TW201903659A - 用於確定預估到達時間的系統和方法 - Google Patents

用於確定預估到達時間的系統和方法 Download PDF

Info

Publication number
TW201903659A
TW201903659A TW107114276A TW107114276A TW201903659A TW 201903659 A TW201903659 A TW 201903659A TW 107114276 A TW107114276 A TW 107114276A TW 107114276 A TW107114276 A TW 107114276A TW 201903659 A TW201903659 A TW 201903659A
Authority
TW
Taiwan
Prior art keywords
eta
service
example service
model
orders
Prior art date
Application number
TW107114276A
Other languages
English (en)
Other versions
TWI673659B (zh
Inventor
孫書娟
包新啟
王征
Original Assignee
大陸商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
Application filed by 大陸商北京嘀嘀無限科技發展有限公司 filed Critical 大陸商北京嘀嘀無限科技發展有限公司
Publication of TW201903659A publication Critical patent/TW201903659A/zh
Application granted granted Critical
Publication of TWI673659B publication Critical patent/TWI673659B/zh

Links

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
    • 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
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Automation & Control Theory (AREA)
  • Primary Health Care (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

提供了用於處理隨選服務的至少一個服務請求的系統和方法。系統可以執行以下方法：獲得多個示例服務訂單，所述多個示例服務訂單中的每個示例服務訂單可以包括與測量參數的多個單元的一單元相關的特徵；將所述多個示例服務訂單聚類為所述示例服務訂單的多個子集，示例服務訂單的相同子集中的每個示例服務訂單的特徵可以與測量參數的相同單元相關；對於示例服務訂單的多個子集中的每一個子集，使用示例服務訂單的子集來訓練第一預估到達時間模型(第一ETA模型)；以及將結構資料儲存在至少一個儲存媒體中，所述結構資料編碼多個第一ETA模型。

