CN111868776A

CN111868776A - 管理车辆车队

Info

Publication number: CN111868776A
Application number: CN201980019472.2A
Authority: CN
Inventors: C.K.路德维克; A.H.查塔姆; M.P.麦克诺顿; C.B.约翰逊
Original assignee: Waymo LLC
Current assignee: Waymo LLC
Priority date: 2018-03-15
Filing date: 2019-03-13
Publication date: 2020-10-30
Also published as: US20190285425A1; WO2019178197A1; US20220074750A1; US11168995B2

Abstract

本公开的各方面涉及确定车队的车辆100的下一车辆任务。来自车辆的车辆数据、关于至少一个充电器的充电器数据以及需求数据可以被接收并用于确定下一车辆任务。车辆可以被引导至下一车辆任务。确定下一车辆任务可以还基于使用车辆数据、充电器数据和需求数据做出的预测。启发法也可以用于确定下一车辆任务。

Description

管理车辆车队

相关申请的交叉引用

本申请要求2018年3月15日提交的第15/921,907号美国专利申请的申请日的权益，其公开内容通过引用结合于此。

背景技术

自主车辆，例如不需要人类驾驶员的车辆，可以用于帮助将乘客或物品从一个位置运输到另一位置。这样的车辆可以在完全自主模式下操作，在该完全自主模式下乘客可以提供某一初始输入，诸如接载(pickup)或目的地位置，并且车辆将自身操纵到该位置。因此，此类车辆可以用于提供运输服务。

提供运输服务的其他系统通常包括被委派做出关于如何操作车辆的决策的驾驶员或售票员(conductor)。此类服务可以包括一些后端服务器系统，其可以将车辆调度(dispatch)到某些位置以提供运输服务，以及提供车队(fleet)管理和车辆分段运输(staging)指令。

发明内容

本公开提供一种确定车队车辆的下一车辆任务的方法，该方法包括：从车辆接收车辆数据，车辆数据包括车辆充电状态、车辆电量容量、车辆位置、车辆类型和当前车辆任务中的一个或多个；接收关于至少一个充电器的充电器数据，充电器数据包括充电器位置、充电器可用性、充电器类型和充电器速度中的一个或多个；接收关于当前行程需求和预测的未来的行程需求中的一个或多个的需求数据；基于车辆数据、充电器数据和需求数据确定车辆的下一车辆任务，其中下一车辆任务与对车辆进行充电有关；以及将车辆引导至下一车辆任务。

该方法还可以包括：确定车辆的能量消耗率，以及基于能量消耗率预测行程后的未来的车辆充电状态，并且其中将车辆引导至下一车辆任务包括当所预测的在该行程之后的车辆充电状态低于最小阈值(threshold minimum)时，引导车辆在行程后再充电。能量消耗率还可以基于天气状况来确定。该方法还可以包括确定车辆充电状态是否低于绝对最小阈值(threshold absolute minimum)，其中将车辆引导至下一车辆任务包括：当确定车辆充电状态低于绝对最小阈值水平(threshold absolute minimum level)时，引导车辆再充电。

该方法还可以包括预测当前能量成本将低于未来的能量成本的可能性，其中确定下一车辆任务还基于当前能量成本将低于未来的能量成本的可能性。该方法还可以包括确定具有峰值能量成本的一个或多个时间窗，其中将车辆引导至下一车辆任务包括引导车辆在具有峰值能量成本的一个或多个时间窗期间不进行再充电。

该方法还可以包括基于车辆位置、车辆类型、充电器位置、充电器可用性、充电器类型和充电器速度中的至少一个，在至少一个充电器中选择合适的充电器以对车辆进行再充电，并且其中将车辆引导至下一车辆任务包括：当确定下一车辆任务为再充电时，引导车辆在合适的充电器处再充电。选择合适的充电器还可以基于车队中的其他车辆进行再充电的需求。选择合适的充电器还可以基于车队中的其他车辆正在何处再充电的分布。该方法还可以包括基于充电器可用性、充电器类型和充电器速度来预测未来的充电器可用性，其中，选择合适的充电器还基于未来的充电器可用性。

该方法还可以包括基于车辆充电状态、车辆电量容量和充电器速度中的至少一个来确定对车辆再充电的程度，以及引导车辆继续再充电直至所述程度，并且其中将车辆引导至下一车辆任务包括当对车辆再充电直至所述程度时，引导车辆停止再充电。确定再充电的程度还可以基于车辆充电状态是否超过最大阈值水平(threshold maximum level)。该方法还可以包括在当前行程需求高于阈值峰值需求时，调整最大阈值水平。确定再充电的程度还可以基于车辆充电状态是否落在最小阈值水平(threshold minimum level)之下，其中最小阈值水平基于到达用于再充电的充电器所涉及的行进成本。确定对车辆再充电的程度还可以基于当前能量成本与预测的未来的能量成本之间的比较。

该方法还可以包括基于车辆类型、服务类型和乘客数量中的至少一个来确定合适的下一行程，并且其中将车辆引导至下一车辆任务包括引导车辆服务于合适的下一行程并在该合适的下一行程之后进行再充电。

该方法还可以包括在当前车辆任务之后预测第一车辆位置，基于需求数据预测下一行程之后的第二车辆位置，以及预测在完成当前车辆任务时比在完成下一行程时车辆将更接近可用充电器的可能性，并且其中确定下一车辆任务还基于在完成当前车辆任务时比在完成下一行程时车辆将更接近可用充电器的可能性。

本公开还提供一种用于确定车队车辆的下一车辆任务的系统，该系统包括一个或多个服务器计算设备的一个或多个处理器，该一个或多个处理器被配置为：接收关于车队中的车辆的车辆数据，车辆数据包括车辆充电状态、车辆电量容量、车辆位置、车辆类型和当前车辆任务中的一个或多个；接收关于至少一个充电器的充电器数据，充电器数据包括充电器位置、充电器可用性、充电器类型和充电器速度中的一个或多个；接收关于当前行程需求和预测的未来的行程需求中的一个或多个的需求数据；基于车辆数据、充电器数据和需求数据确定车辆的下一车辆任务，其中，下一车辆任务与对车辆进行充电有关；以及将车辆引导至下一车辆任务。一个或多个处理器还被配置为：确定车辆的能量消耗率，以及基于能量消耗率预测在行程之后的未来的车辆充电状态，其中，将车辆引导至下一车辆任务包括当所预测的在行程之后的车辆充电状态低于最小阈值时，引导车辆在行程之后再充电。该系统还可以包括车辆。

附图说明

图1是根据示例性实施例的示例车辆的功能图。

图2是根据本公开的各方面的车辆的示例外部视图。

图3是根据示例性实施例的示例系统的示意图。

图4是根据本公开的各方面的图3的系统的功能图。

图5A-图5C是根据本公开的各方面的示例表。

图6是根据本公开的各方面的数据的示例表示。

图7是根据本公开的各方面的数据的示例表示。

图8是根据本公开的各方面的数据的示例表示。

图9是根据本公开的各方面的数据的示例表示。

图10是根据本公开的各方面的示例流程图。

具体实施方式

概述

本技术涉及引导车辆车队的系统和方法。例如，服务器系统可以被配置为调度系统，以基于车辆数据、充电器数据和需求数据来确定车队中的车辆的下一车辆任务。车辆任务可以包括但不限于再充电、继续再充电、停止再充电、断电或服务于下一行程。车辆数据可以包括关于车队中的车辆的各种类型的信息。例如，车辆数据可以包括车辆位置和车辆类型，其可以通过能量如何消耗、其大小(size)或载客量、或车辆正被如何驾驶来分类。在某些情况下，车辆数据可包括关于车辆的充电状态和电量容量的信息。车辆数据还可以包括关于当前车辆任务的信息。充电器数据可以包括关于车队中的车辆可以使用的各种充电器的信息。需求数据可以指示车队的车辆的行程需求。

调度系统可以基于车辆数据进行预测。除了车辆数据之外，调度系统还可以使用其他因素来预测车辆的能量消耗率，诸如路线状况、天气状况或用户可能修改行程的预测可能性。除了使用车辆数据之外，调度系统还可以基于充电器数据进行预测。类似地，调度系统可以基于需求数据进行预测。

调度系统可以将车辆数据、充电器数据、需求数据和预测与启发式数据结合使用以确定车辆的下一车辆任务，该任务可以包括再充电、继续再充电、停止再充电、断电、或服务于下一行程。例如，作为安全措施，调度系统可以使用识别绝对最小阈值的启发法，使得一旦达到绝对最小阈值，就必须引导车辆再充电。在其他实施例中，可以基于在完成当前行程时比在完成下一行程时车辆将更接近可用充电器的可能性的预测来设计启发法。在其他实施例中，可以基于能量成本的预测来设计启发法。在其他实施例中，如果下一车辆任务被确定为再充电，则启发法可以被设计为确定合适的充电器。其他实施例可以具有设计成确定对车辆再充电的程度的启发法。在其他实施例中，如果下一车辆任务是服务于行程，则启发法可以被设计为确定合适的行程。在其他实施例中，启发法可以被设计为车队范围的规则。

本文所述的车队引导技术可以允许针对用于提供运输服务的车辆的车队的车辆任务的排程(scheduling)的优化。反过来，这可以最小化车队中车辆行进的空行里程(empty mileage)(换句话说，在不运输乘客或货物时车辆所行进的英里)，最小化错失行程，以及降低车队的能量成本。此外，本技术还可以改善用户在交通服务方面的体验，例如，行进的空行里程越少可以意味着用户的等待时间就越短，错失行程越少可以意味着请求的用户越不可能对下降的行程请求感到失望，并且降低的车队的能量成本可以允许以更实惠的价格为运输服务出价。

示例系统

如图1所示，根据本公开的一个方面的车辆100包括各种组件。尽管本公开的某些方面对于特定类型的车辆特别有用，但是该车辆可以是任何类型的车辆，包括但不限于汽车、卡车、摩托车、公共汽车、休闲车等。该车辆可以具有一定载客量，例如，最多8位乘客的小型货车、最多5位乘客的轿车、最多20位乘客的公共汽车、最多5位乘客的紧凑型车(compact)等等。车辆可以是自主的、半自主的、或由人类驾驶员来驾驶。车辆可以是电动车辆、混合动力车辆、汽油车辆、燃料电池(cell)车辆等。

车辆可以具有一个或多个计算设备，诸如包含一个或多个处理器120、存储器130和通常存在于通用计算设备中的其他组件的计算设备110。

存储器130存储可由一个或多个处理器120访问的信息，包括可由处理器120执行或以其他方式使用的指令132和数据134。存储器130可以是能够存储可由处理器访问的信息的任何类型，包括计算设备可读介质或存储可借助电子设备读取的数据的其他介质，诸如硬盘、存储器卡、ROM、RAM、DVD或其他光盘，以及其他可写和只读存储器。系统和方法可以包括前述的不同组合，由此指令和数据的不同部分被存储在不同类型的介质上。

指令132可以是将由处理器直接执行(诸如，机器代码)或间接执行(诸如，脚本)的任何指令集。例如，指令可以作为计算设备代码存储在计算设备可读介质上。在这方面，术语“指令”和“程序”在本文中可以互换使用。指令可以以目标代码格式存储以供处理器直接处理，或者以包括按需解释或预先编译的独立源代码模块的集合或脚本的任何其他计算设备语言存储。指令的例程、方法和功能将在下面更详细地说明。

数据134可以由处理器120根据指令132检索、存储或修改。例如，尽管所要求保护的主题不受任何特定数据结构的限制，但是该数据可以存储在计算设备寄存器中，存储在关系数据库中作为具有多个不同字段和记录的表、XML文档或平面文件(flat file)。数据也可以以任何计算设备可读格式来格式化。

一个或多个处理器120可以是任何常规处理器，诸如可商购的CPU。替选地，一个或多个处理器可以是专用设备，诸如ASIC或其他基于硬件的处理器。尽管图1在功能上将处理器、存储器和计算设备110的其他元件示出为在同一块内，但是本领域普通技术人员将理解，处理器、计算设备或存储器实际上可包括可以存放(store)在同一物理外壳内或可以不存放在同一物理外壳内的多个处理器、计算设备或存储器。例如，存储器可以是位于与计算设备110的外壳不同的外壳中的硬盘驱动器或其他存储介质。因此，对处理器或计算设备的引用将被理解为包括对可以并行操作或可以不并行操作的处理器或计算设备或存储器的集合的引用。

计算设备110可以包括通常与计算设备结合使用的所有组件(诸如上述处理器和存储器)，以及用户输入150(例如，鼠标、键盘、触摸屏和/或麦克风)和各种电子显示器(例如，具有屏幕的监视器或可操作以显示信息的任何其他电子设备)。在该示例中，车辆包括内部电子显示器152以及一个或多个扬声器154以提供信息或视听体验。就这一点而言，内部电子显示器152可以位于车辆100的座舱内，并且可以由计算设备110用来向车辆100内的乘客提供信息。

计算设备110还可以包括一个或多个无线网络连接156，以促进与其他计算设备的通信，诸如下面详细描述的客户端计算设备和服务器计算设备。无线网络连接可以包括短距离通信协议(诸如蓝牙、低功耗蓝牙(LE)、蜂窝连接)以及各种配置和协议，包括因特网、万维网、内联网、虚拟专用网、广域网、本地网络、使用一个或多个公司专有的通信协议的专用网络、以太网、WiFi和HTTP，以及前述的各种组合。

在一个示例中，计算设备110可以是并入车辆100中的自主或半自主驾驶计算系统的控制计算设备。自主或半自主驾驶计算系统能够与车辆的各个组件进行通信，以便根据存储器130的主要车辆控制代码来控制车辆100的移动。例如，返回到图1，计算设备110可以与车辆100的各种系统通信以便根据存储器130的指令132控制车辆100的移动、速度等，各种系统诸如减速系统160、加速系统162、转向系统164、信令系统166、导航系统168、定位系统170、感知系统172和动力系统174(即，车辆的引擎或发动机)。动力系统174可以用多种不同燃料中的任何一种来运转。例如，动力系统174可以由电池(battery)、燃料电池(fuelcell)、汽油箱提供动力，或者它可以是混合动力系统。动力系统174还可以包括用于电池或燃料电池的充电系统。再者，尽管这些系统被示出为在计算设备110的外部，但实际上，这些系统也可以并入计算设备110中，再次作为用于控制车辆100的自主驾驶计算系统。

