CN109154507A - 预测对于估计到达时间的兴趣点等待时间 - Google Patents
预测对于估计到达时间的兴趣点等待时间 Download PDFInfo
- Publication number
- CN109154507A CN109154507A CN201680085945.5A CN201680085945A CN109154507A CN 109154507 A CN109154507 A CN 109154507A CN 201680085945 A CN201680085945 A CN 201680085945A CN 109154507 A CN109154507 A CN 109154507A
- Authority
- CN
- China
- Prior art keywords
- data
- time
- latency
- vehicle
- commercial interest
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000004891 communication Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000001413 cellular effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 241001269238 Data Species 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000006116 polymerization reaction Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
-
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3697—Output of additional, non-guidance related information, e.g. low fuel level
-
- G06Q50/40—
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
Abstract
公开了用于确定对于估计到达时间商业兴趣点处的预测等待时间的方法和设备。示例性方法包括确定车辆到达商业兴趣点的估计到达时间,以及获得对于所述商业兴趣点的所述估计到达时间的当前等待时间数据和历史等待时间数据。所述示例性方法包括经由处理器基于所述当前等待时间数据和所述历史等待时间数据来确定对于所述估计到达时间的预测等待时间,以及将所述预测等待时间传送到所述车辆的用户界面。
Description
技术领域
本公开总体上涉及确定预测等待时间,并且更特定地,涉及用于确定对于估计到达时间在商业兴趣点处的预测等待时间的方法和设备。
背景技术
近年来,车辆(例如,汽车,诸如轿车、货车、卡车等)通常包括使用户能够获得信息的人机界面。例如,一些人机界面与全球定位系统通信以使用户能够识别车辆的当前位置。在一些实例中,车辆的人机界面显示地图,所述地图识别车辆行驶路线附近和/或沿着车辆行驶路线的潜在兴趣点(例如,加油站、咖啡店等)。此外,人机界面可以提供车辆到达目的地(例如,所识别的兴趣点之一)的估计到达时间。
发明内容
在一个实例中,一种方法包括确定车辆到达商业兴趣点的估计到达时间,以及获得对于所述商业兴趣点的估计到达时间的当前等待时间数据和历史等待时间数据。所述方法包括经由处理器基于当前等待时间数据和历史等待时间数据来确定对于估计到达时间的预测等待时间,以及将预测等待时间传送到车辆的用户界面。
在另一个实例中,一种设备包括:ETA确定器,其用于确定车辆到达商业兴趣点的估计到达时间;以及等待时间数据接收器,其用于获得商业兴趣点的当前等待时间数据和历史等待时间数据。所述设备包括:等待时间计算器,其用于基于当前等待时间数据和历史等待时间数据来确定对于估计到达时间的预测等待时间;以及等待时间通信器,其用于将预测等待时间传送到用户界面。
在另一个实例中,有形计算机可读存储介质包括指令,所述指令在被执行时使机器至少确定车辆到达商业兴趣点的估计到达时间,基于估计到达时间的历史等待时间数据和商业兴趣点的当前等待时间数据来确定对于估计到达时间的预测等待时间,并且将对于估计到达时间的预测等待时间传送到用户界面。
附图说明
图1是示例性环境的框图,其中收集数据以确定对于车辆的估计到达时间在商业兴趣点处的预测等待时间。
图2是图1的等待时间预测器的示例性实施的框图,所述等待时间预测器用于确定对于估计到达时间的预测等待时间。
图3是示例性环境的框图,其中图1的车辆与示例性数据聚合器通信。
图4是表示示例性方法的流程图,所述方法可以被执行以实施图1和图2的示例性等待时间预测器,以确定对于车辆的估计到达时间在商业兴趣点处的预测等待时间。
图5示出了图2的用户界面的示例性显示,其使得能够选择商业兴趣点。
图6示出了图2的用户界面的另一个示例性显示,其使得能够选择商业兴趣点。
图7示出了图2的用户界面的另一个示例性显示,其显示在商业兴趣点处的预测等待时间。
图8示出了图2的用户界面的另一个示例性显示,其使得能够向商业兴趣点提交预订。
图9是示例性处理器系统的框图,所述处理器系统被结构化成执行示例性机器可读指令以实施图4的方法和图1和/或图2的等待时间预测器。
附图不是按比例绘制。另外,相同附图标记在所有附图和随附的书面描述中将用来指代相同或相似零件。
具体实施方式
车辆(例如,汽车,诸如轿车、货车、卡车等)通常包括安装在车辆仪表板中的人机界面,以向车辆的驾驶员和/或乘客提供信息和/或从其接收信息。例如,人机界面可用于控制车辆内的温度,控制车辆的无线电,与驾驶员的移动装置进行可听交互等。此外,车辆的一些人机界面与全球定位系统通信以使用户(例如,驾驶员和/或乘客)能够识别车辆的当前位置。
例如,一些已知车辆的人机界面显示地图,所述地图提供到目的地的方向和/或车辆到达目的地的估计到达时间。由一些人机界面显示的地图识别在车辆的行驶路线附近和/或沿着车辆的行驶路线的潜在兴趣点(POI)(例如,商业兴趣点,诸如商店或餐馆)。在一些实例中,人机界面显示对于所识别的商业兴趣点的估计到达时间。在这样的实例中,虽然人机界面向用户提供到达商业兴趣点的估计到达时间,但是用户可能不知道在商业兴趣点处停下将如何影响他或她的最终目的地的估计到达时间。例如,人机界面的用户不知道在沿着行驶路线的商业兴趣点(例如,加油站、咖啡店等)的多长排队等待时间将添加到他或她的最终目的地(例如,工作地点、家等)的估计到达时间。
本文公开的示例性方法和设备确定对于车辆的估计到达时间商业兴趣点的预测等待时间。因此,本文公开的实例向车辆的用户提供行驶到商业兴趣点的估计持续时间以及在到达商业兴趣点时在队列中等待的另一个估计持续时间,以使用户能够确定是否停在商业兴趣点处和/或确定访问哪个商业兴趣点。
为了确定对于车辆的估计到达时间在商业兴趣点处的等待时间,本文公开的示例性方法和设备包括等待时间预测器,所述等待时间预测器确定车辆到达商业兴趣点的估计到达时间。示例性等待时间预测器获得商业兴趣点的当前等待时间数据和历史等待时间数据用于到达商业兴趣点的估计到达时间。基于所获得的当前等待时间数据和历史等待时间数据,等待时间预测器确定和/或计算对于估计到达时间的预测等待时间,所述预测等待时间传送到车辆的用户界面(例如,人机界面)。在一些实例中,用户界面使得车辆的驾驶员和/或乘客能够向商业兴趣点提交预订以为车辆的估计到达时间做好准备。
为了确定车辆到达商业兴趣点的估计到达时间,等待时间预测器可以与计算估计到达时间的全球导航卫星系统和/或全球定位系统通信。在一些实例中,用户经由车辆的用户界面,基于商业兴趣点类别、预定地理区域、距车辆的当前位置的距离、距车辆的预定行驶路线的距离和/或指示到商业兴趣点的常规和/或惯常行程的历史车辆数据,来识别和/或选择商业兴趣点。
在一些实例中,对于商业兴趣点的当前等待时间数据包括当前队列大小,并且历史等待时间数据包括一天的特定时间的历史队列大小和历史等待时间。可以从商业兴趣点的传感器和/或数据系统获得当前等待时间数据。例如,当前等待时间数据可以从安装在商业兴趣点处识别当前队列大小和/或当前等待时间的相机和/或另一个传感器(例如,沿着得来速定位的车辆环路检测器)收集。另外或另选地,可以从商业兴趣点为其自己的分析而维护的订单处理系统收集当前等待时间数据。此外,可以经由众包应用收集当前等待时间数据,所述众包应用使得排队等待的顾客(例如,具有移动装置的顾客)能够报告在商业兴趣点处的当前等待时间。在一些实例中,历史等待时间数据是先前收集的当前等待时间数据的集合。此外,历史等待时间数据可以包括天气状况数据,以使得能够将在商业兴趣点处的当前等待时间与具有类似天气状况的过去实例进行比较。
为了确定对于到达商业兴趣点的估计到达时间的预测等待时间,等待时间预测器利用获得的当前等待时间数据(例如,当前队列大小)、获得的历史等待时间数据(例如,历史队列大小、历史等待时间)和衰减率因子。例如,衰减率因子随着车辆接近商业兴趣点减小(例如,接近0),以减小历史等待时间数据的影响,并且随着车辆接近商业兴趣点增加当前等待时间数据的影响。
在一些实例中,等待时间预测器经由安装在车辆中并与等待时间预测器通信的远程信息处理控制单元无线地接收当前等待时间数据和历史等待时间数据。另外或另选地,等待时间预测器可以经由位于车辆中与等待时间预测器无线通信的移动装置(例如,驾驶员和/或车辆的乘客的移动装置)无线地接收当前等待时间数据和历史等待时间数据。
图1是示例性环境100的框图,示例性环境100包括车辆102、商业兴趣点(POI)104、天气监测系统106、全球导航卫星系统(GNSS)108、网络110和等待时间预测器112。在所示实例中,从车辆102、商业POI 104、天气监测系统106、(GNSS)108和/或其他数据源收集数据,以使等待时间预测器112能够确定对于车辆102的估计到达时间(ETA)商业POI 104的预测等待时间。
在图1的环境100中,车辆102(例如,汽车、货车、卡车等)包括用户界面114(例如,安装在仪表板中的人机界面),用户界面114从车辆102的乘客118(例如,驾驶员)收集兴趣点(POI)数据116。POI数据116识别作为车辆102的目的地的兴趣点(例如,商业POI 104)。如图1所示,GNSS 108提供指示车辆102的当前位置的位置数据120,例如,当车辆102行驶到商业POI 104时。
所示实例的商业POI 104是提供商品和/或服务的设施(例如,咖啡店、干洗店、餐馆、邮局等)。商业POI 104包括顾客124、126等待商业POI 104的雇员128服务的队列122。因此,顾客(例如,顾客126)在被雇员128服务之前,在商业POI 104排队等待一段时间(例如,等待时间)。
商业POI 104包括订单处理系统130,订单处理系统130使商业POI 104能够管理由顾客(例如,顾客124、126)下达的订单。在所示实例中,订单处理系统130收集与商业POI104的顾客的等待时间相关联的等待时间数据132。例如,由订单处理系统130收集和/或存储的等待时间数据132指示商业POI 104的队列122的当前队列状况(例如,当前队列大小、当前等待时间)、目标队列状况(例如,目标等待时间)和/或历史队列状况(例如,历史队列大小、历史等待时间)。另外或另选地,商业POI 104和/或另一个实体(例如,确定预测等待时间的实体)可以在商业POI 104中和/或附近安装传感器以收集等待时间数据132。在所示实例中,相机134安装在商业POI 104中以测量商业POI 104中的当前队列状况。此外,传感器136(例如,车辆环路检测器)定位在商业POI 104的外部,以测量商业POI 104的得来速的当前排队状况。
在所示实例中,从相机134、传感器136和/或订单处理系统130收集的等待时间数据132经由有线和/或无线连接(例如,电缆/DSL/卫星调制解调器、蜂窝塔等)传送到通信装置138,以存储收集的等待时间数据132和/或将等待时间数据132传送到网络110。在其他实例中,相机134、传感器136和/或订单处理系统130可以与网络110直接通信。
另外或另选地,经由众包应用收集等待时间数据140,所述众包应用使顾客(例如,顾客124、126)能够报告商业POI 104的当前队列状况。在所示实例中,顾客126在队列122中等待时利用众包应用经由移动装置142(例如,蜂窝电话、智能电话、平板电脑(诸如iPadTM))报告商业POI 104的当前队列状况。
此外,在所示实例中,天气监测系统106提供天气状况数据144。如下面进一步详细描述,可以利用天气状况数据144(例如,当前天气状况数据)来将当前等待时间状况与其中天气状况类似的前些天、时间和/或当日时间的等待时间进行比较。
网络110将车辆102、商业POI 104、天气监测系统106、(GNSS)108和/或其他数据源通信地耦合到等待时间预测器112。例如,从车辆102的用户界面114收集的POI数据116、从GNSS 108收集的位置数据120、经由通信装置138从商业POI 104收集的等待时间数据132、经由移动装置142从众包应用收集的等待时间数据140和/或从天气监测系统106收集的天气状况数据144通过网络110(例如,互联网、局域网、广域网、蜂窝网络等)经由有线和/或无线连接(例如,电缆/DSL/卫星调制解调器、蜂窝塔等)传送到等待时间预测器112。
如图1所示,等待时间预测器112收集ETA数据146、当前等待时间数据148和历史等待时间数据150,其是基于POI数据116、位置数据120、等待时间数据132、140、天气状况数据144和/或其他收集的数据。等待时间预测器112利用ETA数据146、当前等待时间数据148和历史等待时间数据150来确定对于车辆102的ETA在商业兴趣点104处的预测等待时间。例如,等待时间预测器112利用ETA数据146确定ETA,并且利用当前等待时间数据148(例如,当前队列状况(诸如当前队列大小和当前等待时间)的数据)和历史等待时间数据150(例如,历史队列状况(诸如历史队列大小和历史等待时间)的数据)确定对于ETA的预测等待时间。等待时间预测器112将预测等待时间传送到车辆102的用户界面114,以使乘客118能够确定对商业POI 104的访问将如何影响他或她的最终目的地(例如,工作地点、家等)的ETA。
图2是图1的等待时间预测器112的示例性实施的框图,等待时间预测器112将利用ETA数据146、当前等待时间数据148和历史等待时间数据150来确定对于车辆(例如,图1的车辆102)到达商业兴趣点(例如,图1的商业POI 104)的ETA的预测等待时间。如图2所示,等待时间预测器112包括ETA确定器202、等待时间数据接收器204、等待时间计算器206和等待时间通信器208。在一些实例中,等待时间预测器112由位于车辆102中的处理器(例如,位于安装在车辆中的协议接口模块中)实施。在其他实例中,等待时间预测器112由位于车辆102外部并与车辆102中的处理器通信的处理器实施。
所示实例的ETA确定器202确定车辆102到达商业POI 104的ETA。在所示实例中,ETA确定器202从ETA计算器210获得ETA数据146,ETA计算器210与等待时间预测器112通信(例如,经由图1的网络110)。例如,ETA计算器210基于由GNSS 108(图1)提供的位置数据120、由天气监测系统106(图1)提供的天气状况数据144(例如,当前天气状况数据)和/或其他另外的信息(诸如车辆102去往商业POI 104的路线的交通数据)来计算车辆102到达商业POI 104的ETA。在其他实例中,ETA确定器202直接获得位置数据120、天气状况数据144和/或其他数据并计算ETA。
如图2所示,等待时间数据接收器204从当前数据聚合器212获得当前等待时间数据148,并从历史数据聚合器214获得历史等待时间数据150。例如,当前数据聚合器212收集、聚合和分析(例如,平均)商业POI 104的当前等待时间数据(例如,商业POI 104的等待时间数据132、140)以确定商业POI 104的当前队列大小(例如,人数、组数和/或订单数)和/或当前等待时间(例如,以秒、分钟、小时等为单位)。由等待时间数据接收器204接收的当前等待时间数据148包括由当前数据聚合器212计算的当前队列大小和/或当前等待时间。在其他实例中,等待时间预测器112的等待时间数据接收器204收集与商业POI 104相关联的等待时间数据132、140,并计算当前队列大小和/或当前等待时间。
所示实例的历史数据聚合器214收集、聚合和分析商业POI 104的过去等待时间数据。另外,历史数据聚合器214可以收集其他历史数据,诸如天气状况数据144。历史数据聚合器214利用过去的聚合等待时间数据来确定历史等待时间数据150的历史等待时间。此外,历史数据聚合器214识别其的一组状况和/或特性与对于ETA的商业POI 104的状况等效和/或基本相似的先前实例,并基于那些先前实例的所收集的等待时间数据来确定历史等待时间数据150的历史队列大小。例如,历史等待时间数据150的历史队列大小表示商业POI104处在以下时间的平均队列大小:在一天中的时间(例如,以15分钟为增量,诸如7:30-7:45AM、4:45-5:00PM等)、某一天(周一、周二等)、某个月(一月、二月等)、某个日期(某个月的第一天、某个月的第15天等)、某个季节(冬季、春季等)、天气状况(例如,晴天、雨天、暖天、零度以下天气等)和/或它们对应于车辆102的ETA的任何组合。例如,历史队列大小可以包括秋季在1:15PM和1:30PM之间下雨的所有星期一商业POI 104处的平均队列大小。在其他实例中,等待时间预测器112的等待时间数据接收器204收集与商业POI 104相关联的历史等待时间数据(例如,等待时间数据132、140)和/或其他历史数据(例如,天气状况数据144)并计算对于ETA商业POI 104的历史队列大小和/或历史等待时间。
等待时间预测器112的等待时间计算器206利用由等待时间数据接收器204获得的当前等待时间数据148(例如,当前队列大小、当前等待时间)和历史等待时间数据150(例如,历史队列大小、历史等待时间),以确定对于车辆102的ETA商业POI 104的预测等待时间。等待时间计算器206基于下面提供的等式1确定预测等待时间。
PWT=(CQS*(1-drf)+HQS*drf)*HWT
等式1
在上面提供的等式2中,PWT表示要确定的预测等待时间(例如,时间的测量),CQS表示商业POI 104处的当前队列大小数量(例如,顾客数量的测量),HQS表示对于ETA商业POI 104的历史队列大小(例如,顾客数量的测量),HWT表示商业POI 104的每个顾客的历史等待时间(例如,每个顾客的时间的测量),并且drf表示衰减率因子。衰减率因子是权重(例如,其值在0和1之间),其与车辆102到达商业POI 104的估计行驶时间相关。例如,因为车辆102离商业POI 104越远,当前等待状况越较少指示对于ETA的等待状况,所以衰减率因子随着车辆102接近商业POI 104而减小。因此,当车辆102远离商业POI 104时,等式的衰减率因子接近值1,并且当车辆102接近商业POI 104时,等式的衰减率因子接近值0。
为了基于上面提供的等式1确定对于ETA的预测等待时间,等待时间计算器206获得和/或确定当前队列大小CQS;历史队列大小HQS;每个顾客的历史等待时间HWT;和衰减率因子drf。例如,如果ETA确定器202估计车辆102将在10月的星期日下午大约2:22PM到达商业POI 104,则等待时间数据接收器204获得秋季的星期日2:15PM和2:30PM之间的时间段商业POI 104处历史队列大小HQS(例如5个顾客)。等待时间数据接收器204还获得每个顾客的历史等待时间HWT(例如,每个顾客1.5分钟),和当前队列大小CQS(例如,3个顾客)。此外,为了使等待时间计算器206能够确定衰减率因子的值,ETA确定器202获得与衰减率因子drf的值(例如,0.3)相关的车辆102到达商业POI 104的估计行驶时间(例如,20分钟)。基于收集的HQS、HWT、CQS和drf值,等待时间计算器206利用等式1来确定2:22PM商业POI 104处的预测等待时间(例如,约5.4分钟)。
此外,等待时间预测器112基于变化的状况(例如,当前队列大小、天气状况、ETA等的变化)重新计算和/或更新预测等待时间(例如,周期性地或非周期性地)。例如,车辆102的估计行驶时间随着车辆102接近商业POI 104减少,并且因此衰减率因子drf减小。因此,随着车辆102接近商业POI 104,历史队列大小对预测等待时间的影响减小,并且当前队列大小对预测等待时间的影响增加。因此,根据等式1,由等待时间计算器206确定的预测等待时间在车辆102距离商业POI 104较远时更多地受历史队列大小HQS的影响,并在车辆102距离商业POI 104较近时更多地受当前队列大小CQS的影响。
如图2所示,等待时间预测器112的等待时间通信器208将由等待时间计算器206确定的预测等待时间提供给用户界面114,以使得能够将预测等待时间显示和/或以其他方式传送给车辆102的乘客118。另外,等待时间通信器208和/或ETA确定器202可以将ETA和/或估计的行驶时间提供给用户界面114,以使得能够将这样的信息显示和/或以其他方式传送给车辆102的乘客118。
另外,用户界面114(例如,经由图8的显示器800)可以使得乘客118能够向商业POI104提交预订,使得针对ETA为乘客118准备好订单,从而大大减少了商业POI 104处的等待时间对乘客118的影响。在这样的实例中,等待时间预测器112识别何时提交预订。在一些实例中,因为当提交了预订时等待时间的重要性大大降低和/或可忽略不计,所以等待时间通信器208在识别出已经提交了预订时停止向用户界面114传送更新的预测等待时间。此外,等待时间预测器112和/或用户界面114可以收集和/或存储历史车辆数据,所述历史车辆数据包括关于车辆102所停的商业POI和/或车辆102在相应的商业POI处停下的时间的信息。在一些实例中,历史车辆数据识别商业POI(例如,商业POI 104)以及车辆进行常规和/或惯常行程的对应时间(例如,大约每个工作日早晨车辆102在约8:15AM到达商业POI 104)。
虽然图2中示出了实施图1的等待时间预测器112的示例性方式,但是可以以任何其他方式组合、划分、重新布置、省略、消除和/或实施图2中所示的元件、过程和/或装置中的一个或多个。此外,示例性ETA确定器202、示例性等待时间数据接收器204、示例性等待时间计算器206、示例性等待时间通信器208和/或更一般地图1的示例性等待时间预测器112可以通过硬件、软件、固件和/或硬件、软件和/或固件的任何组合来实施。因此,例如,示例性ETA确定器202、示例性等待时间数据接收器204、示例性等待时间计算器206、示例性等待时间通信器208和/或更一般地示例性等待时间预测器112中的任一个可以由一个或多个模拟或数字电路、逻辑电路、可编程处理器、专用集成电路(ASIC)、可编程逻辑装置(PLD)和/或现场可编程逻辑装置(FPLD)实施。当阅读本专利的用于涵盖纯粹的软件和/或固件实施的任何设备或系统权利要求时,示例性ETA确定器202、示例性等待时间数据接收器204、示例性等待时间计算器206、示例性等待时间通信器208和/或示例性等待时间预测器112中的至少一个在此明确定义为包括存储软件和/或固件的有形计算机可读存储装置或存储盘,诸如存储器、数字通用盘(DVD)、光盘(CD)、蓝光盘等。此外,除了图4所示的之外,或者代替图4中所示的,图1的示例性等待时间预测器112还可以包括一个或多个元件、过程和/或装置,和/或可以包括任何或所有示出的元件、过程和装置中的一个以上。
图3是示例性环境300的框图,其中车辆102与示例性数据聚合器302和GNSS 108通信(例如,经由图1的网络110)。如图3所示,车辆102包括远程信息处理控制单元(TCU)304、电子控制单元(ECU)306和接口模块308(例如,附件协议接口模块)。
接口模块308包括等待时间预测器112,等待时间预测器112确定对于ETA在商业POI 104(图1)处的预测等待时间。接口模块308与GNSS 108进行无线通信,例如,经由射频信号,以识别车辆102的位置数据120(图1)和/或ETA数据146(图1和图2)。此外,接口模块308与车辆102的用户界面114(图1和图2)通信,以使用户界面114能够将预测等待时间、ETA和/或其他信息传送给车辆102的乘客118。在一些实例中,接口模块308包括和/或其他无线连接。
如图3所示,接口模块308例如经由控制器局域网(即,CAN总线)和/或另一个局域网(例如,经由以太网连接)与TCU 304通信。例如,TCU 304是蜂窝数据调制解调器,其使得接口模块308能够与无线网络(例如,网络110)通信。此外,TCU 304与ECU 306和/或车辆102的其他ECU通信,例如,经由控制器局域网(即,CAN总线)和/或另一个局域网(例如,经由以太网连接)。ECU 306和/或车辆102的其他ECU中的每一个可以控制车辆102的电子系统(例如,碰撞预测系统、防抱死制动系统、门控制系统、发动机控制系统等)。
如图3所示,环境300包括数据库310(例如,商业POI数据库),数据库310收集并存储商业POI 104的等待时间数据132(图1)。例如,数据库310经由网络110(例如,经由互联网)与通信装置138通信,以接收从商业POI 104的订单处理系统130、相机134和/或传感器136(图1)收集的等待时间数据。此外,环境300包括数据库312(例如,众包应用数据库),数据库312收集并存储与商业POI 104相关联的等待时间数据140(图1),等待时间数据140例如经由商业POI 104的顾客126(图1)的移动装置142从众包应用获得。例如,数据库312经由网络110(例如,经由蜂窝网络(例如,4G LTE网络)和/或互联网)从移动装置142获得等待时间数据140。
数据库310和数据库312例如经由网络110(例如,经由互联网)与数据聚合器302通信。数据聚合器302聚合针对商业POI 104获得的等待时间数据132和/或等待时间数据140。例如,图3的数据聚合器302包括图2的当前数据聚合器212和/或历史数据聚合器214。
此外,数据聚合器302将当前等待时间数据148和历史等待时间数据150(图1)提供给接口模块308,以使等待时间预测器112能够确定对于ETA的预测等待时间。在车辆102包括TCU 304的所示实例中,接口模块308经由TCU 304和云基础设施314从数据聚合器302接收当前等待时间数据148和历史等待时间数据150。例如,数据聚合器302经由网络110(例如,经由互联网)与云基础设施314进行无线通信,云基础设施314经由网络110(例如,经由蜂窝网络)与TCU 304进行无线通信,并且TCU 304经由车辆102的局域网络与接口模块308通信。云基础设施314将与车辆102的TCU 304的连接限于已知的安全数据源,诸如数据聚合器302。
另外或另选地,接口模块308可以经由安装在移动装置316(例如,车辆102的乘客118的移动装置)中的应用从数据聚合器302接收当前等待时间数据148和历史等待时间数据150,所述移动装置316位于车辆102中和/或附近并与接口模块308进行无线通信。例如,当数据聚合器302无法与车辆102的TCU 304通信时,数据聚合器302经由移动装置316的应用与接口模块308通信。在其他实例中,当车辆102不包括TCU时,数据聚合器302经由移动装置316的应用与接口模块308通信。
在所示实例中,数据聚合器302经由网络110与移动装置316的应用进行无线通信(例如,经由蜂窝网络进行通信),并且移动装置316的应用与接口模块308进行无线通信(例如,经由)。此外,如图3所示,移动装置316的应用与云基础设施314通信,以使移动装置316的应用能够与车辆102的TCU 304通信和/或使云基础设施314能够限制数据聚合器302与移动装置316的应用之间的通信。
图4中示出了表示用于实施等待时间预测器112的示例性方法400的流程图。在这个实例中,可以使用机器可读指令来实施方法400,所述机器可读指令包括用于供处理器(诸如下文结合图9讨论的示例性处理器平台900中示出的处理器912)执行的程序。所述程序可以体现在存储在有形计算机可读存储介质(诸如CD-ROM、软盘、硬盘驱动器、数字通用盘(DVD)、蓝光光盘或与处理器912相关联的存储器)上的软件中,但是整个程序和/或其部分可以另选地由除处理器912之外的装置执行和/或体现在固件或专用硬件中。此外,尽管参考图4所示的流程图描述了示例性程序,但是可以另选地使用实施示例性等待时间预测器112的许多其他方法。例如,可以改变框的执行顺序,和/或可以改变、消除或组合所描述的框中的一些。
如上所述,图4的示例性方法400可以使用编码指令(例如,计算机和/或机器可读指令)来实施,所述编码指令存储在有形计算机可读存储介质(诸如硬盘驱动器、快闪存储器、只读存储器(ROM)、光盘(CD)、数字通用盘(DVD)、高速缓存、随机存取存储器(RAM)和/或任何其他存储装置或存储盘(其中信息被存储任何持续时间(例如,长时间、永久地、用于简短实例、用于暂时缓冲和/或用于高速缓存信息))上。如本文所使用,术语有形计算机可读存储介质被明确地定义为包括任何类型的计算机可读存储装置和/或存储盘,并且排除传播信号并排除传输介质。如本文所使用,“有形计算机可读存储介质”和“有形机器可读存储介质”可互换使用。另外或另选地,图4的示例性过程可以使用存储在非暂时性计算机和/或机器可读介质(诸如硬盘驱动器、快闪存储器、只读存储器、光盘、数字通用盘、高速缓存、随机存取存储器和/或任何其他存储装置或存储盘,其中信息被存储任何持续时间(例如,长时间、永久地、用于简短实例、用于暂时缓冲和/或用于高速缓存信息))上的编码指令(例如,计算机和/或机器可读指令)来实施。如本文所使用,术语非暂时性计算机可读介质明确地定义为包括任何类型的计算机可读存储装置和/或存储盘,并且排除传播信号并排除传输介质。如本文所使用,当短语“至少”被用作权利要求前言中的过渡词时,它以与术语“包括”是开放式的相同的方式而是开放式的。
参考图4,可以执行方法400以实施图1、图2和/或图3的等待时间预测器112以确定对于车辆ETA在商业兴趣点处的预测等待时间。最初,在框402处,ETA确定器202(图2)确定车辆102(图1)到达商业POI 104(图1)的ETA。例如,ETA确定器202从ETA计算器210(图2)接收包括ETA的ETA数据146(图1和图2)。在其他实例中,ETA确定器202基于ETA确定器202接收的其他数据(例如,图1的位置数据120和/或天气状况数据144)来计算ETA。
在框404,等待时间数据接收器204获得商业POI 104的等待时间数据。例如,等待时间数据接收器204从当前数据聚合器212(图2)和/或数据聚合器302(图3)收集包括当前等待时间和/或当前队列大小的当前等待时间数据148(图1和图2)。此外,等待时间数据接收器204确定是否存在要获得的商业兴趣点的其他等待时间数据(框406)。如果等待时间数据接收器204确定存在要获得的其他等待时间数据,则重复框404。例如,等待时间数据接收器204重复框404以从历史数据聚合器214(图2)和/或数据聚合器302收集包括历史等待时间和/或历史队列大小的历史等待时间数据150(图1和图2)。框404、406由等待时间数据接收器204重复,直到没有识别出其他等待时间数据。
在框408,等待时间计算器206(图2)基于在框402确定的ETA、在框404获得的等待时间数据和下文提供的等式2来确定预测等待时间。
PWT=(CQS*(1-drf)+HQS*drf)*HWT
等式2
在等待时间计算器206确定预测等待时间时,等待时间预测器112的等待时间通信器208(图2)将预测等待时间传送到用户界面114(图1和图2)(框410)。例如,等待时间通信器208将预测等待时间传送到用户界面114,以使用户界面114能够为车辆102的乘客118(图1)显示预测等待时间。
在框412处,等待时间预测器112确定车辆102的乘客118是否已经将预订提交给商业POI 104。例如,车辆102的乘客118可以经由车辆102的用户界面114和/或乘客118的移动装置316提交订单以为ETA做好准备。如果等待时间预测器112确定已经提交了预订,则示例性方法400结束。
如果等待时间预测器112没有确定已经提交了预订,则等待时间预测器112确定车辆102是否已经到达商业POI 104(框414)。如果等待时间预测器112确定车辆102处于商业POI 104,则示例性方法400结束。如果等待时间预测器112未确定车辆102处于商业POI104,则等待时间预测器112重复框402、404、406、408、410以确定更新的预测等待时间(例如,当车辆102继续行驶到商业POI 104)。此外,重复框402、404、406、408、410、412、414,直到向商业POI 104提交预订或者车辆102到达商业POI 104。
图5至图8示出了用户界面114的相应显示器500、600、700、800,其使得车辆102(图1)的乘客118(图1)能够选择和接收关于商业POI 104(图1)的信息。更具体地,图5的显示器500包括文本框502,文本框502使乘客118(例如,车辆102的驾驶员)能够经由显示的键506输入搜索项504(例如,“附近的咖啡”)。在其他实例中,搜索项504可以由乘客118经由另一种方法诸如语音命令而输入。
图6的显示器600包括匹配和/或满足图5的搜索项504的兴趣点的列表602。例如,基于商业类别(例如,咖啡店、干洗店、餐馆、邮局等)、预定地理区域(例如,北印第安纳州、南本德市、圣母大学校园等)、距车辆的当前位置的距离(例如,在当前位置5英里内)、距车辆的预定行驶路线的距离(例如,沿着南本德、印第安纳和密歇根州底特律之间的行驶路线0.5英里内)和/或指示到商业兴趣点的常规和/或惯常行程(例如,大约每个工作日早晨约8:15AM到Tim 的行程)的历史车辆数据(例如,由图1至图3的等待时间预测器112和/或用户界面114存储),来识别、组织和/或选择兴趣点的列表602。如图6所示,显示器600包括滚动条604,以使显示器600能够以对乘客118清晰的方式呈现兴趣点的列表602。例如,乘客可以通过点击和/或按下兴趣点的列表602的项目和/或通过语音命令来选择商业POI 104。
图7的显示器700包括地图702,地图702提供车辆102的当前位置和到所选商业POI104的方向。在所示实例中,显示器700提供至商业POI 104的距离704(例如,14.6千米)。另外或另选地,显示器700可以提供针对商业POI 104的ETA。此外,所示实例的显示器700提供预测等待时间706(例如,10分钟等待时间)。在一些实例中,用户界面114可以将距离商业POI 104的距离704和/或商业POI 104处的预测等待时间可听地传送给乘客118。如图8所示,示例性显示器800使乘客能够向商业POI 104提交预订(例如,经由预订按钮802和/或语音命令),所述预订将被准备好在估计到达时间提取以使乘客能够减少和/或消除他或她将在商业兴趣点104的队列(例如,图1的队列122)中等待的时间量。
图9是被结构化成执行指令以实施图4的方法400和图2的等待时间预测器112的示例性处理器平台900的框图。处理器平台900可以是例如服务器、个人计算机、移动装置(例如,手机、智能手机、平板电脑(诸如iPadTM))、个人数字助理(PDA)、互联网设备、DVD播放器、CD播放器、数字录像机、蓝光播放器、游戏控制台、个人录像机、机顶盒或任何其他类型的计算装置。
所示实例的处理器平台900包括处理器912。所示实例的处理器912是硬件。例如,处理器912可以由来自任何期望的系列或制造商的一个或多个集成电路、逻辑电路、微处理器或控制器来实施。所示实例的处理器912包括ETA确定器202、等待时间数据接收器204、等待时间计算器206、等待时间通信器208和/或更一般地等待时间预测器112。
所示实例的处理器912包括本地存储器913(例如,高速缓存)。所示实例的处理器912经由总线918与包括易失性存储器914和非易失性存储器916的主存储器通信。易失性存储器914可以通过同步动态随机存取存储器(SDRAM)、动态随机存取存储器(DRAM)、RAMBUS动态随机存取存储器(RDRAM)和/或任何其他类型的随机存取存储器装置来实施。非易失性存储器916可以通过快闪存储器和/或任何其他期望类型的存储器装置来实施。对主存储器914、916的访问由存储器控制器控制。
所示实例的处理器平台900还包括接口电路920。接口电路920可以通过任何类型的接口标准来实施,诸如以太网接口、通用串行总线(USB)和/或PCI express接口。
在所示实例中,一个或多个输入装置922连接到接口电路920。输入装置922允许用户将数据和命令输入到处理器912中。输入装置可以通过例如音频传感器、传声器、相机(静态或视频)、键盘、按钮、鼠标、触摸屏、轨迹板、轨迹球、等距点和/或语音识别系统来实施。
一个或多个输出装置924还连接到所示实例的接口电路920。输出装置924可以例如通过显示装置(例如,发光二极管(LED)、有机发光二极管(OLED)、液晶显示器、阴极射线管显示器(CRT)、触摸屏、触觉输出装置、打印机和/或扬声器)来实施。因此,所示实例的接口电路920通常包括图形驱动程序卡、图形驱动程序芯片或图形驱动程序处理器。
所示实例的接口电路920还包括通信装置,诸如传输器、接收器、收发器、调制解调器和/或网络接口卡,以促进经由网络926(例如,以太网连接、数字用户线(DSL)、电话线、同轴电缆、蜂窝电话系统等)而与外部机器(例如,任何种类的计算装置)交换数据。
所示实例的处理器平台900还包括用于存储软件和/或数据的一个或多个大容量存储装置928。这种大容量存储装置928的实例包括软盘驱动器、硬盘驱动器、光盘驱动器、蓝光光盘驱动器、RAID系统以及数字通用盘(DVD)驱动器。
用于实施图4的方法400的编码指令932可以存储在大容量存储装置928中、易失性存储器914中、非易失性存储器916中和/或可移除的有形计算机可读存储介质(诸如CD或DVD)上。
从前述内容可以理解,上述公开的方法、设备和制品可以用于基于商业兴趣点的历史等待时间数据和当前等待时间数据,来确定对于车辆的估计到达时间在商业兴趣点处的预测等待时间。通过利用当前等待时间数据,上述公开的方法、设备和制品使得预测等待时间能够在商业兴趣点的当前状况指示估计到达时间的状况时(例如,当车辆接近商业兴趣点时)考虑当前状况。此外,通过利用历史等待时间数据,上述公开的方法、设备和制品使得预测等待时间能够在当前状况可能不指示估计到达时间的状况时(例如,当车辆远离商业兴趣点时)考虑商业兴趣点的历史状况。
尽管本文已经公开了某些示例性方法、设备和制品,但是本专利的涵盖范围不限于此。相反,本专利涵盖了完全属于本专利的权利要求范围内的所有方法、设备和制品。
Claims (20)
1.一种方法,其包括:
确定车辆到达商业兴趣点的估计到达时间;
获得对于所述商业兴趣点的所述估计到达时间的当前等待时间数据和历史等待时间数据;
经由处理器基于所述当前等待时间数据和所述历史等待时间数据,确定对于所述估计到达时间的预测等待时间;以及
将所述预测等待时间传送到所述车辆的用户界面。
2.根据权利要求1所述的方法,其还包括基于商业兴趣点类别、预定地理区域、距所述车辆的当前位置的距离、距所述车辆的预定行驶路线的距离、或指示所述车辆到所述商业兴趣点的常规行程的历史车辆数据中的至少一个来识别所述商业兴趣点。
3.根据权利要求1所述的方法,其中经由安装在所述商业兴趣点处的相机、安装在所述商业兴趣点处的传感器、所述商业兴趣点的订单处理系统或供在所述商业兴趣点处等待的顾客使用的众包应用中的至少一个来收集所述商业兴趣点的所述当前等待时间数据。
4.根据权利要求3所述的方法,其中经由所述相机、所述传感器、所述订单处理系统、所述众包应用或天气监测系统中的至少一个来收集所述商业兴趣点的所述历史等待时间数据。
5.根据权利要求1所述的方法,其中基于所述当前等待时间数据和所述历史等待时间数据来确定所述预测等待时间包括基于当前队列大小、历史队列大小、历史等待时间和衰减率因子来确定所述预测等待时间。
6.根据权利要求5所述的方法,其中所述衰减率因子随着所述车辆接近所述商业兴趣点而减小,以减小所述历史队列大小对所述预测等待时间的影响。
7.根据权利要求1所述的方法,其中确定所述商业兴趣点的所述预测等待时间还基于当前天气状况数据。
8.根据权利要求1所述的方法,其中获得所述当前等待时间数据和所述历史等待时间数据包括经由安装在所述车辆中并与所述处理器通信的远程信息处理控制单元无线地接收所述当前等待时间数据和所述历史等待时间数据。
9.根据权利要求1所述的方法,其中获得所述当前等待时间数据和所述历史等待时间数据包括经由在所述车辆中并与所述处理器通信的移动装置无线地接收所述当前等待时间数据和所述历史等待时间数据。
10.根据权利要求1所述的方法,其还包括向所述商业兴趣点提交预订,以为所述车辆的所述估计到达时间做好准备。
11.一种设备,其包括:
ETA确定器,其用于确定车辆到达商业兴趣点的估计到达时间;
等待时间数据接收器,其用于获取所述商业兴趣点的当前等待时间数据和历史等待时间数据;
等待时间计算器,其用于基于所述当前等待时间数据和所述历史等待时间数据确定对于所述估计到达时间的预测等待时间;以及
等待时间通信器,其用于将所述预测等待时间传送到用户界面。
12.根据权利要求11所述的设备,其中所述等待时间数据接收器从当前数据聚合器获得所述当前等待时间数据,所述当前数据聚合器聚合从安装在所述商业兴趣点处的相机、安装在所述商业兴趣点处的传感器、所述商业兴趣点的订单处理系统或供在所述商业兴趣点处等待的顾客使用的众包应用中的至少一个收集的数据。
13.根据权利要求12所述的设备,其中所述等待时间数据接收器从历史数据聚合器获得所述历史等待时间数据,所述历史数据聚合器聚合从所述相机、所述传感器、所述订单处理系统、所述众包应用或天气监测系统中的至少一个收集的数据。
14.根据权利要求11所述的设备,其中为了基于所述当前等待时间数据和所述历史等待时间数据确定所述预测等待时间,所述等待时间计算器基于当前队列大小、历史队列大小、历史等待时间和衰减率因子来确定所述预测等待时间,所述衰减率因子随着所述车辆接近所述商业兴趣点而减小,以随着所述车辆接近商业兴趣点而减小所述历史队列大小对所述预测等待时间的影响。
15.根据权利要求11所述的设备,其中所述等待时间计算器基于当前天气状况数据来确定所述商业兴趣点的所述预测等待时间。
16.根据权利要求11所述的设备,其中为了获得所述当前等待时间数据和所述历史等待时间数据,所述等待时间数据接收器经由安装在所述车辆中的远程信息处理控制单元无线地接收所述当前等待时间数据和所述历史等待时间数据。
17.根据权利要求11所述的设备,其中为了获得所述当前等待时间数据和所述历史等待时间数据,所述等待时间数据接收器经由位于所述车辆中的移动装置无线地接收所述当前等待时间数据和所述历史等待时间数据。
18.一种有形计算机可读存储介质,其包括指令,所述指令在被执行时使机器至少:
确定车辆到达商业兴趣点的估计到达时间;
基于所述估计到达时间的历史等待时间数据和所述商业兴趣点的当前等待时间数据来确定对于所述估计到达时间的预测等待时间;以及
将对于所述估计到达时间的所述预测等待时间传送到用户界面。
19.根据权利要求18所述的有形计算机可读存储介质,其中所述指令还使所述机器基于商业兴趣点类别、预定地理区域、距所述车辆的当前位置的距离、距所述车辆的预定行驶路线的距离或指示所述车辆到所述商业兴趣点的常规行程的历史车辆数据中的至少一个来识别所述商业兴趣点。
20.根据权利要求18所述的有形计算机可读存储介质,其中所述指令还使所述机器向所述商业兴趣点提交预订,以为所述车辆的所述估计到达时间做好准备。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2016/034064 WO2017204794A1 (en) | 2016-05-25 | 2016-05-25 | Predicting a point-of-interest wait time for an estimated time-of-arrival |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109154507A true CN109154507A (zh) | 2019-01-04 |
CN109154507B CN109154507B (zh) | 2023-04-14 |
Family
ID=60412465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680085945.5A Active CN109154507B (zh) | 2016-05-25 | 2016-05-25 | 预测对于估计到达时间的兴趣点等待时间 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10955260B2 (zh) |
CN (1) | CN109154507B (zh) |
DE (1) | DE112016006790T5 (zh) |
WO (1) | WO2017204794A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490357A (zh) * | 2019-07-02 | 2019-11-22 | 北京星选科技有限公司 | 等待时间的确认方法、装置、服务器、电子设备 |
CN110490356A (zh) * | 2019-07-02 | 2019-11-22 | 北京星选科技有限公司 | 界面显示方法、装置、电子设备 |
CN112767727A (zh) * | 2019-10-21 | 2021-05-07 | 现代自动车株式会社 | 使用v2v通信估计车辆目的地处的等待时间的方法和系统 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400024B (zh) * | 2019-07-31 | 2021-03-30 | 京东城市(北京)数字科技有限公司 | 订单预测的方法、装置、设备和计算机可读存储介质 |
CN113554206A (zh) * | 2020-04-26 | 2021-10-26 | 百度在线网络技术(北京)有限公司 | 等车时间预估方法、装置、设备及存储介质 |
EP4222453A1 (en) * | 2020-10-02 | 2023-08-09 | Kepler Gate Ltd | Apparatus and methods for controlling the arrival of consumers and/or parcels |
CN113780608A (zh) * | 2020-11-18 | 2021-12-10 | 京东城市(北京)数字科技有限公司 | 基于车辆数据的排队时长预估方法、装置及相关设备 |
CN114051057B (zh) * | 2021-11-01 | 2023-11-03 | 北京百度网讯科技有限公司 | 云设备排队时长的确定方法、装置、电子设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779367A (zh) * | 2012-07-13 | 2012-11-14 | 南京信息工程大学 | 一种预估业务处理时间的排队处理系统及排队机调度方法 |
JP2014020936A (ja) * | 2012-07-18 | 2014-02-03 | Nissan Motor Co Ltd | 車両用情報提供システム |
CN104657826A (zh) * | 2015-02-15 | 2015-05-27 | 百度在线网络技术(北京)有限公司 | 资源分配方法和装置 |
CN105224992A (zh) * | 2014-05-28 | 2016-01-06 | 国际商业机器公司 | 对等待乘客数进行预测的方法和系统以及评价方法和系统 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8611919B2 (en) * | 2002-05-23 | 2013-12-17 | Wounder Gmbh., Llc | System, method, and computer program product for providing location based services and mobile e-commerce |
US8355870B2 (en) * | 2007-05-03 | 2013-01-15 | Hti Ip, Llc | Methods, systems, and apparatuses for telematics navigation |
US20080290182A1 (en) * | 2007-05-23 | 2008-11-27 | International Business Machines Corporation | System and method for calculating wait-time for checkout |
US7974873B2 (en) * | 2008-03-06 | 2011-07-05 | Now On Wireless, Llc | Just in time pickup or receipt of goods or services by a mobile user |
US20100153207A1 (en) * | 2008-12-11 | 2010-06-17 | Randy Roberts | Method and system for providing consumer services with a telematics system |
US8837705B2 (en) * | 2011-04-06 | 2014-09-16 | Avaya Inc. | Real-time probability based contact handling time |
US20130304534A1 (en) * | 2011-05-05 | 2013-11-14 | Manish K. Mehta | Wait Time Notification System |
US20140180848A1 (en) * | 2012-12-20 | 2014-06-26 | Wal-Mart Stores, Inc. | Estimating Point Of Sale Wait Times |
US20140257914A1 (en) * | 2013-03-08 | 2014-09-11 | Bank Of America Corporation | Providing interaction efficiency information to a customer |
US20150026006A1 (en) * | 2013-07-17 | 2015-01-22 | Google Inc. | Point-of-interest latency prediction using mobile device location history |
US20150081348A1 (en) * | 2013-09-13 | 2015-03-19 | Scott C. Avera | Systems and methods using crowd sourced wait time information |
US10332140B2 (en) * | 2014-11-26 | 2019-06-25 | Paypal, Inc. | Line management based on user tolerance |
US20160314482A1 (en) * | 2015-04-27 | 2016-10-27 | Gourab Basu | Determination of resource provider conditions using transaction data |
WO2016176506A1 (en) * | 2015-04-28 | 2016-11-03 | Blazer And Flip Flops, Inc Dba The Experience Engine | Intelligent prediction of queue wait times |
US9671230B2 (en) * | 2015-06-11 | 2017-06-06 | Harman International Industries, Inc | Approaches to crowdsourced-based wait time estimates |
US20170178084A1 (en) * | 2015-12-22 | 2017-06-22 | International Business Machines Corporation | Reducing waiting time for activities at a venue |
US10169996B2 (en) * | 2017-05-17 | 2019-01-01 | Here Global B.V. | Method and apparatus for estimation of waiting time to park |
-
2016
- 2016-05-25 DE DE112016006790.9T patent/DE112016006790T5/de active Pending
- 2016-05-25 US US16/303,263 patent/US10955260B2/en active Active
- 2016-05-25 CN CN201680085945.5A patent/CN109154507B/zh active Active
- 2016-05-25 WO PCT/US2016/034064 patent/WO2017204794A1/en active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779367A (zh) * | 2012-07-13 | 2012-11-14 | 南京信息工程大学 | 一种预估业务处理时间的排队处理系统及排队机调度方法 |
JP2014020936A (ja) * | 2012-07-18 | 2014-02-03 | Nissan Motor Co Ltd | 車両用情報提供システム |
CN105224992A (zh) * | 2014-05-28 | 2016-01-06 | 国际商业机器公司 | 对等待乘客数进行预测的方法和系统以及评价方法和系统 |
CN104657826A (zh) * | 2015-02-15 | 2015-05-27 | 百度在线网络技术(北京)有限公司 | 资源分配方法和装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490357A (zh) * | 2019-07-02 | 2019-11-22 | 北京星选科技有限公司 | 等待时间的确认方法、装置、服务器、电子设备 |
CN110490356A (zh) * | 2019-07-02 | 2019-11-22 | 北京星选科技有限公司 | 界面显示方法、装置、电子设备 |
CN112767727A (zh) * | 2019-10-21 | 2021-05-07 | 现代自动车株式会社 | 使用v2v通信估计车辆目的地处的等待时间的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
US10955260B2 (en) | 2021-03-23 |
DE112016006790T5 (de) | 2019-01-24 |
WO2017204794A1 (en) | 2017-11-30 |
US20190204109A1 (en) | 2019-07-04 |
CN109154507B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109154507A (zh) | 预测对于估计到达时间的兴趣点等待时间 | |
US10679312B2 (en) | Dynamic autonomous vehicle servicing and management | |
US11443388B2 (en) | Detecting transportation company trips in a vehicle based upon on-board audio signals | |
US20180315146A1 (en) | Dynamic autonomous vehicle matching optimization | |
WO2017016517A1 (zh) | 确定交通服务费用的方法及系统 | |
US9541411B2 (en) | Navigation system with destination travel category extraction measurement capture mechanism and method of operation thereof | |
US20180314998A1 (en) | Resource Allocation in a Network System | |
CN104034336A (zh) | 用于选择导航路线并提供沿路广告的方法和系统 | |
US11574208B2 (en) | Predicting refueling information for a client device | |
US20210350635A1 (en) | Determining vehicle service timeframes based on vehicle data | |
US20200210905A1 (en) | Systems and Methods for Managing Networked Vehicle Resources | |
WO2019205815A1 (en) | Systems and methods for determining candidate service providers | |
JP2019020787A (ja) | 車両の走行スケジュールを管理するためのシステム、方法、及びプログラム | |
WO2019087595A1 (ja) | 移動体分布状況予測装置及び移動体分布状況予測方法 | |
JP2014052288A (ja) | 情報配信装置、情報配信方法及びプログラム | |
AU2018217973A1 (en) | Dynamic selection of geo-based service options in a network system | |
JP2016045628A (ja) | 駐停車位置案内システム、駐停車位置案内方法、センター装置及び駐停車位置案内装置 | |
US20220341742A1 (en) | Systems and methods for route reconstruction | |
CN112805762A (zh) | 提高交通状况可视化的系统和方法 | |
US20240089325A1 (en) | Using contextual information for vehicle trip loss risk assessment scoring | |
CN110998615A (zh) | 用于确定服务请求费用的系统和方法 | |
JP2018180906A (ja) | 混雑予測プログラム、混雑予測装置、及び混雑予測方法 | |
US20210116582A1 (en) | Method and system for estimating a wait time at a destination of a vehicle using v2v communication | |
JP2017168040A (ja) | 保険条件決定装置、保険条件決定方法、およびプログラム | |
US20230053647A1 (en) | Systems and methods for reachability of different destinations |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |