CN107085748A - 预测性车辆任务调度 - Google Patents
预测性车辆任务调度 Download PDFInfo
- Publication number
- CN107085748A CN107085748A CN201710072324.XA CN201710072324A CN107085748A CN 107085748 A CN107085748 A CN 107085748A CN 201710072324 A CN201710072324 A CN 201710072324A CN 107085748 A CN107085748 A CN 107085748A
- Authority
- CN
- China
- Prior art keywords
- processor
- time
- vehicle
- destination
- programmed
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3605—Destination input or retrieval
- G01C21/3617—Destination input or retrieval using user history, behaviour, conditions or preferences, e.g. predicted or inferred from previous use or current movement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2308—Concurrency control
- G06F16/2315—Optimistic concurrency control
- G06F16/2322—Optimistic concurrency control using timestamps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Social Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Elevator Control (AREA)
- Computer And Data Communications (AREA)
Abstract
一种车辆系统包括具有存储器的处理器。处理器被编程为基于车辆的下一目的地预测车辆点火开关接通时间。处理器还被编程为在点火开关接通时间之前的预定时间量从远程服务器请求优化数据。
Description
技术领域
本发明总体上涉及车辆设备领域,更具体地,涉及具有预测性车辆任务调度功能的车辆系统。
背景技术
车辆计算机能够执行复杂的功能。通过这样做,车辆计算机可以向乘员提供有价值的数据。有时,复杂功能所基于的数据被远程存储。在一些情况下,远程地执行复杂功能并且将表示结果的数据传送到车辆。
发明内容
根据本发明,提供一种车辆系统,包含:
处理器,所述处理器具有存储器,其中所述处理器被编程为:
基于车辆的下一目的地预测车辆点火开关接通时间;以及
在所述点火开关接通时间之前的预定时间量从远程服务器请求优化数据。
根据本发明的一个实施例,其中所述处理器被编程为通过如下方式预测所述车辆点火开关接通时间:
识别多个潜在目的地;
确定所述多个潜在目的地中的每一个是下一目的地的可能性;
根据作为下一目的地的可能性对所述多个潜在目的地进行排名,包括向最可能是下一目的地的所述多个潜在目的地中的其中一个分配最高排名;以及
基于与具有最高排名的潜在目的地相关联的时间属性来选择所述车辆点火开关接通时间。
根据本发明的一个实施例,其中所述处理器被编程为向数据库查询与具有最高排名的潜在目的地相关联的时间属性。
根据本发明的一个实施例,其中所述时间属性包括所述车辆被预测为向具有最高排名的潜在目的地行驶的时间。
根据本发明的一个实施例,其中所述处理器被编程为根据与具有最高排名的潜在目的地相关联的时间属性来调度对所述优化数据的请求。
根据本发明的一个实施例,其中所述处理器被编程为请求对所述车辆点火开关接通时间的确认。
根据本发明的一个实施例,其中所述处理器被编程为请求对所述下一目的地的确认。
根据本发明的一个实施例,其中所述处理器被编程为从所述远程服务器周期性地请求更新的优化数据。
根据本发明的一个实施例,其中在所述车辆点火开关接通时间之前的所述预定时间量至少部分地基于与接收从所述远程服务器请求的所述优化数据相关联的时间量。
根据本发明的一个实施例,其中所述车辆点火开关接通时间之前的所述预定时间量至少部分地基于与处理从所述远程服务器请求的优化数据相关联的时间量。
根据本发明,提供一种车辆系统,包含:
通信电路,所述通信电路被编程为与远程服务器无线通信;以及
处理器,所述处理器具有存储器,其中所述处理器被编程为:
基于车辆的下一目的地预测车辆点火开关接通时间,以及
在所述点火开关接通时间之前的预定时间量请求来自所述远程服务器的优化数据;
其中所述通信电路被编程为将所述请求发送到所述远程服务器,从所述远程服务器接收所述优化数据,以及将所述优化数据发送到所述处理器。
根据本发明的一个实施例,其中所述处理器被编程为通过以下方式预测所述车辆点火开关接通时间:
识别多个潜在目的地;
确定所述多个潜在目的地中的每一个是下一目的地的可能性;
根据作为下一目的地的可能性对所述多个潜在目的地进行排名,包括向最可能是下一目的地的所述多个潜在目的地中的其中一个分配最高排名;以及
基于与具有最高排名的潜在目的地相关联的时间属性来选择车辆点火开关接通时间。
根据本发明的一个实施例,其中所述处理器被编程为向数据库查询与具有最高排名的潜在目的地相关联的时间属性。
根据本发明的一个实施例,其中所述时间属性包括所述车辆被预测为向具有最高排名的潜在目的地行驶的时间。
根据本发明的一个实施例,其中所述处理器被编程为根据与具有最高排名的潜在目的地相关联的时间属性来调度对所述优化数据的请求。
根据本发明的一个实施例,其中所述处理器被编程为请求对所述车辆点火开关接通时间的确认。
根据本发明的一个实施例,该车辆系统还包含用户界面并且其中所述处理器被编程为经由所述用户界面请求对所述下一目的地的确认。
根据本发明的一个实施例,其中所述处理器被编程为从所述远程服务器周期性地请求更新的优化数据并且其中所述通信电路被编程为向所述远程服务器发送对更新的优化数据的请求。
根据本发明的一个实施例,其中所述车辆点火开关接通时间之前的所述预定时间量至少部分地基于与接收从所述远程服务器请求的所述优化数据相关联的时间量。
根据本发明的一个实施例,其中在所述车辆点火开关接通时间之前的所述预定时间量至少部分地基于与处理从所述远程服务器请求的优化数据相关联的时间量。
附图说明
图1示出了具有用于调度向远程服务器的数据请求的系统的示例车辆;
图2是示出图1的系统的组件的框图;
图3是可以由图1所示的系统的处理器执行的示例过程的流程图;
图4是可以由图1所示的系统的处理器执行的另一示例过程的流程图;
图5A和5B是示出示例车辆位置数据和未来目的地的概率的图表;
图6A和6B示出了基于当前车辆位置的未来目的地的概率的示例数据库。
具体实施方式
执行复杂功能需要一些时间和资源。因此,等待车辆执行复杂功能可能使车辆乘客感到沮丧。例如,车辆计算机可能需要几分钟来开发到特定目的地的路线,以及相应的最佳车辆速度分布、收集路线的交通信息,并将该数据呈现给乘员。乘员可能希望在进入车辆时立即查看这样的数据。
一种可能的解决方案包括具有处理器和存储器的车辆系统。处理器被编程为基于车辆的最可能的下一目的地预测车辆点火开关接通时间。处理器还被编程为在点火开关接通时间之前的预定时间量从远程服务器请求优化数据。
优化数据可以直接或间接地与目的地、到一个或多个可能的目的地的路线或两者相关。例如,优化数据可以包括交通信息、路线规划信息、车厢舒适度控制信息、燃料经济性信息、电池寿命信息、绿色地带(greenzone)偏好等。对于路线规划,例如在下一个点火开关接通周期中可能存在多于一个的可能目的地。可以基于每个可能的目的地的是下一个可能的目的地的预测概率来对到可能的目的地的路线进行优先级排序。通过在预测的点火开关接通时间之前请求和处理优化数据,优化数据将在乘员进入并期望使用车辆时立即可用。这样的数据可以例如在车辆通电时可访问。此外,优化数据可以容易地经由远程服务器获得,这可使远程服务器成为用于信息聚合和计算的潜在更合适的选项。
所示的元件可以采用许多不同的形式,并且包括多个和/或替换的部件和设施。所示的示例组件不旨在是限制性的。实际上,可以使用附加的或替换的组件和/或实施方式。此外,所示出的元件不一定按比例绘制,除非明确地说明。
如图1所示,示例主车辆100包括车辆系统105,该车辆系统105预测主车辆100的下一次点火开关接通时间的点火开关接通时间、预测到下一个目的地的路线并且在预测的点火开关接通时间之前预定时间请求来自远程服务器110的优化数据。优化数据可以包括直接或间接地涉及下一目的地、路线或两者的数据。例如,优化数据可以包括交通信息、路线规划信息、车厢舒适度控制信息、燃料经济性信息、电池寿命信息、绿色地带偏好等。预测点火开关接通时间可以包括识别潜在目的地、确定每个潜在目的地是下一目的地的可能性、根据作为下一目的地的可能性对多个潜在目的地进行排名以及基于与具有最高排名的潜在目的地相关联的时间属性来选择车辆点火开关接通时间。在对潜在目的地进行排名时,车辆系统105可以将最高排名分配给最可能是下一目的地的潜在目的地。
远程服务器110可以包括与车辆系统105无线通信的任何数量的电子设备。远程服务器110可以被编程为从主车辆100接收查询、处理查询以及发送响应数据(例如优化数据)到主车辆100。例如,查询可以包括主车辆100的可能下一目的地和当前位置。远程服务器110可以从主车辆100的当前位置确定到下一目的地的路线并且将包括路线和与路线相关联的数据的优化数据发送回主车辆100。在一些情况下,主车辆100可以经由导航系统开发路线,并且路线可以从主车辆100传送到远程服务器110。在这种可能的实施方式中,远程服务器110可以根据由主车辆100提供的路线产生优化数据。
尽管示出为轿车,但是主车辆100可以包括任何乘客或商用机动车,例如小汽车、卡车、运动型多用途车、跨界车辆(crossover vehicle)、货车、小型货车、出租车、公共汽车等。在一些可能的方法中,主车辆100是在自主(例如,无驾驶员)模式、部分自主模式和/或非自主模式下操作的自主车辆。
现参考图2,车辆系统105包括用户界面115、通信电路120、存储器125和处理器130。
用户界面115可以包括被编程为在主车辆100操作期间向主车辆100的乘员呈现信息的任何数量的电子部件。此外,用户界面115可以被编程为接收用户输入。用户界面115可以位于例如主车辆100的乘客舱中,并且在一些可能的方法中,可以包括触摸显示屏。用户界面115可以被编程为根据从处理器130接收的信号向车辆乘员呈现提示。例如,响应于来自处理器130的信号,用户界面115可以提示乘员确认下一个目的地、下一个点火开关接通时间或两者。
通信电路120可以包括被编程为便于与内部或外部设备进行有线或无线通信的任何数量的电子部件。例如,通信电路可以被编程为与远程服务器110进行无线通信以及通过CAN(Controller area network,控制局域网)总线、OBD-II(On-Board Diagnostics II,车载诊断)或以太网连接与用户界面115、存储器125或处理器130进行通信。
存储器125可以包括存储数据的任何数量的电子部件。例如,存储器125可以被编程为存储从远程服务器110接收的或由处理器130生成的数据(例如优化数据)。在一些可能的方法中,存储器125可以存储历史数据。例如,存储器125可以存储与主车辆100的当前和过去位置、主车辆100采取的各种路线、使用主车辆100的时间等相关联的数据。
处理器130可以包括被编程为预测何时从远程服务器110请求优化数据以使得可以在主车辆100的使用之前接收和处理优化数据的任何数量的电子部件。例如,处理器130可以访问存储在存储器125中的历史数据并根据历史数据预测下一个目的地和用于下一个目的地的点火开关接通时间。
为了预测点火开关接通时间,处理器130可以被编程为识别潜在的目的地。潜在目的地可以从主车辆100已经行驶的先前目的地的列表中识别。该列表可以存储在存储器125中。潜在目的地的示例可以包括乘员的家庭位置、乘员的工作位置、杂货店、健身房、学校、公园或乘客频繁或周期性地行驶到的任何其他位置。利用识别的潜在目的地,处理器130可以被编程为确定每个潜在目的地是下一目的地的可能性。该可能性可以基于用户的识别(例如,如果多个人使用相同的车辆)、主车辆100的当前位置、一天中的时间、星期几等。例如,处理器130可以从存储在存储器125中的数据确定在星期一上午6:30主车辆100当前在乘员的家的位置。处理器130可以从存储在存储器125中的数据知道乘客通常在星期一上午7点出门工作。因此,基于当前位置、一天中的时间和一周中的某一天,处理器130可以确定下一目的地最可能将是乘员的工作地点。
在多个目的地可以是下一目的地的情况下,处理器130可以被编程为根据潜在目的地是下一目的地的可能性来对潜在目的地进行排名。例如,根据存储在存储器125中的数据,处理器130可以确定乘员从工作地出发到杂货店、健身房或家中。处理器130可以基于杂货店、健身房和家将是下一个目的地的可能性来对这些位置进行排名,成为下一个目的地的可能性是根据一天中的时间和星期几相对于存储在存储器125设备中的数据来确定。例如,如果乘员通常在星期一、星期三和星期五工作后去健身房并且典型地在星期二工作后去到杂货店,则处理器130可以在星期一下午、星期三下午和星期五下午将健身房排在比杂货店更前的位置,但是在星期二下午将杂货店排在比健身房更前的位置。因此,考虑到存储在存储器125中的环境和数据,处理器130可以将最高排名分配给最可能是下一目的地的潜在目的地。
在根据排名确定下一目的地的情况下,处理器130可以被编程为确定与下一目的地(即具有最高排名的潜在目的地)相关联的时间属性。时间属性可以定义主车辆100可能向下一目的地行驶的时间。例如,如果星期一上午的下一目的地是乘员的工作位置,则时间属性可以包括乘员通常在星期一早上上班的时间。处理器130可以从存储在存储器125中的数据库查询时间属性。
处理器130可以被编程为根据时间属性来选择点火开关接通时间。也就是说,因为时间属性与主车辆100将向下一目的地行驶的时间相关联,所以点火开关接通时间将在大致与由时间属性指示的相同时间发生,如果不然的话在其几秒钟之前。
在一些可能的实施方式中,处理器130可以被编程为在点火开关接通时间之前的某个预定时间量调度对优化数据的请求。预定时间量的长度可以基于一天中的时间、一周中的哪一天、下一目的地、完成某些计算任务的时间量等。例如,在如高峰时间的繁忙时间期间,远程服务器110应付来自许多车辆的许多优化数据请求。因此,这可能使远程服务器110花更长时间来响应。预期这样的延迟,处理器130可以调度请求在点火开关接通时间之前几分钟发生,而不是几秒钟。此外,到目的地的距离可影响预定时间量的长度。因为优化数据可以包括与路线相关联的交通数据,较长的路线可能意味着远程服务器110将需要更多的时间来生成和传输适当的交通数据。此外,可以将处理器130在点火开关接通时间之前处理优化数据所需的时间量纳入考虑来生成预定时间量。
处理器130可以被编程为在点火开关接通时间之前的调度的预定时间量请求来自远程服务器110的优化数据。请求优化数据可以包括向远程服务器110发送查询。查询可以包括主车辆100的当前位置、下一目的地以及可能关于一个或多个车辆子系统的信息,例如电池荷电状态、燃料液位等。该请求可以经由通信电路120发送到远程服务器110,并且远程服务器110可以通过经由通信电路120将优化数据发送到处理器130来响应该请求。
处理器130可以在点火开关接通时间之前处理优化数据。根据优化数据,处理器130可以确定到下一目的地的路线,其可以包括补偿由优化数据识别的任何交通问题。交通问题可以包括例如交通拥塞、交通速度和变化性、建筑、封路等。
处理器130可以被进一步编程为预测乘员对主车辆100的使用的特定变化或不一致。例如,当主车辆100到达其当前目的地并且在主车辆100点火开关关断之前时,处理器130可以执行处理以确定下一目的地。点火开关关断之前,处理器130可被编程以确定下一个目的地并预测点火开关接通时间,通过用户界面115提示乘员来确认下一个目的地和点火开关接通时间,并经由通过用户界面115提供的用户输入接受对下一个目的地、点火开关接通时间或两者的确认或修改。处理器130可以以预测的下一个目的地和点火开关接通时间或由用户输入识别的下一个目的地或点火开关接通时间来继续进行。
当行进到下一目的地时,处理器130可以周期性地从远程服务器110请求更新的优化数据。对于更新的优化数据的请求可以从通信电路120发送到远程服务器110,并且更新的优化数据可以经由通信电路120从远程服务器110传送到处理器130。处理器130可以应用更新的优化数据以例如根据新的交通数据、燃料数据、电池充电数据等更新路线。
图3是可以由车辆系统105执行的示例过程300的流程图。该过程可以在点火开关接通循环之前或者可能在车辆运行时(例如,在点火开关关断循环之前)执行。此外,可以在预定时间执行处理,而不管主车辆100是否正在操作。
在框305,车辆系统105可以预测点火开关接通时间。为了预测点火开关接通时间,处理器130可以识别潜在的目的地、确定每个潜在目的地作为下一个目的地的可能性、根据可能性排名目的地、选择具有最高可能性的目的地作为下一个目的地、针对与可能的下一个目的地相关联的时间属性查询数据库并且根据时间属性来预测点火开关接通时间。下面关于图4的过程400讨论关于预测点火开关接通时间的附加细节。
在框310,车辆系统105可以调度对优化数据的请求。处理器130例如可以根据点火开关接通时间之前的预定时间量来调度请求。预定时间量的长度可以基于一天中的时间、星期几、下一目的地等。例如,在如高峰时间的繁忙时间期间,远程服务器110会应付来自许多车辆的许多优化数据请求。因此,这可能使远程服务器110花更长时间来响应。预期这样的延迟,处理器130可以调度请求在点火开关接通时间之前几分钟发生,而不是几秒钟。此外,到目的地的距离可影响预定时间量的长度。因为优化数据可以包括与路线相关联的交通数据,较长的路线可能意味着远程服务器110将需要更多的时间来生成和传输适当的交通数据。此外,可以将处理器130在点火开关接通时间之前处理优化数据所需的时间量纳入考虑来生成预定时间量。因此,当在框310调度优化数据的请求时,处理器130可以考虑这些和可能的其他因素。
在框315,车辆系统105可以在预定时间请求优化数据。例如,处理器130可以在点火开关接通时间之前的预定时间量请求来自远程服务器110的优化数据。请求优化数据可以包括发送查询到远程服务器110。查询可以包括主车辆100的现在位置、下一个目的地以及关于一个或多个车辆子系统的可能信息,例如电池荷电状态、燃料液位等。请求可以经由通信电路120被发送到远程服务器110并且远程服务器110可以通过经由通信电路120将优化数据发送到处理器130来响应该请求。
在判定框320,车辆系统105可以确定是否有任何更新的优化数据可用。例如,处理器130可以周期性地查询远程服务器110以确定更新的优化数据是否可用。替代地或另外地,处理器130可以响应于车辆使用的变化(例如意外的点火开关接通、偏离特定路线、偏离计划的或最优的车速或模式、燃料或电池充电数据的变化等)确定更新的数据可从远程服务器110获得。如果更新的优化数据可用,则过程300可进行到框325。否则,过程300可以进行到框330。
在框325处,车辆系统105可以请求更新的优化数据。根据来自处理器130的指令,更新的优化数据的请求可以从通信电路120传输到远程服务器110,并且更新的优化数据可以经由通信电路120从远程服务器110传输到处理器130。处理器130可以应用更新的优化数据以例如根据新的交通数据、燃料数据、电池充电数据等更新路线。
在判定框330,车辆系统105可以确定是否重新启动过程300。当例如处理器130确定主车辆100即将进入点火开关关断循环时,过程300可以重新启动。例如,处理器130可以检测到主车辆100位于或接近下一个目的地并且对优化数据的下一个请求可能需要被调度。因此,过程300可以通过返回到框305重新开始。否则,过程300可以在框320继续使得处理器130可以确定更新的优化数据是否可用。
图4是可由车辆系统105执行以预测点火开关接通时间的示例过程400的流程图。因此,过程400可以根据上面参考图3描述的过程300的框305来启动。
在框405,车辆系统105可以识别至少一个潜在目的地。潜在目的地可以由处理器130从主车辆100已经行进的先前目的地的列表中识别。该列表可以存储在存储器125中。潜在目的地的实施例可以包括乘员家的位置、乘员的工作位置、杂货店、健身房、学校、公园或乘员频繁或周期性地到达的任何其他位置。
在框410,车辆系统105可以确定每个潜在目的地是下一目的地的可能性。可能性可以基于主车辆100的当前位置、一天中的时间、一周中的某一天等等。例如,处理器130可以从存储在存储器125中的数据确定在星期一上午6:30主车辆100当前在乘员家的位置。处理器130可以从存储在存储器125中的数据知道乘客通常在星期一早上7点出发去工作。因此,基于当前位置、一天中的时间和一周中的某一天,处理器130可以确定下一目的地最可能是乘员的工作地点。
在框415,车辆系统105可以根据每个目的地是下一个目的地的可能性对目的地排序。例如,根据存储在存储器125中的数据,处理器130可以确定乘员从工作位置出发到杂货店、健身房或家中。处理器130可以基于杂货店、健身房和家将是下一个目的地的可能性来对这些位置进行排名,成为下一个目的地的可能性是相对于存储在存储器125设备中的数据根据一天中的时间和星期几来确定。例如,如果乘客通常在星期一、星期三和星期五工作后去健身房并且典型地在星期二工作后去到杂货店,则处理器130可以在星期一下午、星期三下午和星期五下午将健身房排在比杂货店更前的位置,但可以在星期二下午将杂货店排在比健身房更前的位置。因此,考虑到环境和存储在存储器125中的数据,处理器130可以将最高排名分配给最可能是下一目的地的潜在目的地。
在框420,车辆系统105可以选择具有最高排名的潜在目的地作为最可能的下一目的地。选择可以通过处理器130根据在框415处实施的排序做出。
在框425,车辆系统105可以确定与下一目的地相关联的时间属性。时间属性可以定义主车辆100可能向下一目的地行驶的时间。例如,如果星期一上午的下一目的地是乘员的工作位置,则时间属性可以包括乘员通常在星期一早上上班的时间。处理器130可以从存储在存储器125中的数据库查询时间属性。
在框430,车辆系统105可以从时间属性预测点火开关接通时间。点火开关接通时间可以由处理器130根据时间属性预测,因为时间属性与主车辆100将向下一个目的地行驶的时间相关联。因此,处理器130可以确定点火开关接通时间将最可能发生在如时间属性所指示的大致相同的时间,不然的话在其几秒钟之前。
在框435,车辆系统105可以提示用户确认在框430处预测的点火开关接通时间。处理器130可以命令用户界面115以显示提示,并且用户界面115可以接收确认或拒绝下一个点火开关接通时间的用户输入。另一个可能的选择是用户提供指示用户不知道何时将发生下一个点火开关接通时间的用户输入。
在判定框440,车辆系统105可以确定是否已确认点火开关接通时间。例如,处理器130可以处理在框435中响应于提示而提供的用户输入以确定用户是否已经确认了点火开关接通时间。如果确认,则过程400可以结束,这可以包括继续进行参考图3上面描述的过程300的框310。如果在框430预测的点火开关接通时间没有由在框435响应于提示而提供的用户输入确认,则过程400可以进行到框445。
在框445,车辆系统105可以提示用户以要求正确的下一个点火开关接通时间。处理器130可以通过命令用户界面115显示提示来发起提示。用户界面115可以经由乘员提供的用户输入接收正确的下一点火开关接通时间。过程400可以在框445之后结束。再次,结束过程400可以包括继续进行参考图3上面讨论的过程300的框。
图5A和5B示出了将特定位置与各种时间相关联的示例图表500A和500B以及主车辆100将在特定时间处于那些位置其中之一的可能性。此外,许多车辆乘客具有相对一致的日程安排。但是,日程安排可能不是每天都相同。例如,乘客可以在一周期间遵循相同的日程安排,但是在周末有不同的日程安排。因此,图表500A和500B表示特定车辆乘客可分别在工作日和周末遵循的不同模式。图表500A和500B呈现出为了清楚起见而简化的示例数据。车辆系统105可以考虑更多的潜在目的地以及更多的可能性。此外,可以根据除了“工作日”和“周末”之外的不同模式来分离数据。
图5A的图表500A可以表示特定车辆乘员工作日的24小时时段。沿着y轴示出了潜在目的地505A,并且沿着x轴示出了时间510A。条形表示主车辆100在任何特定时间处于任何特定目的地的可能性。
在图表500A的简化示例中,主车辆100通常在乘员的家中直到大约上午7:30。因此,条表示直到该时间之前主车辆100将处于乘员家中的可能性高。有时但不总是,乘员在上班前开车去健身房。因此,在大约上午8:30之前,主车辆100将保持在乘员家中的可能性较低。存在乘员将使用主车辆100去健身房直到约8:30的中等可能性。从健身房或家中,乘员很可能使用主车辆100行进到工作位置,直到大约下午5:30。偶尔地,乘员在午餐时间去杂货店。因此,杂货店在中午附近具有作为下一目的地的低可能性。
在下班后,在下午5:30,有中等可能性乘员将使用主车辆100去健身房或杂货店,特别是如果乘员没有在一天中早些时候去。所有者从工作位置直接回家的可能性低。然而,如示例图表500A所示,乘员有高可能性在去健身房或杂货店后使用主车辆100在下午6点左右回家。
因此,图表500A中所示的数据可以存储在存储器125中,并且由处理器130使用以预测在工作日主车辆100何时将在下一次被使用以及最可能到哪个目的地。
现在转到图5B,简化图表500B示出了主车辆100最可能在乘员家中直到上午7:30。有时,主车辆100被驾驶到健身房且然后到杂货店。因为乘员不一定在每个周末大约相同的时间(例如,在30分钟内)去那些位置,所以这些位置以混合的概率被示出。例如,存在中等可能性主车辆100将在上午7:30左右被驾驶到健身房且然后到杂货店。有时,但并不总是,乘员可能在去杂货店之前在健身房花费更长的时间。该变化由健身房和杂货店具有在一段时间内的中等可能性和在其他时间段的低可能性来表示。还如图表500B所示,为了捕获乘员在周末去工作的罕见情况,以低可能性示出乘员的工作位置。
在图5B所示的示例简化数据中,存在一些周末乘员在家中花费一天中大部分时间以及一些其他周末乘员在白天办事。例如,如图表500B所示,主车辆100在上午7:30之前和下午7:15之后在乘员家中的可能性很高。主车辆100在上午7:30至10:45期间在乘员家中的可能性很低,这可能表示乘员最可能使用主车辆100来办事或去健身房的时间段。因为乘员可能继续办事或可能不立即返回家,或者如果乘员在下午或晚上使用车辆来会见朋友,则存在主车辆100将在从上午10:45直到午夜处于乘员家位置的中等可能性。
因此,图表500B中所示的数据可以存储在存储器125中并且由处理器130使用以预测在周末主车辆100何时将在下一次被使用以及最有可能到哪个目的地。
图6A和6B示出了关联存储在存储器125中的数据的示例数据库600A和600B,处理器130可以使用该数据库来确定下一个可能的目的地和相关联的点火开关接通时间。与图表500A和500B一样,为了清楚起见,已经简化了这些数据库600A和600B中所示的数据。
如图6A所示,数据库600A可以涉及在上午6:30主车辆100当前在乘员客家中的情况下可以由处理器130使用以确定下一个可能的目的地的数据。如图所示,在工作日,下一个位置是乘员的工作位置的可能性很高并且下一个位置是健身房是中等可能性。在该实施例中,乘员在工作日的早晨的第一件事从来没有是将主车辆100从他或她的家位置行驶到杂货店。因此,杂货店是下一个目的地的可能性仅仅是“无”。从该数据,处理器130可以确定下一目的地是乘员的工作位置。虽然在该数据库600A中未示出,但是处理器130可以确定点火开关接通时间和在点火开关接通时间之前的预定时间量,用于调度与将主车辆100从乘员的家中行驶到乘员的工作位置相关联的优化数据的请求。
数据库600A还示出不同的日期可能如何影响下一目的地的可能性。例如,在工作日,如上所述,下一目的地最可能是乘客的工作位置。然而,在周末,数据库600A指示下一目的地最可能是健身房。
类似地,如图6B所示,当在下午5点主车辆100在乘员的工作位置时,数据库600B可以识别潜在目的地是下一目的地的可能性。在工作日,杂货店或健身房中度地可能是下一个目的地。处理器130可以通过相应地调度对优化数据的请求来计划这些位置中的任一个作为下一个目的地。例如,处理器130可以首先根据通常发生的任何目的地调度对优化数据的请求,并且如果主车辆100在预测的点火开关接通时间没有启动则更新日程安排。
因此,通过使用存储在存储器125中的历史数据,处理器130可以预期主车辆100的使用使得其可以接收和处理优化数据,使得当乘员开始使用主车辆100时优化数据是立即可用的。
通常,上面所讨论的计算系统和/或装置可使用任意数量的计算机操作系统,包括,但并不限于,以下这些操作系统的版本和变体:Ford应用程序、应用程序/智能装置连接中间件(AppLink/Smart Device Link middleware)、Microsoft操作系统、Microsoft操作系统、Unix操作系统(例如,加利福尼亚,红木海岸的甲骨文公司研发的操作系统)、纽约阿蒙克的国际商业机器公司研发的AIX UNIX操作系统、Linux操作系统、加利福尼亚的库比蒂诺的苹果公司的Mac OSX和iOS操作系统、加拿大滑铁卢的行动研究公司(Research In Motion)研发的黑莓OS以及谷歌公司和开放式手机联盟研发的Android操作系统,或者软件系统提供的平台的信息娱乐系统。示例的计算装置包括,但不限于,车载计算机、计算机工作站、服务器、台式机、笔记本电脑、便携式电脑、或掌上电脑、或一些其它计算系统和/或装置。
计算装置大体上包括计算机可执行指令,其中,该指令可由一个或多个计算装置——例如,那些上面所列举的——执行。计算机执行指令可由利用各种程序语言和/或技术创建的计算机程序编译或解释,包括,但不限于,JavaTM、C、C++、Visual Basic、JavaScript、Perl等单独或者组合。这些应用中的一些可以在虚拟机上编译和执行,如Java虚拟机、Dalvik虚拟机等。通常,处理器(例如,微处理器)——例如,从存储器、计算机可读介质等——接收指令,并且执行这些指令,从而执行一个或多个程序,包括这里所描述的一个或多个程序。这种指令和其它的数据利用各种计算机可读介质可被存储和传输。
计算机可读介质(也称为处理器可读介质)包括任何永久(例如,有形的)介质,其参与提供计算机(例如,通过计算机的处理器)可读的数据(例如,指令)。这种介质可采取多种形式,包括,但不限于,非易失性介质和易失性介质。非易失性介质可包括,例如,光盘或磁盘以及其它的永久存储器。易失性介质可包括,例如,动态随机存取存储器(DRAM),其典型地构成主存储器。这样的指令可被一个或多个传输介质传输,包括同轴电缆、铜线或光纤,包括含有与计算机的处理器耦接的系统总线的电线。计算机可读介质的一般形式包括,例如,软盘、软磁盘、硬盘、磁带、任何其它的磁介质,只读光盘驱动器(CD-ROM)、数字化视频光盘(DVD)、任何其它的光学介质,穿孔卡片、纸带、任何其它的具有孔式样的物理介质,RAM(随机存取存储器)、PROM(可编程只读存储器)、EPROM(可擦除可编程只读存储器)、FLASH-EEPROM(闪速电可擦除可编程只读存储器)、任何其它的存储器芯片或内存盒,或任何其它的计算机可读的介质。
数据库、数据存储库或这里所描述的其它的数据存储可包括各种类型的机制,其用于存储、访问和检索各种类型的数据,包括层次数据库、在文件系统中的一组文件、以专用格式的应用数据库、关系数据库管理系统(Relational Database Management System,RDBMS)等。这种数据存储中的每个大体上包括在使用上述中的一个的计算机操作系统的计算机装置中,并通过各种方式中的任何一个或多个可访问。文件系统可从计算机操作系统访问,并且可包括以各种格式存储的文件。RDBMS除了用于创建、存储、编辑和执行存储的程序的语言之外总体使用结构化查询语言(Structured Query Language,SQL),例如,上述的程序化SQL(PL/SQL)语言。
在一些实施例中,系统元件可实施为在一个或多个计算机装置(例如,服务器、个人电脑等)上的、存储在与其关联的计算机可读介质(例如,磁盘、存储器等)上的计算机可读的指令(例如,软件)。计算机程序产品可包含这种存储在计算机可读介质上的指令,其用于执行这里所描述的功能。
关于这里描述的程序、系统、方法、探试法等,应该理解的是,虽然这些程序的步骤等已经被描述为按照某个有序序列发生,但是可以在以与此处所述顺序不同的顺序执行所描述的步骤的情况下实施这些程序。应该进一步理解的是,某些步骤能够同时执行,能够加入其它步骤,或者能够省略这里所描述的某些步骤。也就是说,在这里的程序的说明旨在提供用于说明某些实施例的目的,不应以任何方式被解释为限制权利要求。
因此,应该理解的是,上述说明旨在说明并非限制。通过阅读上述说明,除了提供的实例以外的许多实施例和应用将是显而易见的。保护范围应该不应参照上述说明确定,而是应当参照所附的权利要求连同这些权利要求所享有的全部等同范围而确定。可以预期和想到的是未来的发展将出现在这里所述的技术中,并且该公开的系统和方法将结合入这些未来的实施例中。总之,应该理解的是,该应用可被修改和变化。
在权利要求中所使用的全部术语,旨在被给予如本领域技术人员所理解的它们的普遍的含义,除非在此做出与此相反的明确指示。特别地,单独的冠词的使用,例如,“一个”、“这”、“所述”等应该被理解为描述一个或多个指示的元件,除非权利要求描述了与此相反的明确限制。
提供摘要以允许读者快速地确定技术公开的性质。应该理解的是,它并不是用于解释或限制权利要求的范围或意义。此外,在前述的具体实施方式中,可以看出,各种功能集合在各个实施例中用于简化公开的目的。这种公开方法不应理解为表达要求保护的实施例所需要比在每个权利要求中清楚地列举的特征更多特征的意图。恰恰相反,如下面的权利要求的反映的,本发明主题在于比单个公开的实施例中的所有功能少。因此,下面的权利要求在此合并到具体实施方式中,每个权利要求依靠其自身作为单独要求保护的主题。
Claims (20)
1.一种车辆系统,包含:
处理器,所述处理器具有存储器,其中所述处理器被编程为:
基于车辆的下一目的地预测车辆点火开关接通时间;以及
在所述点火开关接通时间之前的预定时间量从远程服务器请求优化数据。
2.根据权利要求1所述的车辆系统,其中所述处理器被编程为通过以下方式预测所述车辆的所述点火开关接通时间:
识别多个潜在目的地;
确定所述多个潜在目的地中的每一个是所述下一目的地的可能性;
根据作为所述下一目的地的所述可能性对所述多个潜在目的地进行排名,包括向最可能是所述下一目的地的所述多个潜在目的地中的其中一个分配最高排名;以及
基于与具有所述最高排名的所述潜在目的地相关联的时间属性来选择所述车辆的所述点火开关接通时间。
3.根据权利要求2所述的车辆系统,其中所述处理器被编程为向数据库查询与具有所述最高排名的所述潜在目的地相关联的所述时间属性。
4.根据权利要求3所述的车辆系统,其中所述时间属性包括所述车辆被预测为向具有所述最高排名的所述潜在目的地行驶的时间。
5.根据权利要求3所述的车辆系统,其中所述处理器被编程为根据与具有所述最高排名的所述潜在目的地相关联的所述时间属性来调度对所述优化数据的所述请求。
6.根据权利要求1所述的车辆系统,其中所述处理器被编程为请求对所述车辆的所述点火开关接通时间的确认。
7.根据权利要求1所述的车辆系统,其中所述处理器被编程为请求对所述下一目的地的确认。
8.根据权利要求1所述的车辆系统,其中所述处理器被编程为从所述远程服务器周期性地请求更新的所述优化数据。
9.根据权利要求1所述的车辆系统,其中在所述车辆的所述点火开关接通时间之前的所述预定时间量是至少部分地基于与接收从所述远程服务器请求的所述优化数据相关联的时间量。
10.根据权利要求1所述的车辆系统,其中所述车辆的所述点火开关接通时间之前的所述预定时间量是至少部分地基于与处理从所述远程服务器请求的所述优化数据相关联的时间量。
11.一种车辆系统,包含:
通信电路,所述通信电路被编程为与远程服务器无线通信;以及
处理器,所述处理器具有存储器,其中所述处理器被编程为:
基于车辆的下一目的地预测车辆点火开关接通时间,以及
在所述点火开关接通时间之前的预定时间量请求来自所述远程服务器的优化数据;
其中所述通信电路被编程为将所述请求发送到所述远程服务器,从所述远程服务器接收所述优化数据,以及将所述优化数据发送到所述处理器。
12.根据权利要求11所述的车辆系统,其中所述处理器被编程为通过以下方式预测所述车辆的所述点火开关接通时间:
识别多个潜在目的地;
确定所述多个潜在目的地中的每一个是所述下一目的地的可能性;
根据作为所述下一目的地的可能性对所述多个潜在目的地进行排名,包括向最可能是所述下一目的地的所述多个潜在目的地中的其中一个分配最高排名;以及
基于与具有所述最高排名的所述潜在目的地相关联的时间属性来选择所述车辆的所述点火开关接通时间。
13.根据权利要求12所述的车辆系统,其中所述处理器被编程为向数据库查询与具有所述最高排名的所述潜在目的地相关联的所述时间属性。
14.根据权利要求13所述的车辆系统,其中所述时间属性包括所述车辆被预测为向具有所述最高排名的所述潜在目的地行驶的时间。
15.根据权利要求13所述的车辆系统,其中所述处理器被编程为根据与具有所述最高排名的所述潜在目的地相关联的所述时间属性来调度对所述优化数据的所述请求。
16.根据权利要求11所述的车辆系统,其中所述处理器被编程为请求对所述车辆的所述点火开关接通时间的确认。
17.根据权利要求11所述的车辆系统,还包含用户界面并且其中所述处理器被编程为经由所述用户界面请求对所述下一目的地的确认。
18.根据权利要求11所述的车辆系统,其中所述处理器被编程为从所述远程服务器周期性地请求更新的所述优化数据并且其中所述通信电路被编程为向所述远程服务器发送对所述更新的优化数据的请求。
19.根据权利要求11所述的车辆系统,其中所述车辆的所述点火开关接通时间之前的所述预定时间量是至少部分地基于与接收从所述远程服务器请求的所述优化数据相关联的时间量。
20.根据权利要求11所述的车辆系统,其中在所述车辆的所述点火开关接通时间之前的所述预定时间量是至少部分地基于与处理从所述远程服务器请求的所述优化数据相关联的时间量。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/044,206 US10094674B2 (en) | 2016-02-16 | 2016-02-16 | Predictive vehicle task scheduling |
US15/044,206 | 2016-02-16 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107085748A true CN107085748A (zh) | 2017-08-22 |
CN107085748B CN107085748B (zh) | 2022-04-19 |
Family
ID=58462026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710072324.XA Active CN107085748B (zh) | 2016-02-16 | 2017-02-09 | 预测性车辆任务调度 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10094674B2 (zh) |
CN (1) | CN107085748B (zh) |
DE (1) | DE102017102936A1 (zh) |
GB (1) | GB2548702A (zh) |
MX (1) | MX2017002069A (zh) |
RU (1) | RU2017104315A (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017145171A2 (en) * | 2016-02-28 | 2017-08-31 | Optibus Ltd | Dynamic autonomous scheduling system and apparatus |
US11176500B2 (en) | 2016-08-16 | 2021-11-16 | Teleport Mobility, Inc. | Interactive real time system and real time method of use thereof in conveyance industry segments |
US11087252B2 (en) | 2016-08-16 | 2021-08-10 | Teleport Mobility, Inc. | Interactive real time system and real time method of use thereof in conveyance industry segments |
US11182709B2 (en) | 2016-08-16 | 2021-11-23 | Teleport Mobility, Inc. | Interactive real time system and real time method of use thereof in conveyance industry segments |
KR101927182B1 (ko) * | 2016-11-15 | 2018-12-10 | 현대자동차 주식회사 | 위험상황 경고 장치 및 위험상황 경고 방법이 구현된 컴퓨터로 판독 가능한 기록매체 |
US10914604B2 (en) * | 2018-09-10 | 2021-02-09 | Toyota Motor Engineering & Manufacturing North America, Inc. | Vehicle systems and methods for consistent route prediction |
US11137261B2 (en) * | 2018-11-14 | 2021-10-05 | Here Global B.V. | Method and apparatus for determining and presenting a spatial-temporal mobility pattern of a vehicle with respect to a user based on user appointments |
US11386791B2 (en) * | 2019-03-29 | 2022-07-12 | GM Cruise Holdings, LLC | Autonomous vehicle fleet management system |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070150174A1 (en) * | 2005-12-08 | 2007-06-28 | Seymour Shafer B | Predictive navigation |
US20130166096A1 (en) * | 2011-12-27 | 2013-06-27 | Toyota Motor Engineering & Manufacturing North America, Inc. | Predictive destination entry for a navigation system |
US20140047104A1 (en) * | 2012-08-13 | 2014-02-13 | Verisign, Inc. | Systems and Methods for Load Balancing Using Predictive Routing |
US8713018B2 (en) * | 2009-07-28 | 2014-04-29 | Fti Consulting, Inc. | System and method for displaying relationships between electronically stored information to provide classification suggestions via inclusion |
CN103868520A (zh) * | 2012-12-14 | 2014-06-18 | 福特全球技术公司 | 用于基于情境的行程计划的方法和设备 |
US20150169311A1 (en) * | 2013-12-18 | 2015-06-18 | International Business Machines Corporation | Automated Software Update Scheduling |
CN105138529A (zh) * | 2014-06-05 | 2015-12-09 | 福特全球技术公司 | 已连接的车辆预测性质量 |
CN105528903A (zh) * | 2014-10-15 | 2016-04-27 | 福特全球技术公司 | 使用基于相关性的驾驶信息的建议导图 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0805951B1 (de) | 1994-10-07 | 2000-01-19 | MANNESMANN Aktiengesellschaft | Zieleingabe für navigationssystem |
JP3994937B2 (ja) * | 2003-07-29 | 2007-10-24 | アイシン・エィ・ダブリュ株式会社 | 自動車用交通情報通知システム及びナビゲーションシステム |
US7831384B2 (en) | 2004-10-29 | 2010-11-09 | Aol Inc. | Determining a route to destination based on partially completed route |
US8024112B2 (en) | 2005-09-29 | 2011-09-20 | Microsoft Corporation | Methods for predicting destinations from partial trajectories employing open-and closed-world modeling methods |
KR100796339B1 (ko) * | 2006-05-13 | 2008-01-21 | 삼성전자주식회사 | 스케줄 등록 정보를 이용한 교통정보 제공 방법 및 그 장치 |
KR100810703B1 (ko) * | 2006-05-18 | 2008-03-07 | 삼성전자주식회사 | 스케줄 정보를 이용한 출발시각 알림 방법 및 그 장치 |
US9020743B2 (en) | 2012-02-20 | 2015-04-28 | Ford Global Technologies, Llc | Methods and apparatus for predicting a driver destination |
US9081651B2 (en) | 2013-03-13 | 2015-07-14 | Ford Global Technologies, Llc | Route navigation with optimal speed profile |
US20160069695A1 (en) * | 2013-04-17 | 2016-03-10 | Tom Tom Navigation B.V. | Methods and apparatus for providing travel information |
US20150134244A1 (en) | 2013-11-12 | 2015-05-14 | Mitsubishi Electric Research Laboratories, Inc. | Method for Predicting Travel Destinations Based on Historical Data |
CN104833365B (zh) * | 2014-02-12 | 2017-12-08 | 华为技术有限公司 | 一种用户目的地点的预测方法及装置 |
-
2016
- 2016-02-16 US US15/044,206 patent/US10094674B2/en active Active
-
2017
- 2017-02-09 CN CN201710072324.XA patent/CN107085748B/zh active Active
- 2017-02-10 RU RU2017104315A patent/RU2017104315A/ru not_active Application Discontinuation
- 2017-02-14 DE DE102017102936.2A patent/DE102017102936A1/de active Pending
- 2017-02-15 GB GB1702471.2A patent/GB2548702A/en not_active Withdrawn
- 2017-02-15 MX MX2017002069A patent/MX2017002069A/es unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070150174A1 (en) * | 2005-12-08 | 2007-06-28 | Seymour Shafer B | Predictive navigation |
US8713018B2 (en) * | 2009-07-28 | 2014-04-29 | Fti Consulting, Inc. | System and method for displaying relationships between electronically stored information to provide classification suggestions via inclusion |
US20130166096A1 (en) * | 2011-12-27 | 2013-06-27 | Toyota Motor Engineering & Manufacturing North America, Inc. | Predictive destination entry for a navigation system |
US20140047104A1 (en) * | 2012-08-13 | 2014-02-13 | Verisign, Inc. | Systems and Methods for Load Balancing Using Predictive Routing |
CN103868520A (zh) * | 2012-12-14 | 2014-06-18 | 福特全球技术公司 | 用于基于情境的行程计划的方法和设备 |
US20150169311A1 (en) * | 2013-12-18 | 2015-06-18 | International Business Machines Corporation | Automated Software Update Scheduling |
CN105138529A (zh) * | 2014-06-05 | 2015-12-09 | 福特全球技术公司 | 已连接的车辆预测性质量 |
CN105528903A (zh) * | 2014-10-15 | 2016-04-27 | 福特全球技术公司 | 使用基于相关性的驾驶信息的建议导图 |
Also Published As
Publication number | Publication date |
---|---|
RU2017104315A (ru) | 2018-08-13 |
CN107085748B (zh) | 2022-04-19 |
GB2548702A (en) | 2017-09-27 |
DE102017102936A1 (de) | 2017-08-17 |
US20170234687A1 (en) | 2017-08-17 |
GB201702471D0 (en) | 2017-03-29 |
US10094674B2 (en) | 2018-10-09 |
MX2017002069A (es) | 2018-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107085748A (zh) | 预测性车辆任务调度 | |
US20210248555A1 (en) | Systems for routing and controlling vehicles for freight | |
JP7064306B2 (ja) | 車両制御装置及び車両制御方法 | |
EP3358306B1 (en) | Vehicle control apparatus and vehicle control method | |
US11062415B2 (en) | Systems and methods for allocating networked vehicle resources in priority environments | |
US11386359B2 (en) | Systems and methods for managing a vehicle sharing facility | |
JP6183539B2 (ja) | 作業員管理装置、作業員管理システム及び作業員管理方法 | |
US11392861B2 (en) | Systems and methods for managing a vehicle sharing facility | |
US11222484B2 (en) | Maintenance notification system and method for controlling same, and non-transitory computer readable medium | |
US11132626B2 (en) | Systems and methods for vehicle resource management | |
EP3827388A1 (en) | Autonomous vehicle idle state task selection for improved computational resource usage | |
CN111815391A (zh) | 用于自主车辆服务的高级行程规划 | |
US20180075566A1 (en) | System and method of calculating a price for a vehicle journey | |
JP6841729B2 (ja) | 車両管理システム | |
CN111832798A (zh) | 用于预测电动车的至少一个充电站的可用性的方法 | |
US10514267B2 (en) | Vehicle operation management apparatus | |
Pouls et al. | Adaptive forecast-driven repositioning for dynamic ride-sharing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |