[发明专利]监测预定区域中的可移动实体

权利要求书

1.一种监测预定区域(1)内的可移动实体(5、6、7)的计算机实施的方法(20)，所述方法包括：

获得(21)识别可移动实体在所述预定区域内的当前位置的实时位置RTL信息流(28)；

处理(22)所述实时位置信息流以生成所述预定区域的多个预定区(11、12、13、14)中的每个预定区的占用信息；并且

使用机器学习模型来处理(23)所述占用信息，从而确定一个或多个占用原因(29)，每个占用原因指示在一个或多个预定区内的预定事件的发生，其中，所述机器学习模型定义占用信息与占用原因之间的关系。

2.根据权利要求1所述的计算机实施的方法，其中：

所述占用信息指示所述预定区域的所述多个预定区中的每个预定区中的可移动实体的数量；并且

所述机器学习模型定义每个预定区内的可移动实体的数量与占用原因之间的关系。

3.根据权利要求1或2中的任一项所述的计算机实施的方法，还包括确定每个至少一个可移动实体的一个或多个角色，并且其中：

所述占用信息指示所述预定区域的所述多个预定区中的每个预定区中的每个可移动实体的所述一个或多个角色；并且

所述机器学习模型定义每个预定区中的每个可移动实体的所述一个或多个角色与占用原因之间的关系。

4.根据权利要求1至3中的任一项所述的计算机实施的方法，其中：

处理所述实时位置信息流的步骤包括生成占用数据条目的序列(31、32、33、34)作为所述占用信息，每个占用数据条目指示在单个时间点在所述预定区域的所述多个预定区中的每个预定区内的可移动实体的数量；并且

每个占用数据条目与比占用数据条目的所述序列中的先前占用数据更晚的单个时间点相关联，使得整个序列指示在时间段内所述多个预定区中的每个预定区内的可移动实体的数量。

5.根据权利要求4所述的计算机实施的方法，其中，所述机器学习模型定义占用数据条目的序列与一个或多个占用原因之间的关系。

6.根据权利要求4或5中的任一项所述的计算机实施的方法，还包括：确定每个至少一个可移动实体的一个或多个角色，其中，生成占用数据条目的所述序列的步骤包括生成占用数据条目的序列，其中，每个占用数据条目指示在单个时间点在所述预定区域的所述多个预定区中的每个预定区内的每个角色的可移动实体的数量。

7.根据权利要求4至6中的任一项所述的计算机实施的方法，其中，所述占用信息包括占用数据条目的多个(30)序列(31、32、33、34)，并且处理所述占用信息的步骤包括使用机器学习模型来个体地处理占用数据的每个序列，从而确定一个或多个占用原因。

8.根据权利要求7所述的计算机实施的方法，其中：

所述多个(30)序列形成序列的系列；并且

所述系列中的所述序列中的每个序列与开始于比序列的所述系列中的紧接在前序列更晚的时间点的时间段相关联。

9.根据权利要求8所述的计算机实施的方法，其中，序列(31、32、33、34)的所述系列(30)中的每个序列与时间段相关联，所述时间段与和序列的所述系列中的紧接在前序列相关联的时间段交叠。

10.根据权利要求1至9所述的计算机实施的方法，其中，确定所述一个或多个占用原因包括确定在所述实时位置RTL信息流被提供的时间期间是否已经发生了预定事件。

11.一种包括代码模块的计算机程序，所述代码模块用于当所述程序在计算机上运行时实施根据权利要求1至10中的任一项所述的方法。