驾驶员筛选的制作方法

驾驶员筛选
1.相关申请案
2.本技术案主张2020年4月21日申请且标题为“驾驶员筛选(driver screening)”的序列号为16/854,634的美国专利申请案的优先权，所述美国专利申请案的全部公开内容特此以引用方式并入本文中。
技术领域
3.本文中公开的至少一些实施例涉及一种用于驾驶员筛选的联网系统。举例来说，本文中公开的至少一些实施例涉及一种用于针对拼车服务进行驾驶员筛选的网络系统。


背景技术：

4.拼车已成为美国的一种普遍交通方式且在全球增长。拼车服务经由网站或另一类型的应用程序连接乘客与驾驶员或车辆。当前，若干拼车服务经由移动应用程序匹配客户与车辆。汽车拼车服务可称为打车服务，且此类服务也可用于与包含飞机及船舶的其它类型的交通工具拼乘。
5.在出租车通常无法提供服务的人口稀少或贫困地区，拼车服务已变得很普遍。而且，拼车已变得广泛应用，因为至少人们认为此类服务比出租车服务便宜。而且，拼车是有益的，因为其已表明可在其中运营此类服务的一些城市中降低酒后驾车率。
6.拼车的一个实例问题是其至少被认为不如招呼出租车或专业乘车服务安全。然而，人们在采取措施来克服安全问题以及欺诈拼车服务的担忧。另一方面，醉酒、欺诈或好斗客户会给驾驶员带来麻烦。而且，疲劳、醉酒、虚假或激进驾驶员会给客户带来麻烦。
7.为了保护驾驶员以及客户，拼车服务已在城市、州及国家受到监管。且在一些管辖范围内，出于安全考虑及可能出租车公司游说，拼车已被禁止。拼车服务的规章可包含对驾驶员背景调查、票价、驾驶员人数、执照及驾驶员工资的要求。
附图说明
8.将从下文给出的详细描述及从本公开的各个实施例的附图更完全理解本公开。
9.图1说明根据本公开的一些实施例的经配置以针对拼车服务实施驾驶员筛选的方面的实例车辆的图。
10.图2到4说明根据本公开的一些实施例的包含至少移动装置及车辆以及拼车服务系统(rsss)且经配置以针对拼车服务实施驾驶员筛选的实例联网系统。
11.图5到6说明根据本公开的一些实施例的可由图1中展示的车辆或图2到4中描绘的联网系统的方面执行的实例操作的流程图。
具体实施方式
12.本文中公开的至少一些实施例涉及一种用于驾驶员筛选的联网系统。举例来说，本文中公开的至少一些实施例涉及一种用于针对拼车服务进行驾驶员筛选的网络系统。在
一些实施例中，出租车或拼车服务的车辆可给出租车或车辆内的驾驶员拍照或录制视频且产生驾驶员的风险评分。风险评分可与驾驶员是否疲劳、醉酒或开车不稳相关。评分甚至可与驾驶员的醉酒度或疲劳度以及驾驶员的精神状态或稳定性相关。评分还可与驾驶员的身体或认知障碍、驾驶员的犯罪历史及驾驶员的驾驶历史相关。当预约乘坐时，可经由移动装置向客户呈现风险评分。而且，当风险评分高于阈值时，可提醒或提示乘车人回绝驾驶员。当客户使用移动装置预约乘坐时，此可能会发生。换句话说，在预约出租车或拼车时，车辆可给驾驶员拍照且评估驾驶员的表现准备水平(例如，驾驶员是否疲劳、反应迟钝、醉酒、相对于峰值表现水平的当前表现水平、驾驶风格等)。接着，可在决定是否预约驾驶员乘坐期间将评估传输给出租车或拼车的潜在客户。
13.在一些实施例中，用于驾驶员筛选的联网系统使用人工智能(ai)产生风险评分。可训练ai技术(例如人工神经网络(ann)、卷积神经网络(cnn)等)辨识输入数据的模式且产生风险评分。当传统线性计算机编程技术遵循严格规则时，ai技术(例如ann、cnn等)可使用机器学习来学习及适应变化输入。学习及适应变化输入的此能力可使ai技术成为用于驾驶员筛选的联网系统的有用组件。
14.一般来说，ann可使用监督式方法训练，其中ann中的参数经调整以最小化或减小由相应输入导致的已知输出与从将输入应用于ann产生的计算输出之间的误差。监督式学习/训练方法的实例包含强化学习及具有误差校正的学习。
15.替代地或组合地，ann可使用无监督方法训练，其中由一组给定输入导致的准确输出在训练完成之前是未知的。ann可经训练以将项目分类成多个类别或将数据点分类成若干集群。多种训练算法可用于复杂机器学习/训练范例。
16.在一些实施例中，为了训练拼车服务的系统用于特定用户，客户或乘客可查看驾驶员的样本图像且给出相应风险评分。接着，系统可使用人工智能以一般基于此输入来学习将风险评分类似地提供给客户或服务的拼车客户。学习(或机器学习)可使用数据集来完成，例如驾驶员的若干组图像及对应风险评分。举例来说，如果客户有机会通过观察驾驶员片刻(例如，使用系统的拼车app)来确定驾驶员的风险评分，那么客户或乘客观察到的内容可类似地由摄像头观察到。系统无法确定客户如何决定风险评分；但系统可训练或调整ai技术(例如ann、cnn或决策树)的参数以最小化由客户(或一般来说，服务的客户)产生的风险评分与通过ai技术计算的评分之间的差。可通过添加其它生物特征输入(例如来自语音的声音、来自呼吸分析仪的酒精含量、体温等)来使输入到ai技术的数据集更复杂。使用每一额外数据集，ai技术不断学习、调适及改进风险评分。此机器学习可被视为监督式机器学习。
17.在一些实施例中，车辆可包含经配置以在一时段期间记录车辆中驾驶员的至少一个图像的至少一个摄像头。摄像头还可经配置以发送从驾驶员的至少一个图像导出的图像数据。至少一个图像的记录可响应于确定是否预约车辆乘坐的客户请求评估驾驶员而发生。请求可在所述时段期间发生。
18.车辆还可包含计算系统，其经配置以从至少一个摄像头接收图像数据及基于接收到的图像数据及ai技术确定某时段内驾驶员的风险评分。ai技术可包含ann、决策树或另一类型的ai工具或其任何组合。接收到的生物特征数据或其派生物可为一般用于ai技术或专门用于ann、决策树或另一类型的ai工具或其任何组合的输入。计算系统还可经配置以将驾
驶员的风险评分传输给客户，使得客户可决定是否预约车辆乘坐。
