CN109118018A - 一种预测装机时间的方法及装置 - Google Patents

一种预测装机时间的方法及装置 Download PDF

Info

Publication number
CN109118018A
CN109118018A CN201811023221.5A CN201811023221A CN109118018A CN 109118018 A CN109118018 A CN 109118018A CN 201811023221 A CN201811023221 A CN 201811023221A CN 109118018 A CN109118018 A CN 109118018A
Authority
CN
China
Prior art keywords
user terminal
optimal path
segmentation
destination address
prediction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811023221.5A
Other languages
English (en)
Inventor
张肖
杨锦洲
张燕超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201811023221.5A priority Critical patent/CN109118018A/zh
Publication of CN109118018A publication Critical patent/CN109118018A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种预测装机时间的方法，所述方法包括：接收多个用户终端上传订单信息，所述订单信息包括初始地址、目的地址以及订单类型；根据多个所述订单信息中的初始地址、目的地址以及预先存储的地图生成最优路径，所述最优路径包括多个分段；预测所述最优路径中每个分段所需的配送时间；设置每个订单类型对应的工时；计算得出每个用户终端对应的装机时间，每个用户终端对应的装机时间为初始地址与该用户终端对应的目的地址之间所需的配送时间以及初始地址至该用户终端对应的目的地址之前的所有工时之和；将每个用户终端对应的装机时间发送至对应的用户终端。使得用户可以了解到装机人员的到达时间，增加用户的体验。

Description

一种预测装机时间的方法及装置
技术领域
本发明涉时间预测的技术领域，尤其涉及一种装机时间预测的方法及装置。
背景技术
基于现代人忙碌的生活型态，许多不同的便捷服务也因应而生，装机人员上门为用户安装或维修硬件设施已成为很常见的一项服务项目。
现在缺少预测装机时间的方法，使得用户无法了解到装机人员的到达时间，降低用户的体验。
发明内容
本发明的目的在于提供一种预测装机时间的方法及装置，用以解决装机人员为用户上门安装或维修硬件设施时，用户无法了解到装机人员的到达时间，降低用户的体验的问题。
为实现上述目的，本发明提供了一种预测装机时间的方法，所述方法包括：接收多个用户终端上传的订单信息，所述订单信息包括初始地址、目的地址以及订单类型；根据多个所述订单信息中的初始地址、目的地址以及预先存储的地图生成最优路径，所述最优路径包括多个分段；预测所述最优路径中每个分段所需的配送时间；设置每个订单类型对应的工时；计算得出每个用户终端对应的装机时间，每个用户终端对应的装机时间为初始地址与该用户终端对应的目的地址之间所需的配送时间以及初始地址至该用户终端对应的上一个目的地址所有工时之和；将每个用户终端对应的装机时间发送至对应的用户终端。
可选的，所述方法还包括：接收用户终端发送的新的订单信息，执行所述根据多个所述订单信息中的初始地址、目的地址以及预先存储的地图生成最优路径的步骤。
可选的，所述分段为任意两个相邻的目的地址之间的路径；所述预测所述最优路径中每个分段所需的配送时间，具体包括：获取多个时间段内所述最优路径中每个分段的交通量参数与所述最优路径中每个分段所需的配送时间，其中，交通量参数包括交通流量、车道占有率以及平均车速；将多个时间段内所述最优路径中每个分段的交通量参数与所述最优路径中每个分段所需的配送时间作为为训练数据；根据所述训练数据构建成多个SVM预测模型；从多个SVM预测模型中训练出优选的SVM预测模型；根据所述优选的SVM预测模型预测所述最优路径中每个分段所需的配送时间。
可选的，所述方法还包括：获取装机人员的实时位置；将所述装机人员的实时位置发送至用户终端。
为实现上述目的，本发明提供了一种预测装机时间的装置，所述装置包括：接收单元，用于接收多个用户终端上传的订单信息，所述订单信息包括初始地址、目的地址以及订单类型；生成单元，用于根据多个所述订单信息中的初始地址、目的地址以及预先存储的地图生成最优路径，所述最优路径包括多个分段；预测单元，用于预测所述最优路径中每个分段所需的配送时间；设置单元，用于设置每个订单类型对应的工时；计算单元，用于计算得出每个用户终端对应的装机时间，每个用户终端对应的装机时间为初始地址与该用户终端对应的目的地址之间所需的配送时间以及初始地址至该用户终端对应的上一个目的地址所有工时之和；发送单元，用于将每个用户终端对应的装机时间发送至对应的用户终端。
可选的，所述接收单元还用于接收用户终端发送的新的订单信息，生成单元根据多个所述订单信息中的初始地址、目的地址以及预先存储的地图生成最优路径。
可选的，所述分段为任意两个相邻的目的地址之间的路径；所述预测单元具体用于：获取多个时间段内所述最优路径中每个分段的交通量参数与所述最优路径中每个分段所需的配送时间，其中，交通量参数包括交通流量、车道占有率以及平均车速；将多个时间段内所述最优路径中每个分段的交通量参数与所述最优路径中每个分段所需的配送时间作为为训练数据；根据所述训练数据构建成多个SVM预测模型；从多个SVM预测模型中训练出优选的SVM预测模型；根据所述优选的SVM预测模型预测所述最优路径中每个分段所需的配送时间。
可选的，所述装置还包括：定位单元，用于获取装机人员的实时位置；所述发送单元还用于将装机人员的实时位置发送至用户终端。
本发明具有以下有益效果：
本发明提供的一种预测装机时间的方法及装置，装机人员为用户上门安装或维修硬件设施时，预测出每个用户终端对应的装机时间为初始地址与该用户终端对应的目的地址之间所需的配送时间以及初始地址至该用户终端对应的目的地址之前的所有工时之和，使得用户可以了解到装机人员的到达时间，增加用户的体验。
附图说明
图1为本发明实施例一提供的一种预测装机时间的方法的流程示意图；
图2为本发明实施例二提供的一种预测装机时间的方法的流程示意图；
图3为本发明实施例二提供的最优路径的结构示意图。
图4为本发明实施例三提供的一种预测装机时间的装置的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图对本发明提供的边缘缓存更新方法及系统进行详细描述。
图1为本发明实施例一提供的一种预测装机时间的方法的流程示意图，如图1所示，该方法包括：
步骤S101，接收多个用户终端上传的订单信息，订单信息包括初始地址、目的地址以及订单类型。
步骤S102，根据多个所述订单信息中的初始地址、目的地址以及预先存储的地图生成最优路径，最优路径包括多个分段。
步骤S103，预测所述最优路径中每个分段所需的配送时间。
步骤S104，设置每个订单类型对应的工时。
步骤S105，计算得出每个用户终端对应的装机时间，每个用户终端对应的装机时间为初始地址与该用户终端对应的目的地址之间所需的配送时间以及初始地址至该用户终端对应的上一个目的地址所有工时之和。
步骤S106，将每个用户终端对应的装机时间发送至对应的用户终端。
本实施例提供的预测装机时间的方法，装机人员为用户上门安装或维修硬件设施时，预测出每个用户终端对应的装机时间为初始地址与该用户终端对应的目的地址之间所需的配送时间以及初始地址至该用户终端对应的目的地址之前的所有工时之和，使得用户可以了解到装机人员的到达时间，增加用户的体验。
图2为本发明实施例二提供的一种预测装机时间的方法的流程示意图，如图2所示，该方法包括：
步骤S201，接收多个用户终端上传的订单信息，订单信息包括初始地址、目的地址以及订单类型。
在本实施例中，用户终端为用户将订单信息上传至服务器的设备，例如，移动终端可以为手机、平板电脑或计算机。初始地址为安装人员的唯一的出发地址。目的地址为用户所持的用户终端输入的需要安装人员上门安装的地址。订单类型为用户需要安装或维修硬件设施的类型，例如，订单类型可以为新宽带安装、电脑维修或新空调安装。
步骤S202，根据多个订单信息中的初始地址、目的地址以及预先存储的地图生成最优路径，最优路径包括多个分段。
在本实施例中，最优路径是服务器根据订单的初始地址、所有的目的地址以及预先存储的地图生成，安装人员根据最优路径进行配送可以在更短的时间内将所有的订单完成。最优路径包括多个分段，分段为任意两个相邻的目的地址之间的路径。例如，参见图3，初始地址为S0,目的地址为S1、S2、S3…S10，例如，S0-S2-S6-S5为其中一条最优路径，该条最优路径的分段包括分段S0-S2、分段S2-S6以及分段S6-S5。
步骤S203，获取多个时间段内最优路径中每个分段的交通量参数与最优路径中每个分段所需的配送时间，其中，交通量参数包括交通流量、车道占有率以及平均车速。
本实施例中，获取t个时间段内最优路径中每个分段的交通量参数与最优路径中每个分段所需的配送时间Ti(t)，其中，交通量参数包括由道路车辆检测器统计的交通流量qi(t)、车道占有率oi(t)以及平均车速vi(t),如下表1所示的t个时间段内最优路径中每个分段的交通量参数与最优路径中每个分段所需的配送时间。其中，t个时间段表示t个等间隔的时间段，例如，t的取值为10。
表1
步骤S204，将多个时间段内所述最优路径中每个分段的交通量参数与所述最优路径中每个分段所需的配送时间作为训练数据。
在本实施例中，将t个时间段的最优路径中每个分段的交通量参数与最优路径中每个分段所需的配送时间作为训练数据，训练数据表示为{(x1,y1),(x2,y2)…(xt-1，yt)}，其中x1，x2…xt代表t个时间段内的最优路径中每个分段的交通量参数的集合，y1，y2…yt代表t个时间段内的最优路径中每个分段所需的配送时间的集合。
步骤S205，根据训练数据构建成多个SVM预测模型。
在本实施例中，将训练数据作为输入数据，构建出基于多个核函数训练出的多个SVM预测模型。
步骤S206，从多个SVM预测模型训练出优选的SVM预测模型。
在本实施例中，从多个SVM预测模型选取出最合适模型进行参数寻优，将参数寻优后训练得出的模型作为优选的SVM预测模型。
步骤S207，根据优选的SVM预测模型预测最优路径中每个分段所需的配送时间。
在本实施例中，向优选的SVM预测模型中输入所要预测时段的交通流量参数xt+1，最终输出所要预测的所需配送时间yt+1。
步骤S208，设置每个订单类型对应的工时。
在本实施例中，根据历史订单设置好各个订单类型的工时，例如，新宽带安装为0.5小时；电脑维修为1小时；新空调安装为1.2小时。
步骤S209，计算得出每个用户终端对应的装机时间，每个用户终端对应的装机时间为初始地址与该用户终端对应的目的地址之间所需的配送时间以及初始地址至该用户终端对应的上一个目的地址所有工时之和。
例如：参见图3，当某一个用户终端对应的目的地址为S8时，生成的最优路径为S0-S2-S6-S8，该用户终端对应的装机时间为S0-S2、S2-S6与S6-S8三段分段所需的配送时间以及目的地址S2与S6对应的目的地址工时之和。
步骤S210，将每个用户终端对应的装机时间发送至对应的用户终端。
步骤S211，获取装机人员的实时位置。
在本实施例中，此步骤与步骤S211也可以同时执行，或者此步骤也可以在步骤S211之前执行。采用GPS来获取装机人员的实时位置。
步骤S212，将装机人员的实时位置发送至用户终端。
在本实施例中，此步骤与步骤S212也可以同时执行，将每个用户终端对应的装机时间与装机人员的实时位置同时发送至对应的用户终端。
可选的，接收用户终端发送的新的订单信息，执行步骤S202。
在本实施例中，此步骤可以在步骤S201后的任一位置发生，当新的订单信息所处的目的地址距离最优路径中的任一目的地址小于或等于代价距离时，返回执行步骤S202；一旦超过代价时，由服务器重新分配安装人员为用户进行安装，例如，代价距离为3km。
本实施例提供的一种预测装机时间的方法，装机人员为用户上门安装或维修硬件设施时，预测出每个用户终端对应的装机时间为初始地址与该用户终端对应的目的地址之间所需的配送时间以及初始地址至该用户终端对应的目的地址之前的所有工时之和，使得用户可以了解到装机人员的到达时间，增加用户的体验。
图4为本发明提供的一种预测装机时间的装置的结构示意图，如图3所示，该系统包括接收单元31、生成单元32、预测单元33、设置单元34、计算单元35以及发送单元36。
接收单元31用于接收多个用户终端上传的订单信息，所述订单信息包括初始地址、目的地址以及订单类型。
生成单元32用于根据多个所述订单信息中的初始地址、目的地址以及预先存储的地图生成最优路径，所述最优路径包括多个分段。
预测单元33用于预测所述最优路径中每个分段所需的配送时间。
设置单元34用于设置每个订单类型对应的工时。
计算单元35用于计算得出每个用户终端对应的装机时间，每个用户终端对应的装机时间为初始地址与该用户终端对应的目的地址之间所需的配送时间以及初始地址至该用户终端对应的上一个目的地址所有工时之和。
发送单元36用于将每个用户终端对应的装机时间发送至对应的用户终端。
接收单元31还用于接收用户终端发送的新的订单信息，生成单元32根据多个所述订单信息中的初始地址、目的地址以及预先存储的地图生成最优路径。
分段为任意两个相邻的目的地址之间的路径。
预测单元33具体用于：获取多个时间段内所述最优路径中每个分段的交通量参数与所述最优路径中每个分段所需的配送时间，其中，交通量参数包括交通流量、车道占有率以及平均车速；将多个时间段内所述最优路径中每个分段的交通量参数与所述最优路径中每个分段所需的配送时间作为为训练数据；根据所述训练数据构建成多个SVM预测模型；从多个SVM预测模型中训练出优选的SVM预测模型；根据所述优选的SVM预测模型预测所述最优路径中每个分段所需的配送时间。
装置还包括定位单元37。定位单元37用于获取装机人员的实时位置。
发送单元36还用于将装机人员的实时位置发送至用户终端。
本实施例提供的一种预测装机时间的装置，装机人员为用户上门安装或维修硬件设施时，预测出每个用户终端对应的装机时间为初始地址与该用户终端对应的目的地址之间所需的配送时间以及初始地址至该用户终端对应的目的地址之前的所有工时之和，使得用户可以了解到装机人员的到达时间，增加用户的体验。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种预测装机时间的方法，其特征在于，所述方法包括：
接收多个用户终端上传的订单信息，所述订单信息包括初始地址、目的地址以及订单类型；
根据多个所述订单信息中的初始地址、目的地址以及预先存储的地图生成最优路径，所述最优路径包括多个分段；
预测所述最优路径中每个分段所需的配送时间；
设置每个订单类型对应的工时；
计算得出每个用户终端对应的装机时间，每个用户终端对应的装机时间为初始地址与该用户终端对应的目的地址之间所需的配送时间以及初始地址至该用户终端对应的上一个目的地址所有工时之和；
将每个用户终端对应的装机时间发送至对应的用户终端。
2.根据权利要求1所述的预测装机时间的方法，其特征在于，所述方法还包括：
接收用户终端发送的新的订单信息，执行所述根据多个所述订单信息中的初始地址、目的地址以及预先存储的地图生成最优路径的步骤。
3.根据权利要求1所述的预测装机时间的方法，其特征在于，所述分段为任意两个相邻的目的地址之间的路径；所述预测所述最优路径中每个分段所需的配送时间，包括：
获取多个时间段内所述最优路径中每个分段的交通量参数与所述最优路径中每个分段所需的配送时间；
将多个时间段内所述最优路径中每个分段的交通量参数与所述最优路径中每个分段所需的配送时间作为为训练数据；
根据所述训练数据构建成多个SVM预测模型；
从所述多个SVM预测模型中训练出优选的SVM预测模型；
根据所述优选的SVM预测模型预测所述最优路径中每个分段所需的配送时间。
4.根据权利要求3所述的预测装机时间的方法，其特征在于，所述交通量参数包括交通流量、车道占有率以及平均车速。
5.根据权利要求1所述的预测装机时间的方法，其特征在于，所述方法还包括：
获取装机人员的实时位置；
将所述装机人员的实时位置发送至用户终端。
6.一种预测装机时间的装置，其特征在于，所述装置包括：
接收单元，用于接收多个用户终端上传的订单信息，所述订单信息包括初始地址、目的地址以及订单类型；
生成单元，用于根据多个所述订单信息中的初始地址、目的地址以及预先存储的地图生成最优路径，所述最优路径包括多个分段；
预测单元，用于预测所述最优路径中每个分段所需的配送时间；
设置单元，用于设置每个订单类型对应的工时；
计算单元，用于计算得出每个用户终端对应的装机时间，每个用户终端对应的装机时间为初始地址与该用户终端对应的目的地址之间所需的配送时间以及初始地址至该用户终端对应的上一个目的地址所有工时之和；
发送单元，用于将每个用户终端对应的装机时间发送至对应的用户终端。
7.根据权利要求6所述的预测装机时间的装置，其特征在于，
所述接收单元还用于接收用户终端发送的新的订单信息，生成单元根据多个所述订单信息中的初始地址、目的地址以及预先存储的地图生成最优路径。
8.根据权利要求6所述的预测装机时间的装置，其特征在于，
所述分段为任意两个相邻的目的地址之间的路径；
所述预测单元具体用于：
获取多个时间段内所述最优路径中每个分段的交通量参数与所述最优路径中每个分段所需的配送时间；
将多个时间段内所述最优路径中每个分段的交通量参数与所述最优路径中每个分段所需的配送时间作为为训练数据；
根据所述训练数据构建成多个SVM预测模型；
从所述多个SVM预测模型中训练处优选的SVM预测模型；
根据所述优选的SVM预测模型预测所述最优路径中每个分段所需的配送时间。
9.根据权利要求8所述的预测装机时间的装置，其特征在于，所述交通量参数包括交通流量、车道占有率以及平均车速。
10.根据权利要求6所述的预测装机时间的装置，其特征在于，所述装置还包括：
定位单元，用于获取装机人员的实时位置；
所述发送单元还用于将装机人员的实时位置发送至用户终端。
CN201811023221.5A 2018-09-03 2018-09-03 一种预测装机时间的方法及装置 Pending CN109118018A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811023221.5A CN109118018A (zh) 2018-09-03 2018-09-03 一种预测装机时间的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811023221.5A CN109118018A (zh) 2018-09-03 2018-09-03 一种预测装机时间的方法及装置

Publications (1)

Publication Number Publication Date
CN109118018A true CN109118018A (zh) 2019-01-01

Family

ID=64860384

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811023221.5A Pending CN109118018A (zh) 2018-09-03 2018-09-03 一种预测装机时间的方法及装置

Country Status (1)

Country Link
CN (1) CN109118018A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2002255538A1 (en) * 2001-03-07 2002-09-24 Motorola, Inc. Method and apparatus for notifying a party of another party's location and estimated time of arrival at a predetermined destination
CN103927643A (zh) * 2014-04-30 2014-07-16 洪剑 一种大规模订单处理与配送路径优化的方法
CN106203911A (zh) * 2016-07-07 2016-12-07 成都镜杰科技有限责任公司 基于云计算的智能物流数据管理方法
CN107274033A (zh) * 2017-06-29 2017-10-20 安徽电信规划设计有限责任公司 一种简便易行的动态配送路径优化方法
CN107392412A (zh) * 2017-06-05 2017-11-24 北京小度信息科技有限公司 订单调度方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2002255538A1 (en) * 2001-03-07 2002-09-24 Motorola, Inc. Method and apparatus for notifying a party of another party's location and estimated time of arrival at a predetermined destination
CN103927643A (zh) * 2014-04-30 2014-07-16 洪剑 一种大规模订单处理与配送路径优化的方法
CN106203911A (zh) * 2016-07-07 2016-12-07 成都镜杰科技有限责任公司 基于云计算的智能物流数据管理方法
CN107392412A (zh) * 2017-06-05 2017-11-24 北京小度信息科技有限公司 订单调度方法和装置
CN107274033A (zh) * 2017-06-29 2017-10-20 安徽电信规划设计有限责任公司 一种简便易行的动态配送路径优化方法

Similar Documents

Publication Publication Date Title
EP2981789B1 (en) Method and system for combining localized weather forecasting and itinerary planning
CN104537831B (zh) 车辆调度的方法及设备
US9122982B2 (en) Device and method for destination prediction
US20180225796A1 (en) Resource Allocation in a Network System
CN109543909B (zh) 车辆案件数量的预测方法、装置和计算机设备
JP4506663B2 (ja) 交通状況予測装置、方法及びプログラム、経路探索システム並びに交通状況提供システム
US20180314998A1 (en) Resource Allocation in a Network System
JP2019040475A (ja) 人流予測装置、システムおよびプログラム
CN105118013A (zh) 一种订单的分配方法及装置
US10733541B2 (en) System, method, and recording medium for geolocation data discovery in streaming texts
CN110796323A (zh) 车辆的调度方法、装置、终端及计算机可读存储介质
CN103822638A (zh) 用户位置信息的处理方法和装置
US11113965B2 (en) System for optimising transient kerbside access
Horn et al. QZTool—automatically generated origin-destination matrices from cell phone trajectories
KR20210043230A (ko) 감염병 확산 위치 예측 시뮬레이션 장치 및 시스템 및 방법
AU2018217973A1 (en) Dynamic selection of geo-based service options in a network system
CN111476389A (zh) 一种预估接单等待时长的方法及装置
WO2019042275A1 (zh) 目标区域范围内的移动模式的确定方法及电子设备
CN111833119A (zh) 一种订单分配的方法、装置、电子设备及存储介质
CN109919357A (zh) 一种数据确定方法、装置、设备及介质
CN104956420B (zh) 用于列车晚点的腕表通知
CN111507554B (zh) 一种服务资源调度方法、装置、设备及存储介质
JP6417361B2 (ja) トラヒック予測装置及びトラヒック予測方法
CN109118018A (zh) 一种预测装机时间的方法及装置
CN113257030B (zh) 停车场属性预测模型训练方法、停车场推荐方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190101