CN117252495A - 无人车的配送方法、装置和无人车 - Google Patents

Abstract

本公开提供了一种无人车的配送方法、装置和无人车，涉及物流领域，尤其涉及无人驾驶领域。该方法包括：确定无人车停靠点对应的订单数量；根据订单数量，确定第一时长；根据基础时长和第一时长之和，确定无人车在停靠点的等候时长；以及基于停靠点的等候时长，控制无人车执行配送作业。本公开在基础时长的基础上，根据订单信息确定无人车在停靠点的等候时长，使得无人车在停靠点的等候时长更加准确，在提高妥投率的基础上，能够提高无人车的配送效率。

Description

无人车的配送方法、装置和无人车

技术领域

本公开涉及物流领域，尤其涉及无人驾驶领域，特别涉及一种无人车的配送方法、装置和无人车。

背景技术

目前，无人车用于将人或者物从一个位置自动运送到另一个位置，无人车通过设备上的传感器采集环境信息并完成自动运送。基于无人驾驶技术控制的无人车进行物流运输，极大地提高了生产生活的便捷性，节约了人力成本。

相关技术中，无人车在配送订单时，会在取货点等候一定时长。该时长在无人车出发前，由运营人员手动设置。无论用户是否取件，过了等候时间，无人车就会离开。

发明内容

本公开要解决的一个技术问题是，提供一种无人车的配送方法、装置和无人车，在提高妥投率的基础上，提高无人车的配送效率。

根据本公开一方面，提出一种无人车的配送方法，包括：确定无人车停靠点对应的订单数量；根据订单数量，确定第一时长；根据基础时长和第一时长之和，确定无人车在停靠点的等候时长；以及基于停靠点的等候时长，控制无人车执行配送作业。

在一些实施例中，判断停靠点的配送订单对应的用户中是否有历史用户，历史用户为使用过无人车配送订单服务的用户；若有历史用户，则基于历史用户的历史取件时长，预测当前取件的第二时长；以及基于第二时长，调整无人车在停靠点的等候时长。

在一些实施例中，若历史用户为多个用户，则将基于多个历史用户的历史取件时长预测的多个当前取件时长中的最大值，作为第二时长。

在一些实施例中，调整无人车在停靠点的等候时长包括：将基础时长和第一时长之和，与第二时长中的最大值，作为无人车在停靠点的等候时长。

在一些实施例中，调整无人车在停靠点的等候时长包括：若无人车的停靠点数量大于阈值，则将基础时长和第一时长之和，与第二时长中的最小值，作为无人车在停靠点的等候时长。

在一些实施例中，基础时长为用户步行至停靠点的时长；和/或第一时长为订单数量与每个订单的增补时长的乘积。

根据本公开的另一方面，还提出一种无人车的配送装置，包括：订单数量统计模块，被配置为确定无人车停靠点对应的订单数量；第一时长确定模块，被配置为根据订单数量，确定第一时长；等候时长确定模块，被配置为根据基础时长和第一时长之和，确定无人车在停靠点的等候时长；以及配送控制模块，被配置为基于停靠点的等候时长，控制无人车执行配送作业。

在一些实施例中，历史用户判断模块，被配置为判断停靠点的配送订单对应的用户中是否有历史用户，历史用户为使用过无人车配送订单服务的用户；第二时长预测模块，被配置为若有历史用户，则基于历史用户的历史取件时长，预测当前取件的第二时长；以及等候时长确定模块还被配置为基于第二时长，调整无人车在停靠点的等候时长。

根据本公开的另一方面，还提出一种无人车的配送装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的无人车的配送方法。

根据本公开的另一方面，还提出一种无人车，包括：上述的无人车的配送装置。

根据本公开的另一方面，还提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的无人车的配送方法。

本公开实施例中，在基础时长的基础上，根据订单信息确定无人车在停靠点的等候时长，在提高妥投率的基础上，能够提高无人车的配送效率。

通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：

图1为本公开的无人车的配送方法的一些实施例的流程示意图；

图2为本公开的无人车的配送方法的另一些实施例的流程示意图；

图3为本公开的无人车的配送装置的一些实施例的结构示意图；

图4为本公开的无人车的配送装置的另一些实施例的结构示意图；

图5为本公开的无人车的配送装置的另一些实施例的结构示意图；

图6为本公开的无人车的系统架构的一些实施例的结构示意图；以及

图7为本公开的无人车的硬件结构的一些实施例的示意图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

相关技术中，无人车的等候时长需要人工设定，增加了人工成本。另外，等候时长的设置没有数据支撑，仅凭经验设置，导致无人车的配送效率较低，或者，妥投率较低，使得用户体验较差。

图1为本公开的无人车的配送方法的一些实施例的流程示意图。

在步骤110，确定无人车停靠点对应的订单数量。

在一些实施例中，通过扫描或者输入订单号，从订单管理后台获取订单信息，根据订单地址匹配对应的停靠点，完成剩余订单装载。在完成装载后，以停靠点为维度进行订单数量统计。例如，A停靠点的订单数量为10，B停靠点的订单数量为5。

在一些实施例中，将停靠点设置在小区门口。或者，根据人流量，将停靠点设置在人流量较大的位置。再或者，无人车若能进入小区，则可以根据用户习惯，或通过调研等手段，将停靠点设置在用户经常经过的某个位置。无人车在一个停靠点，可以为距离该停靠点预定范围内的用户提供配送服务。

在步骤120，根据订单数量，确定第一时长。

在一些实施例中，第一时长为订单数量与每个订单的增补时长的乘积。例如，有10个订单，每个订单配置2分钟，则第一时长为20分钟。

在步骤130，根据基础时长和第一时长之和，确定无人车在停靠点的等候时长。

在一些实施例中，基础时长为设定的用户步行至停靠点的时长。

在一些实施例中，根据用户订单信息，能够获取每个用户的位置信息，例如，经纬度信息。根据停靠点的位置和每个用户的位置信息，能够计算出每个用户到停靠点的距离。该距离可以为直线距离，也可以为曲线距离。根据每个用户到停靠点的距离以及用户的平均步行速度，确定每个用户走到停靠点的时长。在一些实施例中，将多个用户走到停靠点的平均时长，或者，距离停靠点最远的用户走到停靠点的时长，作为基础时长。根据基础时长和第一时长之和，确定无人车在停靠点的等候时长。

例如，无人车向用户发出取件通知后，用户走到A停靠点的时长为10分钟，根据订单数据得到的第一时长为20分钟，则无人车在A停靠点的时长为30分钟。

在步骤140，基于停靠点的等候时长，控制无人车执行配送作业。

例如，调度系统计算出无人车在A停靠点的等候时长为t后，将等候时长t发送给无人车，无人车在执行配送作业时，在A停靠点等待t时长后，继续向下一个停靠点执行配送作业。

再例如，无人车内的控制器计算出无人车在A停靠点的等候时长为t，则在行进到该A停靠点执行配送作业时，在A停靠点等待t时长后，继续向下一个停靠点执行配送作业。

在上述实施例中，在基础时长的基础上，根据订单信息确定无人车在停靠点的等候时长，在提高妥投率的基础上，能够提高无人车的配送效率。

图2为本公开的无人车的配送方法的另一些实施例的流程示意图。

在步骤210，判断停靠点的配送订单对应的用户中是否有历史用户，历史用户为使用过无人车配送订单服务的用户。

在步骤220，若有历史用户，则基于历史用户的历史取件时长，预测当前取件的第二时长。

在一些实施例中，利用回归分析法或者期望值法等算法，根据历史用户的历史取件时长进行预测，得到本次取件的时长。例如，将该用户的所有的历史数据在坐标轴中标记出来，横轴为取件等待时长，纵轴为取件日期，由此画出一条离这些点最近的线，例如该线有可能是一条直线y＝ax+b，a和b是已知的，根据y值就可以算出对应的取件等待时长x的预测值，用来预计下一个取件时长的值。

在一些实施例中，利用预测模型来预测第二时长，该预测模型例如为基于神经网络等机器学习算法的模型。在一些实施例中，根据历史取件时长以及环境因素，对预测模型进行训练。环境因素例如包括取件时间段、天气、是否为管控区域、周围建筑的密集程度等。例如，将取件时间段、天气、是否为管控区域、周围建筑的密集程度中的一项或多项，作为预测模型的输入参数，将取件时长作为预测模型的输出参数，对预测模型进行训练。将预测模型的输出结果与历史取件时长进行比较，判断比较结果是否满足构建预测模型的损失函数的要求，反复迭代，优化和调整预测模型的参数，使得比较结果最终满足构建预测模型的损失函数的要求，保存该预测模型。取件时间段例如包括早上、中午、晚上、周末、工作日等。在训练好预测模型后，根据该停靠点的历史用户的相关信息和环境因素来预测第二时长。

在一些实施例中，若历史用户为多个用户，则将基于多个历史用户的历史取件时长预测的多个当前取件时长中的最大值，作为第二时长。

例如，若A停靠点的10个订单对应10个用户，其中有两个用户为历史用户，则针对这两个用户的历史取件时长进行分析，预测得到这两个用户此次的取件时长，为了保证两个用户都能取件，则将计算出的取件时长中的最大值作为第二时长。

在一些实施例中，若没有历史用户，则将基础时长和第一时长之和，作为无人车在停靠点的等候时长。

在步骤230，基于第二时长，调整无人车在停靠点的等候时长。

在一些实施例中，将基础时长和第一时长之和，与第二时长中的最大值，作为无人车在停靠点的等候时长。例如，根据订单信息和基础时长得到的等候时长为30分钟，基于历史取件时长预测得到的第二时长为35分钟，则无人车在该停靠点的等候时长为35分钟，从而能够提高该停靠点的妥投率。

在一些实施例中，若无人车的停靠点数量大于阈值，则将基础时长和第一时长之和，与第二时长中的最小值，作为无人车在停靠点的等候时长。

例如，若此次停靠点较多，无人车整体运行时间较长，则在每个停靠点，取根据订单信息和基础时长得到的等候时长、和基于历史取件时长预测得到的第二时长中的最小值。例如，根据订单信息和基础时长得到的等候时长为30分钟，基于历史取件时长预测得到的第二时长为35分钟，则无人车在该停靠点的等候时长为30分钟，从而能够保证每个停靠点都能够配送订单，提高了整体妥投率。

在上述实施例中，根据基础时长、订单信息和历史取件时长，得到无人车在停靠点的等候时长，使得无人车的等候时长更加准确，提升了妥投率，进而提升了用户体验。

图3为本公开的无人车的配送装置的一些实施例的结构示意图，该装置包括订单数量统计模块310、第一时长确定模块320、等候时长确定模块330和配送控制模块340。

订单数量统计模块310被配置为确定无人车停靠点对应的订单数量。

例如，A停靠点的订单数量为10，B停靠点的订单数量为5。

第一时长确定模块320被配置为根据所述订单数量，确定第一时长。

在一些实施例中，第一时长为订单数量与每个订单的增补时长的乘积。例如，有10个订单，每个订单配置2分钟，则第一时长为20分钟。

等候时长确定模块330被配置为根据基础时长和所述第一时长之和，确定所述无人车在所述停靠点的等候时长。

在一些实施例中，基础时长为用户步行至停靠点的时长。

配送控制模块340被配置为基于停靠点的等候时长，控制无人车执行配送作业。

在上述实施例中，在基础时长的基础上，根据订单信息确定无人车在停靠点的等候时长，在提高妥投率的基础上，能够提高无人车的配送效率。

图4为本公开的无人车的配送装置的另一些实施例的结构示意图，该装置还包括历史用户判断模块410和第二时长预测模块420。

历史用户判断模块410被配置为判断所述停靠点的配送订单对应的用户中是否有历史用户，所述历史用户为使用过无人车配送订单服务的用户。

第二时长预测模块420被配置为若有历史用户，则基于所述历史用户的历史取件时长，预测当前取件的第二时长。

在一些实施例中，利用回归分析法或者期望值法等算法，根据历史用户的历史取件时长进行预测，得到本次取件的时长。

在一些实施例中，若历史用户为多个用户，则将基于多个历史用户的历史取件时长预测的多个当前取件时长中的最大值，作为第二时长。

所述等候时长确定模块330还被配置为基于所述第二时长，调整所述无人车在所述停靠点的等候时长。

在一些实施例中，将基础时长和第一时长之和，与第二时长中的最大值，作为无人车在停靠点的等候时长，从而能够提高该停靠点的妥投率。

在一些实施例中，若无人车的停靠点数量大于阈值，则将基础时长和第一时长之和，与第二时长中的最小值，作为无人车在停靠点的等候时长，从而能够保证每个停靠点都能够配送订单。

在上述实施例中，根据基础时长、订单信息和历史取件时长，得到无人车在停靠点的等候时长，以数据支撑等候时长的计算，使得无人车的等候时长更加精准，提升了妥投率，进而提升了用户体验。

图5为本公开的无人车的配送装置的另一些实施例的结构示意图。该装置500包括存储器510和处理器520。其中：存储器510可以是磁盘、闪存或其它任何非易失性存储介质。存储器510用于存储上述实施例中的指令。处理器520耦接至存储器510，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器520用于执行存储器中存储的指令。

在一些实施例中，处理器520通过BUS总线530耦合至存储器510。该装置500还可以通过存储接口540连接至外部存储系统550以便调用外部数据，还可以通过网络接口560连接至网络或者另外一台计算机系统(未标出)。此处不再进行详细介绍。

在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，能够在提高妥投率的基础上，提升无人车的配送效率。

在本公开的另一些实施例中，还保护一种无人车，该无人车包括上述实施例中的无人车的配送装置。

在一些实施例中，如图6和图7所示，无人车主要包括底盘模块、自动驾驶模块、货箱模块和远程监控推流模块四部分。

自动驾驶模块包括核心处理单元(Orin或Xavier模组)、红绿灯识别相机、前后左右环视相机、多线激光雷达、定位模块(如北斗、GPS等)、惯性导航单元。相机与自动驾驶模块之间可进行通信，为了提高传输速度、减少线束，可采用GMSL链路通信。

底盘模块主要包括电池、电源管理装置、底盘控制器、电机驱动器、动力电机。电池为整个无人车系统提供电源，电源管理装置将电池输出转换为可供各功能模块使用的不同电平电压，并控制上下电。底盘控制器接受自动驾驶模块下发的运动指令，控制无人车转向、前进、后退、刹车等。

远程监控推流模块由前监控相机、后监控相机、左监控相机、右监控相机和推流模块构成，该模块将监控相机采集的视频数据传输到后台服务器，供后台操作人员查看。无线通讯模块通过天线与后台服务器进行通信，可实现后台操作人员对无人车的远程控制。

货箱模块为无人车的货物承载装置，货箱模块上还设置有显示交互模块，显示交互模块用于无人车与用户交互，用户可通过显示交互模块进行如取件、寄存、购买货物等操作。货箱的类型可根据实际需求进行更换，如在物流场景中，货箱可以包括多个不同大小的子箱体，子箱体可用于装载货物进行配送。在零售场景中，货箱可以设置成透明箱体，以便于用户直观看到待售产品。

在一些实施例中，如图7所示，无人车包括显示交互模块、底盘、左侧补盲雷达、右侧补盲雷达、后侧补盲雷达、激光雷达、右侧相机、货箱。显示交互模块、底盘、左侧补盲雷达、右侧补盲雷达、后侧补盲雷达、激光雷达、右侧相机、货箱的功能可以参考上述描述，此处不再赘述。

在另一些实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (11)

1.一种无人车的配送方法，包括：

确定无人车停靠点对应的订单数量；

根据所述订单数量，确定第一时长；

根据基础时长和所述第一时长之和，确定所述无人车在所述停靠点的等候时长；以及

基于所述停靠点的等候时长，控制所述无人车执行配送作业。

2.根据权利要求1所述的配送方法，还包括：

判断所述停靠点的配送订单对应的用户中是否有历史用户，所述历史用户为使用过无人车配送订单服务的用户；

若有历史用户，则基于所述历史用户的历史取件时长，预测当前取件的第二时长；以及

基于所述第二时长，调整所述无人车在所述停靠点的等候时长。

3.根据权利要求2所述的配送方法，其中，

若所述历史用户为多个用户，则将基于多个历史用户的历史取件时长预测的多个当前取件时长中的最大值，作为所述第二时长。

4.根据权利要求2所述的配送方法，其中，调整所述无人车在所述停靠点的等候时长包括：

将所述基础时长和所述第一时长之和，与所述第二时长中的最大值，作为所述无人车在所述停靠点的等候时长。

5.根据权利要求2所述的配送方法，其中，调整所述无人车在所述停靠点的等候时长包括：

若所述无人车的停靠点数量大于阈值，则将所述基础时长和所述第一时长之和，与所述第二时长中的最小值，作为所述无人车在所述停靠点的等候时长。

6.根据权利要求1至5任一所述的配送方法，其中，

所述基础时长为用户步行至所述停靠点的时长；和/或

所述第一时长为所述订单数量与每个订单的增补时长的乘积。

7.一种无人车的配送装置，包括：

订单数量统计模块，被配置为确定无人车停靠点对应的订单数量；

第一时长确定模块，被配置为根据所述订单数量，确定第一时长；

等候时长确定模块，被配置为根据基础时长和所述第一时长之和，确定所述无人车在所述停靠点的等候时长；以及

配送控制模块，被配置为基于所述停靠点的等候时长，控制所述无人车执行配送作业。

8.根据权利要求7所述的配送装置，还包括：

历史用户判断模块，被配置为判断所述停靠点的配送订单对应的用户中是否有历史用户，所述历史用户为使用过无人车配送订单服务的用户；

第二时长预测模块，被配置为若有历史用户，则基于所述历史用户的历史取件时长，预测当前取件的第二时长；以及

所述等候时长确定模块还被配置为基于所述第二时长，调整所述无人车在所述停靠点的等候时长。

9.一种无人车的配送装置，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至6任一所述的无人车的配送方法。

10.一种无人车，包括：

权利要求7至9任一所述的无人车的配送装置。

11.一种非瞬时性计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至6任一所述的无人车的配送方法。