机器人出租车的调度方法、装置、电子设备与存储介质制造方法及图纸

本申请公开了机器人出租车的调度方法、装置、电子设备与存储介质，涉及自动驾驶领域。具体实现方案为：统计调度区域的当前时间片的统计订单量；根据所述调度区域的所述当前时间片的统计订单量以及预先训练好的订单预测模型，预测对应的所述调度区域的下一时间片的预测订单量；基于所述调度区域的所述下一时间片的预测订单量，采用人工鱼群算法对车辆进行调度。本申请可以弥补现有技术的不足，提供一种有效地机器人出租车的调度方案。而且，本申请的调度方案能够准确有效地对机器人出租车进行调度，有效地保证机器人出租车的调度效果，提高调度效率。

Dispatching method, device, electronic equipment and storage medium of robot taxi

【技术实现步骤摘要】
机器人出租车的调度方法、装置、电子设备与存储介质
本申请涉及计算机
，尤其涉及自动驾驶
，特别涉及一种机器人出租车的调度方法、装置、电子设备与存储介质。
技术介绍
随着近年来无人驾驶车辆的火热，无人驾驶出租车即机器人出租车(robotaxi)在理论上也变得可能。而且相对于驾驶员运营车辆，robotaxi的一个显著优势是工作时间无限制，可以接受全局统一调度，不会因个体利益而不接单。但是，现有技术在又缺乏robotaxi的相关调度方案，因此，亟需提供一种适用于robotaxi的车辆调度方案。
技术实现思路
为了解决上述技术问题，本申请提供一种机器人出租车的调度方法、装置、电子设备与存储介质，用于弥补现有技术的不足，提供一种机器人出租车的调度方案。一方面，本申请提供一种机器人出租车的调度方法，包括：统计调度区域的当前时间片的统计订单量；根据所述调度区域的所述当前时间片的统计订单量以及预先训练好的订单预测模型，预测对应的所述调度区域的下一时间片的预测订单量；基于所述调度区域的所述下一时间片的预测订单量，采用人工鱼群算法对车辆进行调度。进一步可选地，如上所述的方法中，基于所述调度区域的下一时间片的预测订单量，采用人工鱼群算法对车辆进行调度，包括：基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法获取调度车辆调度的目标位置；根据所述目标位置获取对应于电子地图的POI；将所述调度车辆调度至所述POI上。进一步可选地，如上所述的方法中，基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法获取调度车辆调度的目标位置，包括：基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法判断所述调度区域中是否存在满足散群条件的参考区域；若存在，随机抽取所述参考区域内第一预设比例的车辆作为调度车辆，以进行散群调度；对于随机抽取的各所述调度车辆，采用所述人工鱼群算法判断所述调度车辆是否满足追尾觅食调度的条件；若满足，获取所述调度车辆的目标位置，以进行追尾觅食调度。进一步可选地，如上所述的方法中，基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法判断所述调度区域中是否存在满足散群条件的参考区域，包括：在所述调度区域内，检测预设半径大小的所述参考区域范围内、是否存在大于预设数量的车辆；若存在，确定在所述参考区域内存在群；基于所述调度区域的所述下一时间片的预测订单量，获取所述参考区域的中心位置的订单需求量和所述参考区域内各所述车辆所在位置的订单需求量；并判断所述中心位置的订单需求量是否小于所述参考区域内的所有车辆所在位置的订单需求量的均值的第二预设比例；若是，确定所述调度区域中存在满足散群条件的所述参考区域，否则，不存在。进一步可选地，如上所述的方法中，对于随机抽取的各所述调度车辆，采用所述人工鱼群算法判断所述调度车辆是否满足追尾觅食调度的条件，包括：对于随机抽取的各所述调度车辆，在移动距离阈值范围内搜寻包括的所有参考车辆中各参考车辆所在的位置，取所述移动距离阈值范围内包括的所有参考车辆的数量为n，n为正整数；基于所述调度区域的所述下一时间片的预测订单量，分别获取n个参考车辆中各所述参考车辆所在位置对应的订单需求量以及当前抽取的所述调度车辆所在位置的订单需求量；基于所述n个参考车辆中各所述参考车辆所在位置对应的订单需求量，获取n个所述订单需求量中的最优值F_opt；判断所述最优值F_opt是否大于alpha*F_current，其中F_current当前抽取的所述调度车辆所在位置的订单需求量，alpha为预设的参数；若是，确定所述调度车辆满足追尾觅食调度的条件；对应地，获取所述调度车辆的目标位置，包括：将所述最优值F_opt对应的所述参考车辆的位置作为当前抽取的所述调度车辆的目标位置。进一步可选地，如上所述的方法中，基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法获取调度车辆调度的目标位置，包括：对于所述调度区域内的所述调度车辆，随机选择权重；判断所述权重是否小于预设权重阈值；若是，在移动距离阈值范围内随机选取一位置作为所述目标位置，以对所述调度车辆进行随机移动调度。进一步可选地，如上所述的方法中，所述方法还包括:若所述权重大于或者等于所述预设权重阈值，在所述移动距离阈值范围内随机选取多个候选位置；基于所述调度区域的所述下一时间片的预测订单量，获取各所述侯选位置的订单需求量；根据各所述侯选位置的订单需求量，选取所述订单需求量最大的所述侯选位置，作为所述目标位置，以对所述调度车辆进行独立觅食调度。进一步可选地，如上所述的方法中，对于所述调度区域内的所述调度车辆，随机选择权重之前，所述方法还包括：确定所述调度车辆不满足追尾觅食调度的条件。进一步可选地，如上所述的方法中，基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法获取调度车辆调度的目标位置，包括：基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法判断所述调度区域中是否满足聚群的条件；若满足，获取所述调度车辆调度的所述目标位置，以进行聚群调度。进一步可选地，如上所述的方法中，基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法判断所述调度区域中是否满足聚群的条件，包括：以所述调度区域内的任意一当前车辆的当前位置为中心，预设长度阈值为半径，计算覆盖区域中包括的车辆数目m，所述m为正整数；判断所述车辆数目是否超过预设车辆数阈值的第三预设比例；若未超过，取所述覆盖区域内的所有车辆位置的质心位置；基于所述调度区域的下一时间片的预测订单量，计算所述质心位置的订单需求量和所述当前车辆的当前位置的订单需求量；并判断所述质心位置的订单需求量对所述车辆数目m取平均的平均值，是否大于所述当前车辆的当前位置的订单需求量的预设倍数；若是，确定所述调度区域中满足聚群的条件；对应地，获取所述调度车辆调度的所述目标位置，包括：将所述覆盖区域的内的所有车辆作为调度车辆，以所述质心位置作为所述调度车辆的目标位置，以进行聚群调度。进一步可选地，如上所述的方法中，基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法获取调度车辆调度的目标位置之后，根据所述目标位置获取对应于电子地图的POI之前，所述方法还包括：判断并确定所述调度车辆的当前位置到所述目标位置之间的距离大于预设距离阈值，且判断并确定所述目标位置未超出所有调度区域的边界。进一步可选地，如上所述的方法中，所述方法还包括：统计各所述调度区域在一天开工中的第一个时间片的历史统计订单量；根据各所述调度区域的所述历史统计订单量，从中心网点向各所述调度区域调度车辆。<本文档来自技高网...

【技术保护点】
1.一种机器人出租车的调度方法，其特征在于，包括：/n统计调度区域的当前时间片的统计订单量；/n根据所述调度区域的所述当前时间片的统计订单量以及预先训练好的订单预测模型，预测对应的所述调度区域的下一时间片的预测订单量；/n基于所述调度区域的所述下一时间片的预测订单量，采用人工鱼群算法对车辆进行调度。/n

【技术特征摘要】
1.一种机器人出租车的调度方法，其特征在于，包括：
统计调度区域的当前时间片的统计订单量；
根据所述调度区域的所述当前时间片的统计订单量以及预先训练好的订单预测模型，预测对应的所述调度区域的下一时间片的预测订单量；
基于所述调度区域的所述下一时间片的预测订单量，采用人工鱼群算法对车辆进行调度。


2.根据权利要求1所述的方法，其特征在于，基于所述调度区域的下一时间片的预测订单量，采用人工鱼群算法对车辆进行调度，包括：
基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法获取调度车辆调度的目标位置；
根据所述目标位置获取对应于电子地图的POI；
将所述调度车辆调度至所述POI上。


3.根据权利要求2所述的方法，其特征在于，基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法获取调度车辆调度的目标位置，包括：
基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法判断所述调度区域中是否存在满足散群条件的参考区域；
若存在，随机抽取所述参考区域内第一预设比例的车辆作为调度车辆，以进行散群调度；
对于随机抽取的各所述调度车辆，采用所述人工鱼群算法判断所述调度车辆是否满足追尾觅食调度的条件；
若满足，获取所述调度车辆的目标位置，以进行追尾觅食调度。


4.根据权利要求3所述的方法，其特征在于，基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法判断所述调度区域中是否存在满足散群条件的参考区域，包括：
在所述调度区域内，检测预设半径大小的所述参考区域范围内、是否存在大于预设数量的车辆；
若存在，确定在所述参考区域内存在群；
基于所述调度区域的所述下一时间片的预测订单量，获取所述参考区域的中心位置的订单需求量和所述参考区域内各所述车辆所在位置的订单需求量；
并判断所述中心位置的订单需求量是否小于所述参考区域内的所有车辆所在位置的订单需求量的均值的第二预设比例；
若是，确定所述调度区域中存在满足散群条件的所述参考区域，否则，不存在。


5.根据权利要求3所述的方法，其特征在于，对于随机抽取的各所述调度车辆，采用所述人工鱼群算法判断所述调度车辆是否满足追尾觅食调度的条件，包括：
对于随机抽取的各所述调度车辆，在移动距离阈值范围内搜寻包括的所有参考车辆中各参考车辆所在的位置，取所述移动距离阈值范围内包括的所有参考车辆的数量为n，n为正整数；
基于所述调度区域的所述下一时间片的预测订单量，分别获取n个参考车辆中各所述参考车辆所在位置对应的订单需求量以及当前抽取的所述调度车辆所在位置的订单需求量；
基于所述n个参考车辆中各所述参考车辆所在位置对应的订单需求量，获取n个所述订单需求量中的最优值F_opt；
判断所述最优值F_opt是否大于alpha*F_current，其中F_current当前抽取的所述调度车辆所在位置的订单需求量，alpha为预设的参数；
若是，确定所述调度车辆满足追尾觅食调度的条件；
对应地，获取所述调度车辆的目标位置，包括：
将所述最优值F_opt对应的所述参考车辆的位置作为当前抽取的所述调度车辆的目标位置。


6.根据权利要求5所述的方法，其特征在于，基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法获取调度车辆调度的目标位置，包括：
对于所述调度区域内的所述调度车辆，随机选择权重；
判断所述权重是否小于预设权重阈值；
若是，在移动距离阈值范围内随机选取一位置作为所述目标位置，以对所述调度车辆进行随机移动调度。


7.根据权利要求6所述的方法，其特征在于，所述方法还包括:
若所述权重大于或者等于所述预设权重阈值，在所述移动距离阈值范围内随机选取多个候选位置；
基于所述调度区域的所述下一时间片的预测订单量，获取各所述侯选位置的订单需求量；
根据各所述侯选位置的订单需求量，选取所述订单需求量最大的所述侯选位置，作为所述目标位置，以对所述调度车辆进行独立觅食调度。


8.根据权利要求6所述的方法，其特征在于，对于所述调度区域内的所述调度车辆，随机选择权重之前，所述方法还包括：
确定所述调度车辆不满足追尾觅食调度的条件。


9.根据权利要求2所述的方法，其特征在于，基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法获取调度车辆调度的目标位置，包括：
基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法判断所述调度区域中是否满足聚群的条件；
若满足，获取所述调度车辆调度的所述目标位置，以进行聚群调度。


10.根据权利要求9所述的方法，其特征在于，基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法判断所述调度区域中是否满足聚群的条件，包括：
以所述调度区域内的任意一当前车辆的当前位置为中心，预设长度阈值为半径，计算覆盖区域中包括的车辆数目m，所述m为正整数；
判断所述车辆数目是否超过预设车辆数阈值的第三预设比例；
若未超过，取所述覆盖区域内的所有车辆位置的质心位置；
基于所述调度区域的下一时间片的预测订单量，计算所述质心位置的订单需求量和所述当前车辆的当前位置的订单需求量；
并判断所述质心位置的订单需求量对所述车辆数目m取平均的平均值，是否大于所述当前车辆的当前位置的订单需求量的预设倍数；
若是，确定所述调度区域中满足聚群的条件；
对应地，获取所述调度车辆调度的所述目标位置，包括：
将所述覆盖区域的内的所有车辆作为调度车辆，以所述质心位置作为所述调度车辆的目标位置，以进行聚群调度。


11.根据权利要求2-9任一所述的方法，其特征在于，基于所述调度区域的下一时间片的预测订单量，采用所述人工鱼群算法获取调度车辆调度的目标位置之后，根据所述目标位置获取对应于电子地图的POI之前，所述方法还包括：
判断并确定所述调度车辆的当前位置到所述目标位置...

【专利技术属性】
技术研发人员：高飞，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11