用于自动生成罚单的罚单生成方法与系统与流程

1.本公开涉及一种用于自动生成与和运输网络公司相关联的运输网络有关的罚单的罚单生成方法与系统。


背景技术：

2.最近，诸如与的所谓电子呼叫应用(有时也被称为乘车共享、乘车呼叫应用、或运输网络载体)已经变得越来越普遍，允许用户预订、呼叫、并且支付诸如出租车、豪华轿车、以及最近的小型摩托车或其他车辆的车辆乘车费用。例如，用户可以在诸如智能手机的其便携式设备上使用电子呼叫应用来预订出租车，以在其位置来载乘他们。随后，出租车可以在某一行程中将用户载至用户的所需下车点并且可以经由应用自动完成对行程的支付。
3.进一步地，运输网络公司(tnc)可以操作诸如出租车和豪华轿车的一队车辆供用户使用。在一些管辖区，车辆可能由操作乘客呼叫应用的个人私人持有并且操作。在其他管辖区，车辆可能由诸如本地市政或授权局的适当授权机构的授权下由tnc持有和/或操作。在这种情况下，tnc与授权机构(例如，市政)之间可能约定操作条款与相关费用。换言之，乘车呼叫应用所使用的车辆的操作可能受适当机构的监管。
4.例如，tnc可以操作存储诸如其所操作的车辆的一个或多个行程的上车时间、下车时间、上车位置、以及下车位置的行程数据的数据库。例如，tnc可以在乘客与tnc之间共享行程的成本。
5.作为监管框架的一部分，tnc可以将行程数据报告给授权机构(诸如本地市政)，以帮助提供tnc在城市中的足迹的概况。然而，该数据可能对错误或操纵是开放的，例如，如果监管机构将支付给市政的费用的预定百分比作为允许tnc在城市中操作的许可费的一部分，则可能导致市政收益损失。
6.进一步地，由于车辆的数量上升，预期(估计)费用与由tnc报告的费用之间的计费费用量或差的错误可能性增加。相应地，授权机构的收益可能是不正确的。这还可能导致tnc在试图遵守已经与授权机构(例如，市政)约定的监管框架时发生问题。
7.本公开的实施例试图解决或至少缓解上述问题。


技术实现要素：

8.在第一方面，提供一种用于自动生成与和运输网络公司相关联的运输网络有关的罚单的罚单生成方法，方法包括：由监管监控系统接收与运输网络内的车辆有关的实时车辆数据；从运输网络公司接收与车辆的一个或多个行程有关的行程数据；将行程数据存储在数据库中；通过对实时车辆数据与存储在数据库中的行程数据进行分析而生成违规数据，以检测是否发生违规；并且基于违规数据生成罚单。
9.在第二方面，提供一种用于自动生成与和运输网络公司相关联的运输网络有关的罚单的罚单生成系统，罚单生成系统包括：监管监控系统，可操作为接收与运输网络内的车
辆有关的实时车辆数据；数据库，可操作为从运输网络公司接收与车辆的行程有关的行程数据并且存储行程数据；以及违规模块，可操作为通过对实时车辆数据与存储在数据库中的行程数据进行分析而生成违规数据，以检测是否发生违规，并且基于违规数据生成罚单。
10.在所附权利要求中限定了其他方面与特征。
11.例如，通过将实时车辆数据与行程数据进行比较，监管机构能够判断是否发生违规。例如，可以从实时车辆数据生成估计费用并且将估计费用与从行程数据生成的报告费用进行比较。如果估计费用与由tnc报告的费用不一致，例如，与监管框架内提供的约定不一致，则可以生成罚单。因此，可以降低授权机构的收益损失的可能性。进一步地，因为可以使用与车辆有关的实时行程数据来判断是否发生违规并且自动生成罚单，所以可以更准确地监控并且确保tnc遵守监管框架。
附图说明
12.现仅通过参考所附附图的实施例对本公开的实施例进行描述，其中，类似参考标号指类似的零部件，并且其中：
13.图1是罚单生成系统的示意图；
14.图2是数据传输过程的示意图；
15.图3是用于自动生成罚单的方法的流程图；
16.图4是图3中的方法的进一步细节的流程图；
17.图5是用于检测车辆的行程的装置的示意图；
18.图6是用于检测车辆的行程的方法的流程图；
19.图7是用于检测行程是否被激活的方法的流程图；并且
20.图8是计算机系统的示意图。
具体实施方式
21.公开了一种用于自动生成罚单的罚单生成方法与系统。在下列描述中，为了提供对本公开的实施例的全面理解，呈现了多个具体细节。然而，对本领域技术人员显而易见的是，为了实施本公开的实施例，不需要采用这些具体细节。相反，出于清晰呈现实施例之目的，省去了本领域技术人员已知的具体细节。
22.图1是罚单生成系统100的示意图。罚单生成系统可以自动生成与和运输网络公司相关联的运输网络有关的罚单。在实施例中，罚单生成系统100包括电子呼叫数据源102、车辆远程信息处理数据源104、电子呼叫数据库106、与监管监控系统108、违规模块110、以及用户接口设备112。
23.在实施例中，罚单生成系统100包括与位于车辆中的座椅相关联的座椅传感器114。座椅传感器可以生成指示车辆乘客是否占据座椅的座椅数据。可以包括座椅数据作为由车辆远程信息处理数据源104提供的数据的一部分。然而，在其他实施例中，可以省去座椅传感器。后面将对座椅数据的使用进行更详细地描述。
24.在实施例中，电子呼叫数据源102可以将诸如由电子呼叫供应商(此处也被称为运输网络公司)生成的电子呼叫远程信息处理数据的行程数据提供给电子呼叫数据库106。例如，用户可以使用诸如智能手机的便携式设备上的电子呼叫应用来预订出租车乘车。在出
租车乘车期间，电子呼叫应用可以基于移动设备(例如，全球定位系统(gps)传感器)的定位传感器测量诸如位置、速度、以及方向的车辆位置的属性、并且从测量属性生成电子呼叫远程信息处理数据。在实施例中，电子呼叫应用可以生成与针对用户进行计费的费用有关的电子呼叫费用数据。在实施例中，电子呼叫数据源102可以将电子呼叫费用数据提供给电子呼叫数据库106，以使电子呼叫数据库106进行存储。
25.更一般地，运输网络公司可以为用户移动设备上的使用提供电子呼叫应用。电子呼叫应用可以生成与一个或多个车辆的一个或多个行程有关的行程数据。行程数据可以包括电子呼叫远程信息处理数据和/或电子呼叫费用数据。换言之，在实施例中，电子呼叫数据库106可操作为从运输网络公司接收与车辆的行程有关的行程数据并且存储行程数据。
26.在实施例中，监管监控系统108可操作为接收与运输网络内的车辆有关的实时车辆数据。例如，监管监控系统108可以从车辆远程信息处理数据源104接收车辆数据。
27.在实施例中，违规模块110可操作为通过对实时车辆数据与存储在数据库中的行程数据进行分析而生成违规数据，以检测是否发生违规，并且基于违规数据生成罚单。
28.因此，例如，可以使用违规数据来监控运输网络公司是否遵守监管框架，并且如果发生违规，则进行相应地罚单。随后，下面将对罚单生成系统100的操作进行更详细地描述。
29.图2是根据本公开的实施例的数据传输过程的示意图。在图2所示的实施例中，与运输网络公司(tnc)相关联的车辆202可以经由例如移动电信网络204与监管监控系统(rms)108进行无线通信。然而，应当认识到，可以使用其他通信方法。在实施例中，用户的移动设备，诸如车辆202中的乘客，可以经由电信网络204与监管监控数据库108进行通信。换言之，例如，车辆202可以用作远程信息处理数据源104，以提供实时车辆数据，并且运输网络载体驱动器设备可以用作电子呼叫数据源102。例如，参考图2，车辆202可以经由使用专用网关208的网络204而发送数据。电子呼叫数据库106和/或rms可以通过使用安全层206的网络204与车辆进行通信。
30.现参考图3和图4对罚单生成系统100的操作的实施例进行更详细地描述。
31.参考图3，在步骤s302，监管监控系统108接收与运输网络内的车辆(诸如车辆202)有关的实时车辆数据。例如，参考图4，在步骤s402，车辆202可以将远程信息处理数据发送至rms 108。在实施例中，步骤s302可以包括步骤s402，以使得rms 108能够从车辆接收车辆数据。换言之，在实施例中，车辆数据包括指示车辆的位置的一个或多个属性的远程信息处理数据。例如，应当认识到，尽管可以包括其他数据，然而，远程信息处理数据可以包括下列中的一项或多项：车辆位置、车辆速度、车辆方向、以及车辆加速度。
32.返回图3，在步骤s304，从tnc接收与车辆的一个或多个行程有关的行程数据。例如，参考图4，在步骤s404，tnc可以共享诸如与车辆202的一个或多个行程有关的行程数据。
33.在步骤s306，将行程数据存储在数据库中。在一些实施例中，rms 108包括可操作为存储车辆数据的rms数据库。在这些实施例中，在步骤s406，将由车辆202发送的车辆数据(例如，在步骤402)和由tnc在步骤s404共享地行程数据存储在相关联的数据库中。例如，可以将行程数据存储在电子呼叫数据库106中并且可以将车辆数据存储在rms数据库中。然而，应当认识到，可以使用其他数据库，并且可以将行程数据与车辆数据存储在相同或不同的数据库中。在实施例中，rms数据库和/或电子呼叫数据库可以是用于从tnc和/或车辆接收实时流式化数据的nosql数据库。例如，应当认识到，尽管可以使用其他合适的格式，然
而，可以提供csv(逗号分隔值)格式、或javascript对象符号(json)格式、或mqtt(消息队列遥测传输)格式、由tnc发送的数据。
34.在步骤s308，通过对实时车辆数据与存储在数据库中的行程数据进行分析而生成违规数据，以检测是否发生违规。例如，在步骤s408，可以通过由违规模块110实现的罚单算法而实现此操作。
35.在步骤s310，可以基于违规数据生成罚单。例如，在步骤s410，可以将违规数据自动发送至由市政提供的服务器或其他系统，例如，以供用户接口设备112进行输出。在步骤s412，如果判断发生违规，则可以对tnc应用罚单。例如，步骤s410与步骤s412可以实现为步骤s310的一部分。
36.例如，车辆数据可以包括下列中的一项或多项：位置(例如，纬度/经度)、行程开始时间、行程结束时间、乘客上车/下车(即，乘客是否在车辆中)。可以将车辆数据实时地流式化至rms数据库并且缓存在消息队列中。例如，消息队列可以是流式化服务：将来自一个或多个车辆地车辆数据发送至缓存服务器中(例如，由rms实现)，其中，可以对数据进行存储和分类，然后，发送至基于云的虚拟机。然后，虚拟机可以将缓存车辆数据发送至违规模块110。在实施例中，违规模块110可以用作罚单自动化引擎(fae)。
37.尽管已经依次描述了图3中的步骤s302至s310与图4中的步骤s402至s412，然而，这不应被视为默示必须按照所描述的顺序执行图3和图4中的步骤。例如，步骤s302与s304中的顺序可能相反，或者可能彼此同时执行这些步骤。
38.在实施例中，违规模块110可操作为实现一个或多个规则，以判断是否发生违规。如上面提及的，可以通过违规模块110对实时车辆数据与由tnc提供的行程数据进行分析。例如，违规模块110可以生成估计费用数据。估计费用数据可能与车辆前进的行程有关，诸如车辆202。在实施例中，从实时车辆数据生成估计费用数据。
39.在实施例中，应当认识到，尽管可以使用其他参数，然而，违规引擎可以基于针对车辆所允许地费率而实现预先构建的规则，例如，基于诸如一天中的时间、一周中的某天、上车位置、下车位置、以及车辆的类型的行程参数。应当认识到，尽管可以使用其他费用依赖方面，然而，违规引擎可以设置费用依赖方面，诸如每距离的费用(例如，aed/km)、等待时间(例如，aed/分钟)、以及位置(例如，基于地理围栏-如果车辆在地理围栏区域内，则可以对保险费进行计费)。在实施例中，费用依赖方面可以基于行程参数。此处，应当认识到，尽管可以使用任意其他地货币，然而，货币aed指阿拉伯联合酋长国迪拉姆。
40.在实施例中，应当认识到，尽管可以使用其他违规参数，然而，违规引擎110可以基于一个或多个违规参数判断是否发生违规，诸如下列中的一项或多项：位置开始与结束时间、行程开始时间与行程结束时间、行程持续时间、行程时间、等待时间、驾驶员行为评分、以及车辆类型。
41.在实施例中，估计费用数据包括基于一个或多个估计参数的估计费用。在实施例中，可以根据等式1计算估计参数：
42.等式1：
43.estimatedamount＝(estimated_booking_fee estimated_start_fare estimated_distance_charge estimated_time_charge estimated_toll_charge estimated_waiting_charge estimated_city change_charge estimated_specialevent_
charge estimated_extra_charge-estimated_discount drone_delivery_charge altitude_counter drone_vector_charge scooter_charge scooter_counter)＊multiplier_factor
44.然而，应当认识到，可以根据需要省去或修改等式1中的一个或多个参数。
45.参考等式1，可以将估计参数定义为如下：
46.estimated_booking_fee-可以基于运输类型与周期根据矩阵(例如，查询表)计算费用。应当认识到，尽管可以使用其他车辆类型，然而，运输类型可以是诸如出租车、豪华轿车、公共汽车、小型摩托车、或无人机的车辆类型。
47.estimated_start_fare-可以基于运输类型、位置、以及检测时间段中的一项或多项计算费用。位置可以基于从诸如由车辆提供的gps数据的车辆远程信息处理数据所接收的位置坐标。检测时间段(例如，当前/某天的时间)可以基于行程开始时间。在一些实施例中，例如，如果在其中发生特殊事件的位置上车，诸如赛马比赛或汽车比赛，估计开始费用则基于特殊事件位置。在实施例中，例如，估计开始费用可以基于由市政限定的地理围栏。例如，对于从诸如机场和/或港口的特定位置开始的行程，可以增加额外的计费(例如，固定起步价)。在实施例中，estimated_start_fare可以包括预订费用，例如，在行程之前预先预订车辆的运输(例如，安排乘车)。
48.estimated_distance_charge-可以基于车辆类型、位置、周期(行程时间)、以及特殊事件位置中的一项或多项计算费用。
49.estimated_time_charge-可以基于例如由车辆远程信息处理数据指示的行程的持续时间计算费用。在实施例中，该费用可以基于行程是否在当天的具体时间段内发生，例如，在交通拥挤时间、或在夜晚(例如，限定于诸如交通拥挤时间的07:00-10:00与17:00-19:00的开始时间与结束时间之间、或夜间的23:00-06:00之间)
50.estimated_toll_charge-例如，当检测车辆经过一个或多个收费站时，可以基于车辆位置坐标包括费用。在实施例中，estimated_toll_charge可以基于由车辆提供的收费站数据。例如，每次车辆经过其中产生计费的收费站时，可以将该计费包括在估计量中。
51.estimated_waiting_charge-应当认识到，尽管可以使用其他合适的时间段，然而，可以基于车辆的均值评估速度计算费用，例如，在诸如每隔1s、5s、10s、15s、20s、60s的预定时间段所判断的。例如，如果预定时间段期间的均值平均速度小于低速度阈值，则可以对低速度时间计费进行累加。在实施例中，基于25aed/hr分配其中均值平均速度小于低速度阈值的速率。然而，应当认识到，可以使用其他合适的速率。
52.estimated_citychange_charge-当基于车辆的位置数据检测城市的边境或变化时，可以应用费用。例如，如果检测城市存在变化和/或目的地是预定目的地中的一个或多个，诸如阿拉伯联合国酋长国的北部酋长国或沙迦中的一个。
53.estimated_extra_charge-费用可以基于驾驶员行为评分。例如，应当认识到，尽管可以通过其他合适的方式生成驾驶员行为评分，然而，驾驶员行为评分可以基于诸如超速(超过速度限制)、急速制动(大于急速制动阈值的减速度)、以及急速加速度(大于急速加速度阈值的加速度)的事件的检测。
54.estimated_discount-应当认识到，尽管可以应用其他折扣，然而，可以基于例如乘客的状态(例如，会员级别)、或或特殊报价、或促销折扣应用费用减少。
55.drone_delivery_charge-例如，如果车辆是无人机或其他飞行器，则可以应用该费用。可以计算与将无人机从无人机之前位置输送/运输/移至载乘位置的成本有关的费用。
56.altitude_counter-例如，如果车辆是无人机或其他飞行器，则可以应用该费用。费用可以基于无人机在行程期间所达到的最大高度。可替代地，费用可以基于高度在行程期间的总变化。
57.drone_vector_charge-例如，如果车辆是无人机或其他飞行器，则可以应用该费用。无人机向量计费可以是基于无人机所行进的向量路线(例如，三维路线)的计费。例如，一些路线可能是是高级路线并且具有与其相关联的通行费(例如，空中收费)。
58.scooter_charge-例如，如果车辆是小型摩托车，则可以应用该费用。例如，如果车辆是小型摩托车，则可以增加固定的费用。
59.scooter_counter_charge-例如，如果车辆是小型摩托车，则可以应用费用。例如，可以基于可用的小型摩托车的数量而包括该费用。
60.multiplier_factor-例如，可以应用1.0、1.1、1.2、1.3、1.4、1.5、或其他值的乘数因子。乘数因子可以是零或负数。
61.在等式1中，估计费用可以被视为根据所提及的参数进行计算，但是，省去了乘数因子。
62.更一般地，在实施例中，车辆数据包括下列中的一项或多项：收费站数据、车辆类型数据、发动机参数数据、乘客计数数据、以及驾驶员识别数据。在实施例中，更一般地，估计量(和/或估计费用)可以基于车辆数据。
63.在实施例中，行程持续时间可以基于行程开始和结束时间。在实施例中，车辆数据包括使用与位于车辆中的座椅相关联的座椅传感器(诸如座椅传感器114)所生成的座椅数据，座椅数据指示车辆乘客是否占据座椅。例如，可以基于从座椅传感器114接收的座椅传感器数据(例如，包括与座椅传感器事件有关的数据)测量开始与结束时间。在实施例中，开始与结束时间可以基于由从电子呼叫应用接收的开始时间数据指示、在开始时间的a /-2分钟时间跨度内所接收的座椅传感器事件。在实施例中，可以基于乘客上车/下车事件从座椅传感器判断位置，其中，例如，乘客上车/下车指人是否占据座椅。随后，下面将对使用座椅传感器的行程检测进行更详细地描述。
64.如上面提及的，可以通过对实时车辆数据与存储在数据库中的行程数据进行分析而生成违规数据，以检测是否发生违规。在实施例中，行程数据包括关于由运输网络公司报告的行程的报告费用数据，例如，来自用户的便携式设备的电子呼叫应用。例如，报告费用数据可以包括关于由tnc提供的报告费用数据所指示的行程的报告费用。在实施例中，生成违规收数据包括：将由报告费用数据指示的报告费用与由估计费用数据指示的估计费用进行比较。在实施例中，生成罚单包括：如果满足关于报告费用和估计费用的预定条件，则生成罚单。在实施例中，预定条件指估计费用是与报告费用不同的阈值量。例如，可以将报告费用与估计量进行比较，并且如果其间差大于费用违规阈值，则可以生成罚单。
65.下面给出其中可以生成罚单的实例的一些实施例。
66.id：行程a
67.电子呼叫计费的费用＝135aed
68.假设：
69.车辆类型＝5-座椅豪华轿车
70.行程开始的时间段＝夜间峰值时间段(例如，19:00-22:00)
71.开始位置＝迪拜商场，迪拜
72.结束位置＝迪拜机场，dxb，迪拜
73.经过的检测收费站：2
74.行进距离：50km
75.持续时间：80分钟
76.等待检测时间：10分钟
77.计算：
78.估计预订费用：6aed
79.估计开始费用：4aed
80.时间计费：5aed
81.距离计费：90aed
82.通行费：10aed
83.城市变化计费：30aed
84.额外费用：0aed
85.估计费用＝145aed
86.违规规则：
87.违规＝是基于估计费用*1.3》电子呼叫计费的费用的规则id：行程b
88.电子呼叫计费的费用＝aed1400
89.假设：
90.车辆类型＝2-座椅无人机
91.行程开始的时间段＝交通拥挤时间(例如，07:00-10:00)开始位置＝迪拜商场，迪拜
92.结束位置＝迪拜高多芬穆马场，迪拜
93.经过的检测收费站：2
94.行进距离：80km
95.持续时间：90分钟
96.等待检测时间：5分钟
97.计算：
98.估计预订费用：30aed
99.估计开始费用：95aed
100.时间计费：30aed
101.距离计费：900aed
102.3d通行费：150aed
103.城市变化计费：0aed
104.drone_delivery_charge：40aed
105.额外费用：0aed
106.估计费用＝1245aed
107.违规规则：
108.违规＝是基于估计费用*1.3》电子呼叫计费的费用的规则
109.在行程a与行程b的实施例中，使用等式1计算估计费用，但省去了乘数因子。在这些实施例中，乘数因子是1.3。换言之，例如，如果估计量大于报告费用，则判断已经发生违规。例如，指示已经发生违规并且应生成罚单的预定条件可以指乘以乘数因子的估计费用大于报告费用。然而，应当认识到，可以基于其他因子判断已经发生违规。例如，被视为是否已经发生违规可以基于下列中的一项或多项：位置开始与位置结束定位、行程开始时间与行程结束时间、行程持续时间、行程时间(开始行程的一天中的时间)、等待时间、驾驶员行为评分、以及车辆类型。
110.在其他实施例中，可以使用下列中的一项或多项判断是否已经发生违规：
111.1.行程开始时间＝f(基于1.行程日期2.行程车辆类型的费率开始费用)
112.2.行程开始位置＝f(基于位置是否是诸如机场的高人流位置的费率开始费用)
113.3.行程时间＝f(行程持续的时间与时间费用的计费)
114.4.行程距离＝f(行程的距离与基于距离的费用的计费)
115.5.等待时间＝f(如果汽车不移动，则对附加费进行计费)
116.6.驾驶行为评分＝f(驾驶员驾驶的水平，并且能够基于此调整速率)
117.7.车辆类型＝f(可以使用座椅数量来设置项1-4的速率)
118.在上面列举的列表中，例如，术语f(.....)表示括号内所提及的参数的函数。
119.在实施例中，例如，可以从多个车辆并且从运行电子呼叫应用的多个设备报告费用。换言之，例如，此处所述的技术可应用于一个以上的车辆以及多种不同类型的车辆。
120.例如，用户接口设备112可以被配置为提供指示与tnc相关联的车辆的违规的输出，例如，由tnc操作的车辆。用户接口设备112可以被配置为滤波功能，以允许用户接口设备112的操作人员查看多次不同的违规，例如，根据所需需求进行滤波。例如，市政可以提供tnc必需在其内操作的监管框架。市政可以操作用户接口设备112，以查看例如由tnc报告的费用与从实时车辆数据生成的车辆的估计费用之间的费用差指示、对监管框架的条款的违规。然后，市政可以跟踪tnc，以帮助确保tnc遵守监管框架。
121.在实施例中，违规模块110可操作为基于例如之前的违规历史(与例如之前的同一或类似时间或日期有关)预测特定日期可能发生、或在特定时间段内发生的违规次数。例如，违规模块110可以基于之前所记录的关于该时间段内的违规而预测可能在一周中的最后一天的早晨交通拥挤时间内发生特定次数的违规。
122.在一些实施例中，例如，此处所述的技术可以应用于一个以上的tnc，以使得市政可以监控在特定区域内操作的全部tnc，诸如市区内、阿联酋、或乡村内。因此，例如，市政可以使用此处所述的技术来实时监控各个tnc并且进行分级，例如，基于实时车辆数据进行分级。因此，例如，这可能有助于改善安全性以及有助于改善收益监控和计费。进一步地，例如，通过基于违规数据自动生成罚单，可以鼓励tnc自动、更严格地遵守监管框架，而不使市政产生额外的成本与管理负担。因此，可以提供用于自动生成与和运输网络公司相关联的运输网络有关的罚单的更高效系统与方法。
123.如上面提及的，在一些实施例中，可以使用来自座椅传感器的座椅数据来判断已
经开始行程。现参考图5至图7对该功能进行更详细地描述。
124.图5是用于检测根据本公开的实施例的诸如车辆202的车辆的行程的装置500的示意图。装置500包括座椅传感器502、座椅数据接收模块504、远程信息处理模块、以及处理模块508。在实施例中，车辆202可以包括装置500。
125.在实施例中，座椅传感器502与位于车辆中的座椅相关联，并且座椅传感器502可操作为生成指示车辆乘客是否占据座椅的座椅数据。在其他实施例中，尽管可以不同，然而，在实施例中，座椅传感器502与上面相对于图1所提及的座椅传感器114相同。在实施例中，座椅传感器502包括位于生成座椅数据的座椅下方的压敏传感器。例如，如果由座椅传感器502指示的检测重量大于阈值重量，座椅传感器502则可以生成指示车辆乘客占据座椅的座椅数据。
126.在实施例中，座椅传感器502是可操作为检测座椅上的对象的压力和/或重量、约38cm乘38cm的大致方形平面传感器。在实施例中，座椅传感器502可以相对于座椅而定位，以耦接至用户可以坐在其上的座椅表面。例如，如果座椅传感器502检测座椅上的对象(例如，用户)比15千克的阈值重量更重，则判断座椅被占据并且生成相应的座椅数据。然而，应当认识到，其他配置与阈值重量是可能的。
127.在其他实施例中，座椅传感器502可以包括操作为基于对由摄影机捕捉的图像的图像分析而判断座椅是否被占据的摄影机及相关联的处理元件。在一些实施例中，座椅传感器502可以包括位于座椅内的光敏元件，因此，光敏元件的遮挡引起座椅传感器502的输出信号的变化。例如，可以基于输出信号的变化判断座椅被占据。
128.在实施例中，座椅传感器502可操作为生成指示座椅是否被占据的二进制输出。例如，尽管可以分配不同的二进制值，然而，“占据座椅”＝1，并且“座椅未被占据”＝0。然而，应当认识到，可以提供用于判断座椅是否被占据的其他合适的座椅传感器。
129.尽管相对于图5描述了一个座椅传感器，然而，应当认识到，可以提供一个或多个座椅传感器。例如，每个座椅可以设置有与座椅传感器502具有相似或相同功能的相应座椅传感器。然而，座椅传感器可能彼此不同。进一步地，并非每个座椅可以设置有座椅传感器。例如，可以省去与驾驶员的座椅有关的座椅传感器。
130.在实施例中，座椅传感器502可操作为将座椅数据发送至座椅数据接收模块504。在实施例中，可以通过监管监控系统108实现座椅数据接收模块504。然而，在其他实施例中，例如，可以通过车辆内的合适电路实现座椅数据接收模块504。在一些实施例中，可以通过在经由网络连接至座椅传感器502的云服务器上运行的虚拟机而实现座椅数据接收模块504。换言之，座椅数据接收模块504可操作为从座椅传感器502接收座椅数据。
131.在实施例中，远程信息处理模块506可操作为接收指示车辆的运动的一个或多个属性的远程信息处理数据，诸如车辆202。在一些实施例中，远程信息处理模块可以用作上面相对于图1所描述的远程信息处理数据源104。例如，应当认识到，尽管可以使用其他属性，然而，车辆的运动属性可能与下列中的一项或多项有关：车辆位置、车辆速度、以及车辆加速度。进一步地，应当认识到，远程信息处理数据可以包括诸如上面相对于图1所提及的远程信息处理数据源所描述的其他数据。在实施例中，远程信息处理模块506可以将远程信息处理数据发送至处理模块508。
132.处理模块可以接收来自远程信息处理模块506的远程信息处理数据和由座椅数据
接收模块504发送的座椅数据。处理模块508可操作为基于座椅数据和远程信息处理数据判断是否已经开始行程。如果判断已经开始行程，处理模块则可操作为生成指示行程的属性的行程输出数据。因此，例如，可以自动执行对行程的检测。
133.在实施例中，应当认识到，尽管可以通过其他合适的方式实现处理模块508，然而，可以通过监管监控系统108实现处理模块508。例如，可以通过车辆内的处理器实现处理模块508，并且经由合适的网络将行程输出数据从车辆发送至监管监控系统108。在其他实施例中，例如，可以将行程输出数据发送至tnc，以使得可以由tnc自动生成费用，例如，经由电子呼叫应用。
134.图6是用于检测根据本公开的实施例的车辆的行程的方法的流程图。在步骤s602，使用与位于车辆(诸如车辆202)中的座椅相关联的座椅传感器(诸如座椅传感器502)生成指示车辆乘客是否占据座椅的座椅数据。在步骤s604，例如，由座椅数据接收模块504从座椅传感器接收座椅数据。在步骤s606，接收指示车辆的运动的一个或多个属性的远程信息处理数据，例如，由处理模块508从远程信息处理模块506接收。在步骤s608，基于座椅数据和远程信息处理数据判断是否已经开始行程。例如，如上面提及的，处理模块508可以判断是否已经开始行程。在步骤s610，如果判断已经开始行程，则生成行程输出数据，行程输出数据指示行程的属性。如上面提及的，应当认识到，尽管可以通过其他方法生成行程输出数据，然而，在实施例中，处理模块508可以生成行程输出数据。尽管已经依次描述了步骤s602至s610，然而，这不应被视为默示必须按照所描述的顺序执行图6中的步骤。例如，执行步骤s604与s606地顺序可以相反，或者可以彼此同时执行这些步骤。
135.在实施例中，行程输出数据可以包括行程的属性，诸如用于计算例如上面参考等式1所描述的估计量的一个或多个参数。然而，应当认识到，行程输出数据可以包括与使用例如座椅传感器502或座椅传感器114所检测的行程有关的其他合适数据。
136.此处所述的技术可以允许基于例如车辆的座椅传感器数据和远程信息处理数据自动检测行程并且生成相应的行程输出数据。然而，应当认识到，一旦乘客进入车辆，其在行程的持续时间内可能不就座在同一座椅上。为了帮助解决该问题，例如，可以针对座椅是否被占据并且车辆是否在运动而实现一个或多个阈值。现参考图7对该功能进行描述。
137.图7是根据本公开的实施例检测行程是否激活的方法的流程图。
138.在实施例中，当座椅数据从指示座椅未被占据的假(0)变成指示座椅被占据的真(1)时，可以视为行程已经开始。例如，可以将从假变成真的座椅数据的时间戳临时存储在座椅数据接收模块504的存储器中。
139.参考图7，在步骤s702，座椅传感器502检测座椅是否被占据。例如，可以经由座椅数据接收模块504将由座椅传感器502生成的座椅数据发送至处理模块508。在实施例中，例如，座椅传感器502可操作为将座椅数据连续地发送至处理模块508，以使得处理模块508能够监控座椅是否被占据。
140.如由座椅数据指示的，如果座椅被占据，在步骤s704，处理模块508则判断行程是否被激活。如果行程不被视为激活，处理则进行至步骤s706。
141.在步骤s706，处理模块508判断座椅是否在大于或等于第一阈值时间t1的时间内被占据。在实施例中，尽管可以使用诸如0s、10s、20s、30s、40s、50s、或任意其他长度的时间的其他值，然而，第一阈值时间t1是60秒。如果座椅在小于第一阈值时间t1的时间内被占据，
处理则进行至步骤s702。如果座椅在大于或等于第一阈值时间t1的时间内被占据，处理则进行至步骤s708。
142.在步骤s708，处理模块508判断车辆在大于或等于由远程信息处理数据指示的第二阈值时间t2的时间内是否运动。尽管可以使用诸如0s、30s、60s、90s、180s、或任意其他长度的时间的其他值，然而，在实施例中，第二阈值时间t2是2分钟(120s)。如果车辆在小于第二阈值时间t2的时间内运动，处理则进行至步骤s702。如果车辆在大于或等于第二阈值时间t2的时间内运动，处理则进行至步骤s710。在步骤s710，将行程信号设置成激活。然后，处理进行至步骤s702。换言之，在实施例中，如果座椅数据指示座椅在大于或等于第一阈值时间的时间内被占据，并且车辆在大于或等于由远程信息处理数据指示的第二阈值时间的时间内运动，则将行程信号设置成激活。例如，当座椅传感器数据存在从假到真的变化时(即，当乘客进入车辆并且坐下时，可能发生从座椅未被占据到座椅被占据的变化)，如果座椅在长于60秒内被占据并且车辆在两分钟以上内运动，则可以将行程信号设置成激活。
143.在实施例中，如果由远程信息处理数据指示的车辆速度大于阈值车辆速度，则判断车辆是运动的。在实施例中，尽管可以使用诸如0kph、5kph、10kph、12kph、14kph、18kph、20kph、或任意其他速度的其他值，然而，阈值车辆速度是16kph。例如，当车辆的速度在16kph以上时，则可以视为车辆是运动的。
144.在实施例中，响应将行程信号设置成激活而生成指示行程的开始时间的行程开始数据。行程开始数据可以基于远程信息处理数据。例如，行程的开始时间可以被视为是座椅传感器检测乘客坐在座椅上的时间(例如，诸如当乘客进入车辆并且坐下时可能发生的从座椅未被占据(假)到座椅被占据(真)的变化)。
145.然而，在其他实施例中，尽管这可能导致漏报行程持续时间，然而，行程开始时间可以指将行程信号设置成激活的时间。因此，在实施例中，行程开始数据可以基于座椅数据接收模块504的存储器中所存储、从假到真的座椅数据变化的时间戳。这可以有助于更准确地反映行程的实际开始时间。
146.返回至步骤s704，如果行程是激活的(即，行程信号指示行程是激活的)，处理则进行至步骤s712。
147.在步骤s712，处理模块508判断行程在大于或等于第三阈值时间t3的时间内是否激活(行程信号指示行程是激活的)。在实施例中，尽管可以使用诸如0s、30s、60s、90s、180s、或任意其他长度的时间的其他值，然而，第三阈值时间t3是120s。
148.如果座椅数据指示座椅未被占据并且行程信号指示行程在大于或等于第三阈值时间t3的时间内是激活的，则维持行程信号是激活的。换言之，例如，如果行程在大于或等于第三阈值时间t3的时间内是激活的并且座椅信号变成假(座椅未被占据)，则仍视为行程是激活的。然后，处理进行至步骤s714。
149.然而，在步骤s712，如果行程不被激活(行程信号＝“不激活”)或行程信号在小于第三阈值时间t3内已被激活，处理则进行至步骤s702。在步骤s702，如果检测座椅未被占据，处理则进行至步骤s712。
150.因此，例如，一旦将行程信号设置成激活，并且行程长于第三阈值时间t3，乘客则可以在车辆内四处移动并且仍视为行程是激活的。例如，这可以有助于改善检测行程是否开始的准确性、以及有助于其在行程期间决定改变座椅时为乘客提供更大的灵活性。
151.在一些实施例中，因为乘客在车辆运动时不可能离开车辆，所以当车辆运动时(即，车辆的速度在阈值车辆速度以上)，可以维持行程信号是激活的。然而，如果车辆停止，例如，在交通灯处或由于交通拥堵，因为车辆不移动，则可以视为行程不再是激活的。因此，在步骤s714，处理模块508判断车辆在大于或等于第四阈值时间t4内不运动。在实施例中，尽管可以使用诸如0s、5s、10s、20s、30s、60s、90s、180s、或任意其他长度的时间的其他值，然而，第四阈值时间t4是30s。
152.如果车辆在小于第四阈值时间t4内不运动，处理则进行至步骤s702。然而，如果车辆在大于或等于第四阈值时间t4内不运动，处理则进行至步骤s716。
153.在步骤s716，处理模块508基于例如座椅数据检测座椅在大于或等于第五阈值时间t5内是否未被占据。例如，如果车辆在大于第四阈值时间t4内不运动，并且座椅数据指示座椅在大于或等于第五阈值时间t5内未被占据，则乘客可能已经离开车辆并且行程结束。在实施例中，尽管可以使用诸如0s、10s、20s、30s、40s、50s、90s、180s、或任意其他长度的时间的其他值，然而，第五阈值时间t5是60s。
154.因此，在实施例中，如果已经将行程信号设置成激活，在步骤s718，如果车辆在大于或等于第四阈值时间t4内不运动，并且座椅数据指示座椅在大于或等于第五阈值时间t5的时间内不被占据，则将行程信号设置成不激活。
155.相应地，本公开的实施例可以有助于自动检测车辆的一个或多个行程。更一般地，在实施例中，如果将行程信号从激活设置成不激活，则判断行程已经开始。
156.在实施例中，响应将行程信号设置成不激活而生成指示行程的结束时间的行程结束数据。例如，在步骤s718，当将行程信号设置成“不激活”时，可以通过处理模块508生成行程结束数据。在实施例中，处理模块508可以生成行程输出数据。行程输出数据可以包括基于由行程开始数据和行程结束数据指示的行程开始时间与行程结束时间之间的差的行程持续时间数据。换言之，行程持续时间数据可以指示行程的持续时间(时间长度)。在实施例中，行程输出数据可以包括行程距离数据。行程距离数据可以基于例如远程信息处理数据而指示车辆在行程的开始时间与结束时间之间所行进的距离。在一些实施例中，机器学习算法可以用于基于座椅数据和之前训练的模型判断行程是否已经开始。
157.例如，通过自动检测行程是否已经开始，可以减少对车辆中的调度系统或费用系统的需求。
158.在实施例中，处理模块508可以判断行程之间的时间是否小于相邻的行程时间阈值。如果行程之间的时间小于相邻的行程时间阈值，处理模块508则可以对相邻的行程一起进行合并，以使得其被视为是同一行程。
159.在实施例中，行程输出数据包括行程数据记录。在实施例中，行程数据记录包括下列中的一项或多项：
160.·
位置数据-例如，高达4米准确度的纬度、经度；
161.·
速度数据-以kph和m/s计，精确到3个小数位；
162.·
方向数据-从0度至360度的角度的方向；
163.·
位置数据的准确度-从4m至10m的范围内的准确度；
164.·
时间数据-在utc时间内，精确到毫秒；
165.·
费用量数据-本地货币精确到4个小数位；
166.·
急速制动数据-以米/s^2或kph/s计，精确到3个小数位；
167.·
急速加速度数据-以米/s^2或kph/s计，精确到3个小数位；
168.·
急速转弯数据-以米/s^2或kph/s计，精确到3个小数位；
169.·
超速数据-以米/s^2或kph/s计，精确到3个小数位；
170.·
连续行驶时间数据-以小时计，精确到3个小数位；
171.·
发动机参数数据-例如，基于canbus(控制器局域网总线)数据作为pid(参数id)；
172.·
乘客计数数据-例如，行程持续时间内的车辆中的乘客数量，如0-7的整数(尽管可能因车辆的大小而不同)；以及
173.·
驾驶员细节数据(如果可用)-例如，与电话号码有关的数据、姓名、以及驾驶员执照细节。
174.在一些实施例中，可以将行程输出数据从处理模块508发送至rms108。在其他实施例中，rms 108与处理模块508可以一起协作，以生成行程输出数据。在实施例中，rms 108可以基于例如等式1而使用行程输出数据生成估计费用。例如，如上面参考图1至图4所描述的，可以将从行程输出数据生成的该估计费用与关于由tnc提供的行程的费用进行比较，以判断是否发生违规。在一些实施例中，可以对一个或多个行程的行程输出数据进行累加并且作为行程配置文件与运输网络公司分享。此外，应当认识到，可以根据此处关于多个车辆(诸如由tnc操作的)所描述的技术而生成行程输出数据。
175.例如，乘客可能在机场处进入车辆(诸如出租车、由tnv操作的汽车、豪华轿车、或公共汽车)并且坐在出租车内的座椅上。可以根据上面相对于图5至图7所描述的对座椅数据进行处理，以检测行程的发生性。例如，行程可能在上午8点在迪拜机场处开始并且在上午10点在沙迦机场处结束。在该实施例中，出租车可以是优质运动型多功能车(suv)并且因此可以在费用中包括额外的高级计费。rms 108可以基于行程输出数据检查上车位置(机场)、车辆的类型(suv)、以及上车时间(上午8点)并且基于该数据以及在交通拥挤时间(上午8点)发生的乘车而计算适当的估计费用并且使乘客在地理围栏区域的外部位置处下车(即，在与其中发生乘车的位置不同的市区内)，由此产生更高的费率计费。
176.例如，rms可能估计该行程的费用应为110.50aed。在该实施例中，tnc计费110.45aed。因此，违规模块可能判断已经发生违规并且可以对tnc进行相应地罚款。例如，市政可能已经与tnc约定，如果从实时车辆数据生成的估计费用与由tnc报告的行程数据的费用之间的差大于0.01aed，则视为已经发生违规。在该实施例中，如果估计费用与报告费用彼此不同、大于违规量，则可以视为已经发生违规。尽管可以使用诸如0.1aed、1aed、5aed、10aed、或任意其他量的其他值，然而，在该实施例中，违规量是0.01aed。在一些实施例中，上面关于等式1所提及的乘数因子可以是判断已经发生违规之时。
177.图8示意性地示出了用于实现本公开的实施例中的方法的计算机系统。具体地，图8示出了例如可以被布置成实现此处所述的方法的一个或多个实施例的计算设备2000的实施例。例如，计算设备可以实现rms 108和/或违规模块110的功能。计算设备200可以实现用户接口设备112的功能。
178.在实施例中，计算设备2000包括主单元2002。主单元2002可以包括处理器2004和系统存储器2006。在实施例中，处理器2004可以包括处理器内核2008、缓存2010、以及一个
或多个寄存器2012。在实施例中，处理器内核2008可以包括一个或多个处理内核并且可以包括运行多个线程的多个内核。应当认识到，尽管可以使用其他类型的处理器，然而，处理器2004可以是诸如微控制器、微处理器、数字信号处理器、或其组合的任意合适类型。
179.在实施例中，处理器内核2008可以包括一个或多个处理单元。应当认识到，尽管可以使用其他处理单元，然而，在实施例中，处理器内核2008包括下列中的一项或多项：浮点单元、算术单元、数字信号处理单元、或其组合、和/或多个其他处理单元。应当认识到，尽管可以使用其他适当的缓存布置，然而，在实施例中，缓存2010可以包括诸如一级缓存与二级缓存的多个缓存。
180.在实施例中，处理器2004包括可操作为允许经由存储器总线2016在处理器2004与系统存储器2006之间进行通信的存储器控制器2014。存储器控制器2014可以实现为处理器2004的集成部分或其可以实现为独立的部件。
181.在实施例中，系统存储器2006可以是任意合适的类型，诸如非易失性存储器(例如，闪存存储器或只读存储器)、易失性存储器(诸如随机存取存储器(ram))、和/或易失性与非易失性存储器的组合。在实施例中，系统存储器2006可以被布置成存储由处理器2004执行的代码和/或与执行有关的数据。例如，系统存储器可以存储操作系统代码2018、应用代码2020、以及程序数据2022。在实施例中，应用代码2020可以包括实现此处所述的一种或多种示例性方法地代码，例如，实现上面关于图3至图7所描述的步骤。应用代码2020可以被布置成与程序数据2022或其他媒体协作，例如，以允许处理行程输出数据、远程信息处理数据、实时车辆数据、行程数据、以及违规数据。
182.在实施例中，计算设备2000可以具有额外的特征、功能、或接口。例如，主单元2002可以与一个或多个外围设备协作，以实现例如此处所述的方法。在实施例中，计算设备2000包括输出接口2024、外围接口2026、存储设备208、以及通信模块2030作为外围设备。在实施例中，计算设备包括被布置成便于在主单元2002与外围设备之间进行通信的接口总线2032。例如，存储设备可以存储电子呼叫数据库或rms数据库中的数据。
183.在实施例中，输出设备2024可以包括诸如图形处理单元(gpu)2034与音频输出单元2036的输出设备，例如，被布置成能够经由诸如音频/视频(a/v)端口地一个或多个合适端口而与诸如显示器和/或扬声器的外部设备进行通信。在实施例中，外围接口2026可以包括串行接口2038、并行接口2040、以及输入/输出端口2042，输入/输出端口2042可以操作为与主单元2002协作，以允许经由i/o端口2042与一个或多个外部输入和/或输出设备进行通信。例如，i/o端口2042可以与诸如键盘、鼠标、触摸板、语音输入设备、扫描仪、成像捕捉设备、摄影机等的一个或多个输入设备、和/或与诸如2d打印机(例如，纸质打印机)、或3d打印机、或其他合适的输出设备的一个或多个输出设备进行通信。
184.在实施例中，存储设备可以包括可移除存储介质2044和/或不可移除存储介质2046。例如，可移除存储介质可以是随机存取存储器(ram)、电可擦除可编程只读存储器(eeprom)、只读存储器(rom)、闪存存储器、或其他存储技术、诸如压密盘(cd)、数字通用盘(dvd)、或其他光学存储介质的光学存储介质、诸如软盘、磁带、或其他磁性存储介质的磁性存储介质。然而，应当认识到，可以使用任意合适类型的可移除存储介质。应当认识到，尽管可以使用任意合适的不可移除存储介质，然而，不可移除存储介质2046可以包括诸如硬盘驱动、或固态硬驱动、或其他合适介质的磁性存储介质。存储设备2028可以允许主单元2002
进行访问，以实现例如此处所述的方法。
185.在实施例中，通信模块可以包括无线通信模块2048和有线通信模块2050。例如，无线通信模块可以被布置成经由例如与wifi、蓝牙、近场通信、光学通信(诸如红外)、声学通信有关的合适无线通信标准、或经由合适的移动电信标准进行无线通信。有线通信模块可以允许经由例如以太网或光学电缆的有线或光学链路而进行通信。然而，应当认识到，可以使用任意合适的通信模块。例如，计算设备2000可以用作经由合适的网络与车辆进行通信的服务器。计算设备可以用作网络连接设备、瘦客户端、和/或被配置为实现一个或多个虚拟机。
186.在实施例中，应当认识到，尽管可以使用其他合适的实现方式，然而，可以通过主单元2002实现远程信息处理模块506与处理模块508中的一个或多个。在实施例中，可以通过通信模块2030或外围接口2026实现座椅数据接收模块504。在一些实施例中，例如，可以通过合适网络进行通信而在一个以上的计算设备(诸如计算设备2000)之间分配电子呼叫数据库106、rms 108、违规模块110、用户接口设备112、座椅数据接收模块504、远程信息处理模块506、以及处理模块508的功能。在一些实施例中，可以通过运行云计算环境中所实现的一个或多个虚拟机而实现该功能。此外，应当认识到，可以使用运行适当代码的专用硬件而实现此处所述的一个或多个元件、模块。
187.应当认识到，尽管处理模块508被描述为至少实现参考图6和图7所提及的步骤中的一些元件，然而，例如，可以在诸如分布式计算环境、或专用硬件和软件的其他合适装置上实现方法的步骤。
188.应当认识到，在本公开的实施例中，可以通过任意合适的方式在计算设备(诸如上面参考图8所描述的计算设备)中实现所公开方法的元件。例如，常规计算设备可以被适配成通过对计算设备的一个或多个处理器进行编程/适配而执行此处所述的一种或多种方法。因此，在实施例中，可以实现计算机程序产品形式的编程/适配，包括存储在数据载体上和/或由信号承载介质携带、或经由诸如无线网络、以太网、互联网、或这些或其他网络的任意其他组合的网络所发送的计算机实现指令，诸如软盘、硬盘、光盘、固态驱动、闪存存储器、可编程只读存储器(prom)、随机存取存储器(ram)、或这些或其他存储介质或信号承载介质的任意组合。
189.换言之，在实施例中，计算机程序可以包括计算机可读指令，当在计算机(或处理器)上实现时，致使计算机执行根据本公开的实施例的方法。在实施例中，例如，存储介质可以包括上面提及的计算机程序。例如，计算机程序可以包括软件，当在处理模块508上实现时，致使装置500执行此处所述的一种或多种方法。在一些实施例中，尽管可以在不同的计算设备上实现，然而，可以在同一计算设备上全部实现rms 108、电子呼叫数据库106、以及违规模块110。
190.还应当认识到，可以使用诸如基于一个或多个并行处理器的其他合适的计算机架构。进一步地，可以根据需要在一个或多个图形处理单元(gpu)上实现至少一些处理。
191.本公开的技术可以应用于任意类型的一个或多个车辆。例如，车辆可以是出租车、豪华轿车、汽车、公共汽车、运动型多功能车辆(suv)、越野车辆(4x4)、小型摩托车、自行车、摩托车、无人驾驶飞行器(uav)、或其他飞行器，诸如用于载客的乘客无人机(例如，所谓的飞行出租车)、直升机、或其他飞机、或任意其他合适类型的车辆。进一步地，应当认识到，此
处所述的技术可以应用于与tnc或与一个以上的tnc相关联并且其不需要全部是同一车辆类型(其中考虑一个以上的车辆)的多种不同类型的车辆。
192.在下列编号条款中阐述了本公开的其他实施例与特征。
193.1.一种用于检测车辆的行程的方法，方法包括：
194.使用与位于车辆中的座椅相关联的座椅传感器生成指示车辆乘客是否正在占据座椅的座椅数据；
195.从座椅传感器接收座椅数据；
196.接收指示车辆的运动的一个或多个属性的远程信息处理数据；
197.基于座椅数据和远程信息处理数据判断行程是否已经发生；以及
198.如果判断行程已经发生，则生成指示行程的属性的行程输出数据。
199.2.根据条款1所述的方法，包括：如果座椅数据指示在大于或等于第一阈值时间的时间内占据座椅，则设置行程信号进行激活，并且车辆在大于或等于由远程信息处理数据指示的第二阈值时间的时间内是运动的。
200.3.根据条款2所述的方法，包括：响应被设置成激活的行程信号而生成指示行程的开始时间的行程开始数据，行程开始数据是基于远程信息处理数据的。
201.4.根据条款2或条款3所述的方法，包括：如果座椅数据指示未占据座椅并且行程信号指示行程在大于或等于第三阈值时间的时间内是激活的，则将行程信号维持为激活。
202.5.根据条款2至条款4中任一项所述的方法，其中，如果将行程信号设置为激活，方法则包括：如果车辆在大于或等于第四阈值时间的时间内是不运动的并且座椅数据指示在大于或等于第五阈值时间的时间内不占据座椅，则将行程信号设置为未激活。
203.6.根据条款5所述的方法，包括：响应被设置成未激活的行程信号而生成指示行程的结束时间的行程结束数据。
204.7.根据条款6所述的方法，其中，行程输出数据包括基于由行程开始数据和行程结束数据指示的行程开始时间与行程结束时间之间的差的行程持续时间数据。
205.8.根据条款2至条款7中任一项所述的方法，其中，如果将行程信号从激活设置成未激活，则判断行程已经发生。
206.9.根据条款2至条款8中任一项所述的方法，其中，如果由远程信息处理数据指示的车辆速度大于阈值车辆速度，则判断车辆是运动的。
207.10.根据前述条款中任一项所述的方法，其中，座椅传感器包括位于座椅下方、用于生成座椅数据的压敏传感器。
208.11.根据条款10所述的方法，包括：如果由座椅传感器指示的检测重量超过阈值重量，则生成指示车辆乘客占据座椅的座椅数据。
209.12.一种用于检测车辆的行程的装置，装置包括：
210.座椅传感器，与位于车辆中的座椅相关联，座椅传感器可操作为生成指示车辆乘客是否占据座椅的座椅数据；
211.座椅数据接收模块，可操作为从座椅传感器接收座椅数据；
212.远程信息处理模块，可操作为接收指示车辆的运动的一个或多个属性的远程信息处理数据；
213.处理模块，可操作为：
214.基于座椅数据和远程信息处理数据判断行程是否已经发生；并且
215.如果判断行程已经发生，则生成指示行程的属性的行程输出数据。
216.13.一种包括软件的计算机程序，当在根据条款12所述的装置的处理模块上实施时，使得装置执行根据条款1至条款11中任一项所述的方法。
217.14.一种存储介质，包括根据条款13所述的计算机程序。
218.15.一种车辆，包括根据条款12所述的装置。
219.尽管此处已经对各个实施例进行了描述，然而，仅通过实施例提供这些实施例，并且该实施例的许多变形与改造对本领域技术人员显而易见并且落在由所附权利要求及其等同物限定的本发明的实质与范围内。