TW202145138A - 針對預訂來判定預訂費用之伺服器及方法 - Google Patents

針對預訂來判定預訂費用之伺服器及方法 Download PDF

Info

Publication number
TW202145138A
TW202145138A TW110112947A TW110112947A TW202145138A TW 202145138 A TW202145138 A TW 202145138A TW 110112947 A TW110112947 A TW 110112947A TW 110112947 A TW110112947 A TW 110112947A TW 202145138 A TW202145138 A TW 202145138A
Authority
TW
Taiwan
Prior art keywords
reservation
predetermined
service provider
server
price
Prior art date
Application number
TW110112947A
Other languages
English (en)
Inventor
李文橦
佳琳 柳
翁仁榮
俊凱 彭
Original Assignee
新加坡商格步計程車控股私人有限公司
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 新加坡商格步計程車控股私人有限公司 filed Critical 新加坡商格步計程車控股私人有限公司
Publication of TW202145138A publication Critical patent/TW202145138A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

揭露了一種被組配以判定一預訂之預訂費用的伺服器。該伺服器可包括一或多個處理器、以及具有指令儲存於其中的一記憶體。當該等指令被該（等）一或多個處理器執行時可導致該（等）一或多個處理器通過一通訊網路從一使用者裝置接收，針對來自一服務提供者在預定未來時間之預定運輸服務的一預訂詢問。該（等）一或多個處理器可基於該預訂的一預定票價和可能的未來行程價格之間的差異來判定一買入選擇權價格。該（等）一或多個處理器可判定，該服務提供者在該預定未來時間提供該預定運輸服務的一收益調整。該（等）一或多個處理器可基於該買入選擇權價格及該收益調整來判定，於該預定未來時間的該預定運輸服務之預訂費用。

Description

針對預訂來判定預訂費用之伺服器及方法
本揭露內容的各個觀點係有關於一種判定一預訂之預訂費用的方法。本揭露內容的各個觀點係有關於一種被組配以判定一預訂之預訂費用的伺服器。本揭露內容的各個觀點係有關於一種非暫態電腦可讀取媒體，其儲存有用於判定一預訂之預訂費用的電腦可執行碼。本揭露內容的各個觀點係有關於一種用於判定一預訂之預訂費用的電腦可執行碼。
預訂是允許乘客預約在他們未來的一指定時間之乘車的一項服務。這通常是針對已確定在尖峰時段有旅行需求的人或者從偏遠地區旅行來的人，在這兩種情況下，依需分配都會有困難。
對於預訂，司機會比旅行時間更早收到針對該預定的一工作廣播，並且可提早到達乘客所在的位置。為了補償額外的等待時間，會向乘客收取該預訂的一預約費用。
運輸公司所收取的預約費用通常橫越該區域都是一固定金額，以補償司機的額外服務。然而，這樣做可能是沒有道理的，因為乘客偶爾會在最後一刻取消，或者司機必須不得不在相當長的一段時間內不能接受其它工作。
因此，會有必要為一預訂之預訂費用準確定價。在為一預定之預訂費用定價時，亦會有必要去考慮到司機的額外等待時間及／或乘客取消該預訂之情況，以補償司機的額外服務。
各種實施例會提供一種被組配以判定一預定之預訂費用的伺服器被揭露。該伺服器可包括一或多個處理器、以及具有指令儲存於其中的一記憶體。當該等指令被該（等）一或多個處理器執行時可導致該（等）一或多個處理器通過一通訊網路從一使用者裝置接收，針對來自一服務提供者在預定未來時間之預定運輸服務的一預訂詢問。該（等）一或多個處理器可基於該預訂的一預定票價和可能的未來行程價格之間的差異來判定一買入選擇權價格。該（等）一或多個處理器可判定，該服務提供者在該預定未來時間提供該預定運輸服務的一收益調整。該（等）一或多個處理器可基於該買入選擇權價格及該收益調整來判定，於該預定未來時間的該預定運輸服務之預訂費用。
根據各種實施例，該買入選擇權價格是不可退還的，而該收益調整在取消該預訂後是可以退還的。
根據各種實施例，該預訂的該預定票價可由該（等）一或多個處理器，透過儲存於該伺服器的一資料庫中相似歷史預約的歷史資料之迴歸所產生。
根據各種實施例，該可能的未來行程價格是由該（等）一或多個處理器，透過其價格比該預訂的該預定票價更高之相似歷史預約的歷史資料之抽樣來判定。
根據各種實施例，該（等）一或多個處理器可被組配以判定該可能的未來行程價格高於該預定票價之機率。此外，該（等）一或多個處理器可被組配以基於該預訂的該預定票價和該可能的未來行程價格之間的該差異以及該機率，來判定該買入選擇權價格。
根據各種實施例，該（等）一或多個處理器可被組配以判定該預定未來時間之前的一鎖定時間，該服務提供者於該鎖定時間內將不能夠接受另一預約。
根據各種實施例，該（等）一或多個處理器可被組配以基於該預定的一上車地點來判定，該服務提供者於該鎖定時間的可能的地理散列（geohashes）。此外，該（等）一或多個處理器可被組配以判定，該服務提供者於該鎖定時間之該等可能的地理散列的周圍地理散列。
根據各種實施例，該（等）一或多個處理器可被組配以判定，該服務提供者在該鎖定時間針對每一周圍地理散列的一收益率。此外，該（等）一或多個處理器可被組配以判定，該服務提供者在該鎖定時間接受對於該等周圍地理散列的每一者的一預約之機率。
根據各種實施例，該（等）一或多個處理器可被組配以基於該鎖定時間、針對每一周圍地理散列的該收益率、以及該服務提供者接受對於該等周圍地理散列的每一者的一預約之機率來判定，針對該服務提供者在該預定未來時間提供該預定運輸服務的該收益調整。
各種實施例會提供一種判定一預訂之預訂費用的方法。該方法可包括使用一伺服器的一或多個處理器以通過一通訊網路從一使用者裝置來接收，針對來自一服務提供者在預定未來時間之預定運輸服務的一預訂詢問。該（等）一或多個處理器可基於該預訂的一預定票價和可能的未來行程價格之間的差異來判定一買入選擇權價格。該（等）一或多個處理器可判定，該服務提供者在該預定未來時間提供該預定運輸服務的一收益調整。該（等）一或多個處理器可基於該買入選擇權價格及該收益調整來判定，於該預定未來時間的該預定運輸服務之預訂費用。
根據各種實施例，該買入選擇權價格是不可退還的，而該收益調整在取消該預訂後是可以退還的。
根據各種實施例，該方法可包括透過儲存於該伺服器的一資料庫中相似歷史預約的歷史資料之迴歸，來產生該預訂的該預定票價。
根據各種實施例，該方法可包括透過其價格比該預訂的該預定票價更高之相似歷史預約的歷史資料之抽樣，來判定該可能的未來行程價格。
根據各種實施例，該方法可包括使用該（等）一或多個處理器來判定，該可能的未來行程價格高於該預定票價之機率。此外，該方法可包括使用該（等）一或多個處理器以基於該預訂的該預定票價和該可能的未來行程價格之間的該差異以及該機率，來判定該買入選擇權價格。
根據各種實施例，該方法可包括使用該（等）一或多個處理器來判定該預定未來時間之前的一鎖定時間，該服務提供者於該鎖定時間內將不能夠接受另一預約。
根據各種實施例，該方法可包括使用該（等）一或多個處理器以基於該預定的一上車地點來判定，該服務提供者於該鎖定時間之可能的地理散列（geohashes）。此外，該方法可包括使用該（等）一或多個處理器來判定，該服務提供者於該鎖定時間之該可能的地理散列的周圍地理散列。
根據各種實施例，該方法可包括使用該（等）一或多個處理器來判定，該服務提供者在該鎖定時間針對每一周圍地理散列的一收益率。此外，該方法可包括使用該（等）一或多個處理器來判定，該服務提供者在該鎖定時間接受對於該等周圍地理散列的每一者的一預約之機率。
根據各種實施例，該方法可包括使用該（等）一或多個處理器以基於該鎖定時間、針對每一周圍地理散列的該收益率、以及該服務提供者接受對於該等周圍地理散列的每一者的一預約之該機率來判定，針對該服務提供者在該預定未來時間提供該預定運輸服務的該收益調整。
各種實施例可提供一種儲存電腦可執行碼的非暫態電腦可讀取媒體，該電腦可執行碼包含用於根據本文所揭露的各種實施例來判定一預定之預訂費用的指令。
各種實施例可提供一種電腦可執行碼，其包含用於根據本文所揭露的各種實施例來判定一預定之預訂費用的指令。
為了實現上述相關的目標，一或多個實施例包括下文中充分敘述並於申請專利範圍中特別指出的特徵。以下敘述以及相關聯的圖式詳細舉出一或多個觀點的某些例示說明之特徵。然而，這些特徵只是各種觀點的原理可被採用的各種方式中的少數幾個的指示性特徵，且本敘述旨在包括所有這些觀點及其等效物。
下面的詳細說明係參照至該等所附圖式，其等以例示說明的方式顯示了可據以實踐本發明的特定細節及實施例。對此等實施例進行了足夠詳細的敘述，以使得熟悉此技藝者能夠實踐本發明。其他實施例可被利用，且在不偏離本發明之範圍的情況下，可做出結構及邏輯上的改變。各種實施例不一定是相互排除的，因為一些實施例可以與一或多個其他實施例結合而形成新的實施例。
在該等系統或伺服器或方法或電腦程式其中一者的上下文中所敘述之實施例，對於其他系統或伺服器或方法或電腦程式可比擬地是有效的，反之亦然。
於一實施例的上下文中所敘述的特徵可對應地應用於其他實施例中的相同或相似特徵。於一實施例的上下文中所敘述的特徵可對應地應用於其他實施例，即使在這些其他實施例中並未明確敘述。再者，於一實施例的上下文中針對一特徵所敘述之增加及／或結合及／或替代方案可對應地應用於其他實施例中的相同或相似特徵。
「示例性」一詞使用於本文中是表示「作為範例、實例或例示說明」的意思。於本文中被敘述為「示例性」的任何實施例或設計不一定要被解釋為，與其他實施例或設計相比是更佳或有利的。
