CN112005081A - 基于车辆定位和路线确定的动态促销 - Google Patents
基于车辆定位和路线确定的动态促销 Download PDFInfo
- Publication number
- CN112005081A CN112005081A CN201880092544.1A CN201880092544A CN112005081A CN 112005081 A CN112005081 A CN 112005081A CN 201880092544 A CN201880092544 A CN 201880092544A CN 112005081 A CN112005081 A CN 112005081A
- Authority
- CN
- China
- Prior art keywords
- route
- promotion
- determining
- rider
- occupant
- 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 45
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 230000004044 response Effects 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 15
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000013442 quality metrics Methods 0.000 claims description 4
- 230000003111 delayed effect Effects 0.000 claims 2
- 230000001934 delay Effects 0.000 abstract description 12
- 238000004891 communication Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000013459 approach Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 9
- 230000001737 promoting effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 238000013439 planning Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3476—Special cost functions, i.e. other than distance or default speed limit of road segments using point of interest [POI] information, e.g. a route passing visible POIs
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
- G01C21/3682—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities output of POI information on a road map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/0482—Interaction with lists of selectable items, e.g. menus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
- G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
-
- 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0235—Discounts or incentives, e.g. coupons or rebates constrained by time limit or expiration date
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Automation & Control Theory (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Navigation (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
Abstract
本公开的实施例提供了路线优化系统的改进技术,以响应于乘坐请求而提供动态促销来补偿车辆的预测到达时间。所述促销可以针对通过在所述乘坐请求中的接载位置定位的供应商并被定时以补偿等待时间或意外延迟。在另一个实施例中,可以确定并提供动态促销以激励客户去到为所分配车辆提供更优化路线的替代接载位置。与最初针对来自所述乘坐请求的所述原始接载位置确定的路线的质量路线得分相比,所述更优化路线可以基于更好的质量路线得分。所述促销可以针对被识别为在前往所述替代接载位置的途中的供应商并被定时以优化效率并代表客户减少任何滞后或等待时间。
Description
背景技术
人们越来越多地求助于诸如共乘等产品来完成日常任务。共乘可以涉及乘坐者被分配了在某个时间段内专用于那些乘坐者的车辆,或者被分配了将同时让其他乘客乘坐的车辆上的座位。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。为了确保这种服务的收益率,通常希望尝试使成本最小化以及增加车辆的利用率。在确定要分配给特定乘坐或路线的车辆时,常规方法会寻找当时可用的车辆。然而,这种方法可能不是最优的,因为可用的车辆可能离得很远,这会由于使车辆到达起始位置的额外成本而增加提供该特定乘坐或路线的成本。此外,该额外距离可能会延迟乘坐的开始时间,这不仅影响用户体验,而且由于该车辆在转移到下一路线的起点的时间期间未被用来乘坐而降低了该车辆的利用率。
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示出了其中可以实施各种实施例的示例性乘坐请求环境。
图2A和图2B示出了根据各种实施例的可以在某个时间段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示出了可以用于实施各种实施例的各方面的示例性系统。
图4示出了可以根据各种实施例利用的用于针对行程请求集的经优化的路线选择解决方案确定动态促销的示例性过程。
图5示出了可以根据各种实施例利用的用于确定所提议的路线选择解决方案的预测时间段期间的动态促销的示例性过程。
图6示出了可以根据各种实施例利用的用于在针对所提议的路线选择解决方案检测到延迟时确定动态促销的示例性过程。
图7示出了根据各种实施例的可以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示出了可以用于实施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,将阐述具体的配置和细节,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,可以在没有具体细节的情况下实践实施例。此外,可以省略或简化公知的特征,以便不使所描述的实施例变得模糊。
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确定并选择各种促销和路线选择解决方案以服务运输请求集的方法。所述请求可以涉及人、动物、包裹、或其他对象或乘客从起始位置到目的地位置的运输。所述请求还可以包括至少一个时间分量。当在所提议的路线选择解决方案之间进行选择以服务客户行程请求集时,提供商(诸如运输服务机构)可以使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、运营效率和已确认行程上的递送的能力的度量。分析不仅可以考虑已计划的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,以便尝试提高针对每个所提议的路线选择解决方案生成的质量得分。可以至少部分地基于所提议的路线选择解决方案的所得质量得分来选择解决方案以供实施。
