JP2020504344A - 推定された到着時間を決定するためのシステムおよび方法 - Google Patents
推定された到着時間を決定するためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2020504344A JP2020504344A JP2018568378A JP2018568378A JP2020504344A JP 2020504344 A JP2020504344 A JP 2020504344A JP 2018568378 A JP2018568378 A JP 2018568378A JP 2018568378 A JP2018568378 A JP 2018568378A JP 2020504344 A JP2020504344 A JP 2020504344A
- Authority
- JP
- Japan
- Prior art keywords
- determining
- historical
- neural network
- network model
- history
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000003062 neural network model Methods 0.000 claims abstract description 82
- 238000003860 storage Methods 0.000 claims description 52
- 230000008569 process Effects 0.000 claims description 45
- 238000013527 convolutional neural network Methods 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 description 100
- 230000006870 function Effects 0.000 description 18
- 238000012986 modification Methods 0.000 description 11
- 230000004048 modification Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000011176 pooling Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000029305 taxis Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 235000015842 Hesperis Nutrition 0.000 description 1
- 235000012633 Iberis amara Nutrition 0.000 description 1
- 241001236644 Lavinia Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- -1 daily necessities Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000002759 z-score normalization Methods 0.000 description 1
Classifications
-
- G06Q50/40—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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"
-
- 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
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Molecular Biology (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Primary Health Care (AREA)
- Navigation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
接続を介して互いに接続されるか、または互いと通信し得る。有線接続は、メタル・ケーブル、光ケーブル、ハイブリッド・ケーブルなど、またはそれらの任意の組合せを含み得る。無線接続は、ローカル・エリア・ネットワーク(LAN)、ワイド・エリア・ネットワーク(WAN)、Bluetooth、ZigBee、ニア・フィールド通信(NFC)など、またはそれらの任意の組合せを含み得る。モジュールのうちの2つまたはそれ以上が組み合わせられて、単一のモジュールになり得、モジュールのうちのいずれか1つが、2つまたはそれ以上のユニットに分割され得る。たとえば、取得モジュール302および決定モジュール306は、単一のモジュールとして組み合わせられ得、それらは両方とも、サービス要求を取得し、トレーニングされたニューラル・ネットワーク・モデルに基づいて、サービス要求に関係するETAを決定し得る。別の例として、処理エンジン112は、サービス要求、トレーニングされたニューラル・ネットワーク・モデル、ETA、および/またはサービス要求に関連する任意の情報を記憶するために使用されるストレージ・モジュール(図示せず)を含み得る。
Claims (27)
- 推定された到着時間(ETA)を決定するためのシステムであって、
命令のセットを含むストレージ・デバイスと、
前記ストレージ・デバイスと通信し、前記システムに、
サービス要求を端末から取得することと、
前記サービス要求に関係する基準画像を決定することと、
トレーニングされたニューラル・ネットワーク・モデルを取得することと、
前記基準画像と前記トレーニングされたニューラル・ネットワーク・モデルとに基づいて、前記サービス要求に関係するETAを決定することと、
前記ETAを前記端末に送信することと
を行わせるために前記命令のセットを実行するように構成された少なくとも1つのプロセッサと
を備える、システム。 - 前記少なくとも1つのプロセッサが、前記システムに、
前記ETAを前記ストレージ・デバイスに記憶させるために、前記命令のセットを実行するようにさらに構成された、請求項1に記載のシステム。 - 前記サービス要求に関係する前記基準画像を決定するために、前記少なくとも1つのプロセッサが、前記システムに、
前記サービス要求に関係する第1のベース画像を取得することと、
前記ベース画像に基づいて、前記サービス要求に関係する特徴画像を決定することと、
前記ベース画像と前記特徴画像とに基づいて、前記サービス要求に関係するルート・チャネルを取得することと、
前記ベース画像と、前記特徴画像と、前記ルート・チャネルとに基づいて、前記サービス要求に関係する前記基準画像を決定することと
を行わせるために、前記命令のセットを実行するように構成された、請求項1に記載のシステム。 - 前記サービス要求に関係する前記第1のベース画像を取得するために、前記少なくとも1つのプロセッサが、前記システムに、
前記サービス要求に関係する地理情報を取得することと、
前記地理情報に基づいて、前記第1のベース画像を決定することと
を行わせるために、前記命令のセットを実行するように構成された、請求項3に記載のシステム。 - 前記トレーニングされたニューラル・ネットワーク・モデルが、トレーニングされたニューラル・ネットワーク・モデルを決定するためのプロセスに基づいて生成され、前記プロセスが、
複数の履歴サービス・オーダーを取得することと、
前記複数の履歴サービス・オーダーに関係する第2のベース画像を取得することと、
前記第2のベース画像に基づいて、前記複数の履歴サービス・オーダーに関係する複数の履歴特徴画像を決定することと、
前記第2のベース画像と前記複数の履歴特徴画像とに基づいて、前記複数の履歴サービス・オーダーに関係する複数の履歴ルート・チャネルを決定することと、
前記第2のベース画像と、前記複数の履歴特徴画像と、前記複数の履歴ルート・チャネルとに基づいて、前記複数の履歴サービス・オーダーに関係する複数のサンプル画像を決定することと、
前記複数のサンプル画像に基づいて、前記トレーニングされたニューラル・ネットワーク・モデルを決定することと
を含む、請求項1に記載のシステム。 - トレーニングされたニューラル・ネットワーク・モデルを生成するための前記プロセスは、
前記複数の履歴サービス・オーダーの複数の実際の到着時間(ATA)を取得することと、
予備ニューラル・ネットワーク・モデルを取得することと、
前記予備ニューラル・ネットワーク・モデルと前記複数のサンプル画像とに基づいて、複数のサンプルETAを決定することと、
前記複数のATAと前記複数のサンプルETAとに基づいて、損失関数を決定することと、
前記損失関数の値がしきい値よりも小さいかどうかを決定することと、
前記損失関数の前記値が前記しきい値よりも小さいという決定に応答して、前記予備ニューラル・ネットワーク・モデルを前記トレーニングされたニューラル・ネットワーク・モデルに指定することと
をさらに含む、請求項5に記載のシステム。 - トレーニングされたニューラル・ネットワーク・モデルを生成するための前記プロセスは、
前記損失関数の前記値が前記しきい値よりも大きいかまたはそれに等しいという決定に応答して、前記予備ニューラル・ネットワーク・モデルを更新すること
をさらに含む、請求項6に記載のシステム。 - 前記予備ニューラル・ネットワーク・モデルが畳み込みニューラル・ネットワーク・モデルである、請求項6に記載のシステム。
- 前記複数の履歴サービス・オーダーに関係する前記複数の履歴特徴画像を前記決定することが、
前記複数の履歴サービス・オーダーに関係する交通情報を決定することと、
前記交通情報に基づいて、前記複数の履歴特徴画像を決定することと
を含む、請求項5に記載のシステム。 - 前記複数の履歴サービス・オーダーに関係する前記複数の履歴特徴画像を前記決定することが、
前記交通情報を正規化することと、
前記正規化された交通情報に基づいて、前記複数の履歴サービス・オーダーに関係する前記複数の履歴特徴画像を決定することと
を含む、請求項9に記載のシステム。 - 前記交通情報が、前記複数の履歴サービス・オーダーに関係する車両速度情報、または前記複数の履歴サービス・オーダーに関係する交通流情報を含む、請求項9に記載のシステム。
- 前記複数の履歴サービス・オーダーに関係する複数の履歴ルート・チャネルを前記決定することが、
前記複数の履歴サービス・オーダーの各々について、
前記複数の履歴サービス・オーダーの前記各々に対応する履歴特徴画像上の前記複数の履歴サービス・オーダーの前記各々に関係する履歴ルートを決定することと、
前記履歴特徴画像上の前記履歴ルートのための値を割り当てることと、
前記値と前記履歴特徴画像とに基づいて、前記複数の履歴サービス・オーダーの前記各々に対応する履歴ルート・チャネルを決定することと
を含む、請求項5に記載のシステム。 - 前記履歴特徴画像上の前記履歴ルートのための前記値が、−1または255である、請求項12に記載のシステム。
- 推定された到着時間(ETA)を決定するための方法であって、
プロセッサによって、サービス要求を端末から取得するステップと、
前記プロセッサによって、前記サービス要求に関係する基準画像を決定するステップと、
前記プロセッサによって、トレーニングされたニューラル・ネットワーク・モデルを取得するステップと、
前記プロセッサによって、前記基準画像と前記トレーニングされたニューラル・ネットワーク・モデルとに基づいて、前記サービス要求に関係するETAを決定するステップと、
前記プロセッサによって、前記ETAを前記端末に送信するステップと
を含む、方法。 - 前記ETAをストレージ・デバイスに記憶するステップをさらに含む、請求項14に記載の方法。
- 前記サービス要求に関係する前記基準画像を決定する前記ステップが、
前記サービス要求に関係する第1のベース画像を取得するステップと、
前記ベース画像に基づいて、前記サービス要求に関係する特徴画像を決定するステップと、
前記ベース画像と前記特徴画像とに基づいて、前記サービス要求に関係するルート・チャネルを取得するステップと、
前記ベース画像と、前記特徴画像と、前記ルート・チャネルとに基づいて、前記サービス要求に関係する前記基準画像を決定するステップと
を含む、請求項14に記載の方法。 - 前記サービス要求に関係する前記第1のベース画像を取得する前記ステップが、
前記サービス要求に関係する地理情報を取得するステップと、
前記地理情報に基づいて、前記第1のベース画像を決定するステップと
を含む、請求項16に記載の方法。 - 前記トレーニングされたニューラル・ネットワーク・モデルが、トレーニングされたニューラル・ネットワーク・モデルを決定するためのプロセスに基づいて生成され、前記プロセスが、
複数の履歴サービス・オーダーを取得するステップと、
前記複数の履歴サービス・オーダーに関係する第2のベース画像を取得するステップと、
前記第2のベース画像に基づいて、前記複数の履歴サービス・オーダーに関係する複数の履歴特徴画像を決定するステップと、
前記第2のベース画像と前記複数の履歴特徴画像とに基づいて、前記複数の履歴サービス・オーダーに関係する複数の履歴ルート・チャネルを決定するステップと、
前記第2のベース画像と、前記複数の履歴特徴画像と、前記複数の履歴ルート・チャネルとに基づいて、前記複数の履歴サービス・オーダーに関係する複数のサンプル画像を決定するステップと、
前記複数のサンプル画像に基づいて、前記トレーニングされたニューラル・ネットワーク・モデルを決定するステップと
を含む、請求項14に記載の方法。 - トレーニングされたニューラル・ネットワーク・モデルを生成するための前記プロセスは、
前記複数の履歴サービス・オーダーの複数の実際の到着時間(ATA)を取得するステップと、
予備ニューラル・ネットワーク・モデルを取得するステップと、
前記予備ニューラル・ネットワーク・モデルと前記複数のサンプル画像とに基づいて、複数のサンプルETAを決定するステップと、
前記複数のATAと前記複数のサンプルETAとに基づいて、損失関数を決定するステップと、
前記損失関数の値がしきい値よりも小さいかどうかを決定するステップと、
前記損失関数の前記値が前記しきい値よりも小さいという決定に応答して、前記予備ニューラル・ネットワーク・モデルを前記トレーニングされたニューラル・ネットワーク・モデルに指定するステップと
をさらに含む、請求項18に記載の方法。 - トレーニングされたニューラル・ネットワーク・モデルを生成するための前記プロセスは、
前記損失関数の前記値が前記しきい値よりも大きいかまたはそれに等しいという決定に応答して、前記予備ニューラル・ネットワーク・モデルを更新するステップ
をさらに含む、請求項19に記載の方法。 - 前記予備ニューラル・ネットワーク・モデルが畳み込みニューラル・ネットワーク・モデルである、請求項19に記載の方法。
- 前記複数の履歴サービス・オーダーに関係する前記複数の履歴特徴画像を決定する前記ステップが、
前記複数の履歴サービス・オーダーに関係する交通情報を決定するステップと、
前記交通情報に基づいて、前記複数の履歴特徴画像を決定するステップと
を含む、請求項18に記載の方法。 - 前記複数の履歴サービス・オーダーに関係する前記複数の履歴特徴画像を決定する前記ステップが、
前記交通情報を正規化するステップと、
前記正規化された交通情報に基づいて、前記複数の履歴サービス・オーダーに関係する前記複数の履歴特徴画像を決定するステップと
を含む、請求項22に記載の方法。 - 前記交通情報が、前記複数の履歴サービス・オーダーに関係する車両速度情報、または前記複数の履歴サービス・オーダーに関係する交通流情報を含む、請求項22に記載の方法。
- 前記複数の履歴サービス・オーダーに関係する複数の履歴ルート・チャネルを決定する前記ステップが、
前記複数の履歴サービス・オーダーの各々について、
前記複数の履歴サービス・オーダーの前記各々に対応する履歴特徴画像上の前記複数の履歴サービス・オーダーの前記各々に関係する履歴ルートを決定するステップと、
前記履歴特徴画像上の前記履歴ルートのための値を割り当てるステップと、
前記値と前記履歴特徴画像とに基づいて、前記複数の履歴サービス・オーダーの前記各々に対応する履歴ルート・チャネルを決定するステップと
を含む、請求項18に記載の方法。 - 前記履歴特徴画像上の前記履歴ルートのための前記値が、−1または255である、請求項25に記載の方法。
- 実行可能な命令を含む非一時的コンピュータ可読媒体であって、前記実行可能な命令が、少なくとも1つのプロセッサによって実行されたとき、前記媒体に、
サービス要求を端末から取得するステップと、
前記サービス要求に関係する基準画像を決定するステップと、
トレーニングされたニューラル・ネットワーク・モデルを取得するステップと、
前記基準画像と前記トレーニングされたニューラル・ネットワーク・モデルとに基づいて、前記サービス要求に関係するETAを決定するステップと、
前記ETAを前記端末に送信するステップと
を含む方法を実施させる、非一時的コンピュータ可読媒体。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/082163 WO2018195847A1 (en) | 2017-04-27 | 2017-04-27 | Systems and methods for determining an estimated time of arrival |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020504344A true JP2020504344A (ja) | 2020-02-06 |
JP6876071B2 JP6876071B2 (ja) | 2021-05-26 |
Family
ID=63918666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018568378A Active JP6876071B2 (ja) | 2017-04-27 | 2017-04-27 | 推定された到着時間を決定するためのシステムおよび方法 |
Country Status (10)
Country | Link |
---|---|
US (1) | US11398002B2 (ja) |
EP (1) | EP3461310B1 (ja) |
JP (1) | JP6876071B2 (ja) |
CN (2) | CN112036645B (ja) |
AU (2) | AU2017411519B2 (ja) |
CA (1) | CA3030580C (ja) |
HU (1) | HUE051292T2 (ja) |
SG (1) | SG11201811659PA (ja) |
TW (1) | TW201842472A (ja) |
WO (1) | WO2018195847A1 (ja) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SG11201811659PA (en) * | 2017-04-27 | 2019-01-30 | Beijing Didi Infinity Technology & Development Co Ltd | Systems and methods for determining an estimated time of arrival |
US10872305B2 (en) | 2017-10-30 | 2020-12-22 | DoorDash, Inc. | Depot dispatch protocol for aggregating on-demand deliveries |
US11037055B2 (en) * | 2017-10-30 | 2021-06-15 | DoorDash, Inc. | System for dynamic estimated time of arrival predictive updates |
US11449962B2 (en) | 2018-07-03 | 2022-09-20 | Lyft, Inc. | Systems and methods for transport cancellation using data-driven models |
CN111860903A (zh) * | 2019-09-18 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种确定预估到达时间的方法和系统 |
KR20210042717A (ko) * | 2019-10-10 | 2021-04-20 | 삼성전자주식회사 | 무선 통신 시스템에서 인공 지능을 활용한 신호 송수신 방법 및 장치 |
CN111105141B (zh) * | 2019-11-23 | 2023-06-02 | 同济大学 | 一种需求响应型公交调度方法 |
CN111239715B (zh) * | 2020-01-13 | 2023-04-04 | 哈尔滨工业大学 | 一种联合灰色关联和神经网络的指纹定位方法 |
CN111899061B (zh) * | 2020-03-10 | 2024-04-16 | 北京畅行信息技术有限公司 | 订单推荐方法、装置、设备及存储介质 |
CN111582543A (zh) * | 2020-04-01 | 2020-08-25 | 北京百度网讯科技有限公司 | 预测模型的生成方法、估计到达时间确定方法及装置 |
CN111784475A (zh) * | 2020-07-06 | 2020-10-16 | 北京嘀嘀无限科技发展有限公司 | 一种订单信息处理方法、系统、装置及存储介质 |
CN111861178A (zh) * | 2020-07-13 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 服务匹配模型的训练方法、服务匹配方法、设备及介质 |
CN111881375A (zh) * | 2020-07-28 | 2020-11-03 | 北京嘀嘀无限科技发展有限公司 | 一种顺路订单分配方法、装置、电子设备及可读存储介质 |
CN112785083B (zh) * | 2021-02-04 | 2022-05-10 | 腾讯科技(深圳)有限公司 | 到达时间的预估方法、装置、电子设备以及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05334276A (ja) * | 1990-12-27 | 1993-12-17 | Toshiba Corp | 学習機械の学習法 |
JP2007311854A (ja) * | 2006-05-16 | 2007-11-29 | Sun Corp | サーバ装置、および文字データの中継方法 |
JP2013127462A (ja) * | 2011-12-16 | 2013-06-27 | Toyota Infotechnology Center Co Ltd | 道程最終目的地点の決定 |
US20160202074A1 (en) * | 2015-01-11 | 2016-07-14 | Microsoft Technology Licensing, Llc | Predicting and utilizing variability of travel times in mapping services |
WO2016119704A1 (zh) * | 2015-01-27 | 2016-08-04 | 北京嘀嘀无限科技发展有限公司 | 一种为按需服务提供信息的方法及系统 |
JP2016212535A (ja) * | 2015-05-01 | 2016-12-15 | 株式会社ゼンリン | 情報処理装置、交通情報データ、および、コンピュータプログラム |
Family Cites Families (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090030885A1 (en) | 2007-07-26 | 2009-01-29 | Ridecharge | Method and system for on-demand and scheduled services relating to travel and transportation |
CN102081859B (zh) * | 2009-11-26 | 2014-10-01 | 上海遥薇(集团)有限公司 | 一种公交车到站时间预测模型控制方法 |
CA2724883C (en) * | 2009-12-29 | 2015-01-27 | Research In Motion Limited | System and method of sending an arrival time estimate |
WO2011125059A2 (en) * | 2010-04-08 | 2011-10-13 | Way Better Ltd | Public transport optimization |
US9135624B2 (en) * | 2010-09-23 | 2015-09-15 | Intelligent Mechatronic Systems Inc. | User-centric traffic enquiry and alert system |
CN102436598B (zh) | 2011-09-08 | 2014-04-02 | 崔志明 | 一种基于交通图像信息的车辆最优路径挖掘方法 |
TW201328340A (zh) * | 2011-12-27 | 2013-07-01 | Hon Hai Prec Ind Co Ltd | 乘客攔車提示系統及方法 |
US9157748B2 (en) * | 2012-07-31 | 2015-10-13 | Flatiron Apps LLC | System and method for hailing taxicabs |
CN102810258B (zh) | 2012-07-31 | 2018-08-21 | 中兴通讯股份有限公司 | 一种根据交通状况导航的方法及系统 |
CN103632542A (zh) * | 2012-08-27 | 2014-03-12 | 国际商业机器公司 | 交通信息处理方法、装置和相应设备 |
US20140180576A1 (en) * | 2012-12-24 | 2014-06-26 | Anthony G. LaMarca | Estimation of time of arrival based upon ambient identifiable wireless signal sources encountered along a route |
CN103942229B (zh) * | 2013-01-22 | 2017-05-03 | 日电(中国)有限公司 | 目的地预测设备和方法 |
CN104217605B (zh) * | 2013-05-31 | 2017-05-10 | 张伟伟 | 一种公交车到站时间测算方法和装置 |
CN104243900A (zh) * | 2013-06-21 | 2014-12-24 | 中兴通讯股份有限公司 | 车辆到站时间预报系统及方法 |
CN104575072A (zh) * | 2013-10-29 | 2015-04-29 | 西安景行数创信息科技有限公司 | 一种基于云平台的智能出租车辅助选路装置 |
TWI598829B (zh) | 2014-08-25 | 2017-09-11 | 華邦電子股份有限公司 | 資料分析系統以及方法 |
TWI522974B (zh) * | 2014-10-06 | 2016-02-21 | Chunghwa Telecom Co Ltd | 到站時間預測系統與方法 |
US9619753B2 (en) * | 2014-12-30 | 2017-04-11 | Winbond Electronics Corp. | Data analysis system and method |
CN106203667B (zh) * | 2015-05-06 | 2019-12-10 | 北京千方信息科技集团有限公司 | 一种公交到站信息评测方法和装置 |
CN104900063B (zh) | 2015-06-19 | 2017-10-27 | 中国科学院自动化研究所 | 一种短程行驶时间预测方法 |
US20160378303A1 (en) * | 2015-06-23 | 2016-12-29 | Todd Crilley | Mobile device system for hailing a taxi cab |
US20190316926A1 (en) * | 2016-02-03 | 2019-10-17 | Kevin Sunlin Wang | Method and system for providing an individualized eta in the transportation industry |
US10088846B2 (en) * | 2016-03-03 | 2018-10-02 | GM Global Technology Operations LLC | System and method for intended passenger detection |
CN106205125A (zh) * | 2016-07-27 | 2016-12-07 | 安徽聚润互联信息技术有限公司 | 一种救护车抵达时间实时预测系统及方法 |
CN106156531B (zh) * | 2016-08-04 | 2020-09-01 | 复旦大学 | 基于低采样历史轨迹的行程时间估计方法 |
CN106205126B (zh) * | 2016-08-12 | 2019-01-15 | 北京航空航天大学 | 基于卷积神经网络的大规模交通网络拥堵预测方法及装置 |
CN106384507A (zh) * | 2016-09-20 | 2017-02-08 | 宁波大学 | 基于稀疏检测器的行程时间实时估计方法 |
US10810443B2 (en) * | 2016-09-22 | 2020-10-20 | Apple Inc. | Vehicle video system |
US10636108B2 (en) * | 2016-09-30 | 2020-04-28 | Lyft, Inc. | Identifying matched requestors and providers |
CN106355921A (zh) * | 2016-11-10 | 2017-01-25 | 安徽云看信息技术有限公司 | 一种基于路程时间的打车方法 |
US10554783B2 (en) * | 2016-12-30 | 2020-02-04 | Lyft, Inc. | Navigation using proximity information |
US10817775B2 (en) * | 2017-01-12 | 2020-10-27 | International Business Machines Corporation | Neural network computing systems for predicting vehicle requests |
WO2018193448A1 (en) * | 2017-04-17 | 2018-10-25 | Mobileye Vision Technologies Ltd. | Systems and methods for error correction |
SG11201811659PA (en) * | 2017-04-27 | 2019-01-30 | Beijing Didi Infinity Technology & Development Co Ltd | Systems and methods for determining an estimated time of arrival |
US10837788B1 (en) * | 2018-05-03 | 2020-11-17 | Zoox, Inc. | Techniques for identifying vehicles and persons |
CN112714913A (zh) * | 2018-09-26 | 2021-04-27 | 法弗人工智能有限公司 | 结构注释 |
WO2020222325A1 (ko) * | 2019-04-30 | 2020-11-05 | 엘지전자 주식회사 | 존 기반 모빌리티 서비스 추천 및 동적 하차위치 설정 ui/ux를 이용한 통합 관제 시스템 및 이의 제어 방법 |
-
2017
- 2017-04-27 SG SG11201811659PA patent/SG11201811659PA/en unknown
- 2017-04-27 CN CN202010905188.XA patent/CN112036645B/zh active Active
- 2017-04-27 CN CN201780039826.0A patent/CN109417767B/zh active Active
- 2017-04-27 JP JP2018568378A patent/JP6876071B2/ja active Active
- 2017-04-27 EP EP17907281.4A patent/EP3461310B1/en active Active
- 2017-04-27 AU AU2017411519A patent/AU2017411519B2/en active Active
- 2017-04-27 HU HUE17907281A patent/HUE051292T2/hu unknown
- 2017-04-27 CA CA3030580A patent/CA3030580C/en active Active
- 2017-04-27 WO PCT/CN2017/082163 patent/WO2018195847A1/en unknown
-
2018
- 2018-04-26 TW TW107114156A patent/TW201842472A/zh unknown
- 2018-12-30 US US16/236,528 patent/US11398002B2/en active Active
-
2020
- 2020-09-21 AU AU2020239623A patent/AU2020239623B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05334276A (ja) * | 1990-12-27 | 1993-12-17 | Toshiba Corp | 学習機械の学習法 |
JP2007311854A (ja) * | 2006-05-16 | 2007-11-29 | Sun Corp | サーバ装置、および文字データの中継方法 |
JP2013127462A (ja) * | 2011-12-16 | 2013-06-27 | Toyota Infotechnology Center Co Ltd | 道程最終目的地点の決定 |
US20160202074A1 (en) * | 2015-01-11 | 2016-07-14 | Microsoft Technology Licensing, Llc | Predicting and utilizing variability of travel times in mapping services |
WO2016119704A1 (zh) * | 2015-01-27 | 2016-08-04 | 北京嘀嘀无限科技发展有限公司 | 一种为按需服务提供信息的方法及系统 |
JP2016212535A (ja) * | 2015-05-01 | 2016-12-15 | 株式会社ゼンリン | 情報処理装置、交通情報データ、および、コンピュータプログラム |
Also Published As
Publication number | Publication date |
---|---|
SG11201811659PA (en) | 2019-01-30 |
WO2018195847A1 (en) | 2018-11-01 |
US20190188818A1 (en) | 2019-06-20 |
CN112036645A (zh) | 2020-12-04 |
CA3030580C (en) | 2021-06-29 |
AU2017411519B2 (en) | 2020-06-25 |
CN109417767B (zh) | 2020-09-18 |
CN112036645B (zh) | 2024-04-26 |
US11398002B2 (en) | 2022-07-26 |
AU2017411519A1 (en) | 2019-01-24 |
EP3461310A4 (en) | 2019-04-03 |
EP3461310A1 (en) | 2019-04-03 |
AU2020239623B2 (en) | 2022-04-14 |
CA3030580A1 (en) | 2018-11-01 |
HUE051292T2 (hu) | 2021-03-01 |
TW201842472A (zh) | 2018-12-01 |
AU2020239623A1 (en) | 2020-10-15 |
CN109417767A (zh) | 2019-03-01 |
JP6876071B2 (ja) | 2021-05-26 |
EP3461310B1 (en) | 2020-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6876071B2 (ja) | 推定された到着時間を決定するためのシステムおよび方法 | |
KR102055119B1 (ko) | 카풀링을 위한 방법들 및 시스템들 | |
JP6687772B2 (ja) | サービス時点を予測するシステム及び方法 | |
TWI675184B (zh) | 用於路線規劃的系統、方法及非暫時性電腦可讀取媒體 | |
JP6503474B2 (ja) | 移動デバイスの経路を求めるシステム及び方法 | |
JP2018533778A (ja) | 共有可能な注文を割り当てるためのシステムおよび方法 | |
KR20180013852A (ko) | 미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 시스템들 및 방법들 | |
JP6632723B2 (ja) | サービスの順序列を更新するためのシステム及び方法 | |
JP7047096B2 (ja) | オンラインツーオフラインサービスに関する推定された到着時間を決定するためのシステムおよび方法 | |
CN110402370B (zh) | 用于确定服务请求的推荐信息的系统和方法 | |
CN111998865B (zh) | 一种用于路径确定的系统和方法 | |
WO2021022487A1 (en) | Systems and methods for determining an estimated time of arrival |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190422 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190422 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200526 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200707 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200901 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210330 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210423 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6876071 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE Ref document number: 6876071 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |