一种自动驾驶车辆调度方法和装置与流程

本申请涉及自动驾驶技术领域技术领域，具体而言，涉及一种自动驾驶车辆调度方法和装置。

背景技术

自动驾驶车辆又称无人驾驶车辆、电脑驾驶车辆、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能车辆。自动驾驶车辆依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有人类操作的情况下，自动安全地操作机动车辆。

但是，由于自动驾驶车辆在制造过程中所使用的硬件和软件均不相同，导致了不同车辆的自动驾驶能力会存在差异性，例如，传感器的安装位置、感应的灵敏程度、使用的自动驾驶模型，车辆控制方法等都存在差异；这些差异性会导致某些自动驾驶车辆只能在某个局部的交通场景下行驶，或者只能在某一特定场景下行驶；又例如：某自动驾驶车辆使采取某条街道作为训练数据训练得到自动驾驶模型，该车辆在应用该自动驾驶模型实现自动驾驶的时候只能在该街道行驶；若在其它街道行驶，则可能会由于该车辆无法正确识别其它街道上的建筑物、地标、行驶规则等造成交通事故。这也就导致了自动驾驶车辆只能在与其自动驾驶能力相匹配的交通场景下行驶。然而目前城市的交通环境复杂，每个人的出行距离也不尽相同，当出行距离超出与自动驾驶车辆驾驶能力匹配的交通场景时，自动驾驶车辆则不能完成出行任务。

在这样的差异化和异构化的条件下，当前的自动驾驶车辆无法满足用户长距离的出行需求。

技术实现要素：

有鉴于此，本申请的目的在于提供自动驾驶车辆调度方法和装置，能够通过对行驶能力不同的自动驾驶车辆的调度，利用多辆行驶能力不同的自动驾驶车辆分路段搭载用户，实现用户的长距离出行需求。

第一方面，本申请实施例提供了一种自动驾驶车辆调度方法，该方法包括：

获取乘客的出行需求信息，乘客的出行需求信息包括乘车的起点、终点以及乘车时间；

基于预先训练得到的路线规划模型，并根据出行需求信息、乘车时间对应的天气信息、乘车时间对应的实际路况或者预估路况，以及乘车时刻对应的自动驾驶车辆的状态信息，进行出行路线规划，生成出行路线信息；出行路线信息携带有乘车路线、换乘地点以及与每个换乘地点对应的换乘交通工具；

基于出行路线信息，以及乘客的当前位置信息进行自动驾驶车辆调度。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中包括：

对路线规划模型进行训练；

将出行起点、出行终点以及出行时间、与出行时间对应的天气、路况、自动驾驶车辆的状态作为解释变量，将路线规划结果作为被解释变量，构建路线规划模型；

使用多组训练集数据对构建的路线规划模型进行训练，获得路线规划模型。

结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面的第二种可能的实施方式，其中，使用多组训练集数据对构建的路线规划模型进行训练，获得路线规划模型，包括：

获取多组训练集数据；每组训练集数据均包括：出行起点信息、出行终点信息以及出行时间信息、出行时间信息对应的天气信息、路况信息、自动驾驶车辆的状态信息；每组训练集数据均预先标注有第一路线规划结果；

使用路线规划模型对多组训练集数据进行学习，获取每组训练集数据对应的第二线路规划结果；

根据第一路线规划结果和第二路线规划结果之间的比对结果，对路线规划模型进行参数调整，获得路线规划模型。

结合第一方面的第二种可能的实施方式，本申请实施例提供了第一方面的第三种可能的实施方式，其中，根据第一路线规划结果和第二路线规划结果之间的比对结果，对路线规划模型进行参数调整，包括：执行下述比对操作，直至第一路线规划结果和第二路线规划结果完全一致；

比对操作包括：

将第一路线规划结果和第二路线规划结果进行比对；

若第一路线规划结果和第二路线规划结果不一致，则调整路线规划模型的参数；

基于调整参数后的路线规划模型重新获取训练集数据的第二路线规划结果，并基于重新获取的所偶数第二路线规划结果再次执行比对操作。

结合第一方面，本申请实施例提供了第一方面的第四种可能的实施方式，其中，出行路线信息有多组，包括：将多组出行路线信息发送给乘客；

基于出行路线信息，以及乘客的当前位置信息进行自动驾驶车辆调度，具体包括：

当接收到乘客反馈的出行路线选择信息后，基于与出行路线选择信息对应的出行路线信息进行自动驾驶车辆调度。

结合第一方面，本申请实施例提供了第一方面的第五种可能的实施方式，其中，基于出行路线信息，以及乘客的当前位置信息进行自动驾驶车辆调度，包括：

即时获取乘客的当前位置信息；

根据当前位置信息以及出行路线信息，对乘客到达下一换乘地点的时间进行估计，获取乘客到达下一换乘地点的预估时间；下一换乘地点对应的换乘交通工具为自动驾驶车辆；

检测预估时间是否小预设的时间阈值；

在预估时间小于预设的时间阈值后，向满足驾驶条件的任一自动驾驶车辆发送调度信息；调度信息用于指示任一自动驾驶车辆到达下一换乘地点。

结合第一方面，本申请实施例提供了第一方面的第六种可能的实施方式，其中，基于出行路线信息，以及乘客的当前位置信息进行自动驾驶车辆调度，包括：

即时获取乘客的当前位置信息；

根据当前位置信息以及出行路线信息，计算乘客当前位置与下一换乘地点的距离，获得乘客当前位置与下一换乘地点的行驶距离；下一换乘地点对应的换乘交通工具为自动驾驶车辆；

检测行驶距离是否小于预设的距离阈值；

在行驶距离小于预设的距离阈值后，向满足驾驶条件的任一自动驾驶车辆发送调度信息；调度信息用于指示任一自动驾驶车辆到达下一换乘地点。

结合第一方面，本申请实施例提供了第一方面的第七种可能的实施方式，包括：

基于出行路线信息、乘客的当前位置信息以及当前路况信息，对出行路线信息进行合理性检测；

若合理性检测的结果为不合理，则以乘客的当前位置信息为起点，以出行需求信息携带的终点为终点，以当前时间为乘车时间，重新进行出行路线规划，生成新的出行路线信息；

将新的出行路线信息发送给乘客；

当接收到乘客对新的出行路线信息的确认信息后，基于新的出行路线信息重新进行自动驾驶车辆调度。

第二方面，本申请实施例还提供了一种自动驾驶车辆调度装置，该装置包括：

信息获取模块，获取乘客的出行需求信息，乘客的出行需求信息包括乘车的起点、终点以及乘车时间；

规划模块，用于基于预先训练得到的路线规划模型，并根据出行需求信息、乘车时间对应的天气信息、乘车时间对应的实际路况或者预估路况，以及乘车时刻对应的自动驾驶车辆的状态信息，进行出行路线规划，生成出行路线信息；出行路线信息携带有乘车路线、换乘地点以及与每个换乘地点对应的换乘交通工具；

调度模块，用于基于出行路线信息，以及乘客的当前位置信息进行自动驾驶车辆调度。

第三方面，本申请实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现上述第一方面以及第一方面任意一种可能的实施方式的步骤。

第四方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，计算机程序被处理器运行时执行上述第一方面以及第一方面任意一种可能的实施方式的步骤。

本申请实施例采用调度出行需求信息，乘车时间对应的天气信息、乘车时间对应的实际路况或者预估路况，以及乘车时刻对应的自动驾驶车辆的状态信息，并基于预先训练的路线规划模型，规划出行路线，进而调度不同驾驶能力的自动驾驶车辆使乘客到达目的地，与现有技术中过于理想化而实际自动驾驶车辆并不能够在所有不同的区域或交通场景下行驶相比，在复杂的交通环境下，且不同的乘客的出行距离不同，当出行距离超出与自动驾驶车辆驾驶能力匹配的交通场景时，通过调度与交通场景匹配的自动驾驶车辆，来完成出行任务。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例所提供的一种自动驾驶车辆调度方法的流程图；

图2示出了本申请实施例所提供的一种对路线规划模型进行训练的方法的流程图；

图3示出了本申请实施例所提供的另一种对路线规划模型进行训练的方法的流程图；

图4示出了本申请实施例所提供的另一种自动驾驶车辆调度方法的流程图；

图5示出了本申请实施例所提供的又一种自动驾驶车辆调度方法的流程图；

图6示出了本申请实施例所提供的一种自动驾驶车辆调度装置的结构示意图；

图7示出了本申请实施例所提供的一种计算机设备的结构示意图。

主要元件符号说明：61-信息获取模块、62-规划模块、63-调度模块、71-存储器、72-处理器。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

当前自动驾驶车辆的自动驾驶能力有限，单一的车辆无法满足长距离的出行需求，基于此，本申请实施例提供了一种自动驾驶车辆调度方法和装置，通过对多辆自动驾驶能力的自动驾驶车辆进行调度，使得调度的多辆自动驾驶车辆分段驾驶，从而完成用户的长距离出行需求。

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请做进一步详细的说明。执行该方法的主体，通常为进行自动驾驶车辆调度的服务器设备，例如，自动驾驶总控中心的调度服务器；也可以为其它主机设备。下面以执行主体为自动驾驶总控中心的调度服务器为例对该方法加以说明。该方法除了用于调度自动驾驶车辆满足用户的长距离出行需求外，还能够通过调度自动驾驶车辆进行物流运输等。

参见图1所示，本申请实施例提供一种自动驾驶车辆调度方法，该方法包括步骤s101-s103,具体如下：

s101：获取乘客的出行需求信息，乘客的出行需求信息包括乘车的起点、终点以及乘车时间。

在具体实施中，乘客的出行需求可以从乘客使用的终端设备获取；如：手机、平板电脑。当用户需要出行时，会使用移动终端向自动驾驶总控中心的调度服务器发起出行需求信息，此出行需求信息中包括乘客的乘车的起点，终点及乘车时间，也即：乘客本次出行的出发点、目的地及何时出行。

例如，乘客通过手机安装应用软件，此应用软件是指能够按照一定的通讯协议，如无线保真(wireless-fidelity，wi-fi)、第二代通讯技术(2generation，2g)、第三代通讯技术(3generation，3g)、第四代通讯技术(4generation，4g)，与自动驾驶总控中心的调度服务器进行通信的软件。软件中包括乘客需要选择的出行需求信息，乘车的起点，终点以及乘车的时间。乘客通过此软件进行出行需求信息的选择后，将出行需求信息发送给自动驾驶总控中心，进而调度系统获得乘客的出行信息。

s102：基于预先训练得到的路线规划模型，并根据出行需求信息、乘车时间对应的天气信息、乘车时间对应的实际路况或者预估路况，以及乘车时刻对应的自动驾驶车辆的状态信息，进行出行路线规划，生成出行路线信息；出行路线信息携带有乘车路线、换乘地点以及与每个换乘地点对应的换乘交通工具。

在具体实施中，自动驾驶总控中心的调度系统预先保存有路线规划模型，该路线规划模型是使用多组训练数据预先训练好的模型。路线规划模型能够基于出行需求信息，进行路线的自动规划。

具体地，参见图2所示，本申请实施例提供一种路线规划模型的训练方法：

s201：将出行起点、出行终点以及出行时间、与出行时间对应的天气、路况、自动驾驶车辆的状态作为解释变量，将路线规划结果作为被解释变量，构建路线规划模型。

s202：使用多组训练集数据对构建的路线规划模型进行训练。

在具体实现的时候，在构建路线规划模型的时候，需要确定模型中的解释变量和被解释变量，并通过后续模型训练过程来确定解释变量和被解释变量之间的联系。影响路线规划信息的因素有几种，则将这几种因素作为对应的解释变量，并将最终要获得的路线规划信息作为被解释变量构建模型。

在本申请实施例中，影响最终路线规划信息的因素主要有乘客出行的起点、出行终点以及出行时间与出行时间对应的天气、路况、自动驾驶车辆的状态。

其中，出行的起点和出行终点决定了乘客要经过哪些路径才能够从出行地点到达出行终点。

出行时间会对应不同的路况信息，如道路拥堵情况、红绿灯的变灯情况等，基于同一出行起点和出行终点，在不同的时间段，由于路况信息的不同，会导致最终的线路规划信息不同。出行时间还会对应有不同的自动驾驶车辆状态，可以是真实状态，也可以预估状态。

出行时间对应的天气可以是真实天气，也可以是预估天气；例如对于出行时间为当前时间来说，则天气可以是当前的真实天气；对于出行时间并非当前时间来说，例如乘客要在一天后出行，则对应的天气是预估天气，在不同的天气情况下，可能会导致路况、行人出行的选择、道路拥堵情况造成不同程度的影响。例如在正常天气情况下很少发生拥堵的道路，在雨雪天气发生拥堵的概率会大幅度上升，从而影响到出行路线的规划。

路况包括当前路况以及预估路况；预估路况可以基于大数据预估获得；真实路况一般是当前时刻出行时所对应的路况。

自动驾驶车辆的状态，是指在乘客出行时，自动驾驶车辆是否处于空闲状态，或者是否有多余的运力能够满足多个乘客的需求。其决定了在乘客出行时自动驾驶车辆是否能够满足乘客从出行起点到达出行终点的出行需求。

所构建的路线规划模型包括但不限于：自回归模型、移动平均模型、自回归移动平均模型、整合移动平均自回归模型、广义自回归条件异方差模型、神经网络模型。

以神经网络模型为例：在对神经网络进行训练的时候，需要采集大量的训练数据作为训练集，输入到神经网络中，作为模型的解释变量；使用神经网络模型对训练数据进行特征学习，从而建立解释变量和被解释变量之间的内在联系。其中，例如出行时间的不同，所对应的同一路段的道路拥堵情况有所区别；天气不同，对应的自动驾驶车辆的状态也不同。每一种解释变量都会对最终的路线规划结果造成影响，但每种解释变量对对最终的路线规划结果所造成的影响的程度有所区别。

具体地，参见图3所示，本申请实施例还提供一种使用多组训练集数据对构建的路线规划模型进行训练的具体方法，该方法包括：

s301：获取多组训练集数据；每组训练集数据均包括：出行起点信息、出行终点信息以及出行时间信息、出行时间信息对应的天气信息、路况信息、自动驾驶车辆的状态信息；每组训练集数据均预先标注有第一路线规划结果；

s302：使用路线规划模型对多组训练集数据进行学习，获取每组训练集数据对应的第二线路规划结果；

s303：根据第一路线规划结果和第二路线规划结果之间的比对结果，对路线规划模型进行参数调整，获得路线规划模型。

在具体实施中，在构建路线规划模型的时候，考虑到在对模型进行训练的过程中各种解释变量对被解释变量的影响，可以按照地理区域来对模型进行训练。大量收集出行终点和出行起点落入某地理区域内的训练数据并收集出行终点和出行起点落入不同地理区域内的训练数据，分别对模型进行训练。

这是由于：出行起点和出行终点之间的距离越接近，采用该训练数据对模型进行训练的难度越小，出行起点和出行终点之间的距离越大，采用该训练数据对模型进行训练的难度越大。可以先采用对模型训练难度小的训练数据对模型先进行训练；然后再采用训练难度较大的训练数据对模型进行训练，在提升模型训练的效率，加快模型参数收敛的同时，能够增强模型的泛化能力。

该训练数据可以来源于已经执行过的出行任务数据，也可以是从其它路线规划平台爬取的数据。在获取训练数据的时候，在不同的时间从此区域的起点开始收集此地理区域出行路线中的信息，该信息包括：出行时间信息、出行时间信息对应的天气信息、路况信息、自动驾驶车辆的状态信息，将每次收集到的信息作为多组训练集数据，并且每组训练集都对应标注其第一路线规划结果。使用构建的路线规划模型对多组训练集数据特征进行学习，并输出基于每组训练数据的路线规划结果；将模型所输出的路线规划结果作为第二线路规划结果，并将第一路线规划结果与第二路线规划结果进行比对，得到两者的比对结果，若两者比对结果不一致，则说明基于模型的当前参数无法得到正确的输出，需要调整路线规划模型的参数，得到调整参数后的路线规划模型。然后再基于调整参数后的路线规划模型获取比对结果不一致的训练数据的第二路线规划结果，并重复比对过程，直至模型对所有的训练数据输出的路线规划结果与对应的训练数据标签一致。

例如：对与出行时间对应的天气进行训练。收集历史天气数据与实时天气数据，并且，收集的历史天气数据对应有路线规划结果，将历史天气数据作为路线规划模型的输入量，得到第一路线规划结果，将实时天气数据输入到路线规划模型中得到对应的第二路线规划信息，将第一路线规划结果与第二路线规划结果进行比对，根据其比对结果不断对路线规划模型参数进行调整，使得路线规划模型输出的第二路线规划信息不断向第一路线规划信息靠近，直至两者完全相同，得到路线规划模型。将训练得到的路线规划模型保存于调度系统中，当接收到乘客发送的出行需求信息后，调度系统根据出行需求信息调取路线规划模型中与出行需求信息对应的天气信息，实际路况以及自动驾驶车辆的状态进行出行路线的规划，生成路线规划信息，将路线规划信息发送给乘客。

路线规划信息包括：出行路线信息携带有乘车路线、换乘地点以及与每个换乘地点对应的换乘交通工具。

在具体实施中，在进行出行路线规划的时候，得到的出行路线信息中，所包括的换乘的交通工具可以只有自动驾驶车辆，这里要求自动驾驶车辆能够满足用户的出行需求。另外，出行路线信息中所包括的换乘的交通工具除了自动驾驶车辆以外，还可以包括如公交、地铁等公共交通出行工具，这样可以在自动驾驶车辆运力不足的情况下，或者绕开拥堵路段的时候，能够更好的提高乘客的出行质量。例如：乘客还需要换乘一次才能到达目的地，而乘坐自动驾驶车辆到达目的地会遇上堵车高峰，此时，那么调度系统会自动调取公共交通线路，并发现坐地铁可以更快捷地使乘客到达目的地，那么调度系统会向乘客反馈路况拥堵信息，并向乘客推荐乘坐地铁路线信息。

s103：基于出行路线信息，以及乘客的当前位置信息进行自动驾驶车辆调度。

在具体实施中，调度系统将出行路线信息发送给乘客后，可以是向乘客发送获取位置请求，乘客收到请求后，向调度系统发送乘客当前的位置信息，或者自动获取乘客的当前位置信息。乘客的当前位置信息时，可以是调度系统通过移动终端上设置的全球定位系统直接获取乘客的当前位置信息；也可以是乘客通过软件手动输入其当前的位置信息，通过wi-fi、2g/3g/4g等网络发送给调度系统。调度系统接收到乘客当前的位置信息后，根据出行路线信息对自动驾驶车辆进行调度。

基于出行路线信息，进行自动驾驶车辆调度，实际上是要在乘客到达换乘地点的时候，有自动驾驶车辆能够搭载乘客从当前换乘地点到达下一换乘地点。

具体地，为了避免乘客在到达换乘地点后等待的时间过久，影响乘客的出行体验，要使得调度的目标自动驾驶车辆在乘客到达换乘地点的预设时间内到达换乘地点，或则使得调度的目标驾驶车辆在乘客到达换乘地点之前就到达。

具体地，可以采用下述两种方式中任意一种对自动驾驶车辆进行调度：

其一：如图4所示，本申请实施例还提供一种自动驾驶车辆方法如该方法包括步骤s401-s404,具体如下：

s401：即时获取乘客的当前位置信息；

s402：根据当前位置信息以及出行路线信息，对乘客到达下一换乘地点的时间进行估计，获取乘客到达下一换乘地点的预估时间；

s403:检测预估时间是否小预设的时间阈值；若否：则跳转至s401；若是，则跳转至s404。

s404：在预估时间小于预设的时间阈值后，向满足驾驶条件的任一自动驾驶车辆发送调度信息。

在具体实施中，当调度系统规划得到出行路线信息后，并不是马上调度了所有换乘地点的自动驾驶车辆到达换乘地点，而是实时监测乘客的位置信息，进而预估乘客到达下一换乘地点的时间，调度系统设置有时间阈值，当预估时间小于时间阈值后，调度系统才会调度下一乘车地点所要使用的自动驾驶车辆，以根据当前自动驾驶车辆的状态，确定要调度的目标自动驾驶车辆，并通知目标驾驶车辆到达换乘地点，这样根据当前自动驾驶车辆的运力情况，实时进行自动驾驶车辆的调度，避免自动驾驶车辆运力的浪费，且是在乘客到达换乘地点之前就进行调度，使得自动驾驶车辆能够在乘客到达换乘地点之前，或者到达换乘地点某一时点内及时到达换乘地面，避免乘客等待过久的时间。

其二：如图5所示，本申请实施例还提供一种自动驾驶车辆调度方法，该方法包括步骤s501-s504,具体如下：

s501：即时获取乘客的当前位置信息；

s502：根据当前位置信息以及出行路线信息，计算乘客当前位置与下一换乘地点的距离，获得乘客当前位置与下一换乘地点的行驶距离；

s503:检测行驶距离是否小于预设的距离阈值；若否：则跳转至s501；若是，则跳转至s504。

s504：在行驶距离小于预设的距离阈值后，向满足驾驶条件的任一自动驾驶车辆发送调度信息。

在具体实施中，当调度系统规划得到出行路线信息后，并不是马上调度了所有换乘地点的自动驾驶车辆到达换乘地点，而是实时监测乘客的位置信息，进而计算乘客与下一换乘地点之间的距离，调度系统设置有距离阈值，当预估时间小于距离阈值后，调度系统才会调度下一乘车地点所要使用的自动驾驶车辆，以根据当前自动驾驶车辆的状态，确定要调度的目标自动驾驶车辆，并通知目标驾驶车辆到达换乘地点，这样根据当前自动驾驶车辆的运力情况，实时进行自动驾驶车辆的调度，避免自动驾驶车辆运力的浪费，且是在乘客到达换乘地点之前就进行调度，使得自动驾驶车辆能够在乘客到达换乘地点之前，或者到达换乘地点某一时点内及时到达换乘地面，避免乘客等待过久的时间。

本申请实施例提供的自动驾驶车辆调度方法，当调度系统接收到乘客发送的出行需求信息时，会结合预先训练的路线规划模型以及出行需求信息进行路线规划，得到出行路线信息，规划得到的出行路线信息包括了乘客出行过程中的乘车路线、换乘地点以及每一换乘地点对应的换乘交通工具，进而对应不同区域调度不同驾驶能力的自动驾驶车辆，利用多辆行驶能力不同的自动驾驶车辆分路段搭载用户，实现了用户的长距离出行需求。

本申请实施例提供一种自动驾驶车辆调度的方法中，出行路线信息有多组；

本申请实施例所提供的自动驾驶车辆调度方法还包括：将多组出行路线信息发送给乘客；

基于出行路线信息，以及乘客的当前位置信息进行自动驾驶车辆调度，具体包括：

当接收到乘客反馈的出行路线选择信息后，基于与出行路线选择信息对应的出行路线信息进行自动驾驶车辆调度。

在具体实施中，同一出行起点与终点一定会对应多条不同出行路线，因此，在路线规划的过程中，调度系统规划的路线有多条，其中，包括调度系统规划出的最优出行路线以及多条备选出行路线。当将规划的出行路线信息发送给乘客后，乘客会根据自己的需求选择最理想的出行路线，或者选择调度系统规划出的最优出行路线，当调度系统接收到乘客选择的出行路线后，根据出行路线对自动驾驶车辆进行调度。

目前城市道路交错纵横，且交通状况复杂多变，乘客在出行过程中，会会遇到各种突发状况，突发状况的发生使得原本规划的出行路线不再合理，如：上下班高峰期、雨雪天气、车祸事故等，或者下一换乘地点的自动驾驶车辆处于忙碌状态等，都会影响乘客的出行体验。为了避免这些突发状况影响乘客的出行体验，调度系统还会在乘客出行过程中周期性的对出行路线信息进行合理性检测，或者根据获取的突发状况的信息检测出行路线信息是否合理。

具体地，本申请实施例还提供一种自动驾驶车辆调度的方法，包括：

基于出行路线信息、乘客的当前位置信息以及当前路况信息，对出行路线信息进行合理性检测；

若合理性检测的结果为不合理，则以乘客的当前位置信息为起点，以出行需求信息携带的终点为终点，以当前时间为乘车时间，重新进行出行路线规划，生成新的出行路线信息；

将新的出行路线信息发送给乘客；

当接收到乘客对新的出行路线信息的确认信息后，基于新的出行路线信息重新进行自动驾驶车辆调度。

在具体实现的时候，根据出行路线信息、乘客的当前位置信息以及当前路况信息，调度系统会实时检测出行路线信息的合理性，例如：检测在出行路线信息的某区域路段是否存在堵车状态，或者在乘客到达下一换乘地点时，能否调度满足乘客需求的自动驾驶车辆，当检测到某区域路段存在堵车状态，或者在乘客到达下一换乘地点时，无法调度满足乘客出行需求的自动驾驶车辆，则本次出行路线信息已经不合理。又例如：调度系统检测到在出行路线的某区域路段发生车祸，造成堵车，而在此路段行驶会严重耽误乘客的时间，此时调度系统会重新检测路况，并以当前乘客的位置为起点，出行需求信息携带的终点为终点，以当前时间为乘车时间，重新进行出行路线规划，生成新的出行路线信息，并发送给乘客。

在进行出行路线规划的时候，得到的出行路线信息中，所包括的换乘的交通工具可以只有自动驾驶车辆，这里要求自动驾驶车辆能够满足用户的出行需求。另外，出行路线信息中所包括的换乘的交通工具除了自动驾驶车辆以外，还可以包括如公交、地铁等公共交通出行工具，这样可以在自动驾驶车辆运力不足的情况下，或者绕开拥堵路段的时候，能够更好的提高乘客的出行质量。例如，当前自动驾驶车辆处于忙碌状态，而乘客还未到达目的地，此时，那么调度系统会自动调取公共交通状况，并发现做地铁可以更快捷地使乘客到达目的地，那么调度系统会向乘客反馈路况拥堵信息，并向乘客推荐乘坐地铁路线信息。

在上述方法调度过程中，所调度的自动驾驶车辆包括空闲的自动驾驶车辆，也包括自动驾驶车辆处于使用状态，也即：车中有其他乘客，但是，其也能满足乘客的乘车需求。例如：调度系统在乘客的当前换乘地点到达下一换乘地点调度车辆过程中，有一台已经被其他乘客预约，与此乘客的出发地与目的地一致，则此时，调度系统会首先调度能够与其他乘客同时公用一台自动驾驶车辆同时能够满足乘客出行需求的车辆。

由于自动驾驶车辆行驶过程中遇到的交通状况不尽相同，调度系统需要不断的对预先训练得到路线规划模型进行优化，因此，在乘客到达目的地后，本次乘客的出行路线信息将会反馈给调度系统，来优化预先训练得到路线规划模型。

基于同一发明构思，本申请实施例中还提供了与自动驾驶车辆调度方法对应的自动驾驶车辆调度装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述自动驾驶车辆调度方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

参见图6所示，本申请实施例提供一种自动驾驶车辆调度装置，包括：

信息获取模块61，用于获取乘客的出行需求信息，乘客的出行需求信息包括乘车的起点、终点以及乘车时间；

规划模块62，用于基于预先训练得到的路线规划模型，并根据出行需求信息、乘车时间对应的天气信息、乘车时间对应的实际路况或者预估路况，以及乘车时刻对应的自动驾驶车辆的状态信息，进行出行路线规划，生成出行路线信息；出行路线信息携带有乘车路线、换乘地点以及与每个换乘地点对应的换乘交通工具；

调度模块63，用于基于出行路线信息，以及乘客的当前位置信息进行自动驾驶车辆调度。

本申请提供的自动驾驶车辆调度装置，根据接收到的乘客发送的乘车需求信息，基于预先训练的路线规划模型进行路线规划，得到出行路线信息，规划得到的出行路线信息包括了乘客出行过程中的乘车路线、换乘地点以及每一换乘地点对应的换乘交通工具，进而对应不同区域调度不同驾驶能力的自动驾驶车辆，利用多辆行驶能力不同的自动驾驶车辆分路段搭载用户，实现了用户的长距离出行需求。

可选地，还包括模型训练模块，用于将出行起点、出行终点以及出行时间、与出行时间对应的天气信息、路况信息、自动驾驶车辆的状态作为解释变量，将路线规划结果作为被解释变量，构建路线规划模型；

使用多组训练集数据对构建的路线规划模型进行训练。

可选地，训练模块具体用于通过下述步骤使用多组训练集数据对构建的路线规划模型进行训练：

获取多组训练集数据；每组训练集数据均解释变量对应的解释变量值，以及被解释变量对应的被解释变量值；

将多组使用路线规划模型对多组训练集数据进行学习，获取每组训练集数据对应的第二线路规划结果；

根据第一路线规划结果和第二路线规划结果之间的比对结果，对路线规划模型进行参数调整，获得路线规划模型。

可选地，训练模块具体用于通过下述步骤据第一路线规划结果和第二路线规划结果之间的比对结果，对路线规划模型进行参数调整：

执行下述比对操作，直至第一路线规划结果和第二路线规划结果完全一致；

比对操作包括：

将第一路线规划结果和第二路线规划结果进行比对；

若第一路线规划结果和第二路线规划结果不一致，则调整路线规划模型的参数；

基于调整参数后的路线规划模型重新获取训练集数据的第二路线规划结果，并基于重新获取的第二路线规划结果再次执行比对操作。

可选地，出行路线信息有多组，装置还包括：发送模块，用于将多组出行路线信息发送给乘客；

基于出行路线信息，以及乘客的当前位置信息进行自动驾驶车辆调度，具体包括：

当接收到乘客反馈的出行路线选择信息后，基于与出行路线选择信息对应的出行路线信息进行自动驾驶车辆调度。

可选地，调度模块还用于根据下述步骤基于出行路线信息，以及乘客的当前位置信息进行自动驾驶车辆调度：

即时获取乘客的当前位置信息；

根据当前位置信息以及出行路线信息，对乘客到达下一换乘地点的时间进行估计，获取乘客到达下一换乘地点的预估时间；下一换乘地点对应的换乘交通工具为自动驾驶车辆；

检测预估时间是否小预设的时间阈值；

在预估时间小于预设的时间阈值后，向满足驾驶条件的任一自动驾驶车辆发送调度信息；调度信息用于指示任一自动驾驶车辆到达下一换乘地点。

可选地，调度模块还用于根据下述步骤基于出行路线信息，以及乘客的当前位置信息进行自动驾驶车辆调度：

即时获取乘客的当前位置信息；

根据当前位置信息以及出行路线信息，计算乘客当前位置与下一换乘地点的距离，获得乘客当前位置与下一换乘地点的行驶距离；下一换乘地点对应的换乘交通工具为自动驾驶车辆；

检测行驶距离是否小于预设的距离阈值；

在行驶距离小于预设的距离阈值后，向满足驾驶条件的任一自动驾驶车辆发送调度信息；调度信息用于指示任一自动驾驶车辆到达下一换乘地点。

可选地，还包括检测模块，用于基于出行路线信息、乘客的当前位置信息以及当前路况信息，对出行路线信息进行合理性检测；

若合理性检测的结果为不合理，则以乘客的当前位置信息为起点，以出行需求信息携带的终点为终点，以当前时间为乘车时间，重新进行出行路线规划，生成新的出行路线信息；

将新的出行路线信息发送给乘客；

当接收到乘客对新的出行路线信息的确认信息后，基于新的出行路线信息重新进行自动驾驶车辆调度。

对应于图1中的自动驾驶车辆调度方法，本申请实施例还提供了一种计算机设备70，如图7所示，该设备包括存储器71、处理器72及存储在该存储器71上并可在该处理器72上运行的计算机程序，其中，上述处理器72执行上述计算机程序时实现上述自动驾驶车辆调度的步骤。

具体地，上述存储器71和处理器72能够为通用的存储器71和处理器72，这里不做具体限定，当处理器72运行存储器71存储的计算机程序时，能够执行上述自动驾驶车辆调度方法，从而解决自动驾驶车辆能够在差异化和异构化的条件下，完成长距离的出行任务。

对应于图1中的自动驾驶车辆调度的方法，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器72运行时执行上述自动驾驶车辆调度方法的步骤。

具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述自动驾驶车辆调度方法，从而解决自动驾驶车辆能够在差异化和异构化的条件下，完成长距离的出行任务。

本申请实施例所提供的进行自动驾驶车辆调度方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，在此不再赘述。

本申请实施例所提供的自动驾驶车辆调度装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。