DE112018007119T5 - Optimieren und vorhersagen der verfügbarkeit von ressourcen in einer umgebung zur gemeinsamen fahrradnutzung - Google Patents

Optimieren und vorhersagen der verfügbarkeit von ressourcen in einer umgebung zur gemeinsamen fahrradnutzung Download PDF

Info

Publication number
DE112018007119T5
DE112018007119T5 DE112018007119.7T DE112018007119T DE112018007119T5 DE 112018007119 T5 DE112018007119 T5 DE 112018007119T5 DE 112018007119 T DE112018007119 T DE 112018007119T DE 112018007119 T5 DE112018007119 T5 DE 112018007119T5
Authority
DE
Germany
Prior art keywords
location
time
resource availability
user
bicycle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE112018007119.7T
Other languages
English (en)
Inventor
Jamel Seagraves
Chih-Wei Tang
Sudipto Aich
Beaudry Kock
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ford Motor Co
Original Assignee
Ford Motor Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ford Motor Co filed Critical Ford Motor Co
Publication of DE112018007119T5 publication Critical patent/DE112018007119T5/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62H—CYCLE STANDS; SUPPORTS OR HOLDERS FOR PARKING OR STORING CYCLES; APPLIANCES PREVENTING OR INDICATING UNAUTHORIZED USE OR THEFT OF CYCLES; LOCKS INTEGRAL WITH CYCLES; DEVICES FOR LEARNING TO RIDE CYCLES
    • B62H3/00—Separate supports or holders for parking or storing cycles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62H—CYCLE STANDS; SUPPORTS OR HOLDERS FOR PARKING OR STORING CYCLES; APPLIANCES PREVENTING OR INDICATING UNAUTHORIZED USE OR THEFT OF CYCLES; LOCKS INTEGRAL WITH CYCLES; DEVICES FOR LEARNING TO RIDE CYCLES
    • B62H5/00—Appliances preventing or indicating unauthorised use or theft of cycles; Locks integral with cycles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q2240/00—Transportation facility access, e.g. fares, tolls or parking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0645—Rental transactions; Leasing transactions

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Remote Sensing (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Evolutionary Computation (AREA)
  • Mechanical Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Educational Administration (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Ein intelligentes System zur gemeinsamen Fahrradnutzung oder ein anderes System zur gemeinsamen Fahrzeugnutzung ist in der Lage, basierend auf Verlaufsdaten, einschließlich verschiedener Nutzungsstatistiken, hilfreiche Vorhersagen zur Fahrradverfügbarkeit bereitzustellen. Verlaufsdaten können im Zeitverlauf erhoben werden, während Benutzer das System zur gemeinsamen Fahrradnutzung verwenden. Die Verlaufsdaten können beispielsweise die Anzahl der verfügbaren Fahrräder an verschiedenen Standorten und zu verschiedenen Zeiten sowie Kontextdaten in Verbindung mit den Standorten und Zeiten beinhalten. Kontextdaten können u. a. Daten in Bezug auf das Wetter, lokale Ereignisse, die Jahreszeit, den Wochentag, das Datum oder Nachrichtenereignisse sein, neben anderen äußeren Faktoren, welche sich auf die Fahrradnutzung auswirken können oder nicht. In einigen Ausführungsformen kann ein Modell wie bspw. ein Modell maschinellen Lernens (z. B. ein neuronales Netzwerk) anhand der Verlaufsdaten als Trainingsdaten trainiert werden, sodass das Modell die Fahrradverfügbarkeit für eine bestimmte zukünftige Zeit und einen bestimmten Standort vorhersagen kann.

Description

  • ALLGEMEINER STAND DER TECHNIK
  • Mit der steigenden Komplexität der Städte und dem anhaltenden Wachstum der Bevölkerung, die immer mobiler wird, steigt die Nachfrage nach Transportmöglichkeiten und der dazu gehörigen Infrastruktur. Dadurch, dass die Lebensstile immer dynamischer werden, nehmen die Verbindungen zwischen Menschen und Orten stärker zu als je zuvor. Aus verschiedenen Gründen, etwa wegen der Arbeit, sozialer Kontakte und für Freizeitaktivitäten, müssen sich Menschen oftmals innerhalb von Städten und zwischen ihnen fortbewegen. Zudem können die Häufigkeit und Planung von Fahrten stark variieren; so kann es sich um das tägliche Pendeln, ein geplantes Ereignis oder einen spontanen Ausflug handeln. Unabhängig von der Entfernung, dem Ziel oder der Reisezeit erwarten die Menschen, dass sie die Freiheit haben, sich fortzubewegen und zur gewünschten Zeit am gewünschten Ort zu sein. Somit sind Transport- und Mobilitätssysteme von essentieller Bedeutung, um einen derartigen Lebensstil möglich zu machen. In städtischen wie auch vorstädtischen Gebieten sind Programme zur gemeinsamen Nutzung von Beförderungsmitteln wie bspw. Programme zur gemeinsamen Nutzung von Fahrrädern alltäglich geworden. Derartige Programme stellen im Wesentlichen einen Dienst bereit, mit dessen Hilfe Fahrräder zur gemeinsamen Nutzung auf kurzfristiger Basis, etwa zur Miete oder zum Ausleihen, für Einzelpersonen bereitgestellt werden. Dabei gehen herkömmliche Systeme zur gemeinsamen Fahrradnutzung mit diversen Nachteilen einher, die zu einer suboptimalen Benutzererfahrung und suboptimalen Nutzungseffizienz führen. Beispielsweise ist es für Benutzer unter Umständen schwierig, zu wissen, ob zu einer bestimmten Zeit und an einem bestimmten Standort Fahrräder verfügbar sein werden. Die Situation kann eintreten, wenn ein Benutzer plant, ein Fahrrad an einer bestimmten Fahrradstation auszuleihen, um bei Ankunft an der Fahrradstation festzustellen, dass dort alle Fahrräder abgemeldet wurden. Dadurch haben Benutzer kaum Planungssicherheit für ihre Fahrten.
  • Figurenliste
  • Verschiedene Ausführungsformen gemäß der vorliegenden Offenbarung werden unter Bezugnahme auf die Zeichnungen beschrieben, in denen:
    • 1 ein beispielhaftes Transportumfeld darstellt, in dem die vorliegenden Systeme und Verfahren umgesetzt werden können.
    • 2 ein Beispiel für ein intelligentes System zur gemeinsamen Fahrradnutzung mit stationsbasierter Intelligenz gemäß verschiedenen Ausführungsformen der vorliegenden Offenbarung darstellt.
    • 3 ein Beispiel für ein intelligentes System zur gemeinsamen Fahrradnutzung mit fahrradbasierter Intelligenz gemäß verschiedenen Ausführungsformen der vorliegenden Offenbarung darstellt.
    • 4 eine beispielhafte Benutzerschnittstelle auf einer Benutzervorrichtung zum Optimieren und Vorhersagen der Fahrzeugverfügbarkeit gemäß verschiedenen Ausführungsformen darstellt.
    • 5 eine beispielhafte Benutzerschnittstelle zum Optimieren und Vorhersagen der Andockplatzverfügbarkeit gemäß verschiedenen Ausführungsformen darstellt.
    • 6 ein Schema einer beispielhaften Systemimplementierung zum Bereitstellen von Vorhersagen zur Ressourcenverfügbarkeit für eine Umgebung zur gemeinsamen Fahrzeugnutzung gemäß verschiedenen Ausführungsformen darstellt.
    • 7 einen beispielhaften Ablauf zum Vorhersagen der Verfügbarkeit einer Ressource in einer Umgebung zur gemeinsamen Fahrzeugnutzung gemäß verschiedenen Ausführungsformen der vorliegenden Offenbarung darstellt.
    • 8 einen beispielhaften Ablauf zum Vorhersagen und Aktualisieren der Verfügbarkeit einer Ressource in einer Umgebung zur gemeinsamen Fahrzeugnutzung gemäß verschiedenen Ausführungsformen der vorliegenden Offenbarung darstellt.
    • 9 einen Satz Grundkomponenten einer oder mehrerer Vorrichtungen der vorliegenden Offenbarung gemäß verschiedenen Ausführungsformen der vorliegenden Offenbarung darstellt.
  • DETAILLIERTE BESCHREIBUNG
  • In der folgenden Beschreibung werden verschiedene Ausführungsformen beschrieben. Zu Erläuterungszwecken werden konkrete Konfigurationen und Details dargelegt, um ein umfassendes Verständnis der Ausführungsformen bereitzustellen. Für den Fachmann ist dabei aber auch ersichtlich, dass die Ausführungsformen ohne die konkreten Details umgesetzt werden können. Ferner können allgemein bekannte Merkmale weggelassen oder vereinfacht dargestellt sein, um die jeweils beschriebene Ausführungsform nicht mit Details zu überladen.
  • Systeme und Verfahren gemäß verschiedenen Ausführungsformen der vorliegenden Offenbarung können einen oder mehrere der vorgenannten und andere Mängel überwinden, die bei herkömmlichen Ansätzen zur gemeinsamen Nutzung von Fahrzeugen anzutreffen sind. Insbesondere ermöglichen verschiedene Ausführungsformen ein Vorhersagen der Verfügbarkeit von Fahrzeugen oder Andockplätzen in einer Umgebung zur gemeinsamen Fahrzeugnutzung und ein Verwenden derartiger Vorhersagen, um Empfehlungen abzugeben oder die Nutzererfahrung und Verwendung der Umgebung zur gemeinsamen Fahrzeugnutzung anderweitig zu optimieren.
  • Ein intelligentes System zur gemeinsamen Fahrradnutzung oder ein anderes System zur gemeinsamen Fahrzeugnutzung ist in der Lage, basierend auf Verlaufsdaten, einschließlich verschiedener Nutzungsstatistiken, hilfreiche Vorhersagen zur Fahrradverfügbarkeit bereitzustellen. Verlaufsdaten können im Zeitverlauf erhoben werden, während Benutzer das System zur gemeinsamen Fahrradnutzung verwenden. Die Verlaufsdaten können beispielsweise die Anzahl der verfügbaren Fahrräder an verschiedenen Standorten und zu verschiedenen Zeiten sowie Kontextdaten in Verbindung mit den Standorten und Zeiten beinhalten. Kontextdaten können u. a. Daten in Bezug auf das Wetter, lokale Ereignisse, die Jahreszeit, den Wochentag oder das Datum oder Nachrichtenereignisse sein, neben anderen äußeren Faktoren, welche sich direkt oder indirekt auf die Fahrradnutzung auswirken können. In einigen Ausführungsformen kann ein Modell wie bspw. ein Modell maschinellen Lernens (z. B. ein neuronales Netzwerk) unter Verwendung der Verlaufsdaten als Trainingsdaten trainiert werden, sodass das Modell die Fahrradverfügbarkeit für eine bestimmte zukünftige Zeit und einen bestimmten Standort vorhersagen kann. In verschiedenen Ausführungsformen kann die Vorhersage der Fahrradverfügbarkeit anhand zusätzlicher Datentypen bestimmt werden, etwa der momentanen Verfügbarkeit und der momentanen Benutzernachfrage.
  • In verschiedenen Ausführungsformen kann ein Benutzer unter Verwendung einer Benutzervorrichtung (z. B. eines Smartphones) eine Vorhersage der Fahrradverfügbarkeit für eine bestimmte Zeit und an einem bestimmten Standort anfordern. Nach dem Empfangen der Anforderung können die Zeit und der Standort anhand eines trainierten Modells verarbeitet werden, um die Vorhersage der Fahrradverfügbarkeit für diese Zeit und diesen Standort zu bestimmen. Die Vorhersage der Fahrradverfügbarkeit kann weiter verarbeitet und dem Benutzer in einer Vielzahl von Formen präsentiert werden. So kann die Vorhersage der Fahrradverfügbarkeit zum Beispiel als Wahrscheinlichkeit dessen dargestellt werden, dass zur betreffenden Zeit und am betreffenden Standort mindestens ein Fahrrad verfügbar ist. In einem anderen Beispiel kann die Vorhersage der Fahrradverfügbarkeit als geschätzte Anzahl der Fahrräder dargestellt werden, die zur betreffenden Zeit und am betreffenden Standort verfügbar sein wird. Des Weiteren kann in verschiedenen Ausführungsformen eine Empfehlung an den Benutzer abgegeben werden, damit er seine Chance, ein Fahrrad zu reservieren, optimieren kann. Wenn zum Beispiel die Vorhersage der Fahrradverfügbarkeit für die angeforderte Zeit und den angeforderten Standort relativ niedrig oder ungünstig ist, kann die Empfehlung einen Vorschlag für eine andere Zeit (z. B. 20 Minuten später als zur ursprünglich angeforderten Zeit) oder einen anderen Standort (nahegelegenen Standort) beinhalten, für die bzw. den die Verfügbarkeitsvorhersage günstiger ist. In verschiedenen Ausführungsformen kann das System zur gemeinsamen Fahrradnutzung auch eine begrenzte Anzahl an Andockplätzen beinhalten. Somit ist das System zur gemeinsamen Fahrradnutzung auch in der Lage, die Verfügbarkeit von Abstellplätzen basierend auf Verlaufsdaten vorherzusagen und Empfehlungen unter Verwendung ähnlicher Techniken wie jener bereitzustellen, die vorstehend in Bezug auf das Vorhersagen der Verfügbarkeit von Fahrrädern beschrieben wurden.
  • In der vorliegenden Offenbarung veranschaulichte Beispiele beschreiben zwar ein System zur gemeinsamen Fahrradnutzung, doch sind die vorliegend bereitgestellten Systeme und Verfahren auf jede Art von Fahrzeug- oder Mobilitätsressourcen anwendbar, unter vielen anderen bspw. auf Pkw, Flugzeuge, Boote, Wagen, Roller, Motorräder oder Motorroller, Schlittschuhe oder Hoverboards.
  • Verschiedene andere Merkmale und Anwendungen können auf der Grundlage der vorbeschriebenen Technologie und der gegenwärtig offenbarten Techniken implementiert werden und diese somit praktisch umsetzen. Dementsprechend verbessern Herangehensweisen gemäß verschiedenen Ausführungsformen die Technologie von Systemen zur gemeinsamen Fahrradnutzung. Eine traditionelle Technologie zur gemeinsamen Nutzung von Fahrrädern beinhaltet Mechanismen zum Abmelden (z. B. Entriegeln) von Fahrrädern von Andockstationen basierend auf einer Benutzerauthentifizierung oder Zahlungsauthentifizierung. Die vorliegende Offenbarung stellt ein intelligentes vernetztes System zur gemeinsamen Fahrradnutzung bereit, das mit spezialisierten Sensoren, Netzwerkschnittstellenvorrichtungen und anderen Elektronikelementen ausgestattet ist, die Benutzer dazu befähigen, aktuelle Informationen und sogar zukünftige Verfügbarkeitsvorhersagen zu empfangen, die sie dazu befähigen können, ihre Fahrt besser zu planen. Verschiedene andere Anwendungen, Abläufe und Verwendungen werden nachstehend in Bezug auf die verschiedenen Ausführungsformen vorgestellt, von denen jede den Betrieb und die Leistung der Rechenvorrichtung(en) verbessert, in der bzw. denen sie umgesetzt werden.
  • 1 stellt ein beispielhaftes Transportumfeld 100, in dem die vorliegenden Systeme und Verfahren umgesetzt werden können, gemäß verschiedenen Ausführungsformen dar. Wie in 1 dargestellt, können in verschiedenen Städten viele Transport- und Mobilitätsarten verfügbar sein, was oftmals von bestimmten Merkmalen der Stadt wie der Bevölkerungsgröße und -dichte, Bevölkerungsverteilung, dem Gelände und anderen abhängig ist. Einige Beispiele für Transport- und Mobilitätsarten können u. a. Fahrzeuge 102 in persönlichem Besitz, öffentliche Verkehrssysteme wie Busse 104 und Züge 106, die gemeinsame Nutzung von Fahrrädern 108 und Gehen 110 sein. Städte können häufig eine primäre Transportart oder eine Kombination mehrerer Transportarten haben.
  • Beispielsweise können personengebundene Autos im Privatbesitz ein primäres Transportmittel in weitläufigen Städten sein, in denen die Bevölkerung verhältnismäßig eher weniger dicht ist. Aufgrund der geringen Nutzungseffizienz haben derartige Städte tendenziell ein weniger entwickeltes öffentliches Transportsystem (z. B. Busse, Nahverkehrszüge) aufzuweisen. Beispielsweise kann es sein, dass die Kosten für die Entwicklung, Instandhaltung und den Betrieb derartiger Systeme den Nutzen überwiegen, den sie der Gemeinde bieten. Da relevante Ziele eventuell weiter voneinander entfernt sind, kann es in solchen Städten sein, dass auch Gehen und Fahrradfahren weniger gebräuchlich sind. Aus diesem Grund ist die Bevölkerung in solchen Städten stark auf personengebundene Autos angewiesen. Es kann allerdings bestimmte Zeiten oder Orte geben, die aufgrund der Anzahl der Autos auf der Straße oder in dem Bereich zu Verkehrsstau neigen, wie etwa während der typischen Pendlerzeiten, die auch als „Hauptverkehrszeit“ bezeichnet werden, und wenn es besondere Ereignisse gibt, wegen derer sich große Menschengruppen in einem kleinen Gebiet versammeln, etwa für ein Konzert oder eine Sportveranstaltung. Darüber hinaus werden einzelne Autos selten bei voller Kapazität verwendet, insbesondere wenn sie für Arbeitswege verwendet werden, was zu Effizienzverlusten sowohl hinsichtlich des Platzes als auch der Energie führt.
  • Umgekehrt weisen dicht besiedelte Städte tendenziell eine multimodale Mobilitätslandschaft auf. Beispielsweise weisen dichtbesiedelte Städte zusätzlich zu personengebundenen Autos tendenziell ein besser etabliertes öffentliches Transportsystem auf und die Bevölkerung greift tendenziell stärker auf öffentliche Verkehrsmittel zurück. Es ist wahrscheinlich, dass Ziele (z. B. Büros, Wohnstätten, Restaurants) näher beieinander liegen und dass mehr Menschen in der Nähe von Bushaltestellen, U-Bahn-Stationen usw. wohnen, was ein solches Transportmittel nützlich und praktisch macht. Für den öffentlichen Verkehr gibt es herkömmlicherweise jedoch feste Fahrpläne und feste Fahrtstrecken und feste Abhol-/Absetzorte. Dies bedeutet, dass Personen derartige Faktoren in ihre Planungen einbeziehen müssen, wozu die Planung ihrer Zeitpläne, das Bestimmen, welche Ziele gut zu erreichen sind und sogar, wo sie wohnen möchten, gehört. So fahren einige Busse zum Beispiel nur während bestimmter Betriebszeiten und sind daher außerhalb dieser Betriebszeiten als Option nicht verfügbar. Die fehlende Flexibilität herkömmlicher Transportmöglichkeiten wirkt sich auch auf die Nutzung von Unternehmen und Immobilien aus. Zum Beispiel können Unternehmen, die sich in der Nähe von U-Bahn-Stationen oder anderen Zugangspunkten für öffentliche Verkehrsmittel befinden, aufgrund der guten Erreichbarkeit mehr Laufkundschaft oder allgemein mehr Kundschaft haben. Gleichermaßen können Wohngebäude, die sich in der Nähe solcher Zugangspunkte für öffentliche Verkehrsmittel befinden, zumindest für einige wünschenswerter sein. Tatsächlich kann es sein, dass die Starrheit des herkömmlichen Transportwesens in Verbindung mit der Abhängigkeit der Bevölkerung davon dazu führt, dass sich in diesen dicht besiedelten Städten noch mehr Zusammenballungen um diese Zugangspunkte bilden und der Raum in der Stadt nicht gleichmäßig genutzt wird. Nahverkehrszüge stellen ein Mittel zur Fortbewegung innerhalb von und zwischen verschiedenen Städten bereit und sind in und zwischen Städten mit Bevölkerungen vorherrschend, die evtl. in einer Stadt leben und in einer anderen Stadt arbeiten oder deren Bevölkerung anderweitig häufig zwischen den Städten reisen. Wie andere Formen des herkömmlichen öffentlichen Verkehrs fahren Nahverkehrszüge typischerweise aber auch nach einem festgelegten Zeitplan und halten an festgelegten Haltestellen.
  • Dicht bevölkerte Städte können auch fußgängerfreundlicher sein, da Ziele oftmals innerhalb einer kurzen, fußläufigen Entfernung liegen. Gehen stellt zudem die zusätzlichen Vorteile der Unabhängigkeit, Energieeinsparung und des Fitnesszugewinns bereit. Im Hinblick auf die Sicherheit und Zugänglichkeit für Fußgänger können Städte und Viertel allerdings stark voneinander abweichen. Beispielsweise können gekennzeichnete Bürgersteige und andere gepflasterte Fußgängerwege eine bessere Umgebung für Fußgänger bereitstellen, weshalb dann mehr Menschen das Gehen als praktische Fortbewegungsart betrachten können. Außerdem können auch Fußgänger vom Wetter beeinflusst sein. Beispielsweise kann schlechtes Wetter das Gehen manchmal selbst für eine kurze Strecke unmöglich machen. Des Weiteren kann es andere Umstände geben, die das Gehen besonders schwierig machen, neben anderen Situationen bspw., wenn eine Person große oder schwere Gegenstände oder unbequeme Schuhe trägt oder das Ziel weiter entfernt ist. Obwohl das Gehen bei bestimmten Arten von Umgebungen eine verfügbare Mobilitätsform sein kann, kann es daher schwierig sein, jederzeit darauf angewiesen zu sein. Ähnlich wie beim Gehen stellen Fahrräder eine Alternative bereit, die es Menschen ermöglicht, sich relativ unabhängig fortzubewegen und zugleich Energie zu sparen und Vorteile hinsichtlich der Fitness zu erzielen. Es kann jedoch sein, dass Menschen keinen Platz zum Aufbewahren eines Fahrrads haben oder Fahrräder nicht häufig genug verwenden, als dass sich der Besitz davon lohnen würde. Die gemeinsame Nutzung von Fahrrädern ist zu einem beliebten Mittel geworden, um einen bedarfsgerechten gemeinsamen Zugang zu Fahrrädern bereitzustellen. Zum Beispiel, wie in 1 dargestellt, kann ein Benutzer ein Fahrrad für eine bestimmte Fahrt an einer Fahrradstation mieten oder es sich ausleihen und das Fahrrad am Ziel an einer anderen Fahrradstation abgeben oder es bei Rückkehr von der Fahrt zur ursprünglichen Fahrradstation zurückbringen.
  • Durch das Bevölkerungswachstum und dadurch, dass die Lebensstile immer dynamischer werden, nehmen die Verbindungen zwischen Menschen und Orten stärker zu als je zuvor. Aus verschiedenen Gründen, etwa wegen der Arbeit, sozialer Kontakte oder für Freizeitaktivitäten, müssen sich Menschen oftmals in und zwischen Städten fortbewegen. Derartige Wege können hinsichtlich der Entfernung stark variieren, wie etwa einige Häuserblöcke, von einem Ende der Stadt zum anderen, quer durchs Land oder sogar bis ins Ausland. Die Häufigkeit und Planung der Wege können ebenfalls stark variieren; bspw. kann es sich um tägliche Pendelfahrten, ein geplantes Ereignis und spontane Ausflüge handeln. Unabhängig von der Entfernung, dem Ziel oder der Wegezeit erwarten die Menschen, dass sie die Freiheit haben, sich fortzubewegen und zu einer gewünschten Zeit am von ihnen gewünschten Ort zu sein. Somit sind Transport- und Mobilitätssysteme von essentieller Bedeutung, um einen derartigen Lebensstil möglich zu machen. Herkömmliche Mobilitätsmittel stellen weitgehend jedoch veraltete Systeme dar, die möglicherweise nicht mehr dazu geeignet sind, die Notwendigkeiten gegenwärtiger und zukünftiger Städte und die Bedürfnisse von deren Bevölkerung zu erfüllen. Mit der steigenden Vernetzung zwischen Menschen kann es zum Beispiel häufig ein erhöhtes Verkehrsaufkommen in bestimmten Gebieten geben; dies liegt bspw. an großen Versammlungen wie für organisierte Veranstaltungen oder an spontanen Versammlungen, die sich über die soziale Medien schnell bilden können, neben anderen Phänomenen, durch die sich moderne Gesellschaften auszeichnen. Transportsysteme und -modalitäten müssen robust genug sein, um die sich ändernden Anforderungen bewältigen zu können; die bestehenden Infrastrukturen sind neu zu definieren, wobei man jedoch mit deren Beschränkungen umgehen muss. Dabei wird mit zunehmender Bevölkerungszahl allerdings mehr Land für den Bau von Wohn-, Bürogebäuden und Verkaufsflächen nutzbar gemacht, um den Bedarf der anwachsenden Bevölkerung zu decken. Dies macht zusätzliche Transportmöglichkeiten notwendig, um die Mobilität der Bevölkerung fördern, wobei aber weniger Raum für den Transport verfügbar ist. Beispielsweise kann es sein, dass weniger Platz zum Parken verfügbar ist, die Anzahl der Autos aber dennoch steigt. Derartige Ressourcenbeschränkungen bedeuten, dass Transport- und Mobilitätstechnologien für eine erhöhte Effizienz konzipiert und innovationsreich entwickelt werden müssen, um dynamische Dienstleistungen bereitzustellen, welche den Bedarf der gegenwärtigen und zukünftigen Bevölkerung decken, und zugleich die dafür erforderlichen Ressourcen zu reduzieren.
  • Die vorliegende Offenbarung betrifft eine Technologie für Systeme zur gemeinsamen Fahrradnutzung sowie andere Systeme zur gemeinsamen Fahrzeugnutzung. Bestehende System zur gemeinsamen Fahrradnutzung 108 beinhalten typischerweise eine Station 112, die eine Vielzahl von Fahrrädern 114 fasst. Ein Benutzer kann mit einem Ausleihterminal 116 an der Station 112 interagieren, um eines der verfügbaren Fahrräder 114, falls vorhanden, zu mieten oder auszuleihen. Beispielsweise kann der Benutzer eine Karte (z. B. eine Kreditkarte, Mitgliedskarte, einen Ausweis) durchziehen, um ein Fahrrad zu entriegeln. Wenn ein Benutzer dagegen mit der Verwendung eines Fahrrads fertig ist, kann er das Fahrrad zurückbringen, indem er das Fahrrad wieder an einer Station andockt. Dabei können jedoch Situationen entstehen, in denen ein Benutzer mit der Absicht an einer Fahrradstation ankommt, ein Fahrrad zu bekommen, um festzustellen, dass dort keine Fahrräder verfügbar sind, was seine Pläne durcheinanderwirft. Dem ähnlich möchte ein Benutzer sein Fahrrad eventuell zu einer Station zurückbringen, wenn er am Ziel ankommt, stellt jedoch fest, dass die Station voll ist und keine Andockplätze verfügbar sind. Folglich muss der Benutzer möglicherweise eine andere Station finden, die eventuell weiter entfernt ist, ohne dabei zu wissen, ob an dieser Station Andockstellen verfügbar sind. Verschiedene Ausführungsformen der vorliegenden Erfindung stellen ein intelligentes System zur gemeinsamen Fahrradnutzung zum Optimieren und Vorhersagen der Verfügbarkeit von Fahrzeugen oder Andockplätzen in einer Umgebung zur gemeinsamen Fahrzeugnutzung und zum Verwenden derartiger Vorhersagen, um Empfehlungen abzugeben oder die Benutzererfahrung und Verwendung der Umgebung zur gemeinsamen Fahrzeugnutzung anderweitig zu optimieren.
  • 2 stellt ein Beispiel für ein intelligentes System 200 zur gemeinsamen Fahrradnutzung mit stationsbasierter Intelligenz gemäß verschiedenen Ausführungsformen dar. Ein intelligentes System 200 zur gemeinsamen Fahrradnutzung kann eine Vielzahl von Stationen 202 zur gemeinsamen Fahrradnutzung beinhalten, die sich an unterschiedlichen geografischen Standorten wie bspw. verschiedenen Teilen eines Viertels, einer Stadt oder über mehrere Regionen im ganzen Land verteilt befinden. Die Fahrradstationen sind mit einem oder mehreren Netzwerken 204 verbunden, etwa dem Internet, einem Mobilfunknetzwerk, einem lokalen Netzwerk (LAN), einem Ethernet, Wi-Fi oder einem dedizierten Netzwerk, neben anderen derartigen Optionen. Die Stationen 202 zur gemeinsamen Fahrradnutzung können verschiedene Daten zur Fahrradnutzung und andere Parameter, die mit jeweiligen Stationen verbunden sind, erheben. Derartige Daten, die von der Vielzahl von Fahrradstationen erhoben werden, können zusammen mit entsprechenden Metadaten durch einen Rechenserver 214 verwendet werden, um verschiedene Nutzungsstatistiken, -muster und andere Erkenntnisse zu bestimmen, die zum Optimieren des intelligenten Systems 200 zur gemeinsamen Fahrradnutzung verwendet werden können. Benutzervorrichtungen 216 wie bspw. Smartphones, Tablets, Wearables (z. B. Datenuhren, Datenbrillen, Datenringe usw.), Personal Computer und dergleichen, können über das eine oder die mehreren Netzwerke 204 kommunikativ mit einzelnen Fahrradstationen 202 und/oder dem Rechenserver 214 verbunden sein, was es Benutzern ermöglicht, Eingabeinformationen bereitzustellen und Ausgabeinformationen zu empfangen, die sich auf das System 200 zur gemeinsamen Fahrradnutzung beziehen.
  • In verschiedenen Ausführungsformen kann eine Station 202 zur gemeinsamen Fahrradnutzung des intelligenten Systems 200 zur gemeinsamen Fahrradnutzung einen Andockabschnitt 206 zum Fassen einer Vielzahl von Fahrrädern 208 aufweisen. In einigen Ausführungsformen kann der Andockabschnitt 206 eine bestimmte Anzahl von Andockplätzen 210 aufweisen und somit eine maximale Anzahl von Fahrrädern 208 fassen. In einigen anderen Ausführungsformen weist der Andockabschnitt 206 keine einzeln definierten Andockplätze auf. Der Andockabschnitt kann Verriegelungsmechanismen zum Anschließen der Fahrräder 208 an der Station 202 zur gemeinsamen Fahrradnutzung beinhalten. In einigen Ausführungsformen gibt es einen Verriegelungsmechanismus für jeden Andockplatz zum Anschließen eines Fahrrads an die Station 202 zur gemeinsamen Fahrradnutzung. In diesem Beispiel können anhand des Verriegelungsmechanismus herkömmliche Fahrräder an die Fahrradstation angeschlossen werden, wobei die Fahrräder keine spezifische oder entsprechende Hardware benötigen. Somit können die Fahrräder 208 des intelligenten Systems zur gemeinsamen Fahrradnutzung in dieser Ausführungsform herkömmliche Fahrräder sein, die keine spezielle Hardware oder elektronische Vorrichtungen beinhalten. In einigen Ausführungsformen kann es sein, dass der Andockabschnitt 206 keinen Verriegelungsmechanismus aufweist, sodass die Fahrräder frei verwendet werden können. Konkret können die Fahrräder 208 in derartigen Ausführungsformen entnommen und zurückgebracht werden, ohne dass sie von der Station 202 zur gemeinsamen Fahrradnutzung entriegelt werden müssen. In derartigen Ausführungsformen können die Fahrräder 208 und/oder die Fahrradstationen verschiedene Sensoreinrichtungen aufweisen, um neben anderen Nutzungsdaten zu erfassen, wann ein Fahrrad von der Station entnommen wird, wann ein Fahrrad zur Station zurückgebracht wird sowie die allgemeine Verfügbarkeit von Fahrrädern an einer Station.
  • Eine Station 202 zur gemeinsamen Fahrradnutzung kann einen Ausleihterminalabschnitt 212 zum Ermöglichen des Abmeldens oder Anmeldens von Fahrrädern aufweisen. In einigen Ausführungsformen kann die Station 202 zur gemeinsamen Fahrradnutzung ein Ausleihterminal aufweisen, über welches das Verriegeln und Entriegeln aller Andockplätze an der Fahrradstation gesteuert wird. In einigen anderen Ausführungsformen kann jeder Andockplatz ein eigenes Ausleihterminal aufweisen. Ein Ausleihterminal 212 kann eine Schnittstelle, etwa eine Mensch-Maschine-Schnittstelle, beinhalten, wozu u. a. eine Kombination aus Benutzerschnittstellenkomponenten wie eine Anzeige, ein Tastenfeld, Tasten, ein Touchscreen, eine Audioausgabe, ein Mikrofon, eine Kamera usw. zählen können. Das Ausleihterminal 212 kann auch verschiedene Zahlungs- oder Identitätsverifizierungsvorrichtungen beinhalten, etwa Münzauffänger oder Bargeldbehälter, Magnetkartenlesegeräte zum Lesen von Kreditkarten, Debitkarten, Kontokarten oder andere Arten von Magnetkarten. Das Ausleihterminal 212 kann neben verschiedenen anderen Schnittstellen und Vorrichtungen zur drahtlosen Kommunikation auch Nahfeldkommunikations(NFC)-Lesegeräte oder Bluetooth beinhalten. Das Ausleihterminal 212 kann zudem eine oder mehrere Funktionen zur biometrischen Identifikation wie bspw. Fingerabdruckerkennung, Gesichtserkennung und dergleichen beinhalten.
  • Der Ausleihterminalabschnitt 212 kann es einem Benutzer ermöglichen, ein Fahrrad abzumelden, indem er eine oder mehrere Handlungen vornimmt, etwa Eingeben von Kontoinformationen, Wischen, Tippen oder Halten einer Karte oder einer anderen geeigneten Vorrichtung und/oder eines Gegenstands über bzw. an das Kartenlesegerät, Einzahlen von Bargeld und andere. Wenn die Informationen, die durch den Benutzer bereitgestellt werden, und zwar entweder in Form von eingegebenen Authentifizierungsparametern (z. B. Kontonummer, Passwort), einer authentifizierten Kreditkarte oder Kontokarte, einer anderen Vorrichtung (z. B. eines Telefons, einer Datenuhr), so kann ein Fahrrad 208 von der Station 202 zur gemeinsamen Fahrradnutzung entriegelt werden und der Benutzer kann das Fahrrad 208 verwenden. In einigen Ausführungsformen kann auch ein Einzahlen eines erforderlichen Bargeldbetrags bewirken, dass das Fahrrad entriegelt wird.
  • In einigen anderen Ausführungsformen kann die Fahrradstation 202 eine drahtlose Kommunikationsschnittstelle beinhalten, die keine Komponenten zur Schnittstellenbildung mit Menschen beinhaltet. Stattdessen kann die Fahrradstation 202 in derartigen Ausführungsformen direkt über ein Protokoll zur drahtlosen Kommunikation mit einer Benutzervorrichtung 216 kommunizieren. Beispielsweise kann die Benutzervorrichtung 216 eine Mobilvorrichtung einschließen, die von einem Benutzer getragen wird. Auf der Benutzervorrichtung 216 kann eine spezifische Softwareanwendung (z. B. „App“) installiert sein, um eine Benutzerschnittstelle zwischen dem Benutzer und der Station 202 zur gemeinsamen Fahrradnutzung bereitzustellen. Ein Benutzer kann über die App bestimmte Handlungen auf der Benutzervorrichtung 216 vornehmen, bspw., um ein Fahrrad 208 abzumelden und/oder anzumelden. In einigen Ausführungsformen kann die App mit einem Konto für den Benutzer verknüpft sein und/oder mit einer Zahlungsform, etwa Kreditkartenzugangsdaten (z. B. einer Kreditkartennummer) oder Bankkontozugangsdaten (z. B. einer Kontonummer, Bankleitzahl) oder anderen Zahlungsplattformen von Drittanbietern verbunden sein. In einigen Ausführungsformen können die Authentifizierung und Benutzeridentifikation passiv durchgeführt werden, bspw. durch näherungsbasiertes Erfassen. Beispielsweise kann sich ein Benutzer, der eine derartige Vorrichtung trägt, einer Fahrradstation nähern, und wenn sich die Vorrichtung innerhalb eines Signalerkennungsbereichs der Fahrradstation befindet, kann die Fahrradstation die Vorrichtung erfassen und ein von der Vorrichtung emittiertes Signal empfangen. Das Signal kann Authentifizierungsparameter beinhalten, wodurch bewirkt wird, dass der Benutzer authentifiziert und ein Fahrrad entriegelt wird.
  • Bei einer jeden der vorstehenden Ausführungsformen, neben anderen Ausführungsformen, kann das intelligente System zur gemeinsamen Fahrradnutzung verschiedene Datenarten über die Vielzahl von Stationen 202 zur gemeinsamen Fahrradnutzung hinweg erheben. Zum Beispiel kann jede Station 202 zur gemeinsamen Fahrradnutzung Daten darüber erheben, wann und von wem ein Fahrrad an- oder abgemeldet wird. In einigen Ausführungsformen weist jedes Fahrrad 208 in dem intelligenten System zur gemeinsamen Fahrradnutzung eine eindeutige Kennung auf, sodass die Stationen 202 zur gemeinsamen Fahrradnutzung identifizieren können, welches Fahrrad abgemeldet oder angemeldet wird. So kann die Bewegung eines bestimmten Fahrrads 208 nachverfolgt werden. Beispielsweise kann erkannt werden, dass Fahrrad A an einer Fahrradstation an einem ersten Standort abgemeldet und zu einem späteren Zeitpunkt an einer anderen Fahrradstation an einem zweiten Standort wieder angemeldet wurde, woraus abgeleitet werden kann, dass Fahrrad A für eine Fahrt vom ersten Standort zum zweiten Standort verwendet wurde. Die von den Fahrradstationen erhobenen Daten können Metadaten wie bspw. eine Fahrradstationskennung und einen Zeitstempel beinhalten und neben anderen Metadaten einen geografischen Standort beinhalten oder damit verknüpft sein.
  • Eine Rechenumgebung 214 kann die Daten und Metadaten empfangen, die über das eine oder die mehreren Netzwerke 204 von Fahrradstationen empfangen worden sind. Das mindestens eine Netzwerk 204 kann ein beliebiges geeignetes Netzwerk umfangen, einschließlich eines Intranets, des Internets, eines Mobilfunknetzes, eines lokalen Netzwerks (LAN) oder eines beliebigen anderen derartigen Netzwerks oder einer beliebigen Kombination, und die Kommunikation über das Netzwerk kann über drahtgebundene und/oder drahtlose Verbindungen aktiviert werden. In verschiedenen Ausführungsformen kann die Rechenumgebung 214 einen oder mehrere Server mit einem oder mehreren Prozessoren und Speicherelementen zum Speichern und Verarbeiten der von den Stationen 202 zur gemeinsamen Fahrradnutzung empfangenen Daten und zum Durchführen verschiedener Funktionen anhand der Daten beinhalten, neben anderen Computerfunktionen etwa Authentifizieren eines Benutzers anhand von bereitgestellten Zugangsdaten, Durchführen von Transaktionen, Aufzeichnen und Analysieren von Fahrradnutzungsdaten, Nachverfolgen einer Position eines Fahrrads. In verschiedenen Ausführungsformen können ein oder mehrere Datenanalysemodelle (z. B. ein Modell, das auf trainiertem maschinellem Lernen beruht) in der Rechenumgebung gespeichert und verwendet werden, um Bestimmungen oder Vorhersagen auf der Grundlage verschiedener Daten zu treffen. In einigen Ausführungsformen kann die Rechenumgebung 214 ein verteiltes Rechensystem oder eine „Cloud-Computing“-Umgebung beinhalten, in der Rechen- und Speicherleistung über ein Netzwerk von Ressourcen, etwa Server und Speicher, verteilt werden können, das bei Bedarf schnell bereitgestellt werden kann.
  • In verschiedenen Ausführungsformen kann eine Benutzerschnittstelle für das intelligente System zur gemeinsamen Fahrradnutzung über die Benutzervorrichtungen 216 bereitgestellt werden, die mit dem einen oder den mehreren Netzwerken 204 verbunden sind. Die Benutzervorrichtungen 216 können u. a. Vorrichtungen sein, über die sich ein Benutzer Inhalte ansehen, anhören oder sie lesen kann, und zu ihnen können mindestens eine Eingabeform wie bspw. eine Tastatur, Tasten oder ein Touchscreen und mindestens eine Ausgabeform wie bspw. eine Anzeige oder Lautsprecher zählen. Die Benutzervorrichtungen 216 können verschiedene Rechenvorrichtungen umfangen, etwa Smartphones, Tablet-Computer, tragbare Computer (z. B. Datenbrillen oder -uhren), Desktop- oder Notebook-Computer und dergleichen. Die Benutzervorrichtungen 216 können eine beliebige geeignete elektronische Vorrichtung umfangen, die dazu betreibbar ist, Anforderungen, Nachrichten oder andere derartige Informationen über ein geeignetes Netzwerk zu senden und zu empfangen und Informationen zurück an einen Benutzer der Vorrichtung zu übermitteln. In diesem Beispiel können die Benutzervorrichtungen 216 über das mindestens eine Netzwerk 204 mit der Serverrechenumgebung 214 kommunizieren. Ein Benutzer ist in der Lage, eine Benutzervorrichtung 216 zu verwenden, um mit dem intelligenten System zur gemeinsamen Fahrradnutzung zu interagieren, bspw., um Aktualisierungen oder Daten in Bezug auf verschiedene Fahrradstationen 202, etwa momentan verfügbare Fahrräder und dergleichen, einzusehen. Der Benutzer kann außerdem in der Lage sein, über die Benutzervorrichtung 216 ein Fahrrad abzumelden oder ein Fahrrad anzumelden, auf sein Konto zuzugreifen, um nur einige Interaktionen zu nennen. In einigen Ausführungsformen kann eine Softwareanwendung („App“) speziell auf der Benutzervorrichtung 216 installiert werden, um eine Benutzerschnittstelle zum Interagieren mit dem intelligenten System zur gemeinsamen Fahrradnutzung bereitzustellen.
  • 3 stellt ein Beispiel für ein intelligentes System 300 zur gemeinsamen Fahrradnutzung mit fahrradbasierter Intelligenz gemäß verschiedenen Ausführungsformen dar. Ein intelligentes System zur gemeinsamen Fahrradnutzung 300 kann eine Vielzahl von vernetzten Fahrrädern 302 beinhalten. Die Fahrräder sind mit einem oder mehreren Netzwerken 304 verbunden, etwa dem Internet, einem Mobilfunknetzwerk, einem lokalen Netzwerk (LAN), einem Ethernet, Wi-Fi oder einem dedizierten Netzwerk, neben anderen derartigen Optionen. Die Fahrräder 302 können neben anderen Informationen verschiedene Daten bezüglich der Fahrradnutzung, des geografischen Standorts, der Fahrtstrecken erheben. Derartige Daten, die von der Vielzahl von Fahrrädern erhoben werden, können zusammen mit entsprechenden Metadaten durch einen Rechenserver 306 verwendet werden, um verschiedene Nutzungsstatistiken, -muster und andere Erkenntnisse zu bestimmen, die zum Optimieren des intelligenten Systems 300 zur gemeinsamen Fahrradnutzung verwendet werden können. Benutzervorrichtungen 308 wie bspw. Smartphones, Tablets, Wearables, Personal Computer und dergleichen, können über das eine oder die mehreren Netzwerke 304 kommunikativ mit einzelnen Fahrrädern 302 und/oder dem Rechenserver 306 verbunden sein, was es Benutzern ermöglicht, Eingabeinformationen bereitzustellen und Ausgabeinformationen zu empfangen, die sich auf das System 300 zur gemeinsamen Fahrradnutzung beziehen.
  • In verschiedenen Ausführungsformen kann das intelligente System zur gemeinsamen Fahrradnutzung 300 stationslos sein, wobei die Fahrräder 302 nicht an einzelnen Andockplätzen angedockt werden müssen, wie vorstehend in Bezug auf die Fahrradstationen 202 in 2 beschrieben. Anstelle dessen können die Fahrräder 302 in gekennzeichneten Zonen in eingeteilten Gebieten, auf herkömmlichen Parkplätzen und an Fahrradständern oder überall dort, wo ein Fahrrad abgestellt werden kann, angedockt werden. Die Fahrräder 302 können jeweils einen Prozessor, eine Netzwerkkommunikationsschnittstelle und eine Standortnachverfolgungsvorrichtung wie bspw. eine Einheit des globalen Positionssystems (GPS), beinhalten. Diese Komponenten befähigen das Fahrrad, Daten zu erheben und die Daten über das eine oder die mehreren Netzwerke zu kommunizieren. So verfolgt die GPS-Einheit zum Beispiel den geografischen Standort des Fahrrads 302, was es ermöglicht, dass der momentane Standort wie auch ein Fahrweg des Fahrrads 302 bekannt sind.
  • In einigen Ausführungsformen kann ein Fahrrad 302 einen Verriegelungsmechanismus aufweisen, der das Fahrrad an eine Struktur anschließt. Beispielsweise kann ein Fahrrad 302 an eine vorgesehenen Struktur angeschlossen werden. In einigen anderen Ausführungsformen kann der Verriegelungsmechanismus die Funktionen des Fahrrads verriegeln, wodurch es unverwendbar wird, ohne es notwendigerweise an eine Struktur anzuschließen. Beispielsweise kann der Verriegelungsmechanismus ein Rad des Fahrrads, ein Zahnrad, eine Kette oder eine beliebige andere Komponente des Fahrrads verriegeln, die benötigt wird, damit ein Benutzer das Fahrrad fahren kann. In verschiedenen Ausführungsformen kann der Verriegelungsmechanismus eines Fahrrads gelöst werden, wenn ein Benutzerauthentifizierungsprozesses durchgeführt wird, der viele Formen annehmen kann.
  • Ein Fahrrad 302 kann eine Schnittstelle aufweisen, etwa eine Mensch-Maschine-Schnittstelle, die eine Kombination aus Benutzerschnittstellenkomponenten wie bspw. ein Tastenfeld oder einen Touchscreen beinhalten kann, über die ein Benutzer Zugangsdaten (z. B. Benutzername, Passwort, persönliche Geheimnummer) eingeben kann. In einigen Ausführungsformen können die Zugangsdaten in Form biometrischer Daten wie bspw. Fingerabdruck, Netzhautscan und dergleichen vorliegen. In einigen Ausführungsformen kann das Fahrrad 302 Detektoren oder Lesegeräte zum Akzeptieren von Karten (z. B. Kreditkarten, Debitkarten, Kontokarten oder anderen Arten von Mitgliedskarten/Ausweisen) oder anderen signalbasierten Token (z. B. Funkschlüssel, Smartphone, tragbare Vorrichtung, RFID-Vorrichtungen) aufweisen. Die Detektoren oder Lesegeräte am Fahrrad 302 können neben verschiedenen anderen Schnittstellen und Vorrichtungen zur drahtlosen Kommunikation Nahfeldkommunikations(NFC)-Lesegeräte oder Bluetooth beinhalten. Die Schnittstelle am Fahrrad 302 kann es dem Benutzer ermöglichen, ein Fahrrad zu entriegeln oder anderweitig abzumelden, indem er eine oder mehrere Handlungen vornimmt, wie bspw. Eingeben von Kontoinformationen, Wischen, Tippen oder Halten einer Karte oder über bzw. an das Kartenlesegerät, Präsentieren eines Smartphones oder einer anderen Benutzervorrichtung und viele mehr. Wenn der Benutzer erfolgreich authentifiziert worden ist, kann das Fahrrad 302 entriegelt werden und der Benutzer das Fahrrad verwenden. In einigen Ausführungsformen kann der Detektor an dem Fahrrad 302 ein näherungsbasierter Sensor sein, der einen signalbasierten Token innerhalb der Reichweite erkennen und das Fahrrad automatisch entriegeln kann. Die Identität des Benutzers kann auch durch den Token identifiziert werden. In verschiedenen Ausführungsformen kann das Fahrrad verschiedene Ausgabevorrichtungen als Bestandteil der Mensch-Maschine-Schnittstelle beinhalten, wie zum Beispiel Lautsprecher, Anzeigen, eine Vorrichtung für taktiles Feedback, neben anderen, um dem Benutzer verschiedene Informationen zu präsentieren.
  • In einigen anderen Ausführungsformen können die Fahrräder 302 eine drahtlose Kommunikationsschnittstelle beinhalten, die keine Komponenten zur Schnittstellenbildung mit Menschen beinhaltet. Stattdessen können die Fahrräder 302 in bestimmten solcher Ausführungsformen über ein Protokoll zur drahtlosen Kommunikation mit einer Benutzervorrichtung 308 kommunizieren. In anderen derartigen Ausführungsformen können die Fahrräder 302 über das eine oder die mehreren Netzwerke 304 mit einer Rechenumgebung 306 statt direkt mit der Benutzervorrichtung 308 in Kommunikation stehen. Beispielsweise kann die Benutzervorrichtung 308 eine Mobilvorrichtung einschließen, die von einem Benutzer getragen wird. Auf der Benutzervorrichtung 308 kann eine spezifische Softwareanwendung (z. B. „App“) installiert sein, um eine Benutzerschnittstelle zwischen dem Benutzer und den Fahrrädern 302 bereitzustellen. Der Benutzer kann über die App bestimmte Handlungen auf der Benutzervorrichtung vornehmen, um ein Fahrrad abzumelden und/oder anzumelden. In einigen Ausführungsformen kann die App mit einem Konto für den Benutzer verknüpft sein und/oder mit einer Zahlungsform, etwa Kreditkartenzugangsdaten (z. B. einer Kreditkartennummer) oder Bankkontozugangsdaten (z. B. einer Kontonummer, Bankleitzahl) oder anderen Zahlungsplattformen von Drittanbietern verbunden sein. In einigen Ausführungsformen können die Authentifizierung und Benutzeridentifikation passiv durchgeführt werden, bspw. durch näherungsbasiertes Erfassen. Beispielsweise kann eine Vorrichtung emittieren kann sich ein Benutzer, der eine derartige Vorrichtung trägt, einer Fahrradstation nähern, und wenn sich die Vorrichtung innerhalb eines Signalerkennungsbereichs der Fahrradstation befindet, kann die Fahrradstation die Vorrichtung erfassen und ein von der Vorrichtung emittiertes Signal empfangen. Das Signal kann Authentifizierungsparameter beinhalten, wodurch bewirkt wird, dass der Benutzer authentifiziert und ein Fahrrad entriegelt wird. In anderen Ausführungsformen kann die Benutzervorrichtung 308 eine Anforderung an die Rechenumgebung 306 senden, die Zugangsdaten und den Standort oder ein bestimmtes Fahrrad, das der Benutzer entriegeln möchte, beinhalten kann. Die Computerumgebung kann die Anforderung authentifizieren und Anweisungen zum Entriegeln an das Fahrrad übertragen.
  • Wie beschrieben, können die Fahrräder 302 verschiedene Sensoren, Prozessoren und andere elektronische Vorrichtungen zum Erheben und Übertragen von Daten aufweisen. Beispielsweise kann erkannt werden, wann ein Benutzer die Fahrräder abmeldet oder entriegelt, sowie die Identität oder das Konto, die mit dem Benutzer verknüpft sind, und wann der Benutzer das Fahrrad wieder anmeldet, damit es zur Verwendung durch einen anderen Benutzer verfügbar ist. Des Weiteren kann der Standort der Fahrräder während dieser Ereignisse und zu jedem anderen Zeitpunkt ebenfalls bekannt sein. Verschiedene andere Datenarten können ebenfalls erfasst und dazu verwendet werden, verschiedene nützliche Erkenntnisse bereitzustellen oder verschiedene Aufgaben durchzuführen.
  • Die Rechenumgebung 306 kann die Daten und Metadaten empfangen, die über das eine oder die mehreren Netzwerke 304 von den Fahrrädern empfangen worden sind. Das mindestens eine Netzwerk 304 kann ein beliebiges geeignetes Netzwerk umfangen, einschließlich eines Intranets, des Internets, eines Mobilfunknetzes, eines lokalen Netzwerks (LAN) oder eines beliebigen anderen derartigen Netzwerks oder einer beliebigen Kombination, und die Kommunikation über das Netzwerk kann über drahtgebundene und/oder drahtlose Verbindungen aktiviert werden. In verschiedenen Ausführungsformen kann die Rechenumgebung 306 einen oder mehrere Server mit einem oder mehreren Prozessoren und Speicherelementen zum Speichern und Verarbeiten der von den Fahrradstationen empfangenen Daten und zum Durchführen verschiedener Funktionen anhand der Daten beinhalten, neben anderen Computerfunktionen etwa Authentifizieren eines Benutzers anhand bereitgestellter Zugangsdaten, Durchführen von Transaktionen, Aufzeichnen und Analysieren von Fahrradnutzungsdaten, Nachverfolgen einer Position eines Fahrrads. In verschiedenen Ausführungsformen können ein oder mehrere Datenanalysemodelle (z. B. ein Modell, das auf trainiertem maschinellem Lernen beruht) in der Rechenumgebung gespeichert und verwendet werden, um Bestimmungen oder Vorhersagen anhand verschiedener Daten zu treffen. In einigen Ausführungsformen kann die Rechenumgebung ein verteiltes Rechensystem oder eine „Cloud-Computing“-Umgebung beinhalten, in der Rechen- und Speicherleistung über ein Netzwerk von Ressourcen, etwa Server und Speicher, verteilt werden können, das bei Bedarf schnell bereitgestellt werden kann.
  • In verschiedenen Ausführungsformen, wie bereits erwähnt, kann eine Benutzerschnittstelle für das intelligente System 300 zur gemeinsamen Fahrradnutzung über die Benutzervorrichtungen 308 bereitgestellt werden. Die Benutzervorrichtungen 308 können u. a. Vorrichtungen sein, über die sich ein Benutzer Inhalte ansehen, anhören oder sie lesen kann, und zu ihnen können mindestens eine Eingabeform wie bspw. eine Tastatur, Tasten oder ein Touchscreen und mindestens eine Ausgabeform wie bspw. eine Anzeige oder Lautsprecher zählen. Die Benutzervorrichtungen 308 können verschiedene Rechenvorrichtungen umfangen, etwa Smartphones, Tablet-Computer, tragbare Computer (z. B. Datenbrillen oder -uhren), Desktop- oder Notebook-Computer und dergleichen. Die Benutzervorrichtungen 308 können eine beliebige geeignete elektronische Vorrichtung umfangen, die dazu betreibbar ist, Anforderungen, Nachrichten oder andere derartige Informationen über ein geeignetes Netzwerk zu senden und zu empfangen und Informationen zurück an einen Benutzer der Vorrichtung zu übermitteln. In diesem Beispiel können die Benutzervorrichtungen 308 über das mindestens eine Netzwerk 304 mit der Serverrechenumgebung 306 kommunizieren. Ein Benutzer ist in der Lage, eine Benutzervorrichtung 308 zu verwenden, um mit dem intelligenten System zur gemeinsamen Fahrradnutzung zu interagieren, bspw., um Aktualisierungen oder Daten in Bezug auf verschiedene Fahrradstationen, etwa momentan verfügbare Fahrräder und dergleichen, einzusehen. Der Benutzer kann außerdem in der Lage sein, über die Benutzervorrichtung ein Fahrrad abzumelden oder ein Fahrrad anzumelden, auf sein Konto zuzugreifen, neben anderen Interaktionen. In einigen Ausführungsformen kann eine Softwareanwendung („App“) speziell auf der Benutzervorrichtung installiert werden, um eine Benutzerschnittstelle zum Interagieren mit dem intelligenten System zur gemeinsamen Fahrradnutzung bereitzustellen.
  • Die vorliegende Offenbarung sieht ein intelligentes System zur gemeinsamen Fahrzeugnutzung vor wie bspw. die Systeme zur gemeinsamen Fahrradnutzung in 2 und 3 vor, das in der Lage ist, basierend auf Verlaufsdaten, einschließlich verschiedener Nutzungsstatistiken, hilfreiche Vorhersagen zur Fahrzeugverfügbarkeit bereitzustellen. Verlaufsdaten können im Zeitverlauf erhoben werden, während Benutzer das System zur gemeinsamen Fahrzeugnutzung verwenden. Die Verlaufsdaten können beispielsweise die Anzahl der verfügbaren Fahrzeuge an verschiedenen Standorten und zu verschiedenen Zeiten sowie Kontextdaten in Verbindung mit den Standorten und Zeiten beinhalten. In einigen Ausführungsformen kann ein Fahrzeug verfügbar sein, wenn es wieder angemeldet und noch nicht abgemeldet worden ist, und ein Fahrzeug kann nicht verfügbar sein, wenn es abgemeldet, aber noch nicht wieder angemeldet worden ist. Ein Fahrzeug kann auch dann nicht verfügbar sein, wenn es zur Instandhaltung und dergleichen abgemeldet worden ist. Kontextdaten können u. a. Daten in Bezug auf das Wetter, lokale Ereignisse, die Jahreszeit, den Wochentag oder das Datum oder Nachrichtenereignisse sein, neben anderen äußeren Faktoren, welche sich direkt oder indirekt auf die Fahrzeugnutzung oder auswirken können. In einigen Ausführungsformen kann ein Modell wie bspw. ein Modell maschinellen Lernens (z. B. ein neuronales Netzwerk) unter Verwendung der Verlaufsdaten als Trainingsdaten trainiert werden, sodass das Modell die Fahrzeugverfügbarkeit für eine bestimmte zukünftige Zeit und einen bestimmten Standort vorhersagen kann. In verschiedenen Ausführungsformen kann die Vorhersage der Fahrzeugverfügbarkeit anhand zusätzlicher Datentypen bestimmt werden, etwa der momentanen Verfügbarkeit, der Nachfrage und anderer gegenwärtig geltender Bedingungen.
  • 4 stellt eine beispielhafte Benutzerschnittstelle 400 auf einer Benutzervorrichtung 402 zum Optimieren und Vorhersagen der Fahrzeugverfügbarkeit gemäß verschiedenen Ausführungsformen dar. Konkret kann ein Benutzer eine Anforderung einer Fahrzeugverfügbarkeitsvorhersage über die Schnittstelle vornehmen, auf die über eine Benutzervorrichtung zugegriffen werden kann. Die Schnittstelle kann über eine Website oder App bereitgestellt werden, die mit einem System zur gemeinsamen Fahrzeugnutzung verknüpft ist, wie bspw. denjenigen, die vorstehend unter Bezugnahme auf 2 und 3 beschrieben wurden. Die Schnittstelle kann Schnittstellenelemente 404 bereitstellen, die den Benutzer auffordern, einen Zeitpunkt 406 und einen Standort 408 auszuwählen, an dem er ein Fahrzeug abmelden möchte. Somit kann der Benutzer eine Fahrzeugverfügbarkeitsvorhersage für eine bestimmte Zeit und einen bestimmten Standort seiner Wahl anfordern. Nach dem Empfangen der Anforderung können die Zeit und der Standort anhand eines weiter oben erwähnten trainierten Modells verarbeitet werden, um die Fahrzeugverfügbarkeitsvorhersage 412 für eben diese Zeit und diesen Standort zu bestimmen. Die Fahrzeugverfügbarkeitsvorhersage 412 kann weiter verarbeitet und dem Benutzer in einer Vielzahl von Formen präsentiert werden. So kann die Fahrzeugverfügbarkeitsvorhersage 412 zum Beispiel als Wahrscheinlichkeit dafür dargestellt werden, dass zur betreffenden Zeit und am betreffenden Standort mindestens ein Fahrzeug verfügbar ist. In einem anderen Beispiel kann die Fahrzeugverfügbarkeitsvorhersage 412 als geschätzte Anzahl der Fahrzeuge dargestellt werden, die zur betreffenden Zeit und am betreffenden Standort verfügbar sein wird. In einigen Ausführungsformen kann die Schnittstelle eine Dichtekarte 410 beinhalten, welche die vorhergesagte Verfügbarkeit von Fahrzeugen zur ausgewählten Zeit und am ausgewählten Ort veranschaulicht. Des Weiteren kann in verschiedenen Ausführungsformen eine Empfehlung an den Benutzer abgegeben werden, damit er seine Chance, ein Fahrzeug zu bekommen, optimieren kann. Wenn zum Beispiel die Fahrzeugverfügbarkeitsvorhersage für die angeforderte Zeit und den angeforderten Standort relativ niedrig oder ungünstig ist, kann die Empfehlung einen Vorschlag für eine andere Zeit (z. B. 20 Minuten später als zur ursprünglich angeforderten Zeit) oder einen anderen Fahrzeugstandort (nahegelegenen Standort) beinhalten, für die bzw. den die Verfügbarkeitsvorhersage günstiger ist.
  • 5 stellt eine beispielhafte Benutzerschnittstelle 500 zum Optimieren und Vorhersagen der Andockplatzverfügbarkeit gemäß verschiedenen Ausführungsformen dar. Die Benutzerschnittstelle 500 kann auf einer Benutzervorrichtung 502 bereitgestellt werden. In verschiedenen Ausführungsformen kann das System zur gemeinsamen Fahrzeugnutzung eine begrenzte Anzahl von Andockplätzen beinhalten. Somit ist das System zur gemeinsamen Fahrzeugnutzung auch in der Lage, die Verfügbarkeit von Abstellplätzen basierend auf Verlaufsdaten vorherzusagen und Empfehlungen bezüglich des Andockens von Fahrzeugen unter Verwendung ähnlicher Techniken wie jener bereitzustellen, die vorstehend in Bezug auf das Vorhersagen der Verfügbarkeit von Fahrzeugen beschrieben wurden. Beispielsweise kann ein Benutzer eine Zeit 504 und einen Standort 506 auswählen, zu der bzw. an dem er ein Fahrzeug in einer Umgebung zur gemeinsamen Fahrzeugnutzung andocken möchte. Die Schnittstelle kann eine Live-Kartenansicht 508 bereitstellen, die den ausgewählten Standort beinhaltet. In einigen Ausführungsformen kann die Live-Kartenansicht eine oder mehrere Andockstationen 510 oder Zonen an dem ausgewählten Standort oder in dessen Nähe anzeigen. In einigen Ausführungsformen wird die Zeit anhand des aktuellen Standorts des Benutzers und einer geschätzten Fahrzeit zum ausgewählten Standort berechnet - anstelle dessen, dass der Benutzer die Zeit bereitstellt, zu der er das Fahrzeug andocken möchte. Die geschätzte Fahrzeit kann zumindest teilweise anhand von Verlaufsdaten bezüglich des Verhaltens des Benutzers bestimmt werden, etwa der durchschnittlichen Fahrgeschwindigkeit und momentanen Verkehrsverhältnisse.
  • In einigen Ausführungsformen kann eine aktuelle Anzahl verfügbarer Andockplätze 512 an jeder Andockstation angezeigt und eine Route zur besten Andockstation in der Kartenansicht bereitgestellt werden. Die beste Andockstation kann auf der Grundlage der Nähe zum ausgewählten Standort und einer Vorhersage der Verfügbarkeit des Andockplatzes für die Andockstation bestimmt werden. In einigen Ausführungsformen kann die Vorhersage der Verfügbarkeit eines Andockplatzes unter Verwendung eines neuronalen Netzwerks bestimmt werden, das anhand von Verlaufsdaten bezüglich der Verfügbarkeit von Andockplätzen über verschiedene Zeiten und Standorte hinweg trainiert wird. In die Andockplatzverfügbarkeitsvorhersage können auch momentan beobachtete Bedingungen einbezogen werden, etwa eine Anzahl momentan verfügbarer Plätze und eine Anzahl an Benutzern, die momentan zu dem Standort unterwegs sind, um ein Fahrzeug entweder an einem Andockplatz anzudocken oder ein Fahrzeug von einem Andockplatz zu entnehmen (z. B. abzumelden). In einigen Ausführungsformen können sich die aktuellen Bedingungen ändern, wenn sich der Benutzer auf dem Weg zum Standort befindet, und die Andockplatzverfügbarkeitsvorhersage kann anhand der aktualisierten momentanen Bedingungen neu berechnet werden. Somit kann sich in einigen Ausführungsformen die optimale Andockstation für den Benutzer ändern und die Kartenansicht wird aktualisiert, um den Benutzer zur aktualisierten optimalen Andockstation zu leiten.
  • 6 stellt ein Schema 600 einer beispielhaften Systemimplementierung zum Bereitstellen von Vorhersagen zur Ressourcenverfügbarkeit für eine Umgebung zur gemeinsamen Fahrzeugnutzung gemäß verschiedenen Ausführungsformen dar. Ressource kann sich auf Fahrzeuge, Andockplätze oder beliebige andere derartige Ressourcen beziehen, die einen verfügbaren Zustand und einen nicht verfügbaren Zustand aufweisen können. In verschiedenen Ausführungsformen kann eine Benutzervorrichtung 602 von einem Benutzer verwendet werden, um eine Vorhersage oder Empfehlung einer Ressourcenverfügbarkeit für eine gewünschte Zeit und einen gewünschten Standort anzufordern und zu erhalten. In einem Beispiel ist die Benutzervorrichtung in der Lage, Informationen wie bspw. Anfragen, Anrufe und Daten über ein oder mehrere Netzwerke 604 an ein Ressourcenverfügbarkeitsvorhersagesystem 606 zu senden und von diesem zu empfangen. Dabei kann es sich um eine Anforderung einer Ressourcenverfügbarkeitsvorhersage, eine Auswahl der Art der Ressource (z. B. Fahrzeug oder Andockplatz), eine Auswahl der gewünschten Zeit und des gewünschten Standorts, zu welcher bzw. an welchem der Benutzer die Ressource nutzen möchte, neben anderen Optionen und Informationen handeln. Über das eine oder die mehreren Netzwerke 604 kann die Benutzervorrichtung 602 neben anderen Informationen die angeforderte Ressourcenverfügbarkeitsvorhersage, Empfehlungen für bessere Zeiten oder Standorte, aktuelle Ressourcenverfügbarkeitsdaten empfangen. In einigen Ausführungsformen kann die Benutzervorrichtung 602 eine beliebige Art von Rechenvorrichtungen mit Netzwerkkonnektivität umfangen, einschließlich Smartphones, Tablets, Datenuhren, Datenbrillen, anderer Wearables, Personal Computer, Notebook-Computer und dergleichen. Das eine oder die mehreren Netzwerke 604 können ein beliebiges geeignetes Netzwerk umfangen, etwa das Internet, ein lokales Netzwerk (LAN), ein Mobilfunknetz, ein Ethernet, Wi-Fi, Bluetooth, Funkfrequenz oder ein anderes derartiges drahtgebundenes und/oder drahtloses Netzwerk. In einigen Ausführungsformen kann eine Vielzahl von Benutzervorrichtungen 602 über verschiedene Arten von Netzwerken auf das Ressourcenverfügbarkeitsvorhersagesystem zugreifen. Das Ressourcenverfügbarkeitsvorhersagesystem 606 kann beliebige geeignete Ressourcen zum Durchführen der verschiedenen vorliegend beschriebenen Funktionen beinhalten und verschiedene Server, Datenspeicher und andere derartige Komponenten beinhalten, die zum Bereitstellen von Inhalten über ein Netzwerk (oder aus der „Cloud“) bekannt sind oder dafür verwendet werden.
  • In verschiedenen Ausführungsformen kann das Ressourcenverfügbarkeitsvorhersagesystem 606 eine Schnittstelle 608, ein Vorhersagemodell 610 und eine Empfehlungsschicht 612 beinhalten. Das System 606 kann zudem eine Datenbank 614 für Verlaufsdaten und eine Datenbank 616 für Kontextdaten beinhalten. Derartige Module und Datenbanken können gemeinsam, getrennt oder in einer beliebigen Kombination auf einer oder mehreren Vorrichtungen, einschließlich physischer Vorrichtungen, virtueller Vorrichtungen oder beidem, implementiert werden. Informationen können über die physischen und/oder virtuellen Vorrichtungen, auf denen die Module und Datenbanken implementiert sind, zwischen beliebigen der Module und Datenbanken weitergeleitet werden.
  • Die Schnittstellenschicht 608 des Spielerabgleichsystems 606 kann eine Netzwerkschnittstelle beinhalten, welche die Kommunikation zwischen der Benutzervorrichtung und dem Ressourcenverfügbarkeitsvorhersagesystem 606 ermöglichen kann. Anforderungen, die durch das Ressourcenverfügbarkeitsvorhersagesystem 606 empfangen werden, können über die Schnittstellenschicht 608 empfangen werden. Zu beispielhaften Anforderungen können eine Anforderung einer Ressourcenverfügbarkeitsvorhersage für eine vom Benutzer ausgewählte Zeit und einen vom Benutzer ausgewählten Standort zählen. Die Schnittstellenschicht 608 kann zudem Ausgaben von dem Ressourcenverfügbarkeitsvorhersagesystem 606 an die Benutzervorrichtung bereitstellen, unter anderem bspw. Verfügbarkeitsvorhersagen, Empfehlungen, Aktualisierungen und Benachrichtigungen. Die Schnittstelle kann zudem die Kommunikation zwischen dem Ressourcenverfügbarkeitsvorhersagesystem und einzelnen Fahrzeugen oder Fahrzeugstationen ermöglichen. Beispielsweise können Daten (z. B. Nutzungsdaten), die von einzelnen Fahrzeugen oder Fahrzeugstationen erhoben werden, an das Ressourcenverfügbarkeitsvorhersagesystem übertragen werden, wo sie über die Schnittstelle empfangen werden. Im veranschaulichten Beispiel wird eine Anforderung über das eine oder die mehreren Netzwerke von der Benutzervorrichtung gesendet und an der Schnittstelle empfangen. In einigen Ausführungsformen beinhaltet die Anforderung einen Satz Abfragebedingungen (z. B. Zeitwert, Standortwert, Art der Ressource). Die abgefragten Bedingungen werden in das Vorhersagemodell eingespeist, um eine Ressourcenverfügbarkeitsvorhersage für die abgefragten Bedingungen zu bestimmen. In verschiedenen Ausführungsformen kann das Modell 610 anhand von Verlaufsdaten trainiert werden, die in der Datenbank 614 für Verlaufsdaten gespeichert sind.
  • Das Vorhersagemodell 610 kann die Abfragebedingungen 620 empfangen und eine Ressourcenverfügbarkeitsvorhersage 618 bestimmen. Das Vorhersagemodell 610 kann verschiedene Arten von Modellen umfangen, darunter Modelle maschinellen Lernens wie bspw. ein neuronales Netz, das anhand von Verlaufsdaten trainiert wird. Es können auch andere Arten von Modellen maschinellen Lernens verwendet werden, etwa Entscheidungsbaummodelle, Assoziationsregelmodelle, neuronale Netze einschließlich mehrschichtiger neuronaler Netze, Modelle des induktiven Lernens, Support Vector Machines, Clustermodelle, Regressionsmodelle, Bayessche Netze, genetische Modelle, verschiedene andere überwachte oder nicht überwachte Techniken maschinellen Lernens, um nur einige zu nennen. Das Vorhersagemodell 610 kann verschiedene andere Arten von Modellen beinhalten, einschließlich verschiedener deterministischer, nichtdeterministischer und probabilistischer Modelle. Beispielsweise beinhaltet das Vorhersagemodell 610 ein oder mehrere neuronale Netze, die darauf trainiert werden, eine Ressourcenverfügbarkeitsvorhersage für eine ausgewählte Zeit und einen ausgewählten Standort zu bestimmen. Wie erwähnt, kann das Modell anhand von Verlaufsdaten 614 trainiert werden, die zum Beispiel eine Aufzeichnung von Ressourcenverfügbarkeitsstatistiken über viele Zeitpunkte und Standorte hinweg beinhalten können. Des Weiteren können die Verlaufsdaten auch Kontextdaten 616 beinhalten, die mit jeweiligen Zeiten und Standorten verknüpft sind. Die Kontextdaten können Daten in Bezug darauf beinhalten, was zu einer bestimmten Zeit und an einem bestimmten Standort passiert ist, wie bspw. Wetterverhältnisse, Ereignisse, Nachrichten, die Jahreszeit betreffende Informationen, Wochentag oder Datum, um nur einige Faktoren zu nennen. Da derartige Faktoren die Ressourcenverfügbarkeit beeinflussen können, kann das Vorhersagemodell 610 auch diese Kontextdaten einbeziehen. In einigen Ausführungsformen können die Verlaufsdaten 614, einschließlich der Kontextdaten 616, Trainingsdaten bilden, die zum Trainieren des Modells verwendet werden. In bestimmten derartigen Ausführungsformen können die Trainingsdaten eine große Anzahl beispielhafter Eingabe-Ausgabe-Paare beinhalten. Ein bestimmtes Eingabe-Ausgabe-Paar kann als Eingabe zum Beispiel eine Zeit, einen Standort und verschiedene Kontextdaten beinhalten, die mit der Zeit und dem Standort verknüpft sind. Die Ausgabe kann die Anzahl der verfügbaren Ressourcen (z. B. Fahrzeuge, Andockplätze) zu eben diesem Zeitpunkt und an eben diesem Standort beinhalten. Bei einer ausreichend großen Anzahl derartiger beispielhafter Eingabe-Ausgabe-Paare kann das Modell darauf trainiert werden, eine Ausgabe anhand einer bestimmten Eingabe zu schätzen. Konkret kann das Modell eine Ressourcenverfügbarkeitsvorhersage 618 unter einer bestimmten Bedingungen 620 (z. B. Zeit, Standort und Kontextdaten) schätzen.
  • Das neuronale Netz kann ein Regressionsmodell oder ein Klassifizierungsmodell sein. Im Falle eines Regressionsmodells ist die Ausgabe des neuronalen Netzes ein Wert in einem kontinuierlichen Wertebereich, der die Ergebnisse für die Verfügbarkeitsvorhersage wiedergibt. Im Falle eines Klassifizierungsmodells ist die Ausgabe des neuronalen Netzes eine Klassifizierung in eine oder mehrere einzelne Klassen. Beispielsweise kann die Ausgabe, die die Verfügbarkeitsvorhersage wiedergibt, in Bezug auf die Wahrscheinlichkeit, eine Ressource (z. B. ein Fahrzeug, einen Andockplatz) zu bekommen, als „schlecht“, „gut“ oder „sehr gut“ klassifiziert werden. Das Vorhersagemodell kann die geschätzte Ressourcenverfügbarkeitsvorhersage ausgeben, die über die Schnittstelle an die Benutzervorrichtung übertragen werden kann. In einigen Ausführungsformen kann die geschätzte Verfügbarkeit in verschiedenen Formen präsentiert werden, bspw. als Wahrscheinlichkeit, dass mindestens eine ausgewählte Ressource (z. B. ein Fahrzeug, ein Andockplatz) zur ausgewählten Zeit und am ausgewählten Standort verfügbar ist, oder als geschätzte Anzahl verfügbarer Ressourcen zur ausgewählten Zeit und am ausgewählten Standort. Die Vorhersage kann neben anderen Formen als Punktezahl, Prozentsatz, Vertrauensbereich, Bewertung repräsentiert werden.
  • In einigen Ausführungsformen wird die Ausgabe der Verfügbarkeitsvorhersage aus dem Modell 610 in der Empfehlungsschicht 612 verwendet, die eine Empfehlung 622 für den Benutzer basierend auf der Verfügbarkeitsvorhersage generiert. Wenn zum Beispiel die Fahrzeugverfügbarkeitsvorhersage für die angeforderte Zeit und den angeforderten Standort relativ niedrig oder ungünstig ist, kann die Empfehlung 622 einen Vorschlag für eine andere Zeit (z.B. 20 Minuten später als zur ursprünglich angeforderten Zeit) oder einen anderen Fahrzeugstandort (nahegelegenen Standort) beinhalten, für die bzw. den die Verfügbarkeitsvorhersage günstiger ist. Wenn die Verfügbarkeitsvorhersage für die angeforderte Zeit und den angeforderten Standort akzeptabel ist, kann die Empfehlung darin bestehen, diese Zeit und diesen Standort beizubehalten. Die Empfehlung 622 kann über die Schnittstelle 608 und das eine oder die mehreren Netzwerke 604 an die Benutzervorrichtung 602 übertragen werden.
  • 7 stellt einen beispielhaften Ablauf 700 zum Trainieren und Verwenden eines neuronalen Netzwerks zum Vorhersagen der Verfügbarkeit von Ressourcen in einer Umgebung zur gemeinsamen Fahrzeugnutzung gemäß verschiedenen Ausführungsformen dar. Es versteht sich, dass für einen jeden in der vorliegenden Schrift erläuterten Prozess gilt, dass innerhalb des Umfangs der verschiedenen Ausführungsformen zusätzliche, weniger oder alternative Schritte vorhanden sein können, die in ähnlichen oder alternativen Reihenfolgen oder parallel durchgeführt werden können. In diesem Beispiel werden Verlaufsdaten, die von einem System zur gemeinsamen Fahrzeugnutzung erhoben wurden, erhalten 702 und als Trainingsdaten verwendet, um ein neuronales Netzwerk oder ein anderes Modell maschinellen Lernens zu trainieren 704. Das System zur gemeinsamen Fahrzeugnutzung kann eine Vielzahl von Ressourcen beinhalten, und die Verlaufsdaten beinhalten Daten bezüglich Ressourcenverfügbarkeitsdaten zu jeweiligen Zeiten und Standorten. In einigen Ausführungsformen beinhalten die Verlaufsdaten auch Kontextdaten, die mit den jeweiligen Zeiten und Standorten verknüpft sind, wie bspw. das Wetter, lokale Ereignisse, um nur einige Umweltfaktoren zu nennen. In einigen Ausführungsformen beinhaltet das System zur gemeinsamen Fahrzeugnutzung ein System zur gemeinsamen Nutzung anzudockender Fahrräder, das eine Vielzahl von Andockstationen und eine Vielzahl von Fahrrädern umfasst, und der abgefragte Standort ist mit einer oder mehreren Andockstationen verknüpft. In einigen Ausführungsformen beinhaltet das System zur gemeinsamen Fahrzeugnutzung nicht anzudockende Fahrräder, die Geolokalisierungs-, Verarbeitungs- und Netzwerkfähigkeiten aufweisen. In derartigen Ausführungsformen können sich die nicht anzudockenden Fahrräder in einer Vielzahl von geografischen Regionen befinden und in dieser bewegbar sein, und der Abfragestandort ist mit einer oder mehreren der Regionen verknüpft.
  • Das neuronale Netzwerk wird unter Verwendung der Verlaufsdaten darauf trainiert 704, die Fahrzeugverfügbarkeit für eine jeweilige Zeit und einen jeweiligen Standort vorherzusagen. Somit kann, nachdem das neuronale Netzwerk trainiert worden ist, eine Abfrage einer Ressourcenverfügbarkeitsvorhersage von einer Benutzervorrichtung empfangen werden 706. Die Abfrage kann einen momentanen oder zukünftigen Zeitpunkt und Standort beinhalten. Die Abfrage kann beispielsweise erzeugt werden, wenn ein Benutzer, der die Benutzervorrichtung bedient, eine bestimmte Zeit und einen bestimmten Standort auswählt, für die bzw. den er ein Fahrzeug abmelden möchte, und somit die Verfügbarkeitsvorhersage für eben diese Zeit und eben diesen Standort überprüft. Die abgefragte Zeit und der abgefragte Standort, die durch den Benutzer ausgewählt wurden, werden durch das trainierte neuronale Netzwerk verarbeitet 708, das die Verfügbarkeitsvorhersage für die abgefragte Zeit und den abgefragten Standort anhand der Verlaufsdaten bestimmt 710. In einigen Ausführungsformen werden Kontextdaten, die mit der abgefragten Zeit und dem abgefragten Standort verknüpft sind, erhalten und beim Bestimmen 710 der Verfügbarkeitsvorhersage verwendet. Beispielsweise kann es sein, dass zur abgefragten Zeit und am abgefragten Ort ein Sportereignis stattfindet, das die Verfügbarkeitsvorhersage beeinflussen kann. Insbesondere können die Verlaufsdaten Aufzeichnungen zur Fahrradnutzung und/oder -verfügbarkeit während eines ähnlichen Sportereignisses beinhalten und beim Bestimmen der gegenwärtigen Verfügbarkeitsvorhersage verwendet werden. Daraufhin kann anhand der bestimmten Verfügbarkeitsvorhersage eine Antwort erzeugt 712 und an die Benutzervorrichtung bereitgestellt 714 werden.
  • 8 stellt einen beispielhaften Ablauf 800 zum Vorhersagen der Verfügbarkeit von Parkmöglichkeiten in einer Umgebung zur gemeinsamen Fahrzeugnutzung gemäß verschiedenen Ausführungsformen dar. In diesem Beispiel kann eine Abfrage einer Ressourcenverfügbarkeitsvorhersage, die mit einem System zur gemeinsamen Fahrzeugnutzung verknüpft ist, empfangen werden 802, etwa von einer Benutzervorrichtung, oder basierend auf einer Anforderung von einer Benutzervorrichtung erzeugt werden. Die Abfrage kann einen momentanen oder zukünftigen Zeitpunkt und Standort für die Verfügbarkeitsvorhersage beinhalten. Die Abfrage kann beispielsweise erzeugt werden, wenn ein Benutzer, der die Benutzervorrichtung bedient, eine bestimmte Zeit und einen bestimmten Standort auswählt, für die bzw. den er ein Fahrzeug abmelden möchte, und somit die Verfügbarkeitsvorhersage für eben diese Zeit und eben diesen Standort überprüft. In einigen Ausführungsformen kann die Abfragezeit anhand des momentanen Standorts und Zeitpunkts, an bzw. zu dem die Abfrage initiiert wurde, bestimmt werden. Es kann eine geschätzte Fahrzeit von dem momentanen Standort des Benutzers und dem ausgewählten Standort berechnet werden, und die für die tatsächliche Abfrage verwendete Zeit ist die geschätzte Fahrzeit, welche auf den momentanen Zeitpunkt addiert wird. Somit beruht die Ressourcenverfügbarkeitsvorhersage auf der Zeit, zu der zu erwarten ist, dass der Benutzer an dem Standort eintrifft.
  • In verschiedenen Ausführungsformen beinhaltet das System zur gemeinsamen Fahrzeugnutzung eine Vielzahl von Fahrzeugen einer oder mehrerer Arten, wobei ein einzelnes Fahrzeug zu einem jeweiligen Zeitpunkt entweder einen verfügbaren Zustand oder einen nicht verfügbaren Zustand aufweist und wobei die Ressourcenverfügbarkeitsvorhersage eine Vorhersage der Fahrzeugverfügbarkeit für die Zeit und den Standort beinhaltet. In einigen Ausführungsformen beinhaltet das System zur gemeinsamen Fahrzeugnutzung nicht anzudockende Fahrräder, die Geolokalisierungs-, Verarbeitungs- und Netzwerkfähigkeiten aufweisen. In derartigen Ausführungsformen können sich die nicht anzudockenden Fahrräder in einer Vielzahl von geografischen Regionen befinden und in dieser bewegbar sein, und der Abfragestandort ist mit einer oder mehreren der Regionen verknüpft. In verschiedenen Ausführungsformen beinhaltet das System zur gemeinsamen Fahrzeugnutzung eine Vielzahl von Fahrzeugandockplätzen, wobei ein einzelner Fahrzeugandockplatz mit einem von einer Vielzahl von Standorten verknüpft ist und zu einem jeweiligen Zeitpunkt entweder einen verfügbaren Zustand oder einen nicht verfügbaren Zustand aufweist. Somit kann die Ressourcenverfügbarkeitsvorhersage in derartigen Ausführungsformen eine Vorhersage der Verfügbarkeit von Fahrzeugandockplätzen für die Zeit und den Standort beinhalten. In verschiedenen Ausführungsformen beinhaltet das System zur gemeinsamen Fahrzeugnutzung sowohl Fahrzeuge als auch Plätze und kann die Abfrage für Verfügbarkeitsvorhersagen entweder für Fahrzeuge oder einen Platz oder für beide erfolgen.
  • Die abgefragte Zeit und der abgefragte Standort, die durch den Benutzer ausgewählt wurden, werden durch ein neuronales Netzwerk verarbeitet 804, das dafür trainiert wird, Verfügbarkeitsvorhersagen anhand einer eingegebenen Zeit und eines eingegebenen Standorts zu bestimmen. Konkret kann das neuronale Netzwerk anhand von Verlaufsdaten trainiert werden, die Ressourcenverfügbarkeitsdaten und Statistiken für jeweilige Zeiten und Standorte in der Vergangenheit beinhalten. Somit kann unter Verwendung des anhand der Verlaufsdaten trainierten neuronalen Netzwerks eine Ressourcenverfügbarkeitsvorhersage für die ausgewählte Zeit und den ausgewählten Ort bestimmt werden 806. In einigen Ausführungsformen beinhalten die Verlaufsdaten Kontextdaten, wie vorbeschrieben, und die Kontextdaten für die abgefragte Zeit und den abgefragten Standort werden beim Bestimmen der Ressourcenverfügbarkeitsvorhersage ebenfalls berücksichtigt. Zu Kontextdaten können zum Beispiel das Wetter, lokale Ereignisse, die Jahreszeit, der Wochentag, das Datum, Feiertage, Nachrichtenereignisse und beliebige andere Faktoren zählen, die mit einer bestimmten Zeit und einem bestimmten Ort in Verbindung stehen.
  • In einigen Ausführungsformen können aktuelle Bedingungen beim Bestimmen der Ressourcenverfügbarkeitsvorhersage verwendet werden. Eine aktuelle Bedingung kann beispielsweise eine Anzahl anderer Abfragen von Ressourcenverfügbarkeitsvorhersagen für dieselbe Zeit und denselben Standort beinhalten, die von anderen Benutzervorrichtungen empfangen werden können. Die Anzahl anderer Abfragen kann als Maß für den momentanen Bedarf an Ressourcen zu eben diesem Zeitpunkt und an eben diesem Standort interpretiert werden. Somit kann die Ressourcenverfügbarkeitsvorhersage zumindest teilweise auf der Grundlage der Anzahl anderer Abfragen, die für diese Zeit und diesen Standort empfangen wurden, bestimmt werden. Dem ähnlich kann es eine Anzahl anderer Benutzern geben, die momentan mit der Absicht zu dem Standort unterwegs sind, eine Ressource von der Vielzahl von Ressourcen zu verwenden, was auf verhaltensbezogenen Daten basiert, die mit den Benutzern verknüpft sind, und die Ressourcenverfügbarkeitsvorhersage kann zumindest teilweise auf der Anzahl der Benutzer beruhen, die momentan unterwegs sind. Die Absicht, eine Ressource zu nutzen, kann unter Verwendung verschiedener Daten bestimmt werden. Beispielsweise kann ein Benutzer momentan ein Fahrzeug des Systems zur gemeinsamen Fahrzeugnutzung verwenden und hat den Standort als sein Ziel eingegeben, an dem er sein Fahrzeug wahrscheinlich an einem Andockplatz andocken wird. Die geschätzte Ankunftszeit kann bestimmt werden. Somit kann interpretiert werden, dass ein Fahrzeug an dem Standort zur geschätzten Ankunftszeit verfügbar wird und ein Andockplatz unverfügbar wird, was die Vorhersage der Ressourcenverfügbarkeit beeinflussen kann.
  • Daraufhin können anhand der bestimmten Verfügbarkeitsvorhersage Informationen generiert 808 und an die Benutzervorrichtung bereitgestellt 810 werden, um dem Benutzer präsentiert zu werden. In einigen Ausführungsformen beinhalten die Informationen eine Wahrscheinlichkeitsbewertung, dass mindestens eine von der Vielzahl von Ressourcen zu der Zeit und an dem Standort verfügbar sein wird, oder eine geschätzte Anzahl an Ressourcen von der Vielzahl von Ressourcen, die zu der Zeit und an dem Standort verfügbar sein wird. In einigen Ausführungsformen können die Informationen eine Empfehlung für den Benutzer beinhalten, die auf der Ressourcenverfügbarkeitsvorhersage beruht. Die Empfehlung kann zum Beispiel einen alternativen nahegelegenen Standort oder einen Zeitrahmen beinhalten, der mit einer Ressourcenvorhersage einer höheren Ressourcenverfügbarkeit verknüpft ist, wie etwa, wenn die Ressourcenverfügbarkeitsvorhersage für die ursprünglich abgefragte Zeit und den ursprünglich abgefragten Standort unter einen bestimmten Schwellenwert fällt. In verschiedenen Ausführungsformen kann bestimmt werden, ob der Benutzer die Ressource (z. B. ein Fahrrad, einen Andockplatz) erfolgreich erhalten hat. Wenn der Benutzer die Ressource erhalten hat, kann der Prozess stoppen 814. Wenn der Benutzer die Ressource noch nicht erhalten hat, wird bestimmt, ob sich eine momentane Bedingung oder die ausgewählte Zeit oder der ausgewählte Standort zum Erhalten der Ressource geändert hat. Wenn es für keines davon Änderungen gibt, wird die zuvor bestimmte Antwort beibehalten und der Benutzervorrichtung bereitgestellt 810. Wenn sich dagegen eines davon geändert hat, wird der neue Satz aus ausgewählter Zeit und ausgewähltem Standort und momentaner Bedingung durch das Modell verarbeitet 804 und eine neue Antwort generiert 808 und der Benutzervorrichtung bereitgestellt 810. Somit kann die Antwort, die der Benutzervorrichtung bezüglich der Ressourcenverfügbarkeitsvorhersage bereitgestellt wird, ständig aktualisiert werden, wenn sich eine beliebige momentane Bedingung ändert oder wenn der Benutzer die ausgewählte Zeit oder den ausgewählten Standort ändert.
  • 9 stellt einen Satz Grundkomponenten einer oder mehrerer Vorrichtungen 900 der vorliegenden Offenbarung wie bspw. der Benutzervorrichtungen, der Fahrradstation und der Fahrräder dar. In diesem Beispiel beinhaltet die Vorrichtung mindestens einen Prozessor 902 zum Ausführen von Anweisungen, die in einer Speichervorrichtung oder einem Speicherelement 904 gespeichert werden können. Wie es für den Durchschnittsfachmann ersichtlich sein sollte, kann die Vorrichtung viele Arten von Speicher, Datenspeicher oder computerlesbaren Medien umfangen, etwa einen ersten Datenspeicher für Programmanweisungen zur Ausführung durch den mindestens einen Prozessor 902, wobei ein und derselbe Speicher oder ein separater Speicher für Bilder oder Daten verwendet werden kann, ein entfernbarer Speicher kann zum Teilen von Informationen mit anderen Vorrichtungen verfügbar sein kann und eine beliebige Anzahl an Kommunikationsherangehensweisen zum Teilen mit anderen Vorrichtungen kann verfügbar sein. Die Vorrichtung beinhaltet typischerweise mindestens eine Art Anzeigeelement 906, etwa einen Touchscreen, elektronisches Papier (E Ink), eine Anzeige mit organischen Leuchtdioden (OLED) oder Flüssigkristallanzeige (LCD), wenngleich die Vorrichtungen Informationen auch über andere Mittel, etwa über Lautsprecher, ausgeben können. Die Vorrichtung kann mindestens eine Kommunikationskomponente 908 beinhalten, die eine drahtgebundene und/oder drahtlose Kommunikation von Sprach- und/oder Datensignalen ermöglichen kann, zum Beispiel über ein Netzwerk wie das Internet, ein Mobilfunknetz, ein Wi-Fi-Netzwerk, BLUETOOTH® und dergleichen. Die Vorrichtung kann mindestens eine zusätzliche Eingabevorrichtung 910 beinhalten, die zum Empfangen herkömmlicher Eingaben von einem Benutzer in der Lage ist. Diese herkömmliche Eingabe kann u. a. zum Beispiel eine Drucktaste, ein Touchpad, ein Touchscreen, eine Kamera, ein Mikrofon, ein Tastenfeld, ein Scanner, ein Detektor oder eine beliebige andere derartige Vorrichtung oder ein beliebiges anderes derartiges Element sein, anhand derer ein Benutzer einen Befehl in die Vorrichtung eingeben kann. Diese E/A-Vorrichtungen könnten in einigen Ausführungsformen auch sogar über eine drahtlose Infrarot- oder Bluetooth- oder andere Verbindung verbunden sein. In einigen Ausführungsformen könnte eine derartige Vorrichtung allerdings auch keinerlei Schaltflächen aufweisen und nur durch eine Kombination aus visuellen und akustischen Befehlen gesteuert werden, sodass ein Benutzer die Vorrichtung steuern kann, ohne mit der Vorrichtung in Berührung treten zu müssen. Wie erläutert, können verschiedene Herangehensweisen in unterschiedlichen Umgebungen gemäß den beschriebenen Ausführungsformen umgesetzt werden.
  • Die Beschreibung und Zeichnungen sind dementsprechend in veranschaulichendem und nicht in einschränkendem Sinne zu betrachten. Dabei versteht es sich jedoch, dass verschiedene Modifikationen und Änderungen daran vorgenommen werden können, ohne vom weiter gefassten Geist und Umfang der Erfindung, wie in den Ansprüchen dargelegt, abzuweichen.

Claims (15)

  1. System, umfassend: mindestens einen Rechenvorrichtungsprozessor; und eine Speichervorrichtung, die Anweisungen beinhaltet, die bei Ausführung durch den mindestens einen Rechenvorrichtungsprozessor das System veranlassen zum: Erhalten von Verlaufsdaten, die von einem System zur gemeinsamen Fahrzeugnutzung erhoben wurden, wobei das System zur gemeinsamen Fahrzeugnutzung eine Vielzahl von Ressourcen umfasst und wobei die Verlaufsdaten Informationen zur Ressourcenverfügbarkeit zu jeweiligen Zeiten und Standorten beinhalten; Trainieren eines Modells maschinellen Lernens, anhand der Verlaufsdaten als Trainingsdaten, um ein trainiertes Modell maschinellen Lernens zum Ausgeben von Ressourcenverfügbarkeitsvorhersagen auf der Grundlage eines Zeit-und-Standort-Paars zu erzeugen; Empfangen einer Abfrage einer Ressourcenverfügbarkeitsvorhersage von einer Benutzervorrichtung, wobei die Abfrage eine Abfragezeit und einen Abfragestandort beinhaltet; Verarbeiten der Abfragezeit und des Abfragestandorts durch das trainierte Modell maschinellen Lernens, um die Ressourcenverfügbarkeitsvorhersage zu bestimmen; Generieren einer Antwort auf die Abfrage zumindest teilweise auf der Grundlage der Ressourcenverfügbarkeitsvorhersage, und Bereitstellen der Antwort an die Benutzervorrichtung.
  2. System nach Anspruch 1, wobei die Anweisungen das System bei Ausführung weiterhin veranlassen zum: Erhalten von Kontextdaten, die mit der Abfragezeit und dem Abfragestandort verknüpft sind, wobei die Kontextdaten eines oder mehrere von das Wetter betreffende Informationen, Ereignisse betreffende Informationen, die Jahreszeit betreffende Informationen, den Wochentag betreffende Informationen, das Datum betreffende Informationen, Feiertage betreffende Informationen und Nachrichten betreffende Informationen beinhalten, wobei die Verlaufsdaten Kontextdaten beinhalten, die mit den jeweiligen Zeiten und Standorten verknüpft sind; und Bestimmen der Ressourcenverfügbarkeitsvorhersage zumindest teilweise auf der Grundlage der Kontextdaten, die mit der Abfragezeit und dem Abfragestandort verknüpft sind.
  3. System nach Anspruch 1, wobei das System zur gemeinsamen Fahrzeugnutzung ein System zur gemeinsamen Nutzung anzudockender Fahrräder beinhaltet, das eine Vielzahl von Andockstationen und eine Vielzahl von Fahrrädern umfasst, wobei der Abfragestandort mit mindestens einer der Vielzahl von Andockstationen verknüpft ist.
  4. System nach Anspruch 1, wobei das System zur gemeinsamen Fahrzeugnutzung ein System zur gemeinsamen Nutzung nicht anzudockender Fahrräder beinhaltet, das eine Vielzahl von Fahrrädern umfasst, die Geolokalisierungs-, Verarbeitungs- und Netzwerkfähigkeiten aufweisen, wobei sich die Vielzahl von Fahrrädern in einer Vielzahl geografischer Regionen befindet und durch diese bewegbar ist, wobei der Abfragestandort mit mindestens einer von der Vielzahl geografischer Regionen verknüpft ist.
  5. Computerimplementiertes Verfahren, umfassend: Empfangen einer Abfrage einer Ressourcenverfügbarkeitsvorhersage, die mit einem System zur gemeinsamen Fahrzeugnutzung verknüpft ist, wobei das System zur gemeinsamen Fahrzeugnutzung eine Vielzahl von Ressourcen umfasst, wobei die Abfrage einen Zeitwert und einen Standortwert beinhaltet; Verarbeiten des Zeitwerts und des Standortwerts durch ein Modell, wobei das Modell anhand von Verlaufsdaten trainiert wird, wobei die Verlaufsdaten Ressourcenverfügbarkeitsstatistiken zu jeweiligen Zeiten und Standorten beinhalten; Bestimmen der Ressourcenverfügbarkeitsvorhersage zumindest teilweise auf der Grundlage des Zeitwerts und des Standortwerts; Bestimmen von Informationen, die einem Benutzer als Reaktion auf die Abfrage bereitzustellen sind; und Bereitstellen der Informationen an eine Benutzervorrichtung für den Benutzer.
  6. Computerimplementiertes Verfahren nach Anspruch 5, wobei die Verlaufsdaten Kontextdaten beinhalten, die mit den jeweiligen Zeiten und Standorten verknüpft sind, wobei das Verfahren weiterhin umfasst: Erhalten von Kontextdaten, die mit dem Zeitwert und dem Standortwert der Abfrage verknüpft sind; und Bestimmen der Ressourcenverfügbarkeitsvorhersage zumindest teilweise auf der Grundlage der Kontextdaten, die mit dem Zeitwert und dem Standortwert verknüpft sind.
  7. Computerimplementiertes Verfahren nach Anspruch 6, wobei die Kontextdaten mindestens eines von das Wetter betreffende Informationen, Ereignisse betreffende Informationen, die Jahreszeit betreffende Informationen, den Wochentag betreffende Informationen, das Datum betreffende Informationen, Feiertage betreffende Informationen und Nachrichten betreffende Informationen beinhalten.
  8. Computerimplementiertes Verfahren nach Anspruch 5, wobei die Vielzahl von Ressourcen eine Vielzahl von Fahrzeugen eines oder mehrerer Arten beinhaltet, wobei ein einzelnes Fahrzeug zu einer jeweiligen Zeit entweder einen verfügbaren Zustand oder einen nicht verfügbaren Zustand aufweist und wobei die Ressourcenverfügbarkeitsvorhersage eine Vorhersage der Fahrzeugverfügbarkeit für die Zeit und den Standort beinhaltet.
  9. Computerimplementiertes Verfahren nach Anspruch 5, wobei die Vielzahl von Ressourcen eine Vielzahl von Fahrzeugandockplätzen beinhaltet, wobei ein einzelner Fahrzeugandockplatz der Vielzahl von Fahrzeugandockplätze mit einem von einer Vielzahl von Standorten verknüpft ist und zu einer jeweiligen Zeit entweder einen verfügbaren Zustand oder einen nicht verfügbaren Zustand aufweist und wobei die Ressourcenverfügbarkeitsvorhersage eine Vorhersage der Fahrzeugandockplatzverfügbarkeit für die Zeit und den Standort beinhaltet.
  10. Computerimplementiertes Verfahren nach Anspruch 5, wobei die Ressourcenverfügbarkeitsvorhersage eine Wahrscheinlichkeitsbewertung beinhaltet, dass mindestens eine von der Vielzahl von Ressourcen zu einem durch den Zeitwert angegebenen Zeitpunkt und an einem durch den Standortwert angegebenen Standort verfügbar ist.
  11. Computerimplementiertes Verfahren nach Anspruch 5, wobei die Ressourcenverfügbarkeitsvorhersage eine geschätzte Anzahl an Ressourcen von der Vielzahl von Ressourcen beinhaltet, die zu einem durch den Zeitwert angegebenen Zeitpunkt und an einem durch den Standortwert angegebenen Standort verfügbar ist.
  12. Computerimplementiertes Verfahren nach Anspruch 5, weiterhin umfassend: Bestimmen einer Empfehlung für den Benutzer auf der Grundlage der Ressourcenverfügbarkeitsvorhersage, wobei die Empfehlung eines von einem anderen Standort oder einer anderen Zeit beinhaltet, der bzw. die mit einer Ressourcenvorhersage mit einer höheren Ressourcenverfügbarkeit verknüpft ist.
  13. Computerimplementiertes Verfahren nach Anspruch 5, weiterhin umfassend: Empfangen einer Vielzahl von Abfragen, von einer Vielzahl von Vorrichtungen, von Ressourcenverfügbarkeitsvorhersagen für eine gleiche Zeit wie eine durch den Zeitwert angegebene Zeit und einen gleichen Standort wie einen durch den Standortwert angegebenen Standort, Bestimmen eines Maßes für den gegenwärtigen Bedarf zumindest teilweise auf der Grundlage einiger von der Vielzahl von Abfragen; und Bestimmen der Ressourcenverfügbarkeitsvorhersage zumindest teilweise auf der Grundlage des Maßes für den gegenwärtigen Bedarf.
  14. Computerimplementiertes Verfahren nach Anspruch 5, weiterhin umfassend: Bestimmen einer Anzahl von Benutzern, die zu einem durch den Standortwert angegebenen Standort unterwegs sind, um eine Ressource von der Vielzahl von Ressourcen zu verwenden, und Bestimmen der Ressourcenverfügbarkeitsvorhersage zumindest teilweise auf der Grundlage der Anzahl der Benutzer.
  15. Computerimplementiertes Verfahren nach Anspruch 5, weiterhin umfassend: Bestimmen eines Standorts der Benutzervorrichtung; Bestimmen einer Fahrtzeit von dem Standort zu einem durch den Standortwert angegebenen Standort, und Bestimmen der Ressourcenverfügbarkeitsvorhersage zumindest teilweise auf der Grundlage der Fahrtzeit.
DE112018007119.7T 2018-03-16 2018-03-16 Optimieren und vorhersagen der verfügbarkeit von ressourcen in einer umgebung zur gemeinsamen fahrradnutzung Pending DE112018007119T5 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2018/022844 WO2019177620A1 (en) 2018-03-16 2018-03-16 Optimizing and predicting availability of resources in a shared vehicle environment

Publications (1)

Publication Number Publication Date
DE112018007119T5 true DE112018007119T5 (de) 2020-11-26

Family

ID=67907954

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112018007119.7T Pending DE112018007119T5 (de) 2018-03-16 2018-03-16 Optimieren und vorhersagen der verfügbarkeit von ressourcen in einer umgebung zur gemeinsamen fahrradnutzung

Country Status (4)

Country Link
US (1) US20200410375A1 (de)
CN (1) CN111868763A (de)
DE (1) DE112018007119T5 (de)
WO (1) WO2019177620A1 (de)

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014052329A1 (en) 2012-09-25 2014-04-03 Scoot Networks, Inc. Systems and methods for regulating vehicle access
WO2019204144A1 (en) * 2018-04-16 2019-10-24 Bird Rides, Inc. On-demand rental of electric vehicles
WO2019204145A1 (en) 2018-04-20 2019-10-24 Bird Rides, Inc. Remotely controlling use of an on-demand electric vehicle
US11731723B2 (en) * 2018-07-09 2023-08-22 Shimano Inc. Rider recognition device for human-powered vehicle and control system of human-powered vehicle
US11527981B2 (en) 2018-07-09 2022-12-13 Shimano Inc. Human-powered vehicle control device, electronic device, and human-powered vehicle control system
US11527980B2 (en) 2018-07-09 2022-12-13 Shimano Inc. Electronic device and human-powered vehicle system
US11597470B2 (en) 2018-07-09 2023-03-07 Shimano Inc. Human-powered vehicle component, mobile electronic device, and equipment for human-powered vehicle
US11263690B2 (en) 2018-08-20 2022-03-01 Bird Rides, Inc. On-demand rental of electric vehicles
US11410089B2 (en) * 2018-08-30 2022-08-09 International Business Machines Corporation Dynamic booking system for shared dockless bikes using trajectory position
US11439870B2 (en) * 2018-12-06 2022-09-13 International Business Machines Corporation Equipment use tracking and availability prediction
CN109649542B (zh) * 2019-01-07 2024-04-16 九号智能(常州)科技有限公司 电动车
US11733046B2 (en) 2019-10-07 2023-08-22 Lyft, Inc. Multi-modal transportation proposal generation
US10746555B1 (en) * 2019-10-07 2020-08-18 Lyft, Inc. Multi-modal transportation route deviation detection and correction
US11226208B2 (en) 2019-10-07 2022-01-18 Lyft, Inc. Transportation route planning and generation
US11733049B2 (en) 2019-10-07 2023-08-22 Lyft, Inc. Multi-modal transportation system
US20220379983A1 (en) * 2019-10-13 2022-12-01 WATERMAN Charging System GmbH Connection System for Connecting a Small Vehicle to a Base Station
US20210107579A1 (en) * 2019-10-14 2021-04-15 Trek Bicycle Corporation Vehicle station system
FR3102875B1 (fr) * 2019-10-31 2023-10-20 El Hadj Mohamed Ait Procédé de sécurisation d’une location d’un engin de locomotion et/ou d’équipements de protection pour un utilisateur d’engin de locomotion
CN111143769B (zh) * 2019-12-09 2023-05-09 深圳市市政设计研究院有限公司 一种基于大数据的出行方式分担率的预测方法和预测装置
CN111190982B (zh) * 2019-12-25 2024-03-22 航天信息股份有限公司 一种基于大数据的共享单车管理方法及***
US20210302175A1 (en) * 2020-03-31 2021-09-30 Lyft, Inc. Multi-modal route generation system
CN111489039B (zh) * 2020-04-15 2023-05-19 悉地（苏州）勘察设计顾问有限公司 共享单车总量预测方法及***
US11620588B2 (en) * 2020-06-23 2023-04-04 Capital One Services, Llc Methods and systems for determining alternative plans
KR20220046938A (ko) * 2020-10-08 2022-04-15 현대모비스 주식회사 교통시스템 및 그 운영방법
CN112329986A (zh) * 2020-10-13 2021-02-05 厦门市交通研究中心 一种共享单车的停放管理方法、装置及设备
CN112528156B (zh) * 2020-12-24 2024-03-26 北京百度网讯科技有限公司 建立排序模型的方法、查询自动补全的方法及对应装置
CN113034740A (zh) * 2021-02-26 2021-06-25 山东浪潮质量链科技有限公司 一种共享单车解锁方法、设备及存储介质
CN113095636B (zh) * 2021-03-25 2024-01-23 深圳前海联动云软件科技有限公司 一种燃油共享汽车的智能调度***及其方法
CN113240898B (zh) * 2021-04-30 2022-11-22 云上青海大数据产业有限公司 一种大数据信息采集方法
US20220374804A1 (en) * 2021-05-18 2022-11-24 Hewlett-Packard Development Company, L.P. Resource availability prediction
CN113393093A (zh) * 2021-05-27 2021-09-14 摩拜(北京)信息技术有限公司 基于网格的车辆调度方法和服务器
CN113903122B (zh) * 2021-09-30 2023-04-11 宁波小遛共享信息科技有限公司 共享车辆的临时锁定方法、装置及计算机设备
ES2929233A1 (es) * 2021-11-10 2022-11-25 Garcia Carlos Villegas Metodo y sistema de gestion de aparcamiento para vehiculos de micromovilidad compartidos
CN114580178B (zh) * 2022-03-09 2022-08-30 中国科学院地理科学与资源研究所 一种蚊虫分布预测方法、装置、设备和存储介质
CN114819536A (zh) * 2022-04-02 2022-07-29 北京阿帕科蓝科技有限公司 一种车辆调度方法

Family Cites Families (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6453298B2 (en) * 1998-07-10 2002-09-17 Honda Giken Kogyo Kabushiki Kaisha Method of operating a vehicle redistribution system based upon predicted ride demands
JP4042840B2 (ja) * 2001-07-06 2008-02-06 富士通株式会社 需要情報集積システム及び需要情報集積方法
WO2008157443A2 (en) * 2007-06-13 2008-12-24 Intrago Corporation Shared vehicle management system
US20120265434A1 (en) * 2011-04-14 2012-10-18 Google Inc. Identifying Parking Spots
US9002767B2 (en) * 2012-01-10 2015-04-07 Kenneth E. Pringle System and method for managing electrified parking space utilization
US20140122190A1 (en) * 2012-10-31 2014-05-01 Ouri Wolfson System and methods for detection and selection of a resource among available resources
CN104937650B (zh) * 2012-12-21 2017-12-05 泊知港有限公司 用于定位可用停车位的***及方法
US20150242944A1 (en) * 2013-09-20 2015-08-27 Eugene S. Willard Time dependent inventory asset management system for industries having perishable assets
US20170178511A1 (en) * 2014-03-18 2017-06-22 Landon Berns Determining parking status and parking availability
US9267812B1 (en) * 2014-08-15 2016-02-23 Telecommunication Systems, Inc. Parking option
US20200065908A1 (en) * 2014-09-05 2020-02-27 Clutch Technologies, Llc System and method for dynamic insurance coverage in a subscription vehicle service
US10580081B2 (en) * 2014-09-05 2020-03-03 Clutch Technologies, Llc System and method for dynamic insurance coverage in a subscription vehicle service
US10922746B2 (en) * 2014-09-05 2021-02-16 Clutch Technologies, Llc System and method for scoring the fit of a vehicle for a given flip request
US9767690B2 (en) * 2014-11-19 2017-09-19 Uber Technologies, Inc. Parking identification and availability prediction
US20160189098A1 (en) * 2014-12-30 2016-06-30 Here Global B.V. Method and apparatus for providing access to contextually relevant vehicles for delivery purposes
US20160217510A1 (en) * 2015-01-22 2016-07-28 Charlottesville Parking Center, Inc. Apparatus, method, and computer-readable medium that transmit accumulated total measure to an external device
SG11201706156SA (en) * 2015-01-30 2017-08-30 Singapore Univ Of Tech And Design Vehicles, vehicle controller systems, methods for controlling a vehicle, and methods for controlling a plurality of vehicles
SG11201706602RA (en) * 2015-02-13 2017-09-28 Beijing Didi Infinity Tech And Dev Co Ltd Methods and systems for transport capacity scheduling
US10354531B1 (en) * 2015-09-25 2019-07-16 Apple Inc. System and method for identifying available parking locations
US11138524B2 (en) * 2016-03-11 2021-10-05 Uber Technologies, Inc. Cascaded boosted predictive models
US11182709B2 (en) * 2016-08-16 2021-11-23 Teleport Mobility, Inc. Interactive real time system and real time method of use thereof in conveyance industry segments
US11176500B2 (en) * 2016-08-16 2021-11-16 Teleport Mobility, Inc. Interactive real time system and real time method of use thereof in conveyance industry segments
US11367088B2 (en) * 2016-11-11 2022-06-21 Jpmorgan Chase Bank, N.A. System and method for providing data science as a service
US11562382B2 (en) * 2016-11-11 2023-01-24 Jpmorgan Chase Bank, N.A. System and method for providing data science as a service
US20180174454A1 (en) * 2016-12-21 2018-06-21 Mastercard International Incorporated Method and system for predicting parking space availability using multi-factor analytics
US10343631B2 (en) * 2016-12-28 2019-07-09 Uber Technologies, Inc. Decreasing autonomous vehicle power consumption
CN110383007B (zh) * 2017-02-22 2023-07-28 福特汽车公司 智能车辆停泊设备和相关方法
US9953539B1 (en) * 2017-03-28 2018-04-24 Nec Corporation Method and system for providing demand-responsive dispatching of a fleet of transportation vehicles, and a mobility-activity processing module for providing a mobility trace database
US20180300660A1 (en) * 2017-04-18 2018-10-18 Lyft, Inc. Systems and methods for provider claiming and matching of scheduled requests
CN107040895B (zh) * 2017-05-12 2018-02-02 ***带西东网络科技有限公司 基于无桩车辆的电子围栏控制方法
US10169996B2 (en) * 2017-05-17 2019-01-01 Here Global B.V. Method and apparatus for estimation of waiting time to park
US10762447B2 (en) * 2017-05-23 2020-09-01 Uatc, Llc Vehicle selection for on-demand transportation services
US11282009B2 (en) * 2017-05-23 2022-03-22 Uatc, Llc Fleet utilization efficiency for on-demand transportation services
US11080806B2 (en) * 2017-05-23 2021-08-03 Uber Technologies, Inc. Non-trip risk matching and routing for on-demand transportation services
US20180349792A1 (en) * 2017-05-31 2018-12-06 Here Global B.V. Method and apparatus for building a parking occupancy model
US10032368B1 (en) * 2017-06-01 2018-07-24 Here Global B.V. Method and apparatus for measurement of parking duration from anonymized data
US20180374004A1 (en) * 2017-06-27 2018-12-27 Jacques Eone Parking inventory and reservation management system for flexible parking subscriptions
US20190026671A1 (en) * 2017-07-20 2019-01-24 DTA International FZCO Device, System, and Method for Optimizing Taxi Dispatch Requests
US10459444B1 (en) * 2017-11-03 2019-10-29 Zoox, Inc. Autonomous vehicle fleet model training and testing
RU2681963C1 (ru) * 2017-11-07 2019-03-14 Общество С Ограниченной Ответственностью "Яндекс" Система и способ для определения наличия парковки
US11386789B1 (en) * 2017-11-10 2022-07-12 Lyft, Inc. Using a predictive request model to optimize provider resources
US20190146508A1 (en) * 2017-11-14 2019-05-16 Uber Technologies, Inc. Dynamic vehicle routing using annotated maps and profiles
US10726644B2 (en) * 2017-12-22 2020-07-28 Lyft, Inc. Fleet maintenance management for autonomous vehicles
US11663561B2 (en) * 2017-12-29 2023-05-30 Lyft, Inc. Charge scheduling across a fleet of autonomous vehicles (AVs)
US10670411B2 (en) * 2017-12-29 2020-06-02 Lyft Inc. Efficient matching of service providers and service requests across a fleet of autonomous vehicles
US11704608B2 (en) * 2017-12-29 2023-07-18 Lyft, Inc. Session-based transportation dispatch
US11158020B2 (en) * 2017-12-29 2021-10-26 Lyft, Inc. Assigning rides based on probability of provider acceptance
US10853862B2 (en) * 2017-12-31 2020-12-01 Lyft, Inc. In-vehicle vending inventory tracking
US11168995B2 (en) * 2018-03-15 2021-11-09 Waymo Llc Managing a fleet of vehicles

Also Published As

Publication number Publication date
US20200410375A1 (en) 2020-12-31
CN111868763A (zh) 2020-10-30
WO2019177620A1 (en) 2019-09-19

Similar Documents

Publication Publication Date Title
DE112018007119T5 (de) Optimieren und vorhersagen der verfügbarkeit von ressourcen in einer umgebung zur gemeinsamen fahrradnutzung
US10703381B2 (en) Intelligent vehicle action decisions
Creutzig et al. Leveraging digitalization for sustainability in urban transport
CN105554059B (zh) 基于北斗导航技术的物流运输智能感知与位置服务***
Ayed et al. Big data analytics for logistics and transportation
CN114390079B (zh) 一种智慧城市公共场所管理方法和物联网***
DE112018007131T5 (de) Näherungsbasierte reservierungen für gemeinsam genutzten transport
CN105407159B (zh) 物流运输位置服务***
CN103594000B (zh) 基于移动网络服务的停车位搜索平台
Liu et al. A spatio‐temporal ensemble method for large‐scale traffic state prediction
CN110431572A (zh) 用于管理地理位置中的资产的***和方法
DE112018007122T5 (de) Bereitstellen von verfügbarkeitsindikatoren in einer geteilten fahrzeugumgebung
CN103606299B (zh) 基于智能手机的停车位信息共享方法
Haase et al. Improving pilgrim safety during the hajj: an analytical and operational research approach
Belkhala et al. Smart parking architecture based on multi agent system
KR102158253B1 (ko) 인공지능 기반 자동매칭을 통하여 당사자의 정보 쌍방교환 및 매칭거부를 제로화한 차량 공유 서비스 제공 방법
DE102021126050A1 (de) Dynamische auswahl von haltepunkten eines autonomen fahrzeugs
Zhao et al. Unifying Uber and taxi data via deep models for taxi passenger demand prediction
EP4020368A1 (de) Zusammenarbeit von verkehrsunternehmen für verbesserte benutzererfahrung und betriebseffizienz
CN109409563B (zh) 一种公交运营车辆实时人数的分析方法、***和存储介质
Sánchez-Martínez et al. Workshop 5 report: Harnessing big data
Xu et al. A taxi dispatch system based on prediction of demand and destination
DE102009056641A1 (de) Verfahren zur Routenbestimmung in einem System zur Vermittlung von Mitfahrgelegenheiten
Ristama The utilization of intelligent traffic systems for managing traffic problems in tourism areas: A literature review
Abideen et al. Regional‐based multi‐module spatial–temporal networks predicting city‐wide taxi pickup/dropoff demand from origin to destination

Legal Events

Date Code Title Description
R079 Amendment of ipc main class

Free format text: PREVIOUS MAIN CLASS: G06F0015180000

Ipc: G06N0020000000

R082 Change of representative

Representative=s name: LORENZ SEIDLER GOSSEL RECHTSANWAELTE PATENTANW, DE

R084 Declaration of willingness to licence