CN110663221A - 航空运输网络中的有效vtol资源管理 - Google Patents

航空运输网络中的有效vtol资源管理 Download PDF

Info

Publication number
CN110663221A
CN110663221A CN201880034496.0A CN201880034496A CN110663221A CN 110663221 A CN110663221 A CN 110663221A CN 201880034496 A CN201880034496 A CN 201880034496A CN 110663221 A CN110663221 A CN 110663221A
Authority
CN
China
Prior art keywords
vtol
demand
data
hub
vtol aerial
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.)
Pending
Application number
CN201880034496.0A
Other languages
English (en)
Inventor
尼基尔·戈埃尔
约恩·彼得森
约翰·巴达拉门蒂
马克·穆尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Uber Technologies Inc
Original Assignee
Uber Technologies Inc
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
Application filed by Uber Technologies Inc filed Critical Uber Technologies Inc
Publication of CN110663221A publication Critical patent/CN110663221A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G06Q50/40—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
    • H04L41/5051—Service on demand, e.g. definition and deployment of services in real time
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003—Flight plan management
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C29/00—Aircraft capable of landing or taking-off vertically, e.g. vertical take-off and landing [VTOL] aircraft
    • B64C29/02—Aircraft capable of landing or taking-off vertically, e.g. vertical take-off and landing [VTOL] aircraft having its flight directional axis vertical when grounded
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • G06Q50/47—
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003—Flight plan management
    • G08G5/0034—Assembly of a flight plan
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003—Flight plan management
    • G08G5/0039—Modification of a flight plan
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0043—Traffic management of multiple aircrafts from the ground
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/38—Flow based routing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Abstract

一种运输网络管理系统识别多个VTOL飞行器的服务目标，并且检索包括多个VTOL飞行器的位置的VTOL数据。生成对要至少部分地由VTOL飞行器之一提供的运输服务的需求的估计，并且基于估计的需求和服务目标确定多个VTOL飞行器的航线数据。将基于航线数据的航线指令发送至VTOL飞行器的至少子集。

Description

航空运输网络中的有效VTOL资源管理
相关申请的交叉引用
本申请要求于2017年4月25日提交的美国临时申请第62/489,992号的权益，其全部内容通过引用并入本文。
技术领域
所描述的主题一般涉及航空运输网络，并且具体地涉及管理包括枢纽之间的自组织航班的网络。
背景技术
城市内通常存在各种可用的运输方式。人们可以步行、骑自行车、开车、乘坐公共交通工具、使用乘车共享服务等。但是，随着人口密度和对土地的需求的增加，许多城市正日益加剧地经历交通拥堵和相关污染的问题。因此，需要以可以减少交通量而不需要使用大量土地的方式来扩展可用的运输方式。
附图说明
图1是示出根据一个实施方式的与运输网络相关联的计算环境的高级框图。
图2是示出根据一个实施方式的在图1中示出的运输网络管理系统的高级框图。
图3是示出根据一个实施方式的在图2中示出的需求估计子系统的高级框图。
图4是示出根据一个实施方式的在图2中示出的候选枢纽识别子系统的高级框图。
图5是示出根据一个实施方式在图2中示出的枢纽优化子系统的高级框图。
图6是示出根据一个实施方式的图2中示出的航线优化子系统的高级框图。
图7是示出根据一个实施方式是适于在图1的计算环境中使用的计算机的示例的高级框图。
图8是示出根据一个实施方式的用于规划和管理运输网络的方法的流程图。
图9是示出根据一个实施方式的用于确定运输网络内的航线的方法的流程图。
具体实施方式
附图和以下描述仅通过说明的方式描述了某些实施方式。本领域技术人员将从以下描述中容易地认识到，可以采用结构和方法的替选实施方式而不背离所描述的原理。现在将参考几个实施方式，所述实施方式的示例在附图中示出。注意，在可行的情况下，在附图中尽可能使用相似或类似的附图标记来指示相似或类似的功能。
概述
与地面行驶相比，城市中的空中行驶受到限制。空中行驶可能有许多要求，这使城市内的空中行驶变得困难。例如，飞行器可能需要大量的资源例如燃料和基础设施(例如跑道)，产生大量的噪声，并且需要大量的时间用于登机和降落，每一个都对在城市内或相邻城市之间实现较大量的空中行驶提出了技术挑战。然而，提供这样的空中行驶与仅基于地面的方式相比可以减少行驶时间，并且缓解与交通拥堵相关的问题。
垂直起降(VTOL)飞行器提供了将空中运输纳入城市和大都市地区的运输网络的机会。与传统飞行器相比，VTOL飞行器需要少得多的起飞和降落的空间。另外，电池技术的发展已使得电动VTOL飞行器在技术上和商业上是可行的。电动VTOL飞行器可以比使用其他动力源的飞行器更安静，这进一步提高了在可能需要考虑噪音的建筑区域使用电动VTOL飞行器的可行性。
在规划阶段，使用需求估计来识别在VTOL飞行器起飞和降落的地理区域内的枢纽的候选位置。还可以使用需求估计将候选位置缩小到最佳地满足某个预定目标(例如使VTOL覆盖范围最大化、最大程度地减少行驶时间等)的位置的选定子集。然后可以模拟VTOL飞行器和人通过运输的的流动，以深入了解所提出的航空运输网络，并进一步改进其配置以更好地满足指定的目标。
一旦构建了枢纽集，并且VTOL飞行器的机群在运作中，就可以使用需求预测和网络优化处理来协调运输服务的提供。通过优化VTOL飞行器机群的使用，相对于基于地面的运输而言可以减少总动力使用量和磨损，同时仍然为乘员节省大量时间。
在一个实施方式中，运输网络管理系统110识别多个VTOL飞行器的服务目标，并且检索包括多个VTOL飞行器的位置的VTOL数据。生成对要至少部分地由VTOL飞行器之一提供的运输服务的需求的估计，并且基于计的需求和服务目标确定多个VTOL飞行器的航线数据。将基于航线数据的航线指令发送至VTOL飞行器的至少子集。
示例系统环境
图1示出了与航空运输网络相关联的计算环境100的一个实施方式。在图1示出的实施方式中，计算环境100包括全部经由网络170连接的：运输网络管理系统110；VTOL飞行器120a、120b的集合；枢纽管理系统130a、130b的集合以及客户端设备140a、140b、140c的集合。在实体类型的多个实例被描绘并且通过相应附图标记后面的字母来区分的情况下，在本文中将仅通过参考标记来指代这样的实体，除非描绘相同类型的两个不同实体之间的区别。在其他实施方式中，计算环境100包含不同的和/或附加的元素。另外，可以以与所描述的方式不同的方式将功能分配在元素之间。例如，可以省略枢纽管理系统130，其中，在运输网络管理系统110处存储和更新关于枢纽的信息。
运输网络管理系统110辅助运输网络的规划和设计。在一个实施方式中，运输网络管理系统110估计对运输服务的需求，建议有助于满足该需求的VTOL枢纽的位置，并模拟乘员和VTOL飞行器在枢纽之间的流动以辅助网络规划。下面参照图2至图6更详细地描述运输网络管理系统110的实施方式。
一旦VTOL枢纽集在运作，则运输网络管理系统110还可以协调运输服务。运输网络管理系统110可以将请求运输服务的用户(乘员)与特定的VTOL飞行器120配对。运输网络管理系统110还可以与基于地面的运输交互以协调行驶服务。例如，运输网络管理系统110可以是现有运输服务协调器的扩展，例如乘车共享服务。
在一个实施方式中，运输网络管理系统110将涉及VTOL飞行器120的行程视为具有三个航段：(1)从乘员的初始位置到第一枢纽；(2)从VTOL中的第一枢纽到第二枢纽；(3)从第二枢纽到乘员的终点。第一段和第三段可以步行，或者由地面运输例如乘车共享服务提供。运输网络管理系统110向VTOL飞行器120提供航线信息，例如：离开当前枢纽的时间、出发后飞往哪个枢纽、沿途的航路点、在出发前或到达时花费多长时间充电以及要携带的个人的身份。运输网络管理系统110还可以引导某些VTOL飞行器120在没有乘员的情况下在枢纽之间飞行以改善机群分布(称为“调度”)。
VTOL飞行器120是在运输网络中的枢纽之间飞行的交通工具。VTOL飞行器120可以由人类飞行员(在交通工具内部或在地面上)控制，或者可以是自主的。在一个实施方式中，VTOL飞行器120是电池供电的飞行器，其使用一组螺旋桨用于水平推力和垂直推力。螺旋桨的配置使得VTOL飞行器能够垂直地(或基本垂直地)起飞和降落。为了方便起见，将参考该实施方式描述计算环境100的各种部件。然而，可以使用其他类型的飞行器，例如直升机、以不同于垂直的角度起飞的飞机等。术语“VTOL”应解释为包括这样的交通工具。
VTOL飞行器120可以包括将状态信息(例如经由网络170)传送至计算环境100的其他元素的计算机系统。状态信息可以包括：当前位置、当前电池电量、潜在的部件故障等。VTOL飞行器120的计算机系统还可以接收信息，例如航线信息和天气信息。尽管在图1中示出了两个VTOL飞行器120，但是运输网络可以包括任意数量的VTOL飞行器。
枢纽管理系统130在运输网络中的枢纽处提供功能。枢纽是VTOL飞行器120打算降落(和起飞)的位置。在运输网络中，可能存在不同类型的枢纽。例如，具有大量乘员吞吐量的中心位置的枢纽可能包括足够的基础设施，以供十六个(或更多个)VTOL飞行器120同时(或者几乎同时)起飞或降落。类似地，这样的枢纽可能包括多个充电站，以对电池供电的VTOL飞行器120进行再充电。相反，位于人口稀少的郊区的枢纽可能包括用于单个VTOL飞行器120的基础设施并且没有充电站。枢纽管理系统130可以位于枢纽处或可以远程地定位并且经由网络170连接。在后者情况下，单个枢纽管理系统130可以服务于多个枢纽。
在一个实施方式中，枢纽管理系统130监视枢纽处装备的状态并报告给运输网络管理系统110。例如，如果充电站有故障，则枢纽管理系统130可以自动报告该充电站不能为VTOL飞行器120充电，并且要求维修或更换。枢纽管理系统130还可以控制枢纽处的装备。例如，在一个实施方式中，枢纽包括可以从起飞/降落位置移动到登机/下机位置的一个或更多个发射坪。枢纽管理系统130可以控制发射坪的移动(例如，响应于从运输网络管理系统110和/或VTOL飞行器120接收的指令)。
客户端设备140是用户可以用来在运输网络内布置运输服务的计算设备。尽管在图1中示出了三个客户端设备140，但是，实际上可能存在更多个(例如数千个或数百万个)连接至网络170的客户端设备。在一个实施方式中，客户端设备140是运行应用程序以布置运输服务的移动设备(例如智能手机、平板电脑等)。用户在应用程序内提供乘坐地点和终点，并且客户端设备140向运输网络管理系统110发送对运输服务的请求。替选地，用户可以提供终点，并且基于用户的当前地点(例如根据客户端设备140的GPS数据所确定的)确定乘坐地点。
不管它们如何产生，运输网络管理系统115都可以确定如何为运输请求提供服务。在一个实施方式中，可以通过基于地面的运输和空中运输的组合来为运输请求提供服务。运输网络管理系统110向用户的客户端设备140发送关于将如何为该请求提供服务的信息(例如，用户应当乘坐什么交通工具、步行的方向(如果需要的话)等)。
网络170提供通信信道，网络计算环境100的其他元素经由该通信信道来通信。网络170可以包括使用有线通信系统和/或无线通信系统的局域网和/或广域网的任何组合。在一个实施方式中，网络170使用标准通信技术和/或标准通信协议。例如，网络170可以包括使用诸如以太网、802.11、全球微波接入互通性(WiMAX)、3G、4G、码分多址(CDMA)、数字用户线(DSL)等技术的通信链路。用于经由网络170通信的联网协议的示例包括：多协议标签交换(MPLS)、传输控制协议/互联网协议(TCP/IP)、超文本运输协议(HTTP)、简单邮件运输协议(SMTP)和文件传输协议(FTP)。可以使用例如超文本标记语言(HTML)或可扩展标记语言(XML)的任何适当的格式来表示通过网络170交换的数据。在一些实施方式中，可以使用任何适当的一种技术或更多种技术来加密网络170的全部通信链路或者一些通信链路。
运输网络规划
图2示出了运输网络管理系统110的一个实施方式。在图2示出的实施方式中，运输网络管理系统110包括需求估计子系统210、候选枢纽识别子系统220、枢纽优化子系统230和航线优化子系统240。在其他实施方式中，运输网络管理系统110包含不同的元素和/或附加的元素。另外，可以以与所描述的方式不同的方式在元素之间分配功能。例如，尽管将运输网络管理系统110描绘为连接到网络170，但是在一些实施方式中，运输网络管理系统110被用于运输网络的初始规划，并且不需要连接至其他描绘的部件。
需求估计子系统210预测地理区域中对运输服务的需求。可以将预测的需求作为输入提供给其他子系统，以辅助规划运输网络。在一个实施方式中，需求估计子系统210最初基于用于地理区域中的一种或更多种现有的基于地面的运输服务的使用数据来预测需求。输入可以是地理区域(例如城市)和时间段，并且预测的需求可以是假设的运输请求的对应集合，每个运输请求包括起点、终点和时间。在运输网络运作之后继续规划的情况下(例如，在构建第一枢纽集并且规划包括添加附加枢纽的扩展的情况下)，可以基于包括运输网络中的枢纽之间的航班的使用数据随着时间更新用于预测需求的模型，因为这样的数据变得可用。下面参照图3更详细地描述需求估计子系统的各种实施方式。
候选枢纽识别子系统220识别地理区域内的枢纽的候选位置集。在一个实施方式中，候选枢纽识别子系统220提供接口，利用该接口用户例如运输网络设计者可以手动选择枢纽的候选位置(例如通过提供地址、GPS坐标、点击地图上的位置等)。替选地或者另外地，候选枢纽识别子系统220可以基于预测的需求(例如由需求估计子系统210产生的)自动识别候选位置。下面参照图4更详细地描述候选枢纽识别子系统220的各种实施方式。
枢纽优化子系统230获取枢纽的候选位置集合，并且基于预测的需求选择枢纽实际上应当位于的位置的子集。在一个实施方式中，枢纽优化子系统230识别枢纽位置的初始组以使运输网络运作，并识别稍后要添加的一个或更多个附加组以改善网络的覆盖范围。枢纽优化子系统230还可以推荐每个枢纽的类型(例如指示停机坪的数量、充电器的数量、VTOL飞行器存储舱的数量等)。下面参照图5更详细地描述枢纽优化子系统230的各种实施方式。
