CN110447050A - 用于在线按需服务中分配订单的系统和方法 - Google Patents
用于在线按需服务中分配订单的系统和方法 Download PDFInfo
- Publication number
- CN110447050A CN110447050A CN201780088750.0A CN201780088750A CN110447050A CN 110447050 A CN110447050 A CN 110447050A CN 201780088750 A CN201780088750 A CN 201780088750A CN 110447050 A CN110447050 A CN 110447050A
- Authority
- CN
- China
- Prior art keywords
- driver
- order
- matching
- value
- pair
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000009826 distribution Methods 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims description 39
- 238000004422 calculation algorithm Methods 0.000 claims description 34
- 238000003860 storage Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 description 38
- 230000008859 change Effects 0.000 description 12
- 230000004048 modification Effects 0.000 description 12
- 238000012986 modification Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000010606 normalization Methods 0.000 description 6
- 238000002203 pretreatment Methods 0.000 description 5
- 230000003190 augmentative effect Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 239000011521 glass Substances 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000018199 S phase Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- VJYFKVYYMZPMAB-UHFFFAOYSA-N ethoprophos Chemical compound CCCSP(=O)(OCC)SCCC VJYFKVYYMZPMAB-UHFFFAOYSA-N 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012772 sequence design Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
- G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
-
- 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
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
提供了用于在线按需服务中的分配订单的系统和方法。一种方法可以包括:获取至少两个司机‑订单对,每个司机‑订单对包括待分配订单和待分配司机;为每个司机‑订单对,至少部分地基于每个司机‑订单对中的司机和订单确定第一匹配价值,获取分配系数,其中分配系数与每个司机‑订单对中的司机的服务评分相关联,并基于第一匹配价值和分配系数确定调整后的匹配价值;从至少两个司机‑订单对识别至少两个匹配的司机‑订单对,每个匹配的司机‑订单对包括待分配订单和相应的匹配司机,其中至少两个匹配的司机‑订单对是相互独立的,并且对应于至少两个匹配的司机‑订单对的至少两个调整后的匹配价值的和是最大化的;并将每个订单分配给相应的匹配司机。
Description
技术领域
本申请一般涉及用于提供在线按需服务的系统和方法,尤其涉及用于在线按需服务中分配订单的系统和方法。
背景技术
按需运输服务,特别是在线约车服务已变得越来越流行。当服务请求者(例如,乘客)在预定时间段内通过在线约车服务平台发起请求车辆的订单时,服务器可以分别为订单分配服务提供者(例如,司机)。分配订单的现有技术的问题在于,在某些情况下,在分配订单时不考虑服务提供者的先前记录。例如,具有较高服务评分评分的服务提供者在分配给总体上产生较低利润的订单之后可能具有较低的总收入。因此,希望提供用于基于提供者的服务记录分配订单的系统和方法(例如,以增加具有更高服务评分的服务提供者的总收入)。
发明内容
根据本申请的一个方面,一种系统可以包括至少一个计算机可读存储介质,其包括用于在在线按需服务中分配订单的一组指令,以及与计算机可读存储介质通信的至少一个处理器,其中,当执行该组指令时,该至少一个处理器可以用于:获取至少两个司机-订单对,每个司机-订单对包括待分配订单和待分配司机;对于每个司机-订单对,至少部分基于每个司机-订单对的司机和订单,确定第一匹配价值,获取分配系数,其中所述分配系数与每个司机-订单对中的司机的服务评分相关联,并基于第一匹配价值和分配系数确定调整后的匹配价值;从至少两个司机-订单对中识别至少两个匹配的司机-订单对,每个匹配的司机-订单对包括待分配订单和相应的匹配司机,其中至少两个匹配的司机-订单对是相互独立的,并且对应于至少两个匹配的司机-订单对的至少两个调整后的匹配价值的和是最大化的;并将每个订单分配给相应的匹配司机。
在一些实施例中,为了获取所述至少两个司机-订单对,所述至少一个处理器还被用于在预设时间段内从至少两个乘客终端中获取至少两个待分配订单。
在一些实施例中,对于每个司机-订单对,为至少部分地基于每个司机-订单对中司机和订单来确定第一匹配价值,所述至少一个处理器还用于:基于与订单相关的乘客出发点、目的地和出发时间确定订单值;确定司机从司机出发点驾驶至乘客出发点所产生的司机成本;确定司机在司机出发点时对司机的预估价值与司机在目的地时对司机的预估价值之间的预估价值差;并基于订单值、司机成本和预估价值差,确定第一匹配价值。
在一些实施例中,为了确定预估价值差,所述至少一个处理器还用于基于与至少两个司机相关联的历史业务信息,根据马尔可夫决策过程(MDP),确定预估价值差。
在一些实施例中,所述至少一个处理器还用于:归一化第一匹配价值。
在一些实施例中,所述至少一个处理器基于司机出发点、乘客出发点、与司机相关联的车型和/或交通状况中的至少一个,确定司机成本。
在一些实施例中,为从至少两个司机-订单对识别至少两个匹配的司机-订单对,所述至少一个处理器还用于:创建一个二分图,包括至少两个司机-订单对和至少两个司机-订单对的调整后的匹配价值,其中调整后的匹配价值是司机-订单对的边权;根据二分图匹配算法,基于二分图,从所述至少两个司机-订单对识别至少两个匹配的司机-订单对。
在一些实施例中,二分图匹配算法包括库恩-曼克莱斯(KM)算法。
根据本申请的另一方面,用于在在线按需服务中分配订单的方法可以在具有至少一个处理器、至少一个计算机可读存储介质和连接到网络的通信平台的计算设备上实现。该方法可以包括一个或以上以下操作:获取至少两个司机-订单对,每个司机-订单对包括待分配订单和待分配司机;对于每个司机-订单对,至少部分地基于每个司机-订单对的司机和订单确定第一匹配价值,获取分配系数,其中所述分配系数与每个司机-订单对中的司机的服务评分相关联,并基于第一匹配价值和分配系数确定调整后的匹配价值;从至少两个司机-订单对识别至少两个匹配的司机-订单对,每个匹配的司机-订单对包括待分配订单和相应的匹配司机,其中至少两个匹配的司机-订单对是相互独立的,并且对应于至少两个匹配的司机-订单对的至少两个调整后的匹配价值的和是最大化的;并将每个订单分配给相应的匹配司机。
在一些实施例中,获取至少两个司机-订单对可包括在预设时间内从至少两个乘客终端获取至少两个待分配订单。
在一些实施例中,对于每个司机-订单对,所述至少部分地基于每个司机-订单对中的司机和订单确定第一匹配价值可以包括一个或以上以下操作:基于与订单相关的乘客出发点、目的地和出发时间确定订单值;确定司机从司机出发点驾驶至乘客出发点所产生的司机成本;确定司机在司机出发点时对司机的预估价值与司机在目的地时对司机的预估价值之间的预估价值差;并基于订单值、司机成本和预估价值差确定第一匹配价值。
在一些实施例中,所述确定预估价值差可以包括基于与多个司机相关联的历史业务信息,根据马尔可夫决策过程(MDP)确定预估价值差。
在一些实施例中,所述方法可以进一步包括以下操作:归一化第一匹配价值。
在一些实施例中,所述司机成本可以基于司机出发点、乘客出发点、与司机相关联的车型和/或交通状况中的至少一个来确定。
在一些实施例中,从至少两个司机-订单对识别至少两个匹配的司机-订单对可以包括一个或以上以下操作:创建一个二分图,包括至少两个司机-订单对和至少两个司机-订单对的调整后的匹配价值,其中调整后的匹配价值是司机-订单对的边权;根据二分图匹配算法,基于二分图从至少两个司机-订单对识别至少两个匹配的司机-订单对。
在一些实施例中,所述二分图匹配算法可以包括库恩-曼克莱斯(KM)算法。
根据本申请的又一方面,一种非暂时性计算机可读介质,包括用于在在线按需服务中分配订单的至少一组指令,其中当由计算机设备的至少一个处理器执行时,所述至少一组指令指示所述至少一个处理器:获取至少两个司机-订单对,每个司机-订单对包括待分配订单和待分配司机;对于每个司机-订单对,至少部分基于每个司机-订单对的司机和订单确定第一匹配价值,获取分配系数,其中分配系数与每个司机-订单对中的司机的服务评分相关联,并基于第一匹配价值和分配系数确定调整后的匹配价值;从至少两个司机-订单对识别至少两个匹配的司机-订单对,每个匹配的司机-订单对包括待分配订单和相应的匹配司机,其中至少两个匹配的司机-订单对是相互独立的,并且对应于至少两个匹配的司机-订单对的至少两个调整后的匹配价值的和是最大化的;并将每个订单分配给相应的匹配司机。
附图说明
本申请将通过示例性实施例进行进一步描述。与附图一起阅读时,下面的详细描述将更清楚的说明本申请的前述内容和实施例的其他方面。
图1是根据本申请的一些实施例所示的用于在在线按需服务中分配订单的示例性系统的框图;
图2是根据本申请的一些实施例所示的计算设备的示例性硬件和/或软件组件的示意图;
图3是根据本申请的一些实施例所示的移动设备的示例性硬件和/或软件组件的示意图;
图4是根据本申请的一些实施例所示的示例性处理引擎的框图;
图5是根据本申请的一些实施例所示的用于在在线按需服务中分配订单的示例性过程和/或方法的流程图;
图6是根据本申请的一些实施例所示的用于获取至少两个司机-订单对的示例性过程和/或方法的流程图;
图7是根据本申请的一些实施例所示的用于确定第一匹配价值的示例性过程和/或方法的流程图;
图8是根据本申请的一些实施例所示的用于确定预估价值差的示例性过程和/或方法的流程图;
图9是根据本申请的一些实施例所示的用于确定每个订单的匹配司机的示例性过程和/或方法的流程图;以及
图10是根据本申请的一些实施例所示的示例性二分图的示意图。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和利用本申请,并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲,显然可以对所披露的实施例作出各种改变,并且在不偏离本申请的原则和范围的情况下,本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此,本申请并不限于所描述的实施例,而应该被给予与权利要求一致的最广泛的范围。
本申请中所使用的术语仅用于描述特定的示例性实施例,并不限制本申请的范围。如本申请使用的单数形式“一”、“一个”及“该”可以同样包括复数形式,除非上下文明确提示例外情形。还应当理解,如在本说明书中所示,术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件,但并不排除存在或添加一个或以上其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。
在考虑了作为本申请一部分的附图的描述内容后,本申请的特征和特点以及操作方法、结构的相关元素的功能、各部分的组合、制造的经济性变得显而易见。然而,应当理解,附图仅仅是为了说明和描述的目的,并不旨在限制本申请的范围。应当理解的是,附图并不是按比例绘制的。
本申请中使用了流程图用来说明根据本申请的一些实施例的系统所执行的操作。应当理解的是,流程图中的操作可以不按顺序执行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将一个或以上其他操作添加到这些流程图中。也可以从流程图中删除一个或以上操作。
此外,尽管本申请中的系统和方法主要是关于在线汽车欢迎服务来描述的,但是还应该理解,这仅是一个示例性实施例。本申请的系统和方法可能适用于其他任一种按需服务。例如,本申请的系统和方法可以应用于不同的运输系统,包括陆地、海洋、航空航天等或其任意组合。所述运输系统的交通工具可以包括出租车、私家车、顺风车、公交车、火车、动车、高铁、地铁、船舶、飞机、飞船、热气球、无人驾驶的车辆等或其任意组合。所述运输系统也可以包括应用管理和/或分配的任一运输系统,例如,发送和/或接收快递的系统。本申请的系统或方法的应用场景可以包括网页、浏览器插件、客户端、定制系统、内部分析系统、人工智能机器人等或其任意组合。
本申请中的术语“司机”可以指与司机相关的信息和/或特征的组合。与司机相关的信息或特征可包括司机标识(例如,司机的登记号码)、司机出发点、司机所拥有的车辆的车型、车辆标识(例如,车辆的车牌号)、司机简档(例如,司机的服务评分)等,或其任何组合。本申请中的术语“订单”可以指与订单相关联的信息或与订单相关联的特征。与订单相关联的信息或特征可以包括订单号、订单出发点、订单目的地、订单出发时间、发起订单的乘客、订单类型等,或其任何组合。
本申请中的位置和/或轨迹可以通过嵌入在用户终端(例如,乘客终端、司机终端)中的定位技术来获取。本申请中使用的定位技术可以包括全球定位系统(GPS)、全球卫星导航系统(GLONASS)、北斗导航系统(COMPASS)、伽利略定位系统、准天顶卫星系统(QZSS)、无线保真(Wi-Fi)定位技术等或其任意组合。以上定位技术中的一个或以上可以在本申请中交换使用。
本申请的一个方面涉及用于在按需服务中分配订单的在线系统和方法。根据本申请,该系统和方法可以构造具有至少两个司机和订单作为顶点的二分图。对于在二分图中每个司机-订单对,所述系统和方法可以部分地基于与每个司机的服务评分相关联的权值来计算匹配价值。司机的服务评分越高,司机-订单对的权值越高。匹配价值可以是二分图中的至少两个司机-订单对的边权。所述系统和方法可以根据基于KM算法计算二分图的权值的和的最大值来确定最佳分配策略,以将每个订单分配给相应的匹配司机。
图1是根据本申请的一些实施例所示的用于在在线按需服务中分配订单的示例性系统100的框图。例如,系统100可以是用于运输服务的在线运输服务平台,例如网约车服务、专车服务、车辆递送服务、拼车服务、公共汽车服务、代驾服务和班车服务等。系统100可以包括服务器110、乘客终端120、存储器130、司机终端140、网络150和信息源160。该服务器110可包含处理引擎112。
服务器110可以被配置为用于处理与至少两个服务请求者发起的订单有关的信息和/或数据,例如,网约车订单。例如,服务器110可以从乘客终端120接收至少两个订单,并根据分配策略处理订单以将每个订单分配给相应的司机终端140。在一些实施例中,服务器110可以是单个服务器,也可以是服务器组。所述服务器组可以是集中式的,也可以是分布式的(例如,服务器110可以是分布式的系统)。在一些实施例中,服务器110可以是本地的,也可以是远程的。例如,服务器110可以经由网络150访问存储在乘客终端120、司机终端140和/或存储器130中的信息和/或数据。又例如,服务器110可以直接连接到乘客终端120、司机终端140和/或存储器130以访问存储的信息和/或数据。在一些实施例中,服务器110可以在云平台上实施。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中,服务器110可以在本申请中的图2描述的包含了一个或以上组件的计算设备上执行。
在一些实施例中,服务器110可以包括处理引擎112。处理引擎112可以处理与至少两个服务请求者发起的订单有关的信息和/或数据,以执行本申请中描述的一个或以上功能。例如,处理引擎112可以从乘客终端120获取至少两个订单,并根据分配策略处理订单以将每个订单分配给相应的司机终端140。在一些实施例中,处理引擎112可包括一个或以上处理引擎(例如,单芯片处理引擎或多芯片处理引擎)。仅作为范例,处理引擎112可包括中央处理器(CPU)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、图像处理器(GPU)、物理运算处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑设备(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。
在一些实施例中,乘客终端120和/或司机终端140可以是与订单直接相关的个人、工具或其他实体。乘客可以是服务请求者。在本申请中,“服务请求者”、“乘客终端”和“乘客”可以互换使用。司机可以是服务提供者。在本申请中,“司机”,“司机终端”和“服务提供者”可以互换使用。在一些实施例中,乘客终端120可包括移动设备120-1、平板电脑120-2、膝上型计算机120-3,以及机动车辆内置设备120-4等,或其任何组合。在一些实施例中,移动设备120-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等,或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等,或其任意组合。在一些实施例中,可穿戴设备可包括智能手镯、智能鞋袜、智能眼镜、智能头盔、智能手表、智能衣服、智能背包、智能配件等或其任意组合。在一些实施例中,智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、销售点终端(POS)等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强型现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等,或其任意组合。例如,虚拟现实设备和/或增强实设备可以包括Google Glass、Oculus Rift、HoloLens或Gear VR等。在一些实施例中,机动车内置设备120-4可以包括车载计算机、车载电视等。在一些实施例中,乘客终端120可以是具有定位技术的设备,用于定位用户和/或乘客终端120的位置。
在一些实施例中,司机终端140可以是一个与乘客终端120类似或者相同的设备。在一些实施例中,司机终端140可以是具有用来确定司机和/或司机终端140位置的定位技术的设备。在一些实施例中,乘客终端120和/或司机终端140可以与另一个定位设备通信以确定用户、乘客终端120、司机和/或司机终端140的位置。在一些实施例中,乘客终端120和/或司机终端140可以将定位信息发送到服务器110。
存储器130可以存储与订单相关的数据和/或指令。在一些实施例中,存储器130可以存储从乘客终端120和/或司机终端140获得/获取的数据。在一些实施例中,存储器130可以存储服务器110中可以执行或使用来完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备140可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存盘、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(PEROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中,所述存储器130可在云平台上实现。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,存储器130可以连接到网络150以与系统100中的一个或以上组件(例如,服务器110、乘客终端120、司机终端140)通信。系统100中的一个或以上组件可以经由网络150访问存储在存储器130中的数据或指令。在一些实施例中,存储器130可以直接与系统100中的一个或以上部件(例如,服务器110、乘客终端120、司机终端140等)连接或通信。在一些实施例中,存储器130可以是服务器110的一部分。
网络150可以促进信息和/或数据的交换。在一些实施例中,系统100中的一个或以上组件(例如,服务器110、乘客终端120、存储器130和司机终端140)可以经由网络150向/从系统100中的其他组件发送和/或接收信息和/或数据。例如,服务器110可以经由网络150从乘客终端120获得/获取订单。在一些实施例中,网络150可以是有线网络、无线网络或其任意组合中的任一类型。仅作为示例,网络150可以包括电缆网络、有线网络、光纤网络、远程通信网络、内联网、互联网、局域网LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、广域网(WAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通信(NFC)网络、全球移动通信系统(GSM)网络、码分多址(CDMA)网络、时分多址(TDMA)网络、通用分组无线业务(GPRS)网络、增强型数据速率GSM演进(EDGE)网络、宽带码分多址(WCDMA)网络、高速下行链路分组接入(HSDPA)网络、长期演进(LTE)网络、用户数据报协议(UDP)网络、传输控制协议/互联网协议(TCP/IP)网络、短消息服务(SMS)网络、无线应用协议(WAP)网络、超宽带(UWB)网络、红外线等,或其任何组合。在一些实施例中,系统100可以包括一个或以上网络接入点。例如,系统110可以包括有线或无线网络接入点,例如基站和/或无线接入点150-1、150-2……系统100的一个或以上组件可以通过它们连接到网络150以交换数据和/或信息。
信息源160可以是为系统100提供其他信息的一个来源。信息源160可以用于为系统100提供服务信息,例如,天气情况、交通信息、法律法规信息、新闻事件、生活资讯、生活指南信息等。信息源160可以在单个中央服务器、通过通信链路连接的多个服务器或多个个人设备中实现。当信息源160在多个个人设备中实现时,个人设备可以生成内容(例如,被称为“用户生成的内容”),例如,通过将文本、语音、图像和视频上传到云服务器。信息源可以由多个个人设备和云服务器生成。
图2是示出计算设备200的示例性硬件和软件组件的示意图,在该计算设备200上可以根据本申请的一些实施例实现服务器110、乘客终端120、存储器130、司机140和/或信息源160。本实施例中的特定系统利用功能框图解释了包含一个或以上用户界面的硬件平台。该计算机可以是通用功能的计算机,也可以是有特定功能的计算机。根据本发明的一些实施例,两种计算机都可以被用于实现任一特定系统。计算设备200可以被配置用于实现执行本申请中披露的一个或以上功能的任何组件。例如,计算设备200可以实现如本文所述的系统100的任何组件。在图1-2中,仅出于方便的目的仅示出了一个这样的计算机设备。在提交本申请时,本领域中一个普通技术人员可以理解,与所述的按需服务相关的计算机功能可以在多个类似的平台上以分布式方式实现,以分散处理负荷。
例如,计算设备200可以包括与网络相连接的通信端口250,以实现数据通信。计算设备200还可以包括处理器(例如,处理器220),其形式为一个或以上处理器(例如,逻辑电路),用于执行程序指令。例如,处理器可以包括接口电路和其中的处理电路。接口电路可以被配置用于从总线210接收电信号,其中,电信号编码用于处理电路的结构化数据和/或指令。处理电路可以进行逻辑计算,然后将结论、结果和/或指令编码确定为电信号。然后,接口电路可以经由总线210从处理电路处发出电信号。
示例性计算设备可以包括内部通信总线210、程序存储设备和不同形式的数据存储设备,其包括:例如,磁盘270以及只读存储器(ROM)230或随机存取存储器(RAM)240,其用于存储由计算设备处理和/或发送的各种数据文件。示例性计算设备也可以包括储存于ROM230、RAM 240和/或其他形式的非暂时性存储介质中的能够被处理器220执行的程序指令。本申请的方法和/或流程可以以程序指令的方式实现。计算设备200还包括I/O组件260,支持计算机和其他组件之间的输入/输出。计算设备200也可以通过网络通信接收编程和数据。
仅用于说明,图2中仅示出了一个CPU和/或处理器。还可以考虑多个CPU和/或处理器;因此,由本申请中描述的一个CPU和/或处理器执行的操作和/或方法步骤也可以由多个CPU和/或处理器联合或单独执行。例如,如果在本发明中计算设备200的CPU和/或处理器执行步骤A和步骤B两者,则应该了解,步骤A和步骤B也可以由计算设备200的两个不同的CPU和/或处理器共同地或独立地执行(例如,第一处理器执行步骤A并且第二处理器执行步骤B,或者第一和第二处理器共同地执行步骤A和B)。
图3是根据本申请的一些实施例所示的可以在乘客终端120或提供者终端140上实现的示例性移动设备300的示例性硬件和/或软件组件的示意图。如图3所示,移动设备300可以包括通信单元310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O350、内存360和存储器390。CPU 340可以包括接口电路和类似于处理器220的处理电路。在一些实施例中,任何其他合适的组件,包括但不限于系统总线或控制器(未示出),也可包括在移动设备300内。在一些实施例中,移动操作系统370(例如,iOSTM、ANDROIDTM、WindowsPhoneTM等)和一个或以上应用程序380可以从存储器390加载到内存360中,以便由CPU 340执行。应用程序380可以包括浏览器或任何其他合适的移动应用程序,用于从移动设备300上的基于位置的服务提供系统接收和呈现与服务请求或其他信息有关的信息。用户与信息流的交互可以通过I/O设备350实现,并通过网络120提供给处理引擎112和/或系统100的其他组件。
为了实现上述各种模块、单元及其功能,计算机硬件平台可以用作一个或以上元件(例如,图2中描述的服务器110的模块)的硬件平台。由于这些硬件元素,操作系统和程序语言很常见,可以假设本领域技术人员可以熟悉这些技术,并且他们可以根据本申请中描述的技术提供路线规划中所需的信息。具有用户界面的计算机可以用作个人计算机(PC)或其他类型的工作站或终端设备。在正确编程之后,具有用户界面的计算机可以用作服务器。可以认为本领域普通技术人员也可以熟悉这种类型的计算机设备的这种结构、程序或一般操作。因此,没有针对附图描述额外的解释。
图4是根据本发明的一些实施例所示的示例性处理引擎112的框图。处理引擎112可以包括司机-订单对模块410、第一匹配价值模块420、分配系数模块430、调整匹配价值模块440、司机匹配模块450和订单分配模块460。每个、部分或全部模块可以是处理引擎112的全部或部分的硬件电路。每个、部分或全部模块也可以实现为由处理引擎读取和执行的应用程序或一组指令。此外,所述模块可以是硬件电路和应用/指令的任何组合。例如,当处理引擎执行应用程序/一组指令时,所述模块可以是处理引擎112的一部分。
司机-订单对模块410可以被配置用于获取至少两个司机-订单对。例如,司机-订单对模块410可以被配置用于在预定时间段内获取一个或至少两个待分配订单,并且基于至少两个订单,获取待分配的一个或至少两个司机。出于说明目的,描述将参考“至少两个订单”和“至少两个司机”作为示例。注意,在一些实施例中,仅一个司机或仅一个订单被获取。本发明适用于获取多个订单-司机对的任何实施例。在一些实施例中,所述至少两个订单的数量与所述至少两个司机的数量相同。在一些实施例中,所述至少两个订单的数量与所述至少两个司机的数量不同。司机-订单对模块410也可以被配置用于将所述至少两个订单与所述至少两个司机配对以获取至少两个司机-订单对。
第一匹配价值模块420可以被配置用于确定司机-订单对的第一匹配价值。例如,第一匹配价值模块420可以被配置用于基于司机、订单、交通状况、天气状况、特殊事件等,或其任何组合来确定每个司机-订单对的第一匹配价值。又例如,第一匹配价值模块420可以是配置用于确定订单价值、司机成本、当司机在司机出发点时对司机的预估价值与当司机在目的地时对司机的预估价值之间的预估价值差等,或其任何组合。作为又一示例,第一匹配价值模块420可以被配置用于根据MDP确定预估价值差。
分配系数模块430可以被配置为每个司机-订单对获取分配系数。例如,分配系数模块430可以被配置用于从系统100的存储器(例如,存储器130、ROM 230、RAM 240等)获取每个司机的分配系数。又例如,分配系数模块430可以被配置用于基于司机的服务评分确定每个司机-订单对的分配系数。
调整匹配价值模块440可以被配置为每个司机-订单对确定调整后的匹配价值。例如,调整匹配价值模块440可以被配置用于基于第一匹配价值和与每个司机-订单对相关联的分配系数为每个司机确定调整后的匹配价值。
司机匹配模块450可以被配置用于确定来自至少两个司机-订单对的订单的匹配司机。例如,司机匹配模块450可以被配置用于基于相应的司机-订单对的调整后的匹配价值来确定每个订单的匹配司机。又例如,司机匹配模块450可以被配置用于创建一个二分图,包括至少两个司机-订单对和至少两个司机-订单对的调整后的匹配价值,并根据二分图匹配算法,从二分图中确定每个订单的匹配司机。
订单分配模块460可以被配置用于向匹配司机分配订单。例如,订单分配模块460可以被配置用于基于相应的调整后的匹配价值将每个订单分配给相应的匹配司机。又例如,订单分配模块460可以被配置用于根据与订单相关联的出发时间的时间顺序将每个订单分配给相应的匹配司机。
处理引擎112中的模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合电缆等,或其任意组合。无线连接可以包括局域网(LAN)、广域网(WAN)、蓝牙、紫蜂网络、近场通信(NFC)等,或其任何组合。两个或以上模块可以合并成一个模块,以及任意一个模块可以被拆分成两个或以上单元。例如,第一匹配价值模块420可以与调整匹配价值模块440集成为单个模块中,该单个模块可以确定第一匹配价值和调整后的匹配价值。又例如,第一匹配价值模块420可以分为三个单元:订单价值单元、司机成本单元和预估价值差单元,它们一起工作以分别实现第一匹配价值模块420的功能。
图5是根据本申请的一些实施例所示用于在在线按需服务中分配订单的示例性过程和/或方法500的流程图。在一些实施例中,过程500中的一个或以上步骤可以在图1所示的系统100中实现。例如,过程500中的一个或以上步骤可以作为指令的形式存储在存储器(例如,存储器130、ROM230、RAM240等)中,并且由服务器110调用和/或执行(例如,服务器110中的处理引擎112或服务器110中的处理引擎112的处理器220)。
在510中,处理器220(或司机-订单对模块410)可以获取至少两个司机-订单对。每个司机-订单对可包括一个待分配订单和一个待分配司机。
在一些实施例中,至少两个订单可以在预设时间段内从至少两个乘客终端120获取。在一些实施例中,每个订单可包括与订单相关联的信息或特征。例如,每个订单可以包括乘客出发点、目的地、出发时间、预估到达时间、预估行程距离、订单时间、订单号、订单类型等,或其任何组合。
在一些实施例中,至少两个司机可以基于所述至少两个订单从在线运输平台上注册的大量司机中获取。例如,处理器220可以通过选择与所述至少两个订单中的出发点中的至少一个在预定距离内或在预定行程时间限制内的可用司机来选择至少两个司机。在一些实施例中,术语“司机”可以指与司机相关联的信息或特征的组合。例如,这种组合中的每一个(即“司机”)可以包括司机标识(例如,司机的登记号码)、司机出发点、司机拥有的车辆的车型、车辆标识(例如,车辆的车牌号)、司机简档(例如,司机的服务评分、司机的工作、司机的性别等)等,或其任意组合。
在一些实施例中,处理器220可通过将至少两个订单中的每个订单与至少两个待分配司机中的每个司机配对,获取至少两个司机-订单对。例如,如果有5个司机与待分配订单相关联,则该订单可与5个司机中的每个司机配对以生成5个司机-订单对。又例如,如果有5个订单待分配和与5个订单相关的5个司机待分配,则5个订单的每个订单可以与5个司机的每个司机配对生成25个司机-订单对。
在一些实施例中,可以结合图6及其在本申请中的描述找到至少两个司机-订单对的获取。
在520中,对于每个司机-订单对,处理器220(或第一匹配价值模块420)可以至少部分地基于每个司机-订单对中的司机和订单,确定第一匹配价值。
在一些实施例中,每个司机-订单对的第一匹配价值可以指司机在完成订单后可以获取的长期值。第一匹配价值越高,司机可以赚取的总收入越高。在一些实施例中,基于订单值、司机成本、司机在司机出发点时对司机的预估价值与司机在目的地时对司机的预估价值之间的预估价值差等,或其任何组合,处理器220可以确定第一匹配价值。在一些实施例中,可以结合图7及其在本申请中的描述找到第一匹配价值的确定。
在一些实施例中,处理器220可在确定第一匹配价值之后处理第一匹配价值。例如,处理器220可以根据归一化算法(例如,Min-Max标准化、Z-score标准化等)来归一化第一匹配价值以获取归一化后第一匹配价值。在一些实施例中,归一化后的第一匹配价值可以是0和1之间的正值。在某些实施例中,归一化后第一匹配价值越高,司机可赚取的总收入越高。
在530中,处理器220(或分配系数模块430)可以为每个司机-订单对获取分配系数。在一些实施例中,所述分配系数可以与每个司机-订单对中的司机的服务评分相关联。在一些实施例中,服务评分可以指司机在系统100中提供的服务质量。一般而言,司机的服务评分越高,司机提供的服务质量就越高。在一些实施例中,所述服务评分可以是正值(例如,0到1之间的值、0到5之间的值、0到100之间的值等)、字母(例如,从A到Z的字母、从A到F的字母等)等,或其任何组合。
在一些实施例中,每个司机-订单对的分配系数可以由系统100预先确定,并存储在系统100的存储器(例如,存储器130、ROM230、RAM240等)中。在一些实施例中,处理器220可以基于司机的服务评分确定每个司机-订单对的分配系数。例如,如果司机的服务评分大于分数阈值,则处理器220可以确定相应的司机-订单对的分配系数是大于1的值。如果司机的服务评分低于分数阈值,则处理器220可以确定相应的司机-订单对的分配系数是低于1的正值。在一些实施例中,分数阈值可以由系统100根据不同的应用场景来确定。
在540中,处理器220(或调整匹配价值模块440)可以基于与每个司机-订单对相关联的第一匹配价值和分配系数,确定每个司机-订单对的调整后匹配价值。
在一些实施例中,所述调整后的匹配价值可以指司机-订单对中的司机将被分配给相应订单的匹配概率。调整后的匹配价值越高,司机被分配给相应订单的概率越高。在一些实施例中,处理器220可以根据等式(1)确定调整后的匹配价值:
vnew(d,o)=v(d,o)*q(d) (1)
其中,vnew(d,o)表示司机-订单对的调整后的匹配价值,v(d,o)表示司机-订单对的第一匹配价值,以及q(d)表示司机-订单对的分配系数。
在550中,处理器220(或司机匹配模块450)可以从所述至少两个司机-订单对中识别至少两个匹配的司机-订单对,每个匹配的司机-订单对包括待分配订单和相应的匹配司机。
确定匹配司机的方法之一是使用二分图。例如,在一些实施例中,处理器220可以创建二分图。所述至少两个订单和所述至少司机可以分别是二分图的两个顶点集。每个司机-订单对可以是二分图的一条边。每个司机-订单对的调整后的匹配价值可以指二分图的每条边的边权。在一些实施例中,处理器220可基于二分图从至少两个司机-订单对识别至少两个匹配的司机-订单对。所述至少两个匹配的司机-订单对的每一个包括待分配订单和相应的匹配司机。所述至少两个匹配的司机-订单对彼此独立。对于所述至少两个匹配的司机-订单对,对应于至少两个匹配的司机-订单对的至少两个调整后的匹配价值的和是最大化的。在一些实施例中,处理器220可以基于二分图匹配算法从至少两个司机-订单对确定每个订单的匹配司机。例如,二分图匹配算法可以包括最大匹配算法(例如,匈牙利算法、Hopcroft-Karp算法等)、完美匹配算法、最佳匹配算法(例如,库恩-曼克莱斯(KM)算法)等,或其任何组合。又例如,处理器220可以比较与订单相关联的司机-订单对的调整后的匹配价值,以确定该订单的匹配司机。所确定的匹配司机可以从司机-订单对中选择,该司机-订单对与司机-订单对中具有最大调整后匹配价值的订单相关联。在一些实施例中,可以结合图9和图10及其本申请中的描述找到基于每个订单的调整后匹配价值的匹配司机的确定。
在560中,处理器220(或订单分配模块460)可以将每个订单分配给相应的匹配司机。
在一些实施例中,处理器220可以根据与订单相关联的出发时间的时间顺序将至少两个司机-订单对中的至少两个订单分配给相应的匹配司机。在分配给订单后,匹配司机可以开车行驶到乘客出发点以服务与相应订单相关联的乘客。
应该注意的是,上述描述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。例如,可以在示例性过程/方法500中的其他地方添加一个或以上其他可选步骤(例如,存储步骤、预处理步骤)。又例如,示例性过程/方法500中的所有步骤可以在包括一组指令的计算机可读介质中实现。指令可以以电子流或电信号的形式传输。
图6是根据本申请的一些实施例的用于获取至少两个司机-订单对的示例性过程和/或方法600的流程图。在一些实施例中,过程600中的一个或以上步骤可以在图1所示的系统100中实现。例如,过程600中的一个或以上步骤可以作为指令的形式存储在存储器130和/或存储器(例如,ROM 230、RAM 240等)中,并且由服务器110调用和/或执行(例如,服务器110中的处理引擎112或服务器110中的处理引擎112的处理器220)。
在610中,处理器220(或司机-订单对模块410)可以在预设时间段内从至少两个乘客终端120获取至少两个待分配订单。在一些实施例中,每个订单可以包括与订单相关联的信息或特征。例如,每个订单可以包括乘客出发点、目的地、出发时间、预估到达时间、预估的订单距离、订单时间、订单号、订单类型等,或其任何组合。
在一些实施例中,乘客可以通过乘客终端120发起订单,并在分配给司机之前将订单发送到服务器110(例如,服务器110的处理引擎112、处理引擎112的处理器220)。在一些实施例中,处理器220可以在预定时间段内获取至少两个待分配订单,使得订单可以一起或连续地处理。所述预定时间段可以根据不同的应用场景确定。例如,所述预定时间段可以基于乘客出发点所在的区域来确。在某些实施例中,在订单密度和司机密度更高的市区的预定时间段可以短于在郊区的预定时间段。又例如,可以基于订单时间(或乘客出发时间),确定预定时间段。在某些实施例中,高峰期的预定时间段可以短于非高峰期的预定时间段。作为又一示例,预定时间段可以是系统100预定的特定时间段,例如5秒、10秒、30秒、1分钟、5分钟等。
在一些实施例中,处理器220(或司机-订单对模块410)可以在预定时间段内在预定区域中获取至少两个待分配订单。所述预定区域可以基于乘客出发点确定。例如,处理器220可以将城市划分为多个区域。每个区域可以是矩形或任何其他规则或不规则形状。在某些实施例中,每个区域具有相同的大小。在某些实施例中,每个区域具有类似的预估数量的司机或乘客。在一些实施例中,处理器220可以在预定时间段内获取乘客出发点在某个区域中的至少两个待分配订单。
在620中,处理器220(或司机-订单对模块410)可以基于至少两个订单获取至少两个待分配司机。在一些实施例中,术语“司机”可以指与司机相关联的信息或特征的组合。例如,这种组合中的每一个(即“司机”)可以包括司机标识(例如,司机的登记号码)、司机出发点、司机拥有的车辆的车型、车辆标识(例如,车辆的车牌号)、司机简档(例如,司机的服务评分、司机的工作、司机的性别等)等,或其任何组合。
在一些实施例中,可以基于至少两个订单来获取至少两个司机。例如,基于乘客出发点和司机出发点,可以从在线运输平台上登记的并且可分配到订单的大量司机中选择至少两个司机。至少两个司机的司机出发点可以在距离乘客出发点的预定距离内。所述预定距离可以是存储在系统100的存储器(例如,存储器130、ROM 230、RAM 240等)中的预设距离值或者可以根据不同的应用场景(例如,乘客出发点所在的区域)来确定。又例如,基于至少两个司机从司机出发点开车到乘客出发点的行驶持续时间,可以从在线运输平台上注册的并且可以分配到订单的大量司机中选择至少两个司机。在一些实施例中,可以基于司机出发点、乘客出发点、从司机出发点到乘客出发点的行驶距离、交通状况、天气状况等,或其任何组合来确定所述行驶持续时间。在一些实施例中,所述至少两个司机的行驶持续时间可以在预定时间段内。所述预定时间段可以是存储在系统100的存储器(例如,存储器130、ROM230、RAM 240等)中的预设时间值,或者可以根据不同的应用场景(例如,乘客出发点所在的区域)来确定。作为又一示例,基于乘客出发点所在的区域,可以从在线运输平台上登记的且可用分配到订单的大量司机中选择至少两个司机。可以从距离乘客出发点所在的区域的中心预定距离内的区域获取至少两个司机。
在630中,处理器220(或者司机-订单对模块410)可以将至少两个订单中的每个订单与至少两个驱动器中的每个司机配对,获取至少两个司机-订单对。
在一些实施例中,处理器220可以基于所述至少两个订单和所述至少两个司机生成二分图,并且所述至少两个订单和所述至少两个司机分别是二分图的两个顶点集。所述至少两个司机中的每个顶点可以与至少两个订单中的每个顶点连接,获取至少两条边。二分图的每条边可以指代司机-订单对。
应该注意的是,上述描述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。例如,可以在示例性过程/方法600的其他地方添加一个或以上其他可选步骤(例如,存储步骤、预处理步骤)。又例如,示例性过程/方法600中的所有步骤可以在包括一组指令的计算机可读介质中实现。指令可以以电子流或电信号的形式传输。
图7是根据本申请的一些实施例所示的用于确定每个司机-订单对的第一匹配价值的示例性过程和/或方法700的流程图。在一些实施例中,过程700中的一个或以上步骤可以在图1所示的系统100中实现。例如,过程700中的一个或以上步骤可以作为指令的形式存储在存储器130和/或存储器(例如,ROM 230、RAM 240等)中,并且由服务器110调用和/或执行(例如,服务器110中的处理引擎112或服务器110中的处理引擎112的处理器220)。
在710中,对于至少两个司机-订单对中的每个订单,处理器220(或第一匹配价值420)可以基于乘客出发点、目的地和出发时间来确定订单价值。
在一些实施例中,订单价值可以指订单可能值得的预估价格。例如,处理器220可以基于乘客出发点、目的地、出发时间、预估到达时间、订单的行驶距离、天气状况、交通状况、可用的司机和订单之间的需求和供应关系、订单类型等,和/或其任何组合确定订单价值。又例如,订单价值可包括动态调整价格、行程津贴、发起订单的乘客的小费等,或其任何组合。在一些实施例中,动态调整后的价格可以由系统100根据不同的应用场景确定。例如,如果乘客出发点在一段时间内所处的区域中的可用司机的数量(例如,具有来自出发时间的时间)小于需要待分配的订单的数量,处理器220可以确定动态调整后的价格,并将动态调整后的价格添加到订单价值。在一些实施例中,行程津贴可以由系统100根据不同的应用场景来确定。例如,如果订单的目的地远离具有高服务需求的位置(例如,市区或诸如机场的兴趣点),或者司机可能被迫从目的地空车回来,处理器220可以确定行程津贴,并基于空回的可能性和目的地的远隔性将行程津贴添加到订单价值。在某些实施例中,来自乘客的小费可由乘客确定。如果乘客支付订单小费,处理器220可以将小费添加到订单价值。
在720中,对于每个司机-订单对,处理器220(或第一匹配价值420)可以确定司机从司机出发点到乘客出发点所产生的司机成本。
在一些实施例中,如果司机从司机出发点行驶到乘客出发点,则司机成本可以指代司机可能导致的预估成本。在一些实施例中,处理器220可以基于司机出发点、乘客出发点、订单时间、从司机出发点到乘客出发点的预估行驶距离或持续时间、交通状况、天气状况、车型和/或其任何组合,确定司机成本。
在730中,对于至少两个司机-订单对的每个司机-订单对,处理器220(或第一匹配价值420)可以确定当司机在司机出发点时对司机的预估价值与当司机在目的地时对司机的预估价值之间的预估价值差。
在一些实施例中,所述预估价值差可以指司机在司机出发点时可赚取的预估价值与司机在目的地时司机可赚取的预估价值之间的预估差异。例如,如果司机出发点位于具有高服务需求的区域(例如,市区),并且该订单的目的地位于具有低服务需求的区域(例如,郊区),如果司机在完成订单后停留在司机出发点而不是在目的地,司机可以在随后的时间段(例如,一小时、几小时、一天等)赚取更多,即订单本身的价值被考虑进去。在一些实施例中,处理器220可以根据算法(例如,马尔可夫决策过程(MDP))基于至少两个历史司机-订单对来确定预估价值差。在一些实施例中,可以结合图8及其在本申请中的描述进一步详细说明预估价值差的确定。
在740,对于至少两个司机-订单对的每个司机-订单对,处理器220(或第一匹配价值模块420)可以基于订单价值、司机成本和预估价值差来确定第一匹配价值。
在一些实施例中,处理器可以根据等式(2)确定第一匹配价值:
v(d,o)=v(o)-p(d,o)+(vd(finish)-vd(start)) (2)
其中,v(d,o)表示司机-订单对的第一匹配价值,v(o)表示与司机-订单对相关的订单的订单价值,p(d,o)表示司机-订单对的司机成本,vd(finish)-vd(start)表示当司机在司机出发点时对司机的预估价值与当司机到达目的地时对司机的预估价值之间的预估价值差,vd(finish)表示司机在目的地时对司机的预估价值,vd(start)表示司机在司机出发点时对司机的预估价值。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。例如,可以在示例性过程/方法700中的其他地方添加一个或以上其他可选步骤(例如,存储步骤、预处理步骤)。又例如,示例性过程/方法700中的所有步骤可以在包括一组指令的计算机可读介质中实现。指令可以以电子流或电信号的形式传输。
图8是根据本申请的一些实施例所示的用于确定预估价值差的示例性过程和/或方法800的流程图。在一些实施例中,过程800中的一个或以上步骤可以在图1所示的系统100中实现。例如,过程800中的一个或以上步骤可以作为指令的形式存储在存储器130和/或存储器(例如,ROM 230、RAM 240等)中,并且由服务器110调用和/或执行(例如,服务器110中的处理引擎112,或服务器110中的处理引擎112的处理器220)。
在810中,处理器220(或第一匹配价值模块420)可以获取与至少两个历史司机相关联的历史业务信息。
在一些实施例中,所述至少两个历史司机可以指在线交通平台上注册的司机,并在某个历史时期内(例如,去年、过去3个月、最后一个月、过去10天等)工作。在一些实施例中,与历史司机相关联的历史业务信息可以在特定历史时间段期间包括至少两个业务参数。例如,与历史司机相关联的历史业务信息可包括过去30天内历史司机的至少两个参数,例如时间-位置-状态-收入的组合。在某些实施例中,时间可以指历史时间点或历史时间段。在某些实施例中,位置可以指在历史时间点或在历史时间段期间历史司机的历史位置。在某些实施例中,状态可以指历史司机的工作状态;例如,状态可能包括服务状态、分配订单的等待状态、停止服务状态等。在某些实施例中,收入可以指在历史时间点或在历史时间段期间历史司机的当前收入。
在820中,对于每个司机-订单对,处理器220(或第一匹配价值模块420)可以基于与多个历史司机相关联的历史业务信息,根据马尔可夫决策过程(MDP),确定预估价值差。
在一些实施例中,处理器220可在司机处于司机出发点时获取与司机-订单对中的司机相关的信息,并将所获取的信息指定为MDP的输入。例如,处理器220可以在司机处于司机出发点时,从与司机相关的信息中提取至少一个特征。该至少一个特征可以包括当前时间点、司机所在的当前位置(例如,司机出发点)等。在一些实施例中,当司机处于司机出发点时,MDP的输出可以是对司机的预估价值。
在一些实施例中,处理器220可以在司机位于目的地时获取与司机-订单对中的司机相关的信息,并将该信息指定为MDP的输入。例如,处理器220可以在司机位于订单的目的地时,从与司机相关的信息中提取至少一个特征。该至少一个特征可以包括司机到达目的地时的预估时间、目的地等。在一些实施例中,当司机在目的地时,MDP的输出可以是对司机的预估价值。
在一些实施例中,处理器220可以在司机处于司机出发点时的预估价值与在司机在目的地时的预估价值之间计算差值,获取预估价值差。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。例如,可以在示例性过程/方法800中的其他地方添加一个或以上其他可选步骤(例如,存储步骤、预处理步骤)。又例如,示例性过程/方法800中的所有步骤可以在包括一组指令的计算机可读介质中实现。指令可以以电子流或电信号的形式传输。
图9是根据本申请的一些实施例所示的用于确定每个订单的匹配司机的示例性过程和/或方法900的流程图。在一些实施例中,过程900中的一个或以上步骤可以在图1所示的系统100中实现。例如,过程900中的一个或以上步骤可以作为指令的形式存储在存储器130和/或存储器(例如,ROM 230、RAM 240等)中,并且由服务器110调用和/或执行(例如,服务器110中的处理引擎112,或服务器110中的处理引擎112的处理器220)。
在910中,处理器220(或司机匹配模块450)可以创建二分图。所述二分图可以包括至少两个司机-订单对和至少两个司机-订单对的调整后的匹配价值。例如,每个司机-订单对可以指代二分图的一条边,而相应的调整后的匹配价值可以指代司机-订单对的相应边权。
图10是根据本申请的一些实施例所示的示例性二分图的示意图。如图10所示,至少两个待分配订单可包括3个订单作为二分图的右顶点集,例如订单1、订单2和订单3。与三个待分配订单相关联的至少两个司机可以包括作为二分图的左顶点集的5个订单,例如司机A、司机B、司机C、司机D和司机E。5个司机中的每个司机可以与3个订单中的每个订单配对,获取15个司机-订单对作为二分图的15个边缘,如司机A-订单1、司机A-订单2、司机A-订单3、司机B-订单1、司机B-订单2、司机B-订单3、司机C-订单1、司机C-订单2、司机C-订单3、司机D-订单1、司机D-订单2、司机D-订单3、司机E-订单1、司机E-订单2及司机E-订单3。调整后的匹配价值是指相应司机-订单对的边权(也指边)。例如,15个司机-订单对(作为边)的调整后的匹配价值分别是a1、a2、a3、b1、b2、b3、c1、c2、c3、d1、d2、d3、e1、e2和e3。
在920中,处理器220(或司机匹配模块450)可以根据二分图匹配算法,基于二分图,从至少两个司机-订单对中识别至少两个匹配的司机-订单对。
在一些实施例中,二分图匹配算法可以包括最大匹配算法(例如,匈牙利算法、Hopcroft-Karp算法等)、完美匹配算法、最佳匹配算法(例如,曼克莱斯(KM)算法)等,或其任何组合。
出于说明的目的,可以基于KM算法确定订单1、订单2和订单3的匹配司机。对于订单1,处理器220可以从a1、b1、c1、d1和e1中选择最大调整后的匹配价值;然后对于订单2,处理器220可以从a2、b2、c2、d2和e2中选择最大调整后的匹配价值;对于订单3,处理器220可以从a3、b3、c3、d3和e3中选择最大调整后的匹配价值。处理器220可以将三(3)个所选择的最大调整后的匹配价值的和计算为二分图的总边权。在一些实施例中,如果两个或以上的订单具有对应于同一司机的最大调整后的匹配价值,例如,对于订单1和订单2,相应的最大调整后的匹配价值对应于相同的司机(例如,司机2),然后处理器220可以选择第二最大调整后的匹配价值(例如,分别为订单1和订单2的第二最大调整后的匹配价值)以比较所选择的最大调整后的匹配价值的总和。通过该类比,处理器220可以计算二分图的调整后匹配价值的至少两个的和,调整后的匹配价值的每个的和包括每个订单和唯一对应的司机。处理器220可以在二分图的调整后的匹配价值的和最大化时,确定每个订单的匹配司机。在一些实施例中,应该注意,订单可以仅分配给一个司机,并且司机可以同时仅分配一个订单。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。例如,可以在示例性过程/方法900中的其他地方添加一个或以上其他可选步骤(例如,存储步骤、预处理步骤)。又例如,示例性过程/方法900中的所有步骤可以在包括一组指令的计算机可读介质中实现。指令可以以电子电流或电信号的形式传输。
上文已对基本概念做了描述,显然,对于阅读此申请后的本领域的普通技术人员来说,上述发明披露仅作为示例,并不构成对本申请的限制。虽然此处并未明确说明,但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正。这类修改、改进和修正在本申请中被建议,所以所述类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此,应强调并注意的是,本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或以上实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域的普通技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的过程、机器、产品或物质的组合,或对其任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式,其中计算机可读程序代码包含在其中。
计算机可读信号介质可能包含一个内含有计算机程序代码的传播数据信号,例如在基带上或作为载波的一部分。此类传播信号可以有多种形式,包括电磁形式、光形式等或任何合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF等,或任何上述介质的组合。
本申请各部分操作所需的计算机程序代码可以用任意一种或以上程序设计语言编写,包括面向对象程序设计语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化程序设计语言如C程序设计语言、Visual Basic、Fortran1703、Perl、COBOL 1702、PHP、ABAP,动态程序设计语言如Python、Ruby和Groovy,或其他程序设计语言等。该程序代码可以完全在用户计算机上运行,或作为独立的软件包在用户计算机上运行,或部分在用户计算机上运行部分在远程计算机运行,或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网络(LAN)或广域网路(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或以上发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。然而,本申请的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (20)
1.一种系统,被配置为在线按需服务中分配订单,包括:
至少一个计算机可读存储介质,包括用于在在线按需服务中分配订单的一组指令;以及
至少一个与所述计算机可读存储介质通信的处理器,其中,当执行所述一组指令时,所述至少一个处理器用于:
获取至少两个司机-订单对,每个司机-订单对包括待分配订单和待分配司机;
对于每个司机-订单对,
至少部分地基于每个司机-订单对中的司机和订单确定第一匹配价值,
获取分配系数,其中,所述分配系数与每个司机-订单对中的司机的服务评分相关联,
基于所述第一匹配价值和所述分配系数确定一个调整后的匹配价值;
从所述至少两个司机-订单对中识别至少两个匹配的司机-订单对,每个匹配的司机-订单对包括待分配订单和相应的匹配司机,其中,所述至少两个匹配的司机-订单对是相互独立的,并且对应于所述至少两个匹配的司机-订单对的至少两个调整后的匹配价值的和是最大化的;以及
将每个订单分配给所述相应的匹配司机。
2.根据权利要求1所述的系统,其特征在于,为获取所述至少两个司机-订单对,所述至少一个处理器还用于:
在预设时间段内从至少两个乘客终端获取至少两个待分配订单。
3.根据权利要求1所述的系统,其特征在于,对于每个司机-订单对,为至少部分地基于每个司机-订单对的所述司机和所述订单确定第一匹配价值,所述至少一个处理器还用于:
基于与所述订单相关的乘客出发点、目的地和出发时间确定订单值;
确定所述司机从司机出发点开车至所述乘客出发点所产生的司机成本;
确定当所述司机在所述司机出发点时对所述司机的预估价值与当所述司机在所述目的地时对所述司机的预估价值之间的预估价值差;以及
基于所述订单价值、所述司机成本和所述预估价值差确定所述第一匹配价值。
4.根据权利要求3所述的系统,其特征在于,为确定预估价值差,所述至少一个处理器还用于:
基于与至少两个司机相关联的历史业务信息,根据马尔可夫决策过程(MDP)确定所述预估价值差。
5.根据权利要求1所述的系统,其特征在于,所述至少一个处理器还用于:
归一化所述第一匹配价值。
6.根据权利要求3所述的系统,其特征在于,所述至少一个处理器基于所述司机出发点、所述乘客出发点、与所述司机相关联的车型或交通状况中的至少一个来确定所述司机成本。
7.根据权利要求1所述的系统,其特征在于,为从所述至少两个司机-订单对识别至少两个匹配的司机-订单对,所述至少一个处理器还用于:
创建一个二分图,包括所述至少两个司机-订单对和所述至少两个司机-订单对的调整后的匹配价值,其中调整后的匹配价值是司机-订单对的边权;以及
基于所述二分图根据二分图匹配算法从所述至少两个司机-订单对识别所述至少两个匹配的司机-订单对。
8.根据权利要求7所述的系统,其特征在于,所述二分图匹配算法包括库恩-曼克莱斯(KM)算法。
9.一种在具有至少一个处理器、至少一个计算机可读存储介质和连接到网络的通信平台的计算设备上实现的在在线按需服务中分配订单的方法,包括:
获取至少两个司机-订单对,每个司机-订单对包括待分配订单和待分配司机;
对于每个司机-订单对,
至少部分地基于每个司机-订单对中的司机和订单确定第一匹配价值,
获取分配系数,所述分配系数与每个司机-订单对中的司机的服务评分相关联,以及
基于所述第一匹配价值和所述分配系数确定一个调整后的匹配价值;
从所述至少两个司机-订单对中识别至少两个匹配的司机-订单对,每个匹配的司机-订单对包括待分配订单和相应的匹配司机,其中,所述至少两个匹配的司机-订单对是相互独立的,并且对应于所述至少两个匹配的司机-订单对的至少两个调整后的匹配价值的和是最大化的;以及
将每个订单分配给所述相应的匹配司机。
10.根据权利要求9所述的方法,其特征在于,所述获取至少两个司机-订单对包括:
在预设时间段内从至少两个乘客终端获取至少两个待分配订单。
11.根据权利要求9所述的方法,其特征在于,对于每个司机-订单对,所述至少部分地基于在每个司机-订单对中的所述司机和所述订单确定第一匹配价值包括:
基于与所述订单相关联的乘客出发点、目的地、和出发时间确定订单值;
确定所述司机从司机出发点开车至所述乘客出发点所产生的司机成本;
确定当司机在司机出发点时对司机的预估价值与当司机在目的地时对司机的预估价值之间的预估价值差;以及
基于所述订单值、所述司机成本和所述预估价值差确定所述第一匹配价值。
12.根据权利要求11所述的方法,其特征在于,所述确定预估价值差包括:
基于与至少两个司机相关联的历史业务信息,根据马尔可夫决策过程(MDP)确定所述预估价值差。
13.根据权利要求9所述的方法,进一步包括:
归一化所述第一匹配价值。
14.根据权利要求11所述的方法,其特征在于,所述司机成本是基于所述司机出发点、所述乘客出发点、与所述司机相关的车型或交通状况中的至少一个确定的。
15.根据权利要求9所述的方法,其特征在于,所述从所述至少两个司机-订单对识别至少两个匹配的司机-订单对,包括:
创建一个二分图,包括所述至少两个司机-订单对和所述至少两个司机-订单对的调整后的匹配价值,其中,调整后的匹配价值是司机-订单对的边权;以及
基于所述二分图根据二分图匹配算法所述至少两个司机-订单对识别所述至少两个匹配的司机-订单对。
16.根据权利要求15所述的方法,其特征在于,所述二分图匹配算法包括库恩-曼克莱斯(KM)算法。
17.一种非暂时性计算机可读介质,包括在在线按需服务中用于分配订单的至少一组指令,其中,当由计算机设备的至少一个处理器执行时,所述至少一组指令指示所述至少一个处理器:
获取至少两个司机-订单对,每个司机-订单对包括待分配订单和待分配司机;
对于每个司机-订单对,
至少部分地基于每个司机-订单对中的司机和订单确定第一匹配价值,
获取分配系数,其中,所述分配系数与每个司机-订单对中的司机的服务评分相关联,以及
基于所述第一匹配价值和所述分配系数确定一个调整后的匹配价值;
从所述至少两个司机-订单对中识别至少两个匹配的司机-订单对,每个匹配的司机-订单对包括待分配订单和相应的匹配司机,其中,所述至少两个匹配的司机-订单对是相互独立的,并且对应于所述至少两个匹配的司机-订单对的至少两个调整后的匹配价值的和是最大化的;以及
将每个订单分配给所述相应的匹配司机。
18.根据权利要求17所述的非暂时性计算机可读介质,其特征在于,为获取所述至少两个司机-订单对,所述至少一组指令还指示所述至少一个处理器:
在预设时间段内从至少两个乘客终端获取至少两个待分配订单。
19.根据权利要求17的非暂时性计算机可读介质,其特征在于,对于每个司机-订单对,为至少部分地基于所述司机-订单对中的所述司机和所述订单确定第一匹配价值,所述至少一组指令进一步指示所述至少一个处理器:
基于与所述订单相关的乘客出发点、目的地和出发时间确定订单价值;
确定所述司机从司机出发点开车至所述乘客出发点所产生的司机成本成本;
确定当司机在司机出发点时对司机的预估价值与当司机在目的地时对司机的预估价值之间的预估价值差;以及
基于所述订单价值、所述司机成本和所述预估价值差确定所述第一匹配价值。
20.根据权利要求18的非暂时性计算机可读介质,其特征在于,为从所述至少两个司机-订单对识别至少两个匹配的司机-订单对,所述至少一组指令进一步指示所述至少一个处理器:
创建一个二分图,包括所述至少两个司机-订单对和所述至少两个司机-订单对的调整后的匹配价值,其中,调整后的匹配价值是司机-订单对的边权;以及
基于所述二分图根据二分图匹配算法从所述至少两个司机-订单对识别所述至少两个匹配的司机-订单对。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/114377 WO2019109199A1 (en) | 2017-12-04 | 2017-12-04 | Systems and methods for allocating orders in an online on-demand service |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110447050A true CN110447050A (zh) | 2019-11-12 |
Family
ID=66750682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780088750.0A Pending CN110447050A (zh) | 2017-12-04 | 2017-12-04 | 用于在线按需服务中分配订单的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20190392390A1 (zh) |
CN (1) | CN110447050A (zh) |
TW (1) | TWI698817B (zh) |
WO (1) | WO2019109199A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111625571A (zh) * | 2020-05-28 | 2020-09-04 | 上海钧正网络科技有限公司 | 一种服务业务的匹配方法、装置、计算机设备和存储介质 |
CN111882109A (zh) * | 2020-06-22 | 2020-11-03 | 北京嘀嘀无限科技发展有限公司 | 一种订单分配方法和系统 |
CN112163868A (zh) * | 2020-09-30 | 2021-01-01 | 深圳前海微众银行股份有限公司 | 数据处理方法、装置、设备及存储介质 |
US11507896B2 (en) | 2020-10-01 | 2022-11-22 | Beijing Didi Infinity Technology And Development Co., Ltd. | Method and system for spatial-temporal carpool dual-pricing in ridesharing |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11763406B2 (en) * | 2019-04-26 | 2023-09-19 | Walmart Apollo, Llc | Method and apparatus for delivery order fee determination and assignment |
US20220207640A1 (en) * | 2019-05-16 | 2022-06-30 | Grabtaxi Holdings Pte. Ltd. | Communications server apparatus and method for deriving a quantum modifier for a transport-related service |
CN112241822B (zh) * | 2019-07-18 | 2022-07-12 | 上海交通大学 | 数据中心面向微服务的电力资源分配的方法和系统 |
CN111507493B (zh) * | 2020-04-13 | 2023-04-18 | 北京白龙马云行科技有限公司 | 对象和司乘匹配方法、装置和系统 |
CN111882152A (zh) * | 2020-06-18 | 2020-11-03 | 科大讯飞股份有限公司 | 任务分配方法以及相关装置 |
CN113821734B (zh) * | 2021-08-16 | 2024-03-19 | 北京中交兴路信息科技有限公司 | 基于轨迹数据识别双司机的方法、装置、设备及介质 |
CN116011906A (zh) * | 2022-10-19 | 2023-04-25 | 中建八局第二建设有限公司 | 基于业务流最优匹配算法的地磅称重方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463509A (zh) * | 2014-12-29 | 2015-03-25 | 先锋智道(北京)科技有限公司 | 网络打车的订单推送方法和网络打车的订单确认方法 |
CN104599168A (zh) * | 2015-02-02 | 2015-05-06 | 北京嘀嘀无限科技发展有限公司 | 叫车订单的分配方法和装置 |
WO2015089207A1 (en) * | 2013-12-11 | 2015-06-18 | Uber Technologies, Inc. | Optimizing selection of drivers for transport requests |
CN105741020A (zh) * | 2016-01-25 | 2016-07-06 | 滴滴(中国)科技有限公司 | 统一订单分配方法和设备 |
CN106447074A (zh) * | 2016-12-30 | 2017-02-22 | 北京东方车云信息技术有限公司 | 一种将订单信息推送给司机客户端的方法、装置及系统 |
CN107101643A (zh) * | 2017-04-10 | 2017-08-29 | 浙江工业大学 | 一种拼车匹配方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120323622A1 (en) * | 2011-06-15 | 2012-12-20 | Webtech Wireless Inc. | Assessing Fitness of Drivers for Pending Trip Assignments |
US20170011324A1 (en) * | 2015-07-07 | 2017-01-12 | Uber Technologies, Inc. | Dispatch system for matching drivers and users |
CN106919994B (zh) * | 2015-12-24 | 2021-03-16 | 北京嘀嘀无限科技发展有限公司 | 订单推送方法及装置 |
US20170286877A1 (en) * | 2016-04-04 | 2017-10-05 | Sap Se | System and method for resource planning with substitutable assets |
CN107272866B (zh) * | 2016-04-08 | 2021-03-16 | 北京嘀嘀无限科技发展有限公司 | 打车方法、信息交互方法、移动终端、服务器和打车系统 |
US10176443B2 (en) * | 2016-08-09 | 2019-01-08 | Conduent Business Services, Llc | Method and system for dispatching of vehicles in a public transportation network |
US11614751B2 (en) * | 2017-01-23 | 2023-03-28 | Massachusetts Institute Of Technology | System for on-demand high-capacity ride-sharing via dynamic trip-vehicle assignment and related techniques |
US11282009B2 (en) * | 2017-05-23 | 2022-03-22 | Uatc, Llc | Fleet utilization efficiency for on-demand transportation services |
CN107392358B (zh) * | 2017-06-30 | 2021-07-23 | 上海汽车集团股份有限公司 | 一种车辆分配方法及装置 |
US10810536B2 (en) * | 2017-11-30 | 2020-10-20 | DoorDash, Inc. | System and method for dynamic pairing function optimization |
-
2017
- 2017-12-04 CN CN201780088750.0A patent/CN110447050A/zh active Pending
- 2017-12-04 WO PCT/CN2017/114377 patent/WO2019109199A1/en active Application Filing
-
2018
- 2018-12-04 TW TW107143533A patent/TWI698817B/zh active
-
2019
- 2019-08-30 US US16/556,245 patent/US20190392390A1/en not_active Abandoned
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015089207A1 (en) * | 2013-12-11 | 2015-06-18 | Uber Technologies, Inc. | Optimizing selection of drivers for transport requests |
CN104463509A (zh) * | 2014-12-29 | 2015-03-25 | 先锋智道(北京)科技有限公司 | 网络打车的订单推送方法和网络打车的订单确认方法 |
CN104599168A (zh) * | 2015-02-02 | 2015-05-06 | 北京嘀嘀无限科技发展有限公司 | 叫车订单的分配方法和装置 |
CN105741020A (zh) * | 2016-01-25 | 2016-07-06 | 滴滴(中国)科技有限公司 | 统一订单分配方法和设备 |
CN106447074A (zh) * | 2016-12-30 | 2017-02-22 | 北京东方车云信息技术有限公司 | 一种将订单信息推送给司机客户端的方法、装置及系统 |
CN107101643A (zh) * | 2017-04-10 | 2017-08-29 | 浙江工业大学 | 一种拼车匹配方法 |
Non-Patent Citations (1)
Title |
---|
郭翼飞: "《我们这一棒 《劳动报》2014文萃典藏》", 31 March 2015, 上海人民出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111625571A (zh) * | 2020-05-28 | 2020-09-04 | 上海钧正网络科技有限公司 | 一种服务业务的匹配方法、装置、计算机设备和存储介质 |
CN111882109A (zh) * | 2020-06-22 | 2020-11-03 | 北京嘀嘀无限科技发展有限公司 | 一种订单分配方法和系统 |
CN112163868A (zh) * | 2020-09-30 | 2021-01-01 | 深圳前海微众银行股份有限公司 | 数据处理方法、装置、设备及存储介质 |
US11507896B2 (en) | 2020-10-01 | 2022-11-22 | Beijing Didi Infinity Technology And Development Co., Ltd. | Method and system for spatial-temporal carpool dual-pricing in ridesharing |
US11694127B2 (en) * | 2020-10-01 | 2023-07-04 | Beijing Didi Infinity Technology And Development Co., Ltd. | Method and system for predicting carpool matching probability in ridesharing |
Also Published As
Publication number | Publication date |
---|---|
TW201937418A (zh) | 2019-09-16 |
WO2019109199A1 (en) | 2019-06-13 |
US20190392390A1 (en) | 2019-12-26 |
TWI698817B (zh) | 2020-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110447050A (zh) | 用于在线按需服务中分配订单的系统和方法 | |
CN108701404B (zh) | 拼车方法和系统 | |
US10949780B2 (en) | Online transportation reservation systems prioritizing reservations based on demand, regional transportation capacity, and historical driver scores | |
JP6535105B2 (ja) | 相乗りのためのシステム及び方法 | |
CN110678885B (zh) | 用于运力调度的系统和方法 | |
JP6629878B2 (ja) | 予約オーダーを割り当てるシステム及び方法 | |
JP2019506640A (ja) | 推奨サービス位置を推奨するシステム及び方法 | |
US20200311650A1 (en) | Systems and methods for optimizing an online on-demand service | |
CN109313775A (zh) | 用于分发服务请求的系统和方法 | |
CN108701403A (zh) | 用于展示与服务请求相关的标识的系统及方法 | |
CN108780554A (zh) | 一种拼车方法和系统 | |
CN109313742A (zh) | 确定预估到达时间的方法及系统 | |
CN110431573A (zh) | 订单分配优化的系统和方法 | |
TW201818342A (zh) | 確定與車輛相關的參考方向的系統和方法 | |
CN110121725A (zh) | 用于修改请求的位置信息的方法和系统 | |
CN109313036A (zh) | 路线规划的系统及方法 | |
CN109791731A (zh) | 一种预估到达时间的方法和系统 | |
CN110402370A (zh) | 用于确定服务请求的推荐信息的系统和方法 | |
US20200104889A1 (en) | Systems and methods for price estimation using machine learning techniques | |
CN109891469A (zh) | 交通信号灯配时系统与方法 | |
TW201928867A (zh) | 用於確定線上到線下服務中的最佳運輸服務類型的系統和方法 | |
CN111489214B (zh) | 订单分配方法、条件设置方法、装置及电子设备 | |
US11029166B2 (en) | Systems and methods for reserving a carpooling service | |
CN109716715A (zh) | 用于馈送流发送的系统和方法 | |
CN111260423A (zh) | 订单分配方法、装置、电子设备及计算机可读存储介质 |
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 |
Application publication date: 20191112 |
|
RJ01 | Rejection of invention patent application after publication |