CN111183438A - 动态车辆路线选择确定 - Google Patents
动态车辆路线选择确定 Download PDFInfo
- Publication number
- CN111183438A CN111183438A CN201780095617.8A CN201780095617A CN111183438A CN 111183438 A CN111183438 A CN 111183438A CN 201780095617 A CN201780095617 A CN 201780095617A CN 111183438 A CN111183438 A CN 111183438A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- routing
- route
- determining
- service
- 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 claims abstract description 57
- 238000005457 optimization Methods 0.000 claims abstract description 43
- 230000008569 process Effects 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 claims description 45
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000012384 transportation and delivery Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 11
- 230000003068 static effect Effects 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000013442 quality metrics Methods 0.000 claims 3
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000013459 approach Methods 0.000 description 21
- 238000004891 communication Methods 0.000 description 13
- 238000003860 storage Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 230000002860 competitive effect Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- 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
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- 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
- 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
-
- 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
- G01C21/362—Destination input or retrieval received from an external device or application, e.g. PDA, mobile phone or calendar application
-
- 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
- G01C21/3667—Display of a road map
- G01C21/3676—Overview of the route on the road map
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Automation & Control Theory (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Navigation (AREA)
Abstract
诸如运输管理服务机构的提供商可在选择路线选择选项以服务一组客户行程请求时利用目标函数来平衡各种度量。所述目标函数可以提供乘坐者体验与提供商经济性之间的折衷,考虑了诸如乘坐者便利性、操作效率和履行已确认行程的能力的度量。分析不仅可以考虑计划行程或当前正在计划的行程,而且可以考虑当前正在进行的行程。可以应用一个或多个优化过程,所述一个或多个优化过程可以改变所述目标函数的分量值或权重,以便试图改进针对每个建议的路线选择解决方案生成的质量分数。可以至少部分地基于所述建议的路线选择解决方案的所得质量分数选择解决方案以用于实现。
Description
背景技术
人们越来越多地求助于诸如拼车等产品来完成日常任务。拼车可以涉及乘坐者,所述乘坐者被分配了在一段时间内专用于这些乘坐者的车辆,或者被分配了将同时让其他乘客乘坐的车辆上的座椅。虽然单独分配的汽车可以具有一些益处,但是共享车辆可以降低成本并且提供关于调度的某种确定性。然而,在多个同时乘坐者之间共享车辆可能具有各种约束,因为乘坐者将需要关于搭乘时间和到达目的地的时间的某种确定性,这样就使得路线的灵活性可能是有限的。因此,可能期望试图平衡使车辆的占用率和利用率最大化对提供商的经济性与提供给乘坐者的便利性和体验。
附图说明
将参考附图描述根据本公开的各种实施例,在附图中:
图1示出可以实现各种实施例的示例性搭乘请求环境。
图2A和图2B示出根据各种实施例的可在一段时间内针对服务区域确定的示例性起始位置和目的地位置以及用于服务那些位置的路线。
图3示出根据各种实施例的可经由目标函数平衡的示例性服务度量。
图4示出可用于实现各种实施例的方面的示例性系统。
图5示出根据各种实施例的可利用的用于确定一组行程请求的路线选择解决方案的示例性过程。
图6示出根据各种实施例的可利用的用于优化建议的路线选择解决方案的示例性过程。
图7示出根据各种实施例的可用于提交行程请求并接收路线选项的示例性计算装置。
图8示出可用于实现各种实施例的各方面的计算装置的示例性部件。
具体实施方式
在以下描述中,将描述各种实施例。出于解释的目的,阐述了具体的配置和细节,以便提供对实施例的透彻理解。然而,本领域技术人员还将明白,可在没有具体细节的情况下实践实施例。此外,可省略或简化公知的特征,以免混淆所描述的实施例。
本文所描述和建议的方法涉及响应于各种请求提供运输。特别地,各种实施例提供用于根据各种路线选择解决方案进行确定和选择以服务一组运输请求的方法。请求可以涉及人员、动物、包裹、或其他对象或乘客的从起始位置到目的地位置的运输。请求还可包括至少一个时间分量。当在建议的路线选择解决方案之间进行选择以服务一组客户行程请求时,提供商(诸如运输服务公司)可以利用目标函数来平衡各种度量。目标函数可以提供例如乘坐者体验与提供商经济性之间的折衷,考虑了诸如乘坐者便利性、操作效率和履行已确认行程的能力的度量。所述分析不仅可以考虑计划行程或当前正在计划的行程,而且可以考虑当前正在进行的行程。可以应用一个或多个优化过程,所述优化过程可以改变目标函数的分量值或权重,以便试图改进针对每个建议的路线选择解决方案生成的质量分数。可以至少部分地基于建议的路线选择解决方案的所得质量分数选择解决方案以用于实现。
根据本文所包含的教义和建议,如本领域普通技术人员将明白,在各种实施例的范围内也可以使用各种其他此类函数。
图1示出可以实现各种实施例的各方面的示例性环境100。在此示例中,用户可以使用例如在客户端计算装置110上执行的应用程序请求从起始位置到目的地位置的运输。在各种实施例的范围内,也可以使用用于诸如通过消息传送或电话传送机制提交请求的各种其他方法。此外,所述请求中的至少一些可以从正在运输或计划要运输的对象接收,或者为了所述对象而接收。例如,客户端装置可能用于提交对象、包裹或其他可交付物的初始请求,并且然后可能从对象、或者例如装置或与所述装置相关联的机制接收后续请求。可以使用其他通信来代替请求,所述其他通信可涉及指令、呼叫、命令和其他数据传输。对于本文所讨论的各种实施例,除非另有说明,“客户端装置”不应被狭义地解释为常规计算装置,并且根据各种实施例,任何能够接收、传输或处理数据的装置或部件和通信都可以用作客户端装置。
可以使用能够同时运输一个或多个乘坐者的车辆100(或其他对象)来提供运输。虽然如本文所用的乘坐者将通常指代人类乘客,但是应当理解,各种实施例中的“乘坐者”还可以指代非人类乘坐者或乘客,所述非人类乘坐者或乘客可包括动物或无生命对象,诸如用于交付的包裹。在此示例中,拼车服务使用至少一种类型的车辆提供路线,所述车辆包括用于驾驶员102的空间和用于多达最大数量的乘坐者的座椅或其他容量。应当理解,可使用具有不同数量或配置的容量的各种类型的车辆,并且在各种实施例的范围内,也可以利用没有专用驾驶员的自主车辆。也可使用诸如智能自行车或个人运输车辆的车辆,所述车辆可包括用于仅单个乘坐者或有限数量的乘客的就坐容量。对于给定路线上的给定车辆,多个可用座椅106(或其他乘坐者位置)可被乘坐者占用,而另一些数量的座椅108可未被占用。在一些实施例中,诸如包裹或交付物的对象同样也可占用可用的搭乘空间。为了提高所提供的搭乘的经济性,在至少一些实施例中,可以期望在行程的整个长度期间具有尽可能接近满员的占用率。这种情形导致非常少的未售出座椅,这提高了操作效率。一种实现高占用率的方法可能是仅提供固定路线,其中所有乘客在固定的起始位置处上车并在固定的目的地位置处下车,没有乘客在中间位置处上车或下车。
在本示例中,给定用户可以手动地或从一组建议的位置116以及通过其他此类选项(诸如通过从地图118或其他接口元素选择)输入起始位置112和目的地位置114。在其他实施例中,诸如机器学习算法或人工智能系统的源可以基于相关信息(诸如历史用户活动、当前位置等)选择适当位置。这种系统可以使用历史搭乘数据进行训练,并且可以使用最近的搭乘和乘坐者数据以及其他此类选项随时间推移而学习并改进。后端系统或其他提供商服务可以获取此信息并试图将请求与在适当时间具有容量的具体车辆匹配。已知出于此类目的,可以期望选择将在该时间处位于起始位置附近的车辆,以便最小化开销(诸如燃料和驾驶员成本)。如所提及的,容量可以包括用于人类驾驶员的座椅或用于要运输的包裹或对象的足够可用容积以及其他此类容量的量度。
然而,这种方法对于所有情形可能不是最优的,因为可能难以让足够的用户或对象提供商同意在具体时间处或在特定时间窗口内处于具体起始位置,这可以导致相对低的占用率或容量利用率,并且因此导致低操作效率。此外,这种方法可导致提供较少的搭乘,这可减少总体收入。此外,需要多个用户行进到具体、固定的起始位置可致使那些用户利用其他运输手段,所述其他运输手段可涉及无需格外费力的出租车或专用拼车车辆。因此,在至少一些实施例中,可以期望将乘坐者便利性作为因素考虑到要提供的路线的选择中。然而,对于一个乘坐者来说可能方便的事情对于其他乘坐者来说可能并不方便。例如,在一个乘坐者的房屋前接载他或她可能给现有路线增加了另外的停留处和另外的路线距离,这对于已在该路线上或已被分配到该路线的乘坐者来说可能是不可接受的。此外,不同的乘坐者可能更喜欢在不同的时间处从不同的位置离开,以及在最大允许时间量内到达其目的地,这样使得各种乘坐者的利益至少在某种程度上相互抵触,并与搭乘提供商的利益相抵触。因此,在至少一些实施例中,可以期望使各种乘坐者的相对体验与用于具体搭乘、路线或其他运输选项的拼车服务的经济性平衡。虽然这种方法将可能阻止搭乘提供商最大化每次搭乘的利润,但是可以存在某种妥协,所述妥协使服务能够在向服务的各种乘坐者或用户(至少)提供令人满意的服务的同时获利。这种方法可以改进乘坐者体验并导致更高的客流量水平,这可在适当地管理的情况下增加收入和利润。
图2A和图2B示出根据各种实施例的可用于提供这种服务的一个示例性方法。在图2A的示例性建图200中,一组起始点202和目的地点204指示在确定的一段时间内一个或多个用户想要在其之间行进的位置。如图所示,存在用户可能想要被交付到或对象将要被交付到的位置的集群,所述位置的集群可对应于城镇中心、城市位置或多个不同企业或其他目的地位于的其他区。然而,起点位置可以是较少聚集的,诸如可涉及乘坐者的家可位于的郊区或农村区域。聚集还可以在一整天中发生变化,诸如人员在早上从其家行进到其工作地点,并且通常在晚上沿相反方向行进。在这些时段之间可能存在小聚集,或者聚集可能主要到城市区域内的位置。经济上,对于多乘坐者车辆服务来说,为每个人员提供用于确定路线的专用车辆可能是不实际的,因为每个车辆的总体占用率将非常低。然而,确保每个车辆的满占用率可负面地影响然后可必须具有更长路线和行进时间以便适应另外的乘坐者的单个乘坐者的体验,这可致使他们选择其他运输手段。类似地,需要大量乘客在同一起始位置处会合可能对于然后可选择替代性行进选项的那些乘客中的至少一些来说是不方便的。
因此,在至少一些实施例中,可以期望提供平衡或至少考虑这些和其他此类因素的路线和运输选项。作为示例,图2B的建图250示出可在一段时间内提供以便满足各种乘坐者请求的路线252的选择。路线可能不包括或对应于每个精确的起始和目的地位置,但是可在大多数情况下处于那些位置的可接受距离内。可能存在以下情形:其中起始位置或目的地位置不提供服务或在特定时间处提供服务,其中路线选项可能不可用,但是在一些实施例中,可以确定的价格提供专用、有限容量的车辆,诸如其他此类选项。此外,虽然路线可能无法使每个车辆能够具有满占用率,但是每个车辆的乘客的数量可足以为拼车服务提供至少充分的利润率或效率。由这种服务提供的路线252可随时间推移或甚至在不同的当日时间发生变化,但是可以足够地设定成使得乘坐者可以在其通勤或行进期间具有至少一定水平的确定性。虽然这可能不提供其他行进选项的灵活性,但是其可以提供潜在较低成本点处的行进确定性,这对服务的许多潜在用户来说可能是期望的。然而,如所提及的,这种服务还可以利用其他搭乘选项提供额外的灵活性,这可与更高的价格一起提供给潜在乘坐者。
为了确定要提供的路线以及要用于提供那些路线的车辆(或车辆的类型),可以考虑各种因素,如本文所讨论和建议的。然后,可以优化这些因素的函数,以便相对于其他可用路线选择选项提供改进的客户体验或运输对象的运输体验,同时还提供提高的利润率或至少提供提高的操作效率。可以基于其他可用数据随时间推移而更新优化方法和路线产品,所述其他可用数据可涉及最近的搭乘数据、客流量请求、交通模式、建筑更新等。在一些实施例中,基于人工智能的方法(可包括机器学习或经训练的神经网络)例如可以用于基于根据如本文其他地方所讨论的数据确定的各种趋势和关联进一步优化函数。
根据各种实施例的方法可以利用至少一个目标函数来针对一个或多个服务或覆盖区确定一组车辆或其他运输机构的路线选项。可以应用至少一个优化算法以调整所考虑的各种因素,以便改进目标函数的结果,诸如以便最小化或最大化一组路线选项的分数。优化可以不仅应用于特定路线和车辆,例如而且应用于未来计划路线、单个乘坐者或包裹和其他此类因素。目标函数可以用作路线选择解决方案的质量、建议的路线选择选项组或过去的路线选择的总体量度。目标函数用作平衡各种重要因素的期望的编码,所述各种重要因素可包括乘坐者的便利性或体验、以及给定区域的服务交付效率和具体行程的服务质量(QoS)合规性、以及其他此类选项。对于在给定的一段时间内的多个给定的起始位置和目的地位置,可以应用目标函数并为每个建议的路线选择解决方案给出分数(诸如优化路线分数),这可以用于选择最优路线选择解决方案。在一些实施例中,将选择具有最高路线分数的路线选择选项,而在其他实施例中,可以存在用于最大化或最小化所得分数或在各种其他评分、排名或选择标准中生成排名的方法。在一些实施例中,也可选择具有最低分数的路线选择选项,诸如其中优化函数可基于成本的量度(其可期望尽可能低)对诸如利益的量度(其可期望尽可能高)等其他此类选项的因素来进行优化。在其他实施例中,选择的选项可能不具有最优目标分数,但是具有可接受的目标分数,同时满足一个或多个其他搭乘选择标准,诸如所述搭乘选择标准可涉及操作效率或最低限度乘坐者体验等。在一个实施例中,目标函数接受乘坐者的便利性、履行已确认行程的能力、车队操作效率和当前需求作为输入。在一些实施例中,将存在可随时间推移而被学习(诸如通过机器学习)的这些项中的每一个的权重。组成这些项中的每一个的因素或数据或值还可以随时间推移而改变或更新。
分量度量(诸如乘坐者的便利性、QoS合规性和服务交付效率)可以服务至少两个目的。例如,度量可以帮助确定关键性能指标(KPI)值,在一些实施例中,所述KPI值可用于计划服务区域和测量其操作性能。性能度量(诸如KPI)可以帮助评估各种活动的成功,其中可基于特定组织的各种目的或目标选择相关的KPI。也可以使用各种其他类型的度量。例如,可以考虑选择服务部署的位置,诸如可以选择服务区域(例如,城市)的位置,并且可期望开发或应用被确定为最优特定服务区域或至少为特定服务区域定制的部署或选择方法。此外,这些度量可以帮助提供路线选择系统的实时优化目的,其可以用于建议或选择各种请求的路线。在一些实施例中,优化可需要针对当前活动的服务窗口的部分数据集计算的度量,所述当前活动的服务窗口可对应于各种实施例中的固定或可变的一段时间。
作为示例,乘坐者的便利性分数可以考虑各种因素。一种因素可以是从乘坐者的请求起始点到选择的路线的起始点的距离。可使用任何相关方法执行评分,诸如其中准确匹配为1.0分,并且大于最大或指定距离的任何距离都得到0.0分。最大距离可对应于用户愿意步行或行进到起始位置的最大距离、或所有用户的平均最大距离、以及其他此类选项。对于包裹,这可包括提供商愿意行进以使那些包裹运输到其相应目的地的距离。这些因素之间的函数也可以发生变化,诸如可利用线性或指数函数。例如,在一些实施例中,在请求的起始位置与建议的起始位置之间的中途处的起始位置可能被分配0.5的便利性分数,而在其他方法中,可能获得0.3或更少的便利性分数。针对时间可采用类似的方法,其中请求的接载与建议的接载之间的时间的长度可以与所应用的便利性分数成反比。也可考虑各种其他因素,所述因素可包括搭乘长度、停留处的数量、目的地时间、预期交通量、以及其他此类因素。便利性值本身可以是这些和其他此类因素的加权组合。
优化或至少考虑乘坐者的便利性度量可以帮助确保提供给乘坐者的行程至少是竞争性便利的。虽然乘坐者便利性可以是主观的,但是所述度量可以着眼于客观度量,以确定相对于其他可用运输手段便利性是否是有竞争力的。可以考虑可使用可用数据来客观确定或计算的任何适当因素。这些因素可以包括例如有能力(或没有能力)提供各种行程选项。所述因素还可以包括相对于由乘坐者针对路线请求的一个或多个时间的出发或到达时间的差。在一些实施例中,乘坐者可以提供目标时间,而在其他实施例中,乘坐者可以提供时间窗口或可接受的范围、以及其他此类选项。另一种因素可以涉及相对行程延迟(根据预期或基于类似路线的历史数据)。例如,通过某些高交通量位置的某些路线可具有可变到达时间,所述可变到达时间可以作为因素考虑到通过该区域或那些位置的潜在路线的便利性分数中。另一种因素可涉及用户针对给定路线所需的步行(或非路线行进)。如所提及的,这可以包括请求的起点与建议的起点之间的距离以及请求的目的地与建议的目的地之间的距离。如果适当,还可考虑转移车辆所需的任何步行。
也可以考虑各种其他因素,其中确定对便利性的影响可能困难,但是确定度量本身相对简单。例如,可以考虑当前计划的就坐或对象容量利用率。虽然从提供商的立场来看可以期望具有满占用率或容量利用率,但是如果乘坐者具有一些分散开的能力,或者如果不是车辆中的每个座椅都被占用,则乘坐者可能更舒适。类似地,虽然这种方法可能不影响总体搭乘长度,但是任何原路返回或在沿着路线的先前位置处的另外的停留处可能对于各种乘坐者来说令人沮丧,这样使得可在乘坐者的便利性中考虑这些因素以及停留处的总数量和其他此类因素。路径的偏离也可以作为因素考虑进去,因为有时为了交通量、通行费或其他目的而采用某一位置周围的具体路径可能有益处,但是在某些情况下,这也可能对于用户来说有点令人沮丧。
可与乘坐者便利性度量一起考虑但可能更难以测量的另一种因素是特定位置的合意性。在一些实施例中,分数可由提供商的雇员确定,而在其他实施例中,分数可基于各种乘坐者的评价或反馈以及其他此类选项确定。可在评估位置的合意性时考虑各种因素,所述各种因素可涉及与地点相关联的地形或交通的类型。例如,平坦的位置可得到比陡坡上的位置更高的分数。此外,智能基础设施的可用性、接近度和类型也可以影响分数,因为接近智能基础设施或由智能基础设施管理的位置可比没有这样的接近度的区域位置得分更高,因为这些区域可以提供更加高效且环境友好的运输选项、以及其他此类优点。类似地,具有很少步行交通量的位置可能比靠近繁忙的十字路口或有轨电车轨道的位置得到更高的分数。在一些实施例中,可考虑安全度量,所述安全度量可基于数据(诸如犯罪统计、可见度、照明和客户评价、以及其他此类选项)确定。也可考虑各种其他因素,所述因素可涉及列车线路、零售店、咖啡店等的接近度。在至少一些实施例中,这些和其他因素的加权函数可以用于确定建议的路线选项的乘坐者的便利性分数。
可用于各种实施例中的另一个分量度量涉及服务质量(QoS)合规性。如所提及的,QoS合规性或类似度量可以用于确保便利性在整个路线的交付过程中保持不受损。可存在应用于给定路线的各种QoS参数,并且与那些参数的任何偏差可以负面地影响针对路线确定的服务质量。一些因素的影响可以是二元的,诸如由系统取消行程。行程被取消或至少部分地执行,这可以指示符合QoS项。如果行程的其他方面(诸如到达时间或行进长度)被影响,则修改路线也可以影响QoS合规性分数。要考虑的其他因素是到达时间是否超过最迟承诺到达时间以及超过多少。此外,因素可以涉及起始位置或目的地位置是否被重新分配、以及乘坐者是否必须在停留处中的任一处等待过长的一段时间。当确定QoS合规性分数时,还可考虑车辆的重新分配、过容量、车辆性能问题和其他因素。在一些实施例中,可在选择建议的路线时考虑基于这些因素的路线的历史性能,如本文所讨论的。
相对于服务交付效率,所述效率可以针对具体服务区域(或服务区域组)确定。这种因素可以帮助确保至少从成本或资源立场来看车队操作是高效的,并且可以用于建议或生成各种基本操作模式的不同解决方案。在一些实施例中,效率可以基于车辆分配因素的组合确定,所述车辆分配因素可涉及静态和动态分配。对于静态车辆分配,车辆可以在服务窗口的整个持续时间内调拨到服务区域,其中假定劳动力成本是固定的。对于动态车辆分配,车辆可以按需进入和退出服务。这可以提供服务车辆的较高利用率,但是可以导致可变劳动力成本。然而,这种方法可以最小化行驶距离和服务时间,这可以降低燃料和维修成本以及减少车辆上的磨损。这种方法还可以潜在地增加管理车辆、驾驶员和交付服务所需要的其他此类资源的复杂性。
可以考虑相对于服务效率(或等效)度量的各种因素。这些可以包括例如计划但尚未行驶的乘坐者里程(或其他距离),其可以与计划但尚未行驶的车辆里程进行比较。比较可以提供就坐密度的量度。车辆里程还可以与“最优”乘坐者里程的量度进行比较,所述“最优”乘坐者里程可以基于预期容量和其他此类值按比例分配。车辆里程与最优乘坐者里程之间的比较可以提供路线选择效率的量度。例如,作为服务的一部分,车辆不仅沿着乘客路线行进,而且必须行进到起始位置并从目的地位置行进,以及潜在地行进到驻停位置和其他此类位置并从驻停位置和其他此类位置行进。超过最优乘坐者里程的由车辆行进的里程可以提供低效率的量度。将最优乘坐者里程与计划但尚未行驶的度量(诸如车辆小时)进行比较可以提供服务效率的量度。与仅仅是距离相反,服务效率度量考虑驾驶员时间(以及因此薪水、以及交通中的时间和其他此类因素,这降低了总体效率。因此,在至少一些实施例中,效率度量可以包括因素,诸如为搭乘作准备所需要的时间,包括准备好车辆(清洁、放置水瓶或杂志、充填汽油等)、以及行驶到起始位置并等待乘客上车。类似地,度量可以考虑完成搭乘(诸如行驶到驻停位置并驻停车辆、清洁并检查车辆等)所需要的时间。效率还可以潜在地考虑车辆的其他维修相关的因素,诸如每日或每周的清洗、内部清洁、维修检查等。车辆小时还可以与乘坐者的数量相比较,所述车辆小时可以针对具体服务区域在一段时间内按比例分配给计划数量的乘坐者。这种比较可以提供车队利用率的量度,因为针对车辆小时的可用座椅的数量可以与乘坐者的数量相比较,以确定占用率和其他此类度量。然后,可以使用用于组合这些因素的权重和函数将这些和其他值组合成总体服务效率度量,所述总体服务效率度量可以用于使用其他度量(诸如便利性或QoS度量)对所提供的各种选项进行评分或排名。
在一些情形下,某些度量(诸如最优乘坐者里程和最优距离)用作效率的量度可能是有问题的。例如,依赖行程的计划或实际距离作为所提供的服务质量的量化可以潜在地导致乘坐者体验的降级。这可能是由以下事实导致的:需要普通乘坐者行进更长的距离可导致更好的车辆利用率,但是这对于较短行程的用户来说可能不是最优的。然后,距离度量的优化可具有抵消服务质量度量中的任何增益的负面影响。因此,根据各种实施例的方法可以利用路线选择系统的行为的量度不变量。在一些实施例中,可以计算请求行程的理想里程。这可以假定从起点驾驶具体类型的车辆到目的地,而没有任何另外的停留处或偏离。然后,“最优”路线可以至少部分地基于在针对理想路线的请求行程时间处的预测交通或延迟确定。然后,这可以有利地用作所提供的服务的量度。
示例性路线确定系统可以考虑已经计划或正在计划的行程、以及当前正在进行的行程。出于确定各种选项的影响的目的,所述系统还可以依赖过去发生的路线和行程。对于正在进行的行程,可以利用诸如剩余持续时间和距离的信息。使用计划路线的信息使路线选择系统能够集中于服务窗口的仍可受影响(通常适时前进)的一部分。对于按比例分配且计划但尚未行驶的路线,最优距离可能难以直接评定,因为所述路线尚未实际行驶。在一些实施例中,为了接近尚未行驶的最优距离,路线选择系统可以按比例分配总最优距离,以表示计划距离的尚未行驶的一部分。
图3示出根据各种实施例的可利用的一组示例性服务交付效率度量300。此示例示出可以平衡计划车辆里程与计划车辆小时的方法,并且使用这些来确定用于确定服务效率的“最优”乘坐者里程302。最优里程可以按比例分配给尚未行驶的计划里程。车辆里程度量304可以不同于沿着多个不同维度的车辆小时度量306。例如,车辆到服务区域的车辆里程分配可以是静态的,而车辆小时分配可以是动态的。此外,基于车辆里程的方法的优化目的可以是路线选择效率,而基于车辆小时的方法的优化目的可以是总体服务效率。另一种类型的优化度量在本文中称为“按约(made good)”度量。对于车辆里程,这可以是按约占用率(occupancy made good,OMG)度量,并且对于车辆小时,这可以是按约速度(velocity madegood,VMG)或类似的值。这些“按约”度量可以提供是否达到具体优化目的的指示,并且可以做出平衡以确保在满足该目的的同时平衡度量,以便以足够的平均速度提供充分的占用率(以及因此的操作效率)(来提供操作效率以及客户服务满意度)。不同的目标函数可以基于服务目的优先考虑参数(或参数的组合),但是可以试图确保度量均满足指定服务标准。
如所提及得,在一些实施例中,路线优化系统可以试图利用这种目标函数,以便确定和比较各种路线选择选项。图4示出根据各种实施例的可用于确定和管理车辆路线选择的示例性系统400。在此系统中,各种用户可以使用在各种类型的计算装置402上执行的应用程序来通过至少一个网络404提交要由服务提供商环境408的接口层406接收的路线请求。计算装置可以是已知的或用于提交电子请求的任何适当装置,所述装置可包括台式计算机、笔记本式计算机、智能手机、平板计算机和可穿戴计算机以及其他此类选项。一个或多个网络可以包括用于传输请求的任何适当网络,所述网络可包括使用有线或无线连接(诸如互联网、蜂窝数据连接、WiFi连接、局域网连接(LAN)等)的公共和专用网络的任何选择或组合。服务提供商环境可以包括已知的或用于接收和处理电子请求的任何资源,所述资源可包括各种计算机服务器、数据服务器和网络基础设施,如本文其他地方所讨论的。接口层可以包括接口(诸如应用程序编程接口)、路由器、负载平衡器以及可用于接收请求或其他通信并将接收到的请求或其他通信路由到服务提供商环境的其他部件。可以使用能够服务存储在内容存储库412或其他此类位置中的内容(诸如网页或地图切片)的一个或多个内容服务器提供接口和要通过那些接口显示的内容。
