特表 2024-534789 運転事象を予測するための機械学習モデル

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-09-26

(54)【発明の名称】運転事象を予測するための機械学習モデル

(51)【国際特許分類】

   G08G 1/16 20060101AFI20240918BHJP

   G16Y 10/40 20200101ALI20240918BHJP

   G16Y 20/20 20200101ALI20240918BHJP

   G16Y 40/20 20200101ALI20240918BHJP

【ＦＩ】

G08G1/16 A

G16Y10/40

G16Y20/20

G16Y40/20

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2024509354

(86)(22)【出願日】2022-08-18

(85)【翻訳文提出日】2024-04-09

(86)【国際出願番号】 US2022040700

(87)【国際公開番号】W WO2023023214

(87)【国際公開日】2023-02-23

(31)【優先権主張番号】63/234,625

(32)【優先日】2021-08-18

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．ＢＬＵＥＴＯＯＴＨ

(71)【出願人】

【識別番号】510192916

【氏名又は名称】テスラ，インコーポレイテッド

(74)【代理人】

【識別番号】110000659

【氏名又は名称】弁理士法人広江アソシエイツ特許事務所

(72)【発明者】

【氏名】グティエレス，トラルフ

(72)【発明者】

【氏名】ポトハスト，ジェームズ

(72)【発明者】

【氏名】バラナウ，アレックス

【テーマコード（参考）】

5H181

【Ｆターム（参考）】

5H181AA01

5H181BB04

5H181BB05

5H181BB13

5H181BB15

5H181BB20

5H181CC04

5H181CC11

5H181CC12

5H181CC14

5H181CC27

5H181EE02

5H181EE10

5H181FF04

5H181FF10

5H181FF13

5H181FF22

5H181FF27

5H181FF33

5H181LL01

5H181LL02

5H181LL04

5H181LL09

5H181MB02

5H181MC19

5H181MC27

(57)【要約】

プロセッサは、運転セッションのセットに関連付けられたデータを取り出し、第１の事象を含んだ運転セッションに対応するデータの第１のサブセットにラベル付けすることと、エアバッグ作動の指示を含んだ運転セッションに対応するデータの第２のサブセットにラベル付けすることと、によって訓練データセットを生成する。次いで、プロセッサは、訓練データセットを使用して人工知能モデルを訓練し、その訓練することにより、訓練された人工知能モデルは、新しい運転手に関連付けられた新しい運転セッションが、少なくとも第１の事象又はエアバッグ作動に関連付けられる尤度を示すスコアを予測する。訓練されると、プロセッサは、各運転セッション後に取り出されたデータを使用して、スコアを補強することができる。プロセッサはまた、運転手の行動がそれらのスコアの増加／減少を引き起こした場合に、運転手に通知して、背景にある理由を提供することもできる。
【選択図】図１Ａ

【特許請求の範囲】

【請求項1】

方法であって、
プロセッサによって、運転セッションのセットに関連付けられたデータを取り出すステップと、
前記プロセッサによって、訓練データセットを生成するステップであって、
前記プロセッサによって、第１の事象を含んだ少なくとも１つの運転セッションに対応するデータの第１のサブセットにラベル付けすること、
前記プロセッサによって、エアバッグ作動の指示を含んだ少なくとも１つの運転セッションに対応する前記データの第２のサブセットにラベル付けすること、
によって訓練データセットを生成する、ステップと、
前記プロセッサによって、前記訓練データセットを使用して人工知能モデルを訓練するステップであって、訓練された前記人工知能モデルは、新しい運転手に関連付けられた新しい運転セッションが、少なくとも前記第１の事象又はエアバッグ作動に関連付けられる尤度を示すスコアを予測するように構成される、ステップと、を含む、方法。

【請求項2】

前記第１の事象は、保険請求に対応する、請求項１に記載の方法。

【請求項3】

前記データは、各運転セッションに関連付けられた車両のセットのセンサのセットから受信される、請求項１に記載の方法。

【請求項4】

前記センサのセット内の少なくとも１つのセンサが、前方衝突警告、ブレーキ事象、自動運転失格、自動ステアリング失格、又は車線逸脱に関連付けられたデータを収集するように構成されている、請求項３に記載の方法。

【請求項5】

前記プロセッサによって、前記スコアを受信し、かつ保険料率を生成するように構成されたソフトウェアアプリケーションに、前記スコアを送信するステップを更に含む、請求項１に記載の方法。

【請求項6】

前記プロセッサによって、電子デバイス上に表示される前記スコアを提示するステップを更に含む、請求項１に記載の方法。

【請求項7】

前記電子デバイスは、前記新しい運転セッションに対応する車両に関連付けられたものである、請求項６に記載の方法。

【請求項8】

前記プロセッサによって、少なくとも１つのセンサへの修正を識別するステップを更に含む、請求項１に記載の方法。

【請求項9】

前記スコアは、前記新しい運転セッションに関連付けられた前記新しい運転手の少なくとも１つの属性に基づいて計算される、請求項１に記載の方法。

【請求項10】

前記運転セッションのセットは、所定の運転サイクルに属しており、前記プロセッサは、運転セッションに関連付けられた車両がネットワーク接続性を有さないと判定するときに、前記プロセッサは、前記運転セッションのセットから前記運転セッションを除外する、請求項１に記載の方法。

【請求項11】

システムであって、
非一時的命令を含むコンピュータ可読媒体であって、前記非一時的命令は、実行されるときに、プロセッサに、
運転セッションのセットに関連付けられたデータを取り出すことと、
訓練データセットを、
第１の事象を含んだ少なくとも１つの運転セッションに対応するデータの第１のサブセットにラベル付けすること、
エアバッグ作動の指示を含んだ少なくとも１つの運転セッションに対応する前記データの第２のサブセットにラベル付けすること、によって生成することと、
前記訓練データセットを使用して人工知能モデルを訓練することであって、訓練された前記人工知能モデルは、新しい運転手に関連付けられた新しい運転セッションが少なくとも前記第１の事象又はエアバッグ作動に関連付けられる尤度を示すスコアを予測するように構成される、訓練することと、を行わせる、コンピュータ可読媒体を備える、システム。

【請求項12】

前記第１の事象は、保険請求に対応する、請求項１１に記載のシステム。

【請求項13】

前記データは、各運転セッションに関連付けられた車両のセットのセンサのセットから受信される、請求項１１に記載のシステム。

【請求項14】

前記センサのセット内の少なくとも１つのセンサが、前方衝突警告、ブレーキ事象、自動運転失格、自動ステアリング失格、又は車線逸脱に関連付けられたデータを収集するように構成されている、請求項１３に記載のシステム。

【請求項15】

前記命令は、前記プロセッサに、
前記スコアを受信し、かつ保険料率を生成するように構成されたソフトウェアアプリケーションに前記スコアを送信することを更に行わせる、請求項１１に記載のシステム。

【請求項16】

前記命令は、前記プロセッサに、
電子デバイス上に表示される前記スコアを提示することを更に行わせる、請求項１１に記載のシステム。

【請求項17】

前記電子デバイスは、前記新しい運転セッションに対応する車両に関連付けられたものである、請求項１６に記載のシステム。

【請求項18】

システムであって、
人工知能モデルと、
前記人工知能モデルと通信するサーバであって、前記サーバは、
運転セッションのセットに関連付けられたデータを取り出すことと、
第１の事象を含んだ少なくとも１つの運転セッションに対応するデータの第１のサブセットにラベル付けすることによって、訓練データセットを生成することと、
エアバッグ作動の指示を含んだ少なくとも１つの運転セッションに対応する前記データの第２のサブセットにラベル付けすることと、
前記訓練データセットを使用して前記人工知能モデルを訓練することであって、訓練された前記人工知能モデルは、新しい運転手に関連付けられた新しい運転セッションが少なくとも前記第１の事象又はエアバッグ作動に関連付けられる尤度を示すスコアを予測するように構成される、訓練することと、を行うように構成されている、サーバと、を備える、システム。

【請求項19】

前記第１の事象は、保険請求に対応する、請求項１８に記載のシステム。

【請求項20】

前記データは、各運転セッションに関連付けられた車両のセットのセンサのセットから受信される、請求項１９に記載のシステム。

【請求項21】

方法であって、
プロセッサによって、車両と通信する少なくとも１つのセンサから、運転手の最新の運転セッションに関連付けられたデータを取り出すステップと、
前記プロセッサによって、前記最新の運転セッションが衝突に関連付けられる第１の尤度を示す第１のスコアを予測するように、前記最新の運転セッションに関連付けられた前記データを使用して人工知能モデルを実行するステップであって、前記人工知能モデルは、過去の運転手データ及び過去の運転セッションデータに基づいて訓練される、ステップと、
前記プロセッサによって、前記人工知能モデルによって予測された前記第１のスコアを、前記人工知能モデルによって以前に予測された前記第２のスコアと比較するステップであって、前記第２のスコアは、前記運転手の過去の運転セッションデータに基づく、前記車両が衝突に関与する第２の尤度を示す、ステップと、
前記第１のスコアが前記第２のスコアとは異なる場合、前記プロセッサによって、前記第１のスコアを受信し、かつ前記最新の運転セッションが衝突に関連付けられる前記第１の尤度に対応する保険価額を生成するように構成されたコンピュータモデルに、前記第１のスコアを送信するステップと、を含む、方法。

【請求項22】

前記プロセッサによって、前記車両に関連付けられた電子デバイス上に、前記第１のスコア又は前記保険価額を、表示のために提示するステップを更に含む、請求項２１に記載の方法。

【請求項23】

前記電子デバイスは、前記車両の表示システム、又は最新の運転セッションの運転手に関連付けられたモバイルデバイスのうちの少なくとも１つである、請求項２２に記載の方法。

【請求項24】

前記プロセッサは、最新の運転セッションが終了した後の規定の時間内に前記第１のスコアを表示する、請求項２２に記載の方法。

【請求項25】

前記第１のスコアは、前記最新の運転セッションに関連付けられた前記運転手の少なくとも１つの属性に基づいて計算される、請求項２１に記載の方法。

【請求項26】

前記プロセッサによって、前記運転手に関連付けられた少なくとも１つの特徴を無効にするステップを更に含む、請求項２１に記載の方法。

【請求項27】

システムであって、
非一時的命令を含むコンピュータ可読媒体であって、前記非一時的命令は、実行されるときに、プロセッサに、
車両と通信する少なくとも１つのセンサから、運転手の最新の運転セッションに関連付けられたデータを取り出すことと、
前記最新の運転セッションが衝突に関連付けられる第１の尤度を示す第１のスコアを予測するように、前記最新の運転セッションに関連付けられた前記データを使用して人工知能モデルを実行することであって、前記人工知能モデルは、過去の運転手データ及び過去の運転セッションデータに基づいて訓練される、実行することと、
前記人工知能モデルによって予測された前記第１のスコアを、前記人工知能モデルによって以前に予測された第２のスコアと比較することであって、前記第２のスコアは、前記運転手の過去の運転セッションデータに基づく、前記車両が衝突に関与する第２の尤度を示す、比較することと、
前記第１のスコアが前記第２のスコアとは異なる場合、前記第１のスコアを受信し、かつ前記最新の運転セッションが衝突に関連付けられる前記第１の尤度に対応する保険価額を生成するように構成されたコンピュータモデルに、前記第１のスコアを送信することと、を行わせる、コンピュータ可読媒体を備える、システム。

【請求項28】

前記命令は、前記プロセッサに、
前記車両に関連付けられた電子デバイス上に、前記第１のスコア又は前記保険価額を、表示のために提示することを更に行わせる、請求項２７に記載のシステム。

【請求項29】

前記電子デバイスは、前記車両の表示システム、又は前記最新の運転セッションの前記運転手に関連付けられたモバイルデバイスのうちの少なくとも１つである、請求項２８に記載のシステム。

【請求項30】

前記プロセッサは、前記最新の運転セッションが終了した後の規定の時間内に、前記第１のスコアを表示する、請求項２８に記載のシステム。

【請求項31】

前記第１のスコアは、前記最新の運転セッションに関連付けられた前記運転手の少なくとも１つの属性に基づいて計算される、請求項２７に記載のシステム。

【請求項32】

前記命令は、前記プロセッサに、
前記運転手に関連付けられた少なくとも１つの特徴を無効にすることを更に行わせる、請求項２７に記載のシステム。

【請求項33】

システムであって、
人工知能モデルと、
前記人工知能モデルと通信するサーバであって、前記サーバは、
車両と通信する少なくとも１つのセンサから、運転手の最新の運転セッションに関連付けられたデータを取り出すことと、
前記最新の運転セッションが衝突に関連付けられる第１の尤度を示す第１のスコアを予測するように、前記最新の運転セッションに関連付けられた前記データを使用して、前記人工知能モデルを実行することであって、前記人工知能モデルは、過去の運転手データ及び過去の運転セッションデータに基づいて訓練される、実行することと、
前記人工知能モデルによって予測された前記第１のスコアを、前記人工知能モデルによって以前に予測された第２のスコアと比較することであって、前記第２のスコアは、前記運転手の過去の運転セッションデータに基づく、前記車両が衝突に関与する第２の尤度を示す、比較することと、
前記第１のスコアが前記第２のスコアとは異なる場合、前記第１のスコアを受信し、かつ前記最新の運転セッションが衝突に関連付けられる前記第１の尤度に対応する保険価額を生成するように構成されたコンピュータモデルに、前記第１のスコアを送信することと、を行うように構成されている、サーバと、を備える、システム。

【請求項34】

前記サーバは、
前記車両に関連付けられた電子デバイス上に、前記第１のスコア又は前記保険価額を、表示のために提示するように更に構成されている、請求項３３に記載のシステム。

【請求項35】

前記電子デバイスは、前記車両の表示システム、又は前記最新の運転セッションの前記運転手に関連付けられたモバイルデバイスのうちの少なくとも１つである、請求項３４に記載のシステム。

【請求項36】

前記サーバは、前記最新の運転セッションが終了した後の規定の時間内に前記第１のスコアを表示する、請求項３４に記載のシステム。

【請求項37】

前記第１のスコアは、前記最新の運転セッションに関連付けられた前記運転手の少なくとも１つの属性に基づいて計算される、請求項３３に記載のシステム。

【請求項38】

前記サーバは、
前記運転手に関連付けられた少なくとも１つの特徴を無効にするように更に構成されている、請求項３３に記載のシステム。

【請求項39】

方法であって、
プロセッサによって、車両の少なくとも１つの運転属性を監視するように構成された少なくとも１つのセンサ、及び前記車両と通信する少なくとも１つのカメラから、運転セッションの運転セッションデータを取り出すステップと、
前記プロセッサによって、前記運転セッションが事象に関連付けられる尤度を示すスコアを予測するように、以前の運転手データ及び以前の運転セッションデータに基づいて訓練された人工知能モデルを実行するステップと、
前記プロセッサによって、前記車両と通信する電子デバイス上に、前記スコア、及び前記事象の前記尤度に関連付けられたデータのインジケータを、表示のために提示するステップと、を含む、方法。

【請求項40】

前記電子デバイスは、前記車両の表示システム、又は前記運転セッションの運転手に関連付けられたモバイルデバイスである、請求項３９に記載の方法。

【請求項41】

前記事象は、衝突である、請求項３９に記載の方法。

【請求項42】

前記事象は、エアバッグ作動、又はセンサが衝撃を識別することである、請求項３９に記載の方法。

【請求項43】

前記事象の前記尤度に関連付けられたデータの前記インジケータは、前記少なくとも１つのカメラによってキャプチャされた画像又はビデオである、請求項３９に記載の方法。

【請求項44】

前記プロセッサによって、前記車両と通信する前記電子デバイス上に、前記事象の前記尤度に関連付けられた前記データのタイムスタンプを、表示のために提示するステップを更に含む、請求項３９に記載の方法。

【請求項45】

前記事象の前記尤度に関連付けられたデータの前記インジケータは、前記運転セッションの運転手によって実施された行動に関連付けられたマップである、請求項３９に記載の方法。

【請求項46】

前記事象の前記尤度に関連付けられたデータの前記インジケータは、前記運転セッションの時間表である、請求項３９に記載の方法。

【請求項47】

前記時間表は、スコアに影響を及ぼした少なくとも１つの運転手行動についてのインジケータを含む、請求項４６に記載の方法。

【請求項48】

前記少なくとも１つの運転手行動は、急ブレーキ、危険な追従、又は攻撃的な運転である、請求項４７に記載の方法。

【請求項49】

前記人工知能モデルの実行、及び前記スコアの提示は、前記運転セッション中にリアルタイムで実施される、請求項３９に記載の方法。

【請求項50】

前記プロセッサによって、前記電子デバイスに関連付けられた暗号鍵を使用して、前記スコア、及び前記事象の前記尤度に関連付けられたデータの前記インジケータを暗号化するステップを更に含む、請求項３９に記載の方法。

【請求項51】

前記少なくとも１つのカメラは、前記運転セッションの運転手を監視するように構成されている、請求項３９に記載の方法。

【請求項52】

前記事象の前記尤度に関連付けられたデータの前記インジケータは、前記運転手の画像に対応する、請求項５１に記載の方法。

【請求項53】

システムであって、
非一時的命令を含むコンピュータ可読媒体であって、前記非一時的命令は、実行されるときに、プロセッサに、
車両の少なくとも１つの運転属性を監視するように構成された少なくとも１つのセンサ、及び前記車両と通信する１つのカメラから、運転セッションの運転セッションデータを取り出すことと、
前記運転セッションが事象に関連付けられる尤度を示すスコアを予測するように、以前の運転手データ及び以前の運転セッションデータに基づいて訓練された人工知能モデルを実行することと、
前記車両と通信する電子デバイス上に、前記スコア、及び前記事象の前記尤度に関連付けられたデータのインジケータを、表示のために提示することと、を行わせる、コンピュータ可読媒体、を備える、システム。

【請求項54】

前記電子デバイスは、前記車両の表示システム、又は前記運転セッションの運転手に関連付けられたモバイルデバイスである、請求項５３に記載のシステム。

【請求項55】

前記事象は、衝突である、請求項５３に記載のシステム。

【請求項56】

前記事象は、エアバッグ作動、又はセンサが衝撃を識別することである、請求項５３に記載のシステム。

【請求項57】

前記事象の前記尤度に関連付けられたデータの前記インジケータは、前記少なくとも１つのカメラによってキャプチャされた画像又はビデオである、請求項５３に記載のシステム。

【請求項58】

前記命令は、前記プロセッサに、
前記車両と通信する前記電子デバイス上に、前記事象の前記尤度に関連付けられた前記データのタイムスタンプを、表示のために提示することを更に行わせる、請求項５３に記載のシステム。

【請求項59】

前記事象の前記尤度に関連付けられたデータの前記インジケータは、前記運転セッションの運転手によって実施された行動に関連付けられたマップである、請求項５３に記載のシステム。

【請求項60】

前記事象の前記尤度に関連付けられたデータの前記インジケータは、前記運転セッションの時間表である、請求項５３に記載のシステム。

【請求項61】

前記時間表は、スコアに影響を及ぼした少なくとも１つの運転手行動についてのインジケータを含む、請求項６０に記載のシステム。

【請求項62】

前記少なくとも１つの運転手行動は、急ブレーキ、危険な追従、又は攻撃的な運転である、請求項６１に記載のシステム。

【請求項63】

前記人工知能モデルの実行、及び前記スコアの提示は、前記運転セッション中にリアルタイムで実施される、請求項５３に記載のシステム。

【請求項64】

前記命令は、前記プロセッサに、
前記電子デバイスに関連付けられた暗号鍵を使用して、前記スコア、及び前記事象の前記尤度に関連付けられたデータの前記インジケータを暗号化することを更に行わせる、請求項５３に記載のシステム。

【請求項65】

前記少なくとも１つのカメラは、前記運転セッションの運転手を監視するように構成されている、請求項５３に記載のシステム。

【請求項66】

前記事象の前記尤度に関連付けられたデータの前記インジケータは、前記運転手の画像に対応する、請求項６５に記載のシステム。

【請求項67】

システムであって、
人工知能モデルと、
前記人工知能モデルと通信するサーバであって、前記サーバは、
車両の少なくとも１つの運転属性を監視するように構成された少なくとも１つのセンサ、及び前記車両と通信する１つのカメラから、運転セッションの運転セッションデータを取り出すことと、
前記運転セッションが事象に関連付けられる尤度を示すスコアを予測するように、以前の運転手データ及び以前の運転セッションデータに基づいて訓練された前記人工知能モデルを実行することと、
前記車両と通信する電子デバイス上に、前記スコア、及び前記事象の前記尤度に関連付けられたデータのインジケータを、表示のために提示することと、を行うように構成されている、サーバと、を備える、システム。

【請求項68】

前記電子デバイスは、前記車両の表示システム、又は前記運転セッションの運転手に関連付けられたモバイルデバイスである、請求項６７に記載のシステム。

【請求項69】

前記事象は、衝突である、請求項６７に記載のシステム。

【請求項70】

前記事象は、エアバッグ作動、又はセンサが衝撃を識別することである、請求項６７に記載のシステム。

【請求項71】

前記事象の前記尤度に関連付けられたデータの前記インジケータは、前記少なくとも１つのカメラによってキャプチャされた画像又はビデオである、請求項６７に記載のシステム。

【請求項72】

前記サーバは、
前記車両と通信する前記電子デバイス上に、前記事象の前記尤度に関連付けられた前記データのタイムスタンプを、表示のために提示するように更に構成されている、請求項６７に記載のシステム。

【請求項73】

前記事象の前記尤度に関連付けられたデータの前記インジケータは、前記運転セッションの運転手によって実施された行動に関連付けられたマップである、請求項６７に記載のシステム。

【請求項74】

前記事象の前記尤度に関連付けられたデータの前記インジケータは、前記運転セッションの時間表である、請求項６７に記載のシステム。

【請求項75】

前記時間表は、前記スコアに影響を及ぼした少なくとも１つの運転手行動についてのインジケータを含む、請求項７４に記載のシステム。

【請求項76】

前記少なくとも１つの運転手行動は、急ブレーキ、危険な追従、又は攻撃的な運転である、請求項７５に記載のシステム。

【請求項77】

前記人工知能モデルの実行、及び前記スコアの提示は、前記運転セッション中にリアルタイムで実施される、請求項６７に記載のシステム。

【請求項78】

前記サーバは、
前記電子デバイスに関連付けられた暗号鍵を使用して、前記スコア、及び前記事象の前記尤度に関連付けられたデータの前記インジケータを暗号化するように更に構成されている、請求項６７に記載のシステム。

【請求項79】

前記少なくとも１つのカメラは、前記運転セッションの運転手を監視するように構成されている、請求項６７に記載のシステム。

【請求項80】

前記事象の前記尤度に関連付けられたデータの前記インジケータは、前記運転手の画像に対応する、請求項６７に記載のシステム。

【請求項81】

方法であって、
プロセッサによって、車両と通信する少なくとも１つのセンサから、運転手の最新の運転セッションに関連付けられたデータを取り出すステップと、
前記プロセッサによって、前記最新の運転セッションが衝突に関連付けられる尤度を示すスコアを予測するように、前記最新の運転セッションに関連付けられた前記データを使用して人工知能モデルを実行するステップであって、前記人工知能モデルは、過去の運転手データ及び過去の運転セッションデータに基づいて訓練される、ステップと、
前記プロセッサによって、前記スコアに基づいて、前記車両に関連付けられた少なくとも１つの機能性を修正するステップと、を含む、方法。

【請求項82】

少なくとも１つの機能性を修正することは、前記運転手に関連付けられた機能性に対応する、請求項８１に記載の方法。

【請求項83】

前記少なくとも１つの機能性は、自動運転機能性又は自動ステアリング機能性のうちの少なくとも１つに対応する、請求項８１に記載の方法。

【請求項84】

前記少なくとも１つの機能性は、前記車両に関連付けられた電子デバイスによって提示される電子コンテンツに対応する、請求項８１に記載の方法。

【請求項85】

前記プロセッサは、前記スコアが閾値を満たすときに、前記少なくとも１つの機能性を修正する、請求項８１に記載の方法。

【請求項86】

前記少なくとも１つの機能性は、定期的に修正される、請求項８１に記載の方法。

【請求項87】

前記車両に関連付けられた前記少なくとも１つの機能性はまた、前記車両の特定の運転手にも関連付けられたものである、請求項８１に記載の方法。

【請求項88】

システムであって、
非一時的命令を含むコンピュータ可読媒体であって、前記非一時的命令は、実行されるときに、プロセッサに、
車両と通信する少なくとも１つのセンサから、運転手の最新の運転セッションに関連付けられたデータを取り出すことと、
前記最新の運転セッションが衝突に関連付けられる尤度を示すスコアを予測するように、前記最新の運転セッションに関連付けられた前記データを使用して人工知能モデルを実行することであって、前記人工知能モデルは、過去の運転手データ及び過去の運転セッションデータに基づいて訓練される、実行することと、
前記スコアに基づいて、前記車両に関連付けられた少なくとも１つの機能性を修正することと、を行わせる、コンピュータ可読媒体、を備える、システム。

【請求項89】

少なくとも１つの機能性を修正することは、前記運転手に関連付けられた機能性に対応する、請求項８８に記載のシステム。

【請求項90】

前記少なくとも１つの機能性は、自動運転機能性又は自動ステアリング機能性のうちの少なくとも１つに対応する、請求項８８に記載のシステム。

【請求項91】

前記少なくとも１つの機能性は、前記車両に関連付けられた電子デバイスによって提示される電子コンテンツに対応する、請求項８８に記載のシステム。

【請求項92】

前記命令は、前記スコアが閾値を満たすときに、前記プロセッサに、前記少なくとも１つの機能性を修正することを更に行わせる、請求項８８に記載のシステム。

【請求項93】

前記少なくとも１つの機能性は、定期的に修正される、請求項８８に記載のシステム。

【請求項94】

前記車両に関連付けられた前記少なくとも１つの機能性はまた、前記車両の特定の運転手にも関連付けられたものである、請求項８８に記載のシステム。

【請求項95】

システムであって、
人工知能モデルと、
前記人工知能モデルと通信するサーバであって、前記サーバは、
車両と通信する少なくとも１つのセンサから、運転手の最新の運転セッションに関連付けられたデータを取り出すことと、
前記最新の運転セッションが衝突に関連付けられる尤度を示すスコアを予測するように、前記最新の運転セッションに関連付けられた前記データを使用して前記人工知能モデルを実行することであって、前記人工知能モデルは、過去の運転手データ及び過去の運転セッションデータに基づいて訓練される、実行することと、
前記スコアに基づいて、前記車両に関連付けられた少なくとも１つの機能性を修正することと、を行うように構成されている、サーバ、を備える、システム。

【請求項96】

少なくとも１つの機能性を修正することは、前記運転手に関連付けられた機能性に対応する、請求項９５に記載のシステム。

【請求項97】

前記少なくとも１つの機能性は、自動運転機能性又は自動ステアリング機能性のうちの少なくとも１つに対応する、請求項９５に記載のシステム。

【請求項98】

前記少なくとも１つの機能性は、前記車両に関連付けられた電子デバイスによって提示される電子コンテンツに対応する、請求項９５に記載のシステム。

【請求項99】

前記サーバは、前記スコアが閾値を満たすときに、前記少なくとも１つの機能性を修正するように更に構成されている、請求項９５に記載のシステム。

【請求項100】

前記少なくとも１つの機能性は、定期的に修正される、請求項９５に記載のシステム。

【請求項101】

前記車両に関連付けられた前記少なくとも１つの機能性はまた、前記車両の特定の運転手にも関連付けられたものである、請求項９５に記載のシステム。

【発明の詳細な説明】

【技術分野】

【0001】

［関連出願の相互参照］
本出願は、２０２１年８月１８日に出願された米国仮特許出願第６３／２３４，６２５号に対する優先権を主張し、それは、あらゆる目的のために、その全体が参照により本明細書に組み込まれる。

【0002】

本開示は、概して、車両センサから受信したデータを分析するための、人工知能ベースのモデリング技術に関する。

【背景技術】

【0003】

運転手の衝突のリスクを識別するための現在のアプローチは、受け身的な推測と確認のアプローチに依存する。衝突に寄与する可能性のある非常に多くのパラメータ及び属性を考慮すると、従来の方法は、一般的に、信頼性が低く、かつ静的である。いくつかの従来の方法は、運転手の年齢及び運転記録を使用して、衝突のリスクを計算し、それは、最終的には、各運転手の保険掛金を示すものである。しかしながら、そのようなアプローチは、各運転手の固有の行動及び運転癖に左右されるものではない。その結果、従来のアプローチでは、運転手のためのカスタマイズされた保険掛金が提供されない。更に、いくつかの従来の方法はまた、衝突又は他の危険な行動（例えば、走行中の違反）の証拠などの運転事象データを使用して、運転手の保険掛金を調整することもできる。したがって、従来の方法は、過去の行動に基づいて、遡及的に調整される場合が多い。

【0004】

いくつかの従来のソフトウェア解決策が、運転手の固有のデータを分析することによって、上記の識別された欠点を改善しようと試みている。しかしながら、これらの解決策は、運転手の過去の行動に焦点を当てており、静的なデータ（例えば、年齢及び運転履歴など）に依存している。更に、運転手特性（例えば、携帯電話を見ている運転手）及び車両特性（例えば、車両の速度）の非常に多数の順列を考慮すると、そのような限定されたデータに依存するこれらの解決策は、新しいシナリオにおけるリスクを理解することに適応することができない可能性がある。更に、車中診断などの、車両特性を収集する解決策は、運転手の行動、運転手と車両との相互作用、及び車両の内外の環境に関する情報など、ある事象に関する情報を適切にキャプチャしない限定されたデータのセットを受け取る。

【発明の概要】

【0005】

前述の理由から、運転手毎にカスタマイズされた衝突のリスクを予測することができるシステムが求められている。具体的には、訓練された人工知能（ＡＩ）モデルが、運転手、車両、及び環境に基づいて、運転手の衝突のリスクを予測することができる。ＡＩモデルは、この衝突のリスクを表すスコアを提供することができ、本システムは、乗車毎にこのスコアを更新し続けることができる。本システムは、衝突のリスクを表すこのスコアを運転手に提供して、スコアの変化についての背景にある根拠を表示することができ、それによって、運転手が修復行動及び是正処置を取ることが可能になり得る。

【0006】

一実施形態では、方法は、プロセッサによって、運転セッションのセットに関連付けられたデータを取り出すことと、プロセッサによって、訓練データセットを、プロセッサによって、第１の事象を含んだ少なくとも１つの運転セッションに対応するデータの第１のサブセットにラベル付けすることと、プロセッサによって、エアバッグ作動の指示を含んだ少なくとも１つの運転セッションに対応するデータの第２のサブセットにラベル付けすること、によって生成することと、プロセッサによって、訓練データセットを使用して人工知能モデルを訓練することであって、訓練することにより、訓練された人工知能モデルは、新しい運転手に関連付けられた新しい運転セッションが、少なくとも第１の事象又はエアバッグ作動に関連付けられる尤度を示すスコアを予測するように構成される、訓練することと、を含む。

【0007】

第１の事象は、保険請求に対応することができる。

【0008】

データは、各運転セッションに関連付けられた車両のセットのセンサのセットから受信され得る。

【0009】

センサのセット内の少なくとも１つのセンサが、前方衝突警告、ブレーキ事象、自動運転失格、自動ステアリング失格、又は車線逸脱に関連付けられたデータを収集するように構成され得る。

【0010】

方法は、プロセッサによって、スコアを受信し、かつ保険料率を生成するように構成されたソフトウェアアプリケーションに、スコアを送信することを更に含むことができる。

【0011】

方法は、プロセッサによって、電子デバイス上に表示されるスコアを提示することを更に含むことができる。

【0012】

電子デバイスは、新しい運転セッションに対応する車両に関連付けられ得る。

【0013】

方法は、プロセッサによって、少なくとも１つのセンサへの修正を識別することを更に含むことができる。

【0014】

スコアは、新しい運転セッションに関連付けられた新しい運転手の少なくとも１つの属性に基づいて計算され得る。

【0015】

運転セッションのセットは、所定の運転サイクルに属することができ、プロセッサが、運転セッションに関連付けられた車両がネットワーク接続性を有さないと判定するときに、プロセッサは、運転セッションのセットから運転セッションを除外する。

【0016】

別の実施形態では、システムは、非一時的命令を含むコンピュータ可読媒体であって、非一時的命令は、実行されるときに、プロセッサに、運転セッションのセットに関連付けられたデータを取り出すことと、訓練データセットを、第１の事象を含んだ少なくとも１つの運転セッションに対応するデータの第１のサブセットにラベル付けすること、エアバッグ作動の指示を含んだ少なくとも１つの運転セッションに対応するデータの第２のサブセットにラベル付けすることによって生成することと、訓練データセットを使用して人工知能モデルを訓練することであって、訓練することにより、訓練された人工知能モデルは、新しい運転手に関連付けられた新しい運転セッションが少なくとも第１の事象又はエアバッグ作動に関連付けられる尤度を示すスコアを予測するように構成される、訓練することと、を行わせる、コンピュータ可読媒体、を備える。

【0017】

第１の事象は、保険請求に対応することができる。

【0018】

データは、各運転セッションに関連付けられた車両のセットのセンサのセットから受信され得る。

【0019】

センサのセット内の少なくとも１つのセンサが、前方衝突警告、ブレーキ事象、自動運転失格、自動ステアリング失格、又は車線逸脱に関連付けられたデータを収集するように構成され得る。

【0020】

命令は、プロセッサに、スコアを受信し、かつ保険料率を生成するように構成されたソフトウェアアプリケーションにスコアを送信させることを更に行わせることができる。

【0021】

命令は、プロセッサに、電子デバイス上に表示されるスコアを提示させることを更に行わせることができる。

【0022】

電子デバイスは、新しい運転セッションに対応する車両に関連付けられ得る。

【0023】

別の実施形態では、システムは、人工知能モデルと、人工知能モデルと通信するサーバであって、サーバは、運転セッションのセットに関連付けられたデータを取り出すことと、第１の事象を含んだ少なくとも１つの運転セッションに対応するデータの第１のサブセットにラベル付けすることによって、訓練データセットを生成することと、エアバッグ作動の指示を含んだ少なくとも１つの運転セッションに対応するデータの第２のサブセットにラベル付けすることと、訓練データセットを使用して人工知能モデルを訓練することであって、訓練することにより、訓練された人工知能モデルは、新しい運転手に関連付けられた新しい運転セッションが少なくとも第１の事象又はエアバッグ作動に関連付けられる尤度を示すスコアを予測するように構成される、訓練することと、を行うように構成されている、サーバと、を備える。

【0024】

第１の事象は、保険請求に対応することができる。

【0025】

データは、各運転セッションに関連付けられた車両のセットのセンサのセットから受信され得る。

【0026】

別の実施形態では、方法は、プロセッサによって、車両と通信する少なくとも１つのセンサから、運転手の最新の運転セッションに関連付けられたデータを取り出すことと、プロセッサによって、最新の運転セッションが衝突に関連付けられる第１の尤度を示す第１のスコアを予測するように、最新の運転セッションに関連付けられたデータを使用して人工知能モデルを実行することであって、人工知能モデルは、過去の運転手データ及び過去の運転セッションデータに基づいて訓練される、実行することと、プロセッサによって、人工知能モデルによって予測された第１のスコアを、人工知能モデルによって以前に予測された第２のスコアと比較することであって、第２のスコアは、運転手の過去の運転セッションデータに基づく、車両が衝突に関与する第２の尤度を示す、比較することと、第１のスコアが第２のスコアとは異なる場合、プロセッサによって、第１のスコアを受信し、かつ最新の運転セッションが衝突に関連付けられる第１の尤度に対応する保険価額を生成するように構成されたコンピュータモデルに、第１のスコアを送信することと、を含む。

【0027】

方法は、プロセッサによって、車両に関連付けられた電子デバイス上に、第１のスコア又は保険価額を、表示のために提示することを更に含むことができる。

【0028】

電子デバイスは、車両の表示システム、又は最新の運転セッションの運転手に関連付けられたモバイルデバイスのうちの少なくとも１つであり得る。

【0029】

プロセッサは、最新の運転セッションが終了した後の規定の時間内に第１のスコアを表示することができる。

【0030】

第１のスコアは、最新の運転セッションに関連付けられた運転手の少なくとも１つの属性に基づいて計算され得る。

【0031】

本方法は、プロセッサによって、運転手に関連付けられた少なくとも１つの特徴を無効にすることを更に含むことができる。

【0032】

別の実施形態では、システムは、非一時的命令を含むコンピュータ可読媒体であって、非一時的命令は、実行されるときに、プロセッサに、車両と通信する少なくとも１つのセンサから、運転手の最新の運転セッションに関連付けられたデータを取り出すことと、最新の運転セッションが衝突に関連付けられる第１の尤度を示す第１のスコアを予測するように、最新の運転セッションに関連付けられたデータを使用して人工知能モデルを実行することであって、人工知能モデルは、過去の運転手データ及び過去の運転セッションデータに基づいて訓練される、実行することと、人工知能モデルによって予測された第１のスコアを、人工知能モデルによって以前に予測された第２のスコアと比較することであって、第２のスコアは、運転手の過去の運転セッションデータに基づく、車両が衝突に関与する第２の尤度を示す、比較することと、第１のスコアが第２のスコアとは異なる場合、第１のスコアを受信し、かつ最新の運転セッションが衝突に関連付けられる第１の尤度に対応する保険価額を生成するように構成されたコンピュータモデルに、第１のスコアを送信することと、を行わせる、コンピュータ可読媒体、を備える。

【0033】

命令は、プロセッサに、車両に関連付けられた電子デバイス上に、第１のスコア又は保険価額を、表示のために提示することを更に行わせることができる。

【0034】

電子デバイスは、車両の表示システム、又は最新の運転セッションの運転手に関連付けられたモバイルデバイスのうちの少なくとも１つであり得る。

【0035】

プロセッサは、最新の運転セッションが終了した後の規定の時間内に第１のスコアを表示することができる。

【0036】

第１のスコアは、最新の運転セッションに関連付けられた運転手の少なくとも１つの属性に基づいて計算され得る。

【0037】

命令は、プロセッサに、運転手に関連付けられた少なくとも１つの特徴を無効にすることを更に行わせることができる。

【0038】

別の実施形態では、システムは、人工知能モデルと、人工知能モデルと通信するサーバであって、サーバは、車両と通信する少なくとも１つのセンサから、運転手の最新の運転セッションに関連付けられたデータを取り出すことと、最新の運転セッションが衝突に関連付けられる第１の尤度を示す第１のスコアを予測するように、最新の運転セッションに関連付けられたデータを使用して、人工知能モデルを実行することであって、人工知能モデルは、過去の運転手データ及び過去の運転セッションデータに基づいて訓練される、実行することと、人工知能モデルによって予測された第１のスコアを、人工知能モデルによって以前に予測された第２のスコアと比較することであって、第２のスコアは、運転手の過去の運転セッションデータに基づく、車両が衝突に関与する第２の尤度を示す、比較することと、第１のスコアが第２のスコアとは異なる場合、第１のスコアを受信し、かつ最新の運転セッションが衝突に関連付けられる第１の尤度に対応する保険価額を生成するように構成されたコンピュータモデルに、第１のスコアを送信することと、を行うように構成されている、サーバと、を備える。

【0039】

サーバは、車両に関連付けられた電子デバイス上に、第１のスコア又は保険価額を、表示のために提示するように更に構成され得る。

【0040】

電子デバイスは、車両の表示システム、又は最新の運転セッションの運転手に関連付けられたモバイルデバイスのうちの少なくとも１つであり得る。

【0041】

サーバは、最新の運転セッションが終了した後の規定の時間内に第１のスコアを表示することができる。

【0042】

第１のスコアは、最新の運転セッションに関連付けられた運転手の少なくとも１つの属性に基づいて計算され得る。

【0043】

サーバは、運転手に関連付けられた少なくとも１つの特徴を無効にするように更に構成され得る。

【0044】

別の実施形態では、方法は、プロセッサによって、車両の少なくとも１つの運転属性を監視するように構成された少なくとも１つのセンサ、及び車両と通信する少なくとも１つのカメラから、運転セッションの運転セッションデータを取り出すことと、プロセッサによって、運転セッションが事象に関連付けられる尤度を示すスコアを予測するように、以前の運転手データ及び以前の運転セッションデータに基づいて訓練された人工知能モデルを実行することと、プロセッサによって、車両と通信する電子デバイス上に、スコア、及び事象の尤度に関連付けられたデータのインジケータを、表示のために提示することと、を含む。

【0045】

電子デバイスは、車両の表示システム、又は運転セッションの運転手に関連付けられたモバイルデバイスであり得る。

【0046】

事象は、衝突であり得る。

【0047】

事象は、エアバッグ作動、又はセンサが衝撃を識別することであり得る。

【0048】

事象の尤度に関連付けられたデータのインジケータは、少なくとも１つのカメラによってキャプチャされた画像又はビデオであり得る。

【0049】

方法は、プロセッサによって、車両と通信する電子デバイス上に、事象の尤度に関連付けられたデータのタイムスタンプを、表示のために提示すること、を更に含むことができる。

【0050】

事象の尤度に関連付けられたデータのインジケータは、運転セッションの運転手によって実施された行動に関連付けられたマップであり得る。

【0051】

事象の尤度に関連付けられたデータのインジケータは、運転セッションの時間表であり得る。

【0052】

時間表は、スコアに影響を及ぼした少なくとも１つの運転手行動についてのインジケータを含むことができる。

【0053】

少なくとも１つの運転手行動は、急ブレーキ、危険な追従、又は攻撃的な運転であり得る。

【0054】

人工知能モデルの実行、及びスコアの提示は、運転セッション中にリアルタイムで実施され得る。

【0055】

方法は、プロセッサによって、電子デバイスに関連付けられた暗号鍵を使用して、スコア、及び事象の尤度に関連付けられたデータのインジケータを暗号化することを更に含むことができる。

【0056】

少なくとも１つのカメラは、運転セッションの運転手を監視するように構成され得る。

【0057】

事象の尤度に関連付けられたデータのインジケータは、運転手の画像に対応することができる。

【0058】

別の実施形態では、システムは、非一時的命令を含むコンピュータ可読媒体であって、非一時的命令は、実行されるときに、プロセッサに、車両の少なくとも１つの運転属性を監視するように構成された少なくとも１つのセンサ、及び車両と通信する１つのカメラから、運転セッションの運転セッションデータを取り出すことと、運転セッションが事象に関連付けられる尤度を示すスコアを予測するように、以前の運転手データ及び以前の運転セッションデータに基づいて訓練された人工知能モデルを実行することと、車両と通信する電子デバイス上に、スコア、及び事象の尤度に関連付けられたデータのインジケータを、表示のために提示することと、を行わせる、コンピュータ可読媒体、を備える。

【0059】

電子デバイスは、車両の表示システム、又は運転セッションの運転手に関連付けられたモバイルデバイスであり得る。

【0060】

事象は、衝突であり得る。

【0061】

事象は、エアバッグ作動、又はセンサが衝撃を識別することであり得る。

【0062】

事象の尤度に関連付けられたデータのインジケータは、少なくとも１つのカメラによってキャプチャされた画像又はビデオであり得る。

【0063】

命令は、プロセッサに、車両と通信する電子デバイス上に、事象の尤度に関連付けられたデータのタイムスタンプを、表示のために提示することを更に行わせることができる。

【0064】

事象の尤度に関連付けられたデータのインジケータは、運転セッションの運転手によって実施された行動に関連付けられたマップであり得る。

【0065】

事象の尤度に関連付けられたデータのインジケータは、運転セッションの時間表であり得る。

【0066】

時間表は、スコアに影響を及ぼした少なくとも１つの運転手行動についてのインジケータを含むことができる。

【0067】

少なくとも１つの運転手行動は、急ブレーキ、危険な追従、又は攻撃的な運転であり得る。

【0068】

人工知能モデルの実行、及びスコアの提示は、運転セッション中にリアルタイムで実施され得る。

【0069】

命令は、プロセッサに、電子デバイスに関連付けられた暗号鍵を使用して、スコア、及び事象の尤度に関連付けられたデータのインジケータを暗号化することを更に行わせることができる。

【0070】

少なくとも１つのカメラは、運転セッションの運転手を監視するように構成され得る。

【0071】

事象の尤度に関連付けられたデータのインジケータは、運転手の画像に対応することができる。

【0072】

別の実施形態では、システムは、人工知能モデルと、人工知能モデルと通信するサーバであって、サーバは、車両の少なくとも１つの運転属性を監視するように構成された少なくとも１つのセンサ、及び車両と通信する１つのカメラから、運転セッションの運転セッションデータを取り出すことと、運転セッションが事象に関連付けられる尤度を示すスコアを予測するように、以前の運転手データ及び以前の運転セッションデータに基づいて訓練された人工知能モデルを実行することと、車両と通信する電子デバイス上に、スコア、及び事象の尤度に関連付けられたデータのインジケータを、表示のために提示することと、を行うように構成されている、サーバと、を備える。

【0073】

電子デバイスは、車両の表示システム、又は運転セッションの運転手に関連付けられたモバイルデバイスであり得る。

【0074】

事象は、衝突であり得る。

【0075】

事象は、エアバッグ作動、又はセンサが衝撃を識別することであり得る。

【0076】

事象の尤度に関連付けられたデータのインジケータは、少なくとも１つのカメラによってキャプチャされた画像又はビデオであり得る。

【0077】

サーバは、車両と通信する電子デバイス上に、事象の尤度に関連付けられたデータのタイムスタンプを、表示のために提示するように更に構成され得る。

【0078】

事象の尤度に関連付けられたデータのインジケータは、運転セッションの運転手によって実施された行動に関連付けられたマップであり得る。

【0079】

事象の尤度に関連付けられたデータのインジケータは、運転セッションの時間表であり得る。

【0080】

時間表は、スコアに影響を及ぼした少なくとも１つの運転手行動についてのインジケータを含むことができる。

【0081】

少なくとも１つの運転手行動は、急ブレーキ、危険な追従、又は攻撃的な運転であり得る。

【0082】

人工知能モデルの実行、及びスコアの提示は、運転セッション中にリアルタイムで実施され得る。

【0083】

サーバは、電子デバイスに関連付けられた暗号鍵を使用して、スコア、及び事象の尤度に関連付けられたデータのインジケータを暗号化するように更に構成され得る。

【0084】

少なくとも１つのカメラは、運転セッションの運転手を監視するように構成され得る。

【0085】

事象の尤度に関連付けられたデータのインジケータは、運転手の画像に対応することができる。

【0086】

別の実施形態では、方法は、プロセッサによって、車両と通信する少なくとも１つのセンサから、運転手の最新の運転セッションに関連付けられたデータを取り出すことと、プロセッサによって、最新の運転セッションが衝突に関連付けられる尤度を示すスコアを予測するように、最新の運転セッションに関連付けられたデータを使用して人工知能モデルを実行することであって、人工知能モデルは、過去の運転手データ及び過去の運転セッションデータに基づいて訓練される、実行することと、プロセッサによって、スコアに基づいて、車両に関連付けられた少なくとも１つの機能性を修正することと、を含む。

【0087】

少なくとも１つの機能性を修正することは、運転手に関連付けられた機能性に対応することができる。

【0088】

少なくとも１つの機能性は、自動運転機能性又は自動ステアリング機能性のうちの少なくとも１つに対応することができる。

【0089】

少なくとも１つの機能性は、車両に関連付けられた電子デバイスによって提示される電子コンテンツに対応することができる。

【0090】

プロセッサは、スコアが閾値を満たすときに、少なくとも１つの機能性を修正することができる。

【0091】

少なくとも１つの機能性は、定期的に修正され得る。

【0092】

車両に関連付けられ得る少なくとも１つの機能性はまた、車両の特定の運転手にも関連付けられたものであり得る。

【0093】

別の実施形態では、システムは、非一時的命令を含むコンピュータ可読媒体であって、非一時的命令は、実行されるときに、プロセッサに、車両と通信する少なくとも１つのセンサから、運転手の最新の運転セッションに関連付けられたデータを取り出すことと、最新の運転セッションが衝突に関連付けられる尤度を示すスコアを予測するように、最新の運転セッションに関連付けられたデータを使用して人工知能モデルを実行することであって、人工知能モデルは、過去の運転手データ及び過去の運転セッションデータに基づいて訓練される、実行することと、スコアに基づいて、車両に関連付けられた少なくとも１つの機能性を修正することと、を行わせる、コンピュータ可読媒体、を備える。

【0094】

少なくとも１つの機能性を修正することは、運転手に関連付けられた機能性に対応することができる。

【0095】

少なくとも１つの機能性は、自動運転機能性又は自動ステアリング機能性のうちの少なくとも１つに対応することができる。

【0096】

少なくとも１つの機能性は、車両に関連付けられた電子デバイスによって提示される電子コンテンツに対応することができる。

【0097】

命令は、スコアが閾値を満たすときに、プロセッサに、少なくとも１つの機能性を修正することを更に行わせることができる。

【0098】

少なくとも１つの機能性は、定期的に修正され得る。

【0099】

車両に関連付けられた少なくとも１つの機能性はまた、車両の特定の運転手にも関連付けられたものであり得る。

【0100】

別の実施形態では、システムは、人工知能モデルと、人工知能モデルと通信するサーバであって、サーバは、車両と通信する少なくとも１つのセンサから、運転手の最新の運転セッションに関連付けられたデータを取り出すことと、最新の運転セッションが衝突に関連付けられる尤度を示すスコアを予測するように、最新の運転セッションに関連付けられたデータを使用して人工知能モデルを実行することであって、人工知能モデルは、過去の運転手データ及び過去の運転セッションデータに基づいて訓練される、実行することと、スコアに基づいて、車両に関連付けられた少なくとも１つの機能性を修正することと、を行うように構成されている、サーバと、を備える。

【0101】

少なくとも１つの機能性を修正することは、運転手に関連付けられた機能性に対応することができる。

【0102】

少なくとも１つの機能性は、自動運転機能性又は自動ステアリング機能性のうちの少なくとも１つに対応することができる。

【0103】

少なくとも１つの機能性は、車両に関連付けられた電子デバイスによって提示される電子コンテンツに対応することができる。

【0104】

サーバは、スコアが閾値を満たすときに、少なくとも１つの機能性を修正するように更に構成され得る。

【0105】

少なくとも１つの機能性は、定期的に修正され得る。

【0106】

車両に関連付けられた少なくとも１つの機能性はまた、車両の特定の運転手にも関連付けられたものであり得る。

【0107】

本開示の非限定的な実施形態は、添付の図を参照して例として説明されるが、これらは概略的なものであり、縮尺通りに描かれることを意図していない。背景技術を表すものとして示されない限り、図は、本開示の態様を表す。

【図面の簡単な説明】

【0108】

【図1A】一実施形態による、ＡＩ対応車両センサデータ分析システムのコンポーネントを例解する。

【0109】

【図1B】一実施形態による車両のコンポーネントを例解する。

【0110】

【図1C】一実施形態による車両のコンポーネントを例解する。

【0111】

【図2】一実施形態による、ＡＩ対応車両センサデータ分析システムにおいて実行されるプロセスのフロー図を例解する。

【0112】

【図3】一実施形態による、ＡＩモデルを訓練するためのプロセスのフロー図を例解する。

【0113】

【図4A】異なる実施形態による、１つ以上のデータソースから取り出された運転データのためのモデル特徴前処理を例解する。

【図4B】異なる実施形態による、１つ以上のデータソースから取り出された運転データのためのモデル特徴前処理を例解する。

【0114】

【図5】一実施形態による、ＡＩ対応車両センサデータ分析システムにおける訓練されたＡＩモデルによって分析された要因を例解する。

【0115】

【図6】一実施形態による、ＡＩ対応車両センサデータ分析システムにおいて実行されるプロセスのフロー図を例解する。

【0116】

【図7】一実施形態による、ＡＩ対応車両センサデータ分析システムにおいて実行されるプロセスのフロー図を例解する。

【0117】

【図8A】異なる実施形態による、ＡＩ対応車両センサデータ分析システムによって提示されたグラフィカルユーザインターフェースを例解する。

【図8B】異なる実施形態による、ＡＩ対応車両センサデータ分析システムによって提示されたグラフィカルユーザインターフェースを例解する。

【図9A】異なる実施形態による、ＡＩ対応車両センサデータ分析システムによって提示されたグラフィカルユーザインターフェースを例解する。

【図9B】異なる実施形態による、ＡＩ対応車両センサデータ分析システムによって提示されたグラフィカルユーザインターフェースを例解する。

【図10】異なる実施形態による、ＡＩ対応車両センサデータ分析システムによって提示されたグラフィカルユーザインターフェースを例解する。

【0118】

【図11】一実施形態による運転サイクルを例解する。

【0119】

【図12】一実施形態による、運転セッションのための事象の時間表を例解する。

【0120】

【図13】一実施形態による、ＡＩ対応車両センサデータ分析システムにおいて実行されるプロセスのフロー図を例解する。

【発明を実施するための形態】

【0121】

次に、描画された例示的な実施形態を参照し、ここでは、特定の言語を使用して同じことを説明する。それでも、特許請求の範囲又は本開示の範囲の限定は、それによって意図されないことが理解されるであろう。本明細書に例解される本発明の特徴の変更及び更なる修正、並びに関連技術の当業者であり、本開示を保有する当業者が思いつくであろう、本明細書に例解される主題の原理の追加の適用は、本明細書に開示される主題の範囲内で考慮されるべきである。本開示の趣旨又は範囲から逸脱することなく、他の実施形態が使用され得、及び／又は他の変更が行われ得る。詳細な説明に記載される例示的な実施形態は、本明細書に提示される主題を限定することを意味するものではない。

【0122】

本明細書に記載のシステム及び方法を実装することによって、システムは、推測と確認のアプローチを使用する必要性を排除することによって、前述の技術的課題及び欠陥を解決することができる。代わりに、本明細書に記載のシステム及び方法は、車両のセンサから受信した（運転手データと共に集約された）データを使用することができ、それに従って、ＡＩモデルを訓練することができる。システムは、運転セッションの衝突（又は保険請求につながる他の事象）のリスクを予測することができる訓練されたＡＩモデルを使用することができる。衝突のリスクは、車両が運転セッションに関与するたびに（例えば、運転手が乗車するたびに）、車両センサから受信したデータに基づいて改訂され得る。その結果、衝突の全体的なリスクは、最新の運転手及び／又は車両データに基づいて、リアルタイム（又はほぼリアルタイム）で動的に調整され得る。図１Ａは、分析サーバが動作するシステムのコンポーネントの非限定的な例である。

【0123】

図１Ａは、ＡＩ対応車両センサデータ分析システム１００のコンポーネントを例解している。システム１００は、分析サーバ１１０ａ、システムデータベース１１０ｂ、電子データソース１２０ａ－ｃ（総称して、電子データソース１２０）、車両１４０、車両コンピューティングデバイス１４１、エンドユーザデバイス１５０、管理者コンピューティングデバイス１６０、車両１７０、及び第三者サーバ１８０を含むことができる。上述したコンポーネントは、ネットワーク１３０を介して接続することができる。ネットワーク１３０の例としては、プライベート又はパブリックＬＡＮ、ＷＬＡＮ、ＭＡＮ、ＷＡＮ、及びインターネットが挙げられ得るが、これらに限定されない。ネットワーク１３０は、１つ以上の標準規格に従って、かつ／又は１つ以上の輸送媒体を介して、有線通信及び／又は無線通信を含むことができる。

【0124】

ネットワーク１３０を介した通信は、伝送制御プロトコル及びインターネットプロトコル（ＴＣＰ／ＩＰ）、ユーザデータグラムプロトコル（ＵＤＰ）、及びＩＥＥＥ通信プロトコルなどの様々な通信プロトコルに従って実施することができる。一例では、ネットワーク１３０は、Ｂｌｕｅｔｏｏｔｈ仕様セット又は別の標準的若しくは独自の無線通信プロトコルに従う無線通信を含むことができる。別の例では、ネットワーク１３０はまた、例えば、ＧＳＭ（Ｇｌｏｂａｌ Ｓｙｓｔｅｍ ｆｏｒ Ｍｏｂｉｌｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、ＣＤＭＡ（Ｃｏｄｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ）、又はＥＤＧＥ（Ｅｎｈａｎｃｅｄ Ｄａｔａ ｆｏｒ Ｇｌｏｂａｌ Ｅｖｏｌｕｔｉｏｎ）ネットワークを含むセルラーネットワークを介した通信を含むこともできる。

【0125】

システム１００は、本明細書に記載されたコンポーネントに限定されず、簡略のために示されてはいないが、本明細書に記載された実施形態の範囲内とみなされ得る追加の又は他のコンポーネントを含んでもよい。

【0126】

分析サーバ１１０ａは、様々なコンピュータモデル（ＡＩモデル（複数可）１１０ｃなどのＡＩ及び／又は機械学習モデルを含む）を訓練及び／又は使用して運転及び車両データ（例えば、訓練データセット）を使用し、衝突又は任意の他の所定の事象（例えば、エアバッグ作動）の尤度を示す、運転手のためのスコアを予測するように構成された電子プラットフォームを生成及び表示することができる。図１Ａにおいて、ＡＩモデル（複数可）１１０ｃは、分析サーバ１１０ａのコンポーネントとして例解されているが、ＡＩモデル（複数可）１１０ｃは、別個のコンポーネントに格納されてもよい。電子プラットフォームは、電子データソース１２０、エンドユーザデバイス１５０、車両コンピューティングデバイス１４１、及び／又は管理者コンピューティングデバイス１６０上に表示されるグラフィカルユーザインターフェース（ＧＵＩ）を含むことができる。分析サーバ１１０ａによって生成され、かつホストとして働く電子プラットフォームの例としては、モバイル及びウェアラブルデバイス、タブレット、パーソナルコンピュータなどの異なる電子デバイス上に表示されるように構成されたウェブベースのアプリケーション又はウェブサイトが挙げられ得る。

【0127】

運転手のスコアは、運転手、車両、及び環境に基づいて、衝突の尤度を表すことができる。一例では、スコアは、０～１の範囲であり得る。別の例では、スコアは、１～１００又は０～１００の範囲であり得る。別の例では、スコアは、Ａ、Ｂ、Ｃ、Ｄ、又はＦなどの文字等級であり得る。スコアは、リスククラスに関連付けることができ、したがって、スコアのサブ範囲は、高リスククラスを表すことができ、別のスコアのサブ範囲は、低リスククラスを表すことができる。リスククラスを使用して、それに応じて、保険掛金を調整することができる。本明細書に説明されるように、スコアは、各運転セッション後に、又はある期間の後に、更新することができる。一構成では、スコアは、表示のために提示され、運転セッション中に動的に変化する場合がある。

【0128】

分析サーバ１１０ａは、本明細書に記載された電子デバイスのいずれかを動作させるユーザ（例えば、エンドユーザ）にアクセス可能なウェブサイトのホストとして働くことができ、そこでは、様々なウェブページを介して提示されるコンテンツは、各特定のユーザの役割及び／又は閲覧許可に基づいて管理され得る。分析サーバ１１０ａは、本明細書に記載された様々なタスク及びプロセスを実行することが可能なプロセッサ及び非一時的機械可読記憶装置を含む任意のコンピューティングデバイスであってもよい。そのようなコンピューティングデバイスの非限定的な例としては、ワークステーションコンピュータ、ラップトップコンピュータ、サーバコンピュータ、などが挙げられ得る。システム１００は、単一の分析サーバ１１０ａを含むが、システム１００は、クラウド環境などの分散コンピューティング環境において動作する任意の数のコンピューティングデバイスを含んでもよい。

【0129】

分析サーバ１１０ａは、電子プラットフォームを表示するように構成されたソフトウェアアプリケーションを実行する（例えば、ウェブサイトのホストとして働く）ことができ、これは、様々なウェブページを各電子データソース１２０及び／又はエンドユーザデバイス１５０に生成及び提供することができる。異なるユーザがウェブサイトを使用して、ＡＩモデル（複数可）１１０ｃから予測された結果を閲覧及び／又は対話することができる。

【0130】

分析サーバ１１０ａは、ユーザ認証資格情報（例えば、ユーザ名、パスワード、生体認証、暗号証明書など）のセットに基づいて、ユーザ認証を要求するように構成することができる。分析サーバ１１０ａは、ユーザ資格情報を格納するように構成されたシステムデータベース１１０ｂにアクセスすることができ、その分析サーバ１１０ａは、参照されて、入力された資格情報のセット（ユーザを認証すると称される）が、ユーザを識別及び認証する適切な資格情報のセットと一致するかどうかを判定するように構成することができる。

【0131】

分析サーバ１１０ａは、システム１００内の特定のユーザの役割に基づいて、ウェブページを生成し、ホストとして働くことができる。そのような実施態様では、ユーザの役割は、システムデータベース１１０ｂに格納されたユーザ記録のデータフィールド及び入力フィールドによって規定することができる。分析サーバ１１０ａは、ユーザを認証することができ、アクセスディレクトリプロトコル（例えば、ＬＤＡＰ）を実行することによって、ユーザの役割を識別することができる。分析サーバ１１０ａは、システムデータベース１１０ｂ内のユーザ記録によって規定されたユーザの役割に応じてカスタマイズされているウェブページコンテンツを生成することができる。

【0132】

電子データソース１２０は、以前の（又は現在の）運転セッションに関連付けられたデータを含み、取り出し、かつ／又は入力する様々な電子データソースを表すことができる。電子データソース１２０は、車両１７０によって提供されるデータを収集するサーバ１２０ｃを含むことができる。サーバ及びデータベースとして描画されるが、このコンポーネントは、サーバ、データベース、データベースに通信可能に結合されたサーバ、データベースを組み込むサーバなどを表すことが意図されている。例えば、分析サーバ１１０ａは、ＡＩモデル（複数可）１１０ｃによって使用されるサーバ１２０ｃから運転セッション及び／又は運転手データを取得することができる。コンピュータ１２０ａ又は技師デバイス１２０ｂは、入力デバイスとして使用されて、観察報告、視覚データ、試験、診断などを含む追加のデータをサーバ１２０ｃに格納することができる。電子データソース１２０によって収集及び集約されたデータは、運転手属性（例えば、運転手の年齢、性別、人口統計データ、及び運転記録）、並びに運転手毎の対応する運転セッションデータ（例えば、各運転手によって運転される車両の遠隔計測センサを使用して収集されたデータ）を含むことができる。

【0133】

サーバ１２０ｃは、車両１７０に通信可能に結合され、連続的又は定期的を基本にして、車両１７０からデータを受信するように構成することができる。電子データソースは、車両１７０を積極的に監視し、運転セッションデータを集約し、かつ運転手行動データを集約することができる。図１Ｂに示すように、各車両１７０は、運転手行動データ、及び各運転セッションに関連付けられた他のデータを収集及び送信するように構成されたセンサを含むことができる。各車両１７０は、これらのセンサのうちの１つ以上を含むことができ、それらのデータを電子データソース１２０内のデータリポジトリのうちの１つ以上に送信することができる。例えば、サーバ１２０ｃは、アプリケーションプログラミングインターフェースを使用して、各車両１７０からデータを収集及び集約し、並びにデータを格納することができる。

【0134】

各車両１７０と通信するセンサから取り出された運転セッションデータはまた、それが事象を含んでいたかどうかの指示も含むことができる。本明細書で使用される場合、事象は、運転セッションに関連付けられた任意の所定の行動を指す場合がある。例えば、事象は、衝突の指示（例えば、エアバッグ、又はセンサによって監視される任意の他の衝突インジケータの作動）を指す場合がある。本明細書で使用される場合、運転セッションは、乗車が最終目的地で終了するかどうかにかかわらず、車両が運転されている乗車に対応する。運転セッションは、車両が駐車位置から運転／後退に関与して、閾値距離（例えば、０．５マイル）を超えて移動するときから開始する。運転セッションは、車両が駐車位置に戻ってスイッチを切るときに、及び、いくつかの実施形態では、運転手が車両を去るときに、終了し得る。システム（例えば、分析サーバ１１０ａ又はサーバ１２０ｃ）は、１つ以上のセンサの使用を採用して、運転手が運転手の座席から去ったかどうかを判定することができる。ただし、この規定及び閾値は、管理者コンピューティングデバイス１６０を使用して改訂することができる。

【0135】

車両１７０は、分析サーバ１１０ａによって監視された車両の集合を表して、ＡＩモデル（複数可）１１０ｃを訓練することができる。例えば、各車両１７０の運転手は、分析サーバ１１０ａを認証して、それらのそれぞれの車両に関連付けられたデータを監視することができる。その結果、分析サーバ１１０ａは、本明細書で考察される様々な方法を利用して、（電子データソース１２０を介して）センサデータを収集し、訓練データセットを生成し、それに従って、ＡＩモデル（複数可）１１０ｃを訓練することができる。次いで、分析サーバ１１０ａは、訓練されたＡＩモデル（複数可）１１０ｃを適用して、車両１４０に関連付けられたデータを分析し、車両１４０の運転手のスコアを予測することができる。更に、車両１４０に関連付けられたデータはまた、処理されて、訓練データセットに追加され得、その結果、分析サーバ１１０ａは、それに応じて、ＡＩモデル（複数可）１１０ｃを再較正し、それらの精度を向上させる。したがって、車両１４０はまた、分析サーバ１１０ａによって監視される車両の集合の一部であり、ＡＩモデル（複数可）１１０ｃを訓練することもできる。例解目的のために、図１Ａは、対象車両を車両１４０として描画し、ＡＩモデル（複数可）１１０ｃを訓練及び更新するためのデータのセットに寄与する他の車両を描画している。

【0136】

各車両１７０及び／又は車両１４０のセンサは、異なる運転セッションに関連付けられた収集されたデータを監視し、それらのデータを電子データソース１２０に送信することができる。別の例では、電子データソース１２０は、第三者のデータを含むことができる。例えば、サーバ１２０ｃは、第三者センサ製造業者、保険会社、衝突センタ、及び／又は他の車両製造業者などの第三者から運転手及び／又は運転セッションのデータを取り出すことができる。次いで、分析サーバ１１０ａは、電子データソース１２０内に格納されたデータを使用して、訓練データセットを使用し、本明細書で考察されるＡＩモデル（複数可）１１０ｃを訓練することができる。

【0137】

図１Ｂは、一実施形態による、車両１４０内に統合されたセンサのブロック図を例解している。車両１４０は、車両１７０を含む、図１Ａに描画される車両のいずれかを表し得る。

【0138】

本明細書で考察されるように、車両１４０内に統合された異なるセンサは、車両１４０の各運転セッションに関連付けられた様々なデータを測定するように構成することができる。分析サーバは、これらのセンサによって監視及び収集されるデータを定期的に収集することができ、ここで、そのデータは、本明細書に記載される方法に基づいて処理され、ＡＩモデルを訓練し、かつ／又はＡＩモデルを実行して新しいスコアを識別するために使用される。更に、分析サーバは、各センサによって監視及び収集された様々なデータを分析して、各運転セッションに関連付けられた追加のデータを識別することができる。例えば、分析サーバは、カメラ１４０ｍによって収集されたデータを分析して、運転手が運転セッション中に気を散らされていたかどうかを判定することができる。

【0139】

車両１４０は、ユーザインターフェース１４０ａを含むことができる。このユーザインターフェース１４０ａは、車両コンピューティングデバイス（例えば、図１Ａの車両コンピューティングデバイス１４１）のユーザインターフェースを指す場合がある。ユーザインターフェース１４０ａは、車両の内部と統合されるか、又は車両の内部に結合される表示スクリーン、ヘッドアップディスプレイ、タッチスクリーンなどとして実装することができる。ユーザインターフェース１４０ａは、タッチスクリーン、ノブ、ボタン、キーボード、マウス、ジョイスティック、ジェスチャセンサ、ハンドルなどの入力デバイスを含むことができる。様々な実施形態では、ユーザインターフェース１４０ａは、ユーザ入力を（例えば、あるタイプの信号及び／又はセンサ情報として）、コントローラ１４０ｃなどの、車両１７０の他のデバイス又はセンサ（例えば、図１Ｂに例解されたセンサ）に提供するように適合することができる。

【0140】

車両１４０は、２つの別個のデータストリーム（例えば、データストリーム１４２及びデータストリーム１４３）を介して、分析サーバ１１０ａと通信することができる。車両１４０は、運転手の運転行動、及び車両１４０がどのように操作されたかを示す運転データを、データストリーム１４２を介して送信することができる。車両１４０はまた、データストリーム１４３を使用して、接続性データを送信することもできる。車両１４０は、車両１４０がネットワークに適切に接続されたかどうかを示すデータを送信することができる（例えば、無線通信プロトコル又は有線通信プロトコルを介して）。したがって、データストリーム１４３は、車両１４０がストリーム１４２を分析サーバ１１０ａに機能的に送信することができたかどうかを示す。

【0141】

分析サーバ１１０ａに送信されたデータを２つの別個のデータストリームに分岐することによって、車両１４０は、分析サーバ１１０ａが正しいデータを運転サイクルに集約し、車両１４０の最新の運転サイクルを真に示すデータを分析することを確実にすることができる。本明細書で説明されているように、分析サーバ１１０ａは、車両１４０がネットワークに適切に接続されてデータを送信することができたかどうかに基づいて、運転サイクル内に含まれるデータを動的に改訂することができる。簡略のために、図１Ａは、車両１４０に関連付けられたデータストリームのみを描画している。しかしながら、車両１７０はまた、同様の方法を使用して、各車両１７０がネットワークに適切に接続されて運転データを分析サーバ１１０ａに送信することができたかどうかを示すこともできる。

【0142】

ユーザインターフェース１４０ａはまた、本明細書に記載された様々なプロセス及び／又は方法のいずれかを実装する、ソフトウェア命令などの命令を実行するように適合することができる、１つ以上のロジックデバイスを用いて実装することもできる。例えば、ユーザインターフェース１４０ａは、通信回線を形成し、通信（例えば、センサ信号、制御信号、センサ情報、ユーザ入力、及び／又は他の情報）を送信及び／又は受信し、並びに様々な他のプロセス及び／又は方法を実施するように適合することができる。別の例では、運転手は、ユーザインターフェース１４０ａを使用して、車両１４０の温度を制御するか、又はその特徴（自動運転又はステアリング１４０ｏ）を作動させることができる。したがって、ユーザインターフェース１４０ａは、本明細書で説明された他のセンサと併せて、運転セッションデータを監視及び収集することができる。

【0143】

ユーザインターフェース１４０ａはまた、運転手が車両コンピューティングデバイスとどのように対話するかを監視することもできる。例えば、ユーザインターフェース１４０ａは、運転手がタッチスクリーンとどのくらいの頻度で対話するか、又は運転手が、タッチスクリーン若しくはハンドルの入力要素を介して車両１４０の娯楽報道番組システムを制御する（例えば、音楽の音量を上げる）かどうか監視することができる。

【0144】

配向センサ１４０ｂは、コンパス、浮き、加速度計、及び／又は車両１４０の配向（例えば、重力及び／又は磁北などの１つ以上の基準配向に対するロール、ピッチ、及び／又はヨーの大きさ及び方向）を測定することが可能な他のデジタルデバイス若しくはアナログデバイスのうちの１つ以上として実装することができる。配向センサ１４０ｂは、車両１４０のための進路測定を提供するように適合することができる。他の実施形態では、配向センサ１４０ｂは、時系列の配向測定を使用して、車両１４０にロールレート、ピッチレート、及び／又はヨーレートを提供するように適合することができる。配向センサ１４０ｂは、車両１４０の特定の座標フレームに対して配向測定を行うように位置決め及び／又は適合することができる。

【0145】

コントローラ１４０ｃは、車両１４０の様々な動作を制御するための制御ループを実装するソフトウェア命令などの適切な命令を実行し、格納し、かつ／又は受信するように適合することができる任意の適切なロジックデバイス（例えば、処理デバイス、マイクロコントローラ、プロセッサ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、メモリ記憶デバイス、メモリリーダー、若しくは他のデバイス、又はデバイスの組み合わせ）として実装することができる。そのようなソフトウェア命令はまた、センサ信号を処理し、センサ情報を判定し、ユーザフィードバックを提供し（例えば、ユーザインターフェース１４０ａを介して）、動作可能なパラメータをデバイスに照会し、デバイスの動作パラメータを選択し、又は本明細書に記載された様々な動作のうちのいずれかを実施するための方法を実装することもできる。

【0146】

通信モジュール１４０ｅは、センサデータ、構成データ、パラメータ、及び／若しくは他のデータ、並びに／又は信号を、図１Ａに示された任意の特徴（例えば、分析サーバ１１０ａ及び／又は電子データソース１２０）に伝達するように構成された任意の有線及び／又は無線インターフェースとして実装することができる。本明細書に記載されるように、いくつかの実施形態では、通信モジュール１４０ｅは、通信モジュール１４０ｅの一部が、図１Ｂに示された１つ以上の要素及びセンサ内に実装されるように、分散された様式で実装することができる。いくつかの実施形態では、通信モジュール１４０ｅは、センサデータを伝達することを遅延させることができる。例えば、車両１４０がネットワーク接続性を有さない場合、通信モジュール１４０ｅは、センサデータを一時的データ記憶装置内に格納することができ、車両１４０が適切なネットワーク接続性を有するものと識別されたときに、センサデータを送信することができる。

【0147】

速度センサ１４０ｄは、電子ピトー管、計量式ギア又は車輪、水速センサ、風速センサ（例えば、方向及び大きさ）、並びに／又は（例えば、周辺媒体における、かつ／若しくは車両１４０の長手方向軸に整列された）車両１４０の直線速度を測定若しくは決定し、かつ様々なデバイスと通信することができるセンサ信号としてそのような測定値を提供することが可能な他のデバイスとして実装することができる。

【0148】

ジャイロスコープ／加速度計１４０ｆは、１つ以上の電子六分儀、半導体デバイス、一体化チップ、加速度計センサ、及びシステム、又は車両１４０の角速度／加速度及び／又は直線加速度（例えば、方向及び大きさ）を測定し、かつ分析サーバなどの他のデバイスに伝達することができるセンサ信号としてそのような測定値を提供することが可能である、他のデバイスとして実装することができる。ジャイロスコープ／加速度計１４０ｆは、位置決め及び／又は適合されて、車両１４０の特定の座標フレームに対してそのような測定を行うことができる。様々な実施形態では、ジャイロスコープ／加速度計１４０ｆは、図１Ｂに描画される他の要素と共に共通のハウジング及び／又はモジュール内に実装されて、共通の基準フレーム、又は基準フレーム間の既知の変換を確実にすることができる。

【0149】

地球航法衛星システム（ＧＮＳＳ）１４０ｈは、例えば、宇宙機器搭載ソース及び／又は地上ソースから受信した無線信号に基づいて、車両１４０の絶対位置及び／又は相対位置を決定することが可能である、また様々なデバイスに伝達することができるセンサ信号としてそのような測定値を提供することが可能である、全地球測位システム受信機及び／又は他のデバイスとして実装することができる。いくつかの実施形態では、ＧＮＳＳ１４０ｈは、車両１４０の絶対速度及び／又は角速度のヨー成分など、車両１４０の速度、速さ、及び／又はヨーレートを（例えば、時系列の位置測定値を使用して）決定するように適合することができる。

【0150】

温度センサ１４０ｉは、サーミスタ、電気センサ、電気温度計、及び／又は、車両１４０に関連付けられた温度を測定し、かつそのような測定値をセンサ信号として提供することが可能である他のデバイスとして、実装することができる。温度センサ１４０ｉは、例えば、車両１４０の１つ以上の要素の温度を推定するために使用することができる、コックピット又はダッシュ温度などの車両１４０に関連付けられた環境温度を測定するように構成することができる。

【0151】

湿度センサ１４０ｊは、相対湿度センサ、電気センサ、電気相対湿度センサ、及び／又は、車両１４０に関連付けられた相対湿度を測定し、かつそのような測定値をセンサ信号として提供することが可能である他のデバイスとして、実装することができる。

【0152】

ステアリングセンサ１４０ｇは、コントローラ１４０ｃなどのロジックデバイスによって提供される１つ以上の制御信号及び／又はユーザ入力に応じて、車両１４０の針路を物理的に調整するように適合させることができる。ステアリングセンサ１４０ｇは、１つ以上のアクチュエータ、及び車両１４０の操縦面（例えば、方向舵又は他のタイプのステアリング若しくはトリム機構）を含むことができ、操縦面を様々な正及び／又は負のステアリング角度／位置に物理的に調整するように適合させることができる。ステアリングセンサ１４０ｇはまた、そのようなステアリング機構の現在のステアリング角度／位置を検知して、そのような測定を提供するように適合させることもできる。

【0153】

推進システム１４０ｋは、プロペラ、タービン、若しくは他の推力ベースの推進システム、機械的な車輪で移動する、及び／若しくはレール上を走る推進システム、帆走ベースの推進システム、並びに／又は、車両１４０に原動力を与えるために使用することができる他のタイプの推進システムとして実装することができる。推進システム１４０ｋはまた、車両１４０の座標フレームに対する、車両１４０の原動力及び／又は推力の方向を監視することもできる。いくつかの実施形態では、推進システム１４０ｋは、ステアリングセンサ１４０ｇに結合することができ、かつ／又は統合することができる。

【0154】

乗員拘束センサ１４０１は、座席ベルト検出及びロック／ロック解除アセンブリ、並びに他の同乗者拘束サブシステムを監視することができる。乗員拘束センサ１４０１は、様々な環境センサ及び／若しくは状態センサ、アクチュエータ、並びに／又は、車両１４０の動作に関連付けられた安全機構の動作を確実にする他のデバイスを含むことができる。例えば、乗員拘束センサ１４０１は、図１Ｂに描画される他のセンサから運動データ及び／又は状態データを受信するように構成することができる。乗員拘束センサ１４０１は、安全計測（例えば、座席ベルト）が利用されているかどうかを判定することができる。

【0155】

カメラ１４０ｍは、車両１４０内に統合された１つ以上のカメラを指す場合があり、図１Ｃに描画されるように、車両１４０に統合された（又は追加設置された）複数のカメラを含むことができる。カメラ１４０ｍは、車両１４０の内向きカメラ又は外向きカメラであってもよい。例えば、図１Ｃに描画されるように、車両１４０は、１つ以上の内向きカメラ１４０ｍ－１を含むことができる。これらのカメラは、車両１４０の乗員の映像を監視及び収集することができる。車両１４０はまた、前方視点側面カメラ１４０ｍ－２、カメラ１４０ｍ－３（例えば、ドアフレーム内に統合された）、及び後方視点側面カメラ１４０ｍ－４を含むこともできる。

【0156】

図１Ｂに戻って参照すると、レーダー１４０ｎ及び超音波センサ１４０ｐは、他の車両又は不動物体（例えば、樹木又はガレージドア）などの他の物体までの車両１４０の距離を監視するように構成することができる。レーダー１４０ｎ及び超音波センサ１４０ｐは、図１Ｃに描画されるように、車両１４０に統合することができる。車両１４０はまた、様々なセンサ（例えば、レーダー１４０ｎ、速度センサ１４０ｄ、及び／又は超音波センサ１４０ｐ）を介して収集されたデータを使用して、車両１４０を自律的にナビゲートするように構成された自動運転又はステアリング特徴１４０ｏを含むこともできる。したがって、自動運転又はステアリング１４０ｏは、本明細書に記載された１つ以上のセンサによって収集された様々なデータを分析して、運転データを識別することができる。例えば、自動運転又はステアリング１４０ｏは、車両１４０の速さ、及び道路上の別の車両までのその距離に基づいて、前方衝突のリスクを計算することができる。自動運転又はステアリング１４０ｏはまた、運転手がもはやハンドルに触れていないかどうかを判定することもできる。自動運転又はステアリング１４０ｏは、分析されたデータを、分析サーバなどの本明細書で考察された様々な特徴に送信することができる。

【0157】

エアバッグ作動センサ１４０ｑは、衝突を予期又は検出して、１つ以上のエアバッグの作動又は展開を引き起こすことができる。エアバッグ作動センサ１４０ｑは、展開を引き起こす事象に関連付けられたデータを含む、エアバッグの展開に関するデータを送信することができる。

【0158】

図１Ａに戻って参照すると、エンドユーザデバイス１５０は、本明細書に記載される様々なタスク及びプロセスを実施することができるプロセッサ及び非一時的機械可読記憶媒体を含む、任意のコンピューティングデバイスとすることができる。例えば、本明細書に記載されたＡＩモデル（複数可）１１０ｃは、エンドユーザデバイス１５０によって格納及び実施（又は直接アクセス）され得る。エンドユーザデバイス１５０の非限定的な例としては、ワークステーションコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、及びサーバコンピュータであってもよい。動作中、様々なユーザが、エンドユーザデバイス１５０を使用して、分析サーバ１１０ａによって動作可能に管理されたＧＵＩにアクセスすることができる。

【0159】

動作中、エンドユーザデバイス１５０は、車両１４０の運転手によって操作されるコンピューティングデバイスであり得る。エンドユーザデバイス１５０は、分析サーバ１１０ａと通信するアプリケーション（例えば、モバイルデバイス上のアプリケーション又はブラウザ）を実行することができる。このアプリケーションを使用して、エンドユーザデバイス１５０は、本明細書に記載されたＧＵＩ及び通知を表示することができる。

【0160】

管理者コンピューティングデバイス１６０は、システム管理者によって操作されるコンピューティングデバイスを表すことができる。管理者コンピューティングデバイス１６０は、分析サーバ１１０ａによって取り出されるか又は生成されるデータ（例えば、様々な分析メトリック及びリスクスコア）を表示するように構成することができ、その分析サーバ１１０ａでは、システム管理者は、分析サーバ１１０ａ、電子データソース１２０、及び／又はエンドユーザデバイス１５０によって利用される様々なモデルを監視し、フィードバックを再検討し、かつ／又は分析サーバ１１０ａによって維持されるＡＩモデル（複数可）１１０ｃの訓練を促進することができる。

【0161】

非限定的な例では、管理者コンピューティングデバイス１６０は、分析サーバ１１０ａに命令を与えて、機械学習モデル（複数可）１１０ｃを訓練し、スコアを予測することができる。そうするために、管理者コンピューティングデバイス１６０は、衝突又は所定の事象（例えば、エアバッグの作動）を示すことが知られている運転手データ及び車両データを含む、ラベル付けされたデータセットを作成することによって、電子データソース１２０ｃに格納された訓練データセットを生成することができる。管理者コンピューティングデバイス１６０は、データをラベル付けし、かつ／又は異なるデータセットに関連付けられた個人識別可能情報（ＰＩＩ）をマスキングすることができる。いくつかの構成では、車両１７０及び／又は１４０のプロセッサは、データをマスキングすること（例えば、運転手又は車両自体の仮名を生成すること）によってＰＩＩを除外することができる。次いで、分析サーバ１１０ａは、ラベル付けされたデータを使用して、ＡＩモデル（複数可）１１０ｃを訓練することができる。次いで、管理者コンピューティングデバイス１２０ｂ又は分析サーバ１１０ａは、ラベル付けされたデータを取り込んで、それに応じてそれ自体を訓練するように構成された１つ以上のＡＩモデル（複数可）１１０ｃに、ラベル付けされたデータセットを供給することができる。ＡＩモデル（複数可）１１０ｃが十分に訓練されると、分析サーバ１１０ａは、訓練されたＡＩモデル（複数可）１１０ｃを使用して、運転手の衝突の全体的なリスクを予測することができる。以下に説明されるように、ＡＩモデル（複数可）１１０ｃはまた、新しい運転／車両情報を使用して、リスクを更新することができる。

【0162】

車両１４０は、遠隔計測センサを有する任意の車両であってもよい。車両１４０はまた、車両コンピューティングデバイス１４１を含んでもよい。車両コンピューティングデバイス１４１は、車両の娯楽報道番組システム上のコンテンツの提示を制御し、娯楽報道番組システムに関連付けられたコマンドを処理し、センサデータを集約し、電子データソースへのデータ通信を管理し、更新を受信し、かつ／又はメッセージを送信することができる。一構成では、車両コンピューティングデバイス１４１は、電子制御ユニットと通信する。別の構成では、車両コンピューティングデバイス１４１は、電子制御ユニットである。車両コンピューティングデバイス１４１は、本明細書に記載される様々なタスク及びプロセスを実施することが可能なプロセッサ及び非一時的機械可読記憶媒体を含むことができる。例えば、本明細書に記載されたＡＩモデル（複数可）１１０ｃは、車両コンピューティングデバイス１４１によって格納及び実施（又は直接アクセス）することができる。車両コンピューティングデバイス１４１の非限定的な例には、車両マルチメディア及び／又は表示システムが含まれ得る。

【0163】

動作中、電子データソース１２０は、車両１７０及び第三者サーバ（例えば、保険会社、衝突センタ、又は他の車両製造業者）を含む様々な電子ソースから、運転セッションデータ及び運転手データを収集することができる。電子データソース１２０は、データを集約し、データを（例えば、ＡＰＩを使用して）分析サーバ１１０ａに送信することができる。次いで、分析サーバ１１０ａは、（例えば、車両のプロセッサによって）以前にマスキングされているデータを集約し、かつデータにラベル付けすることによって、受信したデータを使用して訓練データセットを生成することができる。次いで、分析サーバ１１０ａは、訓練データセットを使用して、１つ以上のＡＩモデル（複数可）１１０ｃを訓練することができる。車両１４０及びエンドユーザデバイス１５０に関連付けられた新しい運転手が保険見積金額を要求するとき、分析サーバ１１０ａは、運転手のデータを取り出すことができる。次いで、分析サーバ１１０ａは、訓練されたＡＩモデル（複数可）１１０ｃを実行して、運転手の衝突（又は他の事象）の暫定的なリスクを生成し、車両コンピューティングデバイス１４１及び／又はエンドユーザデバイス１５０を介してアクセス可能な電子プラットフォーム上にそのリスクを表示することができる。分析サーバ１１０ａは、車両１４０に関連付けられた１つ以上のセンサを介して、車両１４０に関連付けられた運転手データ及び運転セッションデータを継続的に監視することができる。その結果、分析サーバ１１０ａは、車両１４０に関連付けられた各運転セッションに関連付けられたデータを使用して、スコアを改訂することができる。分析サーバ１１０ａは、各運転セッション後に（又は運転セッションがスコアを変化させる場合にのみ）、改訂されたスコアをエンドユーザデバイス１５０及び／又は車両コンピューティングデバイス１４１に送信することができる。

【0164】

分析サーバ１１０ａはまた、更なる分析のために、スコアを第三者サーバ１８０に送信することもできる。非限定的な例では、第三者サーバは、第三者サーバ１８０が様々なモデルリング技術を使用して、車両１４０及びその運転手のための保険掛金を生成する保険会社に関連付けることができる。

【0165】

図２は、一実施形態による、ＡＩ対応車両センサデータ分析システムにおいて実行される方法２００のフロー図を例解している。この方法２００は、ステップ２１０～２４０を含むことができる。しかしながら、他の実施形態では、追加若しくは代替のステップを含むか、又は１つ若しくは複数のステップを完全に省略することができる。方法２００は、分析サーバ（例えば、分析サーバ１１０ａと同様のコンピュータ）によって実行されるものとして説明される。ただし、方法２００の１つ以上のステップは、図１Ａ及び図１Ｂで説明された分散コンピューティングシステムにおいて動作する任意の数のコンピューティングデバイス（例えば、車両１４０のプロセッサ、車両コンピューティングデバイス１４１、及び／又はエンドユーザデバイス１５０）によって実行されてもよい。例えば、１つ以上のコンピューティングデバイスが、図２に説明されるステップの一部又は全てをローカルに実施することができるか、又はクラウドデバイスが、そのようなステップを実施することができる。

【0166】

ステップ２１０において、分析サーバは、運転セッションのセットに関連付けられたデータを取り出すことができる。分析サーバは、１つ以上のデータリポジトリから、１つ以上の運転セッションに関連付けられたデータ（本明細書では、運転データとも称される）を照会し、取り出すことができる。運転データは、既知の成果（例えば、運転セッションが衝突につながるかどうか）を伴う以前完了した運転セッションに対応することができる。運転データは、運転手に関連付けられたデータ、及び／又は１つ以上の車両センサを介して収集されたデータを（少なくとも部分的に）含むことができる。

【0167】

運転データの非限定的な例には、車両の走行距離（例えば、乗車毎の走行距離計の読み取り値）、車両の使用日数、運転セッション中のピーク／平均加速度（長手方向、横方向、及び結果）、運転セッション中のピーク／平均速度（長手方向、横方向、及び結果）、ブレーキをかける頻度、強さ、持続時間、自動運転又はステアリング特徴が作動したときの要求車間距離（例えば、車両前方の車までの距離）、自動運転又はステアリング特徴が作動していないときの測定された車間距離、及び実際の車間距離、車線変更インジケータの使用状況（道路のタイプ毎）、高速道路での自動運転又はステアリングの使用状況、高速道路以外での自動運転又はステアリングの使用状況、自動運転又はステアリング手放し警告の回数、アンチロックブレーキシステム（ＡＢＳ）の相互作用、自動緊急ブレーキ（ＡＥＢ）の相互作用、車線維持アシスタント（ＬＫＡ）データ、異なる状況（自動、手動、又は濡れた状態）でのヘッドランプの使用状況、タイヤ空気圧警告、時刻、曜日、平均速度、速度対自動運転又はステアリングの想定制限速度、ベルトの使用状況（乗員検知、又は車両が出力するベルトリマインダとの比較）、オーディオ音量、全開スロットル又は１００％加速の回数、平均アクセル位置、安定性制御事象頻度、安定性制御事象のタイプ（オーバーステア、アンダーステア、又はトラクション）、視界の推定値（雨、夕暮れ、霧、又は夕方）、道路タイプ間の差異のパーセンテージ（高速道路、舗装された、舗装されていない、複数車線、単一車線）、推定交通量に対する速度、及びエリア内の他の車両の平均速度に対する速度が含まれ得る。

【0168】

運転データの非限定的な例にはまた、被保険者が車両を運転しているかどうか（及びどのくらいの頻度で運転しているか）、都市部の道路対非都市部の道路、道路に関連付けられた交通データ、道路に関連付けられた住宅データ、道路の状態又は車輪のスリップ（例えば、コンクリート対土、スピード防止帯、でこぼこ）、回生ブレーキ、クリープ速度追跡データ、外光の使用状況、回生ブレーキ、ステアリングデータ、ミラーの傾きと折りたたみデータ、駐車支援チャイム、様々な特徴の作動状態（死角衝突警告チャイム、自動緊急ブレーキ、障害物注意加速、制限速度警告、前方衝突警告、又は自動ステアリング特徴）、巡航距離の設定、自動運転又はステアリング特徴のカスタマイズ設定、運転手がハンドルに手を置いていないことによる警告の回数／頻度、自動駐車使用状況及び人間による駐車、駐車場所（私的か又は公共か）、セキュリティアラームの使用、車両の侵入／傾斜データ、パッシブキーレスエントリー、運転手疲労の検出、方向指示器の使用、バッテリーの充電パターン、車室内温度、ブレーキ液のレベル、避けるべき区域での存在、セキュリティシステムによって検出された事象などが含まれ得る。

【0169】

運転データにはまた、音楽の音量、タッチスクリーン娯楽報道番組システムとの対話、テキストメッセージ、電話呼び出し、音声コマンドの使用、タッチスクリーンとの対話、又は音声コマンド若しくはハンドル制御と比較されるボタンなど、車両の操作に必要な行動に対して二次的である、運転手と車両との他の対話も含まれ得る。

【0170】

様々な精度閾値に応じて、分析サーバは、運転手が自動運転又はステアリング特徴を作動させている間に、運転データとみなすか、又は運転データを除外するかのいずれかを行うことができる。いくつかの実施形態では、分析サーバは、全ての運転データが運転手に関連付けられると仮定することができる（なぜならば、運転手は、自動運転又はステアリング特徴がスイッチオン又はオフされているかどうかにかかわらず、依然として車両に責任を負っているからである）。分析サーバは、自動運転又はステアリング特徴の使用がより安全であると判定することができ、そのような特徴を使用する際の、衝突のより低いリスクを表すスコアを計算することができる。したがって、モデルは、これらの特徴をより頻繁に使用する運転手に報酬を与えることができる。代替的に、分析サーバは、自動運転又はステアリング特徴が作動したかどうかを識別し、自動運転又はステアリングデータがスイッチオンであった間に、運転データを除去することができ、その結果、ＡＩモデルは、（自動運転又はステアリング特徴ではない）運転手が車両をどのように操作したかのみに基づいて、訓練される。

【0171】

いくつかの実施形態では、分析サーバは、ユーザが自動運転又はステアリング特徴を作動させたかどうかに基づいて計算される支払猶予期間内の運転データのみを考慮して、それを含むことができる。例えば、自動運転又はステアリングが作動される時間枠中に、分析サーバが運転データを評価しない／包含する実施形態では、分析サーバは、自動運転若しくはステアリングが作動される前に、かつ／又は自動運転若しくはステアリングが終了した後に、追加時間（例えば、３分）の間、データを更に除外すること（例えば、評価しない）ができる。

【0172】

追加的又は代替的に、運転データは、自動運転又はステアリング特徴が自動的に解放されたかどうかを含むことができる。自動運転又はステアリング特徴は、運転手の行動及び車両の状態を評価して、運転手が自動運転又はステアリング特徴を使用し続ける資格があるかどうかを判定する監視特徴を含むことができる。例えば、自動運転又はステアリング特徴は、運転手の行動を監視することができ、運転手の行動がハンドル上に手を置かない、又は道路を見ていない運転手（例えば、テキストメッセージを送りながら運転していることなど、他のデバイスに注意を払っている気を散らした運転手）などの特定の基準を満たす場合に、運転手に対して解放することができる。分析サーバは、運転手が自動運転又はステアリング特徴から解放されていることに注意を払うことができ、それを訓練データ内に含まれるデータ点として示すことができる。その結果、自動運転特徴を解放させた運転手の行動はまた、運転手のスコアに対してマイナスにカウントする可能性がある。

【0173】

本明細書に記載されるように、分析サーバはまた、運転手が自動運転／ステアリング特徴から解放された理由に関連付けられたデータをキャプチャすることもできる。例えば、運転手が解放されたときに、分析サーバは、車室内カメラと通信して、運転手の画像を取得することができる。この画像は、運転手が気を散らされている（例えば、テキストメッセージを送りながら運転をしている、又は運転手が異なる方向を見ている）ことを描画することができる。分析サーバは、例えば、図１０に描画されるように、運転手のスコアが低下してきた理由についての説明と併せて、画像を表示することができる。

【0174】

追加的又は代替的に、分析サーバは、運転手が自動運転又はステアリング特徴を利用する頻度及び持続時間を判定することができ、その属性を訓練データセット内に含めることができる。更に、時刻、道路状態、並びに自動運転又はステアリングがいつ及びどのように使用されたかに関連付けられた他のデータなどの他の関連する属性が含まれ得る。

【0175】

分析サーバは、各車両の様々な内部カメラ及び外部カメラから受信したデータを収集及び／又は分析することができる。各車両は、運転手向きカメラ（本明細書では、時には、車室内カメラと称されることがある）を装備することができる。分析サーバは、これらのカメラによって受信又は記録された映像を収集することができる。分析サーバは、その映像に基づいて、様々なコンテンツ分析プロトコル（例えば、顔認識、視線分析、及び／又は気分分析）を実行して、運転手に関連付けられた様々な属性を判定することができる。例えば、分析サーバは、運転手の視線が所定の閾値を超える（例えば、５秒、又はシステム管理者によって指示された任意の他の閾値を超える）間、道路に向けられなかったために、運転手は気を散らされていたと判定することができる。別の例では、分析サーバは、運転手の手の中のモバイルデバイスを検出して、運転手の視線がモバイルデバイスに向けて集中していたと判定することによって、ユーザがモバイルデバイスを操作していた（例えば、テキストメッセージを送りながら運転していた）と判定することができる。分析サーバはまた、運転セッション全体にわたって運転手の電話を使用する運転手の頻度及び持続時間を判定することもできる。

【0176】

別の例では、分析サーバは、車両の１つ以上の外部向きカメラによって記録された映像を収集及び集約することができる。次いで、分析サーバは、様々な分析プロトコルを実行して、運転中の車両を取り巻く環境の属性を判定することができる。一例では、分析サーバは、他の車両との車両の近さに基づいて、運転属性を判定することができる。例えば、分析サーバは、運転手が車線を変更したときに、他の車両が所定の閾値よりも近かったため、運転手の車線変更スキルが理想よりも近すぎたと判定することができる。加えて、分析サーバはまた、前方衝突センサなど、車両の少なくとも１つのセンサに関連付けられている、収集された様々なメトリック及びデータを収集することもできる。他の構成では、カメラによって収集されたデータを分析して、前方衝突警告を判定及び生成することができる。

【0177】

別の例では、分析サーバは、運転手が任意の交通法規に従わなかったかどうかを判定することができる。映像を使用して、分析サーバは、運転セッション中の様々な交通標識の内容を判定することができる。次いで、分析は、車両が交通標識と一致した様式で運転されたかどうかを判定することができる。例えば、カメラフィードを使用して、分析サーバは、停止標識の存在を判定して、車両が停止標識に到達したときに、車両が完全な停止には達しなかったと判定するため、運転手が停止標識を無視したと判定することができる。このデータはまた、他の場所及び交通量固有のデータを使用して、強化することもできる。例えば、分析サーバは、車両の場所を使用してデータベースに照会することによって、交通標識／法規を判定してもよい。

【0178】

別の例では、分析サーバは、映像を分析して運転状態を判定し、このデータを使用して、（もし有れば）事象／衝突と運転手／運転セッションとの間の相関性を判定することができる。例えば、分析サーバは、様々な分析プロトコルを使用して、天候状態又は道路状態（例えば、地面の雪又は氷）を判定することができる。このデータは、衝突のリスクを示すことができる。例えば、より悪い状態でより頻繁に運転する運転手は、衝突リスクがより高い可能性がある。

【0179】

別の例では、分析サーバは、運転セッションに関連付けられた地理的場所に関連付けられたリスク要因を判定することができる。ＧＰＳデータ及び／又はカメラデータを使用して、分析サーバは、運転セッションが、他の地理的領域よりも高い又は低い衝突又は他の事象の尤度を示す地理的場所（例えば、近隣又は郵便番号）で行われているかどうかを判定することができる。例えば、分析サーバは、運転セッションが盗難又は衝突の尤度がより高い近隣に関連付けられていると判定することができる。

【0180】

分析サーバは、データを分析して、車両に関連付けられる非運転データを判定することができる。例えば、分析サーバは、内向きカメラフィードを使用して、何人の人々が運転セッション中に車両内に存在したかを判定することができる。分析サーバは、閾値を娯楽報道番組システムの音量に適用して、音楽が運転セッション中に閾値を超える過剰な音量で再生されていたと判定することができる。

【0181】

追加的又は代替的に、分析サーバは、顔認識プロトコルを実行して、誰が車両を運転しているかを判定することができる。車両が運転手（車両の主な運転手として知られている人物）以外の他の誰かによって運転されている場合、分析サーバは、データを訓練データセット内に含めないことによって、データを使用しないようにすることができる。可能であれば、分析サーバはまた、車両を発車させて運転手を識別するために使用される鍵（又はアプリケーション）に関連付けられたデータを取り出すこともできる。

【0182】

分析サーバはまた、車両から受信した運転データを分析して、表面／舗装面に関連付けられたデータを判定することもできる。例えば、分析サーバは、車輪の滑り、及び路面摩擦の損失など、運転手がブレーキをかけているときか又は方向転換しているときに、車輪がどのように反応するかを分析することができる。このデータを訓練データセット内に含めることによって、ＡＩモデルは、舗装面データと、衝突のリスクとの間の相関性を明らかにすることができる。

【0183】

車両内の１つ以上のセンサが衝突又は所定の事象（例えば、エアバッグ作動）を識別したときに、分析サーバは、車両と通信する１つ以上のカメラからカメラフィードを取り出すことができる。分析サーバは、ビデオフィードを、衝突の前後の所定の閾値時間（例えば、衝突前後の５分）に限定することができる。分析サーバは、キャプチャされたビデオフィードを分析して、衝突の状態（例えば、衝突に関与した他の車両がどのように運転していたか、及び誰が法的に過失を犯したか）を判定することができる。分析サーバは、人間の査閲者がデータを再調査することができるプラットフォーム上に、ビデオフィードを提示することができる。査閲者は、運転セッションにラベル付けし、運転手に過失があったかかどうかを識別することができる。例えば、人間の査閲者は、運転手が方向指示器を使用せずに不適切に車線を変更したことを示すことができる。

【0184】

分析サーバはまた、車両の娯楽報道番組システムと同期通信しているモバイルデバイスなど、車両と通信している他の電子デバイスを監視することもできる。その結果、分析サーバは、運転セッション中に使用した頻度及び持続時間を判定することができる。例えば、運転手は、ハンドフリーモードが運転セッションの半分を超えて作動している間、運転手自身のモバイルデバイスを使用していてもよい。別の例では、分析サーバは、運転手がモバイルデバイスを使用していて、車両の娯楽報道番組システムと対話していた（例えば、モバイルデバイスから音楽を選択することによって、音楽を再生していた）と判定することができる。

【0185】

分析サーバはまた、娯楽報道番組システム使用状況（例えば、車両のタッチスクリーン）の頻度及び持続時間を判定することができる。分析サーバは、運転手が運転中にタッチスクリーンを操作していたかどうかを示すデータを取り出すことができる（ハンドルなどの他の入力要素を使用するのではなく、又は音声コマンドを使用するのでもなく）。分析サーバは、ビデオフィード（又は他の車両占有データ）を分析して、誰がタッチスクリーンと対話していたかを判定することができる。

【0186】

分析サーバは、受信した運転データを収集し、分析し、そして集約することができる。以下に説明されるように、分析サーバは、集計されたデータを処理して、訓練データセットを生成し、それに従ってＡＩモデルを訓練することができる。

【0187】

ステップ２２０において、分析サーバは、運転セッション毎に、各車両又は運転手に関連付けられた個人識別可能情報を除外することによってデータをマスキングすることができる。データをマスキングすることによって、分析サーバは、運転手のプライバシーを侵害することなく、又は任意の車両の識別情報を全く使用することなく、ＡＩモデルを訓練することができる。このようにして、ＡＩモデルは、各個々の運転手の運転行動及び特性を識別することなく、関連データを使用して訓練され得る。本明細書で説明されているように、データは、分析サーバによって受信したときにデータがＰＩＩを含まないように、車両のプロセッサを使用してマスキングすることができる。追加的又は代替的に、データは、分析サーバ自体を使用してマスキングすることができる。更に別の構成では、データは、車両によって部分的にマスキングすることができ、分析サーバによって部分的にマスキングすることができる。

【0188】

分析サーバ、及び／又は車両のプロセッサは、運転セッションデータから、運転手に関連付けられた名前若しくは他の識別情報、又は車両に関連付けられた任意の識別データ（例えば、ＶＩＮ番号）などの個人識別可能情報を除外することによって、集約されたデータをマスキングすることができる。車両は、車両及び／又は運転手のための一意の識別子である、ランダムに生成された仮名識別子を使用して、データを分析サーバに送信することができる。一意の識別子は、車両及び／又は運転手のための仮名として機能することができ、その結果、ＡＩモデルは、対応するデータと相互に関係付けることができ、仮名を使用するだけで、車両及び／又は運転手に関連付けられた全ての運転セッションデータを識別することができる。例えば、ＡＩモデルは、データを全体として分析することができ、このため、同じ車両及び／又は運転手についての異なる運転セッションが識別される。

【0189】

ステップ２３０において、分析サーバは、第１の事象を含んだ少なくとも１つの運転セッションに対応するデータの第１のサブセットにラベル付けすること、及び、プロセッサによって、エアバッグ作動の指示を含んだ少なくとも１つの運転セッションに対応するデータの第２のサブセットにラベル付けすること、によって訓練データセットを生成することができる。

【0190】

分析は、データにラベル付けすることができ、このため、各運転セッションは、衝突事象（例えば、エアバッグ作動、車両に関連付けられた任意のセンサによる衝突検出、及び／又は運転セッションのタイムスタンプに関連付けられた保険請求）などの所定の事象に関連付けられる（又は明示的には関連付けられない）ものとなる。一例では、分析サーバは、ファイルされた保険請求に関連付けられたデータを取り出すことができる。運転手及び／又は車両の識別データ（例えば、名前若しくはＶＩＮ番号、又は生成された仮名）を使用して、分析サーバは、車両及び／又は運転手に対応する全てのデータを識別することができる。（保険請求から取り出された）衝突のタイムスタンプを使用して、分析サーバは、衝突を含んだ運転セッションに対応する運転データを識別することができる。次いで、分析サーバは、衝突に関連付けられた運転データにラベル付けすることができ、訓練データセット内のラベル付けされたデータをグラウンドトゥルースとして含めることができる。

【0191】

別の例では、分析サーバはまた、特定の運転セッションに関連付けられた運転データが事象（例えば、エアバッグの作動）を示すかどうかを判定することもできる。次いで、このデータを使用して、分析サーバは、運転データを事象に関連付けられたものとしてラベル付けすることができる。

【0192】

分析サーバは、人間の査閲者を使用して、様々なデータ属性にラベル付けすることができる。例えば、上で考察されたように、運転データはまた、車両の１つ以上のカメラから受信したビデオフィードを含むこともできる。分析サーバは、人間の査閲者がラベル付けを実施することができる電子プラットフォーム上に、ビデオフィードを表示することができる。例えば、人間の査閲者は、衝突に関連付けられたビデオを再調査することによって、衝突が運転手の過失であったかどうかを判定することができる。

【0193】

ラベル付けした後、訓練データセットは、ラベル付けされたデータの少なくとも３つのカテゴリを含むことができる。第１に、訓練データセットは、保険請求を含んだ全ての運転セッション（及びそれらの対応する運転データ）を含むことができる。第２に、訓練データセットは、所定の事象（例えば、エアバッグ作動、又はセンサが衝突を識別すること）を含んだ全ての運転セッション（及びそれらの対応する運転データ）を含むことができる。第３に、訓練データセットは、保険請求又は事象を含まなかった全ての運転セッション（及びそれらの対応する運転データ）を含むことができる。

【0194】

ステップ２４０において、分析サーバは、訓練データセットを使用してＡＩモデルを訓練することができ、その結果、訓練されたＡＩモデルは、新しい運転手に関連付けられた新しい運転セッションが少なくとも第１の事象又はエアバッグ作動に関連付けられる尤度を示すスコアを予測する。

【0195】

ＡＩモデルは、訓練データセット内に含まれた以前の運転手及び運転セッションデータに基づいて訓練されることができる。例えば、分析サーバは、事故又は事象をもたらしたことが知られており、かつラベル付けされている運転セッションに関連付けられた運転データを使用して、ＡＩモデルを訓練することができる。上で考察されたように、分析サーバは、運転手及び運転セッションデータが完全にラベル付けされている教師あり方法を使用して、ＡＩモデルを訓練することができる。例えば、訓練データセットは、ラベル付けされることができ、その結果、ＡＩモデルは、運転セッション又は運転手が（それらの属性に基づいて）事故、エアバッグ作動などの事象につながるかどうかを予測することができる。様々な人工知能訓練技術を使用して、ＡＩモデルは、訓練データセット内に隠されたパターンを識別することができ、その結果、ＡＩモデルは、運転手及び／又は運転セッションデータの新しいセットを与えられた新しいスコアを予測することができる。

【0196】

追加的又は代替的に、分析サーバは、訓練データセットがラベル付けされていない教師なし方法を使用することができる。訓練データセット内のデータにラベル付けすることは、時間がかかる可能性があり、かつ高い計算能力を必要とする可能性があるため、分析サーバは、教師なし訓練技術を利用して、ＡＩモデルを訓練することができる。

【0197】

ＡＩモデルは、教師あり訓練のために、１つ以上のラベル付けされた訓練データセットを使用して訓練することができる。例えば、分析サーバは、事象／衝突に向かって誘導する時系列の運転データを含む、キュレートされた訓練データセットを使用することができる。各時系列のデータは、グラウンドトゥルース状態を示すグラウンドトゥルース値又は特徴ベクトルでラベル付けすることができる。分析サーバは、一連のデータをＡＩモデルに供給して、予測されたスコアを示す、出力された予測されたデータオブジェクトを取得することができる。分析サーバは、予測されたスコアをグラウンドトゥルースデータと比較して差を決定し、損失関数に従って決定された差に比例するＡＩモデルの内部重み及びパラメータを調整することによって、ＡＩモデルを訓練することができる。分析サーバは、訓練されたＡＩモデルの予測が閾値（例えば、回収又は精度）に対して正確になるまで、同様の様式でＡＩモデルを訓練することができる。ＡＩモデルが閾値に対して正確であると判定すると、分析サーバは、訓練されたＡＩモデルを実装して、新しい車両のスコアを予測することができる。分析サーバは、様々な他の車両及び運転手に基づいて生成されるデータを使用して、機械学習モデルを訓練し続けることができる。

【0198】

加えて、データ分析サーバは、新しい運転手に関連付けられた車両及び運転手データの定期的な監視に基づいて、ＡＩモデルを継続的に訓練することができる。分析サーバはまた、管理者及び／又はエンドユーザの対話及びフィードバックに基づいて、ＡＩモデルを継続的かつ反復的に訓練することができる。分析サーバは、様々なユーザの予測されたデータとの対話を監視して、ＡＩモデルを改訂及び再訓練することによって、結果を改善することができる。分析サーバは、予測された結果を閲覧する電子デバイスを監視して、予測された結果が容認されるか若しくは拒否されるか、かつ／又は改訂されるかを識別することができる。次いで、分析サーバは、それに応じて、ＡＩモデルを改訂及び再訓練することができる。

【0199】

例えば、管理者がＡＩモデルによって予測された結果を再調査するときに、分析サーバは、管理者が、結果を編集し、削除し、容認し、又は改訂することによって、予測された結果とどのように対話したかを判定することができる。次いで、この監視されたデータを使用して、分析サーバは、モデルを再訓練し、その精度を向上させることができる。分析サーバは、アプリケーションプログラミングインターフェース（ＡＰＩ）を利用して、管理者の活動を監視することができる。分析サーバは、実行可能ファイルを使用して、ユーザの電子デバイスを監視することができる。分析サーバはまた、電子デバイス上で実行するブラウザ拡張を介して表示されるＧＵＩを監視することもできる。分析サーバは、複数の電子デバイス、及びその電子デバイス上で実行する様々なアプリケーションを監視することができる。分析サーバは、様々な電子デバイスと通信して、電子デバイスと、その電子デバイス上でアプリケーションを実行する様々なサーバとの間の通信を監視することができる。

【0200】

追加的又は代替的に、分析サーバは、予測された結果を閲覧するユーザからのフィードバックを要求するプロンプトを表示することができる。次いで、分析サーバは、それに応じて、ＡＩモデルを再較正することができる。例えば、分析サーバは、ＡＩモデルを訓練するための以下の機械学習アプローチ、すなわち、回帰、分類、クラスタリング、次元数削減、アンサンブル法、ニューラルネット及び深層学習、転移学習、強化学習などのうちの１つ以上を使用することができる。

【0201】

ＡＩモデルは、衝突又は任意の他の所定の事象（例えば、エアバッグ作動）などの事象の測定される尤度を示すデータオブジェクトを生成するように構成されている任意の機械学習モデル（例えば、ニューラルネットワーク、ランダムフォレスト、ＬＳＴＭ、サポートベクトルマシンなど）であってもよい。分析サーバは、新しい運転手を表す特徴ベクトル、及び／又はその新しい運転手に関連付けられた運転データを生成することによって、ＡＩモデルを実行することができる。分析サーバは、特徴ベクトルを、訓練されたＡＩモデルに適用することができる。その結果、訓練されたＡＩモデルは、新しい運転手及び／又は車両のスコアを生成することができる。

【0202】

運転手及び車両データに基づいて特徴ベクトルを生成するために、分析サーバは、新しい車両／運転手に関連付けられた全てのデータを含むデータセット内の各データ点を表す値を有する特徴ベクトルを生成することができる。場合によっては、分析サーバは、入力値を、－１～１の値、又は０～１の値に正規化して、訓練されたＡＩモデルが特徴ベクトルを処理するときに、より正確な結果を取得することができる。

【0203】

特徴ベクトルを使用して、分析サーバは、訓練されたＡＩモデルを実行して、予測されたスコアを受信することができる。予測されたスコアをＡＩモデルから受信した後、分析サーバは、管理者によって操作される電子デバイスなどの電子デバイス上に、予測された結果を表示することができる。追加的又は代替的に、分析サーバは、図１Ａに描画される車両コンピューティングデバイス１４１及び／又は端部ユーザデバイス１５０上などの、新しい車両及び／又は運転手に関連付けられた電子デバイス上に、予測された結果を表示することができる。例えば、運転手は、ウェブサイトにログインして（又はモバイルアプリケーションにアクセスして）、様々な運転セッションのスコアを閲覧することができる。分析サーバはまた、他の運転データ（例えば、速度、ビデオフィード、又は車両と通信する１つ以上のセンサから受信した他のデータ）を表示することもできる。例えば、分析サーバは、前方衝突情報（例えば、運転手が前方衝突のリスクにあった回数）を表示することができる。分析サーバはまた、様々な分析メトリックを表示することができる。例えば、分析サーバは、様々なスコアの経時的な傾向を計算及び表示することができ、このため、運転手は、スコアが全体的に増加又は減少しているかどうかを判定することができる。

【0204】

追加的又は代替的に、分析サーバは、予測された結果を、下流のソフトウェアアプリケーション又は別のサーバに送信することができる。予測された結果は、様々なモデル及び／又はアルゴリズムで更に分析及び使用されて、車両及び／又は運転手の保険掛金を生成することができる（例えば、図１Ａに描画される第三者サーバ１８０）。分析サーバはまた、保険データ、及び運転手の行動が（特定の運転セッション中に）保険見積金額を増加又は減少させたかどうかを表示することができる。例えば、乗車を完了した後、運転手は、ウェブサイト又はアプリケーションにログオンして、この乗車によって保険見積金額が増加又は減少したかどうかを判定することができる。分析サーバは、新しい掛金を表示することができ、掛金が引き上げられた理由を特定する場合がある（あなたの車両が最新の乗車中に５回、衝突するリスクが高かったため、あなたの保険掛金は、月額＄１００に引き上げられたなど）。

【0205】

追加的又は代替的に、分析サーバは、適用可能な場合に、車両修正を検出することができる。車両修正の非限定的な例には、任意のセンサの損傷又は邪魔が含まれ得、その結果、そのセンサは、運転データを適切に監視しない。例えば、運転手は、車両のセンサを邪魔する場合があり、その結果、センサは、前方衝突のリスクを正確に識別することができない。分析サーバは、少なくとも１つの不適切な修正が識別されているという通知を保険会社（又は任意の第三者サーバ）に送信することができる。保険会社は、この情報を、保険契約規則又は不正行為検出システムへの入力として使用することができる。いくつかの実施形態では、ＡＩモデルはまた、その修正を考慮して、運転手及び／又は運転セッションのスコアを決定することもできる。

【0206】

ここで、図３を参照すると、ＡＩモデルを訓練する非限定的な例が提示されている。方法３００は、教師あり方法（例えば、ステップ３９２）を使用して、本明細書で考察されるＡＩモデルを訓練することを描画する。ＡＩモデルを訓練するために使用されるデータは、２つの別個のプロセスを使用して取り出すことができる。各プロセスの様々な部分は、単一プロセスに組み合わせることができる。更に、異なるステップが、追加され、削除され、かつ／又は修正され得る。したがって、方法３００は、本明細書で考察される訓練方法に限定されない。

【0207】

分析サーバは、センサデータが必ずしも保険請求データといつも整合されているとは限らない可能性があるため、２つの別個のソースを使用することができる。例えば、１つ以上のセンサによって登録された衝突は、いつも保険請求につながるとは限らない場合がある。いくつかの衝突は、運転手が自分の保険契約を通じてその衝突を事故として請求するほど激しくない場合（例えば、かき傷されたバンパー、又はガレージドアなどの不動対象物との衝突）がある。別の例では、車両の保険価格体系は、特定の衝突について衝突請求を受けないように運転手に強制することができる。したがって、保険データのみに基づいてＡＩモデルを訓練することは、ＡＩモデルが運転手及び／又は車両の衝突の尤度を現実的に予測することができない場合がある。したがって、分析サーバは、２つの異なるソースから２つの別個の訓練データセットを生成することができる。

【0208】

第１の訓練データセットを生成するために、ステップ３１０において、分析サーバは、データベース（例えば、保険データベース）にアクセスして、以前に記録された運転セッション、運転手、及び／又は車両データに関連付けられたデータを取り出すことができる。保険データベースはまた、以前及び現在の顧客の運転手データ、運転セッションデータ、及び車両データを含むことができる。保険データベースはまた、各運転セッションに関連付けられた請求データを（適宜）含むこともできる。例えば、運転手が保険請求を（例えば、事故の後に）申請するときに、保険サーバ（図示せず）は、運転セッションデータ及び請求データを収集することができる。次いで、サーバは、衝突に関連付けられたデータを保険データベース内に格納することができる。サーバはまた、保険請求につながらなかった運転セッションに関連付けられた運転データを格納することもできる。したがって、保険データベースは、請求に関連付けられた運転セッションデータ、及び請求に関連付けられていない運転セッションデータを含むことができる。したがって、このデータを使用して、他の運転セッションデータから保険請求につながる運転セッション間を区別することができる。

【0209】

いくつかの構成では、保険データベースは、保険請求に対応する運転データのみを含むことができる。分析サーバは、別のデータソース（例えば、運転記録データベース）から運転セッション及び車両データを取り出すことができる。いくつかの構成では、保険データベースは、請求データのみを含んでもよく、またいかなる運転データも含まなくてもよい。

【0210】

ステップ３２０において、分析サーバは、運転セッションデータを取り出すことができ、異なる運転セッションに関連付けられた全てのデータを集約することができる。必要に応じて、分析サーバは、データをセグメント化することができ、その結果、ＡＩモデルの訓練は、カスタマイズされる。例えば、分析サーバは、地理的場所（例えば、テキサス州ダラス）内で発生する運転セッションをフィルタリングすることができる。次いで、分析サーバは、フィルタリングされたデータを使用して、ＡＩモデルを訓練することができる。その結果、ＡＩモデルは、訓練されて、テキサス州ダラス内の運転セッションを分析してスコアを付けることができる。

【0211】

ステップ３３０において、分析サーバは、各運転セッションを照会して、各運転セッションが保険請求に関連付けられていたかどうかを識別することができる。その結果、分析サーバは、データを２つのグループに分けることができる。第１のグループは、車両（ＶＩＮ）に関連付けられた運転セッションデータ、及び少なくとも１つの保険請求を含むことができる。第２のグループは、車両（ＶＩＮ）に関連付けられた運転セッションデータを含むことができるが、保険請求を含むことができない。

【0212】

ステップ３３２及び３３４において、分析サーバは、仮名指令プロトコルを実行して、全ての運転セッションに関連付けられたデータを匿名扱いにすることができる。本明細書で説明されているように、車両は、車両に対して一意であるが、住所、名前、保険契約番号などの、運転手及び／又は車両に関連付けられた個人識別可能データに関連付けられていない、ランダムに生成された仮名識別子を使用してデータを送信することができる。次いで、車両は、仮名指令プロトコルを実行して、訓練データセット内の各分類上のラベルについての、ＶＩＮのグループに関連付けられた仮名を要求することができる。同じ仮名は、同じ車両、運転手、及び／又は運転セッションに関連付けられた全てのデータを識別することになる。その結果、分析サーバは、個人識別可能情報（例えば、ＶＩＮ）をＡＩモデルに全く供給することなく、同じ車両に関連付けられたラベル付けされたデータを集約することが可能である。本明細書で説明されるように、いくつかの実施形態では、分析サーバは、データを少なくとも部分的にマスキングすることができる。

【0213】

仮名指令プロトコルを実行した後、分析サーバは、上で考察されたように、データにラベル付けすることによって、訓練データセットを生成することができる（ステップ３４０）。具体的には、分析サーバは、各運転セッション（並びにその対応する運転データ及び／又は運転手データ）が保険請求に対応するかどうかをラベル付けすることができる。

【0214】

ステップ３５０において、第２の訓練データセットを生成するために、分析サーバは、運転記録及びセンサデータを格納するデータベースから、運転セッションデータを取り出すことができる。分析サーバは、データを分けて、本明細書のステップ３５２及び３５４において考察される様々なフィルタリング又はセグメント化を使用することができる。データの第１のセットは、ステップ３６０において分析することができる。具体的には、分析サーバは、各運転セッションに関連付けられた事象があったかどうかを判定することができる。本明細書で考察されるように、事象は、衝突又は危険な運転行動を示し得るセンサデータを使用して検出可能な任意の事象を含むことができる。事象の例としては、エアバッグ作動、又は車両に関連付けられたセンサのいずれかによって検知される任意の衝撃であってもよい。描画された実施形態では、この事象は、エアバッグ作動を指す。ただし、この例は、分析サーバがＡＩモデルを訓練する方法に限定されるものではない。

【0215】

分析サーバはまた、ステップ３３２及び３３４で考察された仮名指令プロトコルを使用して、データを匿名扱いにすることもできる。その結果、分析サーバは、事象を含んだ仮名運転セッション、及び事象を含まなかった仮名運転セッションを使用することができる。次いで、ステップ３６６において、分析サーバは、それに応じて、各運転セッションにラベル付けすることができる。

【0216】

より小さいデータセットを生成するために、分析サーバは、規定された期間又は運転サイクルの運転セッションデータを集約することができる。例えば、分析サーバは、所定の期間内の事象に先行する全ての運転セッションに関連付けられたデータを取り出すことができる（ステップ３７０及び３８０）。分析サーバが車両に関連付けられたエアバッグ事象を識別するときに、分析サーバは、過去１ヶ月間の同じ車両に関連付けられた運転セッションデータ（例えば、前月、又はシステム管理者によって規定された任意の他の期間に、運転手が行った各乗車に関連付けられた運転データ）を集約することができる。このようにして、運転手がエアバッグ事象に関連付けられる場合、分析サーバは、前月の運転データを集約してＡＩモデルを訓練し、その結果、ＡＩモデルは、他の運転セッションを分析して、どの運転特性が事象につながったかを明らかにすることができる。このアプローチを使用して、分析サーバは、ＡＩモデルを訓練して、その事象につながった特定の運転セッション以外のデータを分析する。

【0217】

分析サーバは、接続性データを使用して、運転サイクル内に運転セッションデータを集約することができる。本明細書で説明されているように、運転サイクルとは、スコアを生成するために分析サーバによって分析される時間枠を指し得る。運転サイクルの持続時間は、システム管理者によって修正可能である任意の所定の時間量であり得る。例えば、運転サイクルが３０日であると設定されている場合、分析サーバは、活動的な過去３０日間に運転セッションデータを集約及び分析して、車両及び／又は運転手の事象の尤度を示すスコアを計算する。

【0218】

事象の尤度を正確に分析するために、分析サーバは、運転サイクル内に含まれるデータを、車両がネットワークに接続された（又は活性な）日々に限定することができる。分析サーバは、運転セッションデータが受信されていない日々を区別することができる。独立したデータストリームを使用して、分析サーバは、車両がネットワークに適切に接続され、運転データを分析サーバに送信することができたかどうかを検証することができる。車両が接続されて運転データが送信されなかったと分析サーバが判定した場合、分析サーバは、その車両がその日には運転されなかったと仮定して、運転サイクル内にデータを含める（例えば、車両がその日には運転されていなかったというインジケータを含める）。しかしながら、車両がある期間ネットワークに接続されていなかったと分析サーバが判定した場合、分析サーバは、運転サイクル内にその期間を含めなくてもよい。その結果、分析サーバは、運転サイクル範囲を調整して、他の日々の間に運転セッションデータを含めることができる。

【0219】

ここで、図１１を参照すると、運転サイクル範囲を調整する例が描画される。分析サーバは、７月１２日に車両から運転セッションデータを受信することができる。その結果、運転手のスコアを計算するときに、分析サーバは、以前の３０日間の運転セッションデータ（例えば、６月１２日～７月１２日のデータを含む運転サイクル１１００）を分析する。この３０日間の運転サイクルは、システム管理者によって改訂されてもよい。例えば、何人かの運転手に対して、分析サーバは、過去６０日以内の運転セッションデータを分析して、スコアを計算することができる。

【0220】

車両が運転サイクル中の６月１５日～６月２０日に適切な接続性を有さなかったと分析サーバが判定した場合、分析サーバは、運転セッションデータ１１２０、１１３０を含む改訂された運転サイクルのために、先行する５日間（運転サイクル１１１０）を追加することができる。したがって、７月１２日における運転手のスコアは、３０日間の運転サイクル閾値から外れている運転データを含むことができる。

【0221】

図３に戻って参照すると、分析サーバは、以前の運転サイクルについての、運転手の集約されたデータを予測子として格納することができる（ステップ３９０）。本明細書で使用される場合、予測子は、ラベル付けされた事象を予測することができるデータに対応する。例えば、描画された実施形態では、分析サーバは、ＡＩモデルを訓練し、ステップ３９０において生成された予測子（例えば、事象に先行する１ヶ月間の運転セッションデータ）を分析して、事象が再度発生する高い尤度を示すパターンを識別することができる。

【0222】

異なる運転セッションの運転データを集約するときに、分析サーバは、様々な標準的なＡＩ前処理プロトコル（例えば、分位変換プロトコル）及びダウンサンプリングを実施することができ、このため、ＡＩモデルは、既知の適切な範囲内に分散された正規化されたデータを使用する。データを変換することは、ＡＩモデルが、訓練時間を低減し、かつ訓練効率を向上させながら、より良好な結果を達成するのに役立つことができる。

【0223】

図４Ａに描画されるように、分析サーバは、取り出された運転セッションの量を低減することができる。平均日において、分析サーバは、５０，０００台超の車両に関連付けられた運転データ、及びそれらに対応する運転セッションデータを受信することができる。グラフ４００に描画されるように、分析サーバは、外れ値データ（５％～９５％の範囲外）を識別及び除外して、データ量を削減することができる。別の例では、分析サーバは、訓練データセット内のより少ない運転セッションに関連付けられたデータを含めることによって、１日当たりの平均乗車回数、及び対応するデータ（線４０４によって表される）、又は１日当たりの乗車の７５％パーセンタイル及び対応するデータ（線４０２によって表される）のみを使用することができる。

【0224】

別の例では、分析サーバはまた、センサデータをダウンサンプルすることもできる。分析サーバは、車両センサから非常に多くの読み取り値を受信することができる。しかしながら、分析サーバは、信号を１つ以上のセンサに送信することによって、読み取りの頻度を変更することができる。別の例では、分析サーバは、データを平均化するか、又は訓練データセット内のより頻度の少ないデータのみを含めることができる。例えば、センサの読み取り頻度が５秒毎に１回の読み取りに設定される場合、分析サーバは、センサに、１分毎に１つの読み取り値のみを送信するように命令することによって、頻度を減少させることができる。別の例では、分析サーバは、各１分の間の読み取り値を平均化し、訓練データセット内にその平均データを含めることができる。実質上、分析サーバは、センサから受信した１２個の読み取り値毎に１つの読み取り値を訓練データセット内に含めることができる。

【0225】

別の例では、分析サーバは、様々な閾値が満たされた場合、特定のデータのみを訓練データセット内に含めることができる。例えば、分析サーバは、車両の速度が８０ｍｐｈ（又は任意の他の規定された閾値）を超える場合に、運転時隔データのみを訓練データセット内に含めることができる。

【0226】

別の例では、分析サーバは、分位変換プロトコルを使用して、センサから受信した特定のデータを、範囲［０，１］にわたる一様な分布に変換して、値を一様な分布に直線的にマッピングすることができる（例えば、Ｑｕａｎｔｉｌｅ（０．１，Ｘ）＝５及びＱｕａｎｔｉｌｅ（０．２，Ｘ）＝１０、変換のｆは、ｆ（７．５）＝０．１５を返すことになる）。

【0227】

特定のデータカテゴリ（例えば、車線逸脱データ）は、非正規分布を有し得る。例えば、自動運転又はステアリングの取り消しを受け取り得る運転手は、それほど多くない（例えば、運転手が気を散らされていて、もはや自動ステアリング特徴を使用することができない（自動ステアリング特徴の失格、又はその使用から解放される）とセンサが判定したときに）。自動運転又はステアリング取り消し特徴は、ほとんどの運転手にとって１時間当たりの自動運転又はステアリング取り消しの９５番目のパーセンタイル値がゼロに近い可能性があるほど、非常に希であり得る。このデータ分布は、ＡＩモデルを有意に訓練するのに十分な統計学的に重要でない可能性がある。その結果、分析サーバは、自動ステアリング取り消し事象において規定された類似範囲を利用することができる。具体的には、図４Ｂに描画される前処理によって例解されているように、分析サーバは、０～１に適合するように０．９～１の値を再スケーリングすることができる。このようにして、各運転セッションは、０回の自動運転又はステアリング取り消しを含むことができる。更に、運転セッションが０．９～１の範囲領域内にある場合、分析サーバは、０～５の新しい値を直線的に補間し、自動運転又はステアリング取り消し値を再スケーリングして、０～１に適切に適合させることができる。すなわち、分析サーバは、全体的な母集団に対する値の関係に基づいて、１つ以上のセンサから受信した値をバケット化し、そのデータを０～１の全範囲にわたって再度一様に分布させる、数値変換を適用することができる。

【0228】

一例では、分析サーバは、以下の変換を実施して、訓練範囲のエッジ又は外側における値を変換することができる。すなわち、隣接する分位閾値が同じ値を有する場合（例えば、多くの「０」値が存在する場合）、最低の適切な分位閾値が出力として使用される；規定された閾値の範囲を超える入力データは、１に設定される；及び、規定された閾値の範囲を下回る入力データは、０に設定される。

【0229】

図３に戻って参照すると、ステップ３９２において、分析サーバは、本明細書で考察されるラベル付けされたデータ及び予測子を使用して、ＡＩモデルを訓練することができる。分析サーバは、教師あり訓練方法を使用して、ＡＩモデルを訓練することができる。ただし、いくつかの他の実施形態では、分析サーバは、半教師あり学習、教師なし学習、又は強化学習方法を使用して、ＡＩモデルを訓練することができる。訓練中、ＡＩモデルは、どの要因が衝突のリスク、又は事象を示す可能性がより高いかを判定することができる。例えば、グラフ５００（図５）に描画されるように、ＡＩモデルは、運転セッションが衝突又は事象の高いリスクを有するかどうかを、要因５０２が強く示していると判定する。

【0230】

上述の要因は、車両タイプ、及び／又は車両の場所に依存し得る。例えば、いくつかの車両は、自動運転ハードウェア及びセンサを装備していない可能性がある。それらの実施形態では、分析サーバは、異なる要因を使用して、地域の州若しくは国の規則に適合させることができるか、又は車両から収集された異なるデータを使用することができる。分析サーバは、車両ソフトウェアバージョンを使用して、モデルタイプを判定し、車両に関連付けられたデータ（例えば、車両が、所望のデータを収集するために必要なセンサを装備しているかどうか）を判定することができる。

【0231】

分析サーバは、個人的要因（例えば、運転手の年齢又は性別）を考慮しない場合がある。代わりに、分析サーバは、行動の相違及び環境の相違に焦点を当てることができる。

【0232】

具体的には、ＡＩモデルは、全体的な運転時間、１日当たりの運転時間、自動運転又はステアリング取り消し（例えば、運転手が自動ステアリング特徴を作動させたが、運転手がその手をハンドル上に置いていなかったことを車両が検知したとき）、車線逸脱、前方衝突、ＡＢＳブレーキインスタンス、運転時隔比、及び加速度が、運転手及び／又は運転セッションのスコアを計算するときに分析される最も適切なデータであると判定する。訓練されたとき、ＡＩモデルは、上述した要因の各々に関連付けられた重みを決定することができ、それに応じて、スコアを生成することができる。

【0233】

本明細書で考察されるように、分析サーバは、センサから受信した生データに対して標準的なＡＩ前処理（例えば、分位変換プロトコル）を実施して、全ての車両及び運転手についての一様な運転データを作成することができる。例えば、ＡＩモデルは、各要因５０２についての、分位変換プロトコル５０４などの標準的なＡＩ前処理を実施することができる。

【0234】

一例では、運転手は、分析サーバによって提供されるプラットフォームを使用して、保険掛金見積もりを要求する。適切な認証を受け取ると、分析サーバは、（ＶＩＮなどの識別子を使用して）運転手の車両を識別する。分析サーバは、所定の時間量（例えば、１ヶ月、又は所定の数の運転セッション）の間、運転手の車両の１つ以上のセンサによって収集されたセンサデータを監視する。分析サーバは、センサから受信した運転データを前処理し、運転手の特徴ベクトルを生成する。ＡＩモデルは、以前の運転セッションに関連付けられた運転データを使用して訓練される。次いで、分析サーバは、ＡＩモデルを実行して、収集されたデータに基づいて運転手のスコアを生成する。

【0235】

ここで、図６を参照すると、方法６００は、一実施形態による、ＡＩ対応車両センサデータ分析システムにおいて実行されるフロー図を例解している。方法６００は、ステップ６１０～６４０を含むことができる。しかしながら、他の実施形態では、追加若しくは代替のステップを含むか、又は１つ若しくは複数のステップを完全に省略することができる。方法６００は、分析サーバ（例えば、図１Ａで説明された分析サーバ１１０ａと同様のコンピュータ）によって実行されるものとして説明される。ただし、方法６００の１つ以上のステップは、図１Ａ及び図１Ｂで説明された分散コンピューティングシステムで動作する任意の数のコンピューティングデバイスによって実行されてもよい。例えば、１つ以上のコンピューティングデバイス（例えば、車両１４０のプロセッサ、及び／又はエンドユーザデバイス１５０）が、図６で説明されるステップの一部又は全部をローカルに実施することができ、又はクラウドデバイスが、そのようなステップを実施することができる。

【0236】

ステップ６１０において、分析サーバは、車両と通信する少なくとも１つのセンサから、運転セッションに関連付けられたデータを取り出すことができる。本明細書で考察されるように、分析サーバは、１つ以上の運転セッションに関連付けられた様々な運転データを取り出すことができる。分析サーバは、運転データが分析サーバに送信され得る車両のセンサ及び／又はプロセッサとリアルタイムで又はほぼリアルタイムで通信することができる。いくつかの実施形態では、ネットワーク接続性が車両と分析サーバとの間の接続を制限する場合、車両のデータリポジトリは、データを集約及び格納することができ、ネットワーク接続性が再び確立されたときに、格納されたデータをバッチで送信することができる。例えば、車両がネットワーク接続性のない場所にあるときでも、車両のプロセッサは、データを集約することができ、車両がネットワーク接続性を再度有したときに（例えば、車両が運転手のガレージに駐車しているときに）、収集されたデータを分析サーバに送信することができる。ネットワーク接続性のない期間中、スコアは、新しいデータが収集及び処理されるまで、変更されないままであってもよい。

【0237】

分析サーバは、本明細書で考察されるように、受信したデータセット内の様々なデータ点（収集されたセンサデータ）を前処理及び変換することができる。例えば、分析サーバは、データ量を削減するか、又は本明細書で考察される様々な標準的なＡＩ前処理プロトコル（例えば、分位変換プロトコル）を実施することができる。

【0238】

ステップ６２０において、分析サーバは、最新の運転セッションに関連付けられたデータを使用してＡＩモデルを実行して、最新の運転セッションが衝突に関連付けられる第１の尤度を示す第１のスコアを予測することができ、ここで、人工知能モデルは、過去の運転手データ及び過去の運転セッションデータに基づいて訓練される。分析サーバは、本明細書に記載された方法及びシステム（例えば、図２～図５）を使用して訓練されるＡＩモデルを実行することができる。その結果、ＡＩモデルは、最新の運転セッション（例えば、ステップ６１０において収集及び集約されたデータ）に基づいて、スコアを予測することができる。このスコアは、運転セッションが衝突（又は任意の他の規定された事象）に関連付けられる尤度を示すことができる。例えば、分析サーバは、本明細書で考察される様々な車両センサから収集された運転データを使用することができる。

【0239】

ステップ６３０において、分析サーバは、ＡＩモデルによって予測されたスコア（ステップ６２０）を、ＡＩモデルによって予測された以前のスコアと比較することができ、そのスコアは、運転手の過去の運転セッションデータに基づいて、車両が衝突に関与する第２の尤度を示す。分析サーバは、最新の運転セッションに関連付けられたスコアを、運転手の以前の運転サイクルデータに基づいて以前に計算された車両及び／又は運転手の全体的なスコアと比較することができる。車両及び／又は運転手の全体的なスコアを計算するために、分析サーバは、以前の１０回の（又はシステム管理者によって規定された任意の他の数の）運転セッションの平均ローリングスコアを作成することができる。別の例では、分析サーバは、最新の運転セッションのスコアを以前の運転セッションと比較することができる。

【0240】

ステップ６４０において、分析サーバは、第１のスコアが第２のスコアとは異なる場合に、第１のスコアを受信し、かつ最新の運転セッションが衝突に関連付けられる第１の尤度に対応する保険価額を生成するように構成されたコンピュータモデルに、第１のスコアを送信することができる。最新の運転セッションのスコアが運転手及び／又は車両の全体的なスコアとは異なる場合、分析サーバは、最新の運転セッションのスコアを第三者サーバに送信することができる。第三者サーバは、第三者サーバがスコアを分析して保険掛金を計算することができる、保険会社に関連付けられたサーバであってもよい。

【0241】

分析サーバは、同様に、第三者サーバに関して考察された機能性を実施することができる。例えば、分析サーバはまた、車両及び／又は運転手の新しい保険掛金を計算するために必要な様々なプロトコルを実行することもできる。例えば、分析サーバは、第２のモデル（アルゴリズム又は人工知能）を実行して、保険掛金を計算してもよい。いくつかの構成では、本明細書で説明された訓練されたＡＩモデルは、保険掛金を生成することができる。

【0242】

追加的又は代替的に、分析サーバは、１つ以上の電子デバイス（例えば、車両の娯楽報道番組システム、又は運転手の携帯電話にモバイルアプリケーションを介して出力されるプッシュ通知）上にプロンプトを表示することができる。例えば、運転セッションが終了したと分析サーバが判定した後に、分析サーバは、運転セッションのスコアを計算し、規定された期間内（例えば、運転セッションが終了した後の１分以内）にその結果を表示することができる。

【0243】

ここで、図７を参照すると、方法７００は、一実施形態による、ＡＩ対応車両センサデータ分析システムにおいて実行されるフロー図を例解している。方法７００は、ステップ７１０～７３０を含むことができる。しかしながら、他の実施形態では、追加若しくは代替のステップを含むか、又は１つ若しくは複数のステップを完全に省略することができる。方法７００は、分析サーバ（例えば、図１Ａで説明された分析サーバ１１０ａと同様のコンピュータ）によって実行されるものとして説明される。ただし、方法７００の１つ以上のステップは、図１Ａ及び図１Ｂで説明された分散コンピューティングシステムで動作する任意の数のコンピューティングデバイスによって実行することができる。例えば、１つ以上のコンピューティングデバイス（例えば、車両１４０のプロセッサ、及び／又はエンドユーザデバイス１５０）が、図７で説明されるステップの一部又は全部をローカルで実施することができるか、又はクラウドデバイスが、そのようなステップを実施することができる。

【0244】

ステップ７１０において、分析サーバは、車両の少なくとも１つの運転属性を監視するように構成された少なくとも１つのセンサ、及び車両と通信する少なくとも１つのカメラから、運転セッションデータを取り出すことができる。本明細書で考察されるように（例えば、図２～図６）、分析サーバは、車両がどのように操作されたかについての属性、及び運転手データ（例えば、運転中の運転手の属性）を含むことができる、運転セッションに関連付けられた運転データを取り出すことができる。本明細書で考察されるように、カメラは、室内カメラ（例えば、車両の室内に面するカメラ）、又は室内から離れるように面するカメラ（例えば、道路、又は車両の外部に面するカメラ）であってもよい。

【0245】

ステップ７２０において、分析サーバは、以前の運転手データ及び運転セッションデータに基づいて訓練されたＡＩモデルを実行して、運転セッションが事象に関連付けられる尤度を示すスコアを予測することができる。本明細書で説明されるように（例えば、図２～図６）、分析サーバは、訓練されたＡＩモデルを実行して、最新の運転セッションに基づいて運転手及び／又は車両のスコアを判定することができる。

【0246】

ＡＩモデルを実行している間、分析サーバは、ＡＩモデルを訓練するために収集される、本明細書で考察される全てのデータを使用することができる。例えば、分析サーバは、車両に関連付けられた１つ以上のセンサ及び１つ以上のソフトウェアを介して収集された運転データを使用することができる。データは、分析サーバに流され、かつ分析サーバによって取り込まれ得、これにより、そのデータを使用して、ＡＩモデルをリアルタイムで又はほぼリアルタイムで実行することができる。このようにして、ＡＩモデルは、本明細書で考察されるグラフィカルユーザインターフェースがリアルタイム（又はほぼリアルタイム）でデータを入力することができるように、本明細書で考察される結果をリアルタイム（又はほぼリアルタイム）で出力することができる。

【0247】

ステップ７３０において、分析サーバは、車両と通信する電子デバイス上に、スコア、及び事象の尤度に関連付けられたデータのインジケータを、表示のために提示することができる。分析サーバは、ＡＩモデルによって使用されるデータのスコア及び少なくともインジケータを提示して、車両及び／又は運転手に関連付けられた少なくとも１つの電子デバイス上に表示するためのスコアを計算することができる。例えば、分析サーバは、車両の娯楽報道番組システム上にプロンプトを表示することができる。別の例では、分析サーバは、運転手及び／又は車両に関連付けられたモバイルアプリケーションを介してプッシュ通知を送信することができる。このプロンプトは、最新の運転セッションについて計算されたスコア、並びに／又は車両及び／若しくは運転手に関連付けられた保険掛金を表示することができる。スコア又は掛金が最新の運転セッションに基づいて変化した場合、分析サーバはまた、以前のスコア又は掛金を表示することもできる。分析サーバは、様々な視覚的インジケータを使用して、スコアが増加したか又は減少したかどうかを識別することができる（例えば、色又は矢印）。

【0248】

スコアを表示することに加えて、分析サーバはまた、スコアを変化させた運転セッションに関連付けられたデータを取り出すこともできる。分析サーバは、この属性が訓練されたＡＩモデルによってスコアを変化させたとみなされたかどうかを判定することによって、スコアを増加又は減少させた１つ以上の属性を識別することができる。分析サーバは、スコアを計算するための、ＡＩモデルによって使用される属性のリストと、各属性がスコアにどの程度寄与したかを示す値と、を判定することができる。上述したように、ＡＩモデルは、多くの属性（例えば、以前の運転セッションのための運転データ）を取り入れて、スコアを計算することができる。しかしながら、計算されたスコアに寄与する際に、全ての属性が、必ずしも同じ重みを有するとは限らない可能性がある。例えば、ＡＩモデルは、高速と組み合わされた前方衝突のリスクに対して、違法な車線変更よりも高い重みを割り当てることができる。したがって、両方の要因が衝突の高いリスクを示すスコアに寄与したが、高速と組み合わされた前方衝突のリスクは、スコアに対してより高い寄与者である。

【0249】

分析サーバは、様々な方法を使用して、スコアに対して最も寄与する要因を識別することができる。例えば、分析サーバは、ソフトマックス分類子プロトコルを使用して、スコアが運転データの各属性によって影響を及ぼされる確率を計算することができる。その結果、分析サーバは、ＡＩモデルによって計算されたスコアに対して、どの属性が最も高い効果を有したかを判定することができる。

【0250】

スコアに影響を及ぼした１つ以上の属性を識別した後に、分析サーバはまた、属性のカテゴリ、属性に関連付けられた値、又は属性に関連付けられたタイムスタンプなど、１つ以上の属性に関連付けられた指示を取り出すこともできる。例えば、分析サーバは、スコアを変化させた属性が車線変更時の車両の速度であったことを識別することができる。次いで、分析サーバは、車線変更時の車両の速度に関連付けられたタイムスタンプを識別することができる。タイムスタンプを使用して、分析サーバは、対応するデータ点を取り出すことができる。例えば、分析サーバは、識別されたタイムスタンプにおける車両の速度（例えば、８０ｍｐｈ）を取り出すことができる。次いで、分析サーバは、１つ以上の電子デバイス（例えば、車両の娯楽報道番組システム又は運転手の携帯電話）上に出力されたプロンプト内に、取り出されたデータを提示することができる。プロンプトは、取り出されたデータ点を含むことができる。例えば、プロンプトは、運転手が車線変更時に８０ｍｐｈで車両を運転していたため、運転手のスコアが減少した（例えば、運転手はここで、以前よりも危険であるものとみなされている）ことを運転手に知らせることができる。

【0251】

いくつかの実施形態では、本明細書で考察されるグラフィカルユーザインターフェースを提示するために必要なデータは、暗号化することができ、その結果、認証されたデバイスのみが、データにアクセス及び表示することができる。例えば、いくつかの実施形態では、生データ（例えば、事象中の運転手の画像、又は事象中の車両の場所など、様々な事象及びそれらの対応するデータを含む運転データ）は、車両のコンピュータ／プロセッサから、本明細書で考察されるグラフィカルユーザインターフェースを提示するデバイスに直接通信され得る。プライバシーの懸念に対処するために、車両、分析サーバ、及び／又は電子デバイス（例えば、運転手のモバイルデバイス）間で通信されるデータは、認証されたデバイスのみがデータにアクセスすることができるように、暗号化することができる。

【0252】

データは、同期又は非同期の暗号化プロトコルなどの様々な方法を使用して暗号化することができる。例えば、非限定的な例では、データは、運転手又はそのモバイルデバイスに関連付けられた公開鍵を使用して暗号化することができる。その結果、運転手のモバイルデバイスは、それらの秘密鍵を使用して、本明細書で考察されるグラフィカルユーザインターフェースの提示に必要なデータを非同期的に復号化することができる。別の非限定的な例では、電子デバイス（又は本明細書で考察されるグラフィカルユーザインターフェースを提示する任意の他のデバイス）は、共通鍵（両者の当事者に知られている鍵）を使用して、データを暗号化及び復号化することができる。

【0253】

非限定的な例では、運転セッションデータは、急ブレーキ、及び速度制限を超える攻撃的な運転を有するものとして識別され、これは、分析サーバに、運転手のスコアを下げさせる。次いで、運転手は、急ブレーキにコミットしている間に、急ブレーキの発生の場所（例えば、マップ）、及び／又は運転手の画像を受信することに関心をもつことができる。その結果、運転手のスコアを提示する電子デバイスは、（運転セッションに関連付けられた）車両と通信して、車両に関連付けられたデータリポジトリに格納されたデータを受信することができる。このデータは、車両のセンサ（複数可）（例えば、車両の車室内カメラ又はＧＰＳセンサ）によって局所的にキャプチャすることができるため、急ブレーキ及び攻撃的な運転の画像及び場所は、車両のプロセッサによって格納することができる。運転手のモバイルデバイスは、分析サーバ及び／又は車両からデータパケットを受信することができる。秘密鍵を使用して、モバイルデバイスは、受信したデータを復号化して、本明細書で考察されるグラフィカルユーザインターフェースを提示することができる。

【0254】

分析サーバは、表示のために、運転手に関連付けられたモバイルデバイス上に、プロンプト８００（図８Ａに描画される）を有するグラフィカルユーザインターフェースを提示することができる。分析サーバは、事前認証された電子デバイスのリストに照会して、運転手のモバイルデバイスを識別することができる。次いで、分析サーバは、プロンプト８００を、識別されたモバイルデバイスに送信することができる。プロンプト８００は、最近完了した運転セッションに基づいて、それらのスコア８１０を知らせることができる。例えば、図８Ａに示すように、スコアは、１～１００のスケールであってもよく、プロンプトは、スコアが増加したか又は減少したかどうかについてのインジケータ８１５（例えば、上向き又は下向きの矢印によって示される）と共に新しいスコア８１０を含むことができる。プロンプト８００はまた、その最新の乗車中に識別された任意の危険な行動の観点から、保険掛金が調整されているかどうかを示すこともできる。

【0255】

プロンプト８００はまた、３つの対話型ボタン８０２、８０４、及び８０６を含むこともできる。運転手が対話型ボタン８０２と対話するときに、分析サーバは、運転手を、スコア８１０の減少の理由を説明するグラフィカルユーザインターフェース９００（図９Ａに描画される）に誘導する。具体的には、グラフィカルユーザインターフェース９００は、運転手に、車両が最新の乗車中に５回の衝突のリスクにあったことを知らせる。分析サーバは、車両が別の車両との前方衝突のリスクにあると識別された場合など、衝突のリスクのインスタンスに関連付けられた画像９０２を提示することができる。他の実施形態では、分析サーバは、危険な運転として識別された期間に関連付けられたビデオフィード（例えば、車両が衝突のリスクにあったときの映像を示す、１つ以上のカメラからのカメラフィード）を表示することができる。

【0256】

代替的に、ボタン８０２と対話する運転手の結果として、分析サーバは、運転手を、図９Ｂに描画されるグラフィカル使用インターフェース９０１に誘導することができる。グラフィカルユーザインターフェース９０１は、運転手のスコアに影響を及ぼした、運転手によって行われた行動の場所を示すマップ９０４を含むことができる。グラフィカルユーザインターフェースはまた、運転手によって行われた行動が運転手のスコアに影響を及ぼした理由の説明を含むこともできる。例えば、マップ９０４は、運転手が急ブレーキをかけ、また、分析サーバに運転手のスコアを下げさせた攻撃的な方向転換を行った場所を描画することができる。

【0257】

図８Ａに戻って参照すると、ユーザが対話型ボタン８０４と対話するときに、分析サーバは、新しい保険掛金、及び運転手の料率がどのように変化したかを識別する他のデータを表示することができる。新しい掛金は、その時点で有効になる場合もあれば、運転手がそのスコアを維持する場合、運転手の掛金の次回の評価時に実施する場合もある。分析サーバはまた、掛金を理解するために必要な履歴データの傾向及び他のメトリックを表示することもできる。ユーザは、対話型ボタン８０６と対話することによって、プロンプト８００を閉じることができる。

【0258】

別の実施形態では、分析サーバは、図８Ｂに描画されるプロンプト８０１を表示することができる。分析サーバは、運転手に関連付けられたモバイルデバイス上に、プロンプト８０１を有するグラフィカルユーザインターフェースを、表示のために提示することができる。分析サーバは、プロンプト８０１を、運転手及び／又は車両に関連付けられた認証されたモバイルデバイスに送信することができる。プロンプト８０１は、最近完了した運転セッションの数値スコア（例えば、スコア４９）を含むグラフィカルコンポーネント８１２を含むことができる。いくつかの実施形態では、プロンプト８０１は、運転セッション中にリアルタイムで表示することができ、プロンプト８０１の特徴は、リアルタイムで（又はほぼリアルタイムで）更新することができる。

【0259】

本明細書で考察されるように、スコアは、１～１００のスケールでスケーリングすることができ、その結果、スコアは、正規化されて、運転手によって容易に理解される。グラフィカルコンポーネント８１２はまた、一方の側の最低スコア（例えば、最も危険な運転セッションを示す左側のスコア１）から始まり、別の（反対）側の最高スコア（例えば、最も安全な運転セッションを示す右側のスコア１００）までのスコアの画像範囲を含むこともできる。スコアの範囲はまた、最近完了した運転セッションについて計算されたスコアを視覚的に示すこともできる。例えば、描画されるように、範囲を示すバーの一部分は、閲覧者がそれらのスコアの相対位置を判断することができるように、実線として描画することができる。

【0260】

グラフィカルコンポーネント８１２は、部分的に塗りつぶされたバーとして描画されるが、他の実施形態は、他の視覚方法を含むことができる。例えば、他の実施形態は、代わりに、垂直の棒グラフ又はハッチングパターン及び色パターンを含むことができる。

【0261】

グラフィカルユーザインターフェースはまた、最近完了した運転セッションのために計算されたスコアに寄与する異なる要因を視覚的に描画及び説明するグラフィカルコンポーネント８１４を含むこともできる。例えば、グラフィカルコンポーネント８１４は、運転セッションを評価するための、分析サーバによって監視される５つの主な要因を含むことができる。これらの要因は、前方衝突警告、急ブレーキ、攻撃的方向転換、危険な追従、及び強制的な自動運転又はステアリング（例えば、自動操縦）の解放を含むことができる。グラフィカルコンポーネント８１２はまた、各要因のための水平バーを含むこともできる。各バーは、分析サーバが、その要因に関連付けられた運転データを、低リスク、正常リスク、又は高リスクであると識別したかどうかを視覚的に示すことができる。例えば、「前方衝突警告」に対応するバーは、左側に集中され得る（時には、赤色などの低スコア又は危険な行動を示す色を使用し得る）。これは、運転セッションが前方衝突警告（例えば、規定された閾値よりも多い回数）を含んでいたことを示している。これはまた、運転セッションが比較的低いスコア４９を受け取った理由も示している。

【0262】

別の例では、「急ブレーキ」に対応するバーは、右側に集中される（時には、緑色などの高スコア又は安全な行動を示す色を使用し得る）。これは、運転セッションが、運転手が重大な急ブレーキをかけていなかったことを示すデータを含んでいたことを示している。別の例では、「危険な追従」に対応するバーは、中央に集中され得る（時には、黄色などの中程度のスコア又は中程度の危険な行動を示す色を使用し得る）。これは、運転セッションが、運転手が他の自動車に接近しすぎて追従していたいくつかの事象を含んでいたことを示している。

【0263】

各要因はまた、運転セッションの分析サーバの評価を示す数値を含むこともできる（その数値がその要因に関連するとき）。例えば、「前方衝突警告」要因は、（例えば、図５で説明されたように）１時間当たりの前方衝突スコアの数値を示すことができる。別の例では、「急ブレーキ」要因は、運転セッションが急ブレーキを含まなかったことを示す。

【0264】

各要因はまた、その要因の説明、及びその要因がスコアにどのように影響を及ぼすかを含むこともできる。例えば、各要因は、折り畳み式インジケータとして提示することができる。分析サーバが、ユーザ／運転手が要因と対話したと判定するときに、分析サーバは、各要因に関するより多くの情報を提示することができる。例えば、分析サーバは、各要因の定義、又は異なるスコア／メトリックがどのように計算されるかを提示することができる。

【0265】

例えば、分析サーバは、車両の前方の物体に起因する可能性のある衝突が運転手の介入なしに起こりそうであると考えられる場合に、「前方衝突警告」が（車両によって）運転手に提供される音声／視覚警報であることを表示することができる。分析サーバはまた、前方衝突警告がスコア内にどのように組み込まれ得るかについての例を提供することもできる。例えば、分析サーバは、分析サーバが１０００マイル毎に前方衝突警告を考慮することができ、値を１０１．９で上限にしてもよい（又はしなくてもよい）ことを表示することができる。

【0266】

別の例では、分析サーバは、「急ブレーキ」を、０．３ｇ（若しくは任意の他の規定された閾値）を超える後方加速度、又は１秒間に６．７ｍｐｈ（若しくは任意の他の規定された閾値）までの車両の速度の減少として表すことができる。急ブレーキを使用して、車両が０．１ｇ（１秒当たり２．２ｍｐｈ）を上回る後方加速度を経験する時間の割合に対する、車両が０．３ｇ以上の後方加速度を経験する時間の割合（パーセンテージとして表現される）としてスコアを計算することができる。別の例では、分析サーバは、「攻撃的な運転」を、０．４ｇ又は任意の他の規定された閾値を超える左／右加速度として表すことができる。

【0267】

運転データ及びそれらの対応するスコアは、運転手／閲覧者によって識別される任意の時間枠に基づいてセグメント化することができる。例えば、図８Ｂに描画されるように、分析サーバが、運転手／閲覧者がボタン８１６と対話したと判定したときに、分析サーバは、（本明細書で考察される個々の運転セッション毎ではなくて）特定の日について本明細書で説明される同じデータを表示することができる。他の例では、運転データは、特定の週又は月の間を示すことができる。更に、運転データ（及び対応する分析）は、傾向として示すことができ、その結果、運転手は、時間枠全体にわたって変化（例えば、過去１ヶ月にわたる動向）を見ることができる。

【0268】

本明細書で考察されるグラフィカルユーザインターフェースの提示は、運転手の電子デバイス（例えば、図８Ａ～図９Ｂに描画される運転手の携帯電話）上で実行するモバイルアプリケーションに限定されない。追加的又は代替的に、本明細書で考察されるグラフィカルユーザインターフェースは、運転手の口座、及び／又は車両に関連付けられた口座に関連付けられた任意の電子デバイス上に提示することができる（例えば、親がその子供の運転スコア及び他の詳細を監視することができるように）。更に、グラフィカルユーザインターフェースは、車両の（例えば、車両に関連付けられた）電子デバイス上にも表示することができる。

【0269】

別の非限定的な例では、分析サーバは、車両の娯楽報道番組システム（例えば、図１０に描画されるタッチスクリーン１０００）など、車両自体に関連付けられた電子デバイス上に描画されるプロンプトを表示することができる。分析サーバは、運転手のスコアが最新の乗車中における危険な行動に起因して調整されたことを運転手に知らせるテキスト通知を表示することができる。この通知には、危険な行動の証拠を示す画像も含まれ得る。例えば、車両が赤信号を突っ切った場合、分析サーバは、画像１００２を表示することができる。

【0270】

分析サーバは、スコアに関連付けられた事象又は行動に対応する任意の媒体要素（例えば、画像、音響、又はビデオ）を表示することができる。例えば、事象又は行動（例えば、赤信号を突っ切ること、又は加速している間に、攻撃的に車線を変更すること）が、スコアが減少した理由として識別された場合、分析サーバは、データリポジトリ（例えば、車両のローカルデータリポジトリ又はクラウド記憶装置）に照会して、運転手に提示される事象又は行動に関連付けられた媒体要素を取り出すことができる。例えば、運転手は、気を散らされている可能性があり、テキストメッセージを送りながら運転している可能性がある。その結果、車室内カメラは、運転しながらテキストメッセージを送信する運転手の画像をキャプチャすることができる。その画像は、グラフィカルユーザインターフェース上に表示することができ、このため、運転手は、運転手の行動が危険なものとして識別されている少なくとも１つの理由であることに気付く。

【0271】

いくつかの実施形態では、分析サーバは、スコアに影響を及ぼした異なる事象及び行動を示す運転セッションの時間表を提示することができる。例えば、分析サーバは、図１２に描画される時間表１２００を、車両／運転手に関連付けられた電子デバイス上に提示することができる。時間表１２００は、（例えば、モバイルデバイス上、かつ／又は車両内の）本明細書で考察されるグラフィカルユーザインターフェースのいずれかに提示することができる。時間表１２００は、運転手の最新の運転セッションなどの特定の運転セッションに対応することができる。ただし、他の実施形態では、時間表１２００は、全体的なスコアを減少させた運転セッションなど、運転手によって選択された特定の運転セッションに対応することができる。代替的に、時間表１２００は、運転手による選択に基づいて、開始時間及び終了時間に対応することができる。

【0272】

時間表１２００は、運転セッションの開始を示すグラフィカルインジケータ１２０２と、それに続く、運転手が自分の車両の自動運転及び／又はステアリング能力を使用した時間枠を描画するグラフィカルインジケータ１２０４と、を含むことができる。本明細書で考察されるように、分析サーバは、運転手が自動運転モードを使用している間、運転データを使用しなくてもよい。時間表はまた、運転手が運転セッションの終了に向けて自動運転能力を使用していたことを同様に示すグラフィカルインジケータ１２１４を含むこともできる。

【0273】

時間表１２００は、運転手が前方衝突警告を受け取ったことを、運転データが示したときを描画するグラフィカルインジケータ１２０６～８を含むことができる。別のグラフィカルインジケータ１２１０は、車両が、危険な様式で（例えば、規定された閾値よりも近接して）別の自動車を追従していると識別された時間枠を描画している。同じ「危険な追従」時間枠内で、運転手はまた、グラフィカルインジケータ１２１２によって示されるように、急ブレーキもかけていた。最後に、時間表１２００は、運転セッションの終了を描画するグラフィカルインジケータ１２１６を含む。

【0274】

ここで、図１３を参照すると、方法１３００は、一実施形態による、ＡＩ対応車両センサデータ分析システムにおいて実行されるフロー図を例解している。方法１３００は、ステップ１３１０～１３２０を含むことができる。しかしながら、他の実施形態では、追加若しくは代替のステップを含むか、又は１つ若しくは複数のステップを完全に省略することができる。方法１３００は、分析サーバ（例えば、図１Ａで説明された分析サーバ１１０ａと同様のコンピュータ）によって実行されるものとして説明される。ただし、方法１３００の１つ以上のステップは、図１Ａ及び図１Ｂで説明された分散コンピューティングシステム内で動作する任意の数のコンピューティングデバイスによって実行することができる。例えば、１つ以上のコンピューティングデバイス（例えば、車両１４０のプロセッサ、及び／又はエンドユーザデバイス１５０）が、図１３で説明されるステップの一部若しくは全部をローカルに実施してもよく、又はクラウドデバイスが、そのようなステップを実施してもよい。

【0275】

ステップ１３１０において、分析サーバは、車両の少なくとも１つの運転属性を監視するように構成された少なくとも１つのセンサ、及び車両と通信する少なくとも１つのカメラから、運転セッションデータを取り出すことができる。本明細書で考察されるように（例えば、図２～図６）、分析サーバは、車両がどのように操作されたかについての属性、及び運転手データ（例えば、運転中の運転手の属性）を含むことができる、運転セッションに関連付けられた運転データを取り出すことができる。本明細書で考察されるように、カメラは、室内カメラ（例えば、車両の室内に面するカメラ）、又は室内から離れるように面するカメラ（例えば、道路、又は車両の外部に面するカメラ）であり得る。

【0276】

本明細書で考察された様々な方法及びシステムを使用して、分析サーバは、運転セッションが事故などの事象に関連付けられる尤度を示すスコアを生成することができる。

【0277】

ステップ１３２０において、分析サーバは、スコアに基づいて、（そのスコアに関連付けられた）車両の少なくとも１つの機能性を修正することができる。分析サーバは、１つ以上の規則をスコアに適用し、修正される車両に関連付けられた機能性を判定することができる。いくつかの実施形態では、スコアに適用される１つ以上の規則は、１つ以上の閾値に対応することができる。その結果、スコアは、閾値と比較される。本明細書で使用される場合、閾値とは、システム管理者によって規定された静的閾値、又は運転手の属性（例えば、運転手の人口統計学データ）若しくは車両（例えば、車両の寿命）などの他の要因に基づいて変化する動的閾値を指し得る。

【0278】

運転セッションのために計算されたスコアが閾値を満たす場合、分析サーバは、車両及び／又は運転手に関連付けられた１つ以上の機能性を修正することができる。本明細書で使用される場合、機能性とは、運転セッションに関連付けられた車両及び／又は運転手に関連付けられた任意のハードウェア又はソフトウェア能力を指し得る。非限定的な例では、分析サーバは、運転手のスコアが安全閾値を満たすと判定することができる。その結果、分析サーバは、車両の１つ以上の特徴を無効にすることができる。例えば、分析サーバは、車両の自動運転若しくはステアリング特徴を無効にすることができ、又は車両のための加速度ブーストを無効にすることができる。別の例では、分析サーバは、自動運転又はステアリング（車両がその特徴を追加されていない場合）、加速度ブースト、過給能力、車両の電子デバイスによって提示される電子コンテンツ（例えば、ゲーム又は映画）などの特徴を追加又は削除することができる。

【0279】

分析サーバは、運転手の更新されたスコアに従って、少なくとも１つの特徴を定期的に修正することができる。したがって、実施される修正は、可逆的であり得る。例えば、運転手のスコアが７０／１００（規定された閾値の例）よりも低いとき、分析サーバは、運転手が自動運転特徴を使用することを可能にし続けることができ、運転手のスコアが閾値を満たさないとき（例えば、運転手のスコアが下がって、運転手が危険であるとみなされないとき）、分析サーバは、自動運転特徴を削除することができる。ただし、後の時点で、運転手のスコアが７０／１００を超えたときに、分析サーバは、自動運転特徴を追加することができる。

【0280】

分析サーバによって行われる修正は、車両又は運転手に固有であってもよい。例えば、車両が複数の運転手によって使用されていると識別されたとき、分析サーバは、スコアが閾値を満たす特定の運転手について、上で考察された特徴のみを無効にする／有効にすることができる。非限定的な例では、車両が２人の運転手によって運転されているときに、分析サーバは、第２の運転手が加速度ブースト特徴を利用することができる間だけ、第１の運転手の加速度ブーストを無効にすることができる。

【0281】

本明細書に開示される実施形態に関連して説明される様々な例示的な論理ブロック、モジュール、回路、及びアルゴリズムステップは、電子ハードウェア、コンピュータソフトウェア、又は両方の組み合わせとして実装され得る。ハードウェア及びソフトウェアのこの互換性を明らかに例解するために、様々な例示のコンポーネント、ブロック、モジュール、回路、及びステップが、それらの機能性に関して一般に上記された。かかる機能性がハードウェア又はソフトウェアとして実装されるかは、特定の用途及びシステム全体が負う設計上の制約に依存する。当業者は、特定の用途毎に異なる方式で記載された機能を実装し得るが、かかる実装決定は、本開示の範囲又は特許請求の範囲から逸脱を引き起こすものとして解釈されるべきではない。

【0282】

コンピュータソフトウェアに実装される実施形態は、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語、又はそれらの任意の組み合わせにおいて実装され得る。コードセグメント又は機械実行可能命令は、手順、関数、サブプログラム、プログラム、ルーチン、サブルーチン、モジュール、ソフトウェアパッケージ、クラス、又は命令、データ構造、若しくはプログラムステートメントの任意の組み合わせを表し得る。コードセグメントは、情報、データ、引数、パラメータ、若しくはメモリコンテンツを受け渡す及び／又は受信することによって、別のコードセグメント若しくはハードウェア回路に結合され得る。情報、引数、パラメータ、データなどは、メモリ共有、メッセージの受け渡し、トークンの受け渡し、ネットワーク伝送などを含む任意の好適な手段を介して受け渡され、転送され、又は伝送されることがある。

【0283】

これらのシステム及び方法を実装するために使用される実際のソフトウェアコード又は専門的な制御ハードウェアは、特許請求される特徴又は本開示を限定するものではない。したがって、システム及び方法の動作及び挙動は、ソフトウェア及び制御ハードウェアが、本明細書の説明に基づいてシステム及び方法を実施するように設計され得ることが理解されている特定のソフトウェアコードを参照することなく説明された。

【0284】

ソフトウェアに実装される場合、関数は、非一時的コンピュータ可読又はプロセッサ可読記憶媒体上に１つ以上の命令又はコードとして記憶され得る。本明細書に開示される方法又はアルゴリズムのステップは、コンピュータ可読又はプロセッサ可読記憶媒体上に存在し得るプロセッサ実行可能ソフトウェアモジュールに具現化され得る。非一時的コンピュータ可読媒体又はプロセッサ可読媒体は、ある場所から別の場所へのコンピュータプログラムの転送を容易にするコンピュータ記憶媒体及び有形記憶媒体の両方を含む。非一時的プロセッサ可読記憶媒体は、コンピュータによってアクセスされ得る任意の利用可能な媒体であり得る。例として、限定されないが、そのような非一時的プロセッサ可読媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ－ＲＯＭ又は他の光ディスク記憶装置、磁気ディスク記憶装置若しくは他の磁気記憶装置、又は所望のプログラムコードを命令又はデータ構造の形態で記憶するために使用され得、コンピュータ又はプロセッサによってアクセスされ得る任意の他の有形記憶媒体を含み得る。ディスク（ｄｉｓｋ）及びディスク（ｄｉｓｃ）は、本明細書で使用される場合、コンパクトディスク（ＣＤ）、レーザディスク、光学ディスク、デジタル汎用ディスク（ＤＶＤ）、フロッピーディスク、及びブルーレイディスクを含み、ディスク（ｄｉｓｋ）は通常、磁気的にデータを再生するが、ディスク（ｄｉｓｃ）はレーザで光学的にデータを再生する。上記の組み合わせもまた、コンピュータ可読媒体の範囲内に含まれるべきである。加えて、方法若しくはアルゴリズムの動作は、コンピュータプログラム製品に組み込まれ得る非一時的プロセッサ可読媒体及び／又はコンピュータ可読媒体上のコード及び／又は命令の１つ又は任意の組み合わせ若しくはセットとして存在し得る。

【0285】

開示された実施形態の前述の説明は、当業者が本明細書に記載される実施形態及びその変形形態を作製又は使用することを可能にするために提供される。これらの実施形態に対する様々な修正は、当業者には容易に明らかであろうし、本明細書で定義された原理は、本明細書に開示された主題の趣旨又は範囲から逸脱することなく他の実施形態に適用することができる。したがって、本開示は、本明細書に示した実施形態に限定されることを意図されないが、以下の特許請求の範囲及び本明細書に開示された原理及び新規の特徴と一致する最も広い範囲が与えられるべきである。

【0286】

様々な態様及び実施形態が開示されているが、他の態様及び実施形態が企図される。開示された様々な態様及び実施形態は、例解の目的のためのものであり、限定することを意図するものではなく、真の範囲及び趣旨が、以下の特許請求の範囲によって示される。

【図1A】

【図1B】

【図1C】

【図2】

【図3】

【図4A】

【図4B】

【図5】

【図6】

【図7】

【図8A】

【図8B】

【図9A】

【図9B】

【図10】

【図11】

【図12】

【図13】

【国際調査報告】