用于基于交通工具占用和基于用户偏好的智能路线选择以及自主体积占用测量的系统和方法与流程

1.本公开的实施例涉及智能路线选择、占用测量、公共健康、公共安全，并且更具体地涉及用于基于交通工具占用和基于用户偏好的智能路线选择，以及涉及自主体积占用测量。


背景技术：

2.存在许多情境，其中预期旅行者评估他们在不同地点之间旅行时可采取的数个不同路线。例如，此类人包括旅游者和通勤者，以及在给定城市、城市之间、州之间、国家之间等因为其他原因旅行的人。一些预期旅行者考虑的路线仅包括单一的旅行方式，而其他路线包括不同的旅行方式的组合。示例旅行方式包括步行、骑自行车、开车、乘坐一辆或多辆公共汽车、乘坐一辆或多辆列车(例如，地铁列车、高架列车、通勤列车、客运列车等)、乘坐一架或多架飞机、乘坐一艘或多艘船只(例如，渡轮)等。在多个路线之中进行选择时，人们经常权衡各因素，诸如预期的运输时间、成本、舒适度、便利性、天气、交通等。有数个网站、应用等，它们通过提供给定长途跋涉的多个路线选择选项，以及在一些情况下通过提供预期旅行时间、预期成本、购票链接等，来帮助预期旅行者。
附图说明
3.可以从以下说明书中获得更详细的理解，以下说明书通过示例的方式结合以下附图呈现，其中在附图中结合类似元件使用类似的附图标记。
4.图1描绘了根据至少一个实施例的包括第一示例占用测量配置的第一示例通信情境。
5.图2描绘了根据至少一个实施例的示例可见光图像。
6.图3描绘了根据至少一个实施例的第一示例深度图像。
7.图4描绘了根据至少一个实施例的第二示例深度图像。
8.图5描绘了根据至少一个实施例的包括第二示例占用测量配置的第二示例通信情境。
9.图6a描绘了根据至少一个实施例的可由系统(例如，计算系统)执行的第一示例方法。
10.图6b描绘了根据至少一个实施例的可由用户设备(例如，移动设备)执行的第二示例方法。
11.图7描绘了根据至少一个实施例的第一示例路线选择选项图。
12.图8描绘了根据至少一个实施例的第二示例路线选择选项图。
13.图9描绘了根据至少一个实施例的第三示例路线选择选项图。
14.图10描绘了根据至少一个实施例的第一示例用户简档屏幕。
15.图11描绘了根据至少一个实施例的第二示例用户简档屏幕。
16.图12描绘了根据至少一个实施例的第三示例用户简档屏幕。
17.图13描绘了根据至少一个实施例的第四示例路线选择选项图。
18.图14描绘了根据至少一个实施例的示例4d占用节点的示例架构。
19.图15描绘了根据至少一个实施例的可由图14的示例4d占用节点执行的示例过程流。
20.图16描绘了根据至少一个实施例的可由图14的示例4d占用节点执行的第三示例方法。
21.图17描绘了根据至少一个实施例的可由图14的示例4d占用节点执行的示例操作逻辑的流程图。
22.图18描绘了根据至少一个实施例的示例信息流程图，其反映了图14的示例4d占用节点与示例4d占用聚合器之间的通信和功能的示例划分。
23.图19描绘了根据至少一个实施例的示例计算机系统。
24.图20描绘了根据至少一个实施例的示例软件架构。
具体实施方式
25.在示例场景中，一个人希望在大城市中从一个地点到另一个地点进行示例长途跋涉，这可能是上下班通勤的一部分。在此类情况下，通常情况下，当等待给定的公共汽车或火车时，在公共汽车或火车到达之前，人们不知道公共汽车或火车会有多拥挤。例如，当人们在高峰时间乘坐公共运输工具和/或在人口密集地区频繁出行时，时常发生这种情况。在此类情况下，为了设定期望值，人们通常基于过去的经验、一周中的某一天、一天中的某个时间、在他们的停站处有多少人和他们一起等待，等等，做出有根据的猜测。
26.通常，当人看到拥挤的公共汽车或火车到达时，他们接下来做什么取决于环境和因素，诸如他们是否有空闲时间，他们是否天生有耐心或不耐烦等等。最终，他们通常挤进或等待下一个，或之后的下一个等。这种情况无疑在正在进行的covid-19(2019新冠病毒)流行病之前更普遍，并且将再次变得普遍。目前，许多地方的许多运输工具方式以不足50％的容量运行，但是有些(例如，公共运输工具)是完全开阔的并且允许以100％的容量运行。无论如何，由于目前的需求、愿望和经常要求保持社交距离，无论是登上拥挤的交通工具还是在拥挤的车站等待，目前都不是一个特别好的选择，并且无论在什么时候，这些选项都不具有吸引力。
27.除其他灵感和动机外，本公开的实施例部分源于意识到且认识到，在正在进行的流行病期间，问题越来越严重，通常情况下，人们在不同地点之间采取的运输工具方式往往涉及一些彼此接触相对紧密的人，他们之间的距离往往不到六英尺。在人口密集的地区(诸如大城市)，这种情况更加严重。在存在第一位置x与第二位置y之间的多个路线选择选项的情况下，进行路线选择的人提前知道他们可预计特定交通工具(例如，公共汽车或火车)在可能路线的给定路段上有多拥挤将是有利的。此类了解可能影响决策，诸如乘坐当前的公共汽车或火车，等待下一辆公共汽车或火车，或“发出声音”(例如，乘坐出租车或拼车服务、步行、不去等)。目前，在相关的公共汽车或火车出现之前，人们没有、或者至少通常不从这些选项中进行选择，即使这样，人们也不知道下一辆公共汽车或火车有多拥挤。
28.旅行相关软件、网站、桌面应用、移动应用等的一些先前的实现将交通工具占用数
据纳入其旅行规划功能中，但是此类实现的缺点在于，该占用数据仅限于在预订旅行(诸如按需出租车、拼车服务、站到站(例如，城市到城市)的公共汽车票等)的情境下提供。例如，一些公共汽车售票平台和航空公司售票平台显示给定行程的给定交通工具上剩余座位的数量，并且许多平台为用户提供预先选择特定座位的选项。此外，有一些建图服务提供拥挤度的众包预计，但由于是众包的，这些功能往往不太可靠，也不会在登机前向预期旅行者提供实时信息。这些方法在适用于点对点情境(诸如可能旅程的特定路段)方面也往往受到限制。
29.作为先前实现的另一个示例，运输工具应用(本文使用的术语广泛包括网站、桌面应用、移动应用等，这些应用至少部分与运输工具、运输、旅行等相关)提供建议路线以及个人自行车路线，以及其他信息。然而，此类运输工具应用通常仅基于预期旅行者的当前位置为预期旅行者显示最高效的路线选择选项。一些此类应用提供了诸如建议路线、组合的公共运输和个人自行车路线以及出租车路线之类的选项。在许多情况下，此类实现为不同的人提供了完全相同的路线选择选项集，这些人在访问应用时恰好在同一位置。
30.为了解决先前实现的这些和其他缺点，本文公开了用于基于交通工具占用和基于用户偏好的智能路线选择的系统和方法。本公开的实施例考虑并适应拥有或至少能够使用不同交通工具的集合的不同人员，还考虑并适应不同人员在给定时间对给定交通工具占用水平的偏好、不同人员在一般情况下和/或在某些环境(例如，天气)条件下和/或在某些情况下(例如，在夜晚的某个时间之后)对某些运输工具方式的偏好或反对、不同人员愿意和/或希望使用其自行车(或共享自行车服务等)出行的不同程度、不同人员愿意和/或希望步行的不同程度、不同人员愿意等待各不同形式的交通工具的不同时间，和/或一个或多个附加偏好。
31.本公开的实施例涉及标识一辆或多辆交通工具的当前和/或预计占用水平，该交通工具将被用作给定路线选择选项的全部或部分。另外，一些实施例涉及基于用户的预选偏好(例如，如存储的用户简档中所记录的)来向用户建议路线和/或将用户重新路线选择到他们更喜欢的路线。此外，在至少一些实施例中，用户可以将一个或多个硬性规定(例如，“不选择达到或超过(或预计达到或超过)75％占用的公共汽车或火车的路线”等)和/或一个或多个不符合硬性规定的偏好(例如，“偏好低于75％占用的公共汽车和火车，除非等待时间为45分钟或更长，”等)并入他们的简档中。此外，在不同的实施例中，诸如具有等于或高于给定用户指定阈值的当前或预期占用水平的公共汽车的情况可导致将涉及该公共汽车根本不被推荐或呈现为选项的路线，作为选项呈现但相比一条或多条其他路线等不太推荐。
32.注意，在本公开中，术语“容量”和“占用”的使用方式(彼此)不同。本文使用的容量类似于给定交通工具或其他空间可容纳的限制，并可基于给定空间内可身体舒适地容纳的人数、有多少座位和授权站立位置、给定时间给定空间内人数的法律限制等。因此，容量是上限，而占用是相关空间当前(或预期或预计在相关未来时间)有多满的度量。作为说明本公开中使用这两个词的示例，在给定时刻占用3/4容量并且被根据城市法律许可在任何特定时间车上的乘客不超过60人的城市公共汽车，当前占用45人(75％)而容量为60人(100％)。可能的情况是，在非流行病时期，城市允许公共汽车在任何给定时间在车上有多达100名乘客，并且该数字可在该时期用作容量，而在社交距离较远的时期，可使用60名乘
客作为容量。因此，在流行病期间，45人为75％的占用，也可称为“容量的75％的占用”、“容量的75％”、“75％的容量”等。在非流行病时期，这45人表示100人容量的更高的45％占用。
33.根据至少一个实施例，一个或多个摄像机部署在给定交通工具(例如，公共汽车、火车车厢等)内，以便确定交通工具的当前占用，在一些实施例中这包括计算当前交通工具内有多少人(或乘客等)。在一些情况下，可以结合一个或多个实施例利用现有安全相机或其他现有相机。在一些实施例中，替代于或附加于内部安装的相机，使用一个或多个外部安装的相机对进出交通工具的人员进行计数，以便确定在给定时间交通工具中有多少人。
34.在一些实施例中，出于该目的利用人员检测模型，并且该模型可实现诸如人员标识和人员重新标识之类的功能，后者涉及尝试避免或至少尽量减少将任何人员计数为一人以上，例如，如果他们继续离开下车，然后重新上车。在一些实施例中，如下文更全面地描述，实现体积分析以持续地监测给定空间(例如，交通工具内部)的占用。该方法在非交通工具情境中也很有用，包括诸如火车站内部、仓库内部、运输集装箱内部、诸如企业(健身房、酒吧、餐厅)内部之类的空间。
35.在继续之前，注意，本公开中提到测量空间、舱、交通工具内部或其他空间等的占用。本文看起来特定于给定一个或几个此类术语的任何描述不应以这种方式阅读。为了简洁明了，每次提及其中任何一个都不附带所有其他备选方案的完整列表，但应理解，这些原则同样适用于这些备选方案中的每一个以及其他空间，其中任何一个或多个都可以在本文中明确提及。例如，诸如“监控空间内部”之类的短语应理解为类似于“监控空间(诸如房间)内部、交通工具内部、火车站内部和/或任何其他合适空间内部等”的意思。不应假设或概括(或甚至最终)得出结论，例如，涉及监控公共汽车或火车内部的占用的实施例的描述仅限于其对交通工具的适用性。
36.此外，在至少一个实施例中，除了监控一辆或多辆交通工具的当前占用外，还维护不同交通工具在不同日期的不同时间的占用的历史数据，以便于预计给定交通工具或其他空间在给定时间的预期占用。根据本公开的实施例，向试图选择从一个位置到另一个位置的优选路线的旅行者提供预期占用预计是有用的。由于担心社交距离和/或一个或多个其他原因，因此预期旅行者可发现这些信息很有用。实际上，在一些实施例中，给定交通工具的实时占用和/或交通工具在未来时间的预计占用是通过例如诸如moovit之类的路线规划应用获得的，该应用将该信息合并到路线选项、对路线的选择、可能路线中的推荐优先级等的表示中。
37.此外，一些实施例考虑总体占用较高或预计较高但仍有特定空间保持相对开阔的交通工具；在示例场景中，足球队、排球队、表演合唱团等可能一起旅行并坐在一起，从而在给定的火车车厢、公共汽车等中留下开阔空间。在另一种情况下，乘客可能挤满了给定火车的前部车厢，并使后部车厢相对开阔。因此，作为示例，火车可以被视为交通工具，或者其一个或多个车厢的任何子集可以被视为交通工具，依此类推。可包括在各不同实施例中的用户简档中并相对应地用于增强多模式路线选择建议或选择的附加类型的偏好包括诸如“偏好小于50％的容量”、“偏好骑车胜过步行”、“偏好步行胜过在车站等待”之类的偏好。本公开的实施例考虑此类偏好和其他偏好，并创建符合个人用户各自偏好的定制路线。
38.在上述covid-19流行期间，所谓的封锁、在家躲避令、就地躲避令、在家停留令等似乎随着各种不同时期的病毒在不同的地方起伏而来回变动。目前，许多国家、州、县、市和
其他司法管辖区正在努力找出如何安全地重新开放社区的一个或多个方面。由于人们即使在允许的情况下也不愿使用此类服务，以及由于许多此类服务的实际关闭、占用的法律限制等，因此公共和其他共享运输工具方式(例如，航空公司、私人公共汽车线、通勤渡轮等)遭受重大打击至其底线。在许多运输工具方式运作的地方，经常不允许这些服务满容量运行，即使允许它们满容量运行，它们在任何情况下也不可能时常满容量运行。
39.如上所述，这些限制可能是且通常是谨慎和必要的，往往不仅作为法律事项限制人们的选项(包括路线选择选项)，而且对人们使用可用选项的意愿产生寒蝉效应。除其他优点外，除了基于用户可管理偏好简档增强此类规划，本公开的实施例通过基于特定交通工具的实际和预期占用水平增强多模式旅行规划，来解决其中一些担忧和压力，如上文和本文其他地方所述。一些实施例涉及将本文描述的智能路线选择增强作为服务提供给政府，以帮助政府实现一定程度的社交距离，无论是法律强制的还是仅仅为了谨慎、健康、安全等的利益。政府和/或其他组织可以使用本公开的实施例来获得关于交通工具内部、诸如火车站之类的交通枢纽内部和/或一个或多个其他空间的实时使用统计、占用统计等，无论它们是否与运输工具有关。
40.此外，本公开的实施例在除流行病、大流行病等以外的情境中也有用，并且作为一般事项，可以在任何数量的情境中出于任何数量的原因使用，在该情境中，本公开可能有利于测量给定空间(诸如给定火车站、给定的火车车厢、给定的公共汽车等)中的占用。此外，本公开的实施例可以有益地用于测量与运输工具无关的一个或多个空间(例如，酒吧、餐厅、健身房、博物馆、零售店、杂货店等)的占用。此类测量可有助于标识一周中的几天、一个月中的几天或几周、一年中的几个月、一周中给定某天、工作日、周末的时间等期间的高等需求、低等需求、中等需求等。此外，在运输工具和旅行的情境中，此类测量可通过向此类组织提供额外信息来帮助运输和旅行提供商、政府等，这些信息可有利地用于部署额外交通工具、使交通工具离线进行维护、出于诸如燃油效率之类的原因调整数个站点、比较各个不同时间期间不同交通工具方式的使用(例如，白天的公共汽车和火车、晚上的拼车交通工具等)、就环境影响做出决定、在例如未遵守容量限制时触发警报等。
41.一个实施例采取系统的形式，该系统包括处理器，该处理器被配置成用于接收对从第一位置到第二位置的路线选择选项的路线选择选项请求，该路线选择选项请求是从与用户相关联的用户设备接收的；响应于接收到路线选择选项请求，至少部分地基于所标识路线选择选项中至少一个路线选择选项的至少一部分的交通工具的占用数据，标识从第一位置到第二位置的一个或多个路线选择选项，占用数据基于交通工具上的自动占用测量系统的输出；以及向用户设备提供一个或多个标识的路线选择选项。
42.另一实施例采取一个或多个非瞬态计算机可读存储介质的形式，该存储介质包含指令，该指令在由至少一个硬件处理器执行时，使得至少一个硬件处理器执行包括上段中列出的操作的操作。另一实施例采取由在至少一个硬件处理器上执行指令的计算机系统执行的方法的形式，该方法包括上段中列出的操作。
43.另一个实施例采取系统的形式，该系统包括通信装置，该通信装置用于接收对从第一位置到第二位置的路线选择选项的路线选择选项请求，该路线选择选项请求是从用户设备接收的；以及路线标识装置，用于响应于接收到路线选择选项请求，至少部分地基于所标识路线选择选项中至少一个路线选择选项的至少一部分的交通工具的占用数据，标识从
第一位置到第二位置的一个或多个路线选择选项，占用数据基于交通工具上的自动占用测量系统的输出，通信装置进一步用于向用户设备提供一个或多个标识的路线选择选项。
44.另一个实施例采取一个或多个非瞬态计算机可读存储介质的形式，其中包含指令，在由至少一个硬件处理器执行时，使至少一个硬件处理器执行操作，包括：接收对从第一位置到第二位置的路线选择选项的路线选择选项请求，该路线选择选项请求是从与用户相关联的用户设备接收的；响应于接收到路线选择选项请求，至少部分地基于所标识路线选择选项中至少一个路线选择选项的至少一部分的交通工具的占用数据，标识从第一位置到第二位置的一个或多个路线选择选项，占用数据基于交通工具上的自动占用测量系统的输出；以及向用户设备提供一个或多个标识的路线选择选项。
45.另一个实施例采取由计算机系统在至少一个处理器上执行指令而执行的方法的形式，该方法包括接收对从第一位置到第二位置的路线选择选项的路线选择选项请求，该路线选择选项请求是从与用户相关联的用户设备接收的；响应于接收到路线选择选项请求，至少部分地基于所标识路线选择选项中至少一个路线选择选项的至少一部分的交通工具的占用数据，标识从第一位置到第二位置的一个或多个路线选择选项，占用数据基于交通工具上的自动占用测量系统的输出；以及向用户设备提供一个或多个标识的路线选择选项。
46.广义地说，除了用于基于交通工具占用和基于用户偏好的智能路线选择的系统和方法的实施例之外，本文还公开了用于自主体积占用测量的系统和方法的实施例。这两类实施例有时分别称为“智能路线选择实施例”和“体积占用实施例”。当然，尽管来自这些类别中的每一个的许多实施例以有趣和有利的方式与另一个的各不同实施例结合在一起，并且这两种类型的实施例的示例的组合本身也是本公开的实施例，重要的是要理解，并非所有智能路线选择实施例都涉及基于体积的占用测量，并且并非所有体积占用实施例仅适用于(如果它们确实适用)与运输工具相关和路线选择相关的情境。
47.此外，并非本文描述的每个实施例在本文中也被标记为属于一个类别或者另一个类别(实际上很少是)。实际上，本文中进行了许多非分类引用，诸如“本公开的实施例”、“在至少一个实施例中”等。然而，一般来说，图1到图13及其描述主要适用于智能路线选择实施例，图14到图18及其描述主要适用于体积占用实施例，并且图19和图20及其描述在相同程度上适用于所有实施例。并且，尽管本公开的至少一些智能路线选择实施例以各种方式利用交通工具和其他空间的占用测量，但这些实施例对于如何进行该测量很大程度上是不可知的。尽管如此，本文公开的一些智能路线选择实施例当然包括对一个或多个示例方式的描述，其中可以测量给定体积的占用，通常涉及在一个或多个类型的相机的视场中对人进行计数的一个或多个方法。
48.体积占用实施例寻求测量给定体积(例如，火车车厢内部)中有多少被某物占用，而不是什么都没有，而不管该体积被什么类别的某物占用。也就是说，在至少一些体积占用实施例中，狗的体积与行李箱的体积计数相同，人的体积与婴儿车的体积计数相同，自行车的体积与大号浴缸的体积计数相同，等等。这有时被称为本公开的至少一些体积占用实施例是“无类别的”，因为它们不试图确定视场中的东西是什么(使用例如，图像处理卷积神经网络(cnn)、深度神经网络(dnn)等)，只注意某物在那里(或可能在那里)。
49.至少一些体积占用实施例的无类别方面保护在监控空间中通过视场的人的隐私。
因此，结合一个或多个实施例，被监控空间被占用的程度(以体积计)用作该空间中存在的人数、该空间的拥挤程度等的代理，而不是人类的实际计数。此类方法在某些类型的智能路线选择实施例中是有益的，诸如那些涉及公共汽车、火车、火车站台等的实施例，这些实施例经常挤满了人，以至于视觉上分割并计数单个人是不可行的。
50.体积占用通常表示为监控空间中离散体积元素(“体素”)被某物(而非无)占用了多少、占用了什么百分比或占用了什么分数等。体素可以排列在三维(3d)晶格中，该晶格与投影在被监控空间上的xyz坐标系的轴对齐。如果该体素与该对象重叠或在其边界内等，给定的体素可能被现实世界中的某物占用。在至少一些此类实施例中，当且仅当体素被占用的确定与至少阈值置信度值耦合时，才将体素计为被占用。在一些实施例中，为每个体素计算并保持似然值，其中给定体素的似然值表示计算出的体素被占用的可能性。
51.作为用占用的体素表示体积占有的一种替代方法，它可以表示为被监控空间虚拟划分的虚拟立方体(或其他3d形状)被某物占用了多少、占用了什么百分比或占用了什么分数等，并再次参考xyz坐标系。在这类公式中，如果给定的立方体例如，完全由该某物填充，或至少被该某物填充到阈值度，或完全在该某物内部，或完全在该某物内处等，则该立方体可被视为被真实世界中的某物所占用。在至少一些此类实施例中，当且仅当立方体被占用的确定与至少阈值置信度值耦合时，才将立方体计为被占用。如上所述，实现可以为每个立方体计算立方体被占用的可能性。在本段前面，提到了在至少一个实施例中，监控空间可以虚拟地划分成“其他3d形状”，这些其他3d形状中的一个或多个是可以形成3d曲面细分的形状，也称为蜂窝。
52.一般而言，在本公开中，体积占用以所占用体素的百分比(或分数)表示，但是这是作为示例。在各不同的实施例中，可以使用许多不同类型的数据结构来存储与监控空间相关联的体素数据。在至少一些实施例中，体素作为叶子存储在树型数据结构中，该树型数据结构称为十六进制树数据结构，在本公开中多次称为“十六进制树”。在其他实施例中，使用其他类似类型的树结构，诸如八叉树、四叉树等。在十六进制树中，根和每个其他节点最多可以有16个子节点或叶，具体取决于它们来自哪里。在本公开中，描述了树结构，使得树中的“节点”是并非叶的任何元素，因为叶不被认为是树的“节点”。“根”是节点，一种独特的节点类型：它是树的顶部，而不是任何节点的子节点。通常，树结构的给定实例可以经由其根在数据存储中访问。如上所述，每个叶中的各个体素可以包括本文中描述为似然值的数据值，该似然值在数字上表示特定体素在监控空间中被占用的(经计算的，而非绝对的)可能性。
53.存储体素数据的十六进制树(或八叉树或四叉树等)的实现使得本公开的实施例的许多方面在该情境中操作的粒度级别上是灵活的，粒度也可以称为分辨率。此类方面的若干示例包括查询(和可查询)关于给定监控空间的体积占用数据的粒度，以及在硬件节点之间与共享监控空间相关地传送地图差异数据(增量)的粒度。如本文所用，“粒度”本质上是指从给定进程从根开始向下(例如，向下多少层)树完成其任务的距离，或查询结果从树开始向下的距离等。树向下越远，粒度越细。树向下的层越少，粒度越粗。通过这种方式，细粒度操作是在少量体素的集群(或颗粒)上操作，给定n-树中的最细粒度在叶级。且具有粗粒度的操作是在大量体素的集群(或颗粒)上操作，与给定n-树相关的最粗可能粒度位于根层级。
54.正如人们所期望的，更细的粒度允许更细的区分，而更粗的粒度只允许更粗的区分，但通常至少在将被包含在给定查询响应或给定增量广播等中的数据量方面更高效。在使用十六进制树的示例实现中，并且假设完全存储的树，其中每个非叶节点都有16个子节点的完全补充(包括刚好在叶上面的层级处每个节点都有完整的16个叶)，并且(就目前而言)还假设示例操作访问(例如，检查)操作到达的最低层级的每个节点，树向下的每个连续层级将与该层级每个节点的子树中包含的体素数量减少十六分之一(或在叶的情况下与节点本身中包含的体素数量减少十六分之一)相结合，并且树向下的每个连续层级也相对应地将与给定操作在每个层级与之交互的节点数再次增加16倍相结合。因此，通过遍历树向下的不同深度层级实现的不同粒度可以显著改变查询响应中的结果数量、将增量应用于体积地图所需的单个体素操作的数量等。
55.由于本公开中硬件节点和树结构节点都很普遍，在本公开的其余部分中，将前者称为“占用节点”或“四维(4d)占用节点”(“4do节点”)，并将后者称为“树节点”，尽管可能并非在所有情况下都遵守本约定。在一些实施例中，体素不仅包含其最近计算的似然值，还包含一些先前计算(和加时间戳)的似然值。在此类实施例中，不仅可以获得当前时间的体积占用指数，还可以获得先前多次的体积占用指数，例如，使得可以对给定子空间随时间的演化进行跟踪、重新创建等。
56.在进行体积占用测量时，有许多不同的方式可以将给定空间视为0％占用(空)，通常取决于监控空间本身的边界被定义的方式。例如，一个基本房间有矩形地板、矩形天花板、两个矩形侧墙和两个方形端墙。再假设房间里有许多固定的、间隔开的长椅和书架。一些体积占用测量实现仅将底层房间本身视为基准体积，就好像家具不在那里一样，并且因此，即使房间没有人，也不会有零占用，家具将始终被计数。本公开的一些实施例以这种方式工作。然而，在本公开中主要讨论的实施例不包括在内。这也通过示例，而非限制的方式。
57.在本公开主要讨论的实施例中，使用上述矩形房间进行说明，4do节点执行其自身的校准过程，该过程可在无人或几乎无人在场的情况下标识并运行。在该校准中的某一点，4do节点认为，例如，固定家具是监控空间的结构的一部分，而不是占用空间的某物。因此，在至少一个实施例中，没有人(或最近必须出现的任何其他东西)但家具仍然存在的监控空间将被视为处于(或接近)0％的占用。此外，在至少一个实施例中，对象或结构不需要无限地、永久地静止以限定为空间结构的一部分，而不是空间中的某物；在此类实施例中，在至少指定时间量内(或至少在设定时间段内的阈值时间量内等)移动(例如，经历变化的任何体素)小于阈值量(或根本不移动)的任何物体都可以被视为空间边界的一部分，以便用于体积占用测量的目的，该体积占用测量直到进行下一次此类校准才被作出，例如，在各不同的实施例中，可以以基于时间和/或基于事件的方式触发该体积占用测量。
58.各种体积占用实施例采取节点的形式，该节点在本公开中多次称为4do节点。根据本公开的实施例，给定4do节点可提取监控空间的高度代表性、规范化占用指数，在一些实施例中，监控空间是与运输工具相关的空间。一些与运输工具相关的示例空间包括公共汽车站、火车站、火车站台、公共汽车内部、火车车厢内部、出租车或拼车交通工具内部、飞机客舱等。例如，在移动即服务(maas)、智慧城市、智能舱内空间等的情境中，本公开的实施例有利地采取例如，可靠且高效地观察对象、人、过程、其他现象等的设备和系统的形式，并按比例推断相关监控空间的动态。此外，除其他优点外，本公开的实施例通过提供一个或多个
(例如，移动相关)监控空间的当前状态的当前且准确的测量(包括体积占用测量)来帮助更有效地建模、标识可操作的洞察、触发响应性动作等。
59.根据至少一个实施例，使用例如，4do节点、系统等生成高度准确和规范化的体积占用指数，这些节点、系统等除了本文所讨论的以及对受益于本公开的本领域技术人员将显而易见的其他优点外，还安装不烦琐，在持久运动、振动、磨损等方面具有鲁棒性，并且是自校准的。其中那些附加优点中的一些在于，用于生成动态分析的增强的能力，例如，可以帮助规划、预计和修改人群和资产流；如上所述，用于生成可操作的洞察的增强的能力，例如，可以帮助触发并重新安排资源、访问控制等，以提高效率并管理突发事件；以及通过实现预期的操作改进(诸如规划的预防性和纠正性维护)而减少中断的增强的能力，以及用于减少施工和其他季节性突发事件造成的中断的增强的能力。
60.正如上面所讨论的，正在进行的covid-19流行病仅提高了对各种空间中的占用水平的准确且可靠的测量和监控的重要性。在目前的情况下，社交距离和人群管理比以往任何时候都更加重要。除其他优点外，结合本公开的实施例的体积占用相关数据的收集和流动促进了例如，异构运输工具网络的安全和效率。此外，如结合本公开的实施例所做的那样，维护和使用关于各种运输工具相关空间和其他空间(包括公共运行空间和私有共享空间)的占用的历史数据，现在、不久的将来，以及以后是智能maas基础设施工作流的日益突出的方面。
61.在一些实施例中，实施例包括集成解决方案，诸如智能基础设施设备(例如，4do节点)，其高效地确定封闭空间中的占用水平和时变交通量，同时保护相关人员的隐私。此外，本文公开的实施例相对容易部署，因为除其他优点外，某些典型部署类型活动不是必需的，或者至少大大减少了对它们的需要。此类活动的一些示例包括建图、校准和分类。根据本公开的实施例，4do节点作为紧凑、轻量级、自组织计算平台操作，该平台易于附接以用于各种安装。
62.本文中称为4do节点的上述智能感测和通信基础设施设备的实施例提供了许多优点，其中4do节点的部署相对无摩擦，通常不依赖于任何在先安装或已完成的相关空间的任何建图，也不依赖于需要进行重要的初始校准。另一个优点在于，本公开的实施例的4do节点自调谐、自校准、自重新校准等。
63.此外，如上所述，本公开的实施例的4do节点在查询和传送体积占用测量的粒度方面是灵活的，如下文更全面地描述。即使随着时间的推移和在各种不同的时间，监控的空间包括各种不同的对象、人、动物、装备等，在各不同的实施例中，4do节点用于在体积粒度级别之间上下缩放的能力有利地提供了关于给定空间的高度描述性占用指数。本公开的实施例的进一步优点在于，4do节点在拓扑上相互感知(当然，如果存在一个或多个其他节点)，使得每个节点自主地标识(如果存在)与一个或多个对等4do节点的感测体积重叠，以及响应地进入具有一个或多个对等体的拓扑体积占用网格网络。4do节点的实施例还具有鲁棒且紧凑的形状因子，具有有益的属性，诸如小、成本效率、坚固且易于可靠地操作，如本文所述。
64.4do节点的一些实施例采用智能连接技术(isct)设备的形式，或至少包括该设备，该设备被装备并配置成用于进行3d测距。一个示例此类设备是实感(realsense)lidar rs-515，它包括asic处理器和无线通信功能。由于4do节点的实施例的
操作逻辑的效率等其他因素，本公开的实施例具有较低的处理和存储器要求。在至少一个实施例中，为相关空间生成的占用度量本质上是概率的，并且至少部分地使用滑动窗口生成，该滑动窗口具有每体积单位(例如，每体素)的贝叶斯过滤模式。在一些实施例中，4do节点具有带有可调节刷新率的内循环，该刷新率基于例如可用功率而变化，例如，对于机内安装而言，其可能不同于室内安装。此外，在至少一些实施例中，4do节点在事件驱动的基础上和/或响应于接收一个或多个按需请求(诸如一个或多个代表性状态转移(rest)请求)，经由例如，应用编程接口(api)发送外部更新(例如，在给定体积粒度下相关的体积占用增量)。
65.下面结合附图提供一些示例实施例的进一步实现细节，但一般来说，在一些实施例中，4do节点执行许多操作，包括进行主动3d测距和时间同步。在收集初始校准周期(可能是24小时、48小时等)的深度数据后，4do节点到达其环境的本地存储基准深度图，本文称为4do节点的“局部基准图”。注意，如本文所使用的，“基准图”是被视为表示处于可称为其空(或至少基本上空)状态的监控空间的图(例如，包括体素集合的数据集)。因此，由给定4do节点维护的局部基准图表示该节点(当时)认为其监控空间在其空状态下的样子，此时监控空间的边界内不存在任何东西，其中这些边界由该节点最近的校准操作限定。
66.如本文所用，监控空间的“体积图”是一种基于通常是大量相对嘈杂的距离传感器数据的积分来提供监控空间的当前占用的基于概率的统计估计的图。相对而言，基准图通常更稳定、更平滑，至少部分是因为在一段时间(例如，24小时)内编译的结果，这段时间比用于组装给定体积图的相对瞬间长几个数量级。然而，在结构上，它们都是兼容类型的数据集，使得例如，可以通过例如对表示(例如)给定体素与某物而非无物相关联的可能性的值进行逐个体素相减来从体积图中减去基准图。如果对于给定体素，体积图值减去基准图值的结果高于给定阈值，则该体素可被视为在结果图中被占用。在对所有体素进行减法后，剩下的是对现在在监控空间中、而在(例如)凌晨3:00的观测期间不在监控空间中的“东西”的数量的概率估计，从而生成局部基准图。
67.在各不同的实施例中，如上所述，4do节点到达其局部基准图时，至少部分基于环境特征(例如，角落)的标识，这些特征可能不是永久静止的，但在最近(例如，初始)校准期间是(足够)静止以至被分类为监控空间的结构而不是内容。4do节点可以向范围内的任何对等体广播这些特征，以便其他4do节点中的每一个可以将其已标识的一个或多个特征与每个独立地进行比较，以确定它们是否具有与一个或多个对等4do节点共享的视场。如果两个或多个4do节点得出结论(每个节点自己，至少部分基于来自其一个或多个对等体的特征数据)，它们确实共享给定监控空间的视场，那么这些4do节点可以共享信息，这些信息使得它们中的每一个能够针对本文所称的每个4do节点的“全局体积图”获得相同的结果，在至少一个实施例中，该“全局体积图”是每个4do节点维护的监控空间的两个(至少)体积图中的一个体积图。
68.人们认识到，给定4do节点确实使用从一个或多个对等4do节点接收到的一些信息来更新其各自的全局体积图，因此从这个意义上讲，4do节点并不是真正100％独立、只供养自己的，但每个4do节点都是自主的、独立参与者――在没有4do节点需要另一个节点来完成其工作的意义上而言。如果一个或多个其他节点在周围并共享视场，则在至少一个实施例中，共享该视场的4do节点基于其他节点的观测(例如，差分数据)来细化其自身的全局体
积图。
69.利用围绕4do节点的网格流动的信息，即使每个4do节点以不同的全局体积图开始，每个节点实现每个其他节点的增量的效果是，最终它们都将各自具有监控空间的实质上相同的全局体积图的不同实例。为了便于协同工作，使得每个节点自身计算得出的增量(如下所述)可供其他节点使用，网格中的4do节点计算相对于彼此位置和旋转的空间变换，以便能够在六个维度(6d)中相互转化：水平(x)、垂直(y)、深度(z)、俯仰(在yz平面中围绕x轴的旋转角度)、偏航(在xz平面中围绕y轴的旋转角度)和滚动(在xy平面中围绕z轴的旋转角度)。
70.在至少一个实施例中，在初始或后续校准过程之后，4do节点以重复的帧间隔(例如，4do节点的深度信息捕获设备的帧速率)收集监控空间的点云或其他3d表示，以及至少部分基于该点云生成监控空间的瞬时体积图。然后，4do节点可以将其最新的瞬时体积图(其反映当前时间“t”的传感器读数集)与其过去的几个瞬时体积图中的一个或多个结合起来，瞬时体积图中的每一个分别与一时间(诸如“t-1”、“t-2”、“t-5”等)的传感器读数集相对应。组合多个最近的瞬时体积图的操作可涉及在逐个体素的基础上，保持图上的最高似然值、平均(例如，加权平均)图上的似然值等。以这种或另一种合适的方式组合多个瞬时体积图有助于缓解观察到的体素通常是瞬时的性质。
71.为简单起见，在本公开中，4do节点随后从中减去其局部基准图(其最近一次迭代)的瞬时体积图称为其“感知体积图”，其内容(至少)取决于4do节点是否被布置成用于将其最新的瞬时体积图与其最近的瞬时体积图一个或多个组合，来与局部基准图进行比较。如果不是，4do节点的感知体积图可能正好等于其最新近(或最近)的瞬时体积图。但是，如果是，则4do节点的感知体积图可能等于该组合的输出。无论哪种方式，4do节点都可以从其感知体积图中减去其局部基准图，以产生和/或更新本文中无谓的该4do节点的“局部体积图”，在至少一个实施例中，其是每个4do节点保持的(至少)两个体积图中的第二体积图。
72.4do节点将其当前局部感知体积图与其存储的局部基准图进行比较(例如，从局部感知体积图中减去局部基准图)的频率通常(例如，6赫兹(hz)、10赫兹等)小于深度信息捕获设备的帧速率(例如，30hz)。在这一点上，注意，深度信息捕获设备的帧速率可以是关于在各不同实例中配置深度信息捕获设备以捕获监控空间中的新鲜体积数据(例如，新的、当前等体积数据)的频率的上限。
73.在一些情况下，出于各种原因，4do节点可配置成用于以小于(例如，1/3的、2/3的、1/2的)该上限的速率捕获监控空间中的新鲜体积数据。因此，与“帧速率”不同，在给定实施例中配置给定4do节点以捕获监控空间中的新鲜体积数据(并生成该监控空间的相对应最新瞬时体积图)的速率在本公开中称为该4do节点的“捕获速率”，并且可以是可调节参数。给定4do节点将其局部基准图与其感知体积图进行比较(例如，从其感知的体积图中减去其局部基准图)的频率在本文中被称为该4do节点的“参考比较速率”，并且可以是可调节参数，其可以是也可以不是从当前选择的捕获速率中导出其值。如上所述，参考比较速率通常低于4do节点的深度信息捕获设备的捕获速率。
74.在该公开中，给定4do节点(或任何其他设备)在给定“速率”的每个周期内执行给定操作集所依据的循环结构称为与该速率相关联的“循环”，并且在该循环的每个迭代中执行的操作(或者在给定不同条件和逻辑语句等的情况下可以执行的操作)使用类似的限定
符来引用。因此，例如，按照本公开的说法，4do节点以其捕获速率在其“捕获循环”的每个“捕获迭代”中执行一系列“捕获操作”。“捕获周期”也可以被引用，并且可以与等于捕获速率的倒数的时间量相对应。因此，本公开涉及本文讨论的其他速率，诸如但不限于给定4do节点的上述参考比较速率。
75.本领域技术人员理解循环的概念，包括嵌套循环、内循环、外循环等。在各不同的实施例中，给定循环可以通过或作为(例如)相对应的电路(例如，asic、fpga等)、相对应的模块、指令(定义应用的相对应功能组件)基于处理器的执行等来实现。因此，作为示例，捕获循环可以由或作为“捕获电路”、“捕获模块”、“捕获过程”、“捕获功能”、“捕获块”等来实现。本文以示例而非限制的方式使用其“模块”和“过程”形式。在每个此类情况下，该过程提供了相对应过程的功能定义，并且该相对应过程包括但不限于相对应的“循环”。
76.如前所述，在至少一个实施例中，每个4do节点维护给定监控空间的两个单独的体积图：其局部体积图和其全局体积图。然而，如所述的，4do节点还生成各种瞬时体积图。这些仅短暂存在，并且4do节点保存、更新等的是局部体积图和全局体积图等。至于局部体积图，在至少一个实施例中，4do节点不使用来自任何其他4do节点的数据来更新其各自的局部体积图，因此，在至少一个实施例中，局部体积图表示仅基于特定4do节点所感知的监控空间的体积表示。在至少一个实施例中，每个4do节点还完全控制其全局体积图，但至少在一些情况下，至少部分基于其从一个或多个对等4do节点接收的体积数据(例如，增量)更新其各自的全局体积图。这可能发生在这些4do节点具有共享感测体积(监控空间)的情况下。
77.在捕获循环的每个捕获迭代中，4do节点可获得其最新瞬时体积图，并可将该图用作其最新感知体积图或作为计算其最新感知体积图的输入。在至少一些实施例中，获取其最新瞬时体积图的4do节点涉及4do节点使用其深度信息捕获设备来投射射线以检测监控空间中的点。4do节点可降低位于传感器与检测点之间的射线上的体素的似然值(因此不太可能被占用)，并可增加位于检测点处的体素的似然值(因此更可能被占用)。
78.如果捕获循环被配置成用于基于多个最近的瞬时体积图以及如上所述最新的瞬时体积图生成感知体积图，捕获循环可以至少部分地参考某个数量(例如，4)的最近(例如，紧接之前的)瞬时体积图的高速缓存(或流水线、或队列等)来这样做。捕获循环可以以参考比较速率向4do节点的参考比较循环提供其最新的感知体积图。捕获循环还可以提供最新的感知体积图作为其局部体积图的更新。4do节点可以至少部分地通过(例如)将感知体积图与现有的局部体积图之间的任何增量(体素差异)应用于(随后修改的)局部体积图来更新其局部体积图。
79.在以参考比较速率进行迭代的参考比较循环的每个参考比较迭代中，4do节点计算本文所谓的“局部增量”集。在实施例中，参考比较循环将三个输入带到计算中，从而产生给定参考比较迭代的局部增量(其中可能没有)：1.最新的感知体积图，由参考比较循环从与当前参考比较迭代相关的捕获循环接收；2.局部体积图的副本(在尚未根据上文第1条所含信息进行修改的状态下)；以及3.局部基准图的副本。
80.然后，参考比较循环可执行本文所谓的局部增量计算，以基于这三个输入计算当前参考比较迭代的局部增量。在不同的实施例中可以存在不同的输入集，但是这些是用于
本公开中的说明的三个输入。参考比较循环可以以多种不同的方式执行局部增量计算。在一个示例中，参考比较循环至少部分地通过从(由接收到的最新的感知体积图修改的)接收到的局部体积图的副本减去接收到的局部基准图的副本来执行当前参考比较迭代的局部增量计算。这可以分两个阶段完成，如下所述。
81.在第一阶段中，参考比较循环可至少部分地通过根据接收到的最新的感知体积图修改接收到的局部体积图的副本来生成修改后的局部体积图。参考比较循环可以通过执行刚刚上文描述的关于基于最新的感知体积图与存储的局部体积图之间的差异来更新存储的局部体积图的相同功能来这样做。因此，参考比较循环可以将感知体积图与现有的局部体积图之间的任何增量应用于接收到的局部体积图的副本，以便生成修改后的局部体积图。因此，参考比较循环可以标识中间增量，作为从接收到的最新的感知体积图中减去接收到的局部体积图的副本的结果，然后将这些中间增量应用为对接收到的局部体积图的副本的更改，以生成修改后的局部体积图。换句话说，可以基本上同时对存储的局部体积图和由参考比较循环接收的局部体积图的副本进行相同的更新。在第二阶段，参考比较循环可从修改后的局部体积图中减去接收到的局部基准图的副本，从而产生局部增量。也可以使用其他方法。
82.然后，4do节点可通过将新计算的局部增量应用于全局体积图来更新其全局体积图。如下文更全面地讨论的，4do节点还可以向其对等4do节点广播这些局部增量，4do节点与该其对等4do节点共享监控空间的视场。4do节点还可以从一个或多个对等4do节点接收由一个或多个对等4do节点中的每一个以如上所述的相同方式生成的(局部)增量的广播。在本公开中，为清楚起见，从给定4do节点的角度来看，由对等4do节点广播并由给定4do节点接收的增量称为“对等增量”。给定的4do节点可以将任何接收到的对等增量应用于其自身的全局体积图，就像它对其生成的局部增量所做的那样。
83.事实上，在一些实施例中，从其他节点接收的对等增量由给定4do节点以与该4do节点集成局部图差异的基本类似的方式集成到该节点维护的全局体积图中。在至少一个实施例中，由于本文所述的自动校准过程，给定网格中所有节点之间的体素坐标位于同一参考帧中，并且可以一致地集成输入。在至少一些实施例中，这种相互占用信息集成过程是确定的和可交换的，从而导致给定网格中的每个节点到达相同占用表示的情况，从而在连接的网格中的所有节点上提供一致的结果。在至少一些实施例中，被用于存储各种体积图的体素的本文描述的n-树数据结构(例如，十六进制树)将时间原生地编码为第四维度。因此，在至少一些实施例中，即使来自不同节点的消息在不同的时间点被捕获，此类消息的集成是一致的。
84.除了安装多个4do节点作为拓扑网格中的对等体外，还可以安装其他局部网络拓扑，事实上，本文描述了实施例，其中，本文中称为4d占用聚合器(简称为“4do聚合器”)的监管器类型设备基于4do聚合器从具有监控空间的可见性的每个4do节点接收到的体积信息来维护其自身的给定监控空间的全局图(“聚合器全局图”)。在各不同的实施例中，4do节点和4do聚合器都可以经由例如各自的rest api暴露各种数据。在示例实施例中，4do节点暴露诸如其局部基准图、作为时间序列的局部增量等之类的数据，而4do聚合器可暴露诸如其聚合器全局图之类的数据和/或一种或其他类型的数据。
85.如上文结合涉及十六进制树数据结构的讨论所述，以及下文更全面地讨论所述，
在一些实施例中，4do节点和4do聚合器保持各种体积图的非统一、多分辨率体积表示，其指示监控空间的已标识占用部分。该方法的一个优点在于，如本文所述，可以在不同的粒度(分辨率)层级上查询该多分辨率体积表示。这使得能够以各种不同粒度(各种不同分辨率)的增量(局部增量和对等增量)进行通信，在至少一些实施例中，这些增量以差分更新方式在彼此之间传输。此外，如下文更全面地解释的，在至少一些实施例中，4do节点和/或4do聚合器监控它们自身之间的无线通信链路的质量，并至少部分地基于这些链路质量评估来决定关于传输增量的粒度级别。
86.此外，在至少一些实施例中，4do节点和/或4do聚合器(或一个或多个其他计算机系统)计算本文中所谓的体积占用指数，其是监控空间的所估计体积占用水平的数值表达式。在一些实施例中，体积占用指数计算为被标记为已占用的监控空间中的体素数量(例如，至少具有阈值似然值的体素)除以监控空间中的体素总数。其他实施例将体积占用指数计算为所有体素的似然值之和除以监控空间中的体素总数。在此类实施例中，似然值可以归一化为0到1之间的值，并且当然，监控空间中的体素总数中的每个体素计数为1。
87.如本文所述，在至少一个实施例中，监控空间中的体素总数不包括作为局部基准图的一部分已被减去的固定特征(诸如墙壁、书架等)。根据至少一些实施例，这些定义了空间，而不是填充空间。当然，也可以或替代地执行体积占用指数的其他推导和/或其他指数的计算。本公开的实施例利用本文所述的某些数据结构(例如,十六进制树)使体积占用指数的计算等比它们原本可能的更高效，如下文更全面地解释。此外，对于给定的实现，可以根据需要或很少计算体积占用指数。可以设置一个或多个体积占用指数阈值，以触发诸如报告、警报等之类的操作。体积占用指数的时间序列可以由接收方计算机系统存档，并且为了节省存储空间，可以任选地以不同的时间间隔对此类数据进行归纳。当然，许多其他的实现也是可能的。
88.计算出的体积占用指数可以(例如，通过一个或多个4do节点、4do聚合器等)作为时间序列传输到一个或多个端点，该时间序列包括所有或小于所有实际计算的体积占用指数值。例如，计算的每n(例如，100)个体积占用指数可例如被平均并作为时间序列进行传输，该时间序列可具有至少部分地由n个(例如，n＝1导致时间序列包括每个计算的体积占用指数，而如果每两个值被平均并发送，则发送计算此类值的速率的一半，依此类推)的选择确定的结果频率。此外，正如受益于本公开的本领域技术人员将想到的，许多度量和分析可以从根据本公开的实施例生成的体积占用指数的时间序列中导出。
89.在一个示例实施例中，根据本公开的实施例生成并传输的体积占用指数的时间序列被集成到城市地铁交通管理局的控制系统中，以便例如通过以下方式协助该组织：自动部署附加资产(例如，公共汽车)以考虑道路上公共汽车高于预期的占用水平，基于满足的各种当前条件向一个或多个端点生成警报，等等。这里也可以列出许多其他此类示例。此外，根据一些实施例，结合计算出的体积占用指数存储时间信息，使得可以对历史值进行查询、报告、平均等。这类似于上面的描述，即在至少一些实施例中，每个体素不仅可以用作占用的可能性的当前指示符，还可以用作其某种程度的历史值的存档。
90.一个实施例采取体积占用节点(例如，4do节点)的形式，该体积占用节点包括主动测距设备、无线通信接口和处理器，该处理器被配置成用于执行操作，包括从主动测距设备获取表示体积占用节点所在的监控空间的当前点云，以及基于当前点云生成监控空间的当
前体积图。这些操作还包括通过从由体积占用节点维护的监控空间的第一体积图中减去监控空间的基准体积图来计算监控空间的当前局部增量，第一体积图已被更新以反映其与当前体积图之间的任何差异，并将当前局部增量作为更改应用于由体积占用节点维护的监控空间的第二体积图。操作还包括基于第一体积图和第二体积图中的一者或两者来计算指示监控空间的当前体积占用的体积占用指数，以及经由无线通信接口将体积占用指数发送到至少一个接收方计算机系统。
91.进一步实施例采取一个或多个非瞬态计算机可读存储介质的形式，该存储介质包含指令，该指令在由至少一个硬件处理器执行时，使得至少一个硬件处理器执行包括上段中列出的操作的操作。另一实施例采取由在至少一个硬件处理器上执行指令的计算机系统执行的方法的形式，该方法包括上段中列出的操作。
92.如本文所述，本公开的一个或多个实施例的形式为包括多个操作的方法。一个或多个其他实施例的形式为包括至少一个硬件处理器并且还包括一个或多个非瞬态计算机可读存储介质的系统，该存储介质包含指令，这些指令在由至少一个硬件处理器执行时，使至少一个硬件处理器执行多个操作(在一些实施例中，操作与在本文公开的方法实施例中执行的操作集相对应而在其他实施例中，操作与在本文公开的方法实施例中执行的操作集不对应)。还有一个或多个其他实施例的形式为一个或多个非瞬态计算机可读存储介质，该存储介质包含指令，这些指令在由至少一个硬件处理器执行时，使至少一个硬件处理器执行多个操作(同样，在一些实施例中，操作与在本文公开的方法实施例中执行的操作集和/或由本文公开的系统实施例执行的操作集相对应，而在其他实施例中，操作与在本文公开的方法实施例中执行的操作集和/或由本文公开的系统实施例执行的操作集不对应)。
93.此外，本文描述了上述所列实施例的许多变化和置换，并且明确注意，本公开中描述的任何变化或置换都可以针对任何类型的实施例来实现。例如，在本公开中主要结合方法实施例描述的变化或置换也可以结合系统实施例和/或非瞬态计算机可读存储介质实施例来实现。此外，尽管用于描述和/或表征此类实施例和/或其任何一个或多个元件的任何稍有不同的语言(例如，过程、过程流、方法、方法论、步骤、操作、功能等)，实施例的这种灵活性和交叉适用性仍然存在。
94.人们将从本公开的实施例中受益的一个示例室内公共场所是拥挤的火车站，其示例如图2所示，其描绘了可见光图像200。所描绘的场景包括相邻列车同时从公共站台区域装载和卸载的配置，这导致非常拥挤的情况，其中人们经常彼此密切接触并且无法保持社交距离。根据本公开的实施例，人们首先将受益于避免处于这种情况，例如，能够提前为自己规划路线，包括一个或多个，例如，不太拥挤的火车车厢(因此很可能是不太拥挤的火车站台)。通过进一步的描述，其他优点也将显而易见。
95.根据至少一个实施例，图1中描绘了示例通信情境100，并且包括示例占用测量配置102。通信情境100是作为示例而非限制的方式来提供的，因为可以结合各种不同的实现来使用不同布置的通信情境。占用测量配置102包括示例布置，其中许多人112位于交通工具(例如，公共汽车)(未示出)的交通工具内部106内。每个人112具有相关联的移动设备114，其也可以或替代地被称为用户设备，并且每个移动设备可以是手机、智能电话、个人数字助理(pda)、平板电脑、笔记本电脑、上网本等。在一些实例中，给定移动设备114被配置成用于执行本公开的一个或多个实施例。
96.结合占用测量配置102，摄像机108安装在交通工具内部106中，具有覆盖人员112的视场110，并将视频帧116发送至智能路线选择边缘设备104，该智能路线选择边缘设备104也在交通工具上，摄像机108被以通信方式连接至智能路线选择边缘设备104。智能路线选择边缘设备104可以具有数据存储、存储器、一个或多个硬件处理器等，以及智能路线选择边缘设备104与网络118建立连接的通信接口。智能路线选择边缘设备104可以被描述为“占用测量系统”，如本文使用的术语，智能路线选择边缘设备104和摄像机108的组合也可以被描述为“占用测量系统”，这仅作为示例。在这里描述的示例中，交通工具上的(自动)占用测量系统可称为一种占用测量系统，本文称为“人员计数系统”。
97.在各不同的实施例中，摄像机108可以是不捕获深度信息的摄像机，在这种情况下，视频帧116可以只是视频帧，或者是捕获深度信息的摄像机，在这种情况下，视频帧116可以包含与摄像机108的视场相关联的深度信息。如果摄像机108是后者，则它是本文中所谓的“深度信息捕获设备”的示例。在其他实施例中，可以使用非深度相机，并且它可以拍摄频繁的图像，然后这些图像可以由智能路线选择边缘设备104处理或通过智能路线选择边缘设备104处理。在该类型的实施例中，再次地，相机可以是深度信息捕获设备，也可以不是深度信息捕获设备。
98.如本文所用的术语，“深度信息捕获设备”可是布置成用于捕获深度信息的任何设备，一些示例包括深度相机、组合可见光和深度相机，测距设备、雷达装置、声纳设备、lidar设备等。类似地，如本文所使用的，“深度图像”可以是包含深度信息的任何数据集。这包括深度地图，并且还包括由例如，深度相机、组合可见光和深度相机等捕获的深度图像，并且还包括数据集(诸如点云，其包括代表其(多个)对象的三维点、(多个)曲面、(多个)特征等的数据)，包括但不限于由本领域技术人员通常不称为深度相机的设备收集的数据集。
99.图3和图4分别描绘了示例深度图像300和示例深度图像400，显示了如何使用此类图像的分析来统计视场内的人数。在深度图像300中，已经标识了多个人员片段，每个人员片段可以与人员112相对应，并且每个人员片段在图3中用圆圈加图标标记。此外，举例来说，已标识出一个结构片段，其可与立柱、分隔器、火车上的浴室、公共汽车上的行李架或某些其他结构相对应，且在图3中用分割菱形图标标记。深度图像400是相对简单的深度图像，仅示出单个标识的人员片段，用位于其边界内的带圆圈加图标标记。图4中还描绘了三个分割菱形图标，以表示检测到的结构，在该情况下，是门框和壁装式垃圾桶的两侧。
100.这里可以呈现深度图像和/或测距设备的输出的可视化的许多其他示例，因为深度图像300和深度图像400仅作为示例而非限制的方式提供。深度图像300可以表示安装在交通工具内部的相机的视场，而深度图像400可以表示监控进出门口的人的相机的视场，上面提到的并且下面也结合图5讨论的一种配置类型。
101.如本领域所知，智能路线选择边缘设备104(或通信路径中的另一设备)可在某些情况下通过对图像应用人员检测模型来处理其从摄像机108接收的视频帧116。除了被配置成用于在视频帧、深度图像等中检测人之外，人员检测模型还可以实现如上所述的人“重新检测”或“重新标识”，以便尝试避免将任何单个人计算为多个不同的人。下面提到一些示例人员检测模型。
102.回到图1，可以看到，智能路线选择边缘设备104还以通信方式连接到网络118，接入站120、智能路线选择服务器124和运输应用服务器126也是如此。经由网络118，智能路线
选择边缘设备104可以与通信情境100中所示的任何一个或多个实体以及可经由网络118到达的任何一个或多个其他实体通信。图1中还描绘了智能路线选择边缘设备104与智能路线选择服务器124之间的链路128。这可以是专用的直接链路(例如，无线链路)，或者可以替代地表示隧道类型的连接，诸如vpn，该vpn可以以安全的方式物理地通过网络118，以及其他可能性。
103.智能路线选择服务器124和运输应用服务器126各自可以是或包括服务器系统或其他计算设备，该服务器系统或其他计算设备被配备、编程和配置成用于执行本文所述的各种操作的组合，包括本公开的各实施例。通常，智能路线选择服务器124可以支持从诸如智能路线选择边缘设备104以及摄像机108之类的安装收集并维护占用信息。运输应用服务器126可向可在一个或多个移动设备114上执行的运输相关的移动应用提供支持。
104.该支持可包括路线生成、用户简档存储和维护、在移动设备114与智能路线选择服务器124之间代理对交通工具占用信息的请求等。运输应用服务器126还可以提供表示前述移动应用的用户能够访问其信息并使用服务的另一种方式的web界面。可由例如运输应用服务器126执行的示例方法在图6a示出，并在下面结合图6a讨论。此外，运输应用服务器126可以被布置(例如，装备、编程、配置等)成用于执行图6a中所示和结合图6a描述的方法的多种变化中的任何一种。
105.网络118可以是或包括任何一种或多种类型的网络(例如，数据网络)。网络118可以是或包括的网络的一些示例类型是网际协议(ip)网络，诸如因特网、专用数据网络、公共数据网络、电话网络、蜂窝网络、局域网(lan)、广域网(wan)、无线广域网(wwan)、个域网(pan)等。接入站120可以是或包括任何网络基站、接入节点、塔、wi-fi接入点等，并且可以经由空中接口122提供移动设备114与网络118之间的互连，其可根据本文提及的无线通信协议中的任何一个或多个和/或本领域技术人员认为适合于给定实现的任何一个或多个其他无线通信协议来操作。
106.图1和/或任何其他附图中描述的任何设备、系统等都可以具有类似于下面结合图19的示例计算机系统1900描述的示例计算机系统架构的硬件架构，并且可以包含并执行具有类似于下面结合图20描述的示例软件架构2002的架构的软件。此外，图1和/或任何其他附图中描绘的任何通信链路可以是或包括一个或多个有线通信链路(例如，以太网、光纤、通用串行总线(usb)，等)和/或一个或多个无线通信链路(例如，wi-fi、长期演进(lte)、wimax、3g、4g、5g及更高、近场通信(nfc)、蓝牙、蓝牙低能量(ble)等)。此外，任何通信链路可以包括一个或多个网络、一个或多个中间设备，诸如一个或多个路由器、网桥、服务器、接入点、基站等。此外，任何通信链路都可以包括一个或多个虚拟专用网络(vpn)和/或其他隧道类型的连接。
107.根据至少一个实施例，图5中描绘了示例通信情境500，并且包括示例占用测量配置502。类似于通信情境100，通信情境500是作为示例而非限制的方式来提供的，因为可以结合各种不同的实现来使用不同安排的通信情境。
108.与图1的占用测量配置102类似，图5的占用测量配置502包括与网络118通信的智能路线选择边缘设备104，以及在这种情况下由两个不同的摄像机108提供给智能路线选择边缘设备104的视频帧116，每一个摄像机108通过各自的支架506安装在火车车厢504的外部，支架506位于火车车厢504各自的门口508上方。注意，实际实现中的支架506很可能不是
图5所示的规模或样式，因为图5只是为了说明。在图5中，两个摄像机108中的每一个都在各自的入口/出口区域510上训练其各自的视场110，该入口/出口区域510被定义为每个门口508前面的近似虚拟半圆，由火车车厢504的边缘和虚拟弧512限定。此外，注意，图5中省略了图1中示出为与网络118通信的其他元件，这仅仅是为了清楚地表示。
109.类似于图1，智能路线选择边缘设备104可以结合智能路线选择边缘设备104从摄像机108接收的视频帧116来实现人检测/重新检测模型。然而，在占用测量配置502中，摄像机108不捕捉描述人(例如，站在或坐在移动的公共汽车上)的视频帧116，并且智能路线选择边缘设备104不处理这些视频帧116。在这种情况下，交通工具停止并且人员112正在进出门口508。本文描述用于处理该视频数据的各种方法。
110.一种方法可由智能路线选择边缘设备104执行，并可涉及使用推理机，诸如发布的openvino
tm
工具包中的推理机。智能路线选择边缘设备104可摄取从摄像机108接收的视频帧116，并逐帧执行以下操作：1.使用预先训练的dnn模型检测帧中的人员；2.从使用第二预先训练的dnn检测到的人员中提取特征，以便跟踪单个人员，以避免重复计数；3.基于坐标，检查人员是否穿过预定义的虚拟门(例如，虚拟弧512)以及在哪个方向(进出入口/出口区域510，并且延伸至火车车厢504)；以及4.基于目的地进出更新人员计数。
111.这只是一个示例，可以使用许多其他人员计数方法，这是本领域技术人员所已知的。上述方法代表了“人员计数系统”的示例，本公开中使用了该术语。在一些实施例中，使用体积占用方法(诸如本公开中描述的方法)确定给定交通工具中的交通工具占用。
112.在交通工具中有多个车厢的情况下(诸如火车中的多个车厢)，一些实施例使用人群检测模型来标识火车的哪些特定区域拥挤。在至少一个实施例中，实时跟踪此模型的输出(此处称为“人群索引”)，以帮助用户标识他们想要乘坐哪个车厢。在持续的流行病期间，运输工具供应商可以利用这些信息，例如，以便标识高暴露区域，以至少用于消毒、清洁、维护等目的。提供商还可以使用此信息帮助他们标识拥挤的原因，并改进人群方向和社交距离策略。
113.图6a描绘了在此通过示例描述的方法600，该方法600由运输应用服务器126执行，并且作为一般事项，可以在各不同的实施例中由诸如移动设备114、智能路线选择服务器124之类的其他设备和/或装备、编程和配置成用于执行所述功能的任何其他合适的计算和通信设备执行。
114.在操作602，运输应用服务器126经由例如网络接口接收从第一位置到第二位置的路线选择选项的路线选择选项请求。在该示例中的路线选择选项请求是从用户设备(例如，移动设备114)接收的，并且移动设备114可能已经经由其用户接口接收到类似的请求，如所讨论的，该用户接口是人员112的移动设备。用户(例如，人员112)可以启动特定的运输相关的应用、导航到移动支持的网站等。一旦到达，用户可以输入其期望的目的地。用户还可以输入其当前位置，或者例如，应用可以经由移动设备114的操作系统访问该信息，以及其他选项。
115.例如，运输应用服务器126对路线选择选项请求的接收可以由其类似于通信组件
1942的组件来执行。替代地或另外，运输应用服务器126可以具有类似于结合图14描述的(4do节点1400的)通信接口1412的通信接口。下面描述的操作606也可以由一个或多个类似选项执行。
116.注意，本文中关于经由移动设备114的用户接口从用户接收的路线选择选项请求的任何描述，并且此后由运输应用服务器126接收的路线选择选项请求并不将本公开限制为在两个接口处接收的完全相同的(例如，协议、格式化等)消息。相反，要点在于，例如，用户输入(例如，经由涉及图、文本字段、下拉列表等的图形用户接口)在其当前位置(例如，购物中心)与其家之间的路线选择选项请求，以及运输应用服务器126从移动设备114接收的路线选择选项请求正在请求相同的东西：这两个位置之间的路线选择选项。当然可以将用户输入转换为由移动设备114上的运输应用保存的形式，并且可能再次转换为运输应用服务器126偏好的协议或api格式。并且许多其他的实现也是可能的。
117.响应于接收到路线选择选项请求，运输应用服务器126至少部分地基于将用于所标识的路线选择选项中的至少一个的至少一部分的交通工具(例如，特定的公共汽车)的占用数据来标识(在操作604)从第一位置到第二位置的一个或多个路线选择选项。在一些实例中，也响应于接收到路线选择选项请求，运输应用服务器126通过指定给定交通工具(诸如特定的公共汽车号码)和给定的时间来查询智能路线选择服务器124以检索交通工具的当前实际占用值。操作604的路线标识可以由运输应用服务器126的任何一个或多个处理器使用本领域已知的任何合适的路线选择方法来执行。
118.例如，运输应用服务器126可以在标识出在该特定时间包括该公交号码的可能路线之后发送该查询。占用数据可以基于交通工具上的自动占用测量系统的输出，并且可以由智能路线选择服务器124从该系统接收。示例自动占用测量系统(例如，人员计数系统)可以采取智能路线选择边缘设备104和摄像机108的组合的形式或至少包括其组合，或者术语占用测量系统、人员计数系统等可以仅指智能路线选择边缘设备104，并且这里也可以列出许多其他的示例。在一些实施例中，运输应用服务器126通过直接查询交通工具上的占用测量系统来检索占用数据。占用数据可包括由例如人员计数系统确定的交通工具的当前实际占用。
119.运输应用服务器126可被布置成在标识一个或多个路线选择选项中的至少一个之后，向移动设备114提供一个或多个标识出的路线选择选项。例如，运输应用服务器126可以以任何合适的协议(例如，html)格式化一个或多个消息，并将该一个或多个消息发送到移动设备114。可以在两个设备之间建立安全连接。
120.除了被配置成用于向移动设备114提供一个或多个路线选择选项之外，运输应用服务器126还可以被配置成用于经由移动设备114的用户接口向用户呈现(例如，显示)一个或多个路线选择选项。运输应用服务器126可以通过一个或多个路线选择选项包括针对移动设备114(例如，对移动设备114上的应用)的、呈现一个或多个路线选择选项的命令。运输应用服务器126可以进一步被布置成使得经由移动设备114的用户接口呈现一个或多个路线选择选项中的一个或多个交通工具的(实际和/或预计的)占用数据。作为一般事项，运输应用服务器126可以通过向移动设备114发送相关数据，并且在一些情况下，也或者替代地将用于显示或以其他方式呈现特定内容的命令发送至移动设备114(或发送至移动设备114上的应用等)，来使得向移动设备114上的用户呈现某物。
121.如所讨论的，在一些情况下，除了或代替交通工具的实际当前占用，检索到的占用数据包括特定时间特定交通工具的预计占用，该特定时间可能至少大约是用户选择该路线的情况下登上该交通工具的时间。在各不同的实施例中，可以生成预计占用值，作为该交通工具在特定时间或大约在特定时间的该类型天(例如，工作日)的历史占用的平均值。由于诸如智能路线选择边缘设备104之类的设备被配置成用于将诸如计数的人数、时间戳等捕获的数据上传到服务器等等，因此历史数据可能随着时间的推移变得越来越可用。
122.如本领域人员已知，给定的预计占用也可以或替代地使用经训练的机器学习模型生成。为了训练此类模型，监督学习方法可被利用，并且可以基于数据的流水线，例如，包括处理诸如一周中的天、时间范围、行为模式、假期等之类的特征的支持向量机。给定的实现可以使用多层神经网络。在一些实施例中，可以使用诸如线性回归之类的技术。此外与运输应用服务器126进行交通工具占用预计相关的方面可以由运输应用服务器126的任何一个或多个处理器使用本文讨论的任何一个或多个技术(例如，历史平均值、机器学习模型等)和/或本领域技术人员认为适用于给定实现或给定情境的任何一个或多个其他技术来执行。
123.如本文所述，除了(实际和/或预计的)交通工具占用值外，路线选择选项的标识还可以至少部分地基于与用户相关联的存储用户简档中的一个或多个出行偏好。这样，本公开的实施例提供了根据用户偏好定制的路线选择选项。贯穿本公开描述了此类偏好的一些示例。
124.一旦标识路线选择选项集(在操作604)，在操作606，运输应用服务器126可以使得经由移动设备114的用户接口向用户呈现一个或多个标识出的路线选择选项。如上所述，运输应用服务器126可以通过向移动设备114发送相关数据，并且在一些情况下，也或者替代地将用于显示或以其他方式呈现特定内容的命令发送至移动设备114(或发送至移动设备114上的应用等)，使得向移动设备114上的用户呈现某物。给定的呈现可能以列表格式列出路线选择选项。作为另一备选方案，可以以图形方式来描绘路线选择选项，类似于作为示例的图7、图8、图9和图13中的每一个中所描绘的。在一些情况下，与这些附图中所示类似，所呈现的路线选择选项可示出一个或多个所呈现的路线选择选项中一个或多个交通工具的一个或多个实际占用值和/或预计占用值。
125.用户可以选择所呈现的路线选择选项中的给定一个，并且可能在来自移动设备114的协助(例如，位置数据)下，运输应用服务器126可以相应地跟踪用户在所选择的路线上的进度。例如，基于移动设备114的当前时间和/或gps位置，以及其他可能的监控触发值，运输应用服务器126可使移动设备114经由该移动设备的用户接口向用户呈现请求确认用户已登上特定交通工具的提示。在至少一个实施例中，当经由用户接口接收到确认时，移动设备114可以响应地向诸如智能路线选择服务器124和/或运输应用服务器126之类的服务器发送例如用于更新交通工具的实际占用的更新消息，以反映用户已经登上交通工具。
126.如本文所述，运输应用服务器126可以至少部分地基于存储的、与用户相关联的用户简档中的占用数据和一个或多个出行偏好中的一者或两者来选择一个或多个标识的路线选择选项的推荐顺序。此外，可以根据所确定的推荐顺序来呈现所呈现的路线选择选项。因此，考虑到给定用户可使用的所有交通工具(个人和公共)，并且还考虑到一辆或多辆共享交通工具的当前和预计占用水平，以及其他因素，本公开的实施例提供了关于乘坐什么
交通工具以及何时乘坐的推荐。在至少一些实施例中，在存储的用户简档中定义给定人员可用的交通工具集以及各种与出行相关的偏好。
127.在描述图7和其余附图之前，结合图6b描述示例方法608。方法608在某种程度上类似于方法600，作为示例，本文将其描述为由运输应用服务器126执行。然而，作为示例，本文将图6b的方法608描述为由移动设备114执行，但是该方法608可以由适当地装备、编程和配置以执行所描述的操作的计算机系统中的任何一个或任何组合来执行。
128.在操作610，移动设备114经由其用户接口从用户接收从第一位置到第二位置的路线选择选项的路线选择选项请求。这可涉及用户启动特定的运输相关应用，并输入他们期望的目的地。用户可以输入其当前位置，或者应用可以经由移动设备114的操作系统访问该信息等等。注意，在本公开中，包括在图6b的本描述中，对采取某些动作的移动设备114和采取某些动作的前述与运输相关的应用的引用在某种程度上是可互换的，并且本文不旨在传达两者之间的动作、角色等的明确划分。
129.响应于接收到路线选择选项请求，移动设备114至少部分地基于将用于所标识的路线选择选项中的至少一个的至少一部分的交通工具(例如，特定的公共汽车)的占用数据来标识(在操作612)从第一位置到第二位置的一个或多个路线选择选项。在一些实例中，也响应于接收到路线选择选项请求，移动设备114通过指定给定交通工具(诸如特定的公共汽车号码)和给定的时间来查询智能路线选择服务器124以检索交通工具的当前实际占用值。移动设备114可以在标识出在该特定时间包括该公交号码的可能路线之后发送该查询。如前所述，智能路线选择服务器124可能已经从交通工具上的占用测量系统(例如，人员计数系统)接收到该占用数据。在实施例中，该系统是或至少包括摄像机108和智能路线选择边缘设备104的组合，或者仅参考智能路线选择边缘设备104等等。
130.在一些情况下，除了或代替交通工具的实际当前占用，检索到的占用数据包括特定时间下特定交通工具的预计占用，该特定时间可能至少大约是用户选择该路线的情况下登上该交通工具的时间。在各不同的实施例中，可以生成预计占用值，作为该交通工具在特定时间或大约在特定时间的该类型天(例如，工作日)的历史占用的平均值。除其他外，由于诸如智能路线选择边缘设备104之类的设备被配置成用于将诸如计数的人数、时间戳等捕获的数据上传到服务器，因此历史数据可能随着时间的推移变得越来越可用。
131.如本领域人员已知，预计占用也可以或替代地使用经训练的机器学习模型生成。为了训练此类模型，监督学习方法可以被利用，并且可以基于数据的流水线，例如，包括处理诸如一周中的天、时间范围、人员行为模式、假期等之类的特征的支持向量机。给定的实现可以使用多层神经网络。在一些实施例中，可以使用诸如线性回归之类的技术。
132.此外，上文结合图6a讨论的涉及用户出行偏好的各实施例和排列也完全适用于图6b的讨论。在与图6a和/或图6b一致的一个或多个实施例中，以除了一个或多个(实际和/或预计的)交通工具占用值外还考虑用户的出行偏好的方式来执行一个或多个路线选择选项的标识。如上所述，这些出行偏好可存储在用户简档中，如本文所述，这些用户简档可被用户配置。
133.一旦标识路线选择选项集，移动设备114可经由移动设备114的用户接口呈现(在操作614)一个或多个标识出的路线选择选项。给定的呈现可能以列表格式列出路线选择选项。作为另一备选方案，可以以图形方式来描绘路线选择选项，类似于作为示例的图7、图8、
图9和图13中的每一个中所描绘的。在一些情况下，与这些附图中所示类似，所呈现的路线选择选项可示出一个或多个所呈现的路线选择选项中一个或多个交通工具的一个或多个实际占用值和/或预计占用值。
134.用户可以选择所呈现的路线选择选项中的给定一个，并且移动设备114可以相应地跟踪用户在所选择的路线上的进度。例如，基于移动设备114的当前时间和/或gps位置，以及其他可能的监控触发值，移动设备114可经由用户接口向用户呈现请求确认用户已登上特定交通工具的提示。在至少一个实施例中，当经由用户接口接收到确认时，移动设备114可以响应地向诸如智能路线选择服务器124或运输应用服务器126之类的服务器发送例如用于更新交通工具的实际占用的更新消息，以反映用户已经登上交通工具。
135.如本文所述，经由所讨论的示例运输应用，移动设备114可以至少部分地基于存储的、与用户相关联的用户简档中的占用数据和一个或多个出行偏好中的一者或两者来选择一个或多个标识的路线选择选项的推荐顺序。此外，可以根据所确定的推荐顺序来呈现所呈现的路线选择选项。因此，考虑到给定用户可使用的所有交通工具(个人和公共)，并且还考虑到一辆或多辆共享交通工具的当前和预计占用水平，以及其他因素，本公开的实施例提供了关于乘坐什么交通工具以及何时乘坐的推荐。在至少一些实施例中，在存储的用户简档中定义给定人员可用的交通工具集以及各种与出行相关的偏好。
136.现在回到与图6a中描绘和结合图6a描述的实施例类似的实施例的讨论，如本文所讨论的，在给定实例中，经由例如移动设备114的用户接口来标识和呈现数个多模式路线选择选项的示例，这些选项可以以可视的方式呈现，图7的示例路线选择选项图700中描绘了其中的一个示例。在路线选择选项图700中，在该示例中是移动设备114的用户的人员112当前处于任意位置x，并且正期待返回其家708，该家708在图7中也被称为位置y。移动设备114已标识并呈现三个不同的行程选项：行程a 702、行程b 704和行程c 706。
137.行程a 702具有32分钟的估计持续时间，并且可以立即开始(在图7中称为t0的时间处)，可能与来自公共汽车线路47的公共汽车当前正处于移动设备114前面准备出发的情况相对应。行程a 702还包括67路公共汽车。在图7所示的示例情况中，作为行程a 702一部分的47路公共汽车的容量为50而当前占用为48，同时将乘坐的67路公共汽车的容量为40而当前占用为34，并且在人员112乘坐时的预计占用为40。
138.相比之下，行程b 704的预期持续时间为27分钟，并且也可以立即开始(在t0处)，因为人员112可以立即骑其自己的自行车出发。接下来的行程b 704包括乘坐52路公共汽车的一段，人员112将自行车带上该52路公共汽车，之后人员112将骑自行车回家708。如图7所示，该52路公共汽车的容量为50，当前占用为18，并且在人员112乘坐时预计占用为23。
139.行程c 706的预期持续时间为42分钟，一个原因是它在t0后10分钟才开始，如图7所示为t0+10。这可与下一辆47路公共汽车10分钟后到达的情况相对应，之后类似于行程a 702，人员112将乘坐67路公共汽车。当然，这可能是与行程a 702中所示的67路公共汽车不同的67路公共汽车。在图7中，可以看到，关于行程c，该特定的47路公共汽车的容量为50，当前占用为12，并且在人员112将乘坐时预计占用为33；此外，作为行程c 706的一部分，人员112将乘坐的67路公共汽车的容量为40，当前占用为5，并且在人员112将乘坐时预计占用为28。
140.关于行程c 706，运输相关应用可评估47路公共汽车的当前占用是否可接受(例
如，小于相关用户简档中存储的用户偏好)，这可使路线符合用户当前的偏好。然而，应用可以预计(或访问预计)，其指示在中间位置，占用将达到最大容量(例如，通过繁忙的市中心时)。因此，可推荐行程c 706以外的路线。当然，也可以提出许多其他示例。
141.此外，在至少一个实施例中，监控至少一条候选路线的中间转换点(例如，公共汽车站)的占用水平。在示例场景中，即使行程c 706中67路公共汽车的当前和预计占用相对较低，但在人员112将登上该67路公共汽车的公共汽车站等待的大量人群可能导致关于预期占用的不同结论。在可能推荐行程c 706的示例情况下，公共汽车站处的大量人群可以是降低行程c 706等级并推荐不同路线的基础。也可以结合在火车站、地铁站等处的人群描述类似的示例。
142.在包括航点占用监控的实施例中，对于人们聚集在有限空间内的那些航点(例如，一侧由列车限定而另一侧由地铁站的墙壁限定的地铁站台)，可使用本文所述的一个或多个体积占用测量实施例来进行航点占用监控。在一个示例实施例中，诸如本公开中所述的4do占用节点用于为潜在路线选择选项上的中间位置(例如，公共汽车站、列车站台、列车站候车室等)生成体积占用指数的时间序列。该时间序列可由例如智能路线选择服务器124接收并处理，该智能路线选择服务器124可从该时间序列导出当前在该中间位置的人数的估计。在至少一个实施例中，一个或多个路线选择选项的标识也基于导出的估计。
143.为了进一步说明根据本公开的实施例的路线选择选项的标识和呈现的示例，图8中描绘了路线选择选项图800。图8描绘了用于人员112返回其前述家708的三个路线选择选项：行程a 802、行程b 804和行程c 806。首先注意，图8的行程a 802和行程c 806分别与图7的行程a 702和行程c 706匹配，因此这里不再详细描述，只是注意，在图8中，斜线圆圈图标出现在每个高占用数旁边。在该示例中，没有图标专门用来表示低占用数，但肯定有图标可以。此外，不同的用户很可能有不同的占用阈值，并且在该示例中，行程c 806中的47路公共汽车的50分之33的预计占用没有标记为高，但对于其他用户来说肯定是高的。
144.在各不同的实施例中，代替或除了图标，还可以使用颜色来突出显示某些当前和/或预计的占用值。例如，红色文本可用于高占用值(例如，那些位于或高于用户指定的交通工具占用阈值的值，这些值可用于一般交通工具，也可特定于交通工具类型，以及其他可能的实现)。绿色文本可用于低当前和/或预计占用(例如，低于用户指定阈值的那些占用)。黄色文本可用于中间值，等等。在各种不同的实现中，也可以使用其他方式来提醒用户注意各种高占用和低占用数。
145.在图8中的三条候选路线中，可以看出，行程a 802和行程c 806都包括行程的至少一段，其中相关联交通工具的占用预计非常接近或处于满容量。因此，在至少一个实施例中，行程b 804将是被标记为向人员112推荐的行程。
146.然而，在示例场景中，假设在图8中描述的候选路线已经呈现给人员112之后，67路公共汽车在相关时间在行驶方向上在同一列车线“s”上的人员112的车站之前的列车站附近发生故障。进一步假设该故障导致67路公共汽车上的若干乘客被重新路线选择到s列车，从而导致s列车上的占用显著增加。此类事件无法被预计，并且如果人员112不知道该情况，并且在时间t0愉快地开始了他们的行程b 804，那么当人员112到达他们的车站时，他们很可能面对满载的列车，而他们期待的是不到一半的列车。
147.然而，在示例场景中并且与至少一个实施例一致，被重新路线选择到s列车站的一
个或多个乘客登录由该人员112使用的同一运输相关应用，并将信息输入到该应用中，以在路线更新消息中将这些事件传达给中央服务器(诸如运输应用服务器126)，该中央服务器然后可以向其他应用实例发布此类信息(例如，使用推送警报、文本等)。在接收到该信息时，运输应用服务器126可以向人员112的移动设备114上的运输应用发出警报。运输应用服务器126还可以考虑该延迟，并且结果是，在仍然考虑用户关于交通工具占用的偏好的同时，利用该反馈循环并向人员112推荐不同的路线，如图9所示。
148.在图9的路线选择选项图900中，显示了四条候选路线：行程a 902、原始行程b 904、修改后的行程b 906和行程c 908。同样，顶部和底部路线与前两张附图相同，此处不再进一步讨论。原始行程b 904已更新，以示出s列车上的非常高占用，并增加了新建议的修改后的行程b 906。现在这是人员112的推荐行程，并且涉及步行到52路公共汽车，然后乘坐t列车。
149.如本文所述，在至少一些实施例中，运输应用在提出路线选择建议和推荐时考虑存储在用户简档中的用户偏好。图10、图11和图12描绘了三个示例用户简档屏幕，用户可以与该用户简档屏幕交互以将其偏好存储在该应用的简档中。在各不同的实施例中，用户简档可以存储在运输应用服务器126中，或者存储在运输应用服务器126可访问的数据平台中等。可在移动设备114上维护简档的本地副本。此外，如下文所述，可经由移动设备114向用户呈现多个配置屏幕，以协助用户将其偏好配置到其简档中。在接收到用户偏好的更改时，可以从移动设备114向运输应用服务器126发送更新。从运输应用服务器126的角度来看，这可以是推送事件、周期性事件、按需事件等。
150.在图10的用户简档屏幕1000中，用户可以指示他们可用的交通工具，在该情况下，指示他们可以使用汽车和自行车，并且他们有公共汽车卡，但他们没有摩托车。在至少一个实施例中，为用户选择并呈现给用户的一个或多个候选路线包括相应旅程的至少一段，该路段将利用在该用户的简档中列出为可供该用户使用的至少一辆个人交通工具(例如，自行车)。
151.用户简档屏幕1000中还有一些字段，用户可以在这些字段中分别输入他们偏好步行和骑自行车的最远距离，以及两个是/否按钮，用户可以使用这些按钮指示他们是否更偏好一种出行方式(骑自行车)胜过等待另一种出行方式，以及他们是否更偏好一种特定的出行方式(步行)胜过第二种特定的出行方式(骑自行车)。关于最后一个按钮，在至少一个实施例中，运输应用服务器126在一个或多个标识的路线选择选项中，将涉及骑自行车且不涉及步行的至少一个路线选择选项排定优先级胜过涉及步行的另一个路线选择选项。
152.用户简档屏幕1100包括：字段，用户可以使用该字段指示他们偏好的最大交通工具占用；以及单选按钮，用户可以使用该按钮指示他们是否偏好多任务、他们是否更偏好坐出租车(或拼车等)胜过等待另一种运输工具方式(例如，公共汽车或列车)，以及他们是否对减少碳足迹感兴趣，或者可以问另一环保问题。对最后一个问题回答“是”的用户可看到推荐的和/或更优先的选项包括一种或多种环保出行方式，诸如步行、骑自行车、使用至少一辆电动交通工具、使用公共运输工具等。
153.关于指定的最大交通工具占用，其可能用于所有交通工具，也可能按交通工具类型细分。此外，在不同的实施例中，可以使用滑块或除文本字段以外的其他机制来从用户接收该交通工具占用阈值。
154.在对各个不同的路线选择选项进行选择和排定优先级(例如，推荐)时，运输应用服务器126可以将列出的路线选择选项限制为占用低于该阈值的路线选择选项。在其他实现中，仍显示此类路线选择选项，但以不太推荐的方式显示，并且通常为用户突出显示高占用数水平。这些考虑因素可能与实际当前占用和/或预计占用(对应于执行了该路线选择选项的情况下用户将登上交通工具的大致时间)有关。在一些实施例中，用户单独地为实际占用与预计占用提供输入。
155.作为另一个示例屏幕，用户简档屏幕1200显示了可经由移动设备114的用户接口呈现给用户的示例图形工具。该示例图形工具使用户能够在选项组中直观地指定对用户的相对重要性，这些选项包括特定出行方式(骑自行车、步行、出租车)、等待给定出行方式的被动活动(例如，列车或公共汽车)，以及两个更一般的出行偏好问题(关于多任务和减少个人碳足迹)。当然，除了或代替图12中列出的一个或多个选项，还可以列出一个或多个其他选项。
156.图形界面提供了左右滑块，用户可以使用该滑块指示他们对这些列出的选项中的每一个附加的介于低重要性程度与高重要性程度之间的某个程度，这允许用户传达每个项目以及列出的项目之间的相对关系的绝对程度(介于低与高之间)。滑块以示例的方式提供。也可以使用其他指标，包括一些实施例中的数字排名。在一些实施例中，用户输入字段，用户可以使用这些字段在对路线进行选择和排定优先级时对列出的各种考虑项目进行加权。
157.在至少一个实施例中，运输应用服务器126可以基于这些滑块的所选位置，来将某些路线选择选项排定优先级胜过其他路线选择选项。例如，与排名较高的用户偏好对齐的路线选择选项可以被排定优先级胜过与排名较低的出行偏好对齐(并且也不与排名较高的偏好对齐)的路线选择选项，并推荐该路线选择选项。此外，在至少一个实施例中，用户可以提供诸如年龄或健康风险因素之类的个人信息，以便在自动路线选择选项推荐方面也可以考虑这些信息。此类个人信息非常重要，并且本公开的实施例将对此类信息应用适当的安全性。
158.图13描绘了包括三条候选路线的路线选择选项图1300：行程a1302、行程b 1304和行程c 1306。其中，在该特定示例中，行程a 1302可能是人员112最偏好的选项，因为行程a 1302涉及骑自行车(与其他两个路线选择选项中的步行相比)，并且88路公交车的占用低于用户设置的70％阈值。在行程c 1306中62路公交车也存在相当高的预计占用。虽然行程b 1304中的两个预计占用都低于70％阈值，但都高于60％，再加上两个步行路段，但是在该示例中，在基于占用数据和进一步基于存储在相对应用户简档中的人员112的指定用户偏好的优先级和推荐方面，将行程b 1304置于行程a 1302之下。还应注意，在该示例中，尽管行程c 1306是三者中最快的，但不向该特定人员推荐行程c 1306胜过行程a 1302。
159.现在转到更具体地涉及体积占用测量的图，图14描绘了根据至少一个实施例的示例4do节点1400的示例架构1420。4do节点1400可以被装备、编程和配置以执行本文描述为由4do节点执行的操作的各种组合。架构1420以示例而非限制的方式提供，因为不同的架构可以在不同的环境中实现。在图14所示的实施例中，4do节点1400在其架构1420中包括主动感测模块1402、体积图模块1404、参考比较模块1406、体积差分分析模块1408、占用指数计算模块1410和通信接口1412，所有这些经由系统总线1414彼此以通信方式连接。下文将讨
论这些元件。
160.然而，在该讨论之前，注意到图14、图15和图16之间存在一些平行性。虽然图14描绘了具有各种模块和通信接口的4do节点1400，但图15描绘了可由4do节点1400执行的示例过程流1500，其包括五个操作，这五个操作分别与图14所示的4do节点1400的五个模块相对应并与这五个模块并行地编号。在至少一些实施例中，图15中的每个操作由图14中的相对应模块执行。为简洁起见，这里描述由图14的模块执行的操作，应理解为该描述还应被视为关于在各不同实施例中如何执行过程流1500的说明性解释。
161.一方面图14和图15与另一方面图16所示的方法1600之间也存在实质性重叠。本文以示例的方式将方法1600描述为在其他可能实现中可由4do节点1400执行的方法。然而，一方面图14和图15到另一方面图16的映射不像图14与图15之间的映射那样是一对一的。因此，在下面的描述中，方法1600提供了讨论的结构。在相关的情况下，结合方法1600的各种不同操作共同参考来自图14和图15的模块操作元组。
162.然而，在继续讨论方法1600之前，注意到，在图1的描述之前，上文描述了与体积占用测量等有关的本公开的实施例的许多方面，从以“广义而言，
……”
开头的段落开始，一直持续到以“另一实施形式采取
……
的形式”开头的段落之前。本公开的段落顺序应被视为图14至图18的描述的一部分。为了简洁起见，这里没有重新解释这里解释的许多方面。本领域技术人员将容易地看到这些段落对这些附图及其附带描述的明确适用性。
163.关于某些实施例中的硬件，主动感测模块1402可以包括任何适当种类的深度信息捕获设备，例如，包括测距(例如，lidar)设备。至于通信接口1412，它可以包括用于与一个或多个其他实体进行无线通信的一个或多个芯片组、天线、其他通信相关硬件等的任何合适集合。通信接口1412还可以包括用于进行一种或多种类型的有线通信(诸如以太网、usb等)的端口等。返回到无线侧，在至少一个实施例中，通信接口1412包括网络接口1416和d2d接口1418，其中“d2d”表示设备到设备，如本领域所知。如本公开的各个其他部分所述，4do节点1400可以基于根据链路质量、经由网络接口1416的连接的可用性等标识各种不同情况，来选择性地使用其网络接口1416和/或其d2d接口1418。
164.现在转到图16的方法1600，根据至少一个实施例，这是可由图14的示例4d占用节点执行的示例方法。在其他实施例中，方法1600可以由任何合适的计算、感测和通信设备来执行，该设备被装备、编程和配置以执行方法1600的操作。在一些实例中，方法1600可由安装在一起并彼此以通信方式连接的两个或多个设备来执行，诸如测距设备和边缘计算设备的组合等其他可能的实现。
165.根据方法1600，在操作1602，4do节点1400从其主动测距设备(例如，lidar传感器)获得标示4do节点1400所在的监控空间的当前点云。操作1602可与主动感测模块1402相对应，并具有3d主动感测和加时间戳操作1502的至少一部分。执行3d主动感测和加时间戳操作1502的主动感测模块1402可涉及执行许多不同操作的主动感测模块1402，不同操作如3d主动感测和时间戳操作1502的各个部分、子操作等。其他模块处理对也是如此：图15中标记的每个操作可以包括任意数量的子操作，包括任意数量的以不同速率的循环，并且在这些循环中具有各种不同的操作。
166.基于当前点云，4do节点1400在操作1604处基于当前点云生成监控空间的当前体积图。如上所述，在一些情况下，当前体积图与4do节点1400直接从点云生成的瞬时体积图
是同一个。在其他情况下，当前体积图的生成包括根据诸如上述任何函数(例如，在多个瞬时体积图上以体素方式获取最高似然值)之类的任何合适的函数，将最新的瞬时体积图与一个或多个早期瞬时体积图组合。操作1604可与体积建图模块1404和瞬时体积图操作1504相对应。
167.虽然从点云生成瞬时体积图可能以上述捕获速率进行，提供刚刚描述的当前体积图以与由4do节点1400维护的几乎当前(例如，t-1)的局部体积图进行比较的情况可能较少(例如，以参考比较率)。在许多实施例中，它是局部体积图的副本(例如，来自t-1)，硬件和/或软件在其上操作以执行当前体积图与局部体积图的比较，以便例如查找两者之间不同的任何体素，并且在这些情况下，用来自当前体积图的值盖写局部体积图副本的值，然后从该操作的结果中减去局部基准图，以生成当前局部增量(在操作1606)。操作1606可与参考比较模块1406和概率参考比较和更新操作1506相对应。
168.在一些实施例中，当提供当前体积图用于局部增量的生成时，当前体积图的副本也传递给4do节点1400的功能部分，该功能部分维护局部体积图。然后，该功能部分可以对当前体积图和局部体积图进行相同的体素比较，并且还可以针对任何不同的体素，写入来自当前体积图的值来代替来自现有局部体积图的值。在其他实施例中，单个实体(例如，电路或过程)进行该比较，然后可以向局部体积图发送更改的副本。当然，也可以实现其他方法。
169.在本公开的实施例中，然后(在操作1608处)4do节点1400可以将在操作1606处标识的局部增量应用于4do节点1400也维持的全局体积图。该应用可以采取以下形式：简单地用这些局部增量值盖写相对应体素的全局体积图中已有的相对应值。在执行操作1608时，4do节点1400将当前局部增量作为变化应用于由体积占用节点维护的监控空间的第二体积图。在其他实施例中，可以使用这些值的平均值，可能为了模型稳定性，诸如有利于全局体积图的相对应体素中已经存在的值的加权平均值，或者为了尽可能保持最新，诸如有利于局部增量的加权平均值。受益于本公开的本领域技术人员可以选择其他方法。操作1608也可与参考比较模块1406和概率参考比较和更新操作1506相对应。
170.通常基于全局体积图的体素中的似然值，4do节点1400可以在给定频率下，在请求(按需)和事件驱动(例如，变化驱动)等的基础上计算(在操作1610处)体积占用指数，其指示监控空间的当前体积占用。考虑到剩余电池功率、空气链路质量等的各种考虑，4do节点1400可以选择给定的粒度，在该粒度下计算并相对应地发送(在操作1612)体积占用指数。例如，4do节点1400可以将指数计算为被占用体素除以监控空间中的总体素，或者使用不同的方法，如上所述。有时可能要求4do节点1400提供其自己对监控空间的体积占用指数的估计，在该情况下，4do节点1400可以针对局部体积图中的体素值执行该计算。这两种方法的组合(例如，加权组合)也是可能的，许多其他方法也是如此。
171.体积占用指数是提取的度量，用于传达有关空间的占用水平的信息。例如，使用0.1m3的体素离散化的10x 10x 2m3的体积在其最细粒度分辨率下总共包含2000个体素。如果在某个时间点，全局体积图包含标记为已占用的500个体素，则占用度量可通过500/2000＝0.25获得。考虑到空间以三次函数的形式增长，体素的数量迅速增加，并且计算占用体素的数量变得在计算上具有挑战性。本文描述的十六进制树实现通过不显式地对空体积或占用体积的子空间进行编码来缓解此问题，但是仍然使用树遍历。
172.如本文所述，在至少一个实施例中，4do节点1400在插入和修改时将体积占用指数从树的叶传播到根，以便减少当数据结构的复杂性增加时树遍历可能施加的计算负担。以此方式，在至少一个实施例中，每个树节点对其子空间中占用体素的数量进行编码，使得占用指数查询成为o(1)操作，如所讨论的。这使得本公开的实施例可结合其他更高频率的分析(诸如可用于推断占用水平的动态的一阶和二阶变化率的计算)使用。
173.此外，在至少一个实施例中，占用水平不仅是瞬时度量，因为时间值也存储在树中，从而实现沿时间维度、在指定点、针对间隔等查询度量的占用，由此实现能够可视化所需子空间的占用随时间的演变的分析。示例实施例可用于地铁运输设置中。对占用度量及其变化率的访问可以集成到控制系统中，该控制系统可以接收占用及其变化率作为控制算法的输入，该控制算法例如调整部署给运输工具乘客的资产数量，调节列车的频率、速度和容量等，从而改善乘客体验并降低能耗。
174.操作1610和操作1612可与占用指数计算模块1410、占用指数计算和分配操作1510以及通信接口1412相对应。注意，尚未结合方法1600提及体积差分分析模块1408以及体积差分分析和通信操作1508。注意，体积差分分析模块1408以及体积差分分析和通信操作1508通常涉及评估空气链路质量、选择各种操作和通信的粒度等，如下所述。在至少一个实施例中，体积差分分析模块1408作为体积差分分析和通信操作1508的至少一部分，在占用体积上执行核加权有限差分分析。该数学模型包含场景的整体总结，同时减少了计算和存储器需求，从而从消耗低功率和最少的仪器投资的场景中提供有价值的洞察。
175.如前所述，在至少一些实施例中，4do节点1400在向接收计算机系统发送例如体积占用指数数据或向另一类型的设备发送另一类型的数据时考虑通信链路质量和可用性。在至少一些实施例中，为了尝试提高例如体积占用指数传输的可靠性，在各不同的实施例中单独或一起使用至少两种技术：第一种是基于链路质量的动态评估来调整例如对关于监控空间的查询的响应的粒度或分辨率；以及第二种是使用与附近对等节点的替代通信路径(经由例如，d2d接口1418)，这些对等节点可能间歇地具有与给定设备或系统的更好链路(例如，更少拥塞、更强信号)。
176.如前所述，在示例实施例中，鉴于多分辨率表示允许在指定感兴趣区域上的不同级别的细节，体积差分分析模块1408监督确定通信链路的质量，并决定将占用更新发送到对等节点的粒度级别。此外，它执行差分分析，以确定图的哪些子空间作为更新发送。差分分析包括表示时空全局图的两个十六进制树的布尔运算。本文所公开的api使得4do节点能够服务来自远程计算节点的请求(这些请求可以请求在局部时空表示中感兴趣区域上更高的分辨率)，并且还可以用于使分布式图解决方案自动负荷平衡以避免网络饱和。
177.取决于两个节点之间无线电链路的rssi，可用于传输图更新的带宽可能不同。每个节点能够通过监控信号质量以及通过确定传输信息的速率的指定api请求来适应这种情况。可用带宽可用于传输固定数量的体素，由于基础表示的分辨率不一致，传输的体素可能代表不同的体积。影响需要传输的数据量的另一个因素是最小体素大小和待传输的变化量。由于采用多分辨率表示，因此差分数据(例如，增量)可以在不同的粒度级别下发送。在没有足够可用带宽的情况下，可以以更粗略的分辨率发送信息，但是这不会对占用指数计算产生负面影响。
178.从接收来自4do节点1400的体积占用指数值的计算机系统的角度来看，体积占用
指数可形成一致间隔(时间)或不规则间隔值(时间)的值的时间序列。在其他情况下，该接收计算机系统可能经历指数值的本质上非对称的、中断式的、事件驱动的接收。在其他情况下或作为与这些情况的重叠，接收计算机系统可在各种不同时间向4do节点1400发出针对各种不同指数的请求。此类请求可针对监控空间的特定子集、监控空间的一个或多个历史摘要和/或其一个或多个子集，等。
179.如所述，在一些实施例中，4do节点1400至少在一段时间内是网格(网络)中多个节点之中的节点。对等体可各自具有与监控空间中的4do节点1400的感测体积重叠的感测体积，并且4do节点1400可经由其无线通信接口广播其当前局部增量，以供网格中的一个或多个对等体积占用节点接收。4do节点1400还可以接收由一个或多个对等体积占用节点广播的对等增量，其中这些对等增量包括特定体素的似然值，4do节点1400可以以盖写方式、加权平均方式等再次将该似然值应用于全局体积图。为了首先进入和/或建立网格，4do节点1400可以执行本文所述的各种对等查找和对等确认方法。下面结合图17提供对各实施例中的这些过程的进一步解释。
180.有时，4do节点1400可执行本文所述的基准校准过程，包括使用主动测距设备在基准校准时间段期间收集表示监测空间的点云。4do节点1400可以标识在基准校准时间段期间收集的多个点云上表现出小于阈值的变化量的体素集，并将所标识的体素集保存为监控空间的基准体积图。
181.如前所述，在至少一个实施例中，由4do节点1400维护的局部体积图和全局体积图主要由体素组成，每个体素的似然值指示该体素在监控空间中被占用的可能性。局部体积图和/或全局体积图的体素副本可以是存储在各个n树结构的叶节点中的第一和第二体积图，每个n树结构包括其各自的叶节点、根节点以及其叶节点与其根节点之间的多个中间节点。如所述，在n树结构的给定实例中，根节点和每个中间节点最多可具有正整数n个子节点。在各种示例中，n可以是2的任意正整数幂，诸如2(四叉树)、3(八叉树)、4(十六叉树)等。
182.此外，4do节点1400可以访问n树结构中的似然值(或其树摘要中的各种更高值)的效率通过一种方法得到增强，根据该方法，在给定的(例如，十六叉树)情境中(例如，全局体积图的体素存储在该十六叉数的叶中)，每个叶节点(i)配置成用于响应于其似然值的初始化和修改而向其父节点报告其似然值，并且还(ii)可由其父节点或经由其父节点查询其似然值。除此示例外，每个中间节点(i)具有一个或多个子节点，每个子节点都是十六叉树中低于中间节点的叶节点或中间节点，(ii)包括本文中称为复合似然值的复合值，其共同指示中间节点的一个或多个子节点的似然值或复合似然值；以及(iii)被配置成用于响应于从中间节点的子节点接收似然值或复合似然值，计算并在该中间节点中存储其复合似然值，并向其父节点报告其复合似然值。
183.给定该设计，可以在任意时间在全局体积图的树结构的任何级别查询反映其子树的似然数据。复合值可以是似然值的平均值或以下级别的复合似然值，或者它们可以是整数计数，诸如对于似然值高于某个阈值的每个子节点为1等。该设计还使4do节点1400能够选择计算并然后传输体积占用指数的粒度级别，并且还评估诸如链路质量之类的因素，并对传输的增量的内容进行粒度选择，诸如与相对较低的粒度(来自树中相对较高的信息)形成对比，在低网络通信量、良好无线信号、经由网络接口1416的网络可用性等情况下相对较高的粒度(来自树中相对较低的信息)等等。
184.因为在给定的树中查找此类信息的深度在时间上无关紧要，而且因为叶基本上总是准备好它们的似然值，而且因为每个中间节点以及可能根节点基本上总是准备好它们各自的复合似然值，所以根据本公开，查询十六叉树或其他n树的似然值已知为所谓“o(1)操作”，其中完成操作所花费的时间不取决于待处理的数据量(例如，4do节点1400仅必须到达并有效地说“告诉我关于你的子树的情况”，或者在叶的情况下，说“你自己”的节点数量)。无论是叶节点还是中间节点，此操作都非常快速且在计算上不昂贵。为了实现特定查询或计算的特定粒度级别，4do节点1400通常必须走查(walk)树，但仅向下到与该操作所需粒度相对应的级别。对于好奇且可能雄心勃勃的读者，关于十六叉树、八叉树、四叉树等的实现的进一步细节和示例可以在2019年6月27日出版的且题为“用于改进时空数据管理的方法、系统和设备(methods,systems,and apparatus to improve spatial-temporal data management)”的美国专利申请公开第us 2019/0197029 a1号中找到。
185.关于对等查找、网格构建等，图17描绘了根据至少一个实施例的可由图14的示例4do节点1400执行的示例操作逻辑1700的流程图。操作逻辑1700在框1702处开始，并进入到框1704处扫描附近的对等节点。在一些情况下，节点的布置可能没有任何重叠或超出其无线电通信范围。在该情况下，每个节点可以独立操作，并且提供的度量仅针对单个节点，而不整合来自网格中其他节点的信息。需要注意，本章节中描述的过程是定期运行的并且能够在空间和时间域中执行传感器网格的自校准。
186.接下来，在操作1706，4do节点1400扫描其监控空间的视场中的稳定区域。在决策框1708，如果未检测到稳定区域，则控制返回到1704以继续扫描附近节点。然而，如果已检测到稳定区域，则控制进入框1710，在框1710处，4do节点1400标识其感测体积、监控空间中的一个或多个静止几何特征。在框1712，4do节点1400广播指定所标识的一个或多个静止几何特征的信息，以供一个或多个对等节点接收。在框1714，4do节点1400接收指定由一个或多个对等节点标识的一个或多个静止几何特征的信息。
187.在框1716，4do节点1400初始化其节点相对6d姿势，这涉及获得关于上述6个空间和旋转维度的数学变换，以便能够在各种其他4do节点1400的局部坐标系中表示的值之间进行转换。导出此变换的部分涉及使用信息，例如，信息包括接收到的信号强度指示符(rssi)和到达角(aoa)。
188.在框1718，4do节点1400执行图形姿势优化，这是一种已知技术，用于微调至少两个不同事物之间的6d变换，在该情况下，诸如各种不同4do节点的测距设备的视线的原点。图形姿势优化可能涉及迭代运行一过程，该过程将每个相关相机(或深度传感器、测距仪等)中的一个或多个静止几何图形的外观之间的误差最小化。在足够的处理后，通常所有涉及的节点都已到达相同的图，然后它们可以确定他们在图中相对于每个其他节点的6d位置和定向。
189.然后，控制返回到框1704，在该框1704中，4do节点1400继续扫描附近节点。在一些实施例中，对附近节点的这种扫描出于许多不同的原因而继续，包括给定区域中的节点集可以改变，而且，特别是在诸如移动的城市公共汽车内部之类的环境中，随着时间的推移，安装的4do节点可以振动、移动、旋转等。在至少一些实施例中，每个4do节点具有确定周期数的操作参数，在该周期之后可以再次执行该对等查找和协调过程。例如，如果参数设置为1000，则4do节点可返回以扫描附近节点，在1000个周期中仅扫描1个附近节点，以此类推。
190.执行3d主动感测和加时间戳操作1502的主动感测模框1402通常可以处理节点发现、初始化、自校准等。在一些实施例中，如本文所讨论的，节点发现是以利用无线电能力和几何特征的方式进行的，通常可以将其表征为3阶段过程：1.通信链接和时间对齐：通过检测特定于4do节点的无线签名，可以发现附近节点。该签名可以以特定于特定安装的不同方式传输。信号强度和到达角可以提供附近节点的相对位置的良好初始估计，作为标识4do节点的初步近似坐标的一种方式，作为微调变换的起点。2.感测注册特征和空间对齐：几何特征是从分类为静止的区域获得的。这实现4d节点之间的刚性变换关系。一旦提取了静止的几何特征，这些特征将与附近节点共享，以便确定是否存在可以进一步用于获得重叠节点的完整6d相对位置的重叠区域。几何特征可以通过任何现有的设计的特征提取方法获得，或者可以基于深度学习等等其他选项。在给定类型的4do节点的设计中，待使用的特征的选择可取决于目标方式以及发热和散热程度等等其他因素。3.4d联合校准优化：可以运行图形优化程序来确定与观察到的特征一致的节点的6d相对位置。优化过程可以使用来自无线电特性(诸如rssi和aoa)的初始估计来引导。
191.一些附加考虑包括：
·
自动感测图形分区：在存在空场景的情况下(例如，在地铁站的某个停止时间)，第一个体积变化的检测(例如，清晨最早走进来的第一批人)可允许节点将共享体积空间与网络中的其他节点关联。这可以使得上述过程更加有效，并且还可以帮助标识节点已经故障或者其他事物可能已经导致某种突然的错误关联。
·
时间考虑：为了保持最新更新的占用状态，形成网格的节点可以从同步其内部时钟中获益。在它们之间存在无线链路的情况下，这可以使用基于网络时间协议(ntp)的方法实现。此外，在许多室内场景中，人工照明提供振荡信号(通常为50或60hz)，可使用对光强度值的频率分析来检测该振荡信号。诸如可以在至少一些实施例中用作共享相同空间的4do节点组的同步信号之类的信号。在许多实现中，即使在抖动和具有挑战性的无线电环境下，由于现有协议通常能够获得微秒级精度同步，因此这被认为是一种备份同步方式。
192.如上所述，在一些实施例中，除了一个或多个(尽管通常是两个或多个)4do节点，还有在本文中称为4do聚合器的现场实体，其可以被具体化为单独的物理设备，其与每个4do节点相比通常具有更大的处理能力、存储器、数据存储等。在其他情况下，4do聚合器可被具体化为在4do节点本身中的一个4do节点上运行的服务器进程。后一种布置可能更适合具有相对较少数量的4do节点的安装，但是这在概念上不是要求。通常，4do聚合器从站点处的每个4do节点接收增量广播，更新其维护的环境的全局图，并将其自身的全局图增量广播回4do节点。
193.图18描绘了根据至少一个实施例的示例信息流程图1800，其反映了图14的4do节点1400与示例4do聚合器1802之间的功能和通信的示例划分。水平线1826可视地将线上面的4do节点1400的组件、功能和通信与线下面的4do聚合器1802的组件、功能和通信分开。如
下文所述，存在图18中描绘的示例rest api，每个设备一个，表示在各不同实施例中一个或两个设备可向外部接口公开的示例资源，使得该信息可由例如其他节点或导出技术(诸如web服务或分析)查询，从而可能提供对中间和最终级别的场景表示的访问。图18中描述的许多功能和通信在本公开的其他地方详细讨论，因此这里仅简要讨论。
194.感知体积图生成器1806接收点云1804，从其最新的瞬时体积图和可能的一个或多个其他最近的瞬时体积图生成当前感知体积图。感知体积图生成器1806将该最新瞬时体积图输出到局部体积图1808和局部比较器1814。可以基于最新的瞬时体积图更新局部体积图1808，并且局部体积图1808的副本可以由局部比较器1814类似地更新，然后局部比较器1814可以从先前操作的结果中减去局部基准图1816。
195.本示例描述中的4do节点1400包括4do节点rest-api访问1822，该4do节点rest-api访问1822包括局部比较器1814和局部基准图1816，使得查询方可以查询存储在局部基准图1816中的数据和/或局部比较器1814在该场景中输出到4do聚合器1802的聚合器控制器1818的局部增量。聚合器控制器1818可以被布置成基于来自4do节点1400的局部增量以及来自一个或多个其他4do节点(可能是给定网格中4do节点1400的对等体)的节点增量1812来更新其聚合器全局图1810。聚合器控制器1818还向网络中的所有4do节点广播聚合器增量1820。该示例中的4do聚合器1802包括4do聚合器rest-api访问1824，其包括(例如，暴露)聚合器全局图1810和聚合器控制器1818。
196.图19图示出示例计算机系统1900，在该计算机系统内，可执行用于使计算机系统1900执行本文所讨论的方法中的任何一种或多种方法的指令1912(例如，软件、程序、应用程序、小程序、应用、和/或其他可执行代码)。例如，执行指令1912可以使计算机系统1900执行本文所描述的方法中的任何一种或多种方法。指令1912将一般的、非编程的计算机系统1900变换成被编程用于以所描述的方式执行所描述的和所图示的功能的特定的计算机系统1900。计算机系统1900可作为独立设备进行操作，或可被耦合(例如，联网)到其他机器。在经联网的部署中，计算机系统1900可在服务器-客户端网络环境中以服务器机器或客户端机器的方式来操作，或者可在对等(或分布式)网络环境中作为对等机器操作。
197.计算机系统1900可以是或可以包括但不限于，服务器计算机、客户端计算机、个人计算机(pc)、平板计算机、膝上型计算机、上网本、机顶盒(stb)、个人数字助理(pda)、娱乐媒体系统、蜂窝电话、智能电话、移动设备、可穿戴设备(例如，智能手表)、智能家居设备(例如，智能家电)、其他智能设备、网络家电、网络路由器、网络交换机、网络桥、或能够按顺序地或其他方式执行由计算机系统1900采取的指定行动的指令1912的任何机器。进一步地，虽然仅图示出单个计算机系统1900，但是，术语“机器”也应当被认为包括单独地或联合地执行指令1912以执行本文中所讨论的方法中的任何一种或多种方法的机器的集合。
198.计算机系统1900可以包括可以被配置成用于经由总线1944彼此进行通信的处理器1902、存储器1904、和i/o组件1906。在示例实施例中，处理器1902(例如，中央处理单元(cpu)、精简指令集计算(risc)处理器、复杂指令集计算(cisc)处理器、图形处理单元(gpu)、数字信号处理器(dsp)、专用集成电路(asic)、射频集成电路(rfic)、另一个处理器和/或其任何合适的组合)可以包括例如执行指令1912的处理器1908和处理器1910。术语“处理器”旨在包括多核处理器，多核处理器可包括可同时执行指令的两个或更多个独立的处理器(有时称为“核”)。尽管图19示出多个处理器1902，但计算机系统1900可以包括具有
单个核的单个处理器、具有多个核的单个处理器(例如，多核处理器)、具有单个核的多个处理器、具有多个核的多个处理器，或其任何组合。
199.存储器1904包括主存储器1914、静态存储器1916、和存储单元1918，所有这些存储器都可由处理器1902经由总线1944访问。存储器1904、静态存储器1916、和/或存储单元1918可存储可执行用于执行本文所述的方法或功能中的任何一种或多种的指令1912。指令1912还可以或替代地在由计算机系统1900对其执行期间完全地或至少部分地驻留在主存储器1914内、静态存储器1916内、存储单元1918中的机器可读介质1920内、处理器1902中的至少一个处理器(例如，处理器1902中的给定处理器的高速缓存存储器)内、和/或其任何合适的组合。机器可读介质1920是一个或多个非瞬态计算机可读存储介质。
200.i/o组件1906可以包括用于接收输入、产生和/或提供输出、传送信息、交换信息、捕获测量等的各种各样的组件。在计算机系统1900的特定实例中包括的特定i/o组件1906将取决于机器的类型。例如，便携式机器(诸如移动电话)可能包括触摸输入设备或其他此类输入机构，而无头服务器机器可能不包括此类触摸输入设备。将领会，i/o组件1906可以包括图19中未示出的许多其他组件。
201.在各个示例实施例中，i/o组件1906可以包括输出组件1930和输入组件1932。输出组件1930可以包括视觉组件(例如，显示器，诸如等离子显示板(pdp)、发光二极管(led)显示器、液晶显示器(lcd)、投影仪、和/或阴极射线管(crt))、声学组件(例如，扬声器)、触觉组件(例如，振动电机、阻力机构)、其他信号发生器等。输入组件1932可以包括字母数字输入组件(例如，键盘、被配置成用于接收字母数字输入的触摸屏、光电键盘、和/或其他字母数字输入组件)、基于指向的输入组件(例如，鼠标、触摸板、轨迹球、操纵杆、运动传感器、和/或一个或多个其他指向仪器)、触觉输入组件(例如，物理按钮、对触摸位置和/或力度或触摸手势作出响应的触摸屏、和/或一个或多个其他触觉输入组件)、音频输入组件(例如，麦克风)等。
202.在进一步的示例实施例中，i/o组件1906可以包括生物计量组件1934、运动组件1936、环境组件1938、和/或位置组件1940，以及各种各样的其他组件。生物计量组件1934可以包括用于检测表情(例如，手部表情、面部表情、声音表情、身体姿势、或眼球跟踪等)、测量生物信号(例如，血压、心率、体温、汗液或脑电波等)、标识人(通过例如，语音标识、视网膜标识、面部标识、指纹标识、和/或基于脑电图的标识)等的组件。运动组件1936可以包括加速度感测组件(例如，加速度计)、重力感测组件、旋转感测组件(例如，陀螺仪)，等等。
203.环境组件1938可以包括，例如，照明感测组件(例如，光度计)、温度感测组件(例如，检测环境温度的一个或多个温度计)、湿度感测组件、压力感测组件(例如，气压计)、声学感测组件(例如，检测背景噪音的一个或多个麦克风)、接近度感测组件(例如，检测附近对象的红外传感器)、气体感测组件(例如，为了安全性检测危险气体浓度和/或测量大气中的污染物的气体检测传感器)、和/或可提供与周围物理环境相对应的指示、测量、信号等的其他组件。位置组件1940可包括位置感测组件(例如，全球定位系统(gps)接收器)、高度感测组件(例如，高度计和/或检测可从其中得出高度的气压的气压计)、取向感测组件(例如，磁力计)等。
204.通信可以使用各种各样的技术来实现。i/o组件1906可进一步包括通信组件1942，通信组件1942可操作以分别经由耦合1926和/或耦合1928来将计算机系统1900通信地耦合
到网络1922和/或设备1924。例如，通信组件1942可以包括网络接口组件或者用于与网络1922对接的另一合适的设备。在进一步的示例中，通信组件1942可以包括有线通信组件、无线通信组件、蜂窝通信组件、近场通信(nfc)组件、蓝牙组件(例如，蓝牙低能量)、wi-fi组件、和/或用于经由一个或多个其他模态提供通信的其他通信组件。设备1924可以包括一个或多个其他机器和/或各种各样的外围设备中的任何一个外围设备(例如，经由通用串行总线(usb)连接耦合的外围设备)。
205.此外，通信组件1942可以检测标识符或包括可操作以检测标识符的组件。例如，通信组件1942可以包括射频标识(rfid)标签阅读器组件、nfc智能标签检测组件、光学阅读器组件(例如，用于检测一维条形码(诸如通用产品代码(upc)条形码)、多维条形码(诸如快速响应(qr)码、阿兹特克代码、数据矩阵、dataglyph、最大码、pdf417、超码、ucc rss-2d条形码和/或其他光学代码)的光学传感器)、和/或声音检测组件(例如，用于标识加标签的音频信号的麦克风)。另外，可以经由通信组件1942得出各种信息，诸如经由互联网协议(ip)地理位置的得出的位置、经由wi-fi信号三角测量得出的位置、经由检测可指示特定位置的nfc信标信号得出的位置，等等。
206.各种存储器中的一个或多个(例如，存储器1904、主存储器1914、静态存储器1916、和/或处理器1902中的一个或多个(例如，高速缓存)存储器)和/或存储单元1918可存储一个或多个指令集(例如，软件)和/或具体化本文所描述的任何一种或多种方法或功能或者由本文所描述的任何一种或多种方法或功能使用的数据结构。这些指令(例如，指令1912)当由处理器1902中的一个或多个处理器执行时，使得各种操作用于实现本公开的各实施例。
207.可以经由网络接口设备(例如，通信组件1942中包括的网络接口组件)使用传输介质并利用多个众所周知的传输协议(例如，会话发起协议(sip)、超文本传输协议(http)等)中的任何一个传输协议在网络1922上发送或接收指令1912。类似地，指令1912可以经由耦合1928(例如，对等耦合)使用传输介质传送到设备1924或从设备1924中接收。
208.图20是示出示例软件架构2002的图2000，软件架构2002可以安装在本文所述的任何一个或多个设备上。例如，软件架构2002可以安装在布置类似于图19的计算机系统1900的任何设备或系统上。软件架构2002由硬件(诸如包括处理器2006、存储器2008和i/o组件2010的机器2004)支持。在该示例中，软件架构2002可以概念化为层的堆栈，其中每一层提供特定功能。软件架构2002包括诸如操作系统2012、库2014、框架2016和应用2018之类的层。在操作上，应用2018使用一个或多个应用编程接口(api)，通过软件堆栈调用api调用2020，并接收消息2022以对api调用2020作出响应。
209.操作系统2012管理硬件资源并提供公共服务。操作系统2012包括例如，核2024、服务2026和驱动程序2028。核2024充当硬件层与其他软件层之间的抽象层。例如，核2024在一些情况下可提供存储器管理、处理器管理(例如，调度)、组件管理、联网和/或安全设置以及其他功能。服务2026可以为其他软件层提供其他公共服务。驱动器2028负责控制底层硬件或与底层硬件对接。例如，驱动器2028可包括显示器驱动器、相机驱动器、蓝牙或蓝牙低能量驱动器、闪存驱动器、串行通信驱动器(例如，usb驱动器)、wi-fi驱动器、音频驱动器、功率管理驱动器等。
210.库2014提供应用2018使用的低级公共基础设施。库2014可包括系统库2030(例如，
c标准库)，其提供诸如存储器分配函数、字符串操纵函数、数学函数等之类的函数。此外，库2014可以包括api库2032，诸如媒体库(例如，支持各种媒体格式的呈现和/或操纵的库，诸如运动图像专家组4(mpeg4)、高级视频编码(h.264或avc)、运动图像专家组层3(mp3)、高级音频编码(aac)，自适应多速率(amr)音频编解码器、联合图像专家组(jpeg或jpg)、便携式网络图形(png)等)、图形库(例如，用于在显示器上以二维(2d)和三维(3d)图形内容呈现的opengl框架)、数据库库(例如，提供各种关系数据库功能的sqlite)、web库(例如，提供web浏览功能的webkit)等。库2014还可以包括多种其他库2034，以向应用2018提供许多其他api。
211.框架2016可以提供应用2018使用的高级公共基础设施。例如，框架2016可以提供各种图形用户接口(gui)功能、高级资源管理、高级位置服务等。框架2016可提供可由应用2018使用的其他api的广谱，其中一些api可特定于特定操作系统或平台。
212.纯粹作为代表性示例，应用2018可包括家庭应用2036、联系人应用2038、浏览器应用2040、图书阅读器应用2042、位置应用2044、媒体应用2046、消息传递应用2048、游戏应用2050、和/或图20中一般表示为第三方应用2052的其他应用的广泛分类。应用2018是执行在程序中定义的功能的程序。各种编程语言可以被用来创建一个或多个应用2018，其以多种方式结构化，诸如面向对象的编程语言(例如，objective-c、java、c++等)、过程编程语言(例如，c语言、汇编语言等)等。在特定示例中，第三方应用2052(例如，由特定平台的供应商之外的实体使用android
tm
或ios
tm
软件开发工具包(sdk)开发的应用)可以是在移动操作系统(诸如ios
tm
、android
tm
、手机等)上运行的移动软件。在该示例中，第三方应用2052可以调用由操作系统2012提供的api调用2020以促进本文所述的功能。
213.鉴于上述公开，下文给出了各种示例。应当注意，在本技术的公开范围内，应当考虑单独或组合获取的示例的一个或多个特征。
214.示例1是一种系统，该系统包括处理器，该处理器被配置成用于接收对从第一位置到第二位置的路线选择选项的路线选择选项请求，该路线选择选项请求是从与用户相关联的用户设备接收的；响应于接收到路线选择选项请求，至少部分地基于已标识的路线选择选项中至少一个路线选择选项的至少一部分的交通工具的占用数据，标识从第一位置到第二位置的一个或多个路线选择选项，占用数据基于交通工具上的自动占用测量系统的输出；以及向用户设备提供一个或多个已标识的路线选择选项。
215.示例2是示例1的系统，其中处理器被进一步配置成用于响应于接收到路线选择选项请求，通过查询交通工具上的占用测量系统来检取占用数据。
216.示例3是示例1或示例2的系统，其中占用测量系统包括人员计数系统，并且占用数据包括交通工具的当前实际占用。
217.示例4是示例1-3中任一项的系统，其中占用数据包括用户根据相关联的已标识的路线选择选项登上交通工具时交通工具的预计占用；并且处理器被进一步配置成用于基于相关联的已标识的路线选择选项的交通工具的历史占用数据生成预计占用。
218.示例5是示例1-4中任一项的系统，其中处理器被进一步配置成用于使得经由用户设备的用户接口呈现占用数据。
219.示例6是示例1-5中任一项的系统，其中处理器被进一步配置成用于至少部分地基于占用数据和与用户相关联的、存储的用户简档中的一个或多个出行偏好中的一者或两者
来选择一个或多个已标识的路线选择选项的推荐顺序；以及使已标识的路线选择选项中的一个或多个根据所选择的推荐顺序呈现。
220.示例7是示例1-6中任一项的系统，其中处理器被配置成用于至少部分地基于与用户相关联的、存储的用户简档中的一个或多个出行偏好标识一个或多个路线选择选项。
221.示例8是示例6或示例7的系统，其中存储的用户简档列出了用户可用的一个或多个个人交通工具；并且处理器被配置成用于在一个或多个已标识的路线选择选项中包括利用所列个人交通工具中的至少一个个人交通工具的至少一个路线选择选项。
222.示例9是示例6-8中任一项的系统，其中存储的用户简档指定了交通工具的偏好最大占用；并且处理器被配置成用于在一个或多个已标识的路线选择选项中包括以下各项中的一者或两者中的路线选择选项：交通工具的实际占用；以及当用户根据相关联的已标识的路线选择选项登上交通工具时交通工具的预计占用小于指定的偏好最大占用。
223.示例10是示例6-9中任一项的系统，其中存储的用户简档指定对第一出行方式胜过第二出行方式的偏好；并且处理器被配置成用于在一个或多个已标识的路线选择选项中，将包括第一出行方式而非第二出行方式的至少一个路线选择选项排定优先级胜过包括第二出行方式的至少一个路线选择选项。
224.示例11是示例6-10中任一项的系统，其中存储的用户简档包括用户的第一出行偏好、用户的第二出行偏好，以及第一出行偏好相比与第二出行偏好而言对用户的重要性更高的指示；并且处理器被配置成用于在一个或多个已标识的路线选择选项中，将与用户的第一出行偏好对齐的第一路线选择选项排定优先级胜过与用户的第二出行偏好对齐而不与用户的第一出行偏好对齐的第二路线选择选项。
225.示例12是示例11的系统，其中，在存储的用户简档中的第一出行偏好相比第二出行偏好而言对用户的重要性更高的指示反映了在向用户呈现图形工具时，经由用户设备的用户接口从用户接收到的输入，用户能够利用图形工具将对他们的相对重要性直观地指定为至少在第一出行偏好与第二出行偏好之间。
226.示例13是示例1-12中任一项的系统，其中处理器被进一步配置成用于从用户设备接收登上状态消息，登上状态消息指示用户已完成登上交通工具，并用于响应性地更新交通工具的实际占用以反映完成。
227.示例14是示例1-13中任一项的系统，其中处理器被进一步配置成用于从第二用户设备接收定时更新消息，定时更新消息指示一个或多个已标识的路线选择选项中的特定路线选择选项的延迟；以及响应于接收定时更新消息，修改特定路线选择选项以反映延迟。
228.示例15是示例1-14中任一项的系统，其中处理器被配置成用于向用户设备提供一个或多个已标识的路线选择选项包括处理器被配置成用于向用户设备发送一个或多个已标识的路线选择选项以及用于向用户呈现一个或多个已标识的路线选择选项的指令。
229.示例16是一种系统，包括：通信装置，用于接收对从第一位置到第二位置的路线选择选项的路线选择选项请求，路线选择选项请求从用户设备接收；以及路线标识装置，用于响应于接收到路线选择选项请求，至少部分地基于已标识的路线选择选项中的至少一个路线选择选项的至少一部分的交通工具的占用数据，标识从第一位置到第二位置的一个或多个路线选择选项，占用数据基于交通工具上的自动占用测量系统的输出，通信装置进一步用于向用户设备提供一个或多个已标识的路线选择选项。
230.示例17是示例16的系统，其中占用数据包括用户根据相关联的已标识的路线选择选项登上交通工具时交通工具的预计占用；并且系统进一步包括交通工具占用预计装置，用于基于相关联的已标识的路线选择选项的交通工具的历史占用数据生成预计占用。
231.示例18是一种或多种非瞬态计算机可读存储介质，包含指令，指令当由至少一个硬件处理器执行时，使至少一个硬件处理器执行包括以下各项的操作：接收对从第一位置到第二位置的路线选择选项的路线选择选项请求，路线选择选项请求从与用户相关联的用户设备接收；响应于接收到路线选择选项请求，至少部分地基于已标识的路线选择选项中的至少一个路线选择选项的至少一部分的交通工具的占用数据，标识从第一位置到第二位置的一个或多个路线选择选项，占用数据基于交通工具上的自动占用测量系统的输出；以及向用户设备提供一个或多个已标识的路线选择选项。
232.示例19是示例18的一种或多种非瞬态计算机可读存储介质，其中操作进一步包括响应于接收到路线选择选项请求，通过查询交通工具上的占用测量系统来检取占用数据；以及占用测量系统包括人员计数系统，并且占用数据包括交通工具的当前实际占用。
233.示例20是示例18或示例19中的一种或多种非瞬态计算机可读存储介质，其中占用数据包括用户根据相关联标识的路线选择选项登上交通工具时交通工具的预计占用；以及操作进一步包括基于相关联的已标识的路线选择选项的交通工具的历史占用数据生成预计占用。
234.示例21是示例18-20中任一项的一种或多种非瞬态计算机可读存储介质，其中一个或多个路线选择选项的标识还至少部分地基于与用户相关联的、存储的用户简档中的一个或多个出行偏好。
235.示例22是示例21的一种或多种非瞬态计算机可读存储介质，其中存储的用户简档指定了交通工具的偏好最大占用；并且操作进一步包括在一个或多个已标识的路线选择选项中包括以下各项中的一者或两者中的路线选择选项：交通工具的实际占用；以及当用户根据相关联的已标识的路线选择选项登上交通工具时交通工具的预计占用小于指定的偏好最大占用。
236.示例23是示例21或示例22的一种或多种非瞬态计算机可读存储介质，其中存储的用户简档指定了对第一出行方式胜过第二出行方式的偏好；并且操作进一步包括在一个或多个已标识的路线选择选项中，将包括第一出行方式而非第二出行方式的至少一个路线选择选项排定优先级胜过包括第二出行方式的至少一个路线选择选项。
237.示例24是示例18-23中任一项的一种或多种非瞬态计算机可读存储介质，操作进一步包括从用户设备接收登上状态消息，登上状态消息指示用户已完成登上交通工具，并包括响应地更新交通工具的实际占用以反映完成。
238.示例25是示例18-24中任一项的一种或多种非瞬态计算机可读存储介质，操作进一步包括从4d占用节点接收潜在路线选择选项的中间位置的体积占用指数的时间序列；以及处理时间序列以从中导出对当前处于中间位置的人数的估计，其中一个或多个路线选择选项的标识也部分基于导出的估计。
239.示例26是一种体积占用节点，包括主动测距设备、无线通信接口和处理器，该处理器被配置成用于执行操作，包括从主动测距设备获取表示体积占用节点所在的监控空间的当前点云；基于当前点云生成监控空间的当前体积图；通过从由体积占用节点维护的监控
空间的第一体积图中减去监控空间的基准体积图来计算监控空间的当前局部增量，第一体积图已被更新以反映其与当前体积图之间的任何差异；将当前局部增量作为更改应用于由体积占用节点维护的监控空间的第二体积图；基于第一体积图和第二体积图中的一者或两者来计算指示监控空间的当前体积占用的体积占用指数；以及经由无线通信接口将体积占用指数发送到至少一个接收计算机系统。
240.示例27是示例26的体积占用节点，其中体积占用节点是网格中的节点，该网格进一步包括一个或多个对等体积占用节点，每个对等节点具有与监控空间中体积占用节点的感测体积重叠的感测体积；并且操作进一步包括经由无线通信接口广播当前局部增量，以供网格中的一个或多个对等体积占用节点接收。
241.示例28是示例27的体积占用节点，操作进一步包括接收由一个或多个对等体积占用节点广播的对等增量，对等增量包括特定体素的似然值；以及将对等增量作为更新应用于第二体积图。
242.示例29是示例27或示例28的体积占用节点，操作进一步包括执行基准校准过程，包括在基准校准时间段期间使用主动测距设备收集代表监控空间的点云；标识在基准校准时间段期间收集的多个点云上表现出小于阈值变化量的体素集；以及将所标识的体素集保存为监控空间的基准体积图。
243.示例30是示例26-29中任一项的体积占用节点，操作进一步包括获得与至少一个接收方设备的无线链路的一个或多个链路质量度量；以及选择至少部分基于所获得的一个或多个链路质量度量来广播当前局部增量的粒度。
244.示例31是示例26-30中任一项的体积占用节点，其中当前体积图是作为从当前点云生成的监控空间的当前瞬时体积图与由体积占用节点从监控空间的先前点云生成的监控空间的一个或多个在前瞬时体积图的组合而生成的。
245.示例32是示例26-31中任一项的体积占用节点，其中监控空间的第一体积图和第二体积图各自包括体素，每个体素包括似然值，该似然值指示该体素在监控空间中被占用的似然。
246.示例33是示例32的体积占用节点，其中第一体积图和第二体积图的体素存储在第一n树结构和第二n树结构的叶节点中，每个n树结构包括其叶节点、根节点以及其叶节点与根节点之间的多个中间节点，根节点和每个中间节点最多具有正整数n个子节点。
247.示例34是示例33的体积占用节点，其中n是2的正整数幂。
248.示例35是示例33或示例34的体积占用节点，其中n为4并且n树结构为十六叉树数据结构。
249.示例36是示例33-35中任一项的体积占用节点，其中，在第一n树结构和第二n树结构中的每一个中，每个叶节点被配置成用于响应于其似然值的初始化和修改而向其父节点报告其似然值；可由其父节点或经由其父节点查询其似然值；以及每个中间节点具有一个或多个子节点，每个子节点各自是n树结构中低于中间节点的叶节点或中间节点；包括复合似然值，其共同指示中间节点的一个或多个子节点的似然值或复合似然值；以及被配置成用于响应于从中间节点的子节点接收似然值或复合似然值，计算其复合似然值并将其存储在该叶节点中，并向其父节点报告其复合似然值。
250.示例37是一种或多种非瞬态计算机可读存储介质，包含指令，指令在由体积占用
节点的至少一个硬件处理器执行时，使体积占用节点执行操作，包括：从体积占用节点的主动测距设备获取表示体积占用节点所在的监控空间的当前点云；基于当前点云生成监控空间的当前体积图；通过从由体积占用节点维护的监控空间的第一体积图中减去监控空间的基准体积图来计算监控空间的当前局部增量，第一体积图已被更新以反映其与当前体积图之间的任何差异；将当前局部增量作为更改应用于由体积占用节点维护的监控空间的第二体积图；基于第一体积图和第二体积图中的一者或两者来计算指示监控空间的当前体积占用的体积占用指数；以及经由体积占用节点的无线通信接口将体积占用指数发送到至少一个接收计算机系统。
251.示例38是示例37的一种或多种非瞬态计算机可读存储介质，其中体积占用节点是网格中的节点，该网格进一步包括一个或多个对等体积占用节点，每个对等节点具有与监控空间中体积占用节点的感测体积重叠的感测体积；并且操作进一步包括经由无线通信接口广播当前局部增量，以供网格中的一个或多个对等体积占用节点接收。
252.示例39是示例38的一种或多种非瞬态计算机可读存储介质，操作进一步包括接收由一个或多个对等体积占用节点广播的对等增量，对等增量包括特定体素的似然值；以及将对等增量作为更新应用于第二体积图。
253.示例40是示例37-39中任一项的一种或多种非瞬态计算机可读存储介质，操作进一步包括执行基准校准过程，包括在基准校准时间段期间使用主动测距设备收集代表监控空间的点云；标识在基准校准时间段期间收集的多个点云上表现出小于阈值变化量的体素集；以及将所标识的体素集保存为监控空间的基准体积图。
254.示例41是示例37-40中任一项的一种或多种非瞬态计算机可读存储介质，操作进一步包括获得与至少一个接收设备的无线链路的一个或多个链路质量度量；以及选择至少部分基于所获得的一个或多个链路质量度量来广播当前局部增量的粒度。
255.示例42是示例37-41中任一项的一种或多种非瞬态计算机可读存储介质，其中当前体积图是作为从当前点云生成的监控空间的当前瞬时体积图与由体积占用节点从监控空间的先前点云生成的监控空间的一个或多个在前瞬时体积图的组合而生成的。
256.示例43是示例37-42中任一项的一种或多种非瞬态计算机可读存储介质，其中监控空间的第一体积图和第二体积图各自包括体素，每个体素包括似然值，该似然值指示该体素在监控空间中被占用的似然。
257.示例44是示例43的一种或多种非瞬态计算机可读存储介质，其中第一体积图和第二体积图的体素存储在第一n树结构和第二n树结构的叶节点中，每个n树结构包括其叶节点、根节点以及其叶节点与根节点之间的多个中间节点，根节点和每个中间节点最多具有正整数n个子节点。
258.示例45是示例44的一种或多种非瞬态计算机可读存储介质，其中n是2的正整数幂。
259.示例46是示例44或示例45的一种或多种非瞬态计算机可读存储介质，其中n为4并且n树结构为十六叉树数据结构。
260.示例47是示例44-46中任一项的一种或多种非瞬态计算机可读存储介质，其中，在第一n树结构和第二n树结构中的每一个中，每个叶节点被配置成用于响应于其似然值的初始化和修改而向其父节点报告其似然值；可由其父节点或经由其父节点查询其似然值；以
及每个中间节点具有一个或多个子节点，每个子节点是在n树结构中低于中间节点的叶节点或中间节点；包括复合似然值，其共同指示中间节点的一个或多个子节点的似然值或复合似然值；以及被配置成用于响应于从中间节点的子节点接收似然值或复合似然值，计算其复合似然值并将其存储在该叶节点中，并向其父节点报告其复合似然值。
261.示例48是一种由体积占用节点在至少一个硬件处理器上执行指令而执行的方法，该方法包括从体积占用节点的主动测距设备获取表示体积占用节点所在的监控空间的当前点云；基于当前点云生成监控空间的当前体积图；通过从由体积占用节点维护的监控空间的第一体积图中减去监控空间的基准体积图来计算监控空间的当前局部增量，第一体积图已被更新以反映其与当前体积图之间的任何差异；将当前局部增量作为更改应用于由体积占用节点维护的监控空间的第二体积图；基于第一体积图和第二体积图中的一者或两者来计算指示监控空间的当前体积占用的体积占用指数；以及经由体积占用节点的无线通信接口将体积占用指数发送到至少一个接收计算机系统。
262.示例49是示例48的方法，其中体积占用节点是网格中的节点，该网格进一步包括一个或多个对等体积占用节点，每个对等节点具有与监控空间中体积占用节点的感测体积重叠的感测体积；并且方法进一步包括经由无线通信接口广播当前局部增量，以供网格中的一个或多个对等体积占用节点接收。
263.示例50是示例49的方法，进一步包括接收由一个或多个对等体积占用节点广播的对等增量，对等增量包括特定体素的似然值；以及将对等增量作为更新应用于第二体积图。
264.示例51是示例48-50中任一项的方法，进一步包括执行基准校准过程，包括在基准校准时间段期间使用主动测距设备收集代表监控空间的点云；标识在基准校准时间段期间收集的多个点云上表现出小于阈值变化量的体素集；以及将所标识的体素集保存为监控空间的基准体积图。
265.示例52是示例48-51中任一项的方法，进一步包括获得与至少一个接收设备的无线链路的一个或多个链路质量度量；以及选择至少部分基于所获得的一个或多个链路质量度量来广播当前局部增量的粒度。
266.示例53是示例48-52中任一项的方法，其中当前体积图是作为从当前点云生成的监控空间的当前瞬时体积图与由体积占用节点从监控空间的先前点云生成的监控空间的一个或多个在前瞬时体积图的组合而生成的。
267.示例54是示例48-53中任一项的方法，其中监控空间的第一体积图和第二体积图各自包括体素，每个体素包括似然值，该似然值指示该体素在监控空间中被占用的似然。
268.示例55是示例53或示例54的方法，其中第一体积图和第二体积图的体素存储在第一n树结构和第二n树结构的叶节点中，每个n树结构包括其叶节点、根节点以及其叶节点与根节点之间的多个中间节点，根节点和每个中间节点最多具有正整数n个子节点。
269.示例56是示例55的方法，其中n是2的正整数幂。
270.示例57是示例55或示例56的方法，其中n为4并且n树结构为十六叉树数据结构。
271.示例58是示例55-57中任一项的方法，其中，在第一n树结构和第二n树结构中的每一个中，每个叶节点被配置成用于响应于其似然值的初始化和修改而向其父节点报告其似然值；可由其父节点或经由其父节点查询其似然值；以及每个中间节点具有一个或多个子节点，每个子节点是在n树结构中或低于中间节点的叶节点或中间节点；包括复合似然值，
其共同指示中间节点的一个或多个子节点的似然值或复合似然值；以及被配置成用于响应于从中间节点的子节点接收似然值或复合似然值，计算其复合似然值并将其存储在该叶节点中，并向其父节点报告其复合似然值。
272.示例59是示例58的方法，其中中间节点中的复合值各自包括各个中间节点的子树中所有节点的复合值的数字平均值。
273.示例60是示例58或示例59的方法，其中中间节点中的复合值各自包括体素分数，该分数指示各个中间节点的子树中的叶节点中具有超过似然值阈值的各个似然值的体素的数量。
274.示例61是一种移动设备，包括用户接口；通信接口；至少一个硬件处理器；以及一种或多种非瞬态计算机可读存储介质，该存储介质包含指令，指令当由至少一个硬件处理器执行时，使得至少一个硬件处理器执行操作，操作包括：经由用户接口接收来自用户的、对从第一位置到第二位置的路线选择选项的路线选择选项请求；响应于接收到路线选择选项请求，至少部分地基于将用于已标识的路线选择选项中的至少一个路线选择选项的至少一部分的交通工具的占用数据，标识从第一位置到第二位置的一个或多个路线选择选项；以及经由用户接口呈现一个或多个已标识的路线选择选项。
275.示例62是示例61的移动设备，操作进一步包括响应于接收到路线选择选项请求，查询网络服务器以从网络服务器中检取占用数据，占用数据已被网络服务器从交通工具上的人员计数系统接收，其中占用数据包括至少一辆交通工具的当前实际占用。
276.示例63是示例61或示例62的移动设备，其中占用数据包括用户根据相关联的已标识的路线选择选项登上交通工具时交通工具的预计占用；以及基于与相关联的已标识的路线选择选项有关的交通工具的历史占用数据生成预计占用。
277.示例64是示例61-63中任一项的移动设备，其中呈现一个或多个已标识的路线选择选项包括经由用户接口呈现占用数据。
278.示例65是示例61-65中任一项的移动设备，进一步包括至少部分地基于占用数据和与用户相关联的、存储的用户简档中的一个或多个出行偏好中的一者或两者来选择一个或多个已标识的路线选择选项的推荐顺序，其中呈现一个或多个已标识的路线选择选项包括使一个或多个已标识的路线选择选项根据所选择的推荐顺序呈现。
279.示例66是示例61-66中任一项的移动设备，其中一个或多个路线选择选项的标识也至少部分地基于与用户相关联的、存储的用户简档中的一个或多个出行偏好。
280.示例67是示例66的移动设备，其中存储的用户简档列出了用户可用的一个或多个个人交通工具；并且一个或多个路线选择选项的标识包括在一个或多个已标识的路线选择选项中包括利用所列个人交通工具中的至少一个个人交通工具的至少一个路线选择选项。
281.示例68是示例66或示例67的移动设备，其中存储的用户简档指定了交通工具的偏好最大占用；并且一个或多个路线选择选项的标识包括在一个或多个已标识的路线选择选项中仅包括以下各项中的一者或两者中的路线选择选项：交通工具的实际占用；以及当用户根据相关联的已标识的路线选择选项将登上交通工具时交通工具的预计占用小于指定的偏好最大占用。
282.示例69是示例66-68中任一项的移动设备，其中存储的用户简档指定了对第一出行方式胜过第二出行方式的偏好；并且一个或多个路线选择选项的标识包括在一个或多个
已标识的路线选择选项中，将包括第一出行方式而非第二出行方式的至少一个路线选择选项排定优先级胜过包括第二出行方式的至少一个路线选择选项。
283.示例70是示例66-69中任一项的移动设备，其中存储的用户简档指定使用环保出行方式对用户的重要性；并且一个或多个路线选择选项的标识包括在一个或多个已标识的路线选择选项中，将涉及步行、骑自行车、使用至少一辆电动交通工具和使用公共运输工具中的至少一种的至少一个路线选择选项排定优先级。
284.示例71是示例66-70中任一项的移动设备，其中操作进一步包括经由用户接口呈现图形工具，用户可使用该图形工具直观地指定存储的用户简档中的至少第一出行偏好对用户的相对重要性胜过存储的用户简档中的第二出行偏好；并且一个或多个路线选择选项的标识包括在一个或多个已标识的路线选择选项中，将与用户的第一出行偏好对齐的至少一个路线选择选项排定优先级胜过与用户的第二出行偏好对齐而不与用户的第一出行偏好对齐的路线选择选项。
285.示例72是示例61-71中任一项的移动设备，操作进一步包括经由用户接口呈现请求确认用户已登上交通工具的提示；以及经由用户接口接收确认，并响应地向服务器发送更新消息来更新交通工具的实际占用，以反映用户已登上交通工具。
286.示例73是示例61-72中任一项的移动设备，进一步包括接收由第二移动设备发送的路线更新消息，该消息通知与一个或多个已标识的路线选择选项中的特定路线选择选项相关的延迟；以及响应于接收到路线更新消息，修改特定路线选择选项以包括延迟。
287.示例74。一种或多种非瞬态计算机可读存储介质，包含指令，指令在由至少一个硬件处理器执行时，使得至少一个硬件处理器用于：经由用户接口接收来自用户的、对从第一位置到第二位置的路线选择选项的路线选择选项请求；响应于接收到路线选择选项请求，至少部分地基于将用于已标识的路线选择选项中的至少一个路线选择选项的至少一部分的交通工具的占用数据，标识从第一位置到第二位置的一个或多个路线选择选项；以及经由用户接口呈现一个或多个已标识的路线选择选项。
288.示例75是示例74的一种或多种非瞬态计算机可读存储介质，操作进一步包括响应于接收到路线选择选项请求，查询网络服务器以从网络服务器中检取占用数据，占用数据已被网络服务器从交通工具上的人员计数系统接收，其中占用数据包括至少一辆交通工具的当前实际占用。
289.示例76是示例74或示例75中一种或多种非瞬态计算机可读存储介质，其中占用数据包括用户根据相关联标识的路线选择选项将登上交通工具时交通工具的预计占用；以及预计占用基于与相关联的已标识的路线选择选项有关的交通工具的历史占用数据生成。
290.示例77是示例74-76中任一项的一种或多种非瞬态计算机可读存储介质，其中一个或多个路线选择选项的标识还至少部分地基于与用户相关联的、存储的用户简档中的一个或多个出行偏好。
291.示例78是示例77的一种或多种非瞬态计算机可读存储介质，其中存储的用户简档指定了有关交通工具的偏好最大占用；并且一个或多个路线选择选项的标识包括在一个或多个已标识的路线选择选项中仅包括以下各项中的一者或两者中的路线选择选项：交通工具的实际占用；以及当用户根据相关联的已标识的路线选择选项将登上交通工具时交通工具的预计占用小于指定的偏好最大占用。
292.示例79是示例77或示例78的一种或多种非瞬态计算机可读存储介质，其中操作进一步包括经由用户接口呈现图形工具，用户可使用该图形工具直观地指定存储的用户简档中的至少第一出行偏好对用户的相对重要性胜过存储的用户简档中的第二出行偏好；并且一个或多个路线选择选项的标识包括在一个或多个已标识的路线选择选项中，将与用户的第一出行偏好对齐的至少一个路线选择选项排定优先级胜过与用户的第二出行偏好对齐而不与用户的第一出行偏好对齐的路线选择选项。
293.示例80。一种由计算机系统在至少一个硬件处理器上执行指令而执行的方法，该方法包括：经由用户接口接收来自用户的、对从第一位置到第二位置的路线选择选项的路线选择选项请求；响应于接收到路线选择选项请求，至少部分地基于将用于已标识的路线选择选项中的至少一个路线选择选项的至少一部分的交通工具的占用数据，标识从第一位置到第二位置的一个或多个路线选择选项；以及经由用户接口呈现一个或多个已标识的路线选择选项。
294.示例81是示例80的方法，进一步包括响应于接收到路线选择选项请求，查询网络服务器以从网络服务器中检取占用数据，占用数据已被网络服务器从交通工具上的人员计数系统接收，其中占用数据包括至少一辆交通工具的当前实际占用。
295.示例82是示例80或示例81的方法，其中占用数据包括用户根据相关联的已标识的路线选择选项登上交通工具时交通工具的预计占用；以及基于与相关联的已标识的路线选择选项有关的交通工具的历史占用数据生成预计占用。
296.示例83是示例80-82中任一项的方法，其中一个或多个路线选择选项的标识也至少部分地基于与用户相关联的、存储的用户简档中的一个或多个出行偏好。
297.示例84是示例83的方法，其中存储的用户简档指定了交通工具的偏好最大占用；并且一个或多个路线选择选项的标识包括在一个或多个已标识的路线选择选项中仅包括以下各项中的一者或两者中的路线选择选项：交通工具的实际占用；以及当用户根据相关联的已标识的路线选择选项将登上交通工具时交通工具的预计占用小于指定的偏好最大占用。
298.示例85是示例80-84中任一项的方法，进一步包括使用4d占用节点生成潜在路线选择选项的中间位置的体积占用指数的时间序列；以及接收并处理时间序列以从中导出对当前处于中间位置的人数的估计，其中一个或多个路线选择选择的标识也基于导出的估计。
299.为了促进对本公开的原理的理解，在附图中示出了各实施例。本文所公开的实施例并非旨在穷尽或将本公开限制为在上述详细说明书中公开的精确形式。相反，所描述的实施例被选择为使得本领域的其他技术人员可以利用他们的教导。因此，意指本公开的范围不由此限制。
300.本公开中称为模块的设备、系统等的任何组件包括硬件和可执行指令，并且可以在单个组件中实现或作为单个组件实现，或者可以分布在多个组件中。当由硬件执行时，指令使硬件执行(例如，进行、实施等)本文中描述为由模块执行的一个或多个操作(例如，功能)。硬件可包括一个或多个处理器、一个或多个微处理器、一个或多个微控制器、一个或多个微芯片、一个或多个专用集成电路(asic)、一个或多个现场可编程门阵列(fpga)、一个或多个图形处理单元(gpu)、一个或多个张量处理单元(tpu)，和/或本领域技术人员认为适合
于给定实现的任何其他类型的一个或多个硬件设备和/或硬件组件。这些指令可以包括存储在本领域技术人员认为适合于给定实现的任何一个或多个非瞬态计算机可读存储介质中的硬件(例如，硬连线)指令、固件指令、软件指令等。每个此类非瞬态计算机可读存储介质可以是或包括存储器(例如，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)、电可擦除可编程只读存储器(eeprom，又称e2prom)、闪存存储器、和/或一种或多种其他类型的存储器)和/或一种或多种其他类型的非瞬态计算机可读存储介质。
301.在本公开的任何实例下，包括在权利要求书中，其中引用组件、数据(例如，值、标识符、参数等)和/或任何其他元素使用数字修饰符(诸如第一、第二和第三)，此类修饰符的使用并不旨在表示或规定以这种方式引用的元素的任何特定或要求的顺序。相反，此类修饰符的任何此类使用旨在帮助读者区分元素之间的差异，并且不应被解释为坚持任何特定顺序或具有任何其他意义，除非本文明确且肯定地解释了此类顺序或其他意义。
302.此外，如在本公开中使用的，形式为“a和b中的至少一个”、“a、b和c中的至少一个”等的短语应被解释为“a和/或b”、“a、b和/或c”等语言代替整个短语。在本公开中，除非结合特定实例另有明确说明，否则这种措辞方式并不意味着“至少一个a和至少一个b”、“至少一个a、至少一个b和至少一个c”等等。如在本公开中所使用的，双元素版本涵盖以下各项：一个或多个a和无b，一个或多个b和无a，一个或多个a和一个或多个b。对于三元素版本和更高版本是类似地。除非在特定实例下另有明确说明，否则应同样对代替“至少一个”使用“一个或多个”的短语进行类似的解释。
303.此外，与本文描述的实体和布置(包括在附图中描述和结合附图描述的实体和布置)作为示例而非限制性地呈现的事实一致，任何和所有陈述或其他指示特定附图中的特定元素或实体或本公开中以其他方式提及的“是”或“具有”什么，以及任何和所有没有明确自我限定(以诸如“在至少一个实施例中，”之类的项的方式)并且因此可以孤立地并脱离情境理解为绝对的的类似陈述，因此作为对所有实施例的限制，只能正确地理解为被此类项建设性地自限定。出于与陈述的简洁性和清晰性类似的原因，本公开中不重复该隐含自限定条款。