[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

KR20240096706A - Fleet data collection using a unified model to collect data from heterogeneous vehicles - Google Patents

Fleet data collection using a unified model to collect data from heterogeneous vehicles Download PDF

Info

Publication number
KR20240096706A
KR20240096706A KR1020247018726A KR20247018726A KR20240096706A KR 20240096706 A KR20240096706 A KR 20240096706A KR 1020247018726 A KR1020247018726 A KR 1020247018726A KR 20247018726 A KR20247018726 A KR 20247018726A KR 20240096706 A KR20240096706 A KR 20240096706A
Authority
KR
South Korea
Prior art keywords
vehicle
signal
vehicles
data
fleet
Prior art date
Application number
KR1020247018726A
Other languages
Korean (ko)
Inventor
부샨 람나니
요한 마틴
플로리안 조하네스 스타들러
마이클 앤서니 알렉시크
이반 로
라구람 온티 스리니바산
수쉰 차오
아시마키스 차마루카스
돈 마커스 길렛
Original Assignee
아마존 테크놀로지스, 인크.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US17/537,320 external-priority patent/US11902374B2/en
Priority claimed from US17/548,392 external-priority patent/US20230169805A1/en
Application filed by 아마존 테크놀로지스, 인크. filed Critical 아마존 테크놀로지스, 인크.
Publication of KR20240096706A publication Critical patent/KR20240096706A/en

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30Services specially adapted for particular environments, situations or purposes
    • H04W4/40Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/20Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/207Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles with respect to certain areas, e.g. forbidden or allowed areas with possible alerting when inside or outside boundaries
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/12Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/029Location-based management or tracking services
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30Services specially adapted for particular environments, situations or purposes
    • H04W4/40Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Transportation (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mechanical Engineering (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Traffic Control Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)

Abstract

하나 이상의 컴퓨팅 디바이스를 포함하는 시스템이 차량 정보 추출 서비스를 구현한다. 차량 정보 추출 서비스는 고객들이 차량들의 플릿의 모델을 유지하고 플릿에 포함된 이종 차량들로부터 차량 정보를 수집할 수 있게 하며, 차량들은 상이한 차량 내 통신 구성들로 구성된다. 차량 정보 추출 서비스는 이종 차량들에 전송될 데이터 수집을 위한 스킴 패킷들을 자동으로 생성하며, 차량 정보 추출 서비스의 고객이 이러한 차이들을 고려할 필요 없이, 이종 차량들의 상이한 각 차량 내 통신 구성들에 따라 포맷팅된다.A system including one or more computing devices implements a vehicle information extraction service. The vehicle information extraction service allows customers to maintain a model of a fleet of vehicles and collect vehicle information from heterogeneous vehicles included in the fleet, and the vehicles are composed of different in-vehicle communication configurations. The vehicle information extraction service automatically generates scheme packets for data collection to be transmitted to heterogeneous vehicles and formats them according to the different in-vehicle communication configurations of the heterogeneous vehicles without the customer of the vehicle information extraction service having to consider these differences. do.

Figure P1020247018726
Figure P1020247018726

Description

이종 차량들로부터 데이터를 수집하기 위해 통합된 모델을 사용하는 플릿 데이터 수집Fleet data collection using a unified model to collect data from heterogeneous vehicles

자동차, 트럭, 오토바이 등과 같은 현대의 차량들은 종종 전자 센서들로 제조되고, 이러한 전자 센서들로부터의 입력들을 취하여 차량 또는 차량에서 구현되는 시스템에 대해 취해질 다양한 제어 동작들을 결정하는 제어 알고리즘들로 프로그래밍된 컴퓨터 시스템들을 포함한다. 일부 차량은 최대 70개의 이러한 전자 제어 유닛(ECU) 및 20-30개 이상의 센서 종류를 포함할 수 있다. 또한, 현대의 차량들은 이전 차량들보다 더 많은 데이터를 생성하는 센서들에 점점 더 의존하고 있다. 예를 들어, 자율 주행, 반자율 주행, 또는 자율 주행 차량은 다수의 카메라, 레이더, LiDar 센서, 오디오 마이크로폰 등을 포함할 수 있다. 이러한 센서는 상당한 양의 데이터, 예를 들어 시간당 5-10테라바이트 이상의 데이터를 생성할 수 있다. 데이터 분석을 위한 별개의 서비스로의 이러한 대량의 데이터의 전송은 사소한 문제가 아니다.Modern vehicles such as cars, trucks, motorcycles, etc. are often manufactured with electronic sensors and programmed with control algorithms that take inputs from these electronic sensors and determine various control actions to be taken for the vehicle or the systems implemented in the vehicle. Includes computer systems. Some vehicles can contain up to 70 of these electronic control units (ECUs) and 20-30 or more types of sensors. Additionally, modern vehicles increasingly rely on sensors that generate more data than their predecessors. For example, an autonomous, semi-autonomous, or self-driving vehicle may include multiple cameras, radar, LiDar sensors, audio microphones, etc. These sensors can generate significant amounts of data, for example 5-10 terabytes or more per hour. Transferring such large amounts of data to a separate service for data analysis is not a trivial problem.

추가적으로, 차량 정보는 디코딩되어야 하거나 또는 차량 특정 구성 정보에 액세스해야 하는 포맷일 수 있다. 예를 들어, 차량들이 통신하는 포맷은 차량 제조사들에 특유적일 수 있고, 이들 제조사들의 구성에 따라 상이한 차량내 통신 포맷들의 디코딩을 요구할 수 있다. 더욱이, 상이한 신호 포맷들을 이용하는 이종 차량들의 플릿에서는 상이한 신호 포맷들 및 차량내 구성을 고려하지 않고서는 데이터를 수집하는 일반적인 방식이 플릿에 대해 사용될 수 없다.Additionally, vehicle information may be in a format that requires decoding or access to vehicle specific configuration information. For example, the formats through which vehicles communicate may be specific to vehicle manufacturers and may require decoding of different in-vehicle communication formats depending on the configuration of these manufacturers. Moreover, in a fleet of heterogeneous vehicles using different signal formats, a common method of collecting data cannot be used for the fleet without taking into account the different signal formats and in-vehicle configurations.

도 1은 일부 실시예에 따라, 상이한 차량내 통신 신호 구성들에 대한 다수의 디코더 규칙들을 차량 모델 구성과 연관시킴으로써 차량들의 단일 플릿을 포함할 상이한 센서 신호 포맷들의 차량들이 데이터 수집 및 분석에 사용될 수 있게 하고/거나 플릿의 파티션, 파티션 내의 차량 수, 및 이전에 수집된 차량 정보에 기초하여 결정된 차량 환경 내의 객체들에 관한 추론에 기초하여 차량들 각각으로부터 정보가 추출될 수 있게 하는 차량 정보 추출 서비스를 예시한다.
도 2는 일부 실시예에 따라, 차량에 특유한 차량내 통신 신호 구성으로부터 차량 모델 구성을 분리하는 차량 정보 추출 서비스, 이의 다양한 부분, 및 상호작용의 보다 상세한 뷰를 예시한다.
도 3은 일부 실시예에 따라, 이종 차량 모델들의 플릿에 걸쳐 공통 데이터 수집 스킴을 사용하여 데이터를 수집하는 데 차량 신호 카탈로그를 사용하고 통합된 신호 표현이 사용될 수 있게 하는 계층적 트리 구조를 갖는 예시적인 차량 모델 구성의 그래픽 뷰를 예시한다.
도 4는 일부 실시예에 따른, 차량 정보 추출 서비스를 위한 서비스 사용자 인터페이스의 설계자 캔버스 및 관리 콘솔의 보다 상세한 뷰를 예시한다.
도 5a는 일부 실시예에 따라, 동적 차량 데이터 추출 서비스를 사용하여 플릿의 차량들로부터 추출된 정보에 대해 적용될 데이터 축소 팩터를 결정하는 차량들의 플릿의 보다 상세한 뷰를 예시하며, 이때 동적 차량 데이터 추출 서비스는 차량 환경, 차량 이동, 및 다양한 파티션으로 인해 상이한 시점들에서의 차량 밀도가 변하는 것에 기초하여 추출된 데이터의 양을 최적화한다.
도 5b는 일부 실시예에 따라, 차량 이동성 패턴들의 유사성에 기초하여 다수의 불균일한 파티션들에 대해 동적 데이터 축소를 적용하는 동적 차량 데이터 추출 서비스를 예시한다.
도 5c는 일부 실시예에 따라, 서로 중첩되고 상이한 고도에 있는 영역 내의 다수의 불균일한 파티션들에 대해 동적 데이터 축소를 적용하는 동적 차량 데이터 추출 서비스를 예시하며, 이때 중첩되는 파티션들은 차량 환경 또는 다른 환경 팩터에 기초하여 결정된다.
도 6은 일부 실시예에 따라, 차량 데이터 추출 서비스의 다양한 구성요소들, 구성요소들과 차량 이동의 상호작용, 및 데이터 추출의 각 확률에 대한 차량 이동의 영향을 예시하는 논리적 블록도를 예시한다.
도 7은 일부 실시예에 따라, 차량의 하나의 파티션으로부터 다른 파티션으로의 전이와 관련하여 차량 정보 추출 서비스에 의해 수행되는 동작들의 흐름도를 예시하고, 데이터 추출에 대한 업데이트된 확률 및/또는 데이터 축소 팩터가 전송되어야 하는지 여부를 결정하기 위한 동작들을 예시한다.
도 8은 일부 실시예에 따라, 맵을 영역들로 분할하고, 다수의 영역들에 대한 영역 경계들의 도해를 가능하게 하고, 경계들의 해상도를 변경하여 영역당 세분도 및/또는 차량 카운트를 변화시킬 수 있게 하는 차량 데이터 추출 서비스에서 사용되는 예시적인 맵을 예시한다.
도 9는 일부 실시예에 따라, 영역의 경계들을 정의하기 위해 맵을 격자 영역들로 분할하는 차량 데이터 추출 서비스의 예시적인 맵의 해상도를 변경하는 효과를 예시한다.
도 10은 일부 실시예에 따라, 차량의 버스를 통해 차량 정보를 통신하기 위해 상이한 레벨들에서 사용되는 프로토콜들의 예시적인 네트워크 스택의 차량내 통신 구성들의 보다 상세한 뷰를 예시한다.
도 11은 일부 실시예들에 따른, 차량 정보 추출 서비스에 의해 디플로이된 소프트웨어 애플리케이션에 의해 데이터 추출을 위해 모니터링될 수 있는 다수의 상이한 버스들을 포함하는 예시적인 차량을 예시한다.
도 12는 일부 실시예에 따라, 차량 정보 추출 서비스에 의해 디플로이된 애플리케이션에 의해 사용될 수 있는 저장 버퍼의 보다 상세한 뷰를 예시하며, 이때 저장 버퍼는 하나 이상의 트리거링 기준들(criteria)이 충족되는 경우 데이터 축소 팩터를 적용하고 추출에 적합한 하나 이상의 선행 시점들로부터의 데이터를 저장한다.
도 13은 일부 실시예에 따라, 다른 팩터들 중에서도, 파티션 기준 및 파티션 내의 플릿의 차량 수에 기초하여 플릿의 차량들로부터 추출될 정보의 양에 대해 데이터 축소를 적용하기 위해 차량 정보 추출 서비스에 의해 수행되는 동작들의 흐름도를 예시한다.
도 14는 일부 실시예에 따라, 차량들의 플릿에 대해 통합된 모델이 생성될 수 있게 하고, 모델에서 지정된 요청된 정보가 차량들의 이종 플릿으로부터 수집될 수 있도록 차량내 통신 구성의 변동을 자동으로 고려하는 차량 정보 추출 서비스에서 모델링 시스템을 구현하기 위한 흐름도를 예시한다.
도 15는 일부 실시예에 따라, 본 명세서에서 설명되는 기법들 중 일부 또는 전부를 구현하는 예시적인 컴퓨터 시스템을 예시하는 블록도를 예시한다.
실시예들이 본 명세서에서 몇몇 실시예 및 예시적인 도면에 대한 예로서 설명되지만, 해당 기술분야의 통상의 기술자들은 실시예들이 설명된 실시예들 또는 도면들에 제한되지 않음을 인식할 것이다. 도면들 및 그에 대한 상세한 설명은 개시된 특정 형태로 실시예들을 제한하는 것으로 의도되는 것이 아니라, 오히려 그와는 반대로, 첨부된 청구항들에 의해 정의되는 바와 같은 사상 및 범위 내에 속하는 모든 변형예, 등가예 및 대안예를 망라하도록 의도된다는 것이 이해되어야 한다. 본 명세서에 사용되는 제목들은 단지 조직화를 위함이고 설명 또는 청구항들의 범위를 제한하기 위해 사용된 것으로 여겨지지 않는다. 본 출원 전체에 걸쳐 사용될 때, 단어 "할 수 있다"는 필수적 의미(즉, 해야한다는 의미)가 아니라, 관용적 의미(즉, 가능성을 가짐을 의미)로 사용된다. 유사하게, 단어들 "포함하다", "포함하는" 및 "포함한다"는 포함하는 것을 의미하지만 이에 제한되지 않는다.
1 illustrates that vehicles of different sensor signal formats, including a single fleet of vehicles, can be used for data collection and analysis by associating a number of decoder rules for different in-vehicle communication signal configurations with a vehicle model configuration, according to some embodiments. a vehicle information extraction service that enables information to be extracted from each of the vehicles based on the partition of the fleet, the number of vehicles within the partition, and inferences about objects in the vehicle environment determined based on previously collected vehicle information. exemplifies.
2 illustrates a more detailed view of a vehicle information extraction service, various parts thereof, and interactions that separate vehicle model configuration from vehicle-specific in-vehicle communication signal configuration, according to some embodiments.
3 is an example of using a vehicle signal catalog to collect data using a common data collection scheme across a fleet of heterogeneous vehicle models and having a hierarchical tree structure that allows a unified signal representation to be used, according to some embodiments. Illustrates a graphical view of a typical vehicle model configuration.
4 illustrates a more detailed view of the designer canvas and management console of a service user interface for a vehicle information extraction service, according to some embodiments.
5A illustrates a more detailed view of a fleet of vehicles that determines a data reduction factor to be applied to information extracted from vehicles in the fleet using a dynamic vehicle data extraction service, according to some embodiments. The service optimizes the amount of data extracted based on vehicle environment, vehicle movement, and vehicle density changes at different points in time due to various partitions.
5B illustrates a dynamic vehicle data extraction service that applies dynamic data reduction to multiple non-uniform partitions based on similarity of vehicle mobility patterns, according to some embodiments.
5C illustrates a dynamic vehicle data extraction service that applies dynamic data reduction to multiple non-uniform partitions in areas that overlap each other and are at different altitudes, where the overlapping partitions are located in the vehicle environment or other environments, according to some embodiments. It is determined based on environmental factors.
6 illustrates a logical block diagram illustrating the various components of a vehicle data extraction service, the interaction of the components with vehicle movement, and the impact of vehicle movement on the respective probability of data extraction, according to some embodiments. .
7 illustrates a flow diagram of operations performed by a vehicle information extraction service in connection with a transition from one partition of a vehicle to another, updated probabilities for data extraction and/or data reduction, according to some embodiments. Operations for determining whether a factor should be transmitted are illustrated.
8 illustrates a method for partitioning a map into regions, enabling illustration of region boundaries for multiple regions, and changing the resolution of the boundaries to vary the granularity and/or vehicle count per region, according to some embodiments. Illustrates an example map used in a vehicle data extraction service that enables
9 illustrates the effect of changing the resolution of an example map of a vehicle data extraction service that divides the map into grid regions to define boundaries of the regions, according to some embodiments.
10 illustrates a more detailed view of in-vehicle communication configurations of an example network stack of protocols used at different levels to communicate vehicle information over the vehicle's bus, according to some embodiments.
11 illustrates an example vehicle including multiple different buses that can be monitored for data extraction by a software application deployed by a vehicle information extraction service, according to some embodiments.
12 illustrates a more detailed view of a storage buffer that may be used by an application deployed by a vehicle information extraction service, where the storage buffer is stored when one or more triggering criteria are met, according to some embodiments. Apply a data reduction factor and store data from one or more preceding time points suitable for extraction.
13 illustrates that a vehicle information extraction service is used to apply data reduction to the amount of information to be extracted from vehicles in a fleet based on the partition criteria and the number of vehicles in the fleet within the partition, among other factors, according to some embodiments. Illustrating a flow chart of the operations performed.
14 allows a unified model to be created for a fleet of vehicles, automatically taking into account variations in in-vehicle communication configurations so that requested information specified in the model can be collected from heterogeneous fleets of vehicles, according to some embodiments. This illustrates a flow chart for implementing a modeling system in a vehicle information extraction service.
Figure 15 illustrates a block diagram illustrating an example computer system implementing some or all of the techniques described herein, according to some embodiments.
Although embodiments are described herein by way of example for some embodiments and illustrative drawings, those skilled in the art will recognize that the embodiments are not limited to the described embodiments or drawings. The drawings and detailed description thereof are not intended to limit the embodiments to the particular form disclosed, but on the contrary, all modifications, equivalents, and alternatives falling within the spirit and scope as defined by the appended claims. It should be understood that it is intended to encompass alternatives and examples. Headings used herein are for organizational purposes only and are not intended to limit the scope of the description or claims. As used throughout this application, the word "may" is used in an idiomatic sense (i.e., having the potential) rather than in an essential sense (i.e., meaning to do). Similarly, the words “comprise,” “including,” and “including,” mean including but are not limited to.

본 명세서에서 설명되는 시스템들 및 방법들은 차량 정보 추출 서비스를 구현하고 차량 정보 추출 서비스에 의해 생성된 소프트웨어 패키지를 사용하여 차량내 데이터 모니터링 및 추출을 구현하기 위한 기술들을 포함한다. 자동차, 트럭, 오토바이 등과 같은 현대의 차량들이 더 진보됨에 따라, 차량의 연료 효율을 증가시키는 것에서부터 인공 지능(AI)을 사용하는 더 큰 자동화 정도를 향상시키는 것에 이르기까지 다양한 응용들에 활용되는 전자 센서들을 점점 더 많이 구비하고 있다. 차량들은 각각의 새로운 세대의 차량들로 기하급수적으로 더 많은 데이터를 생성하고 있고, 서로 기계적으로 구별되기 시작할 뿐만 아니라 소프트웨어에 의해 점점 더 구별된다. 더욱이, 자동차 산업에서 가장 빠르게 성장하는 추세는 종종 자율 주행 차량(AV), 고급 운전자 보조 시스템(ADAS), 및 전기 차량 기술을 수반하며, 이들 기술은 모두 종종 시간당 2 테라바이트(TB) 이상의 데이터를 생성하는 광범위한 센서를 채용한다. 또한, 점점 더 의존하는 센서들의 타입은 종종 더 많은 양의 데이터를 생성한다. 예를 들어, 현대의 차량들은 단일 고해상도 카메라가 3,500 메가비트/초 이상의 속도로 데이터를 생성할 수 있는 다수의 고해상도 카메라에 점점 더 의존하고 있다. 광대역 셀룰러 네트워크를 위한 5세대(5G) 기술 표준과 같은 무선 기술의 진보에도 불구하고, 차량 데이터를 전송하기 위한 대역폭은 각각 증가하는 수의 센서를 갖는 많은 수의 차량들을 고려하여 상당한 제한을 제기한다. 또한, 리턴을 감소시키는 법칙은 보통, 수집되는 센서 정보의 추가적인 바이트들이 이전 바이트들보다 더 작은 값을 가질 수 있는 대규모 데이터 수집에 적용된다―차량으로부터 원격 서비스로 정보를 전송하는 데 비용이 많이 드는 장벽이 있는 차량에서, 이러한 감소된 값은 직접적으로 낭비로 해석된다. 그러나, 차량 모델을 동작시킬 뿐만 아니라 계속해서 구축 및 개선하기 위해, 차량 데이터가 계속 수집될 필요가 있을 수 있다. 그러나, 수반되는 중복 데이터를 축소시키는 것은 수집된 차량 데이터를 운송 및/또는 저장하는 비용을 낮출 것이다. 차량들이 정지해 있지 않고 종종 위치를 변경하기 때문에, 단일 차량 에지 디바이스에서의 데이터 전송의 최적화는 충분하지 않을 수 있고 차량 플릿 레벨에서의 최적화가 요구될 수 있다.Systems and methods described herein include techniques for implementing a vehicle information extraction service and implementing in-vehicle data monitoring and extraction using a software package generated by the vehicle information extraction service. As modern vehicles such as cars, trucks, motorcycles, etc. become more advanced, electronics are utilized for a variety of applications ranging from increasing the fuel efficiency of vehicles to enabling greater degrees of automation using artificial intelligence (AI). We are equipped with more and more sensors. Vehicles are generating exponentially more data with each new generation of vehicles, and are beginning to become not only mechanically distinct from one another, but increasingly by software. Moreover, the fastest-growing trends in the automotive industry often involve autonomous vehicles (AV), advanced driver assistance systems (ADAS), and electric vehicle technologies, all of which often consume more than two terabytes (TB) of data per hour. It employs a wide range of sensors to generate Additionally, the types of sensors we increasingly rely on often generate larger amounts of data. For example, modern vehicles increasingly rely on multiple high-resolution cameras, where a single high-resolution camera can generate data at speeds of more than 3,500 megabits per second. Despite advances in wireless technology, such as fifth generation (5G) technology standards for broadband cellular networks, the bandwidth for transmitting vehicle data poses significant limitations considering the large number of vehicles, each with an increasing number of sensors. . Additionally, the law of diminishing returns usually applies to large-scale data collections, where additional bytes of sensor information collected may have smaller values than previous bytes—transferring information from the vehicle to a remote service is expensive. In vehicles with barriers, these reduced values translate directly into waste. However, vehicle data may need to be continuously collected to operate the vehicle model as well as to continually build and improve it. However, reducing the redundant data involved will lower the cost of transporting and/or storing collected vehicle data. Because vehicles are not stationary and often change location, optimization of data transmission at a single vehicle edge device may not be sufficient and optimization at the vehicle fleet level may be required.

차량들의 플릿에 대한 차량 에지 디바이스에서의 데이터 수집의 최적화는 수집된 데이터가 개별 차량들로부터 수집되는 것이 아니라 전체적으로 차량들의 플릿으로부터 수집되는 것으로 고려함으로써 달성될 수 있다. 현실 세계에서, 차량들은 종종 군집들 또는 물결들로 이동하고, 구조화되고 동일하게 유지되는 환경의 많은 양태들과 상호작용하며, 이는 (예컨대, 군집 또는 물결의) 차량들로부터의 센서들이 종종 중복되는 데이터를 획득하게 한다. 일부 실시예에서, 차량들의 군집 또는 물결은 공통 특성들을 공유하는 차량들을 지칭할 수 있다. 예를 들어, 오전 러시아워 동안, 고속도로 상에서 동일한 방향으로 향하는 차선들의 세트에서 주행하는 차량들의 세트는 차량들의 군집으로서 함께 이동할 수 있다. 다른 예로서, 적색광이 녹색으로 변화하는 것에 응답하여 정지 위치로부터 가속하는 차량들의 세트는 차량들의 물결로서 함께 이동할 수 있다. 차량들의 군집 또는 물결의 일부로서 간주될 때 차량들로부터 수집된 센서 데이터의 많은 세트들은 중복된 것으로 추정될 수 있고, 중복 데이터 수집을 피하기 위해, 이 차량 센서 데이터의 상당한 양이 데이터 프로세싱 서비스로 전송되는 것을 생략할 수 있다. 이러한 데이터 축소는 수집된 차량 정보를 보고하기 위해 차량들에 의해 사용되는 네트워크의 대역폭 상에 배치되는 부하를 감소시킬 수 있고, 센서 데이터를 저장 및 프로세싱하는 데 필요한 자원들을 감소시킬 수 있다. 예를 들어, 동일한 지리적 위치 및 시간 기간 내에 있거나 또는 그 주위에 있는 차량들의 군집 또는 물결은 각각 온도 센서로 유사한 온도들을 검출할 것이다. 온도 데이터는 중복된 것으로 가정될 수 있고, 데이터 추출 서비스는 온도 데이터를 송신하기 위해 군집 또는 물결의 차량들의 서브세트만을 필요로 할 수 있다. 차량 데이터 수집의 이러한 최적화는 다양한 ECU 센서, 이미지 센서 등과 같은 다른 타입의 센서로 확장될 수 있다. 일부 실시예에서, 데이터 수집이 적용될 차량들의 플릿은 고객에 의해 특정될 수 있고, 이종 타입의 차량들을 포함할 수 있다. 일부 실시예에서, 플릿은 "제조", "모델" 등과 같은 차량과 연관된 기준들에 기초하여 정의될 수 있다. 일부 실시예에서, 플릿의 구성원들은 더 많은 제조사 또는 모델들이 플릿으로부터 추가되거나 제거됨에 따라 조정될 수 있다.Optimization of data collection at a vehicle edge device for a fleet of vehicles can be achieved by considering the data collected as being collected from the fleet of vehicles as a whole rather than from individual vehicles. In the real world, vehicles often move in swarms or waves and interact with many aspects of the environment being structured and remaining the same, which means that sensors from the vehicles (e.g. in a swarm or wave) often overlap. obtain data. In some embodiments, a cluster or wave of vehicles may refer to vehicles that share common characteristics. For example, during the morning rush hour, sets of vehicles traveling in the same set of lanes heading in the same direction on a highway may move together as a conglomerate of vehicles. As another example, a set of vehicles accelerating from a rest position in response to red light changing to green may move together as a wave of vehicles. Many sets of sensor data collected from vehicles can be assumed to be redundant when considered as part of a swarm or wave of vehicles, and to avoid redundant data collection, a significant amount of this vehicle sensor data is sent to a data processing service. It can be omitted. This data reduction can reduce the load placed on the bandwidth of the network used by vehicles to report collected vehicle information and reduce the resources needed to store and process sensor data. For example, a cluster or wave of vehicles within or around the same geographic location and time period will each detect similar temperatures with a temperature sensor. Temperature data may be assumed to be redundant, and the data extraction service may require only a subset of vehicles in a swarm or wave to transmit temperature data. This optimization of vehicle data collection can be extended to other types of sensors, such as various ECU sensors, image sensors, etc. In some embodiments, the fleet of vehicles for which data collection will be applied may be specified by the customer and may include heterogeneous types of vehicles. In some embodiments, fleets may be defined based on criteria associated with vehicles such as “make,” “model,” etc. In some embodiments, members of a fleet may adjust as more makes or models are added or removed from the fleet.

일부 실시예에서, 차량의 지리적 위치는 다양한 방식들로 결정될 수 있다. 예를 들어, 일부 실시예에서, GPS(global positioning system)가 사용될 수 있거나 또는 GNSS(global navigation satellite system)가 사용될 수 있다. 또한, 일부 실시예에서, 차량은 컴퓨터 비전, LiDar, 차량 주행 거리계 등을 사용하는 것과 같은 로컬 센서 및/또는 알고리즘을 사용하여 자신의 위치를 결정하거나 업데이트할 수 있다. 일부 실시예에서, 개시된 시스템들은 특정 위치 정확도를 요구하지 않고서 적절하게 기능할 수 있다. 예를 들어, 파티션들은 다른 차량들 및 관심 대상체들에 대한 상대적인 위치들에 기초하여 형성될 수 있고, 차량 위치 정보를 제공하는 시스템에 의해 실제 위치 정확도가 달성되지 않더라도 적절하게 기능할 것이다.In some embodiments, the geographic location of a vehicle may be determined in a variety of ways. For example, in some embodiments, a global positioning system (GPS) may be used or a global navigation satellite system (GNSS) may be used. Additionally, in some embodiments, a vehicle may determine or update its location using local sensors and/or algorithms, such as using computer vision, LiDar, vehicle odometer, etc. In some embodiments, the disclosed systems may function properly without requiring specific location accuracy. For example, partitions can be formed based on positions relative to other vehicles and objects of interest, and will function properly even if actual location accuracy is not achieved by the system providing vehicle location information.

예를 들어, 도로를 따라 주행하는 차량들의 군집 또는 물결은 동일하거나 유사한 환경 객체들 중 다수와 마주칠 수 있으며, 이는 중복된 것으로 간주될 수 있는 사진들이 캡처될 수 있게 할 수 있다. 또한, 유사한 이동성 패턴을 보여주거나 유사한 환경 팩터에 직면하는 임의의 차량은 많은 수의 중복 데이터 조각을 반환하는 것으로 가정될 수 있다. 차량 정보 추출 서비스는 환경에 관한 추론을 하고 차량들의 특정 파티션 내의 차량들이 중복 데이터의 조각들을 반환할 가능성을 계산하기 위해, 차량들의 플릿에 의해 획득된 이미지 또는 다른 정보를 포함하는 다양한 소스들로부터 집계된 데이터를 사용할 수 있다. 리턴된 중복 데이터의 조각들의 수를 감소시키기 위해, 차량들의 플릿의 모델이 생성될 수 있고, 축소 팩터를 결정하기 위해 해당 파티션의 플릿의 차량들의 밀도가 획득될 수 있다. 이 축소 팩터는 차량 스킴 패킷을 사용하여 차량에 전달될 수 있다. 차량 스킴 패킷은 소정의 차량이 특정 타입의 센서 데이터를 송신할 확률을 소정의 차량에 표시할 수 있다. 특정 타입의 센서 데이터가 전송될 축소 팩터/확률은 소정의 차량에 대한 다양한 타입의 센서들 간에 그리고/또는 상이한 차량들에 속하는 상이한 차량들 간에 상이할 수 있다. 일부 실시예에서, 동적 데이터 추출 서비스의 고객은 고객에 의해 운영되거나 또는 관리되는 차량들의 플릿으로부터 데이터를 수집하기를 원할 수 있다. 또한, 일부 실시예에서, 플릿의 차량들은 상이한 파티션들, 일부 실시예에서, 동적 데이터 축소 및/또는 차량 데이터 추출 서비스에 참여하고 있는 다른 플릿의 차량 및/또는 플릿의 각각의 차량의 군집 또는 물결과 같은 거동에 기초하여 결정될 수 있다.For example, a cluster or wave of vehicles traveling along a road may encounter many of the same or similar environmental objects, which may result in photos being captured that may be considered duplicates. Additionally, any vehicle that shows similar mobility patterns or faces similar environmental factors can be assumed to return a large number of duplicate data pieces. The vehicle information extraction service aggregates from various sources, including images or other information acquired by a fleet of vehicles, to make inferences about the environment and calculate the likelihood that vehicles within a particular partition of vehicles will return pieces of duplicate data. data can be used. To reduce the number of pieces of redundant data returned, a model of a fleet of vehicles can be created, and the density of vehicles in the fleet of that partition can be obtained to determine a reduction factor. This reduction factor can be communicated to the vehicle using the vehicle scheme packet. A vehicle scheme packet may indicate to a given vehicle the probability that the given vehicle will transmit a particular type of sensor data. The reduction factor/probability that a particular type of sensor data will be transmitted may differ between different types of sensors on a given vehicle and/or between different vehicles belonging to different vehicles. In some embodiments, a customer of a dynamic data extraction service may wish to collect data from a fleet of vehicles operated or managed by the customer. Additionally, in some embodiments, vehicles in a fleet may be partitioned into different partitions, in some embodiments, clusters or waves of each vehicle in a fleet and/or vehicles in another fleet participating in the dynamic data reduction and/or vehicle data extraction service. It can be determined based on behavior such as .

상이한 차량내 통신 포맷들로 구성된 차량들의 플릿의 데이터를 모델링, 수집, 및 저장할 수 있게 하는 차량 데이터 추출 서비스는 데이터 수집을 위한 더 큰 유연성 및 능력들을 가능하게 할 수 있다. 고객 차량으로부터 차량 데이터를 추출하는 데 있어서 하나의 문제는 차량 데이터 수집, 모델 생성, 및 분석을 위한 장벽을 생성하는 상이한 차량내 통신 포맷을 갖는 차량들의 상이한 모델들로부터 발생한다. 예를 들어, 하나의 차량 속도 정보는 차량의 엔진 제어 유닛(ECU)이 CAN(Connected Area Network) 버스를 통해 연결되는 차량 모델에서 이용가능할 수 있는 반면, 다른 차량에서는 속도 정보가 ECU가 이더넷을 통해 연결되는 상이한 모델에서 이용가능할 수 있다. 일부 실시예에서, 개별 차량들에 특유한 차량내 통신 신호 구성으로부터 차량 모델 구성을 분리하는 개시된 차량 데이터 추출 서비스는 이 문제를 극복한다.A vehicle data extraction service that allows modeling, collecting, and storing data from a fleet of vehicles configured with different in-vehicle communication formats may enable greater flexibility and capabilities for data collection. One challenge in extracting vehicle data from customer vehicles arises from different models of vehicles having different in-vehicle communication formats, creating barriers for vehicle data collection, model creation, and analysis. For example, in one vehicle speed information may be available in a vehicle model in which the vehicle's engine control unit (ECU) is connected via a Connected Area Network (CAN) bus, while in another vehicle the speed information may be available in a vehicle where the ECU is connected via Ethernet. It may be available in different models that are connected. In some embodiments, the disclosed vehicle data extraction service, which separates vehicle model configuration from in-vehicle communication signal configuration specific to individual vehicles, overcomes this problem.

개별 차량에 특유한 차량내 통신 신호 구성으로부터 차량 모델 구성을 분리하는 것은 또한, 상이한 사용자들이 모델의 상이한 부분들에서 독립적으로 작업할 수 있게 하고, 통합된 신호 표현들이 차량 모델들의 이종 플릿에 걸쳐 사용될 수 있게 한다. 예를 들어, 각각의 타입의 차량들의 디코더 규칙들에 표현된 차량내 통신 신호 구성으로부터 모델 구성으로 표현된 차량의 신호 포맷을 분리함으로써, 다양한 디코더 규칙들을 가질 수 있는 차량 모델에 상관없이 단일 분석 애플리케이션이 사용될 수 있다. 본 명세서에서 사용되는 바와 같은 "디코더 규칙"은 신호들의 디코딩에 관련된 임의의 규칙을 포함하고, "디코딩 규칙" 및/또는 "신호 디코딩 규칙"과 상호교환적으로 사용될 수 있다. 또한, 차량으로부터 데이터를 수집하는 시기 및 방법에 대한 규칙을 정의하는 데이터 수집 구성을 적용하기 위해 실행되는 단일 워크플로우가 이러한 서비스에서의 이종 차량 모델들의 플릿에 걸쳐 실행될 수 있다.Separating vehicle model configuration from in-vehicle communication signal configuration specific to individual vehicles also allows different users to work independently on different parts of the model, and unified signal representations can be used across a heterogeneous fleet of vehicle models. let it be For example, by separating the vehicle's signal format, expressed in model configuration, from the in-vehicle communication signal configuration expressed in the decoder rules of each type of vehicle, a single analysis application is possible regardless of vehicle model, which may have different decoder rules. This can be used. As used herein, “decoder rules” includes any rules related to the decoding of signals and may be used interchangeably with “decoding rules” and/or “signal decoding rules.” Additionally, a single workflow executed to apply a data collection configuration that defines rules for when and how to collect data from vehicles can be executed across a fleet of heterogeneous vehicle models in this service.

도 1은 일부 실시예에 따라, 상이한 차량내 통신 신호 구성들을 갖는 다수의 디코더 규칙들을 차량 모델 구성과 연관시킴으로써 차량들의 단일 플릿을 포함할 상이한 센서 신호 포맷들의 차량들이 데이터 수집 및 분석에 사용될 수 있게 하고/거나 플릿의 파티션, 파티션 내의 차량 수, 및 차량 환경의 추론에 기초한 추론에 기초하여 차량들 각각으로부터 정보가 추출될 수 있게 하는 차량 정보 추출 서비스를 예시한다. 파티션, 차량 카운트 및/또는 차량 환경에 기초한 추출은 중복 데이터 수집이 감소되도록, 수집된 데이터에 동적 데이터 축소가 적용될 수 있다.1 relates a number of decoder rules with different in-vehicle communication signal configurations to a vehicle model configuration so that vehicles of different sensor signal formats that may comprise a single fleet of vehicles can be used for data collection and analysis, according to some embodiments. and/or illustrates a vehicle information extraction service that allows information to be extracted from each of the vehicles based on inferences based on the partition of the fleet, the number of vehicles in the partition, and inference of the vehicle environment. Extractions based on partition, vehicle count, and/or vehicle environment may have dynamic data reduction applied to the collected data such that redundant data collection is reduced.

시스템(100)은 차량 정보 추출 서비스(102) 및 차량(142, 143, 144)에 연결된 네트워크(116)를 포함한다. 차량들(142, 143, 및 144)은 이종 차량들 신호 포맷들을 사용하여 구성되지만, 이들은 단일 플릿에 포함될 수 있다. 일부 실시예에서, 네트워크(116)는 임의의 수의 차량들에 연결될 수 있고, 플릿의 차량들의 이질성은 상이한 OEM(Original Equipment Manufacturer)에 속하는 차량들로부터 발생할 수 있다. 다른 실시예에서, 차량들은 균질한 차량 신호 포맷을 가질 수 있다. 또한, 고객(122a 내지 122n)은 네트워크(116)를 통해 차량 정보 추출 서비스에 연결된다. 일부 실시예에서, 고객들(122a 내지 122n)은 차량 공급자들 또는 차량 구성요소 공급자들(예를 들어, 차량 OEM(Original Equipment Manufacturer) 및/또는 계층 1, 계층 2, 또는 계층 3 부품 공급자들)일 수 있다. 네트워크(116)는 차량 정보 추출 서비스(102)를 호스팅하는 서비스 제공자 네트워크에 대한 직접 연결 연결과 같은 사설 또는 공중 네트워크 또는 인터넷 연결일 수 있다. 네트워크(116)는 또한 셀룰러 네트워크, Wi-Fi 네트워크 또는 다른 무선 네트워크와 같은 무선 네트워크일 수 있다.System 100 includes a vehicle information extraction service 102 and a network 116 connected to vehicles 142 , 143 , and 144 . Vehicles 142, 143, and 144 may be configured using heterogeneous vehicle signal formats, but they may be included in a single fleet. In some embodiments, network 116 may connect any number of vehicles, and heterogeneity of vehicles in the fleet may result from vehicles belonging to different original equipment manufacturers (OEMs). In another embodiment, vehicles may have uniform vehicle signal formats. Additionally, customers 122a to 122n are connected to the vehicle information extraction service through the network 116. In some embodiments, customers 122a - 122n are vehicle suppliers or vehicle component suppliers (e.g., vehicle original equipment manufacturers (OEMs) and/or Tier 1, Tier 2, or Tier 3 component suppliers). You can. Network 116 may be a private or public network or Internet connection, such as a direct connect connection to a service provider network hosting vehicle information extraction service 102. Network 116 may also be a wireless network, such as a cellular network, Wi-Fi network, or other wireless network.

일부 실시예에서, 차량 정보 추출 서비스(102)는 도 3에서 더 논의되는 바와 같이 제어 평면(104), 데이터 스토리지(114), 및 데이터 평면(112)을 포함할 수 있다. 제어 평면(104)은 고객들(122a, 122n)이 차량을 등록하고, 차량을 모델링하고, 단일 차량 또는 차량단에 걸친 데이터 수집 워크플로우를 관리할 수 있게 한다. 데이터 평면(112)은 원시 차량 데이터의 입수, 데이터의 디코딩, 및 차량 데이터의 저장 및/또는 검색을 위한 프로세싱 파이프라인으로서 역할을 한다. 일부 실시예에서, 차량 정보 추출 서비스(102)의 다양한 구성요소들은 서브시스템들의 확장성 및 처리량 요건들을 독립적으로 관리하기 위해 분산형 및/또는 분리된 포맷을 갖는 다양한 서브시스템들로 더 분할될 수 있다. 데이터 평면(112)은 또한 제어 평면(104)에 의해 유지되는 다양한 차량의 모델 구성 및 디코더 규칙과 같은 구성을 사용하여 차량(142, 143, 144)으로부터 획득된 추출된 차량 데이터(148)를 디코딩하고 풍부하게 할 수 있다. 일부 실시예에서, 차량 정보 추출 서비스(102) 및 차량 정보 추출 서비스(102) 내의 다양한 서브시스템들은 데이터 평면(112)이 정전 또는 프로세싱 오류로부터의 복구와 같은 이벤트들에서 트래픽의 급격한 버스트로 제어 평면(104)을 압도하는 것을 방지하기 위해 상이한 환경들에서 분리되고 유지될 수 있다. 고객들(122a, 122n)은 추출 서비스 요청(118, 120)을 통해 차량 모델링, 차량 센서 테스트, 차량 자산 등록, 차량 플릿 정의, 및 데이터 수집 스킴 관리를 수행하도록 제어 평면(104)과 상호작용한다.In some embodiments, vehicle information extraction service 102 may include control plane 104, data storage 114, and data plane 112, as further discussed in FIG. 3. Control plane 104 allows customers 122a, 122n to register vehicles, model vehicles, and manage data collection workflows for a single vehicle or across a fleet. Data plane 112 serves as a processing pipeline for obtaining raw vehicle data, decoding the data, and storing and/or retrieving the vehicle data. In some embodiments, the various components of vehicle information extraction service 102 may be further partitioned into various subsystems with a distributed and/or separate format to independently manage the scalability and throughput requirements of the subsystems. there is. Data plane 112 also decodes extracted vehicle data 148 obtained from vehicles 142, 143, and 144 using constructs such as decoder rules and model constructs of various vehicles maintained by control plane 104. and can be enriched. In some embodiments, vehicle information extraction service 102 and various subsystems within vehicle information extraction service 102 may cause data plane 112 to respond to sudden bursts of traffic during events such as recovery from a power outage or processing error. (104) can be separated and maintained in different environments to prevent overwhelm. Customers 122a and 122n interact with control plane 104 to perform vehicle modeling, vehicle sensor testing, vehicle asset registration, vehicle fleet definition, and data collection scheme management through extraction service requests 118 and 120.

일부 실시예에서, 제어 평면(104)은 추출 서비스 요청들(118)을 수행하기 위해 차량 식별정보 레지스트리(110), 데이터 수집 스킴 제어기(108), 및 서비스 사용자 인터페이스(106)를 포함할 수 있다. 서비스 사용자 인터페이스(106)는 도 4에서 추가로 논의되는 바와 같은 설계자 캔버스 및 관리 콘솔을 포함할 수 있다. 일부 실시예에서, 고객들은 고객이 설계한 구성요소들(예컨대, 차량 공급자 및/또는 차량 구성요소 공급자) 및/또는 연관된 독점 액세스 크리덴셜 파일로부터 버스를 통해 차량 정보를 통신하기 위해 사용되는 인코딩 포맷들 및 독점 프로토콜들을 설명하는 사전 파일을 제공할 수 있다. 예를 들어, 고객(122a, 122n)은 원시 차량 데이터를 물리적 측정치로 디코딩하는 데 사용되는 디코더 규칙을 포함하는 추출 서비스 요청(118, 120)을 제공할 수 있으며, 이를테면 CAN 데이터베이스(CAN DBC)가 차량의 CAN 버스 프레임으로부터의 원시 데이터를 엔진 속도, 레이더 진폭 등과 같은 물리적 신호로 디코딩하는 데 사용될 수 있다. 일부 실시예에서, 추출 서비스 요청들(118, 120)은 플릿의 차량들로부터의 데이터의 수집을 위한 규칙들을 정의하는 데이터 수집 스킴들을 포함할 수 있다. 데이터 수집 스킴은 차량 센서 정보에 대한 추출 기준(본 명세서에서 "데이터 추출 기준"이라고도 함)을 나타낼 수 있고, 도 5a 내지 도 5c에서 더 논의되는 바와 같이 중복 데이터를 축소시킴으로써 데이터 축소 및/또는 수집 최적화를 제어하는 규칙을 정의할 수 있다. 추출 기준을 포함하는 디코더 규칙 및 데이터 수집 스킴은 도 1에서 동일한 시스템의 일부인 것으로 도시되어 있음을 유의한다. 그러나, 일부 실시예에서, 디코더 규칙들 및 데이터 수집 스킴은 개별적으로 사용될 수 있다.In some embodiments, control plane 104 may include a vehicle identification registry 110, a data collection scheme controller 108, and a service user interface 106 to perform extraction service requests 118. . Service user interface 106 may include a designer canvas and management console as further discussed in FIG. 4 . In some embodiments, customers may use the encoding format used to communicate vehicle information over the bus from customer-designed components (e.g., vehicle supplier and/or vehicle component supplier) and/or associated proprietary access credential files. Dictionary files describing the protocols and proprietary protocols can be provided. For example, customers 122a, 122n may provide extraction service requests 118, 120 containing decoder rules used to decode raw vehicle data into physical measurements, such as a CAN database (CAN DBC). It can be used to decode raw data from the vehicle's CAN bus frames into physical signals such as engine speed, radar amplitude, etc. In some embodiments, extraction service requests 118, 120 may include data collection schemes that define rules for collection of data from the fleet's vehicles. A data collection scheme may represent extraction criteria (also referred to herein as “data extraction criteria”) for vehicle sensor information, and may reduce and/or collect data by reducing redundant data, as further discussed in FIGS. 5A-5C. You can define rules that control optimization. Note that the decoder rules and data collection scheme, including the extraction criteria, are shown in Figure 1 as being part of the same system. However, in some embodiments, the decoder rules and data collection scheme may be used separately.

일부 실시예에서, 제어 평면(104)의 차량 식별정보 레지스트리(110)는 플릿 내의 차량의 식별정보들의 레지스트리를 관리하기 위한 생성, 판독, 업데이트, 및 삭제(CRUD) 애플리케이션 프로그래밍 인터페이스(API)를 제공할 수 있다. 차량 식별 레지스트리(110)는 차량 식별정보(차량 ID)를 키로서 갖는 키 값 레코드를 저장할 수 있고, 차량 제조사, 차량 모델, 및 위치, 공사 날짜, 엔진 타입, 연료 타입 등과 같은 값으로서 다른 차량 속성들을 저장할 수 있다. 모델링 서비스를 사용하여 생성되는 차량 모델은 또한 유사한 튜플 포맷으로 연관될 수 있다. 차량 식별 레지스트리(110)는 차량 식별 인증서의 회전 및 해지를 용이하게 할 뿐만 아니라 소유권 변경을 용이하게 할 수 있다. 다른 실시예에서, 고객들(122a, 122n)은 자신의 인증 기관(CA)을 사용하여 플릿의 차량들(142, 143, 144)을 온보딩하고 차량 식별 인증서 회전 및 해지를 관리할 수 있다. 일부 실시예에서, 제어 평면(104)(110)은 고객의 CA에 의해 서명된 인증서들을 인증할 수 있다. 차량 식별정보 레지스트리(110)는 또한, 고객들(122a, 122n)에 의해 소정의 플릿 규칙들에 의해 규정된 다양한 기준들에 기초하여 차량들을 플릿들로 그룹화하는 것을 용이하게 할 수 있다. 플릿 규칙은 차량들의 플릿을 함께 그룹화하기 위해 임의의 수 및/또는 차량 속성의 조합을 사용할 수 있다. 예를 들어, 플릿 규칙은 도시 또는 주와 같은 특정 지리적 영역에서 모든 차량들의 플릿을 생성하거나 특정 차량 제조사 및 모델을 타겟팅하는 플릿을 생성할 수 있다. 차량 식별정보 레지스트리(110)는 플릿의 차량들이 추가, 제거, 또는 업데이트됨에 따라 다양한 플릿들 모두의 상태를 유지한다.In some embodiments, vehicle identity registry 110 of control plane 104 provides a create, read, update, and delete (CRUD) application programming interface (API) for managing a registry of vehicle identities within a fleet. can do. The vehicle identification registry 110 may store a key value record having vehicle identification information (vehicle ID) as a key, vehicle manufacturer, vehicle model, and other vehicle attributes as values such as location, construction date, engine type, fuel type, etc. You can save them. Vehicle models created using a modeling service may also be associated in a similar tuple format. The vehicle identification registry 110 may facilitate rotation and revocation of vehicle identification certificates as well as change of ownership. In another embodiment, customers 122a, 122n may use their own certificate authority (CA) to onboard vehicles 142, 143, 144 in the fleet and manage vehicle identification certificate rotation and revocation. In some embodiments, control plane 104, 110 may authenticate certificates signed by the customer's CA. Vehicle identification registry 110 may also facilitate grouping of vehicles into fleets by customers 122a and 122n based on various criteria defined by certain fleet rules. Fleet rules may use any number and/or combination of vehicle attributes to group fleets of vehicles together. For example, a fleet rule can create a fleet of all vehicles in a specific geographic area, such as a city or state, or create a fleet that targets specific vehicle makes and models. The vehicle identification information registry 110 maintains the status of all of the various fleets as vehicles in the fleet are added, removed, or updated.

일부 실시예에서, 데이터 수집 스킴 제어기(108)는 고객들(122a, 122n)이 단일 차량 또는 차량들의 플릿에 대한 데이터 수집 스킴들을 정의 및 관리하고, 다양한 차량 데이터가 차량내 컴퓨팅 디바이스(들)(150)로부터 전송되는 조건들을 관리할 수 있게 할 수 있다. 데이터 수집 스킴 제어기(108)는 차량들(142, 143, 144)이 다양한 센서들에 의해 수집된 다양한 정보를 언제, 어디서, 어떻게 전송할지를 결정하기 위해 사용하는 규칙을 정의하는 차량 구성(146)을 포함하는 데이터 수집 스킴 패킷들을 생성한다. 이어서, 데이터 수집 스킴 제어기(108)는 차량의 모델 구성에 대해 계획을 검증하고, 고객 정의 우선순위들에 기초하여 방식들에 걸친 충돌들을 해결한다. 차량 스킴이 플릿에 적용된다고 결정된다면, 데이터 수집 스킴 제어기(108)는 차량 통신 인터페이스(180)와 함께 작동하여 플릿의 지정된 차량에 방식을 적용할 수 있다. 일부 실시예에서, 중복 데이터를 축소시키기 위한 데이터 축소 팩터의 세부사항들은 고객(122a, 122n)에 의해 결정될 수 있고, 데이터 수집 스킴 제어기(108)를 사용하여 차량 스킴에 적용될 수 있다. 일부 실시예에서, 데이터 수집 스킴 제어기(108)는 증가된 전파 속도로 인한 에러 없이 플릿에 걸쳐 스킴을 안전하게 전파하기 위해 속도 제어를 적용한다. 오류들은 차량내 컴퓨팅 디바이스(들)(150)에 의해 공개된 건강 메트릭들을 모니터링함으로써 그리고/또는 차량들(142, 143, 144)과 차량 통신 인터페이스(180) 사이의 활성 차량 연결들을 모니터링함으로써 검출될 수 있다. 일부 실시예에서, 데이터 수집 스킴은 차량 엔진 타입 및 다른 차량 모델 파라미터/속성과 같은 차량 속성들에 기초하여 차량내 컴퓨팅 디바이스(들)(150)의 데이터를 필터링하기 위한 (예를 들어, 데이터 축소를 수행하는) 맞춤화된 규칙들을 정의할 수 있다. 일부 실시예에서, 차량 스킴 패킷들은 센서 데이터의 하나 이상의 조각들이 전송되는 케이던스(예를 들어, 매 5분마다), 스케줄 또는 지속기간(예를 들어, 현재 시간에서 20분까지), 및 트리거 이벤트(예를 들어, 차량의 임계 브레이크 속도 또는 차선으로부터의 차량의 이탈)를 포함할 수 있다. 일부 실시예에서, 트리거 이벤트는 하트비트일 수 있고, 데이터 전파는 고정된 케이던스에서 연속적으로 발생할 수 있다.In some embodiments, data collection scheme controller 108 allows customers 122a, 122n to define and manage data collection schemes for a single vehicle or fleet of vehicles, and allows various vehicle data to be stored on in-vehicle computing device(s) 150. ) can be used to manage the conditions transmitted from. The data collection scheme controller 108 configures a vehicle configuration 146 that defines the rules the vehicles 142, 143, and 144 use to determine when, where, and how to transmit the various information collected by the various sensors. Generate data collection scheme packets containing The data collection scheme controller 108 then verifies the plan against the vehicle's model configuration and resolves conflicts across schemes based on customer-defined priorities. If it is determined that a vehicle scheme applies to the fleet, the data collection scheme controller 108 may operate in conjunction with the vehicle communication interface 180 to apply the scheme to the designated vehicles in the fleet. In some embodiments, details of a data reduction factor to reduce redundant data may be determined by the customer 122a, 122n and applied to the vehicle scheme using the data collection scheme controller 108. In some embodiments, data collection scheme controller 108 applies rate control to safely propagate the scheme across flits without errors due to increased propagation speed. Errors may be detected by monitoring health metrics published by in-vehicle computing device(s) 150 and/or by monitoring active vehicle connections between vehicles 142, 143, 144 and vehicle communication interface 180. You can. In some embodiments, a data collection scheme may be used to filter data from in-vehicle computing device(s) 150 (e.g., data reduction) based on vehicle attributes, such as vehicle engine type and other vehicle model parameters/attributes. You can define customized rules that perform . In some embodiments, vehicle scheme packets specify the cadence (e.g., every 5 minutes) at which one or more pieces of sensor data are transmitted, the schedule or duration (e.g., from the current time to 20 minutes), and a trigger event. (eg, the vehicle's critical braking speed or the vehicle's departure from the lane). In some embodiments, the trigger event may be a heartbeat and data propagation may occur continuously at a fixed cadence.

일부 실시예에서, 디코더 규칙들은 차량 스킴 패킷들을 통해 및/또는 별개의 매니페스트/구성을 통해 차량들에 전송될 수 있다. 디코더 규칙들은 센서 데이터를 디코딩하는데 필요한 파라미터들을 제공하는데, 이를테면 프로토콜 명칭, 버스 표준,(예를 들어, CAN 버스 표준), 센서가 멀티플렉싱되는 메시지에 대한 메시지 ID, 스케일, 오프셋 등을 제공한다.In some embodiments, decoder rules may be sent to vehicles via vehicle scheme packets and/or via a separate manifest/configuration. Decoder rules provide the parameters needed to decode sensor data, such as protocol name, bus standard (e.g. CAN bus standard), message ID, scale, offset, etc. for the message the sensor is multiplexing.

일부 실시예에서, 디코더 규칙들은 클라우드 기반 구현과 같은 원격 위치에서 필요한 신호들을 디코딩하기 위해 차량 정보 추출 서비스(102)에 의해 사용될 수 있다. 다른 실시예에서, 디코더 규칙들은 차량 정보 추출 서비스(102)가 아니라, 차량 정보 추출 서비스(102)에 디코딩된 신호를 전송하기 위해 차량(또는 다른 차량 에지 디바이스)의 차량내 컴퓨팅 디바이스(150)에 적용될 수 있다. 일부 실시예에서, 원하는 차량 플릿은 이종 타입의 차량을 포함할 수 있고, 모델 구성은 (이종 타입에 대해 디코딩 규칙이 상이한 경우) 다수의 디코더 규칙을 포함할 수 있다. 예를 들어, 디코더 규칙 A(162), 디코더 규칙 B(163), 및 디코더 규칙 C(164)는 상이한 신호 의미론을 갖는 각각의 차량(142, 143, 144)에 전송될 수 있다. 일부 실시예에서, 각각의 디코더 규칙들의 세트는 모델 구성에서의 모든 신호들에 대한 디코딩 규칙들을 제공한다. 모델 구성 및 디코더 규칙들은 일대다 관계를 가질 수 있으며, 여기서, 다수의 디코더 규칙들(예를 들어, 디코더 규칙들 A(162), 디코더 규칙들 B(163), 및 디코더 규칙들 C(164))은 단일 모델 구성과 연관될 수 있다. 이러한 일대다 관계는 차량내 네트워크 토폴로지 및/또는 차량의 소정의 차량에서 사용되는 기술에 관계없이 동일한 신호 의미론이 데이터 수집 및 분석을 위해 사용될 수 있게 한다.In some embodiments, decoder rules may be used by vehicle information extraction service 102 to decode signals as needed in a remote location, such as a cloud-based implementation. In another embodiment, the decoder rules are applied to the in-vehicle computing device 150 of the vehicle (or other vehicle edge device) to transmit the decoded signal to the vehicle information extraction service 102, rather than to the vehicle information extraction service 102. It can be applied. In some embodiments, a desired vehicle fleet may include heterogeneous types of vehicles, and the model configuration may include multiple decoder rules (if the decoding rules are different for the heterogeneous types). For example, decoder rule A 162, decoder rule B 163, and decoder rule C 164 may be sent to each vehicle 142, 143, and 144 with different signal semantics. In some embodiments, each set of decoder rules provides decoding rules for all signals in the model configuration. The model configuration and decoder rules may have a one-to-many relationship, where multiple decoder rules (e.g., decoder rules A 162, decoder rules B 163, and decoder rules C 164) ) can be associated with a single model configuration. This one-to-many relationship allows the same signal semantics to be used for data collection and analysis regardless of the in-vehicle network topology and/or technology used in a given vehicle of the vehicle.

일부 실시예에서, 데이터 수집 스킴 제어기(108)는 신호 카탈로그를 관리할 수 있다. 신호 카탈로그는 자신의 차량 또는 센서의 다수의 모델에 걸쳐 OEM에 의해 사용되는 신호 속성을 포함할 수 있다. 신호 카탈로그는 VSS(Vehicle Signal Specification) 명명 가이드를 따를 수 있고, 정규화된 명칭(예를 들어, Vehicle.Powertrain.CombustionEngine.FuelType)을 사용하여 액세스가능할 수 있다. 신호 카탈로그의 신호 당 하나의 고유 경로가 있을 수 있으며, 일부 실시예에서 데이터 수집 스킴 제어기(108)는 신호에 고유 신호 ID를 할당할 수 있다. 데이터 평면(104)의 데이터 수집 스킴 제어기(108)는 신호 ID가 신호 카탈로그에 걸쳐 고유하다는 것을 보장할 수 있다. 일부 실시예에서, 고객들(122a, 122n)은 다수의 신호 카탈로그들을 생성할 수 있다. 다수의 신호 카탈로그는 상이한 타입의 차량을 모델링하는 데 사용될 수 있는 신호 속성을 포함할 수 있다. 예를 들어, 자동차에 대한 카탈로그, 트럭에 대한 카탈로그, 오토바이에 대한 카탈로그 등이 생성될 수 있다. 동일한 차량 타입에 대한 신호 카탈로그는 차량 타입에 대한 모든 신호들을 표현하기 위한 단일 카탈로그를 가질 수 있지만, 일부 실시예에서, 동일한 차량 타입에 대한 신호들의 상이한 서브세트들을 표현하기 위해 다수의 신호 카탈로그들이 사용될 수 있다. 본 명세서에서 사용되는 바와 같은 "서브세트"라는 용어는 하나의 차량 타입의 속성으로 제한되지 않을 수 있지만, 임의의 수의 타입에서 하나, 모두, 또는 임의의 수의 속성을 포함할 수 있다. 또한, 본 명세서에서 사용될 때, "서브세트"는 소정의 차량 타입의 모든 속성들 또는 소정의 차량 타입의 이용가능한 속성들의 일부만을 포함을 포함할 수 있다. 도 2에서 더 논의된 바와 같이, 데이터 평면(104)의 데이터 수집 스킴 제어기(108)는 플릿 내의 이종 차량들로부터 데이터를 추출할 때 동일한 데이터 수집 스킴을 적용하는 워크플로우를 통해 플릿 내의 이종 차량들에 걸쳐 데이터를 수집하기 위해 차량 데이터 추출 서비스(102)에 대한 통합 신호 표현을 가능하게 하기 위해, 신호 카탈로그 및 디코더 규칙을 사용하여 차량 모델 구성을 관리할 수 있다.In some embodiments, data collection scheme controller 108 may manage a signal catalog. The signal catalog may contain signal attributes used by OEMs across multiple models of their vehicles or sensors. The signal catalog may follow the Vehicle Signal Specification (VSS) naming guide and may be accessible using normalized names (e.g., Vehicle.Powertrain.CombustionEngine.FuelType). There may be one unique path per signal in the signal catalog, and in some embodiments the data collection scheme controller 108 may assign a unique signal ID to the signal. The data collection scheme controller 108 of the data plane 104 can ensure that signal IDs are unique across the signal catalog. In some embodiments, customers 122a, 122n may create multiple signal catalogs. Multiple signal catalogs may contain signal properties that can be used to model different types of vehicles. For example, a catalog for cars, a catalog for trucks, a catalog for motorcycles, etc. may be created. A signal catalog for the same vehicle type may have a single catalog to represent all signals for a vehicle type, but in some embodiments, multiple signal catalogs may be used to represent different subsets of signals for the same vehicle type. You can. The term “subset” as used herein may not be limited to attributes of one vehicle type, but may include one, all, or any number of attributes from any number of types. Additionally, as used herein, a “subset” may include all attributes of a given vehicle type or only a portion of the available attributes of a given vehicle type. As discussed further in FIG. 2, the data collection scheme controller 108 of the data plane 104 controls the heterogeneous vehicles within the fleet through a workflow that applies the same data collection scheme when extracting data from the heterogeneous vehicles within the fleet. To enable a unified signal representation for the vehicle data extraction service 102 to collect data across the vehicle model configuration, a signal catalog and decoder rules may be used to manage the vehicle model configuration.

일부 실시예에서, 데이터 평면(112)은 차량들(142, 143, 144)로부터 원시 데이터의 수신 및 차량이 데이터 스토리지(114)에 속하는 차량 파티션 및 차량 상태와 같은 다양한 타입의 차량 정보의 전달을 관리하며, 여기서 정보는 각각 차량 상태 테이블(186) 및 차량 파티션 테이블(182)에 저장될 수 있다. 차량내 컴퓨팅 디바이스(들)(150)는 차량이 차량 식별 레지스트리(110)를 통해 등록될 때 획득된 클라이언트 인증서 인증(예를 들어, X.509 인증서) 및 개인 키를 통해 데이터 평면(112)을 사용하여 차량 정보 추출 서비스(102)와의 연결을 인증할 수 있다. 일부 실시예에서, 데이터 평면(112)은 소프트웨어 패키지(146)를 전송하고 추출된 차량 데이터(148)를 수신하기 위해 차량(142, 143, 144)과 같은 각각의 차량들과의 보안 연결을 구축하도록 구성된 차량 통신 인터페이스(180)를 포함한다. 일부 실시예에서, 추출된 원시 데이터 엔진(184)은 추출된 차량 데이터(148)가 고객(122a, 122n)의 별개의 저장 계정, 이를테면 차량 정보 추출 서비스(102)를 또한 구현하는 제공자 네트워크에 의해 제공되는 저장 서비스의 저장 계정에 저장되게 할 수 있다. 예를 들어, 고객은 차량 정보 추출 서비스도 제공하는 서비스 제공자 네트워크에 의해 제공되는 상이한 서비스들을 갖는 계정을 가질 수 있다. 따라서, 고객은 추출된 차량 정보가 객체 기반 저장 서비스, 아카이브 데이터 저장 서비스, 머신 러닝 서비스 등과 같은 서비스 제공자 네트워크의 소정의 서비스로 계정에 전달될 것인지 여부를 지정할 수 있다. 데이터 평면(112)의 차량 파티션 엔진(188)은 차량들 각각의 차량들이 연관된 플릿 중 어느 파티션과 연관되는지를 결정하기 위해 플릿 차량들로부터의 위치 정보 및 또는 다른 센서 정보를 이용할 수 있다. 차량 파티션 엔진(188)은 리던던트 데이터 수집을 초래하는 것으로 가정될 수 있는 유사한 차량 이동성 패턴 또는 유사한 환경 팩터를 결정/추론하기 위해 플릿이 있는 환경을 설명하는 임의의 수의 타입의 정보를 이용할 수 있다. 이러한 타입의 정보는 플릿을 파티셔닝하는 데 사용될 수 있다. 일부 실시예에서, 파티션은 지리적 위치 및/또는 다른 팩터들에 기초하여 결정될 수 있다. 일부 실시예에서, 파티션은 2차원 인자들을 사용하여 결정될 수 있으며, 2차원은 차량들의 공간적 근접성 및 공간적 근접성의 시간 근접성이다. 보다 명확하게 말하면, 차량들이 얼마나 최근에 또는 얼마나 오랫동안 서로 근접해 있었는지를 알 수 있다. 예를 들어, 파티션 A 및 B는 소정의 시간 윈도우에서의 지리적 근접성에 기초하여 결정될 수 있다.In some embodiments, data plane 112 supports receiving raw data from vehicles 142 , 143 , 144 and conveying various types of vehicle information, such as vehicle partition and vehicle status, to which vehicle belongs to data storage 114 . managed, where the information may be stored in the vehicle state table 186 and vehicle partition table 182, respectively. In-vehicle computing device(s) 150 can access data plane 112 via a client certificate authentication (e.g., X.509 certificate) and private key obtained when the vehicle is registered with vehicle identification registry 110. The connection with the vehicle information extraction service 102 can be authenticated using. In some embodiments, data plane 112 establishes a secure connection with each of the vehicles, such as vehicles 142, 143, and 144, to transmit software package 146 and receive extracted vehicle data 148. It includes a vehicle communication interface 180 configured to. In some embodiments, extracted raw data engine 184 may store extracted vehicle data 148 in a separate storage account of customer 122a, 122n, such as by a provider network that also implements vehicle information extraction service 102. It can be saved to the storage account of the provided storage service. For example, a customer may have an account with different services provided by a service provider network that also provides vehicle information extraction services. Accordingly, the customer can specify whether the extracted vehicle information will be delivered to the account as a predetermined service of the service provider network, such as an object-based storage service, an archive data storage service, a machine learning service, etc. Vehicle partition engine 188 of data plane 112 may use location information and or other sensor information from the fleet vehicles to determine which partition of the fleet each vehicle is associated with. Vehicle partition engine 188 may utilize any number of types of information describing the environment in which the fleet is located to determine/infer similar vehicle mobility patterns or similar environmental factors that can be assumed to result in redundant data collection. . This type of information can be used to partition fleets. In some embodiments, partitions may be determined based on geographic location and/or other factors. In some embodiments, the partition may be determined using two-dimensional factors, where the two dimensions are the spatial proximity of the vehicles and the temporal proximity of the spatial proximity. More specifically, it tells you how recently or how long vehicles have been close to each other. For example, partitions A and B may be determined based on geographic proximity in a given time window.

일부 실시예에서, 플릿의 파티션들은 환경에 대해 이루어진 다양한 추론에 대한 근접성에 기초하여 결정될 수 있다. 예를 들어, 차량 파티션 엔진(188)은 의미론적으로 식별된 오브젝트(192)가 특정 주파수로 환경에 존재한다는 결정을 내리기 위해 차량들(142, 143, 144)로부터 집계된 데이터를 사용할 수 있다. 식별된 객체(192)에 대한 근접성 및/또는 식별된 객체(192)의 출현 빈도에 기초하여, 다른 차량들에 대한 위치 및 시간 근접성 변수들과 함께, 차량(143)이 파티션 C에 할당될 수 있다. 일부 실시예들에서, 차량은 플릿의 다중 파티션의 일부일 수 있다. 예를 들어, 차량(143)은 파티션 A뿐만 아니라 파티션 C의 일부일 수 있다. 이어서, 데이터 수집 확률 엔진(190)은 차량 스킴 패킷들을 통해 특정 구역들의 차량들과 통신하기 위한 적절한 데이터 축소 팩터를 결정할 수 있다. 데이터 수집 확률 엔진(190)은 소정의 파티션 내의 차량들이 중복 데이터를 반환할 가능성이 높을 계산하기 위해 환경으로부터 도출된 다양한 다른 추론을 사용할 수 있다. 일부 실시예에서, 추론은 머신 러닝 기술들을 사용하여 식별된 차량 검출 객체들의 리스트로부터 도출된 추론, 검출된 객체들의 정지, 반정지, 또는 동적 분류, 사고의 존재 등을 포함할 수 있다.In some embodiments, partitions of a fleet may be determined based on proximity to various inferences made about the environment. For example, vehicle partition engine 188 may use aggregated data from vehicles 142, 143, and 144 to determine that semantically identified object 192 exists in the environment at a particular frequency. Based on proximity to identified object 192 and/or frequency of appearance of identified object 192, along with location and time proximity variables to other vehicles, vehicle 143 may be assigned to partition C. there is. In some embodiments, a vehicle may be part of multiple partitions of a fleet. For example, vehicle 143 may be part of partition A as well as partition C. Data collection probability engine 190 can then determine an appropriate data reduction factor for communicating with vehicles in specific areas via vehicle scheme packets. Data collection probability engine 190 may use a variety of different inferences drawn from the environment to calculate that vehicles within a given partition are likely to return duplicate data. In some embodiments, inferences may include inferences drawn from a list of vehicle detected objects identified using machine learning techniques, stationary, semi-stationary, or dynamic classification of detected objects, presence of an accident, etc.

일부 실시예에서, 모델은 데이터 추출 서비스의 서비스 측에서 생성될 수 있다. 모델은 차량으로부터 데이터가 수집/추출될 환경에서의 객체의 특정 타입의 출현 빈도를, 공통 차량 거동을 보이는(이를테면 군집 또는 물결로 이동하는) 소정의 차량 또는 차량 타입이 객체와 마주칠 가능성이 얼마나 되는지의 모델과 함께, 시간 근접성, 예를 들어, 소정의 차량이 소정의 객체와 얼마나 빨리 마주칠 가능성이 있는지와 함께 모델링할 수 있다. 이러한 모델 파라미터들에 기초하여, 데이터 추출 서비스의 서비스 측은 각 파티션들에 속하는 차량들에 적용될 데이터 축소 팩터들을 생성할 수 있다. 일부 실시예에서, 파티션들은 단순히 지리적 영역들에 대응할 수 있다. 그러나, 동일한 또는 다른 실시예에서, 파티션들은 공간 및 시간 치수 둘 다에 기초할 수 있다. 일부 실시예에서, 파티션들은 다른 인자들에 기초하여 결정될 수 있다. 예를 들어, 주변 차량들의 속도 범위와 중첩되는 속도로 주행하는 것과 같이, 공통적인 차량 거동을 나타내는 지리적 근접에 있고 시간적으로 근접한 차량들의 세트가 공통 파티션으로 그룹화될 수 있다. 예를 들어, 이러한 파티션은 주간 고속도로의 스트레치 상에서 동시에 서로 근접하여 동일한 속도로 이동하는 차량의 그룹을 유사할 수 있다. 일부 실시예에서, 파티션들은 차량 거동의 변화들에 기초하여 동적으로 업데이트될 수 있다. 다른 예로서, 일부 실시예에서, 차량들을 공통 파티션으로 그룹화하기 위해 사용되는 공통 차량 거동은 오리진 목적지(OD) 매트릭스 추정 프로세스를 사용하여 결정될 수 있다. 예를 들어, 이러한 추정 프로세스는 동일한 목적지를 향해 또는 동일한 출발지와 목적지 사이에서 이동하는 차량의 그룹을 식별하고 이러한 차량을 파티션을 형성하는 데 사용될 그룹으로 그룹화할 수 있다. 일부 실시예에서, 데이터 추출 서비스는 포인트들의 세트들 사이의 차량들에 대한 원점 목적지 흐름들을 추정하고 그룹화된 차량들에 데이터 축소 확률들을 전송할 수 있으며, 여기서, 데이터 축소 확률들은 파티션에서의 차량 밀도 및 결정된 궤적에 따라 차량들이 주행하고 있는 환경에서의 관심 객체들의 보급과 같은, 본 명세서에서 설명되는 바와 같은 다른 팩터들과 함께, 차량의 추정된 궤적에 기초하여 결정된다. 일부 실시예에서, 차량 데이터 추출 서비스의 서비스 측에서 유지되는 현재 업데이트된 모델이 하나 이상의 임계치만큼 플릿의 차량에 전송된 스킴 패킷들을 생성하는 데 사용되는 모델의 이전 버전과 달라지는 경우, 업데이트된 스킴 패킷들은 업데이트된 모델에 따라 데이터 축소 파라미터들을 반영하는 차량들에 발행될 수 있다.In some embodiments, the model may be created on the service side of a data extraction service. The model determines the frequency of occurrence of certain types of objects in the environment for which data from vehicles will be collected/extracted, and how likely it is that a given vehicle or vehicle type exhibiting common vehicle behavior (e.g. moving in a pack or wave) will encounter the object. In addition to modeling temporal proximity, for example, how quickly a given vehicle is likely to encounter a given object. Based on these model parameters, the service side of the data extraction service can generate data reduction factors to be applied to vehicles belonging to each partition. In some embodiments, partitions may simply correspond to geographic areas. However, in the same or another embodiment, partitions may be based on both spatial and temporal dimensions. In some embodiments, partitions may be determined based on other factors. For example, a set of vehicles in geographic proximity and temporal proximity that exhibit common vehicle behavior, such as traveling at speeds that overlap the speed ranges of surrounding vehicles, may be grouped into a common partition. For example, such a partition may resemble a group of vehicles traveling at the same speed and close to each other at the same time on a stretch of interstate highway. In some embodiments, partitions may be dynamically updated based on changes in vehicle behavior. As another example, in some embodiments, common vehicle behaviors used to group vehicles into common partitions may be determined using an origin destination (OD) matrix estimation process. For example, this estimation process may identify groups of vehicles traveling toward the same destination or between the same origin and destination and group these vehicles into groups that will be used to form partitions. In some embodiments, the data extraction service may estimate origin destination flows for vehicles between sets of points and send data reduction probabilities to grouped vehicles, where the data reduction probabilities are based on the vehicle density and It is determined based on the estimated trajectory of the vehicle, along with other factors as described herein, such as the prevalence of objects of interest in the environment in which the vehicles are traveling according to the determined trajectory. In some embodiments, if the current updated model maintained on the service side of the vehicle data extraction service differs from a previous version of the model used to generate scheme packets transmitted to the fleet's vehicles by one or more thresholds, then the updated scheme packet may be issued to vehicles reflecting data reduction parameters according to the updated model.

일부 실시예에서, 차량 정보 추출 서비스(102)의 데이터 평면(112)은 추출된 차량 데이터(148)에 대해 수행될 분석 및/또는 시각화를 추가로 오케스트레이팅할 수 있다. 예를 들어, 추출된 차량 데이터는 고객에게 통지하게 하는 알람들에 대한 알람 트리거들과 비교될 수 있다. 또한, 추출된 차량 정보는 고객에게 제시하기 위한 차트, 그래프, 또는 다른 사용자 인터페이스 툴과 같은 시각적 그래픽으로 구성될 수 있다. 일부 실시예에서, 추출된 차량 정보는 인공 지능(AI) 모델을 트레이닝하는 데 사용될 수 있거나, 또는 차량의 설정을 최적화하기 위해 머신 러닝 툴에 제공될 수 있다. 인증되면, 차량들(142, 143, 144)은 메시지들을 전송하기 위해 다양한 발행 가입 네트워크 프로토콜들 또는 다른 네트워크 프로토콜들, 예컨대 MQTT 프로토콜을 사용하여 차량 정보 추출 서비스(102)에 데이터를 전송할 수 있다. 일부 실시예에서, 하나 이상의 비디오/오디오 센서(132)를 사용하여 획득된 비디오 프레임들은 H.264라고도 하는 고급 비디오 코딩과 같은 인코딩된 비디오 포맷들을 사용하여 전송될 수 있다. 일부 실시예에서, 차량내 컴퓨팅 디바이스(들)(150)는 다양한 센서 데이터를 업로드하기 위해 임시 크리덴셜들을 획득할 수 있다. 데이터 평면(112)은 추출된 원시 차량 데이터(148)를 직접 인제스트할 수 있고, 그 후 추출된 원시 데이터 엔진(184)은 원시 추출된 데이터를 물리적 원격측정 메시지로 디코딩하기 위해 차량 모델 구성을 사용할 수 있다. 일부 실시예에서, 추출된 원시 차량 데이터는 비디오 프레임, 이미지, 레이더 진폭, 온도 데이터, 엔진 속도, 및 차량에 관한 다른 정보를 포함한다. 일부 실시예에서, 디코딩된 텔레메트리 데이터는 차량 속성들로 보강되고 데이터 스토리지(114)의 시계열 데이터베이스에 공개될 수 있다. 차량 속성들을 연관시킴으로써 차량 데이터의 보강은 사용자가 차량의 속성들 및/또는 관심 이벤트를 사용하여 차량 데이터를 질의할 수 있게 한다. 일부 실시예에서, 고유 오브젝트 URL은 차량 데이터를 포함하는 레코드와 연관될 수 있고 시계열 데이터베이스에 공개될 수 있다.In some embodiments, the data plane 112 of vehicle information extraction service 102 may further orchestrate the analysis and/or visualization to be performed on the extracted vehicle data 148. For example, extracted vehicle data can be compared to alarm triggers for alarms that cause notification to the customer. Additionally, the extracted vehicle information may be organized into visual graphics such as charts, graphs, or other user interface tools for presentation to customers. In some embodiments, the extracted vehicle information may be used to train an artificial intelligence (AI) model, or may be provided to a machine learning tool to optimize the vehicle's settings. Once authenticated, vehicles 142, 143, 144 may transmit data to vehicle information extraction service 102 using various publish-subscribe network protocols or other network protocols, such as the MQTT protocol, to transmit messages. In some embodiments, video frames acquired using one or more video/audio sensors 132 may be transmitted using encoded video formats, such as Advanced Video Coding, also known as H.264. In some embodiments, in-vehicle computing device(s) 150 may obtain temporary credentials to upload various sensor data. The data plane 112 can directly ingest the extracted raw vehicle data 148, after which the extracted raw data engine 184 configures the vehicle model to decode the raw extracted data into physical telemetry messages. You can use it. In some embodiments, the extracted raw vehicle data includes video frames, images, radar amplitude, temperature data, engine speed, and other information about the vehicle. In some embodiments, decoded telemetry data may be enriched with vehicle attributes and published to a time series database in data storage 114. Enrichment of vehicle data by associating vehicle properties allows a user to query vehicle data using the vehicle's properties and/or events of interest. In some embodiments, a unique object URL may be associated with a record containing vehicle data and may be published in a time series database.

일부 실시예에서, 차량내 컴퓨팅 디바이스(150)는 차량(126)을 위한 게이트웨이를 구현할 수 있거나, 또는 그렇지 않으면 차량 통신 버스(138)와 같은 차량의 하나 이상의 버스를 통해 전송되는 데이터에 대한 액세스를 갖는 차량(126)의 구성요소일 수 있다. 일부 실시예에서, 차량의 버스는 전자 제어 유닛(128)(ECU #1) 및 전자 제어 유닛(130)(ECU #2)과 같은 차량의 다수의 구성요소들로부터 전송된 멀티캐스트 차량 정보를 송신할 수 있다. 추가적으로, 물리적 센서(136) 및 오디오/시각 센서(132)와 같은 다른 구성요소들은 차량 통신 버스(138)를 통해 차량 정보를 통신할 수 있다. 플릿의 차량들(142, 143, 144)은 차량의 위치를 획득할 수 있는 하나 이상의 위치 센서(131)를 포함할 수 있다. 일부 실시예에서, 위치 센서는 셀룰러, 무선 수동, 위성, 및 다른 타입의 GPS 시스템들을 사용하는 GPS(Global Positioning System)일 수 있다. 위치 센서(131)는 차량이 현재 위치되어 있는 영역을 결정하기 위해 차량내 컴퓨팅 디바이스(150)의 위치 모듈(154)에 의해 추가로 프로세싱되는 위치 정보를 획득할 수 있다. 이 위치 정보 및/또는 다른 센서 정보는 차량이 속하는 플릿의 어느 파티션을 결정하는데 사용될 수 있다. 차량 스킴 패키지(146)는 차량(142)을 제어하고 그 데이터를 전송하는 조건을 결정하기 위해 차량내 컴퓨팅 디바이스(150) 상에서 실행되는 소프트웨어 애플리케이션(152)에 의해 사용될 수 있다. 일부 실시예에서, 소프트웨어 애플리케이션(152)은 차량 통신 버스(138)를 통해 전송된 차량 정보에 액세스하기 위해 이진 파일 저장소(154)에 액세스할 수 있다. 일부 실시예에서, 차량 버스를 통한 차량 통신들은 소프트웨어 애플리케이션(152)에 의해 인코딩될 수 있고, 이진 파일 저장 내의 이진 파일 및/또는 구성 파일을 사용하여 인코딩된 차량 통신들을 통해 전송된 차량 정보를 디코딩할 수 있다. 버스 트래픽 디코딩 및 트리거 모니터링 모듈(156)은 버스 트래픽과 같은 차량 정보 및/또는 시각적 또는 오디오 데이터와 같은 다른 차량 정보가 저장 버퍼(158)에 저장되게 할 수 있다. 도 12에서 더 상세히 설명되는 바와 같이, 저장 버퍼는 과거의 복수의 선행 시점 동안 인코딩되고/되거나 디코딩된 차량 정보 및 다른 연관된 차량 데이터를 저장할 수 있다.In some embodiments, in-vehicle computing device 150 may implement a gateway for vehicle 126 or otherwise provide access to data transmitted over one or more buses of the vehicle, such as vehicle communication bus 138. It may be a component of the vehicle 126 having. In some embodiments, the vehicle's bus transmits multicast vehicle information transmitted from multiple components of the vehicle, such as electronic control unit 128 (ECU #1) and electronic control unit 130 (ECU #2). can do. Additionally, other components, such as physical sensors 136 and audio/visual sensors 132, may communicate vehicle information via vehicle communication bus 138. The vehicles 142, 143, and 144 of the fleet may include one or more position sensors 131 that can acquire the location of the vehicle. In some embodiments, the location sensor may be a Global Positioning System (GPS) using cellular, wireless passive, satellite, and other types of GPS systems. Location sensor 131 may obtain location information that is further processed by location module 154 of in-vehicle computing device 150 to determine the area in which the vehicle is currently located. This location information and/or other sensor information may be used to determine which partition of the fleet the vehicle belongs to. Vehicle scheme package 146 may be used by software application 152 running on in-vehicle computing device 150 to control vehicle 142 and determine conditions for transmitting its data. In some embodiments, software application 152 may access binary file storage 154 to access vehicle information transmitted over vehicle communication bus 138. In some embodiments, vehicle communications over a vehicle bus may be encoded by software application 152 and use a binary file and/or configuration file within the binary file storage to decode vehicle information transmitted over the encoded vehicle communications. can do. Bus traffic decoding and trigger monitoring module 156 may cause vehicle information, such as bus traffic, and/or other vehicle information, such as visual or audio data, to be stored in storage buffer 158. As described in more detail in FIG. 12 , a storage buffer may store vehicle information and other associated vehicle data that have been encoded and/or decoded for a plurality of prior time points in the past.

일부 실시예에서, 소프트웨어 애플리케이션(152)에 의해 제공되는 트리거 모니터링(160)은 트리거링 기준이 충족되었는지 여부를 결정하기 위해, 차량 스킴 패킷들에 의해 제공되는 데이터 추출에 대한 하나 이상의 트리거링 기준의 충족을 결정하기 위해 버스 트래픽을 모니터링할 수 있다. 일부 실시예에서, 차량 스킴 패킷들은 하나의 이러한 트리거링 기준으로서 새로운 파티션 및/또는 지리적 영역으로의 이동의 검출을 제공할 수 있다. 예를 들어, 도 1에서, 차량(142)의 영역 A로부터 영역 B로의 이동은 트리거링 기준을 충족시킬 수 있다. 소프트웨어 애플리케이션(152)은 또한, 트리거링 이벤트 후에 추출을 위해 특정 센서 데이터가 획득/수집되어야 하는 퍼센티지를 결정하기 위해 차량 스킴 패킷들로부터 하나 이상의 데이터 축소 팩터들을 검색하는 데이터 축소 팩터 애플리케이션(156)을 포함할 수 있다. 예를 들어, 데이터 축소 팩터 애플리케이션(156)이 데이터 축소 팩터를 취하고 트리거의 이행 시 전송될 온도 센서 데이터의 퍼센티지가 50%라고 결정하면, 플릿에 의해 전송되는 온도 센서 데이터는 예를 들어 온도 데이터 송신의 주파수를 감소시킴으로써 효과적으로 절반으로 절단될 것이다. 일부 실시예에서, 위치 모듈(154)은 위치 센서(131)를 사용하여 차량(142)의 위치를 결정할 수 있다. 트리거링 기준이 충족되면, 차량내 컴퓨팅 디바이스(150)의 패킷 생성 모듈은 원시 추출된 차량 데이터(148)로서 차량 정보 추출 서비스(102)에 다시 전송될 하나 이상의 패킷들을 생성할 수 있다.In some embodiments, trigger monitoring 160 provided by software application 152 determines whether the triggering criteria are met by determining whether one or more triggering criteria are met for data extraction provided by vehicle scheme packets. Bus traffic can be monitored to make decisions. In some embodiments, vehicle scheme packets may provide detection of movement to a new partition and/or geographic area as one such triggering criterion. For example, in Figure 1, movement of vehicle 142 from area A to area B may meet the triggering criteria. Software application 152 also includes a data reduction factor application 156 that retrieves one or more data reduction factors from vehicle scheme packets to determine the percentage at which specific sensor data should be acquired/collected for extraction after a triggering event. can do. For example, if the data reduction factor application 156 takes the data reduction factor and determines that the percentage of temperature sensor data to be transmitted upon fulfillment of the trigger is 50%, then the temperature sensor data transmitted by the flit may be reduced to, for example, the temperature sensor data transmitted. By reducing the frequency of , it will effectively be cut in half. In some embodiments, location module 154 may use location sensor 131 to determine the location of vehicle 142. If the triggering criteria are met, the packet generation module of the in-vehicle computing device 150 may generate one or more packets to be transmitted back to the vehicle information extraction service 102 as raw extracted vehicle data 148.

데이터 평면(112)은 추출된 원시 차량 데이터(148)를 직접 인제스트할 수 있고, 그 후 추출된 원시 데이터 엔진(184)은 차량 모델 구성을 사용하여 원시 추출된 데이터를 물리적 원격측정 메시지로 디코딩할 수 있다. 일부 실시예에서, 추출된 원시 차량 데이터는 비디오 프레임, 이미지, 레이더 진폭, 온도 데이터, 엔진 속도, 운전자 성능, 및/또는 차량에 관한 다른 정보를 포함할 수 있다. 일부 실시예에서, 디코딩된 텔레메트리 데이터는 차량 속성들로 보강되고 데이터 스토리지(114)의 시계열 데이터베이스에 공개될 수 있다. 차량 데이터의 보강은 사용자가 차량의 속성 및/또는 관심 이벤트를 사용하여 차량 데이터를 질의할 수 있게 할 수 있다. 일부 실시예에서, 고유 오브젝트 URL은 차량 데이터를 포함하는 레코드와 연관될 수 있고 시계열 데이터베이스에 공개될 수 있다.The data plane 112 can directly ingest the extracted raw vehicle data 148, and then the extracted raw data engine 184 uses the vehicle model configuration to decode the raw extracted data into physical telemetry messages. can do. In some embodiments, the extracted raw vehicle data may include video frames, images, radar amplitude, temperature data, engine speed, driver performance, and/or other information about the vehicle. In some embodiments, decoded telemetry data may be enriched with vehicle attributes and published to a time series database in data storage 114. Enrichment of vehicle data may allow a user to query the vehicle data using the vehicle's attributes and/or events of interest. In some embodiments, a unique object URL may be associated with a record containing vehicle data and may be published in a time series database.

일부 실시예에서, 서비스 사용자 인터페이스(104)는 도 2에서 더 논의되는 바와 같이 설계자 캔버스 및 관리 콘솔을 포함할 수 있다. 일부 실시예에서, 고객들은 고객이 설계한 구성요소들(예컨대, 차량 공급자 및/또는 차량 구성요소 공급자) 및/또는 연관된 독점 액세스 크리덴셜 파일로부터 버스를 통해 차량 정보를 통신하기 위해 사용되는 인코딩 포맷들 및 독점 프로토콜들을 설명하는 사전 파일을 제공할 수 있다. 예를 들어, 고객(122a)은 차량 공급 사전에 따라 포맷팅된 차량 정보에 대한 데이터 추출 기준 및 차량 공급 사전 파일을 포함하는 서비스 요청(118)을 제공한다. 추가적으로, 고객(122n)은 개별 구성요소 공급 사전 파일 및 구성요소 공급 사전에 따라 포맷팅된 차량 정보에 대한 데이터 추출 기준을 포함하는 제출물(120)을 제공할 수 있다. 사전 파일 및 데이터 추출 기준은 도 1에서 동일한 제출의 일부로서 도시되어 있다는 것을 유의한다. 그러나, 일부 실시예에서, 데이터 추출 기준 및 사전 파일은 개별적으로 제출될 수 있다.In some embodiments, service user interface 104 may include a designer canvas and management console, as further discussed in FIG. 2. In some embodiments, customers may use the encoding format used to communicate vehicle information over the bus from customer-designed components (e.g., vehicle supplier and/or vehicle component supplier) and/or associated proprietary access credential files. Dictionary files describing the protocols and proprietary protocols can be provided. For example, customer 122a provides a service request 118 that includes a vehicle provision dictionary file and data extraction criteria for vehicle information formatted according to a vehicle provision dictionary. Additionally, customer 122n may provide a submission 120 that includes individual component supply dictionary files and data extraction criteria for vehicle information formatted according to the component supply dictionary. Note that the preliminary files and data extraction criteria are shown as part of the same submission in Figure 1. However, in some embodiments, data extraction criteria and dictionary files may be submitted separately.

고객들(122a 및 122n)로부터 수신된 사전 파일들 및 연관된 액세스 크리덴셜 파일들은 제한된 액세스 사전 및 크리덴셜 저장소(106)에 저장될 수 있다. 고객(122a)의 사전 파일/연관된 액세스 크리덴셜 파일 및 고객(122n)의 사전 파일/연관된 액세스 크리덴셜 파일은 각각 제한된 액세스를 갖는 별개의 물리적 또는 논리적 컨테이너에 저장될 수 있다. 예를 들어, 고객(122n)은 고객(122a)의 사전 파일을 볼 수 없고, 크리덴셜 파일에 액세스할 수 없을 수 있으며, 그 반대의 경우도 마찬가지이다.Dictionary files and associated access credential files received from customers 122a and 122n may be stored in restricted access dictionary and credential store 106. Customer 122a's dictionary file/associated access credential file and customer 122n's dictionary file/associate access credential file may each be stored in separate physical or logical containers with limited access. For example, customer 122n may not be able to view customer 122a's dictionary file and may not be able to access the credential file, and vice versa.

도 2는 일부 실시예에 따라, 차량에 특유한 차량내 통신 신호 구성으로부터 차량 모델 구성을 분리하는 차량 정보 추출 서비스, 이의 다양한 부분, 및 상호작용의 보다 상세한 뷰를 예시한다.2 illustrates a more detailed view of a vehicle information extraction service, various parts thereof, and interactions that separate vehicle model configuration from vehicle-specific in-vehicle communication signal configuration, according to some embodiments.

도 2에서, 고객(122)은 차량들의 플릿의 모델을 생성하기 위해 추출 서비스 요청(118)을 서비스 사용자 인터페이스(106)에 보낼 수 있다. 추출 서비스 요청(118)은 신호 카탈로그를 생성하기 위한 데이터 수집 스킴 제어기(108)에 대한 정보를 포함한다. 신호 카탈로그는 자신의 차량 또는 센서의 모든 모델에 걸쳐 OEM에 의해 사용되는 모든 신호 속성을 포함할 수 있다. 일부 실시예에서, 신호 카탈로그는 신호들의 서브세트를 포함할 수 있으며, 서브세트는 임의의 조합으로 다양한 차량 타입들의 하나 이상의 신호 속성들을 포함할 수 있다. 도 1에서 논의된 바와 같이, 신호 카탈로그는 VSS(Vehicle Signal Specification) 명명 가이드를 따를 수 있고, 그 정규화된 명칭을 사용해서만 액세스가능할 수 있다. 일부 실시예에서, 신호 카탈로그의 신호 당 하나의 고유 경로만이 있을 수 있으며, 일부 실시예에서 데이터 수집 스킴 제어기(108)는 신호에 고유 신호 ID를 할당할 수 있다. 데이터 평면(104)의 데이터 수집 스킴 제어기(108)는 신호 ID가 신호 카탈로그에 걸쳐 고유하다는 것을 보장할 수 있다. 일부 실시예에서, 고객(122)은 상이한 타입의 차량들을 모델링할 수 있는 신호 속성들을 포함할 수 있는 다수의 신호 카탈로그들을 생성할 수 있다.2, customer 122 may send an extract service request 118 to service user interface 106 to create a model of a fleet of vehicles. The extraction service request 118 includes information for the data collection scheme controller 108 to generate the signal catalog. The signal catalog can contain all signal attributes used by OEMs across all models of their vehicles or sensors. In some embodiments, a signal catalog may include a subset of signals, and the subset may include one or more signal attributes of various vehicle types in any combination. As discussed in Figure 1, the signal catalog may follow the Vehicle Signal Specification (VSS) naming guide and may be accessible only using its normalized names. In some embodiments, there may be only one unique path per signal in the signal catalog, and in some embodiments the data collection scheme controller 108 may assign a unique signal ID to the signal. Data collection scheme controller 108 of data plane 104 can ensure that signal IDs are unique across the signal catalog. In some embodiments, customer 122 may create multiple signal catalogs that may contain signal attributes that may model different types of vehicles.

신호 카탈로그가 생성되면, 데이터 수집 스킴 제어기(108)는 추출 서비스 요청(118)으로부터 획득된 정보를 사용하여 모델 구성을 생성할 수 있다. 모델 구성은 특정 차량 모델에 적용가능한 신호 카탈로그로부터 선택된 신호들의 집합일 수 있다. 예를 들어, 추출 서비스(112)에는 순항 제어를 위한 브랜치, 연소 엔진을 위한 브랜치, 및 전기 엔진을 위한 브랜치로 구성된 샘플 신호 카탈로그가 주어질 수 있다. 순항 제어를 갖지만 연소 엔진을 사용하는 차량에 대한 모델 구성을 생성할 때, 구성은 전기 엔진에 대한 브랜치 없이 순항 제어 브랜치 및 연소 엔진 브랜치만을 포함할 것이다. 전기 엔진 및 순항 제어를 갖는 차량의 상이한 모델에 대해, 모델 구성은 순항 제어 브랜치 및 배터리 브랜치를 포함할 것이다. 일부 실시예에서, 모델 구성은 신호 카탈로그 내의 모든 신호들로부터 생성될 수 있다. 일부 실시예에서, 디코더 규칙들이 없는 신호들이 신호 카탈로그 내에 있는 경우, 이러한 신호들은 모델 구성으로부터 생략될 것이다. 차량 모델 구성은 신호 카탈로그에 정의된 신호들만을 포함할 수 있다. 도 3은 차량 모델 구성을 또한 예시한다.Once the signal catalog is created, data collection scheme controller 108 can use information obtained from extraction service requests 118 to create model configurations. A model configuration may be a set of signals selected from a signal catalog applicable to a particular vehicle model. For example, extraction service 112 may be given a sample signal catalog consisting of a branch for cruise control, a branch for combustion engines, and a branch for electric engines. When creating a model configuration for a vehicle that has cruise control but uses a combustion engine, the configuration will only include a cruise control branch and a combustion engine branch, without a branch for the electric engine. For different models of vehicles with electric engines and cruise control, the model configuration will include a cruise control branch and a battery branch. In some embodiments, a model configuration may be created from all signals in a signal catalog. In some embodiments, if there are signals in the signal catalog for which there are no decoder rules, these signals will be omitted from model construction. The vehicle model configuration can only include signals defined in the signal catalog. Figure 3 also illustrates the vehicle model configuration.

모델 구성이 생성된 후, 모델 구성 내의 모든 차량 센서들에 대한 디코더 규칙들(예를 들어, 디코더 매니페스트 또는 다른 구성)이 추출 서비스 요청(118)에 대해 획득될 수 있다. 디코더 규칙들은 차량내 통신 네트워크 상의 신호들을 디코딩하기 위한 규칙들을 규정할 수 있고, 고객들이 모델 구성에 나열된 센서들로부터 데이터를 수집할 수 있게 할 수 있다. 예를 들어, 디코더 규칙들은 차량의 특정 모델의 CAN DBC, 차량내 신호 포맷들을 디코딩하기 위한 추가적인 프로토콜 특정 정보(예를 들어, CAN DBC를 제공하는 신호들에 대한 채널 ID), 및 CAN DBC들에서 주어진 신호 명칭들을 모델 구성에서 주어진 신호 명칭에 맵핑하는 맵핑 파일을 포함할 수 있다. 일부 실시예에서, 모델 구성에서 정의된 신호 명칭이 주어지면, 디코더 규칙들은 프로토콜 명칭(예를 들어, CAN), 메시지 ID(센서가 멀티플렉싱되는 메시지에 대한), 스케일, 오프셋 등을 포함하여 센서를 통해 수집된 정보를 디코딩하는데 필요한 파라미터들을 제공할 수 있다.After the model configuration is created, decoder rules (e.g., decoder manifest or other configuration) for all vehicle sensors within the model configuration can be obtained for extract service request 118. Decoder rules may specify rules for decoding signals on an in-vehicle communication network and may enable customers to collect data from sensors listed in the model configuration. For example, the decoder rules may include CAN DBC for a specific model of vehicle, additional protocol-specific information for decoding in-vehicle signal formats (e.g., channel ID for signals providing CAN DBC), and CAN DBCs. It may contain a mapping file that maps given signal names to given signal names in the model configuration. In some embodiments, given a signal name defined in the model configuration, the decoder rules determine the sensor's It is possible to provide the parameters necessary to decode the information collected through.

일부 실시예에서, 디코더 규칙들은 클라우드 기반 위치에서와 같이, 필요한 신호들을 원격으로 디코딩하기 위해 차량 정보 추출 서비스(102)에 의해 사용될 수 있다. 다른 실시예에서, 디코더 규칙들은 차량(또는 다른 차량 에지 디바이스)의 소프트웨어 애플리케이션(152)에 전송될 수 있고, 디코딩된 신호를 차량 정보 추출 서비스(102)에 전송하기 위해 소프트웨어 애플리케이션에 의해 사용될 수 있다. 일부 실시예에서, 이종 타입들의 차량들이 있을 수 있고, 디코딩을 위한 규칙들이 차량 타입들 간에 상이한 경우 모델 구성은 다중 디코더 규칙들을 포함할 수 있다. 일부 실시예에서, 각각의 디코더 규칙들의 세트는 모델 구성에서의 모든 신호들에 대한 디코딩 규칙들을 제공한다. 모델 구성 및 디코더 규칙은 일대다 관계를 가질 수 있으며, 여기서 복수의 디코더 규칙은 단일 모델 구성과 연관될 수 있다. 이러한 일대다 관계는 차량에서 사용되는 차량내 네트워크 토폴로지 및/또는 기술에 관계없이 동일한 신호 의미론이 데이터 수집 및 분석을 위해 사용될 수 있게 한다. 더욱이, 이 일대다 관계는 상이한 신호 포맷들을 활용하는 이종 차량들에 걸친 데이터 수집을 가능하게 한다. 디코딩 규칙들이 모델 구성에서의 모든 신호들에 대한 디코더 규칙들에 의해 제공되면, 데이터 수집 스킴 제어기(108)는 디코더 규칙들을 생성하고 모델 구성을 활성으로 표시한다.In some embodiments, the decoder rules may be used by vehicle information extraction service 102 to decode the needed signals remotely, such as from a cloud-based location. In another embodiment, the decoder rules may be sent to a software application 152 on the vehicle (or other vehicle edge device) and used by the software application to send the decoded signal to the vehicle information extraction service 102. . In some embodiments, there may be heterogeneous types of vehicles, and the model configuration may include multiple decoder rules if the rules for decoding are different between vehicle types. In some embodiments, each set of decoder rules provides decoding rules for all signals in the model configuration. Model configuration and decoder rules may have a one-to-many relationship, where multiple decoder rules may be associated with a single model configuration. This one-to-many relationship ensures that the same signal semantics can be used for data collection and analysis regardless of the in-vehicle network topology and/or technology used in the vehicle. Moreover, this one-to-many relationship enables data collection across heterogeneous vehicles utilizing different signal formats. Once the decoding rules are provided by the decoder rules for all signals in the model configuration, the data collection scheme controller 108 generates the decoder rules and marks the model configuration as active.

일부 실시예에서, 차량 소프트웨어 애플리케이션(152) 및 그 게이트웨이(201)에 대한 액세스를 갖는 VPC(virtual private cloud) 또는 온-프레미스 네트워크 내의 고객 네트워크는 OEM 플릿 프로비저닝 관리(208)를 통해 개인 키 및 클라이언트 인증서(예를 들어, X.509 인증서)를 디플로이한다. 플릿 인벤토리 엔진(206)은 또한 디플로이된 개인 키 및 인증서를 획득하고 차량 치수, 개인 키 및 인증서를 차량 식별 레지스트리(110)와 동기화할 수 있다. 그런 후, 서비스 사용자 인터페이스(106)는 이 차량과 등록될 차량이 연관될 디코더 규칙들 및 모델 구성을 식별함으로써 모델링될 차량을 등록한다. 서비스 사용자 인터페이스(106)는 차량 모델 구성(예를 들어, 차량 식별 번호(VIN), 모델, 연도, 색상 등)에 존재하는 정적 속성들의 값들을 제공한다.In some embodiments, a customer network within a virtual private cloud (VPC) or on-premises network with access to the vehicle software application 152 and its gateway 201 can access private keys and clients via OEM Fleet Provisioning Management 208. Deploy a certificate (e.g. an X.509 certificate). Fleet inventory engine 206 may also obtain deployed private keys and certificates and synchronize vehicle dimensions, private keys and certificates with vehicle identification registry 110. Service user interface 106 then registers the vehicle to be modeled by identifying the decoder rules and model configuration with which this vehicle and the vehicle to be registered will be associated. Service user interface 106 provides values for static attributes present in the vehicle model configuration (eg, vehicle identification number (VIN), model, year, color, etc.).

차량 식별정보 레지스트리(110)는 일부 공통 차량 속성에 기초하여 함께 수집되는 차량 그룹 또는 컬렉션으로서 플릿을 생성할 수 있다. 차량들은 특정 연도 또는 특정 연도에 제조된 차량, 적색 색상을 갖는 차량, 차량 연료 타입 등과 같은 다양한 차량 속성에 기초하여 생성될 수 있다. 고객(122)은 서비스 사용자 인터페이스(106)를 통해 신호 카탈로그에서 이용가능한 속성들에 기초하여 플릿을 생성하도록 지시할 수 있다. 일부 실시예에서, 플릿 생성은 플릿을 생성하기 위해 다수의 속성들에 기초하여 플릿 생성 질의 또는 필터링 활동을 수반할 수 있다. 플릿이 생성되면, 고객(122)은 플릿을 사용하여 다양한 데이터 수집 스킴을 적용하는 다양한 워크플로우를 실행할 수 있다. 일부 실시예에서, 차량 식별정보 레지스트리(110)는 (공통 차량 속성들에 기초하여 함께 수집되는) 차량들의 컬렉션이 변경됨에 따라 고객 명령들 없이 플릿을 자동으로 유지 및 업데이트할 수 있다. 일부 실시예에서, 새로운 차량들이 등록될 때, 차량 식별정보 레지스트리(110)는 식별된 공통 차량 속성들에 기초하여, 하나 이상의 플릿 또는 플릿의 파티션들에 새로운 차량을 자동으로 추가할 수 있다.Vehicle identification information registry 110 may create a fleet as a group or collection of vehicles collected together based on some common vehicle attributes. Vehicles can be created based on various vehicle attributes, such as a specific year or vehicle manufactured in a specific year, vehicle having a red color, vehicle fuel type, etc. Customer 122 may instruct, via service user interface 106, to create a fleet based on attributes available in the signal catalog. In some embodiments, fleet creation may involve a fleet creation query or filtering activity based on a number of attributes to create a fleet. Once a fleet is created, customer 122 can use the fleet to execute various workflows applying various data collection schemes. In some embodiments, vehicle identification registry 110 may automatically maintain and update the fleet without customer instructions as the collection of vehicles (collected together based on common vehicle attributes) changes. In some embodiments, when new vehicles are registered, vehicle identification registry 110 may automatically add the new vehicle to one or more fleets or partitions of the fleet, based on identified common vehicle attributes.

데이터 수집 스킴 제어기(108)는 차량으로부터 어떤 데이터를 수집할지, 언제 데이터를 수집할지, 데이터가 차량 통신 인터페이스(180)에 게재되어야 하는 빈도뿐만 아니라, 플릿 내의 차량들이 동일한 영역 내의 총 차량 수에 기초하여 시간의 백분율만을 전송하는 것으로 제한하는 데이터 축소 팩터를 포함하여, 다양한 다른 파라미터들을 차량들에 지시하는 다양한 데이터 수집 스킴 또는 구성을 고객으로부터 수신할 수 있다. 일부 실시예에서, 차량 파티션 엔진(188)은 특정 파티션들 내의 차량들이 데이터를 전송하는 것을 제한하는 데이터 수집 확률 엔진(190)을 사용하여 데이터 축소 팩터를 결정할 수 있다. 데이터 수집 스킴을 생성할 때, OEM 또는 고객(122)은 수집하고자 하는 신호 카탈로그로부터의 신호의 서브세트를 지정할 수 있다. 일부 실시예에서, 고객(122)은 데이터 수집 스킴이 전송될 차량 ID 또는 플릿 ID 중 하나를 지정할 수 있다. 차량 통신 인터페이스(180)는 데이터 수집 스킴을 수신하고, 이를 선택된 차량 또는 플릿에 전송한다.The data collection scheme controller 108 determines what data to collect from the vehicles, when to collect the data, and how frequently the data should be posted to the vehicle communication interface 180, as well as the total number of vehicles in the fleet within the same area. A variety of data collection schemes or configurations may be received from customers that dictate various different parameters to the vehicles, including data reduction factors that limit transmission to only a percentage of the time. In some embodiments, vehicle partition engine 188 may determine a data reduction factor using data collection probability engine 190 to limit vehicles within certain partitions from transmitting data. When creating a data collection scheme, the OEM or customer 122 can specify a subset of signals from the signal catalog that they wish to collect. In some embodiments, customer 122 may specify either a vehicle ID or a fleet ID for which the data collection scheme is to be transmitted. Vehicle communication interface 180 receives the data collection scheme and transmits it to the selected vehicle or fleet.

일부 실시예에서, 데이터 수집 스킴에 따라 차량들의 다양한 센서들로부터 데이터가 수집됨에 따라, 결과적인 원시 데이터 스트림들이 차량 통신 인터페이스(180)로 전송되고, 원시 데이터는 추출된 원시 데이터 엔진(184)을 사용하여 디코딩된다. 일부 실시예에서, 추출된 원시 데이터 엔진(184)은 차량 모델 구성을 사용하여 원시 추출된 데이터를 물리적 원격 측정 메시지들로 디코딩할 수 있으며, 이는 서비스 사용자 인터페이스(106)를 사용하여 고객이 액세스할 수 있다. 다른 실시예에서, 수집된 데이터는 디코더 규칙들을 사용하여 차량(또는 다른 차량 에지 디바이스)에 의해 디코딩된 물리적 원격 측정 메시지들일 수 있다. 일부 실시예에서, 추출된 원시 데이터 스트림들은 비디오 프레임, 이미지, 레이더 진폭, 온도 데이터, 엔진 속도, 운전자 성능, 및 차량에 관한 다른 정보를 포함한다. 일부 실시예에서, 디코딩된 텔레메트리 데이터(차량 정보 추출 서비스(102) 또는 차량의 소프트웨어 애플리케이션(152)에 의해 디코더 규칙들을 사용하여 디코딩됨)는 차량 속성들로 보강되고 분석을 위해 데이터 저장소의 시계열 데이터베이스에 공개될 수 있다.In some embodiments, as data is collected from various sensors on the vehicles according to a data collection scheme, the resulting raw data streams are transmitted to the vehicle communication interface 180 and the raw data is extracted from the raw data engine 184. It is decoded using In some embodiments, the raw extracted data engine 184 may use the vehicle model configuration to decode the raw extracted data into physical telemetry messages, which may be accessed by the customer using the service user interface 106. You can. In another embodiment, the collected data may be physical telemetry messages decoded by the vehicle (or other vehicle edge device) using decoder rules. In some embodiments, the extracted raw data streams include video frames, images, radar amplitude, temperature data, engine speed, driver performance, and other information about the vehicle. In some embodiments, decoded telemetry data (decoded using decoder rules by vehicle information extraction service 102 or the vehicle's software application 152) is enriched with vehicle attributes and stored in a data repository for analysis. It can be published in a time series database.

도 3은 일부 실시예에 따라, 이종 차량 모델들의 플릿에 걸쳐 공통 데이터 수집 스킴을 사용하여 데이터를 수집하는 데 차량 신호 카탈로그를 사용하고 통합된 신호 표현이 사용될 수 있게 하는 계층적 트리 구조를 갖는 예시적인 차량 모델 구성의 그래픽 뷰를 예시한다.3 is an example of using a vehicle signal catalog to collect data using a common data collection scheme across a fleet of heterogeneous vehicle models and having a hierarchical tree structure that allows a unified signal representation to be used, according to some embodiments. Illustrative graphical view of a typical vehicle model configuration.

차량 모델 구성(300)은 차량 속성들, 센서들, 액추에이터들, 및 이들의 관계들의 직렬화된 디지털 포맷을 제공한다. 차량 모델 구성(300)은 최신 차량 네트워크 시스템의 도메인 기반 포맷을 반영하는 계층적 모델로서 ECU와 센서 사이의 관계를 표현하는 데 필요한 포맷을 제공한다. 예를 들어, 모델 구성(300)은 신호 카탈로그 내의 신호 타입들의 전부 또는 서브세트를 포함한다. 신호 카탈로그에 의해 제공되는 신호들은 모델 구성(300)에 도시된 바와 같은 계층적 구조로 배열될 수 있고, 속성, 브랜치, 센서, 및 액추에이터와 같은 다양한 신호 타입들을 포함할 수 있다. 모델 구성은 도 2에서 논의된 바와 같은 플릿 규칙에 기초하여 플릿의 생성을 용이하게 하는 "VIN"(306), "모델"(308), 및 "브랜드"(330)와 같은 정적 속성들을 ECU 및 도메인에 부착할 수 있게 한다.Vehicle model configuration 300 provides a serialized digital format of vehicle properties, sensors, actuators, and their relationships. The vehicle model configuration 300 is a hierarchical model that reflects the domain-based format of the latest vehicle network system and provides a format necessary to express the relationship between the ECU and sensors. For example, model configuration 300 includes all or a subset of signal types within a signal catalog. Signals provided by the signal catalog may be arranged in a hierarchical structure as shown in model configuration 300 and may include various signal types such as attribute, branch, sensor, and actuator. Model configuration includes ECU and Allows attachment to a domain.

일부 실시예에서, 차량 모델 구성은 자동차 개방 시스템 포맷(AUTOSAR) XML 구성 파일 또는 ARXML, CAN DBC, 또는 필드 버스 교환 포맷(FibEx) 파일로부터 자동으로 생성될 수 있거나, 또는 OEM 또는 설계자에 의해 수동으로 작성될 수 있다. 이는 생성 후에 추가로 조작되고 업데이트될 수 있다. 일부 실시예에서, 모델 매니페스트는 VSS 포맷을 이용할 수 있다. 차량 모델 구성(300)은 ECU와 센서 사이의 관계를 현대 차량 네트워크 시스템의 도메인 기반 포맷을 반영하는 계층적 모델로서 표현하는 데 필요한 포맷들을 제공할 수 있다. 예를 들어, “드라이브트레인.트랜스미션.속도”에 대한 차량 모델 구성(300)의 질의(352)는 “드라이브트레인”(332) 및 “트랜스미션”(334) 아래에 있는 신호 “속도”(336)에 대한 관련 타입의 “센서”를 반환한다. 이는 고객이 사람이 판독가능한 데이터 교환을 위해 필요한 센서들을 위한 유닛들 및 데이터 타입들을 지정하고 센서들에 대한 경보 규칙들을 정의할 수 있게 한다.In some embodiments, vehicle model configurations may be generated automatically from Automotive Open System Format (AUTOSAR) XML configuration files or ARXML, CAN DBC, or Field Bus Exchange Format (FibEx) files, or manually by the OEM or designer. can be written It can be further manipulated and updated after creation. In some embodiments, the model manifest may use the VSS format. The vehicle model configuration 300 may provide formats necessary to express the relationship between ECUs and sensors as a hierarchical model that reflects the domain-based format of a modern vehicle network system. For example, a query (352) in the vehicle model configuration (300) for “Drivetrain.Transmission.Speed” would return the signal “Speed” (336) under “Drivetrain” (332) and “Transmission” (334). Returns “Sensor” of the relevant type for . This allows the customer to specify the units and data types for the sensors needed for human-readable data exchange and define alert rules for the sensors.

도 4는 일부 실시예에 따른, 차량 정보 추출 서비스를 위한 서비스 사용자 인터페이스의 설계자 캔버스 및 관리 콘솔의 보다 상세한 뷰를 예시한다.4 illustrates a more detailed view of the designer canvas and management console of a service user interface for a vehicle information extraction service, according to some embodiments.

일부 실시예에서, 서비스 사용자 인터페이스(108)와 같은 차량 정보 추출 서비스의 서비스 사용자 인터페이스는 설계자 캔버스(402)와 같은 설계자 캔버스 및 관리 콘솔(410)과 같은 관리 콘솔을 포함할 수 있다. 일부 실시예에서, 설계자 캔버스는 차량 공급자의 엔지니어 또는 차량 구성요소 공급자와 같은 고객 엔지니어가 실제 차량들로부터 추출된 데이터를 포함하는 디지털 트윈들을 볼 수 있게 할 수 있다. 설계자 캔버스는 또한, 엔지니어들이 파티션 내의 차량 수에 기초한 데이터 축소 팩터를 포함하여, 데이터를 추출하기 위한 모니터링/추출된 데이터의 타입들 및/또는 트리거링 기준을 수정할 수 있게 할 수 있다. 일부 실시예에서, 설계자 캔버스는 고객 엔지니어들이 차량 정보 추출 서비스에 대한 계정 또는 크리덴셜을 가질 것을 각각의 엔지니어에게 요구하지 않고서 자신의 기업 크리덴셜들(예를 들어, 기업 고객으로부터 엔지니어들에게 발행된 크리덴셜들)을 사용하여 웹 애플리케이션에 로그인할 수 있게 할 수 있다. 웹 애플리케이션을 사용하여, 고객의 엔지니어들은 차량 데이터에 액세스하고, 시각화하고, 모니터링할 수 있다. 설계자 캔버스는 또한 고객이 커스텀 보고 또는 분석을 구축할 수 있게 하거나, 또는 차량 데이터를 기존의 소프트웨어 환경에 통합할 수 있게 할 수 있다. 일부 실시예에서, 차량 정보 추출 서비스에 의해 제공되는 웹 애플리케이션들은 고객이 웹 애플리케이션들을 위한 코드를 생성하도록 요구하지 않고서 미리 구성되거나 또는 쉽게 구성가능할 수 있다. 일부 실시예에서, 차량 정보 추출 서비스를 위한 관리 콘솔은 추가적인 피처들을 제공할 수 있고, 또한 고객이 소유권 사전들에 대한 액세스를 제공하고, 추가적인 디지털 트윈들을 생성하는 것과 같은 차량 정보 추출 서비스로 고객의 계정을 관리할 수 있게 할 수 있다.In some embodiments, the service user interface of the vehicle information extraction service, such as service user interface 108, may include a designer canvas, such as designer canvas 402, and a management console, such as management console 410. In some embodiments, the designer canvas may enable a vehicle supplier's engineer or a customer engineer, such as a vehicle component supplier, to view digital twins containing data extracted from actual vehicles. The designer canvas can also allow engineers to modify the types of monitored/extracted data and/or triggering criteria for extracting data, including data reduction factors based on the number of vehicles in the partition. In some embodiments, Designer Canvas allows customer engineers to use their own enterprise credentials (e.g., issued to engineers by an enterprise customer) without requiring each engineer to have an account or credential for the vehicle information extraction service. credentials) can be used to log in to web applications. Using the web application, customer engineers can access, visualize and monitor vehicle data. Designer Canvas can also enable customers to build custom reporting or analytics, or integrate vehicle data into existing software environments. In some embodiments, web applications provided by the vehicle information extraction service may be pre-configured or easily configurable without requiring the customer to generate code for the web applications. In some embodiments, the management console for the vehicle information extraction service may provide additional features, allowing the customer to access the vehicle information extraction service, such as providing access to ownership dictionaries and creating additional digital twins. You can manage your account.

일부 실시예에서, 설계자 캔버스(402)와 같은 설계자 캔버스는 디지털 트윈 사용자 인터페이스(404), 플릿 사용자 인터페이스(406), 및 차량 스킴 사용자 인터페이스(408)를 포함한다. 디지털 트윈 사용자 인터페이스(404)는 고객의 엔지니어가 소정의 실제 차량에 대한 디지털 트윈을 보고 상호작용할 수 있게 할 수 있으며, 디지털 트윈은 실제 차량으로부터 추출된 거의 실시간으로 차량 정보를 포함한다. 플릿 사용자 인터페이스(406)는 고객의 엔지니어가 차량의 클래스(또는 플릿)를 나타내는 디지털 트윈을 보고 인터페이싱할 수 있게 할 수 있다. 플릿 디지털 트윈은 플릿에 대한 플릿 정의와 매칭되는 차량의 클래스의 거의 실시간 상태를 나타내는 집계된 데이터를 포함할 수 있다. 플릿 디지털 트윈은 다양한 OEM들에 속하는 차량들의 트윈들을 포함할 수 있고, 상이한 차량내 포맷들을 가질 수 있다. 디지털 플릿 트윈들은 다양한 차량내 포맷들을 동질적인 차량 신호 포맷을 사용하여 단일 플릿으로 결합하기 위해 차량 디코더 규칙들 및 차량 모델 구성을 사용함으로써 생성될 수 있다. 추가적으로, 디지털 트윈 사용자 인터페이스(404) 및 플릿 사용자 인터페이스(406)는 고객의 엔지니어가 실제 차량 또는 실제 차량의 플릿으로부터 추출된 이력 데이터를 보고 상호작용할 수 있게 할 수 있다. 일부 실시예에서, 실제 차량이 제조되기 전에 설계자 캔버스(402)를 사용하여 차량에 대해 디지털 트윈이 생성될 수 있다.In some embodiments, a designer canvas, such as designer canvas 402, includes digital twin user interface 404, fleet user interface 406, and vehicle scheme user interface 408. Digital twin user interface 404 may enable a customer's engineers to view and interact with a digital twin for a given physical vehicle, where the digital twin includes near-real-time vehicle information extracted from the actual vehicle. Fleet user interface 406 may allow a customer's engineers to view and interface with a digital twin representing a class (or fleet) of vehicles. A fleet digital twin may contain aggregated data representing the near real-time status of classes of vehicles that match the fleet definition for the fleet. A fleet digital twin may include twins of vehicles belonging to various OEMs and may have different in-vehicle formats. Digital fleet twins can be created by using vehicle decoder rules and vehicle model configuration to combine various in-vehicle formats into a single fleet using a homogeneous vehicle signal format. Additionally, the digital twin user interface 404 and fleet user interface 406 may enable a customer's engineers to view and interact with historical data extracted from a real vehicle or a fleet of real vehicles. In some embodiments, a digital twin may be created for a vehicle using the designer canvas 402 before the actual vehicle is manufactured.

일부 실시예에서, 설계자 캔버스(402)는 차량 스킴 사용자 인터페이스(408)와 같은 차량 스킴 사용자 인터페이스를 포함할 수 있다. 차량 스킴 사용자 인터페이스(408)는 고객의 엔지니어가 차량 또는 차량들로부터 추출될 차량 정보의 타입들뿐만 아니라 차량 정보를 추출하기 위한 트리거링 기준을 제공/수정할 수 있게 할 수 있다. 예를 들어, 소정의 시스템을 트러블슈팅하는 경우, 엔지니어는 트러블슈팅이 필요한 시스템의 서브구성요소들로부터의 데이터와 같이 추출될 추가적인 타입의 차량 정보를 포함하도록 차량 스킴을 통해 데이터 추출을 수정할 수 있다. 차량 스킴 사용자 인터페이스(408)는 차량 모델 구성 및 차량의 각각의 디코더 규칙을 결정하기 위해 엔지니어에 의해 사용될 수 있다.In some embodiments, designer canvas 402 may include a vehicle scheme user interface, such as vehicle scheme user interface 408. The vehicle scheme user interface 408 may allow a customer's engineer to provide/modify triggering criteria for extracting vehicle information as well as the types of vehicle information to be extracted from the vehicle or vehicles. For example, when troubleshooting a given system, an engineer can modify the data extraction through the vehicle scheme to include additional types of vehicle information to be extracted, such as data from subcomponents of the system that need to be troubleshooted. . The vehicle scheme user interface 408 may be used by an engineer to determine vehicle model configuration and the vehicle's respective decoder rules.

관리 콘솔(410)은 청구, 연락처 정보 등과 같은 고객의 계정을 관리하는 데 사용될 수 있는 데이터 추출 서비스 계정 관리(412)를 포함한다. 추가적으로, 관리 콘솔(410)은 차량 인터페이스(414)를 위한 디지털 트윈 및 플릿 디지털 트윈 인터페이스(416)를 포함한다. 이러한 인터페이스들은 개별 차량 또는 차량들의 플릿 중 어느 하나에 대해 추가적인 디지털 트윈들이 생성되는 것을 승인하기 위해 고객에 의해 사용될 수 있다. 일부 실시예에서, 설계자 캔버스(402)에서의 프롬프트는 요청이 고객에 의한 승인을 위해 큐잉되도록 할 수 있으며, 여기서, 승인은 디지털 트윈 인터페이스(414) 또는 플릿 디지털 트윈 인터페이스(416)로 하여금 추가적인 디지털 트윈들을 생성하게 한다. 관리 콘솔(410)은 생성된 이진 파일들이 모니터링될 차량들에 디플로이되게 할 수 있는 관리 콘솔(410)의 디플로이먼트 인터페이스(418)를 포함한다. 일부 실시예에서, 관리 콘솔(410)과 같은 관리 콘솔은 추출된 차량 정보를 수신하고 보기 위한 모니터링 인터페이스(420)를 더 포함할 수 있다. 일부 실시예에서, 모니터링 인터페이스는 또한, 추출된 차량 정보에서 특정 임계치들이 충족되는 경우, 경보들과 같은 모니터링 파라미터들의 사양이 트리거될 수 있게 할 수 있다. 일부 실시예에서, 이진 파일들은 차량 정보 추출 서비스(102)에 의해 생성될 수 있고, 고객의 차량으로의 디플로이먼트를 위해 고객에게 제공될 수 있다.Management console 410 includes data extraction service account management 412 that can be used to manage a customer's account such as billing, contact information, etc. Additionally, management console 410 includes a digital twin for vehicle interface 414 and a fleet digital twin interface 416. These interfaces can be used by the customer to authorize additional digital twins to be created for either an individual vehicle or a fleet of vehicles. In some embodiments, a prompt in designer canvas 402 may cause a request to be queued for approval by the customer, where approval may cause digital twin interface 414 or fleet digital twin interface 416 to request additional digital twins. Create twins. Management console 410 includes a deployment interface 418 of management console 410 that allows generated binary files to be deployed to vehicles to be monitored. In some embodiments, a management console, such as management console 410, may further include a monitoring interface 420 for receiving and viewing extracted vehicle information. In some embodiments, the monitoring interface may also allow specification of monitoring parameters, such as alerts, to be triggered when certain thresholds are met in the extracted vehicle information. In some embodiments, binary files may be generated by vehicle information extraction service 102 and provided to the customer for deployment into the customer's vehicle.

관리 콘솔(410)은 추출된 차량 정보에 대해 수행될 분석을 정의하기 위한 분석 인터페이스(424)를 포함하고, 고객이 분석, 경보, 통지 파라미터 등을 지정할 수 있게 하는 고객 API 인터페이스(426)를 포함한다. 추가적으로, 관리 콘솔(410)은 추출된 차량 정보에서 특정 경보 임계치가 충족되는 경우 고객에게 통지를 발행하도록 구성된 고객 통신 인터페이스(422)를 포함한다. 일부 실시예에서, 관리 콘솔(410)은 권한 및 역할들 인터페이스(432)를 더 포함한다. 이는 고객이 상이한 타입들 또는 클래스들의 사용자들(차량 정보 추출 서비스의 고객인 차량 공급자 또는 차량 구성요소 공급자의 직원들일 수 있음)에 대한 액세스 역할들을 정의할 수 있게 할 수 있다. 예를 들어, 일부 사용자에게는 미리 구성된 차량 정보 추출 구성의 사용만을 허용하는 역할이 할당될 수 있는 반면, 다른 사용자에게는 차량의 특정 구성요소의 동작에 대해 더 깊이 탐구하는 것과 같이 새로운 차량 정보 추출 구성의 개발을 가능하게 하는 역할이 제공될 수 있다.The management console 410 includes an analysis interface 424 for defining the analysis to be performed on the extracted vehicle information, and a customer API interface 426 that allows the customer to specify analysis, alert, notification parameters, etc. do. Additionally, management console 410 includes a customer communication interface 422 configured to issue notifications to customers when certain alert thresholds are met in the extracted vehicle information. In some embodiments, management console 410 further includes a permissions and roles interface 432. This may allow the customer to define access roles for different types or classes of users (which could be employees of a vehicle component supplier or a vehicle supplier that is a customer of the vehicle information extraction service). For example, some users may be assigned roles that only allow the use of pre-configured vehicle information extraction configurations, while other users may be assigned roles that allow them to use new vehicle information extraction configurations, such as to delve deeper into the behavior of specific components of the vehicle. Roles may be provided to enable development.

관리 콘솔(410)은 차량 플릿 파티션들을 결정하기 위해 사용될 수 있는 영역 경계들 및 영역 경계들의 해상도를 결정하기 위한 영역 인터페이스(434)를 포함한다. 도 8에서 더 논의된 바와 같이, 영역 인터페이스(434)는 영역 경계들의 해상도를 변경하는 것뿐만 아니라 영역의 경계들을 정의하는 영역 고유 식별자들을 갖는 격자 영역들로 맵을 분할하기 위해 고객에 의해 사용될 수 있다. 추가적으로, 관리 콘솔(410)은 의미적으로 인덱싱된 아이템들의 타입들을 정의하는 의미적으로 인덱싱된 아이템 인터페이스(436)를 포함한다. 고객은 의미론적으로 인덱싱된 아이템 인터페이스(436)를 사용하여 정적 객체(예를 들어, 신호등 및 거리 표지판), 반정적 객체(예를 들어, 차선 폐쇄, 일시적 객체(예를 들어, 자전거 또는 다른 차량)와 같이 변경될 가능성이 있지만 주파수가 낮은 객체와 같은 검출된 시각적 객체), 또는 하나 이상의 특정 객체의 임의의 다른 분류를 식별할 수 있다. 일부 실시예에서, 인덱싱된 아이템 인터페이스(436)는 차량에 의해 리턴될 데이터가 중복 데이터일 가능성을 결정하기 위해 사용될 수 있는 플릿의 이동성 패턴 또는 다른 환경 팩터에 관한 추론을 하기 위해 사용될 수 있다. 인덱싱된 아이템 인터페이스(436)는 차량단에 의해 획득된 이미지 또는 다른 정보를 포함하여 다양한 소스들로부터 집계된 데이터를 사용할 수 있다. 일부 실시예에서, 관리 콘솔은 추출될 차량 정보의 확률을 제공하기 위해 고객에 의해 사용되는 데이터 축소 팩터 인터페이스(438)를 포함할 수 있다. 예를 들어, 엔지니어는 영역 내의 차량들의 수가 100대 내지 200대의 차량들 사이일 때, 그 정적 객체 주위의 차량들의 파티션에 대한 정적 객체의 데이터 추출 확률을 0.5로 지정할 수 있다.Management console 410 includes an area interface 434 for determining the resolution of area boundaries and area boundaries that can be used to determine vehicle fleet partitions. As discussed further in Figure 8, region interface 434 can be used by a customer to change the resolution of region boundaries as well as to partition the map into grid regions with region unique identifiers defining the boundaries of the region. there is. Additionally, management console 410 includes a semantically indexed item interface 436 that defines types of semantically indexed items. Customers can use the semantically indexed item interface 436 to create static objects (e.g., traffic lights and street signs), semi-static objects (e.g., lane closures), and transient objects (e.g., bicycles or other vehicles). ), or any other classification of one or more specific objects. In some embodiments, indexed item interface 436 may be used to make inferences about the fleet's mobility patterns or other environmental factors, which may be used to determine the likelihood that data to be returned by a vehicle is duplicate data. Indexed item interface 436 may use aggregated data from a variety of sources, including images or other information obtained by vehicle interception. In some embodiments, the management console may include a data reduction factor interface 438 used by the customer to provide the probability of vehicle information to be extracted. For example, an engineer may specify a data extraction probability of a static object for a partition of vehicles around the static object to be 0.5 when the number of vehicles in the area is between 100 and 200 vehicles.

일부 실시예에서, 차량 데이터 추출 서비스는 결과적인 파티션들이 파티션들에 포함된 차량들의 적어도 임계 수를 갖도록 파티션 정의들을 제한할 수 있다는 것을 유념해야 한다. 예를 들어, 일부 실시예에서, 차량 데이터 추출 서비스는 파티션들을 적어도 특정 수의 차량들을 포함하도록 제한할 수 있다. 따라서, 차량 익명성이 유지된다. 예를 들어, 소정의 파티션 내의 차량들의 수가 충분히 큰 경우, 예컨대 20대의 차량들이 예시로서, 수집된 차량 정보는 충분히 익명화된다. 따라서, 최소 임계 차량 수보다 적은 수의 파티션을 포함하는 파티션 정의가 고객에 의해 제출되면, 동적 데이터 축소는 차량 데이터 추출 서비스에 의해 비활성화될 수 있다. 추가적으로, 일부 실시예에서, 전송 확률들에 대한 업데이트들은 소정의 파티션 내에 포함된 차량들의 적어도 임계 개수가 없는 경우, 플릿의 차량들로 전송되는 것이 디스에이블될 수 있다. 일부 실시예에서, 다양한 임계치, 이를테면 위에서 설명된 20대의 차량들 또는 예컨대 5~10대의 차량들과 같은 다른 임계치들이 사용될 수 있다. 추가적으로, 개인 차량들을 식별하는 서비스 정보의 클라우드 측에서는 수집되지 않을 수 있거나, 수집되는 경우, 데이터 수집의 결과들에 포함되는 것으로부터 필터링되지 않을 수 있다.It should be noted that in some embodiments, the vehicle data extraction service may constrain partition definitions such that the resulting partitions have at least a threshold number of vehicles included in the partitions. For example, in some embodiments, a vehicle data extraction service may limit partitions to include at least a certain number of vehicles. Therefore, vehicle anonymity is maintained. For example, if the number of vehicles in a given partition is large enough, such as 20 vehicles, the collected vehicle information is sufficiently anonymized. Accordingly, if a partition definition containing fewer partitions than the minimum threshold number of vehicles is submitted by the customer, dynamic data reduction may be disabled by the vehicle data extraction service. Additionally, in some embodiments, updates to transmission probabilities may be disabled from being transmitted to vehicles in a fleet if there is not at least a threshold number of vehicles included within a given partition. In some embodiments, various thresholds may be used, such as 20 vehicles described above or other thresholds such as 5-10 vehicles. Additionally, service information identifying individual vehicles may not be collected on the cloud side or, if collected, may not be filtered from inclusion in the results of data collection.

도 5a 내지 도 5c는 일부 실시예에 따른, 데이터 축소 팩터를 결정하고, 차량 이동으로 인해 상이한 시점들에서의 차량 밀도들의 변화에 기초하여 추출된 데이터의 양을 최적화하기 위해 동적 차량 데이터 추출 서비스를 사용하는 차량들의 플릿의 더 상세한 도면들을 예시한다.5A-5C illustrate a dynamic vehicle data extraction service to determine a data reduction factor and optimize the amount of data extracted based on changes in vehicle densities at different times due to vehicle movement, according to some embodiments. Illustrating more detailed drawings of the fleet of vehicles in use.

도 5a에서, 차량들의 플릿이 다양한 파티션들에 배치될 수 있다. 도 8에서 추가로 논의되는 바와 같이, 파티션 A 및 B는 다양한 지리적 영역에 기초하도록 구성될 수 있다. 그러나, 아래에서 더 논의되는 바와 같이, 일부 실시예에서, 파티션들은 지리적 경계들에 의해 구속되지 않는 불규칙한 형상들을 가질 수 있다. 일부 실시예에서, 소정의 지리적 영역은 다수의 파티션들을 포함할 수 있다.In Figure 5A, a fleet of vehicles may be placed in various partitions. As discussed further in Figure 8, partitions A and B can be configured to be based on various geographic areas. However, as discussed further below, in some embodiments, partitions may have irregular shapes that are not constrained by geographic boundaries. In some embodiments, a given geographic area may include multiple partitions.

도 5a에 도시된 바와 같이, 파티션 A 및 B와 연관된 영역(즉, "파티션 A" 및 "파티션 B")은 차량 데이터 추출 서비스에 의해 크기가 증가되거나 크기가 감소될 수 있고, 차량들에 통신될 수 있는 파티션의 경계를 포함하여 파티션의 성질이 변경될 수 있다. 일부 실시예에서, 차량 환경에 대해 이루어진 특정 추론에 대한 근접성에 기초하여 다수의 파티션들이 그려질 수 있다. 예를 들어, 파티션 C는 고정된 객체(508)로부터 일정한 거리 근처의 차량들을 포함할 수 있다. 일부 실시예에서, 파티션 정보는 차량 정보 추출 서비스의 차량 통신 인터페이스를 통해 통신될 수 있다. 차량 데이터 축소 서비스는 정보 식별자를 포함하는 대응하는 파티션 정보를 갖는 하나 이상의 파티션 정보 테이블을 유지할 수 있다. 도 5a에서, 하나의 파티션으로부터 다른 파티션으로의 경계의 교차는 지리적 위치에 기초하지만, 차량이 파티션 경계를 건너고 있는지 여부를 결정할 때 식별된 객체에 대한 근접성, 차량 속도 등과 같은 차량의 다양한 변경이 고려될 수 있다.As shown in Figure 5A, the areas associated with partitions A and B (i.e., “Partition A” and “Partition B”) can be increased or decreased in size by the vehicle data extraction service and communicated to the vehicles. The nature of a partition can be changed, including the boundaries of the partition. In some embodiments, multiple partitions may be drawn based on proximity to certain inferences made about the vehicle environment. For example, partition C may include vehicles near a certain distance from the stationary object 508. In some embodiments, partition information may be communicated through a vehicle communication interface of a vehicle information extraction service. The vehicle data reduction service may maintain one or more partition information tables with corresponding partition information including information identifiers. In Figure 5A, the crossing of the boundary from one partition to another is based on geographic location, but various changes in the vehicle, such as proximity to an identified object, vehicle speed, etc., are taken into account when determining whether a vehicle is crossing a partition boundary. It can be.

일부 실시예에서, 차량 환경은 예를 들어 지리적 맵 상에 오버레이로서 표현될 수 있으며, 오버레이는 이전에 수집된 차량 정보에 기초하여 차량 환경에서 식별된 객체들을 포함한다. 예를 들어, 차량 환경에 어떤 객체가 포함되는지에 대한 추론은 유사한 차량 환경 또는 위치의 차량 또는 다른 차량으로부터 수집된 정보로부터 도출될 수 있다. 일부 실시예에서, 특정 타입의 오브젝트의 유포는 다른 타입의 오브젝트의 가능성 있는 유포에 대한 통찰을 제공할 수 있다. 따라서, 일부 실시예에서, 동적 데이터 축소를 위해 사용되는 확률들은 또한 차량 환경으로부터 도출된 추론에 기초할 수 있다.In some embodiments, the vehicular environment may be represented as an overlay, for example on a geographic map, where the overlay includes identified objects in the vehicular environment based on previously collected vehicle information. For example, inferences about what objects are included in the vehicular environment may be derived from information collected from vehicles or other vehicles in a similar vehicular environment or location. In some embodiments, the distribution of certain types of objects may provide insight into the likely distribution of other types of objects. Accordingly, in some embodiments, the probabilities used for dynamic data reduction may also be based on inferences derived from the vehicle environment.

T0에서, 파티션 A 및 파티션 B에 플릿의 특정 수의 차량이 있을 수 있다. 차량 1(502), 차량 2(504), 및 차량 3(506)은 차량 데이터 추출 서비스에 데이터를 전송하는 동일한 차량 플릿에 있으며, 도 1에서 논의된 바와 같이 상이한 OEM을 갖는 다양한 모델을 포함할 수 있다. T0에서, 파티션 A 및 파티션 B 내의 차량 수는 각각 12와 3이다. 차량 데이터 추출 서비스는 파티션들 내의 파티션들/차량들에 대한 선택 센서 정보를 리턴할 데이터 축소 팩터/확률에 관한 정보를 포함하는 하나 이상의 테이블(508)을 유지할 수 있다. 파티션들 각각은 서비스에 의해 데이터 축소를 위해 사용되는 모델이 업데이트되도록 차량 카운트의 충분한 변화가 발생해야 하는 경우, 파티션 내의 차량 수에 기초하여 변경될 특정 데이터 축소 팩터/확률을 수신하는 차량들을 포함할 수 있다. 예를 들어, 파티션 내의 차량 수가 증가함에 따라, 파티션 내의 차량의 집중도는 증가된 수의 중복 데이터를 전송할 수 있다. 파티션 내의 차량 수가 증가함에 따라, 선택된 센서 데이터를 전송할 확률이 증가할 수 있다. 다른 한편으로, 파티션 내의 차량 수가 감소함에 따라, 분석을 위한 충분한 데이터를 수집하기 위해 선택 센서 데이터가 추출될 확률이 증가될 필요가 있을 수 있도록, 해당 파티션 내의 차량들의 농도가 감소될 수 있다. 또한, 데이터 축소 팩터/확률은 차량 정보 추출 서비스에 의해 환경에 대해 이루어진 다양한 추론의 존재에 기초할 수 있다. 예를 들어, 플릿의 차량에 의해 검출된 이미지와 같은 환경 정보에 기초하여, 정지 객체(508), 동적 객체(510), 파티션들에 관한 다른 추론, 차량 데이터 추출 서비스는 차량이 상주하는 파티션 내의 관심 객체들의 개체수에 대해 추론할 수 있다. 이러한 추론은 데이터 축소 팩터를 결정하기 위해 사용될 수 있다. 예를 들어, 파티션 A 근처의 동적 오브젝트(510)의 총 수 또는 파티션 B 내의 고정 오브젝트의 수에 기초하여, 데이터 축소 팩터는 각 파티션에 대해 변경될 수 있다. 특정 타입의 센서 데이터의 데이터 축소 팩터를 결정하기 위해 차량 이동 패턴 또는 영역 내의 정지 신호의 수 또는 차량 환경에 관한 다양한 다른 추론과 같은 다른 추론이 사용될 수 있다. 일부 실시예에서, 파티션에 대해 이루어진 추론, 동적 객체(510) 또는 다른 객체들의 존재와 같은 것은 감쇠 함수에 의해 수정될 수 있으며, 여기서 객체들은 파티션 내에 존재할 가능성이 있는 수명을 가지며, 데이터 축소 팩터들에 대한 객체들의 영향들은 시간이 지남에 따라 감쇠된다. 예를 들어, 동적 객체(510)는 T0에 존재할 수 있지만 T1에서 제거될 수 있다.At T 0 , there may be a certain number of vehicles in the fleet in partition A and partition B. Vehicle 1 (502), Vehicle 2 (504), and Vehicle 3 (506) are in the same vehicle fleet that transmits data to the vehicle data extraction service and may include various models with different OEMs as discussed in Figure 1. You can. At T 0 , the number of vehicles in partition A and partition B is 12 and 3, respectively. The vehicle data extraction service may maintain one or more tables 508 containing information regarding data reduction factors/probabilities to return selected sensor information for partitions/vehicles within the partitions. Each of the partitions will contain vehicles that will receive a specific data reduction factor/probability that will change based on the number of vehicles within the partition if sufficient changes in vehicle counts should occur such that the model used for data reduction by the service is updated. You can. For example, as the number of vehicles within a partition increases, the concentration of vehicles within the partition may transmit an increased number of duplicate data. As the number of vehicles in a partition increases, the probability of transmitting selected sensor data may increase. On the other hand, as the number of vehicles within a partition decreases, the concentration of vehicles within that partition may decrease, such that the probability that select sensor data will be extracted to collect sufficient data for analysis may need to be increased. Additionally, the data reduction factor/probability may be based on the existence of various inferences made about the environment by the vehicle information extraction service. For example, based on environmental information, such as images detected by vehicles in a fleet, stationary objects 508, dynamic objects 510, and other inferences about partitions, the vehicle data extraction service can The number of objects of interest can be inferred. This heuristic can be used to determine the data reduction factor. For example, based on the total number of dynamic objects 510 near partition A or the number of stationary objects within partition B, the data reduction factor may be changed for each partition. Other heuristics may be used to determine the data reduction factor for a particular type of sensor data, such as vehicle movement patterns or the number of stop signs in an area or various other inferences about the vehicle environment. In some embodiments, inferences made about a partition, such as the existence of a dynamic object 510 or other objects, may be modified by a decay function, where objects have a lifetime for which they are likely to exist within the partition, and data reduction factors. The effects of objects on attenuate over time. For example, dynamic object 510 may exist at T 0 but be removed at T 1 .

일부 실시예에서, 확률은 차량 수 또는 파티션의 차량 밀도 또는 다양한 추론에서의 변화에 기초하여 동적 방식으로 변경될 수 있다. 일부 실시예에서, 파티션 내의 총 차량 수가 특정 임계 차량 수를 초과한 후에만 데이터 계수의 업데이트가 특정 파티션의 차량에 전송될 수 있다. 차량의 임계 수는 파티션, 플릿, 센서 데이터의 타입 등과 같은 팩터에 기초하여 달라질 수 있다. 데이터 축소 팩터 테이블(508)은 차량에 업데이트를 전송하는 데 필요한 샘플 임계 범위를 도시한다. 도 5는 파티션 내의 차량들의 수가 0 내지 5대의 차량들 범위일 때, 파티션 B에 대한 선택 데이터의 데이터 추출 확률을 0.5로 도시한고, 파티션 내의 차량들의 수가 10대 내지 15대의 차량들 범위일 때, 파티션 A에 대한 선택 데이터의 데이터 추출 확률은 0.3이다. 일부 실시예에서, 차량의 범위에 대한 설정된 확률 대신에, 확률은 해당 파티션 내의 차량 수에 기초하여 상이할 수 있다. T0에서, 차량들 1(502) 및 차량 2(504)는 파티션 A에서 파티션 B로 이동하는 것으로 도시되고, 두 차량들이 T1에서 파티션 경계를 넘으면, 차량들은 위치 정보 또는 다른 관련 센서 정보를 차량 데이터 추출 서비스에 전송할 수 있다. 일부 실시예에서, 차량은 차량의 위치 이외에 파티션 정보를 식별하는 정보를 전송할 수 있다.In some embodiments, the probability may change in a dynamic manner based on changes in the number of vehicles or vehicle density of the partition or various heuristics. In some embodiments, updates of data coefficients may be sent to vehicles in a particular partition only after the total number of vehicles within the partition exceeds a certain threshold number of vehicles. The threshold number of vehicles may vary based on factors such as partition, fleet, type of sensor data, etc. Data reduction factor table 508 shows the sample threshold range required to send updates to the vehicle. Figure 5 shows the data extraction probability of selection data for partition B as 0.5 when the number of vehicles in the partition ranges from 0 to 5 vehicles, and when the number of vehicles in the partition ranges from 10 to 15 vehicles, The data extraction probability of the selected data for partition A is 0.3. In some embodiments, instead of a set probability for a range of vehicles, the probability may be different based on the number of vehicles within that partition. At T 0 , vehicles 1 (502) and vehicle 2 (504) are shown moving from partition A to partition B, and when both vehicles cross the partition boundary at T 1 , the vehicles receive location information or other relevant sensor information. It can be sent to a vehicle data extraction service. In some embodiments, the vehicle may transmit information identifying partition information in addition to the vehicle's location.

T1에서, 파티션 A 및 파티션 B 내의 차량들의 수는 각각 10개 및 5개이고, 차량 데이터 추출 서비스는 T1에서 각 파티션 A 및 B 각각에서의 차량들의 수의 결과적인 변화로 하나 이상의 파티션 정보 테이블을 업데이트할 수 있다. 파티션 내의 차량 수가 업데이트를 전송하는 데 필요한 임계량을 초과하지 않는 경우, 차량 수의 변경은 플릿 내의 센서 데이터 추출 확률에 대한 업데이트를 트리거하지 않을 수 있다. 예로서 도 5a에서, 파티션 내의 차량들의 수가 동적 데이터 축소를 위한 최소 임계치(1보다 큼)로부터 범위에 있을 때, 파티션 B에 대한 선택 데이터의 데이터 추출의 확률은 0.5이고, 5대의 차량에 대해 그리고 파티션 B 내의 플릿 내의 총 차량 수가 범위 내에 남아 있기 때문에, 확률은 동일하게 유지된다. 실제 구현예들에서, 차량들의 수는 차량들의 100s개, 1,000s개, 10,000s개 등과 같이 훨씬 더 클 수 있다는 것을 유념한다. 그러나, 예시를 용이하게 하기 위해, 도 5a 내지 도 5c에서는 더 적은 수의 차량들이 사용된다. 마찬가지로, 파티션 내의 차량 수가 10대 내지 15대의 범위에 있으므로, 파티션 A에 대한 선택된 데이터의 데이터 추출 확률은 0.3으로 유지된다. T1에서, 차량 3은 파티션 A에서 파티션 B로 이동하는 것으로 도시되고, 차량이 T2에서 파티션 경계를 넘으면, 차량 3(506)은 위치 정보 또는 다른 센서 정보를 차량 데이터 추출 서비스에 전송할 수 있다. 일부 실시예에서, 차량은 차량의 위치 이외에 파티션 정보를 식별하는 정보를 전송할 수 있다.At T 1 , the number of vehicles in partition A and partition B are 10 and 5, respectively, and the vehicle data extraction service generates one or more partition information tables as a result of the change in the number of vehicles in each partition A and B at T 1 . can be updated. If the number of vehicles within a partition does not exceed the threshold required to send updates, a change in the number of vehicles may not trigger an update to the sensor data extraction probability within the fleet. As an example in Figure 5A, when the number of vehicles in a partition ranges from the minimum threshold for dynamic data reduction (greater than 1), the probability of data extraction of selected data for partition B is 0.5, for 5 vehicles and Since the total number of vehicles in the fleet in partition B remains in range, the probability remains the same. Note that in actual implementations, the number of vehicles could be much larger, such as 100s, 1,000s, 10,000s of vehicles, etc. However, for ease of illustration, fewer vehicles are used in FIGS. 5A-5C. Likewise, since the number of vehicles in the partition is in the range of 10 to 15, the data extraction probability of the selected data for partition A remains 0.3. At T 1 , vehicle 3 is shown moving from partition A to partition B, and when the vehicle crosses the partition boundary at T 2 , vehicle 3 506 may transmit location information or other sensor information to a vehicle data extraction service. In some embodiments, the vehicle may transmit information identifying partition information in addition to the vehicle's location.

T2에서, 파티션 A 및 파티션 B 내의 차량 수는 각각 9와 6이고, 차량 데이터 추출 서비스는 T2에서 각 파티션 A 및 B 각각에서의 차량 수의 결과적인 변화로 하나 이상의 파티션 정보 테이블을 업데이트할 수 있다. 파티션 A 및 B 둘 다에서의 T2에서의 차량 수의 이러한 변화는 임계 양을 넘어 두 파티션을 이동시켰다. 예를 들어, 도 5a에서, 파티션 B에서의 차량 수가 6 내지 10 범위 내에 있기 때문에, 파티션 B에 대한 선택 데이터의 데이터 추출 확률은 0.4이다―이는 T1로부터의 변화이며, 여기서, 총 차량 수는 5 범위로의 데이터 축소를 위해 최소로 있었다. 파티션 A에서, 총 차량 수는 9개로 감소되었고, 10개에서 15개에서 5개에서 9개로 임계 범위를 넘어 이동하였다. 따라서, 파티션 A의 데이터 추출 확률은 0.4로 증가한다. 일부 실시예에서, 파티션에서의 센서 데이터의 데이터 추출 확률에 변화가 있을 때, 새로운 차량 스킴이 해당 파티션 내의 플릿 내의 차량들에 전송될 수 있다. 예를 들어, T2에서 파티션 A에 있는 플릿의 모든 차량은 센서 데이터의 새로운 데이터 축소 팩터/데이터 추출 확률의 파티션 A에 있는 각각의 차량과 통신하는 새로운 차량 스킴을 수신할 것이다.At T 2 , the number of vehicles in partition A and partition B are 9 and 6, respectively, and the vehicle data extraction service may update one or more partition information tables with the resulting change in the number of vehicles in each partition A and B at T 2 . You can. This change in the number of vehicles at T 2 in both partitions A and B moved both partitions beyond a critical amount. For example, in Figure 5A, since the number of vehicles in partition B is in the range 6 to 10, the probability of data extraction of selected data for partition B is 0.4—which is the change from T 1 , where the total number of vehicles is There was a minimum for data reduction to a range of 5. In Partition A, the total number of vehicles was reduced to 9, moving beyond the critical range from 10 to 15 to 5 to 9. Therefore, the data extraction probability of partition A increases to 0.4. In some embodiments, when there is a change in the data extraction probability of sensor data in a partition, a new vehicle scheme may be sent to vehicles in a fleet within that partition. For example, at T 2 all vehicles in the fleet in partition A will receive a new vehicle scheme that communicates to each vehicle in partition A a new data reduction factor/data extraction probability of the sensor data.

도 5b는 일부 실시예에 따른, 차량 이동성 패턴들의 유사성에 기초하여 다수의 비균일한 파티션들을 사용하여 추출된 데이터의 양을 최적화하기 위해 동적 차량 데이터 추출 서비스를 사용하는 차량들을 예시한다. 예를 들어, 차량 3(506) 및 차량 4(514)는 동일한 방향으로 주행하고 있거나 유사한 이동성 패턴(예를 들어, 유사한 속도로 주행하고, 식별된 객체에 의해 주행하는 등)으로 주행하고 있을 수 있고, 이와 대조적으로, 동일한 파티션, 파티션 D에 배치될 수 있다. 차량 5(516)는 반대 방향으로 주행하고 있을 수 있고/있거나 상이한 이동성 패턴으로 주행하고 있을 수 있고, 도 8에서 더 논의된 바와 같이, 파티션 E에 배치될 수 있다. 파티션 A 및 B는 다양한 지리적 영역에 기초하도록 구성될 수 있는 반면, 파티션 D 및 E는 환경 정보 및 환경에 대해 이루어진 다양한 추론에 기초할 수 있다. 파티션들 중 임의의 파티션과 연관된 영역들은 차량 데이터 추출 서비스에 따라 크기가 증가되거나 크기가 감소될 수 있고, 파티션들의 경계들을 포함한 파티션들의 성질의 변화들이 차량들에 전달될 수 있다. 일부 실시예에서, 차량 환경에 대해 이루어진 특정 추론에 대한 근접성에 기초하여 다수의 파티션들이 그려질 수 있다.5B illustrates vehicles using a dynamic vehicle data extraction service to optimize the amount of data extracted using multiple non-uniform partitions based on similarity of vehicle mobility patterns, according to some embodiments. For example, vehicle 3 (506) and vehicle 4 (514) may be traveling in the same direction or with similar mobility patterns (e.g., traveling at similar speeds, driving by identified objects, etc.). and, by contrast, can be placed in the same partition, partition D. Vehicle 5 516 may be traveling in the opposite direction and/or may be traveling with a different mobility pattern and may be placed in partition E, as discussed further in FIG. 8 . Partitions A and B may be configured to be based on various geographic areas, while partitions D and E may be based on environmental information and various inferences made about the environment. Areas associated with any of the partitions may be increased or decreased in size according to the vehicle data extraction service, and changes in the properties of the partitions, including the boundaries of the partitions, may be communicated to the vehicles. In some embodiments, multiple partitions may be drawn based on proximity to certain inferences made about the vehicle environment.

도 5c는 일부 실시예에 따른, 중첩 영역에서는 다수의 불균일한 파티션들을 사용하여 추출된 데이터의 양들을 최적화하기 위해 동적 차량 데이터 추출 서비스를 사용하는 차량들을 예시하지만, 차량 환경 또는 다른 환경 팩터들에 기초하여 상이한 파티션들에서 추출된 데이터의 양들을 예시한다. 예를 들어, 차량 6(520) 및 차량 7(522)은 동일한 방향으로 주행할 수 있고 또한 동일한 지리적 영역에 있을 수 있지만 상이한 레벨에 있을 수 있다. 예를 들어, 차량 6(520)은 상위 레벨(고가도로)에서 주행할 수 있는 반면, 차량 7(522)은 브릿지의 하위 레벨(지하도로)에서 주행할 수 있고, 따라서 파티션 F 및 파티션 G와 같은 상이한 파티션에 배치될 수 있다. 지리적 위치, 그럼에도 불구하고, 이들은 환경 차이 또는 상이한 속도와 같은 다른 팩터로 인해 상이한 파티션에 배치될 수 있다. 일부 실시예에서, 지하도로와 같은 특별한 관심의 환경들은 별개의 파티션으로 간주될 수 있다.5C illustrates vehicles using a dynamic vehicle data extraction service to optimize the amount of data extracted using multiple non-uniform partitions in overlapping areas, but depending on the vehicle environment or other environmental factors, according to some embodiments. Based on this, we illustrate the amounts of data extracted from different partitions. For example, vehicle 6 520 and vehicle 7 522 may be traveling in the same direction and may be in the same geographic area, but at different levels. For example, vehicle 6 (520) can travel on the upper level (overpass), while vehicle 7 (522) can travel on the lower level (underpass) of the bridge, and thus partitions such as partition F and partition G. Can be placed in different partitions. Geographical locations, nevertheless, they may be placed in different partitions due to other factors such as environmental differences or different speeds. In some embodiments, environments of special interest, such as underpasses, may be considered separate partitions.

도 6은 일부 실시예에 따라, 차량 데이터 추출 서비스의 다양한 구성요소들, 구성요소들과 차량 이동의 상호작용, 및 데이터 추출의 확률에 대한 차량 이동의 영향을 예시하는 논리적 블록도를 예시한다.6 illustrates a logical block diagram illustrating the various components of a vehicle data extraction service, the interaction of the components with vehicle movement, and the impact of vehicle movement on the probability of data extraction, according to some embodiments.

이 예에서, 차량들의 플릿의 차량(126)은 차량(126)의 위치를 식별하는 위치 데이터(605)를 전송하였다. 일부 실시예에서, 위치 데이터(605)는 차량 추출 서비스에 의해 정의된 바와 같은 파티션 경계의 교차와 같은 트리거링 이벤트를 통해 차량 데이터 추출 서비스에 전송되었을 수 있다. 일부 실시예에서, 위치 데이터는 차량이 속해 있는 파티션을 지정하는 고유 파티션 식별자를 더 포함할 수 있다. 파티션 식별자가 위치 데이터(605)에 지정되지 않은 경우, 차량 추출 서비스(102)는 위치 데이터(605)에 기초하여 파티션 식별자를 결정하고, 파티션 정보 테이블(603)에 정보를 전송하고, 위치 데이터(605)에서 식별된 파티션에 관련 차량 정보를 추가할 수 있다. 일부 실시예에서, 추출된 원시 데이터 엔진(184)은 또한 차량의 현재 위치와 매칭하도록 차량(126)이 내부에 위치된 것으로 식별된 이전 파티션으로부터 식별된 차량을 제거하도록 차량 파티션 테이블(182)을 수정할 것이다.In this example, vehicle 126 of the fleet of vehicles transmitted location data 605 identifying the location of vehicle 126. In some embodiments, location data 605 may have been sent to the vehicle data extraction service through a triggering event, such as the intersection of a partition boundary as defined by the vehicle extraction service. In some embodiments, the location data may further include a unique partition identifier that specifies the partition to which the vehicle belongs. If the partition identifier is not specified in the location data 605, the vehicle extraction service 102 determines the partition identifier based on the location data 605, sends the information to the partition information table 603, and sends the location data ( Related vehicle information can be added to the partition identified in step 605). In some embodiments, extracted raw data engine 184 also configures vehicle partition table 182 to remove identified vehicles from previous partitions within which vehicle 126 was identified to match the vehicle's current location. will fix it

차량 데이터 추출 서비스의 차량 파티션 엔진(188)은 차량 파티션 테이블(182)과 상호작용하여 테이블에 대한 추가 질의 및 편집을 행할 수 있다. 일부 실시예에서, 차량 파티션 엔진(188)은 대응하는 파티션 내의 총 차량 수를 증가시키기 위해 차량 파티션 엔진(188)에 지시할 차량 플릿의 파티션들에 관한 차량 추가/제거(608)를 청취한다. 차량 파티션 엔진(188)은 각 파티션들 각각에서의 총 차량 수를 결정하고, 차량 파티션 테이블(182) 내에 이를 저장할 수 있다. 일부 실시예에서, 차량 파티션 테이블(182)은 각 파티션 내의 총 차량 수에 관한 정보를 유지할 수 있다. 도 5a 내지 도 5c에서 논의된 바와 같이, 파티션 내의 총 차량 수가 임계 범위를 넘어 변경되면, 해당 파티션에 대해 데이터 추출/새로운 데이터 축소 팩터의 새로운 확률이 결정된다. 일부 실시예에서, 차량 파티션 엔진(188)은 업데이트(614)를 청취하고, 차량이 파티션에 진입하거나 빠져나갈 때 파티션 내의 총 차량 수가 증가/감소했다고 결정할 수 있으며, 여기서 증가/감소는 임계 범위를 초과한다. 이에 응답하여, 차량 파티션 엔진(188)은 차량 상태 테이블(186)에 새로운 엔트리들을 생성하거나, 변경(618) 후에 차량들이 가져야 하는 데이터 추출의 각각의 확률을 저장하기 위해 기존의 엔트리들을 업데이트할 수 있다. 일부 실시예에서, 차량 파티션 엔진(188)은 새로운 확률을 전송하기 위해 파티션 내의 모든 차량들을 식별하기 위해 차량 파티션 테이블(182)의 질의(616)를 수행할 수 있다. 그 다음, 차량 상태 테이블(186)은 차량 통신 인터페이스(180)에 의해 데이터 추출 또는 데이터 축소 팩터의 새로운 확률을 차량 내의 관련 차량에 전송하기 위해 사용될 수 있다. 일부 실시예에서, 파티션 내의 모든 차량은 플릿에 속하고 데이터 추출에 대한 변경된 확률을 갖는 새로운 차량 스킴으로 전송될 수 있다.The vehicle partition engine 188 of the vehicle data extraction service may interact with the vehicle partition table 182 to perform additional queries and edits to the table. In some embodiments, vehicle partition engine 188 listens for vehicle add/remove 608 regarding partitions of the vehicle fleet to instruct vehicle partition engine 188 to increase the total number of vehicles in the corresponding partition. Vehicle partition engine 188 may determine the total number of vehicles in each partition and store this in vehicle partition table 182. In some embodiments, vehicle partition table 182 may maintain information regarding the total number of vehicles within each partition. As discussed in Figures 5A-5C, if the total number of vehicles in a partition changes beyond a threshold range, a new probability of data extraction/new data reduction factor is determined for that partition. In some embodiments, vehicle partition engine 188 may listen for updates 614 and determine that the total number of vehicles in a partition has increased/decreased as a vehicle enters or exits a partition, where the increase/decrease is within a threshold range. exceeds In response, vehicle partition engine 188 may create new entries in vehicle state table 186 or update existing entries to store the respective probabilities of data extraction that the vehicles should have after change 618. there is. In some embodiments, vehicle partition engine 188 may perform a query 616 of vehicle partition table 182 to identify all vehicles within a partition to send new probabilities. The vehicle state table 186 may then be used by the vehicle communication interface 180 to transmit new probabilities of data extraction or data reduction factors to relevant vehicles within the vehicle. In some embodiments, all vehicles in a partition belong to a fleet and may be transferred to a new vehicle scheme with changed probabilities for data extraction.

도 7은 일부 실시예에 따라, 하나 이상의 차량의 하나의 파티션으로부터 다른 파티션으로의 전이와 관련하여 차량 정보 추출 서비스에 의해 수행되는 동작들의 흐름도를 예시하고, 데이터 추출에 대한 업데이트된 확률 및/또는 데이터 축소 팩터가 전송되어야 하는지 여부를 결정하기 위한 동작들을 예시한다.7 illustrates a flow diagram of operations performed by a vehicle information extraction service in connection with a transition from one partition of one or more vehicles to another partition, updated probabilities for data extraction, and/or Operations for determining whether a data reduction factor should be transmitted are illustrated.

블록 702에서, 디폴트 데이터 축소 방식이 파티션의 플릿 내의 차량들에 전송된다. 데이터 축소 방식은 신호 데이터의 차량에게 이러한 수집을 트리거하는 이벤트들을 수집하고 차량에게 지시하도록 지시하는 정보를 포함할 수 있다. 데이터 축소 방식은 또한 데이터 복제 레벨에 기초한 데이터 축소 문서를 포함할 수 있으며, 데이터 복제 레벨은 데이터 축소 방법에 대한 확률을 결정하는 데 사용된다.At block 702, a default data reduction scheme is sent to the vehicles within the partition's fleet. The data reduction method may include information instructing the vehicle of signal data to collect and instruct the vehicle on events that trigger such collection. The data reduction method may also include a data reduction document based on the data replication level, where the data replication level is used to determine the probability for the data reduction method.

블록 704에서, 차량 정보 추출 서비스는 파티션(G1)에 상주할 것으로 예측되고/되거나 파티션(G1)에 가입하기 위해 파티션(G0)을 떠날 것으로 예측되는 차량들에 대한 위치 정보를 수신한다. 차량 정보 추출 서비스는 도 1에서 논의된 바와 같이 위치 정보를 수신하고 GPS 정보에 기초하여 위치 예측을 결정할 수 있다. 일부 실시예에서, 위치 정보는 위치 정보뿐만 아니라 파티션 식별 정보를 식별할 수 있다. 위치 정보는 또한 이전 위치에 대한 파티션 정보를 포함할 수 있다.At block 704, the vehicle information extraction service receives location information for vehicles predicted to reside in partition G1 and/or predicted to leave partition G0 to join partition G1. The vehicle information extraction service may receive location information as discussed in FIG. 1 and determine a location estimate based on GPS information. In some embodiments, the location information may identify partition identification information in addition to location information. Location information may also include partition information for previous locations.

블록 706에서, 차량 정보 추출 서비스는 파티션(G1)에 대한 카운트를 업데이트하고 파티션(G0)에 대한 카운트를 감소시킨다. 블록 708에서, 차량 정보 추출 서비스는 파티션(G0) 내의 데이터 축소 팩터가 업데이트되도록 데이터 축소 모델 업데이트가 트리거되었는지 여부를 결정한다. 블록 712에서, 차량 정보 추출 서비스는 파티션(G1) 내의 차량들에 적용될 데이터 축소 팩터가 업데이트되도록 모델 변경이 트리거되었는지 여부를 결정한다. 일부 실시예에서, 트리거에 도달했는지 여부를 체크하는 2개의 블록들(708 및 712)은 동시에 수행될 수 있다. 블록 710에서, 트리거가 충족되면, 파티션(G0) 내의 모든 차량들에 대해 축소 팩터가 감소된다. 유사한 방식으로, 블록 714에서, 다른 트리거가 충족되면, 파티션(G1) 내의 모든 차량에 대해 데이터 축소 팩터가 증가된다.At block 706, the vehicle information extraction service updates the count for partition G1 and decrements the count for partition G0. At block 708, the vehicle information extraction service determines whether a data reduction model update has been triggered such that the data reduction factor within partition G0 is updated. At block 712, the vehicle information extraction service determines whether a model change has been triggered such that the data reduction factor to be applied to the vehicles in partition G1 is updated. In some embodiments, the two blocks 708 and 712, checking whether a trigger has been reached, may be performed simultaneously. At block 710, if the trigger is met, the reduction factor is reduced for all vehicles in partition G0. In a similar manner, at block 714, if another trigger is met, the data reduction factor is incremented for all vehicles within partition G1.

도 8은 일부 실시예에 따라, 맵을 격자 지리적 영역으로 분할하고 다중 파티션의 경계의 그리기 및 경계의 해상도를 변경할 수 있게 하는 차량 데이터 추출 서비스에서 사용되는 예시적인 맵을 예시한다.8 illustrates an example map used in a vehicle data extraction service that partitions the map into grid geographic regions and allows changing the drawing and resolution of boundaries of multiple partitions, according to some embodiments.

도 8에서, 맵이 특정 경계를 갖는 파티션들로 분할되는 그리드 시스템을 구현하는 지리적 영역(802)이 도시된다. 위도와 경도가 하나의 단일 포인트를 나타내는 반면, 맵을 분할하는 그리드 시스템은 구역의 설명을 허용하며, 이는 일부 상황들에서 파티션에 대응할 수 있다. 영역들은 식별자들의 문자들 및 길이들의 블록들을 활용하는 좌표 시스템을 통해 각각의 영역들을 정의하는 고유 식별자들에 의해 식별되고 조직될 수 있다. 일부 파티션들은 지리적 영역 경계들에 대응할 수 있지만, 다른 파티션들은 지리적 영역의 경계들 내에 속할 수 있다. 파티션은 도시된 맵 그리드와 같은 평행사변형이 아닐 수 있지만, 불균일한 경계를 가질 수 있다.In Figure 8, a geographic area 802 is shown, implementing a grid system in which the map is divided into partitions with specific boundaries. While latitude and longitude represent a single point, the grid system that divides the map allows the description of zones, which in some situations can correspond to partitions. Areas may be identified and organized by unique identifiers that define each area through a coordinate system that utilizes blocks of characters and lengths of identifiers. Some partitions may correspond to geographic area boundaries, while other partitions may fall within the boundaries of the geographic area. The partitions may not be parallelograms like the map grid shown, but may have non-uniform boundaries.

예를 들어, 도 8은 식별자 "A2B2"를 사용하여 더 낮은 해상도 식별자(804)에 의해 식별된 지리적 영역(802)을 도시한다. 도 8은 또한 "A1B2C1", "A1B2C2", 및 "A1B2C …"와 같은 더 높은 해상도 식별자(806)를 사용하여 6개의 서브 파티션으로 더 세분된 지리적 영역(802)을 도시한다. 파티션들 각각은 차량이 맵의 경계 영역에 있는지 여부를 질의하는 효율적인 방법을 제공하는 그의 부모로부터 동일한 문자열로 시작하여 다른 문자로 끝나는 새로운 식별자를 할당받는다. 파티션들 또는 서브 파티션들 각각은 차량 플릿 또는 다른 소스들로부터 도출된 정보의 다양한 인스턴스들을 구성하기 위해 사용될 수 있고, 파티션들에 관한 다양한 추론을 구성하기 위해 사용될 수 있다. 예를 들어, 파티션 "A1B2C5"에 비해 특정 수의 주요 고속도로와 특정 퍼센티지의 더 많은 고속도로를 갖는 것으로 파티션 "A1B2C3"으로 추론이 이루어질 수 있다. 다른 실시예에서, 파티션 내의 특정 개수의 정지 신호들을 결정하기 위해 머신 러닝 기술들을 사용하여 특정 객체들이 검출 및 분류될 수 있다. 파티션으로 이루어진 다양한 추론 중 하나 이상은 차량 데이터 추출 서비스에 중복 데이터의 가능성을 통지할 수 있고, 데이터 축소 팩터를 결정하는데 사용될 수 있다.For example, Figure 8 shows a geographic area 802 identified by a lower resolution identifier 804 using the identifier “A2B2.” Figure 8 also shows the geographic area 802 further subdivided into six sub-partitions using higher resolution identifiers 806 such as "A1B2C1", "A1B2C2", and "A1B2C...". Each of the partitions is assigned a new identifier from its parent, starting with the same string and ending with a different letter, providing an efficient way to query whether a vehicle is in a border area of the map. Each of the partitions or sub-partitions may be used to construct various instances of information derived from a vehicle fleet or other sources, and may be used to construct various inferences about the partitions. For example, an inference can be made with partition “A1B2C3” as having a certain number of major highways and a certain percentage of more highways compared to partition “A1B2C5”. In another embodiment, specific objects may be detected and classified using machine learning techniques to determine a specific number of stationary signs within a partition. One or more of the various heuristics consisting of partitions may notify the vehicle data extraction service of the possibility of duplicate data and may be used to determine a data reduction factor.

도 5a 내지 도 5c에서 논의된 바와 같이, 일 실시예에서, 플릿의 차량은 차량 데이터 추출 서비스에 위치 데이터를 전송할 수 있으며, 이 시점에서 차량 데이터 추출 서비스는 차량이 속하는 파티션을 식별할 수 있고, 임계치가 충족된 경우, 데이터 축소 팩터를 포함하는 새로운 차량 스킴을 영향을 받는 파티션 내의 플릿의 차량에 전송하기 위한 것이다. 일부 실시예에서, 차량들은 차량이 특정 해상도로 파티션 경계를 넘을 때 차량이 위치 정보 및/또는 파티션 정보만을 전송하도록 구성된다. 예를 들어, 차량이 식별자(804)에 의해 식별된 저해상도 영역과 같은 저해상도 영역에 바인딩되도록 설정되는 경우, 차량 파티션의 변경이 "A1B2C1"에서 "A1B2C2"로 전송될 데이터를 트리거하지 않을 것이다. 그러나, 차량이 식별자(806)에 의해 식별되는 더 높은 해상도 영역과 같은 더 높은 해상도로 바인딩되도록 설정되는 경우, "A1B2C1"에서 "A1B2C2"로 경계들을 횡단하는 것은 차량이 위치 정보를 차량 데이터 추출 서비스에 전송하도록 트리거할 것이다. 일부 실시예에서, 파티션들이 그려질 수 있는 위치들은 차량 정보 추출 서비스에 의해 이루어진 다양한 추론에 의해 결정될 수 있다. 예를 들어, 파티션 A1B2C6은 또한 추가적인 서브파티션들로 분할될 수 있다. 일부 실시예에서, 다른 파티션들은 다양한 수집된 차량 환경 정보에 기초하여 생성될 수 있고, 지리적 영역 파티션의 다중 경계 내에 속할 수 있다. 파티션은 도시된 맵 그리드와 같은 평행사변형이 아닐 수 있지만, 불균일한 경계를 가질 수 있다. 예를 들어, 파티션 “A1B2C7”(808)은 다극자 지리적 파티션들에 걸쳐 스패닝되는 불균일한 경계를 가질 수 있다. 일부 실시예에서, 파티션들은 특정 방향으로 이동하는 차량들 또는 브릿지와 같은 특정 물리적 환경에서 이동하는 차량들과 같은 차량 환경 팩터들에 기초할 수 있다. 파티션 “A1B2C8” 및 “A1B2C9”는 두 개의 상이한 브릿지에 걸쳐 있는 파티션을 도시한다.5A-5C , in one embodiment, a vehicle in a fleet may transmit location data to a vehicle data extraction service, at which point the vehicle data extraction service may identify the partition to which the vehicle belongs; If the threshold is met, a new vehicle scheme containing a data reduction factor is to be sent to the vehicles of the fleet within the affected partition. In some embodiments, vehicles are configured such that the vehicle only transmits location information and/or partition information when the vehicle crosses a partition boundary at a particular resolution. For example, if a vehicle is set to bind to a low-resolution region, such as the low-resolution region identified by identifier 804, a change in vehicle partition will not trigger data to be transferred from “A1B2C1” to “A1B2C2”. However, if the vehicle is set to bind to a higher resolution, such as the higher resolution region identified by identifier 806, crossing the boundaries from "A1B2C1" to "A1B2C2" will cause the vehicle to send location information to the vehicle data extraction service. will trigger transmission to . In some embodiments, the locations where partitions may be drawn may be determined by various inferences made by the vehicle information extraction service. For example, partition A1B2C6 can also be divided into additional subpartitions. In some embodiments, different partitions may be created based on various collected vehicle environment information and may fall within multiple boundaries of a geographic area partition. The partitions may not be parallelograms like the map grid shown, but may have non-uniform boundaries. For example, partition “A1B2C7” 808 may have an uneven boundary spanning across multipole geographic partitions. In some embodiments, partitions may be based on vehicle environmental factors, such as vehicles moving in a particular direction or vehicles moving in a particular physical environment, such as a bridge. Partitions “A1B2C8” and “A1B2C9” show partitions spanning two different bridges.

다른 실시예에서, 파티션 경계들 또는 파티션 대신에 정확한 GPS 정보를 활용하는 동작 비용을 감소시킬 다른 근접 영역 접근법을 식별하기 위한 구역 개선 계획(ZIP) 코드들 또는 확장된 ZIP+4 코드들의 사용과 같은, 격자 파티션들에 의존하지 않는 맵 파티션에 대한 지오코딩의 다른 시스템들이 사용될 수 있다.In other embodiments, such as the use of Zone Improvement Plan (ZIP) codes or extended ZIP+4 codes to identify partition boundaries or other close area approaches that will reduce operational costs utilizing accurate GPS information instead of partitions. , other systems of geocoding for map partitions that do not rely on grid partitions can be used.

도 9는 일부 실시예에 따라, 파티션의 경계들을 정의하기 위해 맵을 격자 파티션들로 분할하는 차량 데이터 추출 서비스의 예시적인 맵의 해상도를 변경하는 효과를 예시한다.9 illustrates the effect of changing the resolution of an example map of a vehicle data extraction service that partitions the map into grid partitions to define the boundaries of the partitions, according to some embodiments.

도 9는 파티션들로 각각 분할되는 지리적 맵들을 도시하며, 여기서, 정밀도는 차량 데이터 추출 서비스에 의해 설정되고, 차량이 위치 데이터를 차량 추출 서비스에 전송하기 위한 트리거로서 역할을 하는 파티션 경계들을 결정한다. 예를 들어, 차량의 파티션의 정밀도가 처음에 파티션 "A1B2C5"(704)에 위치된 상태에서 6자(702)로 설정된 경우, 파티션 "A1B2C5"(704)로부터 인접한 파티션 "A1B2C6"(710)으로 차량을 이동시킬 때, 더 작은 파티션 외부의 이동의 검출은 전송될 위치를 트리거할 것이다. 차량(724)의 현재 위도/경도로의 차량(722)의 초기 위도/경도의 변화의 검출은 차량이 위치 정보를 차량 데이터 추출 서비스에 전송하도록 트리거할 것이다. 다른 실시예에서, 파티션 “A1B2C5” 내의 차량은 지하도로에 진입하는 것, 식별된 객체의 특정 근접 내에 진입하는 것, 차량 사고의 감지 등과 같은 다양한 차량 상태의 변화에 기초하여 불균일한 파티션 “A1B2C7”로 전환될 수 있다.Figure 9 shows geographic maps each divided into partitions, where the precision is set by the vehicle data extraction service and determines the partition boundaries that serve as triggers for the vehicle to transmit location data to the vehicle extraction service. . For example, if the precision of a vehicle's partition is set to 6 characters (702) with it initially located in partition "A1B2C5" (704), then from partition "A1B2C5" (704) to adjacent partition "A1B2C6" (710) When moving a vehicle, detection of movement outside the smaller partition will trigger the location to be transmitted. Detection of a change in vehicle 722's initial latitude/longitude to vehicle 724's current latitude/longitude will trigger the vehicle to transmit location information to the vehicle data extraction service. In another embodiment, vehicles within partition “A1B2C5” may be partitioned into non-uniform partition “A1B2C7” based on changes in various vehicle states, such as entering an underpass, entering within a certain proximity of an identified object, detecting a vehicle accident, etc. can be converted to

일부 실시예에서, 파티션 경계들이 결정되는 정밀도가 수정될 수 있다. 예를 들어, 초기 정밀도는 6 문자(711)일 수 있고 파티션 "A21B2C5"와 상관될 수 있으며, 그리하여 파티션 식별자는 6 문자를 갖는 식별자에 의해 특징지어진다. 파티션 정밀도 임계치가 6자에서 5자까지 변경될 때(712), 차량의 위치와 연관된 현재 파티션(714 “A1B2C”)은 동일한 정밀도로 식별될 것이다. 일부 실시예에서, 사용되는 차량들의 파티션들의 정밀도는 차량 식별정보, 플릿, 센서 데이터 타입 등과 같은 다양한 팩터들에 기초하여 상이할 수 있고, 모두 차량 데이터 추출 서비스로의 위치 데이터 전송을 트리거하기 위해 균일한 정밀도를 사용하는 것은 아닐 수 있다. 상이한 정밀도로의 전환은 파티션 "A1B2C7" 및 "A1B2C9"와 같은 더 높은 해상도의 특정 파티션이 고려되지 않을 수 있다.In some embodiments, the precision with which partition boundaries are determined may be modified. For example, the initial precision could be 6 characters 711 and correlated with the partition “A21B2C5”, such that the partition identifier is characterized by an identifier with 6 characters. When the partition precision threshold is changed 712 from 6 characters to 5 characters, the current partition associated with the vehicle's location (714 “A1B2C”) will be identified with the same precision. In some embodiments, the precision of the partitions of vehicles used may differ based on various factors such as vehicle identification, fleet, sensor data type, etc., all uniform to trigger location data transmission to the vehicle data extraction service. It may not be possible to use the same precision. Switching to a different precision may cause certain partitions with higher resolution, such as partitions "A1B2C7" and "A1B2C9", not to be taken into account.

도 10은 일부 실시예에 따라, 차량의 버스를 통해 차량 정보를 통신하기 위해 상이한 레벨들에서 사용되는 프로토콜들의 네트워크 스택의 보다 상세한 뷰를 예시한다.10 illustrates a more detailed view of a network stack of protocols used at different levels to communicate vehicle information over the vehicle's bus, according to some embodiments.

일부 실시예에서, 소프트웨어 애플리케이션(152)은 차량의 통신 버스를 통해 송신된 통신들에 대한 액세스 및 디코딩을 가능하게 하는 차량의 네트워크 스택의 다수의 계층들을 포함할 수 있다. 예를 들어, 차량내 컴퓨팅 디바이스의 이진 파일 저장소에 포함된 이진 파일들은 차량 하드웨어 계층(1010)에서 사용되는 액세스 인증 정보, 프로토콜, 및/또는 어드레스들을 나타낼 수 있다. 추가적으로, 이진 파일은 차량 펌웨어 계층(1008) 및/또는 차량내 하이퍼바이저 계층(1006)에서 사용되는 액세스 인증 정보, 프로토콜, 또는 포트를 표시할 수 있다. 추가적으로, 이진 파일들은 버스 계층(1004)에서 사용되는 버스 프로토콜들 및 계층(1002)에서 사용되는 고객의 독점 프로토콜들 및 액세스 크리덴셜들을 표시할 수 있다. 차량 정보 모니터링 및 추출 소프트웨어 애플리케이션(152)은 인코딩된 차량 통신 버스(1108)를 통해 전송된 메시지에 액세스하고 디코딩하기 위해 이진 파일에 포함된 이러한 정의 및 액세스 자격 증명을 사용할 수 있다. 원시 데이터를 전송하기 위해, 소프트웨어 애플리케이션(152)은 차량 정보 추출 서비스의 제어 평면으로부터의 차량 식별 레지스트리로부터의 차량 식별 인증서로 프로비저닝될 수 있다. 소프트웨어 애플리케이션(152)은 디코더 규칙에 명시된 바와 같이 디코딩을 위한 규칙들을 사용하여 통신 버스를 통해 송신된 통신을 디코딩할 수 있다. 일부 실시예에서, 디코더 규칙들은 상이한 모델들의 차량들 및/또는 상이한 OEM들의 차량들 간에 상이하다.In some embodiments, software application 152 may include multiple layers of the vehicle's network stack that enable access and decoding of communications transmitted over the vehicle's communication bus. For example, binary files included in the binary file storage of an in-vehicle computing device may represent access authentication information, protocols, and/or addresses used in vehicle hardware layer 1010. Additionally, the binary file may indicate access credentials, protocols, or ports used by the vehicle firmware layer 1008 and/or the in-vehicle hypervisor layer 1006. Additionally, the binary files may indicate the bus protocols used in bus layer 1004 and the customer's proprietary protocols and access credentials used in layer 1002. Vehicle information monitoring and extraction software application 152 may use these definitions and access credentials contained in the binary file to access and decode messages transmitted over encoded vehicle communication bus 1108. To transmit raw data, software application 152 may be provisioned with a vehicle identification certificate from a vehicle identification registry from the control plane of the vehicle information extraction service. Software application 152 may decode communication transmitted over the communication bus using rules for decoding as specified in decoder rules. In some embodiments, decoder rules are different between different models of vehicles and/or vehicles from different OEMs.

도 11은 일부 실시예들에 따른, 차량 정보 추출 서비스에 의해 디플로이된 소프트웨어 애플리케이션에 의해 데이터 추출을 위해 모니터링될 수 있는 다수의 상이한 버스들을 포함하는 예시적인 차량을 예시한다.11 illustrates an example vehicle including multiple different buses that can be monitored for data extraction by a software application deployed by a vehicle information extraction service, according to some embodiments.

일부 실시예에서, 차량(1126)과 같은 차량은 게이트웨이(202)에 연결된 다수의 버스들을 포함할 수 있다. 예를 들어, 차량(1126)은 CAN 버스 #1(1104), CAN 버스 #2(1106), 이더넷/IP 버스(1108), 로컬 상호연결(LIN) 버스(1110), 및 FlexRay 버스(1112)에 연결된 게이트웨이(202)를 포함한다. 도 11에 도시된 바와 같이, 상이한 타입의 차량 정보가 상이한 타입의 버스를 통해 전송될 수 있다. 일부 실시예에서, 소프트웨어 애플리케이션(152)은 차량 모듈 구성으로부터 각각의 차량내 통신 신호들로 다양한 차량 속성들을 디코딩하기 위한 디코더 규칙 또는 디코더 구성을 제공할 수 있다. 예를 들어, 다양한 CAN 버스, 이더넷/IP 버스, LIN 등으로부터의 원시 차량 데이터를 차량 데이터 추출 서비스에 전송될 수 있는 엔진 속도, 레이더 진폭 등과 같은 물리적 신호들로 디코딩하기 위해 디코더 규칙이 사용될 수 있다.In some embodiments, a vehicle, such as vehicle 1126, may include multiple buses connected to gateway 202. For example, vehicle 1126 may have CAN bus #1 (1104), CAN bus #2 (1106), Ethernet/IP bus (1108), local interconnect (LIN) bus (1110), and FlexRay bus (1112). It includes a gateway 202 connected to. As shown in Figure 11, different types of vehicle information may be transmitted over different types of buses. In some embodiments, software application 152 may provide decoder rules or decoder configurations for decoding various vehicle attributes from vehicle module configurations into respective in-vehicle communication signals. For example, decoder rules can be used to decode raw vehicle data from various CAN buses, Ethernet/IP buses, LIN, etc. into physical signals such as engine speed, radar amplitude, etc. that can be sent to a vehicle data extraction service. .

도 12는 일부 실시예에 따라, 차량 정보 추출 서비스에 의해 디플로이된 애플리케이션에 의해 사용될 수 있는 저장 버퍼의 보다 상세한 뷰를 예시하며, 이때 저장 버퍼는 하나 이상의 트리거링 기준들이 충족되는 경우 데이터 축소 팩터를 적용하고 추출에 적합한 하나 이상의 선행 시점들로부터의 데이터를 저장한다.12 illustrates a more detailed view of a storage buffer that may be used by an application deployed by a vehicle information extraction service, where the storage buffer determines a data reduction factor if one or more triggering criteria are met, according to some embodiments. Apply and store data from one or more preceding time points suitable for extraction.

도 12에 도시된 바와 같이, 일부 실시예에서, 저장 버퍼(158)는 하나 이상의 버퍼들에 하나 이상의 타입들의 데이터를 저장할 수 있다. 예를 들어, 저장 버퍼(158)는 시간 동기화된 디코딩된 센서 버퍼(1202), 다른 데이터 버퍼 1(1204) 및 다른 데이터 버퍼 N(1206)을 포함한다. 현재 데이터는 시간 N에 저장될 수 있다. 다음 순간의 데이터는 시간 N-1에 저장될 것이며, 다음 순간의 시간이 도착하면 시간 N이 되고 시간 N에 이전에 저장된 데이터는 시간 N+1이 될 것이다. 일부 실시예에서, 저장 버퍼(158)는 임의의 수의 시점들(예를 들어, N+X, 여기서 X는 버퍼링되는 시점들의 수임) 동안 데이터를 저장할 수 있다. 또한, 일부 실시예에서, X는 상이한 타입의 차량 정보에 대해 상이할 수 있으며, 그에 따라, 일부 타입의 차량 정보는 다른 타입의 차량 정보보다 더 긴 기간 동안 버퍼링된다.As shown in Figure 12, in some embodiments, storage buffer 158 may store one or more types of data in one or more buffers. For example, storage buffer 158 includes time synchronized decoded sensor buffer 1202, other data buffer 1 1204, and other data buffer N 1206. Current data may be stored at time N. The next instant's data will be stored at time N-1, and when the next instant's time arrives it will be time N, and the data previously stored at time N will be at time N+1. In some embodiments, storage buffer 158 may store data for any number of time points (eg, N+X, where X is the number of time points being buffered). Additionally, in some embodiments, X may be different for different types of vehicle information, such that some types of vehicle information are buffered for longer periods of time than other types of vehicle information.

일부 실시예에서, 저장 버퍼(1202)에 저장될 때 글로벌 타임 스탬프가 차량 정보에 적용될 수 있다. 또한, 일부 실시예에서, 저장 버퍼(1202)에 저장된 데이터의 페이로드는 예를 들어, 데이터를 포함하는 메시지가 인코딩된 차량 통신 버스(138)에 제출되었을 때의 타임 스탬프, 또는 물리적 센서(136)에 의해 데이터가 감지되었을 때의 타임 스탬프와 같은, 차량의 다른 구성요소들에 의해 생성된 저장된 데이터와 연관된 타임 스탬프들을 포함할 수 있다. 따라서, 일부 실시예에서, 데이터의 조각은 예컨대 물리적 센서(136)에서, 데이터가 감지되었을 때를 위한 페이로드 타임 스탬프, 데이터가 인코딩된 차량 통신 버스(138)에 제출되었을 때를 위한 다른 페이로드 타임 스탬프, 및 데이터가 저장 버퍼(158)에서 수신되었을 때를 위한 다른 타임 스탬프와 같은 하나 이상의 타임 스탬프들을 가질 수 있다. 일부 실시예에서, 저장 버퍼(158)에 저장된 데이터의 조각은 더 많거나 더 적은 타임 스탬프들로 저장될 수 있다. 이러한 타임 스탬프는 예컨대 소프트웨어 애플리케이션(152)에 의해, 또는 차량 정보 추출 서비스(102)의 추출된 데이터 분석 및 시각화 모듈(114)에 의해, 차량 내의 이벤트들의 시퀀스의 정확한 포맷이 재생성될 수 있게 할 수 있다. 일부 실시예에서, 데이터 축소 팩터 애플리케이션(156)은 데이터가 저장 버퍼(158)에 저장된 후에 데이터를 선택하고 필터링할 수 있다. 예를 들어, 데이터 축소 팩터 애플리케이션(156)은 데이터 축소 팩터를 적용하고 필터링되는 온도 데이터의 퍼센티지가 50%라고 결정하고, 그 데이터 축소 팩터를 갖는 특정 시간 프레임 내에 버퍼에 저장된 데이터의 대략 절반을 제거할 수 있다. 다른 실시예에서, 데이터의 필터링은 데이터가 버퍼에 저장되기 전에 발생할 것이며, 온도 데이터의 예시에서 센서 데이터의 50%는 저장되지 않을 것이다. 다른 실시예에서, 모든 데이터는 저장 버퍼에 저장될 것이지만, 필터링은 차량 데이터 추출 서비스로의 이 데이터의 전송에서만 발생할 것이며, 여기서 데이터의 절반만이 송신될 것이다.In some embodiments, a global time stamp may be applied to vehicle information when stored in storage buffer 1202. Additionally, in some embodiments, the payload of data stored in the storage buffer 1202 may include, for example, a time stamp when a message containing the data was submitted to the encoded vehicle communication bus 138, or a physical sensor 136 ) may include timestamps associated with stored data generated by other components of the vehicle, such as a timestamp when the data was detected by ). Accordingly, in some embodiments, a piece of data may include a payload timestamp for when the data is sensed, e.g., at a physical sensor 136, and another payload for when the data is submitted to the encoded vehicle communication bus 138. There may be one or more time stamps, such as a time stamp, and another time stamp for when the data was received in storage buffer 158. In some embodiments, pieces of data stored in storage buffer 158 may be stored with more or fewer timestamps. Such timestamps may enable the exact format of the sequence of events within the vehicle to be recreated, for example, by software application 152 or by extracted data analysis and visualization module 114 of vehicle information extraction service 102. there is. In some embodiments, data reduction factor application 156 may select and filter data after the data is stored in storage buffer 158. For example, data reduction factor application 156 applies a data reduction factor and determines that the percentage of temperature data being filtered is 50%, and removes approximately half of the data stored in the buffer within a certain time frame with that data reduction factor. can do. In other embodiments, filtering of the data would occur before the data is stored in the buffer, and in the example of temperature data, 50% of the sensor data would not be stored. In another embodiment, all data would be stored in a storage buffer, but filtering would only occur in transmission of this data to the vehicle data extraction service, where only half of the data would be transmitted.

도 13은 일부 실시예에 따른, 다른 팩터들 중에서도, 파티션 기준 및 파티션 내의 차량들의 플릿의 차량들의 수에 기초하여 차량들로부터 추출될 정보의 양을 최적화하는 차량 정보 추출 서비스에 의해 수행되는 동작들의 흐름도를 예시한다.13 illustrates operations performed by a vehicle information extraction service that optimizes the amount of information to be extracted from vehicles based on the partition criteria and the number of vehicles in the fleet of vehicles within the partition, among other factors, according to some embodiments. Illustrate the flow chart.

블록 1302에서, 차량 정보 추출 서비스는 차량 정보 추출 서비스의 고객으로부터, 차량들의 플릿으로부터 차량 정보의 하나 이상의 타입들이 추출될 요청을 수신한다.At block 1302, the vehicle information extraction service receives a request from a customer of the vehicle information extraction service that one or more types of vehicle information be extracted from the fleet of vehicles.

블록 1304에서, 차량 정보 추출 서비스는 플릿의 각 차량들에 의해 제공되는 하나 이상의 차량 정보 패킷들을 수신하되, 하나 이상의 차량 정보 패킷들의 각 패킷은 각 파티션들을 식별하는 데 사용되는 정보를 포함한다.At block 1304, the vehicle information extraction service receives one or more vehicle information packets provided by each vehicle in the fleet, each packet of the one or more vehicle information packets including information used to identify each partition.

블록 1306에서, 차량 정보 추출 서비스는 파티션들 각 파티션들에 위치된 플릿의 총 차량 수를 결정한다.At block 1306, the vehicle information extraction service determines the total number of vehicles in the fleet located in each of the partitions.

블록 1308에서, 차량 정보 추출 서비스는 파티션들의 각 파티션들 내의 각각의 총 차량 수에 기초하여 파티션들의 각 파티션들 내의 차량들에 적용될 하나 이상의 데이터 축소 팩터들을 결정하되, 하나 이상의 데이터 축소 팩터들은 소정의 각 파티션 내의 플릿의 소정의 차량이 소정의 각 파티션 내의 플릿의 차량들 중 다른 차량들과 비교할 때 비중복 차량 정보를 가질 확률을 포함한다.At block 1308, the vehicle information extraction service determines one or more data reduction factors to be applied to vehicles in each of the partitions based on the respective total number of vehicles in each of the partitions, wherein the one or more data reduction factors are predetermined. It includes a probability that a given vehicle in a fleet within each partition has non-redundant vehicle information compared to other vehicles among the vehicles in the fleet within each given partition.

블록 1310에서, 차량 정보 추출 서비스는 하나 이상의 차량 스킴 패킷들을 각각의 하나 이상의 파티션들 내의 플릿의 차량에 전송한다. 일부 실시예에서, 차량 스킴 패킷들은 추출될 요청된 차량 정보의 하나 이상의 타입들 및 적용될 대응하는 데이터 축소 팩터를 식별하는 정보를 포함할 수 있다.At block 1310, the vehicle information extraction service transmits one or more vehicle scheme packets to the fleet's vehicles in each of the one or more partitions. In some embodiments, vehicle scheme packets may include information identifying one or more types of requested vehicle information to be extracted and a corresponding data reduction factor to be applied.

블록 1312에서, 차량 정보 추출 서비스는 데이터 축소 팩터에 따라 소정의 파티션에 위치된 플릿의 차량의 일부로부터의 요청된 차량 정보의 하나 이상의 타입들을 수신한다.At block 1312, the vehicle information extraction service receives one or more types of requested vehicle information from a portion of the fleet's vehicles located in a given partition according to a data reduction factor.

도 14는 일부 실시예에 따라, 차량들의 플릿에 대해 통합된 모델이 생성될 수 있게 하고, 모델에서 지정된 요청된 정보가 차량들의 이종 플릿으로부터 수집될 수 있도록 차량내 통신 구성의 변동을 자동으로 고려하는 차량 정보 추출 서비스에서 모델링 시스템을 구현하기 위한 흐름도를 예시한다.14 allows a unified model to be created for a fleet of vehicles, automatically taking into account variations in in-vehicle communication configurations so that requested information specified in the model can be collected from heterogeneous fleets of vehicles, according to some embodiments. This illustrates a flow chart for implementing a modeling system in a vehicle information extraction service.

블록 1402에서, 차량 정보 추출 서비스는 상이한 차량내 통신 신호 구성 또는 포맷을 사용하여 복수의 타입의 차량들로부터 차량 신호 정보를 수집하기 위한 디코딩 파라미터들 및/또는 차량내 통신 신호 구성 및 포맷들로 디코더 매니페스트를 채운다. 디코딩 파라미터들 및/또는 차량내 통신 신호 구성 및 포맷들은 차량 OEM들, 계층 1 공급자들, 또는 다른 부품 공급자들로부터의 차량 정보 추출 서비스에 의해 부활될 수 있다. 일부 실시예에서, 차량 정보 추출 서비스의 고객들인 OEM들은 차량 추출 서비스와의 온보딩의 일부로서 이러한 정보를 제공할 수 있다. 일부 실시예에서, 이러한 정보는 차량 정보 추출 서비스에 의해 저장될 수 있고, 그에 따라, 차량 정보 추출 서비스의 고객들은 디코딩 파라미터들 및/또는 차량내 통신 신호 구성들 및 포맷들의 세부사항들에 액세스할 수 없다.At block 1402, the vehicle information extraction service provides a decoder with decoding parameters and/or in-vehicle communication signal configurations and formats to collect vehicle signal information from a plurality of types of vehicles using different in-vehicle communication signal configurations or formats. Fill out the manifest. Decoding parameters and/or in-vehicle communication signal configurations and formats may be retrieved by vehicle information extraction services from vehicle OEMs, Tier 1 suppliers, or other component suppliers. In some embodiments, OEMs that are customers of the vehicle information extraction service may provide this information as part of onboarding with the vehicle information extraction service. In some embodiments, this information may be stored by the vehicle information extraction service, such that customers of the vehicle information extraction service may have access to decoding parameters and/or details of in-vehicle communication signal configurations and formats. I can't.

블록 1404에서, 차량 정보 추출 서비스는 상이한 차량내 통신 신호 구성 또는 포맷을 포함하는 차량들로부터 수집될 차량 정보에 대한 모델을 생성하기 위한 인터페이스를 제공한다. 예를 들어, 차량 정보 추출 서비스의 고객은 인터페이스를 사용하여 상이한 차량내 통신 구성을 갖는 차량들로부터의 데이터 수집을 위한 모델을 지정할 수 있다.At block 1404, the vehicle information extraction service provides an interface for creating a model for vehicle information to be collected from vehicles containing different in-vehicle communication signal configurations or formats. For example, a customer of a vehicle information extraction service can use the interface to specify a model for data collection from vehicles with different in-vehicle communication configurations.

블록 1406에서, 차량 정보 추출 서비스는 고객으로부터 인터페이스에서 수신된 입력들에 기초하여, 차량으로부터 추출될 차량 정보에 대한 신호 속성들을 포함하는 차량 모델 구성을 생성한다.At block 1406, the vehicle information extraction service creates a vehicle model configuration that includes signal attributes for vehicle information to be extracted from the vehicle based on inputs received at the interface from the customer.

블록 1408에서, 차량 정보 추출 서비스는 각각의 차량내 통신 구성들에 특유한 플릿 신호 디코딩 규칙들의 차량들에 전송하고, 차량들에 특유한 신호 디코딩 규칙들은 차량 모델 및 디코더 매니페스트에 기초하여 선택된다.At block 1408, the vehicle information extraction service transmits to the vehicles fleet signal decoding rules specific to each in-vehicle communication configuration, and the signal decoding rules specific to the vehicles are selected based on the vehicle model and decoder manifest.

블록 1410에서, 차량 정보 추출 서비스는 차량 정보 추출 서비스의 고객으로부터 수신된 제2 요청에 따라 데이터 수집 스킴을 플릿의 각 차량들에 전송하되, 데이터 수집 스킴은 차량 센서 정보에 대한 데이터 추출 기준들을 포함하고, 차량 모델의 신호 속성을 사용하여 차량 센서 정보를 식별한다.At block 1410, the vehicle information extraction service transmits a data collection scheme to each vehicle in the fleet according to a second request received from a customer of the vehicle information extraction service, wherein the data collection scheme includes data extraction criteria for vehicle sensor information. And, vehicle sensor information is identified using the signal properties of the vehicle model.

블록 1412에서, 차량 정보 추출 서비스는 신호 디코딩 규칙들을 사용하여 디코딩된 데이터 수집 스킴에 따라 각각의 차량들로부터 추출된 차량 데이터를 각각의 차량들로부터 수신한다.At block 1412, the vehicle information extraction service receives vehicle data extracted from each vehicle according to a data collection scheme decoded using signal decoding rules.

도 14에서 구체적으로 도시되지 않았지만, 일부 실시예에서, 차량 정보 추출 서비스는 도 13과 관련하여 설명된 바와 같이, 차량으로부터 요청된 차량 정보를 수집할 때 데이터 축소 팩터들을 더 적용할 수 있다.Although not specifically shown in FIG. 14 , in some embodiments, the vehicle information extraction service may further apply data reduction factors when collecting requested vehicle information from a vehicle, as described with respect to FIG. 13 .

예시적인 컴퓨터 시스템Exemplary Computer System

다양한 컴퓨터 시스템들 중 임의의 것은 차량 정보 추출 서비스, 차량 정보 추출 서비스로부터 차량에 디플로이된 소프트웨어 애플리케이션/패키지, 차량 추출 서비스를 구현하는 제공자 네트워크, 차량 또는 디바이스 내의 운영 체제, 또는 도면들의 임의의 다른 구성요소를 포함할 수 있다. 예를 들어, 도 15는 일부 실시예에 따라, 본 명세서에서 설명되는 기법들 중 일부 또는 전부를 구현하는 예시적인 컴퓨터 시스템을 예시하는 블록도를 예시한다. 다양한 실시예들에서, 차량 정보 추출 서비스, 디플로이된 소프트웨어 패키지, 차량 정보 추출 서비스 및 다른 클라우드 서비스들을 구현하는 제공자 네트워크, 차량 또는 디바이스 내의 운영 체제, 또는 도 1 내지 도 14의 임의의 다른 구성요소는 각각 도 15에 예시된 것과 같은 하나 이상의 컴퓨터 시스템(1500)을 포함할 수 있다.Any of the various computer systems may be a vehicle information extraction service, a software application/package deployed on the vehicle from the vehicle information extraction service, a provider network implementing the vehicle extraction service, an operating system within the vehicle or device, or any other of the figures. May contain components. For example, Figure 15 illustrates a block diagram illustrating an example computer system implementing some or all of the techniques described herein, according to some embodiments. In various embodiments, a vehicle information extraction service, a deployed software package, a provider network implementing the vehicle information extraction service and other cloud services, an operating system within a vehicle or device, or any other component of FIGS. 1-14. Each may include one or more computer systems 1500, such as those illustrated in FIG. 15 .

예시된 실시예에서, 컴퓨터 시스템(1500)은 입력/출력(I/O) 인터페이스(1530)를 통해 시스템 메모리(1520)에 결합된 하나 이상의 프로세서(1510)를 포함한다. 컴퓨터 시스템(1500)은 I/O 인터페이스(1530)에 결합된 네트워크 인터페이스(1540)를 더 포함한다. 몇몇 실시예에서, 컴퓨터 시스템(1500)은 기업 로직 또는 다운로드가능한 애플리케이션을 구현하는 서버들의 예시일 수 있는 한편, 다른 실시예에서 서버들은 컴퓨터 시스템(1500)보다 많은 적은 또는 상이한 요소들을 포함할 수 있다.In the illustrated embodiment, computer system 1500 includes one or more processors 1510 coupled to system memory 1520 via input/output (I/O) interface 1530. Computer system 1500 further includes a network interface 1540 coupled to I/O interface 1530. In some embodiments, computer system 1500 may be an example of servers implementing enterprise logic or downloadable applications, while in other embodiments servers may include fewer or different elements than computer system 1500. .

다양한 실시예에서, 컴퓨팅 디바이스(1500)는 하나의 프로세서를 포함하는 유니프로세서 시스템, 또는 여러 프로세서(1510A-1510N)(예를 들어, 2, 4, 8, 또는 다른 적합한 수)를 포함하는 멀티프로세서 시스템일 수 있다. 프로세서들(1510A-1510N)은 명령들을 실행할 수 있는 임의의 적합한 프로세서들을 포함할 수 있다. 예를 들어, 다양한 실시예에서, 프로세서들(1510A-1510N)은 다양한 명령어 집합 포맷(ISA), 이를테면 x86, PowerPC, SPARC, 또는 MIPS ISAs 또는 임의의 다른 적합한 ISA 중 임의의 아키텍처를 구현하는 프로세서들일 수 있다. 일부 실시예에서, 프로세서(1510A-1510N)는 그래픽 프로세싱 유닛(GPU), 애플리케이션 특정 집적 회로(ASIC) 등과 같은 특수 프로세서들을 포함할 수 있다. 멀티프로세서 시스템들에서, 프로세서(1510A-1510N) 각각은 일반적으로 동일한 ISA를 구현할 수 있지만, 반드시 그런 것은 아니다.In various embodiments, computing device 1500 may be a uniprocessor system comprising one processor, or a multiprocessor system comprising multiple processors 1510A-1510N (e.g., 2, 4, 8, or other suitable number). It could be a system. Processors 1510A-1510N may include any suitable processors capable of executing instructions. For example, in various embodiments, processors 1510A-1510N may be processors implementing any of a variety of instruction set formats (ISAs), such as x86, PowerPC, SPARC, or MIPS ISAs, or any other suitable ISA. You can. In some embodiments, processors 1510A-1510N may include specialized processors, such as graphics processing units (GPUs), application specific integrated circuits (ASICs), and the like. In multiprocessor systems, each processor 1510A-1510N may typically, but not necessarily, implement the same ISA.

시스템 메모리(1520)는 프로세서(들)(1510A-1510N)에 의해 액세스가능한 프로그램 명령들 및 데이터를 저장하도록 구성될 수 있다. 다양한 실시예에서, 시스템 메모리(1520)는 임의의 적합한 메모리 기술, 이를테면 정적 랜덤 액세스 메모리(SRAM), 동기식 동적 RAM(SDRAM), 비휘발성/Flash-타입 메모리, 또는 임의의 다른 타입의 메모리를 사용하여 구현될 수 있다. 예시된 실시예에서, 하나 이상의 원하는 기능들을 구현하는 프로그램 명령들 및 데이터, 이를테면 위에서 설명된 방법들, 기술들, 및 데이터가 코드(즉, 프로그램 명령들)(1525) 및 데이터(1535)로서 시스템 메모리(1520) 내에 저장되는 것으로 도시된다.System memory 1520 may be configured to store program instructions and data accessible by processor(s) 1510A-1510N. In various embodiments, system memory 1520 uses any suitable memory technology, such as static random access memory (SRAM), synchronous dynamic RAM (SDRAM), non-volatile/Flash-type memory, or any other type of memory. This can be implemented. In the illustrated embodiment, program instructions and data implementing one or more desired functions, such as the methods, techniques, and data described above, are stored in the system as code (i.e., program instructions) 1525 and data 1535. It is shown as stored in memory 1520.

일 실시예에서, I/O 인터페이스(1530)는 네트워크 인터페이스(1540) 또는 다른 주변 인터페이스들을 포함하여, 디바이스에서 프로세서들(1510A-1510N), 시스템 메모리(1520), 및 임의의 주변 디바이스들 간의 I/O 트래픽을 조정하도록 구성될 수 있다. 일부 실시예에서, I/O 인터페이스(1530)는 하나의 구성요소(예를 들어 시스템 메모리(1520))로부터의 데이터 신호들을 다른 구성요소(예를 들어 프로세서(1510))에 의해 사용하기에 적합한 포맷으로 전환하는데 필요한 임의의 프로토콜, 타이밍 또는 다른 데이터 변환들을 수행할 수 있다. 일부 실시예에서, I/O 인터페이스(1530)는 다양한 타입의 주변 버스들, 이를테면 예를 들어, 주변 구성요소 상호접속(PCI) 버스 표준 또는 유니버셜 시리얼 버스(USB) 표준의 변형을 통해 접속된 기기들에 대한 지원을 포함할 수 있다. 일부 실시예에서, I/O 인터페이스(1530)는 자동차 CAN 버스 등을 통해 부착된 디바이스들에 대한 지원을 포함할 수 있다. 일부 실시예에서, I/O 인터페이스(1530)의 기능은 예를 들어 노스 브리지 및 사우스 브릿지와 같은 2개 이상의 별개의 구성요소들로 분할될 수 있다. 또한, 일부 실시예에서, I/O 인터페이스(1530), 이를테면 시스템 메모리(1520)에 대한 인터페이스의 기능 중 일부 또는 전부가 프로세서(1510A-1510N)로 직접 통합될 수 있다.In one embodiment, the I/O interface 1530 includes a network interface 1540 or other peripheral interfaces to connect the device to the processors 1510A-1510N, system memory 1520, and any peripheral devices. /O Can be configured to steer traffic. In some embodiments, I/O interface 1530 is suitable for receiving data signals from one component (e.g., system memory 1520) for use by another component (e.g., processor 1510). You can perform any protocol, timing, or other data conversions necessary to convert to format. In some embodiments, I/O interface 1530 may be configured to connect devices via various types of peripheral buses, such as, for example, the Peripheral Component Interconnect (PCI) bus standard or a variant of the Universal Serial Bus (USB) standard. This may include support for: In some embodiments, I/O interface 1530 may include support for devices attached via an automotive CAN bus, etc. In some embodiments, the functionality of I/O interface 1530 may be split into two or more separate components, such as a north bridge and a south bridge, for example. Additionally, in some embodiments, some or all of the functionality of I/O interface 1530, such as an interface to system memory 1520, may be integrated directly into processors 1510A-1510N.

네트워크 인터페이스(1540)는 데이터가 컴퓨팅 디바이스(1500) 및 네트워크 또는 네트워크들(1550)과 연관된 다른 디바이스들(1560) 간에 교환될 수 있게 하도록 구성될 수 있다. 다양한 실시예에서, 네트워크 인터페이스(1540)는 임의의 적합한 유선 또는 무선의 일반적 데이터 네트워크들, 이를테면 예를 들어, 이더넷 네트워크, 셀룰러 네트워크, Bluetooth 네트워크, Wi-Fi 네트워크, 초광대역 네트워크의 타입들을 통해 통신을 지원할 수 있다. 추가적으로, 네트워크 인터페이스(1540)는 전화 통신/전화 통화 네트워크들 이를테면 아날로그 음성 네트워크들 또는 디지털 파이버 통신 네트워크들을 통해, 스토리지 영역 네트워크들 이를테면 파이버 채널 SAN들을 통해, 또는 임의의 다른 적합한 타입의 네트워크 및/또는 프로토콜을 통해 통신을 지원할 수 있다.Network interface 1540 may be configured to allow data to be exchanged between computing device 1500 and other devices 1560 associated with the network or networks 1550. In various embodiments, network interface 1540 may communicate over any suitable types of conventional data networks, wired or wireless, such as, for example, Ethernet networks, cellular networks, Bluetooth networks, Wi-Fi networks, ultra-wideband networks, etc. can support. Additionally, network interface 1540 may be configured to connect to telephony/telephony networks such as analog voice networks or digital fiber communications networks, storage area networks such as Fiber Channel SANs, or any other suitable type of network and/or Communication can be supported through protocols.

일부 실시예에서, 시스템 메모리(1520)는 대응하는 방법들, 시스템들 및 장치들의 실시예들을 구현하기 위해 위에서 설명된 바와 같이 프로그램 명령들 및 데이터를 저장하도록 구성된 컴퓨터 판독가능한(즉, 컴퓨터 액세스가능한) 매체의 일 실시예일 수 있다. 그러나, 다른 실시예에서, 프로그램 명령들 및/또는 데이터가 상이한 타입들의 컴퓨터 판독가능한 매체 상에 수신, 전송 또는 저장될 수 있다. 일반적으로 말하면, 컴퓨터 판독가능한 매체는 I/O 인터페이스(1530)를 통해 컴퓨팅 디바이스(1500)에 연결되는 비일시적 저장 매체 또는 메모리 매체 이를테면 자기 또는 광 매체, 예를 들어, 디스크 또는 DVD/CD를 포함할 수 있다. 하나 이상의 비일시적 컴퓨터 판독가능한 저장 매체는 임의의 휘발성 또는 비휘발성 매체들 이를테면 RAM(예를 들어, SDRAM, DDR SDRAM, RDRAM, SRAM 등), ROM 등을 포함할 수 있으며, 이들은 컴퓨팅 디바이스(1500)의 일부 실시예에 시스템 메모리(1520) 또는 다른 타입의 메모리로서 포함될 수 있다. 나아가, 컴퓨터 판독가능한 매체는 전송 매체들 또는 이를테면 네트워크 인터페이스(1540)를 통해 구현될 수 있는 통신 매체 이를테면 네트워크 및/또는 무선 링크를 통해 전달되는 신호들 이를테면 전기, 전자기, 또는 디지털 신호들을 포함할 수 있다. 이를테면 도 15에 예시된 다수의 컴퓨팅 디바이스의 부분들 또는 전부는 다양한 실시예에서 설명된 기능을 구현하기 위해 사용될 수 있다; 예를 들어, 다양한 상이한 디바이스 및 서버 상에서 실행되는 소프트웨어 구성요소들이 기능을 제공하기 위해 협력할 수 있다. 일부 실시예에서, 설명된 기능의 부분들은 저장 디바이스들, 네트워크 디바이스들 또는 다양한 타입의 컴퓨터 시스템들을 사용하여 구현될 수 있다. 용어 "컴퓨팅 디바이스"는 본 명세서에서 사용될 때, 적어도 모든 이러한 타입의 디바이스들을 지칭하고, 이러한 타입들의 디바이스들에 제한되는 것은 아니다.In some embodiments, system memory 1520 is computer readable (i.e., computer accessible) configured to store program instructions and data as described above for implementing embodiments of corresponding methods, systems, and apparatus. ) It may be an example of a medium. However, in other embodiments, program instructions and/or data may be received, transmitted, or stored on different types of computer-readable media. Generally speaking, computer-readable media includes non-transitory storage or memory media such as magnetic or optical media, such as disks or DVDs/CDs, that are coupled to computing device 1500 via I/O interface 1530. can do. One or more non-transitory computer-readable storage media may include any volatile or non-volatile media such as RAM (e.g., SDRAM, DDR SDRAM, RDRAM, SRAM, etc.), ROM, etc., which may be stored in computing device 1500. may be included as system memory 1520 or other types of memory in some embodiments. Furthermore, computer-readable media may include transmission media or communications media such as signals that may be implemented over a network and/or wireless link, such as electrical, electromagnetic, or digital signals, which may be implemented via network interface 1540. there is. For example, portions or all of the number of computing devices illustrated in Figure 15 may be used to implement the functionality described in various embodiments; For example, software components running on a variety of different devices and servers may cooperate to provide functionality. In some embodiments, portions of the described functionality may be implemented using storage devices, network devices, or various types of computer systems. The term “computing device” when used herein refers to at least all of these types of devices and is not limited to these types of devices.

본 개시의 실시예들은 다음 조항들을 고려해서 설명될 수 있다:Embodiments of the present disclosure can be described considering the following provisions:

조항 1. 차량 정보 추출 서비스를 구현하기 위한 시스템으로서,Article 1. A system for implementing a vehicle information extraction service,

하나 이상의 컴퓨팅 디바이스를 포함하며, 하나 이상의 컴퓨팅 디바이스는:Comprising one or more computing devices, wherein the one or more computing devices:

차량 정보 추출 서비스의 고객으로부터 수신된 제1 요청에 따라, 복수의 신호 속성들의 신호 속성들의 서브세트를 편성하는 차량 모델을 생성하고;generate a vehicle model that organizes a subset of signal properties of a plurality of signal properties according to a first request received from a customer of the vehicle information extraction service;

차량 모델의 신호 속성들을 차량내 통신 신호들로 디코딩하기 위한 복수의 신호 디코딩 규칙들의 각 신호 디코딩 규칙들을 차량 플릿의 차량들에 전송하고;transmitting each signal decoding rule of the plurality of signal decoding rules for decoding signal properties of the vehicle model into in-vehicle communication signals to vehicles in the vehicle fleet;

차량 정보 추출 서비스의 고객으로부터 수신된 제2 요청에 따라 데이터 수집 스킴을 플릿의 각 차량들에 전송하며 ― 데이터 수집 스킴은 차량 센서 정보에 대한 데이터 추출 기준들을 포함하고, 차량 모델의 신호 속성들의 서브세트를 사용하여 차량 센서 정보를 식별함 ―; 그리고transmitting a data collection scheme to each vehicle in the fleet in accordance with a second request received from a customer of the vehicle information extraction service, wherein the data collection scheme includes data extraction criteria for vehicle sensor information and a sub-process of signal attributes of the vehicle model; Identify vehicle sensor information using sets ―; and

신호 디코딩 규칙들을 사용하여 디코딩된 데이터 수집 스킴에 따라 각 차량들로부터 추출된 차량 데이터를 플릿의 각 차량들로부터 수신하도록 구성된 것인, 시스템.A system configured to receive vehicle data from each vehicle in a fleet, extracted from each vehicle according to a data collection scheme decoded using signal decoding rules.

조항 2. 제1 조항에 있어서, 차량들의 플릿은 상이한 차량내 통신 신호 구성들을 갖는 차량들을 포함하고, 각 신호 디코딩 규칙들을 플릿의 차량들에 전송하는 것은 상이한 차량내 통신 신호 구성들 중 어느 것이 차량들 각각의 신호 디코딩 규칙을 사용하는지에 기초하는 것인, 시스템.Clause 2. The clause 1 of clause 1, wherein the fleet of vehicles includes vehicles having different in-vehicle communication signal configurations, and transmitting the respective signal decoding rules to the vehicles in the fleet determines which of the different in-vehicle communication signal configurations the vehicle has. The system is based on whether each signal decoding rule is used.

조항 3. 제1 조항 또는 제2 조항에 있어서, 하나 이상의 컴퓨팅 디바이스는 또한:Clause 3. The clauses of clause 1 or clause 2, wherein the one or more computing devices further:

복수의 차량들에 대한 제조사들 또는 공급자들로부터 복수의 센서들의 각 센서들의 신호 속성들을 수신하고 ― 복수의 차량들은 상이한 차량내 통신 신호 구성들을 갖는 차량들을 포함함 ―; 그리고Receive signal properties of each sensor of the plurality of sensors from manufacturers or suppliers for the plurality of vehicles, the plurality of vehicles comprising vehicles having different in-vehicle communication signal configurations; and

신호 속성들을 통합된 신호 표현으로 편성하는 신호 카탈로그를 생성하도록 ― 신호 카탈로그에 차량 모델의 신호 구성이 기초함 ― 구성된 것인, 시스템.A system, wherein the system is configured to generate a signal catalog that organizes signal properties into a unified signal representation, on which the signal configuration of the vehicle model is based.

조항 4. 조항 3에 있어서, 차량 모델의 신호 구성은 차량 특정 신호 명칭들을 신호 카탈로그의 각 신호 속성들에 맵핑하기 위한 디코딩 규칙들이 신호 카탈로그에 없는 신호를 생략하는 것인, 시스템.Clause 4. The system of clause 3, wherein the signal configuration of the vehicle model is such that decoding rules for mapping vehicle-specific signal names to respective signal properties in the signal catalog omit signals that are not in the signal catalog.

조항 5. 제4 조항에 있어서, 하나 이상의 컴퓨팅 디바이스는 또한:Clause 5. The clause 4 of Clause 4, wherein the one or more computing devices further:

제조사 또는 공급자로부터, 복수의 신호 속성 명칭들의 각 신호 속성 명칭에 대응하는 신호 카탈로그의 신호 속성들에 대응하는 신호들을 디코딩하기 위한 복수의 센서 특정 신호 디코딩 규칙들을 수신하도록 구성되며, 센서 특정 신호 디코딩 규칙들은 플릿의 차량들의 각 차량내 통신 신호 포맷들에 따라 포맷팅된 디코딩 신호들을 인에이블하는 것인, 시스템.configured to receive, from a manufacturer or supplier, a plurality of sensor-specific signal decoding rules for decoding signals corresponding to signal properties of a signal catalog corresponding to each signal property name of the plurality of signal property names, the sensor-specific signal decoding rule The system enables decoding signals formatted according to the in-vehicle communication signal formats of each of the vehicles of the fleet.

조항 6. 방법으로서,Clause 6. As a method:

차량들의 플릿에 대한 복수의 신호 속성들의 신호 속성들의 서브세트를 편성하는 차량 모델을 생성하는 단계;generating a vehicle model that organizes a subset of signal properties of a plurality of signal properties for a fleet of vehicles;

차량 모델에 포함된 신호 속성들을 디코딩하기 위한 복수의 신호 디코딩 규칙들의 각 신호 디코딩 규칙들을 플릿의 차량들에 전송하는 단계 ― 전송된 디코딩 규칙들은 차량내 통신 신호들의 디코딩을 인에이블함 ―;Transmitting each signal decoding rule of a plurality of signal decoding rules for decoding signal properties included in the vehicle model to vehicles in the fleet, the transmitted decoding rules enabling decoding of in-vehicle communication signals;

데이터 수집 스킴을 플릿의 각 차량들에 전송하는 단계 ― 데이터 수집 스킴은 차량 센서 정보에 대한 데이터 추출 기준들을 포함하고, 차량 모델의 신호 속성들의 서브세트를 사용하여 차량 센서 정보를 식별함 ―; 및transmitting a data collection scheme to each vehicle in the fleet, the data collection scheme including data extraction criteria for vehicle sensor information and identifying the vehicle sensor information using a subset of signal properties of the vehicle model; and

전송된 신호 디코딩 규칙들을 사용하여 디코딩된 데이터 수집 스킴에 따라 각 차량들로부터 추출된 차량 데이터를 플릿의 각 차량들로부터 수신하는 단계를 포함하는, 방법.A method comprising receiving vehicle data extracted from each vehicle according to a data collection scheme decoded using transmitted signal decoding rules from each vehicle in the fleet.

조항 7. 제6 조항에 있어서, 차량들의 플릿은 상이한 차량내 통신 신호 구성들을 갖는 차량들을 포함하고, 각 신호 디코딩 규칙들을 플릿의 차량들에 전송하는 것은 차량들 각각이 상이한 차량내 통신 신호 구성들 중 어느 차량내 통신 신호 구성을 사용하는지에 기초하는 것인, 방법.Clause 7. The clause 6 of clause 6, wherein the fleet of vehicles includes vehicles having different in-vehicle communication signal configurations, and transmitting the respective signal decoding rules to the vehicles in the fleet requires that each of the vehicles have different in-vehicle communication signal configurations. The method is based on which in-vehicle communication signal configuration is used.

조항 8. 조항 7에 있어서,Article 8. In Article 7:

복수의 차량들의 제조사들 또는 공급자들로부터 복수의 센서들의 각 센서들의 신호 속성들을 수신하는 단계 ― 복수의 차량들은 상이한 차량내 통신 신호 구성들을 갖는 차량들을 포함함 ―; 및Receiving signal properties of each sensor of the plurality of sensors from manufacturers or suppliers of the plurality of vehicles, the plurality of vehicles comprising vehicles having different in-vehicle communication signal configurations; and

신호 속성들을 통합된 신호 표현으로 편성하는 신호 카탈로그를 생성하는 단계 ― 신호 카탈로그에 차량 모델의 신호 구성이 기초함 ― 를 더 포함하는, 방법.The method further comprising generating a signal catalog organizing the signal properties into a unified signal representation, on which the signal configuration of the vehicle model is based.

조항 9. 조항 7에 있어서, 차량 모델의 신호 구성은 차량 특정 신호 명칭들을 신호 카탈로그의 각 신호 속성들에 맵핑하기 위한 디코딩 규칙들이 신호 카탈로그에 없는 신호를 생략하는 것인, 방법.Clause 9. The method of clause 7, wherein the signal configuration of the vehicle model is such that decoding rules for mapping vehicle-specific signal names to respective signal properties in the signal catalog omit signals that are not in the signal catalog.

조항 10. 조항 6에 있어서,Article 10. In Article 6:

차량 제조사 또는 공급자로부터, 복수의 신호 속성 명칭들의 각 신호 속성 명칭에 대응하는 신호 카탈로그의 신호 속성들에 대응하는 신호들을 디코딩하기 위한 복수의 센서 특정 신호 디코딩 규칙들을 수신하는 단계를 더 포함하며, 센서 특정 신호 디코딩 규칙들은 플릿의 차량들의 각 차량내 통신 신호 포맷들에 따라 포맷팅된 디코딩 신호들을 인에이블하는 것인, 방법.Receiving, from a vehicle manufacturer or supplier, a plurality of sensor-specific signal decoding rules for decoding signals corresponding to signal properties of a signal catalog corresponding to each signal property name of the plurality of signal property names, wherein the sensor The method wherein specific signal decoding rules enable decoding signals formatted according to the in-vehicle communication signal formats of each of the vehicles in the fleet.

조항 11. 제6 조항 내지 제10 조항 중 어느 한 조항에 있어서,Article 11. In any one of Articles 6 to 10:

신호 디코딩 규칙들을 사용하여 각 차량들로부터 추출된 차량 데이터를 디코딩하는 단계를 더 포함하며, 수신된 차량 데이터는 이진 자원들로부터 센서 신호 값들로 디코딩되는 것인, 방법.The method further includes decoding vehicle data extracted from each vehicle using signal decoding rules, wherein the received vehicle data is decoded from binary resources into sensor signal values.

조항 12. 조항 11에 있어서,Article 12. In Article 11:

센서 신호 값들을, 차량 데이터가 추출된 차량의 하나 이상의 차량 속성과 연관시키는 단계; 및Associating sensor signal values with one or more vehicle attributes of the vehicle from which vehicle data was extracted; and

센서 신호 값들을 시계열 데이터베이스에 게재하는 단계를 더 포함하는, 방법.The method further comprising posting sensor signal values to a time series database.

조항 13. 제6 조항 내지 제12 조항 중 어느 한 조항에 있어서, 차량 센서 정보는:Clause 13. The method of any one of clauses 6 through 12, wherein the vehicle sensor information:

카메라 데이터;camera data;

LiDar 데이터;LiDar data;

전자 제어 유닛(electronic control unit, ECU) 데이터; 또는electronic control unit (ECU) data; or

합성 센서 데이터 중 하나 이상을 포함하는 것인, 방법.A method comprising one or more of synthetic sensor data.

조항 14. 제6 조항 내지 제13 조항 중 어느 한 조항에 있어서, 신호 속성들은 고유 차량 Id, 차량 브랜드, 차체 타입, 및 차량 엔진 모델을 포함하는 특정 차량과 연관된 정적 속성들을 포함하는 것인, 방법.Clause 14. The method of any of clauses 6-13, wherein the signal attributes include static attributes associated with a particular vehicle, including unique vehicle Id, vehicle brand, body type, and vehicle engine model. .

조항 15. 제6 조항 내지 제14 조항 중 어느 한 조항에 있어서, 데이터 수집 스킴은 데이터 축소 팩터에 대응하여 추출될 차량 센서 정보를 식별하는 정보를 더 포함하며, 데이터 축소 팩터는 소정의 지리적 영역 내의 차량군의 총 차량 수에 기초하고, 차량군의 차량 환경의 추론에 기초하며, 추출된 데이터는 단지 차량군의 일부로부터만 추출되는 것인, 방법.Clause 15. The method of any one of clauses 6 to 14, wherein the data collection scheme further includes information identifying vehicle sensor information to be extracted in response to a data reduction factor, wherein the data reduction factor is a vehicle sensor information to be extracted in response to a data reduction factor. A method based on the total number of vehicles in a fleet, based on an inference of the vehicle environment of the fleet, and wherein the extracted data is extracted only from a portion of the fleet.

조항 16. 하나 이상의 비일시적 컴퓨터 판독가능 저장 매체로서, 하나 이상의 컴퓨팅 차량 상에서 또는 하나 이상의 컴퓨팅 차량에 걸쳐 실행될 때, 하나 이상의 컴퓨팅 차량으로 하여금 차량 정보 추출 서비스를 구현하게 하는 프로그램 명령들을 저장하며, 차량 정보 추출 서비스는:Clause 16. One or more non-transitory computer-readable storage media, storing program instructions that, when executed on or across one or more computing vehicles, cause the one or more computing vehicles to implement a vehicle information extraction service, the vehicle Information extraction services:

복수의 신호 속성들의 신호 속성들의 서브세트를 편성하는 차량 모델을 생성하는 단계;generating a vehicle model that organizes a subset of signal properties of a plurality of signal properties;

차량 모델의 신호 속성들을 차량내 통신 신호들로 디코딩하기 위한 복수의 신호 디코딩 규칙들의 각 신호 디코딩 규칙들을 차량 플릿의 차량들에 전송하는 단계;transmitting each signal decoding rule of a plurality of signal decoding rules for decoding signal properties of a vehicle model into in-vehicle communication signals to vehicles in a vehicle fleet;

데이터 수집 스킴을 플릿의 각 차량들에 전송하는 단계 ― 데이터 수집 스킴은 차량 센서 정보에 대한 데이터 추출 기준들을 포함하고, 차량 모델의 신호 속성들의 서브세트를 사용하여 차량 센서 정보를 식별함 ―; 및transmitting a data collection scheme to each vehicle in the fleet, the data collection scheme including data extraction criteria for vehicle sensor information and identifying the vehicle sensor information using a subset of signal properties of the vehicle model; and

신호 디코딩 규칙들을 사용하여 디코딩된 데이터 수집 스킴에 따라 각 차량들로부터 추출된 차량 데이터를 플릿의 각 차량들로부터 수신하는 단계를 구현하는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 저장 매체.One or more non-transitory computer-readable storage media, the method comprising receiving vehicle data extracted from each vehicle according to a data collection scheme decoded using signal decoding rules from each vehicle in the fleet.

조항 17. 제16 조항에 있어서, 명령들은 하나 이상의 프로세서 상에서 또는 하나 이상의 프로세서에 걸쳐 실행될 때, 또한 차량 정보 추출 서비스로 하여금:Clause 17. The clause 16 of Clause 16, wherein the instructions, when executed on or across one or more processors, further cause the Vehicle Information Extraction Service to:

신호 디코딩 규칙들을 사용하여 플릿의 각 차량들로부터 추출된 차량 데이터를 디코딩하는 단계를 구현하게 하되, 수신된 차량 데이터는 차량내 포맷으로부터 센서 신호 값들로 디코딩되는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 저장 매체.Implementing the step of decoding vehicle data extracted from each vehicle in a fleet using signal decoding rules, wherein the received vehicle data is decoded into sensor signal values from an in-vehicle format. storage media.

조항 18. 제17 조항에 있어서, 명령들은 하나 이상의 프로세서 상에서 또는 하나 이상의 프로세서에 걸쳐 실행될 때, 또한 차량 정보 추출 서비스로 하여금:Clause 18. The clause 17 of Clause 17, wherein the instructions, when executed on or across one or more processors, further cause the Vehicle Information Extraction Service to:

소정의 센서 신호 값을 차량 데이터가 추출된 차량의 하나 이상의 차량 속성과 연관시키는 단계; 및Associating a predetermined sensor signal value with one or more vehicle attributes of a vehicle from which vehicle data was extracted; and

센서 신호 값을 시계열 데이터베이스에 게재하는 단계를 구현하게 하는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 저장 매체.One or more non-transitory computer-readable storage media that implements the step of posting sensor signal values to a time series database.

조항 19. 제16 조항 내지 제18 조항 중 어느 한 조항에 있어서, 차량 센서 정보는:Clause 19. The method of any of clauses 16 through 18, wherein the vehicle sensor information:

카메라 데이터;camera data;

LiDar 데이터;LiDar data;

전자 제어 유닛(ECU) 데이터; 또는electronic control unit (ECU) data; or

합성 센서 데이터 중 하나 이상을 포함하는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 저장 매체.One or more non-transitory computer-readable storage media comprising one or more of synthetic sensor data.

조항 20. 제16 조항 내지 제19 조항 중 어느 한 조항에 있어서, 신호 속성들은 고유 차량 Id, 차량 브랜드, 차체 타입, 또는 차량 엔진 모델을 포함하는 특정 차량과 연관된 정적 속성들을 포함하는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 저장 매체.Clause 20. The clause of any of clauses 16 to 19, wherein the signal attributes include static attributes associated with a particular vehicle, including unique vehicle Id, vehicle brand, body type, or vehicle engine model. Any of the above non-transitory computer-readable storage media.

조항 21. 차량 정보 추출 서비스를 구현하기 위한 시스템으로서,Article 21. A system for implementing a vehicle information extraction service,

하나 이상의 컴퓨팅 디바이스를 포함하며, 하나 이상의 컴퓨팅 디바이스는:Comprising one or more computing devices, wherein the one or more computing devices:

차량 정보 추출 서비스의 고객으로부터, 차량들의 플릿으로부터 추출될 차량 정보의 하나 이상의 타입에 대한 요청을 수신하고;receive, from a customer of a vehicle information extraction service, a request for one or more types of vehicle information to be extracted from a fleet of vehicles;

플릿의 각 차량들에 의해 제공되는 하나 이상의 차량 정보 패킷을 수신하고 ― 하나 이상의 차량 정보 패킷의 각 패킷은 각 파티션들을 식별하는 데 사용되는 정보를 포함함 ―;Receive one or more vehicle information packets provided by each vehicle in the fleet, each packet of the one or more vehicle information packets including information used to identify respective partitions;

파티션들의 각 파티션들 내의 각각의 총 차량 수를 결정하고;determine the total number of vehicles in each of the partitions;

파티션들의 각 파티션들 내의 각각의 총 차량 수에 기초하여 파티션들의 각 파티션들 내의 차량들에 적용될 하나 이상의 데이터 축소 팩터를 결정하고 ― 하나 이상의 데이터 축소 팩터는 소정의 각 파티션 내의 플릿의 소정의 차량이 소정의 각 파티션 내의 플릿의 차량들 중 다른 차량들과 비교할 때 비중복 차량 정보를 가질 확률을 포함함 ―;determining one or more data reduction factors to be applied to vehicles in each of the partitions based on the respective total number of vehicles in each of the partitions, wherein the one or more data reduction factors determine the number of vehicles in a fleet in each of the partitions; Includes the probability of having non-redundant vehicle information compared to other vehicles among the vehicles in the fleet within each predetermined partition -;

플릿의 차량들 중 하나 이상에 하나 이상의 차량 스킴 패킷을 전송하며 ― 차량 스킴 패킷은 요청된 추출될 차량 정보의 하나 이상의 타입을 식별하는 정보, 및 적용될 하나 이상의 파티션에 대한 하나 이상의 대응하는 데이터 축소 팩터를 포함함 ―; 그리고Sending one or more vehicle scheme packets to one or more of the vehicles in the fleet, wherein the vehicle scheme packets include information identifying one or more types of requested vehicle information to be extracted, and one or more corresponding data reduction factors for the one or more partitions to be applied. Contains -; and

하나 이상의 데이터 축소 팩터에 따라 하나 이상의 파티션의 각 파티션 내에 위치된 플릿의 차량들의 단지 일부로부터만 요청된 차량 정보의 하나 이상의 타입을 수신하도록 구성된 것인, 시스템.A system, wherein the system is configured to receive one or more types of requested vehicle information from only a portion of the vehicles in a fleet located within each partition of the one or more partitions according to one or more data reduction factors.

조항 22. 제21 조항에 있어서, 하나 이상의 컴퓨팅 디바이스는 또한:Clause 22. The clause 21 of Clause 21, wherein the one or more computing devices further:

수신된 차량 정보에 기초하여 소정의 파티션 내의 차량들에 대한 차량 환경을 추론하도록 구성되며, 차량 환경은 머신 러닝 알고리즘들을 통해 식별되는 차량 검출 객체를 포함하되,It is configured to infer the vehicle environment for vehicles in a predetermined partition based on the received vehicle information, and the vehicle environment includes a vehicle detection object identified through machine learning algorithms,

각 파티션에 대한 추론된 차량 환경에 기초하여 데이터 축소 팩터가 또한 결정되는 것인, 시스템.The system wherein a data reduction factor is also determined based on the inferred vehicle environment for each partition.

조항 23. 제22 조항에 있어서, 하나 이상의 컴퓨팅 디바이스는 또한:Clause 23. The clause 22 of Clause 22, wherein the one or more computing devices further:

머신 러닝 알고리즘을 사용하여, 검출된 객체들을 정적 객체, 반(semi) 정적 객체, 또는 동적 객체들로서 분류하도록 구성된 것인, 시스템.A system configured to classify detected objects as static objects, semi-static objects, or dynamic objects using a machine learning algorithm.

조항 24. 제22 조항 또는 제23 조항에 있어서, 하나 이상의 컴퓨팅 디바이스는 또한:Clause 24. The clause of clause 22 or clause 23, wherein the one or more computing devices further:

추론된 차량 환경을 감쇠 함수(decay function)에 따라 수정하도록 구성되고,Configured to modify the inferred vehicle environment according to a decay function,

각각의 감쇠 함수에 의해 수정된 추론된 차량 환경에 기초하여 데이터 축소 팩터가 결정되는 것인, 시스템.A system wherein a data reduction factor is determined based on the inferred vehicle environment modified by each attenuation function.

조항 25. 제21 조항 내지 제24 조항 중 어느 한 조항에 있어서,Article 25. In any one of Articles 21 to 24:

파티션들은 수신된 하나 이상의 차량 정보 패킷에 표시된 각 차량들의 각 위치들, 및Partitions are the respective locations of each vehicle indicated in one or more vehicle information packets received, and

각 차량들이 서로 근접하게 위치된 시간 근접성에 기초하여 결정되는 것인, 시스템.A system wherein the determination is made based on the temporal proximity of each vehicle being located in close proximity to each other.

조항 26. 방법으로서,Article 26. As a method:

차량들의 플릿으로부터 추출될 차량 정보의 하나 이상의 타입에 대한 요청을 수신하는 단계;Receiving a request for one or more types of vehicle information to be extracted from a fleet of vehicles;

플릿의 각 차량들에 의해 제공되는 하나 이상의 차량 정보 패킷을 수신하는 단계 ― 하나 이상의 차량 정보 패킷의 각 패킷은 각 파티션들을 식별하는 데 사용되는 정보를 포함함 ―;Receiving one or more vehicle information packets provided by each vehicle in the fleet, each packet of the one or more vehicle information packets including information used to identify respective partitions;

각 파티션들 중 소정의 파티션 내의 총 차량 수를 결정하는 단계;determining the total number of vehicles in a given partition among each partition;

소정의 파티션 내의 총 차량 수에 기초하여 파티션들 중 소정의 파티션 내의 차량들에 적용될 데이터 축소 팩터를 결정하는 단계;determining a data reduction factor to be applied to vehicles in a given partition among the partitions based on the total number of vehicles in the given partition;

소정의 파티션 내의 플릿의 차량들에 하나 이상의 차량 스킴 패킷을 전송하는 단계 ― 차량 스킴 패킷은 요청된 추출될 차량 정보의 하나 이상의 타입을 식별하는 정보, 및 소정의 파티션에 대해 적용될 대응하는 데이터 축소 팩터를 포함함 ―; 및Sending one or more vehicle scheme packets to vehicles in a fleet within a given partition, wherein the vehicle scheme packet includes information identifying one or more types of requested vehicle information to be extracted, and a corresponding data reduction factor to be applied for the given partition. Contains -; and

데이터 축소 팩터에 따라 소정의 파티션 내에 위치된 플릿의 차량들의 단지 일부로부터만 요청된 차량 정보의 하나 이상의 타입을 수신하는 단계를 포함하는, 방법.A method comprising receiving one or more types of requested vehicle information from only a portion of the vehicles in a fleet located within a given partition according to a data reduction factor.

조항 27. 조항 26에 있어서,Article 27. In Article 26:

소정의 파티션에 대한 수신된 차량 정보에 기초하여 소정의 파티션 내의 차량들에 대한 차량 환경을 추론하는 단계를 더 포함하며, 차량 환경은 머신 러닝 알고리즘들을 통해 식별되는 차량 검출 객체를 포함하되,further comprising inferring a vehicle environment for vehicles in a given partition based on received vehicle information for the given partition, wherein the vehicle environment includes a vehicle detection object identified through machine learning algorithms,

소정의 파티션에 대한 추론된 차량 환경에 기초하여 데이터 축소 팩터가 또한 결정되는 것인, 방법.wherein a data reduction factor is also determined based on the inferred vehicle environment for a given partition.

조항 28. 조항 27에 있어서,Article 28. In Article 27:

차량이 검출한 객체들을 정적, 반정적, 또는 동적 객체들로서 분류하는 단계를 더 포함하되,Further comprising classifying objects detected by the vehicle as static, semi-static, or dynamic objects,

소정의 파티션에 대한 추론된 차량 환경 내의 객체들이 정적 객체인지, 반정적 객체인지, 또는 동적 객체인지에 기초하여 데이터 축소 팩터는 또한 결정되는 것인, 방법.The method wherein the data reduction factor is further determined based on whether the objects in the inferred vehicle environment for a given partition are static, semi-static, or dynamic objects.

조항 29. 제27 조항 또는 제28 조항에 있어서,Article 29. In Article 27 or Article 28:

정적 객체, 반정적 객체, 또는 동적 객체에 대한 각각의 감쇠 함수들에 의해 추론된 차량 환경을 수정하는 단계를 더 포함하되,Further comprising modifying the vehicle environment inferred by the respective attenuation functions for the static object, semi-static object, or dynamic object,

정적 객체, 반정적 객체, 또는 동적 객체에 대한 각각의 감쇠 함수들에 의해 수정된 추론된 차량 환경에 데이터 축소 팩터가 또한 기초하는 것인, 방법.The method wherein the data reduction factor is also based on the inferred vehicle environment modified by the respective attenuation functions for the static object, semi-static object, or dynamic object.

조항 30. 제26 조항 내지 제29 조항 중 어느 한 조항에 있어서,Article 30. In any one of Articles 26 to 29:

파티션들은 수신된 하나 이상의 차량 정보 패킷에 표시된 각 차량들의 각 위치들, 및Partitions are the respective locations of each vehicle indicated in one or more vehicle information packets received, and

각 차량들이 서로 근접하게 위치된 시간 근접성(time proximity)에 기초하여 결정되는 것인, 방법.The method is determined based on the time proximity of each vehicle being located close to each other.

조항 31. 제26 조항 내지 제29 조항 중 어느 한 조항에 있어서,Article 31. In any one of Articles 26 to 29:

플릿의 차량들 중 제2 차량에 의해 제공되는 다른 차량 정보 패킷을 수신하는 단계 ― 다른 차량 정보 패킷은 제2 차량이 소정의 파티션 내에 포함될 하나 이상의 기준을 충족시키는 것에 적어도 부분적으로 인해 제공됨 ―;Receiving another vehicle information packet provided by a second one of the vehicles in the fleet, the other vehicle information packet being provided at least in part due to the second vehicle meeting one or more criteria for inclusion within a given partition;

소정의 파티션 내 제2 차량의 포함에 기초하여 소정의 파티션 내의 플릿의 총 차량 수를 업데이트하는 단계; 및updating the total number of vehicles in a fleet within a given partition based on the inclusion of the second vehicle within the given partition; and

소정의 파티션 내의 제2 총 차량 수가 모델 업데이트 임계 레벨을 넘지 않는다면, 소정의 파티션에 대해 이전에 결정된 데이터 축소 팩터를 제2 차량에 전송하는 단계를 더 포함하는, 방법.The method further comprising transmitting the previously determined data reduction factor for the given partition to the second vehicle if the second total number of vehicles in the given partition does not exceed the model update threshold level.

조항 32. 제26 조항 내지 제31 조항 중 어느 한 조항에 있어서,Article 32. In any one of Articles 26 to 31:

소정의 파티션 내의 총 차량 수의 업데이트된 버전이 모델 업데이트 임계치를 초과하는 것에 기초하여 소정의 파티션 내의 차량들에 적용될 제2 데이터 축소 팩터를 결정하는 단계 ― 제2 데이터 축소 팩터는 소정의 파티션 내의 플릿의 차량들의 각 차량이 소정의 파티션 내의 플릿의 차량들 중 다른 차량들과 비교할 때 비중복 차량 정보를 가질 제2 확률을 포함함 ―; 및determining a second data reduction factor to be applied to vehicles in a given partition based on the updated version of the total number of vehicles in the given partition exceeding a model update threshold, wherein the second data reduction factor is determined by the fleets in the given partition. includes a second probability that each vehicle of the vehicles has non-redundant vehicle information when compared to other vehicles among the vehicles of the fleet within a given partition; and

소정의 파티션 내의 플릿의 차량들에 다른 차량 스킴 패킷을 전송하는 단계 ― 다른 차량 스킴 패킷은 요청된 추출될 차량 정보의 하나 이상의 타입을 식별하는 정보, 및 적용될 대응하는 제2 데이터 축소 팩터를 포함함 ― 를 더 포함하는, 방법.Sending a Other Vehicle Scheme Packet to vehicles in a fleet within a given partition, the Other Vehicle Scheme Packet comprising information identifying one or more types of requested vehicle information to be extracted, and a corresponding second data reduction factor to be applied. - A method further comprising:

조항 33. 제26 조항 내지 제32 조항 중 어느 한 조항에 있어서, 차량들의 플릿은 정보 추출을 위한 데이터 축소 설정에 참여한 차량들을 포함하는 것인, 방법.Clause 33. The method of any of clauses 26-32, wherein the fleet of vehicles includes vehicles that have participated in a data reduction setup for information extraction.

조항 34. 제26 조항 내지 제33 조항 중 어느 한 조항에 있어서,Article 34. In any one of Articles 26 to 33,

소정의 파티션 내에 포함된 플릿 및 제2 플릿에 대한 총 차량 수에 기초하여 차량들의 제2 플릿의 각 차량에 적용될 제2 데이터 축소 팩터를 결정하는 단계 ― 제2 데이터 축소 팩터는 소정의 파티션 내의 제2 플릿의 소정의 차량이 소정의 파티션 내에 포함되는 제1 플릿 또는 제2 플릿의 차량들 중 다른 차량들과 비교할 때 비중복 차량 정보를 가질 제2 확률을 포함함 ―; 및determining a second data reduction factor to be applied to each vehicle in the second fleet of vehicles based on the fleet included in the given partition and the total number of vehicles for the second fleet, where the second data reduction factor is the first data reduction factor in the given partition. comprising a second probability that a given vehicle in fleet 2 will have non-redundant vehicle information compared to other vehicles among the vehicles in the first or second fleet included within the given partition; and

소정의 파티션 내의 제2 플릿의 차량들에 하나 이상의 제2 차량 스킴 패킷을 전송하는 단계 ― 제2 차량 스킴 패킷은 요청된 추출될 차량 정보의 하나 이상의 타입을 식별하는 정보, 및 적용될 대응하는 제2 데이터 축소 팩터를 포함함 ― 를 더 포함하는, 방법.Sending one or more second vehicle scheme packets to vehicles of a second fleet within a given partition, wherein the second vehicle scheme packets include information identifying one or more types of requested vehicle information to be extracted, and corresponding second vehicle information to be applied. A method further comprising: comprising a data reduction factor.

조항 13. 제26 조항 내지 제34 조항 중 어느 한 조항에 있어서, 차량들의 플릿으로부터 추출될 차량 정보의 하나 이상의 타입은:Clause 13. The method of any one of clauses 26 through 34, wherein one or more types of vehicle information to be extracted from a fleet of vehicles are:

카메라 데이터;camera data;

LiDar 데이터;LiDar data;

전자 제어 유닛(ECU) 데이터; 또는electronic control unit (ECU) data; or

합성 센서 데이터 중 하나 이상을 포함하는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 저장 매체.One or more non-transitory computer-readable storage media comprising one or more of synthetic sensor data.

조항 36. 제26 조항 내지 제35 조항 중 어느 한 조항에 있어서,Article 36. In any one of Articles 26 to 35:

하나 이상의 차량 스킴 패킷은 차량 정보가 전송될 네트워크 연결의 대역폭이 대역폭 임계치를 충족시키지 못하는 시구간 동안 차량 정보를 차량 데이터 저장소에 저장할 것을 차량들에게 지시하고,The one or more vehicle scheme packets instruct the vehicles to store vehicle information in a vehicle data storage for a period of time when the bandwidth of the network connection through which the vehicle information is to be transmitted does not meet the bandwidth threshold,

차량 스킴 패킷들은 데이터 축소 팩터에 따라 감소된 차량 정보의 축소된 버전을 저장할 것을 차량에 지시하는 것인, 방법.Wherein vehicle scheme packets instruct the vehicle to store a reduced version of vehicle information reduced according to a data reduction factor.

조항 37. 제26 조항 내지 제35 조항 중 어느 한 조항에 있어서,Article 37. In any one of Articles 26 to 35:

하나 이상의 차량 스킴 패킷은 차량 정보가 전송될 네트워크 연결의 대역폭이 대역폭 임계치를 충족시키지 못하는 시구간 동안 차량 정보를 차량 데이터 저장소에 저장할 것을 차량들에게 지시하고,The one or more vehicle scheme packets instruct the vehicles to store vehicle information in a vehicle data storage for a period of time when the bandwidth of the network connection through which the vehicle information is to be transmitted does not meet the bandwidth threshold,

차량 스킴 패킷들은 데이터 축소 팩터를 적용하지 않고 차량 정보를 저장할 것을 차량에 지시하며, 그리고Vehicle scheme packets instruct the vehicle to store vehicle information without applying a data reduction factor, and

데이터 축소 팩터는 네트워크 연결이 대역폭 임계치를 충족한다는 결정에 응답하여 저장된 차량 정보를 송신할 준비를 할 때 적용되는 것인, 방법.Wherein the data reduction factor is applied when preparing to transmit stored vehicle information in response to determining that the network connection meets a bandwidth threshold.

조항 38. 제26 조항 내지 제37 조항 중 어느 한 조항에 있어서, 플릿의 차량들은 상이한 차량내 통신 아키텍처들을 갖는 차량들을 포함하고, 차량들의 플릿으로부터 추출될 차량 정보의 하나 이상의 타입에 대한 요청은 상이한 차량내 통신 아키텍처들에 대해 상이하게 포맷팅되는 것인, 방법.Clause 38. The method of any of clauses 26 through 37, wherein the vehicles in the fleet comprise vehicles with different in-vehicle communication architectures, and the request for one or more types of vehicle information to be extracted from the fleet of vehicles includes the different in-vehicle communication architectures. Method, formatted differently for in-vehicle communication architectures.

조항 39. 하나 이상의 비일시적 컴퓨터 판독가능 저장 매체로서, 하나 이상의 컴퓨팅 차량 상에서 또는 하나 이상의 컴퓨팅 차량에 걸쳐 실행될 때, 하나 이상의 컴퓨팅 차량으로 하여금 차량 정보 추출 서비스를 구현하게 하는 프로그램 명령들을 저장하며, 차량 정보 추출 서비스는:Clause 39. One or more non-transitory computer-readable storage media, storing program instructions that, when executed on or across one or more computing vehicles, cause the one or more computing vehicles to implement a vehicle information extraction service, the vehicle Information extraction services:

차량들의 플릿으로부터 추출될 차량 정보의 하나 이상의 타입에 대한 요청을 수신하는 단계;Receiving a request for one or more types of vehicle information to be extracted from a fleet of vehicles;

플릿의 각 차량들에 의해 제공되는 하나 이상의 차량 정보 패킷을 수신하는 단계 ― 각 정보 패킷은 각 파티션들을 식별하는 데 사용되는 정보를 포함함 ―;Receiving one or more vehicle information packets provided by each vehicle in the fleet, each information packet including information used to identify each partition;

각 파티션들 중 하나 이상의 파티션 내의 각각의 총 차량 수를 결정하는 단계;determining each total number of vehicles within one or more of the partitions;

소정의 파티션 내의 총 차량 수에 기초하여 파티션들 중 소정의 파티션 내의 차량들에 적용될 데이터 축소 팩터를 결정하는 단계;determining a data reduction factor to be applied to vehicles in a given partition among the partitions based on the total number of vehicles in the given partition;

소정의 파티션 내의 플릿의 차량들에 하나 이상의 차량 스킴 패킷을 전송하는 단계 ― 차량 스킴 패킷은 요청된 추출될 차량 정보의 하나 이상의 타입을 식별하는 정보, 및 적용될 대응하는 데이터 축소 팩터를 포함함 ―; 및Sending one or more vehicle scheme packets to vehicles in a fleet within a given partition, wherein the vehicle scheme packets include information identifying one or more types of requested vehicle information to be extracted, and a corresponding data reduction factor to be applied; and

데이터 축소 팩터에 따라 소정의 파티션 내에 위치된 플릿의 차량들의 단지 일부로부터만 요청된 차량 정보의 하나 이상의 타입을 수신하는 단계를 구현하는 것인, 하나 이상의 비일시적 컴퓨터 판독가능 저장 매체.One or more non-transitory computer-readable storage media, comprising receiving one or more types of requested vehicle information from only a portion of the vehicles of a fleet located within a given partition according to a data reduction factor.

조항 40. 제39 조항에 기재된 바와 같은 하나 이상의 비일시적 컴퓨터 액세스가능 저장 매체로서, 추가 프로그램 명령들을 저장하며, 프로그램 명령들은 하나 이상의 프로세서 상에서 또는 하나 이상의 프로세서에 걸쳐 실행될 때, 하나 이상의 프로세서로 하여금:Clause 40. One or more non-transitory computer-accessible storage media as described in Clause 39, storing additional program instructions that, when executed on or across one or more processors, cause the one or more processors to:

소정의 파티션에 대한 수신된 차량 정보에 기초하여 소정의 파티션 내의 차량들에 대한 차량 환경을 추론하게 하되, 수신 차량 환경은 머신 러닝 알고리즘을 통해 식별되는 차량 검출 객체들을 포함하고, 차량 환경에 기초하여 데이터 축소 팩터가 또한 결정되는 것인, 하나 이상의 비일시적 컴퓨터 액세스가능 저장 매체.The vehicle environment for vehicles in a given partition is inferred based on the received vehicle information for the given partition, where the received vehicle environment includes vehicle detection objects identified through a machine learning algorithm, and based on the vehicle environment One or more non-transitory computer accessible storage media, wherein a data reduction factor is also determined.

도면들에 예시되고 본 명세서에서 설명된 바와 같은 다양한 방법은 방법들의 예시적인 실시예들을 나타낸다. 방법들은 수동으로, 소프트웨어, 하드웨어, 또는 이들의 조합으로 구현될 수 있다. 임의의 방법의 순서는 변경될 수 있고, 다양한 요소가 추가, 재순서화, 조합, 생략, 변경 등이 될 수 있다. 예를 들어, 일 실시예에서, 방법들은 프로세서에 결합되는 컴퓨터 판독가능한 저장 매체 상에 저장되는 프로세서 실행 프로그램 명령들을 포함하는 컴퓨터 시스템에 의해 구현될 수 있다. 프로그램 명령들은 본 명세서에서 설명된 기능(예를 들어, 데이터 전송 툴, 다양한 서비스, 데이터베이스, 디바이스 및/또는 기타 통신 디바이스 등의 기능)을 구현하도록 구성될 수 있다.The various methods as illustrated in the drawings and described herein represent example embodiments of the methods. Methods may be implemented manually, in software, hardware, or a combination thereof. The order of any method may be changed, and various elements may be added, reordered, combined, omitted, altered, etc. For example, in one embodiment, the methods may be implemented by a computer system comprising processor-executable program instructions stored on a computer-readable storage medium coupled to a processor. Program instructions may be configured to implement the functionality described herein (e.g., the functionality of a data transfer tool, various services, databases, devices and/or other communication devices, etc.).

본 발명의 혜택을 받는 해당 기술분야에서의 통상의 기술에게 명백할 바와 같이 다양한 변형 및 변경이 이루어질 수 있다. 모든 그러한 변형 및 변경을 포함하도록, 그리고 그에 따라 상기한 설명을 제한적인 의미가 아니라 예시적인 의미로 여기도록 의도된다.Various modifications and changes may be made as will be apparent to those skilled in the art to benefit from the present invention. It is intended to cover all such modifications and variations, and accordingly, to treat the foregoing description in an illustrative rather than a restrictive sense.

다양한 실시예는 컴퓨터 액세스가능한 매체 상에 앞서 말한 설명에 따라 구현되는 명령들 및/또는 데이터를 수신, 전송 또는 저장하는 것을 더 포함할 수 있다. 일반적으로 말하면, 컴퓨터 액세스 가능한 매체는 저장 매체 또는 메모리 매체 이를테면 자기 또는 광 매체, 예를 들어, 디스크 또는 DVD/CD-ROM, 휘발성 또는 비휘발성 매체 이를테면 RAM(예를 들어, SDRAM, DDR, RDRAM, SRAM 등), ROM 등 뿐만 아니라, 전송 매체 또는 통신 매체 이를테면 네트워크 및/또는 무선 링크를 통해 전달되는 신호들 이를테면 전기, 전자기, 또는 디지털 신호들을 포함할 수 있다.Various embodiments may further include receiving, transmitting, or storing instructions and/or data implemented in accordance with the foregoing description on a computer-accessible medium. Generally speaking, computer accessible media refers to storage or memory media such as magnetic or optical media such as disks or DVD/CD-ROMs, volatile or non-volatile media such as RAM (e.g. SDRAM, DDR, RDRAM, SRAM, etc.), ROM, etc., as well as signals transmitted through transmission or communication media such as networks and/or wireless links, such as electrical, electromagnetic, or digital signals.

Claims (15)

차량 정보 추출 서비스를 구현하기 위한 시스템으로서,
하나 이상의 컴퓨팅 디바이스를 포함하며,
상기 하나 이상의 컴퓨팅 디바이스는:
상기 차량 정보 추출 서비스의 고객으로부터 수신된 제1 요청에 따라, 복수의 신호 속성들의 신호 속성들의 서브세트를 편성하는 차량 모델을 생성하고;
상기 차량 모델의 신호 속성들을 차량내 통신 신호들로 디코딩하기 위한 복수의 신호 디코딩 규칙들의 각 신호 디코딩 규칙들을 차량 플릿의 차량들에 전송하고;
상기 차량 정보 추출 서비스의 고객으로부터 수신된 제2 요청에 따라 데이터 수집 스킴을 상기 플릿의 각 차량들에 전송하며 ― 상기 데이터 수집 스킴은 차량 센서 정보에 대한 데이터 추출 기준들을 포함하고, 상기 차량 모델의 상기 신호 속성들의 서브세트를 사용하여 상기 차량 센서 정보를 식별함 ―; 그리고
상기 신호 디코딩 규칙들을 사용하여 디코딩된 상기 데이터 수집 스킴에 따라 상기 각 차량들로부터 추출된 차량 데이터를 상기 플릿의 상기 각 차량들로부터 수신하도록 구성된 것인, 시스템.
A system for implementing a vehicle information extraction service,
Includes one or more computing devices,
The one or more computing devices:
generate a vehicle model that organizes a subset of signal properties of a plurality of signal properties according to a first request received from a customer of the vehicle information extraction service;
transmitting respective signal decoding rules of a plurality of signal decoding rules for decoding signal properties of the vehicle model into in-vehicle communication signals to vehicles of the vehicle fleet;
transmitting a data collection scheme to each vehicle in the fleet according to a second request received from a customer of the vehicle information extraction service, wherein the data collection scheme includes data extraction criteria for vehicle sensor information, and identifying the vehicle sensor information using a subset of the signal properties; and
The system is configured to receive vehicle data extracted from each vehicle according to the data collection scheme decoded using the signal decoding rules from each vehicle in the fleet.
제1항에 있어서, 상기 차량들의 플릿은 상이한 차량내 통신 신호 구성들을 갖는 차량들을 포함하고, 각 신호 디코딩 규칙들을 상기 플릿의 차량들에 전송하는 것은 상기 차량들 각각이 상기 상이한 차량내 통신 신호 구성들 중 어느 차량내 통신 신호 구성을 사용하는지에 기초하는 것인, 시스템.2. The method of claim 1, wherein the fleet of vehicles comprises vehicles with different in-vehicle communication signal configurations, and transmitting respective signal decoding rules to the vehicles in the fleet causes each of the vehicles to have different in-vehicle communication signal configurations. The system is based on which of the in-vehicle communication signal configurations are used. 제1항 또는 제2항에 있어서, 상기 하나 이상의 컴퓨팅 디바이스는 또한:
복수의 차량들에 대한 제조사들 또는 공급자들로부터 복수의 센서들의 각 센서들의 상기 신호 속성들을 수신하고 ― 상기 복수의 차량들은 상이한 차량내 통신 신호 구성들을 갖는 차량들을 포함함 ―; 그리고
상기 신호 속성들을 통합된 신호 표현으로 편성하는 신호 카탈로그를 생성하도록 ― 상기 차량 모델의 신호 구성이 상기 신호 카탈로그에 기초함 ― 구성된 것인, 시스템.
3. The method of claim 1 or 2, wherein the one or more computing devices further:
Receive the signal properties of each sensor of the plurality of sensors from manufacturers or suppliers for the plurality of vehicles, the plurality of vehicles comprising vehicles having different in-vehicle communication signal configurations; and
A system, wherein the system is configured to generate a signal catalog organizing the signal properties into a unified signal representation, wherein the signal configuration of the vehicle model is based on the signal catalog.
제3항에 있어서, 상기 차량 모델의 상기 신호 구성은, 차량 특정 신호 명칭들을 상기 신호 카탈로그의 각 신호 속성들에 맵핑하기 위한 디코딩 규칙들이 상기 신호 카탈로그에 없는, 신호를 생략하는 것인, 시스템.4. The system of claim 3, wherein the signal configuration of the vehicle model omits signals for which the signal catalog does not have decoding rules for mapping vehicle-specific signal names to respective signal properties in the signal catalog. 제4항에 있어서, 상기 하나 이상의 컴퓨팅 디바이스는 또한:
상기 제조사 또는 상기 공급자로부터, 복수의 신호 속성 명칭들의 각 신호 속성 명칭에 대응하는 상기 신호 카탈로그의 신호 속성들에 대응하는 신호들을 디코딩하기 위한 복수의 센서 특정 신호 디코딩 규칙들을 수신하도록 구성되며, 상기 센서 특정 신호 디코딩 규칙들은 상기 플릿의 차량들의 각 차량내 통신 신호 포맷들에 따라 포맷팅된 디코딩 신호들을 인에이블하는 것인, 시스템.
5. The method of claim 4, wherein the one or more computing devices further:
configured to receive, from the manufacturer or the supplier, a plurality of sensor-specific signal decoding rules for decoding signals corresponding to signal properties of the signal catalog corresponding to each signal property name of the plurality of signal property names, wherein the sensor The system wherein specific signal decoding rules enable decoding signals formatted according to the in-vehicle communication signal formats of each of the vehicles in the fleet.
방법으로서,
차량들의 플릿에 대한 복수의 신호 속성들의 신호 속성들의 서브세트를 편성하는 차량 모델을 생성하는 단계;
상기 차량 모델에 포함된 신호 속성들을 디코딩하기 위한 복수의 신호 디코딩 규칙들의 각 신호 디코딩 규칙들을 상기 플릿의 차량들에 전송하는 단계 ― 상기 전송된 디코딩 규칙들은 차량내 통신 신호들의 디코딩을 인에이블함 ―;
데이터 수집 스킴을 상기 플릿의 각 차량들에 전송하는 단계 ― 상기 데이터 수집 스킴은 차량 센서 정보에 대한 데이터 추출 기준들을 포함하고, 상기 차량 모델의 신호 속성들의 서브세트를 사용하여 상기 차량 센서 정보를 식별함 ―; 및
전송된 신호 디코딩 규칙들을 사용하여 디코딩된 상기 데이터 수집 스킴에 따라 상기 각 차량들로부터 추출된 차량 데이터를 상기 플릿의 각 차량들로부터 수신하는 단계를 포함하는, 방법.
As a method,
generating a vehicle model that organizes a subset of signal properties of a plurality of signal properties for a fleet of vehicles;
Transmitting each signal decoding rule of a plurality of signal decoding rules for decoding signal properties included in the vehicle model to vehicles in the fleet, wherein the transmitted decoding rules enable decoding of in-vehicle communication signals. ;
Transmitting a data collection scheme to each vehicle in the fleet, wherein the data collection scheme includes data extraction criteria for vehicle sensor information, and identifies the vehicle sensor information using a subset of signal properties of the vehicle model. Ham -; and
Receiving vehicle data extracted from each vehicle according to the data collection scheme decoded using transmitted signal decoding rules from each vehicle in the fleet.
제6항에 있어서, 상기 차량들의 플릿은 상이한 차량내 통신 신호 구성들을 갖는 차량들을 포함하고, 각 신호 디코딩 규칙들을 상기 플릿의 차량들에 전송하는 것은 상기 차량들 각각이 상기 상이한 차량내 통신 신호 구성들 중 어느 차량내 통신 신호 구성을 사용하는지에 기초하는 것인, 방법.7. The method of claim 6, wherein the fleet of vehicles includes vehicles having different in-vehicle communication signal configurations, and transmitting respective signal decoding rules to the vehicles in the fleet comprises vehicles having different in-vehicle communication signal configurations. A method based on which of the in-vehicle communication signal configurations are used. 제7항에 있어서,
복수의 차량들의 제조사들 또는 공급자들로부터 복수의 센서들의 각 센서들의 상기 신호 속성들을 수신하는 단계 ― 상기 복수의 차량들은 상이한 차량내 통신 신호 구성들을 갖는 차량들을 포함함 ―; 및
상기 신호 속성들을 통합된 신호 표현으로 편성하는 신호 카탈로그를 생성하는 단계 ― 상기 차량 모델의 신호 구성이 상기 신호 카탈로그에 기초함 ― 를 더 포함하는, 방법.
In clause 7,
Receiving the signal properties of each sensor of the plurality of sensors from manufacturers or suppliers of the plurality of vehicles, the plurality of vehicles comprising vehicles having different in-vehicle communication signal configurations; and
The method further comprising generating a signal catalog organizing the signal properties into a unified signal representation, wherein the signal configuration of the vehicle model is based on the signal catalog.
제7항 또는 제8항에 있어서, 상기 차량 모델의 상기 신호 구성은, 차량 특정 신호 명칭들을 상기 신호 카탈로그의 각 신호 속성들에 맵핑하기 위한 디코딩 규칙들이 상기 신호 카탈로그에 없는, 신호를 생략하는 것인, 방법.9. The method of claim 7 or 8, wherein the signal configuration of the vehicle model omits a signal for which decoding rules for mapping vehicle-specific signal names to respective signal properties of the signal catalog are not present in the signal catalog. In,method. 제6항 내지 제9항 중 어느 한 항에 있어서,
차량 제조사 또는 공급자로부터, 복수의 신호 속성 명칭들의 각 신호 속성 명칭에 대응하는 상기 신호 카탈로그의 신호 속성들에 대응하는 신호들을 디코딩하기 위한 복수의 센서 특정 신호 디코딩 규칙들을 수신하는 단계를 더 포함하며, 상기 센서 특정 신호 디코딩 규칙들은 상기 플릿의 차량들의 각 차량내 통신 신호 포맷들에 따라 포맷팅된 디코딩 신호들을 인에이블하는 것인, 방법.
According to any one of claims 6 to 9,
Receiving, from a vehicle manufacturer or supplier, a plurality of sensor-specific signal decoding rules for decoding signals corresponding to signal properties of the signal catalog corresponding to each signal property name of the plurality of signal property names, wherein the sensor specific signal decoding rules enable decoding signals formatted according to in-vehicle communication signal formats for each of the vehicles in the fleet.
제6항 내지 제10항 중 어느 한 항에 있어서,
상기 신호 디코딩 규칙들을 사용하여 상기 각 차량들로부터 추출된 상기 차량 데이터를 디코딩하는 단계를 더 포함하며, 상기 수신된 차량 데이터는 이진 자원들로부터 센서 신호 값들로 디코딩되는 것인, 방법.
According to any one of claims 6 to 10,
Decoding the vehicle data extracted from each vehicle using the signal decoding rules, wherein the received vehicle data is decoded from binary resources into sensor signal values.
제11항에 있어서,
상기 센서 신호 값들을, 상기 차량 데이터가 추출된 상기 차량의 하나 이상의 차량 속성과 연관시키는 단계; 및
상기 센서 신호 값들을 시계열 데이터베이스에 게재하는 단계를 더 포함하는, 방법.
According to clause 11,
associating the sensor signal values with one or more vehicle attributes of the vehicle from which the vehicle data was extracted; and
The method further comprising posting the sensor signal values to a time series database.
제6항 내지 제12항 중 어느 한 항에 있어서, 상기 차량 센서 정보는:
카메라 데이터;
LiDar 데이터;
전자 제어 유닛(electronic control unit, ECU) 데이터; 또는
합성 센서 데이터 중 하나 이상을 포함하는 것인, 방법.
The method of any one of claims 6 to 12, wherein the vehicle sensor information is:
camera data;
LiDar data;
electronic control unit (ECU) data; or
A method comprising one or more of synthetic sensor data.
제6항 내지 제13항 중 어느 한 항에 있어서, 상기 신호 속성들은 고유 차량 Id, 차량 브랜드, 차체 타입, 및 차량 엔진 모델을 포함하는 특정 차량과 연관된 정적 속성들을 포함하는 것인, 방법.14. The method of any one of claims 6 to 13, wherein the signal properties include static properties associated with a particular vehicle including unique vehicle Id, vehicle brand, body type, and vehicle engine model. 제6항 내지 제14항 중 어느 한 항에 있어서, 상기 데이터 수집 스킴은 데이터 축소 팩터에 대응하여 추출될 상기 차량 센서 정보를 식별하는 정보를 더 포함하며, 상기 데이터 축소 팩터는 소정의 지리적 영역 내의 차량군의 총 차량 수에 기초하고, 상기 차량군의 차량 환경의 추론에 기초하며, 상기 추출된 데이터는 단지 상기 차량군의 일부로부터만 추출되는 것인, 방법.15. The method of any one of claims 6 to 14, wherein the data collection scheme further includes information identifying the vehicle sensor information to be extracted corresponding to a data reduction factor, wherein the data reduction factor is within a predetermined geographical area. A method based on the total number of vehicles in a vehicle fleet, and based on an inference of the vehicle environment of the vehicle fleet, wherein the extracted data is extracted from only a portion of the vehicle fleet.
KR1020247018726A 2021-11-29 2022-11-17 Fleet data collection using a unified model to collect data from heterogeneous vehicles KR20240096706A (en)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US202163283964P 2021-11-29 2021-11-29
US63/283,964 2021-11-29
US17/537,320 US11902374B2 (en) 2021-11-29 2021-11-29 Dynamic vehicle data extraction service
US17/537,320 2021-11-29
US17/548,392 2021-12-10
US17/548,392 US20230169805A1 (en) 2021-11-29 2021-12-10 Fleet data collection using a unified model to collect data from heterogenous vehicles
PCT/US2022/080008 WO2023097158A1 (en) 2021-11-29 2022-11-17 Fleet data collection using a unified model to collect data from heterogenous vehicles

Publications (1)

Publication Number Publication Date
KR20240096706A true KR20240096706A (en) 2024-06-26

Family

ID=84537447

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020247018726A KR20240096706A (en) 2021-11-29 2022-11-17 Fleet data collection using a unified model to collect data from heterogeneous vehicles
KR1020247018091A KR20240093995A (en) 2021-11-29 2022-11-17 Dynamic vehicle data extraction service

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020247018091A KR20240093995A (en) 2021-11-29 2022-11-17 Dynamic vehicle data extraction service

Country Status (3)

Country Link
EP (2) EP4442014A1 (en)
KR (2) KR20240096706A (en)
WO (2) WO2023097157A1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118762521A (en) * 2024-09-02 2024-10-11 中汽研汽车检验中心(天津)有限公司 Construction method, device, electronic system and medium of road data acquisition motorcade

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7660652B2 (en) * 2006-02-02 2010-02-09 Signature Control Systems, Inc. Method, system and device for monitoring vehicle usage
US8863256B1 (en) * 2011-01-14 2014-10-14 Cisco Technology, Inc. System and method for enabling secure transactions using flexible identity management in a vehicular environment
KR20170025955A (en) * 2015-08-31 2017-03-08 주식회사 하누리티엔 Vehicle management system and vehicle management method using unified platform
US10810806B2 (en) * 2017-03-13 2020-10-20 Renovo Motors, Inc. Systems and methods for processing vehicle sensor data
US11206171B2 (en) * 2017-11-07 2021-12-21 Calamp Corp. Systems and methods for dynamic device programming
WO2019126707A1 (en) * 2017-12-21 2019-06-27 Climacell Inc. Improved real-time weather forecasting system
US20200074864A1 (en) * 2018-09-04 2020-03-05 GM Global Technology Operations LLC System to reduce the rate of redundant vehicle data
US20210058814A1 (en) * 2019-08-22 2021-02-25 Toyota Motor Engineering & Manufacturing North America, Inc. Methods and systems for processing traffic data from vehicles
CN113590359A (en) * 2021-08-02 2021-11-02 腾讯科技(深圳)有限公司 Data sharing method, device and medium applied to vehicle formation and electronic equipment

Also Published As

Publication number Publication date
EP4442015A1 (en) 2024-10-09
WO2023097157A1 (en) 2023-06-01
WO2023097158A1 (en) 2023-06-01
EP4442014A1 (en) 2024-10-09
KR20240093995A (en) 2024-06-24

Similar Documents

Publication Publication Date Title
US11902374B2 (en) Dynamic vehicle data extraction service
US20230169805A1 (en) Fleet data collection using a unified model to collect data from heterogenous vehicles
CN110618671B (en) Over-the-air (OTA) mobile service platform
US10999156B2 (en) Mobility services platform for self-healing mobility clients
US10778758B2 (en) Scalable and secure vehicle to everything communications
US11689623B2 (en) Adaptive real-time streaming for autonomous vehicles
US11460307B2 (en) System and method for processing vehicle event data for journey analysis
US11392733B2 (en) Multi-dimensional event model generation
US10157476B1 (en) Self-learning spatial recognition system
EP3584703A1 (en) Over-the-air (ota) mobility services platform
US20220046380A1 (en) System and method for processing vehicle event data for journey analysis
US20210295614A1 (en) System and method for filterless throttling of vehicle event data
KR20240096706A (en) Fleet data collection using a unified model to collect data from heterogeneous vehicles
Vermesan et al. Internet of vehicles–system of systems distributed intelligence for mobility applications
Campolo et al. An Edge-Based Digital Twin Framework for Connected and Autonomous Vehicles: Design and Evaluation
JP2024543112A (en) Dynamic vehicle data extraction service
CN118251913A (en) Dynamic vehicle data extraction service
WO2020147700A1 (en) Event subscription notification method, network side device, application entity, internet of things system and storage medium
Lisova et al. Communication patterns for evaluating vehicular E/E architectures
Thomas et al. Smart Vehicles for Traffic Management and Systems Using Cloud Computing
US20220144281A1 (en) System and method for parking tracking using vehicle event data
Cintron et al. Modeling liability data collection systems for intelligent transportation infrastructure using hyperledger fabric
Datta Connected Car as an IoT Service