DE112018003463T5

DE112018003463T5 - System und Verfahren zur Optimierung bei Verwendung eines autonomen Fahrzeugs

Info

Publication number: DE112018003463T5
Application number: DE112018003463.1T
Authority: DE
Inventors: Matthew John LAWRENSON; Julian Charles Nolan
Original assignee: Panasonic Intellectual Property Management Co Ltd
Current assignee: Panasonic Intellectual Property Management Co Ltd
Priority date: 2017-07-05
Filing date: 2018-07-05
Publication date: 2020-03-19
Also published as: WO2019009384A1; US20190012686A1; CN110832527A; JP2020525918A

Abstract

Es wird ein Verfahren zum Optimieren von Operationen unter Verwendung eines autonomen Fahrzeugs vorgesehen. Das Verfahren umfasst: Empfangen von Eingabedaten, Empfangen von Sensordaten, die durch das autonome Fahrzeug gesammelt werden, und Identifizieren einer Instanz, bei der ein Abschnitt der Sensordaten und ein Abschnitt der Eingabedaten korreliert sind. Das Verfahren umfasst ferner ein Identifizieren des Abschnitts der Sensordaten, der in der Instanz aufgenommen ist, wobei der Abschnitt der Sensordaten und der Abschnitt der Eingabedaten korreliert sind, als eines Auslösesignals, und ein Modifizieren eines Prozesses eines Zieleinzelhändlers auf der Grundlage des Auslösesignals.

Description

Technisches Gebiet
Die vorliegende Offenbarung betrifft ein Optimieren von Vorgängen bei einem Einzelhändler. Insbesondere betrifft die vorliegende Offenbarung ein Korrelieren von Sensordaten, die durch ein autonomes Fahrzeug gesammelt werden, und Aktivitäten bei einem Einzelhändler, und ein Optimieren von Operationen beim Einzelhändler unter Verwendung der Korrelation.
Stand der Technik
Autonome Fahrzeuge
Ein autonomes Fahrzeug (AFs) stellt ein Fahrzeug dar, das in der Lage ist, seinen Standort, Einzelheiten seiner Umgebung zu erfassen und entlang einer Route zu navigieren, ohne einen menschlichen Fahrer zu benötigen.
Autonome Fahrzeuge benötigen eine beträchtliche Datenmenge, die im Zusammenhang mit ihrer lokalen Umgebung steht, um zu wissen, wo sie sich befinden. Eine herkömmliche Datenform stellen Videodaten dar, und es wird nahegelegt, dass auf autonomen Fahrzeugen montierte Kameras Gb/s an Daten beim Betrieb der Fahrzeuge sammeln.
Autonome Fahrzeuge enthalten außerdem viele Sensoren, die zum Beispiel zum Sammeln von 3D-Karten von Objekten in ihrer Umgebung, meteorologischen Daten oder akustischen Daten verwendet werden können. Diese Daten können andere Verwendungsmöglichkeiten aufweisen, welche eine Identifizierung von Eingaben umfassen, die verwendet werden können, um zu bestimmen, wie Verkäufe verschiedener Objekte beeinflusst werden können.
Maschinelles Lernen
Maschinelles Lernen stellt eine Form von Datenverarbeitung dar, die in der Lage ist, Strukturen innerhalb von Daten zu finden. Es steht mit Data-Mining im Zusammenhang, bei dem wiederum kleine Strukturen durch die Überprüfung großer Mengen an Daten aufgedeckt werden.
Einzelhandelsoptimierung
Einzelhandel stellt einen bedeutenden Markt dar, geschätzt stammen zwei Drittel des US-Bruttoinlandsprodukts aus dem Einzelhandelsverbrauch. In dieser Hinsicht versuchen Einzelhändler möglicherweise, Prozesse zu optimieren, um sowohl die Lieferung von Waren effizienter zu gestalten, als auch um die Menge an verkauften Waren außerdem zu erhöhen.
Nutzung von Big Data im Einzelhandel
Ein von Einzelhändlern verwendetes Werkzeug stellt die Analysis der beträchtlichen Datenmenge dar, die sie während des Einzelhandelsprozesses sammeln. „Big Data“ wird im Einzelhandel verwendet, um zum Beispiel (i) zu optimieren, welcher Bestand verkauft wird, (ii) die Wirksamkeit von Marketingkampagnen zu steigern und (iii) dabei zu helfen, Laden-/Lagervorgänge zu verwalten.
Einzelhändler können zum Zeitpunkt jeder Transaktion und wenn zusätzliche Informationen über den Kunden bekannt sind, Daten sammeln. Zum Beispiel durch Verwenden von Treueprogrammen können dann Käufe mit Kundentypen korreliert werden. Auch ohne die Kenntnis über Käufe des konkreten Kunden können Verkäufe mit Daten, wie z. B. Standort, Wetter und Ereignisse, korreliert werden.
Da eine solche Analyse datengetrieben ist, bevorzugt die Analyse größere Einzelhändler, die mehr Verkäufe aufweisen, und außerdem mehr Kapazitäten haben, um Infrastruktur zu installieren, die in der Lage ist, Daten zu sammeln.
Werbung und Anzeigen im Geschäft
Zu anderen Werkzeugen, die vom Einzelhandel zur Steigerung des Umsatzes verwendet werden, gehören Anzeigen und Verkaufsaktionen im Laden.
Anzeigen und die Position von Anzeigen können Techniken, wie z. B. „Aufmerksamkeitstheorie“ verwenden, die nahelegen, dass kleine sensorische Signale, die beim Empfang zuerst möglicherweise kein aussagekräftiges Signal bilden, zu einer späteren Entscheidung beitragen können. Zum Beispiel kann ein Sehen eines bestimmten Bildes zu diesem Zeitpunkt „unaufmerksam“ sein, kann jedoch zu einer späteren Entscheidung beitragen, die mit diesem Bild im Zusammenhang steht.
Kurzdarstellung der Erfindung
Technisches Problem
Einzelhändler möchten möglicherweise verschiedene Prozesse zumindest in Bezug auf aktuelle Verkaufsmöglichkeiten und Verbrauchermotivationen optimieren. Durch Kenntnis darüber, wer sich in der Nähe eines Einzelhandelsgeschäfts befindet, kann der Einzelhändler Artikel vorrätig halten, die sie wahrscheinlich kaufen werden. Durch Kenntnis von Änderungen im Umfeld (z. B. Wetter, Veranstaltungen, Straßenbedingungen, Menschengruppen und dergleichen), das den Einzelhändler umgibt, kann sich in einem Beispiel der Einzelhändler der ändernden Motivationen der Verbraucher bewusst sein.
Durch Kenntnis der Umgebungsinformationen können Einzelhändler sowohl (i) ihre Waren effizienter verkaufen als auch (ii) die Menge von verkauften Produkten erhöhen.
Jedoch werden einige dieser Daten, die zum Berechnen dieser Optimierung erforderlich sind, möglicherweise außerhalb der Einrichtungen des Einzelhändlers gemessen, wie z. B. umgebende Nachbarschaften, Gebäude, anwesende Personen und dergleichen. Solche Daten können möglicherweise durch ein oder mehrere autonome Fahrzeuge gesammelt werden.
Die vorliegende Offenbarung wurde angesichts der vorstehenden Umstände vorgenommen, und eine Aufgabe der Offenbarung besteht daher im Vorsehen eines Systems und eines Verfahrens zum Optimieren bei Verwendung eines autonomen Fahrzeugs.
Lösung der Aufgabe
Um die vorstehende Aufgabe zu lösen, sieht die Offenbarung ein System und ein Verfahren zum Optimieren bei Verwendung eines autonomen Fahrzeugs vor, die zumindest das nachstehende Merkmal aufweisen.
Es wird ein Verfahren zum Optimieren von Operationen unter Verwendung eines autonomen Fahrzeugs vorgesehen, wobei das Verfahren umfasst:

Empfangen, von einem ersten Server, von Eingabedaten;
Empfangen, von einem zweiten Server, von Sensordaten, die durch das autonome Fahrzeug gesammelt wurden;
Identifizieren, durch einen Prozessor, einer Instanz, bei der ein Abschnitt der Sensordaten und ein Abschnitt der Eingabedaten korreliert sind;
Identifizieren, durch den Prozessor, des Abschnitts der Sensordaten, der in der Instanz aufgenommen ist, bei der der Abschnitt der Sensordaten und der Abschnitt der Eingabedaten korreliert sind, als eines Auslösesignals; und
Modifizieren, durch den Prozessor, eines Prozesses eines Zieleinzelhändlers auf der Grundlage des Auslösesignals.

Figurenliste

1 zeigt ein Beispiel eines allgemeinen Computersystems, das ausgelegt ist, um eine Optimierung durchzuführen, gemäß einem Aspekt der vorliegenden Offenbarung.
2 zeigt ein Beispiel eines Systems zum Durchführen einer Optimierung gemäß einem Aspekt der vorliegenden Offenbarung.
3 zeigt ein Beispiel eines autonomen Fahrzeugs gemäß einem Aspekt der vorliegenden Offenbarung.
4 zeigt ein Beispiel einer Einzelhandelssystemeinheit gemäß einem Aspekt der vorliegenden Offenbarung.
5 zeigt ein Beispiel einer Analyseeinheit gemäß einem Aspekt der vorliegenden Offenbarung.
6 zeigt ein Beispiel eines Prozesses zum Durchführen einer Optimierung gemäß einem Aspekt der vorliegenden Offenbarung.
7 zeigt ein Beispiel eines Prozesses zum Erzeugen von Werbematerialien gemäß einem Aspekt der vorliegenden Offenbarung.
8 zeigt ein Beispiel eines Optimierungsprozesses für einen Einzelhändler gemäß einem Aspekt der vorliegenden Offenbarung.
9 zeigt ein Beispiel eines Prozesses zum Vergleichen von Daten mehrerer Einzelhändler gemäß einem Aspekt der vorliegenden Offenbarung.

Beschreibung von Ausführungsformen
Angesichts des Vorstehenden soll daher die vorliegende Offenbarung durch einen oder mehrere ihrer Aspekte, Ausführungsformen und/oder konkreten Merkmale oder Teilkomponenten einen oder mehrere der Vorteile hervorheben, wie nachstehend konkret angegeben.
Hier beschriebene Verfahren sind veranschaulichende Beispiele und sollen daher nicht erfordern oder implizieren, dass ein bestimmter Prozess einer Ausführungsform in der dargestellten Reihenfolge durchgeführt wird. Wörter, wie z. B. „nachfolgend“, „dann“, „als Nächstes“ usw., sollen die Reihenfolge der Prozesse nicht beschränken, und diese Wörter werden stattdessen verwendet, um den Leser durch die Beschreibung der Verfahren zu führen. Außerdem soll eine im Singular vorgenommene Referenz auf beanspruchte Elemente, indem zum Beispiel die Artikel „ein“, „eine“ oder „der“, „die“, „das“ verwendet werden, nicht als eine Beschränkung des Elements auf den Singular ausgelegt werden.
1 zeigt ein Beispiel eines allgemeinen Computersystems, das ausgelegt ist, um eine Optimierung durchzuführen, gemäß einem Aspekt der vorliegenden Offenbarung.
Ein Computersystem 100 kann einen Satz von Anweisungen umfassen, der ausgeführt werden kann, um das Computersystem 100 dazu zu veranlassen, ein(e) oder mehrere der Verfahren oder computerbasierten Funktionen, die hier offenbart werden, durchzuführen. Das Computersystem 100 kann als eine selbständige Vorrichtung arbeiten oder kann zum Beispiel unter Verwendung eines Netzwerks 101 mit anderen Computersystemen oder peripheren Vorrichtungen verbunden sein.
Bei einem vernetzten Einsatz kann das Computersystem 100 in der Funktion eines Servers oder eines Clientbenutzercomputers in einer Server-Clientbenutzer-Netzumgebung oder als ein Peer-Computersystem in einer Peer-to-Peer-Netzumgebung (oder verteilten Netzumgebung) arbeiten. Das Computersystem 100 kann als verschiedene Vorrichtungen implementiert oder in ihnen aufgenommen werden, wie z. B. ein stationärer Computer, ein mobiler Computer, ein PersonalComputer (PC), ein Laptop-Computer, ein Tablet-Computer, ein drahtloses Smartphone, eine Set-Top-Box (STP), ein Personal-Digital-Assistant (PDA, persönlicher digitaler Assistent), eine Kommunikationsvorrichtung, ein Steuerungssystem, eine Netzanwendung, ein Netzwerk-Router, ein Switch oder eine Brücke, oder eine beliebige andere Maschine, die in der Lage ist, einen Satz Anweisungen (sequenziell oder auf eine andere Weise) auszuführen, die Aktionen spezifizieren, die durch die Maschine vorzunehmen sind. Das Computersystem 100 kann als eine konkrete Vorrichtung ausgeführt oder in ihr aufgenommen sein, die sich wiederum in einem integrierten System befindet, das zusätzliche Vorrichtungen umfasst. In einer bestimmten Ausführungsform kann das Computersystem 100 unter Verwendung elektronischer Vorrichtungen implementiert werden, die Sprach-, Video- oder Datenkommunikation bereitstellen. Obwohl lediglich ein einzelnes Computersystem 100 dargestellt ist, soll der Begriff „System“ außerdem auch derart verstanden werden, dass er eine beliebige Sammlung von Systemen oder Teilsystemen umfasst, die einzeln oder gemeinsam einen Satz, oder mehrere Sätze, von Anweisungen ausführen, um eine oder mehrere Computerfunktionen durchzuführen.
Wie in 1 dargestellt, umfasst das Computersystem 100 einen Prozessor 110. Ein Prozessor für ein Computersystem 100 ist materiell und nicht flüchtig. Wie hier verwendet, soll der Begriff „nicht flüchtig“ nicht als eine ewige Charakteristik eines Zustands, sondern als eine Charakteristik eines Zustands, die für eine Zeitdauer andauern wird, ausgelegt werden. Der Begriff „nicht flüchtig“ lehnt insbesondere flüchtige Charakteristiken, wie z. B. Charakteristiken einer bestimmten Trägerwelle oder eines bestimmten Signals oder andere Formen ab, die lediglich vorübergehend zu einem Zeitpunkt an einem Ort existieren. Ein Prozessor stellt einen Fertigungsartikel und/oder eine Maschinenkomponente dar. Ein Prozessor für ein Computersystem 100 ist derart ausgelegt, dass er Software-Anweisungen ausführt, um Funktionen durchzuführen, wie hier in den verschiedenen Ausführungsformen beschrieben. Ein Prozessor für ein Computersystem 100 kann ein Universalprozessor sein oder er kann Teil einer anwendungsspezifischen integrierten Schaltung (ASIC) sein. Ein Prozessor für ein Computersystem 100 kann auch ein Mikroprozessor, ein Mikrocomputer, ein Prozessorchip, eine Steuerung, ein Mikrocontroller, ein digitaler Signalprozessor (DSP), ein Zustandsautomat oder eine programmierbare logische Vorrichtung sein. Ein Prozessor für ein Computersystem 100 kann auch eine Logikschaltung, die ein programmierbares Gatterarray (PGA), wie z. B. ein Field Programmable Gate Array (FPGA), oder ein anderer Typ Schaltung, die eine diskrete Gatter- und/oder Transistorlogik umfasst, sein. Ein Prozessor für ein Computersystem 100 kann eine zentrale Verarbeitungseinheit (CPU), eine Grafikverarbeitungseinheit (GPU) oder beides sein. Außerdem kann ein beliebiger hier beschriebener Prozessor mehrere Prozessoren, parallele Prozessoren oder beides umfassen. Mehrere Prozessoren können in einer einzelnen Vorrichtung oder mehreren Vorrichtungen aufgenommen oder damit gekoppelt sein.
Des Weiteren umfasst das Computersystem 100 einen Hauptspeicher 120 und einen statischen Speicher 130, die miteinander über einen Bus 108 kommunizieren können. Speicher, die hier beschrieben werden, sind materielle Speichermedien, die Daten und ausführbare Anweisungen speichern können, und sind während der Zeit, in der Anweisungen darin gespeichert werden, nicht flüchtig. Wie hier verwendet, soll der Begriff „nicht flüchtig“ nicht als eine ewige Charakteristik eines Zustands, sondern als eine Charakteristik eines Zustands, die für eine Zeitdauer andauern wird, ausgelegt werden. Der Begriff „nicht flüchtig“ lehnt insbesondere flüchtige Charakteristiken, wie z. B. Charakteristiken einer bestimmten Trägerwelle oder eines bestimmten Signals oder andere Formen ab, die lediglich vorübergehend zu einem Zeitpunkt an einem Ort existieren. Ein hier beschriebener Speicher ist Fertigungsartikel und/oder eine Maschinenkomponente. Speicher, die hier beschrieben werden, sind computerlesbare Medien, aus denen Daten und ausführbare Anweisungen durch einen Computer gelesen werden können. Speicher, wie hier beschrieben, können Direktzugriffsspeicher (RAM), Festwertspeicher (ROM), Flash-Speicher, elektrisch programmierbare Festwertspeicher (EPROM), elektrisch löschbare programmierbare Festwertspeicher (EEPROM), Register, eine Festplatte, eine entfernbare Platte, ein Band, eine CD-ROM (Compact Disk Read Only Memory), eine DVD (Digital Versatile Disk), eine Floppy-Disk, eine Blu-ray-Disk, oder eine beliebige andere Form eines im Stand der Technik bekannten Speichermediums sein. Speicher können flüchtig oder nichtflüchtig, gesichert und/oder verschlüsselt, ungesichert und/oder unverschlüsselt sein.
Wie dargestellt, kann das Computersystem 100 ferner eine Videoanzeigeeinheit 150, wie z. B. eine Flüssigkristallanzeige (LCD), eine organische Leuchtdiode (OLED), eine flache Feldanzeige, eine Festkörperanzeige oder eine Kathodenstrahlröhre (CTR) umfassen. Außerdem kann das Computersystem 100 eine Eingabevorrichtung 160, wie z. B. eine Tastatur/virtuelle Tastatur oder einen berührungsempfindlichen Eingabebildschirm oder eine Spracheingabe mit einer Spracherkennung, und eine Cursorsteuervorrichtung 170, wie z. B. eine Maus oder einen berührungsempfindlichen Eingabebildschirm oder ein Pad, umfassen. Das Computersystem 100 kann außerdem eine Plattenlaufwerkseinheit 180, eine Signalerzeugungsvorrichtung 190, wie z. B. einen Lautsprecher oder eine Fernsteuerung, und eine Netzwerkschnittstellenvorrichtung 140 umfassen.
In einer konkreten Ausführungsform kann, wie in 1 dargestellt, die Plattenlaufwerkseinheit 180 ein computerlesbares Medium 182 umfassen, in dem ein oder mehrere Sätze von Anweisungen 184, z. B. eine Software, eingebettet sein können. Die Sätze von Anweisungen 184 können aus dem computerlesbaren Medium 182 gelesen werden. Außerdem können die Anweisungen 184, wenn sie durch einen Prozessor ausgeführt werden, dazu verwendet werden, ein(en) oder mehrere der hier beschriebenen Verfahren und Prozesse durchzuführen. In einer bestimmten Ausführungsform können sich die Anweisungen 184 während der Ausführung durch das Computersystem 100 vollständig oder zumindest teilweise innerhalb des Hauptspeichers 120, des statischen Speichers 130 und/oder innerhalb des Prozessors 110 befinden.
In einer alternativen Ausführungsform können dedizierte Hardware-Implementierungen, wie z. B. anwendungsspezifische integrierte Schaltungen (ASICs), programmierbare logische Arrays und andere Hardware-Komponenten, ausgelegt sein, um ein oder mehrere der hier beschriebenen Verfahren zu implementieren. Eine oder mehrere hier beschriebene Ausführungsformen können Funktionen unter Verwendung von zwei oder mehreren konkreten miteinanderverbundenen Hardware-Modulen oder Vorrichtungen mit zugehörigen Steuer- und Datensignalen, die zwischen und durch die Module kommuniziert werden können, implementieren. Dementsprechend umfasst die vorliegende Offenbarung Software-, Firmware- und Hardware-Implementierungen. Nichts in der vorliegenden Anmeldung sollte derart ausgelegt werden, dass es lediglich mit einer Software und nicht mit einer Hardware implementiert oder implementierbar ist, wie z. B. ein materieller, nicht flüchtiger Prozessor und/oder Speicher.
Gemäß verschiedenen Ausführungsformen der vorliegenden Offenbarung können die hier beschriebenen Verfahren unter Verwendung eines Hardware-Computersystems implementiert werden, das Software-Programme ausführt. Außerdem können in einem nicht beschränkenden Ausführungsbeispiel Implementierungen eine verteilte Verarbeitung, verteilte Komponenten-/Objekt-Verarbeitung und eine parallele Verarbeitung umfassen. Eine virtuelle Computersystemverarbeitung kann ausgelegt sein, um ein oder mehrere der hier beschriebenen Verfahren oder Funktionalitäten zu implementieren, und ein hier beschriebener Prozessor kann verwendet werden, um eine virtuelle Verarbeitungsumgebung zu unterstützen.
Die vorliegende Offenbarung betrachtet ein computerlesbares Medium 182, das als Antwort auf ein verbreitetes Signal Anweisungen 184 umfasst oder Anweisungen 184 empfängt und ausführt, so dass eine mit einem Netzwerk 101 verbundene Vorrichtung Sprache, Video oder Daten über das Netzwerk 101 kommunizieren kann. Außerdem können die Anweisungen 184 ferner über das Netzwerk 101 mithilfe der Netzschnittstellenvorrichtung 140 gesendet oder empfangen werden.
2 zeigt ein Beispiel eines Systems zum Durchführen einer Optimierung gemäß einem Aspekt der vorliegenden Offenbarung.
Wie in 2 dargestellt, umfasst ein System zum Optimieren lokalen Vertriebs unter Verwendung eines autonomen Fahrzeugs ein autonomes Fahrzeug (AF) 210, eine Einzelhandelssystemeinheit 220, eine Einzelhandelsstandort-Vergleichseinheit 230, eine Umgebungsdatenbank 240, eine Analyseeinheit 250, eine Einzelhandelsoptimierungseinheit 260 und eine Werbevorrichtung 270. Mindestens eines von der Einzelhandelssystemeinheit 220, der Einzelhandelsstandort-Vergleichseinheit 230, der Umgebungsdatenbank 240, der Analyseeinheit 250, der Einzelhandelsoptimierungseinheit 260 und der Werbevorrichtung 270 kann als ein Computer, ein Server, eine integrierte Schaltung oder eine Kombination von Prozessoren und Speichern implementiert werden.
Einzelhändler möchten möglicherweise verschiedene Prozesse zumindest in Bezug auf aktuelle Verkaufsmöglichkeiten und Verbrauchermotivationen optimieren. Durch die Kenntnis, wer sich in der Nähe eines Einzelhandelsgeschäfts befindet, kann zum Beispiel der Einzelhändler Artikel vorrätig halten, die sie wahrscheinlich kaufen werden. In einem Beispiel kann ein Einzelhändler, wenn der Einzelhändler Informationen erlangt, dass sein Standort von Extremsportparks umgeben ist, Energiegetränke vorrätig halten und Verkaufsaktionen für die Energiegetränke betreiben. Zumindest, weil die Regalfläche bei einem Einzelhändler begrenzt sein kann, kann der Einzelhändler den Vorrat effizienter gestalten, wenn er weiß, welche Artikel vorrätig zu halten sind. In einem anderen Beispiel kann sich der Einzelhändler durch Kenntnis der Änderungen im Umfeld (z. B. Wetter, Veranstaltungen, Straßenbedingungen, Menschengruppen und dergleichen), das den Einzelhändler umgibt, der ändernden Motivationen der Verbraucher bewusst sein. In einem Beispiel kann der Einzelhändler, wenn der Einzelhändler weiß, dass sich ein Sturm dem Einzelhändler nähert, Regenschirme bevorraten.
Durch Kenntnis der Umgebungsinformationen können Einzelhändler in der Lage sein, sowohl (i) ihre Waren effizienter zu verkaufen als auch (ii) die Menge von verkauften Produkten zu erhöhen. Daher möchten Einzelhändler möglicherweise gemessene Daten sammeln und verwenden, um Korrelationen zu bestimmen. Einige der Daten können subtil sein und keine offensichtliche Verknüpfung mit dem Verkaufsprozess oder vorhandenen Produkten aufweisen. Außerdem können einige der Daten komplex (z. B. eine Kombination mehrerer subtiler Signale) sein, wenn kombiniert, eine Erkenntnis liefern, die durch den Einzelhändler verwendet werden kann.
Jedoch werden einige dieser Daten, die zum Berechnen dieser Optimierung erforderlich sind, möglicherweise außerhalb der Einrichtungen des Einzelhändlers gemessen, wie z. B. umgebende Nachbarschaften, Gebäude, anwesende Personen und dergleichen (d. h. Bereiche, in denen der jeweilige Einzelhändler spärliche oder keine Erfassungsmöglichkeiten aufweist). Solche Daten können möglicherweise durch ein oder mehrere autonome Fahrzeuge gesammelt werden.
Das autonome Fahrzeug 210 kann mehrere Sensoren verschiedener Typen umfassen. Die Sensoren des autonomen Fahrzeugs 210 können Sensordaten sammeln, die mit einer Gegend, die das AF umgibt, wie z. B. Straßen, Gebäude, benachbarte Objekte und dergleichen, im Zusammenhang stehen. Zum Beispiel können Sensordaten ohne Beschränkung Bilddaten, Audiodaten, dreidimensionale (3D)-Objektdaten, Bewegungsdaten und meteorologische Daten (z. B. Temperatur, Niederschlag, Feuchtigkeit usw.) umfassen. Die Sensoren des autonomen Fahrzeugs 210 können ohne Beschränkung eine Kamera, ein Mikrofon, ein LIDAR, ein Radar und einen oder mehrere Wettersensoren (z. B. einen Temperatursensorsensor, einen Feuchtigkeitssensor, einen Nässesensor usw.) umfassen.
Außerdem kann das autonome Fahrzeug 210 auch eine Routeneinheit umfassen. Die Routeneinheit kann in der Lage sein, die durch das AF eingeschlagene Route zu modifizieren. In einem Beispiel kann die Routeneinheit eine Routenbestimmungseinheit und eine Ankunftszeit-Schätzungseinheit umfassen. Die Routenbestimmungseinheit kann einen Routenbestimmungsalgorithmus umfassen und/oder ausführen, und die Ankunftszeit-Schätzungseinheit kann einen Ankunftszeit-Schätzungsalgorithmus umfassen und/oder ausführen. Die Routenbestimmungseinheit kann eine Route für die Fahrt oder das Ziel des AF generieren oder erzeugen. Die Ankunftsschätzungseinheit kann in der Lage sein, die Ankunftszeit (ETA) des AF am Ankunftspunkt der Route zu schätzen.
Gemäß einem Aspekt der vorliegenden Offenbarung können eine oder beide von der Routenbestimmungseinheit und der Ankunftsschätzungseinheit externe Datenquellen oder Datenbankserver, die zusätzliche Information liefern, benutzen, um die beste Route zu bestimmen oder die geschätzte Ankunftszeit des AF an einem gewählten Ziel präziser zu beurteilen.
Die anderen Datenquellen umfassen ohne Beschränkung Datenbanken, die Verkehrsdaten enthalten, Datenquellen, die in der Lage sind, eine Anzahl von autonomen Fahrzeugen im Vergleich mit Fahrzeugen, die von Menschen gefahren werden, auf der bestimmten Route zum gewählten Restaurant zu schätzen, und Datenbanken, die aktuelle und vorhergesagte meteorologische Daten speichern. Außerdem können die anderen Datenquellen eine oder mehrere externe Datenbanken sein, die über ein Netzwerk mit dem autonomen Fahrzeug 210 verbunden sein können.
Die Einzelhandelssystemeinheit 220 kann ein Computer oder ein Server sein, der durch Einzelhändler zum Sammeln von Verkaufsdaten verwendet werden kann. Die Einzelhandelssystemeinheit 220 kann eine Einzelhandelsdaten-Sammeleinheit zum Sammeln von Einzelhandelsdaten (z. B. Verkaufsdaten) umfassen, die Informationen in Bezug auf konkrete Verkäufe von Waren oder Dienstleistungen (Artikel) liefert. In einem Beispiel kann die Einzelhandelsdaten-Sammeleinheit ohne Beschränkung Kassen, Nahfeldkommunikationsterminals (NFC-Terminals), Kreditkartenterminals, Selbstbedienungskiosken und Smartphone-aktivierte Bezahlung (z. B. Apple Pay(R)) umfassen. Die Einzelhandelsdaten können ohne Beschränkung verkaufte Artikel (z. B. Beschreibung eines verkauften Artikels, den Preis, anwendbare Verkaufsaktion, anwendbare Gutscheine und dergleichen), Zeit und/oder Tag, an dem die Artikel verkauft wurden, Standort oder Abteilung, in der die Artikel verkauft wurden, umfassen. Die Einzelhandelssystemeinheit 220 kann außerdem eine Verkaufsdatenbank zum Speichern von Verkaufsdaten umfassen.
Die Einzelhandelsstandort-Vergleichseinheit 230 kann Verkaufsdaten von mehreren Einzelhandelssystemeinheiten 220 empfangen und einen Einzelhandelsstandort-Vergleichsalgorithmus ausführen, um wesentliche Ähnlichkeiten zwischen den Einzelhandelssystemeinheiten 220 zu identifizieren. In einem Beispiel kann die Einzelhandelsstandort-Vergleichseinheit 230 bestimmen, ob Verkaufsdaten von einem Einzelhändler, innerhalb eines Referenzschwellenwerts (z. B. zu 90 % ähnlich), mit Verkaufsdaten von einem anderen Einzelhändler(n) ähnlich sind. Solche Vergleiche zum Bestimmen können immer wieder zum Bestimmen einer Korrelation zwischen den Sensordaten und den Verkaufsdaten durchgeführt werden, um zuverlässigere Daten zu liefern. Wenn bestimmt wurde, dass die Verkaufsdaten zwischen mehreren Einzelhändlern ähnlich sind, können die Verkaufsdaten kombiniert oder gruppiert werden, um einen größeren und zuverlässigeren Datensatz bereitzustellen.
Die Umgebungsdatenbank 240 kann Sensordaten vom autonomen Fahrzeug 210 empfangen und die empfangenen Sensordaten speichern. In einem Beispiel können Sensordaten von lediglich dem festgelegten autonomen Fahrzeug gesammelt und/oder gespeichert werden. Zum Beispiel können Sensordaten eines autonomen Fahrzeugs, das innerhalb eines Radius von zwei Meilen fährt, zur Speicherung gesammelt werden. Außerdem können die gespeicherten Sensordaten für eine vorgegebene Zeitdauer für ausgewählte Daten gespeichert werden. Insbesondere können Sensordaten, die einer Verkaufsaktivität entsprechen, für die vorgesehene Zeitdauer gespeichert werden, während Sensordaten, die als irrelevant identifiziert wurden, nach einer bestimmten Dauer gelöscht werden können. Die gespeicherten Sensordaten können durch die Analyseeinheit 250 abgerufen werden.
Die Analyseeinheit 250 kann als ein Computer, ein Server oder eine integrierte Schaltung implementiert sein. Die Analyseeinheit 250 kann eine Eingabe von der Umgebungsdatenbank 240 und der Einzelhandelsstandort-Vergleichseinheit 230 empfangen.
Die Analyseeinheit 250 kann Umgebungsdaten (z. B. Sensordaten, die durch ein Vorbeifahren eines autonomen Fahrzeugs gesammelt werden) und Verkaufsdaten als Eingaben empfangen und extrahieren. Angesichts dieser eingegebenen Daten kann die Analyseeinheit Instanzen identifizieren, in denen Umgebungsdaten und die Verkaufsdaten korreliert sind. Zum Beispiel kann die Analyseeinheit ermitteln, dass an Schneetagen Verkäufe heißer Schokolade der Marke X um mehr als 300 % steigen. Diese Instanzen der Entsprechung können als ein Auslösesignal gespeichert werden. Außerdem wird das Auslösesignal an eine Einzelhandelsoptimierungseinheit 260 gesendet.
In einem Beispiel kann ein Auslösesignal ein einzelnes Stück von Umgebungsdaten oder einen Satz von Umgebungsdaten (z. B. mehrere Teile von Sensordaten werden mit einer Verkaufsaktivität eines bestimmten Artikels assoziiert) umfassen. Gleichermaßen kann ein Auslösesignal Verkäufe eines bestimmten Artikels oder eines Satzes von Verkaufsdaten in Betracht ziehen. In einem Beispiel werden mehrere Typen von Sensordaten verwendet (z. B. ein bestimmtes Objekt wird erkannt, während gleichzeitig bestimmte meteorologische Daten innerhalb einer bestimmten Toleranz liegen. Außerdem können die Sensordaten mit einer Änderung bei Verkäufen einer Klasse eines bestimmten Produkts, zum Beispiel von Erfrischungsgetränken, korreliert sein.
Die Analyseeinheit 250 kann die Umgebungsdaten und die Verkaufsdaten als Eingaben nehmen und ein oder mehrere Auslösesignale ermitteln. Zum Identifizieren der Auslösesignale können verschiedene Schwellenwerte für die Stärke einer Korrelation verwendet werden. Zum Beispiel kann ein erster Schwellenwert verwendet werden, durch den eine Korrelation erzielt werden kann, so dass ein Benutzer zuversichtlich sein kann, dass Verkäufe eines entsprechenden Artikels (entsprechender Artikel) mit einer starken Wahrscheinlichkeit steigen werden, wenn ein bestimmter Satz an Ereignissen erfasst wird. Solche Ereignisse können als gültige Signale oder gültige Auslösesignale angesehen werden.
Wenn bestimmt wird, dass eine Korrelation vorhanden ist, jedoch einen erforderlichen Schwellenwert nicht erreicht hat, um als ein gültiges Signal qualifiziert zu werden, dann können zusätzliche Daten gesammelt werden, um die Korrelation zu ergänzen. Solche Signale, die eine Korrelation, aber einen kleineren als den erforderlichen Schwellenwert anzeigen, können als Zwischensignale bezeichnet werden. Für solche Signale kann die Algorithmusoptimierungseinheit eine Route für ein autonomes Fahrzeug bestimmen, um zusätzliche Sensordaten zu sammeln, um die Korrelation für die Zwischensignale zu ergänzen. Wenn die Ergänzung von Sensordaten die Korrelation des erforderlichen Schwellenwertes stärkt, kann das jeweilige Zwischensignal als ein gültiges Auslösesignal identifiziert werden.
In einem Beispiel kann der Signalextraktionsalgorithmus, um Auslösesignale zu validieren, auf gespeicherte Daten zugreifen, die Werte umfassen, die eine gewünschte Stärke von Korrelationen anzeigen. Solche Daten können unter Verwendung einer Bewertung von historischen Daten manuell hergeleitet werden.
Außerdem kann die Analyseeinheit 250 eine Routenänderungsanfrage für ein oder mehrere autonome Fahrzeuge zum Sammeln zusätzlicher Sensordaten erzeugen, um die Stärke der Auslösezwischensignale zu ergänzen. In einem Beispiel kann die Routenänderungsanfrage als ein Satz von Routendaten beschrieben werden und ohne Beschränkung eine Route, die durch ein autonomes Fahrzeug eingeschlagen werden soll, eine Beschreibung von Sensordaten, die durch das autonome Fahrzeug an verschiedene Punkten der Route gesammelt werden sollen, umfassen.
Die Analyseeinheit 250 kann die Auslösesignale in einer Signaldatenbank speichern. Die Analyseeinheit 250 kann zusätzlich Auslösezwischensignale in der Signaldatenbank oder in einer separaten Datenbank speichern. Die Signaldatenbank kann zusätzlich assoziierte Daten für die gespeicherten, gültigen oder Auslösezwischensignale speichern. Die assoziierten Daten können ohne Beschränkung Daten, die zum gleichen Zeitpunkt oder innerhalb einer Referenzdauer vom jeweiligen Zeitpunkt gesammelt werden wie die Daten des Auslösesignals, die aber nicht als Teil des Auslösesignals korreliert wurden, umfassen.
Die Einzelhandelsoptimierungseinheit 260 kann die Auslösesignale als eine Eingabe nehmen und einen durch den Einzelhändler verwendeten Prozess, wie z. B. einen Personalbesetzungsprozess, optimieren. Zum Beispiel kann die Einzelhandelsoptimierungseinheit 260 aktuelle Auslastung von Personal innerhalb des Einzelhandels steuern. Insbesondere kann die Auslastung des Personals spezifizieren, welche Mitarbeiter die Kassen bedienen, Auslagebereiche des Einzelhandels betreuen, Pause machen und dergleichen.
Außerdem kann die Einzelhandelsoptimierungseinheit 260 ein Profil des Personals und/oder Aktivitäten modifizieren, damit sie mit einer bevorstehenden Umsatzsteigerung bestmöglich übereinstimmen. Zum Beispiel eine Ausgestaltung eines Auslagebereichs innerhalb des Einzelhandels. Ein solcher Prozess kann eine dynamische Neuzuordnung von Aufgaben für die Angestellten kombinieren. In einem Beispiel können, wenn eine starke Steigerung von Verkaufsaktivitäten erwartet wird, mehr Mitarbeiter zugeteilt werden, um die Kassen zu besetzen. Außerdem kann eine Auslage von Waren modifiziert werden. Zum Beispiel eine konkrete Auslageanordnung oder Platzierung von Artikeln.
Die Werbevorrichtung 270 kann Werbematerial an potenzielle Verbraucher oder die Öffentlichkeit innerhalb eines Referenzabstands vom Einzelhändler oder an konkreten Standorten oder bei konkreten Ereignissen bereitstellen. Die Werbevorrichtung 270 umfasst einen LCD-Bildschirm und einen Lautsprecher. Außerdem kann in einem Beispiel ein autonomes Fahrzeug mit der Werbevorrichtung 270 ausgerüstet sein, das angewiesen werden kann, entlang einer bestimmten Route in der Nähe eines Einzelhändlers oder in Richtung eines bestimmten Bereichs zu fahren, in dem sich eine Zusammenkunft potenzieller Verbraucher befindet (z. B. eine Bushaltestelle).
3 zeigt ein Beispiel eines autonomen Fahrzeugs gemäß einem Aspekt der vorliegenden Offenbarung.
Damit ein autonomes Fahrzeug (AF) ordnungsgemäß arbeitet, verlässt sich ein autonomes Fahrzeug auf sehr detaillierte Karten, wie z. B. hochauflösende Karten (HD-Karten) und verschiedene Sensordaten, die angesichts der HD-Karten gesammelt und analysiert werden. Die HD-Karten können verschiedene Daten unter Verwendung verschiedener Sensoren eines autonomen Fahrzeugs in Bezug auf seine Umgebung sammeln, um seinen Standort zu identifizieren und den Betrieb des autonomen Fahrzeugs durchzuführen. Insbesondere können die Sensoren des autonomen Fahrzeugs Daten der umgebenden statischen physischen Umgebung sammeln, wie z. B. benachbarter Gebäude, Verkehrsschilder, Meilensteine und dergleichen, um seinen jeweiligen Standort zu bestimmen. Ferner können Sensoren eines autonomen Fahrzeugs außerdem Daten von in der Nähe befindlichen beweglichen Objekten sammeln, wie z. B. anderen Fahrzeugen, Fußgängern, Ereignissen und dergleichen. Außerdem können Sensoren des autonomen Fahrzeugs auch verschiedene meteorologische Daten sammeln, wie z. B. Temperatur, Feuchtigkeit, Niederschlag und dergleichen, sowie Umgebungsinformationen, wie z.B. Straßenbedingungen.
Ein autonomes Fahrzeug 300 umfasst einen Prozessor 310, eine Routeneinheit 320, eine Kommunikationseinheit 330 und Sensoren 340. In einem Beispiel kann der Prozessor 310 andere Einheiten des autonomen Fahrzeugs 300 steuern oder ausführen, um eine Ausgabe zu erzeugen. Jedoch sind Aspekte der Offenbarung nicht darauf beschränkt, so dass einige der vorstehend erwähnten Einheiten möglicherweise nicht im autonomen Fahrzeug aufgenommen sind oder dass das autonome Fahrzeug zusätzliche Einheiten umfassen kann. Eine oder mehrere der vorstehend erwähnten Einheiten können als Schaltungen implementiert sein. Außerdem können eine oder mehrere der vorstehend erwähnten Einheiten in einem Computer aufgenommen sein.
Der Prozessor 310 kann eine oder mehrere Operationen von Einheiten des autonomen Fahrzeugs 300 ausführen. Zum Beispiel kann der Prozessor 310 einen in einer Einheit des autonomen Fahrzeugs 300 gespeicherten Algorithmus ausführen, um eine Ausgabe zu erzeugen.
Die Routeneinheit 320 kann einen Routenbestimmungsalgorithmus umfassen, der bei einer Ausführung eine Route für die Fahrt oder das Ziel des autonomen Fahrzeugs generieren oder erzeugen kann. In einem Beispiel kann die Routeneinheit 320 eine Route umfassen, die einen Abschnitt umfasst, der durch einen vorgegebenen Bereich des Einzelhändlers verläuft. Alternativ kann die Route des autonomen Fahrzeugs ausgelegt sein, so dass sie durch einen konkreten Bereich oder ein konkretes Gebiet in der Nähe des Einzelhändlers zum Erfassen konkreter Sensordaten verläuft. Zum Beispiel kann die Routeneinheit 320 eine Route zum Sammeln von Sensordaten anfragen, die spezifische Kamerawinkel, ein spezifisches Sichtfeld und dergleichen erfordern. Die Route kann zusätzlich die Geschwindigkeit der Fahrt zum Sammeln der Sensordaten spezifizieren. Außerdem kann die Routeneinheit 320 eine Route unter Berücksichtigung anderer autonomer Fahrzeuge in der Gegend spezifizieren. Zum Beispiel kann die Routeneinheit 320 spezifizieren, dass ein autonomes Fahrzeug um einen umgebenden Häuserblock des Einzelhändlers fährt, oder kann spezifizieren, dass es lediglich einen Abschnitt des umgebenden Häuserblocks zurücklegt.
Die Kommunikationseinheit 300 kann eine Kommunikation mit verschiedenen Servern oder Einheiten des Verkaufsoptimierungssystems durchführen. Zum Beispiel kann die Kommunikationseinheit 330 Routeninformationen von einer Analyseeinheit empfangen, oder Sensordaten an eine Umgebungsdatenbank senden. Außerdem kann die Kommunikationseinheit 330 mit anderen Kommunikationseinheiten anderer autonomer Fahrzeuge kommunizieren. In einem Beispiel kann eine Gruppe von autonomen Fahrzeugen zusammen arbeiten, um in einem umgebenden Gebiet des Einzelhändlers zu fahren, wobei jedes aus der Gruppe von autonomen Fahrzeugen einen gewählten Abschnitt des umgebenden Gebiets zur Aufteilung der Arbeit bereist.
Durch Durchführen einer Kommunikation mit anderen autonomen Fahrzeugen können autonome Fahrzeuge als eine Gruppe eine flächendeckende Erfassung bereitstellen. Zum Beispiel kann dann, wenn ein Ereignis vorhergesagt ist, ein erstes autonomes Fahrzeug einen wahrscheinlichen Zeitpunkt an ein zweites autonomes Fahrzeug liefern, damit das zweite autonome Fahrzeug den besten Standort/die beste Ortsbestimmung und/oder Zeitpunkt zum Erfassen des jeweiligen Ereignisses aufweist.
Das autonome Fahrzeug 300 umfasst mehrere Sensoren 340. Die Sensoren 340 umfassen einen Bildsensor 341, einen Audiosensor 342, einen Bewegungssensor 343, einen Lichtsensor 344, einen Funksensor 345, einen Temperatursensor 346, einen Feuchtigkeitssensor 347 und einen Straßensensor 348. Obwohl ein konkreter Satz von Sensoren in 3 dargestellt ist, sind Aspekte der vorliegenden Offenbarung nicht darauf beschränkt, so dass ein autonomes Fahrzeug weniger oder mehr Sensoren als jene in 3 dargestellte umfassen kann.
In einem Beispiel kann der Bildsensor 341 eine oder mehrere Kameras zum Erfassen von Bildern umfassen. Der Audiosensor 342 kann ein oder mehrere Mikrofone zum Erfassen von Audiodaten umfassen. Der Bewegungssensor 343 kann einen oder mehrere Infrarotsensoren und dergleichen zum Erfassen einer Bewegung von Objekten oder Personen umfassen. Der Lichtsensor 344 kann einen oder mehrere Lichtsensoren umfassen, die einen Lichtpegel detektieren, oder eine Reflexion von Licht zum Detektieren von Objekten oder Personen und entsprechenden Abständen erfassen. Der Funksensor 342 kann Funksignale oder deren Reflexion zum Detektieren von Objekten oder Personen und entsprechenden Abständen erfassen. Der Temperatursensor 342 kann ein Thermometer, einen Wärmesensor oder dergleichen zum Detektieren einer Temperatur einer Umgebung umfassen. Der Feuchtigkeitssensor 348 kann einen Feuchtigkeitspegel der Umgebung detektieren. Der Straßensensor 348 kann eine Bedingung (z. B. nass, vereist, glatt oder dergleichen) einer Straße, auf der das autonome Fahrzeug möglicherweise fährt, oder benachbarter Gehwege detektieren.
Zusätzlich zum Erfassen von Sensordaten über die Sensoren 340 kann das autonome Fahrzeug zusätzliche Information von anderen Datenquellen 350 erlangen. Die anderen Datenquellen 350 können ein externer Server sein, der umgebungsbezogene Daten speichern kann. Zum Beispiel können die anderen Datenquellen 350 ohne Beschränkung Datenbanken, die Verkehrsdaten enthalten, Datenquellen, die in der Lage sind, eine Anzahl von autonomen Fahrzeugen im Vergleich mit Fahrzeugen, die von Menschen gefahren werden, auf der bestimmten Route zum gewählten Restaurant zu schätzen, und Datenbanken, die aktuelle und vorhergesagte meteorologische Daten speichern, umfassen. Außerdem können die anderen Datenquellen 350 eine oder mehrere externe Datenbanken sein, die über ein Netzwerk mit dem autonomen Fahrzeug 300 verbunden sein können.
Die Sensoren 340 können während einer Fahrt entlang einer Route Sensordaten sammeln und die gesammelten Sensordaten an eine Umgebungsdatenbank zur Speicherung senden.
4 zeigt ein Beispiel einer Einzelhandelssystemeinheit gemäß einem Aspekt der vorliegenden Offenbarung.
Eine Einzelhandelssystemeinheit 400 umfasst einen Prozessor 410, eine Kommunikationseinheit 420, eine Datensammeleinheit 430 und eine Verkaufsdatenbank 440. In einem Beispiel kann der Prozessor 410 andere Einheiten der Einzelhandelssystemeinheit 400 steuern oder ausführen, um eine Ausgabe zu erzeugen. Jedoch sind Aspekte der Offenbarung nicht darauf beschränkt, so dass eine Einzelhandelssystemeinheit weniger als oder mehr als die vorstehend erwähnten Einheiten umfassen kann. Außerdem können eine oder mehrere der vorstehend erwähnten Einheiten als Schaltungen implementiert werden. Außerdem können eine oder mehrere der vorstehend erwähnten Einheiten in einem Computer aufgenommen sein.
Der Prozessor 410 kann eine oder mehrere Operationen der Einheiten der Einzelhandelssystemeinheit 400 ausführen. Zum Beispiel kann der Prozessor 410 einen in einer Einheit der Einzelhandelssystemeinheit 400 gespeicherten Algorithmus ausführen, um eine Ausgabe zu erzeugen.
Die Kommunikationseinheit 410 kann über ein Netzwerk mit verschiedenen Komponenten eines Verkaufsoptimierungssystems kommunizieren. Zum Beispiel kann die Kommunikationseinheit 410 Verkaufsdaten, die durch die Einzelhandelssystemeinheit 400 gesammelt wurden, an eine Einzelhandelsstandort-Vergleichseinheit zur Aggregation von Verkaufsdaten senden. Alternativ kann die Kommunikationseinheit 410 die Verkaufsdaten an eine Analyseeinheit senden, um eine Korrelation zwischen Sensordaten, die durch ein autonomes Fahrzeug gesammelt wurden, und den Verkaufsdaten, die durch die Einzelhandelssystemeinheit 400 gesammelt wurden, zu bestimmen.
Die Datensammeleinheit 430 umfasst eine Zahlungstransaktionseinheit 431, Bildsensoren 432, eine Kommunikationseinheit 433 mobiler Vorrichtungen, eine Sammeleinheit anderer Daten 434, und eine Verkaufsdatenbank 440. Obwohl ein konkreter Satz von Datensammeleinheiten in 4 dargestellt ist, sind Aspekte der vorliegenden Offenbarung nicht darauf beschränkt, so dass eine Datensammeleinheit weniger oder mehr als die in 4 dargestellten Datensammeleinheiten umfassen kann.
In einem Beispiel kann die Zahlungstransaktionseinheit 431 Selbstbedienungskiosken, Kassen oder dergleichen umfassen. Die Bildsensoren 432 können verschiedene Kameras umfassen, die innerhalb einer Einzelhandelseinrichtung angeordnet sein können. Die Kommunikationseinheit 433 mobiler Vorrichtungen kann durch den Laden vorgesehene Abtastvorrichtungen oder mobile Vorrichtungen von Verbrauchern umfassen, die zum Kauf von Artikeln an der Einzelhandelseinrichtung verwendet werden können. In einem Beispiel können Daten von den mobilen Vorrichtungen gesammelt werden, wenn sich die mobile Vorrichtung mit einem in einem Laden zur Verfügung gestellten Wi-Fi verbindet oder indem eine Anwendung des Einzelhändlers verwendet wird. Außerdem können Daten von den mobilen Vorrichtungen gesammelt werden, wenn eine mobile Zahlungsanwendung verwendet wird (z. B. Apple Pay(R)). Eine Sammeleinheit anderer Daten 434 kann Mikrofone umfassen, die in der gesamten Einzelhandelseinrichtung angeordnet sein können, oder eine andere Vorrichtung, die zum Sammeln von Verkaufstendenzen oder -aktivitäten durch einen Verbraucher an der Einzelhandelseinrichtung verwendet werden kann.
5 zeigt ein Beispiel einer Analyseeinheit gemäß einem Aspekt der vorliegenden Offenbarung.
Die Analyseeinheit 500 umfasst einen Prozessor 510, eine Kommunikationseinheit 520, einen Signalextraktionsalgorithmus 530, eine Algorithmusoptimierungseinheit 540 und Signaldatenbank 550. Jedoch sind Aspekte der Offenbarung nicht darauf beschränkt, so dass einige der vorstehend erwähnten Einheiten möglicherweise nicht in der Analyseeinheit 500 aufgenommen sind oder dass die Analyseeinheit 500 zusätzliche Einheiten umfassen kann. Eine oder mehrere der vorstehend erwähnten Einheiten können als Schaltungen implementiert sein. Außerdem können eine oder mehrere der vorstehend erwähnten Einheiten in einem Computer aufgenommen sein.
Der Prozessor 510 kann eine oder mehrere Einheiten der Analyseeinheit 500 steuern oder ausführen, um eine Ausgabe zu erzeugen.
Die Kommunikationseinheit 520 kann einen Sender und einen Empfänger umfassen, um Signale an andere Einheiten, die in dem in 2 dargestellten System aufgenommen sind, zu senden und von ihnen zu empfangen. Zum Beispiel kann die Kommunikationseinheit 520 mit einer Umgebungsdatenbank kommunizieren, um Sensordaten, die durch ein autonomes Fahrzeug gesammelt wurden, zu extrahieren oder zu empfangen, oder kann mit dem autonomen Fahrzeug kommunizieren, um Routendaten oder eine Routenänderungsanfrage zum Erfassen zusätzlicher Sensordaten und dergleichen kommunizieren. Außerdem kann die Analyseeinheit Verkaufsdaten von einer Einzelhandelssystemeinheit eines Zieleinzelhändlers direkt oder über einen Aggregatserver empfangen. Insbesondere kann die Analyseeinheit Verkaufsdaten und/oder zusätzliche Einzelhandelsdaten von einer Einzelhandelsstandort-Vergleichseinheit empfangen, die Verkaufsdaten anderer Einzelhändler sowie des Zieleinzelhändlers umfassen können. Außerdem kann, nachdem Auslösesignale durch die Analyseeinheit 500 identifiziert wurden, die Analyseeinheit 500 die Auslösesignale an eine Einzelhandelsoptimierungseinheit zum Anwenden der Auslösesignale senden.
Der Signalextraktionsalgorithmus 530 kann durch den Prozessor 510 ausgeführt werden, um Umgebungsdaten oder Sensordaten, die durch das autonome Fahrzeug gesammelt wurden, und Verkaufsdaten eines oder mehrerer Einzelhändler zu extrahieren. Die extrahierten Daten können als Eingaben verwendet werden, um ein oder mehrere Auslösesignale zu identifizieren. Zum Identifizieren der Auslösesignale können verschiedene Schwellenwerte für Stärke einer Korrelation verwendet werden. In einem Beispiel kann sich die Stärke der Korrelation auf eine Wahrscheinlichkeit dessen beziehen, dass eine entsprechende Aktivität angesichts bestimmter Sensordaten oder eines Satzes von Sensordaten auftritt. Die Stärke der Korrelation kann sich auf die Stärke einer Wahrscheinlichkeit und/oder einen Vertrauensgrad auf der Grundlage einer Menge von Anhaltspunkten (z. B. eine Anzahl von beobachteten Verkäufen, die den detektierten Sensordaten entsprechen), die eine solche Korrelation anzeigen, beziehen. Außerdem kann dann, wenn bestimmt wird, dass die Stärke einer Korrelation bei oder über einem vorgegebenen Schwellenwert liegt, bestimmt werden, dass das Auslösesignal ein gültiges Signal ist, auf welches sich ein oder mehrere Einzelhändler verlassen können, um einen oder mehrere ihrer Prozesse (z. B. Personalbesetzung, Ladengestaltung, Werbung und dergleichen) anzupassen. Wenn jedoch bestimmt wird, dass die Stärke der Korrelation unter dem vorgegebenen Schwellenwert liegt, kann bestimmt werden, dass das Auslösesignal ein Zwischensignal ist, bis die Stärke der Korrelation erhöht wird, um das Auslösesignal zu validieren. Außerdem kann, wenn bestimmt wird, dass das Auslösesignal das Zwischensignal ist, die Analyseeinheit 500 das Auslösesignal für eine weitere Verarbeitung an die Algorithmusoptimierungseinheit 540 lenken.
Die Algorithmusoptimierungseinheit 540 kann in der Lage sein, Daten, wie z. B. Auslösezwischensignaldaten, vom Signalextraktionsalgorithmus zu empfangen und eine Routenänderungsanfrage für ein oder mehrere autonome Fahrzeuge zur Sammlung zusätzlicher Sensordaten zu erzeugen. In einem Beispiel kann die Routenänderungsanfrage als ein Satz von Routendaten beschrieben werden und ohne Beschränkung eine Route, die durch ein autonomes Fahrzeug eingeschlagen werden soll, eine Beschreibung von Sensordaten, die durch das autonome Fahrzeug an verschiedenen Punkten der Route gesammelt werden sollen, umfassen.
Die Signaldatenbank 550 kann gültige Auslösesignale und Auslösezwischensignale speichern. Die gespeicherten Signale können für eine weitere Verarbeitung oder Validierung extrahiert werden. Zum Beispiel können gültige Auslösesignale an die Einzelhandelsoptimierungseinheit eines Einzelhändlers zur Modifizierung seiner Prozesse gemäß der Detektion von Sensordaten, die den Auslösesignalen entsprechen, gesendet werden. Alternativ können die Auslösezwischensignale gespeichert werden, bis ergänzende Daten empfangen werden, um die Übereinstimmung zu stärken. Jedoch sind Aspekte der vorliegenden Offenbarung nicht darauf beschränkt, so dass Einzelhändler verschiedene Schwellenwerte spezifizieren können, um ein Auslösesignal zu validieren. Dementsprechend können manche Einzelhändler willens sein, ein Auslösesignal als ein gültiges Signal zum Modifizieren ihrer Prozesse zu empfangen, das ein anderer Einzelhändler als Zwischensignal betrachtet.
6 zeigt ein Beispiel eines Prozesses, der eine Optimierung gemäß einem Aspekt der vorliegenden Offenbarung durchführt.
Bei Operation 601 kauft ein Verbraucher einen oder mehrere Artikel bei einem Einzelhändler. Die Artikel können Waren oder Dienstleistungen umfassen, die mittels einer Zahlung erworben werden können. Die Artikel können an Kassen, Nahfeldkommunikationsterminals (NFC-Terminals), Kreditkartenzahlungsterminals und über eine am Smartphone aktivierte Zahlung erworben werden.
Bei Operation 602 werden, nachdem die Zahlungstransaktion vervollständigt wurde, Verkaufsdaten gesammelt werden, die mit der Verkaufstransaktion im Zusammenhang stehen. Die Verkaufsdaten können, ohne Beschränkung, verkaufte Artikel (z. B. Beschreibung eines verkauften Artikels, den Preis, anwendbare Verkaufsaktion, anwendbare Gutscheine und dergleichen), Zeit und/oder Tag, an dem die Artikel verkauft wurden, Standort oder Abteilung, in der die Artikel verkauft wurden, umfassen.
Bei Operation 603 werden die erzeugten Verkaufsdaten an die Verkaufsdatenbank zur Speicherung gesendet. In einem Beispiel können die Verkaufsdaten für eine vorgegebene Zeitdauer gespeichert werden, bevor sie gelöscht werden.
Außerdem verkehren in Operation 604, gleichzeitig mit der Verkaufstransaktion, ein oder mehrere autonome Fahrzeuge entlang einer vorgegebenen Route. In einem Beispiel kann die vorgegebene Route durch eine Bedienperson des autonomen Fahrzeugs spezifiziert werden oder kann durch einen Einzelhändler spezifiziert werden.
In Operation 605 sammeln während der Fahrt entlang der vorgegebenen Route der eine oder die mehreren autonomen Fahrzeuge relevante Sensordaten unter Verwendung verschiedener Sensoren. Zum Beispiel können Sensordaten ohne Beschränkung Bilddaten, die durch eine Kamera erfasst werden, Audiodaten, die durch ein Mikrofon erfasst werden, dreidimensionale (3D)-Objektdaten, die durch ein LIDAR erfasst werden, Bewegungsdaten, die durch ein RADAR oder ein LIDAR erfasst werden, und meteorologische Daten (z. B. Temperatur, Niederschlag, Feuchtigkeit und dergleichen) umfassen.
Bei Operation 606 sendet das autonome Fahrzeug die Sensordaten an die Umgebungsdatenbank zur Speicherung. In einem Beispiel können die Sensordaten für eine vorgegebene Zeitdauer gespeichert werden, bevor sie gelöscht werden.
Bei Operation 607 werden die Verkaufsdaten und Sensordaten zur Analyse extrahiert. In einem Beispiel kann ein an einer Analyseeinheit ausgeführter Signalextraktionsalgorithmus veranlassen, dass die Analyseeinheit Sensordaten von der Umgebungsdatenbank extrahiert und assoziierte Verkaufsdaten von der Verkaufsdatenbank extrahiert. Die Verkaufsdaten und die Sensordaten können für eine vorgegebene Zeitspanne oder Zeitspannen extrahiert werden. Zum Beispiel die Verkaufsdaten und die Sensordaten, die während eines Konzerts gesammelt wurden, das an einem bestimmten Tag zwischen 18:00 und 20:00 Uhr stattgefunden hat. In einem anderen Beispiel können Verkaufsdaten gesammelt werden, die eine vorgegebene Zeitspanne nach der Detektion der Sensordaten gesammelt wurden. Wenn zum Beispiel die Sensordaten einen Regensturm um 12:00 mittags detektieren, können Verkaufsdaten gesammelt werden, die auf die Detektion des Regensturms folgen (z. B. 15 Minuten nach der Detektion des Regensturms). Außerdem kann ein erster Typ von Daten gewählt werden und dann können alle assoziierten Datenpunkte von einem zweiten Datentyp angefordert werden. Zum Beispiel kann die Analyseeinheit einen Satz von Sensordaten wählen, und dann anfordern, dass alle Verkaufsdaten aus derselben Zeitdauer wie die Sensordaten gesammelt werden. Alternativ kann ein Artikel von den Verkaufsdaten gewählt werden und es können alle Sensordaten angefragt werden, die vorlagen, als der gewählte Artikel erworben wurde.
Bei Operation 607 wird eine Korrelation zwischen den gesammelten Sensordaten und den Verkaufsdaten extrahiert. Zum Beispiel kann ein Signalextraktionsalgorithmus ausgeführt werden, um ein Korrelationssignal aus den eingegebenen Daten zu extrahieren. In einem Beispiel kann, wenn ein erster Artikel bei einem Einzelhändler erworben wurde, eine erhöhte Wahrscheinlichkeit vorhanden sein, dass ein bestimmtes Profil einer Person in der Nähe der Einzelhandelseinrichtung anwesend ist. In einem anderen Beispiel kann eine Detektion eines ersten Auftretens eines bestimmten Typs von Sensordaten (z.B. das Blühen einer bestimmten Blume) damit in Korrelation stehen, dass ein zweiter Artikel eine Umsatzsteigerung erfährt. Außerdem können höhere Verkäufe eines dritten Artikels auftreten, wenn hohe Dichten an Menschen vorgefunden werden, die Sportartikel tragen. Wenn Menschen in Südrichtung unterwegs sind und das Wetter eine bestimmte Temperatur aufweist, kann außerdem damit korrelieren, dass eine vorherrschende Farbe vorbeifahrender Fahrzeuge rot ist.
Bei Operation 608 werden die extrahierten Signale mit einem vorgegebenen Schwellenwert verglichen, um zu bestimmen, ob das extrahierte Signal ein gültiges Signal ist. In einem Beispiel werden die extrahierten Signale extrahiert und mit einem Satz Schwellenwerte verglichen, um zu sehen, ob sie als gültig betrachtet werden (d. h. die Korrelation als hinreichend stark bestimmt wird, um auf eine zuverlässige Weise durch den Einzelhändler verwendet zu werden). In einem Beispiel können die Schwellenwerte für einen Artikel oder Einzelhändler spezifisch sein, und können innerhalb eines Speichers einer Analyseeinheit oder einer entfernten Datenbank gespeichert werden.
Bei Operation 609 fährt das Verfahren dann, wenn bestimmt wird, dass das Korrelationssignal gültig ist oder eine hinreichende Stärke aufweist, mit Operation 610 fort. Bei Operation 610 wird das gültige Signal an eine Signaldatenbank zur Speicherung gesendet. Alternativ fährt das Verfahren, wenn bestimmt wird, dass das Korrelationssignal nicht gültig ist oder eine unzureichende Stärke aufweist, mit Operation 611 fort. Bei Operation 611 wird eine weitere Bestimmung bestimmt, ob das Korrelationssignal als ein Zwischensignal geeignet ist.
Wenn das Korrelationssignal nicht als ein Zwischensignal qualifiziert wird, dann wird das Verfahren beendet. Alternativ wird bei Operation 612, wenn das Signal als ein Zwischensignal geeignet ist, das Zwischensignal an eine Algorithmusoptimierungseinheit zur Ausführung gesendet. In einem Beispiel kann die Algorithmusoptimierungseinheit schätzen, welches autonome Fahrzeug wahrscheinlich in der Lage ist, zusätzliche Sensordaten am Standort zu sammeln, an dem die Zwischensignaldaten gesammelt wurden. Das autonome Fahrzeug kann auf der Grundlage seines jeweiligen Standorts in Bezug auf den Einzelhändler und/oder Präferenzen, die durch einen Besitzer des autonomen Fahrzeugs eingestellt werden (z. B. ob der Besitzer eine Änderung einer Route erlaubt) geschätzt werden. Außerdem kann die Algorithmusoptimierungseinheit bestimmen, welche zusätzlichen Daten möglicherweise erforderlich sind, um die Stärke des Zwischensignals zu erhöhen, um das Korrelationssignal zu validieren.
Außerdem kann die Algorithmusoptimierungseinheit bestimmen, das autonome Fahrzeug umzuleiten, damit es Standorte passiert, wo die erforderlichen zusätzlichen Sensordaten gesammelt werden können. Die modifizierte Route für die Umleitung des autonomen Fahrzeugs kann bestimmt werden, indem ein Satz von Routendaten erzeugt wird, die Daten darstellen, welche die einzuschlagende Route beschreiben, und die Routendaten an das autonome Fahrzeug gesendet werden. Fakultativ können die Routendaten auch eine Beschreibung der einzusammelnden Daten umfassen. Außerdem zusätzliche Anweisungen für das autonome Fahrzeug, wie z. B. seine Ortsbestimmung, Geschwindigkeit und andere Betriebseinstellungen, die ausgeführt werden sollen, während die Sensordaten gesammelt werden.
Bei Operation 612 wird eine Modifikation der Route erzeugt, um ein autonomes Fahrzeug von seiner aktuellen Route umzuleiten. Nachdem das autonome Fahrzeug umgeleitet wurde, fährt dann das Verfahren zurück zur Operation 604.
7 zeigt ein Beispiel eines Prozesses zum Erzeugen von Werbematerialien gemäß einem Aspekt der vorliegenden Offenbarung.
Bei Operation 701 fahren ein oder mehrere autonome Fahrzeuge entlang einer vorgegebenen Route. In einem Beispiel kann die vorgegebene Route durch eine Bedienperson des autonomen Fahrzeugs spezifiziert werden oder kann durch einen Einzelhändler spezifiziert werden.
In Operation 702 sammeln das eine oder die mehreren autonomen Fahrzeuge unter Verwendung verschiedener Sensoren relevante Sensordaten während der Fahrt entlang der vorgegebenen Route. Zum Beispiel können Sensordaten ohne Beschränkung Bilddaten, die durch eine Kamera erfasst werden, Audiodaten, die durch ein Mikrofon erfasst werden, dreidimensionale (3D)-Objektdaten, die durch ein LIDAR erfasst werden, Bewegungsdaten, die durch ein RADAR oder ein LIDAR erfasst werden, und meteorologische Daten (z. B. Temperatur, Niederschlag, Feuchtigkeit und dergleichen) umfassen.
Bei Operation 703 extrahiert die Analyseeinheit eine oder mehrere erfasste Bedingungen eines gültigen Signals, die in einer Signaldatenbank der Analyseeinheit gespeichert werden können. Ein gültiges Signal kann eine Identifizierung eines Satzes von Sensordaten oder erfasste Bedingungen umfassen. Zum Beispiel ein gleichzeitiges Auftreten eines bestimmten Profils eines Verbrauchers, der an der Einzelhandelseinrichtung in einer bestimmten Richtung vorzieht, wenn das Wetter bestimmte Charakteristiken aufweist.
Bei Operation 704 wird ein Satz von Auslösern oder Sensorauslösern für die eine oder die mehreren erfassten Bedingungen bestimmt, die in Operation 703 extrahiert wurden. In einem Beispiel kann ein Sensorauslöser ein Wert von Sensordaten oder eine Tendenz in Sensordaten sein. Der Wert von Sensordaten kann ein Schwellenwert sein, der erreicht werden muss, um ein Entsprechungssignal zu validieren. Außerdem können Tendenzen in den Sensordaten eine Möglichkeit anzeigen, dass ein gültiges Signal in Zukunft auftreten kann.
Bei Operation 705 sendet die Analyseeinheit den bestimmten Satz von Auslösern an das autonome Fahrzeug.
Bei Operation 706 empfängt das autonome Fahrzeug den Satz von Auslösern von der Analyseeinheit und vergleicht die in Operation 702 gesammelten Sensordaten mit dem empfangenen Satz von Auslösern.
In Operation 707 wird eine Bestimmung vorgenommen, ob die in Operation 702 gesammelten Sensordaten mit dem empfangenen Satz von Auslösern übereinstimmen. Wenn das autonome Fahrzeug bestimmt, dass die Sensordaten mit den empfangenen Auslösern übereinstimmen, dann wird in Operation 708 der übereinstimmende Auslöser an eine Einzelhandelsoptimierungseinheit gesendet. Wenn das autonome Fahrzeug bestimmt, dass die Sensordaten mit den empfangenen Auslösern nicht übereinstimmen, fährt dann das autonome Fahrzeug weiter entlang einer Route zur Sammlung zusätzlicher Sensordaten in Operationen 701 und 702.
In Operation 709 empfängt die Einzelhandelsoptimierungseinheit den übereinstimmenden Auslöser und schlägt eine mit dem Auslöser assoziierte Werbung nach. In einem Beispiel kann die Einzelhandelsoptimierungseinheit aus einer Nachschlagetabelle eine Werbung ermitteln, die für einen in dem Auslöser identifizierten Artikel wirbt.
In Operation 710 sendet die Einzelhandelsoptimierungseinheit die assoziierte Werbung und/oder Werbematerialien an eine Werbevorrichtung.
In Operation 711 zeigt die Werbevorrichtung Werbematerialien an.
8 zeigt ein Beispiel eines Optimierungsprozesses für einen Einzelhändler gemäß einem Aspekt der vorliegenden Offenbarung.
Bei Operation 801 extrahiert eine Analyseeinheit eine oder mehrere erfasste Bedingungen eines gültigen Signals, die in einer Signaldatenbank der Analyseeinheit gespeichert werden können. Ein gültiges Signal kann eine Identifizierung eines Satzes von Sensordaten oder erfasste Bedingungen umfassen. Zum Beispiel ein gleichzeitiges Auftreten eines bestimmten Profils eines Verbrauchers, der an der Einzelhandelseinrichtung in einer bestimmten Richtung vorzieht, wenn das Wetter bestimmte Charakteristiken aufweist.
In Operation 802 Identifizieren einer Verkaufssteigerung für die erfassten Bedingungen.
In Operation 803 sammeln vorbeifahrende autonome Fahrzeuge Sensordaten, die darauf hindeuten, dass eine Erfassung beginnen wird.
In Operation 804 steuert die Einzelhandelsoptimierungseinheit eine aktuelle Auslastung von Personal innerhalb des Einzelhandels. Zum Beispiel kann die Auslastung des Personals spezifizieren, welche Mitarbeiter die Kassen bedienen, Auslagebereiche des Einzelhandels betreuen, Pause machen und dergleichen.
In Operation 805 modifiziert die Einzelhandelsoptimierungseinheit ein Profil von Personal und/oder Aktivitäten, um eine bestmögliche Übereinstimmung mit einer bevorstehenden Umsatzsteigerung zu erzielen. Zum Beispiel eine Ausgestaltung eines Auslagebereichs innerhalb des Einzelhandels. Ein solcher Prozess kann eine dynamische Neuzuordnung von Aufgaben für die Angestellten kombinieren. In einem Beispiel können, wenn eine starke Steigerung von Verkaufsaktivitäten erwartet wird, mehr Mitarbeiter zugeteilt werden, um die Kassen zu besetzen. Außerdem kann die Auslage von Waren modifiziert werden. Zum Beispiel eine konkrete Auslageanordnung oder Platzierung von Artikeln.
9 zeigt ein Beispiel eines Prozesses zum Vergleichen von Daten mehrerer Einzelhändler gemäß einem Aspekt der vorliegenden Offenbarung.
Bei Operation 901 erwirbt ein Verbraucher einen oder mehrere Artikel bei einem Einzelhändler. Die Artikel können Waren oder Dienstleistungen umfassen, die mittels einer Zahlung erworben werden können. Die Artikel können an Kassen, Nahfeldkommunikationsterminals (NFC-Terminals), Kreditkartenzahlungsterminals und über eine am Smartphone aktivierte Zahlung erworben werden.
Bei Operation 902 werden, nachdem die Zahlungstransaktion vervollständigt wurde, Verkaufsdaten gesammelt, die mit der Verkaufstransaktion im Zusammenhang stehen. Die Verkaufsdaten können, ohne Beschränkung, verkaufte Artikel (z. B. Beschreibung eines verkauften Artikels, den Preis, anwendbare Verkaufsaktion, anwendbare Gutscheine und dergleichen), Zeit und/oder Tag, an dem die Artikel verkauft wurden, Standort oder Abteilung, in der die Artikel verkauft wurden, umfassen.
Bei Operation 903 werden die erzeugten Verkaufsdaten an die Verkaufsdatenbank zur Speicherung gesendet. In einem Beispiel können die Verkaufsdaten für eine vorgegebene Zeitdauer gespeichert werden, bevor sie gelöscht werden.
In Operation 904 sendet die Einzelhandelssystemeinheit die Verkaufsdaten an eine Vergleichseinheit.
In Operation 905 bestimmt die Vergleichseinheit, ob Verkaufsdaten von einem Einzelhändler Verkaufsdaten von einem anderen Einzelhändler(n) ähnlich sind. In einem Beispiel können solche Vergleiche zur Bestimmung immer wieder durchgeführt werden, um eine Korrelation zwischen den Sensordaten und den Verkaufsdaten zu bestimmen.
Wenn die Verkaufsdaten zwischen mehreren Einzelhändlern ähnlich sind, können die Verkaufsdaten in Operation 907 kombiniert oder gruppiert werden, um einen größeren und zuverlässigeren Datensatz bereitzustellen. Zum Beispiel können Daten, die für einen Einzelhändler relevant sein können, festgelegt werden, dass der Verkauf von Sportgetränken der Marke X steigt, wenn die Temperatur zwischen 18 Grad Celsius und 22 Grad Celsius liegt.
Wenn bestimmt wird, dass die Verkaufsdaten eines Einzelhändlers einzigartig für diesen einen Einzelhändler sind, können in Operation 906 die Verkaufsdaten von Verkaufsdaten anderer Einzelhändler getrennt gehalten werden.
Gemäß Aspekten der vorliegenden Anmeldung können autonome Fahrzeuge verwendet werden, um verschiedene Sensordaten zu sammeln, um unter Verwendung externer Sensoren (die verwendet werden können, um ihre primären Operationen des Identifizierens eines Standorts des Fahrzeugs und der Umgebung und des Führens des Fahrzeugs) verschiedene Sensordaten zu identifizieren, die mit einer Verkaufsaktivität bei einem Einzelhändler korrelieren. Außerdem können die autonomen Fahrzeuge auf einen spezifizierten Weg oder Wege zur Sammlung zusätzlicher Sensordaten, die mit Verkaufsaktivitäten im Zusammenhang stehen, umgeleitet werden. Es können außerdem zur Sammlung von bestimmten Sensordaten andere Steuerelemente der autonomen Fahrzeuge geändert werden, wie z. B. Geschwindigkeit. Die autonomen Fahrzeuge können unabhängig oder gemeinsam mit anderen autonomen Fahrzeugen verwendet werden, um Sensordaten zu sammeln.
Durch Verwenden der autonomen Fahrzeuge können relevante Sensordaten über einem größeren Gebiet außerhalb einer Einzelhandelseinrichtung gesammelt werden. Zum Beispiel kann es vorteilhaft sein, Daten über Personen zu sammeln, die aus 500 Meter Entfernung auf die Einzelhandelseinrichtung zugehen, oder von Personen, die sich in bestimmten Bereichen in der Nähe der Einzelhandelseinrichtung (z. B. einer Bushaltestelle) versammeln.
Außerdem können die Sensordaten in Bezug auf benachbarte Einzelhändler analysiert werden, um eine Korrelation zwischen den Sensordaten und den Verkaufsdaten, die durch die Einzelhändler gesammelt wurden, zu bestimmen. Auf der Grundlage der bestimmten Korrelationen können verschiedene Prozesse der Einzelhändler (z. B. Werbung für Produkte, Ladenausgestaltung, Personalbesetzung und dergleichen) modifiziert werden, um erwartete Änderungen von Verkaufsaktivitäten auf der Grundlage der durch die autonomen Fahrzeuge gesammelten Sensordaten besser zu berücksichtigen.
Obwohl das computerlesbare Medium als ein einzelnes Medium dargestellt ist, umfasst der Begriff „computerlesbares Medium“ ein einzelnes Medium oder mehrere Medien, wie z. B. eine zentralisierte oder verteilte Datenbank und/oder assoziierte Caches und Server, die einen oder mehrere Sätze von Anweisungen speichern. Der Begriff „computerlesbares Medium“ soll außerdem jedes Medium einschließen, das in der Lage ist, einen Satz von Anweisungen zur Ausführung durch einen Prozessor, oder der ein Computersystem dazu veranlasst, ein beliebiges/eine beliebige oder mehrere von den Verfahren oder Operationen, die hier offenbart werden, durchzuführen, zu speichern, zu dekodieren und abzuwickeln.
In einem bestimmten nicht beschränkenden Ausführungsbeispiel kann das computerlesbare Medium einen Festkörperspeicher, wie z. B. eine Speicherkarte oder ein anderes Gehäuse, das einen oder mehrere nichtflüchtige Festwertspeicher beherbergt, umfassen. Außerdem kann das computerlesbare Medium ein Direktzugriffsspeicher oder ein anderer flüchtiger wiederbeschreibbarer Speicher sein. Außerdem kann das computerlesbare Medium ein magnetooptisches oder optisches Medium, wie z. B. eine Platte oder Bänder, oder eine andere Speichervorrichtung zum Erfassen von Trägerwellensignalen, wie z. B. einem Signal, das über ein Übertragungsmedium kommuniziert wird, umfassen. Dementsprechend wird davon ausgegangen, dass die Offenbarung ein beliebiges computerlesbares Medium oder andere Äquivalente und Nachfolgemedien umfasst, auf denen Daten oder Anweisungen gespeichert werden können.
Obwohl die vorliegende Beschreibung Komponenten und Funktionen beschreibt, die in konkreten Ausführungsformen unter Bezugnahme auf konkrete Standards und Protokolle implementiert werden können, ist die Offenbarung nicht auf solche Standards und Protokolle beschränkt.
Die Zeichnungen der hier beschriebenen Ausführungsformen sollen ein allgemeines Verständnis der Struktur der verschiedenen Ausführungsformen liefern. Die Zeichnungen sollen nicht als eine vollständige Beschreibung aller der Elemente und Merkmale der hier beschriebenen Offenbarung dienen. Viele andere Ausführungsformen können für einen Fachmann bei der Lektüre der Offenbarung offensichtlich sein. Andere Ausführungsformen können verwendet und aus der Offenbarung abgeleitet werden, so dass strukturelle und logische Ersetzungen und Änderungen vorgenommen werden können, ohne vom Umfang der Offenbarung abzuweichen. Außerdem sind die Zeichnungen lediglich eine Repräsentation und sind möglicherweise nicht maßstabsgetreu gezeichnet. Bestimmte Proportionen innerhalb der Zeichnungen können übertrieben sein, während andere Proportionen verkleinert sein können. Dementsprechend sollen die Offenbarung und die Figuren als veranschaulichend und nicht einschränkend betrachtet werden.
Eine oder mehrere Ausführungsformen der Offenbarung können hierin einzeln und/oder gemeinsam der Einfachheit halber und ohne die Absicht, den Umfang dieser Anmeldung vorsätzlich auf eine einzelne Erfindung oder ein einzelnes erfinderisches Konzept zu begrenzen, mit dem Begriff „Erfindung“ bezeichnet werden. Obwohl konkrete Ausführungsformen hier dargestellt und beschrieben wurden, versteht es sich des Weiteren, dass eine beliebige nachfolgende Anordnung, die zum Erzielen desselben oder eines ähnlichen Zwecks ausgelegt ist, für die konkreten gezeigten Ausführungsformen eingesetzt werden kann. Diese Offenbarung soll beliebige und alle nachfolgenden Adaptationen oder Abwandlungen verschiedener Ausführungsformen abdecken. Kombinationen der vorstehenden Ausführungsformen, und andere Ausführungsformen, die hier nicht konkret beschrieben wurden, werden für einen Fachmann bei der Lektüre der Beschreibung offensichtlich sein.
Wie vorstehend beschrieben, wird gemäß einem Aspekt der vorliegenden Offenbarung ein Verfahren zum Optimieren von Verkaufsaktivitäten bei einem Einzelhändler vorgesehen. Das Verfahren umfasst: Empfangen, von einem ersten Server, von Verkaufsdaten; Empfangen, von einem zweiten Server, von Sensordaten, die durch ein autonomes Fahrzeug gesammelt werden; Identifizieren, durch einen Prozessor, einer Instanz, bei der ein Abschnitt der Sensordaten und ein Abschnitt der Verkaufsdaten korreliert sind; Identifizieren, durch den Prozessor, des Abschnitts der Sensordaten, der in der Instanz aufgenommen ist, wobei der Abschnitt der Sensordaten und der Abschnitt der Verkaufsdaten korreliert sind, als eines Auslösesignals; und Modifizieren, durch den Prozessor, eines Prozesses eines Zieleinzelhändlers auf der Grundlage des Auslösesignals.
Gemäß einem anderen Aspekt der vorliegenden Offenbarung umfassen die Verkaufsdaten eine Beschreibung verkaufter Artikel, einen Zeitpunkt, zu dem die Artikel verkauft wurden, und einen Standort, an dem die Artikel verkauft wurden.
Gemäß noch einem anderen Aspekt der vorliegenden Offenbarung werden die Verkaufsdaten von einem oder mehreren Zahlungstransaktionsterminals, die innerhalb einer Einzelhandelseinrichtung angeordnet sind, gesammelt.
Gemäß noch einem anderen Aspekt der vorliegenden Offenbarung umfasst ferner: Vergleichen, durch den Prozessor, des Auslösesignals mit einem vorgegebenen Schwellenwert; wenn eine Stärke des Auslösesignals größer oder gleich dem vorgegebenen Schwellenwert ist, Bestimmen, dass das Auslösesignal ein gültiges Auslösesignal ist; und wenn die Stärke des Auslösesignals kleiner ist als der vorgegebene Schwellenwert, Bestimmen, dass das Auslösesignal ein Auslösezwischensignal ist.
Gemäß einem anderen Aspekt der vorliegenden Offenbarung umfasst ferner: Erzeugen, durch den Prozessor, einer Routenmodifikationsanfrage zur Sammlung ergänzender Sensordaten, wobei die ergänzenden Sensordaten die Stärke des Auslösesignals zum Validieren des Auslösesignals erhöhen.
Gemäß noch einem anderen Aspekt der vorliegenden Offenbarung spezifiziert die Routenmodifikationsanfrage eine Geschwindigkeit der Fahrt für das autonome Fahrzeug während der Sammlung ergänzender Sensordaten.
Gemäß noch einem anderen Aspekt der vorliegenden Offenbarung spezifiziert die Routenmodifikationsanfrage die ergänzenden Sensordaten, die zu sammeln sind.
Gemäß noch einem anderen Aspekt der vorliegenden Offenbarung sammelt das autonome Fahrzeug die Sensordaten innerhalb einer Referenzdistanz vom Zieleinzelhändler zum Identifizieren des Auslösesignals.
Gemäß noch einem anderen Aspekt der vorliegenden Offenbarung umfasst ferner: Sammeln, durch ein Einzelhandelssystem in jedem der Vielzahl von Einzelhändlern, entsprechender Verkaufsdaten; Vergleichen, durch den ersten Server, von Verkaufsdaten zweier oder mehrerer der Vielzahl von Einzelhändlern auf eine Ähnlichkeit; Bestimmen, durch den ersten Server, eines Vorhandenseins einer hinreichenden Ähnlichkeit der verglichenen Verkaufsdaten, wenn ein Betrag der Ähnlichkeit größer oder gleich einem Referenzschwellenwert ist; Aggregieren, durch den ersten Server, den Verkaufsdaten, die die hinreichende Ähnlichkeit aufweisen, und Senden, durch den ersten Server, der aggregierten Verkaufsdaten als der Verkaufsdaten, die von dem ersten Server empfangen werden.
Gemäß noch einem anderen Aspekt der vorliegenden Offenbarung umfasst ferner: Sammeln, durch ein Einzelhandelssystem in jedem der Vielzahl von Einzelhändlern, entsprechender Verkaufsdaten; Vergleichen von Verkaufsdaten zweier oder mehrerer der Vielzahl von Einzelhändlern auf eine Ähnlichkeit; Bestimmen eines Vorhandenseins einer unzureichenden Ähnlichkeit der verglichenen Verkaufsdaten, wenn ein Betrag der Ähnlichkeit kleiner ist als ein Referenzschwellenwert; Identifizieren von Verkaufsdaten eines lokalen Einzelhändlers unten der Vielzahl von Einzelhändlern als lokaler Verkaufsdaten, wenn die Verkaufsdaten des lokalen Einzelhändlers die unzureichende Ähnlichkeit mit Verkaufsdaten anderer Einzelhändler der Vielzahl von Einzelhändlern aufweisen, und Senden der lokalen Verkaufsdaten als der von dem ersten Server empfangenen Verkaufsdaten.
Gemäß einem anderen Aspekt der vorliegenden Offenbarung umfasst das Modifizieren des Prozesses des Zieleinzelhändlers eine Modifikation einer Gestaltung eines Auslagenbereichs des Zieleinzelhandels.
Gemäß einem noch anderen Aspekt der vorliegenden Offenbarung umfasst das Modifizieren des Prozesses des Zieleinzelhändlers eine Modifikation einer Bestandsverwaltung.
Gemäß einem noch anderen Aspekt der vorliegenden Offenbarung umfasst das Modifizieren des Prozesses des Zieleinzelhändlers eine dynamische Erzeugung einer Verkaufsaktion.
Gemäß noch einem anderen Aspekt der vorliegenden Offenbarung umfasst das Verfahren ferner ein Identifizieren einer Werbung, die dem Auslösesignal entspricht.
Gemäß noch einem anderen Aspekt der vorliegenden Offenbarung umfasst das Verfahren ferner ein Senden der Werbung an eine Werbevorrichtung, wobei die Werbevorrichtung eine Anzeige und einen Lautsprecher umfasst.
Gemäß noch einem anderen Aspekt der vorliegenden Offenbarung wird das autonome Fahrzeug mit der Werbevorrichtung ausgestattet.
Gemäß noch einem anderen Aspekt der vorliegenden Offenbarung umfasst das autonome Fahrzeug mindestens eines von den Folgenden: einen Bildsensor, einen Audiosensor, einen Bewegungssensor, einen Lichtsensor, einen Funksensor, einen Funksensor und einen meteorologischen Sensor.
Gemäß noch einem anderen Aspekt der vorliegenden Offenbarung umfasst das Verfahren ferner: Sammeln eines anderen Satzes von Sensordaten, die durch ein anderes autonomes Fahrzeug gesammelt werden; und Bestimmen, durch das andere Fahrzeug und auf der Grundlage des anderen Satzes von Sensordaten, dass eine Steigerung einer Verkaufsaktivität erwartet wird, wenn der andere Satz von Sensordaten dem Auslösesignal entspricht.
Gemäß einem anderen Aspekt der vorliegenden Offenbarung wird ein nicht flüchtiges computerlesbares Speichermedium offenbart, das ein Computerprogramm speichert, wobei das Computerprogramm bei einer Ausführung durch einen Prozessor eine Computervorrichtung dazu veranlasst, einen Prozess durchzuführen. Der Prozess umfasst: Empfangen, von einem ersten Server, von Verkaufsdaten; Empfangen, von einem zweiten Server, von Sensordaten, die durch ein autonomes Fahrzeug gesammelt werden; Identifizieren einer Instanz, bei der ein Abschnitt der Sensordaten und ein Abschnitt der Verkaufsdaten korreliert sind; Identifizieren des Abschnitts der Sensordaten, der in der Instanz aufgenommen ist, wobei der Abschnitt der Sensordaten und der Abschnitt der Verkaufsdaten korreliert sind, als eines Auslösesignals; und Modifizieren eines Prozesses eines Zieleinzelhändlers auf der Grundlage des Auslösesignals.
Gemäß noch einem anderen Aspekt der vorliegenden Offenbarung wird eine Computervorrichtung zum Aktualisieren von Kartendaten für ein autonomes Fahrzeug (AF) vorgesehen. Die Computervorrichtung umfasst einen Speicher, der Anweisungen speichert, und einen Prozessor, der die Anweisungen ausführt, wobei bei einer Ausführung durch den Prozessor die Anweisungen den Prozessor dazu veranlassen, einen Satz von Operationen durchzuführen. Der Satz von Operationen umfasst: Empfangen, von einem ersten Server, von Verkaufsdaten; Empfangen, von einem zweiten Server, von Sensordaten, die durch ein autonomes Fahrzeug gesammelt werden; Identifizieren einer Instanz, bei der ein Abschnitt der Sensordaten und ein Abschnitt der Verkaufsdaten korreliert sind; Identifizieren des Abschnitts der Sensordaten, der in der Instanz aufgenommen ist, wobei der Abschnitt der Sensordaten und der Abschnitt der Verkaufsdaten korreliert sind, als eines Auslösesignals; und Modifizieren eines Prozesses eines Zieleinzelhändlers auf der Grundlage des Auslösesignals.
Die Zusammenfassung wird mit dem Verständnis eingereicht, dass sie nicht dazu verwendet wird, den Umfang oder die Bedeutung der Ansprüche auszulegen oder einzuschränken. Außerdem können in der vorstehenden Beschreibung von Ausführungsformen verschiedene Merkmale miteinander gruppiert oder in einer einzelnen Ausführungsform beschrieben werden, um die Offenbarung zu straffen. Diese Offenbarung soll nicht derart verstanden werden, dass sie eine Absicht widerspiegelt, dass die beanspruchten Ausführungsformen mehr Merkmale als ausdrücklich in jenem Anspruch genannt erfordern. Vielmehr kann sich, wie die nachstehenden Ansprüche wiedergeben, der erfindungsgemäße Gegenstand auf weniger als alle der Merkmale einer beliebigen der offenbarten Ausführungsformen richten. Daher werden die nachstehenden Ansprüche in der Beschreibung von Ausführungsformen aufgenommen, wobei jeder Anspruch für sich steht und den beanspruchten Gegenstand separat definiert.
Die vorhergehende Beschreibung der offenbarten Ausführungsformen wird geliefert, um einen Fachmann dazu zu befähigen, die vorliegende Offenbarung zu benutzen. Von daher ist der vorstehend offenbarte Gegenstand als veranschaulichend und nicht einschränkend zu betrachten, und die beigefügten Ansprüche sollen alle solchen Modifikationen, Verbesserungen und andere Ausführungsformen, die innerhalb des wahren Gedankens und Umfangs der vorliegenden Offenbarung liegen, abdecken. Daher soll im höchsten durch das Gesetzt erlaubten Maß der Umfang der vorliegenden Offenbarung durch die breiteste zulässige Auslegung der nachstehenden Ansprüche und ihrer Äquivalente bestimmt werden, und soll nicht durch die vorstehende Beschreibung von Ausführungsformen beschränkt oder begrenzt werden.
Obwohl die Erfindung ausführlich und unter Bezugnahme auf konkrete Ausführungsformen davon beschrieben wurde, wird es für einen Fachmann offensichtlich sein, dass verschiedene Änderungen oder Modifikationen daran vorgenommen werden können, ohne vom Erfindungsgedanken und Umfang abzuweichen. Die vorliegende Anmeldung beansprucht die Priorität der vorläufigen US-Patentanmeldung Nr. 62/528,770 , die am 5. Juli 2017 eingereicht wurde, und der nicht vorläufigen US-Patentanmeldung Nr. 16/022,083 , die am 28. Juni 2018 eingereicht wurde. Die gesamte Offenbarung der vorstehend identifizierten Anmeldung, einschließlich der Beschreibungen, Zeichnungen und/oder Ansprüche, wird hier durch Referenz in ihrer Gänze aufgenommen.
Industrielle Anwendbarkeit
Die Offenbarung liefert einen Vorteil dahingehend, dass ein System und ein Verfahren zum Optimieren unter Verwendung eines autonomen Fahrzeugs vorgesehen werden können, die es ermöglichen, Operationen bei einem Einzelhändler unter Verwendung von Daten, die durch ein autonomes Fahrzeug gesammelt werden, und Aktivitätsdaten beim Einzelhändler zu optimieren.
Bezugszeichenliste

100:: Computersystem
101:: Netzwerk
108:: Bus
110:: Prozessor
120:: Hauptspeicher
130:: statischer Speicher
140:: Netzwerkschnittstellenvorrichtung
150:: Videoanzeigeeinheit
160:: Eingabevorrichtung
170:: Cursorsteuervorrichtung
180:: Laufwerkseinheit
182:: computerlesbares Medium
184:: Anweisungen
190:: Signalerzeugungseinheit
210:: autonomes Verbraucherfahrzeug
220:: Einzelhandelssystemeinheit
230:: Einzelhandel sstandort-Verglei chseinheit
240:: Umgebungsdatenbank
250:: Analyseeinheit
260:: Einzelhandelsoptimierungseinheit
270:: Werbevorrichtung
300:: autonomes Fahrzeug
310:: Prozessor
320:: Routeneinheit
330:: Kommunikationseinheit
340:: Sensoren
341:: Bildsensor
342:: Audiosensor
343:: Bewegungssensor
344:: Lichtsensor
345:: Funksensor
346:: Temperatursensor
347:: Feuchtigkeitssensor
348:: Straßensensor
350:: andere Datenquellen
400:: Einzelhandelssystemeinheit
410:: Prozessor
420:: Kommunikationseinheit
430:: Datensammeleinheit
431:: Zahlungstransaktionseinheit
432:: Bildsensoren
433:: Kommunikationseinheit mobiler Vorrichtungen
434:: andere Datensammeleinheit
440:: Verkaufsdatenbank
500:: Analyseeinheit
510:: Prozessor
520:: Kommunikationseinheit
530:: Signalextraktionsalgorithmus
540:: Algorithmusoptimierungseinheit
550:: Signaldatenbank

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

US 62528770 [0146]
US 16022083 [0146]

Claims

Verfahren zum Optimieren von Operationen unter Verwendung eines autonomen Fahrzeugs, wobei das Verfahren umfasst: Empfangen, von einem ersten Server, von Eingabedaten, Empfangen, von einem zweiten Server, von Sensordaten, die durch das autonome Fahrzeug gesammelt werden, Identifizieren, durch einen Prozessor, einer Instanz, bei der ein Abschnitt der Sensordaten und ein Abschnitt der Eingabedaten korreliert sind, Identifizieren, durch den Prozessor, des Abschnitts der Sensordaten, der in der Instanz aufgenommen ist, wobei der Abschnitt der Sensordaten und der Abschnitt der Eingabedaten korreliert sind, als eines Auslösesignals, und Modifizieren, durch den Prozessor, eines Prozesses eines Zieleinzelhändlers auf der Grundlage des Auslösesignals.
Verfahren nach Anspruch 1, wobei die Eingabedaten umfassen: eine Beschreibung von verkauften Artikeln, einen Zeitpunkt, zu dem die Artikel verkauft wurden, und einen Standort, an dem die Artikel verkauft wurden.
Verfahren nach Anspruch 1 oder 2, wobei die Eingabedaten Verkaufsdaten, die von einem oder mehreren innerhalb einer Einzelhandelseinrichtung angeordneten Zahlungstransaktionsterminals gesammelt werden, umfassen.
Verfahren nach einem der Ansprüche 1 bis 3, ferner umfassend: Vergleichen, durch den Prozessor, des Auslösesignals mit einem vorgegeben Schwellenwert, wenn eine Stärke des Auslösesignals größer oder gleich dem vorgegebenen Schwellenwert ist, Bestimmen, dass das Auslösesignal ein gültiges Auslösesignal ist, und wenn die Stärke des Auslösesignals kleiner als der vorgegebene Schwellenwert ist, Bestimmen, dass das Auslösesignal ein Auslösezwischensignal ist.
Verfahren nach Anspruch 4, ferner umfassend: Erzeugen, durch den Prozessor, einer Routenmodifikationsanfrage zur Sammlung ergänzender Sensordaten, wobei die ergänzenden Sensordaten die Stärke des Auslösesignals zum Validieren des Auslösesignals erhöhen.
Verfahren nach Anspruch 5, wobei die Routenmodifikationsanfrage eine Geschwindigkeit der Fahrt für das autonome Fahrzeug während der Sammlung ergänzender Sensordaten spezifiziert.
Verfahren nach Anspruch 5, wobei die Routenmodifikationsanfrage die ergänzenden Sensordaten spezifiziert, die gesammelt werden sollen.
Verfahren nach einem der Ansprüche 1 bis 7, wobei das autonome Fahrzeug die Sensordaten innerhalb einer Referenzdistanz vom Zieleinzelhändler zum Identifizieren des Auslösesignals sammelt.
Verfahren nach einem der Ansprüche 1 bis 8, ferner umfassend: Sammeln, durch ein Einzelhandelssystem in jedem der Vielzahl von Einzelhändlern, entsprechender Eingabedaten, Vergleichen, durch den ersten Server, von Eingabedaten zweier oder mehrerer der Vielzahl von Einzelhändlern auf eine Ähnlichkeit, Bestimmen, durch den ersten Server, eines Vorhandenseins einer hinreichenden Ähnlichkeit der verglichenen Eingabedaten, wenn ein Betrag der Ähnlichkeit größer oder gleich einem Referenzschwellenwert ist, Aggregieren, durch den ersten Server, der Eingabedaten, die die hinreichende Ähnlichkeit aufweisen, und Senden, durch den ersten Server, der aggregierten Eingabedaten als der vom ersten Server empfangenen Eingabedaten.
Verfahren nach einem der Ansprüche 1 bis 8, ferner umfassend: Sammeln, durch ein Einzelhandelssystem in jedem der Vielzahl von Einzelhändlern, entsprechender Eingabedaten, Vergleichen von Eingabedaten zweier oder mehrerer der Vielzahl von Einzelhändlern auf eine Ähnlichkeit, Bestimmen eines Vorhandenseins einer unzureichenden Ähnlichkeit der verglichenen Eingabedaten, wenn ein Betrag der Ähnlichkeit kleiner ist als ein Referenzschwellenwert, Identifizieren von Eingabedaten eines lokalen Einzelhändlers in der Vielzahl von Einzelhändlern als lokaler Eingabedaten, wenn die Eingabedaten des lokalen Einzelhändlers die unzureichende Ähnlichkeit mit Eingabedaten anderer Einzelhändler der Vielzahl von Einzelhändlern aufweisen, und Senden der lokalen Eingabedaten als der vom ersten Server empfangenen Eingabedaten.
Verfahren nach einem der Ansprüche 1 bis 10, wobei das Modifizieren des Prozesses des Zieleinzelhändlers eine Modifikation einer Gestaltung eines Auslagebereichs des Zieleinzelhändlers umfasst.
Verfahren nach einem der Ansprüche 1 bis 10, wobei das Modifizieren des Prozesses des Zieleinzelhändlers eine Modifikation einer Bestandsverwaltung umfasst.
Verfahren nach einem der Ansprüche 1 bis 10, wobei das Modifizieren des Prozesses des Zieleinzelhändlers eine dynamische Erzeugung einer Verkaufsaktion umfasst.
Verfahren nach einem der Ansprüche 1 bis 13, ferner umfassend: Identifizieren einer Werbung, die dem Auslösesignal entspricht.
Verfahren nach Anspruch 14, ferner umfassend: Senden der Werbung an eine Werbevorrichtung, wobei die Werbevorrichtung eine Anzeige und einen Lautsprecher umfasst.
Verfahren nach Anspruch 15, wobei das autonome Fahrzeug mit der Werbevorrichtung ausgestattet wird.
Verfahren nach einem der Ansprüche 1 bis 16, wobei das autonome Fahrzeug mindestens eines von den Folgenden umfasst: einen Bildsensor, einen Audiosensor, einen Bewegungssensor, einen Lichtsensor, einen Funksensor, einen Funksensor, und einen meteorologischen Sensor.
Verfahren nach einem der Ansprüche 1 bis 17, das ferner umfasst: Sammeln eines anderen Satzes von Sensordaten, die durch ein anderes autonomes Fahrzeug gesammelt werden, und Bestimmen, durch das andere Fahrzeug und auf der Grundlage des anderen Satzes von Sensordaten, dass eine Steigerung einer Verkaufsaktivität erwartet wird, wenn der andere Satz von Sensordaten mit dem Auslösesignal übereinstimmt.
Nicht flüchtiges computerlesbares Speichermedium, das ein Computerprogramm speichert, wobei das Computerprogramm bei einer Ausführung durch einen Prozessor eine Computervorrichtung dazu veranlasst, einen Prozess durchzuführen, umfassend: Empfangen, von einem ersten Server, von Eingabedaten, Empfangen, von einem zweiten Server, von Sensordaten, die durch ein autonomes Fahrzeug gesammelt werden, Identifizieren einer Instanz, bei der ein Abschnitt der Sensordaten und ein Abschnitt der Eingabedaten korreliert sind, Identifizieren des Abschnitts der Sensordaten, der in der Instanz aufgenommen ist, wobei der Abschnitt der Sensordaten und der Abschnitt der Eingabedaten korreliert sind, als eines Auslösesignals, und Modifizieren eines Prozesses eines Zieleinzelhändlers auf der Grundlage des Auslösesignals.
Computervorrichtung zum Optimieren von Operationen unter Verwendung eines autonomen Fahrzeugs, wobei die Computervorrichtung umfasst: einen Speicher, der Anweisungen speichert, und einen Prozessor, der die Anweisungen ausführt, wobei, wenn sie durch den Prozessor ausgeführt werden, die Anweisungen den Prozessor dazu veranlassen, Operationen durchzuführen, umfassend: Empfangen, von einem ersten Server, von Eingabedaten, Empfangen, von einem zweiten Server, von Sensordaten, die durch das autonome Fahrzeug gesammelt werden, Identifizieren einer Instanz, bei der ein Abschnitt der Sensordaten und ein Abschnitt der Eingabedaten korreliert sind; Identifizieren des Abschnitts der Sensordaten, der in der Instanz aufgenommen ist, wobei der Abschnitt der Sensordaten und der Abschnitt der Eingabedaten korreliert sind, als eines Auslösesignals, und Modifizieren eines Prozesses eines Zieleinzelhändlers auf der Grundlage des Auslösesignals.