CN110999331A - 一种命名接载位置的方法和*** - Google Patents
一种命名接载位置的方法和*** Download PDFInfo
- Publication number
- CN110999331A CN110999331A CN201780093646.0A CN201780093646A CN110999331A CN 110999331 A CN110999331 A CN 110999331A CN 201780093646 A CN201780093646 A CN 201780093646A CN 110999331 A CN110999331 A CN 110999331A
- Authority
- CN
- China
- Prior art keywords
- interest
- point
- historical
- location
- initial point
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3438—Rendez-vous, i.e. searching a destination where several users can meet, and the routes to this destination for these users; Ride sharing, i.e. searching a route such that at least two users can share a vehicle for at least part of the route
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3605—Destination input or retrieval
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Mobile Radio Communication Systems (AREA)
- Navigation (AREA)
- Telephonic Communication Services (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种命名接载位置的方法,包括从终端获取与用户相关联的位置对,该位置对包括当前位置和接载位置。该方法还包括基于位置对和目标兴趣点数据库确定第一和第二初始兴趣点。该方法还包括确定第一初始兴趣点的特征和第二初始兴趣点的特征。该方法还包括获取用于命名接载位置的训练后的命名模型,并确定第一初始兴趣点的第一分数和第二初始兴趣点的第二分数。该方法还包括基于第一分数和第二分数确定最终兴趣点,以及基于最终兴趣点确定接载位置的名称。
Description
技术领域
本申请一般涉及机器学习,尤其涉及使用机器学习技术命名接载位置的方法和***。
背景技术
许多基于位置的服务和/或应用程序,例如网络地图服务、导航服务和在线按需运输服务,可能需要命名接载位置以提供服务。例如,对于按需运输服务,当乘客设置接载位置时,司机需要知道接载位置在哪里。如果仅提供接载位置的经度和纬度,则对司机去找接载位置是不方便的。因此,需要命名接载位置,使司机更容易接载乘客。
发明内容
根据本申请的一方面,提供了一种***。所述***包括存储一组指令的至少一个存储设备和与所述至少一个存储设备通信的至少一个处理器。当执行所述组指令时,所述至少一个处理器被配置为使所述***实施以下操作:操作所述至少一个处理器中的逻辑电路以获取与订单相关的位置对,所述位置对包括当前位置和接载位置;操作所述至少一个处理器中的所述逻辑电路以基于所述位置对和目标兴趣点数据库确定第一初始兴趣点(Point Of Interest,POI)和第二初始兴趣点;操作所述至少一个处理器中的所述逻辑电路以基于所述第一初始兴趣点和所述位置对确定所述第一初始兴趣点的特征;操作所述至少一个处理器中的所述逻辑电路以基于所述第二初始兴趣点和所述位置对确定所述第二初始兴趣点的特征;操作所述至少一个处理器中的所述逻辑电路以获取用于命名接载位置的训练后的命名模型;操作所述至少一个处理器中的所述逻辑电路以基于所述第一初始兴趣点的所述特征和所述训练后的命名模型确定所述第一初始兴趣点的第一分数;操作所述至少一个处理器中的所述逻辑电路以基于所述第二初始兴趣点的所述特征和所述训练后的命名模型确定所述第二初始兴趣点的第二分数;操作所述至少一个处理器中的所述逻辑电路以基于所述第一分数和所述第二分数确定最终兴趣点;以及操作所述至少一个处理器中的所述逻辑电路以基于所述最终兴趣点确定所述接载位置的名称。
在一些实施例中,所述第一初始兴趣点或所述第二初始兴趣点在距所述当前位置的第一距离内并且在距所述接载位置的第二距离内。
在一些实施例中,所述训练后的命名模型包括自适应增强模型或梯度增强决策树(Gradient Boosting Fecision Tree,GBDT)模型。
在一些实施例中,可以根据训练所述命名模型的过程生成所述训练后的命名模型,所述过程包括:获取初始命名模型;获取多个训练样本;使用所述获取的多个训练样本训练所述初始命名模型以获取所述训练后的命名模型。
在一些实施例中,所述多个训练样本包括根据生成训练样本的过程生成的至少一个训练样本,所述过程包括:确定与历史订单相关的历史订单信息;将所述历史订单信息映射到参考兴趣点;基于所述历史订单信息确定所述参考兴趣点的参考特征;以及基于所述参考兴趣点的所述参考特征和所述历史订单信息生成所述至少一个训练样本。
在一些实施例中,历史订单信息包括历史位置数据、历史最终接载位置数据、历史推荐接载位置数据或历史接载位置名称中的至少一个。
在一些实施例中,所述历史订单信息包括历史接载位置名称;以及确定所述参考兴趣点的所述参考特征还包括:基于所述参考兴趣点的名称与所述历史订单的所述历史接载位置名称的相似性,将所述历史订单信息映射到所述参考兴趣点。
在一些实施例中,所述历史订单信息包括历史最终接载位置数据和历史推荐接载位置数据;所述参考兴趣点的所述参考特征包括重定位行为数据;以及基于所述历史订单信息确定所述参考兴趣点的所述参考特征还包括:获取所述历史最终接载位置数据;获取所述历史推荐接载位置数据;以及基于所述历史最终接载位置数据和所述历史推荐接载位置数据确定重定位行为数据。
在一些实施例中,基于生成兴趣点数据库的过程来确定所述目标兴趣点数据库,所述过程包括:获取初始兴趣点数据库,所述初始兴趣点数据库包括所述参考兴趣点;以及基于所述参考兴趣点的属性确定所述目标兴趣点数据库。
在一些实施例中,基于所述参考兴趣点的属性确定所述目标兴趣点数据库还包括:基于所述历史订单信息确定所述目标兴趣点数据库。
根据本申请的另一方面,提供了一种在计算设备上实施的方法,所述计算设备具有连接到网络的处理器、存储介质和通信平台。所述方法包括:由所述处理器获取与订单相关位置对,所述位置对包括当前位置和接载位置;由所述处理器基于所述位置对和目标兴趣点数据库确定第一初始兴趣点(POI)和第二初始兴趣点;由所述处理器基于所述第一初始兴趣点和所述位置对确定所述第一初始兴趣点的特征;由所述处理器基于所述第二初始兴趣点和所述位置对确定所述第二初始兴趣点的特征;由所述处理器获取用于命名接载位置的训练后的命名模型;由所述处理器基于所述第一初始兴趣点的特征和所述训练后的命名模型确定所述第一初始兴趣点的第一分数;由所述处理器基于所述第二初始兴趣点的特征和所述训练后的命名模型确定所述第二初始兴趣点的第二分数;由所述处理器基于所述第一分数和所述第二分数确定最终兴趣点;以及所述由处理器基于所述最终兴趣点确定所述接载位置的名称。
在一些实施例中,所述第一初始兴趣点或所述第二初始兴趣点在距所述当前位置的第一距离内并且在距所述接载位置的第二距离内。
在一些实施例中,所述训练后的命名模型包括自适应增强模型或梯度增强决策树(GBDT)模型。
在一些实施例中,可以根据所述训练命名模型的过程生成所述训练后的命名模型,所述过程包括:获取初始命名模型;获取多个训练样本;使用所述获取的多个训练样本训练所述初始命名模型以获取所述训练后的命名模型。
在一些实施例中,所述多个训练样本包括根据生成训练样本的过程生成的至少一个训练样本,所述过程包括:确定与历史订单相关的历史订单信息;将所述历史订单信息映射到参考兴趣点;基于所述历史订单信息确定所述参考兴趣点的参考特征;以及基于所述参考兴趣点的所述参考特征和所述历史订单信息生成所述至少一个训练样本。
在一些实施例中,历史订单信息包括历史位置数据、历史最终接载位置数据、历史推荐接载位置数据或历史接载位置名称中的至少一个。
在一些实施例中,所述历史订单信息包括历史接载位置名称;以及确定所述参考兴趣点的所述参考特征还包括:基于所述参考兴趣点的名称与所述历史订单的所述历史接载位置名称的相似性,将所述历史订单信息映射到所述参考兴趣点。
在一些实施例中,所述历史订单信息包括历史最终接载位置数据和历史推荐接载位置数据;所述参考兴趣点的所述参考特征包括重定位行为数据;以及基于所述历史订单信息确定所述参考兴趣点的所述参考特征还包括:获取所述历史最终接载位置数据;获取所述历史推荐接载位置数据;以及基于所述历史最终接载位置数据和所述历史推荐接载位置数据确定重定位行为数据。
在一些实施例中,基于生成兴趣点数据库的过程来确定所述目标兴趣点数据库,所述过程包括:获取初始兴趣点数据库,所述初始兴趣点数据库包括所述参考兴趣点;以及基于所述参考兴趣点的属性确定所述目标兴趣点数据库。
根据本申请的又一方面,提供了一种非暂时性计算机可读介质,所述计算机可读介质包括用于启动终端和按需运输平台之间的连接的至少一组指令。当由电子终端的至少一个处理器执行时,所述至少一组指令可以指示至少一个处理器执行以下动作:从终端获取与用户关联的位置对,所述位置对包括当前位置和接载位置;基于所述位置对和目标兴趣点数据库确定第一初始兴趣点(POI)和第二初始兴趣点;基于所述第一初始兴趣点和所述位置对确定所述第一初始兴趣点的特征;基于所述第二初始兴趣点和所述位置对确定所述第二初始兴趣点的特征;获取用于命名接载位置的训练后的命名模型;基于所述第一初始兴趣点的特征和所述命名模型确定所述第一初始兴趣点的第一分数;基于所述第二初始兴趣点的特征和所述命名模型确定所述第二初始兴趣点的第二分数;基于所述第一分数和所述第二分数确定最终兴趣点;以及基于所述最终兴趣点确定所述接载位置的名称。
根据本申请的又一个方面,提供了一种在计算设备上实施的***,所述计算设备具有连接到网络的处理器、存储介质和通信平台。所述***包括:位置获取模块,被配置为获取位置对,所述位置对包括当前位置和接载位置;初始兴趣点确定模块,被配置为基于所述位置对和目标兴趣点数据库确定第一初始兴趣点(POI)和第二初始兴趣点;特征提取模块,被配置为基于所述第一初始兴趣点和所述位置对确定所述第一初始兴趣点的特征;特征提取模块,还被配置为基于所述第二初始兴趣点和所述位置对确定所述第二初始兴趣点的特征;模型获取模块,被配置为获取用于命名接载位置的训练后的命名模型;模型获取模块,还被配置为基于所述第一初始兴趣点的特征和所述训练后的命名模型确定所述第一初始兴趣点的第一分数;模型获取模块,还被配置为基于所述第二初始兴趣点的特征和所述训练后的命名模型确定所述第二初始兴趣点的第二分数;命名模块,被配置为基于所述第一分数和所述第二分数确定最终兴趣点;以及命名模块还被配置为基于所述最终兴趣点确定所述接载位置的名称。
其他特征将在以下部分描述中进行阐述,并且在检视以下及附图之后,部分特征对于本领域的普通技术人员来讲是显而易见的,或可以通过实例的生产及操作来了解。本申请的特征可以通过实践或使用以下实例中详细讨论的方法、手段及组合的各个方面来达成。
附图说明
本申请通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。本申请的示例性实施例及其说明用于解释本申请,但并不作为对本申请的限制。在图中,相同的附图标记表示相同的组件。
图1是根据本申请的一些实施例所示的一种按需运输服务的示例性***的模块图;
图2是根据本申请的一些实施例所示的一种示例性计算设备的模块图;
图3是根据本申请的一些实施例所示的一种示例性移动设备的示意图;
图4A是根据本申请的一些实施例所示的一种命名订单的接载位置的示例性处理引擎的模块图;
图4B是根据本申请的一些实施例所示的一种确定训练后的命名模型的示例性处理引擎的模块图;
图5是根据本申请的一些实施例所示的确定接载位置的名称的示例性过程的流程图;
图6是根据本申请的一些实施例所示的确定命名接载位置的训练模型的示例性过程的流程图;
图7是根据本申请的一些实施例所示的确定训练样本的示例性过程的流程图;
图8是根据本申请的一些实施例所示的确定重定位行为数据的示例性过程的流程图;以及,
图9是根据本申请的一些实施例所示的确定目标兴趣点数据库的示例性过程的流程图。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施本申请的技术方案,并在上下文中提供本申请中特定的应用及其要求。显而易见地,本领域的普通技术人员可以对本申请中的实施例进行各种修改,在不背离本申请的精神与范围的情况下,本申请中限定的一般原理可以应用到其他实施例和应用中。因此,本申请不受所示实施例的限制,本申请的范围与权利要求中宽广的范围是一致的。
本申请中使用的术语旨在描述具体示例性实施例,而不是为了限制本申请。除非上下文明确提示有例外情形,本申请中单数形式的“一”、“一个”和“所述”也可以包括复数。还应当理解的是,说明书中使用的术语“包括”和/或“包含”指明存在陈述的特征、整数、步骤、操作、元素和/或组件,但不排除存在或附加一个或多个其他特征、整数、步骤、操作、元素、组件和/或其中几种的组合。
根据下文中参考附图的描述,这些和其他特点、本披露的特征、操作方法、相关结构元件的功能、各部分的整合以及制造的经济性可以更明显易懂。但应当清楚理解的是,附图仅仅是为了说明和描述本申请,而不对本申请的范围作限制。应当理解的是,附图并非按比例绘制。
本申请中使用了流程图来说明根据本申请的实施例的***所执行的操作。应当理解的是,前面或下面的操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将一个或以上其他操作添加到这些流程图中。一个或以上操作也可以从流程图中删除。
此外,尽管本申请中公开的***和方法主要涉及命名订单的接载位置,但是还应该理解,这仅是一个示例性实施例。本申请的***或方法可以应用于任何其他类型的按需服务。例如,本申请的***和方法还可应用于包括陆地、海洋、航空太空等或其任意组合的不同运输***。所述运输***涉及的车辆可以包括出租车、私家车、顺风车、公交车、火车、动车、高铁、地铁、船舶、飞机、飞船、热气球、无人驾驶的车辆等或其任意组合。所述运输***也可以包括应用管理和/或分配的任一运输***,例如,发送和/或接收快递的***。本申请的***或方法的应用场景可以包括网页、浏览器插件、客户端、客户***、内部分析***、人工智能机器人等或其任意组合。
本申请中的术语,“乘客”、“请求者”、“服务请求者”和“客户”可用于表示请求或订购服务的个人、实体、或工具,并且可互换使用。同样地,本申请描述的“司机”、“提供者”、“供应者”、“服务提供者”、“服务者”、“服务方”等也是可以互换的,是指提供服务或者协助提供服务的个人、工具或者其他实体等。在本申请中,术语“用户”可以表示可以请求服务、预定服务、提供服务或协助提供服务的个体、实体或工具。例如,用户可以是乘客、司机、操作者等或其任意组合。在本申请中,术语“乘客”和“乘客终端”可以互换使用,并且术语“司机”和“司机终端”可以互换使用。
本申请中的术语“服务”、“请求”、和“服务请求”可以互换使用,表示由用户、请求者、服务请求者、客户、司机、提供方、服务提供者、供应者等或上述举例的任意组合发起的请求。该服务请求可被乘客、请求者、服务请求者、顾客、司机、提供者、服务提供者或者供应者接受。服务请求可以是计费的或免费的。
本申请中使用的定位技术可以包括全球定位***(GPS)、全球卫星导航***(GLONASS)、北斗导航***(COMPASS)、伽利略定位***、准天顶卫星***(QZSS)、无线保真(WiFi)定位技术等或上述举例的任意组合。上述定位技术中的一种或多种可以在本申请中互换使用。
本申请一个方面涉及用于命名订单的接载位置的在线***和方法。***可以首先从终端或与服务请求者相关联的存储器获取位置对,然后调用与该位置对相关的多个兴趣点(POI)。***还可以获取命名接载位置的训练后的命名模型,并确定每个兴趣点的一个或多个特征。***还可以基于每个兴趣点的一个或多个特征确定每个兴趣点的分数,并基于分数对兴趣点进行排序。***还可以基于排序从兴趣点中确定最终兴趣点,并基于最终兴趣点确定接载位置的名称。
需要注意的是,在线按需运输服务,如在线打车服务包括在线呼叫出租车组合服务,是起源于后互联网时代的一种新的服务形式。它为使用者和服务提供者提供了仅在后互联网时代才可能实现的技术方案。在互联网时代之前,当一个使用者在街上呼叫一辆出租车时,出租车预定请求和接受只可能在乘客和一个看见该乘客的出租车司机之间发生。如果乘客通过电话预定一辆出租车,出租车预定请求和接受只可能在该乘客和一个服务提供者(如:一个出租车公司或代理商)之间发生。然而,在线出租车允许一个使用者实时地和自动地向与该使用者相距一段距离的大量的个别服务提供者(例如,出租车)分配服务请求。它也允许多个服务提供商同时和实时地响应服务请求。因此,通过所述互联网,所述在线按需运输***可以为用户和服务提供者提供一个更加高效的交易平台,这在传统的互联网时代之前的运输服务***中是无法达到的。当***从乘客接收订单时,***可以命名订单的接载位置。根据接载位置的名称,司机可以更容易地接载乘客。
图1是根据本申请的一些实施例所示的一种按需运输服务的示例性***100的模块图。例如,按需服务***100可以是一个在线运输服务平台用来提供运输服务,例如出租车呼叫服务、驾驶服务、快运汽车服务、共享服务、巴士服务、司机雇佣、折返运转服务。按需服务***100可以是包括服务器110、网络120、请求者终端130、提供者终端140,存储器150,和定位***160的在线平台。服务器110可以包括处理引擎112和/或处理引擎113。
在一些实施例中,服务器110可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如,服务器110可以是分布式***)。在一些实施例中,服务器110可以是本地的或远程的。例如,服务器110可以通过网路120访问存储在请求者终端130、提供者终端140和/或存储器150内的信息和/或数据。又例如,服务器110可以连接服务请求者终端130、提供者终端140和/或存储器150以访问所存储的信息和/或数据。在一些实施例中,服务器110可以在云平台上实施。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或上述举例的任意组合。在一些实施例中,服务器110可以在如本申请图2所示的,包括一个或多个部件的计算设备200上实现。
在一些实施例中,服务器110可以包括处理引擎112和/或处理引擎113。处理引擎112和/或处理引擎113可以处理与服务请求相关的信息和/或数据,以执行本申请中描述的服务器110的一个或多个功能。例如,处理引擎112可以被配置为获取多个历史按需服务并确定订单的接载位置的名称。处理引擎113可以确定用于命名订单的接载位置的训练后的命名模型。在一些实施例中,处理引擎112和/或处理引擎113可以包括一个或以上处理引擎(例如,单芯片处理引擎或多芯片处理引擎)。仅作为示例,处理引擎112和/或处理引擎113可以包括中央处理单元(CPU)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、图形处理单元(GPU)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可程序门阵列(FPGA)、可编程逻辑装置(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中,按需服务***100的一个或多个组件(例如,服务器110、请求者终端130、提供者终端140、存储器150,和定位***160)可以通过网路120将信息和/或数据发送至即时服务***100中的其他组件。例如,服务器110可以通过网路120从请求者终端130接收服务请求。在一些实施例中,网络120可以为任意形式的有线或无线网络,或其任意组合。仅作为示例,网络120可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络(LAN)、广域网路(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共电话交换网络(PSTN)、蓝牙网络、紫蜂网络、近场通信(NFC)网络等或上述举例的任意组合。在一些实施例中,网络120可以包括一个或以上网络接入点。例如,网络120可以包括有线或无线网络接入点,如基站和/或网络接入点120-1、120-2、……,通过该网络接入点,按需服务***100的一个或多个部件可以连接到网络120以交换数据和/或信息。
在一些实施例中,请求者可以是请求者终端130的使用者。在一些实施例中,请求者终端130的用户可以为除该请求者之外的其他人。例如,请求者终端130的用户A可以使用请求者终端130为用户B发送服务请求,或从服务器110处接收服务和/或信息或指令。在一些实施例中,提供者可以是提供者终端140的用户。在一些实施例中,提供者终端130的用户可以为除该提供者之外的其他人。例如,提供者终端140的用户C可以使用提供者终端140为用户D接收服务请求和/或从服务器110处接收信息或指令。在一些实施例中,“请求者”和“请求者终端”可互换使用,“提供者”和“提供者终端”可互换使用。
在一些实施例中,请求者终端130可以包括移动设备130-1、平板电脑130-2、手提电脑130-3、机动车辆中的内置设备130-4等,或者任何组合。在一些实施例中,移动设备130-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等,或其任何组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器的控制设备、智能监控设备、智能电视、智能摄像机、对讲机等,或其任意组合。在一些实施例中,可穿戴设备可包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等,或其任何组合。在一些实施例中,智能移动设备可以包括智能手机、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备等,或其任何组合。在一些实施例中,虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实贴片、增强现实头盔、增强现实眼镜、增强现实贴片等,或其任何组合。例如,虚拟现实设备和/或增强现实设备可以包括Google眼镜、Oculus Rift、HoloLens、Gear VR等。在一些实施例中,机动车辆中内置设备130-4可以包括车载计算机、车载电视等。在一些实施例中,请求者终端130可以是具有定位技术的设备,以确定请求者和/或请求者终端130的位置。
在一些实施例中,提供者终端140可以与请求者终端130是类似或相同的设备。在一些实施例中,提供者终端140可以是具有定位技术的设备,用于确定服务提供者和/或提供者终端140的位置。在一些实施例中,请求者终端130和/或提供者终端140可以与另一定位设备通信,以确定请求者、请求者终端130、服务提供者和/或提供者终端140的位置。在一些实施例中,请求者终端130和/或提供者终端140向服务器110传送定位信息。
存储器150可以存储数据和/或指令。在一些实施例中,存储器150可以存储从请求者终端130和/或提供者终端140处获取的数据。在一些实施例中,存储器150可以存储服务器110可以执行或使用的数据和/或指令,以执行本申请中描述的示例性方法。例如,存储器150可以存储与特定区域相关联的多个历史订单数据。存储器150可以存储历史订单的多个历史订单信息。存储器150可以存储包含一个或多个参考兴趣点的初始兴趣点数据库和/或目标兴趣点数据库。存储器150可以存储参考兴趣点的一个或多个参考特征。存储器150可以存储用于命名接载位置的初始命名模型和/或训练后的命名模型。在一些实施例中,存储器150可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性大容量存储器可以包括磁盘、光盘、固态驱动器等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、zip盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性随机存取存储器可以包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDRSDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)。示例性只读存储器可以包括掩模只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM),以及数字通用磁盘只读存储器等。在一些实施例中,存储器150可以在云平台上实现。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或上述举例的任意组合。
在一些实施例中,存储器150可连接到网络120以与按需服务***100的一个或多个组件(例如,服务器110、服务请求者终端130、提供者终端140)通信。按需服务***100的一个或多个组件可以通过网路120访问存储在存储器150中的数据或指令。在一些实施例中,存储器150可以与按需服务***100的一个或多个组件(例如,服务器110、请求者终端130、提供者终端140)直接连接或者进行通信。在一些实施例中,存储器150可以是服务器110的一部分。
定位***160可以确定与对象,例如,请求者终端130、提供者终端140等中的一个或多个相关联的信息。该信息可以包括对象的位置、高度、速度或加速度、或当前时间。例如,定位***160可以确定请求者终端130的当前位置。在一些实施例中,定位***160可以是全球定位***(Global Positioning System,GPS)、全球导航卫星***(GlobalNavigation Satellite System,GLONASS)、罗盘导航***(Compass Navigation System,COMPASS)、北斗导航卫星***、伽利略定位***、准天顶卫星***(Quasi-ZenithSatellite System,QZSS)等。位置可以是坐标的形式,例如纬度坐标和经度坐标等。定位***160可以包括一个或多个卫星,例如卫星160-1、卫星160-2、和卫星160-3。卫星160-1至160-3可以独立地或共同地确定上述信息。卫星定位***160可以经由无线连接将信息发送到网络120、请求者终端130或提供者终端140。
在一些实施例中,按需服务***100中的一个或多个组件(例如,服务器110、请求者终端130、提供者终端140)可访问存储器150。在一些实施例中,当满足一个或多个条件时,按需服务***100的一个或多个组件可以读取和/或修改与请求者、提供者和/或公众有关的信息。例如,在完成一个服务后,服务器110可以读取和/或修改一个或以上用户的信息。又例如,从请求者终端130接收到一个服务请求时,提供者终端140可以访问与请求者相关联的信息,但是不能修改请求者的相关信息。
在一些实施例中,按需服务***100中的一个或多个组件之间的信息交换可以通过请求服务来实现。服务请求的对象可以为任何产品。在一些实施例中,所述产品可以是有形产品或无形产品。有形产品可以包括食品、医药、商品、化学产品、电器、衣物、小汽车、房屋、奢侈品等或上述举例的任意组合。无形产品可以包括服务产品、金融产品、知识产品、互联网产品等或上述举例的任意组合。互联网产品可以包括个人主机产品、网站产品、移动互联网产品、商业主机产品、嵌入式产品等或其任意组合。移动互联网产品可以用在移动终端的软件、程序、***等,或者它们的任何组合中。移动终端可以包括平板电脑、手提电脑、移动手机、个人数字助理(PDA)、智能手表、销售点(POS)、车载计算机、车载电视、可穿戴设备等或上述举例的任意组合。例如,产品可以是在计算机或移动电话上使用的任一软件和/或应用。软件和/或应用可以与社交、购物、运输、娱乐、学习、投资等或其任意组合相关。在一些实施例中,与运输有关的软件和/或应用可以包括旅行软件和/或应用、车辆调度软件和/或应用、绘图软件和/或应用等。在所述车辆调度软件和/或应用中,车辆可以包括马、运输车、人力车(例如,手推车、自行车、三轮车)、汽车(例如,出租车、公共汽车、私家车)、火车、地铁、船舶、航空器(例如,飞机、直升飞机、航天飞机、火箭、热气球)等,或其任意组合。
本领域普通技术人员将理解,按需服务***100的组件可以通过电信号和/或电磁信号执行。例如,当服务请求者终端130处理例如做出确定、识别或选择对象的任务时,请求者终端130可以在其处理器中操作逻辑电路以执行这样的任务。当服务请求者终端130向服务器110发送服务请求时,服务请求者终端130的处理器可以生成编码该请求的电信号。然后,服务请求者终端130的处理器可以将电信号发送到输出端口。如果服务请求者终端130经由有线网络与服务器110通信,则输出端口可以物理地连接到电缆,电缆再将电信号发送到服务器110的输入端口。如果服务请求者终端130经由无线网络与服务器110通信,则服务请求者终端130的输出端口可以是一个或多个天线,其将电信号转换为电磁信号。类似地,服务提供者终端140可以通过其处理器中的逻辑电路的操作来处理任务,并且经由电信号或电磁信号从服务器110接收指令和/或服务请求。在例如服务请求者终端130、服务提供者终端140和/或服务器110的电子设备中,当其处理器处理指令、发送指令、和/或执行动作时,该指令和/或动作通过电信号传导。例如,当处理器从存储介质检索或保存数据时,其可以将电信号发送到存储介质的读/写设备,该读/写设备可以在存储介质中读取或写入结构化数据。该结构化数据可以经由电子设备的总线以电信号的形式被发送到处理器。这里,电信号可以指一个电信号、一系列电信号和/或多个离散电信号。
图2是根据本申请的一些实施例所示的可以在其上实施服务器110、请求者终端130和/或提供者终端140的计算设备200的示例性硬件和软件组件的示意图。例如,处理引擎112和/或处理引擎113可以在计算设备200上实施,并且被配置为执行处理引擎112和/或处理引擎113在本申请中披露的功能。
计算设备200可以是通用计算机或专用计算机;两者都可以用于实施本申请的按需***。计算装置200可以用于实施本申请中描述的按需服务的任一组件。例如,处理引擎112和/或处理引擎113可以通过其硬件、软件程序、固件或其任意组合(例如,处理器220)在计算设备200上实施。
例如,计算设备200包括与网络相连接并促进数据传输的通信端口250。计算设备200还可以包括用于执行程序指令的处理器220。示例性的计算设备包括内部通信总线210、不同形式的程序存储器和数据存储器,包括例如,磁盘270、和只读存储器(ROM)230或随机存取存储器(RAM)240,用于存储由计算设备处理和/或传输的各种各样的数据文件。示例性的计算设备还可以包括储存在ROM 230、RAM 240和/或其他形式的非暂时性存储介质中的能够被处理器220执行的程序指令。本申请披露的方法和/或过程可以作为程序指令来实施。计算设备200还包括输入/输出260,用来支持计算机和其他组件之间进行输入/输出。计算设备200还可以通过网络通信接收程序及数据。
仅为了说明,图2中仅绘制了一个处理器。还考虑了多个处理器;因此,如本申请中描述的由一个处理器执行的操作和/或方法步骤也可以由多个处理器共同或分别执行。例如,在本申请中,如果计算设备200的处理器执行步骤A和步骤B,应当被理解为是步骤A和步骤B由计算设备200的两个不同的处理器共同或分别执行(例如第一处理器执行步骤A、第二处理器执行步骤B、或者第一处理器和第二处理器共同执行步骤A和B)。
图3是根据本申请一些实施例所示的一种可以在其上实施请求者终端130和/或提供者终端140的示例性移动设备的示例性硬件和/或软件组件的示意图。如图3所示,移动设备300可以包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、输入/输出350、内存360和存储器390。在一些实施例中,任何其他合适的组件,包括但不限于***总线或控制器(未示出),也可包括在移动设备300内。在一些实施例中,操作***370(如,iOSTM、AndroidTM、Windows PhoneTM等)和一个或以上应用程序380可以从存储器390加载到内存360中,以便由CPU 340执行。应用程序380包括浏览器或任何其他合适的移动应用程序,用于接收及呈现与线上按需运输服务相关的信息或来自服务器110的其他信息,并将这些信息发送到服务器110。用户与信息流的交互可以通过输入/输出350实现,并通过网络120提供给服务器110和/或在线按需运输服务***100的其他组件。
图4A是根据本申请的一些实施例所示的一种命名订单的接载位置的示例性处理引擎112的模块图。处理引擎112可以与计算机可读存储器(例如,存储器150、请求者终端130或提供者终端140)通信,并且可以执行存储在计算机可读存储介质中的指令。在一些实施例中,处理引擎112可以包括位置获取模块410、初始兴趣点确定模块420、特征提取模块430、模型获取模块440和命名模块450。
位置获取模块410可以获取订单的位置对。在一些实施例中,位置对可以与用户相关联。位置对可以包括当前位置和接载位置。当前位置可以是用户经由请求者终端130发起订单的位置。在一些实施例中,当前位置可以包括当前位置的经度数据和/或纬度数据。接载位置可以是用户想要由服务提供者接载的位置。接载位置可以包括接载位置的经度数据和/或纬度数据。在一些实施例中,接载位置可以由按需服务***100确定为推荐接载位置,其可以被发送到请求者终端130和提供者终端140。或者,接载位置可以由用户通过请求者终端130输入。或者,接载位置可以是上述用户的当前位置。
初始兴趣点(POI)确定模块420可以基于位置对和目标兴趣点数据库确定一个或多个初始兴趣点(POI)。目标兴趣点数据库可以包括一个或多个参考兴趣点。在一些实施例中,可以根据图9所示及其以下详细描述中的过程900来生成目标兴趣点数据库。初始兴趣点确定模块420可以访问存储器150或存储介质以从目标兴趣点数据库中获取参考兴趣点。初始兴趣点确定模块420可以基于位置对从目标兴趣点数据库中选择参考兴趣点作为初始兴趣点。参考兴趣点可以具有一个或多个属性,包括参考兴趣点的名称(例如,北京大学、北京协和医院)、参考兴趣点的类别(例如,学校、医院、大门、交通工具、车站、商店等)、地址(例如,苏州市高新区学森路9号)、坐标(例如,纬度坐标和经度坐标)、邮政编码(例如,100000)、描述等,或其组合。在一些实施例中,初始兴趣点确定模块420可以确定与当前位置相距第一距离(例如,100米)并且在距离接载位置的第二距离(例如,80米)内的一个或多个兴趣点。
特征提取模块430可以确定一个或多个初始兴趣点的一个或多个特征。在一些实施例中,可以预先生成一个或多个初始兴趣点的一个或多个特征,并将其存储在存储设备(例如,存储器150)中。特征提取模块430可以从存储器150获取一个或多个初始兴趣点的一个或多个参考特征。在一些实施例中,初始兴趣点的一个或多个特征可以包括第一初始兴趣点的属性特征(例如公交车站、十字路口等)、表示接载位置与第一初始兴趣点之间的距离的距离特征和第一初始兴趣点、历史订单量特征(例如,使用第一初始兴趣点作为接载位置的历史订单的数量)、历史订单的重定位行为特征等,或其任意组合。
模型获取模块440可以获得用于命名接载位置的训练后的命名模型。模型获取模块440可以基于初始兴趣点的特征和用于命名接载位置的训练后的命名模型来确定初始兴趣点的分数。在一些实施例中,模型获取模块440可以训练命名模型以基于多个训练样本命名接载位置。
命名模块450可以确定接载位置的名称。例如,命名模块450可以基于训练后的命名模块确定接载位置的名称。
处理引擎112中的位置获取模块410、初始兴趣点确定模块420、特征提取模块430、模型获取模块440和命名模块450可以经由有线连接、无线连接或或其任意组合彼此连接或通信。有线连接可以包括金属电缆、光缆、混合电缆等,或其任意组合。无线连接可以包括局域网(LAN)、广域网(WAN),蓝牙,无线个域网,近场通信(NFC)等,或其任意组合。位置获取模块410、初始兴趣点确定模块420、特征提取模块430、模型获取模块440和命名模块450中的两个或更多个可以组合为单个模块。例如,模型获取模块440可以与命名模块450集成为单个模块。单个模块可以基于训练后的命名模型确定接载位置的名称。
图4B是根据本申请的一些实施例所示的一种确定训练后的命名模型的示例性处理引擎113的模块图。处理引擎113可以与计算机可读存储器(例如,存储器150、请求者终端130或提供者终端140)通信,并且可以执行存储在计算机可读存储介质中的指令。在一些实施例中,处理引擎113可以包括初始模型获取模块411、训练样本确定模块421、训练模块431和目标数据库确定模块441。
初始模型获取模块411可以获取初始命名模型。在一些实施例中,初始命名模型可以包括一个或多个分类器。每个分类器可以具有与分类器的权重相关的初始参数。
训练样本确定模块421可以确定多个训练样本。在一些实施例中,训练样本确定模块421可以确定参考兴趣点的一个或多个参考特征,并且训练样本确定模块421可以将参考兴趣点的一个或多个参考特征存储在存储器150中。
训练模块431可以通过基于多个训练样本中的每一个训练初始命名模型来确定训练后的命名模型。在一些实施例中,训练模块431可以将训练后的命名模型存储在存储器150中。
目标数据库确定模块441可以基于初始兴趣点数据库确定目标兴趣点数据库。在一些实施例中,目标数据库确定模块441可以访问存储器150中的初始兴趣点数据库。在一些实施例中,目标数据库确定模块441可以将目标兴趣点数据库存储在存储器150中。
处理引擎113中的初始模型获取模块411、训练样本确定模块421、训练模块431和目标数据库确定模块441可以经由有线连接、无线连接或其任意组合彼此连接或通信。有线连接可以包括金属电缆、光缆、混合电缆等,或其任意组合。无线连接可以包括局域网(LAN)、广域网(WAN)、蓝牙、无线个域网、近场通信(NFC)等,或其任意组合。
在一些实施例中,位置获取模块410可以获取位置对。位置对可以包括当前位置和接载位置。当前位置可以是用户经由请求者终端130发起订单的位置。在一些实施例中,当前位置可以包括当前位置的经度数据和/或纬度数据。在一些实施例中,当用户经由请求者终端130发起订单时,当前位置可以是请求者终端130的位置。
初始兴趣点确定模块420可以基于位置对和目标兴趣点数据库确定一个或多个初始兴趣点(POI)(例如,第一初始兴趣点和第二初始兴趣点)。在一些实施例中,可以根据图9所示及其以下详细描述中的过程900来生成目标兴趣点数据库。在一些实施例中,初始兴趣点确定模块420可以确定与当前位置相距第一距离(例如,100米)并且在距离接载位置的第二距离(例如,80米)内的第一初始兴趣点和第二初始兴趣点。
特征提取模块430可以基于第一初始兴趣点和位置对来确定第一初始兴趣点的特征。例如,特征提取模块430可以基于接载位置和第一初始兴趣点之间的距离来确定第一初始兴趣点的特征。仅作为示例,该特征可以包括第一初始兴趣点的属性特征(例如公交车站、十字路口等)、表示接载位置与第一初始兴趣点之间的距离的距离特征和第一初始兴趣点、历史订单量特征(例如,使用第一初始兴趣点作为接载位置的历史订单的数量)、历史订单的重定位行为特征等,或其任意组合。在一些实施例中,特征提取模块430可以获取从存储器150确定的参考兴趣点的一个或多个参考特征作为第一初始兴趣点的特征。
特征提取模块430可以基于第二初始兴趣点和位置对来确定第二初始兴趣点的特征。例如,特征提取模块430可以基于接载位置和第二初始兴趣点之间的距离来确定第二初始兴趣点的特征。在一些实施例中,特征提取模块430可以从存储器150获取参考兴趣点的一个或多个参考特征作为第二初始兴趣点的特征。
模型获取模块440可以获得用于命名接载位置的训练后的命名模型。用于命名接载位置的训练后的命名模型可以包括机器学习模型。在一些实施例中,训练后的命名模型可以包括一个或多个分类器。每个分类器可以具有与分类器的权重相关的训练参数。训练后的命名模块可以使用位置对和初始兴趣点的特征作为输入,并基于一个或多个分类器和与分类器的权重相关的训练参数生成初始兴趣点的分数作为训练后的命名模块的输出。
可以预先生成和/或训练用于命名接载位置的训练后的命名模型,并将其存储在存储设备(例如,存储器150)中。处理器220可以从存储设备获取训练后的命名模型。可选地或另外地,可以实时训练和/或更新用于命名接载位置的训练后的命名模型。
用于命名接载位置的训练后的命名模型可以使用一种或多种机器学习技术来训练。在一些实施例中,训练后的命名模型可以包括排名支持向量机(Support VectorMachine,SVM)模型、梯度提升决策树(GBDT)模型、LambdaMART模型、自适应增强模型、递归神经网络模型、卷积网络模型、隐藏马可夫模型、感知器神经网络模型、霍普菲尔网路模型、自组织映射(Self-Organizing Map,SOM)或学习矢量量化(Learning VectorQuantization,LVQ)等,或其任意组合。递归神经网络模型可以包括长短期记忆(LongShort Term Memory,LSTM)神经网络模型、分层递归神经网络模型、双向递归神经网络模型、二阶递归神经网络模型、完全复现网络模型、回声状态网络模型、多重时间尺度递归神经网络(Multiple Timescales Recurrent Neural Network,MTRNN)模型等。
在一些实施例中,可以通过执行图6中描述的一个或多个操作来生成训练后的命名模型。
模型获取模块440可以基于第一初始兴趣点的特征和训练后的命名模型来确定第一初始兴趣点的第一分数。模型获取模块440可以使用位置对和第一初始兴趣点的特征作为训练后的命名模型的输入,并确定第一初始兴趣点的第一分数作为训练后的命名模型的输出。例如,模型获取模块440可以将位置对和第一初始兴趣点的特征确定为训练后的命名模型的输入。一个或多个分类器可以基于位置对和第一初始兴趣点的特征,生成第一初始兴趣点的第一分数作为训练后的命名模型的输出。
模型获取模块440可以基于第二初始兴趣点的特征和训练后的命名模型来确定第二初始兴趣点的第二分数。模型获取模块440可以使用位置对和第二初始兴趣点的特征作为输入,并确定第二初始兴趣点的第二分数作为训练后的命名模型的输出。例如,模型获取模块440可以将位置对和第二初始兴趣点的特征确定为训练后的命名模型的输入。一个或多个分类器可以基于位置对和第二初始兴趣点的特征,生成第二初始兴趣点的第二分数作为训练后的命名模型的输出。
命名模块450可以基于第一分数和第二分数来确定最终兴趣点。命名模块450可以基于第一分数和第二分数对第一初始兴趣点和第二初始兴趣点进行排序。命名模块450还可以基于排序确定最终兴趣点。例如,命名模块450可以比较第一分数和第二分数,将具有较高分数的初始兴趣点确定为最终兴趣点。
命名模块450可以基于最终兴趣点确定接载位置的名称。例如,命名模块450可以获取最终兴趣点的名称(例如,基于与从目标兴趣点数据库获取的与最终兴趣点相关的信息)并且将最终兴趣点的名称指定为接载位置的名称。
在一些实施例中,初始模型获取模块411可以获取初始命名模型。在一些实施例中,初始命名模型可以包括一个或多个分类器。每个分类器可以具有与分类器的权重相关的初始参数。
初始命名模型可以包括排名支持向量机(SVM)模型、梯度提升决策树(GBDT)模型、LambdaMART模型、自适应增强模型、递归神经网络模型、卷积网络模型、隐藏马可夫模型、感知器神经网络模型、霍普菲尔网路模型、自组织映射(SOM)或学习矢量量化(LVQ)等,或其任意组合。递归神经网络模型可以包括长短期记忆(LSTM)神经网络模型、分层递归神经网络模型、双向递归神经网络模型、二阶递归神经网络模型、完全复现网络模型、回声状态网络模型、多重时间尺度递归神经网络(MTRNN)模型等。
训练样本确定模块421可以确定多个训练样本。多个训练样本可以包括参考兴趣点的一个或多个参考特征以及与参考兴趣点映射的历史订单的注释对。注释对可以包括历史位置数据、历史最终接载位置数据、以及与参考兴趣点映射的历史订单的历史接载位置名称。在一些实施例中,多个训练样本包括正样本和/或负样本。此外,训练样本确定模块421可以确定训练样本是正样本还是负样本。在一些实施例中,可以根据图7所示及其以下描述中的过程700来生成多个训练样本中的至少一个。
训练模块431可以通过使用多个训练样本训练初始命名模型来确定训练后的命名模型。初始命名模型可以将多个训练样本作为输入,并且基于一个或多个分类器将一个或多个参考兴趣点的一个或多个实际分数确定为实际输出。参考兴趣点可以具有一个或多个属性,包括参考兴趣点的名称(例如,北京大学、北京协和医院)、参考兴趣点的类别(例如,学校、医院、大门、交通工具、车站、商店等)、地址(例如,苏州市高新区学森路9号)、坐标(例如,纬度坐标和经度坐标)、邮政编码(例如,100000)、描述等,或其组合。每个分类器可以具有与分类器的权重相关的初始参数。可以基于正样本和/或负样本来调整与分类器的权重相关的初始参数。
训练模块431可以基于多个训练样本确定期望的输出。在一些实施例中,训练样本的期望输出可以是与参考兴趣点映射的历史订单的历史接载位置的名称。训练模块431可以训练初始命名模型以最小化损失函数。损失函数表示期望输出与初始命名模型确定的实际输出之间的差值。训练样本可以具有实际输出的实际分数和期望输出的期望分数。实际分数和期望分数可以相同或不同。损失函数可以是每个训练样本的实际分数和期望分数之间的绝对差值的总和。具体地,当实际输出与期望输出相同时,损失函数为0。损失函数的最小化可以是迭代的。当损失函数的值小于预设阈值时,损失函数的最小化的迭代可以结束。预设阈值可以基于各种因素来设置,包括训练样本的数量、模型的准确度等。训练模块431可以在最小化损失函数期间迭代地调整初始命名模型的初始参数。在最小化损失函数结束时,训练模块431可以确定多于一个训练参数和训练后的命名模型。
在一些实施例中,训练样本确定模块421可以确定与历史订单相关的历史订单信息。在一些实施例中,服务器110可以访问存储器150和/或存储介质(例如,ROM 230、RAM240)以获取历史订单。历史订单信息包括历史位置数据、历史最终接载位置数据、历史推荐接载位置数据,历史接载位置名称等,或其组合。在一些实施例中,历史位置数据可以包括历史位置的经度数据和/或纬度数据。历史最终接载位置数据可以包括历史最终接载位置的经度数据和/或纬度数据。历史推荐接载位置数据可以包括历史推荐接载位置的经度数据和/或纬度数据。历史位置可以是请求者终端130的位置,在这里用户经由请求者终端130发起历史订单。历史最终接载位置可以是用户选择通过请求者终端130登上的最终位置。历史推荐接载位置可以是由按需服务***100生成的位置作为与历史订单相关的历史推荐接载位置。历史接载位置的名称可以是历史订单的历史最终接载位置的名称。
训练样本确定模块421可以将历史订单信息映射到参考兴趣点。训练样本确定模块可以访问存储器150以从目标兴趣点数据库中获取参考兴趣点。参考兴趣点可以具有一个或多个属性,包括参考兴趣点的名称(例如,北京大学、北京协和医院)、参考兴趣点的类别(例如,学校、医院、大门、交通工具、车站、商店等)、地址(例如,苏州市高新区学森路9号)、坐标(例如,纬度坐标和经度坐标)、邮政编码(例如,100000)、描述等,或其组合。训练样本确定模块421可以基于参考兴趣点的属性将历史订单信息映射到参考兴趣点。在一些实施例中,训练样本确定模块421可以基于参考兴趣点的名称与历史订单的历史接载位置名称的相似性将历史订单信息映射到参考兴趣点。名称的相似性可以由参考兴趣点和历史接载位置名称中包括的相同单词的数量来表示。例如,如果参考兴趣点的名称(例如,兴趣点A)与历史订单的历史接载位置名称(例如,订单A)的相似度超过50%,则训练样本确定模块421可以将订单A的历史订单信息映射到兴趣点A。
训练样本确定模块421可以基于与参考兴趣点映射的历史订单信息来确定参考兴趣点的一个或多个参考特征。
在一些实施例中,参考兴趣点的一个或多个参考特征可以包括表示接载位置和参考兴趣点之间的距离的距离特征数据。训练样本确定模块421可以确定参考兴趣点和与参考兴趣点映射的历史订单的历史最终接载位置之间的距离(例如,欧几里德距离),作为参考兴趣点的距离特征数据。
在一些实施例中,参考兴趣点的一个或多个参考特征可以包括历史订单量特征数据。例如,训练样本确定模块421可以将参考兴趣点的名称被用作历史接载位置名称的历史订单的数量确定为参考兴趣点的历史订单量特征数据。
在一些实施例中,参考兴趣点的一个或多个参考特征可以包括属性特征数据。例如,如果参考兴趣点的名称包含某些词,例如“门”、“站”,则训练样本确定模块421可以提取该特定词作为属性特征数据。又例如,如果参考兴趣点是地标,例如雕塑、商店(例如,肯德基、麦当劳)、公交车站、地铁站等,则训练样本确定模块421可以提取参考兴趣点的这样的属性作为属性特征数据。
在一些实施例中,参考兴趣点的一个或多个参考特征可以包括重定位行为特征数据。重定位行为表示在历史订单中,用户选择参考兴趣点,而不是历史推荐接载位置作为历史最终接载位置。例如,对于历史订单A,历史推荐接载位置是位置A,历史最终接载位置是B;因此,训练样本确定模块421可以确定与订单A映射的兴趣点的重定位行为特征数据。训练样本确定模块421可以根据图8中描述的操作来确定重定位行为特征数据。
训练样本确定模块421可以基于参考兴趣点的一个或多个参考特征和与参考兴趣点映射的历史订单信息来生成训练样本。例如,训练样本可以包括参考兴趣点的一个或多个参考特征以及与参考兴趣点映射的历史订单的注释对。注释对可以包括历史位置数据、历史最终接载位置数据、以及与参考兴趣点映射的历史订单的历史接载位置名称。在一些实施例中,在训练样本中,参考兴趣点的名称和注释对的历史接载位置名称可以是相同的,或具有超过阈值(例如,50%)的相似性。
在一些实施例中,训练样本确定模块421可以基于历史订单量特征确定训练样本是正样本还是负样本。训练样本确定模块421可以将具有较高历史订单量特征的训练样本确定为正样本,并将具有较低历史订单量特征的训练样本确定为负样本。例如,有三个训练样本,样本A、样本B和样本C。所有三个训练样本的历史最终接载位置是相同的,这意味着不同的用户选择不同的参考兴趣点作为相同历史最终接载位置的历史接载位置名称。样本A的历史订单量特征数据为9,样本B的历史订单量特征数据为3,样本C的历史订单量特征数据为2。训练样本确定模块421可以将样本A确定为正样本,并且将样本B和样本C确定为负样本。
在一些实施例中,训练样本确定模块421可以获取历史最终接载位置数据。在一些实施例中,历史最终接载位置数据可以包括历史最终接载位置的经度和/或纬度信息、到历史最终接载位置的链接等,或其任意组合。历史最终接载位置可以指在历史订单中用户最终使用的接载位置。在一些实施例中,历史最终接载位置数据可以对应于同一用户的一个或多个历史订单。可替代地或另外地,历史最终接载位置数据可以对应于不同用户的一个或多个历史订单。一个或多个历史订单可以包括一段时间内的所有历史订单。该时段可以根据具体条件预先设定,例如一周、一个月、一季度、半年、一年。
训练样本确定模块421可以获取历史推荐接载位置数据。在一些实施例中,历史推荐接载位置数据可以包括历史推荐接载位置的经度和/或纬度信息、到历史推荐接载位置的链接等,或其任意组合。历史推荐接载位置可以指对应于一个或多个历史订单的按需服务***100推荐的接载位置。在一些实施例中,对于历史订单,按需服务***100可以根据用户的历史位置数据向用户推荐一个或多个接载位置。例如,用户的历史位置数据可以包括历史位置的经度和/或纬度信息。
训练样本确定模块421可以基于历史最终接载位置数据和历史推荐接载位置数据来确定重定位行为特征数据。训练样本确定模块421可以比较历史最终接载位置数据和历史推荐接载位置数据。如果历史最终接载位置数据与历史推荐接载位置数据不同(即,用户选择参考兴趣点,而不是历史推荐接载位置作为历史最终接载位置),则训练样本确定模块421可以确定参考兴趣点的重定位行为特征数据。例如,重定位行为特征数据可以是“0”,表示在与参考兴趣点映射的历史订单中,历史最终接载位置是历史推荐接载位置。又例如,重定位行为特征数据可以是“1”,表示在与参考兴趣点映射的历史订单中,历史最终接载位置是参考兴趣点而不是历史推荐接载位置。
在一些实施例中,目标数据库确定模块441可以从存储器150获取初始兴趣点数据库。初始兴趣点数据库可以包括多个参考兴趣点。多个参考兴趣点可以是道路交叉口、公交车站、地铁站、景点、学校、医院、旅馆、购物中心等,或其任意组合。参考兴趣点可以具有一个或多个属性,包括的名称(例如,北京大学、北京协和医院)、类别(例如,学校、公司、医院、大门、车站、商店、道路等)、地址(例如,苏州市高新区学森路9号)、坐标(例如,纬度坐标和经度坐标)、邮政编码(例如,100000)、描述等,或其组合。
目标数据库确定模块441可以基于参考兴趣点的属性确定目标兴趣点数据库。如果初始兴趣点数据库中并非每个参考兴趣点都适合于确定接载位置的名称,则可以从初始兴趣点数据库修改或删除初始兴趣点数据库中的一个或多个参考兴趣点。例如,一些参考兴趣点可以是拥有许多公司的建筑中的公司。又例如,一些参考兴趣点对于司机来说可能过于笼统,例如名称为“时代广场”的兴趣点,无法表示该位置的确切位置。目标数据库确定模块441可以在初始兴趣点数据库中通过删除其名称包含特定词语(例如,“单元”、“房间”、“大厅”、“部门”、“楼梯”等)的参考兴趣点来确定目标参考兴趣点。在一些实施例中,目标数据库确定模块441可以通过删除地址在建筑物中的参考兴趣点来确定目标参考兴趣点。在一些实施例中,目标数据库确定模块441可以通过删除属于特定类别(例如,公司、道路)的参考兴趣点来确定目标参考兴趣点。
图5是根据本申请的一些实施例所示的确定接载位置的名称的示例性过程500的流程图。在一些实施例中,用于确定接载位置的名称的过程500可以在如图1所示的按需服务***100中实施。例如,过程500可以实施为存储在存储器150中并由处理引擎112或处理器220调用和/或执行的一组或多组指令。在一些实施例中,过程500可以在用户终端和/或服务器中实施。
在510中,位置获取模块410可以获取位置对。位置对可以包括当前位置和接载位置。当前位置可以是用户经由请求者终端130发起订单的位置。在一些实施例中,当前位置可以包括当前位置的经度数据和/或纬度数据。在一些实施例中,当用户经由请求者终端130发起订单时,当前位置可以是请求者终端130的位置。
接载位置可以是用户想要由服务提供者接载的位置。接载位置可以包括接载位置的经度数据和/或纬度数据。在一些实施例中,接载位置可以由按需服务***100确定为推荐接载位置,其可以被发送到请求者终端130和提供者终端140。按需服务***100可以通过向用户发送一个或多个历史订单的一个或多个历史接载位置来确定推荐接载位置。例如,按需服务***100可以获取在靠近用户的当前位置的位置处发起的一个或多个历史订单,并确定历史订单的历史接载位置作为用户的推荐接载位置。或者,接载位置可以由用户通过请求者终端130输入。或者,接载位置可以是上述用户的当前位置。
在520中,初始兴趣点确定模块420可以基于位置对和目标兴趣点数据库确定一个或多个初始兴趣点(POI)(例如,第一初始兴趣点和第二初始兴趣点)。在一些实施例中,可以根据图9所示及其以下详细描述中的过程900来生成目标兴趣点数据库。在一些实施例中,初始兴趣点确定模块420可以确定与当前位置相距第一距离(例如,100米)并且在距离接载位置的第二距离(例如,80米)内的第一初始兴趣点和第二初始兴趣点。
在530中,特征提取模块430可以基于第一初始兴趣点和位置对确定第一初始兴趣点的特征。例如,特征提取模块430可以基于接载位置和第一初始兴趣点之间的距离来确定第一初始兴趣点的特征。仅作为示例,该特征可以包括第一初始兴趣点的属性特征(例如公交车站、十字路口等)、表示接载位置与第一初始兴趣点之间的距离的距离特征和第一初始兴趣点、历史订单量特征(例如,使用第一初始兴趣点作为接载位置的历史订单的数量)、历史订单的重定位行为特征等,或其任意组合。在一些实施例中,特征提取模块430可以从存储器150获取参考兴趣点的一个或多个参考特征作为第一初始兴趣点的特征。
在540中,特征提取模块430可以基于第二初始兴趣点和位置对确定第二初始兴趣点的特征。例如,特征提取模块430可以基于接载位置和第二初始兴趣点之间的距离来确定第二初始兴趣点的特征。在一些实施例中,特征提取模块430可以从存储器150获取参考兴趣点的一个或多个参考特征作为第二初始兴趣点的特征。
在550中,模型获取模块440可以获取用于命名接载位置的训练后的命名模型。用于命名接载位置的训练后的命名模型可以包括机器学习模型。在一些实施例中,训练后的命名模型可以包括一个或多个分类器。每个分类器可以具有与分类器的权重相关的训练参数。训练后的命名模块可以使用位置对和初始兴趣点的特征作为输入,并基于一个或多个分类器和与分类器的权重相关的训练参数生成初始兴趣点的分数作为训练后的命名模块的输出。
在一些实施例中,可以预先生成和/或训练用于命名接载位置的训练后的命名模型,并将其存储在存储设备(例如,存储器150)中。处理器220可以从存储设备获取训练后的命名模型。可选地或另外地,可以实时训练和/或更新用于命名接载位置的训练后的命名模型。
用于命名接载位置的训练后的命名模型可以使用一种或多种机器学习技术来训练。在一些实施例中,训练后的命名模型可以包括排名支持向量机(SVM)模型、梯度提升决策树(GBDT)模型、LambdaMART模型、自适应增强模型、递归神经网络模型、卷积网络模型、隐藏马可夫模型、感知器神经网络模型、霍普菲尔网路模型、自组织映射(SOM)或学习矢量量化(LVQ)等,或其任意组合。递归神经网络模型可以包括长短期记忆(LSTM)神经网络模型、分层递归神经网络模型、双向递归神经网络模型、二阶递归神经网络模型、完全复现网络模型、回声状态网络模型、多重时间尺度递归神经网络(MTRNN)模型等。
在一些实施例中,可以通过执行图6中描述的一个或多个操作来生成训练后的命名模型。
在560中,模型获取模块440可以基于第一初始兴趣点的特征和训练后的命名模型确定第一初始兴趣点的第一分数。模型获取模块440可以使用位置对和第一初始兴趣点的特征作为训练后的命名模型的输入,并确定第一初始兴趣点的第一分数作为训练后的命名模型的输出。例如,模型获取模块440可以将位置对和第一初始兴趣点的特征确定为训练后的命名模型的输入。一个或多个分类器可以基于位置对和第一初始兴趣点的特征,生成第一初始兴趣点的第一分数作为训练后的命名模型的输出。
在570中,模型获取模块440可以基于第二初始兴趣点的特征和训练后的命名模型确定第二初始兴趣点的第二分数。模型获取模块440可以使用位置对和第二初始兴趣点的特征作为输入,并确定第二初始兴趣点的第二分数作为训练后的命名模型的输出。例如,模型获取模块440可以将位置对和第二初始兴趣点的特征确定为训练后的命名模型的输入。一个或多个分类器可以基于位置对和第二初始兴趣点的特征,生成第二初始兴趣点的第二分数作为训练后的命名模型的输出。
在580中,命名模块450可以基于第一分数和第二分数确定最终兴趣点。命名模块450可以基于第一分数和第二分数对第一初始兴趣点和第二初始兴趣点进行排序。命名模块450还可以基于排序确定最终兴趣点。例如,命名模块450可以比较第一分数和第二分数,将具有较高分数的初始兴趣点确定为最终兴趣点。
在590中,命名模块450可以基于最终兴趣点确定接载位置的名称。例如,命名模块450可以获取最终兴趣点的名称(例如,基于与从目标兴趣点数据库获取的与最终兴趣点相关的信息)并且将最终兴趣点的名称指定为接载位置的名称。
这里描述的过程500的操作旨在是说明性的而非限制性的。在一些实施例中,过程500在实施时可以添加一个或多个本申请未描述的额外操作和/或删减一个或多个此处所描述的操作。例如,在520中,初始兴趣点确定模块420可以基于位置对和目标兴趣点数据库确定第三初始兴趣点。在540之后和550之前,特征提取模块430可以基于第一初始兴趣点和位置对来确定第三初始兴趣点的特征。在570之后和580之前,模型获取模块440可以基于第三初始兴趣点的特征和训练后的命名模型来确定第三初始兴趣点的第三分数。在580中,命名模块450可以基于第一分数、第二分数和第三分数确定最终兴趣点(例如,选择具有最高分数的初始兴趣点)。此外,图5中所示的过程500中的操作顺序和下文描述的操作的顺序并不加以限制。例如,530和540的顺序可以是相反的,560和570的顺序也可以是相反的。
图6是根据本申请的一些实施例所示的确定训练后的命名模型的训练模型的示例性过程600的流程图。在一些实施例中,用于确定训练后的命名模型的过程600可以在如图1所示的按需服务***100中实施。例如,过程600可以实施为存储在存储器150中并由处理引擎113或处理器220调用和/或执行的一组或多组指令。替代地或另外地,过程600可以在用户终端和/或服务器中实施。
这里描述的过程600的操作旨在是说明性的而非限制性的。在一些实施例中,过程600在实施时可以添加一个或多个本申请未描述的额外操作,和/或删减一个或多个此处所描述的操作。另外,如图6中所示的过程600的操作的顺序及其以下描述不是限制性的。
在610中,初始模型获取模块411可以获取初始命名模型。在一些实施例中,初始命名模型可以包括一个或多个分类器。每个分类器可以具有与分类器的权重相关的初始参数。
初始命名模型可以包括排名支持向量机(SVM)模型、梯度提升决策树(GBDT)模型、LambdaMART模型、自适应增强模型、递归神经网络模型、卷积网络模型、隐藏马可夫模型、感知器神经网络模型、霍普菲尔网路模型、自组织映射(SOM)或学习矢量量化(LVQ)等,或其任意组合。递归神经网络模型可以包括长短期记忆(LSTM)神经网络模型、分层递归神经网络模型、双向递归神经网络模型、二阶递归神经网络模型、完全复现网络模型、回声状态网络模型、多重时间尺度递归神经网络(MTRNN)模型等。
在620中,训练样本确定模块421可以确定多个训练样本。多个训练样本可以包括参考兴趣点的一个或多个参考特征以及与参考兴趣点映射的历史订单的注释对。注释对可以包括历史位置数据、历史最终接载位置数据、以及与参考兴趣点映射的历史订单的历史接载位置名称。在一些实施例中,多个训练样本包括正样本和/或负样本。此外,训练样本确定模块421可以确定训练样本是正样本还是负样本。在一些实施例中,可以根据图7所示及其以下描述中的过程700来生成多个训练样本中的至少一个。
在630中,训练模块431可以使用多个训练样本训练初始命名模型以确定训练后的命名模型。初始命名模型可以将多个训练样本作为输入,并且基于一个或多个分类器将一个或多个参考兴趣点的一个或多个实际分数确定为实际输出。参考兴趣点可以具有一个或多个属性,包括参考兴趣点的名称(例如,北京大学、北京协和医院)、参考兴趣点的类别(例如,学校、医院、大门、交通工具、车站、商店等)、地址(例如,苏州市高新区学森路9号)、坐标(例如,纬度坐标和经度坐标)、邮政编码(例如,100000)、描述等,或其组合。每个分类器可以具有与分类器的权重相关的初始参数。可以基于正样本和/或负样本来调整与分类器的权重相关的初始参数。
训练模块431可以基于多个训练样本确定期望的输出。在一些实施例中,训练样本的期望输出可以是与参考兴趣点映射的历史订单的历史接载位置的名称。训练模块431可以训练初始命名模型以最小化损失函数。损失函数表示期望输出与初始命名模型确定的实际输出之间的差值。训练样本可以具有实际输出的实际分数和期望输出的期望分数。实际分数和期望分数可以相同或不同。损失函数可以是每个训练样本的实际分数和期望分数之间的绝对差值的总和。具体地,当实际输出与期望输出相同时,损失函数为0。损失函数的最小化可以是迭代的。当损失函数的值小于预设阈值时,损失函数的最小化的迭代可以结束。预设阈值可以基于各种因素来设置,包括训练样本的数量、模型的准确度等。训练模块431可以在最小化损失函数期间迭代地调整初始命名模型的初始参数。在最小化损失函数结束时,训练模块431可以确定多于一个训练参数和训练后的命名模型。
图7是根据本申请的一些实施例所示的确定训练样本的示例性过程700的流程图。在一些实施例中,用于确定训练样本的过程700可以在如图1所示的按需服务***100中实施。例如,过程700可以实施为存储在存储器150中并由处理引擎113或处理器220调用和/或执行的一组或多组指令。替代地或另外地,过程700可以在用户终端和/或服务器中实施。这里描述的过程700的操作旨在是说明性的而非限制性的。在一些实施例中,过程700在实施时可以添加一个或多个本申请未描述的额外操作,和/或删减一个或多个此处所描述的操作。另外,如图7中所示的过程700的操作的顺序及其以下描述不是限制性的。
在710中,训练样本确定模块421可以确定与历史订单相关的历史订单信息。在一些实施例中,服务器110可以访问存储器150和/或存储介质(例如,ROM 230、RAM 240)以获取历史订单。历史订单信息包括历史位置数据、历史最终接载位置数据、历史推荐接载位置数据,历史接载位置名称等,或其组合。在一些实施例中,历史位置数据可以包括历史位置的经度数据和/或纬度数据。历史最终接载位置数据可以包括历史最终接载位置的经度数据和/或纬度数据。历史推荐接载位置数据可以包括历史推荐接载位置的经度数据和/或纬度数据。历史位置可以是请求者终端130的位置,在这里用户经由请求者终端130发起历史订单。历史最终接载位置可以是用户选择通过请求者终端130登上的最终位置。历史推荐接载位置可以是由按需服务***100生成的位置作为与历史订单相关的历史推荐接载位置。历史接载位置的名称可以是历史订单的历史最终接载位置的名称。
在720中,训练样本确定模块421可以将历史订单信息映射到参考兴趣点。训练样本确定模块可以访问存储器150以从目标兴趣点数据库中获取参考兴趣点。参考兴趣点可以具有一个或多个属性,包括参考兴趣点的名称(例如,北京大学、北京协和医院)、参考兴趣点的类别(例如,学校、医院、大门、交通工具、车站、商店等)、地址(例如,苏州市高新区学森路9号)、坐标(例如,纬度坐标和经度坐标)、邮政编码(例如,100000)、描述等,或其组合。训练样本确定模块421可以基于参考兴趣点的属性将历史订单信息映射到参考兴趣点。在一些实施例中,训练样本确定模块421可以基于参考兴趣点的名称与历史订单的历史接载位置名称的相似性将历史订单信息映射到参考兴趣点。名称的相似性可以由参考兴趣点和历史接载位置名称中包括的相同单词的数量来表示。例如,如果参考兴趣点的名称(例如,兴趣点A)与历史订单的历史接载位置名称(例如,订单A)的相似度超过50%,则训练样本确定模块421可以将订单A的历史订单信息映射到兴趣点A。
在步骤730中,训练样本确定模块421可以基于与参考兴趣点映射的历史订单信息确定参考兴趣点的一个或多个参考特征。
在一些实施例中,参考兴趣点的一个或多个参考特征可以包括表示接载位置和参考兴趣点之间的距离的距离特征数据。训练样本确定模块421可以确定参考兴趣点和与参考兴趣点映射的历史订单的历史最终接载位置之间的距离(例如,欧几里德距离),作为参考兴趣点的距离特征数据。
在一些实施例中,参考兴趣点的一个或多个参考特征可以包括历史订单量特征数据。例如,训练样本确定模块421可以将参考兴趣点的名称被用作历史接载位置名称的历史订单的数量确定为参考兴趣点的历史订单量特征数据。
在一些实施例中,参考兴趣点的一个或多个参考特征可以包括属性特征数据。例如,如果参考兴趣点的名称包含某些词,例如“门”、“站”,则训练样本确定模块421可以提取该特定词作为属性特征数据。又例如,如果参考兴趣点是地标,例如雕塑、商店(例如,肯德基、麦当劳)、公交车站、地铁站等,则训练样本确定模块421可以提取参考兴趣点的这样的属性作为属性特征数据。
在一些实施例中,参考兴趣点的一个或多个参考特征可以包括重定位行为特征数据。重定位行为表示在历史订单中,用户选择参考兴趣点,而不是历史推荐接载位置作为历史最终接载位置。例如,对于历史订单A,历史推荐接载位置是位置A,历史最终接载位置是B;因此,训练样本确定模块421可以确定与订单A映射的兴趣点的重定位行为特征数据。训练样本确定模块421可以根据图8中描述的操作来确定重定位行为特征数据。
在740中,训练样本确定模块421可以基于参考兴趣点的一个或多个参考特征和与参考兴趣点映射的历史订单信息生成训练样本。例如,训练样本可以包括参考兴趣点的一个或多个参考特征以及与参考兴趣点映射的历史订单的注释对。注释对可以包括历史位置数据、历史最终接载位置数据、以及与参考兴趣点映射的历史订单的历史接载位置名称。在一些实施例中,在训练样本中,参考兴趣点的名称和注释对的历史接载位置名称可以是相同的,或具有超过阈值(例如,50%)的相似性。
在一些实施例中,训练样本确定模块421可以基于历史订单量特征确定训练样本是正样本还是负样本。训练样本确定模块421可以将具有较高历史订单量特征的训练样本确定为正样本,并将具有较低历史订单量特征的训练样本确定为负样本。例如,有三个训练样本,样本A、样本B和样本C。所有三个训练样本的历史最终接载位置是相同的,这意味着不同的用户选择不同的参考兴趣点作为相同历史最终接载位置的历史接载位置名称。样本A的历史订单量特征数据为9、样本B的历史订单量特征数据为3、样本C的历史订单量特征数据为2。训练样本确定模块421可以将样本A确定为正样本,并且将样本B和样本C确定为负样本。
图8是根据本申请的一些实施例所示的确定重定位行为特征数据的示例性过程800的流程图。在一些实施例中,根据本申请的一些实施例,用于确定重定位行为特征数据的过程800可以在如图1所示的按需服务***100中实施。例如,过程800可以实施为存储在存储器150中并由处理引擎113调用和/或执行的一组或多组指令。替代地或另外地,过程800可以在用户终端和/或服务器中实施。
这里描述的过程800的操作旨在是说明性的而非限制性的。在一些实施例中,过程800在实施时可以添加一个或多个本申请未描述的额外操作,和/或删减一个或多个此处所描述的操作。另外,如图8中所示的过程800的操作的顺序及其以下描述不是限制性的。
在810中,训练样本确定模块421可以获取历史最终接载位置数据。在一些实施例中,历史最终接载位置数据可以包括历史最终接载位置的经度和/或纬度信息、到历史最终接载位置的链接等,或其任意组合。历史最终接载位置可以指在历史订单中用户最终使用的接载位置。在一些实施例中,历史最终接载位置数据可以对应于同一用户的一个或多个历史订单。可替代地或另外地,历史最终接载位置数据可以对应于不同用户的一个或多个历史订单。一个或多个历史订单可以包括一段时间内的所有历史订单。该时段可以根据具体条件预先设定,例如一周、一个月、一季度、半年、一年。
在820中,训练样本确定模块421可以获取历史推荐接载位置数据。在一些实施例中,历史推荐接载位置数据可以包括历史推荐接载位置的经度和/或纬度信息、到历史推荐接载位置的链接等,或其任意组合。历史推荐接载位置可以指对应于一个或多个历史订单的按需服务***100推荐的接载位置。在一些实施例中,对于历史订单,按需服务***100可以根据用户的历史位置数据向用户推荐一个或多个接载位置。例如,用户的历史位置数据可以包括历史位置的经度和/或纬度信息。
在830中,训练样本确定模块421可以基于历史最终接载位置数据和历史推荐接载位置数据确定重定位行为特征数据。训练样本确定模块421可以比较历史最终接载位置数据和历史推荐接载位置数据。如果历史最终接载位置数据与历史推荐接载位置数据不同(即,用户选择参考兴趣点,而不是历史推荐接载位置作为历史最终接载位置),则训练样本确定模块421可以确定参考兴趣点的重定位行为特征数据。例如,重定位行为特征数据可以是“0”,表示在与参考兴趣点映射的历史订单中,历史最终接载位置是历史推荐接载位置。又例如,重定位行为特征数据可以是“1”,表示在与参考兴趣点映射的历史订单中,历史最终接载位置是参考兴趣点而不是历史推荐接载位置。
图9是根据本申请的一些实施例所示的确定目标兴趣点数据库的示例性过程900的流程图。在一些实施例中,根据本申请的一些实施例,用于确定目标兴趣点数据库的过程900可以在如图1所示的按需服务***100中实施。例如,过程900可以实施为存储在存储器150中并由处理引擎113或处理器220调用和/或执行的一组或多组指令。替代地或另外地,过程900可以在用户终端和/或服务器中实施。
这里描述的过程900的操作旨在是说明性的而非限制性的。在一些实施例中,过程900在实施时可以添加一个或多个本申请未描述的额外操作,和/或删减一个或多个此处所描述的操作。
在910中,目标数据库确定模块441可以从存储器150获取初始兴趣点数据库。初始兴趣点数据库可以包括多个参考兴趣点。多个参考兴趣点可以是道路交叉口、公交车站、地铁站、景点、学校、医院、旅馆、购物中心等,或其任意组合。参考兴趣点可以具有一个或多个属性,包括的名称(例如,北京大学、北京协和医院)、类别(例如,学校、公司、医院、大门、车站、商店、道路等)、地址(例如,苏州市高新区学森路9号)、坐标(例如,纬度坐标和经度坐标)、邮政编码(例如,100000)、描述等,或其组合。
在920中,目标数据库确定模块441可以基于参考兴趣点的属性确定目标兴趣点数据库。如果初始兴趣点数据库中并非每个参考兴趣点都适合于确定接载位置的名称,则可以从初始兴趣点数据库修改或删除初始兴趣点数据库中的一个或多个参考兴趣点。例如,一些参考兴趣点可以是拥有许多公司的建筑中的公司。又例如,一些参考兴趣点对于司机来说可能过于笼统,例如名称为“时代广场”的兴趣点,无法表示该位置的确切位置。目标数据库确定模块441可以在初始兴趣点数据库中通过删除其名称包含特定词语(例如,“单元”、“房间”、“大厅”、“部门”、“楼梯”等)的参考兴趣点来确定目标参考兴趣点。在一些实施例中,目标数据库确定模块441可以通过删除地址在建筑物中的参考兴趣点来确定目标参考兴趣点。在一些实施例中,目标数据库确定模块441可以通过删除属于特定类别(例如,公司、道路)的参考兴趣点来确定目标参考兴趣点
在一些实施例中,目标数据库确定模块441可以至少部分地基于历史订单信息来确定目标兴趣点数据库。如果参考兴趣点是区域中的唯一兴趣点,即使应该基于属性删除该参考兴趣点,目标数据库确定模块441也可以保持该参考兴趣点并确定包括这样的参考兴趣点的目标参考兴趣点数据库。
上文已对基本概念做了描述,显然,对于阅读此申请后的本领域的普通技术人员来说,上述披露仅作为示例,并不构成对本申请的限制。虽然此处并未明确说明,但本领域的普通技术人员可以进行各种变更、改良和修改。该类变更、改良和修改在本申请中被建议,所以该类变更、改良和修改仍属于本申请示例性实施例的精神和范围。
此外,本申请使用了特定术语来描述本申请的实施例。例如,术语“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此,应当强调并注意的是,本说明书中在不同位置两次或以上提及的“一个实施例”或“一实施例”或“替代性实施例”并不一定是指同一实施例。此外,本申请的一个或以上实施例中的某些特征、结构或特性可以进行适当的组合。
此外,本领域的普通技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的制程、机器、产品或物质的组合,或对其任何新的和有用的改良。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括韧体、常驻软件、微代码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“单元”、“模块”或“***”。此外,本申请的各方面可以呈现为位于一个或以上计算机可读介质中的计算机产品,该产品具有计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。此类传播信号可以有多种形式,包括电磁形式、光形式等或任何合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行***、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、缆线、光纤电缆、RF、或类似媒体、或任何上述媒体的合适组合。
本申请各方面操作所需的计算机程序编码可以用一种或多种程序语言的任意组合编写,包括面向对象的编程语言,如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序编程语言,如"C"编程语言、Visual Basic、Fortran 2013、Perl、COBOL 2102、PHP、ABAP,动态编程语言,如Python、Ruby和Groovy,或其它编程语言。程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机上运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN)、或连接至外部计算机(例如通过互联网)、或在云计算环境中、或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例,但应当理解,此类细节仅起说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例精神和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的***。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或以上发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (21)
1.一种***,包括:
存储一组指令的至少一个存储设备;
与所述至少一个存储设备通信的至少一个处理器,其中,当执行所述组指令时,所述至少一个处理器被配置为使所述***实施以下操作:
操作所述至少一个处理器中的逻辑电路以获取与订单相关的位置对,所述位置对包括当前位置和接载位置;
操作所述至少一个处理器中的所述逻辑电路以基于所述位置对和目标兴趣点(Pointof Interest,POI)数据库确定第一初始兴趣点和第二初始兴趣点;
操作所述至少一个处理器中的所述逻辑电路以基于所述第一初始兴趣点和所述位置对确定所述第一初始兴趣点的特征;
操作所述至少一个处理器中的所述逻辑电路以基于所述第二初始兴趣点和所述位置对确定所述第二初始兴趣点的特征;
操作所述至少一个处理器中的所述逻辑电路以获取用于命名接载位置的训练后的命名模型;
操作所述至少一个处理器中的所述逻辑电路以基于所述第一初始兴趣点的所述特征和所述训练后的命名模型确定所述第一初始兴趣点的第一分数;
操作所述至少一个处理器中的所述逻辑电路以基于所述第二初始兴趣点的所述特征和所述训练后的命名模型确定所述第二初始兴趣点的第二分数;
操作所述至少一个处理器中的所述逻辑电路以基于所述第一分数和所述第二分数确定最终兴趣点;以及
操作所述至少一个处理器中的所述逻辑电路以基于所述最终兴趣点确定所述接载位置的名称。
2.根据权利要求1所述的***,其中所述第一初始兴趣点或所述第二初始兴趣点在距所述当前位置的第一距离内并且在距所述接载位置的第二距离内。
3.根据权利要求1所述的***,其中所述训练后的命名模型包括自适应增强模型或梯度增强决策树(Gradient Boosting Decision Tree,GBDT)模型。
4.根据权利要求1所述的***,其中根据所述训练命名模型的过程生成所述训练后的命名模型,所述过程包括:
获取初始命名模型;
获取多个训练样本;
使用所述获取的多个训练样本训练所述初始命名模型以获取所述训练后的命名模型。
5.根据权利要求4所述的***,其中所述多个训练样本包括根据生成训练样本的过程生成的至少一个训练样本,所述过程包括:
确定与历史订单相关的历史订单信息;
将所述历史订单信息映射到参考兴趣点;
基于所述历史订单信息确定所述参考兴趣点的参考特征;以及,
基于所述参考兴趣点的所述参考特征和所述历史订单信息生成所述至少一个训练样本。
6.根据权利要求5所述的***,其中历史订单信息包括历史位置数据、历史最终接载位置数据、历史推荐接载位置数据或历史接载位置名称中的至少一个。
7.根据权利要求5所述的***,其中:
所述历史订单信息包括历史接载位置名称;以及
确定所述参考兴趣点的所述参考特征还包括基于所述参考兴趣点的名称与所述历史订单的所述历史接载位置名称的相似性将所述历史订单信息映射到所述参考兴趣点。
8.根据权利要求5所述的***,其中:
所述历史订单信息包括历史最终接载位置数据和历史推荐接载位置数据;
所述参考兴趣点的所述参考特征包括重定位行为数据;以及
基于所述历史订单信息确定所述参考兴趣点的所述参考特征还包括:
获取所述历史最终接载位置数据;
获取所述历史推荐接载位置数据;以及
基于所述历史最终接载位置数据和所述历史推荐接载位置数据确定所述重定位行为数据。
9.根据权利要求5所述的***,其中基于生成兴趣点数据库的过程来确定所述目标兴趣点数据库,所述过程包括:
获取初始兴趣点数据库,所述初始兴趣点数据库包括所述参考兴趣点;以及
基于所述参考兴趣点的属性确定所述目标兴趣点数据库。
10.根据权利要求9所述的***,其中所述基于所述参考兴趣点的属性确定所述目标兴趣点数据库还包括:
基于所述历史订单信息确定所述目标兴趣点数据库。
11.一种在计算设备上实施的方法,所述计算设备具有连接到网络的处理器、存储介质和通信平台,所述方法包括:
由所述处理器获取与订单相关位置对,所述位置对包括当前位置和接载位置;
由所述处理器基于所述位置对和目标兴趣点数据库确定第一初始兴趣点(POI)和第二初始兴趣点;
由所述处理器基于所述第一初始兴趣点和所述位置对确定所述第一初始兴趣点的特征;
由所述处理器基于所述第二初始兴趣点和所述位置对确定所述第二初始兴趣点的特征;
由所述处理器获取用于命名接载位置的训练后的命名模型;
由所述处理器基于所述第一初始兴趣点的特征和所述训练后的命名模型确定所述第一初始兴趣点的第一分数;
由所述处理器基于所述第二初始兴趣点的特征和所述训练后的命名模型确定所述第二初始兴趣点的第二分数;
由所述处理器基于所述第一分数和所述第二分数确定最终兴趣点;以及
由所述处理器基于所述最终兴趣点确定所述接载位置的名称。
12.根据权利要求11所述的方法,其中所述第一初始兴趣点或所述第二初始兴趣点在距所述当前位置的第一距离内并且在距所述接载位置的第二距离内。
13.根据权利要求11所述的方法,其中所述训练后的命名模型包括自适应增强模型或梯度增强决策树(GBDT)模型。
14.根据权利要求11所述的方法,其中根据所述训练命名模型的过程生成所述训练后的命名模型,所述过程包括:
获取初始命名模型;
获取多个训练样本;
使用所述获取的多个训练样本训练所述初始命名模型以获取所述训练后的命名模型。
15.根据权利要求14所述的方法,其中所述多个训练样本包括根据生成训练样本的过程生成的至少一个训练样本,所述过程包括:
确定与历史订单相关的历史订单信息;
将所述历史订单信息映射到参考兴趣点;
基于所述历史订单信息确定所述参考兴趣点的参考特征;以及,
基于所述参考兴趣点的所述参考特征和所述历史订单信息生成所述至少一个训练样本。
16.根据权利要求15所述的方法,其中历史订单信息包括历史位置数据、历史最终接载位置数据、历史推荐接载位置数据或历史接载位置名称中的至少一个。
17.根据权利要求15所述的方法,其中:
所述历史订单信息包括历史接载位置名称;以及
确定所述参考兴趣点的所述参考特征还包括基于所述参考兴趣点的名称与所述历史订单的所述历史接载位置名称的相似性将所述历史订单信息映射到所述参考兴趣点。
18.根据权利要求15所述的方法,其中:
所述历史订单信息包括历史最终接载位置数据和历史推荐接载位置数据;
所述参考兴趣点的所述参考特征包括重定位行为数据;以及
基于所述历史订单信息确定所述参考兴趣点的所述参考特征还包括:
获取所述历史最终接载位置数据;
获取所述历史推荐接载位置数据;以及
基于所述历史最终接载位置数据和所述历史推荐接载位置数据确定所述重定位行为数据。
19.根据权利要求15所述的方法,其中基于生成兴趣点数据库的过程来确定所述目标兴趣点数据库,所述过程包括:
获取初始兴趣点数据库,所述初始兴趣点数据库包括所述参考兴趣点;以及
基于所述参考兴趣点的属性确定所述目标兴趣点数据库。
20.一种非暂时性计算机可读介质,所述计算机可读介质包括用于启动终端和按需运输平台之间的连接的至少一组指令,其中当由电子终端的至少一个处理器执行时,所述至少一组指令可以指示所述至少一个处理器执行以下动作:
从终端获取与用户关联的位置对,所述位置对包括当前位置和接载位置;
基于所述位置对和目标兴趣点数据库确定第一初始兴趣点(POI)和第二初始兴趣点;
基于所述第一初始兴趣点和所述位置对确定所述第一初始兴趣点的特征;
基于所述第二初始兴趣点和所述位置对确定所述第二初始兴趣点的特征;
获取用于命名接载位置的训练后的命名模型;
基于所述第一初始兴趣点的所述特征和所述命名模型确定所述第一初始兴趣点的第一分数;
基于所述第二初始兴趣点的所述特征和所述命名模型确定所述第二初始兴趣点的第二分数;
基于所述第一分数和所述第二分数确定最终兴趣点;以及
基于所述最终兴趣点确定所述接载位置的名称。
21.一种在计算设备上实施的***,所述计算设备具有连接到网络的处理器、存储介质和通信平台,所述***包括:
位置获取模块,被配置为获取位置对,所述位置对包括当前位置和接载位置;
初始兴趣点确定模块,被配置为基于所述位置对和目标兴趣点数据库确定第一初始兴趣点(POI)和第二初始兴趣点;
特征提取模块,被配置为基于所述第一初始兴趣点和所述位置对确定所述第一初始兴趣点的特征;
特征提取模块,还被配置为基于所述第二初始兴趣点和所述位置对确定所述第二初始兴趣点的特征;
模型获取模块,被配置为获取用于命名接载位置的训练后的命名模型;
模型获取模块,还被配置为基于所述第一初始兴趣点的所述特征和所述训练后的命名模型确定所述第一初始兴趣点的第一分数;
模型获取模块,还被配置为基于所述第二初始兴趣点的所述特征和所述训练后的命名模型确定所述第二初始兴趣点的第二分数;
命名模块,被配置为基于所述第一分数和所述第二分数确定最终兴趣点;以及
命名模块,还被配置为基于所述最终兴趣点确定所述接载位置的名称。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/095979 WO2019024078A1 (en) | 2017-08-04 | 2017-08-04 | METHODS AND SYSTEMS FOR DESIGNATING A PICKUP LOCATION |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110999331A true CN110999331A (zh) | 2020-04-10 |
CN110999331B CN110999331B (zh) | 2021-08-10 |
Family
ID=65233280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780093646.0A Active CN110999331B (zh) | 2017-08-04 | 2017-08-04 | 一种命名接载位置的方法和*** |
Country Status (6)
Country | Link |
---|---|
US (1) | US10904724B2 (zh) |
EP (1) | EP3632139B1 (zh) |
JP (1) | JP2020529649A (zh) |
CN (1) | CN110999331B (zh) |
TW (1) | TWI704507B (zh) |
WO (1) | WO2019024078A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111782741A (zh) * | 2020-06-04 | 2020-10-16 | 汉海信息技术(上海)有限公司 | 兴趣点挖掘方法、装置、电子设备及存储介质 |
CN115525841A (zh) * | 2022-10-14 | 2022-12-27 | 高德软件有限公司 | 兴趣点信息的获取方法、电子设备及存储介质 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334349B (zh) * | 2019-06-28 | 2022-07-19 | 腾讯科技(深圳)有限公司 | 商圈自动命名的方法、装置、计算机设备及存储介质 |
CN110795642B (zh) * | 2019-09-27 | 2022-11-04 | 腾讯科技(深圳)有限公司 | 位置名称生成方法以及位置名称显示方法 |
CN111881368B (zh) * | 2019-12-31 | 2024-05-24 | 北京嘀嘀无限科技发展有限公司 | 一种确定推荐上车点的方法和*** |
CN111881225A (zh) * | 2020-04-01 | 2020-11-03 | 北京嘀嘀无限科技发展有限公司 | 一种修正上车点名称的方法和*** |
CN112016326A (zh) * | 2020-09-25 | 2020-12-01 | 北京百度网讯科技有限公司 | 一种地图区域词识别方法、装置、电子设备和存储介质 |
WO2022087767A1 (en) * | 2020-10-26 | 2022-05-05 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for recommending pick-up locations |
CN112417236B (zh) * | 2020-10-29 | 2024-05-10 | 汉海信息技术(上海)有限公司 | 训练样本获取方法、装置、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794307A (zh) * | 2010-03-02 | 2010-08-04 | 光庭导航数据(武汉)有限公司 | 基于互联网分词思想的车载导航poi搜索引擎 |
CN101969451A (zh) * | 2010-05-04 | 2011-02-09 | 福州开睿动力通信科技有限公司 | 一种基于智能手机的poi数据采集***及方法 |
CN102142003A (zh) * | 2010-07-30 | 2011-08-03 | 华为软件技术有限公司 | 兴趣点信息提供方法及装置 |
CN103023977A (zh) * | 2012-11-19 | 2013-04-03 | 华南理工大学 | 基于位置信息的推荐***及推荐方法 |
CN105205147A (zh) * | 2015-09-18 | 2015-12-30 | 北京嘀嘀无限科技发展有限公司 | 汇合位置提示方法及装置 |
CN105513395A (zh) * | 2015-11-30 | 2016-04-20 | 华南理工大学 | 一种基于车辆目的地预测的智能信息推送***和方法 |
WO2016116048A1 (zh) * | 2015-01-20 | 2016-07-28 | 北京嘀嘀无限科技发展有限公司 | 一种为按需服务提供信息的***及方法 |
CA2975002A1 (en) * | 2015-01-27 | 2016-08-04 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for providing information for an on-demand service |
US9672816B1 (en) * | 2010-06-16 | 2017-06-06 | Google Inc. | Annotating maps with user-contributed pronunciations |
CN106897919A (zh) * | 2017-02-28 | 2017-06-27 | 百度在线网络技术(北京)有限公司 | 用车类型预测模型建立、信息提供方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9026480B2 (en) | 2011-12-21 | 2015-05-05 | Telenav, Inc. | Navigation system with point of interest classification mechanism and method of operation thereof |
CN104703141B (zh) * | 2015-03-09 | 2016-06-15 | 深圳市城方建设科技有限公司 | 一种约车服务器 |
CN106157079A (zh) | 2015-04-13 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 订单数据的交互方法及服务器 |
CN105677804B (zh) | 2015-12-31 | 2020-08-07 | 百度在线网络技术(北京)有限公司 | 权威站点的确定以及权威站点数据库的建立方法和装置 |
CN105701580A (zh) * | 2016-04-19 | 2016-06-22 | 重庆喜玛拉雅科技有限公司 | 一种汽车共享资源化*** |
CN106095915A (zh) | 2016-06-08 | 2016-11-09 | 百度在线网络技术(北京)有限公司 | 用户身份的处理方法及装置 |
US10480954B2 (en) * | 2017-05-26 | 2019-11-19 | Uber Technologies, Inc. | Vehicle routing guidance to an authoritative location for a point of interest |
-
2017
- 2017-08-04 JP JP2019572508A patent/JP2020529649A/ja active Pending
- 2017-08-04 CN CN201780093646.0A patent/CN110999331B/zh active Active
- 2017-08-04 WO PCT/CN2017/095979 patent/WO2019024078A1/en unknown
- 2017-08-04 EP EP17920397.1A patent/EP3632139B1/en active Active
-
2018
- 2018-08-03 TW TW107127137A patent/TWI704507B/zh active
-
2020
- 2020-01-15 US US16/743,052 patent/US10904724B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794307A (zh) * | 2010-03-02 | 2010-08-04 | 光庭导航数据(武汉)有限公司 | 基于互联网分词思想的车载导航poi搜索引擎 |
CN101969451A (zh) * | 2010-05-04 | 2011-02-09 | 福州开睿动力通信科技有限公司 | 一种基于智能手机的poi数据采集***及方法 |
US9672816B1 (en) * | 2010-06-16 | 2017-06-06 | Google Inc. | Annotating maps with user-contributed pronunciations |
CN102142003A (zh) * | 2010-07-30 | 2011-08-03 | 华为软件技术有限公司 | 兴趣点信息提供方法及装置 |
CN103023977A (zh) * | 2012-11-19 | 2013-04-03 | 华南理工大学 | 基于位置信息的推荐***及推荐方法 |
WO2016116048A1 (zh) * | 2015-01-20 | 2016-07-28 | 北京嘀嘀无限科技发展有限公司 | 一种为按需服务提供信息的***及方法 |
CA2975002A1 (en) * | 2015-01-27 | 2016-08-04 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for providing information for an on-demand service |
CN105205147A (zh) * | 2015-09-18 | 2015-12-30 | 北京嘀嘀无限科技发展有限公司 | 汇合位置提示方法及装置 |
CN105513395A (zh) * | 2015-11-30 | 2016-04-20 | 华南理工大学 | 一种基于车辆目的地预测的智能信息推送***和方法 |
CN106897919A (zh) * | 2017-02-28 | 2017-06-27 | 百度在线网络技术(北京)有限公司 | 用车类型预测模型建立、信息提供方法及装置 |
Non-Patent Citations (1)
Title |
---|
陈丹双: "POI(Point of Interest)名称识别及其在对话导航***中的应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111782741A (zh) * | 2020-06-04 | 2020-10-16 | 汉海信息技术(上海)有限公司 | 兴趣点挖掘方法、装置、电子设备及存储介质 |
CN115525841A (zh) * | 2022-10-14 | 2022-12-27 | 高德软件有限公司 | 兴趣点信息的获取方法、电子设备及存储介质 |
CN115525841B (zh) * | 2022-10-14 | 2024-02-02 | 高德软件有限公司 | 兴趣点信息的获取方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2019024078A1 (en) | 2019-02-07 |
EP3632139A1 (en) | 2020-04-08 |
TWI704507B (zh) | 2020-09-11 |
TW201921262A (zh) | 2019-06-01 |
EP3632139A4 (en) | 2020-05-27 |
EP3632139B1 (en) | 2022-06-29 |
US20200154247A1 (en) | 2020-05-14 |
JP2020529649A (ja) | 2020-10-08 |
CN110999331B (zh) | 2021-08-10 |
US10904724B2 (en) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110999331B (zh) | 一种命名接载位置的方法和*** | |
CN109074370B (zh) | 确定兴趣点的***和方法 | |
KR102055119B1 (ko) | 카풀링을 위한 방법들 및 시스템들 | |
JP6538196B2 (ja) | サービスの要求を分配するシステム及び方法 | |
CN109478275B (zh) | 分配服务请求的***和方法 | |
CN112868036B (zh) | 位置推荐的***和方法 | |
CN109313036B (zh) | 路线规划的***及方法 | |
JP6503474B2 (ja) | 移動デバイスの経路を求めるシステム及び方法 | |
US11079244B2 (en) | Methods and systems for estimating time of arrival | |
CN111507732B (zh) | 用于识别相似轨迹的***和方法 | |
CN108780562B (zh) | 更新服务序列的***和方法 | |
US20190360833A1 (en) | Systems and methods for providing a navigation route | |
US20210048311A1 (en) | Systems and methods for on-demand services | |
TW201901474A (zh) | 用於確定預估到達時間的系統和方法 | |
CN110249357B (zh) | 用于数据更新的***和方法 | |
CN111433795A (zh) | 一种确定线上到线下服务的预估到达时间的***和方法 | |
CN112262557B (zh) | 用于为线上到线下服务提供信息的***和方法 | |
CN112243487A (zh) | 用于按需服务的***和方法 | |
CN114041129A (zh) | 确定上车点名称的***和方法 | |
CN111386542B (zh) | 用于分配按需服务请求的***和方法 | |
CN110651266B (zh) | 为按需服务提供信息的***及方法 | |
CN113924460B (zh) | 确定服务请求的推荐信息的***和方法 |
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 |