用于MAAS平台上的移动提供商的交通工具和乘员的事件确定的制作方法

用于maas平台上的移动提供商的交通工具和乘员的事件确定
1.相关申请的交叉参考/通过引用并入
2.无。
技术领域
3.本公开的各种实施例涉及移动即服务(maas)技术。更具体地，本公开的各种实施例涉及用于maas平台上的移动提供商的交通工具和乘员的事件确定的系统和方法。


背景技术：

4.与交通工具队伍管理相关的技术的最新进展已经导致管理或跟踪交通工具的移动提供商的发展。移动经营者可以管理和跟踪交通工具以分配从不同乘客通过不同应用请求的行程。通常，移动提供商可以基于交通工具的当前位置和乘客的源位置将行程分配给交通工具，乘客可以请求到某个目的地位置的乘坐。在某些情况下，为行程分配交通工具可能不考虑乘客可能期望的其他因素。这些因素的例子可以包括但不限于乘客的偏好、安全或隐私考虑、规章的遵守或争议处理。因此，需要一种系统，其可以确保与移动提供商相关联的高效、安全、兼容和有利可图的交通工具队伍(fleet)运营。
5.通过将所描述的系统与本公开的一些方面进行比较，如在本技术的其余部分中并且参考附图所阐述的，常规和传统方法的限制和缺点对于本领域技术人员将变得显而易见。


技术实现要素：

6.提供了一种用于在移动即服务(maas)平台上为移动提供商的交通工具和乘员进行事件确定的系统和方法，其基本上如至少一个附图所示和/或结合至少一个附图所描述，并在权利要求中更完整地阐述。
7.通过连同附图一起审阅本公开的以下详细描述，可以理解本公开的这些和其他特征和优点，在附图中，相同的附图标记始终表示相同的部分。
附图说明
8.图1是根据本公开实施例的用于在移动即服务(maas)网络上的移动提供商的交通工具和乘员的事件确定的示例性网络环境的图。
9.图2是根据本公开实施例的用于maas平台上的移动提供商的交通工具和乘员的事件确定的移动经营者系统和第一交通工具的框图。
10.图3是根据本公开的实施例的第一交通工具的示例性场景。
11.图4是示出根据本公开实施例的用于maas平台上的移动提供商的交通工具和乘员的事件确定的示例性操作的序列图。
12.图5a-5c共同示出了根据本公开的实施例的用于为交通工具的乘员生成得分卡的示例性表格。
13.图6是根据本公开实施例的与图1的移动经营者系统、maas网络和多个移动提供商服务器相关联的示例性第5代(5g)通信网络的场景图。
14.图7是示出根据本公开实施例的用于maas平台上的移动提供商的交通工具和乘员的事件确定的示例性方法的流程图。
具体实施方式
15.以下描述的实现可以在所公开的用于在移动即服务(maas)网络上为移动提供商的交通工具和乘员进行事件确定的系统和方法中找到。所公开的系统可以是联合交通管理系统的一部分，该联合交通管理系统可以促进多个同类或不同类的交通提供商(例如，移动提供商)及其基础设施(例如，租赁交通工具、售票门、应用和/或销售点(pos)设备)在maas网络上运营，从而提供各种交通服务(例如，计程车服务)。每个交通提供商可以享有安全数据所有权，并且可以通过分布式账本控制相关交易数据的共同使用。这可以增强各种交通提供商之间的连接性。
16.本公开的示例性方面提供了一种被配置成存储经训练的人工智能(ai)模型的移动经营者系统，该ai模型包括一个或多个机器学习模型或一个或多个神经网络模型中的至少一个。移动经营者系统可以被配置为接收数据，诸如与第一交通工具相关联的交通工具上(on-board)诊断(obd)数据和乘员数据。例如，乘员数据可包括从诸如与第一交通工具相关联的成像传感器、音频传感器和lidar传感器之类的传感器接收的数据。第一交通工具可向第一移动提供商登记。移动经营者系统还可以被配置为基于所接收的obd数据和乘员数据来确定多个参数。多个参数的示例可以包括但不限于从obd数据确定的第一交通工具的加速/减速信息、从乘员数据确定的第一交通工具的乘员对安全带的使用、从乘员数据确定的第一交通工具中的乘员的超容量(overcapacity)、第一交通工具的乘员对交通规则的遵守、第一交通工具的健康状态和/或与第一交通工具的路线有关的天气状况。
17.移动经营者系统还可以被配置为对多个参数应用经训练的ai模型以确定(或预测)与第一交通工具有关或与第一交通工具的乘员有关的一个或多个事件。一个或多个事件的示例可以包括但不限于驾驶员的挑衅行为(诸如驾驶行为)、第一交通工具的驾驶员对安全驾驶实践的遵守、第一交通工具的驾驶员对规章政策的遵守、提供给第一交通工具的乘客的舒适水平、危险驾驶状况或驾驶员的鲁莽驾驶模式。关于所确定的一个或多个事件的信息可以存储在与maas网络相关联的分布式账本的一个或多个节点上。因此，移动经营者系统可以允许基于对可能导致事故或事例的事件的确定(或预测)来防止事故，所述事件例如是交通工具故障、危险驾驶状况、驾驶员的鲁莽驾驶、乘客不满意、争议、规章违规等。移动经营者系统还可以允许第一交通工具的安全操作以及向第一交通工具的乘员(诸如驾驶员或乘客)提供安全。
18.根据实施例，移动经营者系统还可以被配置为基于所确定的一个或多个事件来生成与第一交通工具的驾驶员相关联的驾驶员简档信息。例如，所生成的驾驶员简档信息可以包括但不限于驾驶模式(例如驾驶员的平均驾驶速度)、驾驶员与乘客的行为、驾驶员的驾驶技能水平。此外，移动经营者系统还可以被配置为生成与第一交通工具的乘客相关联的乘客简档信息。例如，所生成的乘客简档信息可以包括但不限于乘客偏好的平均行程路线、乘客偏好的驾驶速度、乘客偏好的交通工具类型、乘客的账户类型(例如高端账户)以及
乘客与驾驶员的行为。所述移动经营者系统可以分析所述驾驶员简档信息和所述乘客简档信息，以针对向特定移动经营者登记的行程将交通工具和驾驶员分配给所述乘客。因此，基于该分析，移动经营者系统可以向乘客(诸如移动提供商的客户)提供定制的服务，其可以进一步提高乘客满意度，确保乘客的安全，并且进一步基于所提供的定制服务来确保多个移动提供商的盈利能力。
19.所述移动经营者系统可以被配置为生成与所述驾驶员相关联的第一得分卡。所述移动经营者系统还可以生成与所述乘客相关联的第二得分卡。第一得分卡和第二得分卡可以分别指示驾驶员和乘客的行为模式。第一得分卡和第二得分卡可由移动经营者系统基于多个事件的合计(例如加权合计)来生成，所述多个事件是基于实时obd数据和在不同条件(例如正常或危险)下接收的乘员数据确定的。
20.移动经营者系统还可以将驾驶员简档信息和乘客简档信息(即，基于一个或多个事件生成的)存储在分布式账本上，从而确保客户(诸如乘客)的信息安全和隐私。通过利用存储在分布式账本上的驾驶员简档信息和乘客简档信息，移动经营者系统可以提供对可能在乘客、驾驶员或移动提供商之间发生的争议的有效处理。此外，移动经营者系统可以使多个移动提供商能够利用存储在maas网络上的分布式账本上的授权信息(例如，简档信息)来设计可以向多个移动提供商提供货币利益的不同服务模型。因此，本公开的移动经营者系统可以确保与多个移动提供商相关联的高效、安全和有利可图的交通工具队伍运营。
21.图1是根据本公开实施例的用于在移动即服务(maas)平台上为移动提供商的交通工具和乘员进行事件确定的示例性网络环境的图。参考图1，示出了网络环境100的框图。网络环境100可以包括移动经营者系统102。网络环境100还可以包括可以与发布-订阅模式相关联的移动即服务(maas)网络104。maas网络104可以包括多个发布者节点106a-106n、代理节点设备108和多个订户节点110a-110n。maas网络104还可以包括多个移动提供商(mp)节点112a-112n和多个maas节点114a-114n。此外，maas网络104可以包括分布式账本子节点116，其可以包括驾驶员子节点116a、用户子节点116b和文档子节点116n。
22.网络环境100还可以包括多个移动提供商(mp)服务器118。多个mp服务器118可包括第一mp服务器118a、第二mp服务器118b、
…
和第n mp服务器118n。此外，网络环境100可包括与第一mp服务器118a相关联的第一交通工具120a、与第二mp服务器118b相关联的第二交通工具120b、
…
以及与第n mp服务器118n相关联的第n交通工具120n。网络环境100还可以包括第一交通工具120a的乘员122和与乘员122相关联的第一电子设备124，以及外部服务器128。此外，网络环境100可以包括通信网络126。
23.在图1中，maas网络104的节点的数量、多个mp服务器118中的mp服务器的数量以及交通工具120a-120n的数量仅作为示例呈现，并且不应被解释为对本公开的限制。本公开还可以适用于更多或更少数量的节点、mp服务器和交通工具，用于移动经营者系统102的交通工具和乘员的事件确定，而不脱离本公开的范围。为了简洁起见，图1中仅示出了maas网络104的n个节点、多个mp服务器118的n个服务器和n个交通工具120a-120n。然而，在一些实施例中，可以比maas网络104的节点的n数量、多个mp服务器118的服务器和交通工具120a-120n的数量更多，而不限制本公开的范围。此外，与图1所示的一个移动提供商服务器(例如第一mp服务器118a)相关联的一个交通工具(例如第一交通工具120a)仅作为示例给出。一个移动提供商服务器可以与多个交通工具相关联，而不限制本公开的范围。
24.移动经营者系统102可以包括适当的逻辑、电路、代码和/或接口，其可以被配置为执行用于maas网络104上的移动提供商的交通工具(例如，第一交通工具120a、第二交通工具120b、
…
和第n交通工具120n)和乘员(例如，乘员122)的事件确定的操作。移动经营者系统102可以通过利用通信网络126(例如，第5代(5g)通信网络)来执行操作。移动经营者系统102可以是可包括经训练的人工智能(ai)模型(例如，图2的经训练的ai模型204a)的ai系统。经训练的ai模型可包括一个或多个机器学习模型或一个或多个经训练的神经网络模型中的至少一个。经训练的ai模型可应用于多个参数，以用于交通工具120a-120n的事件确定。例如，在图4中提供了移动经营者系统102的操作的细节。移动经营者系统102可以与一个移动提供商(或一个移动提供商服务器)相关联或专用于该一个移动提供商。移动经营者系统102的示例可以包括但不限于移动提供商虚拟机、移动提供商智能引擎、服务器、计算设备、大型机器、计算机工作站或电子设备，以处理大规模数据(即，从一个或多个移动提供商服务器或交通工具接收的行程数据)。
25.maas网络104可以支持用于通信的标准规范。跨maas网络104的所有移动提供商的多个发布者节点106a-106n(即，票读取器或出租车应用)可以遵循用于数据交换的标准或公共通信协议。maas网络104可以包括可以遵循maas标准通信规范的同类发布者节点。maas网络104还可以包括可以遵循专有通信协议的异类发布者节点。maas网络104可以向发布者节点提供基于插件的支持，使得可以支持这种异类的发布者节点，直到相应的移动提供商遵守用于通信的maas标准规范并为其提供支持。
26.maas网络104可以为与不同交通提供商(即，移动提供商)相关联的发布者节点提供插件架构，以加入maas网络104。通过节点管理设备(图1中未示出)，maas网络104可以提供发布者节点的批量集群管理。所有发布者节点可以遵循设置协议以在maas网络104上操作。设置协议可以强制实施公共安全架构(用于发布者节点认证和授权)、网络协议(例如http、mqtt、amqp等)、统一数据请求或响应格式(例如json、csv或xml格式)以及api/数据方案。这可以确保每个发布者节点遵循集群级配置(例如，包括公司名称、公司id、门id、门号等的设备简档)和设备级证书(即，认证凭证)。集群级配置的模式和设置协议可以促进交通提供商(即，移动提供商)部署新的发布者节点或用即插即用方法替换现有发布者节点。这可以促进maas网络104用作具有各种交通提供商(即，移动提供商)的资源(例如发布者节点)之间的互操作性的同类交通网络。
27.多个发布者节点106a-106n可包括合适的逻辑、电路、代码和/或接口，其可被配置为作为各个移动提供商(例如，交通提供商)的移动服务(例如，交通服务)的票处理客户端来操作。例如，作为票处理客户端，多个发布者节点106a-106n可以读取、发布、充值或取消票，以创建与各个交通服务相关联的事件。基于这样的事件，交易消息可以通过代理节点设备108被传送到maas网络104的一个或更多个订户节点(例如，多个订户节点110a-110n)。多个发布者节点106a-106n的例子可以包括但不限于具有行程计划或预订应用的消费电子设备、售票门上的读票器、售票亭、销售点(pos)设备、移动pos、售票机、可以读取票以开始或结束乘坐的运输交通工具的智能门。
28.多个订户节点110a-110n可以包括适当的逻辑、电路、代码和/或接口，其可以配置为通过代理节点设备108从多个发布者节点106a-106n中的一个或多个接收交易消息。每个交易消息可以包括可以由多个订户节点110a-110n中的一个或多个订户节点订阅的主题。
订户节点的实现的示例可以包括但不限于web服务器、边缘设备、边缘节点、云服务器、基于云的服务器的集群、工作站或具有雾计算能力的任何计算设备。
29.多个发布者节点106a-106n中的第一发布者节点106a和多个订户节点110a-110n中的第一订户节点110a可以与第一交通提供商相关联。诸如第二发布者节点106b和第二订户节点110b之类的其他节点可以与第一交通提供商或者可以与第一交通提供商不同的第二交通提供商相关联。
30.代理节点设备108可以包括适当的逻辑、电路、代码和/或接口，其可以被配置为将交易消息从发布者节点(例如第一发布者节点106a)路由到订户节点(例如第一订户节点110a)。授权代理节点设备108将这样的交易消息路由到订户节点的决定可以由与maas网络104相关联的服务器(图1中未示出)来确定。代理节点设备108的示例实现可以包括但不限于应用服务器、云服务器、大型机服务器、数据库服务器、web服务器或其他类型的服务器。
31.代理节点设备108可以被配置为通过适当的发布-订阅网络协议与多个发布者节点106a-106n和多个订户节点110a-110n中的每一个进行通信，所述发布-订阅网络协议例如是但不限于基于消息排队遥测传输(mqtt)的消息传送协议、基于高级消息排队协议(amqp)的消息传送协议或基于面向消息的中间件(mom)的消息传送框架。
32.多个mp节点112a-112n可以包括适当的逻辑、电路、代码和/或接口，其可以被配置为存储与相应的移动提供商相关联的交易数据。例如，第一mp节点112a可以存储与第一移动提供商相关联的交易数据(例如行程数据)。交易数据可以包括用户行程的记录。每个行程可以对应于在旅程的至少一段中可以由第一移动提供商(例如，与第一mp服务器118a相关联)提供的移动服务。多个mp节点112a-112n中的每一个可以被称为分布式账本112的节点，其可以存储maas网络104的各种移动提供商的交易数据。
33.多个maas节点114a-114n可以包括适当的逻辑、电路、代码和/或接口，其可以被配置为存储与maas网络104的所有移动提供商相关联的交易数据。与每个移动提供商相关联的交易数据的存储可以用于在向用户提供移动服务的移动提供商之间结算行程的交易。多个maas节点114a-114n中的每一个可以对应于可以存储与maas网络104相关联的交易数据的分布式账本114的节点。
34.多个mp节点112a-112n中的每一个和多个maas节点114a-114n中的每一个可以与分布式账本子节点116相关联。例如，第一mp节点112a和第一maas节点114a中的每一个可以与分布式账本子节点116的驾驶员子节点116a、用户子节点116b和文档子节点116c相关联。此外，第二mp节点112b和第二maas节点114b中的每一个可以与分布式账本子节点116的驾驶员子节点116a、用户子节点116b和文档子节点116c相关联。类似地，第n mp节点112n和第n maas节点114n中的每一个可以与分布式账本子节点116的驾驶员子节点116a、用户子节点116b和文档子节点116c相关联。分布式账本子节点116的驾驶员子节点116a可以存储与maas网络104的移动提供商相关联的驾驶员简档信息。在实施例中，驾驶员子节点116a可以存储与驾驶员相关联的事件时间线(或事件跟踪信息)。可包括在与驾驶员相关联的事件时间线中的示例性信息可包括但不限于与驾驶员相关联的得分卡、与驾驶员相关联的简档、与驾驶员相关联的行为信息以及事件情境(context)，例如交通信息、驾驶员的动作以及驾驶员的言语。分布式账本子节点116的用户子节点116b可以存储与maas网络104的移动提供商相关联的用户(或乘客)信息。在一个实施例中，用户子节点116b可以存储与用户相关联
的事件时间线(或事件跟踪信息)。可被包括在与用户相关联的事件时间线中的示例性信息可包括但不限于特定于用户的设置和偏好(诸如隐私设置)。特定于用户的设置和偏好可以帮助移动提供商和maas提供商确保关于在分布式账本节点/子节点中存储用户数据可以遵守数据隐私标准、法律义务和规则(诸如，通用数据保护条例(gdpr))。分布式账本子节点116的文档子节点116c可以存储包括与maas网络104的移动提供商的交通工具120a-120n相关联的obd数据的日志信息。此外，文档子节点116c可以存储基于所确定的与maas网络104相关联的一个或多个事件而生成的消息和通知信息。
35.在一个实施例中，分布式账本112、分布式账本114中的每个的至少两个账本节点可以存储与maas交通服务相关联的交易数据。maas交通服务可以与以下中的一个或多个相关联：多个交通提供商和/或用户(例如乘客)，其可以通过统一的maas接口或通过多个发布者节点106a-106n利用maas交通服务。与maas交通服务关联的交易数据可以包含在一组状态对象中，例如初始状态对象和初始状态对象的更新版本。每个状态对象可以包括智能合同、合同代码(或交易各方同意的交易规则)以及状态属性(当基于来自多个发布者节点106a-106n的交易请求(与交易消息相关联)更新交易数据时，可以更新状态属性)。
36.在至少一个实施例中，分布式账本112和分布式账本114中的每一个可以是可以维护数据操作或交易的不可变记录的分散式和分布式数据库系统。一组数据操作可以被分组在一起作为区块，并且可以进一步链接到先前的数据操作区块以形成多个区块的链。可以以分散的方式存储所有数据操作区块，其中，分布式账本112和分布式账本114中的每个的至少两个参与者或节点可以存储与至少两个参与者或节点可以参与的一个或多个交易相关联的多个区块的子集。此外，分布式账本112和分布式账本114中的每一个可以包括操作系统(例如，java虚拟机(jvm))，其可以允许在多方(例如，第一交通提供商的(多个)移动提供商节点)和对方节点(即，maas提供商节点)之间部署智能合同。
37.作为示例而非限制，分布式账本112和分布式账本114中的每一个可以是分布式账本技术(dlt)系统，诸如基于区块链的系统(例如，corda区块链、ethereum区块链或hyperledger(超账本)区块链)。分布式账本112和分布式账本114中的每个可以存储可以分别由分布式账本112和分布式账本114中的每个跟踪的一组不可变状态对象。状态对象可以包括用于不同类型的分布式账本技术的一组分布式账本兼容规则。例如，状态对象可包括交易数据，诸如各方之间的智能合同、合同代码(交易规则)以及包括具有某些状态值的状态属性的内容。智能合同可以包括一组条件，在该组条件下，智能合同的多方可以同意彼此交互。智能合同可以在分布式账本112和分布式账本114中的每一个的一个或多个节点上运行，并且可以管控状态对象之间的转变以生成交易。智能合同可以被写一次、被重用于大量状态对象，并且可以借助于加密散列来指代管控法律文法(governing legal prose)。
38.分布式账本112和分布式账本114中的每一个可以使用安全的加密散列来识别各方和数据，并且还将状态对象链接到状态对象的先前版本以提供来源链。可以将各方的群组之间的交易存储在分布式账本112和分布式账本114中的每个上，使得仅与交易相关联的各方的群组能够查看交易。与交易相关联的一方可以将交易的当前状态对象存储在仓库(与分布式账本112或分布式账本114相关联的数据库)中。有资格查看或处理交易(例如，验证交易)的另一方可以从库中取回交易的当前状态对象。另外，分布式账本112和分布式账本114中的每个的每个状态对象可以包括可以参与相关联的交易的各方或各节点之间的智
能合同。
39.在分布式账本112和分布式账本114中的每一个上，参与者或节点(例如，第一mp节点112a或第一maas 114a)可以通过更新输入状态对象(例如，第一状态对象)的状态属性来更新交易，以产生输出状态对象(例如，第二状态对象)。更新的交易可以由此创建起源链(其可以与交易数据相关联)。分布式账本112和分布式账本114中的每个可以基于对更新的交易的有效性的确定和对更新的交易的唯一性的确定来提供对更新的交易的共识。在实施例中，与更新的交易相关联的节点的参与者可以通过独立执行与交易相关联的智能合同和验证逻辑来确定更新的交易的有效性。此外，通过使用与分布式账本112和分布式账本114中的每个相关联的共识节点，可以确定更新的交易的唯一性。例如，共识节点可基于不存在通过使用与当前交易相同的输入状态对象已达成共识的其它交易的检查来确定更新的交易的唯一性。
40.根据实施例，分布式账本112和分布式账本114中的每个可以与可以包括客户端侧接口(前端)和服务器侧接口(后端)的分散式应用相关联。分散式应用可以被配置为实现与区块链相关联的工作流(例如，corda流)，以在分布式账本112的节点(诸如，第一mp节点112a)和/或分布式账本114的节点(诸如，第一maas节点114a)上记录交易。客户端侧接口可以被托管在多个订户节点110a-110n中的每一个上，并且客户端侧接口可以被配置为加载到与订户节点相关联的客户端上。例如，分散应用的客户端侧接口可以是远程过程调用(rpc)客户端，其可以被配置在每个订户节点和对方节点(即maas提供商节点)上。分散应用的服务器侧接口可以在与对应订户节点和对方节点相关联的分布式账本112的每个节点和分布式账本114的每个节点上运行。
41.在一个实施例中，来自发布者节点的交易请求(与交易消息相关联)可以发起移动提供商节点(例如分布式账本112的第一mp节点112a)与maas提供商节点(即，对方节点)之间的maas交易。分布式账本112可以存储用于两方之间的maas交易的记录，所述两方即移动提供商节点(例如，第一移动提供商的第一mp节点112a)和maas提供商节点(即，对方节点)。在一个实施例中，分布式账本114还可以存储用于第一移动提供商和maas提供商节点之间的maas交易的记录。分布式账本114可以另外存储maas网络104的其他移动提供商与maas提供商节点之间的maas交易的记录。
42.在多个maas提供商的情况下，示例性的实施方式可以包括多个maas提供商节点，每个maas提供商节点可以与特定的maas提供商相关联，并且可以被包括在针对相应的maas提供商的单独的分布式账本中。在某些情况下，多个maas提供商节点可以被包括在公共分布式账本中，例如分布式账本114。
43.在一个实施例中，第一mp节点112a可以是分布式账本112的许多数据库节点中的一个，并且第一maas节点114a可以是分布式账本114的任何数据库节点中的一个。第一mp节点112a和第一maas节点114a中的每一个可以被配置为经由第一订户节点110a接收交易消息。第一mp节点112a和第一maas节点114a中的每一个可以被配置为基于交易消息来更新与分布式账本112和分布式账本114中的每一个相关联的初始状态对象，以输出更新的状态对象。第一mp节点112a和第一maas节点114a中的每一个可以建立交易，该交易可以包括具有初始交易数据的初始状态对象和具有更新的交易数据的更新的状态对象。
44.多个mp服务器118可以包括适当的逻辑、电路、代码和/或接口，其可以被配置成执
行与相应的移动提供商相关联的行程或行程数据的管理。例如，第一mp服务器118a可以被配置成管理与第一移动提供商相关的行程或相关行程数据。第二mp服务器118b可以被配置成管理与第二移动提供商相关联的行程和相关行程数据。类似地，第n mp服务器118n可被配置成管理与第n移动提供商相关联的行程及相关行程数据。多个mp服务器118中的每一个可以被实现为云服务器，并且可以通过web应用、云应用、http请求、储存库操作、文件传输等来执行操作。多个mp服务器118中的每一个的其它示例实现可以包括但不限于数据库服务器、文件服务器、web服务器、媒体服务器、应用服务器、主机服务器或云计算服务器。在至少一个实施例中，通过使用本领域普通技术人员公知的几种技术，多个mp服务器118中的每一个可以被实现为多个分布式的基于云的资源。在一些实施例中，多个mp服务器118中的一个或多个可以在相应的交通工具内实现，例如第一交通工具120a、第二交通工具120b、
…
和第n交通工具120n。
45.第一交通工具120a、第二交通工具120b、
…
和第n交通工具120n中的每个可以是非自主交通工具、半自主交通工具或完全自主交通工具，例如，如由国家高速公路交通安全管理局(nhtsa)定义的。第一交通工具120a、第二交通工具120b、
…
和第n交通工具120n的示例可包括但不限于两轮交通工具、三轮交通工具、四轮交通工具、混合动力交通工具或具有自主驱动能力的交通工具，其使用一种或多种不同的可再生或不可再生功率源。使用可再生或不可再生功率源的交通工具可包括基于化石燃料的交通工具、基于电力推进的交通工具、基于氢燃料的交通工具、太阳能驱动的交通工具和/或由其它形式的替代能源驱动的交通工具。两轮交通工具的示例可以包括但不限于电动两轮车、基于内燃机(ice)的两轮车或混合两轮车。类似地，四轮交通工具的示例可以包括但不限于电动汽车、基于内燃机(ice)的汽车、基于燃料电池的汽车、太阳能汽车或混合动力汽车。可以注意到，为了简洁起见，本公开中省略了对其他类型的交通工具的描述。第一交通工具120a、第二交通工具120b、
…
和第n交通工具120n中的每一个可以是乘坐者(例如乘员122)可从起始点行进到目的地点所用的系统。每个交通工具可以具有一个或多个交通工具上诊断(obd)端口，以将obd数据传输到可以连接到一个或多个obd端口的外部设备。此外，每个交通工具可以具有多个传感器(例如图像拍摄设备、音频捕获设备)以确定与对应交通工具相关联的乘员数据。乘员数据可以包括与一个或多个乘员(例如，乘员122)(诸如，交通工具的驾驶员和乘客)相关联的信息。
46.乘员122可以是第一交通工具120a的驾驶员。在另一实施例中，乘员122可以指第一交通工具120a的乘客。乘客可以经由移动经营者系统102请求第一行程。在一些实施例中，移动经营者系统102可以经由相应的mp服务器(例如第一mp服务器118a)接收请求。移动经营者系统102还可以将用于所请求的行程的第一交通工具120a分配给作为第一交通工具120a的乘员122的乘客。此外，在乘员122是驾驶员的情况下，驾驶员可以经由第一电子设备124从移动经营者系统102接收行程请求。作为乘员122的驾驶员可以进一步经由第一电子设备124确认对所请求的行程的接受。移动经营者系统102可以(经由第一电子设备124)通知乘客关于对所请求的行程的接受。可以注意到，图1中所示的一个乘员(例如乘员122)仅仅是示例。可以存在与第一交通工具120a相关联的多于一个的乘员122，如乘客或驾驶员，而不限制本公开的范围。
47.第一电子设备124可以包括适当的逻辑、电路和接口，其可以被配置为发送和接收
来自移动经营者系统102的信息。第一电子设备124可以与诸如驾驶员或乘客之类的乘员122相关联。第一电子设备124的示例可以包括但不限于计算设备、智能电话、蜂窝电话、移动电话、交通工具电子仪表板、交通工具信息娱乐系统、游戏设备、大型机器、服务器、计算机工作站和/或消费电子(ce)设备。
48.通信网络126可以包括通信介质，maas网络104的每个节点可以通过该通信介质与移动经营者系统102、多个mp服务器118和外部服务器128通信。通信网络126的示例可以包括但不限于因特网、云网络、无线保真(wi-fi)网络、个域网(pan)、局域网(lan)或城域网(man)。maas网络104的各种节点可以被配置为根据各种有线和无线通信协议连接到通信网络126。这种有线和无线通信协议的示例可以包括但不限于传输控制协议和网际协议(tcp/ip)、用户数据报协议(udp)、超文本传输协议(http)、文件传输协议(ftp)、zigbee、edge、ieee 802.11、光保真(li-fi)、802.16、ieee 802.11s、ieee 802.11g、多跳通信、无线接入点(ap)、设备到设备通信、蜂窝通信协议和蓝牙(bt)通信协议中的至少一个。在一些实施例中，通信网络126可以对应于第五代(5g)网络。
49.外部服务器128可以包括适当的逻辑、电路、代码和/或接口，其可以被配置为从移动经营者系统102接收第一组obd数据和第一组乘员。外部服务器128还可以基于接收到的第一组obd数据和第一组乘员数据来确定第一组参数。外部服务器128的细节例如在图4中提供。外部服务器128可以被实现为云服务器，并且可以通过web应用、云应用、http请求、储存库操作、文件传输等来执行操作。外部服务器128的其他示例实现方式可以包括但不限于数据库服务器、文件服务器、web服务器、媒体服务器、应用服务器、大型机服务器或云计算服务器。
50.在操作中，移动经营者系统102接收与第一交通工具120a相关联的obd数据。第一交通工具120a可以向第一移动提供商登记。obd数据可以从与第一交通工具120a相关联的obd端口接收。在实施例中，移动经营者系统102可以从与第一交通工具120a相关联的第一mp服务器118a接收与第一交通工具120a有关的obd数据。obd端口可提供与第一交通工具120a相关的自诊断数据。在实施例中，obd端口可以经由标准化数字通信端口来实现，以向移动经营者系统102或向与第一交通工具120a耦接的不同诊断/控制设备提供实时obd数据。此外，obd端口可以以诊断故障代码(dtc)的标准化系列的形式提供obd数据。obd数据的示例可包括但不限于发动机负载参数、发动机温度数据、rpm数据、节气门位置数据、燃料和空气计量数据、燃料压力数据、交通工具制动数据、加速度数据、计时数据、点火系统统计数据、点火失败信息、辅助排放控制数据、速度控制数据、传动控制数据、与第一交通工具120a相关联的使用时间和磨损相关的信息。第一交通工具120a可以与第一移动提供商相关联。第一移动提供商可与第一mp服务器118a相关联。
51.移动经营者系统102还可以从与第一交通工具120a相关联的多个传感器接收乘员数据。在实施例中，移动经营者系统102可以从与第一交通工具120a相关联的第一mp服务器118a接收与第一交通工具120a有关的乘员数据。乘员数据(与乘员122相关)可以不同于obd数据。乘员122可以是第一交通工具120a的驾驶员和乘客。根据实施例，多个传感器可以包括但不限于一个或多个成像传感器、深度传感器、光检测和测距(lidar)传感器以及一个或多个音频传感器。
52.例如，乘员数据可以包括但不限于从一个或多个成像传感器或深度传感器接收的
数据，诸如乘员122的拍摄的图像和视频，其可以指示例如乘员122(诸如驾驶员和乘客两者)的坐姿、交通工具的座椅的位置、从lidar传感器接收的导航数据(诸如第一交通工具120a和第一交通工具120a的周围物体之间的距离)、从一个或多个音频传感器接收的语音数据(与乘员122相关联)。例如，在图4中进一步提供了obd数据和乘员数据的接收的细节，根据实施例，移动经营者系统102可以进一步被配置为从服务器接收外部数据。外部数据可以包括关于道路状况的信息、关于天气状况的信息、关于行进路线的交通更新、或第一交通工具120a的行进路线的路线地图。
53.移动经营者系统102还可以被配置为基于接收到的obd数据、接收到的乘员数据和外部数据来确定用于第一交通工具120a的事件确定(或预测)的多个参数。根据实施例，多个参数可以包括但不限于第一交通工具120a的加速和减速信息、第一交通工具120a的速度、第一交通工具120a相对于周围物体的接近程度、来自第一交通工具120a的鸣响、由作为第一交通工具120a的乘员122的驾驶员施加的制动的强度、第一交通工具120a的健康状态、第一交通工具120a的乘员122对安全带的使用、驾驶员的效率、第一交通工具120a中乘员的超容量、第一交通工具120a的乘员122对交通规则的遵守、乘员122在电话上花费的时间量、第一交通工具120a中乘员的口头交流的音量、第一交通工具120a中音乐的音量的强度、与第一交通工具120a的路线有关的道路状况、与第一交通工具120a的路线有关的天气状况、与第一交通工具120a的车道切换有关的信息、穿行(weaving)信息或关于第一交通工具120a的突然转向(swerving)信息。例如，在图4中进一步提供了确定多个参数的细节。
54.移动经营者系统102可以是包括经训练的ai模型的ai系统，该经训练的ai模型可包括一个或多个经训练的机器学习模型和一个或多个经训练的神经网络模型中的至少一个。移动经营者系统102可以被配置为将经训练的ai模型(例如，一个或多个经训练的机器学习模型和神经网络模型)应用于所确定的多个参数。例如，ai系统可以在一个或多个机器学习模型上被训练，所述机器学习模型诸如但不限于支持向量机(svm)算法、k最近邻(knn)算法或随机森林算法。类似地，ai系统可以在一个或多个神经网络模型上被训练，所述神经网络模型例如但不限于深度神经网络(dnn)、卷积神经网络(cnn)、递归神经网络(rnn)、cnn-递归神经网络(cnn-rnn)、r-cnn、快速r-cnn、更快的r-cnn和人工神经网络(ann)。例如，在图4中进一步提供了一个或多个经训练的机器学习模型和/或一个或多个经训练的神经网络模型的应用的细节。
55.移动经营者系统102还可以基于一个或多个经训练的机器学习模型和/或一个或多个经训练的神经网络模型对所确定的多个参数的应用来确定与第一交通工具120a相关的或与第一交通工具120a的乘员122相关的一个或多个事件。根据实施例，所确定的一个或多个事件可包括作为第一交通工具120a的乘员122的驾驶员的行为的挑衅、第一交通工具120a的驾驶员对安全驾驶实践的遵守、第一交通工具120a的驾驶员对规章政策的遵守、提供给作为第一交通工具120a的乘员122的乘客的舒适水平、危险驾驶状况、或作为第一交通工具120a的乘员122的驾驶员的鲁莽驾驶模式。例如，在图4中进一步提供了确定一个或多个事件的细节。
56.移动经营者系统102还可以将关于所确定的一个或多个事件的信息发送到与maas网络104相关联的分布式账本的一个或多个节点。在一个示例中，关于所确定的一个或多个事件的信息可以存储在与maas网络104的一个或多个mp节点和/或一个或多个maas节点相
关联的分布式账本子节点116上。举例来说，与驾驶员相关联的一个或一个以上事件的信息(例如，驾驶员简档信息)可存储在第一mp节点112a的驾驶员子节点116a上。此外，与乘客相关联的一个或一个以上事件的信息(例如，乘客简档信息)可存储在第一mp节点112a的用户子节点116b上。
57.基于与第一交通工具120a相关或与乘员122相关的事件的确定，移动经营者系统102可以允许防止事故或事例，诸如交通工具故障、危险驾驶状况、驾驶员的鲁莽驾驶、乘客不满意、争议、规章违规等。因此，移动经营者系统102可以允许第一交通工具120a的安全操作，以及向第一交通工具120a的乘员提供安全。
58.移动经营者系统102还可以将驾驶员简档信息和乘客简档信息存储在分布式账本(例如，与第一mp节点112a相关联的驾驶员子节点116a和用户子节点116b)上，并且因此可以确保信息安全并向乘客(例如，客户)提供隐私。移动经营者系统102还可以通过利用存储在分布式账本(例如，与第一mp节点112a相关联的驾驶员子节点116a和用户子节点116b)上的信息(即，关于事件和简档)来实现对可能在乘客、驾驶员或移动提供商之间发生的争议的有效处理。此外，移动经营者系统102可以使得多个移动提供商能够利用授权信息(诸如驾驶员简档信息和/或乘客简档信息)来设计可以向多个移动提供商提供货币利益的不同服务模型。因此，本公开的移动经营者系统可以确保与多个移动提供商相关联的高效、安全和有利可图的交通工具队伍运营。
59.图2是根据本公开实施例的用于maas平台上的移动提供商的交通工具和乘员的事件确定的移动经营者系统和第一交通工具的框图。结合图1的元件解释图2。参考图2，示出了框图200。框图200可以包括移动经营者系统102和交通工具(诸如第一交通工具120a)。移动经营者系统102可以经由第一mp服务器118a通信地耦接到第一交通工具120a。
60.移动经营者系统102可以包括处理器202、存储器204。存储器204可包括经训练的ai模型204a(其可包括一个或多个经训练的机器学习模型和一个或多个经训练的神经网络模型两者)。移动经营者系统102还可以包括输入/输出(i/o)设备206和网络接口208。第一交通工具120a可以包括处理器210、存储器212、i/o设备214、obd数据接口216和多个传感器218。第一交通工具120a可以进一步包括第二电子设备220、交通工具中的网络222和网络接口224。
61.移动经营者系统102的处理器202可以包括适当的逻辑、电路和接口，其可以被配置为执行存储在存储器204中的一组指令。处理器202可以被配置为执行与要由移动经营者系统102执行的不同操作相关联的程序指令。例如，操作中的一些可以包括基于接收到的obd数据和接收到的乘员数据来确定多个参数。操作还可以包括基于经训练的ai模型204a在所确定的多个参数上的应用来确定与第一交通工具120a相关或与第一交通工具120a的乘员122相关的一个或多个事件。处理器202可以基于本领域已知的多种处理器技术来实现。处理器技术的示例可以包括但不限于中央处理单元(cpu)、基于x86的处理器、精简指令集计算(risc)处理器、专用集成电路(asic)处理器、复杂指令集计算(cisc)处理器、图形处理单元(gpu)和其他处理器。
62.移动经营者系统102的存储器204可以包括适当的逻辑、电路和接口，其可以被配置为存储要由处理器202执行的一个或多个指令。存储器204可以被配置为存储所接收的obd数据、乘员数据、多个参数和所确定的一个或多个事件。存储器204可被进一步配置成存
储经训练的ai模型204a(其包括一个或多个经训练的机器学习模型和一个或多个经训练的神经网络模型)。存储器204的实现的示例可以包括但不限于随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、硬盘驱动器(hdd)、固态驱动器(ssd)、cpu缓存和/或安全数字(sd)卡。
63.经训练的ai模型204a(其可以包括一个或多个经训练的机器学习模型和一个或多个经训练的神经网络模型)可以是分类器/回归/聚类模型，其可以被训练以识别输入(诸如可以包括多个参数的数据集的训练数据集中的特征)和输出标签之间的关系，输出标签可以包括与多个参数的数据集相关联的经分类的事件的数据集。经训练的ai模型204a可由其超参数来定义，例如权重的数目、成本函数、输入大小、层数等。经训练的ai模型204a的超参数可被调整，并且权重可被更新，以便向经训练的ai模型204a的成本函数的全局最小值移动。在对训练数据集中的特征信息的若干训练时期之后，神经网络模型可被训练以生成经训练的ai模型204a并随后输出对一组输入的预测/分类结果。预测结果可以指示输入组(例如，从新的/未见过的实例提取的输入特征)中的每个输入的类别标签。例如，预测结果可以指示针对用户的行程的推荐路线、推荐交通工具和/或推荐驾驶员。代理节点设备108可以基于来自移动经营者系统102的经训练的ai模型204a的预测结果来选择用于用户行程的适当路线、交通工具和/或驾驶员。可替换地，或者此外，票读取器(例如，发布者节点，诸如第一发布者节点106a)可以向用户显示预测结果，并且使得用户能够基于预测结果选择用户行程的路线、交通工具或驾驶员。
64.经训练的ai模型204a可包括电子数据，诸如软件程序、软件程序的代码、库、应用、脚本或用于由诸如处理器202之类的处理设备执行的其他逻辑或指令。经训练的ai模型204a可包括被配置成使得诸如处理器202之类的计算设备能够执行用于将一个或多个输入(例如，多个参数)分类成一个或多个事件的一个或多个操作的代码和例程。附加地或替换地，经训练ai模型204a可使用包括处理器、微处理器(例如，以执行或控制一个或多个操作的执行)、现场可编程门阵列(fpga)、或专用集成电路(asic)的硬件来实现。或者，在某些实施例中，经训练的ai模型204a可使用硬件和软件的组合来实现。
65.ai模型204a(诸如经训练的一个或多个神经网络模型)的示例可包括但不限于深度神经网络(dnn)、卷积神经网络(cnn)、递归神经网络(rnn)、cnn-递归神经网络(cnn-rnn)、r-cnn、快速r-cnn、更快r-cnn、人工神经网络(ann)、(你仅看一次)yolo网络、基于长短期存储器(lstm)网络的rnn、cnn ann、lstm ann、基于门控递归单元(gru)的rnn、全连接神经网络、基于连接性(connectionist)时间分类(ctc)的rnn、深度贝叶斯神经网络、生成对抗网络(gan)和/或这些网络的组合。在一些实施例中，经训练的ai模型204a可包括使用数据流图的数值计算技术。在某些实施例中，经训练ai模型204a可基于多个深度神经网络(dnn)的混合架构。ai模型204a(诸如经训练的一个或多个机器学习模型)的示例还可包括但不限于线性回归模型、逻辑回归模型、决策树模型、基于k均值的模型和随机森林模型。
66.移动经营者系统102的i/o设备206可以包括适当的逻辑、电路和接口，其可以被配置为从用户接收输入并且基于所接收的输入提供输出。可包括各种输入和输出设备的i/o设备206可被配置成与处理器202通信。i/o设备206的示例可以包括但不限于触摸屏、键盘、鼠标、操纵杆、麦克风、显示设备和扬声器。
67.移动经营者系统102的网络接口208可以包括适当的逻辑、电路和接口，它们可以
被配置成便于处理器202和第一mp服务器118a之间经由通信网络126的通信。网络接口208可以通过使用各种已知技术来实现，以支持移动经营者系统102与通信网络126的有线或无线通信。网络接口208可以包括但不限于天线、射频(rf)收发器、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、编码器-解码器(codec)芯片组、用户身份模块(sim)卡或本地缓冲电路。网络接口208可以被配置为经由无线通信与诸如因特网、内联网之类的网络或诸如蜂窝电话网络、无线局域网(lan)和城域网(man)之类的无线网络进行通信。无线通信可以被配置为使用多个通信标准、协议和技术中的一个或多个，例如全球移动通信系统(gsm)、增强型数据gsm环境(edge)、宽带码分多址(w-cdma)、长期演进(lte)、码分多址(cdma)、第5代网络(例如5g新无线电(nr)网络)、5g智能天线、时分多址(tdma)、蓝牙、无线保真(wi-fi)(例如ieee802.11a、ieee 802.11b、ieee 802.11g或ieee 802.11n)、互联网协议语音(voip)、光保真(li-fi)、全球微波接入互操作性(wi-max)、电子邮件协议、即时消息接发和短消息服务(sms)。该网络接口208能够与5g通信网络通信，并且将包括适当的5g支持功能，例如但不限于5g nr、v2x基础设施和5g智能天线。
68.第一交通工具120a的处理器210可以包括适当的逻辑、电路和接口，其可以被配置为执行存储在存储器212中的一组指令。处理器210可以被配置为执行与要由第一交通工具120a执行的不同操作相关联的程序指令。例如，一些操作可以包括从第一交通工具120a中的obd数据接口216生成或接收obd数据。处理器210可以基于本领域已知的多种处理器技术来实现。处理器技术的示例可以包括但不限于cpu、基于x86的处理器、risc处理器、asic处理器、cisc处理器、gpu和其他处理器。
69.第一交通工具120a的存储器212可以包括适当的逻辑、电路和接口，其可以被配置为存储将由处理器210执行的一个或多个指令。存储器212可以被配置为存储obd数据和乘员数据。存储器212可以进一步被配置为存储从移动经营者系统102接收的通知信息(即，关于一个或多个事件的信息)。存储器212的实现的示例可以包括但不限于ram、rom、eeprom、hdd、ssd、cpu缓存和/或sd卡。
70.第一交通工具120a的i/o设备214可以包括合适的逻辑、电路和接口，其可以被配置为从诸如乘员122之类的用户接收输入，并基于所接收的输入提供输出。输出的示例可以包括但不限于通知信息。可包括各种输入和输出设备的i/o设备214可被配置成与处理器210通信。i/o设备214的示例可以包括但不限于交通工具仪表板、触摸屏、键盘、鼠标、操纵杆、麦克风、显示设备和扬声器。在示例中，显示设备(诸如，交通工具仪表板中的触摸屏显示设备)可以显示输出，诸如通知信息。
71.obd数据接口216可以包括合适的逻辑、电路和/或接口，其可以被配置为控制第一交通工具120a和移动经营者系统102之间的obd数据的跟踪、诊断和通信。obd数据接口216还可以处理交通工具健康报告服务、软件更新/补丁的安装和/或对电话/互联网网络的访问。处理器210可以被配置为从obd数据接口216收集第一交通工具120a的obd数据。obd数据接口216还可以包括一个或多个处理单元，例如微控制器、微处理器、现场可编程门阵列(fpga)等，以执行与数据收集、诊断和通信相关的不同操作。在一个实施例中，obd数据接口216的整个功能可以至少部分地或全部地并入第一交通工具120a的处理器210中，而不脱离本公开的范围。
72.第一交通工具120a的多个传感器218可以包括合适的逻辑、电路和/或接口，其可
以被配置为生成与乘员122和/或第一交通工具120a相关联的乘员数据。多个传感器218还可以包括一组传感器，以生成与第一交通工具120a相关联的obd数据。多个传感器218的示例可以包括但不限于rpm传感器、温度传感器、压力传感器、燃料传感器或地理位置传感器。另外，多个传感器218可以包括成像传感器(例如相机)、lidar传感器、音频传感器、质量空气流量传感器、发动机速度传感器、氧气传感器、火花爆震传感器、冷却剂传感器、歧管绝对压力(maf)传感器、燃料温度传感器、电压传感器和节气门位置传感器。
73.第二电子设备220可以包括适当的逻辑、电路和接口，其可以被配置为从移动经营者系统102接收诸如通知信息之类的信息。第二电子设备220可以进一步被配置为从监管机构服务器接收监管信息。第二电子设备220的示例可以包括但不限于交通工具控制系统、交通工具中的信息娱乐(ivi)系统、汽车中的娱乐(ice)系统、汽车平视显示器(hud)、汽车电子仪表板、交通工具音乐系统、人机接口(hmi)、计算设备、智能电话、蜂窝电话、移动电话、游戏设备、主机、服务器、计算机工作站和/或消费电子(ce)设备。虽然在图2中，第二电子设备220被示为集成在第一交通工具120a中，但是本公开不限于此。因此，在一些实施例中，第二电子设备220可以与第一交通工具120a分离，而不脱离本公开的范围。在一些实施例中，处理器210可以集成在第二电子设备220中。
74.交通工具中的网络222可以包括适当的逻辑、电路和/或接口，其可以被配置为促进第一交通工具120a的内部组件(诸如obd数据接口302、多个传感器218和第二电子设备220)之间的通信。本领域普通技术人员将理解，除了本文所示的用于描述和解释本公开的功能和操作的组件或系统之外，第一交通工具120a还可包括其它合适的组件或系统。为了简洁起见，在此省略了对这种组件或系统的描述。
75.第一交通工具120a的网络接口224可以包括适当的逻辑、电路和接口，其可以被配置为促进第一交通工具120a、第一mp服务器118a、移动经营者系统102之间的通信。网络接口224可通过使用各种已知技术来实现，以支持第一交通工具120a经由通信网络(例如通信网络126)的有线或无线通信。在一些实施例中，网络接口224可以支持与5g网络的通信，并且可以具有适当的5g支持功能以收集传感器数据。网络接口224的示例可以与例如图2中描述的网络接口208的示例相同。因此，为了简洁起见，从本公开中省略了网络接口224的其他示例。
76.图3是根据本公开的实施例的第一交通工具的示例性场景。结合图1和图2的要素描述图3。参考图3，示出了第一交通工具300a的示例性场景300。第一交通工具300a的功能可与例如图2中描述的第一交通工具120a的功能相同，因此，为了简洁起见，从本公开中省略了对第一交通工具300a的描述。
77.第一交通工具300a可以包括obd数据接口302和多个传感器，诸如成像传感器304a、音频传感器304b和lidar传感器304c。第一交通工具300a的处理器210可以被配置为经由obd数据接口302接收obd数据。obd数据接口302可以包括例如交通工具上诊断ii(obd-ii)端口、国际标准组织(iso)27145标准化交通工具上诊断端口、或全球协调交通工具上诊断(wwh-obd)端口。在一个实施例中，obd数据可以与obd-ii标准、iso 27145标准或wwh-obd标准中的一个或多个兼容。例如，obd数据可以是原始数据格式的。obd数据接口302可位于第一交通工具300a的仪表板处或第一交通工具300a的不同内部表面处。
78.obd数据接口302的功能可以与例如图2中描述的obd数据接口216的功能相同。因
此，为了简洁起见，从本公开中省略了对obd数据接口302的描述。
79.obd数据可以由移动经营者系统102用于确定多个参数中的一个或多个参数。移动经营者系统102可以被配置为从第一交通工具300a或与第一交通工具120a(或第一交通工具300a)相关联的第一mp服务器118a接收obd数据。例如，基于obd数据确定的多个参数可以是但不限于第一交通工具300a的加速和减速信息、突然制动、来自诸如道路上的其他驾驶员和行人之类的其他用户的威胁水平、作为第一交通工具300a的乘员122的驾驶员对交通规则的遵守、第一交通工具300a进行的快速u形转弯、与第一交通工具300a有关的穿行和突然转向、以宽半径转弯第一交通工具300a等。例如，在图4中描述了使用obd数据来确定多个参数的细节。
80.在示例性实施例中，多个传感器可以安装在第一交通工具300a的内部或外部。多个传感器中的成像传感器304a可以例如位于第一交通工具300a的挡风玻璃的角落或中心(或在第一交通工具300a的不同内部位置)处，使得作为乘员122的驾驶员和乘客可以位于成像传感器304a的视场(fov)内。在示例性实施例中，移动经营者系统102可以请求来自作为乘员122的乘客的拍摄与乘客相关联的一个或多个图像的许可(例如同意)。在从乘客接收到许可时，移动经营者系统102可以从成像传感器304a接收乘员数据。从成像传感器304a接收的乘员数据可以由移动经营者系统102利用以确定多个参数中的一个或多个参数，诸如第一交通工具300a的乘员122对安全带的使用、第一交通工具300a中的乘员的超容量、第一交通工具300a中的醉酒乘员、对交通规章(如交通灯)的遵守。
81.音频传感器304b可以是例如麦克风，其可以被配置为接收与作为第一交通工具300a的乘员122的乘客和驾驶员相关联的音频输入。在实施例中，移动经营者系统102可以请求来自作为乘员122的乘客的捕获与作为第一交通工具300a的乘员122的乘客相关联的音频输入的许可(例如，同意)。在从乘客接收到许可时，移动经营者系统102可以接收与乘客相关联的音频输入。在从乘客接收到许可时，移动经营者系统102可以从音频传感器304b接收乘员数据。从音频传感器304b接收的乘员数据可以由移动经营者系统102利用来确定多个参数中的一个或多个参数，诸如第一交通工具300a的鸣响水平、乘员122在电话上花费的时间量、第一交通工具300a中的乘员的口头交流的音量、第一交通工具300a中播放的音乐的音量水平。
82.根据实施例，lidar传感器304c可以位于第一交通工具300a的外顶部(或位于不同的外表面)处，例如以便测量第一交通工具300a与周围物体(例如，其他交通工具、行人、人行道或建筑物)之间的距离。在一个或多个实施例中，lidar传感器304c可以位于第一交通工具300a内，例如位于第一交通工具300a的内部顶部处。在一些实施例中，lidar传感器304c可以捕获第一交通工具300a周围的物体的三维(3d)图。从lidar传感器304c接收的乘员数据可以被移动经营者系统102用于确定多个参数中的一个或多个参数，诸如第一交通工具300a相对于周围物体的接近度，以及作为第一交通工具300a的乘员122的驾驶员的超越距离。此外，lidar传感器304c可以用于在低照度条件下捕获乘员数据。因此，lidar传感器304c还可以用于收集与第一交通工具300a中的乘员122的动作相关联的信息。例如，在图4中描述了使用乘员122来确定多个参数的细节。在一些实施例中，第一交通工具300a的处理器210可以从多个传感器218(诸如成像传感器304a、音频传感器304b和/或lidar传感器304c)捕获乘员数据，并且将所捕获的乘员数据发送到第一mp服务器118a或移动经营者系
统102。
83.这里可以注意到，图3中所示的obd数据接口302、成像传感器304a、音频传感器304b和lidar传感器304c的位置/取向/布置/形状/布局仅作为示例来呈现。本公开还可以应用于obd数据接口和多个传感器的其他位置/取向/布置/形状/布局，而不脱离本公开的范围。此外，本公开的范围可以不限于使用obd数据接口302、成像传感器304a、音频传感器304b和lidar传感器304c来收集obd数据。第一交通工具300a可以与一个或多个其他端口或传感器(图3中未示出)相关联，其可以位于第一交通工具300a的内部或外部并且可以收集obd数据。
84.图4是示出根据本公开实施例的用于maas平台上的移动提供商的交通工具和乘员的事件确定的示例性操作的序列图。结合图1、2和3的要素描述图4。参考图4，示出了序列图400以描绘从402到416的示例性操作。序列图400中示出的示例性操作可以在402开始，并且可以由任何计算系统、装置或设备来执行，例如由图2的移动经营者系统102的处理器202来执行。
85.在402a，可以接收与第一交通工具120a相关联的obd数据。根据实施例，移动经营者系统102的处理器202可以被配置为接收与第一交通工具120a相关联的obd数据。obd数据可经由通信网络126从第一交通工具120a的obd数据接口216接收。实时地，移动经营者系统102可以从与同一移动经营者或不同移动经营者相关的多个交通工具接收obd数据。在一些实施例中，可以从与第一交通工具120a相关联的第一mp服务器118a接收obd数据。移动经营者系统102可以从与大量交通工具相关联的多个mp服务器118接收obd数据。
86.在402b，可以接收与第一交通工具120a相关联的乘员数据。根据实施例，移动经营者系统102的处理器202可以被配置为接收与第一交通工具120a相关联的乘员数据。可经由通信网络126从第一交通工具120a的多个传感器218(即，成像传感器304a、音频传感器304b、lidar传感器304c)接收乘员数据。乘员数据可以不同于obd数据。实时地，移动经营者系统102可以从与多个交通工具相关联的多个传感器218接收乘员数据，所述多个交通工具可以与同一移动经营者相关或与不同的移动经营者相关。在一些实施例中，可以从与第一交通工具120a相关联的第一mp服务器118a接收乘员数据。移动经营者系统102还可以从与大量交通工具相关联的多个mp服务器118接收乘员数据。
87.在402c，可以从服务器(未示出)接收外部数据。根据实施例，移动经营者系统102的处理器202可以被配置为从服务器接收外部数据。可以由处理器202经由通信网络126接收外部数据。在一些实施例中，服务器可以是全球导航卫星系统(gnss)服务器，例如全球定位系统(gps)服务器、全球导航卫星系统(glonass)服务器、北斗导航卫星系统(bds)服务器。在一个或多个实施例中，服务器可以是天气卫星服务器，例如极地运行环境卫星(poes)服务器、对地静止运行环境卫星(goes)服务器和5g服务器。在一些实施例中，服务器可以是交通服务器或交通工具监管服务器。
88.根据实施例，从服务器接收的外部数据可以包括但不限于关于道路状况的信息、关于天气状况的信息、关于行进路线的交通更新、管制交通/驾驶政策或第一交通工具120a的行进路线的路线图。关于天气状况的信息可以包括降雨信息、关于路线中的雾的信息等。在一些实施例中，可以由成像传感器304a或其他多个传感器(例如，第一交通工具120a中的湿度传感器、降雨传感器)检测天气条件。关于道路状况的信息可以包括诸如由于下雨而导
致的道路上的潮湿或湿气的水平、道路上的坑洼、由于道路的维护而导致的道路堵塞等之类的信息。在一些实施例中，道路状况可以由成像传感器304a或lidar传感器304c来检测。行进路线上的交通更新可以包括关于行进路线上的交通拥堵量的信息、关于最高效的行进路线的信息、关于行进路线的实况交通更新等。监管交通/驾驶政策可以指示诸如特定道路上的速度限制、醉酒驾驶政策、交通工具中允许的乘员数量等之类的信息。
89.根据实施例，obd数据、乘员数据和外部数据可以经由5g通信网络(诸如通信网络126)接收。有利地，5g通信网络可以包括网络切片特征，其可以提供端到端定制能力，以便支持应用的不同需求，例如与多个移动提供商相关联的maas网络104上的大数据管理。
90.在实施例中，5g通信网络的移动驱动网络切片可支持具有不同移动管理方案的多个网络切片。移动管理方案可以由来自5g通信网络的移动支持的实际所需级别来确定。可以通过编排所选择的移动管理基本功能来获得移动管理方案。
91.根据实施例，移动经营者系统102的处理器202还可以被配置为向5g通信网络上的虚拟网络运营商(vno)发送包括服务质量(qos)要求和一组移动网络管理功能的服务要求。qos要求可以包括例如100兆比特每秒(mbps)带宽(即，由于实时的大量obd数据和乘员数据接收)、10毫秒最大等待时间、1毫秒最大抖动和/或小于1秒的恢复时间。由5g通信网络执行的移动网络管理功能组可以包括但不限于移动情境管理、位置跟踪、寻呼、可达性管理、切换控制、移动锚定和路径优化。在一些实施例中，当从第一交通工具120a接收到可能需要将obd数据快速传送到移动经营者系统102的实时obd数据时，5g通信网络可以是有益的。
92.在一个实施例中，vno可以从移动经营者系统102接收所发送的服务要求。5g通信网络的vno可以基于接收的服务要求，进一步向与5g通信网络相关联的基础设施提供商发送网络资源请求。vno可以对所接收的服务要求执行分析，并且将网络资源请求发送到基础设施提供商。例如，网络资源可以用于实时地从多个mp服务器118或与多个mp服务器118相关联的多个交通工具向移动经营者系统102发送obd数据和乘员数据。
93.根据一个实施例，基础设施提供商可以创建虚拟网络，以根据服务要求和所接收的网络资源请求来分配5g通信网络的网络资源。基础设施提供商可以为服务要求分配新的资源，或者可以为服务要求调整现有资源。因此，所创建的虚拟网络可以满足用于经由5g通信网络发送obd数据、乘员数据和外部数据中的至少一个的资源分配的需要。例如，在图6中描述了与5g通信网络有关的细节。
94.在404，可以预处理所接收的obd数据、乘员数据和外部数据。在一个实施例中，接收的obd数据、乘员数据和/或外部数据可以是原始格式的(即，直接从obd数据接口216或从多个传感器218捕获的数据)。根据实施例，移动经营者系统102的处理器202可以被配置为融合(例如组合)和预处理obd数据、乘员数据和外部数据。obd数据、乘员数据和外部数据的预处理可以包括数据清除、数据编辑、数据缩减和数据转换(wrangling)。数据清理可以包括从obd数据、乘员数据和外部数据检测和移除损坏和不正确的信息。例如，可以去除由成像传感器304a拍摄的模糊图像。数据编辑可以包括检查和调整所接收的obd数据、乘员数据和外部数据以管理所接收的数据的质量。数据缩减可以包括例如obd数据、乘员数据和外部数据的缩放、编码、排序和核对，以形成例如表格数据。此外，数据转换可以包括将原始数据格式变换成另一格式的数据以供分析。在一些实施例中，数据可被扩充以创建经训练ai模型204a的较大数据集。例如，在所拍摄的图像的情况下，所拍摄的图像的数据集可以通过添
加通过所拍摄的图像的旋转、翻转、放大和/或缩小而产生的图像来扩充。在一些实施例中，处理器202可以预处理原始数据(即obd数据或乘员数据)或用派生物(例如数据处理功能)扩充原始数据，以从接收到的原始数据中提取有价值的或可理解的洞察。例如，基于原始距离数据，可以提取速度信息。预处理或扩充数据可以是从所接收的原始数据导出的数据。
95.在404a，可以从接收到的obd数据和乘员数据中检测对象和噪声。根据实施例，移动经营者系统102的处理器202可以被配置为分别检测所接收的obd数据和乘员数据中的对象和/或噪声。例如，可以从由第一交通工具120a中的成像传感器304a或lidar传感器304c拍摄的图像中检测物体。在一个示例中，所检测的物体可以包括第一交通工具120a中的乘员(例如，乘客和驾驶员)和行进路线上的物体(例如，其他交通工具、行人、基础设施和障碍物，例如，岩石)。在另一示例中，可以从由第一交通工具120a中的音频传感器304b捕获的音频检测和滤除噪声。检测到的噪声可以包括来自第一交通工具120a中的乘员的捕获的音频中的环境噪声，或者来自驾驶员或乘客播放的音乐的环境噪声，或者形成第一交通工具120a的鸣响声。所检测的噪声可以进一步包括与第一交通工具120a的周围环境相关联的噪声，例如其他交通工具的鸣响声。
96.在406，可以确定多个参数。根据实施例，处理器202可以被配置为基于接收到的obd数据、接收到的乘员数据和接收到的外部数据来确定多个参数。例如，可以基于与乘员122相关联的面部识别和动作识别来确定多个参数。在实施例中，所确定的多个参数可以包括但不限于第一交通工具120a的加速和减速信息、第一交通工具120a的速度、第一交通工具120a相对于周围物体的接近度、或来自第一交通工具120a的鸣响。所确定的多个参数可进一步包括但不限于第一交通工具120a的驾驶员(作为乘员122)施加的制动强度、第一交通工具120a的健康状态、第一交通工具120a的乘员122对安全带的使用、驾驶员的效率或第一交通工具120a中乘员的超容量。所确定的多个参数还可包括但不限于第一交通工具120a的乘员122对交通规则的遵守、乘员122在电话上花费的时间量或第一交通工具120a中的乘员的口头交流的量。所确定的多个参数还可以包括但不限于，第一交通工具120a中播放的音乐的音量的强度、与第一交通工具120a的路线相关的道路状况、与第一交通工具120a的路线相关的天气状况、关于第一交通工具120a的车道切换的信息、关于第一交通工具120a进行的快速u形转弯的信息、或关于第一交通工具120a的穿行/突然转向信息。
97.在下面的表1中描述了从接收的obd数据、乘员数据和/或外部数据(即，从不同数据源捕获的)确定的多个参数和基于多个参数确定的一个或多个事件。
98.[0099][0100]
表1：基于所述obd数据、乘员数据和外部数据确定所述多个参数；并且基于所述多个参数确定一个或多个事件。
[0101]
如表1中所述，例如，lidar传感器304c和深度传感器(例如，飞行时间(tof)传感器和直接tof传感器)可以用于测量驾驶员超过周围物体的距离和其他交通工具超过第一交通工具120a的距离。此外，lidar传感器304c和obd数据可用于确定来自其他驾驶员或行人的威胁的影响，以及第一交通工具120a的驾驶员的威胁的影响。此外，音频传感器304b和lidar传感器304c可以用于确定第一交通工具120a的周围物体，并且进一步确定在路线上的特定位置处是否需要第一交通工具120a的驾驶员进行的鸣响。类似地，obd数据和lidar传感器304c可以用于确定制动条件的状态(诸如当第一交通工具120a的发动机处于关闭条件时应用制动，或者当第一交通工具120a可能非常靠近诸如道路上的另一交通工具之类的物体时应用制动)。类似地，基于从成像传感器304a接收的乘员数据，乘员122的座椅安全带使用、第一交通工具120a中的超容量(即，乘员的数量)和/或醉酒驾驶可以被确定为如表1所示的多个参数中的一个，类似地，基于从成像传感器304a和音频传感器304b接收的乘员数据，可以确定驾驶员可能使用移动设备持续谈话达大量的时间，或者在第一交通工具120a中播放的音乐的音量强度高，作为如表1所示的多个参数中的一个，因此，如表1中所描绘的，可以基于接收的obd数据、乘员数据和外部数据来确定多个参数。
[0102]
在408，经训练的ai模型204a可被应用于所确定的多个参数。根据实施例，移动经营者系统102的处理器202可以被配置成将经训练的ai模型204a应用于所确定的多个参数。训练的ai模型204a可以基于从obd数据、乘员数据和外部数据中的一个或组合导出的不同参数(例如，如表1中所示)来训练。训练的ai模型204a可以基于提供的输入，诸如确定的多个参数，提供与第一交通工具120a相关或与乘员122相关的一个或多个事件。在一些实施例中，ai模型204a可被训练用于其他操作，诸如但不限于，物体、异常和噪声的检测(如404a处所描述的)、第一交通工具120a中的乘员的数量的检测、乘员122或第一交通工具120a中播放的音乐的音频水平(分贝单位)等。经训练的ai模型204a可包括一个或多个经训练的机器学习模型，其可利用诸如但不限于支持向量机(svm)、k最近邻(knn)算法、随机森林算法等(诸如例如在图2中所描述的)之类的算法。经训练的ai模型204a还可包括一个或多个经训练的神经网络模型，诸如但不限于深度神经网络(dnn)、卷积神经网络(cnn)、递归神经网络(rnn)、cnn-递归神经网络(cnn-rnn)、r-cnn、快速r-cnn、更快的r-cnn、人工神经网络(ann)、(你仅看一次)yolo网络、基于长短期存储器(lstm)网络的rnn、cnn ann、lstm ann、基于门控递归单元(gru)的rnn、全连接神经网络、基于连接性时间分类(ctc)的rnn、深度贝叶斯神经网络、生成对抗性网络(gan)和/或这些网络的组合。在一些实施例中，经训练的ai模型204a可包括使用数据流图的数值计算技术。在某些实施例中，经训练ai模型204a可基于多个深度神经网络(dnn)的混合架构。
[0103]
在410，可以确定一个或多个事件。根据实施例，移动经营者系统102的处理器202可以被配置为基于经训练的ai模型204a在所确定的多个参数上的应用来确定(或预测)与第一交通工具120a有关或与第一交通工具120a的乘员122有关的一个或多个事件。根据实施例，所确定的一个或多个事件可包括但不限于第一交通工具120a的驾驶员(作为乘员122)的行为中的挑衅性、第一交通工具120a的驾驶员对安全驾驶实践的遵守、第一交通工具120a的驾驶员对规章政策的遵守、提供给第一交通工具120a的乘客(作为乘员122)的舒适水平、危险驾驶状况、第一交通工具120a的驾驶员(作为乘员122)的平稳驾驶模式、驾驶员的鲁莽驾驶模式，如表1中所描绘的。
[0104]
例如，如表1所示，驾驶员的挑衅水平(作为事件)可以基于但不限于第一交通工具120a的驾驶员的超越距离、驾驶员的威胁水平、驾驶员的鸣响量、制动距离、第一交通工具120a的驾驶员的加速和减速水平来确定。例如，如果驾驶员快速超过周围物体，确定鸣响量大于预定阈值，或者制动距离接近其他交通工具，则驾驶员的挑衅水平可能较高。
[0105]
类似地，可以基于驾驶员遵守交通信号条件和合规政策的确定来确定驾驶员的监管行为(作为事件)。此外，可基于对在行程期间驾驶员在电话上沟通的时间量、在沟通期间驾驶员的音量水平和/或在第一交通工具120a中由驾驶员播放的音乐的音量水平的确定来确定乘客的提供的舒适度(作为事件)。在示例性实施例中，如果驾驶员播放的音乐的音量水平在可接受的限度内，则可以确定乘客的舒适度水平为高。类似地，如果驾驶员在电话上沟通的时间量较少(例如，每小时几秒或几分钟)，则可以确定乘客的舒适度水平较高。在一个示例中，可以基于所确定的道路和天气条件(即，从obd/乘员/外部数据确定的参数)来确定危险驾驶条件(作为事件)。在另一示例中，可从诸如车道切换、穿行、突然转向、侧滑、驾驶员在行程期间进行的快速u形转弯、以宽半径转弯交通工具的信息之类的参数确定驾驶员的鲁莽驾驶模式或平稳驾驶模式(作为事件)，如表1所示。
[0106]
此外，所确定的一个或多个事件可以用于双方(例如第一交通工具120a的乘客、第一交通工具120a的驾驶员和第一移动提供商)之间的争议解决。例如，关于所确定的一个或多个事件的信息，例如驾驶员的挑衅水平、危险驾驶条件和/或驾驶员的鲁莽驾驶模式，可以用于争议解决，因为驾驶员简档信息和乘客简档信息(即，基于所确定的事件生成的)可以安全地存储在maas网络104的一个或多个节点中。此外，移动经营者系统102可以从乘客接收对与作为乘员122的乘客相关联的数据(即，图像或音频)的捕获的同意，并且进一步地，可以将乘客相关数据和该同意存储在maas网络104的分布式账本114或分布式账本子节点116中。因此，可以避免与隐私侵犯有关的争议。
[0107]
根据实施例，移动经营者系统102的处理器202可以被配置为基于所确定的一个或多个事件来确定第一交通工具120a中的第一驾驶员(作为乘员122)的身份。例如，成像传感器304a可用于识别作为乘员122的第一驾驶员。此外，可以利用作为所确定的一个或多个事件的驾驶员的驾驶模式(挑衅的、鲁莽的或平稳的)来确定第一驾驶员的身份。例如，在第一驾驶员的面部在由成像传感器304a捕获的图像中不可识别的情况下，第一驾驶员的平均驾驶速度、与第一驾驶员相关的平均超越距离、平均制动距离、第一交通工具120a的第一驾驶员的沟通量可以被用来确定第一驾驶员的身份(或将第一驾驶员与其他驾驶员区分)。
[0108]
根据一个实施例，移动经营者系统102的处理器202可以利用外部服务器128(即不同于多个mp服务器118)来确定一个或多个事件。处理器202可以被配置为向外部服务器128发送第一组obd数据和第一组乘员数据。处理器202可从外部服务器128接收多个参数中的基于所发送的第一组obd数据和所发送的第一组乘员数据的第一组参数。第一组参数可以由外部服务器128基于来自移动经营者系统102的接收的第一组obd数据和第一组乘员数据来确定。此外，处理器202可基于第二组obd数据和第二组乘员数据确定多个参数中的第二组参数。处理器202可以进一步基于对所接收的第一组参数(即，来自外部服务器128)和所确定的第二组参数的经训练的神经网络模型的应用来确定与第一交通工具120a相关或与第一交通工具120a的乘员122相关的一个或多个事件。因此，移动经营者系统102可以利用外部服务器128执行部分处理，以确定多个参数和一个或多个事件。在一些实施例中，处理器202可以利用外部服务器128来确定一个或多个事件，以便实时地快速处理大量接收的数据(例如，接收的obd数据、乘员数据和外部数据)。
[0109]
在412，可以生成乘员(例如，乘客和驾驶员)简档信息。根据实施例，处理器202可被配置为基于所确定的一个或多个事件生成驾驶员简档信息。驾驶员简档信息可以与第一交通工具120a的作为乘员122的驾驶员相关联。例如，驾驶员简档信息可以包括，第一交通工具120a的驾驶员在正常状况下和在危险状况下的驾驶模式、驾驶员对安全驾驶实践的遵守、驾驶员向乘客提供的舒适度水平、驾驶员对监管政策的遵守(诸如，不饮水驾驶政策和不边吃边驾驶政策)。驾驶员简档信息还可以包括驾驶员的第一得分卡。第一得分卡的细节例如在图5a-5b中提供。
[0110]
根据实施例，处理器202可以进一步被配置为基于所确定的一个或多个事件来生成乘客简档信息。乘客简档信息可以与第一交通工具120a的作为乘员122的乘客相关联。例如，乘客简档信息可以包括但不限于乘客利用与maas网络104关联的多个移动提供商的行程的频度、乘客预订的交通工具类型、乘客的行程的区域历史、乘客对安全行程实践的遵守，例如使用安全带、乘客的低水平的谈话音量。乘客简档信息还可以包括乘客的第二得分
卡。例如，在图5c中提供了第二得分卡的细节。
[0111]
在414处，可以更新分布式账本子节点116。根据实施例，移动经营者系统102的处理器202可以被配置为更新分布式账本子节点116。处理器202可以被配置为将所生成的驾驶员简档信息和所生成的乘客简档信息发送到与mp节点(例如，第一mp节点112a)和maas节点(例如，第一maas节点114a)相关联的分布式账本子节点116，如图4中的414a所示。处理器202可以将驾驶员简档信息存储在驾驶员子节点116a中，将乘客简档信息存储在用户子节点116b中。此外，处理器202可以将第一交通工具120a的obd数据作为日志信息存储在文档子节点116c上。因此，分布式账本子节点116(诸如，驾驶员子节点116a、用户子节点116b和文档子节点116c)可以利用所生成的驾驶员简档信息、所生成的乘客简档信息和与不同行程、交通工具和/或与不同移动经营者相关联的乘员有关的第一交通工具120a的obd数据实时地被定期更新。
[0112]
基于所确定的一个或多个事件，maas网络104的分布式账本(由414a描绘)的一个或多个节点的更新以及向不同方(例如驾驶员、乘客)发送的通知在下面的表2中描绘：
[0113]
[0114]
[0115][0116]
表2：基于所确定的一个或多个事件对maas网络的分布式账本的更新以及对不同方的通知
[0117]
与maas网络104的一个或多个mp节点和一个或多个maas节点相关联的分布式账本子节点116可以基于如表2中所描绘的所确定的一个或多个事件而频繁地更新。例如，可以在存储在第一mp节点112a和第一maas节点114a的驾驶员子节点116a上的驾驶员简档信息中更新驾驶员的驾驶模式。此外，可以在存储在文档子节点116c上的日志信息中更新与争议处理有关的信息。
[0118]
根据实施例，移动经营者系统102的处理器202可以被配置为从与乘客相关联的电子设备(诸如第一电子设备124)接收针对第一行程的行程请求。处理器202还可以从与一个或多个分布式账本节点(诸如第一mp节点112a和第一maas节点114a)相关联的分布式账本子节点116(例如，用户子节点116b)提取与乘客相关联的乘客简档信息。例如，处理器202可以提取与乘客相关联的乘客简档信息，该乘客简档信息可以向maas网络104或特定的移动经营者登记。处理器202可以基于所提取的乘客简档信息来确定交通工具信息。交通工具信息可以与向第一移动提供商登记的一个或多个交通工具相关联，并且存储在与一个或多个分布式账本节点(诸如第一mp节点112a和第一maas节点114a)相关联的分布式账本子节点116上。例如，交通工具信息可以包括交通工具类型、与交通工具相关联的驾驶员、交通工具距乘客位置的距离。在一个实施例中，交通工具信息可以指示交通工具的故障状态，其可以基于与相应交通工具相关的obd数据来指示。交通工具信息还可以包括驾驶员简档信息，其可以指示关于与交通工具相关联的驾驶员的信息。
[0119]
处理器202可进一步基于所提取的乘客简档信息和与一个或多个交通工具相关联的交通工具信息来分配用于第一行程的交通工具。可以基于乘客简档信息(诸如乘客的年
龄(其可能需要以稳定速率驾驶交通工具)、乘客的健康状况等)将交通工具分配给乘客。例如，乘客可以是可能需要交通工具的怀孕女士。基于乘客简档信息，处理器202可以向交通工具分配驾驶员，该驾驶员的存储的驾驶员简档信息可以指定驾驶员遵守安全驾驶条件并且可以具有平稳或正常的驾驶行为或模式。因此，处理器210的处理器202还可以基于乘客简档信息提取向移动提供商登记的不同驾驶员的驾驶员简档信息(即，以进一步分配交通工具和驾驶员用于第一行程)。处理器202可进一步将交通工具信息和所分配交通工具的驾驶员的驾驶员简档信息发送到与乘客相关联的电子设备(诸如第一电子设备124)以发起第一行程。因此，移动经营者系统102可以确保可以基于行程请求、驾驶员简档信息、乘客简档信息和交通工具信息(存储在maas网络104的一个或多个节点上)之间的适当匹配来分配交通工具，使得可以增加乘客对移动经营者的满意度，这可以进一步增强移动经营者的商业盈利能力。此外，在分配的驾驶员试图登记与乘客相关联的行程而未遵守政策规章的情况下，移动经营者系统102可以进一步向乘客通知分配的驾驶员。例如，当分配的驾驶员可能已经登记了多个行程而在行程之间没有所需的间隙(如政策规章所要求的)(这可能影响驾驶员的驾驶能力)时，可以通知乘客。因此，在这种情况下，通知可以使乘客能够提出从移动提供商为行程分配另一驾驶员的请求。
[0120]
根据实施例，移动经营者系统102的处理器202可以被配置为从监管机构服务器(未示出)接收监管信息。监管机构服务器可以与特定地理区域相关联。例如，不同的地理区域可以具有不同的监管机构服务器。因此，移动经营者系统102可以从与第一交通工具120a可能存在于的地理区域相关联的监管机构服务器接收监管信息。处理器202还可接收在第一交通工具120a的第一行程期间关于所接收的监管信息的与第一交通工具120a的驾驶员(作为乘员122)相关联的第一组健康参数。例如，第一组健康参数可包括驾驶员的名义心跳速率，其可从第一交通工具120a中的生物计量传感器(多个传感器218中的一个)确定。在示例性场景中，所接收的监管信息可以包括驾驶员需要在至多五次行程之后休息一小时。因此，在五次行程之后的一小时的休息完成之前，驾驶员可能不被允许接受新的行程。此外，成像传感器304a可以用于确定驾驶员在驾驶第一交通工具120a时的困倦水平(即，第一组健康参数)。因此，可以基于从成像传感器304a(或生物计量传感器)接收的健康参数和接收的监管信息来警告驾驶员。例如，在测量的心跳可能高于在接收的监管信息中指示的特定阈值的情况下，可以提供警告。处理器202还可以将关于与驾驶员相关联的第一组健康参数的信息发送到与maas网络104的一个或多个mp节点和一个或多个maas节点相关联的分布式账本子节点116(例如，驾驶员子节点116a)。在一个实施例中，第一组健康参数可在驾驶员简档信息中更新并通知给相关联的移动经营者服务器。
[0121]
在416，可以生成通知信息。根据实施例，移动经营者系统102的处理器202可以被配置为基于所确定的一个或多个事件来生成通知信息。处理器202可以进一步被配置为将所生成的通知信息(包括关于所确定的一个或多个事件的信息)发送到与第一移动提供商、第一交通工具120a或第一交通工具120a的乘员122中的至少一个相关联的电子设备(例如第一mp服务器118a、第二电子设备220和第一电子设备124)，如图4中的416a所示。表2中示出了用于所确定的事件的通知的不同示例。
[0122]
所生成的通知信息可以包括关于所确定的一个或多个事件的信息，例如，驾驶员驾驶行为模式、鲁莽驾驶信息、与遵守安全驾驶有关的信息、与遵守规章政策有关的信息、
争议处理信息、与乘客行为有关的信息、与行程请求有关的信息等。
[0123]
根据实施例，移动经营者系统102的处理器202可以被配置为从监管机构服务器接收监管信息。基于所确定的多个参数，处理器202可进一步将所接收的监管信息发送至与第一交通工具120a的驾驶员(作为乘员122)相关联的第一电子设备124或与第一交通工具120a相关联的第二电子设备220。例如，所接收的监管信息可以包括与第一行程相关联的细节、地理区域中的速度限制以及与地理区域相关联的交通规则。在确定第一交通工具120a的速度信息(即，从obd数据确定的参数中的一个)超过或不符合速度限制(即，由接收到的监管信息指示的)的情况下，处理器202可以经由第二电子设备220将接收到的监管信息发送到第一交通工具120a，或经由第一电子设备124将接收到的监管信息发送到乘员122(驾驶员或乘客)，以关于第一交通工具120a可能位于的地理区域的监管政策进行警告。
[0124]
图5a-5c共同示出了根据本公开的实施例的用于为交通工具的乘员生成得分卡的示例性表格。结合图1、2、3和4的要素描述图5a-5c。参考图5a，示出了示例性表500a。示例性表500a描绘了在正常条件(诸如正常天气条件)下为驾驶员(作为乘员122)生成第一得分卡。第一得分卡可以指示与移动经营者相关联的驾驶员的得分或排名信息。
[0125]
示例性表500a描述了基于多个参数中的每个确定的参数的重要性而分配给多个参数的多个权重。根据实施例，移动经营者系统102的处理器202可以被配置为基于所确定的多个参数中的一个或多个来生成与第一交通工具120a的驾驶员相关联的第一得分卡。在一些实施例中，可以将多个权重分配给不同事件(和多个参数)，并且可以基于分配给不同事件和多个参数的多个权重来生成第一得分卡。第一得分卡可指示驾驶员的行为模式，例如驾驶员是否鲁莽地驾驶或遵守安全措施。
[0126]
在一个实施例中，0到1范围内的多个权重中的每一个可以被分配给每个参数或事件，诸如权重“1”是具有最高重要性的最高权重。例如，正常条件下的第一得分卡(或得分信息)可以是所确定的多个参数或所确定的事件(诸如驾驶员的驾驶模式、驾驶员对安全的遵守以及驾驶员的行为)的加权总得分。在一些实施例中，驾驶员的驾驶模式可以通过但不限于第一交通工具120a的每分钟转速(rpm)和第一交通工具120a的发动机负载参数来确定，如图5a所示。
[0127]
在示例中，权重“0.4”可以被分配给多个参数中的平稳驾驶参数，权重“0.3”可以被分配给指示驾驶员的效率的参数(诸如在制动参数和加速方面)，并且权重“0.8”可以被分配给指示驾驶员的挑衅水平的参数(诸如在超越距离、威胁、鸣响水平、加速和减速方面)。类似地，可以基于参数的重要性向每个参数分配权重。在一个实施例中，可以将权重分配给一个或多个事件中的每个事件。在一个实施例中，对于每种类型的事件或参数，权重可以是固定的。在另一实施例中，可以基于不同因素将权重动态地分配给不同事件和/或参数，所述因素例如但不限于驾驶员行为(即，由驾驶员简档信息指示)、行程中遵循的路线行进、行程中要行进的距离、乘客偏好(即，在乘客简档信息中指示)等。基于不同的因素，可以向每个确定的事件或参数分配不同的权重。例如，对于老年人或怀孕的女士，分配给平稳驾驶的权重可能高于驾驶员的效率。
[0128]
根据实施例，存储器204可以被配置为存储与所确定的多个参数或所确定的一个或多个事件相关联的多个第一得分。可以基于与驾驶员相关联的一个或多个事件的确定来确定多个第一得分。例如，多个第一得分可以被定义在0到10的范围内，诸如得分“10”是多
个第一得分中的最高分。在示例性场景中，如图5a所示，可以向驾驶员分配得分“6”以用于驾驶员的平稳驾驶模式，可以基于作为驾驶员效率的参数向驾驶员分配得分“5.8”，并且可以向驾驶员分配得分“7”以用于维持低挑衅水平。类似地，可以基于如图5a中所描绘的其他参数和一个或多个事件中的事件将多个第一得分分配给驾驶员。移动经营者系统102可以基于多个第一得分的加权合计来计算驾驶员的第一得分卡(在正常条件下)。例如，正常条件下的第一得分可以是“21.6”，如图5a中所描绘的。基于多个第一得分和所分配的权重的合计来计算第一得分卡(或得分信息)可以确保将适当的重要性给予每个确定的参数/事件以用于为驾驶员计算得分。基于所计算的第一得分卡，驾驶员可以由相应的移动经营者奖励以实现高得分的驾驶行为模式。在一些实施例中，权重可以由maas网络104作为可配置项来提供，以遵守特定区域的某些政策标准。
[0129]
参考图5b，示出了基于所确定的多个参数或事件中的一个或多个，在第一交通工具120a的驾驶员的危险状况(例如危险天气状况)下生成第一得分卡的示例性表500b。
[0130]
在一些实施例中，参数危险天气模式可以被分配权重“0.5”。类似地，可以将权重分配给如图5a中所描述的其它参数和事件。可以基于在危险天气状况(诸如能见度较低、道路湿滑、陡峭路线)下驾驶的难度水平来分配参数危险天气模式的权重。可以基于多个第一得分的加权合计来计算危险天气条件下的第一得分(或第一得分卡)。例如，在危险天气条件下为驾驶员计算的第一得分可以是“20.2”，如图5b所示。根据实施例，第一得分卡可以允许驾驶员从一个移动提供商到另一个移动提供商的迁移(或切换)，因为第一得分卡可以描绘驾驶员的行为模式。移动经营者系统102可以在驾驶员从一个移动提供商切换到另一个移动提供商期间分析所生成的驾驶员的第一得分卡。
[0131]
参考图5c，示出了用于生成与第一交通工具120a的乘客(作为乘员)122相关联的第二得分卡的示例性表500c。根据实施例，移动经营者系统102的处理器202可以被配置为生成与乘客相关联的第二得分卡。第二得分卡可以指示乘客的行为模式。
[0132]
与乘客相关联的第二得分卡可以取决于参数，所述参数例如是但不限于乘客旅行信息、乘客对安全的遵守以及乘客行为。例如，乘客旅行信息可以包括乘客的行程的频率、乘客的预定交通工具类型或交通工具偏好以及乘客的旅行区域。可以将多个权重分配给多个参数或事件中的每个参数。例如，可以将权重“0.4”分配给事件“乘客旅行信息”，可以将权重“0.6”分配给事件“遵守安全”，并且可以将权重“0.5”分配给事件“乘客行为”。
[0133]
在实施例中，多个第二得分可被分配给多个参数中的每个参数或与作为第一交通工具120a的乘员122的乘客相关联的确定事件。如果乘客频繁地旅行并且偏好高级交通工具，则可以针对事件“乘客旅行信息”向乘客分配得分“7”。类似地，可以将得分分配给其他事件或多个参数中的参数。可以基于多个第二得分的加权合计来计算第二得分。例如，与乘客相关联的第二得分可以是“10.3”，如图5c所示。
[0134]
根据实施例，第二得分卡可以允许基于乘客的偏好将maas服务针对性地营销到特定的一组用户(例如乘客)。例如，可以向可能更喜欢高级交通工具并且更频繁地利用移动提供商旅行并且具有更高的第二得分卡(或第二得分)的乘客提供付费的订阅和折扣。此外，移动经营者系统102可以基于乘客的偏好或基于为乘客生成的得分卡，自动地向乘客建议并分配用于行程的移动提供商或交通工具。因此，乘客不需要从多个移动提供商中手动选择移动提供商。此外，由所公开的移动经营者系统102向乘客提供的maas服务的有针对性
的营销可以增加maas网络104和移动提供商的收入。
[0135]
本公开的移动经营者系统102可以提供监管政策行为监控。可以在各种级别提供监管政策行为监控，例如在maas网络104级别、移动提供商级别或者在可以在特定地理区域中运行的政府机构的级别。可以通过在maas网络104的一个或多个节点和分布式账本子节点116的帮助下针对不同级别的政策监视maas网络104来实现监管政策行为监视。
[0136]
移动经营者系统102还可以提供对所有者的交通工具(例如第一交通工具120a)的监视和报告。由于详细的简档级别和基于在分布式账本子节点116上存储行程数据、驾驶员简档信息和乘客简档信息的争议处理机制，交通工具的监控和报告可以允许交通工具所有者和移动提供商之间的透明性和信任。此外，移动经营者系统102还可以允许检测特定驾驶员的过行程(overtrips)(诸如基于监管信息)、在驾驶员之间的切换(诸如基于驾驶模式检测另一驾驶员而不是所分配的驾驶员)以及交通工具健康状态(诸如基于obd数据)。移动经营者系统102还可以提供对存储在分布式账本子节点116中的驾驶员简档信息和争议处理记录的访问。对于诸如由移动提供商提供的交通工具、由驾驶员拥有并向移动提供商预订的交通工具、以及由公共用户拥有并租借给移动提供商(诸如，有或没有驾驶员)的交通工具的情况，可以经由移动提供商提供访问。
[0137]
移动经营者系统102还可以根据乘客的特定要求向乘客提供定制的或个性化的服务。例如，可以向诸如孕妇之类的乘客提供个性化服务，该乘客可能请求在某个速度限制内行驶，同时在速度减速带处小心地驾驶。可以分析驾驶员简档信息以基于乘客请求来分配合适的驾驶员。在另一示例中，可以向可能需要在行程期间参加会议或呼叫的乘客或者可能是可能需要术后护理的老年人的乘客提供个性化服务。因此，在这种情况下，可以分配具有平稳驾驶技能的驾驶员。移动经营者系统102还可以提供对预订移动经营者和maas网络104的驾驶员或乘客的行为模式的监控，并且可以向maas网络104提供反馈。因此，它可以允许maas网络104基于反馈提供个性化推荐，以维持客户关系并确保乘客的客户满意度。本公开的移动经营者系统102可以进一步由于所提供的定制服务而确保多个移动提供商的盈利能力。移动经营者系统102由此可以确保与多个移动提供商相关联的高效、安全和有利可图的交通工具队伍运营。
[0138]
图6是根据本公开实施例的与图1的移动经营者系统、maas网络和多个移动提供商服务器相关联的示例性第5代(5g)通信网络的场景图。结合图1、2、3、4、5a、5b和5c的要素解释图6。参考图6，示出了第5代(5g)通信网络的示例性场景600。示例性场景600包括移动经营者系统102、maas网络104、多个移动提供商服务器118、外部服务器128和通信网络126，其可以将移动经营者系统102、maas网络104、外部服务器128和多个移动提供商服务器118彼此通信地耦接。在一个实施例中，通信网络126可以是5g通信网络，例如图6中所示的第五代(5g)通信网络602。
[0139]
5g通信网络602可包括虚拟网络运营商(vno)604、一组网络切片606和基础设施提供商(inp)608。该组网络切片606可以包括第一网络切片606a、第二网络切片606b、
…
和第n网络切片606n。基础设施提供商608可以包括资源控制器610和多个网络资源，诸如但不限于物联网(iot)设备612、边缘网络614、核心网络616和云网络618。
[0140]
在示例性场景中，第一网络切片606a可执行与第一交通工具300a有关的一个或多个事件的确定。第二网络切片606b可以将关于所确定的一个或多个事件的信息发送到分布
式账本112和分布式账本114。类似地，第n网络切片606n可以执行与第一网络切片606a和第二网络切片606b不同的操作。图6中所示的n个网络切片仅仅是作为示例而呈现的。在不偏离本公开的范围的情况下，该组网络切片606可以包括5g通信网络602中的仅一个网络切片或多于n个网络切片。为了简洁起见，图6中仅示出了n个网络切片。然而，在一些实施例中，可以存在多于n个网络切片，而不限制本公开的范围。
[0141]
在实施例中，vno 604可被配置为从移动经营者系统102接收服务质量(qos)要求。qos要求的示例可以包括但不限于带宽要求(例如，100mbps)、网络等待时间要求(例如，10毫秒的最大等待时间)、网络抖动要求(例如，1毫秒的最大抖动)以及网络恢复要求(例如，小于1秒的网络恢复)。vno 604可以进一步被配置为从移动经营者系统102接收网络功能或协议信息。网络功能或协议信息的示例可以包括与移动情境管理、位置跟踪、寻呼、可达性管理、切换控制、移动锚定和路径优化相关的信息，但不限于此。
[0142]
vno 604可被配置为分析接收的qos要求和接收的网络功能或协议信息。vno 604可以被配置为向inp 608发送网络资源分配请求，以建立移动经营者系统102、maas网络104、多个maas服务器118和服务器(例如，外部服务器128、交通服务器、交通工具监管服务器、监管机构服务器或其它道路辅助服务器)之间的一个或多个通信链路。
[0143]
该组网络切片606中的每一个可以将5g通信网络602的网络资源分割成逻辑或虚拟网络，以便为某些预定使用情况提供端到端定制移动网络，这些网络可以满足有关使用情况的某些服务级别协议(sla)。该组网络切片606可以包括各种网络切片606a-606n，其中的每一个可以支持特定应用服务。例如，第一网络切片606a可支持汽车应用服务。第二网络切片606b可以支持无缝的信息娱乐应用服务。类似地，第n网络切片606n可以支持传感器和致动器。在实施例中，移动经营者系统102、maas网络104和多个移动提供商服务器118中的每一个可以使用来自可以支持汽车应用服务的第一网络切片606a的网络资源。
[0144]
inp 608可被配置为从vno 604接收对与移动经营者系统102相关联的网络资源分配的请求。inp 608的资源控制器610可被配置成通过分配/创建新网络资源(例如虚拟网络)或调整现有一个或一个以上网络资源来服务于网络资源分配请求。网络资源分配可以由inp608的多个网络资源来服务，这些网络资源例如是但不限于iot设备612、边缘网络614、核心网络616和云网络618。
[0145]
iot设备612可包括可连接到网络(例如，边缘网络614)的多个传感器和/或多个致动器。边缘网络614可包括多个交换机或网关设备，这些交换机或网关设备可位于网络之间的入口或出口点处并且可具有处理或存储来自诸如iot设备612之类的连接设备的信息的计算能力。核心网络616可以包括可以构成5g通信网络602的基于核心服务的多接入体系结构的联网设备。云网络618可以包括联网设备，该联网设备可以包括5g通信网络602的非核心的、基于因特网的分布式计算架构。在一些实施例中，移动提供商虚拟机可以被用作边缘节点(诸如5g边缘节点)。边缘节点可以被配置为执行由移动经营者系统102执行的一个或多个操作。可以注意到，图6中所示的场景600是出于示例性目的，并且不应被解释为限制本公开的范围。
[0146]
图7是示出根据本公开实施例的用于maas平台上的移动提供商的交通工具和乘员的事件确定的示例性方法的流程图。结合来自图1、2、3、4、5a、5b、5c和6的要素描述图7。参考图7，示出了流程图700。流程图700的示例性方法可以由任何计算系统执行，例如，由图1
的移动经营者系统102或图2中的处理器202执行。流程图700的示例性方法可以在702开始，并且进行到704。
[0147]
在704，可以接收与第一交通工具120a相关联的obd数据。根据实施例，移动经营者系统102的处理器202可以被配置为从第一交通工具120a的obd数据接口216接收与第一交通工具120a相关联的obd数据。第一交通工具120a可以向第一移动提供商登记。例如，在图4中提供了obd数据的接收的细节。
[0148]
在706处，可以从多个传感器218接收不同于obd数据的乘员数据。根据实施例，移动经营者系统102的处理器202可以被配置为从第一交通工具120a的多个传感器218接收乘员数据。乘员数据可以不同于obd数据。例如，在图4中提供了乘员数据的接收的细节。
[0149]
在708处，可以基于所接收的obd数据和所接收的乘员数据来确定多个参数。根据实施例，移动经营者系统102的处理器202可以被配置为基于所接收的obd数据和所接收的乘员数据来确定多个参数。多个参数的示例可以包括但不限于第一交通工具120a的加速和减速信息、第一交通工具120a的速度、第一交通工具120a相对于周围物体的接近程度、第一交通工具120a的鸣响、以及第一交通工具120a的驾驶员(作为乘员122)施加的制动的强度或表1中所示的其他参数。
[0150]
例如，在图4中提供了多个参数的确定的细节。
[0151]
在710，经训练的ai模型204a可被应用于所确定的多个参数。根据实施例，移动经营者系统102的处理器202可以被配置成将经训练的ai模型204a应用于所确定的多个参数。经训练的ai模型204a可包括以下中的至少一个：所述一个或多个经训练的机器学习模型或所述一个或多个经训练的神经网络模型。例如，在图4中提供了经训练的ai模型204a对多个参数的应用的细节。
[0152]
在712，可以确定与第一交通工具120a相关或与第一交通工具120a的乘员122相关的一个或多个事件。根据实施例，移动经营者系统102的处理器202可以被配置为基于经训练的ai模型204a对所确定的多个参数的应用来确定与第一交通工具120a或第一交通工具120a的乘员122相关的一个或多个事件。例如，在图4中提供了确定一个或多个事件的细节。
[0153]
在714，可以将关于所确定的一个或多个事件的信息发送到与maas网络104相关联的分布式账本的一个或多个节点。根据实施例，移动经营者系统102的处理器202可以被配置为将关于所确定的一个或多个事件的信息发送到与maas网络104相关联的分布式账本的一个或多个节点。一个或多个节点的例子可以包括与一个或多个mp节点(例如，第一mp节点112a)和一个或多个maas节点(例如，第一maas节点114a)相关联的驾驶员子节点116a、用户子节点116b和文档子节点116c。分布式账本子节点116的驾驶员子节点116a可以存储与maas网络104的移动提供商相关联的驾驶员简档信息。分布式账本子节点116的用户子节点116b可以存储与maas网络104的移动提供商相关联的用户(或乘客)信息。分布式账本子节点116的文档子节点116c可以存储包括与maas网络104的移动提供商的交通工具120a-120n相关联的obd数据的日志信息。此外，文档子节点116c可以存储基于所确定的与maas网络104相关联的一个或多个事件而生成的通知信息。例如，在图4中提供了关于所确定的一个或多个事件的信息的发送和通知的细节。
[0154]
尽管流程图700示出了诸如704、706、708、710、712和714之类的分离操作，但是本公开不限于此。因此，在某些实施例中，取决于特定实现，这样的分离操作可以被进一步划
分成附加操作、被组合成更少操作、或被消除，而不背离所公开的实施例的本质。
[0155]
本公开的各种实施例可以提供非暂时性计算机可读介质和/或存储介质，其上存储有可由机器和/或计算机(例如，移动经营者系统102)执行的指令。指令可以使机器和/或计算机(例如，移动经营者系统102)执行用于maas网络(例如，maas网络104)上的移动提供商(例如，第一移动提供商)的交通工具(例如，第一交通工具120a)和乘员(例如，乘员122)的事件确定的操作。操作可以包括接收与第一交通工具120a相关联的交通工具上诊断(obd)数据。第一交通工具120a可以向第一移动提供商登记。操作还可以包括从与第一交通工具120a相关联的多个传感器(诸如，多个传感器218)接收不同于obd数据的乘员数据。操作还可以包括基于接收的obd数据和接收的乘员数据确定多个参数。此外，操作可包括对所确定的多个参数应用经训练的ai模型(诸如，经训练的ai模型204a包括一个或多个经训练的机器学习模型或一个或多个经训练的神经网络模型中的至少一个)。操作还可包括基于经训练ai模型204a对所确定的多个参数的应用来确定与第一交通工具120a相关或与第一交通工具120a的乘员122相关的一个或多个事件。操作还可以包括将关于所确定的一个或多个事件的信息发送到与maas网络104相关联的分布式账本的一个或多个节点(例如，分布式账本子节点116)。
[0156]
本公开的示例性方面可以包括移动经营者系统(诸如移动经营者系统102)。移动经营者系统102可以包括处理器(诸如处理器202)和存储器(诸如存储器204)，其被配置为存储经训练的ai模型(诸如经训练的ai模型204a，其包括一个或多个经训练的机器学习模型或一个或多个经训练的神经网络模型中的至少一个)。处理器202可以被配置为接收与第一交通工具(诸如第一交通工具120a)相关联的交通工具上诊断(obd)数据。第一交通工具120a可以向第一移动提供商登记。处理器202可进一步被配置为从与第一交通工具120a相关联的多个传感器(例如，多个传感器218)接收不同于obd数据的乘员数据。处理器202可进一步被配置为基于接收到的obd数据和接收到的乘员数据来确定多个参数。此外，处理器202可被配置成对所确定的多个参数应用经训练的神经网络模型(诸如，经训练的ai模型204a)。处理器202可进一步被配置成基于经训练ai模型204a对所确定的多个参数的应用来确定与第一交通工具120a相关或与第一交通工具120a的乘员(诸如乘员122)相关的一个或多个事件。处理器202还可以被配置成将关于所确定的一个或多个事件的信息发送到与maas网络(例如maas网络104)相关联的分布式账本的一个或多个节点(例如第一mp节点112a和第一移动即服务(maas)节点114a的分布式账本子节点116)。
[0157]
根据实施例，处理器202可进一步被配置为基于所确定的一个或多个事件生成通知信息，并将所生成的通知信息发送到与第一移动提供商、第一交通工具120a或第一交通工具120a的乘员122中的至少一个相关联的电子设备(诸如第一电子设备124或第二电子设备220)。
[0158]
根据实施例，处理器202可进一步被配置成基于所确定的一个或一个以上事件产生驾驶员简档信息。驾驶员简档信息可以与第一交通工具120a的作为乘员122的驾驶员相关联。处理器202可以进一步被配置为将所生成的驾驶员简档信息发送到与maas网络104相关联的分布式账本的一个或多个节点(例如，分布式账本子节点116)。
[0159]
根据实施例，处理器202可以进一步被配置为基于所确定的一个或多个事件来生成乘客简档信息。乘客简档信息可以与第一交通工具120a的作为乘员122的乘客相关联。处
理器202还可以将所生成的乘客简档信息发送到与maas网络104相关联的分布式账本的一个或多个节点(例如，分布式账本子节点116)。
[0160]
根据实施例，处理器202可以进一步被配置为从与乘客相关联的电子设备(诸如第一电子设备124)接收针对第一行程的行程请求。处理器202还可以从与maas网络104相关联的分布式账本的一个或多个节点(例如，分布式账本子节点116)提取与乘客相关联的乘客简档信息。处理器202可以基于所提取的乘客简档信息进一步确定与向第一移动提供商登记并且存储在分布式账本的一个或多个节点(例如，分布式账本子节点116)上的一个或多个交通工具相关联的交通工具信息。处理器202可进一步配置成基于提取的乘客简档信息和与一个或多个交通工具相关联的交通工具信息来分配用于第一行程的交通工具，并且将分配的交通工具的交通工具信息和驾驶员的驾驶员简档信息发送到与乘客相关联的电子设备。
[0161]
根据实施例，所确定的多个参数包括第一交通工具120a的加速和减速信息、第一交通工具120a的速度、第一交通工具120a相对于周围物体的接近度、第一交通工具120a的鸣响、由作为第一交通工具120a的乘员的驾驶员施加的制动的强度、第一交通工具120a的健康状态、第一交通工具120a的乘员122对安全带的使用、驾驶员的效率、第一交通工具120a中的乘员的超容量、第一交通工具120a的乘员122对交通规则的遵守、乘员122的电话上花费的时间量、第一交通工具120a中的乘员的口头交流的音量、第一交通工具120a中的音乐的音量强度、与第一交通工具120a的路线有关的道路状况、与第一交通工具120a的路线有关的天气状况、与第一交通工具120a的车道切换有关的信息、与第一交通工具120a进行的快速u形转弯有关的信息、与第一交通工具120a有关的穿行信息或与第一交通工具120a有关的突然转向信息中的至少一个。
[0162]
根据实施例，所确定的一个或多个事件包括作为第一交通工具120a的乘员122的驾驶员的行为的挑衅性、第一交通工具120a的驾驶员对安全驾驶实践的遵守、第一交通工具的驾驶员对规章政策的遵守、提供给作为第一交通工具120a的乘员122的乘客的舒适水平、危险驾驶状况、或作为第一交通工具120a的乘员122的驾驶员的鲁莽驾驶模式中的至少一个。
[0163]
根据实施例，处理器202可以进一步被配置为从服务器接收外部数据。外部数据包括关于道路状况的信息、关于天气状况的信息、关于行进路线的交通更新或第一交通工具120a的行进路线的路线地图中的至少一个。
[0164]
根据实施例，处理器202可进一步被配置为经由第5代(5g)通信网络接收obd数据和乘员数据中的一个或多个。根据实施例，处理器202还可被配置成向虚拟网络运营商(vno)发送包括服务质量(qos)要求和一组移动网络管理功能的服务要求。虚拟网络运营商可以接收所发送的服务要求，并且基于所接收的服务要求，向与5g通信网络相关联的基础设施提供商发送网络资源请求。根据一个实施例，基础设施提供商可以创建虚拟网络，以根据所接收的网络资源请求来分配5g通信网络的网络资源。
[0165]
根据实施例，处理器202可以进一步被配置为从监管机构服务器接收监管信息，并且基于所确定的多个参数，将所接收的监管信息发送到与第一交通工具120a的作为乘员122的驾驶员相关联的第一电子设备124或与第一交通工具120a相关联的第二电子设备220中的至少一个。
[0166]
根据实施例，处理器202可以进一步被配置为基于所确定的多个参数中的一个或多个或基于所确定的一个或多个事件来生成与作为第一交通工具120a的乘员122的驾驶员相关联的第一得分卡。第一得分卡可指示驾驶员的行为模式。
[0167]
根据实施例，存储器204可以进一步被配置为存储与所确定的多个参数或所确定的一个或多个事件相关联的多个第一得分。处理器202可以被配置为基于所确定的多个参数或所确定的一个或多个事件的多个第一得分的加权合计来生成第一得分卡。
[0168]
根据实施例，处理器202可以进一步被配置为基于所确定的多个参数中的一个或多个或基于所确定的一个或多个事件来生成与作为第一交通工具120a的乘员122的乘客相关联的第二得分卡。第二得分卡可以指示乘客的行为模式。
[0169]
根据实施例，处理器202还可以被配置为从监管机构服务器接收监管信息。处理器202还可接收在第一交通工具120a的第一行程期间关于所接收的监管信息的与第一交通工具120a的作为乘员122的驾驶员相关联的第一组健康参数。处理器202还可以将关于与驾驶员相关联的第一组健康参数的信息发送到与maas网络104相关联的分布式账本的一个或多个节点(例如，分布式账本子节点116)。
[0170]
根据实施例，处理器202可进一步配置为基于所确定的一个或多个事件中的一个或多个来确定作为第一交通工具120a中的乘员122的第一驾驶员的身份。
[0171]
根据实施例，处理器202可进一步被配置为将第一组obd数据和第一组乘员数据发送到外部服务器(诸如外部服务器128)。处理器202可进一步从外部服务器接收多个参数中的基于所发送的第一组obd数据和所发送的第一组乘员数据的第一组参数。此外，处理器202可基于第二组obd数据和第二组乘员数据确定多个参数中的第二组参数。处理器202可进一步基于将经训练ai模型204a应用于所接收的多个参数中的第一组参数和第二组参数来确定与第一交通工具120a相关或与第一交通工具120a的乘员122相关的一个或多个事件。
[0172]
本公开可以以硬件或硬件和软件的组合来实现。本公开可以以集中的方式在至少一个计算机系统中实现，或者以分布式的方式实现，其中不同的元件可以分布在若干互连的计算机系统上。适于执行这里描述的方法的计算机系统或其它装置可能是合适的。硬件和软件的组合可以是具有计算机程序的通用计算机系统，当加载和执行该计算机程序时，其可以控制该计算机系统，使得它执行这里描述的方法。本公开可以在包括还执行其他功能的集成电路的一部分的硬件中实现。
[0173]
本公开还可以嵌入在计算机程序产品中，该计算机程序产品包括使得能够实现本文描述的方法的所有特征，并且当被加载在计算机系统中时能够执行这些方法。在本上下文中，计算机程序表示一组指令的以任何语言、代码或符号的任何表达，该组指令旨在使具有信息处理能力的系统直接执行特定功能，或者在以下之一或两者之后执行特定功能：a)转换成另一种语言、代码或符号；b)以不同的材料形式再现。
[0174]
尽管参考某些实施例描述了本公开，但是本领域技术人员将理解，在不脱离本公开的范围的情况下，可以进行各种改变，并且可以替换等同物。此外，在不脱离本公开范围的情况下，可以进行许多修改以使特定情况或材料适应本公开的教导。因此，本公开并不限于所公开的特定实施例，而是本公开将包括落入所附权利要求的范围内的所有实施例。