用于运载工具的方法和系统

技术领域

本发明涉及用于运载工具的方法和系统，特别涉及乘客偏好路线和替代目的地估计器。

背景技术

乘客可能输入对于到达他们的真实最终目的地而言不是最佳的地址(例如，去往体育场的仅工作人员入口)。这导致对可能与乘客预期不一致的乘坐和/或导航的特性的显著影响。

发明内容

一种用于运载工具的方法，包括：使用至少一个处理器，获得用户目的地；使用所述至少一个处理器，获得指示用户路线偏好的偏好数据；使用所述至少一个处理器，基于所述用户目的地和所述偏好数据来确定朝向目的地集的路线集，其中，所述路线集中的至少一个路线与一个或多于一个操作度量相关联；使用所述至少一个处理器，基于所述偏好数据来对所述路线集中的路线进行排序；以及使用所述至少一个处理器，基于排序后的路线中的至少一个路线来控制自主运载工具的导航。

附图说明

图1是可以实现包括自主系统的一个或多于一个组件的运载工具的示例环境；

图2是包括自主系统的运载工具的一个或多于一个示例系统的图；

图3是图1和图2的一个或多于一个示例装置和/或一个或多于一个示例系统的组件的图；

图4A是示例自主系统的某些组件的图；

图4B是神经网络的示例实现的图；

图5是用于提供乘客偏好路线的处理的示例实现的图；

图6是用于提供替代路线的处理的示例实现的图；

图7A-图7B是替代路线的示例图示的图；

图7C-图7D是根据本公开的示例性路线确定和示例性路线排序的示例图示的图；

图8是用于提供乘客偏好路线的示例处理的流程图；以及

图9是用于提供替代目的地的示例处理的流程图。

具体实施方式

在以下描述中，为了解释的目的，阐述了许多具体细节，以便提供对本公开的透彻理解。然而，本公开所描述的实施例可以在没有这些具体细节的情况下实施将是明显的。在一些实例中，众所周知的构造和装置是以框图形式例示的，以避免不必要地使本公开的方面模糊。

在附图中，为了便于描述，例示了示意要素(诸如表示系统、装置、模块、指令块和/或数据要素等的那些要素等)的具体布置或次序。然而，本领域技术人员将要理解，除非明确描述，否则附图中示意要素的具体次序或布置并不意在意味着要求特定的处理次序或序列、或处理的分离。此外，除非明确描述，否则在附图中包含示意要素并不意在意味着在所有实施例中都需要这种要素，也不意在意味着由这种要素表示的特征不能包括在一些实施例中或不能在一些实施例中与其他要素结合。

此外，在附图中，连接要素(诸如实线或虚线或箭头等)用于例示两个或多于两个其他示意要素之间或之中的连接、关系或关联，没有任何此类连接要素并不意在意味着不能存在连接、关系或关联。换句话说，要素之间的一些连接、关系或关联未在附图中例示，以便不使本公开内容模糊。此外，为了便于例示，可以使用单个连接要素来表示要素之间的多个连接、关系或关联。例如，如果连接要素表示信号、数据或指令(例如，“软件指令”)的通信，本领域技术人员应理解，这种要素可以表示影响通信可能需要的一个或多于一个信号路径(例如，总线)。

尽管使用术语“第一”、“第二”和/或“第三”等来描述各种要素，但这些要素不应受这些术语的限制。术语“第一”、“第二”和/或第三”仅用于区分一个要素与另一要素。例如，在没有背离所描述的实施例的范围的情况下，第一触点可被称为第二触点，并且类似地，第二触点可被称为第一触点。第一触点和第二触点这两者都是触点，但它们不是相同的触点。

在本文所描述的各种实施例的说明书中使用的术语仅是为了描述特定实施例的目的而包括的，而不是意在限制。如在所描述的各种实施例的说明书和所附权利要求书中所使用的，单数形式“a”、“an”和“the”也意在包括复数形式，并且可以与“一个或多于一个”或者“至少一个”互换使用，除非上下文另有明确说明。还将理解的是，如本文所使用的术语“和/或”是指并且包括关联的列出项中的一个或多于一个的任何和所有可能的组合。还将理解的是，当在本说明书中使用术语“包括”、“包含”、“具备”和/或“具有”时，具体说明存在所陈述的特征、整数、步骤、操作、要素和/或组件，但并不排除存在或添加一个或多于一个其他特征、整数、步骤、操作、要素、组件和/或其群组。

如本文所使用的，术语“通信”和“进行通信”是指信息(或者由例如数据、信号、消息、指令和/或命令等表示的信息)的接收、收到、传输、传送和/或提供等中的至少一者。对于要与另一单元进行通信的一个单元(例如，装置、系统、装置或系统的组件、以及/或者它们的组合等)而言，这意味着该一个单元能够直接地或间接地从另一单元接收信息和/或向该另一单元发送(例如，传输)信息。这可以是指本质上为有线和/或无线的直接或间接连接。另外，即使可以在第一单元和第二单元之间修改、处理、中继和/或路由所传输的信息，两个单元也可以彼此进行通信。例如，即使第一单元被动地接收信息并且不主动地向第二单元传输信息，第一单元也可以与第二单元进行通信。作为另一示例，如果至少一个中介单元(例如，位于第一单元和第二单元之间的第三单元)处理从第一单元接收到的信息、并将处理后的信息传输至第二单元，则第一单元可以与第二单元进行通信。在一些实施例中，消息可以是指包括数据的网络分组(例如，数据分组等)。

如本文所使用的，取决于上下文，术语“如果”可选地被解释为意指“当…时”、“在…时”、“响应于确定为”和/或“响应于检测到”等。类似地，取决于上下文，短语“如果已确定”或“如果检测到[所陈述的条件或事件]”可选地被解释为意指“在确定…时”、“响应于确定为“或”在检测到[所陈述的条件或事件]时”和/或“响应于检测到[所陈述的条件或事件]”等。此外，如本文所使用的，术语“有”、“具有”或“拥有”等旨在是开放式术语。此外，除非另有明确说明，否则短语“基于”意在是意味着“至少部分基于”。

“至少一个”和“一个或多于一个”包括由一个要素进行的功能、由多于一个要素(例如，以分布式方式)进行的功能、由一个要素进行的若干功能、由若干要素进行的若干功能、或上述的任意组合。”

现在将详细参考实施例，其示例在附图中例示出。在以下的详细描述中，阐述了许多具体细节，以便提供对所描述的各种实施例的透彻理解。然而，对于本领域的普通技术人员来说将明显的是，可以在没有这些具体细节的情况下实施所描述的各种实施例。在其他情况下，尚未详细描述众所周知的方法、过程、组件、电路和网络，以便不会不必要地使实施例的方面模糊。

本文结合阈值描述了本公开的一些实施例。如本文所述，满足阈值可以指值大于阈值、值多于阈值、值高于阈值、值大于或等于阈值、值小于阈值、值少于阈值、值低于阈值、值小于或等于阈值、以及/或者值等于阈值等。

总体概述

在一些方面和/或实施例中，本文描述的系统、方法和计算机程序产品提供对用户目的地(例如，基于乘客的用户路线偏好和乘客的期望的用户目的地的目标目的地和/或路线)的调整。本公开还提供了可以基于预期的用户目的地来估计用户的替代目的地的系统、方法和计算机程序产品。此外，系统、方法和计算机程序产品可以对用户路线偏好进行加权以确定路线、替代路线和/或替代目的地。系统、方法和计算机程序产品可以确定可能更容易到达的替代目的地和/或可能更多变的替代路线。

借助于本文描述的系统、方法和计算机程序产品的实现，用于操作自主运载工具和/或用于自主运载工具的导航的技术可以提高用于将乘客导航到用户目的地(例如，目标目的地)的自主运载工具的准确性和效率。这些技术可以使得乘客和/或服务(例如，乘坐服务)能够基于(一个或多于一个)用户路线偏好和乘客的期望的用户目的地来调整目标目的地和路线。这些技术可以向乘客和服务提供可以积极地影响各种参数(诸如到目的地的时间、行驶距离、下车之后步行距离和/或价格等)的供下车的替代目的地和替代路线，其中这些参数可以匹配乘客的用户路线偏好。

现在参考图1，例示示例环境100，在该示例环境100中，包括自主系统的运载工具以及不包括自主系统的运载工具进行操作。如所例示的，环境100包括运载工具102a-102n、对象104a-104n、路线106a-106n、区域108、运载工具到基础设施(V2I)装置110、网络112、远程自主运载工具(AV)系统114、队列管理系统116和V2I系统118。运载工具102a-102n、运载工具到基础设施(V2I)装置110、网络112、自主运载工具(AV)系统114、队列管理系统116和V2I系统118经由有线连接、无线连接、或者有线或无线连接的组合互连(例如，建立用于通信的连接等)。在一些实施例中，对象104a-104n经由有线连接、无线连接、或者有线或无线连接的组合与运载工具102a-102n、运载工具到基础设施(V2I)装置110、网络112、自主运载工具(AV)系统114、队列管理系统116和V2I系统118中的至少一者互连。

运载工具102a-102n(单独称为运载工具102且统称为运载工具102)包括被配置为运输货物和/或人员的至少一个装置。在一些实施例中，运载工具102被配置为与V2I装置110、远程AV系统114、队列管理系统116和/或V2I系统118经由网络112进行通信。在一些实施例中，运载工具102包括小汽车、公共汽车、卡车和/或火车等。在一些实施例中，运载工具102与本文所述的运载工具200(参见图2)相同或类似。在一些实施例中，一组运载工具200中的运载工具200与自主队列管理器相关联。在一些实施例中，如本文所述，运载工具102沿着相应的路线106a-106n(单独称为路线106且统称为路线106)行驶。在一些实施例中，一个或多于一个运载工具102包括自主系统(例如，与自主系统202相同或类似的自主系统)。

对象104a-104n(单独称为对象104且统称为对象104)例如包括至少一个运载工具、至少一个行人、至少一个骑车者和/或至少一个构造物(例如，建筑物、标志、消防栓等)等。各对象104(例如，位于固定地点处并在一段时间内)是静止的或(例如，具有速度且与至少一个轨迹相关联地)移动。在一些实施例中，对象104与区域108中的相应地点相关联。

路线106a-106n(单独称为路线106且统称为路线106)各自与连接AV可以导航所沿着的状态的一系列动作(也称为轨迹)相关联(例如，规定该一系列动作)。各个路线106始于初始状态(例如，与第一时空地点和/或速度等相对应的状态)，并且结束于最终目标状态(例如，与不同于第一时空地点的第二时空地点相对应的状态)或目标区(例如，可接受状态(例如，终止状态)的子空间)。在一些实施例中，第一状态包括一个或多于一个个体将要搭载AV的地点，并且第二状态或区包括搭载AV的一个或多于一个个体将要下车的一个或多于一个地点。在一些实施例中，路线106包括多个可接受的状态序列(例如，多个时空地点序列)，这多个状态序列与多个轨迹相关联(例如，限定多个轨迹)。在示例中，路线106仅包括高级别动作或不精确的状态地点，诸如指示在车行道交叉口处转换方向的一系列连接道路等。附加地或可替代地，路线106可以包括更精确的动作或状态，诸如例如车道区域内的特定目标车道或精确地点以及这些位置处的目标速率等。在示例中，路线106包括沿着具有到达中间目标的有限前瞻视界的至少一个高级别动作的多个精确状态序列，其中有限视界状态序列的连续迭代的组合累积地与共同形成在最终目标状态或区处终止的高级别路线的多个轨迹相对应。

区域108包括运载工具102可以导航的物理区域(例如，地理区)。在示例中，区域108包括至少一个州(例如，国家、省、国家中所包括的多个州中的单独州等)、州的至少一部分、至少一个城市、城市的至少一部分等。在一些实施例中，区域108包括至少一个已命名干道(本文称为“道路”)，诸如公路、州际公路、公园道路、城市街道等。附加地或可替代地，在一些示例中，区域108包括至少一个未命名道路，诸如行车道、停车场的一段、空地和/或未开发地区的一段、泥路等。在一些实施例中，道路包括至少一个车道(例如，道路的运载工具102可以穿过的部分)。在示例中，道路包括与至少一个车道标记相关联的(例如，基于至少一个车道标记所识别的)至少一个车道。

运载工具到基础设施(V2I)装置110(有时称为运载工具到万物(Vehicle-to-Everything)(V2X)装置)包括被配置为与运载工具102和/或V2I基础设施系统118进行通信的至少一个装置。在一些实施例中，V2I装置110被配置为与运载工具102、远程AV系统114、队列管理系统116和/或V2I系统118经由网络112进行通信。在一些实施例中，V2I装置110包括射频识别(RFID)装置、标牌、照相机(例如，二维(2D)和/或三维(3D)照相机)、车道标记、路灯、停车计时器等。在一些实施例中，V2I装置110被配置为直接与运载工具102进行通信。附加地或可替代地，在一些实施例中，V2I装置110被配置为与运载工具102、远程AV系统114和/或队列管理系统116经由V2I系统118进行通信。在一些实施例中，V2I装置110被配置为与V2I系统118经由网络112进行通信。

网络112包括一个或多于一个有线和/或无线网络。在示例中，网络112包括蜂窝网络(例如，长期演进(LTE)网络、第三代(3G)网络、第四代(4G)网络、第五代(5G)网络、码分多址(CDMA)网络等)、公共陆地移动网络(PLMN)、局域网(LAN)、广域网(WAN)、城域网(MAN)、电话网(例如，公共交换电话网(PSTN))、专用网络、自组织网络、内联网、因特网、基于光纤的网络、云计算网络等、以及/或者这些网络中的一部分或全部的组合等。

远程AV系统114包括被配置为与运载工具102、V2I装置110、网络112、队列管理系统116和/或V2I系统118经由网络112进行通信的至少一个装置。在示例中，远程AV系统114包括服务器、服务器组和/或其他类似装置。在一些实施例中，远程AV系统114与队列管理系统116位于同一位置。在一些实施例中，远程AV系统114参与运载工具的组件(包括自主系统、自主运载工具计算和/或由自主运载工具计算实现的软件等)中的一部分或全部的安装。在一些实施例中，远程AV系统114在运载工具的寿命期间维护(例如，更新和/或更换)这些组件和/或软件。

队列管理系统116包括被配置为与运载工具102、V2I装置110、远程AV系统114和/或V2I基础设施系统118进行通信的至少一个装置。在示例中，队列管理系统116包括服务器、服务器组和/或其他类似装置。在一些实施例中，队列管理系统116与拼车公司(例如，用于控制多个运载工具(例如，包括自主系统的运载工具和/或不包括自主系统的运载工具)的操作等的组织)相关联。

在一些实施例中，V2I系统118包括被配置为与运载工具102、V2I装置110、远程AV系统114和/或队列管理系统116经由网络112进行通信的至少一个装置。在一些示例中，V2I系统118被配置为与V2I装置110经由不同于网络112的连接进行通信。在一些实施例中，V2I系统118包括服务器、服务器组和/或其他类似装置。在一些实施例中，V2I系统118与市政当局或私营机构(例如，用于维护V2I装置110的私营机构等)相关联。

在一些实施例中，如图8和图9所示，装置300被配置为执行所公开的方法的一个或多于一个步骤的软件指令。

提供图1所例示的要素的数量和布置作为示例。与图1例示的要素相比，可以存在附加的要素、更少的要素、不同的要素和/或不同布置的要素。附加地或可替代地，环境100的至少一个要素可以进行被描述为由图1的至少一个不同要素进行的一个或多于一个功能。附加地或可替代地，环境100的至少一组要素可以进行被描述为由环境100的至少一个不同组的要素进行的一个或多于一个功能。

现在参考图2，运载工具200包括自主系统202、动力总成控制系统204、转向控制系统206和制动系统208。在一些实施例中，运载工具200与运载工具102(参见图1)相同或类似。在一些实施例中，运载工具200具有自主能力(例如，实现如下的至少一个功能、特征和/或装置等，该至少一个功能、特征和/或装置使得运载工具200能够在无人类干预的情况下部分地或完全地操作，其包括但不限于完全自主运载工具(例如，放弃依赖人类干预的运载工具)和/或高度自主运载工具(例如，在某些情形下放弃依赖人类干预的运载工具)等)。对于完全自主运载工具和高度自主运载工具的详细描述，可以参考SAE国际标准J3016:道路上机动车自动驾驶系统相关术语的分类和定义(SAE International's standard J3016:Taxonomy and Definitions for Terms Related to On-Road Motor Vehicle AutomatedDriving Systems)，其全部内容通过引用而被包含。在一些实施例中，运载工具200与自主队列管理器和/或拼车公司相关联。

自主系统202包括传感器套件，该传感器套件包括诸如照相机202a、LiDAR传感器202b、雷达(radar)传感器202c和麦克风202d等的一个或多于一个装置。在一些实施例中，自主系统202可以包括更多或更少的装置和/或不同的装置(例如，超声波传感器、惯性传感器、(以下论述的)GPS接收器、以及/或者用于生成与运载工具200已行驶的距离的指示相关联的数据的里程计传感器等)。在一些实施例中，自主系统202使用自主系统202中所包括的一个或多于一个装置来生成与本文所述的环境100相关联的数据。由自主系统202的一个或多于一个装置生成的数据可以由本文所述的一个或多于一个系统使用以观测运载工具200所位于的环境(例如，环境100)。在一些实施例中，自主系统202包括通信装置202e、自主运载工具计算202f和安全控制器202g。

照相机202a包括被配置为与通信装置202e、自主运载工具计算202f和/或安全控制器202g经由总线(例如，与图3的总线302相同或类似的总线)进行通信的至少一个装置。照相机202a包括用以捕获包括物理对象(例如，小汽车、公共汽车、路缘和/或人员等)的图像的至少一个照相机(例如，使用诸如电荷耦合器件(CCD)等的光传感器的数字照相机、热照相机、红外(IR)照相机和/或事件照相机等)。在一些实施例中，照相机202a生成照相机数据作为输出。在一些示例中，照相机202a生成包括与图像相关联的图像数据的照相机数据。在该示例中，图像数据可以指定与图像相对应的至少一个参数(例如，诸如曝光、亮度等的图像特性、以及/或者图像时间戳等)。在这样的示例中，图像可以采用格式(例如，RAW、JPEG和/或PNG等)。在一些实施例中，照相机202a包括配置在(例如，定位在)运载工具上以为了立体影像(立体视觉)的目的而捕获图像的多个独立照相机。在一些示例中，照相机202a包括生成图像数据并将该图像数据传输到自主运载工具计算202f和/或队列管理系统(例如，与图1的队列管理系统116相同或类似的队列管理系统)的多个照相机。在这样的示例中，自主运载工具计算202f基于来自至少两个照相机的图像数据来确定多个照相机中的至少两个照相机的视场中的到一个或多于一个对象的深度。在一些实施例中，照相机202a被配置为捕获在相对于照相机202a的距离(例如，高达100米和/或高达1千米等)内的对象的图像。因此，照相机202a包括为了感知在相对于照相机202a一个或多于一个距离处的对象而优化的诸如传感器和镜头等的特征。

在实施例中，照相机202a包括被配置为捕获与一个或多于一个交通灯、街道标志和/或提供视觉导航信息的其他物理对象相关联的一个或多于一个图像的至少一个照相机。在一些实施例中，照相机202a生成与一个或多于一个图像相关联的交通灯数据。在一些示例中，照相机202a生成与包括格式(例如，RAW、JPEG和/或PNG等)的一个或多于一个图像相关联的TLD数据。在一些实施例中，生成TLD数据的照相机202a与本文所述的包含照相机的其他系统的不同之处在于：照相机202a可以包括具有宽视场(例如，广角镜头、鱼眼镜头、以及/或者具有约120度或更大的视角的镜头等)的一个或多于一个照相机，以生成与尽可能多的物理对象有关的图像。

激光检测和测距(LiDAR)传感器202b包括被配置为与通信装置202e、自主运载工具计算202f和/或安全控制器202g经由总线(例如，与图3的总线302相同或类似的总线)进行通信的至少一个装置。LiDAR传感器202b包括被配置为从发光器(例如，激光发射器)发射光的系统。由LiDAR传感器202b发射的光包括在可见光谱之外的光(例如，红外光等)。在一些实施例中，在操作期间，由LiDAR传感器202b发射的光遇到物理对象(例如，运载工具)并被反射回到LiDAR传感器202b。在一些实施例中，由LiDAR传感器202b发射的光不会穿透该光遇到的物理对象。LiDAR传感器202b还包括至少一个光检测器，该至少一个光检测器在从发光器发射的光遇到物理对象之后检测到该光。在一些实施例中，与LiDAR传感器202b相关联的至少一个数据处理系统生成表示LiDAR传感器202b的视场中所包括的对象的图像(例如，点云和/或组合点云等)。在一些示例中，与LiDAR传感器202b相关联的至少一个数据处理系统生成表示物理对象的边界和/或物理对象的表面(例如，表面的拓扑结构)等的图像。在这样的示例中，该图像用于确定LiDAR传感器202b的视场中的物理对象的边界。

无线电检测和测距(雷达)传感器202c包括被配置为与通信装置202e、自主运载工具计算202f和/或安全控制器202g经由总线(例如，与图3的总线302相同或类似的总线)进行通信的至少一个装置。雷达传感器202c包括被配置为发射(脉冲的或连续的)无线电波的系统。由雷达传感器202c发射的无线电波包括预先确定的频谱内的无线电波。在一些实施例中，在操作期间，由雷达传感器202c发射的无线电波遇到物理对象并被反射回到雷达传感器202c。在一些实施例中，由雷达传感器202c发射的无线电波未被一些对象反射。在一些实施例中，与雷达传感器202c相关联的至少一个数据处理系统生成表示雷达传感器202c的视场中所包括的对象的信号。例如，与雷达传感器202c相关联的至少一个数据处理系统生成表示物理对象的边界和/或物理对象的表面(例如，表面的拓扑结构)等的图像。在一些示例中，该图像用于确定雷达传感器202c的视场中的物理对象的边界。

麦克风202d包括被配置为与通信装置202e、自主运载工具计算202f和/或安全控制器202g经由总线(例如，与图3的总线302相同或类似的总线)进行通信的至少一个装置。麦克风202d包括捕获音频信号并生成与该音频信号相关联(例如，表示该音频信号)的数据的一个或多于一个麦克风(例如，阵列麦克风和/或外部麦克风等)。在一些示例中，麦克风202d包括变换器装置和/或类似装置。在一些实施例中，本文所述的一个或多于一个系统可以接收由麦克风202d生成的数据，并基于与该数据相关联的音频信号来确定对象相对于运载工具200的位置(例如，距离等)。

通信装置202e包括被配置为与照相机202a、LiDAR传感器202b、雷达传感器202c、麦克风202d、自主运载工具计算202f、安全控制器202g和/或线控驱动(DBW:Drive ByWire)系统202h进行通信的至少一个装置。例如，通信装置202e可以包括与图3的通信接口314相同或类似的装置。在一些实施例中，通信装置202e包括运载工具到运载工具(V2V)通信装置(例如，用于实现运载工具之间的数据的无线通信的装置)。

自主运载工具计算202f包括被配置为与照相机202a、LiDAR传感器202b、雷达传感器202c、麦克风202d、通信装置202e、安全控制器202g和/或DBW系统202h进行通信的至少一个装置。在一些示例中，自主运载工具计算202f包括诸如客户端装置、移动装置(例如，蜂窝电话和/或平板电脑等)和/或服务器(例如，包括一个或多于一个中央处理单元和/或图形处理单元等的计算装置)等的装置。在一些实施例中，自主运载工具计算202f与本文所述的自主运载工具计算400相同或类似。附加地或可替代地，在一些实施例中，自主运载工具计算202f被配置为与自主运载工具系统(例如，与图1的远程AV系统114相同或类似的自主运载工具系统)、队列管理系统(例如，与图1的队列管理系统116相同或类似的队列管理系统)、V2I装置(例如，与图1的V2I装置110相同或类似的V2I装置)和/或V2I系统(例如，与图1的V2I系统118相同或类似的V2I系统)进行通信。

安全控制器202g包括被配置为与照相机202a、LiDAR传感器202b、雷达传感器202c、麦克风202d、通信装置202e、自主运载工具计算202f和/或DBW系统202h进行通信的至少一个装置。在一些示例中，安全控制器202g包括被配置为生成和/或传输控制信号以操作运载工具200的一个或多于一个装置(例如，动力总成控制系统204、转向控制系统206和/或制动系统208等)的一个或多于一个控制器(电气控制器和/或机电控制器等)。在一些实施例中，安全控制器202g被配置为生成优先于(例如，覆盖)由自主运载工具计算202f生成和/或传输的控制信号的控制信号。

DBW系统202h包括被配置为与通信装置202e和/或自主运载工具计算202f进行通信的至少一个装置。在一些示例中，DBW系统202h包括被配置为生成和/或传输控制信号以操作运载工具200的一个或多于一个装置(例如，动力总成控制系统204、转向控制系统206和/或制动系统208等)的一个或多于一个控制器(例如，电气控制器和/或机电控制器等)。附加地或可替代地，DBW系统202h的一个或多于一个控制器被配置为生成和/或传输控制信号以操作运载工具200的至少一个不同的装置(例如，转向信号灯、前灯、门锁和/或挡风玻璃雨刮器等)。

动力总成控制系统204包括被配置为与DBW系统202h进行通信的至少一个装置。在一些示例中，动力总成控制系统204包括至少一个控制器和/或致动器等。在一些实施例中，动力总成控制系统204从DBW系统202h接收控制信号，并且动力总成控制系统204使运载工具200开始向前移动、停止向前移动、开始向后移动、停止向后移动、沿某方向加速、沿某方向减速、进行左转和/或进行右转等。在示例中，动力总成控制系统204使提供至运载工具的马达的能量(例如，燃料和/或电力等)增加、保持相同或减少，由此使运载工具200的至少一个轮旋转或不旋转。

转向控制系统206包括被配置为使运载工具200的一个或多于一个轮旋转的至少一个装置。在一些示例中，转向控制系统206包括至少一个控制器和/或致动器等。在一些实施例中，转向控制系统206使运载工具200的两个前轮和/或两个后轮向左或向右旋转，以使运载工具200左转或右转。

制动系统208包括被配置为使一个或多于一个制动器致动以使运载工具200减速和/或保持静止的至少一个装置。在一些示例中，制动系统208包括被配置为使与运载工具200的一个或多于一个轮相关联的一个或多于一个卡钳在运载工具200的相应转子上闭合的至少一个控制器和/或致动器。附加地或可替代地，在一些示例中，制动系统208包括自动紧急制动(AEB)系统和/或再生制动系统等。

在一些实施例中，运载工具200包括用于测量或推断运载工具200的状态或条件的性质的至少一个平台传感器(未明确例示出)。在一些示例中，运载工具200包括诸如全球定位系统(GPS)接收器、惯性测量单元(IMU)、轮速率传感器、轮制动压力传感器、轮转矩传感器、引擎转矩传感器和/或转向角传感器等的平台传感器。

现在参考图3，例示装置300的示意图。如所例示的，装置300包括处理器304、存储器306、存储组件308、输入接口310、输出接口312、通信接口314和总线302。在一些实施例中，装置300对应于：运载工具102的至少一个装置(例如，运载工具102的系统的至少一个装置)；远程AV系统114、队列管理系统116、V2I系统118的一个或多于一个装置以及/或者网络112的一个或多于一个装置(例如，网络112的系统的一个或多于一个装置)。在一些实施例中，运载工具102的一个或多于一个装置(例如，运载工具102的系统的一个或多于一个装置，诸如远程AV系统114、队列管理系统116和V2I系统118中的至少一个装置)、以及/或者网络112的一个或多于一个装置(例如，网络112的系统的一个或多于一个装置)包括至少一个装置300和/或装置300的至少一个组件。如图3所示，装置300包括总线302、处理器304、存储器306、存储组件308、输入接口310、输出接口312和通信接口314。

总线302包括许可装置300的组件之间的通信的组件。在一些实施例中，处理器304以硬件、软件、或者硬件和软件的组合来实现。在一些示例中，处理器304包括处理器(例如，中央处理单元(CPU)、图形处理单元(GPU)和/或加速处理单元(APU)等)、麦克风、数字信号处理器(DSP)、以及/或者可被编程为进行至少一个功能的任意处理组件(例如，现场可编程门阵列(FPGA)和/或专用集成电路(ASIC)等)。存储器306包括随机存取存储器(RAM)、只读存储器(ROM)、以及/或者存储供处理器304使用的数据和/或指令的另一类型的动态和/或静态存储装置(例如，闪速存储器、磁存储器和/或光存储器等)。

存储组件308存储与装置300的操作和使用相关的数据和/或软件。在一些示例中，存储组件308包括硬盘(例如，磁盘、光盘、磁光盘和/或固态盘等)、紧凑盘(CD)、数字多功能盘(DVD)、软盘、盒式磁带、磁带、CD-ROM、RAM、PROM、EPROM、FLASH-EPROM、NV-RAM和/或另一类型的计算机可读介质、以及相应的驱动器。

输入接口310包括许可装置300诸如经由用户输入(例如，触摸屏显示器、键盘、小键盘、鼠标、按钮、开关、麦克风和/或照相机等)等接收信息的组件。附加地或可替代地，在一些实施例中，输入接口310包括用于感测信息的传感器(例如，全球定位系统(GPS)接收器、加速度计、陀螺仪和/或致动器等)。输出接口312包括用于提供来自装置300的输出信息的组件(例如，显示器、扬声器和/或一个或多于一个发光二极管(LED)等)。

在一些实施例中，通信接口314包括许可装置300与其他装置经由有线连接、无线连接、或者有线连接和无线连接的组合进行通信的类似收发器那样的组件(例如，收发器和/或单独的接收器和发射器等)。在一些示例中，通信接口314许可装置300从另一装置接收信息和/或向另一装置提供信息。在一些示例中，通信接口314包括以太网接口、光接口、同轴接口、红外接口、射频(RF)接口、通用串行总线(USB)接口、

在一些实施例中，装置300进行本文所述的一个或多于一个处理。装置300基于处理器304执行由诸如存储器305和/或存储组件308等的计算机可读介质所存储的软件指令来进行这些处理。计算机可读介质(例如，非暂时性计算机可读介质)在本文被限定为非暂时性存储器装置。非暂时性存储器装置包括位于单个物理存储装置内的存储空间或跨多个物理存储装置分布的存储空间。

在一些实施例中，经由通信接口314从另一计算机可读介质或从另一装置将软件指令读取到存储器306和/或存储组件308中。存储器306和/或存储组件308中所存储的软件指令在执行时，使处理器304进行本文所述的一个或多于一个处理。附加地或可替代地，代替软件指令或与软件指令组合使用硬连线电路以进行本文所述的一个或多于一个处理。因此，除非另外明确说明，否则本文所描述的实施例不限于硬件电路和软件的任何特定组合。

存储器306和/或存储组件308包括数据存储部或至少一个数据结构(例如，数据库等)。装置300能够从存储器306或存储组件308中的数据存储部或至少一个数据结构接收信息，将信息存储在该数据存储部或至少一个数据结构中，将信息通信至该数据存储部或至少一个数据结构，或者搜索该数据存储部或至少一个数据结构中所存储的信息。在一些示例中，该信息包括网络数据、输入数据、输出数据或其任何组合。

在一些实施例中，装置300被配置为执行存储在存储器306和/或另一装置(例如，与装置300相同或类似的另一装置)的存储器中的软件指令。如本文所使用的，术语“模块”是指存储器306和/或另一装置的存储器中所存储的至少一个指令，该至少一个指令在由处理器304和/或另一装置(例如，与装置300相同或类似的另一装置)的处理器执行时，使装置300(例如，装置300的至少一个组件)进行本文所述的一个或多于一个处理。在一些实施例中，模块以软件、固件和/或硬件等来实现。

提供图3所例示的组件的数量和布置作为示例。在一些实施例中，与图3所例示的组件相比，装置300可以包括附加的组件、更少的组件、不同的组件或不同布置的组件。附加地或可替代地，装置300的一组组件(例如，一个或多于一个组件)可以进行被描述为由装置300的另一组件或另一组组件进行的一个或多于一个功能。

现在参考图4A，例示出自主运载工具计算400(有时称为“AV堆栈”)的示例框图。如所例示的，自主运载工具计算400包括感知系统402(有时称为感知模块)、规划系统404(有时称为规划模块)、定位系统406(有时称为定位模块)、控制系统408(有时称为控制模块)和数据库410。在一些实施例中，感知系统402、规划系统404、定位系统406、控制系统408和数据库410包括在运载工具的自动导航系统(例如，运载工具200的自主运载工具计算202f)中和/或在该自动导航系统中实现。附加地或可替代地，在一些实施例中，感知系统402、规划系统404、定位系统406、控制系统408和数据库410包括在一个或多于一个独立系统(例如，与自主运载工具计算400相同或类似的一个或多于一个系统等)中。在一些示例中，感知系统402、规划系统404、定位系统406、控制系统408和数据库41包括在位于运载工具中的一个或多于一个独立系统以及/或者如本文所述的至少一个远程系统中。在一些实施例中，自主运载工具计算400中所包括的系统中的任意和/或全部以软件(例如，存储器中所存储的软件指令)、计算机硬件(例如，通过微处理器、微控制器、专用集成电路(ASIC)和/或现场可编程门阵列(FPGA)等)、或者计算机软件和计算机硬件的组合来实现。还将理解，在一些实施例中，自主运载工具计算400被配置为与远程系统(例如，与远程AV系统114相同或类似的自主运载工具系统、与队列管理系统116相同或类似的队列管理系统116、以及/或者与V2I系统118相同或类似的V2I系统等)进行通信。

在一些实施例中，感知系统402接收与环境中的至少一个物理对象相关联的数据(例如，感知系统402检测至少一个物理对象所使用的数据)，并对该至少一个物理对象进行分类。在一些示例中，感知系统402接收由至少一个照相机(例如，照相机202a)捕获到的图像数据，该图像与该至少一个照相机的视场内的一个或多于一个物理对象相关联(例如，表示该一个或多于一个物理对象)。在这样的示例中，感知系统402基于物理对象(例如，自行车、运载工具、交通标志和/或行人等)的一个或多于一个分组来对至少一个物理对象进行分类。在一些实施例中，基于感知系统402对物理对象进行分类，感知系统402将与物理对象的分类相关联的数据传输到规划系统404。

在一些实施例中，规划系统404接收与目的地相关联的数据，并且生成与运载工具(例如，运载工具102)可以朝向目的地行驶所沿着的至少一个路线(例如，路线106)相关联的数据。在一些实施例中，规划系统404定期地或连续地从感知系统402接收数据(例如，上述的与物理对象的分类相关联的数据)，并且规划系统404基于感知系统402所生成的数据来更新至少一个轨迹或生成至少一个不同轨迹。在一些实施例中，规划系统404从定位系统406接收与运载工具(例如，运载工具102)的更新位置相关联的数据，并且规划系统404基于定位系统406所生成的数据来更新至少一个轨迹或生成至少一个不同轨迹。

在一些实施例中，定位系统406接收与运载工具(例如，运载工具102)在区域中的地点相关联(例如，表示该地点)的数据。在一些示例中，定位系统406接收与至少一个LiDAR传感器(例如，LiDAR传感器202b)所生成的至少一个点云相关联的LiDAR数据。在某些示例中，定位系统406从多个LiDAR传感器接收与至少一个点云相关联的数据，并且定位系统406基于各个点云来生成组合点云。在这些示例中，定位系统406将该至少一个点云或组合点云与数据库410中所存储的区域的二维(2D)和/或三维(3D)地图进行比较。然后，基于定位系统406将至少一个点云或组合点云与地图进行比较，定位系统406确定运载工具在区域中的位置。在一些实施例中，地图包括运载工具的导航之前生成的该区域的组合点云。在一些实施例中，地图包括但不限于车行道几何性质的高精度地图、描述道路网连接性质的地图、描述车行道物理性质(诸如交通速率、交通流量、运载工具和自行车交通车道的数量、车道宽度、车道交通方向或车道标记的类型和地点、或者它们的组合等)的地图、以及描述道路特征(诸如人行横道、交通标志或各种类型的其他行驶信号灯等)的空间地点的地图。在一些实施例中，基于感知系统所接收到的数据来实时地生成地图。

在另一示例中，定位系统406接收由全球定位系统(GPS)接收器所生成的全球导航卫星系统(GNSS)数据。在一些示例中，定位系统406接收与运载工具在区域中的地点相关联的GNSS数据，并且定位系统406确定运载工具在区域中的纬度和经度。在这样的示例中，定位系统406基于运载工具的纬度和经度来确定运载工具在区域中的位置。在一些实施例中，定位系统406生成与运载工具的位置相关联的数据。在一些示例中，基于定位系统406确定运载工具的位置，定位系统406生成与运载工具的位置相关联的数据。在这样的示例中，与运载工具的位置相关联的数据包括与对应于运载工具的位置的一个或多于一个语义性质相关联的数据。

在一些实施例中，控制系统408从规划系统404接收与至少一个轨迹相关联的数据，并且控制系统408控制运载工具的操作。在一些示例中，控制系统408从规划系统404接收与至少一个轨迹相关联的数据，并且控制系统408通过生成并传输控制信号以使动力总成控制系统(例如，DBW系统202h和/或动力总成控制系统204等)、转向控制系统(例如，转向控制系统206)和/或制动系统(例如，制动系统208)进行操作，来控制运载工具的操作。在示例中，在轨迹包括左转的情况下，控制系统408传输控制信号以使转向控制系统206调整运载工具200的转向角，由此使运载工具200左转。附加地或可替代地，控制系统408生成并传输控制信号以使运载工具200的其他装置(例如，前灯、转向信号灯、门锁和/或挡风玻璃雨刮器等)改变状态。

在一些实施例中，感知系统402、规划系统404、定位系统406和/或控制系统408实现至少一个机器学习模型(例如，至少一个多层感知器(MLP)、至少一个卷积神经网络(CNN)、至少一个递归神经网络(RNN)、至少一个自动编码器和/或至少一个变换器等)。在一些示例中，感知系统402、规划系统404、定位系统406和/或控制系统408单独地或与上述系统中的一个或多于一个结合地实现至少一个机器学习模型。在一些示例中，感知系统402、规划系统404、定位系统406和/或控制系统408实现至少一个机器学习模型作为管道(例如，用于识别位于环境中的一个或多于一个对象的管道等)的一部分。以下关于图4B包括机器学习模型的实现的示例。

数据库410存储传输至感知系统402、规划系统404、定位系统406和/或控制系统408的、从其接收到的、以及/或者由其更新的数据。在一些示例中，数据库410包括用于存储与操作相关的数据和/或软件、并使用自主运载工具计算400的至少一个系统的存储组件(例如，与图3的存储组件308相同或类似的存储组件)。在一些实施例中，数据库410存储与至少一个区域的2D和/或3D地图相关联的数据。在一些示例中，数据库410存储与城市的一部分、多个城市的多个部分、多个城市、县、州和/或国家(State)(例如，国家)等的2D和/或3D地图相关联的数据。在这样的示例中，运载工具(例如，与运载工具102和/或运载工具200相同或类似的运载工具)可以沿着一个或多于一个可驾驶区(例如，单车道道路、多车道道路、高速公路、偏僻道路和/或越野道路等)驾驶，并且使至少一个LiDAR传感器(例如，与LiDAR传感器202b相同或类似的LiDAR传感器)生成与表示该至少一个LiDAR传感器的视场中所包括的对象的图像相关联的数据。

在一些实施例中，数据库410可以跨多个装置来实现。在一些示例中，数据库410包括在运载工具(例如，与运载工具102和/或运载工具200相同或类似的运载工具)、自主运载工具系统(例如，与远程AV系统114相同或类似的自主运载工具系统)、队列管理系统(例如，与图1的队列管理系统116相同或类似的队列管理系统)中和/或V2I系统(例如，与图1的V2I系统118相同或类似的V2I系统)等中。

现在参考图4B，例示机器学习模型的实现的图。更具体地，例示卷积神经网络(CNN)420的实现的图。为了说明的目的，CNN 420的以下说明将关于通过感知系统402实现CNN 420。然而，将理解，在一些示例中，CNN 420(例如，CNN 420的一个或多于一个组件)由不同于感知系统402的或除感知系统402之外的其他系统(诸如规划系统404、定位系统406和/或控制系统408等)来实现。尽管CNN 420包括如本文所述的某些特征，但这些特征是为了说明的目的而提供的，并且不旨在限制本公开。

CNN 420包括包含第一卷积层422、第二卷积层424和卷积层426的多个卷积层。在一些实施例中，CNN 420包括子采样层428(有时称为池化层)。在一些实施例中，子采样层428和/或其他子采样层具有比上游系统的维度(即，节点的数量)小的维度。借助于具有比上游层的维度小的维度的子采样层428，CNN 420合并与上游层的初始输入和/或输出相关联的数据量，由此减少CNN420进行下游卷积运算所需的计算的数量。附加地或可替代地，借助于子采样层428与至少一个子采样函数相关联(例如，被配置为进行至少一个子采样函数)，CNN 420合并与初始输入相关联的数据量。

基于感知系统402提供与第一卷积层422、第二卷积层424和卷积层426各自相关联的相应输入和/或输出以生成相应输出，感知系统402进行卷积运算。在一些示例中，基于感知系统402将数据作为输入提供至第一卷积层422、第二卷积层424和卷积层426，感知系统402实现CNN 420。在这样的示例中，基于感知系统402从一个或多于一个不同系统(例如，与运载工具102相同或相似的运载工具的一个或多于一个系统、与远程AV系统114相同或相似的远程AV系统、与队列管理系统116相同或相似的队列管理系统、以及/或者与V2I系统118相同或相似的V2I系统等)接收数据，感知系统402将数据作为输入提供至第一卷积层422、第二卷积层424和卷积层426。

在一些实施例中，感知系统402将与输入(称为初始输入)相关联的数据提供至第一卷积层422，并且感知系统402使用第一卷积层422生成与输出相关联的数据。在一些实施例中，感知系统402将由卷积层生成的输出作为输入提供至不同的卷积层。例如，感知系统402将第一卷积层422的输出作为输入提供至子采样层428、第二卷积层424和/或卷积层426。在这样的示例中，第一卷积层422被称为上游层，并且子采样层428、第二卷积层424和/或卷积层426被称为下游层。类似地，在一些实施例中，感知系统402将子采样层428的输出提供至第二卷积层424和/或卷积层426，并且在该示例中，子采样层428将被称为上游层，并且第二卷积层424和/或卷积层426将被称为下游层。

在一些实施例中，在感知系统402向CNN 420提供输入之前，感知系统402对与提供至CNN 420的输入相关联的数据进行处理。例如，基于感知系统402对传感器数据(例如，图像数据、LiDAR数据和/或雷达数据等)进行归一化，感知系统402对与提供至CNN 420的输入相关联的数据进行处理。

在一些实施例中，基于CNN 420进行与各个卷积层相关联的卷积运算，感知系统402生成输出。在一些示例中，基于感知系统402进行与各个卷积层和初始输入相关联的卷积运算，CNN 420生成输出。在一些实施例中，感知系统402生成输出并将该输出作为全连接层430来提供。在一些示例中，感知系统402将卷积层426的输出作为全连接层430来提供，其中全连接层430包括与被称为F1、F2、...、FN的多个特征值相关联的数据。在该示例中，卷积层426的输出包括与表示预测的多个输出特征值相关联的数据。

在一些实施例中，基于感知系统402识别与作为多个预测中的正确预测的最高可能性相关联的特征值，感知系统402从这多个预测中识别预测。例如，在全连接层430包括特征值F1、F2、...、FN并且F1是最大特征值的情况下，感知系统402将与F1相关联的预测识别为多个预测中的正确预测。在一些实施例中，感知系统402训练CNN 420以生成预测。在一些示例中，基于感知系统402将与预测相关联的训练数据提供至CNN 420，感知系统402训练CNN 420以生成预测。

本公开涉及基于乘客的偏好和乘客的用户目的地来提供对用户目的地和/或路线的调整的系统、方法和计算机程序产品。本公开还提供了可以基于预期的用户目的地来估计用户的替代目的地的系统、方法和计算机程序产品。此外，系统、方法和计算机程序产品可以对用户偏好进行加权以确定路线、替代路线和/或替代目的地。系统、方法和计算机程序产品可以确定可以更容易到达的替代目的地和/或可能更多变的替代路线。

现在参考图5，其示出用于提供(一个或多于一个)乘客偏好路线(例如用于诸如用于控制和/或操作自主运载工具、AV等的导航)的系统500的实现的图。在一些示例中，实现或系统500包括AV计算540和运载工具(类似于图2的诸如自主运载工具等的运载工具200)。在一些示例中，系统500与诸如(例如，图2、图3和图4中所示的)AV、AV系统、远程AV系统、队列管理系统和V2I系统等的自主系统或类似系统相同。系统500可以用于操作自主运载工具。系统500可以不用于操作自主运载工具。

公开了诸如图5的系统500等的系统。在一个或多于一个示例系统中，系统500包括至少一个处理器。在一个或多于一个示例系统中，系统500包括存储指令的存储器和/或至少一个非暂时性计算机可读介质，该指令在由至少一个处理器执行时使至少一个处理器进行包括使用至少一个处理器来获得用户目的地的操作。在一个或多于一个示例系统中，系统500被配置为使用至少一个处理器获得指示用户路线偏好的偏好数据。在一个或多于一个示例系统中，系统500被配置为使用至少一个处理器基于用户目的地和偏好数据来确定朝向目的地集的路线集。在一个或多于一个示例系统中，路线集中的至少一个路线与一个或多于一个操作度量相关联。在一个或多于一个示例系统中，系统500被配置为使用至少一个处理器基于偏好数据对路线集中的路线进行排序。在一个或多于一个示例性系统中，系统500被配置为使用至少一个处理器基于排序后的路线中的至少一个来控制自主运载工具的导航。

借助于本文描述的系统、方法和计算机程序产品的实现，用于操作自主运载工具和/或用于自主运载工具的导航的技术可以提高用于将乘客导航到用户目的地的自主运载工具的准确性和/或效率。这些技术可以使得乘客和/或服务(例如，乘坐服务)能够基于与这些特征相关的(一个或多于一个)用户路线偏好和乘客的期望的最终目的地来调整用户目的地和/或路线。这些技术可以向乘客和服务提供可以积极地影响各种参数(诸如到目的地的时间、行驶距离、下车之后步行距离和/或价格等)的下车的替代目的地和替代路线，其中这些参数可以匹配乘客的用户路线偏好。换句话说，所公开的技术可以允许预测乘客可能打算去的替代目的地和/或替代路线。

在一个或多于一个示例系统中，系统500被配置为使用至少一个处理器来获得用户目的地。用户目的地可以被视为由用户输入(可选地经由乘坐服务)提供的目的地。用户目的地可以由乘坐服务提供。用户目的地可以由乘坐服务提议。用户目的地可以是可选地经由来自乘客的用户输入提供的目标目的地，诸如所请求的目的地等。用户目的地可以是以下中的一个或多于一个：地理地点、关注点、地标和/或区域。

在一个或多于一个示例系统中，系统500被配置为使用至少一个处理器来获得指示用户路线偏好的偏好数据。例如，系统500被配置为从用户偏好数据库或从偏好数据存储部(诸如例如用户偏好存储部等的偏好数据存储部504等)接收和/或检索偏好数据。

偏好数据可以被视为表示一个或多于一个用户路线偏好的数据。用户路线偏好可以被视为用户的偏好，诸如乘客关于路线和/或行驶和/或目的地的偏好等。用户路线偏好可以被视为例如在到目的地的时间、价格、步行时间、可到达性、合法性和/或能量消耗方面的用户偏好。偏好数据可以包括用户数据，诸如用户简档数据等。用户数据可以包括指示以下中的一个或多于一个的乘客数据：年龄、性别、状态和/或残疾状态。

在一个或多于一个示例系统中，偏好数据包括指示例如关于操作度量的用户路线偏好的一个或多于一个属性。例如，对于到目的地的时间，属性可以指示早到达用户目的地的用户偏好。例如，对于价格，属性可以指示使价格最小化的用户偏好。例如，对于步行时间，属性可以指示提供步行距离阈值的用户偏好。例如，对于可到达性和/或合法性考虑，属性可以指示避免在下车之后穿过街道的用户偏好。例如，对于交通，属性可以指示避开(例如，最小化)交通流量的用户偏好。例如，对于能量消耗和/或气体排放，属性可以指示用于使能量消耗和/或气体排放最小化的用户偏好。在一个或多于一个示例中，偏好数据可以包括历史偏好数据和/或先前偏好数据。先前偏好数据可以基于过去选择和/或收集的(一个或多于一个)偏好和/或(一个或多于一个)路线和/或(一个或多于一个)下车。乘客可以可选地以高级别配置偏好，从而产生相应的偏好数据。例如，可以由乘客配置具有各种重要性级别(例如“不重要”、“稍微重要”、“非常重要”、“最高优先级”)的独立属性(例如成本、步行距离、时间)。这可以使得基于属性的相应的重要性级别而赋予属性(一个或多于一个)权重。在一个或多于一个示例性系统中，(一个或多于一个)属性可由乘客经由将(一个或多于一个)属性传输到系统500的用户界面(诸如例如在乘客的装置上所设置的用户界面等的用户界面512等)来进行配置。用户路线偏好可以变化：例如，爱丽丝偏好步行几分钟而不是在交通中等待；鲍勃想要在尽可能接近其最终目的地处下车；伊夫想要在无需步行超过1英里的情况下尽可能便宜的乘坐。所公开的偏好数据可以经由属性来表征用户路线偏好。

在一个或多于一个示例系统中，系统500被配置为使用至少一个处理器基于用户目的地和偏好数据来确定例如朝向目的地集的路线集。在一个或多于一个示例系统中，系统500包括路线提议器506，其中路线提议器506被配置为使用至少一个处理器基于用户目的地和偏好数据来确定朝向目的地集的路线集。换句话说，系统500可以使用路线提议器506来使用至少一个处理器基于用户目的地和偏好数据确定朝向目的地集的路线集。路线集可以包括到第一目的地的第一路线和到第一目的地的第二路线，其中第二路线与第一路线不同。路线集可以包括到第一目的地的第一路线和到第二目的地的第二路线。换句话说，路线提议器506可以将(例如，指示已学习的路线偏好和/或过去路线偏好的)偏好数据作为输入，并且可以基于该输入来生成具有相关联的(一个或多于一个)操作度量(诸如如图7D所示的针对各个路线的总聚合操作度量和/或针对给定操作维度的各个操作度量)的路线集。

在一个或多于一个示例系统中，路线集中的至少一个路线与一个或多于一个操作度量相关联。例如，各个路线可以与一个或多于一个操作度量相关联。

操作度量可以被视为指示路线的路线操作测量的度量，诸如路线的操作代价函数等。操作度量的示例可以是指示以下中的一个或多于一个的度量：价格、到目的地的时间(time-to-destination)、步行时间、可到达性、交通和能量消耗。换句话说，路线可以与指示价格的第一操作度量相关联，并且可选地与指示到目的地的时间的第二操作度量相关联，并且可选地与指示到最终目的地的步行时间的第三操作度量相关联，并且可选地与指示交通的第四操作度量相关联，并且可选地与指示能量消耗的第五操作度量相关联。偏好数据可以通过将(在偏好数据中给出的)权重应用于操作度量来影响操作度量。权重被配置为反映乘客偏好。例如，当乘客比其他方面给予步行时间更多偏好时，与指示步行时间的属性相关联的权重可以大于其他属性的权重，并且该权重相应地应用于指示步行时间的操作度量。

可以通过路线提议器506来确定朝向目的地集的路线集。例如，路线集可以被视为朝向相同目的地集的路线集。目的地集可以包括用户目的地和/或基于用户目的地而确定的诸如在用户目的地附近等的(一个或多于一个)替代目的地。

在一个或多于一个示例系统中，系统500被配置为使用至少一个处理器基于偏好数据对路线集中的路线进行排序。例如，系统500包括被配置为使用至少一个处理器基于偏好数据对路线集中的路线进行排序的路线排序器508。例如，路线排序器508基于偏好数据对路线集中的路线进行排序，例如从最偏好路线到最不偏好路线。例如，路线排序器508对路线集中的路线的一部分进行排序。换句话说，系统500和/或路线排序器508可以基于偏好数据对路线集中的路线的至少一部分进行优先级排序。例如，偏好数据可以指示出乘客偏好避免在下车之后穿过街道并且不具有对较低价格的偏好，系统500和/或路线排序器508可以基于指示避免在下车之后穿过街道的操作度量来对路线集中的路线的至少一部分进行排序，其中该操作度量是基于偏好数据调整的。换句话说，以比提供指示价格的最低操作度量的路线更高的顺序来对具有指示避免在下车之后穿过街道的最高操作度量的路线进行排序。路线排序器508可以从偏好数据存储部504获得偏好数据，并且从路线提议器506获得具有相关联的(一个或多于一个)操作度量的路线集。

在一个或多于一个示例系统中，系统500被配置为使用至少一个处理器基于排序后的路线中的至少一个来控制自主运载工具的导航。例如，系统500包括被配置为向AV的控制系统(例如，控制系统516)提供导航数据的规划系统514。例如，规划系统514从路线排序器508获得排序后的路线中的至少一个，并且例如通过基于至少一个排序后的路线生成导航数据来相应地控制导航。在一个或多于一个示例系统中，系统500被配置为根据排序后的路线中的至少一个进行导航。例如，系统500包括控制系统516。

在一个或多于一个示例系统中，为了获得偏好数据，系统500被配置为基于模型，将权重分配给针对一个或多于一个操作度量中的相应操作度量的一个或多于一个属性中的至少一个属性。例如，路线提议器506可以基于模型，将权重分配给针对一个或多于一个操作度量中的相应操作度量的一个或多于一个属性中的至少一个属性。在一个或多于一个示例中，模型是全局模型，该全局模型可以学习例如基于指示乘客过去选择的(一个或多于一个)偏好和/或(一个或多于一个)路线和/或(一个或多于一个)下车的偏好数据来向属性分配权重。在一个或多于一个示例系统中，路线提议器506被配置为通过将(与属性相关联的)权重和与该路线的多个部分相关联的操作代价进行组合来确定路线的操作度量。换句话说，路线的操作度量可以被视为在如价格、能量、到目的地的时间、步行距离和/或可到达性等的操作维度针对朝向目的地的集的路线的操作测量。换句话说，路线的操作度量可以是基于将(与属性相关联的)权重和与属性相对应的操作度量进行组合(例如，如图7C所示应用、例如相乘)。例如，对于偏好步行几分钟而不是在交通中等待的乘客，偏好数据可以包括指示步行偏好的第一属性和指示交通的第二属性。例如，路线提议器506可以通过将(与第一属性相关联的)第一权重和与路线相关联的步行时间度量进行组合来确定指示该路线的步行时间的第一操作度量，并且通过将(与第二属性相关联的)第二权重和与该路线相关联的交通度量进行组合来确定指示路线的交通的第二操作度量。例如，第一权重和第二权重可以表示乘客偏好步行几分钟而不是在交通中等待。换句话说，在步行时间度量指示到目的地的步行时间为几分钟的情况下，路线提议器506可以促进具有交通的路线。换句话说，与具有较短步行时间但由于交通而具有较长延迟的路线相比，提供较长步行时间的下车的路线可以具有更好的分数。

在一个或多于一个示例系统中，模型被配置为基于先前路线来确定向至少一个属性中的属性(例如，一个或多于一个属性中的属性)分配权重。例如，乘客可以由基于多个乘客的属性而生成的一个或多于一个属性来表征。例如，乘客可以由基于该特定乘客的属性而生成的一个或多于一个属性来表征。该模型可以基于神经网络模型(如图4B所示)来学习偏好数据，并且学习例如基于过去选择的偏好和路线/下车来向属性分配权重。可替代地和/或附加地，模型可以学习整个操作度量和/或代价函数，以例如允许复杂的非线性关系。例如，该模型是基于用户偏好神经网络的。

在一个或多于一个示例系统中，模型是特定于用户的模型。特定于用户的模型可以被视为表征和/或捕获一个用户或一个乘客的个人偏好的模型。特定于用户的模型可以利用全局模型来初始化，并使用由乘客选择的路线/目的地来进行微调。换句话说，模型可以是特定于乘客的模型，因为该特定于乘客的模型例如基于特定乘客的过去路线来表征该乘客。特定于乘客的模型可以被配置为捕获一个乘客的个人偏好。可以利用全局模型来初始化特定于乘客的模型。可以使用乘客诸如经由耦接到系统500的用户界面512等所选择的路线和/或目的地来微调特定于乘客的模型。系统500可以包括被配置为应用模型以便学习乘客的偏好的偏好学习器510。偏好学习器510可以向偏好数据存储部504提供输入，以例如用于获得和/或更新乘客的偏好数据。该模型可以是全局模型，其中全局模型不表征特定乘客。全局模型可以包括特定于乘客模型的基线。全局模型可用于为新乘客设置默认偏好和权重。可以训练全局模型以基于所有偏好数据产生权重。全局模型可以基于卷积神经网络(如图4B所示)，该卷积神经网络提供空间地图和/或时间上的卷积(例如，乘客可能偏好在夜间或在某些街区中较少行走)。全局模型可以基于监督学习和/或无监督学习。例如，可以向乘客呈现由系统500提供的各种路线，并且可以选择一个路线。审核员可以通过将选择与所呈现的其他路线进行比较来手动标记已学习的偏好数据。全局模型可以是基于自动进行比较以自动标记乘客的偏好数据权重的规则。

在一个或多于一个示例系统中，为了确定路线集，系统500被配置为使用至少一个处理器跨至少一个路线基于权重来确定相应操作度量。例如，系统500经由路线提议器506，通过在图中进行搜索来基于权重确定路线的相应操作度量，其中该图表示道路网络。如图7B所示，例如，搜索是诸如在加权图中的搜索等的图搜索，该加权图具有应用于图的给定边的相应操作代价(被称为边操作代价)的权重。边可以连接图中的两个节点。例如，道路网络可以表示为边是道路的行驶路段且节点是例如交叉口和/或道路地点的图。例如，系统500经由路线提议器506，通过基于与路线相关联的加权后的边操作代价的总和获得路线的(一个或多于一个)操作度量，基于(一个或多于一个)权重来确定路线的相应的(一个或多于一个)操作度量。例如，图的各个边可以与一个或多于一个边操作代价相关联，并且图中的路线的操作度量可以涉及通过以下来在图中进行搜索：确定路线的一个或多于一个操作度量(例如，时间、能量消耗、交通等)，并将一个或多于一个权重应用于路线的(一个或多于一个)操作代价。加权图可以是从初始地点到目的地的有向图。

图搜索的示例包括图遍历搜索和/或最佳优先搜索，诸如A*搜索和/或Dijkstra搜索等。例如，图搜索可以是启发式搜索和/或最佳优先搜索。例如，图搜索可以从初始地点(其对应于图中的起始节点)开始，并且可以旨在找到具有最小操作度量(例如，到目的地的最短时间、最小能量消耗、最低价格、最低交通)和/或最大操作度量(例如，最大程度避免在下车之后穿过街道、最大可到达性度量)的到给定目的地(其对应于图中的目的节点)的路径。例如，图搜索可以维护源自初始地点(其对应于起始节点)并且使路径一次一个边地延伸直到到达目的地或满足终止标准为止的路径树。

在一个或多于一个示例系统中，系统500(诸如路线提议器506等)通过使用至少一个处理器跨至少一个路线对与至少一个路线相关联的一个或多于一个操作度量的加权值的代价函数进行优化(诸如最小化或最大化等)来确定路线集。例如，操作度量可以表示为代价函数。代价函数可以被视为将一个或多于一个权重的值与一个或多于一个操作代价相关联的函数。代价函数可以是应用于操作代价(诸如边操作代价等)的权重的线性组合。确定路线集可以包括：跨路线使操作度量最大化，和/或跨路线使操作度量最小化，和/或跨路线对表示操作度量的代价函数进行优化。例如，操作度量可以表示为用户偏好的加权组合，例如应用于操作代价的权重的线性组合。例如，操作度量可以表示为代价函数，可选地可以从本文公开的模型(例如，诸如用户偏好神经网络等的特定于用户的模型和/或全局模型)学习。代价函数可以是应用于操作代价的权重的线性组合。例如，可以使用至少一个处理器跨至少一个路线基于一个或多于一个操作度量来确定路线集。例如，可以使用至少一个处理器跨朝向目的地集的多个路线中的各个路线基于一个或多于一个操作度量来确定路线集。确定路线集可以包括：通过跨各个路线使与路线的各个边相关联的边操作代价的加权值的总和最大化来确定一个或多于一个路线，并且选择提供最大操作度量的一个或多于一个路线。

在一个或多于一个示例系统中，系统500(诸如路线提议器506等)通过使用至少一个处理器跨至少一个路线使与至少一个路线相关联的一个或多于一个操作度量的加权值的代价函数最小化来确定路线集。确定路线集包括通过以下来确定一个或多于一个路线：跨各个路线使与路线的各个边相关联的边操作代价的加权值的总和最小化，并且选择提供最低操作度量的一个或多于一个路线。代价函数可以是将边操作代价作为输入并输出操作度量的线性组合和/或基于机器学习的代价函数。

在一个或多于一个示例系统中，为了确定路线集，诸如路线提议器506等的系统500使用至少一个处理器通过道路网络朝向目的地集并行地进行多个搜索。

在一个或多于一个示例系统中，多个搜索包括基于第一操作度量的第一搜索以及基于与第一操作度量不同的第二操作度量的第二搜索。如图7C所示，搜索可以被视为基于路线的操作度量而在道路网络中进行的对朝向目的地集中的目的地的路线的搜索。例如，可以针对不同的操作度量(诸如不同的代价函数等)进行多个搜索。换句话说，可以针对不同操作维度(诸如到目的地的时间和步行时间等)中的操作度量进行并行搜索。多个搜索中的各个搜索可以是基于不同的操作度量的。这可以被视为多目的和多代价探索。例如，对于目的地集中的给定目的地(诸如图7A的例如用户目的地等的D1等)，可以进行从初始地点起的第一搜索以确定第一操作度量OP1(诸如指示避免在下车之后穿过街道的操作度量等)，并且可以进行第二搜索以确定与OP1不同的第二操作度量OP2(诸如指示能量消耗的操作度量等)。在图7C中示出多个搜索。

道路网络的(例如，经由图搜索的)探索可以在不同的操作度量(例如，不同的代价函数)和/或目的(例如，最大化和/或最小化和/或维持)之间进行平衡。搜索可以探索单个道路网络，但是可以在操作度量(例如，代价函数)之间切换以确定接下来要探索哪些路线。在一个或多于一个示例中，如图7B所示，第二操作度量具有指示相对于第一操作度量的目的偏离的目的的目标参数。例如，对于目的地集中的给定目的地(例如，如图7B中的701所示)，可以利用指示使第一操作度量OP1(诸如指示能量消耗的操作度量等)最小化的目的的目标参数来进行从初始地点起的第一搜索，并且可以利用指示使第二操作度量OP2(诸如指示价格的操作度量等)最大化的目的的目标参数来进行第二搜索。例如，OP2的目的相对于OP1的目的偏离。通过偏好相对于OP1的目的偏离的OP2的目的而不是OP2的其他目的，搜索可以提供偏离的偏好，这鼓励或配置搜索以寻找相对于彼此偏离的替代或附加路线。例如，系统可以实现偏离偏好，以探索和/或选择对于其他代价函数(在该特定迭代中驱动搜索的代价函数之外)具有更差代价的图节点。所公开的技术可以有利地向路线排序器508提供偏离路线，使得可以改变输出给乘客的路线集。换句话说，可以朝向变化驱动搜索。例如，具有第一操作度量(例如，代价函数)的搜索偏好具有更昂贵的操作度量(例如，其他代价函数认为是昂贵的)的路线。

在一个或多于一个示例系统中，系统500被配置为使用至少一个处理器基于用户目的地和偏好数据来确定替代目的地。在一个或多于一个示例系统中，目的地集包括替代目的地。在一个或多于一个示例系统中，系统500包括目的地估计器502，该目的地估计器502被配置为基于用户目的地和偏好数据来确定替代目的地，并且将替代目的地包括在目的地集中，其中针对该目的地集生成路线集。例如，替代目的地被视为与用户目的地不同的目的地。例如，可以基于用户目的地来确定替代目的地。例如，替代目的地包括上车(接载)和/或下车区域、PuDo区域。例如，考虑到例如指示合法性的偏好数据和操作度量，乘客可以请求不是最佳的用户目的地以到达乘客的目标目的地，例如体育场的入口。例如，对于体育场，用户地址通常与用于进入体育场的主入口或合法入口不对应。例如，机场具有若干航站楼，并且机场的用户地址不足以识别乘客下车的地方。例如，替代目的地可以是物理上接近用户目的地但在实际驾驶距离中不是最接近地点的PuDo。替代目的地可以视为被估计为与偏好数据中指示的乘客偏好匹配的目的地，例如乘客想要去并找到可以使下一个行驶行程更容易的PuDo的地方)。

系统500可以被配置为基于偏好数据来确定替代目的地。考虑到(一个或多于一个)乘客偏好，偏好数据可以指示用户目的地对于下车是否不方便或不是最佳的。考虑到(一个或多于一个)乘客偏好，为了基于偏好数据来评估用户目的地对于下车是否不方便或不是最佳的，系统可以基于偏好数据来确定用户目的地是否满足标准。例如，系统500响应于偏好数据指示为用户目的地对于下车不方便或不是最佳的，来确定替代目的地。例如，系统500响应于用户目的地不满足标准，来确定替代目的地。

在一个或多于一个示例系统中，系统500(例如，目的地估计器502)通过使用至少一个处理器获得特征数据来确定替代目的地。在一个或多于一个示例系统中，特征数据包括以下中的一个或多于一个：时间数据、用户数据、地点数据和用户选择数据。时间数据可以指示一天中行驶时的时间、一周中行驶时的天、一月中行驶时的周和/或一年中行驶时的月。用户数据可以包括以下中的一个或多于一个：年龄数据、性别数据和残疾数据。地点数据可以包括以下中的一个或多于一个：城市街区和/或周围区域等。用户选择数据可以指示过去乘客和/或其他乘客的路线的选择和/或由乘客对过去路线的选择。

在一个或多于一个示例系统中，系统500和/或目的地估计器502通过使用至少一个处理器基于用户目的地、偏好数据和特征数据确定替代目的地来确定替代目的地。换句话说，目的地估计器502可以将用户目的地、偏好数据和特征数据作为输入来确定替代目的地。可以进行全局数据存储部的更新，以将目的地与PuDo和其他特征相关联。

在一个或多于一个示例系统中，系统500和/或目的地估计器502通过使用至少一个处理器基于用户目的地、偏好数据和神经网络模型确定替代目的地来确定替代目的地。在一个或多于一个示例系统中，神经网络模型被配置为估计替代目的地。例如，如图4B所示的神经网络模型可以用于基于用户目的地和偏好数据来估计替代目的地。例如，神经网络模型被配置为例如基于与当前乘客和/或其他乘客相关联的过去用户行为来估计替代目的地。所估计的替代目的地可以与通过神经网络模型确定的可能性参数相关联。

在一个或多于一个示例系统中，系统500和/或路线提议器506通过使用至少一个处理器基于用户目的地、偏好数据和替代目的地确定替代路线集来确定路线集。在一个或多于一个示例中，替代路线集包括到替代目的地的路线。路线集可以包括替代路线集。

在一个或多于一个示例系统中，系统500或路线提议器506通过使用至少一个处理器跨替代路线集中的至少一个替代路线基于权重确定相应操作度量，来确定替代路线集。例如，系统500或路线提议器506跨替代路线集中的一个或多于一个替代路线基于权重来确定相应操作度量。例如，系统500或路线提议器506跨到替代目的地的替代路线集中的各个替代路线基于权重来确定相应操作度量。例如，系统500或路线提议器506可以重复确定针对目的地估计器502所提供的各个替代目的地的(一个或多于一个)替代路线。

在一个或多于一个示例系统中，系统500或路线提议器506通过使用至少一个处理器跨至少一个替代路线使与至少一个替代路线相关联的一个或多于一个操作度量的加权值的代价函数最小化和/或最大化来确定替代路线集。例如，可以通过使指示能量消耗的第一操作度量以及指示到最终目的地(诸如餐厅门和/或体育场入口点等)的步行时间的第二操作度量的加权值的代价函数最小化来确定替代路线，其中偏好数据指示与能量消耗相关联的属性的第一权重和与指示步行时间的属性相关联的第二权重。例如，对于移动性降低的乘客，第二权重可以大于第一权重。代价函数可以使用第一权重和第二权重通过第一操作度量和第二操作度量的加权组合来捕获偏好。

在一个或多于一个示例系统中，系统500或路线提议器506通过使用至少一个处理器通过道路网络朝向替代目的地集并行地进行多个搜索来确定替代路线集。

在一个或多于一个示例系统中，多个搜索包括基于第三操作度量的第三搜索以及基于与第三操作度量不同的第四操作度量的第四搜索。可以在表示具有不同操作度量和/或代价函数的道路网络的相同图上并行进行多个搜索。可以在表示具有不同操作度量和/或代价函数的道路网络的相同图上连续进行多个搜索。例如，可以针对不同的操作度量(诸如不同的代价函数等)进行多个搜索。换句话说，可以针对不同操作维度(诸如到目的地的时间和步行时间等)中的操作度量进行并行搜索。多个搜索中的各个搜索可以是基于不同的操作度量。这可以被视为多目的和多代价探索。例如，对于给定的替代目的地(诸如图7A的AltD1等)，可以进行从初始地点起的第三搜索以确定第三操作度量OP3(诸如指示避免在下车之后穿过街道的操作度量等)，并且可以进行第四搜索以确定与OP3不同的第四操作度量OP4(诸如指示能量消耗的操作度量等)。道路网络的(例如，经由图搜索的)探索可以在不同的操作度量(例如，不同的代价函数)和/或目的(例如，最大化和/或最小化和/或维持)之间进行平衡。搜索可以探索单个道路网络，但是可以在操作度量(例如，代价函数)之间切换以确定接下来要探索哪些路线。在一个或多于一个示例中，如图7B所示，第四操作度量具有指示相对于第三操作度量的目的偏离的目的的目标参数。

在一个或多于一个示例系统中，第四操作度量的目标参数相对于第三操作度量的目标参数偏离。目标参数可以被视为操作度量的目的(诸如操作度量的目标，例如，提升、最大化、最小化和/或维持操作度量)。例如，至少一个搜索被配置为通过(例如，基于具有比针对路线集(例如，无需替代目的地)获得的操作度量更高的代价的操作度量来扩展搜索)提升具有比第三操作度量和/或第二操作度量更高的代价的操作度量，来探索道路网络。不同的操作度量(诸如代价函数等)可以具有不同的目的，并且可以确定到所收集的目的(例如，下车地点)的替代路线集。

在一个或多于一个示例系统中，系统500和/或路线排序器508通过使用至少一个处理器基于共同偏好数据确定路线集中的路线的第一排序，来对路线集中的路线进行排序。在一个或多于一个示例系统中，共同偏好数据指示共同偏好类型。可以对找到的所有路线应用多代价分层排序。第一排序是针对指示诸如价格偏好、到目的地的时间偏好和步行距离偏好等的共同偏好类型的共同偏好数据的各个离散集。共同偏好类型是用户组(例如跨多个用户(例如跨所有用户))的偏好类型。这可以在图7D中示出。

在一个或多于一个示例系统中，系统500和/或路线排序器508通过使用至少一个处理器基于偏好数据确定路线集中的路线的第二排序来对路线集中的路线进行排序。针对整个路线的第二排序可以基于指示所有偏好的偏好数据。偏好数据包括指示关于价格、到目的地的时间中的一个或多于一个的偏好的数据，而且还包括交通偏好和/或其他已学习的偏好。属性可以提供在已学习的用户偏好权重上加权的值。指示用户偏好的偏好数据可以确定多代价排序的层级。这可以在图7D中示出。

在一个或多于一个示例系统中，系统500被配置为使用至少一个处理器基于偏好数据来从第一排序和第二排序中选择最高排序路线的子集。例如，系统500根据指示用户路线偏好的偏好数据来选择前k个路线，其中k是正整数。前k个路线可以包括针对j个预定共同偏好类型(例如，价格、到目的地的时间等)中各个的最好路线以及基于已学习的用户偏好的最好的前k-j个其他路线，其中j是正整数。这例如在图7D中示出。

在一个或多于一个示例系统中，系统500被配置为使用至少一个处理器基于偏好数据来选择针对至少一个替代目的地的最高排序路线。例如，选择针对N个替代目的地中的各个的根据已学习的用户偏好的最好路线，其中N是正整数。在一个或多于一个示例系统中，系统500被配置为提供包括N+k个路线的路线集，其中k个路线是根据偏好数据的，并且N个路线是根据替代路线的。

在一个或多于一个示例系统中，系统500被配置为由至少一个处理器使得排序后的路线的至少一部分呈现给乘客。例如，系统500被配置为由至少一个处理器使得排序后的路线的至少一部分经由诸如与系统500耦接的用户界面512等的用户界面呈现给乘客。例如，用户界面512是显示装置(例如，自主运载工具的显示装置和/或乘客装置的显示装置(诸如移动装置等))。

在一个或多于一个示例系统中，系统500被配置为使用至少一个处理器接收指示对例如呈现给乘客的排序后路线中的路线进行的选择的用户输入。可以经由用户界面512以表示排序后的路线(诸如图7A中所示的排序后的路线中的任意一个等)的用户界面对象上的触摸输入的形式提供用户输入。例如，用户界面对象可显示在触敏显示器上。可以经由用户界面512以经由按钮的用户输入的形式提供用户输入。用户界面对象在本文中指的是显示在显示装置上的对象的图形表示。用户界面对象可以是用户交互的，或者是可通过用户输入来进行选择的。例如，图像(例如，图标)、按钮和文本各自可选地构成用户界面对象。用户界面对象可形成微件(widget)的一部分。用户界面对象可包括提示、应用程序启动图标和/或动作菜单。诸如第一输入和/或第二输入等的用户输入可以包括触摸(例如，轻触、用力触摸、长按)和/或接触的移动(例如，诸如用于切换等的滑动手势)。可以通过例如显示装置上的触敏表面来检测接触时的移动。

在一个或多于一个示例性系统中，由系统500控制自主运载工具的导航包括使用至少一个处理器基于用户输入来控制自主运载工具的导航。换句话说，系统500可以使用所选择的路线来规划和控制AV的导航。换句话说，系统500可以例如经由规划系统514基于所选择的路线来生成用于控制AV的导航的导航数据。导航数据可以由AV的控制系统(诸如图4A的控制系统408等)处理。

在一个或多于一个示例系统中，系统500包括下车跟踪器518，该下车跟踪器518被配置为在下车之后监视乘客，诸如监视例如在下车之后乘客到最终目的地(诸如到主入口等)的导航等的乘客在下车之后的移动。下车跟踪器518可以从规划系统514获得关于目的地集的输入，并且可以向偏好学习器510提供数据，以便从乘客下车后行为中学习。

应当注意，路线提议器(例如，路线提议器506)的操作和路线排序器(例如，路线排序器508)的操作可以并行进行，这可以通过消除必然从最终路线集中排除的解决方案来优化搜索。

现在参考图6，其示出用于获得替代路线的系统600的实现的图。在一些实施例中，系统600包括AV计算640和运载工具(类似于图2的诸如自主运载工具等的运载工具200)。在一些实施例中，系统600是与如下系统相同的自主系统或类似的系统，诸如(例如，图2、图4A、图5中所示的)AV、AV系统、远程AV系统、队列管理系统、(例如，图3中所示的)装置和V2I系统。系统600可以用于操作自主运载工具。系统600可以不用于操作自主运载工具。

在一个或多于一个示例系统中，系统600包括至少一个处理器。在一个或多于一个示例系统中，系统600包括存储指令的至少一个非暂时性计算机可读介质，指令在由至少一个处理器执行时使至少一个处理器进行包括使用至少一个处理器来获得用户目的地的操作。在一个或多于一个示例系统中，操作包括使用至少一个处理器来获得指示用户路线偏好的偏好数据。在一个或多于一个示例系统中，操作包括使用至少一个处理器基于用户目的地和偏好数据来确定替代目的地。在一个或多于一个示例性系统中，操作包括使用至少一个处理器基于替代目的地来控制自主运载工具的导航。

系统600可向乘客和/或服务提供可与乘客的一个或多于一个偏好相匹配的下车的(一个或多于一个)替代目的地和替代路线，下车的(一个或多于一个)替代目的地和替代路线可影响以下中的一个或多于一个：到目的地的时间、行驶距离、下车之后步行距离和价格。例如，系统600可以基于偏好数据来确定可能更容易到达的替代目的地。系统600包括例如被配置为基于用户目的地和偏好数据中的一个或多于一个来提供替代目的地的目的地估计器602。

在一个或多于一个示例系统中，系统600和/或目的地估计器602使用至少一个处理器来获得用户目的地。用户目的地可以被视为由用户输入(可选地经由乘坐服务)提供的目的地。用户目的地可以由乘坐服务提供。用户目的地可以是可选地经由来自乘客的用户输入提供的目标目的地，诸如所请求的目的地等。用户目的地可以是以下中的一个或多于一个：地理地点、关注点、地标和/或区域。

在一个或多于一个示例系统中，系统600和/或目的地估计器602被配置为使用至少一个处理器来获得指示用户路线偏好的偏好数据。例如，系统600被配置为从用户偏好数据库或从偏好数据存储部(诸如例如用户偏好存储部等的偏好数据存储部604等)接收和/或检索偏好数据。偏好数据可以被视为表示一个或多于一个用户路线偏好(诸如关于路线和/或下车等的用户偏好)的数据。用户路线偏好可以被视为用户的偏好，诸如乘客关于路线和/或行驶和/或目的地类型和/或目的地区域(诸如PuDo、停车场等)的上下文和/或下车的偏好等。用户路线偏好可以被视为例如在到目的地的时间、价格、步行时间、可到达性、合法性和/或能量消耗方面的用户偏好。偏好数据可以包括用户数据，诸如用户简档数据等。用户数据可以包括指示以下中的一个或多于一个的乘客数据：年龄、性别、状态和/或残疾状态。

在一个或多于一个示例系统中，偏好数据包括指示用户路线偏好的一个或多于一个属性。例如，对于到目的地的时间，属性可以指示早到达用户目的地的用户偏好。例如，对于价格，属性可以指示使价格最小化的用户偏好。例如，对于步行时间，属性可以指示提供步行距离阈值的用户偏好。例如，对于可到达性和/或合法性考虑，属性可以指示避免在下车之后穿过街道的用户偏好。例如，对于交通，属性可以指示避开(例如，最小化)交通的用户偏好。例如，对于能量消耗和/或气体排放，属性可以指示用于使能量消耗和/或气体排放最小化的用户偏好。在一个或多于一个示例中，偏好数据可以包括历史偏好数据和/或先前偏好数据。先前偏好数据可以基于过去选择和/或观察到的(一个或多于一个)偏好和/或(一个或多于一个)路线和/或(一个或多于一个)下车。乘客可以可选地以高级别配置偏好，从而产生相应的偏好数据。例如，可以由乘客配置具有各种重要性级别(例如“不重要”、“稍微重要”、“非常重要”、“最高优先级”)的独立属性(例如代价、步行距离、时间)。这可能使得基于属性的相应的重要性级别而赋予属性(一个或多于一个)权重。在一个或多于一个示例性系统中，(一个或多于一个)属性可由乘客经由将(一个或多于一个)属性传输到系统600的用户界面(诸如例如在乘客的装置上设置的用户界面等的用户界面612等)来进行配置。在一个或多于一个示例中，用户界面612可以类似于用户界面512。用户路线偏好可以变化：例如，爱丽丝偏好步行几分钟而不是在交通中等待；鲍勃想要在尽可能接近其最终目的地处下车；伊夫想要在无需步行超过1英里的情况下尽可能便宜的乘坐。所公开的偏好数据可以经由属性来表征用户路线偏好。

在一个或多于一个示例系统中，系统600和/或目的地估计器603基于用户目的地和偏好数据来确定替代目的地。替代目的地可以由目的地估计器602提供给路线提议器606和/或路线排序器608。路线提议器606可以类似于图5的路线提议器506。路线排序器608可以类似于图5的路线排序器508。应当注意，路线提议器(例如，路线提议器606)的操作和路线排序器(例如，路线排序器608)的操作可以并行进行，这可以通过消除必然从最终路线集中排除的解决方案来优化搜索。系统600可以被配置为基于偏好数据来确定替代目的地。考虑到(一个或多于一个)乘客偏好，偏好数据可以指示用户目的地对于下车是否不方便或不是最佳的。考虑到(一个或多于一个)乘客偏好，为了基于偏好数据来评估用户目的地对于下车是否不方便或不是最佳的，系统可以基于偏好数据来确定用户目的地是否满足标准。例如，系统600响应于偏好数据指示为用户目的地对于下车不方便或不是最佳的，来确定替代目的地。例如，系统600响应于用户目的地不满足标准，确定替代目的地。

在一个或多于一个示例系统中，系统600和/或目的地估计器603通过使用至少一个处理器获得特征数据来确定替代目的地。在一个或多于一个示例系统中，特征数据包括以下中的一个或多于一个：时间数据、用户数据、地点数据和用户选择数据。时间数据可以指示一天中行驶时的时间、一周中行驶时的天、一月中行驶时的周和/或一年中行驶时的月。用户数据可以包括以下中的一个或多于一个：年龄数据、性别数据和残疾数据。地点数据可以包括以下中的一个或多于一个：城市街区和/或周围区域等。用户选择数据可以指示过去乘客和/或其他乘客的路线的选择和/或由乘客对过去路线的选择。

在一个或多于一个示例系统中，系统600或目的地估计器602通过使用至少一个处理器基于用户目的地、偏好数据和特征数据确定替代目的地来确定替代目的地。换句话说，目的地估计器602可以将用户目的地、偏好数据和特征数据作为输入来确定替代目的地。可以进行全局数据存储部的更新，以将目的地与PuDo和其他特征相关联。

在一个或多于一个示例系统中，系统600和/或目的地估计器602通过使用至少一个处理器基于用户目的地、偏好数据和神经网络模型确定替代目的地来确定替代目的地。在一个或多于一个示例系统中，神经网络模型被配置为估计替代目的地。例如，如图4B所示的神经网络模型可以用于基于用户目的地和偏好数据来估计替代目的地。例如，神经网络模型被配置为例如基于与当前乘客和/或其他乘客相关联的过去用户行为来估计替代目的地。所估计的替代目的地可以与通过神经网络模型确定的可能性参数相关联。

在一个或多于一个示例系统中，系统600被配置为使用至少一个处理器基于用户目的地和偏好数据来确定替代目的地。例如，目的地估计器602基于用户目的地和偏好数据来确定替代目的地。替代目的地可以被视为与用户目的地不同的目的地和/或替代用户目的地的目的地。

在一个或多于一个示例系统中，系统600被配置为使用至少一个处理器基于替代目的地来控制自主运载工具的导航。例如，系统600包括被配置为向AV的控制系统提供导航数据的规划系统614。例如，规划系统614从目的地估计器602获得替代目的地并且例如通过基于替代目的地生成导航数据来相应地控制导航。在一个或多于一个示例系统中，系统600被配置为根据替代目的地来进行导航。

在一个或多于一个示例系统中，系统600被配置为由至少一个处理器使替代目的地呈现给乘客。例如，系统600被配置为由至少一个处理器使得排序后的路线的至少一部分经由诸如与系统600耦接的用户界面612等的用户界面呈现给乘客。例如，用户界面612可以是显示装置(例如，自主运载工具的显示装置和/或乘客装置的显示装置(诸如移动装置等))的一部分。

在一个或多于一个示例系统中，系统600被配置为使用至少一个处理器接收指示对替代目的地的选择的用户输入。可以经由用户界面612以用户界面对象上的表示替代目的地的触摸输入的形式提供用户输入。例如，用户界面对象可显示在触敏显示器上。可以经由用户界面612以经由按钮的用户输入的形式提供用户输入。用户界面对象在本文中指的是显示在显示装置上的对象的图形表示。用户界面对象可以是用户交互的，或者是可通过用户输入来进行选择的。例如，图像(例如，图标)、按钮和文本各自可选地构成用户界面对象。用户界面对象可形成微件的一部分。用户界面对象可包括提示、应用程序启动图标和/或动作菜单。诸如第一输入和/或第二输入等的用户输入可以包括触摸(例如，轻触、用力触摸、长按)和/或接触的移动(例如，诸如用于切换等的滑动手势)。可以通过例如显示装置上的触敏表面来检测接触时的移动。

在一个或多于一个示例性系统中，系统600可以经由规划系统614通过使用至少一个处理器基于用户输入控制自主运载工具的导航来控制自主运载工具的导航。换句话说，系统600可以使用所选择的替代目的地来规划和控制AV的导航。换句话说，系统500可以例如经由规划系统514基于所选择的路线来生成用于控制AV的导航的导航数据。导航数据可以由AV的控制系统(诸如图4的控制系统408等)处理。

在一个或多于一个示例系统中，系统600包括下车跟踪器616，该下车跟踪器616被配置为在下车之后监视乘客，诸如监视例如在下车之后乘客到最终目的地(诸如到主入口等)的导航等的乘客在下车之后的移动。下车跟踪器616可以从规划系统614获得关于目的地集的输入，并且可以向偏好学习器610提供数据，以便从乘客下车之后行为中学习，这可以改进目的地估计器602对替代目的地的确定。

现在参考图7A，其示出示例用户界面画面700的表示。用户界面画面700包括例如表示用户目的地D1和第一路线1的第一用户界面对象、表示用户目的地D1和第二路线2的第二用户界面对象、表示用户目的地D1和第三路线3的第三用户界面对象。基于偏好数据，从最偏好到最不偏好对路线进行排序：路线1、路线2、路线3。

用户界面画面700包括例如表示第一替代目的地AltD1和第一操作度量OP1的第四用户界面对象、表示第二替代目的地AltD2和第二操作度量OP2的第五用户界面对象。例如，AltD1可以是提供比用户目的地D1更快的行驶时间的替代目的地。

现在参考图7B，其示出道路网络中的替代目的地的示例的表示。例如，用户目的地被示出为701，其可以被视为共同最终目的地。目的地702示出由所公开的系统和/或所公开的方法确定的第一替代目的地。目的地703示出(诸如在由所公开的系统和/或所公开的方法确定的PuDo 705附近等的)第二替代目的地。因为所公开的系统和/或所公开的方法确定为第一替代目的地更接近用户目的地，所以所公开的系统和/或所公开的方法选择例如第一替代目的地702，从而提供例如步行时间低于针对703的步行时间的操作度量。

现在参考图7C，其示出示例图710的表示，所公开的系统和所公开的方法可以使用该示例图710来确定路线集。图710表示道路网络。图710包括节点和边。例如，图710的节点可表示道路网络的诸如交叉口和/或道路地点等的地点。节点A是诸如原始地点等的源节点。图710的边可以与影响路线的一个或多于一个相应操作度量的一个或多于一个操作代价相关联。例如，从A到B的路线的OP1_AB、OP2_AB、OP3_AB分别受到操作代价OPC1、OPC2、OPC3的影响。操作代价也可以称为边操作代价。本文公开的(由所公开的系统和/或方法进行的)图搜索可以在节点A处开始，其中诸如OP1_A、OP2_A、OP3_A等的操作度量被初始化为零。换句话说，在原点(例如，源节点A)处，操作度量为零。例如，第一操作度量OP1可以指示以下中的一个或多于一个：价格、到目的地的时间、到最终目的地的步行时间、交通、能量消耗、残疾可到达、合法性以及避免在下车之后穿过街道。例如，第二操作度量OP2可以指示以下中的一个或多于一个：价格、到目的地的时间、到最终目的地的步行时间、交通、能量消耗、残疾可到达、合法性以及避免在下车之后穿过街道。例如，第三操作度量OP3可以指示以下中的一个或多于一个：价格、到目的地的时间、到最终目的地的步行时间、交通、能量消耗、残疾可到达、合法性以及避免在下车之后穿过街道。在一个或多于一个示例中，OP1可以是与OP2和/或OP3不同的类型。在一个或多于一个示例中，OP2可以是与OP3和/或OP1不同的类型。在一个或多于一个示例中，OP3可以是与OP2和/或OP1不同的类型。在OP1、OP2和OP3之间可以存在顺序或层级。操作度量之间的顺序和/或层级可以是任意的。例如，在图7中，OP1具有比OP2更高的顺序，OP2具有比OP3更高的顺序。例如，在节点G处，(由所公开的系统和/或方法进行的)搜索可以首先在OP1上扩展，并选择为OP1提供最高值的下一个节点，即节点H。例如，在节点B处，(由所公开的系统和/或方法进行的)搜索可以在OP2上扩展，并选择为OP2提供最高值的下一个节点，即节点C。例如，在节点H处，(由所公开的系统和/或方法进行的)搜索可以在OP3上扩展，并选择为OP3提供最高值的下一个节点。例如，在节点C处，(由所公开的系统和/或方法进行的)搜索可以在OP1上扩展，并选择为OP1提供最高值的下一个节点。

当(由所公开的系统和/或方法进行的)搜索探索和/或确定经由B的路线时，通过将(与偏好数据的属性相关联的)权重a1、a2、a3应用于将A连接到B的边的操作代价OPC1、OPC2、OPC3来确定从A到B的路线的诸如OP1_AB、OP2_AB、OP3_AB等的操作度量。例如，(通过所公开的系统和/或方法)以以下方式应用权重，例如：

OP1_AB＝a1×OPC1

OP2_AB＝a2×OPC2

OP3_AB＝a3×OPC3。

在图7C的示例中，a1＝1、a2＝2、a3＝1。总聚合操作度量T可以被确定为：T＝b1×OP1_AB+b2×OP2_AB+b3×OP3_AB，

其中b1、b2、b3可以是与分别与OP1、OP2和OP3相关的偏好数据的属性相关联的权重。

(由所公开的系统和/或方法进行的)搜索在(不同于OP1的)OP2和OP3上扩展，因为该搜索提升了OP2和OP3。(由所公开的系统和/或方法进行的)搜索确定OP2_ABC、OP3_ABC、OP2_AGI、OP3_AGI。如图所示，OP2_AGI低于OP2_ABC，并且OP3_AGI低于OP3_ABC。

在一个或多于一个示例或实施例中，为了增加变化，由所公开的系统进行的搜索扩展并选择具有与路线AB的OP1不同的操作度量并且可以在下一边上提供最高值的路线。换句话说，搜索偏好先前选择的其他代价函数认为昂贵的路线。换句话说，搜索可以因为其他代价函数不太可能扩展节点而偏好该节点，从而鼓励探索。因此，搜索选择路径ABC作为路线集的路线部分。

针对变化，搜索可以进行到指示操作度量的偏离目的的偏离目标参数。这鼓励了探索。可以经由目标参数收集目的并在路线集中提供目的。例如，路径AGI可以作为路线被添加到路线集。换句话说，路径AGI可以被视为增加多样性的路线。

现在参考图7D，其示出由所公开的系统和/或所公开的方法确定的路线集中的路线的至少一部分的示例排序的表示720。表示720可以包括用于用户目的地的路线集的第一数据结构721，并且可选地包括用于替代目的地AltD1的第二数据结构722，并且可选地包括用于替代目的地AltD2的第三数据结构723。数据结构可以被视为分箱(bin)和/或缓冲器。对于各个路线，数据结构721、722、723包括：总聚合操作度量T(其例如是操作度量的聚合)、第一操作度量OP1和第二操作度量OP2。例如，OP1可以表示到目的地的时间，并且OP2可以表示可到达性。例如，对于相对于更短的到达目的地时间、由于残疾而偏好更好的可到达性的乘客，偏好数据可以指示提供第一权重b1至OP1和提供第二权重b2至OP2的属性，其中第二权重大于第一权重。总聚合操作度量T可以表示为:T＝b1×OP1+b2×OP2。

例如，所公开的系统和/或所公开的方法根据指示用户路线偏好的偏好数据来选择前k个路线，其中k是正整数(在图7D的示例中k＝3)。前k个路线可以包括针对与预定共同偏好类型(例如，价格、到目的地的时间等)相对应的j个操作度量中的各个的最好路线，以及基于已学习的用户偏好的前k-j个其他路线，其中j是正整数(j＝1是指图7D的所示示例中的OP1)。例如，操作度量OP1指示价格，并且偏好数据指示给出较大权重以使价格最小化的属性。如图7D所示，排序可以被视为基于OP1而进行的第一排序。因为OP1＝3(这是关于路线731、732、733、734和735的OP1的最低值)，所以路线排序器为最低OP1给出最高排序，从而选择路线731。尽管对于路线731，总聚合操作度量T为21。

然后，因为路线732和733被估计为提供两个最低的总聚合操作度量T，所以路线排序器可以选择路线732和733。这可以对应于本文公开的如图7D所示的基于T进行的第二排序。

例如，所公开的系统和/或所公开的方法基于偏好数据来选择针对至少一个替代目的地(诸如AltD1、AltD2等)的最高排序路线。例如，选择针对N个替代目的地中的各个的根据已学习的用户偏好的最好路线，其中N是整数(在图7D的所示示例中N＝2)。对于替代目的地，总聚合操作度量用于在替代路线741、742、743、744中选择替代路线。例如，路线741和743被估计为提供最低T，并且因此是替代路线的最高排序路线。路线排序器提供包括N+k个(例如，2+3＝5个路线)路线的路线集750，即提供路线731、732、733、741和743。例如，k个路线是根据偏好数据的，并且N个路线是根据替代路线的。排序后的路线集750由路线排序器提供

现在参考图8，其示出用于生成乘客偏好路线的方法或处理800的流程图，例如用于控制自主运载工具、AV的导航(诸如用于操作和/或控制AV等)。该方法可以由本文公开的系统(诸如图1、图2、图3、图4A的AV计算400和/或运载工具102、200、装置300和/或图5的AV计算540和/或图6的AV计算640以及图7A-图7D的实现)进行。所公开的系统包括可以被配置为执行方法800的一个或多于一个操作的至少一个处理器。方法800可以由与本文公开的系统分离或包括本文公开的系统的其他装置或装置组(例如，完全地和/或部分地等)进行。

在一个或多于一个示例方法中，方法800包括：在步骤802处使用至少一个处理器来获得用户目的地。用户目的地可以被视为由用户输入(可选地经由乘坐服务)提供的目的地。用户目的地可以由乘坐服务提供。用户目的地可以是可选地经由来自乘客的用户输入提供的目标目的地，诸如所请求的目的地等。用户目的地可以是以下中的一个或多于一个：地理地点、关注点、地标和/或区域。

在一个或多于一个示例方法中，方法800包括：在步骤804处使用至少一个处理器获得指示用户路线偏好的偏好数据。例如，在步骤804处使用至少一个处理器获得偏好数据包括从用户偏好数据库或从偏好数据存储(诸如图5的例如用户偏好存储部等的偏好数据存储部等)接收和/或检索偏好数据。偏好数据可以被视为表示一个或多于一个用户路线偏好的数据。用户路线偏好可以被视为用户的偏好，诸如乘客关于路线和/或行驶和/或目的地的偏好等。用户路线偏好可以被视为例如在到目的地的时间、价格、步行时间、可到达性、合法性和/或能量消耗方面的用户偏好。偏好数据可以包括用户数据，诸如用户简档数据等。用户数据可以包括指示以下中的一个或多于一个的乘客数据：年龄、性别、状态和/或残疾状态。在一个或多于一个示例系统中，偏好数据包括指示用户路线偏好的一个或多于一个属性。例如，对于到目的地的时间，属性可以指示早到达用户目的地的用户偏好。例如，对于价格，属性可以指示使价格最小化的用户偏好。例如，对于步行时间，属性可以指示提供步行距离阈值的用户偏好。例如，对于可到达性和/或合法性考虑，属性可以指示避免在下车之后穿过街道的用户偏好。例如，对于交通，属性可以指示避免(例如，最小化)交通的用户偏好。例如，对于能量消耗和/或气体排放，属性可以指示用于使能量消耗和/或气体排放最小化的用户偏好。在一个或多于一个示例中，偏好数据可以包括历史偏好数据和/或先前偏好数据。先前偏好数据可以基于过去选择和/或观察到的(一个或多于一个)偏好和/或(一个或多于一个)路线和/或(一个或多于一个)下车。乘客可以可选地配置高级别的偏好，从而产生相应的偏好数据。例如，可以由乘客配置具有各种重要性级别(例如“不重要”、“稍微重要”、“非常重要”、“最高优先级”)的独立属性(例如代价、步行距离、时间)。这可能使得基于属性的相应的重要性级别而赋予属性(一个或多于一个)权重。在一个或多于一个示例性系统中，(一个或多于一个)属性可由乘客经由将(一个或多于一个)属性传输到系统的用户界面(诸如例如在乘客的装置上设置的用户界面等的用户界面等)来进行配置。用户路线偏好可以变化：例如，爱丽丝偏好步行几分钟而不是在交通中等待；鲍勃想要在尽可能接近其最终目的地下车；伊夫想要在无需步行超过1英里的情况下尽可能便宜的乘坐。所公开的偏好数据可以经由属性来表征用户路线偏好。

在一个或多于一个示例方法中，方法800包括：在步骤806处使用至少一个处理器基于用户目的地和偏好数据来确定朝向目的地集的路线集。在一个或多于一个示例方法中，路线集中的至少一个路线与一个或多于一个操作度量相关联。例如，各个路线可以与一个或多于一个操作度量相关联。换句话说，路线可以与指示价格的第一操作度量相关联，并且可选地与指示到目的地的时间的第二操作度量相关联，并且可选地与指示到最终目的地的步行时间的第三操作度量相关联，并且可选地与指示交通的第四操作度量相关联，并且可选地与指示能量消耗的第五操作度量相关联。可以通过路线提议器来确定朝向目的地集的路线集。例如，路线集可以被视为朝向相同目的地集的路线集。目的地集可以包括用户目的地和/或基于用户目的地而确定的诸如在用户目的地附近等的(一个或多于一个)替代目的地。换句话说，路线提议器可以使用至少一个处理器基于用户目的地和偏好数据来确定朝向目的地集的路线集。换句话说，路线提议器可以将(例如，指示已学习的路线偏好和/或过去路线偏好的)偏好数据作为输入，并且可以基于该输入来生成具有相关联的(一个或多于一个)操作度量(诸如如图7D所示的针对各个路线的总聚合操作度量、针对给定操作维度的各个操作度量)的路线集。

在一个或多于一个示例方法中，方法800包括：在步骤808处使用至少一个处理器对路线集中的路线基于偏好数据进行排序。例如，可以基于偏好数据对路线集中的路线进行排序，例如从最偏好路线到最不偏好路线。例如，可以对路线集中的路线的一部分进行排序。换句话说，排序可以包括基于偏好数据对路线集中的路线的至少一部分进行优先级排序和/或排列。例如，偏好数据可以指示乘客偏好避免在下车之后穿过街道，该方法基于避免在下车之后穿过街道来对路线集中的路线的至少一部分进行排序。该方法可以从偏好数据存储部获得偏好数据，并且从路线提议器获得具有相关联的(一个或多于一个)操作度量的路线集。

在一个或多于一个示例性方法中，方法800包括：在步骤810处使用至少一个处理器基于排序后的路线中的至少一个来控制自主运载工具的导航。例如，在步骤810处的控制包括：从路线排序器508获得排序后的路线中的至少一个，并且例如通过基于至少一个排序后的路线生成导航数据来相应地控制导航。在一个或多于一个示例方法中，方法800包括根据排序后的路线中的至少一个进行导航。

在一个或多于一个示例方法中，在步骤804处，使用至少一个处理器获得偏好数据包括：基于模型，将权重分配给针对一个或多于一个操作度量中的相应操作度量的一个或多于一个属性中的至少一个属性。例如，该方法可以基于模型，将权重分配给针对一个或多于一个操作度量中的相应操作度量的一个或多于一个属性中的至少一个属性。在一个或多于一个示例中，模型是全局模型，该全局模型可以学习例如基于指示乘客过去所选择的(一个或多于一个)偏好和/或(一个或多于一个)路线和/或(一个或多于一个)下车的偏好数据来向属性分配权重。在一个或多于一个示例方法中，步骤804处的获得包括通过将(与属性相关联的)权重和与路线的部分相关联的操作代价(诸如图中的边的边操作代价等)进行组合来确定该路线的操作度量。换句话说，路线的操作度量可以被视为在如价格、能量、到目的地的时间、步行距离和/或可到达性等的操作维度中针对朝向目的地的集的路线的操作测量。换句话说，路线的操作度量可以是基于将(与属性相关联的)权重和与属性相对应的操作度量进行组合。

在一个或多于一个示例方法中，模型被配置为基于先前路线来确定向至少一个属性中的属性分配权重。例如，乘客可以由基于多个乘客的属性而生成的一个或多于一个属性来表征。例如，乘客可以由基于该特定乘客的属性而生成的一个或多于一个属性来表征。该模型可以基于(如图4B所示的)神经网络模型来学习偏好数据，并且学习例如基于过去选择的偏好和路线/下车来向属性分配权重。例如，路线排序器508和/或路线提议器506可以使用权重将特征组合成代价。可替代地和/或附加地，模型可以学习整个操作度量和/或代价函数，以例如允许复杂的非线性关系。例如，该模型是基于用户偏好神经网络的。

在一个或多于一个示例方法中，模型是特定于用户的模型。特定于用户的模型可以被视为表征和/或捕获一个用户或一个乘客的个人偏好的模型。特定于用户的模型可以利用全局模型来初始化，并使用由乘客选择的路线/目的地来进行微调。换句话说，模型可以是特定于乘客的模型，因为该特定于乘客的模型例如基于特定乘客的过去路线来表征该乘客。特定于乘客的模型可以被配置为捕获一个乘客的个人偏好。可以利用全局模型来初始化特定于乘客的模型。可以使用乘客诸如经由耦接到本文公开的系统的用户界面等所选择的路线和/或目的地来微调特定于乘客的模型。方法800可以使用偏好学习器，该偏好学习器被配置为应用模型以便学习乘客的偏好。偏好学习器可以向偏好数据存储部提供输入，以例如用于获得和/或更新乘客的偏好数据。该模型可以是全局模型，因为全局模型不表征特定乘客。

在一个或多于一个示例方法中，在步骤806处确定路线集包括使用至少一个处理器跨至少一个路线基于权重来确定相应操作度量。例如，基于权重确定路线的相应操作度量包括在图中进行搜索，其中该图表示道路网络。如图7B所示，例如，搜索是诸如加权图中的搜索等的图搜索，该加权图具有应用于给定边的相应操作代价(被称为边操作代价)的权重。

在步骤806处确定路线集可以包括：跨路线使操作度量最大化，和/或跨路线使操作度量最小化，和/或跨路线对表示操作度量的代价函数进行优化。例如，操作度量可以表示为用户偏好的加权组合，例如应用于操作代价的权重的线性组合。例如，操作度量可以表示为代价函数，可选地可以从所公开的模型(例如，诸如用户偏好神经网络和/或全局模型等的特定于用户的模型)学习。代价函数可以是应用于操作代价的权重的线性组合。例如，可以使用至少一个处理器跨至少一个路线基于一个或多于一个操作度量来确定路线集。例如，可以使用至少一个处理器跨朝向目的地集的多个路线中的各个路线基于一个或多于一个操作度量来确定路线集。在步骤806处确定路线集可以包括：通过跨各个路线使与路线的各个边相关联的边操作代价的加权值的总和最大化来确定一个或多于一个路线，并且选择提供最大操作度量的一个或多于一个路线。

在一个或多于一个示例方法中，在步骤806处确定路线集包括使用至少一个处理器跨至少一个路线使与至少一个路线相关联的一个或多于一个操作度量的加权值的代价函数最小化。确定路线集包括通过以下来确定一个或多于一个路线：跨各个路线使与路线的各个边相关联的边操作代价的加权值的总和最小化，并且选择提供最低操作度量的一个或多于一个路线。代价函数可以是将边操作代价作为输入并输出操作度量的线性组合和/或基于机器学习的代价函数。

在一个或多于一个示例方法中，在步骤806处确定路线集包括使用至少一个处理器通过道路网络朝向目的地集并行地进行多个搜索。在一个或多于一个示例方法中，多个搜索包括基于第一操作度量的第一搜索以及基于与第一操作度量不同的第二操作度量的第二搜索。例如，可以针对不同的操作度量(诸如不同的代价函数等)进行多个搜索。换句话说，可以针对不同操作维度(诸如到目的地的时间和步行时间等)中的操作度量进行并行搜索。多个搜索中的各个搜索可以是基于不同的操作度量的。这可以被视为多目的和多代价探索。例如，对于目的地集中的给定目的地D1，可以进行从初始地点起的第一搜索以确定第一操作度量OP1(诸如指示避免在下车之后穿过街道的操作度量等)，并且可以进行第二搜索以确定与OP1不同的第二操作度量OP2(诸如指示能量消耗的操作度量等)。例如，替代目的地被视为与用户目的地不同的目的地。例如，可以基于用户目的地来确定替代目的地。例如，替代目的地包括接载和/或下车区域、PuDo区域。例如，考虑到例如指示合法性的操作度量，乘客可以请求不是最佳的用户目的地以到达乘客的目标目的地，例如体育场的入口。例如，对于体育场，地址不是主入口或合法入口。例如，机场具有若干航站楼。例如，替代目的地可以是物理上接近用户目的地但在实际驾驶距离中不是最接近地点的PuDo。替代目的地可以被视为被估计为与乘客想要去并找到PuDo的地方匹配的目的地，所述PuDo可以使最后的行驶行程(travel leg)更容易。

在一个或多于一个示例方法中，方法800包括使用至少一个处理器基于用户目的地和偏好数据来确定替代目的地。在一个或多于一个示例方法中，目的地集包括替代目的地。例如，替代目的地被视为与用户目的地不同的目的地。例如，可以基于用户目的地来确定替代目的地。例如，替代目的地包括接载和/或下车区域、PuDo区域。例如，考虑到例如指示合法性的操作度量，乘客可以请求不是最佳的用户目的地以到达乘客的目标目的地，例如，体育场的入口。例如，对于体育场，地址不是主入口或合法入口。例如，机场有若干航站楼。例如，替代目的地可以是物理上接近用户目的地但在实际驾驶距离中不是最接近地点的PuDo。替代目的地可以被视为被估计为与乘客想要去并找到PuDo的地方匹配的目的地，所述PuDo可以使最后的行驶行程更容易。

在一个或多于一个示例方法中，确定替代目的地包括使用至少一个处理器获得特征数据。

在一个或多于一个示例方法中，特征数据包括以下中的一个或多于一个：时间数据、用户数据、地点数据和用户选择数据。时间数据可以指示一天中行驶时的时间、一周中行驶时的天、一月中行驶时的周、一年中行驶时的月。用户数据可以包括以下中的一个或多于一个：年龄数据、性别数据、残疾数据。地点数据可以包括以下中的一个或多于一个：城市街区和/或周围区域等。用户选择数据可以指示过去乘客和/或其他乘客的路线的选择和/或由乘客对过去路线的选择。

在一个或多于一个示例方法中，确定替代目的地包括使用至少一个处理器基于用户目的地、偏好数据和特征数据来确定替代目的地。换句话说，方法800可以将用户目的地、偏好数据和特征数据作为输入来确定替代目的地。可以进行全局数据存储部的更新，以将目的地与PuDo和其他特征相关联。

在一个或多于一个示例方法中，确定替代目的地包括使用至少一个处理器基于用户目的地、偏好数据和神经网络模型来确定替代目的地。在一个或多于一个示例方法中，神经网络模型被配置为估计替代目的地。例如，如图4B所示的神经网络模型可以用于基于用户目的地和偏好数据来估计替代目的地。例如，神经网络模型被配置为例如基于与当前乘客和/或其他乘客相关联的过去用户行为来估计替代目的地。所估计的替代目的地可以与通过神经网络模型确定的可能性参数相关联。

在一个或多于一个示例方法中，确定路线集包括使用至少一个处理器基于用户目的地、偏好数据和替代目的地来确定替代路线集。在一个或多于一个示例中，替代路线集包括到替代目的地的路线。路线集可以包括替代路线集。

在一个或多于一个示例方法中，确定替代路线集包括使用至少一个处理器跨替代路线集中的至少一个替代路线基于权重来确定相应操作度量。例如，方法800跨替代路线集中的一个或多于一个替代路线基于权重来确定相应操作度量。例如，方法800跨到替代目的地的替代路线集中的各个替代路线基于权重来确定相应操作度量。例如，方法800可以针对所提供的各个替代目的地重复确定(一个或多于一个)替代路线。

在一个或多于一个示例方法中，确定替代路线集包括使用至少一个处理器跨至少一个替代路线使与至少一个替代路线相关联的一个或多于一个操作度量的加权值的代价函数最小化。例如，可以通过使指示能量消耗的第一操作度量以及指示到最终目的地(诸如餐厅门和/或体育场入口点等)的步行时间的第二操作度量的加权值的代价函数最小化来确定替代路线，其中偏好数据指示与能量消耗相关联的属性的第一权重和与指示步行时间的属性相关联的第二权重。例如，对于移动性降低的乘客，第二权重可以大于第一权重。代价函数可以使用第一权重和第二权重通过第一操作度量和第二操作度量的加权组合来捕获偏好。

在一个或多于一个示例方法中，确定所述替代路线集包括使用至少一个处理器通过道路网络朝向替代目的地集并行地进行多个搜索。在一个或多于一个示例方法中，多个搜索包括基于第三操作度量的第三搜索以及基于与第三操作度量不同的第四操作度量的第四搜索。可以在表示具有不同操作度量和/或代价函数的道路网络的相同图上并行进行多个搜索。例如，可以针对不同的操作度量(诸如不同的代价函数等)进行多个搜索。换句话说，可以针对不同操作维度(诸如到目的地的时间和步行时间等)中的操作度量进行并行搜索。多个搜索中的各个搜索可以是基于不同的操作度量的。这可以被视为多目的和多代价探索。例如，对于给定的替代目的地AltD1，可以进行从初始地点起的第三搜索以确定第三操作度量OP3(诸如指示避免在下车之后穿过街道的操作度量等)，并且可以进行第四搜索以确定与OP3不同的第四操作度量OP4(诸如指示能量消耗的操作度量等)。道路网络的(例如，经由图搜索的)探索可以在不同的操作度量(例如，不同的代价函数)和/或目的(例如，最大化和/或最小化和/或维持)之间进行平衡。搜索可以探索单个道路网络，但是可以在操作度量(例如，代价函数)之间切换以确定接下来要探索哪些路线。在一个或多于一个示例中，第四操作度量具有指示相对于第三操作度量的目的偏离的目的的目标参数。例如，搜索可以由所公开的系统朝向替代目的地进行，但是遵循图7C中所示的类似的扩展和选择的步骤。

在一个或多于一个示例方法中，第四操作度量的目标参数相对于第三操作度量的目标参数偏离。例如，至少一个搜索被配置为通过(例如，通过基于具有比针对路线集(例如在没有替代目的地的情况下)获得的操作度量更高的代价的操作度量来扩展搜索)提升具有比第三操作度量和/或第二操作度量更高的代价的操作度量，来探索道路网络。不同的操作度量(诸如代价函数等)可以具有不同的目的，并且可以确定到所收集的目的(例如，下车地点)的替代路线集。

在一个或多于一个示例方法中，对路线集中的路线进行排序包括使用至少一个处理器基于共同偏好数据来确定路线集中的路线的第一排序。在一个或多于一个示例方法中，共同偏好数据指示共同偏好类型。可以对找到的所有路线应用多代价分层排序。第一排序是针对指示诸如价格偏好、到目的地的时间偏好和步行距离偏好等的共同偏好类型的共同偏好数据的各个离散集的。共同偏好类型是针对用户组(例如跨多个用户(例如跨所有用户))的偏好类型。这可以在图7D中示出。

在一个或多于一个示例方法中，对路线集中的路线进行排序包括使用至少一个处理器基于偏好数据来确定路线集中的路线的第二排序。针对整个路线的第二排序可以基于指示所有偏好的偏好数据。偏好数据包括指示关于价格、到目的地的时间中的一个或多于一个的偏好的数据，而且偏好还包括交通偏好、其他已学习的偏好。属性可以提供在已学习的用户偏好权重上加权的值。指示用户偏好的偏好数据可以确定多代价排序的层级。这可以在图7D中示出。

在一个或多于一个示例方法中，方法800包括使用至少一个处理器基于偏好数据来从第一排序和第二排序中选择最高排序路线的子集。例如，根据指示用户路线偏好的偏好数据来选择前k个路线，其中k是正整数。前k个路线可以包括针对j个预定共同偏好类型(例如，价格、到目的地的时间等)中的各个的最好路线以及基于已学习的用户偏好的前k-j个其他路线，其中j是正整数。这例如在图7D中示出。

在一个或多于一个示例方法中，方法800包括使用至少一个处理器基于偏好数据来选择针对至少一个替代目的地的最高排序路线。例如，选择针对N个替代目的地中的各个的根据已学习的用户偏好的最好路线，其中N是整数。在一个或多于一个示例系统中，系统500被配置为提供包括N+k个路线的路线集，其中k个路线是根据偏好数据的，并且N个路线是根据替代路线的。这例如在图7D中示出。

在一个或多于一个示例方法中，方法800包括由至少一个处理器使得排序后的路线的至少一部分例如经由用户界面呈现给乘客。例如，用户界面512是显示装置(例如，自主运载工具的显示装置和/或乘客装置的显示装置(诸如移动装置等))。这例如由图7A的用户界面700示出。

在一个或多于一个示例方法中，方法800包括使用至少一个处理器接收指示对路线的选择的用户输入。如图7A所示，可以经由用户界面512以用户界面对象上的表示排序后的路线的触摸输入的形式提供用户输入。例如，用户界面对象可显示在触敏显示器上。可以经由用户界面以经由按钮的用户输入的形式提供用户输入。用户界面对象在本文中指的是显示在显示装置上的对象的图形表示。用户界面对象可以是用户交互的，或者是可通过用户输入来进行选择的。例如，图像(例如，图标)、按钮和文本各自可选地构成用户界面对象。用户界面对象可形成微件的一部分。用户界面对象可包括提示、应用程序启动图标和/或动作菜单。诸如第一输入和/或第二输入等的用户输入可以包括触摸(例如，轻触、用力触摸、长按)和/或接触的移动(例如，诸如用于切换等的滑动手势)。可以通过(例如，在显示装置上的)触敏表面来检测接触时的移动。

在一个或多于一个示例方法中，在步骤810处使用至少一个处理器控制自主运载工具的导航包括使用至少一个处理器基于用户输入来控制自主运载工具的导航。换句话说，(一个或多于一个)所选择的路线可用于规划和控制AV的导航。换句话说，在步骤810处的控制可以包括基于所选择的路线来生成用于控制AV的导航的导航数据。导航数据可以由AV的控制系统(诸如图4A的控制系统408等)处理。

现在参考图9，其示出用于提供替代目的地(以诸如用于操作和/或控制AV等)的方法或处理900的流程图。该方法可以由本文公开的系统(诸如图1、图2、图3、图4A的AV计算400和运载工具102、200和/或装置300和/或图5和/或图6的AV计算540、640以及图7A-图7D的实现)进行。所公开的系统包括可以被配置为执行方法900的一个或多于一个操作的至少一个处理器。方法900可以由与本文公开的系统分离或包括本文公开的系统的其他装置或装置组(例如，完全地和/或部分地等)进行。

在一个或多于一个示例方法中，方法900包括：在步骤902处使用至少一个处理器来获得用户目的地。用户目的地可以被视为由用户输入(可选地经由乘坐服务)提供的目的地。用户目的地可以由乘坐服务提供。用户目的地可以是可选地经由来自乘客的用户输入提供的目标目的地，诸如所请求的目的地等。用户目的地可以是以下中的一个或多于一个：地理地点、关注点、地标和/或区域。

在一个或多于一个示例方法中，方法900包括：在步骤904处使用至少一个处理器获得指示用户路线偏好的偏好数据。例如，在步骤904处使用至少一个处理器获得偏好数据包括：从用户偏好数据库或从偏好数据存储部(诸如图5和/或图6的例如用户偏好存储部等的偏好数据存储部504、604等)接收和/或检索偏好数据。偏好数据可以被视为表示一个或多于一个用户路线偏好的数据。用户路线偏好可以被视为用户的偏好，诸如乘客关于路线和/或行驶和/或目的地的偏好等。用户路线偏好可以被视为例如在到目的地的时间、价格、步行时间、可到达性、合法性和/或能量消耗方面的用户偏好。偏好数据可以包括用户数据，诸如用户简档数据等。用户数据可以包括指示以下中的一个或多于一个的乘客数据：年龄、性别、状态和/或残疾状态。在一个或多于一个示例系统中，偏好数据包括指示用户路线偏好的一个或多于一个属性。例如，对于到目的地的时间，属性可以指示早到达用户目的地的用户偏好。例如，对于价格，属性可以指示使价格最小化的用户偏好。例如，对于步行时间，属性可以指示提供步行距离阈值的用户偏好。例如，对于可到达性和/或合法性考虑，属性可以指示避免在下车之后穿过街道的用户偏好。例如，对于交通，属性可以指示避免(例如，最小化)交通的用户偏好。例如，对于能量消耗和/或气体排放，属性可以指示用于使能量消耗和/或气体排放最小化的用户偏好。在一个或多于一个示例中，偏好数据可以包括历史偏好数据和/或先前偏好数据。先前偏好数据可以基于过去选择和/或观察到的(一个或多于一个)偏好和/或(一个或多于一个)路线和/或(一个或多于一个)下车。乘客可以可选地以高级别配置偏好，从而产生相应的偏好数据。例如，可以由乘客配置具有各种重要性级别(例如“不重要”、“稍微重要”、“非常重要”、“最高优先级”)的独立属性(例如代价、步行距离、时间)。这可能使得基于属性的相应的重要性级别而赋予属性(一个或多于一个)权重。在一个或多于一个示例性系统中，(一个或多于一个)属性可由乘客经由将(一个或多于一个)属性传输到系统的用户界面(诸如例如在乘客的装置上设置的用户界面等的用户界面等)来进行配置。用户路线偏好可以变化：例如，爱丽丝偏好步行几分钟而不是在交通中等待；鲍勃想要在尽可能接近其最终目的地处下车；伊夫想要在无需步行超过1英里的情况下尽可能便宜的乘坐。所公开的偏好数据可以经由属性来表征用户路线偏好。

在一个或多于一个示例方法中，方法900包括：在步骤906处使用至少一个处理器基于用户目的地和偏好数据来确定替代目的地。替代目的地可以被视为用户目的地的替代目的地。

在一个或多于一个示例方法中，方法900包括：在步骤908处，使用至少一个处理器基于替代目的地来控制自主运载工具的导航。例如，步骤908处的控制包括基于替代目的地来生成导航数据。在一个或多于一个示例方法中，方法900包括根据替代目的地来进行导航。

在一个或多于一个示例方法中，在步骤906处确定替代目的地包括使用至少一个处理器来获得特征数据。

在一个或多于一个示例方法中，特征数据包括以下中的一个或多于一个：时间数据、用户数据、地点数据和用户选择数据。时间数据可以指示一天中行驶时的时间、一周中行驶时的天、一月中行驶时的周、一年中行驶时的月。用户数据可以包括以下中的一个或多于一个：年龄数据、性别数据、残疾数据。地点数据可以包括以下中的一个或多于一个：城市街区和/或周围区域等。用户选择数据可以指示过去乘客和/或其他乘客的路线的选择和/或由乘客对过去路线的选择。

在一个或多于一个示例方法中，在步骤906处确定替代目的地包括使用至少一个处理器基于用户目的地、偏好数据和特征数据来确定替代目的地。

在一个或多于一个示例方法中，在步骤906处确定替代目的地包括使用至少一个处理器基于用户目的地、偏好数据和神经网络模型来确定替代目的地。在一个或多于一个示例方法中，神经网络模型被配置为估计替代目的地。

在一个或多于一个示例方法中，方法900包括由至少一个处理器使得替代目的地例如经由用户界面呈现给乘客。

在一个或多于一个示例方法中，方法900包括使用至少一个处理器接收指示对替代方案的选择的用户输入。

在一个或多于一个示例方法中，使用至少一个处理器控制运载工具的导航包括使用至少一个处理器基于用户输入来控制自主运载工具的导航。

在先前描述中，已经参考许多具体细节描述了本公开的方面和实施例，这些具体细节可因实现而不同。因此，说明书和附图应被视为说明性的，而非限制性意义的。本发明范围的唯一且排他的指示、以及申请人期望是本发明范围的内容是以发布权利要求书的具体形式从本申请发布的权利要求书的字面和等同范围，包括任何后续修正。本文中明确阐述的用于被包括在此类权利要求中的术语的任何定义应当以此类术语如在权利要求书中所使用的意义为准。另外，当在先前的说明书或所附权利要求书使用术语“还包括”时，该短语的下文可以是附加的步骤或实体、或先前所述的步骤或实体的子步骤/子实体。

还公开了非暂时性计算机可读介质，其包括存储在其上的指令，指令在由至少一个处理器执行时使至少一个处理器执行根据任意所公开的方法的操作。