KR20180013852A

KR20180013852A - 미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 시스템들 및 방법들

Info

Publication number: KR20180013852A
Application number: KR1020177028460A
Authority: KR
Inventors: 링유 장; 웨이 쳉
Original assignee: 베이징 디디 인피니티 테크놀로지 앤드 디벨럽먼트 컴퍼니 리미티드
Priority date: 2016-03-03
Filing date: 2016-12-14
Publication date: 2018-02-07
Also published as: WO2017148202A1; SG11201708267YA; JP2019504370A; PH12017550108A1; US10740701B2; CN107153882B; CN108701279B; EP3320493A4; GB201716362D0; JP7063951B2; US11348042B2; US20180039920A1; MY184334A; AU2016102431A4; BR112017021479A2; EP3320493A1; US20200334591A1; CN108701279A; GB2553455A; CN107153882A

Abstract

미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 시스템들 및 방법들이 제공된다. 이러한 시스템들은 미리 결정된 지역에서 발생한 운송 서비스 요청들의 이력 서비스 시점들을 획득하는 방법들을 수행할 수 있고; 이력 서비스 시점들의 분산을 결정할 수 있고; 분산에 기초하여 미리 결정된 영역 내에서 미래의 운송 서비스 시점의 예측된 분포를 결정할 수 있고; 예측된 분포를 데이터베이스에 저장할 수 있다.

Description

미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 시스템들 및 방법들{omitted}

본 출원은 2016년 3월 3일자로 출원된 중국 특허출원 제201610122417.4호를 우선권으로 주장하며, 그 내용은 본 명세서에 참조로 통합된다.

본 개시사항은 일반적으로 주문형 서비스를 위한 시스템들 및 방법들, 특히 미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 시스템들 및 방법들에 관한 것이다.

인터넷 기술의 발달로 온라인 택시 호출 서비스들과 같은 주문형 운송 서비스들이 점점 더 대중화되어 왔다.

운송 서비스들에 대한 수요는 교통 피크 기간 동안 클 수 있고, 반면에 유휴 기간에는 수요가 적을 수 있다. 일부 상황들에서, 운송 서비스들에 대한 수요를 효율적으로 충족시키는 것은 어려울 수 있다.

본 개시사항의 일 양상에 따르면, 시스템은 하나 이상의 저장 매체 및 상기 하나 이상의 저장 매체와 통신하도록 구성된 하나 이상의 프로세서들을 포함할 수 있다. 하나 이상의 저장 매체는 미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 명령들의 세트를 포함할 수 있다. 하나 이상의 프로세서들이 명령들의 세트를 실행할 때, 하나 이상의 프로세서들은 다음 동작들 중 하나 이상을 수행하도록 지시될 수 있다. 하나 이상의 프로세서들은 미리 결정된 영역에서 발생한 운송 서비스 요청들의 이력 서비스 시점들을 획득할 수 있다. 하나 이상의 프로세서들은 이력 서비스 시점들의 분산을 결정할 수 있다. 하나 이상의 프로세서들은 이러한 분산에 기초하여 미리 결정된 영역에서 미래의 운송 서비스 시점의 예측된 분포를 결정할 수 있다. 하나 이상의 프로세서들은 이후 예측된 분포를 데이터베이스에 저장할 수 있다.

일부 실시예들에서, 하나 이상의 프로세서들은 사용자 단말기로부터 제 1 미리 결정된 시간 기간과 관련된 운송 서비스 빈도의 요청을 수신할 수 있다. 하나 이상의 프로세서들은 제 1 미리 결정된 시간 기간을 예측된 분포에 적용함으로써 결과의 운송 서비스 빈도를 얻을 수 있다. 하나 이상의 프로세서들은 이후 결과의 운송 서비스 빈도를 사용자 단말기로 전송할 수 있다.

일부 실시예들에서, 하나 이상의 프로세서들은 이력 서비스 시점들의 평균 서비스 시점을 결정할 수 있다. 하나 이상의 프로세서들은 이력 서비스 시점들의 수를 결정할 수 있다. 하나 이상의 프로세서들은 이후 이력 서비스 시점들의 평균 서비스 시점 및 이력 서비스 시점들의 수에 기초하여 이력 서비스 시점들의 분산을 결정할 수 있다.

일부 실시예들에서, 하나 이상의 프로세서들은 제 2 미리 결정된 시간 기간 내의 이력 운송 서비스 요청들의 수가 제 1 임계값보다 작을 수 있어서, 미래의 운송 서비스 시점의 예측된 분포의 정확도가 제 2 임계값보다 낮을 수 있음을 결정할 수 있다. 하나 이상의 프로세서들은 이력 서비스 시점들의 수에 관한 보정 계수를 결정할 수 있다. 하나 이상의 프로세서들은 이후 예측 정확도를 증가시키기 위해 이력 서비스 시점들의 분산에 보정 계수를 적용할 수 있다.

일부 실시예들에서, 보정 계수는 경험적인 값일 수 있다.

일부 실시예들에서, 하나 이상의 프로세서들은 분산에 관한 변동 범위를 결정할 수 있다. 하나 이상의 프로세서들은 이후 변동 범위에 기초하여 미래의 운송 서비스 시점의 예측된 분포를 결정할 수 있다.

일부 실시예들에서, 하나 이상의 프로세서들은 이력 서비스 시점들의 표준 편차를 결정할 수 있다. 하나 이상의 프로세서들은 분산, 표준 편차 및 이력 서비스 시점들의 수에 기초하여 분산에 관한 분포 모델을 결정할 수 있다. 하나 이상의 프로세서들은 이후 분포 모델에 기초하여 분산에 관한 변동 범위를 결정할 수 있다.

일부 실시예들에서, 분포 모델은 다수의 정규 분포 변수들의 2차 합에 관한 분포 모델일 수 있다.

일부 실시예들에서, 하나 이상의 프로세서들은 분산에 관한 변동 범위에 기초하여 복수의 분산값들을 얻을 수 있다. 하나 이상의 프로세서들은 복수의 분산값들 각각에 대한 분산값에 기초하여 미래의 운송 서비스 시점의 제 1 예측된 분포를 결정할 수 있다. 하나 이상의 프로세서들은 이후 미래의 운송 서비스 시점의 복수의 제 1 예측된 분포들에 기초하여 미래의 운송 서비스 시점의 제 2 예측된 분포를 결정할 수 있다.

일부 실시예들에서, 하나 이상의 프로세서들은 이력 서비스 시점들에 대한 기대값을 결정할 수 있다. 하나 이상의 프로세서들은 기대값 및 분산값에 기초하여 정규 분포를 결정할 수 있다. 하나 이상의 프로세서들은 이후 정규 분포에 기초하여 미래의 운송 서비스 시점의 제 1 예측된 분포를 결정할 수 있다.

일부 실시예들에서, 하나 이상의 프로세서들은 미래의 운송 서비스 시점의 복수의 제 1 예측된 분포들을 가중시킬 수 있다. 하나 이상의 프로세서들은 이후 가중 결과에 기초하여 미래의 운송 서비스 시점의 제 2 예측된 분포를 결정할 수 있다.

본 개시사항의 다른 양상에 따르면, 방법은 다음 동작들 중 하나 이상을 포함할 수 있다. 컴퓨터는 미리 결정된 영역에서 발생한 운송 서비스 요청들의 이력 서비스 시점들을 획득할 수 있다. 컴퓨터 서버는 이력 서비스 시점들의 분산을 결정할 수 있다. 컴퓨터 서버는 분산에 기초하여 미리 결정된 영역에서 미래의 운송 서비스 시점의 예측된 분포를 결정할 수 있다. 컴퓨터 서버는 예측된 분포를 데이터베이스에 저장할 수 있다.

일부 실시예들에서, 컴퓨터 서버는 사용자 단말기로부터 제 1 미리 결정된 시간 기간과 관련된 운송 서비스 빈도의 요청을 수신할 수 있다. 컴퓨터 서버는 제 1 미리 결정된 시간 기간을 예측된 분포에 적용함으로써 결과의 운송 서비스 빈도를 얻을 수 있다. 컴퓨터 서버는 이후 결과의 운송 서비스 빈도를 사용자 단말기에 전송할 수 있다.

일부 실시예들에서, 컴퓨터 서버는 이력 서비스 시점들의 평균 서비스 시점을 결정할 수 있다. 컴퓨터 서버는 이력 서비스 시점들의 수를 결정할 수 있다. 컴퓨터 서버는 이후 이력 서비스 시점들의 평균 서비스 시점 및 이력 서비스 시점들의 수에 기초하여 이력 서비스 시점들의 분산을 결정할 수 있다.

일부 실시예들에서, 컴퓨터 서버는 제 2 미리 결정된 시간주기 내의 이력 운송 서비스 요청들의 수가 제 1 임계값보다 작을 수 있어서, 미래의 운송 서비스 시점의 예측된 분포의 정확성이 제 2 임계값보다 낮을 수 있음을 결정할 수 있다. 컴퓨터 서버는 이력 서비스 시점들의 수에 관한 보정 계수를 결정할 수 있다. 컴퓨터 서버는 이후 예측 정확도를 증가시키기 위해 보정 계수를 이력 서비스 시점들의 분산에 적용할 수 있다.

일부 실시예들에서, 보정 계수는 경험적인 값일 수 있다.

일부 실시예들에서, 컴퓨터 서버는 분산에 관한 변동 범위를 결정할 수 있다. 컴퓨터 서버는 변동 범위에 기초하여 미래의 운송 서비스 시점의 예측된 분포를 결정할 수 있다.

일부 실시예들에서, 컴퓨터 서버는 이력 서비스 시점들의 표준 편차를 결정할 수 있다. 컴퓨터 서버는 분산, 표준 편차 및 이력 서비스 시점들의 수에 기초하여 분산과 관한 분포 모델을 결정할 수 있다. 컴퓨터 서버는 이후 분포 모델에 기초하여 분산에 관한 변동 범위를 결정할 수 있다.

일부 실시예들에서, 컴퓨터 서버는 분산에 관한 변동 범위에 기초하여 복수의 분산값들을 얻을 수 있다. 컴퓨터 서버는 복수의 분산값들 각각에 대한 분산값에 기초하여 미래의 운송 서비스 시점의 제 1 예측된 분포를 결정할 수 있다. 컴퓨터 서버는 미래의 운송 서비스 시점의 복수의 제 1 예측된 분포들에 기초하여 미래의 운송 서비스 시점의 제 2 예측된 분포를 결정할 수 있다.

일부 실시예들에서, 컴퓨터 서버는 이력 서비스 시점들의 기대값을 결정할 수 있다. 컴퓨터 서버는 기대값과 분산값에 기초하여 정규 분포를 결정할 수 있다. 컴퓨터 서버는 이후 정규 분포에 기초하여 미래의 운송 서비스 시점의 제 1 예측된 분포를 결정할 수 있다.

일부 실시예들에서, 컴퓨터 서버는 미래의 운송 서비스 시점의 복수의 제 1 예측된 분포들을 가중시킬 수 있다. 컴퓨터 서버는 이후 가중 결과에 기초하여 미래의 운송 서비스 시점의 제 2 예측된 분포를 결정할 수 있다.

추가의 특징들은 다음의 설명에 부분적으로 설명될 것이고, 부분적으로는 다음의 및 첨부 도면들의 검토시 당업자에게 명백해질 것이거나, 또는 예들의 생성 또는 동작에 의해 습득될 수 있다. 본 개시사항의 특징들은 아래에서 논의되는 상세한 예들에 설명된 방법론들, 도구들 및 조합들의 다양한 양상들의 실시 또는 사용에 의해 실현되고 달성될 수 있다.

본 개시사항은 예시적인 실시예들에 관해 더 설명된다. 이들 예시적인 실시예들는 도면을 참조하여 상세하게 기술된다. 이들 실시예들은 유사한 참조 번호들이 도면들의 수개의 도면들을 통해 유사한 구조들을 나타내는 비제한적인 예시적인 실시예들이다.

도 1은 본 개시사항의 일부 실시예들에 따른 예시적인 주문형 서비스 시스템을 도시하는 개략도.
도 2는 본 개시사항의 일부 실시예들에 따른 주문형 서비스 시스템 내의 예시적인 계산 디바이스들을 도시하는 블록도.
도 3은 본 개시사항의 일부 실시예들에 따른 예시적인 처리 엔진을 도시하는 블록도.
도 4는 본 개시사항의 일부 실시예들에 따라 미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 예시적인 프로세스/방법을 도시한 흐름도.
도 5는 본 개시사항의 일부 실시예들에 따라 미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 예시적인 프로세스/방법을 도시하는 흐름도.
도 6a 및 도 6b는 본 개시사항의 일부 실시예들에 따른 미래의 운송 서비스 시점의 예시적인 예측된 분포를 도시하는 개략도들.

다음의 설명은 임의의 당업자가 본 개시사항을 구성하고 사용할 수 있게 하기 위하여 제공되며, 특정 애플리케이션 및 그 요구사항들의 맥락에서 제공된다. 개시된 실시예들에 대한 다양한 변형들이 당업자들에게 용이하게 자명할 것이며, 본 명세서에 한정된 일반적인 원리들은 본 개시사항의 사상 및 범위를 벗어나지 않고 다른 실시예들 및 애플리케이션들에 적용될 수 있다. 따라서, 본 개시사항은 도시된 실시예들에 한정되지 않고 청구항들과 일치하는 가장 넓은 범위를 부여받을 것이다.

본 명세서에 사용된 용어는 단지 특정 실시예들을 설명하기 위한 것이며, 제한하려는 것은 아니다. 본 명세서에서 사용된 단수 형태는 문맥상 다르게 지시하지 않는 한, 복수 형태들을 또한 포함하도록 의도될 수 있다. 본 명세서에서 사용될 때, "포함하다", 및/또는 "포함하는"의 용어들은 명시된 특징들, 정수들, 단계들, 동작들, 요소들 및/또는 구성요소들의 존재를 기술하지만, 하나 이상의 다른 특징들, 정수들, 단계들, 동작들, 요소들, 구성 요소들 및/또는 이들의 그룹들의 존재 또는 추가를 배제하지 않는다.

본 개시사항의 이들 및 다른 특징들뿐만 아니라, 구조의 관련된 요소들 및 부품들의 조합의 동작 방법 및 기능들, 및 제조의 경제는, 전체가 본 명세서의 일부를 구성하는 첨부 도면(들)을 참조한 다음의 설명을 고려할 때 더욱 자명해질 수 있다. 그러나 도면(들)은 단지 예시 및 설명의 목적을 위한 것이며, 본 개시사항의 범위를 제한하려는 것은 아님이 명백하게 이해될 것이다. 도면은 비례적으로 도시된 것은 아님이 이해될 것이다.

본 개시사항에서 사용된 흐름도들은 본 개시사항의 일부 실시예들에 따라 시스템들이 구현하는 동작들을 도시한다. 흐름도의 동작들이 순서대로 구현되지 않을 수 있음이 명확하게 이해될 것이다. 반대로, 동작들은 역순으로 또는 동시에 구현될 수 있다. 또한, 하나 이상의 다른 동작들이 흐름도들에 추가될 수 있다. 하나 이상의 동작들이 흐름도들에서 제거될 수 있다.

또한, 본 개시사항의 시스템들 및 방법들은 주로 타깃 차량/제공자를 결정하는 것과 관련하여 기술되었지만, 이는 단지 하나의 예시적인 실시예에 불과하다는 것을 이해해야 한다. 본 개시사항의 시스템 또는 방법은 임의의 다른 종류의 주문형 서비스에도 적용될 수 있다. 예를 들어, 본 개시사항의 시스템 또는 방법은 육지, 해양, 항공 우주 등 또는 이들의 임의의 조합을 포함하는 상이한 운송 시스템들에 적용될 수 있다. 운송 시스템들의 차량은 택시, 개인 차량, 히치하이크, 버스, 기차, 탄환 열차, 고속철도, 지하철, 선박, 항공기, 우주선, 열기구, 운전자 없는 차량 등, 또는 이들의 임의의 조합일 수 있다. 운송 시스템은 또한 관리 및/또는 분포를 적용하는 임의의 운송 시스템, 예를 들어, 익스프레스를 전송 및/또는 수신하는 시스템을 포함할 수 있다. 본 개시사항의 시스템 또는 방법의 애플리케이션 시나리오들은 웹 페이지, 브라우저의 플러그-인, 클라이언트 단말기, 맞춤형 시스템, 내부 분석 시스템, 인공 지능 로봇 등, 또는 이들의 임의의 조합을 포함할 수 있다.

본 개시사항에서 "승객", "요청자", "서비스 요청자" 및 "고객"이라는 용어는 서비스를 요청하거나 주문할 수 있는 개인, 실체 또는 도구를 지칭하기 위해 상호 교환적으로 사용된다. 또한, 본 개시사항의 "운전자", "제공자", "서비스 제공자" 및 "제공자"라는 용어는 서비스를 제공할 수 있거나 서비스의 제공을 용이하게 할 수 있는 개인, 실체 또는 도구를 지칭하기 위해 상호 교환적으로 사용된다. 본 개시사항에서의 용어 "사용자"는 서비스를 요청할 수 있거나, 서비스를 주문할 수 있거나, 서비스를 제공할 수 있거나, 또는 서비스의 제공을 용이하게 할 수 있는 개인, 실체 또는 도구를 지칭할 수 있다. 예를 들어, 사용자는 승객, 운전자, 조작자 등, 또는 이들의 임의의 조합일 수 있다. 본 개시사항에서, "승객" 및 "승객 단말기"는 상호 교환 가능하게 사용될 수 있고, "운전자" 및 "운전자 단말기"는 상호 교환적으로 사용될 수 있다.

본 개시사항의 용어 "서비스 요청" 및 "주문"은 승객, 요청자, 서비스 요청자, 고객, 운전자, 제공자, 서비스 제공자, 공급자 등, 또는 이들의 임의의 조합에 의해 개시될 수 있는 요청을 지칭하기 위해 교환 가능하게 사용된다. 서비스 요청은 승객, 요청자, 서비스 요청자, 고객, 운전자, 제공자, 서비스 제공자 또는 공급자 중 어느 하나에 의해 수락될 수 있다. 서비스 요청은 유료이거나 무료일 수 있다.

본 개시사항에서 사용된 위치결정 기술은 GPS(글로벌 위치결정 시스템), GLONASS(글로벌 네비게이션 위치결정 시스템), COMPASS(나침반 네비게이션 시스템), 갈릴레오(Galileo) 위치결정 시스템, QZSS(준-천정 위성 시스템), WiFi(무선 충실도) 위치결정 기술 등, 또는 이들의 임의의 조합일 수 있다. 상기 위치결정 기술들 중 하나 이상은 본 개시사항에서 상호 교환적으로 사용될 수 있다.

본 개시사항의 일 양상은 운송 서비스 요청들의 이력 서비스 시점들에 기초하여 미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 온라인 시스템들 및 방법들을 제공한다.

온라인 택시 호출과 같은 온라인 주문형 운송 서비스들이 오로지 인터넷 시대 이후에 뿌리 내린 새로운 형태의 서비스라는 점을 주목해야 한다. 이는 오로지 인터넷 이후 시대에 생성될 수 있는 기술 해결책들을 사용자들 및 서비스 제공자들에 제공한다. 인터넷 이전 시대에, 사용자가 거리에서 택시를 호출할 때, 택시 요청 및 수락은 승객과 승객을 보는 한 명의 택시 운전자 사이에서만 발생한다. 승객이 전화 통화를 통해 택시를 호출한다면, 서비스 요청 및 수락은 오로지 승객과 하나의 서비스 제공자(예: 한 택시 회사 또는 에이전트) 사이에서 발생할 것이다. 그러나, 온라인 택시 호출은 서비스의 사용자가 사용자로부터 떨어져 있는 많은 수의 개별 서비스 제공자들(예컨대, 택시)에 서비스 요청을 실시간으로 및 자동으로 분포하게 한다. 또한, 복수의 서비스 제공자들이 동시에 실시간으로 서비스 요청에 응답하는 것을 허용할 수 있다. 따라서, 인터넷을 통해, 온라인 주문형 운송 시스템들은, 사용자들 및 서비스 제공 업체들을 위해 전통적인 인터넷 이전의 운송 서비스 시스템에서 전혀 경험하지 못한 훨씬 더 효율적인 거래 플랫폼을 제공할 수 있다.

도 1은 일부 실시예들에 따른 예시적인 주문형 서비스 시스템(100)을 도시하는 블록도이다. 주문형 서비스 시스템(100)은 서버(110), 네트워크(120), 요청자 단말기(130), 제공자 단말기(140) 및 데이터베이스(150)를 포함하는 온라인 주문형 운송 서비스 시스템일 수 있다. 서버(110)는 처리 엔진(112)을 포함할 수 있다.

일부 실시예들에서, 서버(110)는 단일 서버 또는 서버 그룹일 수 있다. 서버 그룹은 중앙 집중화되거나 분산될 수 있다(예를 들어, 서버(110)는 분산 시스템일 수 있다). 일부 실시예들에서, 서버(110)는 로컬 또는 원격일 수 있다. 예를 들어, 서버(110)는 요청자 단말기(130), 제공자 단말기(140) 및/또는 데이터베이스(150)에 저장된 정보 및/또는 데이터에 네트워크(120)를 통해 액세스할 수 있다. 다른 예로서, 서버(110)는 저장된 정보 및/또는 데이터에 액세스하기 위하여 요청자 단말기(130), 제공자 단말기(140) 및/또는 데이터베이스(150)에 직접 접속될 수 있다. 일부 실시예들에서, 서버(110)는 클라우드 플랫폼상에 구현될 수 있다. 단지 예시로서, 상기 클라우드 플랫폼은 사적 클라우드, 공적 클라우드, 하이브리드 클라우드, 공동체 클라우드, 분산 클라우드, 인터-클라우드, 멀티-클라우드 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서, 서버(110)는 본 개시사항의 도 2에 도시된 하나 이상의 구성요소들을 갖는 컴퓨팅 디바이스(200)상에 구현될 수 있다.

일부 실시예들에서, 서버(110)는 처리 엔진(112)을 포함할 수 있다. 처리 엔진(112)은 본 개시사항에서 설명된 하나 이상의 기능들을 수행하기 위해 서비스 요청에 관한 정보 및/또는 데이터를 처리할 수 있다. 예를 들어, 처리 엔진(112)은 이력 서비스 시점들에 기초하여 미래의 운송 서비스 시점의 예측된 분포를 결정할 수 있다. 일부 실시예들에서, 처리 엔진(112)은 하나 이상의 처리 엔진들(예를 들어, 단일-코어 처리 엔진(들) 또는 멀티-코어 프로세서(들))을 포함할 수 있다. 단지 예를 통해, 처리 엔진(112)은 중앙 처리 유닛(CPU), 주문형 집적 회로(ASIC), 주문형 명령-세트 프로세서(ASIP), 그래픽 처리 유닛(GPU), 물리 처리 유닛(PPU), 디지털 신호 프로세서(DSP), 필드 프로그램 가능 게이트 어레이(FPGA), 프로그램 가능 로직 디바이스(PLD), 컨트롤러, 마이크로컨트롤러 유닛, 감소된 명령-세트의 컴퓨터(RISC), 마이크로 프로세서 등, 또는 이들의 임의의 조합을 포함할 수 있다.

네트워크(120)는 정보 및/또는 데이터의 교환을 용이하게 할 수 있다. 일부 실시예들에서, 주문형 서비스 시스템(100)(예를 들어, 서버(110), 요청자 단말기(130), 제공자 단말기(140) 및 데이터베이스(150)) 내의 하나 이상의 구성 요소들은 정보 및/또는 데이터를 네트워크(120)를 통해 주문형 서비스 시스템(100) 내의 다른 구성요소(들)에 전송할 수 있다. 예를 들어, 서버(110)는 네트워크(120)를 통해 요청자 단말기(130)로부터 서비스 요청을 획득/취득할 수 있다. 일부 실시예들에서, 네트워크(120)는 임의의 유형의 유선 또는 무선 네트워크, 또는 이들의 조합일 수 있다. 단지 예를 통해, 네트워크(130)는 케이블 네트워크, 유선 네트워크, 광섬유 네트워크, 원격 통신 네트워크, 인트라넷, 인터넷, 근거리 통신망(LAN), 광역 통신망(WAN), 무선 근거리 통신망(WLAN), 도시권 통신망(MAN), 광역 통신망(WAN), 공중 전화 교환망(PSTN), 블루투스 네트워크, 지그비(ZigBee) 네트워크, 근거리 무선 통신(NFC) 네트워크 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서, 네트워크(120)는 하나 이상의 네트워크 액세스 포인트들을 포함할 수 있다. 예를 들어, 네트워크(120)는 기지국들 및/또는 인터넷 교환 포인트들(120-1, 120-2, ...)과 같은 유선 또는 무선 네트워크 액세스 포인트들을 포함할 수 있고, 이들을 통해 주문형 서비스 시스템(100)의 하나 이상의 구성 요소들은 데이터 및/또는 정보를 교환하기 위해 네트워크(120)에 접속될 수 있다.

일부 실시예들에서, 요청자는 요청자 단말기(130)의 사용자일 수 있다. 일부 실시예들에서, 요청자 단말기(130)의 사용자는 요청자 이외의 누군가일 수 있다. 예를 들어, 요청자 단말기(130)의 사용자 A는 사용자 B에 대한 서비스 요청을 전송하거나, 서버(110)로부터 서비스 및/또는 정보 또는 명령들을 수신하기 위하여 요청자 단말기(130)를 사용할 수 있다. 일부 실시예들에서, 제공자는 제공자 단말기(140)의 사용자일 수 있다. 일부 실시예들에서, 제공자 단말기(140)의 사용자는 제공자 이외의 누군가일 수 있다. 예를 들어, 제공자 단말기(140)의 사용자 C는 사용자 D에 대한 서비스 요청 및/또는 서버(110)로부터의 정보 또는 명령들을 수신하기 위하여 제공자 단말기(140)를 사용할 수 있다. 일부 실시예들에서, "요청자" 및 "요청자 단말기"는 상호 교환적으로 사용될 수 있고, "제공자" 및 "제공자 단말기"는 서로 교환적으로 사용될 수 있다.

일부 실시예들에서, 요청자 단말기(130)는 모바일 디바이스(130-1), 태블릿 컴퓨터(130-2), 랩톱 컴퓨터(130-3), 자동차에 내장된 디바이스(130-4) 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서, 모바일 디바이스(130-1)는 스마트 홈 디바이스, 착용식 디바이스, 스마트 모바일 디바이스, 가상 현실 디바이스, 증강 현실 디바이스 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서, 스마트 홈 디바이스는 스마트 조명 디바이스, 지능형 전기 장치의 제어 디바이스, 스마트 모니터링 디바이스, 스마트 텔레비전, 스마트 비디오 카메라, 인터폰 등 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서, 착용식 디바이스는 스마트 팔찌, 스마트 풋기어, 스마트 글래스, 스마트 헬멧, 스마트 시계, 스마트 의류, 스마트 배낭, 스마트 액세서리 등 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서, 스마트 모바일 디바이스는 스마트폰, 개인용 정보 단말기(PDA), 게임 디바이스, 네비게이션 디바이스, POS 디바이스 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서, 가상 현실 디바이스 및/또는 증강 현실 디바이스는 가상 현실 헬멧, 가상 현실 글래스, 가상 현실 패치, 증강 현실 헬멧, 증강 현실 글래스, 증강 현실 패치 등, 또는 이들의 임의의 조합을 포함할 수 있다. 예를 들어, 가상 현실 디바이스 및/또는 증강 현실 디바이스는 Google Glass, Oculus Rift, Hololens, Gear VR 등을 포함할 수 있다. 일부 실시예들에서, 자동차의 내장 디바이스(130-4)는 온보드 컴퓨터, 온보드 텔레비전 등을 포함할 수 있다. 일부 실시예들에서, 요청자 단말기(130)는 요청자 및/또는 요청자 단말기(130)의 위치를 찾기 위한 위치결정 기술을 구비한 디바이스일 수 있다.

일부 실시예들에서, 제공자 단말기(140)는 요청자 단말기(130)와 유사하거나 또는 이와 동일한 디바이스일 수 있다. 일부 실시예들에서, 제공자 단말기(140)는 제공자 및/또는 제공자 단말기(140)의 위치를 찾기 위한 위치결정 기술을 갖는 디바이스일 수 있다. 일부 실시예들에서, 요청자 단말기(130) 및/또는 제공자 단말기(140)는 요청자, 요청자 단말기(130), 제공자 및/또는 제공자 단말기(140)의 위치를 결정하기 위해 다른 위치결정 디바이스와 통신할 수 있다. 일부 실시예들에서, 요청자 단말기(130) 및/또는 제공자 단말기(140)는 위치결정 정보를 서버(110)에 전송할 수 있다.

데이터베이스(150)는 데이터 및/또는 명령들을 저장할 수 있다. 일부 실시예들에서, 데이터베이스(150)는 요청자 단말기(130) 및/또는 제공자 단말기(140)로부터 획득된 데이터를 저장할 수 있다. 일부 실시예들에서, 데이터베이스(150)는 본 개시사항에 기술된 예시적인 방법들을 수행하기 위하여 서버(110)가 실행할 수 있거나 또는 사용할 수 있는 데이터 및/또는 명령들을 저장할 수 있다. 일부 실시예들에서, 데이터베이스(150)는 대용량 저장 디바이스, 착탈식 저장 장치, 휘발성 판독-기록 메모리, 판독 전용 메모리(ROM) 등, 또는 이들의 임의의 조합을 포함할 수 있다. 예시적인 대용량 저장 장치는 자기 디스크, 광 디스크, 고체 상태 드라이브 등을 포함할 수 있다. 예시적인 착탈식 저장 장치는 플래시 드라이브, 플로피 디스크, 광학 디스크, 메모리 카드, 짚 디스크, 자기 테이프, 등을 포함할 수 있다. 예시적인 휘발성 판독-기록 메모리는 랜덤 액세스 메모리(RAM)를 포함할 수 있다. 예시적인 RAM은 동적 RAM(DRAM), 더블 데이트 레이트 동기식 동적 RAM(DDR SDRAM), 정적 RAM(SRAM), 사이리스터 RAM(T-RAM), 및 제로 캐패시터 RAM(Z-RAM) 등을 포함할 수 있다. 예시적인 ROM은 마스크 ROM(MROM), 프로그램 가능 ROM(PROM), 삭제 가능 프로그램 가능 ROM(PEROM), 전기적 소거 가능 프로그램 가능 ROM(EEPROM), 콤팩트 디스크 ROM(CD-ROM), 및 디지털 다목적 디스크 ROM 등을 포함할 수 있다. 일부 실시예들에서, 데이터베이스(150)는 클라우드 플랫폼상에서 구현될 수 있다. 단지 예를 통해, 클라우드 플랫폼은 사적 클라우드, 공적 클라우드, 하이브리드 클라우드, 공통체 클라우드, 분산 클라우드, 인터-클라우드, 멀티-클라우드 등, 또는 이들의 임의의 조합을 포함할 수 있다.

일부 실시예들에서, 데이터베이스(150)는 주문형 서비스 시스템(100)(예를 들어, 서버(110), 요청자 단말기(130), 제공자 단말기(140) 등) 내의 하나 이상의 구성 요소들과 통신하기 위하여 네트워크(120)에 연결될 수 있다. 주문형 서비스 시스템(100)의 하나 이상의 구성요소들은 네트워크(120)를 통해 데이터베이스(150)에 저장된 데이터 또는 명령들에 액세스할 수 있다. 일부 실시예들에서, 데이터베이스(150)는 주문형 서비스 시스템(100)(예를 들어, 서버(110), 요청자 단말기(130), 제공자 단말기(140) 등) 내의 하나 이상의 구성요소들에 직접 연결되거나 이들과 통신할 수 있다. 일부 실시예들에서, 데이터베이스(150)는 서버(110)의 일부일 수 있다.

일부 실시예들에서, 주문형 서비스 시스템(100)(예를 들어, 서버(110), 요청자 단말기(130), 제공자 단말기(140) 등) 내의 하나 이상의 구성요소들은 데이터베이스(150)에 액세스하기 위한 허가를 가질 수 있다. 일부 실시예들에서, 주문형 서비스 시스템(100) 내의 하나 이상의 구성요소들은 하나 이상의 조건들이 충족될 때 요청자, 제공자, 및/또는 공공에 관한 정보를 판독 및/또는 수정할 수 있다. 예를 들어, 서버(110)는 서비스 후에 하나 이상의 사용자들의 정보를 판독 및/또는 수정할 수 있다. 다른 예로서, 제공자 단말기(140)는 요청자 단말기(130)로부터 서비스 요청을 수신할 때 요청자에 관한 정보에 액세스할 수 있지만, 제공자 단말기(140)는 요청자의 관련 정보를 수정할 수 없다.

일부 실시예들에서, 주문형 서비스 시스템(100) 내의 하나 이상의 구성요소들의 정보 교환은 서비스를 요청하는 것에 의해 달성될 수 있다. 서비스 요청의 대상은 임의의 제품일 수 있다. 일부 실시예들에서, 제품은 유형의 제품 또는 무형의 제품일 수 있다. 유형의 제품은 식품, 약품, 필수품, 화학 제품, 전기 기기, 의류, 자동차, 주택, 고급품 등 또는 이들의 임의의 조합을 포함할 수 있다. 무형의 제품은 서비스 제품, 금융 제품, 지식 제품, 인터넷 제품 등 또는 이들의 임의의 조합을 포함할 수 있다. 인터넷 제품은 개별 호스트 제품, 웹 제품, 모바일 인터넷 제품, 상용 호스트 제품, 내장 제품 등 또는 이들의 임의의 조합을 포함할 수 있다. 모바일 인터넷 제품은 모바일 단말기의 소프트웨어, 프로그램, 시스템 등, 또는 이들의 임의의 조합에서 사용될 수 있다. 모바일 단말기는 태블릿 컴퓨터, 랩탑 컴퓨터, 모바일 폰, 개인용 휴대 정보 단말(PDA), 스마트 시계, POS 디바이스, 온보드 컴퓨터, 온보드 텔레비전, 착용식 디바이스 등, 또는 이들의 임의의 조합을 포함할 수 있다. 예를 들어, 제품은 컴퓨터 또는 모바일폰에서 사용되는 임의의 소프트웨어 및/또는 애플리케이션일 수 있다. 소프트웨어 및/또는 애플리케이션은 사교, 쇼핑, 운송, 오락, 학습, 투자 등, 또는 이들의 임의의 조합과 관련될 수 있다. 일부 실시예들에서, 운송에 관한 소프트웨어 및/또는 애플리케이션은 여행 소프트웨어 및/또는 애플리케이션, 차량 스케줄링 소프트웨어 및/또는 애플리케이션, 맵핑 소프트웨어 및/또는 애플리케이션 등을 포함할 수 있다. 차량 스케줄링 소프트웨어 및/또는 애플리케이션에서, 차량은 말, 마차, 인력거(예 : 외바퀴 수레, 자전거, 세발 자전거 등), 차량(예 : 택시, 버스, 사적 차량 등), 열차, 지하철, 선박, 비행기(예 : 비행기, 헬리콥터, 우주 왕복선, 로켓트, 열기구 등) 등, 또는 이들의 임의의 조합을 포함할 수 있다.

도 2는 본 개시사항의 일부 실시예들에 따라 서버(110), 요청자 단말기(130), 및/또는 제공자 단말기(140)가 구현될 수 있는 컴퓨팅 디바이스(200)의 예시적인 하드웨어 및 소프트웨어 구성요소들을 나타내는 개략도이다. 예를 들어, 처리 엔진(112)은 컴퓨팅 디바이스(200) 상에 구현될 수 있고, 본 개시사항에 개시된 처리 엔진(112)의 기능들을 수행하도록 구성될 수 있다.

컴퓨팅 디바이스(200)는 범용 컴퓨터 또는 특수 목적 컴퓨터일 수 있고, 둘 모두는 본 개시사항을 위한 주문형 서비스 시스템(100)을 구현하기 위하여 사용될 수 있다. 컴퓨팅 디바이스(200)는 본 명세서에서 기술된 주문형 서비스의 임의의 구성요소를 구현하기 위하여 사용될 수 있다. 예를 들어, 처리 엔진(112)은 하드웨어, 소프트웨어 프로그램, 펌웨어, 또는 이들의 조합을 통해 컴퓨팅 디바이스(200) 상에서 구현될 수 있다. 오로지 하나의 이러한 컴퓨터가 도시되었지만, 편의상, 본 명세서에 기술된 주문형 서비스에 관한 컴퓨터 기능들은 처리 부하를 분산시키기 위하여 다수의 유사한 플랫폼들상에서 분산 방식으로 구현될 수 있다.

예를 들어, 컴퓨팅 디바이스(200)는 데이터 통신들을 용이하게 하기 위해 컴퓨팅 디바이스(200)에 연결된 네트워크에/로부터 연결된 COM 포트들(250)을 포함할 수 있다. 컴퓨팅 디바이스(200)는 또한 프로그램 명령들을 실행하기 위한, 하나 이상의 프로세서들의 형태로 중앙 처리 유닛(CPU)(220)을 포함할 수 있다. 예시적인 컴퓨터 플랫폼은 다양한 데이터 파일들이 컴퓨터에 의해 처리 및/또는 송신될 수 있도록, 내부 통신 버스(210), 다양한 형태의 프로그램 저장장치 및 데이터 저장장치, 예를 들어 디스크(270) 및 ROM(230) 또는 랜덤 액세스 메모리(RAM)(240)를 포함할 수 있다. 예시적인 컴퓨터 플랫폼은 또한 CPU(220)에 의해 실행될, ROM(230), RAM(240), 및/또는 다른 유형의 비일시적인 저장 매체에 저장된 프로그램 명령들을 포함할 수 있다. 본 개시사항의 방법들 및/또는 프로세스들은 프로그램 명령들로 구현될 수 있다. 컴퓨팅 디바이스(200)는 또한 컴퓨터와 사용자 인터페이스 요소들(280)과 같은 그 안의 다른 구성요소들 사이의 입/출력을 지원하는 I/O 구성요소(260)를 포함한다. 컴퓨팅 디바이스(200)는 또한 네트워크 통신들을 통해 프로그래밍 및 데이터를 수신할 수 있다.

단지 예시를 위해서, 오로지 하나의 CPU 및/또는 프로세서가 컴퓨팅 디바이스(200)에 기술된다. 그러나, 본 개시사항의 컴퓨팅 디바이스(200)가 또한 다수의 CPU들 및/또는 프로세서들을 포함할 수 있고, 따라서 본 개시사항에서 기술된 바와 같이 하나의 CPU 및/또는 프로세서에 의해 수행되는 동작들 및/또는 방법 단계들은 또한 다수의 CPU들 및/또는 프로세서들에 의해 공동으로 또는 개별적으로 수행될 수 있다는 것이 주의되어야 한다. 예를 들어, 본 개시사항에서 컴퓨팅 디바이스(200)의 CPU 및/또는 프로세서가 단계 A 및 단계 B를 모두 실행한다면, 단계 A 및 단계 B가 2개의 상이한 CPU들 및/또는 프로세서들에 의해 공동으로 또는 개별적으로 컴퓨팅 디바이스(200) 내에서 또한 수행될 수 있음(예를 들어, 제 1 프로세서는 단계 A를 실행하고, 제 2 프로세서는 단계 B를 실행하거나, 제 1 및 제 2 프로세서들은 단계 A 및 단계 B를 공동으로 실행한다)을 이해해야 한다.

도 3은 본 개시사항의 일부 실시예들에 따른 예시적인 처리 엔진(112)을 나타내는 블록도이다. 처리 엔진(112)은 획득 모듈(302), 결정 모듈(304), 및 예측 모듈(306)을 포함할 수 있다.

획득 모듈(302)은 미리 결정된 영역에서 발생한 운송 서비스 요청들의 이력 서비스 시점들을 획득하도록 구성될 수 있다. 본 명세서에서 사용된, 서비스 시점은, 요청자가 운송 서비스를 사용하기를 원할 때의 시작 시간을 지칭할 수 있다. 미리 결정된 영역은 행정 영역(예를 들어, 도시의 지구) 또는 지리적 영역(예를 들어, 한정된 위치로부터 특정 반경(예를 들어, 500m, 800m, 1km) 내)을 지칭할 수 있다.

결정 모듈(304)은 이력 서비스 시점들의 분산을 결정하도록 구성될 수 있다. 예를 들어, 결정 모듈(304)은 불편 추정 접근법(unbiased estimation approach)에 기초하여 이력 서비스 시점들의 분산을 추정할 수 있다. 결정 모듈(304)은 또한 분산에 관한 분포 모델을 결정할 수 있다. 분포 모델을 통해, 결정 모듈(304)은 상이한 확률들을 갖는 분산의 가능한 값들을 결정할 수 있다. 결정 모듈(304)은 또한 분포 모델에 기초하여 분산에 관한 변동 범위를 결정할 수 있다. 변동 범위는 하나의 범위를 나타낼 수 있고, 그 범위 내에서 분산의 값이 변할 수 있다. 변동 범위는 시작 값 및 종료 값을 포함할 수 있다. 예를 들어, 변동 범위는 (3, 5) 또는 [3, 5]일 수 있다. 시작 값은 3이고 종료 값은 5이다.

예측 모듈(306)은 분산에 기초하여 미리 결정된 영역에서의 미래의 운송 서비스 시점의 예측된 분포를 결정하도록 구성될 수 있다. 미래의 운송 서비스 시점의 예측된 분포는 하나의 분포를 지칭할 수 있고, 이러한 분포를 통해 사용자(예를 들어, 요청자 또는 제공자)는, 가능한 미래의 운송 서비스 시점이 미리 결정된 영역 내에서 발생할 수 있을 때 하나 이상의 시점들을 얻을 수 있다.

처리 엔진(112) 내의 모듈들은 유선 연결 또는 무선 연결을 통해 서로 접속되거나 통신될 수 있다. 유선 연결은 금속 케이블, 광 케이블, 하이브리드 케이블 등 또는 이들의 임의의 조합을 포함할 수 있다. 무선 접속은 근거리 통신망(LAN), 광역 통신망(WAN), 블루투스, 지그비(ZigBee), 근거리 무선 통신(NFC) 등, 또는 이들의 임의의 조합을 포함할 수 있다. 2개 이상의 모듈들은 단일 모듈로서 결합될 수 있고, 모듈들 중 임의의 하나는 2개 이상의 유닛들로 분할될 수 있다. 예를 들어, 결정 모듈(304) 및 예측 모듈(306)은 분산을 결정하고 미래 서비스 시점의 예측된 분포를 결정할 수 있는 단일 모듈로서 통합될 수 있다.

도 4는 본 개시사항의 일부 실시예들에 따라 미리 결정된 영역에서 미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 예시적인 프로세스/방법(400)을 도시하는 흐름도이다. 프로세스 및/또는 방법(400)은 주문형 서비스 시스템(100)에 의해 실행될 수 있다. 예를 들어, 프로세스 및/또는 방법은 저장 ROM(230) 또는 RAM(240)에 저장된 명령들의 세트(예, 애플리케이션)로서 구현될 수 있다. CPU(210)는 명령들의 세트를 실행할 수 있고, 따라서 프로세스 및/또는 방법(400)을 수행하도록 지시될 수 있다.

단계(402)에서, 처리 엔진(112)은 미리 결정된 영역에서 발생한 운송 서비스 요청들의 이력 서비스 시점들을 획득할 수 있다.

서비스 시점은 요청자가 운송 서비스를 사용하기를 원할 때의 시작 시간을 지칭할 수 있다. 운송 서비스 요청은 실시간 요청 및/또는 약속 요청을 포함할 수 있다. 본 명세서에 사용된, 실시간 요청은 요청자가 현재 순간에 또는 당업자에 대해 현재 순간에 합리적으로 근접한 한정된 시간에 운송 서비스를 사용하기를 원하는 요청일 수 있다. 예를 들어, 정의된 시간이 1분, 5분, 10분 또는 20분과 같은 임계값보다 짧으면, 요청은 실시간 요청일 수 있다. 약속 요청은 요청자가 당업자에 대해 현 시점에 합리적으로 멀리 떨어진 한정된 시간에 운송 서비스를 사용하기를 원한다는 것을 지칭할 수 있다. 예를 들어, 한정된 시간이 20분, 2시간 또는 1일과 같은 임계값보다 길면, 요청은 약속 요청일 수 있다. 일부 실시예들에서, 처리 엔진(112)은 시간 임계값에 기초하여 실시간 요청 또는 약속 요청을 정의할 수 있다. 시간 임계값은 주문형 서비스 시스템(100)의 디폴트 설정들일 수 있거나, 상이한 상황들에 따라 조정 가능할 수 있다. 예를 들어, 트래픽 피크 기간에서, 시간 임계값은 비교적 작을 수 있고(예를 들어, 10 분), 그렇지 않고 유휴 기간(예를 들어, 10:00-12:00am)에서, 시간 임계값은 비교적 클 수 있다(예, 1 시간).

일부 실시예들에서, 본 명세서에서 사용된 "이력"은 과거에 미리 결정된 시간 기간을 지칭할 수 있다. 예를 들어, 처리 엔진(112)은 현재 순간으로부터 과거 한 달 내의 이력 서비스 시점들을 획득할 수 있다. 다른 예로서, 처리 엔진(112)은 과거의 특정 시간 기간(예를 들어, 작년의 크리스마스 휴일) 내에서 이력 서비스 시점들을 획득할 수 있다.

미리 결정된 영역은 주문형 서비스 시스템(100)의 디폴트 설정일 수 있거나, 또는 상황들에 따라 조정될 수 있다. 예를 들어, 중소도시 또는 소도시에 대해, 미리 결정된 영역은 전체 도시일 수 있는 반면, 대도시(예 : 북경)에 대해, 미리 결정된 영역은 도시 내의 지구 또는 지구의 한정된 부분일 수 있다.

단계(404)에서, 처리 엔진(112)은 이력 서비스 시점들의 분산을 결정할 수 있다.

본 명세서에서 사용된, 분산은 랜덤 변수 값들 세트의 편차 정도를 나타낼 수 있다. 본 개시사항에서, 분산은 이력 서비스 시점들의 편차 정도를 나타낼 수 있다. 본 개시사항에서, "분산", "표준 편차" 또는 "기대값"은 추정될 "분산", "표준 편차"또는 "기대값"의 공식 또는 추정량에 따라 결정된 특정 값을 지칭할 수 있다.

처리 엔진(112)은 불편 추정 접근법에 기초하여 이력 서비스 시점들의 분산을 결정할 수 있다. 본 명세서에 사용된, 불편 추정 접근법은 추정될 파라미터에 대한 것을 지칭할 수 있고, 파라미터의 추정량의 기대값은 파라미터의 실제 값과 동일하다. 예를 들어, 불편 추정 접근법은 다음과 같이 표현될 수 있다.

E(M') = M (1)

위 식에서, M은 추정될 파라미터(또는 파라미터의 실제 값)를 지칭하고, M'는 파라미터의 추정량을 나타내고, E(M')는 파라미터의 추정량의 기대값를 나타낸다. 본 명세서에서 사용되는, 기대값은 추정량의 가능한 값들의 확률-가중 평균을 지칭할 수 있다. 예를 들어, 추정량은 아래에 도시된 복수의 가능한 값들을 포함할 수 있다 :

M'= {m₁, m₂, ..., m_n} (2)

위 식에서, 복수의 가능한 값들은 복수의 확률들, 예를 들어, p₁, p₂,...및 p_n에 대응할 수 있다. 또한, 추정량의 기대값는 다음과 같이 표시될 수 있다:

E(M') = p₁m₁ + p₂m₂ +···+ p_nm_n (3)

일부 실시예들에서, 이력 서비스 시점들의 수가 제 1 임계값(예를 들어, 100)보다 크거나 같으면, 처리 엔진(112)은 아래의 수식(4)에 따라 제 1 분산을 결정할 수 있다:

(4)

여기서, D₁(X)는 제 1 분산을 의미하고, X는 이력 서비스 시점들을 포함하는 세트를 지칭하며, t_i는 i번째 이력 서비스 시점을 지칭하고,

는 이력 서비스 시점들의 평균 서비스 시점을 지칭하고, n은 이력 서비스 시점들의 수를 나타낸다.

일부 실시예들에서, 이력 서비스 시점들의 수가 제 1 임계값보다 적지만, 제 2 임계값(예를 들어, 10)보다 크거나 같은 경우, 수식(4)에 따라 이력 서비스 시간들의 분산을 결정하는 것은 부정확할 수 있다. 부정확한 분산은, 미래의 운송 서비스 시점의 예측된 분포의 정확도가 정확도 임계값(예를 들어, 70%)보다 낮을 수 있음을 초래할 수 있다. 본 명세서에 사용된, "정확도"는 예측된 분포와 기준 분포 사이의 오차를 지칭할 수 있고, 기준 분포는 이력 서비스 시점들의 실제 분산 또는 이력 서비스 시점들의 분산의 디폴트 값에 기초하여 결정되는 분포를 지칭할 수 있다. 정확성을 향상시키기 위해, 처리 엔진(112)은 아래의 수식(5)에 따라 제 2 분산을 결정할 수 있다 :

(5)

여기서 D₂(X)는 제 2 분산을 지칭한다.

일부 실시예들에서, 상기 수식(5)을 결정하기 위해, 처리 엔진(112)은 아래의 수식(6)에 따라 제 1 분산의 기대값을 결정할 수 있다. 이러한 상황에서 "제 1 분산"은 이력 서비스 시점들의 분산의 추정량을 지칭한다는 점을 주목해야 한다.

(6)

위 수식에서 E(D₁(X))는 제 1 분산의 기대값을 지칭하고,

는 이력 서비스 시점들의 제곱의 기대값를 지칭하고,

는 평균 서비스 시점의 제곱의 기대값을 지칭한다.

당업자에게는 다음이 알려져 있다:

(7)

위 수식에서,

는 이력 서비스 시점들의 평균 서비스 시점의 제 1 분산을 지칭한다.

수식(7)에 따르면, 처리 엔진(112)은 또한 다음을 결정할 수 있다:

(8)

위 수식에서, μ₀는 이력 서비스 시점들의 기대값의 실제 값을 지칭하며, σ₀은 이력 서비스 시점들의 표준 편차의 실제 값을 지칭한다.

또한, 상기 수식(6) 및 수식(8)에 따라, 처리 엔진(112)은 아래와 같이 제 1 분산의 기대값을 결정할 수 있다:

(9)

이력 서비스 시점들의 수가 충분히 클 때, 제 1 분산의 기대값은 아래에 도시된 바와 같이 실제 표준 편차의 제곱에 근사할 수 있음을 알 수 있다:

(10)

상기 수식(10)에 따르면, 처리 엔진(112)은 아래의 수식(11) 또는 수식(12)에 예시된 바와 같이 제 1 분산의 기대값과 실제 표준 편차 사이의 관계를 결정할 수 있다:

(11)

(12)

수식(4) 및 수식(5)을 다시 참조하면, 제 2 분산이 제 1 분산과 관련될 수 있음을 알 수 있다 :

(13)

수식(12)으로부터, 제 2 분산의 기대값이 이력 서비스 시점들의 표준 편차의 제곱과 동일하다는 것을 알 수 있다. 따라서, 이력 서비스 시점들의 수가 제 1 임계값보다 작지만, 제 2 임계값(예를 들어, 10)보다 크거나 같을 때, 수식(4)보다는 수식(5)에 따라 이력 서비스 시점들의 분산을 결정하는 것이 더 정확할 수 있다.

일부 실시예들에서, 이력 서비스 시점들의 수는 제 2 임계값(예를 들어, 10)보다 작을 수 있다. 이러한 상황에서, 수식(4) 또는 수식(5)에 따라 이력 서비스 시점들의 분산을 결정하는 것은 정확하지 않을 수 있다. 처리 엔진(112)은 보정 계수를 고려할 수 있고, 아래의 수식(14)에 따라 제 3 분산을 결정할 수 있다:

(14)

위 수식에서, D3(X)은 제 3 분산을 지칭하고, η는 보정 계수를 지칭한다. 보정 계수는 주문형 서비스 시스템(100)의 디폴트 설정들(예를 들어, 경험적인 값) 일 수 있거나, 또는 상이한 상황들에 따라 조정 가능할 수 있다. 예를 들어, 처리 엔진(112)은 아래의 수식(15)에 따라 보정 계수를 결정할 수 있다:

(15)

단계(406)에서, 처리 엔진(112)은 제 1 분산, 제 2 분산, 또는 제 3 분산에 기초하여 미리 결정된 영역에서의 미래의 운송 서비스 시점의 예측된 분포를 결정할 수 있다.

예를 들어, 처리 엔진(112)은 이력 서비스 시점들 및 제 1 분산, 제 2 분산, 또는 제 3 분산의 기대값에 기초하여 예측된 분포를 결정할 수 있다. 예측된 분포에서, 수평 좌표는 서비스 시점을 지칭할 수 있고, 수직 좌표는 서비스 시점에 대응하는 확률을 지칭할 수 있다. 예를 들어, 예측된 분포는 정규 분포(예를 들어, 도 6a에 도시된 정규 분포(609a) 또는 도 6b에 도시된 정규 분포(609b))일 수 있다.

처리 엔진(112)이 미래의 운송 서비스 시점의 예측된 분포를 결정한 후에, 처리 엔진(112)은 예측된 분포의 데이터를 본 개시사항의 다른 곳에서 개시된 데이터베이스(150) 또는 임의의 저장 디바이스(예를 들어, ROM(230), RAM(240))에 전송할 수 있다. 일부 실시예들에서, 예측된 분포에 따라, 처리 엔진(112)은 특정 시간 간격을 결정할 수 있고, 이러한 간격 내에서 운송 서비스 빈도는 빈도 임계치(예를 들어, 80%)보다 클 수 있다. 본 명세서에서 사용된, 운송 서비스 빈도는 운송 서비스 요청이 출현할 수 있는 서비스 시점에 대응하는 확률을 지칭할 수 있다. 처리 엔진(112)은 운송 서비스 피크가 미리 결정된 영역에 출현할 수 있음을 복수의 제공자들에게 통지하기 위해 특정 시간 간격 이전의 미리 결정된 영역 내의 복수의 제공자에게 통지를 추가로 제공할 수 있다.

일부 실시예들에서, 사용자(예를 들어, 요청자, 제공자)는 미리 결정된 미래의 시간 기간(예를 들어, 이번 연도의 크리스마스 휴일)에 출현하는 운송 서비스 빈도의 요청을 사용자 단말기(예를 들어, 요청자 단말기(130), 제공자 단말기(140))를 통해 주문형 서비스 시스템(100)에 전송할 수 있다. 처리 엔진(112)이 요청을 수신할 때, 처리 엔진(112)은 미래의 시간 기간을 예측된 분포에 적용할 수 있고, 미래의 시간 기간에 대한 운송 서비스 빈도의 예측 결과를 얻을 수 있고, 그 결과를 사용자 단말기에 전송할 수 있다.

일부 실시예들에서, 사용자는 또한 운송 서비스 빈도가 미리 결정된 범위 내에 있을 때 미래 시간 기간을 예측하기 위해 요청을 주문형 서비스 시스템(100)에 전송할 수 있다. 따라서, 처리 엔진(112)은 예측된 분포에 미리 결정된 운송 서비스 빈도 범위를 적용할 수 있고, 사용자에 대한 결과의 기간을 얻을 수 있다. 예를 들어, 사용자는 운송 서비스 빈도가 빈도 임계값(예를 들어, 80%)보다 큰 시간 간격 동안 요청을 전송할 수 있다. 처리 엔진(112)은 예측된 분포를 적용할 수 있고, 빈도 임계치보다 큰 다음 운송 서비스 빈도가 발생할 시간 간격(예를 들어, 9:00-10:00 AM)을 결정할 수 있고, 이러한 시간 간격을 사용자 단말기에 전송할 수 있다.

도 5는 본 개시사항의 일부 실시예들에 따라 미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 예시적인 프로세스/방법(500)을 도시하는 흐름도이다. 프로세스 및/또는 방법(500)은 주문형 서비스 시스템(100)에 의해 실행될 수 있다. 예를 들어, 프로세스 및/또는 방법은 저장 장치 ROM(230) 또는 RAM(240)에 저장된 명령들의 세트(예, 애플리케이션)로서 구현될 수 있다. CPU(210)는 명령들의 세트를 실행할 수 있고, 따라서 프로세스 및/또는 방법(500)을 수행하도록 지시될 수 있다.

단계(502)에서, 처리 엔진(112)은 분산에 관한 분포 모델을 결정할 수 있다.

본 명세서에서 사용된, 분포 모델은 상이한 확률들을 갖는 분산의 가능한 값들을 나타낼 수 있다.

단계(404)와 관련하여 설명된 바와 같이, 일부 상황들에서, 수식(4), 수식(5) 또는 수식(14)에 따라 결정된 분산은 부정확할 수 있다. 예를 들어, 이력 서비스 시점들의 포착 프로세스 중에 에러(예를 들어, 하나 이상의 서비스 시점들을 누락하는)가 발생하면, 수식(4), 수식(5) 또는 수식(14)에 따라 결정된 분산은 실제 분산의 실제 값에서 벗어난다. 따라서, 정확도를 향상시키기 위해, 처리 엔진(112)은 분산에 관한 분포 모델을 결정할 수 있고, 분포 모델에 기초하여 분산의 가능한 값들을 결정할 수 있다.

예를 들어, 제 2 분산에 대해, 처리 엔진(112)은 아래의 수식(16)에 따라 제 2 분산에 관한 분산 파라미터를 결정할 수 있다:

(16)

위 수식에서 G는 제 2 분산에 관한 분산 파라미터를 지칭한다.

이력인 서비스 시점들이 제 1 정규 분포를 따를 수 있음이 알려졌다. 처리 엔진(112)은 제 1 정규 분포에 기초하여 이력 서비스 시점들에 관한 시간 파라미터를 추가로 결정할 수 있다:

(17)

위 수식에서, Z_i는 이력 서비스 시점들에 관한 i번째 시간 파라미터를 지칭하며, t_i는 i번째 이력 서비스 시점을 지칭하며, μ는 이력 서비스 시점들의 기대값을 지칭하고, σ는 이력 서비스 시점들의 표준 편차를 지칭한다. 이력 서비스 시점들에 관한 시간 파라미터들은 표준 정규 분포(이후, "제 2 정규 분포"로 지칭되는 시간 파라미터들의 분포)를 따른다는 것을 알 수 있을 것이다.

처리 엔진(112)은 아래에 도시된 바와 같이 이력 서비스 시점들에 관한 시간 파라미터들에 대응하는 제 1 열 행렬을 추가로 결정할 수 있다:

(18)

위 수식에서, Z는 제 1 열 행렬을 지칭하고, n은 이력 서비스 시점들의 수를 지칭한다.

처리 엔진(112)은 아래의 수식(19)에 따라 제 2 분산과 시간 파라미터 사이의 관계를 결정할 수 있다:

(19)

위 수식에서

는 시간 파라미터들의 평균을 지칭한다.

처리 엔진(112)은 아래의 수식(20)에 따라 제 3 정규 분포를 따르는 요소를 갖는 제 2 열 행렬을 추가로 결정할 수 있다:

Y = A·Z (20)

위 수식에서 Y는 아래에 도시된 제 2 열 행렬을 지칭하고:

(21)

A는 n차 직교 행렬(이하, "제 3 행렬"로 지칭되는)을 지칭하며, 이는 아래에 도시된 제 1 열 행렬과 유사하다:

(22)

상기 수식(20), 수식(21) 및 수식(22)에 따르면, 처리 엔진(112)은 아래와 같은 제 2 열 행렬의 요소들을 결정할 수 있다:

(23)

위 수식에서 Y_i는 제 2 열 행렬의 i번째 요소를 지칭하고, a_ij는 제 3 행렬의 i번째 행 및 j번째 열에 배치된 요소를 지칭하며, Z_j는 j번째 시간 파라미터를 지칭한다.

제 1 열 행렬이 n개의 시간 파라미터들을 포함하고, 제 1 열 행렬의 임의의 2개의 시간 파라미터들에 대해, 2개의 시간 파라미터들이 서로 독립적인 것을 알 수 있을 것이다. 따라서, 처리 엔진(112)은 다음을 결정할 수 있다:

(24)

위 수식에서 Z_i는 제 1 열 행렬에서 i번째 시간 파라미터를 지칭하고, Z_j는 제 1 열 행렬에서 j번째 시간 파라미터를 지칭하고, cov(Z_i, Z_j)는 2개의 시간 파라미터들의 공분산을 지칭하고, δ_ij는 크로네커 델타(Kronecker delta)를 지칭한다. 크로네커 델타에 대해, i의 값이 j의 값과 같으면, 크로네커 델타의 값은 1인 반면, 값 i가 j의 값과 같지 않으면, 크로네커 델타의 값은 0이다.

처리 엔진(112)은 아래와 같이 제 2 열 행렬에서 임의의 2개의 요소들의 공분산을 결정할 수 있다:

(25)

위 수식에서 Y_s는 제 2 열 행렬의 s번째 요소를 지칭하고, Y_t는 제 2 열 행렬의 t번째 요소를 지칭한다. 제 2 열 행렬 내의 임의의 2개의 요소들은 서로 독립적인 것을 알 수 있다.

처리 엔진(112)은 아래의 수식(26)에 따라 제 2 열 행렬 내의 요소들의 2차 합을 추가로 결정할 수 있다:

(26)

제 2 열 행렬의 제 1 요소에 대해, 처리 엔진(112)은 다음을 결정할 수 있다:

(27)

수식(19), 수식(23) 및 수식(26)에 따르면, 처리 엔진(112)은 아래와 같이 제 2 분산을 수정할 수 있다:

(28)

수식(28)에 따르면, 처리 엔진(112)은 제 2 열 행렬 내의 분산 파라미터와 요소 사이의 관계를 아래와 같이 결정할 수 있다:

(29)

분산 파라미터의 분포가 제 2 열 행렬에서의 요소들의 분포와 동등한 것, 즉 분산 파라미터들의 분포 모델이 (n-1) 정규 분포 변수들(본 명세서에서 Y_i로 지칭되는)의 분포 모델과 동등하다는 것은 명백하다.

단계(504)에서, 처리 엔진(112)은 분포 모델에 기초하여 분산에 관한 변동 범위를 결정할 수 있다. 예를 들어, 처리 엔진(112)은 아래의 수식(30)에 따라 변동 범위를 결정할 수 있다:

(30)

처리 엔진(112)은 수식(30)을 아래와 같이 변환할 수 있다:

(31)

위 수식에서 a는 분포 모델의 신뢰도 계수를 지칭하고,

은 분산 파라미터의 값이

일 때의 분포 모델의 확률을 지칭하고,

은 분산 파라미터의 값이

인 경우의 분포 모델의 확률을 지칭한다. 본 명세서에서 사용된, 분포 모델의 신뢰 계수는 분포 모델이 얼마나 신뢰할 수 있는지를 나타낼 수 있다.

수식(30) 및 수식(31)에 따르면, 처리 엔진(112)은 또한 변동 범위를 아래와 같이 결정할 수 있다:

(32)

위 수식에서 F는 제 2 분산에 관한 변동 범위를 지칭한다. 변동 범위는 분산의 값이 변할 수 있는 범위를 나타낼 수 있다.

제 2 분산에 관한 변동 범위가 설명의 목적들을 위해 제공되고, 본 개시사항의 범위를 제한하려는 것은 아니라는 점을 주목해야 한다. 예를 들어, 유사한 프로세스들 또는 동작들이 제 1 분산 또는 제 3 분산에 적용될 수 있다.

단계(506)에서, 처리 엔진(112)은 분산에 관한 변동 범위에 기초하여 복수의 분산값들을 획득할 수 있다. 예를 들면, 변동 범위는 [p, q]일 수 있다. 처리 엔진(112)은 범위 [p, q] 내의 복수의 분산값들을 선택할 수 있다.

단계(508)에서, 복수의 분산값들의 각각에 대해, 처리 엔진(112)은 분산값에 기초하여 미래의 운송 서비스 시점의 제 1 예측된 분포를 결정할 수 있다. 단계(406)와 관련하여 기술된 바와 같이, 처리 엔진(112)은 분산값 및 이력 서비스 시점들의 기대값에 기초하여 미래의 운송 서비스 시점의 제 1 예측된 분포(예를 들어, 정규 분포)를 결정할 수 있다. 처리 엔진(112)은 복수의 분산값들에 기초하여 복수의 제 1 예측된 분포들을 결정할 수 있다.

단계(510)에서, 처리 엔진(112)은 복수의 제 1 예측된 분포들에 기초하여 미래의 운송 서비스 시점의 제 2 예측된 분포를 결정할 수 있다. 처리 엔진(112)은 복수의 제 1 예측된 분포들의 조합을 제 2 예측된 분포로서 결정할 수 있다. 예를 들어, 처리 엔진(112)은 미래의 운송 서비스 시점의 복수의 제 1 예측된 분포들을 가중시킬 수 있고, 가중 결과에 기초하여 미래의 운송 서비스 시점의 제 2 예측된 분포를 결정할 수 있다.

도 6a 및 도 6b는 본 개시사항의 일부 실시예들에 따른 미래의 운송 서비스 시점의 예시적인 예측된 분포들을 도시하는 개략도들이다.

도 6a에 도시된 바와 같이, 처리 엔진(112)은 변동 범위에 기초하여 제 1 분산값을 결정할 수 있고, 제 1 분산값 및 이력 서비스 시점들의 기대값에 기초하여 제 4 정규 분포(609a)를 결정할 수 있다. 도 6b에 도시된 바와 같이, 처리 엔진(112)은 변동 범위에 기초하여 제 2 분산값을 결정할 수 있고, 제 2 분산값 및 이력 서비스 시점들의 기대값에 기초하여 제 5 정규 분포(609b)를 결정할 수 있다. 처리 엔진(112)은 제 1 분산값 또는 제 2 분산값을 변동 범위 내에서 랜덤하게 선택할 수 있다. 예를 들어, 변동 범위가 [u₁, u_n]이면, 처리 엔진(112)은 변동 범위로부터 분산값(u_a) 및 분산값(u_b)을 선택할 수 있고, 분산값(u_a)에 기초하여 제 4 정규 분포(609b)를 결정하고 분산값(u_b)에 기초하여 제 5 정규 분포(609b)를 결정한다.

도 6a 또는 도 6b에 도시된 바와 같이, 수평 좌표는 가능한 미래의 서비스 시점을 지칭하고, 수직 좌표는 미래의 서비스 시간에 대응하는 확률을 지칭한다.

일부 상황들에서, 사용자(예, 요청자 또는 제공자) 또는 처리 엔진(112)은 확률 임계값(605)을 한정할 수 있다. 제 1 정규 분포(609a)에 대해, 처리 엔진(112)은 가능한 미래의 서비스 시점들에 대응하는 확률들이 확률 임계값(605)보다 큰 제 1 간격(607a)을 결정할 수 있다. 제 2 정규 분포(609b)에 대해, 처리 엔진(112)은 가능한 미래의 서비스 시점들에 대응하는 확률이 확률 임계값(605)보다 큰 제 2 간격(609b)을 결정할 수 있다.

처리 엔진(112)은 제 1 간격(607a)과 제 2 간격(607b)을 추가로 처리할 수 있다, 예컨대 제 1 간격(607a)과 제 2 간격(607b)의 합 또는 공통부분을 결정할 수 있거나, 제 1 간격(607a)과 제 2 간격(607b)을 평균화 또는 가중시킬 수 있다.

예를 들어, 제 1 간격(607a)은 [8:00, 9:30]일 수 있고, 제 2 간격(607b)은 [9:00, 10:00]일 수 있다. 처리 엔진(112)은 [8:00, 10:00]과 같이 제 1 간격(607a)과 제 2 간격(607b)의 합을 결정할 수 있다. 다른 예로서, 처리 엔진(112)은 제 1 간격(607a)과 제 2 간격(607b)의 공통부분을 [9:00, 9:30]으로 결정할 수 있다. 다른 예로서, 처리 엔진(112)은 제 1 간격(607a)과 제 2 간격(607b)의 평균을 [8:30, 9:45]으로 결정할 수 있다.

이와 같이 기본 개념들을 설명함으로써, 이러한 상세한 개시사항을 읽은 후 당업자에게는 전술한 상세한 개시사항이 단지 예로서 제공되고 제한하는 것이 아니라는 점이 더 자명할 수 있다. 다양한 변경들, 개량들 및 변형들이 발생할 수 있으며, 본 명세서에 명시적으로 기술되지는 않았지만 당업자에게 의도된다. 이러한 변경들, 개선들 및 변형들은 본 개시사항에 의해 제안되는 것으로 의도되며, 본 개시사항의 예시적인 실시예들의 사상 및 범위 내에 든다.

또한, 특정 용어가 본 개시사항의 실시예들을 설명하기 위해 사용되었다. 예를 들어, "일 실시예", "실시예" 및/또는 "일부 실시예들"이라는 용어는 실시예와 관련하여 기술된 특정 특징, 구조 또는 특성이 본 개시사항의 적어도 하나의 실시예에 포함됨을 의미한다. 그러므로, 본 명세서의 다양한 부분들에서의 "실시예", "일 실시예" 또는 "대안 실시예"에 대한 둘 이상의 참조들이 반드시 동일한 실시예를 지칭하는 것은 아니라는 점이 강조되어야 하고, 인식되어야 한다. 또한, 특정 특징들, 구조들 또는 특성들은 본 개시사항의 하나 이상의 실시예들에서 적합하게 결합될 수 있다.

또한, 당업자에게는, 본 개시사항의 양상들이 임의의 새롭고 유용한 프로세스, 기계, 제조 또는 물질의 조성, 또는 이들의 임의의 새롭고 유용한 개선을 포함하는 다수의 특허 가능한 부류들 또는 문맥 중 임의의 것으로 본 명세서에서 도시되고 설명될 수 있다는 것이 이해될 것이다. 따라서, 본 개시사항의 양상들은 전체적으로 하드웨어로, 전체적으로 소프트웨어(펌웨어, 상주 소프트웨어, 마이크로-코드 등을 포함)로 또는 소프트웨어 및 하드웨어 구현을 결합하여 구현될 수 있으며, 이들은 일반적으로 모두 본 명세서에서 "블록", "모듈", "엔진", "유닛", "구성요소" 또는, "시스템"으로 지칭된다. 또한, 본 개시사항의 양상들은 컴퓨터 판독 가능 프로그램 코드가 그 안에 구현된 하나 이상의 컴퓨터 판독 가능 매체 내에서 구현된 컴퓨터 프로그램 제품의 형태를 취할 수 있다.

컴퓨터로 판독 가능한 신호 매체는, 예를 들면 기저 대역이나 반송파의 일부로서 컴퓨터 판독 가능 프로그램 코드가 그 안에 구현된 전파된 데이터 신호를 포함할 수 있다. 이러한 전파된 신호는 전자기, 광학 등 또는 이들의 임의의 적절한 조합을 포함하는 다양한 형태들 중 임의의 것을 취할 수 있다. 컴퓨터 판독 가능 신호 매체는 컴퓨터 판독 가능 저장 매체가 아니며 명령 실행 시스템, 장치, 또는 디바이스에 의해 또는 그와 관련하여 사용하기 위해 프로그램을 통신, 전파 또는 전송할 수 있는 임의의 컴퓨터 판독 가능 매체일 수 있다. 컴퓨터 판독 가능 신호 매체 상에 구현된 프로그램 코드는 무선, 유선, 광섬유 케이블, RF 등 또는 상술한 것들의 임의의 적절한 조합을 포함하는 임의의 적절한 매체를 사용하여 송신될 수 있다.

본 개시사항의 양상들에 대한 동작들을 수행하기 위한 컴퓨터 프로그램 코드는 Java, Scala, Smalltalk, Eiffel, JADE, Emerald, C++, C#, VB.NET, Python 등과 같은 객체 지향 프로그래밍 언어, "C" 프로그래밍 언어, Visual Basic, Fortran 1703, Perl, COBOL 1702, PHP, ABAP와 같은 종래의 절차적 프로그래밍 언어들, Python, Ruby 및 Groovy와 같은 동적 프로그래밍 언어들, 또는 다른 프로그래밍 언어들을 포함하는 하나 이상의 프로그래밍 언어들의 임의의 조합으로 기록될 수 있다. 프로그램 코드는 전체적으로 사용자 컴퓨터상에서, 부분적으로 사용자 컴퓨터상에서, 독립형 소프트웨어 패키지로서 부분적으로 사용자 컴퓨터상에서 그리고 부분적으로 원격 컴퓨터상에서 또는 전체적으로 원격 컴퓨터 또는 서버상에서 실행될 수 있다. 후자의 시나리오에서, 원격 컴퓨터는 근거리 통신망(LAN) 또는 광역 통신망(WAN)을 포함하는 임의의 유형의 네트워크를 통해 사용자의 컴퓨터에 연결될 수 있거나, 또는 연결은 외부 컴퓨터(예를 들어, 예를 들어, 인터넷 서비스 제공자를 사용하는 인터넷을 통해)에 대해 또는 클라우드 컴퓨팅 환경 내에서 이루어질 수 있거나 또는 서비스(SaaS)와 같은 소프트웨어와 같은 서비스로서 제공될 수 있다.

또한, 처리 요소들 또는 시퀀스들의 열거된 순서, 또는 숫자들, 문자들, 또는 다른 명칭들의 사용은, 따라서 청구된 프로세스들 및 방법들을 청구항들에서 특정되는 것을 제외하고 임의의 순서로 제한하려는 것이 아니다. 위의 개시사항은 다양한 예들을 통해 현재 본 개시사항의 다양한 유용한 실시예들인 것으로 간주되는 것에 대해 논의하지만, 이러한 세부사항은 오로지 그러한 목적을 위한 것이며, 첨부 된 청구항들은 개시된 실시예들에 한정되지 않으며, 반대로, 개시된 실시예들의 사상 및 범위 내에 있는 수정들 및 균등한 장치들을 포함하도록 의도됨이 이해될 것이다. 예를 들어, 상술한 다양한 구성 요소들의 구현이 하드웨어 디바이스로 구현될 수 있지만, 소프트웨어-만의 솔루션, 예를 들어 기존 서버 또는 모바일 디바이스 상의 설치로서 구현될 수 있다.

유사하게, 본 개시사항의 실시예들의 위의 설명에서, 다양한 특징들이 단일 실시예, 도면 또는 이들의 설명에서 본 발명의 개시사항을 간결하게 할 목적으로 때때로 함께 그룹화되어, 다양한 실시예들의 하나 이상의 이해를 돕는 것을 인식해야 한다. 그러나, 개시사항의 이러한 방법은 청구된 요지가 각 청구항에 명시적으로 언급된 것보다 많은 특징들을 필요로 한다는 의도를 반영하는 것으로 해석되지 않아야 한다. 오히려, 청구된 요지는 위에서 개시된 단일 실시예의 모든 특징들보다 적게 존재할 수 있다.

Claims

시스템에 있어서:
미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 명령들의 세트를 포함하는 하나 이상의 저장 매체; 및
상기 하나 이상의 저장 매체와 통신하도록 구성된 하나 이상의 프로세서들을 포함하고,
상기 명령들의 세트를 실행할 때, 상기 하나 이상의 프로세서들은:
미리 결정된 영역에서 발생한 운송 서비스 요청들의 이력 서비스 시점들을 획득하고;
상기 이력 서비스 시점들의 분산을 결정하고;
상기 분산에 기초하여 상기 미리 결정된 영역에서의 미래의 운송 서비스 시점의 예측된 분포를 결정하고;
상기 예측된 분포를 데이터베이스에 저장하도록 지시되는, 시스템.
제 1 항에 있어서,
상기 하나 이상의 프로세서들은 또한:
사용자 단말기로부터 제 1 미리 결정된 시간 기간과 관련된 운송 서비스 빈도의 요청을 수신하고;
상기 제 1 미리 결정된 시간 기간을 상기 예측된 분포에 적용함으로써 결과의 운송 서비스 빈도를 획득하고;
상기 결과의 운송 서비스 빈도를 상기 사용자 단말기로 전송하도록 지시되는, 시스템.
제 1 항에 있어서,
상기 이력 서비스 시점들의 상기 분산을 결정하기 위해, 상기 하나 이상의 프로세서들은:
상기 이력 서비스 시점들의 평균 서비스 시점을 결정하고;
상기 이력 서비스 시점들의 수를 결정하고;
상기 이력 서비스 시점들의 상기 평균 서비스 시점 및 상기 이력 서비스 시점들의 상기 수에 기초하여 상기 이력 서비스 시점들의 상기 분산을 결정하도록 지시되는, 시스템.
제 3 항에 있어서,
상기 이력 서비스 시점들의 상기 분산을 결정하기 위해, 상기 하나 이상의 프로세서들은 또한:
제 2 미리 결정된 시간 기간 내의 이력 운송 서비스 요청들의 수가 제 1 임계값보다 작아서, 미래의 운송 서비스 시점의 상기 예측된 분포의 정확도가 제 2 임계값보다 낮은지를 결정하고;
상기 이력 서비스 시점들의 상기 수에 관한 보정 계수를 결정하고;
예측 정확도를 높이기 위해 상기 보정 계수를 상기 이력 서비스 시점들의 상기 분산에 적용하도록 지시되는, 시스템.
제 4 항에 있어서,
상기 보정 계수는 경험적인 값인, 시스템.
제 3 항에 있어서,
상기 분산에 기초하여 상기 미래의 운송 서비스 시점의 상기 예측된 분포를 결정하기 위해, 상기 하나 이상의 프로세서들은:
상기 분산에 관한 변동 범위를 결정하고;
상기 변동 범위에 기초하여 상기 미래의 운송 서비스 시점의 상기 예측된 분포를 결정하도록 지시되는, 시스템.
제 6 항에 있어서,
상기 분산에 관한 상기 변동 범위를 결정하기 위해, 상기 하나 이상의 프로세서들은:
상기 이력 서비스 시점들의 표준 편차를 결정하고;
상기 분산, 상기 표준 편차, 및 상기 이력 서비스 시점들의 상기 수에 기초하여 상기 분산에 관한 분포 모델을 결정하고;
상기 분포 모델에 기초하여 상기 분산에 관한 변동 범위를 결정하도로 지시되는, 시스템.
제 7 항에 있어서,
상기 분포 모델은 다수의 정규 분포 변수들의 2차 합에 관한 분포 모델인, 시스템.
제 6 항에 있어서,
상기 분산에 기초하여 미래의 운송 서비스 시점의 상기 예측된 분포를 결정하기 위해, 상기 하나 이상의 프로세서들은:
상기 분산에 관한 변동 범위에 기초하여 복수의 분산값들을 획득하고;
상기 복수의 분산값들 각각에 대해, 상기 분산값에 기초하여 상기 미래의 운송 서비스 시점의 제 1 예측된 분포를 결정하고;
상기 미래의 운송 서비스 시점의 복수의 제 1 예측된 분포들에 기초하여 상기 미래의 운송 서비스 시점의 제 2 예측된 분포를 결정하도록 지시되는, 시스템.
제 9 항에 있어서,
상기 분산값에 기초하여 상기 미래의 운송 서비스 시점의 상기 제 1 예측된 분포를 결정하기 위해, 상기 하나 이상의 프로세서들은:
상기 이력 서비스 시점들의 기대값을 결정하고;
상기 기대값 및 상기 분산값에 기초하여 정규 분포를 결정하고;
상기 정규 분포에 기초하여 상기 미래의 운송 서비스 시점의 상기 제 1 예측된 분포를 결정하도록 지시되는, 시스템.
제 9 항에 있어서,
상기 미래의 운송 서비스 시점의 상기 제 2 예측된 분포를 결정하기 위해, 상기 하나 이상의 프로세서들은:
상기 미래의 운송 서비스 시점의 상기 복수의 제 1 예측된 분포들을 가중시키고;
상기 가중 결과에 기초하여 상기 미래의 운송 서비스 시점의 상기 제 2 예측된 분포를 결정하도록 지시되는, 시스템.
방법에 있어서,
컴퓨터 서버에 의해, 미리 결정된 영역에서 발생한 운송 서비스 요청들의 이력 서비스 시점들을 획득하는 단계;
상기 컴퓨터 서버에 의해, 상기 이력 서비스 시점들의 분산을 결정하는 단계;
상기 컴퓨터 서버에 의해, 상기 분산에 기초하여 상기 미리 결정된 영역에서의 미래의 운송 서비스 시점의 예측된 분포를 결정하는 단계; 및
상기 컴퓨터 서버에 의해, 상기 예측된 분포를 데이터베이스에 저장하는 단계를 포함하는, 방법.
제 12 항에 있어서,
상기 컴퓨터 서버에 의해, 사용자 단말기로부터 제 1 미리 결정된 시간 기간과 관련된 운송 서비스 빈도의 요청을 수신하는 단계;
상기 컴퓨터 서버에 의해, 상기 제 1 미리 결정된 시간 기간을 상기 예측된 분포에 적용함으로써 결과의 운송 서비스 빈도를 획득하는 단계; 및
상기 컴퓨터 서버에 의해, 상기 결과의 운송 서비스 빈도를 상기 사용자 단말기로 전송하는 단계를 더 포함하는, 방법.
제 12 항에 있어서,
상기 이력 서비스 시점들의 상기 분산을 결정하는 단계는:
상기 컴퓨터 서버에 의해, 상기 이력 서비스 시점들의 평균 서비스 시점을 결정하는 단계;
상기 컴퓨터 서버에 의해, 상기 이력 서비스 시점들의 수를 결정하는 단계; 및
상기 컴퓨터 서버에 의해, 상기 이력 서비스 시점들의 상기 평균 서비스 시점 및 상기 이력 서비스 시점들의 상기 수에 기초하여 상기 이력 서비스 시점들의 상기 분산을 결정하는 단계를 포함하는, 방법.
제 14 항에 있어서,
상기 이력 서비스 시점들의 상기 분산을 결정하는 단계는:
상기 컴퓨터 서버에 의해, 제 2 미리 결정된 시간 기간 내의 이력 운송 서비스 요청들의 수가 제 1 임계값보다 작아서, 상기 미래의 운송 서비스 시점의 상기 예측된 분포의 정확도가 제 2 임계값보다 낮은지를 결정하는 단계;
상기 컴퓨터 서버에 의해, 상기 이력 서비스 시점들의 상기 수에 관한 보정 계수를 결정하는 단계; 및
상기 컴퓨터 서버에 의해, 예측 정확도를 증가시키기 위해 상기 보정 계수를 상기 이력 서비스 시점들의 상기 분산에 적용하는 단계를 포함하는, 방법.
제 15 항에 있어서,
상기 보정 계수는 경험적인 값인, 방법.
제 14 항에 있어서,
상기 분산에 기초하여 상기 미래의 운송 서비스 시점의 상기 예측된 분포를 결정하는 단계는:
상기 컴퓨터 서버에 의해, 상기 분산에 관한 변동 범위를 결정하는 단계; 및
상기 컴퓨터 서버에 의해, 상기 변동 범위에 기초하여 상기 미래의 운송 서비스 시점의 상기 예측된 분포를 결정하는 단계를 포함하는, 방법.
제 17 항에 있어서,
상기 분산에 관한 상기 변동 범위를 결정하는 단계는:
상기 컴퓨터 서버에 의해, 상기 이력 서비스 시점들의 표준 편차를 결정하는 단계;
상기 컴퓨터 서버에 의해, 상기 분산, 상기 표준 편차, 및 상기 이력 서비스 시점들의 상기 수에 기초하여 상기 분산에 관한 분포 모델을 결정하는 단계; 및
상기 컴퓨터 서버에 의해, 상기 분산 모델에 기초하여 상기 분산에 관한 상기 변동 범위를 결정하는 단계를 포함하는, 방법.
제 18 항에 있어서,
상기 분포 모델은 다수의 정규 분포 변수들의 2차 합에 관한 분포 모델인, 방법.
제 17 항에 있어서,
상기 분산에 기초하여 상기 미래의 운송 서비스 시점의 상기 예측된 분포를 결정하는 단계는:
상기 컴퓨터 서버에 의해, 상기 분산에 관한 변동 범위에 기초하여 복수의 분산값들을 획득하는 단계;
상기 복수의 분산값들의 각각에 대해, 상기 컴퓨터 서버에 의해, 상기 분산값에 기초하여 상기 미래의 운송 서비스 시점의 제 1 예측된 분포를 결정하는 단계; 및
상기 컴퓨터 서버에 의해, 상기 미래의 운송 서비스 시점의 복수의 제 1 예측된 분포에 기초하여 상기 미래의 운송 서비스 시점의 제 2 예측된 분포를 결정하는 단계를 포함하는, 방법.
제 20 항에 있어서,
상기 분산값에 기초하여 상기 미래의 운송 서비스 시점의 상기 제 1 예측된 분포를 결정하는 단계는:
상기 컴퓨터 서버에 의해, 상기 이력 서비스 시점들의 기대값를 결정하는 단계;
상기 컴퓨터 서버에 의해, 상기 기대값 및 상기 분산값에 기초하여 정규 분포를 결정하는 단계; 및
상기 컴퓨터 서버에 의해, 상기 정규 분포에 기초하여 상기 미래의 운송 서비스 시점의 상기 제 1 예측된 분포를 결정하는 단계를 포함하는, 방법.
제 20 항에 있어서,
상기 미래의 운송 서비스 시점의 상기 제 2 예측된 분포를 결정하는 단계는:
상기 컴퓨터 서버에 의해, 상기 미래의 운송 서비스 시점의 상기 복수의 제 1 예측된 분포들을 가중시키는 단계; 및
상기 컴퓨터 서버에 의해, 상기 가중 결과에 기초하여 상기 미래의 운송 서비스 시점의 상기 제 2 예측된 분포를 결정하는 단계를 포함하는, 방법.