可以将从枢纽优化子系统230的输出馈送至航线优化子系统240中。通过由枢纽优化子系统230识别的枢纽提供的覆盖范围提供了运输网络的吞吐量的上限。换句话说，这是在假定由VTOL飞机120为所有合格的运输请求提供服务的情况下通过将枢纽放置在所选择的位置处能够实现的最大吞吐量。然而，该上限可能不能实现，因为其没有考虑VTOL飞行器120是否能够为任何给定的运输请求提供服务。航线优化子系统240对VTOL飞行器120和乘员通过运输网络的流动进行建模，以确定如何管理VTOL飞行器的机群以实现接近最大吞吐量。下面参照图6更详细地描述航线优化子系统240的各种实施方式。
图3示出了需求估计子系统210的一个实施方式。需求估计子系统210预测地理区域内的运输服务的需求。在图3示出的实施方式中，需求估计子系统210包括：初始模型模块310、需求预测模块320、模型更新模块330和需求数据存储装置340。在其他实施方式中，需求估计子系统210包含不同的和/或附加的元素。另外，可以以与所描述的方式不同的方式在元素之间分配功能。例如，在一些实施方式中，在运输网络的规划期间使用需求估计子系统210以生成初始需求模型，并且可以省略模型更新模块330。
初始模型模块310生成用于对地理区域内的VTOL服务的需求进行预测的模型。可以使用包括对使用基于地面的运输(例如经由乘车共享服务)的在地理区域内的长距离上的运输服务的请求的历史行驶数据来构建模型，作为对VTOL需求的需求代理。可以从多个来源累积历史行驶数据。在一个实施方式中，起点与终点之间的Haversine距离在20到100英里之间的请求被认为是长距离的。如果起点或终点在预定点(例如，地理区域的中心点)的给定距离(例如120英里)内，则初始模型模块310可以将任何这样的请求视为在地理区域内。用户可以选择预定点和给定距离。替选地，用户可以定义地理围栏，并且仅考虑起点或终点(或者两者)在地理围栏内的请求。在其它实施方式中，可以使用确定哪些请求被认为在地理区域内以及用于利用VTOL飞机120进行服务的候选的其它方式。
在另一个实施方式中，初始模型模块310以基于历史行驶数据的单个估计开始，并且使用随机模型(例如两阶随机模型)生成考虑多个场景的更鲁棒的解决方案。定义了两个或更多个场景的列表，每个场景都有其发生的相应概率。在第一阶段，选择枢纽位置集(例如，如下文参照图4和5所述)。然后初始模型模块310考虑不同的场景和相应的概率来模拟为预测的需求提供服务。因此，当运输网络运作时，需求估计子系统210可以分析当前需求数据并将其与各种场景进行比较以识别可能发生的场景。然后需求估计子系统210可以基于所识别的场景来生成对未来需求的新的或更新的预测。该模型还可以被改进以更适应于结果的不良实现。例如，运输网络的一种配置选择可能使得在所有场景下由VTOL120平均为较大数量的运输请求提供服务，但是在一个低概率的场景下，由VTOL提供服务的请求的数量非常低。可能优选地选择第二种配置，在该第二种配置中，在所有场景下由VTOL120提供服务的请求的平均数量都较低，但是不存在服务水平显著低于平均水平的场景。
需求预测模块320应用模型来预测在某个时间段内对地理区域中的VTOL服务的需求。在一个实施方式中，用户选择期望预测的开始时间和结束时间。该模型的输入可以包括：地理区域的当前人口、地理区域的预期人口增长、社会经济学、企业和其他实体的位置(例如，运输请求可能是较频繁地请求往返机场、酒吧、会场、大学校园等)、以及有关该地理区域内其他运输工具的成本、可用性和时长的信息。如果运输网络已经在运作，则输入还可以包括已经接收到的该时间段内的对运输服务的请求和/或关于对运输服务的历史需求的信息。需求预测模块320可以应用机器学习技术来学习如何将当前输入(例如一天中的时间、一周中的一天、日期、天气、特殊事件、在该时间段内已经收到的运输服务请求的数量和分布、规划的停运或者对其他运输方式的限制等)映射到未来需求。
如上所述，从模型的输出是假设的运输请求的集合，所述假设的运输请求是至少部分地利用VTOL飞行器120提供服务的候选，每个假设的运输请求包括起点、终点和时间。如果与完全利用基于地面的运输为请求提供服务相比，由VTOL飞行器120提供服务将使总行驶时间减少阈值量(例如40％)，则可以认为该请求适合由VTOL飞行器120提供服务。在一个实施方式中，需求估计模块320周期性地(例如每分钟、每五分钟等)估计未来时间窗口(例如下一个小时、接下来的四个小时、第二天等)的需求。
随着新数据变得可用，模型更新模块330更新用于预测需求的模型。在一个实施方式中，一旦航空运输网络运作，则模型更新模块330将从基于地面的服务得到的历史行驶数据与从由VTOL飞行器120实际服务的请求得到的行驶数据进行组合。可以为VTOL服务数据赋予比历史数据更高的权重，以反映出它与实际的VTOL需求有关而不是与代理有关的事实。例如，运输网络管理系统110可以看到随着行驶时间越短，则长距离上的运输服务的请求增加，这是因为VTOL飞行器可用性增加了长距离行驶对乘员的吸引力。
需求数据存储装置340是被配置成存储需求数据的一个或更多个计算机可读介质。尽管将其描绘为需求估计子系统210内的单个实体，但是其可以分布在多个计算设备上。例如，需求数据存储库340可以是需求估计子系统210经由网络170远程访问的分布式数据库。在一个实施方式中，需求数据存储装置340存储用于构建初始模型的历史需求数据以及描述可用于更新模型的实际VTOL服务的数据。需求数据存储装置340还可以存储模型本身。在一些实施方式中，运输网络管理系统110为多个地理区域服务，并且需求数据存储装置340针对每个地理区域存储不同的模型。也可以存储每个模型的多个版本(例如，如果发现更新的模型不太精确，则允许需求估计子系统210回滚到较早的版本)。
图4示出了候选枢纽识别子系统220的一个实施方式。候选枢纽识别子系统220识别VTOL飞行器120可以在其处起飞和降落的枢纽的候选位置。在图4示出的实施方式中，候选枢纽识别子系统220包括：参数选择模块410、候选选择模块420、候选可视化模块430和候选枢纽存储装置440。在其他实施方式中，候选枢纽识别子系统220包含不同的元素和/或附加的元素。另外，可以以与所描述的方式不同的方式在元素之间分配功能。例如，一些实施方式可以省略候选可视化模块430和相应的功能。
参数选择模块410提供用于选择要用于识别枢纽的候选位置的参数的用户接口。在一个实施方式中，参数包括：要识别的候选位置的总数、必须被视为候选的位置(例如通过提供GPS坐标等)、不能被考虑的位置(例如，通过在被排除区域周围定义地理围栏)。替选地，可以预定一个或更多个参数。例如，可以将候选枢纽的数量限制为固定值(例如100)。
候选选择模块420基于所估计的需求(例如，由需求估计子系统210产生的)和所选择的参数来识别枢纽的候选位置的集合。在一个实施方式中，候选选择模块420将k均值聚类算法应用于由需求估计子系统210所生成的假设运输请求的起点和终点。在该算法中，k可以被设置为期望的候选位置的总数，或者小于用户已经指示必须包括的候选位置的数目的总数。候选选择模块420将每个聚类的质心识别为枢纽的候选位置。在其他实施方式中，可以基于估计的需求使用其他方法来识别候选位置。
候选可视化模块430(如果被包括)将候选位置呈现给用户。在一个实施方式中，候选可视化模块显示叠加有候选位置(例如黑圈等)的地理区域的地图。候选可视化模块430可以允许用户：添加必须被考虑的附加位置；移除由候选选择模块420生成的候选位置；以及/或者改变候选的位置。可视化还可以辅助用户修改参数并重新运行识别候选位置的过程。
候选枢纽存储装置440是被配置成存储枢纽的候选位置的一种或多种计算机可读介质。它还可以存储候选枢纽识别子系统220使用的数据例如估计的需求数据的本地副本。尽管将候选枢纽存储装置440描绘为候选枢纽标识子系统220中的单个实体，但是其可以分布在多个计算设备上。
图5示出了枢纽优化子系统230的一个实施方式。枢纽优化子系统230辅助选择枢纽的哪些候选位置来构建枢纽。在图5示出的实施方式中，枢纽优化子系统230包括：参数选择模块510、枢纽选择模块520、枢纽分类模块530、枢纽可视化模块540和枢纽存储装置550。在其他实施方式中，枢纽优化子系统230包含不同的元素和/或附加的元素。另外，可以以与所描述的方式不同的方式在元素之间分配功能。例如，一些实施方式可以省略枢纽可视化模块540和相应的功能。
类似于其在候选枢纽识别子系统220中的对应物，参数选择模块510提供了用于选择参数的用户接口，所述参数用于确定应当选择哪些候选位置来构建实际枢纽。在一个实施方式中，用户可以在两个目标之间选择：最大化其请求由枢纽覆盖的乘员的数量，或者最大化使用VTOL飞行器120节省的总时间。用户可以选择应当选择的固定数量的枢纽位置(例如，二十五个)或者该数量可以留待由优化目标确定。类似地，用户可以识别应包括的多个(或许多)不同类型的枢纽(例如，具有十六个VTOL飞行器120的容量、充电装备和维护服务的五个大型枢纽；具有四个VTOL飞行器的容量和充电装备的十个中型枢纽；以及具有一个VTOL飞行器的容量的十个小型枢纽)。参数选择模块510还可以使得用户能够识别可能具有不同目标的多个构造阶段。例如，第一阶段可以被限制为二十五个枢纽，目的是使所服务的乘员的数量最大化，第二阶段可以包括构建另外十五个枢纽，目的是使节省的时间量最大化。在其他实施方式中，可以设置不同的目标或目标的组合。
参数选择模块510还可以使得用户能够设置关于运输网络的其他参数。例如，在一个实施方式中，用户可以设置：枢纽之间的最小距离(例如，Haversine距离)、VTOL飞行器120可以不充电而行驶的最大距离、VTOL飞行器电池充电的速率、电池是否可以更换(以及所需时间)、VTOL飞行器的最大空速、起飞和降落所花费的时间、装载和卸载乘员所花费的时间、请求被视为适合由VTOL提供服务的节省时间的阈值、VTOL飞行器可以同时携载的乘员的数量，以及宵禁时间(例如，不允许VTOL飞行器飞行的夜间时段)等。这些参数中的一些或全部可能是预设的，并且用户不能更改。在一些实施方式中，运输网络可以包括多于一种类型的VTOL飞行器120，并且用户可以为每种类型提供参数。替选地，用户可以仅从列表中(例如在下拉菜单中)选择VTOL飞行器120的一种类型或更多种类型，并且参数选择模块510从数据存储装置中检索对应的信息(最大空速、无需充电的最大距离、可以携载的乘员的数量等)。
枢纽选择模块520选择候选位置的子集作为推荐位置以构造枢纽。在各种实施方式中，枢纽选择模块520(例如从需求数据存储装置340中)检索预测的需求数据，该预测的需求数据包括对运输服务的假设请求的集合。每个假设请求都包括起点和终点。枢纽选择模块520识别满足提供的所有参数并且最佳地满足所选目标的候选枢纽的子集。
在一个实施方式中，对于给定的候选枢纽的子集，枢纽选择模块520确定如何为每个请求提供服务。请求将由地面上的单航段(例如使用乘车共享服务)来提供服务，或者其中由VTOL飞行器120为中间航段提供服务的三个航段的集合来提供服务。第一航段和第三航段是基于地面的，并且可以是步行航段或通过基于地面的运输来提供服务。如果与完全利用基于地面的运输为给定请求提供服务相比，所产生的时间节省超过阈值(例如40％)，则该给定请求可以是由VTOL飞行器120提供服务的候选。可以通过将Haversine距离乘以恒定比例因子(例如1.42)以获得航段距离并且假设典型空速(例如每小时170英里)来估计VTOL提供服务的航段所花费的时间。当由VTOL飞行器120为请求提供服务时，如果第一航段和第三航段小于阈值距离(例如如果Haversine距离小于500米)，则第一航段和第三航段可以被视为步行航段的候选。
枢纽选择模块520可以将枢纽的子集的选择视为二进制优化问题。例如，将H定义为候选枢纽的集合，每个候选枢纽均被选择或不被选择，并且将R定义为由r索引的乘员集，每个乘员具有路径P(r)集。路径是包含VTOL提供服务的航段的路线。基于此，可以定义另外三个变量：
1)对于每个候选枢纽，h∈H，zh指示是选择该枢纽(zh＝1)或者还是不选择该枢纽(zh＝0)。
2)xr,p是二进制变量，如果将乘员r分配至P(r)中的路径p，则xr,p等于1，否则xr,p等于0。
