【技术实现步骤摘要】
技术介绍
技术实现思路
1、本公开的实施方案涉及用于评估车辆操作员并生成建议以减轻车辆的磨损的车辆控制系统、方法和计算机可读介质。本公开的系统和方法可以监测车辆的磨损并且将该磨损与操作员的驾驶模式相关以生成调整操作员行为的建议，从而减少车辆磨损、车辆停机时间和维护成本。
2、本公开的一个具体实施是一种用于将驾驶行为与车辆的磨损相关的方法。在一些实施方案中，该方法包括通过车辆的控制模块识别车辆的驾驶员，以及通过车辆的控制模块接收由内置于车辆特定位置中的多个传感器生成的信号。在一些实施方案中，这些传感器包括至少一个振动传感器。在一些实施方案中，该方法包括：通过车辆的控制模块基于这些信号确定与驾驶员相关联的驾驶模式；通过车辆的控制模块基于这些信号评估由于一种或多种磨损机制而导致的车辆的磨损；识别驾驶模式与评估的车辆的磨损之间的相关性，以及通过车辆的电信模块向车辆数据分析系统传输与驾驶模式和评估的车辆的磨损之间的相关性相关联的信息。
3、在一些实施方案中，这些信号包括以下各项中的至少一项：(i)描述车辆的制动器位置的制动器数据、(ii)描述车辆的加速器位置的加速器数据或(iii)描述车辆的转向角的转向数据。在一些实施方案中，确定驾驶模式包括生成描述驾驶员的驾驶特性的度量。在一些实施方案中，驾驶特性包括以下各项中的至少一项：(i)停车距离、(ii)跟车距离、(iii)车道中的位置、(iv)实际速度与阈值的比率、(v)车道变化的频率、(vi)快速加速的频率或(vii)快速减速的频
4、在一些实施方案中，确定驾驶特性对评估的磨损的贡献包括确定与目标函数中的度量相关联的权重，该权重表示驾驶特性对评估的磨损的贡献。在一些实施方案中，传输与相关性相关联的信息包括基于贡献传输与驾驶特性相关联的报告。在一些实施方案中，评估车辆的磨损包括以下各项中的至少一者：(i)将被训练以预测部件磨损的机器学习(ml)模型应用于信号的至少第一部分，(ii)将传递函数应用于信号的至少第二部分，或者(iii)生成信号的至少第三部分的频域表示。
5、本公开的另一具体实施是一种用于将驾驶行为与车辆的磨损相关的车辆系统，该车辆系统包括内置于车辆特定位置中的多个传感器、显示器以及一个或多个计算设备。在一些实施方案中，该多个传感器包括至少一个振动传感器。在一些实施方案中，该一个或多个计算设备包括：包括指令的一个或多个非暂态计算机可读存储介质，以及耦接到该一个或多个存储介质的一个或多个处理器。在一些实施方案中，该一个或多个处理器被配置为执行指令以：识别车辆的驾驶员；接收由该多个传感器生成的信号；基于这些信号确定与驾驶员相关联的驾驶模式；基于这些信号评估由于一种或多种磨损机制而导致的车辆的磨损；识别驾驶模式与评估的车辆的磨损之间的相关性，以及向车辆数据分析系统传输与驾驶模式和评估的车辆的磨损之间的相关性相关联的信息。
6、在一些实施方案中，这些信号包括以下各项中的至少一项：(i)描述车辆的制动器位置的制动器数据、(ii)描述车辆的加速器位置的加速器数据或(iii)描述车辆的转向角的转向数据。在一些实施方案中，确定驾驶模式包括生成描述驾驶员的驾驶特性的度量。在一些实施方案中，驾驶特性包括以下各项中的至少一项：(i)停车距离、(ii)跟车距离、(iii)车道中的位置、(iv)速度、(v)车道变化的频率、(vi)快速加速的频率或(vii)快速减速的频率。在一些实施方案中，确定驾驶模式包括生成目标函数，该目标函数表示驾驶特性对评估的磨损的贡献并且包括度量。在一些实施方案中，识别驾驶模式与评估的磨损之间的相关性包括确定驾驶特性对评估的磨损的贡献。
7、在一些实施方案中，确定驾驶特性对评估的磨损的贡献包括确定与目标函数中的度量相关联的权重，该权重表示驾驶特性对评估的磨损的贡献。在一些实施方案中，传输与相关性相关联的信息包括基于贡献传输与驾驶特性相关联的报告。在一些实施方案中，评估车辆的磨损包括以下各项中的至少一者：(i)将被训练以预测部件磨损的机器学习(ml)模型应用于信号的至少第一部分，(ii)将传递函数应用于信号的至少第二部分，或者(iii)生成信号的至少第三部分的频域表示。
8、本公开的另一具体实施是包括指令的非暂态计算机可读介质。在一些实施方案中，当由一个或多个计算设备的一个或多个处理器执行时，这些指令使得该一个或多个处理器识别车辆的驾驶员，接收由内置于车辆上特定位置中的多个传感器生成的信号。在一些实施方案中，这些传感器包括至少一个振动传感器。在一些实施方案中，这些指令使得该一个或多个处理器：基于这些信号确定与驾驶员相关联的驾驶模式；基于这些信号评估由于一种或多种磨损机制而导致的车辆的磨损；识别驾驶模式与评估的车辆的磨损之间的相关性，以及向车辆数据分析系统传输与驾驶模式和评估的车辆的磨损之间的相关性相关联的信息。
9、在一些实施方案中，传输信息包括传输与驾驶员相关联的排名，该排名描述与其他驾驶员的驾驶特性相比的该驾驶员的驾驶特性。
10、本公开的另一具体实施是一种用于将驾驶行为与车辆的磨损相关的方法。在一些实施方案中，该方法包括通过与车辆数据分析系统相关联的一个或多个服务器接收与由内置于车辆上特定位置中的多个传感器生成的信号相关的信息。在一些实施方案中，这些传感器包括至少一个振动传感器。在一些实施方案中，该方法包括：通过该一个或多个服务器基于这些信号确定与驾驶员相关联的驾驶模式；通过该一个或多个服务器基于这些信号评估由于一种或多种磨损机制而导致的车辆的磨损；通过该一个或多个服务器识别驾驶模式与评估的车辆的磨损之间的相关性，以及通过该一个或多个服务器计算与驾驶员相关联的分数。在一些实施方案中，该分数基于(1)与驾驶员相关联的驾驶模式和评估的车辆的磨损之间的相关性和(2)与其他驾驶员相关联的驾驶模式和评估的他们相应车辆的磨损之间的相关性之间的比较。
11、在一些实施方案中，与这些信号相关的信息包括以下各项中的至少一项：(i)描述车辆的制动器位置的制动器数据、(ii)描述车辆的加速器位置的加速器数据或(iii)描述车辆的转向角的转向数据。在一些实施方案中，确定驾驶模式包括通过该一个或多个服务器生成描述驾驶员的驾驶特性的度量。在一些实施方案中，识别驾驶模式与评估的磨损之间的相关性包括确定驾驶特性对评估的磨损的贡献。在一些实施方案中，确定驾驶特性对评估的磨损的贡献包括确定与目标函数中的度量相关联的权重，该权重表示驾驶特性对评估的磨损的贡献。在一些实施方案中，计算分数包括评估目标函数。
12、在一些实施方案中，识别驾驶模式与评估的磨损之间的相关性包括通过该一个或多个服务器识别与车辆相关联的增加的磨损速率，以及通过该一个或多个服务器确定增加的磨损速率的原因。在一些实施方案本文档来自技高网...
【技术保护点】
1.一种用于将驾驶行为与车辆的磨损相关的方法，所述方法包括：
2.根据权利要求1所述的方法，其中所述信号包括以下各项中的至少一项：(i)描述所述车辆的制动器位置的制动器数据、(ii)描述所述车辆的加速器位置的加速器数据或(iii)描述所述车辆的转向角的转向数据。
3.根据权利要求1所述的方法，其中确定所述驾驶模式包括生成描述所述驾驶员的驾驶特性的度量。
4.根据权利要求3所述的方法，其中所述驾驶特性包括以下各项中的至少一项：(i)停车距离、(ii)跟车距离、(iii)车道中的位置、
5.根据权利要求3所述的方法，其中确定所述驾驶模式包括生成目标函数，所述目标函数表示所述驾驶特性对所评估的磨损的贡献并且包括所述度量。
6.根据权利要求3所述的方法，其中识别所述驾驶模式与所评估的磨损之间的所述相关性包括确定所述驾驶特性对所评估的磨损的贡献。
7.根据权利要求6所述的方法，其中确定所述驾驶特性对所评估的磨损的所述贡献包括确定与目标函数中的所述度量相关联的权重，所述权重表示所述驾驶特性对所评估的磨损的所述贡献。>
8.根据权利要求6所述的方法，其中传输与所述相关性相关联的所述信息包括基于所述贡献传输与所述驾驶特性相关联的报告。
9.根据权利要求1所述的方法，其中评估所述车辆的磨损包括以下各项中的至少一项：(i)将被训练以预测部件磨损的机器学习(ML)模型应用于所述信号的至少第一部分，(ii)将传递函数应用于所述信号的至少第二部分，或者(iii)生成所述信号的至少第三部分的频域表示。
10.一种用于将驾驶行为与车辆的磨损相关的车辆系统，所述车辆系统包括：
11.根据权利要求10所述的车辆系统，其中所述信号包括以下各项中的至少一项：(i)描述所述车辆的制动器位置的制动器数据、(ii)描述所述车辆的加速器位置的加速器数据或(iii)描述所述车辆的转向角的转向数据。
12.根据权利要求10所述的车辆系统，其中确定所述驾驶模式包括生成描述所述驾驶员的驾驶特性的度量。
13.根据权利要求12所述的车辆系统，其中所述驾驶特性包括以下各项中的至少一项：(i)停车距离、(ii)跟车距离、(iii)车道中的位置、(iv)速度、(v)车道变化的频率、(vi)快速加速的频率或(vii)快速减速的频率。
14.根据权利要求12所述的车辆系统，其中确定所述驾驶模式包括生成目标函数，所述目标函数表示所述驾驶特性对所评估的磨损的贡献并且包括所述度量。
15.根据权利要求12所述的车辆系统，其中识别所述驾驶模式与所评估的磨损之间的所述相关性包括确定所述驾驶特性对所评估的磨损的贡献。
16.根据权利要求15所述的车辆系统，其中确定所述驾驶特性对所评估的磨损的所述贡献包括确定与目标函数中的所述度量相关联的权重，所述权重表示所述驾驶特性对所评估的磨损的所述贡献。
17.根据权利要求15所述的车辆系统，其中传输与所述相关性相关联的所述信息包括基于所述贡献传输与所述驾驶特性相关联的报告。
18.根据权利要求10所述的车辆系统，其中评估所述车辆的磨损包括以下各项中的至少一项：(i)将被训练以预测部件磨损的机器学习(ML)模型应用于所述信号的至少第一部分，(ii)将传递函数应用于所述信号的至少第二部分，或者(iii)生成所述信号的至少第三部分的频域表示。
19.一种非暂态计算机可读介质，所述非暂态计算机可读介质包括指令，当由一个或多个计算设备的一个或多个处理器执行时，所述指令使得所述一个或多个处理器：
20.根据权利要求19所述的非暂态计算机可读介质，其中传输所述信息包括传输与所述驾驶员相关联的排名，所述排名描述与其他驾驶员的驾驶特性相比的所述驾驶员的驾驶特性。
...【技术特征摘要】
1.一种用于将驾驶行为与车辆的磨损相关的方法，所述方法包括：
2.根据权利要求1所述的方法，其中所述信号包括以下各项中的至少一项：(i)描述所述车辆的制动器位置的制动器数据、(ii)描述所述车辆的加速器位置的加速器数据或(iii)描述所述车辆的转向角的转向数据。
3.根据权利要求1所述的方法，其中确定所述驾驶模式包括生成描述所述驾驶员的驾驶特性的度量。
4.根据权利要求3所述的方法，其中所述驾驶特性包括以下各项中的至少一项：(i)停车距离、(ii)跟车距离、(iii)车道中的位置、
5.根据权利要求3所述的方法，其中确定所述驾驶模式包括生成目标函数，所述目标函数表示所述驾驶特性对所评估的磨损的贡献并且包括所述度量。
6.根据权利要求3所述的方法，其中识别所述驾驶模式与所评估的磨损之间的所述相关性包括确定所述驾驶特性对所评估的磨损的贡献。
7.根据权利要求6所述的方法，其中确定所述驾驶特性对所评估的磨损的所述贡献包括确定与目标函数中的所述度量相关联的权重，所述权重表示所述驾驶特性对所评估的磨损的所述贡献。
8.根据权利要求6所述的方法，其中传输与所述相关性相关联的所述信息包括基于所述贡献传输与所述驾驶特性相关联的报告。
9.根据权利要求1所述的方法，其中评估所述车辆的磨损包括以下各项中的至少一项：(i)将被训练以预测部件磨损的机器学习(ml)模型应用于所述信号的至少第一部分，(ii)将传递函数应用于所述信号的至少第二部分，或者(iii)生成所述信号的至少第三部分的频域表示。
10.一种用于将驾驶行为与车辆的磨损相关的车辆系统，所述车辆系统包括：
11.根据权利要求10所述的车辆系统，其中所述信号包括以下各项中的至少一项：(i)描述所述车辆的制动器位置的制动器数据、(ii)描述所述车辆的加速器位置的加速...
【专利技术属性】
技术研发人员：P·赫鲁，C·R·康克林，P·R·威廉姆斯，
申请(专利权)人：瑞维安知识产权控股有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。