CN108352001A - 基于计算设备的用户的场境自动预订运输 - Google Patents
基于计算设备的用户的场境自动预订运输 Download PDFInfo
- Publication number
- CN108352001A CN108352001A CN201680062885.5A CN201680062885A CN108352001A CN 108352001 A CN108352001 A CN 108352001A CN 201680062885 A CN201680062885 A CN 201680062885A CN 108352001 A CN108352001 A CN 108352001A
- Authority
- CN
- China
- Prior art keywords
- user
- time
- computing device
- vehicle
- stroke
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 230000004044 response Effects 0.000 claims abstract description 75
- 238000003860 storage Methods 0.000 claims description 46
- 238000000034 method Methods 0.000 claims description 36
- 238000004891 communication Methods 0.000 claims description 24
- 238000012790 confirmation Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013500 data storage Methods 0.000 description 29
- 238000005516 engineering process Methods 0.000 description 19
- 230000032258 transport Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 12
- 230000009471 action Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000009184 walking Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000018199 S phase Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 235000021167 banquet Nutrition 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001235 sensitizing effect Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
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
- 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
- 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
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06Q50/10—Services
- G06Q50/14—Travel agencies
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
描述了一种推断用户将需要完成行程并且选择用户能够用来完成所述行程的运输服务的***。所述***预测请求与用于完成所述行程的运输服务相关联的车辆的时间而使得所述请求具有使得所述车辆到最终出发时间前到达未来位置的足够高程度的似然率;所述最终出发时间是用户被预测需要开始行进的最后时间。响应于确定当前时间处于所预测时间的阈值时间量之内,所述***向与运输服务相关联的预约***发送针对与用于完成所述行程的运输服务相关联的车辆的预约请求。
Description
背景技术
计算设备的用户可以与按需运输服务(例如,在线出租车服务)进行交互以安排用于在位置之间行进的即时运输。例如,计算设备可以在用户要出发前往机场时生成警报。响应于所述警报,用户可以与在计算设备执行的应用进行交互来预订用于从当前位置去往机场的汽车。在短时间等候之后,汽车会到达上客位置并且该应用可以使得计算设备输出告知用户汽车在上客位置等候的通知。
虽然按需运输服务提供了一些便利(例如,价格、日程灵活度等),但是用户仍然需要记得以及时的方式与按需运输服务进行交互从而确保与该服务相关联的车辆将会按时到达上客位置并且从那里出发。根据交通和其它不可预见的情况,车辆在实际到达上客位置之前常常会出现延误。如果用户(例如,在他或她预订运输服务时)需要立即动身,则该附加的延误会妨碍甩按时到达最终目的地。
发明内容
在一个示例中,本公开针对一种方法,所述方法包括由计算***基于与计算设备的用户相关联的信息推断所述用户将需要通过从未来位置行进以便在未来时间前到达未来目的地以完成行程;由所述计算***选择所述用户能够用来完成行程的运输服务;并且由所述计算设备确定请求与用于完成行程的运输服务相关联的车辆的预测时间。在所述预测时间发送的对车辆的请求具有满足阈值的使得所述车辆在最终出发时间前到达未来位置的似然率程度;并且所述最终出发时间是用户被预测需要从所述未来位置开始行进以完成行程并且在所述未来时间前到达未来目的地的最后时间。所述方法进一步包括响应于确定当前时间处于请求车辆的预测时间的阈值时间量之内,由所述计算***向与运输服务相关联的预约***发送针对与用于完成行程的运输服务相关联的车辆的预约请求,响应于由所述计算***从所述预约***接收到指示所述预约请求能够被满足的确认,由所述计算***向所述计算设备发送通知用户所述车辆被安排在最终出发时间前到达未来位置的信息。
在另一个示例中,本公开针对一种计算***,所述计算***包括至少一个处理器;和至少一个模块,所述至少一个模块能够由所述至少一个处理器进行操作以基于与计算设备的用户相关联的信息推断所述用户将需要通过从未来位置行进以便在未来时间前到达未来目的地以完成行程;选择所述用户能够用来完成行程的运输服务;并且确定请求与用于完成行程的运输服务相关联的车辆的预测时间。在所述预测时间发送的对车辆的请求具有满足阈值的使得所述车辆在最终出发时间前到达未来位置的似然率程度,并且所述最终出发时间是用户被预测需要从所述未来位置开始行进以完成行程并且在所述未来时间前到达未来目的地的最后时间。所述至少一个模块能够由所述至少一个处理器进行操作以响应于确定当前时间处于请求车辆的预测时间的阈值时间量之内,向与运输服务相关联的预约***发送针对与用于完成行程的运输服务相关联的车辆的预约请求,并且响应于从所述预约***接收到指示所述预约请求能够被满足的确认,向所述计算设备发送通知用户所述车辆被安排在最终出发时间前到达未来位置的信息。
在另一个示例中,本公开针对一种包括指令的计算机可读存储介质,所述指令在被执行时使得计算***的至少一个处理器基于与计算设备的用户相关联的信息推断所述用户将需要通过从未来位置行进以便在未来时间前到达未来目的地以完成行程;选择所述用户能够用来完成行程的运输服务;并且确定请求与用于完成行程的运输服务相关联的车辆的预测时间。在所述预测时间发送的对车辆的请求具有满足阈值的使得所述车辆在最终出发时间前到达未来位置的似然率程度,并且所述最终出发时间是用户被预测需要从所述未来位置开始行进以完成行程并且在所述未来时间前到达未来目的地的最后时间。所述指令在被执行时进一步使得计算***的至少一个处理器响应于确定当前时间处于请求车辆的预测时间的阈值时间量之内,向与运输服务相关联的预约***发送针对与用于完成行程的运输服务相关联的车辆的预约请求,并且响应于从所述预约***接收到指示所述预约请求能够被满足的确认,向所述计算设备发送通知用户所述车辆被安排在最终出发时间前到达未来位置的信息。
一个或多个示例的细节在附图和以下描述中给出。本公开其它的特征、目标和优势将由于描述、附图以及权利要求而是显而易见的。
附图说明
图1是图示依据本公开的一个或多个方面的用于预测请求与运输服务相关联的车辆的时间的示例***的概念图。
图2是图示依据本公开的一个或多个方面的被配置为预测请求与运输服务相关联的车辆的时间的示例计算***的框图。
图3和4是图示依据本公开的一个或多个方面的由被配置为预测请求与运输服务相关联的车辆的时间的示例计算***所执行的示例操作的流程图。
图5是图示依据本公开的一个或多个方面的被配置为接收用于通知用户与运输服务相关联的车辆被安排为到最终出发时间前到达未来位置的信息的示例计算设备所执行的示例操作的流程图;
图6A和6B是是图示依据本公开的一个或多个方面的被配置为接收用于通知用户与运输服务相关联的车辆被安排为到最终出发时间前到达未来位置的信息的示例计算设备所呈现的示例图形用户界面的概念图。
具体实施方式
总体上,本公开的技术可以使得计算***能够(例如,基于计算设备的用户的日历信息、通信信息和其它信息)推断出用户何时可能需要“按需运输服务”(或者为了简短而简称为“运输服务”)以在位置间行进。按需运输服务的示例包括任意的运输服务,无论是商业所有的、私人所有的、公共所有的、政府所有的、军队所有的,还是由任何躯体实体所拥有和/或组织的,其对使用车辆(例如,汽车、铁路机动车、地铁机动车、电车、有轨电车、公交车、出租车、大巴、单轨、飞机、渡轮、船只、轮船、水上出租车、无人驾驶车辆,或者任意其它类型的运输车辆)将一个或多个乘客从一个地理位置载往另一个地理位置的个体请求作出响应。如本文所使用的,术语“按需运输服务”和“运输服务”是指将在用户选择的特定时间从用户的当前位置接到该用户并且将该用户送往该用户所选择的具***置的那些类型的运输服务。换句话说,不同于通常要求用户预先安排或预订坐席,并且前往与运输服务相关联的指定站点、车站或其它位置以在预先安排的出发时间达成该运输服务的车辆的其它类型的运输服务,按需运输服务在具***置、经常是即刻地或者在用户所选择的具体时间为用户提供车辆。例如,车辆可以是无人驾驶汽车(例如,由计算机或机器来驾驶),其在用户选择的位置和时间接到用户并且将他或她送往目的地。
在一些示例中,计算***可以预测联系运输服务的最佳时间并且请求与用于在位置间行进的运输服务相关联的车辆,从而增加车辆将按时到达上客位置并且准备将用户送往最终目的地的机会。在所预测的时间,该计算***可以自动和与运输服务相关联的预约***进行通信,并且代表用户预订运输服务。在一些示例中,该***可以基于计算设备的移动和/或位置信息来确定用户是否仍然想要行进至最终目的地,并且相应地预订或者避免预订运输服务。在一些示例中,该计算***可以随着有关用户和/或周边场境的信息的变换来调节预测时间。在任何情况下,该计算***都可以向计算设备发送信息以向用户警示在何时何地达成代表用户所安排的车辆。
贯穿本公开,描述了其中计算设备和/或计算***仅在计算设备接收到来自计算设备的用户的分析信息的许可的情况下才与计算设备和计算设备的用户相关联的信息(例如,场境、位置、速度、搜索查询等)进行分析的示例。例如,在以下所讨论的其中计算设备可以收集或者利用有关用户的个人信息的情形中,在计算设备或计算***能够收集或者可以利用与用户相关联的信息之前,用户可以被提供以提供输入以控制该计算设备和/或计算***的程序或特征是否能够收集并利用用户信息(例如,有关用户的当前位置、当前速度等的信息)或者规定该设备和/或***是否可以和/或可以如何接收可能与用户相关的内容进行控制的机会。此外,某些数据可以在其被存储或使用之前以一种或多种方式被加以处理,而使得无法针对用户确定个人可识别信息。例如,用户的身份可以被处理而使得无法确定有关该用户的个人可识别信息,或者可以在获得位置信息的情况下对用户的地理位置进行泛化处理(诸如处理为城市、ZIP码或州的级别)从而无法确定用户的特定位置。因此,用户可以对计算设备和计算***如何收集和使用有关该用户的信息加以控制。
图1是图示依据本公开的一个或多个方面的作为用于预测请求与运输服务相关联的车辆的时间的示例***的***100的概念图。***100包括经由网络130与运输服务器***(“TSS”)180和计算设备110进行通信的信息服务器***(“ISS”)160。ISS 160可以预测计算设备110的用户何时可能需要请求运输服务的车辆,并且在ISS 160预测为更可能恰好在用户需要的时间和地点产生车辆的时间通过TSS 180请求车辆。在请求车辆之后,ISS 160可以向计算设备110输出信息以便警示用户车辆已经被安排,正在路上,和/或已经到达将用户送往最终目的地的位置。
网络130表示任意公众或私有通信网络,例如蜂窝、WiFi和/或用于在计算设备之间传送数据的其它类型的网络。网络130可以一个或多个包括网络集线器、网络交换机、网络路由器等,它们互相操作耦合从而在ISS 160、TSS 180和计算设备110之间提供信息交换。计算设备110、TSS 180和ISS 160可以使用任意适当的通信技术跨网络130传送和接收数据。
ISS 160、TSS 180和计算设备110均可以使用相应的网络链接操作耦合至网络130。将计算设备110、TSS 180和ISS 160耦合至网络130的链接可以是以太网、ATM或其它类型的网络连接,并且这样的连接可以是无线和/或有线连接。
计算设备110表示个体的移动或非移动设备。计算设备110的示例包括移动电话、平板计算机、膝上计算机、台式计算机、服务器、大型机、机顶盒、电视机、可穿戴设备(例如,计算机化的手表、计算机化的眼镜、计算机化的手套等)、家用自动化设备或***(例如,智能恒温器或家庭助手)、个人数字助理(PDA)、便携式游戏***、媒体播放器、电子书阅读器、移动电视平台、汽车导航和娱乐***,或者被配置为经由诸如网络130的网络接收信息的任意其它类型的移动、非移动、可穿戴和非可穿戴计算设备。
计算设备110包括用户接口设备(UID)112和用户界面(UI)模块120。此外,计算设备110包括通知模块122。模块120-122可以使用驻留在相应计算设备110和/或在那里执行的软件、硬件、固件或者硬件、软件和固件的混合来执行所描述的操作。计算设备110可以利用多个处理器或多个设备来执行模块120-122。计算设备110可以将模块120-122作为在基础硬件上执行的虚拟机来执行。模块120-122可以作为操作***或计算平台的一种或多种服务来执行。模块120-122可以作为计算平台的应用层处的一个或多个可执行程序来执行。
计算设备110的UID 112可以充当计算设备110的输入设备和/或输出设备。UID112可以使用各种技术来实施。例如,UID 112可以用作使用存在敏感输入屏幕的输入设备,诸如电阻式触摸屏、表面声波触摸屏、电容触摸屏、投射电容触摸屏、压力敏感屏幕、声音脉冲识别触摸屏或者另一种存在敏感显示技术。此外,UID 112可以包括麦克风技术、红外传感器技术,或者用于在接收用户输入时使用的其它输入设备技术。
UID 112可以充当使用任意一种或多种显示设备的输出(例如,显示)设备,诸如液晶显示器(LCD)、点阵显示器、发光二极管(LED)显示器、有机发光二极管(OLED)显示器、电子墨水,或者能够向计算设备110的用户输出可视信息的类似单色或彩色显示器。此外,UID112可以包括扬声器技术、触觉反馈技术,或者用于在向用户输出信息时使用的其它输出设备技术。
UID 112均可以包括可以从计算设备110的用户接收触觉输入的相应的存在敏感显示器。UID 112可以通过检测来自用户的一个或多个手势(例如,用户利用手指或输入笔触碰或指向UID 112的一个或多个位置)而接收触觉输入的指示。UID 112例如可以在相应的存在敏感显示器向用户呈现输出。UID 112可以将输出呈现为与计算设备110所提供的功能相关联的图形用户界面(例如,用户界面114)。例如,UID 112可以呈现与查询模块122所提供的搜索功能或者在计算设备110执行或者能够从其访问的计算平台、操作***、应用和/或服务(例如,电子消息应用、互联网浏览器应用、移动或台式机操作***等)的其它特征相关的各种用户界面(例如,用户界面114)。
