JP7413503B2 - 車両の安全性能を評価すること - Google Patents

Description

本記載は、車両の安全性能を評価することに関する。

自律走行車は、人間によってドライブされる従来車よりも安全である可能性を秘めている。自律走行車および従来車の相対的な安全性能を査定するために、産業専門家および規制機関は、車両による走行マイル数当たりのその車両が関わっている車両衝突の数の尺度である、衝突率などの安全相関メトリックを用いる。

従来車では、自律走行車よりもはるかに多くのマイル数が記録されており、したがって、有意により高いリスクにさらされているため、自律走行車の生産者は、従来車との比較のために、車両の安全性能の、統計的に意味のあるエクスポージャベースの測定結果を獲得するべく、マイル数の蓄積を競っている。

一般に、態様においては、車両の安全性能が、監視され、もしくは評価され、またはその両方が行われる。センサ・データが、車両における１つまたは複数のセンサから受信される。車両の運転の期間中に車両によって遭遇された１つまたは複数のリスク源が、センサ・データに基づいて、識別される。運転の期間中に車両によって経験された１つまたは複数の安全イベントが、センサ・データに基づいて、識別される。運転の期間中に車両によって経験された安全イベントのリスクが、１つまたは複数のリスク源に基づいて、決定される。運転の期間中における車両の安全性能が、１つまたは複数の安全イベントと、リスクとに基づいて、決定される。

リスクは、リスク・スコアによって測定され得る。車両の運転の期間は、車両によって走行された距離と関連付けられ得る。車両の運転の期間は、車両の運転の時間と関連付けられ得る。センサは、車両における１つまたは複数のテレマティクス・デバイスに備えられ得る。

１つまたは複数のリスク源は、車両が運転される環境の状態または特徴に起因する、環境リスク源を含むことができる。環境リスク源は、環境にある他の車両を含むことができる。１つまたは複数の安全イベントは、車両の衝突、もしくは車両の衝突寸前、またはその両方を含むことができる。リスクを決定することは、リスク源の各々によってもたらされた安全イベントのリスクを決定することを含むことができる。

車両のドライバの行為に起因するリスク源は、１つまたは複数のリスク源から取り除かれ得る。リスク源の各々によってもたらされた安全イベントのリスクの和が、リスクを決定するために、計算され得る。リスクの和は、加重和であることができる。車両の安全性能を決定することは、リスクに関連する１つまたは複数の安全イベントの和を決定することを含むことができる。リスクに関連する１つまたは複数の安全イベントの和は、加重和であることができる。１つまたは複数の安全イベントの各々は、安全イベントの重大性に基づいて、加重され得る。

リスクは、車両によって走行されたリスク正規化距離（ｒｉｓｋ－ｎｏｒｍａｌｉｚｅｄ ｄｉｓｔａｎｃｅ）を生成するために、車両の運転の期間中に車両によって走行された距離に対して適用され得る。車両の運転の期間中における車両の安全性能は、１つまたは複数の安全イベントと、走行されたリスク正規化距離とに基づいて、決定され得る。リスクは、車両の運転の期間に経験されたリスクの標準レベルに基づいて、正規化され得る。車両の運転の期間の少なくとも一部における車両と同じ環境にある、第２の車両の安全性能は、センサ・データに基づいて、決定され得る。第２の車両の安全性能は、車両の運転の期間の少なくとも一部における車両と同じ環境にある第２の車両によって経験された１つまたは複数のリスク源を識別することに基づいて、決定され得る。第２の車両の運転の期間の少なくとも一部の間に第２の車両によって経験された１つまたは複数の安全イベントは、センサ・データに基づいて、識別され得る。

車両の運転の期間の少なくとも一部の間に第２の車両によって経験された安全イベントのリスクは、第２の車両によって経験された１つまたは複数のリスクに基づいて、決定され得る。車両の運転の期間の少なくとも一部の間における車両の相対的な安全性能は、車両の安全性能を第２の車両の安全性能と比較することによって、決定され得る。車両についてのリスクは、車両と同じ車両タイプを有する１つまたは複数の他の車両についての安全イベントのリスクと組み合わされ得る。車両タイプの安全性能は、組み合わされたリスクに部分的に基づいて、決定され得る。

一般に、態様においては、１つまたは複数のプロセッサを含むシステムが、提供される。システムは、車両における１つまたは複数のセンサからセンサ・データを受信するための、１つまたは複数のプロセッサによって実行可能な実行可能コンピュータ命令を記憶する、コンピュータ・ストレージを含む。命令は、センサ・データに基づいて、車両の運転の期間中に車両によって遭遇された１つまたは複数のリスク源を識別するために、１つまたは複数のプロセッサによって実行可能である。命令は、センサ・データに基づいて、車両の運転の期間中に車両によって経験された１つまたは複数の安全イベントを識別するために、１つまたは複数のプロセッサによって実行可能である。命令は、１つまたは複数のリスク源に基づいて、車両の運転の期間中に車両によって経験された安全イベントのリスクを決定するために、１つまたは複数のプロセッサによって実行可能である。命令は、１つまたは複数の安全イベントと、リスクとに基づいて、車両の運転の期間中における車両の安全性能を決定するために、１つまたは複数のプロセッサによって実行可能である。

車両の安全性能を決定することは、リスクに関連する１つまたは複数の安全イベントの和を決定することを含むことができる。コンピュータ・ストレージは、車両によって走行されたリスク正規化距離を生成するために、車両の運転の期間中に車両によって走行された距離に対してリスクを適用することと、１つまたは複数の安全イベントと、走行されたリスク正規化距離とに基づいて、車両の運転の期間中における車両の安全性能を決定することとを行うための、１つまたは複数のプロセッサによって実行可能な命令を記憶することができる。

コンピュータ・ストレージは、センサ・データに基づいて、車両の運転の期間の少なくとも一部における車両と同じ環境にある第２の車両によって経験された１つまたは複数のリスクを識別するための、１つまたは複数のプロセッサによって実行可能な命令を記憶することができる。コンピュータ・ストレージは、センサ・データに基づいて、車両の運転の期間の少なくとも一部の間に第２の車両によって経験された１つまたは複数の安全イベントを識別するための、１つまたは複数のプロセッサによって実行可能な命令を記憶することができる。コンピュータ・ストレージは、第２の車両によって経験された１つまたは複数のリスクに基づいて、車両の運転の期間の少なくとも一部の間に第２の車両によって経験された安全イベントのリスクを決定するための、１つまたは複数のプロセッサによって実行可能な命令を記憶することができる。コンピュータ・ストレージは、第２の車両によって経験された１つまたは複数の安全イベントと、第２の車両についてのリスクとに基づいて、車両の運転の期間の少なくとも一部の間における第２の車両の安全性能を決定するための、１つまたは複数のプロセッサによって実行可能な命令を記憶することができる。

一般に、態様においては、１つまたは複数のプロセッサによって実行可能な命令を有する、コンピュータ可読記憶媒体が、提供される。命令は、１つまたは複数のプロセッサによって実行可能であり、プロセッサに１つまたは複数の動作を遂行させる。１つまたは複数の動作は、車両における１つまたは複数のセンサからセンサ・データを受信することを含む。１つまたは複数の動作は、センサ・データに基づいて、車両の運転の期間中に車両によって遭遇された１つまたは複数のリスク源を識別することを含む。１つまたは複数の動作は、センサ・データに基づいて、車両の運転の期間中に車両によって経験された１つまたは複数の安全イベントを識別することを含む。１つまたは複数の動作は、１つまたは複数のリスク源に基づいて、車両の運転の期間中に車両によって経験された安全イベントのリスクを決定することを含む。１つまたは複数の動作は、１つまたは複数の安全イベントと、リスクとに基づいて、車両の運転の期間中における車両の安全性能を決定することを含む。

１つまたは複数の動作は、車両によって走行されたリスク正規化距離を生成するために、車両の運転の期間中に車両によって走行された距離に対してリスクを適用することを含むことができる。１つまたは複数の動作は、１つまたは複数の安全イベントと、走行されたリスク正規化距離とに基づいて、車両の運転の期間中における車両の安全性能を決定することを含むことができる。１つまたは複数の動作は、センサ・データに基づいて、車両の運転の期間の少なくとも一部における車両と同じ環境にある第２の車両によって経験された１つまたは複数のリスクを識別することを含むことができる。１つまたは複数の動作は、センサ・データに基づいて、車両の運転の期間の少なくとも一部の間に第２の車両によって経験された１つまたは複数の安全イベントを識別することを含むことができる。１つまたは複数の動作は、第２の車両によって経験された１つまたは複数のリスクに基づいて、車両の運転の期間の少なくとも一部の間に第２の車両によって経験された安全イベントのリスクを決定することを含むことができる。１つまたは複数の動作は、第２の車両によって経験された１つまたは複数の安全イベントと、第２の車両についてのリスクとに基づいて、車両の運転の期間の少なくとも一部の間における第２の車両の安全性能を決定することを含むことができる。

一般に、態様においては、１つまたは複数のプロセッサと、複数のモジュールとを含む、システムが、提供される。システムは、車両における１つまたは複数のセンサからのセンサ・データに基づいて、車両の運転の期間中に車両によって遭遇された１つまたは複数のリスク源を識別するための、１つまたは複数のプロセッサによって実行可能なリスク識別モジュールを含む。システムは、センサ・データに基づいて、車両の運転の期間中に車両によって経験された１つまたは複数の安全イベントを識別するための、１つまたは複数のプロセッサによって実行可能な安全イベント識別モジュールを含む。システムは、１つまたは複数のリスク源に基づいて、車両の運転の期間中に車両によって経験された安全イベントのリスクを決定するための、１つまたは複数のプロセッサによって実行可能なリスク・スコアリング・モジュールを含む。システムは、１つまたは複数の安全イベントと、リスクとに基づいて、車両の運転の期間中における車両の安全性能を決定するための、１つまたは複数のプロセッサによって実行可能な安全性能評価モジュールを含む。

一般に、態様においては、車両の運転の１つまたは複数の期間の範囲または持続時間を表示する運転期間情報をキャプチャするように構成された、車両にあるデバイスを含む、システムが、提供される。デバイスは、車両の運転の１つまたは複数の期間の各々の間の、車両または車両の近傍の車両に関わるリスクおよび安全イベントを表示する、安全情報をキャプチャするように構成される。デバイスは、リスク・スコアと安全イベントとに基づいて車両の安全性能を決定する処理のために、運転期間情報と安全情報とをサーバに対して送信するように構成される。

これらおよび他の態様、特徴、および実施は、方法、装置、システム、コンポーネント、プログラム製品、仕事を行う方法、機能を遂行するための手段またはステップとして、および他の方法で、表現され得、特許請求の範囲を含む、以下の説明から明らかになる。

車両安全性能評価技術１００を例示した概略図。 車両安全性能を評価するための例示的なサーバ１３０を描いたブロック図。 車両の安全性能を監視および評価するための方法を描いたフローチャート。

車両が、運転されるたびに、車両、その車両のユーザ、または周辺の公衆の安全を危うくする、ある状況または状態にさらされることがある。例えば、車両は、天候または他の車両の近接など、車両が運転される環境の特徴または状態に起因するリスク、車両のドライバによる行為に起因するリスク（例えば、速度違反、不注意ドライブなど）、車両自体に起因するリスク（例えば、車両に対する損傷、または車両の故障などに遭遇することがある。リスクを生成する状況または状態は、時には「リスク源」と呼ばれ、１つまたは複数のリスク源に起因する、負傷、損害、または別の望ましくない結果の可能性に言及するために、「リスク」という用語は広義に使用される。

幸いなことに、車両が遭遇するリスクの大部分は、車両またはそれのドライバによって回避され、または他の方法で対処され得る。しかしながら、いくつかのケースにおいては、リスクは、時には一括して「安全イベント」と呼ばれる、車両衝突、衝突寸前、または車両における別の危険な状態という形で、具体化し得る。

車両もしくはその車両のドライバ、またはその両方の安全性（時には車両またはその車両のドライバの「安全性能」と呼ばれる）を測定するために、安全イベントのリスクにさらされたときに、車両またはそれのドライバがどのように反応するかを理解することが、有益であることがある。例えば、車両衝突率は、車両走行マイル（ＶＭＴ：ｖｅｈｉｃｌｅ－ｍｉｌｅｓ ｔｒａｖｅｌｅｄ）当たりの、報告された車両衝突の数を計算することによって、車両の安全性能を測定しようと努める。このように、車両衝突は、車両におけるリスクの具体化の尺度として機能することができ、ＶＭＴは、車両によって経験されたリスクの代用として機能することができる。

しかしながら、車両衝突率は、安全性能の不正確な尺度であり得る。多くの車両衝突は、報告されないことがあり、車両衝突だけに基づいて安全性を測定することは、車両もしくはドライバ、またはその両方の安全性能を測定するために重要であり得る、衝突寸前などの他の安全イベントを考慮しそこなうことがあり得る。さらに、車両によって経験された安全イベントのリスクは、一般に、マイルごとに変化する。例えば、通常の天候状態の下で真夜中に田舎の道路上において車両を運転することは、雪が降っているときにラッシュアワー中の混雑した都会の道路上において同じ車両を運転することよりも、著しく低いマイル当たりのリスクをもたらし得る。結果として、車両によって経験されたリスクの代用としてＶＭＴを使用することは、それだけでは、車両の安全性能の不正確または偏った測定結果を生成することがある。

本願明細書において説明される車両安全性能評価技術（時には「本技術」と呼ばれる）は、車両において生み出されたセンサ・データを獲得および処理して、車両または周辺環境にある他の車両の安全性能を評価することができる。そうするために、本技術は、車両に設置された１つもしくは複数のセンサ、車両に持ち込まれたテレマティクス・デバイス（例えば、スマートフォン）備えられた１つもしくは複数のセンサ、またはその両方から、センサ・データを受信することができる。本技術は、獲得されたセンサ・データを処理して、運転中に車両によって遭遇されたリスクの源、および車両によって経験された安全イベントを識別することができる。いくつかのケースにおいては、本技術は、識別されたリスク源、車両についての安全イベント、および他の車両についての安全イベントを使用して、各リスク源によってもたらされた安全イベントのリスクを確立することが可能である。識別されたリスク源および確立されたリスクに基づいて、本技術は、走行された距離または運転された時間など、特定の運転の期間中に車両によって経験された安全イベントのリスクに対応する、リスク・スコアを生み出すことができる。生み出されたリスク・スコアは、車両によって遭遇されたリスクの実際の源と、各源によってもたらされた安全イベントのリスクとの両方を考慮することができるので、本技術は、従来のシステムと比較したとき、運転の期間中に車両によって経験されたリスクのより正確な尺度として機能する、リスク・スコアを生み出すことができる。

本技術は、リスク・スコアを使用して、車両の安全性能を評価することができる。いくつかのケースにおいては、本技術は、運転の特定の期間にわたる車両についてのリスク・スコア当たりの、同じ期間にわたる車両によって経験された安全イベントの数を計算することによって、車両の安全性能を決定することができる。例えば、本技術は、センサ・データから、１マイル（１６０９メートル）の距離にわたって、車両が、１０個のリスク源に遭遇し、衝突寸前という形の１個の安全イベントを経験したことを決定し得る。１０個の識別されたリスク源と、各源によってもたらされた安全イベントのリスクとに基づいて、本技術は、リスク・スコアとして表され得る、そのマイルにわたる車両についての安全イベントのリスクを決定することができる。例えば、そのマイルにわたる車両についてのリスク・スコアが、（５％の安全イベントの可能性を表示する）０．０５であると決定されたと仮定すると、本技術は、安全イベントの数（１）をリスク・スコア（０．０５）によって除算して、そのマイルにわたる車両の安全性能は、２０に等しいと決定することができる。このように、安全イベントは、車両におけるリスクの具体化の尺度として機能することができ、リスク・スコアは、車両によって経験された安全イベントのリスクの尺度として機能することができる。リスク・スコアを通して、リスクに対する車両のエクスポージャ（ｅｘｐｏｓｕｒｅ）をより正確に定義することによって、本技術は、リスクの代用としてのＶＭＴだけに依存する技法と比較して、車両の安全性能をより良好に近似することができる。

いくつかのケースにおいては、本技術は、運転の複数の期間にわたる、車両または車両タイプの安全性能を評価することができる。「車両タイプ」という用語は、とりわけ、車両形式、車両モデル、自律走行車、従来車、またはセダン、ＳＵＶ、もしくはトラックなどの車両クラスなど、共通の特徴を共有する２つ以上の車両からなる任意のセットを含むものとして、広義に使用される。そうするために、本技術は、車両または車両タイプについての複数のリスク・スコアを組み合わせて、運転の複数の期間にわたって車両または車両タイプによって遭遇された安全イベントの総リスクを表す、組み合わされたリスク・スコアを決定することができる。本技術は、次に、車両または車両タイプによって経験された組み合わされたリスク・スコア当たりの、安全イベントの組み合わされた数を計算して、車両または車両タイプの安全性能を決定することができる。安全イベントと、リスク・スコアとを組み合わせることによって、安全性能の統計的に有意なメトリックが、決定され、異なる車両または車両タイプ間において比較され得る。例えば、従来車によるすべての走行に対して適用されたとき、本技術は、すべての従来車と、その従来車の人間のドライバの安全性能を評価することができる。自律走行車によるすべての走行に対して適用されたとき、本技術は、すべての自律走行車と、その自律走行車の自律（例えば、コンピュータで実施される）ドライバの安全性能を評価することができる。このように、本技術は、従来車、自律走行車、およびそれらの人間のドライバまたはコンピュータで実施されるドライバの相対的な安全性能を査定することができる。

いくつかのケースにおいては、ここで説明される安全性能メトリックを、リスクの代用としてＶＭＴを使用するものなど、従来のメトリックと比較することが、有益であることがある。したがって、本技術は、リスク・スコアを、一定のレベルまたはリスクの下でドライブされたマイルなど、運転の特定の期間についての、安全イベントの標準または平均リスクに正規化することができる。本技術は、正規化されたリスク・スコアを適用して、例えば、車両または車両タイプによって遭遇された実際のリスクに基づいて、車両または車両タイプによって走行された正規化された距離を生成することができる。このようにして、午前２時に砂漠において１マイルをドライブするなどの低リスク走行は、低減された走行されたリスク正規化距離（例えば、０．１標準マイル）という結果になり得るが、一方、ラッシュアワー中のニューヨーク州マンハッタンにおいて１マイルをドライブするなどの高リスク・マイル走行は、増加された走行されたリスク正規化距離（例えば、３．５標準マイル）という結果になり得る。本技術は、次に、走行されたリスク正規化距離当たりの、車両または車両タイプによって経験された安全イベントの数を計算して、車両または車両タイプの安全性能を決定することができる。これは、車両衝突が分子として取られ、ＶＭＴが分母として取られる、従来のメトリックに類似している。

走行された距離を正規化するために、環境において走行された距離は、「典型的な」リスク正規化距離と比較され得る。いくつかの実施においては、典型的な走行されたリスク正規化距離は、「年平均」マイルを指す。このような場合においては、リスクは、与えられた時間フレームの間における与えられた場所についての典型的なリスクを決定するために、（異なる属性、類似の属性、またはその両方を有することができる）いくつかのドライブ環境にわたって集約される。例えば、１つの「年平均」マイルは、２０１９年に米国全土においてランダム（または疑似ランダム）に選択された１標準マイル区間１００個に対応する、集約されたリスクを反映していると仮定する。午前２時の砂漠における１標準マイル区間は、１「年平均」マイルと比較され得、午前２時の砂漠において１標準マイルをドライブするリスクが、１平均標準マイルをドライブするよりも低リスクであり得ることを反映して、０．１標準マイルのリスク正規化距離に低減され得る。