3)为了考虑根据所选择的枢纽并非所有请求都可以被覆盖的事实，yr是另一个二进制变量，当乘员r未被分配到VTOL路径时，yr等于1，否则yr等于0。
将乘员r分配到路径p会带来一些时间节省τr,p。从形式上说，这是相对于采取基于地面的运输的分钟数的减少并且被测量如下：
τr，p＝T(o(r)，d(r))-[T(o(r)，hdep(p))+VTOL(hdep(p)，harr(p))+T(harr(p)，d(r))+α]其中，T(i,j)是从位置i到位置j的估计行驶时间，VTOL(i,j)是乘坐VTOL飞行器120从枢纽i到枢纽j的估计持续时间，并且α是应用于所有VTOL提供服务的路线的固定数，该固定数包括：登机时间、起飞时间、降落时间和下机时间。此外，o(r)和d(r)代表乘员r的起点和终点，hdep(p)和harr(p)代表路径p离开枢纽和到达枢纽。为了鼓励由VTOL120为尽可能多的请求提供服务，可以对于未被VTOL路线覆盖的任何请求施加处罚λ。这产生优化问题的以下表达式：
Figure BDA0002287180130000121
Figure BDA0002287180130000122
Figure BDA0002287180130000123
Figure BDA0002287180130000124
Figure BDA0002287180130000125
Figure BDA0002287180130000126
Figure BDA0002287180130000127
Figure BDA0002287180130000128
这里，约束(1)通过支持将乘员分配到具有大量时间节省的路线(第一项)并且通过处罚未由VTOL飞行器120提供服务的请求(第二项)，联合地寻求使网络中所有乘员的总时间节省最大化。约束(2)确保将所有乘员分配到VTOL路线或者留在地面上。约束(3)确保选择的枢纽数量不超过最大允许数量。约束(4)确保仅将乘员分配给离开枢纽和到达枢纽均被包括在所选子集中的路线。注意，如果对于路径p，起点枢纽(i)或终点枢纽(j)被关闭，则这迫使xr,p为0。约束(5)确保对于集合C中任何太靠近的枢纽，选择这些枢纽中的至多一个。该约束集可以由整数规划优化解析器来解析，以识别满足所施加的约束并实现所选目标的候选枢纽的子集。注意，可以通过修改针对未由VTOL飞行器提供服务的请求施加的处罚的大小(例如通过改变λ的值)来更改总时间节省与VTOL飞行器120利用率之间的平衡。在其他实施方式中，可以使用其他优化处理。
枢纽分类模块530将推荐类型分配给由枢纽选择模块520识别的子集中的枢纽。枢纽分类模块530可以基于包括作为VTOL提供服务的航段的起点或终点的枢纽的路线来定义每个所选枢纽的预期吞吐量。吞吐量可以是每小时、每天等被提供服务的请求的平均数量。替选地，吞吐量可以是在给定时段内被提供服务的请求的预期最大数量(例如，针对该枢纽在一天中最繁忙的小时中的预期的请求数量，这对于不同的枢纽可能是不同的)。
在一个实施方式中，枢纽分类模块530基于预期吞吐量向每个枢纽分配推荐类型。可以从预定设计集中选择类型，以提供一致性并减少设计和构造成本。例如，可能存在小型，中型和大型的枢纽设计，分别具有同时(或近似同时)处理一个、四个和十六个VTOL飞行器120的起飞/降落的能力。替选地，枢纽分类模块530可以分配每个枢纽应该能够在该枢纽处同时(或近似同时)起飞/降落的多个VTOL飞行器120。无论哪种情况，分类都可以考虑对未来的需求增长的预测。
枢纽分类模块530还可以指示在每个枢纽处应该有多少个VTOL充电站(包括零个)。在一个实施方式中，可用的充电设施与枢纽的类型有关。例如，大型枢纽可以具有四个充电站，中型枢纽可以具有一个充电站，而小型枢纽可以具有零个充电站。替选地或另外地，枢纽分类模块530可以考虑枢纽与充电站可用的其他枢纽之间的距离。例如，位于运输网络边缘、与其他枢纽距离较远距离的小型枢纽可能包括充电站，即使大多数小型枢纽都不包括充电站。在另一个实施方式中，由用户设置(例如经由参数选择模块510)每种类型的枢纽的数量或比例，并且枢纽分类模块530相应地选择哪种枢纽应当具有哪种类型。例如，如果用户指示应当具有五个大型枢纽，则参数选择模块510可以选择子集中具有最大吞吐量的五个枢纽作为大型枢纽，等等。
枢纽可视化模块540(如果被包括)将所选的枢纽位置呈现给用户。在一个实施方式中，枢纽可视化模块540将所选择的枢纽位置的指示符叠加在地理区域的地图上。可以通过指示器的大小、颜色、形状等的变化来指示每个枢纽的类型。例如，每个枢纽位置可以由黑色圆圈表示，该黑色圆圈的大小对应于枢纽的类型(例如较大的圆圈是较大的枢纽)。替选地，可以在指示符旁边或者响应于用户选择指示符(例如通过单击指示符)来提供枢纽的类型和/或附加信息(例如预期吞吐量)。类似地，在要在多个阶段中构建枢纽的情况下，指示符的属性可以指示每个枢纽处于哪个构造阶段(例如，第一阶段枢纽可以是红色，而第二阶段枢纽可以是蓝色，等)。枢纽可视化模块540还可提供用于改变所选枢纽位置的用户接口。例如，在一个实施方式中，用户可以添加、移除或重新放置枢纽，以及改变每个枢纽的类型和构造阶段。
枢纽存储装置550是一个或更多个计算机可读介质，所述计算机可读介质被配置成存储枢纽的位置和相应的数据(例如类型、吞吐量等)。枢纽存储装置550还可以存储候选枢纽位置和/或估计的需求数据的本地副本，以用于更有效的数据处理。尽管将枢纽存储装置550描绘为枢纽优化子系统230中的单个实体，但是枢纽存储装置550可以分布在多个计算设备上。
图6示出了航线优化子系统240的一个实施方式。航线优化子系统通过运输网络确定VTOL飞行器120和乘员的航线。在图6示出的实施方式中，航线优化子系统240包括：参数选择模块610、流建模模块620、航线可视化模块630和航线数据存储装置640。在其他实施方式中，航线优化子系统240包含不同的元素和/或附加的元素。另外，可以以与所描述的方式不同的方式在元素之间分配功能。
参数选择模块610(类似于候选枢纽识别子系统220和枢纽优化子系统230中的对应物)提供了用户接口，以用于定义在对运输网络的建模中要使用的各种参数。在一个实施方式中，可定义参数包括VTOL参数和目标。VTOL参数可以包括可用VTOL飞行器120的数量，以及在多种类型可用的情况下它们的一种或更多种类型。对于每个VTOL类型，VTOL参数可以包括：途中速度、上升时间、座位数、VTOL飞行器是否是自主的、最大飞行距离、巡航时的电池消耗率、起飞和降落时的电池消耗、电池再充电速率、在枢纽处是否可以切换电池以及切换花费的时长等。在正在针对运作的运输网络执行航线(例如实时或基本实时)的情况下，参数选择模块610可以根据来自VTOL120和/或枢纽管理系统130的可用数据确定一些参数或者全部参数。
目标可能是：(1)使运输的人数最大化；(2)最大限度地使用VTOL飞行器120(例如使用尽可能少的VTOL飞行器，同时使每次在地面上花费的时间最小化)；或者(3)使运作总成本最小化，包括：乘客移动成本(例如，路线长于可能的最低限度的每分钟处罚)、VTOL使用成本(例如，对未充分利用的VTOL航段的处罚)以及VTOL飞行器重新定位成本(到其他枢纽或者在枢纽内，例如从停机坪到存储区域)。也可以使用其他目标和VTOL参数。
流建模模块620对VTOL飞行器120和乘员通过运输网络的流动进行建模，以尝试在考虑所选目标的情况下使效率最大化。在各种实施方式中，流建模模块620将时间离散化成段(例如一分钟、五分钟等)，并且针对每段为VTOL120的机群计算最优或者基本最优的航线。流建模模块620解析所产生的多商品网络流问题(乘员和VTOL飞行器120均为模型中的商品)，以确定应如何对每个VTOL飞行器规划航线以满足所选目标。
在一个实施方式中，网络流模型定义如下：
M：VTOL飞行器集。
N：所有节点集。
P：乘客集。
H：枢纽集。
Figure BDA0002287180130000151
在时间t处、在枢纽i处组n的乘客o的数量的供应(+)或者需求(-)或者运输(0)。
Vit：在时间t处、在枢纽i处VTOL飞行器的数量的供应(+)或者需求(-)或者运输(0)。
在时间处从枢纽i行驶并在时间t处到达中心j的弧线。
In(it)：在时间t处进入枢纽i的弧线的集合。
Out(it)：在时间t处从枢纽i出去的弧线的集合。
A：所有弧线(航班弧线和地面弧线)的集合。
TA：VTOL运输弧线的集合。
Gi：第i个枢纽的地面弧线的集合。
U：由基于地面的运输所服务的请求的弧线的集合。
T：所有时间段的集合。
Figure BDA0002287180130000154
VTOL飞行器m是否沿弧线i行驶。
沿弧线i行驶的组p中乘客的数量。
Figure BDA0002287180130000162
在时间t处，VTOL飞行器m的电池电量。
Ei：VTOL飞行器沿弧线i行驶的电池消耗(如果飞行)或者充电(如果在地面上)。
VC：VTOL飞行器的载客量。
HCi：第i个枢纽的容量。
B：VTOL飞行器的最大电池电量。
Ri：通过弧线i重新定位VTOL飞行器的成本。
Ci：沿弧线i行驶的成本。
使用以上定义，可以通过以下约束来定义模型：
Figure BDA0002287180130000163
Figure BDA0002287180130000164
Figure BDA0002287180130000165
Figure BDA0002287180130000166
Figure BDA0002287180130000167
Figure BDA0002287180130000168
Figure BDA0002287180130000169
网络流模块620可以解析模型以满足指定目标，例如：
1.最大时间节省
Figure BDA0002287180130000171
2.最大VOLT利用率
Figure BDA0002287180130000172
Figure BDA0002287180130000173
3.最小化总成本(行驶成本，重新定位成本)
Figure BDA0002287180130000174
Figure BDA0002287180130000175
也可以将由网络流模块620使用的模型定义为基于路径的模型：
Figure BDA0002287180130000176
Figure BDA0002287180130000177
Figure BDA0002287180130000178
Figure BDA0002287180130000179
Figure BDA00022871801300001710
Figure BDA00022871801300001711
Figure BDA00022871801300001712
其使得下式的每列成本降低
Figure BDA00022871801300001714
因此，网络流模块620可以通过使用负权重和燃料约束找到最短路径来确定如何为通过运输网络的VTOL飞行器120规划航线。在该实施方式中，地面弧线的权重为-αijCv-γij；其他弧线的权重为-αijCv。在一个实施方式中，网络流模块620考虑经由VTOL和多个模式的地面运输中的每一个来为每个运输请求提供服务。网络流模块620可以确定很可能使用哪种运输模式(包括VTOL)来为每个请求提供服务。网络流模块620可以基于诸如以下的因素来计算通过每种运输模式为每个请求提供服务的概率：起点、终点、时间、便利性(例如，进入时间和出去时间)、人口统计等。在其他实施方式中，可以使用不同模型来优化航线。
航线可视化模块630向用户呈现对VTOL飞行器120和乘员在运输网络内的流动进行建模的结果。在一个实施方式中，将结果表示为概要统计数据集，该概要统计数据集包括：机群中的VTOL飞行器120的数量；VTOL利用率百分比(例如，VTOL航段上的已占用的可用座位的百分比)；针对由VTOL飞行器提供服务的请求所节省的平均时间(例如，如仅地面等效时间的百分比)，在建模期间由VTOL飞行器提供服务的乘员总数。在其他实施方式中，概要统计数据可以包括不同的信息或者附加的信息。
另外，航线可视化模块630可以呈现指示需求如何随枢纽并随时间变化的时间线。在一个实施方式中，如果用户选择特定时间(例如通过点击时间线上的相应点)，则航线可视化模块630例如通过在地理区域的地图上的该点处叠加空中的每个VTOL飞行器120的航班路径来呈现该时间处的运输网络的状态的可视化。此外，如果用户选择枢纽，则航线可视化模块630可以提供关于所选枢纽的信息，例如：到达的VTOL飞行器120和离开的VTOL飞行器120的数量；等待以在枢纽处登上VTOL飞行器的乘客数量；枢纽处的未占用的登机坪的数量等。类似地，如果用户选择VTOL飞行路径，则可以被示出关于相应的VTOL飞行器120和飞行路径的信息(例如特定VTOL飞行器的标识符、当前正在被服务的乘员的标识符、起点枢纽和终点枢纽、剩余的电池电量以及到达所剩余的时间)。
航线可视化模块630提供的可视化可以帮助用户获得对运输网络的更深入的了解，并且在实际基础设施的构造开始之前识别潜在的问题并改进。例如，用户能够识别出运输网络中的潜在阻塞点，以负担过重的枢纽的形式或者需求可能超过可用的VTOL飞行器120的数量的时间段的形式。可视化还可以帮助用户理解将为乘员节省多少时间以及将为多少乘员提供服务，这些又可以用来估计可以如何缓解交通拥堵。
航线数据存储装置640存储由航线优化子系统使用和/或生成的数据。在一个实施方式中，航线数据存储装置640存储由流建模模块620执行的每个模拟的结果。因此，用户可以使用不同的参数执行多个模拟，并稍后比较结果。航线数据存储装置640可以另外地或替选地存储用于对运输网络建模的数据的本地副本，例如由枢纽优化子系统230生成的枢纽位置和由需求估计子系统210生成的需求数据。
计算系统架构
图7是示出适合在计算环境100内使用的示例计算机700的高级框图。示例计算机700包括耦接至芯片组704的至少一个处理器702。芯片组704包括存储器控制器集线器720和输入/输出(I/O)控制器集线器722。存储器706和图形适配器712耦接至存储器控制器集线器720，显示器718耦接至图形适配器712。存储设备708、键盘710、定点设备714和网络适配器716耦接至I/O控制器集线器722。计算机700的其他实施方式具有不同的架构。
在图7示出的实施方式中，存储设备708是非暂态计算机可读存储介质，例如：硬盘驱动器、致密盘只读存储器(CD-ROM)、DVD或固态存储设备。存储器706保存由处理器702使用的指令和数据。定点设备714是鼠标、跟踪球、触摸屏或其他类型的定点设备，并且与键盘710(可以是屏幕键盘)结合使用以将数据输入到计算机系统700中。图形适配器712在显示器718上显示图像和其他信息。网络适配器716将计算机系统700耦接至一个或更多个计算机网络。
图1至图6的实体所使用的计算机的类型可以根据实施方式和实体所需的处理能力而变化。例如，运输服务管理系统110可以包括一起工作以提供所描述的功能的多个计算机700。此外，计算机700可能缺少上述某些组件，例如键盘710、图形适配器712和显示器718。
示例方法
图8示出了用于规划航空运输网络的方法800的一个实施方式。从执行方法800的运输网络管理系统110的角度示出了图8的步骤。然而，可以通过其他实体或组件执行一些步骤或者所有步骤。另外，一些实施方式可以并行执行步骤、以不同顺序执行步骤、或者执行不同步骤。
在图8示出的实施方式中，方法800开始于运输网络管理系统110估计810对长距离(例如20英里至120英里)运输服务的需求。所估计的需求是假设的运输请求的集合，每个运输请求都包括：起点、终点和请求时间。如前所述，假设的运输请求可以基于对使用基于地面的运输的长距离运输服务的历史请求。在一个实施方式中，将历史请求用作假设请求。在另一个实施方式中，产生具有与历史请求类似的分布的假设运输请求的集合，其中针对诸如预期的人口增长、一旦VTOL飞机120变得可用时预期的需求增加等因素施加调整。
运输网络管理系统110基于所估计的需求识别820枢纽的候选位置。如前所述，运输网络管理系统110可以对运输请求的起点和终点进行聚类(例如使用k均值聚类)，并且将每个聚类的质心识别820为候选位置。在一个实施方式中，运输网络管理系统110识别820枢纽的一百个候选位置。在另一个实施方式中，由用户配置要识别的枢纽的数量。用户还能够手动选择或调整一个或更多个候选位置。
运输网络管理系统110选择830候选位置的子集作为枢纽的位置。如前所述，运输网络管理系统110可以选择830枢纽的位置，以实现一个或更多个目标，例如最大化VTOL覆盖范围、最大化跨网络的行驶时间的减少或者最小化预定义的成本函数(例如，以平衡VTOL覆盖范围与行驶时间的减少)。在一个实施方式中，将选择830位置划分成不同的阶段以在不同的时间进行构造并且其可以服务于不同的目标。例如，最初的25个枢纽可能旨在最大化VTOL覆盖范围，而接下来的10个枢纽可能旨在最大化地节省行驶时间。枢纽和阶段的数量可以由用户预定或者配置。枢纽也可以是一个或更多个类型的(例如大型的、中型的和小型的，每个类型都有不同数量的停机坪、充电站等)。在一些实施方式中，用户还可以手动设置或调整针对一个或更多个枢纽所选的位置和/或类型。
运输网络管理系统110基于所选择的信息来计算840航线优化统计数据。在一个实施方式中，用户定义附加参数，例如VTOL飞行器120的数量和关于VTOL飞行器的信息(例如座位数量、巡航速度、起飞和降落所需的时间、电池容量等)。运输网络计划管理110确定VTOL飞行器120的最佳航线以满足假设的需求，并且计算840相应的航线信息。航线优化统计数据可以包括：由VTOL飞行器120服务的请求的百分比；相对于仅使用基于地面的运输所节省的总时间；所服务的总人数；飞行时VTOL飞行器上的空座位的平均数量等。在其他实施方式中，航线优化统计数据中可以包括不同的或附加的信息。
运输网络管理系统110向用户呈现850运输网络的可视化。在一个实施方式中，可视化包括由运输网络服务的地理区域的地图，其中，在相应的位置处将枢纽叠加为几何形状(例如圆形)。可视化还可以包括航线优化统计数据(例如在表格中)。另外地或者替选地，可视化可以包括指示需求如何随时间变化的时间线，在地图上叠加一些或全部VTOL飞行路径，提供对关于枢纽和VTOL飞行器120的附加信息的访问(例如，响应于点击可视化中的相应图形表示)等，如前所述。
图9示出了用于确定运输网络内的VTOL120机群的航线的方法900的一个实施方式。从运输网络管理系统110执行方法900的角度示出了图9的步骤。然而，可以通过其他实体或组件执行一些步骤或者所有步骤。另外，一些实施方式可以并行执行步骤、以不同顺序执行步骤、或者执行不同步骤。
图9示出了方法900的单次迭代。在主动运输网络的一个实施方式中，周期性地(例如每分钟、每五分钟等)重复方法900，以基于当前状况更新VTOL120的机群的航线数据。这也使得即使在状况突然变化的场景下也能够有效利用机群。例如，另一种运输方式的意外故障(例如，地铁系统由于事故而关闭)可能导致对可以由VTOL120提供服务的运输服务的需求激增，从而改变机群的最佳航线。因此，对方法900进行迭代可以提供以下优点，所述优点包括：增加乘员节省的时间量、减少所使用的总动力量、减少VTOL120上的磨损等。
在图9示出的实施方式中，方法900开始于参数选择模块610检索910当前VTOL数据和航线数据。VTOL数据是关于每个VTOL120的信息，并且可以包括：当前位置，VTOL在地面上还是在空中；当前电池电量；最大电池电量等。可以(例如经由无线连接)从VTOL120接收VTOL数据，或者可以基于最近的已知值(例如，当VTOL120上一次被连接以充电时由枢纽管理系统130报告的)和航线数据(例如，在空中的VTOL120可以被假定以典型的空中速度沿着指示的航线行驶以估计VTOL120的当前位置)来估计VTOL数据。航线数据是关于分配给每个VTOL120的航线的信息。航线可以包括信息诸如：终点、在途中要访问的道路点、出发时间、飞行速度、在出发前或到达后充电花费的时间量、携载的乘员数量(和身份)等。可以从数据存储装置(例如航线数据存储装置640)中检索910航线数据。
参数选择模块610还检索920当前需求数据。当前需求数据包括用户已经发送的对运输服务的请求。在一个实施方式中，当前需求数据被设置为从用户接收(例如从客户端设备140提交)的运输请求集，每个运输请求包括起点、终点和请求的时间。
参数选择模块610利用对未来需求的估计来补充930当前需求数据。参考图3，可以使用如上所述的需求估计子系统来生成未来需求的估计。可以将当前需求数据用作需求估计子系统210所使用的模型的输入。例如，如果在给定一天和给定时间处，当前需求高于通常情况，则这可以指示需求可以持续高于正常情况。在一个实施方式中，对未来需求的估计是假设的运输服务请求集，每个假设的运输服务请求包括起点、终点和给定时间段内(例如接下来的十五分钟、接下来的一小时、接下来的四个小时等)的请求时间。可以将对未来需求的估计与当前需求数据结合以生成单个运输请求集(实际的和假设/预期的二者)。因此，需求数据可以代表对该时间段内的需求的估计，该需求包括已经接收到的运输请求和对未来运输请求的预测。
航线优化子系统240基于需求数据更新940航线数据。在一个实施方式中，流建模模块620基于需求数据以及VTOL和航线数据来确定最佳航线。这可以参照图6使用上文描述的优化方法来实现。航线优化子系统240的输入可以包括经检索910的VTOL数据、需求数据、天气数据等。基于更新的航线数据，航线优化子系统240可以将航线指令发送至一些或者全部VTOL120。例如，这些指令可以引导VTOL120飞到特定的枢纽、在指定的时间为其电池充电、搭载指定的乘员、并执行其他合适的活动以优化运输网络中VTOL的使用。
其他注意事项
以上描述的某些部分从算法处理或操作方面描述了实施方式。通常由数据处理领域的技术人员使用这些算法的描述和表示以将他们工作的实质有效地传达给本领域的其他技术人员。这些操作虽然在功能上、计算上或逻辑上被描述，但是应理解为由计算机程序实现这些操作，所述计算机程序包括用于由处理器或等效电路执行的指令、微代码等。此外，在不失一般性的情况下，将功能操作的这些布置称为模块有时也被证明也是方便的。
如本文所使用的，对“一个实施方式”或“实施方式”的任何引用意味着结合该实施方式描述的特定元素、特征、结构或特性被包括在至少一个实施方式中。说明书中各处出现的短语“在一个实施方式中”不一定全部指同一个实施方式。
可以使用表述“耦接”和“连接”以及它们的派生词来描述一些实施方式。应当理解，这些术语并不旨在作为彼此的同义词。例如，可以使用术语“连接”来描述一些实施方式，以指示两个或更多个元素彼此直接物理接触或者电接触。在另一个示例中，可以使用术语“耦接”来描述一些实施方式，以指示两个或更多个元素直接物理接触或者电接触。然而，术语“耦接”还可以意指两个或更多元素彼此不直接接触但是仍然彼此协作或者交互。实施方式不限于此上下文。
如本文所使用的，术语“包括(comprises)”，“包括(comprising)”，“包括(includes)”，“包括(including)”，“具有(has)”，“具有(having)”或者其任何其他变型旨在涵盖非排他性的包括。例如，包括一系列元素的过程、方法、物品或装置不必仅限于那些元素，而是可以包括未明确列出或这样的过程、方法、物品或装置所固有的其他元素。此外，除非明确地相反指示，否则“或”是指包含性的或而不是排他性的或。例如，条件A或条件B由以下中的任一个满足：A为真(或存在)且B为假(或不存在)；A为假(或不存在)且B为真(或存在)；以及A与B两者为真(或存在)。
另外，“一(a)”或“一个(an)”的使用用于描述实施方式的元素和部件。这样做仅仅是为了方便并给出本公开内容的一般含义。该描述应被理解为包括一个或至少一个，并且单数也包括复数，除非明显地意指其他。
在阅读了本公开内容时，本领域技术人员将领会用于规划运输网络并在该网络内协调运输服务的系统和过程的另外的替选结构和功能设计。因此，尽管已经示出和描述了特定的实施方式和应用，但是应当理解，所描述的主题不限于本文公开的精确构造和部件，并且可以在所公开的方法和装置的布置、操作和细节中进行对本领域技术人员而言明显的各种修改、改变和变化。保护范围应仅由所附权利要求书限定。

Claims (20)

1.一种方法，包括：
识别多个垂直起降(VTOL)飞行器的服务目标；
检索VTOL数据，所述VTOL数据包括所述多个VTOL飞行器的位置；
生成对要至少部分地由所述VTOL飞行器之一提供的运输服务的需求的估计；
基于所述需求的估计和所述服务目标，确定所述多个VTOL飞行器的航线数据；以及
向所述VTOL飞行器的至少子集发送航线指令，所述航线指令基于所述航线数据。
2.根据权利要求1所述的方法，其中，所述服务目标是以下至少之一：使通过VTOL飞行器运输的人数最大化；使VTOL飞行器在地面上花费的总时间量最小化；或者使每个VTOL飞行器在空中时所述VTOL飞行器中的平均人数最大化。
3.根据权利要求1所述的方法，其中，所述VTOL数据还包括所述多个VTOL飞行器的当前电池电量，并且确定所述航线数据还基于当前电池电量。
4.根据权利要求3所述的方法，其中，所述航线指令包括用于使特定VTOL飞行器再充电达指定的时间量的指令。
5.根据权利要求1所述的方法，其中，生成所述需求的估计包括：
检索当前需求数据，所述当前需求数据指示未完成的已由乘员做出的对运输服务的请求；以及
利用即将在给定时间段内收到的对运输服务的请求的估计来补充所述当前需求数据。
6.根据权利要求1所述的方法，其中，所述需求的估计包括对运输服务的多个请求，每个请求识别起点和终点。
7.根据权利要求1所述的方法，其中，确定所述航线数据包括：
提供所述VTOL数据和估计的需求作为网络流模型的输入；以及
考虑识别的服务目标来解析所述网络流模型。
8.一种存储可执行计算机程序代码的非暂态计算机可读存储介质，所述可执行计算机程序代码在通过一个或更多个处理器被执行时，使所述一个或更多个处理器执行操作，所述操作包括：
识别多个垂直起降(VTOL)飞行器的服务目标；
检索VTOL数据，所述VTOL数据包括所述多个VTOL飞行器的位置；
生成对要至少部分地由所述VTOL飞行器之一提供的运输服务的需求的估计；
基于所述需求的估计和所述服务目标，确定所述多个VTOL飞行器的航线数据；以及
向所述VTOL飞行器的至少子集发送航线指令，所述航线指令基于所述航线数据。
9.根据权利要求8所述的非暂态计算机可读存储介质，其中，所述服务目标是以下至少之一：使通过VTOL飞行器运输的人数最大化；使VTOL飞行器在地面上花费的总时间量最小化；或者使每个VTOL飞行器在空中时所述VTOL飞行器中的平均人数最大化。
10.根据权利要求8所述的非暂态计算机可读存储介质，其中，所述VTOL数据还包括所述多个VTOL飞行器的当前电池电量，并且确定所述航线数据还基于当前电池电量。
11.根据权利要求10所述的非暂态计算机可读存储介质，其中，所述航线指令包括用于使特定VTOL飞行器再充电达指定的时间量的指令。
12.根据权利要求8所述的非暂态计算机可读存储介质，其中，生成所述需求的估计包括：
检索当前需求数据，所述当前需求数据指示未完成的已由乘员做出的对运输服务的请求；以及
利用即将在给定时间段内收到的对运输服务的请求的估计来补充所述当前需求数据。
13.根据权利要求8所述的非暂态计算机可读存储介质，其中，所述需求的估计包括对运输服务的多个请求，每个请求识别起点和终点。
14.根据权利要求8所述的非暂态计算机可读存储介质，其中，确定所述航线数据包括：
提供所述VTOL数据和估计的需求作为网络流模型的输入；以及
考虑识别的服务目标来解析所述网络流模型。
15.一种计算机系统，包括：
一个或更多个处理器；以及
非暂态计算机可读存储介质，其包括可执行计算机程序代码，所述计算机程序代码在被执行时使所述一个或更多个处理器执行操作，所述操作包括：
识别多个垂直起降(VTOL)飞行器的服务目标；
检索VTOL数据，所述VTOL数据包括所述多个VTOL飞行器的位置；
生成对要至少部分地由所述VTOL飞行器之一提供的运输服务的需求的估计；
基于所述需求的估计和所述服务目标，确定所述多个VTOL飞行器的航线数据；以及
向所述VTOL飞行器的至少子集发送航线指令，所述航线指令基于所述航线数据。
16.根据权利要求15所述的计算机系统，其中，所述服务目标是以下至少之一：使通过VTOL飞行器运输的人数最大化；使VTOL飞行器在地面上花费的总时间量最小化；或者使每个VTOL飞行器在空中时所述VTOL飞行器中的平均人数最大化。
17.根据权利要求15所述的计算机系统，其中，所述VTOL数据还包括所述多个VTOL飞行器的当前电池电量，并且确定所述航线数据还基于当前电池电量，所述航线指令包括用于使特定VTOL飞行器再充电达指定的时间量的指令。
18.根据权利要求15所述的计算机系统，其中，生成所述需求的估计包括：
检索当前需求数据，所述当前需求数据指示未完成的已由乘员做出的对运输服务的请求；以及
利用即将在给定时间段内收到的对运输服务的请求的估计来补充所述当前需求数据。
19.根据权利要求15所述的计算机系统，其中，所述需求的估计包括对运输服务的多个请求，每个请求识别起点和终点。
20.根据权利要求15所述的计算机系统，其中，确定所述航线数据包括：
提供所述VTOL数据和估计的需求作为网络流模型的输入；以及
考虑识别的服务目标来解析所述网络流模型。
CN201880034496.0A 2017-04-25 2018-04-25 航空运输网络中的有效vtol资源管理 Pending CN110663221A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762489992P 2017-04-25 2017-04-25
US62/489,992 2017-04-25
PCT/IB2018/052864 WO2018198038A1 (en) 2017-04-25 2018-04-25 Efficient vtol resource management in an aviation transport network

