CN115936522A - 一种车辆停靠站点的评估方法、装置、设备以及存储介质 - Google Patents

Abstract

本公开提供了一种车辆停靠站点的评估方法、装置、设备以及存储介质，涉及人工智能领域，尤其涉及自动驾驶、智慧交通等领域。具体实现方案为：针对多个车辆停靠站点，获取各个车辆停靠站点的至少一个维度的原始数据，该至少一个维度包括网络延迟、步行导航距离、停靠数据和乘车次数中的至少之一；利用该各个车辆停靠站点的至少一个维度的原始数据，确定各个车辆停靠站点在每个维度的评估结果；以及，采用该各个车辆停靠站点在每个维度的评估结果，对各个车辆停靠站点进行价值评估。本公开能够对多个车辆停靠站点进行多维度的价值评估。

Description

一种车辆停靠站点的评估方法、装置、设备以及存储介质

技术领域

本公开涉及人工智能领域，尤其涉及自动驾驶、智慧交通等领域。

背景技术

随着自动驾驶技术的发展，自动驾驶出租车逐渐开始成为人们的出行方式。但是在实际生活中，由于城市道路场景复杂，社会车辆、行人和环境的多变，自动驾驶出租车尚不能和有人驾驶出租车一样，能够在任意位置灵活停车。

因此，出于对行人安全、道路交通和法律法规等方面的考虑，在区域内指定位置建设一定数量的停靠站点，更有利于现阶段自动驾驶出租车的运营。

发明内容

本公开提供了一种车辆停靠站点的评估方法、装置、设备以及存储介质。

根据本公开的一方面，提供了一种车辆停靠站点的评估方法，包括：

针对多个车辆停靠站点，获取各个车辆停靠站点的至少一个维度的原始数据，该至少一个维度包括网络延迟、步行导航距离、停靠数据和乘车次数中的至少之一；

利用该各个车辆停靠站点的至少一个维度的原始数据，确定各个车辆停靠站点在每个维度的评估结果；以及，

采用该各个车辆停靠站点在每个维度的评估结果，对各个车辆停靠站点进行价值评估。

根据本公开的另一方面，提供了一种车辆停靠站点的评估装置，包括：

获取模块，用于针对多个车辆停靠站点，获取各个车辆停靠站点的至少一个维度的原始数据，该至少一个维度包括网络延迟、步行导航距离、停靠数据和乘车次数中的至少之一；

第一确定模块，用于利用该各个车辆停靠站点的至少一个维度的原始数据，确定各个车辆停靠站点在每个维度的评估结果；以及，

评估模块，用于采用该各个车辆停靠站点在每个维度的评估结果，对各个车辆停靠站点进行价值评估。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开中任一实施例的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使该计算机执行根据本公开中任一实施例的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据本公开中任一实施例的方法。

本公开提出的车辆停靠站点的评估方法，通过利用多个车辆停靠站点的至少一个维度的原始数据，对各个车辆停靠站点进行价值评估。在对车辆停靠站点评估的过程中，综合考虑了车辆停靠站点各个维度的因素，提高了车辆停靠站点价值评估的可信度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开实施例的应用场景示意图；

图2是根据本公开实施例的车辆停靠站点的评估方法200的实现流程图；

图3A是根据本公开实施例的人工接管数据维度的原始数据的分布概率示意图；

图3B是根据本公开实施例的人工接管数据维度的原始数据评分的分布概率示意图；

图4是根据本公开实施例的自动化离线车辆停靠站点评估方法的示意图；

图5是根据本公开实施例的车辆停靠站点评估方法的整体流程示意图；

图6是根据本公开一实施例的车辆停靠站点的评估装置600的结构示意图；

图7是根据本公开一实施例的车辆停靠站点的评估装置700的结构示意图；

图8示出了可以用来实施本公开的实施例的示例电子设备1300的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。本文中术语“第一”、“第二”表示指代多个类似的技术用语并对其进行区分，并不是限定顺序的意思，或者限定只有两个的意思，例如，第一特征和第二特征，是指代有两类/两个特征，第一特征可以为一个或多个，第二特征也可以为一个或多个。

随着自动驾驶技术的发展，自动驾驶出租车逐渐开始成为人们的出行方式。但是在实际生活中，由于城市道路场景复杂，社会车辆、行人和环境的多变，自动驾驶出租车尚不能和有人驾驶出租车一样，能够在任意位置灵活停车。因此，出于对行人安全、道路交通和法律法规等方面的考虑，在区域内指定位置建设一定数量的车辆停靠站点，更有利于现阶段自动驾驶出租车的运营。

目前，通常依赖经验设立车辆停靠站点，但是据此确定出的车辆停靠站点不够合理，无法满足人们的出行需求。因此，如何根据现有的车辆停靠站点和自动驾驶出租车的运营能力，实现更科学的车辆停靠站点的多维度评估，逐渐成为日趋重要的问题。

本公开实施例提出的一种车辆停靠站点的评估方法，能够实现科学的车辆停靠站点的多维度评估。图1是根据本公开实施例的应用场景示意图，本公开涉及的车辆可以包括自动驾驶车辆。在一些实施方式中，车辆停靠站点的评估系统100可以对现有的车辆停靠站点进行价值评估。如图1所示，车辆停靠站点的评估系统100可以包括采集设备110、存储设备120和处理设备130。其中，采集设备110可以用于采集车辆的行驶数据和/或车辆停靠站点的运营数据；存储设备120可以用于存储该车辆的行驶数据和/或该车辆停靠站点的运营数据；处理设备130用于根据存储设备120中的数据对车辆停靠站点进行价值评估。在一些实施方式中，车辆停靠站点的评估系统100还可以包括用于促进车辆的行驶数据和/或车辆停靠站点的运营数据交换的网络。在一些实施方式中，车辆停靠站点的评估系统100中的一个或多个组件(例如，采集设备110、处理设备120、或存储设备130)可以通过网络发送车辆的行驶数据和/或车辆停靠站点的运营数据给车辆停靠站点的评估系统100中的其他组件。需要说明的是，网络可以是任意类型的有线或无线网络。

本公开实施例提出了一种车辆停靠站点的评估方法，图2是根据本公开实施例的车辆停靠站点的评估方法200的实现流程图，包括：

S210：针对多个车辆停靠站点，获取各个车辆停靠站点的至少一个维度的原始数据，该至少一个维度包括网络延迟、步行导航距离、停靠数据和乘车次数中的至少之一；

S220：利用该各个车辆停靠站点的至少一个维度的原始数据，确定各个车辆停靠站点在每个维度的评估结果；以及，

S230：采用该各个车辆停靠站点在每个维度的评估结果，对各个车辆停靠站点进行价值评估。

本公开实施例提出的车辆停靠站点的评估方法可以周期性进行；或者预先设定触发条件，在满足触发条件时执行。例如，预先设定执行周期为T，在用于执行车辆停靠站点评估方法的装置中设置计时器，将计时器的初始值设置为0；启动计时器，在计时器达到T时，执行对各个车辆停靠站点的评估，并将计时器重新置为0；再次启动计时器，如此循环。又如，设定24小时内所有车辆停靠站点的乘车次数之和的范围为[n1，n2]，在24小时内所有车辆停靠站点的乘车次数之和小于n1时，执行对各个车辆停靠站点的评估；或者，在24小时内所有车辆停靠站点的乘车次数之和大于n2时，执行对各个车辆停靠站点的评估。

本公开实施例提出的车辆停靠站点的评估方法，能够根据各个维度的原始数据的评估结果，确定各个车辆停靠站点的价值，即对车辆停靠站点进行科学的多维度评估。车辆停靠站点的价值，可以指车辆停靠站点的优质程度，例如是否适合作为自动驾驶运营车辆接送乘客的停靠站点。由于本公开实施例是以车辆停靠站点在网络延迟、步行导航距离、停靠数据和乘车次数等维度的数据为依据来进行价值评估的，因此车辆停靠站点的价值可以与前述几个维度相关。例如，网络延迟能够反映自动驾驶车辆在该车辆停靠站点处的自动驾驶能力，因此网络延迟越小，车辆停靠站点的价值越高。又如，步行导航距离越小，说明用户到达车辆停靠站点越方便，因此步行导航距离越小，车辆停靠站点的价值越高。又如，乘车次数越大，说明越多用户选择在该车辆停靠站点上下车，因此乘车次数越大，车辆停靠站点的价值越高。

一示例中，在步骤S210中，各个车辆停靠站点的至少一个维度的原始数据可以通过对日志数据进行解析和/或处理得到，该处理包括清洗、过滤和抽取中的至少之一；

其中，该日志数据包括自动驾驶车辆的运行日志、云端服务器的运营日志和第三方数据中的至少之一。

在一些实施方式中，该日志数据可以指自动驾驶车辆在行驶过程中，各个阶段的多维度数据。需要说明的是，该自动驾驶车辆的运行日志可以指该自动驾驶车辆各模块周期性打点生成的时间维度日志数据，其中，各模块可以包括人机界面(hmi，human machineinterface)终端模块、网络模块和全球定位系统(gps，Global Positioning System)模块中的至少之一；云端服务器的运营日志可以指云端服务器打点保存的车辆调度数据或订单状态等各阶段的运行数据；第三方数据可以指对自动驾驶车辆的行驶造成影响的外界数据，例如，交通事故数据、道路设施数据、道路人流量数据或气象数据等。

在一些实施方式中，该日志数据可以通过硬盘和/或网络通讯的方式落盘到数据仓库中。

由于上述日志数据在生成过程中不可避免地会出现异常数据，例如重复数据、缺失内容的数据、多余数据或错误数据等。因此，本公开实施例还可以对上述日志数据进一步处理，以得到各个车辆停靠站点准确率更高的原始数据。

在一些实施方式中，在对上述日志数据进行处理时，可以采用清洗处理、过滤处理和抽取处理中的至少之一。

具体地，清洗处理可以筛选出该日志数据中重复或多余的数据，并对筛选出的数据进行清除处理；同时清洗处理也可以修改和/或删除日志数据中不正确的数据，并对日志数据中缺失的部分进行补充，以得到可以进一步加工的数据。过滤处理可以将日志数据中满足预设条件和/或包含关键部分的数据筛选出来，以得到最优的数据。抽取处理可以在该日志数据中抽取部分或全部满足预设条件的数据。需要说明的是，上述日志数据的三种处理方法仅为举例，本公开并不限制日志数据的具体处理方法。

本公开实施例采用多维度的日志数据对车辆停靠站点的价值进行评估，能够对车辆停靠站点的各个维度进行综合性评估，提高车辆停靠站点价值评估的可信性。

需要强调的是，上述日志数据可以包括各个车辆停靠站点的至少一个维度的原始数据。其中，该维度可以包括网络延迟、步行导航距离、停靠数据和乘车次数中的至少之一。当然，本公开实施例提出的原始数据的维度仅为示例，本公开并不限制原始数据的维度；除了前述几种维度之外，本公开实施例还可以利用其他维度的原始数据进行站点评估。需要说明的是，原始数据的具体维度一般取决于该车辆停靠站点的业务需求和规划，例如，原始数据的维度还可以包括用户等待时长、车辆等待时长、或用户等车舒适度等。

在一些实施方式中，上述网络延迟可以包括各个车辆停靠站点处，车辆与服务器之间的网络传输延迟。需要说明的是，网络延迟能够反映自动驾驶车辆在该车辆停靠站点处的自动驾驶能力。例如，自动驾驶车辆的自动驾驶能力可以是主驾有人能力、副驾有人能力或全无人能力。一般情况下，车辆停靠站点的网络延迟越低，则该自动驾驶车辆在该车辆停靠站点的自动驾驶能力越高。

步行导航距离可以包括车辆停靠站点的位置距离用户期望上车点之间的距离。需要说明的是，该步行导航距离能够反映用户乘车的便捷程度。例如，步行导航距离越近，即车辆停靠站点的位置距离用户期望上车点之间的距离越近，则用户乘车的便捷程度越高。一般情况下，用户乘车的便捷程度越高，则用户到该车辆停靠站点乘坐车辆的意愿度越高。

乘车次数可以指用户在该车辆停靠站点乘坐自动驾驶车辆的次数。需要说明的是，该乘车次数能够反映该车辆停靠站点的使用率。例如，用户到该车辆停靠站点的乘车次数越多，则表示该车辆停靠站点的使用率越高。一般情况下，该车辆停靠站点的使用率越高，则用户在该车辆停靠站点乘车的可能性越高。

停靠数据可以指车辆停靠站点的停车复杂度。需要说明的是，该停靠数据能够反映该车辆停靠站点的复杂度。在一些实施方式中，该停靠数据可以包括紧急刹车数据、人工接管数据和停靠时长数据中的至少之一，这是为了能够对自动驾驶车辆的停靠数据进行多维度的评价。例如，该停靠数据的数值越大，则该车辆停靠站点越难停靠，那么该车辆停靠站点对自动驾驶车辆的自动驾驶能力考验越大。当然，若该车辆停靠站点越难停靠，也会造成用户的乘车时长增加，降低用户的整体体验感。因此，一般情况下，车辆停靠站点的停靠数据的数值越低，则用户在该车辆停靠站点的乘车体验越高。紧急刹车数据可以指自动驾驶车辆在该车辆停靠站点的紧急刹车次数，或自动驾驶车辆在该车辆停靠站点的紧急刹车次数与停靠次数的比值；人工接管数据可以指自动驾驶车辆在该车辆停靠站点的人工接管次数、或自动驾驶车辆在该车辆停靠站点的人工接管次数与停靠次数的比值，其中，该人工接管次数表示停靠过程中人为干预自动驾驶车辆的次数；停靠时长数据可以指自动驾驶车辆停靠在该车辆停靠站点处所需的时间、或自动驾驶车辆停靠在该车辆停靠站点处所需的时间与自动驾驶车辆在该车辆停靠站点的停靠次数的比值。

以上简单介绍了本公开实施例中车辆停靠站点各个维度的原始数据，以及如何获取各个车辆停靠站点至少一个维度的原始数据的方法。但是，对车辆停靠站点进行价值评估时，不仅需要确定各个车辆停靠站点的原始数据，也需要确定各个车辆停靠站点至少一个维度的原始数据的评估结果。

具体地，本公开实施例提出的确定各个车辆停靠站点在每个维度的评估结果的方法包括以下步骤：

针对每个维度，分别采用以下方式，确定各个车辆停靠站点在该维度的评估结果：

确定各个车辆停靠站点在该维度的原始数据；

将确定出的原始数据按照预定顺序进行排序，以得到原始数据序列；

根据该原始数据序列，确定各个车辆停靠站点在该维度的评估结果。

其中，该预定顺序可以是从大到小、或从小到大的顺序，也就是说可以采用从大到小、或从小到大的顺序对原始数据进行排序，以得到原始数据序列。当然本公开对预定顺序并不做限制。

以上简单介绍了本公开实施例是如何利用各个车辆停靠站点的至少一个维度的原始数据，确定各个车辆停靠站点在每个维度的评估结果的方法，该方法能够高效、准确地确定各个车辆停靠站点在每个维度的评估结果。

为了能够更准确地根据该原始数据序列，确定各个车辆停靠站点在该维度的评估结果，本公开实施例提出了以下两种实现方式，两种方式的具体实现方法有所区别。需要强调的是，本公开实施例提出的两种方式仅为举例，本公开并不限制确定各个车辆停靠站点在每个维度的评估结果的方式。

方式一：分位数评估法

在确定车辆停靠站点在某个维度的评估结果时，本方式至少包括以下内容：

针对各个车辆停靠站点，确定该车辆停靠站点的该维度的原始数据在该原始数据序列中的分位数；并且，根据该车辆停靠站点的类型，确定对应的第一评估阈值，该第一评估阈值用于根据分位数确定评估结果；

利用该分位数和该第一评估阈值，确定该车辆停靠站点在该维度的评估结果。

本公开实施例中的分位数是一个数值，可以表示该车辆停靠站点的原始数据在该维度的原始数据序列中的位置。例如，当该车辆停靠站点的原始数据在该维度的原始数据序列中所处的分位数为70分位时，表示该车辆停靠站点的原始数据大于该维度的原始数据序列中70％的原始数据。

举例说明，车辆停靠站点在该维度的评估结果可以分为：高、中和低。上述第一评估阈值包括70％和35％，用于根据原始数据在该原始数据序列中的分位数确定评估结果；其中，70％用于划分“高”评估结果和“中”评估结果，35％用于划分“中”评估结果和“低”评估结果。以分位数评估法确定车辆停靠站点的评估结果时，若该车辆停靠站点在该维度的原始数据在原始数据序列中的分位数大于70％，则确定该车辆停靠站点在该维度的评估结果为“高”；若该车辆停靠站点在该维度的原始数据在原始数据序列中的分位数小于70％且大于35％，则确定该车辆停靠站点在该维度的评估结果为“中”；若该车辆停靠站点在该维度的原始数据在原始数据序列中的分位数小于35％，则确定该车辆停靠站点在该维度的评估结果为“低”。

需要说明的是，上述车辆停靠站点在各个维度的评估结果可以采用分布式sparksql计算任务或离线python脚本确定。

在一些实施方式中，由于车辆停靠站点的价值也会受时间、天气或人群等外力因素的影响，因此，在对车辆停靠站点的价值进行评估时，也需要考虑车辆停靠站点的类型。车辆停靠站点的类型可以由车辆停靠站点的位置确定。一般情况下，相较于其他确定车辆停靠站点类型的方式，根据车辆停靠站点的位置确定车辆停靠站点类型的方式更准确，且更具有代表性。其中，车辆停靠站点的位置可以包括学校、商场、地铁、住宅区和公交站中的至少之一。当然，本公开实施例并不限制车辆停靠站点的位置，一般情况下，只要符合车辆停靠站点设置标准的位置均可以设置车辆停靠站点。

在对车辆停靠站点的价值进行评估时，需要考虑车辆停靠站点类型的原因，主要是车辆停靠站点的类型会对车辆停靠站点原始数据的合理阈值范围造成影响，例如，位于地铁处的车辆停靠站点的人流量明显多于位于住宅区的车辆停靠站点。因此，为了保证车辆停靠站点价值的合理性，需要根据车辆停靠站点的类型，确定车辆停靠站点在各个维度的第一评估阈值，例如，在乘车次数维度，位于地铁处的车辆停靠站点的第一评估阈值需要大于位于住宅区的车辆停靠站点的第一评估阈值。

本公开实施例需要提出的确定该车辆停靠站点在该维度评估结果的方法，可以根据车辆停靠站点的类型确定该维度的第一评估阈值，再基于该第一评估阈值和该车辆停靠站点在该维度的分位数，确定车辆停靠站点在该维度的评估结果。

本公开实施例综合考虑了城市复杂的道路场景对车辆停靠站点价值的影响，能够科学和多维度地对车辆停靠站点进行价值评估。

方式二：分数评估法

在确定车辆停靠站点在某个维度的评估结果时，本方式至少包括以下内容：

确定该维度的原始数据对应的评分范围；

将该评分范围划分为多个评分映射区间；

根据该原始数据序列，确定各个该评分映射区间所对应的多个原始数据，并将对应的原始数据放入该评分映射区间，以建立原始数据与评分的映射关系；

利用该原始数据与评分的映射关系，确定各个该车辆停靠站点在该维度的原始数据所对应的评分；

利用该评分，确定各个该车辆停靠站点在该维度的评估结果。

在一些实施方式中，方式二首先确定该维度的原始数据对应的评分范围。例如，可以将该维度的原始数据对应的评分范围确定为0-5分，其中，0分代表该原始数据最差，5分代表该原始数据最好。

接着，为了便于管理维护和可视化操作，本公开实施例提出了基于原始数据的分布和评分范围，确定多个评分-原始值的映射关系，即评分映射区间。该方法需要首先确认原始数据序列的均值，之后确定该均值的评分，再以均值-评分的映射关系为基础，建立评分-原始数据的映射关系。

举例说明，图3A是根据本公开实施例的人工接管数据维度的原始数据的分布概率示意图。其中，横坐标表示原始数据，纵坐标表示原始数据的分布概率，正态分布曲线表示原始数据的分布概率。如图3A所示，该原始数据的均值约为0.08，正态分布曲线的标准差σ约为0.08。以评分范围为0-5分为例，可以预先设定原始数据的均值0.08对应的分值为评分范围的中间值，即2.5分。由于人工接管维度的原始数据越大，则该车辆停靠站点的停车复杂度越高，也就是说如果该人工接管数据维度的原始数据越大，则该车辆停靠站点在人工接管数据维度的评分越低。根据人工接管数据维度的评分原则、原始数据均值和评分的映射关系、以及正态分布曲线的标准差σ，可以确定评分-原始数据的映射关系。具体地，若上述正态分布曲线的一个区间对应的分值为0.5，则评分-原始数据的对应关系为：原始数据0-0.08对应的评分为3-2.5；原始数据0.08-0.16对应的评分为2.5-2；原始数据0.16-0.24对应的评分为2-1.5；原始数据0.24-0.32对应的评分为1.5-1；原始数据0.32-0.40对应的评分为1-0.5；原始数据0.40-0.48对应的评分为0.5-0。需要说明的是，上述的正态分布曲线的一个区间对应的分值为0.5的评分规则仅为举例。

需要说明的是，原始数据和评分范围可能会存在无法一一对应的问题。例如，以上述人工接管数据维度为例，评分范围为0-5分，而该人工接管维度的原始数据的评分仅在0-3分区间。这一现象会导致原始数据和评分的映射关系在0-3分处过于集中，而无法充分利用0-5分的评分范围，同时也不利于确定各个车辆停靠站点在该维度的评分。因此，本公开实施例还可以对不合理的原始数据和评分映射的关系进行调整，如图3B所示，可以将该人工接管数据和评分的映射关系由0-3分，扩缩至0-5。图3B是根据本公开实施例的人工接管数据维度的原始数据评分的分布概率示意图，横坐标表示原始数据的评分，纵坐标表示该原始数据评分的分布概率，正态分布曲线表示原始数据评分的分布概率。

举例说明，以分数评估法确定车辆停靠站点价值时，若该车辆停靠站点在该维度的评分大于4，则该车辆停靠站点在该维度的价值为高；若车辆停靠站点在该维度的评分小于4且大于2，则该车辆停靠站点在该维度的价值为中；若车辆停靠站点在该维度的评分小于2，则该车辆停靠站点在该维度的价值为低。

需要说明的是，上述车辆停靠站点在各个维度的评估结果可以采用分布式sparksql计算任务或离线python脚本确定。

需要说明的是，本公开实施例并不限制确定评分映射区间的方法，例如，还可以根据原始数据的概率密度面积确定原始数据的评分映射区间。

在一些实施方式中，方式二与方式一类似，为了保证车辆停靠站点价值的合理性，在对车辆停靠站点在该维度的价值进行评估时，也需要考虑车辆停靠站点的类型，具体方式如下：

根据该车辆停靠站点的类型，确定对应的第二评估阈值，该第二评估阈值用于根据评分确定评估结果；

利用该评分和该第二评估阈值，确定该车辆停靠站点在该维度的评估结果。

本公开实施例提出的方法可以将各个车辆停靠站点的至少一个维度的原始数据，归到统一标准下进行价值评估。该方法便于管理维护和可视化操作。

上述内容简单介绍了如何对该车辆停靠站点的至少一个维度的原始数据进行评估的方式。

接着，本公开实施例可以采用各个车辆停靠站点在每个维度的评估结果，对各个该车辆停靠站点进行价值评估。如表1所示，可以将车辆停靠站点的乘车次数作为评判标准，结合停靠数据、网络延迟和步行距离中的至少之一，确定站点价值的划分范围。

表1

表1中的停靠数据/网络延迟/步行距离指标的评分可以根据停靠数据、网络延迟和步行距离价值的平均值、最大值、最小值、加权平均值等确定。本公开实施例并不限制确定停靠数据/网络延迟/步行距离指标的方法。

为了减少不合理车辆停靠站点的设置，最大限度的提高用户乘车体验，缩短用户步行距离，本公开实施例还提出了调整和/或设置车辆停靠站点的方式，包括：

确定与该车辆停靠站点的距离大于或等于预设阈值的多个第一位置，该第一位置包括呼叫第一车辆的位置，该第一车辆为响应该呼叫并在该车辆停靠站点停靠的车辆；

对该多个第一位置进行聚类，得到聚类中心；

根据该聚类中心的位置，确定对该车辆停靠站点的调整位置；

根据该调整位置，对该车辆停靠站点进行调整和/或设置新的车辆停靠站点。

需要说明的是，根据该调整位置，对该车辆停靠站点进行调整和/或设置新的车辆停靠站点的时候还需要考虑社会因素，例如，确定该调整位置是否允许建立车辆停靠站点。

由于车辆停靠站点的价值容易受到社会环境、自然环境和人为因素等外界环境影响，因此，为了能够准确地确定当前车辆停靠站点的价值，本公开实施例提出一种自动化离线车辆停靠站点的评估方法，该方法可以是例行周期性任务；或者是预先设定触发条件，在满足触发条件时执行。

在一些实施方式中，本公开实施例中针对多个车辆停靠站点，获取各个车辆停靠站点的至少一个维度的原始数据，包括：

按照预先设定的周期，从数据库中周期性获取对日志数据进行解析和/或处理所得到第一数据；

采用预先创建的分布式计算任务对第一数据进行统计，以得到各个车辆停靠站点的网络延迟、停靠数据和乘车次数中的至少之一；并采用预先创建的离线任务，对车辆的位置进行计算，以得到各个车辆停靠站点的步行导航距离。

以图4为例，该自动化离线任务可以根据数据仓库中的数据，获取各个车辆停靠站点的至少一个维度的原始数据，其中，网络延迟、停靠数据和乘车次数可以根据分布式计算任务(如Spark结构化查询语言(SQL，Structured Query Language)计算任务)确定，步行导航距离可以根据车辆位置(如全球定位系统(GPS，Global Positioning System)位置)确定。之后，该自动化离线任务可以基于离线python脚本和上述确定各个车辆停靠站点在各个维度评估结果的方法，确定各个车辆停靠站点至少一个维度的原始数据的评分，以及各个车辆停靠站点的评分。需要说明的是，本公开实施例提出的自动化离线任务还可以将车辆停靠站点的评分在数据库进行存储。

上述数据仓库中的数据可以是根据车端日志、云端日志和第三方数据进行清洗处理后得到的。其中，车端日志可以指自动驾驶车辆各模块周期性打点生成的时间维度日志数据，各模块可以包括终端模块、网络模块和GPS模块中的至少之一；云端日志可以指云端服务器打点保存的车辆调度数据和订单状态等各阶段的运行数据；第三方数据可以指对自动驾驶车辆的行驶造成影响的外界数据，例如，交通事故数据、道路设施数据、道路人流量数据和气象数据等。

在一些实施方式中，本公开实施例还提出了车辆停靠站点评估方法的整体流程示意图，该整体流程示意图能够表示上述车辆停靠站点评估方法的具体实现方式。如图5所示，本公开实施例可以基于数据库中的数据，提取各个车辆停靠站点至少一个维度的原始数据，并通过上述方式二确定各个车辆停靠站点在各个维度的评估结果，其中，各个维度的原始数据对应的评分范围以0-5分为例。之后，根据各个车辆停靠站点在各个维度的评估结果确定车辆停靠站点的价值，并根据各个车辆停靠站点的价值确定劣质车辆停靠站点和优质车辆停靠站点，并对劣质车辆停靠站点进行调整和/或设置新的车辆停靠站点。需要说明的是，本公开实施例提出的车辆停靠站点的评估方法，还可以对调整后的车辆停靠站点和新设置的车辆停靠站点进行价值评估。

上述车辆停靠站点的评估方法可以是例行周期性任务；或者预先设定触发条件，在满足触发条件时执行。

本公开实施例还提出一种车辆停靠站点的评估装置，图6是根据本公开一实施例的车辆停靠站点的评估装置600的结构示意图，包括：

获取模块610，用于针对多个车辆停靠站点，获取各个车辆停靠站点的至少一个维度的原始数据，该至少一个维度包括网络延迟、步行导航距离、停靠数据和乘车次数中的至少之一；

第一确定模块620，用于利用该各个车辆停靠站点的至少一个维度的原始数据，确定各个车辆停靠站点在每个维度的评估结果；以及，

评估模块630，用于采用该各个车辆停靠站点在每个维度的评估结果，对各个车辆停靠站点进行价值评估。

在一些实施方式中，该停靠数据包括紧急刹车数据、人工接管数据和停靠时长数据中的至少之一。

在一些实施方式中，该各个车辆停靠站点的至少一个维度的原始数据通过对日志数据进行解析和/或处理得到，该处理包括清洗、过滤和抽取中的至少之一；

其中，该日志数据包括自动驾驶车辆的运行日志、云端服务器的运营日志和第三方数据中的至少之一。

在一些实施方式中，该第一确定模块620，用于：

针对每个维度，分别采用以下方式，确定各个车辆停靠站点在该维度的评估结果：

确定各个车辆停靠站点在该维度的原始数据；

将确定出的原始数据按照预定顺序进行排序，以得到原始数据序列；

根据该原始数据序列，确定各个车辆停靠站点在该维度的评估结果。

在一些实施方式中，该第一确定模块620，用于：

针对各个车辆停靠站点，确定该车辆停靠站点的该维度的原始数据在该原始数据序列中所处的分位数；并且，根据该车辆停靠站点的类型，确定对应的第一评估阈值，该第一评估阈值用于根据分位数确定评估结果；

利用该分位数和该第一评估阈值，确定该车辆停靠站点在该维度的评估结果。

在一些实施方式中，该第一确定模块620，包括：

第一确定子模块621，用于确定该维度的原始数据对应的评分范围；

划分子模块622，用于将该评分范围划分为多个评分映射区间；

建立子模块623，用于根据该原始数据序列，确定各个评分映射区间所对应的多个原始数据，并将对应的原始数据放入该评分映射区间，以建立原始数据与评分的映射关系；

第二确定子模块624，用于利用该原始数据与评分的映射关系，确定各个车辆停靠站点在该维度的原始数据所对应的评分；

第三确定子模块625，用于利用该评分，确定各个车辆停靠站点在该维度的评估结果。

在一些实施方式中，该第三确定子模块625，用于：

根据该车辆停靠站点的类型，确定对应的第二评估阈值，该第二评估阈值用于根据评分确定评估结果；

利用该评分和该第二评估阈值，确定该车辆停靠站点在该维度的评估结果。

在一些实施方式中，该车辆停靠站点的类型根据该车辆停靠站点的位置确定。

在一些实施方式中，获取模块610用于：

按照预先设定的周期，从数据库中周期性获取对日志数据进行解析和/或处理所得到第一数据；

采用预先创建的分布式计算任务对该第一数据进行统计，以得到各个车辆停靠站点的网络延迟、停靠数据和乘车次数中的至少之一；并采用预先创建的离线任务，对车辆的位置进行计算，以得到各个车辆停靠站点的步行导航距离。

图7是根据本公开一实施例的车辆停靠站点的评估装置700的结构示意图，如图7所示，在一些实施方式中，还包括：

第二确定模块740，用于确定与该车辆停靠站点的距离大于或等于预设阈值的多个第一位置，该第一位置包括呼叫第一车辆的位置，该第一车辆为响应该呼叫并在该车辆停靠站点停靠的车辆；

聚类模块750，用于对多个第一位置进行聚类，得到聚类中心；

调整模块760，用于根据该聚类中心的位置，确定对该车辆停靠站点的调整位置；

站点管理模块770，用于根据该调整位置，对该车辆停靠站点进行调整和/或设置新的车辆停靠站点。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如车辆停靠站点的评估方法。例如，在一些实施例中，车辆停靠站点的评估方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM803并由计算单元801执行时，可以执行上文描述的车辆停靠站点的评估方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行车辆停靠站点的评估方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (23)

1.一种车辆停靠站点的评估方法，包括：

针对多个车辆停靠站点，获取各个车辆停靠站点的至少一个维度的原始数据，所述至少一个维度包括网络延迟、步行导航距离、停靠数据和乘车次数中的至少之一；

利用所述各个车辆停靠站点的至少一个维度的原始数据，确定各个所述车辆停靠站点在每个所述维度的评估结果；以及，

采用所述各个所述车辆停靠站点在每个所述维度的评估结果，对各个所述车辆停靠站点进行价值评估。

2.根据权利要求1所述的方法，其中，所述停靠数据包括紧急刹车数据、人工接管数据和停靠时长数据中的至少之一。

3.根据权利要求1或2所述的方法，其中，

所述各个车辆停靠站点的至少一个维度的原始数据通过对日志数据进行解析和/或处理得到，所述处理包括清洗、过滤和抽取中的至少之一；

其中，所述日志数据包括自动驾驶车辆的运行日志、云端服务器的运营日志和第三方数据中的至少之一。

4.根据权利要求1-3中任一所述的方法，其中，所述利用所述各个车辆停靠站点的至少一个维度的原始数据，确定各个所述车辆停靠站点在每个所述维度的评估结果，包括：

针对每个所述维度，分别采用以下方式，确定各个所述车辆停靠站点在所述维度的评估结果：

确定各个所述车辆停靠站点在所述维度的原始数据；

将确定出的原始数据按照预定顺序进行排序，以得到原始数据序列；

根据所述原始数据序列，确定各个所述车辆停靠站点在所述维度的评估结果。

5.根据权利要求4所述的方法，其中，所述根据所述原始数据序列，确定各个所述车辆停靠站点在所述维度的评估结果，包括：

针对各个车辆停靠站点，确定所述车辆停靠站点的所述维度的原始数据在所述原始数据序列中的分位数；并且，根据所述车辆停靠站点的类型，确定对应的第一评估阈值，所述第一评估阈值用于根据分位数确定评估结果；

利用所述分位数和所述第一评估阈值，确定所述车辆停靠站点在所述维度的评估结果。

6.根据权利要求4所述的方法，其中，所述根据所述原始数据序列，确定各个所述车辆停靠站点在所述维度的评估结果，包括：

确定所述维度的原始数据对应的评分范围；

将所述评分范围划分为多个评分映射区间；

根据所述原始数据序列，确定各个所述评分映射区间所对应的多个原始数据，并将对应的原始数据放入所述评分映射区间，以建立原始数据与评分的映射关系；

利用所述原始数据与评分的映射关系，确定各个所述车辆停靠站点在所述维度的原始数据所对应的评分；

利用所述评分，确定各个所述车辆停靠站点在所述维度的评估结果。

7.根据权利要求6所述的方法，其中，所述利用所述评分，确定各个所述车辆停靠站点在所述维度的评估结果，包括：

根据所述车辆停靠站点的类型，确定对应的第二评估阈值，所述第二评估阈值用于根据评分确定评估结果；

利用所述评分和所述第二评估阈值，确定所述车辆停靠站点在所述维度的评估结果。

8.根据权利要求5或7所述的方法，其中，所述车辆停靠站点的类型根据所述车辆停靠站点的位置确定。

9.根据权利要求1-8中任一所述的方法，其中，所述针对多个车辆停靠站点，获取各个车辆停靠站点的至少一个维度的原始数据，包括：

按照预先设定的周期，从数据库中周期性获取对日志数据进行解析和/或处理所得到第一数据；

采用预先创建的分布式计算任务对所述第一数据进行统计，以得到各个车辆停靠站点的网络延迟、停靠数据和乘车次数中的至少之一；并采用预先创建的离线任务，对车辆的位置进行计算，以得到各个车辆停靠站点的步行导航距离。

10.根据权利要求1-9中任一所述的方法，还包括：

确定与所述车辆停靠站点的距离大于或等于预设阈值的多个第一位置，所述第一位置包括呼叫第一车辆的位置，所述第一车辆为响应所述呼叫并在所述车辆停靠站点停靠的车辆；

对所述多个第一位置进行聚类，得到聚类中心；

根据所述聚类中心的位置，确定对所述车辆停靠站点的调整位置；

根据所述调整位置，对所述车辆停靠站点进行调整和/或设置新的车辆停靠站点。

11.一种车辆停靠站点的评估装置，包括：

获取模块，用于针对多个车辆停靠站点，获取各个车辆停靠站点的至少一个维度的原始数据，所述至少一个维度包括网络延迟、步行导航距离、停靠数据和乘车次数中的至少之一；

第一确定模块，用于利用所述各个车辆停靠站点的至少一个维度的原始数据，确定各个所述车辆停靠站点在每个所述维度的评估结果；以及，

评估模块，用于采用所述各个所述车辆停靠站点在每个所述维度的评估结果，对各个所述车辆停靠站点进行价值评估。

12.根据权利要求11所述的装置，其中，所述停靠数据包括紧急刹车数据、人工接管数据和停靠时长数据中的至少之一。

13.根据权利要求11或12所述的装置，其中，

所述各个车辆停靠站点的至少一个维度的原始数据通过对日志数据进行解析和/或处理得到，所述处理包括清洗、过滤和抽取中的至少之一；

其中，所述日志数据包括自动驾驶车辆的运行日志、云端服务器的运营日志和第三方数据中的至少之一。

14.根据权利要求11-13中任一所述的装置，其中，所述第一确定模块，用于：

针对每个所述维度，分别采用以下方式，确定各个所述车辆停靠站点在所述维度的评估结果：

确定各个所述车辆停靠站点在所述维度的原始数据；

将确定出的原始数据按照预定顺序进行排序，以得到原始数据序列；

根据所述原始数据序列，确定各个所述车辆停靠站点在所述维度的评估结果。

15.根据权利要求14所述的装置，其中，所述第一确定模块，用于：

针对各个车辆停靠站点，确定所述车辆停靠站点的所述维度的原始数据在所述原始数据序列中所处的分位数；并且，根据所述车辆停靠站点的类型，确定对应的第一评估阈值，所述第一评估阈值用于根据分位数确定评估结果；

利用所述分位数和所述第一评估阈值，确定所述车辆停靠站点在所述维度的评估结果。

16.根据权利要求14所述的装置，其中，所述第一确定模块，包括：

第一确定子模块，用于确定所述维度的原始数据对应的评分范围；

划分子模块，用于将所述评分范围划分为多个评分映射区间；

建立子模块，用于根据所述原始数据序列，确定各个所述评分映射区间所对应的多个原始数据，并将对应的原始数据放入所述评分映射区间，以建立原始数据与评分的映射关系；

第二确定子模块，用于利用所述原始数据与评分的映射关系，确定各个所述车辆停靠站点在所述维度的原始数据所对应的评分；

第三确定子模块，用于利用所述评分，确定各个所述车辆停靠站点在所述维度的评估结果。

17.根据权利要求16所述的装置，其中，所述第三确定子模块，用于：

根据所述车辆停靠站点的类型，确定对应的第二评估阈值，所述第二评估阈值用于根据评分确定评估结果；

利用所述评分和所述第二评估阈值，确定所述车辆停靠站点在所述维度的评估结果。

18.根据权利要求15或17所述的装置，其中，所述车辆停靠站点的类型根据所述车辆停靠站点的位置确定。

19.根据权利要求11-18中任一所述的装置，其中，所述获取模块用于：

按照预先设定的周期，从数据库中周期性获取对日志数据进行解析和/或处理所得到第一数据；

采用预先创建的分布式计算任务对所述第一数据进行统计，以得到各个车辆停靠站点的网络延迟、停靠数据和乘车次数中的至少之一；并采用预先创建的离线任务，对车辆的位置进行计算，以得到各个车辆停靠站点的步行导航距离。

20.根据权利要求11-19中任一所述的装置，还包括：

第二确定模块，用于确定与所述车辆停靠站点的距离大于或等于预设阈值的多个第一位置，所述第一位置包括呼叫第一车辆的位置，所述第一车辆为响应所述呼叫并在所述车辆停靠站点停靠的车辆；

聚类模块，用于对所述多个第一位置进行聚类，得到聚类中心；

调整模块，用于根据所述聚类中心的位置，确定对所述车辆停靠站点的调整位置；

站点管理模块，用于根据所述调整位置，对所述车辆停靠站点进行调整和/或设置新的车辆停靠站点。

21.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。

22.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。

23.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的方法。

Images