[发明专利]基于用户群组偏好预测预定区域中的移动出行单元需求的数据驱动的方法和系统

说明书

本发明涉及，基于估计当前移动出行需求并基于用户群组偏好来预测预定区域中的运输需求。生成的运输需求请求至少包括时间戳、上车坐标、下车坐标、用户群组指示、基于上车坐标的上车场所类别和基于下车坐标的下车场所类别。提供指示运输需求请求的信号。

技术领域

本发明涉及一种用于预测预定区域中的运输需求的方法和系统

背景技术

近年来，人工辅助自主驾驶车辆和全自动驾驶车已经受到更多关注。自动驾驶车辆能够在城市中导航运输自己而无需人类操作员的任何主动干涉。

自动驾驶车辆需要相对复杂的编程和机器学习算法，以便能够实时地做出快速且准确的决策。在人工辅助自主驾驶车辆中，仍然存在人类操作员以在某些危急情况下控制车辆。

对于在诸如城市的区域中行驶并且避免碰撞的一组自动驾驶车辆，可知它们彼此之间共享信息，诸如他们的位置、速度、行驶方向等。车辆还可以配备有接近传感器和相机，以用于识别车辆附近的障碍物和物体。因此，为了在城市中行驶，车辆可以识别并避开车辆附近的物体，并且通过对车辆附近的其它车辆的认识来规划其路线。

通过引入自动驾驶车辆或人工辅助自主驾驶车辆，可以由自动驾驶车辆的车队提供人员运输以及递送服务。自动驾驶车辆在受控交通环境中的驾驶控制正在得到很好的探索，然而，在诸如整个城市的大规模中，关注的是如何以最有效的方式在城市中分配车辆或其它服务单元。尤其关注的是能够根据客户的需求分配车辆。

因此，需要在多个区域分配服务单元以便满足来自城市中的用户的服务需求的方式。

发明内容

鉴于上述内容，本发明的一个目的是提供一种用于预测预定地理区域中的移动出行需求的改进方法。

根据本发明的第一方面，提供了一种用于预测预定区域中的运输需求的方法，该方法包括以下步骤：基于对估计的过去移动出行需求的建模来估计当前移动出行需求，当前移动出行需求指示预定区域内的一组地区中的每个地区在当前时间戳的接送需求的估计数量；确定一组活动偏好分数，其指示一组用户群组中的每个用户群组在当前时间戳的优选活动的分布，每个地区具有相关联的一组用户群组；针对每个用户群组及其相应地区，生成关于每个优选活动上车坐标的查询(query)和关于优选活动的坐标的下车坐标查询；基于查询以及用户群组和活动的存储的坐标集，确定可能的上车坐标和下车坐标组合的列表；基于可能的上车坐标和下车坐标组合的列表以及接送需求的估计数量，生成多个运输需求请求，每个运输需求请求包括时间戳、上车坐标、下车坐标、用户群组指示、基于上车坐标的上车场所类别、以及基于下车坐标的下车场所类别；以及提供指示运输需求请求的信号。

本发明基于实现了包括在不同时间的不同用户群组的移动出行需求及其优选活动，以便更准确地预测预定区域中的移动出行需求。因此，利用本发明构思，不仅可以考虑到运输需求的数量，而且可以考虑到识别出的用户群组中的行为趋势。因此，对于给定用户群组和预定区域中的地区，本发明构思可以捕获移动出行需求变化，从而当它们在空间域和时间域中演变时深入了解各种出行偏好。

本发明可以有利地用于城市规划、汽车工业中的OEM、公共交通规划和按需移动出行服务，以推行它们的商业决策或集成到原协同决策制定系统。此外，通过能够预测预定区域中的移动出行需求，本发明能够在预定区域中更有效地分配移动出行单元。

该一组地区是预定区域的部分。例如，如果预定区域是城市，则地区是城市的子区域。该地区可以由多边形定义，并且可以是用户任意定义的，或者例如基于出租车区或邮政编码。

可以基于深度学习架构来执行并且根据历史交通数据和环境数据来训练这种方法：对估计的过去移动出行需求进行建模，以用于预测当前移动出行需求。历史数据可以是记录在与使用轿车、出租车、有轨电车、自行车等的运输相关的数据库中的数据，如天气、事件、星期几等。