作为示例，计算设备110可以与减速系统160和/或加速系统162的一个或多个致动器(诸如，车辆的制动器、加速器踏板和/或引擎或发电机)交互，以便控制车辆的速度。类似地，计算设备110可以使用转向系统164的一个或多个致动器(诸如，方向盘、转向轴和/或齿条齿轮系统中的小齿轮和齿条)，以便控制车辆100的方向。例如，如果车辆100被配置用于在道路上使用，诸如汽车或卡车，则转向系统可以包括一个或多个致动器，以控制车轮的角度来使车辆转弯。计算设备110可以使用信令系统166，以便例如在需要时通过点亮转弯信号或刹车灯来向其他驾驶员或车辆发信号通知车辆的意图。

计算设备110可以使用导航系统168，以便确定并遵循到达一位置的路线。就这一点而言，导航系统168和/或数据134可以存储详细的地图信息，例如，高度详细的地图，其标识道路的形状和高程(elevation)、车道线、交叉路口、人行横道、限速、交通信号、建筑物、标志、实时交通信息、植被或其他此类对象和信息。

计算设备110可以使用定位系统170，以便确定车辆在地图上或地球上的相对或绝对位置。例如，定位系统170可以包括GPS接收器，以确定设备的纬度、经度和/或高度定位。其他定位系统，诸如基于激光的定位系统、惯性辅助GPS或基于相机的定位，也可以用于识别车辆的位置。车辆的位置可以包括绝对地理位置，诸如纬度、经度和高度，以及相对位置信息，诸如相对于紧临其周围的其他汽车的位置，其通常可以用比绝对地理位置小的噪声来确定。

定位系统170还可以包括与计算设备110通信的其他设备，诸如加速度计、陀螺仪或其他方向/速度检测设备，以确定车辆的方向和速度或其改变。仅作为示例，加速设备可以确定其相对于重力方向或与其垂直的平面的俯仰、偏航或滚转(或其改变)。该设备还可以跟踪此类改变的速度和方向的增加或减少。如本文阐述的设备的位置和取向数据的提供可以被自动地提供给计算设备110、其他计算设备以及前述的组合。

感知系统172还包括一个或多个组件，用于检测车辆外部的对象，诸如其他车辆、道路上的障碍物、交通信号、标志、树木等。例如，感知系统172可以包括激光器、声纳、雷达、相机和/或记录可由计算设备110处理的数据的任何其他检测设备。在车辆是诸如小型货车的乘用车的情况下，小型货车可以包括安装在车顶或其他方便的位置上的激光器或其他传感器。例如，图2是车辆100的示例外部视图。在该示例中，车顶上(roof-top)外壳210和圆顶(dome)外壳212可包括激光雷达传感器以及各种相机和雷达单元。另外，位于车辆100的前端的外壳220和在车辆的驾驶员侧和乘客侧的外壳230、232每个均可以存放激光雷达传感器。例如，外壳230位于驾驶员车门260的前面。车辆100还包括用于也位于车辆100的车顶上的雷达单元和/或相机的外壳240、242。附加的雷达单元和相机(未示出)可以位于车辆100的前端和后端和/或沿着车顶或车顶上外壳210的其他位置。

计算设备110可以通过控制各种组件来控制车辆的方向和速度。举例来说，计算设备110可以使用来自详细的地图信息和导航系统168的数据完全自主地将车辆导航到目的地位置。计算设备110可以使用定位系统170来确定车辆的位置以及在需要时使用感知系统172来检测对象并对对象做出响应以安全到达位置。为了这样做，计算设备110可以使车辆加速(例如，由加速系统162通过增加提供给引擎的燃料或其他能量)，减速(例如，由减速系统160通过减少供应给引擎的燃料，改变档位，和/或施加制动)，改变方向(例如，由转向系统164转动车辆100的前轮或后轮)，以及发信号通知这样的变化(例如，通过点亮信令系统166的转弯信号)。因此，加速系统162和减速系统160可以是传动系统的一部分，该传动系统包括在车辆的引擎和车辆的车轮之间的各种组件。再者，通过控制这些系统，计算设备110也可以控制车辆的传动系统，以便自主地操纵车辆。

车辆100的计算设备110还可以从其他计算设备(诸如，作为运输服务的一部分的那些计算设备以及其他计算设备)接收信息或向其传送信息。图3和图4分别是示例系统300的示意图和功能图，该示例系统300包括经由网络360连接的多个计算设备310、320、330、340和存储系统350。系统300还包括车辆100和车辆100A、100B，车辆100A、100B可以被配置为与车辆100相同或相似。系统300还包括充电器400、400A、400B，其可以被车队中的车辆使用。尽管为简单起见仅描绘了几个车辆、充电器和计算设备，但是典型的系统可以包括显著更多的设备。

如图4所示，计算设备310、320、330、340以及充电器400、400A、400B中的每个可以包括一个或多个处理器、存储器、数据和指令。这样的处理器、存储器、数据和指令可以类似于计算设备110的一个或多个处理器120、存储器130、指令132和数据134来配置。

网络360和中间节点可以包括各种配置和协议，包括短距离通信协议，诸如蓝牙、蓝牙LE，因特网、万维网、内联网、虚拟专用网、广域网、本地网络、使用一个或多个公司专有的通信协议的专用网、以太网、WiFi和HTTP，以及前述的各种组合。能够向其他计算设备发送数据和从其他计算设备接收数据的任何设备(诸如调制解调器和无线接口)可以促进这种通信。

在一个示例中，一个或多个计算设备310可以包括具有多个计算设备的一个或多个服务器计算设备，例如负载均衡服务器群，所述多个计算设备与网络的不同节点交换信息以用于从其他计算设备接收数据，处理数据以及向其他计算设备发送数据的目的。例如，一个或多个计算设备310可以包括一个或多个服务器计算设备，其能够经由网络360与车辆100的计算设备110或车辆100A、100B的类似计算设备通信，与充电器400、400A、400B通信，以及与计算设备320、330、340通信。例如，车辆100、100A、100B可以是可以由服务器计算设备调度到各个位置的车辆车队的一部分。例如，充电器400、400A和400B可以是由服务器计算设备调度的车辆车队可使用的一些充电器。就这一点而言，服务器计算设备310可以用作调度系统。

如下面更详细地描述的，服务器计算设备310可以被配置为接收，更新和使用车辆数据、充电器数据和需求数据以进行预测，并确定车队中的车辆的下一车辆任务。车辆任务可以包括但不限于再充电、继续再充电、停止再充电、断电或服务于下一行程。服务器计算设备310还可以被配置为基于启发法确定下一车辆任务。服务器计算设备310可以被配置为将车队中的每个车辆引导到相应的下一车辆任务。

此外，服务器计算设备310可以使用网络360在计算设备320、330、340的诸如显示器324、334、344的显示器上向用户(诸如用户322、332、342)发送并呈现信息。在这方面，计算设备320、330、340可被视为客户端计算设备。用户(诸如用户322、332、342)还可以向服务器计算设备310发送信息。例如，计算设备320、330、340可用于向服务器计算设备310发送行程请求。

如图4所示，每个客户端计算设备320、330、340可以是旨在供用户322、332、342使用的个人计算设备，并且具有通常与个人计算设备结合使用的所有组件，该个人计算设备包括一个或多个处理器(例如，中央处理器(CPU))、存储数据和指令的存储器(例如，RAM和内部硬盘驱动器)、诸如显示器324、334、344的显示器(例如，具有屏幕的监视器、触摸屏、投影仪、电视或可操作以显示信息的其他设备)、以及用户输入设备326、336、346(例如，鼠标、键盘、触摸屏或麦克风)。客户端计算设备还可以包括用于记录视频流的相机、扬声器、网络接口设备、以及用于将这些元件彼此连接的所有组件。

尽管客户端计算设备320、330和340每个可以包括全尺寸的个人计算设备，但是它们可以替选地包括能够通过诸如因特网的网络与服务器无线地交换数据的移动计算设备。仅作为示例，客户端计算设备320可以是移动电话，或诸如无线使能的PDA、平板PC、可穿戴计算设备或系统的设备，或作为能够经由因特网或其他网络获得信息的上网本。在另一个示例中，客户端计算设备330可以是可穿戴计算系统，如图3所示被示出为手表。作为示例，用户可以使用小键盘、键区、麦克风、使用带有相机的视觉信号或触摸屏来输入信息。

还如图4所示，每个充电器400、400A、400B可以具有通常与计算设备结合使用的所有组件，该计算设备包括一个或多个处理器(例如，中央处理器(CPU))、存储数据和指令的存储器(例如，RAM和内部硬盘驱动器)、显示器(例如，具有屏幕的监视器、触摸屏、投影仪、电视或可操作以显示信息的其他设备)和用户输入设备(例如鼠标、键盘、触摸屏或麦克风)。充电器还可以包括相机、扬声器、网络接口设备以及用于将这些元件彼此连接的所有组件。

与存储器130一样，存储系统350可以是能够存储服务器计算设备310可访问的信息的任何类型的计算机化存储，诸如硬盘驱动器、存储器卡、ROM、RAM、DVD、CD-ROM、可写和只读存储器。另外，存储系统350可以包括分布式存储系统，其中数据被存储在物理上可以位于相同或不同地理位置处的多个不同存储设备上。如图3和图4所示，存储系统350可以经由网络360连接到计算设备，和/或可以直接连接到或并入到计算设备110、310、320、330、340或充电器400、400A、400B等中的任一个中。

存储系统350可以存储各种类型的信息，包括车辆数据、充电器数据和需求数据，如下面更详细描述的。该信息可以由服务器计算设备(例如一个或多个服务器计算设备310)检索或以其他方式访问，以便执行本文所述的一些或全部特征。例如，存储系统350可以存储关于车队的每个车辆的车辆数据、车队可以使用的各种充电器的充电器数据、以及需求数据。如下面进一步讨论的，图5A是用于跟踪车队的车辆的示例表。图5B是用于跟踪车队可以使用的充电器的示例表。图5C是用于跟踪车队对服务的需求的示例表。

车辆数据可以包括关于车队中的车辆的各种类型的信息。图5A是示出了可以从车辆100、100A、100B和100C发送的一些示例车辆数据的表500A。如表中所示，车辆数据可以包括车辆位置，诸如车辆的GPS坐标，例如，车辆100处于GPS坐标[x1,y1]，车辆100A处于GPS坐标[x2,y2]，车辆100B处于GPS坐标[x3,y3]，并且车辆100C处于GPS坐标[x4,y4]。车辆数据可以包括车辆类型，其可以通过能量如何消耗来分类，例如，车辆100是电动车辆，车辆100A是混合动力车辆，车辆100B用汽油运转，并且车辆100C是燃料电池车辆。车辆也可以按大小或载客量进行分类，例如，车辆100是具有最多5位乘客的容量的轿车，车辆100A是具有最多8位乘客的容量的小型货车，车辆100B是具有最多20位乘客的容量的公共汽车，并且车辆100C是具有最多5位乘客的容量的紧凑型车。还可以通过车辆正被如何驾驶方式来对车辆进行分类，例如，车辆100和100C是自主的，车辆100A是半自主的，并且车辆100B由驾驶员操作。在一些情况下，车辆数据可以包括关于车辆的充电状态的信息，例如，车辆100被50％的半充电，车辆100A被70％的充电，车辆100B被100％的完全充电，并且车辆100C被10％的充电。车辆数据还可以包括车辆的电量容量，例如，车辆100具有为90kWh的电池规格(batterysize)，车辆100A具有为30kWh的电池规格，车辆100B具有为35加仑的燃料箱规格，并且车辆100C具有为165kWh的燃料电池规格。车辆数据还可以包括当前的车辆任务，例如，车辆100正在服务于行程，车辆100A正在充电，车辆100B断电，以及车辆100C空闲。当前的车辆任务还可以指定服务类型和乘客的数量，例如，车辆100当前正在执行包括具有四位乘客和两个目的地的拼车(carpool)的任务。

充电器数据可以包括关于车队中的车辆可以使用的各种充电器的信息。图5B是示出了可以从充电器400、400A、400B和400C发送的一些示例充电器数据的表500B。如表中所示，充电器的充电器数据可以包括充电器位置，诸如充电器的GPS坐标，例如，充电器400处于GPS坐标[x5,y5]，充电器400A处于GPS坐标[x6,y6]，充电器400B处于GPS坐标[x7,y7]，并且充电器400C处于GPS坐标[x8,y8]。充电器数据可以包括充电器的使用可用性，例如，充电器400和400C当前可用，充电器400A暂时不可用，以及充电器400B未在使用(out ofservice)。充电器数据可以包括充电器类型，例如，充电器400和400A是电力充电器，充电器400C是燃料电池充电器，以及充电器400B是加油站。充电器类型还可以例如针对诸如充电器400和400A的电力充电器指定是否启用感应充电，诸如充电器400A，以及是否启用自动连接器，诸如充电器400和400A两者。充电器数据可以包括充电器速度，例如，对于电力充电器，充电器400为等级2(240V AC，慢速)，充电器400A为等级3(快速充电器)，尽管此处未在图5A中示出，电力充电器也可以是等级1(家用插座型，慢速)。充电器数据还可以包括公共充电器的工作时间，例如，充电器400的工作时间为上午9点至晚上10点，充电器400A的工作时间为上午8点至晚上8点，以及充电器400B和400C均24小时开放。

需求数据可以指示车队的车辆的当前和/或预期的行程需求。例如，需求数据可以包括当前的服务需求，或者换句话说，当前正在进行的或正被用户请求的行程的次数。图5C在表500C中示出了可以从用户322、332、342、352发送的一些示例当前需求数据。需求数据可以指定所请求的服务类型，例如，用户322、332和342的服务类型是出租车，用户352的服务类型是拼车。需求数据还可以指定请求行程的乘客的数量，例如，用户322请求四位乘客的行程，用户332请求一位乘客的行程，而用户342和352每个当前正处于与另一位乘客的行程。需求数据可以包括接载位置和目的地位置，例如，用户322的接载位置是[x10,y10]，并且目的地是[x11,y11]，用户352的拼车行程有两个接载位置[x16,y16]，[x18,y18]，以及两个目的地[x17,y17]，[x19,y19]。需求数据还可以指定所请求的车辆类型，例如，用户322请求了电动自主轿车，用户332请求了混合动力半自主小型货车，用户342处于电动半自主紧凑型车辆的行程中，并且用户352处于燃料电池自主紧凑型车辆的行程中。需求数据可以是指示在车队服务的区域内低需求位置和高需求位置的分布的地图。如图6所示，地图600示出了由点状同心圆610、620、630指示的需求分布，与较不紧密间隔的点状同心圆620、630相比，更紧密间隔的点状同心圆610指示更高的需求。代替同心圆，需求变化可以以多种方式中的任何一种方式显示在地图上，例如，通过不同的颜色或符号。尽管未在图中示出，但需求数据还可以包括未来的行程需求的预测，诸如在接下来的10分钟、接下来的30分钟、下一个小时或在特定日期的特定时间。可以基于针对相似时间和日期收集的历史数据来预测当前和/或未来的需求数据。

存储系统350还可以存储用于车队服务的区域的地图信息，其可以包括道路状况(例如，宽度、转弯角、高程、车道数量)、交通规则(例如，单向、交通灯、停止标志、限速、禁止掉头(no U-turn))以及关于各种设施(例如，停车场、饭店、加油站)的信息。存储系统350可以相对于地图信息覆盖或以其他方式交叉引用车辆数据、充电器数据和需求数据。存储系统350还可以存储从外部源收集、接收或检索的信息，例如，来自气象站的天气报告、来自能量提供商的能量成本和需求信息、来自本地新闻的更新交通状况等。

服务器计算设备310还可以存储启发法，诸如下面进一步讨论的启发法，其可以用于确定车队车辆的任务。可以设计和微调这些启发法以最佳地管理车队。例如，以下描述的示例启发法中的某些阈值可以基于对车辆服务的实际或预期需求来手动调整。对于另一个示例，可以自动地调整各种阈值和启发法，诸如响应于需求的实时增加而自动降低目标充电水平，或者响应于需求的实时减少而自动增加目标充电水平。这样，可以使用模型来调整某些启发法，以便自动响应需求的变化。

为了向用户提供运输服务，存储系统350的信息可以包括用户账户信息，诸如凭证(例如，在传统的单因素认证的情况下的用户名和密码，以及在多因素认证中通常使用的其他类型的凭证，诸如随机标识符、生物特征等)，其可用于向一个或多个服务器计算设备识别用户。存储系统350还可以存储可以提供给客户端计算设备以显示给用户的信息。

示例方法

除了上面描述和附图中示出的系统之外，现在将描述各种操作。应当理解，以下操作不必以下面描述的精确顺序执行。反而，可以以不同顺序或同时处理各种步骤，并且还可以添加或省略步骤。

在一个方面，服务器计算设备310可以被配置为调度系统，该调度系统基于车辆数据、充电器数据和需求数据确定车队中的车辆的下一车辆任务。为了这样做，服务器计算设备310可以接收车辆数据、充电器数据和需求数据。车辆数据可以从车辆的计算设备发送。例如，参考图1和图5A，车辆100的计算设备110可以将其车辆类型(诸如其是乘客容量为5的电动自主轿车)保存在存储器130的数据134中，并发送该车辆类型到服务器计算设备310。车辆100的计算设备110还可以将50％的充电状态和90kWh的电量容量保存在存储器130的数据134中。车辆100的计算设备110可以与定位系统170通信，该定位系统确定车辆位置[x1,y1]，车辆位置可以被保存在存储器130的数据134中。作为另一示例，车辆100的计算设备110在具有四位乘客和两个目的地的拼车行程中，还可以将当前的车辆任务保存在存储器130的数据134中。计算设备110可以随着它们改变而更新存储器130的数据134中的这些车辆数据中的每一个，并周期性地或在请求时将它们发送到服务器计算设备310。

充电器数据可以从充电器的计算设备发送。例如，参考图4和图5B，充电器400可以将其位置[x5,y5]、其是带有自动连接器的等级2电动充电器以及其上午9点至晚上10点的工作时间作为数据保存在其存储器中。充电器400还可以将其可用性信息作为数据存储在其存储器中，并随着状态改变而更新。充电器400可以随着它们改变而更新其存储器中的这些充电器数据中的每一个，并且周期性地或在请求时将它们发送到服务器计算设备310。

需求数据可以从用户计算设备发送。例如，参考图4和图5C，用户322可以使用客户端计算设备320的用户输入设备326录入新的行程请求，客户端计算设备320然后将行程请求发送到服务器计算设备310。例如，如果用户322处于行程中或者如果行程最终完成，则客户端计算设备320可以向服务器计算设备310发送关于请求的更新。服务器计算设备310可以聚集来自许多用户的请求，以确定高需求区域和低需求区域的当前分布，或者对高需求区域和低需求区域的未来的分布进行预测。服务器计算设备310可以使用过去的需求数据来基于诸如日期和时间的参数来建立未来的需求模型。服务器计算设备310可以使用三角测量信号，诸如道路上的交通或该区域中的事件，来预测未来的需求。服务器计算设备310还可以使用诸如打开行程请求应用的人数的预需求信号来预测未来的需求。

服务器计算设备310可以将车辆数据、充电器数据和需求数据存储在存储系统350中的存储器130的数据134中。当服务器计算设备310接收到新的车辆数据时，例如，从车辆100接收到新的车辆位置，服务器计算设备310可以更新存储系统350中车辆100的相应车辆位置。例如，如果服务器计算设备310接收到新的充电器数据，则充电器400发送更新的可用性状态，如未在使用时，服务器计算设备310可以更新存储系统350中充电器400的相应充电器可用性。类似地，如果服务器计算设备310例如从用户332接收到新的行程请求，则服务器计算设备310可以在存储系统350中添加新的行程请求。

车辆数据、充电器数据和需求数据可以在请求时被发送到和/或更新到服务器计算设备，或者可以周期性地(例如每分钟)发送到服务器计算设备。作为另一示例，每当车辆完成行程时，车辆数据可以被发送到服务器计算设备。

服务器计算设备310可以使用存储系统350的车辆数据来进行预测。例如，服务器计算设备310可以对诸如车辆100、100A-100C中的任何一个的车辆的能量消耗率(以每英里和/或每小时为单位来表示)进行预测或估计。例如，参考图5A，给定车辆的能量消耗率可以由给定车辆的车辆类型来确定。作为一些示例，电动车辆可以比混合动力车辆更快地消耗能量；小型货车可以比紧凑型车辆更快地消耗能量；以及自主车辆可以比半自主车辆更快地消耗能量等。作为另一个例子，能量消耗率可以由当前的车辆任务确定。作为一些示例，处于空闲的车辆(诸如车辆100C)可以比在服务于行程时更慢地消耗能量；服务于拼车的车辆(诸如车辆100)可以比在其用作出租车时更快地消耗能量；载有四位乘客的车辆(诸如，车辆100)可以比在其仅载有一位乘客时更快地消耗能量，等等。服务器计算设备310还可以基于与空闲相比车辆可能正在行驶的预测的时间片段(fraction)来预测能量消耗率。

除了存储系统350的车辆数据之外，服务器计算设备310还可以使用其他因素来预测车辆的能量消耗率。例如，取决于路线状况(如高程的变化和转弯数)诸，车辆可能更快或更慢地消耗能量。作为另一个示例，复杂的路线可能需要用于自主和半自主车辆(诸如车辆100、100A、100C)的更多计算，从而增加了能量消耗率。这样的路线状况可以由与车辆的计算设备110通信的感知系统172检测，或者使用与车辆的计算设备110通信的导航系统168中存储的地图信息或在存储系统350中存储的地图信息来确定。作为又一示例，由于可能需要HVAC和加热，因此天气状况可能影响车辆的能量消耗率。这种天气状况可以由与车辆的计算设备110通信的感知系统172检测，或者可以由服务器计算设备310从气象站取回。服务器计算设备310还可以预测用户可能修改行程的可能性，这可能进一步影响能量消耗率。

服务器计算设备310还可以使用存储系统350的车辆数据来预测车辆何时可能会耗尽电量。例如，使用如上所述的预测的能量消耗率、车辆充电状态和车辆电量容量，服务器计算设备310可以预测车辆何时将可能耗尽电量。例如，如果对于图5A的车辆100，车辆的预测的能量消耗率是0.3kWh/英里，车辆充电状态是被50％充电，并且车辆电量容量是90kWh，则服务器计算设备310可以预测车辆可能会在接下来的150英里内耗尽电量。

服务器计算设备310还可以在车辆已经或将要完成行程之后预测未来的车辆充电状态。例如，可以使用给定车辆的预测的能量消耗率、车辆充电状态和车辆电量容量以及行程的距离或持续时间进行该预测。例如，如果对于图5A的车辆100预测的能耗消耗率为0.3kWh/英里，则车辆充电状态当前为50％被充电，车辆电量容量为90kWh，并且当前行程剩余30英里时，则服务器计算设备310可以预测，到行程结束时，车辆充电状态很可能为40％被充电。

服务器计算设备310还可以使用存储系统350的车辆数据来在车辆完成诸如行程的任务之后预测车辆的位置。例如，可以使用当前车辆任务来预测行程之后的车辆位置。例如，如果诸如图5A的车辆100的车辆正在完成具有两个目的地的拼车行程，则在车辆任务之后的车辆位置可能是拼车的两个目的地之一。服务器计算设备310还可以例如基于产生最短行进时间的序列，确定拼车的两个目的地中的哪个目的地可能是最终目的地。作为另一示例，如果车辆处于再充电的路线上，则在车辆任务之后的车辆位置可能是最近的充电器。

除了使用车辆数据之外，服务器计算设备310还可以基于存储系统350的充电器数据做出预测。例如，服务器计算设备310可以基于充电器的当前可用性、充电器类型和充电器速度来确定充电器的未来的可用性。例如，如果诸如图5B的充电器400A的充电器暂时不可用，因为充电器400A被另一车辆使用，并且该充电器是将在30分钟内为车辆100A充满电的等级3快速电力充电器，则服务器计算设备310可以预测充电器400A将在30分钟之后或更确切地说在未来的30分钟的时间可用。作为另一个例子，服务器计算设备310可以基于充电器位置([x6,y6])、预测的未来的充电器可用性(30分钟内可用)以及从现在起30分钟的预测的车辆位置(拼车的最终目的地)，来预测在未来的时间(例如从现在起30分钟)诸如图5A的车辆100的车辆与诸如图5B的充电器400A的可用充电器之间的距离。

类似地，服务器计算设备310还可以基于存储系统350的需求数据来进行预测。作为另一个例子，服务器计算设备310可以基于需求数据、车队的车辆的位置和车队中各个车辆的当前车辆任务来预测等待时间。例如，再次参考图6，如果三个用户322、332和362正在请求行程，如地图中心附近所示，并且系统确定在5英里半径内，车辆100当前正在完成将在10分钟内到达目的地的行程，并且从该目的地出发它将花费5分钟到达用户322、332或362之一，车辆100A正在充电，这将在5分钟内完成，并且它将花费2分钟到达用户322、332或362中的一个，并且车辆100C是空闲的并且可以立即驾驶以在5分钟内到达用户322、332或362中的一个，服务器计算设备310可以基于下面详细讨论的启发法(例如，用户322可能正在请求与车辆100匹配的车辆类型，用户332可能正在请求与车辆100A匹配的车辆类型，并且用户362可能正在请求在车辆100C的适当的充电器附近结束的行程)，来确定3个请求用户中的每一个在选择每个用户的适当的行程之后的可能的等待时间。例如，用户322针对车辆100将具有预测的等待时间15分钟，用户332针对车辆100A将具有预测的等待时间7分钟，并且用户362针对车辆100C将具有预测的等待时间5分钟。

服务器计算设备310可以结合存储系统350的预测和启发法来使用存储系统350的车辆数据、充电器数据和需求数据来确定车辆的下一车辆任务。再者，车辆任务可以包括但不限于再充电、继续再充电、停止再充电、断电或服务于下一行程。作为示例，对于特定车辆的车辆数据、充电器数据、需求数据和预测的任何给定集合，服务器计算设备310可以使用启发法来确定特定车辆是否应当下一次再充电、继续再充电、停止再充电、服务于下一行程、或断电。

这些启发法中的至少一些可以用于确定车辆何时应当下一次再充电。例如，服务器计算设备310可以使用识别绝对最小阈值水平的启发法，使得一旦达到绝对最小阈值水平，必须引导车辆充电。参考图5A、图5B和图6，车辆100C空闲(仅具有10％的燃料)，如果绝对最小阈值水平被设置为20％，则服务器计算设备310可以引导车辆100C行驶至可用的充电器(诸如充电器400C)以被再充电。这种启发式要求车队车辆不以非常低的燃料驾驶可以提高安全性，因为这给车辆处理意外情况的余地，例如，如果车辆仅剩10％的燃料并需要8％的燃料驶向充电器，但在通往充电器的途中遇到交通拥堵，意外的延迟可能足以导致车辆在道路中间耗尽电量。作为另一示例充电启发法，参考图5A、图5B和图6，如果服务器计算设备310确定车队中的电动轿车(诸如车辆100)是被50％充电的，并且当前正在服务于将在接下来的5分钟内完成的行程，距行程的目的地的1英里半径内的电动充电器(诸如充电器400)可能会在5分钟内可用，并且服务需求在接下来的5分钟内可能低于低需求阈值，启发法可能要求车辆100在完成当前行程后在充电器400处再充电。

在其他实施例中，如果确定下一车辆任务为再充电，则可以将启发法设计为选择或识别合适的充电器。例如，服务器计算设备310可以基于车辆位置和充电器位置来确定车辆与各种充电器之间的距离，并且启发法可以选择最接近的可用充电器作为合适的充电器。参考图7，地图700示出充电器400将是车辆100D最接近的可用充电器。另一启发法可以基于从车辆类型和充电器类型确定的兼容性来选择合适的充电器。再次参考图7，电动车辆100D与充电器400和400A兼容。

另外，当识别用于特定车辆的充电器时，服务器计算设备310还可考虑车队中其他车辆对再充电的需求。在这方面，启发法可能要求车队中的车辆在不同位置的充电器处充电，使得可以实现负载平衡，从而避免在某些位置引起拥堵或价格飙升。例如，由车队服务的区域可以被分割为多个区，并且启发法可能要求在每个区中在给定时间充电的车辆的数量低于该区的阈值数量，其中阈值数量可以基于在给定时间在该区中的能量定价。

除了确定充电的下一车辆任务之外，启发法还可以被设计以确定对车辆再充电的程度。服务器计算设备310可以使用识别再充电的最大阈值水平和再充电的最小阈值水平的启发法。例如，可以基于车辆充电状态、车辆电量容量和充电器速度来确定再充电的最大阈值水平。例如，对于车辆从0-80％的充电可能比从80-100％的充电快得多。因此，启发法可将再充电的最大阈值水平确定为80％，以避免效率低下，例如，一旦达到80％，将要求图5A的车辆100A停止充电。作为另一个示例，启发法可以基于需求数据(例如50％)来识别调整后的最大阈值水平，使得在需求高于阈值峰值需求的时间期间，启发法可能要求车辆永远不要充电超过调整后的最大阈值水平以更好地满足需求。另一方面，可通过基于例如车辆从先前位置行进到充电器的成本的启发法来识别再充电的最小阈值水平，使得启发法要求车辆继续充电直到再充电的程度至少可以证明成本合理。作为又一个示例，基于当前能量成本和预测的未来的能量成本的比较，启发法可以分配与稍后时间相比现在对车辆充电的程度。

如上所述，如果车辆当前正在充电，则启发法可以用于确定车辆是应当继续再充电还是停止再充电。例如，如果诸如车辆100A的车辆当前处于充电器处并且被再充电至70％，并且服务器计算设备310确定需求在车辆100A的位置的5英里半径内低于混合动力半自主车辆的低需求阈值，则启发法可能要求车辆100A继续再充电。作为另一示例，如果当服务器计算设备310确定需求在车辆100A的位置的5英里半径内激增至高于混合动力半自主小型货车的高需求阈值时，诸如车辆100A的车辆当前处于充电器处并且被再充电至70％，则即使此时车辆100A尚未被完全充电，启发法也可能要求车辆100A停止再充电并服务于行程。

启发法还可用于确定车辆是否应断电。例如，参考图5A和图6，车辆100当前以剩余50％电量服务于行程。如果车辆100以45％的剩余电量完成行程，但是服务器计算设备310确定需求低于低需求阈值，并且在距车辆100的1英里半径内没有充电器，则启发法可能要求车辆100停车并断电以节约能量。在一些实施例中，启发法可以指示针对特定车辆的下一个任务是现在还是在下一次行程之后进行再充电。这样的启发法可以取决于特定车辆在完成当前行程时是否比在完成下一行程时更接近可用充电器。图7示出了电动车辆100D，该电动车辆100D处于终止于D1的当前行程中，并且在第一行程之后被引导服务于终止于D2的下一行程。例如，即使服务器计算设备310确定在终止于D2的下一行程期间车辆100D不太可能耗尽燃料，当车辆100D可能比在终止于D2的下一行程之后更接近可用的电动充电器(充电器400)时，启发法可能要求车辆100D在终止于D1的当前行程之后再充电。

服务器计算设备310可以具有用于基于行程请求的目的地为车辆选择合适的下一行程的启发法，使得如果车辆需要很快被再充电，则它可以被引导以服务于其目的地在可用充电器附近的行程。参考图8，地图800示出了用户322请求具有目的地D3的行程，并且用户332请求具有目的地D4的行程。车辆100E和100F都可用于服务于用户322和332。然而，虽然车辆100E仅被20％充电，并且因此需要很快被充电，但是车辆100F已被完全充电，并且因此不需要很快在任何时间充电。因此，尽管两个车辆都可以服务于用户322或332，但是服务器计算设备310可以具有将用户322请求的行程选择为车辆100E的合适行程的启发法，使得行程在D3处完成之后车辆100E将更接近充电器400。

服务器计算设备310还可以使用启发法以基于需求数据来确定行程是否是合适的下一行程。例如，启发法可以被设计以在车队中的两个车辆之间进行选择，以使每个车辆在行程完成时的最终位置更接近预测的高需求区域。服务器计算设备310还可以使用启发法以基于能量成本来确定行程是否合适。例如，启发法可以优先考虑电动车辆在电力成本高的时间窗期间服务于行程务，并允许电动车辆可以在峰值能量成本的时间之外再充电。

服务器计算设备310还可以使用启发法以基于预测的等待时间来确定合适的下一行程。例如，启发法可以识别最大阈值等待时间，使得如果预测的等待时间超过最大阈值等待时间(例如10分钟)，则启发法可能需要以较短的预测的等待时间交换(swap)车队中的另一车辆以服务于行程。参考图9，地图900示出了各种车辆100G、100H、100I和请求用户322。如果最初引导车辆100G服务于由用户322发出的请求，其具有18分钟的预测的等待时间T(G)以及由此高于10分钟的最大阈值等待时间。然后在1分钟后，车辆100H在比车辆100G更靠近用户322的位置处变得可用，其预测的等待时间T(H)为12分钟。因此，启发法可能要求将车辆100H与车辆100G交换以服务于用户322发出的请求，这将为用户322节省5分钟的等待。作为另一个示例，启发法可以识别紧急行程阈值，使得如果交换车辆仅为请求用户节省少于紧急行程阈值(例如5分钟)的时间量，则启发法将不需要交换车辆。再次参考图9，假设在将车辆100H与车辆100G交换以服务于用户322请求的行程之后的1分钟，车辆100I在比车辆100H甚至更近的位置处变得可用，其预测的等待时间T(I)为8分钟。然而，将车辆100I换成车辆100H将仅为用户322节省3分钟的等待，这低于5分钟的紧急行程阈值。因此，启发法将不需要将车辆100I与车辆100H交换。相反，服务器计算设备310可以找到车辆100I的另一合适的下一行程。

可以基于能量成本的预测来设计一些启发法。例如，如果车辆处于根据需求为某些类型的能量(例如，电)设置能量成本的管辖区，则启发法可能要求使用这种类型的能量的车辆(例如，车辆100、100A)仅在某些高峰时间之外(例如，下午6点至晚上8点之外)充电。例如，参考图6，如果服务器计算设备310预测高峰时间即将结束，则启发法可能要求车辆100A停止充电，并且使车辆100和100A都等待直到高峰时间结束之后再充电。相反，如果服务器计算设备310预测高峰时间即将来临，则即使车辆100具有足够的剩余电量以服务于下一行程，相同或另一启发法也可能要求车辆100在高峰时间之前进行再充电，而不是服务于下一行程。在能量存储系统可用的情况下，启发法可能要求车辆仅在高峰时间期间在能量存储装置处充电。

在其他实施例中，如果预测到车辆在行程结束时可能具有足够的电量以行驶至充电器，则一种启发法可以是仅允许车辆服务于行程。参考图5A和图6，车辆100C仅被10％充电，因此启发法可能要求车辆100C仅服务非常短的行程，这将使车辆100C之后留有足够的电量以行进至充电器进行再充电，例如，在通往充电器400C的途中接载并送达乘客。作为另一个示例，服务器计算设备310可以具有对于较短的行程该启发法优先考虑具有低充电状态的车辆的启发法。作为另一个示例，服务器计算设备310可以使用启发法以基于车辆类型、服务类型和乘客数量来确定行程是否适合于车辆。参考图5A和图5C，用户322请求的行程将适合于车辆100，并且用户332请求的行程将适合于车辆100A。服务器计算设备310还可以使用启发法以基于车辆充电状态、车辆电量容量和行程距离来确定行程是否合适。

启发法也可以被设计为用于识别下一个任务的车队范围的规则，而不是特定于单个车辆。例如，服务器计算设备310可以监视车队的所有车辆的状态以及车队范围的和个体的所有启发法，并根据由车队范围的启发法设定的车队范围的目标来调整个体车辆任务和个体启发法。例如，为了节省能量，启发法可能需要车队的交错(staggered)开始时间。再例如，启发法可能要求车队中的车辆在高峰需求时间之前进行再充电，以使得在高峰需求时间期间，可以维持跨车队的最小行驶里程容量以最小化损失的行程。

尽管以上示例涉及使用启发法来确定车辆任务，但是可以使用各种机器学习技术来确定这些任务。例如，服务器计算设备310可以具有针对车队的整体效率而优化的强化学习的仿真。服务器计算设备310上的机器学习方法可以是回归模型或分类模型，并且还可以是线性模型、增强树模型、随机森林模型或神经网络模型。可以使用来自过去行程的数据作为训练数据来构建模型，以解决优化功能，该功能旨在例如减少车队行驶的空旷里程，最小化用户的等待时间以及最小化能量成本。替选地，可以使用测量和优化结果的模拟器来构建模型。

图10包括如上所述的用于管理车辆车队的一些示例的示例流程图1000。在该示例中，流程图的步骤可以由一个或多个计算设备的一个或多个处理器(诸如服务器计算设备310的处理器)执行。在框1010，从车辆接收关于车队中的车辆的车辆数据，车辆数据包括车辆充电状态、车辆电量容量、车辆位置、车辆类型和当前车辆任务中的一个或多个。在框1020，接收关于至少一个充电器的充电器数据，该充电器数据包括充电器位置、充电器可用性、充电器类型和充电器速度中的一个或多个。在框1030，接收关于当前行程需求和预测的未来的行程需求中的一个或多个的需求数据。在框1040，基于车辆数据、充电器数据和需求数据确定车辆的下一车辆任务，其中下一车辆任务与对车辆进行充电有关。在框1050，将车辆引导至下一车辆任务。

除非另有说明，否则前述替选示例不是互相排斥的，而是可以以各种组合实现以实现独特的优点。由于可以在不脱离权利要求所限定的主题的情况下利用以上讨论的特征的这些和其他变形以及组合，因此，对实施例的前述描述应通过说明的方式而不是通过限制权利要求所限定的主题的方式进行。另外，在此描述的示例的提供以及用短语表达为“诸如”、“包括”等的用语不应被解释为将权利要求的主题限制于特定示例；而是，这些示例仅旨在示出许多可能的实施例之一。此外，不同附图中的相同附图标记可以识别相同或相似的元件。

Claims

1.一种确定车队车辆的下一车辆任务的方法，所述方法包括：

由一个或多个服务器计算设备的一个或多个处理器从车辆接收车辆数据，所述车辆数据包括车辆充电状态、车辆电量容量、车辆位置、车辆类型和当前车辆任务中的一个或多个；

接收关于至少一个充电器的充电器数据，所述充电器数据包括充电器位置、充电器可用性、充电器类型和充电器速度中的一个或多个；

接收关于当前行程需求和预测的未来的行程需求中的一个或多个的需求数据；

由所述一个或多个处理器基于车辆数据、充电器数据和需求数据确定车辆的下一车辆任务，其中下一车辆任务与对车辆进行充电有关；以及

由所述一个或多个处理器将车辆引导至下一车辆任务。

2.根据权利要求1所述的方法，还包括：

确定车辆的能量消耗率；以及

基于能量消耗率预测在行程之后的未来的车辆充电状态，并且其中

将车辆引导至下一车辆任务包括：当所预测的在所述行程之后的车辆充电状态低于最小阈值时，引导车辆在所述行程后再充电。

3.根据权利要求2所述的方法，其中，所述行程的能量消耗率还基于天气状况来确定。

4.根据权利要求1所述的方法，还包括：

确定车辆充电状态是否低于绝对最小阈值水平，并且其中

将车辆引导至下一车辆任务包括：当确定车辆充电状态低于绝对最小阈值水平时，引导车辆再充电。

5.根据权利要求1所述的方法，还包括：

预测当前能量成本将低于未来的能量成本的可能性；

其中，确定下一车辆任务还基于当前能量成本将低于未来的能量成本的可能性。

6.根据权利要求1所述的方法，还包括：

确定具有峰值能量成本的一个或多个时间窗，并且其中

将车辆引导至下一车辆任务包括：引导车辆在具有峰值能量成本的一个或多个时间窗期间不进行再充电。

7.根据权利要求1所述的方法，还包括：

基于车辆位置、车辆类型、充电器位置、充电器可用性、充电器类型和充电器速度中的至少一个，在所述至少一个充电器中选择合适的充电器以对车辆进行再充电，并且其中，

将车辆引导至下一车辆任务包括：当确定下一车辆任务为再充电时，引导车辆在合适的充电器处再充电。

8.根据权利要求7所述的方法，其中，选择合适的充电器还基于车队中的其他车辆进行再充电的需求。

9.根据权利要求7所述的方法，其中，选择合适的充电器还基于车队中的其他车辆正在何处再充电的分布。

10.根据权利要求7所述的方法，还包括：

基于充电器可用性、充电器类型和充电器速度来预测未来的充电器可用性；

其中，选择合适的充电器还基于未来的充电器可用性。

11.根据权利要求1所述的方法，还包括：

基于车辆充电状态、车辆电量容量和充电器速度中的至少一个来确定对车辆再充电的程度；以及

引导车辆继续再充电直至所述程度，并且其中

将车辆引导至下一车辆任务包括：当对车辆再充电直至所述程度时，引导车辆停止再充电。

12.根据权利要求11所述的方法，确定再充电的程度基于车辆充电状态是否超过最大阈值水平。

13.根据权利要求12所述的方法，还包括：

在当前行程需求高于阈值峰值需求时，调整最大阈值水平，并且其中

确定再充电的程度基于车辆充电状态是否超过调整后的最大阈值水平。

14.根据权利要求11所述的方法，确定再充电的程度基于车辆充电状态是否低于最小阈值水平，其中，所述最小阈值水平基于到达用于再充电的充电器所涉及的行进成本。

15.根据权利要求11所述的方法，确定对车辆再充电的程度基于当前能量成本与预测的未来的能量成本之间的比较。

16.根据权利要求1所述的方法，还包括：

基于车辆类型、服务类型和乘客数量中的至少一个来确定合适的下一行程，并且其中

将车辆引导至下一车辆任务包括：引导车辆服务于合适的下一行程并在合适的下一行程之后进行再充电。

17.根据权利要求16所述的方法，还包括：

在当前车辆任务之后预测第一车辆位置；

基于需求数据预测在下一行程之后的第二车辆位置；

预测在完成当前车辆任务时比在完成下一行程时车辆将更接近可用充电器的可能性；

其中，确定下一车辆任务还基于在完成当前车辆任务时比在完成下一行程时车辆将更接近可用充电器的可能性。

18.一种用于确定车队车辆的下一车辆任务的系统，所述系统包括：

一个或多个服务器计算设备的一个或多个处理器，所述一个或多个处理器被配置为：

接收关于车队中的车辆的车辆数据，所述车辆数据包括车辆充电状态、车辆电量容量、车辆位置、车辆类型和当前车辆任务中的一个或多个；

基于车辆数据、充电器数据和需求数据确定车辆的下一车辆任务，其中，下一车辆任务与对车辆进行充电有关；以及

将车辆引导至下一车辆任务。

19.根据权利要求18所述的系统，其中，所述一个或多个处理器还被配置为：

确定车辆的能量消耗率；以及

基于能量消耗率预测在行程之后的未来的车辆充电状态，并且其中，将车辆引导至下一车辆任务包括：当所预测的在所述行程之后的车辆充电状态低于最小阈值时，引导车辆在所述行程之后再充电。

20.根据权利要求18所述的系统，还包括车辆。