车辆黑匣子数据的基于人工智能的持久性制造技术

所公开的实施例针对于提高车辆中的事故前数据的持久性。在一个实施例中，公开一种方法，其包括接收经由车辆总线广播的事件；使用机器学习模型将所述事件分类，所述分类包括指示即将发生碰撞；和响应于所述分类而将数据从黑匣子装置的循环缓冲器复制到长期存储装置中。中。中。

【技术实现步骤摘要】
【国外来华专利技术】车辆黑匣子数据的基于人工智能的持久性
[0001]相关申请案
[0002]本申请案主张2020年2月6日申请的标题为“车辆黑匣子数据的基于人工智能的持久性(ARTIFICIAL INTELLIGENCE
‑
BASED PERSISTENCE OF VEHICLE BLACK BOX DATA)”的美国专利申请案序列号16/783,377的优先权，其全部公开内容由此以引用的方式并入本文中。


[0003]所公开的实施例针对汽车系统且针对用于基于机器学习(ML)模型调整车辆电子数据记录器装置(也被称作黑匣子装置)的操作的系统，所述ML模型预测碰撞隐患或其它需要增加数据持久性的情形。

技术介绍

[0004]在美国，每年发生大约六百万次车辆碰撞。许多这类车辆配备有事件数据记录器(EDR)装置，还被称作黑匣子。这些装置记录车辆产生的数据，例如速度数据、控制数据(例如，方向灯的使用)和其它数据。通常，汽车中的黑匣子仅将有限持续时间(例如，几分钟)的数据记录于循环缓冲器中。在此情境下，随时间推移，黑匣子连续地用新数据覆写最旧的数据。这类装置被静态地配置并且始终操作而不考虑车辆的操作。因此，当前黑匣子可能常常无法捕获出现在装置的记录“窗口”外部的大量数据。
[0005]虽然这类配置可证明适用于识别刚好在碰撞之前发生的数据，但无法捕获导致碰撞的相关数据。除了上文之外，所有汽车装置还受空间和电源问题限制。因此，简单记录车辆运动时所有可能的数据并非实际可行的。这类朴素方法将需要大量电力和存储空间，这些要求在当前汽车中并非可行的。
[0006]所公开的实施例通过提供基于机器学习的方法来解决这些和其它技术问题，所述基于机器学习的方法用于在预测可发生碰撞之后智能地永久保持黑匣子数据。
附图说明
[0007]实施例是借助于实例而非限制在附图的图中来说明的，在附图中相似参考指示类似元件。
[0008]图1是说明根据本公开的一些实施例的黑匣子系统的框图。
[0009]图2是说明根据本公开的一些实施例的基于预测的碰撞永久保持车辆事件数据的方法的流程图。
[0010]图3是说明根据本公开的一些实施例的基于事故数据重新训练机器学习模型的方法的流程图。
[0011]图4是说明根据本公开的一些实施例的基于错误肯定和错误否定事件优化机器学习模型的方法的流程图。
[0012]图5是说明根据本公开的一些实施例的车辆计算系统的框图。
具体实施方式
[0013]所公开的实施例描述用于使用机器学习(ML)模型永久保持黑匣子数据的装置、方法和计算机可读媒体。在所说明的实施例中，训练的ML模式安装于车辆中并且监测车辆中广播的事件数据。ML模型将这些事件数据点分类并且确定所述事件数据是否指示有可能发生碰撞。如果是，那么所述方法开始复制来自黑匣子的循环缓冲器的数据，因此相较于当前黑匣子，永久保持明显在碰撞之前的黑匣子数据。另外，公开用于基于在上述过程的操作期间累积的数据提高ML模型的性能的技术。
[0014]图1是说明根据本公开的一些实施例的黑匣子系统的框图。
[0015]在所说明的实施例中，黑匣子系统(100)和车辆系统(102)连接到总线(118)。在图5中提供车辆系统(102)和总线(118)的类型的细节且此处不重复。通常，车辆系统(102)经由总线(118)发射与车辆的操作有关的事件或数据。
[0016]在所说明的实施例中，黑匣子系统(100)包含传统的黑匣子(104)和永久性黑匣子(110)。在所说明的实施例中，黑匣子(104)可包括车辆中目前使用的任何类型的标准黑匣子硬件。在其它实施例中，可具体地作为安装于车辆中的黑匣子系统(100)的部分来提供黑匣子(104)。以此方式，永久性黑匣子(110)可用以改造现有黑匣子，而在新的生产中，整个黑匣子系统(100)可安装于车辆中。
[0017]所说明的黑匣子(104)包含控制器(106)和循环缓冲器(108)。控制器(106)监测用于相关事件的总线(118)并将这些事件存储于循环缓冲器(108)中。在一个实施例中，控制器(106)转发循环缓冲器(108)中的所有检测到的事件。在其它实施例中，控制器(106)可选择性地启用和停用记录事件到循环缓冲器(108)中。举例来说，在一些系统中，控制器(106)可仅在检测到碰撞之后(例如，当安全气囊展开，碰撞传感器被触发时，或当另一电子控制单元ECU指示碰撞时)即刻将数据记录到循环缓冲器中。作为一个实例，控制器(106)可仅当防抱死刹车系统(ABS)激活(这通常是在事故之前)时记录数据。
[0018]循环缓冲器(108)包括被配置成将数据存储于逻辑环中的存储装置。也就是说，如果被写入的第一方位是缓冲器(108)中的第一方位，那么控制器(106)继续将数据写入于缓冲器(108)中的依序方位处。在到达缓冲器(108)的末端之后，控制器(106)随后即刻覆写缓冲器(108)的第一方位并且继续覆写数据，因此模拟环状结构。控制器(106)可开始在缓冲器(108)中的任何方位处写入但始终依序写入，当到达缓冲器(108)的末端时折回到缓冲器(108)的前部。具体地，循环缓冲器的操作细节在所属领域中已知且本文中不重复那些细节。
[0019]在当前车辆中，可存在黑匣子(104)、总线(118)和车辆系统(102)并将有限量的数据记录于循环缓冲器(108)中。然而，如图1的改进系统中所说明，改进的黑匣子系统(100)配备有永久性黑匣子(PBB)(110)。PBB(110)包含其自身的控制器(112)、一或多个ML模型(114)和长期存储装置(LTS)(116)。在一个实施例中，控制器(112)可包括芯片上系统、专用微处理器、微控制器、现场可编程门阵列或其它处理元件。控制器(112)可包含控制所述装置并且充当操作系统的固件。ML模型(114)通常存储于持久性存储器中。在一些实施例中，ML模型(114)存储于快闪存储装置或类似存储装置上。在其它实施例中，ML模型(114)可存储于电可擦除可编程只读存储器(EEPROM)上。特定存储装置类型不具限制性，只要存储装置永久地存储所述模型即可。类似地，长期存储装置(116)包括在丢失电力之后仍维持数据
的永久性存储媒体。在一些实施例中，LTS(116)包括防篡改的安全存储器装置。在一些实施例中，LTS(116)包含从严重数据丢失(例如，归因于碰撞)中恢复的显著错误校正能力。
[0020]在所说明的实施例中，控制器(112)从总线(118)接收事件。因此，在所说明的实施例中，控制器(112)处理被黑匣子(104)处理的相同事件。在所说明的实施例中，控制器(112)经由接口接收事件并将事件输入到ML模型(114)中。在一些实施例中，控制器(112)可将事件加窗并将多个事件作为输入提供到ML模型(114)。在一些实施例中，控制器(112)执行ML模型并检索定义来自ML模型(114)的模型的参数。
[0021]在其它实本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，其包括：接收指示与车辆有关的事件的信令，经由总线广播或多播所述信令，所述总线被配置成在所述车辆内的计算系统的组件之间传送数据信号或控制信号或这两者；使用机器学习模型至少部分地基于所述接收到的信令将所述事件分类，所述分类包括指示所述车辆与另一物体之间的碰撞即将发生；和响应于所述分类而将数据从所述计算系统内的第一装置的循环缓冲器复制到存储装置中。2.根据权利要求1所述的方法，所述接收指示事件的所述信令包括从所述车辆的多个子系统接收原始事件数据。3.根据权利要求1所述的方法，所述指示即将发生碰撞包括识别所述碰撞有可能在置信度阈值水平内发生。4.根据权利要求1所述的方法，所述将所述事件分类包括使用神经网络将所述事件分类。5.根据权利要求4所述的方法，其另外包括使用存储于所述存储装置中的所述数据重新训练所述神经网络。6.根据权利要求5所述的方法，所述重新训练另外包括基于在所述分类之后是否检测到实际碰撞来标记存储于所述长期存储装置中的所述数据。7.根据权利要求1所述的方法，其另外包括识别错误肯定和错误否定事件集并且基于所述错误肯定和错误否定事件来调整所述机器学习模型的参数。8.一种非暂时性计算机可读存储媒体，其用于有形地存储能够由计算机处理器执行的计算机程序指令，所述计算机程序指令定义以下步骤：接收指示与车辆有关的事件的信令，经由总线广播或多播所述信令，所述总线被配置成在所述车辆内的计算系统的组件之间传送数据信号或控制信号或这两者；使用机器学习模型至少部分地基于所述接收到的信令将所述事件分类，所述分类包括指示所述车辆与另一物体之间的碰撞即将发生；和响应于所述分类而将数据从所述计算系统内的第一装置的循环缓冲器复制到存储装置中。9.根据权利要求8所述的非暂时性计算机可读存储媒体，所述接收指示事件的所述信令包括从所述车辆的多个子系统接收原始事件数据。10.根据权利要求8所述的非暂时性计算机可读存储媒体，指示即将发生碰撞包括识别所述碰撞有可能在置信度阈值水平内发...

【专利技术属性】
技术研发人员：G，
申请(专利权)人：美光科技公司，
类型：发明
国别省市：