Publications (1)

Publication Number Publication Date
CN110663221A true CN110663221A (zh) 2020-01-07

Family

ID=63854688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880034496.0A Pending CN110663221A (zh) 2017-04-25 2018-04-25 航空运输网络中的有效vtol资源管理

Country Status (7)

Country Link
US (4) US11145211B2 (zh)
EP (1) EP3616157A1 (zh)
JP (1) JP7108158B2 (zh)
KR (1) KR102433739B1 (zh)
CN (1) CN110663221A (zh)
AU (1) AU2018260459B2 (zh)
WO (1) WO2018198038A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10713957B2 (en) 2017-04-25 2020-07-14 Uber Technologies, Inc. Efficient VTOL resource management in an aviation transport network
CN113128817A (zh) * 2020-01-10 2021-07-16 宝马股份公司 基于飞行器的运输控制方法和运输控制系统
US11295622B2 (en) 2018-04-24 2022-04-05 Joby Aero, Inc. Determining VTOL departure time in an aviation transport network for efficient resource management

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190114595A1 (en) * 2017-10-17 2019-04-18 Mitsubishi Electric Research Laboratories, Inc. Systems and Methods for Joint Control of Multi-Modal Transportation Networks
US11238745B2 (en) 2018-05-07 2022-02-01 Joby Aero, Inc. Dynamic aircraft routing
US10593215B2 (en) 2018-05-07 2020-03-17 Uber Technologies, Inc. Dynamic aircraft routing
JP6894418B2 (ja) * 2018-10-31 2021-06-30 トヨタ自動車株式会社 需要予測情報の表示制御方法、表示制御装置、及び表示制御プログラム
CN111242523A (zh) * 2018-11-29 2020-06-05 顺丰科技有限公司 确定航空运输路径的方法、装置、服务器及存储介质
US10837786B2 (en) * 2019-03-18 2020-11-17 Uber Technologies, Inc. Multi-modal transportation service planning and fulfillment
AU2020293099B2 (en) 2019-06-10 2021-09-16 Joby Aero, Inc. Distributed weight measurement using integrated load cells
EP4224115A1 (en) 2019-06-10 2023-08-09 Joby Aero, Inc. Time varying loudness prediction system
CN110321095B (zh) * 2019-07-23 2023-06-06 海南太美航空股份有限公司 用于显示航线信息的终端、系统及方法
US20210065113A1 (en) * 2019-08-30 2021-03-04 International Business Machines Corporation Secure, Private Market Share Augmentation with Simultaneous Operational Efficiency Improvements for Delivery Providers on a Network
JP2022019193A (ja) * 2020-07-17 2022-01-27 トヨタ自動車株式会社 モビリティサービス提供方法、モビリティサービスシステム、及び管理サーバ
JP7405040B2 (ja) 2020-08-19 2023-12-26 トヨタ自動車株式会社 モビリティサービスシステム、モビリティサービス提供方法、及び管理サーバ
JP7384124B2 (ja) 2020-08-19 2023-11-21 トヨタ自動車株式会社 電動垂直離着陸機及び情報提供方法
JP7331805B2 (ja) 2020-08-19 2023-08-23 トヨタ自動車株式会社 モビリティサービスシステム、モビリティサービス提供方法、及び管理サーバ
WO2022051504A1 (en) * 2020-09-02 2022-03-10 Joby Elevate, Inc. System and method for reducing choke points associated with switching between transportation modes of a multi-modal transportation service
US20220114506A1 (en) * 2020-10-12 2022-04-14 Joby Elevate, Inc. Systems and Methods for Optimizing Multi-Modal Transportation
US20220113147A1 (en) * 2020-10-12 2022-04-14 Joby Elevate, Inc. Systems and Methods for Mitigating Third Party Contingencies
US20220147884A1 (en) * 2020-11-10 2022-05-12 Uber Technologies, Inc. Systems and Methods for Nonconforming Service Facilitation for Multi-Modal Services
US11340308B1 (en) * 2021-04-27 2022-05-24 Beta Air, Llc System and method for state determination of a battery module configured for used in an electric vehicle
US11373543B1 (en) 2021-07-12 2022-06-28 Beta Air, Llc Systems and methods for optimization of a recharging flight plan for an electric vertical takeoff and landing aircraft
US11710413B1 (en) 2021-12-29 2023-07-25 Beta Air, Llc System for flight plan generation of an electric vertical takeoff and landing (eVTOL) aircraft and a method for its use

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104807457A (zh) * 2015-04-29 2015-07-29 广州快飞计算机科技有限公司 飞行器航线的生成方法、装置及终端设备
WO2016130711A1 (en) * 2015-02-11 2016-08-18 Aerovironment, Inc. Pod operating system for a vertical take-off and landing (vtol) unmanned aerial vehicle (uav)
US9424515B2 (en) * 2011-12-05 2016-08-23 FasterFare, LLC Predicting taxi utilization information
US20160244158A1 (en) * 2013-08-13 2016-08-25 Usa As Represented By The Administrator Of The National Aeronautics And Space Adminstration Vertical take-off and landing vehicle with increased cruise efficiency

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8543265B2 (en) 2008-10-20 2013-09-24 Honeywell International Inc. Systems and methods for unmanned aerial vehicle navigation
US9301099B2 (en) * 2009-10-29 2016-03-29 Tomtom North America, Inc. Method of analyzing points of interest with probe data
US9573684B2 (en) * 2013-10-26 2017-02-21 Amazon Technologies, Inc. Unmanned aerial vehicle delivery system
GB201322401D0 (en) * 2013-12-18 2014-02-05 Geola Technologies Ltd Modular electric VTOL aircraft
US9165471B1 (en) * 2014-03-28 2015-10-20 General Electric Company System and method for determining aircraft payloads to enhance profitability
US9334052B2 (en) * 2014-05-20 2016-05-10 Verizon Patent And Licensing Inc. Unmanned aerial vehicle flight path determination, optimization, and management
US9671790B2 (en) * 2014-05-20 2017-06-06 Verizon Patent And Licensing Inc. Scheduling of unmanned aerial vehicles for mission performance
US9643729B2 (en) * 2014-06-20 2017-05-09 Electronair Llc Energy cell regenerative system for electrically powered aircraft
US9550577B1 (en) * 2014-06-26 2017-01-24 Amazon Technologies, Inc. Electricity generation in automated aerial vehicles
CA2996844A1 (en) 2014-08-29 2016-06-16 Tzunum, Inc. Power train for a hybrid-electric aircraft
US20170197710A1 (en) 2015-09-07 2017-07-13 Tao Ma Passenger transport systems based on pilotless vertical takeoff and landing (vtol) aircraft
US10663529B1 (en) * 2015-09-25 2020-05-26 Amazon Technologies, Inc. Automatic battery charging
US20170090484A1 (en) 2015-09-29 2017-03-30 T-Mobile U.S.A., Inc. Drone-based personal delivery system
US9726508B2 (en) 2015-10-06 2017-08-08 Honda Motor Co., Ltd. Motorcycle organic gathering for route sharing
EP4001111A3 (en) * 2015-11-10 2022-08-17 Matternet, Inc. Methods and system for transportation using unmanned aerial vehicles
US20170169366A1 (en) 2015-12-14 2017-06-15 Google Inc. Systems and Methods for Adjusting Ride-Sharing Schedules and Routes
CN105427003A (zh) * 2015-12-30 2016-03-23 北京航空航天大学 一种基于出行需求分析的公交站点部署方法
SG10202006239UA (en) * 2016-01-03 2020-08-28 Yosef Mintz System and methods to apply robust predictive traffic load balancing control and robust cooperative safe driving for smart cities
US11562300B2 (en) * 2016-06-10 2023-01-24 Conduent Business Services, Llc System and method for optimal automated booking of on-demand transportation in multi-modal journeys
US10207805B2 (en) * 2017-01-06 2019-02-19 Michael Steward Evans Drone transport system
US10216190B2 (en) * 2016-09-20 2019-02-26 International Business Machines Corporation Managing autonomous vehicles needing energy replenishment
US11208207B2 (en) * 2016-10-31 2021-12-28 Textron Innovations Inc. Vertical takeoff and landing (VTOL) aircraft
US10627524B2 (en) * 2016-12-06 2020-04-21 At&T Intellectual Property I, L.P. Method and apparatus for positioning via unmanned aerial vehicles
US10384692B2 (en) * 2017-03-16 2019-08-20 Amazon Technologies, Inc. Demand-based distribution of items using intermodal carriers and unmanned aerial vehicles
US10577091B2 (en) * 2017-04-24 2020-03-03 Bcg Digital Ventures Gmbh Vertical take-off and landing aircraft
US11145211B2 (en) * 2017-04-25 2021-10-12 Joby Elevate, Inc. Efficient VTOL resource management in an aviation transport network
DE112018007300T5 (de) * 2018-04-16 2020-12-10 Ford Global Technologies, Llc Routenführung mit wahrnehmung der umgebung
EP3785217A4 (en) 2018-04-24 2021-07-07 Uber Technologies, Inc. DETERMINATION OF THE DEPARTURE TIME OF ADAV IN AN AVIATION TRANSPORTATION NETWORK FOR EFFECTIVE RESOURCE MANAGEMENT

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9424515B2 (en) * 2011-12-05 2016-08-23 FasterFare, LLC Predicting taxi utilization information
US20160244158A1 (en) * 2013-08-13 2016-08-25 Usa As Represented By The Administrator Of The National Aeronautics And Space Adminstration Vertical take-off and landing vehicle with increased cruise efficiency
WO2016130711A1 (en) * 2015-02-11 2016-08-18 Aerovironment, Inc. Pod operating system for a vertical take-off and landing (vtol) unmanned aerial vehicle (uav)
US20170021941A1 (en) * 2015-02-11 2017-01-26 Aerovironment, Inc. Pod operating system for a vertical take-off and landing (vtol) unmanned aerial vehicle (uav)
CN104807457A (zh) * 2015-04-29 2015-07-29 广州快飞计算机科技有限公司 飞行器航线的生成方法、装置及终端设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10713957B2 (en) 2017-04-25 2020-07-14 Uber Technologies, Inc. Efficient VTOL resource management in an aviation transport network
US11145211B2 (en) 2017-04-25 2021-10-12 Joby Elevate, Inc. Efficient VTOL resource management in an aviation transport network
US11295622B2 (en) 2018-04-24 2022-04-05 Joby Aero, Inc. Determining VTOL departure time in an aviation transport network for efficient resource management
US11900819B2 (en) 2018-04-24 2024-02-13 Joby Aero, Inc. Determining VTOL departure time in an aviation transport network for efficient resource management
CN113128817A (zh) * 2020-01-10 2021-07-16 宝马股份公司 基于飞行器的运输控制方法和运输控制系统

Also Published As

Publication number Publication date
JP7108158B2 (ja) 2022-07-28
US11145211B2 (en) 2021-10-12
US10713957B2 (en) 2020-07-14
US20190325755A1 (en) 2019-10-24
AU2018260459B2 (en) 2022-09-29
JP2020518070A (ja) 2020-06-18
EP3616157A4 (en) 2020-03-04
AU2018260459A1 (en) 2019-12-12
US20220036740A1 (en) 2022-02-03
US20180308366A1 (en) 2018-10-25
KR20200021924A (ko) 2020-03-02
WO2018198038A1 (en) 2018-11-01
KR102433739B1 (ko) 2022-08-25
EP3616157A1 (en) 2020-03-04
US20220122467A1 (en) 2022-04-21

Similar Documents

Publication Publication Date Title
US20220122467A1 (en) Efficient VTOL Resource Management in an Aviation Transport Network
US11900819B2 (en) Determining VTOL departure time in an aviation transport network for efficient resource management
US11699350B2 (en) Vertical take-off and landing (VTOL) aircraft noise signature mitigation
US10759537B2 (en) Safe vertical take-off and landing aircraft payload assignment
Macias et al. Optimal hub selection for rapid medical deliveries using unmanned aerial vehicles
CN111862579A (zh) 一种基于深度强化学习的出租车调度方法及系统
US20220114506A1 (en) Systems and Methods for Optimizing Multi-Modal Transportation
US20230386348A1 (en) Dynamic Vertiport Configuration
Bouhamed et al. A generic spatiotemporal scheduling for autonomous UAVs: A reinforcement learning-based approach
US20220147664A1 (en) Systems and Methods for Multi-Modal Transportation Simulation Verification
Bahabry et al. Collision-free navigation and efficient scheduling for fleet of multi-rotor drones in smart city
US20210374627A1 (en) Periodic vertiport usage and capacity data exchange
Huang et al. Control of a novel parcel delivery system consisting of a UAV and a public train
US20220147884A1 (en) Systems and Methods for Nonconforming Service Facilitation for Multi-Modal Services
Macias et al. An integrated vertiport placement model considering vehicle sizing and queuing: A case study in London
Rajendran et al. Capacitated vertiport and charging station location-allocation problem for air taxi operations with battery and fleet dispatching considerations: a case study of New York city
Jin et al. Integrated optimisation of strategic planning and service operations for urban air mobility systems
Varnousfaderani et al. Deep-Dispatch: A Deep Reinforcement Learning-Based Vehicle Dispatch Algorithm for Advanced Air Mobility
Lindner et al. The Optimal Size of a Heterogeneous Air Taxi Fleet in Advanced Air Mobility: A Traffic Demand and Flight Scheduling Approach
Rigas et al. Scheduling Aerial Vehicles in Large Scale Urban Air Mobility Schemes with Vehicle Relocation
Paul et al. Graph Learning-based Fleet Scheduling for Urban Air Mobility under Operational Constraints, Varying Demand & Uncertainties
Zhao et al. A service network design for scheduled advanced air mobility using human-driven and autonomous air metro
Yang et al. Ride-sharing with Advanced Air Mobility
Zhao et al. Viability of Piloted and Pilot-Less Air Metro: A Service Network Design for Scheduled Urban Air Mobility

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200107