WO2022128198A1 - Verfahren und vorrichtung zur berücksichtigung von vorausbuchungen und spontanbuchungen bei einem fahrzeug-pooling system - Google Patents

Verfahren und vorrichtung zur berücksichtigung von vorausbuchungen und spontanbuchungen bei einem fahrzeug-pooling system Download PDF

Info

Publication number
WO2022128198A1
WO2022128198A1 PCT/EP2021/078076 EP2021078076W WO2022128198A1 WO 2022128198 A1 WO2022128198 A1 WO 2022128198A1 EP 2021078076 W EP2021078076 W EP 2021078076W WO 2022128198 A1 WO2022128198 A1 WO 2022128198A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicles
bookings
spontaneous
time
assignment
Prior art date
Application number
PCT/EP2021/078076
Other languages
English (en)
French (fr)
Inventor
Heidrun Belzner
Daniel Kotzor
Original Assignee
Bayerische Motoren Werke Aktiengesellschaft
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Bayerische Motoren Werke Aktiengesellschaft filed Critical Bayerische Motoren Werke Aktiengesellschaft
Publication of WO2022128198A1 publication Critical patent/WO2022128198A1/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q50/40—

Definitions

  • the invention relates to a method and a corresponding device for determining an optimized assignment between bookings and vehicles in a vehicle pooling system.
  • the allocation of vehicles to passengers can be described as a so-called dial-a-ride problem and, as an extension of the traveling salesman problem, represents an NP-hard problem.
  • the present document deals with the technical task of enabling an optimized, in particular an optimal, allocation of vehicles and journey bookings in real time, in particular when there is a combination of (static) advance bookings and (dynamic) spontaneous bookings.
  • a device for determining an assignment of a set of bookings for a corresponding set of trips to a set of vehicles, wherein the one or more vehicles are designed to carry out one or more trips.
  • the device can be designed to allocate trips booked by the user to a number of vehicles in terms of a specific target function, so that the target function is improved, in particular optimized.
  • the device is set up to divide a set of advance bookings for one or more trips in an overall period (e.g. for a current day) into a plurality of different time intervals (e.g. time intervals each lasting 1-2 hours) in order to form a plurality of subsets to determine advance bookings for the corresponding plurality of time intervals.
  • an overall period e.g. for a current day
  • a plurality of different time intervals e.g. time intervals each lasting 1-2 hours
  • a pre-booking of a user can thereby indicate: the pick-up location at which the user is to be picked up by a vehicle from the set of vehicles, and/or the destination to which the user is to be driven by a vehicle from the set of vehicles display the upcoming time window on which or in which the user can also pre-book an upcoming pick-up time or a vehicle from the set of vehicles to be picked up.
  • the upcoming collection time or the upcoming time window can be in the current time interval or in an upcoming time interval from the set of time intervals.
  • the time intervals can be selected in such a way that an assignment between bookings and vehicles in the individual time intervals can be determined within a certain maximum permissible computing time (e.g. 5 seconds or less) (e.g. using a branch & bound method).
  • a certain maximum permissible computing time e.g. 5 seconds or less
  • the device can be set up to divide the amount of advance bookings for the entire period into a plurality of different time intervals, in particular by adjusting the duration of the individual time intervals, such that the determination of an assignment for the individual time intervals in each case requires a maximum permissible computing complexity and/or the does not exceed the maximum permissible computing time.
  • the total time period can be divided into individual (overlapping or non-overlapping) time intervals depending on the number of advance bookings available and/or depending on the temporal distribution of the advance bookings available. In this case, an overlap between directly consecutive time intervals can be such that a Markov condition is fulfilled.
  • the device can also be set up to determine a number of spontaneous bookings for one or more trips in a current time interval from the plurality of time intervals.
  • a spontaneous booking by a user can indicate: the pick-up location at which the user is to be picked up by a vehicle from the set of vehicles, and/or the destination to which the user is to be driven by a vehicle from the set of vehicles should be driven. Furthermore, a spontaneous booking can indicate that the user should be picked up immediately if possible. A spontaneous booking can therefore be associated with an immediate pick-up time or a time in advance.
  • the device can be set up to determine a current association between the subset of advance bookings and the set of spontaneous bookings on the one hand and the set of vehicles on the other hand for the current time interval.
  • the current assignment can be determined using a branch & bound method. It can thus be determined how the one or more bookings that fall within the current time interval (which in particular have a pick-up time that falls within the current time interval) can be distributed to the one or more vehicles (in particular in order to achieve a specific target function to improve, in particular to optimize). Due to the limitation to the current time interval, the current assignment can be determined within the maximum permissible computing time. This makes it possible to give the one or more users quick feedback on the respective booking.
  • the device can also be set up to determine, in particular to update, a future association between the respective subset of advance bookings on the one hand and the set of vehicles on the other hand for one or more preceding time intervals from the plurality of time intervals.
  • a pending assignment can be determined using a Branch&Bound method.
  • a device which can determine an optimized association between trip bookings and vehicles in a precise and efficient manner in order to provide an efficient and convenient trip pooling system.
  • the device can be set up to determine that there is a new spontaneous booking for the current time interval.
  • the current assignment can then be determined, in particular updated, with the set of spontaneous bookings including the new spontaneous booking.
  • the total number of (spontaneous and advance) bookings taken into account for the current time interval can (also) include the new spontaneous booking.
  • An updated assignment can be determined in a corresponding manner if a spontaneous or advance booking is omitted.
  • the device can thus be set up to react promptly to a changed booking situation.
  • the device can be set up to determine an assignment depending on a target function (e.g. in order to optimize the target function).
  • the target function can be dependent on: the distance traveled by the one or more vehicles from the set of vehicles and/or the travel time expended, and/or the waiting time spent by the one or more vehicles from the set of vehicles between consecutive trips.
  • the device can be set up to give feedback to a user (eg in the form of a data message) based on the determined current assignment, who has made a first spontaneous booking from the set of spontaneous bookings.
  • the feedback can indicate: which vehicle from the set of vehicles will carry out the trip corresponding to the first spontaneous booking; and/or at which pick-up time or at which pick-up time the user will be picked up at the pick-up location specified in the first spontaneous booking.
  • the feedback can, for example, be output to the user via a user device (such as a smartphone). The convenience for the user can be increased further by providing feedback.
  • the device can be set up to determine the allocation for a time interval on the basis of the initial state of the set of vehicles at the start of the time interval.
  • the initial state of the set of vehicles at the beginning of the time interval can correspond to the final state of the set of vehicles at the end of the immediately preceding time interval (especially when the directly consecutive time intervals do not overlap but directly adjoin one another).
  • the initial state of the set of vehicles at the beginning of the time interval may correspond to an intermediate state of the set of vehicles at an intermediate point in time of the immediately preceding time interval (particularly when the immediately subsequent time intervals overlap).
  • the intermediate point in time can correspond to the start point in time of the time interval.
  • the device can be set up, as part of the determination of the assignment for the time interval, to determine the end state of the set of vehicles at the end of the time interval or the intermediate state of the set of vehicles at an intermediate point in time of the time interval (which is then used as the initial state for the directly subsequent time interval can be used).
  • an overall assignment for the entire period can be determined in a precise and robust manner on the basis of the assignments for the plurality of time intervals.
  • the device can be set up to cause the one or more vehicles from the set of vehicles to be operated according to the determined current assignment or according to a determined upcoming assignment. For this purpose, feedback can be sent to the drivers of the one or more vehicles (eg to the driver's user devices). In this way, a reliable and robust provision of driving services can be made possible.
  • An association for a vehicle from the set of vehicles may indicate: one or more pickup locations for picking up one or more users who have made a pre-booking or a spontaneous booking; one or more destinations for dropping off one or more users who have made a pre-booking or a spontaneous booking; and/or a route taken by the vehicle for one or more trips for one or more advance or spontaneous bookings.
  • a method for determining an assignment of a set of bookings for a corresponding set of trips to a set of vehicles includes dividing a set of advance bookings for one or more trips in an overall time period into a plurality of different time intervals to determine a plurality of subsets of advance bookings for the corresponding plurality of time intervals.
  • the method also includes determining a set of spontaneous bookings for one or more trips in a current time interval from the plurality of time intervals. In other words, the number of spontaneous bookings that fall within the current time interval can be determined.
  • the method also includes determining, for the current time interval, a current assignment between the subset of advance bookings and the set of spontaneous bookings on the one hand and the set of vehicles on the other hand.
  • the method can also include determining, for one or more future time intervals from the plurality of time intervals, a respective future assignment between the respective subset of advance bookings on the one hand and the set of vehicles on the other hand.
  • SW software program
  • the SW program can be set up to run on a processor (e.g. on a server) and thereby perform the method described in this document.
  • a storage medium can comprise a SW program which is set up to be executed on a processor and thereby to carry out the method described in this document.
  • FIG. 1 shows an exemplary road network
  • FIG. 2 shows an exemplary division of the allocation problem for an overall time period into a plurality of allocation problems for a corresponding plurality of partial time intervals
  • FIG. 3 shows a flowchart of an exemplary method for determining an assignment of trip bookings to vehicles.
  • FIG. 1 shows an exemplary road network 100 with a plurality of roads 102 and nodes 101 between different roads 102.
  • a set of vehicles 120 can be arranged, each of which can provide a driving service.
  • each individual vehicle 120 can transport one or more users 110 of the driving service, ie one or more passengers, from a respective pick-up location to a respective destination.
  • a user 110 can make a booking for a trip at a central unit 150, e.g. A booking can indicate
  • a booking can be made in advance, e.g. an hour or more, or a day or more before the pick-up time. Such a booking can be referred to as a (static) advance booking. On the other hand, a booking can be made with an immediate or the next possible pick-up time. Such a booking can be referred to as a spontaneous booking.
  • the number of vehicles 120 and/or the number of bookings in a given time period (eg, over the course of a day) and/or in a given regional area may be relatively high. This can result in an optimized assignment between the set of available vehicles 120 and the set of bookings only being able to be calculated with a relatively high expenditure of time, for example using an assignment tree and a so-called branch-and-bound method. In particular, it is typically not possible to determine a recalculation of the assignment for a specific overall period when a spontaneous booking arrives in a relatively short time (for example in a few seconds).
  • FIG. 2 shows a set of advance bookings 211 for journeys that are distributed over an overall period 200 . The advance bookings 211 are shown in Figure 2 as open circles.
  • the central unit 150 can be set up to subdivide the overall time period 200 into a plurality of partial time periods or time intervals 201 .
  • a day can be divided into time intervals 201 of one or two hours each.
  • the duration of the individual time intervals 201 can be selected depending on the number of vehicles 110 and/or the number of bookings 211, 212.
  • the duration of a time interval 201 can be specified in such a way that the assignment problem to be solved for the time interval 201 does not exceed a maximum permissible problem complexity.
  • the maximum allowable problem complexity can be set such that a mapping problem with the maximum allowable problem complexity can be solved within a maximum allowable computation time (e.g., 3 seconds or less).
  • the total period of time 200 can be divided into a plurality of time intervals 201 such that
  • a current time interval 201 with one or more (in particular with two) spontaneous bookings 212 is shown in FIG. 2 .
  • the one or more subsequent time intervals 201 typically do not contain any spontaneous bookings 212 (since a spontaneous booking 212 is associated with a pick-up time that is as close as possible to the time).
  • the arrival of a new spontaneous booking 212 can cause a recalculation of the assignment problem in the current time interval 201 .
  • An initial state 202 valid at the start of the current time interval 201 can be taken into account (in particular with regard to the positions and/or the occupancy state of the one or more vehicles 120 from the set of vehicles 120). Taking into account the initial state 202 of the current time interval 201, the assignment problem can then be solved in isolation within the current time interval 201 (without taking into account the one or more subsequent time intervals 201).
  • the final state (in particular the positions and/or the occupancy states) of the one or more vehicles 110 at the end of the current time interval 201 can be determined.
  • the final state determined can be taken into account as the initial state 202 for the time interval 201 that directly follows.
  • a recalculation of the respective assignment problem or the respective assignment can then be carried out sequentially for the individual subsequent time intervals 201 .
  • the Markov condition is taken into account to the effect that the state of a System at a specific point in time (e.g. in a time interval 201) is independent of the state of the system at at least one or at all previous points in time (e.g. one or more previous time intervals 201) if the points in time are sufficiently far apart.
  • the time intervals 201 can at least partially overlap, so that an end section of a first time interval 201 corresponds to the start section of a second time interval 201 that follows directly. For example, there can be an overlap of 10% to 50% of the length of consecutive time intervals 201.
  • the quality of the solution to the assignment problem for the overall time period 200 can be further increased by the overlapping of directly consecutive time intervals 201 .
  • a recalculation of the respective assignment problem or the respective assignment can be carried out sequentially for the individual subsequent (overlapping in time) time intervals 201 .
  • a central and/or processing unit 150 is thus described, which is set up to determine an (at least almost optimal) assignment of vehicles 120 to user requests 211, 212 in the event of a new request for a spontaneous booking 212 and/or for a pre-booking 211.
  • the assignment typically takes place as a function of a target function to be optimized.
  • the target function can depend on the waiting time of the drivers of one or more Vehicles 120 and/or depend on the extent of detours of the one or more vehicles 120 and/or on the travel time to the different destinations.
  • the existing and new user queries 211, 212 can be determined for a respectively relevant query period. In the case of a spontaneous booking 212, this is e.g. the current time and/or in the case of an advance booking 211, this is e.g. a suitable time window around the respectively desired pick-up time. Advance bookings 211 are typically sparse throughout the day 200 initially. Spontaneous bookings 212 typically only occur in directly consecutive routes of the individual vehicles 120 . The waiting time parameter for the one or more vehicles 120 can therefore be taken into account as part of the solution to the assignment problem. The waiting time parameter also allows the pick-up location of a booking 211, 212 to be approached earlier.
  • a branch & bound method is typically relatively resource-intensive.
  • the entire allocation problem for an overall period 200 (which may include a mixture of static and dynamic postings 211, 212) is therefore divided into a number of sub-problems (for a number of time intervals 201). The solutions to the sub-problems can then be combined again.
  • the method 300 includes dividing 301 a set of advance bookings 211 for one or more trips in a total period 200 to a plurality of different time intervals 201 in order to determine a plurality of subsets of advance bookings 211 for the corresponding plurality of time intervals 201.
  • advance bookings 211 can have been made by users 110 for journeys that extend over a specific, future overall period 200 (such as the current day).
  • the total time period 200 can be subdivided into a plurality (in particular into a sequence) of consecutive time intervals 201, and the subset of advance bookings 211 that fall within the respective time interval 201 can be determined for each time interval 201.
  • the assignment to the individual time intervals 201 can be based on the booked pick-up time of the advance bookings 211 .
  • the method 300 further includes determining 302 a set of (one or more) spontaneous bookings 212 for one or more trips in one current time interval 201 from the plurality of time intervals 201. In other words, it can be determined whether there are one or more spontaneous bookings 212 in the current time interval 201 (which have a pick-up time that falls in the current time interval 201).
  • the method also includes determining 303, for the current time interval 201, a current assignment between the subset of advance bookings 211 (for the current time interval 201) and the set of spontaneous bookings 212 (for the current time interval 201) on the one hand and the set of vehicles 120 on the other hand.
  • a current assignment between the subset of advance bookings 211 (for the current time interval 201) and the set of spontaneous bookings 212 (for the current time interval 201) on the one hand and the set of vehicles 120 on the other hand For this purpose, an assignment tree of possible assignments between bookings 211, 212 and vehicles 120 can be created.
  • a Branch&Bound method can also be used to determine an optimized assignment from the assignment tree as the current assignment for the current time interval 201 .
  • the method 300 can include determining, in particular updating, 304, for one or more preceding (i.e., chronologically in the future) time intervals 201 from the plurality of time intervals 201, of a respective preceding assignment between the respective subset of advance bookings 211 on the one hand and the set of vehicles 120 on the other hand.
  • determining, in particular updating, 304 for one or more preceding (i.e., chronologically in the future) time intervals 201 from the plurality of time intervals 201, of a respective preceding assignment between the respective subset of advance bookings 211 on the one hand and the set of vehicles 120 on the other hand.
  • an allocation tree using the Branch&Bound method can be used.
  • the measures described in this document thus make it possible to determine a (nearly) optimal association between the set of vehicles 120 and the set of trip bookings 211, 212 for an overall period 200 in a computationally efficient manner.
  • This makes it possible to give the users of driving services quick feedback on a booking 211, 212 (e.g. within a few seconds), in particular in the case of a spontaneous booking 212 and/or an advance booking 211.
  • the present invention is not limited to the exemplary embodiments shown. In particular, it should be noted that the description and the figures are only intended to illustrate the principle of the proposed methods, devices and systems by way of example.

Abstract

Es wird eine Vorrichtung (150) zur Ermittlung einer Zuordnung einer Menge von Buchungen (211, 212) für eine entsprechende Menge von Fahrten zu einer Menge von Fahrzeugen (120) beschrieben, die ausgebildet ist, ein oder mehrere Fahrten durchzuführen. Die Vorrichtung (150) ist eingerichtet, eine Menge von Vorausbuchungen (211) für ein oder mehrere Fahrten in einem Gesamtzeitraum (200) auf eine Mehrzahl von unterschiedlichen Zeitintervallen (201) aufzuteilen, um eine Mehrzahl von Teilmengen von Vorausbuchungen (211) für die entsprechende Mehrzahl von Zeitintervallen (201) zu ermitteln. Die Vorrichtung (150) ist ferner eingerichtet, eine Menge von Spontanbuchungen (212) für ein oder mehrere Fahrten in einem aktuellen Zeitintervall (201) aus der Mehrzahl von Zeitintervallen (201) zu ermitteln. Außerdem ist die Vorrichtung (150) eingerichtet, für das aktuelle Zeitintervall (201) eine aktuelle Zuordnung zwischen der Teilmenge von Vorausbuchungen (211) und der Menge von Spontanbuchungen (212) einerseits und der Menge von Fahrzeugen (120) andererseits zu ermitteln.

Description

Verfahren und Vorrichtung zur Berücksichtigung von Vorausbuchungen und Spontanbuchungen bei einem Fahrzeug-Pooling System
Die Erfindung betrifft ein Verfahren und eine entsprechende Vorrichtung zur Ermittlung einer optimierten Zuordnung zwischen Buchungen und Fahrzeugen in einem Fahrzeug-Pooling System.
Dienste im Bereich On-Demand Mobilität haben in den letzten Jahren immer mehr an Bedeutung gewonnen. Gründe sind unter anderem der Parkdruck in den Städten, Kosten für ein eigenes Fahrzeug. Des Weiteren besteht der Wunsch weiterhin flexibel mobil zu sein. Neben CarSharing werden auch weitere Sharing- Dienste wie Fahrzeug-Pooling angeboten.
Die Zuteilung von Fahrzeugen zu Fahrgästen kann als sogenanntes Dial-A-Ride Problem beschrieben werden, und stellt als Erweiterung des Travelling Salesman Problems ein NP-schweres Problem dar. Das bedeutet, dass die Rechenzeit mit zunehmender Problemgröße (Anzahl von Fahrzeugen und/oder Anzahl von Fahrgästen bzw. Buchungen) exponentiell ansteigt. Als Folge daraus, können optimale Zuteilungen zwischen Fahrzeugen und Fahrt-Buchungen häufig nicht in Echtzeit berechnet werden.
Das vorliegende Dokument befasst sich mit der technischen Aufgabe, eine optimierte, insbesondere eine optimale, Zuteilung von Fahrzeugen und Fahrt- Buchungen in Echtzeit zu ermöglichen, insbesondere bei Vorliegen einer Kombination von (statischen) Vorau sbuchungen und (dynamischen) Spontanbuchungen.
Die Aufgabe wird durch jeden der unabhängigen Ansprüche gelöst. Vorteilhafte Ausführungsformen werden u.a. in den abhängigen Ansprüchen beschrieben. Es wird darauf hingewiesen, dass zusätzliche Merkmale eines von einem unabhängigen Patentanspruch abhängigen Patentanspruchs ohne die Merkmale des unabhängigen Patentanspruchs oder nur in Kombination mit einer Teilmenge der Merkmale des unabhängigen Patentanspruchs eine eigene und von der Kombination sämtlicher Merkmale des unabhängigen Patentanspruchs unabhängige Erfindung bilden können, die zum Gegenstand eines unabhängigen Anspruchs, einer Teilungsanmeldung oder einer Nachanmeldung gemacht werden kann. Dies gilt in gleicher Weise für in der Beschreibung beschriebene technische Lehren, die eine von den Merkmalen der unabhängigen Patentansprüche unabhängige Erfindung bilden können.
Gemäß einem Aspekt wird eine Vorrichtung (z.B. ein Server) zur Ermittlung einer Zuordnung einer Menge von Buchungen für eine entsprechende Menge von Fahrten zu einer Menge von Fahrzeugen beschrieben, wobei die ein oder mehreren Fahrzeuge ausgebildet sind, ein oder mehrere Fahrten durchzuführen. Insbesondere kann die Vorrichtung darauf ausgerichtet sein, im Sinne einer bestimmte Zielfunktion von Nutzem gebuchte Fahrten einer Menge von Fahrzeugen zuzuordnen, so dass die Zielfunktion verbessert, insbesondere optimiert, wird.
Die Vorrichtung ist eingerichtet, eine Menge von Vorausbuchungen für ein oder mehrere Fahrten in einem Gesamtzeitraum (z.B. für einen aktuellen Tag) auf eine Mehrzahl von unterschiedlichen Zeitintervallen (z.B. Zeitintervalle mit einer Dauer von jeweils 1-2 Stunden) aufzuteilen, um eine Mehrzahl von Teilmengen von Vorausbuchungen für die entsprechende Mehrzahl von Zeitintervallen zu ermitteln.
Eine Vorausbuchung eines Nutzers kann dabei anzeigen: den Abholort, an dem der Nutzer von einem Fahrzeug aus der Menge von Fahrzeugen abgeholt werden soll, und/oder den Zielort, zu dem der Nutzer von einem Fahrzeug aus der Menge von Fahrzeugen gefahren werden soll, ein vorausliegenden Zeitfenster anzeigen, an dem oder in dem der Nutzer von Ferner kann eine Vorausbuchung einen vorausliegenden Abholzeitpunkt oder einem Fahrzeug aus der Menge von Fahrzeugen abgeholt werden soll. Der vorausliegende Abholzeitpunkt oder das vorausliegende Zeitfenster können dabei in dem aktuellen Zeitintervall oder in einem vorau sliegenden Zeitintervall aus der Menge von Zeitintervallen liegen.
Es kann somit eine Unterteilung der Vorausbuchungen in unterschiedliche Zeitintervalle vorgenommen werden. Die Zeitintervalle können dabei derart gewählt werden, dass eine Zuordnung zwischen Buchungen und Fahrzeugen in den einzelnen Zeitintervallen innerhalb einer bestimmten maximal zulässigen Rechenzeitdauer (z.B. 5 Sekunden oder weniger) ermittelt werden kann (z.B. mittels einer Branch&Bound Methode).
Die Vorrichtung kann insbesondere eingerichtet sein, die Menge von Vorausbuchungen für den Gesamtzeitraum derart auf eine Mehrzahl von unterschiedlichen Zeitintervallen aufzuteilen, insbesondere durch Anpassen der Dauer der einzelnen Zeitintervalle, dass das Ermitteln einer Zuordnung für die einzelnen Zeitintervalle jeweils eine maximal zulässige Rechenkomplexität und/oder die maximal zulässige Rechenzeitdauer nicht überschreitet. Die Aufteilung des Gesamtzeitraums in einzelne (überlappende oder nicht überlappende) Zeitintervalle kann dabei in Abhängigkeit von der Anzahl von vorliegenden Vorau sbuchungen und/oder in Abhängigkeit von der zeitlichen Verteilung der vorliegenden Vorausbuchungen erfolgen. Eine Überlappung zwischen direkt aufeinander folgenden Zeitintervallen kann dabei derart sein, dass eine Markov-Bedingung erfüllt wird.
Die Vorrichtung kann ferner eingerichtet sein, eine Menge von Spontanbuchungen für ein oder mehrere Fahrten in einem aktuellen Zeitintervall aus der Mehrzahl von Zeitintervallen zu ermitteln.
Eine Spontanbuchung eines Nutzers kann anzeigen: den Abholort, an dem der Nutzer von einem Fahrzeug aus der Menge von Fahrzeugen abgeholt werden soll, und/oder den Zielort, zu dem der Nutzer von einem Fahrzeug aus der Menge von Fahrzeugen gefahren werden soll. Ferner kann eine Spontanbuchung anzeigen, dass der Nutzer nach Möglichkeit sofort abgeholt werden soll. Eine Spontanbuchung kann somit mit einem sofortigen oder einem zeitlich vorausliegenden Abholzeitpunkt assoziiert sein.
Außerdem kann die Vorrichtung eingerichtet sein, für das aktuelle Zeitintervall eine aktuelle Zuordnung zwischen der Teilmenge von Vorausbuchungen und der Menge von Spontanbuchungen einerseits und der Menge von Fahrzeugen andererseits zu ermitteln. Die aktuelle Zuordnung kann dabei mittels einer Branch&Bound Methode ermittelt werden. Es kann somit ermittelt werden, wie die ein oder mehreren Buchungen, die in das aktuelle Zeitintervall fallen (die insbesondere einen Abholzeitpunkt aufweisen, der in das aktuelle Zeitintervall fällt), auf die ein oder mehreren Fahrzeuge verteilt werden können (insbesondere um eine bestimmte Zielfunktion zu verbessern, insbesondere zu optimieren). Aufgrund der Begrenzung auf das aktuelle Zeitintervall kann die aktuelle Zuordnung innerhalb der maximal zulässigen Rechenzeitdauer ermittelt werden. So wird es ermöglicht, den ein oder mehreren Nutzem eine schnelle Rückmeldung in Bezug auf die jeweilige Buchung zu geben.
Die Vorrichtung kann ferner eingerichtet sein, für ein oder mehrere vorausliegende Zeitintervalle aus der Mehrzahl von Zeitintervallen jeweils eine vorausliegende Zuordnung zwischen der jeweiligen Teilmenge von Vorausbuchungen einerseits und der Menge von Fahrzeugen andererseits zu ermitteln, insbesondere zu aktualisieren. Dabei kann eine vorausliegende Zuordnung mittels einer Branch&Bound Methode ermittelt werden.
Es wird somit eine Vorrichtung beschrieben, die in präziser und effizienter Weise eine optimierte Zuordnung zwischen Fahrt-Buchungen und Fahrzeugen ermitteln kann, um ein effizientes und komfortables Fahrt-Pooling System bereitzu stellen. Die Vorrichtung kann eingerichtet sein, zu bestimmen, dass eine neue Spontanbuchung für das aktuelle Zeitintervall vorliegt. In Reaktion darauf kann dann die aktuelle Zuordnung ermittelt, insbesondere aktualisiert, werden, wobei die Menge von Spontanbuchungen die neue Spontanbuchung umfasst. Insbesondere kann die insgesamt für das aktuelle Zeitintervall berücksichtigte Menge von (Spontan- und Voraus-) Buchungen (auch) die neue Spontanbuchung umfassen. In entsprechender Weise kann eine aktualisierte Zuordnung ermittelt werden, wenn eine Spontan- oder Vorausbuchung wegfällt. Die Vorrichtung kann somit eingerichtet sein, zeitnah auf eine geänderte Buchungssituation zu reagieren.
Wie bereits oben dargelegt, kann die Vorrichtung eingerichtet sein, eine Zuordnung in Abhängigkeit von einer Zielfunktion zu ermitteln (z.B. um die Zielfunktion zu optimieren). Die Zielfunktion kann abhängig sein von: der von den ein oder mehreren Fahrzeugen aus der Menge von Fahrzeugen zurückgelegten Fahrstrecke und/oder der aufgebrachten Fahrzeitdauer, und/oder der von den ein oder mehreren Fahrzeugen aus der Menge von Fahrzeugen aufgebachten Wartezeit zwischen aufeinanderfolgenden Fahrten.
Die Vorrichtung kann eingerichtet sein, auf Basis der ermittelten aktuellen Zuordnung eine Rückmeldung an einen Nutzer zu geben (z.B. in Form einer Daten-Nachricht), der eine erste Spontanbuchung aus der Menge von Spontanbuchungen getätigt hat. Die Rückmeldung kann anzeigen: welches Fahrzeug aus der Menge von Fahrzeugen die der ersten Spontanbuchung entsprechende Fahrt durchführen wird; und/oder an welchem Abholzeitpunkt bzw. an welcher Abholzeit der Nutzer an dem in der ersten Spontanbuchung spezifizierten Abholort abgeholt werden wird. Die Rückmeldung kann z.B. über ein Anwendergerät (etwa ein Smartphone) des Nutzers an den Nutzer ausgegeben werden. Durch die Bereitstellung einer Rückmeldung kann der Komfort für den Nutzer weiter erhöht werden. Die Vorrichtung kann eingerichtet sein, die Zuordnung für ein Zeitintervall auf Basis des Anfangszustands der Menge von Fahrzeugen an dem Anfang des Zeitintervalls zu ermitteln. Dabei kann der Anfangszustand der Menge von Fahrzeugen an dem Anfang des Zeitintervalls dem Endzustand der Menge von Fahrzeugen an dem Ende des direkt vorausgehenden Zeitintervalls entsprechen (insbesondere dann, wenn sich die direkt aufeinanderfolgenden Zeitintervalle nicht überlappen, sondern direkt aneinander angrenzen). Alternativ kann der Anfangszustand der Menge von Fahrzeugen an dem Anfang des Zeitintervalls einen Zwischenzustand der Menge von Fahrzeugen an einem Zwischenzeitpunkt des direkt vorausgehenden Zeitintervalls entsprechen (insbesondere dann, wenn sich die direkt aufeinanderfolgenden Zeitintervalle überlappen). Der Zwischenzeitpunkt kann dabei dem Anfangszeitpunkt des Zeitintervalls entsprechen.
Des Weiteren kann die Vorrichtung eingerichtet sein, im Rahmen der Ermittlung der Zuordnung für das Zeitintervall den Endzustand der Menge von Fahrzeugen am Ende des Zeitintervalls oder den Zwischenzustand der Menge von Fahrzeugen an einem Zwischenzeitpunkt des Zeitintervalls zu ermitteln (der dann als Anfangszustand für das direkt nachfolgende Zeitintervall verwendet werden kann). So kann in präziser und robuster Weise eine Gesamtzuordnung für den Gesamtzeitraum auf Basis der Zuordnungen für die Mehrzahl von Zeitintervallen ermittelt werden.
Die Vorrichtung kann eingerichtet sein, zu bewirken, dass die ein oder mehreren Fahrzeuge aus der Menge von Fahrzeugen gemäß der ermittelten aktuellen Zuordnung oder gemäß einer ermittelten vorausliegenden Zuordnung betrieben werden. Zu diesem Zweck können Rückmeldungen an die Fahrer der ein oder mehreren Fahrzeuge gesendet werden (z.B. an Anwendergeräte der Fahrer). So kann eine zuverlässige und robuste Bereitstellung von Fahrdienstleistungen ermöglicht werden. Eine Zuordnung für ein Fahrzeug aus der Menge von Fahrzeugen kann anzeigen: ein oder mehrere Abholorte zum Abholen von ein oder mehreren Nutzem, die eine Voraus- oder eine Spontanbuchung getätigt haben; ein oder mehrere Zielorte zum Absetzen von ein oder mehreren Nutzern, die eine Voraus- oder eine Spontanbuchung getätigt haben; und/oder eine Fahrstrecke des Fahrzeugs für ein oder mehrere Fahrten für ein oder mehrere Voraus- oder Spontanbuchungen.
Gemäß einem weiteren Aspekt wird ein Verfahren zur Ermittlung einer Zuordnung einer Menge von Buchungen für eine entsprechende Menge von Fahrten zu einer Menge von Fahrzeugen beschrieben, wobei die ein oder mehreren Fahrzeuge ausgebildet sind, ein oder mehrere Fahrten durchzuführen. Das Verfahren umfasst das Aufteilen einer Menge von Vorausbuchungen für ein oder mehrere Fahrten in einem Gesamtzeitraum auf eine Mehrzahl von unterschiedlichen Zeitintervallen, um eine Mehrzahl von Teilmengen von Vorausbuchungen für die entsprechende Mehrzahl von Zeitintervallen zu ermitteln.
Das Verfahren umfasst ferner das Ermitteln einer Menge von Spontanbuchungen für ein oder mehrere Fahrten in einem aktuellen Zeitintervall aus der Mehrzahl von Zeitintervallen. Mit anderen Worten, es kann die Menge von Spontanbuchungen ermittelt werden, die in das aktuelle Zeitintervall fallen. Des Weiteren umfasst das Verfahren das Ermitteln, für das aktuelle Zeitintervall, einer aktuellen Zuordnung zwischen der Teilmenge von Vorausbuchungen und der Menge von Spontanbuchungen einerseits und der Menge von Fahrzeugen andererseits. Das Verfahren kann ferner umfassen, das Ermitteln, für ein oder mehrere vorausliegende Zeitintervalle aus der Mehrzahl von Zeitintervallen, jeweils einer vorau sliegenden Zuordnung zwischen der jeweiligen Teilmenge von Vorausbuchungen einerseits und der Menge von Fahrzeugen andererseits.
Gemäß einem weiteren Aspekt wird ein Software (SW) Programm beschrieben. Das SW Programm kann eingerichtet werden, um auf einem Prozessor (z.B. auf einem Server) ausgeführt zu werden, und um dadurch das in diesem Dokument beschriebene Verfahren auszuführen.
Gemäß einem weiteren Aspekt wird ein Speichermedium beschrieben. Das Speichermedium kann ein SW Programm umfassen, welches eingerichtet ist, um auf einem Prozessor ausgeführt zu werden, und um dadurch das in diesem Dokument beschriebene Verfahren auszuführen.
Es ist zu beachten, dass die in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systeme sowohl alleine, als auch in Kombination mit anderen in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen verwendet werden können. Des Weiteren können jegliche Aspekte der in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen in vielfältiger Weise miteinander kombiniert werden. Insbesondere können die Merkmale der Ansprüche in vielfältiger Weise miteinander kombiniert werden.
Im Weiteren wird die Erfindung anhand von Ausführungsbeispielen näher beschrieben. Dabei zeigen
Figur 1 ein beispielhaftes Straßennetz;
Figur 2 eine beispielhafte Aufteilung des Zuordnungsproblems für einen Gesamtzeitraum in eine Mehrzahl von Zuordnungsproblemen für eine entsprechende Mehrzahl von Teilzeitintervalle; und
Figur 3 ein Ablaufdiagramm eines beispielhaften Verfahrens zur Ermittlung einer Zuordnung von Fahrt-Buchungen zu Fahrzeugen.
Wie eingangs dargelegt, befasst sich das vorliegende Dokument mit der ressourceneffizienten und schnellen Ermittlung einer (möglichst) optimalen Zuordnung zwischen verfügbaren Fahrzeugen und (statischen und/oder dynamischen) Fahrt-Buchungen. In diesem Zusammenhang zeigt Fig. 1 ein beispielhaftes Straßennetz 100 mit einer Vielzahl von Straßen 102 und Knotenpunkten 101 zwischen unterschiedlichen Straßen 102. In dem Straßennetz 100 kann eine Menge von Fahrzeugen 120 angeordnet sein, durch die jeweils eine Fahrdienstleistung bereitgestellt werden kann. Insbesondere können durch jedes einzelne Fahrzeug 120 ein oder mehrere Nutzer 110 der Fahrdienstleistung, d.h. ein oder mehrere Fahrgäste, von einem jeweiligen Abholort zu einem jeweiligen Zielort befördert werden.
Ein Nutzer 110 kann an einer Zentraleinheit 150, z.B. an einem Server, die eingerichtet ist, die von der Menge von Fahrzeugen 120 erbrachten Fahrdienstleistungen zu koordinieren, eine Buchung für eine Fahrt tätigen. Eine Buchung kann dabei anzeigen,
• den Abholort;
• den Abholzeitpunkt;
• den Zielort; und/oder
• die Anzahl von Fahrgästen für die Fahrt.
Dabei kann eine Buchung im Voraus getätigt werden, z.B. eine Stunde oder mehr, oder einen Tag oder mehr vor dem Abholzeitpunkt. Eine solche Buchung kann als (statische) Vorausbuchung bezeichnet werden. Andererseits kann eine Buchung mit einem sofortigen oder einem nächstmöglichen Abholzeitpunkt getätigt werden. Eine solche Buchung kann als Spontanbuchung bezeichnet werden.
Die Anzahl von Fahrzeugen 120 und/oder die Anzahl von Buchungen in einem bestimmten Zeitraum (z.B. im Laufe eines Tages) und/oder in einem bestimmten regionalen Gebiet kann relativ hoch sein. Dies kann dazu führen, dass eine optimierte Zuordnung zwischen der Menge von verfügbaren Fahrzeugen 120 und der Menge von Buchungen nur mit einem relativ hohen Zeitaufwand berechnet werden kann, z.B. mittels eines Zuordnungsbaums und einer sogenannten Branch- and-Bound-Methode. Insbesondere ist es typischerweise nicht möglich, bei Eintreffen einer Spontanbuchung in relativ kurzer Zeit (z.B. in wenigen Sekunden) eine Neuberechnung der Zuordnung für einen bestimmten Gesamtzeitraum zu ermitteln. Fig. 2 zeigt eine Menge von Vorausbuchungen 211 für Fahrten, die über einen Gesamtzeitraum 200 verteilt sind. Die Vorausbuchungen 211 sind in Fig. 2 als nicht-ausgefüllte Kreise dargestellt. Unter Verwendung der o.g.
Zuordnungsbaum-Methode in Kombination mit der Branch-and-Bound-Methode kann im Voraus eine optimale Zuordnung zwischen der Menge von Vorausbuchungen 211 und der Menge von Fahrzeugen 120 ermittelt werden. Die Berechnung kann jedoch, insbesondere bei einer relativ hohen Anzahl von Fahrzeugen 120 und/oder Vorausbuchungen 211, relativ zeitaufwändig sein.
Im Laufe des Gesamtzeitraums 200 kann es ggf. wiederholt zu Spontanbuchungen 212 kommen (die in Fig. 2 als ausgefüllte Kreise dargestellt sind). In Reaktion auf eine Spontanbuchung 212 muss typischerweise die Zuordnung zwischen der Menge von Vorau sbuchungen 211 und der Menge von Spontanbuchungen 211 einerseits und der Menge von Fahrzeugen 120 andererseits aktualisiert werden. Dies kann relativ zeitaufwändig sein, so dass dem Nutzer 110, der die Spontanbuchung 212 getätigt hat, erst nach einer relativ langen Rückmeldezeitdauer mitgeteilt werden kann, ob und/oder wann seine Spontanbuchung 212 durch ein Fahrzeug 120 bedient werden kann. Dies ist für einen Nutzer 110 typischerweise nicht akzeptabel.
Die Zentraleinheit 150 kann eingerichtet sein, den Gesamtzeitraum 200 in eine Mehrzahl von Teilzeiträume oder Zeitintervalle 201 zu unterteilen. Beispielsweise kann ein Tag in Zeitintervalle 201 von jeweils ein oder zwei Stunden unterteilt werden. Die Dauer der einzelnen Zeitintervalle 201 kann in Abhängigkeit von der Anzahl von Fahrzeugen 110 und/oder der Anzahl von Buchungen 211, 212 ausgewählt werden. Insbesondere kann die Dauer eines Zeitintervalls 201 derart festgelegt werden, dass das für das Zeitintervall 201 zu lösende Zuordnungsproblem eine maximal zulässige Problemkomplexität nicht überschreitet. Die Problemkomplexität des Zuordnungsproblems für ein Zeitintervall 201 kann von der Anzahl von Fahrzeugen 100 und von der Anzahl von Buchungen 211, 212 abhängen, die in dem Zeitintervall 201 zu berücksichtigen sind, wobei die Problemkomplexität mit steigender Anzahl von Fahrzeugen 100 und/oder mit steigender Anzahl von Buchungen 211, 212 ansteigt. Die maximal zulässige Problemkomplexität kann somit durch eine maximal zulässige Anzahl von Fahrzeugen 100 und/oder durch eine maximal zulässige Anzahl von Buchungen 211, 212 und/oder durch eine maximal zulässige Gesamtanzahl von Fahrzeugen 100 und Buchungen 211, 212 definiert sein.
Die maximal zulässige Problemkomplexität kann derart festgelegt sein, dass ein Zuordnungsproblem mit der maximal zulässigen Problemkomplexität innerhalb einer maximal zulässigen Rechendauer (z.B. von 3 Sekunden oder weniger) gelöst werden kann.
Der Gesamtzeitraum 200 kann derart in eine Mehrzahl von Zeitintervallen 201 unterteilt werden, dass
• der Gesamtzeitraum 200 vollständig durch die Mehrzahl von Zeitintervallen 201 abgedeckt wird;
• die Zeitintervalle 201 jeweils paarweise direkt aneinander angrenzen;
• die Zeitintervalle 201 keine zeitliche Überlappung zueinander aufweisen; und/oder
• für keines der Zeitintervalle 201 das jeweils zu lösende Zuordnungsproblem die maximal zulässige Problemkomplexität überschreitet.
Durch eine Aufteilung des Gesamtzeitraums 200 in aufeinanderfolgende Zeitintervalle 201 kann gewährleitet werden, dass die einzelnen Zuordnungsprobleme in den einzelnen Zeitintervallen 201 jeweils innerhalb einer maximal zulässigen Rechendauer gelöst werden können. Somit kann einem Nutzer 110 quasi sofort eine Rückmeldung in Bezug auf eine Spontanbuchung 212 gegeben werden.
In Fig. 2 ist ein aktuelles Zeitintervall 201 mit ein oder mehreren (insbesondere mit zwei) Spontanbuchungen 212 dargestellt. In den ein oder mehreren nachfolgenden Zeitintervallen 201 sind typischerweise keine Spontanbuchungen 212 enthalten (da eine Spontanbuchung 212 mit einem möglichst zeitnahen Abholzeitpunkt assoziiert ist).
Durch das Eintreffen einer neuen Spontanbuchung 212 kann eine Neuberechnung des Zuordnungsproblems in dem aktuellen Zeitintervall 201 bewirkt werden. Dabei kann ein am Anfang des aktuellen Zeitintervalls 201 geltender Anfangszustand 202 berücksichtigt werden (insbesondere in Bezug auf die Positionen und/oder den Belegungszustand der ein oder mehreren Fahrzeuge 120 aus der Menge von Fahrzeugen 120). Es kann dann unter Berücksichtigung des Anfangszustands 202 des aktuellen Zeitintervalls 201 das Zuordnungsproblem isoliert innerhalb des aktuellen Zeitintervalls 201 gelöst werden (ohne Berücksichtigung der ein oder mehreren nachfolgenden Zeitintervalle 201).
Ferner kann im Rahmen der Eösung des Zuordnungsproblems der Endzustand (insbesondere die Positionen und/oder die Belegungszustände) der ein oder mehreren Fahrzeuge 110 am Ende des aktuellen Zeitintervalls 201 ermittelt werden. Der ermittelte Endzustand kann als Anfangszustand 202 für das direkt nachfolgende Zeitintervall 201 berücksichtigt werden. Es kann dann sequentiell für die einzelnen nachfolgenden Zeitintervalle 201 eine Neuberechnung des jeweiligen Zuordnungsproblems bzw. der jeweiligen Zuordnung durchgeführt werden.
So kann in zeiteffizienter Weise eine (nahezu) optimale Lösung des Zuordnungsproblems für den Gesamtzeitraum 200 ermittelt werden. Dabei wird die Markov-Bedingung dahingehend berücksichtigt, dass der Zustand eines Systems an einem bestimmten Zeitpunkt (z.B. in einem Zeitintervall 201) unabhängig von dem Zustand des Systems an zumindest einem oder an allen vorhergehenden Zeitpunkten (z.B. einem oder mehreren vorhergehenden Zeitintervallen 201) ist, wenn die Zeitpunkte ausreichend weit voneinander beab standet sind.
Ggf. können die Zeitintervalle 201 zumindest teilweise überlappend sein, so dass ein Endabschnitt eines ersten Zeitintervalls 201 dem Anfangs ab schnitt eines direkt nachfolgenden zweiten Zeitintervalls 201 entspricht. Es kann z.B. eine Überlappung von 10% bis 50% der Länge von direkt aufeinanderfolgenden Zeitintervallen 201 erfolgen. Durch die Überlappung von direkt aufeinanderfolgenden Zeitintervallen 201 kann die Güte der Lösung des Zuordnungsproblems für den Gesamtzeitraum 200 weiter erhöht werden.
Es kann dann der Zustand der ein oder mehreren Fahrzeuge 110 am Anfang des Endabschnitts des ersten Zeitintervalls 201 ermittelt werden. Dieser Zustand kann als Anfangszustand 202 für das direkt nachfolgende zweite Zeitintervall 201 verwendet werden. Mit anderen Worten, der Zustand der ein oder mehreren Fahrzeuge 110 an dem Zeitpunkt innerhalb des ersten Zeitintervalls 201, der dem Anfangszeitpunkt des nachfolgenden zweiten Zeitintervalls 201 entspricht, kann als Anfangszustand 202 für das zweite Zeitintervall 201 verwendet werden.
Ferner kann sequentiell für die einzelnen nachfolgenden (sich zeitlich überlappenden) Zeitintervalle 201 eine Neuberechnung des jeweiligen Zuordnungsproblems bzw. der jeweiligen Zuordnung durchgeführt werden.
Es wird somit eine Zentral- und/oder Recheneinheit 150 beschrieben, die eingerichtet ist, bei einer neuen Anfrage für eine Spontanbuchung 212 und/oder für eine Vorabbuchung 211 eine (zumindest nahezu optimale) Zuweisung von Fahrzeugen 120 zu Nutzeranfragen 211, 212 zu ermitteln. Die Zuweisung erfolgt dabei typischerweise in Abhängigkeit von einer zu optimierenden Zielfunktion. Die Zielfunktion kann von der Wartezeit der Fahrer der ein oder mehreren Fahrzeuge 120 und/oder von dem Ausmaß von Umwegen der ein oder mehreren Fahrzeuge 120 und/oder von der Fahrdauer bis zu den unterschiedlichen Zielorten abhängen.
Zur Ermittlung einer Zuweisung bzw. Zuordnung kann eine Branch-&Bound Methode verwendet werden, welche durch geeignete Wahl von oberen und unteren Schranken den Suchraum der möglichen Zuordnungen effizient durchsucht und eine optimale Lösung des Zuordnungsproblems (bezogen auf die Zielfunktion) bereitstellen kann. Eine Vorausbuchung 211 kann bei genauso behandelt werden wie eine spontane Anfrage 212.
Es können die bestehenden und neuen Nutzeranfragen 211, 212 für einen jeweils relevanten Anfragezeitraum ermittelt werden. Bei einer spontanen Buchung 212 ist dies z.B. der aktuelle Zeitpunkt und/oder bei einer Vorausbuchung 211 ist dies z.B. ein geeignetes Zeitfenster um den jeweilen gewünschten Abholzeitpunkt herum. Vorbuchungen 211 treten anfangs über den Tag 200 typischerweise spärlich auf. Spontanbuchungen 212 treten typischerweise nur in direkt aufeinander folgende Routen der einzelnen Fahrzeug 120 auf. Es kann daher im Rahmen der Lösung des Zuordnungsproblems der Parameter Wartezeit für die ein oder mehreren Fahrzeuge 120 berücksichtigt werden. Der Parameter Wartezeit erlaubt auch das frühere Anfahren eines Abholortes einer Buchung 211, 212.
Eine Branch-&-Bound Methode ist typischerweise relativ ressourcenintensiv. Es wird daher das gesamte Zuordnungsproblem für einen Gesamtzeitraum 200 (das ggf. eine Mischung aus statischen und dynamischen Buchungen 211, 212 umfasst) in mehrere Teilprobleme (für mehrere Zeitintervalle 201) unterteilt. Die Lösungen der Teilprobleme können dann wieder zusammengefasst werden.
Unter der Annahme (Markov Bedingung), dass ein zu einem bestimmten Zeitpunkt optimaler Zustand (Aufteilung und Position der Fahrzeuge 120 und/oder Aufteilung der Buchungen 211, 212 auf die Fahrzeuge 120) unabhängig von dem Zustand an einer weiter entfernten Vergangenheit (z.B. eine Stunde in der Vergangenheit) ist, kann davon ausgegangen werden, dass die Optimalität der Lösung auch bei einer Aufteilung des Gesamtproblems in mehrere Teilprobleme für mehrere Zeitintervalle 201 (z.B. von jeweils zwei Stunden) gewährleitet werden kann.
Fig. 3 zeigt ein Ablaufdiagramm eines (ggf. Computer- implementierten) Verfahrens 300 zur Ermittlung einer Zuordnung einer Menge von Buchungen 211, 212 für eine entsprechende Menge von Fahrten zu einer Menge von Fahrzeugen 120, die ausgebildet ist, ein oder mehrere Fahrten durchzuführen. Mit anderen Worten, das Verfahren 300 kann darauf ausgerichtet sein, von Nutzem 110 gebuchte Fahrten Fahrzeugen 120 zuzuordnen, durch die die Fahrten erbracht werden können. Das Verfahren 300 kann durch eine Zentraleinheit 150 und/oder durch einen Server erbracht werden.
Das Verfahren 300 umfasst das Aufteilen 301 einer Menge von Vorausbuchungen 211 für ein oder mehrere Fahrten in einem Gesamtzeitraum 200 auf eine Mehrzahl von unterschiedlichen Zeitintervallen 201, um eine Mehrzahl von Teilmengen von Vorausbuchungen 211 für die entsprechende Mehrzahl von Zeitintervallen 201 zu ermitteln. Beispielsweise können durch Nutzer 110 Vorausbuchungen 211 für Fahrten getätigt worden sein, die sich über einen bestimmten, vorausliegenden Gesamtzeitraum 200 (etwa den aktuellen Tag) erstrecken. Der Gesamtzeitraum 200 kann in eine Mehrzahl (insbesondere in eine Sequenz) von aufeinanderfolgenden Zeitintervallen 201 unterteilt werden, und es kann für jedes Zeitintervall 201 die Teilmenge von Vorau sbuchungen 211 ermittelt werden, die in das jeweilige Zeitintervall 201 fällt. Dabei kann die Zuteilung zu den einzelnen Zeitintervallen 201 auf Basis der gebuchten Abholzeit der Vorausbuchungen 211 erfolgen.
Das Verfahren 300 umfasst ferner das Ermitteln 302 einer Menge von (ein oder mehreren) Spontanbuchungen 212 für ein oder mehrere Fahrten in einem aktuellen Zeitintervall 201 aus der Mehrzahl von Zeitintervallen 201. Mit anderen Worten, es kann ermittelt werden, ob in dem aktuellen Zeitintervall 201 ein oder mehrere Spontanbuchungen 212 vorliegen (die einen Abholzeitpunkt aufweisen, der in das aktuelle Zeitintervall 201 fällt).
Des Weiteren umfasst das Verfahren das Ermitteln 303, für das aktuelle Zeitintervall 201, einer aktuellen Zuordnung zwischen der Teilmenge von Vorausbuchungen 211 (für das aktuelle Zeitintervall 201) und der Menge von Spontanbuchungen 212 (für das aktuelle Zeitintervall 201) einerseits und der Menge von Fahrzeugen 120 andererseits. Zu diesem Zweck kann ein Zuordnungsbaum von möglichen Zuordnungen zwischen Buchungen 211, 212 und Fahrzeugen 120 erstellt werden. Ferner kann eine Branch&Bound Methode verwendet werden, um eine optimierte Zuordnung aus dem Zuordnungsbaum als aktuelle Zuordnung für das aktuelle Zeitintervall 201 zu ermitteln.
Außerdem kann das Verfahren 300 umfassen, das Ermitteln, insbesondere das Aktualisieren, 304, für ein oder mehrere vorau sliegende (d.h. zeitlich in der Zukunft liegenden) Zeitintervalle 201 aus der Mehrzahl von Zeitintervallen 201, von jeweils einer vorausliegenden Zuordnung zwischen der jeweiligen Teilmenge von Vorausbuchungen 211 einerseits und der Menge von Fahrzeugen 120 andererseits. Zu diesem Zweck kann, wie oben dargelegt, ein Zuordnungsbaum unter Verwendung der Branch&Bound Methode verwendet werden.
Die in diesem Dokument beschriebenen Maßnahmen ermöglichen es somit, in recheneffizienter Weise eine (nahezu) optimale Zuordnung zwischen der Menge von Fahrzeugen 120 und der Menge von Fahrt-Buchungen 211, 212 für einen Gesamtzeitraum 200 zu ermitteln. So wird es ermöglicht, den Nutzern von Fahrdienstleistungen eine schnelle Rückmeldung auf eine Buchung 211, 212 zu geben (z.B. innerhalb von wenigen Sekunden), insbesondere bei einer Spontanbuchung 212 und/oder bei einer Vorausbuchung 211. Die vorliegende Erfindung ist nicht auf die gezeigten Ausführungsbeispiele beschränkt. Insbesondere ist zu beachten, dass die Beschreibung und die Figuren nur beispielhaft das Prinzip der vorgeschlagenen Verfahren, Vorrichtungen und Systeme veranschaulichen sollen.

Claims

Ansprüche
1) Vorrichtung (150) zur Ermittlung einer Zuordnung einer Menge von Buchungen (211, 212) für eine entsprechende Menge von Fahrten zu einer Menge von Fahrzeugen (120), die ausgebildet ist, ein oder mehrere Fahrten durchzuführen; wobei die Vorrichtung (150) eingerichtet ist,
- eine Menge von Vorausbuchungen (211) für ein oder mehrere Fahrten in einem Gesamtzeitraum (200) auf eine Mehrzahl von unterschiedlichen Zeitintervallen (201) aufzuteilen, um eine Mehrzahl von Teilmengen von Vorau sbuchungen (211) für die entsprechende Mehrzahl von Zeitintervallen (201) zu ermitteln;
- eine Menge von Spontanbuchungen (212) für ein oder mehrere Fahrten in einem aktuellen Zeitintervall (201) aus der Mehrzahl von Zeitintervallen (201) zu ermitteln; und
- für das aktuelle Zeitintervall (201) eine aktuelle Zuordnung zwischen der Teilmenge von Vorausbuchungen (211) und der Menge von Spontanbuchungen (212) einerseits und der Menge von Fahrzeugen (120) andererseits zu ermitteln.
2) Vorrichtung (150) gemäß Anspruch 1, wobei die Vorrichtung (150) eingerichtet ist, für ein oder mehrere vorau sliegende Zeitintervalle (201) aus der Mehrzahl von Zeitintervallen (201) jeweils eine vorau sliegende Zuordnung zwischen der jeweiligen Teilmenge von Vorau sbuchungen (211) einerseits und der Menge von Fahrzeugen (120) andererseits zu aktualisieren.
3) Vorrichtung (150) gemäß einem der vorhergehenden Ansprüche, wobei die Vorrichtung (150) eingerichtet ist,
- zu bestimmen, dass eine neue Spontanbuchung (212) für das aktuelle Zeitintervall (201) vorliegt; und
- in Reaktion darauf die aktuelle Zuordnung zu ermitteln und/oder zu aktualisieren; wobei die Menge von Spontanbuchungen (212) die neue Spontanbuchung (212) umfasst. ) Vorrichtung (150) gemäß einem der vorhergehenden Ansprüche, wobei die Vorrichtung (150) eingerichtet ist, die Menge von Vorausbuchungen (211) für den Gesamtzeitraum (200) derart auf eine Mehrzahl von unterschiedlichen Zeitintervallen (201) aufzuteilen, insbesondere durch Anpassen einer Dauer der einzelnen Zeitintervalle (201), dass das Ermitteln einer Zuordnung für die einzelnen Zeitintervalle (201) jeweils eine maximal zulässige Rechenkomplexität und/oder eine maximal zulässige Rechenzeitdauer nicht überschreitet. ) Vorrichtung (150) gemäß einem der vorhergehenden Ansprüche, wobei die Vorrichtung (150) eingerichtet ist, die aktuelle Zuordnung und/oder eine vorausliegende Zuordnung mittels einer Branch&Bound Methode zu ermitteln. ) Vorrichtung (150) gemäß einem der vorhergehenden Ansprüche, wobei
- eine Voraus- und/oder Spontanbuchung (211, 212) eines Nutzers (110) anzeigt,
- einen Abholort, an dem der Nutzer (110) von einem Fahrzeug (120) aus der Menge von Fahrzeugen (120) abgeholt werden soll; und
- einen Zielort, zu dem der Nutzer (110) von einem Fahrzeug (120) aus der Menge von Fahrzeugen (120) gefahren werden soll;
- eine Vorausbuchung (211) einen vorau sliegenden Abholzeitpunkt oder ein vorau sliegenden Zeitfenster anzeigt, an dem oder in dem der Nutzer (110) von einem Fahrzeug (120) aus der Menge von Fahrzeugen (120) abgeholt werden soll; und - eine Spontanbuchung (212) anzeigt, dass der Nutzer (110) nach Möglichkeit sofort abgeholt werden soll. ) Vorrichtung (150) gemäß einem der vorhergehenden Ansprüche, wobei
- die Vorrichtung (150) eingerichtet ist, eine Zuordnung in Abhängigkeit von einer Zielfunktion zu ermitteln; und
- die Zielfunktion abhängig ist von,
- einer von den ein oder mehreren Fahrzeugen (120) aus der Menge von Fahrzeugen (120) zurückgelegten Fahrstrecke und/oder aufgebrachten Fahrzeitdauer; und/oder
- eine von den ein oder mehreren Fahrzeugen (120) aus der Menge von Fahrzeugen (120) aufgebachten Wartezeit zwischen aufeinanderfolgenden Fahrten. ) Vorrichtung (150) gemäß einem der vorhergehenden Ansprüche, wobei die Vorrichtung (150) eingerichtet ist, auf Basis der ermittelten aktuellen Zuordnung eine Rückmeldung an einen Nutzer (110), der eine erste Spontanbuchung (212) aus der Menge von Spontanbuchungen (212) getätigt hat, darüber zu geben,
- welches Fahrzeug (120) aus der Menge von Fahrzeugen (120) die der ersten Spontanbuchung (212) entsprechende Fahrt durchführen wird; und/oder
- an welchem Abholzeitpunkt der Nutzer (110) an dem in der ersten Spontanbuchung (212) spezifizierten Abholort abgeholt werden wird. ) Vorrichtung (150) gemäß einem der vorhergehenden Ansprüche, wobei die Vorrichtung (150) eingerichtet ist,
- die Zuordnung für ein Zeitintervall (201) auf Basis eines Anfangszustands der Menge von Fahrzeugen (120) an einem Anfang des Zeitintervalls (201) zu ermitteln; wobei der Anfangszustand der Menge von Fahrzeugen (120) an dem Anfang des Zeitintervalls (201) - 21 - einem Endzustand der Menge von Fahrzeugen (120) an einem Ende oder einem Zwischenzustand der Menge von Fahrzeugen (120) an einem Zwischenzeitpunkt eines direkt vorausgehenden Zeitintervalls (201) entspricht; und
- im Rahmen der Ermittlung der Zuordnung für das Zeitintervall (201) den Endzustand der Menge von Fahrzeugen (120) am Ende des Zeitintervalls (201) oder einen Zwischenzustand der Menge von Fahrzeugen (120) an einem Zwischenzeitpunkt des Zeitintervalls (201) zu ermitteln. ) Vorrichtung (150) gemäß einem der vorhergehenden Ansprüche, wobei
- die Vorrichtung (150) eingerichtet ist, zu bewirken, dass die ein oder mehreren Fahrzeuge (120) aus der Menge von Fahrzeugen (120) gemäß der ermittelten aktuellen Zuordnung oder gemäß einer ermittelten vorausliegenden Zuordnung betrieben werden; und/oder
- eine Zuordnung für ein Fahrzeug (120) aus der Menge von Fahrzeugen (120) anzeigt,
- ein oder mehrere Abholorte zum Abholen von ein oder mehreren Nutzern (110), die eine Voraus- oder eine Spontanbuchung (211, 212) getätigt haben;
- ein oder mehrere Zielorte zum Absetzen von ein oder mehreren Nutzem (110), die eine Voraus- oder eine Spontanbuchung (211, 212) getätigt haben; und/oder
- eine Fahrstrecke des Fahrzeugs (120) für ein oder mehrere Fahrten für ein oder mehrere Voraus- oder Spontanbuchungen (211, 212). ) Verfahren (300) zur Ermittlung einer Zuordnung einer Menge von Buchungen (211, 212) für eine entsprechende Menge von Fahrten zu einer Menge von Fahrzeugen (120), die ausgebildet ist, ein oder mehrere Fahrten durchzuführen; wobei das Verfahren (300) umfasst, - 22 -
- Aufteilen (301) einer Menge von Vorausbuchungen (211) für ein oder mehrere Fahrten in einem Gesamtzeitraum (200) auf eine Mehrzahl von unterschiedlichen Zeitintervallen (201), um eine Mehrzahl von Teilmengen von Vorau sbuchungen (211) für die entsprechende Mehrzahl von Zeitintervallen (201) zu ermitteln;
- Ermitteln (302) einer Menge von Spontanbuchungen (212) für ein oder mehrere Fahrten in einem aktuellen Zeitintervall (201) aus der Mehrzahl von Zeitintervallen (201); und
- Ermitteln (303), für das aktuelle Zeitintervall (201), einer aktuellen Zuordnung zwischen der Teilmenge von Vorau sbuchungen (211) und der Menge von Spontanbuchungen (212) einerseits und der Menge von Fahrzeugen (120) andererseits.
PCT/EP2021/078076 2020-12-18 2021-10-11 Verfahren und vorrichtung zur berücksichtigung von vorausbuchungen und spontanbuchungen bei einem fahrzeug-pooling system WO2022128198A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102020134093.1A DE102020134093A1 (de) 2020-12-18 2020-12-18 Verfahren und Vorrichtung zur Berücksichtigung von Vorausbuchungen und Spontanbuchungen bei einem Fahrzeug-Pooling System
DE102020134093.1 2020-12-18

Publications (1)

Publication Number Publication Date
WO2022128198A1 true WO2022128198A1 (de) 2022-06-23

Family

ID=78087372

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2021/078076 WO2022128198A1 (de) 2020-12-18 2021-10-11 Verfahren und vorrichtung zur berücksichtigung von vorausbuchungen und spontanbuchungen bei einem fahrzeug-pooling system

Country Status (2)

Country Link
DE (1) DE102020134093A1 (de)
WO (1) WO2022128198A1 (de)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180224866A1 (en) * 2017-01-23 2018-08-09 Massachusetts Institute Of Technology On-Demand High-Capacity Ride-Sharing Via Dynamic Trip-Vehicle Assignment with Future Requests
US20190188608A1 (en) * 2016-01-13 2019-06-20 Transit Labs Inc. Systems, devices, and methods for searching and booking ride-shared trips
WO2020046200A1 (en) * 2018-08-31 2020-03-05 Grabtaxi Holdings Pte. Ltd. E-hailing service

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9066206B2 (en) 2012-07-03 2015-06-23 Uber Technologies, Inc. System and method for providing dynamic supply positioning for on-demand services
US11068304B2 (en) 2019-02-25 2021-07-20 Microsoft Technology Licensing, Llc Intelligent scheduling tool

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190188608A1 (en) * 2016-01-13 2019-06-20 Transit Labs Inc. Systems, devices, and methods for searching and booking ride-shared trips
US20180224866A1 (en) * 2017-01-23 2018-08-09 Massachusetts Institute Of Technology On-Demand High-Capacity Ride-Sharing Via Dynamic Trip-Vehicle Assignment with Future Requests
WO2020046200A1 (en) * 2018-08-31 2020-03-05 Grabtaxi Holdings Pte. Ltd. E-hailing service

Also Published As

Publication number Publication date
DE102020134093A1 (de) 2022-06-23

Similar Documents

Publication Publication Date Title
EP1026649B1 (de) Verfahren und Vorrichtung zur Bereitstellung von Verkehrsinformation
DE10217880B4 (de) Verfahren zum Kompilieren von Navigationsrouteninhalt
DE102015216266A1 (de) Technik zum Navigieren eines Fahrzeugs zu einem Parkplatz
DE102014224601A1 (de) Vorrichtung und Verfahren zum Betreiben eines Parkplatzes
DE102017209667A1 (de) Speicherung von Geschwindigkeitsinformationen zur Prädiktion der zukünftigen Geschwindigkeitstrajektorie
DE102015225893A1 (de) Verfahren und System zur Optimierung der Parkplatzsuche eines Fahrzeuges und ein Computerprogrammprodukt
DE112010004633T5 (de) Fahrzeugmontierte Bildverarbeitungsvorrichtung und Reisehilfevorrichtung
DE102022109414A1 (de) Verfahren zum Aktualisieren von Software in einer Fahrzeugsteuerung und Fahrzeugbetriebssystem
DE102020112315A1 (de) Verfügbarkeitsvorhersagesysteme und -verfahren für parkplätze
DE102010003610A1 (de) Verfahren, System und Abgleichmittel zum automatisierten Abgleich von dynamischen Fahrtrouten mit ortsbezogenen Mitfahranfragen
DE112017008262T5 (de) Kartenaktualisierungsvorrichtung, Kartenaktualisierungssystem und Kartenaktualisierungsverfahren
EP3695192A1 (de) Verfahren zur kartierung eines streckenabschnitts
DE102019201264A1 (de) Eine steuervorrichtung und ein verfahren zum verwalten von fahrzeugen
DE102014225122A1 (de) Verfahren und System zur Bereitstellung von Informationen zur Verfügbarkeit von Ladestationen
DE102012215447A1 (de) Zentralisierte Routenbestimmung
DE102017214686A1 (de) Fahrsystem, Verfahren, sowie ein korrespondierendes Computerprodukt zur Identifikation eines zweckmäßigen Übergabepunkts zur Übergabe der Kontrolle zwischen Fahrzeug und Fahrer sowie zu einer entsprechenden Routenplanung
DE102017217131B3 (de) Verfahren zur Unterstützung einer Parkplatzsuche für einen Fahrzeugführer eines Lastkraftwagens sowie ein System, welches dazu eingerichtet ist, ein solches Verfahren durchzuführen
WO2023247089A1 (de) Verfahren und vorrichtung zur prädiktion der wartezeit an einer ladestation
DE102014214758A1 (de) Verfahren für ein Navigationssystem
WO2022128198A1 (de) Verfahren und vorrichtung zur berücksichtigung von vorausbuchungen und spontanbuchungen bei einem fahrzeug-pooling system
DE102018009716A1 (de) Verfahren zur Bereitstellung von Kartendaten einer digitalen Karte und einer Fahrtroute
EP3794316A1 (de) Vorrichtung und verfahren zum ausgeben von navigationsinformation sowie fahrzeug
EP3437958A1 (de) Abschätzen einer voraussichtlichen fahrzeit eines schienenfahrzeugs
DE102006013297B4 (de) Verfahren zum Betrieb eines Navigationssystems
EP1381009A2 (de) Verfahren zur Aktualisierung von Routendaten

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21790442

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21790442

Country of ref document: EP

Kind code of ref document: A1