Description

用於確定預估到達時間的系統和方法
本申請一般涉及一種確定服務請求的預估到達時間(estimated time of arrival，ETA)的系統和方法，尤其是涉及使用機器學習技術來訓練ETA模型且使用ETA模型來確定ETA的系統和方法。
本申請主張2017年6月12日提交的編號為PCT/CN2017/087879的國際申請的優先權，其內容以引用的方式被包含於此。
許多基於位置的服務及/或應用程式，例如Web地圖服務、導航服務和線上隨選運輸服務，可能需要精確的預估到達時間以提供服務。例如，地圖服務可能需要即時自動更新運輸工具的ETA，以向使用者提供地圖服務的駕駛導引、導航建議、位置資訊和其他資訊。
根據本申請的一個態樣，提供了一種電子系統。所述電子系統可包括至少一個非暫時性電腦可讀取儲存媒體和用以與所述至少一個非暫時性電腦可讀取儲存媒體通訊的至少一個處理器。該至少一個非暫時性電腦可讀取儲存媒體包括一組指令。當所述至少一個處理器執行該組指令時，所述至少一個處理器可配置為執行以下操作中之一項或多項操作。所述至少一個處理器可 獲取多個示例服務訂單。在一些實施例中，所述多個示例服務訂單的每個示例服務訂單包括與測量參數的多個單元的一單元相關的特徵。所述至少一個處理器可將所述多個示例服務訂單聚類為示例服務訂單的多個子集。在一些實施例中，示例服務訂單的相同子集中的每個示例服務訂單的所述特徵與所述測量參數的相同單元相關。所述至少一個處理器可使用所述示例服務訂單的多個子集的每個子集來訓練第一預估到達時間模型(第一ETA模型)。所述至少一個處理器可將結構資料儲存在所述至少一個儲存媒體中，所述結構資料編碼多個第一ETA模型
在一些實施例中，所述測量參數包括時間。在一些實施例中，所述測量參數的多個單元的每個單元包括預定時間段。在一些實施例中，所述特徵包括與所述多個示例服務訂單中的一示例服務訂單有關的開始時間或結束時間中的至少一個。
在一些實施例中，所述測量參數包括位置座標。在一些實施例中，所述測量參數的多個單元的每個單元包括預定地理區域。在一些實施例中，所述特徵包括與所述多個示例服務訂單中的一示例服務訂單有關的開始位置或結束位置中的至少一個。
在一些實施例中，至少一個處理器可獲取包括所述特徵的服務請求。所述至少一個處理器可確定所述測量參數的多個單元中的目標單元，所述目標單元與所述服務請求的所述特徵相關。所述至少一個處理器可從所述多個第一ETA模型中選擇至少一個第二ETA模型。所述至少一個處理器可基於所述至少一個第二ETA模型來確定所述服務請求的目標ETA。所述至少一個處理器可將所述目標ETA發送給所述服務請求的請求者。
在一些實施例中，所述至少一個處理器可基於所述至少一個第二ETA模型來確定所述服務請求的至少一個候選ETA。所述至少一個處理器可 基於所述至少一個候選ETA來確定所述服務請求的ETA。
在一些實施例中，所述至少一個處理器可確定所述至少一個候選ETA的組合。
在一些實施例中，所述至少一個處理器可在至少一個所述至少一個候選ETA中應用權重。
在一些實施例中，所述至少一個處理器可確定所述多個第一ETA模型的多個準確性分數。所述至少一個處理器可基於所述多個準確性分數來選擇所述至少一個第二ETA模型。
根據本申請的另一態樣，提供一種方法。所述方法可包括獲取多個示例服務訂單；將所述多個示例服務訂單聚類為示例服務訂單的多個子集；使用所述示例服務訂單的多個子集的每個子集來訓練第一預估到達時間模型(第一ETA模型)；以及將結構資料儲存在所述至少一個儲存媒體中，所述結構資料編碼多個第一ETA模型。在一些實施例中，所述多個示例服務訂單的每個示例服務訂單包括與測量參數的多個單元的一單元相關的特徵。在一些實施例中，示例服務訂單的相同子集中的每個示例服務訂單的所述特徵與所述測量參數的相同單元相關。
在一些實施例中，所述方法可進一步包括獲取包括所述特徵的服務請求；確定所述測量參數的多個單元中的目標單元，所述目標單元與所述服務請求的所述特徵相關；從所述多個第一ETA模型中選擇至少一個第二ETA模型；基於所述至少一個第二ETA模型來確定所述服務請求的目標ETA；將所述目標ETA發送給所述服務請求的請求者。
在一些實施例中，所述方法可進一步包括基於所述至少一個第二ETA模型來確定所述服務請求的至少一個候選ETA和基於所述至少一個候選ETA來確定所述服務請求的ETA。
在一些實施例中，所述方法可進一步包括確定所述至少一個候選ETA的組合。
在一些實施例中，所述方法可進一步包括在至少一個所述至少一個候選ETA中應用權重。
在一些實施例中，所述方法可進一步包括確定所述多個第一ETA模型的多個準確性分數和基於所述多個準確性分數來選擇所述至少一個第二ETA模型。
根據本申請的第三種態樣，提供了一種非暫時性電腦可讀取媒體。所述非暫時性電腦可讀取媒體可體現為電腦程式產品。所述電腦程式產品可以包括指令。所述指令可以使計算裝置實行一種方法。所述計算裝置可以獲取多個示例服務訂單。在一些實施例中，所述多個示例服務訂單的每個示例服務訂單包括與測量參數的多個單元的一單元相關的特徵。所述計算裝置可將所述多個示例服務訂單聚類為示例服務訂單的多個子集。在一些實施例中，示例服務訂單的相同子集中的每個示例服務訂單的所述特徵與所述測量參數的相同單元相關。所述計算裝置可使用所述示例服務訂單的多個子集的每個子集來訓練第一預估到達時間模型(第一ETA模型)。所述計算裝置可將結構資料儲存在至少一個儲存媒體中，所述結構資料編碼多個第一ETA模型。
另外的特徵將在接下來的描述中部分地闡述，並且對於具有通常知識者在檢閱下文和附圖時將部分地變得顯而易見，或者可以通過示例的生產或操作而被學習。本申請的特徵可以通過實踐或使用在下面討論的詳細示例中闡述的方法、手段和組合的各個態樣來實現和獲得。
100‧‧‧隨選服務系統
110‧‧‧伺服器
112‧‧‧處理引擎
120‧‧‧網路
120-1、120-2‧‧‧網際網路交換點
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、140-2、140-n‧‧‧提供者終端
150‧‧‧運輸工具
150-1、150-2、150-n‧‧‧運輸工具
160‧‧‧儲存裝置
170‧‧‧導航系統
170-1、170-2、170-3‧‧‧衛星
200‧‧‧計算裝置
210‧‧‧通訊匯流排
220‧‧‧處理器
230‧‧‧唯讀記憶體(ROM)
240‧‧‧隨機存取記憶體(RAM)
250‧‧‧通訊輸出埠
260‧‧‧輸入/輸出部件
270‧‧‧磁碟
280‧‧‧使用者介面
300‧‧‧行動裝置
310‧‧‧通訊平臺
320‧‧‧顯示器
330‧‧‧圖形處理單元(GPU)
340‧‧‧中央處理單元(CPU)
350‧‧‧輸入/輸出介面
360‧‧‧記憶體
370‧‧‧動作業系統
380‧‧‧應用程式
390‧‧‧儲存器
400‧‧‧路線
502‧‧‧獲取模組
504‧‧‧訓練模組
506‧‧‧確定模組
508‧‧‧通訊模組
510‧‧‧時段確定單元
512‧‧‧地理區域確定單元
514‧‧‧ETA確定單元
600A‧‧‧流程
600B‧‧‧流程
602‧‧‧步驟
604‧‧‧步驟
606‧‧‧步驟
608‧‧‧步驟
610‧‧‧步驟
612‧‧‧步驟
614‧‧‧步驟
616‧‧‧步驟
618‧‧‧步驟
710‧‧‧路線ID
720‧‧‧駕駛距離
730‧‧‧交通訊號燈數量
740‧‧‧道路寬度
750‧‧‧開始時間的時段
760‧‧‧開始位置的區域
770‧‧‧歷史持續時間
800‧‧‧決策樹
910‧‧‧輸入層
920‧‧‧隱藏層
930‧‧‧輸出層
本申請以示例性的實施例的方式來進一步描述。這些示例性實 施例參考至圖式而被詳細地描述。這些實施例是非限制性的示例性實施例，其中相同的元件符號代表整個圖式的數個視圖之相似結構，並且其中：圖1係根據本申請的一些實施例所示的示例性隨選服務系統的方塊圖；圖2係根據本申請的一些實施例所示的一種示例性計算裝置的示例性硬體及/或軟體組件的示意圖；圖3係根據本申請的一些實施例所示的一種示例性行動裝置的示例性硬體及/或軟體組件的示意圖；圖4係根據本申請的一些實施例所示的用於預測ETA的示例性實體模型的示意圖；圖5-A係根據本申請一些實施例所示的一種示例性處理引擎的方塊圖；圖5-B係根據本申請的一些實施例所示的一種示例性確定模組的方塊圖；圖6-A係根據本申請一些實施例所示的一種確定ETA模型的示例性流程的流程圖；圖6-B係根據本申請一些實施例所示的用於確定與當前服務請求有關的ETA的示例性流程的流程圖；圖7係根據本申請的一些實施例所示的與示例性全域特徵向量相關的表格；圖8係根據本申請的一些實施例所示的示例性決策樹作為ETA模型的示意圖；以及圖9係根據本申請的一些實施例所示的示例性人工神經網路(artificial neural network，ANN)作為ETA模型的示意圖。
下述描述是為了使本領域具有通常知識者能製造和使用本申請，並且該描述是在特定的應用及其要求的背景下提供的。對於本領域的具有通常知識者來說，顯然可以對所揭露的實施例作出各種改變。另外，在不偏離本申請的精神和範圍的情況下，本申請中所定義的普遍原則可以適用於其他實施例和應用場景。因此，本申請並不限於所揭露的實施例，而應被給予與申請專利範圍一致的最寬泛的範圍。
此處使用的術語僅僅用來描述特定的示意性實施例，並且不具有限定性。如本申請和申請專利範圍書中所示，除非上下文明確提示例外情形，「一」、「一個」、「一種」及/或「該」等詞並非特指單數，也可以包括複數。應該被理解的是，本說明書中所使用的術語「包括」與「包含」僅提示已明確標識的特徵、整數、步驟、操作、元素及/或組件，而不排除可以存在和添加其他一個或多個特徵、整數、步驟、操作、元素、組件及/或其組合。
根據以下對附圖的描述，本申請所述的和其他的特徵、特色，和相關結構元素的功能和操作方法，和製造的經濟和部件組合更加顯而易見，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。
本申請中使用了流程圖用來說明根據本申請的實施例的系統所執行的操作。應當理解的是，流程圖的操作不一定按照順序來精確地執行。相反地，可以按照倒序執行或同時處理各種步驟。此外，可以將一個或多個其他操作添加到這些流程圖中。可以從這些流程圖中移除一個或多個操作。
此外，雖然本申請的系統和方法的描述主要關於分配交通運輸服務請求，應該理解的是，這只是一個示例性的實施例。本申請的系統和方法 可適用於其他任一種隨選服務。例如，本申請的系統和方法可以應用於不同環境下的運輸系統，包括陸地、海洋、航空航太或類似物或其任意組合。所述運輸系統的運輸工具可以包括計程車、私家車、順風車、公車、列車、子彈列車、高鐵、地鐵、船舶、飛機、飛船、熱氣球、無人駕駛運輸工具或類似物或其任意組合。所述運輸系統也可以包括用於管理及/或分配的任一種運輸系統，例如，接收及/或送快遞的系統。本申請的不同實施例應用場景可以包括網頁、瀏覽器外掛程式、用戶端、定制系統、企業內部分析系統與人工智慧機器人等中的一種或幾種的組合。
在本申請中，術語「乘客」「請求者」、「服務請求者」和「客戶」可以交換使用，其表示可以請求，或預定服務的個體、實體或工具。在本申請中，術語「司機」、「提供者」、「服務提供者」和「供應方」也可以交換使用其表示可以提供服務，或促進該服務提供的個體、實體或工具。
在本申請中，術語「服務請求」和「訂單」可以交換使用，其表示由乘客、請求者、服務請求者、客戶、司機、提供者、服務提供者或類似物或其任意組合所發起的請求。所述服務請求可以被乘客、服務請求者、客戶、司機、提供者、服務提供者中的任何一個接受。所述服務請求可以是收費的或免費的。
本申請中的術語「服務提供者終端」和「司機終端」可以交換使用，其表示服務提供者所使用的用於提供服務或促進服務提供的行動終端。本申請中的術語「服務請求者終端」和「乘客終端」可以交換使用，其表示服務請求者所使用的用於請求或訂購服務的行動終端。
本申請中使用的定位技術可以包括全球定位系統(GPS)、全球衛星導航系統(GLONASS)、北斗導航系統(COMPASS)、伽利略定位系統、准天頂衛星系統(QZSS)、無線保真(WiFi)定位技術或類似物或其任 意組合。以上定位技術中的一個或多個可以在本申請中交換使用。
本申請的一個態樣涉及線上系統和方法，用於為與服務請求相關的路線來確定預估到達時間(ETA)。在一些實施例中，所述系統和方法可以獲取多個示例服務訂單。在一些實施例中，所述多個示例服務訂單的每個示例服務訂單包括與測量參數的多個單元的一單元相關的特徵。所述系統和方法可將所述多個示例服務訂單聚類為示例服務訂單的多個子集。在一些實施例中，示例服務訂單的相同子集中的每個示例服務訂單的所述特徵與所述測量參數的相同單元相關。例如，所述系統和方法可以基於所述特徵(例如，空間特徵及/或時間特徵)將多個示例服務訂單聚類為一個或多個子集。對於示例服務訂單的多個子集中的每個子集，系統和方法可以使用所述子集來訓練用於ETA預測的第一模型(也稱為「第一ETA模型)。所述系統和方法可以基於多個第一ETA模型確定與所述服務請求相關的目標ETA。例如，所述系統和方法可以從所述多個第一ETA模型中選擇至少一個第二ETA模型。所述系統和方法可以使用所述至少一個第二ETA模型確定至少一個候選ETA。所述系統方法可以基於所述至少一個候選ETA確定與服務請求相關的目標ETA(例如，通過確定加權平均及/或所述至少一個候選ETA的任何其他組合)。
需要注意的是，線上隨選運輸服務，如線上計程車呼叫，是一起源於後網際網路時代的新興服務。它為使用者和服務提供方提供了只在後網際網路時代才可能實現的技術方案。在網際網路時代之前，當乘客呼叫計程車時，該乘客無法獲悉到達目的地或者地點的預估時間。如果乘客通過電話呼叫了一輛計程車，對於服務提供者(如，司機、計程車公司、郵局、快遞公司或代理商等)來說，很難為乘客預計到達目的地的時間。然而，基於ETA模型以及從計畫服務請求獲取的計畫特徵向量，線上隨選交通運輸系統可以為乘客確定預估到達時間。通過訓練全域特徵向量和歷史持續時間，線上隨選交通運輸 系統可以為計畫服務請求提供ETA模型。在確認交通運輸服務(例如，呼叫一輛計程車)的服務請求之前，使用者(例如，乘客或司機)可以使用所述ETA模型來預測ETA。用於訓練ETA模型的全域特徵向量可以從與至少一個路段相關的電信號中獲取。因此，通過網際網路，線上隨選交通運輸系統可以給乘客和司機提供一個更方便和高效的交易平臺，這在傳統的前網際網路交通運輸服務系統中是從未遇到的。
圖1係根據本申請的一些實施例所示的示例性隨選服務系統100的方塊圖。例如，所述隨選服務系統100可以是一個用於提供運輸服務的線上運輸服務平臺。所述隨選服務系統100可以包括伺服器110、網路120、服務請求者終端130、服務提供者終端140、運輸工具150、儲存裝置160和導航系統170。
隨選服務系統100可以提供多種服務。例如，計程車呼叫服務、駕駛服務、快捷汽車、共乘、巴士服務、司機雇傭、接駁服務。在一些實施例中，隨選服務可以是任意線上服務，如訂餐、購物或類似物或其任意組合。
在一些實施例中，伺服器110可以是一單一伺服器或一伺服器組。所述伺服器群可以是集中式的或分散式的(例如，伺服器110可以是分散式的系統)。在一些實施例中，伺服器110可以是本地的或遠端的。例如，伺服器110可以通過網路120存取儲存在服務請求者終端130、服務提供者終端140及/或儲存裝置160中的資訊及/或資料。再例如，伺服器110可以直接連接到服務請求者終端130、服務提供者終端140及/或儲存裝置160以存取儲存的資訊及/或資料。在一些實施例中，伺服器110可在一雲端平臺上執行。僅僅作為範例，該雲端平臺可以包括一私有雲、公共雲、混合雲、社區雲、分散式雲、內部雲、多層雲或類似物或其任意組合。在一些實施例中，伺服器110可以在圖10中描述的包含了一個或者多個組件的計算裝置1000上執行。
在一些實施例中，伺服器110可以包括處理引擎112。處理引擎112可以處理與服務請求相關的資訊及/或資料以執行本申請描述的一個或多個功能。例如，處理引擎112可以確定與從服務請求者終端130獲得的當前服務請求相關的ETA。在一些實施例中，處理引擎112可包括一個或者多個處理引擎(例如，單核心處理引擎或多核心處理器)。僅作為範例，處理引擎112可包括一中央處理器(CPU)、特定應用積體電路(ASIC)、特定應用指令集處理器(ASIP)、影像處理器(GPU)、物理運算處理單元(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)、微處理器或類似物或其任意組合。
網路120可以促進資訊及/或資料的交換。在一些實施例中，隨選服務系統100中的一個或多個部件(例如，伺服器110、服務請求者終端130、服務提供者終端140、運輸工具150、儲存裝置160和導航系統170)可以通過網路120向隨選服務系統100中的其他部件發送資訊及/或資料。例如，伺服器110可以通過網路120從請求者終端130接收服務請求。在一些實施例中，網路120可以是任意形式的有線或者無線網路，或其任意組合。僅作為範例，網路120可以包括一電纜網路、纜線網路、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)、公用交換電話網路(PSTN)、藍牙網路，紫蜂(ZigBee)網路、近場通訊(NFC)或類似物或其任意組合。在一些實施例中，網路120可包括一個或者多個網路進接點。例如，網路120可包括有線或無線網路進接點比如基站及/或網際網路交換點120-1、120-2...。通過該網路進接點，隨選服務系統100的一個或多個組件可以連接至網路120以交換資訊及/或資料。
在一些實施例中，乘客可以是服務請求者終端130的所有者。在一些實施例中，服務請求者終端130的所有者可以為乘客以外的其他人。例如，服務請求者終端130的所有者A可以使用服務請求者終端130為乘客B發送一個服務請求或從伺服器110接收服務及/或資訊或指示。在一些實施例中，服務提供者可以是服務提供者終端140的使用者。在一些實施例中，服務提供者終端140的使用者可以為服務提供者外的其他人。例如，服務提供者終端140的使用者C可以使用服務提供者終端140為使用者D接收服務請求及/或從伺服器110接收資訊或指示。在一些實施例中，「乘客」和「乘客終端」可以交換使用，「服務提供者」和「服務提供者終端」可以交換使用。在一些實施例中，所述服務提供者終端可以與一個或多個服務提供者(例如，夜班服務提供者或白班服務提供者)相關。
在一些實施例中，請求者終端130可以包括行動裝置130-1、平板電腦130-2、筆記型電腦130-3、運輸工具內建裝置130-4或類似物或其任意組合。在一些實施例中，行動裝置130-1可包括一智慧居家裝置，可穿戴裝置、智慧行動裝置、虛擬實境裝置、擴增實境裝置或類似物或其任意組合。在一些實施例中，智慧居家裝置可包括一智慧照明裝置、智慧電器控制裝置、智慧監測裝置、智慧電視、智慧視訊攝影機、對講機或類似物或其任意組合。在一些實施例中，該可穿戴裝置可包括一智慧手鐲、智慧鞋襪、智慧眼鏡、智慧頭盔、智慧手錶、智慧衣服、智慧背包、智慧附件或類似物或其任意組合。在一些實施例中，該智慧行動裝置可包括一智慧型電話、個人數位助理(PDA)、遊戲裝置、導航裝置、銷售點(POS)裝置或類似物或其任意組合。在一些實施例中，該虛擬實境裝置及/或擴增實境裝置可包括一虛擬實境頭盔、虛擬實境眼鏡、虛擬實境補丁、擴增實境頭盔、擴增實境眼鏡、擴增實境補丁或類似物或其任意組合。例如，虛擬實境裝置及/或擴充實境裝置可以包括GoogleTM Glass，Oculus Rift，HoloLens，Gear VR等。在一些實施例中，運輸工具內建裝置130-4可包括一機載電腦或一機載電視等。在一些實施例中，服務請求者終端130可以是具有用於定位乘客及/或服務請求者終端130的位置的定位技術的裝置。
服務提供者終端140可以包括多個服務提供者終端140-1、140-2、......、140-n。在一些實施例中，服務提供者終端140可以是與服務請求者終端130類似或者相同的裝置。在一些實施例中，服務提供者終端140可以被定制為能夠實現所述線上隨選運輸服務。在一些實施例中，服務提供著終端140可以是一個帶有定位技術的裝置，該定位技術可以用於定位服務提供者、服務提供者終端140及/或與服務提供者終端相關的運輸工具150的位置。在一些實施例中，服務請求者終端130及/或服務提供者終端140可以與其他定位裝置通訊以確定乘客、服務請求者終端130、服務提供者及/或服務提供者終端140的位置。在一些實施例中，服務請求者終端130及/或服務提供者終端140可以週期性地將該定位資訊發送至伺服器110。在一些實施例中，服務提供者終端140也可以週期性地將可用狀態發送至伺服器110。所述可用狀態可以表明與服務提供者終端140相關的運輸工具150是否可以接載乘客。例如，服務請求者終端130及/或服務提供者終端140可以每30分鐘將所述定位資訊和所述可用狀態發送至伺服器110。又例如，服務請求者終端130及/或服務提供者終端140可以在每次使用者登入與隨選交通運輸服務系統相關的移動應用程式時將定位資訊和可用狀態發送至伺服器110。
在一些實施例中，服務提供者終端140可以對應一個或多個運輸工具150。運輸工具150可以接載乘客並送至目的地。運輸工具150可以包括多個運輸工具150-1、150-2、......、150-n。一個運輸工具可以對應一種類型的服務(例如，計程車呼叫服務、駕駛服務、快捷汽車、共乘、巴士服務、司機雇 傭、接駁服務)。
儲存裝置160可以儲存資料及/或指令。在一些實施例中，儲存裝置160可以儲存從服務請求者終端130及/或服務提供者終端140獲得的資料。在一些實施例中，儲存裝置160可以儲存伺服器110用來執行或使用來完成本申請中描述的示例性方法的資料及/或指令。在一些實施例中，儲存裝置160可包括大容量儲存器、可移式儲存器、揮發性讀寫記憶體、唯讀記憶體(ROM)或類似物或其任意組合。示例性抽取式儲存器可包括一快閃驅動器、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一隨機存取記憶體(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)、可抹除可程式ROM(PEROM)、電子可抹除可程式ROM(EEPROM)、光碟ROM(CD-ROM)或數位通用軟碟ROM等。在一些實施例中，資料儲存器裝置可在一雲端平臺上執行。僅僅作為範例，該雲端平臺可以包括一私有雲、公共雲、混合雲、社區雲、分散式雲或內部雲等多層雲或類似物或其任意組合。
在一些實施例中，儲存裝置160可以與網路120連接以與隨選服務系統100的一個或多個部件(例如，伺服器110、服務請求者終端130、服務提供者終端140等)通訊。隨選服務系統100的一個或多個元件可以通過網路120存取儲存在儲存裝置160中的資料或指令。在一些實施例中，儲存裝置160可以直接與隨選服務系統100的一個或多個部件(例如，伺服器110、服務請求者終端130、服務提供者終端140等)連接或通訊。在一些實施例中，儲存裝置160可以是伺服器110的一部分。
所述導航系統170可以確定與物件相關的資訊，例如，服務請求 者終端130、服務提供者終端140、運輸工具150中的一個或多個。在一些實施例中，導航系統170可以是全球定位系統(GPS)、全球導航衛星系統(GLONASS)、指南針導航系統(COMPASS)、北斗導航衛星系統、伽利略定位系統、准天頂衛星系統(QZSS)等。所述資訊可包括對象的位置、海拔、速度、加速度或當前時間。導航系統170可以包括一個或多個衛星，例如，衛星170-1、衛星170-2和衛星170-3。衛星170-1至170-3可以獨立地或共同地確定上述資訊。衛星導航系統170可以通過無線連接將上述資訊發送至網路120、服務請求者終端130、服務提供者終端140或運輸工具150。
在一些實施例中，隨選服務系統100的一個或多個部件(例如，伺服器110、服務請求者終端130、服務提供者終端140等)可以擁有存取儲存裝置160的許可權。在一些實施例中，當滿足一個或多個條件時，隨選服務系統100的一個或多個部件可以讀取及/或修改與乘客、服務提供者及/或公眾相關的資訊。例如，一個服務完成後，伺服器110可以讀取及/或修改一個或多個乘客的資訊。又例如，一個服務完成後，伺服器110可以讀取及/或修改一個或多個服務提供者的資訊。
在一些實施例中，隨選服務系統100的一個或多個部件的資訊交換可以通過請求一個服務的方式實現。服務請求的物件可以為任何產品。在一些實施例中，所述產品可以包括食品、醫藥、商品、化學產品、電器、衣物、小汽車、房屋、奢侈品或類似物或其任意組合。在一些實施例中，所述產品可以包括服務產品、金融產品、知識產品、網際網路產品或類似物或其任意組合。網際網路產品可以包括一個人主機產品、Web產品、行動上網產品、商用主機產品、嵌入式產品或類似物或其任意組合。行動上網產品可以是應用在行動終端上的軟體、程式、系統或類似物或其任意組合。行動終端可以包括一平板電腦、膝上型電腦、行動電話、個人數位助理(PDA)、智慧手錶、銷售點 (POS)裝置、機上電腦、機上電視、可穿戴裝置或類似物或其任意組合。例如，產品可以是在電腦或行動電話上使用的任一軟體及/或應用程式。該軟體及/或應用程式可以與社交、購物、運輸、娛樂、學習、投資或類似物或其任意組合相關聯。在一些實施例中，與運輸相關聯的軟體及/或應用程式可以包括一旅遊軟體及/或應用程式、運輸工具排程軟體及/或應用程式、地圖軟體及/或應用程式等。對於運輸工具排程軟體及/或應用程式，運輸工具可以是馬、馬車、人力車(例如，獨輪手推車、腳踏車、三輪車等、汽車(例如，計程車、公車、私人汽車或類似物)、列車、地鐵、船隻、航空器(例如，飛機、直升機、太空梭、火箭、熱氣球等)或類似物或其任意組合。
本領域具有通常知識者應當理解，當隨選服務系統100中的元件執行時，該元件可以通過電信號及/或電磁信號執行操作。例如，當服務請求者終端130向伺服器110發出服務請求時，服務請求者終端130的處理器可以產生一個編碼該請求的電信號。隨後，服務請求者終端130的處理器可將所述電信號發給輸出埠。如果服務請求者終端130通過有線網路與伺服器110通訊，則所述輸出埠可以實體連接至纜線，所述纜線可以進一步將所述電信號傳輸至伺服器110的輸入埠。如果服務請求者終端130通過無線網路與伺服器110通訊，服務請求者終端130的輸出埠可以是一個或多個天線，所述天線可以將電信號轉換為電磁信號。類似地，服務提供者終端130可以通過電信號或者電磁信號從伺服器110接收指令及/或服務請求。在電子裝置中，如服務請求者終端130、服務提供者終端140及/或伺服器110，當其處理器處理指示、發出指令及/或執行操作時，該指令及/或該操作通過電信號來執行。例如，當處理器從儲存媒體檢索或獲取資料時，可以將電信號發送給所述儲存媒體的讀/寫裝置，所述讀/寫裝置可讀取取所述儲存媒體中的結構資料或將結構資料寫入儲存媒體中。所述結構資料可以電信號的形式經由電子裝置的匯流排傳輸至所述處理器。此處， 電信號可以指一個電信號、一系列電信號及/或多個離散的電信號。
圖2係根據本申請的一些實施例所示的一種示例性計算裝置200的示例性硬體及/或軟體組件的示意圖。伺服器110、服務請求者終端130及/或服務提供者終端140可以在計算裝置200上實現。例如，處理引擎112可以在計算裝置200上實施並執行本申請所揭露的處理引擎112的功能。
計算裝置200可以是通用電腦或專用電腦，兩者都可以被用於實現本申請揭露的隨選服務系統。計算裝置200可以用來實現本申請所描述的隨選服務的任意部件。例如，處理引擎112可以在計算裝置200上通過其硬體、軟體程式、韌體或其組合實現。雖然只示出了一個這樣的電腦，但為了方便起見，與在此描述的隨選服務相關的電腦功能可以以分散式的方式在多個類似平臺上實現，以分散處理負載。
例如，計算裝置200可以包括與網路連接的通訊輸出埠250，以實現資料通訊。計算裝置200可以包括中央處理器(CPU)220(或處理器220)，可以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以包括一個內部通訊匯流排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(RAM)240，用於儲存由電腦處理及/或傳輸的各種各樣的資料檔。示例性的電腦平臺也可以包括儲存在唯讀記憶體230、隨機存取記憶體240及/或其他類型的非暫態儲存媒體中的由中央處理器220(或儲存器220)執行的程式指令。本申請揭露的方法及/或流程可以作為程式指令來實施。計算裝置200也包括輸入/輸出部件260，用於支援電腦與此處其他部件例如使用者介面280之間的輸入/輸出。計算裝置200也可以通過網路通訊接收程式和資料。
所述CPU 220(或處理器220(例如，邏輯電路))可以用於執行電腦指令。例如，所述CPU 220(或處理器220)可在其中包括介面電路和處 理電路。所述介面電路可以被配置成從匯流排210接收電信號，其中所述電信號對所述處理電路處理的結構資料及/或指令進行編碼。所述處理電路可進行邏輯計算，然後確定編碼為電信號的結論、結果及/或指令。然後，所述介面電路可以經由匯流排210從所述處理電路發送電信號。
僅僅為了說明，計算裝置200中僅示例性描述了一個CPU及/或處理器。然而，需要注意的是，本申請中的計算裝置200可以包括多個CPU及/或處理器，因此本申請中描述的由一個CPU及/或處理器實現的操作及/或方法也可以共同地或獨立地由多個CPU及/或處理器實現。例如，在本申請中，如果計算裝置200的中央處理單元及/或處理器執行步驟A和步驟B，應當理解的是步驟A和步驟B可以由計算裝置200的兩個不同的中央處理單元及/或處理器共同或分別執行(例如，第一處理器執行步驟A，第二處理器執行步驟B，或者第一處理器和第二處理器共同執行步驟A和B)。
圖3係根據本申請的一些實施例所示的一種示例性行動裝置300的示例性硬體及/或軟體組件的示意圖。如圖3所示，所述行動裝置300可以包括通訊平臺310、顯示器320、圖形處理單元(GPU)330、中央處理單元(CPU)340、輸入/輸出介面350、記憶體360和儲存器390。在一些實施例中，任何其他合適的組件，包括但不限於系統匯流排或控制器(未顯示)，亦可包括於行動裝置300內。在一些實施例中，一行動作業系統370(例如，iOSTM、AndroidTM、Windows PhoneTM等)和一個或多個應用程式380可從儲存器390載入至記憶體360以藉由CPU 340執行。應用程式380可包括瀏覽器，或用於接收和呈現與影像處理相關的資訊或來自處理引擎112的其他資訊的任何其他合適的行動app。和資訊流的使用者互動可經由I/O 350達成，並通過網路120提供給處理引擎112及/或隨選服務系統100的其他組件。
為了實施本申請描述的各種模組、單元及其功能，電腦硬體平 臺可用作本文中描述之一個或多個元素的硬體平臺。具有使用者介面元素的電腦可用於實施個人電腦(PC)或任何其他類型的工作站或終端裝置。若電腦被適當的程式化，電腦亦可用作伺服器。
圖4係根據本申請的一些實施例所示的用於預測ETA的示例性實體模型的示意圖。處理引擎112確定道路地圖中所示的路線400(如圖4中實線所示)。僅僅舉個例子，所述路線400可包括10個路段(例如，第一路段、第二路段、...、和第十路段)和9個交通燈(例如，第一交通燈、第二交通燈、...、和第九交通燈)。兩個相鄰路段通過一個或多個交通燈鏈結。基於每一路段的速度，可以確定運輸工具和其他物體穿過每個路段的時間。例如，通過第一路段的時間可以被確定為T1；通過第二路段的時間可以被確定為T2；......；以及通過第十路段的時間可以被確定為T10。通過每個交通燈的時間可以被確定為L1、L2、......、L9。處理引擎112可以將每個路段的時間和通過每個交通燈的時間相加來確定路線400的ETA。
在一些實施例中，處理引擎112可以基於ETA模型確定路線400的ETA。所述ETA模型可以基於關於一個或多個示例服務訂單的資料來訓練。例如，處理引擎112可以從示例服務訂單有關的資料中提取一個或多個特徵向量。每個特徵向量可以與示例服務訂單的一個或多個特徵或項相關，包括例如歷史訂單的開始位置(例如，也被稱為「歷史開始位置」)、結束位置(也被稱為「歷史結束位置」)、歷史訂單的開始時間(也被稱為「歷史開始時間」)、歷史訂單的結束時間(例如，也被稱為「歷史結束時間」)、交通燈數量、歷史持續時間或本申請其他地方揭露的任何其他特徵。處理引擎112可以基於所述特徵向量訓練ETA模型。本文所使用的術語「示例服務訂單」可指在任何時間(例如，幾年前、幾個月前、幾天前等)已完成的服務請求。所述隨選服務系統100可以將該服務請求作為示例服務訂單保存到儲存元件(例 如，所述儲存裝置160)。在一些實施例中，所述ETA模型可以與單個路段，例如，T1、T2、...、T10、L1、L2、...、L9相關，並且累積所有時間以確定ETA。在一些實施例中，可以通過全域視角中的特徵向量(以下稱為「全域特徵向量」)訓練所述ETA模型。例如，它可以根據道路地圖中整個路線的特徵確定ETA，而不僅僅考慮每個單獨路段的特徵。
在一些實施例中，任意兩條路線可以彼此相關。例如，紐約第5大道的事故可以導致其交通阻塞。為了避開第5大道的交通阻塞，愈來愈多司機從紐約第5大道轉到第138大道。當大量的運輸工具行駛在第5大道和第138大道之間時，第5大道和第138大道之間的所有路線都將變得十分擁擠(例如，緩慢的速度)。
處理引擎112可以基於路線400的路段及其他道路地圖中的其他路段的資料確定路線400的ETA。路線400的路段可以直接或間接地與道路地圖中的其他路段相關。例如，對應於T22的路段(如圖4中虛線所示)可以與路線400中的路段(例如，第一路段)相關；該對應T22的路段的速度可能影響路線400中第一路段或其他任意路段的速度。處理引擎112可以基於路線的路段和道路地圖中的其他路段確定所述全域特徵向量。由所述全域特徵向量訓練的ETA模型，可以用於預測如圖4所示的道路地圖中的服務請求有關的任意路線的ETA。
圖5-A係根據本申請一些實施例所示的一種示例性處理引擎112的方塊圖。處理引擎112可以包括獲取模組502、訓練模組504、確定模組506和通訊模組508。每個模組都可以是一用於執行下述操作的硬體電路、一組儲存於一個或多個儲存媒體的指令，及/或該硬體電路和一個或多個儲存媒體的組合。
所述獲取模組502可以被配置為獲取與終端的服務請求相關的電 信號編碼資料(以下稱為「資料」)。例如，獲取模組502可以經由網路120從服務請求者終端130獲取與服務請求相關的資料。服務請求可以是對運輸服務的請求(例如，計程車呼叫服務、駕駛服務、快捷汽車、共乘、巴士服務、司機雇傭、接駁服務)，郵政服務，食品訂單服務等。與服務請求相關的資料可以包括開始位置、結束位置、開始位置和結束位置之間的路線、開始時間、結束時間、費用或與服務請求有關的其他資訊。在一些實施例中，獲取模組504也可以獲取與多個示例服務訂單相關的電信號編碼資料。在一些實施例中，所述多個示例服務訂單中的每一個示例服務訂單包括與測量參數的多個單元的一單元相關的特徵。
所述訓練模組504可以被配置為產生一個或多個用於預測ETA的模型(也被稱為ETA模型)。所述一個或多個ETA模型可以被用於確定由獲取模組502獲取的與一個或多個服務訂單相關的ETA。訓練模組504可以基於與一個或多個示例服務訂單有關的資料(例如，獲取模組502提供的與示例服務訂單有關的資料)來產生一個或多個ETA模型。例如，訓練模組504可以處理與示例服務訂單相關的資料並確定資料的一個或多個子集。在一些實施例中，訓練模組504可以基於與示例服務訂單相關的一個或多個特徵將與示例服務訂單相關的資料聚類到子集中。每個子集可以對應於，例如，一個或多個特定特徵(例如，空間特徵、時間特徵)。然後，訓練模組504可以基於這些子集來確定一個或多個ETA模型。例如，訓練模組504可以從多個子集中提取一個或多個全域特徵向量及/或歷史持續時間，相應地訓練多個ETA模型。多個ETA模型可以被傳輸到確定模組506或者可以被儲存在本申請在別處揭露的任何儲存元件(例如，儲存裝置160)。
確定模組506可以被配置為基於所述多個ETA模型確定與服務請求有關的目標ETA。例如，所述確定模組506可以基於與所述服務請求相關的資 料和所述多個ETA模型來確定至少一個候選ETA。確定模組506可以根據一些演算法或功能基於至少一個候選ETA的組合來確定與服務請求有關的目標ETA。又例如，確定模組506可以根據一些演算法或功能產生一個完整的ETA模型。然後，所述完整的ETA模型可以被用於確定與服務請求相關的目標ETA。目標ETA可以被儲存在本申請在別處揭露的任何儲存元件(例如，儲存裝置160)。
通訊模組508可以被配置為向至少一個服務請求者終端130及/或服務提供者終端140發送與服務請求有關的目標ETA以進行顯示。在一些實施例中，目標ETA可以經由使用者介面(未示出)顯示在至少一個終端上。在一些實施例中，目標ETA可以以例如文本、圖像、音訊、視頻等的格式顯示。在一些實施例中，通訊模組508可以經由合適的通訊協定(例如，超文字傳輸協定(HTTP)、位址解析協定(ARP)、動態主機組態協定(DHCP)、檔案傳輸協定(FTP)等)將目標ETA傳輸到至少一個終端。
處理引擎112中的模組可以通過有線連接或無線連接以互相連接或互相通訊。有線連接可以包括金屬纜線、光線、混合纜線等或上述舉例的任意組合。無線連接可以包括區域網路(LAN)、廣域網路(WAN)、藍牙、ZigBee鏈路、近場通信(NFC)或類似物或其任意組合。在一些實施例中，任意兩個模組可以合併成一模組，並且任意一模組可以被拆分成兩個或者多個單元。
圖5-B係根據本申請的一些實施例所示的一種示例性確定模組的方塊圖。如圖5-B所示，確定模組506可以包括時段確定單元510、地理區域確定單元512和ETA確定單元514。每個單元都可以是一用於執行下述操作的硬體電路、一組儲存於一個或多個儲存媒體的指令及/或該硬體電路和一個或多個儲存媒體的組合。
時段確定單元510可以被配置成確定對應於一個或多個服務請求 的時段。時段確定單元可以基於與一個或多個示例服務訂單及/或當前服務請求相關的開始時間及/或結束時間來確定時段。
地理區域確定單元512可以被配置來確定對應於一個或多個服務請求的地理區域。例如，地理區域確定單元512可以基於與一個或多個示例服務訂單及/或當前服務請求相關的開始位置、中間位置(例如，開始位置和結束位置之間的位置)、結束位置及/或開始位置和結束位置之間的路線等來確定地理區域。
ETA確定單元514可以被配置為基於至少一個ETA模型確定與當前服務請求相關的ETA。ETA確定單元514可以基於至少一個ETA模型來確定至少一個ETA。ETA確定單元514可以基於至少一個ETA來確定與當前服務請求相關的ETA。
確定模組506中的單元可以經由有線連接或無線連接互相連接或彼此通訊。有線連接可以包括金屬纜線、光線、混合纜線等或上述舉例的任意組合。無線連接可以包括區域網路(LAN)、廣域網路(WAN)、藍牙、ZigBee鏈路、近場通信(NFC)或類似物或其任意組合。在一些實施例中，任意兩個單位可以合併成一模組，並且任意一模組可以被拆分成兩個或者多個單元。
圖6-A係根據本申請一些實施例所示的一種確定ETA模型的示例性流程的流程圖。流程600A可以由線上隨選服務系統100執行。例如，步驟600A可以被實現為儲存在儲存裝置160中的一組指令(例如，應用程式)。處理引擎112可以執行指令集並可以相應地通過接收及/或發送電信號指示在一線上隨選服務平臺中執行流程600A。該平臺可以為一基於網際網路的平臺，其通過網際網路連接隨選服務提供者和請求者。
在602中，處理引擎112可以獲得多個示例服務訂單。處理引擎 112可以從儲存裝置160或線上隨選服務系統100中的任意元件獲取所述多個示例服務訂單。在一些實施例中，多個示例服務訂單可以從使用者終端(例如，服務請求者終端130或服務提供者終端140)獲取。例如，處理引擎112可以從司機終端或乘客終端中通過分析請求、服務請求、交易、導航資訊、使用者終端中的電子地圖或類似物或其任意組合的方式獲取多個示例服務訂單。
隨選服務系統100可以將該多個示例服務訂單保存到儲存元件(例如，所述儲存裝置160)。在一些實施例中，多個示例服務訂單可以包括歷史開始位置、歷史結束位置、歷史開始時間、歷史開始位置之間的歷史路線及/或歷史持續時間。歷史開始位置可以是接到乘客的位置、或乘客等待司機的位置。歷史結束位置可以是服務提供者讓乘客下車的地方。歷史持續時間可以是與示例服務訂單相關的服務提供者將乘客從歷史開始位置送到歷史結束位置所花費的時間。
在一些實施例中，所述多個示例服務訂單中的每一個示例服務訂單包括與測量參數的多個單元中的一單元相關的特徵。所述測量參數可以包括諸如時間、位置座標等參數。在一些實施例中，每個單元可以包括預定的時間段。所述預定時間段可以與所述多個示例服務訂單的示例服務訂單的歷史開始時間、歷史結束時間及/或歷史持續時間相關。所述特徵包括與所述多個示例服務訂單中的示例服務訂單有關的開始時間或結束時間中的至少一個。在一些實施例中，所述測量參數的多個單元中的每個單元包括預定地理區域。所述位置座標可以是，例如，包括x方向和y方向的二維座標。所述位置座標可以與多個示例服務訂單中的示例服務訂單的歷史開始位置、經過的歷史位置及/或歷史結束位置相關。所述特徵包括與所述多個示例服務訂單中的示例服務訂單有關的開始位置或結束位置中的至少一個。每個單元還可以包括預定時間段和預定地理區域。
所述特徵與所述多個示例服務訂單的相關，所述特徵可以包括多個第一時間特徵(例如，時間的測量參數)及/或多個第一空間特徵(例如，位置座標的測量參數)。所述多個第一時間特徵可以表示多個示例服務訂單已經由請求者發起及/或由服務提供者完成的多個時段。處理引擎112(例如，時段確定單元510)可以基於與多個示例服務訂單中的至少一個相關的歷史開始時間、歷史結束時間及/或歷史持續時間中的至少一個來確定多個第一時間特徵中的每一個第一時間特徵。例如，處理引擎112可以確定在多個時段中的每個時段中發起及/或完成的多個示例服務訂單的一部分。如果多個示例服務訂單的歷史開始時間及/或歷史結束時間是從一天開始的，那麼時段可以是0到1點、1點到2點、2點到3點、...、22點到23點及/或20點到0點。僅僅舉個例子，如果示例服務訂單在晚上9點35分開始並在晚上10點20分結束，則可以根據開始時間認為屬於晚上9點到10點的時段，或根據結束時間認為屬於晚上10點到11點的時段。在一些實施例中，處理引擎112可以選擇一個時段或將示例服務訂單同時分配到兩個時段。
需要注意的是以上對於時段的過描述只是示例性的，不應被視為是對本申請的揭露範圍的限制。多個時段中的每一個時段的長度可以相同或不同。例如，多個時段中的每個時段的長度可以是0.5小時、1小時、1.5小時、1.8小時等。又例如，兩個相鄰時段可以重疊或連續。
多個第一空間特徵可以表示與所述多個示例服務訂單相關的多個地理區域(例如，多個位置的座標)。處理引擎112(例如，地理區域確定單元510)可以基於與多個示例服務訂單中的至少一個相關的歷史開始位置、經過的歷史位置及/或歷史結束位置中的至少一個來確定多個第一空間特徵中的每一個第一個空間特徵。地理區域的大小可以包括但不限於路線、社區、地區、城市、州和省等或其任何組合。不同地理區域的大小可能相同或不同。在 一些實施例中，處理引擎112可以確定在多個地理區域中的每一個地理區域中發起及/或完成的多個示例服務訂單中的一部分。
在604中，處理引擎112(例如，確定模組506、時段確定單元510、地理區域確定單元510等)可以將多個示例服務訂單聚類為示例服務訂單的多個子集。示例服務訂單的相同子集中的每個示例服務訂單的所述特徵可以與測量參數的相同單元相關。與測量參數相關的時間及/或位置座標可以形成測量參數的多個單元。每個單元可對應於時段(即，預定時間段)及/或位置座標。
如同步驟602中所描述的，處理引擎112可基於所述多個第一時間特徵及/或所述多個第一空間特徵確定所述多個子集。為了確定每個子集，處理引擎112可以從與多個第一時間特徵相關的多個時段確定第一時段。處理引擎112可以選擇在第一時段中發起及/或完成的多個示例服務訂單的第一部分。處理引擎112可以將與多個示例服務訂單的第一部分相關的資料確定為每個子集。例如，處理引擎112可以確定與在下午22點至23點之間發起及/或完成的多個示例服務訂單的第一部分有關的資料作為子集。因此，所述子集可以對應於下午22點至23點的單元。
在一些實施例中，處理引擎112可以從與多個第一空間特徵相關的多個地理區域確定與地理座標相關的第一地理區域。處理引擎112可以選擇在第一地理區域中發起及/或完成的多個示例服務訂單的第二部分。處理引擎112可以將與多個示例服務訂單的第二部分相關的資料確定為每個子集。例如，處理引擎112可以將與在北京市發起及/或完成的多個示例服務訂單的第二部分有關的資料確定為子集。因此，所述子集可以對應於北京的單元。
在一些實施例中，處理引擎112可以基於所述多個第一時間特徵和所述多個第一空間特徵兩者確定每個子集。處理引擎112可以確定在時段和 地理區域中發起及/或完成的多個示例服務訂單的第三部分。例如，為了確定每個子集，處理引擎112可以選擇對應於第一時段和第一地理區域的多個示例服務訂單的第三部分。處理引擎112可以將與多個示例服務訂單的第三部分相關的資料確定為每個子集。例如，處理引擎112可以確定在下午22點至23點之間和在北京市發起及/或完成的多個示例性服務訂單的第三部分相關的資料，並將其作為子集。因此，所述子集可以對應於下午22點至23點和北京的單元。
在一些實施例中，處理引擎112可基於所述多個子集的每一個子集確定多個全域特徵向量和歷史持續時間。對於與多個子集的每一個子集相關的每一個示例服務訂單，處理引擎112可以確定全域特徵向量的結構資料和與示例服務訂單相關的歷史持續時間的結構資料。處理引擎112基於B樹、散列表等可以構造或檢索全域特徵向量的結構資料及/或歷史持續時間的結構資料。在一些實施例中，結構資料可以以資料庫的形式儲存或保存在儲存裝置160中。全域特徵向量和歷史持續時間可以用於產生多個訓練樣本。所述多個訓練樣本可以形成訓練集，可以用於發現潛在的預測關係或建立預測模型。
在一些實施例中，全域特徵向量可以包括多個項或特徵，例如，交通狀態、行駛距離、開始時間、開始位置、結束位置、衛星定位採樣點序列、指定等級道路上的行駛距離、路段數量、具有交通燈的十字路口數量、沒有交通燈的十字路口數量、運輸工具狀態或類似物或其任意組合。交通狀態可以包括即時道路速度或預估的道路速度。行駛距離可以包括歷史路線的總距離或每一路段的距離。開始時間可以包括接到乘客的時間或使用者(例如，司機)已經接收到或確認服務請求的時間。歷史開始位置可以是接到乘客的位置，或乘客等待司機的位置。衛星定位採樣點的序列可以是包括運輸工具位置的序列。運輸工具位置可以由衛星確定(例如，通過GPS系統)。指定等級道路上的行駛距離可以為運輸工具在指定等級的道路(例如，如高速公路、地方 公路、一級道路、二級道路、三級道路等)上的行駛距離。路段的數量可以為一條路線中路段的總數量。運輸工具狀態可以包括交通服務請求的存取狀態(例如，接受服務請求的可用性)、回應機率、司機偏好、車型、運輸工具當前乘客數量、運輸工具的最大載客量、運輸工具顏色、司機服務等級、運輸工具當前速度或類似物或其任意組合。
在一些實施例中，全域特徵向量可以被表示為具有一行或者一列的向量。例如，全域特徵向量可以為一列向量，表示為1×N的行列式(例如，1×25的行列式)。再如，全域特徵向量可以為一行向量，表示為N×1的行列式(例如，200×1的行列式)。在一些實施例中，全域特徵向量可以對應N維坐標系。所述N維坐標系可以與路線的N項或特徵相關。在一些實施例中，處理引擎112可以處理一個或多個全域特徵向量。例如，三個全域特徵向量(例如，三個列向量)可以被整合為一3×N的行列式。再如，N個全域特徵向量(例如，N個1×N的列向量)可以被整合為一N×N的行列式。全域特徵向量可以結合圖7詳細描述。
在606中，對於示例服務訂單的多個子集的每一個子集，處理引擎112可以使用示例服務訂單的子集來訓練第一預估到達時間模型(第一ETA模型)。處理引擎112可以使用多個子集來產生多個第一ETA模型的結構資料。更具體地，例如，如結合步驟604所描述的，處理引擎112可以基於多個全域特徵向量和與多個子集的每一個子集相關的歷史持續時間的結構資料來確定多個第一ETA模型。
在一些實施例中，處理引擎112可以使用機器學習方法來確定ETA模型。例如，處理引擎112可以使用子集作為訓練資料訓練ETA模型。在一些實施例中，該機器學習方法可以包括決策樹演算法、相關規則演算法、人工神經網路演算法、深度學習演算法、歸納邏輯程式設計演算法、支援向量機演 算法、類聚演算法、貝葉斯網路演算法、強化學習演算法、表示學習演算法、相似度和度量學習演算法、稀疏字典學習演算法、遺傳演算法、基於規則的機器學習演算法或類似物或其任意組合。
在一些實施例中，處理引擎112可使用決策樹演算法來確定ETA模型。所述決策樹演算法可以包括反覆運算二叉樹3代演算法、分類和遞迴樹演算法、ID3後繼(successor of ID3)演算法、卡方自動互動檢測器演算法、條件推理樹演算法或類似物或其任意組合。
在一些實施例中，處理引擎112可以確定用於第一ETA模型的一個或多個準確性分數並可以將所述準確性分數與所述第一ETA模型相關。每個準確性分數可以表示預測準確性及/或一個或多個第一ETA模型的預測誤差。每個準確性分數可以包括可表示預測準確性及/或預測誤差的一個或多個數量、符號和字元等。例如，每個準確性分數可以包括指示與使用模型產生的ETA有關的預測誤差的一個或多個數值。又例如，每個準確性分數可以包括分級量表(例如，1、2、3、a、b、c)。在一些實施例中，處理引擎112可以為每個第一ETA模型確定準確性分數。例如，對於與子集相關的每個示例服務訂單，處理引擎112可以基於對應於子集的第一ETA模型來確定預測持續時間。處理引擎112可以確定預測持續時間和與每個示例服務訂單相關的歷史持續時間之間的差。可以根據不同的演算法來確定差值，所述演算法包括，例如，平均絕對誤差百分比(MAPE)、均方誤差(MSE)和均方根誤差(RMSE)等或其任何組合。僅僅舉個例子，處理引擎112可基於等式(1)基於MAPE來確定與對應於子集的第一ETA模型相關的準確性分數。
其中t r 代表與示例服務訂單相關的歷史持續時間；以及t p 代表預測持續時間。
在608中，處理引擎112可將結構資料儲存在至少一個儲存媒體 中，所述結構資料編碼多個第一ETA模型。ETA模型的結構資料可以由處理引擎112基於B樹或散列表構建或檢索。在一些實施例中，結構資料可以作為資料庫的形式儲存在儲存裝置160中。
圖6-B係根據本申請一些實施例所示的用於確定與服務請求有關的目標ETA的示例性的流程圖。流程600B可以由線上隨選服務系統100執行。例如，流程600B可以被實現為儲存在儲存裝置160中的一組指令(例如，應用程式)。處理引擎112可以執行指令集並可以相應地通過接收及/或發送電信號指示在一線上隨選服務平臺中執行流程600B。所述平臺可以為基於網際網路的平臺，其通過網際網路連接隨選服務提供者和請求者。
在610中，處理引擎112可以獲取包括所述特徵的當前服務請求。處理引擎112可以確定與當前服務請求相關的第二電信號編碼資料(以下稱為「第二資料」)。處理引擎112可以經由網路120從所述服務請求者終端130獲取與當前服務請求相關的第二資料。所述當前服務請求可以是對於交通服務的請求(例如，計程車呼叫服務、駕駛服務、快捷汽車、共乘、巴士服務、司機雇傭、接駁服務)，郵政服務，食品訂單服務等。處理引擎112可以基於第二資料(例如，也被稱為「第二特徵」)確定所述特徵。第二特徵可以與和當前服務請求相關的時間及/或位置座標相關。在一些實施例中，處理引擎112可以基於與當前服務請求有關的開始位置和結束位置之間的開始位置、結束位置、開始時間及/或路線來確定第二特徵。第二特徵可以包括第二時間特徵及/或第二空間特徵。例如，第二時間特徵可以與時段相關。又例如，第二空間特徵可以與包括開始位置、結束位置及/或開始位置與結束位置之間的路線的地理區域相關。
當前服務請求可以是經由服務請求者終端130通過服務請求者剛剛發送的請求。處理引擎112可以確定與當前服務請求相關的ETA，並發送ETA 相關資料到服務請求者終端130。處理引擎112還可以發送ETA相關資料給至少一個服務提供者終端140。
在一些實施例中，與當前服務請求相關的路線可以包括至少一個路段。多個路段可以包括兩個紅綠燈之間的路段、不同等級道路之間的路段、由橋樑連接的路段、被河流分割的路段、鐵路軌道分割的路段、具有固定距離的路段(例如，1英里或2公里)、不同行政區域中的路段(例如，不同城市、不同省份或不同國家)、對應於每個乘客的上車點的路段、任意具有相同或不同道路性質的路段或類似物或其任意組合。
在一些實施例中，處理引擎112可以基於與當前服務請求相關的第二資料確定第二全域特徵向量。在一些實施例中，結合604中的第一全域特徵向量所描述的，第二全域特徵向量可以具有N個維度，其中N可以對應於從第二資料獲取的N個項或特徵。例如，如果處理引擎112可以從第二資料中選取2000個項或特徵，包括2000列或2000行的向量可以被確定為第二資料的第二全域特徵向量。
在一些實施例中，第二全域特徵向量的維度可以少於全域特徵向量的維度。如果第二資料中的一個或多個項或特徵丟失，第二全域特徵向量的維度對應第二資料可能減小，並且第二全域特徵向量具有降低的維度(例如，具有R列或R行的向量，其中R可能小於N)。在一些實施例中，如果第二資料中的一個或多個項或特徵丟失，處理引擎112可以確定仍具有N列或N行的第二全域特徵向量；並且對應於丟失項的列或行可以通過一預設值(例如，空值)描述。
在612中，處理引擎112(例如，ETA確定單元514)可以確定與服務請求的特徵相關的多個測量參數單元的目標單元。在一些實施例中，處理引擎112可以基於第二時間特徵/或空間特徵確定與服務請求的特徵相關的目標 單元。例如，所述目標單元可以對應於與當前服務請求相關的開始時間。又例如，所述目標單元可以對應於地理區域，所述地理區域包括與當前服務請求相關的開始位置、結束位置及/或開始位置和結束位置之間的路線。又例如，目標單元可以對應於與當前服務請求相關的開始時間和地理區域。
在步驟614中，處理引擎112可以從多個第一ETA模型中選擇至少一個第二ETA模型。處理引擎112可以基於多個第一ETA模型和與當前服務請求相關的第二資料(例如，開始時間、開始位置、結束位置、與當前服務請求相關的第二全域特徵向量、多個第一ETA模型的準確性分數等)確定至少一個第二ETA模型。
在一些實施例中，處理引擎112可以從多個第一ETA模型中，基於選取機制從多個第一模型中選取至少一個第二ETA模型(也被稱為「選定的ETA模型」)。例如，處理引擎112可以基於與第一ETA模型相關的準確性分數進行選取。更具體地說，處理引擎112可以選取與特定準確性分數相關的一個或多個第一ETA模型作為至少一個第二模型。在一些實施例中，處理引擎112可以選取與大於臨界值的準確性分數相關的一個或多個第一ETA模型作為至少一個第二模型。在一些實施例中，處理引擎112可以基於準確性分數進行排序，並且基於排序(例如，前五個第一模型、前10%的第一ETA模型)選取一定數量的第一模型作為至少一個第二模型。
在一些實施例中，處理引擎112可以基於準確性分數從多個第一ETA模型中確定至少一個第二ETA模型。處理引擎112可以基於準確性分數對多個第一ETA模型排序。處理引擎112可以確定排序結果。所述排序結果可以包括通過準確性分數(例如，最高準確性分數、第二最高準確性分數、最低準確性分數等)對多個第一ETA模型排序的任何資訊。處理引擎112可以基於排序結果確定至少一個第二ETA模型。例如，處理引擎112可以基於排序結果識別準確性 分數中的第一準確性分數(例如，最高準確性分數、第二高準確性分數、最低準確性分數等)。處理引擎112可以從多個第一ETA模型中選取與第一準確性分數(例如，最高準確性分數、第二高準確性分數、最低準確性分數等)相關的至少一個第一ETA模型中作為至少一個第二ETA模型。
又例如，處理引擎112可以基於目標單元從多個第一ETA模型中選取至少一個第二ETA模型。結合步驟606中所表述的，至少一個第二ETA模型可以對應於目標單元。
在一些實施例中，處理引擎112可以比較第二空間特徵，以確定第二空間特徵是否與第一空間特徵的至少一個相匹配。例如，處理引擎112可以識別與第二空間特徵匹配的第一空間特徵，並且可以選取與識別的空間特徵對應的至少一個第二ETA模型。
在一些實施例中，處理引擎112可以基於第二資料確定開始位置、中間位置(例如，開始位置和結束位置之間的位置)及/或結束位置。結合602中的描述，處理引擎112(例如，地理區域確定單元510)可以基於開始位置、經過的位置及/或結束位置從多個地理區域中確定多個第一地理區域。處理引擎112可以確定第二地理區域，第二地理區域包括與當前服務請求相關的開始位置、經過的位置及/或結束位置。處理引擎112可以確定與當前服務請求相關的第二地理區域，第二地理區域與多個第一地理區域的至少一個相匹配。例如，與當前服務請求相關的第二地理區域和多個第一地理區域中的至少一個可以相同或重疊。
在一些實施例中，處理引擎112可以確定多個第一地理區域中的至少一個可以是北京市，處理引擎112可以確定對應於北京市的第一ETA模型作為至少一個第二ETA模型。因此，目標單元可以對應於北京市。
在一些實施例中，處理引擎112可以比較第二時間特徵以確定第 二時間特徵是否與多個第一時間特徵中的至少一個相匹配。例如，處理引擎112可以識別與第二時間特徵匹配的第一時間特徵，並且可以選取與識別的時間特徵對應的至少一個第二模型。在一些實施例中，處理引擎112可以基於第二資料確定開始時間。結合步驟602中所描述的，處理引擎112(例如，時段確定單元510)可以基於開始時間、從多個時段中確定多個第二時段。例如，處理引擎112可以識別與開始時間匹配的多個第二時段。所述開始時間可以是位於多個第二時段中的至少一個，或是接近多個第二時段中的至少一個的預定時間。所述預定時間可以是默認設置或在不同條件下進行調整。所述預定時間可以是任意時間跨度，如5分鐘、10分鐘、30分鐘、1小時、2小時、3小時等。
在一些實施例中，處理引擎112可確定當前服務請求的開始時間為晚上7點和晚上8點之間，所述處理引擎112可對應於三個時段確定三個第一ETA模型作為至少一個第二ETA模型，時段包括晚上6點至晚上7點、晚上7點至晚上8點和晚上8點至晚上9點。又例如，如果當前服務請求的開始時間在晚上7點至晚上8點之間，則處理引擎112可以對應於三個時段確定三個第一ETA模型，作為至少一個第五ETA模型，三個時段包括最後三個星期一的晚上7點至晚上8點。因此，目標單元可對應於晚上7點到8點之間的時段。處理引擎112可基於與目標單元相關的一個或多個相鄰單元來確定至少一個第二ETA模型。
在一些實施例中，處理引擎112可以確定與第一時間特徵中的至少一個匹配的第二時間特徵，和與第一時間特徵的至少一個匹配的第二空間特徵。處理引擎112可以基於所述確定來確定至少一個第二ETA模型。例如，處理引擎112可以選取與匹配的第一空間特徵(一個或多個)和第一時間特徵(一個或多個)相對應的ETA模型。在一些實施例中，處理引擎112可以從多個第一ETA模型中確定至少一個第二ETA模型，所述多個第一ETA模型基於與當前服務請求相關的開始時間、開始位置、經過的位置及/或結束的一個或多個組合來 確定。處理引擎112(例如，時段確定單元510，地理區域確定單元510等)可以從多個時段和多個第三地理區域中確定多個第三時段，多個第三地理區域來自基於一個或多個組合的多個地理區域。處理引擎112可以基於多個第三時段和多個第三地理區域，從多個第一ETA模型中確定至少一個第二ETA模型。例如，處理引擎112可以選取對應於三個時段和對應於北京市的三個第一個ETA模型作為至少一個第二ETA模型，三個時段包括下午6點至晚上7點、晚上7點至晚上8點和晚上8點至晚上9點。因此，目標單元可以對應於晚上7點至8點之間的時段和北京市。處理引擎112可以基於與目標單元相關的一個或多個相鄰單元來確定至少一個第二ETA模型。
在616中，處理引擎112(例如，ETA確定單元514)可基於至少一個第二ETA模型確定當前服務請求的目標ETA。僅作為示例，當選取三個第一ETA模型作為至少一個第二ETA模型時，處理引擎112可以通過向它們指定三個對應的權重來組合三個第一模型以產生綜合模型。
處理引擎112可以確定第二全域特徵向量作為至少一個第二ETA模型的輸入。所述至少一個第二ETA模型可以根據所述輸入確定輸出。例如，如果駕駛員將當前的計程車服務請求發送給線上隨選服務系統100，則可以確定與當前服務請求有關的資料。處理引擎112可以根據與當前服務請求相關的資料確定具有N個維度的第二全域特徵向量。處理引擎112可以通過將第二全域特徵向量輸入到至少一個第二ETA模型中來進一步確定當前服務請求的ETA。在一些實施例中，步驟612可以被電子裝置實現，電子裝置為諸如智慧電話、個人數位助理(PDA)、平板電腦、膝上型電腦、電腦(車載電腦)、可擕式遊戲站(PSP)、智慧電話眼鏡、智慧手錶、可穿戴裝置、虛擬顯示裝置、顯示增強裝置(例如GoogleTM眼鏡、Oculus Rift、HoloLens或Gear VR)等或其任何組合。
在一些實施例中，處理引擎112(例如，ETA確定單元514)可以基於至少一個第二ETA模型確定與當前服務請求相關的目標單元。處理引擎112可以基於至少一個第二ETA模型和與當前服務請求相關的第二資料來確定至少一個候選ETA。處理引擎112可以基於至少一個候選ETA的組合(例如，使用一個或多個第一ETA模型及/或至少一個第二ETA模型產生的多個候選ETA)來確定與當前服務請求相關的目標ETA。在一些實施例中，候選ETA的組合可以通過對一個或多個候選ETA應用權重來確定。例如，與當前服務請求相關的ETA可以是至少一個候選ETA的加權平均值，至少一個候選ETA的加權平均值等。
在618中，處理引擎112可以將目標ETA發送至當前服務請求的請求者。例如，處理引擎112可以將目標ETA發送至對應的請求者的終端。終端可以是服務請求者終端130或服務提供者終端140。處理引擎112可以將目標ETA以文本、圖片、音訊、視頻等的形式發送至至少一個終端。在一些實施例中，ETA可以顯示在至少一個服務提供者終端140上。
圖7係根據本申請的一些實施例所示的示例性全域特徵向量相關的表格。處理引擎112可以從駕駛員終端獲得與一個或多個示例服務訂單有關的資料。在一些實施例中，與一個或多個服務請求相關的資料可以作為電信號來傳輸。與一個或多個示例服務訂單有關的資料可以包括文本資料、數位元資料、圖像資料、視頻資料、語音資料及/或分類資料。處理引擎112可以將文本資料、圖像資料、視頻資料、語音資料和分類資料轉換為數位資料。處理引擎112可以基於與一個或多個服務請求相關的數位資料進一步構造全域特徵向量和歷史持續時間。
例如，處理引擎112可以獲取與三個路線相關的資料，三個路線被表示為3個路線ID：分別為1、2和3(如710所示)。這三條路線可能與三個 示例服務訂單相關。與路線ID相關的每個資料可以包括與變數名稱X1、X2、x3、X4、Xn相對應的駕駛距離720、交通訊號燈數量730、道路寬度740、開始時間的時段750、開始位置的區域760和歷史持續時間770。處理引擎112可以基於每個資料構造全域特徵向量。全域特徵向量中的項或特徵可以包括駕駛距離720、交通燈的數量730、道路寬度740、開始時間的時段750和開始位置的區域760。處理引擎112可以進一步地將全域特徵向量中的文本資料及/或分類資料(例如，計程車、私家車等)轉換為數位資料。例如，開始時間的時段750可以由平均值標示。那麼ID 1、2和3的時段可以是7.5、8.5和9.5。又例如，開始位置的區域760可以由不同的值來標示，例如A=1、B=6.5、C=4.5和C=4。在一些實施例中，在訓練ETA模型之前，處理引擎112可將全域特徵向量中的數位資料轉換成二進位資料。如圖7所示，可以用g=(X1、X2、X3、X4、...、Xn)的形式確定若干示例性全域特徵向量。例如，ID1的全域特徵向量可以是g1=(3、2、12、7.5和1)，ID2的全域特徵向量可以是g2=(0.7、0、10、8.5和6.5)，並且ID3的全域特徵向量可以是g3=(12、6、10、9.5和4)。每個全域特徵向量可以對應於770中的一個歷史持續時間。歷史持續時間可以被用作訓練模型的標籤。全域特徵向量和相應的歷史持續時間可以形成訓練集。處理引擎112可以通過將全域特徵向量確定為輸入並將預測持續時間確定為輸出來訓練ETA模型。處理引擎112可以基於預測持續時間和歷史持續時間(例如，通過確定準確性分數)來確定訓練的ETA模型的預測準確性。
圖8係根據本申請的一些實施例所示的示例性決策樹作為ETA模型的示意圖。所述決策樹可以包括分類決策樹、回歸決策樹或分類和回歸決策樹。用於構建決策樹的演算法可以包括反覆運算二叉樹3代演算法、分類和遞迴樹演算法、ID3後繼演算法、卡方自動互動檢測器演算法或條件推理樹演算法。在構建決策樹800時，處理引擎112可以使用資訊增益確定哪個變數或項可 以作為決策樹800的第一項。資訊增益可以被表達為公式(2)：Gain=infobeforesplit-infoaftersplit, (2)其中，Gain表示資訊增益；infobeforesplit表示分裂之前的熵；infoaftersplit表示分裂之後的熵。
熵可以表示為公式(3)： 其中，H(T)表示具有n個值的變數T的熵；Pi表示T的值為i的機率。
例如，處理引擎112可確定每個變數的資訊增益(例如，駕駛距離、開始時間的時段、道路寬度和開始位置的區域)。處理引擎112可以選取具有最大資訊增益的變數(例如駕駛距離)。處理引擎112可以將駕駛距離確定為第一次分裂來構建決策樹800。其他變數如開始時間的時段、道路寬度和開始位置的區域，可以基於其對應的資訊增益來用於後續的分裂。如圖8所示，可以首先使用駕駛距離來分裂決策樹800。如果駕駛距離等於或大於10，則可以通過開始時間的時段將決策樹800進一步分裂。如果開始時間的時段在上午7點到上午8點之間，則可以通過開始位置的區域進一步分裂決策樹800。如果開始位置的區域是B，則可以通過公式(4)計算ETA：ETA=f1(X1)+f2(X2), (4)其中f1表示駕駛距離的函數；f2表示開始時間的時段的函數。如果開始位置的區域是A，則可以通過公式(5)計算ETA ETA=f1(X1)+f2(X2)+30, (5)其中f1表示駕駛距離的函數；f2表示開始時間的時段的函數。
如果駕駛距離大於等於0.5公里，並且小於等於10公里，可以通過道路寬度進一步地分裂決策樹800，例如，如果道路寬度等於10米，ETA可以通過公式(6)進行計算： ETA=f1(X1)-X1/20, (6)其中f1代表駕駛距離的函數。如果道路寬度等於12米，ETA可以通過公式(7)進行計算：ETA=f1(X1)+X1/20, (7)其中f1代表駕駛距離的函數。
如果駕駛距離小於0.5公里，ETA可以為3分鐘。在一些實施例中，決策樹800可以基於上述公式之一輸出數值。例如，決策樹800可以基於公式(7)輸出ETA為32分鐘。
圖9係根據本申請的一些實施例所示的示例性人工神經網路(ANN)作為ETA模型的示意圖。所述ANN 900可以包括輸入層910、隱藏層920和輸出層930。所述輸入層910由一個或多個互相連接形成網狀結構的人工神經元構成。如圖9所示，輸入層910可以包括人工神經元X1、人工神經元X2、人工神經元X3、......、人工神經元Xn。在一些實施例中，輸入層910中的人工神經元的數量可以與代表全域特徵向量的矩陣中的列或行的數量對應。例如，如果對應N項或特徵的全域特徵向量表示為具有N列或N行的向量，則輸入層910中人工神經元的數量可以等於N(例如，2000)。
所述隱藏層920可以包括3個人工神經元，人工神經元Z1、人工神經元Z2和人工神經元Z3。隱藏層920中的每個人工神經元可以與輸入層910中的每個人工神經元相連；並且隱藏層920中的每個人工神經元與輸出層930中的人工神經元相連。例如，該人工神經元可以分別與人工神經元X1、人工神經元X2、......、人工神經元Xn相連接。隱藏層920中的每個人工神經元可以包括求和函數。所述求和函數可以為臨界值函數或極限函數。例如，所述隱藏層中求和函數可以表示為公式(8)： 其中O表示人造神經元到輸出層930中的人造神經元的輸出；f表示啟動函數；w j 表示隱藏層920中的人造神經元之間的權重；x j 代表將來自輸入層910中的人造神經元x j 輸入隱藏層920中的人造神經元；以及和θ代表臨界值。
輸出層930可以包括至少一個人工神經元。輸出層930中的每個人工神經元可以與隱藏層920中的每個人工神經元相連。例如，輸出層930中的一人工神經元可以分別與人工神經元Z1、人工神經元Z2和人工神經元Z3相連。輸出層930中的每一人工神經元還可以包括如公式(8)所示的求和函數。例如，輸出層930中人工神經元的啟動函數可以為階梯函數，如公式(9)所示：
例如，啟動函數可以被表示為具有連續函數值的函數(如公式(4))。輸出層930中具有啟動函數功能的人工神經元可以輸出服務請求的ETA。
應當指出的是，圖9中所描述的ANN 900，僅僅是為了說明目的而提供，並不構成對本申請揭露範圍的限制。對於本領域具有通常知識者來說，在不背離本申請原則的前提下，可以對上述方法及系統的應用進行各種形式和細節的改進和改變。例如，隱藏層920的數量可以為2或更多。再如，ANN 900可以進一步包括卷積層及/或池化層。所述卷積層和池化層可以交替地置於隱藏層920中。再如，ANN 900可以通過深度學習的方法進行修改或訓練。
上文已對基本概念做了描述，顯然，對於已閱讀此詳細揭露的本領域的具有通常知識者來講，上述詳細揭露僅作為示例，而並不構成對本申請的限制。雖然此處並沒有明確說明，本領域的具有通常知識者可能會對本申請進行各種變更、改良和修改。該類變更、改良和修改在本申請中被建議，並且該類變更、改良、修改仍屬於本申請示範實施例的精神和範圍。
同時，本申請使用了特定術語來描述本申請的實施例。如「一 個實施例」、「一實施例」及/或「一些實施例」意指與本申請至少一個實施例相關所描述的一特定特徵、結構或特性。因此，應強調並注意的是，本說明書中在不同部分兩次或多次提到的「一實施例」「一個實施例」或「一替代性實施例」並不一定是指同一實施例。此外，本申請的一個或多個實施例中的某些特徵、結構或特性可以進行適當的組合。
此外，本領域的具有通常知識者可以理解，本申請的各態樣可以通過若干具有可專利性的種類或情況進行說明和描述，包括任何新的和有用的流程、機器、產品或物質的組合，或對他們的任何新的和有用的改良。因此，本申請的實施例可以在純硬體或純軟體中實施，其中軟體包括但不限於作業系統、常駐軟體或微代碼等；也可以在同時包含硬體和軟體的「系統」、「模組」、「子模組」、「單元」等中實施。此外，本申請的各態樣可能表現為內含於一個或多個電腦可讀取媒體中的電腦程式產品，該電腦可讀取媒體具有內含於其上之電腦可讀取程式編碼。
電腦可讀取訊號媒體可包括一個內含有電腦程式編碼的傳播資料訊號，例如在基帶上或作為載波的一部分。所述傳播訊號可能有多種形式，包括電磁形式、光形式或類似物、或合適的組合形式。電腦可讀取訊號媒體可以是除電腦可讀取儲存媒體之外的任何電腦可讀取媒體，該媒體可以通過連接至一個指令執行系統、裝置或裝置以實現通訊、傳播或傳輸供使用的程式。內含於電腦可讀取訊號媒體上的程式編碼可以通過任何合適的媒體進行傳播，包括無線電、纜線、光纖電纜、RF、或類似媒體、或任何上述媒體的合適組合。
本申請各態樣操作所需的電腦程式碼可以用一種或多種程式語言的任意組合編寫，包括物件導向程式設計語言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python或類似物，常規程式化程式設計語言如「C」語言、Visual Basic、Fortran 1703、Perl、COBOL 1702、 PHP、ABAP，動態程式設計語言如Python、Ruby和Groovy，或其他程式設計語言或類似物。該程式碼可以完全在使用者電腦上運行、或作為獨立的套裝軟體在使用者電腦上運行、或部分在使用者電腦上運行部分在遠端電腦上運行、或完全在遠端電腦或伺服器上運行。在後種情況下，遠端電腦可以通過任何網路形式與使用者電腦連接，例如，區域網路(LAN)或廣域網路(WAN)，或連接至外部電腦(例如通過使用網路服務供應商(ISP)之網際網路)，或在雲端計算環境中，或作為服務使用如軟體即服務(SaaS)。
此外，除非請求項中明確說明，本申請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，並非意欲限定本申請流程和方法的順序。儘管上述揭露中通過各種示例討論了一些目前認為有用的發明實施例，但應當理解的是，該類細節僅起到說明的目的，附加的請求項並不僅限於揭露的實施例，相反地，請求項意欲覆蓋所有符合本申請實施例精神和範圍的修正和均等組合。例如，雖然以上所描述的系統組件可以通過硬體裝置實現，但是也可以只通過軟體的解決方案得以實現如在現有的伺服器或行動裝置上安裝所描述的系統。
同理，應當注意的是，為了簡化本申請揭示的表述，從而幫助對一個或多個發明實施例的理解，前文對本申請實施例的描述中，有時會將多種特徵歸併至一個實施例、附圖或對其的描述中。但是，這種揭示方法並不意味著本申請對象所需要的特徵比每個請求項中涉及的特徵多。實際上，所要求保護的標的之特徵要少於上述揭露的單個實施例的全部特徵。

Claims (20)

  1. 一種電子系統，包括：至少一個非暫時性電腦可讀取儲存媒體，所述至少一個非暫時性電腦可讀取儲存媒體包括一組指令；至少一個處理器，所述處理器被配置為與所述至少一個非暫時性電腦可讀取儲存媒體進行通訊，其中，當執行該組指令時，所述至少一個處理器被指示為執行以下操作：獲取多個示例服務訂單，所述多個示例服務訂單的每個示例服務訂單包括與測量參數的多個單元的一單元相關的特徵；將所述多個示例服務訂單聚類為示例服務訂單的多個子集，示例服務訂單的相同子集中的每個示例服務訂單的所述特徵與所述測量參數的相同單元相關；對於示例服務訂單的多個子集中的每一個子集，使用示例服務訂單的子集來訓練第一預估到達時間模型(第一ETA模型)；以及將結構資料儲存在所述至少一個儲存媒體中，所述結構資料編碼多個第一ETA模型。
  2. 如申請專利範圍第1項之電子系統，其中所述測量參數包括時間；所述測量參數的多個單元的每個單元包括預定時間段；以及所述特徵包括與所述多個示例服務訂單中的一示例服務訂單有關的開始時間或結束時間中的至少一個。
  3. 如申請專利範圍第1項之電子系統，其中所述測量參數包括位置座標；所述測量參數的多個單元的每個單元包括預定地理區域；以及 所述特徵包括與所述多個示例服務訂單中的一示例服務訂單有關的開始位置或結束位置中的至少一個。
  4. 如申請專利範圍第1項之電子系統，其中所述至少一個處理器進一步被指示為執行以下動作：獲取包括所述特徵的服務請求；確定所述測量參數的多個單元中的目標單元，所述目標單元與所述服務請求的所述特徵相關；從所述多個第一ETA模型中選擇至少一個第二ETA模型；基於所述至少一個第二ETA模型來確定所述服務請求的目標ETA；以及將所述目標ETA發送給所述服務請求的請求者。
  5. 如申請專利範圍第4項之電子系統，其中所述至少一個處理器進一步被指示為執行以下動作：基於所述至少一個第二ETA模型來確定所述服務請求的至少一個候選ETA；以及基於所述至少一個候選ETA來確定所述服務請求的ETA。
  6. 如申請專利範圍第5項之電子系統，其中，為了確定所述服務請求的ETA，所述至少一個處理器進一步被指示為確定所述至少一個候選ETA的組合。
  7. 如申請專利範圍第6項之電子系統，其中，為了確定所述至少一個候選ETA的所述組合，所述至少一個處理器進一步被配置為在至少一個所述至少一個候選ETA中應用權重。
  8. 如申請專利範圍第4項之電子系統，其中，所述處理器進一步被指示為執行以下動作：確定所述多個第一ETA模型的多個準確性分數；以及 基於所述多個準確性分數來選擇所述至少一個第二ETA模型。
  9. 一種方法，包括：借由至少一個處理器，獲取多個示例服務訂單，所述多個示例服務訂單的每個示例服務訂單包括與測量參數的多個單元的一單元相關的特徵；將所述多個示例服務訂單聚類為示例服務訂單的多個子集，示例服務訂單的相同子集中的每個示例服務訂單的所述特徵與所述測量參數的相同單元相關；對於示例服務訂單的多個子集中的每一個子集，使用示例服務訂單的子集來訓練第一預估到達時間模型(第一ETA模型)；以及將結構資料儲存在至少一個儲存媒體中，所述結構資料編碼多個第一ETA模型。
  10. 如申請專利範圍第9項之方法，其中所述測量參數包括時間；所述測量參數的多個單元的每個單元包括預定時間段；以及所述特徵包括與所述多個示例服務訂單中的一示例服務訂單有關的開始時間或結束時間中的至少一個。
  11. 如申請專利範圍第9項之方法，其中所述測量參數包括位置座標；所述測量參數的多個單元的每個單元包括預定地理區域；以及所述特徵包括與所述多個示例服務訂單中的一示例服務訂單有關的開始位置或結束位置中的至少一個。
  12. 如申請專利範圍第9項之方法，所述方法進一步包括：獲取包括所述特徵的服務請求；確定所述測量參數的多個單元中的目標單元，所述目標單元與所述服務請求的所述特徵相關； 從所述多個第一ETA模型中選擇至少一個第二ETA模型；基於所述至少一個第二ETA模型來確定所述服務請求的目標ETA；以及將所述目標ETA發送給所述服務請求的請求者。
  13. 如申請專利範圍第12項之方法，所述方法進一步包括：基於所述至少一個第二ETA模型來確定所述服務請求的至少一個候選ETA；以及基於所述至少一個候選ETA來確定所述服務請求的ETA。
  14. 如申請專利範圍第13項之方法，其中，確定所述服務請求的ETA進一步包括確定所述至少一個候選ETA的組合。
  15. 如申請專利範圍第14項之方法，其中，確定所述至少一個候選ETA的組合進一步包括在至少一個所述至少一個候選ETA中應用權重。
  16. 如申請專利範圍第12項之方法，其中，將所述多個示例服務訂單聚類為示例服務訂單的多個子集進一步包括：確定所述多個第一ETA模型的多個準確性分數；以及基於所述多個準確性分數來選擇所述至少一個第二ETA模型。
  17. 一種實現電腦程式產品的非暫時性電腦可讀取媒體，所述電腦程式產品包含指令，所述指令配置為使計算裝置：獲取多個示例服務訂單，所述多個示例服務訂單的每個示例服務訂單包括與測量參數的多個單元的一單元相關的特徵；將所述多個示例服務訂單聚類為示例服務訂單的多個子集，示例服務訂單的相同子集中的每個示例服務訂單的所述特徵與所述測量參數的相同單元相關；對於示例服務訂單的多個子集中的每一個子集，使用示例服務訂單的子集來訓練第一預估到達時間模型(第一ETA模型)；以及 將結構資料儲存在至少一個儲存媒體中，所述結構資料編碼多個第一ETA模型。
  18. 如申請專利範圍第17項之媒體，其中所述測量參數包括時間；所述測量參數的多個單元的每個單元包括預定時間段；以及所述特徵包括與所述多個示例服務訂單中的一示例服務訂單有關的開始時間或結束時間中的至少一個。
  19. 如申請專利範圍第17項之媒體，其中所述測量參數包括位置座標；所述測量參數的多個單元的每個單元包括預定地理區域；以及所述特徵包括與所述多個示例服務訂單中的一示例服務訂單有關的開始位置或結束位置中的至少一個。
  20. 如申請專利範圍第17項之媒體，其中所述計算裝置進一步被配置為：獲取包括所述特徵的服務請求；確定所述測量參數的多個單元中的目標單元，所述目標單元與所述服務請求的所述特徵相關；從所述多個第一ETA模型選擇至少一個第二ETA模型；基於所述至少一個第二ETA模型來確定所述服務請求的目標ETA；將所述目標ETA發送給所述服務請求的請求者。
TW107114276A 2017-06-12 2018-04-26 用於確定預估到達時間的電子系統和方法及相關的非暫時性電腦可讀取媒體 TWI673659B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
PCT/CN2017/087879 WO2018227325A1 (en) 2017-06-12 2017-06-12 Systems and methods for determining an estimated time of arrival
??PCT/CN2017/087879 2017-06-12

Publications (2)

Publication Number Publication Date
TW201903659A true TW201903659A (zh) 2019-01-16
TWI673659B TWI673659B (zh) 2019-10-01

Family

ID=64564122

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107114276A TWI673659B (zh) 2017-06-12 2018-04-26 用於確定預估到達時間的電子系統和方法及相關的非暫時性電腦可讀取媒體

Country Status (4)

Country Link
US (1) US10922778B2 (zh)
CN (1) CN110520913B (zh)
TW (1) TWI673659B (zh)
WO (1) WO2018227325A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI719696B (zh) * 2019-11-01 2021-02-21 財團法人工業技術研究院 臉部影像重建方法與系統

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10816351B1 (en) * 2017-07-14 2020-10-27 Uber Technologies, Inc. Generation of trip estimates using real-time data and historical data
US10557713B1 (en) * 2017-07-14 2020-02-11 Uber Technologies, Inc. Generation of trip estimates using real-time data and historical data
US11037055B2 (en) * 2017-10-30 2021-06-15 DoorDash, Inc. System for dynamic estimated time of arrival predictive updates
KR20200046145A (ko) * 2018-10-15 2020-05-07 펑션베이(주) 예측 모델 훈련 관리 시스템, 예측 모델 훈련 관리 방법, 예측 모델 학습 관리를 위한 마스터 장치 및 슬레이브 장치
US20220122011A1 (en) * 2019-02-07 2022-04-21 Volvo Truck Corporation Method and system for operating a fleet of vehicles
CN111598370A (zh) * 2019-02-21 2020-08-28 北京嘀嘀无限科技发展有限公司 一种女性安全风险防范方法和系统
US11587018B2 (en) 2019-06-28 2023-02-21 Convey, Llc Intermediated shipping logistics system for facilitating delivery appointment scheduling with outsourced carrier systems
CN111582559B (zh) * 2020-04-21 2024-02-20 腾讯科技（深圳）有限公司 一种到达时间的预估方法及装置
CN111860906B (zh) * 2020-04-24 2024-04-26 北京嘀嘀无限科技发展有限公司 一种确定预估到达时间的方法和系统
US11775922B2 (en) * 2020-04-28 2023-10-03 Intuit Inc. Logistic recommendation engine
CN111784475B (zh) * 2020-07-06 2024-09-13 北京嘀嘀无限科技发展有限公司 一种订单信息处理方法、系统、装置及存储介质
US20220074751A1 (en) * 2020-09-04 2022-03-10 Here Global B.V. Method, apparatus, and system for providing an estimated time of arrival with uncertain starting location
US11551182B2 (en) * 2020-09-22 2023-01-10 Convey, Llc Systems and methods for AI-based detection of delays in a shipping network
US20220164667A1 (en) * 2020-11-24 2022-05-26 Qualcomm Incorporated Transfer learning for sound event classification

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU4465900A (en) * 1999-04-17 2000-11-02 Idmicro, Inc. Method and system for providing an estimated time of arrival for a bus
US7512487B1 (en) * 2006-11-02 2009-03-31 Google Inc. Adaptive and personalized navigation system
KR101057223B1 (ko) * 2009-07-02 2011-08-16 서울대학교산학협력단 주변 도로의 교통량 패턴을 학습해서 버스의 도착시간을 예측하는 장치 및 방법
GB201018815D0 (en) * 2010-11-08 2010-12-22 Tomtom Int Bv High-definition weather for improved routing and navigation systems
JP2012108748A (ja) * 2010-11-18 2012-06-07 Sony Corp データ処理装置、データ処理方法、およびプログラム
US9239989B2 (en) * 2012-03-28 2016-01-19 General Electric Company Computer-implemented system with adaptive cognitive features and method of using the same
CN103377552B (zh) * 2012-04-13 2016-03-16 日立(中国)研究开发有限公司 交通信息预测装置及方法、终端设备及服务器
CN104517155A (zh) * 2013-09-26 2015-04-15 Sap欧洲公司 用于动态路径优化的系统和方法
US9002085B1 (en) 2013-10-22 2015-04-07 Eyenuk, Inc. Systems and methods for automatically generating descriptions of retinal images
US9536424B2 (en) * 2014-02-10 2017-01-03 Here Global B.V. Adaptive traffic dynamics prediction
US20150348410A1 (en) * 2014-05-30 2015-12-03 Lg Cns Co., Ltd. Method and apparatus for estimating time to arrival of transportation
CN104123841B (zh) * 2014-08-14 2016-08-24 苏州大学 一种车辆到站时间的获取方法及系统
CN104637334B (zh) * 2015-02-10 2017-07-07 中山大学 一种公交车到站时间实时预测方法
DE102015207415A1 (de) 2015-04-23 2016-10-27 Adidas Ag Verfahren und Gerät zum Verknüpfen von Bildern in einem Video einer Aktivität einer Person mit einem Ereignis
US20170270790A1 (en) * 2015-05-15 2017-09-21 New York City Transit Authority Vehicle Prediction Module
CN105243441B (zh) * 2015-09-29 2022-10-25 联想(北京)有限公司 一种处理方法和装置、控制方法和装置及电子设备
CN106056950A (zh) * 2016-06-30 2016-10-26 大连楼兰科技股份有限公司 基于obd设备的车联网周边信息推送系统及方法
US10200457B2 (en) * 2016-10-26 2019-02-05 Uber Technologies, Inc. Selective distribution of machine-learned models
CN106528874B (zh) * 2016-12-08 2019-07-19 重庆邮电大学 基于Spark内存计算大数据平台的CLR多标签数据分类方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI719696B (zh) * 2019-11-01 2021-02-21 財團法人工業技術研究院 臉部影像重建方法與系統
US10970526B1 (en) 2019-11-01 2021-04-06 Industrial Technology Research Institute Facial image reconstruction method and system

Also Published As

Publication number Publication date
WO2018227325A1 (en) 2018-12-20
CN110520913A (zh) 2019-11-29
US20180357736A1 (en) 2018-12-13
TWI673659B (zh) 2019-10-01
CN110520913B (zh) 2022-04-05
US10922778B2 (en) 2021-02-16

Similar Documents

Publication Publication Date Title
TWI673659B (zh) 用於確定預估到達時間的電子系統和方法及相關的非暫時性電腦可讀取媒體
AU2020201991B2 (en) Systems and methods for recommending an estimated time of arrival
TWI670677B (zh) 用於推薦預估到達時間的系統和方法
CN111862585B (zh) 用于交通预测的系统和方法
TWI675184B (zh) 用於路線規劃的系統、方法及非暫時性電腦可讀取媒體
EP3577578A1 (en) Systems and methods for route searching
CN109791731B (zh) 一种预估到达时间的方法和系统
JP7047096B2 (ja) オンラインツーオフラインサービスに関する推定された到着時間を決定するためのシステムおよび方法
TW201901185A (zh) 用於確定預估到達時間的系統和方法
CN112154473A (zh) 用于推荐上车点的系统和方法
CN109313742A (zh) 确定预估到达时间的方法及系统
CN112236787A (zh) 用于生成个性化目的地推荐的系统和方法
WO2020113626A1 (en) Systems and methods for determining estimated time of arrival
CN111415024A (zh) 一种到达时间预估方法以及预估装置
CN113924460B (zh) 确定服务请求的推荐信息的系统和方法
WO2020151725A1 (zh) 一种位置预测方法以及装置
CN110832811B (zh) 用于发送空间数据的系统和方法