UI模块120可以管理用户与UID 112以及计算设备110的其它组件的交互。UI模块120可以使得UID 112在计算设备110的用户在UID 112观看输出和/或提供输入时输出诸如用户界面114(或者其它示例用户界面)的用户界面以便显示。UI模块120和UID 112可以在用户与用户界面交互时,在不同时间,以及当用户和计算设备110处于不同位置时接收来自用户的输入的一个或多个指示。UI模块120和UID 112可以解释在UID 112检测到的输入并且可以将有关在UID 112检测到的输入的信息中继至在计算设备110处执行的一个或多个相关联平台、操作***、应用和/或服务,例如使得计算设备110执行功能。
UI模块120可以从在计算设备110处执行的一个或多个相关联平台、操作***、应用和/或服务和/或诸如ISS 160和/或TSS 180的一个或多个远程计算***接收信息和指令。此外,UI模块120可以充当在计算设备110处执行的一个或多个相关联平台、操作***、应用和/或服务与计算设备110的各种输出设备(例如,扬声器、LED指示器、音频或静电触觉输出设备等)之间的中介从而利用计算设备110产生输出(例如,图形、灯光闪烁、声音、触觉响应等)。
在图1的示例中,用户界面114是与ISS 160所产生并且由计算设备110所访问的预测服务相关联的图形用户界面。如下文详细描述的,用户界面114包括图形信息(例如,文本、图像等),所述图形信息表示ISS 160预测计算设备110的用户可能需要关于ISS 160已经代表用户请求的车辆而向该用户进行警示的信息。用户界面114可以包括各种其它类型的图形指示,诸如计算设备110的用户可能需要关于ISS 160已经代表用户请求的车辆而向该用户进行警示的预测信息的视觉描绘。UI 120可以使得UID 112基于UI模块120经由网络130从ISS 160所接收的数据来生成用户界面114。UI模块120可以连同来自ISS 160的用于在UID 112处的用户界面114内呈现图形信息的指令一起作为来自ISS 160的输入而接收用于呈现用户界面114的图形信息(例如,文本数据、图像数据等)。
通知模块122执行计算设备110的通知管理相关的功能。通知模块122可以从在计算设备110执行的应用和服务接收信息(例如,通知数据),以及从ISS 160接收通知相关数据,并且作为响应可以向UI模块120输出信息的通知以便在UID 122进行呈现。通知模块120可以从ISS 160所提供并且由计算设备110所访问的预测服务接收通知数据。该预测服务可以向通知模块122发送通知数据,所述通知数据包括用于关于与ISS 160已经代表用户请求的与结合至TSS 180的运输服务相关联的车辆向计算设备110的用户进行警示的信息。通知模块120可以对从ISS 160所接收的车辆信息进行格式化,并且将经格式化的车辆信息的指示(例如,作为文本和/或图形图像)输出到UI模块120以便在UID 122进行呈现(例如,作为用户界面114)。
如贯穿本公开所使用的,术语“通知数据”被用来描述可以指示与在诸如计算设备110的一个或多个计算设备处的执行环境内执行的各种平台、应用和服务相关联的事件的发生的各种类型的信息。例如,通知数据可以包括但并不局限于指定诸如以下的事件的信息:与计算设备相关联的消息收发账户接收到通信消息(例如,电子邮件、即时消息、SMS等),与计算设备110相关联的社交网络账户接收到信息,与计算设备110的日历账户相关联的日历事件(会面、约会等),在计算设备110处执行的第三方应用所生成和/或接收的信息,在计算设备110处执行的平台、应用和/或服务的两个或更多组件之间的组件间通信的传送和/或接收,等等。除了包括有关诸如以上所描述的各种事件的具体事件的信息之外,通知数据可以包括嵌入在所述通知数据内的指定所述通知数据的各种特性的各种属性或参数。例如,通知数据可以包括指定所述通知数据的起源(例如,生成所述通知数据的平台、应用和/或服务)、优先级水平、输出与所述通知数据相关联的警示的时间或者其他特性的数据部分(例如,数位、元数据、字段等)。
ISS 160和TSS 180表示能够往来于诸如网络130的网络发送和接收信息的任意适当的远程计算***,诸如一个或多个台式计算机、膝上计算机、大型机、服务器、云计算***等。ISS 160托管预测***(或者至少针对其提供访问),所述预测***预测计算设备110的用户何时可能需要与运输服务相关联的车辆,并且TSS托管与ISS 160能够代表用户从其预约车辆的运输服务相关联的预约***(或者至少针对其提供访问)。
计算设备110可以经由网络130与ISS 160进行通信以访问ISS 160所提供的预测***,并且在这样做时间接地访问TSS 180所提供的预约***。在一些示例中,计算设备110可以经由网络130与TSS 180进行通信以直接访问TSS 180所提供的预约***。在一些示例中,ISS 160和/或TSS 180表示针对作为能够经由云访问的服务的预测和预约***提供访问的云计算***。
在图1的示例中,TSS 180包括预约模块182,所述预约模块182执行与预约服务相关的操作,TSS 180使得所述预约服务能够由ISS 160、计算设备110以及连接至网络130的其它计算设备所访问以便请求和预约与运输服务相关联的车辆。模块182可以使用驻留在TSS 180和/或在那里执行的软件、硬件、固件或者硬件、软件和固件的混合来执行所描述的操作。TSS 180可以利用多个处理器或多个设备将模块182作为在基础硬件上执行的虚拟机和/或作为操作***或计算平台的一种或多种服务来执行。在一些示例中,模块180可以作为在TSS 180上运行的计算平台的应用层处的一个或多个可执行程序来执行。
模块182可以执行用于调度和提供状态更新,以及处置与运输服务相关联的其它信息的操作。例如,TSS 180可以经由网络130接收针对与按需运输服务相关联的对车辆的请求。该请求可以指定车辆要接上计算设备110的用户以将该用户送往最终目的地的上客位置和上客时间。响应于该请求,TSS 180可以例如将该请求输入到工作台或者与关联于运输服务的一些其它调度***进行交互以便通知与所请求的上客时间和位置的运输服务相关联的驾驶员来调度车辆。TSS 180可以通过响应于确定车辆能够在所请求时间处于上客位置而经由网络130发送确认来对该请求作出响应,所述确认指示预约请求能够能够得到满足。
在图1的示例中,ISS 160包括场境模块162和预测模块164。模块162和164共同提供能够由计算设备110以及连接至网络130的其它计算设备所访问预测服务,以便预测计算设备110的用户何时可能需要与运输服务相关联的车辆。模块162和164可以使用驻留在ISS160和/或在那里执行的软件、硬件、固件或者硬件、软件和固件的混合来执行所描述的操作。ISS 160可以利用多个处理器或多个设备将模块162和164作为在基础硬件上执行的虚拟机和/或作为操作***或计算平台的一种或多种服务来执行。在一些示例中,模块162和164可以作为在ISS 160上的计算平台的应用层处的一个或多个可执行程序来执行。
ISS 160的场境模块162可以处理并分析与计算设备110相关联的场境信息以定义计算设备110的场境。计算设备110的场境可以指定与计算设备110的用户以及他或她在各个位置和时间的物理和/或虚拟环境相关联的一种或多种特性。例如,场境模块162可以作为计算设备110的场境而基于来自特定时间的与计算设备110相关联的场境信息而确定在该特定时间与计算设备110相关联的物理位置。随着场境信息变化(例如,基于指示随时间移动的传感器信息),场境模块162可以更新所确定的计算设备110的场境中的物理位置。
针对特定位置和/或时间定义计算设备的场境的信息的类型过多而无法列举。作为一些示例,计算设备的场境可以指定:在各个位置和时间的位置、移动轨迹、方向、速度、设施的名称、接到名称、场所类型、建筑物、天气条件和交通条件。计算设备的场境可以进一步包括定义与各种位置和时间相关联的会面或事件的日历信息,在各种位置和时间观看的网页地址,在各种位置和时间观看的网页的数据字段中进行的文本输入(例如,搜索或浏览历史),以及与各种位置和时间相关联的其它应用使用数据。计算设备的场境可以进一步包括有关计算设备在各个位置和时间所访问的音频和/或视频流,计算设备在各个位置和时间所访问的电视或有线/卫星广播的信息,以及与计算设备在各种位置和时间所访问的其它服务有关的信息。
如贯穿本公开所使用的,除了计算设备的用户在特定时间所采取的一个或多个可观察到的物理或虚拟动作之外,术语“场境信息”被用来描述能够被诸如ISS 160和计算设备110的计算***和/或计算设备用来定义与计算设备和/或计算设备的用户相关联的一个或多个物理和/或虚拟环境特性的信息。换句话说,场境信息表示能够被计算设备和/或计算***用来确定“用户场境”的任意数据,所述用户场境指示形成用户在特定时间针对特定位置所经历的虚拟和/或物理体验的环境。场境信息的示例包括过往、当前和未来的物理位置,移动的程度,与移动相关联的变化量级、天气条件、交通条件、行经模式、移动模式、应用使用、日历信息、购买历史、互联网浏览历史等。在一些示例中,场境信息可以包括诸如计算设备110的计算设备的一个或多个传感器(例如,陀螺仪、加速计、接近传感器)所获得的传感器信息,从计算设备的一个或多个通信单元和/或无线电(例如,全球定位***(GPS)、蜂窝、Wi-Fi)所获得的无线电传输信息,计算设备的一个或多个输入设备(例如,相机、麦克风、键盘、触摸板、鼠标)所获得的信息,以及网络/设备标识符信息(例如,网络名称、设备互联网协议地址)。在一些示例中,场境信息可以包括通信信息,诸如从电子邮件消息、文本消息、语音邮件消息或语音对话、日历条目、任务列表、社交媒体网络相关信息所得出的信息,以及与用户或计算设备相关的能够支持用户场境的确定的任意其它信息。
场境模块162可以保存与计算设备110的用户相关联的过往和未来场境历史。场境模块162可以登记和记录计算设备110在过往的各种位置和时间的先前场境,并且可以从先前记录的场境计划或推断计算设备在各种未来位置和未来时间的未来场境。场境模块162可以将未来的日期和未来的时间与先前的日期和时间重复出现的场境相关联,从而构建与计算设备110的用户相关联的未来场境历史。
例如,计算设备110的过往场境历史中所包含的信息可以将用户在该用户的典型工作周的期间的位置指示为该用户沿着往来于工作位置和家庭位置的典型路线性行进。基于过往场境历史,场境模块162可以产生包括指示用户在未来一周期间的预期位置的信息,所述预期位置对在过往场境历史中所记录的实际位置进行了镜像。此外,场境模块162可以在场境历史中包括附加信息,例如有关用户通常要从不同位置行走多远,在不同位置间驾车。换句话说,该信息可以被用来推断出优选行走距离优于用户的优选驾驶距离。
场境模块162可以利用存储在电子日历上的信息或者从与计算设备110相关联的其它通信信息所挖掘的信息对与计算设备110的用户相关联的未来场境历史进行补充。例如,电子日历可以包括与在用户通常在家的时间的未来时间或日期发生的事件或预约相关联的位置。不同于将该事件的未来时间或日期期间的家庭位置包括为未来场境历史或者能够的预期位置,场境模块162可以推断出该用户将会参与该事件并且将事件位置包括为该事件的未来时间或日期期间的预期位置。
场境模块162可以与预测模块164共享过往和未来的场境历史,并且预测模块164可以使用该过往和未来的位置历史来更好地预测、推断或确认计算设备的用户何时可能需要请求按需运输服务从而行进至未来目的地。场境模块162可以通过向预测模块164输出指定计算设备110的当前或未来场境的数据而对来自ISS 160的预测模块164的针对与计算设备110相关联的当前场境和/或与计算设备110相关联的未来场境的请求作出响应。
基于场境模块162所确定的过往、当前和未来场境,ISS 160的预测模块164可以针对每种不同的情形学习和预测诸如计算设备110的计算设备的用户可能执行的过往、当前和未来动作。例如,预测模块164可以基于计算设备110的未来场境确定计算设备110的用户何时可能需要与运输服务相关联的车辆。预测模块164可以确定在未来场境中的两个位置之间的距离大于用户行走的典型距离以及小于用户飞行或搭乘火车的典型距离时,该用户可能需要按需运输服务以便在两个位置间行进。预测模块164可以将有关预测的信息输出至计算设备110(例如,用于最终向用户呈现)。例如,预测模块164可以在已经代表用户预订了与运输服务相关联的车辆时向计算设备110发送使得计算设备110警示用户的数据。
预测模块164相对于附加的附图更为详细地进行描述。概言之,预测模块164可以使用机器学习和/或其它人工智能技术来学习并建模计算设备110和其它计算设备的用户通常针对不同场境所采取的动作。通过学习和建模针对不同场境的动作,预测模块164可以生成一种或多种用于预测计算设备110的用户针对不同场境所采取的动作的规则。例如,预测模块164可以基于从场境模块162所接收到当前场境来预测用户正在针对当前场境做什么,并且能够基于从场境模块162所接收的未来场境来预测用户将针对未来场境做什么。
作为一个示例,预测模块164可以推断出在计算设备110在特定日期沿着特定行进路线移动时,用户是在“驾车上班”或“通勤回家”。作为另一个示例,预测模块164可以确定在计算设备110在秋冬季节的周日下午位于用户的起居室中时,用户是在收看特定低于广播。作为又另一个示例,预测模块164可以预测在计算设备110在一天中的深夜或清晨的期间长时间静止时,用户是在睡觉。作为另一个示例,预测模块164可以预测在计算设备在机场排队时,用户是在移动通过安检闸口。并且作为又另一个示例,预测模块164可以预测在计算设备110在一天中的特定时间在工作位置从一段楼梯向下移动时,用户是在前往下一个安排的会面。
通过学习和建模用户可能针对未来场境采取的动作,预测模块164可以确定可能在成功执行未来动作时对计算设备110的用户有所辅助的有用信息。预测模块164可以自动向计算设备110的通知模块122输出通知数据或其它信息以便向用户警示有关预测的信息。例如,预测模块164发送至通知模块122的信息可以导致计算设备110在UID 112输出图形用户界面114。
依据本公开的技术,ISS 160可以基于与计算设备110的用户相关联的信息而推断出该用户将需要通过从未来位置行进从而在未来时间前到达未来目的地来完成行程。例如,场境模块162可以从电子邮件消息、电子日历和/或所获得的有关计算设备110的用户的其它信息确定计算设备110的未来场境使得用户在给定工作日的6PM处于特定餐厅的位置。场境模块可以进一步基于计算设备110的场境历史确定计算设备110的用户在该特定工作日通常在他或她的家去工作直至5:30PM。预测模块164可以接收到场境模块162所确定的两个未来场境并且确定用户将可能需要进行一个行程并且从他或她的家行进以在6PM前到达该餐厅的位置。
ISS 160可以选择用户能够用来完成该行程的运输服务。例如,预测模块164可以确定该餐厅的位置处于用户从他或她的家步行行进的典型距离之外并且处于该用户可能采用按需运输服务(例如,大巴、出租车等)的典型距离之内。相应地,预测模块164可以确定该用户将想要采用运输服务来完成去往该餐厅位置的行程。
ISS 160确定请求与用于完成该行程的运输服务相关联的车辆的预测时间。特别地,预测模块164可以确定最终出发时间为预测用户需要从未来位置(例如,家)开始行进以完成行程并且到未来时间(例如,6PM)前到达未来位置(例如,餐厅的位置)的最后时间。使用最终出发时间作为引导,预测模块164可以预测请求与按需运输服务相关联的车辆的时间,而使得该请求在具有使得车辆在最终出发时间前到达未来位置的满足阈值(例如,百分之九十、百分之五十、大于零的分数、正分数等)的似然率程度(例如,被定义为分数、概率或百分比)的预测时间被发送。换句话说,ISS 160可以预测联系TSS 180的最佳时间以增加与运输服务相关联的车辆在用户需要的时间和地点就位并等待用户的机会。
例如,预测模块164可以确定用于预订运输服务的时间窗口,所述时间窗口将会确保用户在其想要或需要开始行进时有车辆在等候。预测模块164可以将家庭和餐厅位置输入到基于规则的模型或导航规则中,从而确定家庭位置和餐厅位置之间的估计行进时间(例如,二十分钟)。为了确定预测时间,预测模块164可以从预测模块164确定用户需要处于未来位置的未来时间减去该估计行进时间,并且进一步减去请求的与运输服务相关联的车辆在该特定时间所经历的通常等候时间。例如,预测模块164可以确定估计行进时间仅为二十分钟,但是由于与运输服务相关联的车辆在工作日的5PM和6PM之间通常要用五到十分钟抵达用户的家附近的上客位置,所以请求应当在5:30PM而不是5:40PM被发送至TSS 180,从而允许所请求的车辆有充足的时间按时到达上客位置。
在一些示例中,预测模块164可以更新预测时间。例如,预测模块164可以进一步基于其它考虑来调节所预测的请求时间,所述考虑诸如用户搭乘车辆的时间,避免价格上涨、避开车辆不太多时的繁忙时段,避免交通变化或针对其进行调节,避免反复交通拥堵或针对其进行调节,等等。
作为预测模块164更新预测时间的附加示例,场境模块162可以提供有关用户的场境的附加信息、更新的交通信息、更新的天气信息,以及能够改变预测模块164为了确定请求车辆的最佳时间所使用的规则的输出的其它信息。例如,在预测模块164已经确定了预测时间之后,如果沿车辆的预期行进路线发生了事故,则预测模块164可以基于来自场境模块162的经更新信息而预测出该用户将需要早点离开并且因此调节预测时间以允许更多的行进时间。
响应于确定当前时间处于请求车辆的预测时间的阈值时间量之内,ISS 160可以向预约模块182发送针对与用于完成行程的运输服务相关联的车辆的预约请求。例如,在预测时间之前,预测模块164可以自动(即,没有用户介入)对用于TSS 180的通信消息进行格式化以包括针对将用户从他的家中送至餐厅的车辆的请求的指示(例如,数据)并且将该请求发送至预约模块182。在一些示例中,预测模块164可以在预测时间发送请求,并且在其它示例中,预测模块164可以在预测时间之前或之后的阈值时间量(例如,数秒钟、数分钟、数小时、数日等的一个或多个)之内发送该请求。
响应于接收到来自预约模块182的指示预约请求能够被满足的确认,ISS 160能够向计算设备110发送用于通知用户车辆被安排在最终出发时间前到达未来位置的信息。例如,预测模块164可以从TSS 180接收指示车辆被预订并且已经在路上的数据。该数据可以包括用户家庭位置的预期到达时间的指示。预测模块164可以向计算设备110发送通知信息以使得计算设备110关于所安排的车辆向用户进行警示。例如,该通知信息可以使得计算设备110在用户应当出门并乘车的时候呈现用户界面114。该用户界面可以包括指明“we havearranged a car for you to take from your current location to the location ofyour next meeting—begin traveling to the front entrance to meet the car atthe curb.(我们已经为您安排了车辆将您从当前位置送往您的下一个会面的位置——请开始前往前入口以在路边乘车)”的示例文本。
因此,使用如本文所描述的示例***所提供的示例预测服务的计算设备的用户不再需要记得要预订按需交通服务前往最终目的地。此外,即使用户在他或她准备动身时记起要预订按需运输,用户也无需担心可能会导致车辆延迟到达上客位置或者以另外妨碍用户按时到达最终目的地的不可预见的情形或者被它所影响。依据本公开的教导的示例计算***可以在没有用户介入的情况下自动确定用户是否将需要预订按需运输服务,并且如果是,则该计算***将自动在预测时间预约服务,所述预测时间增加了车辆将足够早地到达而使得用户将按时抵达最终目的地的机会。结果,用户甚至不需要关心他或她是否需要预订运输;***将自动预订运输而使得用户可以不太紧张并且花费较少的时间来进行行程安排。
通过恰好在适当的时间自动安排用户的按需行程,示例***可以使得计算设备能够接收更少的来自用户的针对信息的搜索以及预订按需运输的输入。由于来自用户的输入较少,所以与仅为***提供了人工预订按需运输的能力的其它***相比,示例***可以使得计算设备能够节省能量并且使用较少的电池电力。
图2是图示依据本公开的一个或多个方面的作为被配置为预测请求与运输相关联的车辆的时间的示例计算***的ISS 260的框图。ISS 260是图1的ISS 160的更为详细的示例并且在下文在图1的***100的场境下进行描述。图2仅图示了ISS 260的一个特定示例,并且ISS 260的许多其它示例可以在其它实例中使用,并且可以包括示例ISS 260中所包括组件的子集或者可以包括并未在图2中示出的附加组件。
ISS 260为计算设备110提供了一种通道,诸如计算设备110的计算设备可以通过所述通道访问预测服务以便自动管理按需运输的车辆从而确保该运输服务的车辆在用户需要开始行进前往最终目的地时在预订上客位置准备就绪并等候。如图2的示例所示,ISS260包括一个或多个处理器270、一个或多个通信单元272,以及一个或多个存储设备274。ISS 260的存储设备274包括场境模块262和预测模块264。在预测模块264内,存储设备274包括运输模块266。如果没有更多,则模块262和264至少包括分别与图1的模块162和164相同的功能。
ISS 260的存储设备274进一步包括用户信息数据存储268A、场境历史数据存储268B、规则数据存储268C和运输服务数据存储268D(统称为“数据存储268”)。通信信道276可以将组件270、272和274中的每一个互连以便进行组件间的通信(物理地、通信地和/或操作地)。在一些示例中,通信信道276可以包括***总线、网络连接、过程间通信数据结构,或者用于通信数据的其它方法。
ISS 260的一个或多个通信单元272可以通过在诸如图1的网络130的一个或多个网络上传送和/或接收网络信号而与诸如图1的计算设备110的外部计算设备进行通信。例如,ISS 260可以使用通信单元272跨网络130传送和/或接收无线电信号以与计算设备110和/或TSS 180交换信息。通信单元272的示例包括网络接口卡(例如,诸如以太网卡)、光学收发器、射频收发器、GPS接收器,或者能够发送和/或接收信息的任意其它类型的设备。通信单元272的其它示例可以包括短波无线电、蜂窝数据无线电、无线以太网无线电,以及通用串行总线(USB)控制器。
存储设备274可以存储信息以便在ISS 260的操作期间进行处理(例如,ISS 260可以存储模块262、264和266在ISS 260处执行的期间所访问的数据)。在一些示例中,存储设备274是临时存储器,这意味着存储设备274的主要用途并不是长期存储。ISS 260上的存储设备274可以被配置作为易失性存储器而用于信息的短期存储,并且因此在被关机时并不保留所存储的内容。易失性存储器的示例包括随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM),以及本领域已知的其它形式的易失性存储器。
在一些示例中,存储设备274还包括一个或多个计算机可读存储介质。存储设备274可以被配置为存储比易失性存储器更大量的信息。存储设备274可以进一步被配置作为非易失性存储器空间而用于信息的长期存储并且在开/关机循环之后保留信息。非易失性存储器的示例包括磁性硬盘、光盘、软盘、闪存,或者为电可编程存储器(EPROM)或电可擦除且可编程存储器(EEPROM)的形式。存储设备274可以存储与模块262、264和266相关联的程序指令和/或数据。
一个或多个处理器270可以在ISS 260内实施功能和/或执行指令。例如,ISS 260上的处理器270可以接收并执行存储设备274所存储的指令,所述指令执行模块262、264和266的功能。处理器270所执行的这些指令可以使得ISS 260在程序执行的期间在存储设备274内存储信息。在给定其它计算设备的其它用户针对相同场境的先前动作的情况下,处理器270可以执行模块262、264和266的指令以预测计算设备的用户是否将能够针对各种场境采取未来动作,并且将基于该预测的信息自动提供至其它计算设备。也就是说,模块262、264和266能够由处理器270进行操作以执行本文所描述的ISS 270的各种动作或功能。
在数据存储268所存储的信息可以是可搜索的和/或是被归类的。例如,一个或多个模块262、264和266可以提供从一个或多个数据存储268请求信息的输入,并且响应于该输入而接收存储在数据存储268的信息。信息服务器***260可以向诸如计算设备110的连接至网络130的设备提供针对存储在作为基于云的数据访问服务的数据存储268处的信息的访问。当数据存储268包含与个体用户相关联的信息时或者当该信息跨多个用户被泛化时,诸如姓名、地址、电话号码和/或电子邮件地址之类的将信息链接回到个人的所有个人可识别信息都可以在被存储在信息服务器***260之前被移除。信息服务器***260可以进一步对存储在数据存储268的信息进行加密以防止针对其中所存储的任何信息的访问。此外,信息服务器***260可以仅在计算设备的用户确定同意这样的信息收集的情况下才存储与那些用户相关联的信息。信息服务器***260可以进一步为用户提供撤销同意的机会,并且在这种情况下,信息服务器***260可以停止收集或以其它方式保留与该特定用户相关联的信息。
数据存储268A表示用于存储与诸如图1的计算设备110的计算设备的用户相关的可搜索信息的任意适当存储介质。用户信息数据存储268A和运输服务数据存储268C可以主要由预测模块264来管理,并且可以是通常由场境模块262所管理的场境历史数据存储268B的一部分或者与之分离。
用户信息数据存储268A可以包括对与诸如图1的计算设备110的计算设备的个体用户相关联的不同类型的信息进行组织的一个或多个可搜索数据库或数据结构。在一些示例中,用户信息数据存储268A包括与用户搜索历史、电子邮件消息、基于文本的消息、语音消息、社交网络信息、照片、应用数据、应用使用信息、购买历史相关的信息,以及与用户或者用户与诸如计算设备110的计算设备的交互相关联的任意和全部其它信息。存储在数据存储268A处的用户信息可以是可搜索的。例如,场境模块262可以向数据存储268A中提供特定日期和/或一天中的时间作为输入,并且接收作为输出的与该输入相关的用户信息。例如,场境模块262可以提供特定一天作为输入,并且接收与计算设备110的用户的预订确认电子邮件中所指示的航班有关的信息。或者,作为另一个示例,场境模块262可以接收关键词查询(例如,字符串)的指示并且输出与该关键词相关联的预约、购买。
数据存储268B表示用于存储可搜索场境历史的任意适当存储介质,所述可搜索场境历史包括按照日期和时间组织的场境信息(例如,位置、一天中的时间、天气信息、交通信息、导航信息、设备状态信息、用户信息等)。数据存储268B可以包括过往场境历史和/或未来场境历史。信息服务器***260特别是场境模块262可以收集与诸如计算设备110的计算设备相关联的场境信息,并且将所收集的场境信息存储在数据存储268B。场境模块262可以依赖于存储在场境历史数据存储268B的信息来确定用户或者诸如计算设备110的计算设备的场境。
数据存储268C可以存储(例如,与预测模块264相关联的机器学习***或人工智能***的)用于预测计算设备的用户可能针对各种场境所采取的动作的规则,以及用来增加用户将可能完成预测动作的似然率程度或提高其几率的其它信息。数据存储268C可以接收场境作为输入并且提供用户在该场境中所采取的预测动作作为输出。例如,输入用户针对特定一天的未来场境可以导致数据存储268C输出该用户将会在特定的这天需要按需运输服务的指示。
数据存储268C可以存储用于确定ISS 260需要针对用户作出预测并且向用户提供信息所需要的时间、位置和其它信息的其它规则,从而增加用户将能够完成所预测动作的似然率程度。例如,响应于将用户将需要在特定一天搭乘按需运输的指示输入到数据存储268C,数据存储268C可以输出具有使得与运输服务相关联的车辆到未来场境所定义的最终出发时间前到达未来场境所定义的未来位置的满足阈值(例如,大于百分之五十等)的似然率程度的所预测时间的指示。
运输服务数据存储268D可以存储与计算设备的用户可以用来在位置间行进的按需信息服务相关的信息。数据存储268D中所包括的信息包括但并不局限于时间相关信息(例如,在不同日历日针对各个地理地区的典型响应时间)、运输成本,服务的不同类别或级别和相关联成本以及与其中每一个相关联的响应时间,以及其它信息。存储在数据存储268D的其它信息可以包括各个位置之间的预测行程持续时间,位置间的预测行进路线,按需运输服务的市场价格波动,以及与按需运输服务相关的其它信息。预测模块264可以依赖于存储在规则数据存储268C的信息以及存储在运输服务数据存储268D的信息来向诸如计算设备110的计算设备的用户提供预测的按需运输服务。
运输模块266可以响应于来自预测模块264的针对运输服务相关信息的请求而访问存储在运输服务数据存储268D的信息。例如,在评估请求与按需运输服务相关联的车辆的时间时,预测模块264可以向运输模块266查询与用于完成两个位置之间的行程的按需运输服务相关联的两个地理位置之间的估计行程持续时间。响应于该请求,运输模块266可以为预测模块264提供存储在数据存储268D的对该请求作出应答的信息(例如,距离、行进的时间等)。
在向按需运输服务发送预约请求之后,在与按需运输服务相关联的车辆被预测到达未来位置之前,预测模块264可以向运输模块266查询与按需运输服务相关联的估计预订延迟。响应于该请求,在针对该对车辆的请求被提交至运输服务的预约***之后,运输模块266可以为预测模块264提供在与按需运输服务相关联的车辆到达未来位置之前通常过去的时间量。
预测模块264可以向运输模块266查询通常与关联于运输服务的价格上涨相关联的时段。响应于该请求,运输模块266可以向预测模块264提供避免预订按需运输服务的各种时间和日期,从而避开价格上涨。
在操作中,ISS 260可以基于与计算设备的用户相关联的信息推断出该用户将需要通过从未来位置行进从而在未来时间前到达未来目的地来完成行程。例如,预测模块264可以接收与计算设备110的用户和相关联的两个未来场境的指示。这两个未来场境中的第一个可以指示用户将结束在用户的电子日历中提到的工作会面,并且这两个未来场境中的第二个可以指示该用户一小时后将在城市另一端的位置开始会面。
预测模块264可以向运输模块266查询两个位置之间的行进信息。运输模块266可以向数据存储268D查询估计行进距离、估计行进持续时间,以及与在两个位置之间使用按需运输服务的行程相关的其它信息,并且将该信息发送至预测模块264。预测模块264可以确定最终目的地的位置大于距其它未来位置的最小距离阈值(例如,两个街区、半英里、半公里等),并且小于距其它未来位置的最大距离阈值(例如,100英里、200公里等)。特别地,该最小距离阈值可以至少部分基于用户通常步行前往的第一最大距离(例如,数个街区、大约一英里或者几公里),并且该最大距离阈值可以至少部分基于用户通常驾车前往的第二最大距离(例如,数英里或公里)。该最大和最小阈值可以基于场境历史信息,所述场境历史信息包括位置历史以及与用户通常在位置之间步行和驾车多远相关的附加信息。只要两个位置之间的距离落入最大和最小距离阈值之间,预测模块164就可以确定该用户将想要在这两个位置之间搭乘按需行进服务。
ISS 260可以选择用户能够用来完成行程的运输服务。例如,在确定用户将会想要搭乘按需行进服务之后,预测模块264可以向运输模块266查询与能够在未来位置之间搭载用户并且将用户按时送往最终目的地的不同按需运输服务相关的信息。运输服务模块没266可以向数据存储268D查询与能够完成该行程的运输服务相关的信息。在一些示例中,运输模块266可以根据价格、满意水平等以及在数据存储268D存储的信息所指示的其它特性对各种运输服务进行排名。运输服务模块266可以将各种可用的运输服务以及它们相关联的排名发送至预测模块264。预测模块264可以基于运输服务模块266所提供的信息选择一种运输服务。在一些示例中,预测模块264可以从用户能够用来完成行程的一种或多种可用服务中选择作为最低成本服务的服务。例如,预测模块264可以访问两种或更多不同按需运输服务的定价信息,并且比较两种或更多服务的定价并自动选择具有最低价格的服务。
ISS 260可以确定请求与用于完成行程的运输服务相关联的车辆的预测时间,其中在所述预测时间发送的对车辆的请求具有满足阈值的使得所述车辆在最终出发时间前到达未来位置的似然率程度,并且该最终出发时间是用户被预测需要从所述未来位置开始行进以完成行程并且在未来时间前到达未来目的地的最后时间。例如,预测模块264可以从以上所指示的两个未来场境中的第一个确定在用户的电子日历中提到的工作会面在第一时间结束,并且在工作日历中提到的第二会面在第二时间开始,并且确定在第一时间和第二时间之间有大约一小时。
根据从运输模块266获得的信息,预测模块264可以确定在用户将需要行进时与两个会面之间的按需运输服务相关联的估计行程持续时间大约是四十分钟。此外,根据从运输模块266获得的信息,预测模块264可以确定所选择的运输服务在用户将需要行进时通常花费半小时到达第一位置(例如,上客位置)以将用户送往第二位置。因此,预测模块264可以确定针对按需运输服务的请求可以在用户需要到达第二位置之前的至少一小时十分钟被发送至TSS 180。预测模块264可以通过甚至早于会面之前的一小时十分钟向按需运输服务发送请求而确定用户甚至更可能及时到达第二位置进行会面(例如,多达且包括一个半小时,从而使得车辆在第一会面结束时到达上客位置)。
在一些示例中,预测模块264可以通过确定预测时间在被确定与和运输服务相关联的市场价格上涨相关联的时段内重叠(coincide),并且调节预测时间以避开该时段而确定请求车辆的预测时间。换句话说,预测模块264在向TSS 180发送请求之前可以向运输模块266查询预测时间(例如,第二会面之前的一个半小时)是否与按需运输服务的涨价时段重叠的指示。涨价时段可以是一天中对于按需运输服务的需求超过可用性并且因此在该涨价时间预订服务的价格明显比在较早或较晚时间预订类似服务更高的某个时间。运输模块266可以保存各种可用服务随时间变换的价格历史,包括预测未来时段何时将与涨价时段重叠的预测(例如,在许多人返回家中的假日时段期间,在交通高峰期间,在平均交通时间期间等)。响应于运输模块266提供指示预测时间确实与涨价情形重叠的信息,预测模块264可以调节预测时间以避开涨价。例如,预测模块264可以较早或较晚请求车辆,同时仍然尝试满足将用户按时送往第二会面的要求。
在一些示例中,响应于确定预测时间在通常与关联于运输服务的市场价格上涨相关联的时段内重叠,ISS 160可以选择特定类型的按需运输服务来获得运输服务的最低价格。例如,预测模块264可以从用户信息数据存储268A确定计算设备110的用户通常使用与按需运输服务相关联的经济级别的服务。就预期行进时间是否与涨价条件重叠而与运输模块266协商时,预测模块264可以进一步根据服务级别针对估计行进时间来确定各种按需服务。响应于确定比用户通常采用的服务更高或更低类别的服务的价格明显更低(例如,低一个点数,或者低一些其它预订量),或者响应于确定不同服务级别更可能按时到达上客位置,预测模块164可以在通过TSS 180请求与按需行进服务相关联的车辆时指定不同级别的服务。
在任何情况下,响应于确定当前时间处于请求车辆的预测时间的阈值时间量以内,ISS 160可以向与运输服务相关联的预约***发送针对与用于完成行程的运输服务相关联的对车辆的预约请求。例如,预测模块264可以在第二会面之前的一个半小时向TSS180发送信息。该信息可以包括针对与通过TSS 180所提供的运输服务相关联的对车辆的请求。TSS 180可以接收该请求并且立即将车辆派往上客位置。
响应于从预约***接收到指示预约请求能够被满足的确认,ISS 160可以向计算设备发送信息以便通知用户车辆被安排在最终出发时间前到达未来位置。例如,在向TSS180发送请求之后,预测模块264可以接收指示车辆正在路上以及预计到达时间的确认消息。ISS 160可以向计算设备110发送有关前来车辆的信息,这使得通知模块122和UI模块120关于车辆的即将到达向计算设备110的用户进行警示。
图3和4是图示依据本公开的一个或多个方面的由被配置为预测请求与运输服务相关联的车辆的时间的示例计算***所执行的示例操作300-430的流程图。图3和4在下文在图1的***100的场境下进行描述。例如,依据本公开的一个或多个方面,ISS 160可以执行操作300-430。
如图3所示,在操作中,ISS 160可以推断出计算设备110的用户将需要通过从未来位置行进从而在未来时间前到达未来目的地来完成行程(300)。例如,预测模块164可以从场境模块162接收与计算设备110的用户相关联的指示该用户将需要在机场降落后的两个小时进行会面的电子邮件或电子日历。
ISS 160可以确定最终目的地距未来位置是否大于最小阈值距离且小于最大阈值距离(310)。例如,预测模块164可以确定用户或其它用户通常在目的地之间步行的典型距离,并且确定会面的位置大于该用户或其它用户通常步行行进从机场离开的典型距离。此外,预测模块164可以确定该用户或其它用户通常避开按需运输服务的典型距离(例如,由于使用按需运输服务的长距离行进在成本上可能是不允许的),并且确定会面的位置小于该用户或其它用户通常避开以按需运输服务从机场离开的典型距离。
ISS 160可以选择用户能够用来完成行程的运输服务(320)。例如,预测模块164可以搜索导航数据库或者在互联网上搜索与从机场出发的可用按需运输服务相关的信息,并且选择一种可用的运输服务。
ISS 160可以确定要请求与用于完成行程的运输服务相关联的车辆的预测时间(330)。例如,预测模块164可以使用基于规则的算法来确定请求与用于完成行程的运输服务相关联的车辆的预测时间,所述预测时间增加了车辆在用户需要它前往会面时将会出现增加机场的似然率。预测模块164可以确定与按需运输服务相关联的车辆通常距机场仅有五分钟,并且因此推断出请求车辆的最佳时间是在预计用户要离开机场(例如,在经过行李认领并通过下客程序之后)之前的五分钟。预测模块164从一种或多种规则确定其它用户在飞机降落在机场后通常花费十分钟在按需车辆的位置离开机场,并且因此确定请求车辆的最佳时间是搭载用户的飞机降落之后的五分钟。
ISS 160可以确定当前时间是否处于预测时间的阈值时间量之内(340)。例如,预测模块164可以将针对按需运输服务的请求进行排队,但是并不发送请求直至恰好在预测时间之前或者紧随其后。预测模块164可以定期更新预测时间(例如,基于搭载用户的飞机的航班状态的变化,市场定价的变化,等等)。
响应于确定当前时间处于预测时间的阈值时间量之内,ISS 160可以针对与运输服务相关联的车辆发送预约请求(350)。例如,响应于确定预测时间处于预测时间的阈值时间量(例如,一分钟等)之内(例如,正或负),预测模块164可以向TSS 180发送针对车辆的请求,所述TSS 180可以使得预约模块182为用户派遣前往机场的车辆。
ISS 160可以从预约***接收指示预约能够被满足的确认(360)。例如,在派遣车辆之后,TSS 180可以利用有关车辆的预计到达时间和上客位置的信息对来自预测模块164的请求进行回复。
响应于接收到该确认,ISS 160可以向计算设备110发送信息以便通知用户车辆被安排到达未来位置(370)。例如,预测模块164可以提供通知模块122格式化的信息,并且使得UI模块120输出向计算设备110的用户警示前来车辆的通知以便在UID 112进行显示来作为预测服务的一部分。响应于查看、感觉或收听到该通知,计算设备110的用户可以开始步行经过机场前去乘车。
在一些示例中,在发送预约请求之前,ISS 160可以向计算设备发送确认用户要进行行程的请求。在一些示例中,确认用户要进行行程的指示包括响应于该请求而从计算设备接收到的确认。例如,预测模块164可以使得计算设备110通过输出警示来警告用户,该警示请求来自用户的预订与运输服务相关联的车辆的许可。响应于接收到来自用户的授权车辆预订的输入,计算设备110可以向ISS 160发送确认请求车辆的授权的信息。
图4是图3的操作320的更加详细的示例。如图4所示,ISS 160可以通过执行操作400-430来确定请求与按需运输服务相关联的车辆的预测时间。
ISS 160可以确定与用于完成行程的运输服务相关联的估计行程持续时间(400)。例如,预测模块164可以使用经由互联网访问的导航服务来确定按需运输服务所提供的类型的车辆完成从机场到会面位置的行程通常所花费的估计持续时间。
ISS 160可以基于估计行程持续时间而将最终出发时间确定为用户被预测需要从未来位置开始行进以完成行程并且在未来时间前到达未来目的地的最后时间(410)。例如,预测模块164可以确定与按需运输服务相关联的车辆平均花费大约一小时从机场去往会面的位置,并且因此将预计“最终出发”时间确定为会面开始前的一个小时。
在发送预约请求之后,在车辆被预测到达未来位置之前,ISS 160可以基于最终出发时间确定估计预订延迟(420)。例如,预测模块164可以从机器学习***的一种或多种规则确定,在会面前一小时发送请求时,所使用的车辆的按需运输服务通常在请求通常在请求后五分钟内对机场做出响应,所述规则基于之前所观察到的其它用户的行程。
ISS 160可以将预测时间确定为相比最终出发时间早至少所估计的预订延迟(430)。例如,为了确保车辆按时出现在机场从而完成去往会面的一小时行程,预测模块164可以至少在会面之前一小时零五分钟请求与按需运输服务相关联的车辆。
在一些示例中,预测模块164可以基于ISS 160所获得的其它信息以及针对计算设备110的场境的改变来确定经更新的预测时间。例如,当车辆的上客位置是机场时,基于地面交通的变化,响应于航班延迟,响应于航班早于预期出发或到达,针对车辆到达机场所需时间的估计预订延迟的变化等,预约模块164可以在向预约***发送请求之前更新预测时间。换句话说,即使计算设备110离线且并未向场境模块164提供有关计算设备110的下落的更新场境信息,预测模块164也可以根据情况而推断出需要稍早或稍晚请求车辆。换句话说,ISS 160和预测模块164可以响应于检测到针对以下至少一个的变化来更新预测时间:用户需要处于最终目的地的未来时间,用户被预测需要出发以开始行进去往最终目的地的最终出发时间,和/或使得车辆在最终出发时间前到达未来位置的似然率程度(例如,如果预测模块164确定交通、天气或其它情况的变化可能导致车辆越来越不可能按时到达从而将用户送往最终目的地)。
图5是图示依据本公开的一个或多个方面的被配置为接收用于通知用户与运输服务相关联的车辆被安排为到最终出发时间前到达未来位置的信息的示例计算设备所执行的示例操作500-530的流程图。图5在下文在图1的***100的场境下进行描述。例如,依据本公开的一个或多个方面,计算设备可以执行操作500-530。
在操作中,计算设备110可以向计算***发送用户信息,所述用户信息指示用户将需要通过从未来位置行进从而在未来时间前到达未来目的地来完成行程(500)。例如,计算设备110可以定期或偶尔向ISS160发送信息,场境模块162使用所述信息来构建与计算设备110的用户相关联的过往和未来场境历史。预测模块164可以针对与用户可能需要调安排按需运输服务的事件(例如,始于机场、火车站的行程,在从家庭位置远距离行进且可能没有个人运输,等等)相关的信息而解析场境历史。
计算设备110可以在与行程相关联的最终出发时间之前向计算***发送附加信息,所述附加信息指示计算设备110处于未来位置的阈值距离之内(510)。例如,与计算设备110相关联的移动数据可以向场境模块162指示用户的场境是处于该用户可能从那里需要按需运输服务的该用户的预测未来位置的步行距离之内。如果该用户处于未来位置的阈值距离之内(例如,在步行距离之内),则预测模块164可以确定该用户可能前往下一个事件(或者该用户将从那里搭乘按需运输服务以行进至下一个事件的位置),并且因此将在预测时间预订与按需运输服务相关联的车辆。相反地,如果用户处于阈值距离之外(例如,用户在不同的州或者距他或她被预测所在的地方有数英里或公里远),则预测模块164可以基于该用户终究可能并不想要进行行程的假设而避免请求车辆。
计算设备110可以从计算***接收用于向用户通知与运输服务相关联的车辆已经被自动安排到达未来位置以将用户送往未来目的地的信息(520)。例如,在预测时间,ISS160可以通过TSS 180预订车辆已将用户送往未来目的地,并且响应于接收到来自ISS 180的对该请求的确认而向计算设备110发送指示车辆被预订并且已经在路上的信息。
计算设备110可以基于该信息而输出警示以通知用户到时间步行前往未来位置去乘车(530)。例如,通知模块122可以从ISS 160接收该信息,将该信息格式化为通知形式,并且使得UI模块120输出经格式化的信息以便在UID 122进行显示(例如,如图1的用户界面114所示)。
在一些示例中,依据本公开的技术进行操作的计算***可以确定用户日历中的时间是飞行,并且使用按需运输服务在飞行目的地自动安排接人。在一些示例中,该计算***可以基于交通变化、航班延误或航班提前起飞、运输的估计到达时间变化(例如,预订延迟)等来改变上客时间。在一些示例中,该计算***可以提供离线支持,而使得用户的计算设备能够离线且没有网络介入,并且该示例计算***仍然能够针对机场和/或其它固定点位置安排运输。在一些示例中,该计算***能够自动过滤事件从而确定运输何时可用及不可用或者需要或不需要。在一些示例中,该计算***可以在该***确定用户已经在路上或者已经处于未来目的地附近的情况下避免预订按需运输服务。例如,该***可以接收定期位置更新,并且在用户处于未来目的地的附近(例如,在步行距离内)的情况下推断出该用户将不需要按需运输服务。在一些示例中,在该***从运输服务了解到之前安排的车辆的驾驶员已经取消接人的情况下或者如果运输***以其它方式无法满足请求,该计算***可以重新预订不同的按需运输服务。在一些示例中,如果可能,该计算***可以通过改变服务级别或服务提供方来避免涨价。
在一个示例中,与用户相关联的日历可以指示该用户已经安排了6PM在最终目的地所预订的晚餐。正常情况下,使用按需运输服务要花费20分钟从用户的当前位置前往晚餐,然而在去往那里的路上发生了车祸。由于用户在正常情况下仅是在5:40PM尝试预订与运输服务相关联的车辆,所以用户将会由于该车祸而迟到。在一些示例中,该计算***可以自动获知车祸并且在5:20PM警示用户该***已经自动为用户预订了车辆以使得用户按时到达(例如,在6PM前)。
在另一个示例中,该计算***能够在搭乘用户的飞机到达机场之后自动为计算设备的用户预订按需运输服务从而将用户送往最终目的地。虽然用户的计算设备离线(例如,用户在飞机中没有网络接入),但是该示例计算***了解到飞机延误或者被调度提前到达,并且自动更新用于预订运输服务的预测时间而使得该服务的车辆刚好及时到达以将用户送往最终目的地。
图6A和6B是是图示依据本公开的一个或多个方面的被配置为接收用于通知用户与运输服务相关联的车辆被安排为到最终出发时间前到达未来位置的信息的示例计算设备610A和610B所呈现的示例图形用户界面的概念图。图6A和6B在下文在图1的***100以及图5的操作500-530的场境下进行描述。例如,依据本公开的一个或多个方面,计算设备610A和610B是图1的计算设备110的示例并且可以执行与图5中所描述的那些相似的操作。
在图6A的示例中,计算设备610A是移动电话或平板设备,包括用于呈现用户界面614A的UID 612A。ISS 160可以向TSS 180自动发送针对与运输服务相关联的对车辆的请求以便计算设备610A的用户通过从未来位置行进从而在未来时间前到达未来目的地而完成行程。然而,ISS 160可以进行等待并且仅在从计算设备610A接收到确认用户想要进行行程的指示才发送预约请求。
在一些示例中,确认用户想要进行行程的指示包括指示计算设备610A处于未来位置的阈值距离之内的位置信息。在其它示例中,确认用户想要进行行程的指示包括响应于请求从计算设备所接收到的确认。例如,在发送预约请求之前,ISS 160可以向计算设备160A发送确认用户想要进行行程的请求。
响应于接收到来自ISS 160的请求,计算设备610A可以输出用户界面614A,其要求计算设备610A的用户确认他或她将要一辆车被派来将他们送往他们的下一个预约。响应于检测到对用户界面614A中标记以“you're a life saver please send the car(你是救星请派一辆车)”的图形元素的选择,计算设备610A可以向ISS 160发送用户确实希望进行行程的指示,并且ISS 160因此可以向TSS 180发送针对车辆的请求。响应于检测到对用户界面614A中标记以“thanks for looking out for me but I don't need a car(感谢关照,但是我并不需要车)”的图形元素的选择,计算设备610A可以向ISS 160发送用户并不希望进行行程的指示,并且ISS 160因此可以避免向TSS 180发送针对车辆的请求。
在图6B的示例中,计算设备610B是手表设备,包括用于呈现用户界面614B的UID612B。在请示例中,图6A的计算设备610A可以在呈现用户界面614A并且接收到用户想要进行行程的确认之后呈现用户界面614B。
计算设备610B可以从ISS 160接收用于向计算设备610B的用户通知与运输服务相关联的车辆已经被自动安排以到达计算设备610B的未来位置从而将用户送往未来目的地的信息。如图6B所示,该信息包括向用户告知他或她需要的消息“Please head to thefront entrance on main street to meet your car which has been automaticallyscheduled to arrive shortly to take you to your destination.(请前往大街上的前方入口乘车,该车辆已经自动安排即将到达以送您去往您的目的地)”。计算设备610B可以基于该信息而输出用户界面614B作为警示,以通知用户是时间要走向未来位置前去乘车。
条款1.一种方法,包括:由计算***基于与计算设备的用户相关联的信息推断所述用户将需要通过从未来位置行进以便在未来时间前到达未来目的地以完成行程;由所述计算***选择所述用户能够用来完成行程的运输服务;由所述计算设备确定请求与用于完成行程的运输服务相关联的车辆的预测时间,其中:在所述预测时间发送的对车辆的请求具有满足阈值的使得所述车辆在最终出发时间前到达未来位置的似然率程度;并且所述最终出发时间是用户被预测需要从所述未来位置开始行进以完成行程并且在所述未来时间前到达未来目的地的最后时间;响应于确定当前时间处于请求车辆的预测时间的阈值时间量之内,由所述计算***向与运输服务相关联的预约***发送针对与用于完成行程的运输服务相关联的车辆的预约请求;并且响应于由所述计算***从所述预约***接收到指示所述预约请求能够被满足的确认,由所述计算***向所述计算设备发送通知用户所述车辆被安排在最终出发时间前到达未来位置的信息。
条款2.根据条款1所述的方法,其中确定请求车辆的预测时间包括:由所述计算***确定与用于完成行程的运输服务相关联的估计行程持续时间;由所述计算***基于所述估计行程持续时间将所述最终出发时间确定为用户被预测需要从所述未来位置开始行进以完成行程并且在所述未来时间前到达未来目的地的最后时间;在发送所述预约请求之后,在所述车辆被预测到达所述未来位置之前,由所述计算***基于所述最终出发时间确定估计预订延迟;并且由所述计算***将所述预测时间确定为比所述最终出发时间至少早所述估计预订延迟。
条款3.根据条款1-2中任一项所述的方法,其中确定请求车辆的预测时间包括:响应于确定所述预测时间在被确定为与和所述运输服务相关联的市场价格上涨相关联的时段内重叠,由所述计算***调节所述预测时间以避开所述时段。
条款4.根据条款1-3中任一项所述的方法,其中所述预约请求指定为完成行程所请求的服务的特定类别,所述方法进一步包括:响应于确定所述预测时间在被确定为与和所述运输服务相关联的市场价格上涨相关联的时段内重叠,由所述计算***选择特定类别以获得运输服务的最低价格。
条款5.根据条款1-4中任一项所述的方法,其中与用户相关联的所述信息包括场境信息,所述场境信息包括以下的至少一个:日历信息、通信信息、传感器信息和位置信息。
条款6.根据条款1-5中任一项所述的方法,其中所述运输服务响应于确定所述运输服务是用户能够用来完成行程的一种或多种可用服务中的最低成本服务而被选择。
条款7.根据条款1-6中任一项所述的方法,进一步包括:由所述计算设备响应于检测到针对以下至少一个的变化而更新所述预测时间:未来时间、最终出发时间、或者使得车辆在最终出发时间前到达未来位置的似然率程度。
条款8.根据条款1-7中任一项所述的方法,其中所述预约请求进一步响应于由所述计算***从所述计算设备接收到确认用户想要进行行程的指示而被发送。
条款9.根据条款8所述的方法,其中所述确认用户想要进行行程的指示包括指示所述计算设备处于所述未来位置的阈值距离之内的位置信息。
条款10.根据条款8-9中任一项所述的方法,进一步包括:在发送所述预约请求之前,由所述计算***向所述计算设备发送确认所述用户想要进行行程的请求,其中确认用户想要进行行程的指示包括响应于所述请求从所述计算设备接收到的确认。
条款11.根据条款1-10中任一项所述的方法,其中所述运输服务响应于确定所述最终目的地位置大于距所述未来位置的最小距离阈值且小于最大距离阈值而被选择,其中:所述最小距离阈值是至少部分基于用户通常步行前往事件的第一最大距离来确定的;并且所述最大距离阈值是至少部分基于用户通常驾车前往事件的第二最大距离来确定的。
条款12.一种包括指令的计算机可读存储介质,所述指令在被执行时使得计算***的至少一个处理器:基于与计算设备的用户相关联的信息推断所述用户将需要通过从未来位置行进以便在未来时间前到达未来目的地以完成行程;选择所述用户能够用来完成行程的运输服务;确定请求与用于完成行程的运输服务相关联的车辆的预测时间;其中:在所述预测时间发送的对车辆的请求具有满足阈值的使得所述车辆在最终出发时间前到达未来位置的似然率程度,并且所述最终出发时间是用户被预测需要从所述未来位置开始行进以完成行程并且在所述未来时间前到达未来目的地的最后时间;响应于确定当前时间处于请求车辆的预测时间的阈值时间量之内,向与运输服务相关联的预约***发送针对与用于完成行程的运输服务相关联的车辆的预约请求;并且响应于从所述预约***接收到指示所述预约请求能够被满足的确认,向所述计算设备发送通知用户所述车辆被安排在最终出发时间前到达未来位置的信息。
条款13.根据条款12所述的计算机可读存储介质,其中所述指令在被执行时进一步使得至少一个处理器至少通过以下来确定请求车辆的预测时间:确定与用于完成行程的运输服务相关联的估计行程持续时间;基于所述估计行程持续时间将所述最终出发时间确定为用户被预测需要从所述未来位置开始行进以完成行程并且在所述未来时间前到达未来目的地的最后时间;在发送所述预约请求之后,在所述车辆被预测到达所述未来位置之前,基于所述最终出发时间确定估计预订延迟;并且由所述计算***将所述预测时间确定为比所述最终出发时间至少早所述估计预订延迟。
条款14.根据条款12-13中任一项所述的计算机可读存储介质,其中所述指令在被执行时进一步使得至少一个处理器至少通过以下来确定请求车辆的预测时间:响应于确定所述预测时间在被确定为与和所述运输服务相关联的市场价格上涨相关联的时段内重叠,调节所述预测时间以避开所述时段。
条款15.根据条款12-14中任一项所述的计算机可读存储介质,其中所述预约请求指定为完成行程所请求的服务的特定类别,并且所述指令在被执行时进一步使得至少一个处理器:响应于确定所述预测时间在被确定为与和所述运输服务相关联的市场价格上涨相关联的时段内重叠,选择特定类别以获得运输服务的最低价格。
条款16.根据条款12-15中任一项所述的计算机可读存储介质,其中所述与用户相关联的信息包括场境信息,所述场境信息包括以下的至少一个:日历信息、通信信息、传感器信息和位置信息。
条款17.根据条款12-16中任一项所述的计算机可读存储介质,其中所述指令在被执行时进一步使得至少一个处理器响应于确定所述运输服务是用户能够用来完成行程的一种或多种可用服务中的最低成本服务而选择所述运输服务。
条款18.根据条款12-17中任一项所述的计算机可读存储介质,其中所述指令在被执行时进一步使得至少一个处理器响应于检测到针对以下至少一个的变化而更新所述预测时间:未来时间、最终出发时间、或者使得车辆在最终出发时间前到达未来位置的似然率程度。
条款19.根据条款12-18中任一项所述的计算机可读存储介质,其中所述指令在被执行时进一步使得至少一个处理器:响应于从所述计算设备接收到确认用户想要进行行程的第一指示而发送所述预约请求;并且响应于从所述计算设备接收到确认用户并不想要进行行程的第二指示而避免发送所述预约请求。
条款20.一种计算***,包括:至少一个处理器;预测模块,所述预测模块能够由所述至少一个处理器进行操作以:基于与计算设备的用户相关联的信息推断所述用户将需要通过从未来位置行进以便在未来时间前到达未来目的地以完成行程;选择所述用户能够用来完成行程的运输服务;确定请求与用于完成行程的运输服务相关联的车辆的预测时间,其中:在所述预测时间发送的对车辆的请求具有满足阈值的使得所述车辆在最终出发时间前到达未来位置的似然率程度,并且所述最终出发时间是用户被预测需要从所述未来位置开始行进以完成行程并且在所述未来时间前到达未来目的地的最后时间;响应于确定当前时间处于请求车辆的预测时间的阈值时间量之内,向与运输服务相关联的预约***发送针对与用于完成行程的运输服务相关联的车辆的预约请求;并且响应于从所述预约***接收到指示所述预约请求能够被满足的确认,向所述计算设备发送通知用户所述车辆被安排在最终出发时间前到达未来位置的信息。
条款21.一种计算***,包括用于执行根据条款1-11中任一项所述的方法的装置。
条款22.根据条款12所述的计算机可读存储介质,包括在被执行时使得所述计算***的至少一个处理器执行根据条款1-11中任一项所述的方法的进一步的指令。
条款23.根据条款20所述的计算***,包括用于执行根据条款1-11中任一项所述的方法的装置。
在一个或多个示例中,所描述的特征可以以硬件、软件、固件或者其任意组合来实施。如果以软件来实施,则该功能可以作为一个或多个指令或代码而存储在计算机可读介质上或者通过其进行传送并且由基于硬件的处理单元所执行。计算机可读介质可以包括计算机可读存储介质,其对应于诸如数据存储介质的有形介质,或者是包括促成计算机程序例如根据通信协议而从一个地方传输至另一个地方的任意介质的通信介质。以这话总方式,计算机可读介质通常可以对应于(1)有形的计算机可读存储介质,其是非暂时性的,或者(2)诸如信号或载波的通信介质。数据存储介质可以是能够有一个或多个计算机或者一个或多个处理器所访问以获取指令、代码和/或数据结构以便实施本公开中所描述的技术的任意可用介质。计算机程序产品可以包括计算机可读介质。
作为示例而非限制,这样的计算机可读存储介质可以包括RAM、ROM、EEPROM、CD-ROM或者其它光盘存储、磁盘存储或者其它磁性存储设备、闪存,或者任意其它能够被用来以指令或数据结构的形式存储所期望程序并且能够被计算机所访问的介质。而且,任意连接都被适当称之为计算机可读介质。例如,如果指令使用同轴线缆、光纤线缆、双绞线、数字订户线路(DSL),或者诸如红外、无线电和微波的无线技术而从网站、服务器或者其它远程源进行传送,则该同轴线缆、光纤线缆、双绞线、数字订户线路(DSL),或者诸如红外、无线电和微波的无线技术包括在介质的定义之内。然而,应当理解的是,计算机可读存储介质和数据存储介质并不包括连接、载波、信号或者其它暂时性介质,而是指代非暂时性的有形存储介质。如这里所使用的磁盘或碟片包括紧致盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘和蓝光盘,其中磁盘通常磁性地在线数据,而碟片则利用激光光学地在线数据。以上的组合也应当被包括在计算机可读介质的范围之内。
指令可以由一个或多个处理器来执行,诸如一个或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)或者其它等同的集成或离散逻辑电路。因此,如这里所使用的术语“处理器”可以是指任意的以上结构或者任意其它适于实施这里所描述的技术的结构。此外,在一些方面,这里所描述的功能可以在专用硬件和/或软件模块内提供。而且,该技术可以完全以一个或多个电路或逻辑部件来实施。
本公开的技术可以以各种设备或装置来实施,包括无线手机、集成电路(IC)或者IC的集合(例如,芯片集)。各种组件、模块或单元在本公开中所描述是为了强调被配置为执行所公开的技术的设备的功能方面,而并非必然要求由不同硬件单元来实施。相反,如以上所描述的,各个单元可以被组合在硬件单元中或者有交互操作的硬件单元的集合结合适当软件和/或固件来提供,上述硬件单元包括如以上所描述的一个或多个处理器。
已经对各个示例进行了描述。这些和其它示例都处于以下权利要求的范围之内。
Claims (15)
1.一种方法,包括:
由计算***基于与计算设备的用户相关联的信息推断所述用户将需要通过从未来位置行进以便在未来时间前到达未来目的地以完成行程;
由所述计算***选择所述用户能够用来完成所述行程的运输服务;
由所述计算设备确定请求与用于完成所述行程的所述运输服务相关联的车辆的预测时间,其中:
在所述预测时间发送的对所述车辆的请求具有满足阈值的使得所述车辆在最终出发时间前到达所述未来位置的似然率程度;以及
所述最终出发时间是所述用户被预测需要从所述未来位置开始行进以完成所述行程并且在所述未来时间前到达所述未来目的地的最后时间;
响应于确定当前时间处于请求所述车辆的所述预测时间的阈值时间量之内,由所述计算***向与所述运输服务相关联的预约***发送针对与用于完成所述行程的所述运输服务相关联的所述车辆的预约请求;以及
响应于从所述预约***接收到指示所述预约请求能够被满足的确认,由所述计算***向所述计算设备发送通知所述用户所述车辆被安排在所述最终出发时间前到达所述未来位置的信息。
2.根据权利要求1所述的方法,其中确定请求所述车辆的所述预测时间包括:
由所述计算***确定与用于完成所述行程的所述运输服务相关联的估计行程持续时间;
由所述计算***基于所述估计行程持续时间将所述最终出发时间确定为所述用户被预测需要从所述未来位置开始行进以完成所述行程并且在所述未来时间前到达所述未来目的地的所述最后时间;
在发送所述预约请求之后,在所述车辆被预测到达所述未来位置之前,由所述计算***基于所述最终出发时间确定估计预订延迟;以及
由所述计算***将所述预测时间确定为比所述最终出发时间至少早所述估计预订延迟。
3.根据权利要求1-2中任一项所述的方法,其中确定请求车辆的所述预测时间包括:
响应于确定所述预测时间落在被确定为与和所述运输服务相关联的市场价格上涨相关联的时段内,由所述计算***调节所述预测时间以避开所述时段。
4.根据权利要求1-3中任一项所述的方法,其中所述预约请求指定为完成所述行程所请求的服务的特定类别,所述方法进一步包括:
响应于确定所述预测时间在被确定为与和所述运输服务相关联的市场价格上涨相关联的时段内重叠,由所述计算***选择所述特定类别以获得所述运输服务的最低价格。
5.根据权利要求1-4中任一项所述的方法,其中与用户相关联的所述信息包括场境信息,所述场境信息包括以下的至少一个:日历信息、通信信息、传感器信息和位置信息。
6.根据权利要求1-5中任一项所述的方法,其中所述运输服务响应于确定所述运输服务是所述用户能够用来完成所述行程的一种或多种可用服务中的最低成本服务而被选择。
7.根据权利要求1-6中任一项所述的方法,进一步包括:
由所述计算设备响应于检测到针对以下至少一个的变化而更新所述预测时间:所述未来时间、所述最终出发时间、或者使得所述车辆在所述最终出发时间前到达所述未来位置的所述似然率程度。
8.根据权利要求1-7中任一项所述的方法,其中所述预约请求进一步响应于由所述计算***从所述计算设备接收到确认所述用户想要进行所述行程的指示而被发送。
9.根据权利要求8所述的方法,其中确认所述用户想要进行所述行程的所述指示包括指示所述计算设备处于所述未来位置的阈值距离之内的位置信息。
10.根据权利要求8和9中任一项所述的方法,进一步包括:
在发送所述预约请求之前,由所述计算***向所述计算设备发送确认所述用户想要进行所述行程的请求,
其中确认所述用户想要进行所述行程的所述指示包括响应于所述请求从所述计算设备接收到的确认。
11.根据权利要求1-10中任一项所述的方法,其中所述运输服务响应于确定所述最终目的地位置大于距所述未来位置的最小距离阈值且小于最大距离阈值而被选择,其中:
所述最小距离阈值是至少部分基于所述用户通常步行前往事件的第一最大距离来确定的;以及
所述最大距离阈值是至少部分基于所述用户通常驾车前往事件的第二最大距离来确定的。
12.一种计算***,包括:
至少一个处理器;
至少一个模块,所述至少一个模块能够由所述至少一个处理器进行操作以:
基于与计算设备的用户相关联的信息推断所述用户将需要通过从未来位置行进以便在未来时间前到达未来目的地以完成行程;
选择所述用户能够用来完成所述行程的运输服务;
确定请求与用于完成所述行程的所述运输服务相关联的车辆的预测时间,其中:
在所述预测时间发送的对所述车辆的请求具有满足阈值的使得所述车辆在最终出发时间前到达所述未来位置的似然率程度;以及
所述最终出发时间是所述用户被预测需要从所述未来位置开始行进以完成所述行程并且在所述未来时间前到达所述未来目的地的最后时间;
响应于确定当前时间处于请求所述车辆的所述预测时间的阈值时间量之内,向与所述运输服务相关联的预约***发送针对与用于完成所述行程的所述运输服务相关联的所述车辆的预约请求;以及
响应于从所述预约***接收到指示所述预约请求能够被满足的确认,向所述计算设备发送通知所述用户所述车辆被安排在所述最终出发时间前到达所述未来位置的信息。
13.根据权利要求12所述的计算机***,其中所述至少一个模块能够进一步由所述至少一个处理器进行操作以:
响应于从所述计算设备接收到确认所述用户想要进行所述行程的第一指示而发送所述预约请求;以及
响应于从所述计算设备接收到确认所述用户并不想要进行所述行程的第二指示而避免发送所述预约请求。
14.一种计算***,包括用于执行根据权利要求1-11中任一项所述的方法的装置。
15.一种计算机可读存储介质,包括在被执行时使得计算***的至少一个处理器执行根据权利要求1-11中任一项所述的方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210212467.7A CN114692912A (zh) | 2015-11-23 | 2016-08-25 | 基于计算设备的用户的场境自动预订运输 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/949,197 | 2015-11-23 | ||
US14/949,197 US10685297B2 (en) | 2015-11-23 | 2015-11-23 | Automatic booking of transportation based on context of a user of a computing device |
PCT/US2016/048678 WO2017091262A1 (en) | 2015-11-23 | 2016-08-25 | Automatic booking of transportation based on context of a user of a computing device |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210212467.7A Division CN114692912A (zh) | 2015-11-23 | 2016-08-25 | 基于计算设备的用户的场境自动预订运输 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108352001A true CN108352001A (zh) | 2018-07-31 |
CN108352001B CN108352001B (zh) | 2022-03-11 |
Family
ID=58721715
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680062885.5A Active CN108352001B (zh) | 2015-11-23 | 2016-08-25 | 基于计算设备的用户的场境自动预订运输 |
CN202210212467.7A Pending CN114692912A (zh) | 2015-11-23 | 2016-08-25 | 基于计算设备的用户的场境自动预订运输 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210212467.7A Pending CN114692912A (zh) | 2015-11-23 | 2016-08-25 | 基于计算设备的用户的场境自动预订运输 |
Country Status (8)
Country | Link |
---|---|
US (2) | US10685297B2 (zh) |
EP (1) | EP3374937A4 (zh) |
JP (1) | JP6567773B2 (zh) |
KR (1) | KR102050527B1 (zh) |
CN (2) | CN108352001B (zh) |
DE (1) | DE112016005349T5 (zh) |
GB (1) | GB2560138A (zh) |
WO (1) | WO2017091262A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020118635A1 (en) * | 2018-12-13 | 2020-06-18 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for changing pickup locations in transportation services |
CN111562991A (zh) * | 2019-02-14 | 2020-08-21 | 优步技术公司 | 用于基于网络的服务的情景通知 |
CN112785019A (zh) * | 2019-11-11 | 2021-05-11 | 阿尔派株式会社 | 电子装置、信息的管理方法以及信息的管理*** |
CN113033940A (zh) * | 2019-12-24 | 2021-06-25 | 丰田自动车株式会社 | 信息处理装置、信息处理方法以及*** |
CN113159348A (zh) * | 2020-01-22 | 2021-07-23 | 丰田自动车株式会社 | 控制装置、***、非暂时性的计算机可读介质、终端装置以及用户辅助方法 |
CN114237209A (zh) * | 2020-09-09 | 2022-03-25 | 夏普株式会社 | 移动时间预测装置和移动时间预测方法 |
Families Citing this family (78)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9911170B2 (en) | 2014-08-21 | 2018-03-06 | Uber Technologies, Inc. | Arranging a transport service for a user based on the estimated time of arrival of the user |
US10438137B2 (en) | 2014-10-06 | 2019-10-08 | Massachusetts Institute Of Technology | System for real-time optimal matching of ride sharing requests |
US10657486B1 (en) | 2015-07-29 | 2020-05-19 | DoorDash, Inc. | Containers for crowdsourced delivery |
US10592868B1 (en) * | 2015-11-27 | 2020-03-17 | Massachusetts Mutual Life Insurance Company | Location-based user dataset management |
US10417605B1 (en) | 2016-02-29 | 2019-09-17 | Square, Inc. | Courier notifications regarding missing items |
US10503724B2 (en) * | 2016-03-03 | 2019-12-10 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for contact information access |
CN105702021B (zh) * | 2016-04-13 | 2018-01-05 | 广州市沃希信息科技有限公司 | 一种基于计程车的快递派送方法、***及服务器 |
US9429947B1 (en) * | 2016-04-14 | 2016-08-30 | Eric John Wengreen | Self-driving vehicle systems and methods |
US20180005144A1 (en) * | 2016-06-29 | 2018-01-04 | RideSage Inc. | Delaying rides pre-arranged with ridesharing services |
US10477504B2 (en) * | 2016-09-26 | 2019-11-12 | Uber Technologies, Inc. | Network service over limited network connectivity |
US10417727B2 (en) | 2016-09-26 | 2019-09-17 | Uber Technologies, Inc. | Network system to determine accelerators for selection of a service |
US10425490B2 (en) | 2016-09-26 | 2019-09-24 | Uber Technologies, Inc. | Service information and configuration user interface |
US10531227B2 (en) * | 2016-10-19 | 2020-01-07 | Google Llc | Time-delimited action suggestion system |
US10247566B2 (en) * | 2016-12-22 | 2019-04-02 | Sap Se | Electronic navigation system |
US10963466B2 (en) * | 2017-01-16 | 2021-03-30 | Lenovo (Singapore) Pte. Ltd. | Contextual associations for entity queries |
US11087287B2 (en) | 2017-04-28 | 2021-08-10 | Uber Technologies, Inc. | System and method for generating event invitations to specified recipients |
JP6851402B2 (ja) | 2017-06-01 | 2021-03-31 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | 輸送サービスを提供するための方法およびシステム |
US10860968B1 (en) | 2017-06-29 | 2020-12-08 | DoorDash, Inc. | System management based on device information |
CN107416400B (zh) * | 2017-07-04 | 2018-03-23 | 山东大学 | 基于跨层穿梭车密集自动存储***的模型及其优化方法 |
US10721327B2 (en) | 2017-08-11 | 2020-07-21 | Uber Technologies, Inc. | Dynamic scheduling system for planned service requests |
US20190050775A1 (en) * | 2017-08-11 | 2019-02-14 | Uber Technologies, Inc. | Configuring an application feature using event records |
WO2019046811A1 (en) | 2017-09-01 | 2019-03-07 | Put Corp. | COMPUTERIZED APPLICATIONS FOR COORDINATING DELIVERY DATA WITH MOBILE COMPUTING DEVICES |
JP7006187B2 (ja) * | 2017-11-28 | 2022-01-24 | トヨタ自動車株式会社 | 移動体、配車システム、サーバ、及び移動体の配車方法 |
WO2019124539A1 (ja) * | 2017-12-22 | 2019-06-27 | ヤマハ発動機株式会社 | オンデマンド既定ルート自動走行車両フリートコントロール装置 |
US11416783B2 (en) * | 2017-12-29 | 2022-08-16 | ANI Technologies Private Limited | System and method for vehicle allocation to users |
US10274950B1 (en) | 2018-01-06 | 2019-04-30 | Drivent Technologies Inc. | Self-driving vehicle systems and methods |
US10299216B1 (en) * | 2018-01-06 | 2019-05-21 | Eric John Wengreen | Self-driving vehicle actions in response to a low battery |
US11073838B2 (en) | 2018-01-06 | 2021-07-27 | Drivent Llc | Self-driving vehicle systems and methods |
US10303181B1 (en) | 2018-11-29 | 2019-05-28 | Eric John Wengreen | Self-driving vehicle systems and methods |
JP7210881B2 (ja) * | 2018-01-30 | 2023-01-24 | 株式会社デンソー | 車両用認証システム |
US11054270B1 (en) | 2018-02-01 | 2021-07-06 | Facebook, Inc. | Generating catalogs of navigation information |
US11029170B1 (en) * | 2018-02-01 | 2021-06-08 | Facebook, Inc. | Predicting user intent in navigation information |
US11308536B1 (en) | 2018-03-19 | 2022-04-19 | DoorDash, Inc. | Managing item options for distribution efficiency |
JP7037762B2 (ja) * | 2018-03-22 | 2022-03-17 | トヨタ自動車株式会社 | 情報処理装置及びプログラム |
JP7040250B2 (ja) * | 2018-04-16 | 2022-03-23 | トヨタ自動車株式会社 | カーシェアリングシステム、情報処理装置、情報処理方法、情報処理プログラム |
US10861453B1 (en) * | 2018-05-01 | 2020-12-08 | Amazon Technologies, Inc. | Resource scheduling with voice controlled devices |
WO2020008282A1 (en) * | 2018-06-12 | 2020-01-09 | Volvo Car Corporation | Vehicle reservation systems with predictive adjustments |
US10466057B1 (en) | 2018-07-30 | 2019-11-05 | Wesley Edward Schwie | Self-driving vehicle systems and methods |
JP6906487B2 (ja) * | 2018-08-24 | 2021-07-21 | 株式会社東芝 | 乗合車両用需要予測装置、乗合車両用需要予測方法及びプログラム |
US10471804B1 (en) | 2018-09-18 | 2019-11-12 | Drivent Llc | Self-driving vehicle systems and methods |
US10282625B1 (en) | 2018-10-01 | 2019-05-07 | Eric John Wengreen | Self-driving vehicle systems and methods |
US10289922B1 (en) | 2018-09-18 | 2019-05-14 | Eric John Wengreen | System for managing lost, mislaid, or abandoned property in a self-driving vehicle |
US10223844B1 (en) | 2018-09-18 | 2019-03-05 | Wesley Edward Schwie | Self-driving vehicle systems and methods |
US10493952B1 (en) | 2019-03-21 | 2019-12-03 | Drivent Llc | Self-driving vehicle systems and methods |
US10479319B1 (en) | 2019-03-21 | 2019-11-19 | Drivent Llc | Self-driving vehicle systems and methods |
US11644833B2 (en) | 2018-10-01 | 2023-05-09 | Drivent Llc | Self-driving vehicle systems and methods |
US11221622B2 (en) | 2019-03-21 | 2022-01-11 | Drivent Llc | Self-driving vehicle systems and methods |
US10794714B2 (en) | 2018-10-01 | 2020-10-06 | Drivent Llc | Self-driving vehicle systems and methods |
US10900792B2 (en) * | 2018-10-22 | 2021-01-26 | Drivent Llc | Self-driving vehicle systems and methods |
US10832569B2 (en) | 2019-04-02 | 2020-11-10 | Drivent Llc | Vehicle detection systems |
US10240938B1 (en) | 2018-10-22 | 2019-03-26 | Drivent Technologies Inc. | Self-driving vehicle systems and methods |
US10474154B1 (en) | 2018-11-01 | 2019-11-12 | Drivent Llc | Self-driving vehicle systems and methods |
US10286908B1 (en) | 2018-11-01 | 2019-05-14 | Eric John Wengreen | Self-driving vehicle systems and methods |
US11537953B2 (en) * | 2018-11-29 | 2022-12-27 | Here Global B.V. | Method and apparatus for proactive booking of a shared vehicle |
US11308564B2 (en) * | 2018-12-10 | 2022-04-19 | Airbnb, Inc. | Hierarchical generation of booking probability |
US10377342B1 (en) | 2019-02-04 | 2019-08-13 | Drivent Technologies Inc. | Self-driving vehicle systems and methods |
US10744976B1 (en) | 2019-02-04 | 2020-08-18 | Drivent Llc | Self-driving vehicle systems and methods |
WO2020197941A1 (en) * | 2019-03-28 | 2020-10-01 | Lyft, Inc. | Dynamically modifying transportation requests for a transportation matching system using surplus metrics |
US20220180386A1 (en) * | 2019-03-29 | 2022-06-09 | Predict Hq Limited | Systems and methods for predicting service demand based on geographically associated events |
JP7272893B2 (ja) * | 2019-07-26 | 2023-05-12 | トヨタ自動車株式会社 | 制御装置 |
JP6940574B2 (ja) * | 2019-10-18 | 2021-09-29 | ソフトバンク株式会社 | 管理装置、運用システム、プログラム及び運用方法 |
US11619504B2 (en) * | 2019-11-07 | 2023-04-04 | International Business Machines Corporation | Transportation arrangement system utilizing artificial intelligence |
WO2021107860A1 (en) * | 2019-11-29 | 2021-06-03 | Hitachi, Ltd. | Method, system, and device for matching deliveries |
US11570276B2 (en) | 2020-01-17 | 2023-01-31 | Uber Technologies, Inc. | Forecasting requests based on context data for a network-based service |
US11475376B2 (en) | 2020-01-23 | 2022-10-18 | International Business Machines Corporation | Cascaded machine learning travel agent |
US11669786B2 (en) | 2020-02-14 | 2023-06-06 | Uber Technologies, Inc. | On-demand transport services |
JP7287333B2 (ja) * | 2020-04-06 | 2023-06-06 | トヨタ自動車株式会社 | 制御装置、プログラム、及び情報処理方法 |
US11879745B2 (en) | 2020-07-20 | 2024-01-23 | Ford Global Technologies, Llc | Systems and methods for facilitating a final leg of a journey |
US11593899B2 (en) * | 2020-08-06 | 2023-02-28 | Frederick Dwayne Mulkey | Methods, systems, apparatuses, and devices for facilitating streamlining of traveling processes for traveling |
US20220101208A1 (en) * | 2020-09-30 | 2022-03-31 | Lyft, Inc. | Providing ephemeral-transportation options in real time for sharing active transportations |
US11387985B2 (en) | 2020-10-01 | 2022-07-12 | Toyota Motor North America, Inc. | Transport occupant data delivery |
KR102540446B1 (ko) * | 2020-10-27 | 2023-06-05 | 현대자동차 주식회사 | 차량 승하차장 결정 방법 및 이를 이용한 운영 서버 |
JP2022103977A (ja) * | 2020-12-28 | 2022-07-08 | 本田技研工業株式会社 | 情報提供装置、情報提供方法、およびプログラム |
WO2022208121A1 (ja) * | 2021-04-01 | 2022-10-06 | 日産自動車株式会社 | 情報処理装置及び情報処理方法 |
US11632653B2 (en) * | 2021-04-29 | 2023-04-18 | T-Mobile Usa, Inc. | Adaptive location alerts |
CN114399293B (zh) * | 2022-01-21 | 2024-02-02 | 平安科技(深圳)有限公司 | 信息提醒方法、装置、设备及存储介质 |
JP2023127043A (ja) * | 2022-03-01 | 2023-09-13 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、およびプログラム |
CN116245291A (zh) * | 2022-09-08 | 2023-06-09 | 广州汽车集团股份有限公司 | 一种电动车辆换电方法、计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090192702A1 (en) * | 2007-08-31 | 2009-07-30 | Proxpro, Inc. | Situation-aware personal information management for a mobile device |
US20100305984A1 (en) * | 2009-06-01 | 2010-12-02 | Scopia, LLC | Intermodal trip planner |
US20110307280A1 (en) * | 2010-06-15 | 2011-12-15 | Triptility, LLC | Apparatus and method for searching and booking a complete travel itinerary |
US20130218455A1 (en) * | 2012-02-16 | 2013-08-22 | Trapeze Software Inc. | Method And System For Adjusting A Demand-Response Transit Schedule |
CN104396284A (zh) * | 2012-06-22 | 2015-03-04 | 谷歌公司 | 呈现针对当前位置或时间的信息 |
US20150185016A1 (en) * | 2013-05-14 | 2015-07-02 | Google Inc. | Predictive transit calculations |
CN105096639A (zh) * | 2014-05-23 | 2015-11-25 | 中国电信股份有限公司 | 用于预测公交到站时间的方法、装置和*** |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6732080B1 (en) | 1999-09-15 | 2004-05-04 | Nokia Corporation | System and method of providing personal calendar services |
JP2005235026A (ja) | 2004-02-23 | 2005-09-02 | Fujitsu Ltd | タクシー予約登録支援プログラム |
JP4382606B2 (ja) | 2004-03-31 | 2009-12-16 | 富士通株式会社 | タクシー配車予約登録支援プログラムおよびタクシー配車予約登録支援装置 |
JP2005327217A (ja) | 2004-05-17 | 2005-11-24 | Kanto Auto Works Ltd | 自動スケジューリングシステムおよび方法ならびに自動スケジューリングプログラムを記録した記録媒体 |
US20060155591A1 (en) * | 2005-01-10 | 2006-07-13 | Faheem Altaf | Systems, methods, and media for managing a travel itinerary |
US8024112B2 (en) | 2005-09-29 | 2011-09-20 | Microsoft Corporation | Methods for predicting destinations from partial trajectories employing open-and closed-world modeling methods |
MX2008010131A (es) * | 2006-02-07 | 2009-07-22 | Ticketmaster | Metodos y sistemas de control para reducir el uso por rafagas de un sistema informatico en red??. |
KR20080035727A (ko) | 2006-10-20 | 2008-04-24 | 삼성전자주식회사 | 휴대 단말기 및 그의 스케줄링 방법 |
WO2008100489A2 (en) | 2007-02-12 | 2008-08-21 | Sean O'sullivan | Shared transport system and service network |
US10002198B2 (en) | 2009-10-28 | 2018-06-19 | Verizon Patent And Licensing Inc. | Mobile taxi dispatch system |
US8352303B2 (en) | 2009-11-23 | 2013-01-08 | Sap Ag | Computer implemented method for integrating services in a calendar application via meeting request e-mails |
US8392411B2 (en) | 2010-05-20 | 2013-03-05 | Google Inc. | Automatic routing of search results |
US20130132887A1 (en) * | 2010-12-06 | 2013-05-23 | Uber Technologies, Inc. | Transitioning user interface features for on-demand services through use of portable computing devices |
US9299027B2 (en) | 2012-05-07 | 2016-03-29 | Runaway 20, Inc. | System and method for providing intelligent location information |
US20130297360A1 (en) * | 2012-05-07 | 2013-11-07 | Yapta, Inc | Flight-price monitoring systems and methods |
US8855901B2 (en) | 2012-06-25 | 2014-10-07 | Google Inc. | Providing route recommendations |
KR102053901B1 (ko) | 2012-08-16 | 2019-12-09 | 삼성전자주식회사 | 일정 관리 방법, 일정 관리 서버 및 그를 위한 이동 단말 |
US20140129302A1 (en) * | 2012-11-08 | 2014-05-08 | Uber Technologies, Inc. | Providing a confirmation interface for on-demand services through use of portable computing devices |
US11493347B2 (en) * | 2013-03-12 | 2022-11-08 | Verizon Patent And Licensing Inc. | Using historical location data to improve estimates of location |
JP2014174130A (ja) | 2013-03-13 | 2014-09-22 | Panasonic Corp | 携帯情報端末装置およびプログラム |
US9499128B2 (en) * | 2013-03-14 | 2016-11-22 | The Crawford Group, Inc. | Mobile device-enhanced user selection of specific rental vehicles for a rental vehicle reservation |
US20140365250A1 (en) | 2013-06-05 | 2014-12-11 | Fujitsu Limited | Transportation service reservation method and apparatus |
US20150032484A1 (en) * | 2013-07-23 | 2015-01-29 | Yakov Z. Mermelstein | Method for making reservations |
GB201314091D0 (en) * | 2013-08-07 | 2013-09-18 | Smart Ship Holdings Ltd | Ordering products/services |
US20150149220A1 (en) * | 2013-11-26 | 2015-05-28 | Verizon Patent And Licensing Inc. | Methods and Procedures for a Travel Assistance Platform |
US20150161752A1 (en) * | 2013-12-11 | 2015-06-11 | Uber Technologies Inc. | Intelligent queuing for user selection in providing on-demand services |
US20160042445A1 (en) * | 2014-08-06 | 2016-02-11 | Carroll Tim Beason | System and Method for Recurrent Rental Vehicle Location and Rate Selection Using Network Based Data |
US9911170B2 (en) * | 2014-08-21 | 2018-03-06 | Uber Technologies, Inc. | Arranging a transport service for a user based on the estimated time of arrival of the user |
US20160131491A1 (en) * | 2014-11-11 | 2016-05-12 | Reservation Counter, Llc | Interactively Scheduling an Itinerary |
KR20170014586A (ko) * | 2015-07-30 | 2017-02-08 | 엘지전자 주식회사 | 이동 단말기 및 그 제어방법 |
US9805605B2 (en) * | 2015-08-12 | 2017-10-31 | Madhusoodhan Ramanujam | Using autonomous vehicles in a taxi service |
US10380146B2 (en) * | 2015-08-17 | 2019-08-13 | Oath Inc. | Locale of interest identification |
-
2015
- 2015-11-23 US US14/949,197 patent/US10685297B2/en active Active
-
2016
- 2016-08-25 DE DE112016005349.5T patent/DE112016005349T5/de active Pending
- 2016-08-25 EP EP16869015.4A patent/EP3374937A4/en not_active Withdrawn
- 2016-08-25 JP JP2018526685A patent/JP6567773B2/ja active Active
- 2016-08-25 CN CN201680062885.5A patent/CN108352001B/zh active Active
- 2016-08-25 GB GB1809654.5A patent/GB2560138A/en not_active Withdrawn
- 2016-08-25 CN CN202210212467.7A patent/CN114692912A/zh active Pending
- 2016-08-25 WO PCT/US2016/048678 patent/WO2017091262A1/en active Application Filing
- 2016-08-25 KR KR1020187012892A patent/KR102050527B1/ko active IP Right Grant
-
2020
- 2020-05-13 US US15/931,257 patent/US11645589B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090192702A1 (en) * | 2007-08-31 | 2009-07-30 | Proxpro, Inc. | Situation-aware personal information management for a mobile device |
US20100305984A1 (en) * | 2009-06-01 | 2010-12-02 | Scopia, LLC | Intermodal trip planner |
US20110307280A1 (en) * | 2010-06-15 | 2011-12-15 | Triptility, LLC | Apparatus and method for searching and booking a complete travel itinerary |
US20130218455A1 (en) * | 2012-02-16 | 2013-08-22 | Trapeze Software Inc. | Method And System For Adjusting A Demand-Response Transit Schedule |
CN104396284A (zh) * | 2012-06-22 | 2015-03-04 | 谷歌公司 | 呈现针对当前位置或时间的信息 |
US20150185016A1 (en) * | 2013-05-14 | 2015-07-02 | Google Inc. | Predictive transit calculations |
CN105096639A (zh) * | 2014-05-23 | 2015-11-25 | 中国电信股份有限公司 | 用于预测公交到站时间的方法、装置和*** |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020118635A1 (en) * | 2018-12-13 | 2020-06-18 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for changing pickup locations in transportation services |
CN111562991A (zh) * | 2019-02-14 | 2020-08-21 | 优步技术公司 | 用于基于网络的服务的情景通知 |
CN112785019A (zh) * | 2019-11-11 | 2021-05-11 | 阿尔派株式会社 | 电子装置、信息的管理方法以及信息的管理*** |
CN113033940A (zh) * | 2019-12-24 | 2021-06-25 | 丰田自动车株式会社 | 信息处理装置、信息处理方法以及*** |
CN113159348A (zh) * | 2020-01-22 | 2021-07-23 | 丰田自动车株式会社 | 控制装置、***、非暂时性的计算机可读介质、终端装置以及用户辅助方法 |
CN113159348B (zh) * | 2020-01-22 | 2024-05-31 | 丰田自动车株式会社 | 用户辅助控制装置、***、非暂时性的计算机可读介质、终端装置以及方法 |
CN114237209A (zh) * | 2020-09-09 | 2022-03-25 | 夏普株式会社 | 移动时间预测装置和移动时间预测方法 |
CN114237209B (zh) * | 2020-09-09 | 2024-05-14 | 夏普株式会社 | 移动时间预测装置和移动时间预测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2018538618A (ja) | 2018-12-27 |
JP6567773B2 (ja) | 2019-08-28 |
DE112016005349T5 (de) | 2018-08-02 |
KR20180063289A (ko) | 2018-06-11 |
EP3374937A1 (en) | 2018-09-19 |
WO2017091262A1 (en) | 2017-06-01 |
EP3374937A4 (en) | 2019-04-03 |
KR102050527B1 (ko) | 2019-11-29 |
US11645589B2 (en) | 2023-05-09 |
US20200272948A1 (en) | 2020-08-27 |
US20170147951A1 (en) | 2017-05-25 |
US10685297B2 (en) | 2020-06-16 |
CN108352001B (zh) | 2022-03-11 |
GB201809654D0 (en) | 2018-08-01 |
GB2560138A (en) | 2018-08-29 |
CN114692912A (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108352001A (zh) | 基于计算设备的用户的场境自动预订运输 | |
JP6918087B2 (ja) | オン・デマンドサービスの情報を提供する方法及びシステム | |
CN109964271B (zh) | 用于提供对用户的语音输入的响应消息的设备和方法 | |
US9672468B2 (en) | System and method for providing intelligent location information | |
CN104396284B (zh) | 呈现针对当前位置或时间的信息 | |
CN104156778B (zh) | 预测性运输计算 | |
JP6559792B2 (ja) | オーダーペアリングのシステム及び方法 | |
US11835348B2 (en) | Advanced trip planning for autonomous vehicle services | |
Mahrez et al. | Smart urban mobility: When mobility systems meet smart data | |
WO2016127918A1 (zh) | 一种运力调度方法及*** | |
US20170059337A1 (en) | Itinerary generation and adjustment system | |
WO2011149979A2 (en) | A system and method for selecting transportation resources | |
CN107923762A (zh) | 检测和校正用户行为中的潜在错误 | |
Goumiri et al. | Smart Mobility in Smart Cities: Emerging challenges, recent advances and future directions | |
US20200380630A1 (en) | Information processing apparatus, information processing method, and program | |
US20210183250A1 (en) | Control device, system, program, terminal device, and control method | |
Okunieff et al. | Phase 2 Comprehensive Acquisition Plan (CAP)-Georgia Department of Transportation ITS4US Deployment Project | |
CN114780869A (zh) | 乘车点推荐方法、装置、电子设备、介质 | |
Feng | Destination Prediction with Decision Tree An Intelligent Driver Assistant for Volvo Cars: Destination Prediction, Traffic Notifying and Route Advising |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |