネクテッド車両について最適化された、前記コネクテッド車両の強制軌道、加速設定、ステアリング角設定及び速度設定を含む方法。方法であって、当該個別最適挙動が当該領域内の交通規則要求事項及び安全要求事項の１つ以上を満足する方法。上記の技法の実装形態は、ハードウェア、方法又はプロセス、或いはコンピュータからアクセス可能な媒体上のコンピュータソフトウェアを含んでいてもよい。

【0007】

１つの通例の態様は、システムであって、非一時的なメモリを含むコネクテッド車両の車載コンピュータシステムを含み、前記メモリは、当該車載コンピュータシステムによって実行されると、当該車載コンピュータシステムに、Ｖ２Ｘ通信を介して、当該Ｖ２Ｘデータを含むカスタム化ニーズを記述するカスタム化データを含むＶ２Ｘデータを送信させ、当該Ｖ２Ｘ通信を介して、当該Ｖ２Ｘデータに少なくとも部分的に基づいて決定される当該コネクテッド車両の個別最適挙動を記述する車両挙動データを受信させ、当該コネクテッド車両が当該個別最適挙動を遂行するように当該車両挙動データに基づいて当該コネクテッド車両の車両制御システムの動作を修正させるコンピュータコードを記憶するし、当該コネクテッド車両による当該個別最適挙動の遂行が当該コネクテッド車両の当該カスタム化ニーズも満足しながら当該コネクテッド車両が位置する領域の全体最適挙動の達成に貢献するシステムを含む。この態様の他の実施形態は、対応するコンピュータシステム、装置、及び各々が各方法の作用を実行するように構成された１つ又は複数のコンピュータ記憶デバイス上に記録されたコンピュータプログラムを含む。

【0008】

実装形態は以下の特徴の１つ以上を含んでいてもよい。システムであって、当該コネクテッド車両による当該個別最適挙動の遂行が、当該コネクテッド車両と当該領域内の１つ又は複数の他の車両との間に衝突が発生しないことと、当該コネクテッド車両のカスタム化ニーズが当該１つ又は複数の他の車両の１つ又は複数のカスタム化ニーズに干渉することなく満足されることとのうちの１つ以上を示すシステム。システムであって、当該コネクテッド車両と当該１つ又は複数の他の車両が当該領域内の車両グループに含まれ、当該領域の全体最適挙動の達成が、当該車両グループ内で衝突が発生しないことと、当該グループ内の各車両のカスタム化ニーズが当該グループ内の残りの車両のカスタム化ニーズを修正することなく満足されることとのうちの１つ以上を示すシステム。システムであって、当該コネクテッド車両のカスタム化ニーズが、１つ又は複数のカスタム化パラメータ及び当該１つ又は複数のカスタム化パラメータの１つ又は複数の重みとによって記述されるシステム。システムであって、当該１つ又は複数のカスタム化パラメータが、当該コネクテッド車両に関連付けられた運転意図及び運転嗜好の１つ以上を含むシステム。システムであって、当該コンピュータコードが、当該車載コンピュータシステムによって実行されると、当該車載コンピュータシステムに、当該コネクテッド車両の当該１つ又は複数のカスタム化パラメータを記述するパラメータデータと、当該１つ又は複数の重みを記述する重みデータと、センサデータと、当該コネクテッド車両のＡＤＡＳデータとのうちの１つ以上を含むＶ２Ｘデータをさらに生成させるシステム。システムであって、当該コンピュータコードが、当該車載コンピュータシステムによって実行されると、当該車載コンピュータシステムに、当該コネクテッド車両の将来の挙動をさらに予測させ、当該Ｖ２Ｘデータが当該コネクテッド車両の当該将来の挙動を記述する予測データをさらに含むシステム。上記の技法の実装形態は、ハードウェア、方法又はプロセス、或いはコンピュータからアクセス可能な媒体上のコンピュータソフトウェアを含んでいてもよい。

【図面の簡単な説明】

【0009】

本開示は、添付図面の図において限定ではなく例示をもって説明し、図中の同様の参照符号は同様の要素を指す。

【0010】

【図1A】いくつかの実施形態による機械学習システム及び機械学習クライアントの動作環境を示すブロック図である。

【図1B】いくつかの実施形態による機械学習システムと様々な車両内に搭載された機械学習クライアントの様々なインスタンスとを含むアーキテクチャを示すブロック図である。

【図1C】いくつかの実施形態による機械学習システムのコンポーネントと１つ又は複数のコネクテッド車両とを含むアーキテクチャを示すブロック図である。

【図1D】いくつかの実施形態による機械学習システムのコンポーネントと１つ又は複数のコネクテッド車両とを含む別のアーキテクチャを示すブロック図である。

【図2】いくつかの実施形態による機械学習クライアントを含む例示的なコンピュータシステムを示すブロック図である。

【図3】いくつかの実施形態によるコネクテッド車両の個別最適挙動を遂行する方法を示す図である。

【図4】いくつかの実施形態による領域内の全体最適挙動と当該領域内の車両の個別最適挙動とを提供する方法を示す図である。

【図5A】いくつかの実施形態による最適車両挙動を提供するための例示的な動作シナリオを示すグラフ表現である。

【図5B】いくつかの実施形態による最適車両挙動を提供するための例示的な動作シナリオを示すグラフ表現である。

【図6A】いくつかの実施形態による最適車両挙動を提供するための別の例示的な動作シナリオを示すグラフ表現である。

【図6B】いくつかの実施形態による最適車両挙動を提供するための別の例示的な動作シナリオを示すグラフ表現である。

【図7A】いくつかの実施形態による最適車両挙動を提供する例示的なシミュレーションを示すグラフ表現である。

【図7B】いくつかの実施形態による最適車両挙動を提供する例示的なシミュレーションを示すグラフ表現である。

【図7C】いくつかの実施形態による最適車両挙動を提供する別の例示的なシミュレーションを示すグラフ表現である。

【図7D】いくつかの実施形態による最適車両挙動を提供する別の例示的なシミュレーションを示すグラフ表現である。

【発明を実施するための形態】

【0011】

いくつかの領域又はいくつかの状況においては、車両の基本的な運転要求事項の満足を保証することが困難になり得る。基本的な運転要求事項の例は、例えば、交通規則要求事項及び安全要求事項などを含む。例えば、車両に最適運転軌道が提供され、車両の衝突が発生しないように車両のＡＤＡＳシステムの最適動作を保証することが容易でない場合がある。別の例では、人間駆動車両の場合、車両の運転者は、（１）衝突のリスクを知り、（２）衝突の可能性を回避するための運転方法を決定する必要があろう。

【0012】

運転者が異なると、運転意図、運転嗜好、及びその他の運転習慣が異なることがある。運転者によっては円滑にまた燃費効率を良くするように運転することを好み、また別の運転者によっては移動時間を短縮し、又は運転の楽しみを増やすために高速で運転することを好む場合がある。現在、各々の運転者がその運転挙動を自分で決定している。運転者にその運転挙動を自分で選択させると他の車両との衝突のリスクが増加し、又は他の運転者にその運転嗜好又は意図を諦めさせる可能性があるため、このことは問題である。

【0013】

本明細書内で、相互に協働して上記パラグラフに記載した問題が解決されるように領域内での最適車両挙動を達成する機械学習システム及び機械学習クライアントについて説明する。最適車両挙動は、例えば、領域の全体最適挙動と領域内に存在する車両の個別最適挙動とを含む。例えば、機械学習システム及び機械学習クライアントは相互に協働して異なる車両の異なる運転嗜好及び意図を調停する。機械学習システム及び機械学習クライアントは相互に協働して車両間の衝突が発生しないことを保証し、可能な限り、各車両がそれ自体の嗜好及び意図を達成する能力を最大限にする。

【0014】

本明細書に記載の機械学習システム及び機械学習クライアントが提供する例示的な改良点及び利点を以下に説明する。例えば、機械学習システム及び機械学習クライアントは、いかなる特定の車両に対しても、それ自体の嗜好又は意図を特定の領域内の他の車両の嗜好又は意図と当該他の車両の安全動作とに優先させることを許可しない。

【0015】

別の例では、機械学習システム及び機械学習クライアントの実装形態では関連する終点間での頻繁な通信は要求されない。したがって、機械学習システム及び機械学習クライアントは車道速度で移動中の車両についてリアルタイムで動作でき、その結果、両者は現実世界における車両に使用することができる。さらに別の例では、機械学習システム及び機械学習クライアントは手動操作の車両又は非自律車両にも適用可能である。

【0016】

さらに別の例では、異なる車両の挙動を修正する方法を決定する際に運転嗜好及び意図の相対的な重みが考慮される。これとは対照的に、既存の解決策はいかなる特定の車両の運転嗜好又は意図の重みも考慮せず、まして一台の車両の他の車両に対するこれらのパラメータの相対的な重みを考慮することがない。その他の例示的な改良点及び利点も可能であるが、ここでは限定しない。

【0017】

機械学習システム及び機械学習クライアントの例示的な概要を以下に説明する。車両環境が、（１）自車両と（２）１組のリモート車両とを含むと仮定する。或いは、又はこれに加えて、車道環境は処理デバイス（例えば、クラウドサーバ、エッジサーバ、路側機など）を含む。自車両は機械学習システムのインスタンスを含むコネクテッド車両である。任意選択で、機械学習システムは処理デバイス内に搭載される。自車両及びリモート車両は自律車両であってもよく又はそうでなくてもよい。リモート車両はコネクテッド車両であってもよく又はそうでなくてもよい。リモート車両は機械学習クライアントのインスタンスを含んでいてもよく又は含んでいなくてもよい。

【0018】

機械学習クライアントは、リモート車両の少なくとも１つの電子制御ユニット（ＥＣＵ）内に記憶されたソフトウェアを含む。機械学習クライアントは、リモート車両の車載センサ及びＡＤＡＳシステムを使用してＶ２Ｘデータを生成し、Ｖ２Ｘ伝送を介して機械学習システムへＶ２Ｘデータを含むフィードバックメッセージを提供するように動作することができる。Ｖ２Ｘデータはリモート車両のカスタム化ニーズを記述するカスタム化データを含んでいてもよい。ここで、車両（又は運転者）のカスタム化ニーズは車両（又は運転者）の運転意図、運転嗜好、及び任意のその他のニーズを含んでいてもよい。

【0019】

機械学習システムは、各々が機械学習クライアントのインスタンスを含む、領域内の様々な車両から受信したＶ２Ｘデータを収集する。こうして、機械学習システムは領域内の様々な車両の運転意図及び嗜好を記述するディジタルデータを受信する。機械学習システムはＶ２Ｘデータに少なくとも部分的に基づいて領域挙動データを決定する。領域挙動データは領域内に含まれる全車両の全体最適挙動を記述するディジタルデータを含む。例えば、領域挙動データはこれらの車両が相互に、また他のオブジェクトと対話できる方法を記述する。

【0020】

集合的且つ個別的に、領域内の車両の全体最適挙動は、他の車両との衝突が回避されることを保証し、運転者が他の運転者のカスタム化ニーズを修正することなく自分のカスタム化ニーズを満足することを可能にするということを記述する。

【0021】

機械学習システムは、Ｖ２Ｘデータを分析して各車両の運転意図及び嗜好と他の車両に対する当該運転意図及び嗜好の重みとを決定する。機械学習システムはまた、領域内の各車両の個別最適挙動を決定する。各車両の個別最適挙動は領域の全体最適挙動の一達成形態に貢献し、一方で各車両にカスタム化ニーズも満足される。機械学習システムは、領域の全体最適挙動が達成されるように各車両の個別最適挙動を当該車両の車両制御システム（例えば、ＡＤＡＳシステム）と調整するために必要な動作を実行する。

【0022】

機械学習システムは各車両の個別最適挙動を記述する車両挙動データを対応する車両へ送信する。次いで、対応する車両の車両制御システムは対応する車両を制御して車両挙動データが記述する個別最適挙動に準拠して動作させる。こうして、領域内の全車両の全体最適挙動が達成され、全車両のカスタム化ニーズも満足される。

【0023】

本明細書に記載するように、Ｖ２Ｘ通信の例は、専用狭域通信（ＤＳＲＣ）（ＤＳＲＣ通信のタイプの中でも特に、基本安全メッセージ（ＢＳＭ）及び個人安全メッセージ（ＰＳＭ）を含めて）を含む。Ｖ２Ｘ通信の別の例は、ロングタームエボルーション（ＬＴＥ）、ミリ波（ｍｍＷａｖｅ）通信、３Ｇ、４Ｇ、５Ｇ、ＬＴＥ－Ｖ２Ｘ、５Ｇ－Ｖ２Ｘ、ＬＴＥ車車間（ＬＴＥ－Ｖ２Ｖ）、ＬＴＥデバイス間（ＬＴＥ－Ｄ２Ｄ）、又はボイスオーバーＬＴＥ（ＶｏＬＴＥ）などを含む。いくつかの例では、Ｖ２Ｘ通信はＶ２Ｖ通信、路車間（Ｖ２Ｉ）通信、車両とネットワーク間の（Ｖ２Ｎ）通信又はそれらの任意の組み合わせを含んでいてもよい。

【0024】

本明細書に記載の無線メッセージ（例えば、Ｖ２Ｘメッセージ）の例は、これに限定されないが、ＤＳＲＣメッセージ、ＢＳＭメッセージ、及びＬＴＥメッセージを含む。無線メッセージの別の例は、ＬＴＥ－Ｖ２Ｘメッセージ（例えば、ＬＴＥ－Ｖ２Ｖメッセージ、ＬＴＥ－Ｖ２Ｉメッセージ、ＬＴＥ－Ｖ２Ｎメッセージなど）、５Ｇ－Ｖ２Ｘメッセージ、及びミリ波メッセージなどの１つ以上を含む。

【0025】

例示的な概要
図１Ａを参照すると、いくつかの実施形態による機械学習クライアント１９９及び機械学習システム１９１の動作環境１００が示されている。動作環境１００は、以下の要素、すなわち、自車両１１０、及び１つ又は複数のリモート車両１１２（例えば、第１のリモート車両１１２Ａ、．．．、Ｎ番目のリモート車両１１２Ｎ）の１つ以上を含んでいてもよい。任意選択で、動作環境１００は処理デバイス１４０をさらに含んでいてもよい。動作環境１００のこれらの要素はネットワーク１０５に通信可能に接続することができる。実際、動作環境１００は任意の数の自車両１１０、リモート車両１１２、処理デバイス１４０及びネットワーク１０５を含んでいてもよい。

【0026】

ネットワーク１０５は従来のタイプの有線又は無線タイプであってもよく、スター構成、トークンリング構成、又はその他の構成を含む多数の様々な構成を有していてもよい。さらに、ネットワーク１０５は、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）（例えば、インターネット）、又はそれを挟んで複数のデバイス及び／又はエンティティが通信可能なその他の相互接続データ経路を含んでいてもよい。いくつかの実施形態では、ネットワーク１０５はピアツーピアネットワークを含んでいてもよい。ネットワーク１０５は、様々な異なった通信プロトコルでデータを送信する電気通信ネットワークの一部に接続されていてもよく、又はそれを含んでいてもよい。いくつかの実施形態では、ネットワーク１０５は、ショートメッセージングサービス（ＳＭＳ）及びマルチメディアメッセージングサービス（ＭＭＳ）による方法を含めてデータを送受信するＢｌｕｅｔｏｏｔｈ（登録商標）通信ネットワーク又はセルラ通信ネットワークを含む。いくつかの実施形態では、ネットワーク１０５は、ハイパーテキスト転送プロトコル（ＨＴＴＰ）、直接データ接続、ワイヤレスアプリケーションプロトコル（ＷＡＰ）、Ｅメール、ＤＳＲＣ、全二重無線通信及びｍｍＷａｖｅのためのネットワークをさらに含む。いくつかの実施形態では、ネットワーク１０５は、ＷｉＦｉ（インフラストラクチャモード）、ＷｉＦｉ（アドホックモード）、可視光通信、ＴＶホワイトスペース通信及び衛星通信のためのネットワークをさらに含む。ネットワーク１０５は、３Ｇ、４Ｇ、ＬＴＥ、ＬＴＥ－Ｖ２Ｘ、ＬＴＥ－Ｄ２Ｄ、ＶｏＬＴＥ、５Ｇ－Ｖ２Ｘ又は任意のその他のモバイルデータネットワークを含み得るモバイルデータネットワーク又はモバイルデータネットワークの組み合わせをも含んでいてもよい。さらに、ネットワーク１０５は１つ又は複数のＩＥＥＥ８０２．１１無線ネットワークを含んでいてもよい。

【0027】

自車両１１０は任意のタイプの車両であってもよい。例えば、自車両１１０は、以下のタイプの車両、すなわち、自動車、トラック、スポーツユーティリティ車両、バス、セミトラック、ドローン、又は任意のその他の車道ベースの乗り物の１つ以上を含んでいてもよい。自車両１１０は通信ユニットを含みネットワーク１０５に接続された他の終点と通信可能なコネクテッド車両であってもよい。

【0028】

いくつかの実施形態では、自車両１１０はＤＳＲＣ無線機とＤＳＲＣ準拠の全地球測位システム（ＧＰＳ）ユニットとを含むＤＳＲＣ対応の車両である。自車両１１０は、ＤＳＲＣ無線機に加えて他のＶ２Ｘ無線機をも含んでいてもよい。ＤＳＲＣは本明細書に記載の実施形態の要求事項ではなく、任意の型式のＶ２Ｘ通信も実行可能である。

【0029】

自車両１１０は以下の要素、すなわち、プロセッサ１２５Ａ、メモリ１２７Ａ、通信ユニット１４５Ａ、ＧＰＳユニット１５０、ＥＣＵ１５２、センサセット１５４、車両制御システム１５６、及び機械学習システム１９１Ａの１つ以上を含んでいてもよい。いくつかの実施形態では、自車両１１０は、機械学習クライアント１９９（例えば、機械学習クライアント１９９Ａ）のインスタンスをも含んでいてもよい。自車両１１０のこれらの要素はバスを介して相互に接続されていてもよい。

【0030】

いくつかの実施形態では、プロセッサ１２５Ａ及びメモリ１２７Ａは車載コンピュータシステム（図２を参照する下記のコンピュータシステム２００などの）の一要素であってもよい。車載コンピュータシステムは機械学習システム１９１Ａ（又は機械学習クライアント１９９Ａ）の動作を起動又は制御するように動作可能であってもよい。例えば、車載コンピュータシステムはメモリ１２７Ａに記憶されたデータにアクセスし実行して機械学習クライアント１９９Ａ又はその要素に関して本明細書に記載する（例えば、図２を参照）機能を提供するように動作可能であってもよい。

【0031】

プロセッサ１２５Ａは、演算を実行して表示デバイスに電子表示信号を提供する論理演算ユニット、汎用制御装置、又は何らかのその他のプロセッサアレイを含む。プロセッサ１２５Ａはデータ信号を処理し、様々な演算アーキテクチャを含んでいてもよい。演算アーキテクチャの例は、複合命令セットコンピュータ（ＣＩＳＣ）アーキテクチャ、縮小命令セットコンピュータ（ＲＩＳＣ）アーキテクチャ、又は命令セットの組み合わせを実装するアーキテクチャを含む。自車両１１０は１つ又は複数のプロセッサ１２５Ａを含んでいてもよい。その他のプロセッサ、オペレーティングシステム、センサ、ディスプレイ、及び物理的な構成も可能である。

【0032】

メモリ１２７Ａはプロセッサ１２５Ａが実行可能な命令又はデータを記憶する。命令又はデータは本明細書に記載の技法を実行するためのコードを含んでいてもよい。メモリ１２７Ａは、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、フラッシュメモリ、又は何らかのその他のメモリデバイスであってもよい。いくつかの実施形態では、メモリ１２７Ａは、不揮発性メモリ又は同様の永続記憶デバイス及び媒体をも含む。永続記憶デバイスの例は、ハードディスクドライブ、フロッピー（登録商標）ディスクドライブ、ＣＤ－ＲＯＭデバイス、ＤＶＤ－ＲＯＭデバイス、ＤＶＤ－ＲＡＭデバイス、ＤＶＤ－ＲＷデバイス、及びフラッシュメモリデバイスなどを含む。追加の永続記憶デバイスの例は、情報をより永続的に記憶するための何らかのその他の大容量記憶デバイスを含んでいてもよい。自車両１１０は１つ又は複数のメモリ１２７Ａを含んでいてもよい。

【0033】

メモリ１２７Ａは、以下の要素、すなわち、Ｖ２Ｘデータ１２８Ａ、センサ及びＡＤＡＳデータ１２９、領域挙動データ１３０、意図データ１３１、嗜好データ１３２、車両挙動データ１３３、及び車両仕様データ１３４の１つ以上を記憶していてもよい。

【0034】

いくつかの実施形態では、Ｖ２Ｘデータ１２８Ａは自車両１１０それ自体に関連するディジタルデータを含んでいてもよい。例えば、Ｖ２Ｘデータ１２８Ａは自車両１１０のカスタム化ニーズを記述するカスタム化データを含んでいてもよい。カスタム化ニーズは１つ又は複数のカスタム化パラメータと当該カスタム化パラメータの１つ又は複数の重みとによって記述されていてもよい。当該１つ又は複数のカスタム化パラメータは、例えば、意図データ１３１によって記述される運転意図と嗜好データ１３２によって記述される運転嗜好とを含んでいてもよい。例えば、Ｖ２Ｘデータ１２８Ａは、（１）自車両１１０の運転者の運転意図又は嗜好と、（２）当該運転意図又は嗜好がどれ位強いかを記述する運転意図又は嗜好の重みとを記述するカスタム化データを含む。

【0035】

いくつかの実施形態では、Ｖ２Ｘデータ１２８Ａは自車両１１０によって生成されたセンサ及びＡＤＡＳデータ１２９をさらに含む。いくつかの実施形態では、Ｖ２Ｘデータ１２８Ａは自車両１１０の設計仕様の一部又は全部を記述する。自車両１１０の機械学習クライアント１９９Ａは、フィードバックメッセージを介して、自車両１１０に関連するＶ２Ｘデータ１２８Ａを他の終点（例えば、処理デバイス１４０又はリモート車両１１２）へ送信することができる。フィードバックメッセージは無線メッセージであってもよい。

【0036】

いくつかの実施形態では、Ｖ２Ｘデータ１２８Ａは自車両１１０が存在する領域内の１組のリモート車両１１２から受信したＶ２Ｘデータの集合セットを含んでいてもよい。例えば、特定のリモート車両１１２から受信したＶ２Ｘデータの各インスタンスはリモート車両のカスタム化ニーズ（例えば、運転意図、運転嗜好、又はそれらの組み合わせ）を記述するカスタム化データを含んでいてもよい。特定のリモート車両１１２から受信したＶ２Ｘデータのインスタンスは、リモート車両１１２によって生成されたセンサ及びＡＤＡＳデータ及びリモート車両１１２の設計仕様の一部又は全部を記述するデータをも含んでいてもよい。リモート車両１１２から受信したＶ２Ｘデータを収集することで、リモート車両１１２のカスタム化ニーズ、設計仕様とセンサ及びＡＤＡＳデータが機械学習システム１９１Ａの動作のために収集される。

【0037】

センサ及びＡＤＡＳデータ１２９はセンサデータ及びＡＤＡＳデータを含んでいてもよい。センサデータはセンサセット１５４のセンサによって記録された１つ又は複数のセンサ測定値を記述するディジタルデータを含む。センサデータは、自車両１１０の１つ又は複数のＡＤＡＳシステムがその機能を提供できるように当該１つ又は複数のＡＤＡＳシステムに入力してもよい。例えば、当該１つ又は複数のＡＤＡＳシステムは自車両１１０の環境を認識して当該環境への車両の応答を決定する。ＡＤＡＳデータは、ＡＤＡＳシステムの分析と車両の応答とを記述するディジタルデータを含む。

【0038】

いくつかの実施形態では、センサ及びＡＤＡＳデータ１２９は、自車両１１０の運転者の挙動と当該挙動のコンテキストとを記述するディジタルデータを含む。例えば、挙動のコンテキストは挙動の前、最中又はおそらくはその後に発生しているイベントを含んでいてもよい。これらのイベントは他の運転者の挙動、時刻、曜日、天気、運転状態が都会か田舎かなどを含む。センサ及びＡＤＡＳデータ１２９は、自車両１１０の一意的識別情報（例えば、車両識別番号（ＶＩＮ））をも含んでいてもよい。

【0039】

センサ及びＡＤＡＳデータ１２９は、リモート車両１１２の運転者の挙動と自車両１１０のセンサセット１５４によって記録されたこれらの挙動のコンテキストとをも含んでいてもよい。センサ及びＡＤＡＳデータ１２９は、リモート車両１１２の一意的識別情報をも含んでいてもよい。例えば、センサ及びＡＤＡＳデータ１２９は、自動車登録番号及び州、プロビンス、英連邦、又はナンバープレートを発行する別の管轄区域などの、リモート車両１１２のナンバープレート情報を含んでいてもよい。

【0040】

いくつかの実施形態では、機械学習クライアント１９９Ａは、自車両１１０のセンサセット１５４及びＡＤＡＳシステムにセンサ及びＡＤＡＳデータ１２９を記録させることができる。いくつかの実施形態では、センサ及びＡＤＡＳデータ１２９は、機械学習クライアントを含まない周辺車両の挙動を記述するディジタルデータを含んでいてもよい。センサ及びＡＤＡＳデータ１２９はＶ２Ｘデータに含まれ、フィードバックメッセージを介して機械学習システム１９１へ送信されてもよい。こうして、機械学習システム１９１は、これらの車両の車両挙動データを生成する際に車両の将来の挙動を予測してそれによってこれらの車両の挙動を説明して衝突を回避するために使用可能なディジタルデータを受信する。

【0041】

領域挙動データ１３０は、自車両１１０が位置する領域内に存在する車両の全体最適挙動を記述するディジタルデータを含んでいてもよい。例えば、領域挙動データ１３０は、これらの車両がその環境内で相互に、また他のオブジェクトと対話できる方法を記述する。

【0042】

意図データ１３１は、自車両１１０の運転意図を記述するディジタルデータを含んでいてもよい。いくつかの実施形態では、運転意図は運転者の計画した軌道（例えば、現在の位置、将来の位置、速度、加速度、ステアリング角など）を含む。

【0043】

嗜好データ１３２は、自車両１１０の運転嗜好を記述するディジタルデータを含んでいてもよい。運転嗜好は、例えば、燃費、できるだけ迅速に目的地に到達すること、又は快適な経験などを優先させる運転者の嗜好を含む。

【0044】

車両挙動データ１３３は、自車両１１０の個別最適挙動を記述するディジタルデータを含んでいてもよい。個別最適挙動について以下に詳述する。

【0045】

車両仕様データ１３４は、自車両１１０の１つ又は複数の設計仕様を記述するディジタルデータを含んでいてもよい。例えば、１つ又は複数の設計仕様は、自車両１１０の全長、全幅、タイヤ間距離、最大加速度、最大ステアリング角、総重量、及び操縦性などを記述するディジタルデータを含んでいてもよい。自車両１１０の可制御性は、自車両１１０が車両制御システム１５６によって制御可能であるか否かを示す。自車両１１０が制御可能な車両である場合、機械学習システム１９１によって生成された個別最適挙動が自車両１１０によって自動的に遂行できる。自車両１１０が制御不能な車両である場合、人間の運転車がユーザ対話インタフェース１６１を介して提供された命令に従って個別最適挙動を遂行することができる（図１Ｂを参照）。

【0046】

通信ユニット１４５Ａは、ネットワーク１０５又は別の通信チャネルとの間でデータを送受信する。いくつかの実施形態では、通信ユニット１４５Ａは、ＤＳＲＣ送受信機、ＤＳＲＣ受信機及び自車両１１０をＤＳＲＣ対応デバイスにするために必要なその他のハードウェア又はソフトウェアを含んでいてもよい。例えば、通信ユニット１４５Ａはネットワークを介してＤＳＲＣメッセージをブロードキャストするように構成されたＤＳＲＣアンテナを含む。ＤＳＲＣアンテナはまた、ユーザが構成可能な固定又は可変間隔で（例えば、０．１秒毎、１．６Ｈｚ～１０Ｈｚの周波数範囲に対応する時間間隔で、など）ＢＳＭメッセージを送信することができる。

【0047】

いくつかの実施形態では、通信ユニット１４５Ａは、ネットワーク１０５又は別の通信チャネルへの直接の物理的な接続のためのポートを含んでいてもよい。例えば、通信ユニット１４５Ａは、ネットワーク１０５への無線通信のためのＵＳＢ、ＳＤ、ＣＡＴ－５、又は同様のポートを含む。いくつかの実施形態では、通信ユニット１４５Ａは、ネットワーク１０５又はその他の通信チャネルとの間で１つ又は複数の無線通信方法を用いてデータを交換するための無線送受信機を含む。無線通信方法の例は、ＩＥＥＥ８０２．１１、及びＩＥＥＥ８０２．１６、ＢＬＵＥＴＯＯＴＨ（登録商標）の１つ以上を含んでいてもよい。無線通信方法の例は、ＥＮＩＳＯ１４９０６：２００４電子式料金徴収－アプリケーションインタフェースＥＮ１１２５３：２００４ＤＳＲＣ－５．８ＧＨｚのマイクロ波を用いる物理層（レビュー）をさらに含んでいてもよい。無線通信方法の例は、ＥＮ１２７９５：２００２ＤＳＲＣ－ＤＳＲＣデータリンク層：メディアアクセス及び論理リンク制御（レビュー）をさらに含んでいてもよい。無線通信方法の例は、ＥＮ１２８３４：２００２ＤＳＲＣ－アプリケーション層（レビュー）及びＥＮ１３３７２：２００４ＤＳＲＣ－ＲＴＴＴアプリケーションのためのＤＳＲＣプロファイル（レビュー）をさらに含んでいてもよい。無線通信方法の例は、２０１４年８月２８日に出願され、「Ｆｕｌｌ－ＤｕｐｌｅｘＣｏｏｒｄｉｎａｔｉｏｎＳｙｓｔｅｍ」と題する米国特許出願第１４／４７１，３８７号に記載の通信方法、又は別の好適な無線通信方法をさらに含んでいてもよい。

【0048】

いくつかの実施形態では、通信ユニット１４５Ａはセルラ通信ネットワーク上でデータを送受信するセルラ通信送受信機を含む。例えば、データは、ショートメッセージングサービス（ＳＭＳ）、マルチメディアメッセージングサービス（ＭＭＳ）、ハイパーテキスト転送プロトコル（ＨＴＴＰ）、直接データ接続、ＷＡＰ、Ｅメール、又は別の好適なタイプの電子通信を介して送信又は受信することができる。いくつかの実施形態では、通信ユニット１４５Ａは有線ポート及び無線送受信機を含む。通信ユニット１４５Ａはまた、ＴＣＰ／ＩＰ、ＨＴＴＰ、ＨＴＴＰＳ、及びＳＭＴＰ、ミリ波、ＤＳＲＣ、などを含む標準のネットワークプロトコルを用いて、ファイル又は媒体オブジェクトを配布するためにネットワーク１０５へのその他の従来の接続を提供する。

【0049】

通信ユニット１４５ＡはＶ２Ｘ無線機１４９を含んでいてもよい。Ｖ２Ｘ無線機１４９は、５．９ＧＨｚ帯域でＤＳＲＣメッセージを送信するように動作可能なＤＳＲＣ送信機を含むハードウェア要素を含んでいてもよい。５．９ＧＨｚ帯域はＤＳＲＣメッセージ専用である。ハードウェア要素は、５．９ＧＨｚ帯域でＤＳＲＣメッセージを受信するように動作可能なＤＳＲＣ受信機をも含んでいてもよい。

【0050】

いくつかの実施形態では、ＧＰＳユニット１５０は自車両１１０の従来のＧＰＳユニットである。例えば、ＧＰＳユニット１５０は、ＧＰＳ衛星と無線通信を行って自車両１１０の地理的な場所を記述するデータを取得するハードウェアを含んでいてもよい。いくつかの実施形態では、ＧＰＳユニット１５０は自車両１１０のＤＳＲＣ準拠ＧＰＳユニットである。ＤＳＲＣ準拠ＧＰＳユニットは、自車両１１０の地理的な位置を記述するＧＰＳデータを車線レベルの精度で提供するように動作可能である。

【0051】

ＥＣＵ１５２は１つ又は複数のプロセッサと１つ又は複数のメモリとを含んでいてもよい。ＥＣＵ１５２は、自車両１１０の車両制御システム１５６、センサセット１５４及び機械学習クライアント１９９Ａ（又は機械学習システム１９１Ａ）の動作を制御することができる。いくつかの実施形態では、自車両１１０の機械学習クライアント１９９Ａ（又は機械学習システム１９１Ａ）はＥＣＵ１５２内に搭載されている。

【0052】

センサセット１５４は、自車両１１０の外側の車道環境を測定するように動作可能な１つ又は複数のセンサを含む。例えば、センサセット１５４は、自車両１１０の近位側の車道環境の１つ又は複数の物理的特徴を記録する１つ又は複数のセンサを含んでいてもよい。メモリ１２７は、センサセット１５４によって記録された１つ又は複数の物理的特徴を記述するセンサデータを記憶することができる。

【0053】

センサセット１５４は、自車両１１０の車室内部の環境を記録する様々なセンサをも含んでいてもよい。例えば、センサセット１５４は、内部／外部を問わず、自車両１１０の環境を監視する車載センサを含む。別の例では、センサセット１５４はカメラ、ＬＩＤＡＲ、レーダー、赤外線センサ、及び内蔵カメラ、生体識別センサなどの、運転者の挙動を観察するセンサを含む。

【0054】

いくつかの実施形態では、センサセット１５４は、以下の車両センサ、すなわち、カメラ、ＬＩＤＡＲセンサ、レーダーセンサ、レーザー高度計、赤外線検出器、動き検出器、サーモスタット、及び音響検出器の１つ以上を含んでいてもよい。センサセット１５４は、以下のセンサ、すなわち、一酸化炭素センサ、二酸化炭素センサ、酸素センサ、大容量エアフローセンサ、及びエンジン冷却液温度センサの１つ以上をも含んでいてもよい。センサセット１５４は、以下のセンサ、すなわち、スロットル位置センサ、クランクシャフト位置センサ、自動車エンジンセンサ、バルブタイマ、空燃比率計、及びブラインドスポット計の１つ以上をも含んでいてもよい。センサセット１５４は、以下のセンサ、すなわち、カーブフィーラー、欠陥検出器、ホール効果センサ、マニホールド絶対圧センサ、駐車センサ、レーダーガン、速度計、及び速度センサの１つ以上をも含んでいてもよい。センサセット１５４は、以下のセンサ、すなわち、タイヤ空気圧監視センサ、トルクセンサ、トランスミッション液温度センサ、、及びタービン速度センサ（ＴＳＳ）、可変リラクタンスセンサ、及び車速センサ（ＶＳＳ）の１つ以上をも含んでいてもよい。センサセット１５４は、以下のセンサ、すなわち、水センサ、車輪速センサ、及び任意のその他のタイプの自動車センサの１つ以上をも含んでいてもよい。

【0055】

車両制御システム１５６は自車両１１０の動作を制御することができる。例えば、車両制御システム１５６は自律機能の全部又は一部を自車両１１０に提供できる。いくつかの実施形態では、車両制御システム１５６は１つ又は複数のＡＤＡＳシステム、自律運転システム又はそれらの組み合わせを含んでいてもよい。

【0056】

自車両１１０に含まれるＡＤＡＳシステムの例は、自動走行制御（ＡＣＣ）システム、適応ハイビームシステム、適応照明制御システム、及び自動駐車システムの１つ以上を含む。ＡＤＡＳシステムの別の例は、自動車暗視システム、ブラインドスポットモニタ、衝突回避システム、横風安定処理システム、運転者眠気検出システム、及び運転者監視システムを含む。ＡＤＡＳシステムの別の例は、緊急運転者支援システム、前方衝突警告システム、交差点支援システム、インテリジェントスピード適応システム、車線逸脱警報システム（車線維持アシスタントとも呼ばれる）を含む。ＡＤＡＳシステムの別の例は、歩行者保護システム、交通標識認識システム、旋回アシスタント、及び逆走警告システムなどを含む。これらの例示的なＡＤＡＳシステムによって提供される特徴及び機能は、本明細書では、それぞれ「自律的特徴」又は「自律的機能」とも呼ぶ。実際、車載システムは、それが運転データ及び経路データを監視し追跡するための機能を有するいずれかの車両の特徴を含み、これはＡＤＡＳシステムに限ったことではない。

【0057】

自車両１１０の車道に存在するリモート車両１１２は自車両１１０と同様の構造を有していてもよい。ここでは同様の説明は繰り返さない。動作環境１００は複数のリモート車両１１２（例えば、第１のリモート車両１１２Ａ、．．．、Ｎ番目のリモート車両１１２Ｎ）を含んでいてもよい。いくつかの実施形態では、第１のリモート車両１１２Ａは、機械学習クライアント（例えば、機械学習クライアント１９９Ｂ）及び通信ユニット１４５Ｂのインスタンスを含んでいてもよい。リモート車両１１２Ａは、そのローカル記憶デバイス内にＶ２Ｘデータ１２８Ｂを記憶していてもよい。リモート車両１１２Ｎはリモート車両１１２Ａと同様の構造を有していてもよく、したがって、ここでは同様の説明は繰り返さない。

【0058】

Ｖ２Ｘデータ１２８Ａ及びＶ２Ｘデータ１２８Ｂは同様の内容を有し、本明細書で個別的又は集合的に「Ｖ２Ｘデータ１２８」と呼ぶことができる。ここではＶ２Ｘデータ１２８Ｂについて同様の説明は繰り返さない。

【0059】

機械学習クライアント１９９Ａ及び１９９Ｂは同様の構造を有し、同様の絹を提供していてもよく、本明細書で個別的又は集合的に「機械学習クライアント１９９」と呼ぶことができる。

【0060】

いくつかの実施形態では、機械学習クライアント１９９は、プロセッサ１２５によって実行されると、プロセッサ１２５に、図３を参照しながら以下に説明する方法３００の１つ又は複数のステップを実行させるように動作可能なソフトウェアを含む。いくつかの実施形態では、機械学習クライアント１９９は、フィールドプログラマブルゲートアレイ（「ＦＰＧＡ」又は特定用途向け集積回路（「ＡＳＩＣ」）を含むハードウェアを用いて実装できる。いくつかのその他の実施形態では、機械学習クライアント１９９はハードウェア及びソフトウェアの組み合わせを用いて実装できる。機械学習クライアント１９９は、デバイス（例えば、サーバ若しくはその他のデバイス）の組み合わせ、又はデバイスの１つに記憶することができる。

【0061】

機械学習クライアント１９９を、図１Ｂ、２～３及び５Ａ～７Ｄを参照しながら以下に詳述する。

【0062】

処理デバイス１４０は、クラウドサーバ、エッジサーバ、路側器、又は任意のその他の処理デバイスの１つであってもよい。処理デバイス１４０は、機械学習システム（例えば、機械学習システム１９１Ｂ）、プロセッサ１２５Ｂ、メモリ１２７Ｂ、通信ユニット１４５Ｃ及び任意のその他の適当なコンポーネントを含む。

【0063】

プロセッサ１２５Ａ及び１２５Ｂは同様の構造を有し同様の機能を提供していてもよく、本明細書で個別的又は集合的に「プロセッサ１２５」と呼ぶことができる。メモリ１２７Ａ及び１２７Ｂは同様の構造を有し同様の機能を提供していてもよく、本明細書で個別的又は集合的に「メモリ１２７」と呼ぶことができる。通信ユニット１４５Ａ、１４５Ｂ及び１４５Ｃは同様の構造を有し同様の機能を提供していてもよく、本明細書で個別的又は集合的に「通信ユニット１４５」と呼ぶことができる。プロセッサ１２５Ｂ、メモリ１２７Ｂ、並びに通信ユニット１４５Ｂ及び１４５Ｃについては、ここでは同様の説明は繰り返さない。

【0064】

機械学習システム１９１Ａ及び１９１Ｂは同様の構造を有し同様の機能を提供していてもよく、本明細書で個別的又は集合的に「機械学習システム１９１」と呼ぶことができる。

【0065】

いくつかの実施形態では、機械学習システム１９１は、プロセッサ１２５によって実行されると、プロセッサ１２５に、図４を参照しながら以下に説明する方法４００の１つ又は複数のステップを実行させるように動作可能なソフトウェアを含む。いくつかの実施形態では、機械学習システム１９１は、ＦＰＧＡ又はＡＳＩＣを含むハードウェアを用いて実装できる。いくつかのその他の実施形態では、機械学習システム１９１はハードウェア及びソフトウェアの組み合わせを用いて実装できる。機械学習システム１９１は、デバイス（例えば、サーバ若しくはその他のデバイス）の組み合わせ、又はデバイスの１つに記憶することができる。

【0066】

いくつかの実施形態では、機械学習システム１９１は、プレディクタモジュール１９５及びネゴシエータモジュール１９７の１つ以上を含んでいてもよい。機械学習システム１９１とプレディクタモジュール１９５及びネゴシエータモジュール１９７とを図１Ｂ～１Ｄ及び４～７Ｄを参照しながら以下に詳述する。

【0067】

図１Ｂを参照すると、いくつかの実施形態による機械学習システム１９１と様々なコネクテッド車両１１４に搭載された機械学習クライアント１９９の様々なインスタンスとを含むアーキテクチャ１６０が示されている。例えば、図１Ｂには２つのコネクテッド車両１１４Ａ及び１１４Ｂが示されている。コネクテッド車両１１４Ａは車両制御システム１５６を含み、自律車両又は半自律車両であってもよい。例えば、コネクテッド車両１１４Ａは１つ又は複数のＡＤＡＳシステムによって制御しシステム運転者によって駆動できる。コネクテッド車両１１４Ｂは車両制御システム１５６を含んでいてもよく又は含んでいなくてもよい。コネクテッド車両１１４Ｂは人間運転者によって駆動できる。

【0068】

各々のコネクテッド車両１１４は機械学習クライアント１９９のインスタンスを含む。各々のコネクテッド車両１１４は、図１Ａに示す自車両１１０又はリモート車両１１２であってもよい。各々のコネクテッド車両１１４について、機械学習クライアント１９９はそのセンサセット１５４及びＡＤＡＳシステムにセンサデータ及びＡＤＡＳデータを収集させる。

【0069】

いくつかの実施形態では、プレディクタモジュール１９５はコネクテッド車両１１４の機械学習クライアント１９９内に搭載されている。この場合、機械学習クライアント１９９はコネクテッド車両１１４の過去の挙動を記述するデータ構造を記憶している。プレディクタモジュール１９５は、コネクテッド車両１１４の現在のセンサデータ及び現在のＡＤＡＳデータを分析してコネクテッド車両１１４の過去の挙動との比較によってコネクテッド車両１１４の将来の挙動を推定する。機械学習クライアント１９９は、プレディクタモジュール１９５の能力を絶えず改良してコネクテッド車両１１４の挙動を予測する学習アルゴリズムを含んでいてもよい。

【0070】

いくつかの実施形態では、プレディクタモジュール１９５は機械学習システム１９１内に搭載されている。コネクテッド車両１１４の将来の挙動を予測する動作は、コネクテッド車両１１４からＶ２Ｘデータを受信しこのＶ２Ｘデータを分析した後で機械学習システム１９１によって実行される（以下に詳述する）。

【0071】

言い換えれば、コネクテッド車両１１４の将来の挙動の予測は機械学習クライアント１９９又は機械学習システム１９１によって実行されるが、その両方によってではない。ただし、いくつかの実施形態では、コネクテッド車両１１４の将来の挙動はシステム運転者（例えば、ＡＤＡＳシステム又は自律運転システムなど）又はコネクテッド車両１１４の人間運転者によって提供できる。コネクテッド車両１１４の将来の挙動は、コネクテッド車両１１４の計画軌道（例えば、現在の位置、将来の位置、速度、加速度設定及びステアリング角設定など）を含んでいてもよい。コネクテッド車両１１４の将来の挙動は、コネクテッド車両１１４の運転意図の一部として含むことができる。

【0072】

機械学習クライアント１９９はセンサ及びＡＤＡＳデータに基づいてＶ２Ｘデータ１２８を生成し、任意選択として、ユーザ入力などのその他のデータを生成する。Ｖ２Ｘデータ１２８はセンサ及びＡＤＡＳデータを記述し、任意選択として、コネクテッド車両１１４の将来の挙動を記述する。例えば、Ｖ２Ｘデータ１２８は、コネクテッド車両１１４のカスタム化ニーズを記述するカスタム化データ（例えば、運転嗜好及び当該運転嗜好の重み、運転意図、当該運転意図の重み）を含む。別の例では、Ｖ２Ｘデータ１２８はコネクテッド車両１１４を取り囲む車道環境を記述するデータとコネクテッド車両１１４の車両状態を記述するデータとをさらに含む。さらに別の例では、Ｖ２Ｘデータ１２８はコネクテッド車両１１４の設計仕様を記述するデータをさらに含む。

【0073】

機械学習クライアント１９９は、通信ユニット１４５にＶ２Ｘネットワークを介してフィードバックメッセージを送信させ、フィードバックメッセージはそのペイロードとしてＶ２Ｘデータ１２８を含む。次いで、機械学習システム１９１はコネクテッド車両１１４から当該フィードバックメッセージを受信する。こうして、機械学習システム１９１はコネクテッド車両１１４の各々に１つずつ、複数のフィードバックメッセージを受信する。機械学習システム１９１はフィードバックメッセージの各々からＶ２Ｘデータをパースする。

【0074】

いくつかの実施形態では、機械学習システム１９１はコネクテッド車両１１４の過去の挙動を記述するデータ構造を記憶している。例えば、このデータ構造は、具体的なコネクテッド車両の挙動ではなく、コネクテッド車両一般の挙動を記述する。機械学習システム１９１のプレディクタモジュール１９５は、特定のコネクテッド車両１１４の現在のセンサ及びＡＤＡＳデータを分析して他のコネクテッド車両１１４の過去の挙動との比較によってコネクテッド車両１１４の将来の挙動を推定する。プレディクタモジュール１９５は、プレディクタモジュール１９５の能力を絶えず改良してこれらのコネクテッド車両１１４から受信したＶ２Ｘデータに基づいてコネクテッド車両の挙動を予測する学習アルゴリズムを含んでいてもよい。

【0075】

機械学習システム１９１のネゴシエータモジュール１９７は、当該コネクテッド車両１１４から受信したＶ２Ｘデータ１２８に基づいて各々のコネクテッド車両１１４のカスタム化ニーズを決定する。例えば、ネゴシエータモジュール１９７は、各々のコネクテッド車両１１４について、運転嗜好、当該運転嗜好の重み、運転意図、当該運転意図の重みなどの１つ以上を決定する。

【0076】

ネゴシエータモジュール１９７は、領域内に位置するコネクテッド車両１１４のグループについて、運転嗜好及び運転意図の相対的重みを決定する。

【0077】

ネゴシエータモジュール１９７は、領域内に位置するコネクテッド車両１１４の最適全体挙動を記述する領域挙動データを決定する。例えば、ネゴシエータモジュール１９７は、１つ又は複数の決定要因に基づいて領域挙動データを決定する。決定要因の例は、コネクテッド車両１１４のＶ２Ｘデータ（運転意図及び運転嗜好を含む）と、領域内の交通又は安全基準とを含む。決定要因の別の例は、領域内の現実世界のインシデントを記述する過去の衝突事故のデータ、及び車両製造業者、車道の関係当局、又は設計エンジニアの嗜好を含む。決定要因の別の例は、領域内の交通規則要求事項（例えば、速度制限、交通信号、移動方向など）、及び領域内の安全要求事項（例えば、２階の隣接する車両間の最小距離及び相対速度）を含む。決定要因の別の例は、上記のその他の決定要因に少なくとも部分的に基づいて生成されたディジタルシミュレーションを含む。

【0078】

ネゴシエータモジュール１９７は、Ｖ２Ｘデータを提供する各々のコネクテッド車両１１４について、この車両の個別最適挙動を記述する車両挙動データ１３３を生成する。この個別最適挙動は機械学習システム１９１によって最適化され、そうすることが領域の最適全体挙動に合致する限り、この車両がカスタム化ニーズ（例えば、その運転嗜好又は意図）を満足する能力を最大限にする。例えば、各々のコネクテッド車両１１４の個別最適挙動は領域の最適全体挙動の一達成形態に貢献する。また、各々のコネクテッド車両の個別最適挙動は他の車両がそのカスタム化ニーズを満足する能力に干渉しない。

【0079】

いくつかの実施形態では、各々のコネクテッド車両１１４の個別最適挙動は、車両のカスタム化ニーズの充足を最大限にしながら領域内の交通規則要求事項及び安全要求事項の１つ以上を満足する安全な挙動である。いくつかの実施形態では、個別最適挙動は、コネクテッド車両１１４について最適化されたコネクテッド車両１１４の強制軌道、加速設定、ステアリング角設定及び速度設定の１つ以上を含む。

【0080】

ネゴシエータモジュール１９７はコネクテッド車両１１４へ送信される修正メッセージを生成する。修正メッセージは無線メッセージでそれぞれ上記コネクテッド車両１１４の車両挙動データ１３３を含んでいてもよい。車両挙動データ１３３の異なるインスタンスは互いに異なる傾向があるが、これは異なる車両は異なるカスタム化ニーズ（例えば、異なる運転嗜好及び意図）を有する可能性があるからである。ネゴシエータモジュール１９７はコネクテッド車両１１４へそれぞれ修正メッセージを送信する。

【0081】

次いで、各々のコネクテッド車両１１４の機械学習クライアント１９９はその特定の修正メッセージを受信し、受信した修正メッセージ内に含まれる対応する車両挙動データ１３３をパースする。

【0082】

システム運転者を有し車両制御システム１５６によって制御可能なコネクテッド車両１１４（例えば、車両１１４Ａ）について、機械学習クライアント１９９はその車両挙動データ１３３に基づいて車両制御システム１５６の１つ又は複数の動作を修正する。例えば、機械学習クライアント１９９はその車両挙動データ１３３に基づいて車両のＡＤＡＳシステムの設定を修正する。次いで、コネクテッド車両１１４Ａは、その車両挙動データ１３３が記述する個別最適挙動に準拠して動作するように制御される。

【0083】

人間運転者を有し車両制御システム１５６によって制御されないコネクテッド車両１１４（例えば、車両１１４Ｂ）について、機械学習クライアント１９９はユーザ対話インタフェース１６１を介して運転者へ通知を提供する。通知は、車両挙動データ１３３が記述する個別最適挙動に準拠するように車両を操作させる命令を含んでいてもよい。ユーザ対話インタフェース１６１は、ディスプレイ（例えば、タッチスクリーン）、音響再生デバイス（例えば、スピーカー）、カメラ及び運転者と対話するために使用できる任意のその他のインタフェースを含んでいてもよい。

【0084】

図１Ｃは、いくつかの実施形態による機械学習システム１９１及び１つ又は複数のコネクテッド車両１１４のコンポーネントを含むアーキテクチャ１７０を示すブロック図である。ここで、この例では、機械学習システム１９１はプレディクタモジュール１９５及びネゴシエータモジュール１９７を含む。

【0085】

プレディクタモジュール１９５は、プロセッサによって実行されると、当該プロセッサに、コネクテッド車両１１４から受信したＶ２Ｘデータ１２８を分析させ、コネクテッド車両１１４の将来の挙動を予測させるコード及びルーチンを含む。プレディクタモジュール１９５は、その予測が時間と共に自動的に改善できるように機械学習アルゴリズムを含んでいてもよい。

【0086】

いくつかの実施形態では、特定のコネクテッド車両１１４から受信したＶ２Ｘデータ１２８がそのカスタム化ニーズを記述するデータを含まない場合、プレディクタモジュール１９５は車両のカスタム化ニーズを推定することができる。さらに、特定のコネクテッド車両１１４から受信したＶ２Ｘデータ１２８がその将来の挙動を記述するデータを含まない場合、プレディクタモジュール１９５は車両の将来の挙動を記述する予測データ１７１を生成できる。例えば、プレディクタモジュール１９５は、運転嗜好及び当該運転嗜好の重み、運転意図及び当該運転意図の重み、及び車両の将来の挙動の１つ以上を車両のＶ２Ｘデータ１２８に基づいて推定することができる。

【0087】

ネゴシエータモジュール１９７は、プロセッサによって実行されると、当該プロセッサに、コネクテッド車両１１４から受信したＶ２Ｘデータ１２８を分析させ、コネクテッド車両１１４の車両挙動データを決定させるコード及びルーチンを含む。いくつかの実施形態では、ネゴシエータモジュール１９７は、プレディクタモジュール１９５が出力した予測された将来の挙動に基づいてその機能を提供する。

【0088】

いくつかの実施形態では、ネゴシエータモジュール１９７は機械学習アルゴリズムを含まないが、これは機械学習アルゴリズムから生成される挙動は実験的なものであり、安全用途には適さないからである。したがって、領域の全体最適挙動及びコネクテッド車両１１４の個別最適挙動の生成は機械学習アルゴリズム実行の副産物ではない。逆に、ネゴシエータモジュール１９７は最適化メカニズムを用いて安全が保障される挙動を生成することができる。最適化メカニズムの適用例を図７Ａ～７Ｄを参照しながら示す。

【0089】

プレディクタモジュール１９５及びネゴシエータモジュール１９７については図１Ｂを参照して上記したので、ここでは同様の説明は繰り返さない。

【0090】

図１Ｄは、いくつかの実施形態による機械学習システム１９１及び１つ又は複数のコネクテッド車両１１４のコンポーネントを含む別のアーキテクチャ１７５を示すブロック図である。ここで、機械学習システム１９１はオフラインティーチャ―１９４及びセーフティチェッカー１９３をさらに含む。

【0091】

いくつかの実施形態では、最適化メカニズムが最適化されたソリューションを生成するには長い時間がかかることがある。そこで、ネゴシエータモジュール１９７のオフラインティーチャ―として最適化メカニズムを適用するオフラインティーチャ―１９４をオフラインで追加することができる。この場合、ネゴシエータモジュール１９７は機械学習アルゴリズムで実装できる。生成された車両挙動の安全性を保証するために、セーフティチェッカー１９３が追加され、ネゴシエータモジュール１９７が生成した領域の全体最適挙動又はいずれかの個別最適挙動が安全であるか否かがチェックされる。例えば、セーフティチェッカー１９３は特定のコネクテッド車両１１４の個別最適挙動が領域内の安全要求事項を満足するか否かを決定する。個別最適挙動が安全要求事項を満足する場合、セーフティチェッカー１９３は個別最適挙動を記述する車両挙動データ１３３を特定のコネクテッド車両１１４へ送信する。そうでない場合、セーフティチェッカー１９３は車両挙動データ１３３を送信せず、ネゴシエータモジュール１９７にこの特定のコネクテッド車両１１４の個別最適挙動を再度生成するように命令する。

【0092】

プレディクタモジュール１９５及びネゴシエータモジュール１９７については図１Ｂ～１Ｃを参照して上記したので、ここでは同様の説明は繰り返さない。

【0093】

上記の図１Ａ～１Ｄと下記の図２～７Ｄとを組み合わせて参照すると、機械学習システム１９１及び機械学習クライアント１９９は基本的な運転要求事項の違反の全体のリスクを最小限にすることができる。機械学習システム１９１及び機械学習クライアント１９９は異なる車両のカスタム化ニーズの充足を最大限にする（例えば、車両の全体最意図を最大限にする）ことができる。さらに、機械学習システム１９１及び機械学習クライアント１９９は、車両の優先度を、その運転意図（又は運転嗜好）と当該運転意図（又は運転嗜好）の重みとに基づいてカスタム化することができる。

【0094】

例示的なコンピュータシステム
図２を参照すると、いくつかの実施形態による機械学習クライアント１９９を含む例示的なコンピュータシステム２００を示すブロック図が示されている。いくつかの実施形態では、コンピュータシステム２００は、図３を参照しながら以下に説明する方法３００の１つ又は複数のステップを実行するようにプログラミングされた専用コンピュータシステムを含んでいてもよい。

【0095】

いくつかの実施形態では、コンピュータシステム２００はコネクテッド車両１１４（例えば、自車両１１０又はリモート車両１１２）の要素であってもよい。いくつかの実施形態では、コンピュータシステム２００はコネクテッド車両１１４の車載コンピュータであってもよい。いくつかの実施形態では、コンピュータシステム２００は、コネクテッド車両１１４のエンジン制御ユニット、ヘッドユニット又はいくつかのその他のプロセッサベースのコンピューティングデバイスを含んでいてもよい。

【0096】

コンピュータシステム２００は、いくつかの実施例による以下の要素、すなわち、機械学習クライアント１９９、プロセッサ１２５、及び通信ユニット１４５の１つ以上を含んでいてもよい。コンピュータシステム２００は、以下の要素、すなわち、センサセット１５４、ＧＰＳユニット１５０、メモリ１２７、車両制御システム１５６、及び記憶装置２４１の１つ以上をさらに含んでいてもよい。コンピュータシステム２００のコンポーネントはバス２２０に通信可能に接続されている。

【0097】

好ましい実施形態では、プロセッサ１２５は信号線２３７を介してバス２２０に通信可能に接続されている。車両制御システム１５６は信号線２３８を介してバス２２０に通信可能に接続されている。通信ユニット１４５は信号線２４６を介してバス２２０に通信可能に接続されている。センサセット１５４は信号線２３２を介してバス２２０に通信可能に接続されている。ＧＰＳユニット１５０は信号線２３０を介してバス２２０に通信可能に接続されている。記憶装置２４１は信号線２４２を介してバス２２０に通信可能に接続されている。メモリ１２７は信号線２４４を介してバス２２０に通信可能に接続されている。

【0098】

以下の要素、すなわち、プロセッサ１２５、通信ユニット１４５、センサセット１５４、ＧＰＳユニット１５０、車両制御システム１５６、及びメモリ１２７について図１Ａを参照して上記した。ここでは上記の説明は繰り返さない。

【0099】

記憶装置２４１は、本明細書に記載の機能を提供するためのデータを記憶する非一時的記憶媒体であってもよい。記憶装置２４１は、ＤＲＡＭデバイス、ＳＲＡＭデバイス、フラッシュメモリ、又はいくつかのその他のデバイスであってもよい。いくつかの実施形態では、記憶装置２４１は、情報をより永続的な形で記憶するための不揮発性メモリ又は同様の永続記憶デバイス又は媒体（例えば、ハードディスクドライブ、フロッピー（登録商標）ディスクドライブ、フラッシュメモリデバイスなど）をさらに含む。

【0100】

図２に示す好ましい実施形態では、機械学習クライアント１９９は、通信モジュール２０２、カスタム処理モジュール２０４、Ｖ２Ｘデータモジュール２０６、及び遂行モジュール２０８を含む。いくつかの実施形態では、機械学習クライアント１９９はプレディクタモジュール１９５をさらに含む。機械学習クライアント１９９のこれらのコンポーネントは、バス２２０を介して相互に通信可能に接続されている。いくつかの実施形態では、機械学習クライアント１９９のコンポーネントは単一のサーバ又はデバイス内に記憶することができる。いくつかのその他の実施形態では、機械学習クライアント１９９のコンポーネントは分散して複数のサーバ又はデバイスに記憶することができる。

【0101】

通信モジュール２０２は、機械学習クライアント１９９とコンピュータシステム２００のその他のコンポーネントとの間の通信を処理するルーチンを含むソフトウェアであってもよい。いくつかの実施形態では、通信モジュール２０２はコンピュータシステム２００のメモリ１２７内に記憶でき、プロセッサ１２５によってアクセスし実行することができる。通信モジュール２０２は、プロセッサ１２５とコンピュータシステム２００の他のコンポーネントとの間の信号線２２２を介した協働及び通信を行うように構成させることができる。

【0102】

通信モジュール２０２は、動作環境１００の１つ又は複数の要素との間で通信ユニット１４５を介してデータを送受信する。例えば、通信モジュール２０２は、他の車両のＶ２Ｘデータ又はコネクテッド車両１１４のＶ２Ｘデータを通信ユニット１４５を介して受信又は送信する。通信モジュール２０２は、図１Ａ～１Ｄを参照して上記したデータ又はメッセージのいずれかを通信ユニット１４５を介して送信又は受信することができる。

【0103】

いくつかの実施形態では、通信モジュール２０２は、機械学習クライアント１９９のその他のコンポーネントからデータを受信し、当該データを記憶装置２４１及びメモリ１２７の１つ以上に記憶する。機械学習クライアント１９９のその他のコンポーネントは、通信モジュール２０２に、コンピュータシステム２００のその他のコンポーネント又は動作環境１００と（通信ユニット１４５を介して）通信させることができる。例えば、Ｖ２Ｘデータモジュール２０６は通信モジュール２０２を用いてセンサセット１５４と通信し、センサセット１５４にセンサデータを記録させることができる。

【0104】

カスタム処理モジュール２０４は、コネクテッド車両１１４のカスタム化データを生成するルーチンを含むソフトウェアであってもよい。いくつかの実施形態では、カスタム処理モジュール２０４はコンピュータシステム２００のメモリ１２７内に記憶でき、プロセッサ１２５によってアクセスし実行することができる。カスタム処理モジュール２０４は、プロセッサ１２５とコンピュータシステム２００の他のコンポーネントとの間の信号線２２４を介した協働及び通信を行うように構成させることができる。

【0105】

いくつかの実施形態では、カスタム処理モジュール２０４は、コネクテッド車両１１４のカスタム化ニーズを記述するカスタム化データを生成するように動作可能である。例えば、カスタム処理モジュール２０４は、１つ又は複数のユーザ入力又はコネクテッド車両１１４の過去の移動データに基づいてコネクテッド車両１１４のカスタム化ニーズを決定することができる。コネクテッド車両１１４のカスタム化ニーズは１つ又は複数のカスタム化パラメータと当該カスタム化パラメータの１つ又は複数の重みによって記述することができる。例えば、当該１つ又は複数のカスタム化パラメータは、コネクテッド車両１１４の運転意図及び運転嗜好の１つ以上を含む。カスタム化ニーズは、（１）運転意図及び当該運転意図の重みと、（２）運転嗜好と当該運転嗜好の重みとの１つ以上によって記述することができる。

【0106】

いくつかの実施形態では、カスタム処理モジュール２０４は生成されたカスタム化データをＶ２Ｘデータモジュール２０６へ送信する。

【0107】

Ｖ２Ｘデータモジュール２０６は、コネクテッド車両１１４のＶ２Ｘデータを生成するルーチンを含むソフトウェアであってもよい。いくつかの実施形態では、Ｖ２Ｘデータモジュール２０６はコンピュータシステム２００のメモリ１２７内に記憶でき、プロセッサ１２５によってアクセスし実行することができる。Ｖ２Ｘデータモジュール２０６は、プロセッサ１２５とコンピュータシステム２００の他のコンポーネントとの間の信号線２２６を介した協働及び通信を行うように構成させることができる。

【0108】

いくつかの実施形態では、Ｖ２Ｘデータモジュール２０６は、コネクテッド車両１１４のセンサセット１５４及びＡＤＡＳシステムにセンサ及びＡＤＡＳデータを収集させる。任意選択として、プレディクタモジュール１９５はコネクテッド車両１１４の機械学習クライアント１９９内に記憶されている。Ｖ２Ｘデータモジュール２０６はプレディクタモジュール１９５にコネクテッド車両１１４のセンサ及びＡＤＡＳデータを分析させコネクテッド車両１１４の過去の挙動との比較によってコネクテッド車両１１４の将来の挙動を推定させる。プレディクタモジュール１９５はコネクテッド車両１１４の将来の挙動を記述するデータをＶ２Ｘデータモジュール２０６へ送信する。

【0109】

Ｖ２Ｘデータモジュール２０６はコネクテッド車両１１４のＶ２Ｘデータを生成するように動作可能である。いくつかの実施形態では、Ｖ２Ｘデータはコネクテッド車両１１４のカスタム化ニーズを記述するカスタム化データを含む。例えば、Ｖ２Ｘデータは１つ又は複数のカスタム化パラメータを記述するパラメータデータ（例えば、運転意図又は運転嗜好など）及び当該１つ又は複数のカスタム化パラメータの１つ又は複数の重みを記述する重みデータの１つ以上を含む。

【0110】

いくつかの実施形態では、Ｖ２Ｘデータは、センサ及びＡＤＡＳデータをさらに含む。例えば、Ｖ２Ｘデータはコネクテッド車両１１４を取り囲む車道環境を記述するデータとコネクテッド車両１１４の車両状態を記述するデータとをさらに含む。いくつかの実施形態では、Ｖ２Ｘデータは、コネクテッド車両１１４の設計仕様を記述するデータと、コネクテッド車両１１４の将来の挙動との１つ以上をさらに含む。

【0111】

Ｖ２Ｘデータモジュール２０６は、通信ユニット１４５にＶ２Ｘネットワークを介してフィードバックメッセージを送信させ、当該フィードバックメッセージはそのペイロードとしてコネクテッド車両１１４のＶ２Ｘデータを含む。

【0112】

プレディクタモジュール１９５は、コネクテッド車両１１４の将来の挙動を予測するルーチンを含むソフトウェアであってもよい。いくつかの実施形態では、プレディクタモジュール１９５はコンピュータシステム２００のメモリ１２７内に記憶でき、プロセッサ１２５によってアクセスし実行することができる。プレディクタモジュール１９５は、プロセッサ１２５とコンピュータシステム２００の他のコンポーネントとの間の信号線２２８を介した協働及び通信を行うように構成させることができる。

【0113】

プレディクタモジュール１９５については図１Ｂを参照して上記した。ここでは同様の説明は繰り返さない。

【0114】

遂行モジュール２０８は、コネクテッド車両１１４の個別最適挙動を遂行するルーチンを含むソフトウェアであってもよい。いくつかの実施形態では、遂行モジュール２０８はコンピュータシステム２００のメモリ１２７内に記憶でき、プロセッサ１２５によってアクセスし実行することができる。遂行モジュール２０８は、プロセッサ１２５とコンピュータシステム２００の他のコンポーネントとの間の信号線２２３を介した協働及び通信を行うように構成させることができる。

【0115】

いくつかの実施形態では、遂行モジュール２０８は機械学習システム１９１から修正メッセージを受信し、当該修正メッセージからコネクテッド車両１１４の車両挙動データをパースする。車両挙動データはコネクテッド車両１１４の個別最適挙動を記述する。遂行モジュール２０８は、コネクテッド車両１１４が個別最適挙動を遂行するように当該車両挙動データに基づいてコネクテッド車両１１４の車両制御システム１５６の動作を修正する。例えば、遂行モジュール２０８は、コネクテッド車両１１４が個別最適挙動に準拠して動作することを制御されるように車両挙動データに基づいて車両制御システム１５６の動作を修正する。

【0116】

いくつかの実施形態では、コネクテッド車両１１４による個別最適挙動の遂行が、コネクテッド車両１１４が位置する領域の全体最適挙動の達成に貢献する。一方で、個別最適挙動の遂行はコネクテッド車両のカスタム化ニーズを満足させる。

【0117】

いくつかの実施形態では、コネクテッド車両１１４による個別最適挙動の遂行は、コネクテッド車両１１４と領域内の１つ又は複数のその他の車両との間に衝突が発生しないことを示す。また、コネクテッド車両１１４による個別最適挙動の遂行は、コネクテッド車両１１４のカスタム化ニーズが１つ又は複数の他の車両の１つ又は複数のカスタム化ニーズに干渉することなく満足されるということを示す。

【0118】

いくつかの実施形態では、コネクテッド車両１１４及び１つ又は複数の他の車両は領域内の車両グループに含まれる。領域の全体最適挙動の達成形態は、（１）当該車両グループ内で衝突が発生しないことと、（２）当該グループ内の各車両のカスタム化ニーズが当該グループ内のいかなる他の車両のカスタム化ニーズも修正することなく満足されることとの１つ以上を示す。

【0119】

いくつかの実施形態では、個別最適挙動は、コネクテッド車両１１４のために最適化されたコネクテッド車両１１４の強制軌道、加速設定、ステアリング角設定及び速度設定の１つ以上を含む。いくつかの実施形態では、個別最適挙動は領域内の交通規則要求事項及び安全要求事項の１つ以上を満足する。

【0120】

例示的なプロセス
図３を参照すると、いくつかの実施形態によるコネクテッド車両１１４での個別最適挙動を遂行する例示的な方法３００のフローチャートが示されている。方法３００の各ステップは任意の順序で実行可能であり、必ずしも図３に示す順序でなくてもよい。コネクテッド車両１１４は自車両１１０又はリモート車両１１２であってもよい。方法３００はコネクテッド車両１１４の機械学習クライアント１９９によって実行できる。

【0121】

ステップ３０１で、Ｖ２Ｘデータモジュール２０６はコネクテッド車両１１４のカスタム化ニーズを記述するカスタム化データを含むＶ２Ｘデータを生成する。

【0122】

ステップ３０３で、Ｖ２Ｘデータモジュール２０６は、Ｖ２Ｘデータを含むフィードバックメッセージをＶ２Ｘ通信を介して送信する。

【0123】

ステップ３０５で、遂行モジュール２０８は、コネクテッド車両１１４の個別最適挙動を記述する車両挙動データを含む修正メッセージをＶ２Ｘ通信を介して受信する。例えば、個別最適挙動は、機械学習システム１９１によって、コネクテッド車両１１４のＶ２Ｘデータに少なくとも部分的に基づいて決定される。

【0124】

ステップ３０７で、遂行モジュール２０８はコネクテッド車両１１４が制御可能な車両であるか否かを決定する。コネクテッド車両１１４が制御可能な車両である場合、方法３００はステップ３０９へ進む。そうでない場合、方法３００はステップ３１１へ進む。

【0125】

例えば、遂行モジュール２０８はコネクテッド車両１１４が車両制御システム１５６によって制御されているか否かを決定する。コネクテッド車両１１４が車両制御システム１５６によって制御されている場合、方法３００はステップ３０９へ進む。コネクテッド車両１１４が人間運転者によって制御されている場合、方法３００はステップ３１１へ進む。

【0126】

ステップ３０９で、遂行モジュール２０８は、コネクテッド車両１１４が個別最適挙動を遂行するように車両挙動データに基づいてコネクテッド車両１１４の車両制御システム１５６の動作を修正する。ここで、コネクテッド車両１１４による個別最適挙動の遂行が、コネクテッド車両１１４が位置する領域の全体最適挙動の達成に貢献する。一方で、コネクテッド車両１１４のカスタム化ニーズも個別最適挙動の遂行によって満足される。

【0127】

ステップ３１１で、遂行モジュール２０８は個別最適挙動の通知をユーザ対話インタフェース１６１を介してコネクテッド車両１１４の運転者へ提供する。こうして、人間運転者は、コネクテッド車両１１４の個別最適挙動も遂行されるように通知によって提供される命令に従うことができる。

【0128】

図４は、いくつかの実施形態による、領域内の全体最適挙動と当該領域内の車両の個別最適挙動とを提供する方法４００を示す図である。方法４００の各ステップは任意の順序で実行可能であり、必ずしも図４に示す順序でなくてもよい。方法４００は、クラウドサーバ、エッジサーバ、路側機、自車両１１０又は車道の任意のその他の終点にインストール可能な機械学習システム１９１によって実行できる。

【0129】

ステップ４０１で、機械学習システム１９１のネゴシエータモジュール１９７は領域内の車両からＶ２Ｘデータを受信し、Ｖ２Ｘデータから各車両のカスタム化データをパースする。

【0130】

ステップ４０３で、ネゴシエータモジュール１９７は、カスタム化データに基づいて、１つ又は複数のカスタム化パラメータによって記述される各車両のカスタム化ニーズと当該１つ又は複数のカスタム化パラメータの１つ又は複数の重みとを決定する。例えば、各車両のカスタム化データに基づいて、ネゴシエータモジュール１９７は、運転嗜好及び当該運転嗜好の重みと運転意図及び当該運転意図の重みとの１つ以上を決定する。

【0131】

ステップ４０５で、ネゴシエータモジュール１９７は領域内の制御不能な車両にとって安全な区域を決定する。制御不能な車両は車両制御システムによって制御されていない車両であってもよい。例えば、制御不能な車両は機械学習システム１９１によって生成される個別最適挙動を自動的に遂行しない。

【0132】

例えば、ネゴシエータモジュール１９７は制御不能な車両が存在する区域を制御不能な車両にとっての安全な区域として確保してもよい。いくつかの実施形態では、他の制御不能な車両は制御不能な車両の安全な区域から締め出される。

【0133】

ステップ４０７で、ネゴシエータモジュール１９７は、Ｖ２Ｘデータに少なくとも部分的に基づいて、領域の全体最適挙動を記述する領域挙動データを決定する。全体最適挙動は領域内の車両（例えば、制御可能な車両、制御不能な車両、又はその両方）の強制軌道を含む。これらの強制軌道の遂行は、（１）領域内の交通規則要求事項及び安全要求事項を満足し、（２）車両のカスタム化ニーズの充足を最大限にする。

【0134】

例えば、ネゴシエータモジュール１９７は、領域内の安全要求事項が領域内の制御可能な車両の軌道を修正することによって満足させられるか否かを判断する。安全要求事項が領域内の制御可能な車両の軌道を修正することによって満足させられる場合、ネゴシエータモジュール１９７は領域内の制御可能な車両の軌道を修正して当該制御可能な車両の強制軌道を生成する。この場合、全体最適挙動は領域内の制御可能な車両の強制軌道を含む。ただし、安全要求事項が領域内の制御可能な車両の軌道を修正することによって満足させられない場合、ネゴシエータモジュール１９７は領域内の全ての車両（制御可能又は制御不能な車両を問わず）の軌道を修正する。ネゴシエータモジュール１９７は全ての車両の強制軌道を生成する。この場合、全体最適挙動は領域内の制御可能及び制御不能な車両の強制軌道を含む。

【0135】

ステップ４０９で、ネゴシエータモジュール１９７は領域挙動データに基づいて各車両の個別最適挙動を記述する車両挙動データを決定する。各車両の個別最適挙動は、（１）交通規則要求事項及び安全要求事項を満足し、（２）他の車両のカスタム化ニーズを修正することなく車両のカスタム化ニーズを満足する車両の強制軌道を含む。

【0136】

例えば、ネゴシエータモジュール１９７は、領域挙動データに基づいて車両の運転意図に含まれる軌道を修正して車両の強制軌道を生成してもよい。車両による強制軌道の遂行は、車両のカスタム化ニーズも満足しながら領域の全体最適挙動の一達成形態に貢献する。

【0137】

ステップ４１１で、ネゴシエータモジュール１９７は、各車両の個別最適挙動を記述する対応する車両挙動データをそれぞれ当該車両へ送信する。

【0138】

図５Ａ～５Ｂは、いくつかの実施形態による最適車両挙動を提供するための例示的な動作シナリオを示すグラフ表現５００及び５５０である。この動作シナリオでは、車道に４台の車両（車両Ａ、Ｂ、Ｃ及びＤ）がある。車両の各々は機械学習クライアント１９９のインスタンスを含んでいてもよい。

【0139】

図５Ａを参照すると、車両Ａは「小さい」重みの燃費（例えば、「エコ」）という運転嗜好を有する。車両Ａは車両Ｄ及びＢが現在存在する正しい車線に移動するという計画軌道を有する。車両Ｂは「大きい」重みの時間の短縮という運転嗜好と直進するという計画軌道とを有する。車両Ｃは「小さい」重みの燃費という運転嗜好と左側の車線へ合流するという計画軌道とを有する。車両Ｄは「大きい」重みの「快適さ」という運転嗜好と直進するという計画軌道とを有する。これらの車両はＶ２Ｘデータ（運転嗜好、当該運転嗜好の重み及び計画軌道などを記述するデータを含む）をフィードバックメッセージを介してそれぞれ機械学習システム１９１へ送信することができる。

【0140】

図５Ａに示すように、車両Ａ～Ｄがそれぞれの計画軌道に従って移動する場合、これらの車両は同じ車線で互いに出会い、衝突が起こる可能性がある。

【0141】

機械学習システム１９１は、車両Ａ～Ｄから受信したＶ２Ｘデータに少なくとも部分的に基づいてこれらの車両の全体最適挙動を決定することができる。全体最適挙動の一達成形態は（１）車両Ａ～Ｄのいずれの間にも衝突が発生せず、（２）一方で車両Ａ～Ｄの運転嗜好も満足される、ということを保証できる。機械学習システム１９１は、領域内で全体最適挙動が達成されるように車両の各々の個別最適挙動を決定する。機械学習システム１９１は、各々のそれぞれの車両の個別最適挙動を記述する車両挙動データを修正メッセージを介して送信する。

【0142】

図５Ｂを参照すると、車両Ａの個別最適挙動はその計画軌道（「右側の車線へ移動する」）を「直進する」という強制軌道に修正することを含む。個別最適挙動を記述する車両挙動データを受信した場合、その結果として、車両Ａは「直進する」という強制軌道に準拠して動作する。

【0143】

車両Ｂの個別最適挙動は、その計画軌道（「直進する」）を「左側の車線へ移動して移動速度を上げる」という強制軌道に修正することを含む。個別最適挙動を記述する車両挙動データを受信した場合、その結果として、車両Ｂは「左側の車線へ移動して移動速度を上げる」という強制軌道に準拠して動作する。

【0144】

車両Ｃの個別最適挙動は、その左側の車線へスムーズに合流することを含む。個別最適挙動を記述する車両挙動データを受信した場合、その結果として、車両Ｃはその左側の車線へスムーズに合流する。

【0145】

車両Ｄの個別最適挙動は、加速をオフにしてその計画軌道上を移動することを含む。個別最適挙動を記述する車両挙動データを受信した場合、車両Ｄは加速をオフにする。

【0146】

図６Ａ～６Ｂは、いくつかの実施形態による最適車両挙動を提供するための別の例示的な動作シナリオを示すグラフ表現６００及び６５０である。この動作シナリオでは、交差点に３台の車両（車両Ａ、Ｂ及びＣ）がある。車両の各々は機械学習クライアント１９９のインスタンスを含んでいてもよい。

【0147】

図６Ａを参照すると、車両Ａは「大きい」重みの時間の短縮という運転嗜好を有する。車両Ｂは「小さい」重みの時間の短縮という運転嗜好を有する。車両Ｃは「小さい」重みの燃費という運転嗜好を有する。車両Ａ～Ｃは、各々、直進するという計画軌道を有する。これらの車両は、Ｖ２Ｘデータ（運転嗜好、当該運転嗜好の重み及び計画軌道などを記述するデータを含む）をフィードバックメッセージを介してそれぞれ機械学習システム１９１へ送信することができる。

【0148】

図６Ａに示すように、車両Ａ～Ｃがそれぞれの計画軌道に従って移動する場合、これらの車両交差点で互いに出会い、衝突が起こる可能性がある。

【0149】

機械学習システム１９１は、車両Ａ～Ｃから受信したＶ２Ｘデータに少なくとも部分的に基づいてこれらの車両の全体最適挙動を決定することができる。全体最適挙動の一達成形態は（１）車両Ａ～Ｃのいずれの間にも衝突が発生せず、（２）一方で車両Ａ～Ｃの運転嗜好も満足される、ということを保証できる。

【0150】

図６Ｂを参照すると、車両Ａ及びＢの運転嗜好は「時間の短縮」である一方、車両Ｃの運転嗜好は「エコ」であるため、機械学習システム１９１は車両Ａ及びＢに車両Ｃよりも前に交差点を通過するように命令することができる。車両Ａの運転嗜好の重みは車両Ｂの運転嗜好の重みよりも大きいため、機械学習システム１９１は車両Ａに車両Ｂよりも前に交差点を通過するように命令することができる。

【0151】

次いで、機械学習システム１９１は、車両Ａが最初に交差点を通過し、車両Ｂが次に交差点を通過し、車両Ｃが最後に交差点を通過するように車両Ａ～Ｃの個別最適挙動を決定する。機械学習システム１９１は、車両Ａ～Ｃがそれぞれの個別最適挙動を遂行できるように、これらの車両の個別最適挙動を記述する車両挙動データを車両Ａ～Ｃへそれぞれ送信する。

【0152】

図７Ａ～７Ｂは、いくつかの実施形態による最適な車両挙動を提供する例示的なシミュレーションを示すグラフ表現７００及び７１０である。シミュレーションには３台の車両（車両Ａ、Ｂ及びＣ）が存在する。

【0153】

いくつかの実施形態では、機械学習システム１９１ネゴシエータモジュール１９７は最適化メカニズムを用いて車両の個別最適挙動を決定する。最適化メカニズム内には、基本的な運転要求事項が満足されるように１つ又は複数の制約事項が構成されている。最適化メカニズムの目的は、車両のカスタム化ニーズの充足の最大化を含む。例えば、最適化メカニズムの目的は、到着時間の最小化、燃費の最小化、急な動きの最小化、快適さの最小化などの１つ以上を含んでいてもよい。

【0154】

例えば、車両Ａの運転嗜好が重みがＷ_Aの移動時間の短縮、車両Ｂの運転嗜好が重みがＷ_Bの燃費、車両Ｃの運転嗜好が重みがＷ_Cの快適さの経験であると仮定する。次いで、最適化メカニズムの目的は、重みＷ_Aで重み付けされた車両Ａの到着時間の最小化、重みＷ_Bで重み付けされた車両Ｂの燃費の最小化、及び重みＷ_Cで重み付けされた車両Ｃの快適さの経験の最大化を含んでいてもよい。

【0155】

ネゴシエータモジュール１９７は、最適化メカニズムを適用する際に以下の要因（１）～（７）の１つ以上を考慮する。要因（１）は各車両が計画した軌道（「計画軌道」）を含む。要因（２）は車両の軌道が遵守すべき１つ又は複数の根本規則（例えば、運動方程式、速度制限、出力制限など）を含む。要因（３）は遵守すべき１つ又は複数の交通規則（例えば、各車両が正しい車線内に存在し正しい方向を向いていること、各車両が速度制限を守る必要があることなど）を含む。交通規則は、例えば、車線の形状、車線の物理的な境界、及び移動方向などを記述していてもよい。要因（４）は車両が隣接する車両と衝突しないこと（例えば、隣接する車両間は充分なスペースを保つ必要がある）を含む。要因（５）は車両の強制軌道が他の車両と衝突することなく可能であるか否かを含む。要因（６）は車両が制御可能であるか又は制御不能であるかを含む。要因（７）は領域内のいかなる車両についても衝突がないという要求事項を含む。

【0156】

図７Ａのシミュレーションを参照すると、ネゴシエータモジュール１９７は、最適化メカニズムを適用する際に車両の到着時間を最小化する目的関数を用いて上記の要因（１）～（４）を考慮する。各車両の計画軌道を図７Ａに示す。最適化メカニズムは最適化問題の公式として混合整数線形計画法（ＭＩＬＰ）を使用し、最適化ソルバ―（例えば、ＯＲツール）を適用して最適化問題を解決する。各車両強制軌道によるシミュレーション結果を図７Ｂに示す。ネゴシエータモジュール１９７は車道で衝突が発生しないように各車両の強制軌道を決定する。

【0157】

図７Ｃ～７Ｄは、いくつかの実施形態による最適車両挙動を提供する別の例示的なシミュレーションを示すグラフ表現７３０及び７５０である。車両Ａ～Ｃの計画軌道を図７Ｃに示す。ネゴシエータモジュール１９７は、メカニズムを適用する際に車両の到着時間を最小化する目的関数を用いて上記の要因（１）～（４）を考慮する。さらに、考慮する特定の車両グループについて、最適化メカニズムは他のグループの計画軌道を当該特定の車両グループの立ち入り禁止区域として定義する。最適化メカニズムはＭＩＬＰを最適化問題の公式として使用し、最適化ソルバ―（例えば、ＯＲツール）を適用して最適化問題を解決する。

【0158】

例えば、最適化問題を適用する際に、ネゴシエータモジュール１９７は交差する計画軌道を有する車両を決定する（例えば、車両Ｂ及びＣは交差する計画軌道を有する）。ネゴシエータモジュール１９７は、交差する計画軌道を有する車両を同じグループに分類する。例えば、ネゴシエータモジュール１９７は、車両Ａが他の車両との交差する計画軌道を有しないため、車両ＡをグループＡに分類する。ネゴシエータモジュール１９７は車両Ｂ及びＣが交差する計画軌道を有するため、車両Ｂ及びＣをグループＢに分類する。次に、ネゴシエータモジュール１９７は、特定のグループの強制軌道を決定する際に他のグループの計画軌道を考慮から除外する（例えば、他のグループの計画軌道は当該特定のグループにとって障害物を考えられる）。例えば、ネゴシエータモジュール１９７は、グループＢの強制軌道を決定する際に車両Ａの計画軌道を考慮から除外する。

【0159】

車両の強制軌道のシミュレーション結果を図７Ｄに示す。例えば、ネゴシエータモジュール１９７はグループＡ内の車両Ａの強制軌道を決定する。ネゴシエータモジュール１９７はまた、グループＢ内の車両Ｂ及びＣの強制軌道をそれぞれ決定する。車両の衝突は発生しない。他の関連しない車両（例えば、車両Ａ）の計画軌道を除外することで、図７Ｃ～７Ｄの最適化メカニズムを実行する時間が図７Ａ～７Ｂに示すシミュレーションと比較して短くなる。

【0160】

上記の記述で、説明を分かり易くするために、本明細書を徹底的な理解を提供するために多くの具体的な詳細例について述べている。ただし、本開示がこれらの具体的な詳細例によらずに遂行できることは当業者には明らかであろう。いくつかのインスタンスで、構造及びデバイスは説明を分かりにくくしないためにブロック図の型式で示されている。例えば、この実施形態は主としてユーザインタフェース及び特定のハードウェアを参照しながら上記してもよい。ただし、この実施形態はデータ及びコマンドを受信できる任意のタイプのコンピュータシステム、及びサービスを提供する任意の周辺デバイスに適用できる。

【0161】

本明細書で「いくつかの実施形態」又は「いくつかのインスタンス」への言及は、当該実施形態又はインスタンスに関連して記載した特定の特徴、構造、又は特徴が本明細書の少なくとも１つの実施形態に含めることができるということを意味する。本明細書の様々な場所における「いくつかの実施形態では」という語句の出現は、必ずしも全てが同一の実施形態を参照しているものではない。

【0162】

以下の詳細な説明のいくつかの部分は、コンピュータメモリ内のデータビットに対する演算のアルゴリズム及び象徴的表現によって提示されている。これらのアルゴリズムの説明及び表現は、データ処理技術における当業者がその作業の本質を他の当業者に最も効果的に伝えるために用いる手段である。アルゴリズムは、ここでは、所望の結果をもたらすつじつまの合う首尾一貫した一連のステップであり、概してそのように考えられている。上記のステップは物理的量の物理的操作を必要とするステップである。普通は、必ずしも必要であるという訳ではないが、これらの物理量は、記憶され、転送され、組み合わされ、比較され、又はその他の方法で操作可能な電気信号又は磁気信号の形態をとる。これらの信号をビット、値、要素、記号、文字、用語、数字、又は同種のものとして表すことは、主として共有使用の理由で場合によっては好都合であることが分かっている。

【0163】

ただし、これらの用語及び同様の用語の全てには適当な物理量が関連付けられるべきであり、これらの量に適用される好都合なラベルにすぎないことを念頭に置かれたい。特に断りのない限り、以下の考察から明らかなように、説明全体を通して、「処理する」又は「計算する」又は「算出する」又は「決定する」又は「表示する」、又は同種のものを含む考察が、コンピュータシステムのレジスタ及びメモリ内の物理的な（電子的な）量として表されるデータを操作して、コンピュータシステムメモリ又はレジスタ又は他のそのような情報記憶装置、伝送装置、又は表示装置内の物理量として同様に表される他のデータに変換するコンピュータシステム、又は同様の電子コンピューティングデバイスの動作及びプロセスを指すことが理解されよう。

【0164】

本明細書の実施形態は、本明細書に記載の動作を実行する装置にも関する。この装置は、要求される目的のために特別に構成されていてもよく、又はコンピュータ内に記憶されたコンピュータプログラムによって選択的に起動又は再構成される汎用コンピュータを含んでいてもよい。そのようなコンピュータプログラムは、これに限定されないが、コンピュータシステムバスに各々が結合されるフロッピー（登録商標）ディスク、光ディスク、ＣＤ－ＲＯＭ、及び磁気ディスクを含む任意のタイプのディスク、読出し専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、磁気カード若しくは光学式カード、不揮発性メモリを備えたＵＳＢキーを含むフラッシュメモリ、又は電子命令を記憶するのに適した任意のタイプの媒体を含む、コンピュータ可読記憶媒体に記憶することができる。

【0165】

本明細書は、いくつかの完全にハードウェアの実施形態、いくつかの完全にソフトウェアの実施形態、又はハードウェア及びソフトウェアの両方の要素を含むいくつかの実施形態の形をとることができる。いくつかの好ましい実施形態では、本明細書は、これに限定されないが、ファームウェア、常駐ソフトウェア、マイクロコードなどを含むソフトウェアにおいて遂行される。

【0166】

さらに、本明細書は、コンピュータ又は任意の命令実行システムによって又はそれに関連して使用されるプログラムコードを提供する、コンピュータで使用可能な又はコンピュータで読み出し可能な媒体からアクセス可能なコンピュータプログラムプロダクトの形をとることができる。本明細書のために、コンピュータで使用可能な又はコンピュータが読み出し可能な媒体は、命令実行システム、装置、又はデバイスによって又はそれに関連して使用されるプログラムを含み、記憶し、通信し、伝搬し、又は転送することができる任意の装置であることもできる。

【0167】

プログラムコードを記憶又は実行するのに適したデータ処理システムは、メモリ要素に直接に又はシステムバスを通じて間接的に結合された少なくとも１つのプロセッサを含む。メモリ要素は、プログラムコードの実際の実行中に用いられるローカルメモリと、大容量記憶装置と、コードが実行中に大容量記憶装置から取り出されなければならない回数を減らすために少なくとも何らかのプログラムコードの一時記憶を提供するキャッシュメモリとを含むことができる。

【0168】

入出力又はＩ／Ｏデバイス（これに限定されないが、キーボード、ディスプレイ、ポインティングデバイスなどを含む）は、直接に又は介在するＩ／Ｏコントローラを通じて、システムへ結合することができる。

【0169】

ネットワークアダプタもシステムへ結合されてよく、これによって、データ処理システムを、介在する私設又は公衆ネットワークを通じて他のデータ処理システム又はリモートプリンタ若しくは記憶デバイスに結合することが可能になる。モデム、ケーブルモデム及びイーサネット（登録商標）カードは、ごく少数の現在利用可能なタイプのネットワークアダプタである。

【0170】

そして、本明細書に示されたアルゴリズム及びディスプレイは、本質的にいかなる特定のコンピュータ又はその他の装置とも関係するものではない。様々な汎用システムを本明細書での教示に従ってプログラムと併せて使用してもよく、又は必要な方法ステップを実行するより専用の装置を構成するほうが好都合であることが証明される可能性がある。これらの様々なシステムに求められる構造は以下の説明から明らかになろう。さらに、本発明はいかなる特定のプログラミング言語も参照して説明されない。様々なプログラミング言語を用いて、記載した本明細書の教示を実施できることが理解されよう。

【0171】

本明細書の実施形態の上記記載は、例示及び説明のために提示されている。それは、包括的であったり、又は、開示された厳密な形態に本明細書を限定するよう意図されていない。多くの変更及び変形が上記の教示に照らして可能である。本開示の適用範囲は、この詳細な説明によってではなく、本願の特許請求の範囲によって限定されるよう意図される。当業者であれば理解するように、本明細書は、その主旨又は必須の特徴から逸脱することなしに、他の具体的な形態で具現化できる。同様に、モジュール、ルーチン、特徴、属性、方法及びその他の態様の特定の名称及び区分は、必須でも重要でもなく、本明細書又はその特徴を実施するメカニズムは、異なった名称、区分又はフォーマットを有していてもよい。さらに、当業者には明らかなように、モジュール、ルーチン、特徴、属性、方法、及び本開示の他の態様は、ソフトウェア、ハードウェア、ファームウェア、又はこれら３つのあらゆる組み合わせとして実施されてよい。また、本明細書のコンポーネント（例えばモジュール）がどこにソフトウェアとして実施されようとも、当該コンポーネントは、スタンドアローンのプログラムとして、より大きいプログラムの部分として、複数の別個のプログラムとして、静的若しくは動的にリンクされたライブラリとして、カーネルローダブルモジュールとして、デバイスドライバとして、又はコンピュータプログラミング技術の当業者に現在又は将来知られるありとあらゆる他の方法によって実施することができる。さらに、本開示は、いかなる具体的なプログラミング言語による実施形態にも、又はいかなる具体的なオペレーティングシステム若しくは環境の実施形態にも決して限定されない。したがって、本開示は、添付の特許請求の範囲に示した本明細書の適用範囲を限定することなく例示するように意図される。

【0172】

本開示は以下の例を含む。
［例１］
コンピュータプログラムプロダクトであって、
コネクテッド車両の車載コンピュータシステムの非一時的なメモリであって、
プロセッサによって実行されると、前記プロセッサに、
コネクテッド車両のカスタム化ニーズを記述するカスタム化データを含むビークルツーエブリシング（Ｖ２Ｘ）データを生成させ、
Ｖ２Ｘ通信を介して、前記Ｖ２Ｘデータを含むフィードバックメッセージを送信させ、
前記Ｖ２Ｘ通信を介して、前記Ｖ２Ｘデータに少なくとも部分的に基づいて決定される前記コネクテッド車両の個別最適挙動を記述する車両挙動データを含む修正メッセージを受信させ、
前記コネクテッド車両が前記個別最適挙動を遂行するように前記車両挙動データに基づいて前記コネクテッド車両の車両制御システムの動作を修正させる、コンピュータ実行可能コードを記憶する非一時的なメモリを含み、
前記コネクテッド車両による前記個別最適挙動の遂行が前記コネクテッド車両の前記カスタム化ニーズも満足しながら前記コネクテッド車両が位置する領域の全体最適挙動の達成に貢献する、コンピュータプログラムプロダクト。
［例２］
前記コネクテッド車両による前記個別最適挙動の遂行が、前記コネクテッド車両と前記領域内の１つ又は複数の他の車両との間に衝突が発生しないことと、前記コネクテッド車両のカスタム化ニーズが前記１つ又は複数の他の車両の１つ又は複数のカスタム化ニーズに干渉することなく満足されることとのうちの１つ以上を示す、例１に記載のコンピュータプログラムプロダクト。
［例３］
前記コネクテッド車両と前記１つ又は複数の他の車両が前記領域内の車両グループに含まれ、前記領域の全体最適挙動の達成が、前記車両グループ内で衝突が発生しないことと、前記グループ内の各車両のカスタム化ニーズが前記グループ内の残りの車両のカスタム化ニーズを修正することなく満足されることとのうちの１つ以上を示す、例２に記載のコンピュータプログラムプロダクト。
［例４］
前記コネクテッド車両のカスタム化ニーズが、前記コネクテッド車両の運転意図及び前記運転意図の第１の重みと、前記コネクテッド車両の運転嗜好及び前記運転嗜好の第２の重みとのうちの１つ以上によって記述される、例１に記載のコンピュータプログラムプロダクト。
［例５］
コネクテッド車両のための方法であって、
ビークルツーエブリシング（Ｖ２Ｘ）通信を介して、前記コネクテッド車両のカスタム化ニーズを記述するカスタム化データを含むＶ２Ｘデータを送信することと、
前記Ｖ２Ｘ通信を介して、前記Ｖ２Ｘデータに少なくとも部分的に基づいて決定される前記コネクテッド車両の個別最適挙動を記述する車両挙動データを受信することと、
前記コネクテッド車両が前記個別最適挙動を遂行するように前記車両挙動データに基づいて前記コネクテッド車両の車両制御システムの動作を修正すること、とを含み、
前記コネクテッド車両による前記個別最適挙動の遂行が前記コネクテッド車両の前記カスタム化ニーズも満足しながら前記コネクテッド車両が位置する領域の全体最適挙動の達成に貢献する、方法。
［例６］
前記コネクテッド車両による前記個別最適挙動の遂行が、前記コネクテッド車両と前記領域内の１つ又は複数の他の車両との間に衝突が発生しないことと、前記コネクテッド車両のカスタム化ニーズが前記１つ又は複数の他の車両の１つ又は複数のカスタム化ニーズに干渉することなく満足されることとのうちの１つ以上を示す、例５に記載の方法。
［例７］
前記コネクテッド車両と前記１つ又は複数の他の車両が前記領域内の車両グループに含まれ、前記領域の全体最適挙動の達成が、前記車両グループ内で衝突が発生しないことと、前記グループ内の各車両のカスタム化ニーズが前記グループ内の残りの車両のカスタム化ニーズを修正することなく満足されることとのうちの１つ以上を示す、例６に記載の方法。
［例８］
前記コネクテッド車両のカスタム化ニーズが、１つ又は複数のカスタム化パラメータと前記１つ又は複数のカスタム化パラメータの１つ又は複数の重みとによって記述される、例５に記載の方法。
［例９］
前記１つ又は複数のカスタム化パラメータが、前記コネクテッド車両に関連付けられた運転意図と運転嗜好との１つ以上を含む、例８に記載の方法。
［例１０］
前記１つ又は複数のカスタム化パラメータを記述するパラメータデータと、前記１つ又は複数の重みを記述する重みデータと、前記コネクテッド車両のセンサデータ及び前記コネクテッド車両の先進運転支援システム（ＡＤＡＳ）データとのうちの１つ以上を含むＶ２Ｘデータを生成することをさらに含む、例８に記載の方法。
［例１１］
前記コネクテッド車両の将来の挙動を予測することをさらに含み、前記Ｖ２Ｘデータが前記コネクテッド車両の前記将来の挙動を記述する予測データをさらに含む、例５に記載の方法。
［例１２］
前記個別最適挙動が、前記コネクテッド車両について最適化された、前記コネクテッド車両の強制軌道、加速設定、ステアリング角設定及び速度設定を含む、例５に記載の方法。
［例１３］
前記個別最適挙動が前記領域内の交通規則要求事項及び安全要求事項の１つ以上を満足する、例５に記載の方法。
［例１４］
システムであって、
非一時的なメモリを含むコネクテッド車両の車載コンピュータシステムを含み、
前記メモリは、前記車載コンピュータシステムによって実行されると、前記車載コンピュータシステムに、
ビークルツーエブリシング（Ｖ２Ｘ）通信を介して、前記コネクテッド車両のカスタム化ニーズを記述するカスタム化データを含むＶ２Ｘデータを送信させ、
前記Ｖ２Ｘ通信を介して、前記Ｖ２Ｘデータに少なくとも部分的に基づいて決定される前記コネクテッド車両の個別最適挙動を記述する車両挙動データを受信させ、
前記コネクテッド車両が前記個別最適挙動を遂行するように前記車両挙動データに基づいて前記コネクテッド車両の車両制御システムの動作を修正させるコンピュータコードを記憶し、
前記コネクテッド車両による前記個別最適挙動の遂行が前記コネクテッド車両の前記カスタム化ニーズも満足しながら前記コネクテッド車両が位置する領域の全体最適挙動の達成に貢献する、システム。
［例１５］
前記コネクテッド車両による前記個別最適挙動の遂行が、前記コネクテッド車両と前記領域内の１つ又は複数の他の車両との間に衝突が発生しないことと、前記コネクテッド車両のカスタム化ニーズが前記１つ又は複数の他の車両の１つ又は複数のカスタム化ニーズに干渉することなく満足されることとのうちの１つ以上を示す、例１４に記載のシステム。
［例１６］
前記コネクテッド車両と前記１つ又は複数の他の車両が前記領域内の車両グループに含まれ、前記領域の全体最適挙動の達成が、前記車両グループ内で衝突が発生しないことと、前記グループ内の各車両のカスタム化ニーズが前記グループ内の残りの車両のカスタム化ニーズを修正することなく満足されることとのうちの１つ以上を示す、例１５に記載のシステム。
［例１７］
前記コネクテッド車両のカスタム化ニーズが、１つ又は複数のカスタム化パラメータ及び前記１つ又は複数のカスタム化パラメータの１つ又は複数の重みとによって記述される、例１４に記載のシステム。
［例１８］
前記１つ又は複数のカスタム化パラメータが、前記コネクテッド車両に関連付けられた運転意図及び運転嗜好の１つ以上を含む、例１７に記載のシステム。
［例１９］
前記コンピュータコードが、前記車載コンピュータシステムによって実行されると、前記車載コンピュータシステムに、前記コネクテッド車両の前記１つ又は複数のカスタム化パラメータを記述するパラメータデータと、前記１つ又は複数の重みを記述する重みデータと、センサデータと、前記コネクテッド車両の先進運転支援システム（ＡＤＡＳ）データとのうちの１つ以上を含むＶ２Ｘデータをさらに生成させる、例１７に記載のシステム。
［例２０］
前記コンピュータコードが、前記車載コンピュータシステムによって実行されると、前記車載コンピュータシステムに、前記コネクテッド車両の将来の挙動をさらに予測させ、前記Ｖ２Ｘデータが前記コネクテッド車両の前記将来の挙動を記述する予測データをさらに含む、例１４に記載のシステム。

【図1A】

【図1B】

【図1C】

【図1D】

【図2】

【図3】

【図4】

【図5A】

【図5B】

【図6A】

【図6B】

【図7A】

【図7B】

【図7C】

【図7D】