TWI705706B - 車禍事故之定責與定損系統及方法 - Google Patents

Abstract

本發明提供一種車禍事故之定責與定損系統，包含影像記錄裝置以及伺服器。影像記錄裝置包含拍攝模組、感測器、影像擷取模組以及傳送模組。伺服器包含資料庫以及處理器。影像記錄裝置傳送周邊影像中特定時間之段落作為事故影像至伺服器，伺服器根據事故影像以及儲存於資料庫的複數個事故特徵以及複數個車輛特徵產生肇責訊息以及損失費用訊息。本發明的車禍事故之定責與定損系統不僅可以節省車禍處理時間，也可以降低社會成本。

Description

車禍事故之定責與定損系統及方法

本發明關於一種車禍事故之定責與定損系統，並且特別地，關於一種可自動擷取事故影像並且可自動判斷肇責與損失費用的車禍事故之定責與定損系統。

車輛的發展至今已有數百年，而隨著科技不斷地進步，車輛已成為人們的代步工具，也成為人們不可或缺的交通工具。根據統計，在台灣，平均每三個人就擁有一輛汽車；在英國，平均每二個人就擁有一輛汽車；而在美國，平均每一個人就擁有一輛汽車。因此，在車輛的普及化以及車輛數量眾多的時代中，交通的問題也日益顯著。

在天氣狀況不佳、車輛的駕駛人不熟悉路況、不遵守交通規則等的因素下，經常會導致交通事故的發生，尤其是在車潮最多的時間(如上、下班)中，更容易發生交通事故。一般來說，當交通事故發生時，車輛的駕駛人會打電話報警並通知保險業者至現場評估與處理事故。由於交通事故可能發生在任何地點，警察或保險業者仍需花費一些時間才到達事故現場，因此，駕駛人需在事故現場等待相關處理人員。而為了讓保險業者釐清並判斷肇事責任，車輛需停留在事故現場。然而，當交通事故發生在 車潮最多的時間發生事故，則會嚴重地影響交通。

為了加快保險業者判斷肇事責任的速度，車輛的駕駛人通常會在車內安裝行車記錄器，並且將事故影像下載至駕駛人的電子裝置(如手機、平板電腦)後再傳送給保險業者。一般的行車記錄器僅能錄製車輛前方的影像，而無法錄製從車輛的側面或後方發生的事故，因此，駕駛人必須以人工的方式拍攝事故現場的影像以提供事故影像至保險業者。然而，當事故太嚴重而導致雙方因受到撞擊而昏迷時，駕駛人無法提供事故影像至保險業者，又當事故發生於人煙稀少的地方時，駕駛人也無法主動報案或通知保險業者，有可能會造成傷亡。

由於車輛發生碰撞後，車輛會產生各種變形以及損傷，若只靠定損員憑主觀的經驗進行車輛定損，有可能會產生誤判以及多判的情況發生。此外，傳統定損為了事故車輛的準確性需要進行車輛拆解，也額外增加了保險理賠的費用。

因此，有必要研發一種車禍事故之定責與定損系統，可自動拍攝事故影像並且自動判斷肇責與損失費用，以解決先前技術之問題。

有鑑於此，本發明之一範疇在於提供一種車禍事故之定責與定損系統。根據本發明之一具體實施例，車禍事故之定責與定損系統包含影像記錄裝置以及伺服器。影像記錄裝置設置於車輛上並且包含拍攝模組、感測器、影像擷取模組以及傳送模組。拍攝模組用以拍攝車輛一周邊影像。感測器連接拍攝模組，並且用以感測車輛發生事故並產生事故訊號。影像擷取模組連接拍攝模組以及感測器，影像擷取模組根據事故訊號擷取 周邊影像中特定時間之段落作為事故影像。傳送模組連接感測器以及影像擷取模組，並且用以輸出事故訊號以及選擇性地傳送事故影像。伺服器連接影像記錄裝置以自傳送模組接收事故影像以及事故訊號。伺服器包含資料庫以及處理器。資料庫用以儲存事故影像，並且儲存複數個事故特徵以及複數個車輛特徵。處理器連接資料庫並且根據事故影像、複數個事故特徵以及複數個車輛特徵產生肇責訊息以及損失費用訊息。

其中，感測器儲存閾值，並且感測器感測車輛之運動狀態以產生量測值，當量測值大於閾值時，感測器判斷車輛發生事故並且產生事故訊號。

其中，感測器為陀螺儀、加速度計、麥克風及其組合之一。

其中，影像擷取模組擷取周邊影像於車輛發生事故時的前20秒至後10秒的事故影像。

其中，傳送模組根據感測器所產生的事故訊號同時傳送事故影像以及事故訊號至伺服器。

其中，伺服器進一步包含通訊模組，通訊模組連接處理器以及資料庫，並且用以傳送事故影像、事故訊號、肇責訊息以及損失費用訊息中的至少一個至終端裝置。

在一具體實施例中，其中傳送模組根據於車輛發生事故時傳送事故訊號至伺服器，伺服器於接收事故訊號時傳送一詢問訊息至影像記錄裝置供車輛的使用者確認，傳送模組根據確認後的詢問訊息選擇性地傳送事故影像至伺服器。

其中，伺服器進一步包含一學習模組連接資料庫，學習模組 藉由機器學習之方式分析儲存於資料庫的事故影像，以獲得關於事故影像的事故特徵，並將事故特徵回傳至資料庫以更新複數個事故特徵。

本發明之另一範疇在於提供一種車禍事故之定責與定損方法，包含以下步驟：持續拍攝車輛之周邊影像；感測車輛發生事故並產生事故訊號；根據事故訊號擷取周邊影像中特定時間之段落作為事故影像；以及傳送事故訊號及選擇性地傳送事故影像至伺服器，並且伺服器根據事故影像、複數個事故特徵以及複數個車輛特徵產生肇責訊息以及損失費用訊息。

其中，於感測車輛發生事故時產生事故訊號的步驟中，進一步為：感測車輛的運動狀態以產生量測值；以及當量測值大於閾值時，判斷車輛發生事故並且產生事故訊號。

在一具體實施例中，車禍事故之定責與定損方法進一步包含以下步驟：伺服器接收事故訊號並根據事故訊號產生詢問訊息供車輛的使用者確認；以及根據確認後的詢問訊息選擇性地傳送事故影像至伺服器。

其中，車禍事故之定責與定損方法進一步包含以下步驟：伺服器傳送事故影像、事故訊號、肇責訊息以及損失費用訊息中之至少一個至終端裝置。

其中，車禍事故之定責與定損方法進一步包含以下步驟：伺服器將事故影像進行機器學習，以獲得關於事故影像之事故特徵以作為產生肇責訊息以及損失費用訊息之依據。

綜上述，本發明之車禍事故之定責與定損系統可藉由影像記錄裝置拍攝並擷取特定時間的事故影片以及伺服器的處理器自動地判斷肇 事責任以及損失費用，不僅可以節省車禍處理時間，也可以降低社會成本。

1‧‧‧車禍事故之定責與定損系統

11‧‧‧影像記錄裝置

111‧‧‧拍攝模組

112‧‧‧感測器

113‧‧‧影像擷取模組

114‧‧‧傳送模組

21‧‧‧螢幕

12‧‧‧伺服器

121‧‧‧資料庫

122‧‧‧處理器

123‧‧‧通訊模組

S11~S18、S121、S122‧‧‧步驟

124‧‧‧學習模組

2‧‧‧車輛

3‧‧‧終端裝置

4‧‧‧行動裝置

41‧‧‧應用程式

S1‧‧‧事故訊號

S2‧‧‧事故影像

S3‧‧‧肇責訊息

S4‧‧‧損失費用訊息

S5‧‧‧詢問訊息

圖1係繪示根據本發明之一具體實施例之車禍事故之定責與定損系統的功能方塊圖。

圖2係繪示根據本發明之一具體實施例之車禍事故之定責與定損系統的功能方塊圖。

圖3係繪示根據本發明之一具體實施例之車禍事故之定責與定損系統的功能方塊圖。

圖4係繪示根據本發明之一具體實施例之車禍事故之定責與定損系統的功能方塊圖。

圖5係繪示根據本發明之一具體實施例之車禍事故之定責與定損方法之流程圖。

圖6係繪示根據本發明之一具體實施例之車禍事故之定責與定損方法之流程圖。

圖7係繪示根據本發明之一具體實施例之車禍事故之定責與定損方法之流程圖。

圖8係繪示根據本發明之一具體實施例之車禍事故之定責與定損方法之流程圖。

圖9係繪示根據本發明之一具體實施例之車禍事故之定責與定損方法之流程圖。

為了讓本發明的優點，精神與特徵可以更容易且明確地了解，後續將以具體實施例並參照所附圖式進行詳述與討論。值得注意的是，這些具體實施例僅為本發明代表性的具體實施例，其中所舉例的特定方法、裝置、條件、材質等並非用以限定本發明或對應的具體實施例。又，圖中各裝置僅係用於表達其相對位置且未按其實際比例繪述，合先敘明。

請參考圖1，圖1係繪示根據本發明之一具體實施例之車禍事故之定責與定損系統1的功能方塊圖。如圖1所示，車禍事故之定責與定損系統1包含影像記錄裝置11以及伺服器12，影像記錄裝置11設置於車輛2上，而伺服器12連接影像記錄裝置11。伺服器12可為位於保險業者的電腦主機或是工業電腦主機。影像記錄裝置11以及伺服器12可以無線連接的方式連接。

於本具體實施例中，影像記錄裝置11進一步包含拍攝模組111、感測器112、影像擷取模組113又傳送模組114，其中，感測器112連接拍攝模組111，影像擷取模組113連接拍攝模組111以及感測器112，並且傳送模組114連接感測器112以及影像擷取模組113。而伺服器12進一步包含資料庫121以及處理器122，其中處理器122連接資料庫121。於實務中，拍攝模組111可為一具有360度環景鏡頭的攝像機，設置於車輛頂部或外圍用以拍攝車輛2的周邊影像，但不以此為限，拍攝模組111也可為結合前、後鏡頭以拍攝360度環景的攝像機，或是由多個鏡頭組合以拍攝360度環景的攝像機。感測器112可為陀螺儀、加速度計、麥克風或其組合。影像擷取模組113可為影像擷取卡或建立於運算晶片中之影像擷取程式。傳送模組114可為無線訊號發射器。資料庫121可為硬碟、外接式硬碟或任何可儲存檔案或資料 的裝置。處理器122可為處理晶片。

在本具體實施例中，車輛2於行駛狀態時，影像記錄裝置11的拍攝模組111持續拍攝車輛2的周邊影像。當車輛2發生事故時，感測器112產生事故訊號S1，此時，影像擷取模組113根據事故訊號S1擷取拍攝模組111所拍攝的一段時間的事故影像S2。接著，傳送模組114透過無線傳輸的方式傳送事故訊號S1以及事故影像S2至伺服器12。當伺服器12接收事故訊號S1以及事故影像S2後，事故影像S2儲存於資料庫121中。而資料庫121包含複數個事故特徵以及複數個車輛特徵，因此，處理器122根據事故影像S2、複數個事故特徵以及複數個車輛特徵判斷並且產生肇責訊息以及損失費用訊息。

於實務中，影像記錄裝置11的拍攝模組111所拍攝的周邊影像可包含動態的影像以及靜態的圖像，因此，影像擷取模組113所擷取的事故影像S2中，也包含了動態的事故影像以及靜態的事故圖像。而周邊影像除了包含車輛2周圍的影像之外，也可包含周遭的車輛、環境、車況及路況的影像。此外，周邊影像為拍攝模組111在同一時間以至少一個鏡頭所自動拼接的360度環景影像，因此，拍攝模組111所拍攝的周邊影像具有真實性及完整性，並且不會產生人工剪接、後製加工以及影像時間差的問題。當影像擷取模組113接收到事故訊號S1時，影像擷取模組113根據事故訊號S1產生的時間擷取拍攝模組111所拍攝的周邊影像中該時間的前、後的一段時間內的事故影像S2的段落。於本具體實施例中，影像擷取模組113擷取周邊影像中車輛發生事故時的前20秒至後10秒的事故影像，於實務中不限於此，影像擷取模組113可擷取周邊影像中車輛發生事故時的前30秒、40秒、 50秒甚至更多，而擷取的時間可預先設定於影像擷取模組113中。由於拍攝模組111持續地拍攝車輛2的周邊影像使影像檔的檔案很大且包含許多不必要的資訊，因此，車禍事故之定責與定損系統1藉由影像記錄裝置11的影像擷取模組113將重要的事故影像S2的片段傳送至伺服器12，可減少伺服器12的負擔並且加快判斷速度。

此外，事故特徵可包含與交通規則及準則，例如：紅綠燈的當前燈號、路段的速限、道路的標線等。伺服器12的處理器122可根據儲存於資料庫121的事故影像S2以及上述事故特徵自動判斷出車禍事故的肇事責任並且產生肇責訊息。車輛特徵可包含車輛2的相關資料，如：車牌號碼、車輛的型號、零件的價錢等，因此，當車禍事故發生後，伺服器12的處理器122可根據儲存於資料庫121的事故影像S2中車輛2的受損程度與部位以及車輛特徵初步計算出車輛損失的費用並且產生損失費用訊息。

而車禍事故的類型，除了可為兩車輛相互碰撞之外，也可為為了閃避第三車輛的違規或不當駕駛而導致車禍事故發生。因此，當車禍事故發生時，影像記錄裝置11可藉由360度環景的拍攝模組111清楚地拍攝第三車輛的特徵(如車種、車牌號碼、顏色等)，並且影像擷取模組113可擷取違規的第三車輛於事故發生前、後的駕駛情況的事故影像。而影像記錄裝置11藉由傳送模組114將事故影像傳送至伺服器12後，處理器122再根據事故影像判斷車禍事故的肇事責任。於實務中，當車禍事故之定責與定損系統1判斷出第三車輛為肇事原因時，其他車輛可提供事故影像中第三車輛的特徵予警方，俾進行後續的求償程序。

前述的感測器112可儲存閾值，並且感測器112感測車輛2的 運動狀態以產生量測值，當量測值大於閾值時，感測器112判斷車輛2發生事故並且產生事故訊號S1。在一具體實施例中，當感測器112為陀螺儀時，儲存於陀螺儀中的閾值為橫向G力值。當車輛2發生事故時，例如：受到碰撞或撞擊，此時，陀螺儀於車輛2受到撞擊所量測到的橫向G力值會大於閾值，進而判斷事故發生並且產生事故訊號S1。在一具體實施例中，當感測器112為加速度計時，儲存於加速度計的閾值為加速度值。當車輛2發生事故時，加速度計於車輛2受到撞擊所量測到的加速度值會超過閾值而判斷到事故發生並且產生事故訊號S1。又一具體實施例中，當感測器112為麥克風時，儲存於麥克風的閾值為車體分貝值。當車輛2發生事故時，例如：受到碰撞或撞擊，麥克風於車輛2受到撞擊所量測到的車體分貝值會瞬間大於閾值而感測到事故發生，進一步地產生事故訊號S1。於實務中，感測器112除了可為上述的裝置以外，也可為上述的裝置的組合，如陀螺儀和加速度計之組合。當陀螺儀所量測的橫向G力值以及加速度計所量測的加速度值皆大於各閾值時，感測器112才會產生事故訊號S1。而儲存於感測器112中的閾值可經由廠商預先輸入，也可經由多項安全測試以及實驗後所獲得的數值後，輸入並儲存於感測器112中。

在本具體實施例中，當事故訊號S1產生時，傳送模組114可根據事故訊號S1傳送事故訊號S1以及事故影像S2至伺服器12。於實務中，當車禍事故發生時，影像記錄裝置11自動擷取一段時間的事故影像S2，傳送模組114可自動且同時傳送事故訊號S1以及事故影像S2至伺服器12，或者是先傳送事故訊號S1給伺服器12再選擇性地傳送事故影像S2。因此，車輛2的使用者不需以人工的方式採集事故影像或將事故影像傳送至保險公司， 以節省車禍處理時間。

請參考圖2以及圖3，圖2係繪示根據本發明之一具體實施例之車禍事故之定責與定損系統1的功能方塊圖，圖3係繪示根據本發明之一具體實施例之車禍事故之定責與定損系統1的功能方塊圖。由於車輛2的使用者顧及個人資料及隱私或是使用者認為車禍事故僅為輕微的事故，可能不願意提供事故影像S2給保險業者。因此，於本具體實施例中，影像記錄裝置11進一步連接螢幕21(如圖2所示)。當車禍事故發生時，感測器112產生事故訊號S1，而影像記錄裝置11自動擷取一段時間的事故影像S2。此時，傳送模組114先傳送事故訊號S1至伺服器12。當伺服器12接收到事故訊號S1時，伺服器12先回傳詢問訊息S5至影像記錄裝置11，影像記錄裝置11顯示詢問訊息S5於螢幕21以供使用者確認是否同意提供事故影像S2至伺服器12。若使用者同意並確認後，傳送模組114才會傳送事故影像S2至伺服器。在實務中，螢幕21可為安裝在車輛2中的觸控面板。又在一具體實施例中，影像記錄裝置11進一步連接使用者的行動裝置4的應用程式41，如圖3所示。於實務中，應用程式41可為與影像記錄裝置11配合的APP。當伺服器12接收到事故訊號S1時，伺服器12傳送詢問訊息S5至使用者的行動裝置4的應用程式41供使用者確認是否同意提供事故影像S2至伺服器12，並且當使用者確認後，行動裝置4的應用程式41可控制或通知影像記錄裝置11傳送事故影像S2至伺服器12。

請參考圖4，圖4係繪示根據本發明之一具體實施例之車禍事故之定責與定損系統1的功能方塊圖。如圖4所示，本具體實施例與先前之具體實施例不同處，在於本具體實施例之伺服器12進一步包含通訊模組123 連接處理器122，並且透過通訊模組123與終端裝置3進行溝通。通訊模組123可將事故訊號S1、事故影像S2、肇責訊息S3以及損失費用訊息S4傳送至終端裝置3。於實務中，終端裝置3可為事故處理機關之主機系統，例如警察局之主機系統。保險業者可藉由伺服器12的通訊模組123傳送事故影像S2至事故處理機關，以協助事故處理機關對於車禍事故肇責的判斷，不僅可以節省車禍處理時間，也可以降低社會成本。當車禍事故發生時，伺服器12可藉由通訊模組123自動傳送事故訊號S1至警察局，因此，車輛2的使用者可不必自行報警，也可加快車禍處理速度。此外，若車禍事故太嚴重導致車輛2的使用者失去意識而無法自行報警時，伺服器12的通訊模組123也可於第一時間自動傳送事故訊號S1至警察局，以增加救援的機率。

請一併參考圖3以及圖4，於另一具體實施例中，上述終端裝置3也可為使用者的行動裝置4(如圖3所示)。伺服器12的處理器122經由判斷後產生的肇責訊息S3以及損失費用訊息S4也可透過通訊模組123傳送至使用者的行動裝置4，以告知使用者事故的理賠資訊。請注意，雖然圖4中的終端裝置3的數量為一個，但不限於此，伺服器12的可連接多個終端裝置3，如前述的事故處理機關、警察局以及使用者的行動裝置。也就是說，伺服器12的通訊模組123可於同一時間將各種不同的事故資訊傳送至各對應的處理機關。

由於肇事責任的判定需要龐大的資料以及判斷準則，以避免判斷錯誤的情況發生。請再次參考圖1，於本具體實施例中，伺服器12進一步包含學習模組124連接資料庫121並儲存有機器學習程式。學習模組124可透過機器學習程式對儲存於資料庫121中的事故影像S2進行分析，並從中再 找出可用來提供處理器122判斷肇事責任的事故特徵。

詳言之，機器學習程式可包含各種演算法，例如類神經網路、決策樹、支援向量機、線性判別分析、最大機率演算法、或馬爾可夫鏈等。首先可輸入儲存於資料庫121中大量的事故影像S2的事故特徵於上述演算法中來進行訓練學習以得到一個判斷模型，而處理器122可依據此判斷模型對新的事故影像S2判斷肇事責任及理賠金額。新的事故影像S2儲存於資料庫中，同樣可再透過機器學習程式進行訓練學習而找到其事故特徵，以一步更新判斷模型。因此，當新的事故影像S2加入伺服器時，伺服器12可經過學習而自動地更新，進而可更精準地判斷車禍事故的肇事責任以及理賠金額。

在一具體實施例中，當車禍事故發生時，感測器112除了產生事故訊號S1之外，感測器112也可傳送量測值至伺服器12的資料庫121，例如：車輛2受到撞擊所量測到的橫向G力值。因此，處理器122除了可根據事故影像S2判斷車禍事故的於車輛2外觀的損失費用之外，處理器122也可根據事故影像S2以及感測器112所量測到的量測值判斷車輛2內部零件的損失費用。

請參考圖5，圖5係繪示根據本發明之一具體實施例之車禍事故之定責與定損方法之流程圖。本發明之另一個範疇在於提供了一種車禍事故之定責與定損方法，包含以下步驟：步驟S11，持續拍攝車輛的周邊影像；步驟S12，感測車輛發生事故並產生事故訊號；步驟S13，根據事故訊號擷取周邊影像中特定時間之段落作為事故影像；以及步驟S14，傳送事故訊號及選擇性地傳送事故影像至伺服器，並且伺服器根據事故影像、複數 個事故特徵以及複數個車輛特徵產生肇責訊息以及損失費用訊息。請注意，圖5所表示之車禍事故之定責與定損方法可透過圖1之車禍事故之定責與定損系統1達成。在本具體實施例中，設置在車輛上的影像記錄裝置的拍攝模組持續拍攝車輛的周邊影像，當感測器感測車輛發生事故時產生事故訊號，此時，影像擷取模組根據事故訊號擷取周邊影像中特定時間之段落作為事故影像。接著，傳送模組傳送事故訊號以及選擇性地傳送事故影像至伺服器。最後，伺服器根據事故影像、複數個事故特徵以及複數個車輛特徵產生肇責訊息以及損失費用訊息。

請參考圖5以及圖6，圖6係繪示根據本發明之一具體實施例之車禍事故之定責與定損方法之流程圖。其中，於感測車輛發生事故並產生事故訊號之步驟中，進一步為：步驟S121，感測車輛的運動狀態以產生量測值；以及步驟S122，當量測值大於閾值時，判斷車輛發生事故並且產生事故訊號。於圖5之步驟12中，感測器儲存有閾值，並且感測器感測車輛的運動狀態以產生量測值，當感測器感測到的量測值大於閾值時，則感測器判斷車輛發生事故並且產生事故訊號。

請參考圖7，圖7係繪示根據本發明之一具體實施例之車禍事故之定責與定損方法之流程圖。如圖7所示，車禍事故之定責與定損方法，進一步包含以下步驟：步驟S15，伺服器接收事故訊號並根據事故訊號產生詢問訊息供車輛之使用者確認；以及步驟S16，根據確認後之詢問訊息選擇性地傳送事故影像至伺服器。在本具體實施例中，當伺服器接收影像記錄裝置的傳送模組所傳送事故訊號時，伺服器根據事故訊號產生詢問訊息並且回傳詢問訊息至車輛之使用者確認，而影像記錄裝置的傳送模組根據確 認後之詢問訊息選擇性地傳送事故影像至伺服器。

請參考圖8，圖8係繪示根據本發明之一具體實施例之車禍事故之定責與定損方法之流程圖。其中，車禍事故之定責與定損方法，進一步包含以下步驟：步驟S17，伺服器傳送事故影像、事故訊號、肇責訊息以及損失費用訊息中之至少一個至終端裝置。其中，伺服器進一步包含通訊模組，而通訊模組傳送事故影像、事故訊號、肇責訊息以及損失費用訊息中之至少一個至終端裝置。

請參考圖9，圖9係繪示根據本發明之一具體實施例之車禍事故之定責與定損方法之流程圖。其中，車禍事故之定責與定損方法，進一步包含以下步驟：步驟S18，伺服器將事故影像進行機器學習，以獲得關於事故影像之事故特徵以作為產生肇責訊息以及損失費用訊息之依據。在本具體實施例中，伺服器進一步包含學習模組將事故影像進行機器學習，以獲得關於事故影像之事故特徵以作為產生肇責訊息以及損失費用訊息之依據。

於圖5至圖9的步驟中所提及的單元的功能與前述實施例的相對應單元的功能大致相同，故於此不再贅述。

綜上所述，本發明之車禍事故之定責與定損系統可藉由影像記錄裝置拍攝並擷取特定時間的事故影片以及伺服器的處理器自動地判斷肇事責任以及損失費用，不僅可以節省車禍處理時間，也可以降低社會成本。

藉由以上較佳具體實施例之詳述，係希望能更加清楚描述本發明之特徵與精神，而並非以上述所揭露的較佳具體實施例來對本發明之 範疇加以限制。相反地，其目的是希望能涵蓋各種改變及具相等性的安排於本發明所欲申請之專利範圍的範疇內。因此，本發明所申請之專利範圍的範疇應根據上述的說明作最寬廣的解釋，以致使其涵蓋所有可能的改變以及具相等性的安排。

1:車禍事故之定責與定損系統

11:影像記錄裝置

111:拍攝模組

112:感測器

113:影像擷取模組

114:傳送模組

12:伺服器

121:資料庫

122:處理器

124:學習模組

2:汽車

S1:事故訊號

S2:事故影像

Claims (11)

1. 一種車禍事故之定責與定損系統，包含：一影像記錄裝置，設置於一車輛上，該影像記錄裝置進一步包含：一拍攝模組，用以拍攝該車輛周圍之一周邊影像；一感測器，連接該拍攝模組，該感測器用以感測該車輛發生一事故並產生一量測值以及一事故訊號；一影像擷取模組，連接該拍攝模組以及該感測器，該影像擷取模組根據該事故訊號擷取該周邊影像中一特定時間之段落作為一事故影像；以及一傳送模組，連接該感測器以及該影像擷取模組，該傳送模組用以輸出該事故訊號以及該量測值，並選擇性地傳送該事故影像；以及一伺服器，連接該影像記錄裝置以自該傳送模組接收該事故訊號、該量測值及該事故影像，該伺服器進一步包含：一資料庫，用以儲存該事故影像及該量測值，並且儲存複數個事故特徵以及複數個車輛特徵；一處理器，連接該資料庫，該處理器根據該事故影像、該等事故特徵、該量測值以及該等車輛特徵產生一肇責訊息以及一損失費用訊息；以及一學習模組，連接該資料庫，用以藉由機器學習方式分析儲存於該資料庫之該事故影像，以獲得關於該事故影像之該等事故特徵，並將該等事故特徵回傳至該資料庫以更新該等事故特徵。
2. 如申請專利範圍第1項之車禍事故之定責與定損系統，其中該感測器儲存一閾值，並且該感測器感測該車輛之一運動狀態以產生該量測值，當該量測值大於該閾值時，該感測器判斷該車輛發生該事故並且產生該事故訊號。
3. 如申請專利範圍第2項之車禍事故之定責與定損系統，其中該感測器為陀螺儀、加速度計、麥克風及其組合中之一者。
4. 如申請專利範圍第1項之車禍事故之定責與定損系統，其中該影像擷取模組擷取該周邊影像於該車輛發生該事故時之前20秒至後10秒之段落作為該事故影像。
5. 如申請專利範圍第1項之車禍事故之定責與定損系統，其中該傳送模組根據該感測器所產生之該事故訊號同時傳送該事故影像以及該事故訊號至該伺服器。
6. 如申請專利範圍第1項之車禍事故之定責與定損系統，其中該伺服器進一步包含一通訊模組，該通訊模組連接該處理器及該資料庫，並且用以傳送該事故影像、該事故訊號、該肇責訊息以及該損失費用訊息中之至少一個至一終端裝置。
7. 如申請專利範圍第1項之車禍事故之定責與定損系統，其中該傳送模組根據於該車輛發生該事故時傳送該事故訊號至該伺服器，該伺服器於接收該事故訊號時傳送一詢問訊息至該影像記錄裝置供該車輛之一使用者確認，該傳送模組根據確認後之該詢問訊息選擇性地傳送該事故影像至該伺服器。
8. 一種車禍事故之定責與定損方法，包含以下步驟：持續拍攝一車輛之一周邊影像； 感測該車輛發生一事故並產生一量測值以及一事故訊號；根據該事故訊號擷取該周邊影像中一特定時間之段落作為一事故影像；傳送該事故訊號及該量測值並選擇性地傳送該事故影像至一伺服器，並且該伺服器根據該事故影像、該量測值、複數個事故特徵以及複數個車輛特徵產生一肇責訊息以及一損失費用訊息；以及該伺服器將該事故影像進行機器學習，以獲得關於該事故影像之該等事故特徵以作為產生該肇責訊息以及該損失費用訊息之依據。
9. 如申請專利範圍第8項之車禍事故之定責與定損方法，其中於感測該車輛發生該事故並產生該事故訊號之步驟中，進一步包含以下步驟：感測該車輛之一運動狀態以產生該量測值；以及當該量測值大於一閾值時，判斷該車輛發生該事故並且產生該事故訊號。
10. 如申請專利範圍第8項之車禍事故之定責與定損方法，進一步包含以下步驟：該伺服器接收該事故訊號並根據該事故訊號產生一詢問訊息供該車輛之一使用者確認；以及根據確認後之該詢問訊息選擇性地傳送該事故影像至該伺服器。
11. 如申請專利範圍第8項之車禍事故之定責與定損方法，進一步包含以下步驟：該伺服器傳送該事故影像、該事故訊號、該肇責訊息 以及該損失費用訊息中之至少一個至一終端裝置。

Images