车辆异常检测、报告和动态响应的制作方法

1.说明性实施例总体上涉及用于车辆异常检测、报告和动态响应的系统、方法和设备。


背景技术：

2.诸如自适应巡航控制的高级驾驶系统允许车辆响应于检测到的与前车的接近度而控制其自身的速度。例如，如果车辆行驶得太靠近前车，则车辆可能会制动。如果距离增加，则车辆可能加速。如果尾随车辆接近得太快并且存在加速空间，则车辆可能会加速。这些反应式系统允许基于群体的行为的一般适应，从而倾向于使车辆或多或少地与群体一起移动。
3.同时，道路上的许多车辆可能表现出明显的异常行为。例如，一个或多个车辆可能不定地突然转向、意外加速或制动、或者以其他方式以看似与交通流不一致的方式表现。虽然这些异常中的某些是不稳定的驾驶员行为的结果，但是附近的驾驶员不知道不稳定的车辆是否是对基于道路的异常或天气异常作出的响应，或者驾驶员是否只是将咖啡洒在他们的膝盖上或决定超速。此外，任何给定的个人都可能表现出偏离群体的行为，但这对于该个人来说是完全正常的。在这种情况下，虽然其他驾驶员可能不喜欢太靠近这样的驾驶员驾驶，但是至少如果那些驾驶员可以知道这只是这个人驾驶的方式，则这可能是有用的。至少这将确保驾驶员或车辆发生了完全出乎意料的事情。
4.对于常规的车辆传感器系统，即使是那些具有自适应巡航控制的系统，也可能难以对所有此类异常做出适当的反应。当然，这些车辆往往不会警示驾驶员异常行为和/或明显异常行为实际上是否正常。由于缺乏足够的数据，这些车辆通常以准自主方式可以做的最好的是简单地减速或加速以改变与此类车辆的接近度。驾驶员可能只是出于谨慎而选择这样做，但即使是驾驶员也在根据不完整的信息行事。


技术实现要素：

5.在第一说明性实施例中，一种系统包括处理器，所述处理器被配置为基于在给定位置处感测到的车辆行为特性与所述特性的预定义预期值的比较，确定已经感测到不稳定的车辆行为。该处理器还被配置为确定是否已检测到与所述给定位置相关联的环境异常。而且，所述处理器被配置为基于是否检测到所述环境异常来对所述感测到的不稳定行为进行分类，以及响应于基于确定未检测到环境异常将所述行为分类为不稳定，将所述不稳定行为以及所述给定位置报告给远程服务器。
6.在第二说明性实施例中，一种系统包括处理器，所述处理器被配置为接收与某位置处的第一车辆有关的观察到的不稳定行为的报告。该处理器还被配置为访问来自多个其他车辆的指示所述多个其他车辆是否在所述位置处观察到异常的一个或多个指示符的报告。所述处理器另外被配置为响应于所述多个其他车辆观察到异常的一个或多个指示符，以所述行为是非不稳定的指示来对所述报告作出响应，并且基于所述报告，更新指示所述
位置处存在所述异常的数据，包括更新置信度值。而且，所述处理器被配置为响应于所述更新导致置信度值高于阈值，向所述位置的预定义接近度内的车辆发送警报，从而指示所述异常的所述存在。
7.在第三说明性实施例中，一种方法包括基于在给定位置处感测到的车辆行为特性与所述特性的预定义预期值的比较，确定已经感测到不稳定的车辆行为，所述预定义预期值是相对于感测到所述不稳定行为的车辆的驾驶员的驾驶员配置文件所定义的。所述方法还包括基于所述车辆上的存储器指示所述异常的记录或所述车辆的传感器感测到所述异常中的至少一者来确定是否已经检测到与所述给定位置相关联的环境异常。而且，所述方法包括基于是否检测到所述环境异常来对所述观察到的不稳定行为进行分类，以及响应于基于确定未检测到环境异常将所述行为分类为不稳定，将所述不稳定行为以及所述给定位置报告给远程服务器。
附图说明
8.图1示出了具有说明性车载车辆计算系统和基于云的后端的说明性多车辆情况；
9.图2从至少车辆的角度示出了说明性异常检测和报告过程；
10.图3示出了用于异常报告处理的说明性过程；
11.图4示出了用于局部异常确认和分析的说明性过程；
12.图5示出了说明性本地通信过程；并且
13.图6示出了说明性异常更新过程。
具体实施方式
14.本文描述了本公开的实施例。然而，应当理解，所公开的实施例仅仅是示例并且其他实施例可以呈现各种和替代形式。附图不一定按比例绘制；一些特征可被放大或最小化以示出特定部件的细节。因此，本文公开的具体结构细节和功能细节并不解释为限制性，而仅解释为用于教导本领域技术人员以各种方式采用本发明的代表性基础。如本领域普通技术人员将理解，参考附图中的任一者示出和描述的各种特征可以与一个或多个其他附图中示出的特征组合以产生未明确地示出或描述的实施例。所示特征的组合提供用于典型应用的代表性实施例。然而，对于特定的应用或实现方式，可能期望与本公开的教导一致的对特征的各种组合和修改。
15.除了使示例性过程由位于车辆中的车辆计算系统执行之外，在某些实施例中，所述示例性过程还可由与车辆计算系统进行通信的计算系统来执行。这种系统可包括但不限于无线装置(例如但不限于移动电话)或通过无线装置连接的远程计算系统(例如但不限于服务器)。此类系统可以统称为车辆相关联计算系统(vacs)。在某些实施例中，vacs的特定部件可以根据系统的特定实现方式来执行过程的特定部分。作为示例而非限制，如果过程具有与配对的无线装置发送或接收信息的步骤，则很可能无线装置未执行所述过程的所述部分，因为无线装置不会与自己“发送并且接收”信息。本领域普通技术人员将理解何时将特定计算系统应用于给定解决方案是不合适的。
16.可以通过使用单独工作或彼此结合工作并执行存储在各种非暂时性存储介质(诸如但不限于快闪存储器、可编程存储器、硬盘驱动器等)上的指令的一个或多个处理器来促
进过程的执行。系统与过程之间的通信可以包括使用例如蓝牙、wi-fi、蜂窝通信和其他合适的无线和有线通信。
17.在本文讨论的每个说明性实施例中，示出可由计算系统执行的过程的示例性的非限制性示例。关于每个过程，执行所述过程的计算系统可以为了执行所述过程的有限目的而变为被配置为用于执行所述过程的专用处理器。所有过程不需要完整地执行，并且被理解为是可执行以实现本发明的要素的过程类型的示例。可根据需要在示例性过程中添加或移除附加步骤。
18.关于在示出说明性过程流程的附图中描述的说明性实施例，应注意，出于执行由这些附图示出的一些或所有示例性方法的目的，可暂时启用通用处理器作为专用处理器。当执行提供执行所述方法的一些或所有步骤的指令的代码时，处理器可暂时改换用途作为专用处理器，直到所述方法完成为止。在另一个示例中，在适当的程度上，根据经预配置的处理器起作用的固件可以致使处理器充当为执行所述方法或其某一合理变型而提供的专用处理器。
19.由于当前车辆既包括复杂的计算系统，又具有与更强大的计算系统的通信能力，因此可以对比前车或尾随车辆是否正在改变速度或变得太靠近更复杂的情况进行建模。随着可用数据集变得更加复杂，计算机可以开始回答关于为什么可能发生某些事情的问题，而不是简单地回答关于是否发生某些事情的问题。
20.说明性实施例呈现了在做出关于行为是否不稳定或为适当的响应以及一旦得出结论后如何处理该信息的决定时可以设想的各种数据的非限制性示例。这通过提供对该行为是否是应该作出响应的事以及该响应应有的极端程度的更好的洞察来提高驾驶员和自主或半自主车辆两者对发展中的情况或观察到的行为作出反应的能力。数据收集和建模还可以用于改善对在某些点、当日时间、在某些条件下等的交通行为的理解，并且可以用于识别导致看似不稳定的行为的环境异常。
21.图1示出了具有说明性车载车辆计算系统和基于云的后端的说明性多车辆情况。在该示例中，三个车辆100、110、120沿着道路彼此相对接近行驶。
22.车辆100包括说明性车载计算系统101，所述车载计算系统也可以包括在其他车辆110、120中，或者包括作为101中所示的系统的变型。并非所有元件都是必需的，因为许多处理可以在车上或在云中完成，并且只要车辆与其他车辆具有至少本地通信连接，它就可以接收某种形式的更新信息。
23.如果车辆可以通过例如蜂窝连接或通过与专用短程通信(dsrc)收发器140的wi-fi连接与云通信，则车辆可以利用云上的计算来执行分析和决策。如果车载计算能力足够，则车辆可以在车上执行分析和决策的至少某些方面。因此，应当理解，在适当的情况下，可以在任何需要的地方并且在存在能力的地方进行分析和决策。
24.在该示例中，车辆100包括通过远程信息处理控制单元(tcu)105提供基于云的通信的一个或多个车载处理器103，所述tcu提供在存在蜂窝信号时可用的蜂窝连接。车辆100还可以包括可用于与其他车辆110、120和本地网络140通信的wi-fi收发器107。蓝牙收发器109也可以允许v2v通信。
25.由于大多数通信需要凭证，并且车辆可能不知道彼此的连接凭证以进行握手，因此例如可以经由蓝牙来简单地广播信息。广播可以指示异常或不稳定行为，以及观察车辆
位置、异常位置和/或与不稳定车辆相关的任何标识符。广播可以由例如不稳定车辆或其他车辆接收，并且可以用于采取适当的动作，这可以包括例如向驾驶员警示不稳定车辆和/或使其他驾驶员得到警示或使其他车辆系统对所述不稳定行为或异常作出响应。
26.数据可以通过可检测的视觉特性(例如，颜色、类型、牌照等)或通过观察行为来“识别”不稳定车辆。例如，关于后者，广播可以包括指示在某个位置观察到车辆在短暂的跨度内加速超过15mph并且然后偏离中心转向超过3英尺的数据。如果车辆具有存储在车上的最近行为的记录，并且其他车辆/驾驶员可以寻找表现出这种行为的车辆，则引起问题的车辆实际上可能能够使用该信息来进行自我识别。或者，仅知道此类车辆在前方，一些驾驶员可以选择改变车道、改变道路或减速以避免遇到该车辆，而不必确切地知道是哪辆车。
27.基于道路的异常和环境异常的广播可以用于更新车载数据集(例如，记录坑洞150)，并且将不稳定行为验证或排除为不是或是由稍后识别的异常引起。例如，车辆110可以被检测为突然转向，但是如果坑洞150是已知的，则该行为可以是对坑洞的适当响应，并且因此不被分类为异常。同时，车辆100可以观察到车辆120已经离开道路，并且在不存在诸如150的道路异常的情况下，这可以被适当地分类为不稳定行为。车辆100可以经由通信141和143与车辆110和车辆120两者通信，以建议检测到的车辆行为以及接收可用于对行为进行分类的信息。在该示例中，通信143通过dsrc收发器140并作为通信145中继到车辆120。这可以是另一种广播和响应方法，因为可以允许所有车辆100、110、120连接到并且可以连接到dsrc收发器140。
28.车辆120可以接收广播并自识别为具有不稳定行为的车辆120。基于例如驾驶员配置文件或指示困倦或其他可测量性的车载生物特征，车辆120可以确认不稳定行为或报告行为在驾驶员行为的预期范围内。该信息可以被中继回车辆100并且从车辆100向前中继到车辆110。以这种方式，可以在车辆100、110、120与其他车辆之间不断地交换数据，以基于更完整的信息不断地做出改进的决策。
29.车辆100还可以包括各种车载软件过程，诸如例如驾驶员配置文件111、可以结合地图图块或其他导航数据存储的已知异常的数据库113、分析过程115、导航过程117、驾驶员警报过程119和其他有用的过程、计算功能、电子控制单元等。
30.驾驶员配置文件可以存储车辆100的一个或多个驾驶员的记录和建模的行为。可以通过各种功能来检测驾驶员的存在，诸如电话与已知驾驶员相关的电话检测、利用相机进行的视觉检测、以及甚至对驾驶员进行分析，使得他们的实际行为揭示哪个驾驶员正在驾驶。随着驾驶员的数据集的增长，可以开发出越来越好的预期模型行为，这将使识别异常行为变得更容易和更快。如果揭示出环境异常接近记录的行为，或者例如如果许多另外的不相关车辆在相同的位置表现出相同或相似的行为，即使无法找到或记录实际的环境异常，异常和不稳定事件可以被检测和记录，并且稍后甚至可被丢弃。
31.例如，驾驶员可能在“正常”行为中永远不会加速超过某个阈值，但是该驾驶员可能会靠近烈火行驶并快速驶过。这最初看起来是不稳定的，但是随着越来越多的车辆加速经过火场，很明显该位置处的某些东西正在导致驾驶员加速，即使从未观察到火本身。由于在该示例中，火不在道路上，因此环境异常的唯一指示将是同一位置处的许多车辆的一致的明显“不稳定”行为。尽管如此，行为的一致性可以是假设某事导致该行为的断言，并且五十名驾驶员没有简单地随机决定在30分钟的时间跨度内在相同道路位置的200码内加速。
32.由于在对群体行为进行建模时，车辆100的原始驾驶员可能早已离开，因此车辆100最初可能不知道驾驶员的行为不是不稳定的，特别是如果驾驶员是最先发现并对火作出响应的驾驶员。但是由于云130可以用作信息的储存库和分配点，因此车辆100可以稍后被通知明显的异常并相应地调整车载配置文件模型，在这种情况下，这将丢弃该行为或至少将该行为与存在实际异常时驾驶员的行为方式联系起来。例如，在后一种情况下，如果驾驶员在十年的行驶中记录了200次加速远离危险情况的实例，并且以其他方式谨慎驾驶，那么当驾驶员在稍后的时间突然加速时，存在环境原因不是不合理的猜测，这甚至可能导致云系统开始尝试收集关于驾驶员加速的位置的更多数据，以便确定预测的异常的来源。
33.车载数据库113可以包括局部异常或可能的异常，其也可以与地图图块相关联。因此，例如，如果车辆100存储在家位置的10英里内的地图图块和在当前位置的5英里内的地图图块，则在车辆行驶时更新这些图块可能会丢弃并重新加载一些数据。如果异常在家位置数据集中，则它可以作为记录持续存在直到家位置改变，否则它可以在车辆100移动时被丢弃。如果车辆100已经合理地确认了异常，则它可以不丢弃该单个记录，直到它在一定程度上确保云异常数据库133也记录了该异常，使得车辆100可以在其稍后返回到该位置时仍然具有该异常的记录。
34.分析过程115可以针对驾驶员配置文件和针对关于其他车辆110、120观察到的行为两者来分析即时和最近观察到的行为。例如，如果车辆100观察到车辆110突然转向，但没有观察到坑洞150，则它可以最初将其分类为车辆110的不稳定行为，如果车辆110也未检测到坑洞150，则车辆110甚至可以通过广播通信来确认这种行为。但是，片刻之后，当车辆100也突然转向或撞到坑洞时，它将知道车辆110的行为不是无缘无故的不稳定，并且因此其可以记录原因并通知车辆110该车辆110的驾驶员的模型不应反映不稳定的突然转向，因为车辆100做了同样的事情或实际上撞到了坑洞，其中任何一个都可以用于确认原始行为不是不稳定的。
35.基于云的分析过程137可以用于代替或补充车载过程115，并且可以访问更广泛的配置文件133和异常137的记录，以及具有更大的计算能力。因此，如果车辆100观察到上述情况，则它可以设计自己的分析并且还向云报告明显的不稳定行为。然后，云可能潜在地已经知道坑洞150，或者具有可以用于补充由车辆100执行的分析的其他信息。云也可能已经从车辆110接收到报告，并且可以使用该报告的信息来补充由车辆100提供的分析，方法是首先确认车辆110认为突然转向是异常，然后片刻之后意识到车辆100报告做了同样的事情，并且因此向车辆110报告回所述行为是适当的。如果车辆不能以有意义的方式直接通信，则这是在车辆之间传达信息的有用方式，并且这种反馈和改进的信息允许更确保车载建模的准确性。
36.导航过程117可以用作标准导航过程，但是也可以指示观察到异常的位置(诸如坑洞150)、观察到不稳定行为的位置，并且甚至可以提供关于周围车辆的即时数据。由于该过程不太可能确切地知道周围车辆的位置，因此随着周围车辆的继续移动，其可以使用诸如颜色和箭头的参考指示符来显示前方的避让区域。例如，检测到车辆120的不稳定行为可以使导航过程推荐所示的最右侧车道，或者推荐减速或加速经过车辆120。
37.警报过程119可以与导航117和分析115过程结合工作并提供若干警报功能。它可以用于警示驾驶员各种外部或自我观察到的事件(例如，警告他们即将发生的问题，或者确
保驾驶员在车辆本身表现不稳定的情况下得到适当的警示)。它可以警示云130，如果不稳定行为是严重的，则云可以通过过程139警示公共安全接入点(psap)或其他权威人物。警报过程119还可以警示其他车辆110、120，以便告知车辆120其明显不稳定并且告知其他车辆110观察到的行为。
38.图2从至少车辆的角度示出了说明性异常检测和报告过程。在该实施例中，当车辆100正在行驶时，分析过程115可以访问驾驶员配置文件111。或者，基于云的分析过程137可以访问车辆存储的配置文件111或云存储的配置文件135。该示例将被描述为虽然该过程发生在车辆100上，但仅用于说明目的。
39.根据所识别的驾驶员的驾驶员配置文件，或者针对在车辆100无法区分驾驶员并且简单地将其自身观察到的行为建模为“驾驶员行为”(表示多个但是可能很少驾驶员的驾驶员行为的集合)情况下的“车辆驾驶员配置文件”，车辆100可以在203处加载预期的模型行为。这可以包括例如限定驾驶员通常行驶的速度极限的阈值(例如，低于5英里直到高于10％)的速度参数、制动激进性预期、车道保持预期等。许多不同的可观察到的驾驶员行为变量可以被观察和建模，并且同样地，先前指出的变量仅用于说明目的。总体概念是向车辆100分析过程115提供基线，以将观察到的行为与所述基线进行比较以确定该行为是否真的不稳定等。
40.当车辆100行驶时，过程115跟踪用于对行为进行建模的任何状态变量，以用于数据收集目的和用于识别不稳定行为的目的两者。在该示例中，为了说明，过程115在207处考虑速度是否已经偏离超过预期阈值，在209处考虑制动是否比预期更激进，以及在211处考虑车道保持是否在预期容限内。只要行为保持在预期的边界或阈值内，过程115就继续收集和分析数据，所述数据可以被添加到总体数据集以改善所测量的行为并增加进行比较的阈值的置信度。
41.如果存在由预期边界之外的性能表示的明显不稳定行为，则过程115可以在213处通过网关131向云130报告此行为。分析过程137可以关于更大的数据集分析该行为，以比较例如该行为是否反映了在类似位置观察到的其他车辆110、120的行为。云130还可以用在215处由车辆100接收的该分析的结果作出响应，这可以帮助车辆100过程115在217处推断出该行为实际上是否异常。
42.由于所述行为可以简单地表示与环境危险的第一次相遇，因此云过程137不指示所述行为适当的事实不一定是决定性的，但是在确认时可以如此处理。在稍后的时间点，如果观察到其他车辆110、120经历相同的行为，则关于观察到的行为的结论可能总是改变。然而，在那个时刻，除非有任何理由得出相反的结论，否则过程115可以用不稳定行为更新配置文件219，并且如果该行为需要共享，则向周围车辆110、120广播信息，使得它们可以采取任何期望的动作。如果该行为不是异常的，或者被确认为非异常，则过程115可以在221处强化现有模型，可以在一定程度上合理地确保不稳定行为具有存在的充分理由。
43.以这种方式和类似方式，可以不断地改进驾驶员行为的建模，并不断地提高确定驾驶员何时真正以可表征为不稳定和意外的方式行事的能力。
44.如果异常是低偏差，例如，小于预期之外的标准偏差，则过程115可以就偏差向驾驶员发出警报，并且如果需要，可以使用车辆控制系统来使行为恢复到与驾驶员预期一致。如果该行为是高偏差，例如，与预期的多重偏差，则所述过程可以进行车载检测以确保驾驶
员的健康，以及运行任何必要的诊断报告，并且作为后续分析的结果如果出现严重问题，甚至可能联系紧急服务寻求帮助。
45.所述过程也可以向相邻车辆110、120报告一些或全部不稳定行为。如果所报告的行为在不稳定侧较低，但被认为是不稳定的，则相邻车辆可以提供建议或控制以将车辆保持在单独的车道中或在可能的情况下维持一个车道间隙。超过此类车辆可能会导致来自相邻车辆的增强的警戒级警报，例如，对参与超车的驾驶员的有可能发生意外行为的某种形式的警告。
46.如果所报告的不稳定行为是高度不稳定的，则邻近且相邻车辆可以告知驾驶员在其与该车辆之间形成距离(减速或加速离开)，关于感兴趣的车辆100相对于邻近车辆的位置提供颜色编码或其他视觉引导，基于观察到的和报告的不稳定行为的级别具有不同颜色和程度的警报，或者甚至接合自主或半自主系统以在所述接收车辆与所述报告车辆之间形成空间。
47.云130还可以基于定位的车辆110、120的位置和行为不稳定的车辆100的位置对所述定位的车辆进行报告。可以使用类似的过程来观察其他车辆的行为，不同的是分析过程通常会缺少其他车辆驾驶员的基线。然而，基于广义基线行为，观察车辆100可以通过将观察到的行为与群体建模阈值进行比较来至少确定观察到的车辆是否以大体预期的方式行事。
48.图3示出了用于异常报告处理的说明性过程。在该示例中，云130在301处从一个或多个车辆接收报告。车辆100、110、120可以通过网关131连接，并且报告的元素可以被适当地解析并添加到数据库133、135。因此，例如，如果车辆100报告确认的异常，则可以将该位置和事实添加到异常数据库133。可以将其作为临时数据添加，直到其他车辆确认为止，或者可以将其添加以强化现有数据。
49.如果这些记录由服务器存储，则可以将更新的驾驶员配置文件添加到驾驶员配置文件数据库135。驾驶员配置文件记录可由服务器用来确定行为是否确实不稳定以及用于进行分析和报告的其他辅助。可以周期性地、基于报告或每当车辆100报告事件或偏差时更新这些记录。
50.在该示例中，在301处接收的报告指示观察车辆或由观察车辆100观察到的另一车辆的观察到的不稳定行为。例如，由于车辆100可能不知道任何异常，并且可能不知道在过去的一个小时里该特定位置处的交通状况如何，因此如果云130已经记录了在一段时间内从该位置报告的行为和异常两者，则其可以证明为有用的信息源。
51.基于与报告相关联并且包括在报告中的位置，过程137可以在数据库133中检查该位置以确定在该点或该点附近的区域(因为例如gps坐标通常具有并非微不足道的误差余量)处已经发生了多少事故、异常、不稳定行为出现等。因此，在检查数据库时，过程137可能寻找在所报告的位置的已知gps误差余量内的记录。
52.如果存在已知的异常或多个车辆110、120已经报告了在所报告的位置处或附近观察到的自身或其他车辆的不稳定行为，则在305处所报告的行为可能被分类为“预期的”。过程137可以向车辆报告所述行为实际上不是不稳定的，或者至少与其他车辆的看似不稳定的行为相匹配，这是因为已知的异常或可能稍后解决的未知的异常。如果在305处偏差或异常是预期的、已知的、被建模为可能正确的等，则所述过程可以在307处用确认回复车辆，确
认该行为是非不稳定的或可能响应于已知的环境状况。所报告和确认的行为还可以用于在309处强化预测该位置处的这种行为的模型，或者用于强化环境异常的可能或所报告的存在。对车辆100的确认可以包括例如指示行为适当或至少一致的预测可能性的置信度分数。可以基于越来越多的车辆报告异常或不稳定行为来更新置信度值。对异常(例如，坑洞)的显式检测可能导致当前置信度分数为100％，但是如果不强化(考虑到修复的可能性)，这可能会随时间衰减。基于观察到的来自一定数量的车辆的不稳定行为来检测可能的异常可能导致高置信度分数，并且如果分数超过阈值，则这可能是警报生成的动力。例如，可以将警报发送到检测到高置信度异常的位置附近的车辆，然后这些车辆可以在到达该位置时进行更准确的评估(如果它们到达该位置的话)。
53.例如，如果大多数车辆100突然向左转向一英尺以避开坑洞150，则所报告的突然转向可以被确认为“标准”行为，但是关于标准偏差和其他统计分析的相同概念也适用。也就是说，如果车辆突然向左转向四英尺，则它相对于群体仍然是不稳定的，并且可能代表通常会对道路危险做出不良反应的缺乏经验的驾驶员。因此，虽然突然转向的事实可以被确认为非不稳定的，但是突然转向的程度可能仍然被标记为不稳定的并且导致对其他驾驶员的警戒性警告。对偏差范围和类似因素的这种附加确认和考虑也可以基于指示该驾驶员激进地突然转向以避开坑洞的驾驶员配置文件而提供未来警报。如果该驾驶员以70mph接近已知的坑洞，则系统可以警示附近的驾驶员可能即将发生激进的突然转向。以这种方式，甚至可以基于过去的观察来预测某个行为。
54.在另一个示例中，考虑到高得多的损坏可能性，可能观察到卡车突然转向1英尺以避开坑洞并且跑车突然转向2.5英尺。或者卡车可能会越过一片碎屑，而跑车可能会突然转向2英尺而绕过它。这些类型的观察可以帮助预测对道路上的物品的反应，并让驾驶员知道预期发生什么。了解您是否在接近坑洞的跑车的盲点中、跑车有突然转向您的车道中的预测可能性也可能是有用的，并且诸如此类的信息可以由半自主或自主车辆使用以通过例如落在后面来暂时对潜在威胁作出反应直到车辆经过坑洞。
55.如果在305处所述行为是意外的，则所述过程可以记录所述行为以供将来考虑。仅仅因为基于先前的观察未预期该行为并不一定意味着该行为肯定是不稳定的，因为必须有人是遇到任何环境异常的第一人。因此，例如，过程137可以对异常进行编目并等待某个时间段或直到一定数量的报告来自相同或类似位置，以确定该异常是否看起来是真实的。如果存在已确认的或极可能的环境危险，则过程137可以逆动地对早期报告的行为进行重新分类、更新驾驶员配置文件并向车辆报告观察到的行为实际上是非不稳定的。
56.最初，如果基于分析所述行为看起来不稳定，则所述过程可以在313处回复所述行为是意外的。这允许车辆100将该行为记录为已确认的意外的，然而，如果稍后的数据指示相反，则该确认在未来总是可以改变的。如果驾驶员在某个位置处或附近始终以重复的方式偏离(这可能指示驾驶员希望避开的事物，即使群体似乎没有以类似的方式作出反应)，则车辆100本身可以在稍后对该行为进行重新分类。
57.如果偏差可分类为极端，例如但不限于，如果其与预期范围或先前驾驶员行为相差两个以上的标准偏差，则所述过程可在315处将该行为分类为“极端”或高度警惕。这可能导致在317处向附近车辆110、120发出警报，并且在一些情况下，甚至向官方机构发出警报。
58.例如，可以向附近车辆发出初始“极端”警报，但是如果车辆100在预定时间段或距
离内继续表现出可分类为“极端”的意外行为，则所述过程可以在317处警示官方机构，以防驾驶员处于危难中或对其他驾驶员构成合法风险。此类警报还可以包括观察到的数据和预测，以允许其他车辆或官方机构确定是否有必要做出响应。
59.图4示出了用于局部异常确认和分析的说明性过程。在该示例中，在401处，车辆基于驾驶员行为的变化或观察到的其他车辆以看似意外的方式行事来检测异常。这可以包括上面讨论的变量(速度、制动、突然转向)或表现出高于预期(例如，标准偏差)的阈值偏差的任何其他跟踪行为。
60.一旦检测到行为，车辆100就可以在403处检查传感器以确定是否有可以解释该行为的任何事件可检测或被记录。例如，如果驾驶员突然转向，则车辆100可以检查后置摄像头以查看其他驾驶员是否突然转向。如果车辆100加速，则所述过程可以检查与前车的距离以查看前车是否也在加速。该过程还可以检查悬架冲击和其他因素，这些因素可能指示对例如驾驶员突然转向以避开的坑洞或对象的差点或轻微撞击。
61.如果传感器在405处揭示道路的问题，则可以在411处记录所述行为作为对该行为的可能的响应。也就是说，车辆100可以报告该行为，但是在云不知道车辆100也检测到的异常的情况下，车辆100也可以指示在该位置处检测到的异常。以类似的方式，即使车辆100没有检测到异常，它也可以在407处检测到其他交通以类似的意外方式移动和/或可以接收到其他车辆正在自我报告他们正在经历类似的意外行为的本地v2x报告。同样，车辆100可以将该指示符与自我观察到的意外行为的记录一起记录为该行为的可能解释或情境。云可以使用此信息来巩固结论，通知其他驾驶员，更新驾驶员配置文件，并且通常围绕观察到的和报告的异常行为构建更好的情境。
62.一旦以上述方式或以类似的情境方式发生了任何数据记录，车辆100就可以在409处报告该数据。这包括报告任何自我观察到的异常以及报告关于可能指示车辆100外的根本原因的异常而记录的任何可能的情境。
63.图5示出了说明性本地通信过程。这是车辆100可以用来彼此进行本地通信并且彼此通知观察到的行为(自己或他人)和/或由车辆100感测到的任何可能观察到的情境的过程。在该示例中，车辆100在报告检测到的异常，所述检测到的异常由例如感测到的道路偏差或感测到的交通行为偏差(例如，观察到多个车辆突然转向绕过某物)表示。
64.在501处，车辆100基于直接感测或情境观察来确认异常。情境观察可以是对象车辆和/或前车或尾随车辆两者表现出类似的避开行为，这可能指示存在异常。车辆100将数据本地报告给其他车辆，这可以包括v2v通信或v2i通信，由此将数据报告给基础设施元件以中继到其他车辆。
65.其他车辆可能能够强化或否认数据。例如，车辆可能观察到前车突然转向，并且也可能经历突然转向，从而指示两辆车都试图避开车辆100未检测到的事物。车辆100可以在本地报告这种行为，并且更前方或后面的车辆可以指示其驾驶员没有突然转向，但是存在悬架反应。另一车辆可能报告类似的突然转向。所有这些数据都倾向于强化道路上存在应避开的事物的情境，并且看似错误的行为都不是不适当的。原始车辆100可以在505处接收这些响应，并且在507处确定所述响应是否强化情境结论。
66.如果所有其他车辆都指示没有变化或没有检测到，则在上面的示例中，观察到的车辆和对象车辆都可能避开动物或其他临时障碍物，或者两者都恰好只是突然转向。在这
种情况下，响应数据不强化关于外部情境的结论。如果数据指示强化，则车辆100可以针对该位置更新模型，并且在511处针对驾驶员预期如何行事更新模型。也就是说，如果驾驶员的行为最终不是意外的，则车辆100可以强化驾驶员意图避开障碍物并且驾驶员没有指示意外的突然转向(例如)的倾向。
67.同样，在509处，车辆100可以报告针对其自己的驾驶员的观察、强化、当前模型以及给定位置处的外部状况的可能性。
68.图6示出了说明性异常更新过程。该示例是云侧过程，其接收对外部(车辆外部)情境的指示，所述外部情境诸如坑洞或可能导致某行为和/或可能指示某行为实际上是期望的其他潜在环境或外部因素。在601处，所述过程可能已经接收到对异常确认的一个或多个指示，使得已经达到用于确认情境因素的阈值，这可能需要将因素作为永久或临时状况添加到数据库。
69.由于所述过程可能依赖于来自多个车辆的关于某个位置的数据，因此所述过程可以在603处检查那些车辆和现在接近的其他车辆。最初报告的车辆100可以揭示尚未报告的附加情境，并且该位置处的新车辆可以基于它们自己的当前观察来确认或反驳外部因素的存在。如果异常被确认，则所述过程可以在505处将此事实传达给所有最初报告的车辆，所述最初报告的车辆可能仍将异常记录为未确认，在等待更多数据。然后，那些车辆100可以更新它们自己的关于该位置和关于驾驶员行为的内部记录，然后所述行为将被确认为可能是适当的。
70.所述过程还可以将异常广播到在外部因素的特定范围内的多个车辆，使得可能遇到所述因素的其他车辆现在具有可用的信息。这也有助于这些车辆遇到该位置时在正确的情境下观察行为，并且可以帮助重新定义车辆在该位置处的“预期”行为，这可以帮助避免得出关于在车上或外部观察到的行为的错误结论。
71.在609处如果异常已经生成警报，和/或如果行为已经生成警报(例如，报告可能的异常或基于行为报告可能的“危险”车辆)，则可以根据确认的情境修改那些警报，这可以允许接收车辆(接收警报)通过基于报告更新车载数据存储并通知驾驶员任何变化来相应地作出反应。
72.通过使用反馈、感测和协作信息共享，说明性实施例等允许得出关于观察到的车辆行为的改进结论，这进而提高了自主和半自主车辆对检测到的行为作出反应的能力，以及提高了那些车辆导航意外的外部挑战的能力。同时，可向驾驶员提供关于是否存在应避开的区域或车辆以及观察到的以意外方式行事的车辆实际上是否适当地行事的最新且准确的信息。
73.尽管上文描述了示例性实施例，但这些实施例并不意图描述权利要求所涵盖的所有可能形式。在说明书中使用的词语是描述词语而非限制性词语，并且应当理解，在不脱离本公开的精神和范围的情况下，可以做出各种改变。如先前所述，各种实施例的特征可以组合以形成可能未明确描述或示出的本发明的另外的实施例。尽管各种实施例就一个或多个期望的特性而言可能已经被描述为提供优点或优于其他实施例或现有技术实现方式，但本领域普通技术人员应认识到，可以折衷一个或多个特征或特性来实现期望的整体系统属性，这取决于具体应用和实现方式。这些属性可以包括但不限于成本、强度、耐久性、生命周期成本、可销售性、外观、包装、大小、可维护性、重量、可制造性、易组装性等。因此，就一个
或多个特性而言被描述为不如其他实施例或现有技术实现方式期望的实施例处在本公开的范围内，并且对于特定应用来说可能是期望的。
74.根据本发明，提供了一种系统，所述系统具有：处理器，所述处理器被配置为：基于在给定位置处感测到的车辆行为特性与所述特性的预定义预期值的比较，确定已经感测到不稳定的车辆行为；确定是否已检测到与所述给定位置相关联的环境异常；基于是否检测到所述环境异常来对所述感测到的不稳定行为进行分类；以及响应于基于确定未检测到环境异常将所述行为分类为不稳定，将所述不稳定行为以及所述给定位置报告给远程服务器。
75.根据实施例，所述不稳定的车辆行为是包括所述处理器的车辆的不稳定的车辆行为。
76.根据实施例，所述不稳定的车辆行为是由包括所述处理器的车辆的传感器感测的车辆的不稳定的车辆行为。
77.根据实施例，所述处理器被配置为从远程服务器请求与所述给定位置有关的信息，以确定在所述服务器处是否已识别所述环境异常。
78.根据实施例，所述处理器被配置为随着包括所述处理器的车辆行驶通过所述给定位置而使用一个或多个车载传感器感测所述环境异常。
79.根据实施例，所述处理器还被配置为响应于基于确定未检测到环境异常将所述行为分类为不稳定，本地广播所述不稳定行为的报告。
80.根据实施例，所述处理器还被配置为：响应于将所述行为分类为不稳定而广播所感测到的不稳定行为；响应于所述广播，从至少一个其他车辆接收指示，所述指示指示由所述至少一个其他车辆检测到的环境异常的存在；以及基于所述指示将所述行为重新分类为非不稳定的。
81.根据实施例，所观察到的行为特性是针对包括所述处理器的车辆进行观察的，并且其中所述特性的所述预定义预期值从本地存储在所述车辆的存储器中的所述车辆的驾驶员的配置文件获得。
82.根据本发明，提供了一种系统，所述系统具有：处理器，所述处理器被配置为：接收与某位置处的第一车辆有关的观察到的不稳定行为的报告；访问来自多个其他车辆的指示所述多个其他车辆是否在所述位置处观察到异常的一个或多个指示符的报告；响应于所述多个其他车辆观察到异常的一个或多个指示符，以所述行为是非不稳定的指示来对所述报告作出响应；基于所述报告，更新指示所述位置处存在所述异常的数据，包括更新置信度值；以及响应于所述更新导致置信度值高于阈值，向所述位置的预定义接近度内的车辆发送警报，从而指示所述异常的所述存在。
83.根据实施例，所述异常的所述指示符中的至少一者包括由报告车辆传感器进行的对所述异常的明确检测，并且其中基于所述明确检测，所述置信度值被设定为最大值。
84.根据实施例，由于所述明确检测被报告，因此所述置信度值随着时间而从所述最大值衰减。
85.根据实施例，所述更新包括对与所述第一车辆的已知驾驶员相关联的驾驶员配置文件的更新，以指示基于所述多个其他车辆观察到所述异常的一个或多个指示符，所观察到的不稳定行为是非不稳定的。
86.根据实施例，所述处理器还被配置为：响应于在所述处理器能够访问的数据库中与所述位置相关联的数据未能指示所述异常的所述存在，以所述行为是不稳定的指示来对所述报告作出响应。
87.根据实施例，所述更新包括对与所述第一车辆的已知驾驶员相关联的驾驶员配置文件的更新，以指示响应于所述数据未能指示所述异常的所述存在，所观察到的不稳定行为是不稳定的。
88.根据实施例，所述不稳定行为与车道保持有关并且所述报告指示检测到所述第一车辆表现出与行驶车道相距超过阈值偏差。
89.根据实施例，所述不稳定行为涉及加速度，并且其中所述报告指示所述第一车辆在观察到的时间段内表现出大于阈值偏差的加速度变化。
90.根据实施例，所述不稳定行为涉及速度，并且其中所述报告指示所述第一车辆在观察到的时间段内表现出大于阈值偏差的速度变化。
91.根据实施例，所述异常的所述一个或多个指示符包括在所述位置处观察到的至少一个车辆的不稳定行为或经由报告车辆传感器对所述异常的明确感测中的至少一者。
92.根据本发明，一种方法包括：基于在给定位置处感测到的车辆行为特性与所述特性的预定义预期值的比较，确定已经感测到不稳定的车辆行为，所述预定义预期值是相对于感测到所述不稳定行为的车辆的驾驶员的驾驶员配置文件所定义的；基于所述车辆上的存储器指示所述异常的记录或所述车辆的传感器感测到所述异常中的至少一者来确定是否已检测到与所述给定位置相关联的环境异常；基于是否检测到所述环境异常来对所述观察到的不稳定行为进行分类；以及响应于基于确定未检测到环境异常将所述行为分类为不稳定，将所述不稳定行为以及所述给定位置报告给远程服务器。
93.在本发明的一个方面，所述方法包括：响应于将所述行为分类为不稳定而广播所观察到的不稳定行为；响应于所述广播，从至少一个其他车辆无线地接收指示，所述指示指示由所述至少一个其他车辆检测到的环境异常的存在；以及基于所述指示将所述行为重新分类为非不稳定的。