CN110914779A - 自主车辆重新定位 - Google Patents
自主车辆重新定位 Download PDFInfo
- Publication number
- CN110914779A CN110914779A CN201880047506.4A CN201880047506A CN110914779A CN 110914779 A CN110914779 A CN 110914779A CN 201880047506 A CN201880047506 A CN 201880047506A CN 110914779 A CN110914779 A CN 110914779A
- Authority
- CN
- China
- Prior art keywords
- autonomous
- vehicle
- semi
- location
- platform
- 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
Links
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 75
- 238000004891 communication Methods 0.000 claims description 87
- 230000007704 transition Effects 0.000 claims description 19
- 230000036962 time dependent Effects 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 9
- 230000001413 cellular effect Effects 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 5
- 238000012358 sourcing Methods 0.000 claims description 4
- 230000001052 transient effect Effects 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 48
- 231100000817 safety factor Toxicity 0.000 description 40
- 230000005540 biological transmission Effects 0.000 description 39
- 238000007726 management method Methods 0.000 description 39
- 238000003860 storage Methods 0.000 description 39
- 238000007689 inspection Methods 0.000 description 20
- 238000004590 computer program Methods 0.000 description 18
- 238000000034 method Methods 0.000 description 18
- 238000012544 monitoring process Methods 0.000 description 18
- 230000003993 interaction Effects 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 230000032258 transport Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000037361 pathway Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000000047 product Substances 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 229920001621 AMOLED Polymers 0.000 description 4
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 4
- 238000007792 addition Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 239000003570 air Substances 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000004883 computer application Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000001294 propane Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 239000005562 Glyphosate Substances 0.000 description 1
- 240000000594 Heliconia bihai Species 0.000 description 1
- 235000015842 Hesperis Nutrition 0.000 description 1
- 235000012633 Iberis amara Nutrition 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- NUFNQYOELLVIPL-UHFFFAOYSA-N acifluorfen Chemical compound C1=C([N+]([O-])=O)C(C(=O)O)=CC(OC=2C(=CC(=CC=2)C(F)(F)F)Cl)=C1 NUFNQYOELLVIPL-UHFFFAOYSA-N 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- XDDAORKBJWWYJS-UHFFFAOYSA-N glyphosate Chemical compound OC(=O)CNCP(O)(O)=O XDDAORKBJWWYJS-UHFFFAOYSA-N 0.000 description 1
- 229940097068 glyphosate Drugs 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000005437 stratosphere Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
- G05D1/0027—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement involving a plurality of vehicles, e.g. fleet or convoy travelling
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3438—Rendez-vous, i.e. searching a destination where several users can meet, and the routes to this destination for these users; Ride sharing, i.e. searching a route such that at least two users can share a vehicle for at least part of the route
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0297—Fleet control by controlling means in a control room
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/148—Management of a network of parking areas
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Aviation & Aerospace Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Software Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Navigation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
Abstract
本文提供了一种用于在多个路径上对自主或半自主车队进行分配和导航的平台。该平台可以采用需求分配预测算法以及过渡重新定位算法来对自主或半自主车队进行分配以执行订单和任务。
Description
交叉引用
本申请要求于2017年7月20日提交的美国临时专利申请第62/534,929号的优先权,其内容通过引用整体并入本文。
背景技术
自主和半自主车辆领域是一个不断发展的创新领域。自主和半自主车辆被用于许多目的,包括仓库库存操作、家用吸尘器、医院运送、卫生、军事或国防应用。
发明内容
本文提供了一种用于在多个路径上对自主或半自主车队(fleet)进行分配和导航的平台,该平台包括:车队,包括多个自主或半自主车辆(vehicle),其中每个自主或半自主车辆包括:自主或半自主推进系统;位置传感器,配置为测量车辆的当前车辆位置;状况传感器,配置为测量当前车辆状态;以及通信设备,配置为发送当前车辆位置和当前车辆状态;服务器处理器,配置为提供服务器应用,该服务器应用包括:数据库,包括多个路径的地图,其中每个路径与路径参数相关联,该路径参数包括自主驾驶安全系数和速度系数;通信模块,从通信设备接收当前车辆位置和当前车辆状态;调度模块,至少基于当前车辆位置和当前车辆状态将多个自主或半自主车辆中的一个或多个分派给任务目的地;以及导航模块,应用路线计算算法以至少基于路径参数和当前车辆状态来确定从当前车辆位置到任务目的地的车辆任务路线,其中车辆任务路线包括多个路径中的一个路径的至少一部分,其中,通信设备进一步基于车辆任务路线来引导自主或半自主车辆的自主或半自主推进系统。
在一些实施例中,服务器应用还包括需求数据库,该需求数据库包括与地理区域相关联的历史需求数据,并且其中地理区域至少包括任务目的地。在一些实施例中,服务器应用还包括需求预测模块,该需求预测模块应用预测算法以至少基于历史需求数据来确定针对自主或半自主车辆中的每一个的预测需求时间表,其中预测需求时间表包括预测需求时间段以及地理区域中的预测需求任务位置。在一些实施例中,服务器应用还包括过渡(interim)重新定位模块,所述过渡重新定位模块至少基于预测需求任务位置、预测需求时间段、任务目的地以及当前车辆状态中的一个或多个将过渡重新定位模式分派给多个自主或半自主车辆中的每一个。在一些实施例中,过渡重新定位模式包括对应于补给站(depot)位置的补给站模式、与多个停车位位置之一相关联的停车模式、以及与距离任务目的地或预测需求任务位置的设定阈值巡游(hover)距离相关联的巡游模式。在一些实施例中,数据库还包括地理区域中的多个停车位位置。在一些实施例中,应用还包括停车分配模块,该停车分配模块基于任务目的地和预测需求任务位置中的至少一个、停车模式、以及多个停车位位置以及来确定针对多个自主或半自主车辆中的一个或多个的选定停车位位置。在一些实施例中,导航模块进一步应用路线计算算法来确定从任务目的地到下列项的车辆重新定位路线:补给站位置,该确定基于补给站模式;选定停车位位置,该确定基于停车模式;或者车辆巡游路线,该确定基于巡游模式。在一些实施例中,车辆巡游路线包括距离任务目的地或预测需求任务位置的设定阈值巡游距离内的多个路径中的一个路径的至少一部分。在一些实施例中,通信设备进一步引导自主或半自主车辆的自主或半自主推进系统在预测需求时间段内保持在补给站位置处、选定停车位位置处、或车辆巡游路线内。在一些实施例中,路线计算算法包括机器学习算法、基于规则的算法、或两者。在一些实施例中,预测算法包括机器学习算法、基于规则的算法或两者。在一些实施例中,当前车辆状态包括车辆动力水平、车辆储备(stock)、车辆硬件状态或其任何组合。在一些实施例中,速度系数和自主车辆安全参数中的至少一个包括:速度限制、平均速度、平均速度、与时间相关的平均速度、交叉路口数量、转弯数量、转弯类型、事故指示标识、停止辆指示标识、车道数量、车道数量、单向街道指示标识、蜂窝接收参数、道路坡度、最大道路坡度、平均道路坡度、平均行人密度、最大行人密度、最小行人密度、与时间相关的行人密度、平均骑行者密度、无保护转弯参数、道路平整度参数、道路可见性参数、或其任何组合。在一些实施例中,自主或半自主车辆还包括配置为测量感测数据的传感器。在一些实施例中,数据库还存储当前车辆位置、当前车辆状态和感测数据中的至少一个。在一些实施例中,路径参数至少基于感测数据。在一些实施例中,安全系数和速度系数中的至少一个基于感测数据。在一些实施例中,感测数据实现众包(crowd sourced)安全系数和速度系数确定。在一些实施例中,应用还包括路径参数预测模块,该路径参数预测模块至少基于感测的数据来预测未来路径参数。在一些实施例中,路线计算算法进一步基于所预测的道路参数确定车辆任务路线。在一些实施例中,自主或半自主车辆还包括配置为测量感测数据的传感器,并且其中该感测数据与地理区域中的多个停车位位置中的一个或多个的停车位状态相对应。在一些实施例中,停车分配模块进一步基于停车位状态来确定选定停车位位置。在一些实施例中,服务器应用还包括显示模块,该显示模块显示当前车辆位置、当前车辆状态、任务目的地、路径参数、任务路线、选定停车位位置、以及预测需求任务位置中的至少一个。
本文提供的另一方面是一种车辆车队,包括自主或半自主操作的多个自主或半自主车辆以及用于协调该车辆车队的车队管理模块,车辆管理模块协调车队中的每个自主或半自主车辆的活动和定位,车队配置为监测、收集和报告数据并且能够在非结构化开放或封闭环境中操作,车队中的每个自主或半自助车辆包括:传输系统;动力系统;导航模块,用于在非结构化开放或封闭环境中进行导航;至少一个通信模块,适用于从每个自主或半自主车辆向下列项中的至少一项发送数据:车队管理模块、用户、和/或车队中的其他自主或半自主车辆,以及从车队管理模块或用户接受指令;传感器系统,包括多个传感器,该多个传感器配置为检测自主或半自主车辆周围的环境;以及至少一个处理器,配置为管理传输系统、动力系统、导航模块、传感器系统以及至少一个通信模块,以及访问由自主或半自主车辆提供的数据,该数据与自主或半自主车辆的导航相关。
在一些实施例中,用户包括车队管理员、分包供应商、服务提供商、消费者、业务实体、政府实体、个人或第三方。在一些实施例中,由用户控制车队管理模块。在一些实施例中,非结构化开放环境是通过可通行路径可到达的非限制性地理区域,包括以下项中的一个或多个:公共道路、私人道路、自行车道、开放地域、开放公共土地、开放私人土地、人行道、湖泊、河流或溪流、开放空域;并且其中,封闭环境是通过可通行路径可到达的受限、封闭或半封闭结构,包括:商业建筑内的开放区域或房间(其中存在或不存在结构或障碍物);商业建筑内的开放区域或房间内的空域(其中存在或不存在结构或障碍物);公共或专用过道;走廊;隧道;坡道;电梯;输送机和人行道。在一些实施例中,导航系统控制车队中的每个自主或半自主车辆的传输系统在非结构化开放或封闭环境中的路线。
在一些实施例中,通信经由无线传输进行。在一些实施例中,每个自主或半自主车辆可配置为从用户接受无线传输。在一些实施例中,用户的无线传输交互经由移动应用进行,并且由电子设备发送并经由以下项中的一个或多个转发到至少一个通信模块:中央服务器、车队管理模块以及网状网络。在一些实施例中,来自每个自主或半自主车辆通信模块的车辆车队无线传输交互经由以下项被转发到用户或多个用户:中央服务器;车队管理模块;和/或网状网络。在一些实施例中,来自每个自主或半自主车辆的车辆车队无线传输交互包括以下项中的一个或多个:道路和路径状况、道路和路径信息、交通速度、交通拥塞、天气状况、停车违规、公共设施问题、路灯问题、交通灯问题、路灯和交通灯当前状态、行人密度、行人交通、动物、替代性车辆交通、区域监控、水道状况、桥梁检查、内部和外部结构检查、以及枝叶检查。
在一些实施例中,电子设备包括以下项中的一个或多个:智能电话、个人移动设备、个人数字助理(PDA)、台式机、笔记本电脑、平板电脑和可穿戴计算设备。在一些实施例中,多个传感器包括以下项中的一个或多个:静止照相机、摄像机、透视投影式传感器、麦克风、红外传感器、雷达、激光雷达、高度计和深度探测器。在一些实施例中,传感器系统还包括传输系统传感器,该传输系统传感器配置为:监测驱动机构性能、监测电力系统水平或监测传动机构性能。在一些实施例中,所述传感器还配置为通过至少一个通信模块将传感器读数远程报告给车队管理模块。在一些实施例中,每个自主或半自主车辆还包括存储或存储器设备,其中从传感器系统收集的数据被可检索地存储。在一些实施例中,每个自主或半自主车辆还包括通信端口,该通信端口用于自主或半自主车辆和外部数字处理设备之间的有线通信。
在一些实施例中,每个自主或半自主车辆还包括软件模块,该软件模块由至少一个处理器执行,以对从多个传感器收集的数据应用一个或多个算法以对以下项中的一个或多个进行访问并将其存储到存储器设备:道路和路径状况、道路和路径信息、交通速度、交通拥塞、天气状况、停车违规、公共设施问题、路灯问题、交通灯问题、路灯和交通灯当前状态、行人密度、行人交通、动物、替代性车辆交通、区域监控、水道状况、桥梁检查、内部和外部结构检查、以及枝叶检查。在一些实施例中,至少一个通信模块还配置为从用户接收命令并对其进行响应,以:选择或改变监测的目的地,选择或改变所监测的目的地的顺序,选择或改变到要监测的目的地的路线,报告自主或半自主车辆的地理定位,报告自主或半自主车辆的状况,报告自主或半自主车辆的速度,或报告到达目的地的ETA。在一些实施例中,每个自主或半自主车辆配置有从13mph到90mph的最大速度范围。
在一些实施例中,由用户直接控制所述车辆车队。在一些实施例中,车队中的多个所述自主或半自主车辆是代表第三方供应商或第三方服务提供商操作的。在一些实施例中,车队中的多个所述自主或半自主车辆还配置为至少一个子车队的一部分,该子车队包括子多个自主或半自主车辆,每个子车队配置为独立地或与车队一起操作。在一些实施例中,每个自主或半自主车辆配置有前进模式、后退模式以及停车模式。在一些实施例中,车队中的多个自主或半自主车辆配置为辅(secondary)自主或半自主车辆,该辅自主或半自主车辆具有其他车队自主或半自主车辆的一半大小,其中较小的辅自主或半自主车辆是具有与车队中的任何其他自主或半自主车辆相同的所有能力的独立车辆。在一些实施例中,辅自主或半自主车辆可配置用于存储在车队中的多个自主或半自主车辆中装备的一个或多个安全隔间中。在一些实施例中,辅自主或半自主车辆可以与自主车辆分离并被配置用于辅职责。
在一些实施例中,每个自主或半自主车辆配置有包括约0.01mph至约13.0mph速度范围的“慢行(crawl)”或“缓行(creep)”速度。在一些实施例中,辅自主或半自主车辆配置有从13.0mph到约90.0mph的最大速度范围。在一些实施例中,辅自主或半自主车辆配置有包括约0.01mph至约13.0mph之间的速度范围的“慢行”或“缓行”速度。在一些实施例中,辅自主或半自主车辆配置有传感器系统,该传感器系统包括以下项中的一个或多个:静止照相机、摄像机、激光雷达、雷达、超声传感器、麦克风、高度计以及深度探测器。在一些实施例中,辅自主或半自主车辆配置有内部计算机处理能力。在一些实施例中,辅自主车辆配置有前进模式、后退模式以及停车模式。
本文提供的另一方面是自主或半自主车辆车队,包括自主地或半自主地操作的多个自主或半自主车辆以及用于协调车辆车队的车队管理模块,车队管理模块协调车队中的每个自主或半自主车辆的活动和定位,车队配置为监测、收集和报告数据并且能够在非结构化开放或封闭环境中操作,车队中的每个自主或半自主车辆包括:传输系统、动力系统、用于在非结构开放或封闭环境中进行导航的导航模块、至少一个通信模块,可配置为:在车队的自主或半自主车辆之间以及从每个自主或半自主车辆向以下项中的至少一个发送数据:车队管理模块、用户、车队中的其他自主或半自主车辆;所发送的数据至少与自主或半自主车辆周围的环境状况相关;将来自每个自主或半自主车辆的数据存储到存储器设备;以及从车队管理模块或用户接收指令;传感器系统,包括多个传感器,该多个传感器配置为检测自主或半自主车辆周围的环境;至少一个处理器,配置为管理传输系统、动力系统、导航模块、传感器系统以及至少一个通信模块,以及访问由自主或半自主车辆提供的数据,该数据与自主或半自主车辆的导航相关;以及软件模块,该软件模块由至少一个处理器执行,以对从多个传感器收集的数据应用一个或多个算法,以对以下项中的一个或多个进行识别、记录和将其存储到存储器设备:道路和路径状况、高精度地图数据、交通速度、交通拥塞、天气状况、停车违规、公共设施问题、路灯问题、交通灯问题、路灯和交通灯当前状态、行人密度、行人交通、动物、替代性车辆交通、区域监控、水道状况、桥梁检查、内部和外部结构检查、以及枝叶检查。
本公开涉及自主或半自主车辆车队,包括多个车辆,尤其是用于在非结构化室外环境或封闭环境中运输或取回运送物的车辆。本公开还涉及车辆车队,包括自主或半自主地操作的多个自主车辆以及用于协调车辆车队的车队管理模块,每个自主车辆配置为:在非结构化开放或封闭环境中操作时监测、收集和报告数据。
本文提供了车辆车队,包括多个自主或半自主车辆以及用于协调车辆车队的车队管理模块(与中央服务器相关联)。车队管理模块协调车队中的每个自主或半自主车辆的活动、位置和定位,其中车队配置为在非结构化开放或封闭环境中操作时监测、收集和报告数据。
在一些实施例中,车辆车队替代地配置用于:销售和运送货物,包括用于运送/销售一种或多种货物的多个隔间;对调度的或即时/按需请求进行响应,和/或基于预期需求进行定位;具有温控隔间,以容纳热或冷的物品;基于去往何处以及装载什么来以预期需求运载预装载货物。
在一些实施例中,车辆车队配置为使得消费者、用户或多个用户能够通过移动(电话/平板电脑/手表/笔记本电脑)应用召唤一个或多个自主或半自主车辆,以进行指定运送或使移动市场到他们那去。在一些实施例中,消费者、用户或多个用户可以选择附加地为车辆指定地图上的确切位置(例如,通过放置指针等),以进行指定运送或提取(pickup)。
在一些实施例中,车辆车队配置为提供一个或多个服务,例如:运送服务、广告服务、陆地调查服务、巡逻服务、监测服务、交通调查服务、标牌和信号灯调查服务、以及建筑或道路基础设施调查服务。在一些实施例中,车辆车队服务包括“白色标签(White Label)”服务,其涉及“白色标签”产品或服务的运送或表示。
在一些实施例中,车辆车队中的每个自主或半自主车辆配备有至少一个处理器,该至少一个处理器能够进行用于处理的高级计算能力以及用于控制硬件的低级安全关键计算能力两者。在一些实施例中,车队中的每个自主或半自主车辆包括传输系统(例如,具有推进发动机、轮子、机翼、转子、鼓风机、火箭、螺旋桨、制动器等的驱动系统)以及动力源。
在一些实施例中,车队中的每个自主或半自主车辆包括用于在非结构化开放或封闭环境中进行导航的导航模块(例如,数字地图、GPS等)。在一些实施例中,车队中的每个自主或半自主车辆包括至少一个通信模块,该至少一个通信模块适用于从自主或半自主车辆向以下项中的至少一个发送数据:车队管理员、用户、或其他自主或半自主车辆。
在一些实施例中,车队中的每个自主或半自主车辆包括:至少一个通信模块,可配置为接收、存储数据以及将数据发送到用户或多个用户和车队中的自主或半自主车辆;在车队的自主或半自主车辆之间发送数据;在以及用户或多个用户和车队中的自主或半自主车辆之间发送数据,所发送的数据至少与环境状况和车辆车队交互相关;传感器系统,包括多个传感器,该多个传感器配置为评估自主或半自主车辆周围的环境;至少一个处理器,配置为管理传输系统、动力系统、导航模块、传感器系统以及至少一个通信模块;以及软件模块,该软件模块由至少一个处理器执行以对从多个传感器收集的数据应用一个或多个算法,以对以下项中的一个或多个进行识别、记录和将其存储到存储器设备:道路和路径状况(损坏的道路、坑洞)、施工、道路堵塞、绕行、交通流量、交通速度、交通拥塞、事故、道路用户行为、天气状况、停车违规、公共设施问题、路灯问题、交通灯问题、路灯和交通灯的当前状态、标牌问题、行人密度/交通、行人行为、动物、替代性车辆交通(例如,摩托车、轻便摩托车、自行车、轮椅、婴儿车等)、通过区域的消费者/行人流、区域监控、停车空间利用、桥梁检查、内部和外部结构检查、以及枝叶检查。
在一些实施例中,监视应用可扩展到包括检测和/或识别某些区域内的人、车辆、物体、移动物体,例如停车场中的汽车数量、进入和离开建筑物的消费者或人的数量等。
在一些实施例中,检查应用可扩展到包括业务、办公室、住宅、建筑物和结构检查。在一些实施例中,监测应用可以扩展到包括业务信息,例如:企业名称、地址、企业类型以及实时属性,实时属性包括在任何给定时间涌入企业、公园和购物中心。在一些实施例中,利用从传感器收集的数据来更新HD地图和情境地图、施工区域、道路封闭、道路工程、拥挤区域等。在一些实施例中,非结构化开放环境是通过可通行路径可到达的非限制性地理区域,包括:公共道路、私人道路、自行车道、人行道或开放空域。在一些实施例中,封闭环境是通过可通行路径可到达的受限、封闭或半封闭结构,包括:商业建筑内的开放区域或房间(其中存在或不存在结构或障碍物);商业建筑内的开放区域或房间内的空域(其中存在或不存在结构或障碍物);公共或专用过道;走廊;隧道;坡道;电梯;输送机和人行道。
在一些实施例中,导航系统控制车队中的自主或半自主车辆的传输系统在非结构化开放或封闭环境中的路线选择。在一些实施例中,向用户或多个用户、车队管理模块、车队中的自主或半自主车辆的通信、车队的自主或半自主车辆之间通信、所接收的、存储的和发送的数据在用户或多个用户和车队中的自主或半自主车辆之间的传送、以及车辆车队交互经由无线传输进行。
在一些实施例中,用户或多个用户的无线传输交互经由移动应用进行,并且由电子设备发送并经由以下项中的一个或多个转发到至少一个通信模块:中央服务器、车队管理模块、以及网状网络。
在一些实施例中,来自每个自主或半自主车辆通信模块的车辆车队无线传输交互经由以下项被转发到用户或多个用户:中央服务器、车队管理模块和/或网状网络。在一些实施例中,电子设备包括电话、个人移动设备、个人数字助理(PDA)、大型计算机、台式机、笔记本电脑、平板计算机和/或可穿戴计算设备(包括通信耳机、智能眼镜、隐形眼镜或多个隐形眼镜、数字手表、手镯、戒指、珠宝或其组合)。
在一些实施例中,多个传感器包括以下中的一个或多个:静止照相机、摄像机、透视投影式传感器、麦克风、红外传感器、超声传感器、雷达传感器、激光雷达传感器、高度计和深度探测器。
在一些实施例中,车辆车队的自主或半自主车辆还包括传输系统,该传输系统配置为:监测驱动机构性能(推进发动机),监测动力系统水平(如电池、太阳能、汽油、丙烷等)或监测传动机构性能(如变速箱、轮胎、踏板、制动器、转子、鼓风机、推进器等)。
在一些实施例中,传感器还配置为经由至少一个通信模块将传感器读数远程发送给车队管理员。在一些实施例中,传感器还配置为通过至少一个通信模块将传感器读数远程报告给用户或多个用户。在一些实施例中,至少一个通信模块还配置为从用户或多个用户接收命令并对其进行响应,以:选择或改变监测的目的地,选择或改变所监测的目的地的顺序,选择或改变到要监测的目的地的路线,报告自主或半自主车辆的地理定位,报告自主或半自主车辆的状况(例如,燃料供应、事故、组件故障),报告自主或半自主车辆的速度,或报告到达目的地的ETA。
在一些实施例中,车辆车队配置为陆地车辆。在一些实施例中,车队中的陆地车辆自主或半自主车辆配置有从13.0mph到约90.0mph的最大速度范围。
在一些实施例中,车队中的陆地车辆自主或半自主车辆配置有包括约0.01mph至约1.0mph之间的速度范围的“慢行”或“缓行速度。在一些实施例中,车队中的陆地车辆自主或半自主车辆配置有包括约0.01mph至约5.0mph之间的速度范围的“慢行”或“缓行”速度。在一些实施例中,车队中的陆地车辆自主或半自主车辆配置有包括约0.01mph至约10.0mph之间的速度范围的“慢行”或“缓行”速度。在一些实施例中,车队中的陆地车辆自主或半自主车辆配置有包括约0.01mph至约13.0mph之间的速度范围的“慢行”或“缓行”速度。在一些实施例中,车队中的陆地车辆自主或半自主车辆配置有从约0.01mph到约90.0mph的操作速度范围。
在一些实施例中,最大速度由自主或半自主车辆中存在的硬件和软件决定。在一些实施例中,最大速度允许在适合较高的速度的开放道路、自行车路径和其他环境中操作。
在一些实施例中,任何给定环境中的操作速度由车载传感器管理,这些车载传感器监测环境条件、操作环境等,以在任何给定时间确定适当的速度。
在车队的一些实施例中,多个自主或半自主车辆包括辅自主或半自主车辆,辅自主或半自主车辆可配置为能够以类似于车队中的任何其他自主或半自主车辆的方式工作的独立车辆。
在车队的一些实施例中,辅自主或半自主车辆是陆地车辆的组件,其可与陆地车辆分离并且配置用于辅职责,例如:获取土壤、水或空气样本;获取特写照片;进入小型或受限区域,该受限区域太小以致于较大的自动或半自动车辆无法进入;或将部件或包裹从街道或人行道上的自主或半自主车辆运输到门、投件箱或附近的辅位置。在一些实施例中,辅自主或半自主车辆配置用于将组件或包裹运输到建筑物的入口或建筑物的内部。
在一些实施例中,辅自主或半自主车辆是较小的基于陆地的自主或半自主车辆。在一些实施例中,辅自主或半自主车辆是无人机。在一些实施例中,自主或半自主车辆是舰艇。在一些实施例中,辅自主或半自主车辆在陆地车辆自主或半自主车辆的存储隔间中运输。在一些实施例中,辅自主或半自主车辆在陆地车辆自主或半自主车辆之上运输。在一些实施例中,辅自主或半自主车辆配置为从陆地自主或半自主车辆的存储隔间中自动提取。在一些实施例中,辅自主或半自主车辆配置为从陆地自主车辆的存储隔间中协助自动提取,其中陆地自主或半自主车辆提供坡道、平台或升降机,以协助从陆地自主或半自主车辆的隔间中提取辅自主车辆。
在一些实施例中,辅自主车辆配置有从1.0mph到约13.0mph的最大速度范围。在一些实施例中,辅自主车辆配置有从1.0mph到约90.0mph的最大速度范围。在一些实施例中,辅自主车辆配置有包括约0.01mph至1.0mph之间的速度范围的“慢行”或“缓行”速度。在一些实施例中,车队中的陆地自主或半自主车辆配置有包括约0.01mph至约5.0mph之间的速度范围的“慢行”或“缓行”速度。在一些实施例中,车队中的陆地自主或半自主车辆配置有包括约0.01mph至约10.0mph之间的速度范围的“慢行”或“缓行”速度。在一些实施例中,车队中的陆地自主或半自主车辆配置有包括约0.01mph至约13.0mph之间的速度范围的“慢行”或“缓行”速度。
在一些实施例中,车辆车队是全自主的。在一些实施例中,车辆车队是半自主的。在一些实施例中,由用户或多个用户直接控制车辆车队。在一些实施例中,车队中的多个所述自主车辆是代表第三方供应商/服务提供商操作的。在一些实施例中,车队中的自主车辆配置用于作为陆地车辆进行陆地行驶。在一些实施例中,车队中的自主车辆配置用于作为水运车辆进行水路行驶。在一些实施例中,车队中的自主车辆配置为作为陆上或水上气垫船车辆进行巡游行驶。在一些实施例中,车队中的自动驾驶车辆配置为作为空中无人机或空中气垫船车辆进行空中行驶。
在一些实施例中,车队中的多个所述自主或半自主车辆还配置为子车队的一部分,该子车队包括子多个自主或半自主车辆;每个子车队配置为独立地或与车辆车队一起操作。
附图说明
本发明的新颖特征在所附的权利要求书中具体阐述。通过参考阐述了说明性实施例的下面的详细说明,可以更好地理解本发明的特征和优点,在这些说明性实施例中利用了本发明的原理且其附图为:
图1是包括两个子车队的自主车辆车队的示例性视图;
图2是根据一些实施例的步行者旁边的示例性自主车辆的前视图;
图3是根据一些实施例的示例性自主车辆的右侧视图;
图4是根据一些实施例的步行者旁边的示例性自主车辆的左视图;
图5是根据一些实施例的示例性自主车辆的后视图;
图6是根据一些实施例的示例性车队管理控制模块的流程图;
图7是根据一些实施例的示例性自主车辆应用的流程图;
图8示出了数字处理设备的非限制性示意图;在此情况下,设备具有一个或多个CPU、存储器、通信接口和显示器;
图9示出了web/移动应用提供系统的非限制性示意图;在此情况下,系统提供基于浏览器的和/或本地移动用户界面;
图10示出了基于云的web/移动应用提供系统的非限制性示意图;在此情况下,系统包括弹性负载平衡的、自动伸缩的web服务器和应用服务器资源以及同步复制的数据库;
图11示出了用于确定多个停车位置的实时停车状态的平台的非限制性示意图;
图12示出了用于确定多个停车位置的实时停车状态的平台的另一非限制性示意图;以及
图13示出了用于确定多个停车位置的实时停车状态的平台的另一非限制性示意图。
具体实施方式
尽管政府组织、非政府组织和承包商承担着监测基础设施的状态的任务,以确保公共和私人设施的维护和安全,但鉴于道路、通道和建筑物的广阔范围,此类人工检查成本高昂且繁琐。尽管航空基础设施监测已被用于记录和维护农业和荒野条件,但这种有人操纵的系统对于大规模监测来说成本高昂,可能无法配置用于通过地面和城市基础设施进行的运输和对地面和城市基础设施进行检查。此外,这样的基础设施监测系统不兼容使用和附加当前基础设施数据库和支持列表。因此,本文提供了用于确定至少一个基础设施的非导航(non-navigational)质量的平台。
本文提供了一种自主或半自主车辆车队,包括自主地或半自主地操作的多个自主或半自主车辆以及用于协调自主或半自主车辆车队的车队管理模块,每个自主或半自主车辆配置为在非结构化开放或封闭环境中操作时监测、收集和报告数据。与有人驾驶车辆相比,自主和半自主车辆可能需要收集和处理与无人驾驶车辆相比的附加的类型和形式的导航数据,以检测和响应周围环境,并应对这些应用所特有的挑战。此外,对于无人驾驶的自主和半自主车辆,可能需要附加的类型和形式的数据,因为这种无人驾驶车辆不能依赖乘客的超控(override)或指令。因此,目前尚未满足对于系统、平台和方法为自主或半自主车辆(不论是有人驾驶的还是无人驾驶的)来收集和处理这些附加的类型和形式的数据并基于此数据来导航车辆的需求。
本文中的自主或半自主车辆车队可以包括自主或半自主地操作的多个自主或半自主车辆以及用于协调自主或半自主车辆车队的车队管理模块,车队中的每个自主或半自主车辆配置为在能够在非结构化开放或封闭系统中操作的同时监测、收集和报告数据,每个自主或半自主车辆包括传输系统、电源系统、导航模块、传感器模块、至少一个通信模块和至少一个处理器,该至少一个处理器配置为管理传输系统、动力系统、导航模块、传感器模块和至少一个通信模块。
自主车辆的车队
根据图1,本文提供了自主或半自主车辆车队100,包括多个自主或半自主车辆101。
在一些实施例中,自主或半自主车辆车队100至少包括第一子车队(包括第一车队自主或半自主车辆101a)和第二自车队(包括第二车队自主或半自主车辆101b)。每个子车队可包括1、2、3、4、5、10、15、20、50、100、200、300、400、500、700、1000、2000、3000、5000、10000或更多个自主或半自主车辆101。两个或更多个子车队可以独立地或同时地操作。
在自主或半自主车辆的子车队的操作的非限制性示例中,独立调查公司租用或租赁包括10个自主或半自主车辆101的子车队,该自主或半自主车辆101部分地或完全专用于调查公司的任务和/或服务。子车队可以包括显示调查公司的标志的多个“白色标签”车辆。
自主或半自主车辆
如图2至图5所示,示例性自主或半自主车辆101可配置用于陆地行驶。车辆101的宽度约为2至5英尺。为了稳定性,车辆101还可以表现出低质量和低重心,或者两者兼有。
在一些实施例中,车辆101配置为实现由用户或车队运营商进行人机交互和/或超控。车辆101或半自主车辆101可配置为允许由车队运营商直接控制其中的处理器、输送机或传感器。这种直接控制可以允许车辆101安全地返回基站进行维修。在一些实施例中,车辆101包括多个配置用于运输货物或设备的安全隔间102。
此外,每个自主或半自主车辆101可以包括配置为推进自主或半自主车辆101的传输系统。传输系统可包括发动机、车轮、踏面、机翼、转子、鼓风机、火箭、螺旋桨、制动器、变速器或其任何组合。传输系统还可以包括动力系统,该动力系统配置为提供和/或存储推进自主或半自主车辆101所需的能量。
根据图3,车辆101可以包括存储隔间102。在一些实施例中,存储隔间102包括1、2、3、4、5、6、7、8、10、15、20个或更多个隔间102。在一些实施例中,存储隔间102包括嵌套存储隔间,其中子存储隔间位于另一存储隔间102内。在一些实施例中,存储隔间102可配置为携带特定物品或一定范围内的物品。在一些实施例中,存储隔间102配置为容纳辅自主或半自主车辆。
此外,根据图3,车辆101可以包括传感器。传感器可以包括一个或多个静止图像照相机、摄像机、LiDAR、RADAR、超声波传感器、麦克风、高度计和深度探测器。在一些实施例中,传感器301包括传输系统传感器,该传输系统传感器配置为监视传输系统的性能和速度中的至少一个。传输系统传感器可配置为监测动力水平(如电池、太阳能、汽油、丙烷等)或监测传动机构性能(如变速箱、轮胎、踏板、制动器、转子、鼓风机、推进器等)。在一些实施例中,传感器系统配置为监测车辆101的周围环境以及收集关于非结构化开放或封闭环境的数据。此外,每个车辆101可包括用于导航和避障的内部处理器。
车辆可配置用于陆地。在一些实施例中,车辆包括汽车、货车、厢式货车、三轮车、卡车、拖车、公共汽车、有轨车辆、火车、电车、船艇、船舶、船只、渡轮、登陆艇、驳船、筏、空中无人驾驶飞机、空中气垫船、陆地气垫船、水上气垫船、飞机、航天器或其任何组合。在一些实施例中,车辆包括水上交通工具,其中传输系统包括燃气发动机、涡轮发动机、电动机、混合燃气/电力发动机、螺旋桨、喷气机或其任何组合。在一些实施例中,车辆包括巡游车辆,其中传输系统包括鼓风机、燃气发动机、涡轮发动机、电动机、混合燃气/电力发动机、螺旋桨或其任何组合。在一些实施例中,车辆包括巡游车辆,其中传输系统包括机翼、转子、鼓风机、火箭、螺旋桨、燃气发动机、涡轮发动机、电动机、混合燃气/电力发动机或其任何组合。
在一些实施例中,车辆包括陆地车辆,其最大速度为约每小时13英里(mph)至约90mph。在一些实施例中,车辆包括水上交通工具,其最大速度为约1mph至约45mph。在一些实施例中,车辆包括具有最大速度为约1mph至约60mph的陆上或水上气垫船车辆。在一些实施例中,车辆包括具有最大速度为约1mph至90mph的飞行器(例如,空中无人机或空中气垫船)。
在一些实施例中,车辆配置有前进速度模式、后退模式和停车模式。在一些实施例中,车辆具有约13mph到约100mph的速度。每辆陆地车辆还可配置为在特定速度范围内操作,以适应特定周围环境。特定周围环境可包括,例如,慢行交通、步行交通、车辆牵引、自动停车、逆向驾驶、天气条件、自行车道、市内交通、农村交通、住宅交通、本地道路交通、州公路交通和州际公路交通。每个车辆的周围环境可由车载或远程传感器和软件确定。在某些情况下,例如,如果车载导航地图和传感器提供了冲突的信息,可以采取安全措施以进一步降低速度。
在一些实施例中,车辆可以通过进入“完全停止”、“慢行”或“缓行”模式来响应一个或多个周围状况。可以针对在非常紧急的情况下进行导航、自动停车、存在其他车辆或当准备停车时启用这些模式。
在一些实施例中,“完全停止”、“慢行”或“缓行”模式中的至少一个包括约0.01mph至约13mph的速度。在一些实施例中,“完全停止”、“慢行”或“缓行”模式中的至少一个包括最小约0.01mph的速度。在一些实施例中,“完全停止”、“慢行”或“缓行”模式中的至少一个包括最大约13mph的速度。在一些实施例中,“完全停止”、“慢行”或“缓行”中的至少一个包括以下速度:约0.01mph至约0.05mph、约0.01mph至约0.1mph、约0.01mph至约0.5mph、约0.01mph至约1mph、约0.01mph至约2mph、约0.01mph至约3mph、约0.01mph至约4mph、约0.01mph至约5mph、约0.01mph至约8mph、约0.01mph至约11mph、约0.01mph至约13mph、约0.05mph至约0.1mph、约0.05mph至约0.5mph、约0.05mph至约1mph、约0.05mph至约2mph、约0.05mph至约3mph、约0.05mph至约4mph、约0.05mph至约5mph、约0.05mph至约8mph、约0.05mph至约11mph、约0.05mph至约13mph、约0.1mph至约0.5mph、约0.1mph至约1mph、约0.1mph至约2mph、约0.1mph至约3mph、约0.1mph至约4mph、约0.1mph至约5mph、约0.1mph至约8mph、约0.1mph至约11mph、约0.1mph至约13mph、约0.5mph至约1mph、约0.5mph至约2mph、约0.5mph至约3mph、约0.5mph至约4mph、约0.5mph至约5mph、约0.5mph至约8mph、约0.5mph至约11mph、约0.5mph至约13mph、约1mph至约2mph、约1mph至约3mph、约1mph至约4mph、约1mph至约5mph、约1mph至约8mph、约1mph至约11mph、约1mph至约13mph、约2mph至约3mph、约2mph至约4mph、约2mph至约5mph、约2mph至约8mph、约2mph至约11mph、约2mph至约13mph、约3mph至约4mph、约3mph至约5mph、约3mph至约8mph、约3mph至约11mph、约3mph至约13mph、约4mph至约5mph、约4mph至约8mph、约4mph至约11mph、约4mph至约13mph、约5mph至约8mph、约5mph至约11mph、约5mph至约13mph、约8mph至约11mph、约8mph至约13mph、或者约11mph到13mph。在一些实施例中,“完全停止”、“慢行”或“缓行”中的至少一个包括以下速度:约0.01mph、约0.05mph、约0.1mph、约0.5mph、约1mph、约2mph、约3mph、约4mph、约5mph、约8mph、约11mph或约13mph。
在一个示例性实施例中,陆地车辆配置有包括转向和制动系统的传统四轮汽车配置。驱动可以是两轮驱动或四轮全地形牵引驱动,推进系统可以包括燃气发动机、涡轮发动机、电动机、混合燃气/电力发动机或其任何组合。自主或半自主车辆可附加地包括辅助太阳能系统,用于提供备用的应急动力或用于次要低动力子系统的动力。
在另一示例性实施例中,水上交通工具配置为监测、收集和报告公共水道、运河、水坝和湖泊中的数据。因此,水上交通工具可以监测和报告洪灾地区的状况,和/或收集水样。
替代地,在一些实施例中,当自主或半自主车辆在非结构化开放环境中操作时,大存储隔间可以容纳可自动部署的远程自主或半自主车辆。
车队管理模块
根据图6,本文提供了用于车队管理的系统,其包括车队管理模块601、中央服务器602、车辆604、消费者603、以及服务提供商605。在一些实施例中,车队管理模块601协调和分派任务,并监测车队中多个车辆604中的每一个的位置。车队管理模块601可以协调车队中的车辆604以监视和收集关于非结构化开放或封闭环境的数据,并向服务提供商605报告。如图所示,车队管理模块601可以与中央服务器602协调。中央服务器602可以位于由车队所有者所拥有或管理的中央操作设施中。服务提供商605可以包括货物或服务的第三方提供商。
在一个示例中,消费者603的订单被发送到中央服务器602,然后中央服务器602与车队管理模块601通信,车队管理模块601将订单转发给与该订单和车辆604相关联的服务提供商605。车队管理模块601可以采用最接近服务提供商605、客户603或上述两者的一个或多个车辆604或子车队车辆。然后,所分派的服务提供商通过服务提供商应用与该车辆604交互,以向该车辆604提供与该订单相关联的任何货物、地图或指令。然后,车辆604行驶到消费者603,并向消费者603、服务提供商605、中央服务器602和车队管理模块601中的至少一个报告订单的完成。
在一些实施例中,车辆604可以代表服务提供商605进行操作,其中中央服务器602和车队管理模块601中的至少一个由服务提供商605操作。在一些实施例中,车辆604由用户603直接控制。在一些实施例中,可能需要车辆604的人类交互来解决诸如机械故障、电气故障或交通事故等维护问题。
根据图7,车队管理模块701经由通信模块702指示自主或半自主车辆的处理器703。处理器703可以配置为发送指令以及从传感器系统706接收感测数据,并且可以进一步控制动力系统707、导航模块705和传输系统704中的至少一个。处理器703还可以配置为指示控制器708打开安全隔间709以释放与订单相关联的任何内容。
在一些实施例中,自主或半自主车辆的处理器703包括至少一个通信模块702,该通信模块702适于接收、存储和发送去往和来自用户和车队管理模块701的数据。在一些实施例中,数据包括时间表、请求或订单、当前位置、运送位置、服务提供商位置、路线、估计到达时间(ETA)、重新定位指令、车辆状况、车辆速度或其任何组合。
在一些实施例中,通信模块702配置为经由用户应用接收、存储和发送去往和来自用户的数据。在一些实施例中,用户应用包括计算机应用、互联网应用、平板电脑应用、电话应用或其任何组合。在一些实施例中,通信模块702配置为经由无线传输(例如4G、5G或卫星通信)接收、存储和发送数据。在一些实施例中,无线传输经由以下项来进行:中央服务器、车队管理模块、网状网络或其任何组合。在一些实施例中,用户应用配置为经由包括电话、个人移动设备、个人数字助理(PDA)、大型计算机、台式机、笔记本电脑、平板计算机和/或可穿戴计算设备(包括通信耳机、智能眼镜,或其组合)的电子设备发送和接收数据。
在一些实施例中,导航模块705控制传输系统704以调动自主或半自主车辆通过非结构化开放或封闭环境。在一些实施例中,导航模块705包括数字地图、街景照片、GPS点或其任何组合。在一些实施例中,地图由用户、消费者、服务提供商、车队运营商、在线存储库、公共数据库或其任何组合生成。在一些实施例中,仅为预期操作地理环境位置生成地图。可以通过由传感器系统706获得的数据来增强地图。导航模块705可以进一步实现由传感器系统706收集的数据,以确定自主或半自主车辆的位置和/或周围环境。在一些实施例中,地图还包括导航标记,导航标记包括车道、路标、交叉路口、坡度或其任何组合。
在一些实施例中,车队管理模块701配置为在预期已知需求的情况下,确定和预测用于在整个地理区域进行策略性地部署的自主或半自主车辆的地理需求。车队管理模块701可以通过存储与已下订单和请求的位置、数量、时间、价格、物品、物品类型、服务、服务类型、服务提供商或其任何组合相关的数据来确定和预测地理需求。此外,服务提供商可以提供独立测量的趋势,以补充或增强测量的趋势。因此,可以将车辆策略性地部署为减少运输和闲置事件以及增加销售量和效率。
操作环境
在一些实施例中,非结构化开放环境是通过可通行路径可到达的非限制性地理区域,包括:公共道路、私人道路、自行车道、开阔地、开阔公共土地、开阔私人土地、人行道、湖泊、河流或溪流。
在一些实施例中,封闭环境是通过可通行路径可到达的受限、封闭或半封闭结构,包括:商业建筑内的地面空间、商业建筑内的空域、过道、走廊、隧道、坡道、电梯、运输机或人行道。封闭环境可包括也可不包括内部结构或障碍物。
在一些实施例中,非结构化开放环境是地球大气中的非限制性空域或近太空环境,包括对流层、平流层、中间层、热大气层和外大气层。
主自主或半自主车辆和辅自主或半自主车辆
在一些实施例中,自主或半自主车辆的车队包括多个主车辆和多个辅车辆,其中一个或多个辅车辆可由主车辆运输或在主车辆内,并且其中辅车辆可与主车辆分离。
在一些实施例中,辅自主或半自主车辆包括基于陆地的自主或半自主车辆、空中无人机或船艇。在一些实施例中,辅自主或半自主车辆配置为至少是主自主或半自主车辆的大小的一半。在一些实施例中,辅车辆配置有与主自主或半自主车辆相同的行驶速度和模式。替代地,辅自主或半自主车辆可以配置有部分(如果不是全部)与主自主或半自主车辆相同的能力。
在一些实施例中,辅自主或半自主车辆配置为执行辅任务,例如:获取土壤/水/空气样本;获取特写照片;访问小的或受限的区域(例如:排水管道和小隧道);将物品从自主或半自主车辆的位置运输到门、投件箱或替代性地辅助位置;将物品运输到建筑物内部或其任何组合。
在一些实施例中,在主车辆自主车辆或半自主车辆的隔间中、顶部上或背部上运输辅自主或半自主车辆。在一些实施例中,辅自主或半自主车辆系在主自主或半自主车辆上。在一些实施例中,辅自主或半自主辆配置为从主车辆自动自取出(auto-self-extraction)。在一些实施例中,主车辆包括坡道、平台、升降机或其任何组合,以实现辅助自主或半自主车辆的自动自取出。
货物和服务
在一些实施例中,本文中的自主或半自主车辆的车队配置为接收和运送产品以及向用户提供服务。在一些实施例中,用户包括车队管理员、分包供应商、服务提供商、客户、业务实体、个人或第三方。在一些实施例中,自主或半自主车辆车队用户是城市、县、州或联邦道路管理机构。在一些实施例中,自主或半自主车辆车队用户是利用车队来调查和报告(室内或室外)大批量财产的业务实体。在一些实施例中,自主或半自主车辆车队可配置用于安全监控。
在一些实施例中,车队中的自主或半自主车辆可配置为在任何数量的不利环境中监测和报告天气和大气状况。在一些实施例中,服务包括对道路、施工现场、停车场等的例行检查。在一些实施例中,服务包括自动生成的新一代高清晰度地图信息。在一些实施例中,服务包括实时更新地图信息(车道数、车道边界位置、人行横道位置、路缘、对导航有用的一般道路信息)。在一些实施例中,服务可以包括例行地、按计划(例如每天多个间隔、每天间隔、每周间隔、每月间隔或每年间隔)更新服务。在一些实施例中,服务包括以服务合同确定的频率更新地图信息(车道数、车道边界位置、人行横道位置、路缘、对导航有用的一般道路信息)。在一些实施例中,频率约为每周一次、约每月一次、约每季度一次、约每半年一次、约每三季度一次、约每年一次、约每18个月一次、约每两年一次、约每三年一次、约每四年一次、或约每五年一次。在一些实施例中,服务包括土地/场地(地形)调查。在一些实施例中,服务包括灾区调查和评估。在一些实施例中,服务包括路况调查。在一些实施例中,服务包括交通调查。在一些实施例中,服务包括交通信号灯和标牌调查。在一些实施例中,服务包括建筑物或道路基础设施(桥梁状况)测量。在一些实施例中,服务包括广告服务。
控制器和处理器
在一些实施例中,自主或半自主车辆车队中的每个自主或半自主车辆配备有至少一个处理器,该处理器配置有用于处理的高级计算能力和用于控制硬件的低级安全关键计算能力。该至少一个处理器配置为管理传输系统、管理动力系统、管理导航模块、管理传感器系统的各个方面、处理和管理来自车队管理模块的指令、以及管理至少一个通信模块。
在一些实施例中,自主或半自主车辆车队中的每个自主或半自主车辆配备有软件模块,该软件模块由至少一个处理器执行以将一个或多个算法应用于从多个传感器收集的数据以针对以下项中的一个多个进行识别、记录和存储到存储器设备:道路和路径状况;(损坏的道路、坑洞);道路和路径信息,例如:车道数、边界位置、路缘位置、道路边缘位置、人行横道位置等;交通速度;交通拥堵;天气状况;停车违规;公用事业问题;公用设施问题;路灯问题;交通灯问题;行人密度/交通量;动物;替代性车辆交通(例如摩托车、轻便摩托车、自行车、轮椅、婴儿车);区域监视;水道状况;桥梁检查;内部和外部结构检查;各种类型的现场检查;土地调查结果;和枝叶检查。此外,从多个传感器收集的数据可以包括路灯和交通灯的当前状态,该状态还包括交通灯的颜色(以累积哪些灯是绿色的等实时数据)以及路灯何时亮的确认。
在一些实施例中,存储到存储器设备的数据是可上传的(无线地上传到车队管理员,或当自主或半自主车辆返回车队终端时经由有线或无线下载)。一旦数据被无线上传到或者通过无线或有线下载被下载到车队管理员,数据就可以被适当地处理。
在一些实施例中,存储到存储器设备的数据可上传到与车队管理员不同的本地或中央服务器(例如,自主或半自主车辆返回基地,将其数据上传到处理服务器,处理服务器处理数据,然后将得到的经处理数据直接提供给客户或企业或自主或半自主车辆车队等)。
数字处理装置
在一些实施例中,本文描述的平台、系统、介质和方法包括数字处理设备或其使用。在进一步的实施例中,数字处理设备包括执行设备功能的一个或多个硬件中央处理单元(CPU)或通用图形处理单元(GPGPU)。在更进一步的实施例中,数字处理设备还包括配置为执行可执行指令的操作系统。在一些实施例中,数字处理设备可选地连接到计算机网络。在进一步的实施例中,数字处理设备可选地连接到互联网,以便其访问万维网。在更进一步的实施例中,数字处理设备可选地连接到云计算基础设施。在其他实施例中,数字处理设备可选地连接到内联网。在其他实施例中,数字处理设备可选地连接到数据存储设备。
根据本文的描述,合适的数字处理设备包括(作为非限制性示例)服务器计算机、台式计算机、膝上型计算机、笔记本计算机、子笔记本计算机、上网本计算机、网络平板计算机、机顶盒计算机和媒体流设备、手持型计算机、互联网设备,移动智能手机、平板电脑、个人数字助理、视频游戏机和车辆。本领域技术人员将认识到,许多智能电话适合在本文描述的系统中使用。本领域技术人员还将认识到,具有可选计算机网络连接的选择电视、视频播放器和数字音乐播放器适合在本文描述的系统中使用。合适的平板电脑包括本领域技术人员已知的具有手册、输入板和可转换配置的那些平板电脑。
在一些实施例中,数字处理设备包括配置为执行可执行指令的操作系统。例如,操作系统是包括程序和数据的软件,其管理设备的硬件并为应用的执行提供服务。本领域技术人员将认识到,合适的服务器操作系统包括(作为非限制性示例)FreeBSD、OpenBSD、Linux、Mac OS XWindows以及 本领域技术人员将认识到,合适的个人电脑操作系统包括(作为非限制性示例)Mac OS以及类UNIX操作系统(例如)。在一些实施例中,操作系统由云计算提供。本领域技术人员还将认识到,适当的移动智能电话操作系统包括(作为非限制性示例)OS、Research InBlackBerryWindowsOS、WindowsOS,以及 本领域技术人员还将认识到,合适的媒体流设备操作系统包括(作为非限制性示例)AppleGoogleGoogleAmazon以及本领域技术人员还将认识到,合适的视频游戏机操作系统包括(作为非限制性示例)XboxMicrosoft Xbox One、Wii以及
在一些实施例中,设备包括存储和/或存储器设备。存储和/或存储器设备是用于暂态或永久地存储数据或程序的一个或多个物理装置。在一些实施例中,设备是易失性存储器,并且需要电源来维持存储的信息。在一些实施例中,设备是非易失性存储器,并且在数字处理设备未通电时保留存储的信息。在进一步的实施例中,非易失性存储器包括闪存。在一些实施例中,非易失性存储器包括动态随机存取存储器(DRAM)。在一些实施例中,非易失性存储器包括铁电随机存取存储器(FRAM)。在一些实施例中,非易失性存储器包括相变随机存取存储器(PRAM)。在其他实施例中,该设备是存储设备,其包括(作为非限制性示例)CD-ROM、DVD、闪存设备、磁盘驱动器、磁带驱动器、光盘驱动器和基于云计算的存储装置。在进一步的实施例中,存储和/或存储器设备是诸如本文所公开的设备的组合。
在一些实施例中,数字处理设备包括向用户发送视觉信息的显示器。在一些实施例中,显示器是液晶显示器(LCD)。在进一步的实施例中,显示器是薄膜晶体管液晶显示器(TFT-LCD)。在一些实施例中,显示器是有机发光二极管(OLED)显示器。在各种进一步的实施例中,OLED显示器是无源矩阵OLED(PMOLED)或有源矩阵OLED(AMOLED)显示器。在一些实施例中,显示器是等离子显示器。在其它实施例中,显示器是视频投影仪。在其他实施例中,显示器是与数字处理设备(例如VR头戴设备(headset))通信的头戴式显示器。在进一步的实施例中,合适的VR头戴设备包括(作为非限制性示例)HTC Vive、Oculus Rift、SamsungGear VR、Microsoft HoloLens、Razer OSVR、FOVE VR、Zeiss VR One、Avegant Glyph、Freefly VR头戴设备等。在更进一步的实施例中,显示器是诸如本文所公开的那些设备的组合。
在一些实施例中,数字处理设备包括用于从用户接收信息的输入设备。在一些实施例中,输入设备是键盘。在一些实施例中,输入设备是通过包括(作为非限制性示例)鼠标、轨迹球、轨迹板、操纵杆、游戏控制器或触笔。在一些实施例中,输入设备是触摸屏或多点触控屏幕。在其他实施例中,输入设备是用于捕获语音或其他声音输入的麦克风。在其它实施例中,输入设备是用于捕获运动或视觉输入的摄像机或其它传感器。在进一步的实施例中,输入设备是Kinect、Leap Motion等。在更进一步的实施例中,输入设备是诸如本文公开的那些设备的组合。
参考图8,在特定实施例中,数字处理设备801被编程为或以其他方式配置为管理自主或半自主车辆。设备801被编程为或以其他方式配置为管理自主或半自主车辆。在本实施例中,数字处理设备801包括中央处理单元(CPU,本文中也称为“处理器”和“计算机处理器”)805,其可选地是单核的、多核的、或多个处理器,以进行并行处理。数字处理设备801还包括存储器或存储器位置810(例如,随机存取存储器、只读存储器、闪存)、电子存储单元815(例如,硬盘)、用于与一个或多个其它系统通信的通信接口820(例如,网络适配器)、以及外围设备825(例如,高速缓存、其它存储器、数据存储和/或电子显示适配器)。存储器810、存储单元815、接口820和外围设备825通过诸如主板之类的通信总线(实线)与CPU 805通信。存储单元815包括用于存储数据的数据存储单元(或数据存储库)。数字处理设备801可选择地借助通信接口820可操作地耦合到计算机网络(“网络”)830。在各种情况下,网络830是互联网、互联网、和/或外联网,或与互联网通信的内联网和/或外联网。在一些情况下,网络830是电信和/或数据网络。网络830可选地包括实现分配式计算(例如云计算)的一个或多个计算机服务器。在一些情况下,网络830借助于设备801实现对等网络,该对等网络使得耦合到设备801的设备能够充当客户端或服务器。
继续参考图8,CPU 805配置为执行在程序、应用和/或软件中体现的机器可读指令序列。指令可选地存储在存储器位置(例如存储器810)中。指令被引导至CPU 805,随后该指令对CPU 805进行编程或以其他方式配置CPU 805以实现本公开的方法。CPU 805执行的操作的示例包括获取、解码、执行和回写。在一些情况下,CPU 805是电路(例如,集成电路)的一部分。设备801的一个或多个其它组件可选地包括在电路中。在一些情况下,该电路是专用集成电路(ASIC)或现场可编程门阵列(FPGA)。
继续参考图8,存储单元815可选地存储文件,例如驱动程序、库和保存的程序。存储单元815可选地存储用户数据,例如用户偏好和用户程序。在一些情况下,数字处理设备801包括外部的一个或多个附加数据存储单元,例如该一个或多个附加数据存储单元位于通过内联网或互联网进行通信的远程服务器上。
继续参考图8,数字处理设备801可选地通过网络830与一个或多个远程计算机系统通信。例如,设备801可选地与用户的远程计算机系统通信。远程计算机系统的示例包括个人计算机(例如,便携式PC)、板或平板PC(例如,iPad、Galaxy Tab等)、智能电话(iPhone、安卓启用设备、等)、或个人数字助理。
本文所述的方法可选地通过存储在数字处理装置604(图6)的电子存储位置上(例如,存储在存储器810或电子存储单元815上)的机器(例如,计算机处理器)可执行代码来实现。可选地,以软件形式提供机器可执行或机器可读代码。在使用期间,代码由处理器805执行。在一些情况下,该代码从存储单元815检索并存储在存储器810上,以供处理器805随时访问。在一些情况下,电子存储单元815被排出,并且机器可执行指令存储在存储器810上。
非暂态计算机可读存储介质
在一些实施例中,本文公开的平台、系统、介质和方法包括用程序编码的一个或多个非暂态计算机可读存储介质,该程序包括可选地联网的数字处理设备的操作系统可执行的指令。在进一步的实施例中,计算机可读存储介质是数字处理设备的有形组件。在又一实施例中,计算机可读存储介质可选地从数字处理设备中移除。在一些实施例中,计算机可读存储介质包括(作为非限制性实施例)CD-ROM、DVD、闪存设备、固态存储器、磁盘驱动器、磁带驱动器、光盘驱动器、云计算系统和服务等。在一些情况下,程序和指令被永久地、基本永久地、半永久地或非暂态地编码在介质上。
计算机程序
在一些实施例中,本文所公开的平台、系统、媒体和方法包括至少一个计算机程序或其使用。计算机程序包括在数字处理设备的CPU中可执行的、为执行指定的任务而编写的指令序列。计算机可读指令可以实现为执行特定任务或实现特定抽象数据类型的程序模块,例如函数、对象、应用编程接口(API)、数据结构等。根据本文中提供的本公开,本领域技术人员将认识到,可以用各种语言的各种版本来编写该计算机程序。
计算机可读指令的功能可以根据需要在各种环境中进行组合或分配。在一些实施例中,计算机程序包括一个指令序列。在一些实施例中,计算机程序包括多个指令序列。在一些实施例中,从一个位置提供计算机程序。在其它实施例中,从多个位置提供计算机程序。在各种实施例中,计算机程序包括一个或多个软件模块。在各种实施例中,计算机程序部分地或全部地包括一个或多个web应用、一个或多个移动应用、一个或多个独立应用、一个或多个web浏览器插件、扩展、外接或附加或其组合。
web应用
在一些实施例中,计算机程序包括web应用。根据本文提供的本公开,本领域技术人员将认识到,在各种实施例中,web应用利用一个或多个软件框架和一个或多个数据库系统。在一些实施例中,web应用是在诸如.NET或Ruby on Rails(RoR)之类的软件框架上创建的。在一些实施例中,web应用利用一个或多个数据库系统,该数据库系统包括(作为非限制性示例)关系、非关系、面向对象、关联和XML数据库系统。在进一步的实施例中,适当的关系数据库系统包括(作为非限制性示例)SQL Server、mySQLTM和本领域技术人员还将认识到,在各种实施例中,web应用是用一种或多种语言的一个或多个版本编写的。web应用可以用一种或多种标记语言、表示定义语言、客户端脚本语言、服务器端编码语言、数据库查询语言或其组合来编写。在一些实施例中,web应用在某种程度上是用标记语言(例如超文本标记语言(HTML)、可扩展超文本标记语言(XHTML)或可扩展标记语言(XML))编写的。在一些实施例中,web应用在某种程度上是用表示定义语言(例如层叠样式表(CSS))编写的。在一些实施例中,web应用在某种程度上是用客户端脚本语言(例如,Asynchronous Javascript和XML(AJAX)、Actionscript、Javascript或)编写的。在一些实施例中,web应用在某种程度上是用服务器端编码语言(例如,Active Server Pages(ASP)、Perl、JavaTM、JavaServer Pages(JSP)、Hypertext Preprocessor(PHP)、PythonTM Ruby、Tel、Smalltalk、或Groovy)编写的。在一些实施例中,web应用在某种程度上是用数据库查询语言(例如,结构化查询语言(SQL))编写的。在一些实施例中,web应用集成企业服务器产品(例如,Lotus)。在一些实施例中,web应用包括媒体播放器元素。在各种进一步实施例中,媒体播放器元素利用多个多媒体技术中的一个或多个,该多个媒体技术包括(作为非限制性示例)HTML 5,、JavaTM以及
参考图9,在特定实施例中,应用提供系统包括由关系数据库管理系统(RDBMS)访问的一个或多个数据库900。合适的RDBMS包括Firebird、MySQL、PostgreSQL、SQLite、Oracle Database、Microsoft SQL Server、IBM DB2、IBM Informix、SAP Sybase、SAPSybase、Teradata等。在本实施例中,应用提供系统还包括一个或多个应用服务器920(例如Java服务器、.NET服务器、PHP服务器等)以及一个或多个web服务器930(例如Apache、IIS、GWS等)。web服务器(一个或多个)可选地通过应用编程接口(API)940公开一个或多个web服务。经由诸如互联网的网络,系统提供基于浏览器的和/或移动本地用户界面。
参考图10,在特定实施例中,应用提供系统替代地具有分布式的、基于云的架构1000,并且包括弹性负载平衡的、自动伸缩的web服务器资源1010、应用服务器资源1020以及同步复制的数据库1030。
移动应用
在一些实施例中,计算机程序包括提供给移动数字处理设备的移动应用。在一些实施例中,移动应用在制造时被提供给移动数字处理设备。在其它实施例中,经由本文描述的计算机网络将移动应用提供给移动数字处理设备。
根据本文提供的本公开,通过本领域技术人员已知的技术,使用本领域已知的硬件、语言和开发环境来创建移动应用。本领域技术人员将认识到,移动应用是用若干种语言编写的。合适的编程语言包括(作为非限制性实施例)C、C++、C#、Objective-C、JavaTM、Javascript、Pascal、Object Pascal、PythonTM、Ruby、VB.NET、WML、以及具有或不具有CC的XHTML/HTML、或其组合。
可从多个源获得合适的移动应用开发环境。可商购的开发环境包括(作为非限制性示例)AirplaySDK、alcheMo、Celsius、Bedrock、Flash Lite、.NETCompact Framework、Rhomobile、以及WorkLight Mobile Platform。可免费获得的其他开发环境包括(作为非限制性示例)Lazarus、MobiFlex、MoSync、以及Phonegap。此外,移动设备制造商分发软件开发人员工具包,包括(作为非限制性示例)iPhone和iPad(iOS)SDK、AndroidTM SDK、SDK、BREW SDK、OS SDK、Symbian SDK、webOS SDK、以及Mobile SDK。
本领域技术人员将认识到,若干商业论坛可用于移动应用的分发,包括(作为非限制性示例)App Store、Play、Chrome WebStore、AppWorld、Palm设备App Store、用于webOS的App Catalog、用于Mobile的Marketplace、设备的Ovi Store、Apps以及DSi Shop。
独立应用
在一些实施例中,计算机程序包括独立应用,独立应用实作为独立的计算机进程运行的程序,而不是对现有进程的附加,例如,其不是插件。本领域技术人员将认识到,独立应用经常是编译的。编译器是将用编程语言编写的源代码转换为二进制目标代码(如汇编语言或机器代码)的计算机程序(一个或多个)。合适的编译程序语言包括(作为非限制性示例)C、C++、Objective-C、COBOL、Delphi、Eiffel、JavaTM Lisp、PythonTM Visual Basic以及VB.NET或其组合。经常至少部分地执行编译以创建可执行程序。在一些实施例中,计算机程序包括一个或多个可执行编译应用。
用于对自主或半自主车队进行分配和导航的平台
根据图11,本文提供了用于在多个路径上对自主或半自主车队进行分配和导航的平台,该平台包括车队和配置为提供服务器应用1120的服务器处理器。
车队可以包括多个自主或半自主车辆1110。每个自主或半自主车辆1110可以包括自主或半自主推进系统1111、位置传感器1112、状况传感器1113、以及通信设备1114。
位置传感器1112可以配置为测量车辆1110的当前车辆位置。当前车辆位置可以包括街道地址、GPS坐标、到设定位置的接近度或其任何组合。位置传感器1112可以包括照相机、摄像机、LiDAR、RADAR、麦克风、GPS传感器或其任何组合。状况传感器1113可以配置为测量当前车辆状态。通信设备1114可以配置为发送当前车辆位置和当前车辆状态。在一些实施例中,当前车辆状态包括车辆动力水平、车辆储备、车辆硬件状态或其任何组合。
服务器应用1120可以包括数据库1112、通信模块1122、调度模块1123和导航模块1124。数据库1112可以包括多个路径的地图。地图可以包括多个GPS点、多个地址、多条街道、多个感兴趣的位置或其任何组合。路径可以包括公路、快速路、高速公路、人行道、走道、桥、隧道、步道、行人专用区、市场、庭院或其任何组合。每个路径都可以与路径参数相关联。路径参数可以包括自主驾驶安全系数和速度系数。在一些实施例中,速度系数和自主车辆安全参数中的至少一个包括速度限制、平均速度、平均速度、与时间相关的平均速度、交叉路口数量、转弯数量、转弯类型、事故指示标识、停车的车辆指示标识、车道数量、车道数量、单向街道指示标识、蜂窝接收参数、道路坡度、最大道路坡度、平均道路坡度、平均行人密度、最大行人密度、最小行人密度、与时间相关的行人密度、平均骑行者密度、无保护转弯参数、道路平整度参数;道路可见性参数,或其任何组合。
在一些实施例中,自主驾驶安全系数包括速度限制、平均速度、平均速度、与时间相关的平均速度、交叉路口数量、转弯数量、转弯类型、事故指示标识、停车的车辆指示标识、车道数量、车道数量、单行道指示标识、蜂窝接收参数、道路坡度、最大道路坡度、平均道路坡度、平均行人密度、最大行人密度、最小行人密度、与时间相关的行人密度、平均骑行者密度、无保护转弯参数、道路平整度参数、道路可见性参数或其任何组合。
通信模块1122可以接收当前车辆位置和当前车辆状态。通信模块1122可以从通信设备1114接收当前车辆位置和当前车辆状态。
调度模块1123可以将多个自主或半自主车辆1110中的一个或多个分派给任务目的地。任务目的地可以包括GPS点、地址、街道或其任何组合。任务目的地可以是与消费者、订单或两者相关联的订单运送地址。任务目的地可以是与供应商、服务提供商、订单或两者关联的订单提取地址。车辆1110可以在任务位置处从消费者处提取物品、将物品送到任务位置处并放下,或者两者兼有。调度模块1123可以至少基于当前车辆位置和当前车辆状态将多个自主或半自主车辆1110中的一个或多个分派给任务目的地。调度模块1123可以分派车辆1110,该车辆1110的当前位置距离任务目的地具有最短点到点距离、距离任务目的地具有最短驾驶距离、相对于驾驶距离具有最短驾驶时间、或其任何加权组合。调度模块1123可以分派具有包括最高存储推进能量的当前车辆状态的车辆1110。调度模块1123可以分派具有包括最低动力水平的当前车辆状态的车辆1110。调度模块1123可以分派具有包括最高动力水平的当前车辆状态的车辆1110。调度模块1123可以分派具有没有任何问题的车辆硬件状态的车辆1110。调度模块1123可以分派具有与订单相关联的车辆1110储备的车辆1110。
导航模块1124可以应用路线计算算法来确定从当前车辆位置到任务目的地的车辆任务路线。导航模块1124可以应用路线计算算法来至少基于路径参数和当前车辆状态来确定从当前车辆位置到任务目的地的车辆任务路线。导航模块1124可以应用路线计算算法来确定从当前车辆位置到任务目的地的车辆任务路线,以最大化自主驾驶安全系数、速度系数、或两者。在一些实施例中,路线计算算法包括机器学习算法、基于规则的算法、或两者。车辆任务路线可以包括多个路径中的一个的至少一部分。
在一些实施例中,自主驾驶安全系数与自主驾驶任务相关联。在一些实施例中,自主驾驶安全系数包括半自主驾驶安全系数。在一些实施例中,自主驾驶安全系数包括无人驾驶安全系数。在一些实施例中,自主驾驶安全系数对于自主驾驶、半自主驾驶、无人驾驶或其任何组合是唯一的。每个自主驾驶安全系数可以与设定的自主驾驶安全系数权重相关联,其中该权重基于自主驾驶安全系数的严重性、风险性、或两者。在一些实施例中,自主驾驶安全系数权重对于自主驾驶、半自主驾驶、无人驾驶或其任何组合是唯一的。
例如,路线计算算法可以选择或优先化仅沿住宅街道的路线,而不是具有包括在没有专用左转信号灯的双向道路上的左转的转弯类型的路线,因为这样的转弯可能更难自主地操控。在另一示例中,自主驾驶安全系数权重对于与以下项相关联的道路是重要的:体育场馆、学校区域、酒吧或提供酒精的任何其他基础设置、事故事件或发生率、停止交通事件或发生率、以及带来对于无人驾驶特有挑战的具有较不可预测的行人行为的其他区域,其中这样的挑战容易被人类驾驶员解决。路线计算算法可以选择或优先化较安全但距离或行驶时间更长的路线,而不是较不安全但更直接的路线。路线计算算法可以选择或优先化被其他自主或半自主车辆当前或先前采用的路线。在一些实施例中,自主驾驶安全系数可以是与时间相关的。道路中的多个车道或位置可以与例如基于照明、碎片、或其他相关联的风险或优势的不同的自主驾驶安全系数相关联。自主驾驶安全系数可以配置为对自主驾驶安全系数权重进行复合,以使其大于其各部分之和。例如,由于既陡峭又结冰的道路对于无人驾驶车辆的尤其更危险,因此具有高道路坡度和高冰度参数的道路可以与大于与它们每个相关联的权重的和的自主驾驶安全系数相关联。
在一些实施例中,自主驾驶安全系数可以与速度系数不同,由此,使速度系数增加的一些状况不会使自主驾驶安全系数增加或减少。速度系数和自主驾驶安全系数可以分开考虑。速度系数和自主驾驶安全系数可以组合考虑或彼此影响。一些自主驾驶安全系数还可以包括速度系数。例如,道路上的高平均速度可以允许更快的运输和较短的运输时间。然而,高平均速度可带来额外的安全风险,该安全风险与在这样的速度下操作所需的带宽和操作计算相关联。
通信设备1114还可以引导自主或半自主车辆的自主或半自主推进系统1111。通信设备1114还可以基于车辆任务路线引导所分派的自主或半自主车辆的自主或半自主推进系统1111。
在一些实施例中,自主或半自主车辆1110还包括配置为测量感测数据的传感器。在一些实施例中,数据库1112还存储当前车辆位置、当前车辆状态和感测数据中的至少一个。在一些实施例中,路径参数至少基于感测数据。在一些实施例中,安全系数和速度系数中的至少一个基于感测数据。在一些实施例中,感测数据实现众包安全系数和速度系数确定。在一些实施例中,应用1120还包括路径参数预测模块,该路径参数预测模块至少基于感测的数据来预测未来路径参数。在一些实施例中,路线计算算法还基于所预测的道路参数确定车辆1110任务路线。在一些实施例中,自主或半自主车辆1110还包括配置为测量感测数据的传感器。感测数据可以包括照片、视频、三维图像、声音、光值、触觉值、化学数据或其任何组合。
在一些实施例中,服务器应用还包括显示模块,该显示模块显示当前车辆位置、当前车辆状态和任务目的地中的至少一个。
根据图12,本文提供了用于在多个路径上对自主或半自主车队进行分配和导航的平台,该平台包括车队和配置为提供服务器应用1220的服务器处理器。
车队可以包括多个自主或半自主车辆1210。每个自主或半自主车辆1210可以包括自主或半自主推进系统1211、位置传感器1212、状况传感器1213、以及通信设备1214。
位置传感器1212可以配置为测量车辆1210的当前车辆位置。当前车辆位置可以包括街道地址、GPS坐标、到设定位置的接近度或其任何组合。位置传感器1212可以包括照相机、摄像机、LiDAR、RADAR、麦克风、GPS传感器或其任何组合。状况传感器1213可以配置为测量当前车辆状态。通信设备1214可以配置为发送当前车辆位置和当前车辆状态。在一些实施例中,当前车辆状态包括车辆动力水平、车辆储备、车辆硬件状态或其任何组合。
服务器应用1220可以包括数据库1221、通信模块1222、调度模块1223和导航模块1224。数据库1221可以包括多个路径的地图。地图可以包括多个GPS点、多个地址、多条街道、多个感兴趣的位置或其任何组合。路径可以包括公路、快速路、高速公路、人行道、走道、桥、隧道、步道、行人专用区、市场、庭院或其任何组合。每个路径都可以与路径参数相关联。路径参数可以包括自主驾驶安全系数和速度系数。在一些实施例中,速度系数包括速度限制、平均速度、平均速度、与时间相关的平均速度、交叉路口数量、转弯数量、转弯类型、事故指示标识、停车的车辆指示标识、车道数量、车道数量、单行道指示标识、蜂窝接收参数、道路坡度、最大道路坡度、平均道路坡度、平均行人密度、最大行人密度、最小行人密度、与时间相关的行人密度、平均骑行者密度、无保护转弯参数、道路平整度参数、道路可见性参数或其任何组合。在一些实施例中,自主驾驶安全系数包括速度限制、平均速度、平均速度、与时间相关的平均速度、交叉路口数量、转弯数量、转弯类型、事故指示标识、停车的车辆指示标识、车道数量、车道数量、单行道指示标识、蜂窝接收参数、道路坡度、最大道路坡度、平均道路坡度、平均行人密度、最大行人密度、最小行人密度、与时间相关的行人密度、平均骑行者密度、无保护转弯参数、道路平整度参数、道路可见性参数或其任何组合。
通信模块1222可以接收当前车辆位置和当前车辆状态。通信模块1222可以从通信设备1214接收当前车辆位置和当前车辆状态。
调度模块1223可以将多个自主或半自主车辆1210中的一个或多个分派给任务目的地。任务目的地可以包括GPS点、地址、街道或其任何组合。任务目的地可以是与消费者、订单或两者相关联的订单运送地址。任务目的地可以是与供应商、服务提供商、订单或两者关联的订单提取地址。车辆1210可以在任务位置处从消费者处提取物品、将物品送到任务位置处并放下,或者两者兼有。调度模块1223可以至少基于当前车辆位置和当前车辆状态将多个自主或半自主车辆1210中的一个或多个分派给任务目的地。调度模块1223可以分派车辆1210,该车辆1210的当前位置距离任务目的地具有最短点到点距离、距离任务目的地具有最短驾驶距离、相对于驾驶距离具有最短驾驶时间、或其任何加权组合。调度模块1223可以分派具有包括最高存储推进能量的当前车辆状态的车辆1210。调度模块1223可以分派具有包括最低动力水平的当前车辆状态的车辆1210。调度模块1223可以分派具有包括最高动力水平的当前车辆状态的车辆1210。调度模块1223可以分派具有没有任何问题的车辆硬件状态的车辆1210。调度模块1223可以分派具有与订单相关联的车辆1210储备的车辆1210。
导航模块1224可以应用路线计算算法来确定从当前车辆位置到任务目的地的车辆任务路线。导航模块1224可以应用路线计算算法来至少基于路径参数和当前车辆状态来确定从当前车辆位置到任务目的地的车辆任务路线。导航模块1224可以应用路线计算算法来确定从当前车辆位置到任务目的地的车辆任务路线,以最大化自主驾驶安全系数、速度系数、或两者。在一些实施例中,路线计算算法包括机器学习算法、基于规则的算法、或两者。车辆任务路线可以包括多个路径中的一个的至少一部分。通信设备1214还可以引导自主或半自主车辆的自主或半自主推进系统1211。通信设备1214还可以基于车辆任务路线引导所分派的自主或半自主车辆的自主或半自主推进系统1211。
在一些实施例中,服务器应用1220还包括需求数据库1225。需求数据库1225可以包括与地理区域相关联的历史需求数据。地理区域可以至少包括任务目的地。
在一些实施例中,服务器应用1220还包括需求预测模块1226。需求预测模块1226可以应用预测算法来确定针对自主或半自主车辆1210中的每一个的预测需求时间表。需求预测模块1226可以应用预测算法,以至少基于历史需求数据来确定针对自主或半自主车辆1210中的每一个的预测需求时间表。在一些实施例中,预测算法包括机器学习算法、基于规则的算法或两者。预测需求时间表可以包括地理区域中的预测需求任务位置、预测需求时间段、或两者。预测需求任务位置可以包括GPS点、地址、感兴趣的位置或其任何组合。预测需求时间段可以包括高峰需求时间、多个排序的高峰需求时间、高峰需求时间段、多个排序的需求时间段或其任何组合。
在一些实施例中,服务器应用1220还包括过渡重新定位模块1227。过渡重新定位模块1227可以将过渡重新定位模式分派给多个自主或半自主车辆1210中的每一个。过渡重新定位模块1227可以至少基于预测需求任务位置、预测需求时间段、任务目的地和当前车辆状态中的一个或多个将过渡重新定位模式分派给多个自主或半自主车辆1210中的每一个。在一些实施例中,过渡重新定位模式包括对应于补给站位置的补给站模式、与多个停车位位置相关联的停车模式、以及与距离任务目的地或预测需求任务位置的设定阈值巡游距离相关联的巡游模式。在一些实施例中,数据库1221还包括地理区域中的多个停车位位置。
在一些实施例中,导航模块1224还应用路线计算算法来确定从任务目的地到以下项的车辆重新定位路线:补给站位置,该确定基于补给站模式;停车位位置,该确定基于停车模式;或者车辆巡游路线,该确定基于巡游模式。在一些实施例中,基于补给站模式,导航模块1224还应用路线计算算法来确定从任务目的地到补给站位置的车辆重新定位路线。在一些实施例中,基于停车模式,导航模块1224还应用路线计算算法来确定从任务目的地到停车位位置的车辆重新定位路线。在一些实施例中,基于巡游模式,导航模块1224还确定从任务目的地到车辆巡游路线的车辆重新定位路线。
在一些实施例中,车辆巡游路线包括距离任务目的地或预测需求任务位置的设定阈值巡游距离内的多个路径中的一个路径的至少一部分。在一些实施例中,通信设备1214还引导自主或半自主车辆1210的自主或半自主推进系统1211在预测需求时间段内保持在补给站位置处、停车位位置处、或在车辆1210巡游路线内。在一些实施例中,通信设备1214还引导自主或半自主车辆1210的自主或半自主推进系统1211在预测需求时间段内保持在补给站位置处。在一些实施例中,通信设备1214还引导自主或半自主车辆1210的自主或半自主推进系统1211在预测需求时间段内保持在停车位位置处。在一些实施例中,通信设备1214还引导自主或半自主车辆1210的自主或半自主推进系统1211在预测需求时间段内保持在车辆巡游路线内。
在一些实施例中,自主或半自主车辆1210还包括配置为测量感测数据的传感器。在一些实施例中,数据库1221还存储当前车辆位置、当前车辆状态和感测数据中的至少一个。在一些实施例中,路径参数至少基于感测数据。在一些实施例中,安全系数和速度系数中的至少一个基于感测数据。在一些实施例中,感测数据实现众包安全系数和速度系数确定。
在一些实施例中,应用1220还包括路径参数预测模块,该路径参数预测模块至少基于感测数据预测未来路径参数。在一些实施例中,路线计算算法还基于所预测的道路参数确定车辆1210任务路线。在一些实施例中,自主或半自主车辆1210还包括配置为测量感测数据的传感器。
在一些实施例中,服务器应用还包括显示模块,该显示模块显示当前车辆位置、当前车辆状态、任务目的地、路径参数、任务路线、停车位位置以及预测需求任务位置中的至少一个。
根据图13,本文提供了用于在多个路径上对自主或半自主车队进行分配和导航的平台,该平台包括车队和配置为提供服务器应用1320的服务器处理器。
车队可以包括多个自主或半自主车辆1310。每个自主或半自主车辆1310可以包括自主或半自主推进系统1311、位置传感器1312、状况传感器1313、以及通信设备1314。
位置传感器1312可以配置为测量车辆1310的当前车辆位置。当前车辆位置可以包括街道地址、GPS坐标、到设定位置的接近度或其任何组合。位置传感器1312可以包括照相机、摄像机、LiDAR、RADAR、麦克风、GPS传感器或其任何组合。状况传感器1313可以配置为测量当前车辆状态。通信设备1314可以配置为发送当前车辆位置和当前车辆状态。在一些实施例中,当前车辆状态包括车辆动力水平、车辆储备、车辆硬件状态或其任何组合。
服务器应用1320可以包括数据库1321、通信模块1322、调度模块1323和导航模块1324。数据库1321可以包括多个路径的地图。地图可以包括多个GPS点、多个地址、多条街道、多个感兴趣的位置或其任何组合。路径可以包括公路、快速路、高速公路、人行道、走道、桥、隧道、步道、行人专用区、市场、庭院或其任何组合。每个路径都可以与路径参数相关联。路径参数可以包括自主驾驶安全系数和速度系数。在一些实施例中,速度系数包括速度限制、平均速度、平均速度、与时间相关的平均速度、交叉路口数量、转弯数量、转弯类型、事故指示标识、停车的车辆指示标识、车道数量、车道数量、单行道指示标识、蜂窝接收参数、道路坡度、最大道路坡度、平均道路坡度、平均行人密度、最大行人密度、最小行人密度、与时间相关的行人密度、平均骑行者密度、无保护转弯参数、道路平滑度参数、道路可见性参数或其任何组合。在一些实施例中,自主驾驶安全系数包括速度限制、平均速度、平均速度、与时间相关的平均速度、交叉路口数量、转弯数量、转弯类型、事故指示标识、停车的车辆指示标识、车道数量、车道数量、单行道指示标识、蜂窝接收参数、道路坡度、最大道路坡度、平均道路坡度、平均行人密度、最大行人密度、最小行人密度、与时间相关的行人密度、平均骑行者密度、无保护转弯参数、道路平滑度参数、道路可见性参数或其任何组合。
通信模块1322可以接收当前车辆位置和当前车辆状态。通信模块1322可以从通信设备1314接收当前车辆位置和当前车辆状态。
调度模块1323可以将多个自主或半自主车辆1310中的一个或多个分派给任务目的地。任务目的地可以包括GPS点、地址、街道或其任何组合。任务目的地可以是与消费者、订单或两者相关联的订单运送地址。任务目的地可以是与供应商、服务提供商、订单或两者关联的订单提取地址。车辆1310可以在任务位置处从消费者处提取物品、将物品送到任务位置处并放下,或者两者兼有。调度模块1323可以至少基于当前车辆位置和当前车辆状态将多个自主或半自主车辆1310中的一个或多个分派给任务目的地。调度模块1323可以分派车辆1310,该车辆1310的当前位置距离任务目的地具有最短点到点距离、距离任务目的地具有最短驾驶距离、相对于驾驶距离具有最短驾驶时间、或其任何加权组合。调度模块1323可以分派具有包括最高存储推进能量的当前车辆状态的车辆1310。调度模块1323可以分派具有包括最低动力水平的当前车辆状态的车辆1310。调度模块1323可以分派具有包括最高动力水平的当前车辆状态的车辆1310。调度模块1323可以分派具有没有任何问题的车辆硬件状态的车辆1310。调度模块1323可以分派具有与订单相关联的车辆1310储备的车辆1310。
导航模块1324可以应用路线计算算法来确定从当前车辆位置到任务目的地的车辆任务路线。导航模块1324可以应用路线计算算法来至少基于路径参数和当前车辆状态来确定从当前车辆位置到任务目的地的车辆任务路线。导航模块1324可以应用路线计算算法来确定从当前车辆位置到任务目的地的车辆任务路线,以最大化自主驾驶安全系数、速度系数、或两者。在一些实施例中,路线计算算法包括机器学习算法、基于规则的算法、或两者。车辆任务路线可以包括多个路径中的一个的至少一部分。通信设备1314还可以引导自主或半自主车辆的自主或半自主推进系统1311。通信设备1314还可以基于车辆任务路线引导所分派的自主或半自主车辆的自主或半自主推进系统1311。
在一些实施例中,服务器应用1320还包括需求数据库1325。需求数据库1325可以包括与地理区域相关联的历史需求数据。地理区域可以至少包括任务目的地。
在一些实施例中,服务器应用1320还包括需求预测模块1326。需求预测模块1326可以应用预测算法来确定针对自主或半自主车辆1310中的每一个的预测需求时间表。需求预测模块1326可以应用预测算法,以至少基于历史需求数据来确定针对自主或半自主车辆1310中的每一个的预测需求时间表。在一些实施例中,预测算法包括机器学习算法、基于规则的算法或两者。预测需求时间表可以包括地理区域中的预测需求任务位置、预测需求时间段、或两者。预测需求任务位置可以包括GPS点、地址、感兴趣的位置或其任何组合。预测需求时间段可以包括高峰需求时间、多个排序的高峰需求时间、高峰需求时间段、多个排序的需求时间段或其任何组合。
在一些实施例中,服务器应用1320还包括过渡重新定位模块1327。过渡重新定位模块1327可以将过渡重新定位模式分派给多个自主或半自主车辆1310中的每一个。过渡重新定位模块1327可以至少基于预测需求任务位置、预测需求时间段、任务目的地和当前车辆状态中的一个或多个将过渡重新定位模式分派给多个自主或半自主车辆1310中的每一个。在一些实施例中,过渡重新定位模式包括对应于补给站位置的补给站模式、与多个停车位位置相关联的停车模式、以及与距离任务目的地或预测需求任务位置的设定阈值巡游距离相关联的巡游模式。在一些实施例中,数据库1312还包括地理区域中的多个停车位位置。
在一些实施例中,应用1320还包括停车分配模块1328。停车分配模块1328可以为多个自主或半自主车辆1310中的一个或多个确定选定停车位位置。停车分配模块1328可以基于任务目的地和预测需求任务位置中的至少一个、停车模式、以及多个停车位位置、为多个自主或半自主车辆1310中的一个或多个确定选定停车位位置。在一些实施例中,基于补给站模式,导航模块1324还应用路线计算算法来确定从任务目的地到补给站位置的车辆重新定位路线。在一些实施例中,基于停车模式,导航模块1324还应用路线计算算法来确定从任务目的地到选定停车位位置的车辆重新定位路线。在一些实施例中,基于巡游模式,导航模块1324还确定从任务目的地到车辆巡游路线的车辆重新定位路线。
在一些实施例中,导航模块1324还应用路线计算算法来确定从任务目的地到以下项的车辆重新定位路线:补给站位置,该确定基于补给站模式;选定停车位位置,该确定基于停车模式;或者车辆巡游路线,该确定基于巡游模式。在一些实施例中,基于补给站模式,导航模块1324还应用路线计算算法来确定从任务目的地到补给站位置的车辆重新定位路线。在一些实施例中,基于停车模式,导航模块1324还应用路线计算算法来确定从任务目的地到选定停车位位置的车辆重新定位路线。在一些实施例中,基于巡游模式,导航模块1324还确定从任务目的地到车辆巡游路线的车辆重新定位路线。
在一些实施例中,车辆巡游路线包括距离任务目的地或预测需求任务位置的设定阈值巡游距离内的多个路径中的一个路径的至少一部分。在一些实施例中,通信设备1314还引导自主或半自主车辆1310的自主或半自主推进系统1311在预测需求时间段内保持在补给站位置处、选定停车位位置处、或在车辆1310巡游路线内。在一些实施例中,通信设备1314还引导自主或半自主车辆1310的自主或半自主推进系统1311在预测需求时间段内保持在补给站位置处。在一些实施例中,通信设备1314还引导自主或半自主车辆1310的自主或半自主推进系统1311在预测需求时间段内保持在选定停车位位置处。在一些实施例中,通信设备1314还引导自主或半自主车辆1310的自主或半自主推进系统1311在预测需求时间段内保持在车辆巡游路线内。
在一些实施例中,自主或半自主车辆1310还包括配置为测量感测数据的传感器。在一些实施例中,数据库1312还存储当前车辆位置、当前车辆状态和感测数据中的至少一个。在一些实施例中,路径参数至少基于感测数据。在一些实施例中,安全系数和速度系数中的至少一个基于感测数据。在一些实施例中,感测数据实现众包安全系数和速度系数确定。
在一些实施例中,应用1320还包括路径参数预测模块,该路径参数预测模块至少基于感测数据预测未来路径参数。在一些实施例中,路线计算算法还基于所预测的道路参数确定车辆1310任务路线。在一些实施例中,自主或半自主车辆1310还包括配置为测量感测数据的传感器。感测数据可以对应于地理区域中的多个停车位位置中的一个或多个的停车位状态。在一些实施例中,停车分配模块1328还基于停车位状态确定选定停车位位置。
在一些实施例中,服务器应用还包括显示模块,该显示模块显示当前车辆位置、当前车辆状态、任务目的地、路径参数、任务路线、选定的停车位位置、以及预测需求任务位置中的至少一个。
web浏览器插件
在一些实施例中,计算机程序包括web浏览器插件(例如,扩展等)。在计算中,插件是向更大的软件应用添加特定的功能的一个或多个软件组件。软件应用的制造商支持插件以使得第三方开发者能够创建扩展应用的功能,以支持容易地添加新功能以及减少应用的大小。当插件得到支持时,其使得自定义软件应用的功能成为功能。例如,插件通常用于播放视频、生成交互性、扫描病毒、以及显示特定的文件类型。本领域技术人员将熟悉若干web浏览器插件,包括Player、 以及
根据本文提供的本公开,本领域技术人员将认识到,若干插件框架可用于使得用各种编程语言开发插件成为可能,该编程语言包括(作为非限制性示例)C++、Delphi、JavaTMPUP、PythonTM以及VB.NET或其组合。
web浏览器(也称为互联网浏览器)是软件应用,其设计用于与连网的数字处理设备一起使用,用于检索、呈现和遍历万维网上的信息资源。合适的web浏览器包括(作为非限制性实施例)InternetChrome、Opera以及KDE Konqueror。在一些实施例中,web浏览器是移动web浏览器。移动web浏览器(也称为微浏览器、迷你浏览器、以及无线浏览器)设计为用在移动数字处理设备上,该数字处理设备包括(作为非限制性示例)手持计算机、平板计算机、上网本计算机、子笔记本计算机、智能电话、音乐播放器、个人数字助理(PDA)、以及手持视频游戏系统。合适的移动web浏览器包括(作为非限制性示例) 浏览器、RIM浏览器、Blazer、浏览器、移动InternetMobile、Basic Web、浏览器、OperaMobile以及PSPTM浏览器。
软件模块
在一些实施例中,本文中公开的平台、系统、介质以及方法包括软件、服务器和/或数据库模块、或其使用。根据本文提供的本公开,通过本领域技术人员已知的技术,使用本领域已知的机器、软件和语言来创建软件模块。以多种方式实现本文中公开的软件模块。在各种实施例中,软件模块包括文件、代码段、编程对象、编程结构或其组合。在进一步的各种实施例中,软件模块包括多个文件、多个代码段、多个编程对象、多个编程结构或其组合。在各种实施例中,一个或多个软件模块包括(作为非限制性示例)web应用、移动应用、以及独立应用。在一些实施例中,软件模块位于一个计算机程序或应用中。在一些实施例中,软件模块位于一个或多个计算机程序或应用中。在一些实施例中,软件模块被托管在一个机器上。在一些实施例中,软件模块被托管在多于一个机器上托管。在进一步的实施例中,软件模块被托管在云计算平台上。在一些实施例中,软件模块被托管在位于一个位置处的一个或多个机器上。在一些实施例中,软件模块被托管在多于一个位置处的一个或多个机器上。
数据库
在一些实施例中,本文中公开的平台、系统、介质以及方法包括一个或多个数据库或其使用。根据本文中提供的本公开,本领域技术人员将认识到,多个数据库适用于自主或半自主车辆。在各种实施例中,合适的数据库包括(作为非限制性示例)关系数据库、非关系数据库、面向对象数据库、对象数据库、实体-关系模型数据库、关联数据库和XML数据库。进一步的非限制性示例包括SQL、PostgreSQL、MySQL、Oracle、DB2以及Sybase。在一些实施例中,数据库是基于互联网的。在进一步的实施例中,数据库是基于web的。在更进一步的实施例中,数据库是基于云计算的。在一些实施例中,数据库是基于一个或多个本地计算机存储设备的。
术语和定义
如本文所使用的,短语“至少一个”、“一个或多个”和“和/或”是开放式表达,它们在操作中既是连词又是析取词。例如,表达“A、B和C中的至少一个”、“A、B或C中的至少一个”、“A、B和C中的一个或多个”、“A、B或C中的一个或多个”和“A、B和/或C”中的每一个表达都意味着单独的A,单独的B,单独的C,A和B一起,A和C一起,B和C一起,或A、B和C一起。
如本文所使用的,术语“车队”和“子车队”用于表示一起操作或在同一所有权下的多个陆地车辆、船艇单元或飞机单元。在一些实施例中,车队或子车队参与相同的活动。在一些实施例中,车队或子车队参与类似的活动。在一些实施例中,车队或子车队参与不同的活动。
如本文所使用的,术语“自主或半自主车辆”、“单元”、“自主或半自主车队”、“自主或半自主车辆车队”、“车辆”、以及“全地形车辆”用于指示能够运输货物的移动机器。车辆可包括轿车、货车、厢式货车、无人驾驶发动机车辆(例如,三轮车、卡车、拖车、公共汽车等)、无人驾驶轨道车辆(例如,火车、电车等)、无人驾驶舰艇(例如,船舶、船只、渡轮、登陆艇、驳船、木筏等)、无人机、无人驾驶气垫船(航空、陆地和水上类型)、无人驾驶飞行器,以及甚至包括无人驾驶飞船。
如本文所使用的,术语“用户”、“多个用户”、“运营商”和“车队运营商”用于指示拥有或负责管理和操作自主或半自主车辆车队的实体。如本文所使用的,术语“消费者”用于指示请求由自主或半自主车辆车队提供的服务的实体。
如本文所使用的,术语“提供商”、“企业”、“供应商”、“第三方供应商”用于指示与车队所有者或运营商协同工作的实体,以利用自主或半自主车辆车队的服务来从提供商的营业地点或集结位置运送提供商的产品或将提供商的产品运回到提供商的营业地点或集结位置。
如本文所使用的,术语“白色标签”、“白色标签产品”、“白色标签服务”以及“白色标签提供商”应指这样的产品或服务,其由一个公司(或生产商)生产,而其他公司(营销商)对其进行品牌重塑以使其看起来像是自己生产的。
如本文所使用的,术语“最大速度”和“最大速度范围”应指自主或半自主车辆能够产生并允许在任务环境(例如在开放道路、自行车道和其他更适合高速行驶的环境中)中操作的最大速度。
如本文所使用的,术语“操作速度”应指自主或半自主车辆能够操作的速度范围(包括完全停止、或零速度),其由可以监测环境状况、操作环境等的车载传感器和软件确定,以确定在给定时间处的合适的速度。
如本文所使用的,术语“检查”以及“监测”应指自主或半自主车辆从环境中收集可以用于监测、检查或评估任何数量的环境元素的数据(及其使用)。
如本文所使用的,术语“环境”应指自主或半自主车辆操作的物理周围环境或状况,其功能性栖息地、地理位置、地域、领域、周围环境、环境或状况,其中包括大气条件,例如雨、湿度、太阳指数、风况、大气压等。
如本文所使用的,除非另有所指,术语“约”、“大约”含义是本领域普通技术人员所确定的特定值的可接受误差,该误差部分地取决于该值是如何被测量或确定的。在某些实施例中,术语“约”或“大约”是指在1、2、3或4个标准偏差之内。在某些实施例中,术语“约”或“大约”是指给定值或范围的30%、25%、20%、15%、10%、9%、8%、7%、6%、5%、4%、3%、2%、1%、0.5%、0.1%或0.05%之内。在某些实施例中,术语“约”或“大约”是指给定值或范围的40.0mm、30.0mm、20.0mm、10.0mm、5.0mm、1.0mm、0.9mm、0.8mm、0.7mm、0.6mm、0.5mm、0.4mm、0.3mm、0.2mm或0.1mm之内。在某些实施例中,术语“约”或“大约”是指给定值或范围的20.0度、15.0度、10.0度、9.0度、8.0度、7.0度、6.0度、5.0度、4.0度、3.0度、2.0度、1.0度、0.9度、0.8度、0.7度、0.6度、0.5度、0.4度、0.3度、0.2度、0.1度、0.09度、0.08度、0.07度、0.06度、0.05度、0.04度、0.03度、0.02度或0.01度之内。在某些实施例中,术语“约”或“大约”是指给定值或范围的0.1mph、0.2mph、0.3mph、0.4mph、0.5mph、0.6mph、0.7mph、0.8mph、0.9mph、1.0mph、1.1mph、1.2mph、1.3mph、1.4mph、1.5mph、1.6mph、1.7mph、1.8mph、1.9mph、2.0mph、3.0mph、4.0mph或5.0mph之内。
如本文所使用的,术语“服务器”、“计算机服务器”、“中央服务器”、“移动服务器”以及“客户端服务器”指示管理车队资源(即,自主或半自主车辆)的网络上的设备。
如本文所使用的,术语“控制器”用于指示控制从计算机到外围设备的数据传输(反之亦然)的设备。例如,磁盘驱动器、显示屏、键盘和打印机都需要控制器。在个人电脑中,控制器通常是单个芯片。如本文所使用的,控制器通常用于管理对自主或半自主车辆的组件(例如,安全隔间)的访问。
如本文所使用的,“网状网络”是其中每个节点为网络中继数据的网络拓扑。所有的网状节点在对网络中的数据进行分配中进行协作。它可以应用于有线和无线网络两者。无线网状网络可以被认为是一种“无线自组织”网络。因此,无线网状网络与移动自组织网络(MANET)密切相关。但MANET不限定于特定的网状网络拓扑,无线自组织网络或MANET可以采用任何形式的网络拓扑。网状网络可以使用洪泛(flooding)技术或路由技术来中继消息。通过进行路由,消息通过从一个节点跳到另一个节点直到其到达它的目标而沿路径传播。为了保证它的所有的路径都是可用的,网络必须允许连续连接并且必须使用自愈算法(例如,最短路径桥接)围绕断开的路径来重新配置自身。自愈允许基于路由的网络在节点发生故障或当连接变得不可靠时进行操作。因此,网络是可靠的,因为网络中的源和目的地之间通常存在多于一个路径。这个概念也适用于有线网络和软件交互。其节点全部相互连接的网状网络是完全连接的网络。
如本文所使用的,术语“模块”用于指示中央服务器的自包含硬件组件,而该硬件组件又包括软件模块。在软件中,模块是程序的一部分。程序由一个或多个独立开发的模块组成,在程序被链接之前不组合该模块。单个模块可以包含一个或若干个例程,或者执行特定任务的程序部分。如本文中所用的,车队管理模块包括用于管理自主或半自主车辆车队的各个方面和功能的软件模块。
如本文所使用的,术语“处理器”和“数字处理设备”用于指示微处理器或一个或多个中央处理单元(CPU)。CPU是计算机内的电子电路,它通过执行指令指定的基本运算、逻辑、控制和输入/输出(I/O)操作来执行计算机程序的指令。
根据本文的描述,合适的数字处理设备包括(作为非限制性示例)服务器计算机、台式计算机、膝上型计算机、笔记本计算机、子笔记本计算机、上网本计算机、网络平板计算机、机顶盒计算机、手持型计算机、互联网设备,移动智能手机、平板电脑、个人数字助理、视频游戏机和车辆。本领域技术人员将认识到,许多智能电话适合在本文描述的系统中使用。合适的平板电脑包括本领域技术人员已知的具有手册、输入板和可转换配置的那些平板电脑。
在一些实施例中,数字处理设备包括配置为执行可执行指令的操作系统。例如,操作系统是包括程序和数据的软件,其管理设备的硬件并为应用的执行提供服务。本领域技术人员将认识到,合适的服务器操作系统包括(作为非限制性示例)FreeBSD、OpenBSD、Linux、Mac OS XWindows以及 本领域技术人员将认识到,合适的个人电脑操作系统包括(作为非限制性示例)Mac OS以及类UNIX操作系统(例如)。在一些实施例中,操作系统由云计算提供。本领域技术人员还将认识到,合适的移动智能电话操作系统包括(作为非限制性示例)OS、Research InBlackBerryWindowsOS、WindowsOS、以及
在一些实施例中,设备包括存储和/或存储器设备。存储和/或存储器设备是用于暂态或永久地存储数据或程序的一个或多个物理装置。在一些实施例中,设备是易失性存储器,并且需要电源来维持存储的信息。在一些实施例中,设备是非易失性存储器,并且在数字处理设备未通电时保留存储的信息。在一些实施例中,非易失性存储器包括闪存。在一些实施例中,非易失性存储器包括动态随机存取存储器(DRAM)。在一些实施例中,非易失性存储器包括铁电随机存取存储器(FRAM)。在一些实施例中,非易失性存储器包括相变随机存取存储器(PRAM)。在一些实施例中,该设备是存储设备,其包括(作为非限制性示例)CD-ROM、DVD、闪存设备、磁盘驱动器、磁带驱动器、光盘驱动器和基于云计算的存储装置。在一些实施例中,存储和/或存储器设备是诸如本文所公开的设备的组合。
在一些实施例中,数字处理设备包括向用户或多个用户发送视觉信息的显示器。在一些实施例中,显示器是阴极射线管(CRT)。在一些实施例中,显示器是液晶显示器(LCD)。在一些实施例中,显示器是薄膜晶体管液晶显示器(TFT-LCD)。在一些实施例中,显示器是有机发光二极管(OLED)显示器。在各种一些实施例中,OLED显示器是无源矩阵OLED(PMOLED)或有源矩阵OLED(AMOLED)显示器。在一些实施例中,显示器是等离子显示器。在一些实施例中,显示器是视频投影仪。在其他一些实施例中,显示器是诸如本文所公开的那些设备的组合。
示例
示例1—用于分配和导航的平台
在一个示例中,用于在多个路径上对自主或半自主车队进行分配和导航的平台包括多个自主或半自主车辆以及配置为提供服务器应用的服务器。
服务器应用的通信模块从通信设备接收当前车辆位置(由车辆上的位置传感器确定)以及当前车辆状态(由状态传感器测量),其中当前车辆状态包括车辆动力水平、车辆储备以及车辆硬件状态。
然后,调度模块基于当前车辆位置和当前车辆状态将多个自主或半自主车辆中的一个或多个分派给与订单相关联的任务目的地。
然后,导航模块从服务器应用中的数据库接收路径参数,该路径参数包括自主驾驶安全系数和速度系数,其中多个路径存储在地图中。然后,导航模块应用路线计算算法以基于路径参数和当前车辆状态来确定从当前车辆位置到任务目的地的车辆任务路线,其中车辆任务路线包括多个路径中的一个路径的至少一部分。
然后,通信设备基于车辆任务路线引导自主或半自主车辆的自主或半自主推进系统。
示例2—用于过渡补给站重新定位的平台
在另一示例中,一旦自主或半自主车辆穿过了车辆任务路线,并在任务目的地完成了订单。
当一个自主或半自主车辆的当前车辆状态包括低电量指示时,过渡重新定位模块将包括补给站模式的过渡重新定位模式分派给自主或半自主车辆,其中补给站模式对应于补给站位置。然后,导航模块应用路线计算算法来确定从任务目的地到补给站位置的车辆重新定位路线,其中,通信设备然后基于车辆重新定位路线引导自主或半自主车辆的自主或半自主推进系统。
示例3—用于过渡巡游重新定位的平台
在另一示例中,一旦自主或半自主车辆穿过了车辆任务路线,并在任务目的地完成了订单,服务器应用可以采用需求预测模块,以基于与地理区域相关联的历史需求数据来确定高需求将于预测需求时间段(1:00pm到2:00pm)发生在距离预测需求任务位置(123Main Street)的设定阈值巡游距离(2英里)内。
当第三自主或半自主车辆的当前车辆状态包括高电量指示和中等储备指示时,过渡重新定位模块将过渡重新定位模式分派给自主或半自主车辆,该过渡重新定位模式包括与距离预测需求任务位置的设定阈值巡游距离相关联的巡游模式。
然后,导航模块应用路线计算算法来确定距离预测需求任务位置的设定阈值巡游距离内的从任务目的地的车辆巡游路线。然后通信设备基于车辆巡游路线来引导自主或半自主车辆的自主或半自主推进系统,使得车辆在预测需求时间段到达和/或位于预测需求任务位置的设定阈值内。
示例4—用于过渡停车重新定位的平台
在另一示例中,一旦自主或半自主车辆穿过了车辆任务路线,并在任务目的地完成了订单,服务器应用可以采用需求预测模块,以基于与地理区域相关联的历史需求数据来确定高需求将于预测需求时间段(5:00pm)发生在预测需求任务位置(444Elm Street)。
当第三自主或半自主车辆的当前车辆状态包括中等电量和高储备指示时,过渡重新定位模块将过渡重新定位模式分派给自主或半自主车辆,该过渡重新定位模块包括与预测需求任务位置相关联的停车模式。
然后,停车分配模块基于预测需求任务位置从数据库中的多个停车位位置中确定选定停车位位置。
然后,自主或半自主车辆上的传感器进一步测量感测数据,该感测数据存储在数据库中。利用该感测数据和先前存储的感测数据来预测和确定道路的路径参数。然后,导航模块应用路线计算算法以基于当前的和预测的路径参数来确定从任务目的地到选定停车位位置的车辆重新定位路线。然后,通信设备基于车辆重新定位路线来引导自主或半自主车辆的自主或半自主推进系统。
然后,显示模块向用户或车队管理员显示当前车辆位置、当前车辆状态、任务目的地、路径参数、任务路线、选定停车位位置、以及预测需求任务位置中的至少一个。
示例5—用于过渡停车重新定位的平台
在另一示例中,自动车队分配模块控制所有车辆在任何时间点应位于何处。车辆行驶至补给站,找到合法的停车位,在街区周围绕圈,被分派给下一个任务/消费者。任务请求模块从API、web接口、移动接口或其任何组合接收任务请求,该任务请求具有与任务相关的特定位置。调度模块将车辆调度用于特定任务,该特定任务与车队范围导航模块一起工作,以根据车队中的所有车辆的当前状态选择将很可能最快地或在预定时间内到达该位置的车辆。
活跃但不在服务的车辆分配模块判定每个车辆在不服务消费者时应该做什么。需求预测模块(其可以是基于规则的、统计的、机器学习的、或两者)预测全市任何时间点的需求水平。位置优化模块接收车辆的当前位置、电池水平、或其他状态类型、以及需求预测,并在以下四项可能任务中确定每个车辆应该做什么:留在邻近的本地区域(找到临时的停车位或在街区周围绕圈)、移动到另一邻近区域、找到补给站、或去特定位置。车队中的所有车辆的状态的数据库存储车队中的所有车辆的当前位置,包括:位置、电池水平、当前任务、机械状态/错误、当前目的地等。服务器和车辆之间的通信模块可以用于协作或直接履行任务。
示例6—停车和补给站模块
在另一示例中,停车和补给站模块可以被车队分配模块或其他系统标记为意图找到停车场或补给站,停车和补给站模块为车辆找到最佳的停车位或补给站。补给站或停车位的数据库位于服务器上,其被手动创建或自动创建。补给站的数据库包括充电器的可用性,以及可选的多个可用位置。最近停车/补给站优化模块,此模块接收车辆的当前位置并与导航模块合作以找到最佳的停车位/补给站,该最佳的停车位/补给站是车辆最快到达的满足车辆的需求的停车位/补给站。众包停车位数据库可以从车辆中的每一个接收报告以形成停车数据库,该停车数据库包括整个城市的停车场可用性。
示例7—车队范围导航模块
在另一示例中,车队范围导航模块接收关于车辆在何处和车辆需要去何处相关的信号。车队范围导航模块确定车辆应该去何处和去该处的最佳路径。优化导航路径计算模块使用城市地图数据和成本算法来在最快路径和最安全路径之间平衡以用于AV。成本算法可以选择权衡对于AV的不利状况,例如高速道路、无保护转弯/U型弯、实时/历史行人密度、实时/历史骑自行车的人的密度、道路平整度、道路坡度、道路可见性等。然后,车队范围导航模块使用方法的组合(例如,最快和最安全路径之间的简单权重、某阈值(例如给定X安全分数时的最快路径)等)来确定AV从A点到B点的最佳路径。车队范围导航模块包括地图数据库,该地图数据库包括速度限制、交叉路口和转弯的类型、车道数量、小区接收。作为众包元素,车队中的所有车辆向服务器报告回实时道路状况,该实时道路状况包括交通量/速度、临时交通模式修改(包括事故和施工)、行人和骑自行车的人的数量、道路可见性等。实时/历史数据库记录车队中所有车辆的“众包”信息,以帮助预测最快和最安全的路径。
Claims (23)
1.一种用于在多个路径上对自主或半自主车队进行分配和导航的平台,所述平台包括:
a)所述车队,包括多个自主或半自主车辆,其中每个自主或半自主车辆包括:
(i)自主或半自主推进系统;
(ii)位置传感器,被配置为测量所述车辆的当前车辆位置;
(iii)状况传感器,被配置为测量当前车辆状态;以及
(iv)通信设备,被配置为发送所述当前车辆位置和所述当前车辆状态;
b)服务器处理器,被配置为提供服务器应用,所述服务器应用包括:
(i)数据库,包括所述多个路径的地图,其中每个路径与路径参数相关联,所述路径参数包括自主驾驶安全系数和速度系数;
(ii)通信模块,从所述通信设备接收所述当前车辆位置和所述当前车辆状态;
(iii)调度模块,至少基于所述当前车辆位置和所述当前车辆状态将所述多个自主或半自主车辆中的一个或多个分派给任务目的地;以及
(iv)导航模块,应用路线计算算法以至少基于所述路径参数和所述当前车辆状态来确定从所述当前车辆位置到所述任务目的地的车辆任务路线,其中所述车辆任务路线包括所述多个路径中的一个路径的至少一部分;
其中,所述通信设备进一步基于所述车辆任务路线来引导所述自主或半自主车辆的所述自主或半自主推进系统。
2.根据权利要求1所述的平台,其中所述服务器应用还包括需求数据库,所述需求数据库包括与地理区域相关联的历史需求数据,并且其中所述地理区域至少包括所述任务目的地。
3.根据权利要求2所述的平台,其中所述服务器应用还包括需求预测模块,所述需求预测模块应用预测算法以至少基于所述历史需求数据来确定针对所述自主或半自主车辆中的每一个的预测需求时间表,其中所述预测需求时间表包括预测需求时间段以及所述地理区域中的预测需求任务位置。
4.根据权利要求3所述的平台,其中所述服务器应用还包括过渡重新定位模块,所述过渡重新定位模块至少基于所述预测需求任务位置、所述预测需求时间段、所述任务目的地以及所述当前车辆状态中的一个或多个来将过渡重新定位模式分派给所述多个自主或半自主车辆中的每一个。
5.根据权利要求4所述的平台,其中所述过渡重新定位模式包括对应于补给站位置的补给站模式、与多个停车位位置之一相关联的停车模式、以及与距离所述任务目的地或所述预测需求任务位置的设定阈值巡游距离相关联的巡游模式。
6.根据权利要求5所述的平台,其中所述数据库还包括所述地理区域中的所述多个停车位位置。
7.根据权利要求6所述的平台,其中所述应用还包括停车分配模块,所述停车分配模块基于所述任务目的地和所述预测需求任务位置中的至少一个、所述停车模式、以及所述多个停车位位置来确定针对所述多个自主或半自主车辆中的一个或多个的选定停车位位置。
8.根据权利要求7所述的平台,其中所述导航模块进一步应用所述路线计算算法来确定从所述任务目的地到下列项的车辆重新定位路线:
a)所述补给站位置,该确定基于所述补给站模式;
b)所述选定停车位位置,该确定基于所述停车模式;或者
c)车辆巡游路线,该确定基于所述巡游模式。
9.根据权利要求8所述的平台,其中所述车辆巡游路线至少包括距离所述任务目的地或所述预测需求任务位置的所述设定阈值巡游距离内的所述多个路径中的一个路径的至少一部分。
10.根据权利要求8所述的平台,其中所述通信设备进一步引导所述自主或半自主车辆的所述自主或半自主推进系统在所述预测需求时间段内保持在所述补给站位置处、所述选定停车位位置处、或所述车辆巡游路线内。
11.根据权利要求1所述的平台,其中所述路线计算算法包括机器学习算法、基于规则的算法或两者。
12.根据权利要求3所述的平台,其中所述预测算法包括机器学习算法、基于规则的算法或两者。
13.根据权利要求1所述的平台,其中所述当前车辆状态包括车辆动力水平、车辆储备、车辆硬件状态或其任何组合。
14.根据权利要求1所述的平台,其中所述速度系数和所述自主驾驶安全系数中的至少一个包括:速度限制、平均速度、平均速度、与时间相关的平均速度、交叉路口数量、转弯数量、转弯类型、事故指示标识、停止车辆指示标识、车道数量、车道数量、单向街道指示标识、蜂窝接收参数、道路坡度、最大道路坡度、平均道路坡度、平均行人密度、最大行人密度、最小行人密度、与时间相关的行人密度、平均骑行者密度、无保护转弯参数、道路平整度参数、道路可见性参数、或其任何组合。
15.根据权利要求1所述的平台,其中所述自主或半自主车辆还包括被配置为测量感测数据的传感器。
16.根据权利要求15所述的平台,其中所述数据库还存储所述当前车辆位置、所述当前车辆状态、以及所述感测数据中的至少一个。
17.根据权利要求16所述的平台,其中所述安全系数和所述速度系数中的至少一个基于所述感测数据。
18.根据权利要求15所述的平台,其中所述感测数据实现众包安全系数和速度系数确定。
19.根据权利要求18所述的平台,其中所述应用还包括路径参数预测模块,所述路径参数预测模块至少基于所述感测数据来预测未来路径参数。
20.根据权利要求19所述的平台,其中所述路线计算算法进一步基于所预测的道路参数确定所述车辆任务路线。
21.根据权利要求5所述的平台,其中所述自主或半自主车辆还包括被配置为测量感测数据的传感器,并且其中所述感测数据与所述地理区域中的所述多个停车位位置中的一个或多个的停车位状态相对应。
22.根据权利要求21所述的平台,其中所述停车分配模块进一步基于所述停车位状态来确定所述选定停车位位置。
23.根据权利要求6所述的平台,其中所述服务器应用还包括显示模块,所述显示模块显示所述当前车辆位置、所述当前车辆状态、所述任务目的地、所述路径参数、所述任务路线、所述选定停车位位置以及所述预测需求任务位置中的至少一个。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762534929P | 2017-07-20 | 2017-07-20 | |
US62/534,929 | 2017-07-20 | ||
PCT/US2018/042967 WO2019018695A1 (en) | 2017-07-20 | 2018-07-19 | REPOSITIONING AN AUTONOMOUS VEHICLE |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110914779A true CN110914779A (zh) | 2020-03-24 |
Family
ID=65016424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880047506.4A Pending CN110914779A (zh) | 2017-07-20 | 2018-07-19 | 自主车辆重新定位 |
Country Status (6)
Country | Link |
---|---|
US (3) | US10331124B2 (zh) |
EP (1) | EP3655836A4 (zh) |
JP (1) | JP2020527805A (zh) |
CN (1) | CN110914779A (zh) |
CA (1) | CA3070186A1 (zh) |
WO (1) | WO2019018695A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112445923A (zh) * | 2021-02-01 | 2021-03-05 | 智道网联科技(北京)有限公司 | 基于智慧交通的数据处理方法、装置及存储介质 |
Families Citing this family (82)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3006878A1 (en) | 2015-12-01 | 2017-06-08 | Genetec Inc. | Peer-to-peer virtual chalking |
JP6864006B2 (ja) * | 2015-12-21 | 2021-04-21 | バイエリシエ・モトーレンウエルケ・アクチエンゲゼルシヤフト | 自動車の安全性及び/又はセキュリティに関連する制御機器の修正方法とそれに関する装置 |
US11265284B2 (en) * | 2016-03-18 | 2022-03-01 | Westinghouse Air Brake Technologies Corporation | Communication status system and method |
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 |
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 |
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 |
GB2554875B (en) * | 2016-10-10 | 2018-11-07 | Ford Global Tech Llc | Improvements in or relating to manual transmission vehicles |
US10399106B2 (en) * | 2017-01-19 | 2019-09-03 | Ford Global Technologies, Llc | Camera and washer spray diagnostic |
JP2020527805A (ja) | 2017-07-20 | 2020-09-10 | ニューロ・インコーポレーテッドNuro Incorporated | 自律車両の再配置 |
US11009868B2 (en) | 2017-07-20 | 2021-05-18 | Nuro, Inc. | Fleet of autonomous vehicles with lane positioning and platooning behaviors |
US10403133B1 (en) * | 2017-07-27 | 2019-09-03 | State Farm Mutual Automobile Insurance Company | Vehicle roadway traffic density management systems for optimizing vehicle spacing |
EP3659080A4 (en) * | 2017-07-28 | 2021-04-21 | Nuro, Inc. | SYSTEM AND MECHANISM FOR INCENTIVE SELLING OF PRODUCTS ON AUTONOMOUS VEHICLES |
US11126191B2 (en) | 2017-08-07 | 2021-09-21 | Panasonic Intellectual Property Corporation Of America | Control device and control method |
US10636298B2 (en) * | 2017-08-11 | 2020-04-28 | Cubic Corporation | Adaptive traffic control using object tracking and identity details |
WO2019036425A1 (en) * | 2017-08-17 | 2019-02-21 | Walmart Apollo, Llc | SYSTEMS AND METHODS FOR DELIVERY OF RETAIL ITEMS |
US11422565B1 (en) * | 2017-08-18 | 2022-08-23 | Amazon Technologies, Inc. | System for robot movement that is informed by cultural conventions |
US11300963B1 (en) | 2017-08-18 | 2022-04-12 | Amazon Technologies, Inc. | Robot movement constraint system |
US10807591B1 (en) * | 2017-11-02 | 2020-10-20 | Zoox, Inc. | Vehicle disaster detection and response |
US10824862B2 (en) | 2017-11-14 | 2020-11-03 | Nuro, Inc. | Three-dimensional object detection for autonomous robotic systems using image proposals |
JP7040936B2 (ja) * | 2017-12-26 | 2022-03-23 | 株式会社ゼンリンデータコム | 情報収集システムおよび情報収集装置 |
US10821973B2 (en) * | 2018-01-05 | 2020-11-03 | Telenav, Inc. | Navigation system with parking facility navigation mechanism and method of operation thereof |
MX2020007114A (es) * | 2018-01-10 | 2020-12-09 | Simbe Robotics Inc | Método para detectar y responder a derrames y peligros. |
US10836379B2 (en) * | 2018-03-23 | 2020-11-17 | Sf Motors, Inc. | Multi-network-based path generation for vehicle parking |
FR3082984B1 (fr) * | 2018-06-26 | 2021-05-21 | Transdev Group | Dispositif electronique et procede de surveillance d'un ensemble de vehicules automobiles autonomes, systeme de transport et programme d'ordinateur associes |
US10757596B2 (en) * | 2018-06-29 | 2020-08-25 | Intel Corporation | Methods and apparatus to collect data from user equipment outside a network |
US10778943B2 (en) | 2018-07-17 | 2020-09-15 | C-Tonomy, LLC | Autonomous surveillance duo |
US11455578B2 (en) * | 2018-09-04 | 2022-09-27 | Beijing Didi Infinity Technology And Development Co., Ltd. | System and method for ride order dispatching and vehicle repositioning |
US11312331B2 (en) * | 2018-11-13 | 2022-04-26 | Carrier Corporation | System and method for providing temporary access to a vehicle |
US11004449B2 (en) * | 2018-11-29 | 2021-05-11 | International Business Machines Corporation | Vocal utterance based item inventory actions |
US10991251B2 (en) * | 2019-01-29 | 2021-04-27 | Toyota Motor Engineering & Manufacturing North America, Inc. | Parking meter monitoring and payment system |
JP7304535B2 (ja) * | 2019-02-14 | 2023-07-07 | パナソニックIpマネジメント株式会社 | 車両制御装置、車両制御方法及びプログラム |
US11899448B2 (en) * | 2019-02-21 | 2024-02-13 | GM Global Technology Operations LLC | Autonomous vehicle that is configured to identify a travel characteristic based upon a gesture |
US11084387B2 (en) * | 2019-02-25 | 2021-08-10 | Toyota Research Institute, Inc. | Systems, methods, and storage media for arranging a plurality of cells in a vehicle battery pack |
WO2020196086A1 (ja) * | 2019-03-28 | 2020-10-01 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法及び情報処理システム |
US11313688B2 (en) * | 2019-04-10 | 2022-04-26 | Waymo Llc | Advanced trip planning for autonomous vehicle services |
US10623734B1 (en) * | 2019-04-23 | 2020-04-14 | Nuro, Inc. | Systems and methods for adaptive mobile telecommunications for autonomous vehicles |
TWI684085B (zh) * | 2019-04-24 | 2020-02-01 | 揚昇育樂事業股份有限公司 | 自駕車輛之自駕行駛路徑中央控制裝置 |
EP3736753A1 (en) * | 2019-05-08 | 2020-11-11 | Siemens Mobility GmbH | Method, fleet management device and system for determining a preferred location of a vehicle |
