Die Erfindung bezieht sich auf eine Auswerteeinrichtung zum Bestimmen eines Beförderungszieles einer von einem Personenbeförderungsfahrzeug zu befördernden ersten Person nach Anspruch 1. Außerdem bezieht sich die Erfindung auf ein Zentralsystem zum Bestimmen eines Beförderungszieles einer von einem Personenbeförderungsfahrzeug zu befördernden ersten Person nach Anspruch 9. Ferner bezieht sich die Erfindung auf ein Erkennungssystem zum Bestimmen eines Beförderungszieles einer von einem Personenbeförderungsfahrzeug zu befördernden ersten Person nach Anspruch 10 und auf ein Personenbeförderungsfahrzeug mit einem erfindungsgemäßen Erkennungssystem nach Anspruch 11. Des Weiteren bezieht sich die Erfindung auf ein Verfahren zum Bestimmen eines Beförderungszieles einer von einem Personenbeförderungsfahrzeug zu befördernden ersten Person nach Anspruch 12. Die Erfindung bezieht sich auch auf ein Computerprogrammprodukt zur Ausführung des erfindungsgemäßen Verfahrens nach Anspruch 15.

In vielen Städten der Welt bieten Dienstleistungsunternehmen Online- Vermittlungsdienste zur Personenbeförderung an. Zum Beispiel werden Fahrgäste an Mietwagen mit menschlichem Fahrer, an private menschliche Fahrer mit eigenem Fahrzeug oder an Taxis mit menschlichem Taxifahrer vermittelt.

Die Bestellung eines Fahrzeuges aus einer Fahrzeugflotte von diesen Dienstleistungsunternehmen erfolgt in der Regel mit einem mobilen Endgerät, das an das Internet angeschlossen ist, beispielsweise mit einem Smartphone. Auf dem Smartpho- ne wird eine Applikation, kurz App ausgeführt, um das Fahrzeug zu bestellen. Dabei fragt eine Person das Fahrzeug mit der App an. Ein Fahrer des Fahrzeuges nimmt diese Anfrage an. Die App zeigt die geschätzte Ankunftszeit des Fahrzeuges und benachrichtigt die Person, wenn das Fahrzeug ankommt. Die App zeigt den Namen des Fahrers, das Fahrzeug und das Kennzeichen des Fahrzeuges an. Wenn die Person an ihrem Ziel ankommt, ist die Fahrt beendet. Der Fahrpreis wird automatisiert berechnet und ein Zahlungsmittel der Person in der App belastet. Die Bestellung des Fahrzeuges mit einem Smartphone oder einem anderen mobilen Endgerät kann eingeschränkt sein. Zum Beispiel kann das Smartphone wegen zu geringer Akkukapazität und/oder schlechtem Empfang nicht verwendet werden. Viele ältere Menschen besitzen kein Smartphone. Smartphones von vielen Kindern werden mit einem aufladbaren Konto betrieben und können folglich bei zu niedrigem Kontostand nicht verwendet werden. Nähert sich ein Personenbeförderungsfahrzeug einer zu befördernden Person an, verbleibt in der Regel wenig Zeit, das Personenbeförderungsfahrzeug erst während der Annäherung mit dem Smartphone zu bestellen. Wenn das Personenbeförderungsfahrzeug auch während der Annäherung nicht mehr mit der App bestellt werden kann, hat das Personenbeförderungsfahrzeug oder ein menschlicher Fahrer des Personenbeförderungsfahrzeuges vor Beförderungsantritt keine Information über die zu befördernde Person, insbesondere ist das Beförderungsziel vor Beförderungsantritt nicht bekannt. In derartigen Fällen wird das Beförderungsziel erst bekannt, wenn die zu befördernde Person das Personenbeförderungsfahrzeug betritt und ihr Beförderungsziel nennt. Dabei geht aber Zeit verloren.

Hier setzt die Erfindung an. Der Erfindung hat die Aufgabe zugrunde gelegen, die Abwicklung von Fahrten mit Personenbeförderungsfahrzeugen zu verbessern.

Die Aufgabe wird gelöst durch eine Auswerteeinrichtung zum Bestimmen eines Beförderungszieles einer von einem Personenbeförderungsfahrzeug zu befördernden ersten Person mit den Merkmalen des Anspruchs 1. Ferner wird die Aufgabe gelöst durch ein Zentralsystem zum Bestimmen eines Beförderungszieles einer von einem Personenbeförderungsfahrzeug zu befördernden ersten Person mit den Merkmalen des Anspruchs 9. Außerdem wird die Aufgabe gelöst durch ein Erkennungssystem zum Bestimmen eines Beförderungszieles einer von einem Personenbeförderungsfahrzeug zu befördernden ersten Person mit den Merkmalen des Anspruchs 10 und ein Personenbeförderungsfahrzeug mit einem erfindungsgemäßen Erkennungssystem gemäß Anspruch 11. Des Weiteren wird die Aufgabe gelöst durch ein Verfahren zum Bestimmen eines Beförderungszieles einer von einem Personenbeförderungsfahrzeug zu befördernden ersten Person mit den Merkmalen des Anspruchs 12. Die Aufgabe wird auch gelöst durch ein Computerprogrammprodukt zur Ausführung des erfindungsgemäßen Verfahrens mit den Merkmalen des Anspruchs 15.

Weiterbildungen und vorteilhafte Ausgestaltungen sind in den Unteransprüchen angegeben.

Die erfindungsgemäße Auswerteeinrichtung zum Bestimmen eines Beförderungszieles einer von einem Personenbeförderungsfahrzeug zu befördernden ersten Person umfasst eine erste Schnittstelle, um wenigstens ein zu einer Erfassung der ersten Person gehörendes Signal zu erhalten. Die Auswerteeinrichtung ist ausgeführt, in Abhängigkeit der Daten erste Merkmale der ersten Person zu bestimmen. Ferner umfasst die Auswerteeinrichtung eine zweite Schnittstelle, um zweite Merkmale von zweiten Personen zu erhalten. Die jeweiligen zweiten Merkmale umfassen Identifikationsmerkmale und wenigstens ein Beförderungsziel der jeweiligen zweiten Person. Die Auswerteeinrichtung ist ausgeführt ist, die ersten Merkmale und die zweiten Merkmale zu vergleichen. Außerdem ist die Auswerteeinrichtung ausgeführt, in Abhängigkeit dieses Vergleichs die erste Person zu identifizieren und in Abhängigkeit dieser Identifikation wenigstens ein Beförderungsziel für die erste Person zu bestimmen.

Eine Auswerteeinrichtung ist eine Vorrichtung, die eingehende Informationen verarbeitet und ein aus dieser Verarbeitung resultierendes Ergebnis ausgibt. Insbesondere ist eine elektronische Schaltung, wie zum Beispiel eine zentrale Prozessoreinheit oder ein Grafikprozessor, eine Auswerteinrichtung.

Ein Personenbeförderungsfahrzeug ist ein Fahrzeug zu Land, zu Wasser oder in der Luft, das ausgeführt ist, wenigstens eine Person von einem ersten Ort zu einem zweiten Ort zu befördern. Insbesondere ist ein Taxi oder ein Bus ein Personenbeförderungsfahrzeug. Insbesondere Kleinbusse für Beförderung von Personen auf kurzen Strecken, zum Beispiel in Städten, Flughäfen oder Messen, auch als people mo- ver bezeichnet, sind Personenbeförderungsfahrzeuge. Drohnen zum Transport von Personen sind auch Personenbeförderungsfahrzeuge. Bevorzugt ist das Personenbeförderungsfahrzeug automatisiert betreibbar.

Ein automatisiert betreibbares Personenbeförderungsfahrzeug ist ein Personenbeförderungsfahrzeug, das über eine technische Ausrüstung verfügt, die zur Bewältigung einer Fahreraufgabe, einschließlich Längs- und Querführung, das jeweilige Fahrzeug nach Aktivierung einer entsprechenden automatischen Fahrfunktion, insbesondere einer hoch- oder vollautomatisierten Fahrfunktion nach der Norm

SAEJ3016, mit einer Fahrzeugsteuerungseinrichtung steuern kann.

Ein teil-automatisiert betreibbares Fahrzeug kann bestimmte Fahraufgaben übernehmen. Die SAEJ3016 Norm unterscheidet zwischen SAE Level 2 und SAE Level 3. Level 2 ist dadurch definiert, dass die Fahrmodus-spezifische Ausführung von Lenk- und Beschleunigungs- /Bremsvorgängen durch ein oder mehrere Fahrerassistenzsysteme unter Verwendung von Informationen über die Fahrumgebung ausgeführt wird mit der Erwartung, dass der menschliche Fahrer alle verbleibenden Aspekte der dynamischen Fahraufgabe ausführt. Level 3 ist dadurch definiert, dass die Fahrmodus-spezifische Ausführung aller Aspekte der dynamischen Fahraufgabe durch ein automatisiertes Fahrsystem ausgeführt wird mit der Erwartung, dass der menschliche Fahrer auf Anfrage des Systems angemessen reagieren wird.

Ein vollautomatisiertes Fahrzeug ersetzt den Fahrer. Die SAEJ3016 Norm unterscheidet zwischen SAE Level 4 und SAE Level 5 Level 4 ist dadurch definiert, dass die Fahrmodus-spezifische Ausführung aller Aspekte der dynamischen Fahraufgabe durch ein automatisiertes Fahrsystem ausgeführt wird, selbst wenn der menschliche Fahrer auf Anfrage des Systems nicht angemessen reagiert. Level 5 ist dadurch definiert, dass die durchgängige Ausführung aller Aspekte der dynamischen Fahraufgabe durch ein automatisiertes Fahrsystem unter allen Fahr- und Umweltbedingungen, die von einem menschlichen Fahrer bewältigt werden können, ausgeführt wird.

Ein reines Assistenzsystem assistiert dem Fahrer bei der Durchführung einer Fahraufgabe. Dies entspricht SAE Level 1 . Die Erfindung ist insbesondere für SAE Level 3, 4 und 5 vorgesehen. Insbesondere in einer Übergangszeit zum vollautomatisiertem Fahren wird die Erfindung auf SAE Level 3 und 4 eingesetzt, um daran anschließend auf SAE Level 5 verwendet zu werden.

Die erste Person ist eine Person, die von dem Personenbeförderungsfahrzeug befördert werden möchte. Zum Beispiel ist die erste Person eine an einem Straßenrand wartende Person, die ihren Beförderungswunsch durch Winken in Kombination mit Kopforientierung zum Personenbeförderungsfahrzeug hin ausdrückt. Die zweiten Personen sind eine Menge von Personen, zu der auch die erste Person gehören kann.

Eine Schnittstelle ist eine Einrichtung zwischen wenigstens zwei Funktionseinheiten, an der ein Austausch von logischen Größen, zum Beispiel Daten, oder physikalischen Größen, zum Beispiel elektrischen Signalen, erfolgt, entweder nur unidirektio- nal oder bidirektional. Der Austausch kann analog oder digital erfolgen. Der Austausch kann ferner drahtgebunden oder drahtlos erfolgen.

Ein zu einer Erfassung der ersten Person gehörendes Signal ist insbesondere ein Ausgabesignal eines Sensors. Der Sensor erfasst, das heißt detektiert, die erste Person oder wenigstens Teile der ersten Person. Aus dieser Detektion ergeben sich erste Merkmale, die eine tatsächliche Erkennung, im Englischen als recognition bezeichnet, der Person im Sinne einer Identifikation ermöglichen, das heißt eine Zuordnung der ersten Person zu der richtigen zweiten Person. Erfindungsgemäß erfolgt also zunächst eine Detektion und anschließend eine recognition.

Die ersten Merkmale beziehen sich auf die erste Person. Die ersten Merkmale umfassen Identifikationsmerkmale der ersten Person. Identifikationsmerkmale sind Merkmale, die einmalig und unverwechselbar eine Person kennzeichnen. Die Auswerteeinrichtung bestimmt die ersten Merkmale aus dem wenigstens einen Signal. Zum Beispiel ist die Auswerteeinrichtung ausgeführt, Bildverarbeitungs- und/oder Spracherkennungsalgorithmen zu prozessieren. Bildverarbeitungsalgorithmen erkennen in Bildsignalen zum Beispiel geometrische Formen und/oder Anordnungen die- ser Formen. Spracherkennungsalgorithmen erkennen in Audiosignalen Sprachmus- ter, Lautstärken und/oder Frequenzspektren. Mit derartigen Algorithmen werden die ersten Merkmale berechnet.

Die zweiten Merkmale beziehen sich auf die zweite Person. Die zweiten Merkmale umfassen Identifikationsmerkmale der jeweiligen zweiten Person und Beförderungsziele, insbesondere wahrscheinliche Beförderungsziele, dieser zweiten Person. Die zweiten Merkmale sind zum Beispiel in einer Datenbank hinterlegt. Die Auswerteeinrichtung greift mit der zweiten Schnittstelle auf diese Datenbank zu. Vorteilhafterweise ist die Datenbank eine Cloud, das heißt ein Speicherplatz, der als Dienstleistung über das Internet bereitgestellt wird. Die zweite Schnittstelle ist vorteilhafterweise eine WLAN-Schnittstelle.

Ein erstes Merkmal der ersten Person wird mit dem entsprechenden zweiten Merkmal der zweiten Person verglichen. Ist zum Beispiel das erste Merkmal ein Fingerabdruck der ersten Person, werden als zweite Merkmale die Fingerabdrücke der zweiten Person mit dem Fingerabdruck der ersten Person verglichen, zum Beispiel durch eine entsprechende Abfrage in der Cloud. Bei einer Übereinstimmung des Fingerabdrucks der ersten Person mit dem Fingerabdruck einer der zweiten Personen ist die erste Person als die jeweilige zweite Person identifiziert. Durch das Identifikationsmerkmal des Fingerabdrucks der zweiten Person ist deren Beförderungsziel bekannt. Bei einem positiven Vergleich ist damit das Beförderungsziel der ersten Person bekannt.

Die Beförderungsziele können auch mit einer Positionsangabe verknüpft sein. Die Positionsangabe gibt die Position an, an der die erste Person erfasst wird. Zum Beispiel ist die Positionsangabe eine bestimmte Haltestelle, an der die erste Person auf das Personenbeförderungsfahrzeug wartet. Die Position kann zum Beispiel mit einem Positionsdetektor auf Basis des global positioning Systems erfasst werden. Beispielsweise ist für eine zweite Person Z das Beförderungsziel Bahnhof verknüpft mit Position X1 . Oder das Beförderungsziel der zweiten Person Z ist Flughafen verknüpft mit Ort X2. Wird nun die erste Person E am Ort X1 erfasst und ergibt ein Vergleich der Identifikationsmerkmale, dass die Person E die Person Z ist, dann folgt als Beförderungsziel aufgrund des Ortes X1 der Bahnhof.

Mit der erfindungsgemäßen Auswerteeinrichtung sind wahrscheinliche Beförderungsziele schon vor Beförderungsantritt bekannt. Damit kann insbesondere bei einer Taxifahrt die Abwicklung einer Beförderung schneller erfolgen als bei herkömmlichen Taxifahrten, bei denen der Fahrgast dem Fahrer zunächst sein Beförderungsziel mit- teilen muss, insbesondere auch dann, wenn der Fahrgast das Personenbeförderungsfahrzeug nicht mit einer App bestellen kann. Dem identifizierten Fahrgast werden wahrscheinliche Beförderungsziele direkt bei Einsteigen in das Personenbeförderungsfahrzeug vorgeschlagen. Dies führt zu logistischen Vorteilen und zu einem besseren Kundenerlebnis.

Vorzugsweise umfasst das wenigstens eine Signal ein Bildsignal einer Bildaufnahme, vorzugsweise eines Gesichts, der ersten Person und/oder ein Audiosignal einer Stimmaufnahme der ersten Person. Das Bildsignal ist vorteilhafterweise ein Ausgabesignal eines an einem Personenbeförderungsfahrzeug angeordneten bildgebenden Sensors. Aus diesem Signal berechnet die Auswerteeinrichtung zum Beispiel die Größe und Anordnung von Augen und/oder Mund, um eine Gesichtserkennung der ersten Person zu erhalten, über diese die erste Person identifiziert werden kann. Zu dieser Berechnung prozessiert die Auswerteeinrichtung vorzugsweise einen Bildverarbeitungsalgorithmus, der aus Bildsignalen Formen, deren Größe und Anordnung zueinander erkennt.

Die Auswerteeinrichtung ist ausgeführt, Gegenstände zu erkennen, die das Gesicht verdecken, zum Beispiel Schal, Hut und/oder Brille, um auch im Falle einer Verdeckung eine Gesichtserkennung durchführen zu können.

Bevorzugt sind die ersten Merkmale biometrische Merkmale. Biometrische Merkmale sind individuelle Verhaltens- oder Körpermerkmale einer Person. Die biometrischen Merkmale werden mit elektronischen Systemen gemessen und können wie andere Daten von einem Computer gespeichert, komprimiert, übertragen und mit bereits gespeicherten biometrischen Merkmalen verglichen werden. Biometrische Merkmale sind zum Beispiel die Desoxyribonukleinsäure einer Person, ein Fingerabdruck, ein Gangstil, eine Gesichtsgeometrie, eine Handgeometrie, die Regenbogenhaut, Lippenbewegungen, Ohrform, Augenhintergrund und Stimme. Die biometrischen Merkmale werden von der Auswerteeinrichtung aus dem wenigstens einen Signal berechnet. Beispielswiese wird aus dem Bildsignal eine Gesichtsgeometrie berechnet. Aus dem Stimmsignal wird die Stimme bestimmt. Mittels biometrischen Merkmalen ist eine Person identifiziert.

Vorteilhafterweise umfassen die ersten Merkmale Anordnungen, vorzugsweise Position, Abstand und Lage zueinander, und/oder Oberflächeneigenschaften von wenigstens Augen, Nase und/oder Mund der ersten Person. Derartige Merkmale sind insbesondere auch biometrische Merkmale. Auge, Nase und/oder Mund und ebenfalls Ohr oder Kinn sind beispielhafte Ausprägungen sichtbarer Merkmaler im Bereich des Kopfes. Diese Merkmale ermöglichen eine Gesichtserkennung der ersten Person.

Die ersten Merkmale umfassen vorzugsweise wenigstens Stimmfrequenz, Lautstärke und/oder Intonation der ersten Person. Intonation bezeichnet die Veränderung der Tonhöhe beim Sprechen. Derartige Merkmale sind insbesondere auch biometrische Merkmale. Stimmfrequenz, Lautstärke und/oder Intonation legen die Stimme einer Person fest. Diese Merkmale ermöglichen eine Stimmerkennung der ersten Person.

Die Auswerteeinrichtung ist damit ausgeführt, aus dem wenigstens einen Signal ein biometrisches Datum zu bestimmen. Vorzugsweise ist die Auswerteeinrichtung ausgeführt, einen Hash-Algorithmus auszuführen, um für das biometrische Datum einen Hashwert zu erhalten. Ein Hash-Algorithmus spezifiziert eine Hashfunktion. Eine Hashfunktion bildet eine große Eingabemenge, zum Beispiel das biometrische Datum, auf eine kleine Zielmenge, die sogenannten Hashwerte, ab, zum Beispiel auf ein digitales Muster. Mit dem Hash-Algorithmus wird insbesondere ein Inhalt, zum Beispiel das biometrische Datum, nahezu eindeutig identifiziert, zum Beispiel über das digitale Muster, ohne etwas über den Inhalt zu verraten. Mit dem Hashwert werden personenbezogene Daten, hier biometrische Daten, anonym verwaltet. Analog zu den ersten Merkmalen kann auch jedem der zweiten Merkmale ein Hashwert zu- gewiesen werden. Es werden dann nicht die ersten Merkmale direkt mit den zweiten Merkmalen verglichen, sondern lediglich die dazugehörigen Hashwerte.

Bevorzugt umfassen die zweiten Merkmale biometrische Merkmale und Personenprofile der zweiten Personen. Damit werden in einer Datenbank biometrische Merkmale miteinander verglichen. Ein derartiger Vergleich ergibt eine sichere Identifikation. Personenprofile umfassen neben einem Beförderungsziel der jeweiligen zweiten Person beispielsweise auch einen Namen der jeweiligen zweiten Person. Damit steht nicht nur das Beförderungsziel der identifizierten ersten Person fest. Zusätzlich ist beispielsweise der Name der ersten Person, der zu deren Personenprofil gehört, bekannt. Die erste Person wird dann bei Eintritt in das Personenbeförderungsfahrzeug mit ihrem Namen begrüßt. Eine persönliche Begrüßung verbessert das Kundenerlebnis. Die Personenprofile umfassen vorzugsweise Personen bezogene Daten, wie zum Beispiel Unterhaltungswünsche. Damit kann die identifizierte erste Person während der Fahrt mit dem Personenbeförderungsfahrzeug zum Beispiel ihre bevorzugte Musik hören oder ihre bevorzugten Nachrichten hören und/oder lesen. Das Personenbeförderungsfahrzeug ist dann mit entsprechenden Infotainmentsystemen an Sitz- und/oder Stehplätzen ausgestattet. Dies verbessert das Kundenerlebnis weiter.

Gemäß einer vorteilhaften Ausgestaltung der Erfindung ist die Auswerteeinrichtung ausgeführt, ein Computerprogramm auszuführen. Das Computerprogramm umfasst Softwarecodeabschnitte. Mit den Softwarecodeabschnitten werden in Abhängigkeit des wenigstens einen Signals erste Merkmale der ersten Person bestimmt. Mit den Softwarecodeabschnitten werden ferner die ersten Merkmale mit den zweiten Merkmalen verglichen. In Abhängigkeit des Vergleichs wird mit den Softwarecodeabschnitten wenigstens ein Beförderungsziel für die erste Person bestimmt. Dabei führt die Auswerteeinrichtung das Computerprogramm aus.

Ein Computer ist eine Einrichtung zum Verarbeiten von Daten, die mittels programmierbarer Rechenvorschriften Daten verarbeiten kann. Eine Auswerteeinrichtung kann ein Computer sein. Software ist ein Sammelbegriff für Programme und zugehörigen Daten. Das Komplement zu Software ist Hardware. Hardware bezeichnet die mechanische und elektronische Ausrichtung eines Daten verarbeitenden Systems.

Das Computerprogramm berechnet aus dem wenigstens einen Signal ein Beförderungsziel.

Vorzugsweise umfasst das Computerprogramm eine Architektur eines künstlichen neuronalen Netzwerks. Die Auswerteeinrichtung ist ausgeführt, das künstliche neuronale Netzwerk mit den Daten zu speisen. Das künstliche neuronale Netzwerk ist trainiert, in Abhängigkeit der Daten die ersten Merkmale zu bestimmen.

Ein künstliches neuronales Netzwerk ist ein intelligenter Algorithmus. Intelligenter Algorithmus bedeutet, dass der Algorithmus Mittel der künstlichen Intelligenz, im Englischen als artificial intelligence, abgekürzt AI, bezeichnet, dem Teilgebiet der Informatik, welches sich mit der Automatisierung intelligenten Verhaltens und dem Maschinenlernen befasst, umfasst. Ein intelligenter Algorithmus ist zum Beispiel ein künstliches neuronales Netzwerk.

Das künstliche neuronale Netzwerk wird auf einer elektronischen Schaltung ausgeführt und ist am Vorbild des neuronalen Netzwerks des menschlichen Gehirns programmiert. Funktionseinheiten eines künstlichen neuronalen Netzwerks sind künstliche Neuronen, deren Output sich im Allgemeinen als Wert einer Aktivierungsfunktion ausgewertet über eine gewichtete Summe der Inputs plus einem systematischen Fehler, dem sogenannten Bias, ergibt. Durch Testen von mehreren vorbestimmten Inputs, auch Soll-Trainingsdaten genannt, mit verschiedenen Gewichtungsfaktoren und/oder Aktivierungsfunktionen werden künstliche neuronale Netzwerke, ähnlich dem menschlichen Gehirn, trainiert. Soll-Trainingsdaten sind positive Trainingsdaten, mit denen das künstliche neuronale Netzwerk wahre Informationen lernt. Soll- Trainingsdaten sind mit der Bedeutung der Information gelabelt, das heißt gekennzeichnet, damit das künstliche neuronale Netzwerk eine Information semantisch erfassen kann. Das Trainieren eines künstlichen neuronalen Netz-werks mit Hilfe von Soll- Trainingsdaten, wird maschinelles Lernen genannt. Eine Teilmenge des maschinellen Lernens ist das tiefgehende Lernen, das sogenannte Deep Learning, bei dem eine Reihe hierarchischer Schichten von Neuronen, sogenannten Hidden Layers, genutzt wird, um den Prozess des maschinellen Lernens durchzuführen. Ein künstliches neuronales Netzwerk mit mehreren Hidden Layers ist ein Deep Neural Network.

In der Trainingsphase werden mit Gewichtungsfaktoren Verbindungen zwischen Neuronen bewertet. Vorwärtsspeisen, im Englischen als forward propagation bezeichnet, bedeutet, dass eine Information in die Eingangs-schicht des künstlichen neuronalen Netzwerks eingespeist wird, die folgenden Schichten durchläuft und in der Ausgabeschicht ausgegeben wird. Rückwärtsspeisen, im Englischen als backward propagation bezeichnet, bedeutet, dass eine Information in die Ausgabeschicht eingegeben wird und in der Eingangsschicht ausgegeben wird. Durch sukzessives Rückwärtsspeisen des Fehlers aus der Ausgabeschicht in die jeweils vorherige Schicht bis hin zur Eingangsschicht werden die Fehler der jeweiligen Schichten erhalten. Die Fehler sind eine Funktion der Gewichtungsfaktoren. Durch Minimierung des Fehlers in der Trainingsphase werden damit die Gewichtungsfaktoren geändert. Dadurch wird bei erneutem Einspeisen Eingabe eine Annäherung an die gewünschte Ausgabe erreicht. Die Rückwärtsspeisung ist ausführlich in Michael A. Nielsen, Neural Networks and Deep Learning, Determination Press, 2015, beschrieben.

Die zu den zweiten Merkmalen gehörenden Beförderungsziele werden vorzugsweise in der Trainingsphase des künstlichen neuronalen Netzwerks während einer Beförderungsfahrten gelernt. Das trainierte künstliche neuronale Netzwerk weiß dann schon mit der Identifikation der ersten Person deren wahrscheinliches Beförderungsziel, ohne auf mit den zweiten Merkmalen hinterlegte Beförderungsziele zurückgreifen zu müssen.

Ein trainiertes künstliches neuronales Netzwerk zeichnet sich durch zweckgerichtetes Reagieren auf neue Informationen aus. Beispiele künstlicher neuronaler Netzwerke sind konvolutionale oder rekurrente neuronale Netzwerke. Konvolutionale künstliche neuronale Netzwerke zeichnen sich durch eine zwei-oder dreidimensionale Anordnung von Neuronen und geteilte Gewichtungsfaktoren aus und werden insbesondere für Bilderkennung, bei der der Input ein Graubild oder ein Bild in einem dreidimensionalen Farbraum und damit eine zwei- oder dreidimensionale Matrix ist, eingesetzt. Ein rekurrentes, auch rückgekoppeltes, neuronales Netzwerk ist ein Netzwerk, das sich durch Verbindungen von Neuronen einer Schicht zu Neuronen derselben oder einer vorangegangenen Schicht auszeichnet. Praktische Anwendungen finden künstliche rekurrente neuronale Netzwerke allgemein bei Problemstellungen, die das Verarbeiten von Sequenzen erfordern. Beispiel dafür sind Schrifterkennung, Spracherkennung und Maschinenübersetzung.

Besonders vorzugsweise ist das künstliche neuronale Netzwerk trainiert, in Abhängigkeit des Vergleichs der ersten Merkmale mit den zweiten Merkmalen die erste Person zu identifizieren und in Abhängigkeit dieser Identifikation wenigstens ein Beförderungsziel auszugeben.

In einer Weiterbildung der Erfindung umfasst die Auswerteeinrichtung eine dritte Schnittstelle, um das wenigstens eine Beförderungsziel auszugeben. Die dritte Schnittstelle ist bevorzugt eine Audioschnittstelle und/oder eine Optikschnittstelle, um das Beförderungsziel einem menschlichen Fahrer des Personenbeförderungsfahrzeuges hörbar und/oder sichtbar auszugeben. In einer Weiterbildung der Erfindung ist die dritte Schnittstelle eine Schnittstelle zu einer Steuerungseinrichtung des Personenbeförderungsfahrzeuges, um das Personenbeförderungsfahrzeug automatisiert an das Beförderungsziel zu steuern.

Die Auswerteeinrichtung ist bevorzugt eine für den automotiv Bereich verwendbare AI Plattform mit einem Graphikprozessor mit hoher Rechenleistung, die ausgeführt ist, Fahreraufgaben auszuführen für ein automatisiertes Fahren.

Vorzugsweise ist die Auswerteeinrichtung ausgeführt, in Abhängigkeit der erfassten und im Vergleich erkannten biometrischen Merkmale einen Gesundheitszustand der identifizierten ersten Person zu bestimmen. Damit kann die Fahrt des Personenbe- förderungsfahrzeuges an den Gesundheitszustand der ersten Person angepasst werden. Zum Beispiel werden bei einer erkannten Übelkeit Bremsmomente, Wahl der Gänge und/oder Einstellung des Dämpfungssystems derart gewählt, dass die Fahrt relativ komfortabel und sanft ist im Gegensatz zu einem Sportmodus.

Die Auswerteeinrichtung ist vorteilhafterweise ausgeführt, problematischen Fahrgäste, zum Beispiel extrem betrunkene Fahrgästen, das Einsteigen in das Personenbeförderungsfahrzeug auf diplomatische Weise zu verweigern, beispielsweise durch eine Sprachnachricht an den Fahrgast, dass das Personenbeförderungsfahrzeug bereits reserviert ist. Derartige Fahrgäste werden über entsprechende Signale, zum Beispiel Bierflasche, erfasst.

Gemäß einer Weiterbildung der Erfindung ist die Auswerteeinrichtung ausgeführt, auf erkannte Rollstuhlfahrer oder Personen mit Kinderwagen entsprechend zu reagieren, zum Beispiel durch Öffnen einer Heckklappe und/oder Ausfahren einer Rampe. Vorzugsweise ist die Auswerteeinrichtung ausgeführt, verletzte und/oder hilfsbedürftige Personen zu erkennen und entsprechende Maßnahmen einzuleiten.

Das erfindungsgemäße Zentralsystem zum Bestimmen eines Beförderungszieles einer von einem Personenbeförderungsfahrzeug zu befördernden ersten Person umfasst einen Datenspeicher. Der Datenspeicher umfasst zweite Merkmale von zweiten Personen. Die jeweiligen zweiten Merkmale umfassen Identifikationsmerkmale und wenigstens ein Beförderungsziel der jeweiligen zweiten Person. Außerdem umfasst das Zentralsystem eine erfindungsgemäße Auswerteeinrichtung. Die erste Schnittstelle der Auswerteeinrichtung ist ausgeführt, das wenigstens eine zu der Erfassung der ersten Person gehörende Signal mit dem Personenbeförderungsfahrzeug auszutauschen. Die zweite Schnittstelle der Auswerteeinrichtung ist ausgeführt, die zweiten Merkmale aus dem Datenspeicher zu erhalten. Die Auswerteeinrichtung ist ausgeführt, auf dem Zentralsystem ausgeführt zu werden und in Abhängigkeit von dem Personenbeförderungsfahrzeug erhaltenen wenigstens einen zu der Erfassung der ersten Person gehörenden Signal erste Merkmale der ersten Person zu bestimmen. Das Zentralsystem ist ausgeführt, das von der Auswerteeinrichtung bestimmte Be- förderungsziel über die erste Schnittstelle an das Personenbeförderungsfahrzeug auszugeben.

Der Vorteil des Zentralsystems ist, dass Auswerteeinrichtung bei Verwendung nicht in einem Bordnetz des Personenbeförderungsfahrzeuges betrieben werden muss. Damit verbraucht die Auswerteeinrichtung im Betrieb keine Energie des Personenbeförderungsfahrzeuges, was insbesondere dann von Vorteil ist, wenn das Personenbeförderungsfahrzeug ein elektrisch angetriebenes Personenbeförderungsfahrzeug ist. Vielmehr wird die Auswerteeinrichtung auf einer zentralen Infrastrukturkomponente ausgeführt, beispielsweise einem Cloud-Server. Über die erste Schnittstelle, die vorzugsweise eine WLAN-Schnittstelle ist, kommuniziert das Personenbeförderungsfahrzeug mit dem Zentralsystem. Das heißt, das Personenbeförderungsfahrzeug sendet das wenigstens eine Signal an das Zentralsystem und empfängt das in dem Zentralsystem bestimmte Beförderungsziel.

Das erfindungsgemäße Erkennungssystem zum Bestimmen eines Beförderungszieles einer von einem Personenbeförderungsfahrzeug zu befördernden ersten Person umfasst wenigstens ein an dem Personenbeförderungsfahrzeug anordenbarer Sensor zur Erfassung der ersten Person. Außerdem umfasst das Erkennungssystem einen Datenspeicher. Der Datenspeicher umfasst zweite Merkmale von zweiten Personen. Die jeweiligen zweiten Merkmale umfassen Identifikationsmerkmale und wenigstens ein Beförderungsziel der jeweiligen zweiten Person. Ferner umfasst das Erkennungssystem eine erfindungsgemäße Auswerteeinrichtung. Des Weiteren umfasst das Erkennungssystem eine Benutzungseinrichtung. Die erste Schnittstelle der Auswerteeinrichtung ist eine Schnittstelle zu dem Sensor. Die zweite Schnittstelle der Auswerteeinrichtung ist eine Schnittstelle zu dem Datenspeicher. Die dritte Schnittstelle der Auswerteeinrichtung ist eine Schnittstelle zu der Benutzungseinrichtung.

Eine Benutzungsschnittstelle, im Englischen als human machine interface bezeichnet, ist die Stelle oder Handlung, mit der ein Mensch mit einer Maschine in Kontakt tritt. Der Kontakt erfolgt dann mit der Benutzungseinrichtung. Die Benutzungseinrichtung ist beispielsweise ein Bildschirm und/oder ein Lautsprecher sein. Im Gegensatz zu dem Zentralsystem erfolgt die Berechnung des Beförderungsziels innerhalb des Erkennungssystems. Der Datenspeicher ist in dem Personenbeförderungsfahrzeug angeordnet. Alternativ ist der Datenspeicher ein online- Datenspeicher. Das Erkennungssystem ist ein in sich abgeschlossenes, voll funktionsfähiges System. Personenbeförderungsfahrzeuge können mit dem Erkennungssystem nachgerüstet werden. Zum Beispiel können Taxis einer Taxiflotte mit dem Erkennungssystem nachgerüstet werden. Das Erkennungssystem sucht und erkennt mögliche Fahrgäste. Damit wird der Fahrer des Taxis entlastet. Der Fahrer kann sich vollständig auf das Steuern des Fahrzeuges konzentrieren und muss nicht gleichzeitig nach Fahrgästen suchen.

Bei dem Sensor kann es sich um einen oder mehreren bildgebenden Sensor, wie zum Beispiel eine Kamera, und/oder Schallwandler, wie zum Beispiel ein Mikrofon, handeln. Mit einer Kamera werden visuell sichtbare Eigenschaften erfasst. Mit einem Mikrofon werden akustisch wahrnehmbare Eigenschaften erfasst. Aus den Signalen dieser Erfassungen ergeben sich dann die biometrischen Merkmale einer Gesichtsgeometrie und/oder einer Stimme. Damit kann eine Gesichtserkennung und/oder eine Stimm-/Spracherkennung der ersten Person durchgeführt werden. Vorzugsweise ist die Auswerteeinrichtung ausgeführt, Signale mehrerer Sensoren zu fusionieren, um eine verbesserte Erfassung zu erreichen. Durch Fusion mehrerer Sensorsignale werden Störfaktoren bei der Erfassung, zum Beispiel Beleuchtung und/der Verzerrungen, schon auf Distanz erkannt und korrigiert.

Mit wenigstens zwei an dem Personenbeförderungsfahrzeug anordenbaren Kameras, wobei eine erste Kamera auf einer ersten Seite und eine zweite Kamera auf einer zweiten Seite des Personenbeförderungsfahrzeuges angeordnet sind, werden vorteilhafterweise beide Straßenseiten nach ersten Personen abgesucht.

Erfindungsgemäß umfasst ein Personenbeförderungsfahrzeug ein erfindungsgemäßes Erkennungssystem. Personenbeförderungsfahrzeuge, insbesondere Personenfahrzeuge mit Fahrerassistenzsystemen, sind in der Regel bereits mit Umfelderfassungssensoren ausgestattet, zum Beispiel Kameras. Das erfindungsgemäße Verfahren zum Bestimmen eines Beförderungszieles einer von einem Personenbeförderungsfahrzeug zu befördernden ersten Person umfassend die folgenden Verfahrensschritte: a. Erhalten wenigstens eines zu einer Erfassung der ersten Person gehörenden Signals,

b. Bestimmen von ersten Merkmalen in Abhängigkeit des wenigstens einen Signals,

c. Erhalten von zweiten Merkmalen von zweiten Personen, wobei die jeweiligen zweiten Merkmale Identifikationsmerkmale und wenigstens ein Beförderungsziel der jeweiligen zweiten Person umfassen,

d. Vergleichen der ersten Merkmale und der zweiten Merkmale,

e. Identifizieren der ersten Person in Abhängigkeit dieses Vergleiches und f. Bestimmen wenigstens eines Beförderungsziels für die erste Person, wobei die Verfahrensschritte a) bis f) während einer Anfahrt des Personenbeförderungsfahrzeuges zu der ersten Person erfolgen, um das wenigstens eine Beförderungsziel bereits vor Beförderungsbeginn zu bestimmen.

Erfindungswesentlich ist, dass die die Verfahrensschritte a) bis f) während einer Anfahrt des Personenbeförderungsfahrzeuges zu der ersten Person erfolgen. Damit wird bei der Abwicklung der Beförderung Zeit gewonnen und daraus sich ergebende logistische Vorteile erzielt.

Zeigt die erste Person mittels einer entsprechenden Kopf- und/oder Körperorientierung Interesse an einer Mitfahrt mit dem Personenbeförderungsfahrzeug, wird diese Person im Verfahrensschritt a) detailliert betrachtet. Das Personenbeförderungsfahrzeug fährt die erste Person für weitere Scans an, vorzugsweise autonom.

Während der Anfahrt wird die erste Person im Detail betrachtet und Verfahrensschritt b) wird ausgeführt, das heißt ein biometrisches Datum der ersten Person, zum Beispiel eine Gesichtserkennung und/oder eine Körpererkennung, wird bestimmt. Verfahrensschritte b) bis f) können auch bis zu dem Zeitpunkt durchgeführt werden, bis das Personenbeförderungsfahrzeug vor der ersten Person steht. Bei kleiner werden- dem Abstand erfassen die Sensoren mehr Details. Damit werden biometrische Merkmale detailliert erhalten.

Vorzugsweise wird vor Verfahrensschritt a) ein Beförderungswunsch der ersten Person für eine Beförderung mit dem Personenbeförderungsfahrzeug in Abhängigkeit der Daten über die Erfassung der ersten Person erkannt wird und in Abhängigkeit dieser Erkennung werden die Verfahrensschritte a) bis f) ausgeführt. Dabei scannen die Sensoren des Personenbeförderungsfahrzeuges während einer Fahrt des Personenbeförderungsfahrzeuges die Umgebung des Personenbeförderungsfahrzeuges nach ersten Personen ab, die einen Beförderungswunsch signalisieren.

Typische Beförderungssignale, die eine Mitfahrbereitschaft signalisieren, sind zum Beispiel Winken in Kombination mit Kopforientierung und/oder einem Pfeifen mit Lippen und/oder Fingern der Person zum Personenbeförderungsfahrzeug hin. Pfeifen mit Lippen oder andere Rufsignale, insbesondere Stimmsignale, sind auch für sich alleine genommen Beförderungssignale. Derartige Rufsignale können mit Mikrofonen oder anderen Schallwandlern erkannt werden zur Weiterverarbeitung.

Vor Verfahrensschritt a) wird dabei zum Beispiel zunächst nur eine Kopf- und/oder Körperorientierung zum Personenbeförderungsfahrzeug analysiert. Analog zur Gesichtserkennung und/oder eine Körpererkennung wird vorzugsweise eine Spracherkennung ausgeführt. Die erste Person kann sich damit nicht nur über ihr Gesicht identifizieren, sondern alternativ oder zusätzlich über den Einsatz ihrer Stimme. Die Spracherkennung wird vorzugsweise bei einem Scan eines Beförderungswunsches ausgeführt, zum Beispiel wenn die erste Person ein Taxi ruft.

Vorteilhafterweise wird zur Durchführung des Verfahrens eine erfindungsgemäße Auswerteeinrichtung verwendet.

Bevorzugt wird das Verfahren auf einem erfindungsgemäßen Zentralsystem oder in einem erfindungsgemäßen Personenbeförderungsfahrzeug ausgeführt. Damit kann das Verfahren zum Beispiel in einer Cloud realisiert werden oder mit dem Erkennungssystem in dem Personenbeförderungsfahrzeug. Das erfindungsgemäße Computerprogrammprodukt ist ausgeführt, in einen Speicher eines Computers geladen zu werden und umfasst Softwarecodeabschnitte, mit denen die Schritte des erfindungsgemäßen Verfahrens ausgeführt werden, wenn das Computerprogrammprodukt auf dem Computer läuft.

Computerprogrammprodukte umfassen in der Regel eine Folge von Befehlen, durch die die Hardware bei geladenem Programm veranlasst wird, ein bestimmtes Verfahren durchzuführen, das zu einem bestimmten Ergebnis führt. Wenn das betreffende Programm auf einem Computer zum Einsatz kommt, ruft das Computerprogrammprodukt einen technischen Effekt hervor, nämlich das Erhalten eines Beförderungsziels aus der Verarbeitung wenigstens eines zu einer Erfassung der ersten Person gehörenden Signals.

Ein Speicher ist ein Medium für die Sicherung von Daten.

Das erfindungsgemäße Computerprogrammprodukt ist Plattform unabhängig. Das heißt, es kann auf jeder beliebigen Rechenplattform ausgeführt werden. Bevorzugt wird das Computerprogrammprodukt auf einer erfindungsgemäßen Auswerteeinrichtung ausgeführt.

Falls die erste Person, die einen Beförderungswunsch signalisiert, nicht in der Menge der zweiten Personen enthalten ist, kann sich die erste Person an dem Personenbeförderungsfahrzeug identifizieren. Die Auswerteeinrichtung ist ausgeführt, diese Identifizierung als neue zweite Person in die Menge der bereits vorhandenen zweiten Personen abzulegen.

Zusammengefasst wird ein Fahrgast aufgrund seiner äußeren Merkmale wie zum Beispiel Gesicht oder Stimme erkannt. Dies geschieht dadurch, dass der Fahrgast durch die Kameras/ Mikrophone des Personenbeförderungsfahrzeuges erfasst wird und das daraus erstellte Personenprofil mit den in einer Datenbank gespeicherten Personenprofilen verglichen wird. Der Vorteil ist, dass dies sehr frühzeitig erfolgt bevor das Personenbeförderungsfahrzeug den Fahrgast erreicht hat. Die daraus resul- tierenden Vorteile sind ein besseres Kundenerlebnis, wie zum Beispiel eine persönliche Begrüßung oder eine schnellere Abwicklung sowie logistische Vorteile, weil wahrscheinliche Beförderungsziele früher bekannt sind.

Die Erfindung wird anhand der nachfolgenden Figuren beispielhaft erläutert. Es zeigen:

Fig. 1 a eine schematische Ansicht eines Ausführungsbeispiels einer erfindungsgemäßen Auswerteeinrichtung,

Fig. 1 b eine schematische Ansicht eines Ausführungsbeispiels einer Gesichtsgeometrie,

Fig. 2 eine schematische Ansicht eines Ausführungsbeispiels eines Personenbeförderungsfahrzeuges mit einem Ausführungsbeispiel eines erfindungsgemäßen Erkennungssystems,

Fig. 3 eine schematische Ansicht eines Ausführungsbeispiels eines erfindungsgemäßen Zentralsystems und

Fig. 4 ein schematischer Ablauf eines erfindungsgemäßen Verfahrens.

In den Figuren bezeichnen, sofern nicht anders angegeben, gleiche Bezugszeichen gleiche oder funktionsähnliche Bezugsteile. In den Figuren sind die jeweils relevanten Bezugsteile gekennzeichnet.

Fig. 1 a zeigt eine Auswerteeinrichtung 10. Die Auswerteeinrichtung 10 ist ausgeführt, ein künstliches neuronales Netzwerk 20 auszuführen. Das künstliche neuronale Netzwerk 20 ist ein konvolutionales neuronales Netzwerk. Das künstliche neuronale Netzwerk 20 ist als ein Computerprogrammprodukt 50 erhältlich. Das Computerprogrammprodukt 50 ist unabhängig von einer Rechenplattform ausführbar ist. Über eine erste Schnittstelle 1 1 erhält die Auswerteeinrichtung 10 Signale einer Kamera über die Erfassung eines Gesichts 2a einer ersten Person 2. Die erste Person 2 steht an einem Straßenrand und signalisiert einem Personenbeförderungsfahrzeug 1 einen Beförderungswunsch. Das künstliche neuronale Netzwerk 20 ist trainiert, in Abhängigkeit der Signale der Kamera Augen 2b, Nase 2c und Mund 2d des Gesichts 2a zu klassifizieren. Das Gesicht 2a ist in Fig. 1 b im Detail gezeigt. Aus dieser Klassifikation berechnet das künstliche neuronale Netzwerk 20 die Gesichtsgeometrie und bestimmt damit erste biometrische Merkmale der ersten Person 2. Das künstliche neuronale Netzwerk 20 ist ausgeführt, in Abhängigkeit von Signalen eines Mikrofons über eine Stimmerfassung der ersten Person 2 eine Stimmerkennung als weiteres biometrisches Merkmal der ersten Person 2 zu berechnen.

Über eine zweite Schnittstelle 12 erhält die Auswerteeinrichtung 10 zweite Merkmale von zweiten Personen 3. Die zweiten Merkmale sind biometrische Merkmale der zweiten Personen 3 und umfassen ein Personen profil der jeweiligen zweiten Person 3. In den Personenprofilen sind bevorzugte Beförderungsziele, Namen und Lieblingsmusik der jeweiligen zweiten Personen 3 hinterlegt.

Das künstliche neuronale Netzwerk 20 vergleicht die biometrischen Merkmale der ersten Person 2 mit entsprechenden biometrischen Merkmalen der zweiten Personen 3. Bei einer Übereinstimmung ist die erste Person 2 als die entsprechende zweite Person 3 identifiziert. Da die zweiten Merkmale der zweiten Person 3 auch bevorzugte Beförderungsziele umfassen, ist die erste Person 2 identifiziert und ihre bevorzugten Beförderungsziele sind bekannt.

Ferner weist die Auswerteeinrichtung 10 eine dritte Schnittstelle 13 auf. Über die dritte Schnittstelle 13 werden die bevorzugten Beförderungsziele der ersten Person 2 dem Personenbeförderungsfahrzeug 1 ausgegeben, und zwar während der Anfahrt zu der ersten Person 2. Damit muss die erste Person 2 nicht erst bei Eintritt in das Personenbeförderungsfahrzeug 1 nach ihrem Beförderungsziel gefragt werden. Die bevorzugten Beförderungsziele sind schon vorab bekannt. Das künstliche neuronale Netzwerk 20 kann die bevorzugten Beförderungsziele auch in Abhängigkeit einer Position und/oder Tageszeit lernen. Steigt zum Beispiel die erste Person 2 an der Haltestelle X jeden Dienstag um 16:00 Uhr in das Personenbeförderungsfahrzeug 1 zur Beförderung zu ihrem Zuhause ein, ist dem trainierten künstlichen neuronalen Netzwerk 20 das Beförderungsziel dieser ersten Person 2, die zu den gegebenen Bedingungen einsteigt, bekannt und das Beförderungsziel kann direkt nach Identifikation der ersten Person 2 und Einsteigen in das Personenbeförderungsfahrzeug angesteuert werden.

Fig. 2 zeigt das Personenbeförderungsfahrzeug 1 , das mit einem Erkennungssystem 40 ausgestattet ist. Das Personenbeförderungsfahrzeug 1 ist ein Kleinbus, dessen Innenraum beispielsweise acht Sitzplätze und fünf Stehplätze bietet. Der Kleinbus ist beispielsweise fünf Meter lang, zwei Meter breit und zweieinhalb Meter hoch. Angetrieben wird der Kleinbus zum Beispiel von einem elektrischen Antriebssystem mit einer Leistung von etwa 150 Kilowatt. Die Batterie des Antriebssystems hat eine Kapazität, die eine Einsatzdauer von etwa zehn Stunden gewährleistet. Das Leergewicht des Kleinbusses liegt beispielsweise bei etwa 2000 Kilogramm. Ein derartiger Kleinbus ist besonders gut als people mover geeignet.

Das Erkennungssystem 40 umfasst einen Sensor 41 in Form einer Kamera und einen Datenspeicher 31 on board des Personenbeförderungsfahrzeuges 1. Alternativ ist der Datenspeicher 31 ein online-Datenspeicher. Der Datenspeicher umfasst die zweiten Merkmale der zweiten Personen 3. Ferner umfasst das Erkennungssystem 40 die Auswerteeinrichtung 10. Die Auswerteeinrichtung 10 ist über die erste Schnittstelle 1 1 mit dem Sensor 41 verbunden. Über die zweite Schnittstelle 12 ist die Auswerteeinrichtung 10 mit dem Datenspeicher 31 verbunden. Die Auswerteeinrichtung ist über die dritte Schnittstelle 13 mit einer Benutzungseinrichtung 42 in Form eines Bildschirms verbunden. Über den Bildschirm erhält das Personenbeförderungsfahrzeug 1 und/oder die zu befördernde erste Person bevorzugte Beförderungsziele vorgeschlagen.

In Fig.3 ist ein Zentralsystem 30 in Form eines Cloudservers dargestellt. Das Zentralsystem 30 umfasst den Datenspeicher 31 und die Auswerteeinrichtung 10. Der Datenspeicher 31 umfasst die zweiten Merkmale und Personenprofile der zweiten Personen 3. Der Datenspeicher 31 ist über die zweite Schnittstelle 12 mit der Auswer- teeinrichtung 10 verbunden. Die Auswerteeinrichtung 10 wird auf dem Zentralsystem 30 ausgeführt. Die Auswerteeinrichtung 10 tauscht über die erste Schnittstelle 1 1 Informationen mit dem Personenbeförderungsfahrzeug 1 aus. Das Personenbeförderungsfahrzeug 1 sendet zu einer Erfassung der ersten Person 2 gehörende Signale an das Zentralsystem 30. Über die erste Schnittstelle 1 1 werden diese Signale empfangen. In Abhängigkeit dieser Signale und der zweiten Merkmale aus dem Datenspeicher 31 berechnet die Auswerteeinrichtung 10 wahrscheinliche Beförderungsziele der ersten Person 2. Diese Beförderungsziele sendet das Zentralsystem 30 über die erste Schnittstelle 1 1 der Auswerteeinrichtung 10 an das Personenbeförderungsfahrzeug 1. Das Personenbeförderungsfahrzeug 1 ist ausgeführt, diese Beförderungsziele zu empfangen und weiterzuverarbeiten.

Fig. 4 zeigt das Verfahren zum Bestimmen eines Beförderungszieles der von dem Personenbeförderungsfahrzeug 1 zu befördernden ersten Person 2. In einem ersten Verfahrensschritt V1 wird wenigstens ein zu der Erfassung der ersten Person 2 gehörenden Signals empfangen. Das wenigstens eine Signale ist beispielsweise ein Au- diosignal eines Mikrofons über eine Erfassung der Stimme der ersten Person 2. In einem zweiten Verfahrensschritt V2 werden erste Merkmalen in Abhängigkeit des wenigstens einen Signals bestimmt. Zum Beispiel erhält das trainierte künstliche neuronale Netzwerk 20 in einer Eingangsschicht das wenigstens eine Signal. In einer Ausgangsschicht gibt das künstliche neuronale Netzwerk 20 die ersten Merkmale aus. Die ersten Merkmale sind biometrische Merkmale, zum Beispiel Lautstärke und Frequenzgang der Stimme der ersten Person 2. In einem dritten Verfahrensschritt V3 werden zweite Merkmale von zweiten Personen 3 erhalten. Die jeweiligen zweiten Merkmale umfassen Identifikationsmerkmale und wenigstens ein Beförderungsziel der jeweiligen zweiten Person 3. Die zweiten Merkmale sind beispielsweise in einer Datenbank gespeichert. In einem vierten Verfahrensschritt V4 werden die ersten Merkmale und die zweiten Merkmale verglichen. In einem fünften Verfahrensschritt V5 wird die erste Person 2 in Abhängigkeit dieses Vergleiches identifiziert in Abhängigkeit einer Übereinstimmung der ersten Merkmale mit den zweiten Merkmalen einer der zweiten Personen 3. In Abhängigkeit dieser Identifikation und des mit der jeweiligen zweiten Person 3 verbundene Beförderungsziel wird in einem sechsten Verfahrensschritt das Beförderungsziel für die erste Person 2 bestimmt. Der Verfahrensschritte V1 bis V6 erfolgen während einer Anfahrt des Personenbeförderungsfahrzeuges 1 zu der ersten Person 2. Damit wird das Beförderungsziel bereits vor Beförderungsbeginn bestimmt.

Bezugszeichen

Personenbeförderungsfahrzeug

erste Person

a Gesicht

b Auge

c Nase

d Mund

zweite Person

0 Auswerteeinrichtung

1 erste Schnittstelle

2 zweite Schnittstelle

3 dritte Schnittstelle

0 künstliches neuronales Netzwerk

0 Zentralsystem

1 Datenspeicher

0 Erkennungssystem

1 Sensor

2 Benutzungseinrichtung

0 Computerprogrammprodukt