车辆内的多传感器生命检测的制作方法

车辆内的多传感器生命检测


背景技术：

1.本发明总体上涉及车辆安全领域，并且具体地涉及车辆内的多传感器生命检测。
2.当不行驶时，车辆内部的温度可以迅速升高，即使在温度似乎是温和的日子。被留在温度快速上升的有限空间中可能是致命的，尤其是对于幼儿。根据国家安全委员会(nsc)，仅在美国每年就有38个以上的儿童被留在炎热的车辆中而死亡，其中大多数在3岁以下。在2018年，在美国记录了创记录数量的炎热汽车死亡，包括52个5岁以下的儿童。在这些死亡中，仅有一小部分包括有意被留在车辆内的儿童。相反，大多数炎热汽车死亡是意外的，在护理者忘记他们的孩子在后座中时发生。
3.存在若干市场解决方案用于防止儿童意外地留在车辆中，但是它们通常受到限制，因为它们需要护理者预先考虑以购买和安装。同样，车辆制造商已经开始实现单传感器后座检测系统，其在所有条件下没有假阳性地准确地检测生命的能力是有限的。总之，这个问题的现有解决方案缺乏的是它们通常1)必须被单独购买和安装，2)仅适用于汽车座位中的儿童，3)收集不足的数据(例如，来自单个传感器)导致不准确的预测，4)仅基于顺序条件被满足而发出警报，和/或5)仅在车辆已经关闭之后的结束车辆阶段期间是活动的。


技术实现要素：

4.本发明的实施例指向一种用于车辆内的生命检测的方法。该方法可以包括在第一车辆阶段期间从与车辆内的第一座位相关联的第一组传感器收集传感器数据。该方法还可以包括合计第一组传感器中的每个传感器的输出以计算在第一车辆阶段期间第一座位内的生命概率。
5.有利地，上述方法允许使用与车辆相关联的多个传感器进行车辆内的生命检测。因此，各方面不需要如现有技术中预先存在的解决方案那样单独购买和安装。此外，本发明的各方面不限于车辆内的特定座位。此外，通过共同考虑由车辆内的多个传感器接收的传感器数据，可以更准确地计算生命概率，同时减少了在简单的一个传感器系统中显而易见的假阳性和假阴性。
6.本发明的其它方面指向被配置为执行上述方法的系统和计算机程序产品。
7.本发明的实施例涉及用于车辆内的生命检测的附加方法。该方法包括在第一车辆阶段期间从多组传感器中的每组传感器收集传感器数据，每组传感器与车辆内的多个相应座位中的每一个相关联。该方法还包括合计每个相应传感器组中的每个传感器的输出，以计算在第一车辆阶段期间车辆内的每个座位的生命概率。该方法还包括合计每个座位的生命概率以计算在第一车辆阶段期间整个车辆的生命概率。该方法还包括通过将在第一车辆阶段期间整个车辆的生命概率与在至少一个附加车辆阶段期间整个车辆的生命概率进行合计来计算贯穿车辆的至少两个阶段的生命概率。
8.有利地，上述方法允许使用与车辆相关联的多个传感器进行车辆内的生命检测。因此，各方面不需要如现有技术中预先存在的解决方案那样单独购买和安装。此外，本发明的各方面不限于车辆内的特定座位。此外，通过共同考虑由车辆内的多个传感器接收的传
感器数据，可以更准确地计算生命概率，同时减少了在简单的一个传感器系统中显而易见的假阳性和假阴性。此外，各方面允许计算单个座位或多个座位贯穿各个车辆阶段的生命概率计算。因此，可以贯穿车辆的所有阶段计算生命概率，提供更全面和准确的生命检测计算。
9.本发明的附加方面指向被配置为执行上述附加方法的计算机程序产品。
10.上述发明内容并非旨在描述本发明的每个所示实施例或每种实施方式。
附图说明
11.本公开中包括的附图并入说明书中并形成说明书的一部分。它们示出了本发明的实施例，并且与说明书一起用于解释本发明的原理。附图仅是典型实施例的说明，而不限制本发明。
12.图1是示出其中可实现本发明的说明性实施例的示例计算环境的框图。
13.图2是描绘根据本发明的实施例的两个示例性车辆传感器配置的图。
14.图3是描绘根据本发明的实施例的跨两个车辆阶段的随时间的传感器输出的图。
15.图4是描绘根据本发明的实施例的车辆内的单个座位的生命概率计算的图。
16.图5是描绘根据本发明的实施例的跨多个车辆阶段的整个车辆的生命概率计算的图。
17.图6a和图6b是共同描绘根据本发明的实施例的用于计算车辆内的生命概率的示例方法的流程图。
18.图7是描绘根据本发明的实施例的用于确定车辆阶段的示例方法的流程图。
19.图8是描绘根据本发明的实施例的用于基于生命概率计算来发出生命保护行动的示例方法的流程图。
20.图9是示出根据本发明的实施例的云计算环境的图。
21.图10是示出根据本发明的实施例的抽象模型层的框图。
22.图11是示出根据本发明的实施例的可用于实现一个或多个方法、工具、模块和本文描述的任何相关功能的示例计算机系统的高级框图。
23.虽然本文所述的实施例可具有各种修改和替代形式，但其细节已在附图中以实例的方式示出并将详细描述。然而，应当理解，所描述的特定实施例不应被理解为限制性的。相反，本发明覆盖落入本发明范围内的所有修改、等效和替换。
具体实施方式
24.本发明的各方面总体上涉及车辆安全领域，并且具体地涉及车辆内的多传感器生命检测。虽然本发明不必局限于这样的应用，但是通过使用该上下文对各种示例的讨论可以理解本发明的各个方面。
25.当不行驶时，车辆内部的温度可以迅速升高，即使是在温度似乎是温和的日子。被留在温度快速上升的有限空间中可能是致命的，尤其是对于幼儿。根据国家安全委员会(nsc)，仅在美国每年就有38个以上的儿童被留在炎热的车辆中而死亡，其中大多数在3岁以下。在2018年，在美国记录了创记录数量的炎热汽车死亡，包括52个5岁以下的儿童。在这些死亡中，仅有一小部分包括有意被留在车辆内的儿童。相反，大多数炎热汽车死亡是意外
的，在护理者忘记他们的孩子在后座中时发生。
26.存在若干市场解决方案用于防止儿童意外地留在车辆中，但是它们通常受到限制，因为它们需要护理者预先考虑以购买和安装。同样，车辆制造商已经开始实现单传感器后座检测系统，其在所有条件下没有假阳性地准确地检测生命的能力是有限的。总之，这个问题的现有解决方案缺乏的是它们通常1)必须被单独购买和安装，2)仅适用于汽车座位中的儿童，3)收集不足的数据(例如，来自单个传感器)导致不准确的预测，4)仅基于顺序条件被满足而发出警报，和/或5)仅在车辆已经关闭之后的结束车辆阶段期间是活动的。
27.本发明的各方面使用多传感器生命检测系统解决了上述复杂问题。可以在第一车辆阶段(例如，图7中描绘的示例性车辆阶段)期间从与车辆内的第一座位相关联的第一组传感器收集传感器数据。然后，可以合计每个传感器的输出以计算在第一车辆阶段期间第一座位内的生命概率(例如，诸如人或动物的生命存在的概率)。
28.在实施例中，可以在第一车辆阶段期间从多组传感器中的每一个收集附加的传感器数据，每一组与车辆内的多个相应座位中的每一个相关联。可以合计每个相应传感器组中的每个传感器的输出，以计算在第一车辆阶段期间车辆内的每个座位的生命概率。此后，在实施例中，可以合计第一车辆阶段内的每个座位的生命概率以计算在第一车辆阶段期间整个车辆的生命概率。
29.在实施例中，通过将在第一车辆阶段期间整个车辆的生命概率与在至少一个附加车辆阶段期间整个车辆的生命概率进行合计，可以计算贯穿车辆的至少两个阶段的生命概率。
30.通过上述实施例实现了各种益处。首先，该解决方案可以与车辆完全集成。因此，各方面不需要如现有技术中预先存在的解决方案那样单独购买和安装。此外，本发明的各方面不限于车辆内的特定座位(例如，具有安装在汽车中的汽车座位的座位)。本发明的各方面允许在车辆内的任何单个座位中检测生命，而不管座位配置如何。此外，本发明的各方面可以计算贯穿各个车辆阶段的生命概率。因此，可以贯穿车辆的所有阶段计算生命概率，提供更全面和准确的生命检测计算。此外，通过共同考虑由车辆内的多个传感器接收的传感器数据，可以更准确地计算生命概率，同时减少了在简单的一个传感器系统中显而易见的假阳性和假阴性。
31.现在转到附图，图1是示出其中可实现本发明的说明性实施例的示例计算环境100的框图。计算环境100包括多个设备105-1、105-2、
……
、105-n(统称为设备105)、至少一个车辆135和网络150。
32.设备105和车辆135分别包括一个或多个处理器115-1、115-2、
……
、115-n(统称为处理器115)和处理器145以及一个或多个存储器120-1、120-2、
……
、120-n(统称为存储器120)和存储器155。设备105和车辆135可以被配置为通过内部或外部网络接口110-1、110-2、
……
、110-n(统称为网络接口110)和网络接口140彼此通信。在一些实施例中，网络接口110和140是调制解调器或网络接口卡。设备105和/或车辆135可以配备有显示器。另外，设备105和/或车辆135可以包括可选的输入设备(例如，键盘、鼠标、扫描仪、生物测定扫描仪、摄像机或其他输入设备)，和/或任何商业上可获得的或定制的软件(例如，浏览器软件、通信软件、自然语言处理软件、搜索引擎和/或网络爬虫软件、图像处理软件等)。在实施例中，设备105可以是移动设备、可穿戴式设备、膝上型计算机等。车辆135可以是被配置为将个体
从起始位置运输到目的地的任何合适的车辆，包括汽车、卡车、公共汽车、飞机、船等。在一些实施例中，车辆135可以是半自主或完全自主的。
33.设备105和车辆135可以彼此远离并且通过网络150通信。在一些实施例中，服务器(未示出)可以是中央集线器，设备105和车辆135可以从该中央集线器建立通信连接，诸如在客户端-服务器联网模型中。或者，车辆135和设备105可以以任何其它合适的联网关系来配置(例如，以对等(p2p)配置或使用任何其它网络拓扑)。
34.在一些实施例中，网络150可以使用任何数量的任何合适的通信介质来实现。例如，网络150可以是广域网(wan)、局域网(lan)、互联网或内联网。在某些实施例中，设备105和车辆135可以是彼此本地的，并且经由任何合适的本地通信介质进行通信。例如，设备105和车辆135可使用局域网(lan)、一个或多个硬连线连接、无线链路或路由器或内联网进行通信。在一些实施例中，设备105和车辆135可以使用一个或多个网络和/或一个或多个本地连接的组合来通信地耦合。例如，第一设备105-1可以硬连线到车辆135(例如，用以太网电缆连接)，而第二设备105-2可以使用网络150(例如，通过因特网)与车辆135通信。
35.在一些实施例中，网络150在云计算环境内或使用一个或多个云计算服务来实现。根据各种实施例，云计算环境可以包括提供一个或多个云计算服务的基于网络的分布式数据处理系统。此外，云计算环境可以包括布置在一个或多个数据中心内并被配置为通过网络150共享资源的许多计算机(例如，数百或数千个计算机或更多)。在一些实施例中，网络150可以基本上类似于或相同于图9中描述的云计算环境50。
36.车辆135包括生命检测应用160。生命检测应用160可被配置为确定车辆135内的生命概率。在实施例中，可以计算每座位(例如，图2的座位210)的生命概率和/或特定车辆阶段(例如，图7中示出的示例车辆阶段)内的生命概率。在实施例中，可以合计(例如，共同考虑)每座位和/或特定车辆阶段内的生命概率以计算整个贯穿各个车辆阶段的车辆内的生命概率。由生命检测应用160输出的确定可通过网络被发送到设备105。这允许用户采取行动以减轻对车辆135内的生命的任何风险。在一些实施例中，车辆135的一个或多个特征可以响应于生命概率超过阈值而被激活。例如，响应于当车辆135没有行驶时确定生命概率超过阈值，车辆135可以被通电并且空调(a/c)可以被激活，窗户可以被打开，门可以被解锁，和/或门可以被打开。发出警报和/或激活车辆特征以尝试支持车辆内的生命在本文中被称为“生命保护行动”。
37.车辆135的传感器165可被配置为收集关于车辆135的环境中的状况的数据。可以实现各种车辆传感器165，包括但不限于重量传感器、运动传感器(例如，基于光学的运动传感器)、温度传感器、音频/视频系统传感器、麦克风、相机、门传感器、窗传感器、安全带传感器和锁传感器。在实施例中，传感器165可以被配置为周期性地收集数据(例如，基于轮询频率)和/或响应于状态改变收集数据。例如，运动传感器可以被配置为周期性地收集数据(例如，每10秒)，而锁定传感器可以被配置为在状态改变时收集数据(例如，锁定从锁定转变为解锁，或反之亦然)。
38.在实施例中，传感器165可以与特定座位或整个车辆相关联。例如，锁定传感器、车窗传感器、安全带传感器和车门传感器可以与第一座位相关联，而温度传感器和运动传感器可以收集关于整个车辆的状态的数据。因此，当计算车辆135内的各个座位的生命概率时，每个座位的生命概率可以考虑相应的座位传感器和包含传感器的车辆(其收集关于整
个车辆的状态的数据)。
39.在实施例中，基于从其他传感器收集的值和/或基于车辆的阶段，对从传感器165收集的用于计算生命概率的度量进行加权。例如，音频/视频(a/v)系统传感器(例如，被配置为检测车辆135当前是否通过扬声器发出音频的传感器)可以影响麦克风对生命概率计算的权重，因为a/v系统可能发出由麦克风接收的声音(因此潜在地负面影响麦克风检测生命的能力)。作为另一示例，运动传感器数据可以基于车辆的阶段被不同地加权(例如，运动传感器可以在车辆停止时比在车辆移动时被更大地加权)。
40.基于轮询和/或状态变化，可以合计随着时间从传感器165收集的输出，以计算当前车辆阶段内每个相应座位的生命概率。然后，可以合计当前车辆阶段内的每个相应座位的生命概率，以计算当前车辆阶段内的整个车辆内的生命概率。然后，当计算下一车辆阶段内的生命概率时，当前车辆阶段内的生命概率可被传播(例如，在将来考虑)。因此，整个车辆的所有阶段内的生命概率可以考虑每个座位内的生命概率以及车辆135在先前的车辆阶段内的生命概率计算。
41.在实施例中，用于计算车辆135内的生命概率的传感器数据的加权可以例如使用机器学习算法来微调。也就是说，可以接收关于在计算生命概率时车辆内是否存在实际生命的反馈。基于与生命概率计算相比所接收的反馈，可以对用于计算生命概率的各个传感器值的权重进行调整。这可以连续地迭代以通过在计算车辆135内的生命概率时确保传感器数据输出接收合适的加权来增加生命概率计算的准确度。
42.可用于调整用于计算车辆135内的生命概率的传感器165的权重的机器学习算法可包括但不限于决策树学习、关联规则学习、人工神经网络、深度学习、归纳逻辑编程、支持向量机、聚类、贝叶斯网络、强化学习、表示学习、相似性/度量训练、稀疏字典学习、遗传算法、基于规则的学习和/或其它机器学习技术。
43.例如，机器学习算法可以利用以下示例技术中的一个或多个：k最近邻(knn)、学习向量量化(lvq)、自组织映射(som)、逻辑回归、普通最小二乘回归(olsr)、线性回归、逐步回归、多元自适应回归样条(mars)、岭回归、最小绝对收缩和选择算子(lasso)、弹性网、最小角度回归(lars)、概率分类器、朴素贝叶斯分类器、二元分类器、线性分类器、分层分类器、典型相关分析(cca)、因子分析、独立分量分析(ica)、线性判别分析(lda)、多维定标(mds)、非负因子分解(nmf)、分类和回归树(cart)、卡方自动交互检测(chaid)、期望最大化算法、前馈神经网络、逻辑学习机、自组织映射、单联聚类、模糊聚类、分层聚类、玻尔兹曼机、卷积神经网络、递归神经网络、分层时间记忆(htm)和/或其他机器学习技术。
44.尽管图1将生命检测应用160描绘为与车辆135集成，但是在实施例中，生命检测应用160的各方面可以远程定位(例如，存储在服务器或设备105上)。在这些实施例中，车辆135可以通过网络150传输传感器数据以供处理。
45.注意，图1旨在描绘示例计算环境100的代表性主要组件。然而，在一些实施例中，各个组件可以具有比图1中所表示的更大或更小的复杂度，可以存在不同于图1中所示的那些组件或除其之外的组件，并且这些组件的数量、类型和配置可以变化。此外，图1中所示的各种模型、模块、系统和组件可以存在于多个设备、服务器和/或车辆上，如果存在的话。
46.现在参考图2，示出了根据本发明实施例的两个车辆传感器配置的示意图。第一车辆205配置包括与第一座位210至第五座位230相关联的传感器。第二车辆235配置包括与第
一座位240至第五座位260相关联的传感器，并且还包括车辆包围传感器(例如，诸如车辆运动传感器和/或温度传感器的传感器，其可以收集关于整个车辆的状态的数据)。注意，图2中所示的车辆和传感器配置(例如，座位的数量、每个座位的传感器的数量、以及传感器的类型)仅是示例性的，并且可以实现任何合适的车辆和/或传感器配置。
47.如关于图2所讨论的，“y
n”传感器指的是在状态改变时输出数据的传感器(例如，门传感器、窗传感器、安全带传感器、锁定传感器等)，“x
m”传感器指的是周期性地输出数据的传感器(例如，运动传感器、麦克风、重量传感器等)。“l
rc”指的是基于座位的车辆内给定传感器的位置。“l
rc”内的“r”标识符是指从车辆的前部到车辆的后部的传感器的行数。“l
rc”内的“c”标识符是指从车辆左侧到车辆右侧的传感器的列数。因此，与第一车辆205的第一座位210相关联的l
11
y1传感器是指位于第一行和第一列的第一状态变化传感器。类似地，与第一车辆205的第一座位210相关联的l
11
x1传感器指的是位于第一行和第一列中的第一周期性传感器。具有符号“l
r0”的传感器是指收集整个车辆的输出的传感器。如车辆235所示，传感器l
10
x
1-5
是指位于第一行中的收集整个车辆的输出的传感器，传感器l
30
x
1-5
是指位于第三行中的收集整个车辆的输出的传感器。
48.现在参考图3，示出了根据本发明的实施例的描绘在第一车辆阶段“s
p”和第二车辆阶段“s
p+1”中随着时间的样本传感器输出的图300。注意，图3中描绘的传感器输出仅是示例性的，并且可以在任何合适的时间范围和/或车辆阶段的数量上收集任何合适的传感器输出。
49.如图3所示，在每个时间间隔d(例如，基于轮询频率)，从l
r0
xm和l
rc
xm传感器收集数据。因此，在t0、t2、t4……
等可以收集l
r0
xm和l
rc
xm传感器数据(例如，在每个间隔d时)。在每次状态改变时，可从可应用的l
rcyn
传感器收集l
rcyn
传感器数据。如图3所示，在t1和t5收集l
rcyn
传感器数据。在从第一车辆阶段s
p
转换到第二车辆阶段s
p+1
之后，在时间tg，可以收集所有适用的传感器l
r0
xm、l
rc
xm和l
rcyn
的输出。此后，在每d个间隔可以继续收集l
r0
xm和l
rc
xm传感器数据，并且在适用的状态改变时可以继续收集l
rcyn
传感器数据。
50.现在参考图4，示出了根据本发明实施例的描述在两个车辆阶段中在不同时间处车辆中的座位的示例生命概率计算的图400。如图4所示，在时间t3，给定座位“p
rc”的生命概率表示为p
rc
(s
p
,t3,l
rc
[xm|yn],l
r0
xm)。在该表达式中，s
p
表示车辆阶段，t3表示时间，l
rc
[xm|yn]表示所有l
rc
xm和l
rcyn
传感器输出的集合，以及l
r0
xm表示所有l
r0
xm输出的集合。在该表达式中，每个传感器值(例如，l
rc
xm、l
rcyn
或l
r0
xm值)可表示生命概率，其可表示例如在0和1之间，其中0表示生命概率的最小置信度，而1表示给定座位内的生命概率的最大置信度。如上所述，由各个传感器输出的值可基于其它传感器值和/或车辆阶段s
p
加权。p
rc
(s
p
,t3,l
rc
[xm|yn],l
r0
xm)表示在车辆阶段s
p
期间在t3处对给定座位的所有传感器输出的集体考虑。
[0051]
在tg，可收集所有适用的传感器l
r0
xm、l
rc
xm和l
rcyn
的输出。然后，车辆中的座位在时间tg的生命概率p
rc
表示为p
rc
(s
p
,tg,l
rc
[xm|yn],l
r0
xm)。这表示在整个第一车辆阶段s
p
期间给定座位的生命概率。在时间t
g+4
，第二车辆阶段s
p+1
期间给定座位的生命概率p
rc
由p
rc
(s
p+1
,t
g+4
,l
rc
[xm|yn],l
r0
xm)表示。
[0052]
现在参考图5，示出了根据本发明实施例的通过共同考虑车辆内各个座位在不同时间的所有生命概率计算来描述整个车辆的示例生命概率计算的图500。
[0053]
如图5所示，第一座位和第二座位在时间t3的生命概率分别表示为p
11
(s
p
，t3,l
rc
[xm|yn],l
r0
xm)和p
12
(s
p
,t3,l
rc
[xm|yn],l
r0
xm)。然后，第一座位和第二座位的生命概率可被共同考虑(例如，合计)以得到整个车辆p(s
p
,t3,p
rc
(s
p
,t3),p-1
)的生命概率。在该表达式中，p表示整个车辆的生命概率，s
p
表示车辆阶段，t3表示时间，p
rc
(s
p
，tg)表示在车辆阶段s
p
期间在时间t3处所有合法可用座位(例如，具有座位安全带的座位)的生命概率(例如，p
11
(s
p
，t3，l
rc
[xm|yn]，l
r0
xm)和p
12
(s
p
，t3，l
rc
[xm|yn]，l
r0
xm))，并且p-1
表示车辆的先前生命概率计算(例如，在先前时间或阶段期间计算)。因此，当计算在给定车辆阶段期间的给定时间整个车辆的生命概率时，可以共同考虑为每个相应座位计算的生命概率以及先前确定的整个车辆的生命概率。如图5所示，p(s
p
,tg,p
rc
(s
p
,tg),p-1
)表示在tg处在s
p
阶段结束时整个车辆的生命概率，p(s
p+1
,t
g+4
,p
rc
(s
p+1
,t
g+4
),p-1
)表示在阶段s
p+1
期间在t
g+4
处整个车辆的生命概率。
[0054]
现在参考图6a和图6b，示出了根据本发明的实施例的共同地说明用于计算各个座位、各个车辆阶段和在各个车辆阶段上整个车辆的生命概率的方法600的流程图。图6a-图6b中描述的一个或多个操作可以由一个或多个计算设备(例如，车辆135、设备105或服务器)完成。
[0055]
方法600开始于操作605，其中在当前车辆阶段期间从车辆的所有传感器收集传感器数据。所有传感器的当前输出最初可以在任何适当的时间收集。例如，可以响应于用户请求、响应于车辆阶段转变、或响应于任何其他合适的预定触发(例如，特定时间、特定位置等)来发起收集。如上所述，可以实现各种车辆传感器，包括但不限于重量传感器、运动传感器(例如，基于光学的运动传感器)、温度传感器、音频/视频系统传感器、麦克风、摄像机、门传感器、窗传感器、安全带传感器和锁传感器。此后，可以基于轮询频率(例如，在预定时间段内)、基于状态改变或基于车辆阶段转变来继续收集传感器数据。
[0056]
然后确定对于任何状态变化传感器是否发生了状态变化。这在操作610处示出。状态变化传感器可以包括从第一状态变化到第二状态的传感器。示例状态改变传感器包括门锁传感器(具有锁定和解锁状态)、窗传感器(具有打开和关闭状态)、门传感器(具有打开和关闭状态)、安全带传感器(具有扣住和解扣状态)和a/v系统传感器(具有打开和关闭状态)。在实施例中，状态改变可以是二进制的，具有两种可能的状态。然而，在实施例中，状态改变可以是部分的(例如，a/v系统的音量改变、部分打开的窗口等)。
[0057]
如果确定任何状态变化传感器发生了状态变化，则从改变状态的单个状态变化传感器收集输出。这在操作615处示出。因此，可以响应于任何状态改变传感器状态变化，在整个方法600中继续收集状态改变传感器数据。如图3所示，在时间t1、t5、tg和t
g+2
收集来自状态变化传感器y
rcyn
的数据。
[0058]
然后确定对于任何轮询的传感器是否达到轮询频率。这在操作620处示出。轮询的传感器可以包括周期性地从其收集传感器数据的传感器。示例轮询传感器包括运动传感器、温度传感器、重量传感器、相机和麦克风。各个传感器的轮询频率可以变化。例如，来自第一轮询的传感器(例如，相机)的传感器数据可以第一时间间隔(例如，每秒)被收集，并且来自第二轮询的传感器(例如，温度传感器)的传感器数据可以第二时间间隔(例如，每分钟)被收集。
[0059]
如果确定对于任何被轮询的传感器达到轮询频率，则对于轮询频率被达到的任何个体被轮询的传感器收集传感器输出。这在操作625处示出。因此，响应于任何被轮询的传感器达到相应的轮询频率，在整个方法600中可以继续收集被轮询的传感器数据。如图3所
示，在t0、t2、t4、t
g+1
、t
g+3
和t
g+4
，每隔d个时间间隔收集来自轮询的传感器x
rc
xm的数据。
[0060]
在实施例中，在收集传感器数据时，传感器数据的输出可以被处理成指示生命概率的值。例如，重量传感器、运动传感器、锁定传感器等的值可以被处理成0和1之间的值，其中0指示生命概率的最小置信度，并且其中1指示生命概率的最大置信度。作为一个示例，如果给定座位的重量传感器值输出例如50磅，则该50磅的值可以被处理成输出“0.75”，表示生命概率的高置信度。然而，依赖于该单个传感器值可能是不准确的，因为施加到座位的重量可能不是生命所必需的。因此，重量传感器可以被加权并与其它传感器值输出合计，以准确预测生命概率。最后，每个传感器输出可以被处理成标准化值，使得传感器值可以被合计以计算车辆内的每个座位的生命概率。
[0061]
然后确定是否存在来自用户的对生命概率的请求。这在操作630处示出。在实施例中，可以在设备或车辆的图形用户界面(gui)上从用户接收请求。例如，可以在与车辆135上的生命检测应用程序160相关联的图形用户界面上或在设备105-1的显示器上接收对生命概率的用户请求，然而，在一些实施例中，该请求可以不由用户发起，而是可以基于预定触发自动发出。例如，可以响应于车辆触发(诸如车门打开、车窗打开、安全带状态改变)自动请求生命概率(例如，通过车辆的一个或多个处理电路)。如果确定存在对车辆内的生命概率的请求，则方法600在操作640处进行到图6b。如果确定车辆内不存在对生命概率的请求，则方法600进行到操作635，其中确定车辆是否转换到下一车辆阶段。
[0062]
如果确定车辆转换到下一车辆阶段，则方法600进行到图6b的操作640。如果确定车辆没有转换到下一车辆阶段，则方法600返回到操作610，其中确定对于任何状态变化传感器是否发生状态变化。因此，在当前车辆阶段内(例如，在操作610与635之间)，在适用时，可在操作615和625处连续地收集传感器数据。图7中描绘了车辆阶段过渡的示例触发。
[0063]
现在参考图6b，如果在操作630确定存在对生命概率的请求，或者如果在操作635确定车辆转换阶段，方法600从操作640进行到操作645，其中，合计在图6a中收集的传感器的输出，以计算当前车辆阶段内每个座位的生命概率。例如，如图4所示，可以为每个相应的座位计算p
rc
(s
p
，t，l
rc
[xm|yn]，l
r0
xm)。如上所述，每个单独的传感器l
r0
xm、l
rc
xm和/或l
rcyn
的输出可以被处理为0和1之间的值，其中0表示生命概率的最小置信度，1表示生命概率的最大置信度。此外，可以根据传感器的类型、其他传感器的输出和/或当前车辆阶段对每个值进行加权。聚集各个传感器以计算相应座位的生命概率可包括将每个处理的传感器输出乘以每个相应权重相加。
[0064]
然后，合计针对当前车辆阶段内的每个相应座位“p
rc”计算的生命概率，以计算整个车辆在当前车辆阶段内的概率。这在操作650处示出。例如，如图5所示，可以合计对应于第一座位和第二座位的p
11
(s
p
，t，l
rc
[xm|yn]，l
r0
xm)和p
12
(s
p
，t，l
rc
[xm|yn]，l
r0
xm)，以计算整个车辆的生命概率p(s
p
,t，p
rc
(s
p
,t))，其中p
rc
表示第一座位和第二座位之间的合计生命概率。任何合适的合计技术可用于计算整个车辆的生命概率，包括应用于具有每个单独座位的生命概率的数据集的平均值、最大值、最小值和/或中值。例如，如果第一座位的生命概率输出是“1.0”并且第二座位的生命概率输出是“0.5”，如果车辆中仅存在两个座位，则合计生命概率可以包括计算每个相应座位的两个生命概率的平均值(例如，0.75)、最大值(例如，1.0)、最小值(例如，0.50)或中值(例如，1.0或0.50)。
[0065]
然后，将为当前车辆阶段的整个车辆计算的生命概率作为输入数据传播到下一车
辆阶段。这在操作655处示出。因此，整个车辆的未来生命概率可以根据p(s
p
,t，p
rc
(s
p
，t)，p-1
)来计算，其中p-1
表示针对前一车辆阶段计算的生命概率。因此，在操作650计算的当前车辆阶段的整个车辆的生命概率可以存储在存储器中，并在将来的时间使用，以增加将来车辆阶段内的将来生命概率计算的准确性。
[0066]
然后确定是否存在先前的车辆阶段。这在操作660处示出。如果确定存在先前车辆阶段，则合计每个车辆阶段的整个车辆的生命概率，以获得跨所有考虑阶段的整个车辆内的生命概率。这在操作665处示出。因此，在操作655存储的先前车辆阶段的生命概率作为输入数据被传播到跨多个阶段的整个车辆的生命概率计算中。例如，如图5中所描绘的，p(s
p+1
,t,p
rc
(s
p+1
,t),p-1
)考虑在前一时间和/或阶段(例如，阶段s
p
或时间t5)计算的生命概率p-1
。
[0067]
在操作645为各个座位计算的生命概率、在操作650为整个车辆计算的特定车辆阶段的生命概率和/或在操作665跨多个考虑阶段的整个车辆的生命概率可以在任何合适的时间被发送给用户。例如，在计算生命概率时，生命概率可以被发送给用户，使得他们可以知道他们的车辆内的生命状态。作为示例，当车辆从“行驶和停车阶段”转换到“非行驶和驶离阶段”时，每个相应阶段的生命概率可以在每个相应车辆阶段开始时被发送给用户。
[0068]
在实施例中，如果单个座位、整个车辆和/或整个车辆的多个阶段的生命概率超过阈值，则可以执行生命保护行动(例如，通过生命检测应用160)。生命保护行动可以包括发出警报(例如，通知设备105、呼叫用户、呼叫监测站等)和激活车辆特征(例如，激活车辆警报、自动打开门、激活空调系统、自动打开窗、自动打开门等)。这种动作可以防止或减轻由车辆内的温度升高引起的危险。参考图8进一步描述了发出生命保护行动。
[0069]
在实施例中，可以收集关于在操作645、650和665处输出的生命概率计算的反馈。反馈可以指示在特定车辆阶段期间在特定车辆座位中、在特定车辆阶段期间在整个车辆中和/或在整个车辆中是否存在跨越多个所考虑的阶段的实际生命。基于所接收的反馈与生命概率之间的比较，可以调整用于计算生命概率的值的权重。在实施例中，一个或多个机器学习算法可以被配置为基于接收到的反馈对权重进行调整，使得可以在将来进行更准确的生命概率计算。作为示例，如果第一座位在第一车辆阶段期间的生命概率是“1.0”(例如，指示最大生命概率)并且反馈指示生命不存在于车辆中，则可以改变用于计算在第一车辆阶段期间第一座位的生命概率的第一传感器值的加权(例如，使用机器学习算法来减小)。
[0070]
上述操作可以以任何顺序完成，并且不限于所描述的那些。另外，上述操作中的一些、全部或没有一个可以完成，而仍然保持在本发明的范围内。例如，在一些实施例中，如果不考虑状态变化传感器的生命概率计算，则在操作615处可以不收集状态变化传感器数据。作为另一示例，在一些实施例中，操作650和/或665可以未完成，因为生命概率计算可以仅基于每个座位来计算。
[0071]
现在参考图7，示出了根据本发明的实施例的流程图，其示出了用于确定车辆的车辆阶段的示例性方法700。图7的一个或多个操作可以由一个或多个计算设备(例如，设备105、车辆135和/或服务器)完成。参照图7描述的车辆阶段可以与参照图1-图6b描述的车辆阶段相同或基本相似。
[0072]
方法700在操作705开始，其中确定车辆的点火状态是“开”还是“关”。如果点火状态为“关”，则确定车辆处于停车且未行驶的阶段(s1)。这在操作710处示出。
[0073]
如果确定点火状态为“开”，则确定档位是否接合在停车“p”或空档、倒档或前进“n/r/d”。如果档位接合在停车“p”中，则确定车辆处于停车和行驶的阶段(s2)。这在操作720处示出。
[0074]
如果确定档位接合在空档、倒档或前进“n/r/d”，则确定车辆当前是否在移动。这在操作725处示出。可以基于加速度计数据、速度计数据、制动数据或指示车辆的移动性状态的任何其他合适的数据来完成对车辆当前是否正在移动的确定。如果确定车辆没有移动，则确定车辆处于行驶和停止的阶段(s3)。这在操作730处示出。如果在操作725确定车辆当前正在移动，则确定车辆处于行驶和移动的阶段(s4)。这在操作735处示出。
[0075]
上述操作可以以任何顺序完成，并且不限于所描述的那些。另外，上述操作中的一些、全部或没有一个可以完成，而仍然保持在本发明的范围内。此外，关于图7描述的车辆阶段仅仅是示例性的。在不脱离本发明范围的情况下，可以使用与本文一致的任何合适的车辆级。例如，车辆阶段可以基于所实施的车辆的类型而变化。
[0076]
现在参考图8，示出了根据本发明的实施例的用于基于接收到的生命概率计算来发出生命保护行动的示例方法800。
[0077]
方法800在操作805处开始，其中接收生命概率计算。生命概率计算可以是在整个方法600中计算的任何生命概率计算。例如，生命概率计算可以包括在图6b的操作645、650和665处计算的那些。在实施例中，可以响应于预定条件，例如车辆阶段转换(例如，图7中描述的阶段转换)、用户请求、车辆状态变化(例如，门打开)或另一条件，接收生命概率计算。
[0078]
然后确定生命概率是否超过阈值。这在操作810处示出。阈值可以是任何合适的值，并且可以以任何合适的方式来定义。例如，阈值可以是25％、50％、75％等。较低的阈值可以指示系统更谨慎(例如，当生命概率相对较低时发出生命保护行动)。在一些实施例中，阈值可以是用户定义的。在一些实施例中，可以使用机器学习技术来确定阈值。
[0079]
如果生命概率超过阈值，则确定是否满足生命保护行动的条件。这在操作815处示出。在一些实施例中，如果生命概率超过阈值，则总是发出生命保护行动。然而，在一些实施例中，仅在满足特定条件的情况下才发出生命保护行动。例如，仅在车辆处于特定车辆阶段、车辆处于特定温度、驾驶员座位中没有重量(例如，如由重量传感器所收集的)、车窗和车门关闭、用户设备与车辆相距预定距离(例如，基于全球定位系统(gps)数据等)的情况下才可以发出生命保护行动。
[0080]
如果确定满足针对生命保护行动的条件，则发出生命保护行动。这在操作820处示出。生命保护行动可以包括发出警报(例如，通知设备105、呼叫用户、呼叫监测站等)和激活车辆特征(例如，激活车辆警报、自动打开门、激活空调系统、自动打开窗、自动打开门等)。这种动作可以防止或减轻由车辆内的温度升高引起的危险。在发出生命保护行动后，方法800结束。
[0081]
上述操作可以以任何顺序完成，并且不限于所描述的那些。另外，上述操作中的一些、全部或没有一个可以完成，而仍然保持在本发明的范围内。例如，在一些实施例中，操作815可以不被完成，因为可以基于生命超过阈值的概率自动地发出生命保护行动。
[0082]
应当理解，尽管本发明包括关于云计算的详细描述，但是本文中所述的教导的实现不限于云计算环境。相反，本发明的实施例能够结合现在已知或以后开发的任何其它类型的计算环境来实现。
[0083]
云计算是一种服务递送模型，用于实现对可配置计算资源(例如，网络、网络带宽、服务器、处理、存储器、存储装置、应用、虚拟机和服务)的共享池的方便的按需网络访问，所述可配置计算资源可以以最小的管理努力或与服务的提供者的交互来快速供应和释放。该云模型可以包括至少五个特性、至少三个服务模型和至少四个部署模型。
[0084]
特性如下：
[0085]
按需自助：云消费者可以单方面地自动地根据需要提供计算能力，诸如服务器时间和网络存储，而不需要与服务的提供者进行人工交互。
[0086]
广域网接入：能力在网络上可用，并且通过促进由异构的薄客户端或厚客户端平台(例如，移动电话、膝上型计算机和pda)使用的标准机制来访问。
[0087]
资源池化：提供者的计算资源被集中以使用多租户模型来服务多个消费者，其中不同的物理资源和虚拟资源根据需求被动态地分配和重新分配。存在位置无关的意义，因为消费者通常不控制或不知道所提供的资源的确切位置，但是能够在较高抽象级别(例如国家、州或数据中心)指定位置。
[0088]
快速弹性：在一些情况下，可以快速且弹性地提供快速向外扩展的能力和快速向内扩展的能力。对于消费者，可用于提供的能力通常看起来不受限制，并且可以在任何时间以任何数量购买。
[0089]
测量服务：云系统通过利用在适合于服务类型(例如，存储、处理、带宽和活动用户账户)的某一抽象级别的计量能力来自动地控制和优化资源使用。可以监视、控制和报告资源使用，从而为所利用服务的提供者和消费者两者提供透明性。
[0090]
服务模型如下：
[0091]
软件即服务(saas)：提供给消费者的能力是使用在云基础设施上运行的提供者的应用。应用可通过诸如web浏览器(例如，基于web的电子邮件)等瘦客户端界面从各种客户端设备访问。消费者不管理或控制包括网络、服务器、操作系统、存储、或甚至个别应用能力的底层云基础结构，可能的例外是有限的用户专用应用配置设置。
[0092]
平台即服务(paas)：提供给消费者的能力是将消费者创建或获取的应用部署到云基础设施上，该消费者创建或获取的应用是使用由提供者支持的编程语言和工具创建的。消费者不管理或控制包括网络、服务器、操作系统或存储的底层云基础设施，但具有对部署的应用和可能的应用托管环境配置的控制。
[0093]
基础设施即服务(iaas)：提供给消费者的能力是提供处理、存储、网络和消费者能够部署和运行任意软件的其它基本计算资源，所述软件可以包括操作系统和应用。消费者不管理或控制底层云基础设施，但具有对操作系统、存储、部署的应用的控制，以及可能对选择的联网组件(例如，主机防火墙)的有限控制。
[0094]
部署模型如下：
[0095]
私有云：云基础设施仅为组织操作。它可以由组织或第三方管理，并且可以存在于场所内或场所外。
[0096]
社区云：云基础设施由若干组织共享，并且支持具有共享关注(例如，任务、安全要求、策略和合规性考虑)的特定社区。它可以由组织或第三方管理，并且可以存在于场所内或场所外。
[0097]
公有云：云基础设施可用于一般公众或大型工业群体，并且由销售云服务的组织
拥有。
[0098]
混合云：云基础设施是两个或更多云(私有、社区或公有)的组合，所述云保持唯一实体，但是通过使数据和应用能够移植的标准化或私有技术(例如，用于云之间的负载平衡的云突发)绑定在一起。
[0099]
云计算环境是面向服务的，其焦点在于无状态、低耦合、模块性和语义互操作性。在云计算的核心是包括互连节点的网络的基础设施。
[0100]
现在参考图9，描绘了说明性云计算环境50。如图所示，云计算环境50包括云消费者使用的本地计算设备可以与其通信的一个或多个云计算节点10，所述本地计算设备例如是个人数字助理(pda)或蜂窝电话54a(例如设备105)、台式计算机54b、膝上型计算机54c和/或汽车计算机系统54n。节点10可以彼此通信。它们可以被物理地或虚拟地分组(未示出)在一个或多个网络中，诸如如上文描述的私有云、社区云、公有云或混合云或其组合。这允许云计算环境50提供基础设施、平台和/或软件作为服务，云消费者不需要为其维护本地计算设备上的资源。应当理解，图9中所示的计算设备54a-n的类型仅旨在说明，并且计算节点10和云计算环境50可以在任何类型的网络和/或网络可寻址连接上(例如，使用web浏览器)与任何类型的计算机化设备通信。
[0101]
现在参考图10，示出了由云计算环境50(图9)提供的一组功能抽象层。应当预先理解，图10中所示的组件、层和功能仅旨在说明，并且本发明的实施例不限于此。如所描绘的，提供了以下层和相应的功能：
[0102]
硬件和软件层60包括硬件和软件组件。硬件组件的示例包括：主机61；基于risc(精简指令集计算机)架构的服务器62；服务器63；刀片服务器64；存储设备65；以及网络和联网组件66。在一些实施例中，软件组件包括网络应用服务器软件67和数据库软件68。
[0103]
虚拟化层70提供抽象层，从该抽象层可以提供虚拟实体的以下示例：虚拟服务器71；虚拟存储器72；虚拟网络73，包括虚拟专用网络；虚拟应用和操作系统74；以及虚拟客户机75。
[0104]
在一个示例中，管理层80可以提供以下描述的功能。资源供应81提供用于在云计算环境内执行任务的计算资源和其它资源的动态采购。计量和定价82提供了在云计算环境中利用资源时的成本跟踪，以及用于消耗这些资源的开帐单或发票。在一个示例中，这些资源可以包括应用软件许可证。安全性为云消费者和任务提供身份验证，以及为数据和其他资源提供保护。用户门户83为消费者和系统管理员提供对云计算环境的访问。服务水平管理84提供云计算资源分配和管理，使得满足所需的服务级别。服务水平协议(sla)规划和履行85提供对云计算资源的预安排和采购，其中根据sla预期未来需求。
[0105]
工作负载层90提供了可以利用云计算环境的功能的示例。可以从该层提供的工作负载和功能的示例包括：绘图和导航91；软件开发和生命周期管理92；虚拟教室教育递送93；数据分析处理94；交易处理95；以及车辆生命检测96。
[0106]
现在参考图11，示出了根据本发明的实施例的示例计算机系统1101的高级框图，该计算机系统1101可以在本文讨论的各种设备(例如，设备105和车辆135)中使用，并且可以用于实现本文描述的方法、工具和模块中的一个或多个以及任何相关功能(例如，使用计算机的一个或多个处理器电路或计算机处理器)。在一些实施例中，计算机系统1101的主要部件可以包括一个或多个cpu 1102(在此也被称为处理器)、存储器1104、终端接口1112、存
储接口1114、i/o(输入/输出)设备接口1116和网络接口1118，所有这些部件可以直接或间接地通信耦合，用于经由存储器总线1103、i/o总线1108和i/o总线接口单元1110进行部件间通信。
[0107]
计算机系统1101可以包含一个或多个通用可编程中央处理单元(cpu)1102a、1102b、1102c和1102d，在此一般称为cpu 1102。在一些实施例中，计算机系统1101可以包含相对大的系统的典型的多个处理器；然而，在其它实施例中，计算机系统1101可以可选地是单cpu系统。每个cpu 1102可以执行存储在存储器子系统1104中的指令，并且可以包括一级或多级板上高速缓存。
[0108]
存储器1104可以包括易失性存储器形式的计算机系统可读介质，诸如随机存取存储器(ram)1122或高速缓冲存储器1124。计算机系统1101还可以包括其他可移动/不可移动、易失性/非易失性计算机系统存储介质。仅作为示例，存储系统1126可被提供用于从诸如“硬盘驱动器”等不可移动、非易失性磁介质读取和向其写入。尽管未示出，但是可以提供用于从可移动、非易失性磁盘(例如，“软盘”)读取和向其写入的磁盘驱动器，或者用于从诸如cd-rom、dvd-rom或其它光学介质的可移动、非易失性光盘读取或向其写入的光盘驱动器。另外，存储器1104可以包括闪存，例如，闪存棒驱动器或闪速驱动器。存储器设备可以通过一个或多个数据介质接口连接到存储器总线1103。存储器1104可以包括至少一个程序产品，该程序产品具有一组(例如，至少一个)程序模块，该程序模块被配置成执行各种实施例的功能。
[0109]
一个或多个程序/实用程序1128可以存储在存储器1104中，每个程序/实用程序1128具有至少一组程序模块1130。程序/实用程序1128可以包括管理程序(也称为虚拟机监视器)、一个或多个操作系统、一个或多个应用程序、其他程序模块和程序数据。操作系统、一个或多个应用程序、其它程序模块和程序数据或其某种组合中的每一个可包括联网环境的实现。程序1128和/或程序模块1130通常执行各种实施例的功能或方法。
[0110]
尽管存储器总线1103在图11中被示为提供cpu 1102、存储器1104和i/o总线接口1110之间的直接通信路径的单个总线结构，但是在一些实施例中，存储器总线1103可以包括多个不同的总线或通信路径，其可以以各种形式中的任何形式来布置，诸如分层的点对点链路、星形或网状配置、多个分层总线、并行和冗余路径，或者任何其他适当类型的配置。此外，虽然i/o总线接口1110和i/o总线1108被示为单个相应的单元，但是在一些实施例中，计算机系统1101可以包含多个i/o总线接口单元1110、多个i/o总线1108或两者。此外，虽然示出了将i/o总线1108与延伸到各个i/o设备的各个通信路径分开的多个i/o接口单元，但是在其他实施例中，一些或所有i/o设备可以直接连接到一个或多个系统i/o总线。
[0111]
在一些实施例中，计算机系统1101可以是多用户大型计算机系统、单用户系统或服务器计算机或具有很少或没有直接用户接口但从其他计算机系统(客户端)接收请求的类似设备。此外，在一些实施例中，计算机系统1101可以被实现为台式计算机、便携式计算机、膝上型计算机或笔记本计算机、平板计算机、袖珍计算机、电话、智能电话、网络交换机或路由器，或任何其他适当类型的电子设备。
[0112]
注意，图11旨在描述示例性计算机系统1101的代表性主要部件。然而，在一些实施例中，各个部件可以具有比图11中所示的更大或更小的复杂性，可以存在不同于图11中所示的部件或除了这些部件之外的部件，并且这些部件的数量、类型和配置可以改变。
[0113]
如本文更详细地讨论的，可以设想，本文描述的方法的一些实施例的一些或所有操作可以以替代顺序执行或者可以根本不执行；此外，多个操作可以同时发生或作为更大过程的内部部分发生。
[0114]
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或多个介质)，所述计算机可读程序指令用于使处理器执行本发明的各方面。
[0115]
计算机可读存储介质可以是能够保留和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表包括以下：便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式光盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、诸如上面记录有指令的打孔卡或凹槽中的凸起结构的机械编码装置，以及上述的任何适当组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光纤线缆的光脉冲)、或通过导线传输的电信号。
[0116]
本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备，或者经由网络，例如因特网、局域网、广域网和/或无线网络，下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
[0117]
用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据，或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言，诸如smalltalk、c++等，以及常规的过程式编程语言，诸如“c”编程语言或类似的编程语言。计算机可读程序指令可以完全在用户的计算机上执行，部分在用户的计算机上执行，作为独立的软件包执行，部分在用户的计算机上并且部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(lan)或广域网(wan)，或者可以连接到外部计算机(例如，使用因特网服务提供商通过因特网)。在一些实施例中，为了执行本发明的各方面，包括例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以使电子电路个性化。
[0118]
在此参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的各方面。将理解，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。
[0119]
这些计算机可读程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些
计算机可读程序指令还可以存储在计算机可读存储介质中，其可以引导计算机、可编程数据处理装置和/或其他设备以特定方式工作，使得其中存储有指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。
[0120]
计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。
[0121]
附图中的流程图和框图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现发生的架构、功能和操作。在这点上，流程图或框图中的每个框可以表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方案中，框中所注明的功能可不按图中所注明的次序发生。例如，连续示出的两个框实际上可以作为一个步骤来实现，同时、基本同时、以部分或全部时间重叠的方式执行，或者这些框有时可以以相反的顺序执行，这取决于所涉及的功能。还将注意，框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合可以由执行指定功能或动作或执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。
[0122]
本文所使用的术语仅用于描述特定实施例的目的，且不希望限制各种实施例。如本文所用，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文另有明确指示。还将理解，术语“包括”和/或“包含”在本说明书中使用时，指定所陈述的特征、整数、步骤、操作、元素和/或组件的存在，但不排除一个或多个其它特征、整数、步骤、操作、元素、组件和/或其群组的存在或添加。在各种实施例的示例实施例的先前详细描述中，参考了附图(其中相同的附图标记表示相同的元素)，附图形成了本发明的一部分，并且其中通过图示示出了其中可以实践各种实施例的特定示例实施例。这些实施例被足够详细地描述以使本领域技术人员能够实践这些实施例，但是可以使用其他实施例，并且可以在不偏离各种实施例的范围的情况下做出逻辑、机械、电气和其他改变。在之前的描述中，阐述了许多具体细节以提供对各种实施例的透彻理解。但是，可以在没有这些具体细节的情况下实践各个实施例。在其它实例中，为了不使实施例模糊，没有详细示出公知的电路、结构和技术。
[0123]
在本说明书中使用的词语“实施例”的不同实例不一定是指相同的实施例，但是它们可以是指相同的实施例。在此示出或描述的任何数据和数据结构仅是示例，并且在其他实施例中，可以使用不同的数据量、数据类型、字段的数量和类型、字段名、行的数量和类型、记录、条目或数据的组织。此外，任何数据都可以与逻辑组合，从而可以不需要单独的数据结构。因此，前面的详细描述不应被理解为限制性的。
[0124]
已经出于说明的目的给出了本发明的各种实施例的描述，但是其不旨在是穷尽的或限于所公开的实施例。在不背离所描述的实施例的范围的情况下，许多修改和变化对于本领域的普通技术人员将是显而易见的。选择本文所使用的术语以最好地解释实施例的原理、实际应用或对市场上存在的技术改进，或使本领域的其他普通技术人员能够理解本文所公开的实施例。
[0125]
尽管已经根据具体实施例描述了本发明，但是可以预期，对于本领域技术人员来说，本发明的改变和修改将变得显而易见。因此，所附权利要求书应被解释为涵盖本发明范
围内的所有这些变更和修改。
[0126]
下文提供了非限制性的示例列表以说明本发明的一些方面。示例1是计算机实现的方法。该方法包括在第一车辆阶段期间从与车辆内的第一座位相关联的第一组传感器收集传感器数据；以及合计与第一座位相关联的第一组传感器中的每个传感器的输出以计算在第一车辆阶段期间第一座位内的生命概率。
[0127]
示例2包括示例1的方法，包括或排除可选特征。在该示例中，在第一车辆阶段期间，从多组传感器中的每一组收集附加传感器数据，每组传感器与车辆内的多个相应座位中的每一座位相关联，其中，合计每组相应传感器中的每个传感器的输出以计算车辆内的每个座位在第一车辆阶段期间的生命概率。
[0128]
示例3包括示例2的方法，包括或排除可选特征。在该示例中，合计每个座位的生命概率以计算在第一车辆阶段期间整个车辆的生命概率。
[0129]
示例4包括示例3的方法，包括或排除可选特征。在该示例中，该方法还包括通过将整个车辆在第一车辆阶段期间的生命概率与整个车辆在至少一个附加车辆阶段期间的生命概率进行合计来计算贯穿车辆的至少两个阶段的生命概率。
[0130]
示例5包括示例1至4中任一项的方法，包括或不包括可选特征。在该示例中，至少基于另一传感器的输出并且基于车辆处于第一车辆阶段来对每个传感器的输出进行加权。
[0131]
示例6包括示例1至5中任一项的方法，包括或不包括可选特征。在该示例中，该方法还包括收集关于在第一车辆阶段期间在车辆的第一座位内是否实际存在生命的反馈；将所述反馈与在所述第一车辆阶段期间所述第一座位内的所述生命概率进行比较；以及调整用于计算第一车辆阶段期间第一座位内的生命概率的至少一个传感器输出的权重。
[0132]
示例7包括示例1至6中的任一项的方法，包括或不包括可选特征。在该示例中，与第一座位相关联的该组传感器中的至少一个传感器是车辆包围的。
[0133]
示例8包括示例1至7中任一项的方法，包括或不包括可选特征。在该示例中，该方法还包括将第一座位内的生命概率与阈值进行比较；以及响应于第一座位内的生命概率超过阈值而发出生命保护行动。
[0134]
示例9包括示例8的方法，包括或排除可选特征。在该示例中，在发出生命保护行动之前，确定是否满足发出生命保护行动的条件。
[0135]
示例10是系统。该系统包括存储程序指令的存储器和处理器，其中处理器被配置为执行程序指令以执行根据示例1至9中的任一项的方法。
[0136]
示例11是计算机程序产品。该计算机程序产品包括计算机可读存储介质，该计算机可读存储介质具有随其体现的程序指令，该程序指令可由处理器执行以使处理器执行根据示例1至9中任一项的方法。
[0137]
示例12是一种方法。在第一车辆阶段期间，从多组传感器中的每一组收集传感器数据，每组与车辆内的多个相应座位中的每一个相关联；合计每个相应的传感器组中的每个传感器的输出，以计算在所述第一车辆阶段期间所述车辆内的每个座位的生命概率；合计每个座位的生命概率以计算整个车辆在第一车辆阶段期间的生命概率；以及通过将整个车辆在第一车辆阶段期间的生命概率与整个车辆在至少一个附加车辆阶段期间的生命概率进行合计来计算整个车辆的至少两个阶段中的生命概率。
[0138]
示例13包括示例12的方法，包括或排除可选特征。在该示例中，该方法包括将贯穿
车辆的至少两个阶段的生命概率与阈值进行比较；以及响应于贯穿车辆的至少两个阶段的生命概率超过阈值而发出生命保护行动。
[0139]
示例14是计算机程序产品。该计算机程序产品包括计算机可读存储介质，该计算机可读存储介质具有随其体现的程序指令，该程序指令可由处理器执行以使处理器执行根据示例12的方法。
[0140]
在本发明的优选实施方案中，提供了一种方法，包括：在第一车辆阶段期间，从多组传感器中的每一组收集传感器数据，每组与车辆内的多个相应座位中的每一个相关联；合计每个相应的传感器组中的每个传感器的输出，以计算在所述第一车辆阶段期间所述车辆内的每个座位的生命概率；合计每个座位的生命概率以计算整个车辆在第一车辆阶段期间的生命概率；以及通过将整个车辆在第一车辆阶段期间的生命概率与整个车辆在至少一个附加车辆阶段期间的生命概率进行合计来计算整个车辆的至少两个阶段中的生命概率。该方法优选地还包括：将所述车辆的整个至少两个阶段的所述生命概率与阈值进行比较；以及响应于贯穿车辆的至少两个阶段的生命概率超过阈值而发出生命保护行动。在本发明的优选实施例中，提供了一种计算机程序产品，包括具有程序指令的计算机可读存储介质，所述程序指令可由处理器执行以使所述处理器执行一种方法，所述方法包括：在第一车辆阶段期间，从多组传感器中的每一组收集传感器数据，每组与车辆内的多个相应座位中的每一个相关联；合计每个相应的传感器组中的每个传感器的输出，以计算在所述第一车辆阶段期间所述车辆内的每个座位的生命概率；合计每个座位的生命概率以计算整个车辆在第一车辆阶段期间的生命概率；以及通过将整个车辆在第一车辆阶段期间的生命概率与整个车辆在至少一个附加车辆阶段期间的生命概率进行合计来计算整个车辆的至少两个阶段中的生命概率。

技术特征：
1.一种方法，包括：在第一车辆阶段期间从与车辆内的第一座位相关联的第一组传感器收集传感器数据；以及合计与所述第一座位相关联的所述第一组传感器中的每个传感器的输出以计算在所述第一车辆阶段期间所述第一座位内的生命概率。2.根据权利要求1所述的方法，其中，在所述第一车辆阶段期间从多组传感器中的每一个收集附加的传感器数据，每一组与所述车辆内的多个相应座位中的每一个相关联，其中，合计每个相应传感器组中的每个传感器的输出以计算在所述第一车辆阶段期间所述车辆内的每个座位的生命概率。3.根据权利要求2所述的方法，其中，每个座位的生命概率被合计以计算在所述第一车辆阶段期间整个车辆的生命概率。4.根据权利要求3所述的方法，还包括：通过将在所述第一车辆阶段期间所述整个车辆的生命概率与在至少一个附加车辆阶段期间所述整个车辆的生命概率进行合计来计算贯穿所述车辆的至少两个阶段的生命概率。5.根据权利要求1所述的方法，其中，至少基于另一传感器的输出并且基于所述车辆处于所述第一车辆阶段，对每个传感器的输出进行加权。6.根据权利要求5所述的方法，其中，所述方法还包括：收集关于在所述第一车辆阶段期间所述车辆的所述第一座位内是否实际存在生命的反馈；将所述反馈与在所述第一车辆阶段期间所述第一座位内的所述生命概率进行比较；以及调整用于计算在所述第一车辆阶段期间所述第一座位内的所述生命概率的至少一个传感器输出的权重。7.根据权利要求1所述的方法，其中，所述第一组传感器中的与所述第一座位相关联的至少一个传感器是车辆包围的。8.根据权利要求1所述的方法，还包括：将所述第一座位内的所述生命概率与阈值进行比较；以及响应于所述第一座位内的所述生命概率超过所述阈值而发出生命保护行动。9.根据权利要求8所述的方法，其中，在发出所述生命保护行动之前，确定是否满足发出所述生命保护行动的条件。10.一种系统，包括：存储程序指令的存储器；以及处理器，其中所述处理器被配置为执行所述程序指令以执行一种方法，所述方法包括：在第一车辆阶段期间从与车辆内的第一座位相关联的第一组传感器收集传感器数据；以及合计与所述第一座位相关联的所述第一组传感器中的每个传感器的输出以计算在所述第一车辆阶段期间所述第一座位内的生命概率。11.根据权利要求10所述的系统，其中，在所述第一车辆阶段期间从多组传感器中的每
一个收集附加的传感器数据，每一组与所述车辆内的多个相应座位中的每一个相关联，其中，合计每个相应传感器组中的每个传感器的输出以计算在所述第一车辆阶段期间所述车辆内的每个座位的生命概率。12.根据权利要求11所述的系统，其中，每个座位的所述生命概率被合计以计算在所述第一车辆阶段期间整个车辆的生命概率。13.根据权利要求12所述的系统，其中，由所述处理器执行的所述方法还包括：通过将在所述第一车辆阶段期间所述整个车辆的生命概率与在至少一个附加车辆阶段期间所述整个车辆的生命概率进行合计来计算贯穿所述车辆的至少两个阶段的生命概率。14.根据权利要求10所述的系统，其中，至少基于另一传感器的输出并且基于所述车辆处于所述第一车辆阶段，对每个传感器的输出进行加权。15.根据权利要求10所述的系统，其中，由所述处理器执行的所述方法还包括：收集关于在所述第一车辆阶段期间所述车辆的所述第一座位内是否实际存在生命的反馈；将所述反馈与在所述第一车辆阶段期间所述第一座位内的所述生命概率进行比较；以及调整用于计算在所述第一车辆阶段期间所述第一座位内的所述生命概率的至少一个传感器输出的权重。16.根据权利要求10所述的系统，其中，与所述第一座位相关联的所述第一组传感器中的至少一个传感器是车辆包围的。17.根据权利要求10所述的系统，其中，由所述处理器执行的所述方法还包括：将所述第一座位内的所述生命概率与阈值进行比较；以及响应于所述第一座位内的所述生命概率超过所述阈值而发出生命保护行动。18.根据权利要求17所述的系统，其中，在发出所述生命保护行动之前，确定是否满足发出所述生命保护行动的条件。19.一种计算机程序产品，包括计算机可读存储介质，所述计算机可读存储介质具有随其体现的程序指令，所述程序指令能够由处理器执行以使所述处理器执行一种方法，所述方法包括：在第一车辆阶段期间从与车辆内的第一座位相关联的第一组传感器收集传感器数据；以及合计与所述第一座位相关联的所述第一组传感器中的每个传感器的输出以计算在所述第一车辆阶段期间所述第一座位内的生命概率。20.根据权利要求19所述的计算机程序产品，其中，在所述第一车辆阶段期间从多组传感器中的每一个收集附加的传感器数据，每一组与所述车辆内的多个相应座位中的每一个相关联，其中，合计每个相应传感器组中的每个传感器的输出以计算在所述第一车辆阶段期间所述车辆内的每个座位的生命概率。21.根据权利要求20所述的计算机程序产品，其中，每个座位的所述生命概率被合计以计算在所述第一车辆阶段期间整个车辆的生命概率。22.根据权利要求21所述的计算机程序产品，其中，由所述处理器执行的所述方法还包
括：通过将所述第一车辆阶段期间所述整个车辆的所述生命概率与在至少一个附加车辆阶段期间所述整个车辆的生命概率进行合计来计算贯穿所述车辆的至少两个阶段的生命概率。

技术总结
可以在第一车辆阶段期间从与车辆(135)内的第一座位(210)相关联的第一组传感器(165)收集传感器数据。可以合计第一组传感器(165)中的每个传感器的输出以计算在第一车辆阶段期间第一座位(210)内的生命概率。期间第一座位(210)内的生命概率。期间第一座位(210)内的生命概率。


技术研发人员：K
受保护的技术使用者：国际商业机器公司
技术研发日：2021.09.21
技术公布日：2023/6/29