-
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum Bereitstellen eines Beförderungsfahrzeuges.
-
Wenn eine Person unterwegs ist und dabei schwere Gegenstände bewegt, zum Beispiel beim Einkauf oder auf dem Weg vom Flughafen, so ist eine Planung des Transportweges im Vorfeld nötig, damit der Transport der zusätzlichen Güter die Bewegung des Nutzers nicht einschränkt.
-
Unvorhersehbare Ereignisse, wie zum Beispiel Regen, können eine Planung unzureichend oder irrelevant werden lassen.
-
Es sind Systeme bekannt, mit denen ein autonom fahrendes Kraftfahrzeug durch Drücken eines Knopfes selbstständig aus einer Parksituation herausfährt und zum Standort des Knopfes fährt.
-
Die Aufgabe der vorliegenden Erfindung ist es, das Bereitstellen eines Transportes für einen Nutzer zu vereinfachen und zu beschleunigen.
-
Die Aufgabe wird durch den Gegenstand der unabhängigen Ansprüche gelöst. Vorteilhafte Weiterbildungen und bevorzugte Ausführungsformen bilden den Gegenstand der Unteransprüche.
-
Bei einem Verfahren zum Bereitstellen eines Beförderungsfahrzeuges wird ein Bedarfszustand für den Bedarf eines Beförderungsfahrzeuges automatisch erkannt. Dabei werden mit einem tragbaren Nutzerendgerät (z.B. einem sog. Wearable) Personen-Daten ermittelt und anhand der Personen-Daten und Zusatz-Daten weiterer Sensoren und/oder vorbestimmter Datenquellen durch einen Zuordnungsalgorithmus abgeleitet, ob ein Bedarfszustand für ein Beförderungsfahrzeug vorliegt. Wenn ein Bedarfszustand erkannt wurde, wird das automatische Bereitstellen eines Beförderungsfahrzeuges initiiert.
-
In der heutigen Zeit verwenden viele Personen tragbare Nutzerendgeräte, im folgenden auch Wearables genannt. Dazu zählen auch sog. Smart Clothes. Solche tragbaren Nutzerendgeräte können beispielsweise Fitnesstracker am Handgelenk, Fitnessringe, Gürtel, Schuhe, Schals, Hüte, Hosen, Hemden, Brillen und/oder ein Mobilfunkgerät sein. Viele Nutzerendgeräte zeichnen sich dadurch aus, dass sie über einen längeren Zeitraum nah am Träger anliegen. Dieser längere Zeitraum umfasst zumindest die Zeitspanne, in der das hier beschriebene Verfahren eingesetzt wird.
-
Tragbare Nutzerendgeräte zeichnen eine Vielzahl an Personen-Daten auf, die bestimmte Eigenschaften des Trägers, bzw. Eigenschaften, die mit dem Träger verknüpft sind, beschreiben. Dies können beispielsweise die Herzfrequenz, Schrittanzahl, geographische Position das Gewicht oder Biomarker sein. Diese Personen-Daten können mit einer Art Zeitstempel versehen sein, wobei dieser Zeitstempel auch einen inkrementellen Charakter haben kann, die schon dann gegeben sein kann, wenn die Daten nacheinander in einer Tabelle oder Datenbank aufgelistet sind.
-
Die Personen-Daten weisen für mehrere Zeitpunkte für den Zeitpunkt zugeordneten Zeitabschnitt mindestens eine entsprechende Messung auf, wobei die Messung bzw. die Messungen verarbeitet sein können. So wird z.B. bei einem üblichen Pulssensor eines Fitness-Trackers der Herzschlag durch die sich verändernde Lichtdurchlässigkeit, hervorgerufen durch das pulsierende Blut in den Adern, ermittelt. Die Personen-Daten sind bevorzugt hier nicht die Lichtdurchlässigkeitsveränderung, sondern der Puls zu einer bestimmten Uhrzeit.
-
Die Personen-Daten können aber auch die Rohdaten umfassen. Dies ist z.B. bei Intertialsensoren von Fitness-Trackern relevant, da hier aus den Winkelgeschwindigkeiten und Beschleunigungen z.B. eine Hubbewegung eines Trägerarms ermittelt werden kann. Die Personen-Daten kann z.B. die Form einer Tabelle aufweisen.
-
Es können auch mehrere Daten von mehreren Sensoren enthalten sein. Hier müssen nicht für jeden Zeitpunkt alles Sensoren Daten liefern.
-
Neben den Personen-Daten des tragbaren Nutzerendgeräts werden auch weitere Zusatz-Daten weiterer Sensoren oder vorbestimmter Datenquellen ermittelt. Dies kann im einfachsten Fall die Uhrzeit sein oder geographische Informationen, zum Beispiel bereitgestellt durch einen Kartenanbieter wie beispielsweise Google Maps, kann aber auch zum Beispiel das Erkennen einer Kartenzahlung eines Nutzers durch eine vernetzte Kasse eines Geschäftes sein.
-
Im Gegensatz zu den Personen-Daten sind die Zusatz-Daten aber nicht auf den Nutzer beschränkt. Sie stehen einer Vielzahl von Nutzern zur Verfügung und sind nicht dem Nutzer zugeordnet. So stehen Daten eines Kartenanbieters vielen Personen zu Verfügung. Die Daten, welche durch einen Fitness-Tracker erhoben wurden, sind dem Träger zugeordnet und stehen anderen Personen nur durch Freigabe des Nutzers zur Verfügung.
-
Die Zusatz-Daten können grundsätzlich die gleiche Form aufweisen, wie die Personen-Daten.
-
Die Zusatz-Daten müssen aber nicht zwingend eine Zeitinformation enthalten. Z.B. es ist bei einer Datenbank, welche Geschäfte in einem bestimmten Bereich liegen, wann diese Informationen hinzugefügt wurden.
-
Durch die Verknüpfung beider Datensätze, den Personen-Daten sowie den Zusatz-Daten, ist es möglich, zu erkennen, ob ein Bedarfszustand vorliegt oder nicht.
-
Ist beispielsweise das tragbare Nutzerendgerät ein Fitnesstracker mit integriertem Beschleunigungssensor oder einem Inertialsensor, welcher am Handgelenk getragen wird, so werden die Bewegungen des Armes des Nutzers überwacht und getrackt.
-
Befindet sich ein Nutzer nun in einem Supermarkt, so sind die Bewegungen, die ein Nutzer beim Beladen eines Transportbandes an der Kasse tätigt, charakteristisch für diese Bewegung. Weitere charakteristischen Bewegungen sind das Entladen in Tüten und Taschen. So wird der Arm in einer gezielten Hubbewegung in den Einkaufswagen geführt und dann mit einer etwas langsameren, ruckartigeren Bewegung mit dem entsprechenden einzukaufenden Produkt herausgeholt und anschließend auf das Förderband gelegt. Dieser Bewegungszyklus dauert in der Regel 0,5 bis 2 Sekunden. Anschließend wiederholt er sich noch etliche Male. Diese Art der Bewegung ist sehr speziell und es gibt nicht viele Situationen, in der diese Art der Bewegungen durchgeführt wird.
-
Als Zusatzsignal kann beispielsweise die Ortserkennung des GPS-Moduls des Smartphones des Nutzers vorliegen, welche dann mit Karteninformationen eines Kartenanbieters verglichen werden. Die Positionsdaten sind deshalb keine Personen-Daten, da das Smartphone auch von anderen Nutzern getragen werden könnte. Es könnte auch z.B. im Einkaufswagen liegen und von einem zweiten Nutzer geschoben werden. Die Positionsdaten müssen erst dem Nutzer zugeordnet werden. Dies könnte schon dadurch erfolgen, dass der Nutzer das Smartphone mit einem ihm zugeordneten Entsperr-Verfahren entsperrt hat. Andere Zuordnungen sind denkbar, wie z.B. durch Spracherkennung über ein am Körper geführten Smartphone. Die Positionsdaten können beispielsweise die globalen Positionsangaben in einem Kartenanbieter verglichen werden, um zu sehen, welche Art oder Typ von Gebäude bzw. Geschäft in unmittelbarer Nähe vorliegt. Hier kann sich beispielsweise ergeben, dass sich der Nutzer in einem Supermarkt befindet.
-
Die Personen-Daten können verwendet werden, um die Zusatz-Daten dem Nutzer zuzuordnen, also zu konkretisieren und/oder zu filtern. Sind die Zusatz-Daten z.B. ein Kalender, werden die Personen-Daten z.B. einem bestimmten Wochentag zugeordnet. Sind die Zusatz-Daten z.B. Bilder von einem Video-Überwachungssystem, so werden die Personen-Daten so verwendet, dass der Bilder des Nutzers ausgewählt werden.
-
Es ist auch denkbar, dass ein erster Satz an Zusatz-Daten einen anderen Satz an Zusatz-Daten dem Nutzer zuordnet. Ist z.B. der erste Satz Positionsdaten von einem Smartphone, können diese Positionsdaten genutzt werden, um auszuwählen, welche Kamerabilder des Überwachungssystems ausgewählt werden müssen.
-
In Kombination der Personen-Daten und Zusatz-Daten kann ein System z.B erkennen, dass ein Nutzer gerade Waren auf ein Förderband eines Supermarktes hebt oder diese wieder entnimmt. Hierbei werden beide Datensätze herangezogen, um durch den Zuordnungsalgorithmus zu erkennen, ob ein Bedarfszustand vorliegt.
-
Dies kann z.B. derart erfolgen, dass die Personen-Daten mit einem vorbestimmten Bewegungsmuster abgeglichen werden. Wurde ein entsprechendes Bewegungsmuster erkannt, dann liegt ein Motivzustand vor. In Verbindung mit den Zusatz-Daten kann dann ermittelt werden, ob der Motivzustand auch ein Bedarfszustand ist oder nicht. So sind bspw. die Hubbewegungen des Auspackens der Einkäufe zu Hause ähneln denen der Hubbewegungen im Supermarkt. In beiden Fällen würde ein Motivzustand vorliegen, aber nur im Supermarkt liegt ein Bedarfszustand vor.
-
Je nach Anzahl der Hubbewegungen, kann auch abgeschätzt werden, wie groß der Bedarf an einem Beförderungsfahrzeug liegt. So ist bei lediglich einem Vorgang der Bedarf deutlich geringer als bei 25 Hubvorgängen.
-
Wurde ein Bedarfszustand erkannt, wird das automatische Bereitstellen eines Beförderungsfahrzeuges initiiert.
-
Hierbei können Bedarfszustands-Daten übertragen werden. Diese umfassen zumindest die Information, dass ein Bedarf an einem Transport vorliegt, ein Bereitstellungsort und ein Bereitstellungszeitpunkt. Die Bedarfszustands-Daten können auch weitere Informationen umfassen, wie z.B. die gewünschte Art des Transports, der Name des Nutzers oder die Quantität des Transports, also ob nur eine Tasche oder vier Koffer transportiert werden müssen.
-
Der Bereitstellungsort ist der Ort, an dem der Nutzer und das Beförderungsfahrzeug aufeinandertreffen sollen. Hier steht das Beförderungsfahrzeug dem Nutzer für den Transport bereit.
-
Der Bereitstellungszeitpunkt ist die Uhrzeit, wann der Nutzer den Transport wünscht.
-
Es ist auch denkbar, dass dem Beförderungsfahrzeug, bzw. dessen Fahrer, ein potentieller Transport angekündigt wird, wenn ein Transportbedarf festgestellt wurde.
-
Der Transportbedarf ist ein Zustand, der grundsätzlich einen Beförderungsbedarf bedeutet aber noch keinen konkreten Zeitpunkt beinhaltet.
-
Der Transportbedarf ist auch ein Motivzustand, wurde aber schon durch Zusatz-Daten derart verifiziert, dass ein Transport benötigt wird.
-
Der Bedarfszustand kann hingegen auch an eine zeitliche Komponente gekoppelt sein, wie z.B. sofort; in 5 min. oder zu einer bestimmten Uhrzeit.
-
Bei vielen Anwendungen wird der endgültige Bedarfszustand erst sehr kurzfristig feststellbar sein. Dann ist es gut, wenn das Beförderungsfahrzeug, bzw. dessen Fahrer, vorgewarnt ist. Demensprechend ist es vorteilhaft, den Transportbedarf frühzeitig zu ermitteln.
-
Die zeitliche Komponente des Bedarfszustand kann beispielsweise durch einen mitlernenden Algorithmus berechnet werden. Durch den vorbestimmten Algorithmus kann ermittelt werden, wie lange eine bestimmte Person in einem bestimmten Alter für den Weg z.B. von der Kasse zum Bereitstellungsort.
-
Ein Beförderungsfahrzeug kann beispielsweise ein Taxi sein, wobei durch die Initiierung der Taxifahrer die Bedarfszustands-Daten erhält und zum Ort des Nutzers fährt. Die Person kann dann die Einkäufe in das Taxi legen und entweder selbst mitfahren oder den Taxifahrer anweisen die Einkäufe zu einer bestimmten Adresse zu transportieren.
-
Das Beförderungsfahrzeug kann auch ein autonomes Kraftfahrzeug sein, das selbstständig zum Nutzen des Verfahrens fährt. Hierbei kann es sich um ein kleines autonomes Kraftfahrzeug handeln, das lediglich die Einkäufe aufnimmt, es kann aber auch ein autonomes Personen Kraftfahrzeug sein, in das sich der Nutzer selbst setzen kann.
-
Wird festgestellt, dass die Menge einen bestimmten Schwellwert überschreitet, dann können auch mehrere Beförderungsfahrzeuge bereitgestellt werden.
-
Es ist auch denkbar, dass ein Beförderungsfahrzeug für Personen und ein weiteres Beförderungsfahrzeug für Güter zuständig ist.
-
Weitere Beförderungsfahrzeuge, wie beispielsweise Drohnen, kleine Roboter, motorisierte Karren oder Flugtaxis sind ebenfalls möglich.
-
Durch das Verfahren muss der Nutzer, nicht mehr selbstständig das Beförderungsfahrzeug rufen, sondern kann sich ganz und gar auf seine Beschäftigung, beispielsweise den Einkauf, konzentrieren. Das Beförderungsfahrzeug wird automatisch gerufen.
-
Das Automatische Rufen wurde z.B. getriggert durch die Frequenz der Pickingvorgänge, welche durch Smart Wearables detektiert wurde.
-
Hierdurch ist eine Zeitersparnis des Nutzers möglich. Außerdem muss der Nutzer sich keine Gedanken darüber machen, ob und wie er ein Beförderungsfahrzeug ruft. Dies wird automatisch durch das Verfahren erledigt.
-
Ein Nutzer gelangt so auch schneller zu seinem Ziel, da, wenn der Nutzer selbst entscheiden müsste, das Beförderungsfahrzeug zu rufen, dieses gegebenenfalls zu früh oder zu spät rufen würde. Durch ein automatisiertes Verfahren zum Bereitstellen eines Beförderungsfahrzeuges kann der genaue Zeitpunkt des Bereitstellens ermittelt werden. Wird beispielsweise ein Taxi gerufen, so weiß das entsprechende Rufsystem, wie weit die nächste Taxistation entfernt ist und kann dies bei der Berechnung als Zusatzdatei berücksichtigen. Ist beispielsweise der Taxistand weiter entfernt, wird das Taxi schon gerufen, sobald die ersten Gegenstände auf das Förderband gelegt werden. Ist das Taxi näher, so könnte es ausreichend sein, dass Taxi zu rufen, wenn ein Bezahlvorgang durchgeführt wird.
-
Es ist auch möglich, dass ein Beförderungsfahrzeug angefordert wird, sobald eine erhöhte Hubfrequenz, also das Frequenz mit der Hubbewegungen durchgeführt werden, festgestellt wurde. Es kann bspw. sein, dass ein Nutzer am Anfang des Ladens bereits fünf Säcke Äpfel aufnimmt und durch den Laden trägt bis hin zur Kasse. Es war also schon zum Zeitpunkt des Apfelaufnehmens klar, dass der Nutzer spätestens nach dem Bezahlen bzw. Heraustreten aus dem Laden ein Transportmittel benötigen werde. Der Zeitpunkt des Bezahlvorgangs dient dann als Bestätigungszeitpunkt, dass die Person in Kürze (bzw. abhängig vom Weg bis zum Ausgang) nach einer bestimmten Anzahl von Minuten am Bereitstellungsort erwartet wird. In dieser Zeit kann bspw. ein Beförderungsfahrzeug die letzten Meter vor den Eingang fahren.
-
Ein Beförderungsfahrzeug ist ein motorisiertes Kraftfahrzeug, welches zum Transport von Waren und/oder Personen ausgebildet ist. Dies kann beispielsweise ein Personenkraftwagen, ein Lastkraftwagen oder eine Drohne sein.
-
Nachdem die Bereitstellung des Beförderungsfahrzeugs initiiert wurde, ist es denkbar, dass der Nutzer eine entsprechende Mitteilung erhält und die Möglichkeit hat, die Beförderung abzulehnen. Eine Beförderung findet dann nicht statt.
-
Vorzugsweise sind dem Bedarfszustand ein Bereitstellungszeit und/oder einen Bereitstellungsort zugeordnet, an welchen das Beförderungsfahrzeug bereitzustellen ist.
-
Die Zuordnung kann, wie oben bereits ausgeführt wurde, als Bedarfszustands-Daten erfolgen.
-
Vorzugsweise wird anhand der Personen-Daten und/oder der Zusatz-Daten ein Umfang eines Beförderungsbedarfes bestimmt und anhand des derart bestimmten Umfanges ein hierfür geeignetes Beförderungsfahrzeug ausgewählt.
-
Wird das Verfahren beispielsweise bei einem Einkauf angewendet, wobei die Hubvorgänge (siehe oben) detektiert werden, so können diese einzelnen Hubvorgänge gezählt werden.
-
Alternativ oder in Kombination kann über Gewichtssensoren, welche in den Schuhen eines Nutzers oder an einem Einkaufswagen implementiert sind, ein Gewicht des Einkaufes abgeschätzt werden. Bis zu einem bestimmten Gesamtgewicht kann dann z.B. ermittelt werden, ob der Einkauf mit einer Flugdrohne transportiert werden kann. Da eine Flugdrohne einen Transport nur bis zu einer gewissen Begrenzung durchführen kann (zum Beispiel 5 kg) muss oberhalb dieser Grenze ein anderes Beförderungsfahrzeug ausgewählt werden.
-
Ein weiteres Beispiel ist die Unterscheidung zwischen einem Einkauf in einem Supermarkt oder der Einkauf in einem Möbelgeschäft, welches im Schnitt zu einem voluminöseren und schwereren Einkauf führt. Hier muss dann gegebenenfalls statt einem kleinen Personenkraftwagen ein Personenkraftwagen mit entsprechenden Fassungsvermögen ausgewählt werden.
-
Weiterhin kann das Verfahren derart ausgebildet sein, dass als Nutzerendgerät ein Gerät mit Bewegungssensor zum Erfassen der Bewegung bestimmter Körperteile, insbesondere einer Hand oder eines Armes des Benutzers verwendet wird, und das so erfasste Bewegungsmuster als Personen-Daten verwendet wird. Ein solcher Bewegungssensor kann insbesondere einen Beschleunigungssensor und weiterhin insbesondere einen Inertialsensor umfassen, mit dem eine Messung translatorischer und/oder rotatorischer Beschleunigungen ermöglicht wird.
-
Personen-Daten, die durch einen Bewegungssensor ermittelt wurden, eignen sich zur Erkennung eines Bedarfszustandes, da die durch den Bewegungssensor ermittelten Bewegungsdaten, welche als Personen-Daten verwendet werden, sich je nach Situation deutlich voneinander unterscheiden. Ruht oder sitzt ein Nutzer beispielsweise, so sind die Bewegungsdaten ebenfalls ruhig und zeigt wenig Aktivität. Wie oben schon beschrieben, können auch einzelne Hubvorgänge ermittelt werden. Es ist aber auch denkbar, dass langsame Gehen durch die Gänge eines Supermarktes zu detektieren, da der labyrinthartige Verlauf durch einen Supermarkt sich von anderen Gebäudearten unterscheidet.
-
Vorzugsweise werden eines oder mehrere der folgenden vordefinierten Bewegungsmuster automatisch erfasst und erkannt:
- - Muster der Bewegung beim Ablegen in oder Herausnehmen von Waren aus einem Einkauf,
- - Muster der Bewegung eines Bezahlvorganges (Bargeld, Kredit- oder Debitkarte),
- - Muster der Bewegung des Verlassens eines öffentlichen Verkehrsmittels.
-
Die Bewegungsmuster können Bewegungen einzelner Gliedmaßen (Arme, Beine) und/oder einzelner Körperteile (Hand, Schulter, Knie, Fuß, Hüfte) und/oder Bewegungen der gesamten Person umfassen.
-
Die Bewegungsmuster beim Ablegen und/oder Herausnehmen von Waren aus einem Einkaufswagen auf ein Förderband wurden bereits oben als Beispiel aufgeführt.
-
Die Bewegungen eines Bezahlvorganges zeichnen sich dadurch aus, dass die Hand zuerst zum Ort der Geldbörse wandert, um dann die Karte (oder das Bargeld) herauszuziehen und anschließend die Karte in das Kartenlesegerät steckt, bzw. das Bargeld übergibt. Hierbei schwebt die Hand in einer vergleichsweise hohen Position vor der Brust des Nutzers. Eine solche Haltung ist ungewöhnlich und eignen sich daher als ein Charakteristikum zum Detektieren eines Bedarfszustandes.
-
Die Muster der Bewegung des Verlassens eines öffentlichen Verkehrsmittels können ebenfalls sehr charakteristisch sein. Zum einen wird durch die regelmäßigen Anfahrt- und Bremsvorgänge des öffentlichen Nahverkehrs ein solcher öffentlichen Nahverkehr detektiert. Beim Verlassen des öffentlichen Verkehrsmittels sind ebenfalls bestimmte Bewegungsabfolgen typisch. So ist es nicht ungewöhnlich, wenn man anderen Passagieren ausreicht, kurz wartet und/oder Treppenstufen steigen muss. Es könnte auch zum Beispiel das Verlassen eines Flugzeuges sein, wo dann für kurze Zeit am Gepäckband auf das Gepäck gewartet wird.
-
Weiterhin kann das Verfahren derart ausgebildet sein, dass in einer Lernphase eines oder mehrere vordefinierte Muster spezifisch an einen jeweiligen Benutzer angepasst wird.
-
Unterschiedliche Nutzer unterscheiden sich bei ihren Gepflogenheiten und dadurch unterscheiden auch die jeweiligen Muster. Unterscheidungsmerkmale können von unterschiedlichen Aspekten herrühren. So ist es Bewegungsmuster eines Linkshänders von einem Rechtshänder zu unterscheiden. Auch die Körpergröße eines Nutzers spielt eine Rolle, genauso wie das Alter. Jüngere Nutzer können schwere Gegenstände tendenziell leichter und damit schneller auf ein Förderband legen als Senioren.
-
In der Lernphase kann beispielsweise das vordefinierte Muster eines Standardnutzers herangezogen werden, und ein Nutzer wird über eine Benachrichtigung an seinem Smartphone gefragt, ob ein Bedarfszustand vorliegt oder nicht. Bei genügend Abfragen lernt das System, wann ein Bedarfszustand vorliegt und wann nicht. Ab einem bestimmten Zeitpunkt kann das Abfragen nicht mehr nötig sein und es kann in den allgemeinen Zustand des Verfahrens übergegangen werden.
-
Vorzugsweise werden ein oder mehrere nicht vordefinierten Bewegungsmuster automatisch erfasst und erkannt, wobei ein solches nicht vordefiniertes Bewegungsmuster vorab angelernt worden ist und vorzugsweise mit Zusatz-Daten ausgewertet wird, wie zum Beispiel
- - ein für das Verlassen eines bestimmten Arbeitsplatzes typisches Bewegungsmuster, das zusammen mit der Uhrzeit als Zusatz-Daten ausgewertet wird,
- - ein für das Verlassen eines bestimmten Unterhaltungsetablissements (Sportstätte; Konzertsaal; Restaurant; etc.) typisches Bewegungsmuster (z.B. das Aufstehen und zurückstellen eines Stuhls an einen Tisch, das Anziehen von Jacke oder Mantel, die Winkbewegung), das zusammen mit der Uhrzeit und/oder dem Wochentag als Zusatz-Daten ausgewertet wird,
- - frei vom Benutzer definierte Gesten, welche mit oder ohne Zusatz-Daten ausgewertet werden.
-
Es lässt sich eine Vielzahl von Bedarfszustanden anlernen, bei denen es sehr schwierig wäre, alle vorab zu bestimmen und aufzulisten. Es können dann auch sehr konkrete Muster angelernt werden.
-
Weitere Ideen wären hier sehr konkrete Muster, wie beispielsweise der Besuch der Großmutter im 4. Stock an jedem 3. Donnerstag des Monats, bei dem man so viele Kekse mitbekommt, dass man diese nicht mehr selbst tragen kann. Anhand des Treppensteigens, des Datums und der Uhrzeit kann dann eine bestimmte Bedarfszustanden ermittelt werden.
-
Weitere Beispiele solcher individuellen Bewegungsmuster, die angelernt werden, um eine Bedarfszustand zu detektieren kann beispielsweise sein: Verlassen einer Skihütte mit Skiern und den Gang zur Skibushaltestelle (z.B. das Herabgondeln oder die letzte Abfahrt anhand der gemessenen Höhenmeter, in Kombination mit der Uhrzeit; wobei die Uhrzeit daraufhin deutet, dass die Skipisten bald schließen müssten und keine Seilbahn mehr bergauf fährt.), der jährliche Besuch beim Oktoberfest (z.B. durch entsprechende Taumelbewegungen und Uhrzeit sowie Richtungserkennung in Richtung Ausgang), die Geburt eines Kindes gemessen durch den Puls, Geburtsvorbereitungsübungen und als Zusatz-Daten das Geschlecht des Nutzers und das Alter des Nutzers. Es ist noch eine Vielzahl weiterer Möglichkeiten denkbar.
-
Das Anlernen solcher individuellen Bewegungsmuster kann durch unüberwachtes Maschinenlernen erfolgen. Hierbei werden die unterschiedlichen Verhaltensweisen, insbesondere wenn sie sich im täglichen Ablauf wiederholen und zu einem Beförderungsbedarf führen, unüberwacht gelernt und führen ab einer bestimmten Wiederholung dazu, dass der Beförderungsbedarf automatisch erkannt wird.
-
Gemäß einer Weiterbildung werden in einem vorab ausgeführten Lernschritt die Personen-Daten und die Zusatz-Daten in einem System zum maschinellen Lernen einem oder mehreren Bedarfszuständen zugeordnet, um den Zuordnungsalgorithmus zu schaffen.
-
Der Zuordnungsalgorithmus kann hierbei auch angelernt oder optimieren werden. Er wird durch das maschinelle Lernen vorbereitet.
-
Hierbei kann sich eine Vielzahl von Testpersonen, beispielsweise 10, 100 oder 1.000 Testpersonen, in einer kontrollierten Umgebung mit dem tragbaren Nutzerendgerät bewegen, wobei dann aus diesen Daten manuell die Bedarfszustände ausgewählt werden. Durch die Vielzahl von Nutzern lässt sich eine gute, auch für Nutzer, die keine Testpersonen sind, ein Zuordnungsalgorithmus schaffen, der die angelernten Bedarfszuständen wiedererkennt und dadurch ein Beförderungsfahrzeug bereitstellen kann.
-
Vorzugsweise wird, wenn ein Transportbedarf festgestellt wird, das Beförderungsfahrzeug von einem entfernten Ruhezustandsparkplatz zu einem Bereitstellungsparkplatz verbracht wird, so dass beim Eintreten des Bedarfszustandes vom Bereitstellungsparkplatz an einen Bereitstellungsort gebracht wird.
-
Der Ruhezustandsparkplatz ist typischerweise ein Parkplatz, der weiter vom Standort des Nutzers angeordnet ist und über eine größere Kapazität, d. h. an Parkmöglichkeiten, aufweist.
-
Der Bereitstellungsparkplatz liegt näher am Standort des Nutzers, ist aber von der Anzahl an Parkplätzen beschränkt, sodass nur eine begrenzte Anzahl von Beförderungsfahrzeugen hier parken kann.
-
Der Bereitstellungsort ist der Ort, wie oben ausgeführt, an dem der Nutzer und das Beförderungsfahrzeug aufeinandertreffen sollen.
-
Wie oben bereits festgestellt wurde, wird bei vielen Anwendungen wird der endgültige Bedarfszustand erst sehr kurzfristig feststellbar sein. Dann ist es gut, wenn das Fahrzeug schon in der Nähe parkt.
-
Als Beispiel kann hier der Transport vom Flughafen angesehen werden. Wird beispielsweise erkannt, dass der Nutzer sein Gepäck von Kofferband hebt, wird der Transport initiiert und das Beförderungsfahrzeug, hier ein Taxi, fährt vom weit entfernt gelegenen Ruhezustandsparkplatz zu einem Bereitstellungsparkplatz des Flughafens, welcher sehr nah am Ausgang des Flughafens liegt. Nähert der Nutzer sich dem Ausgang des Flughafens, welches sich zum Beispiel durch eine Erfassung von Standortdaten verifizieren lässt, fährt das Taxi vom Bereitstellungsparkplatz zum Ausgang des Flughafens, hier der Bereitstellungsort, um den Nutzer aufzunehmen.
-
Gemäß einer Weiterbildung umfassen die Personen-Daten zumindest einen der folgenden Parameter:
- - Beschleunigungsdaten aus einem Beschleunigungssensor,
- - Blutdruck,
- - Herzfrequenz,
- - Atemfrequenz,
- - Gewicht.
-
Diese Parameter eignen sich besonders dafür, Bedarfszustanden zu erkennen.
-
Vorzugsweise umfassen die Zusatz-Daten zumindest einen der folgenden Parameter:
- - Globale und oder relative Position des tragbaren Nutzerendgeräts,
- - Zeit,
- - Kamerabilder.
-
Aus diesem Zusatz-Daten kann verifiziert werden, wann und wo ein Nutzer sich aufhält. Dadurch kann verifiziert werden, ob eine Bedarfszustand vorliegt oder nicht. Die Qualität der Zusatz-Daten und der Personen-Daten hängt jeweils voneinander ab. Sind die Personen-Daten sehr umfassend und wurden diese häufig in einem Lernschritt gelernt, so reichen auch ungenaue Zusatz-Daten aus, um zu bestimmen, ob eine Bedarfszustand vorliegt oder nicht.
-
Geht ein Nutzer beispielsweise jeden Sonntagmorgen zum Bäcker, kauft seine Brötchen und steigt für den Rückweg in ein Taxi ein, so kann über die erkannten Schritte und Dauer der Schrittfolge eine potentielle Bedarfszustanden erkannt werden, sodass lediglich über einen Kalenderabgleich der Wochentag erkannt werden muss, um die Bedarfszustanden zu verifizieren. Die Personen-Daten sind dann sehr genau und die Zusatz-Daten vergleichsweise ungenau.
-
Bestehen die Personen-Daten aber aus einer schwankenden Herzfrequenz, kann eine Vielzahl von Situationen vorliegen, bei denen nur ein Teil eine Bedarfszustand ausmacht. Genaue Zusatz-Daten, beispielsweise gegeben durch Kamerabilder, können dann die Genauigkeit ausmachen, um aus den ungenauen Personen-Daten und den genauen Zusatz-Daten zu ermitteln, ob ein Bedarfszustand vorliegt.
-
Ein Bereitstellungssystem zum Bereitstellen eines Beförderungsfahrzeuges nach einem oben beschriebenen Verfahren umfasst das Beförderungsfahrzeug, zumindest ein tragbares Nutzerendgerät, und zumindest eine Zusatz-Datenbank und/oder zumindest ein Zusatzsensor umfasst.
-
Die Erfindung wird nachfolgend beispielhaft anhand den in den Zeichnungen dargestellten Beispielen näher erläutert. Die Zeichnungen zeigen schematisch:
- 1 schematische Darstellung des Bereitstellungssystems zum Bereitstellen eines Beförderungsfahrzeuges,
- 2 schematische Darstellung von Personen-Daten, die eine Hubbewegung beim Einkaufen Darstellen,
- 3 ein Verfahren zum Bereitstellen eines Beförderungsfahrzeuges in einem Blockschaltbild.
-
Ein Bereitstellungssystem 1 zum Bereitstellen eines Beförderungsfahrzeuges 2 für einen Nutzer 3 umfasst das Beförderungsfahrzeug 2, ein tragbares Nutzerendgerät zum Messen von Personen-Daten 5, einen Zusatzsensor 6 und eine Zusatz-Datenbank 7 zum Bereitstellen von Zusatz-Daten 8, eine tragbare Auswerteeinheit 9 zum Übertragen der Personen-Daten 5 und Zusatz-Daten 8 an einen Auswerteserver 10 und den Auswerteserver 10 (1).
-
Das Beförderungsfahrzeug 2 ist ein Kraftfahrzeug, insbesondere ein Personenkraftwagen, welches von einem Fahrer gelenkt wird.
-
Es ist jedoch auch denkbar, dass das Beförderungsfahrzeug 2 ein Lastkraftwagen, eine, ein Lufttaxi oder ein anderes Fahrzeug darstellt, mit denen Personen und/oder Lasten transportiert werden können.
-
Das Beförderungsfahrzeug kann auch autonom fahren.
-
Der Nutzer 3 trägt das tragbare Nutzerendgerät 4 nah am Körper. In diesem Ausführungsbeispiel ist das tragbare Nutzerendgerät 4 ein Fitnesstracker, welcher am Handgelenk des Nutzers 3 getragen wird. Das tragbare Nutzerendgerät 4 weist einen Beschleunigungssensor auf, mit dem die Beschleunigung des Arms des Nutzers 3 gemessen wird. Diese Beschleunigungsdaten werden in regelmäßigen Abständen als Personen-Daten 5 an die tragbare Auswerteeinheit 9 gesendet. Hierzu werden, den Personen-Daten 5 neben den Beschleunigungswerten auch Zeitstempel mit übertragen. Es ist auch denkbar, dass anstelle von regelmäßigen Abständen eine gleichmäßige Übertragung der Personen-Daten 5 erfolgt (als Stream).
-
Es ist aber auch denkbar, dass das tragbare Nutzerendgerät 4 auch andere Sensoren aufweist und andere Daten misst. Hierzu zählen z.B. digitale Biomarker, Herzfrequenz, Atemfrequenz und/oder -volumen und/oder Körpertemperatur.
-
Die tragbare Auswerteeinheit 9 ist in diesem Ausführungsbeispiel ein Smartphone. Es kann aber auch eine Smartwatch, ein Tablet oder ein Laptop sein.
-
Der Zusatzsensor 6 ist in diesem Ausführungsbeispiel ein Sensor eines globalen Navigationssatellitensystems, zum Beispiel GPS, welches die tragbare Auswerteeinheit 9 umfasst. Ein erster Teil der Zusatz-Daten sind dann Positionsdaten der tragbaren Auswerteeinheit 9.
-
Die Zusatz-Datenbank 7 ist eine Datenbank eines Kartenanbieters, bei dem es möglich ist, Positionsdaten anderen Geländepositionsdaten zuzuordnen. Geländepositionsdaten sind beispielsweise die Position eines Supermarktes.
-
In diesem Ausführungsbeispiel wird ein kleiner Teil der in der Zusatz-Datenbank 7 gespeicherten Geländepositionsdaten zusammen mit den Positionsdaten der tragbaren Auswerteeinheit 9 und einem Zeitstempel als Zusatz-Daten 8 an die tragbare Auswerteeinheit 9 übermittelt.
-
Der kleine Teil an Geländepositionsdaten kann beispielsweise dadurch ermittelt werden, dass alle Geländepositionsdaten im Umkreis von 1 km der Positionsdaten der tragbaren Auswerteeinheit 9 an die tragbare Auswerteeinheit 9 übermittelt wird.
-
Die Personen-Daten 5 und die Zusatz-Daten 8 werden von der tragbaren Auswerteeinheit 9 an den Auswerteserver 10 übermittelt.
-
Der Auswerteserver 10 ist ein nicht vor Ort befindlicher Internetserver, der das Verfahren zur Erkennung eines Bedarfszustandes des Nutzers 3 durchführt.
-
In anderen Ausführungsbeispielen ist es möglich, dass der Auswerteserver 10 ein Modul der tragbaren Auswerteeinheit 9 darstellt.
-
Der Auswerteserver 10 umfasst ein Modul zum maschinellen Lernen 11, welches durch eine Vielzahl von Lerndaten, die aus anderen Personen-Daten 5 und Zusatz-Daten 8 bestehen, derart angelernt wurde, dass aus bestimmten zeitlichen Abschnitten von Personen-Daten 5 und Zusatz-Daten 8 ermittelt werden kann, ob in einem bestimmten zeitlichen Abschnitt ein Bedarfszustand 12 vorliegt.
-
Der Auswerteserver 2 umfasst Möglichkeiten zur Kommunikation mit dem Beförderungsfahrzeug 2. Dies kann beispielsweise wieder über die tragbare Auswerteeinheit 9 erfolgen, indem ein entsprechendes Signal vom Auswerteserver 10 an die tragbare Auswerteeinheit 9 übertragen wird und anschließend wird ein Signal von der tragbaren Auswerteeinheit 9 an das Beförderungsfahrzeug 2 übermittelt. Es ist aber auch denkbar, dass der Auswerteserver 10 direkt mit dem Beförderungsfahrzeug 2 kommuniziert. Bei einer solchen Kommunikation wird das Vorliegen eines Bedarfszustandes 12 des Nutzers 3 übermittelt.
-
Das Beförderungsfahrzeug 2 ist derart ausgebildet, dass es anhand dieser Informationen des Auswerteservers 10 die eigene Bereitstellung initiiert.
-
In diesem Beispiel erhält der Taxifahrer vom Auswerteserver 10 eine Nachricht an sein Smartphone, dass der Nutzer 3 an der ermittelten Position der tragbaren Auswerteeinheit 9 in naher Zukunft eine Transportmöglichkeit wünscht.
-
Der Taxifahrer fährt daraufhin mit dem Beförderungsfahrzeug 2 zur ermittelten Position der tragbaren Auswerteeinheit 9 und nimmt den Nutzer 3 auf.
-
Nachfolgend wird das Verfahren zum Bereitstellen eines Beförderungsfahrzeuges erläutert.
-
Das Verfahren beginnt mit Schritt S1 (3).
-
Im nächsten Schritt (S2) werden Personen-Daten von dem tragbaren Nutzerendgerät 4 des Nutzers 3 erfasst. Wie vorhin ausgeführt, ist das tragbare Nutzer Endgerät 4 ein Fitnesstracker, welcher die Bewegungen des Arms des Nutzers 3 misst. Diese Daten weisen auch Zeitstempel auf.
-
In diesem Ausführungsbeispiel sind die Bewegungen Hubbewegungen, wie sie weiter oben beschrieben wurden.
-
In 2 ist schematisch dargestellt, wie eine entsprechendes Hubsignal durch die Sensoren eines Fitnesstrackers aussehen kann. Im letzten Zeitabschnitt sind die Hubbewegungen (wie, z.B. durch das Aufladen von Einkaufsgegenständen auf ein Förderband) deutlich und signalisieren einen Bedarfszustand 12.
-
Anschließend werden Zusatz-Daten 8 durch den Zusatzsensor 6 und der Zusatz-Datenbank 7 erfasst. Wie oben ausgeführt, ist der Zusatzsensor 6 in diesem Ausführungsbeispiel ein Sensor zur Positionsbestimmung durch ein Satellitennavigationssystem und die Zusatz-Datenbank 7 ist eine Datenbank, mit der Positionsdaten umliegender Objekte zugeordnet werden können, sodass zu einer zugehörigen Position anliegende Gelände bzw. Gebäudearten aufgelistet werden. Konkret bedeutet dies in diesem Ausführungsbeispiel, dass die Positionsdaten Längen- und Breitengrade darstellen und diese Längen und Breitengrade mit der Zusatz-Datenbank 7 abgeglichen werden, welche dann Geschäfte, Gebäudearten und Geländearten in einem Umkreis von maximal 1000 m, vorzugsweise maximal 100 m und insbesondere maximal 10 m ausgibt.
-
Die Schritte S2 und S3 können auch gleichzeitig erfolgen oder der Schritt S3 kann vor dem Schritt S2 erfolgen. Die Schritte S2 und S3 sind voneinander unabhängig.
-
Es folgt Schritt S4, in dem Personen- und Zusatz-Daten 5, 8 zum Auswerteserver 10 übermittelt werden. Hierzu werden die Daten, sofern sie nicht bereits der tragbaren Auswerteeinheit 9 vorliegen, zu dieser tragbaren Auswerteeinheiten 9 übermittelt, beispielsweise via WiFi, Bluetooth, Zigbee, Z-Wave oder anderen drahtlosen Übertragungssystemen und die tragbare Auswerteeinheit 9 übermittelt diese Daten dann dem Auswerteserver 10.
-
Hierbei werden die Daten über das Internet den Auswerteserver 10 übermittelt. Es ist, wie oben beschrieben, auch denkbar, dass der Auswerteserver 10 als Bestandteil der tragbaren Auswerteeinheiten 9 ausgebildet ist.
-
Auf dem Auswerteserver 10 werden dann die Personen- und Zusatz-Daten 5, 8 ausgewertet (Schritt S5). Hierbei entscheidet ein Modul zum Maschinenlernen 11, ob aus den Daten hervorgeht, dass eine Bedarfszustand 12 vorliegt. Das Modul zum maschinellen Lernen 11 hat in diesem Ausführungsbeispiel bereits die Lernphase abgeschlossen, in der eine Vielzahl von Personen-Daten 5 und Zusatz-Daten 8 einem Bedarfszustand 12 zugeordnet wurde. Hierdurch wurde ein statistisches Modell aufgebaut, welches auf diese Trainingsdaten, bestehend aus Personen-Daten 5 und Zusatz-Daten 8, beruht. Hierdurch wurden Muster und Gesetzmäßigkeiten in den Trainingsdaten erkannt. So kann das System unbekannte Daten, d. h. neue Daten, wie die soeben übermittelten Personen-Daten 5 und Zusatz-Daten 8 beurteilen, ob ein Bedarfszustand 12 vorliegt.
-
Eine Möglichkeit des maschinellen Lernens stellt das Deep-Learning dar, welches künstliche neuronale Netze verwendet, um die Muster und Gesetzmäßigkeiten zu lernen.
-
Danach wird in Schritt S6 entschieden, ob ein Bedarfszustand vorliegt oder nicht.
-
Liegt ein solcher Bedarfszustand 12 vor, so geht das Verfahren mit Schritt S7 weiter, in dem das automatische Bereitstellen des Beförderungsfahrzeuges 2 initiiert wird.
-
Wie oben beschrieben, wird hierzu vom Auswerteserver 10 eine Mitteilung, insbesondere eine Textmitteilung, an den Fahrer des Beförderungsfahrzeuges 2 geschickt. In dieser Mitteilung ist der Name des Nutzers 3, der Standort des Nutzers 3 und eine zu erwartende Abholzeit des Nutzers 3 offenbart.
-
Der Fahrer des Beförderungsfahrzeuges 2 kann nun zur entsprechenden Position fahren, um dann den Nutzer 3, bzw. die Einkäufe des Nutzers 3 aufzunehmen.
-
Das Verfahren endet mit Schritt S8.
-
Wurde in Schritt S6 kein Bedarfszustand ermittelt, beginnt das Verfahren erneut mit Schritt S2.
-
Bezugszeichenliste
-
- 1
- Bereitstellungssystem
- 2
- Beförderungsfahrzeug
- 3
- Nutzer
- 4
- tragbares Nutzerendgerät
- 5
- Personen-Daten
- 6
- Zusatzsensor
- 7
- Zusatz-Datenbank
- 8
- Zusatz-Daten
- 9
- tragbare Auswerteeinheit
- 10
- Auswerteserver
- 11
- Modul zum maschinellen Lernen
- 12
- Bedarfszustand