US10665109B1 (en) | 2019-05-17 | 2020-05-26 | sibrtech inc. | Construction zone apparatus and method |
US11386778B2 (en) | 2019-05-17 | 2022-07-12 | sibrtech inc. | Road user detecting and communication device and method |
US11378949B2 (en) * | 2019-06-20 | 2022-07-05 | Omnitracs, Llc | Systems and methods for autonomously controlling movement of delivery vehicles |
US11275376B2 (en) | 2019-06-20 | 2022-03-15 | Florida Power & Light Company | Large scale unmanned monitoring device assessment of utility system components |
CN110244742B (zh) * | 2019-07-01 | 2023-06-09 | 阿波罗智能技术(北京)有限公司 | 无人驾驶车辆巡游的方法、设备以及存储介质 |
US11095741B2 (en) * | 2019-07-11 | 2021-08-17 | Ghost Locomotion Inc. | Value-based transmission in an autonomous vehicle |
JP7445882B2 (ja) * | 2019-08-06 | 2024-03-08 | パナソニックIpマネジメント株式会社 | 走行支援方法、道路撮影画像収集方法、および路側装置 |
EP3772729B1 (en) * | 2019-08-08 | 2022-08-31 | Ningbo Geely Automobile Research & Development Co. Ltd. | A method for preconditioning vehicles |
US11964627B2 (en) | 2019-09-30 | 2024-04-23 | Nuro, Inc. | Methods and apparatus for supporting compartment inserts in autonomous delivery vehicles |
KR20210043065A (ko) * | 2019-10-10 | 2021-04-21 | 현대모비스 주식회사 | 신호 위반 차량 경고 장치 및 그 방법 |
EP4022590A4 (en) * | 2019-10-26 | 2022-12-28 | Genetec Inc. | AUTOMATED LICENSE PLATE RECOGNITION SYSTEM AND ASSOCIATED METHOD |
US11590862B2 (en) | 2019-12-12 | 2023-02-28 | Lear Corporation | Seating system |
US11587001B2 (en) * | 2020-01-15 | 2023-02-21 | International Business Machines Corporation | Rebalancing autonomous vehicles according to last-mile delivery demand |
CN115088001A (zh) | 2020-03-23 | 2022-09-20 | 纽诺有限公司 | 用于自主递送的方法和装置 |
WO2021202298A1 (en) * | 2020-03-28 | 2021-10-07 | Deka Products Limited Partnership | System and method for intersection management by an autonomous vehicle |
US11904854B2 (en) * | 2020-03-30 | 2024-02-20 | Toyota Research Institute, Inc. | Systems and methods for modeling pedestrian activity |
US20210343091A1 (en) * | 2020-04-29 | 2021-11-04 | Teleo, Inc. | Deported compute for teleoperation and autonomous systems |
US20210358066A1 (en) * | 2020-05-17 | 2021-11-18 | Ahmad Abusaad | Intelligent Traffic Violation Detection System |
USD935350S1 (en) * | 2020-05-21 | 2021-11-09 | Nuro, Inc. | Autonomous vehicle |
JP7068386B2 (ja) * | 2020-06-10 | 2022-05-16 | ソフトバンク株式会社 | 管理装置、プログラム、システム、及び方法 |
US11797019B2 (en) * | 2020-07-20 | 2023-10-24 | Ford Global Technologies, Llc | Rugged terrain vehicle design and route optimization |
US12005923B2 (en) * | 2020-08-25 | 2024-06-11 | Gm Cruise Holdings Llc | Blockage routing and maneuver arbitration |
CL2021002230A1 (es) * | 2020-08-27 | 2022-04-18 | Tech Resources Pty Ltd | Método y aparatos para coordinar múltiples trayectorias cooperativas de vehículos en redes de carreteras compartidas |
JP2022053313A (ja) * | 2020-09-24 | 2022-04-05 | いすゞ自動車株式会社 | 出動車両制御装置および出動車両制御方法 |
USD965471S1 (en) | 2020-10-01 | 2022-10-04 | Nuro, Inc. | Autonomous vehicle |
US11443518B2 (en) | 2020-11-30 | 2022-09-13 | At&T Intellectual Property I, L.P. | Uncrewed aerial vehicle shared environment privacy and security |
US11726475B2 (en) | 2020-11-30 | 2023-08-15 | At&T Intellectual Property I, L.P. | Autonomous aerial vehicle airspace claiming and announcing |
US11797896B2 (en) | 2020-11-30 | 2023-10-24 | At&T Intellectual Property I, L.P. | Autonomous aerial vehicle assisted viewing location selection for event venue |
US11537197B2 (en) | 2020-12-03 | 2022-12-27 | Lear Corporation | Vehicle system for providing access to removable vehicle components |
CN112562351B (zh) * | 2020-12-03 | 2022-07-19 | 江西台德智慧科技有限公司 | 一种基于智能识别的智能眼镜 |
CN112612788B (zh) * | 2020-12-11 | 2024-03-01 | 中国北方车辆研究所 | 一种无导航卫星信号下的自主定位方法 |
EP4264475A1 (en) | 2020-12-15 | 2023-10-25 | Selex ES Inc. | Systems and methods for electronic signature tracking |
US11644335B2 (en) * | 2021-03-26 | 2023-05-09 | Gm Cruise Holdings Llc | Service area coverage for autonomous vehicle fleets |
US11892303B2 (en) * | 2021-05-26 | 2024-02-06 | Here Global B.V. | Apparatus and methods for predicting state of visibility for a road object |
USD1003194S1 (en) | 2021-08-31 | 2023-10-31 | Nuro, Inc. | Autonomous vehicle |
USD985400S1 (en) | 2021-08-31 | 2023-05-09 | Nuro, Inc. | Sensor arch for vehicle |
US20230140349A1 (en) * | 2021-10-28 | 2023-05-04 | Ford Global Technologies, Llc | Adaptive fleet vehicle dispatch with edge sensing |
US20230194304A1 (en) * | 2021-12-21 | 2023-06-22 | Micron Technology, Inc. | Map update using images |
USD1014398S1 (en) * | 2021-12-23 | 2024-02-13 | Waymo Llc | Vehicle |
FR3132233A1 (fr) * | 2022-02-03 | 2023-08-04 | Psa Automobiles Sa | Procédé et dispositif de contrôle de dispositifs mobiles de purification d’air |
GB2619044A (en) * | 2022-05-25 | 2023-11-29 | Bae Systems Plc | Controlling an aquatic vessel |
US20230391327A1 (en) * | 2022-06-06 | 2023-12-07 | Gm Cruise Holdings Llc | Maximum speed dependent parameter management for autonomous vehicles |
EP4312197A1 (en) * | 2022-07-27 | 2024-01-31 | Bayerische Motoren Werke Aktiengesellschaft | Vehicle, apparatus, computer program, and method for monitoring an environment of a vehicle |
WO2024137509A1 (en) * | 2022-12-23 | 2024-06-27 | SeeScan, Inc. | Systems, apparatus, and methods for documenting utility potholes and associated utility lines |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000030195A (ja) * | 1998-07-10 | 2000-01-28 | Honda Motor Co Ltd | 配車システム |
CN1804551A (zh) * | 2005-01-14 | 2006-07-19 | 阿尔卡特公司 | 导航服务 |
WO2014024254A1 (ja) * | 2012-08-07 | 2014-02-13 | 株式会社日立製作所 | 自律走行装置の利用支援ツール、運用管理センタ、運用システム及び自律走行装置 |
WO2016209595A1 (en) * | 2015-06-22 | 2016-12-29 | Google Inc. | Determining pickup and destination locations for autonomous vehicles |
US20170116477A1 (en) * | 2015-10-23 | 2017-04-27 | Nokia Technologies Oy | Integration of positional data and overhead images for lane identification |
US20170124781A1 (en) * | 2015-11-04 | 2017-05-04 | Zoox, Inc. | Calibration for autonomous vehicle operation |
CN113253692A (zh) * | 2021-06-21 | 2021-08-13 | 浙江华睿科技有限公司 | Agv的巡游方法、装置、设备及可读存储介质 |
Family Cites Families (191)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US1012038A (en) | 1909-12-16 | 1911-12-19 | Sears Roebuck & Co | Strip-serving device. |
US1002978A (en) | 1911-05-27 | 1911-09-12 | Theodore C Fedders | Radiator. |
US3064252A (en) | 1952-03-31 | 1962-11-13 | Arthur A Varela | Height finding radar system |
US4766548A (en) | 1987-01-02 | 1988-08-23 | Pepsico Inc. | Telelink monitoring and reporting system |
US4952911A (en) | 1988-05-18 | 1990-08-28 | Eastman Kodak Company | Scanning intrusion detection device |
JPH02155067A (ja) | 1988-12-07 | 1990-06-14 | Hitachi Ltd | 在庫警告方法及びこれを用いた在庫警告システム |
US5207784A (en) | 1989-03-09 | 1993-05-04 | Wilbur Schwartzendruber | Vending machine with monitoring system |
JPH036407A (ja) | 1989-06-03 | 1991-01-11 | Daido Steel Co Ltd | 外周形状測定装置 |
DE4025333A1 (de) | 1990-08-10 | 1992-02-13 | Cohausz Helge B | Kuehlschrank |
US5636122A (en) | 1992-10-16 | 1997-06-03 | Mobile Information Systems, Inc. | Method and apparatus for tracking vehicle location and computer aided dispatch |
NO941202L (no) | 1994-03-30 | 1995-10-02 | Oeystein Konsmo | Fremgangsmåte til overvåking og generering av meldinger samt utstyr hvor fremgangsmåten anvendes |
EP1026521B1 (en) | 1995-04-12 | 2004-09-29 | Matsushita Electric Industrial Co., Ltd. | Method and apparatus for detecting an object |
US5922040A (en) | 1995-05-17 | 1999-07-13 | Mobile Information System, Inc. | Method and apparatus for fleet management |
US6075441A (en) | 1996-09-05 | 2000-06-13 | Key-Trak, Inc. | Inventoriable-object control and tracking system |
KR19980702556A (ko) | 1995-12-27 | 1998-07-15 | 다까노 야스아끼 | 자동 판매기의 판매 관리 방법 |
US6181981B1 (en) | 1996-05-15 | 2001-01-30 | Marconi Communications Limited | Apparatus and method for improved vending machine inventory maintenance |
US6034803A (en) | 1997-04-30 | 2000-03-07 | K2 T, Inc. | Method and apparatus for directing energy based range detection sensor |
US6230150B1 (en) | 1997-10-09 | 2001-05-08 | Walker Digital, Llc | Vending machine evaluation network |
USD411814S (en) | 1998-03-11 | 1999-07-06 | Honda Giken Kogyo Kabushiki Kaisha | Automobile |
US20030209375A1 (en) | 1999-01-25 | 2003-11-13 | Zip Charge Corporation | Electrical vehicle energy supply system, electrical vehicle battery, electrical vehicle battery charging apparatus, battery supply apparatus, and electrical vehicle battery management system |
AU3771800A (en) | 1999-03-26 | 2000-10-16 | Retail Pipeline Integration Group, Inc., The | Method and system for determining time-phased sales forecasts and projected replenishment shipments in a supply chain |
US7177825B1 (en) | 1999-05-11 | 2007-02-13 | Borders Louis H | Integrated system for ordering, fulfillment, and delivery of consumer products using a data network |
US6323941B1 (en) | 1999-08-06 | 2001-11-27 | Lockheed Martin Corporation | Sensor assembly for imaging passive infrared and active LADAR and method for same |
US7783508B2 (en) | 1999-09-20 | 2010-08-24 | Numerex Corp. | Method and system for refining vending operations based on wireless data |
US6212473B1 (en) * | 1999-09-20 | 2001-04-03 | Ford Global Technologies, Inc. | Vehicle navigation system having inferred user preferences |
US6636598B1 (en) | 2000-01-24 | 2003-10-21 | Avaya Technology Corp. | Automated transaction distribution system and method implementing transaction distribution to unavailable agents |
JP4370660B2 (ja) | 2000-03-09 | 2009-11-25 | 株式会社Ihi | 火災監視システム |
JP2001344640A (ja) | 2000-03-29 | 2001-12-14 | Sanyo Electric Co Ltd | 自動販売機運営方法及び自動販売機 |
US20110130134A1 (en) | 2000-04-19 | 2011-06-02 | Van Rysselberghe Pierre C | Security systems |
WO2001081949A2 (en) | 2000-04-26 | 2001-11-01 | Arete Associates | Very fast time resolved imaging in multiparameter measurement space |
US7139721B2 (en) | 2000-05-10 | 2006-11-21 | Borders Louis H | Scheduling delivery of products via the internet |
US6490995B2 (en) | 2000-08-28 | 2002-12-10 | George Jefferson Greene, Jr. | Air-conditioned animal transporter |
FR2817339B1 (fr) | 2000-11-24 | 2004-05-14 | Mensi | Dispositif de relevement tridimensionnel d'une scene a emission laser |
JP3748790B2 (ja) | 2001-06-12 | 2006-02-22 | 喜久雄 金子 | 宅配便集配システム及びその方法 |
US7190465B2 (en) | 2001-08-30 | 2007-03-13 | Z + F Zoller & Froehlich Gmbh | Laser measurement system |
US7436887B2 (en) * | 2002-02-06 | 2008-10-14 | Playtex Products, Inc. | Method and apparatus for video frame sequence-based object tracking |
US7051539B2 (en) | 2002-12-30 | 2006-05-30 | Whirlpool Corporation | Convertible refrigerator-freezer |
GB2398841A (en) | 2003-02-28 | 2004-09-01 | Qinetiq Ltd | Wind turbine control having a Lidar wind speed measurement apparatus |
CA2531849A1 (en) | 2003-07-11 | 2005-01-27 | Rf Code, Inc. | System, method and computer program product for monitoring inventory |
US20100013615A1 (en) * | 2004-03-31 | 2010-01-21 | Carnegie Mellon University | Obstacle detection having enhanced classification |
US7798885B2 (en) | 2004-08-04 | 2010-09-21 | Mattel, Inc. | Instant message toy phone |
EP1831830A4 (en) | 2004-09-27 | 2010-06-30 | Walker Digital Llc | PRODUCTS AND METHODS FOR DETERMINING THE NATURE OF THE STOCK FOR A DISTRIBUTOR MACHINE |
US20060106490A1 (en) | 2004-11-15 | 2006-05-18 | Admmicro, Llc | Vending machine monitoring system |
JP4171728B2 (ja) | 2004-12-24 | 2008-10-29 | パルステック工業株式会社 | 3次元形状測定装置 |
WO2006069445A1 (en) | 2004-12-29 | 2006-07-06 | Bernard Trest | Dynamic information system |
JP4631761B2 (ja) | 2005-08-08 | 2011-02-16 | トヨタ自動車株式会社 | パワートレイン用の電池寿命予知装置及び電池寿命警告装置 |
US9036028B2 (en) | 2005-09-02 | 2015-05-19 | Sensormatic Electronics, LLC | Object tracking and alerts |
CA2625885C (en) | 2005-10-14 | 2016-09-13 | Aethon, Inc. | Robotic ordering and delivery system software and methods |
US8191779B2 (en) | 2005-10-27 | 2012-06-05 | Avt, Inc. | Wireless management of remote vending machines |
US7944548B2 (en) | 2006-03-07 | 2011-05-17 | Leica Geosystems Ag | Increasing measurement rate in time of flight measurement apparatuses |
US9373149B2 (en) | 2006-03-17 | 2016-06-21 | Fatdoor, Inc. | Autonomous neighborhood vehicle commerce network and community |
US8072581B1 (en) | 2007-01-19 | 2011-12-06 | Rockwell Collins, Inc. | Laser range finding system using variable field of illumination flash lidar |
US20100228405A1 (en) | 2007-06-13 | 2010-09-09 | Intrago Corporation | Shared vehicle management system |
DE102008031682A1 (de) | 2008-07-04 | 2010-03-11 | Eads Deutschland Gmbh | Direktempfang-Doppler-LIDAR-Verfahren und Direktempfang-Doppler-LIDAR-Vorrichtung |
US9026315B2 (en) * | 2010-10-13 | 2015-05-05 | Deere & Company | Apparatus for machine coordination which maintains line-of-site contact |
USD615905S1 (en) | 2008-09-22 | 2010-05-18 | Chrysler Group Llc | Automobile body |
US9147192B2 (en) | 2009-01-14 | 2015-09-29 | International Business Machines Corporation | Targeted vehicle advertising and entertainment system method |
US8120488B2 (en) | 2009-02-27 | 2012-02-21 | Rf Controls, Llc | Radio frequency environment object monitoring system and methods of use |
US20100301056A1 (en) | 2009-05-27 | 2010-12-02 | Sharon Wolfe | Portable Compartmentalized Thermal Food Container |
JP5560788B2 (ja) | 2009-06-26 | 2014-07-30 | 日産自動車株式会社 | 情報提供装置 |
US8326707B2 (en) | 2009-10-08 | 2012-12-04 | At&T Intellectual Property I, Lp | Methods and systems for providing wireless enabled inventory peering |
US8788341B1 (en) | 2010-04-27 | 2014-07-22 | VendScreen, Inc. | Vending machine systems using standard inventory control system components |
US8636208B2 (en) | 2010-06-22 | 2014-01-28 | White Systems, Inc. | Mobile retail store structure with inventory system |
US8063797B1 (en) * | 2010-07-31 | 2011-11-22 | ParkMe LLC | Parking information collection system and method |
US20120059729A1 (en) | 2010-08-26 | 2012-03-08 | Project Fastlane, Inc. | Location aware mobile marketplace application and system |
US9105051B2 (en) | 2011-11-16 | 2015-08-11 | Flextronics Ap, Llc | Car location |
US8799037B2 (en) * | 2010-10-14 | 2014-08-05 | Palto Alto Research Center Incorporated | Computer-implemented system and method for managing motor vehicle parking reservations |
US9542662B2 (en) | 2010-12-30 | 2017-01-10 | Sap Se | Lineage information for streaming event data and event lineage graph structures for visualization |
EP2662651B1 (en) | 2011-01-06 | 2020-04-15 | LG Electronics Inc. | Refrigerator comprising a display |
US8630897B1 (en) | 2011-01-11 | 2014-01-14 | Google Inc. | Transportation-aware physical advertising conversions |
US20120185130A1 (en) | 2011-01-18 | 2012-07-19 | Ekchian Gregory J | Vehicle lighting |
US10217160B2 (en) | 2012-04-22 | 2019-02-26 | Emerging Automotive, Llc | Methods and systems for processing charge availability and route paths for obtaining charge for electric vehicles |
US9493130B2 (en) * | 2011-04-22 | 2016-11-15 | Angel A. Penilla | Methods and systems for communicating content to connected vehicle users based detected tone/mood in voice input |
US9123035B2 (en) | 2011-04-22 | 2015-09-01 | Angel A. Penilla | Electric vehicle (EV) range extending charge systems, distributed networks of charge kiosks, and charge locating mobile apps |
US20120280836A1 (en) * | 2011-05-04 | 2012-11-08 | Federal Signal Corporation | Vehicle Detection System with RFID-Based Location Determination |
US20140209634A1 (en) | 2011-06-21 | 2014-07-31 | Smart Bar International LLC | Automatic beverage dispenser beverage cart |
CN103918154B (zh) | 2011-07-26 | 2017-09-12 | 睿能创意公司 | 用于提供电能存储设备收集、充电及分配机的位置的装置、方法及物品 |
WO2013025803A1 (en) | 2011-08-17 | 2013-02-21 | Eyal Shlomot | Smart electronic roadside billboard |
US9037852B2 (en) * | 2011-09-02 | 2015-05-19 | Ivsc Ip Llc | System and method for independent control of for-hire vehicles |
BR112014006445B1 (pt) | 2011-09-19 | 2021-11-16 | Tata Consultancy Service Limited | Plataforma computadorizada para o desenvolvimento e implementação de aplicações e serviços telemétricos de veículos acionados a sensor |
FR2984254B1 (fr) * | 2011-12-16 | 2016-07-01 | Renault Sa | Controle de vehicules autonomes |
US9417199B2 (en) * | 2012-01-17 | 2016-08-16 | Triune Systems, LLC | Method and system of wireless power transfer foreign object detection |
US9713675B2 (en) * | 2012-07-17 | 2017-07-25 | Elwha Llc | Unmanned device interaction methods and systems |
US9230236B2 (en) | 2012-08-07 | 2016-01-05 | Daniel Judge Villamar | Automated delivery vehicle, systems and methods for automated delivery |
US9383753B1 (en) | 2012-09-26 | 2016-07-05 | Google Inc. | Wide-view LIDAR with areas of special attention |
US9086273B1 (en) | 2013-03-08 | 2015-07-21 | Google Inc. | Microrod compression of laser beam in combination with transmit lens |
US9349238B2 (en) | 2013-03-13 | 2016-05-24 | Pantry Retail, Inc. | Vending kit and method |
US9152870B2 (en) * | 2013-03-15 | 2015-10-06 | Sri International | Computer vision as a service |
US10499477B2 (en) | 2013-03-18 | 2019-12-03 | Signify Holding B.V. | Methods and apparatus for information management and control of outdoor lighting networks |
US9489490B1 (en) | 2013-04-29 | 2016-11-08 | Daniel Theobald | Mobile robot for receiving, transporting, and/or delivering one or more pharmaceutical items |
US20140330738A1 (en) | 2013-05-01 | 2014-11-06 | Gruppo Due Mondi, Inc. | Optimizing Customer Delivery Services |
JP6142072B2 (ja) | 2013-05-16 | 2017-06-07 | インテル コーポレイション | 電力消費を低減させるための表示エリアの自動調整 |
US9307383B1 (en) | 2013-06-12 | 2016-04-05 | Google Inc. | Request apparatus for delivery of medical support implement by UAV |
US9256852B1 (en) * | 2013-07-01 | 2016-02-09 | Google Inc. | Autonomous delivery platform |
US10551851B2 (en) | 2013-07-01 | 2020-02-04 | Steven Sounyoung Yu | Autonomous unmanned road vehicle for making deliveries |
US8836922B1 (en) | 2013-08-20 | 2014-09-16 | Google Inc. | Devices and methods for a rotating LIDAR platform with a shared transmit/receive path |
US9464902B2 (en) | 2013-09-27 | 2016-10-11 | Regents Of The University Of Minnesota | Symbiotic unmanned aerial vehicle and unmanned surface vehicle system |
CA2927096C (en) | 2013-10-26 | 2023-02-28 | Amazon Technologies, Inc. | Unmanned aerial vehicle delivery system |
CN111114377B (zh) | 2013-11-28 | 2024-08-27 | 松下电器(美国)知识产权公司 | 信息输出方法、信息提示装置以及信息输出系统 |
US9984348B2 (en) | 2013-11-29 | 2018-05-29 | Fedex Corporate Services, Inc. | Context management of a wireless node network |
US9741011B2 (en) | 2013-12-12 | 2017-08-22 | Main Grade Assets, Llc | System for improving efficiencies of on-demand delivery services |
US9684914B1 (en) | 2014-01-17 | 2017-06-20 | Amazon Technologies, Inc. | Techniques for real-time dynamic pricing |
CN106133781B (zh) | 2014-02-07 | 2020-08-11 | 可口可乐公司 | 用机械化移动贩售机售卖货物或服务或收集回收型废物的系统和方法 |
EP3132394A4 (en) | 2014-04-14 | 2017-11-29 | Zipcar Inc. | Systems and methods for vehicle fleet sharing |
US9984525B2 (en) | 2014-04-24 | 2018-05-29 | The Hillman Group, Inc. | Automated vending inventory management apparatuses and method |
US10402665B2 (en) * | 2014-05-14 | 2019-09-03 | Mobileye Vision Technologies, Ltd. | Systems and methods for detecting traffic signs |
USD734211S1 (en) | 2014-05-23 | 2015-07-14 | Google Inc. | Autonomous vehicle exterior |
US10636335B2 (en) | 2014-06-13 | 2020-04-28 | Ildikó Kis-Benedek Pinero | Portable display device and system |
US10163177B2 (en) | 2014-07-31 | 2018-12-25 | Emmett Farris | System and method for controlling drone delivery or pick up during a delivery or pick up phase of drone operation |
US9542664B2 (en) | 2014-09-08 | 2017-01-10 | Inventor-E Limited | Stock monitoring |
US9508204B2 (en) | 2014-10-01 | 2016-11-29 | Continental Intelligent Transportation Systems, LLC | Package exchange and service system using a key fob simulator |
US9613346B2 (en) | 2014-12-08 | 2017-04-04 | Vendwatch Telematics, Llc | Vending machine route management |
US9824394B1 (en) | 2015-02-06 | 2017-11-21 | Square, Inc. | Payment processor financing of customer purchases |
CN111380545A (zh) * | 2015-02-10 | 2020-07-07 | 御眼视觉技术有限公司 | 用于自主车辆导航的方法、服务器、自主车辆以及介质 |
GB2535718A (en) * | 2015-02-24 | 2016-08-31 | Addison Lee Ltd | Resource management |
US9552564B1 (en) * | 2015-03-19 | 2017-01-24 | Amazon Technologies, Inc. | Autonomous delivery transportation network |
US10891584B2 (en) * | 2015-04-10 | 2021-01-12 | Smiotex, Inc. | Devices, systems, and methods for storing items |
US10507807B2 (en) * | 2015-04-28 | 2019-12-17 | Mobileye Vision Technologies Ltd. | Systems and methods for causing a vehicle response based on traffic light detection |
US9547309B2 (en) | 2015-05-13 | 2017-01-17 | Uber Technologies, Inc. | Selecting vehicle type for providing transport |
US9836056B2 (en) | 2015-06-05 | 2017-12-05 | Bao Tran | Smart vehicle |
US20160357187A1 (en) * | 2015-06-05 | 2016-12-08 | Arafat M.A. ANSARI | Smart vehicle |
US9711050B2 (en) | 2015-06-05 | 2017-07-18 | Bao Tran | Smart vehicle |
US9786187B1 (en) | 2015-06-09 | 2017-10-10 | Amazon Technologies, Inc. | Transportation network utilizing autonomous vehicles for transporting items |
US10802575B2 (en) | 2015-06-11 | 2020-10-13 | Karma Automotive Llc | Smart external display for vehicles |
DE102015111033A1 (de) | 2015-07-08 | 2017-01-12 | Deutsche Post Ag | Vorrichtung und Verfahren zur flexiblen Abholung und/oder Einlieferung einer Sendung |
KR20170010645A (ko) | 2015-07-20 | 2017-02-01 | 엘지전자 주식회사 | 자율 주행 차량 및 이를 구비하는 자율 주행 차량 시스템 |
US20150348112A1 (en) | 2015-08-12 | 2015-12-03 | Madhusoodhan Ramanujam | Providing Advertisements to Autonomous Vehicles |
US10139237B2 (en) * | 2015-09-01 | 2018-11-27 | Chris Outwater | Method for remotely identifying one of a passenger and an assigned vehicle to the other |
US9731726B2 (en) | 2015-09-02 | 2017-08-15 | International Business Machines Corporation | Redirecting self-driving vehicles to a product provider based on physiological states of occupants of the self-driving vehicles |
US10082797B2 (en) | 2015-09-16 | 2018-09-25 | Ford Global Technologies, Llc | Vehicle radar perception and localization |
US10139828B2 (en) * | 2015-09-24 | 2018-11-27 | Uber Technologies, Inc. | Autonomous vehicle operated with safety augmentation |
WO2017064202A1 (en) | 2015-10-13 | 2017-04-20 | Starship Technologies Oü | Method and system for autonomous or semi-autonomous delivery |
MX2018005330A (es) | 2015-10-30 | 2018-09-05 | Walmart Apollo Llc | Sistemas comerciales moviles y metodos de distribucion y abastecimiento de los sistemas comerciales moviles. |
EP3825807A1 (en) | 2015-11-02 | 2021-05-26 | Starship Technologies OÜ | Method, device and assembly for map generation |
EP3370979B1 (en) | 2015-11-02 | 2020-06-03 | Starship Technologies OÜ | System and method for traversing vertical obstacles |
US9754490B2 (en) | 2015-11-04 | 2017-09-05 | Zoox, Inc. | Software application to request and control an autonomous vehicle service |
US9632502B1 (en) * | 2015-11-04 | 2017-04-25 | Zoox, Inc. | Machine-learning systems and techniques to optimize teleoperation and/or planner decisions |
US9606539B1 (en) | 2015-11-04 | 2017-03-28 | Zoox, Inc. | Autonomous vehicle fleet service and system |
US9958864B2 (en) | 2015-11-04 | 2018-05-01 | Zoox, Inc. | Coordination of dispatching and maintaining fleet of autonomous vehicles |
WO2017079341A2 (en) * | 2015-11-04 | 2017-05-11 | Zoox, Inc. | Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles |
EP3374947A4 (en) | 2015-11-09 | 2019-03-27 | Simbe Robotics, Inc. | METHOD FOR FOLLOWING A STOCK LEVEL IN A STORE |
EP3378020A1 (en) | 2015-11-20 | 2018-09-26 | Ocado Innovation Limited | Secured container system for unattended deliveries |
JP6540482B2 (ja) * | 2015-12-04 | 2019-07-10 | 株式会社デンソー | 情報処理システム、情報処理装置及び出力制御方法 |
US20170282859A1 (en) | 2015-12-22 | 2017-10-05 | GM Global Technology Operations LLC | On-sale vehicle sharing accessory device and system |
US20170227470A1 (en) | 2016-02-04 | 2017-08-10 | Proxy Technologies, Inc. | Autonomous vehicle, system and method for structural object assessment and manufacture thereof |
US10088846B2 (en) | 2016-03-03 | 2018-10-02 | GM Global Technology Operations LLC | System and method for intended passenger detection |
WO2017152067A1 (en) * | 2016-03-04 | 2017-09-08 | Animusoft Llc | Drone and robot control systems and methods |
US9792575B2 (en) * | 2016-03-11 | 2017-10-17 | Route4Me, Inc. | Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints |
GB2563782B (en) | 2016-03-14 | 2022-03-09 | Walmart Apollo Llc | Unmanned aircraft systems and methods to interact with specifically intended objects |
US9488984B1 (en) | 2016-03-17 | 2016-11-08 | Jeff Williams | Method, device and system for navigation of an autonomous supply chain node vehicle in a storage center using virtual image-code tape |
CA3022379C (en) * | 2016-04-29 | 2021-03-23 | United Parcel Service Of America, Inc. | Unmanned aerial vehicle pick-up and delivery systems |
MX2018013500A (es) | 2016-05-04 | 2019-07-08 | Walmart Apollo Llc | Sistemas distribuidos de robot autónomo y métodos. |
JP6849705B2 (ja) * | 2016-06-24 | 2021-03-24 | スイス リインシュランス カンパニー リミテッド | 自動化されたリスク制御システムを含む自律的又は部分的に自律的な自動車及びそれに対応する方法 |
US10029787B1 (en) | 2016-06-30 | 2018-07-24 | X Development Llc | Interactive transport services provided by unmanned aerial vehicles |
US10166976B2 (en) | 2016-07-22 | 2019-01-01 | International Business Machines Corporation | Connection of an autonomous vehicle with a second vehicle to receive goods |
US10216188B2 (en) | 2016-07-25 | 2019-02-26 | Amazon Technologies, Inc. | Autonomous ground vehicles based at delivery locations |
US10062288B2 (en) | 2016-07-29 | 2018-08-28 | GM Global Technology Operations LLC | Systems and methods for autonomous driving merging management |
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 |
US10275975B2 (en) | 2016-08-19 | 2019-04-30 | Walmart Apollo, Llc | Apparatus and method for mobile vending |
SG10201606948XA (en) | 2016-08-19 | 2018-03-28 | Mastercard Asia Pacific Pte Ltd | Item delivery management systems and methods |
US11429917B2 (en) | 2016-09-02 | 2022-08-30 | Home Valet, Inc. | System and method for robotic delivery |
US20180101818A1 (en) | 2016-09-03 | 2018-04-12 | John Simms | System and Method for Delivery of Goods Incentivized by Rewards Program |
US10643256B2 (en) | 2016-09-16 | 2020-05-05 | International Business Machines Corporation | Configuring a self-driving vehicle for charitable donations pickup and delivery |
US9815633B1 (en) | 2016-09-19 | 2017-11-14 | Amazon Technologies, Inc. | Automated fulfillment of unmanned aerial vehicles |
US9905133B1 (en) * | 2016-09-30 | 2018-02-27 | Allstate Insurance Company | Controlling autonomous vehicles to provide automated emergency response functions |
US10046688B2 (en) | 2016-10-06 | 2018-08-14 | Ford Global Technologies, Llc | Vehicle containing sales bins |
GB2572871B (en) | 2016-11-16 | 2022-04-20 | Walmart Apollo Llc | Climate controlled container for vehicle |
US10699305B2 (en) * | 2016-11-21 | 2020-06-30 | Nio Usa, Inc. | Smart refill assistant for electric vehicles |
US10762441B2 (en) | 2016-12-01 | 2020-09-01 | Uber Technologies, Inc. | Predicting user state using machine learning |
US10223829B2 (en) * | 2016-12-01 | 2019-03-05 | Here Global B.V. | Method and apparatus for generating a cleaned object model for an object in a mapping database |
US9741010B1 (en) | 2016-12-02 | 2017-08-22 | Starship Technologies Oü | System and method for securely delivering packages to different delivery recipients with a single vehicle |
US20180158018A1 (en) | 2016-12-05 | 2018-06-07 | United States Postal Service | Systems for autonomous item delivery |
US11068949B2 (en) | 2016-12-09 | 2021-07-20 | 365 Retail Markets, Llc | Distributed and automated transaction systems |
CN110249353A (zh) | 2016-12-12 | 2019-09-17 | 沃尔玛阿波罗有限责任公司 | 用于经由自主地面车辆将产品递送到由客户指定的车辆的系统和方法 |
US10949792B2 (en) | 2016-12-30 | 2021-03-16 | United States Postal Service | System and method for delivering items using autonomous vehicles and receptacle targets |
US20180196417A1 (en) | 2017-01-09 | 2018-07-12 | nuTonomy Inc. | Location Signaling with Respect to an Autonomous Vehicle and a Rider |
US10740863B2 (en) | 2017-01-09 | 2020-08-11 | nuTonomy Inc. | Location signaling with respect to an autonomous vehicle and a rider |
US20180209803A1 (en) | 2017-01-25 | 2018-07-26 | Via Transportation, Inc. | Dynamic Route Planning |
US9919704B1 (en) * | 2017-01-27 | 2018-03-20 | International Business Machines Corporation | Parking for self-driving car |
WO2018156292A1 (en) | 2017-02-24 | 2018-08-30 | Walmart Apollo, Llc | Systems and methods for delivering products via unmanned mobile lockers |
US20180260780A1 (en) | 2017-03-08 | 2018-09-13 | Wheely's Café International AB | Movable hub distribution system |
US20180260778A1 (en) | 2017-03-08 | 2018-09-13 | Wheely's Café International AB | Self driving automated vending vehicle |
US11094029B2 (en) * | 2017-04-10 | 2021-08-17 | Intel Corporation | Abstraction layers for scalable distributed machine learning |
US11023803B2 (en) * | 2017-04-10 | 2021-06-01 | Intel Corporation | Abstraction library to enable scalable distributed machine learning |
US11227270B2 (en) | 2017-05-30 | 2022-01-18 | Robomart, Inc. | One tap/command grocery ordering via self-driving mini marts and seamless checkout-free technology |
US11244252B2 (en) | 2017-06-21 | 2022-02-08 | Chian Chiu Li | Autonomous driving under user instructions and hailing methods |
US10620629B2 (en) * | 2017-06-22 | 2020-04-14 | The Boeing Company | Autonomous swarm for rapid vehicle turnaround |
US10296795B2 (en) * | 2017-06-26 | 2019-05-21 | Here Global B.V. | Method, apparatus, and system for estimating a quality of lane features of a roadway |
US20190023236A1 (en) | 2017-07-19 | 2019-01-24 | Ronald Michael Webb | Autonomous vehicle service station, systems and methods |
JP2020527805A (ja) | 2017-07-20 | 2020-09-10 | ニューロ・インコーポレーテッドNuro Incorporated | 自律車両の再配置 |
EP3659080A4 (en) | 2017-07-28 | 2021-04-21 | Nuro, Inc. | SYSTEM AND MECHANISM FOR INCENTIVE SELLING OF PRODUCTS ON AUTONOMOUS VEHICLES |
-
2018
- 2018-07-19 JP JP2020502211A patent/JP2020527805A/ja active Pending
- 2018-07-19 CN CN201880047506.4A patent/CN110914779A/zh active Pending
- 2018-07-19 US US16/040,446 patent/US10331124B2/en active Active
- 2018-07-19 US US16/040,437 patent/US11449050B2/en active Active
- 2018-07-19 US US16/040,432 patent/US11467574B2/en active Active
- 2018-07-19 EP EP18835958.2A patent/EP3655836A4/en not_active Withdrawn
- 2018-07-19 CA CA3070186A patent/CA3070186A1/en active Pending
- 2018-07-19 WO PCT/US2018/042967 patent/WO2019018695A1/en unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000030195A (ja) * | 1998-07-10 | 2000-01-28 | Honda Motor Co Ltd | 配車システム |
CN1804551A (zh) * | 2005-01-14 | 2006-07-19 | 阿尔卡特公司 | 导航服务 |
WO2014024254A1 (ja) * | 2012-08-07 | 2014-02-13 | 株式会社日立製作所 | 自律走行装置の利用支援ツール、運用管理センタ、運用システム及び自律走行装置 |
WO2016209595A1 (en) * | 2015-06-22 | 2016-12-29 | Google Inc. | Determining pickup and destination locations for autonomous vehicles |
US20170116477A1 (en) * | 2015-10-23 | 2017-04-27 | Nokia Technologies Oy | Integration of positional data and overhead images for lane identification |
US20170124781A1 (en) * | 2015-11-04 | 2017-05-04 | Zoox, Inc. | Calibration for autonomous vehicle operation |
CN113253692A (zh) * | 2021-06-21 | 2021-08-13 | 浙江华睿科技有限公司 | Agv的巡游方法、装置、设备及可读存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112445923A (zh) * | 2021-02-01 | 2021-03-05 | 智道网联科技(北京)有限公司 | 基于智慧交通的数据处理方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP3655836A4 (en) | 2021-04-21 |
US11449050B2 (en) | 2022-09-20 |
JP2020527805A (ja) | 2020-09-10 |
US20190026886A1 (en) | 2019-01-24 |
CA3070186A1 (en) | 2019-01-24 |
EP3655836A1 (en) | 2020-05-27 |
WO2019018695A1 (en) | 2019-01-24 |
US10331124B2 (en) | 2019-06-25 |
US20190043355A1 (en) | 2019-02-07 |
US20190025820A1 (en) | 2019-01-24 |
US11467574B2 (en) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10331124B2 (en) | Autonomous vehicle repositioning | |
US20210356959A1 (en) | Fleet of autonomous vehicles with lane positioning and platooning behaviors | |
US11341560B2 (en) | Advertising on autonomous or semi-autonomous vehicle exterior | |
US11340077B2 (en) | Driving condition specific sensor quality index | |
US11435193B2 (en) | Dynamic map rendering | |
US20200019175A1 (en) | Autonomous vehicle routing using annotated maps | |
US20190146508A1 (en) | Dynamic vehicle routing using annotated maps and profiles | |
US20220044198A1 (en) | Method and apparatus for dynamic load selection and parking calculation for last mile delivery | |
US11694557B2 (en) | Integrating air and ground data collection for improved drone operation | |
US11804136B1 (en) | Managing and tracking scouting tasks using autonomous vehicles | |
US11914642B2 (en) | Difference merging for map portions | |
US11892307B2 (en) | Stranding and scoping analysis for autonomous vehicle services | |
US20190339694A1 (en) | Using environmental information to estimate sensor functionality for autonomous vehicles | |
US11788854B1 (en) | Assessing the impact of blockages on autonomous vehicle services | |
US20220222597A1 (en) | Timing of pickups for autonomous vehicles | |
US20220107650A1 (en) | Providing deliveries of goods using autonomous vehicles | |
US20240174032A1 (en) | Apparatus and methods for predicting tire temperature levels | |
US20240219519A1 (en) | Weather station for sensor calibration | |
US20220172259A1 (en) | Smart destination suggestions for a transportation service | |
US20230146500A1 (en) | Systems and methods for determining an optimal placement of a package |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200324 |