一种共享型自动驾驶车辆的派车调度方法

技术领域

本发明涉及自动驾驶车辆技术领域，特别是涉及一种共享型自动驾驶车辆的派车调度方法。

背景技术

随着自动驾驶技术的不断进步与完善，自动驾驶车辆将极大的便捷人们的日常出行，其中共享型的自动驾驶车辆将在减少交通压力、便捷出行方面发挥重要作用。类似于有人驾驶的网约车，共享型的自动驾驶车辆在接到用户出行需求后，将自动行驶到用户所在出发位置，载上乘客后自动行驶到乘车终点。目前的网约车派车调度的方法主要基于车辆与上车地点的距离关系，在符合要求的车辆中，尽量选择距离乘车点较近的车辆接乘客。这种车辆调度的方法以实际道路地图为基础，比较适用于有人驾驶的车辆，但并未考虑自动驾驶的特性。例如，有人驾驶的网约车可以在某个局部交通场景下，通过司机的主观判断随时调头，但基于驾驶地图与循迹算法的自动驾驶车辆并不具备这类特性。因此现有的网约车调度方法并不能较好的服务于共享型自动驾驶车辆。

现有技术CN111461375A只论述了自动驾驶车辆调度的流程，并未提及具体如何调度的方法。现有技术CN108932862A针对自动驾驶的特性提出的调度方法主要侧重于从起点到乘车终点的驾驶过程中，多区域车辆衔接的问题，并未涉及自动驾驶车辆派车调度问题。

发明内容

术语说明

·道路地图：道路地图是指反映环境实际道路的地图，道路地图表达道路的实际情况。道路地图通常包含路口、车道、信号灯等各类道路信息。道路地图主要描述道路的结构，只要是道路结构上可达的，就能规划出一条路线或几条路线，并不关心具体的驾驶行为，只关心从道路结构上看是否联通可达。

·驾驶地图：自动驾驶车辆实际行驶时应当遵循的轨迹路线图，是循迹自动驾驶行驶的依据之一，在结构上一般是道路地图的一部分。通常驾驶地图还可以根据需要包括建议速度，道路类型，拥挤程度等其他自动驾驶可能用到的信息。

·道路地图车辆可达距离：设A、B两点之间在道路地图中存在连续相连的路段M＝[m1,m2,m3…mn]，并且M中不包含天桥、地下通道、绿道、人行横道等车辆无法行驶的路段，则A-B间在道路地图中的可达距离为：

如果A-B两点在道路地图中驾驶不可达，则Ds＝+∞。

·道路地图步行可达距离：设A、B两点之间在道路地图中存在连续相连的路段M＝[m1,m2,m3…mn]，M中可包含天桥、地下通道、绿道、人行横道等可步行路段，则A-B间在道路地图中的可达距离为：

如果A-B两点在道路地图中步行不可达，则Dw＝+∞。

·驾驶地图车辆可达距离：设A、B两点之间在道路地图中存在连续相连的路段M＝[m1,m2,m3…mn]，并且M中不包含天桥、地下通道、绿道、人行横道等车辆无法行驶的路段，则A-B间在驾驶地图中的可达距离为：

如果A-B两点在驾驶地图中不可达，则Dr＝+∞。

有鉴于背景技术中提到的问题，本发明提供一种共享型自动驾驶车辆的派车调度方法，其中，共享型自动驾驶车辆遵循驾驶地图的轨迹路线图，在真实交通环境中实现自动驾驶，所述派车调度方法以下述方式判断派车区域内的空闲自动驾驶车辆是否符合派车条件，

步骤S31，判断位于派车区域内的空闲自动驾驶车辆V-L0的数量是否达到设定阈值，如果否，转步骤S38；如果是，转步骤S32；

步骤S32，基于道路地图，计算从各空闲自动驾驶车辆V-L0至乘车起点位置P所处位置的步行距离Dw；

步骤S33，判断是否存在步行距离Dw小于等于可接受步行距离Dw0的空闲自动驾驶车辆V-L1，如果是，转步骤S34，如果否，转步骤S36；

步骤S34，判断V-L1中是否存在行驶方向与乘车终点位置在驾驶地图上相符合的车辆V-L2，如果是，转步骤S35，如果否，转步骤S36；

步骤S35，在V-L2中选择步行距离Dw最短的车辆V-L3作为派车车辆，并转步骤S37；

步骤S36，选择V-L0中基于驾驶地图到达乘车起点位置所需时间最短或路程最短的空闲自动驾驶车辆V-L4作为派车车辆，并转步骤S37；

步骤S37，判定符合派车条件，输出确定的派车车辆并结束；

步骤S38，判定不符合派车条件，并结束。

优选地，本发明的共享型自动驾驶车辆的派车调度方法包括下述步骤：

步骤S1，获取乘车起点位置信息与乘车终点位置信息；

步骤S2，选择派车半径；

步骤S3，基于派车半径确定派车区域，以权利要求1所述的方式来判断派车区域内的空闲自动驾驶车辆是否符合派车条件，如果符合，确定派车车辆，并转步骤S7；如果不符合，转步骤S4；

步骤S4，判断派车半径是否达到最大半径，如果是，转步骤S5；如果不是，转步骤S6。

步骤S5，增大派车半径，并转步骤S3；

步骤S6，派车失败并结束派车调度方法；或者在经过设定时长后，转至步骤S3，重新进行派车调度；

步骤S7，结束派车调度方法。

优选地，在步骤S2中，基于乘车起点位置所处区域的运营共享型自动驾驶车辆的密度以及出行高低峰时段在[R

在步骤S5中，逐级增大派车半径，

其中，R

优选地，在步骤S31中，进一步包括剔除步骤，剔除对于乘车起点位置和/或乘车终点位置在驾驶地图上不可达的空闲自动驾驶车辆V-L0；或者

在步骤中，在步骤S36中，针对对于乘车起点位置和/或乘车终点位置在驾驶地图上不可达的空闲自动驾驶车辆V-L0，将其基于驾驶地图到达乘车起点位置和/或乘车终点位置所需时间或路程计为无穷大。

优选地，派车区域为以乘车起点位置为中心，以派车半径为半径的圆形区域；

派车区域为以乘车起点位置为中心，边长为派车半径的两倍的正方形区域；或者

派车区域为以乘车起点位置为中心，长边边长为派车半径的两倍的矩形区域。

优选地，在步骤S34中，以下述方式判断自动驾驶车辆的行驶方向与乘车终点在驾驶地图上是否相符合：

S341，在驾驶地图上，计算自动驾驶车辆当前位置至乘车终点位置在当前行驶方向下的最短行驶路径长度；

S342，在驾驶地图上，计算自动驾驶车辆当前位置至乘车终点位置的最短连达路径长度；

S343，比较所述最短行驶路径长度与所述最短连达路径长度，如果所述最短行驶路径长度等于所述最短连达路径长度，判断自动驾驶车辆的行驶方向与乘车终点在驾驶地图上相符合；否则，判断自动驾驶车辆的行驶方向与乘车终点在驾驶地图上不相符合。

优选地，所述可接受步行距离为预设值，且能够由乘客设置或调整。需要指出的是，在可接受步行距离不为零的情况下，在乘客发出乘车要求时确定的乘车起点位置可能不是实际乘车位置。有可能需要在可接受步行距离的范围之内步行一段距离。

优选地，所述可接受步行距离的预设值在30米至150米的范围内。

优选地，在步骤S35中，在V-L2中选择步行距离Dw最短的车辆V-L3作为派车车辆，进一步包括下述步骤：在确定车辆步行距离Dw最短的车辆V-L3后，确定车辆V-L3行驶至乘车终点位置的行驶路线与乘车起点位置最接近的位置作为实际乘车位置。乘客需从预先确定的乘车起点位置步行至所述实际乘车位置乘车。

优选地，如果乘车起点位置正好位于车辆V-L3行驶至乘车终点位置的行驶路线上，车辆V-L3行驶至乘车起点位置，且所述乘车起点位置作为实际乘车位置，乘客无需步行。也就是说，尽管是在满足可接受步行距离的情况下确定的派车车辆，实际上乘客在此情况下也无需步行。从而提升乘车体验。

本发明还提供一种共享型自动驾驶车辆的派车调度方法，其中，共享型自动驾驶车辆遵循驾驶地图的轨迹路线图，在真实交通环境中实现自动驾驶，所述派车调度方法包括下述步骤：

步骤S1，获取乘车起点位置信息与乘车终点位置信息；

步骤S2，选择派车半径，具体地，基于乘车起点位置所处区域的运营共享型自动驾驶车辆的密度以及出行高低峰时段在[R

最大半径R

R

其中，T

最小半径R

其中，ρ

步骤S3，判断当前派车半径区域内，空闲自动驾驶车辆V-L0数量是否大于或等于设定阈值N，如果不满足，则扩大半径直到当前派车半径区域内的空闲自动驾驶车辆V-L0数量大于或等于设定阈值N；

步骤S4，基于道路地图，计算所有V-L0位置，到达乘车起点P出的道路地图步行可达距离Dw，判断是否存在Dw小于等于乘客可接受步行距离Dw0的车辆V-L1，如果存在V-L1，转步骤S5，如果不存在，转步骤S6；

步骤S5，判断V-L1中是否存在行驶方向与乘车终点目的地方向一致的车辆V-L2，若存在，则选择步行距离最短的车V-L3靠边停车，完成派车，若不存在，转步骤S6；

步骤S6,选择V-L0中基于驾驶地图到达乘车起点位置所需时间最短或路程最短的空闲自动驾驶车辆作为派车车辆。

本发明的共享型自动驾驶车辆的派车调度方法提供了具体进行共享型自动驾驶车辆派车调度的方法，尤其是提供了如何在选定的派车区域内的备选车辆中选择的方法。能够很好地适应自动驾驶车辆的特性，且通过引入乘客步行距离，提高派车的成功率，降低了自动驾驶车辆的行驶里程。

附图说明

图1是根据本发明一实施例的共享型自动驾驶车辆的派车调度方法的示意图。

图2是图1所示的共享型自动驾驶车辆的派车调度方法的判断派车区域内的空闲自动驾驶车辆是否符合派车条件的算法的示意图。

图3示出驾驶地图上的某一驾驶场景。

图4和图5分别示出有人驾驶和无人驾驶在图3所示驾驶场景下的行驶路线。

图6用于示意性说明在满足可接受步行距离的情况下，车辆的调度情况。

图7用于示意性说明在不满足可接受步行距离的情况下，车辆的调度情况。

图8是根据本发明另一实施例的共享型自动驾驶车辆的派车调度方法的示意图。

具体实施方式

在附图中，使用相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面结合附图对本发明的实施例进行详细说明。

在本发明的描述中，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。

在有人驾驶的网约车的派车调度方法中，通常仅仅考虑道路地图上的连达性或可达性。道路地图是指反映环境实际道路的地图，表达道路的实际情况。道路地图通常包含路口、车道、信号灯等各类道路信息。例如，道路地图可以简单理解为现行的高德百度这一类的地图。道路地图主要描述道路的结构，只要是结构上可达的，就能规划出一条路线或几条路线，并不关心具体的驾驶行为，只关心从道路结构上看是否联通可达。

自动驾驶车辆在实际行驶时是遵循设定的轨迹行驶。自动驾驶车辆的驾驶依据是驾驶地图的信息。驾驶地图是指自动驾驶车辆实际行驶时应当遵循的轨迹路线图，是循迹自动驾驶行驶的依据之一，一般还会包含轨迹路线上的自动驾驶建议速度。

驾驶地图是循迹自动驾驶必须遵循的驾驶轨迹，在结构上一般是道路地图的一部分。理论上，驾驶地图应当与道路地图尽量保持一致，但实际情况下，自动驾驶车辆在驾驶地图中的路线是不可能覆盖所有可能的驾驶情况的。例如，尽管两点之间在道路地图的结构中是连通可达的，只要驾驶地图没有覆盖这个连通的路线，自动驾驶车辆就不可达(不可能在前述两点之间行驶)。因此，在车辆的调度中，必须要考虑驾驶地图的情况，这也是本发明的切入点与创新点之一。

图3-图5示例说明了自动驾驶车辆与有人驾驶车辆调度方法上的不同特性，在考虑自动驾驶技术特性的情况下，有人驾驶的车辆调度方法，并不能适用。

图示场景中黑色实线为道路地图，黑色虚线为驾驶地图。P点为乘车起点，所示车辆为距离P点最近的车。在有人驾驶的情况下，车辆可以行驶到路口处，调头然后到达乘车地点；但对于自动驾驶车辆，由于当前的驾驶地图中并未能包含在前方路口处调头的驾驶轨迹，故而无法行驶到P点，此类情况下，所示的最近车辆，并不能按照有人驾驶的调度方法实现调度。

当然，如果将驾驶地图扩展到更大的区域，包括更多街区的话，车辆可能通过多次连续向右转弯的方式到达乘车起点。

此外，如果在驾驶地图中采集到了掉头行驶的路线，那么在图3所示场景下，无人驾驶能够以有人驾驶相同的方式进行行驶。但是，现实中，根本不可能采集道路中所有的驾驶可能性的路线，因此很可能或甚至一定存在某个驾驶操作，人可以，但循迹自动驾驶车辆不可以。路口调头仅是一种说明。假设没有路中间隔离栏，有人驾驶车辆可以选择在任意位置调头，如果驾驶地图采集到了路口掉头路线，自动驾驶车就只能按照路口掉头路线行驶，而不能实现在任意位置掉头。

也就是说，从道路地图上来看，车辆当前位置与P点满足驾驶可达性。因此在有人驾驶的情况下，车辆可以行驶到路口处，调头然后到达乘车地点(图3所示)；但对于自动驾驶车辆，由于当前的驾驶地图中并未能包含在前方路口处调头的驾驶轨迹(图3所示)，即没有连续的黑色虚线可到达P点，故而无法行驶到P点，即从驾驶地图上看，并不可达。此类情况下，所示车辆，并不能被调度到P点。因此仅考虑道路地图可达性的调度方法，并不适用于自动驾驶车辆。

当然，图3所示例子，仅是为了说明共享型自动驾驶车辆调度不能只考虑道路地图，并非说明自动驾驶车辆无法调头，如果在驾驶地图中包含了调头的行驶路线，那么图3所示场景亦可被调度。但其遵循的是驾驶地图中的可达性，而不是道路地图的可达性，此点需要明确。同理，图3所示场景之外并没有更多的驾驶地图，如果将驾驶地图扩展到更大的区域，包括更多街区的话，车辆可能通过多次连续向右转弯的方式到达乘车起点，但其遵循的也是驾驶地图的可达性，而不是道路地图的可达性。本发明的调度方法，结合道路地图与驾驶地图综合考虑，而非现有网约车调度中仅考虑道路地图。共享型自动驾驶车辆遵循驾驶地图的轨迹路线图，在真实交通环境中实现自动驾驶。共享型自动驾驶车辆的派车调度方法的一个难点在于如何从备选自动驾驶车辆中选出最佳或较佳的车辆作为调度车辆(或派车车辆、指派车辆)。

如图2所示，根据本发明的一个实施例的共享型自动驾驶车辆的派车调度方法以下述方式判断派车区域内的空闲自动驾驶车辆是否符合派车条件：首先确定区域内的车辆是否满足可接受步行距离，在满足可接受步行距离的车辆中选择行驶方向与目的地(乘车终点位置)相符合的车辆作为派车车辆；如果没有满足可接受步行距离条件的车辆，选择调度时间最短的车辆作为派车车辆。

更具体地，本发明以下述方式判断派车区域内的空闲自动驾驶车辆是否符合派车条件：

步骤S31，判断位于派车区域内的空闲自动驾驶车辆V-L0的数量是否达到(大于或等于)设定阈值，如果否，转步骤S38：判定不符合派车条件，并结束；如果是，转步骤S32，进行后续的进一步判断。

设定阈值为大于1的数值，或者大于等于3的数字。例如为3辆，6辆。步骤S31以多于一辆的空闲自动驾驶车辆作为判断的起始条件，从而，有利于对比选出较为合适的空闲自动驾驶车辆作为派车车辆，且提高派车区域的派车成功率，减少“判断派车区域内的空闲自动驾驶车辆是否符合派车条件”的判断次数，提高派车的计算效率。在示例1中，假设设定阈值为4辆；V-L0的数量为7辆。从而能够进行后续的进一步判断。

步骤S32，基于道路地图，计算从各空闲自动驾驶车辆V-L0至乘车起点位置P所处位置的步行距离Dw。步行距离Dw是基于道路地图计算的，通常考虑了过街天桥、地下通道、人行横道等信息。

在示例1中，V-L0的数量为7辆，这样，在步骤S32，需要计算这7量车辆对应的步行距离，得到七个步行距离Dw的值。

步骤S33，判断是否存在步行距离Dw小于等于可接受步行距离Dw0的空闲自动驾驶车辆V-L1，如果是，转步骤S34，如果否，转步骤S36。

在一个实施例中，可接受步行距离为预设值，且能够由乘客设置或调整。例如，所述可接受步行距离的预设值在30米至150米的范围内，且能够由乘客通过手机APP、电脑网页端等进行修改。

用户可选择是否接受步行乘车。例如，如果拒绝接受步行乘车，可以将可接受步行距离设置为零。或者在相应的界面上直接选择不接受步行乘车。

在示例1的第一种情况下(示例1a)，假设不存在V-L1，即V-L1的数量为零，说明可步行范围内没有满足直接派车的车辆。从而结束可接受步行距离Dw0的判断，转至步骤S36，进行到达乘车起点位置最短行驶路径或最短行驶时间的判断。

在示例1的第二种情况下(示例1b)，假设存在V-L1，且V-L1的数量为2。这样，进行可接受步行距离Dw0的相关后续判断。

步骤S34，判断V-L1中是否存在行驶方向与乘车终点位置在驾驶地图上相符合的车辆V-L2，如果是，转步骤S35，如果否，转步骤S36。

如果在可接受步行距离Dw0内，但是车辆的行驶方向与乘车终点位置不相符合(可以理解为，在驾驶地图上，车辆正行驶在远离乘车终点位置的方向上)，那么车辆需要绕路以调整行驶方向以到达乘车终点位置。因此，此种车辆需要排除在外。如果需要的话(不存在V-L2)，在步骤S36中，计算包括V-L1在内的所有V-L0的到达乘车起点位置的行驶路径长度或行驶时间时长，然后进行相应的选择。

可以用各种适当的方法来判断车辆的行驶方向与乘车终点位置是否符合。例如可以用下文中介绍的方式来判断自动驾驶车辆的行驶方向与乘车终点在驾驶地图上是否相符合：

S341，在驾驶地图上，计算自动驾驶车辆当前位置至乘车终点位置在当前行驶方向下的最短行驶路径长度；

S342，在驾驶地图上，计算自动驾驶车辆当前位置至乘车终点位置的最短连达路径长度；

S343，比较所述最短行驶路径长度与所述最短连达路径长度，如果所述最短行驶路径长度等于所述最短连达路径长度，判断自动驾驶车辆的行驶方向与乘车终点在驾驶地图上相符合；否则，判断自动驾驶车辆的行驶方向与乘车终点在驾驶地图上不相符合。

参见图6，图示中P点为乘客上车地点，乘车终点为S点，v1与v2表示当前满足可接受步行距离的自动驾驶车辆。此时，虽然v1步行距离更近，但按照当前v1行驶的方向，到达乘车终点S点，由于在驾驶地图中，无法在m3路段实现调头到达m1，因此v1需要经过路段m3-m4-m5-m6-m2，而v2尽管步行距离大于v1，但到达乘车终点S只需经过路段m1-m2，更加符合本次出行。因此，此类情况应当为乘客调度v2。

换句话说，行驶方向与乘车终点在驾驶地图上是否符合的判断方法就是看在驾驶地图(虚线)上是否南辕北辙，是否绕路，以及是否可达。例如图6中v1与v2完成接送任务中，v1需要经过路段m3-m4-m5-m6-m2；连达路径为m3-m2，明显小于行驶路径。而v2尽管与乘车起点P的步行距离大于v1，但到达乘车终点S只需经过路段m1-m2，而且连达路径也是m1-m2。很明显，当前状态下v2是与乘车终点更加符合的一个车。

步骤S35，在V-L2中选择步行距离Dw最短的车辆V-L3作为派车车辆，并转步骤S37。需要指出的是，在确定车辆V-L3作为派车车辆后，可以通知车辆V-L3立即靠边停车，并将车辆V-L3停车位置发送给乘客。假定V-L3当前所在位置不允许靠边停车，则在驾驶方向前方最近允许停车位置处停车。还需要指出的是，“通知车辆V-L3靠边停车，将车辆V-L3停车位置发送给乘客”在步骤35中执行，与在步骤S37中执行，甚至在下文中提到的步骤3与步骤S7中执行，都属于实质上等同的技术方案，都包含在本发明的保护范围之内。在此情况下，车辆V-L3的停车等待位置为实际乘车位置。乘客需要从预先确定的乘车起点位置步行至所述实际乘车位置乘车。

进一步地，为了进一步提升乘车体验，在确定车辆步行距离Dw最短的车辆V-L3后，确定车辆V-L3行驶至乘车终点位置的行驶路线与乘车起点位置最接近的位置作为实际乘车位置。也就是说，车辆V-L3有可能继续进一步向前行驶一段后停车，而不是直接停车，以此减少乘客的步行距离，同时，不增加达致终点的行驶距离。然后乘客从预先确定的乘车起点位置步行至所述实际乘车位置乘车。

如果乘车起点位置正好位于车辆V-L3行驶至乘车终点位置的行驶路线上，车辆V-L3行驶至乘车终点位置，乘客实际上无需步行。也就是说，尽管是在满足可接受步行距离的情况下确定的派车车辆，实际上乘客在此情况下也无需步行。从而最大限度地提升乘车体验。

步骤S36，选择V-L0中基于驾驶地图到达乘车起点位置所需时间最短或路程最短的空闲自动驾驶车辆V-L4作为派车车辆，并转步骤S37。

参见图7，图7中V＝{v1,v2,v3,v4,v5}，表示满足所述调度半径范围内的5辆自动驾驶车辆，5辆车均不满足所述可接受步行距离。P为乘车起点。首先计算五辆车在驾驶地图上的行车距离Dr。

由图7可知v4在驾驶地图上并未有能到达P点的轨迹路线，因此v4无法调度至P点，此时Dr＝{d

可以根据驾驶地图的建议驾驶速度来计算驾驶时间。可以理解的是，建议驾驶速度可以是实时的，且驾驶行程上各路段不同。路程根据驾驶地图建议的驾驶路线来计算。在一个备选实施例中，驾驶时间还考虑了红绿灯等交通控制信息来确定。

需要指出的是，如果V-L4有两辆或者更多，则选择其中的任意一辆作为派车车辆。

步骤S37，判定符合派车条件，输出确定的派车车辆并结束。

输出确定的派车车辆例如能够包括将相应信息通知确定的派车车辆以及通知乘客。更具体地，例如将乘客的相应信息发给确定的派车车辆，以及将确定的派车车辆的相应信息发给乘客。输出确定的派车车辆，还可以仅仅是输出哪一车辆作为确定的派车车辆。上述的信息通知可以在后续的步骤中进行。

确定的派车车辆是指相应自动驾驶车辆的状态，例如包括自动驾驶车辆的位置、当前行驶朝向、是否空闲等信息。还可以包括可行驶里程(或者电能、燃料等能量存储量)等信息。在自动驾驶车辆停车的情况下，自动驾驶车辆的当前行驶朝向是指车头所朝向的方向。

步骤S38，判定不符合派车条件，并结束。

需要指出的是，步骤S37和步骤S38中的结束，并非必然等于整个派车方法或派车过程的结束，而仅仅是“判断派车区域内的空闲自动驾驶车辆是否符合派车条件”的结束；或者仅仅是一个循环中的“判断派车区域内的空闲自动驾驶车辆是否符合派车条件”的结束。

关于上述步骤中提到的V-L0等符号的含义，可以参见下表。

表1符号指代的车辆的含义

在上述的方法中，考虑了步行距离Dw与可接受步行距离Dw0，从而，能够更好地、更快捷地匹配自动驾驶车辆。通过乘客步行与自动驾驶车辆的行驶的配合，来提高出行的效率。同时将乘客步行的距离设置在可接受步行距离Dw0之内，兼顾了乘客的乘车体验。

可以理解的是，上文介绍的如何从备选自动驾驶车辆中选出最佳或较佳的车辆作为派车车辆的方式仅仅是完整的共享型自动驾驶车辆的派车调度方法的一个重要的组成部分。

如图1所示，本发明一个实施例以下述方式进行共享型自动驾驶车辆的派车调度方法：选择派车半径；然后判定与派车半径对应的派车区域内的车辆是否符合派车条件；如果不符合，逐步增大派车半径，直到达到最大半径。

更具体地，在本发明的一个实施例中，共享型自动驾驶车辆的派车调度方法包括下述步骤：

步骤S1，获取乘车起点位置信息与乘车终点位置信息。

乘车起点位置信息与乘车终点位置信息都属于乘客的出行信息，通常由乘客输入。例如，通过相应的手机APP进行输入。在本发明中，默认乘车起点位置信息是可以停车的位置。如果乘客所在的位置为禁止停车位置，则乘客需要选择临近的允许停车位置(例如设定的自动驾驶车辆乘降位置)作为乘车起点位置。相应地，在本发明中，默认乘车终点位置信息是可以停车的位置。如果乘客的最终目的地为禁止停车位置，则乘客需要选择临近的允许停车位置(例如设定的自动驾驶车辆乘降位置)作为乘车终点位置。也就是说，在本发明中，乘车起点位置并非是指乘客当前所在位置；乘车终点位置也并非乘客的最终目的位置。在本发明中，乘车起点位置是乘客确定的符合自动驾驶车辆停靠的上车位置；乘车终点位置是乘客确定的符合自动驾驶车辆停靠的下车位置。

步骤S2，选择派车半径。可以采用多种可行的方法来选择派车半径。例如，直接选择设定的启示派车半径值，如1km、2km等。再例如，在步骤S2中，基于乘车起点位置所处区域的运营共享型自动驾驶车辆的密度以及出行高低峰时段在[R

派车半径也称为调度半径。对于圆形的调度区域而言，派车半径是以乘车起点P为中心，预设的圆形选择区域的半径。

派车半径的选取：能够基于根据出行区域以及出行高低峰时段等情况在[R

在一个实施例中，根据出行区域的车辆密度与出行时段来选择车辆。在密度高的区域，在出行高峰时段，选择较小的派车半径r；在密度低的区域，在出行波谷时段，选择较大的派车半径r。此处的车辆密度，可以是空闲共享型自动驾驶车辆的密度，也可以是所有共享型自动驾驶车辆的密度。例如，为了备用，可以制作实时的密度地图，或者较长更新周期的密度地图，用于派车半径的选取。

此处的出行区域是指乘车起点位置所在的区域。通常，出行区域大于调度区域。

最大半径可以根据经验确定，或者通过特定的算法或方法来确定。在一个实施例中，最大半径＝最大派车行驶时间*平均行驶速度。假设，最大派车行驶时间为15分钟(或10分钟)，也就是保障派单行驶时间最长不超过15分钟(或10分钟)；无人车的平均行驶速度为30km/h(或45km/h)；这样就可以确定最大半径为7.5km(或7.5km)。平均行驶速度可以预先设定，也可以根据区域情况来实时确定或者定期更新(例如每小时更新一次)。例如，可以根据统计数据生成实时的平均行驶速度地图。

最小半径也可以根据经验确定，或者通过特定的算法或方法来确定。其中一种算法为根据特定区域的无人车覆盖密度来确定最小半径。无人车覆盖密度可以等于特定区域的投运无人车/特定区域的面积；也可以根据实时的情况来实时更新，或者定期更新，例如可以根据统计数据生成实时的无人车覆盖密度地图。在一个实施例中，考虑无人车覆盖密度的因素来确定最小半径。也就是说，基于设定的最小半径区域内的车辆数的要求来确定最小半径。最小半径由所需区域面积确定。所需区域面积＝设定的最小半径区域内的车辆数/无人车覆盖密度。

例如，假定平均每平方公里有1辆无人车或2辆无人车，最小半径可以设置为2km。2km的半径对应大约12平方公里的面积。这样，在平均每平方公里1辆无人车的情况下，对应大约12辆无人车，在平均每平方公里2辆无人车的情况下，对应大约24辆无人车，从而在最小半径有较大的概率可以匹配派车成功。

需要指出的是，上述的12或24辆无人车是平均值，或者是大约的平均值，不同的区域可能有不同的无人车覆盖密度。此外，上述的12或24辆无人车可能中有一部分，或者大部分，甚至极端情况下全部，是处于正在载客或经营中的状态，并不能被指派。

也就是说，如果要求设定的最小半径区域内的车辆数(估算数或概算数)在10辆左右，对于平均每平方公里1辆无人车的情况，最小半径可以设置在2km或2km左右(对应大约12平方公里的面积以及大约12辆车辆)。如果要求设定的最小半径区域内的车辆数(估算数或概算数)在20辆左右，对于平均每平方公里2辆无人车的情况，最小半径可以设置在2km或2km左右(对应大约12平方公里的面积以及大约24辆车辆)。

步骤S3，基于派车半径确定派车区域，以权利要求1所述的方式来判断派车区域内的空闲自动驾驶车辆是否符合派车条件，如果符合，确定派车车辆，并转步骤S7；如果不符合，转步骤S4。

派车区域可以采用任何适当的方式来确定。在一个备选实施例中，派车区域为以乘车起点位置为中心，以派车半径为半径的圆形区域。在另一个备选实施例中，派车区域为以乘车起点位置为中心，边长为派车半径的两倍的正方形区域。在再一个备选实施例中，派车区域为以乘车起点位置为中心，长边边长为派车半径的两倍的矩形区域(短边边长与长边边长的比值，根据所在区域的街区的长宽比确定)。

步骤S4，判断派车半径是否达到最大半径，如果是，转步骤S5；如果不是，转步骤S6。

步骤S5，增大派车半径，并转步骤S3。也就是说，在步骤S2中，基于乘车起点位置所处区域的运营共享型自动驾驶车辆的密度以及出行高低峰时段在[R

步骤S6，派车失败并结束派车调度方法；或者在经过设定时长后，转至步骤S3，重新进行派车调度。

步骤S7，结束派车调度方法。

为了进一步提高派车调度的效率，在步骤S31中，进一步包括剔除步骤，剔除对于乘车起点位置和/或乘车终点位置在驾驶地图上不可达的空闲自动驾驶车辆V-L0；或者

在步骤中，在步骤S36中，针对对于乘车起点位置和/或乘车终点位置在驾驶地图上不可达的空闲自动驾驶车辆V-L0，将其基于驾驶地图到达乘车起点位置和/或乘车终点位置所需时间或路程计为无穷大。

在图8所示的实施例中，如果在范围内的空闲车数量满足派车阈值(设定阈值)，则默认为能够实现派车。例如，仅仅将范围内的能够实现可达性的空闲车考虑在内。

图8所示的方法包括下述的步骤。

步骤S1，获取乘车起点位置信息与乘车终点位置信息。

乘车起点位置信息与乘车终点位置信息都属于乘客的出行信息，通常由乘客输入。例如，通过相应的手机APP进行输入。在本发明中，默认乘车起点位置信息是可以停车的位置。如果乘客所在的位置为禁止停车位置，则乘客需要选择临近的允许停车位置(例如设定的自动驾驶车辆乘降位置)作为乘车起点位置。相应地，在本发明中，默认乘车终点位置信息是可以停车的位置。如果乘客的最终目的地为禁止停车位置，则乘客需要选择临近的允许停车位置(例如设定的自动驾驶车辆乘降位置)作为乘车终点位置。并且，乘车起点与目的地的位置，在驾驶地图上需要满足可达性。也就是说，在本发明中，乘车起点位置并非是指乘客当前所在位置；乘车终点位置也并非乘客的最终目的位置。在本发明中，乘车起点位置是乘客确定的符合自动驾驶车辆停靠的上车位置；乘车终点位置是乘客确定的符合自动驾驶车辆停靠的下车位置。

步骤S2，选择派车半径。

可以采用多种可行的方法来选择派车半径。例如，通过预设值进行选取，1km、2km等。再例如，在步骤S2中，基于乘车起点位置处区域运营的共享型自动驾驶车辆的密度以及出行高低峰时段在[R

R

其中T

最小半径R

其中ρ

上述的12辆车仅是一个举例，或者是大约的平均值，不同的区域可能有不同数量的要求。此外，上述的12辆车可能中有一部分，或者大部分，甚至极端情况下全部，是处于正在载客或经营中的状态，并不能被指派。但并不妨碍以此方法获取最小半径R

步骤S3，判断当前派车半径区域内，空闲自动驾驶车辆V-L0数量是否达到(大于或等于)设定阈值N。如果不满足则扩大半径直到满足N，之后继续进行下一步骤S4。

阈值N为一个设定整数值，通常在区间(1,10]，保障派车区域内至少有大于1辆空闲车作为候选，其意义在于如果仅有一辆空闲车作为候选，由于自动驾驶车辆依赖驾驶地图的特性，该车不一定是最合适的车辆，此时扩大派车半径，可能会有更加合适的车辆。从而，有利于对比选出较为合适的空闲自动驾驶车辆作为派车车辆，且提高派车区域的派车成功率，减少后续步骤判断失败的可能性，提高派车的计算效率。在共享型自动驾驶车投放密度较低时通常取N＝3，密度较高时可适当提高。

步骤S4。基于道路地图，计算所有V-L0位置，到达乘车起点P出的道路地图步行可达距离Dw。判断是否存在Dw小于等于乘客可接受步行距离Dw0的车辆V-L1。如果存在V-L1，转步骤S5，如果不存在，转步骤S6。

可接受步行距离为乘客的预设值，可由乘客设置或调整。例如，所示可接受步行距离预设为30米至150米范围内，并且可以通过APP进行修改。

此步骤的意义在于，由于所述自动驾驶车辆行驶依赖于驾驶地图，从而导致，某些离乘车起点P较近的车辆，实际无法或者需要绕路才能到达P点。而乘客能在可接受的步行距离内，步行到自动驾驶车当前位置上车。从而可以提高派车的效率。

步骤S5，判断V-L1中是否存在行驶方向与乘车终点目的地方向一致的车辆V-L2，存在，则选择步行距离最短的车V-L3靠边停车，完成派车，不存在，转步骤S6。

在可接受步行距离DW0内，不一定所有车都适合行驶到终点。具体判断方法如下：

判断如下不等式：

Dr-Ds≥T

其中，Ds为V-L2位置与终点的道路地图车辆可达距离，Dr为V-L2位置与终点的驾驶地图车辆可达距离，T为设定的阈值。上述不等式成立，则代表从V-L2目前位置出发，车辆不可达终点(例如：Dr＝+∞，在本专利中作为派车，Ds不会为+∞)，或者V-L2需要绕路以调整方向，才可以到达终点，所绕行的路程大于等于T，因此，此情况下的车需要排除，即使满足了可接受步行距离，亦不适宜派车。

参见图5，假设图示中P点为乘客上车地点，乘车终点为S点，mi表示各段道路，为了叙述方便假设，各段道路长度相等。v1与v2表示当前满足可接受步行距离的自动驾驶车辆V-L2，v1位于m3路段上部1/3处，行驶方向为图示向上方向，v2位于m1路段上部1/4处，行驶方向为图示向下方向，T为一段道路的距离。首先计算v1，v2到达S点的道路地图车辆可达距离Ds，

Ds(v1)＝1/3*m3+m1+m2

Ds(v2)＝3/4*m1+m2

再计算v1，v2到达S点的驾驶地图车辆可达距离Dr：

Dr(v1)＝1/3*m3+m4+m5+m6+m2

Dr(v2)＝3/4*m1+m2

按照步骤S5所述判断方法，此时Ds(v1)-Dr(v1)＝2T>T，Ds(v2)-Ds(v2)＝0，因此，虽然v2步行距离更远一些，但更加符合出行，此类情况应当为乘客调度v2。

需要指出的是，在确定V-L3作为派车车辆后，可以通知车辆立即靠边停车，并将车辆停车位置发送给乘客。假定当前所在位置不允许靠边停车，则在驾驶方向前方最近允许停车位置处停车。

进一步地，为了进一步提升乘车体验，在确定车辆步行距离Dw最短的车辆V-L3后，确定车辆V-L3行驶至乘车终点位置的行驶路线与乘车起点位置最接近的位置作为实际乘车位置。也就是说，车辆V-L3有可能继续进一步向前行驶一段后停车，而不是直接停车，以此减少乘客的步行距离，同时，不增加达致终点的行驶距离。然后乘客从预先确定的乘车起点位置步行至所述实际乘车位置乘车。

如果乘车起点位置正好位于车辆V-L3行驶至乘车终点位置的行驶路线上，车辆V-L3行驶至乘车终点位置，乘客实际上无需步行。也就是说，尽管是在满足可接受步行距离的情况下确定的派车车辆，实际上乘客在此情况下也无需步行。从而最大限度地提升乘车体验。

步骤S6,选择V-L0中基于驾驶地图到达乘车起点位置所需时间最短或路程最短的空闲自动驾驶车辆(可达车辆)作为派车车辆。

首先判断是否存在V-L0可以行驶到乘车起点。即对所有的V-L0，计算Dr，排除Dr＝+∞的车辆，得到可以驾驶到乘车起点的可达车辆。

若不存在可达车辆，本轮派车失败，重新判断派车半径，等待重新派车。若存在可达车辆，则派选到达起点时间最短的车辆作为本轮派车。

参见图6，假设，V＝{v1,v2,v3,v4,v5}，为5辆V-L0自动驾驶车辆，P为乘车起点,位于m2右端1/3处，为了描述方便，假设各路段长度皆为L，各路段自动驾驶建议速度vel一致,v1位于m3上端1/3处，v2位于m7右端1/3处，v3位于m8上端起始，v4位于m11右端起始，v5位于m9上端1/3处。首先计算五辆车在驾驶地图上的行车距离Dr＝{Dr

Dr

Dr

Dr

Dr

Dr

由于Dr

此时可得t

需要说明的是，上例为了方便说明将各路段长度与建议速度假设为一致，不代表自动驾驶车辆的驾驶地图各段长度与建议速度需要保持一致。可以理解的是，建议驾驶速度可以是实时的，且驾驶行程上各路段不同。路程根据驾驶地图建议的驾驶路线来计算。在一个备选实施例中，驾驶时间还考虑了红绿灯等交通控制信息来确定。

需要指出的是，如果V-L4有两辆或者更多，则选择其中的任意一辆作为派车车辆。

最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。