请求的信息可被引导到路线管理器414,诸如可包括在一个或多个计算资源上执行的代码,所述路线管理器414被配置为使用与运输服务相关联的车辆池或车队中的各种车辆管理要提供的路线的各方面。路线管理器可以分析请求的信息,通过具有可以匹配请求标准的容量的路线数据存储设备416确定可用的计划路线,并且可以向对应的装置402提供回一个或多个选项以供潜在乘坐者选择。要建议的适当路线可以基于各种因素,诸如与请求的起始位置和目的地位置的接近度、在确定的时间窗口内的可用性等。在一些实施例中,客户端装置402上的应用程序可替代地呈现用户可以从中进行选择的可用选项,并且请求可替代地涉及在特定计划时间处获得用于具体计划路线的座椅。
然而,如所提及的,在一些实施例中,用户可以建议路线信息或提供对应于用户将期望的路线的信息。这可以包括例如起始位置、目的地位置、期望接载时间和期望下车时间。也可以提供其他值,所述值可涉及最大持续时间或行程长度、最大停留处数量、允许偏差等。在一些实施例中,这些值中的至少一些可以具有由一个或多个路线标准指定的最大或最小值或允许范围。还可以存在各种适当的规则或策略,所述规则或策略规定如何允许这些值随着(诸如针对具体类型的用户或位置的)各种情况或情形而改变。路线管理器414可以接收若干此类请求,并且可以试图确定最佳路线选择以满足各种请求。在此示例中,路线管理器可以与路线生成模块418一起工作,所述路线生成模块418可以从各种请求获取输入并提供可以满足那些请求的一组路线选项。这可以包括具有不同数量的车辆、不同的车辆选择或布置的选项以及用于使各种客户在期望时间或接近期望时间到达其近似目的地的不同选项。应当理解,在一些实施例中,客户还可请求不允许存在偏离的具体位置和时间,并且路线管理器可能需要确定可接受的路线选择选项,或者在不满足最低标准的情况下拒绝该请求。在一些实施例中,可以为每个请求提供选项,并且定价管理器422可以使用来自价格存储库424的定价数据和指南确定具体请求的成本,然后用户可以接受或拒绝所述成本。
在此示例中,路线生成模块418可以基于接收到的在指定的一段时间内针对指定区域的请求生成一组路线选择选项。路线优化模块420可以响应于各种请求而使用提供的路线选择选项执行优化过程,以确定要提供的一组适当的路线。在动态路线选择系统中,可以针对每个接收到的请求或针对一批请求执行这种优化,其中用户提交请求,并且然后在稍后的时间处接收路线选择选项。这可用于以下情形:其中车辆服务试图至少具有最小车辆占用率或想要给用户提供关于路线的确定性,在一些实施例中,这可需要针对每个具体计划路线的最低限度数量的乘坐者。在各种实施例中,目标函数应用于每个潜在路线,以便生成路线“质量”分数或其他此类值。然后,可以分析各种选项的值以确定要选择的路线选择选项。在一个实施例中,路线优化模块420应用目标函数以确定路线质量分数,并且然后可以选择提供最高总体总质量分数或最高平均总质量分数的一组选项。根据本文所包含的教义和建议,如本领域普通技术人员将理解,也可以使用各种其他方法。
在至少一些实施例中,目标函数可以独立于优化算法的特定实现方式来实现。这种方法可以使函数能够基于具体输入用作不同方法的比较度量。此外,这种方法使得能够利用各种优化算法,所述优化算法可以将不同的优化方法应用于各种路线选择选项,以试图开发另外的路线选择选项和潜在解决方案,所述另外的路线选择选项和潜在解决方案不仅可以帮助提高效率,而且可以潜在地提供对各种选项及其影响或相互关系的另外见解。在一些实施例中,可以利用优化控制台,所述优化控制台显示各种优化算法的结果,并使用户能够比较各种结果和因素,以试图确定要实现的解决方案,所述解决方案可能不一定提供最佳总体分数。例如,可能存在可接受的各种因素的最小值或最大值,或者提供商可能对各种因素设定具体的值或目标,并且查看对总体值的影响并基于结果选择选项。在一些实施例中,用户也可以在应用任何优化之前观察目标函数的结果,以便观察各种因素变化对总体分数的影响。这种方法还使用户或提供商能够在选择或实现新的优化算法之前对其进行测试,以便确定相对于现有算法的预测性能和灵活性。
此外,这种方法使算法能够随时间推移而自动演进,如可使用随机实验或基于各种启发法来完成。随着这些算法演进,目标函数的值可以用作新一代算法的适合性或值的量度。算法可以随着服务区域和客流量需求改变而随时间推移改变,并且鉴于相同或类似的条件而进行改进。这种方法还可用于预期未来变化及其对服务的影响以及各种因素将如何改变。这可以帮助确定添加更多车辆、重新定位驻停位置等的需要。
在一些实施例中,包含人工智能的方法(诸如利用机器学习的所述方法)可以与优化算法一起使用,以进一步随时间推移而提高性能。例如,各种因素的升降可导致客流量水平、客户评价等以及实际成本和正时的改变,所述改变例如可以反馈到机器学习算法中以学习要与优化函数一起使用的适当权重、值、范围或因素。在一些实施例中,优化函数本身可由考虑各种因素和历史信息以生成适当函数并基于最近结果和反馈数据随时间推移使该函数演进的机器学习过程产生,因为机器学习模型被进一步训练并能够开发和识别新的关系。
根据各种实施例可以使用各种定价方法,并且在至少一些实施例中,定价可以用作优化的度量。例如,在一些实施例中,成本因素可以结合一种或多种收入或利润率因素来评估。例如,第一搭乘选项可能具有比第二搭乘选项更高的成本,但是可能还能够识别更高的收入并产生更高的满意度。具有很少中间停留处乃至几乎没有中间停留处的针对专门用户的某些路线可能具有相对高的每乘坐者成本,但是那些乘坐者可能愿意为服务支付额外费用。类似地,作为结果,所生成的乘坐者体验值可能较高。因此,此搭乘选项具有更高成本的事实不应当必定使其被确定为比具有更低成本而且具有更低收入的其他搭乘选项更低的值选项。在一些实施例中,可以存在同样作为因素考虑到目标函数和优化算法中的定价参数和选项。可存在各种定价算法,其确定路线选项将需要向单个乘坐者收取多少费用。定价可以与客户满意度和支付那些费用的意愿等其他此类因素平衡。定价同样还可以考虑各种其他因素,诸如代币、信用币、折扣、每月搭乘通行证等。在一些实施例中,还可能存在不同类型的乘坐者,诸如支付基本费用的客户和为更高的服务水平支付额外费用的客户。在各种路线选项的评估和优化中可以考虑这些各种因素。
图5示出根据各种实施例的可利用的用于确定一组用户请求的路线选择的示例性过程500。应当理解,对于本文所讨论的此过程和其他过程,除非另有说明,否则在各种实施例的范围内可以存在以类似或替代性步骤或者并行地执行的另外的、更少的或替代性步骤。在此示例中,从或为了运输服务的各种潜在客户接收502各种行程请求。对于至少一个指定服务区域或区,此示例中的请求涉及未来的一段时间,其中运输将针对一个或多个人员、动物、包裹或其他对象或乘客发生。在许多实施例中,可以通过在计算装置上执行的应用程序提交请求,但是也可以使用其他请求机制。为了确定如何最佳地服务请求,此示例性过程首先确定504用于服务请求的可用车辆容量。这可以包括例如确定在指定的未来一段时间内哪些车辆或运输机构可用于该服务区域,以及在该一段时间内那些车辆的可用就坐或其他容量。如所提及的,在一些实施例中,各种车辆的座椅中的至少一些可以已经调拨或分配给具体的路线、乘坐者、包裹或其他此类选项。
至少部分地基于各种可用车辆和容量,可以确定506一组潜在的路线选择解决方案。这可以包括例如使用一种或多种路线确定算法,所述路线确定算法被配置为分析各种起始位置和目的地位置以及乘客的数量和每个乘客的对应时间窗口,并生成用于服务各种请求的一组路线选择解决方案。潜在的解决方案可以试图基于例如共同或近似的起始位置和目的地位置或可由具体车辆的单一路线服务的位置来将车辆分配给客户。在一些实施例中,路线选择算法可以使用可用车辆和容量潜在地分析用于服务请求的所有可能的组合,并且可以提供满足具体标准的任何或所有选项,诸如至少最小利用率或利润率,或至多与各种客户请求的参数的最大允许偏差(平均起来或以其他方式)。这可以包括例如值,诸如请求的起始位置与建议的接载点之间的距离、与请求时间的偏差等。在一些实施例中,可以提供所有潜在的解决方案以用于后续分析。
在此示例性过程中,可以使用平衡各种因素(诸如提供商效率和客户满意度)或至少考虑那些因素的目标函数分析508各种潜在的路线选择解决方案,如本文其他地方所讨论的。使用函数分析或至少满足具体最低标准的每个潜在的路线选择解决方案可以提供有将解决方案的相关值插入到目标函数中而生成的路线选择质量分数。这可以包括例如确定各种质量因素的加权组合,如本文所讨论的。在一些实施例中,可以选择具有最佳(例如,最高或最低)质量分数的解决方案以用于实现。然而,在此示例中,相对于潜在解决方案中的至少一些执行510至少一个优化程序。在一些实施例中,过程可能针对所有潜在解决方案执行,而在其他实施例中,仅解决方案的一个子组将经历优化程序,其中具有在可接受的范围之外的质量分数的解决方案可能不被考虑用于优化以便节省时间和资源。优化过程可以试图改进各种解决方案的质量分数。如本文所讨论的,优化过程可以试图调整解决方案的各种参数,诸如调整接载时间、每条路线的停留处、容量分布等。如所提及的,在一些实施例中可应用多个优化程序,其中算法可查看不同因素或可调整范围等。不同的优化算法还可优化或优先考虑不同因素,诸如不同的QoS或效率分量、利润率、乘坐者舒适性等。
在优化之后,各种建议的解决方案中的至少一些可具有更新的质量分数。建议的解决方案中的一些还可已基于例如不可接受的质量分数或没有能力充分地服务足够数量的未决请求等其他此类因素从考虑中排除。然后,可以从剩余解决方案选择512具体的路线选择解决方案,其中可以至少部分地基于优化的质量分数选择解决方案。例如,如果优化诸如利润率或客户满意度评分的因素,则可以期望选择具有最高分数的选项。如果优化诸如成本的因素,则可能期望选择具有最低分数的选项。也可以利用其他选项,诸如以选择最接近目标数(例如,零)的分数。如所提及的,也可考虑其他因素。例如,可能选择某一解决方案,其具有接近最佳质量分数的分数,但是具有更好的利润率或客户满意度值,或者满足一个或多个其他此类目的或标准。一旦确定了解决方案,就可以基于确定在或靠近未来的一段时间可用于确定区的车辆和就坐等其他潜在选项来分配514适当容量。这可以包括例如确定路线和停留处以及将具有适当容量的车辆分配给具体路线。针对某些路线的具体类型的车辆的分配还可在路线选择选项中进行指定,例如,因为可能存在在城镇中达到更佳汽油里程的某些类型的车辆以及在公路上达到更佳汽油里程的一些类型的车辆,使得操作成本也可以按车辆的类型进行分类。在一些实施例中,具体车辆还可能归因于针对具体里程目标的服务,其也可以与其他因素(诸如每英里的成本、所利用的汽油、燃料或动力的类型等)一样作为因素被考虑。然后,可以将关于选择的路线选择选项的信息(诸如与接收到的请求相关联的那些信息)提供514给特定客户。信息可以向用户指示各种方面,诸如接载的时间和位置、采取的路线、到达目的地的位置和近似时间和潜在地关于具体车辆和驾驶员的信息、以及其他此类选项。
图6示出根据各种实施例的可用于优化潜在的路线选择解决方案的示例性过程600。在此示例中,诸如通过使用相对于图5讨论的过程获得602一组建议的路线选择解决方案。潜在的路线选择解决方案可以提供不同选项以用于服务各种客户的一组搭乘或行程请求以及其他此类选项。一旦获得了解决方案,就可以分析和/或优化解决方案以试图确定接收到的和/或预期的请求的最佳可用解决方案。在此示例中,将选择604路线选择解决方案中的至少一个子组以用于分析。这可包括满足最低标准(诸如能够服务至少最小百分比的请求)或满足请求行程的最小变化以及其他此类选项的解决方案。对于要分析的给定解决方案,可以确定各种值,所述值的选择呈现在此流程图中。虽然为了简化说明而串行地示出,但是应当理解,在各种实施例的范围内,也可以并行地或以其他顺序进行确定。
在此示例中,针对潜在的路线选择解决方案,确定606至少一个乘坐者便利性值。如所提及的,诸如乘坐者便利性的度量可以用于确保提供给乘坐者的行程是竞争性便利的,或至少与由竞争性服务提供的便利性一致。可以使用任何适当机制确定竞争性服务的类型,并在适当时更新所述竞争性服务的类型。产品是否是竞争性便利的可以基于多种因素,诸如可涉及距离、时间、容量、延迟等的变化。在此示例中,基于多个不同参数的加权函数计算乘坐者便利性值,其中相对权重可以至少部分地基于每种因素的确定影响。乘坐者便利性值中的主要因素可以是没有能力提供任何行程选项。例如,没有能力在确定的时间窗口内提供在请求的起始或目的地位置的最大允许距离内的路线选项,以及有能力提供不超过最大延迟时间或停留处数量等的选项。另一种因素可以是是否可以提供位于请求的指定时间范围内的接载和交付时间、以及指示从请求的接载或交付到预期的接载或交付的时间差的因素,所述时间差负面地影响便利性的确定。如本文其他地方所提及的,其他因素可以涉及请求的起始位置与提供的起始位置之间的步行或行进距离、以及请求的目的地位置与提供的目的地位置之间的步行或行进距离。还可以相对于客户的实际起点或目的地确定所述距离而不管客户的请求位置。因素还可以涉及计划容量或就坐利用率、沿着路线原路返回的量、起始或目的地位置的合意性、以及与最优路径的偏离等其他此类选项。
另外,可以确定608路线选择解决方案的至少一个服务质量(QoS)值。这种度量可以帮助确保便利性在整个运输服务的交付过程中在可能或实际的程度上保持不受损。值可以受到各种因素的影响,所述因素可涉及行程的全部或一部分的取消,如果服务不能够交付,则所述取消可以对总体QoS值具有最大影响。其他因素也可以涉及先前指示的性能,所述性能可涉及违反承诺最迟到达时间,这可以基于在承诺的到达之后的时间量,或在一些实施例中,基于是否满足承诺时间可以是二元的。类似的因素可以涉及是否改变或重新分配接载或下车位置、乘客是否必须在车辆上等待、是否重新分配车辆或者是否错过了最迟承诺接载时间。在一些实施例中,路线的历史性能可以用于提供这种度量的数据,并且还可以按车辆、当日时间、驾驶员、车辆的类型等进行分类。
此外,可以确定610建议的路线选择选项的至少一个服务交付效率值。包含这种度量可以帮助确保车队操作也是高效的。如所提及的,在一些实施例中,这可以使用至少两种不同的操作模式(诸如可基于静态和动态车辆分配)确定。对于静态车辆分配,车辆可以调拨到服务区域达服务周期的整个持续时间,使得劳动力成本是固定的,并且可以试图最小化行驶距离而不考虑服务时间的长度。另一种模式可以利用动态车辆分配,其中车辆可以按需进入和退出服务,使得劳动力成本是可变的。因此,可以试图最小化服务时间以及行驶距离。一些方法使用两种方法的组合,由此存在具有静态分配的多个车辆和按需可用于动态分配的其他车辆。本文其他地方详细讨论了用于确定最优值以用于各种服务交付效率计算的方法。
一旦确定了各种度量值,就可以应用目标函数以分析612值并生成建议的路线选择解决方案的质量分数。独立于计算或作为计算的一部分,可以相对于确定的路线选择选项执行614至少一个优化过程,以试图改进相关联的质量分数。如所提及的,这可以涉及在允许范围或差异内改变度量值中的一些及其分量值、以及权重和其他方面。如果存在更多建议的路线选择解决方案要考虑,则过程可以继续。一旦已经评估和/或优化了建议的解决方案,就可以至少部分地基于具有最佳质量分数的路线选择解决方案选择618该解决方案。这可以包括例如最高或最低分数或者另一个这样的分数,如本文其他地方所讨论和建议的。如所提及的,在一些实施例中,优化过程可能不执行或可能离线执行,以便试图改进用于后续确定的目标函数。
图7示出根据各种实施例的可使用的示例性计算装置700。尽管示出了便携式计算装置(例如,智能手机或平板计算机),但是应当理解,根据本文所讨论的各种实施例,可以使用能够接收、处理和/或传达电子数据的任何装置。装置可以包括例如台式计算机、笔记本式计算机、智能装置、物联网(IoT)装置、视频游戏控制台或控制器、可穿戴计算机(例如,智能手表、眼镜或接触件)、电视机顶盒和便携式媒体播放器等等。在此示例中,计算装置700具有覆盖各种内部部件的外壳702以及能够在装置的操作期间接收用户输入的显示屏704(诸如触摸屏)。这些也可以是另外的显示或输出部件,并且不是所有计算装置都将包括显示屏,如本领域中已知的。装置可以包括一个或多个联网或通信部件706,诸如可包括用于支持技术(诸如蜂窝通信、Wi-Fi通信、通信等)的至少一个通信子系统。还可存在用于经由陆线或者其他物理联网或通信部件进行连接的有线端口或连接件。
图8示出可以包括计算装置800(诸如相对于图7描述的装置)以及用于其他目的的计算装置(诸如应用程序服务器和数据服务器)的一组示例性部件。示出的示例性装置包括用于执行存储在装置上的物理存储器804(诸如动态随机存取存储器(DRAM)或快闪存储器,以及其他此类选项)中的指令的至少一个主处理器802。如本领域普通技术人员将明白,装置也可以包括许多类型的存储器、数据存储装置或计算机可读介质,诸如硬盘驱动器或用作装置的数据存储装置806的固态存储器。用于由至少一个处理器802执行的应用程序指令可以由数据存储装置806进行存储,然后根据装置800的操作的需要加载到存储器804中。在一些实施例中,处理器还可以具有用于临时存储用于处理的数据和指令的内部存储器。装置还可以支持可用于与其他装置共享信息的可移除存储器。装置将还包括用于为装置供电的一个或多个电力部件810。电力部件可以包括例如用于使用可充电电池为装置供电的电池部件、内部电源或用于接收外部电力的端口、以及其他此类选项。
计算装置可包括至少一种类型的显示元件808(诸如触摸屏、有机发光二极管(OLED)或液晶显示器(LCD))或与至少一种类型的显示元件808进行通信。一些装置可包括多个显示元件,所述显示元件还可包括发光二极管(LED)、投影仪等。装置可以包括至少一个通信或联网部件812,所述至少一个通信或联网部件812可实现各种类型的数据的传输和接收或其他电子通信。通信可通过任何适当类型的网络(诸如互联网、内联网、局域网(LAN)、5G或其他蜂窝网络、或Wi-Fi网络)发生,或者可以利用传输协议(诸如或近场通信(NFC)等等)。装置可以包括能够从用户或其他源接收输入的至少一个另外的输入装置814。这种输入装置可以包括例如按钮、拨号盘、滑动块、触摸板、轮、操纵杆、键盘、鼠标、轨迹球、相机、传声器、小键盘、或其他此类装置或部件。在一些实施例中,各种装置同样还可以通过无线或其他此类链路连接。在一些实施例中,装置可能通过视觉与语音命令的组合或手势受到控制,使得用户可以控制装置而无须接触装置或物理输入机构。
各种实施例使用的大多数功能将在计算环境中进行操作,所述计算环境可由或为了服务提供商或实体(诸如拼车提供商或其他此类企业)操作。可存在专用计算资源或者分配为多租户或云环境的一部分的资源。资源可以利用多个操作系统和应用程序中的任一者,并且可以包括多个工作站或服务器。各种实施例利用用于使用多种可商购协议(诸如传输控制协议/互联网协议(TCP/IP)或文件传输协议(FTP)等等)中的任一者支持通信的至少一个常规网络。如所提及的,示例性网络包括例如局域网、广域网、虚拟专用网络、互联网、内联网及其各种组合。用于主持诸如拼车服务的产品的服务器可以被配置为响应于来自用户装置的请求而执行程序或脚本,诸如通过执行可被实现为以任何编程语言编写的一个或多个脚本或程序的一个或多个应用程序。一个或多个服务器还可包括用于服务数据请求并执行其他此类操作的一个或多个数据库服务器。环境还可以包括多种数据存储设备和其他存储器和存储介质中的任一者,如上面所讨论的。在系统包括计算机化装置的情况下,每个此类装置可以包括可经由总线或其他此类机构电耦合的硬件元件。示例性元件包括:如先前所讨论的,至少一个中央处理单元(CPU)以及一个或多个存储装置,诸如磁盘驱动器、光学存储装置和固态存储装置(诸如随机存取存储器(RAM)或只读存储器(ROM))、以及可移除介质装置、存储卡、闪存卡等。此类装置还可以包括或利用用于存储可由装置的至少一个处理器执行的指令的一个或多个计算机可读存储介质。示例性装置还可包括多个软件应用、模块、服务、或位于存储器中的其他元件,包括操作系统和各种应用程序。应当理解,替代性实施例可具有与上述实施例不同的许多变化。
各种类型的非暂时性计算机可读存储介质可以用于各种目的,如本文所讨论和建议的。这包括例如存储可以由至少一个处理器执行以用于致使系统执行各种操作的指令或代码。介质可以对应于各种类型的介质中的任一者,包括在一些实现方式中可以是可移除的易失性和非易失性存储器。介质可以存储各种计算机可读指令、数据结构、程序模块以及其他数据或内容。介质的类型包括例如RAM、DRAM、ROM、EEPROM、快闪存储器、固态存储器和其他存储器技术。也可以使用其他类型的存储介质,所述存储介质可包括光学(例如,蓝光或数字通用光盘(DVD))存储装置或磁性存储装置(例如,硬盘驱动器或磁带)以及其他此类选项。基于本文中提供的公开和教导,本领域普通技术人员将理解用于实现各种实施例的其他方式和/或方法。
应以说明性意义而不是限制性意义来理解本说明书和附图。然而,明显的是,在不脱离如权利要求所阐述的各种实施例的更广泛精神和范围的情况下,可进行各种修改和改变。
Claims (20)
1.一种计算机实现的方法,其包括:
接收一组行程请求,所述一组中的行程请求至少指定多个乘客、起点、目的地和时间分量;
确定一组潜在的路线选择解决方案以服务所述行程请求;
使用目标函数分析所述一组潜在的路线选择解决方案以生成所述潜在的路线选择解决方案的相应的质量分数,所述目标路线选择函数包括至少一个乘客便利性参数和至少一个操作效率参数;
使用优化过程处理所述潜在的路线选择解决方案的至少一个子组以改进所述相应的质量分数的至少一个子组;
至少部分地基于所述相应的质量分数从所述一组潜在的路线选择解决方案确定选择的路线选择解决方案;以及
向选择来按照所述选择的路线选择解决方案服务至少一个行程请求的一个或多个车辆传输所述选择的路线选择解决方案的信息。
2.如权利要求1所述的计算机实现的方法,其还包括:
至少部分地基于以下各项中的至少一者确定潜在的路线选择解决方案的所述乘客便利性参数的相应值:没有能力提供请求行程选项、与请求出发或到达时间的差异、预期行程延迟量、在所述路线选择解决方案之外的所述起点与所述目的地之间的乘客行进量、相应车辆的就坐利用率、路线偏离量或沿着所述潜在的路线选择解决方案的指定路线的至少一个停留处的合意性。
3.如权利要求1所述的计算机实现的方法,其还包括:
根据所述目标路线选择函数确定潜在的路线选择解决方案的服务质量参数的相应值,所述相应值至少部分地基于以下各项中的至少一者确定:行程取消的可能性或发生率、违反承诺的出发或到达时间、停留处位置的改变、车内等待时间量或针对行程的车辆改变。
4.如权利要求1所述的计算机实现的方法,其还包括:
根据所述目标路线选择函数确定潜在的路线选择解决方案的服务交付效率参数的相应值,所述相应值至少部分地基于以下各项中的至少一者确定:静态车辆分配解决方案的固定的劳动力成本或动态车辆分配解决方案的可变的劳动力成本。
5.如权利要求4所述的计算机实现的方法,其还包括:
进一步基于最优乘坐者里程与计划车辆里程或计划车辆小时中的至少一者的比较确定潜在的路线选择解决方案的所述交付效率参数的所述相应值,所述最优乘坐者里程独立于具体行程的路线选择条件进行计算。
6.如权利要求5所述的计算机实现的方法,其中所述计划车辆里程或所述计划车辆小时中的至少一者包括当前正在进行的行程的按比例分配值。
7.如权利要求5所述的计算机实现的方法,其还包括:
至少使用用于计划车辆里程的按约占用率度量或用于计划车辆小时的按约速度度量优化所述最优乘坐者里程,所述按约占用率度量优化路线选择效率,并且所述按约速度度量优化服务效率。
8.一种计算机实现的方法,其包括:
接收与起点与目的地之间的多个行程相关联的路线请求;
至少部分地基于至少一个操作效率度量和至少一个乘坐者体验度量确定一组潜在的路线选择解决方案的相应的路线质量值;
至少部分地基于所述相应的路线质量值确定所述一组潜在的路线选择解决方案中的选择的路线选择解决方案;以及
向与要提供所述多个行程的车辆相关联的装置传输指示所述选择的路线选择解决方案的机器可读信息。
9.如权利要求8所述的计算机实现的方法,其还包括:
使用包括一组质量度量的加权组合的目标函数计算所述相应的路线质量值,所述一组质量度量包括所述至少一个操作效率度量和所述至少一个乘坐者体验度量。
10.如权利要求9所述的计算机实现的方法,其还包括:
基于使用历史和最近的路线性能数据训练的机器学习模型的输出更新所述目标函数的所述质量度量的权重。
11.如权利要求8所述的计算机实现的方法,其还包括:
使用优化算法处理所述潜在的路线选择解决方案的至少一个子组以试图改进所述相应的路线质量值。
12.如权利要求8所述的计算机实现的方法,其还包括:
接收具有相应的起点、目的地和时间分量的多个路线请求;以及
至少部分地基于预期车辆容量确定所述一组潜在的路线选择解决方案,以按照所述相应的时间分量服务所述多个路线请求。
13.如权利要求12所述的计算机实现的方法,其还包括:
确定一组车辆类型中的每一者的可用容量,每个车辆类型具有对应的乘客容量;以及
进一步部分地基于包括所述预期车辆容量的每个车辆类型的数量确定所述一组潜在的路线选择解决方案。
14.如权利要求8所述的计算机实现的方法,其还包括:
确定所述乘坐者体验度量的所述乘坐者便利性参数的相应值,所述相应值至少部分地基于以下各项中的至少一者确定:没有能力提供请求行程选项、与请求出发或到达时间的差异、预期行程延迟量、在所述路线选择解决方案之外的所述起点与所述目的地之间的乘坐者行进量、相应车辆的就坐利用率、路线偏离量或沿着所述潜在的路线选择解决方案的指定路线的至少一个停留处的合意性。
15.如权利要求8所述的计算机实现的方法,其还包括:
确定所述乘坐者体验度量的服务质量参数的相应值,所述相应值至少部分地基于以下各项中的至少一者确定:行程取消的可能性或发生率、违反承诺的出发或到达时间、停留处位置的改变、车内等待时间量或针对行程的车辆改变。
16.如权利要求8所述的计算机实现的方法,其还包括:
确定所述操作效率度量的服务交付效率参数的相应值,所述相应值至少部分地基于以下各项中的至少一者确定:静态车辆分配解决方案的固定的劳动力成本或动态车辆分配解决方案的可变的劳动力成本;潜在的路线选择解决方案的所述交付效率参数的所述相应值进一步基于最优乘坐者里程与计划车辆里程或计划车辆小时中的至少一者的比较,所述最优乘坐者里程独立于具体行程的路线选择条件进行计算,其中所述计划车辆里程或所述计划车辆小时中的至少一者包括当前正在进行的行程的按比例分配值。
17.如权利要求8所述的计算机实现的方法,其还包括:
针对路线请求的所述多个行程的单个行程段,确定所述单个行程段的相应距离;
至少部分地基于所述相应距离确定包括所述单个行程段的不同组合的每个潜在的路线选择解决方案的总路线距离;以及
进一步基于所述相应的总路线距离确定所述潜在的路线选择选项的所述相应的路线质量值。
18.一种系统,其包括:
至少一个处理器;以及
存储器,所述存储器包括指令,所述指令在由所述至少一个处理器执行时致使所述系统:
接收一组行程请求,每个行程请求至少指定起点和目的地;
确定一组潜在的路线选择解决方案以服务所述行程请求;
使用目标函数分析所述一组潜在的路线选择解决方案以生成所述一组潜在的路线选择解决方案的相应的质量分数,所述目标路线选择函数包括至少一个乘坐者便利性参数和至少一个操作效率参数;
至少部分地基于所述相应的质量分数从所述一组潜在的路线选择解决方案确定选择的路线选择解决方案;并且
向与选择来按照所述选择的路线选择解决方案服务至少一个行程请求的车辆相关联的一个或多个计算装置提供所述选择的路线选择解决方案的信息。
19.如权利要求18所述的系统,其中所述指令在执行时进一步致使所述系统:
至少部分地基于以下各项中的至少一者确定潜在的路线选择解决方案的所述乘坐者便利性参数的相应值:没有能力提供请求行程选项、与请求出发或到达时间的差异、预期行程延迟量、在所述路线选择解决方案之外的所述起点与所述目的地之间的乘坐者行进量、相应车辆的就坐利用率、路线偏离量或沿着所述潜在的路线选择解决方案的指定路线的至少一个停留处的合意性。
20.如权利要求18所述的系统,其中所述指令在执行时进一步致使所述系统:
根据所述目标路线选择函数确定潜在的路线选择解决方案的服务交付效率参数的相应值,所述相应值至少部分地基于以下各项中的至少一者确定:静态车辆分配解决方案的固定的劳动力成本或动态车辆分配解决方案的可变的劳动力成本,潜在的路线选择解决方案的所述所述交付效率参数的所述相应值进一步基于最优乘坐者里程与计划车辆里程或计划车辆小时中的至少一者的比较确定,所述最优乘坐者里程独立于具体行程的路线选择条件进行计算,其中所述计划车辆里程或所述计划车辆小时中的至少一者包括当前正在进行的行程的按比例分配值。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/724,851 | 2017-10-04 | ||
US15/724,851 US20190101401A1 (en) | 2017-10-04 | 2017-10-04 | Dynamic vehicle routing determinations |
PCT/US2017/058346 WO2019070298A1 (en) | 2017-10-04 | 2017-10-25 | DYNAMIC ROUTING DETERMINATIONS OF VEHICLE |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111183438A true CN111183438A (zh) | 2020-05-19 |
Family
ID=65897660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780095617.8A Pending CN111183438A (zh) | 2017-10-04 | 2017-10-25 | 动态车辆路线选择确定 |
Country Status (4)
Country | Link |
---|---|
US (2) | US20190101401A1 (zh) |
CN (1) | CN111183438A (zh) |
DE (1) | DE112017007909T5 (zh) |
WO (1) | WO2019070298A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308267A (zh) * | 2019-07-29 | 2021-02-02 | 顺丰科技有限公司 | 一种路由群确定方法、装置、网络设备及存储介质 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9857188B1 (en) | 2016-06-29 | 2018-01-02 | Uber Technologies, Inc. | Providing alternative routing options to a rider of a transportation management system |
US11348061B2 (en) * | 2017-12-21 | 2022-05-31 | Verizon Connect Development Limited | Logistics management platform for modifying schedules in real-time |
US20190205813A1 (en) * | 2017-12-29 | 2019-07-04 | ANI Technologies Private Limited | Method and system for transportation service routing |
US20190392935A1 (en) * | 2018-01-17 | 2019-12-26 | Cary James Breese | Method and system of an automated medication dispensing and delivery system |
US20190228352A1 (en) | 2018-01-19 | 2019-07-25 | Walmart Apollo, Llc | Systems and methods for combinatorial resource optimization |
US10719792B2 (en) * | 2018-03-26 | 2020-07-21 | GM Global Technology Operations LLC | System and method to distribute and execute rideshare tasks |
US11449962B2 (en) * | 2018-07-03 | 2022-09-20 | Lyft, Inc. | Systems and methods for transport cancellation using data-driven models |
US11615368B2 (en) * | 2018-11-01 | 2023-03-28 | Walmart Apollo, Llc | Systems and methods for determining delivery time and route assignments |
US11187545B2 (en) * | 2018-11-27 | 2021-11-30 | Here Global B.V. | Method and apparatus for generating a pooled route to extend a service area of a shared vehicle |
US11741510B2 (en) * | 2019-06-28 | 2023-08-29 | Gm Cruise Holdings Llc | Dynamic rideshare service behavior based on past passenger experience data |
US20200410405A1 (en) * | 2019-06-28 | 2020-12-31 | Gm Cruise Holdings Llc | Organized carpools provided by rideshare service |
US20210095979A1 (en) * | 2019-09-27 | 2021-04-01 | Lyft, Inc. | Selectively coalescing stop locations of route options in a dynamic transportation matching system |
US11188853B2 (en) * | 2019-09-30 | 2021-11-30 | The Travelers Indemnity Company | Systems and methods for artificial intelligence (AI) damage triage and dynamic resource allocation, routing, and scheduling |
US11226208B2 (en) | 2019-10-07 | 2022-01-18 | Lyft, Inc. | Transportation route planning and generation |
US11733049B2 (en) | 2019-10-07 | 2023-08-22 | Lyft, Inc. | Multi-modal transportation system |
US10914600B1 (en) * | 2019-10-07 | 2021-02-09 | Lyft, Inc. | Transportation proposal filtration, comparison, and inconvenience measurement |
US10746555B1 (en) | 2019-10-07 | 2020-08-18 | Lyft, Inc. | Multi-modal transportation route deviation detection and correction |
US11733046B2 (en) | 2019-10-07 | 2023-08-22 | Lyft, Inc. | Multi-modal transportation proposal generation |
US11898859B2 (en) * | 2020-01-06 | 2024-02-13 | Motional Ad Llc | System and method for updating map data |
US11511771B2 (en) * | 2020-02-17 | 2022-11-29 | At&T Intellectual Property I, L.P. | Enhanced navigation and ride hailing |
DE102020115496A1 (de) | 2020-06-10 | 2021-12-16 | E.On Se | Verfahren zur Koordinierung von Fahrzeugen |
CN111985873A (zh) * | 2020-08-21 | 2020-11-24 | 杨培 | 一种物流运输方案获取方法 |
US11443258B2 (en) * | 2020-11-26 | 2022-09-13 | Shopify Inc. | Real-time order delivery coordination between multiple merchants |
US20220228875A1 (en) * | 2021-01-20 | 2022-07-21 | Bayerische Motoren Werke Aktiengesellschaft | Method, Computer Program, and Device for Controlling a Route |
WO2023089187A1 (en) | 2021-11-22 | 2023-05-25 | Synaos Gmbh | System and method for managing and optimizing order scheduling |
CN115952364B (zh) * | 2023-03-07 | 2023-05-23 | 之江实验室 | 一种路线推荐的方法、装置、存储介质及电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020173978A1 (en) * | 2001-05-17 | 2002-11-21 | International Business Machines Corporation | Method and apparatus for scoring travel itineraries in a data processing system |
US20160300163A1 (en) * | 2015-04-08 | 2016-10-13 | Opoli Technology, Inc. | Process and apparatus for matching and assigning one or more parties with a transportation service provider |
US10025657B2 (en) * | 2015-06-29 | 2018-07-17 | Ricoh Company, Ltd. | Information processing system and failure diagnosis method |
US10330482B2 (en) * | 2017-07-28 | 2019-06-25 | Uber Technologies, Inc. | Dynamically determining origin and destination locations for a network system |
-
2017
- 2017-10-04 US US15/724,851 patent/US20190101401A1/en not_active Abandoned
- 2017-10-25 WO PCT/US2017/058346 patent/WO2019070298A1/en active Application Filing
- 2017-10-25 DE DE112017007909.8T patent/DE112017007909T5/de not_active Withdrawn
- 2017-10-25 US US16/650,194 patent/US20200225049A1/en not_active Abandoned
- 2017-10-25 CN CN201780095617.8A patent/CN111183438A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308267A (zh) * | 2019-07-29 | 2021-02-02 | 顺丰科技有限公司 | 一种路由群确定方法、装置、网络设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20190101401A1 (en) | 2019-04-04 |
WO2019070298A1 (en) | 2019-04-11 |
DE112017007909T5 (de) | 2020-05-20 |
US20200225049A1 (en) | 2020-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111183438A (zh) | 动态车辆路线选择确定 | |
US20210142248A1 (en) | Mixed vehicle selection and route optimization | |
US20200249047A1 (en) | Proactive vehicle positioning determinations | |
US20190383623A1 (en) | Dynamic connection determinations | |
US11821743B2 (en) | Dynamic promotions based on vehicle positioning and route determinations | |
US20190383621A1 (en) | Journey segment performance analysis | |
US20210140777A1 (en) | Routing With Environmental Awareness | |
US20200104761A1 (en) | Payment card for multi-leg journey | |
US20190383622A1 (en) | Dynamic connection management | |
JP6820331B2 (ja) | シェアされた輸送のための方法およびシステム | |
US20200104770A1 (en) | Rideshare with special need accommodations | |
US11948220B2 (en) | Systems and methods for dynamically selecting transportation options based on transportation network conditions | |
US11300416B2 (en) | Dynamic route recommendation and progress monitoring for service providers | |
CN105917376A (zh) | 针对运输请求优化对驾驶员的选择 | |
WO2019203804A1 (en) | Intelligent itinerary option sorting | |
WO2021136399A1 (en) | System and method for bidding-based ridesharing | |
WO2019203806A1 (en) | Ridesharing utilizing excess capacity | |
US11790289B2 (en) | Systems and methods for managing dynamic transportation networks using simulated future scenarios | |
US20220044569A1 (en) | Dispatching provider devices utilizing multi-outcome transportation-value metrics and dynamic provider device modes | |
WO2019203805A1 (en) | Filtering for efficient routing data | |
US20230076582A1 (en) | Transmitting digital transportation requests across modes to limited-eligibility provider devices to improve network coverage and system efficiency | |
JP7196231B2 (ja) | 自動販売の販売システムおよび方法 | |
WO2023086020A2 (en) | Method and device for controlling a transport system to perform transport tasks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200519 |
|
WD01 | Invention patent application deemed withdrawn after publication |