KR20180013843A - 오더 할당 시스템 및 방법 - Google Patents

오더 할당 시스템 및 방법 Download PDF

Info

Publication number
KR20180013843A
KR20180013843A KR1020177024089A KR20177024089A KR20180013843A KR 20180013843 A KR20180013843 A KR 20180013843A KR 1020177024089 A KR1020177024089 A KR 1020177024089A KR 20177024089 A KR20177024089 A KR 20177024089A KR 20180013843 A KR20180013843 A KR 20180013843A
Authority
KR
South Korea
Prior art keywords
order
user
information
probability
time
Prior art date
Application number
KR1020177024089A
Other languages
English (en)
Inventor
타오 후
웨이 쿠이
준 인
질린 후
용 예
핑 양
시아올린 뎅
유 장
양비아오 리우
쿠안 시
종유 카오
Original Assignee
베이징 디디 인피니티 테크놀로지 앤드 디벨럽먼트 컴퍼니 리미티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from CN201510046647.2A external-priority patent/CN104599218B/zh
Priority claimed from CN201510078862.0A external-priority patent/CN104616065B/zh
Priority claimed from CN201510163336.4A external-priority patent/CN104766262A/zh
Priority claimed from CN201510172959.8A external-priority patent/CN104915855B/zh
Priority claimed from CN201510451956.8A external-priority patent/CN105117777A/zh
Priority claimed from CN201510456730.7A external-priority patent/CN105118013A/zh
Priority claimed from CN201510516040.6A external-priority patent/CN105117842A/zh
Priority claimed from CN201510516346.1A external-priority patent/CN105139228A/zh
Priority claimed from CN201510537192.4A external-priority patent/CN105096166A/zh
Application filed by 베이징 디디 인피니티 테크놀로지 앤드 디벨럽먼트 컴퍼니 리미티드 filed Critical 베이징 디디 인피니티 테크놀로지 앤드 디벨럽먼트 컴퍼니 리미티드
Publication of KR20180013843A publication Critical patent/KR20180013843A/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q50/30
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/02Reservations, e.g. for tickets, services or events
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40Business processes related to the transportation industry
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q90/00Systems or methods specially adapted for administrative, commercial, financial, managerial or supervisory purposes, not involving significant data processing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

본 개시는 오더들을 할당하는 시스템 및 방법에 관한 것이다. 시스템은 비-일시적 컴퓨터 판독 가능한 저장 매체 및 프로세서를 포함할 수 있다. 비-일시적 컴퓨터는 실행 가능한 모듈을 저장할 수 있다. 프로세서는 컴퓨터 판독 가능한 저장 매체에 저장된 실행 가능한 모듈을 실행할 수 있다. 비-일시적 판독 가능한 저장 매체는 수신 유닛(231) 및 오더 할당 유닛(361)을 포함할 수 있다. 수신 유닛(231)은 오더 정보 및 사용자 정보를 수신할 수 있다. 사용자 정보는 위치 정보 및/또는 시간 정보를 포함할 수 있다. 오더 할당 유닛(361)은 위치 정보 및/또는 시간 정보에 기초하여 오더를 할당할 수 있다. 방법은 오더 정보 및 사용자 정보를 수신하는 단계로서, 상기 오더 정보 및 상기 사용자 정보가 위치 정보 및/또는 시간 정보를 포함할 수 있는, 상기 수신 단계, 및 상기 위치 정보 및/또는 상기 시간 정보에 기초하여 오더를 할당하는 단계를 포함할 수 있다.

Description

오더 할당 시스템 및 방법
관련 출원들에 대한 상호-참조
본 출원은 2015년 1월 29일에 출원된 중국 출원 번호 제201510046647.2호, 2015년 2월 13일에 출원된 중국 출원 번호 제201510078862.0호, 2015년 4월 8일에 출원된 중국 출원 번호 제201510163336.4호, 2015년 4월 13일에 출원된 중국 출원 번호 제201510172959.8호, 2015년 7월 28일에 출원된 중국 출원 번호 제201510451956.8호, 2015년 7월 29일에 출원된 중국 출원 번호 제201510456730.7호, 2015년 8월 20일에 출원된 중국 출원 번호 제201510516040.6호, 2015년 8월 20일에 출원된 중국 출원 번호 제201510516346.1호, 및 2015년 8월 27일에 출원된 중국 출원 번호 제201510537192.4호의 우선권을 주장하며, 그 내용들은 여기에서 전체적으로 참조로서 통합된다.
기술 분야
본 개시는 일반적으로 오더들을 할당하기 위한 시스템 및 방법에 관한 것이며, 보다 구체적으로는, 모바일 인터넷 기술 및 데이터 프로세싱 기술에 관한 오더들을 할당하기 위한 시스템 및 방법에 관한 것이다.
도시의 급속한 발전으로, 택시-예약 수요는 사회의 모든 부문들의 일반적인 요구들이 되어가고 있다. 동시에, 모바일 인터넷의 급속한 발전, 뿐만 아니라 스마트 디바이스들, 특히 지능형 내비게이션 시스템들 및 스마트 폰들의 인기로, 택시-예약 시스템 플랫폼의 사용은 점점 더 대중적이게 되고 있으며, 이것은 이동하는데 큰 편리함을 가져왔다.
택시-예약 시스템 플랫폼에 대해, 적절한 사용자에게 오더를 빠르고 정확하게 할당하는 것은 도전적인 문제이다.
본 개시의 일 양상에서, 오더 할당 시스템이 제공된다. 상기 시스템은 비-일시적 컴퓨터 판독 가능한 저장 매체 및 프로세서를 포함할 수 있다. 상기 비-일시적 컴퓨터 판독 가능한 저장 매체는 실행 가능한 모듈을 저장하도록 구성될 수 있다. 상기 실행 가능한 모듈은 수신 유닛 및 오더 할당 유닛을 포함할 수 있다. 상기 수신 유닛은 오더 정보 및 사용자 정보를 수신하도록 구성될 수 있다. 상기 사용자 정보는 위치 정보 또는 시간 정보 중 적어도 하나를 포함할 수 있다. 상기 오더 할당 유닛은 상기 위치 정보 또는 시간 정보 중 적어도 하나에 기초하여 오더를 할당하도록 구성될 수 있다. 상기 프로세서는 상기 컴퓨터 판독 가능한 저장 매체에 저장된 실행 가능한 모듈을 실행하도록 구성될 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 오더 할당 시스템은 오더 수신 범위 결정 유닛, 오더 수 수신 서브-유닛, 및 오더 밀도 획득 서브-유닛을 추가로 포함할 수 있다. 상기 오더 수신 범위 결정 유닛은 오더 확산 영역 또는 오더 수신 범위 중 적어도 하나를 획득하도록 구성될 수 있다. 오더 수 수신 서브-유닛은 상기 오더 확산 영역 내에서 오더들의 수를 획득하도록 구성될 수 있다. 상기 오더 밀도 획득 서브-유닛은 상기 오더 확산 영역, 상기 오더 수신 범위, 또는 상기 오더들의 수 중 적어도 하나에 기초하여 오더 밀도를 획득하도록 구성될 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 오더 할당 시스템은 오더 스내칭 예측 유닛(order snatching prediction unit)을 추가로 포함할 수 있다. 상기 오더 스내칭 예측 유닛은 상기 위치 정보 또는 상기 시간 정보 중 적어도 하나에 기초하여 사용자 오더 스내칭 레이트를 예측하도록 구성될 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 오더 할당 시스템은 거리 결정 유닛 및 오더 스내칭 예측 유닛을 추가로 포함할 수 있다. 상기 거리 결정 유닛은 사용자 위치로부터 오더의 출발 위치까지 직선 거리 또는 루트 거리를 획득하도록 구성될 수 있다. 상기 오더 스내칭 예측 유닛은 상기 직선 거리 또는 상기 루트 거리 중 적어도 하나에 기초하여 사용자 오더 스내칭 확률을 예측하도록 구성될 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 오더 할당 시스템은 획득 유닛 및 구독 확률 산출 유닛을 추가로 포함할 수 있다. 상기 획득 유닛은 오더들의 이력 오더 확산 시간 또는 사용자의 이력 오더 스내칭 시간 중 적어도 하나를 획득하도록 구성될 수 있다. 상기 구독 확률 산출 유닛은 상기 이력 오더 확산 시간 또는 상기 이력 오더 스내칭 시간 중 적어도 하나에 기초하여 사용자 오더 스내칭 확률을 예측하도록 구성될 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 오더 스내칭 예측 유닛은 또한 상기 위치 정보 또는 상기 시간 정보 중 적어도 하나에 기초하여 사용자 오더 스내칭 예측 모델을 구축하도록 구성될 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 오더 할당 시스템은 정확도 결정 유닛을 추가로 포함할 수 있다. 상기 정확도 결정 유닛은 상기 오더 스내칭 예측의 정확도를 결정하도록 구성될 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 오더 할당 시스템은 실제 오더 스내칭 결정 유닛 및 정확도 결정 유닛을 추가로 포함할 수 있다. 상기 실제 오더 스내칭 결정 유닛은 오더에 대한 사용자의 실제 오더 스내칭 확률을 결정하도록 구성될 수 있다. 상기 정확도 결정 유닛은 사용자의 상기 예측된 오더 스내칭 확률 및 상기 실제 오더 스내칭 확률에 기초하여 오더 스내칭 예측의 정확도를 결정하도록 구성될 수 있다.
본 개시의 또 다른 양상에서, 오더들을 할당하는 방법이 제공된다. 상기 방법은: 오더 정보 및 사용자 정보를 수신하는 단계로서, 상기 오더 정보 및 상기 사용자 정보는 오더의 위치 정보 또는 시간 정보 중 적어도 하나를 포함할 수 있는, 상기 수신 단계; 및 상기 위치 정보 또는 상기 시간 정보 중 적어도 하나에 기초하여 상기 오더를 할당하는 단계를 포함할 수 있다.
본 개시의 또 다른 양상에서, 정보를 저장하도록 구성된 유형의 비-일시적 컴퓨터 판독 가능한 저장 매체가 제공된다. 상기 정보가 컴퓨터에 의해 판독될 때, 상기 컴퓨터는 오더들을 할당하는 방법을 구현할 수 있다. 상기 방법은 오더 정보 및 사용자 정보를 수신하는 단계로서, 상기 오더 정보 및 상기 사용자 정보는 위치 정보 또는 시간 정보 중 적어도 하나를 포함할 수 있는, 상기 수신 단계, 및 상기 위치 정보 또는 상기 시간 정보 중 적어도 하나에 기초하여 오더를 할당하는 단계를 포함할 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 위치 정보는 출발 위치, 원래 위치, 목적지, 좌표 정보, 또는 지리적 영역 중 적어도 하나를 포함할 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 시간 정보는 사용자의 오더 확산 시간 또는 오더 스내칭 시간 중 적어도 하나를 포함할 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 위치 정보에 기초하여 상기 오더를 할당하는 단계는: 오더 확산 영역 또는 오더 수신 범위, 및 오더들의 수 중 적어도 하나를 획득하는 단계; 상기 오더 확산 영역 또는 상기 오더 수신 범위, 및 상기 오더들의 수 중 적어도 하나에 기초하여 오더 밀도를 획득하는 단계; 및 상기 오더 밀도에 기초하여 상기 오더를 할당하는 단계를 포함할 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 위치 정보 또는 상기 시간 정보 중 적어도 하나에 기초하여 상기 오더를 할당하는 단계는: 상기 위치 정보 또는 상기 시간 정보 중 적어도 하나에 기초하여 사용자 오더 스내칭 확률을 예측하는 단계; 및 상기 사용자 오더 스내칭 확률에 기초하여 상기 오더를 할당하는 단계를 포함할 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 위치 정보에 기초하여 상기 사용자 오더 스내칭 확률을 예측하는 단계는: 사용자 위치에서 상기 오더의 출발 위치까지의 직선 거리 또는 루트 거리 중 적어도 하나를 획득하는 단계; 및 상기 직선 거리 또는 상기 루트 거리 중 적어도 하나에 기초하여 상기 사용자 오더 스내칭 확률을 예측하는 단계를 포함할 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 시간 정보에 기초하여 상기 사용자 오더 스내칭 확률을 예측하는 단계는: 오더들의 이력 오더 확산 시간 또는 사용자의 이력 오더 스내칭 시간 중 적어도 하나를 획득하는 단계; 상기 이력 오더 확산 시간 또는 상기 이력 오더 스내칭 시간 중 적어도 하나에 기초하여 상기 사용자 오더 스내칭 확률을 예측하는 단계를 포함할 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 사용자 오더 스내칭 확률을 예측하는 단계는: 상기 오더의 위치 정보 또는 시간 정보 중 적어도 하나를 획득하는 단계; 상기 위치 정보 또는 상기 시간 정보 중 적어도 하나에 기초하여 사용자 오더 스내칭 예측 모델을 구축하는 단계; 및 상기 사용자 오더 스내칭 예측 모델에 기초하여 상기 사용자 오더 스내칭 확률을 예측하는 단계를 포함할 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 사용자 오더 스내칭 확률을 예측하는 단계는 상기 오더 스내칭 예측의 정확도를 결정하는 단계를 포함할 수 있다.
본 개시의 몇몇 실시예들에 따르면, 상기 오더 스내칭 예측의 정확도를 결정하는 단계는: 상기 오더에 대한 사용자의 예측된 오더 스내칭 확률을 획득하는 단계; 상기 오더에 대한 사용자의 실제 오더 스내칭 확률을 결정하는 단계; 및 상기 사용자의 상기 예측된 오더 스내칭 확률 및 상기 실제 오더 스내칭 확률에 기초하여 상기 오더 스내칭 예측의 정확도를 결정하는 단계를 포함할 수 있다.
본 발명에 따르면 모바일 인터넷 기술 및 데이터 프로세싱 기술에 관한 오더들을 할당하기 위한 시스템 및 방법을 제공할 수 있다.
여기에서 설명된 도면들은 본 개시의 추가적인 이해를 제공하기 위해 사용되며, 그 모두는 본 명세서의 일부를 형성한다. 그러나, 본 개시의 대표적인 실시예(들)는 단지 예시 및 설명의 목적을 위한 것이며 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 명확하게 이해될 것이다. 각각의 도면에서의 동일한 라벨은 동일한 부분들을 나타낸다.
도 1은 본 개시의 몇몇 실시예들에 따른 위치-기반 서비스 시스템을 포함한 네트워크 환경의 개략도이다;
도 2는 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템의 개략도이다;
도 3은 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템의 개략도이다;
도 4는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 5는 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템의 개략도이다;
도 6은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 7은 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템의 개략도이다;
도 8은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 9는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 10은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 11은 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템의 개략도이다;
도 12는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 13은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 14는 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템의 개략도이다;
도 15는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 16은 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템의 개략도이다;
도 17은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 18은 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템의 개략도이다;
도 19는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 20은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 21a는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 21b는 본 개시의 몇몇 실시예들에 따른 오더 스내칭 시간의 대표적인 분포의 개략도이다;
도 22는 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템의 개략도이다;
도 23은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 24는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 25는 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템의 개략도이다;
도 26은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 27은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다;
도 28은 본 개시의 몇몇 실시예들에 따라 시스템을 구현할 수 있는, 이동 디바이스의 구조의 개략도이다; 및
도 29는 본 개시의 몇몇 실시예들에 따라 시스템을 구현할 수 있는, 컴퓨터 디바이스의 아키텍처의 개략도이다.
본 개시의 실시예들에 관련된 기술적 해법들을 예시하기 위해, 실시예들의 설명에서 참조된 도면들의 간단한 소개가 이하에서 제공된다. 분명히, 이하에서 설명되는 도면들은 본 개시의 단지 몇몇 예들 또는 실시예들이다. 이 기술분야의 숙련자들은, 추가의 창조적 노력들 없이, 이들 도면들에 따라 다른 유사한 시나리오들에 본 개시를 적용할 수 있다. 달리 서술되거나 또는 문맥으로부터 명확하지 않다면, 도면들에서의 동일한 참조 번호는 동일한 구조 및 동작을 나타낸다.
본 개시 및 첨부된 청구항들에서 사용된 바와 같이, 단수형 형태들("a", "an", 및 "the")은 문맥이 달리 명확하게 서술되지 않는다면, 복수형 지시 대상들을 포함한다. 용어들("포함하다", "포함하는", "포함시키다", 및/또는 "포함시키는")은 본 개시에서 사용될 때, 서술된 단계들 및 요소들의 존재를 특정하지만, 하나 이상의 다른 단계들 및 요소들의 존재 또는 부가를 배제하지 않는다는 것이 추가로 이해될 것이다.
본 개시 및 다음의 청구항들에서 사용되는 바와 같이, 용어들("오더 스내칭 레이트", "오더 스내칭 확률", "사용자 오더 스내칭 레이트", "사용자 단말기 오더 스내칭 확률", "오더들의 오더 스내칭 레이트", "오더들의 오더 스내칭 확률", 및/또는 "구독 레이트" 등)은 모두 사용자에 의해 행해진 오더 스내칭 동작의 확률을 나타낼 수 있다.
본 개시에서 사용된 바와 같이, 실시예들 및/또는 첨부된 도면들의 대문자들 및 소문자들(예로서, A, D, M, N, P, R, n, t 등)은 단지 본 개시의 설명의 편리함을 위해 설정되는 명칭들이다. 상이한 실시예들 및/또는 첨부된 도면들에서 동일한 종류의 명칭에 대해, 그것은 실제 시나리오들에 따라 동일한 또는 상이한 의미들을 가질 수 있다. 본 개시에서 사용된 바와 같이, 용어들("확산시키다", "전송하다", 및/또는 "분배하다" 등)은 모두 시스템으로부터 사용자로의 정보 송신을 나타낼 수 있다.
본 개시는 본 개시의 몇몇 실시예들에 따라 시스템에서 특정한 모듈들에 대한 다양한 언급들을 하지만, 임의의 수의 상이한 모듈들이 사용되며 클라이언트 단말기 및/또는 서버상에서 구동될 수 있다. 모듈들은 단지 예시적이며, 시스템 및 방법들의 상이한 양상들은 상이한 모듈들을 사용할 수 있다.
흐름도들이 본 개시의 몇몇 실시예들에 따라 시스템에 의해 수행된 동작들을 예시하기 위해 본 개시에서 사용된다. 이전의 또는 다음의 동작들은 반드시 순서대로 정확하게 수행되지 않을 수 있다는 것이 이해되어야 한다. 대신에, 다양한 단계들이 역순으로 및/또는 동시에 프로세싱될 수 있다. 게다가, 다른 동작들이 또한 이들 절차들에 부가될 수 있거나, 또는 하나 이상의 단계들이 이들 절차들로부터 제거될 수 있다.
본 개시의 몇몇 실시예들은 이에 제한되지 않지만, 육상 수송들, 해상 운송들, 항공 수송들, 우주 수송들 등, 또는 그것의 임의의 조합 중 하나 이상을 포함할 수 있는 상이한 수송 시스템들에 적용될 수 있다. 예를 들면, 택시, 특수 차, 히치하이킹, 버스, 기차, 탄환 열차, 고속 철도, 지하철, 선박, 항공기, 비행선, 열기구, 무인 차량, 속달 수신/전송 등의 수송 시스템은 관리 및/또는 할당 방법을 사용한다. 본 개시의 상이한 실시예들의 적용 시나리오들은, 이에 제한되지 않지만, 웹 페이지들, 브라우저 플러그-인들, 클라이언트들, 고객 시스템들, 기업 분석 시스템들, 인공 지능 로봇들 등, 또는 그것의 임의의 조합 중 하나 이상을 포함할 수 있다. 여기에서 개시된 시스템 및 방법의 적용 시나리오들은 단지 몇몇 예들 또는 실시예들이라는 것이 이해되어야 한다. 이 기술분야에서 통상의 기술들을 가진 자들은, 추가의 창의적 노력들 없이, 다른 적용 시나리오들에 이들 도면들을 적용할 수 있다. 예를 들면, 다른 유사한 오더 할당 시스템들.
본 개시에서 설명된, 용어들("승객", "오더 요청자(당사자)", "고객", "요구자", "서비스 요구자", "소비자", "소비자 당사자", "사용 요청자" 등)은 서비스들을 요구하거나 또는 주문하는 당사자, 예로서 개개인들, 엔티티들, 툴들 등을 나타내기 위해 상호 교환 가능하게 사용된다. 또한, 본 개시에서 설명된, 용어들("기사", "오더 수신인(당사자)", "제공자", "공급자", "서비스 제공자", "고용인", "서버 당사자" 등)은 서비스들을 제공하거나 또는 이를 제공하는 것을 돕는 당사자, 예로서 개개인들, 툴들, 다른 엔티티들 등을 나타내기 위해 상호 교환 가능하게 사용된다. 또한, 본 개시에서 설명된 용어("사용자", "단말기", 및/또는 "사용자 단말기")는 서비스들을 요구하거나 또는 주문하거나, 또는 서비스들을 제공하거나 또는 제공하는 것을 돕는 당사자일 수 있다.
도 1은 본 개시의 몇몇 실시예들에 따른 위치-기반 서비스 시스템을 포함한 네트워크 환경의 개략도이다. 위치-기반 서비스 시스템(100)은 하나 이상의 온-디맨드 서비스 시스템들(105), 승객 단말기들(120), 데이터베이스들(130), 기사 단말기들(140), 네트워크들(150), 및/또는 다른 정보 소스들(160)을 포함할 수 있다. 몇몇 실시예들에서, 온-디맨드 서비스 시스템(105)은 오더 할당 시스템(110)을 포함할 수 있다. 몇몇 실시예들에서, 오더 할당 시스템(110)은 분석 결과를 생성하기 위해 수집된 정보를 분석하고 프로세싱하기 위해 사용될 수 있다. 오더 할당 시스템(110)은 서버, 서버의 부분, 또는 서버 그룹일 수 있다. 여기에서, 서버 그룹은 집중되거나(예로서, 데이터 센터) 또는 분산될 수 있다(예로서, 분산 시스템). 오더 할당 시스템(110)은 국소적이거나 또는 원격일 수 있다. 몇몇 실시예들에서, 오더 할당 시스템(110)은, 네트워크(150) 또는 다른 통신 모드들을 통해, 사용자(120/140)의 정보, 다른 정보 소스(160), 및/또는 데이터베이스(130)를 액세스할 수 있다.
승객 단말기(120) 및 기사 단말기(140)의 각각은 서비스 요청자 및 서비스 제공자와 같은, 서비스 오더들에 관한 개개인, 디바이스, 또는 다른 엔티티일 수 있는 사용자를 나타낼 수 있다. 승객은 서비스 요청자일 수 있다. 본 개시에서, "승객", "승객 단말기", 및 "승객 단말기 디바이스"는 상호 교환 가능하게 사용될 수 있다. 승객은 또한 승객 단말기 디바이스(120)의 사용자를 포함할 수 있다. 몇몇 실시예들에서, 승객 단말기 디바이스의 사용자는 실제 승객이 아닐 수 있다. 예를 들면, 승객 단말기 디바이스(120)의 사용자 A는 온-디맨드 서비스를 요청하고, 온-디맨드 서비스를 수용하거나, 또는 온-디맨드 서비스 시스템(105)에 의해 전송된 다른 정보 또는 명령들을 수신하기 위해 승객 B에 대한 승객 단말기 디바이스(120)를 사용할 수 있다. 편리함을 위해, 승객 단말기 디바이스(120)의 사용자는 또한 여기에서 승객으로서 불리울 수 있다. 기사는 서비스 제공자일 수 있다. 본 개시에서, "기사", "기사 단말기", 및 "기사 단말기 디바이스"는 상호 교환 가능하게 사용될 수 있다. 기사는 또한 기사 단말기 디바이스(140)의 사용자를 포함할 수 있다. 몇몇 실시예들에서, 기사 단말기 디바이스의 사용자는 실제 기사가 아닐 수 있다. 예를 들면, 기사 단말기 디바이스(140)의 사용자 C는 온-디맨드 서비스를 수용하거나, 또는 온-디맨드 서비스 시스템(105)에 의해 전송된 다른 정보 또는 명령들을 수신하기 위해 기사 D에 대한 기사 단말기 디바이스(140)를 사용할 수 있다. 편리함을 위해, 기사 단말기 디바이스(140)의 사용자는 또한 여기에서 기사로서 불리울 수 있다. 사용자가 툴로서 특정되는 몇몇 실시예들에서, 승객 단말기 디바이스(120)는 이에 제한되지 않지만 데스크탑 컴퓨터(120-1), 랩탑(120-2), 자동차 내장 디바이스(120-3), 이동 디바이스(120-4) 등, 또는 그것의 임의의 조합을 포함할 수 있다. 자동차 내장 디바이스(120-3)는 또한 카퓨터(carputer) 등일 수 있다. 몇몇 실시예들에서, 이들 사용자들은 또한 다른 스마트 단말기들일 수 있으며, 이것은 이에 제한되지 않지만 스마트 홈 디바이스, 착용 가능한 디바이스, 스마트 이동 디바이스, 또는 임의의 다른 스마트 디바이스를 포함할 수 있다. 스마트 홈 디바이스는 이에 제한되지 않지만 스마트 조명 디바이스, 스마트 전기 기기 제어 디바이스, 스마트 모니터링 디바이스, 스마트 TV, 스마트 카메라, 스마트 폰, 스마트 인터폰 등, 또는 그것의 임의의 조합을 포함할 수 있다. 착용 가능한 디바이스는 이에 제한되지 않지만 스마트 팔찌, 스마트 워치, 스마트 풋기어, 스마트 안경, 스마트 헬멧, 스마트 헤드밴드, 스마트 의류, 스마트 백팩, 스마트 액세서리 등, 또는 그것의 임의의 조합을 포함할 수 있다. 스마트 이동 디바이스는 이에 제한되지 않지만 차량-장착 디바이스(카퓨터 또는 카 TV 등), 게임 디바이스, GPS 디바이스, POS 디바이스 등, 또는 그것의 임의의 조합을 포함할 수 있다. 기사 단말기 디바이스(140)는 또한 하나 이상의 유사한 디바이스들을 포함할 수 있다.
몇몇 실시예들에서, 데이터베이스(130)는 일반적으로 저장 기능을 가진 임의의 디바이스를 나타낼 수 있다. 데이터베이스(130)는 주로 오더 할당 시스템(110)의 작동 동안 생성된 다양한 데이터 및 사용자(120/140)로부터 수집된 데이터를 저장하기 위해 사용될 수 있다. 데이터베이스(130) 또는 시스템에서의 다른 저장 디바이스들은 일반적으로 판독/기록 기능들을 가진 임의의 미디어를 나타낼 수 있다. 데이터베이스(130) 또는 시스템의 다른 저장 디바이스들은 시스템의 내부에 있거나 또는 외부에 있을 수 있다. 데이터베이스(130)는 국소적이거나 또는 원격일 수 있다. 데이터베이스(130)는 이에 제한되지 않지만 계층형 데이터베이스, 네트워킹 데이터베이스, 관계형 데이터베이스 등, 또는 그것의 임의의 조합을 포함할 수 있다. 데이터베이스(130)는 정보를 디지털화하며, 그 후 전기 방법, 자기 방법, 광학 방법 등에 의해 저장 디바이스에 디지털화된 정보를 저장할 수 있다. 데이터베이스(130)는 시스템, 소프트웨어, 프로그램 및 데이터와 같은 다양한 유형들의 정보를 저장하기 위해 사용될 수 있다. 데이터베이스(130)는 전기 에너지 방법에 의해 정보를 저장하는 디바이스, 예로서 다양한 메모리들, 랜덤 액세스 메모리(RAM), 판독-전용 메모리(ROM) 등일 수 있다. 랜덤 액세스 메모리는 이에 제한되지 않지만 십진 계수관(decade counting tube), 셀렉트론(selectron), 지연 라인 메모리, 윌리엄즈관(Williams tube), 동적 랜덤 액세스 메모리(DRAM), 정적 랜덤 액세스 메모리(SRAM), 사이리스터 랜덤 액세스 메모리(T-RAM), 제로-커패시터 랜덤 액세스 메모리(Z-RAM) 등, 또는 그것의 임의의 조합을 포함할 수 있다. 판독 전용 메모리는 이에 제한되지 않지만 버블 메모리, 트위스터 메모리, 필름 메모리, 플레이티드 와이어 메모리, 자기-코어 메모리, 드럼 메모리, CD-ROM, 하드 디스크, 테이프, NVRAM, 상-변화 메모리, 자기-저항성 랜덤 액세스 메모리, 강유전성 랜덤 액세스 메모리, 비휘발성 SRAM, 플래시 메모리, 전기적으로 소거 가능한 프로그램 가능 판독-전용 메모리(EEPROM), 소거 가능한 프로그램 가능 판독-전용 메모리, 마스크 판독 전용 메모리, 플로팅 커넥티드 게이트 랜덤 액세스 메모리, 나노 랜덤 액세스 메모리, 레이스트랙 메모리(racetrack memory), 저항성 랜덤 액세스 메모리, 프로그램 가능한 금속화 유닛 등, 또는 그것의 임의의 조합을 포함할 수 있다. 데이터베이스(130)는 자기 에너지 방법에 의해 정보를 저장하는 디바이스, 예로서 하드 디스크, 소프트 디스크, 테이프, 자기 코어 저장 장치, 버블 메모리, U-디스크, 플래시 메모리 등일 수 있다. 데이터베이스(130)는 광학 방법에 의해 정보를 저장하는 디바이스, 예로서 CD, DVD 등일 수 있다. 데이터베이스(130)는 자기-광학 방법에 의해 정보를 저장하는 디바이스, 예로서 자기-광학 디스크 등일 수 있다. 데이터베이스(130)의 액세스 모드들은 랜덤 액세스 모드, 직렬 액세스 모드, 판독-전용 액세스 모드 등, 또는 그것의 임의의 조합을 포함할 수 있다. 데이터베이스(130)는 비-영구성 메모리 또는 영구성 메모리일 수 있다. 상기 설명된 저장 디바이스들은 단지 예들이다. 시스템에서 사용된 저장 디바이스들은 제한적이도록 의도되지 않는다.
데이터베이스(130)는 네트워크(150)와 상호 연결되거나 또는 통신되거나, 또는 온-디맨드 서비스 시스템(105) 또는 시스템(105)의 부분(예로서, 오더 할당 시스템(110))에 직접 연결되거나 또는 그것과 통신되거나, 또는 그것의 임의의 조합일 수 있다. 몇몇 실시예들에서, 데이터베이스(130)는 온-디맨드 서비스 시스템(105)의 배경에 셋업될 수 있다. 몇몇 실시예들에서, 데이터베이스(130)는 독립적이며 네트워크(150)에 직접 연결될 수 있다. 데이터베이스(130) 및 시스템의 다른 모듈들 사이에서의 연결 또는 통신은 유선 또는 무선일 수 있다. 네트워크(150)는 정보 교환을 위한 채널을 제공할 수 있다. 데이터베이스(130)가 네트워크(150)에 연결되거나 또는 그것과 통신될 때, 사용자(120/140)는 네트워크(150)를 통해 데이터베이스(130)의 정보에 액세스할 수 있다. 데이터베이스(130)로의 각각의 디바이스의 액세스 허가는 제한될 수 있다. 예를 들면, 온-디맨드 서비스 시스템(105) 또는 시스템(105)의 부분(예로서, 오더 프로세싱 엔진(110))은 데이터베이스(130)로의 가장 높은 액세스 허가를 가질 수 있으며, 데이터베이스(130)에서 공개 또는 개인 정보를 판독하고/수정하는 것이 허용된다. 특정한 조건들이 만족될 때, 승객 단말기 디바이스(120) 또는 기사 단말기 디바이스(140)는 사용자에 관한 공개 정보 또는 개인 정보의 부분을 판독하도록 허용될 수 있다. 예를 들면, 온-디맨드 서비스 시스템(105)은 온-디맨드 서비스 시스템(105)을 사용하여 사용자(승객 또는 기사)의 하나 이상의 경험들에 기초하여 데이터베이스(130)에서 공개 또는 사용자 관련 개인 정보를 업데이트/수정할 수 있다. 또 다른 예로서, 기사가 승객으로부터 서비스 오더를 수신할 때, 기사는 데이터베이스(130)에서 승객에 대한 몇몇 정보를 볼 수 있다. 기사는 데이터베이스(130)에서 승객에 대한 정보를 자체적으로 수정하지 않을 수 있으며 단지 데이터베이스(130)에서 승객에 대한 정보를 수정할 지 여부를 결정할 수 있는 온-디맨드 서비스 시스템(105)으로 보고할 수 있다. 계속해서 또 다른 예로서, 승객이 기사로부터 요청을 제공하는 서비스를 수신할 때, 승객은 데이터베이스(130)에서 기사에 대한 몇몇 정보(예로서, 사용자 평가 정보, 운전 경험들 등)를 볼 수 있다. 승객은 데이터베이스(130)에서 기사에 대한 정보를 자체적으로 수정할 수 없으며 단지 데이터베이스(130)에서 기사에 대한 정보를 수정할지 여부를 결정할 수 있는 온-디맨드 서비스 시스템(105)으로 보고할 수 있다.
네트워크(150)는 단일 네트워크 또는 다수의 네트워크들의 조합일 수 있다. 네트워크(150)는 이에 제한되지 않지만 근거리 네트워크, 광역 네트워크, 공공 네트워크, 전용 네트워크, 무선 근거리 네트워크, 가상 네트워크, 대도시 영역 네트워크, 공개 스위칭 전화 네트워크 등, 또는 그것의 임의의 조합을 포함할 수 있다. 네트워크(150)는 유선 또는 무선 액세스 포인트들, 기지국, 또는 네트워크 스위칭 포인트들과 같은, 다양한 네트워크 액세스 포인트들을 포함할 수 있다. 데이터 소스는 액세스 포인트들을 통해 네트워크(150)에 연결될 수 있다. 정보는 네트워크를 통해 전송될 수 있다.
다른 정보 소스(160)는 시스템(110)에 대한 다른 정보를 제공하기 위해 사용된 소스일 수 있다. 다른 정보 소스(160)는 기상 상태들, 교통 정보, 법 규제 정보, 뉴스 이벤트들, 생활 정보, 생활 가이드 정보 등과 같은, 서비스-관련 정보를 시스템에 제공하기 위해 사용될 수 있다. 다른 정보 소스(160)는 단일 중앙 서버, 네트워크를 통해 연결된 다수의 서버들, 또는 다수의 개인용 디바이스들의 형태로 존재할 수 있다. 정보 소스가 다수의 개인용 디바이스들의 형태로 존재할 때, 텍스트, 음성, 이미지, 또는 비디오를 클라우드 서버로 업로딩하는 것과 같은, 사용자-생성 콘텐츠 방법을 이용함으로써, 정보 소스는 다수의 개인용 디바이스들 및 클라우드 서버에 의해 생성될 수 있다. 다른 정보 소스(160)는 네트워크(150)와 상호 연결되거나 또는 통신될 수 있거나, 또는 온-디맨드 서비스 시스템(105) 또는 시스템(105)의 부분(예로서, 오더 할당 시스템(110))에 직접 연결되거나 또는 그것과 통신될 수 있거나, 또는 그것의 임의의 조합일 수 있다. 다른 정보 소스(160)가 네트워크(150)에 연결되거나 또는 그것과 통신될 때, 사용자(120/140)는 네트워크(150)를 통해 다른 정보 소스(160)의 정보에 액세스할 수 있다. 다른 정보 소스(160) 및 시스템의 다른 모듈들 사이에서의 연결 또는 통신은 유선 또는 무선일 수 있다.
예로서 수송 서비스를 취하면, 다른 정보 소스(160)는 지리적 정보 및 도시 서비스 정보를 포함한 지자체 서비스 시스템, 실시간 교통 방송 시스템, 기상 방송 시스템, 뉴스 네트워크 등을 포함할 수 있다. 다른 정보 소스(160)는 공통 속도계, 감지 디바이스, IOT(사물 인터넷) 디바이스, 차량-장착 속도계, 탑재 진단 시스템, 레이더 속도계, 온도 및 습도 센서 등과 같은, 물리적 정보 소스일 수 있다. 다른 정보 소스(160)는 또한 뉴스, 정보, 실시간 도로 정보 등을 획득하기 위해 사용된 소스일 수 있다. 예를 들면, 다른 정보 소스(160)는 이에 제한되지 않지만, 유즈넷-기반 인터넷 뉴스그룹, 인터넷상에서의 서버, 기상 정보 서버, 도로 상태 정보 서버 등을 포함할 수 있는 네트워크 정보 소스일 수 있다. 구체적으로, 음식 배달 서비스에 대해, 다른 정보 소스(160)는 특정한 영역에서의 다수의 음식 서비스 제공자들을 저장한 시스템, 맵 정보 및 도시 서비스 정보를 포함한 지자체 서비스 시스템, 교통 도로 상태 시스템, 기상 방송 시스템, 뉴스 네트워크 등일 수 있다. 여기에서 설명된 예들은 서비스들의 유형 또는 정보 소스의 범위이며 이에 제한하도록 의도되지 않는다. 서비스들의 정보를 제공하는 임의의 디바이스 또는 네트워크는 본 개시에서 정보 소스로서 지정될 수 있다.
몇몇 실시예들에서, 위치-기반 서비스 시스템(100)에 따르면, 시스템의 상이한 부분들 사이에서의 정보 교환은 오더 패턴에서 수행될 수 있다. 오더의 오브젝트는 제품일 수 있다. 몇몇 실시예들에서, 제품은 유형이거나 또는 무형일 수 있다. 유형의 제품에 대해, 그것은 임의의 형태 또는 크기를 가진 임의의 제품, 예로서, 음식, 약, 일용 필수품, 화학 제품들, 전기 기기들, 의류, 자동차들, 부동산들, 사치품들 등, 또는 그것의 임의의 조합일 수 있다. 무형의 제품은 이에 제한되지 않지만 서비스 제품들, 금융 상품들, 지식 상품들, 인터넷 상품들 등, 또는 그것의 임의의 조합을 포함할 수 있다. 인터넷 상품에 대해, 그것은 정보, 엔터테인먼트, 통신, 또는 비즈니스에 대한 사용자의 요건들을 만족하는 임의의 제품일 수 있다. 인터넷 상품들은 다양한 분류 방법들을 사용하여 분류될 수 있다. 몇몇 실시예들에서, 인터넷 상품들은 베어러 플랫폼에 의해 분류될 수 있으며, 이것은 이에 제한되지 않지만 개인용 호스트 제품들, 웹 제품들, 모바일 인터넷 제품들, 상업적 호스트 플랫폼 제품들, 내장형 제품들 등, 또는 그것의 임의의 조합을 포함할 수 있다. 모바일 인터넷 제품은 이동 단말기에서 사용된 소프트웨어, 프로그램, 또는 시스템일 수 있다. 이동 단말기는 이에 제한되지 않지만, 노트북, 태블릿 컴퓨터, 이동 전화, 개인용 디지털 보조기(PDA), 전자 시계, POS 기계, 카퓨터, TV 등, 또는 그것의 임의의 조합을 포함할 수 있다. 예를 들면, 컴퓨터들 또는 이동 전화들 상에서 사용된 모든 종류들의 소셜 소프트웨어는 쇼핑 소프트웨어, 여행 소프트웨어, 엔터테인먼트 소프트웨어, 학습 소프트웨어, 투자 소프트웨어 등일 수 있다. 여행 소프트웨어는 또한 여행 소프트웨어, 차량 예약 소프트웨어, 맵 소프트웨어 등일 수 있다. 차량 예약 소프트웨어는 자동차들(예로서, 택시들, 버스들 등), 기차들, 지하철들, 배들(예로서, 선박 등), 항공기들(예로서, 비행기들, 우주 왕복선들, 로켓들 등), 열기구들 등, 또는 그것의 임의의 조합을 예약하기 위해 사용될 수 있다.
위치-기반 서비스 시스템(100)의 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 모듈들은 다양한 방식들로 조합될 수 있거나, 또는 서브-시스템들로서 다른 모듈들과 연결될 수 있으며, 형태 및 세부사항에서 다양한 수정들 및 변형들이 본 개시의 교시 하에서 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 데이터베이스(130)는 이에 제한되지 않지만 공공 클라우드 플랫폼, 사설 클라우드 플랫폼, 커뮤니티 클라우드 플랫폼, 하이브리드 클라우드 플랫폼 등을 포함한 데이터 저장 기능을 가진 클라우드 컴퓨팅 플랫폼일 수 있다. 모든 이러한 변형들은 본 개시의 보호 범위 내에 있다.
도 2는 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템(100)의 개략도이다. 편리함을 위해, 온-디맨드 서비스 시스템(105)의 오더 할당 시스템(110)은 예로서 취해진다. 편리함을 위해, 오더 할당 시스템(110)은 예로서 택시-예약 서비스 시스템을 취함으로써 예시된다. 오더 할당 시스템(110)은 하나 이상의 프로세싱 모듈들(210), 저장 모듈들(220), 승객 인터페이스들(230), 및/또는 기사 인터페이스들(240)을 포함할 수 있다. 오더 할당 시스템(110)의 모듈들은 집중화되거나 또는 분산될 수 있다. 오더 할당 시스템(110)의 모듈들 중 하나 이상은 국소적이거나 또는 원격일 수 있다. 몇몇 실시예들에서, 오더 할당 시스템(110)은 웹페이지 서버, 파일 서버, 데이터베이스 서버, FTP 서버, 애플리케이션 서버, 프록시 서버, 메일 서버 등, 또는 그것의 임의의 조합일 수 있다.
몇몇 실시예들에서, 프로세싱 모듈(210)은 관련 정보를 프로세싱하도록 구성될 수 있다. 프로세싱 모듈(210)은 승객 인터페이스(230), 기사 인터페이스(240), 저장 모듈(220), 데이터베이스(130), 다른 정보 소스(160) 등으로부터 정보를 획득할 수 있다. 프로세싱 모듈(210)은 프로세싱된 정보를 승객 인터페이스(230) 및/또는 기사 인터페이스(240)로 전송할 수 있으며, 데이터베이스(130), 저장 모듈(220), 또는 다른 백업 데이터베이스들 또는 저장 디바이스들에 프로세싱된 정보를 저장할 수 있다. 정보 프로세싱 방법은 이에 제한되지 않지만 저장, 분류, 스크리닝, 변환, 산출, 탐색, 예측, 트레이닝 등, 또는 그것의 임의의 조합을 포함할 수 있다. 몇몇 실시예들에서, 프로세싱 모듈(210)은 이에 제한되지 않지만 중앙 프로세싱 유닛(CPU), 애플리케이션-특정 집적 회로(ASIC), 애플리케이션 특정 명령 세트 프로세서(ASIP), 물리 프로세싱 유닛(PPU), 디지털 프로세싱 프로세서(DSP), 필드-프로그램 가능한 게이트 어레이(FPGA), 프로그램 가능한 로직 디바이스(PLD), 프로세서, 마이크로프로세서, 제어기, 마이크로제어기 등, 또는 그것의 임의의 조합을 포함할 수 있다.
프로세싱 모듈(210) 또는 데이터베이스(130)는 시스템에 물리적으로 존재할 수 있거나, 또는 클라우드 컴퓨팅 플랫폼을 통해 대응하는 기능들을 수행할 수 있다는 것이 주의되어야 한다. 몇몇 실시예들에서, 클라우드 컴퓨팅 플랫폼은 이에 제한되지 않지만 데이터 저장 기반 저장 클라우드 플랫폼, 데이터 프로세싱 기반 컴퓨팅 클라우드 플랫폼, 또는 데이터 저장 및 프로세싱의 통합 클라우드 컴퓨팅 플랫폼을 포함할 수 있다. 시스템에 의해 사용된 클라우드 플랫폼은 공공 클라우드 플랫폼, 사설 클라우드 플랫폼, 커뮤니티 클라우드 플랫폼, 하이브리드 클라우드 플랫폼 등일 수 있다. 예를 들면, 실제 요구들에 따르면, 시스템에 의해 수신된 오더 정보 및/또는 비-오더 정보 중 몇몇은 클라우드 플랫폼에 의해 산출 및/또는 저장될 수 있다. 다른 오더 정보 및/또는 비-오더 정보는 로컬 프로세싱 모듈 및/또는 시스템 데이터베이스에 의해 산출 및/또는 저장될 수 있다. 몇몇 실시예들에서, 승객 인터페이스(230) 및 기사 인터페이스(240)는 승객(120) 및 기사(140)로부터 전송된 정보를 각각 수신하기 위해 사용될 수 있다. 여기에서 정보는 이에 제한되지 않지만 서비스 요청 정보, 서비스 응답 정보, 사용자의 습관들/선호들 정보, 사용자 위치 정보 등, 또는 그것의 임의의 조합을 포함할 수 있다. 서비스 요청 정보는 사용자에 의한 오더에 대한 요청의 정보(예로서, 승객의 택시-예약 요청, 기사의 오더 수용 요청 등), 사용자의 다른 요청 정보(예로서, 기사로부터 시스템으로 전송되는 특정한 영역의 오더 밀도를 획득하기 위한 요청) 등일 수 있다. 서비스 응답 정보는 오더를 수용하기 위한 사용자의 동의에 관련된 정보, 사용자에 의해 수용된 오더의 취소에 관련된 정보, 사용자에 의해 오더의 성공적인 수용에 관련된 정보, 오더를 수용하기 위한 사용자의 실패에 관련된 정보 등일 수 있다. 사용자의 습관들/선호들 정보는 기사들에 대한 승객의 선호, 승객의 수용 가능한 대기 시간, 카풀하는 승객들에 대한 승객의 선호, 차량 유형들에 대한 승객의 선호, 또는 출발 위치에 대한 기사의 선호, 목적지, 출발 시간 등일 수 있다. 정보의 형태는 이에 제한되지 않지만 텍스트, 오디오, 비디오, 화상들 등, 또는 그것의 임의의 조합을 포함할 수 있다. 정보의 입력 모드는 친필, 제스처, 이미지, 스피치, 비디오, 전자기파, 또는 다른 데이터 입력 모드, 또는 그것의 임의의 조합을 포함할 수 있다. 수신된 정보는 데이터베이스(130) 또는 저장 모듈(220)에 저장되고, 프로세싱 모듈(210)에 의해 산출되며 프로세싱되거나, 또는 그것의 임의의 조합일 수 있다.
몇몇 실시예들에서, 사용자에 관련된 위치 정보는 위치 결정 시스템에 의해 획득될 수 있다. 예를 들면, 하나 이상의 위치 결정 기술들을 사용하여, 현재 위치, 시작 포인트, 모션 상태, 속도 등을 포함한 사용자의 정보가 획득될 수 있다. 위치 결정 기술은 이에 제한되지 않지만 전역적 위치 결정 시스템(GPS) 기술들, 전역적 내비게이션 위성 시스템(GLONASS) 기술들, 베이더우(Beidou) 내비게이션 시스템 기술들, 갈릴레오 위치 결정 시스템 기술들, 준-천정(Quasi-Zenith) 위성 시스템들(QAZZ), 기지국 위치 결정 기술들, Wi-Fi 위치 결정 기술들, 차량들의 다양한 위치 및 속도 검출 시스템들 등을 포함할 수 있다.
몇몇 실시예들에서, 승객 인터페이스(230) 및 기사 인터페이스(240)는 프로세싱 모듈(210)에 의해 프로세싱된 정보를 출력하도록 구성될 수 있다. 여기에서의 정보는 최적화된 위치 정보, 오더의 직접 정보, 오더의 프로세싱 정보, 사용자의 직접 정보, 사용자의 프로세싱 정보 등일 수 있다. 정보의 형태는 이에 제한되지 않지만 텍스트, 오디오, 비디오, 화상 등, 또는 그것의 임의의 조합을 포함할 수 있다. 출력 정보는 승객(120) 및/또는 기사(140)로 전송될 수 있다. 대안적으로, 출력 정보가 승객(120) 및/또는 기사(140)로 전송되지 않는다면, 그것은 데이터베이스(130) 또는 저장 모듈(220)에 저장될 수 있다.
도 2에 도시된 시스템은 다양한 방식들로 구현될 수 있다는 것이 이해되어야 한다. 몇몇 실시예들에서, 시스템은 하드웨어, 소프트웨어, 또는 그것들의 조합에 의해 구현될 수 있다. 하드웨어 부분은 특정 논리 회로들을 사용하여 구현될 수 있다. 소프트웨어 부분은 메모리에 저장되며 마이크로프로세서 또는 구체적으로 설계된 하드웨어와 같은, 적절한 명령 실행 시스템에 의해 실행될 수 있다. 이 기술분야의 숙련자들을 위해 상기 설명된 방법들 및 시스템들은 프로세서에서의 컴퓨터-실행 가능한 명령들 및/또는 제어 코드들에 의해 구현될 수 있다는 것이 이해될 것이다. 예를 들면, 코드들은 캐리어 매체(예로서, 디스크, CD, DVD-ROM 등), 판독-전용 메모리(예로서, 펌웨어)와 같은 프로그램 가능한 메모리, 또는 광학 신호 캐리어 또는 전자 신호 캐리어와 같은 데이터 캐리어 상에서 제공될 수 있다. 본 개시의 시스템 및 그것의 모듈들은 하드웨어 회로들, 예로서 초대규모 집적 회로들 또는 게이트 어레이들, 논리 칩들 또는 트랜지스터들과 같은 반도체들, 필드-프로그램 가능한 게이트 어레이들 또는 프로그램 가능한 논리 디바이스들과 같은 프로그램 가능한 하드웨어 디바이스들 등에 의해 구현될 수 있다. 시스템 및 그것의 모듈들은 다양한 프로세서들에 의해 실행된 소프트웨어에 의해 구현될 수 있다. 시스템 및 그것의 모듈들은 또한 하드웨어 회로들 및 소프트웨어의 조합(예로서, 펌웨어)에 의해 구현될 수 있다.
도 2에 도시된 시스템은 택시-예약 서비스 시스템에 제한되지 않는다는 것이 이해되어야 한다. 오히려, 시스템은 또한 다른 교통 서비스 시스템들 또는, 음식 주문 서비스 시스템, 택배 서비스 시스템, 예약 서비스 시스템 등과 같은 다른 서비스 시스템들에 적용될 수 있다. 본 개시는 제한적이도록 의도되지 않는다.
오더 할당 시스템(110)의 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 모듈들은 다양한 방식들로 조합될 수 있거나, 또는 서브-시스템들로서 다른 모듈들과 연결될 수 있으며, 형태 및 세부사항에서 다양한 수정들 및 변형들이 본 개시의 교시 하에서 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 몇몇 실시예들에서, 프로세싱 모듈(210), 저장 모듈(220), 승객 인터페이스(230), 및 기사 인터페이스(240)는 모듈들의 둘 이상의 기능들을 구현할 수 있는 하나의 시스템 또는 하나의 모듈에서 구체화된 상이한 모듈들일 수 있다. 예를 들면, 승객 인터페이스(230) 및/또는 기사 인터페이스(240)는 입력 및 출력 기능들을 가진 모듈일 수 있다. 승객 인터페이스(230) 및/또는 기사 인터페이스(240)는 또한 승객/기사에 관한 입력 모듈 및 출력 모듈일 수 있다. 또 다른 예로서, 프로세싱 모듈(210) 및 저장 모듈(220)은 두 개의 모듈들 또는 프로세싱 및 저장 기능들을 가진 모듈일 수 있다. 계속해서 또 다른 예로서, 각각의 모듈은 단일 저장 모듈을 공유할 수 있다. 각각의 모듈은 또한 그것의 저장 모듈을 가질 수 있다. 모든 이러한 변형들은 본 개시의 보호 범위 내에 있다.
도 3은 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템(110)의 개략도이다. 도면에 도시된 바와 같이, 오더 할당 시스템(110)은 하나 이상의 인터페이스 모듈들(230/240) 및 프로세싱 모듈들(210)을 포함할 수 있다. 도 2를 참조하면, 인터페이스 모듈(230/240)은 정보 상호 작용을 위해 사용될 수 있으며 하나 이상의 승객 인터페이스들(230) 및/또는 기사 인터페이스들(240)을 포함할 수 있다. 몇몇 실시예들에서, 인터페이스 모듈(230/240)은 하나 이상의 수신 유닛들(231) 및 전송 유닛들(232)을 추가로 포함할 수 있다. 수신 유닛(231)은 승객(120) 및 기사(140)로부터 정보를 수신하도록 구성될 수 있다. 전송 유닛(232)은 프로세싱 모듈(210)에 의해 분석되고 프로세싱되는 정보를 출력하도록 구성될 수 있다. 상세한 설명들이 대응하는 도면들에서 발견될 수 있다.
몇몇 실시예들에서, 프로세싱 모듈(210)은 하나 이상의 오더 사전프로세싱 모듈들(310), 사용자 사전프로세싱 모듈들(320), 결정 모듈들(330), 예측 모듈들(340), 분석 모듈들(350), 및 판정 모듈들(360)을 추가로 포함할 수 있다. 오더 사전프로세싱 모듈(310)은 오더 정보를 사전 프로세싱하도록 구성될 수 있다. 오더 사전프로세싱 모듈(310)은 하나 이상의 오더 생성 유닛들(311), 오더 스크리닝 유닛들(312), 및/또는 오더 정보 획득 유닛들(313)을 추가로 포함할 수 있다. 사용자 사전프로세싱 모듈(320)은 사용자 정보를 사전 프로세싱하도록 구성될 수 있다. 사용자 사전프로세싱 모듈(320)은 하나 이상의 사용자 단말기 판단 유닛들(321), 사용자 단말기 검출 유닛들(322), 사용자 단말기 스크리닝 유닛들(323), 및/또는 사용자 정보 획득 유닛들(323)을 추가로 포함할 수 있다. 오더 정보 획득 유닛(313) 및 사용자 정보 획득 유닛(324)은 총괄하여 획득 유닛들(도면에 도시되지 않음)로 불리울 수 있다. 결정 모듈(330)은 몇몇 위치-관련 정보를 결정하도록 구성될 수 있다. 결정 모듈(330)은 하나 이상의 오더 확산 반경 결정 유닛들(331), 오더 수신 범위 결정 유닛들(332), 간편 도로 등급 결정 유닛들(333), 및/또는 거리 결정 유닛들(334)을 추가로 포함할 수 있다. 예측 모듈(340)은 오더를 스내칭하기 위한 사용자 의도를 예측하도록 구성될 수 있다. 예측 모듈(340)은 하나 이상의 구독 확률 산출 유닛들(341) 및 오더 스내칭 예측 유닛들(342)을 추가로 포함할 수 있다. 분석 모듈(350)은 결정 모듈(330) 및/또는 예측 모듈(340)에 의해 결정된 오더 특징들에 기초하여 분석적 판단을 수행하도록 구성될 수 있다. 분석 모듈(350)은 하나 이상의 비교 유닛들(351) 및 판단 유닛들(352)을 추가로 포함할 수 있다. 판정 모듈(360)은 분석 모듈(350)의 출력에 기초하여 오더 할당 및/또는 다른 프로세스들을 수행하도록 구성될 수 있다. 판정 모듈(360)은 하나 이상의 오더 할당 유닛들(361) 및 조정 유닛들(362)을 추가로 포함할 수 있다.
도 3에서의 오더 할당 시스템(110)의 실시예들에 관하여, 그것이 오더 할당 프로세스의 실시예들과 상당히 유사하므로, 시스템(110)의 관련 설명들은 오더 할당 프로세스의 실시예들에서 발견될 수 있다.
도 4는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 이해의 편리함을 위해, 오더 할당 시스템(110)은, 예를 들면, 택시-예약 서비스 시스템의 설명에 따라 예시될 수 있다. 몇몇 실시예들에서, 오더 할당 프로세스는 온-디맨드 서비스 시스템(105) 또는 시스템의 부분(예로서, 오더 할당 시스템(110))에 의해 실행될 수 있다. 도 4에 도시된 바와 같이, 오더 정보는 단계(410)에서 인터페이스 모듈(230/240)을 통해 사용자(120/140)(도 1에 도시된 바와 같이)로부터 획득될 수 있다. 몇몇 실시예들에서, 단계(410)에서, 데이터베이스(130) 및/또는 다른 정보 소스들(160)(도 1에 도시된 바와 같이)에서의 정보가 또한 획득될 수 있다. 예로서 택시 서비스 오더를 취하면, 오더 정보는 이에 제한되지 않지만 오더 자체의 정보, 사용자 정보, 다른 정보 등을 포함할 수 있다. 오더 자체의 정보는 이에 제한되지 않지만 오더 수, 출발 위치(또는 원래 위치), 목적지, 출발 시간, 도착 시간, 수용 가능한 대기 시간, 승객들의 수, 승객이 수화물을 갖고 있는지 여부에 대한 결정, 마일리지, 가격, 소비자에 의해 제기된 가격, 서비스 제공자에 의해 조정된 가격, 시스템에 의해 조정된 가격, 보상 사용 조건, 지불 조건(예로서, 현금 지불, 직불 카드 지불, 온라인 지불, 송금 지불 등), 오더 완료 상태, 서비스 제공자의 오더 선택, 소비자의 오더 송신 상태 등, 또는 그것의 임의의 조합을 포함할 수 있다. 사용자 정보는 사용자(120/140)에 관련된 정보를 나타낼 수 있다. 사용자 정보는 이에 제한되지 않지만 이름, 별명, 성별, 국적, 나이, 연락처 정보(전화 번호, 이동 전화 번호, 소셜 미디어 계정 정보(예로서, Wechat 계정, QQ™ 계정, Linkedin 등), 사용자가 접촉될 수 있는 다른 방식들 등), 직업, 평가, 사용 시간, 운전 경험, 차량 수명, 차량 유형, 차량 상태, 자동차 등록 번호, 운전 면허 번호, 인증 상태, 사용자 습관/선호, 추가 서비스들에 대한 특징(예로서, 트렁크 크기, 파노라마식 선루프, 다른 추가 특징들 등) 등, 또는 그것의 임의의 조합을 포함할 수 있다. 다른 정보는 소비자 또는 서비스 제공자에 의해 제어되지 않는 정보 또는 임시/긴급 정보를 포함할 수 있다. 예를 들면, 다른 정보는 이에 제한되지 않지만 기상 상태, 환경 상태, 도로 상태(예로서, 보안, 도로 공사, 또는 다른 이유들로 인한 도로 폐쇄), 교통 상태 등, 또는 그것의 임의의 조합을 포함할 수 있다.
몇몇 실시예들에서, 오더 정보의 부분은 실시간 오더 정보 또는 이력 오더 정보일 수 있다. 몇몇 실시예들에서, 실시간 오더 정보는 특정한 시간에서 또는 특정한 시간 기간에서의 오더 정보일 수 있다. 시간 기간은 수 초, 수 분, 수 시간, 또는 선호에 기초한 사용자-정의 시간 기간일 수 있다. 시간 기간은 근무일, 쉬는 날, 휴일 또는 축제, 피크 시간, 비-피크 시간 등과 같은, 특정된 시간 기간일 수 있다. 이력 오더 정보는 오더 요청들의 수, 오더 수용들의 수, 트랜잭션 볼륨, 오더 스내칭 레이트, 성공적인 오더 스내칭 레이트, 계약 파기 레이트, 지명 파기 레이트, 거래 레이트, 사용자 습관/선호 등, 또는 그것의 임의의 조합과 같은, 오더에 관련된 이전 정보를 포함할 수 있다.
단계(420)에서, 하나 이상의 오더 특징들은 수신된 오더 정보에 기초하여 프로세싱 모듈(210)에 의해 프로세싱될 수 있다. 오더 특징들은 오더의 직접 정보 및 프로세싱된 정보 등을 포함할 수 있다. 오더의 직접 정보는 오더 정보 자체, 사용자 정보, 다른 정보 등, 또는 그것의 임의의 조합일 수 있다. 구체적으로, 관련된 설명은 본 개시에서 발견될 수 있다. 오더의 프로세싱된 정보는 하나 이상의 데이터 프로세싱 방법들을 사용하여 획득될 수 있다. 오더의 프로세싱된 정보는 이에 제한되지 않지만 사용자의 오더 스내칭 시간, 오더 스내칭 레이트, 성공적인 오더 스내칭 레이트, 계약 파기 레이트, 지명 파기 레이트, 거래 레이트, 오더 밀도, 오더 경쟁 레이트, 오더 버퍼 시간, 오더 방송 시간, 사용자의 수용 가능한 오더 확산 범위, 간편 도로 등급, 도로 거리, 사용자의 현재 위치 및 출발 위치 사이에서의 거리, 오더 스내칭 레이트를 예측하는 정확도 등, 또는 그것의 임의의 조합을 포함할 수 있다. 정보 프로세싱 방법들은 이에 제한되지 않지만 저장, 분류, 스크리닝, 변환, 산출, 탐색, 예측, 트레이닝 등, 또는 그것의 임의의 조합을 포함할 수 있다.
편리함을 위해, 오더 정보 프로세싱의 몇몇 실시예들에서 사용된 예측 모델들 및 기계 학습이 이하에서 예시될 수 있다. 몇몇 실시예들에서, 예측 모델은 질적이거나 또는 양적일 수 있다. 양적 예측 모델은 시계열 예상 방법 또는 인과(casual) 방법에 기초할 수 있다. 시계열 예상 방법은 평균 평활화 방법, 경향 외삽 보간 방법, 계절적 변이 예측 방법, 마르코프 시계열 예상 방법 등, 또는 그것의 임의의 조합을 추가로 포함할 수 있다. 인과 방법은 통합된 회귀 방법, 다수의 회귀 방법, 입력-출력 방법 등을 추가로 포함할 수 있다. 몇몇 실시예들에서, 예측 모델은 이에 제한되지 않지만 가중 산술 평균 모델, 경향 평균 예측 모델, 지수 평활법 모델, 평균 개발 속도 모델, 단일 선형 회귀 모델, 고-저 포인트 모델 등, 또는 그것의 임의의 조합을 포함할 수 있다. 몇몇 실시예들에서, 정보를 프로세싱하기 위해 사용된 등식들, 알고리즘들 및/또는 모델들은 기계 학습 알고리즘들을 사용하여 계속해서 최적화될 수 있다. 상이한 학습 모드들에 따르면, 기계 학습 알고리즘들은 지도 학습, 자율 학습, 준-지도 학습, 또는 강화 학습일 수 있다. 다양한 알고리즘들에 따르면, 기계 학습 알고리즘들은 회귀 알고리즘-기반 학습, 인스턴스-기반 학습, 공식 학습, 의사 결정 트리 학습, 베이지안(Bayesian) 학습, 클러스터링 알고리즘-기반 학습, 연관 규칙 학습, 신경망 학습, 딥 러닝(deep learning), 차원 축소 알고리즘-기반 학습 등일 수 있다. 구체적으로, 회귀 알고리즘 모델은 최소 자승법, 로지스틱 회귀, 단계적 회귀, 다변량 적응적 회귀 스플라인들, 또는 국소적 추정 산점도 평활법일 수 있다. 인스턴스-기반 모델은 k-최근접 이웃, 학습 벡터 양자화, 자기-조직 맵 등일 수 있다. 공식 모델은 RIDge 회귀, LASSO(least absolute shrinkage and selection operator), 또는 엘라스틱 넷(elastic net)일 수 있다. 의사 결정 트리 모델은 분류 및 회귀 트리, ID3(iterative dichotomiser 3), C4.5, 카이-자승 자동 상호 작용 검출(CHAID), 의사 결정 스텀프, 랜덤 포레스트, MARS, 그라디언트 부스팅 머신(GBM) 등일 수 있다. 베이지안 모델은 나이브 베이지안 알고리즘(naive Bayesian algorithm), AODE(averaged one-dependence estimators), 베이지안 빌리프 네트워크(BBN) 등일 수 있다. 커널-기반 알고리즘 모델은 지원 벡터 기계, 방사상 기반 함수, 선형 구별 분석 등일 수 있다. 클러스터링 알고리즘 모델은 K-평균 알고리즘, 기대값 최대화 알고리즘 등일 수 있다. 연관 규칙 모델은 선험적 알고리즘, Eclat 알고리즘 등일 수 있다. 신경망 모델은 인지 신경망, 역-전파, 홉필드 네트워크(Hopfield network), 자기 조직 맵, 학습 벡터 양자화 등일 수 있다. 딥 러닝 모델은 제한된 볼츠만 기계(Boltzmann machine), 딥 빌리프 네트워크들(DBN들), 컨볼루션 네트워크들, 적층 자동인코더들 등일 수 있다. 차원 축소 알고리즘 모델은 주성분 분석, 부분 최소 자승 회귀, 새먼 맵(Sammon map), 다-차원 스케일링, 사영 추적 등일 수 있다.
단계(430)에서, 오더는 오더 특징들에 기초하여 할당될 수 있다. 몇몇 실시예들에서, 오더 할당 시스템(110)은, 인터페이스 모듈(230/240)을 통해, 하나 이상의 기사 단말기들(140), 승객 단말기들(120), 제 3 자 플랫폼들 등으로 정보를 전송할 수 있다. 전송된 정보는 이에 제한되지 않지만 오더의 직접 정보 및/또는 프로세싱된 정보를 포함할 수 있다. 오더의 직접 정보는 이에 제한되지 않지만 오더 자체의 정보, 사용자 정보, 및/또는 다른 정보를 포함할 수 있다. 오더의 프로세싱된 정보는 이에 제한되지 않지만 사용자의 오더 스내칭 시간, 오더 스내칭 레이트, 성공적인 오더 스내칭 레이트, 계약 파기 레이트, 지명 파기 레이트, 거래 레이트, 오더 밀도, 오더 경쟁 레이트, 오더 버퍼 시간, 오더 방송 시간, 사용자의 수용 가능한 오더 확산 범위, 간편 도로 등급, 도로 거리, 사용자의 현재 위치 및 출발 위치 사이에서의 거리, 오더 스내칭 레이트를 예측하는 정확도 등, 또는 그것의 임의의 조합을 포함할 수 있다. 전송된 오더 정보의 형태는 이에 제한되지 않지만 텍스트, 화상들, 오디오, 비디오 등, 또는 그것의 임의의 조합을 포함할 수 있다.
오더 할당 프로세스는 택시-예약 서비스 시스템에 제한되지 않을 수 있다는 것이 이해되어야 한다. 오더 할당 프로세스는 또한 다른 교통 서비스 시스템 또는 음식 주문 서비스 시스템, 택배 서비스 시스템, 레스토랑 서비스 시스템 등과 같은, 다른 서비스 시스템들에 적용될 수 있다. 그것은 본 개시의 범위를 제한하도록 의도되지 않는다.
오더 할당 프로세스에 대한 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 다양한 수정들이 본 개시의 교시 하에서 오더 할당 프로세스에 대해 행해질 수 있다. 그러나, 이들 수정들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 몇몇 단계들은 부가되거나 또는 제거될 수 있다. 또 다른 예로서, 오더 정보는 단계(410) 후 사전 프로세싱될 수 있다. 몇몇 퍼지 데이터는 데이터 클리닝, 데이터 통합, 데이터 변환, 및/또는 데이터 축소와 같은 방법들을 사용하여 사전 프로세싱 절차에서 제거될 수 있다. 몇몇 실시예들에서, 퍼지 데이터를 제거하는 방법들은 이에 제한되지 않지만 판별 방법들, 제거 방법들, 평균화 방법들, 레벨링 방법들, 비율법들, 이동 평균 방법들, 지수 평활화 방법들, 차동 방법들 등, 또는 그것의 임의의 조합을 포함할 수 있다. 예를 들면, 몇몇 실시예들에서, 특정한 특징은 계속해서 조정되며 및/또는 최적화될 수 있다. 또 다른 예로서, 데이터를 저장하는 단계가 오더 할당의 프로세스에서 부가될 수 있다. 모든 이러한 수정들은 본 개시의 보호 범위 내에 있다.
도 5는 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템(110)의 개략도이다. 도면에 도시된 바와 같이, 오더 할당 시스템(110)은 하나 이상의 오더 생성 유닛들(311), 판단 유닛들(352), 및/또는 전송 유닛들(232)을 포함할 수 있다. 몇몇 실시예들에서, 전송 유닛(232)은 하나 이상의 오더 할당 모드 사용자 전송 서브-유닛들(510), 오더 스내칭 모드 사용자 전송 서브-유닛들(520), 및/또는 다른 오더 할당 모드 사용자 전송 서브-유닛들(530)을 추가로 포함할 수 있다.
몇몇 실시예들에서, 오더 생성 유닛(311)은 오더 요청자의 택시-예약 요청에 기초하여 오더를 생성하도록 구성될 수 있다.
몇몇 실시예들에서, 판단 유닛(352)은 오더 할당 모드에서 사용자가 오더의 출발 위치로의 거리가 제 1 사전 설정 임계치 미만인 범위 내에 존재하는지 여부를 결정하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 할당 모드 사용자 전송 서브-유닛(510)은 오더 할당 모드에서의 단말기가 제 1 사전 설정 임계치의 범위 내에 존재할 때 오더 할당 모드에서의 조건을 만족하는 사용자에게 오더를 전송하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 스내칭 모드 사용자 전송 서브-유닛(520)은, 오더 할당 모드에서의 어떤 사용자도 제 1 사전 설정 임계치의 범위 내에 있지 않을 때, 오더의 출발 위치로의 거리가 제 2 사전 설정 임계치 미만인 범위 내에서의 오더 스내칭 모드에 있는 사용자를 획득하며, 오더 스내칭 모드에서의 조건을 만족하는 사용자에게 오더를 전송하도록 구성될 수 있다. 몇몇 실시예들에서, 제 1 사전 설정 임계치는 제 2 사전 설정 임계치 미만일 수 있다.
몇몇 실시예들에서, 오더 할당 모드 사용자 전송 서브-유닛(510)은 또한 오더 할당 모드에서의 다수의 사용자들 중에서 사전 설정된 매칭 조건을 만족하는 사용자를 걸러내며, 제 1 사전 설정 임계치의 범위 내에서 오더 할당 모드에 있는 다수의 사용자들이 있을 때 사용자에게 오더를 전송하도록 구성될 수 있다. 몇몇 실시예들에서, 사전 설정된 매칭 조건은 오더의 출발 위치로의 최단 거리, 오더의 출발 위치에 도달하는 최단 시간, 최단 도로 혼잡 시간, 최상의 사용자 신용도/평가, 사용자 오더 스내칭 횟수들의 최대 수, 최고 사용자 충실도 등, 또는 그것의 임의의 조합을 포함할 수 있다.
몇몇 실시예들에서, 오더 할당 시스템(110)은 제 1 사전 설정 시간 기간 후, 상기 설명된 사전 설정된 매칭 조건에 기초하여 오더 할당 모드에서의 다른 사용자들에게 오더를 연속하여 전송하도록 구성될 수 있는 다른 오더 할당 모드 사용자 전송 서브-유닛(530)을 추가로 포함할 수 있다. 오더 할당 모드에서의 다른 사용자들은 사용자들 중에서 걸러 내어진 이들을 제외한 상기 예시된 오더 할당 모드에서의 다수의 사용자들일 수 있다.
몇몇 실시예들에서, 오더 할당 시스템(110)은 임의의 사용자가 오더를 수용하기 전에, 오더 할당 모드에서의 사용자가 오더의 출발 위치로의 거리가 제 2 사전 설정 시간 간격에서 제 1 사전 설정 임계치 미만인 범위 내에 존재하는지 여부를 검출하도록 구성될 수 있는 하나 이상의 사용자 단말기 검출 유닛들(322)을 추가로 포함할 수 있다.
몇몇 실시예들에서, 오더 할당 시스템(110)은 오더 할당 모드에서의 사용자가 오더를 수용할 때, 할당 모드에서의 사용자에게 오더를 할당하며 오더를 전송하는 것을 정지시키도록 구성될 수 있는 하나 이상의 오더 할당 유닛들(361)을 추가로 포함할 수 있다. 오더 스내칭 모드에서의 사용자가 오더를 스내칭할 때, 오더 할당 유닛(361)은 제 3 사전 설정 시간 기간 동안 대기할 수 있으며 제 3 사전 설정 시간 기간에서 오더를 수용한 오더 할당 모드에 있는 사용자가 있는지 여부를 결정할 수 있다. 제 3 사전 설정 시간 기간에서 오더를 수용한 오더 할당 모드에 있는 사용자가 있다면, 오더는 오더 할당 모드에 있는 사용자에게 할당될 수 있다. 제 3 사전 설정 시간 기간에서 오더를 수용한 오더 할당 모드에 있는 사용자가 없다면, 오더는 오더 스내칭 모드에서의 사용자에게 할당될 수 있다.
몇몇 실시예들에서, 오더 할당 유닛(361)은 또한, 오더를 스내칭한 오더 스내칭 모드에서의 다수의 사용자들이 있을 때, 오더 스내칭 모드에서의 다수의 사용자들 중에서 사전 설정된 매칭 조건을 만족시키는 사용자를 걸러내며 오더를 사용자에게 할당하도록 구성될 수 있다.
오더 할당 시스템(110)의 실시예들에 대해, 그것은 오더 할당 프로세스의 실시예들과 대체로 유사하므로, 설명은 간소화될 수 있다. 오더 할당 시스템(110)의 설명은 오더 할당 프로세스의 실시예(도 6에서 도시된 바와 같이)에서 발견될 수 있다. 오더 할당 시스템(110)에 대한 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 오더 할당 시스템(110)에 대해 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 몇몇 실시예들에서, 오더 할당 시스템(110)은 또한 저장 모듈을 포함할 수 있다. 저장 모듈은 시스템의 내부 또는 외부 디바이스일 수 있다. 저장 모듈은 시스템에 존재하거나 또는 클라우드 컴퓨팅 플랫폼을 사용하여 대응하는 기능들을 완성할 수 있다. 몇몇 실시예들에서, 각각의 모듈 또는 유닛은 다양한 방식들로 조합되거나 또는 서브-시스템들로서 다른 모듈들과 연결될 수 있다. 예를 들면, 전송 서브-유닛들(510 내지 530)은 전송 유닛(232)으로서 함께 통합될 수 있다. 또 다른 예로서, 프로세싱 모듈에서, 오더 생성 유닛(311), 판단 유닛(352), 사용자 단말기 검출 유닛(322), 및 오더 할당 유닛(361)은 개별적으로 사용되고, 새로운 유닛으로 임의로 조합되고, 하나의 프로세싱 모듈(210)로 통합될 수 있다. 모든 이러한 수정들은 본 개시의 보호 범위 내에 있다.
도 6은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 도 6에 도시된 바와 같이, 단계(610)에서, 오더 요청자의 택시-예약 요청이 획득될 수 있다. 예를 들면, 요청자의 택시-예약 요청은 오더 수신 유닛(231)에 의해 획득될 수 있다. 택시-예약 요청에 따르면, 오더는 오더 생성 유닛(311)에 의해 생성될 수 있다. 몇몇 실시예들에서, 오더 할당 시스템(110)은 시스템 자체에 저장되거나 또는 다른 소스들로부터 송신된 기존의 오더들을 직접 프로세싱할 수 있으며, 즉 단계(610)가 생략될 수 있다는 것이 주의되어야 한다.
단계(620)에서, 오더의 출발 정보 및/또는 사용자의 위치 정보가 획득될 수 있다. 예를 들면, 몇몇 실시예들에서, 오더의 출발 정보 및 사용자의 위치 정보가 수신 유닛(231)에 의해 획득될 수 있다. 몇몇 실시예들에서, 오더의 출발 정보는 도 3에서의 오더 정보 획득 유닛(313)에 의해 추출될 수 있다. 사용자의 위치는 도 3에서 사용자 정보 획득 유닛(324)에 의해 추출될 수 있다. 여기에서 설명된 사용자는 승객 또는 기사일 수 있다. 본 개시의 이해를 가능하게 하기 위해, 기사는 다음의 설명에서 예로서 취해진다. 몇몇 실시예들에서, 기사는 오더 할당 모드 및 오더 스내칭 모드를 포함한 두 개의 오더-대기 모드들 중 하나 또는 양쪽 모두를 고를 수 있다. 오더 할당 모드의 실시예에서, 오더는 단지 가장 적합한 단말기(예로서, 오더의 출발 위치까지 최단 거리를 갖는 단말기)로만 전송될 수 있다. 단말기가 어떤 응답 또는 오더 수용도 없다면, 오더는 또 다른 단말기로 전송될 수 있다. 오더 스내칭 모드의 실시예에서, 오더는 다수의 단말기들로 동시에 전송될 수 있으며, 따라서 오더는 다수의 단말기들에 의해 스내칭될 수 있다.
단계(630)에서, 오더의 출발 위치까지의 거리가 사전 설정 임계치 미만인 사용자가 있는지가 결정될 수 있다. 예를 들면, 오더의 출발 위치까지의 거리가 사전 설정 임계치 미만인 사용자가 있는지가 판단 유닛(352)에 의해 결정될 수 있다. 몇몇 실시예들에서, 사전 설정 임계치는 값 또는 값 범위일 수 있다. 하나 이상의 사전 설정 임계치들이 있을 수 있다. 사전 설정 임계치는 인위적으로 설정되거나 또는 오더 할당 시스템(110)에 의한 기계 학습을 사용하여 획득될 수 있다. 사전 설정 임계치는 변경되지 않은 채로 있거나 또는 실제 상황들에 따라 동적으로 업데이트될 수 있다. 몇몇 실시예들에서, 사용자는 오더 할당 모드에서의 기사, 또는 오더 스내칭 모드에서의 기사일 수 있다. 본 개시의 이해를 가능하게 하기 위해, 오더 할당 모드에서의 기사가 다음의 설명에서 예로서 취해진다. 이들 실시예들에서, 단계(630)에서, 오더의 출발 위치까지의 거리가 사전 설정 임계치 미만인 오더 할당 모드에서의 사용자가 있는지가 판단 유닛(352)에 의해 결정될 수 있다. 오더 할당 모드에서의 조건을 만족하는 사용자가 있다면, 프로세스는 단계(640)로 진행할 수 있다. 그렇지 않다면, 프로세스는 단계(620)로 되돌아갈 수 있다.
단계(640)에서, 오더는 오더 할당 모드에서 조건을 만족시키는 사용자들에게 전송될 수 있다. 예를 들면, 오더는 전송 유닛(232)에 의해 오더 할당 모드에서의 조건을 만족시키는 사용자들에게 전송될 수 있다. 몇몇 실시예들에서, 오더는 오더 할당 모드 사용자 전송 서브-유닛(510)에 의해 오더 할당 모드에서의 사용자에게 전송될 수 있다. 몇몇 실시예들에서, 오더 할당 모드에 단지 한 명의 사용자가 있을 수 있다. 오더는 그 후 오더 할당 시스템(110)에 의해 사용자에게 직접 전송될 수 있다. 몇몇 다른 실시예들에서, 오더 할당 모드에 있는 다수의 사용자들이 있을 수 있다. 하나 이상의 매칭 조건들이 그 후 가장 적합한 사용자를 걸러내기 위해 사용될 수 있다. 오더는 가장 적합한 사용자에게 전송될 수 있다. 몇몇 실시예들에서, 매칭 조건(들)은 오더의 출발 위치까지의 최단 거리, 오더의 출발 위치에 도달하는 최단 시간, 최단 도로 혼잡 시간, 최상의 사용자 신용도/평가, 사용자 오더 스내칭 횟수들의 최대 수, 최고 고객 충실도 등, 또는 그것의 임의의 조합을 포함할 수 있다.
몇몇 실시예들에서, 오더가 단계(640)에서 오더 할당 모드에서의 조건을 만족시키는 사용자에게 전송된 후, 오더는 오더의 출발 위치까지의 사용자의 거리에 의해 오름차순으로의 매칭 조건(들)에 기초하여 제 1 사전 설정 시간 간격에서 오더 할당 모드에 있는 다른 사용자들에게 연속하여 전송될 수 있다. 오더 할당 모드에서의 다른 사용자들은 다수의 사용자들로부터 걸러 내어진 사용자(들)를 제외한 오더 할당 모드에서의 다수의 사용자들일 수 있다. 예를 들면, 사전 설정 임계치의 범위 내에서 오더 할당 모드에 있는 다수의 사용자들이 있다면, 첫 번째로 오더는 오더의 출발 위치까지의 거리가 가장 짧은 사용자에게 전송될 수 있다. 시스템은 그 후 제 1 사전 설정 시간 기간(예로서, N초들, N은 0보다 큰 임의의 수일 수 있다) 동안 대기할 수 있다. N초들 내에, 오더가 새로운 단말기들로 확산되지 않을 수 있지만 오더가 이미 확산된 사용자들에게 계속해서 확산될 수 있다. 제 1 사전 설정 시간 기간 후, 오더는 오더의 출발 위치까지의 사용자의 거리의 오름차순으로 오더 할당 모드에 있는 다른 사용자들에게 연속하여 전송될 수 있다.
오더 할당 모드에서의 조건을 만족시키는 사용자가 없다면, 프로세스는 단계(620)로 되돌아갈 수 있으며, 오더 스내칭 모드에서의 사용자들의 위치 정보가 획득될 수 있다. 그 후 단계(630)에서, 오더의 출발 위치까지의 거리가 사전 설정 임계치 미만인 오더 스내칭 모드에 있는 사용자가 있는지가 판단 유닛(352)에 의해 결정될 수 있다. 여기에서의 사전 설정 임계치(제 2 사전 설정 임계치)는 오더 할당 모드에서의 사용자들의 사전 설정 임계치(제 1 사전 설정 임계치)와 동일하거나 또는 상이할 수 있다. 예를 들면, 제 1 사전 설정 임계치는 제 2 사전 설정 임계치보다 작을 수 있다. 단지 예로서, 제 1 사전 설정 임계치는 n 킬로미터들로서 설정될 수 있고, 제 2 사전 설정 임계치는 n+m 킬로미터들로서 설정될 수 있으며, 여기에서 n 및 m은 양쪽 모두 0보다 클 수 있다.
단계(640)에서, 오더는 오더 스내칭 모드에서의 조건을 만족시키는 사용자(들)에게 전송될 수 있다. 예를 들면, 오더는 오더 스내칭 모드 사용자 전송 서브-유닛(520)에 의해 오더 스내칭 모드에서의 조건을 만족시키는 사용자(들)에게 전송될 수 있다. 몇몇 실시예들에서, 오더 스내칭 모드에서 단지 한 명의 사용자가 있을 수 있다. 오더는 그 후 사용자에게 할당될 수 있다. 몇몇 실시예들에서, 오더 스내칭 모드에서의 다수의 사용자들이 오더를 동시에 스내칭할 수 있다. 그 후 사전 설정된 매칭 조건을 만족시키는 가장 적합한 사용자가 오더 스내칭 모드에서의 다수의 사용자들 중에서 걸러 내어질 수 있다. 오더는 가장 적합한 사용자에게 전송될 수 있다. 사전 설정 매칭 조건은 오더의 출발 위치까지의 최단 거리, 오더의 출발 위치에 도달하는 최단 시간, 최단 도로 혼잡 시간, 최상의 사용자 신용도/평가, 사용자 오더 스내칭 횟수들의 최대 수, 최고 고객 충실도 등, 또는 그것의 임의의 조합을 포함할 수 있다.
몇몇 실시예들에서, 오더가 오더 스내칭 모드에서의 사용자에게 전송된 후, 오더 할당 모드에서의 조건을 만족시키는 사용자가 있는지를 결정하는 단계가 부가될 수 있다. 예를 들면, 오더가 오더 스내칭 모드에서의 임의의 사용자에 의해 수용되기 전에, 매 제 2 사전 설정 시간 간격에서, 오더의 출발 위치까지의 거리가 제 1 사전 설정 임계치 미만인 오더 할당 모드에 있는 사용자가 있는지가 사용자 단말기 검출 유닛(322)에 의해 검출될 수 있다. 구체적으로, 몇몇 실시예들에서, 제 1 사전 설정 임계치의 범위 내에서 오더 할당 모드에 있는 사용자가 없다면, 오더는 오더 스내칭 모드에서의 조건을 만족시키는 사용자(들)에게 전송될 수 있다. 오더가 오더 스내칭 모드에서의 사용자(들)에게 전송될 때, 매 제 2 사전 설정 시간 간격에서, 오더의 출발 위치까지의 거리가 제 1 사전 설정 임계치 미만인 오더 할당 모드에 있는 사용자가 있는지가 검출될 수 있다. 오더 할당 모드에서의 사용자가 검출된다면, 오더는 오더 할당 모드에서의 사용자에게 동시에 전송될 수 있다.
몇몇 실시예들에서, 도 6에 도시된 오더 할당 프로세스가 오더를 분배하는 단계를 추가로 포함할 수 있다. 예를 들면, 오더가 오더 할당 모드에서의 사용자에 의해 수용된다면, 오더 분배 단계는 다음을 포함할 수 있다:
A01, 오더가 오더 할당 모드에서의 사용자에 의해 수용될 때, 오더는 오더 할당 모드에서의 사용자에게 할당될 수 있다. 오더 전송은 정지될 수 있다. 구체적으로, 오더가 오더 할당 모드에서의 사용자에 의해 수용될 때, 오더는 오더 할당 모드에서의 사용자에게 즉시 할당될 수 있다. 그 후 오더 전송은 동시에 정지될 수 있다.
오더가 오더 스내칭 모드에서의 사용자에 의해 수용될 때, 오더 분배 단계는 다음을 추가로 포함할 수 있다:
B01, 오더가 오더 스내칭 모드에서의 사용자에 의해 스내칭될 때, 시스템은 제 3 사전 설정 시간 기간 동안 대기할 수 있다. 구체적으로, 오더를 스내칭한 오더 스내칭 모드에서의 사용자가 있을 때, 오더는 사용자에게 즉시 할당되지 않을 수 있다. 대신에, 시스템은 제 3 사전 설정 시간 기간(예로서, 7초들) 동안 대기할 수 있다. 제 3 사전 설정 시간 기간에서, 오더는 새로운 사용자에게 확산되지 않을 수 있다. 오더는 오더가 이미 확산된 사용자들에게 계속해서 확산될 수 있다.
B02, 제 3 사전 설정 시간 기간에서 오더를 수용한 오더 할당 모드에서의 사용자가 있는지가 결정될 수 있다.
B03, 제 3 사전 설정 시간 기간에서 오더를 수용한 오더 할당 모드에서의 사용자가 있다면, 오더는 오더 할당 모드에서의 사용자에게 할당될 수 있다.
B04, 제 3 사전 설정 시간 기간에서 오더를 수용한 오더 할당 모드에서의 사용자가 없다면, 오더는 오더 스내칭 모드에서의 사용자에게 할당될 수 있다.
오더 할당 프로세스의 상기 설명은 단지 예시를 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 다양한 수정들이 본 개시의 교시 하에서 오더 할당 절차에 대해 행해질 수 있다. 그러나, 이들 수정들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 도 6에서의 단계들은 변경된 시퀀스에서 실행될 수 있다. 예를 들면, 몇몇 단계들은 생략되거나 또는 부가될 수 있다. 다수의 단계들이 하나의 단계로 통합될 수 있다. 단계는 다수의 단계들로 분할될 수 있다. 예를 들면, 단계(610 및 620)는 엄격하게 구별되지 않을 수 있으며, 즉 오더들을 생성하거나 또는 오더의 출발 위치 및/또는 사용자 위치를 획득하는 단계는 선택적일 수 있다. 또 다른 예로서, 처음에 오더 할당의 프로세스에서, 오더 스내칭 모드에서의 사용자들은 오더 할당 모드에서의 사용자들을 결정하기 전에 결정될 수 있다. 계속해서 또 다른 예로서, 오더 할당의 프로세스에서, 데이터 사전 프로세싱 및 데이터 저장과 같은 단계들이 부가될 수 있다. 모든 이러한 변형들은 본 개시의 보호 범위 내에 있다.
도 7은 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템(110)의 개략도이다. 이러한 도면에 도시된 바와 같이, 오더 할당 시스템(110)은 하나 이상의 수신 유닛들(231), 오더 생성 유닛들(311), 판단 유닛들(352), 및/또는 전송 유닛들(232)을 포함할 수 있다.
몇몇 실시예들에서, 수신 유닛(231)은 오더 요청자로부터 택시-예약 요청을 수신하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 생성 유닛(311)은 택시-예약 요청에 기초하여 오더 정보를 생성하도록 구성될 수 있으며, 여기에서 오더 정보는 적어도 출발 위치를 포함한다.
몇몇 실시예들에서, 판단 유닛(352)은 제 n 사전 설정 시간이 오는지를 결정하도록 구성될 수 있으며, 여기에서 n은 1보다 작지 않고 N보다 크지 않은 정수일 수 있으며, N은 1보다 큰 정수일 수 있다.
몇몇 실시예들에서, 전송 유닛(232)은 판단 유닛(352)이 제 n 사전 설정 시간이 왔다고 결정할 때, 오더 확산의 제 n 사전 설정 영역 내에서의 모든 사용자들에게 오더 정보를 전송하도록 구성될 수 있다.
몇몇 실시예들에서, 전송 유닛(232)은 하나 이상의 단말기 식별 획득 서브-유닛들(730) 및 전송 서브-유닛들(740)을 포함할 수 있다.
그 안에서, 단말기 식별 획득 서브-유닛(730)은 제 n 사전 설정 시간 기간이 올 때, 오더 확산의 제 n 사전 설정 영역 내에서의 모든 사용자들의 단말기 식별들을 획득하도록 구성될 수 있다. 전송 서브-유닛(740)은 단말기 식별 획득 서브-유닛(730)에 의해 획득된 단말기 식별들에 기초하여 사용자에게 오더 정보를 전송하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 할당 시스템(110)은 하나 이상의 오더 확산 반경 결정 유닛들(331)을 추가로 포함할 수 있으며, 이것은 이력 데이터에서의 제 1 성공적 오더 레이트에 기초하여 각각의 사전 설정 오더 확산 반경을 결정하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 할당 시스템(110)은 하나 이상의 제 1 조정 유닛들(710)을 추가로 포함할 수 있다. 제 1 조정 유닛(710)은 하나 이상의 거래 레이트 획득 서브-유닛들(711), 판단 서브-유닛들(712), 및 오더 확산 반경 조정 서브-유닛들(713)을 추가로 포함할 수 있다.
거래 레이트 획득 서브-유닛(711)은 사전 설정 시간 기간 내에서 전송된 오더(들)에 대한 제 2 성공적 오더 레이트를 획득하도록 구성될 수 있다. 판단 서브-유닛(712)은 제 2 성공적 오더 레이트가 사전 설정 임계치 미만인지를 결정하도록 구성될 수 있다. 오더 확산 반경 조정 서브-유닛(713)은 판결 서브-유닛(712)이 제 2 성공적 오더 레이트가 사전 설정 임계치 미만임을 결정할 때 각각의 오더 확산 반경 및/또는 각각의 사전 설정 시간을 조정하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 할당 시스템(110)은 하나 이상의 제 2 조정 유닛들(720)을 추가로 포함할 수 있다. 제 2 조정 유닛(720)은 하나 이상의 오더 밀도 획득 서브-유닛들(721), 오더 확산 반경 조정 서브-유닛들(722), 단말기 밀도 획득 서브-유닛들(723), 및/또는 오더 확산 반경 조정 서브-유닛들(724)을 포함할 수 있다.
오더 밀도 획득 서브-유닛(721)은 오더 생성 유닛(311)이 택시-예약 요청에 기초하여 오더 정보를 생성한 후 사전 설정 영역 내에서 오더 밀도를 획득하도록 구성될 수 있다. 확산 반경 조정 서브-유닛(722)은 획득된 오더 밀도에 기초하여 각각의 사전 설정 오더 확산 반경 및/또는 각각의 사전 설정 시간을 조정하도록 구성될 수 있다. 단말기 밀도 획득 서브-유닛(723)은 오더 생성 유닛(311)이 택시-예약 요청에 기초하여 오더 정보를 생성한 후 사전 설정 영역 내에서의 사용자 밀도를 획득하도록 구성될 수 있다. 오더 확산 반경 조정 서브-유닛(724)은 획득된 단말기 밀도에 기초하여 각각의 사전 설정 오더 확산 반경 및/또는 각각의 사전 설정 시간을 조정하도록 구성될 수 있다.
오더 할당 시스템(110)의 실시예들에 관하여, 그것은 오더 할당 프로세스의 실시예들과 대체로 유사하므로, 설명은 간소화될 수 있다. 시스템에 대한 설명들은 오더 할당 프로세스의 실시예들(즉, 도 8 내지 도 10)에서 발견될 수 있다. 오더 할당 시스템(110)에 대한 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 오더 할당 시스템(110)에 대해 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 몇몇 실시예들에서, 유사한 기능들이 완성될 때, 몇몇 유닛들이 부가되거나 또는 제거될 수 있다. 몇몇 실시예들에서, 각각의 유닛은 다양한 방식들로 조합되거나 또는 서브-시스템들로서 다른 모듈들과 연결될 수 있다. 모든 이러한 수정들은 본 개시의 보호 범위 내에 있다.
도 8은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 도 8에 도시된 바와 같이, 단계(810)에서, 오더 요청자의 택시-예약 요청이 획득될 수 있다. 오더 정보는 택시-예약 요청에 기초하여 생성될 수 있다. 예를 들면, 요청자의 택시-예약 요청은 오더 수신 유닛(231)에 의해 수신될 수 있다. 택시-예약 요청에 따르면, 오더 정보는 오더 생성 유닛(311)에 의해 생성될 수 있다. 오더 정보의 관련된 설명들은 본 개시에서 발견될 수 있다. 이 실시예에서, 오더 정보는 적어도 출발 위치를 포함할 수 있다. 몇몇 실시예들에서, 오더 할당 시스템(110)은 시스템 자체에 저장되거나 또는 다른 소스들로부터 송신된 기존의 오더들을 직접 프로세싱할 수 있으며, 즉 단계(810)가 생략될 수 있다는 것이 주의되어야 한다.
단계(820)에서, 각각의 사전 설정 오더 확산 반경은 이력 데이터에서 제 1 오더 거래 레이트에 따라 결정될 수 있다. 예를 들면, 각각의 사전 설정 오더 확산 반경은 오더 확산 반경 결정 유닛(331)에 의해 이력 데이터에서 제 1 오더 거래 레이트에 따라 결정될 수 있다. 또 다른 예로서, 각각의 사전 설정 오더 확산 반경은 오더-관련 이력 데이터에서 거래 레이트를 분석함으로써 결정될 수 있다. 본 개시의 이해를 가능하게 하기 위해, 몇몇 실시예들은 이하에서 예시될 수 있으며, 이것은 본 개시의 범위를 제한하도록 의도되지 않는다.
예를 들면, 오더-관련 이력 데이터에서 거래 레이트를 분석함으로써, 거래 레이트가 80% 내지 100% 사이에 있는, 오더 확산 영역이 결정될 수 있다. 제 1 사전 설정 오더 확산 반경은 오더 확산 영역에 대응하는 200미터의 오더 확산 반경으로서 지정될 수 있다. 거래 레이트가 60% 내지 80% 사이에 있는 오더 확산 영역이 결정될 수 있다. 제 2 사전 설정 오더 확산 반경은 오더 확산 영역에 대응하는 400미터의 오더 확산 반경으로서 지정될 수 있다. 거래 레이트가 40% 내지 60% 사이에 있는 오더 확산 영역이 결정될 수 있다. 제 3 사전 설정 오더 확산 반경은 오더 확산 영역에 대응하는 800미터의 오더 확산 반경으로서 지정될 수 있다. 거래 레이트가 20% 내지 40% 사이에 있는 오더 확산 영역이 결정될 수 있다. 제 4 사전 설정 오더 확산 반경은 오더 확산 영역에 대응하는 1000미터의 오더 확산 반경으로서 지정될 수 있다. 거레 래이트가 0% 내지 20% 사이에 있는 오더 확산 영역이 결정될 수 있다. 제 5 사전 설정 오더 확산 반경은 오더 확산 영역에 대응하는 1500미터의 오더 확산 반경으로서 지정될 수 있다. 몇몇 실시예들에서, 단계(820)는 선택적일 수 있으며, 즉 오더 할당의 프로세스는 오더 확산 반경을 사전 설정하지 않고 완료될 수 있다.
단계(830)에서, 제 n 사전 설정 시간이 올 때, 오더 정보는 제 n 사전 설정 오더 확산 영역에서의 모든 사용자들에게 전송될 수 있다. 여기에서의 사전 설정 시간은 실제 요구들에 따라 설정된 임의의 시간 포인트일 수 있다. 몇몇 실시예들에서, 제 n 사전 설정 시간은 제 n 시간 포인트에 대응할 수 있다. 제 n 사전 설정 오더 확산 영역은 제 n 사전 설정 오더 확산 반경을 가진 오더의 출발 위치에 중심을 둔 영역으로서 지정될 수 있으며, 여기에서 n은 1보다 작지 않고 N보다 크지 않은 정수일 수 있으며, N은 1보다 큰 정수일 수 있다. 제 N(n=N일 때) 사전 설정 오더 확산 반경은 가장 긴 유효 오더 확산 거리일 수 있다. 제 N 사전 설정 오더 확산 영역은 최대 유효 오더 확산 영역일 수 있으며, 즉, 오더 정보가 제 N 사전 설정 오더 확산 영역을 넘는 영역으로 전송될 때 어떤 사용자도 오더 정보를 획득할 수 없다.
몇몇 실시예들에서, 제 (n+1) 사전 설정 시간은 제 n 사전 설정 시간보다 늦을 수 있다. 제 (n+1) 사전 설정 오더 확산 반경은 제 n 사전 설정 오더 확산 반경보다 클 수 있다. 오더의 출발 위치에 더 가까운 사용자는 그 후 오더 정보를 더 빨리 및 보다 많은 횟수들을 갖고 수신할 수 있다. 한편, 오더의 출발 위치로부터 더 먼 사용자는 나중에 및 보다 적은 횟수들을 갖고 오더 정보를 수신할 수 있다. 몇몇 실시예들에서, 제 (n+1) 사전 설정 오더 확산 반경은 제 n 사전 설정 오더 확산 반경보다 크지 않을 수 있다. 오더의 출발 위치로부터 더 먼 사용자는 그 후 더 빨리 및 보다 많은 횟수들을 갖고 오더 정보를 획득할 수 있다. 한편, 오더의 출발 위치에 더 가까운 사용자는 나중에 및 보다 적은 횟수들을 갖고 오더 정보를 획득할 수 있다.
단계(830)의 몇몇 실시예들에서, 제 n 사전 설정 시간이 올 때, 먼저 제 n 사전 설정 오더 확산 영역에서의 모든 사용자들의 단말기 식별들이 단말기 식별 획득 서브-유닛(730)에 의해 획득될 수 있다. 오더 정보는 그 후 단말기 식별들에 따라 사용자들에게 전송될 수 있다. 오더 정보는 그 후 사전 설정 오더 확산 영역에서의 모든 사용자들에 의해 알려질 수 있다. 본 개시의 이해를 가능하게 하기 위해, 몇몇 실시예들은 이하에서 예시될 수 있으며, 이것은 본 개시의 범위를 제한하도록 의도되지 않는다.
예를 들면, 택시-예약 요청에 대해, 택시-예약 요청에 대응하는 오더 정보가 2015년 8월 3일, 08:55:10에 생성될 수 있다. 제 1 사전 설정 오더 확산 영역에서의 모든 사용자들의 단말기 식별이 그 후 제 1 사전 설정 시간(08:55:11)이 올 때 획득될 수 있다. 또한, 오더 정보는 단말기 식별들에 따라 제 1 사전 설정 오더 확산 영역에서의 모든 사용자들에게 전송될 수 있다. 제 2 사전 설정 시간(08:55:18)이 올 때, 제 2 사전 설정 오더 확산 영역에서의 모든 사용자들의 단말기 식별이 획득될 수 있다. 오더 정보는 그 후 단말기 식별들에 따라 제 2 사전 설정 오더 확산 영역에서의 모든 사용자들에게 전송될 수 있다. 제 3 사전 설정 시간(08:55:25)이 올 때, 제 3 사전 설정 오더 확산 영역에서의 모든 사용자들의 단말기 식별이 획득될 수 있다. 오더 정보는 그 후 단말기 식별들에 따라 제 3 사전 설정 오더 확산 영역에서의 모든 사용자들에게 전송될 수 있다. 유사하게, 제 n 사전 설정 시간이 올 때, 먼저 제 n 사전 설정 오더 확산 영역에서의 모든 사용자들의 단말기 식별이 획득될 수 있다. 오더 정보는 그 후 단말기 식별들에 따라 사용자들에게 전송될 수 있다.
몇몇 실시예들에서, 제 (n-1) 사전 설정 시간이 올 때, 오더 정보가 제 (n-1) 사전 설정 오더 확산 영역에서의 모든 사용자들에게 전송된 후, 제 (n-1) 사전 설정 오더 확산 영역에서의 사용자가 제 n 사전 설정 시간 전에 오더를 성공적으로 스내칭하였다면, 오더 정보는 제 n 사전 설정 시간에서 제 n 사전 설정 오더 확산 영역에서의 사용자들에게, 또는 단지 사용자들의 부분으로 계속해서 전송되지 않을 것이다.
오더 할당 프로세스에 대한 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 다양한 수정들이 본 개시의 교시 하에서 오더 할당 절차에 대해 행해질 수 있다. 그러나, 이들 수정들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 도 8에서의 단계들은 변경된 시퀀스에서 실행될 수 있다. 예를 들면, 몇몇 단계들은 생략되거나 몇몇 단계들이 부가될 수 있다. 다수의 단계들이 하나의 단계로 통합될 수 있다. 단계는 다수의 단계들로 분할될 수 있다. 예를 들면, 단계(820)는 생략될 수 있다. 또 다른 예로서, 이력 오더들의 거래 레이트를 분석하는 단계가 오더 할당의 프로세스에 부가될 수 있다. 분명히, 이력 오더들의 거래 레이트는 대안적으로 다른 곳으로부터 획득될 수 있다. 계속해서 또 다른 예로서, 오더 할당의 프로세스에서, 데이터 사전프로세싱, 및 데이터 저장과 같은 단계들이 부가될 수 있다. 계속해서 또 다른 예로서, 단계(830) 후, 각각의 사전 설정 오더 확산 반경 및/또는 각각의 사전 설정 시간을 조정하는 단계(들)가 부가될 수 있다. 모든 이러한 수정들은 본 개시의 보호 범위 내에 있다.
도 9는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 단계(810 및 830)에 대한 설명들은 도 8에서 발견될 수 있다. 단계(910)에서, 사전 설정 시간 기간에서 전송된 오더(들)에 대응하는 제 2 오더 거래 레이트가 획득될 수 있다. 예를 들면, 사전 설정 시간 기간에서 전송된 오더(들)에 대응하는 제 2 오더 거래 레이트는 거래 레이트 획득 서브-유닛(711)에 의해 획득될 수 있다. 사전 설정 시간 기간은 도 8에서 오더 할당 프로세스의 실행 시간보다 작거나 또는 그것과 같을 수 있다. 단계(920)에서, 제 2 오더 거래 레이트가 사전 설정 임계치 미만인지가 결정될 수 있다. 예를 들면, 제 2 오더 거래 레이트가 사전 설정 임계치 미만인지가 판단 서브-유닛(712)에 의해 결정될 수 있다. 그렇다면, 프로세스는 단계(930)로 진행할 수 있다. 그렇지 않다면, 프로세스는 끝날 것이다. 단계(930)에서, 각각의 사전 설정 오더 확산 반경 및/또는 각각의 사전 설정 시간이 조정될 수 있다. 예를 들면, 각각의 사전 설정 오더 확산 반경 및/또는 각각의 사전 설정 시간은 오더 확산 반경 조정 서브-유닛(713)에 의해 조정될 수 있다. 각각의 사전 설정 오더 확산 반경을 조정할 때, 각각의 사전 설정 오더 확산 반경은 다른 이력 데이터(도 8에 도시된 이력 데이터와 상이한)에 따라 재-결정될 수 있다. 대안적으로, 이전에 선택된 각각의 사전 설정 오더 확산 반경은 경험적 값(들)에 따라 약간 조정될 수 있다. 이 실시예에서, 오더들의 거래 레이트는 도 8에 도시된 오더 할당 프로세스의 구현 효과를 조사하기 위해 사용된 표시자로서 지정될 수 있다. 임의의 다른 표시자(들)가 또한 기초로서 사용될 수 있으며, 이것은 이에 제한되지 않지만 오더 취소 레이트, 사용자 신용도/평가 등을 포함할 수 있다.
도 10은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 단계(810)에 대한 설명들은 도 8에서 발견될 수 있다. 단계(1010)에서, 각각의 사전 설정 오더 확산 반경 및/또는 각각의 사전 설정 시간이 조정될 수 있다. 예를 들면, 각각의 사전 설정 오더 확산 반경 및/또는 각각의 사전 설정 시간은 제 2 조정 유닛(720)에 의해 조정될 수 있다. 몇몇 실시예들에서, 사전 설정 영역에서의 오더 밀도는 오더 밀도 획득 서브-유닛(723)에 의해 획득될 수 있다. 각각의 사전 설정 오더 확산 반경 및/또는 각각의 사전 설정 시간은 그 후 오더 밀도에 따라 오더 확산 반경 조정 서브-유닛(722)에 의해 조정될 수 있다. 몇몇 실시예들에서, 사전 설정 영역에서의 사용자 밀도는 단말기 밀도 획득 서브-유닛(723)에 의해 획득될 수 있다. 각각의 사전 설정 오더 확산 반경 및/또는 각각의 사전 설정 시간은 그 후 사용자 밀도에 따라 오더 확산 반경 조정 서브-유닛(724)에 의해 조정될 수 있다. 몇몇 실시예들에서, 각각의 사전 설정 오더 확산 반경 및/또는 각각의 사전 설정 시간은 오더 밀도 및 사용자 밀도에 따라 동시에 조정될 수 있다. 몇몇 실시예들에서, 오더 밀도 및/또는 사용자 밀도는 사전 설정 영역의 오더들의 수 및/또는 사용자들의 수 대 사전 설정 영역의 면적의 비일 수 있다. 사전 설정 영역에서의 오더들의 수는 사전 설정 영역 내에서의 출발 위치들과 연관되는 오더들의 수일 수 있다.
단계(1020)에서, 제 n 사전 설정 시간 또는 조정된 제 n 사전 설정 시간이 올 때, 오더 정보는 제 n 사전 설정 오더 확산 반경에 기초하여 결정되는 제 n 사전 설정 오더 확산 영역에서의 모든 사용자들에게 전송될 수 있다. 대안적으로, 조정된 제 n 사전 설정 오더 확산 반경에 기초하여 결정되는 제 n 사전 설정 오더 확산 영역에서의 모든 사용자들. 몇몇 실시예들에서, 사전 설정 오더 확산 영역은 오더의 출발 위치에 중심이 있으며 제 n 사전 설정 오더 확산 영역(최대 유효 오더 확산 영역)보다 작거나 또는 그것과 같은 영역일 수 있다.
본 개시의 이해를 가능하게 하기 위해, 몇몇 실시예들은 사전 설정 영역에서의 오더 밀도 및/또는 사용자 밀도에 따라 각각의 사전 설정 오더 확산 반경 및/또는 각각의 사전 설정 시간을 조정하는 방법을 예시하도록 도울 수 있다. 그러나, 이들 실시예들은 본 개시의 범위를 제한하도록 의도되지 않는다.
몇몇 실시예들에서, 사전 설정에서의 오더 밀도 및/또는 사용자 밀도가 제 1 임계치보다 클 때, 각각의 사전 설정 오더 확산 반경은 길어질 수 있다. 사전 설정 영역에서의 오더 밀도 및/또는 사용자 밀도가 제 1 임계치보다 작을 때, 각각의 사전 설정 오더 확산 반경은 짧아질 수 있다. 예를 들면, 유효 오더 확산 영역은 5 개의 구배 오더 확산 영역들로 분할될 수 있다. 사전 설정 오더 확산 반경들의 각각은 200미터, 400미터, 800미터, 1000미터, 및 1500미터일 수 있다. 사전 설정 영역에서의 오더 밀도 및/또는 사용자 밀도가 제 1 임계치보다 클 때, 각각의 사전 설정 오더 확산 반경은 230미터, 500미터, 900미터, 1200미터, 및 1500미터로 조정될 수 있다. 사전 설정 영역에서의 오더 밀도 및/또는 사용자 밀도가 제 1 임계치보다 작을 때, 각각의 사전 설정 오더 확산 반경은 150미터, 300미터, 500미터, 800미터, 및 1500미터로 조정될 수 있다.
몇몇 실시예들에서, 사전 설정 영역에서의 오더 밀도 및/또는 사용자 밀도가 제 1 임계치보다 클 때, 사전 설정 시간들의 부분은 지연될 수 있다. 예를 들면, 제 2 사전 설정 시간 및 제 3 사전 설정 시간은 지연될 수 있다. 사전 설정 영역에서의 오더 밀도 및/또는 사용자 밀도가 제 1 임계치보다 작을 때, 사전 설정 시간들의 부분은 전진될 수 있다. 예를 들면, 제 2 사전 설정 시간 및 제 3 사전 설정 시간은 전진될 수 있다.
오더 할당 프로세스에 대한 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 다양한 수정들이 본 개시의 교시 하에서 오더 할당 절차에 대해 행해질 수 있다. 그러나, 이들 수정들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 도 10에서의 단계들은 변경된 시퀀스에서 실행될 수 있다. 예를 들면, 몇몇 단계들은 생략될 수 있다. 몇몇 단계들은 부가될 수 있다. 다수의 단계들이 하나의 단계로 통합될 수 있다. 단계는 다수의 단계들로 분할될 수 있다. 예를 들면, 실질적인 응용에서, 각각의 사전 설정 오더 확산 반경 및/또는 각각의 사전 설정 시간은 다른 방식들에 의해 또는 시행착오를 통해 보다 양호한 조정 방법을 결정함으로써 조정될 수 있다. 모든 이러한 수정들은 본 개시의 보호 범위 내에 있다.
도 11은 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템(110)의 개략도이다. 도면에 도시된 바와 같이, 오더 할당 시스템(110)은 하나 이상의 제 1 수의 오더 수신 범위 결정 유닛들(1130), 제 1 수의 오더 수신 서브-유닛들(1110), 제 2 수의 오더 수신 서브-유닛들(1120), 제 2 수의 오더 수신 범위 결정 유닛들(1140), 및 선택 가능한 설정 유닛들(1150)을 포함할 수 있다.
제 1 수의 오더 수신 범위 결정 유닛(1130)은 제 1 수의 사용자들의 디폴트 오더 수신 범위를 결정하도록 구성될 수 있다. 제 1 수의 오더 수신 서브-유닛(1110)은 디폴트 오더 수신 범위 내에서 제 1 수의 사용자들의 오더들의 제 1 평균 수를 획득하도록 구성될 수 있다. 제 2 수의 오더 수신 서브-유닛(1120)은 디폴트 오더 수신 범위 내에서 제 2 수의 사용자들에 대한 오더들의 제 2 평균 수를 획득하도록 구성될 수 있다. 제 2 수의 오더 수신 범위 결정 유닛(1140)은 오더들의 제 1 평균 수 및 오더들의 제 2 평균 수에 기초하여 제 2 수의 사용자들에 대한 오더 수신 범위를 결정하도록 구성될 수 있다. 선택 가능한 설정 유닛(1150)은 디폴트 오더 수신 범위로서 오더 수신 범위를 지정하도록 구성될 수 있다.
오더 할당 시스템(110)의 실시예들에 대하여, 그것은 오더 할당 프로세스의 실시예들과 대체로 유사하므로, 설명이 간소화될 수 있다. 시스템에 대한 설명은 오더 할당 프로세스의 실시예들(도 12에서)에서 발견될 수 있다. 오더 할당 시스템(110)에 대한 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 오더 할당 시스템(110)에 대해 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 몇몇 실시예들에서, 유사한 기능들이 완성될 때, 몇몇 유닛들이 부가되거나 또는 제거될 수 있다. 각각의 유닛은 다양한 방식들로 조합되거나 또는 서브-시스템들로서 다른 모듈들과 연결될 수 있다. 모든 이러한 수정들은 본 개시의 보호 범위 내에 있다.
도 12는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 도면에 도시된 바와 같이, 단계(1210)에서, 영역에서의 제 1 수의 사용자들의 디폴트 오더 수신 범위가 결정될 수 있다. 몇몇 실시예들에서, 영역은 관리 영역 또는 인위적 설정 범위일 수 있다. 영역의 면적은 일정하거나 또는 실제 상황들에 따라 조정될 수 있다. 몇몇 실시예들에서, 디폴트 오더 수신 범위는 사전 설정된 범위일 수 있다. 디폴트 오더 수신 범위 내에서 사용자(들)에게 오더들을 전송하는 것은 사용자들이 언제라도 적정한 수의 오더들을 획득하는 것을 가능하게 할 수 있다. 사용자(들) 및 오더 요청자들은 그 후 오더(들)를 효율적으로 수립하며 완료할 수 있다. 예를 들면, 디폴트 오더 수신 범위는 1킬로미터 내지 5킬로미터까지의 범위 내에서 임의의 거리로서 설정될 수 있다. 한편, 디폴트 오더 수신 범위는 상이한 적용 시나리오들 및 상황들에 따라 보다 크거나 또는 보다 작은 범위로서 지정될 수 있다. 몇몇 실시예들에서, 제 1 수의 사용자들은 통계 샘플인 것으로 간주될 수 있다. 제 1 수는 영역에서의 모든 사용자들의 수와 같거나 또는 그보다 작을 수 있다. 예를 들면, 제 1 수는 영역에서의 모든 사용자들의 수의 80% 이상 또는 80% 미만일 수 있다.
몇몇 실시예들에서, 디폴트 오더 수신 범위는 오더 할당 시스템(110)에 의해 또는 사용자에 의해 직접 설정될 수 있다. 예를 들면, 영역에서 제 1 수의 오더들의 오더 수신 범위가 상이한 값들로서 설정될 때, 영역에서의 사용자들에 의해 단위 시간(예로서, 1시간, 1일 등)에 완료되는 오더들의 평균 수는 오더 할당 시스템(110)에 의해 카운팅될 수 있다. 최대 평균 수의 오더들을 가진 오더 수신 범위는 디폴트 오더 수신 범위로서 설정될 수 있다. 또 다른 예로서, 영역에서의 각각의 사용자는 스스로 선호된 오더 수신 범위를 고를 수 있다. 영역에서의 디폴트 오더 수신 범위는 그 후 오더 할당 시스템(110)에 의해 상이한 사용자들의 상이한 선호된 오더 수신 범위에 기초하여 통계 분석(예로서, 평균화)을 수행함으로써 결정될 수 있다.
단계(1220)에서, 디폴트 오더 수신 범위에서의 제 1 수의 사용자들에 대한 오더들의 제 1 평균 수가 획득될 수 있다. 예를 들면, 디폴트 오더 수신 범위에서의 제 1 수의 사용자들에 대한 오더들의 제 1 평균 수는 제 1 수의 오더 수신 서브-유닛(1110)에 의해 획득될 수 있다. 몇몇 실시예들에서, 오더 할당 시스템(110)은 디폴트 오더 수신 범위에서의 제 1 수의 사용자들의 각각의 사용자에 의해 수신된 오더들의 수에 기초하여 통계 분석(예로서, 평균화)을 수행함으로써 오더들의 제 1 평균 수를 결정할 수 있다. 오더들의 제 1 평균 수는 사용자들에 의해 수신되며 시간 포인트에서 도시되거나 또는 도시될 오더들의 수를 획득함으로써 획득될 수 있다. 오더들의 제 1 평균 수는 또한 시간 기간에서(예로서, 10분 내지 1시간, 또는 임의의 시간 포인트) 사용자들에 의해 수신된 오더들의 수를 획득함으로써 획득될 수 있다.
단계(1230)에서, 디폴트 오더 수신 범위에서의 제 2 수의 사용자들에 대한 오더들의 제 2 평균 수가 획득될 수 있다. 예를 들면, 디폴트 오더 수신 범위에서의 제 2 수의 사용자들에 대한 오더들의 제 2 평균 수가 제 2 수의 오더 수신 서브-유닛(1120)에 의해 획득될 수 있다. 제 2 수는 제 1 수보다 작거나, 그보다 크거나, 또는 그것과 같을 수 있다. 몇몇 실시예들에서, 제 2 수는 제 1 수보다 작을 수 있다. 몇몇 실시예들에서, 제 1 수의 사용자들이 영역에서의 대표적인 사용자들일 때, 제 2 수는 제 1 수보다 크거나 또는 같을 수 있다. 제 1 수의 사용자들이 영역에서의 대표적인 사용자들임은 영역에서의 오더 수신인들의 대부분 또는 모두의 평균 수의 오더들이 제 1 수의 사용자들에 대한 평균 수의 오더들에 따라 확실히 추론될 수 있다는 것을 의미할 수 있다. 제 1 수의 오더 수신인들이 대표적인 오더 수신인들인지를 결정하기 위한 많은 기준들이 있을 수 있다. 예를 들면, 영역은 동일한 크기의 서브-영역들로 분할될 수 있다. 특정한 수의 사용자들은 그 후 각각의 서브-영역으로부터 선택될 수 있다(수들은 서로 동일하거나 또는 상이할 수 있다). 몇몇 실시예들에서, 수들의 합은 제 1 수일 수 있다. 사용자들이 균일한 지리적 분포에 따라 선택되므로, 사용자들은 대표적인 사용자들로서 간주될 수 있다. 제 1 수의 오더 수신인들은 보다 작은 서브-영역들을 가진 보다 높은 등급에서의 사용자들을 나타낼 수 있다는 것이 이해되어야 한다.
단계(1240)에서, 제 2 수의 사용자들에 대한 오더 수신 범위는 오더들의 제 1 평균 수 및 오더들의 제 2 평균 수에 기초하여 결정될 수 있다. 예를 들면, 제 2 수의 사용자들의 오더 수신 범위는 제 2 수의 오더 수신 범위 결정 유닛(1140)에 의해 오더들의 제 1 평균 수 및 오더들의 제 2 평균 수에 따라 결정될 수 있다. 사용자들의 오더 수신 범위는 임의의 형태일 수 있으며, 이것은 이에 제한되지 않지만 원형, 타원형, 직사각형, 정사각형, 삼각형, 또는 임의의 다른 형태를 포함할 수 있다. 예를 들면, 오더 수신 범위가 사용자에 중심을 둔 원형 범위이면, 사용자의 오더 수신 범위는 원형 범위의 반경을 결정함으로써 결정될 수 있다. 또 다른 예로서, 오더 수신 범위는 맵에 도시된 사용자에 중심을 둔 정사각형 범위일 수 있다. 영역은 그 후 프로세싱을 위해 작은 정사각형 블록들로 분할될 수 있다. 이 상황에서, 사용자의 오더 수신 범위는 정사각형 범위의 측 길이를 결정함으로써 결정될 수 있다.
본 개시의 몇몇 실시예들에 따르면, 제 2 수의 사용자들의 오더 수신 범위는 오더들의 제 1 평균 수 및 오더들의 제 2 평균 수 사이에서의 관계를 나타내는 계수에 기초하여 결정될 수 있다. 본 개시의 이해를 가능하게 하기 위해, 몇몇 실시예들은 이하에서 예시되며, 이것은 본 개시의 범위를 제한하도록 의도되지 않는다.
몇몇 실시예들에서, 오더 수신 범위는 확신도(certainty factor)에 기초하여 결정될 수 있다. 몇몇 실시예들에서, 확신도는 오더들의 제 1 평균 수 대 오더들의 제 2 평균 수의 비일 수 있다. 오더들의 제 1 평균 수가 오더들의 제 2 평균 수보다 크다면, 사용자들의 오더 수신 범위는 확대될 수 있다. 한편, 확신도는 1보다 클 수 있다. 확대된 오더 수신 범위는 그 후 확신도로 사용자들의 상기 설명된 반경(또는 측 길이)을 곱함으로써 결정될 수 있다. 오더들의 제 1 평균 수가 오더들의 제 2 평균 수보다 작다면, 사용자들의 오더 수신 범위는 좁아질 수 있다. 한편, 확신도는 1보다 작을 수 있다. 좁아진 오더 수신 범위는 그 후 확신도로 상기 설명된 사용자들의 반경(또는 측 길이)을 곱함으로써 결정될 수 있다. 오더들의 제 1 평균 수가 오더들의 제 2 평균 수과 같다면, 확신도는 1과 같을 수 있다. 어떤 프로세싱도 그 후 수행되지 않을 것이다. 상기 실시예들에서 설명된 오더 수신 범위의 결정은 식 1로서 표현될 수 있다:
Figure pct00001
, (식 1)
여기에서 R1은 사용자들의 디폴트 오더 수신 범위에 대응하는 반경(또는 측 길이)일 수 있고; N1은 오더들의 제 1 평균 수일 수 있고, N2는 오더들의 제 2 평균 수일 수 있으며, R2는 사용자들에 의해 결정된 반경(또는 측 길이)일 수 있다.
몇몇 실시예들에서, 확신도는 오더들의 제 1 평균 수 대 오더들의 제 2 평균 수의 비를 프로세싱함으로써 결정될 수 있다. 예를 들면, 오더들의 제 1 평균 수 및 오더들의 제 2 평균 수 양쪽 모두가 면적들로서 오더 수신 범위의 오더들의 수를 반영하므로, 확신도는 오더들의 제 1 평균 수 대 오더들의 제 2 평균 수의 비의 루트를 추출함으로써 결정될 수 있다. 몇몇 실시예들에서, 오더들의 보다 정확한 평균 수는 반경 길이 또는 측 길이를 결정할 때 결정될 수 있다. 이들 실시예들에서 설명된 오더 수신 범위는 식 2에 기초하여 결정될 수 있다:
Figure pct00002
, (식 2)
여기에서 R1은 사용자들의 디폴트 오더 수신 범위에 대응하는 반경(또는 측 길이)일 수 있고; N1은 오더들의 제 1 평균 수일 수 있고, N2는 오더들의 제 2 평균 수일 수 있으며, R2는 사용자들에 의해 결정된 반경(또는 측 길이)일 수 있다.
몇몇 실시예들에서, 확신도의 상한 값 및/또는 하한 값은 사전 설정될 수 있다. 예를 들면, 상한 값은 1.5 또는 임의의 다른 적정한 값일 수 있는 반면, 하한 값은 0.5 또는 임의의 다른 적정한 값일 수 있다. 산출된 확신도가 상한 값 및 하한 값 사이에 있다면, 확신도가 사용될 수 있다. 산출된 확신도가 상한 값보다 크다면, 상한 값은 확신도로서 지정될 수 있다. 산출된 확신도가 하한 값보다 작다면, 하한 값이 확신도로서 지정될 수 있다.
몇몇 실시예들에서, 오더 수신 범위는 단지 오더들의 제 1 평균 수 및 오더들의 제 2 평균 수 사이에서의 수치 관계에 기초하여서만 결정될 수 있다. 예를 들면, 오더들의 제 1 평균 수가 오더들의 제 2 평균 수보다 크다면, 확대된 오더 수신 범위는 제 1 사전 설정 값(예로서, 1.2, 또는 임의의 적정한 값)으로 오더 수신인의 상기 설명된 반경(또는 측 길이)을 곱함으로써 획득될 수 있다. 오더들의 제 1 평균 수가 오더들의 제 2 평균 수보다 작다면, 좁아진 오더 수신 범위는 제 2 사전 설정 값(예로서, 0.8, 또는 임의의 적정한 값)으로 오더 수신인의 상기 설명된 반경(또는 측 길이)을 곱함으로써 획득될 수 있다. 오더들의 제 1 평균 수가 오더들의 제 2 평균 수와 같다면, 디폴트 오더 수신 범위가 결정된 오더 수신 범위로서 지정될 수 있다. 이들 실시예들에서 설명된 오더 수신 범위는 식 3에 기초하여 결정될 수 있다:
Figure pct00003
, (식 3)
여기에서 R1은 사용자들의 디폴트 오더 수신 범위에 대응하는 반경(또는 측 길이)일 수 있고, N1은 오더들의 제 1 평균 수일 수 있고, N2는 오더들의 제 2 평균 수일 수 있고, a는 제 1 사전 설정 값일 수 있고, b는 제 2 사전 설정 값일 수 있으며, R2는 사용자들에 의해 결정된 반경(또는 측 길이)일 수 있다.