於各種實施例的上下文中，關於一特徵或元件所使用的冠詞「一」、「一個」及「該」包括了對於一或多個該等特徵或元件之引用。
本文中所使用的該用語「及／或」包括相關聯的所列項目中的一或多個的任何和所有組合。
該等用語「至少一個」及「一或多個」可被理解為是包括大於或等於一的數值數量（例如，一個、兩個、三個、四個、……、等等）。該用語「複數」可被理解為是包括大於或等於二的數值數量（例如，兩個、三個、四個、五個、……、等等）。
於本敘述及申請專利範圍中的字詞「複數個」及「多個」特意指的是大於一個的數量。於是，明確援引上述涉及物件數量之字詞的任何詞組（例如，「複數個『物件』」、「多個『物件』」）特意指的是，多於一個的該等所述物件。於本敘述及申請專利範圍中的該等用語「群」、「組」、「集合」、「系列」、「序列」、「分組」、等等、及相似用語，如果有的話，指的是等於或大於一個的數量，亦即一或多個。該等用語「真子集」、「縮減子集」、及「較小子集」指的是不等於一集合之該集合的子集，亦即所含有的元素少於一集合之該集合的子集。
本文中所使用的該用語「資料」可被理解為是包括任何適當的類比或數位形式之資訊，例如是以檔案、檔案的一部分、檔案集、訊號或串流、訊號或串流的一部分、訊號或串流集、等等之形式提供的資訊。此外，該用語「資料」亦可用來意指例如以指標的形式之資訊的引用。然而，該用語資料並不限於上述範例，且可以採用各種形式並表示本領域中所理解的任何資訊。
例如，本文中所使用的該用語「處理器」或「控制器」可被理解為是允許處理資料、訊號、等等之任何類型的實體。該等資料、訊號、等等可根據該處理器或控制器執行的一或多個特定功能來處理。
因此，一處理器或控制器可以是、或者包括類比電路、數位電路、混合訊號電路、邏輯電路、處理器、微處理器、中央處理單元（CPU）、圖形處理單元（GPU）、數位訊號處理器（DSP）、現場可程式邏輯閘陣列（FPGA）、積體電路、特殊應用積體電路（ASIC）、等等、或其等之任何組合。下面將進一步詳細敘述的各功能的任何其他類型的實施態樣，亦可被理解為是一處理器、控制器、或邏輯電路。可以理解的是，本文中所詳述的該等處理器、控制器、或邏輯電路中的任兩者（或兩者以上）可被實現為具有等效功能或相似功能的一單一實體，反之，本文中所詳述的任何單一處理器、控制器、或積體電路可被實現為具有等效功能或相似功能的兩個（或兩個以上）分別的獨立實體。
本文中所詳述的該用語「系統」（例如，驅動系統、位置偵測系統、等等）可被理解為是一組相互作用的元件，作為範例而非限制，這些元件可以是一或多個機械組件、一或多個電子組件、一或多個指令（例如，編碼於儲存媒體中）、一或多個控制器、等等。
本文中的使用者，「電路」被理解為是任何類型之實現邏輯的實體，其可包括特殊用途的硬體或執行軟體的處理器。因此，一電路可以是類比電路、數位電路、混合訊號電路、邏輯電路、處理器、微處理器、中央處理單元（CPU）、圖形處理單元（GPU）、數位訊號處理器（DSP）、現場可程式邏輯閘陣列（FPGA）、積體電路、特殊應用積體電路（ASIC）、等等、或其等之任何組合。下面將進一步詳細敘述的各功能的任何其他類型的實施態樣，亦可被理解為是「電路」。可以理解的是，本文中所詳述的該等電路中的任兩者（或兩者以上）可被實現為具有實質等效功能的一單一電路，反之，本文中所詳述的任何單一電路可被實現為具有實質等效功能的兩個（或兩個以上）分別的獨立電路。此外，對ㄧ「電路」的引用可以指共同形成一單一電路的兩個或兩個以上的電路。
如本文中所使用的，「記憶體」可被理解為是一種非暫態電腦可讀取媒體，其中可儲存資料或資訊以供檢索。因此，本文中所包含的對「記憶體」之引用可被理解為是指揮發性或非揮發性記憶體，包括隨機存取記憶體（RAM）、唯讀記憶體（ROM）、快閃記憶體、固態儲存器、磁帶、硬磁碟驅動機、光學驅動機、等等、或其等之任何組合。再者，可以得知的是，本文中暫存器、移位暫存器、處理器暫存器、資料緩衝器、等等亦涵括在記憶體之該用語中。可以得知的是，被稱為「記憶體」或「一記憶體」的單一組件可以由一個以上不同種類的記憶體所組成，且因此可以指包括一或多個種類的記憶體的一集合組件。容易理解的是，任何單一記憶體組件可被分割成多個共同等效的記憶體組件，反之亦然。再者，僅管記憶體會被敘述為與一或多個其他組件是分開的（例如在該等圖式中），可理解的是，記憶體可整合於另一組件之中，例如在一普通的積體晶片上。
如本文中所使用的，該用語「地理散列」可以是一城市或國家的分割區域之預定義的地理編碼單元。
圖1顯示了根據各種實施例的一方法100的流程圖。
根據各種實施例，可提供了判定一預訂之預訂費用的該方法100。於一些實施例中，該方法100可包括步驟102，使用一伺服器的一或多個處理器以通過一通訊網路從一使用者裝置來接收，針對來自一服務提供者在預定未來時間之預定運輸服務的一預訂詢問。該方法100可包括步驟104，使用該（等）一或多個處理器以基於該預訂的一預定票價和可能的未來行程價格之間的差異來判定一買入選擇權價格。該方法100可包括步驟106，使用該（等）一或多個處理器以判定，該服務提供者在該預定未來時間提供該預定運輸服務的一收益調整。該方法100可包括步驟108，使用該（等）一或多個處理器以基於該買入選擇權價格及該收益調整來判定，於該預定未來時間的該預定運輸服務之預訂費用。
步驟102至108是以一特定順序來顯示，然而其他排列也是有可能的，舉例來說，於一些實施例中，可以在步驟106之後進行步驟104。在一些情況下，多個步驟也可被合併。步驟102至108的任何適當的順序皆可被使用。
圖2顯示了根據各種實施例的一通訊系統200的一示意圖。
根據各種實施例，該通訊系統200可包括一伺服器210、及／或一使用者裝置220及／或一服務提供者裝置240。
於一些實施例中，該伺服器210及該使用者裝置220可透過通訊網路230而互相通訊。該伺服器210及該服務提供者裝置240亦可透過通訊網路230而互相通訊。僅管圖2顯示了一條將該伺服器210連接至該通訊網路230的線、一條將該使用者裝置220連接至該通訊網路230的線、以及一條將該服務提供者裝置240連接至該通訊網路230的線，該伺服器210、該使用者裝置220及該服務提供者裝置240可能不會例如是透過一電纜而彼此實體連接。反而，該伺服器210、該使用者裝置220及該服務提供者裝置240可能能夠透過通訊網路230藉由網際網路通訊協定而進行無線通訊，或者能夠透過蜂巢式行動通訊網路而進行無線通訊。
於各種實施例中，該伺服器210可以是如圖2中所示意性例示說明的一單一伺服器，或者讓該伺服器210所執行的功能分佈在多個伺服器組件上。該伺服器210可包括一或多個伺服器處理器212。該伺服器210所執行的各種功能可由該（等）一或多個伺服器處理器212來進行。於一些實施例中，該伺服器210所執行的各種功能可在該（等）一或多個伺服器處理器之間進行。於其他實施例中，該伺服器210所執行的各種功能中的每一特定功能可由該（等）一或多個伺服器處理器中的特定伺服器處理器來進行。
於一些實施例中，該伺服器210可包括一記憶體214。該伺服器210亦可包括一資料庫。該記憶體214及該資料庫可以是一個組件，或者是分別的獨立組件。該伺服器的該記憶體214可包括電腦可執行碼，該電腦可執行碼定義了該伺服器210在該一或多個伺服器處理器212的控制下所進行的功能。該資料庫及／或記憶體214可包括過去的運輸服務的歷史資料，例如上車地點及／或下車地點、及／或票價、及／或預約費用及／或時間。該記憶體214可以包括一例如是非暫態電腦可讀取媒體的電腦程式產品，或者可以是該電腦程式產品。
根據各種實施例，一電腦程式產品可儲存該電腦可執行碼，該電腦可執行碼包括用以根據各種實施例來判定一預訂之預訂費用的指令。該電腦可執行碼可以是電腦程式。該電腦程式產品可以是一非暫態電腦可讀取媒體。該電腦程式產品可在該通訊系統100及／或該伺服器210中。
於一些實施例中，該伺服器210亦可包括一輸入及／或輸出模組，其使得該伺服器210能夠透過該通訊網路230進行通訊。該伺服器210亦可包括用於使用者控制該伺服器210的一使用者介面。該使用者介面可例如包括像是顯示監視器的計算週邊裝置、例如觸控螢幕裝置及電腦鍵盤的使用者輸入裝置。
於各種實施例中，該使用者裝置220可包括一使用者裝置記憶體222及一使用者裝置處理器224。該使用者裝置記憶體222可包括電腦可執行碼，該電腦可執行碼定義了該使用者裝置220在該使用者裝置處理器224的控制下所進行的功能。該使用者裝置記憶體222可以包括一例如是非暫態電腦可讀取媒體的電腦程式產品，或者可以是該電腦程式產品。該使用者裝置220亦可包括一輸入及／或輸出模組，其使得該使用者裝置220能夠透過該通訊網路230進行通訊。該使用者裝置220亦可包括讓使用者控制該使用者裝置220的一使用者介面。該使用者介面可以是一觸控面板顯示器。該使用者介面可包括一顯示監視器、一鍵盤、或按鈕。
於各種實施例中，該服務提供者裝置240可包括一服務提供者裝置記憶體242及一服務提供者裝置處理器244。該服務提供者裝置記憶體242可包括電腦可執行碼，該電腦可執行碼定義了該服務提供者裝置240在該服務提供者裝置處理器244的控制下所進行的功能。該服務提供者裝置記憶體242可以包括一例如是非暫態電腦可讀取媒體的電腦程式產品，或者可以是該電腦程式產品。該服務提供者裝置240亦可包括一輸入及／或輸出模組，其使得該服務提供者裝置240能夠透過該通訊網路230進行通訊。該服務提供者裝置240亦可包括讓使用者控制該服務提供者裝置240的一使用者介面。該使用者介面可以是一觸控面板顯示器。該使用者介面可包括一顯示監視器、一鍵盤、或按鈕。
於各種實施例中，該伺服器210可被組配以判定一預定之預訂費用。於一些實施例中，該伺服器210可通過該通訊網路230從該使用者裝置220來接收，針對來自一服務提供者在預定未來時間之預定運輸服務的一預訂詢問。
於各種實施例中，該伺服器210可基於該買入選擇權價格及該收益調整來判定，於該預定未來時間的該預定運輸服務之預訂費用。
於一些實施例中，該伺服器210可使用一公式來判定該預訂之預訂費用：
Figure 02_image001
其中BT 表示針對將在預定未來時間T發生的該預訂所收取的該預訂費用、FT 表示該買入選擇權價格、ET 表示該服務提供者在該預定未來時間提供該預定運輸服務的一收益調整、BL 表示該預訂費用的下限、以及BU 表示該預訂費用的上限。
於一些實施例中，由於會有一些變量，例如在預訂詢問期間可能不知道的該買入選擇權價格FT 及／或收益調整ET ，因此可使用下列公式作為替代來算出該預訂費用的估計值：
Figure 02_image003
其中
Figure 02_image005
表示針對將在預定未來時間T發生的該預訂所收取之該預訂費用的估計值、
Figure 02_image007
表示該買入選擇權價格的估計值、
Figure 02_image009
表示該服務提供者在該預定未來時間提供該預定運輸服務之一收益調整的估計值、BL 表示該預訂費用的下限、以及BU 表示該預訂費用的上限。
應當理解的是，該用語「預訂費用」將涵蓋該用語「訂費用的估計值」，該用語「買入選擇權價格」將涵蓋該用語「買入選擇權價格的估計值」，且該用語「收益調整」將涵蓋該用語「收益調整的估計值」。
於一些實施例中，該預訂費用的該下限BL 可以是最低的預訂費用。該預訂費用的該上限BU 可以是最高的預訂費用。該預訂費用的該下限BL 及／或該上限BU 可以是預定值。
於一些實施例中，該伺服器210可基於該買入選擇權價格FT 及／或該收益調整ET 來判定該預定運輸服務的預訂費用。舉例來說，該伺服器210可基於該買入選擇權價格FT 和該收益調整ET 的總和來判定該預訂費用。於一些實施例中，若該買入選擇權價格FT 和該收益調整ET 的總和低於該下限BL ，則該伺服器會判定該預訂費用為該下限BL 。於其他實施例中，若該買入選擇權價格FT 和該收益調整ET 的總和高於該上限BU ，則該伺服器會判定該預訂費用為該上限BU 。於其他實施例中，若該買入選擇權價格FT 和該收益調整ET 的總和介於該下限BL 和該上限BU 之間，則該伺服器會判定該預訂費用為該買入選擇權價格FT 和該收益調整ET 的總和。
於各種實施例中，該買入選擇權價格是不可退還的，且／或該收益調整在取消該預訂後是可以退還的。於其他實施例中，當該預訂費用為該下限BL 或該上限BU 時，買入選擇權價格的一部分是不可退還的，且／或該收益調整的一部分在取消該預訂後是可以退還的。該收益調整的該部分是可以退還的，可基於該收益調整與該買入選擇權價格的比例而得到。
於各種實施例中，該伺服器可基於歐式買入選擇權來判定該買入選擇權價格FT 。歐式買入選擇權可以是將執行限制在其到期時間T的一契約。舉例來說，假設一使用者在預約時間T0 對於在預定未來時間T的一預定運輸服務進行了預訂，該預定未來時間T為預定排成的上車時間，該使用者只能夠在該預訂未來時間T行使買入選擇權並且接受該預定運輸服務。該使用者在進行該預訂時，及／或在進行一預訂詢問以確認預訂費用價格和針對一預定上車地點及一預定下車地點的預定票價K時，該使用者可指明該預定上車地點和該預定下車地點。
於一些實施例中，該伺服器可基於該預訂的預定票價K和可能的未來行程價格ST 來判定該買入選擇權價格FT 。該預定票價K可以是，在該預定未來時間T的該預定上車地點以及該預定下車地點的該預定運輸服務的票價保證價格。當該使用者進行該預訂詢問時，可將該預定票價K傳達給該使用者。該可能的未來行程價格ST 可以是，在該預定未來時間T從該預定上車地點和該預定下車地點的行程之可能的價格。該可能的未來行程價格ST 可以是一履約價格。
於一些實施例中，由於該預定票價K是在預約時間T0 就判定了，因此在該預定未來時間T，該可能的未來行程價格ST 會與該預定票價K不同。此差異可能是由在該預約時間T0 難以預測之可能的需求激增、及／或缺乏服務提供者、及／或交通狀況、及／或在該預定未來時間T的其他因素所造成。
舉例來說，該使用者可以在星期一的上午10點，針對星期三下午2點的一預定運輸服務，以一預定上車地點及一預定下車地點來進行預訂。該伺服器可以向該使用者傳達，接受該預定運輸服務的該預定票價K為$10。於星期三的下午2點時，基於目前的需求激增、及／或缺乏服務提供者、及／或交通狀況，該伺服器可判定該可能的未來行程價格ST 為$15。然而，由於該使用者已經做了預訂，該使用者為了該預定運輸服務所必須支付的價格仍然是$10的該預定票價K。
於一些實施例中，該伺服器可基於該預訂的一預定票價和可能的未來行程價格之間的差異來判定該買入選擇權價格FT 。
於一些實施例中，當該可能的未來行程價格ST 高於K時，藉由行使該買入選擇權並以該預定票價K為代價接受該預訂，乘客可以得到以下回報：
Figure 02_image011
因此，該使用者可有一預期的回報，其可以是來自該預定票價K的利益。該預期的回報可以用作為該買入選擇權價格FT ，其中FT=F(ST,T0,T)如下：
Figure 02_image013
其中
Figure 02_image015
為該可能的未來行程價格ST 高於K時的該回報，
Figure 02_image017
為該可能的未來行程價格ST 高於K的機率。
於一些實施例中，若符合對數常態分布，布萊克-休斯偏微分方程式可被用來求解ST ，亦即：
Figure 02_image019
於一些實施例中，舉例來說，若該使用者找到在該預定未來時間T更便宜的按需票價，則該使用者可取消該預訂。在沒有該買入選擇權費用的情況下，進行一預訂會產生一非負的預期回報，其可被稱為套利。於一些實施例中，該系統可藉由將該買入選擇權價格強加為該預訂費用的一部分來消除套利。該買入選擇權價格也可被看作是取消費用，其可以是在該預訂的時間賣給使用者之潛在的選擇權價格。
於各種實施例中，可藉由該伺服器210透過迴歸來判定該預定票價K，例如分位數迴歸。於各種實施例中，該伺服器210可包括一分位數迴歸類神經網路。該分位數迴歸類神經網路可以被訓練。該分位數迴歸類神經網路可以是具有分位數迴歸損失的一前饋類神經網路。分位數可以是一個值，在該值以下，則組中觀測值的分率會下降。舉例來說，分位數為0.9的預測在90%的情況下應該會過度預測。即使是針對具有非常數變異數或非常態分布的變量，基於分位數損失的迴歸可提供合理的預測區間，這適合於預測激增或票價。
於各種實施例中，該伺服器210可提供該預定票價K，例如是基於一預先定義的分位數（例如，95%）所計算得到，然後可被使用於票價預測。該分位數可以是該預定票價K高於該可能的未來行程價格ST 之機率。該預訂的該預定票價可由該（等）一或多個處理器212，透過儲存於該伺服器210的該記憶體214或一資料庫中相似歷史預約的歷史資料之迴歸所產生。相似歷史預約可以是，以位於相同地理散列或周圍地理散列的上車地點作為該預定上車地點的歷史預約，及／或以位於相同地理散列或周圍地理散列的下車地點作為該預定下車地點的歷史預約。
於一些實施例中，該預定票價K可由以下方程式來判定：
Figure 02_image021
其中α為該預定票價K高於該可能的未來行程價格ST 之機率。該機率α可被設定為一預定值，例如95%。於一些實施例中，可反過來計算P(ST ≤ K)以得到P(ST ≥ K)，其可為 (100−α)%。
於一些實施例中，該買入選擇權價格FT可由以下方程式來得到：
Figure 02_image023
其中
Figure 02_image025
為該預訂的一預定票價與一可能的未來行程價格之間的差，
Figure 02_image027
為該可能的未來行程價格ST 高於K之機率。
於各種實施例中，該可能的未來行程價格ST 可由該（等）一或多個處理器212，透過其價格比該預訂的該預定票價K更高之相似歷史預約的歷史資料之抽樣來判定。相似歷史預約可以是，以位於相同地理散列或周圍地理散列的上車地點作為該預定上車地點的歷史預約，及／或以位於相同地理散列或周圍地理散列的下車地點作為該預定下車地點的歷史預約。
於一些實施例中，可透過其價格比該預訂的該預定票價K更高之相似歷史預約的歷史資料之質樸抽樣（naïve sampling），來判定該可能的未來行程價格ST 。相似歷史預約的歷史資料之質樸抽樣可以是，其價格比該預訂的該預定票價K更高之相似歷史預約的歷史資料之平均，如下：
Figure 02_image029
由於ST ＞ K會是少見的事件，模擬效率可能會很低。因此，可使用更高效及／或有效的取樣方法來取代。
於一些實施例中，可透過其價格比該預訂的該預定票價K更高之相似歷史預約的歷史資料之重要性抽樣，來判定該可能的未來行程價格ST 。重要性抽樣可利用非線性變換g(ST )，從而得到
Figure 02_image031
。
舉例來說，我們可假設ST 近乎符合常態分布，那麼指數變換exp(ST )近乎符合對數常態分布，其在右側尾部可具有較高的密度。因此，可更容易以較高的效率對exp(Sn )抽樣。隨後，我們可應用一反運算來揭示Sn = ln[exp(Sn )]，並且可得到改善後的估計，如下：
Figure 02_image033
於一些實施例中，可透過其價格比該預訂的該預定票價K更高之相似歷史預約的歷史資料之分裂演算法，來判定該可能的未來行程價格ST 。分裂演算法可構成閘（barriers）的序列K1 ＜...＜Ki ...＜K，且可從新的條件分布中反覆抽樣，從而有很大的機會命中下一個閘。可藉由收集該等樣本並且將其等集合起來，以判定該可能的未來行程價格ST 。
於各種實施例中，該（等）一或多個處理器212可被組配來判定該可能的未來行程價格高於該預定票價之機率。
圖3顯示了根據各種實施例的一圖表300，其具有在各種地理散列中可能的未來行程價格高於預定票價之歷史機率。
於各種實施例中，由於現實中的各種原因，例如旅行距離及／或持續時間的估計之不足及／或過高，(100−α)%的觀測值可能不會總是為一固定預定值，例如5%。舉例來說，如圖3中所示，對於地理散列310，該可能的未來行程價格高於該預定票價之機率320為9%。於另一範例中，如圖3中所示，對於地理散列330，該可能的未來行程價格高於該預定票價之機率340為17%。
於一些實施例中，觀測值的平均可被用作為偏差修正已產生一新的估計值
Figure 02_image035
。
於一些實施例中，該（等）一或多個處理器212可被組配以基於該預訂的該預定票價和該可能的未來行程價格之間的該差異以及該機率，來判定該買入選擇權價格，如下：
Figure 02_image037
圖4顯示了根據各種實施例之用於判定一鎖定時間的圖400。
於各種實施例中，該（等）一或多個處理器212可被組配來判定該預定未來時間T之前的一鎖定時間T′，該服務提供者240於該鎖定時間T′內將不能夠接受另一預約。
於一些實施例中，為了確保最佳的乘車分配，可從鎖定時間T′開始，阻止該服務提供者240接受任何其他的乘車。為了補償司機的等待時間和潛在的乘車損失，可將從T′至T的收益調整加到該預訂費用中。於一些實施例中，可採用一關於T′之單調遞減函數分配機率。該單調遞減函數分配機率為：
Figure 02_image039
於一些實施例中，此表示針對較晚的鎖定時間T′，該分配機率不會高於較早的鎖定時間T′。
於一些實施例中，在該預訂詢問時，T′的最新值可估計為：
Figure 02_image041
其中β為可預先判定的目標分配率之集合。
於一些實施例中，分配時間可以盡可能接近該預約時間，例如5分鐘，因為鎖定期間越長，則付給服務提供者的補償就越高。
於一些實施例中，可定義一輔助函數為：
Figure 02_image043
於圖4中所顯示的該圖400，該圖400的x軸可表示時間，而該圖400的y軸可表示分配機率。
於一些實施例中，一種二分根搜尋法可被使用來搜尋該鎖定時間T′。基於歷史資料，H(T−τ)≈1−β可被繪製出來。假設分配演算法是靜態的，可得到T−τ ≤ t ≤ T的資料點t之間的可能的根。可繪製出表示H(t)的曲線410，和表示H(t) – β的曲線420。在迭代停止後，可得到H(T−τ1 ) ≥ 0和(T−τ2 ) ≤ 0，且可得到表示該鎖定時間T′=T−τ1 的根。
於各種實施例中，該（等）一或多個處理器212可被組配以基於該預訂的上車地點，來判定該服務提供者於該鎖定時間時之可能的地理散列。於一些實施例中，可由距該預訂的上車地點之一預定距離閾值來判定，服務提供者於該鎖定時間所在之該等可能的地理散列。於其他實施例中，可由一預定時間閾值來判定服務提供者於該鎖定時間所在之該等可能的地理散列，其中服務提供者能夠在該預定時間閾值之內從該等可能的地理散列到達該上車地點。
於一些實施例中，該（等）一或多個處理器212可被組配來判定，該服務提供者於該鎖定時間之等可能的地理散列的周圍地理散列。
於各種實施例中，該（等）一或多個處理器212可被組配以基於該鎖定時間、針對每一周圍地理散列的該收益率、以及該服務提供者接受對於該等周圍地理散列的每一者的一預約之機率來判定，針對該服務提供者在該預定未來時間提供該預定運輸服務的該收益調整。
於一些實施例中，該收益調整可計算為，若該服務提供者未接受該預訂而會接受之該等周圍地理散列中的乘車之潛在票價，按該司機在每一地理散列g′之機率加權計算後的總和：
Figure 02_image045
其中
Figure 02_image047
為該司機若在時戳T′接受了一可得的按需工作之每分鐘的估計工作收益，Δt為間隔[T′, T]的時間跨距，其為Δt = T′−T，g′為該地理散列區域，
Figure 02_image049
為該司機每一地理散列g′之機率。
於一些實施例中，該收益調整ET 會使得，在時間T′不接受在附近地理散列的另一工作的預期機會成本接近於零。換言之，該服務提供者因等到該預定未來時間而可能會放棄的預期的按需票價，會接近於或是等於該預訂費用中所給定的該收益調整。因此，該服務提供者選擇其中一個選項。
於各種實施例中，該（等）一或多個處理器212可被組配以判定，該服務提供者在該鎖定時間針對每一周圍地理散列的一收益率。於一些實施例中，該（等）一或多個處理器212可被組配以判定，該服務提供者在該鎖定時間接受對於該等周圍地理散列的每一者的一預約之機率。
於各種實施例中，針對每一上車地點，該伺服器210被組配以判定一地理散列之集合G，其包括該上車地點的周圍地理散列。該地理散列之集合G亦可包括該上車地點所在的地理散列。該集合G中的地理散列的數量可用dim G來表示，並且可由該伺服器210來判定。於一些實施例中，該服務提供者在鎖定時間T′時，可位在該集合G中的該等地理散列中的任一者。由於該伺服器210對潛在服務提供者的廣播範圍通常是在一小鄰近區域之內，dim G可以是任何適當的數字以覆蓋該小鄰近區域，例如少於20個地理散列。
於一些實施例中，可對相似特徵的歷史預訂進行一預測演算法訓練以獲得該機率P[gT′]，例如長期司機接受預測演算法。於其他實施例中，可對相似特徵的歷史預訂進行取樣以獲得該機率P[gT′]，例如簡單取樣法、或蒙地卡羅取樣法。
於一些實施例中，藉由假設激增適用於每一地理散列，
Figure 02_image051
，可使用激增與票價預測演算法以獲得每一gT′的收益效率
Figure 02_image053
的估計值。
於各種實施例中，該激增可被組配以作為一回饋控制問題，且控制理論可被應用在使用即時及／或歷史供給／需求資訊以自動產生一激增值。該供給資訊的特徵在於佔用率，其定義了被佔用的服務提供者的百分比，該需求資訊的特徵在於分配率，其指示了得到分配的顧客的百分比。該伺服器可被組配以產生該激增，使得該分配率和該佔用率被控制在目標水平。如此一來，大多數的服務提供者能夠接收服務訂單，而大多數的顧客能夠被分配。
於一示例性的實施例中，係提供了基於「控制問題方法」的計價單元組態的高水準敘述。提供了一離散的市場模型（城市級別或地理散列級別）為
Figure 02_image055
以
Figure 02_image057
為針對時段t的運輸服務之價格的激增值，
Figure 02_image059
由服務訂單106的分配率和司機104的佔用率組成的一向量，指定的初始情況為
Figure 02_image061
。
於一些實施例中，可使以下的成本函數最小化：
Figure 02_image063
其中Q 為正定權重矩陣。因此，該伺服器可被組配以判定
Figure 02_image065
，其可使該成本函數U 最小化。作為範例，針對例如具有相同地理散列碼的每一個預定區域，該伺服器可提供即時供給／需求信號以及平滑供給／需求信號（例如，藉由一移動平均數）。
舉例來說，
Figure 02_image067
可分別表示在時段t的該需求、平滑需求、供給、及平滑供給。此等信號的每一者可進一步被分解為兩個部分：符合信號及未符合信號，亦即
Figure 02_image069
從此等信號中，可導出一第一信號及一第二信號。該第一信號可以是由
Figure 02_image071
表示的分配率，該第二信號可以是由
Figure 02_image073
表示的佔用率：
Figure 02_image075
此處，
Figure 02_image077
可表示在時段t內應用於針對預定區域（例如，具有相同的地理散列碼）的運輸服之價格的激增值。該激增函數演算法旨在配置
Figure 02_image077
，使得
Figure 02_image071
和
Figure 02_image073
盡可能緊緊跟隨
Figure 02_image079
和
Figure 02_image079
。此處，
Figure 02_image079
和
Figure 02_image079
分別表示一期望或預期的分配率和佔用率。
於各種實施例中，該伺服器可使用票價預測演算法以獲得每一gT′的收益效率
Figure 02_image053
的估計值。該伺服器可包括一長期激增預測器（LTSP）及一短期激增預測器（STSP）。於一些實施例中，該長期激增預測器（LTSP）可基於歷史資料來計算一長期激增預測。該短期激增預測器（STSP）可基於新近資料來計算一短期激增預測。該新近資料比該長期激增預測器（LTSP）所使用的歷史資料更新近。該伺服器可被組配以基於該鎖定時間T′、及該長期激增預測和短期激增預測中的一個或兩個，來計算一預測票價。
儘管已經參考特定實施例來具體示出和敘述了本發明，但熟悉此技藝者應當理解，可以在不偏離所附請求項所界定之本發明的範圍的情況下，在形式和細節上進行各種改變。因此，本發明的範圍是由所附請求項來指示，且因此意圖包含所有落入該等請求項的均等物的含義及範圍內的所有改變。
100:方法 102:步驟 104:步驟 106:步驟 108:步驟 200:通訊系統 210:伺服器 212:伺服器處理器 214:記憶體 220:使用者裝置 222:使用者裝置記憶體 224:使用者裝置處理器 230:通訊網路 240:服務提供者裝置 242:服務提供者裝置記憶體 244:服務提供者裝置處理器 300:圖表 310:地理散列 320:機率 330:地理散列 340:機率 410:曲線 420:曲線
當結合非限制性範例和所附圖式一併考慮時，參考詳細說明將更佳理解本發明，其中：
圖1顯示了根據各種實施例的一方法200的流程圖。
圖2顯示了根據各種實施例的一通訊系統200的一示意圖。
圖3顯示了根據各種實施例的一圖表300，其具有在各種地理散列中可能的未來行程價格高於預定票價之歷史機率。
圖4顯示了根據各種實施例之用於判定一鎖定時間的圖400。
應當注意的是，在整個圖式中，類似的參考編號是被使用於描述相同或相似的元件、特徵、及結構。
200:通訊系統
210:伺服器
212:伺服器處理器
214:記憶體
220:使用者裝置
222:使用者裝置記憶體
224:使用者裝置處理器
230:通訊網路
240:服務提供者裝置
242:服務提供者裝置記憶體
244:服務提供者裝置處理器

Claims (20)

  1. 一種被組配以針對一預訂判定一預訂費用之伺服器，該伺服器包含： 一或多個處理器；以及 一具有指令儲存於其中的記憶體，當該等指令被該（等）一或多個處理器執行時導致該（等）一或多個處理器用以： 通過一通訊網路從一使用者裝置接收針對在一預定未來時間來自一服務提供者之一預定運輸服務的一預訂詢問； 基於該預訂的一預定票價和一可能的未來行程價格之間的一差異，判定一買入選擇權價格； 判定該服務提供者在該預定未來時間提供該預定運輸服務的一收益調整；及 基於該買入選擇權價格及該收益調整，判定於該預定未來時間的該預定運輸服務之該預訂費用。
  2. 如請求項1之伺服器，其中該買入選擇權價格是不可退還的，而該收益調整在取消該預訂後是可以退還的。
  3. 如請求項1或2之伺服器，其中該預訂的該預定票價是由該（等）一或多個處理器，透過儲存於該伺服器的一資料庫中相似歷史預約的歷史資料之迴歸所產生。
  4. 如請求項1至3中任一項之伺服器，其中該可能的未來行程價格是由該（等）一或多個處理器，透過具有比該預訂的該預定票價更高之價格之相似歷史預約的歷史資料之抽樣來判定。
  5. 如請求項1至4中任一項之伺服器，其中該（等）一或多個處理器被組配以： 判定該可能的未來行程價格高於該預定票價之一機率；以及 基於該預訂的該預定票價和該可能的未來行程價格之間的該差異以及該機率，判定該買入選擇權價格。
  6. 如請求項1至5中任一項之伺服器，其中該（等）一或多個處理器被組配以判定在該預定未來時間之前的一鎖定時間，該服務提供者於該鎖定時間內將不能夠接受另一預約。
  7. 如請求項6之伺服器，其中該（等）一或多個處理器被組配以： 基於該預定的一上車地點，判定該服務提供者於該鎖定時間的可能的地理散列；以及 判定該服務提供者於該鎖定時間之該等可能的地理散列的周圍地理散列。
  8. 如請求項7之伺服器，其中該（等）一或多個處理器被組配以： 判定該服務提供者在該鎖定時間針對每一周圍地理散列的一收益率；以及 判定該服務提供者在該鎖定時間接受對於該等周圍地理散列的每一者的一預約之一機率。
  9. 如請求項8之伺服器，其中該（等）一或多個處理器被組配以： 基於該鎖定時間、針對每一周圍地理散列的該收益率、以及該服務提供者接受對於該等周圍地理散列的每一者的一預約之該機率，判定該服務提供者在該預定未來時間提供該預定運輸服務的該收益調整。
  10. 一種針對一預訂判定一預訂費用之方法，包含： 使用一伺服器的一或多個處理器，用以： 通過一通訊網路從一使用者裝置接收針對在一預定未來時間來自一服務提供者之一預定運輸服務的一預訂詢問； 基於該預訂的一預定票價和一可能的未來行程價格之間的一差異，判定一買入選擇權價格； 判定該服務提供者在該預定未來時間提供該預定運輸服務的一收益調整；以及 基於該買入選擇權價格及該收益調整，判定於該預定未來時間的該預定運輸服務之該預訂費用。
  11. 如請求項10之方法，其中該買入選擇權價格是不可退還的，而該收益調整在取消該預訂後是可以退還的。
  12. 如請求項10或11之方法，其進一步包含： 透過儲存於該伺服器的一資料庫中相似歷史預約的歷史資料之迴歸，產生該預訂的該預定票價。
  13. 如請求項10至12中任一項之方法，其進一步包含： 透過具有比該預訂的該預定票價更高之價格之相似歷史預約的歷史資料之抽樣，判定該可能的未來行程價格。
  14. 如請求項10至13中任一項之方法，其進一步包含使用該（等）一或多個處理器以： 判定該可能的未來行程價格高於該預定票價之一機率；以及 基於該預訂的該預定票價和該可能的未來行程價格之間的該差異以及該機率，判定該買入選擇權價格。
  15. 如請求項10至14中任一項之方法，其進一步包含使用該（等）一或多個處理器以： 判定在該預定未來時間之前的一鎖定時間，該服務提供者於該鎖定時間內將不能夠接受另一預約。
  16. 如請求項15之方法，其進一步包含使用該（等）一或多個處理器以： 基於該預定的一上車地點，判定該服務提供者於該鎖定時間的可能的地理散列；以及 判定該服務提供者於該鎖定時間之該等可能的地理散列的周圍地理散列。
  17. 如請求項16之方法，其進一步包含使用該（等）一或多個處理器以： 判定該服務提供者在該鎖定時間針對每一周圍地理散列的一收益率；以及 判定該服務提供者在該鎖定時間接受對於該等周圍地理散列的每一者的一預約之一機率。
  18. 如請求項17之方法，其進一步包含使用該（等）一或多個處理器以： 基於該鎖定時間、針對每一周圍地理散列的該收益率、以及該服務提供者接受對於該等周圍地理散列的每一者的一預約之該機率，判定該服務提供者在該預定未來時間提供該預定運輸服務的該收益調整。
  19. 一種儲存有電腦可執行碼之非暫態電腦可讀媒體，該電腦可執行碼包含根據請求項1至18中任一項之用於針對一預訂判定一預訂費用的指令。
  20. 一種電腦可執行碼，其包含根據請求項1至19中任一項之用於針對一預訂判定一預訂費用的指令。
TW110112947A 2020-05-15 2021-04-09 針對預訂來判定預訂費用之伺服器及方法 TW202145138A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
PCT/SG2020/050283 WO2021230808A1 (en) 2020-05-15 2020-05-15 Server and method of determining an advanced booking fee for an advance booking
WOPCT/SG2020/050283 2020-05-15

Publications (1)

Publication Number Publication Date
TW202145138A true TW202145138A (zh) 2021-12-01

Family

ID=78524683

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110112947A TW202145138A (zh) 2020-05-15 2021-04-09 針對預訂來判定預訂費用之伺服器及方法

Country Status (4)

Country Link
US (1) US20230138588A1 (zh)
CN (1) CN114144805A (zh)
TW (1) TW202145138A (zh)
WO (1) WO2021230808A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023204758A1 (en) * 2022-04-22 2023-10-26 Grabtaxi Holdings Pte. Ltd. Method and device for forecasting delivery fare and determining batching possibility prediction-based dynamic discount for scheduled order of goods delivery service

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2519693A1 (en) * 2003-03-27 2004-10-14 University Of Washington Performing predictive pricing based on historical data
WO2006109248A2 (en) * 2005-04-12 2006-10-19 Shawn Ivor Schubotz Travel system and method
US20130246207A1 (en) * 2012-03-19 2013-09-19 Uber Technologies, Inc. System and method for dynamically adjusting prices for services
US10410143B2 (en) * 2014-06-24 2019-09-10 Hotel Trader, Llc Reservation exchange server system
US20160042303A1 (en) * 2014-08-05 2016-02-11 Qtech Partners LLC Dispatch system and method of dispatching vehicles
WO2016035091A1 (en) * 2014-09-03 2016-03-10 Meru Cab Company Private Limited Dynamic forecasting for forward reservation of cab
WO2016113602A1 (en) * 2015-01-12 2016-07-21 Yogesh Chunilal Rathod Real-time presenting on-demand service providers and users or customers and facilitating them
US20180040066A1 (en) * 2016-08-03 2018-02-08 Amadeus S.A.S. Interactive platform for the exchange of commoditized products
AU2017331458A1 (en) * 2016-09-23 2019-04-18 Operr Technologies, Inc. System and method for customizable prescheduled dispatching for transportation services
CN109544196A (zh) * 2017-09-21 2019-03-29 北京嘀嘀无限科技发展有限公司 预约订单的价格倍数确定方法和装置
CN109377291A (zh) * 2018-12-19 2019-02-22 拉扎斯网络科技（上海）有限公司 任务价格预测方法、装置、电子设备及计算机存储介质
CN110009288A (zh) * 2019-04-15 2019-07-12 北京闪送科技有限公司 调价方法、装置、设备及存储介质
US20220036270A1 (en) * 2020-04-03 2022-02-03 Raytheon Bbn Technologies Corp. Graph-based handling of service requests

Also Published As

Publication number Publication date
CN114144805A (zh) 2022-03-04
US20230138588A1 (en) 2023-05-04
WO2021230808A1 (en) 2021-11-18

Similar Documents

Publication Publication Date Title
US7562027B1 (en) Availability processing in a travel planning system
US10460411B2 (en) Real-time resource management for on-demand services
JP6557662B2 (ja) 運賃利用可能性、たとえば航空運賃利用可能性を提供するための方法及びサーバ
US20060224496A1 (en) System for and method of expressive sequential auctions in a dynamic environment on a network
US20030115093A1 (en) Method and system for origin-destination passenger demand forecast inference
CN104471573A (zh) 更新高速缓存的数据库查询结果
JP6473158B2 (ja) 見積もり価格、たとえば航空運賃価格見積もりの組を提供するための方法及びサーバ
US20130103434A1 (en) Global Maximization of Time Limit Revenues by a Travel Provider
US20100185516A1 (en) Allocation of internet advertising inventory
JP7078357B2 (ja) 配信装置、配信方法および配信プログラム
KR102384322B1 (ko) 입찰 전문가와 입찰 참여자의 매칭 플랫폼 시스템 및 방법
US11626021B2 (en) Systems and methods for dispatching shared rides through ride-hailing platform
JP6850310B2 (ja) 見積もり価格、たとえば航空運賃価格見積もりの組を提供するための方法及びサーバ
Drwal et al. Adaptive pricing mechanisms for on-demand mobility
Bahk et al. Private autonomous vehicles and their impacts on near-activity location travel patterns: Integrated mode choice and parking assignment model
Yu et al. An integrated car-and-ride sharing system for mobilizing heterogeneous travelers with application in underserved communities
TW202145138A (zh) 針對預訂來判定預訂費用之伺服器及方法
US20150106135A1 (en) Booking decision method for transportation industry by sampling optimal revenue
JP2019144710A (ja) 駐車場管理装置、駐車場管理方法、および駐車場管理プログラム
JP2021093210A (ja) ホテル予約価格見積もりを提供するための方法及びサーバ
CN112801324A (zh) 出行推荐方法、装置、电子设备及计算机可读存储介质
EP4420069A1 (en) System and method for dynamically enhancing a pricing database based on external information
JP6920360B2 (ja) 情報処理装置、利用状況通知方法、及びプログラム
JP2006172144A (ja) 座席予約システム及びその方法
JP7303333B2 (ja) 輸送関連サービスのための量子修飾子を得るための通信サーバ装置および方法