19.在一些实施例中，车辆可包含至少一个传感器，其经配置以感测某时段期间驾驶员的至少一个非视觉生物特征及发送从驾驶员的至少一个感测到的非视觉生物特征导出的非视觉生物特征数据。在此类实施例及其它中，计算系统可经配置以从至少一个传感器接收非视觉生物特征数据及基于接收到的图像数据、接收到的非视觉生物特征数据及ai技术确定所述时段内驾驶员的风险评分。接收到的非视觉生物特征数据或其派生物可为一般用于ai技术或专门用于ann、决策树或另一类型的ai工具或其任何组合的输入。
20.在一些实施例中，至少一个传感器可包含经配置以感测某时段期间驾驶员的血液酒精含量的呼吸分析仪，且至少一个传感器经配置以发送从感测到的血液酒精含量导出的数据作为非视觉生物特征数据的至少部分。在此类实施例及其它中，至少一个传感器可包含经配置以感测某时段期间驾驶员的体温的体温计，且至少一个传感器可经配置以发送从感测到的体温导出的数据作为非视觉生物特征数据的至少部分。在此类实施例及其它中，至少一个传感器可包含经配置以将来自某时段期间驾驶员的语音的声音变换成音频信号的麦克风，且至少一个传感器可经配置以发送从音频信号导出的数据作为非视觉生物特征数据的至少部分。
21.在一些实施例中，从至少一个摄像头发送的接收到的图像数据可包含关于驾驶员姿势的信息。且在此类实施例及其它中，从至少一个摄像头发送的接收到的图像数据可包含关于驾驶员的面部特征的信息。
22.在一些实施例中，车辆的计算系统经配置以使用监督式学习来训练ai技术。用于ai技术的监督式学习的输入可包含样本驾驶员的图像的图像数据及由客户针对样本驾驶员的图像确定的风险评分。以此方式，可专门为客户定制及训练ai技术(例如ann或决策树)。而且，用于ai技术的监督式学习的输入可包含样本驾驶员的图像的图像数据及由拼车服务的客户针对样本驾驶员的图像确定的风险评分。以此方式，一般可为服务的客户增强及训练ai技术。ann的监督式学习的输入还可包含样本驾驶员的非视觉生物特征信息及由客户(或一般来说，服务的客户)针对样本驾驶员的非视觉生物特征信息确定的风险评分。
23.在一些实施例中，车辆的计算系统经配置以经由拼车服务的拼车服务app至少基于拼车服务的驾驶员的接收到的生物特征数据及/或数据库确定车辆的驾驶员的传记信息。数据库可存储关于已注册拼车服务的注册驾驶员的传记信息。而且，所存储传记信息可包含注册驾驶员的生物特征以及注册驾驶员的犯罪历史、注册驾驶员的驾驶行为历史或注册驾驶员的服务或交通违章历史或其任何组合中的至少一者。在此类实施例及其它中，车辆的计算系统可经配置以基于接收到的生物特征数据、ai技术及驾驶员的经确定传记信息确定驾驶员的风险评分。用于ai技术的输入可包含生物特征数据或其派生物及/或经确定传记信息或其派生物。
24.图1说明根据本公开的一些实施例的经配置以针对拼车服务实施驾驶员筛选的方面的实例车辆10的图。如图1中展示，车辆10包含车厢12且车厢包含驾驶座14a、另一前座14b及后座14c。车厢12还包含面向驾驶座14a的摄像头16。摄像头16具有视角18，在图1中展示的实施例中，视角18似乎小于180度。视角18允许摄像头16记录坐在驾驶座14a的驾驶员的至少一个图像或视频。如展示，视角18提供包含驾驶员的头部20以及驾驶员的右肩22b及左肩22a的视野。如展示，摄像头16背向车辆10的前部或车辆的挡风玻璃(挡风玻璃在图1中
未描绘)。
25.摄像头16经展示为在车辆10的车厢12中。然而，应理解，只要用于记录驾驶员的此摄像头以捕捉驾驶座14a中驾驶员的图像或录像的方式定位，那么摄像头可定位于车辆10的任何部分处且附接到车辆。如展示，图1描绘车辆的主体的车顶下方的车辆10的俯视截面图以展示车辆的车厢12。且如图1中展示，摄像头16不是经配置以从宽水平角记录图像的全景摄像头；然而，在一些实施例中，摄像头12可为全景摄像头。应理解，只要用于记录驾驶员的图像的此摄像头的视野覆盖足够区域以捕捉驾驶座中驾驶员的行为或驾驶员的特性，那么摄像头的视角可为任何角度。
26.还应理解，可使用不同数目个摄像头，且可使用具有不同或相同视角的摄像头，且在一些实施例中，水平面内摄像头的视野可或可不重叠。而且，在一些实施例中，车辆可包含一或多个全向摄像头以覆盖相对于车辆的车厢内部的水平面中的至少一完整圆或覆盖具有车辆的车厢内部的整个或几乎整个球体的视野。此类实施例可用于从除驾驶座之外的车辆的车厢中的其它位置捕捉驾驶员的特征或行为。
27.图2到4说明根据本公开的一些实施例的包含至少一拼车服务系统(rsss)以及移动装置及车辆(例如，参阅移动装置140到142及302及车辆102、202及130到132)且经配置以针对拼车服务实施驾驶员筛选的实例联网系统100。车辆102、202及130到132中的任一或多者可为图1中展示的车辆10或包含车辆10的至少一些部分。
28.联网系统100经由一或多个通信网络122联网。本文中描述的通信网络(例如通信网络122)可包含至少一本地到装置网络(例如蓝牙或类似物)、广域网(wan)、局域网(lan)、内联网、例如4g或5g的移动无线网络、外联网、因特网及/或其任何组合。联网系统100的节点(例如，参阅移动装置140、142及302、车辆102、130、132及202及一或多个rsss服务器150)可各自为对等网络、客户端-服务器网络、云计算环境或类似物的部分。而且，本文中描述的设备、计算装置、车辆、传感器或摄像头及/或用户接口中的任何者可包含某种计算机系统(例如，参阅车辆计算系统104及204)。且此计算机系统可包含到lan、内联网、外联网及/或因特网中的其它装置的网络接口。计算机系统还可在客户端-服务器网络环境中以服务器或客户端机器的身份操作，在对等(或分布式)网络环境中操作为对等机器，或在云计算基础设施或环境中操作为服务器或客户端机器。
29.如图2中展示，联网系统100可包含至少一车辆102，其包含车辆计算系统104(包含rsss的客户端应用程序106，本文中还称为rsss客户端106)、主体及主体的可控部件(未描绘)、动力系及动力系的可控部件(未描绘)、主体控制模块108(其是一种类型的电子控制单元或ecu)、动力系控制模块110(其是一种类型的ecu)及动力转向控制单元112(其是一种类型的ecu)。车辆102还包含多个传感器(例如，参阅传感器114a到114b，其可包含生物特征传感器)、多个摄像头(例如，参阅摄像头118a到118b，其可包含图1中展示的摄像头16)及控制器局域网(can)总线120，can总线120使至少车辆计算系统104、主体控制模块108、动力系控制模块110、动力转向控制单元112、多个传感器及多个摄像头彼此连接。而且如展示，车辆102经由车辆计算系统104连接到网络122。而且如展示，车辆130到132及移动装置140到142连接到网络122且因此通信地耦合到车辆102。
30.包含于车辆计算系统104中的rsss客户端106可与rsss服务器150通信。rsss客户端106可为或包含专门经配置用于供拼车服务的客户使用的rsss客户端。而且，rsss客户端
106可为或包含专门经配置用于供拼车服务的驾驶员使用的rsss客户端。
31.在一些实施例中，车辆102可包含主体、动力系及底盘以及至少一个摄像头及至少一个传感器(例如，参阅摄像头118a到118b及传感器114a到114b)。至少一个摄像头及至少一个传感器可各自附接到主体、动力系或底盘或其任何组合中的至少一者。举例来说，摄像头或传感器可嵌入于或附接到车辆102的主体的天花板、主体的车厢的侧壁、主体的车门、主体的车厢的前部或主体的车厢的后部(例如在或接近车厢的后座)。摄像头或传感器可经配置以向内面向车辆102的车厢且捕捉、感测或记录视野，视野覆盖相对于车辆的水平面中的高达半圆或整圆以捕捉车辆的车厢内驾驶员的至少一个图像或非视觉生物特征信息。
32.在此类实施例及其它中，车辆102包含经配置以记录车辆中驾驶员的至少一个图像的至少一个摄像头(例如，参阅摄像头118a到118b)。由至少一个摄像头进行记录可在一时段期间发生。且至少一个摄像头可经配置以产生及发送从驾驶员的至少一个图像导出的生物特征图像数据。至少一个图像的记录可响应于确定是否预约车辆102乘坐的客户请求评估驾驶员而发生。且至少一个图像的记录可在其中客户提出请求的时段期间发生。换句话说，请求可在记录驾驶员的至少一个图像的时段期间发生。且客户可从移动装置(例如，参阅移动装置140到142及移动装置302)提出请求。
33.在此类实施例及其它中，车辆102包含经配置以从至少一个摄像头(例如，参阅摄像头118a到118b)接收图像数据的车辆计算系统104。车辆计算系统104还可经配置以例如经由rsss客户端106基于接收到的图像数据确定驾驶员的风险评分。车辆计算系统104还可经配置以例如经由rsss客户端106在请求的时段内基于接收到的图像数据确定驾驶员的风险评分。风险评分还可基于ai技术确定。ai技术可包含ann、决策树或另一类型的ai工具或其任何组合。接收到的生物特征图像数据或其派生物可为一般用于ai技术或专门用于前述ai工具中的一或多者的输入。举例来说，接收到的生物特征数据或其派生物可为用于ann的输入。车辆计算系统104还可经配置以将驾驶员的风险评分传输给客户，使得客户可决定是否预约车辆乘坐。风险评分的传输可到达客户的移动装置(例如，参阅移动装置140到142及移动装置302)。
34.在此类实施例及其它中，车辆102包含经配置以感测驾驶员的至少一个非视觉生物特征的至少一个传感器(例如，参阅传感器114a到114b)。驾驶员的至少一个非视觉生物特征的感测可在其中记录驾驶员的图像的时段期间发生。至少一个传感器还可经配置以发送从驾驶员的至少一个感测到的非视觉生物特征导出的非视觉生物特征数据。驾驶员的至少一个非视觉生物特征的感测可响应于确定是否预约车辆102乘坐的客户请求评估驾驶员而发生。且至少一个非视觉生物特征的感测可在其中客户提出请求的时段期间发生。换句话说，请求可在感测驾驶员的至少一个非视觉生物特征的时段期间发生。且客户可从移动装置(例如，参阅移动装置140到142及移动装置302)提出请求。
35.在此类实施例及其它中，车辆计算系统104还可经配置以从至少一个传感器(例如，参阅传感器114a到114b)接收非视觉生物特征数据。车辆计算系统104还可经配置以例如经由rsss客户端106基于接收到的非视觉生物特征数据确定驾驶员的风险评分。车辆计算系统104还可经配置以例如经由rsss客户端106基于接收到的非视觉生物特征数据确定请求时段内驾驶员的风险评分。风险评分还可基于ai技术确定。ai技术可包含ann、决策树或另一类型的ai工具或其任何组合。接收到的非视觉生物特征数据或其派生物可为一般用
于ai技术或专门用于前述ai工具中的一或多者的输入。举例来说，接收到的非视觉生物特征数据或其派生物可为用于ann的输入。换句话说，风险评分可基于图像数据、非视觉生物特征数据或ann或另一类型的ai技术或其任何组合确定。在此类实例中，接收到的非视觉生物特征数据或其派生物及/或接收到的图像数据或其派生物可为用于ann或另一类型的ai技术的输入。而且，在此类实例中，车辆计算系统104还可经配置以将驾驶员的风险评分传输给客户，使得客户可决定是否预约车辆乘坐，且风险评分的传输可到达客户的移动装置(例如，参阅移动装置140到142及移动装置302)。
36.在此类实施例及其它中，车辆计算系统104可经配置以例如经由rsss客户端106接收生物特征图像数据及/或非视觉生物特征数据且例如经由rsss客户端106基于接收到的生物特征数据及ai技术确定驾驶员的风险评分。ai技术可包含ann、决策树或另一类型的ai工具或其任何组合。接收到的生物特征数据或其派生物可为一般用于ai技术或专门用于前述ai工具中的一或多者的输入。车辆计算系统104还可经配置以例如经由rsss客户端106基于风险评分超过风险阈值来确定是否向车辆102的潜在客户通知风险评分。此可在向客户传输驾驶员的风险评分之前发生。
37.在此类实施例及其它中，至少一个传感器(例如，参阅传感器114a到114b)可包含经配置以感测某时段期间驾驶员的血液酒精含量的呼吸分析仪，且至少一个传感器可经配置以发送从感测到的血液酒精含量导出的数据作为非视觉生物特征数据的至少部分。在此类实施例及其它中，至少一个传感器(例如，参阅传感器114a到114b)可包含经配置以感测某时段期间驾驶员的体温的体温计，且至少一个传感器可经配置以发送从感测到的体温导出的数据作为非视觉生物特征数据的至少部分。在此类实施例及其它中，至少一个传感器(例如，参阅传感器114a到114b)可包含经配置以将来自某时段期间驾驶员的语音的声音变换成音频信号的麦克风，且至少一个传感器可经配置以发送从音频信号导出的数据作为非视觉生物特征数据的至少部分。
38.在一些实施例中，从至少一个摄像头(例如，参阅摄像头118a到118b)发送的接收到的图像数据可包含关于驾驶员姿势的信息。且在此类实施例及其它中，从至少一个摄像头发送的接收到的图像数据可包含关于驾驶员的面部特征的信息。
39.在一些实施例中，车辆102的车辆计算系统104经配置以使用监督式学习训练ai技术。用于ai技术的监督式学习的输入可包含样本驾驶员的图像的图像数据及由客户针对样本驾驶员的图像确定的风险评分。以此方式，可专门为客户定制及训练ai技术(例如ann或决策树)。而且，用于ai技术的监督式学习的输入可包含样本驾驶员的图像的图像数据及由拼车服务的客户针对样本驾驶员的图像确定的风险评分。以此方式，一般可为服务的客户增强及训练ai技术。用于ann的监督式学习的输入还可包含样本驾驶员的非视觉生物特征信息及由客户(或一般来说，服务的客户)针对样本驾驶员的非视觉生物特征信息确定的风险评分。
40.在一些实施例中，车辆102的车辆计算系统104经配置以例如经由rsss客户端106至少基于接收到的生物特征数据及/或拼车服务的驾驶员的数据库(例如连接到rsss服务器150或为其部分的数据库)确定车辆的驾驶员的传记信息。数据库可存储关于注册拼车服务的注册驾驶员的传记信息。且所存储传记信息可包含注册驾驶员的生物特征以及注册驾驶员的犯罪历史、注册驾驶员的驾驶行为历史或注册驾驶员的服务或交通违章历史或其任
何组合中的至少一者。在此类实施例及其它中，车辆102的车辆计算系统104可经配置以基于接收到的生物特征数据、ai技术及驾驶员的经确定传记信息确定驾驶员的风险评分。用于ai技术的输入可包含生物特征数据或其派生物及/或经确定传记信息或其派生物。
41.在一些实施例中，从摄像头及/或传感器(例如，参阅摄像头118a到118b及传感器114a到114b)接收的接收到的生物特征数据可包含关于驾驶员在驾驶车辆之前靠近车辆102的步态的信息、驾驶员在靠近车辆时或在车辆中时的姿势的信息或关于驾驶员的面部特征的信息或其任何组合。接收到的生物特征数据还可包含关于驾驶员的血液酒精含量、驾驶员的体温或驾驶员的语音或其任何组合的信息。
42.本文中描述的移动装置(例如，参阅移动装置140到142及移动装置302)可包含用户接口(例如，参阅图4中展示的移动装置302的其它组件316)，其经配置以例如经由rsss客户端106输出风险评分。风险评分可由移动装置的ui输出以向客户通知车辆102的车辆计算系统104何时确定风险评分超过风险阈值。移动装置的用户接口可经配置以例如经由rsss客户端106提供图形用户接口(gui)、触觉用户接口或听觉用户接口或其任何组合。而且，本文中描述的实施例可包含任何类型的一或多个用户接口，包含触觉ui(触摸)、视觉ui(视力)、听觉ui(声音)、嗅觉ui(气味)、均衡ui(平衡)及味觉ui(味道)。
43.图2中未描绘但如图1中描绘，车辆102可包含摄像头(例如，参阅摄像头16及摄像头118a到118b)，其在一或多个方向上向内面向车辆的车厢以具有覆盖相对于车辆的水平面中的至少一半圆的视野。且摄像头可包含经配置以记录驾驶员的至少一个图像及产生及发送从驾驶员的至少一个图像导出的生物特征数据的至少一个摄像头。在一些实施例中，摄像头可具有覆盖水平面中的至少一整圆的视野以从水平面中的任何方向记录车辆102中驾驶员的至少一个图像。
44.在一些实施例中，车辆计算系统104(例如经由rsss客户端106)可经配置以接收及处理数据(例如，例如包含用于车辆及其系统的指令数据的数据及/或与存储于rsss的数据库中的驾驶员的生物特征信息及/或驾驶员的传记信息相关的数据)。举例来说，数据可由车辆计算系统104(例如经由rsss客户端106)经由网络122的部件从摄像头、传感器及/或rsss服务器150接收，且接着接收到的数据可经处理以包含于本文中描述的其它处理步骤中。接收到的数据可包含从至少关联风险评分数据、图像数据、感测到的非视觉生物特征数据、时间数据、位置数据或从车辆102或其它车辆(例如，参阅车辆130到132)发送的关于驾驶员的其它背景数据导出的信息。在一些实施例中，接收到的数据的导出及/或接收到的数据的稍后处理可根据ai技术，且ai技术可由rsss的计算系统、车辆102或驾驶员或客户的移动装置(例如，参阅移动装置140到142)训练。在此类实施例及其它中，客户的移动装置可包含用户接口(例如图形用户接口)(例如，参阅图4中描绘的移动装置302的其它组件316，其可包含gui)，其经配置以向客户提供接收到及经处理数据的至少部分。
45.车辆102包含车辆电子器件，至少包含用于主体的可控部件、动力系的可控部件及动力转向的可控部件的电子器件。车辆102包含主体的可控部件且此类部件及子系统连接到主体控制模块108。主体包含支撑动力系的至少一框架。车辆的底盘可附接到车辆的框架。主体还可包含用于至少一个驾驶员或乘客的内部。内部可包含座椅。主体的可控部件还可包含一或多个电动门及/或一或多个电动窗。主体还可包含车体的任何其它已知部件。且主体的可控部件还可包含敞篷车顶、天窗、电动座椅及/或车辆主体的任何其它类型的可控
部件。主体控制模块108可控制主体的可控部件。而且，车辆102还包含动力系的可控部件。动力系及其部件及子系统的可控部件连接到动力系控制模块110。动力系的可控部件可包含至少一引擎、变速器、驱动轴、悬架及转向系统及动力系电系统。动力系还可包含车辆动力系的任何其它已知部件且动力系的可控部件可包含动力系的任何其它已知可控部件。而且，可控动力转向部件可经由动力转向控制单元112控制。
46.车辆102的多个传感器(例如，参阅传感器114a到114b)及/或多个摄像头(例如，参阅摄像头118a到118b)可包含任何类型的传感器或摄像头，其分别经配置以感测及/或记录车辆102的车厢(例如，参阅车厢12)内的驾驶员或车辆102的周围环境的一或多个特征或特性，例如当驾驶员在靠近车辆周围环境中的车辆时。车辆102的传感器或摄像头还可经配置以输出对应于驾驶员的一或多个特征或特性的产生数据。多个传感器或摄像头中的任一者还可经配置以例如经由can总线120将对应于驾驶员的一或多个特征或特性的产生数据发送到车辆102的车辆计算系统104或其它电子电路系统。当驾驶员醉酒、疲劳、生病或以另一方式无法正常驾驶时，将数据发送到车辆102的其它电子电路系统可为有用的。举例来说，响应于驾驶员醉酒、疲劳、生病或以另一方式无法正常驾驶，数据或其派生物可发送到主体控制模块108以锁定或定位驾驶座以提示驾驶员其不应驾驶，发送到动力系控制模块110以防止引擎打开，及/或发送到动力转向控制单元112以将车轮锁定在朝向车辆的停车位置移动的方向上。
47.用于控制车辆102的驱动的一组机械组件可包含：(1)车辆的车轮上的制动机构(用于停止车轮旋转)；(2)车辆的引擎或发动机上的节流机构(用于调节有多少汽油进入引擎或有多少电流进入发动机)，其确定驱动轴可旋转多快且因此确定车辆可行驶多快；及(3)用于车辆的前轮的方向的转向机构(例如，因此车辆在车轮指向的方向上行驶)。这些机构可控制车辆102的制动(或减速)、加速(或节流)及转向。驾驶员可通过可由用户操作的ui元件(例如，参阅图3中展示的车辆202的其它组件216)(其通常是制动踏板、加速踏板及方向盘)间接控制这些机构。踏板及方向盘不一定机械连接到驱动机构用于制动、加速及转向。此类部件可具有或接近于测量驾驶员施加多少力在踏板上及/或使方向盘转动多少的传感器。感测到的控制输入经由电线传输到控制单元(且因此可为线控驱动)。此类控制单元可包含主体控制模块108或220、动力系控制模块110或222、动力转向控制单元112或224、电池管理系统226等。此输出同样还可由本文中描述的传感器及摄像头(例如，参阅传感器114a到114b或217a到217b及摄像头118a到118b或219a到219b)感测及/或记录。且传感器及摄像头的输出可进一步例如由rsss客户端106处理且接着报告给rsss的服务器150以用于与车辆的驾驶员相关的背景数据的累积数据处理。
48.在例如102或202的车辆中，驾驶员可经由物理控制元件(例如方向盘、制动踏板、油门、浆式换挡器等)控制车辆，物理控制元件经由机械连杆及一些机电连杆介接驱动组件。然而，当前越来越多车辆具有经由电子控制元件或模块(例如电子控制单元或ecu)介接机械动力系元件(例如制动系统、转向机构、驱动系等)的控制元件。电子控制元件或模块可为线控驱动技术的部分。线控驱动技术可包含用于执行通常由机械连杆实现的车辆功能的电或机电系统。技术可用使用机电致动器及人机接口的电子控制系统(例如踏板及转向感觉仿真器)取代传统机械控制系统。例如转向杆、中间轴、泵、软管、皮带、冷却器及真空伺服器及主缸的组件可从车辆消除。线控驱动技术存在不同程度及类型。具有线控驱动技术的
例如车辆102及202的车辆可包含从用户或驾驶员接收输入(例如经由更常规控制或经由线控驱动控制或其某组合)的调制器(例如包含ecu及/或高级驾驶辅助系统或adas或为其部分的调制器)。接着，调制器可使用驾驶员的输入来调制输入或将其变换成“安全驾驶员”的匹配输入。
49.在一些实施例中，可包含车辆的计算系统或为其部分的车辆(例如，参阅车辆102及202)的电子电路系统可包含以下中的至少一者：引擎电子器件、传输电子器件、底盘电子器件、驾驶员或乘客环境及舒适电子器件、车载娱乐电子器件、车载安全电子器件或导航系统电子器件或其任何组合(例如，参阅分别在图2及3中展示的主体控制模块108及220、动力系控制模块110及222、动力转向控制单元112及224、电池管理系统226及娱乐信息电子器件228)。在一些实施例中，车辆的电子电路系统可包含用于自动驾驶系统的电子器件。
50.如图3中展示，联网系统100可至少包含车辆130到132及车辆202，车辆202包含至少一车辆计算系统204、具有内部(未描绘)的主体(未描绘)、动力系(未描绘)、气候控制系统(未描绘)及娱乐信息系统(未描绘)。车辆202还可包含其它车辆部件。
51.可具有类似于车辆计算系统104的结构及/或功能性的车辆计算系统204可连接到通信网络122，通信网络122可包含至少一本地到装置网络(例如蓝牙或类似物)、广域网(wan)、局域网(lan)、内联网、例如4g或5g的移动无线网络、外联网、因特网及/或其任何组合。车辆计算系统204可为能够执行指定由机器采取的动作的一组指令(循序或其它)的机器。而且，虽然说明了用于车辆计算系统204的单个机器，但术语“机器”还应被视为包含个别或联合执行一组(或多组)指令以执行方法或操作的机器的任何集合。且其可包含至少一总线(例如，参阅总线206)及/或母板、一或多个控制器(例如一或多个cpu，例如，参阅控制器208)、可包含临时数据存储装置的主存储器(例如，参阅存储器210)、至少一种类型的网络接口(例如，参阅网络接口212)、可包含永久数据存储装置的存储系统(例如，参阅数据存储系统214)及/或其任何组合。在一些多装置实施例中，一个装置可完成本文中描述的方法的一些部分，接着经由网络将完成结果发送到另一装置，使得另一装置可继续本文中描述的方法的其它步骤。
52.图3还说明可包含及实施rsss客户端106的车辆计算系统204的实例部件。车辆计算系统204可通信地耦合到网络122，如展示。车辆计算系统204包含至少一总线206、可执行rsss客户端106的指令的控制器208(例如cpu)、可保存rsss客户端106的执行指令的存储器210、网络接口212、可存储用于rsss客户端106的指令的数据存储系统214及其它组件216，其它组件216可为在移动或计算装置中找到的任何类型的组件(例如gps组件)、i/o组件(例如摄像头及各种类型的用户接口组件(其可包含本文中描述的多个ui元件中的一或多者)及传感器(其可包含本文中描述的多个传感器中的一或多者)。其它组件216可包含一或多个用户接口(例如gui、听觉用户接口、触觉用户接口、汽车控制等)、显示器、不同类型的传感器、触觉、音频及/或视觉输入/输出装置、额外专用存储器、一或多个额外控制器(例如gpu)或其任何组合。车辆计算系统204还可包含传感器及摄像头接口，其经配置以介接可为本文中描述的传感器或摄像头(例如，参阅传感器217a到217b及摄像头219a到219b)中的任何者中的一或多者的车辆202的传感器及摄像头。在一些实施例中，总线206通信地耦合控制器208、存储器210、网络接口212、数据存储系统214、其它组件216及传感器及摄像头以及传感器及摄像头接口。车辆计算装置204包含计算机系统，其至少包含控制器208、存储器
210(例如只读存储器(rom)、快闪存储器、动态随机存取存储器(dram)(例如同步dram(sdram)或rambus dram(rdram))、静态随机存取存储器(sram)、交叉点存储器、交错型存储器等)及数据存储系统214，其经由总线206(其可包含多个总线)彼此通信。
53.在一些实施例中，车辆计算系统204可包含用于在执行时致使机器执行本文中论述的方法中的任一或多者的一组指令。在此类实施例中，机器可连接(例如，经由网络接口212联网)到lan、内联网、外联网及/或因特网(例如网络122)中的其它机器。机器可在客户端-服务器网络环境中以服务器或客户端机器的身份操作，在对等(或分布式)网络环境中操作为对等机器，或在云计算基础设施或环境中操作为服务器或客户端机器。
54.控制器208表示一或多个通用处理装置，例如微处理器、中央处理单元或类似物。更尤其，处理装置可为复杂指令集计算(cisc)微处理器、精简指令集计算(risc)微处理器、超长指令字(vliw)微处理器、单指令多数据(simd)、多指令多数据(mimd)或实施其它指令集的处理器或实施指令集的组合的处理器。控制器208也可为一或多个专用处理装置，例如asic、可编程逻辑(例如fpga)、数字信号处理器(dsp)、网络处理器或类似物。控制器208经配置以执行用于执行本文中论述的操作及步骤的指令。控制器208可进一步包含经由一或多个通信网络(例如网络122)通信的例如网络接口212的网络接口装置。
55.数据存储系统214可包含其上存储有体现本文中描述的方法或功能中的任一或多者的一或多组指令或软件的机器可读存储媒体(也称为计算机可读媒体)。数据存储系统214可具有执行能力，例如，其可至少部分执行驻留于数据存储系统中的指令。指令还可在其由计算机系统执行期间完全或至少部分驻留于存储器210内及/或控制器208内，存储器210及控制器208也构成机器可读存储媒体。存储器210可为或包含系统204的主存储器。存储器210可具有执行能力，例如，其可至少部分执行驻留于存储器中的指令。
56.车辆202还可具有主体的车体控制模块220、动力系的动力系控制模块222、动力转向控制单元224、电池管理系统226、娱乐信息系统的娱乐信息电子器件228及can总线218，can总线218至少连接车辆计算系统204、车体控制模块、动力系控制模块、动力转向控制单元、电池管理系统及娱乐信息电子器件。而且如展示，车辆202经由车辆计算系统204连接到网络122。而且如展示，车辆130到132及移动装置140到142连接到网络122且因此通信地耦合到车辆202。
57.车辆202还经展示为具有可为车辆计算系统204的部分的多个传感器(例如，参阅传感器217a到217b)及多个摄像头(例如，参阅摄像头219a到219b)。在一些实施例中，can总线218可将多个传感器及多个摄像头、车辆计算系统204、车体控制模块、动力系控制模块、动力转向控制单元、电池管理系统及娱乐信息电子器件连接到至少车辆计算系统204。多个传感器及多个摄像头可经由计算系统的传感器及摄像头接口连接到车辆计算系统204。
58.如图4中展示，联网系统100可包含至少一移动装置302以及移动装置140到142。移动装置302(其可具有有点类似于车辆计算系统104或204的结构及/或功能性)可连接到通信网络122且因此连接到车辆102、202及130到132以及移动装置140到142。移动装置302(或移动装置140或142)可包含本文中提及的多个传感器中的一或多者、本文中提及的多个ui元件中的一或多者、gps装置及/或本文中提及的多个摄像头中的一或多者。因此，移动装置302(或移动装置140或142)可类似于车辆计算系统104或204般起作用且可代管及运行rsss客户端106。
59.取决于实施例，移动装置302可为或包含移动装置或类似物，例如智能手机、平板计算机、iot装置、智能电视、智能手表、眼镜或其它智能家用电器、车载信息系统、穿戴式智能装置、游戏机、pc、数码相机或其任何组合。如展示，移动装置302可连接到通信网络122，通信网络122包含至少一本地到装置网络(例如蓝牙或类似物)、广域网(wan)、局域网(lan)、内联网、例如4g或5g的移动无线网络、外联网、因特网及/或其任何组合。
60.本文中描述的移动装置中的每一者可为或取代为个人计算机(pc)、平板pc、机顶盒(stb)、个人数字助理(pda)、蜂窝电话、网络设备、服务器、网络路由器、交换机或网桥或能够执行指定由机器采取的动作的一组指令(循序指令或其它)的任何机器。本文中描述的车辆的计算系统可为能够执行指定由机器采取的动作的一组指令(循序或其它)的机器。
61.而且，虽然说明了用于本文中描述的计算系统及移动装置的单个机器，但术语“机器”还应被视为包含个别或联合执行一组(或多组)指令以执行本文中或操作论述的方法或操作中的任一或多者的机器的任何集合。且所说明移动装置中的每一者可各自包含至少一总线及/或母板、一或多个控制器(例如一或多个cpu)、可包含临时数据存储装置的主存储器、至少一种类型的网络接口、可包含永久数据存储装置的存储系统及/或其任何组合。在一些多装置实施例中，一个装置可完成本文中描述的方法的一些部分，接着经由网络将完成结果发送到另一装置，使得另一装置可继续本文中描述的方法的其它步骤。
62.图4还说明根据本公开的一些实施例的移动装置302的实例部件。移动装置302可通信地耦合到网络122，如展示。移动装置302包含至少一总线306、控制器308(例如cpu)、存储器310、网络接口312、数据存储系统314及其它组件316(其可为在移动或计算装置中找到的任何类型的组件，例如gps组件、i/o组件、此类各种类型的用户接口组件及传感器(例如生物特征传感器)以及一或多个摄像头)。其它组件316可包含一或多个用户接口(例如gui、听觉用户接口、触觉用户接口等)、显示器、不同类型的传感器、触觉(例如生物特征传感器)、音频及/或视觉输入/输出装置、额外专用存储器、一或多个额外控制器(例如gpu)或其任何组合。总线306通信地耦合控制器308、存储器310、网络接口312、数据存储系统314及其它组件316。移动装置302包含计算机系统，其至少包含控制器308、存储器310(例如只读存储器(rom)、快闪存储器、动态随机存取存储器(dram)(例如同步dram(sdram)或rambus dram(rdram))、静态随机存取存储器(sram)、交叉点存储器、交错型存储器等)及数据存储系统314，其经由总线306(其可包含多个总线)彼此通信。
63.换句话说，图4是具有本公开的实施例可操作于其中的计算机系统的移动装置302的框图。在一些实施例中，计算机系统可包含用于在执行时致使机器执行本文中论述的一些方法的一组指令。在此类实施例中，机器可连接(例如，经由网络接口312联网)到lan、内联网、外联网及/或因特网(例如网络122)中的其它机器。机器可在客户端-服务器网络环境中以服务器或客户端机器的身份操作，在对等(或分布式)网络环境中操作为对等机器，或在云计算基础设施或环境中操作为服务器或客户端机器。
64.控制器308表示一或多个通用处理装置，例如微处理器、中央处理单元或类似物。更尤其，处理装置可为复杂指令集计算(cisc)微处理器、精简指令集计算(risc)微处理器、超长指令字(vliw)微处理器、单指令多数据(simd)、多指令多数据(mimd)或实施其它指令集的处理器或实施指令集的组合的处理器。控制器308也可为一或多个专用处理装置，例如asic、可编程逻辑(例如fpga)、数字信号处理器(dsp)、网络处理器或类似物。控制器308经
配置以执行用于执行本文中论述的操作及步骤的指令。控制器308可进一步包含经由一或多个通信网络(例如网络122)通信的例如网络接口312的网络接口装置。
65.数据存储系统314可包含其上存储体现本文中描述的任一或多个方法或功能的一或多组指令或软件的机器可读存储媒体(也称为计算机可读媒体)。数据存储系统314可具有执行能力，例如，其可至少部分执行驻留于数据存储系统中的指令。指令还可在其由计算机系统执行期间完全或至少部分驻留于存储器310内及/或控制器308内，存储器310及控制器308也构成机器可读存储媒体。存储器310可为或包含装置302的主存储器。存储器310可具有执行能力，例如，其可至少部分执行驻留于存储器中的指令。
66.虽然存储器、控制器及数据存储部件在实例实施例中各自展示为单个部件，但每一部件应被视为包含可存储指令及执行其相应操作的单个部件或多个部件。术语“机器可读存储媒体”也应被视为包含能够存储或编码由机器执行的一组指令且致使机器执行本公开的方法中的任一或多者的任何媒体。术语“机器可读存储媒体”应相应地被视为包含(但不限于)固态存储器、光学媒体及磁性媒体。
67.如图4中展示，移动装置302可包含用户接口(例如，参阅其它组件316)。用户接口可经配置以提供图形用户接口(gui)、触觉用户接口或听觉用户接口或其任何组合。举例来说，用户接口可为或包含连接到也可为移动装置302的部分的穿戴式结构、计算装置或摄像头或其任何组合中的至少一者的显示器，且显示器可经配置以提供gui。而且，本文中描述的实施例可包含任何类型的一或多个用户接口，包含触觉ui(触摸)、视觉ui(视力)、听觉ui(声音)、嗅觉ui(气味)、均衡ui(平衡)及味觉ui(味道)。
68.图5说明根据本公开的一些实施例的可由图1中描绘的车辆10以及图2到4中描绘的联网系统100的方面执行的方法400的实例操作的流程图。举例来说，方法400可由图1到4中描绘的任何车辆及/或移动装置的计算系统及/或其它部件执行。
69.在图5中，方法400开始于步骤402，其中在一时段期间由车辆或车辆的驾驶员的移动装置接收确定是否预约车辆乘坐的客户的移动装置请求评估驾驶员。在步骤404，方法400继续由车辆的一或多个摄像头(或车辆中驾驶员的移动装置的一或多个摄像头)在所述时段期间记录车辆中驾驶员的一或多个图像。在步骤406，方法400继续由摄像头发送从驾驶员的至少一个图像导出的生物特征图像数据。在步骤408，方法400继续由车辆的一或多个传感器(或车辆中驾驶员的移动装置的一或多个传感器)在所述时段期间感测驾驶员的一或多个非视觉生物特征。在步骤410，方法400继续由传感器发送从非视觉生物特征导出的非视觉生物特征数据。在步骤412，方法400继续由车辆(或车辆中移动装置)的计算系统从摄像头及/或传感器接收生物特征数据。在步骤414，方法400继续由计算系统基于ann或决策树及接收到的生物特征数据确定所述时段内驾驶员的风险评分(例如，ann或决策树从rss的服务器或客户的移动装置接收)。在步骤416，方法400继续由计算系统将驾驶员的风险评分传输到客户的移动装置，使得客户可决定是否预约车辆乘坐。
70.图6说明根据本公开的一些实施例的可由图1中描绘的车辆10以及图2到4中描绘的联网系统100的方面执行的方法500的实例操作的流程图。举例来说，方法500可由图1到4中描绘的任何车辆及/或移动装置的计算系统及/或其它部件执行。
71.在图6中，方法500可开始于步骤502a，其中由乘车服务客户的移动装置接收第一样本驾驶员的生物特征信息。方法500还可开始于步骤502b，其中由移动装置接收第二样本
驾驶员的生物特征信息。方法500还可开始于步骤502c，其中由移动装置接收另一样本驾驶员的生物特征信息。如展示，方法500可以接收至少三个相应样本驾驶员的生物特征信息的至少三个不同例子开始。生物特征信息的接收可同时或依序发生。
72.在步骤504a，方法500继续由移动装置显示第一样本驾驶员的生物特征信息。在步骤504b，方法500继续由移动装置显示第二样本驾驶员的生物特征信息。在步骤504c，方法500继续由移动装置显示另一样本驾驶员的生物特征信息。如展示，方法500继续显示至少三个相应样本驾驶员的生物特征信息的至少三个不同例子。生物特征信息的显示可同时或依序发生。
73.在步骤506a，方法500继续由移动装置请求用户鉴于第一样本驾驶员的生物特征信息输入第一样本驾驶员的第一风险评分。在步骤506b，方法500继续由移动装置请求用户鉴于第二样本驾驶员的生物特征信息输入第二样本驾驶员的第二风险评分。在步骤506c，方法500继续由移动装置请求用户鉴于另一样本驾驶员的生物特征信息输入另一样本驾驶员的另一风险评分。如展示，方法500继续请求用户输入至少三个不同相应样本驾驶员的风险评分。请求用户输入至少三个不同相应样本驾驶员的风险评分可同时或依序发生。
74.在步骤508a，方法500继续由移动装置从客户接收第一风险评分。在步骤508b，方法500继续由移动装置从客户接收第二风险评分。在步骤508c，方法500继续由移动装置从客户接收另一风险评分。如展示，方法500继续从客户接收至少三个不同相应样本驾驶员的风险评分。从客户接收风险评分可同时或依序发生。
75.在步骤510，方法500继续由客户的移动装置或乘车服务的一或多个服务器使用样本驾驶员的风险评分及生物特征信息作为训练输入来训练ann或决策树。举例来说，步骤510处的训练可包含重复输入对应于接收到的选定风险评分的生物特征信息直到ann或决策树大致输出接收到的选定风险评分及针对每一接收到的风险评分重复此训练过程以针对不同风险评分增强ann或决策树。
76.在一些实施例中，应理解，方法400及500的步骤可实施为连续过程，例如，每一步骤可通过监测输入数据、执行操作及将数据输出到后续步骤来独立运行。而且，每一方法的此类步骤可实施为离散事件过程，例如，每一步骤可在其应该触发的事件上触发且产生特定输出。还应理解，图5到6中的每一图表示比图2到4中部分呈现的计算机系统更复杂的计算机系统的可能更大方法内的最小方法。因此，图5到6中的每一图中描绘的步骤可与从与更复杂系统的更大方法相关联的其它步骤馈入及馈出到所述步骤的其它步骤组合。
77.应理解，本文中描述的车辆可为任何类型的车辆，除非车辆另有指定。交通工具可包含汽车、卡车、船舶及飞机以及用于军事、建筑、农业或娱乐用途的车辆或车辆设备。由车辆使用的电子器件、车辆部件或车辆的驾驶员或乘客可被视为车辆电子器件。车辆电子器件可包含用于引擎管理、点火、无线电、汽车电脑、远程信息处理、车载娱乐系统及车辆的其它部件的电子器件。车辆电子器件可与点火及引擎及变速器控制一起使用或由点火及引擎及变速器控制使用，其可在具有内燃动力机械的车辆中找到，例如燃油车、卡车、摩托车、船舶、飞机、军用车辆、叉车、拖拉机及挖掘机。而且，车辆电子器件可由相关元件使用或与相关元件一起使用以控制混合动力及电动车辆(例如混合或电动汽车)中找到的电系统。举例来说，电动车辆可使用电力电子器件用于主推进电动机控制以及管理电池系统。且自主车辆几乎完全依赖车辆电子器件。
78.已依据对计算机存储器内的数据位的操作的算法及符号表示呈现前述详细描述的一些部分。这些算法描述及表示是由数据处理领域的技术人员用于向所属领域的其他技术人员最有效传达其工作实质的方式。算法在此通常被设想为导致期望结果的自相一致操作序列。操作是需要物理操纵物理量的操作。通常但不一定，这些量采取能够被存储、组合、比较及否则操纵的电或磁性信号的形式。主要由于常用原因，将这些信号称为位、值、元素、符号、字符、项、数字或类似物已被证明有时是方便的。
79.然而，应记住，所有这些及类似术语应与适当物理量相关联且仅为应用于这些量的方便标签。本公开可涉及计算机系统或类似电子计算装置的动作及过程，其将表示为计算机系统的寄存器及存储器内的物理(电子)量的数据操纵及变换成类似地表示为计算机系统存储器或寄存器或其它此类信息存储系统内的物理量的其它数据。
80.本公开还涉及用于执行本文中的操作的设备。此设备可为了预期目的而专门构造，或其可包含由存储于计算机中的计算机程序选择性激活或重新配置的通用计算机。此计算机程序可存储于计算机可读存储媒体中，例如任何类型的磁盘(包含软盘、光盘、cd-rom及磁光盘)、只读存储器(rom)、随机存取存储器(ram)、eprom、eeprom、磁卡或光卡或适于存储电子指令的任何类型的媒体，其各自耦合到计算机系统总线。
81.本文中呈现的算法及显示不固有地与任何特定计算机或其它设备相关。各种通用系统可根据本文中的教示与程序一起使用，或可证明构造更专门设备来执行方法是方便的。各种这些系统的结构将如下文描述中陈述那样出现。另外，本公开不参考任何特定编程语言描述。应了解，各种编程语言可用于实施本文中描述的本公开的教示。
82.本公开可经提供为计算机程序产品或软件，其可包含其上存储有指令的机器可读媒体，指令可用于对计算机系统(或其它电子装置)进行编程以执行根据本公开的过程。机器可读媒体包含用于存储呈可由机器(例如计算机)读取的形式的信息的任何机构。在一些实施例中，机器可读(例如计算机可读)媒体包含机器(例如计算机)可读存储媒体，例如只读存储器(“rom”)、随机存取存储器(“ram”)、磁盘存储媒体、光学存储媒体、快闪存储器组件等。
83.在以上说明中，已参考本公开的特定实例实施例描述其实施例。明显地，可在不背离所附权利要求书中陈述的本公开的实施例的更宽精神及范围的情况下对本公开做出各种修改。因此，说明书及图式应被视为意在说明而非限制。