JP6961012B2 - 車両のためのカスタマイズされた安全速度の決定 - Google Patents

Description

関連出願の相互参照
本出願は、２０１６年１２月２０日に出願された米国特許出願第１５／３８４，７３０号明細書の優先権を主張する国際出願である。上記の出願の内容は、参照によりその全体が本明細書に組み込まれる。

本発明は、安全車両速度のアセスメントに関し、より詳細には、様々な運転状況下にある運転者の母集団を測定して、そのような安全速度を決定することに関するものである。一部の態様では、目的は、走行時の個々の運転者及び道路状況に基づいて、「カスタマイズされた制限速度」を決定することである。

運転者、自治体、及び保険会社は、人々に安全速度で走行させることを促進することに共通の関心がある。しかし、安全速度を決定することは困難な場合がある。

しばしば、安全速度は、法定制限速度との比較によって決定されてきた。自治体は典型的に、「トラフィックアンドエンジニアリングサーベイ（traffic and engineering survey）」を実施することによって、制限速度を設定している。このサーベイは、問題としている道路上での実際の運転速度を測定するものであり、制限速度はしばしば、観察された速度の８５パーセンタイルに基づいて設定される。８５パーセンタイルを使用するという決定は、図１に示す「ソロモンカーブ」によって動機付けられた。このカーブは、衝突のリスクがアベレージ速度からの偏差に関係しており、典型的な速度よりも著しく速い又は遅い走行には高い衝突率が伴う、ということを示している。

しかし、単一の法定制限速度は、道路区画にとっての普遍的な安全速度がある、ということを前提としたものである。しかし、安全速度は、運転者及び道路状況に大いに左右される。例えば、制限速度は、天候（雨、雪、霧、風速）、工事、暗さ、日光の眩しさ、交通量、未熟な運転者、疲労した運転者、又は他の多数の要素のため、安全速度を反映していない場合がある。

さらに、単一の制限速度のみに基づいて安全性の程度を判断することは困難な場合がある。例えば、制限速度の毎時１５マイルの超過は、一部の道路上では安全かもしれないが、他の道路上では危険かもしれない。この曖昧さのため、異なる道路区画にわたって運転者の細かな高速進行挙動（speeding behavior）を比較するための、受け入れられている方法はない。したがって、運転者の最も危険な高速進行が行われる場所を特定することは困難な場合がある。

この困難により、運転者がそれら自身の挙動を修正してより安全になるよう促進することがより難しくなっており、また、自治体又は保険会社がリスクをアセスメントすることがより難しくなっている。

一態様では、一般に、多くの道路区画にわたって複数のトリップ（trip）及び複数の運転者から情報が収集される。収集される情報は、道路区画に沿って走行された速度と、場合によってはそれに加えて、（例えば）運転者、時刻、曜日、天候状況及び道路状況、日光の角度、又は他の要素などの追加情報を含む。新たなトリップからの情報が与えられると、その運転者の速度が、各道路区画について、以前のトリップからの（例えば類似の道路、天候状況、運転者からの）関連データと比較され得る。この比較により、その運転者の速度の安全性を表すスコアがもたらされる。

別の態様では、一般に、アプリケーションを実行するスマートフォンが車両内の運転者とともに走行し、車両の速度、道路網に沿ったその位置、及び走行時間を記録する。記録されたデータはサーバに継続的に、又はバッチで時折送られる。サーバは、道路網の複数の道路区画上での走行速度を表す、複数の車両に関するデータを記憶する。

複数の道路区画の各道路区画について、収集されたデータがその道路区画について処理されて、その道路区画に関する速度特性（speed characteristic）が決定される。例えば、サーバが、ラッシュアワー走行の間及び非ラッシュアワー走行の間に観察された速度の累積分布を計算する。一部の実施形態では、特徴（characterization）が形成されると、それが次いで、ある一定範囲の速度を、例えば「安全」、「わずかにリスキー」、又は「非常にリスキー」と分類するために使用される。

個々の車両のアセスメントでは、車両データがその車両から、トリップにわたってその車両が上を走行する各道路区画について収集される。このデータは、各道路区画についての区画特有リスクスコアを計算するために使用される。これらの区画特有スコアがトリップ内の各道路区画について集約されて、そのトリップに関する、又は複数のトリップに関する、グローバルリスクが作成される。例えば、一部の実施形態では、個々の車両の中央速度（median speed）が、類似の状況にある他の車両の中央速度と比較され得る。このスコアが次いで、その車両の運転者か、或いは第三者、例として保険会社に提供され得る。

別の態様では、一般に、方法が、道路網上でのターゲット車両の速度を特徴付けることを対象とする。方法は、データを収集し記憶することであって、データが道路網の複数の道路区画を通過する１又は２以上の車両からの区画速度を含む、データを収集し記憶することを含む。複数の道路区画の各道路区画について、その道路区画に関連する収集されたデータが処理されて、前記道路区画に関する速度特徴が決定される。一連の道路区画内の各道路区画について、ターゲット車両からのデータも（例えば１又は２以上の車両に関するデータの収集と一緒に、又はその後で）収集される。一連の道路区画内の１又は２以上の道路区画について、前記道路区画に関する速度特徴と前記区画上でターゲット車両から収集されたデータとが組み合わされて、前記区画上でのターゲット車両の速度に関する区画特有スコアが計算される。区画特有スコアのうちの１又は２以上から決定された、車両の速度を特徴付けるデータが提供される。

諸態様は、以下の特色のうちの１又は２以上を含み得る。

車両の速度を特徴付けるデータを提供することが、前記データをターゲット車両の運転者に提供することを含む。

方法は、一連の道路区画内の各道路区画について、区画特有スコアを集約して、ターゲット車両に関する運転スコアを計算することをさらに含む。車両の速度を特徴付けるデータを提供することが、運転スコアを提供することを含む。

データを収集し記憶することにおいて、１又は２以上の車両が複数の車両を含む。

データを収集し記憶することにおいて、データが、複数の区画速度を含み、各区画速度に、対応する道路区画、車両又は車両の運転者、及び区画の通過時間が関連付けられる。

道路区画に関連する収集されたデータを処理して、前記道路区画に関する速度特徴を決定することが、前記道路区画の車両の速度分布を決定することを含む。

速度特徴とターゲット車両から収集されたデータとを組み合わせて、ターゲット車両の速度に関する区画特有スコアを計算することが、道路区画の速度分布とターゲット車両について収集されたデータから決定された速度とを組み合わせることを含む。

道路区画の速度分布とターゲット車両について収集されたデータから決定された速度とを組み合わせることが、その道路区画の速度分布におけるターゲット車両の速度のパーセンタイルを決定することを含む。

ターゲット車両の速度に関する区画特有スコアが、パーセンタイルから決定されたスコアを含む。

パーセンタイルから決定されたスコアが、定量的スコアを含む。

パーセンタイルから決定されたスコアが、分類別スコアを含む。

道路区画の車両の速度分布を決定することが、前記道路区画を通過する車両について収集された区画速度を使用することを含む。

道路区画の車両の速度分布を決定することが、前記道路区画に類似の他の道路区画を通過する車両について収集された区画速度を使用することをさらに含む。

車両の速度分布を決定することが、類似の道路区画に関するデータに、それらの道路区画の類似性に従って加重（重み付け）することを含む。

ターゲット車両の速度に関する区画特有スコアが、分類別スコアを含む。

別の態様では、一般に、機械可読媒体が、記憶された命令を含む。命令をプロセッサ上で実行すると、プロセッサが、上に記載したいずれかの方法の全てのステップを実施する。

別の態様では、一般に、コンピュータにより実装されるシステムが、上に記載したいずれかの方法の全てのステップを実施するように構成されたプロセッサを含む。

１又は２以上の実施形態の利点は、以下を含み得る。

道路区画上での運転者速度に関する経験的データが、従来のトラフィックアンドエンジニアリングサーベイ手法に基づく制限速度よりも正確な安全速度のアセスメントを提供し得る。さらに、これらの手法を使用して収集された経験的データが、制限速度を設定する自治体又は他の実体に情報伝達するために使用されてよい。例えば、多くの制限速度が、道路上で運転される速度の８５パーセンタイルとなることを意図して設定されているので、道路区画上での経験的速度の８５パーセンタイルを動的に計算し、それによって、より正確な制限速度の提案に寄与することができる。

本データ収集手法は、従来の道路サーベイ手法よりも低いコストで収集されたより大量のデータを提供し得る。これにより、８５速度パーセンタイルのより良好な推定が可能になる。扱われるべき莫大なボリュームのデータが与えられると、その分析の結果が連続的に更新されて、より即座に入手できるようになる。

自治体又は保険会社は、最も頻繁に走行される道路に最も関心があり得る。１又は２以上の実施形態では、交通量の多い道路区画の正確な推定値を迅速に生成することが、ほとんどのデータがそこで収集されるので可能であり得る。多量のデータを収集すると、経験的データから制限速度を推論して、地図データベースに取り込むことも可能になる。

諸態様では、個々の運転者又は車両に関する相対的な運転挙動の推定が可能である。経験的速度分布が与えられると、サーバは、ユーザによってなされた各トリップについて、パーセンタイルを関連付けることができる。ユーザの挙動はその場合、パーセンタイルにわたる分布として表現され得る。この表現により、本発明者らが異なる道路区画からの挙動を組み合わせることが可能になる。道路の機能別区分（例えば主要なハイウェイ対小さな脇道）、道路幾何形状、時刻、悪天候などに基づいて運転者の高速進行習慣を特徴付けることが、さらに有用となり得る。

道路区画上での安全速度はしばしば、道路状況の関数である。例えば、運転者は、夜間の道路上では、日中よりもゆっくりと運転する必要があり得る。本発明は、条件付き経験的速度分布の推定を可能にし、その際、次のいずれかがこの推定における要素となり得る：所与の道路区画上での天候状況、時刻、曜日、又は太陽の眩しさに対する人の運転の方向（「日光があなたの目に入っている」か否か）。

運転者がより安全になるよう促進するために、システムは、どの道路上でその運転者が他の運転者に比べて最も高速進行するかを特定することができる。そのような道路を特定することに対しては、経験的分布、例えば８５を上回るパーセンタイルの知識が有益である。

本発明の他の特色及び利点は、以下の説明から、また特許請求の範囲から明らかである。

運転者がアベレージ速度から偏差したときに車両衝突リスクがどのように増加するかを示す図である。 サーバと複数の車両、ユーザ、及び第三者との間で運転情報を通信するプロセスを示す図である。 日付時間の関数としてのアベレージ速度の極座標グラフである。 時刻及びウィークエンド対ウィークデイの関数としてのアベレージ速度の極座標グラフである。 実際の道路区画上での速度の累積密度関数（ＣＤＦ，cumulative density function）と、それに加えて２人の特定の運転者の速度ＣＤＦの図である。 速度測定値を運転スコアに変換する一手法の図である。 図２に対応するプロセスについて説明するフローチャートである。

図２を参照すると、いくつかの車１００がサーバ１１０と、各車についての運転情報をサーバに提供するために通信することが可能である。より具体的には、いくつかの実施形態では、車の運転者が、スマートフォンなどのパーソナルデバイスを携帯し、それは内部にセンサ、プロセッサ、及び通信デバイスを含み、それらは、速度、位置、及び時間のデータを収集して、そのデータをサーバと通信するために使用される。サーバ１１０は、全ての車両に関する運転情報のログ１１２を保持する。サーバは次いで、各運転者に、それらのパフォーマンスについて、車からのログデータ１１２に基づいてフィードバックを提供する。代表的な車１２０が、車道１３０上に示されている。車道１３０は、図では、より小さな道路区画１３１〜１３５に分割されており、車１２０が道路区画１３１に位置している。

車両が特定の道路区画（例えば図１の道路区画１３１）を通過するとき、車両内のパーソナルデバイスが、時系列の速度サンプル（例えば毎秒１サンプル）を収集する。これらのサンプルは、単一の数（例えば平均速度又は中央速度）として要約されてもよく、数通りの数（例えば速度の平均と分散）として要約されてもよく、フルセットの速度サンプルとして保持されてもよい。本発明者らは、速度サンプル全体又はそれらの要約を、その区画上でのユーザの「区画速度」と呼ぶ。車両１２０がトリップ時に複数の道路区画を通過するとき（例えば区画１３１〜１３５を含む）、パーソナルデバイスが、トリップ時の車両の、各道路区画上での区画速度１２２を決定する。ごく一般には、ある区画上での車両の区画速度が他のトリップからの（同じ又は類似の区画上での）区画速度分布と、サーバ１１０において、トリップの類似性によって加重された状態で比較される。この比較が、運転者のパフォーマンスについての情報をもたらす。

特定の車両によって通過された特定の道路区画について、サーバ１１０は、その区画速度を他の類似のトリップからの同じ区画（又は類似の区画）についてログ記録された区画速度と比較して、比較同士をトリップの類似性に基づく加重に従って組み合わせることによって、スコアを計算する。他のトリップは、同じ又は他の運転者からのものであってよい。トリップの類似性は、次の尺度のうちの１又は２以上の組合せに基づく：天候（雨、雪、霧、風速を含む）、工事、暗さ、日光の眩しさ、交通量、運転者の経験、運転者の疲労、運転者の注意散漫、この若しくは他の道路区画上でのこの運転者若しくはこの車両に典型的な速度、又は道路、運転者、及び環境の他の特色。これ以降、本発明者らは、そのような尺度を「共変量尺度（covariate measure）」と呼ぶ。類似の区画の使用については、下でさらに論じる。

比較同士を組み合わせるための加重を決定するために、システムは、速度分布が共変量尺度（covariate measures）の関数としてどのように変化するかを考慮する。本発明者らは、２つの例を提供する。これらの加重は、典型的には、共変量尺度がドライブによって異なるときに速度を測定することにより分かる。例えば、図３は、時刻にわたる平均速度の変動性を例示しており、早朝（３ａｍ〜６ａｍ）の間の運転速度は、日中の運転よりもずっと速い。図４は、複数の共変量尺度、この場合には、時刻とウィークエンド対ウィークデイとを組み合わせた値を例示している。ウィークデイのラッシュアワーの間の典型的な速度の減少が明白である。

加重を設定するための数通りの方途がある。第１に、加重は、システムの専門知識を通じて直接設定され得る。第２に、加重は、提供される（held-out）速度データの確度を最大にするように設定され得る。第３に、加重は、安全性データの予測の正確さを最大にするように設定され得る。

本発明者らは、加重を設定するための第３の技法のより詳細な例を与える。本発明者らの安全性データが車両衝突の時間及び位置からなると仮定されたい。本発明者らは、速度及び共変量尺度が与えられると、道路区画Ｒ上での衝突の何らかの未知の確率が生じる、と想定する。本発明者らはこれを、ｐｒｏｂ（Ｒ上での衝突｜速度、共変量尺度）と記述する。個々の道路区画については別々に、本発明者らはロジスティック回帰を使用して、共変量の加重を設定することができる。複数の道路区画にわたる統計的情報を組み合わせるために、本発明者らは、１セットの加重を無作為に選択し、衝突データをトレーニングとテストのセットに分けることができる。本発明者らは、例えば確率的勾配降下法を使用して、トレーニングデータに対する加重を最適化し、過学習を防ぐために、テストデータを妥当性検証に使用することができる。

本発明者らは、道路区画毎のスコアを計算すると、このスコアを直接（運転者などの）当事者に報告することができる。本発明者らは、区画スコアを、トリップ毎、ユーザ毎、車両毎、カレンダ時間毎（例えば２週間の運転にわたる平均スコア）、運転時間毎（例えば１時間の運転毎の平均スコア）、又は距離毎（例えばキロメートル毎の平均スコア）に集約することもできる。

図５は、単一の道路区画上での、多くの運転者及びトリップにわたる、運転者によって加重された、速度の累積分布関数（ＣＤＦ）を例示している。図５はさらに、２人の特定の運転者のＣＤＦも例示している。これらの運転者のＣＤＦは、共通のＣＤＦとは異なっており、また互いに異なっている。

本発明者らは、話を分かりやすくするために、より詳細な例を提供する。（数値、共変量尺度、及び加重は、具体性をもたせるための例として提供されており、異なる実施形態では異なる場合がある）。この例は、図６に例示されている。車両６０１が道路区画６０２を、月曜日の８：３０ＡＭ〜８：３２ＡＭまで、小雨の中、区画速度６０３で走行して、通過したと仮定されたい。

本発明者らは、同じ道路区画上での他のトリップを３つの分類に分け、各分類についての経験的累積分布関数、すなわちウィークデイの８：００〜９：００ＡＭの間に小雨の中行われたトリップ（６０５）、７：００〜８：００ＡＭ若しくは９：００〜１０：００ＡＭの間に小雨の中行われたトリップ（６０６）、及び他の全てのトリップ（６０４）、を計算することを考える。区画速度６０３はプロット上の垂直線（６０７）に対応し、一般に、この垂直線は各ＣＤＦと、異なる高さ（クォンタイル）のところで交差する。ＣＤＦ６０５との交差は、（クォンタイル０．５０のところの）６０８によってマークされ、ＣＤＦ６０６との交差は、（クォンタイル０．１５のところの）６０９によってマークされる。本発明者らは、６１０によって示されるように、クォンタイル（６０８）とクォンタイル（６０９）との加重組合せをとることによって、最終スコアを生成する。例えば、本発明者らは、スコア=0.7*(0.5)+0.3*(0.15)=0.395を得ることができる。（本発明者らは、６０４に加重ゼロを与えており、したがって、それを加重和に含めるには及ばない。）

道路区画スコアが８５パーセンタイルを超過するか又は１５パーセンタイルを下回った（すなわちスコア>0.85又はスコア<0.15である）場合、本発明者らはそのスコアを「軽度にリスキー」と解釈することができ、それが９５パーセンタイルを超過するか又は５パーセンタイルを下回った場合、本発明者らはそのスコアを「非常にリスキー」と解釈することができる。

２人の異なる運転者について観察されたクォンタイルは、大幅に異なることがある。

上で説明したシステムの動作は、図７に示すフローチャートを参照して理解され得る。図７を参照すると、システムは、複数の車両から区画速度データを収集する（ステップ４０１）。上で論じたように、このデータは、最初に車両内で収集され、次いでサーバにバッチで送られてもよく、或いは、データはサーバに継続的に送られてもよい。各道路区画についてのこのデータを使用して、全ての区画について区画データ４０３を計算する（ステップ４０２）。サーバは、特定の車両に関するデータも収集する（ステップ４０４）。道路区画特性４０３を使用して、システムは、そのユーザに関する区画特有速度データ、例えばその区画内で走行された中央速度を計算する（ステップ４０５）。システムは、その車両によって走行された道路区画全体にわたって区画特有データを集約して（ステップ４０７）、運転者スコアを計算し（ステップ４０８）、それは、その運転者又は第三者に提供され得る。一部の例では、集約されたスコアが、道路区画の区分（すなわちタイプ）、例えばハイウェイ若しくは一般道（surface street）に、又は時刻、例えば昼間対夜間の運転など、何らかの他の分類に特有であってよい。

一部の態様が、他の実施形態では異なり得る。特に、中央値の代わりに、本発明者らは、平均速度、平均と分散、Ｚスコア、中央範囲及び四分位範囲、又は全ての速度サンプルなど、区画にわたる速度の代替統計値を記録することができる。（道路区画、１又は２以上のトリップに関する）スコアは、信頼区間又は他の指標若しくは不確実性を含む場合がある。観察された速度を評価するのではなく、リスキーな高速進行の何分の一かを許すために速度マージンが追加され得る。例えば、評価中の個々の道路区画について観察された中央速度が、例えば、母集団中央速度に毎時５マイル、より近くなるように修正され得る。出力スコアは、離散的（例えば「安全」対「わずかにリスキー」対「非常にリスキー」）又は連続的（例えば０．１２対０．８７）とすることができる。同じ道路区画上を何回も運転している運転者に加重し過ぎるのを回避するために、その道路区画上での運転者毎のトリップの数だけ加重が低減され得る。（例えば、運転者が特定の道路区画をＸ回通過している場合、加重をさらにＸ分の１に低減されたい。）

特定の道路区画について、速度分布を推定するのに不十分なデータ（すなわちまばらな又は欠落しているデータ）しか、その区画に関するログ記録されたデータからだけでは入手できないとき、速度分布は、類似の状況にある類似の道路区画に関するデータから推論され得る。例えば、類似の道路タイプ（例えばハイウェイ又は一般道）、道路幾何形状、及び道路状況の、他の道路区画を見出すことによって、速度サンプルがプールされ得、全ての類似の道路区画について速度分布が推論され得る。

或いは、まばらなデータを扱うとき、速度サンプルが、異なる道路区画（又は異なる環境下の同じ道路区画）から、その速度サンプルを適切なタイプの代表的速度サンプルに変換することによって使用されてもよい。例えば、本発明者らがどちらも晴天下にある道路区画Ａ及び道路区画Ｂについて速度分布を観察すると仮定されたい。本発明者らは、速度サンプルをクォンタイルに基づいてマッチさせ、回帰Ｒ１をフィッティングさせる。次に、本発明者らは、区画Ａに対して晴天対雨下の速度間で速度回帰Ｒ２をフィッティングさせる。Ｒ２及びＲ１を、晴天下にある道路区画ＡのオリジナルＣＤＦに対して適用することによって、本発明者らは、雨下にある道路区画ＢのＣＤＦに関する推定値を取得する。

さまざまな異なる道路区画及び状況からのサンプルを変換して組み合わせるとき、これらの追加サンプルの加重は、推定値の不正確さに基づいて低減される（例えば、変換により分散の大きな推定値が生成する場合、変換後のサンプルの加重は低くなる）。回帰の不確実性は、ガウス過程回帰を使用することなど、さまざまな技法を通じて推定されてよい。推定技法は、２つの道路区画の類似性という概念に依拠してよい。類似性の定量的尺度は、段落３２において論じた加重によって提供される。

まばらなデータを取り扱うためのさらなる技法は、運転者の以前の運転履歴を活用することである。例えば、本発明者らがある道路区画上での平均速度の８５パーセンタイルを推定したいと考えていると仮定されたい。追加情報がない場合、そうするには、高信頼の推定を行うための多くのサンプルが必要となる。本発明者らがその道路区画に関する単一の測定値しか有していないと仮定されたい。しかし、その特定の運転者が他のほとんどの道路上を８３から８７パーセンタイルの間で規則正しく運転していると、以前の測定値が指摘していたと仮定されたい。その場合、その単一のデータ点は、８５パーセンタイルのかなり正確な推定値となる。全ての運転者の以前の高速進行挙動を活用することにより、より少ないデータを用いた、速度分布のより正確な推定が可能になる。

上で説明した１又は２以上の例では、車両に関する速度及び位置のデータを収集するために、運転者のスマートフォンが使用される。代替実施形態では、参照により本明細書に組み込まれる、米国特許第８，４５７，８８０号明細書、「TELEMATICS USING PERSONAL MOBILE DEVICES」、及び米国特許第９，２２８，８３６号明細書、「INFERENCE OF VEHICULAR TRAJECTORY CHARACTERISTICS WITH PERSONAL MOBILE DEVICES」に説明された技法を使用してもよい。さらに、車両に固定されるデバイス、例えば、やはり参照により本明細書に組み込まれる、米国特許出願公開第２０１５／０３１２６５５（Ａ１）号明細書、「SYSTEM AND METHOD FOR OBTAINING VEHICLE TELEMATICS DATA」に説明されたタグ。

他の実施形態では、システムは、道路区画に関する安全速度範囲を決定するときに、母集団速度に加えて車道の制限速度を考慮に入れてよい。

バッテリ寿命を保存し又はデータ伝送を低減させるために、基礎となる速度測定値の一部分又は要約のみを記録及び／又は伝送することが可能である。

上で説明した手法の実装形態では、データ処理ステップ（例えばデータ記憶、データ縮約、及びデータ通信）を、ハードウェア、ソフトウェア、又はハードウェアとソフトウェアとの組合せを使用して実装してよい。ハードウェアは、特定用途向け集積回路（ＡＳＩＣ，application specific integrated circuits）を含むことができる。ソフトウェアは、タグ、スマートフォン、及び／又はサーバ内の１又は２以上のプロセッサに、上で説明した手順を実施させるための、非一時的媒体（例えば不揮発性半導体メモリ）上に記憶された命令とすることができる。

先の説明は、添付の特許請求の範囲に記載の範囲によって定められる本発明の範囲を例示することが意図されており、それを限定するようには意図されていないことを理解されたい。他の実施形態が、添付の特許請求の範囲に記載の範囲内にある。

Claims (17)

1. 道路網上でのターゲット車両の速度を特徴付けるための方法であって、
   データを収集し記憶するステップであって、前記データが道路網の複数の道路区画を通過する１又は２以上の車両からの区画速度を含み、
   前記データが複数の区画速度を、対応する道路区画と、天候状況、時刻、曜日、太陽の眩しさ、工事、交通量、運転者の経験、運転者の疲労、運転者の注意散漫、道路タイプ、道路幾何形状、及び道路状況からなる共変量尺度群から選択される１又は２以上の共変量尺度とに関連づける、
   前記データを収集し記憶するステップと、
   前記複数の道路区画の各道路区画について、前記道路区画に関連する収集された前記データを処理して、前記道路区画に関する速度特徴を決定するステップであって、
   前記道路区画を通過する車両について収集された区画速度と、前記道路区画に類似する他の道路区画を通過する車両について収集された区画速度とを使用して、前記１又は２以上の共変量尺度に依存する、前記道路区画上での車両の速度分布を決定するステップを含む、
   前記速度特徴を決定するステップと、
   一連の道路区画内の各道路区画について、前記ターゲット車両からデータを収集するステップであって、
   前記収集されたデータに関連する前記共変量尺度群から、１又は２以上の収集された共変量尺度を決定するステップを含む、
   前記ターゲット車両からデータを収集するステップと、
   前記一連の道路区画内の１又は２以上の道路区画について、前記１又は２以上の収集された共変量尺度に依存する前記道路区画に関する前記速度特徴と前記道路区画上で前記ターゲット車両から収集された前記データとを組み合わせて、前記道路区画上での前記ターゲット車両の速度に関する区画特有スコアを計算するステップと、
   前記一連の道路区画内の各道路区画について、前記区画特有スコアを集約して、前記ターゲット車両に関する運転スコアを計算するステップと、
   前記区画特有スコアのうちの１又は２以上から決定された、前記ターゲット車両の速度を特徴付けるデータを提供するステップであって、
   リスクを評価する目的で、前記ターゲット車両の運転者と当事者の少なくとも一方に提示するための安全性の程度を提供するステップと、
   前記運転スコアを提供するステップとを含む、
   前記ターゲット車両の速度を特徴付けるデータを提供するステップと
   を含む、前記方法。
2. 前記ターゲット車両の速度を特徴付けるデータを提供するステップが、前記ターゲット車両の速度を特徴付けるデータを前記ターゲット車両の運転者に提供するステップを含む、請求項１に記載の方法。
3. 前記道路区画上での前記ターゲット車両の速度に関する区画特有スコアが、前記運転者の速度の安全性の程度を含み、前記ターゲット車両の運転スコアが、集約された安全性の程度を特徴づける、請求項１又は２に記載の方法。
4. 前記運転スコアを提供することが、集約された安全性の程度を前記車両の運転者に提供することを含む、請求項３に記載の方法。
5. 前記運転スコアを提供することが、リスクを評価する目的で、集約された安全性の程度を保険会社に提供することを含む、請求項３に記載の方法。
6. 前記データを収集し記憶するステップにおいて、１又は２以上の車両が複数の車両を含む、請求項１〜５のいずれかに記載の方法。
7. 前記データを収集し記憶するステップにおいて、前記データが、複数の区画速度を含み、各区画速度に、対応する道路区画、車両又は車両の運転者、及び前記区画の通過時間が関連付けられる、請求項１〜６のいずれかに記載の方法。
8. 前記速度特徴と前記ターゲット車両から収集されたデータとを組み合わせて、前記ターゲット車両の速度に関する区画特有スコアを計算するステップが、道路区画上の車両の速度分布と前記ターゲット車両について収集された前記データから決定された速度とを組み合わせるステップを含む、請求項１〜７のいずれかに記載の方法。
9. 道路網上でのターゲット車両の速度を特徴付けるための方法であって、
   データを収集し記憶するステップであって、前記データが道路網の複数の道路区画を通過する１又は２以上の車両からの区画速度を含み、
   前記データが複数の区画速度を、対応する道路区画と、天候状況、時刻、曜日、太陽の眩しさ、工事、交通量、運転者の経験、運転者の疲労、運転者の注意散漫、道路タイプ、道路幾何形状、及び道路状況からなる共変量尺度群から選択される１又は２以上の共変量尺度とに関連づける、
   前記データを収集し記憶するステップと、
   前記複数の道路区画の各道路区画について、前記道路区画に関連する収集された前記データを処理して、前記道路区画に関する速度特徴を決定するステップであって、
   前記道路区画を通過する車両について収集された区画速度と、前記道路区画に類似する他の道路区画を通過する車両について収集された区画速度とを使用して、前記１又は２以上の共変量尺度に依存する、前記道路区画上での車両の速度分布を決定するステップを含む、
   前記速度特徴を決定するステップと、
   一連の道路区画内の各道路区画について、前記ターゲット車両からデータを収集するステップであって、
   前記収集されたデータに関連する前記共変量尺度群から、１又は２以上の収集された共変量尺度を決定するステップを含む、
   前記ターゲット車両からデータを収集するステップと、
   前記一連の道路区画内の１又は２以上の道路区画について、前記１又は２以上の収集された共変量尺度に依存する前記道路区画に関する前記速度特徴と前記道路区画上で前記ターゲット車両から収集された前記データとを組み合わせて、前記道路区画上での前記ターゲット車両の速度に関する区画特有スコアを計算するステップと、
   前記区画特有スコアのうちの１又は２以上から決定された、前記ターゲット車両の速度を特徴付けるデータを提供するステップであって、
   リスクを評価する目的で、前記ターゲット車両の運転者と当事者の少なくとも一方に提示するための安全性の程度を提供するステップを含む、
   前記ターゲット車両の速度を特徴付けるデータを提供するステップと
   を含み、
   前記速度特徴と前記ターゲット車両から収集されたデータとを組み合わせて、前記ターゲット車両の速度に関する区画特有スコアを計算するステップが、道路区画上の車両の速度分布と前記ターゲット車両について収集された前記データから決定された速度とを組み合わせるステップを含み、
   前記道路区画上の車両の速度分布と前記ターゲット車両について収集されたデータから決定された速度とを組み合わせるステップが、前記道路区画の前記速度分布における前記ターゲット車両の前記速度のパーセンタイルを決定するステップを含む、前記方法。
10. 前記ターゲット車両の速度に関する区画特有スコアが、前記パーセンタイルから決定されたスコアを含む、請求項９に記載の方法。
11. 前記パーセンタイルから決定されたスコアが、定量的スコアを含む、請求項１０に記載の方法。
12. 前記パーセンタイルから決定されたスコアが、分類別スコアを含む、請求項１０に記載の方法。
13. 前記車両の速度分布を決定するステップが、類似する道路区画に関するデータに、それらの道路区画の類似性に従って加重することを含む、請求項１〜１２のいずれかに記載の方法。
14. 前記ターゲット車両の速度に関する区画特有スコアが、分類別スコアを含む、請求項１〜１３のいずれかに記載の方法。
15. 記憶された命令を含む機械可読媒体であって、前記命令をプロセッサ上で実行すると、前記プロセッサが、道路網上でのターゲット車両の速度の特徴付けであって、
    データを受信し記憶することであって、前記データが道路網の複数の道路区画を通過する１又は２以上の車両からの区画速度を含み、
    前記データが複数の区画速度を、対応する道路区画と、天候状況、時刻、曜日、太陽の眩しさ、工事、交通量、運転者の経験、運転者の疲労、運転者の注意散漫、道路タイプ、道路幾何形状、及び道路状況からなる共変量尺度群から選択される１又は２以上の共変量尺度とに関連づける、
    前記データを受信し記憶することと、
    前記複数の道路区画の各道路区画について、前記道路区画に関連する収集された前記データを処理して、前記道路区画に関する速度特徴を決定することであって、
    前記道路区画を通過する車両について収集された区画速度と、前記道路区画に類似する他の道路区画を通過する車両について収集された区画速度とを使用して、前記１又は２以上の共変量尺度に依存する、前記道路区画上での車両の速度分布を決定することを含む、
    前記速度特徴を決定することと、
    一連の道路区画内の各道路区画について、前記ターゲット車両からデータを受信することであって、
    前記受信されたデータに関連する前記共変量尺度群から、１又は２以上の収集された共変量尺度を決定することを含む、
    前記ターゲット車両からデータを受信することと、
    前記一連の道路区画内の１又は２以上の道路区画について、前記１又は２以上の収集された共変量尺度に依存する前記道路区画に関する前記速度特徴と前記道路区画について前記ターゲット車両から受信された前記データとを組み合わせて、前記道路区画上での前記ターゲット車両の速度に関する区画特有スコアを計算することと、
    前記一連の道路区画内の各道路区画について、前記区画特有スコアを集約して、前記ターゲット車両に関する運転スコアを計算することと、
    前記区画特有スコアのうちの１又は２以上から決定された、前記ターゲット車両の速度を特徴付けるデータを提供することであって、
    リスクを評価する目的で、前記ターゲット車両の運転者と当事者の少なくとも一方に提示するための安全性の程度を提供することと、
    前記運転スコアを提供することとを含む、
    前記ターゲット車両の速度を特徴付けるデータを提供することと
    を含む前記特徴付けを行う、前記機械可読媒体。
16. 道路網上でのターゲット車両の速度を特徴付けるための方法であって、
    データを収集し記憶するステップであって、前記データが道路網の複数の道路区画を通過する１又は２以上の車両からの区画速度を含み、
    前記データが複数の区画速度を、対応する道路区画と、天候状況、時刻、曜日、太陽の眩しさ、工事、交通量、運転者の経験、運転者の疲労、運転者の注意散漫、道路タイプ、道路幾何形状、及び道路状況からなる共変量尺度群から選択される１又は２以上の共変量尺度とに関連づける、
    前記データを収集し記憶するステップと、
    前記複数の道路区画の各道路区画について、前記道路区画に関連する収集された前記データを処理して、前記道路区画に関する速度特徴を決定するステップであって、
    前記道路区画を通過する車両について収集された区画速度と、前記道路区画に類似する他の道路区画を通過する車両について収集された区画速度とを使用して、前記１又は２以上の共変量尺度に依存する、前記道路区画上での車両の速度分布を決定するステップを含む、
    前記速度特徴を決定するステップと、
    一連の道路区画内の各道路区画について、前記ターゲット車両からデータを収集するステップであって、
    前記収集されたデータに関連する前記共変量尺度群から、１又は２以上の収集された共変量尺度を決定するステップを含む、
    前記ターゲット車両からデータを収集するステップと、
    前記一連の道路区画内の１又は２以上の道路区画について、前記１又は２以上の収集された共変量尺度に依存する前記道路区画に関する前記速度特徴と前記道路区画上で前記ターゲット車両から収集された前記データとを組み合わせて、前記道路区画上での前記ターゲット車両の速度に関する区画特有スコアを計算するステップと、
    前記区画特有スコアのうちの１又は２以上から決定された、前記ターゲット車両の速度を特徴付けるデータを提供するステップであって、
    リスクを評価する目的で、前記ターゲット車両の運転者と当事者の少なくとも一方に提示するための安全性の程度を提供するステップを含む、
    前記ターゲット車両の速度を特徴付けるデータを提供するステップと
    を含み、
    前記道路区画上でのターゲット車両の速度に関する区画特有スコアが、前記運転者の速度の安全性の程度を含む、前記方法。
17. 道路網上でのターゲット車両の速度を特徴付けるための方法であって、
    データを収集し記憶するステップであって、前記データが道路網の複数の道路区画を通過する１又は２以上の車両からの区画速度を含み、
    前記データが複数の区画速度を、対応する道路区画と、天候状況、時刻、曜日、太陽の眩しさ、工事、交通量、運転者の経験、運転者の疲労、運転者の注意散漫、道路タイプ、道路幾何形状、及び道路状況からなる共変量尺度群から選択される１又は２以上の共変量尺度とに関連づける、
    前記データを収集し記憶するステップと、
    前記複数の道路区画の各道路区画について、前記道路区画に関連する収集された前記データを処理して、前記道路区画に関する速度特徴を決定するステップであって、
    前記道路区画を通過する車両について収集された区画速度と、前記道路区画に類似する他の道路区画を通過する車両について収集された区画速度とを使用して、前記１又は２以上の共変量尺度に依存する、前記道路区画上での車両の速度分布を決定するステップを含む、
    前記速度特徴を決定するステップと、
    一連の道路区画内の各道路区画について、前記ターゲット車両からデータを収集するステップであって、
    前記収集されたデータに関連する前記共変量尺度群から、１又は２以上の収集された共変量尺度を決定するステップを含む、
    前記ターゲット車両からデータを収集するステップと、
    前記一連の道路区画内の１又は２以上の道路区画について、前記１又は２以上の収集された共変量尺度に依存する前記道路区画に関する前記速度特徴と前記道路区画上で前記ターゲット車両から収集された前記データとを組み合わせて、前記道路区画上での前記ターゲット車両の速度に関する区画特有スコアを計算するステップと、
    前記区画特有スコアのうちの１又は２以上から決定された、前記ターゲット車両の速度を特徴付けるデータを提供するステップであって、
    リスクを評価する目的で、前記ターゲット車両の運転者と当事者の少なくとも一方に提示するための安全性の程度を提供するステップを含む、
    前記ターゲット車両の速度を特徴付けるデータを提供するステップと
    を含み、
    前記ターゲット車両の速度に関する区画特有スコアが、分類別スコアを含み、
    前記分類別スコアが分類別の、前記運転者の速度の安全性の程度を含む、前記方法。

Images