TW201741993A - 確定運輸服務路線之系統及方法 - Google Patents

確定運輸服務路線之系統及方法 Download PDF

Info

Publication number
TW201741993A
TW201741993A TW106113909A TW106113909A TW201741993A TW 201741993 A TW201741993 A TW 201741993A TW 106113909 A TW106113909 A TW 106113909A TW 106113909 A TW106113909 A TW 106113909A TW 201741993 A TW201741993 A TW 201741993A
Authority
TW
Taiwan
Prior art keywords
route
initial
determining
area
existing
Prior art date
Application number
TW106113909A
Other languages
English (en)
Inventor
石轅
薛永剛
王柱石
Original Assignee
北京嘀嘀無限科技發展有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from CN201610270774.5A external-priority patent/CN107316094A/zh
Priority claimed from CN201610807745.8A external-priority patent/CN107798020B/zh
Priority claimed from CN201610809376.6A external-priority patent/CN107798446A/zh
Priority claimed from CN201610808045.0A external-priority patent/CN107798411A/zh
Priority claimed from CN201610818956.1A external-priority patent/CN107818389B/zh
Application filed by 北京嘀嘀無限科技發展有限公司 filed Critical 北京嘀嘀無限科技發展有限公司
Publication of TW201741993A publication Critical patent/TW201741993A/zh

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3423—Multimodal routing, i.e. combining two or more modes of transportation, where the modes can be any of, e.g. driving, walking, cycling, public transport
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G06Q50/40—
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching

Abstract

本申請提供了一系統及方法。該系統包括一處理器及一儲存一組用於確定目標運輸服務路線之指令的電腦可讀儲存媒體。當執行該組指令時，該處理器用於：從多個乘客處獲取一個或多個運輸服務之需求資訊，多個乘客的每個乘客之需求資訊包含一出發地及一目的地；基於多個出發地及多個目的地，確定多個初始停車區域；確定至少一條通過該多個初始停車區域之初始路線；對於至少一條初始路線的每一初始路線，確定初始路線與一現有路線之間的匹配度；確定該初始路線與現有路線之間的匹配度是否大於第一閾值；並且當該匹配度小於第一閾值時，確定初始路線為一候選路線。

Description

確定運輸服務路線之系統及方法
本披露係關於確定公共交通之路線，尤其係使用基於網路，如基於網際網路，確定公共交通路線之系統及方法。
本申請要求2016年4月27日提交的編號為201610270774.5的中國專利、2016年9月7日提交的編號為201610807745.8的中國專利、2016年9月7日提交的編號為201610808045.0的中國專利、2016年9月7日提交的編號為201610809376.6的中國專利及2016年9月12日提交的編號為201610818956.1的中國專利的優先權，其內容以引用的方式被包含於此。
某些類型的基於路線之公共運輸服務，如公車服務、捷運服務、輪渡服務等，已被開發。公共運輸服務十分重要，因其可改善城市等人口稠密地區之交通運輸能力。然而，現有運輸系統及方法存在一些問題，如低效及糟糕的用戶體驗。因此，有必要提出一種確定運輸服務路線之系統及方法以提高效率及用戶體驗。
在本申請的一個方面，提供了一個系統。該系統包含一處理器及一儲存一組用於確定一公共運輸路線之指令的電腦可讀儲存媒體。當 執行該組指令時，該處理器用於：從多個乘客處獲取一個或多個運輸服務之需求資訊，多個乘客的每個乘客之需求資訊包含一出發地及一目的地；基於多個出發地及多個目的地，確定多個初始停車區域；確定至少一條通過該多個初始停車區域之初始路線；對於至少一條初始路線的每一初始路線，確定初始路線與一現有路線之間的匹配度；確定該初始路線與現有路線之間的匹配度是否大於第一閾值；並且當該匹配度小於第一閾值時，確定初始路線為一候選路線。
在本申請的另一方面，提供了一種確定運輸服務路線的方法。該方法包括從多個乘客處獲取一個或多個運輸服務之需求資訊，多個乘客的每個乘客之需求資訊包含一出發地及一目的地；基於多個出發地及多個目的地，確定多個初始停車區域；確定至少一條通過該多個初始停車區域之初始路線；對於至少一條初始路線的每一初始路線，確定初始路線與一現有路線之間的匹配度；確定該初始路線與現有路線之間的匹配度是否大於第一閾值；並且當該匹配度小於第一閾值時，確定初始路線為一候選路線。
附加特性將在後續描述部分闡述，並且基於對後續內容及附圖之審查或範例產品或操作之學習，部分內容對於本領域技術人員而言是顯而易見的。通過實踐或使用下面討論的詳細範例中闡述的方法、說明及其組合的各個方面，本申請之特性可被實現及取得。
100‧‧‧運輸系統
110‧‧‧伺服器
112‧‧‧處理引擎
120‧‧‧網路
120-1‧‧‧基站-1
120-2‧‧‧基站-2
130‧‧‧請求者終端
130-1‧‧‧行動裝置
130-2‧‧‧平板電腦
130-3‧‧‧膝上型電腦
130-4‧‧‧內建裝置
140‧‧‧提供者終端
140-1‧‧‧行動裝置
140-2‧‧‧平板電腦
140-3‧‧‧膝上型電腦
140-4‧‧‧內建裝置
150‧‧‧資料庫
200‧‧‧計算裝置
210‧‧‧處理器
220‧‧‧中央處理單元
230‧‧‧唯讀記憶體
240‧‧‧隨機存取記憶體
250‧‧‧通訊埠
260‧‧‧輸入/輸出組件
270‧‧‧磁碟
280‧‧‧用戶介面組件
302‧‧‧採集模組
304‧‧‧確定模組
306‧‧‧匹配模組
308‧‧‧評估模組
400‧‧‧流程
410‧‧‧步驟
420‧‧‧步驟
430‧‧‧步驟
440‧‧‧步驟
450‧‧‧步驟
460‧‧‧步驟
500‧‧‧流程
510‧‧‧步驟
520‧‧‧步驟
530‧‧‧步驟
600‧‧‧流程
610‧‧‧步驟
620‧‧‧步驟
630‧‧‧步驟
640‧‧‧步驟
800‧‧‧流程
810‧‧‧步驟
820‧‧‧步驟
830‧‧‧步驟
1000‧‧‧流程
1010‧‧‧步驟
1020‧‧‧步驟
1030‧‧‧步驟
1040‧‧‧步驟
1200‧‧‧流程
1210‧‧‧步驟
1220‧‧‧步驟
1300‧‧‧流程
1310‧‧‧步驟
1320‧‧‧步驟
1330‧‧‧步驟
1340‧‧‧步驟
1400‧‧‧流程
1410‧‧‧步驟
1420‧‧‧步驟
1500‧‧‧流程
1510‧‧‧步驟
1520‧‧‧步驟
1530‧‧‧步驟
1600‧‧‧流程
1610‧‧‧步驟
1620‧‧‧步驟
1630‧‧‧步驟
1640‧‧‧步驟
1650‧‧‧步驟
1700‧‧‧流程
1710‧‧‧步驟
1720‧‧‧步驟
1730‧‧‧步驟
1800‧‧‧流程
1810‧‧‧步驟
1820‧‧‧步驟
1830‧‧‧步驟
1840‧‧‧步驟
這裡描述的方法、系統和/或程式將作為示例性的實施例進一步描述。這些示例性的實施例將參考附圖進行詳細描述。這些實施例是 非限制性的示例性實施例，在附圖多種視圖下的實施例中，類似的編號代表類似的結構，其中：圖1係根據本申請的一些實施例所示的示例性的運輸系統的方塊圖；圖2係根據本申請的一些實施例所示的示例性的計算機裝置之硬體及軟體組件的示意圖；圖3係根據本申請的一些實施例所示的示例性的處理引擎的方塊圖；圖4係根據本申請的一些實施例所示的示例性的確定運輸服務路線的方法流程圖；圖5係根據本申請的一些實施例所示的示例性的確定運輸服務需求資訊的方法流程圖。圖6係根據本申請的一些實施例所示的示例性的確定多個初始停車區域的方法流程圖；圖7係根據本申請的一些實施例所示的示例性的包含兩個子區域的地圖示意圖；圖8係根據本申請的一些實施例所示的示例性的合併或整合兩個或多個初始停車區域的方法流程圖；圖9係根據本申請的一些實施例所示的示例性的包含子區域之地圖的示意圖；圖10係根據本申請的一些實施例所示的示例性的基於兩個複合區域確定一個初始停車區域的方法流程圖； 圖11係根據本申請的一些實施例所示的示例性的包含複合區域及擴展重疊區域之地圖的示意圖；圖12係根據本申請的一些實施例所示的示例性的刪除一初始路線的方法流程圖；圖13係根據本申請的一些實施例所示的示例性的確定初始路線與現有路線之間匹配度的方法流程圖；圖14係根據本申請的一些實施例所示的示例性的確定初始路線是否匹配現有路線的方法流程圖；圖15係根據本申請的一些實施例所示的示例性的確定初始路線是否匹配現有路線的方法流程圖；圖16係根據本申請的一些實施例所示的示例性的確定候選高級路線的方法流程圖；圖17係根據本申請的一些實施例所示的示例性的使用預測模型確定初始路線有關分數的方法流程圖；圖18係根據本申請的一些實施例所示的示例性的使用決策森林確定初始路線有關分數的方法流程圖；圖19-A至19-D係根據本申請的一些實施例所示的示例性的多個初始停車區域之間多條初始路線的示意圖。圖20係根據本申請的一些實施例所示的示例性的在互動式地圖介面中顯示多個初始停車區域的用戶介面的示意圖；以及圖21係根據本申請的一些實施例所示的另一個示例性的在互動式地圖介面中顯示多個初始停車區域的用戶介面的示意圖。
以下描述是為使本領域相關技術人員能夠製作及使用本披露，並且在文中提供了一個特殊應用及其要求。對披露的實施例的各種改進，對於本領域相關技術人員而言是顯而易見的，並且在不背離本披露的精神及範圍的前提下，這裡定義的一般性原則可應用於其他實施例及應用中。因此，本披露不受展示的實施例限制，而應與權利要求最寬廣的理解一致。
應當理解，本文使用的“系統”、“裝置”、“單元”和/或“模組”系用於區分不同級別的不同組件、元件、部件、部分或裝配的一種方法。然而，如果其他詞語可實現相同的目的，則可通過其他表達來替換所述詞語。
應當理解，當一裝置、單元或模組被描述為在另一裝置、單元或模組“上”、或與另一裝置、單元或模組“連接”或“耦合”時，除非上下文另有明確說明，這些裝置單元或模組可直接在另一裝置、單元或模組上連接或耦合，或與其他裝置、單元或模組通訊連接，也可存在其他中間裝置、單元或模組。在本申請中，術語“和/或”可包括任何一個或多個相關所列條目或其組合。
本申請所使用的術語僅為了描述特定實施例，並不限制本申請的範圍。如本文所使用的“一”、“一個”、“該”等詞語並非特指單數，也可包括複數形式，除非上下文明確提示例外情形。還應當理解，如在本說明書中所示，術語“包括”、“包含”僅提示存在所述特徵、整體、步驟、操作、元件和/或部件，但並不排除存在或添加一個或多個其他特徵、 整體、步驟、操作、元件、部件和/或其組合的情況。
根據以下對附圖的描述，本申請所述的和其他的特徵、操作方法、相關元件的功能和經濟的結構更加顯而易見，這些都構成說明書的一部分。然而，應當理解，附圖僅僅是為了說明和描述的目的，並不旨在限制本申請的範圍。應當理解的是附圖並不是按比例的。
本披露的一個方面提供了規劃公共運輸服務路線的線上系統及方法。所述線上系統從多個乘客處獲取需求資訊。所述線上系統基於獲取的需求資訊，規劃一條或多條公共運輸服務路線。
應當理解，線上隨選運輸服務，如線上公共運輸、線上計程車和/或試駕呼叫，是一種僅根植於後互聯網時代的新服務形式。它給使用者及服務提供者提供了僅能在後互聯網時代實現的技術方案。在前互聯網時代，當對公共運輸路線進行規劃時，獲取需求資訊只能通過調查，或僅通過統計資料。該調查或統計費時且低效。規劃後的路線是固定的。僅僅當人口結構或者城市結構顯著改變時，該規劃路徑才會變化。然而，線上公共運輸允許服務的乘客即時且自動發布需求資訊給服務提供者(線上公共運輸主機)。它還允許服務提供者答覆需求資訊，並基於即時需求資訊，更改或改變規劃的路線。因此，通過互聯網，線上隨選服務平臺可提供一更加高效的運輸平臺給乘客和服務提供者，這在傳統的前互聯網公共運輸系統中是無法滿足的。
本披露中的術語“用戶”、“乘客”、“請求者”、“服務請求者”和“客戶”可用於表示請求或訂購一服務的個人、實體或工具，並且可互換使用。此外，本申請中的術語“司機”、“提供者”、“服務 提供者”和“供應者”可用於表示提供服務或協助提供服務的個人、實體或工具，並且可互換使用。本申請中的術語“用戶裝置”可表示用於請求服務、訂購服務或協助提供服務的工具。
本披露的一個方面涉及用於規劃和設計公共或私人運輸路線(例如公車線路、捷運線路和計程車路線等)的線上系統及方法。有鑒於此，該系統及方法可從個體乘客處自動搜集需求資訊，並選取需求稠密的地區作為停車地。然後，該系統和方法可通過連接被選中的停車點確定一條路線。
應當注意，自動選擇個人層面的服務需求資訊是一種根植於後互聯網時代的新型技術。它給使用者及服務提供者提供了僅能在後互聯網時代實現的技術方案。在前互聯網時代，當希望設計一條公車路線時，只能粗略估計一個地區的需求密度，而無法準確的知道運輸服務的對象、時間以及在什麽地方聚集了多少乘客。也不可能即時監控需求的變化趨勢並做出相應的服務調整。然而，本披露中的技術方案允許服務使用者即時自動的分配服務請求給大量遠離該使用者的個體服務提供者(如：線上公車)。同時，它還允許服務提供者即時地答覆該服務請求。該服務提供者進一步地擁有一動態路線及一彈性工作時間表。這樣，它可滿足不斷變化或者不確定的需求，如突然增加的運輸需求(如：一事件中)因此，通過互聯網，本披露中的線上隨選運輸服務系統可提供一更高效的運輸服務給具有大量運輸需求的使用者，這在傳統的前互聯網運輸服務系統中可能是無法預期或即時處理的。
圖1係根據本申請的一些實施例所示的示例性的運輸系統 100的方塊圖。例如，該運輸系統100可以是一用於運輸服務的線上運輸服務平臺，如計程車呼叫、代駕服務、快遞、共乘、公車服務、司機雇傭和接送服務。該運輸系統100可以是一個線上服務平臺，包含一伺服器110，一網路120、一請求者終端130、一提供者終端140以及一資料庫150。該伺服器可包含一處理引擎112。
在一些實施例中，伺服器110可以是一獨立的伺服器或者一伺服器組。該伺服器組可以是集中式的或者分散式的(如：伺服器110可以是一分散系統)在一些實施例中該伺服器可以是本地的或者遠端的。例如，伺服器110可通過網路120訪問儲存於請求者終端130、提供者終端140和/或資料庫150的資訊和/或資料。在另一個範例中，伺服器110可直接與請求者終端130、提供者終端140和/或資料庫150連接以訪問儲存於其中的資訊和/或資料。在一些實施例中，伺服器110可在一雲平臺上執行。僅僅作為範例，該雲端平臺可包括一私有雲、公共雲、混合雲、社區雲、分散式雲、內部雲、多層雲等或其任意組合。在一些實施例中，伺服器110可在本披露圖2中說明的具有一個或多個組件的計算裝置上執行。
在一些實施例中，伺服器110可包含一處理引擎112。該處理引擎112可處理與服務請求有關的資訊和/或資料以執行一個或多個本披露中描述的功能。例如處理引擎112可基於從請求者終端130獲取的服務請求，確定一目標車輛。在一些實施例中處理引擎112可包含一個或多個處理引擎(如：單核處理引擎或多核處理引擎)。僅僅作為範例，處理引擎112可包含中央處理單元(CPU)、特定應用積體電路(ASIC)、特定應用指令集處理器(ASIP)、圖形處理單元(GPU)、物理處理單元(PPU)、數位訊 號處理器(DSP)、現場可程式閘陣列(FPGA)、可程式邏輯裝置(PLD)、控制器、微控制器單元、精簡指令集電腦(RISC)、微處理器等或類似或其任意組合。
網路120可促進資訊和/或資料的交換。在一些實施例中，運輸系統100中的一個或多個組件(如：伺服器110、請求者終端130、提供者終端140和資料庫150)可通過網路120發送資訊和/或資料給運輸系統100中的其他組件。例如，伺服器110可通過網路120從請求者終端獲取/獲得服務請求或需求資訊。在一些實施例中，網路120可是任意類型的有線或無線網路或其任意組合。僅僅作為範例，網路130可包括一纜線網路、有線網路、光纖網路、電信網路、內部網路、網際網路、區域網路(LAN)、廣域網路(WAN)、無線區域網路(WLAN)、都會區域網路(MAN)、公共電話交換網路(PSTN)、藍芽網路、ZigBee網路、近場通訊(NFC)網路等或類似或其任意組合。在一些實施例中，網路120可包括一個或多個網路進出點。例如，網路120可包含有線或無線網路進出點如基站和/或網際網路交換點120-1、120-2、…，通過這些進出點，運輸系統100的一個或多個組件可連接到網路120上以交換資料和/或諮詢。
在一些實施例中，請求者可以是一請求者終端130的用戶。在一些實施例中，請求者終端130的用戶可以是除請求者以外的其他人。例如，請求者終端130的用戶A可使用請求者終端130為用戶B發送一服務請求或從伺服器110接收服務和/或諮詢或指令。在一些實施例中，提供者可以是一提供終者端140的用戶。在一些實施例中，提供終者端140的用戶可以是除提供者以外的其他人。例如，一提供者終端140的用戶C可使 用該提供者終端140來為用戶D接收來自於伺服器110的服務請求，和/或資訊或指令。在一些實施例中，“請求者”和“請求者終端”可互換使用，“提供者”和“提供者終端”可互換使用。
在一些實施例中，請求者終端130可包括行動裝置130-1、平板電腦130-2、膝上型電腦130-3、機動車內建裝置130-4等或類似或其任意組合。在一些實施例中，行動裝置130-1可包括智慧家居裝置、可穿戴裝置、智慧行動裝置、虛擬實境裝置、增強實境裝置等或類似或其任意組合。在一些實施例中，智慧家具裝置可包括智慧照明裝置、智慧電器的控制裝置、智慧監測裝置、智慧電視、智慧攝影機、對講機等類似或其任意組合。在一些實施例中，可穿戴裝置可包括智慧手環、智慧鞋襪、智慧眼鏡、智慧頭盔、智慧手錶、智慧衣物、智慧背包、智慧配飾等或類似或其任意組合。在一些實施例中，智慧行動裝置可包括智慧電話、個人數位助理(PDA)、遊戲裝置、導航裝置、銷售點(POS)裝置等或類似或其任意組合。在一些實施例中，虛擬實境裝置和/或增强實境裝置可包括虛擬實境頭盔、虛擬實境眼鏡、虛擬實境眼罩、增强實境頭盔、增强實境眼鏡、增强實境眼罩等或類似或上述舉例的任意組合。例如，虛擬實境裝置和/或增强實境裝置可包括Google Glass、Oculus Rift、HoloLens或Gear VR等。在一些實施例中，機動車內建裝置可包括機載電腦、機載電視等。在一些實施例中，請求者終端130可是一具有定位功能的裝置，以確定請求者和/或請求者終端130的位置。
在一些實施例中，提供者終端140可以是一與請求者終端130類似或相同的裝置。在一些實施例中，提供者終端140可以是一帶有定 位技術的裝置，以確定提供者和/或提供者終端140的位置。在一些實施例中，請求者終端130和/或提供者終端140可與其他定位裝置通訊以確定請求者、請求者終端130、提供者、提供者終端140的位置。在一些實施例中，請求者終端130和/或提供者終端140可將定位資訊發送至伺服器110。
資料庫150可儲存資料和/或指令。在一些實施例中，資料庫150可儲存從請求者終端130和/或提供者終端140獲取的資料。在一些實施例中，資料庫150可儲存供伺服器110執行或使用的資訊和/或指令，以執行本披露中描述的示例性方法。在一些實施例中，資料庫150可包括大容量儲存器、可移動儲存器、揮發性讀寫記憶體、唯讀記憶體(ROM)等或類似或其任意組合。示例性的大容量儲存器可包括磁碟、光碟、固態硬碟等。示例性的可移動儲存器可包括隨身碟、軟碟、光碟、記憶卡、壓縮碟、磁帶等。示例性的揮發性讀寫記憶體可包括隨機存取記憶體(RAM)。示例性的RAM可包括一動態RAM(DRAM)、雙倍速率同步動態RAM(DDR SDRAM)、靜態RAM(SRAM)、閘流體RAM(T-RAM)和零電容RAM(Z-RAM)等。示例性的ROM可包括一遮罩ROM(MROM)、可程式ROM(PROM)、可清除可程式ROM(PEROM)、電子可抹除可程式ROM(EEPROM)、壓縮磁碟ROM(CD-ROM)、數位通用磁碟ROM等。在一些實施例中，資料庫150可在一雲平臺上實現。僅僅作為範例，該雲平臺可包括私有雲、公共雲、混合雲、社區雲、分散式雲、內部雲、多層雲等或類似或其任意組合。
在一些實施例中，資料庫150可與網路120連接以與運輸系統100的一個或多個部件(如，伺服器110、請求者終端130、提供者終端140等)通訊。運輸系統100的一個或多個組件可通過網路120訪問儲存於 資料庫150中的資料或指令。在一些實施例中，資料庫150可直接與運輸系統100中的一個或多個組件(如，伺服器110、請求者終端130、提供者終端140等)連接或通訊。在一些實施例中，資料庫150可以是伺服器110的一部分。
在一些實施例中，運輸系統100中的一個或多個組件(如，伺服器110、請求者終端130、提供者終端140等)可具有訪問資料庫150的權限。在一些實施例中，當滿足一個或多個條件時，運輸系統100中的一個或多個組件(如，伺服器110、請求者終端130、提供者終端140等)可讀取和/或修改與請求者、提供者和/或公知常識相關的資訊。例如，在服務後，伺服器110可讀取和/或修改一個或多個用戶的資訊。在另一個範例中，當從請求者終端130收到一服務請求時，提供者終端140可訪問與請求者相關的資訊，但提供者終端不能修改請求者的相關資訊。
在一些實施例中，運輸系統100中一個或多個組件間資訊的交換可通過請求一個服務的方式實現。該服務請求的對象可以是任何產品。在一些實施例中，該產品可以是有形產品或者無形產品。有形產品可包括食物、藥品、商品、化學產品、電器、衣物、車、房屋、奢侈品等或類似或其任意組合。無形產品可包括服務產品、金融產品、知識產品、互聯網產品等或類似或其任意組合。互聯網產品可包括個人主機產品、網站產品、移動互聯網產品、商業主機產品、嵌入式產品等或類似或其任意組合。移動互聯網產品可用於移動終端的軟體、程式、系統等或類似或其任意組合。移動終端可包括平板電腦、膝上型電腦、移動手機、個人數位助理、智慧手錶、POS機、車載電腦、車載電視、可穿戴裝備等或類似或其 任意組合。例如，該產品可以是用於電腦或移動手機中的任意軟體和/或應用程式。該軟體和/或應用程式可與社交、購物、運輸、娛樂、學習、投資等或類似或其任意組合相關。在一些實施例中，與運輸相關的的軟體和/或應用程式可包括旅行軟體和/或應用軟件、交通工具調度軟體和/或應用程式、公共運輸服務軟體和/或應用程式、地圖軟體和/或應用程式等。在交通工具調度軟體和/或應用程式中，交通工具可包括馬、馬車、人力車(例如：獨輪手推車、自行車、三輪車)、汽車(例如：計程車、公車、私家車等)、列車、捷運、船舶、航空器(例如：飛機、直升機、太空梭、火箭、熱氣球等)等或類似或其任意組合。
圖2係根據本申請的一些實施例所示的示例性的計算機裝置200之硬體及軟體組件的示意圖。伺服器110、請求者終端130、和/或提供者140可被實施在該計算裝置200上。例如，處理引擎112可在計算裝置200上實施，並配置為執行本披露中披露的處理引擎112的功能。
計算裝置200可以是一通用電腦或特殊用途電腦，兩者皆可用來實施本披露的隨選系統。計算裝置200可用於實施本披露中描述的隨選系統的任意組件。例如，處理引擎112可在計算裝置1000上通過其硬體、軟體程式、韌體或其組合實施。為了方便起見，圖中只繪製了一台電腦，但是這裡描述的與隨選服務相關的電腦功能可以是分散的方式，由一組相似的平臺實施，以分散系統的處理負荷。
例如，計算裝置200可包括與網路連接的通訊埠250，用於從網路進行資料通訊。計算裝置200也可包括中央處理單元(CPU)，以一個或多個處理器的形式執行程式指令。示例性的電腦平臺可包括一內部通 訊匯流排210、不同形式的程式儲存器和資料儲存器，例如，磁碟270和唯讀記憶體(ROM)230或隨機存取記憶體240，用於儲存由電腦處理和/或傳輸的各種各樣的資料檔案。示例性的電腦平臺可包括儲存於唯讀記憶體230、隨機存取記憶體240和/或其他類型的非暫態儲存媒體中由中央處理單元220執行的程式指令。本披露的方法和/或流程可以以程式指令的方式實現。計算設備200也包括輸入/輸出組件260，用於支援電腦與此處其他部件例如用戶介面組件280之間的輸入/輸出。計算裝置200也可通過網路通訊接收程式設計和資料。
僅為說明，計算裝置200中僅示例性繪製了一個CPU和/或處理器。然而，需要注意的是，本披露中的計算裝置200可包括多個CPU和/或處理器，因此本披露中描述的由一個CPU和/或處理器執行的操作和/或方法，也可共同地或獨立地由多個CPU和/或處理器實現。例如，如果在本披露中，計算裝置200的CPU和/或處理器執行步驟A和步驟B，應當理解，步驟A和步驟B也可由計算裝置200中的兩個不同CPU和/或處理器共同地或獨立地執行(例如，第一處理器執行步驟A，第二處理器執行步驟B，或者第一和第二處理器共同地執行步驟A和步驟B)。
圖3係根據本申請的一些實施例所示的示例性的處理引擎112的方塊圖。處理引擎112可包含一採集模組302、一確定模組304、一匹配模組306和一分配模組308。
採集模組302可配置為從多個請求者處獲取需求資訊。如這裡所用的，系統100可基於請求者發出的隨選服務的需求產生一個訂單。需要注意，在本披露中訂單與需求之間沒有實質性差別。
隨選服務可以是計程車、私家車、公車、卡車、試駕、指定駕駛、捷運、船渡等或類似或其任意組合的運輸服務。在一些實施例中，隨選服務可以是任意線上服務，如：訂餐、購物等或或其任意組合。在一些實施例中，請求者可提供需求資訊給系統100。該需求資訊可包括多個出發地和目的地。
採集模組320可通過網路120從請求者終端130獲取請求資訊。採集模組302可進一步獲取需求資訊的特徵(如：出發地、目的地)。
確定模組304可配置為根據來自請求者終端130的需求資訊，來確定一條或多條初始路線。該確定模組304可在確定初始路線之前，對需求資訊中的出發地和目的地，應用一個或多個類聚演算法進行類聚並識別或確定一個或多個初始停車區域。
匹配模組306可配置為確定一初始路線是否與一現有路線匹配。如這裡所用，現有路線可指一當前或曾經生效的路線。匹配模組306可用匹配度來表明初始路線與現有路線的匹配程度。例如，如果一條路線和它自己之間的匹配度為一(1)。匹配模組306可使用與路線有關的參數確定該匹配度。該參數可包括路線中停車區域的坐標、路線中停車區域間的距離、初始路線中冗餘停車區域的數量等。如這裡所用的，冗餘停車區域對本領域相關技術人員而言，可指初始路線中與現有路線中的停車區域足夠近的停車區域。例如，如果初始路線A中的停車區域S1與現有路線B中的停車區域S2之間的距離小於一閾值，如500公尺、1公里或1.5公里，系統100可確定該停車區域S1為一冗餘停車區域。
評估模組308可評估一初始路線，並產生一分數。評估模組 308可根據一個或多個與初始路線相關的特徵產生該得分。如這裡所用，該特徵可包括至少一個初始路線的總長度、初始路線的估計行駛時距、與初始路線相關的費用資訊或乘客的數量。
評估模組308可確定分數是否大於第二閾值。當該分數大於第二閾值，評估模組308可確定該初始路線為一高級路線。如這裡所用，一高級路線可指一商業獲利的、有益的或方便的路線。
處理引擎112中的模組可通過有線或者無線連接，進行互相連接或通訊。有線連接可包括金屬線纜、光纜、混合電纜等或類似或其任意組合。無線連接可包括局域網(LAN)、廣域網(WAN)、藍芽、ZigBee、近場通訊(NFC)或類似或其任意組合。兩個或多個模組可合並成一單個模組，並且任意一個模組可拆成兩個或多個單元。例如，採集模組302可整合在確定模組304中作為單獨一個模組，其既可獲取需求資訊又可根據需求資訊確定初始路線。
圖4係根據本申請的一些實施例所示的示例性的確定運輸服務路線的方法流程圖。在一些實施例中，該流程400可在如圖1說明的運輸系統100中實施。例如，流程400作為一組或多組指令被實施和儲存於資料庫140和/或儲存媒體220中，並被處理器210訪問和/或執行。
處理器210可以是一電腦服務器支援的運輸服務平臺處理器。該平臺可以是一基於互聯網之平臺，通過互聯網連接運輸服務提供者和乘客。
步驟410，處理器210可從多個乘客處，獲取一個或多個運輸服務的需求資訊。該運輸服務可以是公共運輸服務，例如：公車服務、 捷運服務和/或輪渡服務等。運輸服務也可以是私人運輸服務。例如，運輸服務可包括計程車運輸服務和/或共乘運輸服務等。需求資訊可表示對一公共運輸服務的需求水準。例如，當A地與B地之間的需求水準足夠高時，它可表示在A地與B地之間開通一公共運輸服務是具有商業價值的。
圖5係根據本申請的一些實施例所示的示例性的確定運輸服務需求資訊(如：目標運輸服務)的方法流程圖。在一些實施例中，該流程500可在如圖1說明的運輸系統100中實施。例如，流程500可作為一組或多組指令被實施和儲存於資料庫140和/或儲存媒體220中，並被處理器210訪問和/或執行。僅為說明之目的，本披露選擇一個公共運輸服務作為目標運輸的範例。對本領域相關技術人員而言，應當理解，相同的流程同樣可應用於私人運輸服務選擇。例如，流程1000也可用於確定計程車服務和/或共乘服務的需求資訊。在一些實施例中，該需求資訊可從歷史記錄中獲取。在一些實施例中，該需求資訊可通過即時地從乘客的公共運輸服務請求中搜集得到。
在步驟510中，處理器210可獲取與多個乘客有關之運輸服務相關的多個歷史請求的記錄。該多個歷史請求記錄可定期地或按需求地從一資料庫中獲取。該歷史記錄可包括一個或多個現有的公共運輸路線記錄和/或一個或多個可替代運輸服務的交易記錄。歷史請求可由各種乘客發出。每個歷史請求都與一個體相關。歷史記錄可在一個時間段內。該時間段可被人為的設置或根據實際情況進行更新。公共運輸服務的現有路線可以包含公車線路、捷運線路或輪渡線路等。可替代運輸服務可提供除公共運輸服務以外的替代選項給乘客。該可替代運輸服務可包括計程車服務、 UberTM服務、私人運輸服務、順風車服務、汽車共享服務、汽車租賃服務等。對於某一可替代運輸服務，乘客可能有一使用頻率。在一些實施例中，當且僅當該替代運輸服務的使用頻率超過一預定閾值，處理器210可獲取某一替代運輸服務的記錄。替代運輸服務可以被分配一權重因子。處理器210可用該替代服務的權重因子來確定公共運輸服務的估計需求水準。該權重因子可能小於一(1)。該權重因子可根據公共運輸服務和替代運輸服務之間的相似程度來確定。例如，順風車或共享汽車服務的權重因子可能大於計程車服務的權重因子。可選地，搜尋引擎可搜集用戶的與公共運輸服務相關的搜尋歷史來獲取用戶(潛在乘客)的公共運輸服務需求。該搜尋引擎可以是一網站搜尋引擎、地圖搜尋引擎等。該搜尋引擎可向公共運輸服務的提供者提供獲取的需求資訊。
在步驟520中，處理引擎210可從多個乘客處獲取公共運輸服務的即時需求。該即時需求可被系統100通過個人用戶終端自動的即時搜集。該需求還可通過調查搜集。該調查可由一個實體、一個或多個人或公共運輸服務提供者進行。例如，一公司可進行一調查，目的在於搜集其員工的公共運輸需求。該公司可提供一調查結果給公共運輸服務提供者。該調查可包括一面對面的調查或一線上調查。面對面調查可以通過，如問卷調查或其他形式來進行。面對面調查可在一人口稠密地區進行，如：繁忙的捷運入口。線上調查可通過，例如，乘客填寫的線上問卷調查或表格。該線上問卷調查或表格可呈現於一運輸服務應用程式的用戶介面中。由於搜集到的需求或請求可能表明更强烈的獲取運輸服務需求，從乘客處搜集到的需求資訊優先於從歷史記錄中獲取的需求資訊。
例如，如果時間段為七月1日到七月15日，那麽，處理器210可獲取公共運輸服務、計程車服務、UberTM服務、順風車服務、共享汽車服務、汽車租賃服務的歷史記錄，和來自搜尋引擎的用戶搜尋歷史的公共運輸服務需求。另外，處理引擎210可獲取從7月1日到7月15日時間段內的即時需求。
在步驟530中，處理器210可基於記錄和即時需求確定需求資訊。該需求資訊可表示在某一區域正在請求和/或請求過公共運輸服務的乘客數量。處理器210可根據記錄和記錄中不同運輸服務的權重因子確定該需求資訊。例如，根據歷史請求記錄，有十個(10)乘客在區域A呼叫計程車服務。計程車服務的權重因子是0.3。還有5個乘客在區域A發出乘坐公車的即時需求。這樣，處理器210可確定總共八個(8=10x0.3+5)乘客可能想在區域A乘坐公車。
在步驟420中，處理器210可基於多個出發地和多個目的地確定多個初始停車區域。例如，初始停車區域可以是一出發地和/或目的地數量集中的區域，意即出發地和/或目的地的密度高於一設定值。初始通車區域可以包含一個或多個停車位置。停車位置可供公共運輸服務的乘客上/下車。停車位置可以是固定的。可選地，停車位置根據需求資訊的變化可以是可變的。例如，如果處理器210根據需求資訊確定今天目的地最高密度出現在一個區域(即“第一區域”)與昨天目的地最高密度出現的區域(即“第二區域”)不同，該處理器210可將初始停車區域從第二區域改變成第一區域。
處理引擎210可使用一演算法確定多個初始停車區域。範例 性的演算法可包括一類聚演算法、優化演算法等。該類聚演算法可包括k-均值類聚演算法、模糊c-均值類聚演算法、階層式類聚演算法、高斯類聚演算法、最小生成樹(MST)類聚演算法、核k-類聚演算法、密度類聚演算法等。優化演算法可包含隨機搜尋、牛頓法、擬牛頓法、進化演算法、坐標下降法、近端梯度法、梯度下降法、最速下降法、共軛梯度法、雙共軛梯度法等。
在一些實施例中，歷史記錄和/或搜集的某一乘客的即時需求可包括多個出發地和/或多個目的地。一些出發地/目的地可能彼此接近。類聚演算法可生成這些相近-分離的出發地/目的地的一個集群。
圖6係根據本申請的一些實施例所示的示例性的確定多個初始停車區域的方法流程圖。在一些實施例中，該流程600可在如圖1說明的運輸系統100中實施。例如，流程500可作為一組或多組指令被實施和儲存於資料庫140和/或儲存媒體220中，並被處理器210訪問和/或執行。在一些實施例中，可為一個地理區域規劃多個初始停車區域。該地理區域可以為一手動確定的區域。該手動確定之區域可以是一大城市區域、城市區域、近郊區域、商業區域或住宅區域。
在步驟610中，處理器210可將一包含多個出發地及多個目的地的地理區域劃分成多個子區域。該劃分可基於地理區域的坐標。該坐標可包含一經度坐標及一緯度坐標。子區域的大小可相等或不等。在一些實施例中，當子區域的大小相等時，如果地理區域的面積相對於地球的全部面積很小，該子區域可以是實質矩形。進一步地，處理器210可設置矩形子區域的長度及寬度。特殊地，處理器210可將每個子區域設置成實質 方形。因此，處理器210可僅需要設置方形子區域一邊的長度。在實際場景中，由於出發地和目的地的數量相當大，當處理器210處理需求資訊中的坐標時可能消耗大量資源。處理器210可將該地理區域的坐標轉換或映射成一具有預定長度的字符串以較少資源消耗。因此，子區域可由具有一定長度之字符串表示。例如，中國北京市海澱區德實大廈(40.045520,116.308430)可被轉換成一長度為六(6)的原始字符串“wx4eyd”。處理器210可使用一查找表進行轉換。該查找表可基於一地理編碼規則，如：Geohash、Geohash-36、Georef、Open Location Code等。該查找表可儲存於儲存媒體220或伺服器110中，用於給處理器210進行存取或取回。
相比於具有更短長度的字符串所代表的區域，具有更長長度的字符串可代表一更小區域。
對於多個子區域的每個子區域，在步驟620中，處理器210可確定包含於該子區域中的若干個出發地及目的地。處理器210可計算該子區域中出發地及目的地的數量。
在步驟630中，處理器210可確定出子區域中發地及目的地的數量是否大於第一閾值。該第一閾值可以是預定的或根據一個或多個因素進行自適應性確定。這些因素可包括地理區域大小、子區域大小、地理區域中子區域之數量、地理區域中出發地及目的地的總數等。
在步驟640中，當出發地及目的地的數量大於第一閾值時，處理器210可確定該子區域為該等初始停車區域的一個初始停車區域。當出發地及目的地的數量大於第一閾值時，該子區域可為一具有高公共運輸服務需求水準之需求稠密區域。因此，該子區域可能需要包括在一新規劃 的路線中以滿足乘客需求。當出發地及目的地的數量小於第一閾值時，該子區域可為一具有低公共運輸服務需求水準之需求匱乏區域。在一些實施例中，該子區域可被忽略並且不包含於新規劃的路線中，以提高該新規劃路線之效率。
例如，圖七展示了包含兩個子區域的示例性地圖。運輸服務的一個或多個乘客希望在地點A1上車並在地點B1下車。運輸服務的一個或多個乘客希望在地點A2上車並在地點B2下車。運輸服務的一個或多個乘客希望在地點A3上車並在地點B3下車。運輸服務的一個或多個乘客希望在地點A4上車並在地點B4下車。以地點A’為中心的子區域包含這四個出發地A1、A2、A3、和A4。以地點B’為中心的子區域包含這四個目的地B1、B2、B3、和B4。處理器210可確定該一A’為中心的子區域及該一B’為中心的子區域為兩個初始停車區域。處理器210可確定一初始路線，如從地點A’到地點B’的標有箭頭之虛線所示。
在一些實施例中，一單獨的需求稠密地區，如一辦公大樓，可能被分割成不止一個子區域。為避免此情形，圖八展示了合併或整合兩個或多個初始停車區域的範例性流程800。圖九展示了一包含九個子區域之示例性地圖。在一些實施例中，該流程800可在如圖1說明的運輸系統100中實施。例如，流程800可作為一組或多組指令被實施和儲存於資料庫140和/或儲存媒體220中，並被處理器210訪問和/或執行。
處理器210可獲取多個初始停車區域，包含一第一初始停車區域及一第二初始停車區域。第一初始停車區域可能與第二初始停車區域很近。
在步驟810中，處理器210可確定包含第一初始停車區域的複合區域及包含第二初始停車區域的第二複合區域。複合區域可以是一擴展區域，其中心與初始停車區域的中心重合。在一些實施例中，複合區域可通過將初始停車區域的每條邊擴展一預定距離來確定。複合區域可含有不止一個子區域，其中包括初始停車區域。在一些實施例中，複合區域可使用原始字符串來確定。例如，一初始停車區域可通過一長度為六(6)的字符串來表示。其對應的複合區域可為一長度為五(5)或四(4)的較短的字符串。該較短的字可通過從原始字符串中刪除一個或多個位元來獲得。例如，包含德實大廈的複合區域可表示成“wx4ey”。如圖九所示，在將字符串長度減小成五(5)之後，處理器210可確定兩個以上的複合區域，如“wx4sj”、“wx4sn”、“wx4sp”、“wx4ev”、“wx4ey”、“wx4ez”、“wx4et”、“wx4ew”和“wx4ex”。
在步驟820中，處理器210可確定一第一複合區域與第二複合區域共有的重合區域。該重合區域可包括一個或多個子區域。
在步驟830中，處理器210可確定一包含重合區域的擴展重合區域。該擴展重合區域可通過擴展重合區域的邊來確定。在一些實施例中，可選地，擴展重合區域可包括多個與重合區域毗鄰的子區域。擴展重合區域的中心與重合區域的中心重合。
在一些場景中，如果一單獨的需求稠密地區被分割成兩個子區域，該兩個子區域可能是相鄰的。因此，每兩個子區域的複合區域共享一重合區域。該重合區域可能還是需求稠密的。處理器210可基於擴展重合區域中出發地與目的地的數量、第一複合區域中出發地與目的地的數量 以及第二和服區域中出發地與目的地的數量，合併第一複合區域和第二複合區域。
圖10展示了基於兩個複合區域確定一初始停車區域的範例性流程1000。在一些實施例中，該流程1000可在如圖1說明的運輸系統100中實施。例如，流程1000可作為一組或多組指令被實施和儲存於資料庫140和/或儲存媒體220中，並被處理器210訪問和/或執行。
在步驟1010中，處理器210可確定第一複合區域中出發地與目的地數量與第二複合區域中出發地和目的地數量的總和。
在步驟1020中，處理器210可確定擴展重合區域中出發地和目的地的數量與該總和之間的比例。
在步驟1030中，處理器210可確定該比例是否大於一預定比例。該預定比例的值可根據多個因素設置。該多個因素可包括子區域大小、第一複合區域大小以及第二複合區域大小等。
在步驟1040中，當該比例大於預定比例時，處理器210可確定該擴展重合區域為一初始停車區域。
圖十一展示了一包含複合區域及擴展重合區域的範例性地圖。
例如，圖11展示了第一複合區域A1、第二複合區域A2、第三複合區域B1和第四複合區域B2。這四個複合區域A1、A2、B1和B2中的每一個都包含九個子區域。第一複合區域A1可對應第一子區域a1。第二複合區域A2可對應第二子區域a2。第一複合區域A1和第二複合區域A2共享一重合區域a0。第一擴展重合區域可以以a0為中心並且包含除a0以外的其他八 (8)個子區域。第三複合區域B1可對應第一子區域b1。第四複合區域B2可對應第四子區域b2。第三複合區域B1和第四複合區域B2共享一重合區域b0。第二擴展重合區域可以以b0為中心並且包含除b0以外的其他八(8)個子區域。
根據一範例，如果第一複合區域A1中出發地和目的地的數量為100，並且第二複合區域A2中出發地和目的地的數量為200，複合區域A1和A2中出發地和目的地的總和為300。初始預定比例被設置為80%。第一擴展重合區域A0中出發地和目的地的數量為260。處理器210可確定第一擴展重合區域A0中出發地和目的地的數量與總和之間的比例為260/300，大約87%。該比例大於預定比例80%。處理器可確定該第一擴展重合區域A0作為複合區域A1和A2的合併結果。該第一擴展重合區域A0可被確定為一公共運輸服務路線的初始停車區域。複合區域A1和A2的乘客可上/下一通過擴展重合區域A0的公共運輸服務車輛。由於該擴展區域A0一共對應260個出發地和目的地。區域A0中出發地和目的地的數量大於區域A1或A2中出發地和目的地的數量。因此，將區域A0，而非區域A1或A2，設置成停車區域，將提高公共運輸服務的效率。
需要注意，處理器210可重複合併複合區域。例如，處理器210可進一步地使用相同的條件，合併擴展重合區域A0與一相鄰的複合區域A4(未示出)。當合併後，擴展重合區域，如An，中出發地和目的地的數量不再增加時，該合併可結束。
在步驟430中，處理器210可確定至少一條初始路線，其通過多個初始停車區域。該初始路線可包含至少一路段。每個路段可連接兩 個相鄰的初始停車區域。在一些實施例中，一初始停車區域可與多條到多個初始停車區域的初始路線相關。每個初始路線可通向一初始停車區域。
在一些實施例中，處理器210可為多個初始停車區域的每一初始停車區域確定一停車位置。該停車位置可為初始停車區域的中心點或其他點。運輸服務車輛可停靠在停車點，讓乘客上車。在一些實施例中，根據乘客的即時需求資訊，停車點的位置可以是動態的。通過連接停車點，處理器210可確定至少一初始路線。
在步驟440中，對於多條初始路線的每一條初始路線，處理器210可確定該初始路線與一現有路線之間的匹配度。該匹配度可指示初始路線匹配現有路線的程度。當路線A和路線B之間的匹配度高時，該路線A可能類似或有很大一部分相似於路線B。在一些實施例中，一路線與它本身的匹配度為一(1)。
在步驟450中，處理器210可確定初始路線與現有路線之間的匹配度是否大於一第一閾值。
在步驟460中，當該匹配度小於第一閾值時，處理器210可確定該初始路線為一候選路線。在一些實施例中，處理器210可確定初始路線與現有路線之間的匹配度是否大於第一閾值。如果初始路線與現有路線之間的匹配度大於第一閾值，處理器210可因其冗餘而刪除該初始路線。為減少人為操作，處理器210可自動刪除與一條或多條現有路線匹配的初始路線。
圖十二展示了刪除一初始路線的範例流程1200。在一些實施例中，該流程1200可在如圖1描繪的運輸系統100中實施。例如，流程 1200可作為一組或多組指令被實施和儲存於資料庫140和/或儲存媒體220中，並被處理器210訪問和/或執行。
在步驟1210中，處理器210確定初始路線與現有路線之間的匹配度是否大於第一閾值。該現有路線可被儲存於儲存媒體、公共運輸服務提供者的伺服器、地圖服務提供者的伺服器等。
在步驟1220中，當初始路線與現有路線之間的匹配度大於第一閾值時，處理器210可刪除該初始路線。如果初始路線與現有路線之間存在一高匹配率，該初始路線可能會給現有路線帶來競爭。否則初始路線可能不能為遠離現有路線的乘客提供服務。
需要注意，處理器210可基於一個或多個規則確定匹配度。該規則將會在這之後描述。
圖十三展示了確定初始路線與現有路線之間匹配度的範例流程1300。在一些實施例中，該流程1300可在如圖1說明的運輸系統100中實施。例如，流程1300可作為一組或多組指令被實施和儲存於資料庫140和/或儲存媒體220中，並被處理器210訪問和/或執行。
在步驟1310中，對於初始路線中多個初始停車區域的每一初始停車區域，處理器210可確定一距現有路線之距離。在一些實施例中，每一初始停車區域在現有路線中具有一對應點。該初始停車區域距現有路線之距離，可以是初始停車區域距其現有路線中對應點之間的距離。
處理器210，或其他任意處理器可確定一擬合現有路線之曲線。對於初始路線中每一初始停車區域，處理器210可在現有路線的擬合曲線中找到一垂足(foot of a perpendicular)。處理器210可確定該垂足作為 現有路線中的對應點。可選地，如果處理器210在現有路線的擬合曲線中找不到垂足，處理器210可尋找一與垂足相近的末端。處理器210確定該末端為現有路線中的對應點。
在步驟1320中，處理器210可確定至少一初始路線中的冗餘停車區域，其中至少一冗餘停車區域的每個冗餘停車區域到現有路線的距離小於預定距離。
在步驟1330中，處理器210可確定多個冗餘停車區域數量與多個初始停車區域數量之間的比例。
在步驟1340中，處理器210可基於該比例，確定初始路線與現有路線之間的匹配度。在一些實施例中，處理器210可簡單的將匹配度設置為該比例。處理器210可根據任意規則、等式、或數學函數，確定該匹配度。
例如，預定距離可以是300公尺。初始路線R1具有10個初始停車區域。初始路線R1中冗餘停車區域，其到現有路線Re中的現有停車區域的一個現有停車區域的距離，可具有小於300公尺的距離。相應地，處理器210可確定和/或發現初始路線具有8個冗餘停車區域。冗餘停車區域數量與初始停車區域數量之間的比例為0.8(8/10)。處理器210可將初始路線R1與現有路線Re之間的匹配度設置成0.8。
作為另一範例，預定距離可以是300公尺。初始路線R2具有15個初始停車區域。初始路線R2中冗餘停車區域，其到現有路線Re中現有停車區域的一個現有停車區域的距離，可具有小於300公尺的距離。處理器210可確定和/或發現初始路線R2具有9個冗餘停車區域。冗餘停車區 域與初始停車區域的比例為0.6(9/15)。處理器210可確定該匹配度為該比例的平方根，即，。
需要注意，以上描述僅為說明之目的。預定距離可根據道路條件、包含初始路線和先有路線的地理區域大小等進行設置。
在一些實施例中，初始路線和現有路線可在地圖介面中進行不同地標記(不同的顏色、不同的線寬、不同的線型或不同的透明度等)。
處理器210可基於多個初始路線中初始停車區域與現有路線中現有停車區域之間的距離，確定初始路線是否匹配現有路線。
圖十四展示了確定初始路線是否匹配現有路線的範例流程1400。在一些實施例中，該流程1400可在如圖1說明的運輸系統100中實施。例如，流程1400可作為一組或多組指令被實施和儲存於資料庫140和/或儲存媒體220中，並被處理器210訪問和/或執行。
在步驟1410中，處理器210可確定多個距離。每個距離可以是初始停車路線中多個初始停車區域的每個初始停車區域，與現有路線中多個現有停車區域的每個現有停車區域之間的距離。
在步驟1420中，處理器210可基於該多個距離，確定初始路線是否匹配現有路線。
額外或可選地，對於至少一條初始路線的每條初始路線，處理器210可根據圖十五中所示的流程1500，確定初始路線是否匹配現有路線。
圖十五展示了確定初始路線是否匹配現有路線的範例流程1500。在一些實施例中，該流程1500可在如圖1說明的運輸系統100中實 施。例如，流程1400可作為一組或多組指令被實施和儲存於資料庫140和/或儲存媒體220中，並被處理器210訪問和/或執行。
在步驟1510中，處理器210可確定多個距離。每個距離可以是初始停車路線中多個初始停車區域的每個初始停車區域，與現有路線中多個現有停車區域的每個現有停車區域之間的距離。
在一些實施例中，上述距離可通過一個矩陣來表示。初始路線中初始停車區域的數量為A。現有路線中現有停車區域的數量為B。該矩陣具有A列(row)和B行(column)。該矩陣可表示為M AxB 。M AxB 中第i個元素為初始路線中第i個初始停車區域與現有路線中現有停車區域之間的距離。初始停車區域和現有停車區域可通過他們的坐標(經度及緯度)進行表示。處理器210可基於他們的坐標，確定其距離。在一些實施例中，初始停車區域的坐標可來自於第一來源。現有停車區域的坐標可來自於除第一來源以外的第二來源。
例如，初始路線可具有三個停車區域a1、a2和a3。現有路線可具有三個停車區域b1、b2和b3。a1、a2和a3的坐標可儲存於儲存媒體或第一地圖提供者之伺服器中。b1、b2和b3的坐標可儲存於儲存媒體或第二地圖提供者之伺服器中。處理器210可確定初始停車區域與現有停車區域之間的距離。具體而言，a1和b1之間的距離可表示為l11。從而，處理器210可確定矩陣M3x3為如下方程式(1)：
需要注意，以上描述僅為說明之目的。在實際場景中，初始 停車區域的數量和現有停車區域的數量可以是任何其他正整數，而不是三(3)。初始停車區域的數量與現有停車區域的數量可不相等。例如，現有停車路線可具有四個(4)停車區域，而初始路線具有三個(3)停車區域。處理器210可產生一具有四(4)列三(3)行的矩陣。
在步驟1520中，處理器210可基於多個距離確定一向量Va和一向量Vb。
在一些實施例中，對於矩陣MAxB中的每一列，處理器210可確定該列的最小值。Va可以是A個元素的向量。Va的第i個元素可以是矩陣MAxB中第i列最小的元素。對於矩陣MAxB中的每一行，處理器210可確定該行的最小值。Vb可以是B個元素的向量。Vb的第j個元素可以是矩陣MAxB中第j行最小的元素。
例如，MAxB如下
處理器210可確定向量Va和Vb，如下：
V a=(50,40,30)=(l 11,l 21,l 32) (3)
V b=(40,30,75)=(l 21,l 32,l23) (4)
在步驟1530中，處理器210可基於向量Va和Vb，確定現有路線是否匹配初始路線。在一些實施例中，該確定可基於一預定規則。
該預定規則可包括至少一個如下規則：規則一：如果向量Va中大於第一距離閾值的元素數量與向量Va中元素總數的比例大於第一比例時，處理器210將確定初始路線不匹 配現有路線。
根據方程式(3)，如果第一距離為40公尺並且第一比例為1/3，向量Va中大於40公尺的元素數量為1。向量Va中大於50公尺的元素數量與向量Va中元素總數(3)的比例為1/3。該比例不大於第一比例。處理器210可確定該初始路線匹配現有路線。
規則二：如果向量Vb中大於第二距離閾值的元素數量與向量Vb中元素總數的比例大於第二比例時，處理器210將確定初始路線不匹配現有路線。
根據方程式(4)，如果第二距離為60公尺並且第二比例為1/3，向量Vb中大於60公尺的元素數量為1。向量Vb中大於60的元素數量與向量Vb中元素總數(3)的比例為1/3。該比例不大於第一比例。處理器210可確定該初始路線匹配現有路線。
需要注意，矩陣MAxB、向量Va和Vb中的元素具有距離的量綱。他們可具有共同的單位，如，公尺、公里、英呎或英里。
在一些實施例中，向量Va中的每個元素可通過一索引表示。該索引可包含原始矩陣MAxB中元素的列數和行數。向量Va中元素的行數可形成一序列。
規則三：如果與向量Va相關聯的序列不是單調增加的，處理器210將確定初始路線不匹配現有路線。
根據方程式(2)，與向量Va相關聯的序列為(1,1,2)。該序列是單調增加的。處理器210可確定該初始路線匹配現有路線。
需要注意，一單調增加序列可具有兩個或更多相等的相鄰元 素。
在一些實施例中，向量Vb中的每個元素可通過一索引表示。該索引可包含原始矩陣MAxB中元素的列數和行數。向量Vb中元素的列數可形成一序列。
規則四：如果與向量Vb相關聯的序列不是單調增加的，處理器210將確定初始路線不匹配現有路線。
根據方程式(3)，與向量Vb相關聯的序列為(2,3,2)。該序列不是單調增加的。處理器210可確定該初始路線不匹配現有路線。
需要注意，處理器210可組合或獨立地使用上述規則。如果四個規則中的一個被滿足，處理器210可確定該初始路線不匹配現有路線。可選地，如果四個規則中的任意組合被滿足處理器210可確定該初始路線不匹配現有路線。在一些實施例中，如果四個規則都被滿足，處理器210可確定該初始路線不匹配現有路線。處理器可根據這四條規則的任意順序，如，依序或平行，進行確定。
需要注意，第一距離和第二距離為可根據實際場景被指定為任意值的距離閾值。第一距離可與第二距離相等或不同。
需要注意，第一比例和第二比例為可根據實際場景被指定為任意值的比例閾值。第一比例可與第二比例相等或不同。
在一些實施例中，處理器210可從現有路線列表中選擇一現有路線，來確定該選定的現有路線是否匹配初始路線。處理器210可基於過濾規則選擇現有路線。如果與現有路線相關聯的一個或多個屬性滿足過濾規則，處理器210可選擇該現有路線並確定該選擇的現有路線是否匹配 初始路線。過濾規則可減少處理器210的計算功率的消耗。
在一些實施例中，過濾規則可包括：與現有路線相關聯的中心和與初始路線相關聯的中心之間的距離小於一第三距離。
在一些實施例中，路線的中心可為一多邊形的中心。該多邊形可具有多個頂點。每個頂點可對應路線的一停車區域。
例如，如果一現有路線具有十個停車區域，被現有路線環繞的多邊形可能是一個十邊形。中心可有一坐標。該中心坐標可以是十個定點(停車區域)的平均坐標。中心的緯度可以是十個頂點的平均緯度。中心的經度可以是十個頂點的平均經度。
可選的，路線的中心可以是路線兩端的中心。兩端包括路線的開始停車區域和結束停車區域。
處理器210可預先確定一現有路線之中心。當處理器210需要確定處理器210是否需要確定初始路線與現有路線之間的匹配時，該現有路線之中心可被儲存及訪問。
需要注意，路線的中心可具有除以上描述的兩種定義以外的其他任何定義。第三距離可基於初始路線的總長度、現有路線的總長度、包含初始路線的地理區域的範圍等進行確定。
處理器210可在生成的初始路線中，確定一個或多個高級路線。該高級路線可為經濟上、人口上或運輸上的重要性。高級路線可能優先於其他初始路線。在一些場景中，一運輸服務提供者在其計劃的初始路線中，可優先規劃、建造或營運高級路線。
為確定高級路線，處理器210可進一步評估確定的初選路線。該評估可與初始路線的利潤、效益或便利性有關。該評估可基於一由處理器210確定的分數。該分數可表示利潤、效益或便利性的水準。處理器210可在確定初始路線之後，自動進行評估。
圖十六展示了確定高級路線的範例流程1600。在一些實施例中，該流程1600可在如圖1說明的運輸系統100中實施。例如，流程1600可作為一組或多組指令被實施和儲存於資料庫140和/或儲存媒體220中，並被處理器210訪問和/或執行。
在步驟1610中，對於與初始路線相關的多個特徵的每個特徵，處理器210可確定一與初始路線相關的值，作為與初始路線相關的多個特徵之每一特徵的一個或多個預測模型的輸入。
一個或多個預測模型可用上述特徵作為輸入，並輸出一與初始路線相關的分數。該預測模型可包括一分類模型、決策森林、類神經網路、感知器模型等。在一些實施例中，不同的預測模型可根據不同的規則來確定或建立。不同的模型可獨立且線性無關。
當預測模型為一決策森林時，該決策森林可包括多個決策樹模型。每個決策樹模型可基於決策森林隨機決定。決策樹模型可採用與初始路線相關的一個或多個特徵作為輸入並輸出一評估結果。在組成決策森林的決策樹模型生成其評估結果後，決策森林可取平均或在評估結果之間進行投票。決策樹模型的數量可以是預設的或者可根據處理器210的計算能力、計算任務或其他因素調整的。需要注意，決策樹模型也可以是一分類器。該分類器的輸出可被處理器210確定為分數。
預測模型可被一處理器210，如處理器210或其他處理器，用機器學習的方法進行確定。該機器學習方法可使用對一個或多個現有路線或歷史路線的評估對預測模型進行訓練。現有路線或歷史路線可構成一訓練集。現有路線或歷史路線可以是一公車路線、捷運路線或輪渡路線等。一些現有路線或歷史路線可被手動標記為商業獲利的、有益的、方便的等等。一些現有路線或歷史路線可被手動標記為商業無利、無益的、不便的等等。該標記可基於現有路線或歷史路線的統計或反饋。進一步地，每一條現有路線或歷史路線可被指定一分數。對於每條路線，該分數可表明利潤、利益或方便性水準。該訓練可以是一疊代處理。處理器210可使用與已標記的現有路線或歷史路線的對應特徵，作為輸入來訓練決策樹模型。處理器210可確定標記的現有路線或歷史路線的分數作為決策模型的期望輸出。在疊代訓練之後，每個決策樹模型可到達其穩定狀態，即，其在進一步疊代之後僅有可忽略的變化。當一決策樹模型達到其穩定狀態時，該決策樹模型可準確的描述一個或多個特徵及初始路線分數之間的關係。
處理器210可從一組特徵中隨機選擇一個或多個特徵來訓練該決策樹模型。選中的一個或多個特徵可被處理器210確定為該決策樹模型的輸入。
在步驟1620中，處理器210可基於一個或多個預測模型及與初始路線相關的多個特徵值確定一個或多個輸出。該一個或多個輸出的每個輸出可對應一個預測模型。
在步驟1630中，處理器210可基於一個或多個輸出確定一分數。當僅存在一個輸出時，處理器210可直接確定該輸出作為其分數。 在一些實施例中，當存在多個預測模型和多個輸出時，處理器210可平均多個輸出，或對將權重因子應用於多個輸出。可選地，處理器210可將一函數應用於多個輸出並生成一數值。處理器210可確定該生成的數值為其分數。
在一些實施例中，處理器210可用決策森林中的多個決策樹模型來評估與初始路線相關的分數。多個決策樹模型可輸出多個分數。處理器可根據決策樹確定一最終分數。
在步驟1640中，處理器210可確定與初始路線相關的分數是否大於一第二閾值。
該第二閾值可被人為的設置或根據實際場景調整。需要注意，第二閾值可根據現有路線的商業利益、對公衆的重要性等統計資料來確定。
在步驟1650中，當與初始路線相關的分數大於第二閾值時，處理器210可確定初始路線為一高級路線。
在一些實施例中，處理器210可基於如圖17說明的流程1700確定一與初始路線相關的評估結果。評估結果可基於與現有路線相關的第一特徵和與初始路線相關的第二特徵。
圖十七展示了使用預測模型確定初始路線有關分數的範例流程1700。在一些實施例中，該流程1700可在如圖1說明的運輸系統100中實施。例如，流程1700可作為一組或多組指令被實施和儲存於資料庫140和/或儲存媒體220中，並被處理器210訪問和/或執行。
處理器210可在步驟1710中獲取一個或多個與現有路線相 關的第一特徵，以及一個或多個與初始路線有關的第二特徵。
在步驟1720中，處理器210可確定與一個或多個第一特徵相關的一個或多個第一數值和一個或多個第一係數，以及與一個或多個第二特徵相關的一個或多個第二數值和一個或多個第二係數。
在步驟1730中，處理器210可基於一個或多個第一數值、一個或多個第一係數、一個或多個第二數值以及一個或多個第二係數，確定一評估結果。評估結果可表示為一數值。該評估結果之數值可表明初始路線相對現有路線是否具有整體上的優勢。處理器210可將該一個或多個第二數值的每一第二數值與其對應的第二係數相乘，並生成一乘積。處理器210可確定一個或多個第二數值與其對應第二係數乘積的總和。處理器210可確定該總和作為評估結果。
第一特徵可包括乘客選擇現有路線時的換乘數量、乘客沿現有路線旅行的時距、乘客選擇現有路線時的總步行長度。現有路線可包括一個或多個路段。乘客在每一路段上可採用一種運輸車輛。在一個路段與另一個路段之間需要至少一次換乘。例如，一乘客可從他家A0出發到一捷運站A3。該乘客需要從他家A0步行到一公車站A1。然後他可在公車站A1乘坐公車並在公車站A2下車，其也是一捷運站。最後他可在捷運站A2乘坐捷運列車，並在捷運站A3下車。因此，換乘數量是二(2)。
在一些場景中，選擇初始路線的乘客比選擇公共運輸服務現有路線的另一乘客可能具有更少的換乘。在一些場景中，初始路線可能沒有換乘。因此，在乘客眼裡現有路線似乎比初始路線更不方便。因此，該初始路線可能比具有多次換乘的現有路線更有優勢。例如，如果現有路線 從一住宅區A到一辦公大廈B有三次換乘，換乘數量的係數可為正，如二(2)。需要注意，以上描述僅為說明之目的，並且第一係數可根據場景進行設置。
第二特徵可包括初始路線的總距離、沿初始路線旅行的時距或乘客為選擇初始路線而支付的費用。
在一些實施例中，當第二特徵包含初始路線總長度時，該總長度的第二數值和/或第二係數可根據該總長度時候在一預定範圍內進行設置。當總長度在預定範圍內時，總長度的第二數值可為1。總長度的第二係數可為正。當總長度不在預定範圍內時，總長度的第二數值可為1。總長度的第二係數可為負。該預定範圍可根據初始路線的利潤進行設置。當初始路線的總長度在預定範圍內時，它可能更賺錢，或沿初始路線開通運輸服務更有可能獲利。例如，預定範圍可為13公里到50公里。如果一初始路線從地點A到地點B具有40公里的總長度，那麽總長度的第二數值可為一(1)。第二係數可為一(1)。如果一初始路線從地點C到地點D具有60公里的總長度，那麽總長度的第二數值可為一(1)。第二係數可為負十(-10)。需要注意，以上描述僅為說明之目的，並且數值和/係數可根據場景進行設定。
在一些實施例中，第二特徵可包含一與初始路線相關的時距。該時距可以是乘客沿初始路線從一停車區域旅行到另一停車區域的持續時間。通常地，乘客可能傾向於選擇一低耗時的旅行計劃。如果選擇沿初始路線運輸服務的旅行計劃相對於選擇一個或多個沿現有路線的運輸服務之旅行，耗費更少的時間，乘客更可能選擇沿初始路線的運輸服務。初 始路線可能比現有路線更具優勢。例如，沿初始路線從地點A到地點B乘車需要1小時。作為對比，沿現有路線從地點A到地點B乘坐一輛或多輛車可能需要1.5小時。處理器210可確定初始路線時距與現有路線時距之間的差異作為與初始路線相關的第二特徵。處理器210可確定該時距的差異，即0.5小時，作為第二特徵的數值。如果時距差異係數為一非正值，如-6，處理器210可確定一乘積為0.5×-6=-3。需要注意，以上描述僅為說明之目的，並且該係數可根據場景進行設置。
在一些實施例中，第二特徵可包含初始路線有關費用。乘客沿現有路線從停車區域旅行至另一停車區域，可被一公共運輸服務提供者要求付費。該提供者可向公衆提供一費用列表。一停車區域與另一停車區域之間的費用可根據該列表確定。通常地，乘客可能傾向於選擇一低成本的旅行計劃。如果選擇沿初始路線運輸服務的旅行計劃相對於選擇一個或多個沿現有路線的運輸服務之旅行，耗費更少的金錢，乘客更可能選擇沿初始路線的運輸服務。當初始路線相關費用低於現有路線相關費用時，該費用的第二數值可為1。該費用的第二係數可為正。當初始路線相關費用高於現有路線相關費用時，該費用的第二數值可為1。該費用的第二係數可為非正值。處理器210可確定初始路線相關費用與現有路線相關費用之間的差異。例如，沿初始路線乘車從地點A到地點B可能要16美元。作為對比，沿現有路線乘坐一輛或多輛車從地點A到地點B可能要9美元。處理器210可確定初始路線相關費用與現有路線相關費用之間的差異為7。處理器210可確定第二特徵的數值為1。如果費用差異的係數為一非正值，如0，處理器210可確定一乘積為7×0=0。需要注意，以上描述僅為說明之目的， 並且該係數可根據場景進行設置。
在一些實施例中，第二特徵可包括現有路線和/或初始路線的相關步行距離。該步行距離可以是一個或多個路段的一個或多個距離的總和。乘客可能需要步行一個或多個路段。乘客可能需要步行至停車區域以乘坐一沿初始路線的公共運輸車輛。當乘客在另一停車區域下車時，他/她可能還需要步行到他/她的目的地。通常地，乘客可能傾向於選擇一具有較短步行距離的旅行計劃。如果選擇沿初始路線運輸服務的旅行計劃相對於選擇一個或多個沿現有路線的運輸服務之旅行，需要更短的步行距離，乘客更可能選擇沿初始路線的運輸服務。初始路線可能比現有路線具有優勢。當初始路線相關步行距離大於一預定距離，步行距離的第二數值可為1。步行距離的第二係數可為正。當初始路線相關步行距離小於現有路線相關步行距離時，步行距離的第二數值可為1。步行距離的第二係數可為非正值。預定距離可根據初始路線的總長度或其他因素進行人為或適應性設置。例如，預定距離可為1.5公里。1.5公里以內的步行距離對乘客來說是可接受的。如果步行距離超過1.5公里，乘客可能更願意採用一運輸服務。例如，從地點A到地點B的步行距離為1.3公里。這個距離比預定距離1.5公里更短。處理器210可確定第二特徵相關數值為1。如果費用差異係數為一非正值，如0，處理器210可確定乘積為1×0=0。需要注意，以上描述僅為說明之目的，並且該數值和/或係數可根據場景進行設置。
在一些實施例中，一個或多個第一特徵相關的第一係數可為正。例如，換乘次數對應的係數可為正。
例如，一初始路線可能僅有兩個特徵。每個特徵對應一第二 數值。一個第二數值A等於2並且其對應係數a等於1。另一個第二數值B等於3並且其對應係數b等於2。處理器210可確定評估結果為A×a+B×b=2×1+3×2=8。
在一些實施例中，第二特徵可包括上述特徵的組合。以後續描述為例。兩個地點A和B。一現有路線和一新規劃的初始路線目前正在運營。當他/她選擇公共運輸服務現有路線時，乘客必須換乘一次(1)。換乘次數的係數為2。作為替代方案，乘客可選擇初始路線。初始路線的總長度為20公里。該總長局小於預定的長度50公里。因此初始路線總長度的係數為1。沿現有路線旅行要50分鐘和7美元的費用。沿初始路線旅行要30分鐘和8美元的費用。初始路線時距與現有路線時距之間的差異為-20分鐘。因此，時距的數值為-20分鐘。時距的係數為-0.1。初始路線相關費用與現有路線相關費用之間的差異為1美元，大於0。因此，費用的數值為1。費用的係數為0。初始路線需要步行的距離為1公里。該步行距離在預定距離1.5公里以內。因此步行距離的數值為1。步行距離的係數為0。表一顯示了一特徵列表，他們各自的值和他們各自的係數。
處理器210可確定評估結果為1×2+1×1+(-20)×(-0.1)+1×0+1×0=5。正的評估結果可表明初始路線比現有路線具有整體上的優勢。
進一步地，在一些實施例中，當存在至少兩條初始路線時，處理器210可為至少兩條初始路線中的每一個確定一評估結果。處理器210可基於評估結果的數值確定初始路線排名。處理器210可確定一個或多個具有較大數值評估結果的初始路線為一高級路線。該高級路線可能優先於其他初始路線。
圖十八展示了使用決策森林確定初始路線有關分數的範例流程1800。在一些實施例中，該流程1800可在如圖1說明的運輸系統100中實施。例如，流程1800可作為一組或多組指令被實施和儲存於資料庫140和/或儲存媒體220中，並被處理器210訪問和/或執行。在一些實施例中，一旦決策森林建立，處理器210可自動確定初始路線的分數。
處理器210可在步驟1810中，獲取包含多個決策樹模型的決策森林。多個決策樹模型可以是獨立的或相互不相關的。
在步驟1820中，處理器210可確定與初始路線有關的一個或多個特徵。一個或多個特徵可包含至少一初始路線總長度、初始路線估計行駛時間、初始路線相關費用資訊或初始路線服務的乘客數量。
在步驟1830中，處理器210可基於一個或多個特徵及決策森林中的多個決策樹模型，確定多個初始路線相關評估結果。
在步驟1840中，處理器210可基於多個評估結果確定初始 路線相關分數。處理器210可在一個或多個評估結果中進行投票。處理器210可確定贏得投票的評估結果為初始路線相關分數。該投票可以是一多數決(如：50-50投票)、絶對多數決(如：三分之二投票、十分之六投票等)等。可選地，處理器210可對一個或多個評估結果取平均。特別地，該平均可基於分配給一個或多個評估結果的一個或多個權重因子。
例如，存在一初始路線從地點A到地點B。處理器210使用包含六(6)個決策樹的決策森林來評估該初始路線。這六個決策樹模型給出六(6)個輸出。這些輸出為0.5、0.6、0.5、0.6、0.7和0.1。處理器210確定六個輸出的平均值為0.5。處理器進一步確定從地點A到地點B的初始路線有關分數為0.5。預定第二閾值為0.3。處理器210可確定該從地點A到地點B之初始路線為一高級路線，因其大於第二閾值。
以上描述僅為說明之目的。森林中決策樹的數量可根據訓練集的大小、特徵的數量、計算能力、計算任務等進行確定。
在一些實施例中，處理器210可基於某些原則過濾或刪除一些初始路線。該原則可包括“一停車區域一路線”原則。該“一停車區域一路線”原則可能要求只能有一條路線通過某一停車區域。
圖19-A到19-D舉例多個初始停車區域A、B、C、D、E和F之間多條初始路線之範例。
在圖19-A中，對於初始停車區域A，存在到B、C和D的初始路線。對於初始停車區域B，存在一到C的初始路線。對於初始停車區域D，存在到E和F的初始路線。對於初始停車區域E，存在到F的初始路線。
如果從A到B的初始路線比從A到C的初始路線或從A到D的初始路線具有一更大的分數，處理器210可確定從A到D的初始路線和從A到E的初始路線應當被刪除。而且，如果從D到F的初始路線比從D到E的初始路線具有一更大的分數，處理器210可刪除從D到E的初始路線。圖19-B顯示刪除從A到C、A到D和D到E的初始路線之後的初始路線。
在圖19-B中，存在兩條初始路線通過B。如果從A到B的初始路線比從B到C的初始路線具有一更高的分數。處理器210可刪除從B到C的初始路線。圖19-C顯示刪除從B到C的初始路線之後的初始路線。
在圖19-C中，存在兩條初始路線結束於F(一個從D到F和另一個從E到F)。如果從D到F的初始路線比從E到F的初始路線具有一更高的分數。處理器210可根據“一停車區域一路線”原則，刪除從E到F的初始路線。圖19-D顯示刪除從E到F的初始路線之後的初始路線。
圖20顯示一在互動式地圖介面中顯示多個初始停車區域的用戶介面之範例。該用戶介面可在乘客的計算設備中顯示(如：行動裝置、電腦等)。
圖21顯示另一在互動式地圖介面中顯示多個初始停車區域的用戶介面之範例。該用戶介面可包含初始路線相關的臨時資訊和費用資訊。臨時資訊可包括一旅行的出發時間和一預計結束時間。費用資訊可包含沿初始路線一個或多個路段的一個或多個費用。用戶介面可在乘客的計算設備中顯示(如：行動裝置、電腦等)。
上文已對基本概念做了描述，顯然，對於本領域技術人員來 說，上述詳細披露僅僅作為範例，而並不構成對本申請的限定。雖然此處並沒有明確說明，本領域技術人員可對本披露進行各種修改。改進和修正。該類修改、改進和修正在本申請中被建議，所以類似修改、改進修改任術語本披露示範實施例的精神和範圍。
同時，本披露使用了特定詞語來描述實施例。如“一個實施例”、“一實施例”和/或“一些實施例”意指與本披露至少一個實施例相關的某一特徵、結構或特點。因此，應强調並注意的是，本說明書中在不同位置兩次或多次提及的“一實施例”或“一個實施例”或“一替代性實施例”並不是指同一實施例。此外，本申請的一個或多個實施例中的某些特徵、結構或特點可進行適當的組合。
此外，本領域技術人員可理解，本披露的各個方面可通過若干具有可專利性的種類或情況進行說明和描述，包括任何性的和有用的工序、機器、產品或物質的組合，或對他們的任何新的和有用的改進。相應地，本披露的各個方面可完全由硬體執行。可完全由軟體(包括韌體、常駐軟體、微碼等)執行、也可由硬體和軟體的組合執行。以上硬體或軟體均可被稱為“模組”、“單元”、“組件”、“裝置”或“系統”。此外，本披露的各個方面可表現為位於一個或多個電腦可讀媒體中的電腦產品，該產品包括電腦可讀程式碼。
電腦可讀訊號媒體可包含一個內含電腦程式碼的傳播資料訊號，例如在基頻上或作為載波的一部分。該傳播訊號可有多種表現形式，包括電磁形式、光形式等或類似、或合適的組合形式。電腦可讀訊號媒體可以是除電腦可讀儲存媒體之外的任意電腦可讀媒體，並可通訊、傳播或 傳輸程式，該程式可供指令執行系統、設備或裝置使用或連接。位於電腦可讀訊號媒體上的程式碼可通過任何合適的媒體進行傳播，包括無線電、電纜、光纖纜線、RF等或類似或上述任意合適的組合。
本申請個部分操作所需的電腦程式碼可用任意一種或多種程式設計語言編寫，包括物件導向程式設計語言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等或類似，常規程序化程式設計語言如"C"程式設計語言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，動態程式設計語言如Python、Ruby和Groovy，或其他程式設計語言等。該程式設計碼可完全在用戶電腦上運行、或作為獨立的軟體包在用戶電腦上運行、或部分在用戶電腦上運行部分在遠程電腦運行、或完全在遠程電腦或伺服器上運行。在後種情況下，遠程電腦可通過任何網路形式與用戶電腦連接，包含區域網路(LAN)或廣域網路(WAN)，或連接至外部電腦(例如通過網際網路)，或在雲計算環境中，或作為服務使用如軟體即服務(SaaS)。
此外，除非權利要求中明確說明，本披露所述處理元素和序列的順序、數字字母的使用、或其他名稱的使用，並非用於限定本申請流程和方法的順序。儘管上述披露中通過各種範例套路了一些目前認為有用的發明實施例，但應當理解，該類細節僅為說明之目的，附加權利要求並不限制於披露的實施例。相反，權利要求只在覆蓋所有複合本披露實施例實質和範圍的修改和等價組合。例如，雖然以上描述的系統組件可通過硬體裝置實現，但是也可只通過軟體的解決方案得以實現，如現有的伺服器或行動裝置上安裝所描述的系統。
同理，應當注意，為簡化本披露的表述，從而幫助對一個或多個發明實施例的理解，前文對本披露實施例的描述中，有時會將多種特徵歸併至一個實施例、附圖或對其之描述中。但是，這種披露方法並不意味著本披露對象所需要的特徵比申請專利範圍中提及的特徵多，實際上，實施例的特徵要少於上述披露的單一實施例的全部特徵。
100‧‧‧運輸系統
110‧‧‧伺服器
112‧‧‧處理引擎
120‧‧‧網路
120-1‧‧‧基站-1
120-2‧‧‧基站-2
130‧‧‧請求者終端
130-1‧‧‧行動裝置
130-2‧‧‧平板電腦
130-3‧‧‧膝上型電腦
130-4‧‧‧內建裝置
140‧‧‧提供者終端
140-1‧‧‧行動裝置
140-2‧‧‧平板電腦
140-3‧‧‧膝上型電腦
140-4‧‧‧內建裝置
150‧‧‧資料庫

Claims (20)

  1. 一種系統，包括：至少一個電腦可讀儲存媒體，儲存一組用於確定目標運輸服務路線之指令；至少一個處理器，與該至少一個電腦可讀儲存媒體通訊連接，其中，當該處理器執行該組指令時，該處理器：從多個乘客處，獲取一個或多個運輸服務之需求資訊，該多個乘客的每個乘客之該需求資訊包含一個出發地及一個目的地；基於該多個出發地及該多個目的地，確定多個初始停車區域；確定至少一條初始路線，其通過該多個初始停車區域；對於該至少一條初始路線的每一條初始路線，確定該初始路線與一條現有路線之間的一個匹配度；確定該初始路線與該現有路線之間的該匹配度是否大於一個第一閾值；及當該匹配度小於該第一閾值時，確定該初始路線為一條候選路線。
  2. 如申請專利範圍第1項之系統，其中，該至少一處理器進一步地：獲取與該多個乘客有關之該運輸服務相關的多個歷史請求記錄；從該多個乘客處獲取與該運輸服務相關的即時需求；及基於該等記錄及該等即時需求確定該需求資訊。
  3. 如申請專利範圍第1項之系統，其中，該至少一處理器進一步地：將一個包含該多個出發地及該多個目的地之地理區域劃分成多個 子區域；對該多個子區域的每個子區域，確定包含於該子區域中的出發地及目的地之數量；確定該出發地及目的地之數量是否大於一個第一閾值；及當該出發地及目的地之數量大於該第一閾值時，確定該子區域為該等初始停車區域中的一個初始停車區域。
  4. 如申請專利範圍第3項之系統，其中，該多個初始停車區域包含一第一初始停車區域及一第二初始停車區域，並且該至少一處理器進一步地：確定包含該第一初始停車區域之一個第一複合區域及包含該第二初始停車區域之一個第二複合區域；確定該第一複合區域及該第二複合區域共享的一個重合區域；確定一個包含該重合區域之擴展重合區域，基於：該擴展重合區域中出發地及目的地之數量；該第一複合區域中出發地及目的地之數量；及該第二複合區域中出發地及目的地之數量。
  5. 如申請專利範圍第4項之系統，其中，該至少一個處理器進一步地：確定該第一複合區域中出發地及目的地數量與該第二複合區域中出發地及目的地數量之總和；確定該複合重合區域中出發地及目的地數量與該總和之間的一個比值；確定該比值是否大於一個預定比值；及 當該比值大於該預定比值時，確定該擴展重合區域為一個初始停車區域。
  6. 如申請專利範圍第1項之系統，其中，對於該多條初始路線中的每一條，該至少一個處理器進一步地：對於該至少一條初始路線中的每一條，確定該初始路線與該現有路線之間的該匹配度是否大於該第一閾值；及當該初始路線與該現有路線之間的該匹配度大於該第一閾值時，刪除該初始路線。
  7. 如申請專利範圍第1項之系統，其中，對於該至少一條初始路線中的每一條，該至少一個處理器進一步地：對於該多個初始停車區域中的每一個，確定其到該現有路線的距離；在該初始路線中確定至少一個冗餘停車區域，其中，該至少一個冗餘停車區域中的每一個到該現有路線的距離小於一個預定距離；確定該多個冗餘停車區域的數量與該多個初始停車區域的數量之間的一個比值；及基於該比值，確定該初始路線與該現有路線之該匹配度。
  8. 如申請專利範圍第6項之系統，其中，對於該至少一條初始路線中的每一條，該至少一個處理器進一步地：確定多個距離，其中，該多個距離中的每一個距離，其為一個初始路線多個初始停車區域中的一個初始停車區域與該現有路線多個現有 停車區域中的一個現有停車區域之間的距離；及基於該多個距離，確定該初始路線是否匹配該現有路線。
  9. 如申請專利範圍第1項之系統，其中，每條初始路線與多個特徵有關，並且該至少一個處理器進一步地：對於與該初始路線有關之該多個特徵中的每一個，確定一個與該初始路線有關的值，作為一個或多個預測模型的輸入；基於該一個或多個預測模型及與該初始路線有關之該多個特徵的該等值，確定一個或多個輸出；基於該一個或多個輸出，確定一個分數；確定該分數是否大於一個第二閾值；及當該分數大於該第二閾值，確定該初始路徑為一個高級路線。
  10. 如申請專利範圍第9項之系統，其中，該多個特徵包括以下至少一者：該初始路線之總長度；該初始路線之預估行駛時距；該初始路線相關之計費資訊；及該多個乘客的數量。
  11. 一種確定目標運輸服務路線之方法，包括：從多個乘客處獲取一個或多個運輸服務之需求資訊，該多個乘客的每個乘客之該需求資訊包含一個出發地及一個目的地；基於該多個出發地及該多個目的地，確定多個初始停車區域；確定至少一條初始路線，其通過該多個初始停車區域；對於該至少一條初始路線的每一條初始路線， 確定該初始路線與一條現有路線之間的一個匹配度；確定該初始路線與該現有路線之間的該匹配度是否大於一第一閾值；及當該匹配度小於該第一閾值時，確定該初始路線為一條候選路線。
  12. 如申請專利範圍第11項之方法，進一步包括：獲取與該多個乘客有關之該運輸服務相關的多個歷史請求記錄；從該多個乘客處獲取該運輸服務相關的即時需求；及基於該等記錄及該等即時需求確定該需求資訊。
  13. 如申請專利範圍第11項之方法，進一步包括：將一包含該多個出發地及該多個目的地之地理區域劃分成多個子區域；對該多個子區域的每個子區域，確定包含於該子區域中的出發地及目的地之數量；確定該出發地及目的地之數量是否大於一個第一閾值；及當該出發地及目的地之數量大於該第一閾值時，確定該子區域為該等初始停車區域中的一個初始停車區域。
  14. 如申請專利範圍第13項之方法，其中，該多個初始停車區域包含一第一初始停車區域及一第二初始停車區域，並且該方法進一步包括：確定包含該第一初始停車區域之第一複合區域及包含該第二初始停車區域之第二複合區域；確定該第一複合區域及該第二複合區域共享的一個重合區域； 確定一個包含該重合區域之擴展重合區域，基於：該擴展重合區域中出發地及目的地之數量；該第一複合區域中出發地及目的地之數量；及該第二複合區域中出發地及目的地之數量。
  15. 如申請專利範圍第14項之方法，其中，進一步包括：確定該第一複合區域中出發地及目的地數量與該第二複合區域中出發地及目的地數量之總和；確定該複合重合區域中該出發地及目的地數量與該總合之間的一個比值；確定該比值是否大於一個預定比值；及當該比值大於該預定比值時，確定該擴展重合區域為一個初始停車區域。
  16. 如申請專利範圍第11項之方法，其中，對於該多條初始路線中的每一條，進一步包括：對於該至少一條初始路線中的每一條，確定該初始路線與該現有路線之間的該匹配度是否大於該第一閾值；及當該初始路線與該現有路線之間的該匹配度大於該第一閾值時，刪除該初始路線。
  17. 如申請專利範圍第11項之方法，進一步包括：對於該至少一條初始路線中的每一條，對於該多個初始停車區域中的每一個，確定其到該現有路線的 距離；在該初始路線中確定至少一個冗餘停車區域，其中，該至少一個冗餘停車區域中的每一個到該現有路線的距離小於一個預定距離；確定該多個冗餘停車區域的數量與該多個初始停車區域的數量之間的一個比值；及基於該比值，確定該初始路線與該現有路線之該匹配度。
  18. 如申請專利範圍第16項之方法，進一步包括：對於該至少一條初始路線中的每一條，確定多個距離，其中，該多個距離中的每個距離為一個初始路線多個初始停車區域中的一個初始停車區域與該現有路線多個現有停車區域中的一個現有停車區域之間的距離；及基於該多個距離，確定該初始路線是否匹配該現有路線。
  19. 如申請專利範圍第11項之方法，其中，每條初始路線與多個特徵有關，並且該方法進一步包括：對於與該初始路線有關之該多個特徵中的每一個，確定一個與該初始路線有關的值，作為一個或多個預測模型的輸入；基於該一個或多個預測模型及與該初始路線有關之該多個特徵的該值，確定一個或多個輸出；基於該一個或多個輸出，確定一個分數；確定該分數是否大於一個第二閾值；及當該分數大於該第二閾值，確定該初始路徑為一個高級路線。
  20. 如申請專利範圍第19項之方法，其中，該多個特徵包括以下至少一者： 該初始路線之總長度；該初始路線之預估行駛時距；該初始路線相關之計費資訊；及該多個乘客之數量。
TW106113909A 2016-04-27 2017-04-26 確定運輸服務路線之系統及方法 TW201741993A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
CN201610270774.5A CN107316094A (zh) 2016-04-27 2016-04-27 一种通勤线路挖掘方法及装置
CN201610807745.8A CN107798020B (zh) 2016-09-07 2016-09-07 一种公交路线匹配判断方法及装置
CN201610809376.6A CN107798446A (zh) 2016-09-07 2016-09-07 富矿路线的评测处理方法及装置
CN201610808045.0A CN107798411A (zh) 2016-09-07 2016-09-07 一种班车路线的评测处理方法及服务器
CN201610818956.1A CN107818389B (zh) 2016-09-12 2016-09-12 公交路线验证处理方法及装置

Publications (1)

Publication Number Publication Date
TW201741993A true TW201741993A (zh) 2017-12-01

Family

ID=60160668

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106113909A TW201741993A (zh) 2016-04-27 2017-04-26 確定運輸服務路線之系統及方法

Country Status (6)

Country Link
US (1) US10859387B2 (zh)
EP (1) EP3449435A1 (zh)
CN (1) CN109074622B (zh)
AU (1) AU2017255282B2 (zh)
TW (1) TW201741993A (zh)
WO (1) WO2017185832A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111258747A (zh) * 2018-11-30 2020-06-09 北京嘀嘀无限科技发展有限公司 一种服务效率控制方法及装置
TWI707291B (zh) * 2018-05-14 2020-10-11 淡江大學 計程車共乘系統及計程車共乘方法
CN112262557A (zh) * 2018-06-11 2021-01-22 北京嘀嘀无限科技发展有限公司 用于为线上到线下服务提供信息的系统和方法

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10930157B2 (en) * 2017-04-26 2021-02-23 Dropoff, Inc. Systems and methods for automated real-time and advisory routing within a fleet of geographically distributed drivers
US10789558B2 (en) * 2017-05-31 2020-09-29 Astrazeneca Pharmaceuticals Lp Non-linear systems and methods for destination selection
CN108197973B (zh) * 2017-12-11 2021-08-24 北京奇虎科技有限公司 基于地图数据的车载广告公交线路推荐方法及装置
WO2019191914A1 (en) * 2018-04-04 2019-10-10 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for on-demand services
JP7173694B2 (ja) * 2018-10-30 2022-11-16 トヨタ自動車株式会社 データ生成装置、データ生成システム、データ生成方法、データ生成プログラム
US11017669B2 (en) 2018-11-20 2021-05-25 Here Global B.V. Methods and systems for providing parking assistance for vehicles
US11774256B2 (en) 2019-01-30 2023-10-03 Uber Technologies, Inc. User control of alternate routes
US11118922B2 (en) * 2019-01-30 2021-09-14 Uber Technologies, Inc. User control of alternate routes
CN113508606B (zh) * 2019-02-13 2023-03-28 格步计程车控股私人有限公司 根据噪声多模态数据自动确定针对兴趣点的最优运输服务位置
US10837786B2 (en) * 2019-03-18 2020-11-17 Uber Technologies, Inc. Multi-modal transportation service planning and fulfillment
US11442467B2 (en) * 2019-03-29 2022-09-13 Wipro Limited Method and system for generating a trajectory for navigating an autonomous vehicle
CN111815011B (zh) * 2019-04-10 2024-03-22 财付通支付科技有限公司 消息发送方法、装置、计算机设备及存储介质
EP3745331A1 (en) 2019-05-29 2020-12-02 Naver Corporation Methods for preprocessing a set of non-scheduled lines within a multimodal transportation network of predetermined stations and for computing at least one itinerary from a departure location to an arrival location
JP7347104B2 (ja) * 2019-10-16 2023-09-20 トヨタ自動車株式会社 情報処理装置、非一時的記憶媒体、及び、システム
CN111242186B (zh) * 2020-01-03 2022-08-12 支付宝(杭州)信息技术有限公司 确定运行线路的方法、装置及计算设备
CN111445371A (zh) * 2020-02-28 2020-07-24 平安国际智慧城市科技股份有限公司 运输路线生成方法、装置、计算机设备和存储介质
CN113379175B (zh) * 2020-03-09 2024-02-20 上海擎感智能科技有限公司 试乘试驾的操作评估方法、系统、介质、客户端及服务端
CN111366160B (zh) * 2020-05-25 2020-10-27 深圳市城市交通规划设计研究中心股份有限公司 路径规划方法、路径规划装置及终端设备
CN112131330B (zh) * 2020-09-16 2024-01-26 上海交通大学 一种自由流动模式下共享汽车的运营区域选址布局方法
KR102540446B1 (ko) * 2020-10-27 2023-06-05 현대자동차 주식회사 차량 승하차장 결정 방법 및 이를 이용한 운영 서버
CN112613812B (zh) * 2020-12-22 2022-07-26 北京果枝众合科技有限公司 基于公交调度控制系统进行派送路线规划的快件传送系统
US20220366441A1 (en) * 2021-05-17 2022-11-17 Ford Global Technologies, Llc Systems and methods for mobility service demand prediction
CN113505149A (zh) * 2021-07-21 2021-10-15 车主邦（北京）科技有限公司 一种推荐充电站的方法、服务器、介质及计算机设备
CN114331568B (zh) * 2022-03-04 2022-06-17 中汽信息科技(天津)有限公司 基于车联网的商用车细分市场识别方法、设备和介质
US20230351274A1 (en) * 2022-04-29 2023-11-02 Uber Technologies, Inc. Generation of navigational route networks
CN116028013B (zh) * 2023-02-20 2023-07-04 辰星（天津）自动化设备有限公司 一种fpga除法运算的优化方法、装置、除法器和介质
CN117057700B (zh) * 2023-10-13 2024-01-26 云南省烟草公司大理州公司 一种智慧物流运输系统及路径规划方法

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03238599A (ja) 1990-02-15 1991-10-24 Clarion Co Ltd 車載用ナビゲーション装置
CN101140699B (zh) 2007-09-27 2010-09-08 深圳华强信息产业有限公司 一种基于车载gps终端的线路检测方法
CN102495941B (zh) 2011-10-24 2015-03-04 北京东方车云信息技术有限公司 一种打车难易度评估方法及系统
US20130159206A1 (en) * 2011-12-14 2013-06-20 International Business Machines Corporation Dynamic vehicle routing in multi-stage distribution networks
CN103324937B (zh) 2012-03-21 2016-08-03 日电（中国）有限公司 标注目标的方法和装置
CN102610091B (zh) 2012-03-22 2013-09-25 北京世纪高通科技有限公司 出行服务信息的获取方法及装置
CN103471603B (zh) * 2012-06-06 2015-10-21 腾讯科技（深圳）有限公司 一种公交线路与道路网络的匹配方法和装置
CN202923638U (zh) 2012-10-31 2013-05-08 惠州市德赛西威汽车电子有限公司 一种车道检测和偏离预警装置
US10366113B2 (en) * 2013-03-15 2019-07-30 Twitter, Inc. Method and system for generating a geocode trie and facilitating reverse geocode lookups
US20140358603A1 (en) * 2013-05-29 2014-12-04 Google Inc. Iterative public transit scoring
CN103279534B (zh) * 2013-05-31 2016-06-01 西安建筑科技大学 基于智能公交系统数据的公交卡乘客通勤od分布估计方法
WO2015035185A1 (en) * 2013-09-06 2015-03-12 Apple Inc. Providing transit information
CN103530540B (zh) 2013-09-27 2017-02-22 西安交通大学 基于人机交互行为特征的用户身份属性检测方法
US9043151B2 (en) * 2013-10-03 2015-05-26 Sap Se Large scale demand responsive transit framework
CN104572755B (zh) 2013-10-24 2018-01-30 高德软件有限公司 一种建立数据索引的方法、数据查询方法及相关装置
CN104732756A (zh) * 2013-12-24 2015-06-24 中兴通讯股份有限公司 一种利用移动通信数据挖掘进行公交规划的方法
CN103761589B (zh) 2014-02-18 2016-11-16 东南大学 一种城市轨道交通清分方法
CN103942312B (zh) 2014-04-21 2018-02-13 北京百度网讯科技有限公司 公交换乘线路规划方法和装置
US9404760B2 (en) * 2014-08-04 2016-08-02 Xerox Corporation Efficient route planning in public transportation networks
CN105512447A (zh) 2014-09-26 2016-04-20 山西云智慧科技股份有限公司 一种基于Holt-Winters模型的公交客量预测方法
CN104573874A (zh) 2015-01-26 2015-04-29 中国联合网络通信集团有限公司 一种公交线路的规划方法和装置
CN105184387A (zh) 2015-07-23 2015-12-23 北京理工大学 一种路径相似度比较方法
CN105206041B (zh) 2015-08-12 2017-05-24 东南大学 一种考虑时序dbscan的智能手机轨迹链簇识别方法
CN105070044B (zh) * 2015-08-17 2017-05-17 南通大学 一种基于乘客预约的定制公交合乘车辆动态调度方法
CN105184728A (zh) * 2015-09-15 2015-12-23 广州地理研究所 定制客运班车出行需求热力图构建方法
CN105160880B (zh) 2015-09-24 2017-08-25 滴滴（中国）科技有限公司 一种车辆载客状态的预估方法及装置
US9746853B2 (en) * 2015-11-30 2017-08-29 Nissan North America, Inc. Traffic signal timing estimation using a support vector regression model
CN105515859B (zh) 2015-12-01 2018-09-14 内蒙古工业大学 基于路径相似度对符号网络进行社区检测的方法及系统
CN105427194A (zh) 2015-12-21 2016-03-23 西安美林数据技术股份有限公司 一种基于随机森林回归的售电量预测方法及装置
CN105718368A (zh) 2016-01-15 2016-06-29 西安邮电大学 一种软件测试数据扩增方法
CN105719019A (zh) 2016-01-21 2016-06-29 华南理工大学 一种考虑用户预约数据的公共自行车高峰期需求预测方法
CN106228275A (zh) * 2016-08-01 2016-12-14 广州星唯信息科技有限公司 基于蚁群算法定制公交线路的方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI707291B (zh) * 2018-05-14 2020-10-11 淡江大學 計程車共乘系統及計程車共乘方法
CN112262557A (zh) * 2018-06-11 2021-01-22 北京嘀嘀无限科技发展有限公司 用于为线上到线下服务提供信息的系统和方法
CN112262557B (zh) * 2018-06-11 2023-12-05 北京嘀嘀无限科技发展有限公司 用于为线上到线下服务提供信息的系统和方法
CN111258747A (zh) * 2018-11-30 2020-06-09 北京嘀嘀无限科技发展有限公司 一种服务效率控制方法及装置
CN111258747B (zh) * 2018-11-30 2023-08-22 北京嘀嘀无限科技发展有限公司 一种服务效率控制方法及装置

Also Published As

Publication number Publication date
EP3449435A4 (en) 2019-03-06
CN109074622A (zh) 2018-12-21
US20180188049A1 (en) 2018-07-05
US10859387B2 (en) 2020-12-08
WO2017185832A1 (en) 2017-11-02
AU2017255282A1 (en) 2018-02-22
EP3449435A1 (en) 2019-03-06
AU2017255282B2 (en) 2020-02-27
CN109074622B (zh) 2022-04-05

Similar Documents

Publication Publication Date Title
TW201741993A (zh) 確定運輸服務路線之系統及方法
TWI638320B (zh) 推薦預計到達時間的系統、方法及非暫態電腦可讀儲存媒體
JP6925479B2 (ja) 共有可能な注文を割り当てるためのシステムおよび方法
TWI670677B (zh) 用於推薦預估到達時間的系統和方法
CN109478364B (zh) 确定预计到达时间的方法及系统
CN110537212B (zh) 确定预估到达时间的系统与方法
WO2017028821A1 (zh) 根据历史订单预测当前订单信息的方法及系统
CN112036645B (zh) 用于确定预估到达时间的系统和方法
JP2019506640A (ja) 推奨サービス位置を推奨するシステム及び方法
KR20180011053A (ko) 운송 능력 스케줄링을 위한 방법들 및 시스템들
CN112154473A (zh) 用于推荐上车点的系统和方法
CN112236787A (zh) 用于生成个性化目的地推荐的系统和方法
CN112868036A (zh) 位置推荐的系统和方法
CN111433795A (zh) 一种确定线上到线下服务的预估到达时间的系统和方法
CN108885726A (zh) 服务时间点预测系统和方法
CN110782648B (zh) 确定预计到达时间的系统和方法
CN109948822B (zh) 一种地理区域内网约车供需缺口预测方法