JP7441848B2 - ノイズの多いマルチモーダルデータから関心地点についての最適な輸送サービスの場所を自動的に決定する方法 - Google Patents
ノイズの多いマルチモーダルデータから関心地点についての最適な輸送サービスの場所を自動的に決定する方法 Download PDFInfo
- Publication number
- JP7441848B2 JP7441848B2 JP2021542334A JP2021542334A JP7441848B2 JP 7441848 B2 JP7441848 B2 JP 7441848B2 JP 2021542334 A JP2021542334 A JP 2021542334A JP 2021542334 A JP2021542334 A JP 2021542334A JP 7441848 B2 JP7441848 B2 JP 7441848B2
- Authority
- JP
- Japan
- Prior art keywords
- transportation service
- location
- transportation
- clustering
- locations
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 claims description 41
- 230000003993 interaction Effects 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 11
- 230000005236 sound signal Effects 0.000 claims description 5
- 238000007670 refining Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000287181 Sturnus vulgaris Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing 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
- G06Q10/02—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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G06Q50/40—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Description
1.ベースラインモデルおよびパラメータのセットが与えられると、データのいくつかについて最適なサービスの場所を見つける。すべての既存データが利用可能である必要はなく、サブセットが実行する。簡潔さのために、これらの出力最適点は、「解決策案」と呼ばれる。
2.どの解決策案がフィードバックのために人間の専門家に示されるべきかを評価する。これは、次のようになされる。
a.まず、これらのメトリック(metric)のいずれかを測定する。
・解決策案の正確さの不確実性。例えば、アルゴリズムは、その推測が誤っている可能性があり、それを訂正するために人間の専門家を必要とすると判断する。
・潜在的な人間の専門家の答えの情報性。例えば、アルゴリズムは、解決策案に対する人間の答えが、可能な限り少ない反復でモデルの全体的な正しさを改善する最高の可能性を有すると判断する。
・このデータ地点の重要性。例えば、この場所を正しく取得することは、それが高価値POIであるために重要である。
・上記の適切なバランス。
b.次に、(2a)のメトリック上で高くランク付けされた解決策を示す。
3.(2b)における優先順位付けされた解決策は、(例えば、コンピューターダッシュボードまたは他の適切な人間-コンピューターインターフェースを介して)人間の専門家に示される。次いで、人間の専門家は、グラウンドトゥルース(例えば、最適なサービスの場所が実際に人間の専門家によって判断される)として「正解」を提供する。
4.人間の専門家の判断は、システムにフィードバックされる。そして、モデルパラメータは、自動的に微調整されて、人間が提供するグラウンドトゥルース回答に対するそれ自体のエラーを低減する。
5.新たに微調整されたモデルとパラメータで、および、データの完全に異なるサブセットまたは以前に使用したいくつかのデータのいずれかで、工程1から繰り返す。
Claims (15)
- 少なくとも1つのプロセッサを含む装置によって実行される輸送サービスの方法であって、
実在関心地点に関連付けられた複数の輸送サービス取引の情報を受信する工程と、
前記複数の輸送サービス取引の各輸送サービス取引について、前記輸送サービス取引が実行される、前記実在関心地点での輸送サービスの場所を決定する工程と、
最大近傍半径を含む複数のクラスタリングパラメータを使用して、前記複数の輸送サービス取引について決定された、前記実在関心地点での前記輸送サービスの場所をクラスタ化する工程と、
前記輸送サービスの場所を前記クラスタ化する工程の結果から推測される最も密度の高い地点に基づいて前記実在関心地点での1つまたは複数の輸送サービスの場所の候補を決定する工程と、
前記実在関心地点において実行されるべき輸送サービス取引と関連付けられたクライアントまたはサービスプロバイダに、前記実在関心地点での前記1つまたは複数の輸送サービスの場所の候補を提供する工程と、を含み、
前記輸送サービスの場所をクラスタ化する工程は、
前記輸送サービスの場所のそれぞれについて、前記輸送サービスの場所の点密度分布を近似する工程と、
前記輸送サービスの場所をクラスタ化する工程の前記結果を推測するために、前記近似された点密度分布に基づいて、前記クラスタ化する工程の前記最大近傍半径を自動的に調整する工程と、を含み、
前記輸送サービスの場所を決定する工程は、前記サービスプロバイダおよび前記クライアントのアプリケーションプログラムからの、GPSデータと、プロバイダアプリケーションソフトウェアの前記クライアントと前記サービスプロバイダとの間の対話データとに基づいていることを特徴とする輸送サービスの方法。 - 前記輸送サービスの場所は、ピックアップの場所、ドロップオフの場所、または配達の場所のうちの1つであり、
前記輸送サービス取引は、前記クライアントの要求に応じて前記サービスプロバイダによって1人または複数の人物、または、1つまたは複数のアイテムをピックアップまたはドロップオフする工程を含む請求項1に記載の方法。 - 前記輸送サービスの場所は、前記輸送サービスの場所の画像、前記輸送サービスの場所のビデオ、テレマティックスデータ、オーディオ信号、ダッシュボードカメラ出力、またはチャットログのうちの少なくとも1つに基づいて決定される請求項1または2に記載の方法。
- 人間のフィードバックを求めるために解決策案を選択する工程と、
前記人間の前記フィードバックに基づいて前記1つまたは複数の輸送サービスの場所の候補を改善する工程と、をさらに含む請求項1ないし3のいずれかに記載の方法。 - 前記輸送サービスの場所をクラスタ化する工程は、前記複数のクラスタリングパラメータを動的に調整する工程を含み、
前記複数のクラスタリングパラメータのうちの1つのパラメータは、クラスタを形成するのに必要とされる最小数の地点を含む請求項1ないし4のいずれかに記載の方法。 - 前記輸送サービスの場所をクラスタ化する工程は、
前記輸送サービスの場所について、前記輸送サービスの場所のk個の最近傍までの平均距離を測定する工程と、
前記k個の最近傍の距離をパーセンタイルで表すように、前記クラスタ化する工程の前記最大近傍半径を自動的に調整する工程と、を含み、
前記kは、2~10の整数であり、
前記パーセンタイルは、90~99.9%である請求項1ないし5のいずれかに記載の方法。 - 前記実在関心地点に関連付けられた第2の複数の輸送サービス取引の情報を受信する工程と、
前記第2の複数の輸送サービス取引に基づいて、前記1つまたは複数の輸送サービスの場所の候補を更新する工程と、をさらに含む請求項1ないし6のいずれかに記載の方法。 - 少なくとも1つのメモリと、
前記少なくとも1つのメモリに結合された少なくとも1つのプロセッサと、を含む輸送サービスのための装置であって、
前記少なくとも1つのプロセッサは、
実在関心地点に関連付けられた複数の輸送サービス取引の情報を受信し、
前記複数の輸送サービス取引の各輸送サービス取引について、前記輸送サービス取引が実行される、前記実在関心地点での輸送サービスの場所を決定し、
最大近傍半径を含む複数のクラスタリングパラメータを使用して、前記複数の輸送サービス取引について決定された、前記実在関心地点での前記輸送サービスの場所をクラスタ化し、
前記輸送サービスの場所を前記クラスタ化する結果から推測される最も密度の高い地点に基づいて、前記実在関心地点での1つまたは複数の輸送サービスの場所の候補を決定し、
前記実在関心地点において実行されるべき輸送サービス取引と関連付けられたクライアントまたはサービスプロバイダに、前記実在関心地点での前記1つまたは複数の輸送サービスの場所の候補を提供するように構成され、
前記輸送サービスの場所をクラスタ化するために、前記少なくとも1つのプロセッサは、
前記輸送サービスの場所のそれぞれについて、前記輸送サービスの場所の点密度分布を近似し、
前記輸送サービスの場所をクラスタ化する前記結果を推測するために、前記近似された点密度分布に基づいて、前記クラスタ化の前記最大近傍半径を自動的に調整するように構成され、
前記輸送サービスの場所は、前記サービスプロバイダおよび前記クライアントのアプリケーションプログラムからの、GPSデータと、プロバイダアプリケーションソフトウェアの前記クライアントと前記サービスプロバイダとの間の対話データとに基づいて決定されることを特徴とする装置。 - 前記輸送サービスの場所は、ピックアップの場所、ドロップの場所、または配達の場所のうちの1つであり、
前記輸送サービス取引は、前記クライアントの要求に応じて前記サービスプロバイダによって1人または複数の人物、または、1つまたは複数のアイテムをピックアップまたはドロップオフすることを含む請求項8に記載の装置。 - 前記輸送サービスの場所は、前記輸送サービスの場所の画像、前記輸送サービスの場所のビデオ、テレマティックスデータ、オーディオ信号、ダッシュボードカメラ出力、またはチャットログのうちの少なくとも1つに基づいて決定される請求項8または9に記載の装置。
- 前記少なくとも1つのプロセッサは、
人間のフィードバックを求めるために解決策案を選択し、
前記人間の前記フィードバックに基づいて前記1つまたは複数の輸送サービスの場所の候補を改善するようにさらに構成されている請求項8ないし10のいずれかに記載の装置。 - 前記輸送サービスの場所をクラスタ化するために、前記少なくとも1つのプロセッサは、前記複数のクラスタリングパラメータを動的に調整するように構成され、
前記複数のクラスタリングパラメータのうちの1つのパラメータは、クラスタを形成するために必要とされる最小数の地点を含む請求項8ないし11のいずれかに記載の装置。 - 前記輸送サービスの場所をクラスタ化するために、前記少なくとも1つのプロセッサは、
前記輸送サービスの場所について、前記輸送サービスの場所のk個の最近傍までの平均距離を測定し、
前記k個の最近傍の距離をパーセンタイルで表すように、前記クラスタ化の前記最大近傍半径を自動的に調整するように構成され、
前記kは、2~10の整数であり、
前記パーセンタイルは、90~99.9%である請求項8ないし12のいずれかに記載の装置。 - 前記少なくとも1つのプロセッサは、
前記実在関心地点に関連付けられた第2の複数の輸送サービス取引の情報を受信し、
前記第2の複数の輸送サービス取引に基づいて、前記1つまたは複数の輸送サービスの場所の候補を更新するように構成されている請求項8ないし13のいずれかに記載の装置。 - コンピュータ実行可能コードを格納する非一時的コンピュータ可読媒体であって、
実在関心地点に関連付けられた複数の輸送サービス取引の情報を受信し、
前記複数の輸送サービス取引の各輸送サービス取引について、前記輸送サービス取引が実行される、前記実在関心地点での輸送サービスの場所を決定し、
最大近傍半径を含む複数のクラスタリングパラメータを使用して、前記複数の輸送サービス取引について決定された、前記実在関心地点での前記輸送サービスの場所をクラスタ化し、
前記輸送サービスの場所を前記クラスタ化する結果から推測される最も密度の高い地点に基づいて前記実在関心地点での1つまたは複数の輸送サービスの場所の候補を決定し、
前記実在関心地点で実行されるべき輸送サービス取引に関連付けられたクライアントまたはサービスプロバイダに、前記実在関心地点での前記1つまたは複数の輸送サービスの場所の候補を提供するための命令を含み、
前記輸送サービスの場所をクラスタ化するための命令は、
前記輸送サービスの場所のそれぞれについて、前記輸送サービスの場所の点密度分布を近似する命令と、
前記輸送サービスの場所をクラスタ化する前記結果を推測するために、前記近似された点密度分布に基づいて、前記クラスタ化の前記最大近傍半径を自動的に調整する命令と、を含み、
前記輸送サービスの場所は、ピックアップの場所、ドロップオフの場所、または配達の場所のうちの1つであり、
前記輸送サービス取引は、前記クライアントの要求に応じて前記サービスプロバイダによって1人または複数の人物、または1つまたは複数のアイテムをピックアップまたはドロップオフすることを含み、
前記輸送サービスの場所を決定する命令は、前記サービスプロバイダおよび前記クライアントのアプリケーションプログラムからの、GPSデータと、プロバイダアプリケーションソフトウェアの前記クライアントと前記サービスプロバイダとの間の対話データとに基づいていることを特徴とす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/SG2019/050085 WO2020167244A1 (en) | 2019-02-13 | 2019-02-13 | Automatically determining optimal transport service locations for points of interest from noisy multimodal data |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022519026A JP2022519026A (ja) | 2022-03-18 |
JP7441848B2 true JP7441848B2 (ja) | 2024-03-01 |
Family
ID=72045060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021542334A Active JP7441848B2 (ja) | 2019-02-13 | 2019-02-13 | ノイズの多いマルチモーダルデータから関心地点についての最適な輸送サービスの場所を自動的に決定する方法 |
Country Status (10)
Country | Link |
---|---|
US (2) | US11836652B2 (ja) |
EP (1) | EP3925237A4 (ja) |
JP (1) | JP7441848B2 (ja) |
KR (2) | KR102482149B1 (ja) |
CN (1) | CN113508606B (ja) |
MY (1) | MY197012A (ja) |
PH (1) | PH12021551538A1 (ja) |
SG (1) | SG11202107171QA (ja) |
TW (1) | TW202036458A (ja) |
WO (1) | WO2020167244A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200334637A1 (en) * | 2019-04-16 | 2020-10-22 | United States Postal Service | Methods and systems for item delivery along delivery routes |
US20230408265A1 (en) * | 2022-06-16 | 2023-12-21 | Uber Technologies, Inc. | Inferring accurate locations |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018190428A1 (ja) | 2017-04-14 | 2018-10-18 | 株式会社Nttドコモ | 需要予測装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0301362D0 (en) * | 2003-01-21 | 2003-02-19 | Olmi Giuseppe A | Intelligent grouping transportation system |
US9476970B1 (en) | 2012-03-19 | 2016-10-25 | Google Inc. | Camera based localization |
WO2014074407A1 (en) | 2012-11-08 | 2014-05-15 | Uber Technologies, Inc. | Providing on-demand services through use of portable computing devices |
BR112017002174A2 (pt) | 2014-08-04 | 2017-11-21 | Uber Technologies Inc | determinação e fornecimento de pontos de dados de localização predeterminada a fornecedores de serviço |
GB2550309A (en) * | 2015-01-27 | 2017-11-15 | Beijing Didi Infinity Tech And Dev Co Ltd | Information providing method and system for on-demand service |
US9733096B2 (en) | 2015-06-22 | 2017-08-15 | Waymo Llc | Determining pickup and destination locations for autonomous vehicles |
US20170059347A1 (en) | 2015-08-28 | 2017-03-02 | Google Inc. | Determining Improved Pick-Up Locations |
US10685416B2 (en) | 2015-12-10 | 2020-06-16 | Uber Technologies, Inc. | Suggested pickup location for ride services |
EP3449435A4 (en) * | 2016-04-27 | 2019-03-06 | Beijing Didi Infinity Technology and Development Co., Ltd. | SYSTEM AND METHOD FOR DETERMINING ROUTES OF A TRANSPORT SERVICE |
US10156452B2 (en) * | 2016-11-14 | 2018-12-18 | Conduent Business Service, Llc | Method and system for ridesharing management |
WO2018227395A1 (en) | 2017-06-13 | 2018-12-20 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining target stations |
US10895467B2 (en) | 2017-07-14 | 2021-01-19 | Allstate Insurance Company | Distributed data processing systems for processing remotely captured sensor data |
US10187747B1 (en) * | 2018-06-26 | 2019-01-22 | Uber Technologies, Inc. | Location search using dynamic regions generated based on service data |
-
2019
- 2019-02-13 SG SG11202107171QA patent/SG11202107171QA/en unknown
- 2019-02-13 CN CN201980090298.0A patent/CN113508606B/zh active Active
- 2019-02-13 JP JP2021542334A patent/JP7441848B2/ja active Active
- 2019-02-13 KR KR1020217024260A patent/KR102482149B1/ko active IP Right Grant
- 2019-02-13 WO PCT/SG2019/050085 patent/WO2020167244A1/en unknown
- 2019-02-13 US US17/419,625 patent/US11836652B2/en active Active
- 2019-02-13 MY MYPI2021003569A patent/MY197012A/en unknown
- 2019-02-13 EP EP19914702.6A patent/EP3925237A4/en active Pending
- 2019-02-13 KR KR1020227045357A patent/KR20230008235A/ko active Application Filing
-
2020
- 2020-02-12 TW TW109104395A patent/TW202036458A/zh unknown
-
2021
- 2021-06-28 PH PH12021551538A patent/PH12021551538A1/en unknown
-
2023
- 2023-11-10 US US18/506,670 patent/US20240078477A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018190428A1 (ja) | 2017-04-14 | 2018-10-18 | 株式会社Nttドコモ | 需要予測装置 |
Also Published As
Publication number | Publication date |
---|---|
TW202036458A (zh) | 2020-10-01 |
KR20210126571A (ko) | 2021-10-20 |
CN113508606A (zh) | 2021-10-15 |
PH12021551538A1 (en) | 2022-02-28 |
JP2022519026A (ja) | 2022-03-18 |
EP3925237A1 (en) | 2021-12-22 |
MY197012A (en) | 2023-05-18 |
US20240078477A1 (en) | 2024-03-07 |
SG11202107171QA (en) | 2021-07-29 |
EP3925237A4 (en) | 2022-02-23 |
WO2020167244A1 (en) | 2020-08-20 |
KR102482149B1 (ko) | 2022-12-29 |
US20220083925A1 (en) | 2022-03-17 |
US11836652B2 (en) | 2023-12-05 |
CN113508606B (zh) | 2023-03-28 |
KR20230008235A (ko) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11237184B2 (en) | Methods and systems for pattern-based identification of a driver of a vehicle | |
US10489222B2 (en) | Distributed computing resource management | |
US11164051B2 (en) | Image and LiDAR segmentation for LiDAR-camera calibration | |
US20240078477A1 (en) | Automatically determining optimal transport service locations for points of interest from noisy multimodal data | |
US11749117B1 (en) | Facial recognition technology for improving driver safety | |
US10960893B2 (en) | System and method for driver profiling corresponding to automobile trip | |
WO2018009552A1 (en) | System and method for image analysis | |
US11573084B2 (en) | Method and system for heading determination | |
US10990837B1 (en) | Systems and methods for utilizing machine learning and feature selection to classify driving behavior | |
US11392804B2 (en) | Device and method for generating label objects for the surroundings of a vehicle | |
JP2015179514A (ja) | ターゲットオブジェクトの動きパラメーターを予測する方法及び装置 | |
JP2019067201A (ja) | 車両捜索システム、車両捜索方法、ならびに、それに用いられる車両およびプログラム | |
CN110633718B (zh) | 用于确定环境图像中的行驶区域的方法和装置 | |
US20230134342A1 (en) | System and/or method for vehicle trip classification | |
CN111183464B (zh) | 基于车辆轨迹数据估计信号交叉路口的饱和流量的系统和方法 | |
US20210209399A1 (en) | Bounding box generation for object detection | |
US20210334660A1 (en) | Technology for analyzing sensor data to detect configurations of vehicle operation | |
JP7215325B2 (ja) | 情報収集システム、情報収集方法及び情報収集プログラム | |
US11455763B2 (en) | Bounding box generation for object detection | |
CN116051637A (zh) | Vo可靠性评估方法、模型训练方法、装置、设备及产品 | |
CN113012216A (zh) | 特征分类优化方法和slam定位方法及其系统和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210816 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220210 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220210 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220816 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20221115 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230302 |
|
A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20230302 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230302 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230308 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20230314 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20230526 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231208 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7441848 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |