CN114009067B - 将地理区域划分为用于动态定价的逻辑区域的系统和方法 - Google Patents

将地理区域划分为用于动态定价的逻辑区域的系统和方法 Download PDF

Info

Publication number
CN114009067B
CN114009067B CN202080046153.3A CN202080046153A CN114009067B CN 114009067 B CN114009067 B CN 114009067B CN 202080046153 A CN202080046153 A CN 202080046153A CN 114009067 B CN114009067 B CN 114009067B
Authority
CN
China
Prior art keywords
geographic
cell
cells
distance
location
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202080046153.3A
Other languages
English (en)
Other versions
CN114009067A (zh
Inventor
严伟力
李文橦
王晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Grabtaxi Holdings Pte Ltd
Original Assignee
Grabtaxi Holdings Pte Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Grabtaxi Holdings Pte Ltd filed Critical Grabtaxi Holdings Pte Ltd
Publication of CN114009067A publication Critical patent/CN114009067A/zh
Application granted granted Critical
Publication of CN114009067B publication Critical patent/CN114009067B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06Q10/025—Coordination of plural reservations, e.g. plural trip segments, transportation combined with accommodation
    • 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
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G06Q30/0283—Price estimation or determination
    • G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Remote Sensing (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Navigation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)
  • Instructional Devices (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种用于划分地理区域的方法，该方法包括：将该地理区域划分为地理单元；针对每个相应地理单元：确定该相应地理单元的中心位置；基于某一时间段内该相应地理单元中的上车位置来确定该相应地理单元的聚集需求位置；基于在所述时间段内对具有该相应地理单元中的上车位置的请求做出响应时的提供者位置来确定该相应地理单元的聚集供应位置；针对每个相应地理单元对，在多个地理单元中，基于该相应对之间的距离度量来确定该相应对之间的连接强度，其中，这些距离度量是基于所述时间段内该相应对的中心位置、聚集供应位置和聚集需求位置来确定的；以及基于所确定的连接强度将每个相应地理单元分配给一个或多个聚集地理单元中的相应聚集地理单元。

Description

将地理区域划分为用于动态定价的逻辑区域的系统和方法
技术领域
本披露内容的各个方面总体上涉及划分地理区域，并且更具体地，涉及将地理区域划分为一个或多个逻辑地理子区域以用于确定动态定价。
背景技术
通过移动设备请求的打车服务已经越来越受欢迎。在一天中的某些时间，需求(即，打车者或乘客)比供应(即，驾驶员或提供者)多得多。响应于供应与需求之间的不平衡，引入了动态定价(例如，优步(Uber)的“峰时”定价)以使差距最小化。目前，动态定价通常是通过将城市的区域划分为预定义的经地理编码小区(例如，地理散列(geohash)、地理六边形(geohex)、谷歌(google)s2等)的网格并为每个经地理编码小区分配定价乘数(加权因子)来确定的。通常，基于每个单独的经地理编码小区或单元的供应数据和需求数据来计算定价乘数。使用预定义的经地理编码小区是简单且计算上高效的但并非是理想的，因为没有考虑每个经地理编码小区的供应与需求之间的关系。例如，如果与同一建筑物相关联的两个POI(兴趣点(points of interest)，通常是地图上的上车点和下车点)任意地落入两个不同的经地理编码小区(地图上的网格单元)中，则会分别使用这两个经地理编码小区相应各自的供应数据和需求数据来计算价格乘数。在一些情况下，这可能导致显著不同的价格乘数值，即使这两个POI可能具有相同的供应池和需求图案也如此。因此，一些乘客在一次预约会话期间会经历超过50％的动态定价差异，这主要是由于使用预定义的经地理编码小区来计算动态定价的限制。因此，令人期望的是，具有用于识别共同的供应图案和需求图案的高效过程，使得如果两个POI共享相似的需求图案和供应图案，则应该一起而不是分别进行动态定价计算。
发明内容
以下呈现了对一个或多个方面的简化概述，以提供对这些方面的基本理解。本发明内容不是对所有预期方面的广泛概述，并且既不旨在识别所有方面的关键或重要元素，也不旨在描绘任何或所有方面的范围。本发明内容的唯一目的是以简化形式呈现一个或多个方面的一些概念，作为随后呈现的具体实施方式的序言。
本披露内容描述了一种用于划分地理小区的系统和方法。本披露内容还描述了一种确定具有相似的供应性质和需求性质的地理小区的群组的方式。
根据各个示例，一种用于划分地理区域的方法包括：将该地理区域划分为地理单元；针对每个相应地理单元，确定该相应地理单元的中心位置；针对每个相应地理单元，基于某一时间段内该相应地理单元中的上车位置来确定该相应地理单元的聚集需求位置；针对每个相应地理单元，基于在所述时间段内对具有该相应地理单元中的上车位置的请求做出响应时的提供者位置来确定该相应地理单元的聚集供应位置；针对多个地理单元中的每个相应地理单元对，基于该相应地理单元对之间的距离度量来确定该相应地理单元对之间的连接强度，其中，这些距离度量是基于所述时间段内该相应地理单元对的中心位置、聚集供应位置和聚集需求位置来确定的；以及基于所确定的连接强度将每个相应地理单元分配给一个或多个聚集地理单元中的相应聚集地理单元。
为实现前述目的和相关的目的，一个或多个方面包括在下文中充分描述并在权利要求中特别指出的特征。以下描述和相关联附图详细阐述了一个或多个方面的某些说明性特征。然而，这些特征仅指示了可以采用各个方面的原理的各种方式中的几种方式，并且该描述旨在包括所有这些方面及其等效物。
附图说明
当结合非限制性示例和附图考虑时，参考具体实施方式将更好地理解本发明。
图1展示了划分为地理小区的网格的地理区域的地图。
图2展示了根据本披露内容的方面的示例联网环境的框图。
图3A展示了已经划分为地理小区的网格的地图，并且图3B将图3A的地理小区的网格展示为无向加权图。
图4A和图4B展示了地图上的上车位置的各种分布，这些上车位置与某一时间段内的请求相关联。
图5A和图5B展示了地图上的提供者位置的各种分布，这些提供者位置与在某一时间段内提供者对请求做出响应的时间相关联。
图6A和图6B展示了针对各种大小的经地理编码小区在地图上的确定的经地理编码小区群集。
图7A和图7B展示了根据本披露内容的方面的用于划分地理区域的方法的流程图。
图8展示了根据各个示例的地理划分系统的框图。
图9展示了根据各个示例的打车系统210的详细框图。
应当注意，在所有附图中，相同的附图标记用于描绘相同或相似的元件、特征和结构。
具体实施方式
以下具体实施方式参考了附图，这些附图通过展示的方式示出了可以实践本披露内容的具体细节和实施例。足够详细地描述了这些实施例，以使本领域技术人员能够实践本披露内容。可以利用其他实施例并且可以在不脱离本披露内容的范围的情况下进行结构改变和逻辑改变。各种实施例不一定是相互排斥的，因为一些实施例可以与一个或多个其他实施例组合以形成新的实施例。
在系统或方法中的一者的上下文中描述的实施例对于其他系统或方法是类似有效的。类似地，在系统的上下文中所描述的实施例对于方法是类似有效的，并且反之亦然。
在实施例的上下文中描述的特征可以相应地适用于其他实施例中的相同或类似的特征。在实施例的上下文中描述的特征即使未在其他实施例中明确地描述也可以相应地适用于这些其他实施例。此外，如针对实施例的上下文中的特征所描述的添加和/或组合和/或替代可以相应地适用于其他实施例中的相同或类似的特征。
词语“示例性”在本文中用于意指“用作示例、实例或说明”。本文中被描述为“示例性”的任何实施例或设计不一定被解释为优选于或优于其他实施例或设计。
在各种实施例的上下文中，针对特征或元素所使用的冠词“一(a)”、“一个(an)”和“该(the)”包括对一个或多个特征或元素的提及。
如本文所使用的，术语“和/或”包括相关联的列举项目中的一个或多个的任何和所有组合。
术语“至少一个”和“一个或多个”可以被理解为包括大于或等于一个的数值数量(例如一个、两个、三个、四个、[…]等)。术语“多个”可以被理解为包括大于或等于两个的数值数量(例如，两个、三个、四个、五个、[…]等)。
说明书和权利要求中的词语“多个(plural/multiple)”明确表示大于一个的数量。因此，明确地调用是指一定数量的对象的前述词语(例如“多个[对象](a plurality of[objects])”、“多个[对象](multiple[objects])”)的任何短语明确地是指多于一个所述对象。本说明书和权利要求中的术语“(的)群组”、“(的)组”、“(的)集合”、“(的)系列”、“(的)序列”、“(的)分组”等及其类似者(如果有的话)是指等于或大于一个的数量，即一个或多个。术语“适当子集”、“减小的子集”和“更小的子集”是指不等于该组的一组的子集，即包含比该组更少的元素的一组的子集。
如本文所使用的术语“数据”可以被理解为包括呈任何合适的模拟或数字形式的信息，例如，被提供为文件、文件的一部分、一组文件、信号或流、信号或流的一部分、一组信号或流等。进一步，术语“数据”还可以用来意指对信息(例如呈指针形式)的参考。然而，术语“数据”不限于前述示例，并且可以采取各种形式并且表示如本领域中所理解的任何信息。
例如，如本文中所使用的术语“处理器”或“控制器”可以被理解为允许处理数据、信号等的任何种类的实体。可以根据由处理器或控制器执行的一个或多个特定功能来处理数据、信号等。
因此，处理器或控制器可以是或包括模拟电路、数字电路、混合信号电路、逻辑电路、处理器、微处理器、中央处理单元(CPU)、图形处理单元(GPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、集成电路、专用集成电路(ASIC)等或其任何组合。下文将进一步详细描述的相应功能的任何其他种类的实施方式也可以被理解为处理器、控制器或逻辑电路。应当理解，本文详述的处理器、控制器或逻辑电路中的任何两个(或多个)可以被实现为具有等效功能等的单个实体，并且相反地，本文详述的任何单个处理器、控制器或逻辑电路可以被实现为具有等效功能等的两个(或多个)单独的实体。
本文详述的术语“系统”(例如，驱动系统、位置检测系统等)可以被理解为一组相互作用的元件，作为示例而非限制，这些元件可以是一个或多个机械部件、一个或多个电子部件、一个或多个指令(例如，编码在存储介质中)、一个或多个控制器等。
如本文所使用的“电路”被理解为任何种类的逻辑实施实体，其可以包括专用硬件或执行软件的处理器。因此，电路可以是模拟电路、数字电路、混合信号电路、逻辑电路、处理器、微处理器、中央处理单元(“CPU”)、图形处理单元(“GPU”)、数字信号处理器(“DSP”)、现场可编程门阵列(“FPGA”)、集成电路、专用集成电路(“ASIC”)等或其任何组合。下文将进一步详细描述的相应功能的任何其他种类的实施方式也可以被理解为“电路”。应当理解，本文详述的电路中的任何两个(或多个)可以被实现为具有基本上等效的功能的单个电路，并且相反地，本文详述的任何单个电路可以被实现为具有基本上等效的功能的两个(或多个)单独的电路。另外，对“电路”的参考可以指集体形成单个电路的两个或多个电路。
如本文所使用的，“存储器”可以被理解为可以存储数据或信息以供检索的非暂态计算机可读介质。因此，对本文中所包括的“存储器”的参考可以被理解为是指易失性或非易失性存储器，包括随机存取存储器(“RAM”)、只读存储器(“ROM”)、闪速存储器、固态存储器、磁带、硬盘驱动器、光盘驱动器等或其任何组合。此外，应当认识到，寄存器、移位寄存器、处理器寄存器、数据缓冲器等在本文中也由术语存储器涵盖。应当认识到，被称为“存储器(memory/a memory)”的单个部件可以由多于一种不同类型的存储器构成，并且因此可以指包括一种或多种类型的存储器的集合部件。很容易理解的是，任何单个存储器部件可以被分成多个集体等效的存储器部件，反之亦然。此外，虽然存储器可以被描绘为与一个或多个其他部件分离(比如在附图中)，但是应当理解，存储器可以被集成在另一个部件内，比如集成在共同的集成芯片上。
出于确定定价的目的，可以将地理区域划分为较小的地理区域。然而，如果不能有效地确定地理子区域之间的关系，则所确定的定价可能存在不一致性。例如，如果子POI与父POI两者共享相似的供应图案和需求图案(例如同一体育场的北门和南门)，则使用具有相同父POI的不同子POI的乘客可以感知到价格上的较大不等性或差异。例如，不断地再分组地理子区域具有很高的计算资源要求。因此，需要改进自动且动态地确定植根于计算机技术的地理子区域之间的关系。可以基于接收到的供应/需求信息和一组规则自动组合地理子区域(例如，地理散列小区)，以动态地形成具有相似需求图案和供应图案的虚拟子群组(例如，群集)，并且可以基于所识别的子群组进行动态定价(例如，峰时)计算。
例如，对应于现实世界区域的地理小区(例如，比如地理散列小区等经地理编码小区)可以被群集成一个或多个逻辑聚集单元以进行峰时价格计算。可以利用社区检测方法来确定群集。
各个示例将有助于处理在子POI与父POI两者共享相似的供应图案和需求图案的情况下使用具有相同父POI的不同子POI的乘客所感知到的价格上的较大不等性或差异。
各个示例将地理小区单元描述为地理散列小区(geohash cell)，但其可以很容易地扩展到其他地理编码系统(例如，地理六边形、谷歌s2等)或除了尺度不同之外的相同地理编码系统(例如，地理散列水平6或水平7等)。
为了更准确地确定动态定价，共享相似供应图案和需求图案的经地理编码小区被识别并且被聚集成聚集地理单元。取决于与现实世界中的区域相关联的空间及时间的供应图案和需求图案，经地理编码小区可以被分组或群集成一个或多个聚集地理单元。
图1展示了划分为地理小区的网格100的地理区域的地图。每个地理小区110对应于并表示总体地理区域的不同部分。为了便于识别，这些地理小区中的每个地理小区可以基于地理编码系统来划分并通过基于地理编码系统分配的地理代码来识别。地理小区的大小和形状以及地理小区的图案对准可以基于地理区域(例如，人口密度、地形等)或所使用的地理编码系统来选择。例如，地理小区的网格可以是六边形密铺结构。地理小区的网格还可以包括不同大小和/或形状的地理小区。
地理单元的聚集可以基于两个经地理编码小区之间的关系度量来确定。任何两个经地理编码小区之间的这种关系度量应该是可确定的。关系度量可以对应于两个经地理编码小区(或节点)之间的连接强度，并且可以用于社区检测以进行聚集或群集。例如，两个地理小区之间的关系度量可以基于各个方面来确定，比如每个几何小区的中心位置、某一时间段内每个地理小区中的预约需求(其可以包括已分配/已接受的需求和/或未分配/已取消的需求)的位置分布、以及当在该地理小区中服务(或响应于)预约需求(其可以包括接受和/或拒绝预约需求)时供应者/提供者的对应位置分布，以定义一个地理小区与另一个地理小区的连接强度。在一些示例中，相应地理小区中或之间的预约需求和供应者的相对数量可以用来修改关系度量的一个或多个方面。关系度量或其方面可以被提供给社区检测算法，该社区检测算法可以基于关系度量来确定地理小区在特定时间段内是否具有共同的供应图案和需求图案，并且基于相似的供应图案和需求图案的确定来形成地理小区的群组。
例如，用于聚集的社区检测方法可以涉及基于地理散列小区(或节点)之间的连接强度将地理散列小区组织成一个或多个群组或群集。在各个示例中，每个地理散列小区的中心位置、某一时间段内每个地理散列小区中的预约需求(包括未分配/已取消的需求)的位置分布、以及当在该地理散列小区中服务需求时供应的对应位置分布(当需求被接受时驾驶员的位置)定义一个地理散列小区与另一个地理散列小区的关联或连接强度。
也就是说，可以利用供应信息和需求信息来得到用于确定基于区域的动态定价的地理框架，而不是独立地为任意地理区域建立动态定价。基于图论的聚集过程可以利用为每个地理单元收集的供应信息和需求信息，以将具有相似需求图案和供应图案的地理单元组合成一个地理区域。动态定价可以基于地理区域而不是单独的地理单元来确定，由此减少了地理区域中乘车人所感知到的动态定价的不等性。
图2展示了可以实施本披露内容的各个示例的示例联网环境200的框图。联网环境200可以包括打车匹配系统210、请求者的计算设备220、提供者的计算设备230、通信网络240和定位系统250。打车匹配系统210可以被配置为与请求者的计算设备220和提供者的计算设备230两者通信。
请求者的计算设备220和提供者的计算设备230可以是多用途移动计算设备，比如智能手机或平板计算机。通信网络240可以包括通过有线或无线数据链路(例如，互联网)互连的多个设备。定位系统250可以包括全球导航卫星系统(GNSS)，比如全球定位系统(GPS)。打车匹配系统210可以包括在单片系统或分布式系统中实施的网络服务器、应用服务器和/或数据库服务器。
请求者的计算设备中的每一个可以配置有打车请求者应用程序。请求者可以使用打车请求者应用程序来请求搭乘。请求(即，预约需求)可以通过通信网络240发送到打车匹配系统210。预约请求可以包括请求时间和上车位置。请求时间可以是当前时间或未来时间。上车位置可以作为纬度/经度坐标或经地理编码指定发送。
提供者的计算设备中的每一个可以配置有打车提供者应用程序。提供者可以使用打车提供者应用程序来通过通信网络240周期性地向打车匹配系统210发送可用性指示和当前位置。当前位置可以作为纬度/经度坐标或经地理编码指定发送。提供者可以是由人驾驶或自主驾驶的车辆。
打车匹配系统210可以为特定请求识别可获得提供者，并将该请求发送到可获得提供者的计算设备中的一个或多个。提供者可以通过打车提供者应用程序接受或拒绝该请求。接受或拒绝可以通过通信网络240发送到打车匹配系统210。接受或拒绝可以包括提供者接受或拒绝请求时提供者的位置。接受或拒绝还可以包括时间戳。
打车匹配系统210可以生成价格并将该价格提供给搭乘请求的请求者和针对该搭乘请求的一个或多个请求的提供者。请求者和请求的提供者可以基于价格独立地接受或拒绝搭乘请求。例如，可以由打车匹配系统的动态定价控制器基于与请求者和/或提供者所存在的地理区域相关联的特性(例如，供应信息和需求信息)来生成价格。
提供者的设备和请求者的设备可以从定位系统250获得位置信息。
图7A至图7B是本披露内容的一个或多个示例中的用于划分地理区域以进行动态定价的方法的流程图。尽管框是按顺序次序展示的，但是与这些框相关联的过程也可以并行执行，和/或以与本文所描述的那些次序不同的次序执行。而且，各个框的过程可以基于期望的实施方式被组合、划分成附加的框和/或被消除。
在1002处，一个或多个处理器可以将现实世界中的区域的地图划分为地理单元/小区的网格。每个地理单元或小区一对一地对应于地图上的区域。例如，地理单元或小区可以是经地理编码小区(例如，地理散列、地理六边形、谷歌S2等)。经地理编码小区的使用有助于地图的划分和地理单元或小区的识别。地理单元或小区的大小可以基于人口密度和/或地理地形来确定。
在1004处，一个或多个处理器可以确定每个地理单元或小区的共同位置。例如，地理单元或小区的共同位置可以是地理单元或小区的中心位置。中心位置可以是经地理编码小区的几何中心。例如，在地理散列编码中，每个地理散列小区都是矩形的并且中心位置是矩形的中心。
在1006处，一个或多个处理器可以针对每个相应地理单元/小区对确定相应地理单元/小区对的共同位置之间的距离。例如，该距离可以是基于两个经地理编码小区的几何中心之间的欧几里得距离的中心距离。
在1008处，一个或多个处理器可以接收提供某一时间段内每个地理单元/小区中的请求或预约需求的位置的信息。例如，打车匹配系统可以在被配置为接收与一个或多个请求(即，需求通信)相关联的信息的一个或多个处理器上实施。每个请求包括关于上车位置和上车时间的信息。该一个或多个请求可以作为实时数据实时地被接收，或者可以作为先前由打车匹配系统收集的历史数据被接收。例如，打车匹配系统可以包括在一个或多个处理器上实施的商业电路和群集电路。两个电路都可以被配置为在该时间段内实时地接收关于预约需求的信息。替代性地，商业电路可以被配置为实时地接收关于预约需求的信息并将接收到的关于预约需求的信息存储在数据库中，并且群集电路可以被配置为在该时间段内从数据库接收关于预约需求的信息。如果上车位置的格式是经地理编码指定(例如，地理散列)，则一个或多个处理器可以将其转换成纬度/经度坐标或3D笛卡尔坐标。
在1010处，一个或多个处理器可以针对该时间段内具有请求或预约需求的每个相应地理单元/小区，基于该时间段内相应地理单元/小区中的请求或预约需求的上车位置来确定相应地理单元/小区的聚集需求位置。例如，对于每个经地理编码小区，群集电路可以被配置为通过对具有相应经地理编码小区中的上车位置并且在该时间段内上车的请求的上车位置(例如，对应的纬度/经度坐标)求平均来确定相应经地理编码小区的聚集需求位置。例如，聚集需求位置可以基于上车位置的平均纬度坐标和平均经度坐标。替代性地，聚集需求位置可以基于上车位置的平均3D笛卡尔坐标。平均化可以是上车位置的算术平均或几何平均(例如，质心)。
在1012处，一个或多个处理器可以针对该时间段内具有预约需求的每个相应地理单元/小区对，基于该时间段内相应地理单元/小区对中的地理单元/小区的聚集需求位置来确定需求距离。例如，群集电路可以被配置为通过确定该时间段内相应经地理编码小区对中的经地理编码小区的聚集需求位置之间的欧几里得距离来确定每个相应经地理编码小区对的需求距离。替代性地，需求距离可以基于聚集需求位置之间的路由距离。在一些示例中，出于减少延迟或计算量、提高速度和/或提高效率的目的，一个或多个处理器可以仅确定经地理编码小区的子集的每个相应经地理编码小区对的需求距离。例如，经地理编码小区的子集可以限于在小区跃点(cell hop)范围内或在彼此最大距离内的经地理编码小区。例如，在地理散列编码中，小区跃点的范围在不同的地理散列水平下可能不同。小区跃点的范围在较高的地理散列水平(即，较小的地理散列小区)下可能较大，而在较低的地理散列水平(即，较大的地理散列小区)下可能较小。跃点的范围可以对应于等效最大距离。当地理小区的大小较小时，子集的每个相应地理小区对可以不限于邻近的相邻小区。
在1014处，一个或多个处理器可以针对该时间段内具有预约需求的每个相应地理单元/小区，接收服务提供者在该时间段内对相应地理单元/小区中的请求或预约需求做出响应时提供服务提供者的位置的信息。例如，群集电路可以被配置为接收与响应于一个或多个请求的一个或多个接受/拒绝(即，供应通信)相关联的信息。每个响应包括关于在相应提供者发送响应时相应提供者的时间和位置的信息，即响应时间和响应位置。该一个或多个响应可以作为实时数据实时地被接收，或者可以作为先前由打车匹配系统收集的历史数据被接收。例如，商业电路和群集电路两者都可以被配置为在时间段内实时地接收关于对预约需求的响应的信息。替代性地，商业电路可以被配置为实时地接收关于对预约需求的响应的信息并将接收到的关于对预约需求的响应的信息存储在数据库中，并且群集电路可以被配置为在该时间段内从数据库接收关于对预约需求的响应的信息。如果响应位置的格式是经地理编码指定(例如，地理散列)，则一个或多个处理器可以将其转换成纬度/经度坐标。
在1016处，一个或多个处理器可以针对该时间段内具有请求或预约需求的每个相应地理单元/小区，基于该时间段内对相应地理单元/小区中的预约需求做出响应时服务提供者的位置来确定相应地理单元/小区的聚集供应位置。例如，群集电路可以被配置为通过对具有经地理编码小区中的上车位置并且在该时间段内上车的请求做出响应的响应位置(例如，对应的纬度/经度坐标)求平均来确定经地理编码小区的聚集供应位置。例如，聚集供应位置可以基于当对预约需求做出响应时驾驶员位置的平均纬度坐标和平均经度坐标。替代性地，聚集需求位置可以基于当对预约需求做出响应时驾驶员位置的平均3D笛卡尔坐标。平均化可以是当对预约需求做出响应时驾驶员位置的算术平均或几何平均(例如，质心)。
在1018处，一个或多个处理器可以针对该时间段内具有预约需求的每个相应地理单元/小区对，基于该时间段内相应地理小区对中的地理小区的聚集供应位置来确定供应距离。例如，群集电路可以被配置为通过确定该时间段内相应经地理编码小区对中的经地理编码小区的聚集供应位置之间的欧几里得距离来确定每个相应经地理编码小区对的供应距离。替代性地，供应距离可以基于聚集需求位置之间的路由距离。在一些示例中，出于减少延迟或计算量、提高速度和/或提高效率的目的，一个或多个处理器可以仅确定经地理编码小区的子集的每个相应经地理编码小区对的供应距离。例如，经地理编码小区的子集可以限于在小区跃点范围内或在彼此最大距离内的经地理编码小区。例如，在地理散列编码中，小区跃点的范围在不同的地理散列水平下可能不同。小区跃点的范围在较高的地理散列水平(即，较小的地理散列小区)下可能较大，而在较低的地理散列水平(即，较大的地理散列小区)下可能较小。跃点的范围可以对应于等效最大距离。当地理小区的大小较小时，子集的每个相应地理小区对可以不限于邻近的相邻小区。
在1020处，一个或多个处理器可以针对到相应地理单元/小区的每个供应距离，基于该时间段内对相应地理小区中的请求或预约需求做出响应的服务提供者的总数量和对相应地理小区中的预约需求做出响应的来自供应地理小区的服务提供者的总数量来确定供应距离修改因子。例如，群集电路可以被配置为确定针对每个供应距离的供应距离修改因子，其中相应经地理编码小区的聚集供应位置与另一个经地理编码小区的聚集供应位置之间的供应距离的供应距离修改因子可以是基于接受在相应经地理编码小区中的请求的提供者的总数量和来自另一个经地理编码小区的接受在相应经地理编码小区中的请求的提供者的数量之比。在其他示例中，供应距离修改因子还可以基于来自另一个经地理编码小区的拒绝相应经地理编码小区中的请求的提供者的数量或者与来自另一个经地理编码小区的提供者接受相关联的在相应经地理编码小区中所取消的预约请求的数量来调整。
在1022处，一个或多个处理器可以针对每个相应地理单元/小区对，基于相应地理单元/小区对的共同位置之间的距离、相应地理单元/小区对之间的需求距离、相应地理单元/小区对之间的供应距离以及供应距离修改因子来确定连接强度。例如，群集电路可以被配置为基于中心距离、需求距离和供应距离来确定在两个方向上两个经地理编码小区之间的连接强度。另外，针对每个方向的供应距离修改因子用来确定连接强度。连接强度是指示一对经地理编码小区是否可能具有相似的供应图案和需求图案的度量。在一些示例中，出于减少延迟或计算量、提高速度和/或提高效率的目的，一个或多个处理器可以仅确定经地理编码小区的子集的每个相应经地理编码小区对的连接强度。例如，经地理编码小区的子集可以限于在小区跃点范围内或在彼此最大距离内的经地理编码小区。
在1024处，一个或多个处理器可以使用地理小区的所确定的连接强度来将地理小区分组为一个或多个地理群集并相应地划分地理地图。例如，群集电路可以被配置为应用社区检测算法，该社区检测算法通过将具有相似特性的一个或多个地理小区组合成聚集单元(即，群集)来生成一个或多个聚集单元。可以为每个生成的群集分配相应的群集标签。
在1026处(未示出)，一个或多个处理器可以针对每个确定的群集生成对应于相应确定的群集的供应信息和需求信息并提供群集供应信息和需求信息。例如，群集电路可以被配置为通过组合属于相应群集的每个地理小区的需求信息来生成相应群集的群集需求信息。类似地，群集电路可以被配置为通过组合属于相应群集的每个地理小区的供应信息来生成相应群集的群集供应信息。群集供应信息和需求信息可以基于与特定时间段相关联的供应信息和需求信息来生成。群集电路可以被配置为向动态定价电路提供每个相应群集的群集供应信息和需求信息。群集电路还可以向动态定价电路提供识别包括群集标签的每个相应群集的构成地理小区的信息。动态定价电路可以基于相应的群集供应信息和需求信息来确定相应群集(与地理区域相关联)的动态定价。
可以基于与特定时间段内的聚集地理单元相关联的所有地理单元/小区的聚集供应(或需求)位置的算术平均或几何平均来计算群集供应(或需求)信息/信号，并且随后向聚集地理单元的每个地理单元/小区分配特定时间段内的聚集地理单元的经群集供应(或需求)信息/信号(即平均值)。聚集地理单元可以是相关地理单元/小区的逻辑表示，并且地理单元/小区可能实际上没有被组合。在一些示例中，群集的群集供应信息信号可以是基于相应群集的所有经地理编码小区的聚集供应位置的算术平均或几何平均确定的群集供应位置。可以向相应群集的每个经地理编码小区的聚集供应位置重新分配与相应群集相关联的平均聚集供应位置(即，群集供应位置信息)，然而，地图大小可以保持相同。类似地，群集的群集需求信息信号可以是基于相应群集的所有经地理编码小区的聚集需求位置的算术平均或几何平均确定的群集需求位置。可以向相应群集的每个经地理编码小区的聚集需求位置重新分配平均聚集需求位置(即，群集需求位置信息)，然而，地图大小可以保持相同。例如，相应群集的单独的经地理编码小区可以不是被组合以在地图上形成经地理编码小区的区块，而是单独的经地理编码小区可以基于当前时间段的群集关系保持单独的小区具有分配的群集信息。这是因为供应分布和需求分布可能随时间推移快速地变化，并且因此，群集关系和群集信息可能相应地变化。由于动态的群集形成，在地理单元/小区水平处保持群集信息关联可能更高效。例如，这种逻辑表示有助于实时动态群集。
在示例中，
Figure BDA0003428862760000111
表示地理散列小区i的中心位置的纬度和经度，并且
Figure BDA0003428862760000112
表示地理散列小区j的中心位置的纬度和经度。从地理散列小区j的中心到地理散列小区i的中心的欧几里得距离可以被定义为：
Figure BDA0003428862760000113
从地理散列小区i的中心到地理散列小区j的中心的欧几里得距离可以被定义为：
Figure BDA0003428862760000114
因此，两个地理散列小区的中心之间的欧几里得距离并非方向相关的，即，
Figure BDA0003428862760000121
因此，邻近地理散列小区的中心之间的距离小于非邻近地理散列小区的中心之间的距离。邻近地理散列小区与其中心具有较小距离。
Figure BDA0003428862760000122
表示特定时间段内地理散列小区i中的预约需求的每个上车位置的纬度和经度，并且
Figure BDA0003428862760000123
表示相同特定时间段内地理散列小区j中的预约需求的每个上车位置的纬度和经度。
Figure BDA0003428862760000124
表示特定时间段内地理散列小区i中的预约需求的聚集上车位置。
Figure BDA0003428862760000125
表示相同特定时间段内地理散列小区j中的预约需求的聚集上车位置。聚集上车位置可以是地理散列小区中的上车位置的平均值或几何均值。具体地，
Figure BDA0003428862760000126
且
Figure BDA0003428862760000127
其中
Figure BDA0003428862760000128
是地理散列小区i中的预约需求的总数量。类似地，
Figure BDA0003428862760000129
且
Figure BDA00034288627600001210
其中
Figure BDA00034288627600001211
是地理散列小区j中的预约需求的总数量。从地理散列小区j的聚集上车位置到地理散列小区i的聚集上车位置的欧几里得距离可以被定义为：
Figure BDA00034288627600001212
从地理散列小区i的聚集上车位置到地理散列小区j的聚集上车位置的欧几里得距离可以被定义为：
Figure BDA00034288627600001213
因此，两个地理散列小区的聚集上车位置之间的需求的欧几里得距离并非方向相关的，即，
Figure BDA00034288627600001214
图4A至图4B展示了示出两个邻近地理散列小区中的上车位置的地图。更具体地，图4A至图4B展示了包括相邻地理散列小区410和420的地图。深色圆点指示在特定时间段(例如，星期一上午8点至上午9点)期间在地理散列小区410中所生成的预约需求的上车位置412。类似地，散列填充的圆点指示在相同特定时间段(例如星期一上午8点至上午9点)期间在地理散列小区420中所生成的预约需求的上车位置422。深色星形指示地理散列小区410中的预约需求的聚集上车位置415，并且散列填充的星形指示地理散列小区420中的预约需求的聚集上车位置425。例如，聚集上车位置415和425分别是分布在地理散列小区410和420中的上车位置的几何均值。在该示例中，时间段为一小时，但是该时间段可以更短或更长。例如，当音乐会结束或突然有雷雨时，供应信息和需求信息可能会突然改变，从而需要更短的时间段。
示例图示出了两个地理散列小区之间的需求距离因地理散列小区中预约需求的不同分布而不同。例如，图4A展示了两个邻近地理散列小区中的上车位置的分布，其中每个地理散列小区410、420的上车位置412、422在由地理散列小区共享的小区边界附近群集。因此，聚集上车位置415和425也在共享的小区边界附近。对于另一个示例，图4B展示了在分别群集的不同地理散列小区中的上车位置的分布，其中地理散列小区410的上车位置412通常与地理散列小区420的上车位置422分离。图4A的两个地理散列小区的需求距离(即聚集上车位置或需求点之间的距离)比图4B的两个地理散列小区的需求距离小得多。
再次参考图4A，地图以新加坡的丹戎禺(Tanjong Rhu)居民区为中心。该地图示出了新加坡河(Singapore River)位于居民区和高速公路的北部(上方)，并且滨海湾高尔夫球场(Marina Bay Golf Course)位于居民区的南部(下方)。但是，居民区被任意划分为两个经地理编码小区。地理散列小区410包括新加坡河的一部分和丹戎禺居民区的北部部分，并且地理散列小区420包括丹戎禺居民区的南部部分、高速公路和滨海湾高尔夫球场。即使在没有关于基础设施或地理约束的信息的情况下，两个地理散列小区之间的需求距离也可以指示两个地理散列小区的需求图案相似。例如，当两个地理散列小区中的上车位置的分布具有相似的几何均值时，即当两个地理散列小区之间的需求距离远小于两个地理散列小区的中心点之间的距离时，两个地理散列小区的需求图案相似。再次参考图4B，地图以新加坡的SAFTI军事设施为中心。该地图示出了裕廊西(Jurong West)街区/地区位于军事设施的东北部，并且裕群(Joo Koon)街区/地区位于军事设施的西南部。地理散列小区410包括位于地理散列小区410的西北角的裕廊西街区/地区的一部分，并且地理散列小区420包括位于地理散列小区420的南部小区边界附近的裕群街区/地区的一部分。即使在没有关于基础设施或地理约束的信息的情况下，两个地理散列小区之间的需求距离也可以指示两个地理散列小区的需求图案不同。例如，当两个地理散列小区中的上车位置的分布具有非常不同的几何均值时，即当两个地理散列小区之间的需求距离远大于两个地理散列小区的中心点之间的距离时，两个地理散列小区的需求图案不同。
因此，两个地理散列小区之间的连接强度可以基于两个地理散列小区的聚集上车位置之间的距离。一般地，两个邻近地理散列小区的需求的欧几里得距离在这两个邻近地理散列小区的需求分布相似或彼此接近时会更短，而在这两个邻近地理散列小区的需求分布不同或分离时会更长。
Figure BDA0003428862760000131
表示在特定时间段内当驾驶员接受地理散列小区i中的预约需求时驾驶员位置的纬度和经度，并且
Figure BDA0003428862760000141
表示在相同特定时间段内当驾驶员接受地理散列小区j中的预约需求时驾驶员位置的纬度和经度。针对地理散列小区i的聚集驾驶员位置可以是当对地理散列小区i中的预约需求做出响应时驾驶员位置的平均值或几何均值。具体地，
Figure BDA0003428862760000142
且
Figure BDA0003428862760000143
其中
Figure BDA0003428862760000144
为当接受和/或服务地理散列小区i中的预约需求时驾驶员(即，供应)的总数量。类似地，
Figure BDA0003428862760000145
且
Figure BDA0003428862760000146
其中
Figure BDA0003428862760000147
为当接受和/或服务地理散列小区j中的预约需求时驾驶员(即，供应)的总数量。从地理散列小区j的聚集驾驶员位置到地理散列小区i的聚集驾驶员位置的欧几里得距离可以被定义为：
Figure BDA0003428862760000148
从地理散列小区i的聚集驾驶员位置到地理散列小区j的聚集驾驶员位置的欧几里得距离可以被定义为：
Figure BDA0003428862760000149
因此，两个地理散列小区的聚集驾驶员位置之间的供应的欧几里得距离并非方向相关的，即，
Figure BDA00034288627600001410
图5A至图5B展示了示出当对两个邻近地理散列小区中的预约需求做出响应时的驾驶员位置的地图。更具体地，图5A至图5B展示了包括相邻地理散列小区510和520的地图。深色圆点指示在特定时间段(例如，星期一上午8点至上午9点)期间对地理散列小区510中所生成的预约需求做出响应时的驾驶员的位置512。特定时间段应该与用于确定地理散列小区的聚集上车位置的特定时间段相同。类似地，散列填充的圆点指示在相同特定时间段(例如星期一上午8点至上午9点)期间对地理散列小区520中所生成的预约需求做出响应时的驾驶员的位置522。深色星形指示当对地理散列小区510中的预约需求做出响应时的聚集驾驶员位置515，并且散列填充的星形指示当对地理散列小区520中的预约需求做出响应时的聚集驾驶员位置525。例如，聚集驾驶员位置515是当对地理散列小区510中的预约需求做出响应时驾驶员位置的分布的几何均值。类似地，聚集驾驶员位置525是当对地理散列小区520中的预约需求做出响应时驾驶员位置的分布的几何均值。
示例图示出了两个地理散列小区之间的供应距离因接受地理散列小区中的预约需求时驾驶员位置的不同分布而不同。例如，图5A展示了当接受两个邻近地理散列小区中的预约需求时驾驶员位置的分布。当接受地理散列小区510中的预约需求时，驾驶员位置512分布在地理散列小区510和520中及其周围，并且当接受地理散列小区520中的预约需求时，驾驶员位置522分布在地理散列小区510和520中及其周围。在图5A的示例中，当接受地理散列小区510中的预约需求时的聚集驾驶员位置515和当接受地理散列小区520中的预约需求时的聚集驾驶员位置525彼此非常接近，因为驾驶员位置的分布相似并且具有相似的几何均值。也就是说，针对地理散列小区510和520的供应分布是混合的。对于另一个示例，图5B展示了当接受两个邻近地理散列小区中的预约需求时驾驶员位置的不同分布。当接受地理散列小区510中的预约需求时，驾驶员位置512分布在地理散列510的不与地理散列小区520共享的小区边界周围，并且当接受地理散列小区520中的预约需求时，驾驶员位置522分布在地理散列小区520的背离地理散列小区510的一部分周围。也就是说，针对地理散列小区510和520的供应分布没有混合。图5B展示了分别群集的不同地理散列小区的驾驶员位置的分布，其中地理散列小区510的驾驶员位置512通常与地理散列小区520的驾驶员位置522分离。在图5B的示例中，当接受地理散列小区510中的预约需求时的聚集驾驶员位置515和当接受地理散列小区520中的预约需求时的聚集驾驶员位置525彼此相距很远，因为驾驶员位置的分布不同并且具有不同的几何均值。图5A的两个地理散列小区的供应距离(即聚集驾驶员位置之间的距离)比图5B的两个地理散列小区的供应距离小得多。
再次参考图5A，地图以新加坡的盛港(Sengkang)居民区为中心。该地图示出了居民区被任意划分为两个经地理编码小区。地理散列小区510包括盛港居民区的北部部分，并且地理散列小区520包括盛港居民区的南部部分。即使在没有关于基础设施或地理约束的信息的情况下，两个地理散列小区之间的供应距离也可以指示两个地理散列小区的供应图案相似。例如，当对两个地理散列小区中的预约需求做出响应时驾驶员位置的分布具有相似的几何均值时，即当两个地理散列小区之间的供应距离远小于两个地理散列小区的中心点之间的距离时，两个地理散列小区的供应图案相似。再次参考图5B，地图以新加坡的裕廊湖(Jurong Lake)为中心，并且示出了湖边街区/地区位于裕廊湖的西部以及裕廊东街区/地区位于裕廊湖的东部。如图5B所示，裕廊湖的一部分被任意划分为两个经地理编码小区。地理散列小区510包括地理散列小区510的东部部分中的湖边街区/地区的一部分和地理散列小区510的西部部分中的裕廊湖的一部分，并且地理散列小区520包括地理散列小区520的东部部分中的裕廊湖的一部分和地理散列小区350的西部部分中的裕廊东街区/地区的一部分。即使在没有关于基础设施或地理约束的信息的情况下，两个地理散列小区之间的供应距离也可以指示两个地理散列小区的供应图案不同。例如，当两个地理散列小区中的驾驶员位置的分布具有非常不同的几何均值时，即当两个地理散列小区之间的供应距离远大于两个地理散列小区的中心点之间的距离时，两个地理散列小区的供应图案可能不同。
因此，两个地理散列小区之间的连接强度可以基于两个地理散列小区的聚集驾驶员位置之间的距离。一般地，两个邻近地理散列小区的供应的欧几里得距离在这两个邻近地理散列小区的供应分布相似或彼此接近时会更短，而在这两个邻近地理散列小区的供应分布不同或分离时会更长。
方程9和10的供应距离基于包括接受和/或服务地理散列小区中的预约需求的所有驾驶员(即，提供者或供应)的聚集驾驶员位置。由于供应距离不考虑在特定小区中的驾驶员位置，因此可以使用附加因子来调整两个地理散列小区之间的供应距离从而考虑供应源。例如，为了考虑地理散列小区j中对地理散列小区i中的需求的供应，修改因子可以是来自地理散列小区j的接受和/或服务地理散列小区i中的预约需求的驾驶员的数量与来自任何位置的接受和/或服务地理散列小区i中的预约需求的驾驶员的总数量之比。类似地，为了考虑地理散列小区i中对地理散列小区j中的需求的供应，修改因子可以是来自地理散列小区i的接受和/或服务地理散列小区j中的预约需求的驾驶员的数量与来自任何位置的接受和/或服务地理散列小区j中的预约需求的驾驶员的总数量之比。这种修改因子可以被定义为
Figure BDA0003428862760000161
且
Figure BDA0003428862760000162
其中
Figure BDA0003428862760000163
为来自地理散列小区j的接受和/或服务地理散列小区i中的预约需求的驾驶员(即，供应)的总数量，并且其中
Figure BDA0003428862760000164
为来自任何位置的接受和/或服务地理散列小区i中的预约需求的驾驶员(即，供应)的总数量。因此，
Figure BDA0003428862760000165
可以通过对来自每个地理散列小区的接受和/或服务地理散列小区i中的预约需求的驾驶员的总数量进行求和来确定。例如，
Figure BDA0003428862760000166
其中K为包括针对地理散列小区i的供应的地理散列小区的总数量，并且
Figure BDA0003428862760000167
指示包括针对地理散列小区i的供应的第k个地理散列小区。类似地，
Figure BDA0003428862760000168
是来自地理散列小区i的接受和/或服务地理散列小区j中的预约需求的驾驶员(即，供应)的总数量，并且其中
Figure BDA0003428862760000169
是来自任何位置的接受和/或服务地理散列小区j中的预约需求的驾驶员(即，供应)的总数量。因此，
Figure BDA00034288627600001610
可以通过对来自每个地理散列小区的接受和/或服务地理散列小区j中的预约需求的驾驶员的总数量进行求和来确定。例如，
Figure BDA00034288627600001611
Figure BDA00034288627600001612
其中H是包括针对地理散列小区j的供应的地理散列小区的总数量，并且
Figure BDA00034288627600001613
指示包括针对地理散列小区i的供应的第h个地理散列小区。因此，
Figure BDA0003428862760000171
且
Figure BDA0003428862760000172
因此，从地理散列小区j到地理散列小区i的供应的经修改欧几里得距离可以被定义为：
Figure BDA0003428862760000173
并且从地理散列小区i到地理散列小区j的供应的经修改欧几里得距离可以被定义为：
Figure BDA0003428862760000174
修改因子基于以下基础想法：如果服务地理散列小区i(或反之亦然，地理散列小区j)中的预约需求的大多数供应来自地理散列小区j(或反之亦然，地理散列小区i)，则供应的经修改欧几里得距离将变得较短。修改因子也是方向性的，因为来自地理散列小区j的接受和/或服务地理散列小区i中的需求的供应可能不同于来自地理散列小区i的服务地理散列小区i中的需求的供应。即，
Figure BDA0003428862760000175
因此
Figure BDA0003428862760000176
因此，两个地理散列小区之间的连接强度可以基于两个地理散列小区的聚集驾驶员位置之间的经修改距离。一般地，当两个地理散列小区的供应分布相似或彼此接近时，供应的经修改欧几里得距离将短于供应的未经修改欧几里得距离，而当两个地理散列小区的供应分布不同或分离时，供应的经修改欧几里得距离将更长。
两个经地理编码小区之间的连接强度可以基于两个经地理编码小区之间的距离、两个经地理编码小区之间的需求距离以及两个经地理编码小区之间的经修改供应距离。例如，从地理散列小区j到地理散列小区i的连接强度可以被定义为
Figure BDA0003428862760000177
其中ωj→i的值越大，地理散列小区j与地理散列小区i的连接就越强。类似地，从地理散列小区i到地理散列小区j的连接强度可以被定义为
Figure BDA0003428862760000178
由于经修改供应距离是方向性的(即，
Figure BDA0003428862760000179
)，因此连接强度是类似方向性的(即，ωj→i≠ωj→j)。
替代性地，在另一个示例中，代替修改供应距离，当确定两个经地理编码小区之间的供应距离时，针对经地理编码小区的聚集驾驶员位置可以特定于供应需求小区。例如，针对需求经地理编码小区的聚集驾驶员位置可以仅基于当接受该需求经地理编码小区中的预约需求时在供应经地理编码小区中的驾驶员位置，并且反之亦然。例如，
Figure BDA00034288627600001710
表示在特定时间段内当驾驶员从地理散列小区j接受地理散列小区i中的预约需求时驾驶员位置的纬度和经度，并且
Figure BDA0003428862760000181
表示在相同特定时间段内当驾驶员从地理散列小区i接受地理散列小区j中的预约需求时驾驶员位置的纬度和经度。来自地理散列小区j的针对地理散列小区i的聚集驾驶员位置可以是当对地理散列小区i中的预约需求做出响应时地理散列小区j中的驾驶员位置的平均值或几何均值。具体地，
Figure BDA0003428862760000182
且
Figure BDA0003428862760000183
其中
Figure BDA0003428862760000184
是当服务地理散列小区i中的预约需求时来自地理散列小区j的供应的总数量。类似地，
Figure BDA0003428862760000185
且
Figure BDA0003428862760000186
其中
Figure BDA0003428862760000187
是当服务地理散列小区j中的预约需求时来自地理散列小区i的供应的总数量。在该示例中，从地理散列小区j的聚集驾驶员位置到地理散列小区i的聚集驾驶员位置的欧几里得距离可以被定义为：
Figure BDA0003428862760000188
类似地，从地理散列小区j的聚集驾驶员位置到地理散列小区i的聚集驾驶员位置的欧几里得距离可以被定义为：
Figure BDA0003428862760000189
因此，两个地理散列小区的聚集驾驶员位置之间的供应的欧几里得距离并非方向相关的，即，
Figure BDA00034288627600001810
在这种情况下，从地理散列小区j到地理散列小区i的连接强度可以被定义为
Figure BDA00034288627600001811
并且从地理散列小区i到地理散列小区j的连接强度可以被定义为
Figure BDA00034288627600001812
连接强度并非方向相关的(即，ωj→i＝ωi→j)。
经地理编码小区的连接强度可以用于将城市地图(即，图)划分为群集并相应地分配群集标签。一旦确定了经地理编码小区中的每一个之间的连接强度，就可以基于连接强度将经地理编码小区分组为一个或多个聚集单元或群集。每个聚集单元或群集的经地理编码小区将具有相似的供应图案和需求图案。由于每个经地理编码小区对应于现实世界区域，因此所确定的一个或多个聚集单元或群集也一对一地对应于一个或多个经聚集现实世界区域。以这种方式，例如，城市地图可以被划分为经地理编码小区的网格，然后该经地理编码小区被分组为一个或多个群集，每个群集具有不同于相邻群集的供应图案和需求图案。可以基于一个或多个群集来分段城市地图并对应地标记城市地图。
城市地图可以表示为图形地图。城市地图可以被划分为地理散列小区的网格，并且地理散列小区的网格可以被表示为无向加权图，其中每个地理散列小区对应于图的节点或顶点。例如，地理散列小区i和j可以表示为图的顶点，并且Aij表示顶点i(对应于地理散列小区i)与顶点j(对应于地理散列小区j)之间的边的权重。图3A展示了已经被划分为地理散列小区的网格的城市地图。图3B将图3A的地理散列小区的网格展示为无向加权图。如图3A至图3B所示出的，地图300被划分为地理散列小区的网格310a、311a、320a和321a，其中，例如，图3A中的地理散列小区1 310a对应于图3B的顶点1 310b，图3A中的地理散列小区2311a对应于图3B的顶点2 311b等。顶点之间的每个边可以被分配权重Aij，其中权重Aij可以基于顶点的连接强度。例如，顶点i与和j之间的边的权重Aij可以被定义为：
Figure BDA0003428862760000191
权重Aij的值越大，两个顶点i与j的连接就越强。例如，只有当连接边的权重超过某个阈值水平时，才可以认为两个小区是连接的。阈值水平可以是可调整的。在地理散列编码中，阈值水平可以在不同地理散列水平下变化。
社区检测算法可以用于将图的每个节点(地理散列小区)分组或划分为一个或多个不同的社区，使得同一社区内的节点密集地连接并且属于不同社区的节点稀疏地连接。划分的质量通常由划分的模块性来衡量。模块性度量是图的结构的一种衡量，并且指示将图分成群集(即，群组或社区)的强度。具体地，模块性通过考虑分布程度来衡量社区划分的强度。具有高模块性的图在群集内的节点之间具有密集连接，但在不同群集中的节点之间具有稀疏连接。模块性经常被用作用于检测图中的社区结构的优化参数。模块性度量Q可以被定义为：
Figure BDA0003428862760000192
其中Aij可以如上所定义，ki＝∑jAij可以是附接到顶点i的边的权重之和，cc是顶点i被分配到的社区，并且m可以是两个顶点之间的平均权重。两个顶点之间的平均权重m可以被定义为：
Figure BDA0003428862760000193
并且δ(u,v)可以为脉冲，其被定义为
Figure BDA0003428862760000194
较大的Q值指示良好社区结构。
社区检测算法的示例包括K均值和与划分群集相容的分层群集方法。社区检测算法的其他示例包括模块性优化方法，这些模块性优化方法包括卢凡(Louvain)方法及变化形式。卢凡方法包括迭代地重复的两个阶段。最初，图中的每个节点被分配给其自己的社区。在第一阶段，可以通过在所有节点上局部优化模块性来找到小社区。例如，针对每个节点i，计算模块性的变化，以将i从其自己的社区中移除并将其移动到i的每个邻居j的社区中。模块性的变化(ΔQ)可以分两个步骤计算：(1)将i从其初始社区移除，以及(2)将i插入j的社区。这两个方程非常相似，并且针对步骤(2)的方程是：
Figure BDA0003428862760000201
其中Σin是i正要移入的社区内部的链接的所有权重之和，Σtot是到i正要移入的社区中的节点的链接的所有权重之和，ki是i的加权度，ki,in是i与i正要移入的社区中的其他节点之间的链接的权重之和，并且m是图中所有链接的权重之和。当针对i所连接的所有社区计算模块性改变值时，将i放置于产生最大模块性增长的社区中。如果不可能增长，则i保持在初始社区中。将该程序重复且顺序地应用于所有节点直到不会发生模块性增长为止。当模块性的局部最大值被确定时，第一阶段结束。在第二阶段，同一社区中的所有节点被分组并生成新的图，其中节点是来自先前阶段的社区。同一社区的节点之间的任何链接可以由新社区节点上的自循环来表示，并且从同一社区中的多个节点到不同社区中的节点的链接可以由社区之间的加权边来表示。第二阶段在创建新图时结束，并且可以重复从第一阶段开始的另一迭代。
社区检测算法的其他示例包括客户细分、方向性营销、推荐系统、流行病的发现动态、肿瘤和组织细分、犯罪集团的识别。
图6A至图6B展示了基于不同粒度(或大小)的经地理编码小区的地图上的经地理编码小区的经确定群集。图6A展示了已经划分为处于水平地理散列6的地理散列小区的网格的新加坡的地图，并且其中地理散列小区已经基于在一段时间间隔内的供应位置和需求位置被分组为多个社区。社区或群集以不同的灰色阴影示出。图6B展示了已经划分为处于水平地理散列7的地理散列小区的网格的新加坡的地图，并且其中地理散列小区已经基于在另一个时间间隔内的供应位置和需求位置被分组为多个社区。社区或群集以不同的灰色阴影示出。
另外，当位于一个地理小区中的驾驶员拒绝对另一个地理散列小区中的上车的需求时，这可以被认为是指示地理小区不相关的因子。
两个经地理编码小区之间的连接强度可以基于某一时间段内两个经地理编码小区的聚集上车位置之间的距离来确定。经地理编码小区的聚集上车位置可以是经地理编码小区中的预约需求的上车位置的平均值、均值、中间值或模式。距离可以是欧几里得距离、路由距离等。
图8展示了根据各个示例的地理划分系统的框图。地理划分系统可以是打车匹配系统的一部分。
图8是用于确定地图上具有用于动态定价的相似供应图案和需求图案的区域的群组的系统，该系统包括群集电路810和动态定价电路840。群集电路810可以被配置为将地图划分为均一地理单元(小区)的网格，并将一个或多个地理单元(小区)分组为聚集地理单元(即，群集)。群集电路810可以基于每两个地理单元(小区)之间的连接度量对一个或多个地理单元(小区)进行分组。
群集电路可以被配置为接收包括预约需求的位置信息的需求通信804以及包括当对预约需求做出响应时驾驶员的位置信息的供应通信802。
群集电路810可以被配置为与数据存储装置830通信，以维持不同时间段内的供应信息和需求信息以及群集信息。例如，数据存储装置830可以被配置为基于经地理编码小区和时间段来组织和存储接收到的供应位置和需求位置信息。
群集电路810可以被配置为与动态定价电路840通信。群集电路810可以向动态定价电路提供群集供应通信806和群集需求通信808。群集供应通信和群集需求通信中的每一个与为特定时间段确定的一个或多个聚集地理单元中的相应聚集地理单元相关。动态定价电路可以被配置为确定特定时间段的每个相应聚集地理单元(群集)的定价。
群集电路810可以被配置为从地理信息服务器820接收地图信息。替代性地，可以在数据存储装置830中提供预定的地图信息。
群集电路810和/或动态定价电路可以被实施为一个或多个处理器。该一个或多个处理器可以是集中式系统或分布式系统的一部分。
图9展示了根据各个示例的打车系统210的详细框图。打车系统210可以包括用于处理预约请求和响应的应用服务器260、用于存储数据的数据库270以及用于提供通信的网络服务器280。打车系统210还可以包括用于提供地图信息的地理信息服务器290。
应用服务器260可以在与数据库270和网络服务器280通信的通用计算设备中实施。例如，通用计算设备可以包括一个或多个处理器、一个或多个存储器单元、一个或多个大容量存储装置、一个或多个输入接口以及与一个或多个通信总线互连的一个或多个输出接口。一个或多个软件应用程序或模块可以存储在一个或多个存储器单元中，并且可以由一个或多个处理器执行。应用服务器可以包括例如商业电路264、群集电路262和动态定价控制器266，其被实施为执行存储在一个或多个存储器介质中的指令的一个或多个处理器上的一个或多个软件模块。所执行的指令可以导致(多个)处理器接收和处理预约请求和预约响应、生成和提供预约请求和预约响应的结果、处理供应信息和需求信息并生成经划分的地图、以及提供动态定价。例如，商业电路264可以基于由群集电路262和动态定价控制器266提供的信息将预约请求与提供者匹配。应用服务器可以被实施为单片系统或分散系统。
数据库270可以存储预约请求信息(包括请求时间信息、上车位置信息、上车时间信息)、预约响应信息(包括响应时间信息、响应位置信息)、路由信息、交通数据信息以及与由应用服务器260提供的打车服务一起使用的其他数据。数据库270可以与应用服务器260分离或集成。数据库270可以是单个数据库服务器，或者分布在多个数据库服务器中。
网络服务器280可以向应用服务器260提供对通信网络240的访问。网络服务器280可以与应用服务器260分离或集成。
提供了各个示例。
示例1是一种用于划分地理区域的方法，该方法包括：将该地理区域划分为地理单元；针对每个相应地理单元，确定该相应地理单元的中心位置；针对每个相应地理单元，基于某一时间段内该相应地理单元中的上车位置来确定该相应地理单元的聚集需求位置；针对每个相应地理单元，基于在所述时间段内对具有该相应地理单元中的上车位置的请求做出响应时的提供者位置来确定该相应地理单元的聚集供应位置；针对多个地理单元中的每个相应地理单元对，基于该相应地理单元对之间的距离度量来确定该相应地理单元对之间的连接强度，其中，这些距离度量是基于所述时间段内该相应地理单元对的中心位置、聚集供应位置和聚集需求位置来确定的；以及基于所确定的连接强度将每个相应地理单元分配给一个或多个聚集地理单元中的相应聚集地理单元。
在示例2中，如示例1所述的方法，进一步包括：针对每个相应地理单元对，确定中心距离，其中，该中心距离基于所述时间段内该相应地理单元对中的地理单元的中心位置之间的距离。
在示例3中，如示例2所述的方法，其中，该中心距离是该相应地理单元对的几何中心之间的欧几里得距离。
在示例4中，如示例2所述的方法，进一步包括：针对所述时间段内具有上车位置的每个相应地理单元对，确定需求距离，其中，该需求距离基于所述时间段内该相应地理单元对中的地理单元的聚集需求位置之间的距离。
在示例5中，如示例4所述的方法，其中，该需求距离是该相应地理单元对的聚集需求位置之间的欧几里得距离。
在示例6中，如示例4所述的方法，进一步包括：针对每个相应地理单元对，确定供应距离，其中，该供应距离基于所述时间段内该相应地理单元对中的地理单元的聚集供应位置之间的距离。
在示例7中，如示例6所述的方法，其中，该供应距离是该相应地理单元对的聚集供应位置之间的欧几里得距离。
在示例8中，如示例6所述的方法，其中，该相应地理单元对中的两个地理单元之间的连接强度是基于该相应地理单元对中的两个地理单元之间的该中心距离、该需求距离和该供应距离来确定的。
在示例9中，如示例8所述的方法，其中，该相应地理单元的聚集需求位置基于所述时间段内该相应地理单元中的上车位置的分布的平均值。
在示例10中，如示例8所述的方法，其中，该相应地理单元的聚集供应位置基于在所述时间段内对具有该相应地理单元中的上车位置的请求做出响应时的提供者位置的分布的平均值。
在示例11中，如示例8所述的方法，其中，该相应地理单元对中的两个地理单元之间的连接强度是方向性的，并且其中，该连接强度是在两个方向上确定的。
在示例12中，如示例8所述的方法，其中，该连接度量进一步基于供应距离修改因子来确定。
在示例13中，如示例12所述的方法，其中，针对从供应地理单元到需求地理单元的该供应距离的供应距离修改因子基于该需求地理单元的供应者的总数量与来自该供应地理单元的该需求地理单元的供应者的数量之比。
在示例14中，如示例8所述的方法，其中，基于所确定的连接强度将每个相应地理单元分配给一个或多个聚集地理单元中的相应聚集地理单元包括：将第一地理单元分配给第一聚集地理单元；以及当该第一地理单元与第二地理单元之间的连接强度超过预定阈值时，将该第二地理单元分配给所述第一地理单元。
在示例15中，如示例8所述的方法，其中，基于所确定的连接强度将每个相应地理单元分配给一个或多个聚集地理单元中的相应聚集地理单元包括：基于地理单元被分配给第一聚集地理单元来确定所述地理单元的第一模块性度量；基于所述地理单元被分配给第二聚集地理单元来确定所述地理单元的第二模块性度量；当所述地理单元的第一模块性度量大于所述地理单元的第二模块性度量时，将所述地理单元分配给该第一聚集地理单元。
在示例16中，如示例8所述的方法，进一步包括：针对每个相应聚集地理单元，确定群集需求位置，其中，该群集需求位置是基于分配给该相应聚集地理单元的所有地理单元的这些聚集需求位置的平均值来确定的；以及针对每个相应聚集地理单元，确定群集供应位置，其中，该群集供应位置是基于分配给该相应聚集地理单元的所有地理单元的这些聚集需求位置的平均值来确定的。
在示例17中，如示例16所述的方法，进一步包括：将该相应聚集地理单元的群集需求位置和群集供应位置分配给该相应聚集地理单元的每个相应地理单元；以及基于该相应群集需求位置和群集供应位置来确定定价。
示例18是一种用于划分地理区域的方法，该方法包括：将该地理区域划分为均一地理单元的网格；确定这些地理单元中的至少一个地理单元的中心位置；接收关于地理区域中与某一时间段相关联的上车位置和提供者位置的信息；基于所述时间段内这些地理单元中的所述至少一个相应地理单元中的上车位置的分布来确定该相应地理单元中的所述至少一个地理单元的聚集需求位置；基于在所述时间段内对具有这些地理单元中的所述至少一个地理单元中的上车位置的请求做出响应时的提供者位置的分布来确定这些地理单元中的所述至少一个地理单元的聚集供应位置；确定这些地理单元中的所述至少一个地理单元中的两个地理单元之间的连接度量，其中，该连接度量基于中心距离、需求距离和供应距离，其中，该中心距离是所述时间段内这两个地理单元的中心位置之间的距离，该需求距离是所述时间段内这两个地理单元的聚集供应位置之间的距离，并且该供应距离是所述时间段内这两个地理单元的聚集需求位置之间的距离；以及基于该连接度量将这些地理单元中的所述至少一个地理单元分配给聚集地理单元。
示例19是一种用于划分地理区域的方法，该方法包括：接收关于地理区域中与某一时间段相关联的上车位置和提供者位置的信息；将该地理区域划分为一组均一的经地理编码小区；针对该组中的每个相应经地理编码小区，确定该相应经地理编码小区的中心位置；针对该组中的每个相应经地理编码小区，基于所述时间段内该相应经地理编码小区中的上车位置来确定该相应经地理编码小区的聚集需求位置；针对该组中的每个相应经地理编码小区，基于在所述时间段内对具有该相应经地理编码小区中的上车位置的请求做出响应时的提供者位置来确定该相应经地理编码小区的聚集供应位置；针对这些经地理编码小区的子集中的每个相应经地理编码小区对，基于该相应经地理编码小区对之间的距离度量来确定该相应经地理编码小区对之间的连接强度，其中，这些距离度量是基于该相应经地理编码小区对的中心位置之间的距离、所述时间段内该相应经地理编码小区对的聚集供应位置之间的距离以及所述时间段内该相应经地理编码小区对的聚集需求位置之间的距离来确定的；以及基于所确定的连接强度将每个相应经地理编码小区分配给一个或多个群集中的相应群集。
在示例20中，如示例19所述的方法，其中，这些经地理编码小区的子集包括多个经地理编码小区，其中，该多个经地理编码小区中的每个经地理编码小区的中心位置之间的距离小于预定最大距离，或者其中，该多个经地理编码小区中的每个经地理编码小区之间的跃点的数量低于预定最大跃点数量。
在另一个示例20中，如示例1所述的方法，其中，该多个地理单元是该多个地理单元中的每个地理单元的中心位置之间的距离小于预定最大距离或者该多个地理单元中的每个地理单元之间的跃点的数量小于预定最大跃点数量的地理单元的子集。
示例21是一种用于划分地理区域的方法，该方法包括：将该地理区域划分为地理单元；针对每个地理单元，确定该地理单元的中心位置；针对每个地理单元，基于某一时间段内相应地理单元中的上车位置的分布来确定该相应地理单元的聚集需求位置；针对每个地理单元，基于在该时间段内对具有该相应地理单元中的上车位置的请求做出响应时的提供者位置的分布来确定该相应地理单元的聚集供应位置；基于距离度量来确定两个地理单元之间的连接度量，其中，这些距离度量是基于该时间段内这两个地理单元的中心位置、聚集供应位置和聚集需求位置来确定的；以及基于该连接度量将这些地理单元分配到一个或多个聚集地理单元中。
在示例22中，如示例21所述的方法可以进一步包括：针对每个相应地理单元对，确定中心距离，其中，该中心距离基于该时间段内该相应地理单元对中的地理单元的中心位置之间的距离。
在示例23中，如示例21或示例22所述的方法可以进一步包括：针对该时间段内具有上车位置的每个相应地理单元对，确定需求距离，其中，该需求距离基于该时间段内该相应地理单元对中的地理单元的聚集需求位置之间的距离。
在示例24中，如示例21至23中任一项所述的方法可以进一步包括：针对每个相应地理单元对，确定供应距离，其中，该供应距离基于该时间段内该相应地理单元对中的地理单元的聚集供应位置之间的距离。
在示例25中，如示例21至24中任一项所述的方法可以进一步包括：其中，两个地理单元之间的该连接度量是基于这两个地理单元之间的该中心距离、该需求距离和该供应距离来确定的。
在示例26中，如示例22所述的方法可以进一步包括：其中，该中心距离是该相应地理单元对的几何中心之间的欧几里得距离。
在示例27中，如示例23所述的方法可以进一步包括：其中，该需求距离是该相应地理单元对的聚集需求位置之间的欧几里得距离。
在示例28中，如示例24所述的方法可以进一步包括：其中，该供应距离是该相应地理单元对的聚集供应位置之间的欧几里得距离。
在示例29中，如示例25所述的方法可以进一步包括：其中，该连接度量进一步基于供应距离修改因子来确定。
在示例30中，如示例29所述的方法可以进一步包括：其中，针对从供应地理单元到需求地理单元的该供应距离的供应距离修改因子基于该需求地理单元的供应者的总数量与来自该供应地理单元的该需求地理单元的供应者的数量之比。
在示例31中，如示例24所述的方法可以进一步包括：接收提供多个请求的上车位置和上车时间的信息。
在示例32中，如示例31所述的方法可以进一步包括：接收提供与提供者对该多个请求做出响应的时间相关联的提供者位置的信息。
在示例33中，如示例32所述的方法可以进一步包括：其中，提供者的响应是对请求的接受或拒绝。
在示例34中，如示例32所述的方法可以进一步包括：其中，提供者的响应仅是对请求的接受。
虽然已经参考特定示例具体示出和描述了本披露内容，但是本领域技术人员应该理解，在不脱离如所附权利要求所限定的本发明的精神和范围的情况下，可以在其中进行形式和细节的各种变化。因此，本发明的范围由所附权利要求指示，并且因此旨在涵盖属于权利要求的等同物的含义和范围内的所有改变。

Claims (16)

1.一种用于划分地理区域的方法，该方法包括：
将该地理区域划分为地理单元；
针对每个相应地理单元，确定该相应地理单元的中心位置；
针对每个相应地理单元，基于某一时间段内该相应地理单元中的上车位置来确定该相应地理单元的聚集需求位置；
针对每个相应地理单元，基于在所述时间段内对具有该相应地理单元中的上车位置的请求做出响应时的提供者位置来确定该相应地理单元的聚集供应位置；
针对每个相应地理单元对，确定中心距离，其中，该中心距离基于所述时间段内该相应地理单元对中的地理单元的中心位置之间的距离；
针对所述时间段内具有上车位置的每个相应地理单元对，确定需求距离，其中，该需求距离基于所述时间段内该相应地理单元对中的地理单元的聚集需求位置之间的距离；
针对每个相应地理单元对，确定供应距离，其中，该供应距离基于所述时间段内该相应地理单元对中的地理单元的聚集供应位置之间的距离；
针对多个地理单元中的每个相应地理单元对，基于该相应地理单元对之间的距离度量来确定该相应地理单元对之间的连接强度，其中，这些距离度量是基于所述时间段内该相应地理单元对的中心位置、聚集供应位置和聚集需求位置来确定的，其中，该相应地理单元对中的两个地理单元之间的连接强度是基于该相应地理单元对中的两个地理单元之间的该中心距离、该需求距离和该供应距离来确定的；以及
基于所确定的连接强度将每个相应地理单元分配给一个或多个聚集地理单元中的相应聚集地理单元。
2.如权利要求1所述的方法，其中，该中心距离是该相应地理单元对的几何中心之间的欧几里得距离。
3.如权利要求1所述的方法，其中，该需求距离是该相应地理单元对的聚集需求位置之间的欧几里得距离。
4.如权利要求1所述的方法，其中，该供应距离是该相应地理单元对的聚集供应位置之间的欧几里得距离。
5.如权利要求1所述的方法，其中，该相应地理单元的聚集需求位置基于所述时间段内该相应地理单元中的上车位置的分布的平均值。
6.如权利要求1所述的方法，其中，该相应地理单元的聚集供应位置基于在所述时间段内对具有该相应地理单元中的上车位置的请求做出响应时的提供者位置的分布的平均值。
7.如权利要求1所述的方法，其中，该相应地理单元对中的两个地理单元之间的连接强度是方向性的，并且其中，该连接强度是在两个方向上确定的。
8.如权利要求1所述的方法，其中，该连接强度进一步基于供应距离修改因子来确定。
9.如权利要求8所述的方法，其中，针对从供应地理单元到需求地理单元的该供应距离的供应距离修改因子基于该需求地理单元的供应者的总数量与来自该供应地理单元的该需求地理单元的供应者的数量之比。
10.如权利要求1所述的方法，其中，基于所确定的连接强度将每个相应地理单元分配给一个或多个聚集地理单元中的相应聚集地理单元包括：
将第一地理单元分配给第一聚集地理单元；以及
当该第一地理单元与第二地理单元之间的连接强度超过预定阈值时，将第二地理单元分配给所述第一地理单元。
11.如权利要求1所述的方法，其中，基于所确定的连接强度将每个相应地理单元分配给一个或多个聚集地理单元中的相应聚集地理单元包括：
基于地理单元被分配给第一聚集地理单元来确定所述地理单元的第一模块性度量；
基于所述地理单元被分配给第二聚集地理单元来确定所述地理单元的第二模块性度量；
当所述地理单元的第一模块性度量大于所述地理单元的第二模块性度量时，将所述地理单元分配给该第一聚集地理单元。
12.如权利要求1所述的方法，进一步包括：
针对每个相应聚集地理单元，确定群集需求位置，其中，该群集需求位置是基于分配给该相应聚集地理单元的所有地理单元的这些聚集需求位置的平均值来确定的；以及
针对每个相应聚集地理单元，确定群集供应位置，其中，该群集供应位置是基于分配给该相应聚集地理单元的所有地理单元的这些聚集需求位置的平均值来确定的。
13.如权利要求12所述的方法，进一步包括：
将该相应聚集地理单元的群集需求位置和群集供应位置分配给该相应聚集地理单元的每个相应地理单元；以及
基于相应群集需求位置和群集供应位置来确定所述时间段内与该相应地理单元相关联的定价。
14.一种用于划分地理区域的方法，该方法包括：
将该地理区域划分为均一地理单元的网格；
确定这些地理单元中的至少一个地理单元的中心位置；
接收关于地理区域中与某一时间段相关联的上车位置和提供者位置的信息；
基于所述时间段内这些相应地理单元中的所述至少一个相应地理单元中的上车位置的分布来确定这些相应地理单元中的所述至少一个地理单元的聚集需求位置；
基于在所述时间段内对具有这些地理单元中的所述至少一个地理单元中的上车位置的请求做出响应时的提供者位置的分布来确定这些地理单元中的所述至少一个地理单元的聚集供应位置；
确定这些地理单元中的所述至少一个地理单元中的两个地理单元之间的连接度量，其中，该连接度量基于中心距离、需求距离和供应距离，其中，该中心距离是所述时间段内这两个地理单元的中心位置之间的距离，该需求距离是所述时间段内这两个地理单元的聚集供应位置之间的距离，并且该供应距离是所述时间段内这两个地理单元的聚集需求位置之间的距离；以及
基于该连接度量将这些地理单元中的所述至少一个地理单元分配给聚集地理单元。
15.一种用于划分地理区域的方法，该方法包括：
接收关于地理区域中与某一时间段相关联的上车位置和提供者位置的信息；
将该地理区域划分为一组均一的经地理编码小区；
针对该组中的每个相应经地理编码小区，确定该相应经地理编码小区的中心位置；
针对该组中的每个相应经地理编码小区，基于所述时间段内该相应经地理编码小区中的上车位置来确定该相应经地理编码小区的聚集需求位置；
针对该组中的每个相应经地理编码小区，基于在所述时间段内对具有该相应经地理编码小区中的上车位置的请求做出响应时的提供者位置来确定该相应经地理编码小区的聚集供应位置；
针对这些经地理编码小区的子集中的每个相应经地理编码小区对，基于该相应经地理编码小区对之间的距离度量来确定该相应经地理编码小区对之间的连接强度，其中，这些距离度量是基于该相应经地理编码小区对的中心位置之间的距离、所述时间段内该相应经地理编码小区对的聚集供应位置之间的距离以及所述时间段内该相应经地理编码小区对的聚集需求位置之间的距离来确定的；以及
基于所确定的连接强度将每个相应经地理编码小区分配给一个或多个群集中的相应群集。
16.如权利要求15所述的方法，其中，这些经地理编码小区的子集包括多个经地理编码小区，其中，该多个经地理编码小区中的每个经地理编码小区的中心位置之间的距离小于预定最大距离，或者其中，该多个经地理编码小区中的每个经地理编码小区之间的跃点的数量低于预定最大跃点数量。
CN202080046153.3A 2020-02-18 2020-02-18 将地理区域划分为用于动态定价的逻辑区域的系统和方法 Active CN114009067B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/SG2020/050081 WO2021167525A1 (en) 2020-02-18 2020-02-18 System and method for partitioning geographical areas into logistical areas for dynamic pricing

Publications (2)

Publication Number Publication Date
CN114009067A CN114009067A (zh) 2022-02-01
CN114009067B true CN114009067B (zh) 2023-04-04

Family

ID=77391882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080046153.3A Active CN114009067B (zh) 2020-02-18 2020-02-18 将地理区域划分为用于动态定价的逻辑区域的系统和方法

Country Status (5)

Country Link
US (1) US20220383349A1 (zh)
CN (1) CN114009067B (zh)
SG (1) SG11202113323UA (zh)
TW (1) TW202137129A (zh)
WO (1) WO2021167525A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI806396B (zh) * 2022-01-28 2023-06-21 開曼群島商粉迷科技股份有限公司 提供使用者有興趣區域內容的方法與系統

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107767197A (zh) * 2016-08-16 2018-03-06 北京嘀嘀无限科技发展有限公司 一种订单分配的方法及服务器
WO2018223952A1 (en) * 2017-06-06 2018-12-13 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for region division
CN109003107A (zh) * 2017-06-06 2018-12-14 北京嘀嘀无限科技发展有限公司 区域划分方法及装置
CN109087502A (zh) * 2017-06-14 2018-12-25 北京嘀嘀无限科技发展有限公司 基于订单分布的车辆调度方法、调度系统、计算机设备

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140089036A1 (en) * 2012-09-26 2014-03-27 Xerox Corporation Dynamic city zoning for understanding passenger travel demand
PH12017501388A1 (en) * 2015-02-02 2018-01-08 Beijing Didi Infinity Technology & Dev Co Ltd Methods and systems for order processing
SG11201706602RA (en) * 2015-02-13 2017-09-28 Beijing Didi Infinity Tech And Dev Co Ltd Methods and systems for transport capacity scheduling
US11049124B2 (en) * 2016-04-07 2021-06-29 Lyft, Inc. System and method for navigating drivers to service transportation requests having surge pricing multipliers and surge pricing caps
CN106570917A (zh) * 2016-10-25 2017-04-19 先锋智道（北京）科技有限公司 车辆需求热力图生成方法和装置
CN108537351B (zh) * 2017-03-02 2020-09-22 北京嘀嘀无限科技发展有限公司 一种推荐上车点的确定方法及装置
CN109102135B (zh) * 2017-06-21 2021-03-16 北京嘀嘀无限科技发展有限公司 订单分配方法及装置
AU2018284492A1 (en) * 2017-06-14 2020-02-27 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for transport capacity scheduling
CN109213949A (zh) * 2017-06-19 2019-01-15 北京嘀嘀无限科技发展有限公司 热力图的绘制方法和装置
CN110211369B (zh) * 2017-08-16 2021-11-05 北京嘀嘀无限科技发展有限公司 用于调度空闲运力的方法、设备和介质
US11062237B2 (en) * 2018-02-06 2021-07-13 ANI Technologies Private Limited Method and system for maximizing share-ride bookings
CN110188968A (zh) * 2018-02-22 2019-08-30 北京嘀嘀无限科技发展有限公司 区域划分、热度统计的方法及装置
US20210125201A1 (en) * 2018-06-08 2021-04-29 Sony Corporation Information processing apparatus, information processing method, and program
WO2019243969A1 (en) * 2018-06-19 2019-12-26 Ancestry.Com Dna, Llc Filtering genetic networks to discover populations of interest
US20200082314A1 (en) * 2018-09-07 2020-03-12 Lyft, Inc. Efficiency of a transportation matching system using geocoded provider models
US20210173855A1 (en) * 2019-12-10 2021-06-10 Here Global B.V. Method, apparatus, and computer program product for dynamic population estimation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107767197A (zh) * 2016-08-16 2018-03-06 北京嘀嘀无限科技发展有限公司 一种订单分配的方法及服务器
WO2018223952A1 (en) * 2017-06-06 2018-12-13 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for region division
CN109003107A (zh) * 2017-06-06 2018-12-14 北京嘀嘀无限科技发展有限公司 区域划分方法及装置
CN109087502A (zh) * 2017-06-14 2018-12-25 北京嘀嘀无限科技发展有限公司 基于订单分布的车辆调度方法、调度系统、计算机设备

Also Published As

Publication number Publication date
US20220383349A1 (en) 2022-12-01
CN114009067A (zh) 2022-02-01
SG11202113323UA (en) 2021-12-30
WO2021167525A1 (en) 2021-08-26
TW202137129A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
An et al. A network partitioning algorithmic approach for macroscopic fundamental diagram-based hierarchical traffic network management
WO2013167085A2 (zh) 一种基于栅格映射生长的交通网络划分方法及配置服务器
CN109165787B (zh) 公交路线定制方法、装置以及设备
WO2019153761A1 (zh) 配送任务分配方法、装置、电子设备及计算机存储介质
CN113763700B (zh) 信息处理方法、装置、计算机设备及存储介质
EP1754955B1 (en) Navigation method and corresponding system for determining a travel related time
CN110909759A (zh) 基于人口大数据的城市区域分级管理系统及方法
US20030050754A1 (en) Mapping patterns of movement based on the aggregation of spatial information contained in wireless transmissions
Chen et al. Dynamic airspace configuration method based on a weighted graph model
AU2014324087A1 (en) Determining network maps of transport networks
CN114009067B (zh) 将地理区域划分为用于动态定价的逻辑区域的系统和方法
CN111045827A (zh) 云雾环境中基于资源共享的时间有效性的任务调度方法
Ban et al. Curvature-based distribution algorithm: rebalancing bike sharing system with agent-based simulation
CN106130110B (zh) 基于分层概率选择出行地的电动出租车充电站定容方法
CN115225643A (zh) 点云平台大数据分布式管理方法、装置及系统
TWI701635B (zh) 用於提供運輸服務的系統和方法
CN114723121A (zh) 基于gis的野外复杂地形路径规划方法
CN113240265B (zh) 一种基于多模式交通数据的城市空间划分方法
Rigby et al. A continuous representation of ad hoc ridesharing potential
CN116132998B (zh) 一种基于路口中心度的城市边缘服务器部署方法
Żochowska Dynamic approach to the Origin-destination matrix estimation in dense street networks
CN111738527B (zh) 一种基于热点探测模型的城市交通小区划分方法
CN111008730B (zh) 基于城市空间结构的人群聚集度预测模型构建方法及装置
JP2023134578A (ja) 地域チャットに対するプレイヤー密度を基にした地域区分
Zhang et al. Offloading demand prediction-driven latency-aware resource reservation in edge networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant