用于车辆重新定位的系统和方法与流程

1.本公开涉及用于重新定位车辆的系统和方法。特别地，本公开涉及在打车或乘车共享应用中采用的用于重新定位车辆的系统和方法。车辆可包括经典或人工操作的车辆以及自动和/或自主车辆。


背景技术：

2.基于共享车辆车队(例如打车、共乘、汽车共享)使用按需移动出行(odm)服务在服务城市人口中的用户移动性需求中已变得日益重要。这种服务典型地使用在线平台，以用于将用户与车辆连接，所述车辆例如是自主车辆或者由人工驾驶员操作的车辆，人工驾驶员使用自己的车辆参与按需移动出行服务。在汽车共享应用中，用户自己操作车辆。odm服务典型地以低成本提供类似于有执照的出租车的服务。
3.odm服务的一个关键问题是实现和/或维护车辆在指定操作区的均匀和/或其他所需分布，以便确保对于潜在用户来说该用户附近有一个或多个车辆可用。在本公开的范围内，术语“附近”可指代不同度量。当应用于汽车共享时，该术语可指代距离度量，例如用户与一个或多个(最近的)车辆之间的步行距离。当应用于打车时，该术语可指代时间度量，例如被叫车辆到达用户位置的预计到达时间(eta)。除非另有明确说明，术语附近可指代用于相应使用场合的适用度量。
4.odm服务的一个典型问题是，例如根据一天中的时间，用户需求会波动，由此经常导致操作区的一些区域由于高需求而车辆不足，而操作区的一些其他区域由于低需求而车辆较多。
5.因此，在任何共享车辆车队中，需要间歇性地对个别车辆重新定位，以便实现和/或维护所需分布。具体而言，为了确保车辆在操作区的这种分布，基于车队车辆的位置，一个或多个车辆可能不得不重新定位至操作区的不同区域，从而可供那里的用户可用。在一些情况下，这可包括驾驶车辆穿过操作区。重新定位车辆可能会引起大量成本，例如当自主车辆或人工操作的车辆在车上没有用户的情况下不得不重新定位时。
6.u.s.2015/0310379 a1描述了共享车辆系统和方法，其中生成地图，指示包括在共乘服务中的多个车辆的相应位置。在多个车辆中，识别需要重新定位的车辆。在识别出的车辆附近识别用户以提议使用该识别出的车辆。该提议经过网络以支持重新定位的方式传递至用户以使用该识别出的车辆。所描述的系统和方法被设计用于以此方式减小无效重新定位(即，没有用户)的数量。
7.a.g.santos、p.g.l.candido、a.f.balardino和w.herbawi的“使用多个摆渡车的自由浮动汽车共享中的车辆重新定位问题”(2017ieee进化计算大会(cec)，圣塞巴斯蒂安，2017年，第2544
‑
2551页)描述了一种整数线性规划公式和一种进化算法来解决自由浮动汽车共享中的车辆重新定位问题。在所描述的汽车共享系统中，用户租借汽车并可将汽车停留在指定区中的任何地方。一段时间之后，一组车辆必须重新定位至一组离散的加权地点，在这些地点其他用户可再次租借它们。为了实现重新定位，一些摆渡车会将一组操作员驾
送至待重新定位的车辆然后再将操作员召回。目的是为了在给定时间使服务地点的加权总和最大化。整数线性规划模型被设计用于解决小实例并用于对其他实例给出上下限。上下限值用于评估进化算法所找出的解决方案，并显示出该算法可找出较好或较佳的解决方案。
8.存在一些方法来缓解车辆分布不均匀的影响和/或提供有效或低廉的车辆重新定位。然而，通常不考虑波动需求，从而，为了开始车辆的重新定位，首先不得不出现车辆的可用性不足。因此，在重新定位所需的时间内，可能无法满足用户的交通请求，并且用户可能决定使用可替代的交通模式。
9.因此，需要可以基于其确定潜在需求的系统和方法。这可促进对交通请求的更精确和更及时的满足并且又使得共享车辆车队的使用更加高效和有效。因此，这可进一步增大odm服务的收入。
10.进一步，例如基于车辆维护或人工驾驶员休息或开始/结束其轮班，车辆可能进行服务和停止服务。在这种情况下，车辆将不得不进行整合或者从活动的共享车辆车队中去除，而不会明显影响操作区的某一区域中车辆的总体可用性。
11.因此，需要在考虑车辆的操作程序和/或人工操作员调度的同时能够实现对车队中车辆进行连续管理的系统和方法。特别地，在轮班开始时协调车辆和/或驾驶员所需的时间明显减少。进一步，便于在空闲时间期间控制和跟踪车辆和/或驾驶员。这还可能使交通请求被更精确和更及时地满足并且又使得共享车辆车队的使用更加高效和有效。
12.此外，车辆的重新定位通常并非基于反复出现交通要求的影响，例如用户的日常通勤或典型的交通模式(例如，工作日、节假日、早晨、中午前后或者晚上)。因此，在车辆的需求上升或高需求与供应下降或低供应之间存在明显延迟的情况下可触发重新定位。
13.因此，需要基于潜在需求并基于总的重新定位策略允许对共享车辆车队的车辆进行预先重新定位的系统和方法，这基于多个车辆而不是关注于单个或单独车辆的重新定位。这可使重新定位成本明显总体下降，同时允许使车队车辆的使用更加高效和有效。特别地，能够降低和/或优化燃料或能源消耗及相关成本。当应用于自主车辆车队时，特别地，可优化在空闲时间期间的车辆运动。


技术实现要素：

14.上文指出的一个或多个目的通过根据任意所附权利要求所述的方法和系统得以实现，其缓解或消除了一个或多个所述缺点并实现了一个或多个所述优点。
15.在根据本发明的第一方面中，提供了一种用于在操作区中重新定位共享车辆车队中的一个或多个车辆的方法，所述操作区包括多个分区，所述多个分区中的每个分区被配置为指定所述操作区的一部分。所述方法包括：对于所述多个分区中的每个分区，基于预测需求确定用于所述一个或多个车辆的重新定位要求，对于所述多个分区中的每个分区，所述预测需求包括表示在相应分区中对车辆的需求的相应需求；基于所述相应的重新定位要求，确定待重新定位的所述一个或多个车辆；以及向待重新定位的所述一个或多个车辆提供重新定位指令。
16.在根据方面1所述的第二方面中，所述方法进一步包括：对于所述多个分区中的每个分区，基于表示使用所述共享车辆车队中的车辆的历史数据确定相应的预测需求。
17.在根据方面1或2中任一项所述的第三方面中，所述预测需求包括多个预测需求值，其中每个预测需求值与多个时隙中的时隙相关联。
18.在根据方面3的第四方面中，所述多个时隙被配置为代表日历年的一段时间；和/或所述多个时隙中的每个时隙被配置为代表15分钟至3小时之间、优选在30分钟至2小时之间、更优选为1小时的时间间隔。
19.在根据方面1至4中任一项所述的第五方面中，所述多个分区中的每个分区限定其中车辆需求基本上同质的区域。
20.在根据方面1至5中任一项结合方面3所述的第六方面中，对于所述多个时隙中的每个时隙，使所述多个分区中的所述分区中的一个或多个分区的如下特性中的一个或多个特性发生改变：所述分区中的所述一个或多个分区的相应分区的大小；所述分区中的所述一个或多个分区的相应分区覆盖的区域；以及所述分区中的所述一个或多个分区的相应分区的相应预测需求。
21.在根据方面1至6中任一项所述的第七方面中，确定所述多个分区中的每个分区的重新定位要求在下述情况下触发：以预定间隔，优选地所述预定间隔在30分钟与2小时之间，更优选地在45分钟与75分钟之间，最优选地为大约1小时；当对所述多个车辆增加非活动车辆时，非活动车辆表示先前未包括在所述多个车辆中且被指定考虑使用的车辆；和/或当从所述多个车辆去除活动车辆时，活动车辆表示当前包括在所述多个车辆中且被指定未考虑使用的车辆。
22.在根据方面1至7中任一项结合方面3所述的第八方面中，对于所述多个分区中的每个分区确定相应的预测需求包括：对于所述多个分区中的每个分区，确定所述多个时隙中的每个时隙的相应的预测需求；可选地，对于所述多个分区中的每个分区，以规律的间隔重复确定相应的预测需求，优选地所述规律的间隔在30分钟与2小时之间，更优选地在45分钟与75分钟之间，最优选地为大约1小时。
23.在根据方面1至8中任一项所述的第九方面中，待重新定位的所述一个或多个车辆为人工操作型，并且在所述一个或多个车辆中的每一个车辆中，所述重新定位指令由控制相应车辆的相应人工操作员执行；优选地，所述相应人工操作员为所述相应车辆的用户。
24.在根据方面1至8中任一项所述的第十方面中，待重新定位的所述一个或多个车辆为自主型，并且在所述一个或多个车辆中的每一个车辆中，所述重新定位指令由被配置为控制相应车辆的相应控制单元执行。
附图说明
25.附图公开了根据本发明实施例的示例性和非限制性的各方面。在附图中，相似的附图标记指代相同、类似或等同的部件。
26.图1示意性显示根据本公开实施例的用于重新定位车辆的系统；
27.图2例示在根据本公开实施例的用于重新定位车辆的系统中使用的操作区的示例分区划分；
28.图3a至图3c例示根据本公开实施例重新定位的车辆在不同阶段期间的示例重新定位；
29.图4显示根据本发明实施例的用于重新定位车辆的方法的流程图。
具体实施方式
30.在以下详细描述中，除非另有明确说明，利用等同的附图标记表示等同、相同或功能类似的元件。
31.图1示意性显示了根据本公开实施例的用于重新定位车辆的系统100。通常，系统100被配置为对操作区200(见图2)中的车辆提供供应规划，用于监控操作区200内的多个分区，特别地用于监控并确定各不同分区之间的车辆分布，以及用于确定为了实现该分布应何时重新定位一个或多个车辆。
32.如图1所示，系统100可包括odm单元120、规划和通信单元140以及客户端单元160。odm单元120被配置为用于确定需求预测、用于确定车辆的规划供应和/或用于提供预测和/或规划数据。odm单元120通常由共享车队的车辆供应商操作。odm单元120可进一步被配置为提供接口服务(例如，平台输出的上传/下载功能，例如每周供应规划或每天和每小时的预测)。特别地，接口服务提供每天每小时和区域的供应规划(即预测需求)的下载功能。
33.规划和通信单元140被配置用于以下情况中的一种或多种：提供日历服务、提供调度服务(例如，开始/结束轮班提醒)、会计服务(例如休息扣除、薪水计算)、管理服务(例如驾驶员可用性合并、轮班选择权)。
34.注意，根据相应的实施方式，功能性可从单元120转移至单元140，反之亦然。本文所描述的功能性对应于示例性实施例。在其他实施例中，根据需要或者由特定应用提示，一个或多个功能可在单元120与单元140和/或系统100的其他部件之间转移。
35.对于没有在需求预测算法中建模的一些例外(例如异常或特殊)情况，例如公共交通罢工或类似事件，人工车队经理可调整预测值。规划和通信单元140可由车辆的供应商(例如，当操作自主车辆车队时)或由人工操作员的供应商操作。
36.客户端单元160被配置为用于向车辆和/或车辆的操作员提供服务和/或数据。服务包括以下中的一种或多种：提供与操作区以及包括于其中的分区有关的地图数据、提供用户接口(例如用于输入手动调节)、跟踪和监控服务(例如跟踪关键性能指标(kpi)、驾驶员信息)以及操作服务(例如个人乘车/搭便车的预计到达时间(eta)信息、有关搭便车和预计搭便车的信息、需求满足)。分区可根据需要、例如根据特征密度、交通密度、使用密度和其他因素设定大小和形状。特别地，为了增大建模精度可减小分区的大小。
37.odm单元120可创建、更新和/或维护被配置为存储分区和时间信息的数据库122。在图1所示的示例中，数据库122被显示为将各个分区(例如a1、a2、a3、b1
…
)和时隙(例如7、8、9、10
…
)映射到表示预测需求的值的记录集。记录存储了相应分区(例如“a1”)和时隙(例如“8”)的需求预测(例如“5”)。需求预测可包括适合于表示预测需求的任何度量，例如所需车辆的数量。如所示，从时隙7至时隙10的时间段内分区a1中的需求为5、5、3和3，由此表明预测需求随着时间流逝从5辆车下降至3辆车。可能存在呈现预测需求为零的分区(例如，参见在时隙9和10的分区a3和b1)，表明相应分区和时隙的预测需求为零辆车。时隙可对应于离散时间段(例如，30分钟、1小时)，并且其大小也可以变化。例如，在低需求时间期间(例如，凌晨2点之后)，将时隙建模成更长的间隔(例如，1小时或2小时)可能更有效，而在高需求时间期间和/或预测到需求会波动的时间(例如，早晨或晚上的高峰时段期间)，将时隙建模成更短的间隔(例如，10分钟、20分钟、30分钟)可能更有效。
38.odm单元120可被配置为向规划和通信单元140提供130整周的分区和时隙的下载
矩阵122。该矩阵122可上传至轮班规划工具中。该规划工具可实现api链接，其基于在130(分区和小时)中共享的信息向驾驶员提供轮班。规划和通信单元140将驾驶员添加至轮班。
39.规划和通信单元140可创建、上传和/或维护被配置为存储车辆/驾驶员和时间信息的数据库142。在图1所示的示例中，数据库142被显示为将各个车辆或驾驶员(dr1、dr2、dr3、dr4
…
)和时隙(7、8、9、10
…
)映射到车辆或驾驶员应可用的时隙的记录集。如所示，例如对于车辆/驾驶员“dr1”，相应的车辆应在时隙7、8、9和10期间可用。只要车辆/驾驶员应为“上班”或“下班”，则在数据库140中会有反映。可用驾驶员被定位和/或重新定位至另一分区，这在odm单元120的数据库中会有反映。
40.特别地，odm单元120被配置为提供分区信息，规划和通信单元140被配置为保持跟踪驾驶员/车辆的基本可用性。例如，驾驶员drx被调度在上午7:00开始轮班并在上午10:00结束轮班。一旦驾驶员drx开始轮班，则单元120向驾驶员drx发送分区信息。单元140可实施基本轮班规划工具，其被配置为基于需求预测和驾驶员/车辆可用性规定来执行轮班规划。然后将轮班推送至客户端单元160。
41.在优选实施例中，实施方式可包括，单元120被配置为只要驾驶员进行“上班”就向驾驶员传送分区。驾驶员可能是可用的，这是因为驾驶员供应商基于单元120提供的数据(例如，通过将表格或电子表格上传至系统100中)规划其轮班。重要的参数是每时隙可用驾驶员的总数量。
42.在另一优选实施例中，实施方式可包括，单元140被配置为基于来自odm单元120的信息自动创建轮班/车辆可用性。单元140然后将轮班推送至客户端单元160上的驾驶员/车辆，并且可被配置为在非调度时间内安排维护和清理任务。
43.odm单元120可被配置为向客户端单元160提供151例如分区信息、有关分区内会面点的信息和时间信息。一旦驾驶员上线(例如，在单元140中规划的轮班)，则odm单元120处理所有行程和分区位置。另外或可替代地，规划和通信单元140以及odm单元120可被配置为从规划和通信单元140以及从客户端单元160接收170、151、131kpi。kpi可包括下述中的一个或多个：重新定位的持续时间、每个驾驶员成功重新定位的百分比、每个驾驶员的延迟重新定位的百分比、重新定位时长、重新定位原因、每小时的重新定位数量、每个分区的重新定位数量、每个驾驶员的重新定位延迟以及其他。换言之，odm单元120与驾驶员通信，而140被配置为基于odm单元120提供的输入130进行轮班规划。
44.图2例示了在根据本公开实施例的用于重新定位车辆的系统100中使用的操作区200的示例分区划分。操作区200可包括市区环境，并可由任何结构、自然、监管机构或其他合适的度量界定。典型地，基于与现有市区可能关联或者可能不关联的预期需求确定操作区。因此，操作区根据个别应用可仅覆盖一部分市区和/或延伸超过城市界限。
45.图2显示了包括分区210、220、230和240(为了清楚，并非所有的分区都提供有附图标记)的操作区200。分区210、220、230和240表示对于odm应用不同的预测需求。例如，预测需求在分区210中可最高且在分区240中可最低，而分区220和230表示中间需求，其中分区220表示比分区230更高的需求。分区210、220、230、240的分布仅为示例性的，预测需求可随着时间波动。进一步，分区210、220、230、240的形状、形式、大小和位置可随着时间波动，从而分区可扩大、缩小、改变其位置或形状，和/或基于预测需求不复存在或者进行创建。任意分区210、220、230和240的一个重要概念是预测需求在相应分区覆盖的区域内是同质的。在
一示例中，特定分区可以是在一天的某一时间(例如在早晨)呈现出盛行外出乘车的分区，例如居民区。在另一示例中，另一分区可在同一时间期间呈现出盛行进车，例如商业区。通常，类似性比较可基于多个特征中的一个或多个(例如，每小时进车和/或出车)。进一步，可执行这种特征的聚类和/或基于voronoi的处理。
46.关于图1，分区a1、a2、a3、b1
…
中的每一个分区与图2所示的分区210、220、230、240中的一个分区恰好相关联。注意到，为了清楚，只有图2中所示的一些分区提供有相应的附图标记a1、a2、a3和b1。应理解，可实施任何所需的分区划分以及分区与预测需求的关联，以便实现分区和时间到预测需求的相应映射。当重新定位车辆和/或驾驶员时，可提示或者指示该车辆和/或驾驶员从一个分区(例如，具有低需求的分区a1)移动至另一分区(例如，具有高需求的分区b1)。
47.每个分区随着时间流逝的需求预测以及分区随着时间流逝的大小、形状、位置等基于下述中的一个或多个进行确定：历史预定数据；包括有关每200户总计的居民/家庭的信息和有关区域类型的信息(例如，住宅与商业建筑的百分比)的infas结构数据；包括公共交通的poi(例如，由google、osm提供)。分区划分被配置为对各分区提供同质需求。每个分区的需求预测基于历史预定数据、infas数据、google和开放街道地图(osm)poi提供的数据、天气数据、事件数据(例如，音乐会、足球比赛或类似事件)、应用程序数据(包括专用应用程序数据，例如drivenow/sharenow)和其他数据。
48.图3a至图3c例示了根据本公开实施例重新定位的车辆在不同阶段期间的示例重新定位。在图3a至图3c中的每一个中，矩阵中的栏位表示分区(例如，参见图3a，分区a1、a2、a3
…
)，栏位中的数值表示相应分区中车辆的实际数量或车辆的预测需求。通常，分区中车辆的预测需求和实际数量对于多数分区而言应该等同，从而能够有效满足预期需求。
49.图3a例示了对于车辆投入使用(例如，在清洁、维护、加油/充电之后)或者当人工驾驶员开始轮班(例如，在工作日开始时或者休息之后)时的操作阶段典型的重新定位情况。在所示示例中，一个或多个车辆在站点125开始运行。对于自主车辆车队，站点125可以是车辆库、停车场、维修区、加油/充电区，或者是可与自主车辆相关联的任何其他设施。对于人工操作的车辆，站点125可以呈现出与自主车辆相同的特性。可替代地，特别是当人工操作员提供其自己的个人车辆时，站点125可表示相应人工操作员的家庭位置，因此，每个人工操作员具有其自己的站点125。在一个或多个自主车辆由一个或多个供应商操作的应用中，每个供应商可具有一个或多个站点125，每个站点与一个或多个车辆相关联。在车辆共享应用中，站点125可包括相应车辆的先前目的地，例如当系统100应用于浮动车辆车队(即，没有指定站点和/或停车场)时。
50.每个车辆可在分配的站点125或在相应的“原驻”站点开始。分配的站点可基于预测需求提供，从而车辆投入使用，其部署在具有相应预测需求的区中。以此方式，在操作区和相应的分区(参见箭头126)以所需的方式分布车辆。在重新定位的同时，每个车辆被标识成活动行驶，直至到达相应的目的地。只要车辆越过边界到达车辆被指定定位的分区，则完成重新定位。图3a例示了车辆已根据需要重新定位从而匹配预测需求的情况(即，在每个分区中存在所需数量的车辆)。
51.图3b例示了对于当车辆和/或驾驶员可供使用(例如，在轮班期间)时的规律操作阶段典型的重新定位情况。阴影分区(参见“ 1”和
“‑
1”)表示过剩一个或多个车辆或者需要
一个或多个车辆的分区。只要分区中的车辆实际数量低于该分区中的预测需求，则触发进入该分区的重新定位(请求)(参见
“‑
1”)。类似地，只要分区中的车辆实际数量高于该分区中的预测需求，则触发离开该分区的重新定位(请求)(参见“ 1”)。在重新定位128的情况下，请求第一车辆和/或驾驶员重新定位到另一分区。可通过降低需求(例如，参见图3a，从6到5)或者通过在该分区中额外的车辆变得可用(例如，车辆数量从6增加至7)触发重新定位128。两个示例均会导致该分区中的车辆过剩，由“ 1”表示。
52.预测需求和/或车辆/驾驶员的重新定位可以规律的间隔触发，例如30分钟至2小时之间，优选45至75分钟，最优选大约1小时。间隔不应太长或太短，间隔太长会导致重新定位需求的大量累计，间隔太短可能会过于频繁地触发重新定位(例如，造成额外成本)。预测需求可以更短的间隔确定，以便快速识别需求增加或下降。当超出预测需求的阈值(例如，满足重新定位车辆/驾驶员的某一最低必要性)时可触发重新定位。在自主车辆的应用中，通常可减少间隔，以便有效利用自主车辆车队。
53.在图3b中，重新定位被显示为车辆/驾驶员少于预测需求的分区，由
“‑
1”表示。另外，另一分区可能表示车辆/驾驶员过剩，由“ 1”表示。在该过程期间，第二车辆和/或驾驶员可以具有主动行驶127(例如，运送付费客户)，其目的地位于正在重新定位第一车辆和/或驾驶员的分区。如图3b所示，两个不同分区具有“ 1”车辆的过剩。在此情况下，可以取消重新定位128，第二车辆/驾驶员的主动行驶127可视为对第一车辆/驾驶员的重新定位128的替代。以此方式，可以减少或最小化重新定位的数量和/或相关成本。注意到，可以考虑分区中对车辆的任何需求(例如，
“‑
1”、
“‑
2”、
“‑
3”等)和/或分区中车辆的任何过剩(例如，“ 1”、“ 2”、“ 3”等)，然而，只要有(剩余)过剩，则车辆可从具有过剩的一个分区重新定位至不同分区(例如，最多三个车辆可从“ 3”分区重新定位至一个或多个不同的分区)。
54.通常，车辆/驾驶员在完成主动行驶之后可分配至不同分区，例如返回至开始行驶的分区、目的地所在的分区、需要额外车辆的分区，或者根据自动生成或手动确定的调度的任何其他分区。特别地，预测需求和/或分区可变化，这也会触发重新定位。
55.图3c例示了对于车辆完成其服务(例如，当清洁、维修或加油/充电到期时)或者当人工驾驶员结束轮班(例如，工作日结束或者休息时)时的操作阶段典型的重新定位情况。相应的车辆/驾驶员可返回至分配的或者原驻的站点125。车辆/驾驶员可进一步将其自身标注为“离线”(即不可用于服务)，因此在转换126至站点125期间不会出现在系统100中。
56.可基于通用算法确定重新定位。例如，如果由于问题规模不能以精确方式解决问题，则优选遗传算法。
57.根据本公开实施例的遗传算法基于针对业务运行时有效重新定位打车服务车队的优化问题的公式化。该方法的前提包括将资源分配至具有相应资源需求的实体以及基于自定义成本函数确定分配的最小成本。
58.在示例性实施例中，成本函数定义如下：
59.min：
60.x
ij
∈{0，1}
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0061][0062][0063]
其中，c
ij
＝从i移动至j的成本，a
j
＝车辆i的供应(i＝1，..，m)，b
j
＝分区j的需求。
[0064]
在第一示例使用情况(例如高峰时段)中，需求包括：车辆尽可能快速地放置在有客户需求的位置，以及过剩车辆的分布在操作区基本上均匀。由于行驶更长路线导致的工作成本(例如，汽油使用、通行费、增加的磨损)可被忽略或者设以低权重。
[0065]
多目标优化如下：
[0066][0067]
s.t.x
ij
∈{0，1}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0068][0069][0070][0071]
基于ε约束方法，其中表示分配至分区j的车辆数量。
[0072]
在第二示例使用情况(例如非高峰时段)中，需求包括：使重新定位有成本效益，执行将车辆分布至与更高或最高利润相关联的分区，以及最小化或防止非必要的重新定位或行程。工作成本(例如，汽油使用、通行费、每行驶距离的成本)可优先考虑或设以高权重。
[0073]
成本函数可基于规定的工作成本和固定的成本：
[0074][0075]
线性优化可执行如下：
[0076]
min：
[0077]
s.t.
[0078]
x
ij
∈{0，1}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0079][0080][0081]
所采用的遗传算法属于进化算法类别(例如，一类元启发式算法)。其基于在抽象层面模仿生物化进化过程，包括使用解空间的编码表示、覆盖搜索空间的不断演化的解决方案群、基于适应度函数的评估以及利用概率规则寻找新的解决方案。
[0082]
重新定位可替代地可基于优化确定。例如，可使用高级约束编程语言minizinc对重新定位问题进行建模，并且可通过合适的解算器(例如osi
‑
cbc)解决相应的minizinc程序(例如编译成flatzinc的模型)。
[0083]
在一些实施例中，重新定位可根据一个或多个因素(包括分区特性、预测需求、车队特性和/或时间)以不同方式(参见上文)确定。
[0084]
在一些实施例中，对于通信中断(例如，当行驶通过隧道时)的时间段或者当没有可用的重新定位请求时可存在适当的默认措施。以此方式，车辆/驾驶员可重新定位至默认分区，除非另有指示。
[0085]
根据个别应用，重新定位信息可直接传送至车辆的控制单元，特别是对于自主车辆而言，或者传送至人工操作员(即，驾驶员)使用的用户设备。
[0086]
在优选实施例中，至少基于以下因素触发重新定位。在单个车辆/驾驶员的情况下，在服务开始和结束时、在完成行驶之后或者当(例如，通过调度员或者人工操作员)触发手动重新定位时可触发重新定位。在车辆车队多次重新定位的情况下，以规律的(或调整的)间隔(例如，10分钟至1小时)、在(例如表示预测需求的)供应规划每次改变之后、当任何车辆/驾驶员停止服务(或者“离线”)时以及如果任何分区下降低于车辆的最小数量(例如，小于预测或实际需求)，可触发重新定位。
[0087]
在一些实施例中，当可用的车辆/驾驶员比服务所有分区所需的车辆/驾驶员还要多时，系统100可将过剩车辆/驾驶员重新定位至在一个或多个后续时隙中预测需求将升高的分区。
[0088]
在一些实施例中，当可用的车辆/驾驶员比服务所有分区所需的车辆/驾驶员还要少时，系统100可被配置为基于被配置为对更频繁常去的分区提供更高的优先权的方案使一些分区优先。以此方式，可用的车辆/驾驶员可重新定位至预测需求高于可用车辆/驾驶员的当前数量的分区以及预期大量请求的分区。这会使得车辆/驾驶员的平均利用率最大化或者得以优化。
[0089]
图4显示了根据本发明实施例的用于重新定位的方法600的流程图。用于重新定位共享车辆车队中的一个或多个车辆的方法600应用至其中该一个或多个车辆运行的操作区200。操作区200包括多个分区，多个分区中的每个分区a1、a2、a3、b1被配置为指定操作区的一部分。方法始于步骤601。
[0090]
在可选步骤602，对于多个分区中的每个分区a1、a2、a3、b1，基于表示使用共享车辆车队中的车辆的历史数据确定相应的预测需求。步骤602可基于其他数据和/或包括可替代或额外的步骤以便确定预测需求。在优选实施例中，重复和/或以规律的间隔执行步骤602，以便连续地和/或规律地确定预测需求。在一些实施例中，可根据需要，例如在步骤604、606和608(参见虚线箭头)中的任一步骤之后执行步骤602。
[0091]
在步骤604，对于多个分区中的每个分区，基于预测需求确定用于一个或多个车辆的重新定位要求。对于多个分区中的每个分区，预测需求包括表示在相应分区中对车辆的需求的相应需求。类似于步骤602，在优选实施例中，可重复和/或以规律的间隔执行步骤604，以便连续地和/或规律地确定重新定位要求。在图4中，返回至可选步骤602的虚线箭头也表示重复和/或规律地执行步骤604，执行或不执行可选步骤602。
[0092]
在步骤606，基于相应的重新定位要求，确定待重新定位的一个或多个车辆。
[0093]
在步骤608，向待重新定位的一个或多个车辆提供相应的重新定位指令。注意到，如上所述，重新定位指令可提供至相应的客户端单元160和/或提供至相应车辆中的控制单元。在优选实施例中，重新定位指令可提供至相应自主车辆中的控制单元。
[0094]
在优选实施例中，连续执行方法600，从而在步骤604、606和608中的任何一个步骤之后，再次执行步骤604—可选地在步骤602之前。
[0095]
方法600在步骤612结束。