CN110741225B - 确定目标站点的系统和方法 - Google Patents
确定目标站点的系统和方法 Download PDFInfo
- Publication number
- CN110741225B CN110741225B CN201780091609.6A CN201780091609A CN110741225B CN 110741225 B CN110741225 B CN 110741225B CN 201780091609 A CN201780091609 A CN 201780091609A CN 110741225 B CN110741225 B CN 110741225B
- Authority
- CN
- China
- Prior art keywords
- processor
- points
- candidate
- point
- logic
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 116
- 230000000977 initiatory effect Effects 0.000 claims abstract description 44
- 238000003860 storage Methods 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims abstract description 10
- 230000004044 response Effects 0.000 claims description 38
- 238000011176 pooling Methods 0.000 claims description 5
- 230000007717 exclusion Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 51
- 230000015654 memory Effects 0.000 description 40
- 238000012545 processing Methods 0.000 description 37
- 238000012986 modification Methods 0.000 description 15
- 230000004048 modification Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000003287 optical effect Effects 0.000 description 9
- 230000004075 alteration Effects 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 241000283070 Equus zebra Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000008685 targeting Effects 0.000 description 3
- 230000029305 taxis Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000283086 Equidae Species 0.000 description 1
- 235000015842 Hesperis Nutrition 0.000 description 1
- 235000012633 Iberis amara Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3438—Rendez-vous, i.e. searching a destination where several users can meet, and the routes to this destination for these users; Ride sharing, i.e. searching a route such that at least two users can share a vehicle for at least part of the route
-
- 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
- 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
- G01C21/3605—Destination input or retrieval
- G01C21/3617—Destination input or retrieval using user history, behaviour, conditions or preferences, e.g. predicted or inferred from previous use or current movement
-
- 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
- G06Q2240/00—Transportation facility access, e.g. fares, tolls or parking
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种系统,包括至少一个计算机可读存储介质,其确定按需服务中区域的目标站点的一组指令;以及至少一个与所述计算机可读存储介质通信的处理器。当执行该组指令时,所述至少一个处理器用于:获取编码与区域相关的道路信息和与该区域相关的历史服务订单的至少两个服务起始点的电子信号;操作该至少一个处理器中的逻辑电路,基于服务起始点和道路信息,以将至少两个服务起始点聚类成至少两个簇;操作该至少一个处理器中的逻辑电路,基于服务起始点的人气分数,为至少两个簇中的每一个簇确定作为候选点的服务起始点。
Description
技术领域
本申请一般涉及按需服务的技术领域,尤其涉及确定按需服务中区域的目标站点的系统和方法。
背景技术
按需服务,如在线出租车呼叫服务,已越来越受欢迎。对于乘客和司机来说,在线出租车呼叫服务中的拼车服务可能更经济。然而,由于司机可能需要将不同的乘客运送到不同的目的地,运输效率可能降低。为了提高服务质量,更有效的拼车安排方法可能是重要的。拼车站点可以用于提高按需服务的上车效率。可以推荐拼车订单中包括的不同乘客到达相同的拼车站点进行上车。包括拼车站点的目标站点更通用以及用于货物运输或货物/乘客运输。因此,希望提供确定目标站点的系统和方法。
发明内容
根据本申请的一些实施例,一种系统包括至少一个计算机可读存储介质,其包括确定按需服务中区域的目标站点的一组指令;以及至少一个与所述计算机可读存储介质通信的处理器。当执行该组指令时,该至少一个处理器用于:获取编码与区域相关的道路信息和与该区域相关的历史服务订单的至少两个服务起始点的电子信号;基于服务起始点和道路信息,操作在至少一个处理器中的逻辑电路,以将至少两个服务起始点聚类成至少两个簇;基于服务起始点的人气分数,以确定一个服务起始点为至少两个簇中的每一个簇确定作为候选点的服务起始点,其中,人气分数与有服务起始点附近的服务起始点的订单的数量相关;以及操作至少一个处理器的所述逻辑电路,基于所述至少两个候选点中的每一个候选点的所述人气分数和距离约束,以从所述至少两个候选点中确定作为目标站点的一组候选点作为目标站点。
当执行该组指令时,所述至少一个处理器还用于优化目标站点以:获取编码包含在具有第一目标站点的订单中的至少两个实际拼车点的电子信号,其中,所述第一目标站点属于确定了的目标站点;操作至少一个处理器中的逻辑电路,以确定至少两个实际拼车点的汇集点;操作至少一个处理器中的逻辑电路,以确定汇集点和第一目标站点之间的偏差;以及响应于确定偏差大于第一阈值,操作至少一个处理器中的逻辑电路,以用汇集点代替第一目标站点。
为了基于服务起始点和道路信息,将至少两个服务起始点聚类成至少两个簇,处理器还用于:操作至少一个处理器中的逻辑电路,以确定包括至少两个服务起始点的区域;操作所述至少一个处理器中的逻辑电路,以基于所述区域的面积和包括在所述区域内的至少两个服务起始点的数量,确定服务起始点的密度,以及响应于确定密度大于第二阈值,操作至少一个处理器中的逻辑电路,以聚类包括在区域的至少两个服务起始点成簇。
为了确定作为候选点的服务起始点,处理器还指示:在每个簇以及对于与簇相关的每条道路,操作至少一个处理器中的逻辑电路,以确定作为代表点的道路中具有最高人气分数的服务起始点;以及操作所述至少一个处理器中的逻辑电路,对于每个簇基于代表点和包括在道路信息中的交通约束,以确定候选点。
所述交通约束包括以下至少一个:包括高速公路或高架桥中至少一个的停车禁止区域;汽车到达的难度;乘客的步行距离;或司机可用持续停车时间。
为了确定作为目标站点的组候选点,处理器还指示:操作至少一个处理器中的逻辑电路,以对于每个候选点确定约束区域,其中,约束区域中包括的点和约束区域中的满足标准;对于每个候选点,操作至少一个处理器中的逻辑电路,以将候选点的人气分数与约束区域中其他候选点的人气分数进行比较;响应于确定候选点的人气分数大于约束区域中所有其他候选点,将候选点归为第一集合,并将候选点的约束区域其他候选点归为第三集合;响应于确定候选点的人气分数不全大于约束区域中其他候选点的所有其他人气分数,将候选点归为第二集合;以及操作所述至少一个处理器中的逻辑电路,以确定第一集合中的候选点作为目标站点。
为了确定作为目标站点的组候选点,处理器还被指示操作至少一个处理器中的逻辑电路以:通过获取第二集合而不在第三集合的候选点,获取剩余候选点;清空第二集合;对每个剩余候选点,将在剩余候选点的约束区域中的其他剩余候选点的人气分数与剩余候选点的人气分数进行比较;响应于确定剩余候选点的人气分数大于所有在剩余候选点的约束区域中的其他剩余候选点的人气分数,将剩余候选点归为第一集合,并将在剩余候选点在约束区域中的其他剩余候选点归为第三集合;响应于确定剩余候选点的人气分数不全大于所有在剩余候选点的约束区域中的其他剩余候选点的人气分数,将剩余候选点归为第二集合;并确定第一集合中的候选点作为目标站点。
为了对每个候选点确定约束区域,处理器还用于:操作至少一个处理器中的逻辑电路,以基于经度和纬度将区域的地图分割成具有特定边长的至少两个正方形;并且对于每个候选点,操作至少一个处理器的逻辑电路,以确定候选点所在的正方形和确定了的正方形周围的八个正方形作为候选点的约束区域。
为了确定作为目标站点的组候选点,处理器还用于:对于每个目标站点,操作至少一个处理器中的逻辑电路,以评估是否存在障碍物,使得在目标站点周围的预设区域内,实际的步行距离大于第三阈值;以及操作所述至少一个处理器中的逻辑电路,以确定第三集合中的位于该障碍物处的候选点作为目标站点。
根据本申请的其他实施例,一种在按需服务器中确定区域的目标站点的方法包括:获取编码与区域相关的道路信息和与该区域相关的历史服务订单的电子信号;操作至少一个处理器中的逻辑电路,基于服务起始点和道路信息,以将至少两个服务起始点聚类成至少两个簇;操作至少一个处理器中的逻辑电路,基于服务起始点处的人气分数,为至少两个簇中的每一个簇确定作为候选点的服务起始点,其中,人气分数与有服务起始点附近的服务起始点的订单的数量相关;以及操作所述至少一个处理器中的逻辑电路,基于所述至少两个候选点的每一个候选点的人气分数和距离约束中,以从所述至少两个候选点确定作为目标站点的一组候选点。
该方法还包括:获取编码包括在有第一目标站点的至少两个实际拼车点电子信号,其中,第一目标站点属于确定了的目标站点;操作至少一个处理器中的逻辑电路,以确定至少两个实际拼车点的汇集点;操作至少一个处理器中的逻辑电路,以确定汇集点和第一目标站点之间的偏差;以及响应于确定偏差大于第一阈值,操作至少一个处理器中的逻辑电路,用汇集点代替第一目标站点。
所述操作所述逻辑电路以将服务起始点聚类成至少两个簇包括:操作至少一个处理器中的逻辑电路,以确定包括至少两个服务起始点的区域;操作所述至少一个处理器中的逻辑电路,以基于所述区域的面积和包括在所述区域中至少两个服务起始点的数量来确定服务起始点的密度;以及响应于确定密度大于第二阈值,操作至少一个处理器中的逻辑电路,以聚类包括在区域中的至少两个服务起始点成簇。
所述操作所述逻辑电路以将服务起始点确定为候选点包括:在每个簇中并且对于与簇相关的每个道路,操作至少一个处理器中的逻辑电路,以确定具有最高人气分数的道路中的服务起始点作为代表点;以及基于每个簇的道路信息中包括的代表点和交通约束,操作所述至少一个处理器中的逻辑电路,以确定候选点。
所述交通约束包括以下至少一个:包括高速公路或高架桥中至少一个的停车禁止区域;乘汽车到达难度;乘客的步行距离;和司机可用持续停车时间。
所述操作所处逻辑电路以确定作为目标站点的所述组候选点包括:操作至少一个处理器中的逻辑电路,以确定每个候选点的约束区域,其中,约束区域中包括的点和约束区域中的候选点满足标准;对于每个候选点,操作至少一个处理器中的逻辑电路,以将候选点的人气分数与约束区域中的其他候选点的人气分数进行比较;响应于确定候选点的人气分数大于约束区域中所有其他候选点的人气分数,将候选点归为第一集合,并将候选点的约束区域中对其他候选点归为第三集合;响应于确定候选点的人气分数不全大于约束区域中其他候选点的所有其他人气分数,将候选点归为第二集合;以及操作所述至少一个处理器中的逻辑电路以确定第一集合中的候选点作为目标站点。
所述操作所述逻辑电路以确定作为目标站点的所述组候选点还包括:通过获取在第二集合而不是在第三集合的候选点,获取剩余候选点;清空第二集合;对于每个剩余候选点,将在剩余候选点的约束区域中的其他剩余候选点的人气分数与剩余候选点的人气分数进行比较;响应于确定剩余候选点的人气分数大于所有在剩余候选点的约束区域中的其他剩余候选点的人气分数,将剩余候选点归为第一集合,并将在剩余候选点的约束区域中的其他剩余候选点归为第三集合;响应于确定剩余候选点的人气分数不全大于剩余候选点的约束区域中其他剩余候选点的人气分数,将剩余候选点归为第二集合;以及确定第一集合中的候选点作为目标站点。
所述操作所述逻辑电路以确定每个候选点的约束区域包括:操作至少一个处理器中的逻辑电路,以基于经度和纬度将区域的地图分割成具有特定边长的至少两个正方形;以及对于每个候选点,操作至少一个处理器中的逻辑电路,以确定候选点所在的正方形和所确定了的正方形周围的八个正方形作为候选点的约束区域。
所述操作所述逻辑电路以确定组候选点作为目标站点包括:对于每个目标站点,操作至少一个处理器中的逻辑电路,以评估是否存在障碍物导致目标站点周围预设区域内的实际步行距离大于第三阈值;以及操作所述至少一个处理器中的逻辑电路,以确定第三集合中的位于障碍物中的候选点作为目标站点。
根据本申请的其他实施例,非暂时性处理器可读存储介质包括用于确定按需服务中的区域的目标站点的一组指令。当由至少一个处理器执行时,该组指令指示至少一个处理器执行以下动作:获取编码与区域相关的道路信息和与该区域相关的历史服务订单的电子信号的至少两个服务起始点;基于服务起始点和道路信息,操作至少一个处理器中的逻辑电路,以将至少两个服务起始点聚类成至少两个簇;基于服务起始点处的人气分数,操作至少一个处理器中的逻辑电路,为至少两个簇中的每一个簇作为候选点的服务起始点,其中,人气分数与有服务起始点附近的服务起始点的订单的数量相关;以及基于所述至少两个候选点中的每一个候选点的人气分数和距离约束,操作所述至少一个处理器中的逻辑电路,以从所述至少两个候选点确定作为目标站点的一组候选点。
该组指令还指示所述至少一个处理器执行以下动作:获取编码包含在有第一目标站点的订单内的至少两个实际拼车点的电子信号,其中,所述第一目标站点属于所确定了的目标站点;在至少一个处理器中操作逻辑电路以确定至少两个实际拼车点的汇集点;操作至少一个处理器中的逻辑电路以确定汇集点和第一目标站点之间的偏差;以及响应于确定偏差大于第一阈值,操作至少一个处理器中的逻辑电路,以用汇集点代替第一目标站点。
本申请的一部分附加特性可以在下面的描述中进行说明,通过对以下描述和相应附图的检查或者对实施例的生产或操作的了解,本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的符号表示相同的部件,其中:
图1是根据本申请的一些实施例的作为按需服务的在线平台的示例性系统的框图;
图2是说明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软件组件的示意图;
图3是根据本申请的一些实施例的为提供目标服务确定目标站点的示例性流程和/或方法的流程图;
图4是根据本申请的一些实施例的优化拼车站点的示例性流程和/或方法的流程图;
图5是根据本申请的一些实施例的命名拼车站点的示例性流程和/或方法的流程图;
图6A是根据本申请的一些实施例的聚类上车点的示例性流程和/或方法的流程图;
图6B示出根据本申请的一些实施例的聚类上车点的示例性示意图;
图7是根据本申请的一些实施例的确定候选点的示例性流程和/或方法的流程图;
图8A是根据本申请的一些实施例的距离约束的示例性示意图;
图8B是根据本申请的一些实施例的执行距离约束的示例性流程和/或方法的流程图;
图9A是根据本申请的一些实施例的确定约束区域的示例性流程和/或方法的流程图;
图9B是根据本申请的一些实施例的确定约束区域的示例性示意图;
图10A是根据本申请的一些实施例的在确定拼车站点时释放候选点的示例性流程和/或方法的流程图;
图10B是根据本申请的一些实施例的设置额外拼车站点的示例性示意图;以及
图11是根据本申请的一些实施例的示例性处理器的框图。
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,显然可以对所公开的实施例做出各种改变,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,如在本申请说明书中,术语“包括”和/或“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、结构的相关元件的功能、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。此外,可以向流程图添加一个或多个其他操作,也可以从流程图中删除一个或多个操作。
此外,虽然本申请中公开的系统和方法主要是关于评估用户终端来描述的,但是还应该理解,这仅是一个示例性实施例。本申请的系统或方法可以应用于任何其他类型的按需服务平台的用户。例如,本申请的系统或方法可以应用于不同运输系统中的用户,包括陆地、海洋、航空航天等,或其任何组合。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。
本申请中的服务起始点可以通过嵌入在无线设备(例如,乘客终端、司机终端等)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(GlobalPositioning System,GPS)、全球卫星导航系统(Global Navigation Satellite System,GLONASS)、北斗导航系统(Compass Navigation System,COMPASS)、伽利略定位系统、准天顶卫星系统(Quasi-Zenith Satellite System,QZSS)、无线保真(Wireless Fidelity,WiFi)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。例如,基于GPS的方法和基于Wi-Fi的方法可以一起作为定位无线电设备的定位技术。
本申请的一个方面涉及确定用于在区域中提供目标服务的目标站点的系统和方法。例如,目标服务可以是货物和/或乘客的拼车服务,目标站点可以是拼车服务的上车点。为此,该系统和方法可以从历史服务订单记录中识别服务起始点;然后,从这些服务起始点选择目标站点,使得目标站点在服务用户中足够受欢迎,并且彼此相距足够远。
应当注意本解决方案依赖于收集在线系统注册的用户终端的使用数据,这是一种仅在后互联网时代植根的新形式的数据收集方法。它提供了仅在后互联网时代才能提出的用户终端的详细信息。在前互联网时代,不可能收集用户终端的信息,例如行驶路线、服务起始点、目的地等。然而,在线按需服务允许在线平台实时和/或基本实时地监控数以万计的用户终端的行为,然后,基于用户终端的行为提供更好的服务方案。因此,本解决方案深入地并旨在解决仅在后互联网时代发生的问题。
图1是根据本申请的一些实施例的作为按需服务的在线平台的示例性系统100的框图。例如,按需服务系统100可以是提供运输服务的在线运输服务平台,如出租车呼叫、专车服务、快车、拼车、公交车服务、司机雇佣和班车服务。系统100可以包括服务器110、网络120、乘客终端130、司机终端140和数据库150。服务器110可以包括处理引擎112。
服务器110可以被配置为处理与服务请求相关的信息和/或数据。例如,服务器110可以确定区域中拼车站点。在一些实施例中,服务器110可以是单个服务器,或服务器组。所述服务器组可以是集中式的或分布式的(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可以是本地的或远程的。例如,服务器110可以经由网络120访问储存于乘客终端130、司机终端140和/或数据库150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130、司机终端140和/或数据库150,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可以处理服务请求信息和/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可以用户终端130的上车点。又例如,处理引擎112可以对上车点进行聚类以及从上车点中确定拼车站点。在一些实施例中,所述处理引擎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)。仅作为示例,处理引擎112可以包括中央处理单元(CPU)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、图形处理单元(GPU)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑装置(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。
网络120可以促进信息和/或数据的交换。在一些实施例中,系统100中的一个或以上部件(例如,服务器110、乘客终端130、司机终端140和数据库150)可以经由网络120向系统100中的其他部件发送信息和/或数据。例如,服务器110可以通过网络120从乘客终端130获取/得到服务请求。在一些实施例中,网络120可以为任意形式的有线或无线网络,或其任意组合。仅作为示例,网络120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、因特网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、广域网(WAN)、公共电话交换网(PSTN)、蓝牙网络、ZigBeeTM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、通用分组无线服务(GPRS)网络、改进数据率GSM(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/Internet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,网络120可以包括一个或以上网络接入点。例如,网络120可以包括有线或无线网络接入点,如基站和/或互联网交换点120-1、120-2、……,通过该网络交换点,按需服务系统100的一个或以上部件可以连接到网络120以交换数据和/或信息。
乘客终端130可由请求按需服务的乘客所使用。例如,乘客终端130的用户可以使用乘客终端130为自己或其他用户发送服务请求,或从服务器110接收服务和/或信息或指令。在一些实施例中,术语“用户”和“乘客终端”可以互换使用。
在一些实施例中,请求者终端130可以包括移动设备130-1、平板计算机130-2、膝上型计算机130-3、车载设备130-4等或其任意组合。在一些实施例中,移动设备130-1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,该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(POS)等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强型虚拟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,虚拟现实装置和/或增强实境装置可以包括Google Glass、Oculus Rift、HoloLens或Gear VR等。在一些实施例中,车载设备130-4包括机载计算机或机载电视等。仅作为示例,乘客终端130可以包括控制器(如遥控器)。
在一些实施例中,乘客终端130可以是具有定位技术的无线电设备,所述定位技术可以用于定位用户和/或乘客终端130的位置。在一些实施例中,乘客终端130可以与其他定位设备通讯以确定用户和/或乘客终端130的位置。在一些实施例中,乘客终端130可以向服务器110发送定位信息。
在一些实施例中,司机终端140可以是与乘客终端130类似或者相同的设备。在一些实施例中,司机终端140可以是带有定位技术的设备,以定位司机终端140的用户和/或司机终端140的位置。在一些实施例中,乘客终端130和/或司机终端140可以与其他定位设备通信以确定乘客、乘客终端130、司机和/或司机终端140的位置。在一些实施例中,乘客终端130和/或司机终端140可以将所述定位信息发送至服务器110。
数据库150可以储存数据和/或指令。在一些实施例中,数据库150可以储存从乘客终端130和/或司机终端140获取的数据。在一些实施例中,数据库150可以储存服务器110用来执行或使用来完成本申请中描述的示例性方法的数据及/或指令。在一些实施例中,数据库150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驱动器、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,数据库150可在云端平台上执行。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,数据库150可以与网络120连接以与系统100中的一个或以上部件(例如,服务器110、乘客终端130、司机终端140等)通讯。系统100中的一个或以上部件可以通过网络120访问储存于数据库150中的数据或指令。在一些实施例中,数据库150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130、司机终端140等)连接或通信。在一些实施例中,数据库150可以是服务器110的一部分。
在一些实施例中,系统100的一个或以上部件(例如,服务器110、乘客终端130、司机终端140等)可以拥有访问数据库150的许可。在一些实施例中,当满足一个或以上条件时,系统100的一个或以上部件可以读取和/或修改与乘客、司机和/或公众相关的信息。例如,在完成服务后,服务器110可以读取和/或修改一个或以上用户的信息。又例如,当从乘客终端130接收到服务请求时,司机终端140可以获取所述乘客相关信息,但所述司机终端140不可修改所述请求方的相关信息。
在一些实施例中,系统100中的一个或以上部件的信息交换可以通过请求服务的方式实现。服务请求的对象可以为任何产品。在一些实施方案中,产品可以是有形产品或非物质产品。有形产品可包括食品、药品、商品、化学产品、电器、服装、汽车、房屋、奢侈品等,或其任何组合。非物质产品可以包括服务产品、金融产品、知识产品、互联网产品等或其任意组合。互联网产品可以包括个人主机产品、网站产品、移动互联网产品、商业主机产品、嵌入式产品等或其任意组合。移动互联网产品可以用于移动终端的软件、程序、系统等或其任意组合。移动终端可以包括平板计算机、膝上型计算机、移动电话、个人数字助理(PDA)、智能手表、POS设备、车载计算机、车载电视、可穿戴设备等或其任意组合。例如,产品可以是在计算机或移动电话上使用的任一软件和/或应用。该软件和/或应用程序可以与社交、购物、交通、娱乐、学习、投资等,或其任意组合相关。在一些实施例中,与运输相关的软件及/或应用程序可以包括出行软件及/或应用程序、车辆调度软件及/或应用程序、地图软件及/或应用程序等。在车辆调度软件和/或应用程序中,车辆可包括马、马车、人力车(例如,独轮车、自行车、三轮车等)、汽车(例如,出租车、公共汽车、私人汽车等)、火车、地铁、船舶、飞行器(例如,飞机、直升机、航天飞机、火箭、热气球等)等或其任意组合。
图2是根据本申请的一些实施例所示的计算设备200的示例性硬件和软件组件的示意图,服务器110、乘客终端130和/或司机终端140可以在计算设备200上实现。例如,处理引擎112可以在计算设备200上上实施并执行本申请所公开的处理引擎112的功能。
计算设备200可用于实现本申请的按需系统。计算设备200可以实现如本申请所述的按需服务的任何组件。在图1-2中,为了方便起见,图中仅示出了一台计算机。在提交本申请时,本领域的普通技术人员应当理解,与本申请所描述的按需服务请求相关的计算机功能可以在多个类似平台上以分布式的方式实现,以分担处理负载。
例如,计算设备200可以包括与网络相连接通信端口250,以实现数据通信。计算设备200还可以包括中央处理器220,可以以一个或多个处理器的形式执行程序指令。示例性计算机平台可以包括内部通信总线210、不同形式的程序存储器和数据存储器,例如,磁盘270、只读存储器(ROM)230、或随机存取存储器(RAM)240,以由计算机处理和/或传输各种数据文件。示例性的计算机平台也可以包括储存于只读存储器230、随机存取存储器240和/或其他类型的非暂时储存介质中的供处理器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还包括输入/输出260,以支持计算机与此处其他部件如用户接口280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。
为了方便说明,计算设备200中仅描述了一个处理器。然而,应当注意的是,本申请中的计算设备200可以包括多个和/或处理器,因此,本申请中描述的由一个CPU和/或处理器实现的操作和/或方法也可以共同地或独立地由多个CPU和/或处理器实现。例如,如果在本申请中,计算设备200的处理器执行步骤A和步骤B,应当理解的是,步骤A和步骤B也可以由计算设备200的两个不同的处理器共同地或独立地执行(例如,第一处理器执行步骤A、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和步骤B)。
本领域普通技术人员应当理解,当按需服务系统100和/或计算设备200的组件执行时,该组件可以通过电信号和/或电磁信号执行。例如,当服务请求者终端130处理诸如做出确定、识别或选择对象的任务时,请求者终端130可以在其处理器中操作逻辑电路以处理这样的任务。当服务请求者终端130向服务器110发出服务请求时,服务请求者终端130的处理器可以生成编码该请求的电信号。然后,服务请求者终端130的处理器可以将电信号发送到输出端口。如果服务请求者终端130通过有线网络与服务器110通讯,所述输出端口可以物理连接至电缆,所述电缆可以进一步将所述电信号传输至服务器110的输入端口。如果服务请求者终端130通过无线网络与服务器110通讯,服务请求者终端130的输出端口可以是天线,该天线可以将电信号转换为电磁信号。类似地,服务提供者终端130可以通过其处理器中的逻辑电路的操作来处理任务,以及经由电信号或电磁信号从服务器110接收指令和/或服务请求。在电子设备中,例如服务请求者终端130、服务提供者终端140和/或服务器110,当其处理器处理指令、发出指令,和/或执行动作时,指令和/或通过电信号执行。例如,当处理器从存储介质检索或获取数据时,可以将电信号发送给存储介质的读/写设备,该读/写设备可读取存储介质中的结构化数据或将结构化数据写入存储介质中。该结构化数据可以电信号的形式经由电子设备的总线传输至处理器。此处,电信号可以指一个电信号,一系列电信号和/或至少两个不连续的电信号。
图3是根据本申请的一些实施例的为提供目标服务确定目标站点的示例性流程和/或方法300的流程图。
在一些实施例中,目标服务可以指在目标站点处收集货物和/或乘客以及为货物和/或乘客提供运输服务。仅为了说明目的,本申请将乘客拼车服务作为目标服务的一种示例。因此,该示例中的目标服务可以是拼车服务的上车点。
在一些实施例中,该流程可以在图1所示的系统100中实现。例如,流程300可以以指令的形式存储在数据库150和/或存储器(例如,ROM 230、RAM 240等)中,以及由服务器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301中,处理器220可以获取与区域相关的道路信息和与该区域相关的运输服务的历史订单的至少两个上车点。
在一些实施例中,数据库150和/或存储器(例如,ROM230、RAM 240等)可以存储编码与区域相关的历史订单的历史订单信息和区域的道路信息的结构化数据。历史订单信息可包括与区域相关的历史订单的各种类型的信息。例如,各种类型的信息可以包括上车点、目的地、历史订单的时间信息等或其组合。其中,上车点可以指司机接载乘客和/或货物的服务起始点。时间信息可以包括司机的等待时间、乘客到达上车点的步行时间、订单的持续时间(即,接受服务请求和完成服务之间的时间)等或其组合。在一些实施例中,区域可以是预设的地理区域,如城市、城镇、乡村、街道、城市的一个或以上区域(例如,城市的商业区、城市中的工业园区等)、州或任何其他领域。历史订单可以指在预设的过去时间段中生成的订单。例如,可将在过去一年、一个月或一周内生成的订单视为历史订单。在一些实施例中,区域的道路信息可以包括位于区域内的道路的各种信息。示例性的道路信息可包括道路等级、长度、经度/纬度信息、坡道、障碍区域等或其组合。道路等级可以包括高速公路、主路、侧面道路等或其组合。
在302中,处理器220可以基于上车点和道路信息将上车点聚类成至少两个簇。
在区域的历史订单中,其上车点可以沿着位于区域的道路分布。出于某种原因,一些上车点可能会集中。例如,至少两个上车点可以集中在工厂的大门处。因为在下班时,工厂的工人可能会在工厂门口打出租车。又例如,至少两个乘坐点可以集中在靠近主路的侧面道路的地方。因为主路可能是停车禁区,主路上的乘客可能需要在侧面道路上乘坐出租车。处理器220可以基于聚类算法识别集中的上车点并进一步将它们聚类到至少两个聚类。示例性聚类算法可以包括划分方法、分层方法、基于密度的方法、基于网格的方法、基于模型的方法等或其组合。关于聚类的细节可以在本申请的其他地方公开(如在图6A和图6B的描述中)。该至少两个上车点簇可以表示乘客方便上车的区域。
在303中,处理器220可以基于上车点的人气分数为簇的每一个确定作为候选点的上车点。
在一些实施例中,候选点可以表示上车点簇并进一步用于确定拼车站点。可以基于包括上车点的订单的数量来确定上车点的人气分数。在一些实施例中,在上车点簇中,可以将具有最高人气分数的上车点确定为表示簇的候选点。在一些实施例中,候选点可以不是簇中的一个上车点,而是新设定点。例如,两个上车点可以具有相同的最高人气分数。处理器220可以将该两个上车点之间的点设置为候选点。
在一些实施例中,候选点确定可以考虑簇处的道路信息(图中未示出)。例如,在候选点确定之前,可以首先忽略在不方便的地方(例如,高速公路、坡道、高架桥等)处用于上车的上车点。再例如,可以考虑上车点所在的道路是否好停车。与需要车辆让乘客下车和/或搭载乘客然后离开的通常拼车不同,可以允许司机在拼车站点等待更多时间来接载被推荐在拼车站点上车的所有乘客。因此,便于停车的道路可能更适合作为(因此被确定)候选点服务。例如,当两个上车点在一个簇中具有相同的最高人气分数,但是两个上车点中的一个位于主路而另一个位于侧面道路时,处理器220可以将侧面道路的上车点确定为候选点。
在304中,处理器220可以基于至少两个候选点中的每一个的人气分数和距离约束来确定来自至少两个候选点的一组作为拼车站点的候选点。
在一些实施例中,并非所有候选点都适合作为拼车站点。因为在某些活跃区域,候选点之间的距离可能太短。没有必要在相对较小的区域设置太多拼车站点。在这种情况下,具有较高人气分数的候选点可能具有竞争力。在一些实施例中,拼车站点确定了的距离约束可以是每两个拼车站点之间的距离需要大于距离阈值。关于如何基于人气分数和距离约束来确定拼车站点的细节可以在本申请的其他地方公开(如在图8A和图8B的描述中)。
在305中,处理器220可以为在304中确定了的拼车站点命名。在一些实施例中,拼车站点可以是上车点。处理器220可以将拼车站点命名为上车点的名称。在一些实施例中,拼车站点可以是基于上车点设置的候选点。处理器220可以基于靠近拼车站点的上车点命名拼车站点。关于命名的细节可以在本申请的其他地方公开(如在图5的描述中)。
在306中,处理器220可以优化所确定了的拼车站点的位置。
在确定了的拼车站点的实际使用中,实际上车点和推荐的拼车站点之间可能存在偏差。例如,拼车站点可以位于主路上。然而,司机可能更愿意在靠近拼车站点的侧面道路处等待并接载被推荐在该拼车站点上车的乘客。在这种情况下,需要优化拼车站点的位置并将其改变为侧面道路。关于优化的细节可以在本申请的其他地方公开(如在图4的描述中)。
应当说明的是,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,做出各种各样的修正和改变。然而,这些修正和改变不会背离本申请的范围。例如,可以在示例性流程/方法300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)。
图4是根据本申请的一些实施例的优化拼车站点的示例性流程和/或方法400的流程图。在一些实施例中,流程400可以在图1中所示的系统100中实现。例如,流程400可以以指令的形式存储在数据库150和/或存储器(如ROM 230、RAM 240等)中,以及由服务器110调用和/或执行(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401中,处理器220可以获取包括在有拼车站点的订单中的至少两个实际拼车点。在一些实施例中,这里使用的拼车站点可以是304中确定了的拼车站点中的一个。该拼车站点可以使用一段时间。有该拼车站点的订单可以指特定时期的历史订单,其包括向乘客推荐的该拼车站点。至少两个实际拼车点可以指订单中乘客的实际上车点。由于某种原因,实际的上车点可能与拼车站点不同。
在402中,处理器220可以确定至少两个实际拼车点的汇集点。
在一些实施例中,该至少两个实际拼车点有集中在汇集点的趋势,即在某个位置或小区域。例如,司机可能喜欢在停车场而不是在道路上等待乘客。因为在这种类型的拼车中,司机可能需要等待相对较长的时间来接载所有被推荐到达该拼车站点的乘客。在这种情况下,实际拼车点可能倾向于集中在靠近推荐的拼车站点的停车场处。汇集点可用于表示集中的实际拼车点。处理器220可以基于实际拼车点的分布来确定汇集点。例如,处理器220可以在包括实际拼车点的适当区域中生成实际拼车点密度的流行度图(或热图)。处理器220可以将流行度图中的最热点(最受欢迎的点)确定为汇集点。
在403中,处理器220可以确定汇集点和拼车站点之间的偏差。
所述确定可以基于地图。汇集点和拼车站点可以位于地图上。可以根据地图的绘图比例来确定表示偏差的距离。该距离可以包括直线距离和/或路线距离(如沿着路线的行驶距离)。在一些实施例中,路线距离可以与直线距离不同。例如,位于高架桥两侧的两个点,该两点之间路线距离比直线距离长。在一些实施例中,路线距离可用于表示汇集点与拼车站点之间的偏差。
在404中,处理器220可以评估偏差是否大于第一阈值。
第一阈值可以是存储在数据库150和/或存储器(如ROM230、RAM 240等)中的预设距离值。响应于确定偏差大于第一阈值,处理器220可以确定该拼车站点需要优化。由此,流程400可以执行405。响应于确定偏差不大于第一阈值,处理器220可以确定该拼车站点是合适的。由此,流程400可以执行406。
在405中,处理器220可以用汇聚点代替拼车站点。
在这种情况下,可以认为司机更适合在汇集点等待乘客。该替换可以包括改写拼车站点的位置,同时保留该拼车站点的其他特征(如名称、人气分数等)。例如,处理器220可以基于汇集点的经度和纬度改写拼车站点的经度和纬度。
在406中,处理器220可以忽略汇集点。在这种情况下,可以认为拼车站点是合适的。由于随机事件,偏差位于适当的误差中。
应当说明的是,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,做出各种各样的修正和改变。然而,这些修正和改变不会背离本申请的范围。例如,可以在示例性流程/方法400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)。
图5是根据本申请的一些实施例的命名拼车站点的示例性流程和/或方法500的流程图。在一些实施例中,流程500可以在图1中所示的系统100中实现。例如,流程500可以以指令的形式存储在数据库150和/或存储器(例如,ROM 230、RAM 240等)中,以及由服务器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501中,处理器可以确定具有靠近拼车站点的上车点的至少两个历史订单。
在一些实施例中,如果上车点和拼车站点之间的距离小于预设距离,可以认为上车点靠近拼车站点。例如,可以认为距离拼车站点的距离小于50米的上车点靠近拼车站点。处理器220还可以获取确定了的历史订单的订单信息。订单信息可以包括至少两个历史订单的上车点的名称。
在502中,处理器220可以对至少两个历史订单的上车点的名称进行排名。
在一些实施例中,可以基于上车点的人气分数排名。例如,处理器220可以从最高人气分数到最低人气分数对上车点的名称进行排序。在一些实施例中,基于人气分数的排名还可以包括一些支持排序方法。名称的构造可能会影响排序结果。例如,位于十字路口的上车点的名称的构造可以是基于两条道路的名称构建的。然而,与侧面道路上的点相比,十字路口不够方便司机停车一段时间。因此,十字路口的上车点名称的构造可能对至少两个历史订单的上车点名称的排名产生负面影响。
在步骤503,处理器220可以基于排序的名称确定拼车站点的名称。
在一些实施例中,处理器220可以将排序名称中的第一名称确定为拼车站点的名称。在一些实施例中,处理器220可以基于排名中的前几个名称和从上车点到拼车站点的距离来确定拼车站点的名称。例如,处理器220可以确定排名名称中的前三个作为适合于命名拼车站点的名称。然后,处理器220可以将具有最接近拼车站点的上车点的三个名称中的一个确定为拼车站点的名称。
应当说明的是,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,做出各种各样的修正和改变。然而,这些修正和改变不会背离本申请的范围。例如,可以在示例性流程/方法500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)。
图6A是根据本申请的一些实施例的聚类上车点的示例性流程和/或方法600的流程图。
在一些实施例中流程600可以在图1中所示的系统100中实现。例如,流程600可以以指令的形式存储在数据库150和/或存储器(如ROM 230、RAM 240等)中,以及由服务器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601中,处理器220可以确定包括至少两个上车点的区域。
在一些实施例中,区域可以是具有恒定面积的预设形状。例如,区域可以是具有特定直径的圆形。在一些其他实施例中,可以基于上车点的分布确定区域。处理器220可以识别一定数量的上车点以及确定围绕它们的区域。
在602中,处理器220可以基于区域的面积和包括在区域中的至少两个上车点的数量来确定密度。
处理器220可以基于地图信息确定区域的面积。处理器220可以对上车点进行计数以确定区域中的上车点的数量。在一些实施例中,密度可以是密度值,即至少两个上车点的数量与区域的面积之间的比值。在一些实施例中,密度确定还可以考虑上车点的人气分数。例如,尽管区域包括较少的上车点,但是,如果在区域中具有上车点的订单多于其他区域中的订单,区域中的上车点的人气分数仍然可以高于其他区域。因此,可以进一步通过将密度值乘以上车点的平均人气分数来确定密度。
在603中,处理器220可以评估密度是否大于第二阈值。响应于确定密度大于第二阈值,流程600可以执行604。响应于确定密度不大于阈值,流程600可以执行605。
在604中,处理器220可以将包括在区域中的上车点聚类成簇。在一些实施例中,聚类可以包括标记上车点。处理器220可以分配存储空间以写入上车点的簇标签数据。然后,可以将具有相同簇标签的上车点视为在同一簇中。
在605中,处理器220可以忽略上车点。在该步骤中,区域的密度可以低于第二阈值,这意味着该区域不受欢迎。因此,不需要在该区域中设置拼车站点。
应当说明的是,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,做出各种各样的修正和改变。然而,这些修正和改变不会背离本申请的范围。例如,可以在示例性流程/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)。
图6B示出根据本申请的一些实施例的聚类上车点的示例的示意图。
如图所示,至少两个上车点分布在两条道路上。可以通过处理器220确定四个区域A、B、C和D。四个区域中的每一个区域包括至少两个上车点。可以通过处理器220进一步确定四个区域的密度。区域D的密度小于阈值,因为其中仅包括两个上车点。然后,处理器220可以忽略该仅有的两个上车点。可以使用区域的名称进一步标记上车点。例如,处理器220可以在区域A中的上车点的相应存储空间中写入字母A。
图7是根据本申请的一些实施例的确定候选点的示例性流程和/或方法700的流程图。
在一些实施例中,流程700可以在图1中所示的系统100中实现。例如,流程700可以以指令的形式存储在数据库150和/或存储器(如ROM 230、RAM 240等)中,以及由服务器110调用和/或执行(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701中,在每个簇中且对于与该簇相关的每条道路,处理器220可以将该道路中具有最高人气分数的上车点确定为代表点。在一些实施例中,簇中的上车点可以分布在一条或以上道路上。每条道路可包括一个以上的上车点。代表点可以指包含在一条道路中具有最高人气分数的一个上车点。处理器220可识别簇中的道路并进一步识别位于每条道路中的上车点。对于每条道路,处理器220可以基于上车点的人气分数对上车点进行排名,以及确定最高的一个作为该道路的代表性上车点。
在702中,处理器220可以基于包括在每个簇的道路信息中的代表点和交通约束来确定候选点。对于簇,可以在701中确定一个或以上代表点。在一些实施例中,可以将代表点之一可以确定为簇的候选点,以及进一步用于在拼车站点确定中进行竞争。在一些实施例中,可以将代表点的人气分数用于确定候选点。例如,具有最高人气分数的代表点可以被处理器220确定为簇的候选点。
在一些实施例中,可以在候选点确定中考虑道路的交通约束。交通约束可以包括停车禁止区域、汽车到达的难度、乘客的步行距离、司机的可用持续停车时间等或其组合。停车禁止区域可包括高速公路、高架桥等。从理论上讲,停车禁区内的上车点的人气分数应该低。然而,一些新的停车禁止区域可能包括人气分数相对较高的上车点。
在一些实施例中,可能难以通过汽车到达某些区域。例如,社区内的位置对于具有交通许可的汽车是可到达的。乘客的步行距离可以指簇的区域中的乘客到达代表点的平均距离。例如,处理器220可以识别簇的区域中的历史订单,以及在接收服务请求时定位用户终端。可以认为用户终端130的位置是乘客的位置。处理器220还可以确定乘客的位置与每个代表点之间的距离。处理器220还可以基于乘客位置数量的距离来确定平均距离。较短的平均距离可能意味着更方便乘客到达。司机可用的持续停车时间可以指司机是否可以等待乘客一段时间。更长的持续停车时间可以在候选点确定中提供积极的影响。
应当说明的是,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,做出各种各样的修正和改变。然而,这些修正和改变不会背离本申请的范围。例如,可以在示例性流程/方法700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)。
图8A是根据本申请的一些实施例所示的距离约束的示例的示意图。
如图所示,处理器220已经为簇A、B和C确定了候选点。如在图1的描述中所公开的,每个拼车站点之间的距离应该大于距离阈值。在该图中,候选点A和候选点B之间的距离L1大于距离阈值,而候选点A和候选点C之间的距离L2小于距离阈值,以及候选点B和候选点C之间的距离L3小于距离阈值。因此,可以将候选点A和B可以同时确定为拼车站点。可能无法同时将候选点A和C,或候选点B和C确定为拼车站点。如果因为候选点C的人气分数在三个候选点中最大,将候选点C确定为拼车站点,处理器220可以忽略候选点A和B(例如,处理器220可以将候选点A和B移出其处理队列)。
候选点D和候选点B之间的距离L4小于阈值。候选点D的人气低于候选点B。由于候选点A和B已被忽略,以及候选点D和C之间的距离L5大于阈值,因此,可以保留候选点D并进一步将其确定为拼车站点。换句话说,是否保留候选点D是基于是否保留候选点B。因此,在图8B的描述中公开了用于执行距离约束的分布算法。
图8B是根据本申请的一些实施例的执行距离约束的示例性流程和/或方法800的流程图。
在一些实施例中,流程800可以在图1中所示的系统100中实现。例如,流程800可以以指令的形式存储在数据库150和/或存储器(如ROM 230、RAM 240等)中,以及由服务器110调用和/或执行(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)。在一些实施例中,由于服务器110可以是分布式系统,可以利用分布式计算来执行流程800。
在801中,处理器220可以初始化第一集合、第二集合和第三集合。在一些实施例中,处理器220可以为该三个集合分配存储空间以存储数据。第一集合可以用于存储可确定是拼车站点的候选点的数据。第二集合可以用于存储待确认是拼车站点的候选点的数据。第三集合可以用于存储确定不是拼车站点的候选点的数据。
在802中,处理器220可以确定约束区域或每个候选点。在流程800中,可以单独处理每个候选点,这使得流程800可以在分布式系统上实现。在一些实施例中,约束区域可以是包括当前处理的候选点的区域。约束区域可以包括除当前处理的候选点之外的一个或以上其他候选点。约束区域的形状可包括任何几何形状,如圆形、矩形、正方形等。例如,为了实现距离约束,拼车站点之间的距离应小于距离阈值。在这种情况下,约束区域可以是圆形。圆的中心可以是当前处理的候选点。圆的直径可以是该距离阈值。
在803中,对于每个候选点,处理器220可以将候选点的约束区域中的其他候选点的人气分数与该候选点的人气分数(也称为当前处理的候选点)进行比较。在一些实施例中,处理器220可识别约束区域中的所有候选点及其人气分数。处理器220可以将其他候选点的每个人气分数与当前处理的候选点的人气分数进行比较。
在804中,基于803中的比较,处理器220可以进行评估。响应于确定当前处理的候选点的人气分数大于所有约束区域中其他候选点的人气分数,流程800可以执行805。响应于确定当前处理的候选点的人气分数不完全大于约束区域中的其他候选点的人气分数,流程800可以执行806。
在805中,处理器220可以将当前处理的候选点归为第一集合,以及将约束区域中的其他候选点归为第三集合。在本申请中,分类可以包括标记候选点。例如,处理器220可以为候选点分配存储空间并在分配的存储空间中写入标签数据。
在806中,处理器220可以将当前处理的候选点归为第二集合。应当说明的是,对每个候选点,执行步骤804-806。在804或806之后,每个候选点都是经过处理的。
在807中,处理器220可以执行另一评估以确定第二集合是否包括任何候选点。响应于确定第二集合中没有候选点,流程800可以执行810。响应于确定在第二集合中存在一个或以上候选点,流程800可以执行808。
在808中,处理器220可以获取在第二集合而不在第三集合中的候选点。在一些实施例中,候选点可以在其自身处理的中被归为第二集合,而在其他候选点的处理过程中被归为第三集合,这意味着已经确定候选点不是拼车站点。在该步骤中,流程220可以获取确认是拼车站点的候选点,并进一步用迭代方法进行处理。
在809中,处理器220可以清空第二集合。在一些实施例中,处理器220可以擦除第二集合中候选点的标签数据。在809之后,流程800可以执行803以开始迭代。803中待处理的候选点是808中获取的候选点。
在810中,处理器220可以将第一集合中的候选点确定为拼车站点。由于第二集合中没有候选点,每个候选点已被确定为是/或不是拼车站点。确定了的拼车站点可以满足距离约束。
应当说明的是,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,做出各种各样的修正和改变。然而,这些修正和改变不会背离本申请的范围。例如,可以在示例性流程/方法800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)。
图9A是根据本申请的一些实施例的确定约束区域的示例性流程和/或方法900的流程图。
在一些实施例中,流程900可以在图1中所示的系统100中实现。例如,流程900可以以指令的形式存储在数据库150和/或存储器(如ROM 230、RAM 240等)中,以及由服务器110调用和/或执行(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)。在一些实施例中,因为服务器110可以是分布式系统,可以利用分布式计算来执行流程900。
在901中,处理器220可以基于经度和纬度将区域的地图分割成具有特定边长的至少两个正方形。例如,如图9B所示,已将地图中的区域分割成具有相同边长的九个正方形。正方形的边长可以与经度线和纬度线平行。地图中的其余区域也可以在此方法中分割,在此省略。
在902中,对于每个候选点,处理器220可以确定候选点所在的正方形和至少两个周围的正方形(例如,八个正方形)作为候选点的约束区域。例如,如图9B所示,处理器220可以识别候选点C所在的中心正方形。然后,处理器220可以确定该中心正方形周围的八个正方形。然后,处理器220可以将该八个正方形和该中心正方形一起确定为候选点C的约束区域。
图10A是根据本申请的一些实施例的在确定拼车站点时释放候选点的示例性流程和/或方法1000的流程图。
在一些实施例中,流程1000可以在图1中所示的系统100中实现。例如,流程1000可以以指令的形式存储在数据库150和/或存储器(如ROM 230、RAM 240等)中,以及由服务器110调用和/或执行(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)。在一些实施例中,因为服务器110可以是分布式系统,可以利用分布式计算来执行流程1000。
在由处理器220执行距离约束之后,拼车站点之间的距离可以大于预定距离。可以基于直线距离而不考虑路线距离执行距离约束。如果拼车站点周围有障碍物时,对乘客来说可能不方便。例如,如图10B所示,拼车站点A可以设置在高架桥的一侧。高架桥另一侧的乘客可能需要通过斑马线步行一长段距离才能到达拼车站点A。在这种情况下,额外的拼车站点B可能对乘客更方便。在一些实施例中,拼车站点B可以是已被归为第三集合的候选点。
在一些实施例中,处理器220可以设置跨越对应于拼车站点A的障碍的点。返回参照图10A,流程1000是通过释放第三集合中的候选点来设置额外拼车站点B的示例。
在1001中,处理器220可以确定靠近障碍物的拼车站点。在一些实施例中,处理器220可以识别拼车站点的位置。然后,处理器220可以搜索拼车站点周围的障碍物。如果障碍物与拼车站点之间的距离小于预定值,处理器220可确定该拼车站点靠近障碍物。
在1002中,处理器可以确定在障碍物处的乘客到拼车站点的步行距离。
在一些实施例中,步行距离可以是从障碍物的一点到拼车站点的最长路线。例如,如图10B所示,乘客可以通过斑马线或桥到达拼车站点A。可以将通过斑马的路线可以指定为路线x。可以将通过桥的路线指定为路线y。在高架桥的另一侧可能存在中间点,从该中间点到拼车站点A,路线x的距离等于路线y的距离。从中间点到拼车站点A的路线距离可以认为是从障碍物的一点到拼车站点的最长路线。
在1003中,处理器220可以执行评估以确定步行距离是否大于第三阈值。第三阈值可以是乘客可接受的步行到拼车站点距离。响应于确定步行距离大于第三阈值,流程1000可以执行1005以结束该流程。响应于确定步行距离不大于第三阈值,流程1000可以执行1004。
在1004中,处理器220可以确定第三集合中的位于障碍物处的候选点作为拼车站点。在一些实施例中,该确定可以是基于如上所述的最长路线距离。例如,处理器220可以根据最长路线确定中点。然后,处理器220可以将第三集合中最接近该中点的候选点确定为拼车站点。
图11是根据本申请的一些实施例的示例性处理器220的框图。处理器220包括获取模块1101、聚类模块1102、候选点确定模块1103、距离控制模块1104、命名模块1105和优化模块1106。
获取模块1101可以被配置为获取与区域相关的道路信息和与该区域相关的运输服务的历史订单的至少两个上车点。关于获取的细节可以在本申请的其他地方公开(例如在301的描述中)。
聚类模块1102可以被配置为基于上车点和道路信息将上车点聚类成至少两个聚类。关于聚类的细节可以在本申请的其他地方公开(例如在302的描述,图6A和图6B的描述中)。
候选点确定模块1103可以被配置为基于上车点的人气分数为簇中的每一个确定作为候选点的上车点。关于确定的细节可以在本申请的其他地方公开(例如,在303的描述中,图7的描述)。
距离控制模块1104可以被配置为,基于至少两个候选点中每一个的人气分数和距离约束,从至少两个候选点确定一组作为拼车站点的候选点。关于距离控制的细节可以在本申请的其他地方公开(例如,在304的描述,图8A和图8B的描述中)。
命名模块1105可以被配置为命名确定了的拼车站点。关于命名的细节可以在本申请的其他地方公开(例如,在305的描述中,图5的描述)。
优化模块1106可以被配置用于优化确定了的拼车站点的位置。关于优化的细节可以在本申请的其他地方公开(例如,在306的描述中,图4的描述)。
处理器220的模块可以通过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络(LAN)、广域网络(WAN)、蓝牙、紫蜂网络、近场通信(NFC)等或其任意组合。任何两个模块可以组合成单个模块,任何一个模块可以分成两个或以上单元。
本申请还可以作为存储有指令的计算机可读和/或处理器可读的非暂时性存储介质而提供,其可以用于对计算机系统(或其他电子设备)进行编程以执行根据本申请的流程。该流程可以是图3-10A中介绍的一个或以上流程和/或方法。例如,当指令由至少一个处理器评估时,指令可以指示至少一个处理器获取与区域相关的道路信息和与该区域相关的历史服务订单的至少两个服务起始点;根据服务起始点和道路信息,将至少两个服务起始点聚类成至少两个簇;基于服务起始点处的人气分数,为所述至少两个簇中的每一个簇确定作为候选点的服务起始点,其中,人气分数与有该服务起始点附近的服务起始点的订单的数量相关;基于至少两个候选点中的每一个候选点的人气分数和距离约束,以从至少两个候选点中确定作为目标站点的一组候选点;命名确定了的目标站点;以及优化确定了的目标站点的位置。关于这些流程的细节可以在本申请的其他地方公开。
这里,计算机可读介质包括通过机器(例如,计算机)以可读的形式存储或传输信息的任何机制。例如,在一些实施例中,计算机可读介质可以是暂时性的或者非暂时性的。例如,非暂时性的计算机可读介质可以包括例如磁介质(如硬盘、软盘等),光介质(如光盘、数字视频光盘、蓝光光盘等)、半导体介质(如闪存、电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)等)、在传播过程中所记录的数据不会稍纵即逝或者介质缺乏持久性的任何有形介质。又例如,暂时性计算机可读介质可以包括网络上的信号、连接器、导体、光纤、电路、在传输过程中短暂且缺乏持久性的的任何适合的介质,和/或任何适合的无形介质。
本申请还涉及用于执行本文操作的装置。该装置可以为所需目的而专门构造,或者它可以包括由存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。这样的计算机程序可以存储在计算机可读存储介质中,例如但不限于任何类型的盘,包括软盘、光盘、CD-ROM和磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡、或适用于存储电子指令的任何类型的介质。
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,做出各种各样的修正和改变。然而,这些修正和改变不会背离本申请的范围。例如,可以在示例性流程/方法1000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)。
需要注意的是,所有这些以及类似的术语都要与适当的物理量联系起来,且仅仅是运用于这些量的方便描述的标签。除非另有明确规定的,申请中采用以下词,诸如“发送”、“接收”、“生成”、“提供”、“计算”、“执行”、“存储”、“确定”、“获取”、“校正”、“记录”等指的是电脑系统或其它类似电子计算设备的动作和过程,此处所述的电脑系统的过程是对表现为电脑系统中的存储器或者寄存器中的物理量的数据进行操作和转化,使得它们变成同样展示在电脑系统的存储器、寄存器或者其他的数据存储、传输和显示设备中的类似的其他数据。
这里使用的术语“第一”、“第二”、“第三”、“第四”等意味着用于区分不同元件的标签,它们的数字标记可以不一定具有序数含义。
在一些实现中,任何合适的计算机可读介质可用于存储用于执行本文描述的流程的指令。例如,在一些实施例中,计算机可读介质可以是暂时性的或者非暂时性的。例如,非暂时性的计算机可读介质可以包括例如磁介质(如硬盘、软盘等)、光介质(如光盘、数字视频光盘、Blu-ray光盘等)、半导体介质(如闪存、电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)等)、任何在传播过程中所记录的数据不会稍纵即逝或者介质缺乏持久性的有形介质。又例如,临时性的计算机可读介质包括网络上的信号、连接器、导体、光纤、电路等任何在传输中缺乏持久性的无形介质。
需要注意的是,上述描写的智能钢琴系统中的钢琴,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。诸如此类的变形,均在本申请的保护范围之内。
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。虽然上述披露中提及了多种示例,这里被认作是披露中的多种有用的实施例,需要明确的是这些细节都只是为了说明,本申请不受这些实施例的限制,但是相反的,是为了覆盖在本申请披露的范围和精神内的修改和同质设计。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,前文对本申请的实施例的描述中,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,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。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 (18)
1.一种系统,包括:
至少一个计算机可读存储介质,包括确定按需服务中区域的目标站点的一组指令;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,当执行所述组指令时,所述至少一个处理器用于:
获取编码与区域相关的道路信息和与所述区域相关的历史服务订单的至少两个服务起始点的电子信号;
操作所述至少一个处理器中的逻辑电路,基于所述服务起始点和所述道路信息,以将所述至少两个服务起始点聚类成至少两个簇;
操作所述至少一个处理器中的所述逻辑电路,基于所述服务起始点的人气分数,为所述至少两个簇中的每一个簇确定作为候选点的服务起始点,其中,所述人气分数与有所述服务起始点附近的服务起始点的订单的数量相关;以及
操作所述至少一个处理器中的所述逻辑电路,基于所述至少两个候选点中的每一个候选点的所述人气分数和距离约束,以从所述至少两个候选点中确定作为目标站点的一组所述候选点,其中,所述距离约束为每两个所述目标站点之间的距离需要大于的距离阈值,
为了确定作为目标站点的所述组候选点,所述处理器进一步用于:
操作所述至少一个处理器中的所述逻辑电路,以对于每个候选点确定约束区域,其中,所述约束区域为基于所述候选点和所述距离阈值确定,所述约束区域中包括所述候选点和其他候选点;
对于每个候选点,操作所述至少一个处理器中的所述逻辑电路,以将所述候选点的所述人气分数与所述约束区域中其他候选点的所述人气分数进行比较;
响应于确定所述候选点的所述人气分数大于所述约束区域中所述其他全部候选点,将所述候选点归为第一集合,将所述候选点的所述约束区域中的所述其他候选点归为第三集合;
响应于确定所述候选点的所述人气分数不全大于所述约束区域中所述其他候选点的所有其他人气分数,将所述候选点归为第二集合;以及
操作所述至少一个处理器中的所述逻辑电路,以确定所述第一集合中的候选点作为目标站点。
2.根据权利要求1所述的系统,所述处理器进一步用于优化所述目标站点:
获取编码包括在有第一目标站点的订单内的至少两个实际拼车点电子信号,其中,所述第一目标站点属于所述确定了的目标站点;
操作所述至少一个处理器中的所述逻辑电路,以确定所述至少两个实际拼车点的汇集点;
操作所述至少一个处理器中的所述逻辑电路,以确定所述汇集点和所述第一目标站点之间的偏差;以及
响应于确定所述偏差大于第一阈值,操作所述至少一个处理器中的所述逻辑电路,用所述汇集点代替所述第一目标站点。
3.根据权利要求1所述的系统,为了基于所述服务起始点和所述道路信息,将所述至少两个服务起始点聚类成至少两个簇,所述处理器进一步用于:
操作所述至少一个处理器中的所述逻辑电路,以确定包括至少两个服务起始点的区域;
操作所述至少一个处理器中的所述逻辑电路,以基于所述区域的面积和包括在所述区域内的所述至少两个服务起始点的数量,确定服务起始点的密度;以及
响应于确定所述密度大于第二阈值,操作所述至少一个处理器中的所述逻辑电路,以聚类包括在所述区域的所述至少两个服务起始点成簇。
4.根据权利要求1所述的系统,为了确定作为候选点的服务起始点,所述处理器进一步用于:
在每个簇以及对于与所述簇相关的每条道路,操作所述至少一个处理器中的所述逻辑电路,以确定作为代表点的所述道路中具有最高人气分数的服务起始点;以及
操作所述至少一个处理器中的所述逻辑电路,对于每个簇基于所述代表点和包括在道路信息中的交通约束,以确定所述候选点。
5.根据权利要求4所述的系统,所述交通约束包括以下至少之一:
包括高速公路或高架桥中至少一个的停车禁区;
汽车到达的难度;
乘客的步行距离;或
司机可用持续停车时间。
6.根据权利要求1所述的系统,为了确定作为目标站点的所述组候选点,所述处理器进一步用于操作所述至少一个处理器中的所述逻辑电路以:
通过获取在所述第二集合而不在所述第三集合的候选点,获取剩余候选点;
清空所述第二集合;
对于每个剩余候选点,
将在所述剩余候选点的所述约束区域中的其他剩余候选点的人气分数与所述剩余候选点的人气分数进行比较;
响应于确定所述剩余候选点的所述人气分数大于所有在所述剩余候选点的所述约束区域中的其他剩余候选点的人气分数,将所述剩余候选点归为所述第一集合,以及将在所述剩余候选点的所述约束区域中的其他剩余候选点归为所述第三集合;
响应于确定所述剩余候选点的所述人气分数不全大于所有在所述剩余候选点的所述约束区域中的其他剩余候选点的人气分数,将所述剩余候选点归为所述第二集合;以及
确定所述第一集合中的候选点作为目标站点。
7.根据权利要求1所述的系统,为了对每个候选点确定所述约束区域,所述处理器还用于:
操作所述至少一个处理器中的所述逻辑电路,以基于经度和纬度将区域的地图分割成具有特定边长的至少两个正方形;以及
对于每个候选点,操作所述至少一个处理器中的所述逻辑电路,以确定所述候选点所在的正方形和所述确定了的正方形周围的八个正方形作为所述候选点的所述约束区域。
8.根据权利要求6所述的系统,为了确定作为目标站点的所述组候选点,所述处理器进一步用于:
对于每个目标站点,操作所述至少一个处理器中的所述逻辑电路,以评估是否存在障碍,使得在所述目标站点周围的预设区域内,实际的步行距离大于第三阈值;以及
操作所述至少一个处理器中的所述逻辑电路,以确定所述第三集合中的位于该所述障碍物处的候选点作为所述目标站点。
9.一种确定按需服务中区域的目标站点的方法,包括:
获取编码与区域相关的道路信息和与所述区域相关的历史服务订单的至少两个服务起始点的电子信号;
操作所述至少一个处理器中的逻辑电路,基于所述服务起始点和所述道路信息,以将所述至少两个服务起始点聚类成至少两个簇;
操作所述至少一个处理器中的所述逻辑电路,基于所述服务起始点的人气分数,为所述至少两个簇中的每一个簇确定作为候选点的服务起始点,其中,所述人气分数与有所述服务起始点附近的服务起始点的订单的数量相关;以及
操作所述至少一个处理器中的所述逻辑电路,基于所述至少两个候选点中的每一个候选点的所述人气分数和距离约束,以从所述至少两个候选点中确定作为目标站点的一组所述候选点,所述距离约束为每两个所述目标站点之间的距离需要大于的距离阈值,
为了确定作为目标站点的所述组候选点,所述处理器进一步用于:
操作所述至少一个处理器中的所述逻辑电路,以对于每个候选点确定约束区域,其中,所述约束区域为基于所述候选点和所述距离阈值确定,所述约束区域中包括所述候选点和其他候选点;
对于每个候选点,操作所述至少一个处理器中的所述逻辑电路,以将所述候选点的所述人气分数与所述约束区域中其他候选点的所述人气分数进行比较;
响应于确定所述候选点的所述人气分数大于所述约束区域中所述其他全部候选点,将所述候选点归为第一集合,将所述候选点的所述约束区域中的所述其他候选点归为第三集合;
响应于确定所述候选点的所述人气分数不全大于所述约束区域中所述其他候选点的所有其他人气分数,将所述候选点归为第二集合;以及
操作所述至少一个处理器中的所述逻辑电路,以确定所述第一集合中的候选点作为目标站点。
10.根据权利要求9所述的方法,所述方法进一步包括:
获取编码包括在有第一目标站点的订单内的至少两个实际拼车点电子信号,其中,所述第一目标站点属于所述确定了的目标站点;
操作所述至少一个处理器中的所述逻辑电路,以确定所述至少两个实际拼车点的汇集点;
操作所述至少一个处理器中的所述逻辑电路,以确定所述汇集点和所述第一目标站点之间的偏差;以及
响应于确定所述偏差大于第一阈值,操作所述至少一个处理器中的所述逻辑电路,用所述汇集点代替所述第一目标站点。
11.根据权利要求9所述的方法,所述操作所述逻辑电路以将所述服务起始点聚类成至少两个簇包括:
操作所述至少一个处理器中的所述逻辑电路,以确定包括至少两个服务起始点的区域;
操作所述至少一个处理器中的所述逻辑电路,以基于所述区域的面积和包括在所述区域内的所述至少两个服务起始点的数量,确定服务起始点的密度;以及
响应于确定所述密度大于第二阈值,操作所述至少一个处理器中的所述逻辑电路,以聚类包括在所述区域的所述至少两个服务起始点成簇。
12.根据权利要求9所述的方法,所述操作所述逻辑电路确定作为候选点的服务起始点包括:
在每个簇以及对于与所述簇相关的每条道路,操作所述至少一个处理器中的所述逻辑电路,以确定作为代表点的所述道路中具有最高人气分数的服务起始点;以及
操作所述至少一个处理器中的所述逻辑电路,对于每个簇基于所述代表点和包括在道路信息中的交通约束,以确定所述候选点。
13.根据权利要求12所述的方法,所述交通约束包括以下至少之一:
包括高速公路或高架桥中至少一个的停车禁区;
汽车到达的难度;
乘客的步行距离;或
司机可用持续停车时间。
14.根据权利要求9所述的方法,所述操作所述逻辑电路以确定作为目标站点的一组所述候选点进一步包括:
通过获取在所述第二集合而不在所述第三集合的候选点,获取剩余候选点;
清空所述第二集合;
对于每个剩余候选点,
将在所述剩余候选点的所述约束区域中的其他剩余候选点的人气分数与所述剩余候选点的人气分数进行比较;
响应于确定所述剩余候选点的所述人气分数大于所有在所述剩余候选点的所述约束区域中的其他剩余候选点的人气分数,将所述剩余候选点归为所述第一集合,以及将在所述剩余候选点的所述约束区域中的其他剩余候选点归为所述第三集合;
响应于确定所述剩余候选点的所述人气分数不全大于所有在所述剩余候选点的所述约束区域中的其他剩余候选点的人气分数,将所述剩余候选点归为所述第二集合;以及
确定所述第一集合中的候选点作为目标站点。
15.根据权利要求9所述的方法,所述操作所述逻辑电路为每个候选点确定所述约束区域包括:
操作所述至少一个处理器中的所述逻辑电路,以基于经度和纬度将区域的地图分割成具有特定边长的至少两个正方形;以及
对于每个候选点,操作所述至少一个处理器中的所述逻辑电路,以确定所述候选点所在的正方形和所述确定了的正方形周围的八个正方形作为所述候选点的所述约束区域。
16.根据权利要求14所述的方法,所述操作所述逻辑电路确定作为目标站点的所述组候选点包括:
对于每个目标站点,操作所述至少一个处理器中的所述逻辑电路,以评估是否存在障碍,使得在所述目标站点周围的预设区域内,实际的步行距离大于第三阈值;以及
操作所述至少一个处理器中的所述逻辑电路,以确定所述第三集合中的位于该所述障碍物处的候选点作为所述目标站点。
17.一种非暂时性处理器可读存储介质,包括用于确定按需服务中区域的目标站点的一组指令,当由至少一个处理器执行时,所述组指令指示所述至少一个处理器执行以下动作:
获取编码与区域相关的道路信息和与所述区域相关的历史服务订单的至少两个服务起始点的电子信号;
操作所述至少一个处理器中的逻辑电路,基于所述服务起始点和所述道路信息,以将所述至少两个服务起始点聚类成至少两个簇;
操作所述至少一个处理器中的所述逻辑电路,基于所述服务起始点的人气分数,为所述至少两个簇中的每一个簇确定作为候选点的服务起始点,其中,所述人气分数与有所述服务起始点附近的服务起始点的订单的数量相关;以及
操作所述至少一个处理器中的所述逻辑电路,基于所述至少两个候选点中的每一个候选点的所述人气分数和距离约束,以从所述至少两个候选点中确定作为目标站点的一组所述候选点,所述距离约束为每两个所述目标站点之间的距离需要大于的距离阈值,
为了确定作为目标站点的所述组候选点,所述处理器进一步用于:
操作所述至少一个处理器中的所述逻辑电路,以对于每个候选点确定约束区域,其中,所述约束区域为基于所述候选点和所述距离阈值确定,所述约束区域中包括所述候选点和其他候选点;
对于每个候选点,操作所述至少一个处理器中的所述逻辑电路,以将所述候选点的所述人气分数与所述约束区域中其他候选点的所述人气分数进行比较;
响应于确定所述候选点的所述人气分数大于所述约束区域中所述其他全部候选点,将所述候选点归为第一集合,将所述候选点的所述约束区域中的所述其他候选点归为第三集合;
响应于确定所述候选点的所述人气分数不全大于所述约束区域中所述其他候选点的所有其他人气分数,将所述候选点归为第二集合;以及
操作所述至少一个处理器中的所述逻辑电路,以确定所述第一集合中的候选点作为目标站点。
18.根据权利要求17所述的非暂时性处理器可读存储介质,其特征在于,所述一组指令还指示所述至少一个处理器执行以下动作:
获取编码包括在有第一目标站点的订单内的至少两个实际拼车点电子信号,其中,所述第一目标站点属于所述确定了的目标站点;
操作所述至少一个处理器中的所述逻辑电路,以确定所述至少两个实际拼车点的汇集点;
操作所述至少一个处理器中的所述逻辑电路,以确定所述汇集点和所述第一目标站点之间的偏差;以及
响应于确定所述偏差大于第一阈值,操作所述至少一个处理器中的所述逻辑电路,用所述汇集点代替所述第一目标站点。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/088110 WO2018227395A1 (en) | 2017-06-13 | 2017-06-13 | Systems and methods for determining target stations |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110741225A CN110741225A (zh) | 2020-01-31 |
CN110741225B true CN110741225B (zh) | 2024-01-02 |
Family
ID=64659755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780091609.6A Active CN110741225B (zh) | 2017-06-13 | 2017-06-13 | 确定目标站点的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200109958A1 (zh) |
CN (1) | CN110741225B (zh) |
WO (1) | WO2018227395A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11836652B2 (en) | 2019-02-13 | 2023-12-05 | Grabtaxi Holdings Pte. Ltd. | Automatically determining optimal transport service locations for points of interest from noisy multimodal data |
CN110348967A (zh) * | 2019-07-12 | 2019-10-18 | 携程旅游信息技术(上海)有限公司 | 用户行为追踪数据的分析方法、系统及存储介质 |
CN111859178B (zh) * | 2020-04-22 | 2024-04-09 | 北京嘀嘀无限科技发展有限公司 | 一种推荐上车点的方法和系统 |
CN112559881B (zh) * | 2020-12-24 | 2024-05-28 | 北京百度网讯科技有限公司 | 步行路线确定方法、装置、电子设备及存储介质 |
CN112766859A (zh) * | 2021-01-28 | 2021-05-07 | 深圳市跨越新科技有限公司 | 基于道路分割的运单分组方法、系统、终端及存储介质 |
CN113537828B (zh) * | 2021-08-04 | 2022-11-29 | 拉扎斯网络科技(上海)有限公司 | 虚拟站点挖掘方法和装置 |
KR20230023925A (ko) * | 2021-08-11 | 2023-02-20 | 현대자동차주식회사 | 택시 차량의 단말 시스템 및 이의 동작 방법 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104640074A (zh) * | 2015-02-17 | 2015-05-20 | 北京九五智驾信息技术股份有限公司 | 提供拼车服务的方法 |
CN104848849A (zh) * | 2015-05-12 | 2015-08-19 | 百度在线网络技术(北京)有限公司 | 基于定位技术的目标集结地点规划方法和规划装置 |
CN104931063A (zh) * | 2015-04-29 | 2015-09-23 | 腾讯科技(深圳)有限公司 | 路径规划方法 |
CN105489002A (zh) * | 2016-01-05 | 2016-04-13 | 深圳大学 | 一种基于智能匹配和路径优化的拼车方法及系统 |
CN105678412A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术(北京)有限公司 | 面向多人乘车的路线规划方法和装置 |
CN105677804A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术(北京)有限公司 | 权威站点的确定以及权威站点数据库的建立方法和装置 |
US9562785B1 (en) * | 2015-07-20 | 2017-02-07 | Via Transportation, Inc. | Continuously updatable computer-generated routes with continuously configurable virtual bus stops for passenger ride-sharing of a fleet of ride-sharing vehicles and computer transportation systems and computer-implemented methods for use thereof |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201239805A (en) * | 2011-03-30 | 2012-10-01 | Nat Univ Tsing Hua | A system and method for dynamic carpool service |
US8818715B2 (en) * | 2012-03-29 | 2014-08-26 | Yahoo! Inc. | Systems and methods to suggest travel itineraries based on users' current location |
US11493347B2 (en) * | 2013-03-12 | 2022-11-08 | Verizon Patent And Licensing Inc. | Using historical location data to improve estimates of location |
US9304009B2 (en) * | 2014-02-04 | 2016-04-05 | Here Global B.V. | Method and apparatus for providing passenger embarkation points for points of interests |
US10197410B2 (en) * | 2014-11-18 | 2019-02-05 | International Business Machines Corporation | Dynamic real-time carpool matching |
US20170039488A1 (en) * | 2015-08-06 | 2017-02-09 | Hitachi, Ltd. | System and method for a taxi sharing bridge system |
-
2017
- 2017-06-13 CN CN201780091609.6A patent/CN110741225B/zh active Active
- 2017-06-13 WO PCT/CN2017/088110 patent/WO2018227395A1/en active Application Filing
-
2019
- 2019-12-11 US US16/710,191 patent/US20200109958A1/en not_active Abandoned
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104640074A (zh) * | 2015-02-17 | 2015-05-20 | 北京九五智驾信息技术股份有限公司 | 提供拼车服务的方法 |
CN104931063A (zh) * | 2015-04-29 | 2015-09-23 | 腾讯科技(深圳)有限公司 | 路径规划方法 |
CN104848849A (zh) * | 2015-05-12 | 2015-08-19 | 百度在线网络技术(北京)有限公司 | 基于定位技术的目标集结地点规划方法和规划装置 |
US9562785B1 (en) * | 2015-07-20 | 2017-02-07 | Via Transportation, Inc. | Continuously updatable computer-generated routes with continuously configurable virtual bus stops for passenger ride-sharing of a fleet of ride-sharing vehicles and computer transportation systems and computer-implemented methods for use thereof |
CN105678412A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术(北京)有限公司 | 面向多人乘车的路线规划方法和装置 |
CN105677804A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术(北京)有限公司 | 权威站点的确定以及权威站点数据库的建立方法和装置 |
CN105489002A (zh) * | 2016-01-05 | 2016-04-13 | 深圳大学 | 一种基于智能匹配和路径优化的拼车方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110741225A (zh) | 2020-01-31 |
WO2018227395A1 (en) | 2018-12-20 |
US20200109958A1 (en) | 2020-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110741225B (zh) | 确定目标站点的系统和方法 | |
JP6925479B2 (ja) | 共有可能な注文を割り当てるためのシステムおよび方法 | |
CN109313846B (zh) | 用于推荐上车点的系统和方法 | |
AU2020201991B2 (en) | Systems and methods for recommending an estimated time of arrival | |
JP6934024B2 (ja) | 経路計画システムおよび方法 | |
TWI689744B (zh) | 用於確定預估到達時間的系統和方法及相關的非暫時性機器可讀取儲存媒體 | |
CN108713326B (zh) | 分配按需服务请求的系统及方法 | |
US20210140774A1 (en) | Systems and methods for recommending pick-up locations | |
TW201741993A (zh) | 確定運輸服務路線之系統及方法 | |
US20200104889A1 (en) | Systems and methods for price estimation using machine learning techniques | |
CN111433795A (zh) | 一种确定线上到线下服务的预估到达时间的系统和方法 | |
CN110839346A (zh) | 用于分配服务请求的系统和方法 | |
CN116508013A (zh) | 用于推荐兴趣点的系统和方法 | |
CN113924460B (zh) | 确定服务请求的推荐信息的系统和方法 | |
WO2020151725A1 (zh) | 一种位置预测方法以及装置 | |
CN110832811B (zh) | 用于发送空间数据的系统和方法 | |
Chen et al. | Development of An Android APP by Applying Multiple Attribute Decision Making in Parking Service |
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 |