CN112005270A - 基于会话的运输调度 - Google Patents
基于会话的运输调度 Download PDFInfo
- Publication number
- CN112005270A CN112005270A CN201880090536.3A CN201880090536A CN112005270A CN 112005270 A CN112005270 A CN 112005270A CN 201880090536 A CN201880090536 A CN 201880090536A CN 112005270 A CN112005270 A CN 112005270A
- Authority
- CN
- China
- Prior art keywords
- computing device
- session
- matching system
- request
- likelihood
- 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
- 230000004044 response Effects 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000003860 storage Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 8
- 230000032258 transport Effects 0.000 description 191
- 238000005457 optimization Methods 0.000 description 41
- 238000004891 communication Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 18
- 230000009471 action Effects 0.000 description 13
- 230000003993 interaction Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000001413 cellular effect Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000013475 authorization Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000013403 standard screening design Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G06Q50/40—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/14—Session management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
Abstract
本申请公开了改进的运输匹配系统和对应的方法及计算机可读介质。根据公开的实施方式,运输匹配系统从请求者计算设备接收响应于一个或多个会话事件的会话信息。系统利用接收到的会话信息来确定请求者计算设备上的相关联会话将引起运输请求的可能性。如果所确定的可能性在阈值量以上,则系统生成预先调度,该预先调度将相关联会话匹配到提供者计算设备。系统然后预留提供者计算设备,并为预留的提供者计算设备生成预测调度。
Description
背景
近年来,基于移动应用的运输匹配系统的普及和利用已显著地增长。通过这种运输匹配系统,请求者利用请求者计算设备来生成并发送包括乘载位置和目的地位置的运输请求。然后,系统将运输请求匹配到与运输提供者相关联的提供者计算设备,之后,提供者将请求者运输到目的地位置。大体上,常规的运输匹配系统基于接近度(例如,乘载位置与提供者计算设备的位置的接近度)将接收到的运输请求匹配到提供者计算设备。然而,常规的运输匹配系统常常效率低地将运输请求匹配到提供者计算设备。
例如,常规系统典型地仅考虑并匹配在有限的时间窗内接收到的运输请求。当将运输请求与提供者进行匹配时,常规系统典型地基于运输请求的乘载位置和提供者的当前位置来优化匹配过程。然而,一个时刻确定为最佳的匹配可能在下一时刻效率特别低。为了说明,在一些情况下,当后续运输请求被接收时,其中乘载位置就在提供者的当前位置旁边,提供者可能刚刚被匹配到需要显著量的行进来到达乘载位置的运输请求。此外,该区域内可能没有另外的提供者,从而引起需要另一提供者行进到该区域中的后续匹配。这导致提供者和请求者都浪费时间,并且在请求者不愿意等待提供者到达时导致增加的运输请求的取消。这导致运输请求处理时间延迟、运输请求失败以及系统管理效率低。
因此,存在对一种能够较有效地且有效率地考虑在阈值时间量内可能被接收的未来运输请求的运输匹配系统的需求。
附图说明
具体实施方式参考下面简要描述的附图。
图1示出了根据一个或多个实施方式的运输匹配系统的环境图;
图2A至图2B示出了根据一个或多个实施方式的基于当前运输请求和未来运输请求的系统资源的低效率分配与有效率分配的图;
图3示出了根据一个或多个实施方式的由运输匹配系统在生成预先调度时执行的一系列动作的序列图;
图4示出了根据一个或多个实施方式的将提供者计算设备匹配到接收到的运输请求和会话的优化模型的图;
图5示出了根据一个或多个实施方式的利用捆绑会话信息的会话模型的过程图;
图6示出了根据一个或多个实施方式的将训练过程应用到会话模型的运输匹配系统的过程图;
图7A至图7E示出了根据一个或多个实施方式的运输匹配系统向一个或多个请求者计算设备和/或提供者计算设备提供的一系列图形用户接口;
图8示出了根据一个或多个实施方式的在生成预先调度的方法中的一系列动作的流程图;
图9示出了根据一个或多个实施方式的示例性计算设备的框图;以及
图10示出了根据一个或多个实施方式的运输匹配系统的示例网络环境。
具体实施方式
本申请公开了提供益处和/或解决了本领域中的前述问题的运输匹配系统、计算机可读介质以及对应的方法的各种实施方式。根据一个或多个实施方式,运输匹配系统利用与请求者计算设备上的运输匹配系统应用相关联的会话信息来确定请求者计算设备是否可能生成并发送运输请求。基于该确定,运输匹配系统可以将运输请求匹配到提供者计算设备,或甚至调度提供者计算设备考虑请求者计算设备将生成并发送运输请求的可能性,即使请求者计算设备尚未这样做。另外,基于可能性确定,运输匹配系统可以在生成运输请求之前将特定的提供者信息提供给请求者计算设备。以这种方式,并且如将在下面较详细地描述的,运输匹配系统较快速且有效率地运行,并且通过基于活跃会话考虑未来运输请求来增加对系统资源的有效率的使用。
为了进一步说明运输匹配系统的特征和功能,在一个或多个实施方式中,运输匹配系统确定请求者计算设备将响应于检测到的会话事件来生成运输请求的可能性。如本文所使用的,“会话”是指与安装在请求者计算设备上的运输匹配系统应用相关联的使用期。同样,如本文所使用的,“会话事件”是指在运输匹配系统应用的会话内的用户发起的应用事件。在一个或多个实施方式中,运输匹配系统利用经训练的会话模型来基于检测到的会话事件确定请求者计算设备将生成运输请求的可能性。
在至少一个实施方式中,运输匹配系统检测会话事件,包括:运输匹配系统应用何时在请求者计算设备上被打开;乘载位置何时在请求者计算设备上的运输匹配系统应用中被配置或选择;目的地位置何时在请求者计算设备上的运输匹配系统应用中被配置或选择;运输类型何时在请求者计算设备上的运输匹配系统应用中被更改或重新配置;以及运输匹配系统应用何时在请求者计算设备上被关闭。
响应于检测到与安装在请求者计算设备上的运输匹配系统应用有联系的会话事件,运输匹配系统利用会话信息——包括检测到的会话事件和关于会话的任何其他信息(例如,选择的乘载位置和放下位置、请求者的历史请求和会话信息以及请求者计算设备的当前位置)——来确定请求者计算设备将生成运输请求的可能性。例如,在一些实施方式中,运输匹配系统将会话信息作为输入提供给经训练的会话模型。在一个或多个实施方式中,经训练的会话模型输出请求者计算设备将生成并发送运输请求的可能性。另外,在至少一个实施方式中,经训练的会话模型还输出与所确定的可能性相关联的估计的到请求的时间,该估计的到请求的时间表示直到请求者计算设备将生成并发送请求为止的估计的时间量。
在至少一个实施方式中,每当检测到与请求者计算设备有联系的新会话事件时,运输匹配系统更新与请求者计算设备相关联的可能性。例如,会话事件大体上遵循一进程(例如,打开应用、设置乘载位置、设置目的地位置、更改运输类型、提交请求),并且进程中的每个步骤都反映请求者计算设备将生成运输请求的可能性的增加或减少。因此,每当运输匹配系统检测到与相同会话相关联的会话事件时,运输匹配系统将请求者计算设备的更新的会话信息提供给经训练的会话模型,以确定请求者计算设备将生成运输请求的更新的可能性。
在一个或多个实施方式中,运输匹配系统基于由经训练的会话模型输出的可能性确定来生成预先调度。如本文中所使用的,“预先调度”是指基于请求者计算设备上当前活跃的会话在提供者计算设备与请求者计算设备之间进行的初步匹配——但在从请求者计算设备接收到运输请求之前。例如,在一些实施方式中,如果运输匹配系统基于活跃会话确定运输请求可能被接收(例如,如果所确定的可能性高于预定阈值),则运输匹配系统通过对会话信息进行加权然后将加权的会话信息提供给调度交换部(exchange:交换机)来生成预先调度,该调度交换部将请求者计算设备初步地匹配到提供者计算设备(例如,基于请求者计算设备的当前位置或选择的乘载位置以及提供者计算设备的当前位置)。
在至少一个实施方式中,并且作为预先调度的一部分,运输匹配系统预留匹配的提供者计算设备。例如,运输匹配系统可以预留匹配的提供者计算设备,使得其不能通过调度交换部而被匹配到任何其他运输请求或会话。运输匹配系统可以预留匹配的提供者,直到运输匹配系统从请求者计算设备接收预期的运输请求为止。替代性地,运输匹配系统可以仅预留匹配的提供者预定的时间量(例如,8秒)。如果运输匹配系统在该时间量内接收到预期的运输请求,则运输匹配系统对预留的提供者计算设备进行调度。如果运输匹配系统在该时间量内没有接收到预期的运输请求,则运输匹配系统可以将提供者计算设备从预留状态释放。
另外或替代性地,取决于所确定的可能性的强度和/或到请求的时间,运输匹配系统可以预测性地调度匹配的提供者计算设备。例如,如果所确定的可能性在预定阈值范围内(例如,可能性为60%至75%)并且/或者到请求的时间在阈值时间量以下(例如,在20秒内),则运输匹配系统可以为匹配的提供者计算设备生成预测调度,该预测调度将未来请求可能被接收的区域通知给提供者。在至少一个实施方式中,预测调度不识别请求者、请求者计算设备或请求者的特定位置。
另外或替代性地,如果所确定的可能性非常高(例如,可能性为95%以上)并且/或者到请求的时间很快(例如,在接下来的5秒内),则运输匹配系统可以将提供者计算设备调度给与会话信息相关联的请求者计算设备的位置。在该实施方式中,运输匹配系统可以调度提供者计算设备,就好像运输请求已经被接收一样。因此,当所确定的可能性高时,运输匹配系统可以掩盖调度基于预测运输请求而不是基于已经接收到的运输请求的事实。
另外,基于所确定的可能性和到请求的时间,运输匹配系统可以将生成的预先调度的指示提供给请求者计算设备(例如,经由请求者计算设备上的运输匹配系统应用)。例如,如果所确定的可能性高并且/或者到请求的时间在阈值时间量(例如10秒)内,则运输匹配系统可以将信息以及与匹配的提供者计算设备相关联的另外信息(例如,提供者等级、优选语言、当前位置、到乘载位置的路线、估计到达时间(ETA))提供给识别初步匹配的提供者计算设备的请求者计算设备。在至少一个实施方式中,运输匹配系统可以仅在提供者计算设备已经接受预测调度或调度之后才将生成的预先调度的指示提供给请求者计算设备。
响应于最终从请求者计算设备接收到预期的运输,运输匹配系统可以自动调度先前匹配的提供者计算设备。例如,在至少一个实施方式中,运输匹配系统对提供者计算设备进行调度,而无需将接收到的运输请求提供到调度交换部。此时,运输匹配系统通过向请求者计算设备和提供者计算设备两者提供调度信息来继续。与提供者计算设备相关联的提供者然后可以根据接收到的运输请求中的指定的乘载位置和目的地位置来运输与请求者计算设备相关联的请求者。
这样,本运输匹配系统在将运输请求匹配到提供者计算设备时有效率地利用系统资源方面为现有问题提供了基于计算机的解决方案。即,运输匹配系统确定与请求者计算设备相关联的运输匹配系统应用会话是否将可能引起生成运输请求。如果可能,运输匹配系统将会话包括在调度交换部中,在调度交换部中,会话可以以与其他运输请求被匹配的相同方式而被匹配到提供者。这通过较准确且有效率地分配提供者资源,同时最小化请求者等待时间并增强与运输匹配系统相关联的整体用户体验,消除了先前的系统资源浪费。因此,本运输匹配系统避免了无法考虑可能在不久的未来生成的运输请求的常规系统的缺陷和延迟。本文公开的特征通过限制不必要的取消并通过随着时间较有效率地展开与匹配运输请求相关联的处理任务,进一步提高了系统的处理速度和效率。
如本文所使用的,“运输请求”或“请求”是指从请求者计算设备发送到运输匹配系统的数据的集合。在一个或多个实施方式中,运输匹配系统又将请求匹配到满足运输请求的至少一个提供者计算设备(例如,与驾驶员相关联)。在一个或多个实施方式中,运输请求包括与请求者计算设备相关联的乘载位置、目的地位置以及运输匹配系统用户账户识别符。在一些实施方式中,运输请求可以包括与请求者计算设备相关联的GPS位置、乘载时间(例如,如果运输请求被安排在未来时间),以及与请求者计算设备相关联的其他偏好(例如音乐偏好、儿童座位偏好、可访问性偏好、提供者等级偏好)。
图1示出了用于运输匹配系统102的包括请求者计算设备118a、118b和118c以及提供者计算设备122a、122b和122c的示例环境100。如图所示,在一个或多个实施方式中,运输匹配系统102可以在一个或多个服务器104上实现。如图1进一步所示,请求者计算设备118a至118c和提供者计算设备122a至122c通过网络116与运输匹配系统102通信。
图1示出了运输匹配系统102包括会话分析器106、调度交换部110和数据存储装置114。在一个或多个实施方式中,会话分析器106监测并跟踪会话信息以及其他请求者和提供者信息,以便训练和/或利用会话模型108。例如,会话分析器106将该信息存储在数据存储装置114中。在至少一个实施方式中,会话模型108是会话分析器106训练来基于与活跃会话相关联的信息准确地确定请求者计算设备将生成运输请求的可能性的机器学习模型。此外,在至少一个实施方式中,会话模型108是还确定到请求的时间(time-to-request)的混合模型,该到请求的时间表示直到请求者计算设备生成可能的运输请求为止的时间量。
还如图1所示,调度交换部110包括优化模型112。在一个或多个实施方式中,当对于请求者计算设备的所确定的可能性在预定阈值以上时,运输匹配系统102将与该请求者计算设备相关联的会话信息提供给调度交换部110。调度交换部110然后对会话信息进行加权,并将加权的会话信息提供给优化模型120。在至少一个实施方式中,优化模型112接收到运输请求或会话信息,并将运输请求或会话信息匹配到提供者计算设备。响应于优化模型112进行的匹配,调度交换部110可以预留匹配的提供者计算设备、生成预测调度、生成实际调度、将调度信息提供给与运输请求或会话信息相关联的请求者计算设备、和/或将调度信息提供给匹配的提供者计算设备。下面参考图4进一步讨论优化模型112的功能。
在一个或多个实施方式中,图1所示的网络116可以包括一个或多个网络,并且可以使用适合于传输数据和/或通信信号的一个或多个通信平台或技术。在一个或多个实施方式中,网络116包括蜂窝网络。替代性地,网络116可以包括因特网或万维网。另外或替代性地,网络116可以包括使用各种通信技术和协议的各种其他类型的网络,诸如公司内部网、虚拟私人网络(“VPN”)、局域网(“LAN”)、无线局域网(“WLAN”)、广域网(“WAN”)、城域网(“MAN”)、或者两个或更多个这样的网络的组合。
还如图1所示,请求者计算设备118a至118c和提供者计算设备122a至122c中的每一者分别包括运输匹配系统应用120a、120b、120c、120d、120e和120f。在一个或多个实施方式中,运输匹配系统应用120a至120f使请求者计算设备118a至118c的用户(例如,请求者)和提供者计算设备122a至122c的用户(例如,提供者)能够与运输匹配系统102的特征进行交互。例如,请求者可以经由运输匹配系统应用120a至120c发起运输匹配系统应用会话、接收预先调度信息、配置和发送运输请求、以及接收来自运输匹配系统的另外信息。提供者可以使用运输匹配系统应用120d至120f接收预测调度信息和标准调度,以及满足运输请求。在至少一个实施方式中,运输匹配系统应用120a至120c包括特定于请求者的特征,而运输匹配系统应用120d至120f包括特定于提供者的特征。
在至少一个实施方式中,请求者计算设备118a至118c中的一个或多个请求者计算设备生成运输请求并将生成的运输请求发送到运输匹配系统102。如上所讨论的,“运输请求”是指由运输匹配系统应用120a至120c提供并由运输匹配系统102利用以将运输请求匹配到提供者计算设备122a至122c的信息。在一个或多个实施方式中,运输匹配系统102从安装在请求者计算设备118a上的运输匹配系统应用120a(例如,用于请求者的移动应用)接收请求者配置的运输请求,并利用在运输请求中提供的信息来将运输请求匹配到提供者计算设备122a。例如,运输匹配系统102基于下述项来将请求者配置的运输请求匹配到提供者计算设备122a:提供者计算设备122a到指定的乘载位置的接近度、提供者等级和偏好、以及指定的目的地位置。
替代性地,如上所述,响应于检测到与运输匹配系统应用120a相关联的会话事件,运输匹配系统102可以确定请求者计算设备118a将生成运输请求的可能性。例如,响应于检测到的会话事件,运输匹配系统应用120a可以将会话信息提供给运输匹配系统102,以用作到经训练的会话模型108中的输入。运输匹配系统102然后可以基于由会话模型108确定的可能性来生成预先调度。在一个或多个实施方式中,如上所述,运输匹配系统102然后将调度信息的阈值水平提供给匹配的提供者计算设备和请求者计算设备118a。
图2A和图2B示出了由运输匹配系统102提供的技术方案的示例实施方式。例如,如图2A中的时间线202a所示,常规的运输匹配系统在接收到运输请求“B”之前接收到运输请求“A”。响应于接收到运输请求“A”并且在接收到运输请求“B”之前,常规的运输匹配系统将运输请求“A”匹配到区域204a内最近的提供者“Y”。然而,当常规的运输匹配系统接收到运输请求“B”时,区域204a内剩下的用以匹配到运输请求“B”的唯一其他提供者“X”与运输请求“B”相距较远。因此,常规的运输匹配系统效率低地利用系统资源,因为没有考虑到运输请求“B”将很可能在短时间内被接收的事实。
运输匹配系统102解决了图2B中的这种低效率。例如,如图2B中的时间线202b所示,运输匹配系统102在接收到运输请求“B”之前接收到运输请求“A”。运输匹配系统102在接收到运输请求“A”的同时,还从与运输请求“B”相关联的请求者计算设备接收到响应于会话事件的会话信息。因此,在下面较详细描述的过程中,运输匹配系统102在确定针对接收到的运输请求“A”和未来的运输请求“B”两者的匹配时考虑了运输请求“B”将被生成的可能性。
在考虑了与未来的运输请求“B”相关联的会话信息之后,运输匹配系统102较有效率地将运输请求匹配到区域204b内的提供者。例如,如图2B所示,响应于接收到会话信息,运输匹配系统102将提供者“X”调度给运输请求“A”,并且将提供者“Y”调度给运输请求“B”。因此,运输匹配系统102减少了与运输请求“A”和“B”相关联的两个请求者的等待时间。另外,运输匹配系统102减少了与提供者“X”和“Y”相关联的驾驶时间。因此,运输匹配系统102提供了较快和较有效率的运输解决方案。
图3示出了根据本文所述原理的示例动作序列。例如,如上所述,运输匹配系统102确定请求者计算设备118a将生成运输请求的可能性,然后基于该确定来生成预先调度。图3示出了动作序列,通过该动作序列,运输匹配系统102生成预先调度并将调度信息提供给请求者计算设备118a和提供者计算设备122a。
例如,图3所示的动作序列从运输匹配系统102训练(302)会话模型108开始。如上所述,会话模型108是被训练来确定与请求者计算设备相关联的会话将致使或引起生成运输请求的可能性的机器学习模型。例如,会话模型108可以包括但不限于支持向量机、线性回归、逻辑回归、贝叶斯网络、聚类、第K个最近邻居、K均值、随机森林学习、降维算法、提升算法、人工神经网络、深度学习等。在至少一个实施方式中,会话模型108包括伽马分布,并且又可以包含指数和爱尔朗分布。因此,会话模型108通过从已知输入数据生成数据驱动的预测或决策来对数据进行高级抽象。
在至少一个实施方式中,会话模型108是能够确定与请求者计算设备有关的不止一个可能性的混合模型。例如,在一个或多个实施方式中,会话模型108确定请求者计算设备将生成运输请求的可能性以及到请求的时间。在一个或多个实施方式中,所确定的到请求的时间指示在生成可能的运输请求之前可能经过的时间量。
在一个或多个实施方式中,运输匹配系统102利用历史信息来训练(302)会话模型108。例如,运输匹配系统102可以监测和存储来自请求者计算设备(例如,相同地理区域内的请求者计算设备、与共享同类群体特点的请求者相关联的请求者计算设备)的代表(cross-section:典型、截面)的信息,包括但不限于运输请求、等待时间、乘载位置、目的地位置、运输时间和会话信息(例如,会话事件、提交运输请求之前的会话长度、提交运输请求之前的平均用户互动数量、以及会话是否引起运输请求)。在至少一个实施方式中,运输匹配系统102利用前馈反向传播方法学使用历史信息来训练会话模型108。在一些实施方式中,运输匹配系统102可以周期性地重训练会话模型108以维持预测准确性。下面参考图6较详细地描述会话模型训练过程。
在运输匹配系统102训练(302)会话模型108之后或同时,安装在请求者计算设备118a上的运输匹配系统应用120a检测会话事件(304)。在一个或多个实施方式中,如上所述,会话事件包括但不限于应用打开事件、设置乘载事件、设置目的地事件、更改乘坐类型事件、撤消事件、选择支付事件、以及应用关闭事件。例如,运输匹配系统应用120a响应于请求者参加与请求者计算设备118a的对运输匹配系统应用120a初始化的用户交互(例如,点击主屏幕图标、切换显示焦点)来检测应用打开事件。运输匹配系统应用120a可以响应于与一个或多个显示器、接口和图形显示元素有联系的,引起对运输匹配系统应用120a内的乘载位置进行选择或配置的用户交互来检测设置乘载事件。另外,运输匹配系统应用120a可以响应于与一个或多个显示器、接口和图形显示元素的,引起对运输匹配系统应用120a内的目的地位置进行选择或配置的用户交互来检测设置目的地事件。运输匹配系统应用120a可以响应于与一个或多个显示器、接口和图形显示元素的,引起对运输匹配系统应用120a内的乘坐类型进行更改选择或重新配置的用户交互来检测更改乘坐类型事件。运输匹配系统应用120a还可以检测显示器或接口中的任何其他更改,诸如对预配置的支付方式的更改。此外,运输匹配系统应用120a可以响应于与运输匹配系统应用120a的使该运输匹配系统应用120a关闭的用户交互来检测应用关闭事件,从而结束当前会话(例如,退出运输匹配系统应用120a、切换显示焦点远离运输匹配系统应用120a)。在另外的实施方式中,运输匹配系统应用120a可以检测向后进程事件,其中用户导航回到先前的交互、选择或接口(例如,以更改先前选择的选项)。在另外的或替代性实施方式中,会话事件可以包括采取的与运输匹配系统应用120a有联系的任何类型的动作。另外,会话事件可以包括在运输匹配系统102处起源的事件。
响应于检测到涉及请求者计算设备118a中的会话的会话事件(304),运输匹配系统应用120a将会话信息(306)提供给运输匹配系统102。例如,运输匹配系统应用120a可以提供与当前会话相关联的信息,包括与请求者计算设备118a相关联的当前时间戳、请求者计算设备118a的当前位置(例如,GPS位置、基于WiFi的位置)、最近检测到的会话事件、一个或多个先前检测到的会话事件、以及当前会话长度(例如,自运输匹配系统应用会话开始以来经过的时间量)。
在任何时间预匹配时,安装在提供者计算设备122a上的运输匹配系统应用120d将当前的提供者信息(308)提供给运输匹配系统102。例如,当前提供者活动信息可以包括运输匹配系统102在将会话或运输请求匹配到提供者计算设备122a时利用的信息。因此,当前提供者活动信息可以包括但不限于提供者计算设备122a的当前位置、提供者计算设备122a的当前可用性、提供者计算设备122a的优选运输半径、提供者计算设备122a的服务计划等。在一个或多个实施方式中,运输匹配系统102定期地从所有当前活跃的提供者计算设备接收当前提供者活动信息。
响应于从请求者计算设备118a接收到会话信息(306),运输匹配系统102确定请求者计算设备118a将生成运输请求的可能性(310)。例如,在一个或多个实施方式中,运输匹配系统102首先基于接收到的会话信息生成输入向量,然后将生成的输入向量提供给经训练的会话模型108。如上所述,经训练的会话模型108利用与生成的输入向量有联系的机器学习来确定请求者计算设备118a将生成运输请求的可能性。另外,如上所述,在一些实施方式中,会话模型108是还确定到可能请求的时间(312)的混合模型。例如,响应于接收到包括提供的会话信息在内的生成的输入向量,会话模型108可以确定请求者计算设备118a有80%的可能性将在接下来的120秒内提交运输请求。
响应于确定由会话模型108提供的可能性在预定阈值以上(例如,请求者计算设备106a将生成运输请求的可能性在60%以上),运输匹配系统102可以将会话信息提交给调度交换部。例如,在一些实施方式中,运输匹配系统102基于所确定的可能性对会话信息进行加权(314)。例如,为了考虑会话与优化模型112中的已经接收到的运输请求之间的差异,运输匹配系统102在将会话信息提供给优化模型112之前对会话信息进行加权(例如折扣),或者为优化模型112提供信息以在调度交换部内相应地对会话进行加权。在至少一个实施方式中,运输匹配系统102对会话信息进行加权,使得该加权与所确定的可能性对应。例如,如果所确定的可能性是65%,则运输匹配系统102可以对相关联的会话信息较轻地——相较于与所确定的85%的可能性相关联的会话信息——加权。下面参考图4进一步描述运输匹配系统102对会话信息进行加权的过程。
在对会话信息加权(314)之后,运输匹配系统102生成预先调度(316)。如上所述,“预先调度”是指在提供者计算设备与在请求者计算设备上当前活跃的会话之间进行的匹配。另外,预先调度可以包括预留匹配的提供者计算设备一段时间。在一个或多个实施方式中,运输匹配系统102通过将加权的会话信息发送到调度交换部110来生成预先调度(316)。
在一个或多个实施方式中,优化模型112将加权的会话信息匹配到提供者计算设备122a。例如,如下面将参考图4较详细描述的,优化模型112监测可用提供者计算设备的池,并将接收到的运输请求匹配到池中的提供者计算设备中的一个提供者计算设备。在至少一个实施方式中,优化模型112至少部分地基于与每个请求或会话相关联的成本或加权来匹配从请求者计算设备接收的运输请求和从运输匹配系统102接收的加权会话。
响应于从优化模型112接收到用于会话的匹配,运输匹配系统102预留匹配的提供者计算设备122a一段时间。例如,为了防止优化模型112将提供者计算设备122a匹配到另一运输请求或会话,运输匹配系统102可以将提供者计算设备122a从可用提供者计算设备的池中移除。运输匹配系统102可以预留提供者计算设备122a一预定时间量(例如10秒),或者可以预留提供者计算设备122a直到从请求者计算设备118a接收到可能的运输请求为止。
另外,响应于从优化模型112接收到用于会话的匹配,运输匹配系统102根据由会话模型108确定的请求的可能性,将调度信息的变化水平提供给提供者计算设备122a。例如,响应于所确定的与第一阈值(例如,可能性为60%至80%)对应的请求者计算设备118a将生成运输请求的可能性,运输匹配系统102将预测调度(318)提供给提供者计算设备122a。
在一个或多个实施方式中,运输匹配系统102在预测调度中提供信息,该信息指示提供者计算设备122a应在的区域(例如,城市街区、街道、地标)以提供未来运输,以及关于未来运输请求的可能性的声明(例如,“请求将很快来自该地区”)。例如,由预测调度指示的区域与请求者计算设备118a当前所位于的区域对应(例如,被包括在提供的会话信息中(306))。在至少一个实施方式中,预测调度(318)还包括激励提议或奖励,以进一步激发与提供者计算设备122a相关联的提供者行进到请求者计算设备118a所位于的区域。在一个或多个实施方式中,预测调度(318)不包括专门识别请求者计算设备118a的信息,从而使提供者计算设备122a清楚该匹配尚不是最终的。
在一个或多个实施方式中,运输匹配系统102给予提供者计算设备122a预接受预测调度(318)的机会。例如,响应于安装在提供者计算设备122a上的运输匹配系统应用120d提供与预测调度(318)相关联的预接受(320),当运输匹配系统102最终接收与预测调度(318)相关联的运输请求时,运输匹配系统102可以自动地将提供者计算设备122a调度给请求者计算设备118a。在该实施方式中,运输匹配系统102可以更新提供者计算设备122a上的GUI的一个或多个部分,以指示预测调度现在是正式调度。
另外或替代性地,响应于所确定的请求者计算设备118a将生成与第二阈值(例如,可能性80%以上)对应的运输请求的可能性,运输匹配系统102将调度(322)提供给提供者计算设备122a。例如,响应于确定可能性与第二阈值对应,运输匹配系统102以与利用来自优化模型112的运输请求发起的匹配相同的方式利用预先调度(316)。在一个或多个实施方式中,提供的调度(322)包括与请求者计算设备118a相关联的识别信息,并且将请求者计算设备118a的当前位置或选择的乘载位置列出作为乘载位置。在至少一个实施方式中,运输匹配系统102可以分析与请求者计算设备118a相关联的活动历史以提供可能的目的地位置作为提供的调度(322)的一部分。因此,如果请求者计算设备118a将生成运输请求的可能性足够高,则运输匹配系统102掩盖尚未从提供者计算设备122a接收到运输请求的事实。换句话说,在至少一个实施方式中,与提供者计算设备122a相关联的提供者不能看出基于请求者发起的运输请求的调度与基于会话信息的调度之间的差异。
在一个或多个实施方式中,运输匹配系统102根据由会话模型108确定的可能的到请求的时间(312),将预测调度(318)或调度(322)提供给提供者计算设备122a。例如,如果所确定的到请求的时间(312)大于提供者计算设备122a行进到与预测调度(318)相关联的区域将花费的时间量,则运输匹配系统102可以仅提供预测调度(318)。为了说明,响应于确定提供者计算设备122a将花费60秒行进到与预测调度相关联的区域(318)以及所确定的到请求的时间(312)为75秒,运输匹配系统102可以仅提供预测调度(318)。
类似地,响应于确定可能的到请求的时间(312)在阈值时间量内,运输匹配系统102可以仅将调度(322)提供给提供者计算设备122a。为了说明,当请求者计算设备118a可能在接下来的10秒内生成运输请求时,运输匹配系统102可以仅将调度(322)提供给提供者计算设备122a。在一个或多个实施方式中,当预期在短时间量内生成非常可能的运输请求时,运输匹配系统102仅提供基于会话的调度给提供者计算设备,以减少提供者计算设备将被错误或不正确地调度的机率。
在一个或多个实施方式中,运输匹配系统102将预先调度(324)的指示提供给请求者计算设备118a。例如,运输匹配系统102可以提供预先调度(324)的指示,该指示包括与提供者计算设备122a相关联的识别信息(例如,与提供者计算设备122a相关联的提供者名称、与提供者计算设备122a相关联的提供者等级、与提供者计算设备122a相关联的提供者所讲的语言)、提供者计算设备122a的当前位置、以及提供者计算设备122a朝着请求者计算设备118a可能行进的路线(例如,如果提供者计算设备122a已经被预调度)。在一个或多个实施方式中,运输匹配系统应用120a更新一个或多个显示以包括预先调度指示(326)。
在至少一个实施方式中,运输匹配系统102可以响应于确定可能的到请求的时间(312)在阈值时间量内来提供预先调度的指示。例如,如果可能的到请求的时间(312)在接下来的15秒内,则运输匹配系统102可以仅提供预先调度的指示。因此,在一个或多个实施方式中,运输匹配系统102仅在请求者计算设备将要生成运输请求的可能性很高时,才将识别提供者的信息提供给请求者计算设备。
在一个或多个实施方式中,运输匹配系统应用120a在请求者计算设备118a上生成运输请求(328)。例如,如上所讨论的,运输匹配系统应用120a生成运输请求以包括信息诸如识别信息、乘载位置、目的地位置和用户偏好。在至少一个实施方式中,生成的运输请求(328)与会话模型108确定为可能(310)的运输请求相同。
响应于生成的运输请求(328),运输匹配系统102对提供者计算设备122a进行调度(330)。如上所讨论的,如果提供者计算设备122a提供了与预测调度(318)相关联的预接受(320),则运输匹配系统102不将生成的运输请求(328)发送到调度交换部110进行匹配,而是自动地调度提供者计算设备122a到请求者计算设备118a。类似地,如果提供者计算设备122a已经响应于提供的调度(322)而朝着请求者计算设备118a行进,则运输匹配系统102自动地将提供者计算设备122a调度给请求者计算设备118a。在自动调度提供者计算设备122a之后,运输匹配系统102将提供者计算设备122a从由优化模型112利用的提供者计算设备的池中的预留状态移除。
运输匹配系统102然后将调度信息(332a、332b)分别提供给请求者计算设备118a和提供者计算设备122a。结果,请求者计算设备118a和提供者计算设备122a然后显示调度信息(334a、334b)。例如,调度信息可以包括识别信息、到乘载位置的建议路线、与到目的地位置的运输相关联的估计成本、以及其他偏好和等级。在一个或多个实施方式中,运输匹配系统102可以周期性地更新提供的调度信息(332a),使得请求者可以在提供者计算设备122a行进到乘载位置时查看提供者计算设备122a的确切位置。
在调度(330)提供者之前的任何时候,运输匹配系统102可以检测与请求者计算设备118a相关联的附加的会话事件。例如,如果最初检测到的会话事件是应用打开事件,则运输匹配系统102可以检测在此后不久的设置乘载位置事件。响应于新检测到的会话事件,运输匹配系统102生成更新的可能性和/或预先调度。运输匹配系统102可以响应于涉及请求者计算设备118a上的相同会话的检测到的会话事件而重复该过程任何次数。
例如,为了生成更新的预先调度,运输匹配系统102利用来自请求者计算设备118a的更新的会话信息(306)重复步骤或动作306至316。基于该更新的会话信息,运输匹配系统利用会话模型108来确定请求者计算设备118a上的会话将引起运输请求的更新的可能性。如果得到的更新的确定仍然在预定阈值以上,则运输匹配系统102可以维持先前提供的调度(322)。另外,如果得到的更新的确定仍然在预定阈值以上,则运输匹配系统102可以将先前提供的预测调度(318)升级为调度(322)。
如果得到的更新的确定在预定阈值以下,则运输匹配系统102取消预先调度。例如,运输匹配系统102可以通过移除提供者计算设备的池内的提供者计算设备122a的预留状态来取消预先调度。另外,运输匹配系统102可以将更新的指示符提供给提供者计算设备122a,以通知提供者与预测调度或调度相关联的乘载机会不再可用。如果运输匹配系统102先前将预先调度的指示提供给了请求者计算设备118a,则运输匹配系统102可以更新该指示以通知请求者先前识别的提供者不再可用。
图4示出了调度交换部执行匹配过程时该调度交换部的优化模型112的示意图。如上所述,优化模型112将运输请求和会话信息匹配到提供者计算设备。在一个或多个实施方式中,运输匹配系统102利用这些匹配来生成预先调度,并分别为提供者计算设备和请求者计算设备提供预测调度和调度信息。在图4中示出了优化模型112将运输请求和会话信息匹配到提供者计算设备的过程。例如,如图4所示,运输匹配系统102支持优化模型112,该优化模型又访问提供者池402和运输请求和会话的集合404,并输出匹配的列表406。
如上所述,在一个或多个实施方式中,优化模型112是被训练来将运输请求和会话匹配到提供者计算设备的机器学习模型。在至少一个实施方式中,优化模型112通过使与请求或会话和提供者计算设备有关的一个或多个函数最小化,来在运输请求或会话与提供者计算设备之间进行匹配。在一个或多个实施方式中,优化模型112可以包括但不限于支持向量机、线性回归、逻辑回归、贝叶斯网络、聚类、第K个最近邻居、K均值、随机森林学习、降维算法、提升算法、人工神经网络、和/或深度学习。
在一个或多个实施方式中,运输匹配系统102为优化模型112提供对数据存储装置114(例如,图1所示)的访问,以用于训练和确定目的。例如,虽然优化模型112主要基于距离和估计的到达时间来生成匹配,但是优化模型112可以在生成匹配时考虑另外的信息。在至少一个实施方式中,优化模型112利用数据存储装置114来访问请求者和提供者活动历史、偏好和等级。
在一个或多个实施方式中,运输匹配系统102监测提供者活动,以识别当前没有被调度并且可以被包括在提供者池402中的一个或多个提供者计算设备。例如,运输匹配系统102在提供者计算设备已提供对调度(例如,提供者计算设备与运输请求之间的匹配)的接受、已确认请求者乘载或当前正在提供到目的地位置的运输时,将提供者计算设备视为当前要被调度。在至少一个实施方式中,运输匹配系统102将每个提供者计算设备122a至122x添加到当前没有被调度或不可用的提供者池402以接收运输请求。
在一个或多个实施方式中,可以预留提供者计算设备122a至122x中的一个或多个提供者计算设备。例如,如下面将较详细描述的,响应于优化模型112将会话匹配到提供者计算设备122a,运输匹配系统102可以仅将预测调度提供给提供者计算设备122a。因此,运输匹配系统102将不会将提供者计算设备122a辨识为被正式调度,而是可以向提供者计算设备122a分派预留状态。在至少一个实施方式中,具有预留状态的提供者计算设备没有从提供者池402中移除,但是对于优化模型122进行匹配是不可用的。
如上所讨论,集合404包括请求者发起的运输请求,以及运输匹配系统102会话(例如,各自与特定会话相关联的会话信息的集合)。在一个或多个实施方式中,运输请求包括乘载位置和目的地位置。因此,当识别对运输请求的匹配时,优化模型112优化提供者池402中的提供者计算设备与和运输请求相关联的请求者计算设备之间的ETA(例如,“估计到达时间”)。因此,例如,优化模型112响应于确定提供者计算设备118b相对于运输请求1(TransportationRequst1)中指定的乘载位置具有最佳ETA来生成“运输请求1”与提供者计算设备118b之间的匹配。
为了生成预先调度,运输匹配系统102还在集合404中包括会话或会话信息。例如,在集合404中,会话包括与该会话相关联的请求者计算设备将生成运输请求的可能性确定(例如,由会话模型108确定)、到请求的时间确定(例如,由会话模型108确定)以及由运输匹配系统102分派的分派给会话的加权或折扣成本。
例如,运输匹配系统102通过应用以下函数来计算会话的折扣成本:
其中,ρi是会话将引起请求的可能性,τi是平均到请求的时间,并且λ是指数折扣率。为了说明,为了确定ETA的折扣成本,运输匹配系统102将ETA乘以小于一的值(例如0.5),并且加上恒定的时间量(例如600秒或10分钟)。得到的ETA将等于(0.5)*ETA+600。
为了识别集合404中包括的对会话的匹配,优化模型112基于所确定的到请求的时间来执行折扣优化。在一个或多个实施方式中,折扣优化被表示为:
其中,pi是由会话模型108确定的可能性确定(例如0<pi<1),τi是到请求的时间,并且γi取决于可能性确定并且是单调递减函数。在至少一个实施方式中,运输匹配系统102通过将加权或“折扣成本”修改为以下来进一步改善优化模型112:
因此,例如,响应于使上述函数最小化,优化模型112至少部分地将“会话1(Session1)”与提供者计算设备118a进行匹配(例如,如匹配的列表406所示),因为“会话1”与引起生成运输请求的高可能性相关联。在一个或多个实施方式中,运输匹配系统102向优化模型112中的每个会话添加常数,使得该常数“选择”哪个会话被匹配。在该实施方式中,乘数是会话在匹配中具有的加权。例如,如果加权低,则运输匹配系统102集中在优化模型112中的其他运输请求上。
优化模型112可以基于经过的阈值时间量(例如,每5秒)执行匹配过程。替代性地或另外,当集合404中的运输请求和/或会话的数量超过阈值数量时,优化模型112可以执行匹配过程。
图5示出了运输匹配系统102捆绑会话的过程。在一个或多个实施方式中,运输匹配系统102的会话分析器106将会话捆绑在一起以便较有效率地利用运输匹配系统102内的系统资源。例如,受约束的地理区域内的请求者计算设备可以同时参加运输匹配系统会话事件。为了确保足够的提供者资源位于地理区域内,会话分析器106通过将会话信息捆绑在一起来将多个检测到的会话视为单个会话。
如图5所示,运输匹配系统102可以利用会话模型108来确定“会话1”有76%的可能性引起运输请求,并且“会话2”有88%的可能性引起运输请求。响应于确定与“会话1”和“会话2”相关联的请求者计算设备在相同地理受约束的区域内(例如,相同街坊、相同街道上相同地址或地标的阈值距离内、相同建筑物中),运输匹配系统102可以将与“会话1”和“会话2”相关联的会话信息捆绑在一起。例如,捆绑过程可以包括将检测到的与和“会话1”和“会话2”相关联的请求者计算设备有联系的所有会话事件添加到会话信息的单个集合中。
在一个或多个实施方式中,运输匹配系统102将捆绑的会话信息提供给会话模型108,其中会话模型108以与非捆绑的会话信息相同的方式基于捆绑的会话信息进行可能性确定。例如,会话模型108分析捆绑的会话信息以确定运输请求将与捆绑的会话信息中表示的至少一个会话相关联地被生成的可能性。在至少一个实施方式中,如图5所示,将会话信息捆绑在一起可以引起运输请求将与捆绑会话起源的地理区域相关联地生成的较高总体可能性。
以与上面参考图3描述的相同的方式,运输匹配系统102可以根据基于捆绑的会话信息的所确定的可能性是否满足或超过预定阈值来生成预先调度。在至少一个实施方式中,运输匹配系统102可以仅将预测调度提供给与捆绑的会话信息相关联的地理上受约束的区域。在至少一个实施方式中,这是因为基于捆绑会话的预先调度不与单个请求者计算设备相关联。因此,运输匹配系统102在提供者调度中将没有单个乘载位置要识别。
图6示出了运输匹配系统102的会话分析器106训练会话模型108的过程。如上所述,会话分析器106训练会话模型108以准确地确定与请求者计算设备上的运输匹配系统应用相关联的会话将引起运输请求的可能性。在一个或多个实施方式中,会话分析器106访问数据存储装置114,以利用历史信息和当前信息训练会话模型108。
例如,会话分析器106访问数据存储装置114内的事件信息、乘坐状态信息、请求者状态信息和聚合信息以训练会话模型108。在至少一个实施方式中,会话分析器106访问事件信息,包括但不限于请求者元数据(例如,电话版本、运输匹配系统应用版本、蜂窝提供者、信号强度、位置、时间、操作系统版本)、先前的页面视图、先前检测到的会话事件、移动的乘载位置、设置的目的地位置、添加的路标、计划的乘坐选择、运输匹配系统应用是否在后台、运输匹配系统应用在请求者计算设备上如何被打开、以及电池水平。
另外,会话分析器106访问乘坐状态信息,包括但不限于请求者是否支付了现成的票价、估计的到达时间、估计的离开时间、速度和/或路线的费用、以及所需运输的距离。此外,会话分析器106访问请求者状态信息,包括但不限于请求者当前余额中的信用数量、请求者在其帐户内拥有的任何优惠券、与请求者相关联的欺诈/风险分数、存储的与请求者相关联的信用卡信息、以及与请求者相关联的其他识别信息(例如照片、地址)。
会话分析器106还访问聚合信息。例如,会话分析器106访问中期聚合信息,包括但不限于在先前的阈值时间量内与请求者计算设备相关联的会话数量、在先前的阈值时间量内从请求者计算设备接收的请求数量、在先前的阈值时间量内与请求者计算设备相关联的预测收敛的数量、在先前阈值时间量内接收的与由请求者计算设备上的运输匹配系统应用提供的GUI和其他图形显示元素有联系的用户交互的数量和类型、以及在先前的阈值量时间内与请求者计算设备相关联的已完成请求的数量。在一个或多个实施方式中,先前的阈值时间量可以是先前的二十四小时时间段、先前的周、先前的月等等。在一个或多个实施方式中,会话分析器106还访问长期聚合信息,包括但不限于与请求者计算设备相关联的会话总数量、从请求者计算设备接收的请求的总数量、与请求者计算设备相关联的预测收敛的总数量、以及与请求者计算设备相关联的已完成请求的总数量。
在一个或多个实施方式中,会话分析器106利用上述访问的信息来训练会话模型108以准确地确定会话将引起运输请求的可能性。例如,在至少一个实施方式中,会话分析器106利用前馈反向传播方法学利用访问的信息来训练会话模型108。在另外或替代性实施方式中,会话分析器106利用其他方法学(例如,梯度提升树)利用访问的信息来训练会话模型108。如上所述,在一些实施方式中,运输匹配系统102可以周期性地(例如,每周一次、在每预定数量的确定之后)重训练会话模型108,以维持预测准确性。
如上所述,运输匹配系统102(例如,经由请求者计算设备118a上的运输匹配系统应用120a)检测会话事件并基于检测到的会话事件确定请求者计算设备118a上的会话将引起运输请求的可能性。此外,运输匹配系统102基于所确定的可能性将生成的预先调度的指示提供给请求者计算设备118a和至少一个提供者计算设备。图7A至图7C示出了与运输匹配系统应用120a有联系的各种会话事件。图7D至图7E示出了生成的预先调度的一个或多个指示。
例如,如图7A所示,运输匹配系统102(经由运输匹配系统应用120a)在请求者计算设备11SS8a上的触摸屏显示器702a的一部分中提供交互地图702。另外,运输匹配系统102提供包括各种控件的区域706,由此请求者可以配置目的地位置。例如,区域706可以包括文本输入框和一个或多个建议的目的地位置控件。利用这些或其他控件,请求者可以配置目的地位置以包含在运输请求中。
在一个或多个实施方式中,响应于经由交互地图702和/或区域706的检测到的目的地位置的配置,运输匹配系统应用120a检测会话事件。如上所讨论的,响应于检测到该会话事件,运输匹配系统应用120a将会话信息提供给运输匹配系统102。运输匹配系统102利用会话模型108来确定其中请求者(例如,请求者计算设备118a的用户)刚刚配置了目的地位置的运输匹配系统应用会话将引起运输请求的可能性。
如上所述,与请求者计算设备118a上的运输匹配系统应用120a相关联的典型事件流程接下来可以包括对乘载位置的确认。例如,如图7B所示,响应于目的地位置的配置(例如,如图7A所示),运输匹配系统应用120a可以更新触摸屏显示器702的一部分以包括乘载位置确认控件708。响应于检测到的与乘载位置确认控件708的用户交互,运输匹配系统应用120a还检测另一会话事件。响应于新检测到的会话事件,运输匹配系统应用120a将更新的会话信息提供给运输匹配系统102。运输匹配系统102然后利用会话模型108来确定请求者计算设备118a上的会话将引起运输请求的更新的可能性。如果运输匹配系统102先前生成了预先调度,则运输匹配系统102可以基于更新的可能性来更新预先调度。
接下来,如图7C所示,响应于接收到对乘载位置的确认,运输匹配系统应用120a可以更新触摸屏显示器702a的一部分以包括更改运输类型区域710。例如,利用更改运输类型区域710中提供的控件,请求者可以指定用于运输请求的运输类型。响应于检测到对更改运输类型区域710中的至少一个控件的选择,运输匹配系统应用120a检测再一会话事件。因此,响应于新检测到的会话事件,运输匹配系统应用120a将进一步更新的会话信息提供给运输匹配系统102。运输匹配系统102然后利用会话模型108来确定在请求者计算设备118a上的会话将引起运输请求的新的更新的可能性,并潜在地生成更新的预先调度。
如上所讨论的,运输匹配系统102响应于请求者计算设备上的会话将可能引起生成运输请求的确定来生成预先调度。取决于该确定的强度和可能的到请求的时间,运输匹配系统102将生成的预先调度的指示提供给其中对应的会话信息起源的请求者计算设备。例如,如图7D所示,响应于确定可能性在阈值量以上(例如,大于75%的可能性),并且到请求的时间在预定时间量内(例如,在10秒内),运输匹配系统102提供路线指示712和ETA指示。
例如,在一个或多个实施方式中,运输匹配系统102提供路线指示712,该路线指示包括预留的提供者计算设备的当前位置和预留的提供者将采取以到达请求者计算设备118a的当前位置的路线。另外,运输匹配系统102提供ETA指示714,该ETA指示指示在预留的提供者计算设备到达请求者计算设备118a的当前位置之前将经过的时间量。如图7D所示,ETA指示714可以提供与预留的提供者计算设备有关的识别信息(例如,档案图片),以及与预留的提供者计算设备相关联的其他信息(例如,相关联的提供者说西班牙语)。
另外,取决于关于当前会话引起生成运输请求的可能性的所确定的强度以及取决于可能的到请求的时间,运输匹配系统102可以将调度的各种水平提供给提供者计算设备。例如,如图7E所示,响应于确定可能性在阈值量内(例如,可能性为60%至70%)并且到请求的时间大于预定时间量(例如,大于60秒),运输匹配系统102在提供者计算设备122a的触摸屏显示器702b上提供预测调度信息716和预测调度区域地图718。在一个或多个实施方式中,预测调度信息716通知提供者(例如,提供者计算设备122a的用户)一个或多个运输请求可能在指定时间帧内源自由预测调度区域地图718指示的区域。
现在转向图8,该图示出了生成与会话相关联的预先调度的一系列动作800的流程图。虽然图8示出了根据一个实施方式的动作,但是替代性实施方式可以省略、添加、重新排序和/或修改图8所示的任何动作。图8的动作可以作为方法的一部分来执行。替代性地,非暂时性计算机可读介质可以包括指令,该指令在被一个或多个处理器执行时,使计算设备执行图8的动作。在依然另外的实施方式中,系统可以执行图8的动作。
如图8所示,一系列动作800包括接收会话信息的动作810。例如,动作810可以包括接收与在请求者计算设备上的运输匹配系统应用的会话相关联的会话信息,该会话信息包括一个或多个会话事件的指示。例如,会话信息还可以包括与请求者计算设备相关联的当前时间戳、请求者计算设备的位置、乘载位置、与运输匹配系统应用相关联的一个或多个先前会话事件、或者与运输匹配系统应用相关联的当前会话长度中的至少一项。另外,一个或多个会话事件可以包括应用打开事件、设置乘载事件、设置目的地事件、更改乘坐类型事件、或者应用关闭事件中的一项或多项。
还如图8所示,一系列动作800包括确定与会话信息相关联的可能性的动作820。例如,动作820可以涉及基于接收到的会话信息来确定会话将引起运输请求的可能性。在一个或多个实施方式中,所确定的可能性被表示为百分比。
另外,如图8所示,一系列动作800包括生成预先调度的动作830。例如,动作830可以涉及基于所确定的可能性并且在接收到运输请求之前,生成包括在请求者计算设备和提供者计算设备之间的运输匹配的预先调度。在一个或多个实施方式中,一系列动作800包括在从请求者计算设备接收到运输请求之前将预先调度的指示发送到请求者计算设备的动作。在该实施方式中,生成预先调度包括将会话提交给调度交换部,该调度交换部将运输请求匹配到提供者计算设备。
在一个或多个实施方式中,一系列动作800包括基于所确定的会话将引起运输请求的可能性来对调度交换部内的会话进行加权的动作。例如,在至少一个实施方式中,一系列动作800还包括:从与预先调度的指示相关联的请求者计算设备接收运输请求的动作;以及自动地将运输请求匹配到提供者计算设备而无需将运输请求提供到调度交换部的动作。
在至少一个实施方式中,一系列动作800还包括基于接收到的会话信息来确定直到从请求者计算设备接收到运输请求为止的预测时间的动作。另外,一系列动作800可以包括确定预测时间是否满足第一阈值的动作。在一个或多个实施方式中,生成预先调度是响应于确定预测时间满足第一阈值的。
此外,一系列动作800可以包括确定所确定的会话将引起运输请求的可能性满足第二阈值的动作。在一个或多个实施方式中,一系列动作800然后包括响应于可能性满足第二阈值将预先调度的指示发送到提供者计算设备的动作。
在一个或多个实施方式中,一系列动作800包括接收与请求者计算设备上的运输匹配系统应用的会话相关联的更新的会话信息的动作,该更新的会话信息包括一个或多个附加的会话事件的指示。一系列动作800还可以包括基于更新的会话信息来确定会话将引起运输请求的更新的可能性。在一个或多个实施方式中,一系列动作800然后包括确定更新的可能性满足第三阈值,以及在接收到运输请求之前,响应于确定更新的可能性满足第三阈值,来将提供者计算设备调度给请求者计算设备。在至少一个实施方式中,一系列动作800包括确定更新的可能性在第四阈值以下,以及响应于更新的可能性在该阈值以下的来取消预先调度。
图9示出了根据各种实施方式的示例计算设备900。在一个或多个实施方式中,计算设备900可以用于实现本文描述的任何系统、设备或方法。在一些实施方式中,计算系统900可以对应于本文描述的各种设备中的任一设备,包括但不限于移动设备、平板计算设备、可穿戴设备、个人或膝上型计算机、基于车辆的计算设备、或者本文描述的其他设备或系统。如图9所示,计算设备900可以包括通过总线902连接的各种子系统。子系统可以包括I/O设备子系统904、显示器设备子系统906、以及包括一个或多个计算机可读存储介质908的存储装置子系统910。子系统还可以包括存储器子系统912、通信子系统920和处理子系统922。
在计算系统900中,总线902促进各个子系统之间的通信。尽管示出了单个总线902,但是也可以使用替代性的总线配置。如本领域普通技术人员已知的那样,总线902可以包括任何总线或其他部件以促进这种通信。这样的总线系统的示例可以包括本地总线、并行总线、串行总线、总线网络和/或由总线控制器协调的多个总线系统。总线902可以包括实现各种标准的一个或多个总线,诸如并行ATA、串行ATA、行业标准架构(ISA)总线、扩展ISA(EISA)总线、微通道架构(MCA)总线、外围部件互连(PCI)总线、或者本领域中已知的任何其他架构或标准。
在一些实施方式中,I/O设备子系统904可以包括各种输入和/或输出设备或者用于与这样的设备通信的接口。这样的设备可以包括但不限于触摸屏显示器或者其他触敏输入设备、键盘、鼠标、轨迹球、运动传感器或其他基于移动的手势辨识设备、滚轮、点击轮、拨号、按钮、开关、配置为接收语音命令的音频辨识设备、麦克风、基于图像捕获的设备诸如配置为基于眼睛的移动或眨眼辨识命令的眼睛活动监测器、以及其他类型的输入设备。I/O设备子系统904还可以包括识别或认证设备,诸如指纹扫描仪、声纹扫描仪、虹膜扫描仪、或者其他生物特征传感器或检测器。在各种实施方式中,I/O设备子系统904可以包括音频输出设备,诸如扬声器、媒体播放器或其他输出设备。
计算设备900可以包括显示器设备子系统906。显示器设备子系统906可以包括一个或多个灯,诸如一个或多个发光二极管(LED)、LED阵列、液晶显示器(LCD)或等离子显示器或其他平板显示器、触摸屏、头戴式显示器或其他可穿戴式显示器设备、投影设备、阴极射线管(CRT)、以及配置为可视地传达信息的任何其他显示器技术。在各种实施方式中,显示器设备子系统906可以包括用于控制和/或与外部显示器诸如上述任何显示器技术通信的控制器和/或接口。
如图9所示,计算设备900可以包括存储装置子系统910,该存储装置子系统包括各种计算机可读存储介质908,诸如硬盘驱动器、固态驱动器(包括基于RAM和/或基于闪速的SSD)或其他存储设备。在一个或多个实施方式中,计算机可读存储介质908能够配置为存储能够由处理器执行以提供本文描述的功能的软件,包括程序、代码或其他指令。在一些实施方式中,存储装置子系统910可以包括各种数据存贮器(store,存储)或存储库、或者具有存储用于本文描述的实施方式的数据的各种数据存贮器或存储库的接口。这样的数据存贮器可以包括数据库、对象存储系统和服务、数据湖或其他数据仓库服务或系统、分布式数据存贮器、基于云的存储系统和服务、文件系统以及任何其他数据存储系统或服务。在一些实施方式中,存储装置子系统910可以包括介质读取器、卡读取器或其他存储装置接口,以与一个或多个外部和/或可移除存储设备通信。在各种实施方式中,计算机可读存储介质908可以包括任何适当的存储介质或存储介质的组合。例如,计算机可读存储介质908可以包括但不限于随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程ROM(EEPROM)、闪速存储器或其他存储器技术、光学存储装置(例如CD至ROM、DVD、盘或其他光学存储设备)、磁性存储装置(例如带驱动器、盒带、磁性盘存储装置或其他磁性存储设备)。在一些实施方式中,计算机可读存储介质908可以包括数据信号或可以通过其发送和/或接收数据的任何其他介质。
存储器子系统912可以包括各种类型的存储器,包括RAM、ROM、闪速存储器或其他存储器。存储器子系统912可以包括SRAM(静态RAM)或DRAM(动态RAM)。在一些实施方式中,存储器子系统912可以包括BIOS(基本输入/输出系统)或者被配置为在例如启动期间管理各种部件的初始化的其他固件。如图9所示,存储器子系统912可以包括应用914和应用数据916。应用914可以包括可以由处理器执行的程序、代码或其他指令。应用914可以包括各种应用,诸如浏览器客户端、位置管理应用、乘坐管理应用、数据管理应用以及任何其他应用。应用数据916可以包括由应用914产生和/或消耗的任何数据。存储器子系统912可以另外包括操作系统,诸如各种或者基于UNIX或Linux的操作系统或其他操作系统。
计算设备900还可以包括通信子系统,该通信子系统被配置为促进计算设备900与各种外部计算机系统和/或网络(诸如因特网、LAN、WAN、移动网络或任何其他网络)之间的通信。通信子系统可以包括硬件和/或软件,以使得能够通过各种有线(诸如以太网或其他有线通信技术)通信信道或用以促进通过无线网络、移动或蜂窝语音和/或数据网络、WiFi网络或其他无线通信网络的通信的无线通信信道诸如无线电收发器进行通信。另外或替代性地,通信子系统可以包括硬件和/或软件部件,以与基于卫星或基于地面的定位服务诸如GPS(全球定位系统))进行通信。在一些实施方式中,通信子系统可以包括各种硬件或软件传感器或者与各种硬件或软件传感器对接。传感器可以被配置为通过通信子系统将连续和/或周期性的数据或数据流提供给计算机系统。
如图9所示,处理子系统可以包括一个或多个处理器或可操作以控制计算设备900的其他设备。这样的处理器可以包括单核处理器、多核处理器,其可以包括中央处理单元(CPU)、图形处理单元(GPU)、专用集成电路(ASIC)、数字信号处理器(DSP)、或者任何其他通用或专用微处理器或集成电路。处理子系统中的各种处理器可以根据应用而被独立或组合使用
图10示出了运输匹配系统(例如,运输匹配系统102)的示例网络环境1000。网络环境1000包括通过网络1004彼此连接的客户端设备1006、运输匹配系统1002和车辆子系统1008。尽管图10示出了客户端设备1006、运输匹配系统1002、车辆子系统1008和网络1004的特定布置,但是本公开内容设想了客户端设备1006、运输匹配系统1002、车辆子系统1008和网络1004的任何合适的布置。作为示例而非当作限制,客户端设备1006、运输匹配系统1002和车辆子系统1008中的两者或更多者绕过网络1004直接通信。作为另一示例,客户端设备1006、运输匹配系统1002和车辆子系统1008中的两者或更多者可以整体上或部分地彼此在物理上或逻辑上位于同一位置。而且,尽管图10示出了特定数量的客户端设备1006、运输匹配系统1002、车辆子系统1008和网络1004,但是本公开内容设想了任何合适数量的客户端设备1006、运输匹配系统1002、车辆子系统1008和网络1004。作为示例而非当作限制,网络环境1000可以包括多个客户端设备1006、运输匹配系统1002、车辆子系统1008和网络1004。
本公开内容设想了任何合适的网络1004。作为示例而非当作限制,网络1004的一个或多个部分可以包括自组织网络、内部网、外部网、虚拟私人网络(VPN)、区域网(LAN)、无线LAN(WLAN)、广域网(WAN),无线WAN(WWAN)、城域网(MAN)、因特网的一部分、公共交换电话网(PSTN)的一部分、蜂窝电话网络、或者这些中的两者或更多者的组合。网络1004可以包括一个或多个网络1004。
链接可以使客户端设备1006、运输匹配系统1002和车辆子系统1008连接到通信网络1004或彼此连接。本公开内容设想了任何合适的链接。在特定实施方式中,一个或多个链接包括一个或多个有线(诸如,例如,数字用户线(DSL)或电缆数据服务接口规范(DOCSIS))、无线(诸如,例如,Wi-Fi或全球微波接入互操作性(WiMAX))、或者光学(诸如,例如同步光学网络(SONET)或同步数字体系(SDH)链接)。在特定实施方式中,一个或多个链接各自包括自组织网络、内部网、外部网、VPN、LAN、WLAN、WAN、WWAN、MAN、因特网的一部分、PSTN的一部分、基于蜂窝技术的网络、基于卫星通信技术的网络、另一链接、或者两个或更多个这样的链接的组合。链接在整个网络环境1000中不一定必须相同。一个或多个第一链接可以在一个或多个方面与一个或多个第二链接不同。
在特定实施方式中,客户端设备1006可以是下述电子设备,所述电子设备包括硬件、软件、或者嵌入式逻辑部件、或者两个或多个这样的部件的组合,并且能够执行由客户端设备1006实现或支持的适当功能。作为示例而非当作限制,客户端设备1006可以包括以上关于图8讨论的任何计算设备。客户端设备1006可以使客户端设备1006处的网络用户能够访问网络。客户端设备1006可以使其用户能够与其他客户端系统1006处的其他用户通信。
在特定实施方式中,客户端设备1006可以包括运输服务应用或网页浏览器,诸如MICROSOFTINTERNETEXPLORER、GOOGLECHROME或MOZILLAFIREFOX,并且可以具有一个或多个附加件、插件或其他扩展,诸如TOOLBAR或YAHOOTOOLBAR。客户端设备1006处的用户可以输入统一资源定位符(URL)或将网页浏览器引导到特定服务器(诸如服务器)的其他地址,并且网页浏览器可以生成超文本传输协议(HTTP)请求并将HTTP请求传达到服务器。服务器可以接受HTTP请求并且响应于HTTP请求来将一个或多个超文本标记语言(HTML)文件传达给客户端设备1006。客户端设备1006可以基于来自服务器的HTML文件来渲染网页页面,以呈现给用户。本公开内容设想了任何合适的网页页面文件。作为示例而非当作限制,网页页面可以根据特定需要从HTML文件、可扩展超文本标记语言(XHTML)文件或可扩展标记语言(XML)文件渲染。这样的页面还可以执行脚本,诸如,例如但不限于:以JAVASCRIPT、JAVA、MICROSOFTSILVERLIGHT编写的脚本;标记语言和脚本的组合,诸如AJAX(异步JAVASCRIPT和XML)等等。文中,在适当的情况下,对网页页面的参考涵盖了一个或多个对应的网页页面文件(浏览器可以使用该网页页面文件来渲染网页页面),并且反之亦然。
在特定实施方式中,运输匹配系统1002可以是可以托管乘坐共享运输网络的可网络寻址的计算系统。运输匹配系统1002可以生成、存储、接收和发送数据,诸如,例如,用户档案数据、概念档案数据、文本数据、乘坐请求数据、GPS位置数据、提供者数据、请求者数据、车辆数据、或与乘坐共享运输网络有关的其他合适数据。这可以包括认证被授权通过运输匹配系统1002提供乘坐服务的提供者和/或车辆的身份。另外,运输服务系统可以管理服务请求者诸如用户/请求者的身份。特别地,除了导航和/或交通管理服务或其他位置服务(例如,GPS服务)之外,运输服务系统还可以维持请求者数据,诸如驾驶/乘坐历史、个人数据或其他用户数据。
在特定实施方式中,运输匹配系统1002可以管理乘坐匹配服务以将用户/请求者与车辆和/或提供者连接。通过管理乘坐匹配服务,运输匹配系统1002可以管理车辆子系统资源和用户资源诸如GPS位置和可用性指示器的分步和分配,如本文所述。
运输匹配系统1002可以由网络环境1000的其他部件直接或通过网络1004访问。在特定实施方式中,运输匹配系统1002可以包括一个或多个服务器。每个服务器可以是跨越多个计算机或多个数据中心的统一服务器或分布式服务器。服务器可以是各种类型,诸如,例如但不限于,网页服务器、新闻服务器、邮件服务器、消息服务器、广告服务器、文件服务器、应用服务器、交换服务器、数据库服务器、代理服务器、适合于执行本文所述的函数或过程的另一服务器、或其任何组合。在特定实施方式中,每个服务器可以包括用于执行由服务器实现或支持的适当功能的硬件、软件、或者嵌入式逻辑部件、或者两个或更多个这样的部件的组合。在特定实施方式中,运输匹配系统1002可以包括一个或多个数据存贮器。数据存贮器可以用于存储各种类型的信息。在特定实施方式中,可以根据特定数据结构来组织存储在数据存贮器中的信息。在特定实施方式中,每个数据存贮器可以是关系数据库、列数据库、相关性数据库或其他合适的数据库。尽管本公开内容描述或示出了特定类型的数据库,但是本公开内容设想了任何合适类型的数据库。特定实施方式可以提供使客户端设备1006或运输匹配系统1002能够管理、检索、修改、添加或删除存储在数据存贮器中的信息的接口。
在特定实施方式中,运输匹配系统1002可以向用户提供对由运输匹配系统1002支持的各种类型的项目或对象采取动作的能力。作为示例而非当作限制,项目和对象可以包括:运输匹配系统1002的用户可能所属的乘坐共享网络;用户可以请求的车辆;位置标志符;用户可以使用的基于计算机的应用;允许用户经由服务购买或出售商品的交易;与用户可能执行的广告的交互;或者其他合适的项目或对象。用户可以与能够在运输匹配系统1002中或由第三方系统的外部系统表示的任何事物进行交互,该第三方系统与运输匹配系统1002分离并经由网络1004耦接到运输匹配系统1002。
在特定实施方式中,运输匹配系统1002能够链接各种实体。作为示例而非当作限制,运输匹配系统1002可以使用户能够彼此或与其他实体交互,或者允许用户通过应用程序接口(API)或其他通信通道与这些实体交互。
在特定实施方式中,运输匹配系统1002可以包括各种服务器、子系统、程序、模块、日志和数据存贮器。在特定实施方式中,运输匹配系统1002可以包括以下中的一项或多项:网页服务器、动作记录器、API请求服务器、相关性和排名引擎、内容对象分类器、通知控制器、动作日志、第三方内容对象暴露日志、推断模块、授权/隐私服务器、搜索模块、广告靶向模块、用户接口模块、用户档案存贮器、连接存贮器、第三方内容存贮器或位置存贮器。运输匹配系统1002还可以包括合适的部件,诸如网络接口、安全机制、负载平衡器、故障转移服务器、管理和网络操作控制台、其他合适的部件、或者其任何合适的组合。在特定实施方式中,运输匹配系统1002可以包括用于存储用户档案的一个或多个用户档案存贮器。用户档案可以包括例如简介信息、同类群体信息、行为信息、社交信息或其他类型的描述性信息,诸如工作经历、教育历史、爱好或偏好、兴趣、密切关系或位置。
网页服务器可以包括邮件服务器或其他消息传递功能,用于在运输匹配系统1002和一个或多个客户端系统1006之间接收和路由消息。动作记录器可以用于从网页服务器接收关于用户在运输匹配系统1002上或下的动作的通信。结合动作日志,可以维护用户暴露于第三方内容对象的第三方内容对象日志。通知控制器可以将关于内容对象的信息提供给客户端设备1006。信息可以作为通知被推送到客户端设备1006,或者信息可以响应于从客户端设备1006接收的请求而从客户端设备1006被拖出。授权服务器可以用来强制进行运输匹配系统1002的用户的一个或多个隐私设置。用户的隐私设置确定与用户相关联的特定信息被如何共享。授权服务器可以诸如例如通过设置适当的隐私设置来允许用户选择加入或退出使其动作由运输匹配系统1002记录或与其他系统共享。第三方内容对象存贮器可以用于存储从第三方接收的内容对象。位置存贮器可以用于存储从与用户相关联的客户端系统1006接收的位置信息。
另外,车辆子系统1008可以包括人操作的车辆或自主车辆。根据本文描述的实施方式,人操作的车辆的提供者可以执行操纵以乘载、运输和放下一个或多个请求者。在一些实施方式中,车辆子系统1008可以包括自主车辆,即不需要人类操作者的车辆。在这些实施方式中,根据可用技术,车辆子系统1008可以在没有人类提供者的帮助下执行操纵、通信以及以其他方式起作用。
在特定实施方式中,车辆子系统1008可以包括结合到其中或与其相关联的一个或多个传感器。例如,传感器可以安装在车辆子系统1008的顶部,或者可以不然位于车辆子系统1008的内部。在一些实施方式中,传感器可以同时位于多个区域中,即,在整个车辆子系统1008中分开,使得可以根据传感器的最佳操作将传感器的不同部件放置在不同的位置。在这些实施方式中,传感器可以包括LIDAR传感器和惯性测量单元(IMU),包括一个或多个加速度计、一个或多个陀螺仪以及一个或多个磁力计。传感器套件可以另外或替代性地包括无线IMU(WIMU)、一个或多个摄像头、一个或多个麦克风、或者能够接收和/或记下与导航来乘载、运输和/或放下请求者的路线有关的信息的其他传感器或数据输入设备。
在特定实施方式中,车辆子系统1008可以包括能够与客户端设备1006和/或运输匹配系统1002进行通信的通信设备。例如,车辆子系统1008可以包括通信地链接到网络1004的随载计算设备,以传输和接收数据诸如GPS位置信息、传感器相关信息、请求者位置信息或其他相关信息。
在前述说明书中,已经参考本发明的特定示例性实施方式描述了本发明。参考本文讨论的细节描述了本发明的各种实施方式和方面,并且所附附图示出了各种实施方式。上面的描述和附图是说明本发明,并且不应解释为限制本发明。描述了许多特定细节以提供对本发明的各种实施方式的透彻理解。
在不脱离本发明的精神或基本特征的情况下,本发明可以以其他特定形式来实施。所描述的实施方式在所有方面应被视为仅是说明性的而非限制性的。例如,本文描述的方法可以用较少或较多的步骤/动作来执行,或者步骤/动作可以以不同的顺序来执行。另外,本文描述的步骤/动作可以重复或彼此并行地或与相同或类似步骤/动作的不同实例并行地执行。因此,本发明的范围由所附权利要求书而不是前面的描述指示。落在权利要求的等同物的含义和范围内的所有更改均应包含在其范围之内。
在前述说明书中,已经参考本发明的特定示例性实施方式描述了本发明。参考本文讨论的细节描述了本发明的各种实施方式和方面,并且所附附图示出了各种实施方式。上面的描述和附图是说明本发明,并且不应解释为限制本发明。描述了许多特定细节以提供对本发明的各种实施方式的透彻理解。
在不脱离本发明的精神或基本特征的情况下,本发明可以以其他特定形式来实施。所描述的实施方式在所有方面应被视为仅是说明性的而非限制性的。例如,本文描述的方法可以用较少或较多的步骤/动作来执行,或者步骤/动作可以以不同的顺序来执行。另外,本文描述的步骤/动作可以重复或彼此并行地或与相同或类似步骤/动作的不同实例并行地执行。因此,本发明的范围由所附权利要求书而不是前面的描述指示。落在权利要求的等同物的含义和范围内的所有更改均应包含在其范围之内。
Claims (20)
1.一种方法,包括:
通过运输匹配系统接收与请求者计算设备上的运输匹配系统应用的会话相关联的会话信息,所述会话信息包括一个或多个会话事件的指示;
基于接收到的会话信息,确定所述会话将引起运输请求的可能性;以及
基于所确定的可能性并且在接收到所述运输请求之前,生成预先调度,所述预先调度包括在所述请求者计算设备与提供者计算设备之间的运输匹配。
2.根据权利要求1所述的方法,还包括:
基于接收到的会话信息,确定直到从所述请求者计算设备接收到所述运输请求为止的预测时间;
确定所述预测时间是否满足时间阈值;以及
其中,生成所述预先调度是响应于确定所述预测时间满足所述时间阈值的。
3.根据权利要求1所述的方法,还包括:
确定所确定的所述会话将引起运输请求的可能性满足预先调度阈值;以及
响应于所述可能性满足所述预先调度阈值,将所述预先调度的指示发送到所述提供者计算设备。
4.根据权利要求1所述的方法,还包括:
接收与在所述请求者计算设备上的所述运输匹配系统应用的会话相关联的更新的会话信息,所述更新的会话信息包括一个或多个附加的会话事件的指示;以及
基于所述更新的会话信息,确定所述会话将引起运输请求的更新的可能性。
5.根据权利要求4所述的方法,还包括:
确定所述更新的可能性满足调度阈值;以及
响应于确定所述更新的可能性满足所述调度阈值,在接收到所述运输请求之前,将所述提供者计算设备调度给所述请求者计算设备。
6.根据权利要求4所述的方法,还包括:
确定所述更新的可能性在取消阈值以下;以及
响应于所述更新的可能性在所述取消阈值以下,取消所述预先调度。
7.根据权利要求1所述的方法,还包括:在从所述请求者计算设备接收到所述运输请求之前,将所述预先调度的指示发送到所述请求者计算设备。
8.根据权利要求7所述的方法,其中,生成所述预先调度包括将所述会话提交到调度交换部,所述调度交换部将运输请求匹配到所述提供者计算设备。
9.根据权利要求8所述的方法,还包括:基于所确定的所述会话将引起运输请求的可能性,对所述调度交换部内的所述会话进行加权。
10.根据权利要求9所述的方法,还包括:
从与所述预先调度的指示相关联的请求者计算设备接收运输请求;以及
自动将所述运输请求匹配到所述提供者计算设备,而无需将所述运输请求提供到所述调度交换部。
11.根据权利要求1所述的方法,其中,所述会话信息包括下述中的至少一项:与所述请求者计算设备相关联的当前时间戳;所述请求者计算设备的位置;乘载位置;与所述运输匹配系统应用相关联的一个或多个先前会话事件;或者与所述运输匹配系统应用相关联的当前会话长度。
12.根据权利要求1所述的方法,其中,所述一个或多个会话事件包括下述中的一项或多项:应用打开事件、设置乘载事件、设置目的地事件、或者更改乘坐类型事件。
13.一种计算设备,包括:
至少一个处理器;以及
至少一种非暂时性计算机可读存储介质,所述至少一种非暂时性计算机可读存储介质在其上存储有在由所述至少一个处理器执行时使所述计算设备进行下述的指令:
接收与在请求者计算设备上的运输匹配系统应用的会话相关联的会话信息,所述会话信息包括一个或多个会话事件的指示;
基于接收到的会话信息,确定所述会话将引起运输请求的可能性;以及
基于所确定的可能性并且在接收到所述运输请求之前,生成预先调度,所述预先调度包括在所述请求者计算设备与提供者计算设备之间的运输匹配。
14.根据权利要求13所述的计算设备,还在其上存储有在由所述至少一个处理器执行时使所述计算设备进行下述的指令:
基于接收到的会话信息,确定直到从所述请求者计算设备接收到所述运输请求为止的预测时间;
确定所述预测时间是否满足时间阈值;以及
其中,生成所述预先调度是响应于确定所述预测时间满足所述时间阈值的。
15.根据权利要求13所述的计算设备,还在其上存储有在由所述至少一个处理器执行时使所述计算设备进行下述的指令:
确定所确定的所述会话将引起所述运输请求的可能性满足预先调度阈值;以及
响应于所述可能性满足所述预先调度阈值,将所述预先调度的指示发送到所述提供者计算设备。
16.根据权利要求13所述的计算设备,还在其上存储有在由所述至少一个处理器执行时使所述计算设备进行下述的指令:
接收与在所述请求者计算设备上的所述运输匹配系统应用的会话相关联的更新的会话信息,所述更新的会话信息包括一个或多个附加的会话事件的指示;以及
基于所述更新的会话信息,确定所述会话将引起运输请求的更新的可能性。
17.根据权利要求16所述的计算设备,还在其上存储有在由所述至少一个处理器执行时使所述计算设备进行下述的指令:
确定所述更新的可能性满足调度阈值;以及
响应于确定所述更新的可能性满足所述调度阈值,在接收到所述运输请求之前,将所述提供者计算设备调度给所述请求者计算设备。
18.根据权利要求16所述的计算设备,还在其上存储有在由所述至少一个处理器执行时使所述计算设备进行下述的指令:
确定所述更新的可能性在取消阈值以下;以及
响应于所述更新的可能性在所述取消阈值以下,取消所述预先调度。
19.根据权利要求18所述的计算设备,还在其上存储有在由所述至少一个处理器执行时使所述计算设备进行下述的指令:在从所述请求者计算设备接收到所述运输请求之前,将所述预先调度的指示发送到所述请求者计算设备。
20.一种非暂时性计算机可读介质,所述非暂时性计算机可读介质在其上存储有在由至少一个处理器执行时使系统进行下述的指令:
接收与请求者计算设备上的运输匹配系统应用的会话相关联的会话信息,所述会话信息包括一个或多个会话事件的指示;
基于接收到的会话信息,确定所述会话将引起运输请求的可能性;以及
基于所确定的可能性并且在接收到所述运输请求之前,生成预先调度,所述预先调度包括在所述请求者计算设备与提供者计算设备之间的运输匹配。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/858,738 US11704608B2 (en) | 2017-12-29 | 2017-12-29 | Session-based transportation dispatch |
US15/858,738 | 2017-12-29 | ||
PCT/US2018/066982 WO2019133456A1 (en) | 2017-12-29 | 2018-12-20 | Session-based transportation dispatch |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112005270A true CN112005270A (zh) | 2020-11-27 |
Family
ID=67058284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880090536.3A Pending CN112005270A (zh) | 2017-12-29 | 2018-12-20 | 基于会话的运输调度 |
Country Status (9)
Country | Link |
---|---|
US (2) | US11704608B2 (zh) |
EP (1) | EP3732651A1 (zh) |
CN (1) | CN112005270A (zh) |
AU (1) | AU2018394090A1 (zh) |
CA (1) | CA3087171A1 (zh) |
IL (1) | IL275707A (zh) |
MX (1) | MX2020006815A (zh) |
SG (1) | SG11202006159RA (zh) |
WO (1) | WO2019133456A1 (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2135200A4 (en) | 2007-02-12 | 2011-12-28 | Sean O'sullivan | DISTRIBUTED TRANSPORT SYSTEM AND SERVICE NETWORK |
EP3183707A4 (en) | 2014-08-21 | 2018-02-28 | Uber Technologies Inc. | Arranging a transport service for a user based on the estimated time of arrival of the user |
US9939279B2 (en) | 2015-11-16 | 2018-04-10 | Uber Technologies, Inc. | Method and system for shared transport |
US9813510B1 (en) | 2016-09-26 | 2017-11-07 | Uber Technologies, Inc. | Network system to compute and transmit data based on predictive information |
US10325442B2 (en) | 2016-10-12 | 2019-06-18 | Uber Technologies, Inc. | Facilitating direct rider driver pairing for mass egress areas |
WO2018227368A1 (en) * | 2017-06-13 | 2018-12-20 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for recommending an estimated time of arrival |
US10721327B2 (en) | 2017-08-11 | 2020-07-21 | Uber Technologies, Inc. | Dynamic scheduling system for planned service requests |
US10567520B2 (en) | 2017-10-10 | 2020-02-18 | Uber Technologies, Inc. | Multi-user requests for service and optimizations thereof |
KR102518540B1 (ko) * | 2017-11-27 | 2023-04-07 | 현대자동차주식회사 | 카풀 멤버의 매칭 장치 및 방법 |
WO2019177620A1 (en) * | 2018-03-16 | 2019-09-19 | Ford Motor Company | Optimizing and predicting availability of resources in a shared vehicle environment |
CN110390406A (zh) * | 2018-04-23 | 2019-10-29 | 北京嘀嘀无限科技发展有限公司 | 预约订单的分配方法及装置 |
US11775534B2 (en) * | 2019-01-31 | 2023-10-03 | Uber Technologies, Inc. | Predicting and preventing negative user experience in a network service |
US11232179B2 (en) * | 2019-03-22 | 2022-01-25 | Microsoft Technology Licensing, Llc | Automated user identification for cross-platform group and device collaboration |
SG11202108164VA (en) * | 2019-05-16 | 2021-08-30 | Grabtaxi Holdings Pte Ltd | Communications server apparatus and method for deriving a quantum modifier for a transport-related service |
US11568342B1 (en) * | 2019-08-16 | 2023-01-31 | Lyft, Inc. | Generating and communicating device balance graphical representations for a dynamic transportation system |
US11570276B2 (en) | 2020-01-17 | 2023-01-31 | Uber Technologies, Inc. | Forecasting requests based on context data for a network-based service |
US11915250B2 (en) * | 2020-06-29 | 2024-02-27 | ANI Technologies Private Limited | Detection of authenticity of ride in vehicle allocation |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150262188A1 (en) * | 2007-07-16 | 2015-09-17 | Hector Franco | Customer service management system |
US20160180316A1 (en) * | 2014-12-17 | 2016-06-23 | Facebook, Inc. | Techniques to automatically predict and configure payment transactions |
US20160364657A1 (en) * | 2015-06-15 | 2016-12-15 | International Business Machines Corporation | Managing user transportation needs without user intervention |
AU2017200650B1 (en) * | 2016-12-29 | 2017-10-19 | Uber Technologies, Inc. | Identification of event schedules |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100299177A1 (en) * | 2009-05-22 | 2010-11-25 | Disney Enterprises, Inc. | Dynamic bus dispatching and labor assignment system |
JP5744966B2 (ja) | 2012-05-30 | 2015-07-08 | 治 増田 | タクシーの最適配置システム |
WO2015089207A1 (en) | 2013-12-11 | 2015-06-18 | Uber Technologies, Inc. | Optimizing selection of drivers for transport requests |
US9984574B2 (en) | 2014-01-21 | 2018-05-29 | Tribal Rides, Inc. | Method and system for anticipatory deployment of autonomously controlled vehicles |
TWI611306B (zh) * | 2015-08-31 | 2018-01-11 | 國立臺北科技大學 | 交通服務提供方法及應用其之使用者裝置與伺服器 |
CA3005147C (en) | 2015-11-20 | 2022-07-19 | Uber Technologies, Inc. | Controlling autonomous vehicles in connection with transport services |
US9953389B2 (en) * | 2015-12-29 | 2018-04-24 | Gt Gettaxi Limited | System for preemptively navigating drivers to passengers based on passenger device activity |
US9551992B1 (en) | 2016-01-08 | 2017-01-24 | Google Inc. | Fall back trajectory systems for autonomous vehicles |
US11049059B2 (en) | 2016-02-03 | 2021-06-29 | Operr Technologies, Inc | Method and system for on-demand customized services |
US9813510B1 (en) * | 2016-09-26 | 2017-11-07 | Uber Technologies, Inc. | Network system to compute and transmit data based on predictive information |
US11127100B2 (en) * | 2017-03-15 | 2021-09-21 | Conduent Business Services, Llc | Systems and methods for real-time scheduling in a transportation system based upon a user criteria |
US10082793B1 (en) * | 2017-03-21 | 2018-09-25 | GM Global Technology Operations LLC | Multi-mode transportation planning and scheduling |
US10458802B2 (en) * | 2017-06-13 | 2019-10-29 | Gt Gettaxi Limited | System and method for navigating drivers to dynamically selected drop-off locations for shared rides |
-
2017
- 2017-12-29 US US15/858,738 patent/US11704608B2/en active Active
-
2018
- 2018-12-20 CN CN201880090536.3A patent/CN112005270A/zh active Pending
- 2018-12-20 WO PCT/US2018/066982 patent/WO2019133456A1/en unknown
- 2018-12-20 CA CA3087171A patent/CA3087171A1/en active Pending
- 2018-12-20 AU AU2018394090A patent/AU2018394090A1/en not_active Abandoned
- 2018-12-20 SG SG11202006159RA patent/SG11202006159RA/en unknown
- 2018-12-20 MX MX2020006815A patent/MX2020006815A/es unknown
- 2018-12-20 EP EP18897759.9A patent/EP3732651A1/en not_active Withdrawn
-
2020
- 2020-06-28 IL IL275707A patent/IL275707A/en unknown
-
2023
- 2023-06-28 US US18/343,627 patent/US20230342686A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150262188A1 (en) * | 2007-07-16 | 2015-09-17 | Hector Franco | Customer service management system |
US20160180316A1 (en) * | 2014-12-17 | 2016-06-23 | Facebook, Inc. | Techniques to automatically predict and configure payment transactions |
US20160364657A1 (en) * | 2015-06-15 | 2016-12-15 | International Business Machines Corporation | Managing user transportation needs without user intervention |
AU2017200650B1 (en) * | 2016-12-29 | 2017-10-19 | Uber Technologies, Inc. | Identification of event schedules |
Also Published As
Publication number | Publication date |
---|---|
WO2019133456A1 (en) | 2019-07-04 |
AU2018394090A1 (en) | 2020-07-16 |
CA3087171A1 (en) | 2019-07-04 |
IL275707A (en) | 2020-08-31 |
US11704608B2 (en) | 2023-07-18 |
MX2020006815A (es) | 2020-11-06 |
US20230342686A1 (en) | 2023-10-26 |
US20190205812A1 (en) | 2019-07-04 |
EP3732651A1 (en) | 2020-11-04 |
SG11202006159RA (en) | 2020-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112005270A (zh) | 基于会话的运输调度 | |
US10708733B1 (en) | Initiating transportation requests | |
US20200256691A1 (en) | System for generating travel route to be serviced by primary transportation service and secondary transportation service | |
US11494714B2 (en) | Efficiency of a transportation matching system using geocoded provider models | |
US10817969B2 (en) | Transmitting navigation instructions to a driver device to direct the driver device to a geographic region in view of locations and device activity of user devices | |
US10264389B1 (en) | Optimizing pickup locations for transportation requests based on context information | |
US11887483B2 (en) | Using a predictive request model to optimize provider resources | |
US11868929B2 (en) | Optimizing engagement of transportation providers | |
US20190206008A1 (en) | Assigning rides based on probability of provider acceptance | |
US20230252595A1 (en) | Optimizing provider computing device wait time periods associated with transportation requests | |
JP6906373B2 (ja) | 車両の走行計画を管理するためのシステム、方法、及びプログラム | |
US20200286106A1 (en) | Optimization of on-demand transportation systems | |
US20200082314A1 (en) | Efficiency of a transportation matching system using geocoded provider models | |
US20220164910A1 (en) | Prioritized transportation requests for a dynamic transportation matching system | |
US20220044569A1 (en) | Dispatching provider devices utilizing multi-outcome transportation-value metrics and dynamic provider device modes | |
US20220044570A1 (en) | Dispatching provider devices utilizing multi-outcome transportation-value metrics and dynamic provider device modes | |
US20220076170A1 (en) | Utilizing provider device efficiency metrics to select a provider device for a future time window | |
US20230076582A1 (en) | Transmitting digital transportation requests across modes to limited-eligibility provider devices to improve network coverage and system efficiency | |
US20210035252A1 (en) | Determining disutility of shared transportation requests for a transportation matching system | |
US20200408537A1 (en) | Customizing user interface experiences for requesters of transportation services | |
US20230316159A1 (en) | Utilizing computer models to dynamically match provider devices and priority requester devices in response to time priority airport transportation requests | |
US20230196492A1 (en) | Generating network coverage improvement metrics utilizing machine-learning to dynamically match transportation requests | |
US20220148035A1 (en) | Predicting utilization of autonomous vehicle and managing travel demand | |
WO2020197941A1 (en) | Dynamically modifying transportation requests for a transportation matching system using surplus metrics |
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 |