CN113228092A - 用于个性化地面交通的系统和方法 - Google Patents
用于个性化地面交通的系统和方法 Download PDFInfo
- Publication number
- CN113228092A CN113228092A CN201980083213.6A CN201980083213A CN113228092A CN 113228092 A CN113228092 A CN 113228092A CN 201980083213 A CN201980083213 A CN 201980083213A CN 113228092 A CN113228092 A CN 113228092A
- Authority
- CN
- China
- Prior art keywords
- user
- geographic location
- route
- data
- traffic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000010801 machine learning Methods 0.000 claims description 26
- 230000000694 effects Effects 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 3
- 230000001737 promoting effect Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 36
- 238000004891 communication Methods 0.000 description 26
- 230000006854 communication Effects 0.000 description 26
- 238000013439 planning Methods 0.000 description 24
- 230000015654 memory Effects 0.000 description 23
- 235000013353 coffee beverage Nutrition 0.000 description 16
- 238000013528 artificial neural network Methods 0.000 description 10
- 230000011218 segmentation Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000013410 fast food Nutrition 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241001272996 Polyphylla fullo Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000002386 air freshener Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0261—Targeted advertisements based on user location
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0265—Vehicular advertisement
- G06Q30/0266—Vehicular advertisement based on the position of the vehicle
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G06Q50/40—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- 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
- G06Q30/0226—Incentive systems for frequent usage, e.g. frequent flyer miles programs or point systems
Abstract
本公开提供了用于在用户沿着行进路线行进时促进商业的方法和系统。一种用于在用户沿着行进路线行进时促进商业的方法可以包括:(a)在服务器处,接收用户的起始地理位置和目的地地理位置;(b)使用起始地理位置和目的地地理位置来为用户生成行进路线,该行进路线从起始地理位置指向目的地地理位置;(c)使用服务器沿着路线为用户识别一个或多个交易选项;以及(d)当用户沿着行进路线的至少一部分在陆地交通工具中行进时,在电子设备上向用户呈现一个或多个交易选项。
Description
交叉引用
本申请要求于2018年10月16日提交的美国临时申请号62/746,419、2019年2月11日提交的美国临时申请号62/803,749和2019年5月8日提交的美国临时申请号62/845,046的优先权,其全部内容通过引用整体并入本文。
背景技术
诸如智能电话,平板计算机和其他便携式设备的移动计算设备的计算能力的迅速扩展,以及用于移动设备的软件程序应用(或“app”)的数量和进步的增长,已经在个人生产领域极大地增加了个人对设备、应用和相关平台的依赖。例如,应用广泛用于安排会议、确定行进路线、选择公交方式和其他功能。
发明内容
本文认识到需要提供用于与交通工具(例如,全自动、无人驾驶交通工具)一起使用的产品或服务的方法和系统。有利地,此类产品或服务可以促进为交通工具的用户节省时间和资源。此外,它可以允许提供这些产品或服务的公司在交通工具交通环境中更直接地融入终端消费者。
本公开提供了用于利用定制的乘客商业服务来生成个性化的交通体验的系统和方法。具体地,个性化的交通体验可以涉及通过不需要车队操作员的自动驾驶交通工具的交通。可以利用任何交通模式来提供个性化的交通体验,例如,自动驾驶交通工具,叫车服务,基于车队的服务,微型交通(例如,基于车队的需求响应交通),铁路交通和/或地面大众交通工具。可以使用机器学习系统以最少的人工干预来生成个性化的交通计划。所提供的系统和方法可允许用于诸如旅馆和酒店、饭店和餐馆、旅游和娱乐、医疗保健、服务运输等行业中的无人驾驶/无驾驶员交通工具的一系列新用例。
在一方面,提供了一种用于在用户沿着路线行进时促进商业的方法。该方法可以包括:(a)在服务器处,接收所述用户的起始地理位置和目的地地理位置;(b)使用所述起始地理位置和所述目的地地理位置为所述用户生成所述行进路线,所述行进路线从所述起始地理位置指向所述目的地地理位置;(c)使用所述服务器沿着所述路线为所述用户识别一个或多个交易选项;以及(d)在所述用户沿着所述行进路线的至少一部分在地面交通工具中行进时,在电子设备上向所述用户呈现所述一个或多个交易选项。
在另一方面,一种用于在用户沿着行进路线行进时促进商业的方法可以包括:(a)在服务器处,接收所述用户的起始地理位置和目的地地理位置;(b)使用所述起始地理位置和所述目的地地理位置为所述用户生成所述行进路线,所述行进路线从所述起始地理位置指向所述目的地地理位置;(c)使用所述服务器沿着所述路线为所述用户识别一个或多个交易选项;以及(d)在所述用户沿着所述路线的一部分在地面交通工具中行进时,在电子设备上呈现所述一个或多个交易选项,并且所述一个或多个交易选项是至少部分地基于选自由所述用户的社交图、所述用户的交通图、所述用户的访问图、所述用户的购买图、日历数据和待办列表数据组成的组的一个或多个成员来确定的。
在一些实施方式中,基于与所述用户有关的历史数据自动确定所述目的地地理位置。在一些实施方式中,使用所述电子设备的地理位置来确定所述起始地理位置,所述地理位置是通过全球定位系统或信号三角测量来确定的。在一些实施方式中,用户经由电子设备上的图形用户界面(GUI)输入起始地理位置。在一些实施方式中,所述行进路线和所述一个或多个交易选项是使用机器学习算法生成的。在一些实施方式中,所述一个或多个交易选项是至少部分地基于选自由所述用户的社交图、所述用户的交通图、所述用户的访问图、所述用户的购买图、日历数据和待办列表数据组成的组的一个或多个成员来确定的。在一些实施方式中,该方法还包括确定行进路线的一个或多个部分的交通模式。在一些情况下,所述交通模式包括自动驾驶私家交通工具、叫车服务、或者使用自动驾驶或人力驱动的交通工具、铁路交通和/或地面公共交通交通工具实现的乘车共享服务。在一些情况下,针对第一部分确定的交通模式不同于根据第二部分确定的交通模式。在一些实施方式中,该方法还包括:接收指示接受所述一个或多个交易选项中的至少一个的用户输入,并且响应于接收到所述用户输入,进行所述至少一个交易选项。在一些实施方式中,该方法还包括:在接收到指示拒绝所述一个或多个交易选项之一的用户输入时,生成新的交易选项。
本公开的另一方面提供了一种包括机器可执行代码的非暂时性计算机可读介质,该机器可执行代码在由一个或多个计算机处理器执行时,实现本文上面或本文其他地方的任何方法。
本公开的另一方面提供了一种系统,该系统包括一个或多个计算机处理器和与其耦合的计算机存储器。该计算机存储器包括机器可执行代码,该机器可执行代码在由一个或多个计算机处理器执行时实现本文上面或本文其他地方的任何方法。
在另一方面,提供了一种用于在用户沿着路线行进时促进商业的方法。该方法包括:(a)在服务器处,接收所述用户的起始地理位置和目的地地理位置;(b)使用所述起始地理位置和所述目的地地理位置为所述用户生成所述路线,所述路线从所述起始地理位置指向所述目的地地理位置;(c)使用所述服务器沿着所述路线为所述用户识别一个或多个交易选项;以及(d)在所述用户沿着所述路线的一部分在地面交通工具中行进时,在电子设备上呈现所述一个或多个交易选项,其中所述一个或多个交易选项是至少部分地基于选自由所述用户的社交图、所述用户的交通图、所述用户的访问图、所述用户的购买图、日历数据和待办列表数据组成的组的一个或多个成员来确定的。
在一些实施方式中,基于与所述用户有关的历史数据自动确定所述目的地地理位置。在一些实施方式中,用户通过电子设备上的图形用户界面(GUI)输入起始地理位置。在一些实施方式中,所述路线和所述一个或多个交易选项是使用机器学习算法生成的。
在一些实施方式中,该方法还包括确定所述路线的一个或多个部分的交通模式。在一些情况下,所述交通模式包括自动驾驶交通工具、叫车服务、铁路交通和/或地面公共交通交通工具。在一些情况下,所述交通模式包括自动驾驶交通工具的类型。在一些实施方式中,所述一个或多个交易选项中的至少一个将在连接所述路线的两个连续部分的位置处进行。
在另一方面,提供了一种用于在用户沿着行进路线行进时促进商业的方法。该方法包括:(a)在服务器处,接收所述用户的起始地理位置和目的地地理位置;(b)使用所述起始地理位置和所述目的地地理位置为所述用户生成所述行进路线,所述行进路线从所述起始地理位置指向所述目的地地理位置;(c)使用所述服务器沿着所述行进路线为所述用户识别一个或多个交易选项;以及(d)在所述用户沿着所述行进路线的一部分在(1)自动驾驶交通工具或(2)地面公共交通交通工具中行进时,在所述用户的电子设备上呈现所述一个或多个交易选项。
在一些实施方式中,基于与所述用户有关的历史数据来自动确定所述目的地地理位置。在一些实施方式中,所述起始地理位置是由所述用户经由所述电子设备上的图形用户界面(GUI)输入的。在一些实施方式中,所述行进路线和所述一个或多个交易选项是使用机器学习算法生成的。在一些实施方式中,所述一个或多个交易选项是至少部分地基于选自由所述用户的社交图、所述用户的交通图、所述用户的访问图、所述用户的购买图、日历数据和待办列表数据组成的组的一个或多个成员来确定的。
在一些实施方式中,该方法还包括确定所述路线的一个或多个部分的交通模式。在一些情况下,交通模式包括自动驾驶交通工具、叫车服务、铁路交通和/或地面公共交通交通工具。在一些情况下,交通模式包括自动驾驶交通工具的类型。在一些实施方式中,所述一个或多个交易选项中的至少一个将在连接所述行进路线的两个连续部分的位置处进行。在一些实施方式中,该方法还包括在检测到与所述用户相关联的日历数据或待办列表数据中的改变时重复(b)和/或(c)。
在另一方面,提供了一种用于在用户沿着路线行进时促进商业的方法。该方法包括:(a)在服务器处,接收所述用户的起始地理位置和目的地地理位置;(b)使用所述起始地理位置和所述目的地地理位置为所述用户生成所述路线,所述路线从所述起始地理位置指向所述目的地地理位置;(c)使用所述服务器提取与所述目的地地理位置相关联的上下文信息;以及(d)至少部分地基于所述上下文信息,使用所述服务器沿着所述路线为所述用户识别一个或多个交易选项。
在一些实施方式中,该方法还包括,当所述用户沿着所述路线的至少一部分在地面交通工具中行进时,在所述地面交通工具内的电子设备上向所述用户呈现所述一个或多个交易选项。在一些情况下,地面是自动驾驶交通工具。在一些实施方式中,上下文信息包括与目的地地理位置相关联的活动。在一些实施方式中,至少部分地基于所述用户被分配给的部分来确定所述一个或多个交易选项。
通过下面的详细描述,本公开的其他方面和优点对于本领域技术人员将变得容易理解,其中仅示出和描述了本公开的说明性实施方式。将会认识到,本公开内容能够具有其他和不同的实施方式,并且其若干细节能够在各种明显的方面进行修改,而所有这些都不脱离本公开内容。因此,附图和描述本质上应被认为是说明性的,而不是限制性的。
援引并入
本说明书中提到的所有出版物,专利和专利申请都以相同的程度通过引用并入本文,就好像每个单独的出版物,专利或专利申请被明确地并单独地指出通过引用并入一样。在通过引用并入的出版物和专利或专利申请与说明书中包含的公开内容相抵触的程度上,该说明书旨在取代和/或优先于任何此类矛盾的材料。
附图说明
在所附权利要求中具体阐述了本公开的新颖特征。通过参考以下阐述了说明性实施方式的详细描述,将更好地理解本公开的特征和优点,其中利用了本公开的各种原理以及附图(在本文中也称为“图”),其中:
图1示意性地示出了其中可以操作个人交通管理系统的网络环境的示例。
图2示出了根据一些实施方式的用户数据库的示例。
图3示出了交通图的示例。
图4示出了个性化交通计划的示例。
图5示出了另一个性化交通计划的示例。
图6示出了在每日交通期间为用户生成一个或多个交易选项的示例过程。
图7示出了在交通期间提供个性化乘客商业的示例过程。
图8示意性地示出了与多个数据库和数据源通信以用于生成个性化的交通体验的交通计划引擎。
图9示出了交通计划步骤创建器的框图。
图10示出了被编程或以其他方式配置为实现本文所述的个人交通管理系统的计算机系统。
图11示出了个人交通管理系统的示例。
图12示出了交通工具数据库的示例。
图13示出了由交通计划生成器处理或使用的数据的示例。
图14示出了交通计划执行引擎的示例。
图15示出了由各种应用访问的存储在用户数据库和交通工具数据库中的数据的示例。
具体实施方式
虽然本文已经示出和描述了各种实施方式,但是对于本领域技术人员而言容易理解的是,仅通过示例的方式提供了这样的实施方式。在不脱离本公开的情况下,本领域技术人员可以想到许多变化,改变和替换。应当理解,可以采用本文描述的实施方式的各种替代方案。
如本文所用,术语“自动控制”,“自驾驶”,“自动驾驶”和“无人驾驶”在用于描述交通工具时,通常是指本身能够执行所有驾驶任务和监控沿着路线的至少一部分驾驶环境的交通工具。自动驾驶交通工具可以从一个点行进到另一点,而无需来自该自动驾驶交通工具上的人员的任何干预。在一些情况下,自动驾驶交通工具可能是指具有国家公路交通安全管理局(NHTSA)定义中规定的交通工具自动化功能的交通工具,尤其是NHTSA定义中的第4级“交通工具上的自动驾驶系统(ADS)本身可以执行所有驾驶任务,并可以在特定情况下监控驾驶环境-本质上,可以进行所有驾驶。在这种情况下,人们无需关注”或NHTSA定义的第5级“交通工具上的自动驾驶系统(ADS)可以在所有情况下进行所有驾驶。乘员只是乘客,不需要参与驾驶”。在一些情况下,自动驾驶交通工具可能是指具有NHTSA定义第2级“在一些情况下,交通工具上的高级驾驶员辅助系统(ADAS)本身可以实际同时控制转向和制动/加速。驾驶员必须始终保持全神贯注(“监视驾驶环境”),并执行其余的驾驶任务”,或者NHTSA定义的第3级“在一些情况下,交通工具上的自动驾驶系统(ADS)本身执行驾驶任务的各个方面。在这种情况下,当ADS要求驾驶员进行控制时,驾驶员必须随时准备收回控制。在所有其他情况下,驾驶员都将执行驾驶任务。”中指定的能力的交通工具。自动化交通工具还可能包括具有2级以上自动驾驶功能的交通工具,其中AI用于改善2级ADAS,而仍然需要一致的驾驶员控制。
如本文中所使用的,术语“客运交通工具”通常是指用于乘客的交通工具,诸如汽车或卡车,但不包括大众交通交通工具。
如本文中所使用的,术语“大众交通交通工具”通常是指可以运输一组或多组乘客的多乘客交通工具,例如,火车或公共交通工具。
如本文中所使用的,术语“行程”通常是指从第一位置到第二位置采取的总时间和/或路线。一次行进可能包括一个或多个路线。术语“路线”通常是指允许用户从第一位置行进到第二位置的一个或多个方向的集合。路线可以包含一个或多个部分。部分可以是指登车点与下车点之间路线的一部分。
如本文所用,术语“上下文信息”通常是指与地理位置和/或事件相关联的任何信息。上下文信息可以从指示或与这种地理位置和/或事件有关的信息中得出。
每当术语“至少”、“大于”或“大于或等于”在一系列两个或更多个数值中的第一数值之前时,术语“至少”、“大于”或“大于或等于”适用于该系列数值中的每个数值。例如,大于或等于1、2或3等于大于或等于1、大于或等于2或大于或等于3。
每当术语“不大于”、“小于”或“小于或等于”在一系列两个或更多个数值中的第一数值之前时,术语“不大于”、“小于”或“小于或等于”适用于该系列数值中的每个数值。例如,小于或等于3、2或1等于小于或等于3,小于或等于2或小于或等于1。
促进沿着路线的商业的方法和系统
本公开提供了可能能够个性化消费者进出交通工具的交通体验的系统和方法。本公开的系统和方法可以提供用于乘客商业的平台。乘客商业可能包括例如与以下有关的活动和服务:a)订阅访问内容,例如,音乐流媒体服务,新闻服务,礼宾服务等的年度订阅;b)在运输通过程中以及交通工具间歇停车时(例如,在加油站,饭店,咖啡店等)(例如,充电站运营商(例如,能源公司)可以与一家咖啡连锁店合作,向在加油时购买的乘客提供咖啡饮料折扣)商品,服务和内容的基于交易的购买;以及c)忠诚度积分的兑换,例如,交通工具制造商和车队运营商可以使用类似于航空公司或酒店连锁店的系统来奖励客户的忠诚度,在该系统中,使用此类程序可以用与这些行业和其他行业非常相似的方式兑换忠诚度积分。例如,某特定交通工具制造商的交通工具每行驶5,000英里,消费者将获得积分,这些积分可兑换成可用于其私人交通工具的免费蜂窝数据。乘客商业可以包括在整个说明书中可以互换使用或引用的任何类型的客舱内商业,车内服务或交易。
该平台可能能够为用户生成个性化的交通计划,以处理、推荐和/或呈现个性化的移动数据、路由数据、调度数据、流量数据以及许多其他形式的数据。在一些情况下,机器学习技术可用于创建个性化的交通计划,其包括预测的目的地,行进时间表(例如,开始时间,结束时间),交通期间商品,服务和内容的基于交易的购买选项,交通工具类型(例如,轿车或货车等自动驾驶交通工具的类型,品牌),交通模式的类型(例如,自动驾驶交通工具、公共交通(例如,火车,轻轨或城市公交车)、班车、拼车、叫车、共享行程或私人行程、步行、自行车、电动踏板车、出租车等)等。具体地,可以基于各种类型的数据和/或各种数据源来生成个性化的交通计划,包括但不限于社交图/网络/媒体、购买图、交通图、人口统计信息、移动应用(例如,日历、待办列表、天气、供应商或服务提供商目录等)以及其他各种应用。用于生成交通计划的数据可以包括历史数据(例如,用户偏好、交通历史、购买历史等)和计划数据(例如,待办列表数据、日历数据、电子邮件数据等)。
诸如机器学习算法的人工智能可以用于训练用于产生个性化交通计划的预测模型。机器学习算法例如可以是神经网络。神经网络的示例包括深度神经网络,卷积神经网络(CNN)和递归神经网络(RNN)。在一些情况下,机器学习算法训练的模型可能会在交通工具系统上进行预训练并实现,并且预训练的模型可能会进行持续的重新训练,其涉及对预测模型或预测模型的组件进行连续调整(例如,分类器)以适应实施环境随时间的变化(例如,客户/用户数据,交通工具数据,模型性能,第三方数据等的变化)。
用户可以预先向系统注册或订阅由系统提供的一个或多个移动服务。用户可以是移动服务的预期请求者。用户可以利用用户移动应用来计划从起点位置到目的地位置的行程。该应用可以向用户提供一个或多个交易服务或乘客商业选项。用户可以在行程期间通过应用访问服务或进行交易。可以通过使用和/或在访问包括由系统在行程期间提供的移动服务和用户体验服务的一个或多个服务时将用户从第一位置运输到第二位置。用户可以是交通工具的驾驶员或乘客。用户可以是在交通工具中行进并且订阅了系统提供的一个或多个移动服务的任何人。在一些情况下,当用户在交通工具中行进时,用户可以订阅一个或多个移动服务,并且不需要在交通工具中行进之前订阅一个或多个移动服务。在其他情况下,用户在交通工具中行进之前可能已经订阅了一个或多个移动服务。用户可以随时订阅一个或多个其他移动服务,或修改/更改现有订阅。
交通工具可以具有多个用户。交通工具可以具有至少1个、2个、3个、4个、5个、6个、7个、8个、9个、10个或更多个的用户。例如,交通工具可以包括驾驶员和乘客。在一些情况下,交通工具可以仅包括一个或多个乘客并且不需要人类驾驶员。
图1示意性地示出了可以在其中操作个人交通管理系统101的网络环境100的示例。个人交通管理系统101可以通过一个或多个网络110与多个用户设备103交互。个人交通管理系统101可以是用于提供个性化交通体验(包括在行进期间提供个性化服务/产品)的个人交通平台。在一些实施方式中,多个用户设备103中的用户设备可以是与用户相关联的设备。在一些实施方式中,用户设备可以被多个用户使用。例如,用户设备可以是交通工具内部或耦合至交通工具的内置设备或系统。在一些实施方式中,两个或更多个用户设备可以与单个用户相关联。
在一些实施方式中,个人交通管理系统101可以被配置为通过用户设备103为用户提供用户界面以查看行进路线并在行程期间与一个或多个交易选项进行交互。个人交通管理系统可以被配置为生成个性化交通计划,包括行进路线,一个或多个部分的出发时间和到达时间的时间表或在行进期间的一个或多个停靠点,行进路线的部分的交通模式(例如,交通的类型,交通工具的类型/品牌,交通工具的配置等),以及行进期间的一个或多个服务或乘客商业(例如,数字服务,交易事件或商业活动)。在一些情况下,个性化交通计划还可以包括使用自动驾驶交通工具通过至少一个部分来运输用户。
可以基于与用户有关的数据和/或与交易服务有关的数据来生成个性化的交通计划。与用户有关的数据可以包括历史数据,例如用户偏好,交通历史,商品和服务的购买历史,以及计划数据,例如待办列表数据和日历数据。这样的数据可以从各种数据源中收集,例如移动应用(例如,日历应用、待办列表应用、电子邮件、文本消息、地图、社交网络应用、个人健康应用等),社交网络软件,第三方服务提供商,例如移动服务提供商(例如,和),供应商,企业实体(例如,快餐、餐厅、咖啡店、酒店、便利店、加油站、剧院等),内容提供商(例如,视频,游戏等),数字虚拟助手,智能家居设备(例如,),交互式语音响应(IVR)系统,社交媒体频道和信使API(例如,频道,Twilio SMS频道,频道以及其他各种来源。与交易服务有关的数据可以包括用户拒绝或接受先前的交易服务或来自第三方服务提供商的数据。可以使用基于机器学习的模型来生成个性化的交通计划。输入数据可以是从如上所述的各种数据得出的数据。例如,输入数据可以包括社交图/网络,购买图,交通图,人口统计信息,天气数据,供应商或服务提供商目录等。模型的输出可以是行进路线,行进路线的一个或多个部分的时间表(例如,出发时间,到达时间等),每个部分的交通模式(例如,交通工具,交通工具类型),以及行进期间的一项或多项交易选项或服务。在一些情况下,系统可能会实时提供交易提议。例如,在接收到指示拒绝服务提议的用户输入时,可以选择新的交易提议并将其实时地提供给用户。在本文的其他地方描述了有关生成个性化交通计划的细节。
如本文所使用的,实时通常是指当图形元素经由用户界面被推向用户时对用户似乎没有实质性延迟的响应时间。在一些实施方式中,响应时间可以与诸如通过计算机处理器的数据处理相关联,并且可以小于2秒、1秒、十分之一秒、百分之一秒、毫秒或更短。实时还可以指相对于第二事件的发生,第一事件的同时发生或基本同时发生。
个人交通管理系统101可以包括一个或多个服务器105和一个或多个数据库系统107、109,其可以被配置用于存储或检索相关数据。相关数据可以包括用户简档数据(例如,用户偏好,个人数据,例如身份,年龄,性别,联系信息,人口统计数据,等级等),历史数据(例如,社交图,交通历史,交通订阅计划数据),购买或交易历史记录,会员计划,计划数据(例如,日历数据和待办列表等)以及此处其他地方所述的各种其他数据。在一些情况下,相关数据可以包括用于计划路线或计算估计的出发/到达时间的地图信息。在一些情况下,个人交通管理系统可以获取数据或以其他方式(例如,通过一个或多个网络110)与一个或多个外部系统或数据源进行通信,例如一个或多个地图,天气或交通应用接口(API)或地图数据库。在一些情况下,个人交通管理系统可以从与一个或多个外部系统(例如,移动服务提供商,自动驾驶交通工具调度系统,第三方乘客商业实体,例如,快餐、饭店、咖啡店、酒店、便利店、加油站、剧院、数字服务提供商等)通信的数据库系统107,109检索数据。在一些情况下,该数据库可能是同步数据库,该数据库维护信息的表或记录,例如天气,交通,公共交通,全球定位系统(GPS)输入或日志,计划数据,个人数据以及从外部数据源获取的其他数据。
每个组件(例如,服务器,数据库系统,用户设备,外部系统等)可以经由一个或多个网络110或允许数据从一个组件传输到另一个组件的任何类型的通信链路可操作地彼此连接。例如,各个硬件组件可以包括允许与一个或多个网络进行单向和/或双向通信的网络适配器。例如,服务器和数据库系统可以通过一个或多个网络110与用户设备103和/或数据源通信,以发送和/或接收相关数据。
服务器(例如,服务器105)可以包括网络服务器,移动应用服务器,企业服务器或任何其他类型的计算机服务器,并且可以被计算机编程为接受来自计算设备(例如,用户设备,其他服务器)的请求(例如,HTTP或可以启动数据传输的其他协议),并为计算设备提供请求的数据。服务器可以是跨越多个计算机或多个数据中心的单一服务器或分布式服务器。服务器可以是各种类型,例如但不限于,网络服务器、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、用于执行本文描述的功能或过程的其他合适的服务器或其任何组合。另外,服务器可以是用于分发数据的广播设施,例如免费广播、有线、卫星和其他广播设施。服务器也可以是数据网络(例如,云计算网络)中的服务器。
服务器可以包括各种计算组件,例如一个或多个处理器,存储由一个或多个处理器执行的软件指令的一个或多个存储设备以及数据。一个服务器可以具有一个或多个处理器以及至少一个用于存储程序指令的存储器。处理器可以是能够执行特定指令集的单个或多个微处理器,现场可编程门阵列(FPGA)或数字信号处理器(DSP)。可以将计算机可读指令存储在有形的非暂时性计算机可读介质上,例如软盘,硬盘,CD-ROM(紧凑型磁盘只读存储器)和MO(磁光),DVD-ROM(数字多功能磁盘只读存储器),DVD RAM(数字多功能磁盘随机存取存储器)或半导体存储器。替代地,可以在诸如ASIC,专用计算机或通用计算机的硬件组件或硬件和软件的组合中实现这些方法。
一个或多个数据库107,109可以利用任何合适的数据库技术。例如,结构化查询语言(SQL)或“NoSQL”数据库可用于存储用户简档数据,历史数据,预测模型或用于生成个性化交通计划,地图或其他数据的算法。一些数据库可以使用各种标准数据结构来实现,例如数组,哈希,(链接的)列表,结构,结构化文本文件(例如,XML),表,JavaScript ObjectNotation(JSON),NOSQL等。这样的数据结构可以存储在存储器和/或(结构化)文件中。在另一个替代方案中,可以使用面向对象的数据库。对象数据库可以包含多个对象集合,这些对象集合通过通用属性分组和/或链接在一起;它们可能通过一些公共属性与其他对象集合相关。面向对象的数据库的性能类似于关系数据库,不同的是对象不仅是数据片段,而且还可以具有封装在给定对象中的其他类型的功能。在一些实施方式中,数据库可以包括图形数据库,该图形数据库使用用于带有节点,边和属性的语义查询的图形结构来表示和存储数据。如果本公开的数据库被实现为数据结构,则本公开的数据库的使用可以被集成到另一组件中,诸如本公开的组件。而且,数据库可以实现为数据结构,对象和关系结构的混合。数据库可以通过标准数据处理技术进行整合和/或分布变化。数据库的部分,例如表,可以被导出和/或导入,从而分散和/或集成。
在一些实施方式中,个人交通管理系统101可以构造数据库以便有效地将数据传递给用户或护理提供者。例如,个人交通管理系统101可以提供定制的算法以提取,变换和加载(ETL)数据。在一些实施方式中,个人交通管理系统101可以使用专有数据库体系结构或数据结构来构建数据库,以提供适合于大规模数据库,易于扩展,查询和数据检索效率高,或与使用其他数据结构相比已经减少存储器需求的有效数据库模型。例如,可以使用具有表示用户之间的关系,用户与位置之间的关系以及位置之间的关系的节点和链接的图数据结构来存储交通图。
图11示出了个人交通管理系统1100的示例。在一些情况下,个人交通管理系统1100可以包括数据融合系统1101,用户数据库1103,交通工具数据库1105,交通计划生成器1107和交通计划执行引擎1109。
数据融合系统1101可以被配置成从各种源导入和融合数据以生成或更新用户的简档,以及生成或更新用户或车队的运营商拥有的交通工具的简档。融合的数据可以被合并到用户数据库或交通工具数据库中。数据融合系统1101可以被配置为使用合适的功能对数据进行预处理。例如,用于数据处理的多个功能可以包括摄取、过滤、清洁、加标签、扩充、注释、匿名化以及各种其他功能(例如,模拟)。数据融合系统可以准备数据,以便预期的数据使用者或应用可以通过API快速,轻松地对其进行访问。在另一个示例中,数据融合系统可以将流量数据与购买数据相结合以预测属于用户的车队的出行时间,组合多个数据集以创建信息丰富的数据(例如,将交通工具运行数据与城市交通基础设施数据和拥堵数据相结合,以预测一天中特定时间的交通工具到达时间)。数据融合系统1101可以包括提取-转换-加载(ETL)系统。ETL系统可以执行传统的ETL功能或定制功能。例如,ETL系统可以将摄取的批处理数据或流数据转换为对用户更有用的格式。例如,数据转换可以包括仅选择一些列以加载为格式,翻译编码值,导出新的计算值,对数据进行排序,汇总数据,转置或旋转数据,将一列拆分为多列以及其他处理。
用户数据库1103可以管理与用户或用户简档有关的数据。结合图2描述关于用户数据库的细节。
交通工具数据库1105可以被配置为针对参与给定服务的每个交通工具管理与交通工具简档(私有,公司车队拥有)有关的数据。图12示出了存储在交通工具数据库中的数据的示例。在这些示例中,例如交通工具所有者ID,行程历史,交通工具信息,交通工具配置数据,车队ID,交通工具角色(例如,乘客、后勤、混合等),机舱远程信息处理,交通工具远程信息处理,维护历史记录以及各种其他信息数据的数据可以被管理并存储在交通工具数据库中。
交通计划生成器1107可以被配置为基于从用户数据库和交通工具数据库检索的数据来生成个性化的交通计划1111。交通计划生成器也可以称为交通计划创建器或交通计划步骤创建器,其在整个说明书中可以互换使用。在一些情况下,交通计划生成器1107可以包括行程创建器1107-1,其被配置为通过合成多个位置点来创建行程。多个位置点可以包括例如行程起点的位置,行程目的地的位置(例如行程结束位置)以及中间点的位置。中间点可以从乘客的设备,驾驶员的设备或交通工具系统中获取。这些位置点可用于合成路线或整个行程。在一些情况下,行程期间遇到的用户定义的和/或公共可用的兴趣点(POI)可能会在综合行程中标记出来,可用作决策点以确定要向乘客提供哪些交易选项。在一些情况下,交通计划生成器可以使用消费者/订户ID和相关联的位置点(例如,纬度/经度),并自动为消费者/订户ID创建行程时间序列。
在一些实施方式中,交通计划生成器1107可能能够自动识别或表征行程类型(例如,上下班、商业行进、日常行程、度假行程、购物行程、去机场行程等),识别或表征用户类型(例如,驾驶员、乘客、服务驾驶员、例如叫车服务的驾驶员等),或在行程期间在起点,目的地以及任何点或位置识别POI。
交通计划生成器1107可以包括行程分类器1107-3,其被配置为基于从用户数据库和交通工具数据库检索的数据来预测下一行程的类型。可以使用训练的预测模型(例如,支持向量机或神经网络)来预测行程的类型。在一些情况下,可以至少部分基于用户所分配到的部分(在以下段落中进行描述)来预测行程的类型。在一些情况下,预测模型可以是机器学习算法训练的模型,其可以在交通工具系统上进行预训练和实施,并且预训练的模型可能会进行持续的重新训练,其中涉及对预测模型或预测模型的组件的持续调整(例如,分类器)以适应实施环境随时间的变化(例如,客户/用户数据,交通工具数据,模型性能,第三方数据等的变化)。
交通计划生成器1107可以包括用户/客户分割模块1107-2。客户分割可以使系统以订户的特定部分为目标,以提供与那些订户可能相关(例如,最相关)的报价。可以使用任何适当的分割技术将订户或用户分割(或组织为一个或多个部分)。例如,分割技术可以基于固定的规则集。可以基于地理(或地理位置),社交图,购买图,交通图,人口统计信息,用户偏好,已安装的移动应用或其他用户属性或从用户简档数据中提取的一个或多个或特征对订户进行分组,如上所述。同一组中的订户可以共享一个或多个用户属性或订户特征(例如,年龄、性别、地理位置、社交图、飞行常客、频繁购物者等)。个人可能属于一个或多个部分。在一些情况下,可以在收集新数据时不断扩充和自动更新部分。在一些实施方式中,可以在将新用户(或用户类别)添加到系统或订阅该系统时创建新的部分。在一些情况下,这些部分可能是离散的。在其他情况下,两个或更多个部分可能会重叠,并且可能共享一组共性或特征。
在一些情况下,分割技术可以基于从历史数据(例如,用户简档数据)提取的模式。可以使用机器学习算法来提取模式。在一些情况下,可以最初生成一组模式,并且可以采用算法来识别对部分的模式的最佳分配,这既可行又可以使期望的结果最大化。所期望的结果可以是将提供一个小数目的车载服务或交易的选项以在适当的时间和/或位置被发送到适当选择的客户(例如,客户的组),使得所选择的用户是有可能接受车载服务。可以使用诸如决策树或其他模式识别算法的任何适当方法来生成模式的初始集合。在一些情况下,用于识别模式到部分的最佳分配的算法可以是训练的机器学习算法(例如,支持向量机或神经网络)。
交通计划执行引擎1109执行交通计划。个人交通管理系统1100可以能够自动更新交通计划。例如,交通计划执行引擎可以在执行交通计划之前寻找数据的更新。作为示例,在检测到添加新的日历条目,修改现有的日历条目或将新任务添加到待办列表之后时,个人交通管理系统1100可以重新创建并更新交通计划。一旦执行了计划,就可以在用户数据库和/或交通工具数据库中更新作为结果创建的新数据。在一些情况下,交通计划执行引擎可以被配置为与合适的实体(例如,第三方系统)通信以执行交通计划。图14示出了交通计划执行引擎1109的示例。在一些情况下,所提供的系统可以维护伙伴列表(例如,商家市场)。当交通计划生成器确定要在给定计划中包括哪些交易报价时,交通计划生成器可以访问合作伙伴列表。合作伙伴列表(例如,商家市场)也可以由交通计划执行引擎用来基于由交通计划生成器生成的交通计划来确定要访问哪些外部系统。如示例中所示,交通计划执行引擎可以在执行用户的每日计划的过程中利用机器学习技术。在执行期间,交通计划执行引擎可以与商家市场,商家市场中每个合作伙伴的系统(例如,TNC预订系统,餐厅预订系统,杂货订购系统,在线广告服务器或支付系统)对接。
图13示出了由交通计划生成器1107处理或使用的数据的示例。交通计划生成器可以被配置为分析用户数据,交通工具数据(例如,存储在交通工具数据库中的数据或实时交通工具数据)以及第三方数据,并使用机器学习,计划和推理算法来创建交通计划,该计划每天针对每个用户量身定制,并在一天中根据需要接近实时更新。关于图2,图11和图12描述了由交通计划生成器使用的各种数据。例如,数据可以包括房地产图、地图数据、TNC定价和ETA数据、天气数据、交通数据、城市数据等。
用户数据库和/或交通工具数据库可以由可能与交易有关的各种应用程序或实体访问,尽管在一些情况下一些应用或实体可能与交易无关。图15示出了由各种应用访问的存储在用户数据库和交通工具数据库中的数据的示例。在一些情况下,其他应用可以通过API(应用编程接口)来使用或访问存储在用户数据库和/或交通工具数据库中的数据。各种应用所访问的数据可以包括由交通计划生成器生成的数据(例如,个人每日计划)和/或从交通工具或用户设备收集的数据。例如,该系统可以与车队协调应用进行通信,该车队协调应用使用在每个特定日期间由交通计划生成器创建的计划的集合来协调和管理由车队运营商控制的交通工具的车队。通过访问该数据,车队运营商可以更好地协调和管理每天可用的交通工具,从而实现更好的每辆车经济性和更高的订户对整体交通服务的满意度。可以在每个API级别,每个数据级别(例如,数据类型),每个应用级别或根据其他授权策略来授权对数据库的访问。
个人交通管理系统101可以在网络中的任何地方实现。可以在网络中的一个或多个服务器上,网络中的一个或多个数据库中,在交通工具中内置或耦合到交通工具的一个或多个电子设备,或一个或多个用户设备上实施个人交通管理系统101。例如,个人交通管理系统101可以以分布式体系结构(例如,共同执行以实现或以其他方式执行个人交通管理系统101或其操作的多个设备)或以重复方式(例如,多个设备,每个设备作为独立系统实现或以其他方式执行个人交通管理系统101或其操作)实现。可以在网络环境100内的一个或多个上述组件中使用软件,硬件或软件和硬件的组合来实现个人交通管理系统101。
多个用户设备103中的用户设备可以是电子设备。用户设备可以是被配置为执行与所公开的实施方式一致的一个或多个操作的计算设备。用户设备的示例可以包括但不限于移动设备、智能电话/移动电话、平板计算机、个人数字助理(PDA)、智能可穿戴设备、智能手表、膝上型或笔记本计算机、台式计算机、媒体内容播放器、电视机、视频游戏台/系统、虚拟现实系统、增强现实系统、麦克风或配置为例如使用户能够查看行驶路线并与交易或服务相关的信息进行交互并显示与行进相关的其他信息的任何电子设备。用户设备可以是手持对象。用户设备可以是便携式的。用户设备可以由人类用户携带。在一些情况下,用户设备可以位于远离人类用户,并且用户可以使用无线和/或有线通信来控制用户设备。用户设备可以是与用户佩戴的可穿戴设备通信的计算设备。在一些情况下,可穿戴设备可以被配置为监视用户活动,生命体征(例如,血压和心率)或用户的健康状况。在一些情况下,用户设备可以是耦合至交通工具或位于交通工具上的电子设备。
在一些实施方式中,用户设备可能能够检测设备/用户的位置。用户设备可以在设备上具有一个或多个传感器,以提供用户设备的瞬时位置或位置信息。在一些实施方式中,瞬时位置信息可以由诸如位置传感器(例如,全球定位系统(GPS))、惯性传感器(例如,加速度计、陀螺仪、惯性测量单元(IMU))、高度传感器、姿态传感器(例如,指南针)、压力传感器(例如,气压计)、场传感器(例如,磁力计,电磁传感器)和/或其他传感器信息(例如,WiFi数据)提供。用户设备的位置可以用于定位行进路线的起点。作为附加或替代,用户可以经由用户设备103,诸如经由用户界面通过手动输入位置,来提供感兴趣的地点的位置(例如,行进的起点、行进的目的地、行进期间的停靠点)。
用户设备可以包括通信单元,该通信单元可以允许与网络中的一个或多个其他组件进行通信。在一些情况下,通信单元可以包括单个通信模块或多个通信模块。在一些情况下,用户设备可能能够使用单个通信链路或多种不同类型的通信链路与网络环境中的一个或多个组件进行交互。用户设备103可以通过经由网络110请求并获得上述数据来与个人交通管理系统101进行交互。
用户设备可以包括能够执行非暂时性计算机可读介质的一个或多个处理器,该非暂时性计算机可读介质可以提供用于与所公开的实施方式一致的一个或多个操作的指令。用户设备可以包括一个或多个存储器存储设备,该存储器存储设备包括非暂时性计算机可读介质,该非暂时性计算机可读介质包括用于执行一个或多个操作的代码,逻辑或指令。
在一些实施方式中,用户可以通过在用户设备上运行和/或由用户设备访问的一个或多个软件应用(即,客户端软件)来利用用户设备103与个人交通管理系统101进行交互,其中用户设备103和个人交通管理系统101可以形成客户-服务器关系。例如,用户设备103可以运行由个人交通管理系统101提供的专用移动应用。
在一些实施方式中,客户端软件(即,安装在用户设备103上的软件应用)可以用作用于各种类型的移动设备的可下载的移动应用。替代地,可以以一种或多种编程语言和标记语言的组合来实现客户端软件,以由各种网络浏览器执行。例如,客户端软件可以在支持JavaScript和HTML呈现的网络浏览器中执行,例如Chrome,Mozilla Firefox,InternetExplorer,Safari和任何其他兼容的网络浏览器。客户端软件应用的各个实施方式可以跨多个平台针对各种设备进行编译,并且可以针对其对应的本地平台进行优化。在一些情况下,第三方用户界面或API可以集成到移动应用中,并集成在前端用户界面中(例如,在图形用户界面中)。第三方用户界面可以由第三方服务器托管。在一些情况下,API或第三方资源(例如,地图服务提供商、移动服务提供商、数字服务提供商、星巴克、麦当劳、Ticketmaster等)可用于提供和与用户进行交易。在一些情况下,个人交通管理系统101可以调用一个或多个第三方服务,并将其集成到用户应用中,以便用户可以以熟悉的前端用户体验访问此类服务。在一些情况下,上述服务中的一个或多个可以是个人交通管理系统101的内置组件,并且可以在不外包第三方实体的情况下提供给用户。在一些情况下,个人交通管理系统101可以组织和存储从第三方服务提供商检索的数据,以形成卖方/服务目录,该卖方/服务目录可以用于确定在交通期间向用户的交易报价。在一些情况下,个人交通管理系统101可以提供图形用户界面(GUI)。GUI可以通过与图形元素交互并在交通期间查看诸如行进路线和行进时间表的信息来允许用户访问,接受,拒绝,选择一个或多个交易报价/选择。
用户设备可以包括显示器。显示器可以是屏幕。显示器可以是触摸屏。作为替代,显示器可以不是触摸屏。显示器可以是发光二极管(LED)屏幕、OLED屏幕、液晶显示器(LCD)屏幕、等离子屏幕或任何其他类型的屏幕。显示器可以被配置为示出通过应用(例如,经由在用户设备上执行的应用编程接口(API))呈现的用户界面(UI)或图形用户界面(GUI)。例如,GUI可以示出允许用户接受或拒绝交易报价的图形元素,并查看与行进路线和交易选项有关的信息。替代地或附加地,用户设备可以是可以不包括显示器的任何个人数字助理或设备,例如智能手表或智能扬声器。
网络110可以是个人交通管理系统101,用户设备103和网络的其他组件之间的通信路径。该网络可以包括使用无线和/或有线通信系统的局域网和/或广域网的任何组合。例如,网络110可以包括因特网以及移动电话网络。在一实施方式中,网络110使用标准通信技术和/或协议。因此,网络110可以包括使用诸如以太网,802.11,全球微波接入互通性(WiMAX),2G/3G/4G或长期演进(LTE)移动通信协议,红外(IR)通信技术,和/或Wi-Fi的技术的链路,并且可以是无线,有线,异步传输模式(ATM),无线宽带,PCI快速高级交换或它们的组合。网络110上使用的其他联网协议可以包括多协议标签交换(MPLS),传输控制协议/因特网协议(TCP/IP),用户数据报协议(UDP),超文本传输协议(HTTP),简单邮件传输协议(SMTP),文件传输协议(FTP)等。可以使用包括二进制形式的图像数据(例如,便携式网络图形(PNG)),超文本标记语言(HTML),可扩展标记语言(XML)等的技术和/或格式来表示通过网络交换的数据。另外,可以使用诸如安全套接字层(SSL),传输层安全性(TLS),互联网协议安全性(IPsec)等的常规加密技术来加密所有或一些链路。在另一个实施方式中,网络上的实体可以替代上述方法或除了上述方法之外,使用定制和/或专用数据通信技术。该网络可以是无线的,有线的或其组合。
在一些实施方式中,用户可以在系统中注册或订阅由系统提供的个性化交通服务。与用户有关的数据可以存储在用户数据库中。如图。图2示出了根据本公开的实施方式的用户数据库200、210的示例。在一些实施方式中,用户数据库200可以被配置为存储个人数据,计划数据,历史数据等。可以为每个单独的用户存储用户数据。
在一些情况下,个人数据201-1、201-N可以包括与个人(例如,用户1或用户N)有关的数据,例如身份、年龄、性别、联系信息、人口统计数据等。这样的数据可以由用户在注册过程中或注册之后输入。替代地或另外地,可以从其他数据源或第三方应用中提取此类数据。在一些情况下,个人数据可能还包括用户偏好。
用户偏好可以包括行进偏好和交易/服务偏好。行进偏好可以从系统获取的各种参数中的一个或多个中得出,并用于生成个性化行进路线。例如,诸如“最快路线”偏好的行进偏好指示针对两个点之间的最快(临时)路线的偏好。“最短路线”偏好可以指示对两点之间最短(距离)路线的偏好。“最省油的路线”偏好可以指示对燃油节省的偏好。行进偏好可以指示对“努力”的偏好,这可能与骑自行车者,步行者,跑步者,徒步行进者和游泳者特别相关,其可能想要例如坡度大(例如,山)或坡度小(例如,平坦的)。行进偏好可以指示对具有各种景点的路线的偏好,比城市景观多的植被等,对博物馆,剧院,剧场等的偏好,对包括购物机会的路线的偏好,对食物的偏好,即使交通繁忙的路线是到达其目的地的最快路径,用户避免陷入交通拥堵的偏好和其他各种偏好。行进偏好可包括用户偏爱的交通模式(例如,自动驾驶交通工具,公共交通工具(例如,火车、轻轨或城市公交车)、班车、拼车、叫车、共享行程或私人行程、步行、骑自行车、电动踏板车、出租车等)或交通工具内部的用户体验(例如,访问音乐、游戏)等。行进偏好可用于确定行进路线期间的行进路线,路线部分和/或停靠点(例如,风景名胜、餐厅、咖啡店等)。这样的用户偏好可以由用户输入和/或从其他数据源或历史数据中提取。
在一些情况下,计划数据可包括日历数据202-1、202-N和待办列表数据203-1、203-N。日历数据或待办列表数据可以从在用户设备上运行的日历应用或待办列表应用收集。在一些情况下,此类计划数据还可以包括从电子邮件(电子邮件),文本消息或其他计划,通信或调度应用或通道中提取的数据。
历史数据可以包括用户的交通,购买和/或交易历史。在一些情况下,交通历史204-1、204-N的条目可以包括与行程或交通有关的数据。例如,交通历史的条目可以包括行程日期,出发地位置,目的地位置,开始时间,结束时间,提供给用户的交通模式(例如,自动驾驶交通工具、公共交通工具(例如,火车、铁路或城市公交车)、班车、拼车、叫车、共享行程或私人行程、步行、自行车、电动踏板车、出租车等),用户选择的交通模式,价格,等待时间,交通工具类型,交通工具的内部配置,行程的每个部分的配置,已解决的日历项,已解决的待办列表项,基于交通模式的健康状况推断,服务等级,声誉得分,客户投诉和其他历史数据。这样的历史数据可以由系统自动记录或跟踪。例如,交易记录可以在交易完成时存储在用户数据库中。
用户数据库可以包括与用户有关的任何其他数据。例如,与忠诚度计划有关的信息(例如,忠诚度积分),订阅数据,用户的等级可以存储在用户数据库中。
在一些情况下,可以将从上述数据得出的数据存储在用户数据库210中。如上所述,用于存储得出的数据的数据库210可以与用户数据库200集成在一起。在一些情况下,用户数据库210可以是图形数据库。例如,得出的数据可以被存储为图形数据结构。替代地或附加地,数据库210可以利用任何其他合适的数据库技术。在一些情况下,得出的数据可能包括访问图211-1,211-N、社交图212-1,212-N、购买图213-1,213-N、交通图214-1,214-N以及其他各种数据。
社交图212-1可以帮助描述各个用户之间的关系。在一些情况下,社交图还可以描绘交通工具,以促进车内共享等。在一些情况下,社交图可以指示用户与其他个人和实体(例如,家庭、企业、朋友等)之间的关系,道路网络以及社区内的潜在聚会场所。在一些情况下,社交图可用于促进交通工具共享,提供推荐的交通工具和位置,基于共享的兴趣和移动性活动建议交通工具共享伙伴。在一些情况下,社交图可以用于预测或推荐行进的位置和/或时间表。例如,如果安排用户以与该用户有业务关系的某人见面,则可以基于商业会议偏好来安排到达时间。在一些情况下,社交图可以将用户表示为节点,并将用户之间的关系表示为链接。在一些情况下,社交图可以包括与链接或节点有关的属性。链接可能来自以下方面:物理接近,社交网络(例如,Facebook,Twitter,LinkedIn等),历史通信(例如电子邮件,SMS,视频聊天等),俱乐部的普通会员资格,组织的普通会员资格,普通会员资格以及社会,家庭关系,普通雇主,普通工作场所等。可以主要建立链接以形成交通工具共享社区。每个链接属性可以是一个因素,并且可以针对社交图动态地和/或单独地加权。
交通图214-1、214-N可以描绘连接人,地方和交通计划的一个或多个关系。图3示出了交通图的示例。在一些情况下,交通图可能包括代表人(例如,用户1、用户2、用户3)和固定位置(例如,建筑物302、餐厅305、博物馆、公园、剧院303、房屋304、工作地点301、巴士站等)的节点。在一些情况下,诸如一个或多个交通计划的属性可以与对应于用户的节点一起存储。交通计划可以包括交通模式(例如,自动驾驶交通工具,公共交通工具(例如,火车、轻轨或城市公交车)、班车、拼车、叫车、共享行程或私人行程、步行、骑自行车、踏板车、出租车等)。诸如地址的属性可以与对应于位置的节点一起存储。连接地点的链接可以表示地理位置或时间关系(例如,相邻,在同一街区,在建筑物中等)。连接用户和地点的链接可以代表包括属性的交通,该属性指示交通模式(例如,使用交通计划1的进行到),或者其他关系(例如,拥有)。在一些情况下,连接用户的链接可以代表社交关系(例如与之相关的业务)。可以在一天之内,跨越数天等的时间段内执行交通计划。交通计划可以包括开始时间和结束时间。在一些情况下,可以根据开始时间安排与用户相关联的多个交通计划。
返回参考图2,访问图211-1、211-N可以描绘用户与用户至少访问过一次的各种地点/位置之间的关系。在一些情况下,访问图和交通图可能共享相同的数据或信息。在一些情况下,访问图可以包括附加或不同的信息,例如访问地点的频率。
在一些情况下,可以基于客户分割向用户提供车载服务或交易选项。客户分割可以使系统以订户的特定部分为目标,以向那些订户提供可能相关(例如,最相关)的报价。可以使用任何适当的分割技术来分割订户或用户。例如,分割技术可以基于固定的规则集。可以基于地理位置(或地理位置)、社交图、购买图、交通图、人口统计信息、用户偏好、已安装的移动应用或从用户简档数据中提取的其他用户属性或特征对订户进行分组,如上所述。同一组中的订户可以共享一个或多个用户属性或订户特征(例如,年龄、性别、地理位置、社交图、飞行常客、频繁购物者等)。个人可能属于一个或多个部分。在一些情况下,可以在收集新数据时不断扩充和自动更新这些部分。
在一些情况下,分割技术可以基于从历史数据(例如,用户简档数据)中提取的模式。可以使用机器学习算法来提取模式。在一些情况下,可以最初生成模式集合,并且可以采用算法来识别模式到部分的最佳分配,这既可行又可以使期望的结果最大化。所期望的结果可以是在适当的时间和/或位置提供要被发送到适当选择的客户(例如,目标组客户)的车载服务或交易选项的选择号码,使得所选择的客户有可能接受车载服务。可以使用诸如决策树或其他模式识别算法的任何适当方法来生成初始的模式集合。在一些情况下,用于识别模式到部分的最佳分配的算法可以是训练的机器学习算法(例如,支持向量机或神经网络)。
与客户部分有关的数据可以存储在订户数据库中。可以根据客户部分将用户数据存储和组织在订阅的数据库中。客户部分可以定期更新,也可以在检测到新数据添加到订户数据库时进行更新。这样的更新可以自动地或手动地执行。
当新用户向系统注册或订阅由系统提供的个性化交通服务时,可以将用户分配给一个或多个部分。用户被分配给的部分可以随时间更新。与给定客户部分相关联的车载服务或交易选项可以在系统收集并分析新数据(例如,购买数据,交易数据,交通数据等)时更新。
可以基于上述数据为个人个性化交通计划。在一些实施方式中,可以在接收到起点位置和目的地位置时自动生成行进路线。行进路线可包括一个或多个部分。在一些情况下,个性化交通计划还可以包括针对每个部分确定的交通模式和时间表(例如,出发或开始时间,行程或部分的到达/结束时间)。个性化的交通计划还可以包括在交通期间向用户提供一个或多个交易选项。用户可以进行系统协助的一项或多项交易。在一些情况下,系统可以基于日历数据和/或待办列表数据来预测行程期间的目的地或站点。在一些情况下,系统可以基于用户数据(例如,历史数据)或计划数据(例如,日历数据和/或待办列表数据)和历史数据的组合预测行程期间的停靠点(例如,咖啡店)或下一个目的地。
本公开还提供了用于向乘客提供个性化行进体验的方法和系统,其可以至少部分地基于目的地或乘客沿着行程的停靠点的上下文。系统可以分析行程期间的目的地或站点,以提取上下文信息。这样的上下文信息可以用于确定一个或多个交易选项,交通工具选项和/或用于个性化行程的车载设置。上下文信息可以与可能的或实际的(例如,预定的)动作有关或指示可能的或实际的(例如,预定的)动作。例如,上下文信息,例如咖啡店,飞往特定目的地的航班(例如,从旧金山飞往纽约的航班),餐厅,体育场,剧院或牙科诊所可能与诸如喝咖啡,商业行程,进餐,参加足球比赛,参加表演,接受牙科治疗或任何其他类型的身体检查和/或测试等的活动有关。这样的上下文信息可以与目的地或停靠点的身份或与目的地或停靠点相关的事件(例如,棒球比赛,棒球场等)相关联。在一些情况下,上下文信息可能与通常与特定位置相关联的活动有关。例如,在预计将持续超过3.5小时的国内航班之前,可以为乘坐教练舱的乘客提供在登机前点餐。在另一个示例中,可以在演出的中场休息期间,在剧院的酒吧为即将参加戏剧事件的乘客提供餐桌预订以喝一杯。在一些情况下,可以通过从多个用户的行程数据中提取数据模式来获取上下文信息。例如,通过分析大约在同一时间到达相同位置(例如,住所)的行程,可以推断出在该位置发生了事件或小组活动(例如,聚会)。基于此上下文信息,在行程期间可以向乘客提供与小组活动有关的一个或多个交易选项或移动服务,例如购买一瓶酒带到聚会上,或从供应商订购食物以传递到聚会上。
基于上下文信息和可能的活动,可以对行程进行个性化设置。例如,可以基于目的地上下文自动调整行程期间的一个或多个车载设置。例如,如果目的地上下文(例如,牙科诊所)指示要在目的地进行医疗,则可以调整温度,湿度,空气清新剂或音乐服务,以提供舒适的车载环境并帮助乘客放松。在另一示例中,如果目的地上下文(例如,星巴克)指示用户将在目的地喝咖啡,则可能在行程期间不向用户提供咖啡交易。在一些情况下,可以基于目的地上下文以个性化的方式向乘客提供车载服务或交易。例如,可以基于到达目的地位置的时间和目的地上下文来对诸如唤醒服务或按摩服务的车载服务进行个性化。在一些情况下,可以基于个性化服务自动设置和控制相关设备,例如健身器材,按摩椅或小睡舱。可以使用任何适当的方法和模型来提取上下文信息,例如自然语言处理(NLP)算法,命名实体识别(NER),语言分析和/或机器学习模型(例如,支持向量机或神经网络)。在一些情况下,可以从交通工具中的乘客状况/活动中提取上下文信息。上下文信息可能与乘客的情绪,压力水平,健康状况,乘客行为(例如,睡眠)或其他有关。例如,一个或多个传感器(例如,心电图(ECG)传感器,出汗率传感器和/或呼吸频率人体传感器)可用于评估乘客的压力水平,以及减轻压力的选项(例如,音乐,照明和/或湿度水平)可以自动调节以减少乘客的压力水平。其他传感器(例如,视觉传感器(例如,相机))和/或人工智能(AI)技术可用于分析乘客的行为(例如,睡眠),以便自动控制车载设置(例如,音乐,照明和/或湿度水平)。这样的AI可以包括一种或多种机器学习算法,例如神经网络或支持向量机。
例如,用户可以作为乘客从旧金山到圣塔克拉拉乘坐交通工具参加足球比赛。可以将上下文确定为足球和/或足球队。可以定制用户的行进体验,以向用户提供足球或橄榄球队特有的音乐。
参考图4和图5,其示出了个性化交通计划400、500的示例。如图4所示,行进路线包括两个部分410、420。行进路线的起点位置402可以由用户经由GUI输入或者由用户设备的全球定位系统(GPS)自动检测。行驶路线的目的地位置406可以由系统基于日历数据或待办列表数据自动确定。替代地或附加地,目的地位置可以由用户输入。
在沿着行程的第一部分410的交通期间,可以向用户提供一个或多个交易选项(例如,对咖啡馆411的报价,对安静小屋412的报价,对音乐聆听的413报价以及对棒球票414的报价)。在第二部分420期间,可以向用户提供诸如今天晚餐的报价415的交易选项。可以在用户设备的GUI中或在交通工具中的显示器上向用户呈现这样的一个或多个交易报价。在一些情况下,可以基于用户对交易报价的响应来生成行驶路线期间的一个或多个停靠点。在所示的示例中,用户可以接受咖啡报价411并进行交易。在接收到接受后,可以在咖啡店404处停下来更新行进路线。如本文其他地方所述,可以为每个部分确定交通模式(例如,自动驾驶交通工具、公共交通工具(例如,火车,轻轨或城市公交车)、班车、拼车、叫车、共享行程或私人行程、步行、自行车、电动踏板车、出租车等)。第一部分410的交通模式可以与第二部分420的交通模式相同。替代地,第一部分的交通模式可以与第二部分的交通模式不同。
在一些情况下,多个交易选项被同时呈现给用户。替代地或附加地,可以顺序地向用户呈现多个交易选项。在一些情况下,提供一个或多个乘客商业选项的时间可以基于用户的当前地理位置和/或行进时间。在一些情况下,在进行或拒绝前一个交易选项之前,可以不向用户呈现下一个交易选项。提供给用户的一个或多个交易选项的时间和选择可以由交通计划引擎确定。在一些情况下,交通计划引擎可以包括被配置为确定交易报价的推荐引擎。在一些情况下,交通计划引擎可以包括使用人工智能(例如,使用可以确定交易选项的时间和选择的机器学习算法(例如,神经网络))构建的模型。交通计划引擎和/或推荐引擎可以是所提供系统的组件。术语“乘客商业选择”和“交易选项”在本文中可互换使用。
图5示出了另一个个性化交通计划500。在一些情况下,在交通期间确定行程的至少一部分。交通计划或行进计划可以基于用户在行程期间进行的一个或多个交易或基于用户日历的更改而实时更新。在一些情况下,行进路线和交通计划可以在GUI上显示给用户。可以允许用户与一个或多个图形元素进行交互,以例如接受或拒绝交易报价/选项,进行交易,修改停靠点或目的地,修改交通模式以及其他各种方式。
图6示出了在每日交通期间为用户生成一个或多个交易选项的示例过程600。在所示的示例中,可以获取和分析日历数据601和待办列表数据603(操作605)。可以生成每日个人交通计划,并且可以提供一个或多个选项供用户选择(操作607)。一个或多个选项可以包括,例如,行程期间的停靠点(例如,与乔共进午餐的餐厅,与约翰一起喝咖啡的咖啡店,杂货店),行程期间要呈现的交易选项(例如,购买电影票)以及部分的交通模式选项(例如,自动驾驶交通工具叫车服务从与迈克会面的地点到与乔共进午餐的地点,人力驾驶叫车服务从咖啡馆到杂货店等)。用户可以通过GUI或其他方法(例如,语音命令或手势)来选择一个或多个选项(操作609)。替代地或附加地,系统可以在没有用户干预的情况下进行选择。可以执行个人交通计划,并且可以向用户显示一个或多个交易选项或乘客商业报价(操作611)。例如,可以以可视方式(例如,在用户设备,车载监视器,电动踏板车或其他交通工具上的内置显示器等上显示),声音方式(例如,交互式语音响应(IVR)系统,智能扬声器等)或两者的组合向用户传递一个或多个交易选项。可以提示用户接受或拒绝交易选项(操作613)。在一些情况下,如果用户拒绝交易报价,则可能会呈现新的交易选项。在一些情况下,如果用户接受交易选项,则可以提示用户进行并完成乘客商业交易(操作615)。
尽管图6示出了根据一些实施方式的方法,本领域普通技术人员将认识到,对于各种实施方式有许多改变。例如,可以以任何顺序执行操作。一些操作可以被排除,一些操作可以在一个步骤中同时执行,一些操作可以重复,并且一些操作可以包括其他操作的子步骤。例如,在一些情况下,交易选项被顺序地呈现给用户,并且可能不向用户呈现下一个交易选项直到进行或拒绝前一个交易选项。在一些情况下,提供一个或多个乘客商业选项的时间可以基于用户的当前地理位置和/或行进时间。还可以根据本文提供的本公开的其他方面来修改该方法。
图7示出了在交通期间提供个性化乘客商业的示例过程700。在一些实施方式中,所提供的系统可以包括推荐引擎702,推荐引擎702被配置为选择要提供给用户的一个或多个交易选项。推荐引擎可以访问第三方服务,例如数字服务701和产品目录703。在一些情况下,在接收到请求交易报价的指令时,推荐引擎可以访问产品和服务的目录704并确定推荐的产品或服务704。在一些情况下,可以基于用户数据来选择或确定推荐的产品或服务。在一些情况下,如果无法确定推荐的产品或服务,则可以向用户呈现一个或多个候选选项供选择。在这种情况下,用户可以选择期望的产品或服务706。替代地或附加地,可以允许用户手动输入期望的产品或服务。在确定推荐的或期望的产品/服务之后,系统可以寻找可用的营销报价707。如果报价可用,则可以提示用户接受或拒绝报价709。如果它被用户接受,则该报价可以应用于交易711。在不接受营销报价的情况下,可以确定支付方法708,并且可以从忠诚度积分数据库714中检索忠诚度信息以计算最终支付。然后可以完成交易712,并且可以使用与交易有关的数据来更新713用户数据库。不论付款方法如何(例如,信用卡,虚拟现金(例如,Uber Cash)等),交易都可以完成。例如,可以提示用户在用户设备上或经由车载设备选择用户偏好的支付方法。
在一些实施方式中,推荐引擎可以是交通计划引擎的组件或被耦合到交通计划引擎。交通计划引擎可以被配置为生成具有在交通期间提供给用户的个性化乘客商业报价的行进路线。在一些情况下,交通计划引擎可以确定何时和/或在何处提供乘客商业报价。在一些情况下,交通计划引擎可以向推荐引擎生成指令以请求交易选项。在一些情况下,可以通过交通计划引擎的基于机器学习的模型来自动确定呈现乘客商业报价的时间和/或位置,或者乘客商业报价的选择。
图8示意性地示出了交通计划引擎800,其耦合到多个数据库和数据源以用于生成个性化的交通体验。如图8所示,交通计划引擎800可能能够访问多个数据库或数据源,例如自动驾驶车队数据库801,常规车队数据库803,公共交通数据库805,自行车数据库807,电动踏板车数据库809,伙伴车队数据库811,用户(订户)数据库813,可用于乘车的隐有交通工具数据库815,以及数据流,例如数字服务数据流817和交通数据流819。交通计划引擎800可以从一个或多个上述数据库和数据源中检索数据,以生成包括停靠点或目的地的行进路线,确定向用户提供的一个或多个交易选项,确定代表给定交易报价的时间/地点等。
在一些实施方式中,可以在开始行程之前生成个性化的交通计划。在一些实施方式中,可以在交通期间生成个性化交通计划的至少一部分。例如,可以以逐步的方式生成交通计划。交通计划的步骤可以包括部分(例如,交通模式,时间表),向用户提供的交易选项,新目的地或停靠点等。在一些实施方式中,可以在交通期间调整个性化交通计划的至少一部分。
图9示出了交通计划步骤创建器920的框图。在一些情况下,交通计划步骤创建器可以是本文中其他地方描述的交通计划引擎的组件。在一些情况下,交通计划步骤创建器可以与交通计划引擎相同。在一些实施方式中,交通计划步骤创建器920可以包括机器学习系统910。提供给机器学习系统910的输入数据可以包括历史数据,诸如交通图901、社交图903、访问图905、用户偏好909、个人数据911、交通历史记录913和先前接受和拒绝的计划步骤915。输入数据还可以包括日历数据917和919。机器学习系统910的输出可以是交通计划的步骤。该步骤可以包括部分(例如,交通模式,时间表),要提供给用户的交易选项,或者新的目的地或停靠点。
计算机系统
本文所述的个人交通管理系统,交通计划引擎或过程可以由一个或多个处理器实施。在一些实施方式中,处理器可以是计算机系统的处理单元。图10示出了计算机系统1001,其被编程或以其他方式配置为实现个人交通管理系统。计算机系统1001可以调节本公开的各个方面。计算机系统1001可以是用户的电子设备或相对于电子设备位于远程的计算机系统。该电子设备可以是移动电子设备。
计算机系统1001包括中央处理单元(CPU,在本文中也称为“处理器”和“计算机处理器”)1005,其可以是单核或多核处理器,或者是用于并行处理的多个处理器。计算机系统1001还包括存储器或存储器位置1010(例如,随机存取存储器,只读存储器,闪存),电子存储单元1015(例如,硬盘),用于与一个或多个其他系统通信的通信接口1020(例如,网络适配器)以及外围设备1025,例如高速缓存,其他存储器,数据存储和/或电子显示适配器。存储器1010,存储单元1015,接口1020和外围设备1125通过诸如主板的通信总线(实线)与CPU1005通信。存储单元1015可以是用于存储数据的数据存储单元(或数据存储库)。计算机系统1001可以借助于通信接口1020可操作地耦合到计算机网络(“网络”)1030。网络1030可以是因特网,内联网和/或外联网,或与因特网通信的内部网和/或外部网。在一些情况下,网络1030是电信和/或数据网络。网络1030可以包括一个或多个计算机服务器,其可以启用分布式计算,例如云计算。在一些情况下,网络1030可以在计算机系统1001的帮助下实现对等网络,该对等网络可以使耦合到计算机系统1001的设备能够充当客户端或服务器。
CPU 1005可以执行一系列机器可读指令,其可以体现在程序或软件中。指令可以存储在诸如存储器1010的存储器位置中。指令可以被定向到CPU 1005,CPU 1005可以随后对CPU 1005进行编程或以其他方式配置CPU 1005以实现本公开的方法。CPU 1005执行的操作的示例可以包括获取,解码,执行和写回。
CPU 1005可以是诸如集成电路的电路的一部分。系统1001的一个或多个其他组件可以被包括在电路中。在一些情况下,该电路是专用集成电路(ASIC)。
存储单元1015可以存储文件,例如驱动程序,库和保存的程序。存储单元1015可以存储用户数据,例如,用户偏好和用户程序。在一些情况下,计算机系统1001可以包括计算机系统1001外部的一个或多个其他数据存储单元,例如位于通过内部网或因特网与计算机系统1001通信的远程服务器上。
计算机系统1001可通过网络1030与一个或多个远程计算机系统进行通信。例如,计算机系统1001可以与用户(例如,用户设备)的远程计算机系统进行通信。远程计算机系统的示例包括个人计算机(例如,便携式PC),平板或平板计算机(例如,iPad,Galaxy Tab),电话,智能电话(例如,iPhone,支持Android的设备,),智能手表,智能扬声器或个人数字助理。用户可以通过网络1030访问计算机系统1001。
本文所述的方法可以通过存储在计算机系统1001的电子存储位置(例如,存储器1010或电子存储单元1015上)的机器(例如,计算机处理器)可执行代码来实现。机器可执行或机器可读代码可以以软件的形式提供。在使用期间,代码可以由处理器1005执行。在一些情况下,可以从存储单元1015检索代码并将其存储在存储器1010中,以供处理器1005随时访问。在一些情况下,可以不包括电子存储单元1015,并且将机器可执行指令存储在存储器1010中。
该代码可以被预编译并配置为与具有适于执行该代码的处理器的机器一起使用,或者可以在运行时期间被编译。可以以可以选择的编程语言来提供代码,以使代码能够以预编译或编译时的方式执行。
本文提供的系统和方法的方面,例如计算机系统1001,可以在编程中体现。可以将技术的各个方面视为通常以机器可读介质的类型承载或体现的机器(或处理器)可执行代码和/或关联数据的形式的“产品”或“制品”。机器可执行代码可以存储在电子存储单元上,例如存储器(例如,只读存储器,随机存取存储器,闪存)或硬盘。“存储”类型的介质可以包括计算机,处理器等的任何或所有有形存储器,或其相关模块,例如各种半导体存储器,磁带驱动器,磁盘驱动器等,它们可以随时提供非暂时性存储进行软件编程。软件的全部或部分有时可以通过因特网或其他各种电信网络进行通信。例如,这样的通信可以使得能够将软件从一个计算机或处理器加载到另一计算机或处理器,例如从管理服务器或主机加载到应用服务器的计算机平台。因此,可以承载软件元件的另一种类型的介质包括光波,电波和电磁波,例如通过有线和光学座机网络以及通过各种空中链路在本地设备之间的物理接口上使用。诸如有线或无线链路,光链路等的携带这种波的物理元件也可以被视为承载软件的介质。如本文所使用,除非限于非暂时性有形“存储”介质,否则诸如计算机或机器“可读介质”的术语是指参与向处理器提供指令以供执行的任何介质。
因此,诸如计算机可执行代码的机器可读介质可以采取许多形式,包括但不限于有形存储介质,载波介质或物理传输介质。非易失性存储介质包括例如光盘或磁盘,诸如任何计算机中的任何存储设备等,诸如可用于实现附图中所示的数据库等。易失性存储介质包括动态存储器,例如这种计算机平台的主存储器。有形的传输介质包括同轴电缆;铜线和光纤,包括构成计算机系统内总线的电线。载波传输介质可以采用电或电磁信号或声波或光波的形式,例如在射频(RF)和红外(IR)数据通信期间生成的那些。因此,计算机可读介质的常见形式例如包括:软盘,软盘,硬盘,磁带,任何其他磁介质,CD-ROM,DVD或DVD-ROM,任何其他光学介质,打孔卡纸磁带,带孔图案的任何其他物理存储介质,RAM,ROM,PROM和EPROM,FLASH-EPROM,任何其他存储芯片或盒带,用于传输数据或指令的载波,用于传输此类载波的电缆或链接或计算机可以从中读取编程代码和/或数据的任何其他介质。这些形式的计算机可读介质中的许多可能涉及将一个或多个指令的一个或多个序列传送给处理器以供执行。
计算机系统1001可以包括电子显示器1035或与其通信,该电子显示器1035包括用户界面(UI)1040,该用户界面(UI)1040提供例如本文其他地方所述的图形用户界面。UI的示例包括但不限于图形用户界面(GUI)和基于Web的用户界面。
本公开的方法和系统可以通过一种或多种算法来实现。可以由中央处理单元1005在执行时通过软件来实现算法。该算法可以例如是训练后的模型,例如交通计划引擎。
尽管已经在本文中示出和描述了本发明的优选实施方式,但是对于本领域技术人员而言容易理解的是,仅通过示例的方式提供了这样的实施方式。并非意图通过说明书中提供的特定示例来限制本发明。尽管已经参考前述说明书描述了本发明,但是本文中的实施方式的描述和图示并不意味着以限制性的意义来解释。在不脱离本发明的情况下,本领域技术人员现在将想到许多变化,改变和替代。此外,应理解,本发明的所有方面不限于本文所阐述的具体描述,构造或相对比例,其取决于各种条件和变量。应当理解,本文所述的本发明的实施方案的各种替代方案可以用于实施本发明。因此,可以预期的是,本发明也将涵盖任何这样的替代,修改,变化或等同形式。旨在由以下权利要求书限定本发明的范围,并且由此涵盖这些权利要求书范围内的方法和结构及其等同物。
Claims (39)
1.一种用于在用户沿着路线行进时促进商业的方法,包括:
(a)在服务器处,接收所述用户的起始地理位置和目的地地理位置;
(b)使用所述起始地理位置和所述目的地地理位置为所述用户生成所述路线,所述路线从所述起始地理位置指向所述目的地地理位置;
(c)使用所述服务器沿着所述路线为所述用户识别一个或多个交易选项;以及
(d)在所述用户沿着所述路线的至少一部分在地面交通工具中行进时,在电子设备上向所述用户呈现所述一个或多个交易选项。
2.根据权利要求1所述的方法,其中基于与所述用户有关的历史数据自动确定所述目的地地理位置。
3.根据权利要求1所述的方法,其中使用所述电子设备的地理位置来确定所述起始地理位置,所述地理位置是通过全球定位系统或信号三角测量来确定的。
4.根据权利要求1所述的方法,其中所述路线和所述一个或多个交易选项是使用机器学习算法生成的。
5.根据权利要求1所述的方法,其中所述一个或多个交易选项是至少部分地基于选自由所述用户的社交图、所述用户的交通图、所述用户的访问图、所述用户的购买图、日历数据和待办列表数据组成的组的一个或多个成员来确定的。
6.根据权利要求1所述的方法,还包括确定所述路线的一个或多个部分的交通模式。
7.根据权利要求6所述的方法,其中所述交通模式包括自动驾驶交通工具、人类驾驶的自动交通工具、叫车服务、乘车共享服务、铁路交通和/或地面公共交通交通工具。
8.根据权利要求6所述的方法,其中为第一部分确定的交通模式不同于为第二部分确定的交通模式。
9.根据权利要求1所述的方法,还包括:接收指示接受所述一个或多个交易选项中的至少一个的用户输入,并且响应于接收到所述用户输入,进行所述至少一个交易选项。
10.根据权利要求1所述的方法,还包括:在接收到指示拒绝所述一个或多个交易选项之一的用户输入时,生成新的交易选项。
11.一种用于在用户沿着路线行进时促进商业的方法,包括:
(a)在服务器处,接收所述用户的起始地理位置和目的地地理位置;
(b)使用所述起始地理位置和所述目的地地理位置为所述用户生成所述路线,所述路线从所述起始地理位置指向所述目的地地理位置;
(c)使用所述服务器沿着所述路线为所述用户识别一个或多个交易选项;以及
(d)在所述用户沿着所述路线的一部分在地面交通工具中行进时,在电子设备上呈现所述一个或多个交易选项,
其中所述一个或多个交易选项是至少部分地基于选自由所述用户的社交图、所述用户的交通图、所述用户的访问图、所述用户的购买图、日历数据和待办列表数据组成的组的一个或多个成员来确定的。
12.根据权利要求11所述的方法,其中基于与所述用户有关的历史数据自动确定所述目的地地理位置。
13.根据权利要求11所述的方法,其中所述起始地理位置是由所述用户经由所述电子设备上的图形用户界面(GUI)输入的。
14.根据权利要求11所述的方法,其中所述路线和所述一个或多个交易选项是使用机器学习算法生成的。
15.根据权利要求11所述的方法,其中还包括确定所述路线的一个或多个部分的交通模式。
16.根据权利要求15所述的方法,其中所述交通模式包括自动驾驶交通工具、人类驾驶的自动交通工具、叫车服务、乘车共享服务、铁路交通和/或地面公共交通交通工具。
17.根据权利要求16所述的方法,其中所述交通模式包括自动驾驶交通工具的类型。
18.根据权利要求11所述的方法,其中在连接所述路线的两个连续部分的位置处进行所述一个或多个交易选项中的至少一个。
19.一种用于在用户沿着行进路线行进时促进商业的方法,包括:
(a)在服务器处,接收所述用户的起始地理位置和目的地地理位置;
(b)使用所述起始地理位置和所述目的地地理位置为所述用户生成所述行进路线,所述行进路线从所述起始地理位置指向所述目的地地理位置;
(c)使用所述服务器沿着所述行进路线为所述用户识别一个或多个交易选项;以及
(d)在所述用户沿着所述行进路线的一部分在(1)自动驾驶交通工具或(2)地面公共交通交通工具中行进时,在所述用户的电子设备上呈现所述一个或多个交易选项。
20.根据权利要求19所述的方法,其中基于与所述用户有关的历史数据来自动确定所述目的地地理位置。
21.根据权利要求19所述的方法,其中所述起始地理位置是由所述用户经由所述电子设备上的图形用户界面(GUI)输入的。
22.根据权利要求19所述的方法,其中所述行进路线和所述一个或多个交易选项是使用机器学习算法生成的。
23.根据权利要求19所述的方法,其中所述一个或多个交易选项是至少部分地基于选自由所述用户的社交图、所述用户的交通图、所述用户的访问图、所述用户的购买图、日历数据和待办列表数据组成的组的一个或多个成员来确定的。
24.根据权利要求19所述的方法,还包括确定所述行进路线的一个或多个部分的交通模式。
25.根据权利要求24所述的方法,其中所述交通模式包括自动驾驶交通工具、人类驾驶的自动交通工具、叫车服务、乘车共享服务、铁路交通和/或地面公共交通交通工具。
26.根据权利要求25所述的方法,其中所述交通模式包括自动驾驶交通工具或人类驾驶的自动交通工具的类型。
27.根据权利要求19所述的方法,其中在连接所述行进路线的两个连续部分的位置处进行所述一个或多个交易选项中的至少一个。
28.根据权利要求19所述的方法,还包括在检测到与所述用户相关联的日历数据或待办列表数据中的改变时重复(b)和/或(c)。
29.一种用于在用户沿着路线行进时促进商业的方法,包括:
(a)在服务器处,接收所述用户的起始地理位置和目的地地理位置;
(b)使用所述起始地理位置和所述目的地地理位置为所述用户生成所述行进路线,所述行进路线从所述起始地理位置指向所述目的地地理位置;
(c)使用所述服务器提取与所述目的地地理位置相关联的上下文信息;以及
(d)至少部分地基于所述上下文信息,使用所述服务器沿着所述路线为所述用户识别一个或多个交易选项。
30.根据权利要求29所述的方法,还包括:当所述用户沿着所述路线的至少一部分在地面交通工具中行进时,在所述地面交通工具内的电子设备上向所述用户呈现所述一个或多个交易选项。
31.根据权利要求30所述的方法,其中所述一个或多个交易选项是至少部分地基于选自由所述用户的社交图、所述用户的交通图、所述用户的访问图、所述用户的购买图、日历数据和待办列表数据组成的组的一个或多个成员来确定的。
32.根据权利要求29所述的方法,其中所述上下文信息包括与所述目的地地理位置相关联的活动。
33.根据权利要求29所述的方法,其中至少部分地基于所述用户被分配给的客户部分来确定所述一个或多个交易选项。
34.根据权利要求33所述的方法,其中所述用户被分配给多个客户部分。
35.一种用于个性化交通的计算机实现的方法,包括:
(a)获得用户的路线,其中所述路线包括起始地理位置以及目的地地理位置;
(b)针对所述路线的至少一部分为所述用户识别一个或多个交易选项;以及
(c)在所述用户沿着所述路线的所述至少一部分在地面交通工具中行进时,在电子设备上向所述用户呈现所述一个或多个交易选项。
36.根据权利要求35所述的计算机实现的方法,其中所述一个或多个交易选项是至少部分地基于选自由所述用户的社交图、所述用户的交通图、所述用户的访问图、所述用户的购买图、日历数据和待办列表数据组成的组的一个或多个成员来确定的。
37.根据权利要求35所述的计算机实施的方法,其中基于与所述用户有关的历史数据来自动确定所述目的地地理位置。
38.根据权利要求35所述的计算机实施的方法,其中所述用户被分配给一个或多个客户部分。
39.根据权利要求38所述的计算机实现的方法,其中至少部分地基于所述用户被分配给的所述一个或多个客户部分来确定所述一个或多个交易选项。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862746419P | 2018-10-16 | 2018-10-16 | |
US62/746,419 | 2018-10-16 | ||
US201962803749P | 2019-02-11 | 2019-02-11 | |
US62/803,749 | 2019-02-11 | ||
US201962845046P | 2019-05-08 | 2019-05-08 | |
US62/845,046 | 2019-05-08 | ||
PCT/US2019/056352 WO2020081576A1 (en) | 2018-10-16 | 2019-10-15 | Systems and methods for personalized ground transportation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113228092A true CN113228092A (zh) | 2021-08-06 |
Family
ID=70284194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980083213.6A Pending CN113228092A (zh) | 2018-10-16 | 2019-10-15 | 用于个性化地面交通的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20200363220A1 (zh) |
EP (1) | EP3867857A4 (zh) |
JP (1) | JP2022508822A (zh) |
KR (1) | KR20210060634A (zh) |
CN (1) | CN113228092A (zh) |
WO (1) | WO2020081576A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11366470B2 (en) * | 2019-09-30 | 2022-06-21 | Ford Global Technologies, Llc | Self-balancing autonomous vehicle fleet |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11551158B1 (en) * | 2018-02-06 | 2023-01-10 | Ryan Don Hinkins | Personalized digital travel advisor system and method of use |
US11693888B1 (en) * | 2018-07-12 | 2023-07-04 | Intuit, Inc. | Intelligent grouping of travel data for review through a user interface |
WO2020031586A1 (ja) * | 2018-08-10 | 2020-02-13 | 古野電気株式会社 | 船舶操縦支援システム、船舶制御装置、船舶制御方法、及びプログラム |
US10904706B2 (en) | 2019-04-10 | 2021-01-26 | Here Global B.V. | Method and apparatus for providing contextual content for an end-to-end seamless experience during an autonomous vehicle trip |
JP7308066B2 (ja) * | 2019-04-12 | 2023-07-13 | 日野自動車株式会社 | シェアリングシステム |
US20200402003A1 (en) * | 2019-06-21 | 2020-12-24 | Gm Cruise Holdings Llc | Peer-to-peer autonomous vehicle delivery |
US11460314B1 (en) * | 2019-06-28 | 2022-10-04 | GM Cruise Holdings LLC. | Sentiment-based autonomous vehicle user interaction and routing recommendations |
US11288598B2 (en) * | 2019-08-09 | 2022-03-29 | Oracle International Corporation | Third-party analytics service with virtual assistant interface |
KR20210030106A (ko) * | 2019-09-09 | 2021-03-17 | 엘지전자 주식회사 | 서버 |
US11928713B2 (en) * | 2019-12-19 | 2024-03-12 | Lyft, Inc. | Systems and methods for performing constraint space partitioning |
US11840246B2 (en) | 2020-06-29 | 2023-12-12 | Micron Technology, Inc. | Selectively enable or disable vehicle features based on driver classification |
US11753047B2 (en) * | 2020-06-29 | 2023-09-12 | Micron Technology, Inc. | Impaired driver assistance |
US11816603B2 (en) | 2020-09-22 | 2023-11-14 | Uber Technolgies, Inc. | Active notification using transportation service prediction |
EP4222687A4 (en) * | 2020-09-30 | 2024-04-03 | Synapse Partners Llc | TRANSPORTATION MARKETPLACE SYSTEMS AND METHODS |
US20220324476A1 (en) * | 2021-04-12 | 2022-10-13 | International Business Machines Corporation | Autonomous self-driving vehicles user profiles |
CN113298465A (zh) * | 2021-05-18 | 2021-08-24 | 张洪海 | 一种物流货代平台及其使用方法 |
US20230019021A1 (en) * | 2021-06-29 | 2023-01-19 | The Regents Of The University Of Michigan | Peer-To-Peer Ride-Sourcing System |
US20230140057A1 (en) * | 2021-11-01 | 2023-05-04 | Sony Group Corporation | Conversational user experience for multimodal travel system |
US20240094012A1 (en) * | 2022-09-16 | 2024-03-21 | Motional Ad Llc | Ride experience enhancements with external services |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9140570B1 (en) * | 2011-09-08 | 2015-09-22 | Amazon Technologies, Inc. | Time-inclusive route and trip planning |
US20150345980A1 (en) * | 2014-06-02 | 2015-12-03 | Venkitesh Subramanian | Audible Consumption of Content While Traveling to a Destination |
US20160003637A1 (en) * | 2013-11-01 | 2016-01-07 | Yahoo! Inc. | Route detection in a trip-oriented message data communications system |
US20170241788A1 (en) * | 2016-02-22 | 2017-08-24 | Bayerische Motoren Werke Aktiengesellschaft | Method and System for Contextually Recommending a Place of Interest to a User and Smart Check-In |
US20180038704A1 (en) * | 2016-08-05 | 2018-02-08 | Intertrust Technologies Corporation | Recommendation service systems and methods |
US20180113914A1 (en) * | 2016-10-26 | 2018-04-26 | International Business Machines Corporation | Generating personalized routes for one or more users to improve user well-being |
US20180137593A1 (en) * | 2016-11-11 | 2018-05-17 | Uber Technologies, Inc. | Personalizing ride experience based on contextual ride usage data |
US20180150893A1 (en) * | 2012-02-22 | 2018-05-31 | Ebay Inc. | Systems and methods for in-vehicle navigated shopping |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5856813B2 (ja) * | 2011-11-08 | 2016-02-10 | クラリオン株式会社 | ナビゲーションシステム、端末装置 |
KR101532020B1 (ko) * | 2013-05-14 | 2015-06-29 | 숭실대학교산학협력단 | 경로 추천 장치 및 방법 |
US9234766B2 (en) * | 2013-12-03 | 2016-01-12 | International Business Machines Corporation | Fuel purchase planning along a route |
KR101870787B1 (ko) * | 2016-10-31 | 2018-06-25 | 동명대학교 산학협력단 | 위치추정을 통한 최적경로 안내방법 및 그 장치 |
-
2019
- 2019-10-15 CN CN201980083213.6A patent/CN113228092A/zh active Pending
- 2019-10-15 JP JP2021546196A patent/JP2022508822A/ja active Pending
- 2019-10-15 KR KR1020217014300A patent/KR20210060634A/ko active Search and Examination
- 2019-10-15 WO PCT/US2019/056352 patent/WO2020081576A1/en unknown
- 2019-10-15 EP EP19873309.9A patent/EP3867857A4/en active Pending
-
2020
- 2020-08-03 US US16/983,485 patent/US20200363220A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9140570B1 (en) * | 2011-09-08 | 2015-09-22 | Amazon Technologies, Inc. | Time-inclusive route and trip planning |
US20180150893A1 (en) * | 2012-02-22 | 2018-05-31 | Ebay Inc. | Systems and methods for in-vehicle navigated shopping |
US20160003637A1 (en) * | 2013-11-01 | 2016-01-07 | Yahoo! Inc. | Route detection in a trip-oriented message data communications system |
US20150345980A1 (en) * | 2014-06-02 | 2015-12-03 | Venkitesh Subramanian | Audible Consumption of Content While Traveling to a Destination |
US20170241788A1 (en) * | 2016-02-22 | 2017-08-24 | Bayerische Motoren Werke Aktiengesellschaft | Method and System for Contextually Recommending a Place of Interest to a User and Smart Check-In |
US20180038704A1 (en) * | 2016-08-05 | 2018-02-08 | Intertrust Technologies Corporation | Recommendation service systems and methods |
US20180113914A1 (en) * | 2016-10-26 | 2018-04-26 | International Business Machines Corporation | Generating personalized routes for one or more users to improve user well-being |
US20180137593A1 (en) * | 2016-11-11 | 2018-05-17 | Uber Technologies, Inc. | Personalizing ride experience based on contextual ride usage data |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11366470B2 (en) * | 2019-09-30 | 2022-06-21 | Ford Global Technologies, Llc | Self-balancing autonomous vehicle fleet |
Also Published As
Publication number | Publication date |
---|---|
US20200363220A1 (en) | 2020-11-19 |
EP3867857A4 (en) | 2022-07-06 |
KR20210060634A (ko) | 2021-05-26 |
JP2022508822A (ja) | 2022-01-19 |
EP3867857A1 (en) | 2021-08-25 |
WO2020081576A1 (en) | 2020-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200363220A1 (en) | Systems and methods for personalized ground transportation | |
US8874679B2 (en) | Location-based communications | |
US9672468B2 (en) | System and method for providing intelligent location information | |
JP6862755B2 (ja) | ライフイベントに基づく旅行計画のための方法及びシステム | |
US20170293610A1 (en) | Voice assistant | |
US20230236033A1 (en) | Method for Generating Personalized Transportation Plans Comprising a Plurality of Route Components Combining Multiple Modes of Transportation | |
US10382568B2 (en) | Display of calendar-based single user, single event travel options | |
US9294878B2 (en) | Method and apparatus for providing hub-based indexing and services | |
US20180315088A1 (en) | Recommendation engine for generating context-specific recommendations | |
US20220341746A1 (en) | Systems and methods for personalized ground transportation processing and user intent predictions | |
US20170178259A1 (en) | Automatic selection of calendar-based, multiple user options | |
US11205196B1 (en) | Systems and methods for generating travel-related recommendations using electronic communication data | |
US11830055B2 (en) | Dynamic delivery of crowdsourced travel planning information | |
US11408744B2 (en) | Interactive routing information between users | |
US10445666B1 (en) | Personalized travel itinerary planning | |
US20170178081A1 (en) | Automatic selection of calendar-based, multiple event options for presentation | |
US20170178258A1 (en) | Automatic selection of calendar-based, multiple trip options for presentation | |
Babu et al. | Development of a scale to measure e-tourism service quality in Kerala | |
WO2015036054A1 (en) | Advertisement and information submission device for a commercial vehicle |
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 |