JP2021506007A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP2021506007A JP2021506007A JP2020530965A JP2020530965A JP2021506007A JP 2021506007 A JP2021506007 A JP 2021506007A JP 2020530965 A JP2020530965 A JP 2020530965A JP 2020530965 A JP2020530965 A JP 2020530965A JP 2021506007 A JP2021506007 A JP 2021506007A
- Authority
- JP
- Japan
- Prior art keywords
- information
- potential
- sample
- service
- neural network
- 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 description 92
- 238000003062 neural network model Methods 0.000 claims abstract description 123
- 238000003860 storage Methods 0.000 claims abstract description 57
- 238000012549 training Methods 0.000 claims description 60
- 238000012360 testing method Methods 0.000 claims description 50
- 230000008569 process Effects 0.000 claims description 47
- 230000004044 response Effects 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 description 109
- 230000006870 function Effects 0.000 description 20
- 238000012986 modification Methods 0.000 description 19
- 230000004048 modification Effects 0.000 description 19
- 230000009471 action Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 230000003190 augmentative effect Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 239000011521 glass Substances 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 230000029305 taxis Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 235000015842 Hesperis Nutrition 0.000 description 1
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 1
- 235000012633 Iberis amara Nutrition 0.000 description 1
- 241001236644 Lavinia Species 0.000 description 1
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- -1 daily necessities Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000009877 rendering Methods 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
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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
- 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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- 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
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Traffic Control Systems (AREA)
- Automation & Control Theory (AREA)
- Toys (AREA)
- Atmospheric Sciences (AREA)
Abstract
Description
この出願は、2017年12月5日に出願された中国特許出願第201711268624.1の優先権を主張しその内容のすべてが参照されることによりここに組み込まれる。この開示は一般にオンラインツーオフライン(O2O)サービスプラットフォームに関し、特に、オンラインO2Oサービスプラットフォームにおける推定到着時刻(ETA)を判断するためのシステムおよび方法に関する。
サービス要求は有料または無料であり得る。
Claims (22)
- オンラインツーオフライン(O2O)サービスのための推定到着時刻(ETA)を決定するためのシステムにおいて、
命令のセットを含む少なくとも1つの非一時的コンピュータ可読媒体と、
前記少なくとも1つの非一時的コンピュータ可読媒体と通信している少なくとも1つのプロセッサとを備え、命令を実行しているとき、前記少なくとも1つのプロセッサは、前記システムに、
ターゲット要求者端末により開始されたポテンシャルサービスオーダに関連する第1の情報を取得させることであって、前記第1の情報は、前記ポテンシャルサービスオーダのスタートロケーションを含む、取得させることと、
前記スタートロケーションからしきい値距離内の、1つまたは複数の候補サービスプロバイダに関連する第2の情報を取得させることであって、前記第2の情報の少なくとも一部は、前記1つまたは複数の候補サービスプロバイダが、前記ポテンシャルサービスオーダのターゲットサービスプロバイダになる可能性を示す、取得させることと、
前記第1の情報と前記第2の情報をETAのトレーニングされたニューラルネットワークモデルに入力することにより前記ポテンシャルサービスオーダに関するETAを決定させることと、
前記ポテンシャルサービスオーダの前記ETAを表示のために前記ターゲット要求者端末に送信させることと、
を行わせるように指示される、システム。 - 前記1つまたは複数の候補サービスプロバイダに関連した前記第2の情報を取得するために、前記少なくとも1つのプロセッサは、さらに、前記システムに、
前記スタートロケーションから前記しきい値距離内の、前記1つまたは複数の候補サービスプロバイダを決定させ、
前記スタートロケーションから前記しきい値距離内の、1つまたは複数のポテンシャル要求者端末を決定させ、
前記1つまたは複数の候補サービスプロバイダを、前記1つまたは複数のポテンシャル要求者端末と前記ターゲット要求者端末に事前割当させ、
前記事前割当結果に基づいて、前記1つまたは複数の候補サービスプロバイダの各々が、前記ポテンシャルサービスオーダの前記ターゲットサービスプロバイダに成る可能性を決定させるように、さらに指示される、請求項1に記載のシステム。 - 前記ポテンシャルサービスオーダの前記ETAを決定するために、前記少なくとも1つのプロセッサは、さらに前記システムに、
前記スタートロケーションから前記しきい値距離内の、1つまたは複数のポテンシャル要求者端末に関連した需要情報を取得させ、
前記第1の情報、前記第2の情報、および前記需要情報を、ETAの前記トレーニングされたネットワークモデルに入力することにより、前記ポテンシャルサービスオーダのための前記ETAを決定させるようにさらに指示される、請求項2に記載のシステム。 - 前記需要情報は、時間情報、ロケーション情報、サービスオーダ情報、または前記1つまたは複数のポテンシャル要求者端末に関連したユーザ情報の少なくとも1つを備える、請求項3に記載のシステム。
- 前記第1の情報はさらに、時間情報、ロケーション情報、天気情報、交通情報、政策情報、ニュース情報、または前記ポテンシャルサービスオーダに関連したユーザ情報の少なくとも1つをさらに備えた、請求項1乃至4のいずれか一項に記載のシステム。
- 前記第2の情報は、さらに、乗り物情報、キャパシティ情報、価格情報、サービス情報、ロケーション情報、または前記1つまたは複数の候補サービスプロバイダに関連した性能情報の少なくとも1つを備えた、請求項1乃至5のいずれか一項に記載のシステム。
- 前記ETAのトレーニングされたニューラルネットワークモデルは、トレーニングプロセスに従って生成され、前記トレーニングプロセスは、
複数のサンプルポテンシャルサービスオーダの各々に関して、前記サンプルポテンシャルサービスオーダに関連した第3の情報を取得することであって、前記第3の情報は、前記サンプルポテンシャルサービスオーダのサンプルスタートロケーションを含む、取得することと、
前記複数のサンプルポテンシャルサービスオーダの各々に関して、前記対応するサンプルスタートロケーションから、サンプルしきい値距離内の1つまたは複数のサンプル候補サービスプロバイダに関連した第4の情報を取得することであって、前記第4の情報の少なくとも一部は、前記1つまたは複数のサンプル候補サービスプロバイダの各々が、前記サンプルポテンシャルサービスオーダのサンプルターゲットサービスプロバイダになるサンプル可能性を示す、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、
前記複数のサンプルポテンシャルサービスオーダの前記第3の情報と前記第4の情報を用いて、前記予備ニューラルネットワークモデルをトレーニングすることにより、ETAの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生成することと、を備えた、請求項1乃至6のいずれか一項に記載のシステム。 - ETAの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は、さらに、
前記複数のサンプルポテンシャルサービスオーダの各々に関して、前記対応するサンプルスタートロケーションから前記しきい値距離内の、1つまたは複数のサンプルポテンシャル要求者端末に関連したサンプル需要情報を取得することと、
前記第3の情報、前記第4の情報および前記複数のサンプルポテンシャルサービスオーダの各々の、前記サンプル需要情報を用いて前記予備ニューラルネットワークモデルをトレーニングすることにより、ETAの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、をさらに備えた、請求項7に記載のシステム。 - ETAの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は、
(1)前記複数のサンプルポテンシャルサービスオーダの第1の部分に対応する、前記第3の情報および前記第4の情報により、前記予備ニューラルネットワークモデルをトレーニングすることと、
(2)テストパラメータを決定することにより、前記複数のサンプルポテンシャルサービスオーダの第2の部分に対応する、前記第3の情報および前記第4の情報で前記トレーニングされた予備ニューラルネットワークモデルをテストすることと、
前記テストパラメータが前記テストしきい値以上であると決定すると、ステップ(1)乃至(2)を反復するか、または前記テストパラメータが前記テストしきい値未満であると決定すると、前記トレーニングされた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予備ニューラルネットワークモデルと指定することと、
をさらに備える、請求項7に記載のシステム。 - 前記複数のサンプルポテンシャルサービスオーダの、前記第1の部分に対応する前記第3の情報および前記第4の情報により、前記予備ニューラルネットワークモデルをトレーニングすることは、
前記複数のサンプルポテンシャルサービスオーダの、前記第1の部分の各々に関して、前記ポテンシャルサービスオーダの実際の到着時刻(ATA)を決定することと、
前記複数のサンプルポテンシャルサービスオーダの、前記第1の部分の各々に関して、前記サンプルポテンシャルサービスオーダの、前記第3の情報と前記第4の情報を、前記予備ニューラルネットワークモデルに入力することにより予測ETAを決定することと、
前記複数のサンプルポテンシャルサービスオーダの、前記第1の部分の前記予測ETAsと前記ATAsに基づいて、損失関数を決定することと、
前記損失関数が、トレーニングしきい値未満であるかどうかを判断することと、
前記損失関数が、前記トレーニングしきい値未満であるとの判断に応答して、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予備ニューラルネットワークモデルとして指定するか、あるいは前記損失関数が、前記トレーニングしきい値未満でないとの判断に応答して、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と、
を備えた請求項9に記載のシステム。 - 少なくとも1つのプロセッサと、少なくとも1つのコンピュータ可読記憶媒体およびネットワークに接続された通信プラットフォームを有するコンピュータデバイス上にインプリメントされる、オンラインツーオフライン(O2O)サービスのための推定到着時刻(ETA)を決定するための方法において、
ターゲット要求者端末により開始されるポテンシャルサービスオーダに関連する第1の情報を取得することであって、前記第1の情報は、前記ポテンシャルサービスオーダのスタートロケーションを含む、取得するステップと、
前記スタートロケーションからしきい値距離内の、1つまたは複数の候補サービスプロバイダに関連した第2の情報を取得することであって、前記第2の情報の少なくとも一部は、前記1つまたは複数の候補サービスプロバイダの各々が、前記ポテンシャルサービスオーダのターゲットサービスプロバイダになる可能性を示す、取得するステップと、
前記第1の情報と前記第2の情報を、ETAのトレーニングされたニューラルネットワークモデルに入力することにより、前記ポテンシャルサービスオーダに関するETAを決定するステップと、
前記ポテンシャルサービスオーダの前記ETAを表示のために、前記ターゲット要求者端末に送信するステップと、
を備えた方法。 - 前記1つまたは複数の候補サービスプロバイダに関連した前記第2の情報を取得することは、
前記スタートロケーションから前記しきい値距離内の、前記1つまたは複数の候補サービスプロバイダを決定するステップと、
前記スタートロケーションから前記しきい値距離内の、1つまたは複数のポテンシャル要求者端末を決定するステップと、
前記1つまたは複数の候補サービスプロバイダを、前記1つまたは複数のポテンシャル要求者端末と、前記ターゲット要求者端末に事前割当するステップと、
前記事前割当結果に基づいて、前記1つまたは複数の候補サービスプロバイダの各々が、前記ポテンシャルサービスオーダの前記ターゲットサービスプロバイダになる可能性を決定するステップと、
を備えた、請求項11に記載の方法。 - 前記ポテンシャルサービスオーダに関する前記ETAを決定するステップは、
前記スタートロケーションから前記しきい値距離内の、1つまたは複数のポテンシャル要求者端末に関連した需要情報を取得するステップと、
前記第1の情報、前記第2の情報、および需要情報を、前記ETAのトレーニングされたニューラルネットワークモデルに入力することにより、前記ポテンシャルサービスオーダに関する前記ETAを決定するステップと、
を備えた、請求項11または12に記載の方法。 - 前記需要情報は、時間情報、ロケーション情報サービスオーダ情報、または前記1つまたは複数のポテンシャル要求者端末に関連したユーザ情報の少なくとも1つを備えた、請求項13に記載の方法。
- 前記第1の情報はさらに、時間情報、ロケーション情報、天気情報、交通情報、政策情報、ニュース情報、または前記ポテンシャルサービスオーダに関連したユーザ情報の少なくとも1つを備えた、請求項11乃至14のいずれか一項に記載の方法。
- 前記第2の情報はさらに、乗り物情報、キャパシティ情報、価格情報、サービス情報、ロケーション情報、または前記1つまたは複数の候補サービスプロバイダに関連した性能情報の少なくとも1つを備えた、請求項11乃至15のいずれか一項に記載の方法。
- 前記ETAのトレーニングされたニューラルネットワークモデルは、トレーニングプロセスに従って生成され、前記トレーニングプロセスは、
複数のサンプルポテンシャルサービスオーダの各々に関して、前記サンプルポテンシャルサービスオーダに関連した、第3の情報を取得するステップであって、前記第3の情報は、前記サンプルポテンシャルサービスオーダのサンプルスタートロケーションを含む、取得するステップと、
前記複数のサンプルポテンシャルサービスオーダの各々に関して、前記対応するサンプルスタートロケーションから、サンプルしきい値距離内の、1つまたは複数のサンプル候補サービスプロバイダに関連した、第4の情報を取得するステップであって、前記第4の情報の少なくとも一部は、前記1つまたは複数のサンプル候補サービスプロバイダの各々が、前記サンプルポテンシャルサービスオーダのサンプルターゲットサービスプロバイダになるサンプル可能性を示す、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、
前記複数のサンプルポテンシャルサービスオーダの、前記第3の情報と前記第4の情報を用いて、前記予備ニューラルネットワークモデルをトレーニングすることにより、ETAの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生成するステップと、
を備えた、請求項11乃至16のいずれか一項に記載の方法。 - 前記ETAの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ステップは、
前記複数のサンプルポテンシャルサービスオーダの各々に関して、前記対応するサンプルスタートロケーションから、前記しきい値距離内の1つまたは複数のサンプルポテンシャル要求者端末に関連したサンプル需要情報を取得するステップと、
前記第3の情報、前記第4の情報、および前記複数のサンプルポテンシャルサービスオーダの各々の前記サンプル需要情報を用いて、前記予備ニューラルネットワークモデルをトレーニングすることにより、前記ETAの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、
をさらに備えた、請求項17に記載の方法。 - 前記ETAの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は、
(1)前記複数のサンプルポテンシャルサービスオーダの第1の部分に対応する前記第3の情報および前記第4の情報により、前記予備ニューラルネットワークモデルをトレーニングするステップと、
(2)テストパラメータを決定することにより、前記複数のサンプルポテンシャルサービスオーダの第2の部分に対応する前記第3の情報と前記第4の情報で前記トレーニングされた予備ニューラルネットワークモデルをテストするステップと、
前記テストパラメータが、前記テストしきい値以上であると判断すると、ステップ(1)−(2)を反復し、前記テストパラメータが、前記テストしきい値未満であると判断すると、前記トレーニングされた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として、指定するステップと、
をさらに備えた、請求項18に記載の方法。 - 前記複数のサンプルポテンシャルサービスオーダの、前記第1の部分に対応する前記第3の情報および前記第4の情報により、前記複数の予備ニューラルネットワークモデルをトレーニングするステップは、
前記複数のサンプルポテンシャルサービスオーダの、前記第1の部分の各々に関して、前記複数のサンプルポテンシャルサービスオーダの、実際の到着時刻(ATA)を取得するステップと、
前記複数のサンプルポテンシャルサービスオーダの、前記第1の部分の各々に関して、前記サンプルポテンシャルサービスオーダの、前記第3の情報と前記第4の情報を前記予備ニューラルネットワークモデルに入力することにより、予測されたETAを決定するステップと、
前記サンプルポテンシャルサービスオーダの、前記第1の部分の前記予測されたETAsと前記ATAsに基づいて、損失関数を決定するステップと、
前記損失関数が、トレーニングしきい値未満であるかどうかを決定するステップと、
前記損失関数が、前記トレーニングしきい値未満であると判断すると、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予備ニューラルネットワークモデルとして指定するか、または、前記損失関数が、前記トレーニングしきい値未満でないとの判断に応答して、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と、
を備えた、請求項19に記載の方法。 - オンラインツーオフライン(O2O)サービスに関する推定された到着時刻(ETA)を決定するためのシステムの少なくとも1つのプロセッサにより実行されると、前記システムに方法を実行させるための命令を記憶する非一時的コンピュータ可読媒体において、前記方法は、
ターゲット要求者端末により開始されるポテンシャルサービスオーダに関連した第1の情報を取得するステップであって、前記第1の情報は、前記ポテンシャルサービスオーダのスタートロケーションを含む、ステップと、
前記スタートロケーションから、しきい値距離内の1つまたは複数の候補サービスプロバイダに関連した、第2の情報を取得するステップであって、前記第2の情報の少なくとも一部は、前記1つまたは複数の候補サービスプロバイダの各々が、前記ポテンシャルサービスオーダの、ターゲットサービスプロバイダになる可能性を示す、ステップと、
前記第1の情報と前記第2の情報を、ETAのトレーニングされたニューラルネットワークモデルに入力することにより、前記ポテンシャルサービスオーダのETAを決定するステップと、
前記ポテンシャルサービスオーダの前記ETAを、表示のために、前記ターゲット要求者端末に送信するステップと、を備えた、非一時的コンピュータ可読記憶媒体。 - オンラインツーオフライン(O2O)サービスのための推定された到着時刻(ETA)を決定するためのシステムにおいて、
ターゲット要求者端末により開始されるポテンシャルサービスオーダに関連する第1の情報を取得し、前記第1の情報は、前記ポテンシャルサービスオーダのスタートロケーションを含み、前記スタートロケーションからしきい値距離内の1つまたは複数の候補サービスプロバイダに関連した、第2の情報を取得し、前記第2の情報の少なくとも一部は、前記1つまたは複数の候補サービスプロバイダの各々が、前記ポテンシャルサービスオーダのターゲットサービスプロバイダになる可能性を表示するように構成された取得モジュールと、
前記第1の情報と前記第2の情報を、ETAのトレーニングされたニューラルネットワークモデルに入力することにより、前記ポテンシャルサービスオーダに関するETAを決定するように構成された決定モジュールと、
前記ポテンシャルサービスオーダのETAを表示のために、前記ターゲット要求者端末に送信するように構成された送信モジュールと、を備えた、システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711268624.1 | 2017-12-05 | ||
CN201711268624.1A CN109886442A (zh) | 2017-12-05 | 2017-12-05 | 预估接驾时长方法及预估接驾时长系统 |
PCT/CN2018/088341 WO2019109604A1 (en) | 2017-12-05 | 2018-05-25 | Systems and methods for determining an estimated time of arrival for online to offline services |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021506007A true JP2021506007A (ja) | 2021-02-18 |
JP7047096B2 JP7047096B2 (ja) | 2022-04-04 |
Family
ID=66751269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020530965A Active JP7047096B2 (ja) | 2017-12-05 | 2018-05-25 | 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 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20200300650A1 (ja) |
EP (1) | EP3704645A4 (ja) |
JP (1) | JP7047096B2 (ja) |
CN (2) | CN109886442A (ja) |
AU (1) | AU2018381722A1 (ja) |
WO (1) | WO2019109604A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414731B (zh) * | 2019-07-23 | 2021-02-02 | 北京三快在线科技有限公司 | 订单分配的方法、装置、计算机可读存储介质及电子设备 |
WO2021012244A1 (en) * | 2019-07-25 | 2021-01-28 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for order dispatching |
WO2021022487A1 (en) * | 2019-08-06 | 2021-02-11 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining an estimated time of arrival |
CN111080408B (zh) * | 2019-12-06 | 2020-07-21 | 广东工业大学 | 一种基于深度强化学习的订单信息处理方法 |
CN112116151A (zh) * | 2020-09-17 | 2020-12-22 | 北京嘀嘀无限科技发展有限公司 | 一种接驾时间预估方法和系统 |
CN113793062B (zh) * | 2021-09-27 | 2023-11-21 | 首约科技(北京)有限公司 | 一种提高网约车运力下单效率的派单方法 |
WO2023091078A1 (en) * | 2021-11-16 | 2023-05-25 | Grabtaxi Holdings Pte. Ltd. | A communications server, a method, a user device, an e-commerce server and a system |
CN114579063B (zh) * | 2022-05-07 | 2022-09-02 | 浙江口碑网络技术有限公司 | Od数据的存储及读取方法、装置、存储介质及计算机设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002024659A (ja) * | 2000-07-06 | 2002-01-25 | Hitachi Ltd | 配車予約システム |
JP2002279588A (ja) * | 2001-03-22 | 2002-09-27 | Osaka Gas Co Ltd | 自動車の配車システム、および自動車の配車方法 |
WO2017181932A1 (en) * | 2016-04-18 | 2017-10-26 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for recommending an estimated time of arrival |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8472979B2 (en) * | 2008-07-15 | 2013-06-25 | International Business Machines Corporation | System and method for scheduling and reservations using location based services |
US20100280884A1 (en) * | 2009-04-30 | 2010-11-04 | Uri Levine | Automated carpool matching |
US8930245B2 (en) * | 2010-06-23 | 2015-01-06 | Justin Streich | Methods, systems and machines for identifying geospatial compatibility between consumers and providers of goods or services |
US20160042303A1 (en) * | 2014-08-05 | 2016-02-11 | Qtech Partners LLC | Dispatch system and method of dispatching vehicles |
CN104794888A (zh) * | 2014-11-13 | 2015-07-22 | 北京东方车云信息技术有限公司 | 网络租车中降低空驶等待时间的派单排序系统和方法 |
CN104616173B (zh) * | 2015-02-11 | 2020-09-29 | 北京嘀嘀无限科技发展有限公司 | 预测用户流失的方法以及设备 |
CN104504460A (zh) * | 2014-12-09 | 2015-04-08 | 北京嘀嘀无限科技发展有限公司 | 预测叫车平台的用户流失的方法和装置 |
CN105096166A (zh) * | 2015-08-27 | 2015-11-25 | 北京嘀嘀无限科技发展有限公司 | 一种订单分配的方法及装置 |
CN104751271A (zh) * | 2015-03-04 | 2015-07-01 | 径圆(上海)信息技术有限公司 | 智能订单调度方法、服务器、电动车、移动终端及系统 |
CN105373840B (zh) * | 2015-10-14 | 2018-12-11 | 深圳市天行家科技有限公司 | 代驾订单预测方法和代驾运力调度方法 |
AU2016359530A1 (en) * | 2015-11-26 | 2018-03-01 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for allocating sharable orders |
SG10201600024TA (en) * | 2016-01-04 | 2017-08-30 | Grabtaxi Holdings Pte Ltd | System and Method for Multiple-Round Driver Selection |
CN107203824B (zh) * | 2016-03-18 | 2021-03-16 | 北京嘀嘀无限科技发展有限公司 | 一种拼车订单分配方法及装置 |
US9813510B1 (en) * | 2016-09-26 | 2017-11-07 | Uber Technologies, Inc. | Network system to compute and transmit data based on predictive information |
CN106447114A (zh) * | 2016-09-30 | 2017-02-22 | 百度在线网络技术(北京)有限公司 | 提供叫车服务的方法和装置 |
US10200457B2 (en) * | 2016-10-26 | 2019-02-05 | Uber Technologies, Inc. | Selective distribution of machine-learned models |
US10417589B2 (en) * | 2016-11-01 | 2019-09-17 | Uber Technologies, Inc. | Pre-selection of drivers in a passenger transport system |
US11593632B2 (en) * | 2016-12-15 | 2023-02-28 | WaveOne Inc. | Deep learning based on image encoding and decoding |
-
2017
- 2017-12-05 CN CN201711268624.1A patent/CN109886442A/zh active Pending
-
2018
- 2018-05-25 JP JP2020530965A patent/JP7047096B2/ja active Active
- 2018-05-25 CN CN201880078789.9A patent/CN111433795A/zh active Pending
- 2018-05-25 AU AU2018381722A patent/AU2018381722A1/en not_active Abandoned
- 2018-05-25 WO PCT/CN2018/088341 patent/WO2019109604A1/en unknown
- 2018-05-25 EP EP18887176.8A patent/EP3704645A4/en not_active Withdrawn
-
2020
- 2020-06-05 US US16/893,622 patent/US20200300650A1/en not_active Abandoned
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002024659A (ja) * | 2000-07-06 | 2002-01-25 | Hitachi Ltd | 配車予約システム |
JP2002279588A (ja) * | 2001-03-22 | 2002-09-27 | Osaka Gas Co Ltd | 自動車の配車システム、および自動車の配車方法 |
WO2017181932A1 (en) * | 2016-04-18 | 2017-10-26 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for recommending an estimated time of arrival |
Also Published As
Publication number | Publication date |
---|---|
US20200300650A1 (en) | 2020-09-24 |
AU2018381722A1 (en) | 2020-07-02 |
JP7047096B2 (ja) | 2022-04-04 |
EP3704645A1 (en) | 2020-09-09 |
WO2019109604A1 (en) | 2019-06-13 |
CN109886442A (zh) | 2019-06-14 |
CN111433795A (zh) | 2020-07-17 |
EP3704645A4 (en) | 2020-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
TWI670677B (zh) | 用於推薦預估到達時間的系統和方法 | |
US11398002B2 (en) | Systems and methods for determining an estimated time of arrival | |
TWI638320B (zh) | 推薦預計到達時間的系統、方法及非暫態電腦可讀儲存媒體 | |
CN109478275B (zh) | 分配服务请求的系统和方法 | |
TWI673659B (zh) | 用於確定預估到達時間的電子系統和方法及相關的非暫時性電腦可讀取媒體 | |
CN110537212B (zh) | 确定预估到达时间的系统与方法 | |
US20200050938A1 (en) | Systems and methods for improvement of index prediction and model building | |
JP2019527871A (ja) | 到着予定時刻を決定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 | |
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 | |
CN112154473A (zh) | 用于推荐上车点的系统和方法 | |
CN112236787A (zh) | 用于生成个性化目的地推荐的系统和方法 | |
CN110839346A (zh) | 用于分配服务请求的系统和方法 | |
CN110782648B (zh) | 确定预计到达时间的系统和方法 | |
CN111415024A (zh) | 一种到达时间预估方法以及预估装置 | |
WO2020151725A1 (zh) | 一种位置预测方法以及装置 | |
CN113924460B (zh) | 确定服务请求的推荐信息的系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200717 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200717 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210618 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210622 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210916 |
|
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: 20220301 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220323 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7047096 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |