CN114565304B - 无人驾驶车辆的调度方法、电子设备和调度运营系统 - Google Patents
无人驾驶车辆的调度方法、电子设备和调度运营系统 Download PDFInfo
- Publication number
- CN114565304B CN114565304B CN202210210806.8A CN202210210806A CN114565304B CN 114565304 B CN114565304 B CN 114565304B CN 202210210806 A CN202210210806 A CN 202210210806A CN 114565304 B CN114565304 B CN 114565304B
- Authority
- CN
- China
- Prior art keywords
- unmanned vehicle
- duration
- user
- determining
- dispatched
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000004044 response Effects 0.000 claims description 41
- 230000006399 behavior Effects 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 23
- 238000005516 engineering process Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 6
- 238000004804 winding Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000007848 Alcoholism Diseases 0.000 description 1
- 206010035148 Plague Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 201000007930 alcohol dependence Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种无人驾驶车辆的调度方法、电子设备和存储介质,涉及计算机技术领域,尤其涉及人工智能、自动驾驶领域。实现方案为:获取用户通过用户终端所发送的针对无人驾驶车辆的预约订单,其中所述预约订单包括订单起始位置和所述用户的当前位置;确定待调度无人驾驶车辆;确定所述待调度无人驾驶车辆到达所述订单起始位置所需的第一时长以及所述用户到达所述订单起始位置所需的第二时长,以及至少基于所述第一时长和第二时长,确定所述待调度无人驾驶车辆的调度策略。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及人工智能、自动驾驶领域,具体涉及一种无人驾驶车辆的调度方法、装置、电子设备、计算机可读存储介质、计算机程序产品和调度运营系统。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
伴随着经济活动,城市高峰时段出现的拥堵问题困扰着全球大都市,随着无人驾驶技术的普及,越来越多的无人驾驶车辆投入到社会运营中。虽然无人驾驶车辆能够最大限度的解决日常各种问题,但车辆到达后用户延迟上车的行为较为普遍,如何在不影响整体交通阻塞的情况下最优地服务用户便显得尤为重要。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种无人驾驶车辆的调度方法、装置、电子设备、计算机可读存储介质、计算机程序产品和调度运营系统。
根据本公开的一方面,提供了一种无人驾驶车辆的调度方法,包括:接收用户通过用户终端所发送的针对无人驾驶车辆的预约订单,其中所述预约订单包括订单起始位置和所述用户的当前位置;确定待调度无人驾驶车辆;确定所述待调度无人驾驶车辆到达所述订单起始位置所需的第一时长以及所述用户到达所述订单起始位置所需的第二时长,以及至少基于所述第一时长和第二时长,确定所述待调度无人驾驶车辆的调度策略。
根据本公开的另一方面,提供了一种无人驾驶车辆的调度装置,包括:接收模块,被配置为接收用户通过用户终端所发送的针对无人驾驶车辆的预约订单,其中所述预约订单包括订单起始位置和所述用户的当前位置;第一确定模块,被配置为确定待调度无人驾驶车辆;第二确定模块,被配置为确定所述待调度无人驾驶车辆到达所述订单起始位置所需的第一时长以及所述用户到达所述订单起始位置所需的第二时长,以及第三确定模块,被配置为至少基于所述第一时长和第二时长,确定所述待调度无人驾驶车辆的调度策略。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行根据上述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据上述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据上述的方法。
根据本公开的另一方面,提供了一种调度运营系统,包括上述的电子设备。
根据本公开的一个或多个实施例,可以根据乘客和无人驾驶车辆到达订单起始位置的时间先后顺序而分别制定不同调度策略,由此避免订单起始位置处的交通堵塞问题。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的无人驾驶车辆的调度方法的流程图;
图3示出了根据本公开的实施例的确定无人驾驶车辆调度中所涉及的第一时长和第二时长的方法流程图;
图4示出了根据本公开的实施例的对无人驾驶车辆执行第一调度策略的方法流程图;
图5示出了根据本公开的实施例的对无人驾驶车辆执行第二调度策略的方法流程图;
图6示出了根据本公开的实施例的对无人驾驶车辆执行第二调度策略的另一方法流程图;
图7示出了根据本公开的实施例的对无人驾驶车辆执行第三调度策略的方法流程图;
图8示出了根据本公开实施例的无人驾驶车辆的调度装置的结构框图;以及
图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括机动车辆110、服务器120以及将机动车辆110耦接到服务器120的一个或多个通信网络130。
在本公开的实施例中,机动车辆110可以包括根据本公开实施例的计算设备和/或被配置以用于执行根据本公开实施例的方法。
服务器120可以运行使得能够对无人驾驶车辆执行调度的方法的一个或多个服务或软件应用。在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其它服务或软件应用。在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。机动车辆110的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其它适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其它计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从机动车辆110接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由机动车辆110的一个或多个显示设备来显示数据馈送和/或实时事件。
网络130可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是卫星通信网络、局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(包括例如蓝牙、WiFi)和/或这些与其它网络的任意组合。
系统100还可以包括一个或多个数据库150。在某些实施例中,这些数据库可以用于存储数据和其它信息。例如,数据库150中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库150可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库150可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库150中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
机动车辆110可以包括传感器111用于感知周围环境。传感器111可以包括下列传感器中的一个或多个:视觉摄像头、红外摄像头、超声波传感器、毫米波雷达以及激光雷达(LiDAR)。不同的传感器可以提供不同的检测精度和范围。摄像头可以安装在车辆的前方、后方或其它位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外,通过对视觉摄像头捕获的画面进行分析,可以获取诸如交通信号灯指示、交叉路口情况、其它车辆运行状态等信息。红外摄像头可以在夜视情况下捕捉物体。超声波传感器可以安装在车辆的四周,用于利用超声波方向性强等特点来测量车外物体距车辆的距离。毫米波雷达可以安装在车辆的前方、后方或其它位置,用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其它位置,用于检测物体边缘、形状信息,从而进行物体识别和追踪。由于多普勒效应,雷达装置还可以测量车辆与移动物体的速度变化。
机动车辆110还可以包括通信装置112。通信装置112可以包括能够从卫星141接收卫星定位信号(例如,北斗、GPS、GLONASS以及GALILEO)并且基于这些信号产生坐标的卫星定位模块。通信装置112还可以包括与移动通信基站142进行通信的模块,移动通信网络可以实施任何适合的通信技术,例如GSM/GPRS、CDMA、LTE等当前或正在不断发展的无线通信技术(例如5G技术)。通信装置112还可以具有车联网或车联万物(Vehicle-to-Everything,V2X)模块,被配置用于实现例如与其它车辆143进行车对车(Vehicle-to-Vehicle,V2V)通信和与基础设施144进行车辆到基础设施(Vehicle-to-Infrastructure,V2I)通信的车与外界的通信。此外,通信装置112还可以具有被配置为例如通过使用IEEE802.11标准的无线局域网或蓝牙与用户终端145(包括但不限于智能手机、平板电脑或诸如手表等可佩戴装置)进行通信的模块。利用通信装置112,机动车辆110还可以经由网络130接入服务器120。
机动车辆110还可以包括控制装置113。控制装置113可以包括与各种类型的计算机可读存储装置或介质通信的处理器,例如中央处理单元(CPU)或图形处理单元(GPU),或者其它的专用处理器等。控制装置113可以包括用于自动控制车辆中的各种致动器的自动驾驶系统。自动驾驶系统被配置为经由多个致动器响应来自多个传感器111或者其它输入设备的输入而控制机动车辆110(未示出的)动力总成、转向系统以及制动系统等以分别控制加速、转向和制动,而无需人为干预或者有限的人为干预。控制装置113的部分处理功能可以通过云计算实现。例如,可以使用车载处理器执行某一些处理,而同时可以利用云端的计算资源执行其它一些处理。控制装置113可以被配置以执行根据本公开的方法。此外,控制装置113可以被实现为根据本公开的机动车辆侧(客户端)的计算设备的一个示例。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开实施例的无人驾驶车辆的调度方法200的流程图。方法200可以在服务器(例如图1中所示的服务器120)处执行,也可以在客户端设备(例如图1中所示的机动车辆110)处执行。也即,方法200的各个步骤的执行主体可以是图1中所示的服务器120,也可以是图1中所示的机动车辆110。
如图2所示,方法200包括:
步骤S201,接收用户通过用户终端所发送的针对无人驾驶车辆的预约订单,其中所述预约订单包括订单起始位置和所述用户的当前位置;
步骤S202,确定待调度无人驾驶车辆;
步骤S203,确定所述待调度无人驾驶车辆到达所述订单起始位置所需的第一时长以及所述用户到达所述订单起始位置所需的第二时长,以及
步骤S204,至少基于所述第一时长和第二时长,确定所述待调度无人驾驶车辆的调度策略。
由此,针对无人驾驶车辆接收到用户乘车订单而后在订单起始位置接泊用户的场景,根据乘客和无人驾驶车辆到达订单起始位置的时间先后顺序而分别制定不同候客策略,由此避免订单起始位置处的交通堵塞问题,解决因无人驾驶车辆的接泊所引发的交通阻塞问题及其导致的无人驾驶车辆的低调度率问题,从而提高无人驾驶车辆的资源调度效率。
下面详细描述方法200的各个步骤。
在步骤S201中,接收用户通过用户终端所发送的针对无人驾驶车辆的预约订单,其中预约订单包括订单起始位置和所述用户的当前位置。
需要说明的是,在本公开的技术方案中,所涉及的用户个人信息的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。还需要说明的是,本实施例中的预约订单所包括的订单起始位置和用户的当前位置均是为了确定无人驾驶车辆的调度策略的目的、在经用户授权提供之后所获取的(即,用户本人同意后发送)。另外,所获取的订单数据并非旨在表征某一特定类型的用户,因而也无法反映出某一特定类型的用户的个人信息。
在步骤S202中,确定待调度无人驾驶车辆。在一些实施例中,无人驾驶车辆调度平台可基于平台所管理的无人驾驶车辆距订单起始位置的距离、载客状态、能源(例如,电量和/或燃油等)储备、无人驾驶车辆当前位置某个半径范围内的交通状况、用户在预约订单中所指定的乘车偏好等因素来确定待调度无人驾驶车辆。
在步骤S203中,确定待调度无人驾驶车辆到达订单起始位置所需的第一时长以及用户到达订单起始位置所需的第二时长。
具体而言,参考图3,其示出了根据本公开实施例的确定无人驾驶车辆调度中所涉及的第一时长和第二时长的方法300的流程图。
如图3所示,方法300包括:
步骤S301,基于所述待调度无人驾驶车辆的当前位置、所述待调度无人驾驶车辆的当前位置至所述订单起始位置的第一线路、和所述第一线路的实时交通信息,确定所述待调度无人驾驶车辆到达所述订单起始位置所需的所述第一时长;以及
步骤S302,基于所述用户的当前位置、所述用户的当前位置至所述订单起始位置的第二线路、和所述用户的行进速度,确定所述用户到达所述订单起始位置的所述第二时长。
在步骤S301中,无人驾驶车辆调度平台或待调度无人驾驶车辆可基于历史行程数据来向所确定的第一时长增加时长增减项和/或时长增减因子,以将激增的交通流量(例如,上下班高峰、上下学高峰、潮汐车道的切换等)充分纳入考虑。
在步骤S302中,无人驾驶车辆调度平台或待调度无人驾驶车辆可基于预约订单中包括所述用户在内的全体乘车人的年龄水平(例如,最大乘车人年龄、乘车人平均年龄等)、身理状况(乘车人中是否存在残障人士等)、随身物品携带情况(例如,受否携带行李、宠物等)、第二线路的环境条件(例如,是否有上下坡、上下桥等影响平地行走速度的路段)、是否在去往订单起始位置的途中使用其它交通工具等来向所确定的第二时长增加时长增减项和/或时长增减因子,以遍历全体乘车人从当前位置行进至订单起始位置的过程中可能遇到的各种特殊情况,从而提高第二时长估计的准确度。
返回图2,在步骤S204中,至少基于第一时长和第二时长,确定待调度无人驾驶车辆的调度策略。
针对无人驾驶车辆获取用户乘车订单而后在订单起始位置接泊用户的场景,根据乘客和无人驾驶车辆到达订单起始位置的时间先后顺序而有针对性地(即,因情况不同而异)分别制定不同候客策略,由此避免订单起始位置处的交通堵塞问题并提高无人驾驶车辆的资源调度效率。
在一些实施例中,至少基于所述第一时长和所述第二时长,确定所述待调度无人驾驶车辆的调度策略包括:基于所述第一时长、所述第二时长和预设阈值,确定所述待调度无人驾驶车辆的调度策略。
作为示例,预设阈值可以是由无人驾驶车辆调度平台和/或待调度无人驾驶车辆基于历史行程数据而预先设定的。作为另一示例,预设阈值可以是由所述用户在预约订单中明确指定的、表示其可承受和/或预计可能迟到的最大时长。
在本申请的实施例中,根据所述第一时长、所述第二时长以及所述预设阈值三者之间的数量关系来从以下各项之一确定要执行的无人驾驶车辆调度策略:与所述用户将需要等候无人驾驶车辆的情形相关联的第一调度策略、与所述无人驾驶车辆将需要等候所述用户的情形相关联的第二调度策略、以及与所述用户和所述无人驾驶车辆两者均将大致准时地到达所述订单起始位置相关联的第三调度策略。
根据公开的一些实施例,基于所述第一时长、所述第二时长和预设阈值,确定所述待调度无人驾驶车辆的调度策略包括:响应于确定所述第一时长与所述第二时长之间的差值的绝对值大于所述预设阈值并且所述第一时长大于所述第二时长,确定所述第一调度策略并进行执行。在此情形中,无人驾驶车辆调度平台或待调度无人驾驶车辆基于所确定的第一时长、所确定的第二时长以及所述预设阈值三者之间的数量关系表明所述用户将需要在订单起始位置处等候所述无人驾驶车辆驶至订单起始位置而将无人驾驶车辆的调度策略确定为第一调度策略并进行执行。
在一些实施例中,所述第一调度策略包括:向所述用户终端发送所述待调度无人驾驶车辆的当前位置和所述订单起始位置之间的距离以及所述第一时长。在此情形中,在无人驾驶车辆调度平台或待调度无人驾驶车辆确定要执行所述第一调度策略的情况下,这表示若不出现至订单起始位置的第一线路的交通状况有所明显改善和/或所述用户因各种原因而推迟到达订单起始位置的预估时间,则该待调度无人驾驶车辆势必将晚于包括所述用户在内的全体乘车人到达订单起始位置,这时需要向所述用户告知无人驾驶车辆将稍晚到达订单起始位置的信息,以便安抚所述用户。该信息至少包括所述待调度无人驾驶车辆的当前位置和所述订单起始位置之间的距离以及所述第一时长。在一些示例中,该信息还可包括与所述待调度无人驾驶车辆的可达性相当的其它候选空载无人驾驶车辆的位置信息及这一(些)候选空载无人驾驶车辆行驶至订单起始位置的所估计时长等等,以便为所述用户提供更换无人驾驶车辆的选择。
图4示出了根据本公开的实施例的对无人驾驶车辆执行第一调度策略的方法400的流程图。如图4所示,方法400包括:
步骤S401,响应于确定所述第一时长与所述第二时长之间的差值的绝对值大于所述预设阈值并且所述第一时长大于所述第二时长,确定所述第一调度策略并进行执行;
步骤S402,向所述用户终端发送所述待调度无人驾驶车辆的当前位置和所述订单起始位置之间的距离以及所述第一时长;以及
步骤S403,响应于确定所述待调度无人驾驶车辆的当前工作状态为停车状态,控制所述待调度无人驾驶车辆即刻驶向所述订单起始位置。
在方法400中,可任选地,无人驾驶车辆调度平台或待调度无人驾驶车辆可基于至订单起始位置的第一线路的实时交通信息以及与第一线路的可达性相当的其它候选线路的实时交通信息的比较来确定是否要改道至其它候选线路以缩短所述第一时长。
根据公开的一些实施例,基于所述第一时长、所述第二时长和预设阈值,确定所述待调度无人驾驶车辆的调度策略包括:响应于确定所述第一时长与所述第二时长之间的差值的绝对值大于所述预设阈值并且所述第二时长大于所述第一时长,确定所述第二调度策略并进行执行。在此情形中,无人驾驶车辆调度平台或待调度无人驾驶车辆基于所确定的第一时长、所确定的第二时长以及所述预设阈值三者之间的数量关系表明所述无人驾驶车辆将需要在订单起始位置和/或其它位置(例如,当前位置)处等候所述用户行进至订单起始位置而将无人驾驶车辆的调度策略确定为第二调度策略并进行执行。
在一些实施例中,所述第二调度策略包括:响应于确定所述第一时长与所述第二时长之间的差值的绝对值大于所述订单起始位置的第一最大可停车时长,确定与所述订单起始位置相关的第三线路(即绕圈线路),其中,所述第三线路的起点和终点均为所述订单起始位置。在此情形中,在待调度无人驾驶车辆驶至订单起始位置而所述用户仍未到达的情况下,该订单起始位置处的停留时长约束/行政规定需要被纳入考虑,以使得无人驾驶车辆在订单起始位置处等候包括所述用户在内的全体乘车人的动作将不会对该订单起始位置的交通造成负面影响(例如,导致该订单起始位置的交通拥堵、以及因拥堵而潜在地发生的二次碰撞事故等)。
在待调度无人驾驶车辆在订单起始位置处停留达最大可停车时长而所述用户仍未到达的情况下,意味着待调度无人驾驶车辆需进行绕圈以避免违反订单起始位置处的停留时长约束/行政规定,此时绕圈线路的起始点均应确定为订单起始位置,从而避免因无人驾驶车辆的绕圈操作所导致的订单起始位置的改变对包括所述用户在内的全体乘车人造成的附加不便。
图5示出了根据本公开的实施例的对无人驾驶车辆执行第二调度策略的方法500的流程图。如图5所示,方法500包括:
步骤S501,响应于确定所述第一时长与所述第二时长之间的差值的绝对值大于所述订单起始位置的第一最大可停车时长,确定与所述订单起始位置相关的第三线路,其中,所述第三线路的起点和终点均为所述订单起始位置;以及
步骤S502,在所述待调度无人驾驶车辆到达所述订单起始位置之后,控制所述待调度无人驾驶车辆沿所述第三线路继续行驶,并且向所述用户终端发送提醒信息。
在一些实施例中,在所述用户始终未行进至订单起始位置的情况下,无人驾驶车辆调度平台和/或待调度无人驾驶车辆可不必等到该订单起始位置的最大可停车时长的期满而采取绕圈操作。例如,当出现该订单起始位置处的交通状况有所明显拥堵和/或待调度无人驾驶车辆被要求尽快驶离等突发情况时,该待调度无人驾驶车辆可机动地采取绕圈操作以避免对其它交通参与者的不利影响。因而,与所述订单起始位置相关的所述第三线路的确定不能够在停留至最大可停车时长之际才被确定。作为示例,第三线路是绕所述订单起始位置的最小用时线路。
需要注意的是,采取沿所述第三线路(例如,最小用时线路)绕圈行驶可能导致在无人驾驶车辆的绕圈行驶过程中所述用户已到达订单起始位置而此时无人驾驶车辆却因绕圈而未到达的情况发生,因而在采取绕行操作之际,需要向所述用户告知待调度无人驾驶车辆将采取绕圈行驶的信息。附加的,所述信息可包括绕第三线路行驶一圈回到订单起始位置的估计时长。
图6示出了根据本公开的实施例的对无人驾驶车辆执行第二调度策略的另一方法600的流程图。如图6所示,方法600包括:
步骤S601,响应于确定所述当前工作状态为停车状态,获取所述待调度无人驾驶车辆的当前位置的第二最大可停车时长和所述待调度无人驾驶车辆在当前位置的当前停车时长;
步骤S602,响应于所述第二最大可停车时长和所述当前停车时长之间的差值的绝对值不小于所述第一时长与所述第二时长之间的差值的绝对值,控制所述待调度无人驾驶车辆继续停留在当前位置并重新计时停车时长,并且响应于确定重新计时后的停车时长等于所述第一时长与所述第二时长之间的所述差值的绝对值,控制所述待调度无人驾驶车辆驶向所述订单起始位置;以及
步骤S603,响应于所述第二最大可停车时长和所述当前停车时长之间的差值的绝对值小于所述第一时长与所述第二时长之间的差值的绝对值,控制所述待调度无人驾驶车辆继续停留在当前位置直至停车时长达到所述第二最大可停车时长,并且响应于确定所述待调度无人驾驶车辆在当前位置的停车时长达到所述第二最大可停车时长,控制所述待调度无人驾驶车辆驶向所述订单起始位置。
如前所示,尽管关于订单起始位置的最大可停车时长的信息是可获取到的,但可能出现该订单起始位置处的交通状况不可预期和/或待调度无人驾驶车辆可能会被要求在停留片刻后尽快驶离等突发情况,因此,如果待调度无人驾驶车辆当前的工作状态为停车状态,则优选在当前停车位置充分地占用该位置的最大可停车时长,以充分抵消无人驾驶车辆在订单起始位置等候所述用户所需要花费的时长,同时最大限度地消除订单起始位置处不可预期的影响调度策略和/或所述用户的乘车体验的不利情况所带来的影响。
在又一方面,基于所述第一时长、所述第二时长和预设阈值,确定所述待调度无人驾驶车辆的调度策略包括:响应于确定所述第一时长与所述第二时长之间的差值的绝对值不大于所述预设阈值,确定所述第三调度策略并进行执行。
图7示出了根据本公开的实施例的对无人驾驶车辆执行第三调度策略的方法700的流程图。如图7所示,方法700包括:
步骤S701,响应于接收到所述预约订单,确定待调度无人驾驶车辆的当前工作状态;以及
步骤S702,响应于确定所述待调度无人驾驶车辆的当前工作状态为停车状态,控制所述待调度无人驾驶车辆即刻驶向所述订单起始位置。
在一些实施例中,在确定所述第一时长和第二时长之前,响应于确定所述待调度无人驾驶车辆当前为行驶状态,控制所述待调度无人驾驶车辆直接驶向所述订单起始位置。
在一些实施例中,响应于确定所述用户已上车并且未在预设时长内触发行程开始或检测出所述用户的乘车行为不满足预设条件,结束所述预约订单并将所述待调度无人驾驶车辆设置为空载状态。例如,可利用各种传感器技术和/或算法来检测所述用户的乘车行为。所述乘车行为包括:用户是否规范佩戴安全带、用户是否以正确坐姿坐在座位上、用户是否存在酗酒等神志不清以至于无法满足独自完成行程的乘车要求、用户上车后是否无故不触发行程启动以至于造成或将潜在地造成交通拥堵等等。因而,借助于对所述用户上车后关于乘车行为是否满足预设条件的再次判断,进一步提高了无人驾驶车辆的资源调度效率。
图8示出了根据本公开实施例的用于无人驾驶车辆调度的装置800的结构框图。
该装置800包括:接收模块801、第一确定模块802、第二确定模块803、以及第三确定模块804。在本申请的实施例中,接收模块801被配置为接收用户通过用户终端所发送的针对无人驾驶车辆的预约订单,其中所述预约订单包括订单起始位置和所述用户的当前位置;第一确定模块802被配置为确定待调度无人驾驶车辆;第二确定模块803被配置为确定所述待调度无人驾驶车辆到达所述订单起始位置所需的第一时长以及所述用户到达所述订单起始位置所需的第二时长;并且第三确定模块804被配置为至少基于所述第一时长和第二时长,确定所述待调度无人驾驶车辆的调度策略。
在一些实施例中,所述第二确定模块被进一步配置为:基于所述待调度无人驾驶车辆的当前位置、所述待调度无人驾驶车辆的当前位置至所述订单起始位置的第一线路、和所述第一线路的实时交通信息,确定所述待调度无人驾驶车辆到达所述订单起始位置所需的所述第一时长;以及基于所述用户的当前位置、所述用户的当前位置至所述订单起始位置的第二线路、和所述用户的行进速度,确定所述用户到达所述订单起始位置的所述第二时长。
在一些实施例中,所述第三确定模块被进一步配置为:基于所述第一时长、所述第二时长和预设阈值,确定所述待调度无人驾驶车辆的调度策略。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,还提供了一种能够实现上述方法的电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的实施例,还提供了一种调度运营系统,包括上述的电子设备。
参考图9,现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,电子设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM903中,还可存储电子设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
电子设备900中的多个部件连接至I/O接口905,包括:输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向电子设备900输入信息的任何类型的设备,输入单元906可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许电子设备900通过诸如因特网的计算机网络和/或各种电信网络与其它设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如方法200、300、400、500、600和700。例如,在一些实施例中,方法200、300、400、500、600和700可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到电子设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的方法200、300、400、500、600和700的一个或多个步骤。备选地,在其它实施例中,计算单元901可以通过其它任何适当的方式(例如,借助于固件)而被配置为执行方法200、300、400、500、600和700。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (10)
1.一种无人驾驶车辆的调度方法,包括:
接收用户通过用户终端所发送的针对无人驾驶车辆的预约订单,其中所述预约订单包括订单起始位置和所述用户的当前位置;
确定待调度无人驾驶车辆;
基于所述待调度无人驾驶车辆的当前位置、所述待调度无人驾驶车辆的当前位置至所述订单起始位置的第一线路、和所述第一线路的实时交通信息,确定所述待调度无人驾驶车辆到达所述订单起始位置所需的第一时长;
基于所述用户的当前位置、所述用户的当前位置至所述订单起始位置的第二线路、和所述用户的行进速度,确定所述用户到达所述订单起始位置的第二时长;以及
基于所述第一时长、所述第二时长和预设阈值三者之间的数量关系,从下列各项确定所述待调度无人驾驶车辆的调度策略:与所述用户将需要等候所述待调度无人驾驶车辆的情形相关联的第一调度策略、与所述待调度无人驾驶车辆将需要等候所述用户的情形相关联的第二调度策略、以及与所述用户和所述待调度无人驾驶车辆两者均将大致准时地到达所述订单起始位置相关联的第三调度策略,
其中,所述第一调度策略包括:
响应于确定所述待调度无人驾驶车辆的当前工作状态为停车状态,控制所述待调度无人驾驶车辆即刻驶向所述订单起始位置,
其中,所述第二调度策略包括:
响应于确定所述待调度无人驾驶车辆的当前工作状态为停车状态,获取所述待调度无人驾驶车辆的当前位置的第二最大可停车时长和所述待调度无人驾驶车辆在当前位置的当前停车时长;
响应于所述第二最大可停车时长和所述当前停车时长之间的差值的绝对值不小于所述第一时长与所述第二时长之间的差值的绝对值,控制所述待调度无人驾驶车辆继续停留在当前位置并重新计时停车时长,并且响应于确定重新计时后的停车时长等于所述第一时长与所述第二时长之间的所述差值的绝对值,控制所述待调度无人驾驶车辆驶向所述订单起始位置;以及
响应于所述第二最大可停车时长和所述当前停车时长之间的差值的绝对值小于所述第一时长与所述第二时长之间的差值的绝对值,控制所述待调度无人驾驶车辆继续停留在当前位置直至停车时长达到所述第二最大可停车时长,并且响应于确定所述待调度无人驾驶车辆在当前位置的停车时长达到所述第二最大可停车时长,控制所述待调度无人驾驶车辆驶向所述订单起始位置,
其中,所述第三调度策略包括:
响应于接收到所述预约订单,控制所述待调度无人驾驶车辆驶向所述订单起始位置,
其中,所述预设阈值由所述用户在所述预约订单中指定,并且表示所述用户能够承受或预计可能迟到的最大时长,
并且其中,基于所述第一时长、所述第二时长和预设阈值三者之间的数量关系,从下列各项确定所述待调度无人驾驶车辆的调度策略包括:
响应于确定所述第一时长与所述第二时长之间的差值的绝对值大于所述预设阈值并且所述第一时长大于所述第二时长,确定所述第一调度策略并进行执行;
响应于确定所述第一时长与所述第二时长之间的差值的绝对值大于所述预设阈值并且所述第二时长大于所述第一时长,确定所述第二调度策略并进行执行;以及
响应于确定所述第一时长与所述第二时长之间的差值的绝对值不大于所述预设阈值,确定所述第三调度策略并进行执行。
2.如权利要求1所述的方法,其中,所述第一调度策略还包括:向所述用户终端发送所述待调度无人驾驶车辆的当前位置和所述订单起始位置之间的距离以及所述第一时长。
3.如权利要求1所述的方法,其中,所述第二调度策略还包括:
响应于确定所述第一时长与所述第二时长之间的差值的绝对值大于所述订单起始位置的第一最大可停车时长,确定与所述订单起始位置相关的第三线路,其中,所述第三线路的起点和终点均为所述订单起始位置;以及
在所述待调度无人驾驶车辆到达所述订单起始位置之后,控制所述待调度无人驾驶车辆沿所述第三线路继续行驶,并且向所述用户终端发送提醒信息。
4.如权利要求1所述的方法,其中,响应于接收到所述预约订单,控制所述待调度无人驾驶车辆驶向所述订单起始位置包括:
响应于接收到所述预约订单并且确定所述待调度无人驾驶车辆的当前工作状态为停车状态,控制所述待调度无人驾驶车辆即刻驶向所述订单起始位置。
5.如权利要求1-4中任一项所述的方法,还包括:
在确定所述第一时长和第二时长之前,响应于确定所述待调度无人驾驶车辆当前为行驶状态,控制所述待调度无人驾驶车辆直接驶向所述订单起始位置。
6.如权利要求1-4中任一项所述的方法,还包括:
响应于确定所述用户已上车并且未在预设时长内触发行程开始或检测出所述用户的乘车行为不满足预设条件,结束所述预约订单并将所述待调度无人驾驶车辆设置为空载状态。
7.一种无人驾驶车辆的调度装置,包括:
接收模块,被配置为接收用户通过用户终端所发送的针对无人驾驶车辆的预约订单,其中所述预约订单包括订单起始位置和所述用户的当前位置;
第一确定模块,被配置为确定待调度无人驾驶车辆;
第二确定模块,被配置为基于所述待调度无人驾驶车辆的当前位置、所述待调度无人驾驶车辆的当前位置至所述订单起始位置的第一线路、和所述第一线路的实时交通信息,确定所述待调度无人驾驶车辆到达所述订单起始位置所需的第一时长;
第三确定模块,被配置为基于所述用户的当前位置、所述用户的当前位置至所述订单起始位置的第二线路、和所述用户的行进速度,确定所述用户到达所述订单起始位置的第二时长;以及
第四确定模块,被配置为基于所述第一时长、所述第二时长和预设阈值,从下列各项确定所述待调度无人驾驶车辆的调度策略:与所述用户将需要等候所述待调度无人驾驶车辆的情形相关联的第一调度策略、与所述待调度无人驾驶车辆将需要等候所述用户的情形相关联的第二调度策略、以及与所述用户和所述待调度无人驾驶车辆两者均将大致准时地到达所述订单起始位置相关联的第三调度策略,
其中,所述第一调度策略包括:
响应于确定所述待调度无人驾驶车辆的当前工作状态为停车状态,控制所述待调度无人驾驶车辆即刻驶向所述订单起始位置,
其中,所述第二调度策略包括:
响应于确定所述待调度无人驾驶车辆的当前工作状态为停车状态,获取所述待调度无人驾驶车辆的当前位置的第二最大可停车时长和所述待调度无人驾驶车辆在当前位置的当前停车时长;
响应于所述第二最大可停车时长和所述当前停车时长之间的差值的绝对值不小于所述第一时长与所述第二时长之间的差值的绝对值,控制所述待调度无人驾驶车辆继续停留在当前位置并重新计时停车时长,并且响应于确定重新计时后的停车时长等于所述第一时长与所述第二时长之间的所述差值的绝对值,控制所述待调度无人驾驶车辆驶向所述订单起始位置;以及
响应于所述第二最大可停车时长和所述当前停车时长之间的差值的绝对值小于所述第一时长与所述第二时长之间的差值的绝对值,控制所述待调度无人驾驶车辆继续停留在当前位置直至停车时长达到所述第二最大可停车时长,并且响应于确定所述待调度无人驾驶车辆在当前位置的停车时长达到所述第二最大可停车时长,控制所述待调度无人驾驶车辆驶向所述订单起始位置,
其中,所述第三调度策略包括:
响应于接收到所述预约订单,控制所述待调度无人驾驶车辆驶向所述订单起始位置,
其中,所述预设阈值由所述用户在所述预约订单中指定,并且表示所述用户能够承受或预计可能迟到的最大时长,
并且其中,基于所述第一时长、所述第二时长和预设阈值三者之间的数量关系,从下列各项确定所述待调度无人驾驶车辆的调度策略包括:
响应于确定所述第一时长与所述第二时长之间的差值的绝对值大于所述预设阈值并且所述第一时长大于所述第二时长,确定所述第一调度策略并进行执行;
响应于确定所述第一时长与所述第二时长之间的差值的绝对值大于所述预设阈值并且所述第二时长大于所述第一时长,确定所述第二调度策略并进行执行;以及
响应于确定所述第一时长与所述第二时长之间的差值的绝对值不大于所述预设阈值,确定所述第三调度策略并进行执行。
8.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-6中任一项所述的方法。
10.一种调度运营系统,包括权利要求8所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210210806.8A CN114565304B (zh) | 2022-03-04 | 2022-03-04 | 无人驾驶车辆的调度方法、电子设备和调度运营系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210210806.8A CN114565304B (zh) | 2022-03-04 | 2022-03-04 | 无人驾驶车辆的调度方法、电子设备和调度运营系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114565304A CN114565304A (zh) | 2022-05-31 |
CN114565304B true CN114565304B (zh) | 2023-05-05 |
Family
ID=81717747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210210806.8A Active CN114565304B (zh) | 2022-03-04 | 2022-03-04 | 无人驾驶车辆的调度方法、电子设备和调度运营系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114565304B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106920038A (zh) * | 2017-02-20 | 2017-07-04 | 北京百度网讯科技有限公司 | 无人驾驶车辆的调度方法、装置、设备及存储介质 |
DE102018206416A1 (de) * | 2017-04-26 | 2018-10-31 | Iplab Inc. | Unbemanntes fahrsystem, fahrzeugtarifberechnungsserver und verfahren für ein unbemannt fahrendes fahrzeug |
CN108986503A (zh) * | 2018-04-27 | 2018-12-11 | 北京智行者科技有限公司 | 自动驾驶车辆的调度方法和系统 |
CN109949068A (zh) * | 2019-01-09 | 2019-06-28 | 深圳北斗应用技术研究院有限公司 | 一种基于预测结果的实时拼车方法和装置 |
CN111985662A (zh) * | 2020-06-30 | 2020-11-24 | 北京百度网讯科技有限公司 | 网络约车方法、装置、电子设备和存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9805605B2 (en) * | 2015-08-12 | 2017-10-31 | Madhusoodhan Ramanujam | Using autonomous vehicles in a taxi service |
CN108205711A (zh) * | 2016-12-16 | 2018-06-26 | 北京嘀嘀无限科技发展有限公司 | 一种智能约车方法和装置 |
JP2021095025A (ja) * | 2019-12-18 | 2021-06-24 | トヨタ自動車株式会社 | 管理装置 |
CN111862578A (zh) * | 2019-12-31 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种用车方法和系统 |
CN111507494B (zh) * | 2020-04-17 | 2024-01-09 | 北京嘀嘀无限科技发展有限公司 | 订单处理方法和系统、计算机可读存储介质 |
CN111984753A (zh) * | 2020-08-19 | 2020-11-24 | 北京嘀嘀无限科技发展有限公司 | 一种提醒用户的方法和系统 |
CN112874538B (zh) * | 2021-03-03 | 2022-04-15 | 深圳安途智行科技有限公司 | 无人驾驶车辆的控制方法、以及计算机设备 |
CN113096375B (zh) * | 2021-03-30 | 2022-04-12 | 深圳安途智行科技有限公司 | 车辆调度方法及系统、以及主控制设备 |
CN113830104B (zh) * | 2021-09-24 | 2023-07-25 | 北京百度网讯科技有限公司 | 控制自动驾驶车辆的方法、装置、设备和自动驾驶车辆 |
-
2022
- 2022-03-04 CN CN202210210806.8A patent/CN114565304B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106920038A (zh) * | 2017-02-20 | 2017-07-04 | 北京百度网讯科技有限公司 | 无人驾驶车辆的调度方法、装置、设备及存储介质 |
DE102018206416A1 (de) * | 2017-04-26 | 2018-10-31 | Iplab Inc. | Unbemanntes fahrsystem, fahrzeugtarifberechnungsserver und verfahren für ein unbemannt fahrendes fahrzeug |
CN108986503A (zh) * | 2018-04-27 | 2018-12-11 | 北京智行者科技有限公司 | 自动驾驶车辆的调度方法和系统 |
CN109949068A (zh) * | 2019-01-09 | 2019-06-28 | 深圳北斗应用技术研究院有限公司 | 一种基于预测结果的实时拼车方法和装置 |
CN111985662A (zh) * | 2020-06-30 | 2020-11-24 | 北京百度网讯科技有限公司 | 网络约车方法、装置、电子设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
Traffic control optimization for multi-modal operations in a large-scale urban network;Aleksandar Stevanovic;《2011 IEEE Forum on Integrated and Sustainable Transportation System》;146-151 * |
基于出行需求的无人驾驶出租车优化调度与部署研究;余佩;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》(第05期);C034-208 * |
Also Published As
Publication number | Publication date |
---|---|
CN114565304A (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113741485A (zh) | 车路协同自动驾驶的控制方法、装置、电子设备及车辆 | |
US20210012261A1 (en) | Self-driving control device, vehicle, and demand mediation system | |
EP3915851B1 (en) | System and method for estimating take-over time | |
US10323946B2 (en) | Automatic modification of monitoring of vehicle data | |
CN114758502B (zh) | 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆 | |
EP4258189A1 (en) | Autonomous vehicle fleet scheduling to maximize efficiency | |
CN115935573A (zh) | 用于自动驾驶车辆的仿真方法和控制自动驾驶车辆的方法 | |
CN115092130A (zh) | 车辆碰撞预测方法、装置、电子设备、介质和车辆 | |
CN114212108B (zh) | 自动驾驶方法、装置、车辆、存储介质及产品 | |
CN114565304B (zh) | 无人驾驶车辆的调度方法、电子设备和调度运营系统 | |
CN116861230A (zh) | 输出解释信息的自动驾驶模型、训练方法、装置和车辆 | |
CN114394111B (zh) | 用于自动驾驶车辆的变道方法 | |
CN115171392B (zh) | 用于向车辆提供预警信息的方法和车载终端 | |
CN115583243B (zh) | 确定车道线信息的方法、车辆控制方法、装置和设备 | |
CN116991157B (zh) | 具备人类专家驾驶能力的自动驾驶模型、训练方法和车辆 | |
CN114179834B (zh) | 车辆停靠方法、装置、电子设备、介质及自动驾驶车辆 | |
CN114379588B (zh) | 进站状态检测方法、装置、车辆、设备和存储介质 | |
CN114333405B (zh) | 用于辅助车辆停车的方法 | |
CN114333368B (zh) | 语音提醒方法、装置、设备和介质 | |
CN116311943B (zh) | 交叉路口的平均延误时间的估算方法及装置 | |
CN114283604B (zh) | 用于辅助车辆停车的方法 | |
CN116750001A (zh) | 用于自动驾驶的方法和装置 | |
EP4047583A2 (en) | Method and apparatus for controlling vehicle-infrastructure cooperated autonomous driving, electronic device, and vehicle | |
CN118657044A (zh) | 对自动驾驶模型进行训练的方法、装置和电子设备 | |
CN114780869A (zh) | 乘车点推荐方法、装置、电子设备、介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |