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

Abstract

システムは、命令のセットを記憶した１つまたは複数のストレージ媒体と、前記ストレージデバイスと通信している少なくとも１つのプロセッサとを含む。命令を実行しているとき、少なくとも１つのプロセッサは、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した第１の情報を取得させ、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の情報を取得させるように構成される。少なくとも１つのプロセッサは、また、システムに、第１の情報と第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ポテンシャルサービスオーダに関するＥＴＡを決定させる。少なくとも１つのプロセッサは、さらにシステムにポテンシャルサービスオーダのＥＴＡを表示のためにターゲット要求者端末に送信させる。【選択図】図５

Description

関連出願の相互参照
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。

インターネット技術の発展に伴い、Ｏ２Ｏサービス、例えばオンラインタクシーヘイリングサービス（online taxi hailing services）およびデリバリサービスは、人々の日々の生活において、より一層重要な役割を担っている。例えば、オンラインタクシーヘイリングサービスは、乗客により煩雑に使用されてきた。乗客がスタートロケーション（start location）でタクシーを呼ぶとき、彼／彼女は、ここでは簡潔にするためにＥＴＡと呼ばれる、サービス提供者がスタートロケーションに到着する推定時間を知りたいと思うかもしれない。ＥＴＡは、スタートロケーション周辺の利用可能なサービスプロバイダの数、利用可能なサービスプロバイダとスタートロケーションとの間の距離、トラフィック状況、天気状況、スタートロケーション周辺の需要と供給の関係等のような種々の要因により影響を受ける可能性がある。これらの種々の要因を考慮することなしに、ＥＴＡは、正確に決定することはできない。従って、ＥＴＡに影響を及ぼす可能性がある１つまたは複数の要因を考慮することによりオンラインＯ２ＯサービスにおけるＥＴＡを決定するための効率的なシステムおよび方法を開発することが望ましい。

この開示の１つの態様において、システムは、少なくとも１つの非一時的コンピュータ可読記憶媒体と、前記少なくとも１つの非一時的コンピュータ可読記憶媒体と通信している少なくとも１つのプロセッサを含むことができる。非一時的コンピュータ可読記憶媒体は、ＥＴＡを決定するための命令のセットを含むことができる。命令のセットを実行しているとき、少なくとも１つのプロセッサは、システムに対象要求車端末により開始される、潜在サービスオーダに関連した第１の情報を取得させるように指示されることができる。第１の情報は、潜在的なサービスオーダのスタートロケーションを含むことができる。少なくとも１つのプロセッサは、システムに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づけられた第２の情報を取得させるように指示されることができる。第２の情報の少なくとも一部は、１つまたは複数の候補サービスプロバイダが、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ことができる。少なくとも１つのプロセッサは、また、システムに、第１の情報と第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へ入力することにより、ポテンシャルサービスオーダのためのＥＴＡを決定させるように指示されることができる。少なくとも１つのプロセッサは、さらに、システムに、ポテンシャルサービスオーダのＥＴＡを対象要求者端末に送信して表示させるように、さらに指示されることができる。

いくつかの実施形態において、１つまたは複数の候補サービスプロバイダに関連づけられた第２の情報を取得するために、少なくとも１つのプロセッサは、システムにスタートロケーションからしきい値距離内の１つまたは複数のサービスプロバイダを決定させるように指示されることができる。少なくとも１つのプロセッサは、システムに、スタートロケーションからしきい値距離内の、１つまたは複数の潜在的要求者端末を決定させ、１つまたは複数の候補サービスプロバイダを、１つまたは複数の潜在要求者端末と対象要求者端末に、事前割当させるように指示されることができる。少なくとも１つのプロセッサはさらに、システムに、事前割当結果に基づいて、１つまたは複数の候補サービスプロバイダの各々が、潜在サービスオーダの対象サービスプロバイダになる可能性を決定させるように、指示されることができる。

いくつかの実施形態において、潜在的サービスオーダのためのＥＴＡを決定するために、少なくとも１つのプロセッサは、システムに、スタートロケーションからしきい値距離内の１つまたは複数の潜在要求者端末に関連づけられた需要情報を取得させるように指示されることができる。少なくとも１つのプロセッサは、また、第１の情報、第２の情報、および需要情報を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へ入力することにより潜在的サービスオーダのためのＥＴＡを決定させるように指示されることができる。

いくつかの実施形態において、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、１つまたは複数の潜在的要求者端末に関連づけられたユーザ情報の少なくとも１つを含むことができる。

いくつかの実施形態において、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、ポリシー情報、ニュース情報、または潜在的サービスオーダに関連づけられたユーザ情報の少なくとも一部を含むことができる。

いくつかの実施形態において、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１つまたは複数の候補サービスプロバイダに関連づけられたパフォーマンス情報の少なくとも一部を含むことができる。

いくつかの実施形態において、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することができ、トレーニングプロセスは、複数の同じ潜在的サービスオーダの各々に関するサンプルの潜在的サービスオーダに関連づけられた第３の情報を取得することを含むことができる。第３の情報は、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ことができる。トレーニングプロセスは、また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する対応するサンプルスタートロケーションからの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づけられた第４の情報を取得することを含む。第４の情報の少なくとも一部は、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、サンプルポテンシャルサービスプロバイ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ことができる。トレーニングプロセスは、さらに、予備ニューラルネットワークモデルを取得することと、複数のサンプルポテンシャルオーダの第３の情報と第４の情報を用いて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を含むことができる。

いくつかの実施形態において、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ことは、複数のサンプルポテンシャルオーダの各々に関する対応するサンプルスタートロケーションからのしきい値距離内の、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づけられた、サンプル需要情報を取得することを含むことができる。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ことは、さらに、複数のサンプルポテンシャルサービスオーダの各々の第３情報、第４情報、およびサンプル需要情報を用いて、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を含むことができる。

いくつかの実施形態において、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ことは、（１）複数のサンプルポテンシャルサービスオーダの第１の部分に対応する第３情報および第４情報により予備ニューラルネットワークをトレーニングすることを含むことができる。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ことは、さらに、（２）テストパラメータを決定することにより複数のサンプルポテンシャルサービスオーダの第２の部分に対応する第３情報および第４情報を用いて、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を含むことができる。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ことは、テストパラメータが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、あるいは、テストパラメータがテストしきい値未満であると判断すると、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として指定することをさらに含むことができる。

いくつかの実施形態において、複数のサンプルポテンシャルサービスオーダの第１の部分に対応する第３情報および第４情報により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、複数のサンプルポテンシャルサービスオーダの第１の部分の各々に関して、サンプルポテンシャルオーダの実際の到着時刻（ＡＴＡ）を取得することと、サンプルポテンシャルサービスオーダの第３情報および第４情報を予備ニューラルネットワークモデルへ入力することにより予測ＥＴＡを決定することとを、含むことができる。複数のサンプルポテンシャルサービスオーダの第１の部分に対応する第３情報および第４情報によって、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、また、同じポテンシャルサービスオーダの第１の部分の予測されるＥＴＡｓとＡＴＡｓに基づく損失関数を決定することと、損失関数がトレーニングしきい値未満かどうかを判断することを含むことができる。複数のサンプルポテンシャルオーダの第１の部分に対応する第３情報および第４情報により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、さらに、損失関数がトレーニングしきい値未満であると判断すると、予備ニューラルネットワークモデルを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し、あるいは、損失関数がトレーニングされたしきい値未満ではないとの判断に応答して、予備ニューラルネットワークモデルを更新することを含むことができる。

この開示の他の態様において、方法が提供される。この方法は、少なくとも１つのプロセッサ、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ティングデバイス上にインプリメントすることができる。この方法は、対象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付けられた第１の情報を取得することを含むことができる。第１の情報は、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ことができる。この方法は、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づけられた第２の情報を取得することを含むことができる。第２の情報の少なくとも一部は、１つまたは複数の候補サービスプロバイダの各々が、ポテンシャルサービスプロバイダの、ターゲットサービスプロバイダになる可能性を示すことができる。この方法は、また、第１の情報と第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へ入力することにより、ポテンシャルサービスオーダに関するＥＴＡを決定することを含むことができる。この方法はさらに、ポテンシャルサービスオーダのＥＴＡを、ターゲット要求者端末に送信して表示することを含むことができる。

この開示の他の態様において、非一時的コンピュータ可読記憶媒体は、命令のセットを含むことができる。命令のセットが少なくとも１つのプロセッサにより実行されると、命令のセットは、システムに方法を実行させることができる。この方法は、ターゲット要求者により開始される、ポテンシャルサービスオーダに関連付けられる、第１の情報を取得することができる。第１の情報は、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ことができる。この方法は、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づけられた、第２の情報を取得することを含むことができる。第２の情報の少なくとも一部は、１つまたは複数の候補サービスプロバイダの各々が、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ことができる。この方法はまた、第１の情報と第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へ入力することにより、ポテンシャルサービスオーダに関するＥＴＡを決定することを含むことができる。この方法はさらに、ポテンシャルサービスオーダのＥＴＡを、ターゲット要求者端末に送信して表示することを含むことができる。

さらに、この開示の他の態様において、システムが提供される。システムは、取得モジュール、決定モジュール、送信モジュールを含むことができる。取得モジュールは、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付けられた第１の情報を取得し、スタートロケーションからしきい値内の１つまたは複数のサービスプロバイダに関連づけられた、第２の情報を取得するように構成することができる。第１の情報は、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ことができる。第２の情報の少なくとも一部は、１つまたは複数の候補サービスプロバイダの各々が、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ことができる。決定モジュールは、第１の情報と第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へ入力することにより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することができる。送信モジュールは、ポテンシャルサービスオーダのＥＴＡを、ターゲット要求者端末に送信して表示するように構成することができる。

さらなる特徴は、以下の記述において一部記載され、一部は、以下の添付図面を検証することにより当業者には明白であり、あるいは例の制作または動作により学習することができる。本開示の特徴は、以下で論じられる詳細な例に示される方法論、手段、および組み合わせの様々な態様の実践または使用によって実現および達成され得る。この開示はさらに例示実施形態の観点からさらに記載される。これらの例示実施形態は、図面を参照して詳細に記載される。これらの実施形態は、非限定的な例示実施形態であり、図面のいくつかの図全体を通して同様の参照符号は、同様の構造を示す。

この開示のいくつかの実施形態による例示Ｏ２Ｏサービスシステムである。 この開示のいくつかの実施形態による例示コンピューティングデバイスの例示ハードウェアとソフトウェアを例示する概略図である。 この開示のいくつかの実施形態に従って、ユーザ端末がインプリメントすることができる、例示モバイルデバイスの例示ハードウェアおよび／またはソフトウェアコンポーネントを図示する概略図である。 この開示のいくつかの実施形態による例示処理エンジンを例示するブロック図である。 この開示のいくつかの実施形態による例示処理エンジンを例示するブロック図である。 この開示のいくつかの実施形態による、Ｏ２Ｏサービスに関するＥＴＡを決定するための例示プロセスを図示するフローチャートである。 この開示のいくつかの実施形態による、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決定するための例示プロセスを図示するフローチャートである。 この開示のいくつかの実施形態による、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ための例示プロセスを図示するフローチャートである。

以下の記述は当業者がこの開示を制作し使用することを可能にするために提示され、特定のアプリケーションとその要件のコンテキストにおいて提供される。開示した実施形態に対する種々の変形は、当業者には容易に明白であり、ここに定義された一般的原理は、この開示の精神と範囲に逸脱することなく、他の実施形態およびアプリケーションに適用することができる。従って、この開示は図示実施形態に限定されるものではなく、特許請求の範囲に一致する最も広い範囲に一致する。

ここに使用される用語は、特定の例示実施形態のみを記載するために使用され、限定することを意図したものではない。ここに使用されるように、単数形である「１つの（ａ）」、「１つの（ａｎ）」、および「その（the）」は、コンテキストがそうでないことを明瞭に示さない限り、複数形も含む。さらに、用語「備える（comprise）」、「備える（comprises）」、および／または「備える（comprising）」、「含む（include）」、「含む（includes）」および／または「含む（including）」は、この明細書において使用されるとき、記載した特徴、整数、ステップ、動作、エレメントおよび／またはコンポーネントの存在を指定するが、１つまたは複数の他の特徴、整数、ステップ、動作、エレメントコンポーネント、および／またはそれらのグループの存在のまたは追加を排除するものではないことが理解されるであろう。

この開示のこれら及び他の特徴、および特性、並びに、構造の関連するエレメントの動作と機能の方法、パーツの組合せおよび製造の経済性は、そのすべてがこの開示の一部を形成する、添付図面を参照して以下の記述を考慮するとき、より明白になり得る。しかしながら、図面は、例示と記述目的のためだけであり、この開示の範囲を限定することを意図していないことは、明確に理解されるであろう。図面は縮尺通りではないことが理解される。

この開示において使用されるフローチャートは、この開示のいくつかの実施形態に従って、システムがインプリメントする動作を例示する。フローチャートの動作は、順不同でインプリメントできることは、容易に理解される。逆に、動作は、逆の順序であるいは同時にインプリメントすることができる。さらに、１つまたは複数の他の動作をフローチャートに追加することができる。１つまたは複数の動作は、フローチャートから削除することができる。

さらに、この開示におけるシステムと方法は、主として、輸送サービスに関する要求を配信することに関して記載されているが、この開示は限定することを意図したものではない。この開示のシステムと方法は、任意の他の種類のＯ２Ｏサービスに提供することができる。例えば、この開示のシステムと方法は、陸、海、航空宇宙等、またはそれらの組合せを含む異なる環境の輸送システムに適用することができる。輸送システムの乗り物は、タクシー、自家用車、ヒッチ（hitch）、バス、電車、新幹線、高速鉄道、地下鉄、船、航空機、宇宙船、熱気球、無人車両等またはそれらの組合せを含むことができる。輸送システムはまた、管理および／または分配のための任意の輸送システム、例えば、速達を送信および受信するためのシステムを含むことができる。この開示のシステムまたは方法のアプリケーションは、ユーザデバイス上にインプリメントすることができ、ウェブページ、ブラウザのプラグイン、クライアント端末、カスタムシステム、内部解析システム、人工知能ロボット等またはそれらの任意の組合せを含む。

この開示において「乗客」、「要求者」、「サービス要求者」、および「顧客」という用語は、要求することができる、またはサービスをオーダする個人、エンティティ、またはツールを指すように、交換可能に使用される。また、この開示において、「ドライバ」、「プロバイダ」および「サービスプロバイダ」という用語は、サービスを提供することができる、またはサービスの提供を容易にすることができる個人、エンティティ、またはツールを指すように交換可能に使用される。

この開示において、「サービス要求」、「サービスのための要求」、「要求」という用語は、乗客、サービス要求者、顧客、ドライバ、プロバイダ、サービスプロバイダ等、またはそれらの任意の組合せにより開始することができる要求を指すように、交換可能に使用することができる。サービス要求は、乗客、サービス要求者、顧客、ドライバ、プロバイダまたはサービスプロバイダのいずれかにより受け付けることができる。
サービス要求は有料または無料であり得る。

この開示において、「サービスプロバイダ端末」および「ドライバ端末」という用語は、サービスを提供するために、またはサービスの提供を容易にするために、サービスプロバイダにより使用されるモバイル端末を指すように交換可能に使用される。この開示において、「サービス要求端末」および「乗客端末」という用語は、サービスを要求またはオーダするためにサービス要求者により使用されるモバイル端末を指すように交換可能に使用される。

本開示で使用される測位技術は、全地球測位システム（ＧＰＳ）、全地球航法衛星システム（ＧＬＯＮＡＳＳ）、コンパス航法システム（ＣＯＭＰＡＳＳ）、ガリレオ測位システム、準天頂衛星システム（ＱＺＳＳ）、ワイヤレスフィデリティ（ＷｉＦｉ）測位技術など、またはそれらの任意の組み合わせに基づくことができる。上記測位システムの１つまたは複数は、この開示において交換可能に使用することができる。

この開示の一態様は、オンラインＯ２Ｏサービスプラットフォームにおいて、ＥＴＡを決定するためのシステム及び方法に関連する。サービスプロバイダがサービスオーダのスタートロケーションに到着する推定時刻を指すＥＴＡは、種々の要因により影響を受ける可能性がある。これらの要因は、ＥＴＡの決定において考慮する必要があり得る。この開示によれば、システムと方法は、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する第１の情報を取得することができる。第１の情報は、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ことができる。また、システムと方法は、スタートロケーションから、しきい値内の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、取得することができる。第２の情報の少なくとも一部は、各候補サービスプロバイダが、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ことができる。いくつかの実施形態において、システムと方法はさらにスタートロケーションからしきい値距離内の１つまたは複数のポテンシャル要求者端末に関連する需要情報を取得することができる。次に、システムと方法は、第１の情報、第２の情報およびオプションで需要情報を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へ入力することにより、ポテンシャルサービスオーダのＥＴＡを決定することができる。そのため、ポテンシャルサービスオーダのＥＴＡは、正確かつ効率的に決定することができる。

図１は、この開示のいくつかの実施形態による例示Ｏ２Ｏサービスシステムを図示するブロック図である。例えば、Ｏ２Ｏサービスシステム１００は、輸送サービスに関するオンライン輸送サービスプラットフォーム、食料配送サービスに関するオンライン配送サービスプラットフォーム等であり得る。Ｏ２Ｏサービスシステム１００は、サーバ１１０、ネットワーク１２０、サービス要求者端末１３０、サービスプロバイダ端末１４０、乗り物１５０、ストレージデバイス１６０、およびナビゲーションシステム１７０を含むことができる。

Ｏ２Ｏサービスシステム１００は、複数のサービスを提供することができる。例示サービスは、タクシーヘイリングサービス（taxi-hailing service）、ショーファーサービス（chauffeur service）、イクスプレスカーサービス、カープールサービス、バスサービス、ドライバハイヤサービス、およびシャトルサービスを含むことができる。いくつかの実施形態において、Ｏ２Ｏサービスは、食事の予約、ショッピング等、またはそれらの任意の組合せのような任意のオンラインサービスであり得る。

いくつかの実施形態において、サーバ１１０は、単一サーバまたはサーバグループであり得る。サーバグループは、集中型または分散型であり得る（例えば、サーバ１１０は、分散システムであり得る）。いくつかの実施形態において、サーバ１１０はローカルまたはリモートであり得る。例えば、サーバ１１０は、ネットワークを介した、サービス要求者端末１３０、サービスプロバイダ端末１４０、および／またはストレージデバイス１６０に記憶された情報、および／またはデータにアクセスすることができる。他の例として、サーバ１１０は、サービス要求者端末１３０、サービスプロバイダ端末１４０、および／またはストレージデバイス１６０に直接接続して記憶された情報、および／またはデータにアクセスすることができる。いくつかの実施形態において、サーバ１１０はクラウドプラットフォームにインプリメントすることができる。単なる例として、クラウドプラットフォームは、プライベートクラウド、パブリッククラウド、ハイブリッドクラウド、コミュニティクラウド、分散クラウド、インタークラウド、マルチクラウド等、またはそれらの任意の組合せを含むことができる。いくつかの実施形態において、サーバ１１０は、この開示の図２に例示する１つまたは複数のコンポーネントを有するコンピューティングデバイス２００にインプリメントすることができる。

いくつかの実施形態において、サーバ１１０は、処理エンジン１１２を含むことができる。処理エンジン１１２は、サービス要求に関連する処理情報、および／またはデータを処理して、この開示に記載された１つまたは複数の機能を実行することができる。例えば、処理エンジン１１２は、サービスオーダに関するＥＴＡを決定することができる。他の例として、処理エンジン１１２は、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ことができる。いくつかの実施形態において、処理エンジン１１２は、１つまたは複数の処理エンジン（例えば、シングルコア処理エンジン（複数の場合もある）またはマルチコアプロセッサ（複数の場合もある））。単なる例として、処理エンジン１１２は、中央処理装置（ＣＰＵ）、特定用途集積回路（ＡＳＩＣ）、特定用途命令セットプロセッサ（ＡＳＩＰ）、グラフィクス処理ユニット（ＧＰＵ）、物理処理ユニット（ＰＰＵ）、デジタルシグナルプロセッサ（ＤＳＰ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブルロジックデバイス（ＰＬＤ）、コントローラ、マイクロコントローラユニット、縮小命令セットコンピュータ（ＲＩＳＣ）マイクロプロセッサ等、またはそれらの任意の組合せを含むことができる。

ネットワーク１２０は、情報および／またはデータの交換を容易にすることができる。いくつかの実施形態において、Ｏ２Ｏサービスシステム１００の１つまたは複数のコンポーネント（例えば、サーバ１１０、サービス要求者端末１３０、サービスプロバイダ端末１４０、乗り物１５０、ストレージデバイス１６０、およびナビゲーションシステム１７０）は、情報および／またはデータを、ネットワーク１２０を介して、Ｏ２Ｏサービスシステム１００の他のコンポーネント（複数の場合もあり得る）に送信することができる。例えば、サーバ１１０は、ネットワーク１２０を介してサービス要求者端末１３０からサービス要求を受信することができる。いくつかの実施形態において、ネットワーク１２０は、任意のタイプの有線または無線ネットワーク、またはそれらの組合せであり得る。単なる例として、ネットワーク１２０は、ケーブルネットワーク、有線ネットワーク、光ファイバネットワーク、テレコミュニケーションネットワーク、イントラネット、インターネット、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）、ワイヤレスローカルエリアネットワーク（ＷＬＡＮ）、メトロポリタンエリアネットワーク（ＭＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、公衆電話交換網（ＰＳＴＮ）、ブルートゥース（登録商標）ネットワーク、ジグビーネットワーク、近距離通信（ＮＦＣ）ネットワーク等またはそれらの任意の組合せを含むことができる。いくつかの実施形態において、ネットワーク１２０は、１つまたは複数のネットワークアクセスポイントを含むことができる。例えば、ネットワーク１２０は、データおよび／または情報を交換するためにＯ２Ｏサービスシステム１００の１つまたは複数をネットワーク１２０に接続することができる、基地局および／またはインターネット交換ポイント１２０−１、１２０−２、・・・のような有線または無線ネットワークアクセスポイントを含むことができる。

いくつかの実施形態において、乗客は、サービス要求者端末１３０のオーナであり得る。いくつかの実施形態において、サービス要求者端末１３０のオーナは、乗客以外の誰かであり得る。例えば、サービス要求者端末１３０のオーナＡは、サービス要求者端末１３０を用いて、乗客Ｂのためのサービス要求を送信することができ、あるいは、サーバ１１０からのサービス確認および／または情報または命令を受信することができる。いくつかの実施形態において、サービスプロバイダは、サービスプロバイダ端末１４０のユーザであり得る。いくつかの実施形態において、サービスプロバイダ端末１４０のユーザは、サービスプロバイダ以外の誰かであり得る。例えば、サービスプロバイダ端末１４０のユーザＣは、サービスプロバイダ端末１４０を用いてサービスプロバイダＤに関するサービス要求を受信することができ、及び／またはサーバ１１０から情報または命令を受信することができる。いくつかの実施形態において、「乗客」および「乗客端末」は交換可能に使用することができ、「サービスプロバイダ」と「サービスプロバイダ端末」は、交換可能に使用することができる。いくつかの実施形態において、サービスプロバイダ端末は、１つまたは複数のサービスプロバイダ（例えば、夜勤サービスプロバイダ、または日勤サービスプロバイダ）と関連づけることができる。

いくつかの実施形態において、サービス要求者端末１３０は、モバイルデバイス１３０−１、タブレットコンピュータ１３０−２、ラップトップコンピュータ１３０−３、乗り物１３０−４内蔵デバイス等、またはそれらの任意の組合せを含むことができる。いくつかの実施形態において、モバイルデバイス１３０−１は、スマートホームデバイス、スマートモバイルデバイス、バーチャルリアリティデバイス、オーグメンテッドリアリティデバイス等、またはそれらの任意の組合せを含むことができる。いくつかの実施形態において、スマートホームデバイスは、スマート照明デバイス、インテリジェント電気装置の制御デバイス、スマートモニタリングデバイス、スマートテレビジョン、スマートビデオカメラ、インターフォン等、またはそれらの任意の組合せを含むことができる。いくつかの実施形態において、ウェアラブルデバイスは、スマートブレスレット、スマートフットギア、スマートグラス、スマートヘルメット、スマートウォッチ、スマート服、スマートバックパック、スマートアクセサリ等、またはそれらの任意の組合せを含むことができる。いくつかの実施形態において、スマートモバイルデバイスは、スマートフォン、パーソナルデジタルアシスタンス（ＰＤＡ）、ゲームデバイス、ナビゲーションデバイス、ポイントオブセールデバイス（ＰＯＳ）デバイス等、またはそれらの任意の組合せを含むことができる。いくつかの実施形態において、バーチャルリアリティデバイスおよび／またはオーグメンテッドリアリティデバイスは、バーチャルリアリティヘルメット、バーチャルリアリティグラス、バーチャルリアリティパッチ、オーグメンテッドリアリティヘルメット、オーグメンテッドリアリティグラス、オーグメンテッドリアリティパッチ等、またはそれらの任意の組合せを含むことができる。例えば、バーチャルリアリティデバイスおよび／またはオーグメンテッドリアリティデバイスは、グーグル（登録商法）グラス、オキュラスリフト、ホロレンズ（HoloLens）、Gear VR等を含むことができる。いくつかの実施形態において、乗り物１３０−４内に内蔵されるデバイスは、オンボードコンピュータ、オンボードテレビジョン等を含むことができる。いくつかの実施形態において、サービス要求者端末１３０は、乗客および／またはサービス要求者端末１３０の位置を突き止める測位技術を有するデバイスであり得る。

サービスプロバイダ端末１４０は、複数のサービスプロバイダ端末１４０−１、１４０−２、・・・、１４０−ｎを含むことができる。いくつかの実施形態において、サービスプロバイダ端末１４０は、サービス要求者端末１３０と類似のまたは同じデバイスであり得る。いくつかの実施形態において、サービスプロバイダ端末１４０は、オンラインオンデマンド輸送サービスをインプリメントすることができるように、カスタマイズすることができる。いくつかの実施形態において、サービスプロバイダ端末１４０は、サービスプロバイダ、サービスプロバイダ端末１４０、および／またはサービスプロバイダ端末１４０に関連づけられた乗り物１５０を測位するための測位技術を有するデバイスであり得る。いくつかの実施形態において、サービス要求者端末１３０及び／またはサービスプロバイダ端末１４０は、他の測位デバイスと通信して、乗客、サービス要求者端末１３０、サービスプロバイダおよび／またはサービスプロバイダ端末１４０の位置を決定することができる。いくつかの実施形態において、サービス要求者端末１３０および／またはサービスプロバイダ端末１４０は、周期的に測位情報をサーバ１１０に送信することができる。いくつかの実施形態において、サービスプロバイダ端末１４０は、また周期的に利用可能性ステータスをサーバ１１０に送信することができる。利用可能性ステータスは、サービスプロバイダ端末１４０に関連づけられた乗り物１５０が、乗客を運ぶのに利用可能であるかどうかを示すことができる。例えば、サービス要求者端末１３０および／またはサービスプロバイダ端末１４０は、測位情報と利用可能性情報を、３０分毎にサーバ１１０に送信することができる。他の例として、サービス要求者端末１３０及び／またはサービスプロバイダ端末１４０は、ユーザがオンラインオンデマンド輸送サービスに関連づけられたモバイルアプリケーションにログインする毎に、測位情報と利用可能性ステータスをサーバ１１０に送信することができる。

いくつかの実施形態において、サービスプロバイダ端末１４０は、１つまたは複数の乗り物１５０に対応付けることができる。乗り物１５０は、乗客を乗せ目的地へ移動することができる。乗り物１５０は、複数の乗り物１５０−１、１５０−２、・・・、１５０−ｎを含むことができる。１つの乗り物は１つのサービスタイプ（例えば、タクシーヘイリングサービス、ショーファーサービス、イクスプレスカーサービス、カープールサービス、バスサービス、ドライバハイヤ（driver hire）サービス、またはシャトルサービス）に対応づけることができる。

ストレージデバイス１６０は、データおよび／または命令を記憶することができる。いくつかの実施形態において、ストレージデバイス１６０は、サービス要求者端末１３０および／またはサービスプロバイダ端末１４０から取得したデータを記憶することができる。いくつかの実施形態において、ストレージデバイス１６０は、この開示において記載した例示方法を実行するために、サーバ１１０が使用または実行することができるデータおよび／または命令を記憶することができる。いくつかの実施形態において、ストレージデバイス１６０は、マスストレージ、リムーバブルストレージ、揮発性リードアンドライトメモリ、リードオンリメモリ（ＲＯＭ）等、またはそれらの任意の組合せを含むことができる。例示マスストレージは、磁気ディスク、光ディスク、ソリッドステートドライブ等を含むことができる。例示リムーバブルストレージは、フラッシュドライブ、フロッピーディスク、光ディスク、メモリカード、ジップディスク、磁気テープ等を含むことができる。例示ボラタイルリードアンドライトメモリは、ランダムアクセスメモリ（ＲＡＭ）を含むことができる。例示ＲＡＭは、ダイナミックＲＡＭ（ＤＲＡＭ）、ダブルデートレートシンクロナスダイナミックＲＡＭ（ＤＤＲ ＳＤＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、サイリスタＲＡＭ（Ｔ−ＲＡＭ）、およびゼロキャパシタＲＡＭ（Ｚ−ＲＡＭ）等を含むことができる。例示ＲＯＭは、マスクＲＯＭ（ＭＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、イレーザブルプログラマブルＲＯＭ（ＥＰＲＯＭ）、及びデジタルバーサタイルディスクＲＯＭ等を含むことができる。いくつかの実施形態において、ストレージデバイス１６０は、クラウドプラットフォーム上にインプリメントすることができる。単なる例示として、クラウドプラットフォームは、プライベートクラウド、パブリッククラウド、ハイブリッドクラウド、コミュニティクラウド、分散クラウド、インタークラウド、マルチクラウド等、またはそれらの任意の組合せを含むことができる。

いくつかの実施形態において、ストレージデバイス１６０は、ネットワーク１２０に接続してＯ２Ｏサービスシステム１００の１つまたは複数のコンポーネント（例えば、サーバ１１０、サービス要求者端末１３０、またはサービスプロバイダ端末１４０）と通信することができる。Ｏ２Ｏサービスシステムの１つまたは複数のコンポーネントは、ネットワークを介してストレージデバイス１６０に記憶されたデータまたは命令にアクセスすることができる。いくつかの実施形態において、ストレージデバイス１６０は、Ｏ２Ｏサービスシステム１００（例えば、サーバ１１０、サービス要求者端末１３０、サービスプロバイダ端末１４０）の１つまたは複数のコンポーネントと直接接続するか、または通信することができる。いくつかの実施形態において、ストレージデバイス１６０は、サーバ１１０の一部であり得る。

ナビゲーションシステム１７０は、オブジェクト、例えば、サービス要求者端末１３０、サービルプロバイダ端末１４０、乗り物１５０等の１つまたは複数に関連づけられた情報を決定することができる。いくつかの実施形態において、ナビゲーションシステム１７０は、全地球測位システム（ＧＰＳ）、全地球航法衛星システム（ＧＬＯＮＡＳＳ）、コンパス航法システム（ＣＯＭＰＡＳＳ）、北斗航法衛星システム、ガリレオ測位システム、準天頂衛星システム（ＱＺＳＳ）などであり得る。情報は、オブジェクトのロケーション、高度、速度、または加速度、または現在時刻を含むことができる。ナビゲーションシステム１７０は、１つまたは複数の衛星、例えば、衛星１７０−１、衛星１７０−２、および衛星１７０−３を含むことができる。衛星１７０−１乃至１７０−３は、上で示した情報を独立して、または一緒に決定することができる。衛星ナビゲーションシステム１７０は、上で示した情報を、無線接続を介して、ネットワーク１２０、サービス要求者端末１３０、サービスプロバイダ端末１４０、または乗り物１５０に送信することができる。

いくつかの実施形態において、Ｏ２Ｏサービスシステム１００の１つまたは複数のコンポーネント（例えば、サーバ１１０、サーバ要求端末１３０、サービスプロバイダ端末１４０）は、ストレージデバイス１６０をアクセスするための許可を有することができる。いくつかの実施形態において、Ｏ２Ｏサービスシステム１００の１つまたは複数のコンポーネントは、１つまたは複数の条件が満足されると、乗客、サービスプロバイダ、および／またはパブリックに関連した情報を読み取りおよび／または変更することができる。例えば、サーバ１１０は、サービス完了後、一人または複数の乗客の情報を読み取りおよび／または変更することができる。他の例として、サーバ１１０は、サービス完了後、１つまたは複数のサービスプロバイダの情報を読み取りおよび／または変更することができる。

いくつかの実施形態において、Ｏ２Ｏサービスシステム１００の１つまたは複数のコンポーネントの情報交換は、サービスを要求することにより開始することができる。サービス要求のオブジェクトは任意のプロダクトであり得る。いくつかの実施形態において、プロダクトは、食料、医薬品、日用品、化学製品、電気機器、服、車、ハウジング、贅沢品等またはそれらの組合せを含むことができる。いくつかの他の実施形態において、プロダクトは、サービス・プロダクト、金融プロダクト、知識プロダクト、インターネットプロダクト等、またはそれらの任意の組合せを含むことができる。インターネットプロダクトは、個々のホストプロダクト、ウェブプロダクト、モバイルインターネットプロダクト、コマーシャルホストプロダクト、埋め込みプロダクト等またはそれらの任意の組合せを含むことができる。モバイルインターネットプロダクトは、モバイル端末のソフトウェア、プログラム、システム等、またはそれらの任意の組合せにおいて使用することができる。モバイル端末は、タブレットコンピュータ、ラップトップコンピュータ、モバイルフォン、パーソナルデジタルアシスタンツ（ＰＤＡ）、スマートウォッチ、ポイントオブセール（ＰＯＳ）デバイス、オンボードコンピュータ、オンボードテレビジョン、ウェアラブルデバイス等、またはそれらの任意の組合せを含むことができる。例えば、プロダクトは、コンピュータまたはモバイルフォンに使用される任意のソフトウェア及び／またはアプリケーションであり得る。ソフトウェアおよび／またはアプリケーションは、社交、買い物、輸送、娯楽、学習、投資など、またはそれらの任意の組み合わせに関係し得る。いくつかの実施形態では、輸送に関連するソフトウェアおよび／またはアプリケーションは、移動ソフトウェアおよび／またはアプリケーション、乗り物スケジューリングソフトウェアおよび／またはアプリケーション、マッピングソフトウェアおよび／またはアプリケーションなどを含み得る。乗り物スケジューリングソフトウェアおよび／またはアプリケーションにおいて、乗り物は、馬、馬車、人力車（例えば、手押し車、自転車、三輪車など）、自動車（例えば、タクシー、バス、 自家用車など）、電車、地下鉄、船舶、航空機（飛行機、ヘリコプター、スペースシャトル、ロケット、熱気球など）など、または任意のそれらの組み合わせを含むことができる。

当業者は、Ｏ２Ｏサービスシステム１００の要素（または構成要素）が実行するとき、要素が電気信号および／または電磁信号を通じて実行し得ることを理解するであろう。例えば、サービスリクエスタ端末１３０がサービス要求をサーバ１１０に送信するとき、サービスリクエスタ端末１３０のプロセッサは、要求を符号化する電気信号を生成することができる。次に、サービス要求者端末１３０のプロセッサは、電気信号を出力ポートに送信することができる。サービス要求者端末１３０が有線ネットワークを介してサーバ１１０と通信する場合、出力ポートはケーブルに物理的に接続され得、ケーブルはさらに電気信号をサーバ１１０の入力ポートに送信し得る。サービス要求者端末１３０が無線ネットワークを介してサーバ１１０と通信する場合、サービス要求者端末１３０の出力ポートは、電気信号を電磁信号に変換する１つまたは複数のアンテナであり得る。同様に、サービスプロバイダ端末１３０は、電気信号または電磁石信号を介して、サーバ１１０から命令および／またはサービス要求を受信することができる。サービスリクエスタ端末１３０、サービスプロバイダ端末１４０、および／またはサーバ１１０などの電子デバイス内で、そのプロセッサが命令を処理し、命令を送信し、および／またはアクションを実行すると、命令および／または またはアクションは、電気信号を介して行われる。例えば、プロセッサが記憶媒体からデータを検索または保存するとき、プロセッサは、記憶媒体の構造化データを読み取りまたは書き込むことができる記憶媒体の読み取り/書き込みデバイスに電気信号を送信することができる。構造化データは、電子デバイスのバスを介して電気信号の形でプロセッサに送信されてもよい。ここで、電気信号は、１つの電気信号、一連の電気信号、および／または複数の個別の電気信号を指し得る。

図２は、本開示のいくつかの実施形態による、サーバ１１０、サービス要求者端末１３０、および／またはサービスプロバイダ端末１４０がインプリメントされ得るコンピューティングデバイス２００の例示的なハードウェアおよびソフトウェアコンポーネントを示す概略図である。たとえば、処理エンジン１１２は、コンピューティングデバイス２００上に実装され、本開示で開示される処理エンジン１１２の機能を実行するように構成され得る。

コンピューティングデバイス２００は、いくつかの実施形態では、専用コンピュータであり得る。コンピューティングデバイス２００は、本開示のためのＯ２Ｏシステムをインプリメントするために使用され得る。コンピューティングデバイス２００は、本明細書で説明するように、Ｏ２Ｏサービスの任意のコンポーネントをインプリメントすることができる。図１乃至２では、純粋に便宜上の目的で、そのようなコンピュータ装置は１つだけ示されている。当業者は、本願の出願時に、本明細書に記載されるＯ２Ｏサービスに関連するコンピュータ機能が、処理負荷を分散するために、いくつかの同様のプラットフォーム上で、分散方式によりインプリメントされ得ることを理解するであろう。

コンピューティングデバイス２００は、例えば、データ通信を容易にするために、ネットワークに接続されたＣＯＭポート２５０を含み得る。コンピューティングデバイス２００はまた、プログラム命令を実行するための１つまたは複数のプロセッサの形態の中央処理装置（ＣＰＵ、またはプロセッサ）２２０を含み得る。例示的なコンピュータプラットフォームは、コンピュータによって処理および/または送信されるさまざまなデータファイルに関する、内部通信バス２１０、異なる形式のプログラムストレージおよびデータストレージ、例えば、ディスク２７０、および読み取り専用メモリ（ＲＯＭ）２３０、またはランダムアクセスメモリ（ＲＡＭ）２４０を含み得る。例示的なコンピュータプラットフォームはまた、ＲＯＭ２３０、ＲＡＭ２４０、および／またはＣＰＵ ／プロセッサ２２０によって実行される他のタイプの非一時的な記憶媒体に記憶されたプログラム命令を含み得る。本開示の方法および／またはプロセスは、プログラム命令としてインプリメントされ得る。コンピューティングデバイス２００はまた、コンピュータと、ユーザインターフェース要素（図２には図示せず）などの、他のコンポーネントとの間の入出力をサポートするＩ ／ Ｏコンポーネント２６０を含むことができる。コンピューティングデバイス２００はまた、ネットワーク通信を介してプログラミングおよびデータを受信し得る。

単なる例示のために、コンピューティングデバイス２００には、１つのＣＰＵ ／プロセッサ２２０のみが記載されている。しかしながら、本開示におけるコンピューティングデバイス２００はまた、複数のＣＰＵ／プロセッサを含み得、したがって、本開示において説明されるような、１つのＣＰＵ／プロセッサ２２０によって実行される動作および／または方法ステップはまた、共同または 複数のＣＰＵ/プロセッサによって個別に実行される。例えば、本開示において、コンピューティングデバイス２００のＣＰＵ ／プロセッサ２２０が、ステップＡおよびステップＢの両方を実行する場合、ステップＡおよびステップＢはまた、２つの異なるＣＰＵ／プロセッサによって共同で、または別々に実行されてもよいことを理解されたい。コンピューティングデバイス２００（例えば、第１のプロセッサがステップＡを実行し、第２のプロセッサがステップＢを実行するか、または第１および第２のプロセッサが共同してステップＡおよびＢを実行する）。

図３は、本開示のいくつかの実施形態による、ユーザ端末がインプリメントされ得る例示的なモバイルデバイス３００の例示的なハードウェアおよび／またはソフトウェアコンポーネントを示す概略図である。図３に示すように、モバイルデバイス３００は、通信プラットフォーム３１０、ディスプレイ３２０、グラフィック処理ユニット（ＧＰＵ）３３０、中央処理ユニット（ＣＰＵ）３４０、Ｉ／Ｏ３５０、メモリ３６０、およびストレージ３９０を含み得る。いくつかの実施形態において、これに限定されないが、システムバスまたはコントローラ（図示せず）を含む任意の他の適切なコンポーネントは、またモバイルデバイス３００内に含むことができる。いくつかの実施形態において、モバイルオペレーティングシステム３０（例えば、ｉＯＳ ＴＭ、AndroidＴＭ、Windows Phone TM等）および１つまたは複数のアプリケーション３８０は、ＣＰＵ３４０により実行されるようにストレージ３９０からメモリ３６０にロードすることができる。アプリケーション３８０は、画像処理または処理エンジン１１２からの他の情報に関連する情報を受信し、レンダリングするためのブラウザまたは任意の他の適切なモバイルアプリを含むことができる。情報ストリームとのユーザ相互作用は、Ｉ／Ｏ３５０を介して達成することができ、ネットワーク１２０を介して処理エンジン１１２および／またはサービスシステム１００の他のコンポーネントに提供することができる。

この開示に記載された種々のモジュール、ユニットおよびそれらの機能をインプリメントするために、コンピュータハードウェアプラットフォームは、ここに記載されたエレメントの１つまたは複数のためのハードウェアプラットフォーム（複数の場合もある）として使用することができる。ユーザインタフェースエレメントを備えたコンピュータは、パーソナルコンピュータ（ＰＣ）または任意の他のタイプのワークステーションまたは端末デバイスをインプリメントするのに使用することができる。コンピュータは、また、適切にプログラムされた場合に、サーバとしても動作することができる。

図４Ａおよび図４Ｂは、この開示のいくつかの実施形態に従う例示処理エンジン１１２Ａおよび１１２Ｂをそれぞれ例示するブロック図である。いくつかの実施形態において、処理エンジン１１２Ａは、サービスオーダのＥＴＡを決定するように構成することができ、処理エンジン１１２Ｂは、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ように構成することができる。いくつかの実施形態において、処理エンジン１１２Ａと１１２Ｂは、それぞれ図２に示したコンピューティングデバイス２００（例えば、ＣＰＵ２１０）、または図３に示したＣＰＵ３４０にインプリメントすることができる。単なる例示として、処理エンジン１１２Ａは、モバイルデバイスのＣＰＵ３４０にインプリメントすることができ、処理エンジン１１２Ｂは、コンピューティングデバイス２００にインプリメントすることができる。あるいは、処理エンジン１１２Ａと１１２Ｂは、同一コンピューティングデバイス２００または同一ＣＰＵ３４０にインプリメントすることができる。

処理エンジン１１２Ａは、取得モジュール４０１、決定モジュール４０２および送信モジュール４０３を含むことができる。モジュールは、処理エンジン１１２Ａのすべてまたは一部のハードウェア回路であり得る。モジュールは、また処理エンジン１１２Ａにより読み取られおよび実行されるアプリケーションまたは命令のセットとしてインプリメントすることができる。さらに、モジュールは、ハードウェア回路およびアプリケーション／インストラクションの任意の組み合わせであり得る。例えば、モジュールは、処理エンジン１１２Ａがアプリケーション／命令のセットを実行しているとき、処理エンジン１１２Ａの一部であり得る。

取得モジュール４０１は、Ｏ２Ｏサービスシステム１００に関連した情報を取得するように構成することができる。例えば、取得モジュール４０１は、ターゲット要求者端末により開始された、」潜在的サービスオーダに関連した第１の情報、ポテンシャルサービスオーダの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、スタートロケーションからしきい値距離内の１つまたは複数の要求者端末に関連した需要情報、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等、またはそれらの任意の組み合わせを取得することができる。いくつかの実施形態において、取得モジュール４０１は、ストレージデバイス１６０、処理エンジン１１２Ｂ、要求者端末１３０、および／またはプロバイダ端末１４０のようなＯ２Ｏサービスシステムの１つまたは複数のコンポーネントから情報を取得することができる。さらに、あるいは代替的に、取得モジュール４０１は、ネットワーク１２０を介して外部データソース（図示せず）から情報を取得することができる。

決定モジュール４０２は、ポテンシャルサービスオーダのＥＴＡを決定するように構成することができる。例えば、決定モジュール４０２は、ポテンシャルサービスオーダに関連した第１、第２、および／または需要情報を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ＥＴＡを決定することができる。いくつかの実施形態において、決定モジュール４０２は、さらに、各候補サービスプロバイダが、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決定するように構成することができる。例えば、決定モジュール４０２は、種々のファクタ、例えば、ポテンシャルサービスオーダのスタートロケーション周辺近くの領域内の需要と供給の関係、スタートロケーションおよび／または目的地周辺のエリアの交通ルールと道路交通法、および／または候補サービスプロバイダのオーダ受付レート等、またはそれらの任意の組み合わせのような種々のファクタに基づいて、決定することができる。可能性の判断に関するさらなる記述は、この開示のどこかに見出すことができる。例えば、図６の動作５２０およびその関連する記述に見出すことができる。

送信モジュール４０３は、ターゲット要求者端末へ、表示のためにポテンシャルサービスオーダのＥＴＡを送信することができる。ポテンシャルサービスオーダのＥＴＡは、音声、テキスト、グラフ、画像等またはそれらの任意の組み合わせでターゲット要求者端末に表示することができる。

処理エンジン１１２Ｂは、取得モジュール４０４、トレーニングモジュール４０５、テストモジュール４０６を含むことができる。モジュールは、処理エンジン１１２Ｂのすべて、または一部のハードウェア回路であり得る。モジュールは、また処理エンジン１１２Ｂにより読取られ、実行されるアプリケーション、または命令のセットとしてインプリメントすることができる。さらにモジュールは、ハードウェア回路およびアプリケーション／命令の任意の組合せであり得る。例えば、モジュールは、処理エンジン１１２Ｂが、アプリケーション／命令のセットを実行しているとき、処理エンジン１２Ｂの一部であり得る。

取得モジュール４０４は、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ために使用される情報を取得するように構成することができる。例えば、取得モジュール４０４は、サンプルポテンシャルサービスオーダに関連した情報、例えば、サンプルポテンシャルオーダに関連した第３の情報、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サンプル候補サービスプロバイダ、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ポテンシャル要求者端末に関連したサンプル需要情報、予備ニューラルネットワークモデル、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）等、またはそれらの任意の組み合わせに関する情報を取得することができる。いくつかの実施形態において、取得モジュール４０４は、Ｏ２Ｏサービスシステム１００の１つまたは複数のコンポーネント、例えば、ストレージデバイス１６０、要求者端末１３０、および／またはプロバイダ端末１４０から情報を取得することができる。さらに、または代替的に、取得モジュール４０４は、ネットワーク１２０を介して外部データソース（図示せず）から情報を取得することができる。

トレーニングモジュール４０５は、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ように構成することができる。いくつかの実施形態において、トレーニングモジュール４０５は、複数のサンプルポテンシャルサービスオーダ、またはサンプルポテンシャルサービスオーダの一部の、予測されたＥＴＡｓとＡＴＡｓとの間の差分である損失関数を決定することにより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ができる。予備ニューラルネットワークモデルのトレーニングに関するさらなる記述は、この開示のどこかに見出すことができる。例えば、動作７０３、７０７および関連する記述を参照。

テストモジュール４０６は、テストパラメータを決定することにより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ように構成することができる。いくつかの実施形態において、テストパラメータは、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およびサンプルポテンシャルオーダの第２の部分に基づいて決定することができる。テストパラメータに関するさらなる記述は、この開示のどこかに見出すことができる。例えば、動作７０８、７０９とその関連する記載を参照のこと。

処理エンジン１１２Ａおよび１１２Ｂの上述した記述は、例示目的のために提供され、この開示の範囲を限定することを意図したものではないことに留意する必要がある。当業者には、複数の変形及び変更を、この開示の教示に基づいて行うことができる。しかしながら、これらの変形および変更は、この開示の範囲から逸脱しない。いくつかの実施形態において、上で示した任意のモジュールは、２以上のユニットに分割することができる。例えば、取得モジュール４０１は、ポテンシャルサービスオーダに関連した第１の情報、ポテンシャルサービスオーダの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の情報を取得するように構成された、第２の取得ユニットに分割することができる。さらに、または代替的に、取得モジュール４０１は、スタートロケーションからしきい値距離内の、１つまたは複数のポテンシャルリクエスタ端末に関連した需要情報を取得するように構成された、第３の取得モジュールを含むことができる。

いくつかの実施形態において、処理エンジン１１２Ａおよび／または１１２Ｂは、さらに、１つまたは複数の追加モジュールまたは１つまたは複数の、上で示したモジュールを省略することができる。例えば、処理エンジン１１２Ａは、さらに、トレーニングモジュール４０５に類似したトレーニングモジュールを含むことができる。いくつかの実施形態において、トレーニングモジュールは、複数のサンプルポテンシャルサービスオーダに関連した第３および第４の情報、およびＥＴＡのトレーニングされたネットワークモデルをトレーニングするように構成されたトレーニングユニットを含むことができる。さらに、または代替的に、トレーニングモジュール４０５は、サンプルポテンシャルサービスオーダのＡＴＡｓを取得するように構成された、第５の取得ユニット、およびモデルをテストするように構成されたテストユニットを含むことができる。いくつかの実施形態において、処理エンジン１１２Ａと処理エンジン１１２Ｂは、単一の処理エンジン１１２に統合することができる。

図５は、この開示のいくつかの実施形態に従うＯ２Ｏサービスに関するＥＴＡを決定する例示プロセスを例示するフローチャートである。プロセス５００は、Ｏ２Ｏサービスシステム１００により実行することができる。例えば、プロセス５００は、ストレージデバイス１６０に記憶された命令のセット（例えば、アプリケーション）としてインプリメントすることができる。いくつかの実施形態において、処理エンジン１１２Ａは、命令のセットを実行することができ、Ｏ２Ｏサービスプラットフォーム内のプロセス５００を実行するように命令されることができる。プラットフォームは、インターネットを介して、サービスプロバイダと要求者を接続するインタネットベースプラットフォームであり得る。

ステップ５１０において、処理エンジン１１２Ａ（例えば、取得モジュール４０１）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の情報を取得することができる。

ポテンシャルサービスオーダは、既知のスタートロケーションを有するサービスオーダであるが、ターゲット要求者端末の要求者により正式に発行されていないサービスオーダを指すことができる。ここで、使用されるように、サービスオーダのための要求が成されなかったか、またはターゲット要求者端末を介して要求者によりＯ２Ｏサービスシステム１００のサーバ１１０に送信されなかった場合、サービスオーダは、要求者により正式に発行されなかったとみなすことができる。例えば、Ｏ２Ｏサービスに関する要求を行うことを意図しているとき、要求者は、スタートロケーションを入力するか、またはターゲット要求者端末により提供されたスタートロケーションを使用することができるが、要求を行わなかった。そのような場合、サービスオーダは、ポテンシャルサービスオーダとみなすことができる。

いくつかの実施形態において、スタートロケーションが決定され、要求が要求者によりなされる前に、ターゲット要求者端末は、ポテンシャルサービスオーダをサーバ１１０に送信することができる。さらに、または代替的にターゲット要求者端末は、連続的に、または周期的にターゲット要求者端末に関連する情報をサーバ１１０に送信することができる。サーバ１１０（例えば、処理エンジン１１２Ａ）は、受信した情報に従うターゲット要求者端末を介して要求者によって開始されたポテンシャルサービスオーダがあるかどうかを判断することができる。受信したまたは決定したポテンシャルサービスオーダに応答して、処理エンジン１１２Ａは、プロセス５００を実行してターゲットサービスプロバイダが、ポテンシャルサービスオーダのスタートロケーションに到着するための推定時刻を決定することができ、簡単のためにポテンシャルサービスオーダのＥＴＡと呼ばれる。

いくつかの実施形態において、ポテンシャルサービスオーダは、Ｏ２Ｏサービスに関連したサービスオーダであり得る。例示Ｏ２Ｏサービスは、輸送サービス（例えば、タクシーヘイリングサービス、ショーファーサ−ビス、イクスプレスカーサービス、カープールサービス、バスサービス、ドライバハイヤサービス、およびシャトルサービス）、ポストサービス、食料品オーダサービス、持ち帰りサービス等、またはそれらの任意の組み合わせを含むことができる。ターゲット要求者端末は、要求者端末１３０であり得、それを介して要求者は、Ｏ２Ｏサービスに関する要求を行う。

第１の情報は、ポテンシャルサービスオーダに関する任意の情報を含むことができる。例示の第１の情報は、これらに限定されないが、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、ユーザ情報等、またはそれらの任意の組み合わせを含むことができる。時間情報は、要求時刻、要求日、要求時間の特定日にちセクション（例えば、平日、週末、休日、祭日）、タイムインターバル（例えば、ラッシュアワー時、日中、夜間）等、またはそれらの任意の組み合わせを含むことができる。ロケーション情報は、要求者の現在のロケーション、ポテンシャルサービスオーダのスタートロケーションおよび／または目的地、スタートロケーションおよび／または目的地周辺のビルの密度、スタートロケーションから目的地までのルート等、またはそれらの任意の組み合わせを含むことができる。天気情報は、大気質指数、温度、視界、湿度、気圧、風速、ＰＭ２．５指数、降水量、降水のタイプ（例えば、雪、雨）、降水量の可能性のパーセンテージ等、またはそれらの任意の組み合わせを含むことができる。天気情報は、例えば、リアルタイムの天気情報、実質的にリアルタイムの天気情報、および／または天気予報情報を含むことができる。トラヒック情報は、スタートロケーションおよび／目的地における、または、ポテンシャルサービスオーダのスタートロケーションから目的地までのルートに沿った交通量、交通渋滞状況、交通事故件数およびその場所、乗り物速度（例えば、平均速度、瞬間速度）情報等、またはそれらの任意の組みあわせを含むことができる。政策情報は、交通、乗り物管理（例えば、あるプレート番号（例えば偶数または奇数）を有する乗り物のみが、あるエリアで運転することができる）、速度等、またはそれらの任意の組み合わせに関する法律と規則を含むことができる。ニュース情報は、ポテンシャルサービスオーダのスタートロケーションおよび／または目的地周辺のイベントの数（例えば、コンサート、展示会、競争、市場プロモーション）を含むことができる。ユーザ情報は、ポテンシャルサービスオーダの要求者の嗜好情報、プロファイル情報（例えば、性別、年齢、教育レベル、職業、出生地、住居）、性能情報（例えば、サービスプロバイダにより評価された性能スコア）等、またはそれらの任意の組み合わせを含むことができる。

いくつかの実施形態において、第１の情報はＯ２Ｏサービスシステム１００の１つまたは複数のコンポーネント、例えば、ターゲット要求者端末１３０、ストレージデバイス１６０、処理エンジン１１２Ａから取得することができる。さらに、または代替的に、第１の情報の少なくとも一部または全部は、ネットワーク１２０を介して外部ソースから取得することができる。例えば、天気情報は、天気予報データベースまたはウェブサイトから取得することができる。

いくつかの実施形態において、ポテンシャルサービスオーダに関連する第１の情報は、少なくとも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ことができる。ポテンシャルサービスオーダのスタートロケーションは、ターゲット要求者端末の要求者がＯ２Ｏサービスを受信することを望む、および／または必要とするスタートロケーションを指すことができる。いくつかの実施形態において、ターゲット要求者端末の要求者は、自分自身または他のユーザのためのサービス要求を開始することができる。この発明の実施形態は、当業者により知られているマイナーな変更を用いて、他者シナリオのための要求サービス(request-service-for-others scenario）に適用することができるが、以下の記述は、例として、自己要求サービスシナリオ（request-service-for-self-scenario）を使用する。

いくつかの実施形態において、ポテンシャルサービスオーダのスタートロケーションは、ターゲット要求者端末の現在のロケーションであり得る。例えば、ターゲット要求者端末の現在のロケーションは、ターゲット要求者端末にインストールされたＯ２Ｏサービスのためのアプリケーションを開く、または使用するときのスタートロケーションとして設定することができる。ターゲット要求者端末の現在のロケーションは、これに限定されないが、ＧＰＳ測位技術、基地局測位技術、ＷＩＦＩ測位技術等のような測位技術に基づいて決定することができる。いくつかの実施形態において、ターゲット要求者端末の現在のロケーションは、自動的にターゲット要求者端末により、取得モジュール４０１に送信することができる。

さらに、または代替的に、スタートロケーションは、ターゲット要求者端末を介して要求者により入力することができ、次に取得モジュール４０１に送信することができる。要求者は、タイピング、ライティング、自分の声で、ジェスチャで、ターゲット要求者端末のインタフェースをタッチすることにより、等またはそれらの任意の組合せによりスタートロケーションを入力することができる。例えば、要求者は、ターゲット要求者端末のスクリーンをタッチすることにより、スタートロケーションを入力することができる。単なる例示として、ターゲット要求者端末は、スタートロケーションが、ピンによりマーキングされた地図を表示することができ、要求者が地図上のピンをドラッグすることによりスタートロケーションを移動させることができる。移動されたスタートロケーションを、スタートロケーションとして設定することができる。

ステップ５２０において、処理エンジン１１２Ａ（例えば、取得モジュール４０１）は、ポテンシャルサービスオーダの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ができる。第２の情報の少なくとも一部は、１つまたは複数のサービス候補プロバイダが、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ことができる。

候補サービスプロバイダは、スタートロケーションからしきい値距離内にあり、ポテンシャルサービスプロバイダを受諾可能である、または受諾可能予定である任意のサービスプロバイダであり得る。例えば、候補サービスプロバイダは、スタートロケーションからしきい値内内にあり、サービスオーダを待っているサービスプロバイダであり得る。他の例として、候補サービスプロバイダは、スタートロケーションからしきい値内にあり、サービスを提供するプロセス中であるが、ある期間、例えば、０．５分、１分内に最後のサービスオーダを終了するサービスプロバイダであり得る。さらに他の例として、候補サービスプロバイダは、スタートロケーションからしきい値距離内にあり、他の要求者にサービス中であるが、同時にポテンシャルサービスオーダを受諾可能であるサービスプロバイダであり得る。ある種のＯ２Ｏサービスの場合、これに限定されないが、例えば、カープールサービス、デリバリサービス、持ち帰りサービスの場合、サービスプロバイダは、同時に複数のサービス要求者にサービスを提供することができる。例えば、配送者は、商品を配送する処理において、新しいサービスオーダのスタートロケーションが自分の配達の途中にある場合、新しいサービスオーダを受け入れることができる。

しきい値距離は、任意の正の値を有することができ、例えば、これに限定されないが、５０ｍ、１００ｍ、または１ｋｍ等であり得る。しきい値距離は、ストレージデバイス（例えば、ストレージデバイス１６０）に記憶されたデフォルトパラメータであり得るか、またはＯ２Ｏサービスシステム１００のユーザにより設定することができる。いくつかの実施形態において、しきい値は、Ｏ２Ｏサービスシステム１００内の１つまたは複数のコンポーネント、例えばこれに限定されないが、処理エンジン１１２Ａにより決定することができる。いくつかの実施形態において、しきい値距離は、異なる状況、例えば、異なる要求時間、異なるサービスエリア、異なる天気等により変化することができる。単なる例示として、都市のスタートロケーションに対応するしきい値距離は、地区のスタートロケーションに対応する値よりも小さくすることができる。

各候補サービスプロバイダに関して、第２の情報は、これに限定されないが、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、またはパフォーマンス情報、またはそれらの任意の組合せを含むことができる。乗り物情報とキャパシティ情報は、候補サービスプロバイダが、サービスを提供する際に使用する乗り物に関連づけることができる。乗り物情報は、乗り物タイプ、乗り物のブランド、乗り物の経過年数等、またはそれらの任意の組合せを含むことができる。キャパシティ情報は、乗り物のシートの数、乗り物の負荷容量（例えば、乗り物が運ぶことができる製品の重量）等、またはそれらの任意の組合せを含むことができる。価格情報は、サービスを提供するために候補サービスプロバイダの基本価格、単位価格（例えば、単位距離あたりの価格）、動的価格レート等、またはそれらの任意の組合せを含むことができる。サービス情報は、オーダ受付率、オーダ完了率、オーダキャンセル率、サービス応答時間、候補サービスプロバイダの過去のサービスオーダの数等、またはそれらの任意の組合せを含むことができる。ロケーション情報は、候補サービスプロバイダの現在のロケーション、候補サービスプロバイダと、ポテンシャルサービスプロバイダのスタートロケーションとの距離、候補サービスプロバイダとスタートロケーションとの間のルートに沿った交差点の数等、またはそれらの任意の組合せを含むことができる。候補サービスプロバイダとスタートロケーションとの間の距離は、直線距離、またはそれらの間のルートの距離であり得る。性能情報は、要求者により評価された性能スコア、要求者から受けた苦情の数等、またはそれらの任意の組合せを含むことができる。

いくつかの実施形態において、第２の情報の少なくとも一部は、各候補サービスプロバイダが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ことができる。ここに使用されるように、ターゲットサービスプロバイダは、ポテンシャルサービスオーダを受け付けるサービスプロバイダに言及することができる。Ｏ２Ｏサービスシステム１００において、候補サービスプロバイダがポテンシャルサービスオーダＢのスタートロケーションに近づくと、ポテンシャルサービスオーダＡの候補サービスプロバイダは、ポテンシャルサービスオーダＢのターゲットサービスプロバイダに成ることができる。このような場合、各候補サービスプロバイダが、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考慮せずに、ポテンシャルサービスオーダのＥＴＡは、正確に決定することができない。この発明は、各候補サービスプロバイダが、ポテンシャルサービスオーダのターゲット要求者端末に成る可能性を考慮することにより、ＥＴＡのより正確な決定を提供するための方法とシステムを提供する。

候補サービスプロバイダが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は、種々のファクタ、例えば、ポテンシャルサービスオーダのスタートロケーション周辺のエリアにおける需要と供給の関係、スタートロケーションおよび／または目的地周辺における交通ルール、および道路交通法、サービス領域、サービス時間、運転方向、および／または候補サービスプロバイダの受注率等、またはそれらの任意の組合わせにより、影響を受ける可能性がある。

スタートロケーションまたは目的地近辺のエリアは、スタートロケーションまたは目的地を取り囲む、規則的または不規則的なエリアである。あるエリアにおける需要と供給の関係は、そのエリアにおける候補サービスプロバイダの数と、サービスオーダの数（例えば、ポテンシャルサービスオーダおよび／または要求者により為されたサービスオーダ）によって決定することができる。例えば、あるエリアにおけるサービスオーダの数が、候補サービスプロバイダの数よりも多い場合、そのエリアは、供給が不足している可能性がある。交通規則および道路交通法は、交通、乗り物管理（例えば、あるプレート番号（例えば、偶数または奇数）を有する乗り物のみが、あるエリアにおいて運転できる）、速度制限等に関連づけることができる。

いくつかの実施形態において、処理エンジン１１２Ａ（例えば、決定モジュール４０２）は、上述したファクタの１つ以上を考慮することにより、各候補サービスプロバイダのための可能性を決定することができる。例えば、ポテンシャルサービスプロバイダのスタートロケーション周辺のエリアが、供給不足であるとき、決定モジュール４０３は、付近のエリアが十分な供給である場合よりも、候補サービスプロバイダの可能性を相対的に低く割り当てることができる。他の例として、ポテンシャルサービスオーダの目的地が、候補サービスプロバイダのサービス領域外であるとき、決定モジュール４０２は、候補サービスプロバイダの可能性を０に設定することができる。さらなる例として、候補サービスプロバイダのプレート番号が、目的地付近のエリアに制限される場合、決定モジュール４０２は、候補サービスプロバイダの可能性を０に設定することができる。いくつかの実施形態において、決定モジュール４０２は、図６に関連して記載したプロセス６００の１つまたは複数の動作を実行することにより、各候補サービスプロバイダの可能性を決定することができる。

ステップ５３０において、処理エンジン１１２Ａ（例えば、取得モジュール４０１）は、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ことができる。

ポテンシャル要求者端末は、ポテンシャルサービスオーダのスタートロケーションから、しきい値距離内に位置する要求者端末１３０に言及することができ、所定期間に他のポテンシャルサービスオーダを開始する。ステップ５２０に関連して記載したように、ポテンシャルサービスオーダのスタートロケーションの周辺エリアの需要と供給の関係は、より正確に決定するために、ポテンシャルサービスオーダのＥＴＡの決定において考慮する必要があるかもしれない。スタートロケーションの周辺エリアのＯ２Ｏサービスの供給は、ステップ５２０で取得した、スタートロケーションからしきい値距離内の候補サービスプロバイダ（複数の場合もある）に関連した、第２の情報により反映させることができる。スタートロケーションの周辺エリアのＯ２Ｏサービスの需要は、スタートロケーションからしきい値距離内のポテンシャル要求者端末（複数の場合もある）に関連づけられた、需要情報により反映させることができる。

所定期間は、ポテンシャルサービスオーダが、ターゲット要求者端末により開始される前の第１の期間、および／またはポテンシャルサービスオーダが、ターゲット要求者端末により開始された後の、第２の期間を含む任意の期間であり得る。第１の期間および／または第２の期間は、これに限定されないが、３０秒、１分、２分、３分等の任意の期間を有することができる。第１の期間と第２の期間は、同じ期間、または異なる期間を有することができる。いくつかの実施形態において、ステップ５３０においてポテンシャル要求者端末（複数の場合もある）に関するしきい値距離は、ステップ５２０において候補サービスプロバイダ（複数の場合もある）を定義するしきい値距離と同じであってもよいし、あるいは異なっていてもよい。

いくつかの実施形態において、需要情報は、各ポテンシャル要求者端末に関連した情報、ポテンシャルサービスオーダに対応するポテンシャル要求者端末の数、各ポテンシャル要求者端末と、ポテンシャルサービスオーダの各候補サービスプロバイダとの間の距離等、またはそれらの任意の組合せを含むことができる。いくつかの実施形態において、ポテンシャル要求者端末に関連した情報は、ポテンシャル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情報であって、ステップ５１０に関連して記載した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の情報に類似した情報を含むことができる。

いくつかの実施形態において、取得モジュール４０１は、スタートロケーションからしきい値距離内のポテンシャル要求者端末（複数の場合もある）のすべての、または選択されたグループに関連した需要情報を取得することができる。例えば、ポテンシャルサービスオーダの要求者は、必ずしも正式な依頼をしないかもしれないので、取得モジュール４０１は、スタートロケーションから所定しきい値内のポテンシャル要求者端末（複数の場合もある）のあるパーセンテージの需要情報のみを取得する。あるパーセンテージは、Ｏ２Ｏサービスシステム１００のユーザにより設定された、あるいは処理エンジン１１２Ａにより決定された、ストレージデバイス（例えば、ストレージデバイス１６０）に記憶されたデフォルトパラメータであり得る。

ステップ５４０において、処理エンジン１１２Ａ（例えば、決定モジュール４０２）は、第１の情報、第２の情報、および需要情報を、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ポテンシャルサービスオーダのためのＥＴＡを決定することができる。

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、入力（例えば、第１の情報、第２の情報、および／または需要情報）に基づいてポテンシャルサービスオーダのＥＴＡを決定するように構成することができる。いくつかの実施形態において、ＥＴＡのトレーニングされたニューラルネットワークネットワークモデルは、Ｏ２Ｏシステム１００内のストレージデバイス（例えば、ストレージデバイス１６０）および／またはネットワークを介した外部データソース（図示せず）から取得モジュール４０１により獲得することができる。

いくつかの実施形態において、処理エンジン１１２Ｂ（例えば、トレーニングモジュール４０５）は、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し、ストレージデバイスに記憶することができる。取得モジュール４０１は、ストレージデバイスをアクセスして、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検索することができる。いくつかの実施形態において、処理エンジン１１２Ｂは、マシンラーニングメソッドに基づいてＥＴＡのトレーニ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ができる。マシンラーニングメソッドは、これに限定されないが、人工ニューラルネットワークアルゴリズム、ディープラーニングアルゴリズム、デシジョンツリーアルゴリズム、相関ルールアルゴリズム、帰納論理プログラミングアルゴリズム、サポートベクタマシンアルゴリズム、クラスタリングアルゴリズム、ベイジアン（Bayesian）ネットワークアルゴリズム、強化学習（reinforcement learning）アルゴリズム、表現学習アルゴリズム、類似性および軽量学習（similarity and metric learning）アルゴリズム、疎辞書学習（sparse dictionary learning）アルゴリズム、遺伝的アルゴリズム、ルールベースマシンラーニングアルゴリズム等、またはそれらの任意の組合せを含むことができる。いくつかの実施形態において、処理エンジン１１２Ｂは、図７に図示するプロセス７００の１つまたは複数の動作を実行することにより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ことができる。

ステップ５５０において、処理エンジン１１２Ａ（例えば、送信モジュール４０３は、ポテンシャルサービスオーダのＥＴＡを表示のために、ターゲット要求者端末に送信することができる。

ポテンシャルサービスオーダのＥＴＡは、音声、テキスト、グラフ、画像等またはそれらの任意の組合せの形式でターゲット要求者端末に表示することができる。たとえば、ポテンシャルサービスオーダのＥＴＡは、テキストとして、例えば、「１分」、「２分」、「５分」をターゲット要求者端末のインタフェースに表示することができる。他の例として、ポテンシャルサービスオーダのＥＴＡは、ターゲット要求者端末によりブロードキャストすることができる。いくつかの実施形態において、ポテンシャルサービスオーダのＥＴＡは、ターゲット要求者端末にインストールされたＯ２ＯサービスのためのＡＰＰ上にまたはＡＰＰにより表示することができる。

プロセス５００に関する上述した記載は、単に、例示目的のために提供されたものであり、この開示の範囲を制限することを意図したものではないことに留意する必要がある。当業者には、この開示の教示に基づいて、複数の変形および変更が可能である。しかしながら、これらの変形および変更は、この開示の範囲から逸脱しない。

例えば、１つまたは複数のさらなるオプションの動作を追加することができ、および／または上述した動作の１つまたは複数を省略することができる。例えば、動作５３０は省略することができる。ステップ５４０において、決定モジュール４０２は、第１および第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ＥＴＡを決定することができる。いくつかの実施形態において、プロセス５００の動作の順番は、変更することができる。例えば、動作５１０乃至５３０は、同時にまたは任意の順番で実行することができる。いくつかの実施形態において、プロセス５００内の動作は、複数のサブ動作に分割することができる。単なる例として、動作５４０は、トレーニングモジュール４０５が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第１のサブ動作と、決定モジュール４０２が、第１、第２および／または需要情報を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ポテンシャルサービスオーダのＥＴＡを決定する第２のサブ動作に分割することができる。

図６は、この開示のいくつかの実施形態に従う、候補サービスルプロバイダが、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確率を決定する例示プロセスを図示するフローチャートである。プロセス６００は、Ｏ２Ｏサービスシステム１００により実行することができる。例えば、プロセス６００は、ストレージデバイス１６０に記憶された命令のセット（例えば、アプリケーション）としてインプリメントすることができる。いくつかの実施形態において、処理エンジン１１２Ａは、命令のセットを実行し、Ｏ２Ｏサービスプラットフォームのプロセス６００を実行するように指示されることができる。プラットフォームは、インターネットを介してサービスプロバイダと要求者を接続するインタネットベースプラットフォームであり得る。いくつかの実施形態において、プロセス６００は、図５を参照する動作５２０の少なくとも一部を達成するように実行することができる。

ステップ６１０において、処理エンジン１１２Ａ（例えば、決定モジュール４０２）は、ポテンシャルサービスオーダのスタートロケーションから、しきい値距離内の１つまたは複数のサービスプロバイダを決定することができる。

動作５２０に関連して記載したように、ポテンシャルサービスオーダの候補サービスプロバイダは、ポテンシャルサービスオーダのスタートロケーションから、しきい値距離内にあるか、またはポテンシャルサービスオーダを受け入れるために利用可能である、あるいは利用可能になろうとしている任意のサービスプロバイダであり得る。Ｏ２Ｏサービスシステム１００において、サービスプロバイダ端末１４０は、連続的にまたは周期的に情報（例えば、測位情報および／または利用可能ステータス）を、ネットワーク１２０を介してサーバ１１０に送信することができる。Ｏ２Ｏサービスシステム１００のサービスプロバイダ端末１４０の、すべてまたは一部の受信した情報に基づいて、サーバ１１０（例えば、処理エンジン１１２Ａ）は、サービスプロバイダ端末１４０の、すべてまたは一部の中で、候補サービスプロバイダ（複数の場合もあり得る）を決定することができる。

単なる例として、サービスプロバイダ端末１４０に関して、処理エンジン１１２Ａは、サービスプロバイダ端末１４０が、スタートロケーションからしきい値距離内に位置しているかどうかを判断することができる。サービスプロバイダ端末１４０が、スタートロケーションからしきい値距離内に位置しているとの判断に応答して、処理エンジン１１２Ａは、さらにサービスプロバイダ端末１４０が、ポテンシャルサービスオーダを受け付けることができるかどうかをさらに判断することができる。サービスプロバイダ端末１４０が、ポテンシャルサービスオーダを受け付けることができるとの判断に応答して、サービスプロバイダ端末１４０は、候補サービスプロバイダ（複数の場合もある）の１つとして決定することができる。

ステップ６２０において、処理エンジン１１２Ａ（例えば、決定モジュール４０２）は、スタートロケーションからしきい値距離内の１つまたは複数のポテンシャル要求者端末を決定することができる。

動作５３０に関連して記載したように、ポテンシャル要求者端末は、ポテンシャルサービスオーダスタートロケーションから、しきい値距離内に位置するサービス要求者端末に言及することができ、所定期間に別のポテンシャルサービスオーダを開始する。Ｏ２Ｏサービスシステム１００において、サービス要求者端末１３０は、連続的にまたは周期的に、ポテンシャル要求者端末に関連した情報（例えば、測位情報および／または要求情報）を、ネットワーク１２０を介してサーバ１１０に送信することができる。Ｏ２Ｏサービスシステム１００内のサービス要求者端末１３０の、すべてまたは一部の受信した情報に基づいて、サーバ１１０（例えば、処理エンジン１１２Ａ）は、サービス要求者端末１３０の、すべてまたは一部の中でポテンシャル要求者端末（複数の場合もある）を決定することができる。

単なる例示として、サービス要求者端末１３０に関して、処理エンジン１１２Ａは、サービス要求者端末１３０が、スタートロケーションからしきい値距離内に位置するかどうかを判断することができる。サービス要求者端末１３０が、スタートロケーションから、しきい値距離内に位置するとの判断に応答して、処理エンジン１１２Ａは、さらに、サービス要求者端末が、所定期間にポテンシャルサービスオーダを開始するかどうかをさらに判断することができる。サービス要求者端末１３０が、所定期間にポテンシャルサービスオーダを開始するとの判断に応答して、サービス要求者端末１３０は、ポテンシャル要求者端末（複数の場合もある）の１つとして指定することができる。

ステップ６３０において、処理エンジン１１２Ａ（例えば、決定モジュール４０２）は、候補サービスプロバイダ（複数の場合もある）を１つまたは複数のポテンシャル要求者端末およびターゲット要求者端末に事前割当することができる。

いくつかの実施形態において、事前割当は、各候補サービスプロバイダから各ポテンシャル要求者端末、またはターゲット要求者端末までの距離、各候補サービスプロバイダから各ポテンシャル要求者端末、また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のスタートロケーションまでの距離、各候補サービスプロバイダが、各ポテンシャル要求者端末、またはターゲット要求者端末に到達するための推定時間、各候補サービスプロバイダが、各ポテンシャル要求者端末また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のスタートロケーションに到達するまでの推定時間、各ポテンシャル要求者端末とターゲット要求者端末の要求者の嗜好など、またはそれらの任意の組合せに基づいて実行することができる。単なる例として、事前割当は、各候補サービスプロバイダから各ポテンシャル要求者端末、またはターゲット要求者端末までの距離に基づいて実行することができる。候補サービスプロバイダと、ポテンシャルまたはターゲット要求者端末との間の距離は、直線距離またはそれらの間のルート距離であり得る。いくつかの実施形態において、候補サービスプロバイダは、候補サービスプロバイダに最も近い、ポテンシャルまたはターゲット要求者端末に割当てることができる。

ステップ６４０において、処理エンジン１１２Ａ（例えば、決定モジュール４０２）は、事前割当結果に基づいて、各候補サービスプロバイダが、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判断することができる。

いくつかの実施形態において、決定モジュール４０２は、候補サービスプロバイダが事前割当されるサービス要求者端末に従う、候補サービスプロバイダに対する可能性を割り当てることができる。例えば、ポテンシャル要求者端末に事前割当される候補サービスプロバイダＡの場合、対応する可能性は、第１の値として設定することができる。ターゲット要求者端末に事前割当される候補サービスプロバイダＢの場合、対応する可能性は、第２の値として設定することができる。第１の値は、第２の値よりも小さくてもよく、ＢがＡよりもターゲット要求者端末になる可能性がより高いことを示す。いくつかの実施形態において、ポテンシャルサービス要求者端末に事前割当される、異なる候補サービスプロバイダに割り当てられた第１の値は、同じであってもよいし、異なっていてもよい。ターゲット要求者端末に事前割当された異なる候補サービスプロバイダに割り当てられた第２の値は、同じであってもよいし、異なっていてもよい。ターゲット要求者端末に事前割当てされた候補サービスプロバイダは、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のスタートロケーションに対するそれらの距離に応じて、可能性の別の第２の値を割り当てることができる。

いくつかの実施形態において、決定モジュール４０２は、事前割当結果、並びに可能性に影響を与える可能性がある、１つまたは複数の他のファクタ、例えば、ポテンシャルサービスオーダのスタートロケーションおよび／または目的地周辺エリアの交通ルールおよび道路交通法、サービス領域、サービス時間、運転方向、および／または候補サービスプロバイダの受注率等、またはそれらの任意の組合せに従って、各候補サービスプロバイダに対応する可能性を決定することができる。例えば、候補サービスプロバイダが、ターゲット要求者端末に事前割当されるが、ポテンシャルサービスオーダの目的地が、候補サービスプロバイダのサービス領域外である場合、決定モジュール４０２は、候補サービスプロバイダの可能性を０として決定することができる。他の例として、候補サービスプロバイダが、ターゲット要求者端末に事前割当され、ポテンシャルサービスオーダの目的地が、候補サービスプロバイダの運転方向に沿っている場合、決定モジュール４０２は、候補サービスプロバイダの可能性を第２の値よりも高く設定することができる。さらに他の例として、候補サービスプロバイダが、ターゲット要求者端末に事前割当されるが、候補サービスプロバイダの受注率が低い場合、決定モジュール４０２は、候補サービスプロバイダの可能性を、第２の値よりも低く設定することができる。

プロセス６００の上述した記述は、例示目的のために提供され、この開示の範囲を限定することを意図したものではないことに留意する必要がある。当業者には、上述した方法およびシステムのアプリケーションの形態と詳細における種々の変形および変更は、この開示における原理から逸脱することなく生じさせることができる。しかしながら、これらの変形および変更はまた、この開示の範囲内である。例えば、動作６１０と６２０は、動作６１０の前に実行することができる。他の例として、動作６１０において、候補サービスプロバイダ（複数の場合もある）を定義するためのしきい値距離は、動作６２０においてポテンシャルサービスオーダ（複数の場合もある）を定義するためのしきい値距離と異なっていてもよい。

図７は、この開示のいくつかの実施形態に従う、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ための例示プロセスを例示するフローチャートである。プロセス７００は、Ｏ２Ｏサービスシステム１００により実行することができる。例えば、プロセス７００は、ストレージデバイス１６０に記憶された命令のセット（例えば、アプリケーション）としてインプリメントすることができる。いくつかの実施形態において、処理エンジン１１２Ｂは、命令のセットを実行することができ、したがって、Ｏ２Ｏサービスプラットフォームのプロセス７００を実行するように指示されることができる。プラットフォームは、インターネットを介してＯ２Ｏサービスプロバイダと要求者を接続するインタネットベースプラットフォームであり得る。いくつかの実施形態において、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用いて、図５に関連して記載したポテンシャルサービスオーダのＥＴＡを決定することができる。

ステップ７０１において、処理エンジン１１２Ｂ（例えば、取得モジュール４０４）は、複数の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ができる。サンプルポテンシャルサービスオーダに関連する第３の情報は、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ことができる。

サンプルポテンシャルサービスオーダは、完了した過去のポテンシャルサービスオーダであり得る。ここに使用されるように、過去のポテンシャルサービスオーダがサービス要求者により正式に出され、サービスプロバイダにより受け付けられた場合であって、サービスプロバイダが、サービス要求者にサービスするために、過去のポテンシャルサービスオーダのスタートロケーションに到着した場合、過去のポテンシャルサービスオーダは、完了したとみなすことができる。そのような過去のサービスオーダは、サービスプロバイダが、過去のポテンシャルサービスオーダのスタートロケーションに到着した、既知の実際の時間を有することができ、モデルトレーニングにおけるサンプルポテンシャルサービスオーダとして使用することができる。簡単のために、サービスプロバイダが、過去のポテンシャルサービスオーダのスタートロケーションに到着する時刻は、過去のポテンシャルサービスオーダの実際の到着時刻（ＡＴＡ）と呼ぶことができる。

第３の情報は、サンプルポテンシャルサービスオーダに関する任意の情報、例えば、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、サービスオーダ情報、ユーザ情報等、またはそれらの任意の組合せを含むことができる。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は、サンプルポテンシャルサービスオーダの要求者がＯ２Ｏサービスを所望するおよび／または必要とするロケーションを指すことができる。サンプルポテンシャルサービスオーダの第３の情報とサンプルスタートロケーションは、それぞれステップ５１０に関連して記載した、ポテンシャルサービスオーダの第１の情報とスタートロケーションと同様であり、それゆえそれらの記載を重複しない。

ステップ７０２において、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、処理エンジン１１２B（例えば、取得モジュール４０４）は、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する第４の情報を取得することができる。第４の情報の少なくとも一部は、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、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ことができる。

サンプルポテンシャルサービスオーダの、サンプル候補サービスプロバイダは、対応するサンプルスタートロケーションサンプルしきい値距離内にあり、サンプルポテンシャルサービスオーダを受け付ける任意のサービスプロバイダを受け付けるために利用可能な、あるいは利用可能になろうとしている任意のサービスプロバイダであり得る。サンプル候補サービスプロバイダに関する第４の情報は、これに限定されないが、サンプル候補サービスプロバイダの乗り物情報、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、性能情報、またはそれらの任意の組合せを含むことができる。サンプル候補サービスプロバイダおよび第４の情報は、それぞれ、ステップ５２０に関連して記載した、候補サービスプロバイダと第２の情報と同様であり、それらの記述は反復しない。サンプルしきい値距離は、任意の正の値、例えば、これらに限定されないが、５０ｍ、１００ｍまたは１ｋｍ等を有することができる。サンプルしきい値距離は、ストレージデバイス（例えば、ストレージデバイス１６０）に記憶されたデフォルトパラメータ、またはＯ２Ｏサービスシステム１００のユーザにより設定された、パラメータであり得る。サンプル候補サービスプロバイダ（複数の場合もある）を定義するサンプルしきい値距離は、図５の候補サービスプロバイダ（複数の場合もある）を定義するためのサンプルしきい値距離と同じか、または異ならせてもよい。

ステップ７０３において、処理エンジン１１２Ｂ（例えば、取得モジュール４０４）は、予備ニューラルネットワークモデルを取得することができる。

いくつかの実施形態において、予備ニューラルネットワークモデルは、Ｏ２Ｏサービスシステム１００により決定された、あるいは異なる状況において調節可能なデフォルト設定（例えば、１つ以上の予備パラメータ）を有することができる。いくつかの実施形態において、予備ニューラルネットワークモデルは、これらに限定されないが、畳み込みニューラルネットワーク（ＣＮＮ）モデル、人工ニューラルネットワーク（ＡＮＮ）モデル、リカレントニューラルネットワーク（ＲＮＮ）モデル、ディープトラスト（deep trust）ネットワークモデル、パーセプトロンニューラルネットワークモデル、スタックセルフコーディング（stack self-coding）ネットワークモデル、または任意の他の適切なニューラルネットワークモデルを含むことができる。

いくつかの実施形態において、サンプルポテンシャルサービスオーダを用いて、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ために、サンプルポテンシャルサービスオーダの第１の部分と第２の部分を、サンプルポテンシャルサービスオーダから選択することができる。サンプルポテンシャルサービスオーダの第１の部分（簡単のために第１の部分と呼ぶ）は、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際に適用することができる。サンプルポテンシャルサービスオーダの第２の部分（簡単のために第２の部分と呼ぶ）は、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際に、適用することができる。第１の部分は、第１のパーセンテージ、例えば、サンプルポテンシャルサービスオーダの５０％、６０％、７０％、８０％、または９０％であり得る。第２の部分は、第２のパーセンテージ、例えば、サンプルポテンシャルサービスオーダの５０％、６０％、７０％、８０％、または９０％であり得る。第１および第２のパーセンテージは、同じかまたは異ならせることができる。第１の部分と第２の部分は、オーバラップしてもよいし、しなくてもよい。いくつかの実施形態において、第１の部分は、またトレーニングセットと呼ぶこともできるし、第２の部分は、また、テスティングセットと呼ぶこともできる。

ステップ７０４において、第１の部分の各ポテンシャルサービスオーダに関して、処理エンジン１１２Ｂ（例えば、トレーニングモジュール４０５）は、サンプルポテンシャルサービスオーダの第３の情報と第４の情報を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を決定することができる。

ステップ７０５において、第１の部分の各サンプルポテンシャルサービスオーダに関して、処理エンジン１１２Ｂ（例えば、取得モジュール４０４）は、サンプルポテンシャルサービスオーダのＡＴＡを取得することができる。いくつかの実施形態において、取得モジュール４０４は、ストレージデバイス（例えば、ストレージデバイス１６０、ストレージ３９０、または図４に示されていないストレージモジュール）からのサンプルポテンシャルサービスオーダのＡＴＡを取得することができる。

ステップ７０６において、処理エンジン１１２Ｂ（例えば、トレーニングモジュール４０５）は、サンプルポテンシャルサービスオーダの、第１の部分の予測ＥＴＡｓとＡＴＡｓに基づいて損失関数を決定することができる。損失関数は、予備ニューラルネットワークモデルの精度を示すことができる。いくつかの実施形態において、トレーニングモジュール４０５は、第１の部分の予測ＥＴＡｓとＡＴＡｓの間の差分に基づいて、損失関数を決定することができる。いくつかの実施形態において、サンプルポテンシャルサービスオーダの予測ＥＴＡとＡＴＡの差分は、例えば、平均絶対％誤差（ＭＡＰＥ）、平均二乗誤差（ＭＳＥ）、二乗平均平方根誤差（ＲＭＳＥ）等、またはそれらの任意の組合せに基づいて決定することができる。

ステップ７０７において、処理エンジン１１２Ｂ（例えば、トレーニングモジュール４０５）は、損失関数（例えば、第１の部分の予測ＥＴＡｓとＡＴＡｓとの間の差分）がトレーニングしきい値未満かどうかを判断することができる。トレーニングしきい値は、Ｏ２Ｏサービスシステム１００におけるデフォルト設定であり得るか、または異なる状況において調節可能である。

損失関数の値がトレーニングしきい値未満であるとの判断に応答して、処理エンジン１１２Ｂは、予備モデルをトレーニングされた予備モデルとして指定することができプロセス７００乃至７０８を実行することができる。

他方、いくつかの実施形態において、損失関数の値がトレーニングしきい値以上であるとの判断に応答して、処理エンジン１１２Ｂは、プロセス７００を実行し、ステップ７０３に戻って、損失関数がトレーニングしきい値未満になるまで、予備ニューラルネットワークモデルを更新することができる。例えば、処理エンジン１１２Ｂは複数の予備パラメータ（例えば、モデルトレーニングに使用される情報に対応する重み）を更新することができる。さらに、いくつかの実施形態において、処理エンジン１１２Ｂが更新されたパラメータ下で、損失関数の値がトレーニングしきい値未満であると判断した場合、処理エンジン１１２Ｂは、更新されたニューラルネットワークモデルを、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ことができ、ステップ７０８のプロセスを実行することができる。他方、処理エンジン１１２Ｂが更新されたパラメータの下で、損失関数の値が、トレーニングしきい値以上であると判断した場合、処理エンジン１１２Ｂは、依然としてプロセス７００を実行してステップ７０３に戻りパラメータを、さらに更新することができる。動作７０３乃至７０７の反復は、処理エンジン１１２Ｂが、新しく更新されたパラメータの下で、損失関数の値が、トレーニングしきい値未であると判断するまで継続することができ、処理エンジン１１２Ｂは、プロセス７００乃至７０８を実行することができる。

ステップ７０８において、処理エンジン１１２（例えば、テストモジュール４０６）は、サンプルポテンシャルサービスオーダの第２の部分に対応する第３の情報と第４の情報に基づいて、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のテストパラメータを決定することができる。テストパラメータは、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の精度をテストするために使用することができる。いくつかの実施形態において、テストパラメータは、これらに限定されないが、精度、再現率（recall）、Ｆスコア、混同行列（confusion matrix）、受信者動作特性（ＲＯＣ）、曲線下面積（ＡＵＣ）、分散などを含むことができる。いくつかの実施形態において、テストパラメータは、第２の部分のＡＴＡｓとＥＴＡｓとの間の差分に基づいて決定することができる。第２の部分のＡＴＡｓとＥＴＡｓは、第１の部分のそれと同様に決定または取得することができる。

ステップ７０９において、処理エンジン１１２Ｂ（例えば、トレーニングモジュール４０５）は、テストパラメータがテストしきい値未満であるかどうか判断することができる。テストしきい値は、Ｏ２Ｏサービスシステム１００のデフォルト設定であり得るか、または異なる状況において調節可能である。

ステップ７１０において、テストパラメータがテストしきい値未満であるとの判断に応答して、処理エンジン１１２Ｂは、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、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として指定することができる。いくつかの実施形態において、処理エンジン１１２Ｂは、構造化データの形態でストレージ媒体（例えば、ストレージデバイス１６０）にトレーニングされたニューラルネットワークモデルをセーブすることができる。トレーニングされたニューラルネットワークモデルの構造化データは、Ｂツリーまたはハッシュテーブルに基づいて処理エンジン１１２Ｂにより構築または検索することができる。いくつかの実施形態において、構造化データは、データライブラリの形態でストレージデバイスに記憶またはセーブすることができる。

他方、いくつかの実施形態において、テストパラメータが、しきい値未満でないとの判断に応答して、処理エンジン１１２Bは、プロセス７００にステップ７０２に戻って、テストパラメータがテストしきい値未満になるまで（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再トレーニングするように指示する。例えば、処理エンジン１１２Ｂは、さらに（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のパラメータをさらに更新することができる。他の例として、処理エンジン１１２は、異なるタイプの予備ニューラルネットワークモデルを、トレーニングのために取得することができる。いくつかの実施形態において、テストパラメータが、テストしきい値未満でないとの判断に応答して、処理エンジン１１２Ｂは、プロセス７００に、ステップ７０４に戻って、動作７０４から７０７に、サンプルポテンシャルサービスオーダの他の再取得した、第１の部分を用いて（更新された）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ように指示することができる。

動作７０３乃至７０７の反復は、処理エンジン１１２Ｂが第１の部分（または再取得した第１の部分）に基づく損失関数が、トレーニングされたしきい値未満であると判断するまで継続することができ、処理エンジン１１２Ｂは、プロセス７００乃至７０８を指示することができる。ステップ７０８において、処理エンジン１１２Ｂは、オリジナルの第２の部分、または別の再取得した第２の部分に対応する第３および第４の情報に基づいて新しく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ために、テストパラメータを決定することができる。

動作７０３乃至７０９の反復は、処理エンジン１１２Ｂは、新しく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の下で、テストパラメータがテストしきい値未満であると決定するまで継続することができ、処理エンジン１１２Ｂは、新しく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、トレーニングされたＥＴＡのニューラルネットワークモデルとして指定することができる。

プロセス７００の上述した記述は、単に、例示目的のために提供され、この開示の範囲を制限することを意図したものではないことに留意する必要がある。当業者には、複数の変形および変更を、この開示の教示の下で行うことができる。しかしながら、これらの変形および変更は、この開示の範囲から逸脱しない。いくつかの実施形態において、１つまたは複数の動作は、１つの動作に統合することができる。例えば、動作７０４乃至７０７は、処理エンジン１１２Ｂ（例えば、トレーニングモジュール４０５）がサンプルポテンシャルサービスオーダの第１の部分に対応する第３および第４の情報を用いて、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１つの動作に統合することができる。他の例として、動作７０８と７０９は、処理エンジン１１２Ｂ（例えば、テストモジュール４０６）がテストパラメータを決定することにより、サンプルポテンシャルサービスオーダの第２の部分に対応する第３および第４の情報を用いて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ができる。いくつかの実施形態において、プロセス７００における動作の順番は変更することができる。例えば、動作７０１乃至７０３は、同時に、または任意の順番で実行することができる。他の例として、動作７０４と７０５は、動作時にまたは任意の順番で実行することができる。

いくつかの実施形態において、１つ又は複数のさらなる動作は、追加することができ、および／または、上述した１つまたは複数の動作は、省略することができる。例えば、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、さらに動作７１０の後で評価することができる。他の例として、動作７０４の前に、サンプルポテンシャルサービスオーダの各々に関して、処理エンジン１１２Ｂ（例えば、取得モジュール４０４）は、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つ又は複数のサンプルポテンシャル要求者に関連したサンプル需要情報を、取得することができる。サンプルポテンシャルサービスオーダに対応する、サンプルポテンシャル要求者端末とサンプル需要情報は、図５に記載したポテンシャルサービスオーダに対応するポテンシャル要求者端末と、需要情報に類似し得る。処理エンジン１１２Ｂは、サンプルポテンシャルサービスオーダの第１の部分に対応する第３の情報、第４の情報およびサンプル需要情報により、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ができる。処理エンジン１１２Ｂは、サンプルポテンシャルサービスオーダの第２の部分に対応する第３の情報、第４の情報および需要情報を用いて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もできる。いくつかの実施形態において、動作７０８と７０９は、省略することができる。トレーニングモジュール４０５は、サンプルポテンシャルサービスオーダを用いて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ができ、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は、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として指定することができる。

以上基本的な概念について記載したが、当業者には、この詳細な記述を読んだ後で、上述の詳細な開示は、例示のためだけに提供され限定するものではないことが明白であり得る。本明細書では明示的に述べられていないが、様々な変更、改善、および修正が行われる可能性があり、当業者を対象とする。これらの変更、改良、および修正は、本開示によって示唆されることが意図されており、本開示の例示的な実施形態の精神および範囲内にある。

さらに、本開示の実施形態を説明するために特定の用語が使用されている。例えば、「一実施形態」、「実施形態」および／または「いくつかの実施形態」という用語は、実施形態に関連して説明される特定の特徴、構造または特性が本開示の少なくとも１つの実施形態に含まれることを意味する。したがって、本明細書の様々な部分における「実施形態」、「一実施形態」、または「代替実施形態」への２つ以上の言及は、必ずしもすべてが同じ実施形態を指しているわけではないことを理解されたい。さらに、特定の特徴、構造、または特性は、本開示の１つまたは複数の実施形態において適切であるように組み合わせることができる。

さらに、当業者には理解されるであろうが、本開示の態様は、新規かつ有用なプロセス、機械、製造、または物質の組成、または任意の新しいかつ有用な改良を含む、いくつかの特許可能なクラス、またはコンテキストのいずれかで、本明細書で図示および説明され得る。たがって、本開示の態様は、完全にハードウェア、完全にソフトウェア（ファームウェア、常駐ソフトウェア、マイクロコードなどを含む）、または本明細書ではすべて「ブロック」、「モジュール」、「エンジン」、「ユニット」、「コンポーネント」、または「システム」と総称されるソフトウェアおよびハードウェアインプリメンテーションの組み合わせでインプリメントされ得る。さらに、本開示の態様は、コンピュータ可読プログラムコードが、その上に実施される１つまたは複数のコンピュータ可読媒体で実施されるコンピュータプログラム製品の形をとることができる。

コンピュータ可読信号媒体は、たとえばベースバンド内または搬送波の一部として、コンピュータ可読プログラムコードがその中に具体化された伝搬データ信号を含むことができる。そのような伝播信号は、電磁、光学など、またはそれらの任意の適切な組み合わせを含む、様々な形態のいずれかをとることができる。コンピュータ可読信号媒体は、コンピュータ可読記憶媒体ではなく、命令実行システム、装置、またはデバイスによって、またはそれに関連して使用するためのプログラムを通信、伝播、または移送することができる任意のコンピュータ可読媒体であり得る。コンピュータ可読信号媒体上で具現化されたプログラムコードは、無線、有線、光ファイバーケーブル、ＲＦなど、または前述の任意の適切な組み合わせを含む、任意の適切な媒体を使用して送信され得る。

本開示の態様の動作を実行するためのコンピュータプログラムコードは、Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C ++、C＃などのオブジェクト指向プログラミング言語 VB、 NET、Pythonなど、「C」プログラミング言語、Visual Basic、Fortran 1703、Perl、COBOL 1702、PHP、ABAPなどの従来の手続き型プログラミング言語、Python、Ruby、Groovyなどの動的プログラミング言語、またはその他のプログラミング 言語を含む、1つまたは複数のプログラミング言語の任意の組み合わせで書くことができる。プログラムコードは、完全にユーザのコンピュータで、一部はユーザのコンピュータで、スタンドアロンソフトウェアパッケージとして、一部はユーザのコンピュータで、一部はリモートコンピュータで、または完全にリモートコンピュータまたはサーバで実行することができる。後者のシナリオでは、リモートコンピュータは、ローカルエリアネットワーク（LAN）またはワイドエリアネットワーク（WAN）を含む任意のタイプのネットワークを介してユーザのコンピュータに接続することができ、または、接続は、外部コンピュータ（たとえば、インターネット経由でインターネットサービスプロバイダーを使用して）、クラウドコンピューティング環境で、またはサービスとしてのソフトウェア（SaaS）などのサービスとして提供することができる。

さらに、処理要素またはシーケンスの列挙された順序、または数字、文字、または他の指定の使用は、したがって、請求されたプロセスおよび方法を、請求項で指定される場合を除いて、任意の順序に限定することを意図しない。上記の開示は、現在開示の様々な有用な実施形態であると考えられるものを様々な例を通して説明しているが、そのような詳細は単にその目的のためであり、添付の特許請求の範囲は、開示された実施形態に限定されないことを理解されたい。 しかし、逆に、開示された実施形態の精神および範囲内にある修正および同等の配置をカバーすることを意図している。たとえば、上記のさまざまなコンポーネントのインプリメンテーションは、ハードウェアデバイスでインプリメントされるが、ソフトウェアのみのソリューション、たとえば既存のサーバ、またはモバイルデバイスへのインストールとしてインプリメントされる場合もある。

同様に、本開示の実施形態の前述の説明では、様々な特徴が、単一の実施形態、図、またはその説明にまとめられることがあり、開示を簡素化して、1つまたは複数のさまざまな実施形態の理解を助けることを目的としている。しかしながら、この開示の方法は、請求される主題が各請求項で明示的に列挙されるよりも、多くの特徴を必要とするという意図を反映するものとして解釈されるべきではない。むしろ、請求される主題は、前述の単一の開示された実施形態のすべての特徴より少ない場合がある。

Claims (22)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。
11. 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。
12. 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。
13. 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。
14. 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。
15. 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。
16. 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。
17. 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。
18. 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。
19. 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。
20. 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。
21. 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。
22. 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。
    
    

Images