KR20190000400A - 서비스 분배 시스템 및 방법 - Google Patents
서비스 분배 시스템 및 방법 Download PDFInfo
- Publication number
- KR20190000400A KR20190000400A KR1020187037289A KR20187037289A KR20190000400A KR 20190000400 A KR20190000400 A KR 20190000400A KR 1020187037289 A KR1020187037289 A KR 1020187037289A KR 20187037289 A KR20187037289 A KR 20187037289A KR 20190000400 A KR20190000400 A KR 20190000400A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- service
- service provider
- order
- driver
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 230
- 238000009826 distribution Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 112
- 230000008569 process Effects 0.000 claims abstract description 102
- 238000003860 storage Methods 0.000 claims abstract description 47
- 230000004044 response Effects 0.000 claims description 134
- 239000013598 vector Substances 0.000 claims description 39
- 230000033001 locomotion Effects 0.000 claims description 37
- 230000000694 effects Effects 0.000 claims description 29
- 235000013305 food Nutrition 0.000 description 96
- 239000003981 vehicle Substances 0.000 description 37
- 238000004891 communication Methods 0.000 description 28
- 238000005516 engineering process Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 24
- 238000004422 calculation algorithm Methods 0.000 description 17
- 238000010801 machine learning Methods 0.000 description 17
- 238000007781 pre-processing Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 13
- 239000000796 flavoring agent Substances 0.000 description 12
- 235000019634 flavors Nutrition 0.000 description 12
- 238000012549 training Methods 0.000 description 11
- 230000036541 health Effects 0.000 description 10
- 238000005065 mining Methods 0.000 description 10
- 238000005406 washing Methods 0.000 description 9
- 239000008280 blood Substances 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 8
- 238000003672 processing method Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 6
- 230000036772 blood pressure Effects 0.000 description 6
- 230000036760 body temperature Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 230000003862 health status Effects 0.000 description 6
- 238000007477 logistic regression Methods 0.000 description 6
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 5
- 230000009471 action Effects 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000002354 daily effect Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 239000008103 glucose Substances 0.000 description 5
- 230000003340 mental effect Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000012552 review Methods 0.000 description 5
- 230000033764 rhythmic process Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 101100063435 Caenorhabditis elegans din-1 gene Proteins 0.000 description 4
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 4
- 230000003187 abdominal effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000007418 data mining Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 235000003642 hunger Nutrition 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 235000016709 nutrition Nutrition 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 235000009508 confectionery Nutrition 0.000 description 3
- 238000002716 delivery method Methods 0.000 description 3
- 238000005108 dry cleaning Methods 0.000 description 3
- 238000001035 drying Methods 0.000 description 3
- 230000002996 emotional effect Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 239000003925 fat Substances 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 241000221931 Hypomyces rosellus Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000007605 air drying Methods 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- 230000037237 body shape Effects 0.000 description 2
- 150000001720 carbohydrates Chemical class 0.000 description 2
- 235000014633 carbohydrates Nutrition 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000005674 electromagnetic induction Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 235000019197 fats Nutrition 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 235000013617 genetically modified food Nutrition 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 235000010755 mineral Nutrition 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 235000013348 organic food Nutrition 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 235000018102 proteins Nutrition 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 230000004304 visual acuity Effects 0.000 description 2
- 235000013343 vitamin Nutrition 0.000 description 2
- 229940088594 vitamin Drugs 0.000 description 2
- 229930003231 vitamin Natural products 0.000 description 2
- 239000011782 vitamin Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- -1 ) Is negative Substances 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241001589086 Bellapiscis medius Species 0.000 description 1
- 235000002568 Capsicum frutescens Nutrition 0.000 description 1
- 208000006992 Color Vision Defects Diseases 0.000 description 1
- 208000003028 Stuttering Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 201000007254 color blindness Diseases 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 235000021022 fresh fruits Nutrition 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 206010037844 rash Diseases 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0613—Third-party assisted
- G06Q30/0619—Neutral agent
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
-
- 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
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
- Telephonic Communication Services (AREA)
Abstract
서비스 분배 시스템 및 방법이 제공된다. 시스템은: 상기 서비스 제공자로부터 서비스 제공에 관한 정보 및 상기 서비스 사용자로부터 서비스 요청에 관한 정보를 수신하도록 구성된 수신 모듈, 서비스 제공 및 서비스 요청에 관한 정보를 저장하도록 구성된 저장 모듈, 및 특징 결과를 획득하기 위해 서비스 제공 및 서비스 요청에 관한 정보를 처리하도록 구성된 처리 모듈을 포함한다. 특징 결과가 적어도 하나의 기준을 만족시키는 경우, 서비스 요청에 관한 정보는 서비스 제공자에게 전송되도록 결정된다. 대안적으로, 특징 결과가 적어도 하나의 기준을 만족시키지 않는 경우, 서비스 요청에 관한 정보는 서비스 제공자에게 전송되지 않는다. 서비스 요청에 관한 정보는 적어도 두 개의 지리적 위치들을 포함할 수 있다.
Description
관련 출원들에 대한 상호-참조
출원은 2014년 8월 4일에 출원된, 중국 특허 출원 번호 제201410379713.3호; 2014년 8월 13일에 출원된, 중국 특허 출원 번호 제201410397679.2호; 2014년 8월 19일에 출원된, 중국 특허 출원 번호 제201410409108.6호; 2014년 8월 20일에 출원된, 중국 특허 출원 번호 제201410413040.9호; 2014년 8월 22일에 출원된, 중국 특허 출원 번호 제201410418423.5호; 2014년 8월 25일에 출원된, 중국 특허 출원 번호 제201410421805.3호; 2014년 8월 29일에 출원된, 중국 특허 출원 번호 제201410437102.X호; 2014년 11월 27일에 출원된, 중국 특허 출원 번호 제201410705608.4호; 2015년 1월 15일에 출원된, 중국 특허 출원 번호 제201510020526.0호; 2015년 4월 8일에 출원된, 중국 특허 출원 번호 제201510163063.3호에 대한 우선권을 주장하며; 그 각각의 전체 내용은 여기에서 참조로서 통합된다.
기술 분야
본 개시는 일반적으로 서비스들의 분야에 관한 것이며, 보다 특히, 서비스 제공자들에게 주문들을 분배하기 위한 방법 및 시스템에 관한 것이다.
스마트 디바이스들, 특히 스마트 위치 결정 디바이스들의 인기로 인해, 스마트 내비게이션 디바이스들 및 스마트폰들은 사람들에게 큰 편리함을 가져올 수 있다. 한편, 새로운 빅 데이터 시스템 및 클라우드 컴퓨팅 시스템은 또한 사람들의 라이프스타일들에 큰 새로운 변화들을 가져온다.
빅 데이터는 종래의 데이터 처리 애플리케이션들에 의해 적절히 처리되기에 너무 크거나 또는 복잡한 데이터세트들을 나타낸다. 통신 기술의 빠른 발전을 통해 및 개인 단말기들 상에 구현되며 보다 지능적이게 되는 위치 결정 서비스들을 통해, 사람들은 많은 사유화되고 개인화된 정보를 생성하고 있다. 정보는 현재 위치들, 서비스 수요들, 현재 활동들, 이력 위치들, 이력 서비스 유형들, 이력 활동들 등을 포함할 수 있다. 정보는 다차원이고, 구조가 복잡하며, 많은 양의 데이터를 수반하므로, 정보는 종래의 수동적 처리 방법들을 사용하여 처리되는 것이 불가능한 빅 데이터를 구성한다.
상기 기술들의 발전 및 응용들은 서비스 분야에 새로운 혁명을 가져오며 새로운 서비스 유형들을 발생시킨다. 예를 들면, 도시들의 개발로, 사람들은 이동 스마트 디바이스들에 기초한 수송 서비스들에 익숙하게 되어 왔다. 또 다른 예를 위해, 위치 결정 정보에 기초한 음식 또는 물품 배달 서비스들에 대한 수요들이 일상생활에서 흔하다. 몇몇 시나리오들에서, 서비스 유형들의 애매성, 요청 정보의 불균형, 서비스 사용자들 및 서비스 제공자들 사이에서의 공급 정보, 서비스 사용자들 및 서비스 제공자들 사이에서의 매끄럽지 않은 통신들 등과 같은 문제점들로 인해, 서비스 제공자들에 의해 서비스 요청 정보를 수집하며 획득하는 신속성 및 정확도가 부정적 영향을 받을 수 있다. 따라서, 적절한 서비스 요청 정보는 서비스 제공자에게 할당되지 않을 수 있다.
본 개시의 일 양태에서, 주문들을 분배하도록 구성된 시스템이 제공된다. 상기 시스템은 수신 모듈, 저장 모듈, 및 처리 모듈을 포함할 수 있다. 상기 수신 모듈은 서비스 제공자로부터의 서비스 공급에 관한 정보 및 서비스 사용자로부터의 서비스 요청에 관한 정보를 수신하도록 구성될 수 있다. 상기 서비스 공급에 관한 정보는 서비스 제공자에 관한 현재 정보를 포함할 수 있다. 상기 저장 모듈은 상기 수신 모듈에 의해 수신된 상기 서비스 공급에 관한 정보 및 상기 서비스 요청에 관한 정보를 저장하도록 구성될 수 있다. 상기 처리 모듈은 특징 결과를 획득하기 위해 상기 저장 모듈에 저장된 상기 서비스 공급에 관한 정보 및 상기 서비스 요청에 관한 정보를 처리하도록 구성될 수 있다. 몇몇 실시예들에서, 상기 특징 결과가 적어도 하나의 기준을 만족시킨다는 결정에 응답하여, 상기 서비스 요청에 관한 정보는 상기 서비스 제공자에게 전송되는 것으로 결정될 수 있다. 대안적으로, 상기 특징 결과가 상기 적어도 하나의 기준 중 임의의 것을 만족시키지 않는다는 결정에 응답하여, 상기 서비스 요청에 관한 정보는 상기 서비스 제공자에게 전송되지 않는 것으로 결정될 수 있다. 상기 서비스 요청에 관한 정보는 두 개의 지리적 위치들을 포함할 수 있다. 상기 지리적 위치는 출발 위치 및 목적지를 포함할 수 있다.
몇몇 실시예들에서, 주문 분배 시스템은 출력 모듈을 추가로 포함할 수 있다. 상기 출력 모듈은 상기 서비스 요청에 관한 정보가 상기 서비스 제공자에게 전송되는 것으로 결정될 때 상기 서비스 요청에 관한 정보를 상기 서비스 제공자에게 제공하도록 구성될 수 있다.
몇몇 실시예들에서, 상기 주문 분배 시스템에서 상기 서비스 제공자에 관한 현재 정보는 상기 서비스 제공자에 관한 위치 결정 및 이동 정보를 포함할 수 있다.
몇몇 실시예들에서, 상기 주문 분배 시스템에서 상기 서비스 제공자에 관한 위치 결정 및 이동 정보는 상기 서비스 제공자에 관한 위치 정보를 포함할 수 있다.
몇몇 실시예들에서, 상기 주문 분배 시스템에서 상기 서비스 제공자에 관한 상기 위치 결정 및 이동 정보는 상기 서비스 제공자에 관한 속도 정보를 포함할 수 있다.
몇몇 실시예들에서, 상기 주문 분배 시스템에서 상기 서비스 제공자에 관한 속도 정보는 상기 서비스 제공자의 이동의 방향을 포함할 수 있다.
몇몇 실시예들에서, 상기 주문 분배 시스템에서 상기 수신 모듈은 정보 소스로부터 정보를 수신하기 위해 추가로 구성될 수 있다.
몇몇 실시예들에서, 상기 주문 분배 시스템에서 상기 적어도 하나의 기준은 상기 서비스 제공자에 의한 상기 서비스 요청에 대한 응답을 표시하는 파라미터; 상기 서비스 제공자의 활동을 표시하는 파라미터; 상기 서비스 제공자에 의해 제공된 서비스들의 범위; 상기 서비스 제공자의 거주지의 위치 내지 상기 적어도 두 개의 지리적 위치들 사이에서의 적어도 두 개의 거리들, 중 적어도 하나로부터 선택될 수 있다. 상기 적어도 두 개의 거리들의 각각은 상기 서비스 제공자의 거주지의 위치 및 상기 적어도 두 개의 지리적 위치들 중 하나 사이에서의 거리; 또는 상기 서비스 제공자의 이동의 방향 및 상기 적어도 두 개의 지리적 위치들에 의해 형성된 벡터 사이에서의 각도일 수 있다.
몇몇 실시예들에서, 처리 모듈은 추가로 상기 서비스 요청에 관한 정보에 스코어를 할당하도록 구성될 수 있다.
몇몇 실시예에서, 상기 출력 모듈은 상기 서비스 제공자가 서비스 요청을 완료한 후 상기 서비스 제공자에게 스코어를 전송하기 위해 추가로 구성될 수 있다.
본 개시의 또 다른 양태에서, 주문들을 분배하기 위한 방법이 제공된다. 상기 방법은 다음의 단계들을 포함할 수 있다: 서비스 제공자로부터의 서비스 공급에 관한 정보 및 서비스 사용자로부터의 서비스 요청에 관한 정보를 수신하는 단계; 상기 서비스 공급에 관한 정보 및 상기 서비스 요청에 관한 정보를 저장하는 단계; 및 특징 결과를 획득하기 위해 상기 서비스 공급에 관한 정보 및 상기 서비스 요청에 관한 정보를 처리하는 단계. 몇몇 실시예들에서, 상기 서비스 공급에 관한 정보는 상기 서비스 제공자에 관한 현재 정보를 포함할 수 있다. 몇몇 실시예들에서, 상기 특징 결과가 적어도 하나의 기준을 만족시킨다는 결정에 응답하여, 상기 서비스 요청에 관한 정보는 서비스 제공자에게 전송되는 것으로 결정될 수 있다. 대안적으로, 상기 특징 결과가 임의의 기준을 만족시키지 않는다는 결정에 응답하여, 상기 서비스 요청에 관한 정보는 상기 서비스 제공자에게 전송되지 않는 것으로 결정될 수 있다. 상기 서비스 요청에 관한 정보는 출발 위치 및 목적지를 포함한 두 개의 지리적 위치들을 포함할 수 있다.
본 발명은 주문들을 분배하기 위한 방법들 및 시스템들을 제공한다.
본 개시는 개략적인 실시예들에 관하여 추가로 설명된다. 이들 개략적인 실시예들은 도면들을 참조하여 상세히 설명된다. 도면들은 일정한 비율은 아니다. 이들 실시예들은 비-제한적인 개략적 실시예들이며, 유사한 참조 번호들은 도면들의 여러 개의 뷰들 전체에 걸쳐 유사한 구조들을 나타낸다.
도 1은 본 개시의 몇몇 실시예들에 따른 서비스 제공자들에 대한 서비스 분배 시스템을 예시한 개략적 블록도이다.
도 2는 본 개시의 일 실시예에 따른 수신 모듈을 예시한 개략적 블록도이다.
도 3은 본 개시의 일 실시예에 따른 처리 모듈을 예시한 개략적 블록도이다.
도 4는 본 개시의 일 실시예에 따른 기준 저장 유닛을 예시한 개략적 블록도이다.
도 5a는 본 개시의 몇몇 실시예들에 따른 서비스 분배 시스템을 구현하기 위한 프로세스의 예를 예시한 흐름도이다.
도 5b는 본 개시의 몇몇 실시예들에 따른 외부 정보에 기초한 서비스 분배 시스템을 구현하기 위한 프로세스의 예를 예시한 흐름도이다.
도 6은 본 개시의 몇몇 실시예들에 따른 서비스 제공자의 거주지 정보를 획득하기 위한 프로세스의 예를 예시한 흐름도이다.
도 7은 본 개시의 몇몇 실시예들에 따른 처리 모듈(130)에 의해 운전자의 거주지를 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 8은 본 개시의 몇몇 실시예들에 따른 처리 모듈(130)에 의해 후보 거주지들의 잡음 제거의 예를 예시한 개략도이다.
도 9는 본 개시의 몇몇 실시예들에 따른 서비스 제공자(30y)의 바쁜 기간을 획득하기 위한 프로세스의 예를 예시한 흐름도이다.
도 10은 본 개시의 몇몇 실시예들에 따라 주소 정보를 사전-처리하기 위한 프로세스의 예를 예시한 흐름도이다.
도 11은 본 개시의 몇몇 실시예들에 따른 관심 포인트(POI)의 주소 정보를 적응시키기 위한 프로세스의 예를 예시한 흐름도이다.
도 12는 본 개시의 몇몇 실시예들에 따른 주소 정보를 축약하기 위한 프로세스의 예를 예시한 흐름도이다.
도 13은 본 개시의 몇몇 실시예들에 따라 경매에 의해 주문을 획득하기 위한 프로세스의 예를 예시한 흐름도이다.
도 14는 본 개시의 몇몇 실시예들에 따라 스코어링(scoring)하는 프로세스의 예를 예시한 흐름도이다.
도 15는 본 개시의 몇몇 실시예들에 따른 처리 모듈에 의해 드라이브-아웃 히치하이킹을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 16은 본 개시의 몇몇 실시예들에 따른 처리 모듈(130)에 의해 드라이브-인 히치하이킹을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 17a는 본 개시의 몇몇 실시예들에 따른 처리 모듈(130)에 의해 운전자의 활동을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 18은 본 개시의 몇몇 실시예들에 따른 처리 모듈(130)에 의해 도로 장애물을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 19는 본 개시의 몇몇 실시예들에 따라 두 개의 도로 섹션들이 교차들을 갖는지를 결정하기 위한 프로세스의 예를 예시한 개략도이다.
도 20은 본 개시의 몇몇 실시예들에 따라 두 개의 도로 섹션들이 교차들을 갖는지를 결정하는 개략도이다.
도 21은 본 개시의 몇몇 실시예들에 따라 두 개의 도로 섹션들이 교차들을 갖는지를 결정하는 개략도이다.
도 22는 본 개시의 몇몇 실시예들에 따라 유사한 경로 주문을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 23은 본 개시의 몇몇 실시예들에 따라 운전자의 운전 방향 및 주문의 방향을 예시한 개략도이다.
도 24는 본 개시의 몇몇 실시예들에 따라 처리 모듈(130)에 의해 유사한 경로 주문을 결정하고 디스플레이하기 위한 프로세스의 예를 예시한 흐름도이다.
도 25는 본 개시의 몇몇 실시예들에 따라 처리 모듈(130)에 의해 주문을 처리하는 방법을 예시한 흐름도이다.
도 26은 본 개시의 몇몇 실시예들에 따라 주문들을 처리하는 방법을 예시한 흐름도이다.
도 27은 본 개시의 몇몇 실시예들에 따라 주문 잡아채기 확률을 나타내는 벡터를 생성하기 위한 프로세스의 예를 예시한 흐름도이다.
도 28은 본 개시의 몇몇 실시예들에 따라 타깃 레스토링을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 29는 본 개시의 몇몇 실시예들에 따라 타깃 배달원을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 1은 본 개시의 몇몇 실시예들에 따른 서비스 제공자들에 대한 서비스 분배 시스템을 예시한 개략적 블록도이다.
도 2는 본 개시의 일 실시예에 따른 수신 모듈을 예시한 개략적 블록도이다.
도 3은 본 개시의 일 실시예에 따른 처리 모듈을 예시한 개략적 블록도이다.
도 4는 본 개시의 일 실시예에 따른 기준 저장 유닛을 예시한 개략적 블록도이다.
도 5a는 본 개시의 몇몇 실시예들에 따른 서비스 분배 시스템을 구현하기 위한 프로세스의 예를 예시한 흐름도이다.
도 5b는 본 개시의 몇몇 실시예들에 따른 외부 정보에 기초한 서비스 분배 시스템을 구현하기 위한 프로세스의 예를 예시한 흐름도이다.
도 6은 본 개시의 몇몇 실시예들에 따른 서비스 제공자의 거주지 정보를 획득하기 위한 프로세스의 예를 예시한 흐름도이다.
도 7은 본 개시의 몇몇 실시예들에 따른 처리 모듈(130)에 의해 운전자의 거주지를 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 8은 본 개시의 몇몇 실시예들에 따른 처리 모듈(130)에 의해 후보 거주지들의 잡음 제거의 예를 예시한 개략도이다.
도 9는 본 개시의 몇몇 실시예들에 따른 서비스 제공자(30y)의 바쁜 기간을 획득하기 위한 프로세스의 예를 예시한 흐름도이다.
도 10은 본 개시의 몇몇 실시예들에 따라 주소 정보를 사전-처리하기 위한 프로세스의 예를 예시한 흐름도이다.
도 11은 본 개시의 몇몇 실시예들에 따른 관심 포인트(POI)의 주소 정보를 적응시키기 위한 프로세스의 예를 예시한 흐름도이다.
도 12는 본 개시의 몇몇 실시예들에 따른 주소 정보를 축약하기 위한 프로세스의 예를 예시한 흐름도이다.
도 13은 본 개시의 몇몇 실시예들에 따라 경매에 의해 주문을 획득하기 위한 프로세스의 예를 예시한 흐름도이다.
도 14는 본 개시의 몇몇 실시예들에 따라 스코어링(scoring)하는 프로세스의 예를 예시한 흐름도이다.
도 15는 본 개시의 몇몇 실시예들에 따른 처리 모듈에 의해 드라이브-아웃 히치하이킹을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 16은 본 개시의 몇몇 실시예들에 따른 처리 모듈(130)에 의해 드라이브-인 히치하이킹을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 17a는 본 개시의 몇몇 실시예들에 따른 처리 모듈(130)에 의해 운전자의 활동을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 18은 본 개시의 몇몇 실시예들에 따른 처리 모듈(130)에 의해 도로 장애물을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 19는 본 개시의 몇몇 실시예들에 따라 두 개의 도로 섹션들이 교차들을 갖는지를 결정하기 위한 프로세스의 예를 예시한 개략도이다.
도 20은 본 개시의 몇몇 실시예들에 따라 두 개의 도로 섹션들이 교차들을 갖는지를 결정하는 개략도이다.
도 21은 본 개시의 몇몇 실시예들에 따라 두 개의 도로 섹션들이 교차들을 갖는지를 결정하는 개략도이다.
도 22는 본 개시의 몇몇 실시예들에 따라 유사한 경로 주문을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 23은 본 개시의 몇몇 실시예들에 따라 운전자의 운전 방향 및 주문의 방향을 예시한 개략도이다.
도 24는 본 개시의 몇몇 실시예들에 따라 처리 모듈(130)에 의해 유사한 경로 주문을 결정하고 디스플레이하기 위한 프로세스의 예를 예시한 흐름도이다.
도 25는 본 개시의 몇몇 실시예들에 따라 처리 모듈(130)에 의해 주문을 처리하는 방법을 예시한 흐름도이다.
도 26은 본 개시의 몇몇 실시예들에 따라 주문들을 처리하는 방법을 예시한 흐름도이다.
도 27은 본 개시의 몇몇 실시예들에 따라 주문 잡아채기 확률을 나타내는 벡터를 생성하기 위한 프로세스의 예를 예시한 흐름도이다.
도 28은 본 개시의 몇몇 실시예들에 따라 타깃 레스토링을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
도 29는 본 개시의 몇몇 실시예들에 따라 타깃 배달원을 결정하기 위한 프로세스의 예를 예시한 흐름도이다.
본 개시의 실시예들에 관련된 기술적 해결책들을 예시하기 위해, 실시예들의 설명에서 참조된 도면들의 간단한 소개가 이하에 제공된다. 명확하게, 이하에서 설명된 도면들은 단지 본 개시의 몇몇 예들 또는 실시예들이다. 이 기술분야의 숙련자들은, 추가의 창조적 노력들 없이, 이들 도면들에 따른 다른 유사한 시나리오들에 본 개시를 적용할 수 있다. 대표적인 실시예들은 단지 이 기술분야의 숙련자들에 의해 본 개시의 보다 양호한 이해 및 적용을 위해서 제공되며 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 이해되어야 한다.
시스템의 몇몇 모듈들은 본 개시의 몇몇 실시예들에 따른 다양한 방식들로 참조될 수 있다. 그러나, 임의의 양의 상이한 모듈들이 클라이언트 단말 및/또는 서버에서 사용되고 동작될 수 있다. 이들 모듈들은 예시적이도록 의도되며, 본 개시의 범위를 제한하도록 의도되지 않는다. 상이한 모듈들은 시스템 및 방법의 상이한 양태들에서 사용될 수 있다.
본 개시의 몇몇 실시예들에 따르면, 흐름도들이 시스템에 의해 수행된 동작들을 예시하기 위해 사용된다. 상기 또는 이하에서의 동작들은 순서대로 구현되거나 또는 구현되지 않을 수 있다는 것이 명확하게 이해될 것이다. 반대로, 동작들은 역순으로, 또는 동시에 수행될 수 있다. 게다가, 하나 이상의 다른 동작들이 흐름도들에 부가될 수 있거나, 또는 하나 이상의 동작들이 흐름도로부터 생략될 수 있다.
본 개시에서 용어("서비스", " 주문", 및 "서비스 주문")는 개인 또는 다른 개인들을 위한 엔티티 또는 엔티티들에 의해 이행되거나 또는 수행된 특정 태스크 또는 과제를 나타내기 위해 상호 교환 가능하게 사용된다. 태스크 또는 과제는 오브젝트(예로서, 음식, 음료들 등) 또는 활동(예로서, 헤어컷, 히치하이킹, 집안 청소, 미용 치료, 의류 세탁 등)일 수 있다. 용어("사용자" 및 "서비스 사용자")는 특정한 서비스를 요청하거나 또는 주문하는 개인 또는 엔티티를 나타내기 위해 상호 교환 가능하게 사용될 수 있다. 또한, 용어("공급자", "제공자" 및 "서비스 제공자")는 서비스를 "사용자" 또는 "서비스 사용자"에게 제공할 수 있는 개인 또는 엔티티를 나타내기 위해 상호 교환 가능하게 사용될 수 있다. 예를 들면, 시민은 과일 소매업자로부터 신선한 과일들을 온라인으로 주문할 수 있다. 여기에서, 시스템은 시민 및 과일 소매업자 양쪽 모두와 동시에 통신할 수 있다. 시스템은 서비스를 배정하기 위해 서비스 요청 및 서비스 공급에 관한 정보를 획득할 수 있다. 몇몇 실시예들에서, 서비스 유형들은 예들로서 택시 서비스 또는 다른 수송 서비스를 취한다. 여기에서, 택시의 운전사, 택시 회사, 차량을 소유한 개인, 또는 유사한 차량 서비스들을 제공하는 다른 개인들 또는 엔티티들이 서비스 제공자로서 고려될 수 있다. 택시 또는 차량 서비스를 요청하는 개인은 서비스 사용자로서 고려될 수 있다. 몇몇 실시예들에서, 서비스 유형들은 예들로서 음식 배달 서비스를 취한다. 여기에서, 음식 또는 음료들을 제공할 수 있는 개인, 상점, 레스토랑 등은 서비스 제공자로서 고려될 수 있다. 음식 주문 또는 음료 주문을 요청하는 개인, 그룹 등은 서비스 사용자로서 고려될 수 있다. 그러나, 예들은 본 개시에서 서비스, 서비스 사용자, 서비스 제공자 등의 범위를 제한하도록 의도되지 않는다는 것이 이해될 수 있다. 개인 또는 엔티티 및 또 다른 개인 또는 또 다른 엔티티 사이에서의 임의의 유형의 또는 무형의 서비스는 본 개시의 용어("서비스")의 범위를 벗어나지 않을 것이다.
본 개시에서 설명된 시스템(100)의 구성요소들 및 구조는 도 1에 따른 상이한 모듈들의 관점에서 소개될 수 있다.
도 1은 본 개시의 몇몇 실시예들에 따른 서비스 제공자들을 위한 서비스 분배 시스템(100)을 예시한 개략적 블록도이다. 시스템(100)은 수신 모듈(110), 저장 모듈(120), 처리 모듈(130), 및 출력 모듈(140)을 포함할 수 있다. 시스템(100)에서의 모듈들은 하나 이상의 유선 및/또는 무선 통신 링크들을 통해 연결될 수 있다. 모듈들의 각각은 국소적이거나 또는 원격일 수 있으며, 네트워크를 통해 다른 모듈들과 연결할 수 있다. 모듈들 사이에서의 대응하는 관계는 1-대-1, 1-대-다(예로서, 처리 모듈(130)은 다수의 수신 모듈들(110)과 연결할 수 있다), 또는 다-대-다(예로서, 다수의 수신 모듈들(110)은 다수의 저장 모듈들과 정보를 교환한다)일 수 있다.
몇몇 실시예들에서, 저장 모듈(120) 및 출력 모듈(140) 중 하나 이상은 다양한 애플리케이션들을 구현하기 위해 시스템(100)으로부터 생략될 수 있다. 예를 들면, 단지 실시간 정보에 의존하는 서비스 분배 시스템들을 위해, 저장 모듈(120)은 전체 시스템의 동작에 영향을 주지 않고 생략될 수 있다. 또 다른 예로서, 단지 백그라운드에서 정보 산출 및 처리를 수행하는 서비스 분배 시스템들을 위해, 출력 모듈(140)이 생략될 수 있다. 상기 설명된 예들은 단지 예시의 목적들을 위한 것이다. 이 기술분야의 숙련자는 저장 모듈(120) 및 출력 모듈(140)의 구성들을 개선하며 수정할 수 있다. 그러나, 이들 개선들 및 수정들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다.
시스템(100)은 하나 이상의 서비스 사용자들(20l 내지 20m)로부터 정보를 획득할 수 있다. 시스템(100)은 또한 하나 이상의 서비스 제공자들(30l 내지 30n)로부터 정보를 동시에 획득할 수 있다. 보다 특히, 예를 들면, 서비스 사용자로부터의 정보는 서비스 사용자에 관한 주문 정보(21l 내지 21m)를 포함할 수 있지만, 이에 제한되지 않는다. 또한, 시스템은 정보 소스(400)로부터 정보를 획득할 수 있다.
서비스 사용자(20l 내지 20m)는 특정한 위치(들) 및/또는 시간(들)에서 특정 서비스를 요청할 수 있는 임의의 사용자를 나타낼 수 있다. 서비스 제공자(30l 내지 30m)는 특정한 위치(들) 및/또는 시간(들)에서 특정 서비스를 제공할 수 있는 임의의 서비스 제공자를 나타낼 수 있다. 예를 들면, 서비스 사용자(20l 내지 20m)는 차량 서비스를 요청하는 개인, 과일을 요청하는 개인, 식사를 요청하는 개인, 물품 수송을 요청하는 개인 또는 엔티티 등일 수 있다. 서비스 제공자(30l 내지 30m)는 택시 운전사, 기사, 과일 소매업자, 음식 서비스 제공자, 배달원(courier) 등일 수 있다.
정보 소스(400)는 정보를 시스템(100)에 제공할 수 있는 임의의 소스를 포함할 수 있다. 정보 소스(400)는 서비스에 관한 정보를 저장하기 위해 사용될 수 있다. 정보는 지리적 정보, 기상 상태들, 교통 정보, 법률 및 규제 정보, 뉴스 이벤트들, 라이프 정보, 라이프 가이드 정보, 서비스 제공자들을 위한 평가(review)들, 서비스 제공자들의 프로파일 정보, 서비스 사용자들의 프로파일 정보 등을 포함할 수 있다. 정보 소스(400)는 단일 중심 서버, 인터넷을 통해 연결된 다수의 서버들, 다수의 개인 디바이스들 등을 사용하여 구현될 수 있다. 정보 소스가 다수의 개인 디바이스들을 사용하여 구현되는 몇몇 실시예들에서, 개인 디바이스들은 정보 소스를 구현하기 위해 콘텐트(예로서, "사용자-생성 콘텐트"로서 또한 불리우는)를 생성할 수 있다. 예를 들면, 개인 디바이스들은 텍스트, 음성, 이미지 및 비디오 프레임을 클라우드 서버로 업로딩함으로써 사용자-생성 콘텐트를 생성할 수 있다. 이와 같이, 정보 소스는 다수의 개인 디바이스들 및 클라우드 서버에 의해 생성될 수 있다.
보다 특히, 예를 들면, 수송 서비스에 대해, 정보 소스(400)는 맵 정보 및 도시 서비스 정보, 실시간 교통 방송 시스템, 날씨 방송 시스템, 뉴스 네트워크, 이력 주문 정보를 포함한 데이터베이스들 등을 포함한 지방(municipal) 서비스 시스템일 수 있다. 정보 소스(400)는 차량 속도계, 레이더 속도계, 온도 및 습도 센서 등을 포함한, 일반 속도 측정 시스템들 및 센서들과 같은, 물리적 디바이스일 수 있다. 정보 소스(400)는 뉴스, 실시간 도로 정보 등을 획득한 소스일 수 있다. 예를 들면, 정보 소스는 네트워크 정보 소스일 수 있으며, 이것은 유즈넷(Usenet)에 기초한 인터넷 뉴스 그룹, 인터넷상에서의 서버들, 날씨 정보 서버들, 도로 상태 정보 서버들 등을 포함할 수 있지만, 이에 제한되지 않는다. 보다 특히, 예를 들면, 음식 배달 서비스들에 대해, 정보 소스(400)는 특정한 영역에서 다수의 음식 서비스 제공자들의 정보를 저장하는 시스템, 맵 정보 및 도시 서비스 정보를 포함한 지방 서비스 시스템, 실시간 교통 방송 시스템, 날씨 방송 시스템, 뉴스 네트워크, 이력 음식 주문 정보를 포함한 서버일 수 있다. 여기에서 설명된 예들은 본 개시의 다양한 실시예들에서 사용될 수 있는 서비스들의 유형 또는 정보 소스의 범위를 제한하도록 의도되지 않는다. 대신에, 본 개시는 다른 유형들의 서비스들에 적합할 수 있다. 서비스들에 관한 정보를 제공할 수 있는 임의의 디바이스 또는 네트워크가 정보 소스로서 지정될 수 있다.
수신 모듈(110)은 서비스 사용자(20l 내지 20m), 서비스 제공자(30l 내지 30m), 및 정보 소스(400)로부터 정보를 획득할 수 있다. 수신 모듈(110)은 또한 정보를 처리 모듈(130)에 전송할 수 있다. 정보는 하나 이상의 유선 또는 무선 연결들을 통해 획득될 수 있다. 정보는 서비스 사용자들 및 서비스 제공자들로부터 정보를 획득하거나 또는 문의함으로써 획득될 수 있다. 정보는 또한 가입 또는 푸시 알림(push notification)들을 통해, 정보 소스(400)로부터 획득될 수 있다.
서비스 사용자들 및 서비스 제공자들로부터 획득되거나 또는 문의된 정보는 서비스 사용자들에 관한 정보, 서비스 제공자들에 관한 정보 또는 서비스에 관한 정보를 포함할 수 있지만, 이에 제한되지 않는다. 서비스에 관한 정보는 서비스 유형들, 서비스 공급 방법들, 서비스 지불 방법들, 팁들 또는 보상들 또는 서비스 시간 제한을 포함할 수 있지만, 이에 제한되지 않는다. 서비스 유형들은 택시 서비스, 개인 차량 서비스, 자동차 공유제, 특송(express delivery), 음식 배달, 물품 배달, 주차, 광고, 세탁, 유지 보수, 엔터테인먼트, 공연들 등을 포함할 수 있다. 서비스 공급 방법들은 도어-투-도어 서비스, 배달, 오브젝트들의 승인된 사용을 제공하는 것(대여 디바이스들 및/또는 장비를 포함한) 등을 포함할 수 있다. 서비스 지불 방법들은 현금 거래, 온라인 지불, 전신 송금 등을 포함할 수 있다. 서비스 시간 제한은 실시간 서비스들, 예약 서비스들 등을 포함할 수 있다.
정보 소스로부터 가입 또는 푸시 알림들을 통해 획득된 정보는 서비스 사용자들 및/또는 서비스 제공자들의 프로파일 정보, 생리학 정보, 이력 관련 정보, 이력 서비스 공급에 관한 정보, 이력 서비스 요청 정보, 스케줄 정보 또는 다른 정보를 포함할 수 있지만, 이에 제한되지 않는다. 서비스 사용자들 및/또는 서비스 제공자들의 프로파일 정보는 나이, 성별, 국적, 현재 주소, 종족, 종교적 믿음, 교육 정도, 실무 경험, 혼인 상태, 감정 상태들, 언어 능숙도들, 전문 기술들, 정치적 성향들, 취미들, 좋아하는 음악/TV 쇼들/영화들/서적들 등을 포함할 수 있다. 서비스 사용자들 및/또는 서비스 제공자들의 생리학 정보는 키, 체중, 허리둘레, 가슴둘레, 엉덩이 둘레, BMI 지수, 폐활량, 시력, 서비스 제공자 또는 서비스 사용자가 색약/색맹인지 여부, 병력, 유전병의 가족력 등을 포함할 수 있다. 서비스 사용자들 및/또는 서비스 제공자들의 이력 관련 정보는 운전 면허증 정보, 운전 기록들(예로서, 음주 운전), 전과들, 신용 기록들 등을 포함할 수 있다. 서비스 제공자의 이력 서비스 공급 정보에 관한 정보는 이력 서비스들의 시간 및 장소, 서비스 빈도, 서비스 유형들, 서비스 리뷰들, 및 서비스 결과들을 포함할 수 있다. 서비스 사용자의 이력 서비스 요청 정보는 이력 서비스들의 시간 및 장소, 서비스들을 수신하는 빈도, 수신된 서비스의 콘텐트, 수신된 서비스의 결과, 및 서비스 제안들 또는 리뷰들을 포함할 수 있다. 스케줄 정보는 비행기 시간들, 열차 시간표들, 대중교통 스케줄들, 배 스케줄들, 다른 교통 스케줄들 등을 포함할 수 있다. 다른 정보는 환경 파라미터들, 도로 상태들, 기상 상태들, 자연 재해, 지리적 또는 지질학적 정보, 음식 및 음료에 관한 정보, 문화 또는 민족 정보, 신념 정보, 사회 활동들 및 다른 비상 사태들을 포함할 수 있다. 환경 파라미터들은 온도, 습도, 기압, 고도, UV 강도, 풍속 및 방향 등을 포함할 수 있다. 도로 상태들은 도로 유형들, 폭, 처리량(throughput), 교통 흐름, 도로 혼잡, 사고 또는 공사가 있는지, 도로가 미끄러운지 또는 결빙되었는지 등을 포함할 수 있다. 기상 상태들은 강수 확률, 태양 중심(heliomeric) 지수, UV 강도, 대기질 지수, 미세 먼지/PM2.5, 흡입형 입자들/PM10, 숲 내화 등급, 가시성, 비, 눈, 안개, 연무, 우박 등을 포함할 수 있다. 자연 재해들은 지질 재해 지수, 태풍, 토네이도, 암설류, 산사태, 지진, 화산의 분화, 쓰나미 등을 포함할 수 있다. 지리적 또는 지질학적 정보는 시간 구역, 기후 구역, 몬순 구역, 지질 구역, 지진 구역, 화산들, 토양 유형 등을 포함할 수 있다. 음식 및 음료에 관한 정보는 영양소, 칼로리들, 소스 또는 출처, 처리 방법들 등을 포함할 수 있다. 문화 또는 민족 정보는 문화권들, 풍습들, 종족들 등을 포함할 수 있다. 신념 정보는 주류 종교적 신념 및 주요 종교 행사장들을 포함할 수 있다. 사회 활동들은 파업, 스포츠 경기, 휴일 퍼레이드, 집회, 시위들, 폭동 등을 포함할 수 있다.
저장 모듈(120)은 수신 모듈(110)에 의해 획득된 정보에 대한 동작들 또는 판단들을 수행하기 위해 처리 모듈(130)에 의해 사용되는 기준들을 저장하도록 구성될 수 있다. 저장 모듈(120)은 처리 모듈(130)에 기준들을 출력하기 위해 추가로 구성될 수 있다. 저장 모듈(120)은 임의의 종류의 하나 이상의 저장 디바이스들을 포함할 수 있다. 하나 이상의 저장 디바이스들에 저장된 정보는 처리 모듈(130)에 의해 액세스될 수 있다. 저장 디바이스들은 고체-상태 저장 디바이스(예로서, 고체 상태 디스크, 하이브리드 하드 디스크 등), 기계적 하드 디스크, USB 플래시 메모리, 메모리 스틱, 메모리 카드(예로서, CF, SD 등), 다른 드라이버들(예로서, CD, DVD, HD DVD, 블루-레이 등), 랜덤 액세스 메모리(RAM), 및 판독-전용 메모리(ROM)와 같은 일반적인 유형들의 저장 디바이스들을 포함할 수 있지만, 이에 제한되지 않는다. RAM은 데카트론, 셀렉트론, 지연 라인 메모리, 윌리엄스 진공관(Williams tubes), 동적 랜덤 액세스 메모리(DRAM), 정적 랜덤 액세스 메모리(SRAM), 사이리스터 랜덤 액세스 메모리(T-RAM), 제로 커패시터 랜덤 액세스 메모리(Z-RAM) 등을 포함할 수 있지만, 이에 제한되지 않는다. ROM은 버블 메모리, 트위스터 메모리, 필름 메모리, 플레이티드 와이어 메모리(plated wire memory), 자기-코어 메모리, 드럼 메모리, CD-ROM, 하드 디스크들, 테이프들, 비-휘발성 랜덤 액세스 메모리(NVRAM), 상-변화 메모리, 자기 저항 랜덤 액세스 메모리, 강유전성 랜덤 액세스 메모리, 비-휘발성 SRAM, 플래시 메모리, 전기적으로 소거 가능한 프로그램 가능 판독-전용 메모리, 소거 가능한 프로그램 가능 판독-전용 메모리, 프로그램 가능한 판독-전용 메모리, 마스크 ROM, 부동 게이트 랜덤 액세스 메모리, 나노 랜덤 액세스 메모리, 레이스트랙 메모리, 저항성 랜덤 액세스 메모리, 프로그램 가능한 금속화 유닛 등을 포함할 수 있지만, 이에 제한되지 않는다. 상기 언급된 저장 디바이스들은 단지 예시 목적들을 위해 설명되며, 본 개시의 다양한 실시예들에서 사용될 수 있는 저장 디바이스들의 유형들의 범위를 제한하도록 의도되지 않는다.
몇몇 실시예들에서, 저장 모듈(120)은 수신 모듈(110) 및 처리 모듈(130) 사이에서의 양방향 상호 작용들에 관한 정보를 버퍼링하기 위해 사용될 수 있다. 저장 모듈(120)은 또한 주문들에 관한 이력 정보 및 이력 도로 상태들 및 이력 날씨 데이터와 같은, 처리 모듈(130)에서 사용된 다른 정보를 저장하기 위해 사용될 수 있다.
처리 모듈(130)은 수신 모듈(110)로부터 정보를 획득하며 하나 이상의 결정 결과들을 획득하기 위해 상기 정보를 처리할 수 있다. 처리 모듈(130)에 의해 수행된 프로세스는 논리 연산(예로서, "AND" 연산, "OR" 연산, "NOT" 연산 등), 수치 연산 등일 수 있다. 처리 모듈(130)은 하나 이상의 프로세서들(예로서, 하드웨어 프로세서들)을 포함할 수 있다. 프로세서들은 프로그램 가능한 로직 디바이스(PLD), 애플리케이션 특정 집적 회로(ASIC), 마이크로프로세서, 시스템-온-칩(SoC) 등과 같은 임의의 프로세서를 포함할 수 있다.
출력 모듈(140)은 처리 모듈(130)로부터 의사-결정 결과들을 획득하며 결정 결과들을 출력하도록(예로서, 결과들을 서비스 제공자들에게 푸시하는 것, 결과들을 제 3 자에게 출력하는 것 등에 의해) 구성될 수 있다. 예를 들면, 정보 서비스 제공자의 하나 이상의 서버들은 의사-결정 결과들을 저장할 수 있으며 상기 결과들을 공개할 수 있다. 결정 결과들은 주기적으로 공개되거나 또는 공개되지 않을 수 있다. 서버들은 또한 서비스 제공자가 결과들을 획득하고 및/또는 그것에 대해 문의할 때 결정 결과들을 제공할 수 있다. 방법 결정 결과들은 하나 이상의 무선 또는 유선 통신 연결들을 통해 출력되고 및/또는 푸시될 수 있다.
도 2는 본 개시의 일 실시예에 따른 수신 모듈(110)을 예시한 개략적 블록도이다. 몇몇 실시예들에서, 수신 모듈(110)은 서비스 사용자 정보 수신 유닛(111), 서비스 제공자 정보 수신 유닛(112), 및 외부 정보 수신 유닛(113)을 포함할 수 있다. 이들 유닛들 중 임의의 두 개는 서로 양방향으로 통신할 수 있다. 서비스 사용자 정보 수신 유닛(111)은 서비스 사용자(20x)로부터 정보를 수신할 수 있다. 서비스 제공자 정보 수신 유닛(112)은 서비스 제공자(30y)로부터 정보를 수신할 수 있다. 외부 정보 수신 유닛(113)은 정보 소스(400)로부터 정보를 수신할 수 있다.
서비스 사용자 정보 수신 유닛(111) 및 서비스 사용자(20x) 사이에서의 통신, 서비스 제공자 정보 수신 유닛(112) 및 서비스 제공자(30y) 사이에서의 통신, 및 외부 정보 수신 유닛(113) 및 정보 소스(400) 사이에서의 통신은 동일한 또는 상이한 유형들의 통신 모드들에 기초할 수 있다. 통신 모드들의 유형들은 유선이거나 또는 무선일 수 있다. 여기에서, 무선 통신은 IEEE 802.11 시리즈 표준들, IEEE 802.15 시리즈 표준들, 1-세대 이동 통신 기술(1G), 2-세대 이동 통신 기술(2G), 일반 패킷 라디오 서비스(GPRS), 3-세대 이동 통신 기술(3G), 4-세대 이동 통신 기술(4G), 위성 통신 기술(예로서, GPS 기술 등) 및 ISM 대역(예로서, 2.4 GHz 등)을 이용한 다른 기술들을 포함할 수 있지만, 이에 제한되지 않는다. IEEE 802.15 시리즈 표준들은 블루투스™ 기술, Zigbee 기술 등을 포함할 수 있다. 2G 기술은 FDMA, TDMA, SDMA, CDMA, SSMA 등을 포함할 수 있다. 3G 기술은 CDMA2000, WCDMA, TD-SCDMA, WiMAX 등을 포함할 수 있다. 4G 기술은 TD-LTE, FDD-LTE 등을 포함할 수 있다. 무선 통신은 자유-공간 광학 통신 기술, 음향 통신 기술, 또는 전자기 유도 통신 기술을 포함할 수 있다. 자유-공간 광학 통신 기술은 가시광선 통신, 적외선 통신 등을 포함할 수 있다. 음향 통신 기술은 음파 통신, 초음파 통신 등을 포함할 수 있다. 전자기 유도 통신 기술은 근거리장 통신 등을 포함할 수 있다. 상기 예들은 단지 예시의 목적들을 위한 것이다. 무선 통신을 위한 미디어는 Z-파 기술, 다른 유료 민간인 라디오 주파수 대역, 군용 라디오 주파수 대역 등과 같은, 다른 유형들을 포함할 수 있다. 유선 통신의 미디어는 금속 케이블, 광 케이블, 하이브리드 케이블 등을 포함할 수 있다. 예를 들면, 케이블들은 동축 케이블, 전기통신 케이블, 가요성 케이블, 나선형 케이블, 비-금속 외장 케이블, 금속성 외장 케이블, 다중-코어 케이블, 트위스트 페어 케이블, 리본 케이블, 차폐 케이블, 듀플렉스 케이블, 병렬 이중-코어 와이어 및 트위스트 페어 와이어를 포함할 수 있다.
서비스 사용자(20x)로부터 서비스 사용자 정보 수신 유닛(111)에 의해 획득된 정보, 서비스 제공자(30y)로부터 서비스 제공자 정보 수신 유닛(112)에 의해 획득된 정보, 및 정보 소스(400)로부터 외부 정보 수신 유닛(113)에 의해 획득된 정보가 상기 설명되며 추가로 설명되지 않을 것이다.
수신 모듈(110)은 상기 설명된 바와 같이 3개의 유닛들로 분할되지만, 이것은 단지 예시적이다. 3개의 서브-유닛들 중 임의의 두 개 또는 모두는 하나의 구성요소로 통합될 수 있다는 것이 이 기술분야의 숙련자에 대해 명백할 것이다. 예를 들면, 서비스 사용자 정보 수신 유닛(111) 및 서비스 제공자 정보 수신 유닛(112)은 서비스 사용자들 및/또는 서비스 제공자들에 의해 생성된 실시간 정보를 수집하기 위해 구성될 수 있는 하나의 구성요소로 통합될 수 있다. 부가적으로 또는 대안적으로, 외부 정보 수신 모듈(113)은 외부 정보 및 이력 서비스 정보를 수신하기 위해 구성될 수 있는 또 다른 전자 구성요소 상에 구현될 수 있다. 이 기술분야의 숙련자에 의해 인식된 모든 다른 개선들 및 수정들은 본 개시의 보호 범위 내에 있다.
도 3은 본 개시의 일 실시예에 따른 처리 모듈(130)을 예시한 개략적 블록도이다. 몇몇 실시예들에서, 처리 모듈(130)은 프로세서(131), 제어기(132), 및 기준 저장 유닛(133)을 포함할 수 있다. 몇몇 실시예들에서, 처리 모듈(130)의 둘 이상의 구성요소들 사이에서의 통신들은 양방향일 수 있다. 예를 들면, 프로세서(131)는 제어기(132)와 양방향으로 통신할 수 있으며 기준 저장 유닛(133)은 제어기(132)와 양방향으로 통신할 수 있다. 처리 모듈(130)은 수신 모듈(110) 및 저장 모듈(120)과 양방향으로 통신할 수 있다. 프로세서(131)는 특정한 주문에 관하여 의사-결정을 수행하며 기준 저장 유닛(133)에 저장된 기준 정보 및 수신 모듈(110) 및/또는 저장 모듈(120)로부터 수신된 정보에 기초하여 적어도 하나의 의사-결정 결과를 출력하도록 구성될 수 있다. 제어기(132)는 프로세서가 의사-결정을 정확하게 수행함을 보장하도록 프로세서(131) 및 기준 저장 유닛(133)을 제어하기 위해 구성될 수 있다. 기준 저장 유닛(133)은 판단 조건들에 관한 기준 정보를 저장하도록 구성될 수 있다. 상기 기준 정보는 의사-결정 프로세스를 수행하기 위해 사용될 수 있다. 기준 정보는 로컬 디바이스, 수신 모듈(110), 정보 소스(400) 등으로부터 획득될 수 있다. 서비스 사용자에 의해 개시된 서비스 주문 및 특정한 서비스 제공자로부터의 정보가 특정한 기준을 만족시키는 것으로 결정될 때, 시스템은 주문을 서비스 제공자에게 분배하도록 결정할 수 있다. 대안적으로, 시스템은 서비스 제공자가 기준 또는 기준들을 만족시키지 않는다고 결정하는 것에 응답하여 주문이 서비스 제공자에게 분배되지 않는 것으로 결정할 수 있다. 기준 저장 유닛(133)은 이하에서 보다 상세히 추가로 설명될 것이다.
프로세서, 제어기, 및 기준 저장 유닛은 그것들의 일반적인 기능들에 대하여 상기 설명된다. 몇몇 구현들에서, 하드웨어 디바이스(예로서, ASIC, 마이크로프로세서 또는 정보를 처리하며 논리적 판단을 수행하는 것이 가능한 임의의 다른 디바이스 또는 장비)는 본 개시의 보호 범위로부터 벗어나지 않고, 프로세서, 제어기, 및/또는 기준 저장 유닛의 기능들 중 하나 이상을 수행하도록 구성될 수 있다.
도 4는 본 개시의 일 실시예에 따른 기준 저장 유닛(133)을 예시한 개략적 블록도이다. 몇몇 실시예들에서, 기준 저장 유닛(133)은 서비스 커버리지 기준들(1331), 서비스 제공자의 활동 기준들(1332), 주문 잡아채기 확률 기준들(1333), 도로 장애물 기준들(1334), 경로 유사성 기준들(1335), 및 다른 기준(1336)을 포함할 수 있다. 상기 기준들은 서비스 커버리지 의사-결정, 서비스 제공자의 활동 의사-결정, 주문 잡아채기 확률 의사-결정, 도로 장애물 의사-결정, 경로 유사성 의사-결정 및 다른 의사-결정과 같은, 각각의 판단들에 대응할 수 있다. 상기 의사-결정은 제어기(132)에 의해 수행될 수 있다.
도 5a는 서비스 분배 시스템을 구현하기 위한 프로세스의 예를 예시한 흐름도이다. 몇몇 실시예들에서, 단계(S100)에서, 수신 모듈(110)은 서비스 사용자(20x)로부터 주문 정보를 획득할 수 있다. 단계(S110)에서, 수신 모듈(110)은 서비스 제공자(30y)로부터 서비스 제공자(예로서, 운전자)에 관한 현재 정보를 획득할 수 있다. 단계(S120)에서, 처리 모듈(130)은 특징 결과를 획득하기 위해 현재 주문 정보 및/또는 서비스 제공자(예로서, 운전자)에 관한 현재 정보를 산출하고 및/또는 분석할 수 있다. 단계(S130)에서, 처리 모듈(130)은 특징 결과가 기준 저장 유닛(133)에 저장된 사전 설정된 기준들 중 적어도 하나를 만족시키는지를 결정할 수 있다. 몇몇 실시예들에서, 특징 결과가 기준 저장 유닛(133)에 저장된 하나 이상의 기준들을 만족시킨다는 결정에 응답하여, 시스템은 단계(S140)로 진행할 수 있으며 서비스 제공자(30y)로 주문을 분배할 수 있다. 대안적으로, 특징 결과가 기준 저장 유닛(133)에 저장된 기준을 만족시키지 않는다는 결정에 응답하여, 시스템은 단계(S150)로 진행할 수 있으며 주문이 서비스 제공자(30y)로 분배되지 않는 것을 결정할 수 있다.
결정은 단계(S130)에서 다수의 기준들에 기초하여 이루어질 수 있다. 다수의 기준들은 하나 이상의 병렬 처리 방법들, 직렬 처리 방법들, 및/또는 임의의 처리 방법에 기초한 결정을 위해 사용될 수 있다. 예를 들면, 결정이 병렬 처리 방법에 기초하여 이루어지는 몇몇 실시예들에서, 시스템은 프로세스를 끝낼 수 있으며 특징 결과가 기준들 중 적어도 하나를 만족시키지 않는다는 결정에 응답하여 주문이 서비스 제공자에게 분배되지 않는 것을 결정할 수 있다. 또 다른 예로서, 결정이 병렬 처리에 기초하여 이루어지는 몇몇 실시예들에서, 시스템은 서비스 제공자에게 주문을 분배할 수 있으며 특징 결과가 상기 다수의 기준들 중 적어도 하나를 만족시킨다는 결정에 응답하여 프로세스를 끝낼 수 있다.
몇몇 실시예들에서, 결정은 단계(S130)에서 다수의 기준들에 기초하여 스코어링하는 것을 수반하는 통합된 의사-결정 프로세스를 사용하여 이루어질 수 있다. 예를 들면, 시스템은 상이한 기준들에 상이한 가중치들을 배정할 수 있으며 가중된 기준들에 기초하여 통합된 스코어를 산출할 수 있다. 몇몇 실시예들에서, 통합된 스코어는 의사-결정 결과를 획득하기 위해 사전 설정된 임계치와 비교될 수 있다.
결정은 최적화 방법을 사용하여 시스템에 의해 결정된 하나 이상의 의사-결정 결과들을 선택함으로써 이루어질 수 있다. 예를 들면, 시스템은 다수의 서비스 제공자들을 후보 서비스 제공자들로서 식별할 수 있다. 시스템은 결정을 하기 위해 하나 이상의 기준들을 추가로 고를 수 있다. 시스템은 하나 이상의 최적화된 서비스 제공자들이 선택될 때까지 선택된 기준들에 기초하여 후보 서비스 제공자들을 필터링할 수 있다.
보다 특히, 예를 들면, 특징 결과는 서비스 요청 정보 및 서비스 사용자 및 서비스 제공자로부터의 정보에 따라 생성될 수 있다. 생성된 특징 결과는 처리 모듈에 의해 기준 저장 유닛(133)에 저장된 기준들과 비교될 수 있다. 비교는, 예를 들면, 기준들에서의 임계치와 특징 결과에서의 특성 값을 비교하고, 특성 값이 기준들에서의 값들의 범위에 있는지의 여부를 결정하고, 기준들에서의 랭킹 규칙/등급 규칙에 기초하여 특성 값을 순위 매김하고 및/또는 등급을 매기며 임계치 순위 및/또는 임계치 스코어와 비교하고, 특징 결과가 기준들에 의해 정의된 특정 이벤트를 트리거하는지를 결정하고, 특징 결과가 기준들에서의 특정한 모드를 만족시키는지의 여부를 결정하는 등에 의해 이루어질 수 있다.
도 5b는 본 개시의 몇몇 실시예들에 따라 외부 정보에 기초하여 서비스 분배 시스템을 구현하기 위한 프로세스의 예를 예시한 흐름도이다. 몇몇 실시예들에서, 단계(S105)에서, 수신 모듈(110)은 서비스 사용자(20x)로부터 주문 정보를 획득할 수 있다. 단계(S115)에서, 수신 모듈(110)은 서비스 제공자(30y)로부터 서비스 제공자(30y)에 관한 현재 정보를 획득할 수 있다. 단계(S125)에서, 수신 모듈(110)은 외부 정보 소스(400)로부터 정보를 획득할 수 있다. 단계(S135)에서, 처리 모듈(130)은 특징 결과를 획득하기 위해 현재 주문 정보, 서비스 제공자(30y)에 관한 현재 정보, 및 외부 정보를 산출하며 분석할 수 있다. 단계(S145)에서, 처리 모듈(130)은 특징 결과가 기준 저장 모듈(133)에 저장된 사전 설정된 기준들 중 적어도 하나를 만족시키는지의 여부를 결정할 수 있다. 몇몇 실시예들에서, 특징 결과가 기준 저장 모듈(133)에 저장된 하나 이상의 기준들을 만족시킨다는 결정에 응답하여, 시스템은 단계(S155)로 진행하여, 주문을 서비스 제공자(30y)에게 배정할 수 있다. 대안적으로, 특징 결과가 기준 저장 모듈(133)에 저장된 임의의 기준을 만족시키지 않는다는 결정에 응답하여, 시스템은 단계(S165)로 진행할 수 있으며 주문을 서비스 제공자(30y)에게 배정하지 않는다.
서비스 분배 시스템은 서비스 사용자에 관한 충분한 정보를 획득하며 서비스 사용자에 관한 정보를 서비스 제공자에 관한 정보와 매칭시킬 수 있다.
서비스 사용자에 관한 정보는 서비스 사용자의 위치 결정 및 이동 정보, 현재 신체/건강 상태, 현재 정신 상태, 서비스 제공자들에 대한 선호들, 서비스 유형 또는 콘텐트에 대한 선호들 등을 포함할 수 있다.
여기에서, 위치 결정 및 이동 정보는 현재 위치, 현재 이동 상태, 이동의 현재 방향, 현재 속도, 현재 활동 상태 등을 포함할 수 있지만, 이에 제한되지 않는다. 현재 신체/건강 상태는 "배고픔", "배부름", "아픔", 혈압, 맥박, 심장 리듬, 체온, 심전도, 뇌파, 호흡률, 혈당 수준, 혈중 산소 농도 등을 포함할 수 있지만, 이에 제한되지 않는다. 서비스 제공자에 대한 선호는 서비스 제공자의 개인 정보에 대한 기대 또는 선호, 실무 경험, 기술들, 신념들 또는 정치적 성향들을 포함할 수 있지만, 이에 제한되지 않는다. 서비스 유형 또는 콘텐트에 대한 선호는 지불 방법, 홈 배달 서비스, 배달 속도, 픽업의 신속성 등을 포함할 수 있지만, 이에 제한되지 않는다.
서비스 제공자에 관한 정보는 서비스 제공자의, 위치 결정 및 이동 정보, 현재 신체/건강 상태, 현재 정신 상태, 동작 정보, 서비스 사용자에 대한 선호 등을 포함할 수 있다.
위치 결정 및 이동 정보는 현재 위치, 현재 이동 상태, 이동의 현재 방향, 현재 속도, 현재 활동 상태 등을 포함할 수 있지만, 이에 제한되지 않는다. 현재 신체/건강 상태는 "배고픔", "배부름", "아픔", 혈압, 맥박, 심장 리듬, 체온, 심전도, 뇌파, 호흡률, 혈당 수준, 혈중 산소 농도 등을 포함할 수 있지만, 이에 제한되지 않는다. 동작 정보는 현재 동작 상태, 현재 서비스 유형들, 업무 시간, 서비스 커버리지, 거주지, 고객, 서비스 모드 등을 포함할 수 있지만, 이에 제한되지 않는다. 서비스 사용자에 대한 선호는 서비스 사용자의 개인 정보, 문화적/교육적/전문적 정보, 기술들 등에 대한 선호를 포함할 수 있지만, 이에 제한되지 않는다.
서비스 사용자 또는 서비스 제공자에 관한 정보의 하나 이상의 조각들은 매칭의 프로세스에서 사용될 수 있다.
서비스 사용자에 관한 정보의 마이닝
보다 특히, 예를 들면, 서비스 사용자에 관한 정보는 서비스 사용자의 위치 결정 및 이동 정보, 현재 신체/건강 상태, 현재 정신 상태, 서비스 제공자에 대한 선호, 서비스 유형 또는 콘텐트에 대한 선호 등을 포함할 수 있다.
여기에서, 위치 결정 및 이동 정보는 현재 위치, 현재 이동 상태, 이동의 현재 방향, 현재 속도, 현재 활동 상태 등을 포함할 수 있지만, 이에 제한되지 않는다. 현재 신체/건강 상태는 "배고픔", "배부름", "아픔", 혈압, 맥박, 심장 리듬, 체온, 심전도, 뇌파, 호흡률, 혈당 수준, 혈중 산소 농도 등을 포함할 수 있지만, 이에 제한되지 않는다. 서비스 제공자에 대한 선호는 서비스 제공자의 개인 정보에 대한 기대 또는 선호, 실무 경험, 기술들, 신념들 또는 정치적 성향들을 포함할 수 있지만, 이에 제한되지 않는다. 서비스 유형 또는 콘텐트에 대한 선호는 지불 방법, 홈 배달 서비스, 배달 속도, 픽업의 신속성 등을 포함할 수 있지만, 이에 제한되지 않는다.
상기 설명된 정보는 다수의 스마트 디바이스들 또는 전문 측정 디바이스들에 의해 수집될 수 있다. 예를 들면, 위치 또는 이동에 관한 정보는 위치 결정이 가능한 디바이스에 의해 수집될 수 있다. 건강 및 생리학에 관한 정보는 다수의 센서들 또는 의료 디바이스들을 갖고 스마트 착용 가능 디바이스에 의해 수집될 수 있다. 정신 상태, 서비스 제공자에 대한 기대, 및 서비스 유형 또는 콘텐트에 대한 기대에 관한 정보는 텍스트, 음성, 이미지, 또는 다른 유형들의 형태로 스마트 디바이스를 사용하여 정보의 서비스 사용자의 입력에 의해 수집될 수 있다.
서비스 사용자의 서비스 선호의 마이닝
일반적으로, 서비스를 요청할 때, 서비스 사용자는 서비스 제공자(들), 서비스 콘텐트, 또는 서비스 유형(들)에 대한 선호들을 가질 수 있다. 때때로, 서비스 콘텐트는 고유할 필요가 없다. 대신에, 서비스 콘텐트는 대체될 수 있다. 그러나, 서비스 사용자는 단지 유형들이 상이한 동종 서비스에 대한 몇몇 개인적 선호들을 여전히 가질 수 있다. 따라서, 이들 선호들을 마이닝하는 것은 보다 효율적이고, 보다 타깃화되며 보다 개인화된 서비스 분배 시스템을 달성하도록 도울 수 있다.
예를 들면, 수송 서비스를 요청하는 서비스 사용자의 선호들은 서비스 제공자의(운전자의) 개인 정보, 실무 경험, 기술들, 신념들 또는 정치적 성향들에 대한 요건들 또는 선호들을 포함할 수 있지만, 이에 제한되지 않는다. 여기에서, 개인 정보는 성별, 나이, 혼인 상태, 감정 상태, 교육 정도 등을 포함할 수 있지만, 이에 제한되지 않는다. 실무 경험은 운전자의 운전 경험, 운전 면허증의 유형들, 운전 테스트에서의 수행, 운전 차량의 유형들, 운전 기록들(예로서, 사고 기록들, 교통 위반들의 기록들 등), 승객 평가들 등을 포함할 수 있지만, 이에 제한되지 않는다. 기술들은 취미들, 언어 능숙도들, 스포츠 장기 등을 포함할 수 있지만, 이에 제한되지 않는다. 신념 및 정치적 성향들은 운전자의 종교적 신념, 정치적 성향들, 당 정보, 참여하는 사회 그룹들 등을 포함할 수 있지만, 이에 제한되지 않는다. 부가적으로 또는 대안적으로, 수송 서비스를 요청하는 서비스 사용자는 서비스 콘텐트 또는 유형에 대한 몇몇 요건들 또는 선호들을 가질 수 있다. 요건들 또는 선호들은 수송 서비스의 차량 성능 또는 콘텐트에 대한 요건들 또는 선호들을 포함할 수 있지만, 이에 제한되지 않는다. 차량 성능에 대한 요건들 또는 선호들은 차량의 브랜드, 유형, 최대 속도, 가속 시간, 연비, 마력, 최대 가속, 배기량, 배출 기준 등을 포함할 수 있지만, 이에 제한되지 않는다. 수송 서비스의 콘텐트에 대한 요건들 또는 선호들은 운전자에 의한 픽업, 수송 서비스 경험 등에 대한 요건들을 포함할 수 있지만, 이에 제한되지 않는다. 바람직하게는, 서비스 제공자에 대한 서비스 사용자의 선호들은 서비스 제공자의 실무 경험 및 기술들을 포함할 수 있다. 실무 경험 및 기술들은 서비스 제공자의 운전 경험 및 언어 능숙도들을 포함할 수 있다. 예를 들면, 베를린에서의 브라질 방문자는 포르투갈어로 기본 청취 및 말하기 기술들을 가진 운전자를 선호할 수 있다.
또 다른 예로서, 음식 배달 서비스를 요청하는 서비스 사용자의 선호들은 서비스 제공자(레스토랑 및/또는 배달 인원) 또는 음식에 대한 선호들을 포함할 수 있지만, 이에 제한되지 않는다. 여기에서, 서비스 제공자(레스토랑 및/또는 배달 인원)에 대한 선호들은 레스토랑 운영 경험, 배달 속도, 실무 경험 또는 배달 인원의 동료 평가들 등을 포함할 수 있지만, 이에 제한되지 않는다. 레스토랑 운영 경험은 개점 시간, 업무 범위, 위생 상태들, 건강 위반들, 고객 평가들 등을 포함할 수 있지만, 이에 제한되지 않는다. 여기에서, 음식에 대한 선호들은 요리의 유형들에 대한 요건들, 맛들에 대한 선호들, 음식의 영양가들에 대한 선호들 또는 식품 안전 레벨들에 대한 요건들 또는 선호들 등을 포함할 수 있지만, 이에 제한되지 않는다. 맛들은 "신맛", "단맛", "쓴맛", "짠맛", "짠맛이 없는" 등을 포함할 수 있다. 음식의 영양가들은 칼로리들, 탄수화물, 지방, 단백질, 미네랄들, 비타민들 등과 같은 주요 영양소들의 지수들을 포함할 수 있지만, 이에 제한되지 않는다. 식품 안전 레벨들은 유전자 조작 식품, 유기농 식품, 채소 등을 포함할 수 있다.
또 다른 예로서, 세탁 서비스를 요청하는 서비스 사용자의 선호들은 서비스 제공자들 및/또는 서비스 유형들에 대한 선호들을 포함할 수 있다. 여기에서, 서비스 제공자에 대한 서비스 사용자의 선호들은 서비스 제공자의 작업 정보, 고객 평가들 등을 포함할 수 있지만, 이에 제한되지 않는다. 서비스 제공자에 관한 작업 정보는 업무 시간들, 실무 경험 또는 전문적 자격들을 포함할 수 있다. 여기에서, 서비스 유형들에 대한 선호들은 의류를 세탁하는 방법들(예로서, 손 세탁, 드라이 클린, 기계 세탁 등), 의류를 건조시키는 방법들(예로서, 원심 탈수기, 텀블 드라이, 공기 건조 등) 등을 포함할 수 있지만, 이에 제한되지 않는다.
상기 예들은 단지 예시 목적들을 위해 설명되며 본 개시에서의 선호의 의미들을 제한하도록 의도되지 않는다. 서비스에 대한 서비스 사용자의 성향에 관한 정보는 본 개시에서 선호의 범위를 벗어나지 않을 수 있다.
서비스 사용자의 선호들은 서비스 사용자의 이력 서비스 정보로부터 마이닝될 수 있다. 이력 서비스 정보는 서비스 제공자의 개인 정보, 실무 경험, 기술들, 신념들, 정치적 성향들 등을 포함할 수 있다. 이력 서비스 정보는 또한 서비스 유형 또는 콘텐트에 관한 특정 정보를 포함할 수 있다. 모든 정보는 처리 모듈(130)에 의해 획득되며 분석될 수 있다.
예를 들면, 수송 서비스들에 관한 이력 서비스 정보는 서비스 제공자의(예로서, 운전자의) 개인 정보, 실무 경험, 기술들, 신념들 또는 정치적 성향들을 포함할 수 있지만, 이에 제한되지 않는다. 여기에서, 개인 정보는 성별, 나이, 혼인 상태, 감정 상태, 교육 정도 등을 포함할 수 있지만, 이에 제한되지 않는다. 실무 경험은 운전자의 운전 경험, 운전 면허증의 유형들, 운전 테스트에서의 수행, 운전 차량의 유형들, 운전 기록들(예로서, 사고 기록들, 교통 위반들의 기록들 등), 승객 평가들 등을 포함할 수 있지만, 이에 제한되지 않는다. 기술들은 취미들, 언어 능숙도들, 스포츠 장기 등을 포함할 수 있지만, 이에 제한되지 않는다. 신념 및 정치적 성향들은 운전자의 종교적 신념, 정치적 성향들, 당 정보, 참여하는 사회 그룹들 등을 포함할 수 있지만, 이에 제한되지 않는다. 부가적으로 또는 대안적으로, 이력 수송 서비스는 서비스 콘텐트 또는 유형에 관한 정보를 포함할 수 있다. 상기 정보는 수송 서비스의 차량 성능 및 콘텐트를 포함할 수 있지만, 이에 제한되지 않는다. 차량 성능은 차량의 브랜드, 유형, 최대 속도, 가속 시간, 연비, 마력, 최대 가속, 배기량, 배출 기준 등을 포함할 수 있지만, 이에 제한되지 않는다. 수송 서비스의 콘텐트는 픽업, 수송 서비스 경험 등에 관한 정보를 포함할 수 있지만, 이에 제한되지 않는다.
또 다른 예로서, 음식 배달 서비스들에 관한 이력 서비스 정보는 서비스 제공자(레스토랑 및/또는 배달 인원) 및 음식에 관한 정보를 포함할 수 있지만, 이에 제한되지 않는다. 여기에서, 서비스 제공자(레스토랑 및/또는 배달 인원)에 관한 정보는 레스토랑 운영 경험, 배달 속도, 실무 경험 또는 배달 인원의 동료 평가들 등을 포함할 수 있지만, 이에 제한되지 않는다. 레스토랑 운영 경험은 개점 시간, 업무 범위, 위생 상태들, 건강 위반들, 고객 평가들 등을 포함할 수 있지만, 이에 제한되지 않는다. 여기에서, 음식에 관한 정보는 유형들, 맛들, 식품의 영양가들, 식품 안전 레벨들 등을 포함할 수 있지만, 이에 제한되지 않는다. 맛들은 "신맛", "단맛", "쓴맛", "짠맛", "짠맛이 없는" 등을 포함할 수 있다. 식품의 영양가들은 칼로리들, 탄수화물, 지방, 단백질, 미네랄들, 비타민들 등과 같은 주요 영양소들의 지수들을 포함할 수 있지만, 이에 제한되지 않는다. 식품 안전 레벨들은 유전자 조작 식품, 유기농 식품, 채소 등을 포함할 수 있다.
또 다른 예로서, 세탁 서비스에 관한 이력 서비스 정보는 서비스 제공자들에 관한 정보 및 서비스 유형들에 관한 정보를 포함할 수 있지만, 이에 제한되지 않는다. 여기에서, 서비스 제공자에 관한 정보는 서비스 제공자의 작업 정보, 고객 평가들 등을 포함할 수 있지만, 이에 제한되지 않는다. 서비스 제공자에 관한 작업 정보는 업무 시간들, 실무 경험 또는 전문적 자격을 포함할 수 있다. 여기에서, 서비스 유형의 정보는 의류를 세탁하는 방법들(예로서, 손 세탁, 드라이 클린, 기계 세탁 등), 의류를 건조시키는 방법들(예로서, 원심 탈수기, 텀블 드라이, 공기 건조 등)을 포함할 수 있지만, 이에 제한되지 않는다.
예를 들면, 식품 유형들, 맛들, 가격, 배달 속도 등에 대한 개인의 가능한 선호들은 개인의 음식 주문에 관한 이력 정보로부터 마이닝될 수 있다. 보다 특히, 예를 들면, 식품 유형들, 맛들, 가격, 배달 속도에 대한 개인의 선호들은 특정한 시간 기간에 개인의 음식 주문 기록들을 수집하고, 이력 음식 주문들의 총 수를 산출하며, 음식 주문 기록들의 각각에서 식품 유형들, 맛들, 가격 및 배달 속도에 관련된 정보의 통계 분석을 수행하는 것에 의해 획득될 수 있다. 특정한 시간 기간은 1년, 반년, 또는 1달일 수 있다.
개인들의 선호들이 명백하게 상이할 수 있지만, 몇몇 그룹 특징들이 있다. 몇몇 실시예들에서, 서비스 사용자의 가능한 선호들은 서비스 사용자의 인구학 정보, 프로파일 정보 등을 분류 및 분석함으로써 예측될 수 있다.
예를 들면, 현재 서비스 사용자의 가능한 선호들은 이력 서비스 주문들의 데이터에서 동일한 그룹의 사람들의 주류 또는 일반적 선호들에 따라 예측될 수 있다. 그룹들은 다양한 파라미터들 또는 속성들에 기초하여 분류될 수 있다. 파라미터들 또는 속성들은 개인 정보, 문화적/교육적/전문적 정보, 물리적 정보, 신념 및 정치적 성향들 등을 포함할 수 있지만, 이에 제한되지 않는다. 여기에서, 개인 정보는 나이, 성별, 국적, 고향 또는 현재 주소를 포함할 수 있다. 문화적/교육적/전문적 정보는 교육 정보, 모교, 문화권, 직업, 또는 고용인을 포함할 수 있다. 물리적 정보는 건강 상태, 체형, 혈액형, 키, 또는 체중을 포함할 수 있다. 신념 및 정치적 성향들은 종교적 신념 또는 정치적 성향들을 포함할 수 있다.
몇몇 실시예들에서, 현재 서비스 사용자의 가능한 선호들은 개인 정보에 따라 예측될 수 있다. 여기에서, 개인 정보는 나이, 성별, 국적, 또는 고향을 포함할 수 있다.
몇몇 실시예들에서, 현재 서비스 사용자의 가능한 선호들은 문화적, 교육적, 또는 전문적 정보에 따라 예측될 수 있다. 문화적/교육적/전문적 정보는 교육 정도, 정도, 출신/졸업한 고등학교, 출신/졸업한 대학교, 전공, 문화권, 직업, 산업, 전문 레벨, 고용인, 업무년도들 등을 포함할 수 있다.
몇몇 실시예들에서, 현재 서비스 사용자의 가능한 선호들은 신체 정보에 따라 예측될 수 있다. 신체 정보는 건강 상태, 키, 체중, 체형, 시력, 혈액형 등을 포함할 수 있다.
몇몇 실시예들에서, 현재 서비스 사용자의 가능한 선호들은 신념들 또는 정치적 성향들에 따라 예측될 수 있다. 신념들 또는 정치적 성향들은 종교, 종파, 종교 연도, 의무들, 정치적 지지자들, 지지하는 정치 캠프를 포함할 수 있다.
상기 정보 중 하나 이상은 현재 서비스 사용자의 가능한 선호들을 결정하거나 또는 예측하기 위해 결합될 수 있다. 예를 들면, 개인 정보 및 문화적/교육적/전문적 정보는 선호들을 정확하게 예측하기 위해 결합될 수 있다.
예를 들면, 뉴욕에서 중국 유학생들의 음식 주문들에서의 주요 음식 유형들이 이력 서비스 주문들에 관한 정보를 마이닝함으로써 쓰촨 요리 및 광둥 요리인 것으로 발견되는 몇몇 실시예들에서, 서비스 분배 시스템(100)은 수신 모듈로부터 서비스 사용자의 개인 정보를 분석한 후 서비스 사용자가 충칭(중국의 도시) 출신이며 뉴욕 시립 대학교에서 박사 과정에 있다는 결정에 응답하여 뉴욕 시에서 쓰촨 요리 및/또는 광둥 요리를 제공하는 레스토랑들에 서비스 사용자의 주문을 우선적으로 푸시할 수 있다.
서비스 제공자에 관한 정보의 마이닝
보다 특히, 예를 들면, 서비스 제공자에 관한 정보는 서비스 제공자의 위치 결정 및 이동 정보, 현재 신체/건강 상태, 현재 정신 상태, 동작 정보, 서비스 사용자에 대한 선호들 등을 포함할 수 있다.
여기에서, 위치 결정 및 이동 정보는 현재 위치, 현재 이동 상태, 이동의 현재 방향, 현재 속도, 현재 활동 상태 등을 포함할 수 있지만, 이에 제한되지 않는다. 현재 신체/건강 상태는 "배고픔", "배부름", "아픔", 혈압, 맥박, 심장 리듬, 체온, 심전도, 뇌파, 호흡률, 혈당 수준, 혈중 산소 농도 등을 포함할 수 있지만, 이에 제한되지 않는다. 동작 정보는 현재 동작 상태, 현재 서비스 유형들, 업무 시간들, 서비스 커버리지, 거주지, 고객, 또는 서비스 모드를 포함할 수 있ㅈ지만, 이에 제한되지 않는다. 서비스 사용자에 대한 선호들은 서비스 사용자의 개인 정보, 문화적/교육적/전문적 정보, 기술들 등에 대한 선호들을 포함할 수 있지만, 이에 제한되지 않는다.
바람직하게는, 서비스 제공자로부터의 정보는 서비스 제공자에 관한 실시간 정보를 포함할 수 있다. 서비스 제공자에 관한 실시간 정보는 현재 위치, 현재 이동 상태, 현재 속도, 및/또는 현재 동작 상태를 추가로 포함할 수 있다.
바람직하게는, 서비스 제공자로부터의 정보는 서비스 제공자의 현재 신체 상태를 포함할 수 있다. 서비스 제공자의 현재 신체 상태는 현재 심장 리듬, 혈압, 체온, 심전도, 뇌파, 혈당 수준, 혈중 산소 농도 등을 추가로 포함할 수 있다.
상기 정보는 다양한 스마트 디바이스들 또는 전문 측정 디바이스들에 의해 수집될 수 있다. 예를 들면, 위치 또는 이동에 관련된 정보는 위치 결정이 가능한 디바이스에 의해 수집될 수 있다. 건강 및 생리학에 관련된 정보는 다수의 센서들 또는 의료 디바이스들을 가진 스마트 착용 가능 디바이스에 의해 수집될 수 있다. 정신 상태, 현재 동작 상태, 및 서비스 사용자에 대한 선호들에 관련된 정보는 텍스트, 음성, 이미지들, 또는 다른 유형들의 형태로 정보를 스마트 디바이스로의 서비스 제공자의 입력에 의해 수집될 수 있다. 정신 상태, 현재 동작 상태, 및 서비스 사용자에 대한 선호들에 관련된 정보는 또한 이력 데이터를 분석함으로써 획득될 수 있다.
바람직하게는, 현재 위치, 현재 이동 상태 또는 현재 속도와 같은, 서비스 제공자에 관한 정보는 지오로케이션(geolocation) 정보를 제공하는 것이 가능한 위치 결정 디바이스에 의해 수집될 수 있다. 위치 결정 디바이스는 스마트폰, 태블릿 컴퓨터, 차량 GPS, 내비게이터 등을 추가로 포함할 수 있지만, 이에 제한되지 않는다. 위치 결정 디바이스는 현재 위치, 현재 이동 상태 및 현재 속도에 관한 정보를 위치 결정 기술을 사용하여 추가로 획득할 수 있다. 위치 결정 기술은 전역적 위치 결정 시스템(GPS) 기술, 전역적 내비게이션 위성 시스템(GLONASS) 기술, 베이더우(BeiDou) 내비게이션 시스템 기술, 갈릴레오 위치 결정 시스템(Galileo) 기술, 준-천정 위성 시스템(quasi-zenith satellite system; QZSS) 기술, 기지국 위치 결정 기술, Wi-Fi 위치 결정 기술, 차량에 통합된 다양한 위치 결정 및 속도 측정 시스템들 등 중 하나일 수 있다.
바람직하게는, 서비스 제공자의 신체 상태는 내장 센서들을 가진 디바이스에 의해 수집될 수 있다. 디바이스의 내장 센서들은 하나 이상의 광전 센서들, 혈압 센서들, 심전 신호 센서들, 체온 센서들, 열 유속 센서들, 펄스 파 센서들, 생체 전기 센서들, 3-차원 이동 센서들 등을 포함할 수 있지만, 이에 제한되지 않는다. 디바이스는 스마트 착용 가능 디바이스, 심전도 디바이스, 또는 뇌파 검사를 추가로 포함할 수 있지만, 이에 제한되지 않는다. 스마트 착용 가능 디바이스는 스마트 워치, 스마트 손목 밴드, 스마트 헬멧, 스마트 의류, 스마트 안경들, 또는 건강 패치를 추가로 포함할 수 있지만, 이에 제한되지 않는다.
서비스 커버리지 및 거주지(가능성 있는 지리적 위치들)의 결정
서비스 제공자의 서비스 커버리지는 서비스 제공자의 중요한 특징일 수 있다. 일반적으로, 서비스 커버리지는 서비스 제공자가 기꺼이 서비스들을 제공하는 지리적 영역을 나타낼 수 있다. 상이한 산업들에서 서비스 제공자들은 상이한 서비스 커버리지들을 가질 수 있다. 예를 들면, 택시 운전사는 특정한 도시의 주요 구역들을 그 또는 그녀의 서비스 커버리지인 것으로 여길 수 있다. 테이크-아웃 서비스들을 제공하는 음식 서비스 제공자는 단지 몇 개의 블록들에서만 배달 서비스를 제공할 수 있다. 그에 대응하여, 몇 개의 블록들은 음식 서비스 제공자의 서비스 커버리지를 구성할 수 있다.
거주지 및/또는 가능성 있는 지리적 위치는 또한 위치-관련 서비스들에 대한 중요한 특징들일 수 있다. 거주지는 사람 또는 엔티티가 빈번하게 나타나거나, 또는 장시간 동안 머물러 온 위치를 나타낼 수 있다. 예를 들면, 운전자의 거주지는 운전자의 집 주소 또는 점심 식사하는 곳일 수 있다. 음식 서비스 제공자 또는 하우스키핑 서비스 제공자를 위한 거주지는 제공자 또는 개인의 영업소일 수 있다.
서비스 제공자의 서비스 커버리지 및/또는 거주지는 이력 서비스 정보를 마이닝함으로써 획득될 수 있다. 이력 서비스 정보가 서비스에 관한 위치 정보를 포함하는 몇몇 실시예들에서, 서비스 분배 시스템(100)은 다양한 이력 서비스 정보에서의 위치 정보를 수집함으로써 서비스 제공자의 서비스 커버리지 및/또는 거주지에 관한 정보를 획득할 수 있다. 이력 서비스 정보는 수송 서비스의 출발 위치 및/또는 목적지, 음식 배달 서비스의 출발 위치 및/또는 목적지, 집 주소, 영업 사이트, 및/또는 하우스키핑 서비스 제공자의 서비스 장소 등과 같은, 서비스들에 관한 위치 정보를 포함할 수 있다.
거주지 정보를 마이닝하는 방법 및 프로세스는 다음의 실시예들에서 보다 상세히 설명될 것이다.
도 6은 본 개시의 몇몇 실시예들에 따른 서비스 제공자의 거주지 정보를 획득하기 위한 프로세스의 예를 예시한 흐름도이다.
몇몇 실시예들에서, 서비스 제공자의 거주지 정보는 서비스 제공자(30y)에 의해 제공된 정보를 포함할 수 있다. 예를 들면, 서비스 제공자의 집 주소 정보, 서비스 제공자의 직장 주소 정보, 및 서비스 제공자의 거주지 정보가 시스템에 연계된 서비스 제공자의 계정에 기록될 수 있다. 서비스 제공자의 거주지 정보는 또한 서비스 제공자의 이력 위치들을 마이닝하며 분석하는 컴퓨팅 디바이스에 의해 획득될 수 있다.
몇몇 실시예들에서, 거주지 정보의 마이닝은 서비스 제공자(30y)의 이력 위치들 및 궤적들에 기초할 수 있다. 보다 특히, 예를 들면, 거주지 정보의 마이닝은 다음의 단계들을 포함할 수 있다:
단계(S200)에서, 사전 설정된 기간 내에서 서비스 제공자(30y)의 장소 정보가 획득될 수 있다. 획득된 정보는 서비스 제공자(30y)의 정보 세트를 형성할 수 있다.
사전 설정된 기간은 1주, 1달, 분기, 반년, 1년, 또는 그보다 길거나 또는 그보다 짧은 기간일 수 있다. 특정 기간은 임의의 적절한 시간 기간일 수 있다. 일반적으로, 보다 긴 기간은 보다 정확한 산출을 야기할 수 있다. 그러나, 보다 긴 기간은 훨씬 더 큰 계산 부하 및 저장 공간을 요구할 수 있다.
단계(S210)에서, 사전 설정된 기간 내에서 서비스 제공자(30y)의 거주지는 형성된 정보 세트에 따라 산출될 수 있다.
서비스 제공자(30y)의 정보 세트는 서비스 제공자(30y)의 다양한 파라미터들에 대한 정보 세트일 수 있다. 파라미터는 서비스 제공자의 식별(ID), 보고 시간(예로서, 시간스탬프), 서비스 제공자(30y)의 위치(예로서, 경도 및 위도 좌표들), 및 선택적으로, 대응하는 위치에서의 체류 시간을 포함할 수 있지만, 이에 제한되지 않는다. 다른 파라미터들이 또한 정보 세트에 포함될 수 있다. 예를 들면, 대응하는 위치에서 서비스 제공자(30y)에 의해 수행된 활동들이 상기 세트에 포함될 수 있다.
몇몇 실시예들에서, 위치에서의 서비스 제공자(30y)의 체류 시간은 시스템에 명확하게 제공될 필요는 없다. 그러나, 시스템은 운전자에 대한 다양한 정보 기록들에 따라 체류 시간을 산출할 수 있다.
서비스 제공자(30y)의 정보 세트에 기초하여, 서비스 제공자(30y)의 거주지의 산출은 먼저 몇몇 후보 장소들을 획득하는 것을 포함할 수 있다. 그 후 후보 장소들은 최종 거주지를 획득하기 위해 분석될 수 있다.
하나 이상의 클러스터링 알고리즘들이 후보 거주지들 및 최종 거주지를 획득하기 위해 사용될 수 있다. 클러스터링 알고리즘(들)은 특정한 거리 및 특정한 시간 기간을 맞춤화할 수 있다. 그 후 특정한 거리 및 특정한 시간 기간 내에서 경도 및 위도 정보가 상기 서비스 제공자(30y)의 정보 세트에서의 경도-위도 정보 및 체류 시간에 따라 서비스 제공자의 거주 밀도 영역으로 자동으로 분류될 수 있다.
예를 들면, Dbscan 알고리즘이 서비스 제공자(30y)의 거주지를 산출하기 위해 사용될 수 있다. 그러나, 서비스 제공자(30y)의 거주지를 산출하기 위해 사용된 알고리즘들은 Dbscan 알고리즘에 제한되지 않을 수 있다는 것이 이해되어야 한다. 알고리즘들은 또한: K-평균들, K-대표값, CLARA(Clustering LARge Application), CLARANS(Clustering Large Application base upon RANdomized Search), FCM 등과 같은 분할 방법; BIRCH(Balanced Iterative Reducing And Clustering using Hierarchies), 이진-긍정 방법, 순차 데이터의 대략적 클러스터링(RCOSD) 등과 같은 계층적 방법; OPTICS(Ordering Points To Identify The Clustering Structure) 등과 같은 밀도-기반 방법; STING(Statsitical Information Grid), CLIQUE(Clustering In QUEst), 웨이브-클러스터 등과 같은 네트워크-기반 방법; 및 Cobweb, CLASSIT 등과 같은, 모델-기반 방법을 포함할 수 있다.
도 7은 본 개시의 몇몇 실시예들에 따른 수송 서비스를 위해 처리 모듈(130)에 의해 운전자의 거주지를 결정하기 위한 프로세스의 예를 예시한 흐름도이다. 단계(S300)에서, 시간 기간(T)이 미리 결정될 수 있다. 사전 설정된 시간 기간(T) 내에서 운전자의 장소 정보가 획득될 수 있다. 획득된 정보는 운전자의 정보 세트를 형성할 수 있다. 상기 운전자의 정보 세트는 하나 이상의 쌍들의 경도-위도 좌표들을 포함할 수 있다. 경도-위도 좌표들의 각각의 쌍은 운전자의 후보 거주지로서 지정될 수 있다. 후보 거주지들은 A1, A2, ..., An으로 표현될 수 있다.
몇몇 실시예들에서, 스마트 디바이스는 운전자의 위치를 획득하며 언제든 위치 데이터를 업로딩할 필요가 없다. 대신에, 획득 및 업로딩 동작들은 단지 운전자가 스마트 디바이스의 위치 결정 기능을 턴 온하거나 또는 턴 오프할 때만 수행될 수 있다. 이 경우에, 후보 거주지는 운전자의 스마트 디바이스에 의해 매일 업로딩된 제 1 및/또는 마지막 위치일 수 있다. 예를 들면, 운전자가 집을 떠날 때 운전자가 스마트 디바이스의 위치 결정을 턴 온하며 그가 되돌아올 때 그것을 턴 오프한다면, 제 1 위치 및 마지막 위치는 동일할 수 있으며, 즉 집 주소일 수 있다. 일반적으로, 두 개의 후보 거주지들은 매일 기록될 수 있다. 그러나, 몇몇 운전자들은 하루 사이에 특정한 시간 기간 동안 위치 결정 기능을 턴 오프하며 그 후 그것을 턴 온할 수 있다. 그러므로, 4개의 후보 거주지들은 낮에 기록될 수 있다. 기록된 후보 거주지들의 수는 운전자가 스마트 디바이스의 위치 결정 기능을 턴 온하거나 또는 턴 오프할 때 업로딩된 경도 및 위도 정보의 수에 기초할 수 있다. 이러한 방식으로, 산출된 거주지는 운전자가 일반적으로 집을 떠나거나 또는 되돌아올 때 스마트 디바이스의 위치 결정 기능을 턴 온하거나 또는 턴 오프하므로 보통 운전자의 집 주소일 수 있다.
몇몇 실시예들에서, 스마트 디바이스는 운전자의 위치를 획득하며 간격을 두고 위치 데이터를 업로딩할 수 있다. 간격은 사전 설정된 시간 기간 또는 랜덤한 시간 기간일 수 있다. 후보 거주지는 반드시 운전자가 위치 결정 기능을 턴 온하거나 또는 턴 오프할 때 업로딩된 경도 및 위도 정보인 것은 아닐 수 있다. 그러나, 간격을 두고 자동으로 업로딩된 임의의 장소는 후보 거주지들로서 지정될 수 있다. 그 후, 임계 값보다 큰 체류 시간을 가진 후보 거주지들은, 예약된 거주지가 운전자가 점심을 먹는 위치 또는 다른 위치들일 수 있으므로, 예약될 수 있다. 거주지를 설정하는 방법들은 임의의 적절한 방법일 수 있다.
단계(S310)에서, 특정한 후보 거주지 및 모든 다른 후보 거주지들 사이에서의 총 거리가 산출될 수 있다. 가장 긴 총 거리를 가진 후보 거주지는 생략될 수 있다. 남아있는 후보 거주지들의 수가 0.5n 미만이라는 결정에 응답하여, 단계(S330)가 수행될 수 있다. 대안적으로, 남아있는 후보 거주지들의 수가 0.5n보다 작지 않다는 결정에 응답하여, 단계(S310)가 반복될 수 있다.
단계(S330)에서, 후보 거주지들 중 임의의 두 개 사이에서의 거리는 사전 설정된 임계 값과 비교될 수 있다. 후보 거주지들 중 임의의 두 개 사이에서의 거리가 임계 값보다 크다는 결정에 응답하여, 운전자의 거주지가 없다고 결정될 수 있으며 단계(S350)가 수행될 수 있다. 대안적으로, 후보 거주지들 중 임의의 두 개 사이에서의 거리가 임계 값보다 크지 않다는 결정에 응답하여, 단계(S340)가 수행될 수 있다.
단계(S300) 내지 단계(S330)는 거주 밀도 영역을 산출하기 위한 단계들이다. 단계(S320) 및 단계(S330)는 잡음 제거의 방법으로서 고려될 수 있다. 후보 거주지 및 모든 다른 후보 거주지 사이에서의 총 거리들은 각각의 후보 거주지에 대해 산출될 수 있다. 가장 긴 총 거리를 가진 거주지는, 그것이 가능한 중심 포인트로부터 가장 멀기 때문에, 잡음 포인트로서 생략될 수 있다. 이러한 잡음 제거 방법은 운전자의 거주지에 더 가까운 포인트들을 예약하기 위해 반복적으로 수행될 수 있다. 남아있는 후보 거주지들 중 임의의 두 개 사이에서의 거리가 단지 정의된 임계 값이면, 반복이 종료될 수 있다. 임계 값은 범위가 1킬로미터에서 5킬로미터까지에 이를 수 있다. 그러므로, N(자연수)개의 후보 거주지들이 있다면, 후보 거주지들의 1/4 내지 3/4이 반복 방법에 의해 잡음 포인트로서 걸러내어질 수 있다.
도 8은 본 개시의 몇몇 실시예들에 따른 처리 모듈(130)에 의해 후보 거주지들의 잡음 제거의 예를 예시한 개략도이다. 다이어그램의 최상부에 더 가까운 포인트들은 이전에 걸러내어질 수 있다. 예를 들면, 6개의 포인트들(501, 502, 503, 504, 505 및 506)은 순차적으로 잡음 포인트들로서 생략될 수 있다.
다시 도 7로 가면, 단계(S340)에서, 거주지는 남아있는 후보 거주지들에 기초하여 산출될 수 있다.
거주지를 산출하는 방법은 후보 거주지들의 경도-위도 값들의 평균을 획득하는 것을 포함할 수 있다. 평균은 산술 평균 또는 기하 평균을 산출함으로써 산출될 수 있다.
단계(S300)에서, 후보 거주지들은 후보 거주지들에서의 체류 시간에 기초하여 구성될 수 있다.
단계(S340) 전에, 후보 거주지들은 임계 시간, 예로서 20분들을 설정함으로써 추가로 선택될 수 있다. 특정한 후보 거주지에서 운전자의 체류 시간이 20분 미만이라는 결정에 응답하여, 후보 거주지가 생략될 수 있다.
보다 특히, 예를 들면, 운전자가 임계 시간 미만으로 머무르는 후보 거주지들이 먼저 생략될 수 있다. 그 후, 남아있는 후보 거주지들은 기하 평균 방법에 의해 거주지를 산출하기 위해 사용될 수 있다.
거주지를 결정하기 위해 사용된 임계 시간은 운전자들 및 차량들에 따라 달라질 수 있다. 예를 들면, 임계 시간은 15분, 30분 또는 그 이상일 수 있다. 거주지의 적정한 결정은 다양한 인자들의 철저한 고려를 요구할 수 있다. 인자들은 운전자의 개인 정보, 차량 상태들, 시간, 위치들, 도로 상태들 등을 포함할 수 있지만, 이에 제한되지 않는다. 예를 들면, 위치에서 5분 미만의 체류 시간은 교통 혼잡에 의해 야기될 수 있다. 그러므로, 위치는 후보 거주지로서 고려되지 않을 수 있다.
거주지에 관한 정보를 획득한 후, 획득된 정보는 서비스 주문들을 분배하기 위한 의사-결정 프로세스에서 사용될 수 있다. 예를 들면, 서비스 제공자(30y)의 거주지 정보 및 서비스 주문에 관한 위치 정보가 결합되며 의사-결정 프로세스를 위해 처리 모듈(130)에 제공될 수 있다. 서비스 주문의 위치 정보가 서비스 제공자의 거주지의 부근에 있다면, 서비스 주문은 서비스 제공자(30y)로 분배될 수 있다. 이러한 방식으로, 서비스 제공자(30y)가 주문을 수행하는 것이 더 편리하다. 보다 많은 상세들이 히치하이킹의 의사-결정 프로세스에서 설명된다.
상기 실시예들은 운전자의 거주지 정보를 어떻게 획득하는지를 예시한다. 그러나, 거주지 정보가 마이닝될 수 있는 서비스 제공자는 운전자들에 제한되지 않을 수 있다는 것이 주의되어야 한다. 임의의 다른 서비스 제공자들이 또한 거주지들 또는 음식 서비스를 제공하는 회사, 배달 서비스를 제공하는 배달원, 메신저, 세탁 서비스를 제공하는 회사원 또는 회사, 하우스키핑 서비스를 제공하는 회사 등과 같은 가능성 있는 지리적 위치들을 가질 수 있다. 그에 대응하여, 그것들의 거주지 정보는 유사한 방법들 또는 프로세스들에 의한 서비스 분배 시스템(100)에 의해 획득될 수 있다.
개점 시간 및 바쁜 기간(Busy Period)의 결정
시스템은 정보 소스(400)로부터 이력 서비스 정보를 획득할 수 있다. 시스템은 이력 서비스 정보의 데이터 마이닝에 의해 서비스 제공자(30y)의 개점 시간 및 바쁜 기간에 대한 정보를 추가로 획득할 수 있다.
또는 서비스 기간으로 불리우는, 개점 시간은 서비스 제공자(30y)가 서비스를 제공하거나 또는 수행할 수 있는 시간 기간을 나타낼 수 있다. 시간 기간 내에, 서비스 제공자(30y)는 서비스 사용자(20x)의 요청에 응답하며 관련된 서비스 콘텐트를 수행할 수 있다.
바쁜 기간은 서비스 제공자(30y)에 의해 서비스 주문을 실행하는 빈도 또는 로드가 임계 값에 도달하며 다른 잠재적인 서비스 요청들이 서비스 제공자(30y)의 개점 시간 내에 응답되는 것이 거의 불가능한 시간 기간을 나타낼 수 있다. 예를 들면, 레스토랑은 7:00에서 23:00까지 운영한다. 그러나, 단지 아침 7:30 내지 9:00, 정오에 11:00 내지 13:00, 17:00 내지 18:30 및 20:00 내지 22:00와 같은 몇몇 시간 기간들만이 바쁜 기간들일 수 있다. 그에 부응하여, 4개의 시간 기간들이 레스토랑의 바쁜 기간을 구성할 수 있다.
서비스 제공자(30y)는 일반적으로 서비스 주문들을 관리하기 위한 특정 컴퓨터들 또는 서버들을 구비할 수 있다. 특정 컴퓨터 또는 서버는 이력 서비스 주문들의 데이터를 저장하기 위해 사용될 수 있다. 서비스 분배 시스템(100)은 이력 서비스 주문들의 데이터에 기초하여 다양한 방법들에 의해 특정한 서비스 제공자의 개점 시간 및 바쁜 기간에 관한 정보를 획득할 수 있다. 여기에서, 이력 서비스 주문들은 정보 소스(400)로부터 획득될 수 있다. 방법은 빅 데이터 마이닝 방법, 모델 분석 방법 등을 포함할 수 있다.
보다 특히, 예를 들면, 특정한 시간 기간 내에서 특정한 서비스 제공자에 관한 이력 서비스 주문들 정보가 수집될 수 있다. 시간 기간은 특정한 시간 간격에 따라 다수의 서브-기간들로 분할될 수 있다. 그 후, 각각의 서브-기간 내에서의 서비스 주문들의 수가 수집되며 서비스 제공자의 개점 시간 및 바쁜 기간을 결정하기 위해 비교될 수 있다.
도 9는 본 개시의 몇몇 실시예들에 따른 서비스 제공자(30y)의 바쁜 기간을 획득하기 위한 프로세스의 예를 예시한 흐름도이다.
첫 번째로, 단계(S400)에서, 서비스 분배 시스템(100)은 서비스 제공자의 사전 설정된 시간 기간(T) 내에서 모든 이력 서비스 정보를 검색할 수 있다. 정보는 N개까지의 아이템들을 카운팅하며 서비스 정보 세트를 형성할 수 있다.
단계(S410)에서, 시간 기간(T)은 m개의 서브-기간들로 분할될 수 있다. 서브-기간들은 t1, t2, ..., tm으로 기록될 수 있다.
단계(S420)에서, 각각의 서브-기간 내에서의 서비스 시간들이 카운팅될 수 있다. 카운팅 결과들은 n1, n2, ..., nm으로 기록될 수 있다.
단계(S430)에서, ni 중에서 최대치(nk)는 상이한 ni(1≤i≤m)를 비교함으로써 결정될 수 있다. 대응하는 tk가 또한 발견될 수 있다.
최종적으로, 단계(S440)에서, tk는 서비스 제공자(30y)의 바쁜 기간으로서 고려될 수 있다.
사전 설정된 시간 기간(T)은 서비스 산업의 전체 동작 상태 및 서비스 콘텐트에 따라 달라질 수 있다는 것이 주의되어야 한다. 사전 설정된 기간(T)은 1주, 월, 분기, 년 등일 수 있다. 유사하게, 분할된 서브-기간들의 길이는 30분, 1시간, 2시간, 3시간, 12시간, 하루, 1주 등일 수 있다. 일반적으로, 서브-기간의 길이는 전체 시간 기간의 길이보다 작다. 서브-기간들(t1, t2, ..., tm)은 반드시 고르게 분할되는 것은 아니다. 상이한 서브-기간들의 길이들은 동일하거나 또는 상이할 수 있다. 예를 들면, 7:00에서 9:00까지의 시간 기간은 6개의 서브-기간들로 분할될 수 있다: 7:00-7:30, 7:30-7:45, 7:45-8:00, 8:00-8:15, 8:15-8:30 및 8:30-9:00.
바람직하게는, 하루는 시간 기간(T)으로 설정될 수 있으며 30분은 수송 서비스를 위한 서브-기간의 길이로서 설정될 수 있다. 하루 내에서 30분마다 운전자의 영업 상태가 분석될 수 있으며 가장 바쁜 기간이 산출될 수 있다. 대안적으로, 한 주는 시간 기간(T)으로 설정될 수 있으며 하루가 서브-기간의 길이로서 설정될 수 있다. 1주 내에서 매일 운전자의 영업 상태가 분석될 수 있으며 가장 바쁜 날이 산출될 수 있다.
바람직하게는, 1년이 시간 기간(T)으로 설정될 수 있으며 분기가 세탁 서비스를 위한 서브-기간의 길이로서 설정될 수 있다. 1년 내에서 각각의 분기에 세탁 서비스 제공자의 영업 상태가 분석될 수 있으며 가장 바쁜 분기가 산출될 수 있다. 대안적으로, 1년은 시간 기간(T)으로 설정될 수 있으며 달이 서브-기간의 길이로서 설정될 수 있다. 1년 내에서 각 달에 세탁 서비스 제공자의 영업 상태가 분석될 수 있으며 가장 바쁜 달이 산출될 수 있다.
부가적으로 또는 대안적으로, 대부분의 서비스 주문들이 갖는 기간이 바쁜 기간으로 지정됨에도 불구하고, 표준은 고유하지 않다. 예를 들면, 서비스 주문들의 수가 최상위 3개 또는 최상위 5개에 랭크되는 서브-기간들이 바쁜 기간들로서 지정될 수 있다.
서비스 제공자에 의해 제공된 서비스의 특징들의 마이닝
일반적으로, 서비스 제공자(30y)에 의해 제공된 서비스의 유형들 또는 콘텐트의 양태에서 몇몇 특징들이 있다. 예를 들면, 수송 서비스 제공자들의 서비스 특징들은 높은 평균 속도, 차량 내에서의 공기 조절의 낮은 온도, 시간 엄수 등을 포함할 수 있지만, 이에 제한되지 않는다. 홈 배달 서비스 제공자들의 서비스 특징들은 식품 유형, 맛들(예로서, "신맛", "단맛", "쓴맛", "짠맛", "짠맛이 없는" 등), 음식물 처리 방법들, 신선도, 평균 배달 속도 또는 홈 배달 방법들을 포함할 수 있지만, 이에 제한되지 않는다. 세탁 서비스 제공자들의 특징들은 의류를 세탁하는 방법들(예로서, 손 세탁, 드라이 클린, 기계 세탁 등), 의류를 건조시키는 방법들(예로서, 원심 탈수기, 텀블 드라이, 공기 건조 등), 의류를 세탁하기 위한 평균 시간, 의류 배달 속도 등을 포함할 수 있지만, 이에 제한되지 않는다.
상기 예들은 단지 예시의 목적을 위한 것이며 본 개시에서 선호의 의미를 제한하도록 의도되지 않는다. 서비스 제공자들의 서비스 특징들에 관련된 임의의 정보는 본 개시에서 선호의 범위 내에 있다.
서비스 제공자의 서비스 특징들은 이력 서비스 정보를 처리함으로써 마이닝될 수 있다. 이와 같이, 서비스 제공자들은 보다 적절한 서비스 주문들을 추천받거나 또는 할당받을 수 있다.
서비스 제공자의 서비스 콘텐트의 특징들은 서비스 제공자에 관한 이력 서비스 정보에 기초하여 마이닝될 수 있다. 예를 들면, 음식 서비스 제공자의 주요 음식 유형들, 맛들, 음식 가격, 홈 배달 속도 등에 대한 정보가 음식 서비스 제공자에 관한 이력 홈 배달 서비스 정보에 따라 획득될 수 있다. 보다 특히, 예를 들면, 특정한 시간 기간(예로서, 1년, 6개월, 또는 1달) 내에서 홈 배달 서비스의 이력 기록들이 수집될 수 있다. 이력 홈 배달 서비스의 총 수가 산출될 수 있다. 게다가, 통계 분석이 홈 배달 서비스의 이력 기록들의 각각에 포함된 음식 유형들, 맛들, 음식 가격, 집 배달 속도 및 고객의 리뷰들에 대해 수행될 수 있다. 이와 같이, 서비스 제공자가 가장 가능성 있게 제공하는 음식 유형들, 맛들, 음식 가격 및 홈 배달 속도가 획득될 수 있다.
서비스 제공자의 활동의 획득
서비스를 제공할 때 서비스 제공자(30y)의 사용자 경험은 서비스를 즐길 때 서비스 사용자(20x)의 사용자 경험과 상이할 수 있다. 서비스 제공자(30y)의 사용자 경험은 서비스 주문들의 수, 서비스 주문을 수신하는 확률, 또는 수신된 서비스 주문들의 수에 의존할 수 있다. 비교적 나쁜 사용자 경험을 가진 서비스 제공자는 서비스 주문들을 수신하는데 어려움을 가질 수 있다. 따라서, 서비스 제공자의 수익 및 활동은 비교적 낮을 수 있다. 따라서, 이전에 비교적 나쁜 사용자 경험을 가진 서비스 제공자들은 서비스 제공자의 활동을 결정하며 비-활성 서비스 제공자들에 대한 몇몇 타깃팅되고 전략적인 조치들을 취함으로써 보유될 수 있다. 이것은 전체 서비스 분배 시스템(100)의 동작 효율을 개선하는 것이 필요할 수 있다.
서비스 제공자(30y)의 활동은 이력 서비스 정보에 기초하여 획득될 수 있다.
서비스 분배 시스템(100)은 서비스 제공자(30y)로부터 정보를 수신할 수 있다. 서비스 분배 시스템(100)은 또한 서비스 제공자(30y)에 대한 이력 정보 및 통계 정보를 수신할 수 있다. 여기에서, 이력 정보 및 통계 정보는 이력 온라인 시간, 이력 주문 잡아채기 성능, 이력 주문 수신 성능, 이력 서비스 정보 등을 포함할 수 있다.
수신된 정보에 기초하여, 서비스 분배 시스템(100)은 서비스 제공자가 시간 기간 내에서 서비스 제공자(30y)의 이력 온라인 시간 및 이력 주문 잡아채기 성능에 따라 활성인지 또는 비활성인지를 결정할 수 있다. 여기에서, 서비스 제공자(30y)는 음식을 배달하는 서비스에서 배달 인원, 수송 서비스에서 택시 또는 개인 차량의 운전자, 홈 코스메틱 서비스의 서비스에서의 홈 서버 등일 수 있다.
서비스 제공자(30y)의 이력 온라인 시간 및 이력 주문 잡아채기 성능은 서비스 제공자(30y)에 의해 설치된 서비스 애플리케이션에 의해 획득될 수 있다. 서비스 애플리케이션은 개인 스마트 단말기 상에 설치된 수송 서비스 애플리케이션, 컴퓨터상에 설치된 음식 주문 시스템, 또는 사용자 단말기 상에 설치된 다른 다양한 서비스 애플리케이션들을 포함할 수 있지만, 이에 제한되지 않는다.
몇몇 실시예들에서, 서비스 분배 시스템(100)은 서비스 제공자(30y)가 보다 짧은 온라인 시간, 보다 낮은 온라인 빈도, 서비스 요청에 대한 무 응답, 긴 응답 시간, 완료되지 않은 서비스들의 높은 빈도 등과 같은 가장 최근의 시간 기간 내에서의 성능을 갖는다는 결정에 응답하여 비-활성 서비스 제공자들의 리스트에 서비스 제공자(30y)를 부가할 수 있다.
서비스 제공자의 주문 잡아채기 확률의 추정
서비스 제공자(30y)의 서비스 기록들 및 주문 잡아채기 로그들이 서비스 제공자(30y)의 이력 데이터의 섹션으로서 서버에 저장될 수 있다. 제공된 주문들의 각각의 선택에서 서비스 제공자(30y)의 주문 잡아채기 확률은 모델들을 사용하여 정확하게 추정될 수 있다. 이들 모델들은 다수의 이력 데이터에 기초한 기계 학습 및 데이터 마이닝의 방법들에 의해 훈련될 수 있다. 서비스 제공자(30y)의 추정된 주문 잡아채기 확률은 후-처리에서 서비스 분배 시스템(100)에 의해 주문들을 할당할 때 사용될 수 있다.
서비스 분배 시스템(100)은 수신 모듈(110)로부터 현재/이력/통계 정보를 수신할 수 있다. 이력 정보 및 통계 정보는 이력 온라인 시간, 이력 주문 잡아채기 성능 및 이력 주문에 관련된 정보를 포함할 수 있다. 수신된 정보에 기초하여, 서비스 분배 시스템(100)은 특정한 시간 기간 내에서 서비스 제공자(30y)의 온라인 시간 및 주문 잡아채기 성능에 따라 제공된 주문들의 각각의 선택 시 서비스 제공자(30y)의 주문 잡아채기 확률을 결정할 수 있다. 여기에서, 서비스 제공자(30y)는 음식을 배달하는 서비스에서 배달 인원, 지역 물품들을 배달하는 서비스에서 배달 인원, 홈 코스메틱 서비스의 서비스에서 홈 서버 등일 수 있다.
주문 처리 방법은 다음의 단계들에서 구현될 수 있다: 이력 주문들과 연관된 서비스 제공자들의 이력 주문들 및 응답들의 적어도 하나의 특징을 획득하는 단계(서비스 제공자가 주문을 잡아챘는지 여부 또는 서비스 제공자들이 주문을 성공적으로 잡아챘는지); 이력 주문들과 연관된 서비스 제공자들의 응답들에 따라 적어도 하나의 특징에 가중치를 배정하는 단계; 현재 주문의 특징들에 대응하는 가중에 기초하여 현재 주문들로부터 서비스 제공자에 제공될 현재 주문을 선택하는 단계. 음식 배달 서비스와 같은 서비스 시나리오에서, 특징은 음식 배달의 거리, 배달된 음식의 가격, 배급 수수료 등을 포함할 수 있다.
몇몇 실시예들에서, 기계 학습 방법들은 제 2 분류 시 광범위하게 이용되는 로지스틱 회귀 모델(logistic regression model)일 수 있다. 몇몇 실시예들에서, 기계 학습 모델들은 서포트 벡터 기계 모델일 수 있다. 몇몇 실시예들에서, 다른 기계 학습 모델들이 테스트 결과들에 따라 사용될 수 있다.
현재 주문은 서비스 제공자에게 제공될 또는 제공되는 주문들을 나타낼 수 있다. 예를 들면, 현재 주문은 서비스 제공자들에게 제공되지 않을 수 있거나, 또는 현재 주문은 몇몇 서비스 제공자들에게 제공될 수 있지만 다른 서비스 제공자들에게 제공되지 않을 수 있다. 현재 주문은 온라인 서버로부터 획득될 수 있다. 예를 들면, 차량 서비스의 시나리오들에서, 주문들을 획득하는 방법들은 택시에 대한 요청 시 사용자로부터 전송되는 주문을 직접 수신하는 것 또는 다른 중간 조직들(예로서, 인터넷 서버 등)에 의해 재-송신되는 주문을 수신하는 것을 포함할 수 있다.
현재 주문을 획득한 후, 현재 주문과 연관된 하나 이상의 서비스 제공자들은 다수의 서비스 제공자들로부터 후보 서비스 제공자들로서 선택될 수 있다. 후보 서비스 제공자들은 현재 주문을 제공받을 수 있다. 예를 들면, 현재 주문이 발송되는 위치의 특정한 범위 내에서의 서비스 제공자들이 후보 서비스 제공자들로서 선택될 수 있다. 후보 서비스 제공자들은 또한 다른 인자들, 예로서 서비스 제공자의 운전 방향 등에 따라 선택될 수 있다. 부가적으로 또는 대안적으로, 후보 서비스 제공자들이 추가로 필터링될 수 있다.
다수의 현재 주문들이 다수의 현재 주문들을 획득한 후 단일 서비스 제공자와 연관될 수 있다는 것이 주의된다. 예를 들면, 서비스 제공자는 다수의 현재 주문들이 발송되는 위치들의 특정한 범위 내에 위치한다. 이와 같이, 상위 주문이 다수의 현재 주문들로부터 선택되며 서비스 제공자에 제공될 수 있다. 현재 주문의 특징들은 서비스 제공자 및 현재 주문이 발송되는 위치 사이에서의 거리를 포함할 수 있다. 현재 주문의 특징들은 서비스 제공자 및 승객이 택시를 기다리는 위치 사이에서의 거리를 포함할 수 있다. 현재 주문의 특징들은 현재 주문에서 요청된 목적지, 현재 주문들에서 목적지의 유형(예로서, 공항, 병원, 또는 학교), 또는 목적지의 주위에서의 도로 상태들을 포함할 수 있다. 현재 주문의 특징들은 현재 주문이 제공되어 온 시간들을 포함할 수 있다. 현재 주문 및 서비스 제공자들의 특징들은 승객이 기꺼이 지불하는 추가 요금 또는 승객이 기꺼이 기다리는 시간을 포함할 수 있다. 현재 주문 및 서비스 제공자들의 특징들은 승객들의 수를 포함할 수 있다. 현재 주문 및 서비스 제공자들의 특징들은 몇몇 큰 수화물 등이 있는지를 포함할 수 있다. 부가적으로 또는 대안적으로, 현재 주문의 특징들은 현재 주문의 콘텐트에 기초하여 직접 결정될 수 있다. 대안적으로, 현재 주문의 특징들은 서버에 의해 현재 주문의 콘텐트를 추가로 처리함으로써 간접적으로 결정될 수 있다. 현재 주문의 특징들에 대해, 현재 주문에 대응하는 가중치들이 사용될 수 있다. 예를 들면, 훈련 세션에서 현재 주문의 특징들에 할당된 가중치들이 사용될 수 있다.
수송 서비스의 유형에 대해, 수송 서비스 거리(서비스 제공자로부터 서비스 사용자의 현재 위치까지의 거리)는 서비스 주문의 특징으로서 지정될 수 있다. 상이한 거리들에서 서비스 주문들에 대한 서비스 제공자의 응답 정도를 분석하며 서비스 분배 시스템(100)을 훈련함으로써, 실시간 서비스 주문에 대한 서비스 제공자(30y)의 대응의 정도가 추정될 수 있다. 방법은: 현재 주문의 출발 위치 및 목적지 사이에서의 거리를 획득하는 단계; 이력 주문에 대한 서비스 제공자의 주문 잡아채기 확률을 획득하는 단계; 주문 잡아채기 확률에 기초하여 현재 주문을 서비스 제공자(30y)에 전송하는 단계를 포함할 수 있다. 여기에서, 이력 주문의 출발 위치 및 목적지 사이에서의 거리는 현재 주문의 출발 위치 및 목적지 사이에서의 거리에 관련될 수 있다.
이와 같이, 낮은 주문 잡아채기 확률을 가진 주문들은 서비스 제공자에게 전송되지 않는 것으로 결정될 수 있다. 다시 말해서, 서비스 제공자(30y)에 대해 값을 갖지 않거나 또는 낮은 값을 가진 주문들이 서비스 제공자에게 전송되지 않을 수 있다. 따라서, 서비스 제공자(30y)에 대해 높은 값을 가진 주문들은 서비스 제공자(30y)에게 빠르고 정확하게 전송되도록 보장될 수 있다.
상기 설명된 바와 같이, 서비스 제공자(30y)는 종래의 차량, 배, 또는 항공기를 몰 수 있다. 서비스 제공자(30y)는 또한 무인 주행에서 승객들/물품들을 운반하기 위해 사용된 수송 툴들일 수 있다.
본 개시의 몇몇 실시예들에 따르면, 현재 주문의 출발 위치 및 서비스 제공자(30y)의 위치들은 각각 처음에 획득될 수 있다. 게다가, 현재 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리가 그 후 산출될 수 있다. 여기에서, 현재 주문의 출발 위치는 주문에 관해 상기 언급된 정보로부터 획득될 수 있다. 서비스 제공자(30y)의 위치는 서비스 제공자(30y)의 디바이스에서의 위치 결정 시스템으로부터 및/또는 기지국으로부터 위치 결정 정보를 통해 결정될 수 있다. 부가적으로 또는 대안적으로, 현재 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리는 그것들 사이에서의 직선 거리, 또는 경로 정보, 도로 상태, 및 도로 관리 정보에 따라 내비게이터에 의해 산출되는 실제 주행 거리일 수 있다. 게다가, 이력 주문에 대한 서비스 제공자(30y)의 주문 잡아채기 확률이 그 후 획득될 수 있다. 여기에서, 이력 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리는 현재 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리에 관련될 수 있다. 다수의 이력 주문들이 있으며 다수의 이력 주문들의 각각의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리가 현재 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리와 연관되는 몇몇 실시예들에서, 다수의 이력 주문들의 각각에 대한 주문 잡아채기 확률 또는 이력 주문들 모두의 평균 주문 잡아채기 확률이 획득될 수 있다.
본 개시의 몇몇 실시예들에 따르면, 이력 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리 및 현재 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리의 상대성이 다음과 같이 설명될 수 있다.
이력 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리는 현재 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리와 같을 수 있다.
이 실시예에서, 이력 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리가 현재 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리와 같으므로, 이력 주문에 대한 서비스 제공자의 주문 잡아채기 확률은 현재 주문에 대한 서비스 제공자의 주문 잡아채기 확률과 대부분은 같을 수 있다. 다시 말해서, 이력 주문에 대한 서비스 제공자의 주문 잡아채기 확률이 낮다면, 현재 주문에 대한 서비스 제공자의 주문 잡아채기 확률이 또한 대부분은, 비교적 낮을 수 있다. 이와 같이, 현재 주문은 서비스 제공자(30y)에 대해 적은 값을 갖거나 또는 심지어 갖지 않을 수 있으며, 현재 주문을 전송하는 것은 높은 값을 가진 주문들을 서비스 제공자(30y)에게 전송할 때 부정적 효과를 가할 수 있다. 따라서, 서비스 제공자(30y)에 대해 높은 값을 가진 주문들은 서비스 제공자(30y)에 대해 낮은 주문 잡아채기 확률을 가진 현재 주문들을 전송하는 것을 회피하는 것을 통해 서비스 제공자(30y)에게 빠르고 정확하게 전송되도록 보장될 수 있다.
이력 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리 및 현재 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리는 동일한 거리 간격에 속할 수 있다. 거리 간격은 각각의 이력 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리에 따라 사전 설정된다. 예를 들면, 0 내지 100미터가 제 1 거리 간격으로서 지정되며 P1으로 표시되고; 100 내지 200미터가 제 2 거리 간격으로 지정되며 P2로서 표시되고; 200 내지 300미터가 제 3 거리 간격으로 지정되며 P3으로 표시된다.
이 실시예에서, 이력 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리 및 현재 주문의 출발 위치 및 서비스 제공자(30y) 사이에서의 거리가 동일한 거리 간격에 속하므로, 이력 주문에 대한 서비스 제공자의 주문 잡아채기 확률은 대부분은, 현재 주문에 대한 서비스 제공자의 주문 잡아채기 확률과 유사할 수 있다. 다시 말해서, 이력 주문에 대한 서비스 제공자의 주문 잡아채기 확률이 낮다면, 현재 주문에 대한 서비스 제공자의 주문 잡아채기 확률은 또한 대부분은, 비교적 낮을 수 있다. 이와 같이, 현재 주문은 서비스 제공자(30y)에 대해 적은 값을 갖거나 또는 심지어 갖지 않을 수 있으며, 현재 주문을 전송하는 것은 서비스 제공자(30y)에 높은 값을 가진 주문들을 전송하는데 부정적 효과를 가할 수 있다. 따라서, 서비스 제공자(30y)에 대해 높은 값을 가진 주문들은 낮은 주문 잡아채기 확률을 가진 현재 주문들을 서비스 제공자(30y)에게 전송하는 것을 회피하는 것을 통해 서비스 제공자(30y)에게 빠르고 정확하게 전송되도록 보장될 수 있다.
입력된 정보의 사전-처리
서비스 제공자(30y) 및 서비스 사용자(20x)에 관한 정보에 기초하여 서비스 정보를 할당하기 전에, 시스템으로 입력된 정보를 사전-처리하는 것이 필요하다.
일반적으로, 주문 분배 시스템(100)에서, 입력된 정보는 입력 모드들이 서비스 제공자(30y), 서비스 사용자(20x) 및 외부 세계로부터의 정보에 대해 상이할 수 있으므로 일관된 방식으로 포맷팅되는 것이 어려울 수 있다. 예를 들면, 정보 입력 모드들은 텍스트 입력, 음성 입력, 이미지 입력 등을 포함할 수 있다. 입력된 정보는 또한 입력된 정보가 불확실하거나 또는 불규칙적일 수 있으므로 인식되기에 어려울 수 있다. 예를 들면, 손 입력에서의 필기, 음성 입력에서의 사투리 또는 악센트, 또는 이미지 입력에서의 이미지 요소들이 인식되기에 어려울 수 있다. 따라서, 서비스 분배 시스템(100)의 추가 처리 시 입력된 정보에 대해 산출하는 것, 결정하는 것, 매칭시키는 것 등과 같은 처리 모듈(130)에 의한 동작들을 가능하게 하기 위해, 입력된 정보를 사전-처리하는 것이 필요할 수 있다. 사전-처리의 방법들은 특징 정보를 인식 및 추출하는 것, 정보의 포맷들을 변환하는 것 등을 포함할 수 있다.
입력된 정보의 사전-처리는 입력된 텍스트 정보를 사전-처리하는 것을 포함할 수 있다. 텍스트 정보는 일반적으로 서비스 사용자(20x)에 의해 입력된 주소 정보, 식별 정보, 주문 요청 정보 등을 포함할 수 있다. 서비스 사용자(20x)에 의해 입력된 정보를 수신한 후, 서비스 분배 시스템(100)은 입력된 정보를 인식하고, 특색을 가진 정보를 추출하며 정보의 포맷을 변환하도록 요구할 수 있다. 예를 들면, 지리적 위치 정보가 다소 중요한 몇몇 실시예들에서, 서비스 사용자(20x)에 의해 표현되거나 또는 표시된 위치는 동일한 위치에 관한 서비스 제공자(30y) 및 서비스 사용자(20x)의 표현 또는 이해의 수단이 어렵다는 사실로 인해 서비스 제공자(30y)에 의해 이해되기에 어려울 수 있다. 이와 같이, 서비스 요청은 서비스 제공자(30y)에 의해 수용되거나 또는 구현되기에 어려울 수 있다.
서비스 분배 시스템(100)은 서비스 사용자(20x) 및/또는 서비스 제공자(30y)에 의해 입력되는 주소 정보의 조각(또한 "지리적 관심 포인트" 또는 "관심 포인트"(POI)로서 불리우는)을 주문-구현 서비스 제공자(30y)(또는 주문-수용자로서 불리우는)에게 이해 가능한 POI로 적응시키거나 또는 변환시킬 수 있다. 이와 같이, 주문-수용자에게 방송된 정보가 단축될 수 있다. 알려지지 않은 장소들(예로서, 알려지지 않은 작은 거주 영역들)이 보다 명확해질 수 있다. 위치의 간결하며 간단한 설명이 제공될 수 있다. 처리 모듈(130)은 입력된 주소 정보를 사전-처리할 수 있다.
보다 특히, 예를 들면, 서비스 분배 시스템(100)은 텍스트 포맷으로의 입력된 poi(예로서, 뉴욕의 공공 도서관의 Schwarzman 맨션)를 대표적인 디스플레이 이름(예로서, 뉴욕의 공공 도서관의 메인 홀, Stephen A. Schwarzman 맨션) 및 클라우드 서버의 주소 데이터베이스에 저장되는 상세한 주소(예로서, 뉴욕, 42 스트리트/5번가)를 포함한 텍스트로 변환할 수 있다. 이와 같이, 변환된 주소 정보는 주소 적응화 모듈의 입력 정보로서 사용될 수 있다.
입력 정보의 사전-처리는 또한 입력된 음성 정보를 사전-처리하는 것을 포함할 수 있다. 음성 정보는 일반적으로 스마트 디바이스들을 통해 서비스 사용자(20x)에 의해 입력된 음성을 포함할 수 있다. 음성의 콘텐트는 서비스 요건들, 서비스 사용자(20x)의 식별 정보 등을 포함할 수 있다. 서비스 사용자(20x)의 입력된 음성 정보를 수신한 후, 처리 모듈(130)은 입력된 정보를 인식하고, 특색을 가진 정보를 추출하며 정보의 포맷을 변환하도록 요구할 수 있다. 예를 들면, 음식 배달 서비스에서, 테이크-아웃 사용자(서비스 사용자(20x))는 음성에 의해 홈 배달 시간, 홈 배달 위치 및 요리 유형에 관한 정보에 대해 레스토랑(서비스 제공자(30y))의 배달 인원에 알릴 수 있다. 그러나, 음성 정보는 톤, 악센트, 일시 중지, 말 더듬기 등과 같은 문제점들을 가질 수 있다. 문제점들은 아마도 홈 배달 인원(서비스 제공자(30y))이 음성 정보를 명확하게 또는 정확하게 듣거나 또는 이해할 수 없다는 사실을 이끌 수 있다. 처리 모듈(130)은 테이크-아웃 사용자(서비스 사용자(20x))의 음성 정보를 인식하며 특색을 가진 정보를 추출할 수 있다.
보다 특히, 예를 들면, 음성 정보에 포함된 정보는 음성 인식 디바이스들에 의해 분리되며 인식될 수 있다. 이것은 대응하는 텍스트 정보의 형태로 입력된 음성 정보를 출력하며 출력된 텍스트 정보를 사전-처리하도록 도울 수 있다. 음성 정보를 텍스트 정보로 변환하기 위한 프로세스는 일반적으로 스피치-투-텍스트(또는 STT로 축약된)로 불리운다. STT의 프로세스는 기본적으로 두 개의 부분들을 포함할 수 있다: 음성 정보의 사전-처리 및 음성 주파수의 특성 인식. 음성 인식 디바이스들은 유한 푸리에 변환, 웨이블릿 푸리에 변환, 이산 푸리에 변환, 컨볼루션, 웨이블릿 분석, 웨이브 필터링, 잡음 제거 등과 같은, 이 기술분야의 숙련자들에게 친숙한 동작들을 사용하여 음성 주파수를 사전-처리할 수 있다. 사전-처리 후, 처리 모듈(130)은 음성 주파수의 정보를 처리하며 텍스트 정보를 출력할 수 있다. 처리 방법들은 패턴 인식, 패턴 비교, 사전들에서의 발음 탐색 또는 디코딩을 포함할 수 있지만, 이에 제한되지 않는다. 최종적으로, 텍스트 정보를 출력한 후, 처리 모듈(130)은 언어 모델들, 문법 규칙들, 음성 인식의 이력 데이터 및 음성 인식의 현재 모드들과 조합하여, 문법 규칙들을 따르는 텍스트로 텍스트 정보를 조직할 수 있다.
입력된 정보의 사전-처리는 또한 입력된 이미지 정보를 사전-처리하는 것을 포함할 수 있다. 이미지 정보는 일반적으로 스마트 디바이스들을 통해 서비스 사용자(20x)에 의해 찍히거나 또는 입력된 사진들, 비디오 프레임들, 신속 응답 코드들 등을 포함할 수 있다. 이미지 정보는 서비스 요건 정보, 개인 정보, 주소 정보, 서비스 사용자(20x)의 식별 정보 등을 포함할 수 있다. 서비스 사용자(20x)에 의해 입력된 이미지 정보를 수신한 후, 처리 모듈(130)은 입력된 이미지 정보를 인식하고, 특색을 가진 정보를 추출하며 정보의 포맷을 변환하도록 요구할 수 있다. 예를 들면, 홈 세탁 서비스에서, 세탁 서비스 사용자(서비스 사용자(20x))는 의류의 사진을 찍음으로써 의류의 특정 정보에 대해 세탁-수거 인력(서비스 제공자(30y))에 통지할 수 있다. 그러나, 서비스 사용자(20x) 또는 서비스 제공자(30y)에 의해 입력된 이미지 정보는 분해능의 부족, 색 수차, 왜곡, 흔들림, 및 어둑함 등과 같은 문제점들을 가질 수 있다. 문제점들은 다른 사람이 소중한 정보를 획득할 때 어려움을 야기할 수 있다. 처리 모듈(130)은 세탁물-수거인 인력에 의해 획득된 이미지 정보를 인식하며 특색을 가진 정보를 추출할 수 있다.
일반적인 서비스 주문은 승객의 현재 위치, 운전자의 현재 위치, 승객의 목적지 등과 같은, 수송 서비스를 위한 주소 정보의 다수의 조각들을 포함할 수 있다. 그러나, 동일한 위치에 대해 서비스 제공자(30y) 및 서비스 사용자(20x)의 표현 또는 이해의 수단은 상이할 수 있다. 예를 들면, 운전자는 쇼핑 몰들, 도로명들, 및 상징이 되는 랜드마크들에 더 익숙할 수 있다. 승객은 작은 거주 영역의 이름, 맨션의 이름, 상인의 이름 등과 같은, 정밀하고 정확한 표현을 선호할 수 있다. 이것은 운전자가 승객에 의해 제공된 위치를 이해하는데 어려움을 가지며 주문을 잡아채기를 꺼려한다는 사실을 이끌 수 있다. 따라서, 운전자의 잡아채기 의사는 바로 부정적으로 영향을 받는다.
서비스 분배 시스템(100)은 서비스 사용자(20x)(예로서, 수송 서비스를 위한 요청 시 사람)에 의해 입력되는 주소 정보의 조각(또한 "지리적 관심 포인트" 또는 "관심 포인트"(POI)로서 불리우는)을 서비스 제공자(30y)(예로서, 운전자)의 이해 선호들을 만족시키는 POI로 적응시키거나 또는 변환할 수 있다. 이와 같이, 서비스 제공자에게 방송된 정보는 단축될 수 있다. 알려지지 않은 장소들(예로서, 알려지지 않은 작은 거주 영역들)이 보다 명확해질 수 있다. 위치의 간결하며 간단한 설명이 또한 제공될 수 있다.
처리 모듈(130)은 입력된 주소 정보를 사전-처리할 수 있다. 사전-처리는 단일 POI의 텍스트를 텍스트, 전시 명칭, 및 특정 주소 중 두 개의 아이템들로 변환하는 것을 포함할 수 있다. 따라서, 변환된 정보는 주소 적응화 모듈의 입력된 정보로서 사용될 수 있다.
도 10은 본 개시의 몇몇 실시예들에 따른 주소 정보를 사전-처리하기 위한 프로세스의 예를 예시한 흐름도이다.
단계(S500)에서, 디스플레이 명칭 및/또는 특정 주소를 포함한 정보가 수신될 수 있다.
단계(S510)에서, 정보가 디스플레이 명칭 및 특정 주소 양쪽 모두를 포함한 단일 텍스트인지가 결정될 수 있다. 몇몇 실시예들에서, 정보가 디스플레이 명칭 및 특정 주소 양쪽 모두를 포함한 단일 텍스트라는 결정에 응답하여, 단계(S520)가 수행될 수 있다. 대안적으로, 정보가 디스플레이 명칭 및 특정 주소 양쪽 모두를 포함한 단일 텍스트가 아니라는 결정에 응답하여, 단계(S530)가 수행될 수 있으며 디스플레이 명칭 및 특정 주소를 포함한 정보가 제공될 수 있다.
단계(S520)에서, 정보가 디스플레이 명칭 및 특정 주소로 분할될 수 있다.
단계(S530)에서, 디스플레이 명칭 및 상세한 주소를 포함한 정보가 디스플레이될 수 있다.
여기에서, 정보가 디스플레이 명칭 및 특정 주소 양쪽 모두를 포함한 단일 텍스트인지가 단계(S510)에서 사전-처리 모듈에 의해 추가로 결정될 수 있다. 몇몇 실시예들에서, POI는 POI의 디스플레이 명칭 및 특정 주소가 동일하다는 결정에 응답하여 디스플레이 명칭 및 특정 주소 양쪽 모두를 포함한 단일 텍스트인 것으로 결정될 수 있다. 대안적으로, POI는 POI의 디스플레이 명칭이 비어 있지 않으며 POI의 특정 주소가 존재하지 않는다는 결정에 응답하여 디스플레이 명칭 및 특정 주소 양쪽 모두를 포함한 단일 텍스트인 것으로 결정될 수 있다.
바람직하게는, 사전-처리 모듈은 POI의 디스플레이 명칭 및 상세한 주소를 한자("
")에 따라 두 개의 용어들의 기록들로 분할할 수 있다. 기록들은 디스플레이 명칭 및 상세한 주소를 포함할 수 있다.
몇몇 실시예들에서, 문자 전 한자("
")가 한자("")에 따라 POI를 분할한 후 "小", "一", "二", "三", "四", "五", "六", "七", "八", "九", "十", "
", "南", "西" 또는 "北"인 것으로 발견된다면, 분할 프로세스는 종료될 수 있다.
POI가 분할된 후, POI의 디스플레이 명칭의 문자 길이가 3개의 한자들보다 작다면, 분할 프로세스는 종료될 수 있다.
바람직하게는, 처리 모듈은 디스플레이 명칭 및 특정 주소를 포함함 입력 POI를 주문 수신자들의 이해 선호를 만족시키는 POI로 적응시킬 수 있다.
처리 모듈은 서비스 사용자로부터의 서비스 사용자 정보에서 주소 정보를 적응시킬 수 있다.
처리 모듈은 서비스 사용자로부터의 서비스 요청 정보에 포함된 주소 정보를 적응시킬 수 있다.
도 11은 본 개시의 몇몇 실시예들에 따라 POI의 주소 정보를 적응시키기 위한 프로세스의 예를 예시한 흐름도이다.
단계(S600)에서, 디스플레이 명칭 및/또는 상세한 주소를 포함한 POI가 수신될 수 있다.
단계(S605)에서, POI가 랜드마크 빌딩을 포함하는지가 결정될 수 있다. 몇몇 실시예들에서, POI가 랜드마크 빌딩을 포함한다는 결정에 응답하여, 주소는 비어 있을 수 있으며, 단계(S620)가 수행될 수 있다. 대안적으로, POI가 랜드마크 빌딩을 포함하지 않는다는 결정에 응답하여, 단계(S610)가 수행될 수 있다.
단계(S610)에서, POI에서의 디스플레이 명칭이 "역", "마을", "다리", "지하철", "육교", "공항" 등으로서 이러한 일반적인 장소 명칭의 키워드들을 포함하는지가 결정될 수 있다. 몇몇 실시예들에서, POI의 디스플레이 명칭이 "역", "마을", "다리", "지하철", "육교", "공항" 등으로서 이러한 일반적인 장소 명칭의 키워드들을 포함한다는 결정에 응답하여, 주소는 비어 있을 수 있으며, 단계(S620)가 수행될 수 있다. 대안적으로, POI가 "역", "마을", "다리", "지하철", "육교", "공항" 등으로서 이러한 일반적인 장소 명칭의 키워드들을 포함하지 않는다는 결정에 응답하여, 단계(S615)가 수행될 수 있다.
단계(S615)에서, POI에서의 디스플레이 명칭이 "路", "街" 또는 "道"로서 이러한 키워드들을 포함하는지 또는 디스플레이 명칭의 길이가 8개 이상의 한자들인지가 결정될 수 있다. 몇몇 실시예들에서, POI에서의 디스플레이 명칭이 "가", "거리" 또는 "드라이브"로서 이러한 키워드들을 포함하거나, 또는 디스플레이 명칭의 길이가 8개 한자보다 길다는 결정에 응답하여, 단계(S620)가 수행될 수 있다. 대안적으로, POI에서의 디스플레이 명칭이 "가", "거리" 또는 "드라이브"로서 이러한 키워드들을 포함하지 않거나, 또는 디스플레이 명칭의 길이가 8개 한자들보다 길지 않다는 결정에 응답하여, 단계(S630)가 수행될 수 있다. 여기에서, 디스플레이 명칭이 "路", "街" 또는 "道"와 같은 한자들을 포함한다면, 그것은 디스플레이 명칭이 그것의 위치를 명확하게 표현한다는 것을 표시할 수 있다, 예로서 디스플레이 명칭: 중관춘 거리, 11번. 디스플레이 명칭이 너무 길다면, 그것은 디스플레이 명칭이 그것의 위치를 명확하게 표현한다는 것을 표시할 수 있다, 예로서, 디스플레이 명칭: Sinosteel International을 가로질러, 빌딩 C, 월드 e, 중관춘;
단계(S620)에서, POI에서의 특정 주소는 비어 있을 수 있으며, 단계(S625)가 추가로 수행될 수 있다.
단계(S630)에서, 경도-위도가 반대로 분석될 수 있다. POI에서 경도-위도가 없는, 예를 들면, 승객이 경도-위도 없이 "중관춘"을 수동으로 입력할 수 있는 몇몇 실시예들에서, POI의 대응하는 경도-위도는 주소들의 경도-위도 세트로부터 POI의 디스플레이 명칭 또는 특정 주소를 통해 반대로 분석될 수 있다. 대안적으로, POI에서 경도-위도가 있는 몇몇 실시예들에서, POI를 반대로 분석하기 위한 프로세스는 생략될 수 있다. 출발 위치에서 목적지까지의 거리는 그 후 POI에서의 경도-위도에 기초하여 산출될 수 있다.
단계(S635)에서, 출발 위치의 POI의 경도-위도 및 목적지의 POI의 경도-위도 사이에서의 거리가 사전 설정된 거리(예로서, 50000 내지 60000 미터들) 이상인지. 몇몇 실시예들에서, 출발 위치의 POI의 경도-위도 및 목적지의 POI의 경도-위도 사이에서의 거리가 사전 설정된 거리 이상이라는 결정에 응답하여, POI는 처리되지 않을 수 있으며 단계(S625)가 수행될 수 있다. 대안적으로, 출발 위치의 POI의 경도-위도 및 목적지의 POI의 경도-위도 사이에서의 거리가 사전 설정된 거리보다 크지 않다는 결정에 응답하여, 단계(S640)가 수행될 수 있다. 단계(635)는 경도-위도 에러들을 방지할 목적으로 구현될 수 있다. 경도-위도가 정확하면, 단계(635)는 생략될 수 있다.
단계(S640)에서, 업무 지구 정보 또는 주소 정보가 분석될 수 있다. POI의 구역 및 거리의 대응하는 업무 지구 정보 또는 주소 정보는 업무 지구들의 경도-위도 세트로부터의 POI의 경도-위도에 의해 분석될 수 있다. 단계(S640)에서, 업무 지구에 관한 정보를 획득할지 여부가 결정될 수 있다. 몇몇 실시예들에서, 업무 지구에 관한 정보가 획득될 것이라는 결정에 응답하여, 주소는 업무 지구(또는 "주소=업무 지구"로서 불리우는)로서 설정될 수 있으며 단계(S645)가 수행될 수 있다. 대안적으로, 업무 지구에 관한 정보가 획득되지 않았다는 결정에 응답하여, 단계(S650)가 수행될 수 있다.
단계(S645)에서, 특정 주소가 업무 지구로서 설정될 수 있으며 단계(S625)가 수행될 수 있어서, 디스플레이 명칭 및 특정 주소를 출력한다.
단계(S650)에서, 구역 및 거리에 관한 정보를 획득할지 여부가 결정될 수 있다. 몇몇 실시예들에서, 구역 및 거리에 관한 정보가 획득될 것이라는 결정에 응답하여, 주소는 "구역 더하기 거리", 예로서 "Chaoyang 구역, Middle Yanjingli 도로"의 형태로서 설정될 수 있으며, 단계(S655)가 수행될 수 있다. 대안적으로, 구역 및 거리에 관한 정보가 획득되지 않을 것이라는 결정에 응답하여, 단계(S625)가 수행될 수 있으며, 디스플레이 명칭 및 상세한 주소가 출력될 수 있다.
단계(S625)는 단계(S655) 후 수행될 수 있다.
단계(S625)에서, 디스플레이 명칭 및 상세한 주소를 포함한 POI가 출력될 수 있다.
단계(S605)에서 랜드마크 빌딩이 POI에 포함되는지를 결정하는 구체적인 방법이 다음에 예시된다.
랜드마크 빌딩들의 정보 세트가 설정될 수 있다. 랜드마크 빌딩들의 정보 세트의 기록들은: 일련번호, 주소 정보 또는 조회수들(hits)을 포함할 수 있다. 정보 세트는 각 주소 정보에 대한 승객들에 의한 조회수들을 수집하는데 이용될 수 있다.
임계 조회수들 Tclick이 설정될 수 있다. 임계값은 각 도시의 실제 상황들에 따라 다를 수 있다.
POI에 대한 조회수들은 랜드마크 빌딩들의 정보 세트로부터 POI의 표시명 또는 특정 주소를 통해 검색될 수 있다. 조회수들이 Tclick 보다 많은 일부 실시예들에서, POI는 랜드마크 빌딩으로 결정될 수 있다.
경도-위도 주소 세트의 기록들은: 일련번호, 주소 정보 또는 경도-위도를 포함할 수 있다.
경도-위도 사업 지구 세트의 기록들은: 일련번호, 사업 지구명 및/또는 지구/도로 정보 또는 경도-위도를 포함할 수 있다.
바람직하게, 처리 모듈은 POI에서 상기 "주소(address)"를 더 단축시키도록 구성될 수 있다. 접두사 및 접미사는 주문 수신자들의 이해에 영향을 주지 않고 생략될 수 있다. 예를 들어, 도시명의 접두사, 거리 번호의 접미사 등이 삭제될 수 있다.
도 12는 본 개시내용의 일부 실시예들에 따른 주소 정보를 축약하는 프로세스의 일례를 나타내는 흐름도이다.
단계(S700)에서, 표시명과 상세 주소를 포함하는 POI가 입력될 수 있다.
단계(S710)에서, POI 내의 상세 주소의 접두사가 도시인지가 결정될 수 있다. 일부 실시예들에서, POI 내의 특정 주소의 접두사가 도시라는 결정에 응답하여, 단계(S720)가 수행될 수 있다. 대안적으로, POI 내의 특정 주소의 접두사가 도시가 아니라는 결정에 응답하여, 단계(S730)가 수행될 수 있다.
단계(S720)에서, 베이징, "푸젠성 장저우"와 같은 특정 주소의 접두사가 생략될 수 있다. 현재 주문들의 분배는 단일 도시로 제한될 수 있기 때문에, 특정 주소의 접두사에 있는 도시에 관한 정보는 중복될 수 있다.
단계(S730)에서, POI 내의 특정 주소의 접미사가 집 번호인지의 여부가 결정된다. 일부 실시예들에서, POI 내의 특정 주소의 접미사가 집 번호라는 결정에 응답하여, 단계(S740)가 수행될 수 있다. 대안적으로, POI 내의 특정 주소의 접미사가 집 번호가 아니라는 결정에 응답하여, 단계(S750)가 수행될 수 있다.
단계(S740)에서, 특정 주소의 끝(또는 대응하는 영어 표현의 상세 주소의 시작)에 있는 집 번호는 생략될 수 있다. 예를 들어, "중관춘 스트리트 11번"이 "중관춘 스트리트"로 변경될 수 있다. 주문 수취인들은 목적지의 대략적인 위치에 기초하여 주문을 수락할지의 여부를 결정할 수 있기 때문에, 특정 주소는 나중에 제공될 수 있다.
단계(S750)에서, 표시명 및 특정 주소 모두를 포함하는 POI가 출력될 수 있다.
응용 시나리오들
예를 들어 POI의 주소는 "베이징 하이뎬 지방 중관춘 스트리트 15번 신중관 쇼핑 센터 1 층 지하"이고, POI의 표시명은 "Jyb 인터내셔널 스튜디오들"이다. POI가 너무 길어서 방송하는데 약 10초가 걸릴 수 있다. 이것은 운전자의 시간을 낭비할 뿐만 아니라, 중복 정보가 운전자에게 쓸모없을 수도 있다.
주소 수정 모듈 및 주소 축약 모듈에 의한 결정 후에, POI가 수정되고 축약되는 것으로 결정될 수 있다. 주소 수정 모듈은 POI, "중관춘"에서 사업 구역에 관한 가장 유용한 정보를 추출할 수 있다. 주소 축약 표시 모듈은 "베이징," "15번" 및 "1층 지하"와 같은 일부 쓸모없는 정보를 인식할 수 있다. 목적지의 POI는 "주소=중관춘" 및 "표시명=Jyb 인터내셔널 스튜디오들"에 적응될 수 있다.
응용 시나리오들
예를 들면, POI의 주소에는 내용이 없고, 목적지의 POI의 표시명은 "골든 필드 빌딩"이다. 목적지의 POI는 주소 정보 없이 매우 짧으며, 랜드마크가 아니고 소수의 운전자만 알고 있는 빌딩명만 있다. 이로 인해 운전자들은 목적지의 방향을 결정할 수 없으며, 주문을 획득하기 위한 의지에 부정적인 영향을 미친다.
주소 수정 모듈에 의한 결정 후에, POI의 특정 주소는 수정되도록 결정될 수 있다. 주소 수정 모듈은 빌딩이 하이뎬 지방 애닝 로드 근처에 있음을 검색할 수 있다. 따라서 목적지의 POI는 "주소=애닝 로드" 및 "표시명=골든 필드 빌딩"에 적응될 수 있다.
주문이 할당되기 전에 서비스 사용자들/서비스 제공자들에 의해 입력된 이력 데이터 및 정보에 기초하여 처리 모듈에 의한 주문의 전처리 및 계산이 상술되어 있다. 이력 데이터에 따르면, 서비스 사용자들/서비스 제공자들의 선호도, 서비스 커버리지, 거주지, 영업 시간, 바쁜 기간 등과 같은 정보가 획득될 수 있다. 주문 분배 시스템(100)은 정보를 특정 기준과 조합하고, 상이한 서비스 주문들에 대해 상이한 서비스 제공자들을 할당하여, 높은 효율성 및 고-타깃화된 서비스 분배를 달성할 수 있다.
서비스 주문들의 경매
현재 서비스 시스템들에는 두 가지 문제점이 있다. 1. 현재 서비스 제공자들은 주문들을 잡아채기(snatch)하여 주문들을 획득한다. 양호한 네트워크 상태의 스마트 장치와 고속 잡아채기 속도를 가진 서비스 제공자는 주문을 우선적으로 획득할 수 있다. 그러나 주문을 잡아채기한 서비스 제공자는 서비스 사용자와 거리가 멀거나 불량 서비스를 제공할 수 있지만 서비스 품질이 높은 서비스 제공자는 단지 더 느린 잡아채기 속도로 인해 주문을 획득할 수 없다. 이로 인해 서비스 사용자는 서비스 품질이 더 높은 서비스 제공자에 의해 서비스받을 수 없게 될 수 있다. 예를 들어, 환자가 주문을 시작한 홈 의료 서비스 시나리오에서, 질이 좋지 않거나 나쁜 평가를 받은 일부 의료 기관들 또는 개인들에 의해 주문이 잡아채기될 수 있다. 2. 주문 잡아채기 모드 하에서, 네트워크 액세스 속도, 하드웨어 성능 등과 관련한 일부 부정한 도구들이 양성되어 플랫폼에서 경쟁의 공정성을 훼손할 수 있다.
실시예는 경매 모드에 기초하여 서비스 품질이 더 높은 서비스 제공자들을 획득하도록 구성된 서비스 분배 시스템으로 간주될 수 있다. 시스템의 동작은 순위 매김 단계와 경매 단계의 두 단계를 포함할 수 있다.
상기 순위 매김 단계는 서비스 제공자 세트를 필터링하고 주문의 특성 지수, 서비스 제공자들과 관련된 정보 등과 같은 요인들에 따라 세트 내에서 서비스 제공자들을 순위 매김하도록 구성될 수 있다.
상기 경매 단계는 결정 모듈에 의해 필터링되고 순위 매김된 세트 내의 서비스 제공자들 사이에서 주문을 경매하도록 구성될 수 있다.
바람직하게, 주문의 특성 지수, 처리 모듈에 의한 n개의 서비스 제공자들(D1, D2, ...Dn) 등과 관련된 정보에 따라 주문이 계산된 후, 서비스 제공자들의 순위 매김이 결정될 수 있고, D1>D2...>Dn (Dx는 서비스 제공자들 중 하나)이다.
처리 모듈은 주문에 대한 임계 경매 시간 T를 지정할 수 있다. 또한, 처리 모듈은 서비스 제공자 Dx와 다를 수 있는 각각의 서비스 제공자 Dx에 대한 경매 시간 tx를 지정할 수 있다.
도 13에 도시된 바와 같이, 경매에 의한 주문 획득은 다음 단계들을 포함할 수 있다.
단계(S800)에서, 운전자 Dx는 주문 잡아채기을 개시할 수 있다.
단계(S810)에서, 전체 시퀀스 D1>D2...>Dn에서 운전자 Dx의 랭크가 획득될 수 있다.
단계(S820)에서, 경매 시간 tx은 다음 방정식에 따라 계산될 수 있다.
단계(S830)에서, Tx가 0인지가 결정될 수 있다. 일부 실시예들에서, Tx가 0이라는 결정에 응답하여, 단계(S840)가 수행될 수 있고, 경매는 운전자 Dx가 주문을 잡아채기하는 데 성공했다고 통보되고 다른 운전자들에게 경매가 실패되었다고 통보된 후에 체결될 수 있다. 대안적으로, Tx가 0이 아니라는 결정에 응답하여, 단계(S850)가 수행될 수 있다.
단계(S850)에서, 운전자 Dx보다 순위들이 낮은 운전자들 Dx+1 내지 Dn에게 경매 실패 및 대응하는 실패 원인들이 통보될 수 있다. 한편, 운전자 Dx보다 순위들이 높은 운전자들 D1 내지 Dx-1에게 경매 참여를 계속하고 경매 시간은 Tx라는 것이 통보될 수 있다. 운전자 Dx보다 순위들이 높은 하나 이상의 운전자들이 주문 경매에 참여하는 경우, 단계(S800)가 재수행될 수 있고 전체 프로세스가 반복적으로 수행될 수 있다.
상기한 기술적 해결책은 다음과 같은 기술적 결과들을 달성할 수 있다:
1. 운전자의 손의 속도에 의존하는 주문 잡아채기 모드는 주문의 추가 경매로 최적의 결과를 획득하는 모드로 업그레이드된다. 이와 같이, 주문은 서비스 품질이 최고인 운전자에게 할당될 수 있다. 이 모드는 승객의 대기 시간을 단축하고 승객에게 최상의 서비스를 제공할 수 있다.
2. 이 모드는 운전자들 사이의 경쟁을 더 공정하게 할 수 있다. 그리고 이 모드는 플랫폼의 더 많은 요구 사항들을 충족시키고 주문들을 잡아채기하는데 있어서 운전자들의 활동을 향상시키도록 운전자들의 노력을 자극할 수 있다. 따라서 전체 플랫폼의 서비스 품질이 향상될 수 있다.
응용 시나리오들
Beijing의 한 승객은 러시아워에서 차량-호출 앱(car-hailing app)을 사용하여 Xizhimen에서 Sanlitun까지 택시를 예약한다. 승객에 관해 획득된 정보는 다음 표에 도시된다:
다수의 운전자들에 관해 수집된 정보는 다음 표에 도시된다:
운전자들과 승객들 사이의 거리들이 계산된다. 위의 표는 다음 표로 변환된다:
운전자들은 세 가지 옵션들, 즉 운전자와 승객 사이의 거리, 운전자의 서비스 품질 및 운전자의 등급 중 하나에 대해 가중치로서, 다른 두 가지에 대해 후보 가중치들로서 순위 매김될 수 있다.
가중치는 상대적인 특성이며 각 지수에 할당된다. 지수의 가중치는 전체 평가에서 지수의 중요도를 나타낸다.
운전자와 승객 사이의 거리의 가중 계수가 1인 일부 실시예들에서, 운전자의 서비스 품질 및 운전자의 등급의 가중 계수는 0일 수 있다. 운전자의 서비스 품질의 가중 계수가 1인 일부 실시예들에서, 운전자와 승객 사이의 거리 및 운전자의 등급의 가중 계수는 0일 수 있다. 운전자의 등급의 가중 계수가 1인 일부 실시예들에서, 운전자와 승객 사이의 거리 및 운전자의 서비스 품질의 가중 계수는 0일 수 있다.
운전자의 서비스 품질은 승객들의 이력적 리뷰들(historical reviews)로부터 직접 획득될 수 있다(승객은 각 서비스 후 운전자에게 스코어를 제공할 수 있다).
운전자의 등급은 운전자가 수락한 주문들의 수에 의해 평가된다. 예를 들어, 운전자가 수락한 주문들의 수가 100 미만이면, 운전자의 등급은 D로 평가될 수 있다. 운전자가 수락한 주문들의 수가 100 이상 200 미만이면, 운전자의 등급은 C로 평가될 수 있다. 운전자가 수락한 주문들의 수가 200 이상 300 미만이면, 운전자의 등급은 B로 평가될 수 있다. 운전자가 수락한 주문들의 수가 300 이상이면, 운전자의 등급은 A로 평가될 수 있다.
일 실시예에서, 운전자들은, 운전자와 승객 사이의 거리가 우선 옵션으로 고려되고 운전자의 서비스 품질이 제 2 옵션으로 고려되며 운전자의 등급이 제 3 옵션으로 고려되는 순서에 따라 순위 매김된다. 해당 순위가 다음 표에 도시된다:
일 실시예에서, 운전자들은, 운전자와 승객 사이의 거리가 우선 옵션으로 고려되고 운전자의 등급이 제 2 옵션으로 고려되며 운전자의 서비스 품질이 제 3 옵션으로 고려되는 순서에 따라 순위 매김된다. 대응하는 순위가 다음 표에 도시된다:
일 실시예에서, 운전자들은, 운전자의 서비스 품질이 우선 옵션으로 고려되고 운전자와 승객 사이의 거리가 제 2 옵션으로 고려되고 운전자의 등급이 제 3 옵션으로 고려되는 순서에 따라 순위 매김된다. 대응하는 순위가 다음 표에 도시된다:
일 실시예에서, 운전자들은, 운전자의 서비스 품질이 우선 옵션으로 고려되고 운전자의 등급이 제 2 옵션으로 고려되고 운전자와 승객 사이의 거리가 제 3 옵션으로 고려되는 순서에 따라 순위 매김된다. 대응하는 순위가 다음 표에 도시된다:
일부 실시예들에서, 운전자의 등급은 우선 옵션으로 고려될 수 있고, 운전자의 서비스 품질 및 운전자와 승객 사이의 거리 중 하나는 제 2 옵션으로 고려될 수 있고, 다른 하나는 제 3 옵션으로 고려될 수 있다. 여기에서, 순위 매김의 구체적인 방법은 기술되지 않을 것이다.
승객의 관점에서 볼 때, 승객과 더 가까운 운전자는 더 높은 서비스 품질로 간주될 수 있다. 예를 들어, 승객과 100미터 떨어진 운전자는 일반적으로 승객과 1킬로미터 떨어진 운전자보다 주문을 수락하는데 우위에 있다.
운전자의 등급 또한 고려될 수 있다. 이력 서비스들에서 서비스 품질이 더 높은 운전자가 승객에게 더 매력적일 수 있다. 유사하게, 신용이 좋은 운전자가 거래를 더 쉽게할 수 있다.
또한, 주행 경로를 따른 도로 상태가 고려될 수 있다. 예를 들어, 혼잡한 지역의 운전자와 막힘없는 지역의 운전자는 승객의 우위가 다를 수 있다.
경매 시간과 운전자들의 순위 사이에 부정적인 상관 관계가 있다. 운전자들의 순위가 D1>D2>...>Dn 인 일부 실시예에서, 운전자 Dn이 주문을 잡아채기하고 있다는 결정에 응답하여, 경매 시간은 증가될 수 있고, 운전자 Dn보다 랭킹이 높은 운전자들은 남은 시간에 주문을 잡아채기할 수 있다. 대안적으로, 운전자 D1이 주문을 잡아채기하고 있다는 결정에 응답하여, 경매 시간은 단축될 수 있고, 현재 경매를 기다리는 운전자들은 현재 경매가 끝난 후에 주문의 다음 경매에 참석하기 위해 방출될 수 있다.
예를 들어, 경매를 위해 10명의 운전자들에 주문이 분배될 수 있다. 경매 시간이 0초 내지 7초의 범위, [0, 7]인 일부 실시예들에서, 경매 시간은 10개의 세그먼트들로 분할될 수 있다. 경매 시간은 톱1 운전자가 주문을 잡아채기한 후, 0이 될 수 있다. 경매 시간은 톱2 운전자가 주문을 잡아채기한 후, 0.7초가 될 수 있다. 이와 같이, 경매 시간은 톱10 운전자가 주문을 잡아채기한 후, 6.3 초가될 수 있다.
응용 시나리오들
예를 들어, 주문들이 푸시된 운전자들은 주문 분배 동안 기록될 수 있다. 승객과 운전자가 서로 주고받는 스코어들은 스코어링 모듈에 기록될 수 있다. 주문이 10명의 운전자들에게 푸시되고, 운전자들이 운전자 D1, 운전자 D2, ..., 운전자 D10의 우위에 따라 순위 매김되는 일부 실시예들에서, 경매 프로세스는 다음에서 기술될 수 있다.
1) 운전자 D1이 먼저 주문을 잡아채기한다고 가정
운전자가 최적의 운전자이기 때문에, 경매는 직접 체결될 수 있다. 한편, 다른 운전자들에게, 경매가 체결되었고 매칭 정도가 가장 높은 운전자 D1에 의해 주문이 획득되었다고 통보될 수 있다. 또한, 승객은 운전자 D1이 성공적으로 주문을 잡아채기했다는 보고를 받을 수도 있다.
2) 운전자 D5가 주문을 먼저 잡아채기한다고 가정
A. 운전자들 D6 내지 D10에 대해, 운전자 D5를 이길 수 없어 주문을 획득할 수 없으므로 주문 경매가 체결된 것으로 간주될 수 있다. 이와 같이, 운전자 D5에 의해 주문이 획득될 수 있고, 승객은 주문이 잡아채기되었다는 보고를 수신할 수 있다. 그러나, 주문을 최종적으로 획득할 수 있는 운전자는 아직 보류 중이다.
B. 운전자들 D1 내지 D4에 대해, 주문을 잡아채기하면 주문을 차지할 수 있으므로 시간 기간 내에 주문을 잡아채기하기 위한 기회가 있을 수 있다.
C. 운전자 D2가 시간 기간 내에 주문을 잡아채기하는 일부 실시예들에서, 주문은 운전자들 D3 내지 D5에 대해 체결된 것으로 간주될 수 있다. 이와 같이, 주문은 운전자 D2에 의해 획득될 수 있다. 그러나, 운전자 D1는 주문을 계속 잡아채기할 수 있다.
D. 운전자 D2가 주문을 잡아채기한 후에 운전자 D1가 주문을 잡아채기하지 않은 일부 실시예들에서는, 주문의 경매가 종결될 수 있고, 승객은 운전자 D2가 주문을 성공적으로 잡아채기했다는 보고를 수신할 수 있다.
E. 운전자 D1가 시간 기간 내에 주문을 잡아채기하는 일부 실시예에서, 주문의 경매는 직접 체결될 수 있고, 승객은 운전자 D1가 주문을 성공적으로 잡아채기했다는 보고를 수신할 수 있다.
서비스 주문의 스코어들의 배정
처리 모듈(130)은 주문의 가치의 결정에 기초하여 서비스 주문에 대한 적절한 스코어를 배정할 수 있다. 처리 모듈(130)은 주문의 경매에 스코어를 줄 수 있으며, 이것은 주문 잡아채기에서 서비스 제공자의 성공률에 영향을 미칠 수 있고 일부 상황들에서는 운전자에게 인기가 없는 일부 서비스 주문들을 착수하거나 수행하도록 서비스 제공자를 북돋을 수 있다. 일반적인 원칙은 다음과 같다: 서비스 요청이 여러 서비스 제공자들에 의해 수락되는데 어려움이 있는 경우, 서비스 요청에 상대적으로 높은 스코어가 할당될 수 있고; 서비스 요청이 여러 서비스 제공자들에 의해 을 수락되면, 서비스 요청에 상대적으로 낮은 스코어가 할당될 수 있다.
상기 목적을 달성하기 위해, 본 개시내용의 일부 실시예들에서의 기술적 해결책은 주문의 가치 결정에 기초하여 주문들의 거래를 부양할 수 있는 서비스 주문 스코어링 시스템을 사용하는 것이다. 시스템 동작은 두 가지 단계가 포함할 수 있다: 주문에 대한 스코어 배정 및 비정상적인 이벤트 처리. 여기에서, 주문에 대한 스코어를 배정하는 단계는 이력 데이터에 따라 주문의 가치를 결정하고 대응하는 스코어를 주문에 배정하는 것을 의미할 수 있다. 비정상적인 이벤트들을 처리하는 단계는 서비스 제공자에 의해 주문이 잡아채기된 후 서비스 제공자 및 서비스 사용자의 행동들 및 좌표 궤적들에 기초하여 배정된 스코어를 평가하는 것을 의미할 수 있다.
이력 데이터는 주문 세트에서 획득될 수 있다. 주문 세트는 주문이 시작된 시간, 및 서비스 제공자와 서비스 사용자 사이의 거리를 포함할 수 있다.
주문에 대한 스코어를 배정하는 것은 운송 서비스에 대한 다음 단계들을 포함할 수 있다.
단계 1: 시간 기간 T가 미리 설정될 수 있다. 다수의 시간 지점들, T1, T2, ..., Tn은 시간 기간 T 내에 설정될 수 있으며, 시간 기간을 0 내지 T1, T1 내지 T2, ..., Tn-1 내지 Tn의 다수의 시간 간격들로 분할한다.
단계 2: 각각의 시간 간격마다 다수의 주문 잡아채기 확률들이 배정될 수 있다.
단계 3: 각각의 시간 간격에서 상이한 주문 잡아채기 확률들에 따라 스코어의 상응하는 값이 상이한 주문들에 배정될 수 있다. 주문 잡아채기 확률들은 미리-계산된 확률 세트로부터 획득될 수 있다.
단계 4: 시간 기간 T = 180초가 미리 설정될 수 있다. 5개의 시간 지점들, 30초, 60초, 90초, 120초 및 150초가 시간 기간 내에 설정될 수 있어, 시간 기간을 6개의 시간 간격들, 0초 내지 30초, 30초 내지 60초, 60초 내지 90초, 90초 내지 120초, 120초 내지 150초, 및 150초 내지 180초로 분할한다.
단계 5: 다수의 주문 잡아채기 확률들이 각각의 시간 간격마다 배정될 수 있다.
단계 6: 각각의 시간 간격에서 상이한 주문 잡아채기 확률들에 따라 스코어의 상응하는 값이 다른 주문들에 배정될 수 있다.
상기 설명은 단지 예시적인 것이고 본 발명의 범위를 제한하려는 것이 아니라는 것을 알아야 한다. 시간 기간의 길이, 시간 간격의 길이 및 시간 간격들의 수와 같은 세부 사항들은 운송 서비스 조건들에 따라 다를 수 있음이 이해될 수 있다.
바람직하게, 시간 간격은 또한 주문의 라이프 사이클에서 특정 시간 기간을 나타낼 수 있다.
바람직하게, 스코어 배정 모듈은 또한 높은 값을 갖는 주문에 대해 네거티브 스코어를 낮은 값을 갖는 주문에 대해 포지티브 스코어를 할당하는 것을 의미할 수 있다. 여기서, 주문의 값은 처리 모듈(130)에 의해 결정될 수 있다.
바람직하게, 주문 세트는 차량-호출 승객(car-calling passenger)의 정보 세트로부터 획득될 수 있다. 또한, 차량 호출 승객의 정보 세트는 적어도 주문이 시작된 시간, 주문의 주행 거리 및 승객의 위치를 포함할 수 있다.
비정상적인 사건 처리는 다음 단계들을 포함할 수 있다.
단계 1: 운전자와 승객의 지리적 위치들의 궤적들은 운전자가 성공적으로 주문을 획득한 후에 수집될 수 있다.
단계 2: 운전자가 서비스 앱을 사용하여 승객이 픽업되었음을 확인하는 일부 실시예들에서, 서비스 제공자가 승객을 픽업하였는지는 운전자 및 승객의 현재 지리적 위치들에 따라 결정될 수 있다. 서비스 제공자가 승객을 픽업했다는 결정에 응답하여, 운전자 및 승객의 지리적 위치들의 궤적들이 더 기록될 수 있다.
단계 3: 승객이 목적지에 도착했음을 확인하거나 서비스 앱을 사용하여 지불을 완료한 일부 실시예들에서, 운전자가 목적지로 승객을 보냈는지는 승객의 현재 지리적 위치에 따라 결정될 수 있다. 일부 실시예들에서, 승객의 좌표가 목적지에 위치한다는 결정에 응답하여, 스코어가 운전자에게 할당될 수 있다. 대안적으로, 승객의 좌표가 목적지에 있지 않다는 결정에 응답하여, 그 주문은 부정 행위 주문으로 간주될 수 있고, 운전자의 스코어는 감점될 수 있다.
도 14는 본 개시내용의 일부 실시예들에 따라 운송 서비스에서의 스코어링 프로세스의 예를 도시하는 흐름도이다.
단계(S900)에서, 주문에 관한 정보가 획득될 수 있다. 주문과 관련된 정보는 출발 위치 정보, 목적지 정보 및 운송 서비스 요청이 시작된 시간을 포함할 수 있다. 이 정보는 운전자(서비스 제공자)에 대한 요구 사항들, 예를 들어 차량 유형들(차량, SUV 또는 지프와 같은 차량 모델들; 전기 엔진 또는 내연 기관과 같은 엔진 유형들; 연료 소비; 마력; 브랜드, 등)을 추가로 포함할 수 있다. 이 정보는 또한 비행기를 위해 공항으로 향하거나 병원에 가는 등의 운송 서비스 요청을 시작하는 이유들 또는 팁 정보도 포함할 수 있다.
단계(S910)에서, 주문의 스코어가 계산될 수 있는데, 이는 주문에 관한 정보에 따라 주문의 대응 스코어를 계산하는 것을 의미할 수 있다. 스코어는 주문의 출발지와 목적지, 출발 위치와 목적지 사이의 경로 길이 및/또는 거리, 차량 유형, 팁 금액, 요청한 운송 서비스의 긴급도 또는 이유들과 같은 다양한 매개 변수들에 의해 영향을 받을 수 있다.
단계(S920)에서, 주문의 서비스 내용을 획득하여 수행한 운전자에 관한 정보가 수신될 수 있다. 서비스 내용이 수행된 것으로 확인된 후, 연령, 성별, 범죄 기록들, 신용 기록들, 근무 년수들과 같은 운전자 정보는 시스템에 의해 획득될 수 있다. 시스템은 클라우드의 기록들에서 정보를 검색할 수 있다.
단계(S930)에서, 비정상적인 이벤트가 발생했는지가 결정될 수 있다. 일부 실시예들에서, 비정상적인 이벤트가 없다는 결정에 응답하여, 단계(S940)가 수행될 수 있고, 주문의 계산된 스코어는 주문의 완료로 인해 배정될 수 있다. 대안적으로, 비정상적인 이벤트가 있다는 결정에 응답하여, 단계(S950)가 수행될 수 있고, 주문이 완료되지 않았기 때문에 계산된 주문 스코어가 운전자에게 배정되지 않을 수 있다. 여기서, 비정상적인 사건은 다양한 이유들로 인해 운송 서비스가 완료되지 않았음을 의미할 수 있다. 예를 들어, 운전자는 승객을 악의적으로 유도하여 주문이 완료되었다고 확인할 수 있거나, 운전자는 승객을 속이려고 속임수를 쓸 수 있는 등이다. 비정상적인 이벤트는 차량과 승객의 위치들을 통해 결정될 수 있다. 위치들은 차량에 설치된 위치 결정 장치 및 승객의 스마트 장치 내의 위치 결정 모듈에 의해 제공될 수 있다.
일부 실시예에서는 운송 서비스가 스코어링 동작을 예시하기 위한 예로서 취해졌지만, 이는 단지 예시일 뿐이다. 음식 배달 서비스, 세탁 서비스 및 상품 배달 서비스와 같은 다른 유형의 서비스는 서비스에 스코어들을 할당하기 위해 유사한 스코어링 동작들을 따를 수 있음을 이해할 수 있다. 특히, 예를 들어, 서비스 제공자가 요청된 서비스의 내용을 수행하고 완료한 후에 스코어가 서비스 제공자에게 배정될 수 있거나, 서비스 제공자의 일부 비정상적인 이벤트들이 발견된 후에 스코어가 감점될 수 있다.
결정 프로세스는 다음에서 일부 실시예들을 상이한 결정 표준들 및 대응하는 기준들과 조합하여 예시될 것이다.
히치하이킹 주문 결정
운송 서비스 주문들을 분배하는데 사용되는 현재 주문 분배 시스템은 일반적으로 모든 택시에 운송 서비스 주문을 푸시하고 택시 운전자들은 주문을 잡아채기해야 한다. 이 시스템은 각 택시 운전자의 개별적인 요구 사항을 고려하지 않는다. 예를 들어, 운전자는, 드라이브-인 또는 드라이브-아웃 시간에 따르고 운전자가 드라이브-인하거나 드라이브-아웃할 때 집 근처에 있는 주문을 받는 것을 선호할 수 있다. 그러나, 운송 서비스에 사용되는 현재 주문 분배 시스템은 픽업 시간 또는 주문 출발지와 드라이브-인 또는 드라이브-아웃 시간 또는 운전자의 위치와의 연관을 고려하지 않는다. 그러한 시간과 장소에서의 주문들은 보통 주문들로 취급되어 함께 분배된다. 이와 같이, 운전자에게는 운전자가 귀가할 경로와 동일한 경로를 따르는 주문이 배정되거나 잡아채기되지 않을 수 있다.
히치하이킹은 일반적으로 엄지 손가락을 세우는 것을 나타낼 수 있다. 승객에 의해 요청된 운송 서비스의 방향이 그 순간 또는 그 시기에 운전자의 운전 방향과 동일하거나 유사한 경우, 요청된 운송 서비스는 히치하이킹 주문이라 칭할 수 있다. 거주지는 서비스 제공자가 특정 기간에 자주 머물거나 도달하는 장소를 의미할 수 있다. 예를 들어 거주지는 집 주소, 운전자 또는 그 배우자의 근무지, 자주 방문하는 식당, 자녀가 다니는 학교, 자주 방문하는 주유소, 자주 방문하는 체육관/스포츠 홀/수영장 등을 포함할 수 있다.
본 개시내용의 일부 실시예들에서, 히치하이킹 주문들은 운전자의 거주지 정보에 기초하여 인식될 수 있다. 히치하이킹의 규칙들에 따르면, 운전자가 주거지로 드라이브 아웃하거나, 드라이브 인하거나, 주거지를 향해 운전하거나, 주거지를 떠날 때, 시간과 거리에 더욱 적합한 주문들이 운전자에게 푸시될 수 있다. 이와 같이, 주문들을 할당할 때의 주문 분배 시스템의 적합성 및 주문을 수락할 때의 운전자의 정확성이 향상될 수 있다.
본 개시내용의 일부 실시예들에서, 히치하이킹 주문들은 운전자의 집 주소 정보에 기초하여 결정될 수 있다. 주문이 운전자의 히치하이킹 주문인지는 운전자로부터의 정보 및 승객에 의해 요청된 운송 서비스에 관한 정보를 분석함으로써 결정될 수 있다. 여기서, 운전자로부터의 정보는 운전자의 현재 위치 및 집 주소에 관한 정보를 포함할 수 있다. 이 정보는 운전자의 일련번호, 드라이브-아웃 위치, 드라이브-인 위치, 드라이브-아웃 시간 또는 운전 시간이 더 포함될 수 있다. 운전자의 현재 위치는 운전자 차량의 스마트 장치의 위치 결정 모듈에 의해 획득되어 시스템으로 전송될 수 있다. 승객에 의해 요청된 운송 서비스에 관한 정보는 주문의 일련번호, 출발지, 목적지 및 픽업 시간을 포함할 수 있다.
본 개시의 일부 실시예들에서, 시스템은 운전자로부터의 정보 및 승객에 의해 요청된 운송 서비스에 관한 정보를 분석함으로써 주문이 운전자의 히치하이킹 주문인지를 결정할 수 있다. 여기서, 운전자로부터의 정보는 운전자의 현재 위치 및 거주지에 관한 정보 등을 포함할 수 있다. 운전자의 현재 위치는 운전자 차량의 스마트 장치의 위치 결정 모듈에 의해 획득되어 시스템으로 전송될 수 있다. 운전자의 거주지 정보는 운전자의 현재 위치 및 이동 궤적에 관한 이력 데이터로부터 획득될 수 있다.
히치하이킹의 결정
도 15는 본 개시내용의 일부 실시예들에 따른 처리 모듈에 의한 드라이브-아웃 히치하이킹을 결정하기 위한 프로세스의 일례를 나타내는 흐름도이다.
일부 실시예에서, 처리 모듈(130)은 승객에 의해 요청된 현재 운송 서비스가 특정 운전자의 히치하이킹 주문을 구성하는지를 결정하도록 구성될 수 있다.
처리 모듈(130)은 운전자의 과거 위치 및 궤적에 관한 정보 또는 거주지와 관련된 정보와 조합하여 수신 모듈(110)로부터 획득된 정보에 따라 승객으로부터 요청된 운송 서비스가 특정 운전자의 히치하이킹 주문에 속하는지를 결정하도록 구성될 수 있다. 보다 구체적으로, 예를 들어, 수신 모듈(110)로부터의 정보는 승객으로부터의 운송 서비스에 관한 요청 정보 및 운전자로부터의 운송 서비스에 관한 서비스 정보를 포함할 수 있다. 운전자의 역사적 위치 및 궤적에 관한 정보는 시스템에 저장될 수 있다. 거주지들에 관한 정보는 운전자에 의해 입력되거나 시스템에 의해 계산될 수 있다.
운송 서비스 주문들 각각에 관한 정보는 주문의 일련번호, 출발 정보(예를 들면, 출발지의 경도-위도), 목적지 정보(예를 들면, 목적지의 경도-위도) 및 픽업 시간을 포함할 수 있다. 상술된 주문에 관한 정보는 제한하려는 것이 아니다. 운송 서비스를 요청하는 이유들 및 운송 서비스 제공자에 대한 선호도들 또는 요구 사항들 등과 같은 주문과 관련된 다른 정보도 또한 포함될 수 있다. 선호도들 또는 요구 사항들은 서비스 제공자의 연령, 성별, 운전 경력, 차량의 유형 및 성능 등을 포함할 수 있다.
각 택시에 관한 정보는 운전자의 일련번호, 현재 위치(예를 들면, 현재 경도-위도), 드라이브-아웃 위치(예를 들면, 드라이브-아웃 위치의 경도-위도), 드라이브-인 위치(예를 들면, 드라이브-인 위치의 경도-위도), 드라이브-아웃 시간 또는 운전자-인 시간을 포함할 수 있다. 상술된 주문에 관한 정보는 제한하려는 것이 아니다. 주문과 관련된 다른 정보, 예를 들어 운송 서비스 사용자의 선호도들 또는 요구 사항들 등도 또한 포함될 수 있다. 선호도들 또는 요구 사항들은 운반된 수하물의 요구 사항들 또는 제한 사항들 등을 포함할 수 있다.
드라이브-아웃 히치하이킹의 결정 규칙들에 기초한 드라이브-아웃 히치하이킹 주문을 계산하는 방법은 다음 단계들을 포함할 수 있다.
택시와 관련된 정보는 운전자의 일련번호, 현재 위치, 드라이브-아웃 위치 및 드라이브-아웃 시간을 포함할 수 있다.
단계(S1000)에서, 주문 Q은 차량-호출 주문들의 세트로부터 선택될 수 있고, 택시 C에 관한 정보는 택시의 정보 세트로부터 선택될 수 있다.
단계(S1010)에서, 주문 Q의 픽업 시간 T, 주문 거리 D(운전자의 현재 위치와 주문의 출발 위치 사이의 거리), 택시 정보 C에서의 택시의 픽업 시간 Tout, 택시의 임계 드라이브-아웃 시간 TYout, 주문 Q의 출발 위치와 택시의 드라이브-아웃 위치 사이의 거리(Dout), 택시의 임계 드라이브-아웃 거리 DYout, 및 드라이브-아웃 거리의 임계 시간 Kout.
단계(S1020)에서, T 마이너스 Tout의 절대값과 TYout의 값이 비교될 수 있다. 일부 실시예들에서, T 마이너스 Tout의 절대값이 Tout 이하(|T-Tout|<=TYout)라는 결정에 응답하여, 주문 Q는 조건(1)을 만족시키는 것으로 간주될 수 있고 단계(S1030)가 수행될 수 있다. 대안적으로, T 마이너스 Tout의 절대값이 Tout보다 크다는(|T-Tout|>TYout) 결정에 응답하여, 주문 Q는 조건(1)을 만족시키지 않는 것으로 간주될 수도 있고, 단계(S1050)가 수행되어 주문이 운전자의 드라이브-아웃 히치하이킹 주문이 아니라고 결정할 수 있다.
단계(S1030)에서, Dout의 값 및 DYout의 값 또는 주문 거리 D의 값 및 Kout 곱하기 DYout의 값이 비교될 수 있다. 일부 실시예들에서, Dout이 DYout 이하(Dout <= DYout)이거나 주문 거리 D가 Kout 곱하기 DYout의 값 이상(D> = Kout*DYout)이라는 결정에 응답하여, 주문 Q는 조건 (2)를 만족시키는 것으로 간주될 수 있고, 단계(S1040)가 수행되어 주문이 운전자의 드라이브-아웃 히치하이킹 주문이라고 결정할 수 있다. 대안적으로, Dout이 DYout보다 크거나(Dout>DYout)보다 크거나, 주문 거리 D가 Kout 곱하기 DYout의 값보다 적다는(D<Kout*DYout) 결정에 응답하여, 단계(S1050)를 수행하여 주문이 운전자의 드라이브-아웃 히치하이킹 주문이 아니라고 결정할 수 있다.
택시의 임계 드라이브-아웃 시간 TYout은 [0.5, 1.5] 시간, 즉 0.5 시간 내지 1.5 시간의 범위에 있다. 일부 실시예들에서, TYout의 값이 낮다는 결정에 응답하여 선택된 매칭 주문들이 적거나 없을 수 있다. 대안적으로, TYout의 값이 높다는 결정에 응답하여, 운전자에 대한 드라이브-아웃 시간이 심각하게 앞당겨지거나 또는 지연될 수 있다.
임계 드라이브-아웃 거리는 [3000, 5000] 미터, 즉 3000미터 내지 5000미터의 범위에 있을 수 있다. 일부 실시예들에서, DYout의 값이 낮다는 결정에 응답하여 선택된 매칭 주문들이 적거나 없을 수 있다. 대안적으로, DYout의 값이 높다는 결정에 응답하여, 유휴 주행 거리를 운전자에 대해 비교적 길어질 수 있다.
드라이브-아웃 거리의 임계 시간은 [2, 30] 시간, 즉 2시간 내지 30시간의 범위에 있을 수 있다. DYout의 값이 고정된 일부 실시예들에서, Kout의 값이 낮다는 결정에 응답하여 다수의 선택된 매칭 주문들이 있을 수 있다. 대안적으로, Kout의 값이 높다는 결정에 응답하여, 선택된 매칭 주문들이 적거나 없을 수 있다.
도 16은 본 개시내용의 일부 실시예들에 따라 처리 모듈(130)에 의한 드라이브-인 히치하이킹을 결정하기 위한 프로세스의 일례를 도시하는 흐름도이다. 이 흐름도에서, 주문은 드라이브-인 히치하이킹을 구성할지의 여부가 결정될 수 있다. 택시 정보에는 운전자의 일련번호, 현재 위치, 드라이브-인 위치(운전자가 하루에 일하기 시작한 곳) 및 드라이브-인 시간(운전자가 하루에 일하기 시작할 때)을 포함할 수 있다.
단계(S1100)에서, 차량-호출 주문 Q이 차량-호출 주문 세트에서 무작위로 선택될 수 있고, 택시 정보 C의 조각이 택시 정보 세트로부터 무작위로 선택될 수 있다.
단계(S1110)에서, 주문 Q의 픽업 시간 T, 주문 거리 D, 택시 정보 C의 드라이브-인 시간 Tin, 택시의 임계 드라이브-인 시간 TYin이 획득될 수 있다. 주문 Q의 출발지와 택시의 현재 위치 사이의 거리는 Din1로 지정될 수 있다. 드라이브-인 위치와 택시의 현재 위치 사이의 거리는 Din2로 지정될 수 있다. 주문 Q의 목적지와 택시 C의 드라이브-인 위치 사이의 거리는 Din3으로 지정될 수 있다. 주문 Q의 거리는 D로 지정될 수 있다. 제 1 임계 드라이브-인 거리는 DYin1로 지정될 수 있다. 제 2 임계 드라이브-인 거리는 DYin2로 지정될 수 있다. 드라이브-인 거리의 임계 시간들은 Kin으로 지정될 수 있다.
단계(S1120)에서, T 마이너스 Tin의 절대값은 TYin의 값과 비교될 수 있다. 일부 실시예들에서, T 마이너스 Tin의 절대값이 TYin보다 크지 않다는(즉, |T-Tin|≤TYin) 결정에 응답하여, 주문 Q는 조건(1)을 만족시키는 것으로 간주될 수 있고, 단계(S1130)가 수행될 수 있다. 대안적으로, T 마이너스 Tin의 절대값이 TYin보다 크다는(즉, |T-Tin|>TYin) 결정에 응답하여, 단계(S1160)가 수행되어 주문이 운전자의 드라이브-인 히치하이킹 주문이 아니라고 결정할 수 있다.
단계(S1130)에서, Din1 마이너스 Din2의 값은 DYin1의 값과 비교될 수 있다. 일부 실시예들에서, Din1 마이너스 Din2의 값이 DYin1보다 적지 않다는(즉, Din1-Din2≥DYin1) 결정에 응답하여, 주문 Q는 조건 (2)를 만족시키는 것으로 간주될 수 있으며, 단계(S1140)가 수행될 수 있다. 대안적으로, Din1 마이너스 Din2의 값이 DYin1보다 적다는(즉, Din1-Din2<DYin1) 결정에 응답하여, 단계(S1160)가 수행되어 주문이 운전자의 드라이브-인 히치하이킹 주문이 아니라고 결정할 수 있다.
단계(S1140)에서, Din3의 값은 DYin2의 값 또는 주문 거리 D 및 Kin에 Din3을 곱한 값과 비교될 수 있다. 일부 실시예들에서, Din3이 DYin2보다 크지 않거나(즉, Din3≤DYin2) 또는 주문의 거리 D가 Kin에 Din3을 곱한 값보다 적지 않다는(즉, D≥Kin*Din3)이라는 결정에 응답하여, 주문 Q는 조건 (3)을 만족시키는 것으로 간주될 수 있고, 단계(S1150)가 수행되어 주문이 운전자의 드라이브-인 히치하이킹 주문이라고 결정할 수 있다. 대안적으로, Din3이 DYin2보다 크거나(즉, Din3> DYin2) 주문의 거리 D가 Kin에 Din3을 곱한 값보다 적다는(즉, D<Kin*Din3) 결정에 응답하여, 단계(S1160)가 수행되어 주문이 운전자의 드라이브-인 히치하이킹 주문이 아니라고 결정할 수 있다.
또한, 단계(S1120, S1130 및 S1140)의 순서는 서로 바뀔 수 있음을 유념해야 한다. 한편, 세 단계들 모두가 필요한 것은 아니며, 다른 처리에서 주문이 운전자의 드라이브-인 히치하이킹 주문인지의 결정에 영향을 미치지 않고 실제 요구 사항들에 따라 하나 또는 두 개의 결정 절차들이 생략될 수 있다. 예를 들어, 주문은, 단계(S1130 및/또는 S1140)의 결정 절차들로 진행하기보다는, 단계(S1120)의 조건이 충족되었는지 여부만으로 운전자의 드라이브-인 히치하이킹 주문 여부가 결정될 수 있다.
운전자의 임계 드라이브-인 시간 TYin은 [0.5, 1.5] 시간, 즉 0.5 시간 내지 1.5 시간의 범위로 지정될 수 있다. TYin의 값이 낮으면, 조합되어 매칭될 수 있는 주문들의 수가 없거나 적을 수 있다. 대안적으로, TYin의 값이 높으면, 드라이브-인 시간이 너무 길어서 앞당겨지거나 연기될 수 있다.
제 1 임계 드라이브-인 거리 DYin1은 다양한 범위들 내에 있을 수 있다. 예를 들어, DYin1은 [1000, 5000] 미터, 즉 1000미터 내지 5000미터의 범위로 지정될 수 있다. DYin1 값이 낮으면, 조합되어 매칭될 수 있는 주문들의 수가 많을 수 있다. 대안적으로, DYin1의 값이 높으면, 유휴 주행 거리가 비교적 길어질 수 있다.
제 2 임계 드라이브-인 거리 DYin2는 다양한 범위들 내에 있을 수 있다. 예를 들어, DYin2는 [3000, 5000] 미터, 즉 3000미터 내지 5000미터의 범위로 지정될 수 있다. DYin2 값이 낮으면, 조합되어 매칭될 수 있는 주문들의 수가 적을 수 있다. 대안적으로, DYin2의 값이 높으면, 유휴 주행 거리가 비교적 길어질 수 있다.
드라이브-인 거리 Kin의 시간들의 임계값은 [2, 10] 시간, 즉 2시간 내지 10 시간의 범위로 지정될 수 있다. Kin 값이 낮으면, 조합되어 매칭될 수 있는 주문들의 수가 많을 수 있다. 대안적으로, Kin의 값이 높을 때, 조합되어 매칭될 수 있는 주문들의 수가 없거나 적을 수 있다.
임계 드라이브-인 시간, 임계 드라이브-인 거리, 드라이브-아웃 거리의 시간들의 임계값, 임계 드라이브-인 시간, 제 1 임계 드라이브-인 거리, 제 2 임계 드라이브-인 거리, 및 드라이브-인 거리 시간들의 임계값의 상기 설명은 예시의 목적으로 제공되며, 본 개시내용의 범위를 제한하려는 것이 아니다. 본 기술 분야의 통상의 기술을 가진 자라면, 임의의 적절한 임계값 범위들은 본 개시내용의 교시 및 상기 모든 기능들이 실현되는 조건하에 구현될 수 있다. 그러나, 이들 범위들은 본 개시내용의 사상 및 범위를 벗어나지 않을 수 있다.
특정 운전자에 대한 히치하이킹 주문을 계산 및 결정한 후에, 처리 모듈(130)은 히치하이킹 결정의 결과를 출력 모듈(140)에 전송할 수 있다. 이와 같이, 출력 모듈(140)은 결정 결과를 특정 운전자에 푸시할 수 있다. 대안적으로, 처리 모듈(130)은 제 3 자에게 결정 결과를 제공할 수 있다. 이와 같이, 특정 운전자는 결정 결과를 검색하거나 획득할 수 있다.
응용 시나리오들
베이징을 예로 들면, 운전자의 드라이브-아웃 시간은 오전 6시이며 운전자의 집 주소는 중관춘 스트리트 10번이다.
차량-호출 앱의 서버 단말 또는 콜센터는 승객들로부터 수집된 다수의 차량-호출 주문들을 저장할 수 있다. 예를 들어, 승객들로부터 수집된 차량-호출 주문들의 형식은 다음과 같이 도시된다:
일반적으로, 승객이 차량 서비스에 대한 요청을 전송할 때, 주문과 관련된 정보는 상기 예시된 바와 같은 형식으로 서버에 전송될 수 있다.
주행 과정 중에, 택시는 운전자의 스마트 장치를 통해 간격들(예를 들면, 10초)을 두고 현재 위치의 경도-위도를 서버에 보고할 수 있다. 정보의 형식은 다음과 같이 도시된다:
서버는 현재 주문 정보 및 운전자 정보에 기초하여 주문을 운전자와 매칭할 수 있다. 드라이브-아웃 히치하이킹 규칙에 따르면, 주문 140002는 운전자 12345의 드라이브-아웃 히치하이킹에 속한다. 이와 같이, 주문을 방송할 때 운전자에게 생각나게 하기 위해 대응하는 푸시 알림이 "히치하이킹 주문(hitchhiking order)"으로 설정될 수 있다.
응용 시나리오들
베이징을 예로 들면, 운전자의 드라이브-인 시간은 오후 6시이며 운전자의 집 주소는 상디산 스트리트 10번이다.
승객들로부터 수집된 실시간 차량-호출 주문들의 형식은 다음과 같이 도시된다:
주행 과정 중에, 택시는 운전자의 스마트 장치를 통해 간격들(예를 들면, 10초)을 두고 현재 위치의 경도-위도를 서버에 보고할 수 있다. 운전자의 정보의 형식은 다음과 같이 도시된다:
서버는 현재 주문 정보 및 운전자 정보에 기초하여 주문을 운전자와 매칭할 수 있다.
드라이브-인 히치하이킹의 규칙에 따르면, 주문 140012는 운전자 12345의 드라이브-인 히치하이킹에 속한다. 이와 같이, 주문을 방송할 때 운전자에게 생각나게 하기 위해 대응하는 푸시 알림이 "히치하이킹 주문"으로 설정될 수 있다.
응용 시나리오들
베이징에서 Wang을 예로 들면, 운전자 Wang의 집 주소는 베이징의 시베이왕이다. 운전자 Wang의 드라이브-아웃 시간은 오전 9시이며, 드라이브-인 시간은 오후 8시이다. 운전자 Wang은 일과를 시작하기 위해 매일 드라이브-아웃할 때 습관적으로 앱을 켤 수 있다. 그에 상응하여, 하루에 운전자 Wang의 추적은 "집-위치 1-위치 2...위치 n-집"이다.
운전자의 스마트 장치는 식별 정보, 실시간 위치 등과 같은 운전자에 관한 정보를 취득할 수 있다. 운전자의 스마트 장치는 정보를 정기적으로 또는 비정기적으로 전송할 수 있다. 예를 들어, 시간 기간 내에 운전자로부터 수집된 8개의 정보로 된 정보 세트의 형식은 다음과 같이 도시된다:
일부 실시예들에서, 운전자의 추적은 상기에 도시된 바와 같은 정보의 형식으로 간격들을 두고 원격 서버에 전송될 수 있다.
서버는 운전자의 추적을 획득한 후 Dbscan 클러스터링 알고리즘에 따라 운전자의 가능한 거주지를 파악할 수 있다. 예를 들어 다음 표는 매일 밤 오후 8시경에 다음의 경도-위도가 있는 곳으로 운전자가 돌아올 수 있음을 보여준다:
장소는 운전자의 집 주소 또는 운전자의 직장 주소일 수 있다.
서비스 제공자의 거주지를 계산하기 위해 적용되는 알고리즘들은 Dbscan 알고리즘에 한정되지 않는다는 것을 유념해야 한다. 서비스 제공자의 거주지를 계산하기 위해 적용되는 알고리즘들은 K-평균, K-대표값, CLARA(Clustering LARge Application), CLARANS(Clustering Large Application based upon RANdomized Search), FCM 등과 같은 분할 방법들을 포함할 수 있다. 서비스 제공자의 거주지를 계산하기 위해 적용되는 알고리즘은 BIRCH(Balanced Iterative Reducing and Clustering using Hierarchies), 이진-양성 방법 및 RCOSD(rough clustering of Sequential data)와 같은 계층적 방법들을 포함할 수 있다. 서비스 공급자의 거주지를 계산하기 위해 적용되는 알고리즘은 OPTICS(Ordering Points To Identify the Clustering Structure)와 같은 밀도-기반 방법들, STING(Statistical Information Grid), CLIQUE(Clustering in QUEst) 및 웨이브-클러스터(Wave-Cluster)와 같은 네트워크-기반 방법들을 포함할 수 있다. 서비스 제공자의 거주지를 계산하기 위해 적용되는 알고리즘은 또한 Cobweb, CLASSIT 등과 같은 모델-기반 방법들을 포함할 수 있다.
그런 다음, 운전자가 19시경까지 작동할 때, 경도-위도(116.236723, 39.543692)의 장소 또는 경도-위도(116.236723, 39.543692)에서 수 킬로미터 떨어진 방향으로의 주문이 운전자에게 권장될 수 있다. 운전자는 다른 주문보다 그러한 종류의 주문들을 더 잡아채기하고 싶어할 수 있다.
운전자에게 적합한 주문을 선택한 후에, 주문은 방송시 "히치하이킹 주문"이라고 표식될 수 있다. 따라서, 운전자는 주문이 작업 전환을 위한 장소의 방향에 있음을 생각할 수 있다.
응용 시나리오들
베이징에서 Wang을 예로 들자면, 운전자 Wang의 드라이브-아웃 시간은 오전 9시이며, 드라이브-인 시간은 매일 오후 8시이다. 운전자 Wang은 일과를 시작하기 위해 스마트 폰의 위치 결정 기능을 습관적으로 켤 수 있다. 따라서, 운전자 Wang의 추적은 매일 "집-위치 1-위치 2...위치 n-집"이다.
차량-호출 앱 또는 콜 센터의 서버는 운전자와 관련되는 다량의 보고된 추적 정보를 저장할 수 있다. 이 시나리오에서는 시간 기간 내에 운전자로부터 수집된 정보 세트의 형식은 다음과 같이 도시된다:
서버는 운전자 추적을 획득한 후 Dbscan 클러스터링 알고리즘에 따라 운전자의 가능한 거주지들을 파악할 수 있다. 체류 시간이 25분보다 길면 장소의 경도-위도가 예약될 수 있다. 기하 평균법에 의한 계산들에 따르면, 점심을 먹은 운전자의 장소는 다음의 경도-위도의 주변 지역에 있을 수 있다:
그런 다음, 운전자가 오후 12시경까지 일하면, 경도-위도(130.236723, 55.543692) 방향의 주문이 운전자에게 권장될 수 있다. 운전자는 임의의 다른 주문보다 그러한 종류의 주문들을 더 잡아채기하고 싶어할 수 있다.
운전자에게 적합한 주문을 선택한 후에, 주문은 또한 방송시 "히치하이킹 주문"이라고 표식될 수 있다. 따라서, 운전자는 주문이 작업 전환을 위한 장소의 방향에 있음을 생각할 수 있다.
운전자 활동의 결정
운전자와 승객 사이에서 차량-호출 소프트웨어를 사용하는 사용자 경험이 다를 수 있다. 운전자의 사용자 경험은 주문들의 수, 주문을 획득할지의 여부 또는 수신된 주문들의 수를 포함할 수 있다. 사용자 경험이 나쁜 운전자는 일반적으로 온라인으로 주문을 잡아채기하지 않을 수 있으며 실제 수입이 없다고 생각할 수 있다. 따라서 사용자 경험이 나쁘면 일부 운전자들에게 손실을 유발할 수 있다. 따라서 사용자 경험이 나쁜 이러한 운전자들을 보유함으로써 시스템의 용량을 향상시켜야 한다. 운전자들의 온라인 활동을 결정하고 비활동 운전자들에 대한 타깃화 전략을 수행하여 사용자 경험이 나쁜 운전자들이 보유될 수 있다.
이 실시예의 구현 방법은 영업하는 운전자들(operating drivers)을 필터링하여 놓친 운전자(losing driver)를 찾아 내고, 놓친 운전자를 고품질의 주문들에 의해 회수(recall)하는 것을 포함할 수 있다. 상술한 기술적 문제점을 해결하기 위해, 본 실시예에서 채택된 기술적 해결책은 운전자의 온라인 상황들 및/또는 시간 기간 동안 주문들을 잡아채기하는 상황들에 따라 운전자가 비활동인지를 결정하는 것이다.
이 실시예에서, 처리 모듈(130)의 특정 기능들은 특정 운전자에 대해 구성된다. 운전자가 비활동 상태인지는 운전자의 온라인 상황들 및/또는 시간 기간 동안 주문들을 잡아채기하는 상황들에 의해 결정될 수 있다. 바람직하게는, 주문들을 잡아채기하는 상황은 정보 수신 모듈(110), 차량-호출 주문들의 이력 정보 세트로부터 수신될 수 있다. 여기서, 차량-호출 주문들의 이력 정보 세트 내의 주문 정보는 주문의 일련번호, 출발지, 목적지, 픽업 시간 및 주문을 받는 운전자의 일련번호를 포함할 수 있다.
온라인 상황들은 택시 정보 세트에서 얻을 수 있다. 택시 정보 세트 내의 택시 정보는 운전자의 일련번호, 방송 시간 및 택시 위치를 포함할 수 있다.
비활동 운전자 세트의 비활동 운전자 정보는 적어도 운전자의 일련번호를 포함할 수 있다.
도 17a는 본 개시내용의 일부 실시예들에 따라 처리 모듈(130)에 의해 운전자의 활동을 결정하기 위한 프로세스의 일례를 도시하는 흐름도이다.
바람직하게는, 처리 모듈(130)에 의해 비활동 운전자를 결정하는 프로세스는 도 17a에 도시된 바와 같이 다음 단계들을 포함할 수 있다.
단계(S1200)에서, 특정 운전자 A의 임의의 기록들이 있는지는 차량-호출 주문들의 이력 정보 세트 및/또는 택시 정보 세트를 트래버싱하여(traversing) 결정될 수 있다.
단계(S1210)에서, 운전자가 비활동인지가 결정될 수 있다. 일부 실시예들에서, 운전자 A가 최근 시간 기간 T1에서 택시 정보 세트에 기록들을 갖고 최근 시간기간 T1에서 차량-호출 주문들의 이력 정보 세트에 기록들을 갖지 않는다는 결정에 응답하여, 운전자 A는 비활동 운전자로 결정될 수 있고, 단계(S1250)가 수행되어, 운전자 A를 비활동 운전자 세트에 기록할 수 있다. 대안적으로, 운전자 A가 최근 시간 기간 T1에서 택시 정보 세트 및 차량-호출 주문들의 이력 정보 세트 모두에 기록들을 가진다는 결정에 응답하여, 단계(S1220)가 수행될 수 있다.
시간 기간 T1은 길거나 짧을 수 있는 5일, 7일, 10일, 15일, 30일, 90일 등과 같은 상이한 값들로 지정될 수 있다. 시간 기간이 길어질수록, 운전자 A의 활동의 결정에 대한 무작위 요인들의 영향이 적고 정보량도 그에 따라 증가할 것이다.
단계(S1220)에서, 운전자가 비활동인지가 결정될 수 있다. 일부 실시예들에서, 운전자 A가 최신 시간 기간 T2에서 택시 정보 세트에 기록이 없고 최신 시간 기간 T3에서 택시 정보 세트에 기록들을 가지고 있다는 결정에 응답하여, 운전자 A는 비활동 운전자로서 결정될 수 있고 단계(S1250)가 수행될 수 있다. 단계(S1250)에서, 운전자 A는 비활동 운전자들의 세트에 기록될 수 있다. 대안적으로, 운전자 A가 최신 시간 기간 T2에서 택시 정보 세트에 기록들을 가지고 최신 시간 기간 T3에서 택시 정보 세트에 기록들을 가지고 있다는 결정에 응답하여, 단계(S1230)가 수행될 수 있다.
일부 실시예들에서, 시간 기간 T2는 1일 내지 5일로 지정될 수 있고, 시간 기간 T3은 15일 내지 45일로 지정될 수 있다. T2 및 T3은 더 길거나 더 짧을 수 있은 다른 상이한 값들(예를 들어, 5일, 7일, 10일, 15일, 30일, 90일 등)로 지정될 수 있음을 이해할 수 있다. T1과 유사하게, 지정된 시간 기간이 길어질수록, 운전자 A의 활동의 결정에 대한 무작위 요인들의 영향이 적고, 정보량이 그에 따라 증가할 수 있다.
단계(S1230)에서, 최근 시간 기간 T4 내에서 운전자 A에 의해 수락된 주문 수가 차량-호출 주문들의 이력 정보 세트의 모든 운전자들에 의해 수락된 평균 주문 수의 1/10 내지 1/2보다 많지 않은지가 결정될 수 있다. 일부 실시예들에서, 최신 시간 기간 T4 내에서 운전자 A에 의해 수락된 주문 수가 차량-호출 주문들의 이력 정보 세트의 모든 운전자들에 의해 수락된 평균 주문 수의 1/10 내지 1/2보다 많지 않다는 결정에 응답하여, 단계(S1250)가 수행되어 운전자 A가 비활동 운전자인 것으로 결정할 수 있다. 대안적으로, 최근 시간 기간 T4 내에서 운전자 A에 의해 수락된 주문 수가 차량-호출 주문들의 이력 정보 세트의 모든 운전자들에 의해 수락된 평균 주문 수의 1/10 내지 1/2보다 많다는 결정에 응답하여, 단계(S1240)가 수행되어 운전자 A가 활성 운전자임을 결정할 수 있다. 시간 기간 T4는 1일 내지 5일일 수 있다;
단계(S1260)에서, 운전자 A는 비활동 운전자 세트에 기록될 수 있다.
바람직하게는, 차량-호출 주문들에 관한 정보는 차량-호출 주문들의 실시간 정보 세트로부터 획득될 수 있다. 차량-호출 주문들의 실시간 정보 세트 내의 각각의 주문들에 관한 정보는 적어도 주문의 일련번호, 출발 위치, 목적지 및 픽업 시간을 포함할 수 있다.
도 17b는 본 개시내용의 일부 실시예들에 따른 비활동 운전자들의 결정과 조합되는 주문 분배 프로세스를 예시하는 흐름도이다.
바람직하게는, 동작 전략 구현 모듈은 실시간 차량-호출 주문들의 정보 세트 내의 차량-호출 주문들과 관련된 각각의 정보를 트래버싱할 수 있고, 다음의 단계들을 구현할 수 있다:
단계(S1204)에서, 실시간 차량-호출 주문의 정보 세트에서의 차량-호출 주문들 및 온라인 운전자 A에 관한 정보가 획득될 수 있다.
단계(S1214)에서, 차량-호출 주문이 고품질 주문인지가 결정될 수 있다. 일부 실시예들에서, 차량-호출 주문이 고품질 주문이 아니라는 결정에 응답하여, 단계(S1234)가 수행될 수 있다. 단계(S1234)에서, 운전자에 대한 차량-호출 주문에 관한 정보가 방송될 수 있다. 그 후, 단계(S1204)가 반복적으로 수행될 수 있고 다음 온라인 운전자에 관한 정보가 획득될 수 있다. 대안적으로, 차량-호출 주문이 고품질 순서라는 결정에 응답하여, 단계(S1224)가 수행될 수 있다.
단계(S1224)에서, 차량-호출 주문이 잠겨 있는지가 결정될 수 있다. 일부 실시예들에서, 차량-호출 주문이 잠겨 있다는 결정에 응답하여, 단계(S1264)가 수행될 수 있다. 대안적으로, 차량-호출 주문이 잠겨져 있지 않다는 결정에 응답하여, 단계(S1234)가 수행되어 차량-호출 주문에 관한 정보를 운전자에게 방송할 수 있다.
단계(S1264)에서, 잠긴 시간이 만료되었는지가 결정될 수 있다. 일부 실시예들에서, 잠긴 시간이 만료되었다는 결정에 응답하여, 단계(S1234)가 반복적으로 수행되어, 차량-호출 주문과 관련된 정보를 운전자에게 방송할 수 있다. 대안적으로, 잠긴 시간이 만료되지 않았다는 결정에 응답하여, 단계(S1204)가 반복적으로 수행되어 다음 온라인 운전자에 관한 정보를 획득할 수 있다.
단계(S1234)에서, 주문 정보는 운전자 A에게 방송될 수 있고, 단계(S1244)가 수행될 수 있다.
단계(S1244)에서, 운전자 A가 비활동인지가 결정될 수 있다. 일부 실시예에서, 운전자 A가 비활동이라는 결정에 응답하여, 단계(S1204)가 반복적으로 수행되어 다음 온라인 운전자에 관한 정보를 획득할 수 있다. 대안적으로, 운전자 A가 활성이라는 결정에 응답하여, 고정 시간을 지정하여 주문이 고정될 수 있으며, 단계(S1204)가 반복적으로 수행되어 다음 온라인 운전자에 관한 정보를 획득할 수 있다.
양호하게는, 고품질의 차량-호출 주문은 실시간 차량-호출 주문들의 정보 세트에서 각 주문의 출발 위치, 목적지, 및/또는 픽업 시간에 관한 정보에 기초하여 필터링될 수 있다.
바람직하게는, 고품질의 차량-호출 주문들을 필터링하는 단계들은 다음과 같이 나타난다:
주문의 목적지에 기초하여 목적지가 공항 또는 기차역으로 결정된 경우, 주문은 고품질 주문들에 속할 수 있다;
일부 실시예들에서, 주문 거리는 주문의 출발 위치 및 목적지에 기초하여 계산될 수 있고, 주문이 고품질 주문들에 속하는지가 결정될 수 있다. 일부 실시예들에서, 주문 거리가 X킬로미터보다 크다는 결정과 관련하여, 주문은 고품질 주문들에 속할 수 있다. X 값은 3킬로미터 내지 10킬로미터이거나 20킬로미터, 40킬로미터, 50킬로미터 등과 같은 다른 값일 수 있다.
일부 실시예들에서, 주문이 잡아채기될 확률은 실시간 차량-호출 주문들의 정보 세트에서 주문의 출발 위치, 목적지 및/또는 픽업 시간에 관한 정보에 기초하여 계산될 수 있다. 임계 주문 잡아채기 확률은 미리 설정될 수 있다. 주문이 잡아채기될 확률이 임계 주문 잡아채기 확률보다 높은 경우, 주문은 고품질 주문이될 수 있다.
상술한 본 개시내용의 기술적 해결책은 비활동 운전자들의 필터링 및 고품질 주문들의 비활동 운전자들에의 푸시를 구현할 수 있다. 이와 같이 다음의 기술적 효과들을 달성할 수 있다:
1. 비활동 운전자들에게 고품질 주문들을 방송함으로써 차량-호출 앱을 사용하여 비활동 운전자들의 사용자 경험을 향상시키도록 보장할 수 있다. 이와 같이, 운전자들에 의해 사용하는 차량-호출 앱의 유지율이 향상될 수 있다.
2. 비활동 운전자들에게 주문들을 방송함으로써, 비활동 운전자들은 활발하게 주문 분배에 참여하도록 촉진될 수 있고, 택시들의 개인 및 전체 운송 능력이 향상될 수 있다.
응용 시나리오들
임의로 운전자(예를 들어, 운전자 A)를 선택하면, 운전자 A는 운전자 A의 기록이 있는지를 결정하기 위해 이력 차량-호출 주문들의 이력 정보 세트 및 택시 정보 세트를 트래버싱할 수 있다.
최근 시간 기간 T1에서 택시 정보 세트에 운전자 A의 일부 기록들이 있고, 최근 시간 기간 T1에서 차량-호출 주문들의 이력 정보 세트에 운전자 A의 기록이 없는 경우, 운전자 A는 비활동으로 결정될 수 있다.
운전자 A에 관한 정보는 비활동 운전자 세트에 기록될 수 있다.
단지 예시로서, 시간 기간 T1은 1일 내지 5일일 수 있다. 예를 들어, T1이 3일(즉, T1 = 3일)인 경우, 운전자 A는 온라인 상태일 수 있고 최근 3일 동안 주문들을 잡아채기하지 않을 수 있다. 이는 운전자 A가 항상 온라인 상태이고 주문들을 잡아채기하지 않아 비활동 운전자들의 상황에 속하는 것을 나타낸다.
비활동 운전자 결정 모듈은 다음과 같은 다른 방법으로 구현될 수 있다:
운전자 A를 선택하면, 운전자 A는 운전자 A의 기록이 있는지를 결정하기 위해 차량-호출 주문들의 이력 정보 세트 및 택시 정보 세트를 트래버싱할 수 있다.
최근 시간 기간 T2에서 택시 정보 세트에 운전자 A의 기록이 없고, 최근 시간 기간 T3에서 택시 정보 세트에 운전자 A의 기록들이 있다면, 운전자 A는 비활성으로 결정될 수 있다.
운전자 A에 관한 정보는 비활동 운전자 세트에 기록될 수 있다.
최근 3일 동안 운전자 A가 온라인 상태가 아니고 최근 30일 동안 온라인 상태인 경우, 운전자 A가 활발하게 온라인 상태가 아니며 비활동 운전자들의 상황에 속해 있음을 나타낼 수 있다.
단지 예시로서, 시간 기간 T2는 1일 내지 5일일 수 있고, 시간 기간 T3은 15일 내지 45일일 수 있다. 예를 들어, T2가 3일(즉, T2 = 3일)이고 T3이 30일 (즉, T3 = 30일)인 경우, 운전자 A는 지난 3일 동안 온라인 상태일 수 있고 지난 30일 동안 온라인 상태가 아닐 수 있다. 이는 운전자 A가 활동 온라인 상태가 아닐 수 있어 비활동 운전자들의 상황에 대응할 수 있음을 나타낼 수 있다.
비활동 운전자 결정 모듈은 다음과 같이 기술된 하나 이상의 방법들로 구현될 수 있다:
임의로 운전자 A를 선택한다. 운전자 A는 운전자 A의 기록이 있는지를 결정하기 위해 차량-호출 주문들의 이력 정보 세트 및 택시 정보 세트를 트래버싱할 수 있다.
최근 시간 기간 T4에서 운전자들에 의해 수락된 평균 주문 수는 이력 차량-호출 주문들의 정보 세트에서 DX로 지정될 수 있다. 최근 시간 기간 T4에서의 기록들의 수는 차량-호출 주문들의 세트에서 D로 지정될 수 있다. D가 DX의 십분의 일 내지 이분의 일(즉, 1/10 내지 1/2)보다 크지 않으면, 운전자 A는 비활동으로 결정될 수 있다.
운전자 A에 관한 정보는 비활동 운전자 세트에 기록될 수 있다.
단지 예시로서, 기간 T2는 1일 내지 5일일 수 있다. 예를 들어, T4가 3일(즉, T4 = 3일)이고 최근 3일 동안 모든 운전자들에 의해 수락된 평균 주문 수는 이력 차량-호출 주문들의 정보 세트에서 100으로 지정된다. 이와 같이, 운전자 A에 의해 수락된 주문 수가 최근 3일 동안 10이면, 운전자 A에 의해 수락된 주문 수는 모든 운전자들에 의해 수락된 평균 주문 수의 1/10이다. 이는 운전자가 주문을 수락할 의지가 운전자들의 평균적인 의지보다 약하다는 것을 의미하며, 이는 비활동 운전자들의 상황에 속한다.
도로 장애물 결정
실시간 도로 상태는 항상 복잡하다. 장기적 또는 단기적 장애물(예를 들어, 강, 호수 및 바다, 붕괴된 도로, 건설중인 도로 등)로 인해 운송 서비스를 제공하기가 어려울 수 있다. 현재, 일반적인 운송 서비스들은 상기한 복잡성을 고려하지 않을 수 있어 몇 가지 문제들이 발생한다. 우한, 상하이, 항저우와 같은 중국 남부의 일부 도시들에 대해, 운전자는 주문을 수락하기 위해 강을 건너야 할 수 있다. 우한을 예로 들면, 우한의 시내는 양쯔강에 의해 두 부분으로 나누어지며, 기존의 차량-호출 앱들은 운전자와 주문 사이의 직선거리만 계산할 수 있다. 일부 실시예들에서, 특정 주문 A의 출발 위치 및 제 1 운전자 (예를 들어, 운전자 1)의 현재 위치는 양쯔강의 다른 쪽에 위치될 수 있으며, 직선거리는 0.5킬로미터 일 수 있다. 그러나, 현재 위치의 운전자 1은 주문 A의 승객 위치에 도달하기 위해 다리를 건너 일정 거리를 되돌아 운전하는 더 긴 길을 운전해야 할 수 있다. 실제 주행 거리는 최대 5km이다. 따라서, 운전자 1은 주문 A의 출발시의 운전자가 아닐 수 있고, 운전자 1에게 주문이 방송되지 않을 수도 있다.
본 발명의 실시예는 주문을 분배 또는 푸시하는 과정 동안 직선거리에 의해서만 주문 주위에서 운전자를 획득하는 방법의 결함을 극복할 수 있다. 따라서 강, 호수 또는 고가도로와 같은 장애물들을 건너는 운전자를 필요로 하는 주문들은 운전자에게 푸시되지 않을 수 있다.
장애물 가로지르기의 결정
일부 실시예들에서, 처리 모듈(130)의 특정 기능은 온라인 택시가 특정 주문을 수행하기 위해 장애물을 가로질러야 하는지를 결정하는 것일 수 있다.
바람직하게, 처리 모듈(130)은 다음의 단계들을 포함할 수 있다:
단계 1에서, 장애물들이 있는 하나 이상의 도로 구간들(예를 들어, 거리들)을 형성하기 위해 장애물의 적어도 2개의 지점이 수집될 수 있고, 장애물들이 있는 도로 구간 중 하나는 P1P2로 지정될 수 있다;
단계 2에서, 차량-호출 주문들의 세트 내의 주문 Q의 출발 위치는 P3으로 지정될 수 있다. 택시 정보 세트를 형성하기 위해, 택시의 현재 위치가 차량-호출 주문 Q의 출발 위치 부근인 조건을 만족시키는 하나 이상의 택시들이 있을 수 있다.
단계 3에서, 택시 정보 세트 내의 택시 C의 현재 위치는 운전자 주문의 도로 구간 P3P4를 형성하기 위해 P4로 지정될 수 있다.
단계 4에서, P1P2 및 P3P4가 교차하는지가 결정될 수 있다. 일부 실시예들에서, P1P2 및 P3P4가 교차한다는 결정에 응답하여, 택시 C는 주문 Q의 수행 동안 장애물을 가로질러야 할 도 있고, 단계 6이 수행될 수 있다. 대안적으로, P1P2 및 P3P4가 교차하지 않는다는 결정에 응답하여, 단계 5가 수행될 수 있다.
단계 5에서, 장애물들이 있는 각 도로 구간이 횡단되었는지가 결정될 수 있다. 일부 실시예들에서, 장애물들이 있는 모든 도로 구간들이 횡단된 것이 아니라는 결정에 응답하여, 단계 4가 반복적으로 수행될 수 있고, 장애물들이 있는 다음 도로 구간이 운전자 주문의 경로 P3P4와 교차하는지가 결정될 수 있다. 대안적으로, 장애물들이 있는 각 도로 구간이 횡단되었다는 결정에 응답하여, 택시 C는 주문 Q의 수행 동안 장애물을 가로질러야 할 필요가 없으며, 단계 6이 수행될 수 있다;
단계 6에서, 택시의 정보 세트가 트래버싱되었는지가 결정될 수 있다. 일부 실시예에서, 택시 정보 세트가 트래버싱되지 않았다는 결정에 응답하여, 단계 4가 반복적으로 수행될 수 있다. 예를 들어, 택시 정보 세트에서 다음 택시가 얻어질 수 있다. 대안적으로, 택시 정보 세트가 트래버싱되었다는 결정에 응답하여, 단계 7이 수행될 수 있다;
단계 7에서, 차량-호출 주문들의 세트가 트래버싱되었는지가 결정될 수 있다. 일부 실시예들에서, 차량-호출 주문들의 세트가 트래버싱되지 않았다는 결정에 응답하여, 단계 2가 반복적으로 수행될 수 있다. 예를 들어, 차량-호출 주문들의 세트 내의 다음 차량-호출 주문이 획득될 수 있다. 대안적으로, 차량-호출 주문들의 세트가 트래버싱되었다는 결정에 응답하여, 프로세스가 종결될 수 있다.
또한, P1P2이 P3P4와 교차하는지를 결정하는 단계는 다음을 포함할 수 있다:
주어진 조건(1) : 
×
< 0, 
×
> 0; 또는 
×
> 0, 
×
< 0;
주어진 조건 (2) : 
×
< 0, 
×
> 0; 또는 
×
> 0, 
×
< 0;
조건(1)과 조건 (2)가 모두 만족되는 경우, P1P2이 P3P4와 교차할 수 있다.
조건(1)이 만족되지만, 조건(2)는 만족되지 않고, 동시에 
과 
의 곱이 0과 같다(즉, 
). 이러한 경우, 주문(Q)의 출발 위치(P3)가 도로 섹션(P1P2)상에 있는 경우, P1P2 및 P3P4는 교차한다. 대안적으로, 택시 부르기 주문(Q)의 출발 위치(P3)가 도로 섹션(P1P2)의 연장선상에 있는 경우, P1P2는 P3P4과 교차하지 않는다.
예를 들면, 장애물은 강, 호수, 습지대, 또는 고가 도로일 수 있다.
본 기술의 상기에 기술된 기술적인 해결책은 주문 주위의 운전자들이 다음 기술적인 결과들을 달성하기 위해 장애물들을 가로지를 필요가 있는지의 여부의 결정에 기초한다:
1. 도로 거리의 계산에 기초하여 종래 방법들과 비교하여, 상기에 기술된 알고리즘은 서버의 컴퓨팅 성능을 크게 느리게 하는 실시간 도로 상태들을 고려하지 않고 양호한 성능 및 낮은 복잡성의 이익들을 갖는다.
2. 여기에 기술된 알고리즘은 또한 장애물들을 지날 필요가 있는 이들 운전자들에게 주문을 푸시하는 것을 피하여, 주문을 푸시하는 효율 및 정확성을 개선한다.
응용 시나리오들
도 18은 본 개시의 몇몇 실시예들에 따라 처리 모듈(130)에 의해 도로 장애물을 결정하기 위한 프로세스의 일 예를 도시하는 플로차트이다.
처리 모듈(130)의 결정 프로세스는 다음의 단계들을 포함할 수 있다:
단계(S1300)에서, 장애물의 적어도 두 개의 지점들이 장애물들을 갖는 하나 이상의 도로 섹션들을 형성하기 위해 수집될 수 있고, 장애물들을 갖는 도로 섹션 중 하나는 P1P2이다(출발 위치는 P1이고, 목적지는 P2이다).
단계(S1310)에서, 차량 부르기 주문들의 세트에서 주문(Q)의 출발 위치는 P3로서 지정될 수 있다. 하나 이상의 택시들이 택시의 현재 위치가 출발 위치(P3) 주위에 있는 상태를 만족시키는 경우, 택시들의 정보 세트가 형성된다.
단계(S1320)에서: 택시들의 정보 세트에서 택시(C)의 현재 위치는 P4로서 지정되어 운전자의 주문의 도로 섹션(P3P4)을 형성할 수 있다.
단계(S1330)에서: P1P2 및 P3P4가 교차하는지의 여부가 결정될 수 있다. 몇몇 실시예들에서, P1P2 및 P3P4가 교차한다고 결정하는 것에 응답하여, 단계(S1340)가 수행될 수 있고 택시(C)가 주문(Q)의 고객 주문 처리 과정 동안 장애물(P1P2)을 지날 필요가 있다는 것을 결정할 수 있다. 대안적으로, P1P2와 P3P4가 교차하지 않는다고 결정하는 것에 응답하여, 단계(S1350)가 수행될 수 있고 주문(Q)의 고객 주문 처리 과정 동안 장애물(P1P2)을 지날 필요가 없다는 것을 결정할 수 있다. 여기서, 벡터 기반 외적은, 벡터들에 기초한 외적의 방법 또는 임의의 방법에 의해 결정될 수 있는, 두 개의 도로 섹션들이 교차할지 교차하지 않을지를 결정하기 위해 사용될 수 있다.
도 19는 두 개의 도로 섹션들이 본 개시의 몇몇 실시예들에 따라 교차들을 갖는지의 여부를 결정하기 위한 프로세스의 일 예를 도시하는 개략도이다.
두 개의 도로 섹션들(벡터 
및 벡터 
에 대응하는)이 교차하고 있는지의 여부를 결정하기 위해 벡터들의 외적의 방법을 사용하는 원리가 다음과 같이 기술된다. 도 16에 도시된 바와 같이, 두 개의 도로 섹션들(P1P2, P3P4)이 존재한다. 벡터 
와 벡터 
의 외적(즉, 
)이 양일 때, 벡터 
는 벡터 
의 시계 방향을 따를 수 있다. 벡터 
와 벡터 
의 외적(즉, 
)이 음일 때, 벡터 
는 벡터 
의 반시계 방향을 따를 수 있다. 벡터 
와 벡터 
의 외적(즉, 
)이 0일 때, 벡터 
및 벡터 
는 공선 벡터들일 수 있다(동일하거나 역방향을 따름). 다음의 두 조건들이 만족될 때, 벡터 
는 벡터 
와 교차할 수 있다:
벡터 
및 벡터 
는 벡터 
의 양 측면들상에 있다(즉, 
, 및 
; 또는 
, 및 
);
벡터
및 벡터 
는 벡터 
의 양 측면들상에 있다(즉, 
, 및 
; 또는 
, 및 
).
도 20 및 도 21은 본 개시의 몇몇 실시예들에 따라 두 개의 특정한 실시예들 하에서 두 개의 도로 섹션들이 교차들을 갖는지의 여부를 결정하는 개략도들이다.
도 20 및 도 21은 조건(1)을 만족시키지만 조건(2)를 만족시키지 않는 특정한 경우를 도시한다. 
및 
가 일치하기 때문에, 
는 0과 같다. 
가 0과 같은 경우, 상이한 실시예들이 각각 논의되어야 한다. P3이 도로 섹션(P1P2)상에 존재하는 경우, 두 개의 도로 섹션들(P1P2, P3,P4)은 교차들을 갖는다. P3이 도로 섹션(P1P2)의 연장선상에 존재하는 경우, 두 개의 도로 섹션들(P1P2, P3,P4)은 교차들을 갖지 않는다.
두 개의 도로 섹션들이 벡터 기반 외적에 기초하여 교차들을 갖는지의 여부를 결정하기 위해 상기에 기술된 방법에 따라, P1P2가 P3P4와 교차하는지의 여부를 결정하기 위한 단계들은 다음과 같다.
조건(1)이 
, 및 
, 또는 
, 및 
로서 지정된다.
조건(2)이 
, 및 
, 또는 
, 및 
로서 지정된다.
조건(1) 및 조건(2) 둘 모두가 동시에 만족되는 경우, P1P2는 P3P4와 교차한다.
또한, 조건(1)이 만족되지만 조건(2)이 만족되지 않고, 여기서 
와 
의 곱이 0과 같다(즉, 
). 이러한 경우, 주문(Q)의 출발 위치(P3)가 도로 섹션(P1P2)상에 존재하는 경우, P1P2은 P3P4와 교차한다. 대안적으로, 주문(Q)의 출발 위치(P3)가 도로 섹션(P1P2)의 연장선상에 존재하는 경우, P1P2는 P3P4와 교차하지 않는다.
응용 시나리오들
우한을 일 예로서 취하면, 우한의 양쯔강은 대략 직선으로 간주된다. 우한의 양쯔강의 두 개의 종료점들은 수동으로 획득될 수 있다. 두 개의 종료점들은 각각 (114.377997，30.666914) 및 (114.157229，30.380211)이다.
운전자는 후베이성 우한 강변 지구 중산로 1125호에 위치할 수 있다. 운전자의 경도 및 위도는 (114.31108，30.604891)일 수 있다. 승객은 평화로와 칭위안로의 교차로에서 주문을 전송할 수 있다. 주문의 경도 및 위도는 (114.338137，30.59485)이다. 운전자와 승객 사이의 직선 거리는 2㎞ 이내이다. 그러나, 운전자와 승객 사이의 통신이 양쯔강을 가로질러서 운전자가 승객을 픽업하기 위해 다리를 건널 필요가 있기 때문에, 실제 거리는 대략 8㎞일 수 있다.
두 개의 지점들((114.377997，30.666914) 및 (114.157229，30.380211))은 도로 섹션(P1P2)으로 간주될 수 있다. 운전자(114.31108，30.604891)와 주문(114.338137，30.59485) 사이의 라인은 도로 섹션(OD)으로 간주될 수 있다. 벡터 기반 외적 방법에 기초하여 두 개의 도로 섹션들이 서로 교차하는지의 여부를 결정하기 위해 상기에 기술된 방법에 따라, 도로 섹션(P1P2)은 도로 섹션(OD)과 교차하는 것으로 결정될 수 있다. 이와 같이, 주문은 운전자에 대해 강을 가로질러 방송하는 것이 결정될 수 있고, 이후 주문은 운전자로부터 분리될 수 있다. 즉, 주문은 운전자에게 방송되지 않을 수 있다.
응용 시나리오들
상하이의 강의 방향이 직선이 아니기 때문에, 상하이의 황푸강은 비교적 복잡하다. 상하이내 황푸강은 세그먼트들(P1P2, P2P3, P3P4, P5P6, 및 P7P8)로 후속되는 다수의 요충지들을 모음으로써 꺽인선으로 기술될 수 있다. 강을 가로지르는 방송을 전송할지의 여부를 결정하는 것은 단지 도로 섹션(OD)이 상기 세그먼트들 중 어느 하나와 교차하는지를 결정하는 것에만 기초할 수 있다.
상기에 기술된 실시예들 및 시나리오들은 본 개시를 완전히 기술하는 목적들을 위해 제공되고 본 개시의 보호 범위를 한정하도록 의도되지 않는다. 당업자들에 의해 행해진 본 개시의 동등한 대체들 또는 변형들은 본 개시의 보호 범위 내에 있다. 본 개시의 보호의 범위는 청구항들에 기초한다.
유사한 경로 주문들의 결정
운전자의 운전 방향 및 주문에 관련된 운전 방향이 유사한지의 여부는 운전자 및 승객의 사용자 경험에 영향을 끼칠 수 있는 중요한 팩터이다. 실제 환경에서, 운전자는 운전자 주위의 특정 범위 내의 주문들을 획득할 수 있다. 그러나, 운전자의 운전 방향은 종종 주문 방향에 따르지 않을 수 있다. 예를 들면, 운전자는 현재 동쪽으로 이동할 수 있고, 운전자에게 방송된 주문은 운전자의 서쪽에 있을 수 있다. 운전자가 주문을 수락하는 경우, 운전자는 승객을 픽업하기 위해 방향을 바꿔야 한다. 도시 도로의 실제 환경에서, 방향을 바꾸는 프로세스는 긴 시간이 걸릴 수 있고(U턴들, 교통 신호들, 고가도로들, 등을 고려하면), 이는 운전자 및 승객의 사용자 경험에 심각하게 영향을 끼친다.
실시예는 운전자의 운전 방향과 주문 방향 사이의 각도를 팩터로서 취하는 것을 달성할 수 있다. 팩터는 주문 분배의 순위 매김 프로세스 동안 주문 분배의 순위에 영향을 미칠 수 있고, 운전자의 운전 방향 앞쪽의 주문들(즉, 운전자의 유사한 경로를 갖는 주문들)은 바람직하게는 운전자에게 전송될 수 있다.
본 실시예는 처리 모듈에 의해 주문들을 처리하는 방법을 개시하고, 상기 방법은: 주문에 관련된 데이터를 획득하는 단계; 서비스 제공자의 운전 방향을 획득하는 단계; 서비스 제공자의 운전 방향과 서비스 제공자의 위치로부터 주문 위치까지의 방향 사이의 각도가 사전 설정된 각도보다 작은지의 여부를 결정하는 단계; 및 주문에 관련된 데이터를 서비스 제공자에게 전송하는 단계를 포함하다.
선택적으로, 상기 방법에서, 사전 설정된 각도는 90°이다.
선택적으로, 상기 방법은 또한: 주문에 관련된 데이터를 전송하기 전에 운반자의 위치로부터 주문 위치까지의 혼잡의 레벨이 사전 결정된 혼잡의 레벨보다 작은 것을 결정하는 단계를 포함할 수 있다.
선택적으로, 상기 방법은 또한: 주문에 관련된 데이터를 전송하기 전에 운반자의 위치로부터 주문 위치까지의 실제 운전 거리가 사전 설정된 운전 거리보다 작은 것을 결정하는 단계를 포함할 수 있다.
선택적으로, 상기 방법은 또한: 주문에 관련된 데이터를 전송하기 전에 운반자의 위치로부터 사전 설정된 위치까지의 방향과 운반자의 위치로부터 주문 위치까지의 방향 사이의 각도가 제 2 사전 설정된 각도보다 작은 것을 결정하는 단계를 포함할 수 있다.
선택적으로, 상기 방법에서, 제 2 사전 설정된 각도는 90°이다.
선택적으로, 상기 방법은 또한: 주문에 관련된 데이터를 전송하기 전에 주문들의 리스트에서 주문의 순위를 증가시키는 단계를 포함할 수 있다.
일 실시예의 원리에 따라, 본 개시는 또한 운반자에 의해 주문을 처리하는 방법을 개시한다. 상기 방법은: 운반자의 운전 방향을 전송하는 단계; 및 운반자의 운전 방향과 운반자의 위치로부터 주문 위치까지의 방향 사이의 각도가 사전 설정된 각도보다 작다는 것을 결정할 때 주문에 관련된 데이터를 수신하는 단계를 포함할 수 있다.
선택적으로, 상기 방법에서, 사전 설정된 각도는 90°이다.
실시예의 원리에 따라, 본 개시는 또한 운반자에게 주문을 표시하는 방법을 개시한다. 상기 방법은: 주문에 관련된 데이터를 수신하는 단계; 운반자의 운전 방향과 운반자의 위치로부터 주문 위치까지의 방향 사이의 각도가 사전 설정된 각도보다 작은 것을 결정하는 단계; 및 주문에 관련된 데이터를 표시하는 단계를 포함할 수 있다.
선택적으로, 상기 방법에서, 사전 설정된 각도는 90°이다.
선택적으로, 상기 방법은 또한: 주문에 관련된 데이터를 표시하기 전에 운반자의 위치로부터 주문 위치까지의 혼잡 레벨이 사전 설정된 혼잡 레벨보다 작은 것을 결정하는 단계를 포함할 수 있다.
선택적으로, 상기 방법은 또한: 주문에 관련된 데이터를 표시하기 전에 운반자의 위치로부터 주문 위치까지의 실제 운전 거리는 사전 설정된 운전 거리보다 작은 것을 결정하는 단계를 포함할 수 있다.
선택적으로, 상기 방법은 또한: 주문에 관련된 데이터를 표시하기 전에 운반자의 위치로부터 사전 설정된 위치까지의 방향과 운반자의 위치로부터 주문 위치까지의 방향 사이의 각도가 제 2 사전 설정된 각도보다 작은 것을 결정하는 단계를 포함할 수 있다.
선택적으로, 상기 방법에서, 제 2 사전 설정된 각도는 90°이다.
선택적으로, 상기 방법은 또한: 주문에 관련된 데이터를 표시하기 전에 주문들의 리스트에서 주문의 순위를 상승시키는 단계를 포함할 수 있다.
이러한 실시예는 운전자의 유휴 운전 거리 및 승객의 대기 시간을 효과적으로 감소시키는 이점을 갖는다. 이와 같이, 사용자 경험이 개선될 수 있다.
응용 시나리오들
다음은 주문 방법 및 주문을 처리하기 위한 디바이스를 상세히 기술하기 위한 택시 호출의 예이다.
도 22는 본 개시의 몇몇 실시예들에 따라 유사한 경로 주문을 결정하기 위한 프로세스의 일 예를 도시하는 플로차트이다.
도 22에 도시된 바와 같이, 서버는 단계(S1400)에서 주문에 관련된 데이터를 수신할 수 있다. 주문의 출발 위치 및 목적지가 획득될 수 있다. 주문 출발 위치 및 주문 목적지의 연결 라인 방향이 계산될 수 있다.
본 개시의 다양한 예시적인 실시예들에 따라, 본 개시는 클라이언트-서버 프레임워크에 따라 구현될 수 있거나 단일 디바이스상에 구현될 수 있다. 본 개시가 클라이언트-서버 프레임워크에 따라 구현될 때, 서버가 주문을 획득하기 위해 사용될 수 있다. 주문을 획득하는 방법은: 수신 모듈(110)에 의해 서비스 사용자로부터 주문을 직접 획득하거나 임의의 다른 매체(예를 들면, 웹사이트, 등)에 의해 송신된 주문을 획득하는 단계를 포함할 수 있다. 주문이 획득될 때, 주문에 관련된 데이터가 획득될 수 있다. 주문에 관련된 데이터는 택시를 기다리는 승객의 위치(요약해서 주문 위치), 목적지, 수락된 추가 팁, 수락된 대기 시간, 승객들의 수, 승객들이 무거운 짐을 운반하는지의 여부, 등을 포함할 수 있지만, 그로 한정되지 않는다. 상기에 기술된 택시를 기다리는 승객이 택시 부르기 앱에 의해 택시를 호출하는 소프트웨어 사용자일 수 있거나, 택시 부르기 앱을 통해 소프트웨어 사용자에 의해 호출된 택시를 타는 다른 사람일 수 있다는 것이 이해되어야 한다. 주문 위치는 경도-위도 좌표들의 하나 이상의 쌍들에 의해 표시될 수 있다. 주문 위치는 또한 적절한 상황에서 확실한 위치를 표시할 수 있는 임의의 다른 정보에 의해 표시될 수 있다. 특정 위치를 나타낼 수 있는 정보는 버스 정류장, 지하철역, 교차로, 특정 빌딩, 등을 포함할 수 있지만, 그로 한정되지 않는다. 주문 위치가 위성 위치 확인 시스템 좌표를 제외한 임의의 다른 정보로 표시될 때, 다른 정보는 다른 처리를 위해 주문의 수신자(예를 들면, 서버) 또는 제 3 자(예를 들면, 전문적인 웹 사이트의 주소 분석 기관)에 의해 위성 위치 확인 시스템 좌표로 변환될 수 있다.
도 22를 참조하면, 운반자(운전자)의 운전 방향은 단계(S1410)에서 획득될 수 있다.
본 개시의 다양한 예시적인 실시예들에 따라, 운반자의 운전 방향은 운반자에 의해, 예를 들면, 위성 위치 확인 시스템에 의해 제공될 수 있다. 본 개시가 클라이언트-서버 프레임워크에 따라 구현될 때, 운반자의 운전 방향은 운반자로부터 직접 획득될 수 있거나 서버에 의해 임의의 다른 매체(예를 들면, 위성 위치 확인 시스템 정보를 제공하는 기관)에 의해 획득될 수 있다. 상기에 기술된 운반자의 운전 방향이 일반적으로 개별적인 방향 정보가 아닌 것이 이해되어야 한다. 운반자의 획득된 운전 방향은 운반자의 위치(예를 들면, 위성 위치 확인 시스템에 의해 표시된 위치), 운반자 운전 속도, 등과 같은 다른 정보를 포함할 수 있다. 따라서, 운반자의 위치 또는 운반자 운전 속도와 같은 다른 정보가 다른 단계들에서 요구될 때, 정보는 상기에 기술된 운반자 또는 다른 매개자들로부터 직접 획득될 수 있다.
도 22를 참조하면, 서버는 운반자의 운전 방향과 운반자의 위치로부터 주문 위치까지의 방향(요약해서 주문 방향) 사이의 각도가 단계(S1420)에서 사전 설정된 각도보다 작은 것을 결정할 수 있다.
본 개시의 다양한 예시적인 실시예들에 따라, 주문 방향은 단계(S1420)에서먼저 결정될 수 있다. 주문 위치가 단계(S1400)에서 획득되고 운반자의 위치가 단계(S1410)에서 획득되기 때문에, 주문 방향은 주문 위치 및 위성 위치 확인 시스템 좌표로 표시되는 운반자의 위치의 경도-위도 좌표들의 쌍에 기초하여 계산될 수 있다.
주문 방향을 계산한 후, 운반자의 운전 방향과 주문 방향 사이의 각도가 또한 계산될 수 있다. 도 23은 프로세스의 상세 단계들이 도시된다.
도 23은 본 개시의 몇몇 실시예들에 따라 운전자의 운전 방향 및 주문의 방향을 도시하는 개략도이다.
도 23을 참조하면, 북쪽(N)으로 마킹된 방향(600)이 기준 방향으로 사용될 수 있다.
먼저, 운전자(운반자)의 운전 방향(610)과 N 사이의 각도(α)가 계산될 수 있다. 이후, 주문 방향(620)과 N 사이의 각도(β)가 계산될 수 있다. 최종적으로, 운반자의 운전 방향(610)과 주문 방향(620) 사이의 각도(θ)가 α 및 β에 기초하여 계산될 수 있고, θ는 다음의 식에 따라 계산될 수 있다:
0<α, β<2π 및 0≤θ≤π이기 때문에, 상기 변환은 θ를 계산할 때 필요로 될 수 있다. θ의 값은 0 내지 π, 즉 0° 내지 180°의 범위를 가질 수 있다.
운반자의 운전 방향(610)과 주문 방향(620) 사이의 각도(θ)를 계산한 후, 서버는 각도(θ)가 사전 설정된 각도보다 작은지의 여부를 결정할 수 있다. 여기서, θ가 0°일 때, 주문 위치는 정확하게 운전자(운반자)의 운전 방향(610)에 있을 수 있다. 이러한 순간에, 실제 도로 상태들을 고려하지 않고, 운반자는 주문 위치로 가는 중이다. 따라서, 주문 방향은 운반자에 대한 최상의 주문 방향일 수 있다. θ가 0°과 90° 사이일 때, 주문 방향 및 운반자의 운전 방향(610)은 대략 동일한 방향일 수 있다. 이러한 순간에, 실제 도로 상태를 고려하지 않고, 운반자는 주문 위치에 대략적으로 동일한 방향에 있을 수 있다. θ가 90°일 때, 운전 방향과 운전자의 운전 방향(610)은 수직일 수 있다. 이러한 순간에, 실제 도로 상황들을 고려하지 않고, 운반자는 주문 위치로 가는 중이 아닐 수 있거나, 주문 위치에 대해 우회로를 취할 수 있다. θ가 90°보다 클 때, 주문 방향과 운전자의 운전 방향(610)은 대략 반대로 될 수 있다. 이러한 순간에, 실제 도로 상황들을 고려하지 않고, 운반자는 주문 위치에 대해 우회로를 취할 수 있다. 운반자는 θ가 90°보다 작을 때에만 주문 위치로 가는 도중일 수 있거나 대략 그에 대해 동일한 방향에 있을 수 있어서, 사전 설정된 각도는 90°로 설정될 수 있다. 본 개시의 다른 실시예들에 따라, 운반자가 유사한 경로들의 더 높은 표준을 가질 때, 사전 설정된 각도는 45° 또는 유사한 더 작은 각도들로서 설정될 수 있다는 것이 이해되어야 한다.
본 개시의 몇몇 실시예들에 따라, 서버가 운전자의 운전 방향(610)과 주문 방향(620) 사이의 각도가 사전 설정된 각도보다 작지 않다고 결정할 때, 서버는 운반자를 목표로 하는 주문의 프로세스를 완료할 수 있다.
본 개시의 다양한 예시적인 실시예들에 따라, 사전 설정된 운전 거리는 특정 거리(예를 들면, 4㎞) 또는 운반자의 위치와 주문 위치 사이의 직선 거리를 말하는 거리(예를 들면, 직선 거리의 1.5배)일 수 있다.
도 22를 참조하면, 처리 모듈(130)은 주문의 출발 위치와 목적지를 따르는 선의 방향과 운전자의 운전 방향 사이의 각도가 단계(S1430)에서 임계각보다 작은지의 여부를 결정할 수 있다. 몇몇 실시예들에서, 주문의 출발 위치와 목적지를 따르는 선의 방향과 운전자의 운전 방향 사이의 각도가 임계각보다 작은 것을 결정하는 것에 응답하여, 주문은 운전자의 유사한 경로 주문(S1450)인 것이 결정될 수 있다. 대안적으로, 주문의 출발 위치 및 목적지를 따른 라인의 방향과 운전자의 운전 방향 사이의 각도가 임계각보다 작지 않다는 것을 결정하는 것에 응답하여, 주문은 운전자의 유사하지 않은 경로 주문(S1440)인 것이 결정될 수 있다.
도 24는 본 개시의 몇몇 실시예들에 따라 처리 모듈(130)에 의해 유사한 경로 주문을 결정 및 디스플레이하기 위한 프로세스의 일 예를 도시하는 플로차트이다.
단계(S1500)에서, 처리 모듈(130)은 출발 위치 및 목적지와 같은 주문에 관련된 정보를 획득할 수 있다. 처리 모듈(130)은 주문의 이동 방향을 계산할 수 있다.
단계(S1510)에서, 처리 모듈(130)은 운전자의 운전 방향을 획득할 수 있다.
단계(S1520)에서, 처리 모듈(130)은 주문의 이동 방향과 운전자의 운전 방향 사이의 각도를 계산할 수 있다.
단계(S1530)에서, 처리 모듈(130)은 각도가 임계각보다 작은지의 여부를 결정할 수 있다. 몇몇 실시예들에서, 각도가 임계각보다 작은 것을 결정하는 것에 응답하여, 주문은 운전자의 경로 유사 주문인 것이 결정될 수 있다. 대안적으로, 각도가 임계각보다 작지 않은 것을 결정하는 것에 응답하여, 주문은 운전자의 유사하지 않은 경로 주문인 것이 결정될 수 있다(S1540).
주문 잡아채기 확률의 결정
차량 부르기 앱들을 사용하는 운전자들 및 승객들의 수가 점차적으로 증가하면서, 대량의 온라인 주문들 및 운전자들 사이의 신속하고 최상의 매칭을 달성하는 방법이 알고리즘 및 아키텍처에 대한 극히 도전적인 문제가 되어왔다. 최상의 매칭은 각각의 운전자에게 현재 적절한 주문들을 (예를 들면, 스피치 방송 또는 이미지 디스플레이를 통해) 표시하는 것을 말할 수 있고, 각각의 주문은 다양한 팩터들을 고려한 후 충분한 시간 동안 디스플레이된다. 다양한 팩터들은 주문들의 특징들, 운전자들의 특징들, 주변의 운전자들의 수, 시간, 도로 상태들, 등을 포함할 수 있다.
그러나, 단순히 예로서, 온라인 운전자들의 수 및 운전자들의 온라인 시간이 일정하다는 것을 고려하면, 운전자에게 방송된 주문들의 수는 일정할 수 있다. 주문들이 정확성 없이 운전자들에게 방송되는 경우, 운전자들이 선택하기를 원하는(잡기를 원하는) 주문들이 완전히 방송되지 않게 하여 귀중한 주문 방송 채널들의 낭비일 뿐만 아니라, 운전자들을 방해한다. 예를 들면, 주문들은 구별 없이 운전자들에게 방송될 수 있다.
몇몇 실시예들에서, 저장 모듈(120)은 장기간 동작의 프로세스에서 운전자의 주문 잡아채기 로그들 및 하루 주문 표시 로그들을 저장할 수 있다. 각각의 표시된 주문에 대한 운전자들의 주문 잡아채기 확률이 다수의 로그들에 기초한 기계 학습 및 데이터 마이닝의 방법들에 의해 훈련될 수 있는 모델들을 사용하여 정확하게 예측될 수 있다. 예측된 주문 잡아채기 확률은 주문들을 배정하기 위해 적용될 수 있다.
몇몇 실시예들에 따라, 주문들을 처리하는 방법이 제공될 수 있고, 상기 방법은: 이력 주문들의 적어도 하나의 특징 및 이력 주문들에 관련된 서비스 제공자들의 응답들을 획득하는 단계; 이력 주문들에 관련된 서비스 제공자들의 응답들에 기초하여 특징에 가중치를 배정하는 단계; 현재 주문의 특징을 획득하는 단계; 및 현재 주문들의 특징에 따라 가중치에 기초하여 현재 주문들로부터 서비스 제공자에게 표시될 수 있는 주문을 선택하는 단계를 포함한다.
선택적으로, 몇몇 실시예들에서, 이력 주문들의 적어도 하나의 특징 및 이력 주문들에 관련된 서비스 제공자들의 응답들을 획득하는 방법은 서비스 제공자가 이력 주문을 선택할지 아닐지의 응답을 획득하는 단계를 포함할 수 있다.
선택적으로, 몇몇 실시예들에서, 이력 주문들에 관련된 서비스 제공자들의 응답들에 기초하여 특징에 가중치를 배정하는 방법은 이력 주문의 적어도 하나의 특징 및 서비스 제공자가 이력 주문을 선택할지 아닐지의 응답에 기초하여 특징에 가중치를 배정하기 위해 기계 훈련 모델을 이용하는 단계를 포함할 수 있다.
선택적으로, 몇몇 실시예들에서, 현재 주문들의 특징에 대응하는 가중치에 기초하여 현재 주문들로부터 서비스 제공자에게 표시될 수 있는 주문을 선택하는 방법은 현재 주문의 특징 및 현재 주문들의 특징에 대응하는 가중치에 기초하여 현재 주문을 선택하는 서비스 제공자의 확률을 결정하기 위해 기계 학습 모델을 이용하는 단계를 포함할 수 있다.
선택적으로, 몇몇 실시예들에서, 현재 주문들의 특징에 대응하는 가중치에 기초하여 현재 주문들로부터 서비스 제공자에게 표시될 수 있는 주문을 선택하는 방법은 또한 현재 주문들로부터 서비스 제공자에 의해 선택될 가장 큰 가능성이 있는 주문을 서비스 제공자에게 표시될 예정인 현재 주문으로서 선택하는 단계를 포함할 수 있다.
선택적으로, 몇몇 실시예들에서, 기계 학습 모델은 로지스틱 회귀 모델 또는 서포트 벡터 머신 모델을 포함할 수 있다.
선택적으로, 몇몇 실시예들에서, 상기 방법은 또한 서비스 제공자에게 표시될 예정인 주문의 특징 및 현재 주문들에 관련된 서비스 제공자들의 응답들을 이용하는 단계를 포함할 수 있고, 현재 주문들의 특징에 대응하는 가중치를 갱신할 수 있다.
선택적으로, 몇몇 실시예들에서, 상기 특징은 다음의 아이템들, 예컨대 서비스 제공자와 방송된 주문의 위치 사이의 거리, 주문의 목적지, 주문의 목적지의 형태들, 주문의 목적지의 주변 영역들의 도로 상태들, 및 주문의 표시 시간들 중 적어도 하나를 포함할 수 있다.
선택적으로, 몇몇 실시예들에서, 이력 주문들, 현재 주문, 및 서비스 제공자는 동일한 지리적 영역에 관한 것일 수 있다.
도 25는 본 개시의 몇몇 실시예들에 따라 처리 모듈(130)에 의해 주문을 처리하는 방법을 도시하는 플로차트이다.
본 개시의 몇몇 실시예들에 따라, 단계(S1600 또는 S1610)는 기계 학습 프로세스의 훈련 단계 전 또는 상기 훈련 단계 동안 수행될 수 있다. 단계(S1600 또는 S1610)는 온라인 서버 또는 빅 데이터 플랫폼 서버에 의해 수행될 수 있다. 특히, 예를 들면, 로그들은 온라인 서버에 의해 획득될 수 있고 서비스 제공자에 매칭하는 이력 주문의 식별 쌍들의 형태로 전체 샘플로서 저장될 수 있다. 바람직하게는, 로그들은 빅 데이터 플랫폼 서버와 같은 다른 서버에서 획득될 수 있고, 서비스 제공자 이력 주문에 매칭하는 이력 주문의 식별 쌍들의 형태로 전체 샘플로서 저장될 수 있다.
단계(S1600)에서, 이력 주문들의 적어도 하나의 특징 및 서비스 제공자에 의한 이력 주문들에 대한 응답이 획득될 수 있다. 이력 주문의 특징은 주문의 요금, 수락된 추가 팁, 전송된 주문의 위치와 서비스 제공자의 위치 사이의 거리, 승객들의 수, 또는 택시를 기다리는 개인의 위치와 서비스 제공자의 위치 사이의 거리, 주문의 목적지, 목적지의 형태들(예를 들면, 공항들, 기차역들, 병원들 또는 학교들), 주문의 목적지 주위의 도로 상태들, 또는 주문의 표시 시간들을 포함할 수 있다. 이력 주문의 특징은 또한 수락된 시간 지속 기간, 무거운 짐이 운반되는지의 여부, 주문의 상황들, 등을 포함할 수 있다.
단계(S1610)에서, 서비스 제공자에 의해 이력 주문을 선택할지의 응답이 획득될 수 있다. 상기 응답은 주문을 잡는 동작 및 동작의 결과를 포함할 수 있다. 예를 들면, 주문을 잡을 것인지의 여부, 주문 잡아채기의 성공 또는 실패, 주문을 잡기 위한 명령을 전송하는 것과 주문을 수신하는 것(즉, 주문 잡아채기의 속도 및 주문 수락의 의도를 나타내는) 사이의 시간 지속 기간, 등.
단계(S1610)는 필수적이지 않고, 전체 프로세스로부터 생략될 수 있다.
단계(S1620)는 단계(S1600) 및 단계(S1610) 후 수행될 수 있다. 서비스 제공자에 의한 이력 주문들에 대한 응답에 따라, 가중치가 특징에 배정될 수 있다.
특히, 단계(S1630)는 단계(S1620) 후에 수행될 수 있다. 여기서, 특징은 이력 주문의 특징 및 서비스 제공자에 의한 이력 주문을 선택할지의 여부의 응답에 따라 기계 학습 모델을 이용함으로써 가중치가 할당될 수 있다. 단계(S1630)는 또한 필수적이지 않고, 상기 특징은 가중치를 직접 할당받을 수 있다.
몇몇 실시예들에서, 기계 학습 모델은 2진 분류 문제들에서 널리 사용되는 로지스틱 회귀 모델일 수 있다. 몇몇 실시예들에서, 기계 학습 모델은 서포트 벡터 기계 모델일 수 있다. 몇몇 실시예들에서, 하나 이상의 다른 기계 학습 모델들은 테스트 결과들에 기초하여 사용될 수 있다.
몇몇 실시예들에서, 로지스틱 회귀 모델을 사용하는 것이 고려될 수 있다. 이력 주문의 특징 또는 예측 변동(X)이 x와 같은 경우(즉, X=x), 서비스 제공자에 의한 이력 주문을 선택할지의 응답의 불린식, 즉, 타깃 변동의 확률(즉, Y=1)은 다음 수식으로서 주어진다:
β는 특징에 할당된 가중치이거나, 또는 모델 파라미터라고 불린다.
훈련 샘플에서, 서비스 제공자가 이력 주문을 선택하는 경우, Y는 1과 같다(즉, Y=1). 대안적으로, 서비스 제공자가 이력 주문을 선택하지 않는 경우, Y는 0과 같다(즉, Y=0). 결정된 예측 변동(X) 및 타깃 변동(Y)에 기초하여, 예측 변동 및 타깃 변동(Y)은 수식으로 대체될 수 있다. 예측 변동(X)은 훈련 데이터의 서비스 제공자에 매칭하는 이력 주문의 다수의 식별 쌍들에 관한 정보를 포함할 수 있다. 특징에 배정된 가중치(β)가 결정될 수 있다. 가중치(β)는 예측 변동(X)의 벡터에 대응하는 벡터일 수 있다. 다시 말해서, 각각의 특징은 가중치에 대응할 수 있다. 예를 들면, 위치의 특징은 0.5의 가중치에 대응할 수 있다. 도로 상태들의 특징은 0.3의 가중치에 대응할 수 있다. 주문의 표시 시간들의 특징은 0.1의 가중치에 대응할 수 있다.
몇몇 실시예들에서, 특징에 가중치를 할당한 후, 특징에 배정된 가중치는 데이터 파일에 저장될 수 있다. 훈련이 빅 데이터 플랫폼 서버일 때, 데이터 파일은 온라인 서버로 송신될 수 있다. 이와 같이, 온라인 서버는 응용 단계에서 가중치를 획득하기 위해 데이터 파일을 로딩할 수 있다.
단계(S1630) 후, 단계(S1640)는 현재 주문의 특징을 획득하기 위해 수행될 수 있다.
현재 주문은 서비스 제공자에게 표시될 또는 표시되고 있는 주문을 말할 수 있다. 예를 들면, 현재 주문은 서비스 제공자에게 표시되지 않은 주문일 수 있거나, 또는 몇몇 서비스 제공자들에게만 표시하고 어떤 다른 서비스 제공자에게도 표시되지 않은 주문일 수 있다. 현재 주문은 온라인 서버에서 획득될 수 있다. 주문을 획득하는 방법들은 택시 타기를 기다리는 개인 또는 임의의 다른 매체(예를 들면, 웹사이트, 등)으로부터의 주문을 직접 수신하는 단계를 포함함 수 있다.
현재 주문을 획득한 후, 현재 주문에 관련된 하나 이상의 서비스 제공자들은 다수의 서비스 제공자들로부터 선택될 수 있다. 선택된 서비스 제공자들은 현재 주문이 표시될 예정인 후보 서비스 제공자들일 수 있다. 예를 들면, 현재 주문의 위치의 특정 범위 주위의 위치에 위치된 서비스 제공자는 후보 서비스 제공자로서 지정될 수 있다. 추가로 또는 대안적으로, 선택된 서비스 제공자들은 또한 필터링될 수 있다.
다수의 현재 주문들을 획득한 후, 단일 서비스 제공자에 관한 몇몇 현재 주문들이 존재할 수 있다는 것이 주의되어야 한다. 예를 들면, 서비스 제공자는 다수의 현재 주문들의 위치들의 특정 범위들 주위의 위치에 위치될 수 있다. 따라서, 다수의 현재 주문들로부터 선택된 바람직한 주문이 서비스 제공자에게 표시될 수 있다.
현재 주문의 특징은 훈련 단계에서 가중치에 대응하는 특징일 수 있다. 따라서, 현재 주문의 특징은 또한 주문의 위치와 서비스 제공자의 위치 사이의 거리, 택시를 기다리고 있는 개인의 위치와 서비스 사용자의 위치 사이의 거리, 주문의 목적지, 목적지의 형태들(예를 들면, 공항들, 기차역들, 병원들, 학교들, 등), 주문의 목적지 주위의 도로 상태들, 또는 주문의 표시 시간들을 포함할 수 있다. 현재 주문 및 서비스 제공자의 특징들은 또한 수락된 추가 팁, 수락된 시간 지속 기간, 무거운 짐이 운반되는지의 여부, 등을 포함할 수 있다. 게다가, 이력 주문의 기술들에 기초하여, 현재 주문의 특징은 현재 주문의 결정된 콘텐트로부터 직접 결정될 수 있다. 현재 주문의 특징은 서버에 의해 결정된 콘텐트를 추가로 처리함으로써 간접적으로 결정될 수 있다. 현재 주문의 특징에 대응하는 가중치는 현재 주문의 특징을 결정하기 위해 사용될 수 있다. 가중치는 훈련 단계 동안 현재 주문의 특징에 대응하는 특징에 배정되는 가중치일 수 있다.
단계(S1650)에서, 현재 주문에 대응하는 가중치에 따라, 서비스 제공자에게 표시될 현재 주문은 현재 주문들로부터 선택될 수 있다.
단계(S1660)에서, 현재 주문의 특징 및 현재 주문의 특징에 대응하는 가중치에 따라, 서비스 제공자가 현재 주문을 선택하는 확률이 결정될 수 있다. 단계(S1660)는 또한 필수적이지 않을 수 있다.
실시예에서, 현재 주문의 특징을 획득한 후, 서비스 제공자에 매칭하는 현재 주문의 쌍들의 특징 정보는 벡터들을 예측 변동들로서 구성할 수 있다. 서비스 제공자에 매칭하는 현재 주문의 쌍들은 현재 주문들 및 현재 주문에 관련된 서비스 제공자들로 구성될 수 있다. 예측 변동 및 벡터들에 의해 표현된 예측 변동의 특징에 대응하는 가중치는 응용을 위해 기계 학습 모델로 대체될 수 있다. 기계 학습 모델을 이용함으로써, 서비스 제공자가 현재 주문을 선택할 확률은 예측 변동 및 예측 변동에 대응하는 가중치에 기초하여 결정될 수 있다. 몇몇 실시예들에서, 응용 단계 및 훈련 단계에서 사용된 기계 학습 모델들은 동일할 수 있고, 예를 들면, 로지스틱 회귀 모델이다. 몇몇 실시예들에서, 기계 학습 모델은 서포트 벡터 기계 모델일 수 있다. 몇몇 실시예들에서, 하나 이상의 다른 기계 학습 모델들은 테스트 결과들에 기초하여 사용될 수 있다. 로지스틱 회귀 모델을 이용하는 상황을 고려하면, 현재 주문의 특징, 또는 예측 변동(X=x) 및 대응하는 가중치(β)는 훈련 단계에서 보여진 수식으로 대체될 수 있다. 이와 같이, 서비스 제공자가 현재 주문을 선택하는 확률이 획득될 수 있다. 확률은 또한 타깃 변동(Y)을 말할 수 있고, Y는 0부터 1까지의 실수이다.
바람직하게는, 서비스 제공자가 주문을 선택하는 확률이 사전 설정된 임계치보다 큰 경우, 현재 주문은 순위 매김을 위해 주문들의 리스트에 추가될 수 있다. 몇몇 실시예들에서, 온라인 서버는 하나의 서비스 제공자를 목표로 하고 순위 매김을 위해 상이한 시간에서 서버에 의해 수신된 다수의 주문들의 리스트를 구성할 수 있다. 서비스 제공자가 현재 주문을 선택하는 확률은 사전 설정된 임계치와 비교될 수 있다. 몇몇 실시예들에서, 확률이 사전 설정된 임계치보다 큰 것을 결정하는 것에 관하여, 현재 주문은 주문들의 리스트에 추가될 수 있다. 대안적으로, 확률이 사전 설정된 임계치보다 작다고 결정하는 것에 관하여, 현재 주문은 주문들의 리스트에 추가되지 않을 수 있다. 이러한 단계에서, 서비스 제공자가 분명히 선택하기를 원하지 않는 주문들이 필터링될 수 있다. 본 개시의 몇몇 실시예들에 따라, 사전 설정된 임계치는 온라인서버에 대응하는 애플리케이션의 구성 파일에 저장될 수 있다. 임계치는 서비스 제공자의 응답, 특정 시간에 주문의 전체 매칭하는 상태, 등과 같은 팩터들에 기초하여 요구될 때 정기적으로 또는 동적으로 조정될 수 있다. 몇몇 실시예들에서, 현재 주문에 관련된 후보 서비스 제공자는 상기에 기술된 것으로 선택되지 않을 수 있다. 현재 주문에 관련된 서비스 제공자는 확률에 기초하여 직접 필터링될 수 있다.
단계(S1660) 후, 단계(S1670)가 수행될 수 있다.
단계(S1670)에서, 서비스 제공자에 의해 선택되는 가장 높은 확률을 갖는 현재 주문은 서비스 제공자에 표시될 현재 주문으로서 선택될 수 있다. 본 개시의 몇몇 실시예들에 따라, 온라인 서버는 서비스 제공자에 의해 선택된 다수의 주문들의 확률들에 기초하여 현재 주문들을 순위 매김할 수 있다. 이와 같이, 서비스 제공자에 의해 선택되는 가장 높은 확률을 갖는 현재 주문은 서비스 제공자에게 표시될 현재 주문으로서 선택될 수 있다.
본 개시의 몇몇 실시예들에 따라, 서비스 제공자에게 표시될 현재 주문이 선택된 후, 현재 주문은 주문을 표시하기 위해 서비스 제공자의 단말로 송신될 수 있다. 예를 들면, 주문은 사용자 인터페이스(예를 들면, 터치 감응식 디스플레이, 등)를 통한 음성 방송 또는 이미지 디스플레이의 방법들에 의해 단말(예를 들면, 이동 디바이스)에 의해 설치된 서비스 제공자의 디바이스로 표시될 수 있다. 서비스 제공자가 현재 주문에 관심이 있는지의 여부에 의존하여, 서비스 제공자는 사용자 인터페이스를 통해 현재 주문을 선택함으로써 응답할 수 있다. 선택적으로, 몇몇 실시예들에서, 온라인 서버는 다수의 현재 주문들 및 서비스 제공자가 현재 주문을 선택하는 확률을 서비스 제공자에게 송신할 수 있다. 다수의 현재 주문들은 단말을 설치하는 것에 의해 서비스 제공자의 디바이스에 의해 순위 매김될 수 있다. 상기에 기술된 바와 같이, 서비스 제공자에 의해 선택되는 더 높은 확률을 갖는 주문이 표시될 수 있다. 이와 같이, 서비스 제공자가 더욱 선택하기를 원하는 주문이 표시에 앞설 수 있다.
몇몇 실시예들에서, 서비스 제공자가 현재 주문을 선택한 후, 또는 주문이 스케줄된 시간 후 서비스 제공자가 현재 주문을 선택하지 않는 것으로 표시된 후, 단계(S1640)는 선택을 위한 새로운 현재 주문들을 획득하는 것으로 리턴될 수 있다. 대안적으로, 단계(S1650 또는 S1660)는 부분적인 갱신들의 문자들에 기초하여 서비스 제공자에게 표시될 주문들을 재선택하는 것으로 리턴될 수 있다. 그의 유효 기간 내 동일한 현재 주문이 선택될 더 높은 확률 때문에 동일한 서비스 제공자에게 다수회 표시될 수 있다는 것이 주의되어야 한다. 이러한 실시예에서, 동일한 서비스 주문에 표시된 동일한 현재 주문의 횟수들은 현재 주문의 특성으로서 기록될 수 있다.
단계(S1680)에서, 현재 주문에 대응하는 가중치는 서비스 주문에 표시될 현재 주문의 특성 및 현재 주문에 관련된 서비스 제공자의 응답에 기초하여 갱신될 수 있다. 단계(S1680) 후, 단계(S1620)는 현재 주문에 관련된 서비스 제공자의 응답에 따라 적어도 하나의 특성에 대해 가중치를 배정하는 것으로 리턴될 수 있다.
주문 길이에 기초한 주문 잡아채기 확률의 결정
몇몇 실시예들에서, 특히, 주문 잡아채기 확률은 주문의 길이에 기초하여 추정될 수 있다. 상기 방법은: 현재 주문의 출발 위치와 목적지 사이의 거리를 획득하는 단계; 서비스 제공자의 이력 주문의 주문 잡아채기 확률을 획득하는 단계로서, 이력 주문의 출발 위치와 목적지 사이의 거리가 현재 주문의 출발 위치와 목적지 사이의 거리에 관련될 수 있는, 상기 이력 주문의 주문 잡아채기 확률을 획득하는 단계; 및 주문 잡아채기 확률에 기초하여 서비스 제공자에게 현재 주문을 전송하는 단계를 포함할 수 있다.
상기 방법에서, 서비스 제공자의 낮은 주문 잡아채기 확률을 갖는 주문들은 전송되도록 감소될 수 있고, 즉, 서비스 제공자에 대해 무가치하거나 또는 낮은 가치의 주문들을 전송하는 것이 감소된다. 이와 같이, 서비스 제공자에 대해 높은 가치가 있는 주문들은 빠르고 정확하게 전송되는 것이 보장될 수 있다.
상기에 상세하게 기술한대로, 차량들, 보트들, 및 항공기들의 종래의 운전자들을 포함하는 것 외에, 서비스 제공자는 또한 승객들 또는 물건들을 운반하기 위해 사용되는 무인 운송 수단들을 포함할 수 있다.
몇몇 실시예들에서, 현재 주문의 출발 위치와 서비스 제공자의 위치가 먼저 각각 획득될 수 있다. 이후, 현재 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리가 계산될 수 있다. 여기서, 현재 주문의 출발 위치는 상기에 기술된 주문 정보로부터 획득될 수 있다. 서비스 제공자의 위치는 서비스 제공자의 스마트 디바이스에서 위치 확인 정보에 의해 결정될 수 있다. 특히, 현재 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리는 그들의 선형 거리일 수 있다. 현재 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리는 경로 정보, 교통 상태들에 관한 정보, 및 내비게이션 시스템에서 도로 정보를 참조함으로써 계산된 실제 운전 거리일 수 있다. 이후, 서비스 제공자의 이력 주문의 주문 잡아채기 확률이 획득될 수 있다. 여기서, 이력 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리는 현재 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리에 관한 것일 수 있다. 예를 들면, 각각의 이력 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리가 현재 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리에 관련되는 상태를 만족시키는 다수의 이력 주문들이 존재할 수 있다. 상기에 기술된 상황에서, 서비스 제공자의 각각의 이력 주문의 주문 잡아채기 확률이 각각 획득될 수 있거나, 서비스 제공자들의 이력 주문들의 전체 주문 잡아채기 확률이 획득될 수 있다.
몇몇 실시예들에서, 이력 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리 및 현재 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리의 관련성은 다음으로 규정될 수 있다:
(1) 이력 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리는 현재 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리와 같을 수 있다. 몇몇 실시예들에서, 이력 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리가 현재 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리와 같기 때문에, 서비스 제공자의 이력 주문의 주문 잡아채기 확률은 대체로 서비스 제공자의 현재 주문의 주문 잡아채기 확률과 같을 수 있다. 즉, 서비스 제공자가 이력 주문의 낮은 주문 잡아채기 확률을 갖는 경우, 서비스 제공자는 대체로 현재 주문의 낮은 주문 잡아채기 확률을 갖는다. 이러한 방식으로, 현재 주문은 서비스 제공자에 대해 무가치하거나 낮은 가치를 가질 수 있어서, 현재 주문을 전송하는 것은 서비스 제공자에게 높은 가치 있는 주문들을 전송하는 것에 영향을 미칠 수 있다. 이와 같이, 높은 가치가 있는 주문들은 서비스 제공자에 대한 현재 주문의 낮은 주문 잡아채기 확률의 전송을 감소시킴으로써 빠르고 정확하게 서비스 제공자에게 전송될 것이 보장될 수 있다.
(2) 이력 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리 및 현재 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리는 동일한 거리 간격에 속할 수 있다. 여기서, 거리 간격은 각각의 이력 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리에 따라 사전 배정될 수 있다. 예를 들면, 0 내지 100 미터는 P1로서 지정되는 제 1 거리 간격일 수 있다. 100 내지 200 미터는 P2로서 지정되는 제 2 거리 간격일 수 있다. 200 내지 300 미터는 P3으로서 지정되는 제 3 거리 간격일 수 있다; 등등.
몇몇 실시예들에서, 이력 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리 및 현재 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리가 동일한 거리 간격에 속할 수 있기 때문에, 서비스 제공자의 이력 주문의 주문 잡아채기 확률은 대체로 서비스 제공자의 현재 주문의 주문 잡아채기 확률과 같을 수 있다. 즉, 서비스 제공자가 이력 주문의 낮은 주문 잡아채기 확률을 갖는 경우, 서비스 제공자는 대체로 현재 주문의 낮은 주문 잡아채기 확률을 갖는다. 이러한 방식으로, 현재 주문은 서비스 제공자에게 무가치하거나 낮은 가치가 있을 수 있고, 현재 주문을 전송하는 것은 서비스 제공자에게 높은 가치가 있는 주문들을 전송하는 것에 영향을 미칠 수 있다. 이러한 실시예에서, 높은 가치가 있는 주문들은 서비스 제공자에 대해 낮은 주문 잡아채기 확률을 갖는 현재의 주문들을 전송하는 것을 감소시킴으로써 서비스 제공자에게 빠르고 정확하게 전송될 것이 보장될 수 있다.
도 26은 본 개시의 몇몇 실시예들에 따라 주문들을 처리하는 방법을 예시하는 플로차트이다. 실시예에서, 현재 주문의 출발 위치와 목적지 사이의 거리는 단계(S1700)에서 획득될 수 있다. 단계(S1710)에서, 현재 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리가 결정될 수 있다. 상기 거리는 주문의 거리 간격이 속하는 거리 간격으로 분류될 수 있다. 단계(S1720)에서, 거리 간격 내에서 이력 주문들의 운전자의 주문 잡아채기 확률들이 획득될 수 있다. 잡기 확률은 운전자에게 푸시된 이력 주문들 및 운전자에 의한 이력 주문들에 대한 응답의 기록들에 기초하여 계산함으로써 획득될 수 있다.
단계(S1730)에서, 주문 잡아채기 확률이 임계 확률보다 큰지의 여부가 결정될 수 있다. 몇몇 실시예들에서, 주문 잡아채기 확률이 임계 확률보다 크지 않다고 결정하는 것에 응답하여, 프로세스는 단계(S1740)로 진행할 수 있고, 주문 정보는 운전자에게 푸시되지 않을 수 있다. 대안적으로, 주문 잡아채기 확률이 임계 확률보다 크다고 결정하는 것에 응답하여, 프로세스는 단계(S1750)로 진행할 수 있고, 주문 정보는 운전자에게 푸시될 수 있다.
도 27은 본 개시의 몇몇 실시예들에 따라 주문 잡아채기 확률을 나타내는 벡터를 생성하기 위한 프로세스의 일 예를 도시하는 플로차트이다. 프로세스는 다음의 단계(S1800) 내지 단계(S1840)를 포함할 수 있다.
서비스 제공자들의 각각에 관한 주문 정보는 단계(S1800)에서 처리될 수 있다. 특정 시간 기간에 수신된 이력 주문들의 주문 방송 거리들 및 주문 잡아채기 확률들에 관한 정보는 서비스 제공자들의 각각에 의해 획득될 수 있다. 특정 시간 기간은 지난 월일 수 있다. 주문 방송 거리는 주문의 출발 위치와 서비스 제공자의 위치 사이의 거리를 말할 수 있다.
단계(S1810)에서, 다수의 이력 주문들은 주문들의 거리 간격들에 기초하여 다수의 주문 세트들로 분류될 수 있다.
단계(S1820)에서, 상이한 주문 방송 거리들에 대한 주문 잡아채기 확률들이 계산될 수 있다. 예를 들면, 0-100 미터, 100-200 미터, 및 200-300 미터의 주문 방송 거리에 대한 주문 잡아채기 확률들이 각각 계산될 수 있다. 예를 들면, 0-100 미터의 주문 방송 거리에 대한 주문 잡아채기 확률들은 지난 월에 수신된 0-100 미터의 주문 방송 거리를 갖는 이력 주문들의 주문 잡아채기 횟수들 및 지난 월에 수신된 0-100 미터의 주문 방송 거리를 갖는 이력 주문들의 주문 수락 횟수들의 백분율과 같을 수 있다.
단계(S1830)에서, 주문 잡아채기 확률을 나타내는 벡터가 생성될 수 있다. 예를 들면, 거리 간격은 A, B, C, D, E, 및 F 거리 간격들을 포함한다. 거리 간격(A)은 0-10 킬로미터이다. 거리 간격(B)은 10-20 킬로미터이다. 거리 간격(C)은 20-30 킬로미터이다. 거리 간격(D)은 30-40 킬로미터이다. 거리 간격(E)은 40-50 킬로미터이다. 거리 간격(F)은 50-60 킬로미터이다. 주문 잡아채기 확률을 나타내는 벡터는 (0.1, 0.15, 0.2, 0.4, 0.3, 0.2)일 수 있다. 이는 운전자가 30-50 킬로미터의 거리 간격을 갖는 주문들에 가장 큰 관심이 있다는 것을 나타낸다.
단계(S1840)에서, 주문 잡아채기 확률을 나타내는 벡터가 저장될 수 있다.
처리 모듈(1300)에 의해 수행될 수 있는 몇몇 주문 의사 결정 모델들 및 방법들이 상기에 기술된다. 몇몇 실시예들에서, 방법들 및 의사 결정 모델들은 임의의 다른 방법 및 의사 결정 모델을 포함할 수 있다. 상기 예들은 단순히 예시 목적들을 위한 것이고, 본 발명의 보호 범위를 한정하도록 의도되지 않는다.
음식 주문 서비스의 실시예들
음식 주문들을 위한 본 분배 시스템에서, 사용자는 특정 레스토랑을 먼저 결정하고, 이후 동작하기 위해 레스토랑의 음식 주문 인터페이스에 들어갈 필요가 있다. 따라서, 사용자는 레스토랑과 친숙하도록 요구될 수 있고 사용자의 음식 요구에 관한 명확한 아이디어들을 가질 수 있다. 그러나, 몇몇 실시예들에서, 사용자가 레스토랑의 주변 환경, 레스토랑의 운영 상태들, 레스토랑의 가격 레벨, 레스토랑의 요리들의 형태들, 등과 친숙하지 않을 수 있는 것이 일반적이다.
실시예에서, 타깃 레스토랑을 선택하고 음식 주문 및 레스토랑에 관한 정보의 분석에 기초하여 레스토랑에 음식 주문을 전송하기 위한 시스템이 제공된다. 음식 주문에 관한 정보는 사용자의 이름, 사용자의 전화번호, 음식 배달 주소, 배달 시간, 요리의 형태, 수락 가능한 가격 레벨들, 사용자의 선호하는 맛들, 등을 포함할 수 있지만 그로 한정되지 않는다. 레스토랑에 관한 정보는 레스토랑의 개점 시간, 주소, 전화번호, 음식 형태들, 일반적인 소비 레벨, 등을 포함할 수 있다.
제출된 주문들에서 요리의 형태들은 쓰촨 요리, 광둥 요리, 산둥 요리, 푸젠 요리, 장쑤 요리, 화이양 요리, 저장 요리, 후난 요리, 안후이 요리, 프랑스 요리, 이탈리아 요리, 터키 요리, 멕시코 요리, 일본 요리, 한국 요리, 등을 포함할 수 있지만, 그로 한정되지 않는다. 사용자는 특정 요리를 선택할 수 있거나 단순히 사용자가 먹기를 원하는 요리 형태를 제공할 수 있다. 시스템은 사용자의 이력 음식 주문들 및 선호하는 맛들의 기록들에 따라 타깃 레스토랑을 선택할 수 있다. 타깃 레스토랑은 하나 이상의 특정 음식 형태들 또는 요리의 형태의 개요를 제공할 수 있다. 시스템은 이력 음식 주문들 및 사용자의 선호들, 등에 따라 사용자에게 음식의 특정 형태들을 추천하도록 구성될 수 있다. 시스템은 또한 주문에 관한 다른 정보를 조합하여 타깃 레스토랑을 선택할 수 있고 주문을 전송할 수 있다.
도 28은 본 개시의 몇몇 실시예들에 따라 타깃 레스토랑을 결정하기 위한 프로세스의 일 예를 예시하는 플로차트이다.
몇몇 실시예들에서, 단계(S1900)에서, 음식 주문들의 세트에서 음식 주문(Q) 및 레스토랑의 정보 세트에서 레스토랑 정보(C)가 획득될 수 있다.
단계(S1910)에서, 음식 주문(Q)의 배달 주소(D1), 배달 시간(T1), 음식 형태들(y), 및 수락가능한 가격 레벨들(X1)은 수신 모듈(110)에 의해 획득될 수 있다. 레스토랑 정보(C)의 영업 시간들[T2, T3], 레스토랑 주소(D2), 음식 형태들의 세트(Y), 음식 가격 레벨들(X2), 및 임계 주문 거리(D)가 또한 정보 모듈(110)에 의해 획득될 수 있다.
단계(S1920)에서, 처리 모듈(130)은 수신 모듈(110)에 의해 전송된 정보를 수신할 수 있다. 정보는 또한 처리 모듈(130)에 의해 결정될 수 있다. 제 1 결정 기준은 레스토랑의 주소(D2)로부터 배달 주소(D1)까지의 거리가 임계 거리(D) 이하인 것이다(|D2-D1|≤D). 제 2 결정 기준은 고객에 의해 요청된 배달 시간(T1)이 레스토랑의 영업 시간의 범위 내인 것이다(T2≤T1≤T3). 몇몇 실시예들에서, 결정 기준들 둘 모두가 만족된다는 결정에 응답하여, 프로세스는 단계(S1930)로 진행할 수 있다. 대안적으로, 두 개의 결정 기준들 중 하나 이상이 만족되지 않는다고 결정하는 것에 응답하여, 결정 프로세스는 단계(S1960)로 진행할 수 있고 레스토랑이 타깃 레스토랑이 아닌 것을 결정할 수 있다.
단계(S1930)에서, 사용자에 의해 요청된 음식 형태(y)가 레스토랑에 의해 제공된 음식 형태 세트(Y)에 속하는지(y∈Y)의 여부가 결정될 수 있다. 몇몇 실시예들에서, 사용자에 의해 요청된 음식 형태(y)가 음식 형태 세트(Y)에 속한다고 결정하는 것에 응답하여, 결정 프로세스는 단계(S1940)로 진행할 수 있다. 대안적으로, 사용자에 의해 요청된 음식 형태(y)가 음식 형태 세트(Y)에 속하지 않는다고 결정하는 것에 응답하여, 결정 프로세스는 단계(S1960)로 진행할 수 있고 레스토랑은 타깃 레스토랑이 아닌 것을 결정할 수 있다.
단계(S1940)에서, 음식 주문의 수락 가능한 가격(X1)의 범위와 레스토랑의 음식 가격(X2)의 범위 사이의 교차점이 존재하는지의 여부가 결정될 수 있다. 몇몇 실시예들에서, 음식 주문의 수락 가능한 가격(X1)의 범위와 레스토랑의 음식 가격(X2)의 범위 사이의 교차점이 존재한다고 결정하는 것에 응답하여, 결정 프로세스는 단계(S1950)로 진행할 수 있고 레스토랑이 타깃 레스토랑인 것을 결정할 수 있다. 대안적으로, 음식 주문의 수락 가능한 가격(X1)의 범위와 레스토랑의 음식 가격(X2)의 범위 사이의 교차점이 존재하지 않는다(X1∩X2 = 
)고 결정하는 것에 응답하여, 결정 프로세스는 단계(S1960)로 진행할 수 있고 레스토랑이 타깃 레스토랑이 아닌 것을 결정할 수 있다.
단계(S1920), 단계(S1930), 및 단계(S1940)의 순서는 교체할 수 있다는 것이 주의되어야 한다. 모든 단계들을 수행하는 것이 필수적이지는 않다. 예를 들면, 세 개의 단계들 중 하나 또는 두 개가 실시 요건들에 따라 생략될 수 있다. 더욱이, 추가의 결정 단계들에서 음식 주문을 위한 타깃 레스토랑의 결정이 영향을 받지 않을 수 있다. 예를 들면, 레스토랑(C)이 음식 주문(Q)의 타깃 레스토랑인지의 여부는 S1920에서 기준들에 의해 및 S1930 및/또는 S1940에서 기준들을 추가로 결정하지 않고 간단히 결정될 수 있다.
단계(S1950)에서, 레스토랑이 타깃 레스토랑으로서 결정된 후, 시스템은 또한 타깃 레스토랑으로 음식 주문에 관한 정보를 전송할 수 있다.
응용 시나리오들
먼저, 사용자는 사용자의 이동 전화 단말을 통해 음식 주문을 위한 요청 정보를 입력할 수 있다. 입력 방법들은 필기 입력, 음성 입력, 키보드 입력, 등을 포함할 수 있다. 음식 주문을 위한 요청 정보는: 고객들(사용자A), 배달 시간(오전 11:30), 배달 주소(베이징 하이뎬 지방 중관춘 하이롱 전자 몰 5층 501실), 기준 가격 레벨(15-25 위안), 음식 형태들(패스트푸드), 및 선호들(마일드 칠리)를 포함할 수 있다. 상기 정보를 포함하는 주문은 음식 주문 소프트웨어의 서버에 의해 생성될 수 있다.
음식 주문 소프트웨어의 서버에 저장된 다양한 레스토랑 정보가 존재한다. 레스토랑 정보 중 두 개가 다음에 보여진다.
서버는 주문 및 레스토랑들에 관한 현재 정보에 기초하여 주문과 레스토랑들을 매칭할 수 있다. 레스토랑(0012)은 타깃 레스토랑을 결정하는 규칙들에 따라 주문(12001)에 대한 타깃 레스토랑이다. 따라서, 서버는 레스토랑(0012)에 대한 주문(12001)을 푸시할 수 있다.
배달 서비스의 실시예들
배달 주문들을 배정하기 위한 시스템은 본 실시예에 따라 제공될 수 있다. 시스템에서, 배달 주문 및 몇몇 택배들에 관한 정보가 분석될 수 있다. 타깃 택배가 선택될 수 있고, 배달 주문은 분석 결과들에 따라 타깃 택배로 전송될 수 있다. 배달 주문에 관한 정보는 주문의 출발 위치, 배달 시간, 목적지, 고객들의 임계 도착 시간, 등을 포함할 수 있다. 택배에 관한 정보는 현재 위치, 택배의 바람직한 배달 거리 간격들, 출발 위치에서 택배의 추정된 도착 시간, 임계 주문 거리, 등을 포함할 수 있다.
도 29는 본 개시의 몇몇 실시예들에 따라 타깃 택배를 결정하기 위한 프로세스의 일 예를 도시하는 플로차트이다.
단계(S2000)에서, 수신 모듈(110)에 의해 수신된 배달 주문들의 세트에서 배달 주문(Q) 및 택배들의 정보 세트에서 택배 정보(C)가 획득될 수 있다.
단계(S2010)에서, 배달 주문(Q)의 출발 위치(D1), 목적지(D2), 배달 시간(T1), 및 사용자(T)의 임계 대기 시간이 획득될 수 있다. 택배 정보(C)의 현재 위치(D3), 택배의 바람직한 배달 거리 간격들[D4, D5], 출발 위치에서 택배의 추정된 도착 시간(T2), 및 임계 주문 거리(D)가 획득될 수 있다.
단계(S2020)에서, 수신 모듈(110)로부터의 정보는 처리 모듈(130)에 의해 수신될 수 있다. 상기 정보는 또한 처리 모듈(130)에 의해 결정될 수 있다. 택배 정보(C)의 현재 위치(D3)와 배달 주문의 출발 위치(D1) 사이의 거리(|D3-D1|로서 표시됨)가 수신하는 주문의 임계 거리(D) 이하(|D3-D1|≤D)인지의 여부가 결정될 수 있다. 택배 정보(C)의 현재 위치(D3)와 배달 주문의 출발 위치(D1) 사이의 거리가 수신하는 주문의 임계 거리(D) 이하인 것을 결정하는 것에 응답하여, 결정 프로세스는 단계(S2030)로 진행할 수 있다. 대안적으로, 택배 정보의 현재 위치(D3)와 배달 주문의 출발 위치(D1) 사이의 거리가 수신하는 주문의 임계 거리(D) 초과인 것을 결정하는 것에 응답하여, 결정 프로세스는 단계(S2060)로 진행할 수 있고, 택배는 타깃 택배가 아닌 것을 결정할 수 있다.
단계(S2030)에서, 주문의 배달 거리(|D2-D1|)가 택배의 바람직한 배달 거리 간격 내에 있는지(|D2-D1|∈[D4, D5])의 여부가 결정될 수 있다. 주문의 배달 거리(|D2-D1|)가 택배의 바람직한 배달 거리 간격([D4, D5]) 내에 있다고 결정하는 것에 응답하여, 결정 프로세스는 단계(S2040)로 진행할 수 있다. 대안적으로, 주문의 배달 거리(|D2-D1|)가 택배의 바람직한 배달 거리 간격([D4, D5]) 내에 있지 않다고 결정하는 것에 응답하여, 결정 프로세스는 단계(S2060)로 진행할 수 있고 택배는 타깃 택배인 것을 결정할 수 있다. 프로세스는 이후 종료할 수 있다.
여기서, 주문의 출발 위치는 전송자의 현재 위치 또는 물류 센터의 지리적 위치일 수 있다.
단계(S2040)에서, 현재 위치로부터 출발 위치로 이동하는 택배의 추정된 시간(T2)과 배달 시간(T1) 사이의 차이가 T 동안 대기하는 고객의 임계 시간 이하인지(|T1-T2|≤T)의 여부가 결정될 수 있다. 현재 위치로부터 출발 위치로 이동하는 택배에 대한 추정된 시간(T2)과 배달 시간(T1) 사이의 차이가 고객 대기 임계 시간(T) 이하인 것을 결정하는 것에 응답하여, 결정 프로세스는 단계(S2050)로 진행할 수 있고, 택배는 타깃 택배인 것을 결정할 수 있고, 프로세스를 종료한다. 대안적으로, 현재 위치로부터 출발 위치로 이동하는 택배의 추정된 시간(T2)과 배달 시간(T1) 사이의 차이가 T 동안 기다리는 고객의 임계 시간보다 큰 것을 결정하는 것에 응답하여, 결정 프로세스는 단계(S2060)로 진행할 수 있고, 택배는 타깃 택배가 아닌 것을 결정할 수 있다.
단계들(S2020, S2030, S2040)이 교체 가능할 수 있다는 것이 주의되어야 한다. 모든 단계들을 수행하는 것이 필수적이지는 않다. 예를 들면, 세 개의 단계들 중 한 개 또는 두 개가 실제 요건들에 따라 생략될 수 있다. 추가의 결정 단계들에서 배달 주문에 대한 타깃 택배의 결정이 영향을 받지 않을 수 있다. 예를 들면, 택배가 배달 주문(Q)에 대한 타깃 택배인지의 여부가 S2020에서 기준에 의해 및 S2030 및/또는 S2040에서 기준들을 추가로 결정하지 않고 간단하게 결정될 수 있다.
단계(S2050)에서, 택배가 타깃 택배로서 결정된 후, 시스템은 또한 타깃 택배로 음식 주문에 관한 정보를 전송할 수 있다.
응용 시나리오들
전송자는 먼저 전송자의 스마트 디바이스를 통해 애플리케이션 인터페이스에 액세스할 수 있고, 이후 배달에 대한 전송자의 요청 정보를 입력할 수 있다. 입력 방법들은 필기 입력, 음성 입력, 키보드 입력, 등을 포함할 수 있다. 배달 주문에 대한 요청 정보는: 전송 시간(오전 9시 30분), 전송 주소(베이징 하이뎬 지방 중관춘 하이롱 전자 몰 5층 501실), 전송자의 이름(사용자A), 전화 번호(123...45), 및 수취인 주소(베이징 하이뎬 지방 20번째 슈에유안 로드)를 포함할 수 있다. 상기 정보를 포함하는 주문은 배달 서비스 소프트웨어의 서버에 의해 생성될 수 있다.
배달 서비스의 서버에 저장된 다양한 택배 정보가 존재할 수 있다. 택배 정보 중 두 개가 다음에 보여진다.
서버는 주문 및 택배에 관한 현재 정보에 따라 주문 및 택배들을 매칭할 수 있다. 택배(0012)는 타깃 택배를 결정하는 규칙들에 따라 주문(12001)에 대한 타깃 택배이다. 따라서, 서버는 택배(0012)에 대해 주문(12001)을 할당할 수 있다.
운송 서비스, 음식 서비스, 및 배달 서비스에서 서비스 분배 시스템의 몇몇 특정 애플리케이션들이 상기 실시예들에 기술된다. 상기에 기술된 예시들 또는 예들이 서비스 분배 시스템의 시나리오들 또는 애플리케이션 필드들을 한정하도록 의도되지 않는다는 것이 주의되어야 한다. 본 개시의 교시하에서, 당업자들은 본 개시의 기술적 아이디어들을 몇몇 다른 서비스 필드들, 예를 들면, 하우스키핑 서비스, 등에 적용할 수 있다.
상기 특징들 및 다른 변동들 및/또는 상기 특징들의 조합들은 청구항들에서 규정된 시스템 및 방법을 벗어나지 않고 이용될 수 있다. 따라서, 예시적인 실시예들의 기술들은 단순히 예시적이고 청구항들에서 규정된 주제를 한정하도록 의도되지 않는다. 실시예들("그와 같은", ""예를 들면", "포함하는", 등으로 표현된 절들뿐만 아니라) 특정 실시예에 대해 청구항들에 규정된 주제를 한정하지 않도록 제공된다는 것이 또한 이해되어야 한다. 대신, 실시예들은 단순히 다수의 가능한 양태들의 일부를 예시하도록 의도된다. 주어진 실시예, 대안적인 실시예, 또는 예시적인 실시예의 각각의 특징은, 반대로 명확하게 표시되지 않으면, 몇몇 다른 실시예들, 대안적인 실시예들 또는 예시적인 실시예들에서 사용될 수 있다.
본 명세 및 다음의 청구항들에서 사용되는, 단일 형태들은, 문맥이 그와 다르게 명확하게 나타나지 않으면, 복수 형태들 또한 포함하도록 의도될 수 있다. 본 명세에서 사용될 때 용어들 "포함한다" 및/또는 "포함하는"은 방법들 또는 디바이스들에서 단계들 및/또는 요소들의 존재를 명시하지만, 하나 이상의 단계들 및/또는 그의 요소들의 존재 또는 추가를 배제하지 않는다는 것이 또한 이해될 것이다. 또한, 본 명세 및 다음의 청구항들에서 사용되는, 용어 "이내"는: 문맥이 그와 다른 것을 명확하게 나타내지 않으면, "그 안" 및 "...에"를 포함한다.
예시적인 실시예들이 플로차트, 데이터 흐름도, 구조도, 또는 블록도에서 구현되는 것으로 기술될 수 있다는 것이 주의되어야 한다. 플로차트가 순차적인 프로세스로서 동작을 기술할 수 있지만, 동작들의 수는 함께, 수반하여, 동시에 수행될 수 있다. 또한, 동작들의 시퀀스는 재정렬될 수 있다. 프로세스는 프로세스의 동작이 완료될 때 종료될 수 있지만, 프로세스는 또한 도면에 포함되지 않는 추가의 단계들을 가질 수 있다. 프로세스는 방법, 기능, 프로그램, 서브루틴, 서브프로그램 등에 대응할 수 있다. 프로세스가 기능에 대응할 때, 프로세스의 종료는 불러오기 기능 또는 주요 기능의 리턴에 대응할 수 있다.
대응하는 도면들의 몇몇 실시예들에서, 프로세서 및 메모리는 동일한 대응하는 블록 내에 있는 것으로 기능적으로 도시된다. 상기에 기술된 디바이스들, 유닛들 또는 단계들이 범용 컴퓨팅 디바이스에 의해 수행될 수 있다는 것이 당업자들에게 이해될 것이다. 디바이스들, 유닛들 또는 단계들의 각각은 단일 컴퓨팅 디바이스(예를 들면, 서비스 분배 디바이스)에 집중되거나 그렇지 않을 수 있다. 예를 들면, 수신 모듈, 저장 모듈, 및 처리 모듈은 무선 송수신기, 메모리, 프로세서, 마이크로 프로세서, 등과 같은 동일한 물리적 인클로저에 존재하지 않는 다수의 특정 디바이스들을 실제로 포함할 수 있다. 본 개시에 따라 시스템의 각각의 모듈은 다수의 컴퓨팅 디바이스들의 네트워크를 거쳐 분배될 수 있다. 네트워크는 영역에서 유선 또는 무선 연결들을 가질 수 있거나, 분산 네트워크를 통해 상이한 영역들에 연결된다. 선택적으로, 디바이스들, 유닛들 또는 단계들의 각각은 그들이 메모리 디바이스들에 저장될 수 있고 컴퓨팅 디바이스에 의해 실행될 수 있도록 컴퓨팅 디바이스들에 의해 실행 가능한 프로그램 코드에 의해 수행될 수 있다. 디바이스들, 유닛들 또는 단계들의 각각은 또한 각각 집적 회로 모듈에 의해, 또는 그들의 다수의 모듈들 또는 단계들을 포함하는 단일 집적 회로 모듈에 의해 구현될 수 있다. 따라서, 본 개시는 하드웨어 및 소프트웨어의 임의의 특정 조합으로 한정되지 않는다.
상기의 기술들은 단순히 본 개시의 몇몇 대안적인 실시예들이고, 단순히 본 개시의 기술적 아이디어들을 예시하도록 의도된다. 실시예들의 목적들은 당업자가 본 개시를 이해하고 수행하게 하는 것이고, 한정하는 것으로 의도되지 않는다. 당업자들은 개시된 실시예들의 다양한 변동들을 구현할 수 있다. 본 개시의 교시하에서 수행된 모든 대안들, 개선들 및 변동들은 본 개시의 정신 및 범위 내에 있다.
Claims (21)
- 주문들을 분배하기 위한 시스템에 있어서,
서비스 제공자로부터 서비스 제공에 관한 정보 및 서비스 사용자로부터 서비스 요청에 관한 정보를 수신하도록 구성된 수신 모듈;
상기 수신 모듈에 의해 수신된 상기 서비스 제공에 관한 정보 및 상기 서비스 요청에 관한 정보를 저장하도록 구성된 저장 모듈; 및
특징 결과를 획득하고,
ⅰ) 상기 특징 결과가 적어도 하나의 기준을 만족시킨다고 결정하는 것에 응답하여, 상기 서비스 요청에 관한 정보가 상기 서비스 제공자에게 전송될 것으로 결정하고,
ⅱ) 상기 특징 결과가 어떤 기준도 만족시키지 않는다고 결정하는 것에 응답하여, 상기 서비스 요청에 관한 정보가 상기 서비스 제공자에게 전송되지 않는 것으로 결정하기 위해 상기 저장 모듈에 저장된 상기 서비스 제공에 관한 정보 및 상기 서비스 요청에 관한 정보를 처리하도록 구성된 처리 모듈을 포함하고,
상기 서비스 요청에 관한 정보는 적어도 두 개의 지리적 위치들을 포함하는, 주문들을 분배하기 위한 시스템. - 제 1 항에 있어서,
상기 시스템은, 상기 서비스 요청에 관한 정보가 상기 서비스 제공자에게 전송될 것으로 결정될 때, 상기 서비스 요청에 관한 정보를 상기 서비스 제공자에게 제공하도록 구성된 출력 모듈을 추가로 포함하는, 주문들을 분배하기 위한 시스템. - 제 1 항에 있어서,
상기 처리 모듈은 적어도 하나의 기준을 저장하도록 구성된 기준 저장 유닛을 포함하는, 주문들을 분배하기 위한 시스템. - 제 1 항에 있어서,
상기 서비스 제공에 관한 정보는 상기 서비스 제공자에 관한 현재 정보를 포함하는, 주문들을 분배하기 위한 시스템. - 제 4 항에 있어서,
상기 서비스 제공자에 관한 현재 정보는 상기 서비스 제공자에 관한 위치 결정 및 이동 정보를 포함하는, 주문들을 분배하기 위한 시스템. - 제 5 항에 있어서,
상기 서비스 제공자에 관한 위치 결정 및 이동 정보는 상기 서비스 제공자에 관한 위치 정보를 포함하는, 주문들을 분배하기 위한 시스템. - 제 5 항에 있어서,
상기 서비스 제공자에 관한 상기 위치 결정 및 이동 정보는 상기 서비스 제공자에 관한 속도 정보를 포함하는, 주문들을 분배하기 위한 시스템. - 제 7 항에 있어서,
상기 서비스 제공자에 관한 상기 속도 정보는 상기 서비스 제공자의 이동의 방향을 포함하는, 주문들을 분배하기 위한 시스템. - 제 1 항에 있어서,
상기 수신 모듈은 또한 정보 소스로부터 정보를 수신하도록 구성되는, 주문들을 분배하기 위한 시스템. - 제 1 항에 있어서,
상기 적어도 하나의 기준은:
상기 서비스 제공자에 의한 상기 서비스 요청에 대한 응답을 나타내는 파라미터;
상기 서비스 제공자의 활동을 나타내는 파라미터;
상기 서비스 제공자의 거주지 장소의 위치로부터 상기 지리적 위치들로의 거리들; 및
상기 서비스 제공자의 이동 방향과 지리적 위치들 사이의 라인을 나타내는 벡터 사이의 각도들, 중 적어도 하나로부터 선택되는, 주문들을 분배하기 위한 시스템. - 서비스 분배 방법에 있어서,
수신 모듈에 의해 서비스 제공자로부터 서비스 제공에 관한 정보 및 서비스 사용자로부터의 서비스 요청에 관한 정보를 수신하는 단계;
상기 수신 모듈에 의해 수신된 상기 서비스 제공에 관한 정보 및 상기 서비스 요청에 관한 정보를 저장 모듈에 저장하는 단계; 및
특징 결과를 획득하고,
ⅰ) 상기 특징 결과가 적어도 하나의 기준을 만족시킨다고 결정하는 것에 응답하여, 상기 서비스 요청에 관한 정보가 상기 서비스 제공자에게 전송될 것으로 결정하고,
ⅱ) 상기 특징 결과가 어떤 기준도 만족시키지 않는다고 결정하는 것에 응답하여, 상기 서비스 요청에 관한 정보가 상기 서비스 제공자에게 전송되지 않을 것으로 결정하기 위해, 상기 저장 모듈에 저장된 상기 서비스 제공에 관한 정보 및 상기 서비스 요청에 관한 정보를 처리 모듈에 의해 처리하는 단계를 포함하고,
상기 서비스 요청에 관한 정보는 적어도 두 개의 지리적 위치들을 포함하는, 서비스 분배 방법. - 제 11 항에 있어서,
상기 서비스 요청에 관한 정보가 상기 서비스 제공자에게 전송되도록 결정될 때, 출력 모듈에 의해 상기 서비스 요청에 관한 정보를 상기 서비스 제공자에게 제공하는 단계를 추가로 포함하는, 서비스 분배 방법. - 제 11 항에 있어서,
상기 서비스 제공에 관한 정보는 상기 서비스 제공자에 관한 현재 정보를 포함하는, 서비스 분배 방법. - 제 13 항에 있어서,
상기 서비스 제공자에 관한 현재 정보는 상기 서비스 제공자에 관한 위치 결정 및 이동 정보를 포함하는, 서비스 분배 방법. - 제 14 항에 있어서,
상기 서비스 제공자에 관한 위치 결정 및 이동 정보는 상기 서비스 제공자에 관한 위치 정보를 포함하는, 서비스 분배 방법. - 제 14 항에 있어서,
상기 서비스 제공자에 관한 위치 결정 및 이동 정보는 상기 서비스 제공자에 관한 속도 정보를 포함하는, 서비스 분배 방법. - 제 16 항에 있어서,
상기 서비스 제공자에 관한 상기 속도 정보는 상기 서비스 제공자의 이동 방향을 포함하는, 서비스 분배 방법. - 제 11 항에 있어서,
상기 수신 모듈에 의해 정보 소스로부터 정보를 수신하는 단계를 추가로 포함하는, 서비스 분배 방법. - 제 11 항에 있어서,
상기 적어도 하나의 기준은:
상기 서비스 제공자에 의한 상기 서비스 요청에 대한 응답을 나타내는 파라미터들;
상기 서비스 제공자의 활동을 나타내는 파라미터들;
상기 서비스 제공자의 거주지 장소의 위치로부터 상기 두 개의 지리적 위치들로의 거리들; 및
상기 서비스 제공자의 이동 방향과 지리적 위치들 사이의 라인을 나타내는 벡터 사이의 각도들, 중 적어도 하나로부터 선택될 수 있는, 서비스 분배 방법. - 제 11 항에 있어서,
상기 처리 모듈에 의해 서비스 요청에 관한 상기 정보에 스코어를 배정하는 단계를 추가로 포함하는, 서비스 분배 방법. - 제 20 항에 있어서,
상기 서비스 제공자가 상기 서비스 제공을 완료한 후 상기 서비스 제공자에 스코어를 전송하는 단계를 추가로 포함하는, 서비스 분배 방법.
Applications Claiming Priority (21)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410379713.3 | 2014-08-04 | ||
| CN201410379713.3A CN104167093B (zh) | 2014-08-04 | 2014-08-04 | 基于司机住址信息的顺风车运营系统 |
| CN201410397679.2A CN104156443B (zh) | 2014-08-13 | 2014-08-13 | 地理兴趣点模糊改写系统 |
| CN201410397679.2 | 2014-08-13 | ||
| CN201410409108.6A CN104183118B (zh) | 2014-08-19 | 2014-08-19 | 基于拍卖模式获得乘客最优接驾司机的派单系统 |
| CN201410409108.6 | 2014-08-19 | ||
| CN201410413040.9A CN104157133B (zh) | 2014-08-20 | 2014-08-20 | 基于司机在线活跃情况的运力拉升系统 |
| CN201410413040.9 | 2014-08-20 | ||
| CN201410418423.5A CN104156868A (zh) | 2014-08-22 | 2014-08-22 | 基于订单价值判断促进订单成交的出租车积分系统 |
| CN201410418423.5 | 2014-08-22 | ||
| CN201410421805.3A CN104183123B (zh) | 2014-08-25 | 2014-08-25 | 基于判断线段是否相交的叫车订单播送系统 |
| CN201410421805.3 | 2014-08-25 | ||
| CN201410437102.X | 2014-08-29 | ||
| CN201410437102.XA CN104156489B (zh) | 2014-08-29 | 2014-08-29 | 基于司机轨迹进行司机常驻点挖掘的方法 |
| CN201410705608.4 | 2014-11-27 | ||
| CN201410705608.4A CN104574947A (zh) | 2014-11-27 | 2014-11-27 | 处理订单的方法和设备 |
| CN201510020526.0A CN104537502A (zh) | 2015-01-15 | 2015-01-15 | 处理订单的方法和设备 |
| CN201510020526.0 | 2015-01-15 | ||
| CN201510163063.3 | 2015-04-08 | ||
| CN201510163063.3A CN104715426B (zh) | 2015-04-08 | 2015-04-08 | 用于处理订单的方法及设备 |
| PCT/CN2015/086075 WO2016019857A1 (zh) | 2014-08-04 | 2015-08-04 | 服务派发系统及方法 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020177003867A Division KR20180006871A (ko) | 2014-08-04 | 2015-08-04 | 주문들을 분배하기 위한 방법들 및 시스템들 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20190000400A true KR20190000400A (ko) | 2019-01-02 |
Family
ID=55263155
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020177003867A KR20180006871A (ko) | 2014-08-04 | 2015-08-04 | 주문들을 분배하기 위한 방법들 및 시스템들 |
| KR1020187037289A KR20190000400A (ko) | 2014-08-04 | 2015-08-04 | 서비스 분배 시스템 및 방법 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020177003867A KR20180006871A (ko) | 2014-08-04 | 2015-08-04 | 주문들을 분배하기 위한 방법들 및 시스템들 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20170228683A1 (ko) |
| EP (1) | EP3179420A4 (ko) |
| KR (2) | KR20180006871A (ko) |
| MY (1) | MY188692A (ko) |
| PH (1) | PH12017500192A1 (ko) |
| SG (2) | SG10201901024TA (ko) |
| WO (1) | WO2016019857A1 (ko) |
Families Citing this family (44)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10593005B2 (en) * | 2014-09-03 | 2020-03-17 | Meru Cab Company Private Limited | Dynamic forecasting for forward reservation of cab |
| EP3249602A4 (en) | 2015-01-20 | 2018-06-13 | Beijing Didi Infinity Technology and Development Co., Ltd. | Information providing system and method for on-demand service |
| EP3252705A4 (en) | 2015-01-29 | 2018-07-04 | Beijing Didi Infinity Technology and Development Co., Ltd. | Order allocation system and method |
| GB2550523A (en) | 2015-02-02 | 2017-11-22 | Beijing Didi Infinity Tech And Dev Co Ltd | Methods and systems for order processing |
| US10635994B2 (en) | 2015-12-11 | 2020-04-28 | Lyft, Inc. | System for navigating driver to passenger for ride authorized by another user of transportation service |
| US11508026B2 (en) | 2015-12-31 | 2022-11-22 | Lyft, Inc. | System for navigating transportation service providers to fulfill transportation requests authorized by an organization |
| CN106384509A (zh) * | 2016-10-08 | 2017-02-08 | 大连理工大学 | 考虑出租车运营状态下的城市道路行程时间分布估算方法 |
| CN108009180B (zh) * | 2016-10-28 | 2021-09-21 | 哈尔滨工业大学深圳研究生院 | 一种高质量模式项集挖掘方法、装置及数据处理设备 |
| CN106781468B (zh) * | 2016-12-09 | 2018-06-15 | 大连理工大学 | 基于建成环境和低频浮动车数据的路段行程时间估计方法 |
| AU2018290417A1 (en) * | 2017-06-28 | 2019-01-24 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for cheat examination |
| US11172020B2 (en) * | 2017-07-14 | 2021-11-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and communication device for determining a score relating to a first agent module |
| US20190102723A1 (en) * | 2017-10-02 | 2019-04-04 | Servicenow, Inc. | Systems for automated profile building, skillset identification, and service ticket routing |
| WO2019084794A1 (en) | 2017-10-31 | 2019-05-09 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for carpool services |
| CN107945058A (zh) * | 2017-11-08 | 2018-04-20 | 北京轻生活时代科技发展有限责任公司 | 一种智能点餐管理系统 |
| US20190164247A1 (en) * | 2017-11-28 | 2019-05-30 | Ford Global Technologies, Llc | Method and apparatus for transportation wireless authorization |
| CN110431597A (zh) * | 2017-12-15 | 2019-11-08 | 北京嘀嘀无限科技发展有限公司 | 用于优化在线按需服务的系统和方法 |
| CN108229879B (zh) * | 2017-12-26 | 2021-01-05 | 拉扎斯网络科技（上海）有限公司 | 一种行程时长预估方法、装置及存储介质 |
| US11475395B2 (en) | 2018-01-19 | 2022-10-18 | Walmart Apollo, Llc | Systems and methods for combinatorial resource optimization |
| US20190228352A1 (en) | 2018-01-19 | 2019-07-25 | Walmart Apollo, Llc | Systems and methods for combinatorial resource optimization |
| CN110309241B (zh) * | 2018-03-15 | 2021-11-23 | 北京嘀嘀无限科技发展有限公司 | 挖掘方法、装置、服务器、计算机设备和可读存储介质 |
| CN110839346A (zh) * | 2018-06-19 | 2020-02-25 | 北京嘀嘀无限科技发展有限公司 | 用于分配服务请求的系统和方法 |
| WO2020000126A1 (en) * | 2018-06-25 | 2020-01-02 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for generating a wide table |
| CN109033219B (zh) * | 2018-06-29 | 2022-03-11 | 北京奇虎科技有限公司 | 兴趣点poi分类方法和装置 |
| CN108965462B (zh) * | 2018-08-06 | 2019-06-21 | 长安大学 | 基于群代理协同交互的共乘出行仿真系统及其实现方法 |
| US11443355B2 (en) | 2018-08-23 | 2022-09-13 | FoodMaven, Inc. | Method and system for presenting food alternatives to food buyers |
| CN110875937A (zh) * | 2018-08-31 | 2020-03-10 | 北京嘀嘀无限科技发展有限公司 | 一种信息推送方法和系统 |
| CN109460851A (zh) * | 2018-09-26 | 2019-03-12 | 长沙市到家悠享家政服务有限公司 | 订单分配方法、装置及电子设备 |
| CN109522449B (zh) * | 2018-09-28 | 2021-11-30 | 百度在线网络技术（北京）有限公司 | 搜索方法和装置 |
| US10977441B2 (en) * | 2018-10-29 | 2021-04-13 | Amazon Technologies, Inc. | Normalizing addresses to facilitate sortation and routing solution using natural language text processing |
| US11615368B2 (en) * | 2018-11-01 | 2023-03-28 | Walmart Apollo, Llc | Systems and methods for determining delivery time and route assignments |
| CN111144676A (zh) * | 2018-11-05 | 2020-05-12 | 北京嘀嘀无限科技发展有限公司 | 用车订单分配方法、装置、服务器及计算机可读存储介质 |
| CN111178647B (zh) * | 2018-11-09 | 2023-09-05 | 中移（杭州）信息技术有限公司 | 一种推送工单的方法、系统及计算机存储介质 |
| CN111353732A (zh) * | 2018-12-21 | 2020-06-30 | 北京中交兴路信息科技有限公司 | 车辆运输模式识别方法、装置、设备和存储介质 |
| JP7131422B2 (ja) * | 2019-02-13 | 2022-09-06 | トヨタ自動車株式会社 | 情報処理装置 |
| US11574377B2 (en) | 2019-06-03 | 2023-02-07 | International Business Machines Corporation | Intelligent on-demand management of ride sharing in a transportation system |
| CN110322141B (zh) * | 2019-06-28 | 2022-10-11 | 浙江吉利控股集团有限公司 | 一种实时单自动接单方法、装置及终端 |
| CN110578999B (zh) * | 2019-07-12 | 2021-09-10 | 广东美的制冷设备有限公司 | 空调器及其控制方法、装置和计算机可读存储介质 |
| US11074548B2 (en) | 2019-12-05 | 2021-07-27 | Coupang Corp. | Computer implemented systems and methods for optimization of a product inventory by intelligent distribution of inbound products |
| US11599846B2 (en) * | 2020-07-02 | 2023-03-07 | Kpn Innovations, Llc. | Method and system for selection of a path for deliveries |
| CN112286982B (zh) * | 2020-09-25 | 2024-01-30 | 长沙市到家悠享网络科技有限公司 | 数据处理方法、服务端设备以及客户端设备 |
| CN112413859B (zh) * | 2020-11-24 | 2021-11-16 | 珠海格力电器股份有限公司 | 空调器控制方法、装置、空调器及存储介质 |
| CN113379484B (zh) * | 2021-05-31 | 2023-06-06 | 五八到家有限公司 | 订单快速匹配的方法、系统、设备及介质 |
| CN114239278B (zh) * | 2021-12-17 | 2022-06-21 | 中国科学院生态环境研究中心 | 土壤重金属累积过程时空模拟模型构建方法 |
| TWI808594B (zh) * | 2022-01-03 | 2023-07-11 | 郭朝誠 | 具租借共享交通工具功能的外送服務媒合系統 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100397434C (zh) * | 2004-08-07 | 2008-06-25 | 中华电信股份有限公司 | 出租车营运安全与派遣监控系统 |
| US20090313077A1 (en) * | 2008-06-17 | 2009-12-17 | Wheeler Iv George Y | Consumer initiated, service provider direct dispatching system |
| US20100158202A1 (en) * | 2008-12-23 | 2010-06-24 | International Business Machines Corporation | Location Based Emergency Services Dispatching |
| CN101819045A (zh) * | 2009-02-27 | 2010-09-01 | 联发科技（新加坡）私人有限公司 | 应用于导航装置的道路选择方法 |
| US20140229258A1 (en) * | 2011-03-16 | 2014-08-14 | Malak Seriani | Systems and methods enabling transportation service providers to competitively bid in response to customer requests |
| JP2013076643A (ja) * | 2011-09-30 | 2013-04-25 | Hitachi Solutions Ltd | 配車タクシー検索システム及びプログラム並びに車載端末 |
| SG195395A1 (en) * | 2012-05-07 | 2013-12-30 | Accenture Global Services Ltd | Location-based cognitive and predictive communication system |
| CN102737501B (zh) * | 2012-06-12 | 2015-02-04 | 中国联合网络通信集团有限公司 | 出租车载客调度方法和系统以及调度服务器 |
| WO2014074513A1 (en) * | 2012-11-06 | 2014-05-15 | Intertrust Technologies Corporation | Activity recognition systems and methods |
| CN103218769A (zh) * | 2013-03-19 | 2013-07-24 | 王兴健 | 出租车订单分配方法 |
| CN103514738B (zh) * | 2013-09-18 | 2015-09-02 | 福建工程学院 | 一种出租车叫车拼车顺路匹配方法及其系统 |
| CN104156868A (zh) * | 2014-08-22 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于订单价值判断促进订单成交的出租车积分系统 |
| CN104715426B (zh) * | 2015-04-08 | 2018-08-03 | 北京嘀嘀无限科技发展有限公司 | 用于处理订单的方法及设备 |
| CN104157133B (zh) * | 2014-08-20 | 2016-10-05 | 北京嘀嘀无限科技发展有限公司 | 基于司机在线活跃情况的运力拉升系统 |
| CN110009256A (zh) * | 2014-11-27 | 2019-07-12 | 北京嘀嘀无限科技发展有限公司 | 一种订单处理方法、设备、计算机系统及存储介质 |
-
2015
- 2015-08-04 WO PCT/CN2015/086075 patent/WO2016019857A1/zh active Application Filing
- 2015-08-04 KR KR1020177003867A patent/KR20180006871A/ko not_active Application Discontinuation
- 2015-08-04 SG SG10201901024TA patent/SG10201901024TA/en unknown
- 2015-08-04 KR KR1020187037289A patent/KR20190000400A/ko not_active Application Discontinuation
- 2015-08-04 US US15/501,824 patent/US20170228683A1/en not_active Abandoned
- 2015-08-04 SG SG11201700895YA patent/SG11201700895YA/en unknown
- 2015-08-04 EP EP15829451.2A patent/EP3179420A4/en not_active Withdrawn
- 2015-08-04 MY MYPI2017000173A patent/MY188692A/en unknown
-
2017
- 2017-02-01 PH PH12017500192A patent/PH12017500192A1/en unknown
Also Published As
| Publication number | Publication date |
|---|---|
| EP3179420A4 (en) | 2018-03-14 |
| MY188692A (en) | 2021-12-23 |
| PH12017500192B1 (en) | 2017-06-28 |
| KR20180006871A (ko) | 2018-01-19 |
| SG11201700895YA (en) | 2017-03-30 |
| PH12017500192A1 (en) | 2017-06-28 |
| SG10201901024TA (en) | 2019-03-28 |
| US20170228683A1 (en) | 2017-08-10 |
| EP3179420A1 (en) | 2017-06-14 |
| WO2016019857A1 (zh) | 2016-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20190000400A (ko) | 서비스 분배 시스템 및 방법 | |
| JP6918087B2 (ja) | オン・デマンドサービスの情報を提供する方法及びシステム | |
| WO2016138863A1 (zh) | 一种订单配对系统及方法 | |
| WO2016124118A1 (zh) | 一种订单处理方法与系统 | |
| US20180025408A1 (en) | Methods and systems for pushing orders | |
| CN111861622A (zh) | 一种确定上车点推荐模型的方法和系统 | |
| JP6098302B2 (ja) | ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム | |
| CN112923939A (zh) | 用于导航的方法、装置、设备和介质 | |
| CN114041129A (zh) | 确定上车点名称的系统和方法 | |
| JP6956232B2 (ja) | 探索システム、探索方法、および探索プログラム | |
| JP2014190952A (ja) | ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム | |
| US20220248170A1 (en) | Methods and systems for recommending pick-up points | |
| US20170339235A1 (en) | Method and System for Determining an Actual Point-of-Interest Based on User Activity and Environment Contexts | |
| CN110651266A (zh) | 为按需服务提供信息的系统及方法 | |
| Nguyen | Deriving trip's modes and trip's purposes from GPS-based travel surveys | |
| JP2014178299A (ja) | ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム | |
| CN116797752A (zh) | 一种地图渲染方法、装置、电子设备及存储介质 | |
| NZ751377B2 (en) | Methods and systems for providing information for an on-demand service | |
| BR112017016064B1 (pt) | Métodos e sistemas para fornecer informação para um serviço por demanda | |
| NZ751377A (en) | Methods and systems for providing information for an on-demand service |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E601 | Decision to refuse application |