用于预测行驶模式的系统的制作方法

1.本公开涉及用于使用车载语音辨识技术来增强位置数据以预测和评估一个或多个车辆或所述一个或多个车辆中的一个或多个乘员的行驶模式的系统和方法。


背景技术：

2.由于来自gps和基于位置的数据的车辆轨迹上的多个数据源的激增，仅基于住户调查数据的行驶需求模型正逐渐变得过时。大多数建模技术已经开始利用这些多个数据源来改进、校准和验证行驶需求模型。
3.由于缺乏乘坐者特定信息的深度，因此仅依赖于基于位置的数据不足以进行准确的行驶预测和评估。而且，由模型规划组织维持的传统模型需要改进。正在开发数据融合方法以帮助合并数据源以描绘更好的移动性；然而，尚未开发出容易地提高基于位置的数据的丰富性的方法。
4.gps/基于位置的数据缺乏深度在增加关于人们如何移动的知识和见解方面造成显著差距。此类数据源的分辨率虽然很大，但缺乏具体时间的车载占用、车辆乘员的年龄以及其行程目的的细节。
5.现有的基于位置的交通“大”数据缺乏用于准确地预测行驶行为或模式的固有细节，尤其是对于非强制性行程。大多数现有方法试图通过用调查数据扩充来将该数据样本扩展到整个群体；然而，预测误差仍然很大。车载语音辨识系统是已知的，但尚未适于捕获关于车辆用户和乘员的行驶模式细节。
6.鉴于先前已知的系统和方法的前述缺点，需要用于改进包括基于位置的数据的数据源的使用以准确地预测行驶行为或模式的系统和方法。


技术实现要素：

7.公开了一种利用车载语音辨识技术、车辆状态数据和物联网(iot)传感器信息来识别和预测具体时间的车辆乘员的数目、他们的年龄组、性别以及他们的行程目的的智能系统。该过程涉及将车载语音辨识占用数据与车辆状态信息(包括座椅传感器、齿轮位置和/或车门打开事件)协同以用于推断车辆占用变化和行程目的指派。例如，智能系统使用语音辨识和车辆状态数据来补充汽车生成的gps/基于位置的数据，以理解行驶模式，并呈现用车辆乘员的细节来丰富基于位置的数据轨迹的解决方案。语音辨识有助于识别车辆乘员的数目、他们的年龄和性别。另外，起始位置(例如，地址或邮政编码)和车辆所有权数据可提供关于车辆所有者的社会经济状态的进一步信息。
8.增强的数据集可扩充用于预测人们如何移动的行驶行为模型。例如，智能系统利用车载语音辨识来检测和附加车辆乘员特性，并且在iot传感器(例如，座椅传感器、停止位置、停止持续时间、停车挡位和车门打开事件)上扩充车辆状态数据。另外，智能系统利用位置感知模块来在停车/车门打开事件和车辆占用期间跟踪土地使用特性，以提供对行程目的的见解。因此，增强的数据集可扩充用于预测人们如何移动的行驶行为模型。值得注意的
是，虽然调查数据捕获不到整个群体的1％，但基于位置的数据捕获了约30％的行程，并且增加该数据集的深度将显著提高我们对行驶行为的理解。对行驶行为的更精细的理解可帮助机构理解公众的基础设施需求。另外，智能系统还可通知原始设备制造商(oem)以增强车辆特征和路由选择算法。例如，关于车辆乘员的丰富的时空细节可为oem提供设计自动化车辆(av)中的内置特征的信息，以使用每日日志为个人和家庭安排每日路线。
9.因此，智能系统可通过将具有增强的数据丰富性的大型行驶数据集集成到需求建模框架中来增强行驶需求模型，以进行更准确的模型校准、验证和行驶预测。智能系统可基于对实时行驶模式的改进的知识而提供用于共享车队部署的改进的商业模型和用例。另外，例如在了解用户日志的情况下，智能系统可包括用于av的路由选择安排算法，所述算法可被配置为将用户导航到他们的各种目的地。此外，可向车辆用户提供车载提醒以在他们偏离预测的或通常的行驶模式时(例如，当父母忘记到学校接自己的孩子时)向他们发出警报。
10.本公开通过预测车辆或车辆中的一个或多个乘员的行驶模式来克服先前已知的系统和方法的缺点。例如，所述系统可包括：收发器，所述收发器用于例如在预定车辆事件期间接收指示乘客信息、车辆占用、车辆状态和车辆位置中的至少一者的数据；以及存储器，所述存储器存储计算机可执行指令。所述系统还可包括处理器，所述处理器可访问所述存储器并执行所述计算机可执行指令以：基于指示乘客信息、车辆占用、车辆状态和车辆位置的所述数据来确定行驶模式，例如乘客上车和下车；基于所确定的行驶模式来预测行驶模式；以及生成包括所预测的行驶模式的数据库。收发器可从记录和传输音频数据的语音辨识装置接收指示乘客信息(例如，一个或多个乘客的年龄范围和/或性别，和/或乘客数量)的音频数据。因此，处理器可从音频数据推断乘客信息。
11.另外，收发器可从可检测一个或多个乘客的一个或多个iot传感器(例如，座椅传感器)接收指示车辆占用的数据。因此，处理器可从数据推断车辆内的乘客数量。收发器还可从操作性地联接到车辆的一个或多个传感器接收指示车辆状态的数据。因此，处理器可从数据推断车辆状态，例如车辆的运动、车辆是否停止、停止的持续时间和/或车门状态。另外，收发器可从gps系统接收指示车辆位置的数据。因此，处理器可从数据推断位置类型。如果确定的行驶模式偏离预测的行驶模式，则处理器还可生成警报。
12.根据本公开的另一方面，提供了一种用于预测车辆或车辆中的一个或多个乘员的行驶模式的方法。所述方法可包括通过收发器接收指示乘客信息、车辆占用率、车辆状态和车辆位置中的至少一者的数据；由处理器基于指示乘客信息、车辆占用率、车辆状态和车辆位置的所述数据来确定行驶模式；由所述处理器基于所确定的行驶模式来预测行驶模式；以及由所述处理器生成包括所预测的行驶模式的数据库。如果确定的行驶模式偏离预测的行驶模式，则所述方法还可包括通过处理器生成警报。
附图说明
13.图1示出了根据本公开的原理的用于预测车辆或车辆中的一个或多个乘员的行驶模式的系统。
14.图2示出了根据本公开的原理的可包括在预测行驶模式平台中的一些示例部件。
15.图3是根据本公开的原理的用于预测车辆或车辆中的一个或多个乘员的行驶模式
的示例性步骤。
16.图4示出了根据本公开的原理的说明性行驶模式确定。
具体实施方式
17.下文将参考附图更全面地描述本公开，其中示出了本公开的示例实施例。然而，本公开可以许多不同形式来体现，并且不应被解释为受限于本文阐述的示例实施例。相关领域技术人员将理解，在不脱离本公开的精神和范围的情况下可以对各种实施例作出形式和细节上的各种变化。因此，本公开的广度和范围不应受到上述示例实施例中的任何一个的限制，而是应仅根据以下权利要求以及其等效形式限定。以下描述是为了说明目的而呈现，并且不意图是详尽性的或受限于所公开的精确形式。应理解，替代实现方式可以按任何所期望的组合使用，以形成本公开的附加混合实现方式。例如，相对于特定装置或部件描述的功能性中的任何一个可通过另一个装置或部件来执行。此外，虽然已经描述了具体装置特性，但是本公开的实施例可涉及众多其他装置特性。此外，虽然已用特定于结构特征和/或方法动作的语言描述了实施例，但是应理解，本公开不一定受限于所描述的具体特征或动作。而是，将特定特征和动作公开为实现实施例的说明性形式。
18.本文中使用的某些字词和短语仅是为了方便，并且此类字词和术语应被解释为指代本领域的普通技术人员一般以各种形式和等效形式所理解的各种对象和动作。
19.现在参考图1，描述了预测行驶模式系统100。系统100可包括具有gps系统102、语音辨识装置104和一个或多个传感器(例如，iot传感器106、车门传感器108和/或挡位传感器110)的车辆101，所有传感器都经由例如网络150通信地耦合到预测行驶模式平台200。预测行驶模式平台200可位于一个或多个服务器上，并且经由网络150与gps系统102通信，如下面进一步详细描述的。
20.车辆101可以是手动驾驶的车辆(例如，无自主)和/或被配置和/或编程为在完全自主(例如，无人驾驶)模式(例如，5级自主)下或在可包括驾驶员辅助技术的一个或多个部分自主模式下操作。部分自主性(或驾驶员辅助)模式的示例在本领域中被广泛地理解为1级至4级自主。具有0级自主自动化的车辆可能不包括自主驾驶特征。具有1级自主的自主车辆(av)可包括单个自动化驾驶员辅助特征，诸如转向或加速辅助。自适应巡航控制是1级自主系统的一个此类示例，其包括加速和转向两个方面。车辆中的2级自主可提供转向和加速功能的部分自动化，其中自动化系统由执行非自动化操作(诸如制动和其他控制)的人类驾驶员监督。在一些方面，在2级和更高级别的自主特征情况下，主用户可在用户在车辆内部时控制车辆，或者在一些示例实施例中，在车辆处于远程操作时，从远离车辆但在从车辆延伸长达几米的控制区内的位置控制车辆。车辆中的3级自主可提供对驾驶特征的条件自动化和控制。例如，3级车辆自主通常包括“环境检测”能力，其中车辆可独立于当前的驾驶员而做出明智的决策，诸如加速驶过缓慢移动的车辆，而如果系统无法执行任务，则当前的驾驶员仍准备好重新取得对车辆的控制。4级自主车辆可独立于人类驾驶员操作，但仍可包括用于超驰操作的人类控制。4级自动化还可使自驾驶模式能够响应于预定义的条件触发(诸如道路危险或系统故障)进行干预。5级自主与无需人类输入以进行操作的自主车辆系统相关联，并且通常不包括人类操作的驾驶控制。根据本公开的实施例，预测行驶模式平台200可被配置和/或编程为与具有4级或5级自主车辆控制器的车辆一起操作。
21.gps系统102用于规划导航路线并实时地确定车辆的运动(例如，速度和/或加速度)以及位置，并且可集成在车辆101中。gps系统102可提供指示位置类型的信息，例如住宅区、学校、医院、商业大楼、就业区等。该信息可用于帮助确定下车之后的行程目的，如下面进一步详细描述的。另外或替代地，gps系统102可嵌入可在例如智能移动电话上下载的gps导航软件应用，诸如谷歌地图、waze、苹果地图等。
22.语音辨识装置104可定位在车辆101内，并且可具有用于记录车辆101内的音频的传声器。语音辨识装置104可执行语音活动检测、噪声估计、移除技术和最佳滤波器以生成音频数据。该音频数据可用于在行程开始时和整个行程中识别和分割车辆乘员，如下面进一步详细描述。
23.iot传感器106可用于检测车辆占用率，例如车辆101中的乘客数量。例如，iot传感器106可包括座椅传感器，所述座椅传感器被配置为当乘客坐在车辆101内时检测乘客的重量。另外，车辆101可包括一个或多个车辆状态传感器，诸如车门传感器108和/或挡位传感器110。车门传感器108被配置为检测相应车门何时打开和重新关闭以及持续时间。挡位传感器110可检测驾驶员何时改变挡位，例如从驾驶到驻车挡等。该信息可一起用于确定例如乘客何时上车或下车。
24.网络150可包括各网络中的任一者或组合，诸如局域网(lan)、广域网(wan)、电话网络、蜂窝网络、电缆网络、无线网络和/或专用/公共网络(诸如互联网)。例如，网络150可支持诸如tcp/ip、蓝牙、蜂窝、近场通信(nfc)、wi-fi、wi-fi直连、机器对机器通信和/或人对机器通信的通信技术。
25.支持预测行驶模式平台200与可包括在网络150中的通信装置(诸如，路由器)之间的通信的无线通信链路的一些部分或所有部分可使用诸如或近场通信(nfc)、蜂窝、wi-fi、wi-fi直连、机器对机器通信、人对机器通信和/或车辆对外界(v2x)通信的各种类型的无线技术来实现。
26.在预测行驶模式平台200、gps系统102、语音辨识装置104、iot传感器106、门传感器108和/或挡位传感器110之间共享的信息可存储在云存储装置160上并且本质上可能是双向的。例如，在一种情况下，可将预测行驶模式信息从预测行驶模式平台200传递到云存储装置160。存储在云存储装置160上的此类信息可由gps系统102(例如，各种智能车辆和/或智能移动装置)或其他第三方(诸如，oem和/或城市规划者)访问和使用。
27.现在参考图2，更详细地描述了可包括在预测行驶模式平台200中的部件。预测行驶模式平台200可包括一个或多个处理器202、通信系统204和存储器206。通信系统204可包括无线收发器，所述无线收发器允许预测行驶模式平台200与gps系统102、语音辨识装置104、iot传感器106、车门传感器108、挡位传感器110和云存储装置160通信。无线收发器可使用各种通信格式中的任何一种，例如诸如互联网通信格式或蜂窝通信格式。
28.作为非暂时性计算机可读介质的一个示例的存储器206可用于存储操作系统(os)220、位置数据处理模块208、语音辨识数据处理模块210、iot数据处理模块212、车辆状态数据处理模块214、行驶模式确定模块216和行驶模式预测模块218。所述模块以可由处理器202执行以执行根据本公开的各种操作的计算机可执行指令的形式提供。
29.存储器206可包括任何一个存储器元件或易失性存储器元件(例如，随机存取存储器(ram，诸如dram、sram、sdram等))和非易失性存储器元件(例如，rom、硬盘驱动器、磁带、
cdrom等)的组合。此外，存储器206可并入电子、磁性、光学和/或其他类型的存储介质。在本文件的背景下，“非暂时性计算机可读介质”可以是例如但不限于电子、磁性、光学、电磁、红外或半导体系统、设备或装置。计算机可读介质的更具体的示例(非详尽列表)将包括以下项：便携式计算机软磁盘(磁性)、随机存取存储器(ram)(电子)、只读存储器(rom)(电子)、可擦除可编程只读存储器(eprom、eeprom或快闪存储器)(电子)以及便携式压缩盘只读存储器(cd rom)(光学)。计算机可读介质甚至可为上面打印有程序的纸张或另一合适的介质，因为可(例如)经由对纸张或其他介质的光学扫描来电子地捕获程序，然后进行编译、解译或另外在需要时以合适的方式进行处理，并且然后存储在计算机存储器中。
30.位置数据处理模块208可由处理器202执行以接收和处理来自gps系统102的基于位置的数据。例如，在每个并发的停车和车门打开事件中，位置数据处理模块208可使用gps信息来实时地确定车辆的土地使用特性，诸如购物中心位置、就业区、学校等。
31.语音辨识数据处理模块210可由处理器202执行以从语音辨识装置104接收音频数据，并且在行程开始时和整个行程中(例如，在预定的车辆事件时)基于音频数据识别和分割车辆乘员。预定车辆事件可包括例如当车辆停止超过预定持续时间时和/或当车门打开时。语音辨识数据处理模块210使用语音活动检测、噪声估计、移除技术和最佳滤波器。语音辨识数据处理模块210可首先基于音频数据来确定和分割乘员的数目，并且将该信息实时地附加到从位置数据处理模块208接收到的基于位置的数据。在每次长时间停车之后，例如当车辆停止超过预定持续时间时，语音辨识数据处理模块210可使用机器学习来识别车辆乘员的数目和年龄以识别乘员是上车还是下车。语音辨识数据处理模块210可连续地按年龄和性别对乘员的数目进行分类，并且例如在预定的车辆事件期间将该信息实时地附加到基于位置的数据。
32.iot数据处理模块212可由处理器202执行以从iot传感器106接收指示车辆占用率的数据，使得iot数据处理模块212可确定车辆中有多少乘员。因此，iot数据处理模块212可基于从语音辨识装置104接收到的音频数据来证实由语音辨识数据处理模块210确定的乘员数目。
33.车辆状态数据处理模块214可由处理器202执行以从车辆状态传感器(例如，车门传感器108和/或挡位传感器110)接收指示车辆状态的数据。车辆状态数据处理模块214可确定车辆何时停止(例如因为车辆的速度为零)，挡位轴何时从驾驶挡移动到驻车挡，和/或何时检测到车门是打开的。另外，车辆状态数据处理模块214可记录停车的持续时间。
34.行驶模式确定模块216可由处理器202执行以基于由上述位置数据处理模块208、语音辨识数据处理模块210、iot数据处理模块212、车辆状态数据处理模块214生成的信息来确定行驶模式。例如，基于生成的信息，行驶模式确定模块216可为特定行程指派行程目的，例如将孩子送到学校、去杂货店、开车上班等。
35.行驶模式预测模块218可由处理器202执行以使用机器学习来基于由行驶模式确定模块216确定的行驶模式来预测行驶模式。例如，当行驶模式确定模块216将行程指定为“将孩子送到学校”时(因为语音辨识数据处理模块210和iot数据处理模块212确定两名孩子在汽车中)，并且当位置数据处理模块208和车辆状态数据处理模块214确定孩子要在学校下车时，行驶模式预测模块218可预测，在行程开始时，如果两个孩子进入车辆，则行程目的将是将孩子送到学校。还可用由gps系统102提供的关于车辆的导航路线的信息来扩充该
预测，例如车辆正采用通常的路线去学校。此外，行驶模式预测模块218可由处理器202执行以在确定的实时行驶模式偏离预测的行驶模式的情况下(例如，如果车辆没有如所预测的那样将孩子送到学校)生成警报。
36.现在参考图3，描述了用于预测车辆或车辆中的一个或多个乘员的行驶模式的示例性方法300。在步骤302处，预测行驶模式平台200可从gps系统102接收指示车辆101的车辆位置的数据。基于该信息，预测行驶模式平台200可实时地确定车辆的位置以及位置的类型。在步骤304处，预测行驶模式平台200可从语音辨识装置104接收指示乘客信息(例如，车辆101内的乘客的年龄范围、性别和/或数量)的音频数据。因此，预测行驶模式平台200可基于音频数据来确定车辆中的乘员数量以及他们相应的年龄和性别。
37.在步骤306处，预测行驶模式平台200可从iot传感器106接收指示车辆101的车辆占用率的数据。该信息可用于证实或补充在步骤304处由预测行驶模式平台200确定的车辆占用率信息。在步骤308处，预测行驶模式平台200可从车辆状态传感器(例如，车门传感器108和/或挡位传感器110)接收指示车辆状态(例如，车辆是否停止)的数据。
38.在步骤310处，预测行驶模式平台200可基于在步骤302至308处接收到的信息来确定行驶模式，例如向行程指派行程目的。在步骤312处，预测行驶模式平台200可使用机器学习基于确定的行驶模式来预测行驶模式。因此，如果针对当前行程实时确定的行驶模式偏离预测行驶模式，则预测行驶模式平台200可生成警报并将其传输给驾驶员。在步骤314处，可将预测的行驶模式编译到例如云服务器上的数据库中，以供例如预测行驶模式平台200、车辆101、oem等访问。
39.现在参考图4，描述了说明性行驶模式确定。如图4中所示，在行程开始时，gps系统102提供车辆的位置(例如，经度坐标/纬度坐标)以及位置类型(例如，住宅区)，语音辨识装置104和/或iot传感器106确定车辆中存在一个乘员(例如，驾驶员)，语音辨识装置104确定乘员是年龄范围在19岁至59岁的男性，并且车辆状态传感器确定车辆停止并且车门打开。接着，语音辨识装置104和/或iot传感器106确定车辆中有两个乘员，例如与之前同一个男性乘员和一个额外的乘客，语音辨识装置104确定第二个乘员是年龄范围在13岁至18岁的男性，并且车辆状态传感器确定车辆停止并且车门打开。因此，预测行驶模式平台200确定乘客正在上车。
40.接着，gps系统102提供车辆的位置正在改变的信息，并且车辆状态传感器确定车辆正在移动。因此，预测行驶模式平台200确定车辆在途中。接着，gps系统102提供车辆的位置(例如，经度坐标/纬度坐标)以及位置类型(例如，住宅区)，语音辨识装置104和/或iot传感器106确定车辆中存在三个乘员，例如之前相同的两个男性乘员和一个额外乘员，语音辨识装置104确定第三个乘员是年龄范围在13岁至18岁的女性，并且车辆状态传感器确定车辆停止并且车门打开。因此，预测行驶模式平台200确定另一乘客正在上车。接着，预测行驶模式平台200确定车辆同样在途中(未示出)。接着，gps系统102提供车辆的位置(例如，经度坐标/纬度坐标)以及位置类型(例如，学校)，语音辨识装置104和/或iot传感器106确定车辆中存在仅一个乘员，语音辨识装置104确定乘员是最初的年龄范围在19岁至59岁的男性驾驶员，并且车辆状态传感器确定车辆停止并且车门打开。因此，预测行驶模式平台200确定正在将两个乘客送去学校。
41.接着，gps系统102提供车辆的位置正在改变的信息，并且车辆状态传感器确定车
辆正在移动。因此，预测行驶模式平台200确定车辆同样在途中。接着，gps系统102提供车辆的位置(例如，经度坐标/纬度坐标)以及位置类型(例如，工作场所)，语音辨识装置104和/或iot传感器106确定车辆中没有乘员，并且车辆状态传感器确定车辆停止并且车门打开。因此，预测行驶模式平台200确定驾驶员已经到达第二目的地，例如工作场所，并且行程完成。然后，预测行驶模式平台200可在下一次行程以确定的相同模式开始时实时地预测该行驶模式，例如在工作日早晨接载年龄范围在13岁至18岁的一名男性乘客和一名女性乘客。因此，如果在车辆接载女性乘客之后，预测行驶模式平台200确定车辆未如由gps系统102所提供的那样朝向学校驾驶，则预测行驶模式平台200可生成并且向车辆的驾驶员传输驾驶员忘记将乘客送到学校的警报。
42.在以上公开中，已经参考了形成以上公开的一部分的附图，附图示出了其中可实践本公开的具体实现方式。应当理解，在不脱离本公开的范围的情况下，可利用其他实现方式，并且可做出结构改变。说明书中对“一个实施例”、“实施例”、“一个示例实施例”、“示例实施例”等的引用指示所描述的实施例可包括特定特征、结构或特性，但是每一个实施例可能不一定包括特定特征、结构或特性。此外，此类短语不一定是指同一个实施例。此外，当结合实施例描述特定特征、结构或特性时，无论是否明确地描述，本领域技术人员都将认识到结合其他实施例的此类特征、结构或特性。
43.本文所公开的系统、设备、装置和方法的实现方式可包括或利用包括硬件(诸如，例如本文所讨论的一个或多个处理器和系统存储器)的一个或多个装置。本文公开的装置、系统和方法的实现方式可通过计算机网络进行通信。“网络”被定义为使得能够在计算机系统和/或模块和/或其他电子装置之间传输电子数据的一个或多个数据链路。当通过网络或另一通信连接(硬连线、无线或者硬连线或无线的任何组合)向计算机传递或提供信息时，所述计算机适当地将连接视为传输介质。传输介质可包括网络和/或数据链路，所述网络和/或数据链路可用于携载呈计算机可执行指令或数据结构的形式的期望的程序代码装置，并且可由通用或专用计算机访问。以上组合也应包括在非暂时性计算机可读介质的范围内。
44.计算机可执行指令包括例如当在处理器处执行时致使处理器执行特定功能或功能组的指令和数据。计算机可执行指令可能是例如二进制代码、中间格式指令(诸如汇编语言)或者甚至源代码。虽然已经用特定于结构特征和/或方法动作的语言描述了本主题，但是应理解，在所附权利要求中限定的主题不一定限于上面描述的所述特征或动作。而是，所描述的特征和动作被公开作为实现权利要求的示例形式。
45.本领域技术人员将了解，本公开可在具有许多类型的计算机系统配置的网络计算环境中实践，所述计算机系统配置包括内置式车辆计算机、个人计算机、台式计算机、膝上型计算机、消息处理器、手持式装置、多处理器系统、基于微处理器的或可编程的消费电子产品、网络pc、小型计算机、大型计算机、移动电话、pda、平板电脑、寻呼机、路由器、交换机、各种存储装置等。本公开还可在分布式系统环境中实践，其中通过网络链接(通过硬连线数据链路、无线数据链路或通过硬连线数据链路和无线数据链路的任何组合)的本地和远程计算机系统两者都执行任务。在分布式系统环境中，程序模块可位于本地和远程存储器存储装置两者中。
46.另外，在适当的情况下，本文描述的功能可以在硬件、软件、固件、数字部件或模拟
部件中的一者或多者中执行。例如，一个或多个专用集成电路(asic)可以被编程为执行本文所描述的系统和程序中的一者或多者。贯穿说明书以及权利要求使用某些术语指代特定系统部件。如本领域技术人员将了解的，部件可用不同的名称指代。本文件不意图区分名称不同但功能相同的部件。
47.本公开的至少一些实施例已经涉及计算机程序产品，其包括存储在任何计算机可用介质上的这种逻辑(例如，以软件的形式)。这种软件当在一个或多个数据处理装置中被执行时致使装置如本文所描述那样进行操作。
48.虽然上文已经描述了本公开的各种实施例，但是应理解，这些实施例仅通过示例而非限制的方式呈现。例如，本公开不限于智能调查机制方法或开发行驶需求模型的研究部件。鉴于随时间推移取得的对车辆用户的见解，本文描述的实施例可扩展到车辆制造。相关领域的技术人员将明白，在不脱离本公开的精神和范围的情况下可做出形式和细节上的各种改变。例如，本文所述的预测行驶模式平台可设置在本文所述的其他部件中或以其他方式与其一体地形成，所述其他部件诸如相机、云网络和/或gps系统。因此，本公开的广度和范围不应受到上述示例实施例中的任何一个限制，而是应仅根据以下权利要求和其等效物限定。已经出于说明和描述目的而呈现了前述描述。前述描述不意图是详尽的或将本公开限制于所公开的精确形式。根据以上教导，许多修改和变化是可能的。此外，应注意，上述替代实现方式中的任何一个或全部可按期望的任何组合使用，以形成本公开的额外混合实现方式。例如，相对于特定装置或部件描述的功能性中的任何一个可通过另一个装置或部件来执行。此外，虽然已经描述了具体装置特性，但本公开的实施例可能涉及众多其他装置特性。此外，虽然已用特定于结构特征和/或方法动作的语言描述了实施例，但是应理解，本公开不一定受限于所描述的具体特征或动作。而是，将特定特征和动作公开为实现实施例的说明性形式。除非另有具体说明或在使用时在上下文内以其他方式理解，否则诸如尤其是“能够”、“可能”、“可以”或“可”的条件语言通常意在表达某些实施例可包括某些特征、要素和/或步骤，而其他实施例可不包括某些特征、要素和/或步骤。因此，此种条件语言一般并不意在暗示一个或多个实施例无论如何都需要各特征、要素和/或步骤。
49.根据本发明的实施例，处理器还被配置为如果确定的行驶模式偏离预测的行驶模式，则生成警报。
50.根据本发明，一种用于预测车辆或车辆中的一个或多个乘员的行驶模式的方法包括：接收指示乘客信息、车辆占用率、车辆状态和车辆位置中的至少一者的数据；基于指示乘客信息、车辆占用率、车辆状态和车辆位置的所述数据来确定行驶模式；基于所确定的行驶模式来预测行驶模式；以及生成包括所预测的行驶模式的数据库。
51.根据实施例，接收指示乘客信息的数据包括从语音辨识装置接收指示乘客信息的音频数据，所述方法还包括从所述音频数据推断乘客信息。
52.根据实施例，接收指示车辆位置的数据包括从gps系统接收指示车辆位置的数据，所述方法还包括从所述数据推断位置类型。
53.根据实施例，以上发明的特征还在于基于确定的行驶模式偏离预测的行驶模式而生成警报。

技术特征：
1.一种用于预测车辆或所述车辆中的一个或多个乘员的行驶模式的系统，所述系统包括：收发器，所述收发器被配置为接收指示乘客信息、车辆占用率、车辆状态和车辆位置中的至少一者的数据；存储器，所述存储器存储计算机可执行指令；以及处理器，所述处理器被配置为访问所述存储器并执行所述计算机可执行指令以：基于指示乘客信息、车辆占用率、车辆状态和车辆位置的所述数据来确定行驶模式；基于所确定的行驶模式来预测行驶模式；并且生成包括所预测的行驶模式的数据库。2.如权利要求1所述的系统，其中所述收发器被配置为从被配置为记录和传输音频数据的语音辨识装置接收指示乘客信息的音频数据，并且其中所述处理器被配置为从所述音频数据推断乘客信息。3.如权利要求2所述的系统，其中所述处理器被配置为从所述音频数据推断乘客信息，所述乘客信息包括所述车辆内的一个或多个乘客的年龄范围。4.如权利要求2所述的系统，其中所述处理器被配置为从所述音频数据推断乘客信息，所述乘客信息包括所述车辆内的一个或多个乘客的性别。5.如权利要求2所述的系统，其中所述处理器被配置为从所述音频数据推断乘客信息，所述乘客信息包括所述车辆内的乘客数量。6.如权利要求1所述的系统，其中所述收发器被配置为从被配置为检测一个或多个乘客的一个或多个iot传感器接收指示车辆占用率的数据，并且其中所述处理器被配置为从所述数据推断所述车辆内的乘客数量。7.如权利要求6所述的系统，其中所述一个或多个iot传感器包括被配置为检测所述一个或多个乘客的一个或多个座椅传感器。8.如权利要求1所述的系统，其中所述收发器被配置为从操作性地联接到所述车辆的一个或多个传感器接收指示车辆状态的数据，并且其中所述处理器被配置为从所述数据推断车辆状态。9.如权利要求8所述的系统，其中所述处理器被配置为从所述数据推断车辆状态，所述车辆状态包括所述车辆的运动。10.如权利要求9所述的系统，其中所述车辆状态指示所述车辆停止。11.如权利要求10所述的系统，其中所述处理器被配置为从所述数据推断车辆状态，所述车辆状态包括所述停止的持续时间。12.如权利要求8所述的系统，其中所述处理器被配置为从所述数据推断车辆状态，所述车辆状态包括车门状态。13.如权利要求1所述的系统，其中所述收发器被配置为从gps系统接收指示车辆位置的数据，并且其中所述处理器被配置为从所述数据推断位置类型。14.如权利要求1所述的系统，其中所述收发器被配置为在预定车辆事件期间接收指示乘客信息、车辆占用率、车辆状态和车辆位置中的至少一者的数据。15.如权利要求1所述的系统，其中所确定的行驶模式包括乘客上车和下车。

技术总结
本公开提供了“用于预测行驶模式的系统”。提供了用于预测车辆或所述车辆中的一个或多个乘员的行驶模式的系统和方法。收发器可从语音辨识装置、IoT传感器(诸如座椅传感器)、车辆状态传感器或GPS系统中的至少一者接收指示乘客信息、车辆占用率、车辆状态和车辆位置中的至少一者的数据。处理器可基于所述数据来确定行驶模式，基于所确定的行驶模式来预测行驶模式，并且生成包括所预测的行驶模式的数据库。另外，如果所确定的行驶模式偏离所预测的行驶模式，则所述处理器可生成警报。则所述处理器可生成警报。则所述处理器可生成警报。


技术研发人员：理查德
受保护的技术使用者：福特全球技术公司
技术研发日：2021.11.03
技术公布日：2022/5/25