[发明专利]为连接交通工具的服务质量预测离线建模的方法和系统

说明书

路线预测系统实现一种利用实时移动通信网络数据的方法，该方法包括：接收实时移动通信网络数据。该方法进一步包括：将实时移动通信网络数据与历史数据聚合以形成训练集；过滤训练数据集，以便与连接交通工具的服务路线预测相关；使用过滤后的训练数据集来训练多个离线模型；以及从多个离线模型中选择表现最佳的传播模型。

对相关申请的交叉引用

本申请要求享有2020年4月17日提交的序号为63/012042的美国临时申请的权益，由此通过引用结合该美国临时申请。

技术领域

本发明的实施例涉及使用移动网络的连接交通工具导航的领域；并且更具体地涉及用于使用实时移动通信网络信息提供连接交通工具的改进的路线选择的方法和设备。

背景技术

自主交通工具独立于本地人工控制来导航。如本文中所使用的‘自主’交通工具是指自我管控的交通工具。任何类型的交通工具都可以作为自主交通工具，包括小汽车、卡车、无人机、飞机、船只以及任何大小或类型的类似交通工具。自主操作一般指示自主交通工具能够在可能存在显著不确定性的不受控制的导航环境中导航，使得自主交通工具能够补偿这些不确定性以及系统问题或故障而不用人为干预。自动化的等级可以是诸如国际汽车工程师协会（SAE）所定义的等级0-5之类的类别。

自主交通工具利用大量数据来做出导航决策。此数据中的有些数据是经由传感器在交通工具本地收集的，而其它数据是经由移动通信系统接收的。本地传感器可以包括激光雷达、立体视觉、全球定位系统（GPS）、惯性测量单元（IMU）和类似的传感器。本地收集的数据，连同本地存储的地形、地图、地理空间或类似的数据，可以由自主交通工具的导航算法作为输入来处理。导航算法可以控制自主交通工具的各种系统，诸如推进系统、转向系统和类似的系统。导航算法还可以利用并非在自主交通工具本地的计算资源和数据。

通过通信网络与外部计算和数据资源连接的自主交通工具是一种‘连接交通工具’，它可以使用移动通信系统在自主交通工具的车载计算系统和远程计算系统之间接收和传送大量数据。所接收的数据可以包括关于本地状况的数据，诸如天气、交通、道路状况和类似的数据。所传送的数据可以包括自主交通工具的传感器所收集的数据。然而，在移动通信网络具有差的覆盖或没有覆盖而使得对外部计算资源和数据的依赖成问题的情况下，与外部计算资源交换此数据可能被中断或者降至低于必需的服务质量（QoS）等级。

发明内容

在第一实施例中，一种路线预测系统利用实时移动通信网络数据的方法包括：接收实时移动通信网络数据。该方法进一步包括：将实时移动通信网络数据与历史数据聚合以形成训练集；过滤训练数据集，以便与连接交通工具的服务路线预测相关；使用过滤后的训练数据集来训练多个离线模型；以及从多个离线模型中选择表现最佳的传播模型。

在另一实施例中，一种网络装置配置成实现路线预测系统利用实时移动通信网络数据的方法。该网络装置包括：里面存储有路线预测块的非暂时性机器可读存储介质；以及耦合到非暂时性机器可读存储介质的处理器。处理器执行路线预测块，路线预测块用于：接收实时移动通信网络数据；将实时移动通信网络数据与历史数据聚合以形成训练集；过滤训练数据集，以便与连接交通工具的服务路线预测相关；使用过滤后的训练数据集来训练多个离线模型；以及从多个离线模型中选择表现最佳的传播模型。

在进一步的实施例中，联网装置配置成执行多个虚拟机。所述多个虚拟机实现网络功能虚拟化（NFV）。该网络装置包括：里面存储有路线预测块的非暂时性机器可读存储介质；以及耦合到非暂时性机器可读存储介质的处理器。处理器执行多个虚拟机中的至少一个虚拟机。所述多个虚拟机中的至少一个虚拟机执行路线预测块。路线预测块接收实时移动通信网络数据；将实时移动通信网络数据与历史数据聚合以形成训练集；过滤训练数据集，以便与连接交通工具的服务路线预测相关；使用过滤后的训练数据集来训练多个离线模型；以及从多个离线模型中选择表现最佳的传播模型。