除了针对各种请求优化路线选择之外,根据各种实施例的方法还可以执行主动解决方案以响应于特定乘坐请求来补偿预测的延迟或等待时间。例如,可能存在对特定乘坐的服务质量产生负面影响的预期延迟或意图或必要调整。这可以包括例如需要额外停车、需要获得不同的车辆、由于驾驶员更换而引起的延迟等。在一些情况下,这还可以包括由于超额订出或另一这类问题而需要将乘坐者移动到不同的车辆或路线。根据各种实施例的方法可以主动地确定可能对受影响的乘坐者可接受的服务降级的适当补偿。在一些实施例中,补偿的类型可以在乘坐者之间不同。这提供了除了引起不合理的成本或给多个乘坐者带来不便之外的选项,因为服务提供者或操作者可以取消乘坐或为乘坐提供显著的延迟,但是主动地发出补偿以考虑变化。也可能存在意外事件,诸如事故、绕道或其他事件,这可能导致先前确定的路线和到达时间的意外延迟。然后,提供商可以响应于特定乘坐请求经历延迟而动态地确定促销解决方案,诸如在附近咖啡店的咖啡的代金券以补偿延迟。针对意外延迟或由于除提供商之外的因素引起的延迟的补偿量可以小于针对服务的预期或故意降级提供的补偿。如本文所讨论的,然后可以不仅针对正被补偿的特定乘坐者,而且针对所经历的服务降级或不便的类型来确定适当的补偿类型和补偿量。在至少一些实施例中,为产品中的调整提供补偿的能力扩展了路线选择优化解决方案空间,因为至少在乘坐者愿意接受此类补偿选项的情况下,可用选项可以变得更加灵活。在可用的情况下,可以利用来自与请求者紧邻的供应商的产品来提供动态促销,使得提供商可以降低共乘和路线选择系统的整体低效性,基于通过对所提供的促销的响应而收集的其用户基数的数据和偏好来改善其优化过程,并且提高生产力。这种方法中的促销可以针对供应和需求两者。
根据本文所包含的教导和建议,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这类功能。
图1示出了其中可以实施各种实施例的各方面的示例性环境100。在该示例中,用户可以使用例如在客户端计算装置110上执行的应用来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提交请求的各种其他方法,诸如通过消息传送或电话机制。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,或者代表所述对象而接收。例如,客户端装置可能用于提交用于对象、包裹或其他可递送物的初始请求,并且然后可能从例如对象、或者装置或与所述装置相关联的机构接收后续请求。可以使用其他通信来代替请求,如可能涉及指令、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,否则“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,能够接收、传输或处理数据和通信的任何装置或部件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,如可能包括动物或无生命对象,诸如用于递送的包裹。在该示例中,共乘服务使用至少一种类型的车辆提供路线,所述车辆包括供驾驶员102使用的空间和供多达最大数量的乘坐者使用的座位或其他容量。应当理解,可以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。也可以使用诸如智能自行车或个人运输车辆的车辆,所述车辆可能包括仅供单个乘坐者或有限数量的乘客使用的座位容量。对于给定路线上的给定车辆,多个可用座位106(或其他乘坐者位置)可能被乘坐者占用,而另一数量的座位108可能未被占用。在一些实施例中,诸如包裹或递送物的对象同样也可能占用可用的乘坐空间。为了提高所提供的乘坐经济性,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的占用率。这种情况导致非常少的未售出座位,这提高了运营效率。实现高占用率的一种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建议的位置集116以及通过其他这类选项(诸如通过从地图118或其他接口元件选择)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乘坐数据进行训练,并且可以使用最近的乘坐和乘坐者数据以及其他这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尝试将请求与在适当时间具有容量的具体车辆匹配。已知出于这类目的,可以期望选择将在该时间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乘坐者的座位或用于要运输的包裹或对象的足够可用容积以及其他这类容量的度量。
然而,这种方法可能并不是对于所有情形都是最优的,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,并且因此导致低运营效率。此外,这种方法可能导致提供较少的乘坐,这可能减少总体收入。此外,需要多个用户行进到具体、固定的起始位置可能致使那些用户利用其他运输工具,如可能涉及无需额外努力的出租车或专用共乘车辆。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额外的停留点和额外的路线距离,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,并与乘坐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乘坐、路线或其他运输选项的共乘服务的经济性平衡。在一些实施例中,基于乘坐者偏好,提供商可以建议在替代位置处接载特定乘坐者,并且提供促销以激励乘坐者接受替代接载位置,从而提高整体路线的效率。提供商还可以向乘坐者提供动态促销,以补偿预期乘坐者响应于他或她的乘坐请求而经历意外延迟时的情况。虽然这种方法将可能阻止乘坐提供商最大化每次乘坐的利润,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(最小程度)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乘客数水平,这可以在适当地管理的情况下增加收入和利润。
图2A和图2B示出了根据各种实施例的可以用于提供这种服务的一个示例性方法。在图2A的示例性绘图200中,起始点202和目的地点204集指示在某个确定的时间段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递送到或对象要被递送到的位置的集群,如可能对应于城镇中心、城市位置或多个不同企业或其他目的地所在的其他区域。然而,起点位置可能不太集群的,诸如可能涉及乘坐者住所可能所在的郊区或农村地区。所述集群也可能全天变化,诸如人们在早晨从家行进到其工作地点,而晚上通常沿相反方向行进的情况。在这些时段之间可能几乎没有集群,或者所述集群可能主要是针对市区内的位置。特别是在市区,可能有许多供应商、商店、零售商和餐馆紧邻起点位置。例如,下班后请求乘坐的乘坐者可能具有在他或她的办公室处的起点位置,所述办公室通常在紧邻的周围区域中有咖啡店或商店。提供商可以确定并记录这些供应商,以便向乘坐者提供动态促销以补偿路线选择的延迟和/或作为对乘坐者调整起点位置以促进最佳总体路线的激励。
在图2B的示例性路线绘图中,对于起始点252,可以存在基于目的地和/或其他用户以及他们的被识别为分配给特定车辆的目的地和始发地确定的多条路线254。为了确定要提供的路线以及用于提供那些路线的车辆(或车辆类型),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,同时还提供提高的收益率或至少提供提高的运营效率。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,如可能涉及最近的乘坐数据、乘客数请求、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(如可能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系进一步优化函数。
根据各种实施例的方法可以利用至少一个目标函数来确定用于一个或多个服务或覆盖区域的车辆或其他运输机制集的路线选项。可以应用至少一个优化算法来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路线选项集的得分。所述优化不仅可以应用于例如特定路线和车辆,而且可以应用于通过由于经优化路线选择的延迟而提供促销以改进乘坐者体验和/或激励乘坐者调整起点位置来补偿意外延迟。目标函数可以用作路线选择解决方案、所提议的路线选择选项集或过去的路线选择的总体质量度量。目标函数用作平衡各种重要因素的期望的编码,如可能包括乘坐者的便利性或体验,以及给定区域的服务递送效率和具体行程的服务质量(QoS)合规性、以及其他这类选项。对于在给定的时间段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所提议的路线选择解决方案给出得分(诸如优化路线得分),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得分的路线选择选项,而在其他实施例中,可以存在用于最大化或最小化所得得分或在各种其他评分、排名或选择标准中生成排名的方法。在一些实施例中,也可以选择具有最低得分的路线选择选项,诸如其中优化函数可以基于成本的度量(其可期望尽可能低)对诸如利益的度量(其可期望尽可能高)的因素以及其他这类选项来进行优化。在其他实施例中,所选选项可能不具有最优目标得分,但是具有可接受的目标得分,同时满足一个或多个其他乘坐选择标准,诸如可能涉及运营效率或最低限度的乘坐者体验等。在一个实施例中,目标函数接受乘坐者的便利性、递送确认行程的能力、车队的运营效率和当前需求作为输入。在一些实施例中,将存在可随着时间推移诸如通过机器学习来学习的这些项中的每一个的权重。构成这些项或值中的每一个的因素或数据也可以随时间推移变化或更新。
作为示例,乘坐者的便利性得分可以考虑各种因素。一个因素可以是从乘坐者的请求起始点到所选路线起始点的距离。可以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。最大距离可以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、以及其他这类选项。对于包裹,这可以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变化,诸如可以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所提议的起始位置之间的中途处的起始位置可能被分配0.5的便利性得分,而在其他方法中,可能获得0.3或更少的便利性得分。针对时间可以采用类似的方法,其中请求的接载与所提议的接载之间的时间的长度可以与所应用的便利性得分成反比。也可以考虑各种其他因素,如可以包括乘坐长度、停留点的数量、目的地时间、预期交通量、以及其他这类因素。便利性值本身可以是这些因素和其他这类因素的加权组合。根据与总体路线选择得分平衡的对乘坐者的便利性值,提供商可以动态地确定促销以激励乘坐者到更新后的起点位置。例如,如果便利性得分在所确定的阈值内更接近0.0(即,对用户最不方便),则乘坐者将接受更新后的起点位置或接受乘坐的可能性降低。为了克服乘坐者取消或具有负面体验的风险,提供商可以提供促销,诸如在前往更新后的起点位置的途中的咖啡店提供免费咖啡,以激励乘坐者。
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,以确定所述便利性相对于其他可用的运输工具是否是有竞争力的。可以考虑可以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出发或到达时间相对于由乘坐者针对路线请求的一个或多个时间的的差。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、以及其他这类选项。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能具有可变到达时间,所述可变到达时间可以作为因素考虑到用于通过该区域或那些位置的潜在路线的便利性得分中。另一种因素可能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所提议的起点之间的距离以及请求的目的地与所提议的目的地之间的距离。如果适当,还可以考虑转移车辆所需的任何步行。提供商可以确定并提供促销以补偿延迟,例如,在附近商店的免费或打折的杂志或书。在另一个示例中,提供商可以确定沿着乘坐者计划采取的步行路线的各种供应商的促销菜单。乘坐者可以选择当时最有吸引力或最相关的促销,从而提供提高的乘坐者体验和满意度。
可以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,得分可以由提供商的雇员确定,而在其他实施例中,得分可以基于各种乘坐者的评价或反馈以及其他这类选项来确定。可以在评估位置的合意性时考虑各种因素,如可能涉及与地点相关联的地形或交通的类型。例如,平坦的位置可以得到比陡坡上的位置更高的得分。此外,智能基础设施的可用性、接近度和类型也可以影响得分,因为接近智能基础设施或由智能基础设施管理的位置可以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,以及其他这类优点。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得分。在一些实施例中,可以考虑安全度量,如可以基于数据(诸如犯罪统计、可见度、照明和客户评价、以及其他这类选项)确定。也可以考虑各种其他因素,如可以涉及列车线路、零售店、咖啡店等(提供商可以针对其确定促销并向乘坐者提供促销)的接近度。这些促销用于激励乘坐者接受可能对用户不太方便但总体上对于提供商在保持总体路线得分和效率方面更期望的替代位置。
如所提及的,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3示出了根据各种实施例的可以用于确定和管理车辆路线选择的示例性系统300。在该系统中,各个用户可以使用在各种类型的计算装置302上执行的应用来通过至少一个网络304提交要由服务提供商环境308的接口层306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,如可以包括台式计算机、笔记本计算机、智能手机、平板计算机和可穿戴计算机以及其他这类选项。一个或多个网络可以包括用于传输请求的任何适当网络,如可以包括使用有线或无线连接的公共和专用网络的任何选择或组合,诸如互联网、蜂窝数据连接、WiFi连接、局域网连接(LAN)等。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,如可以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或其他这类位置中的内容(诸如网页或地图瓦片)的一个或多个内容服务器提供接口和将通过那些接口显示的内容。
请求的信息可以被引导到路线管理器314,诸如可以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314被配置成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,确定来自路线数据存储设备316的具有可以匹配请求标准的容量的可用的计划路线,并且可以向对应的装置302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302上的应用可以替代地呈现用户可以从中进行选择的可用选项,并且请求可以替代地涉及在特定计划时间获得用于具体计划路线的座位。
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,如可能涉及最大持续时间或行程长度、最大停留点数量、允许偏离等。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314可以接收若干这类请求,并且可以试图确定最佳路线选择以满足各种请求。在该示例中,路线管理器314可以与得分生成模块318一起工作,所述得分生成模块318响应于乘坐请求而计算由路线管理器318确定为可行选项的每条路线的路线得分。得分生成模块318可以计算得分,该得分考虑了具有不同数量的车辆、不同的车辆选择或放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,客户还可以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322可以使用来自价格存储库324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。
在该示例中,得分生成模块318可以基于目标函数来计算路线得分。在各种实施例中,目标函数应用于每条潜在路线,以便生成路线“质量”得分或其他这类值。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320应用目标函数以确定路线质量得分,并且然后可以选择提供最高总体总质量得分或最高平均总质量得分的选项集。根据本文所包含的教导和建议,如本领域普通技术人员将理解,也可以使用各种其他方法。得分生成模块318可以与路线优化模块320通信,所述路线优化模块320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,以确定要提供的适当的路线集。在一些实施例中,路线优化320可以确定从替代起始位置到目的地位置的更佳路线,其中替代路线具有由得分生成318计算的更好的路线得分。
优化算法可以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度量。算法可以随着服务区域和乘客数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。这种方法还可以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。这可以帮助确定以下需要:增加更多车辆,重新定位停车位置,等等。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那些方法)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,各种因素的升降可能导致乘客数水平、客户评价等以及实际成本和定时的改变,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,优化函数本身可以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。
服务提供商环境308还可以包括访问供应商数据库312的促销引擎310,其中可以基于请求中的起始位置来选择供应商。促销可以基于从路线管理器314选择的路线来生成,并且在一些实施例中,可以考虑来自得分生成模块318的路线的得分。例如,由路线管理器314针对具有起始位置和目的地位置的具体请求生成的路线集可能不具有高于最小阈值的路线得分。替代地,路线优化320可以确定具有更高路线得分的从替代起始位置起的更佳路线。为了激励客户接受替代起始位置以满足更优化的路线的路线得分阈值,促销引擎310可以针对被识别为紧邻替代起始位置或在前往替代起始位置的途中的供应商生成促销。在另一个实施例中,车队管理器330可以跟踪332车队和/或到路线的具体所分配车辆334并且确定路线中存在延迟。为了补偿到达客户的起始位置的延迟,促销引擎310可以针对靠近用户的起始位置的供应商提供促销。促销引擎310可以与访问用户数据库328的账户管理器326通信以使提供给客户的促销个性化,例如,可以基于个人偏好、客户的历史数据、年龄、性别、地理位置和/或与客户相关联的其他人口统计数据来定制促销。
如本文其他地方所讨论的,可以存在促销引擎或其他此类系统或服务可以从中选择的可用的各种类型的促销或补偿。所述选项可以各自具有可以用于确定对给定情况的适当补偿的附设货币值、合意性因子或附设的其他值度量。类似地,可能存在数据的因素或方面,所述因素或方面可以用于为各种乘坐者或实体选择促销或补偿,如可以基于历史或偏好数据以及其他此类选项。在一些实施例中,促销可以针对移动提供商供应,而在其他情况下,促销可以针对移动提供商服务的乘坐者。例如,针对乘坐者的促销可以与移动性直接相关,诸如提供免费乘坐以补偿已获得乘坐的不可接受或不良体验。针对乘坐者的促销还可以与移动性间接相关,诸如以允许乘坐者被带到更靠近指定的咖啡店,而与对乘坐的计算出的服务质量的影响无关。也可以提供其他促销,如可以包括传统的应用内或车内基于位置的营销或与位置无关的营销。也可以提供各种其他类型的促销,诸如试图在乘坐期间或在等待接载或连接时等使用户娱乐或使得用户能够“消磨时间”的促销。这些可以包括例如游戏、拼图、视频或通过提供商应用或另一个此类源可用的播客。其他产品可能不太直接基于促销,但是可能会询问关于用户的兴趣或用户是否具有对某些本地企业的观感的问题,这可以使用户娱乐,同时使得未来的促销或产品可能使乘坐者潜在地更感兴趣。根据本公开,本领域的普通技术人员将明白,也可以提供各种其他促销和补偿类型。
图4示出了可以根据各种实施例利用的用于针对行程请求集的经优化的路线选择解决方案确定动态促销的示例性过程400。在该示例性过程400中,路线优化系统可以从客户的计算装置接收行程请求。行程请求可以对应于地理服务区域的未来时间段,并且至少包括起始位置和目的地位置。在一些实施例中,行程请求还可以包括其他参数,诸如例如客户的偏好或时间限制。响应于行程请求,可以确定404可用车辆,并且可以基于可用车辆和来自行程请求的信息来确定406路线选择解决方案集。对于该路线选择解决方案集中的每条路线,可以计算408路线得分。基于路线选择解决方案中的路线的路线得分,可以将替代起始解决方案识别为具有更好的路线得分410。为了激励客户行进到替代起始位置,路线系统可以提供促销。为了提供相关的促销,可以分析412绘图信息以确定在替代起始位置的所确定的接近度内的供应商。所述分析还可以考虑供应商的营业时间、所提供的商品和服务以及其是否与客户相关。可以生成所确定的供应商的促销并将其提供给客户414。如本文其他地方所述,还可以基于客户偏好、历史路线或客户接受的促销来确定促销。另外,可以基于估计客户完成促销交易并行进到替代位置的时间量来确定促销。例如,促销可以是针对在前往替代起始位置的途中的供应商,并且考虑到客户完成交易所花费的时间仍然可能导致较高的路线得分,因为所分配的车辆现在可以在替代起始位置处接载客户。
可以将各个所确定的供应商的促销提供给客户以供选择414。促销可以显示在客户的计算装置上以供选择,例如作为在客户的移动电话上呈现的促销菜单。促销可以包括在具体供应商处的折扣报价或免费物品,并且可以提供位置,使得客户可以决定她是否想要接受促销。促销菜单可以给予客户用于查找起始位置或替代起始位置附近的其他供应商的促销的选项,条件是路线优化系统已经确定对应的路线得分将仍然高于最小阈值,以便不损害提供给客户的服务质量。如果客户不接受任何促销416,则路线优化系统可以返回到确定具有更好路线得分的另一路线选择解决方案集406、识别其他替代起始位置410和/或确定其他供应商以提供促销412。替代地,客户可以维持具有起始位置的原始路线,并且所分配的车辆将在原始起始位置处接载客户420。如果客户接受促销中的一个416,则选择418具有替代起始位置的路线以供所分配的车辆根据其继续进行。
图5示出了可以根据各种实施例利用的用于确定所提议的路线选择解决方案的预测时间段期间的动态促销的示例性过程500。在另一个实施例中,路线系统可以接收行程请求502,所述行程请求至少包括起始位置和目的地位置。行程请求可以包括由请求者设置的其他参数,诸如所需的车辆类型或乘客数量。可以响应于行程请求而分析504历史路线数据以确定至少一条路线,以将请求者从起始位置运输到目的地位置。如本文其他地方所讨论的,所确定的路线可以基于路线得分,所述路线得分包括对各种因素加权的算法,所述因素包括但不限于先前路线信息(例如,完成该路线的平均时间)、客户偏好、起始位置、目的地位置、其他客户、交通状况(例如,包括对交通的历史和当前跟踪)、对客户的便利性、车队可用性等。路线优化系统可以识别潜在路线集并选择具有最好路线得分的路线,或选择路线得分高于最小阈值的路线。
可以针对所确定的路线识别506所分配的车辆。在一些实施例中,可以在确定路线之前首先识别车辆,例如可以基于车辆与行程请求中的起始位置的接近度来选择车辆。随后,确定508所分配的车辆到达起始位置的预测时间。另外,可以基于驾驶员评级、车辆的载客和/或载货容量等来识别车辆。可以分析510绘图信息以确定在起始位置的所确定的接近度内的供应商,这考虑了所分配的车辆到达起始位置的预测时间量。例如,在起始位置的100英尺内或在3分钟的步行距离内,这取决于车辆到达的预测时间。然后,系统可以生成通过起始位置定位的供应商的促销并向客户提供促销512。可以基于客户的偏好、历史数据、预测时间和/或地理位置来定制促销。例如,如果预测时间仅为两分钟,则促销可以是针对咖啡或可以快速完成的其他交易。然而,如果预测时间是十分钟,则促销可以是客户在等待时可以阅读的杂志或客户在等待所分配的车辆到达时可以细看的服装店的优惠券。促销可以被传输到客户的计算装置以进行显示和选择,使得客户可以滚动通过促销和相应供应商的菜单。
图6示出了可以根据各种实施例利用的用于在针对所提议的路线选择解决方案检测到延迟时确定动态促销的示例性过程600。在该示例性过程中,一个或多个客户可以将行程请求传输到路线优化系统602。每个行程请求可以至少包括起始位置和目的地位置。行程请求可以另外包括由客户设置的其他参数和/或其他信息,例如地理区域、乘客数量、客户的人口统计信息等。然后可以响应于行程请求来确定路线604,这可以至少部分地基于客户的历史信息,诸如先前的行程请求、偏好和/或设置。所识别的路线可以选自路线优化系统基于从该起始位置或类似位置开始的历史路线、到目的地位置或类似位置的历史路线、客户采用的历史路线、历史交通状况、当前交通状况等确定的路线集。如本文其他地方所讨论的,可以基于路线得分来识别所识别的路线,例如具有来自所述路线集的最高路线得分或具有高于最小阈值的路线得分。可以使用对各种因素加权的算法来计算路线得分,所述因素包括但不限于服务质量、历史路线、完成路线的历史时间、客户便利性、起始位置和/或目的地位置的合意性、车队可用性等。
然后,可以响应于行程请求而识别用于完成所确定的路线的所分配的车辆606。可以至少基于驾驶员评级、驾驶员的位置、车队可用性、与起始位置的接近度、当前车辆容量和/或所确定的路线来识别所分配的车辆。替代地,在另一个实施例中,可以在确定路线之前识别所分配的车辆。例如,车辆可以被识别为在朝向来自行程请求的起始位置的方向上行驶,并且因此被识别为所分配的车辆。取决于所分配的车辆的行驶轨迹,可以将路线确定为使所分配的车辆需要做的转弯或回退次数最小化,从而提高总体效率、生产力和客户便利性/体验。当确定了路线和所分配的车辆时,可以计算车辆到起始位置的预测到达时间608。可以将预测时间提供给客户。路线优化系统可以沿着路线跟踪所分配的车辆610,这也可以在客户的计算装置上显示给客户。在检测到预测到达时间的变化612时,路线优化系统可以针对通过起始位置定位的供应商生成并提供促销614。预测到达时间的变化可以包括由于驾驶员的误导、交通状况、绕行、天气状况等引起的意外延迟。根据延迟的原因,路线优化系统可以使用数据来更新其路线的优化和选择及其用于确定预测时间的计算。
可以向客户提供促销以例如作为可选择菜单显示在客户的计算装置上。促销可以包括在具体供应商处的折扣报价或免费物品,并且可以提供位置,使得客户可以决定她是否想要接受促销。为了提供相关的促销,可以分析绘图信息以确定在替代起始位置的所确定的接近度内的供应商。所述分析还可以考虑供应商的营业时间、所提供的商品和服务以及其是否与客户相关。促销菜单可以给予客户用于查找起始位置或替代起始位置附近的其他供应商的促销的选项,条件是路线优化系统已经确定促销交易不会致使进一步延迟而是补偿预测到达时间的变化。如果客户不接受任何(一个或多个)促销616,则路线优化系统可以返回到确定另一条路线604或所分配的车辆606和/或生成促销614。替代地,路线优化系统可以确定具有替代供应商的替代促销的替代起始位置620。如果客户接受促销中的一个616,则所分配的车辆可以继续进行所确定的路线618,其中更新后的预测到达时间与客户完成选定的促销所花费的时间一致。
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)。这些也可以是额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。也可能有用于经由陆线或其他物理联网或通信部件进行连接的有线端口或连接。
图8示出可以构成计算装置800(诸如相对于图12描述的装置)以及用于其他目的的计算装置(诸如应用服务器和数据服务器)的示例性部件集。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,诸如用作装置的数据存储装置806的硬盘驱动器或固态存储器。用于由至少一个处理器802执行的应用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再充电电池、内部电源或用于接收外部电力的端口以及其他此类选项为装置供电的电池舱。
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,如还可包括LED、投影仪等。装置可以包括至少一个通信或联网部件812,如可实现各种类型的数据或其他电子通信的传输和接收。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额外的输入装置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这类链路连接。在一些实施例中,装置可能通过视觉命令与音频命令的组合或手势进行控制,使得用户可以控制装置而不必接触装置或物理输入机构。
与各种实施例使用的大多数功能将在计算环境中进行操作,所述计算环境可以由或代表服务提供商或实体(诸如共乘提供商或其他这类企业)操作。可能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。所述资源可以利用多个操作系统和应用中的任一个,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TCP/IP或FTP等等)中的任一个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。用于托管诸如共乘服务的产品的服务器可以被配置成响应于来自用户装置的请求而执行程序或脚本,诸如通过执行可以被实施为以任何适当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。一个或多个服务器还可以包括用于服务数据请求并执行其他这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个,如上面所讨论的。在系统包括计算机化装置的情况下,每个这类装置可以包括可以经由总线或其他这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。这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。示例性装置还可以包括多个软件应用、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,替代性实施例可以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种,包括在一些实现方式中可以是可移除的易失性存储器和非易失性存储器。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,如可以包括光学(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)以及其他这类选项。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施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,可以进行各种修改和改变。
Claims (20)
1.一种计算机实施的方法,其包括:
从乘坐者计算装置接收包括起点和目的地的乘坐请求;
响应于乘坐请求而由路线确定系统确定路线,所述路线和到所述起点的预测时间至少部分地基于多条先前请求的路线的历史路线数据,每条先前请求的路线与相应的起点、相应的目的地和相应的时间段相关联;
响应于所述乘坐请求而识别到所述路线的所分配车辆;
由所述路线确定系统确定所述分配车辆到达所述起点的预测到达时间;
获得所述起点的远侧范围内的兴趣点(POI)的信息;
至少部分地基于所述预测到达时间来确定所述POI的促销;以及
向所述乘坐者计算装置传输关于所述POI的所述促销的计算机可读指令,以显示在所述乘坐者计算装置上。
2.如权利要求1所述的计算机实施的方法,其还包括:
至少基于历史乘坐者数据来确定所述乘坐请求的乘坐者类型;以及
至少部分地基于所述乘坐者类型或先前向所述乘坐者提供的促销来生成所述POI的所述促销。
3.如权利要求2所述的计算机实施的方法,其中所述先前向所述乘坐者提供的促销包括先前兑换的促销和先前拒绝的促销。
4.如权利要求1所述的计算机实施的方法,其还包括:
预测所述路线中到所述起点的所述预测到达时间的延迟;
计算完成每个促销的估计时间;以及
基于完成所述促销的所述估计时间是否在所述延迟的时间段内来选择用于传输到所述乘坐者计算装置的所述促销。
5.如权利要求1所述的计算机实施的方法,其还包括:
确定具有替代起点的路线,所述路线具有与到起点的所述预测时间相比更短的替代的到起点的时间;
确定在所述替代起点的远侧范围内的替代POI的促销;
向所述乘坐者计算装置发送计算机可读指令以显示所述促销的可选择菜单,以换取所述乘坐者接受所述替代起点;
响应于所述可选择菜单来接收选定的促销;以及
向所述分配车辆发送计算机可读指令以将所述分配车辆导引到所述替代起点。
6.如权利要求1所述的计算机实施的方法,其还包括:
计算所述路线的质量得分;
确定所述质量得分是否不满足质量得分阈值;以及
确定具有满足所述质量得分阈值的替代质量得分的替代起点。
7.如权利要求1所述的计算机实施的方法,其中确定所述促销还包括:
计算所述起点或替代起点的乘坐者便利性得分;
确定所述乘坐者便利性得分是否不满足乘坐者便利性得分阈值;以及
至少部分地基于所述起点或所述替代起点的所述乘坐者便利性得分来确定所述促销。
8.如权利要求1所述的计算机实施的方法,其还包括:
计算完成每个促销的估计时间;以及
基于完成所述促销的所述估计时间是否在所述预测到达时间内来选择用于传输到所述乘坐者计算装置的所述促销。
9.如权利要求1所述的计算机实施的方法,其中确定所述路线还包括:
确定用于服务所述乘坐请求的潜在路线集;
使用目标路线选择函数来分析所述潜在路线集,以生成所述潜在路线的相应质量得分,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运营效率参数;
使用优化过程来处理所述潜在路线的至少一个子集,以提高所述相应质量得分的至少一个子集;以及
至少部分地基于所述相应质量得分,从所述潜在路线集确定所述路线。
10.如权利要求9所述的计算机实施的方法,其还包括:
利用所述目标函数计算所述相应质量得分,所述目标函数包括质量度量集的加权组合,所述质量度量集包括所述至少一个乘坐者便利性参数和至少一个运营效率参数;以及
基于使用历史路线执行数据和近期路线执行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。
11.一种计算机实施的方法,其包括:
从一个或多个计算装置接收对应于针对地理区域的未来时间段的行程请求,每个行程请求至少包括起始位置和目的地位置;
确定用于在所述未来时间段内在所述地理区域中服务所述行程请求的可用车辆;
至少部分地基于所述可用车辆和所述行程请求来确定路线选择解决方案集;
使用包括至少一个参数的加权组合的目标函数来生成所述路线选择解决方案集中的每个路线选择解决方案的相应质量得分;
至少部分地基于替代路线来识别具有替代起始位置的替代路线选择解决方案,所述替代路线具有与所述路线选择解决方案集中的每个路线选择解决方案的所述相应质量得分相比更高的相应质量得分;
分析绘图信息以确定在所述替代起始位置的接近度内的POI;
至少部分地基于预测到达时间来确定所述POI的促销;
向所述乘坐者计算装置传输关于所述POI的所述促销的计算机可读指令,以显示在所述乘坐者计算装置上;
从所述乘坐者计算装置接收接受所述促销中的至少一个的响应;以及
从所述可用车辆中识别所分配车辆以完成所述替代路线并行进到所述替代起始位置。
12.如权利要求11所述的计算机实施的方法,其还包括:
从所述乘坐计算机装置接收拒绝所述促销的响应;以及执行以下各项中的至少一者:
至少部分地基于所述相应质量得分从所述路线选择解决方案集中识别选定的路线选择解决方案,并且从所述可用车辆中识别所分配车辆以执行所述选定的路线选择解决方案;
至少部分地基于所述可用车辆和所述行程请求来确定第二路线选择解决方案集;
识别具有第二起始位置的第二替代路线,所述第二替代路线具有满足最小质量得分阈值的第二替代质量得分;以及
分析所述绘图信息以确定替代POI和替代促销以提供给所述乘坐者计算装置以供显示。
13.如权利要求12所述的计算机实施的方法,其中所述行程请求包括以下各项中的至少一者:与所述乘坐者计算装置的账户相关联的账户信息、载客容量、载货容量、车辆类型、估计到达时间或完成所述行程请求的估计时间。
14.如权利要求13所述的计算机实施的方法,其中至少部分地基于与所述乘坐者计算机装置的所述账户相关联的历史信息、所述账户信息、所述POI与所述起始位置或所述替代起始位置的接近度、所述分配车辆到达所述起始位置或所述替代起始位置的估计到达时间来确定所述促销或所述替代促销。
15.如权利要求11所述的计算机实施的方法,其中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运营效率参数,其中确定所述路线集还包括:
使用优化过程处理所述潜在路线选择解决方案的至少一个子集以提高所述相应质量得分的至少一个子集,所述优化过程包括所述起始位置的接近度内的一个或多个替代起始位置;以及
至少部分地基于所述相应质量得分从所述潜在路线选择解决方案集确定所述替代路线选择解决方案。
16.一种系统,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:
从乘坐者计算装置接收包括起点和目的地的乘坐请求;
响应于乘坐请求而由路线确定系统确定路线,所述路线和到所述起点的预测时间至少部分地基于多条先前请求的路线的历史路线数据,每条先前请求的路线与相应的起点、相应的目的地和相应的时间段相关联;
响应于所述乘坐请求而识别到所述路线的所分配车辆;
由所述路线确定系统确定所述分配车辆到达所述起点的预测时间;
获得所述起点的远侧范围内的兴趣点(POI)的信息;
至少部分地基于到所述起点的所述预测时间来确定所述POI的促销;以及
向所述乘坐者计算装置发送关于所述POI的所述促销的计算机可读指令。
17.如权利要求16所述的系统,其中所述指令在被执行时还致使所述系统:
至少基于历史乘坐者数据来确定所述乘坐请求的乘坐者类型;以及
至少部分地基于所述乘坐者类型或对所述乘坐者的先前接受或先前拒绝的促销中的至少一个来生成所述POI的所述促销。
18.如权利要求16所述的系统,其中所述指令在被执行时还致使所述系统:
预测所述路线中到所述起点的所述预测时间的延迟;
计算完成每个促销的估计时间;以及
基于完成所述促销的所述估计时间在所述延迟的时间段内来选择所述促销。
19.如权利要求16所述的系统,其中所述指令在被执行时还致使所述系统:
确定具有替代起点的路线,所述路线具有与到起点的所述预测时间相比更短的替代的到起点的时间;
确定在所述替代起点的所述远侧范围内的替代POI的促销;
向所述乘坐者计算装置发送计算机可读指令以显示所述促销的可选择菜单,以换取所述乘坐者接受所述替代起点;
响应于所述可选择菜单接收选定的促销;以及
向所述分配车辆发送计算机可读指令以将所述分配车辆导引到所述替代起点。
20.如权利要求16所述的系统,其中所述指令在被执行时还致使所述系统:
计算所述起点或替代起点的乘坐者便利性得分;
确定所述乘坐者便利性得分是否不满足乘坐者便利性得分阈值;以及
至少部分地基于所述起点或所述替代起点的所述乘坐者便利性得分来确定所述促销。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2018/028126 WO2019203818A1 (en) | 2018-04-18 | 2018-04-18 | Dynamic promotions based on vehicle positioning and route determinations |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112005081A true CN112005081A (zh) | 2020-11-27 |
Family
ID=68239743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880092544.1A Pending CN112005081A (zh) | 2018-04-18 | 2018-04-18 | 基于车辆定位和路线确定的动态促销 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11821743B2 (zh) |
CN (1) | CN112005081A (zh) |
DE (1) | DE112018007321T5 (zh) |
WO (1) | WO2019203818A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11138888B2 (en) * | 2018-12-13 | 2021-10-05 | Beijing Didi Infinity Technology And Development Co., Ltd. | System and method for ride order dispatching |
US11625051B2 (en) * | 2019-01-25 | 2023-04-11 | Uber Technologies, Inc. | Proactive generation of tuning data for autonomous vehicle dispatch |
WO2020202411A1 (ja) * | 2019-03-29 | 2020-10-08 | 本田技研工業株式会社 | 情報処理装置、移動体、プログラム及び方法 |
WO2021097381A1 (en) * | 2019-11-14 | 2021-05-20 | Jesse Erdle | System and method for providing a promotional credit associated with a ride share trip |
CN111126909B (zh) * | 2019-12-20 | 2023-08-08 | 贵阳货车帮科技有限公司 | 货源路线的数据处理方法、装置、设备及存储介质 |
US11719548B2 (en) * | 2019-12-31 | 2023-08-08 | Beijing Didi Infinity Technology And Development Co., Ltd. | System and method for alternative destination recommendation on ridesharing platforms |
JP7302535B2 (ja) * | 2020-06-08 | 2023-07-04 | トヨタ自動車株式会社 | 制御装置、システム、プログラム、端末装置、及び決定方法 |
US20220307845A1 (en) * | 2021-03-23 | 2022-09-29 | Lyft, Inc. | Providing improved, real-time transportation route interfaces utilizing route efficiency metrics based on non-temporal factors |
US20220414811A1 (en) * | 2021-06-25 | 2022-12-29 | Zoox, Inc. | Passenger and item coordinated delivery system |
US11953332B2 (en) | 2022-04-19 | 2024-04-09 | Ford Global Technologies, Llc | Transportation-based service share systems and methods |
CN114518124B (zh) * | 2022-04-20 | 2022-07-15 | 四川九通智路科技有限公司 | 一种车辆行驶线路规划方法及规划系统 |
CN116448138B (zh) * | 2023-06-19 | 2023-09-01 | 北京云行在线软件开发有限责任公司 | 行驶坐标预测方法、服务端及行驶坐标预测系统 |
Family Cites Families (29)
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 |
US9950722B2 (en) * | 2003-01-06 | 2018-04-24 | General Electric Company | System and method for vehicle control |
US8140335B2 (en) * | 2007-12-11 | 2012-03-20 | Voicebox Technologies, Inc. | System and method for providing a natural language voice user interface in an integrated voice navigation services environment |
CN201489791U (zh) * | 2009-04-22 | 2010-05-26 | 熊克汉 | 车载广告机 |
US20100312586A1 (en) * | 2009-06-03 | 2010-12-09 | Drefs Martin J | Generation of Travel-Related Offerings |
AU2010325793B2 (en) * | 2009-12-04 | 2015-03-12 | Uber Technologies, Inc. | System and method for arranging transport amongst parties through use of mobile devices |
US20120203628A1 (en) * | 2011-02-07 | 2012-08-09 | Decaro Ralph | Dynamic airport advertisement system |
US10360593B2 (en) * | 2012-04-24 | 2019-07-23 | Qualcomm Incorporated | Retail proximity marketing |
WO2014066562A2 (en) | 2012-10-25 | 2014-05-01 | Intel Corporation | Route optimization including points of interest |
CN104217608B (zh) * | 2013-05-29 | 2018-02-23 | 星贝瑞有限公司 | 基于公交工具的信息服务方法及系统 |
US9984574B2 (en) * | 2014-01-21 | 2018-05-29 | Tribal Rides, Inc. | Method and system for anticipatory deployment of autonomously controlled vehicles |
US9389086B2 (en) * | 2014-03-27 | 2016-07-12 | Heba Abdulmohsen HASHEM | Transportation planner and route calculator for alternative travel methods |
US20150026713A1 (en) * | 2014-07-11 | 2015-01-22 | Lakshya JAIN | Method and system for in-flight handling of personalized entertainment data |
US20160171440A1 (en) | 2014-12-12 | 2016-06-16 | Infosys Limited | Method and system for freight management |
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 |
US10546320B2 (en) * | 2015-08-14 | 2020-01-28 | International Business Machines Corporation | Determining feature importance and target population in the context of promotion recommendation |
US10956855B1 (en) * | 2015-08-16 | 2021-03-23 | Palidian Incorporated | Integrated multi-location scheduling, routing, and task management |
US9786173B2 (en) * | 2015-08-18 | 2017-10-10 | The Florida International University Board Of Trustees | Dynamic routing of transit vehicles |
US9605970B1 (en) * | 2015-09-03 | 2017-03-28 | Harman International Industries, Incorporated | Methods and systems for driver assistance |
US10347134B2 (en) * | 2015-12-31 | 2019-07-09 | Gt Gettaxi Limited | System for navigating drivers to selected locations to reduce passenger wait time |
US10386835B2 (en) * | 2016-01-04 | 2019-08-20 | GM Global Technology Operations LLC | System and method for externally interfacing with an autonomous vehicle |
US11049059B2 (en) * | 2016-02-03 | 2021-06-29 | Operr Technologies, Inc | Method and system for on-demand customized services |
US10274328B2 (en) * | 2016-08-22 | 2019-04-30 | Microsoft Technology Licensing, Llc | Generating personalized routes with route deviation information |
US9715233B1 (en) * | 2016-11-09 | 2017-07-25 | Ben Mandeville-Clarke | System and method for inputting a second taxi-start location parameter for an autonomous vehicle to navigate to whilst reducing distraction |
US20180189669A1 (en) * | 2016-12-29 | 2018-07-05 | Uber Technologies, Inc. | Identification of event schedules |
JP7241354B2 (ja) * | 2017-01-01 | 2023-03-17 | エックスアド インコーポレーテッド | 公に表示された情報をモバイル装置に伝送する方法及び装置 |
US10168167B2 (en) * | 2017-01-25 | 2019-01-01 | Via Transportation, Inc. | Purposefully selecting longer routes to improve user satisfaction |
US10330482B2 (en) * | 2017-07-28 | 2019-06-25 | Uber Technologies, Inc. | Dynamically determining origin and destination locations for a network system |
US11378413B1 (en) * | 2019-04-22 | 2022-07-05 | Accelerate Labs, Llc | Augmented navigational control for autonomous vehicles |
-
2018
- 2018-04-18 WO PCT/US2018/028126 patent/WO2019203818A1/en active Application Filing
- 2018-04-18 US US17/048,017 patent/US11821743B2/en active Active
- 2018-04-18 CN CN201880092544.1A patent/CN112005081A/zh active Pending
- 2018-04-18 DE DE112018007321.1T patent/DE112018007321T5/de active Pending
Also Published As
Publication number | Publication date |
---|---|
US20210172751A1 (en) | 2021-06-10 |
WO2019203818A1 (en) | 2019-10-24 |
US11821743B2 (en) | 2023-11-21 |
DE112018007321T5 (de) | 2020-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11821743B2 (en) | Dynamic promotions based on vehicle positioning and route determinations | |
US20200225049A1 (en) | Dynamic vehicle routing determinations | |
US20210142248A1 (en) | Mixed vehicle selection and route optimization | |
US20200104962A1 (en) | Opportunistic preference collection and application | |
US20200249047A1 (en) | Proactive vehicle positioning determinations | |
US20200256691A1 (en) | System for generating travel route to be serviced by primary transportation service and secondary transportation service | |
US12087166B2 (en) | Preemptively navigating drivers to an event location to transport passengers upon completion of the event | |
JP6820331B2 (ja) | シェアされた輸送のための方法およびシステム | |
CN110969425A (zh) | 用于多支路旅程的付款卡 | |
US20190383621A1 (en) | Journey segment performance analysis | |
US11238555B2 (en) | Systems and methods for dynamically selecting transportation options based on transportation network conditions | |
WO2019203788A1 (en) | Routing with environmental awareness | |
US10360616B2 (en) | System and methods for prioritization of items for delivery | |
CN105917376A (zh) | 针对运输请求优化对驾驶员的选择 | |
WO2019203804A1 (en) | Intelligent itinerary option sorting | |
US11941555B2 (en) | System and method for fulfilling work tasks via modular autonomous vehicles | |
US20210201393A1 (en) | System and method for bidding-based ridesharing | |
US20210082075A1 (en) | Systems and methods for matching transportation devices based on conversion probability | |
US20210342760A1 (en) | Systems and methods for utilizing constrained modes of transportation | |
DE102019126357A1 (de) | Opportunistische sammlung und anwendung von präferenzen | |
US20240144191A1 (en) | Generating a schedule for a picker of an online concierge system based on an earnings goal and availability information |
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 |