いくつかの実施においては、典型的な走行されたリスク正規化距離は、「ケンブリッジ」マイル（“Ｃａｍｂｒｉｄｇｅ” ｍｉｌｅ）を指す。そのような場合においては、規範的な道路区間および時点が、任意に決定され、決定された区間および時点が、「ケンブリッジ」マイルとして定義される。例えば、１「ケンブリッジ」マイルは、２０１９年４月１３日の午後１時から午後２時における、マサチューセッツ州ケンブリッジのポータ・スクエア地区のマサチューセッツ通りの、選択された１標準マイル区間をドライブするリスクを反映していると仮定する。ニューヨーク州マンハッタンの午後５時から午後６時の間における１標準マイル区間は、１「ケンブリッジ」マイルと比較され得、マンハッタンにおいて午後５時から午後６時の間に１標準マイルをドライブするリスクは、１「ケンブリッジ」マイルをドライブするよりも高リスクであり得ることを反映して、３．５標準マイルのリスク正規化距離に増加され得る。

いくつかの実施においては、本技術は、車両において生成されたセンサ・データを使用して、周辺環境にある他の車両の安全性能を評価することができる。例えば、本技術は、車両において生成されたセンサ・データを処理して、車両、および周辺環境にある他の車両の各々についての、リスク源、安全イベント、およびリスク・スコアを識別することができる。本技術は、次に、安全イベントおよびリスク・スコアを使用して、車両、および周辺環境にある他の車両の各々の、安全性能を評価することができる。車両および周辺環境にある他の車両の両方の安全性能を評価することによって、本技術は、収集されたデータの量を増加させることができ、車両と他の周辺車両の安全性能の間の比較を行うことができる。運転中に車両および周辺車両によって経験されたリスク源（天候、道路状態、および交通量など）は、類似し得るので、そのような比較は、重要であることがある。

図１は、車両安全性能評価技術１００を例示した概略図である。一般に、技術１００は、本願明細書において説明される活動および機能を遂行するために協働する、様々なコンポーネントおよびデバイスを含むことができる。コンポーネントおよびデバイスの各々は、１つまたは複数のハードウェア・コンポーネント、ソフトウェア・アプリケーション、ならびに本技術の一部であるデバイスのハードウェア・コンポーネントおよびソフトウェア・アプリケーション間においてデータを伝達するためのデータ通信チャネルを含むことができる。コンポーネントおよびデバイスのいくつかは、技術１００内の１つまたは複数のプロセッサによる実行のためのコンピュータ可読命令を含む、コンピュータ可読記憶媒体として実施され得る。図１に示された技術１００は、先に論じられたもの、および後に論じられるものを含む、追加の、より少数の、または代替のコンポーネントを含むことができる。

図１を参照すると、技術１００は、１つまたは複数の車両１０２の安全性能を、車両１０２が環境１０４内において運転されるときに、監視および評価することが可能である。車両１０２の各々は、ドライバ１０６によって（例えば、従来車）、車載コンピュータ１０８によって（例えば、自律走行車）、またはドライバ１０６と車載コンピュータ１０８の組み合わせによって（例えば、半自律走行車）、運転されることが可能である。しかしながら、ここで説明される技法は、これらの車両に限定されず、「車両」という用語は、例えば、とりわけ、自動車、トラック、バス、自転車、オートバイ、またはレクリエーション車両などの、任意の種類の地上の乗り物を含むものとして、広義に使用される。環境１０４は、道路、インフラ、歩行者、または他の車両などの周辺物、および車両１０２が運転される時間帯、天候、または照明のレベルなどの状態を含み得る。

各車両１０２が、環境１０４内において運転されるとき、車両は、車両、車両のユーザ、または周辺の公衆をリスクにさらす、１つまたは複数のリスク源１１０に遭遇することがある。

例えば、いくつかのケースにおいては、車両１０２は、環境１０４に起因する１つまたは複数のリスク源１１０（時には「環境リスク源」と呼ばれる）に遭遇することがある。環境に起因する１つまたは複数のリスク源１１０は、とりわけ、天候、時間帯、照明のレベル、照明の角度、道路タイプ、道路状態、車両が運転されている道路の領域（例えば、交差点、合流車線、および路肩など）、車両交通のレベル、歩行者交通のレベル、環境における車両の速度、地理、道路標識の存在（もしくは非存在）、工事の存在（もしくは非存在）、他の車両もしくは物体に対する車両の近接、他の車両の速度、または他の車両の加速度、他の車両の挙動など、環境の１つまたは複数の特徴または状態を含むことができる。

いくつかのケースにおいては、車両１０２は、車両のドライバ１０６に起因する１つまたは複数のリスク源１１０（時には「ドライバ固有のリスク源」と呼ばれる）にさらされることがある。例えば、ドライバ１０６に起因する１つまたは複数のリスク源１１０は、以下のうちの、すなわち、不注意ドライブ（例えば、電話で話しながらの運転）、無能力状態中のドライブ、速度違反、急加速、急ブレーキ、急コーナリング、ドリフト、または蛇行のうちの１つまたは複数を含むことができる。

いくつかのケースにおいては、車両１０２は、損傷されている、または故障していることがあり、したがって、その車両自体または環境１０４にある他の車両に対するリスクの源（時には「車両固有のリスク源」と呼ばれる）であることがある。

時には、車両１０２によって遭遇されたリスク源１１０の１つまたは複数によってもたらされたリスクは、車両のユーザ、環境１０４内の他の人、またはその両方の安全性を危うくし得る、安全イベント１１１（車両衝突、衝突寸前、または車両における別の危険な状態など）の形で、具体化されることがある。

リスク源１１０、および車両１０２または環境１０４内の他の車両によって経験された安全イベント１１１を監視するために、車両１０２は、１つまたは複数のセンサ１１２を含むことができる。いくつかの実施においては、１つまたは複数のセンサ１１２は、以下のうちの、すなわち、１つもしくは複数の加速度計、１つもしくは複数の速度センサ、または１つもしくは複数の位置センサ（全地球測位システム（ＧＰＳ）などの）のうちの１つまたは複数を含む。そのような場合においては、１つまたは複数のセンサ１１２は、以下のうちの、すなわち、車両１０２の加速度、速度、または位置のうちの１つまたは複数を監視することができる。いくつかの実施においては、１つまたは複数のセンサ１１２は、以下のうちの、すなわち、１つもしくは複数の音声センサ（マイクロフォンなどの）、または１つもしくは複数の画像センサ（車内カメラなどの）のうちの１つまたは複数を含む。そのような場合においては、１つまたは複数のセンサ１１２は、例えば、車両のドライバ１０６を監視することができる。いくつかの実施においては、１つまたは複数のセンサ１１２は、以下のうちの、すなわち、１つもしくは複数のレーダ・システム、１つもしくは複数のＬＩＤＡＲシステム、または１つもしくは複数のソナー・システムのうちの１つまたは複数を含む。そのような場合においては、１つまたは複数のセンサ１１２は、例えば、車両１０２、または周辺環境１０４にある他の特徴を監視することができる。

一般に、車両１０２は、車両１０２、それのドライバ１０６、および周辺環境１０４を監視するのに適した、とりわけ、以下のうちの、すなわち、加速度計、磁力計、ジャイロスコープ、慣性測定ユニット（ＩＭＵ）、速度センサ、位置センサ（ＧＰＳなどの）、気圧センサ、重量センサ、エンジン・センサ、オルタネータ・センサ、走行距離センサ、振動センサ、電圧センサ、酸素センサ、生体センサ、光センサ、画像センサ、音声センサ、超音波センサ、電子コントロール・ユニット（ＥＣＵ）デバイス、レーダ・システム、ＬＩＤＡＲシステム、またはソナー・システムのうちの１つまたは複数を含む、任意の数またはタイプのセンサ１１２を含むことができる。

センサ１１２は、車両１０２内（または上）に設置され、車両に持ち込まれた１つもしくは複数のテレマティクス・デバイス１１４に備えられ、またはその両方であり得る。１つまたは複数のテレマティクス・デバイス１１４の各々は、センサ・データおよび他の情報を処理し、記憶するための、１つまたは複数のプロセッサ１１６、およびメモリ１１８と、センサ１１２、車載コンピュータ１０８、およびサーバ１３０など、本技術の他のコンポーネントまたはデバイスとの有線または無線通信を可能にするための、通信インターフェース１２０とを含み得る。テレマティクス・デバイス１１４は、車両１０２の製造中に設置された相手先商標による製造会社（ＯＥＭ）のテレマティクス・デバイス、または例えば、車両１０２の車載診断（ＯＢＤ）ポートを通して接続される、もしくは車両１０２に対する無線通信接続を通して接続される、アフターマーケット・テレマティクス・デバイスを含むことができる。１つまたは複数のテレマティクス・デバイス１１４の各々は、バッテリ給電されること、太陽電池給電されること、車両１０２の電気システムに対して接続されること、またはそれらの組み合わせであることができる。いくつかのケースにおいては、テレマティクス・デバイス１１４は、車両１０２内または車両１０２上に取り付けられることが可能である。

いくつかのケースにおいては、テレマティクス・デバイス１１４は、車両内または車両外において移動可能であるように、車両１０２から解放されることが可能である。いくつかのケースにおいては、テレマティクス・デバイス１１４は、本願明細書に援用する、２０１４年１０月３１日に出願された、「車両テレマティクス・データを獲得するためのシステムおよび方法（Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ｏｂｔａｉｎｉｎｇ Ｖｅｈｉｃｌｅ Ｔｅｌｅｍａｔｉｃｓ Ｄａｔａ）」と題する、米国特許出願第１４／５２９，８１２号、および２０１９年５月９日に出願された、「車両ユーザのための安全性（Ｓａｆｅｔｙ ｆｏｒ Ｖｅｈｉｃｌｅ Ｕｓｅｒｓ）」と題する、米国特許出願第１６／４０７，５０２号において説明される種類のタグなど、車両１０２に配置または貼付されたタグ・デバイスを含む。いくつかのケースにおいては、テレマティクス・デバイス１１４は、スマートフォン、ウェアラブル・デバイス、タブレット・コンピュータ、ラップトップ・コンピュータ、または別のポータブル・コンピューティング・デバイスなどの、モバイル・デバイスを含み、必ずしも、特定の車両１０２専用のテレマティクス・デバイスでなくてよい。いくつかのケースにおいては、テレマティクス・デバイス１１４は、１つまたは複数のタグ・デバイスと１つまたは複数のモバイル・デバイスとの組み合わせを含む。いくつかのケースにおいては、車載コンピュータ１０８は、テレマティクス・デバイス１１４の機能の一部または全部を実行することが可能である。

いくつかの実施においては、車載コンピュータ１０８は、車両１０２を運転するために、またはドライバ１０６が車両を運転するのを支援するために、センサ・データを受信し、処理することが可能である。いくつかの実施においては、車載コンピュータ１０８は、センサ１１２、テレマティクス・デバイス１１４、またはその両方から、センサ・データを受信することが可能であり、センサ・データをメモリ１２２に記憶することができる。例えば、いくつかのケースにおいては、車載コンピュータ１０８は、センサ・データを受信するために、有線または無線通信インターフェース１２４を使用して、センサ１１２の一部または全部とインターフェースする。いくつかのケースにおいては、テレマティクス・デバイス１１４は、センサ・データを受信するために、有線または無線通信インターフェース１２０を使用して、センサ１１２の一部または全部とインターフェースすることが可能であり、車載コンピュータ１０８とテレマティクス・デバイス１１４は、センサ・データおよび他の情報を交換するために、互いの間に通信チャネル１２８を確立することができる。通信チャネル１２８は、とりわけ、Ｂｌｕｅｔｏｏｔｈ（商標）、Ｗｉ－Ｆｉ（商標）、セルラ、無線周波数識別（ＲＦＩＤ）、近距離無線通信（ＮＦＣ）、またはそれらの組み合わせなどの、有線または無線通信チャネルであることができる。いくつかのケースにおいては、車載コンピュータ１０８、もしくはテレマティクス・デバイス１１４、またはその両方は、インフラストラクチャ、または別の車両１０２における車載コンピュータ１０８もしくはテレマティクス・デバイス１１４など、周辺環境１０４にある１つまたは複数のコンポーネントまたはデバイスから、センサ・データまたは他の情報を受信することが可能である。

いくつかの実施においては、ひとたび受信されると、車載コンピュータ１０８の１つまたは複数のプロセッサ１２６は、例えば、車両１０２のステアリング、スロットル、またはブレーキをコントロールするために、メモリ１２２に記憶されたソフトウェア命令またはアプリケーションに従って、センサ・データを処理することが可能である。そのようなコントロールを容易にするために、車載コンピュータ１０８は、様々な電気的または電気機械的コンポーネントによって、車両１０２のコントロールまたはコンポーネントと通信可能に結合され得る。完全自律走行車に関わるもののような、いくつかのケースにおいては、車両１０２は、車載コンピュータ１０８だけによって運転可能である。いくつかのケースにおいては、車載コンピュータ１０８は、ステアリング・ホイール、スロットル・ペダル、またはブレーキ・ペダルなど、車両１０２のドライバ１０６によって操作されるコントロールまたはコンポーネントを補助する。

様々な実施においては、技術１００は、車両１０２または環境１０４内の他の車両の安全性能を評価するために、センサ・データを処理することが可能である。いくつかのケースにおいては、車載コンピュータ１０８、テレマティクス・デバイス１１４、またはその両方は、本願明細書において説明される技術に従って、安全性能評価を実施するために、センサ・データを処理することが可能である。いくつかのケースにおいては、車載コンピュータ１０８、テレマティクス・デバイス１１４、またはその両方は、処理のために、センサ・データをサーバ１３０に対して送信することが可能である。例えば、車載コンピュータ１０８、テレマティクス・デバイス１１４、またはその両方は、センサ・データおよび他の情報をサーバ１３０と交換するために、ネットワーク１３４を用いて、通信チャネル１３２を確立することができる。ネットワーク１３４は、インターネット、セルラ・ネットワーク、Ｗｉ－Ｆｉネットワーク、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワーク、衛星ネットワーク、もしくは他の任意の適切なデータ送信ネットワーク、またはそれらの組み合わせであることができる。ひとたび受信されると、サーバ１３０は、センサ・データおよび他の情報を、データベース１３６に記憶することが可能である。データベース１３６は、ハード・ディスク・ドライブ、ソリッド・ステート・ドライブ、光記憶ドライブ、またはそれらの組み合わせを含むが、それらに限定されない、１つまたは複数の非一時的コンピュータ可読記憶媒体を使用して、実施され得る。

いくつかの実施においては、車載コンピュータ１０８、テレマティクス・デバイス１１４、またはその両方は、条件付きデータ・アップロード・プロトコルに従って、センサ・データをサーバ１３０に対して送信する。例えば、車載コンピュータ１０８、テレマティクス・デバイス１１４、またはその両方は、データの他の部分を、例えば、メモリ１１８、１２２に維持しながら、センサ・データの一部だけをサーバ１３０に対して送信し得る。センサ・データの送信された部分は、車両１１４の安全性能を評価する際に、有益である可能性が最も高いと考えられる、データであることができる。後で、サーバ１３０が、データの記憶されている部分が、関心のあるものであり得ると決定した場合、車載コンピュータ１０８、テレマティクス・デバイス１１４、またはその両方は、記憶されているセンサ・データの少なくとも一部を、サーバ１３０に対して送信することができる。テレマティクス・デバイス１１４と車載コンピュータ１０８は、互いの間でデータを送信するとき、同様の条件付きデータ・アップロード・プロトコルに従うことができる。条件付きデータ・アップロード・プロトコルに従って、データを送信することは、帯域幅の制約、および計算能力の制約に関連する懸念を軽減することができる。

いくつかの実施においては、センサ・データは、階層化データ処理プロトコルに従って、処理される。例えば、センサ・データは、テレマティクス・デバイス１１４によって、第１の階層のデータ処理アルゴリズムに従って、処理され得、一方、サーバ１３０は、第２の階層のデータ処理アルゴリズムに従って、データを処理する。そのような場合においては、第１の階層のデータ処理アルゴリズムは、第２の階層のデータ処理アルゴリズムと比較されたとき、単純であまり計算集約的でないアルゴリズム（あまり正確でないことがある）を含む。いくつかの実施においては、階層化データ処理プロトコルは、データ処理アルゴリズムの３つの階層を含むことができ、１つのテレマティクス・デバイス１１４は、第１の階層のアルゴリズムを使用して、データを処理し、第２のテレマティクス・デバイス１１４は、第２の階層のアルゴリズムを使用して、データを処理し、サーバ１３０は、第３の階層のアルゴリズムを使用して、データを処理する。各階層は、前の階層と比較されたとき、より計算集約的で正確なアルゴリズムを含むことができる。階層化データ処理プロトコルに従って、データを処理することは、計算能力の制約、帯域幅の制約、および計算速度の制約に関連する懸念を軽減することができる。

図２は、車両安全性能を評価するための例示的なサーバ１３０を描いたブロック図である。示されたサーバ１３０は、データ・バス２０６によって相互接続される、１つまたは複数のプロセッサ２００、メモリ２０２、および通信インターフェース２０４などの、ハードウェアおよびソフトウェア・コンポーネントを含む。メモリ２０２は、任意の非一時的コンピュータ可読記憶媒体であることができ、プロセッサ２００によって実行可能なコンピュータ可読命令を記憶することができる。特に、メモリ２０２は、サーバ１３０、または他のコンポーネントおよびデバイスが、本明細書において説明される技法を実施することを可能にする、リスク識別モジュール２０８、安全イベント識別モジュール２１０、リスク相関モジュール２１２、リスク・スコアリング・モジュール２１４、安全性能評価モジュール２１６、および他のモジュールと関連付けられた、実行可能命令を記憶することができる。「モジュール」という用語は、例えば、１つまたは複数の活動、機能、または設備を遂行するために、１つまたは複数のプロセッサによって実行され得る、任意のコード、プログラム、ファームウェア、ソフトウェア・オブジェクト、または他のソフトウェア・デバイスもしくは構成を含むものとして、広義に使用される。

リスク識別モジュール２０８は、車両１０２において生成されたセンサ・データを処理して、車両または周辺環境１０４にある他の車両によって遭遇されたリスク源１１０を識別することが可能である。一般に、リスク識別モジュール２０８は、環境リスク源、ドライバ固有のリスク源、および車両固有のリスク源を識別するように構成され得るが、いくつかの実施においては、追加の、より少数の、または代替のリスク源が、識別され得る。例えば、リスク識別モジュール２０８は、とりわけ、天候、時間帯、照明のレベル、照明の角度、道路タイプ、道路状態、車両が動作している道路の領域（例えば、交差点、合流車線、および路肩など）、車両交通のレベル、歩行者交通のレベル、環境における車両の速度、地理、道路標識の存在（もしくは非存在）、工事の存在（もしくは非存在）、他の車両もしくは物体に対する車両の近接、または他の車両の速度、加速度、もしくは挙動、またはそれらの組み合わせなど、環境１０４の特徴または状態に起因する、１つまたは複数のリスク源１１０を識別することができる。いくつかのケースにおいては、リスク識別モジュール２０８は、とりわけ、不注意ドライブ、無能力状態中のドライブ、速度違反、急加速、急ブレーキ、急コーナリング、ドリフト、もしくは蛇行、またはそれらの組み合わせなど、車両のドライバ１０６による行動（または無行動）に起因する、１つまたは複数のリスク源１１０を識別することが可能である。いくつかのケースにおいては、リスク識別モジュール２０８は、車両１０２に対する損傷、または車両１０２の故障に起因する、１つまたは複数のリスク源を識別することが可能である。

車両１０２における１つまたは複数のリスク源１１０を識別するために、リスク識別モジュール２０８は、車両において生成されたセンサ・データを処理して、例えば、とりわけ、車両におけるリスク源の存在、もしくは車両におけるリスク源のエクスポージャ・レベル、またはその両方を検出することが可能である。１つまたは複数のリスク源１１０は、車両１０２において存在することも、または存在しないこともあり、リスク識別モジュール２０８は、センサ・データを処理して、リスク源、したがって、リスクが、存在するか（または存在しないか）を決定することができる。例えば、リスク識別モジュール２０８は、道路に面したカメラなど、車両１０２における画像センサからの画像データを処理して、車両１０２における道路工事の存在（または非存在）を検出することができる。いくつかのケースにおいては、１つまたは複数のリスク源１１０は、連続的に（ａｌｏｎｇ ａ ｃｏｎｔｉｎｕｕｍ）存在するリスクをもたらすことがあり、リスク識別モジュール２０８は、センサ・データを処理して、車両１０２におけるリスク源のエクスポージャ・レベルを決定することが可能である。例えば、車両１０２における照明のレベルは、連続的に存在し得、照明のより低いレベルは、一般に、低減された可視性に起因する、安全イベントのより高いリスクに対応する。したがって、リスク識別モジュール２０８は、センサ・データを処理して、リスク源１１０のエクスポージャ・レベル（例えば、照明のレベル）を識別することができる。いくつかのケースにおいては、１つまたは複数のリスク源１１０は、存在成分と、エクスポージャ・レベル成分との両方を含み得る。例えば、車両１０２における天候は、降雨の存在などの存在成分と、降雨量などのエクスポージャ・レベル成分とを有することができる。したがって、リスク識別モジュール２０８は、センサ・データを処理して、リスクの存在と、リスク源のエクスポージャ・レベルとの両方を識別することができる。

いくつかのケースにおいては、リスク識別モジュール２０８は、センサ・データと組み合わせた他の情報を処理して、１つまたは複数のリスク源１１０を識別することが可能である。そのような場合においては、リスク識別モジュール２０８は、車両１０２において生成されたセンサ・データが、リスクの源を表示するかどうかを決定する際に使用するための、しきい値情報などの情報を、技術１００の１つまたは複数のコンポーネントまたはデバイスから受信することができる。例えば、車両１０２の速度が、リスクの源を提示するかどうかを決定するために、車両１０２における１つまたは複数のセンサ１１２によって生成された速度データを、車両が走行している道路についての速度制限と比較することが有益であることがある。したがって、リスク識別モジュール２０８は、例えば、とりわけ、データベース１３６から、またはコンピューティング・デバイス１３８上において提供されるアプリケーション・プログラミング・インターフェース（ＡＰＩ）もしくは他のサービスへの要求を通して、（例えば、車両におけるセンサから受信される位置データに基づいた）適用可能な速度制限データを受信することができる。ひとたび受信されると、リスク識別モジュール２０８は、速度制限データを、車両において生成された速度データと比較して、車両１０２の速度が、リスクの源であるかどうかを決定することができる。いくつかのケースにおいては、リスク識別モジュール２０８は、技術１００の１つまたは複数のコンポーネントまたはデバイスから情報を受信して、車両１０２におけるリスク源１１０の存在またはエクスポージャ・レベルを決定することが可能である。例えば、リスク識別モジュール２０８は、車両１０２における１つまたは複数のセンサによって生成された位置データを使用して、例えば、コンピューティング・デバイス１３８上において提供される天候サービスに天候情報を要求し、天候リスクの存在もしくはレベル、またはその両方を識別することができる。

いくつかの実施においては、リスク識別モジュール２０８は、車両１０２から受信されたセンサ・データを処理して、環境１０４にある１つまたは複数の他の車両によって遭遇されたリスク源１１０を識別することが可能である。例えば、リスク識別モジュール２０８は、車両１０２について識別された１つまたは複数のリスク源１１０を、周辺環境１０４にある他の車両と関連付け得る。例えば、車両１０２における低い照明に起因する、あるレベルのリスクが存在すると決定された場合、リスク識別モジュール２０８は、同じ環境１０４にある他の車両に対して、車両１０２と同じリスクを帰属させ得る。いくつかのケースにおいては、リスク識別モジュール２０８は、車両１０２において生成されたセンサ・データを使用して、環境１０４にある他の車両によって経験された１つまたは複数のリスク源１１０を決定することが可能である。例えば、リスク識別モジュール２０８は、とりわけ、レーダ・データ、ＬＩＤＡＲデータ、ソナー・データ、または画像データなど、車両１０２において生成されたセンサ・データを処理して、環境１０４にある別の車両の、とりわけ、距離、位置、速度、もしくは加速度、またはそれらの組み合わせを決定することができる。リスク識別モジュール２０８は、次に、このデータを使用して、車両１０２、もしくは環境１０４にある他の車両、またはその両方についての１つまたは複数のリスク源１１０を識別し得る。これらの識別されたリスク源、およびそれらがもたらすリスクは、以下で論じられるように、車両１０２についてのリスク・スコアに組み込まれること、もしくは他の車両についてのリスク・スコアを決定するために使用されること、またはその両方が可能である。このようにして、技術１００は、環境にある別の車両について、その車両が、センサ１１２を含まない、または本技術の参加者でない場合であっても、リスク源を識別し、リスク・スコアを決定し、安全性能を評価することができる。さらに、同じ時間期間にわたって、車両１０２および周辺環境１０４にある他の車両の両方についてのデータを収集することによって、技術１００は、車両と他の車両についてのリスク・スコア、もしくは安全性能、またはその両方を比較することができる。そうする際に、技術１００は、車両１０２と環境１０４にある他の車両の相対的な安全性能を評価して、車両１０２および環境１０４にある他の車両の両方の全体的な安全性能について、統計的に意味のある観測を行うことができる。

安全イベント識別モジュール２１０は、車両１０２において生成されたセンサ・データを処理して、車両または周辺環境１０４にある他の車両が、車両衝突、衝突寸前、または別の危険な状態などの、安全イベントを経験したかどうかを決定することが可能である。例えば、安全イベント識別モジュール２１０は、とりわけ、画像データ、音声データ、速度データ、もしくは加速度データ、またはそれらの組み合わせなど、車両１０２において生成されたセンサ・データを処理して、車両または他の車両による衝突の特徴である、１つまたは複数の衝撃を識別し得る。いくつかのケースにおいては、安全イベント識別モジュール２１０は、センサ・データを処理して、車両もしくは車両のドライバ１０６による回避行動がなければ、衝突という結果になった状況など、車両１０２もしくは他の車両の衝突寸前、または車両が道路外をドライブするなど、車両もしくは他の車両における別の危険な状態を識別することが可能である。いくつかのケースにおいては、安全イベント識別モジュール２１０は、とりわけ、レーダ・データ、ＬＩＤＡＲデータ、ソナー・データ、または画像データなど、車両１０２において生成されたセンサ・データを処理して、環境１０４にある他の車両によって経験された安全イベントを識別することが可能である。いくつかのケースにおいては、安全イベント識別モジュール２１０は、１つまたは複数のコンピューティング・デバイス１３８上において提供される、衝突記録または衝突報告サービスなどの、技術１００の１つまたは複数の他のコンポーネントまたはデバイスから、安全イベントに関する情報を受信することが可能である。車両における車両衝突、衝突寸前、または別の危険な状態を識別するための技法は、本願明細書に援用する、２０１８年７月１６日に出願された、「車両衝突の車両テレマティクス（Ｖｅｈｉｃｌｅ Ｔｅｌｅｍａｔｉｃｓ ｏｆ Ｖｅｈｉｃｌｅ Ｃｒａｓｈｅｓ）」と題する、米国特許出願第１６／０３５，８６１号において説明されている。

識別後、車両１０２または周辺環境１０４にある他の車両によって経験された、リスク源１１０および安全イベントは、リスク相関モジュール２１２、リスク・スコアリング・モジュール２１４、および安全性能評価モジュール２１６など、１つまたは複数の他のモジュールに対して報告されることができる。例えば、リスク識別モジュール２０８は、各リスク源１１０の存在もしくはエクスポージャ・レベル、またはその両方を、１つまたは複数の他のモジュールに対して報告することができ、安全イベント識別モジュール２１０は、各安全イベントの発生もしくはタイプ、またはその両方を、１つまたは複数の他のモジュールに対して報告することができる。いくつかのケースにおいては、リスク識別モジュール２０８、もしくは安全イベント識別モジュール２１０、またはその両方は、識別を直接的に報告することに加えて、またはそうする代わりに、識別されたリスク源１１０または安全イベントの、センサ・データにおけるタイムスタンプまたは別のマーカを、他のモジュールに対して提供することが可能である。

車両１０２によって経験された安全イベントのリスクを正確に決定するために、各リスク源１１０またはリスク源のセットによってもたらされた、安全イベントのリスクを理解することは、有益であることができる。したがって、リスク相関モジュール２１２は、車両１０２において生成されたセンサ・データ、リスク識別モジュール２０８から受信された識別されたリスク源１１０、および安全イベント識別モジュール２１０から受信された識別された安全イベントを処理して、各リスク源１１０またはリスク源のセットと、安全イベントの発生との間の相関を確立し得る。この相関は、各リスク源１１０もしくはリスク源のセットによってもたらされた安全イベントのリスクを決定するために使用され、または各リスク源もしくはリスク源のセットによってもたらされたリスクを決定するために、存在およびエクスポージャ・レベル情報などの他の情報と組み合わされ得る。リスク相関モジュール２１２は、多くのマイルにわたって、１つまたは複数の車両１０２または車両のタイプから受信された、センサ・データ、識別されたリスク、および識別された安全イベントを集約して、サンプル・サイズを増加させ、より高い精度で相関を確立することができる。さらに、リスク相関モジュール２１２は、新しいセンサ・データが、１つまたは複数の車両１０２から受信されるにつれて、継続的に相関を更新することができる。

リスク相関モジュール２１２は、１つまたは複数のアルゴリズムを使用して、各リスク源またはリスク源のセットと、安全イベントとの間の相関を確立することが可能である。例えば、リスク相関モジュール２１２は、相関を確立するために、安全イベントの発生中に、リスク源またはリスク源のセットが、どれほどの頻度で存在するかを決定することができる。いくつかのケースにおいては、リスク相関モジュール２１２は、相関を確立するために、どのリスク源またはリスク源のセットが、安全イベントの実際の原因または近因であるかを決定することが可能である。いくつかのケースにおいては、リスク相関モジュール２１２は、相関を確立するために、安全イベントの発生中の、リスク源またはリスク源のセットのエクスポージャ・レベルを考慮することが可能である。いくつかのケースにおいては、リスク相関モジュール２１２は、相関を確立するために、機械学習技法を使用することが可能である。いくつかのケースにおいては、リスク相関モジュール２１２は、あるリスクの累積効果を考慮するために、特定のリスク源が単独で出現するときとは異なる、それが１つまたは複数の他のリスク源とともに出現するときの、それについての相関を決定することが可能である。様々な状況下において相関の強度を増加させるために、リスク相関モジュール２１２は、例えば、とりわけ、車両タイプ、特定の安全イベント、または特定の環境１０４に固有の、複数の相関行列を確立し得る。

ひとたび相関が確立されると、リスク・スコアリング・モジュール２１４は、相関およびセンサ・データを使用して、車両１０２または環境１０４にある他の車両についてのリスク・スコアを導出することが可能である。各車両についてのリスク・スコアは、車両によって遭遇された実際のリスク源と、各リスクによってもたらされた安全イベントのリスクとに基づいて、特定の走行された距離または運転された時間など、運転の特定の期間中に、車両によって経験された安全イベントのリスクを表すことができる。このようにして、リスク・スコアは、運転の期間中に車両によって経験された安全イベントのリスクの正確な尺度として機能することができる。

車両１０２または環境１０４にある他の車両についてのリスク・スコアを決定するために、リスク・スコアリング・モジュール２１４は、例えば、リスク識別モジュール２０８から、運転の特定の期間中に車両によって遭遇されたリスク源１１０の表示を受信することが可能である。運転の期間は、とりわけ、１マイルもしくは他の任意の距離など、特定の走行された距離、または５分もしくは他の任意の時間など、特定の運転された時間を含むことができる。リスク・スコアリング・モジュール２１４は、リスク相関モジュール２１２から受信された相関情報を使用して、各リスク源によってもたらされたリスクを決定することができる。いくつかのケースにおいては、リスク・スコアリング・モジュール２１４は、とりわけ、リスク源のエクスポージャ・レベル、またはリスク源もしくは他のリスク源の存在（もしくは非存在）、またはその両方に基づいて、識別されたリスク源１１０の一部または全部に対して加重を適用することが可能である。リスク・スコアリング・モジュール２１４は、例えば、各リスク源によってもたらされたリスクまたは加重されたリスクの和を計算することによって、運転の特定の期間についてのリスク・スコアを決定することができる。いくつかのケースにおいては、リスク・スコアリング・モジュール２１４は、リスク・スコアを正規化して、運転の特定の期間についての標準リスクにすることが可能である。例えば、先に表示されたように、リスク・スコアリング・モジュール２１４は、標準リスク状態下における１マイルなど、走行された単位距離にわたって車両によって経験されたリスクの平均または中央値レベルを決定することができ、高リスクの走行が、通常以上のリスク・スコアを受信し、低リスクの走行が、通常以下のリスク・スコアを受信するように、各リスク・スコアを正規化することができる。

いくつかのケースにおいては、リスク・スコアリング・モジュール２１４（またはリスク・スコアリング・モジュール２１２などの別のモジュール）は、リスク・スコアを決定するとき、あるリスク源またはリスク源のタイプを取り除き、割り引き、または無視することが可能である。例えば、自律走行車と従来車の安全性能を比較するとき、車両１０２または車両のドライバ１０６が、環境リスク源にどのように反応するかに基づいて、各車両の安全性能が、評価されるように、ドライバ固有のリスク源、もしくは車両固有のリスク源、またはその両方を取り除くことが、有益なことがある。このようにして、技術１００は、ドライバ固有の挙動または車両固有の問題によって作り出されたリスクに起因する偏りなしに、例えば、自律走行車と従来車の安全性能を比較することができる。

安全性能評価モジュール２１６（時には「安全性能モジュール」と呼ばれる）は、リスク・スコアおよび識別された安全イベントを使用して、車両または車両タイプの安全性能を評価することが可能である。例えば、安全性能モジュール２１６は、リスク・スコアリング・モジュール２１４から、１マイルなど、運転の特定の期間についての、リスク・スコアを受信することができる。安全性能モジュール２１６は、安全イベント識別モジュール２１０から受信された情報を使用して、リスク・スコアが計算されたのと同じ期間にわたって、車両によって経験された安全イベントの数を決定することができる。安全性能モジュール２１６は、次に、車両についてのリスク・スコア当たりの、車両によって経験された安全イベントの数を計算して、運転の特定の期間についての車両の安全性能（例えば、リスク・スコアによって除算された安全イベントの数）を決定することができる。車両の安全性能は、比率、パーセンテージ、スコア、ランキング、または他の任意のメトリックとして表されてよく、以下で論じられるように、車載コンピュータ１０８、１つもしくは複数のテレマティクス・デバイス１１４、データベース１３６、または演算デバイス１３８、あるいはそれらの組み合わせなど、技術１００の１つまたは複数のコンポーネントまたはデバイスに対して伝達され得る。

いくつかのケースにおいては、安全性能評価モジュール２１６は、複数のリスク・スコアおよび安全イベントを組み合わせて、運転の複数の期間にわたる車両または車両タイプの安全性能を評価することが可能である。いくつかのケースにおいては、安全性能モジュール２１６は、例えば、車両による旅程（ｔｒｉｐ）の各マイルからのリスク・スコアを組み合わせて、旅程全体のリスク・スコアを決定することが可能である。「旅程」という用語は、例えば、出発地から目的地までの走行の任意のインスタンスを含むものとして、広義に使用される。いくつかのケースにおいては、安全性能モジュール２１６は、車両または車両タイプによって走行された各マイルについてのリスク・スコアを組み合わせて、車両または車両タイプによって走行された累積距離についてのリスク・スコアを決定し得る。安全性能モジュール２１６は、組み合わされたリスク・スコアが計算されたのと同じ運転期間にわたって、車両または車両タイプによって経験された安全イベントの組み合わされた数を決定することが可能である。安全性能モジュール２１６は、次に、車両または車両タイプについての組み合わされたリスク・スコア当たりの、車両または車両タイプによって経験された安全イベントの組み合わされた数を計算して、車両または車両タイプについての安全性能を決定することができる。複数の運転の期間にわたる車両または車両タイプの安全性能を決定することによって、安全性能モジュール２１６は、車両または車両のタイプ間で比較され得る、より正確で統計的に有意な性能メトリックを達成することができる。

いくつかのケースにおいては、安全性能評価モジュール２１６は、リスク・スコアを適用して、車両または車両タイプによって走行されたリスク正規化距離を決定することが可能である。例えば、リスク・スコアが、マイル増分で（ｉｎ ｍｉｌｅ ｉｎｃｒｅｍｅｎｔｓ）計算されるケースにおいては、安全性能モジュール２１６は、特定のマイルについてリスク・スコアを適用して、車両または車両タイプについてリスク正規マイル（ｒｉｓｋ－ｎｏｒｍａｌｉｚｅｄ ｍｉｌｅ）を決定することができる。このようにして、車両または車両タイプによって走行された距離は、安全性能評価目的のために、より大きい加重を高リスク走行に対して提供し、より小さい加重を低リスク走行に対して提供するように、調整され得る。そのような場合においては、リスク正規化マイルを決定することは、走行された距離を、典型的なリスク正規化マイル（「年平均」マイルまたは先に論じた「ケンブリッジ」マイルなど）と比較することに関わる。いくつかのケースにおいては、安全性能モジュール２１６は、特定の車両または車両タイプについてのリスク正規化距離を組み合わせて、車両または車両タイプによって走行された総リスク正規化距離を決定し得る。安全性能モジュール２１６は、リスク正規化距離当たりの、車両または車両タイプによって走行された実際の距離にわたって経験された安全イベントの数を計算して、車両または車両タイプの安全性能を決定することができる。リスク・スコアを適用して、リスク正規化走行距離を決定することによって、本願明細書において説明される安全性能メトリックは、車両走行マイル（ＶＭＴ）当たりの安全イベントの数など、車両安全性能についての従来のメトリックと比較され得る。

車両または車両タイプの安全性能を決定した後、安全性能評価モジュール２１６は、安全性能を分析し、その安全性能を他の車両または車両のタイプの安全性能と比較することが可能である。例えば、安全性能モジュール２１６は、異なる車両または車両のタイプの安全性能を比較して、各車両または車両タイプの相対的な安全性能に基づいたランキングを決定することができる。いくつかのケースにおいては、安全性能モジュール２１６は、異なる車両または車両のタイプの安全性能を比較して、車両または車両タイプの運転者についての相対的な主張を行うことが可能である。例えば、安全性能モジュール２１６は、自律走行車の安全性能を従来車の安全性能と比較して、そのような車両の人間の運転者およびコンピュータで実施される運転者の相対的な安全性能を決定することができる。いくつかのケースにおいては、安全性能モジュール２１６は、特定の車両１０２またはドライバ１０６の安全性能を、１つまたは複数の先行する安全性能評価と比較して、車両またはドライバの安全性能を経時的に決定することが可能である。

いくつかのケースにおいては、安全性能モジュール２１６は、同時に同じ環境１０４を走行している２つ以上の車両の安全性能を比較することが可能である。例えば、技術１００は、上で論じられたように、車両１０２において獲得されたセンサ・データを使用して、車両１０２および周辺環境１０４にある他の車両の両方の安全性能を決定することができる。代替として、追加的に、技術１００は、環境１０４にある各車両１０２における別々のセンサ１１２によって獲得されたセンサ・データを使用して、各車両の安全性能を決定することができる。各車両は、環境１０４におけるそれらの近接性に起因して、同じまたは実質的に同様のリスクに直面している可能性が高いので、各車両または車両運転者の相対的な安全性能の強力な比較が、行われ得る。

いくつかの実施においては、安全性能評価モジュール２１６は、安全性能評価を、技術１００の１つまたは複数のコンポーネントまたはデバイスに対して提供することができる。例えば、いくつかのケースにおいては、安全性能モジュール２１６は、記憶用のデータベース１３６に対して、ネットワーク１３４を介して、車載コンピュータ１０８もしくはテレマティクス・デバイス１１４に対して、またはインターネットであることができるネットワーク１４０を介して、１つもしくは複数のコンピューティング・デバイス１３８に対して、安全性能評価を提供することを、サーバ１３０に行わせることが可能である。コンピューティング・デバイス１３８の各々は、とりわけ、車両１０２のユーザもしくはオーナ、テレマティクス・デバイス１１４のユーザもしくはオーナ、車両安全組織、車両生産者、保険会社、ライドシェアリング会社、緊急サービス、コール・センタ、アナリスト、研究者、本技術のホスト、またはこれらの参加者の組み合わせと関連付けられ得る。サーバ１３０は、とりわけ、ウェブページ、アプリケーション、ＡＰＩ、もしくは通知、またはそれらの組み合わせを通して、コンポーネントまたはデバイスに対して、安全性能評価を提供することができる。ひとたび受信されると、コンポーネントまたはデバイスの各々は、例えば、コンポーネントまたはデバイスのディスプレイ上に提示されるグラフィカルユーザインターフェースを使用して、コンポーネントまたはデバイスのユーザに対して、安全性能評価を提示し得る。

一般に、安全性能評価モジュール２１６は、とりわけ、識別されたリスク源１１０、識別された安全イベント、リスク・スコア、もしくは決定された安全性能、またはそれらの組み合わせのうちの１つまたは複数を含む、安全性能評価の任意の態様を、他のコンポーネントまたはデバイスに対して提供することができる。いくつかのケースにおいては、安全性能モジュール２１６は、車両についての安全性能の、同じまたは異なる車両の安全性能との、１つまたは複数の比較を提供することが可能である。いくつかのケースにおいては、安全性能モジュール２１６は、より安全な方法で車両を運転するための、車両１０２もしくはドライバ１０６、またはその両方に対する提案、あるいは将来の旅程においてより安全なルートを辿るための、車両もしくはドライバ、またはその両方に対する推奨など、車両の安全性能を増加させるための推奨または提案を提供することが可能である。いくつかのケースにおいては、安全性能モジュール２１６は、特定の車両または車両タイプが、安全性能のあるレベルを達成するために走行する必要がある、リスク正規化マイルの数などの、時間または距離を表示することが可能である。例えば、安全性能モジュール２１６は、従来車および人間のドライバと同等の、またはより高い安全性能を成し遂げるために、自律走行車が走行する必要があり得る、リスク正規化マイルの数を表示することができる。

いくつかのケースにおいては、安全性能評価は、例えば、自律走行車の安全性を認証する際に、政府機関によって使用され得る。いくつかのケースにおいては、安全性能評価は、自律走行車をナビゲートするために使用されるアルゴリズムの安全性を向上させるために、使用され得る。例えば、自律走行車をコントロールするために使用されるアルゴリズムは、安全性能評価を向上させる方法で、更新され得る。これらの更新は、とりわけ、ドライブ安全性の評価を向上させるために、もしくは実際のドライブ安全性を向上させるために、または２つの組み合わせのために、使用され得る。いくつかのケースにおいては、安全性能評価は、車両の往来（ｖｅｈｉｃｌｅ’ｓ ｃｏｍｍｕｔｅ）中に取られるべき１つまたは複数のルートを、環境リスクを低減するように決定するために、使用され得る。

安全性能評価技術１００に対する様々な変更が、可能である。例えば、いくつかのケースにおいては、技術１００は、同じ走行された距離にわたる、１つまたは複数の車両または車両のタイプからの複数のリスク・スコアを平均して、その特定の距離についての平均リスク・スコアを決定することができる。このようにして、技術１００は、高リスクのルートを識別することができ、これは、技術１００が、とりわけ、車両１０２もしくはドライバ１０６、またはその両方に対して、より安全な代替を提案することを可能にし得る。いくつかのケースにおいては、技術１００は、ドライブされた時間など、他のリスク・エクスポージャ・メトリックを正規化するために、リスク・スコアを適用することができ、走行された距離を正規化することに限定されない。

サーバ１３０が、車両１０２と関連付けられたセンサ・データを処理して、車両または環境１０４内の他の車両の安全性能を評価すると説明されたが、ここで説明される技法を実施するために、車載コンピュータ１０８、テレマティクス・デバイス１１４、もしくはコンピューティング・デバイス１３８、またはそれらの組み合わせなど、技術１００の他のコンポーネントおよびデバイスが、サーバ１３０に加えて、それと組み合わせて、またはそれの代わりに、センサ・データを処理してよい。同様に、リスク識別モジュール２０８、安全イベント識別モジュール２１０、リスク相関モジュール２１２、リスク・スコアリング・モジュール２１４、および安全性能評価モジュール２１６を含む、具体的なモジュールが、ここで説明される技法のある態様を実施すると説明されたが、いくつかの実施においては、技法の一部またはすべては、追加の、より少数の、または代替のモジュールによって実施され得る。さらに、図１には、１つのサーバ１３０、１つのデータベース１３６、および１つのコンピューティング・デバイス１３８だけが、例示されているが、技術１００は、単一の場所に配置された、または分散され、任意の数のネットワークを使用して通信可能に接続された、任意の数のコンピューティング・デバイスおよびデータ記憶デバイスを含んでよい。

図３は、車両の安全性能を評価するための例示的なプロセス３００を例示している。プロセス３００の少なくとも一部は、サーバ１３０上において動作するプロセッサ２００など、１つまたは複数のプロセッサを使用して、実施され得る。プロセス３００の動作は、車両における１つまたはセンサによって生成されたセンサ・データを受信することを含む（３０２）。センサは、車両に設置されて、もしくは車両へと持ち込まれたテレマティクス・デバイスに備えられて、またはその両方であってよい。

センサ・データは、運転の期間中に車両によって経験された１つまたは複数のリスク源を識別するために、処理される（３０４）。リスク源は、安全イベントのリスクを車両に負わせることがある。いくつかのケースにおいては、１つまたは複数のリスク源は、車両が距離にわたって走行する環境の状態または特徴に起因する環境リスク源を含み得る。いくつかのケースにおいては、環境リスク源は、環境にある他の車両を含み得る。いくつかのケースにおいては、車両のドライバの行為に起因するドライバ固有のリスク源、または車両に対する損傷、もしくは車両の故障に起因する車両固有のリスク源、またはその両方は、１つまたは複数のリスク源から取り除かれてよい。いくつかのケースにおいては、運転の期間は、車両によって走行された距離、または車両の運転の時間と関連付けられ得る。

センサ・データは、運転の期間中に車両によって経験された１つまたは複数の安全イベントを識別するために、処理される（３０６）。いくつかのケースにおいては、１つまたは複数の安全イベントは、車両の衝突、車両の衝突寸前、もしくは車両における別の危険な状態、またはそれらの組み合わせを含み得る。

運転の期間中に車両によって経験された安全イベントのリスクが、１つまたは複数のリスク源に基づいて、決定される（３０８）。いくつかのケースにおいては、リスクは、リスク・スコアによって、測定され得る。いくつかのケースにおいては、リスクを決定することは、とりわけ、リスク源の各々によってもたらされた安全イベントのリスク、リスク源のエクスポージャ・レベル、もしくはリスク源の存在、またはそれらの組み合わせを決定することを含み得る。各リスク源によってもたらされた安全イベントのリスクは、運転の期間中における車両についてのリスクを決定するために、和を取られ得る。いくつかのケースにおいては、リスクは、運転の期間中に車両または他の車両によって経験された安全イベントの標準的なリスクに基づいて、正規化され得る。いくつかのケースにおいては、リスク・スコアは、車両によって走行されたリスク正規化距離など、運転のリスク正規化期間を生成するために、運転の期間に対して適用され得る。いくつかのケースにおいては、車両によって経験された安全イベントのリスクは、車両または車両タイプについての安全イベントの組み合わせリスクを生成するために、車両または同じ車両タイプを有する他の車両によって経験された安全イベントの他のリスクと組み合わされ得る。

運転の期間中における車両の安全性能は、１つまたは複数の安全イベントと、リスクとに基づいて、決定される（３１０）。いくつかのケースにおいては、車両の安全性能を決定することは、リスクに関連する１つまたは複数の安全イベントの和を決定することを含み得る。いくつかのケースにおいては、リスクは、車両によって走行されたリスク正規化距離など、運転のリスク正規化期間を生成するために、運転の期間に対して適用され得、運転の期間中における車両の安全性能は、運転のリスク正規化期間に関連する１つまたは複数の安全イベントの和に基づいて、決定され得る。いくつかのケースにおいては、１つまたは複数の安全イベントの和は、加重和である。いくつかのケースにおいては、１つまたは複数の安全イベントの安全イベントの各々は、安全イベントの重大性に従って、加重される。例えば、全壊された車両という結果になる安全イベントは、車両に対する軽微な塗装損傷という結果になる安全イベントよりも重く加重され得る。いくつかのケースにおいては、車両によって経験された安全イベントのリスクは、車両または車両タイプについての安全イベントの組み合わされたリスクを生成するために、車両または同じ車両タイプを有する他の車両によって経験された安全イベントの他のリスクと組み合わされ得、車両または車両タイプの安全性能は、安全イベントの組み合わされたリスクに部分的に基づいて、決定され得る。

いくつかの実施においては、センサ・データは、運転の期間中に車両と同じ環境にいる第２の車両によって経験された１つまたは複数のリスク源および安全イベントを識別するために、処理され得る。運転の期間中に第２の車両によって経験された安全イベントのリスクは、第２の車両によって遭遇された１つまたは複数のリスク源に基づいて、決定され得る。第２の車両の安全性能は、第２の車両についてのリスクに関連する第２の車両によって経験された１つまたは複数の安全イベントの和に基づいて、運転の期間中に決定され得る。いくつかのケースにおいては、運転の期間中における車両の相対的な安全性能は、車両の安全性能を第２の車両の安全性能と比較することによって、決定され得る。

他の実施も、以下の特許請求の範囲内にある。

Claims (20)

1. コンピュータ実装方法であって、
   １つ以上のプロセッサが、車両における１つまたは複数のセンサから、センサ・データを受信する工程であって、前記センサ・データは、前記車両が、ある距離を各々有する１つまたは複数の区間を含むルートを走行していた間に生成されており、前記１つまたは複数のセンサは加速度計およびＧＰＳの少なくとも一方を含む、工程と、
   前記１つ以上のプロセッサが、前記センサ・データに基づいて、前記車両が前記ルートを走行していた間に前記車両によって遭遇された１つまたは複数のリスク源を識別する工程であって、前記１つまたは複数のリスク源は、前記ルートに沿って前記車両によって遭遇された１つ以上の他の車両を含む、工程と、
   前記１つ以上のプロセッサが、前記センサ・データに基づいて、前記車両によって前記１つまたは複数のリスク源に対して経験された１つまたは複数の安全イベントを識別する工程であって、前記１つまたは複数の安全イベントは、前記１つ以上の他の車両に対して経験された１つ以上の安全イベントを含む、工程と、
   前記１つ以上のプロセッサが、前記１つまたは複数のリスク源および前記１つまたは複数の安全イベントに基づいて、前記ルートの前記１つまたは複数の区間と関連付けられている安全イベントのリスクを決定する、リスク決定工程と、
   前記１つ以上のプロセッサが、正規化された区間と関連付けられている安全イベントの正規化されたリスクを表すデータにアクセスする工程であって、前記正規化された区間はリスク評価に基づいて決定された正規化された距離を有する、工程と、
   前記１つ以上のプロセッサが、前記正規化された区間と関連付けられている前記安全イベントの前記正規化されたリスクを表す前記データに基づいて、前記ルートの前記１つまたは複数の区間と関連付けられている前記安全イベントの前記リスクを調整する、工程と、
   前記１つ以上のプロセッサが、前記ルートを走行していた前記車両と前記ルートの前記１つまたは複数の区間と関連付けられている調整された前記リスクとに基づいて、前記車両または前記車両のドライバについてのリスクの尺度を決定する、リスク尺度決定工程と、を備える方法。
2. 前記リスクは、リスク・スコアによって測定される、請求項１に記載の方法。
3. 前記センサは、前記車両における１つまたは複数のテレマティクス・デバイスに備えられる、請求項１に記載の方法。
4. 前記１つまたは複数のリスク源は、前記車両が運転される環境の状態または特徴に起因する、環境リスク源を含む、請求項１に記載の方法。
5. 前記環境リスク源は、前記環境にある他の車両を含む、請求項４に記載の方法。
6. 前記１つまたは複数のリスク源から、前記車両のドライバの行為に起因するリスク源を取り除く工程を備える、請求項４に記載の方法。
7. 前記１つまたは複数の安全イベントは、前記車両の衝突、もしくは前記車両の衝突寸前、またはその両方を含む、請求項１に記載の方法。
8. 前記リスク決定工程は、前記リスク源の各々によってもたらされた前記安全イベントの前記リスクの和を計算する工程を含む、請求項１に記載の方法。
9. 前記リスクの前記和は、加重和を含む、請求項８に記載の方法。
10. 前記リスク決定工程は、前記リスク源の各々によってもたらされた前記安全イベントの前記リスクの和に対する前記１つまたは複数の安全イベントの件数の和を決定する工程を含む、請求項１に記載の方法。
11. 前記１つまたは複数の安全イベントの前記件数の前記和は、加重和を含み、前記１つまたは複数の安全イベントの各々は、前記安全イベントの重大性に基づいて、加重される、請求項１０に記載の方法。
12. 前記車両は第１の車両であり、前記方法は、
    前記第１の車両における前記１つまたは複数のセンサからの前記センサ・データに基づいて、第２の車両が前記第１の車両の前記ルートの少なくとも一部に沿って走行したことに基づいて、前記第２の車両または前記第２の車両のドライバについてのリスクの尺度を決定する工程を備える、請求項１に記載の方法。
13. 前記第１の車両における前記１つまたは複数のセンサからの前記センサ・データから、前記ルートの少なくとも一部に沿って前記第２の車両によって遭遇された１つまたは複数のリスク源を識別することに基づいて、前記第２の車両または前記第２の車両の前記ドライバについてのリスクの前記尺度を決定する工程を備える、請求項１２に記載の方法。
14. 前記第１の車両における前記１つまたは複数のセンサからの前記センサ・データに基づいて、前記１つまたは複数のリスク源に関する前記第２の車両によって経験された１つまたは複数の安全イベントを識別する工程を備える、請求項１２に記載の方法。
15. 前記車両が走行していた前記ルートの前記１つまたは複数の区間と関連付けられている安全イベントの前記リスクと、前記車両が走行していた別のルートの１つまたは複数の他の区間についての安全イベントのリスクと、を組み合わせる工程と、
    前記組み合わされたリスクに部分的に基づいて、前記車両または前記車両の前記ドライバについてのリスクの尺度を決定する工程と、を備える、請求項１に記載の方法。
16. システムであって、
    １つまたは複数のプロセッサと、
    コンピュータ・ストレージと、を備え、前記コンピュータ・ストレージは、
    車両における１つまたは複数のセンサから、センサ・データを受信する工程であって、前記センサ・データは、前記車両が、ある距離を各々有する１つまたは複数の区間を含むルートを走行していた間に生成されており、前記１つまたは複数のセンサは加速度計およびＧＰＳの少なくとも一方を含む、工程と、
    前記センサ・データに基づいて、前記車両が前記ルートを走行していた間に前記車両によって遭遇された１つまたは複数のリスク源を識別する工程であって、前記１つまたは複数のリスク源は、前記ルートに沿って前記車両によって遭遇された１つ以上の他の車両を含む、工程と、
    前記センサ・データに基づいて、前記車両によって経験された１つまたは複数の安全イベントを識別する工程であって、前記１つまたは複数の安全イベントは、前記１つ以上の他の車両に対して経験された１つ以上の安全イベントを含む、工程と、
    前記１つまたは複数のリスク源および前記１つまたは複数の安全イベントに基づいて、前記ルートの前記１つまたは複数の区間と関連付けられている安全イベントのリスクを決定する工程と、
    正規化された区間と関連付けられている安全イベントの正規化されたリスクを表すデータにアクセスする工程であって、前記正規化された区間はリスク評価に基づいて決定された正規化された距離を有する、工程と、
    前記正規化された区間と関連付けられている前記安全イベントの前記正規化されたリスクを表す前記データに基づいて、前記ルートの前記１つまたは複数の区間と関連付けられている前記安全イベントの前記リスクを調整する、工程と、
    前記ルートを走行していた前記車両と前記ルートの前記１つまたは複数の区間と関連付けられている調整された前記リスクとに基づいて、前記車両または前記車両のドライバについてのリスクの尺度を決定する工程と、を行うように、前記１つまたは複数のプロセッサによって実行可能な実行可能コンピュータ命令を記憶する、システム。
17. コンピュータ可読記憶媒体であって、
    １つまたは複数のプロセッサによって実行可能であり、前記プロセッサに、
    車両における１つまたは複数のセンサから、センサ・データを受信する工程であって、前記センサ・データは、前記車両が、ある距離を各々有する１つまたは複数の区間を含むルートを走行していた間に生成されており、前記１つまたは複数のセンサは加速度計およびＧＰＳの少なくとも一方を含む、工程と、
    前記センサ・データに基づいて、前記車両が前記ルートを走行していた間に前記車両によって遭遇された１つまたは複数のリスク源を識別する工程であって、前記１つまたは複数のリスク源は、前記ルートに沿って前記車両によって遭遇された１つ以上の他の車両を含む、工程と、
    前記センサ・データに基づいて、前記車両によって前記１つまたは複数のリスク源に対して経験された１つまたは複数の安全イベントを識別する工程であって、前記１つまたは複数の安全イベントは、前記１つ以上の他の車両に対して経験された１つ以上の安全イベントを含む、工程と、
    前記１つまたは複数のリスク源および前記１つまたは複数の安全イベントに基づいて、前記ルートの前記１つまたは複数の区間と関連付けられている安全イベントのリスクを決定する工程と、
    正規化された区間と関連付けられている安全イベントの正規化されたリスクを表すデータにアクセスする工程であって、前記正規化された区間はリスク評価に基づいて決定された正規化された距離を有する、工程と、
    前記正規化された区間と関連付けられている前記安全イベントの前記正規化されたリスクを表す前記データに基づいて、前記ルートの前記１つまたは複数の区間と関連付けられている前記安全イベントの前記リスクを調整する、工程と、
    前記ルートを走行していた前記車両と前記ルートの前記１つまたは複数の区間と関連付けられている調整された前記リスクとに基づいて、前記車両または前記車両のドライバについてのリスクの尺度を決定する工程と、を備える動作を遂行させる命令を有するコンピュータ可読記憶媒体。
18. 前記リスク尺度決定工程は、
    前記センサ・データに基づいて、前記車両が前記ルートを走行していた間に、前記車両の運転の期間を決定する工程と、
    前記ルートに関連付けられている安全イベントのリスクの調整された前記リスクに基づいて、前記運転の期間を調整する工程と、を含む、請求項１に記載の方法。
19. 前記運転の期間は、前記ルートに沿って前記車両によって走行された距離または時間を含む、請求項１８に記載の方法。
20. ユーザへの提示用に、リスクの前記尺度をデバイスに対し送信する工程をさらに備える、請求項１に記載の方法。