본 개시의 몇몇 실시예들에 따르면, 제 2 수의 사용자들의 오더 수신 범위가 결정된다면, 프로세스는 단계(1250)로 진행할 수 있다. 단계(1250)에서, 결정된 오더 수신 범위는 디폴트 오더 수신 범위로서 지정될 수 있다.
몇몇 실시예들에서, 도 12에 도시된 오더 할당 프로세스는 실시간으로 또는 동적으로 실행될 수 있다. 예를 들면, 프로세스는 사용자들이 매번 오더 할당 시스템(110)으로부터 새로운 오더들을 요청할 때 실시간으로 실행될 수 있다. 프로세스는 또한 오더 할당 시스템(110)이 매번 사용자들에게 새로운 오더들을 전송할 때 실시간으로 실행될 수 있다. 몇몇 실시예들에서, 오더 수신 범위는 계속해서 동적으로 조정될 수 있다. 또 다른 예로서, 오더 할당 시스템(110)의 산출 양을 감소시키기 위해, 프로세스는 주기적 시간 간격들(예로서, 매 5분, 또는 임의의 사전 설정 시간 기간)에서 실행될 수 있다. 한편, 프로세스는 사용자들의 사용자들 및 오더 할당 시스템(110)의 요청에 응답하여 실행될 수 있다.
오더 할당 프로세스에 대한 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 오더 할당 프로세스에 대해 행해질 수 있다. 그러나, 이들 수정들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 도 12에서의 단계들은 변경된 시퀀스에서 실행될 수 있다. 예를 들면, 몇몇 단계들은 생략될 수 있다. 몇몇 단계들은 부가될 수 있다. 다수의 단계들은 하나의 단계로 통합될 수 있다. 단계는 다수의 단계들로 분할될 수 있다. 예를 들면, 단계들(1220 및 1230)은 랜덤 랭크로 또는 동시에 실행될 수 있다. 단계(1250)는 생략될 수 있다. 단계들(1220 및 1230)은 하나의 단계로 통합될 수 있다. 단계(1240)는 두 개의 단계들로 분할될 수 있다. 두 개의 단계들 중 하나는 오더들의 제 1 평균 수 및 오더들의 제 2 평균 수를 비교하기 위해 사용될 수 있다. 다른 단계가 사용자들의 오더 수신 범위를 결정하기 위해 사용될 수 있다. 모든 이러한 수정들은 본 개시의 보호 범위 내에 있다.
도 13은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 단계(1310)에서, 오더 정보가 획득될 수 있다. 예를 들면, 오더 정보는 오더 할당 시스템(110)의 수신 유닛(231)에 의해 수신될 수 있다. 오더 정보는 이에 제한되지 않지만 오더 자체의 정보, 사용자 정보, 및 다른 정보를 포함할 수 있다. 오더 자체의 정보는 오더 번호, 출발 위치, 오더링 시간, 출발 시간, 도착 시간, 수용 가능한 대기 시간, 마일리지, 승객 번호, 승객이 수화물이 있는지 여부에 대한 결정, 가격, 지불 조건(예로서, 현금 지불, 직불 카드 지불, 온라인 지불, 송금 지불 등), 소비자에 의해 증가된 가격, 서비스 제공자에 의해 조정된 가격, 시스템에 의해 조정된 가격, 보상/쿠폰 사용 조건, 오더 완료 상태, 서비스 제공자의 오더 선택, 소비자의 오더 전송 상태 등, 또는 그것의 임의의 조합을 포함할 수 있다. 사용자 정보는 이에 제한되지 않지만, 이름, 별명, 성별, 국적, 나이, 연락처 정보(전화 번호, 이동 전화 번호, 소셜 미디어 계정 정보(예로서, Wechat 계정, QQ™ 계정, Linkedin 등), 사용자가 접촉될 수 있는 다른 방식들 등), 위치 정보(예로서, 좌표 정보, 방향 정보, 모션 상태 정보 등), 직업, 평가, 사용 시간, 운전 경험, 차량 수명, 차량 유형, 차량 상태, 자동차 등록 번호, 운전 면허 번호, 인증 상태, 사용자 습관/선호, 추가 서비스들에 대한 특징(예로서, 트렁크 크기, 파노라마식 선루프, 다른 추가 특징들 등) 등, 또는 그것의 임의의 조합을 포함할 수 있다. 다른 정보는 소비자 또는 서비스 제공자에 의해 제어되지 않는 정보 또는 임시/긴급 정보를 포함할 수 있다. 다른 정보는 이에 제한되지 않지만, 기상 상태, 환경 상태, 도로 상태(예로서, 보안, 도로 공사, 또는 다른 이유들로 인한 도로 폐쇄), 교통 상태 등, 또는 그것의 임의의 조합을 포함할 수 있다.
몇몇 실시예들에서, 오더 정보의 부분은 실시간 정보 또는 이력 오더 정보일 수 있다. 실시간 정보는 특정한 시간에서 또는 특정한 시간 기간에서의 오더 정보일 수 있다. 시간 기간은 수 초, 수 분, 수 시간, 또는 선호에 기초한 사용자-정의 시간 기간일 수 있다. 시간 기간은 또한 근무일, 쉬는 날, 휴일 또는 축제, 피크 시간, 비-피크 시간 등과 같은, 특정한 시간 기간일 수 있다. 이력 오더 정보는 완료된 오더들의 수, 오더 요청들의 수, 수용된 오더들의 수, 오더 완료 레이트, 오더 스내칭 레이트, 계약 취소 레이트 등, 또는 그것의 임의의 조합과 같은, 오더에 관련된 이전 정보를 포함할 수 있다.
단계(1320)에서, 오더 위치 정보는 오더 정보에 기초하여 획득될 수 있다. 몇몇 실시예들에서, 오더 위치 정보는 오더 요청자의 좌표 정보, 오더 수신인의 좌표 정보, 도시의 교통 맵 정보, 오더 요청자 및 오더 수신인 사이에서의 도로 거리 등, 또는 그것의 임의의 조합일 수 있다. 도로 거리의 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다. 몇몇 실시예들에서, 오더 위치 정보는 오더의 출발 위치 및 목적지, 사용자 단말기의 목적지, 사용자의 현재 모션 상태 정보, 전략들에 기초하여 결정된 사용자의 간편 도로 등급 등, 또는 그것의 임의의 조합일 수 있다. 간편 도로 등급에 대한 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다. 몇몇 실시예들에서, 오더 위치 정보는 또한 출발 위치, 원래 위치, 오더의 목적지, 사용자 단말기의 현재 위치, 오더 출발 위치 및 사용자 단말기 사이에서의 거리 등, 또는 그것의 임의의 조합을 포함할 수 있다.
단계(1330)에서, 사용자 오더 스내칭 레이트는 위치 정보에 기초하여 획득될 수 있다. 몇몇 실시예들에서, 사용자 단말기의 오더 스내칭 레이트는 위치 정보, 시간 정보, 이력 오더 정보 등, 또는 그것의 임의의 조합에 따라, 사전-수립된 예측 모델을 사용하여 획득될 수 있다. 예측 모델의 관련 설명은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
단계(1340)에서, 오더 정보는 사용자의 오더 스내칭 레이트 정보에 기초하여 사용자 단말기로 전송될 수 있다. 예를 들면, 오더 정보는 전송 유닛(232)에 의해 사용자의 오더 스내칭 레이트 정보에 기초하여 사용자 단말기로 전송될 수 있다. 몇몇 실시예들에서, 단말기에 오더를 할당할지가 사용자의 오더 스내칭 레이트에 기초하여 결정될 수 있다. 몇몇 실시예들에서, 오더 정보는 사용자의 오더 스내칭 레이트에 기초하여 사용자 단말기로 전송될 수 있다. 몇몇 실시예들에서, 오더들은 사용자의 오더 스내칭 레이트에 의한 오름차순에 따라 다수의 사용자 단말기들로 연속하여 전송될 수 있다.
도 13에서 오더 할당 프로세스에 대한 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 오더 할당 프로세스에 대해 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 단계들은 다양한 방식들로 통합될 수 있다. 또 다른 예로서, 오더 위치 정보는 또한 오더 위치의 이전 오더 정보와 같은, 오더 위치의 임의의 관련 정보일 수 있다. 모든 이러한 수정들 및 변형들은 본 개시의 보호 범위 내에 있다.
도 14는 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템(110)의 개략도이다. 오더 할당 시스템(110)은 하나 이상의 인터페이스 모듈들(230/240) 및 프로세싱 모듈들(210)을 포함할 수 있다. 인터페이스 모듈(230/240)은 하나 이상의 수신 유닛들(231) 및 전송 유닛들(232)을 추가로 포함할 수 있다. 프로세싱 유닛(210)은 하나 이상의 거리 결정 유닛들(334), 오더 스내칭 예측 유닛들(342), 오더 할당 유닛들(361) 등, 또는 그것의 임의의 조합을 추가로 포함할 수 있다. 거리 결정 유닛(334)은 또한 하나 이상의 좌표 정보 획득 서브-유닛들(1410) 및 도로 거리 획득 서브-유닛들(1420)을 포함할 수 있다. 인터페이스 모듈(230/240), 수신 유닛(231), 및 전송 유닛(232)의 관련 설명은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
몇몇 실시예들에서, 좌표 정보 획득 서브-유닛(1410)은, 승객으로부터 택시-예약 요청을 수신한 후, 오더 요청자의 좌표 정보, 좌표 정보의 사전 설정 범위 내에서의 각각의 오더 수신인, 및 각각의 오더 수신인의 좌표 정보를 획득하도록 구성될 수 있다. 몇몇 실시예들에서, 좌표 정보는 절대 좌표 정보, 상대 좌표 정보, 상대 극 좌표 정보 등, 또는 그것의 임의의 조합을 포함할 수 있다. 좌표 정보는 또한 지리적 위치 관계를 반영할 수 있는 임의의 순서화된 쌍 또는 조합된 데이터 값일 수 있다.
몇몇 실시예들에서, 도로 거리 획득 서브-유닛(1420)은, 오더 요청자에 의해 전송된 오더 요청에 따라, 오더가 위치되는 도시를 획득하며, 도시의 교통 맵 정보를 추가로 획득하도록 구성될 수 있다. 오더 요청자 및 각각의 오더 수신인 사이에서의 도로 거리는, 오더 요청자의 도시의 교통 맵 정보, 좌표 정보 획득 서브-유닛(1410)에 의해 획득되는 오더 요청자의 좌표 정보, 및 사전 설정 범위 내에 있는 각각의 오더 수신인의 좌표 정보에 따라, 획득될 수 있다. 몇몇 실시예들에서, 도로 거리는 오더 요청자 및 오더 수신인 사이에서의 직선 거리일 수 있다. 도로 거리는 또한 위치 결정 시스템 및/또는 실제 도로 상태 정보로부터 획득될 수 있는 오더 수신인에서 오더 요청자까지의 실제 차량 주행 거리일 수 있다.
몇몇 실시예들에서, 오더 스내칭 예측 유닛(342)은 각각의 오더 수신인 및 오더 요청자 사이에서의 도로 거리, 및 사전 설정 시간 기간에서 각각의 오더 수신인의 이력 오더들의 관련 특징 정보에 따라, 각각의 오더 수신인의 오더 스내칭 확률을 예측하도록 구성될 수 있다. 구체적으로, 오더 스내칭 예측 유닛(342)은 사전-수립된 예측 모델을 사용하여 각각의 오더 수신인의 오더 스내칭 확률을 예측하도록 구성될 수 있다. 몇몇 실시예들에서, 예측 모델은 사전 설정 시간 기간 내에서 오더 수신인들의 이력 오더들의 관련 정보에 기초하여 수립될 수 있다. 몇몇 실시예들에서, 도로 거리는 예측 변수일 수 있다. 오더 수신인의 오더 스내칭 확률은 예측 모델에서 타겟 변수일 수 있다. 몇몇 실시예들에서, 이력 오더의 관련 특징 정보는 이력 오더가 생성되는 도시, 이력 오더가 생성된 시간, 이력 오더의 도로 혼잡 상태, 및 이력 오더의 가치 등, 또는 그것의 임의의 조합을 포함할 수 있다.
몇몇 실시예들에서, 예측 모델은 질적 또는 양적일 수 있다. 양적 예측 모델은 시계열 예상 방법 또는 인과 방법일 수 있다. 시계열 예상 방법은 평균 평활화 방법, 경향 외삽 보간법, 계절적 변이 예측 방법, 마르코프 시계열 예상 방법 등, 또는 그것의 임의의 조합을 추가로 포함할 수 있다. 인과 방법은 통합된 회귀 방법, 다수의 회귀 방법, 또는 입력-출력 방법 등을 추가로 포함할 수 있다. 몇몇 실시예들에서, 예측 모델은 이에 제한되지 않지만 가중 산술 평균 모델, 경향 평균 예측 모델, 지수 평활법 모델, 평균 개발 속도 모델, 단일 선형 회귀 모델, 고-저 포인트 모델 등, 또는 그것의 임의의 조합을 포함할 수 있다. 몇몇 실시예들에서, 정보 프로세싱을 위해 사용된 등식들, 알고리즘들, 및/또는 모델들은 기계 학습 알고리즘들을 사용하여 계속해서 최적화될 수 있다.
몇몇 실시예들에서, 오더 스내칭 예측 유닛(342)은 또한 온라인에서 실시간으로 획득된 오더 관련 정보 및 오더 수신인과 대응 오더의 오더 요청자 사이에서의 도로 거리에 기초하여, 기계 학습 알고리즘들을 사용하여 사전-수립된 예측 모델을 최적하도록 구성될 수 있다. 기계 학습 알고리즘에 대한 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
몇몇 실시예들에서, 오더 할당 유닛(361)은 오더 스내칭 예측 유닛(342)에 의한 각각의 오더 수신인의 예측된 오더 스내칭 확률에 따라 오더 수신인에게 택시-예약 요청에 대응하는 오더를 할당하도록 구성될 수 있다. 구체적으로, 오더 할당 유닛(361)은 사전 설정 임계치보다 큰 오더 스내칭 확률을 추출하며, 각각의 추출된 오더 스내칭 확률에 대응하는 오더 수신인에게 택시-예약 요청에 대응하는 오더 정보를 할당하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 할당 시스템(110)은 또한 이력 데이터 획득 모듈, 예측 모델 구축 모듈, 맵 정보 업데이팅 모듈 등을 포함할 수 있다. 몇몇 실시예들에서, 오더 스내칭 예측 유닛(342)이 사전-수립된 예측 모델을 사용하여 각각의 오더 수신인에 대한 오더 스내칭 확률을 예측하기 전에, 이력 데이터 획득 모듈은 사전 설정 시간 기간에서 각각의 오더 수신인의 이력 오더들의 관련 특징 정보, 및 각각의 이력 오더의 오더 수신인과 오더 요청자 사이에서의 도로 거리를 획득하기 위해 사용될 수 있다.
몇몇 실시예들에서, 예측 모델 구축 모듈은 트레이닝 데이터로서 이력 데이터 획득 모듈에 의해 획득되는 오더 수신인과 오더 요청자 사이에서의 도로 거리 및 이력 오더들의 관련 특징 정보를 지정할 수 있다. 예측 모델 구축 모듈은 그 후 오더 스내칭 예측 모델을 획득하기 위해 선형 회귀 모델을 사용하여 트레이닝 데이터를 트레이닝할 수 있다. 몇몇 실시예들에서, 선형 회귀 모델은 로지스틱 회귀 모델 및 지지 벡터 기계 모델 중 하나일 수 있다. 본 개시의 이해를 가능하게 하기 위해, 다음의 설명은 예로서 로지스틱 회귀 모델을 취함으로써 선형 회귀 모델을 추가로 예시할 수 있다.
로지스틱 회귀 모델은 이진 분류 문제들을 위해 광범위하게 사용된다. 본 개시의 몇몇 실시예들에서, 로지스틱 회귀 모델은 경쟁 확률의 레벨을 결정하기 위해 사용될 수 있다. 로지스틱 회귀 등식은 다음과 같다:
Figure pct00004
, (식 4)
여기에서
Figure pct00005
;
Figure pct00006
, x는 예측 변수일 수 있고, y는 타겟 변수일 수 있고, y=1은 오더 스내칭이 예측될 수 있음을 나타낼 수 있고; y=0은 오더 비-스내칭이 예측될 수 있음을 나타낼 수 있으며, w는 모델 파라미터일 수 있다. 몇몇 실시예들에서, w는 최대 우도 방법을 사용하여 추정될 수 있다. 예를 들면, 이력 오더 관련 특징들(예로서, 이력 오더가 생성된 도시, 이력 오더가 생성된 시간, 이력 오더의 도시 혼잡 상태, 이력 오더의 가시 등, 또는 그것의 임의의 조합)의 다양한 특징 데이터는 예측 변수(x)로서 추출될 수 있다. 새롭게 개시된 오더의 경쟁 확률은 타겟 변수(y)로서 추출될 수 있다. 몇몇 실시예들에서, 새로운 오더의 경쟁 확률은 로지스틱 회귀 모델을 사용하여 이력 오더 트랜잭션 정보를 트레이닝함으로써 예측될 수 있다. 몇몇 실시예들에서, 로지스틱 회귀 모델의 정확도는 또한 새로운 오더가 스내칭되는지 여부에 대한 특징들을 계속해서 증가시킴으로써 계속해서 개선될 수 있다.
몇몇 실시예들에서, 맵 정보 업데이팅 모듈은 사전 설정 시간 기간에 따라 오더가 위치되는 도시의 교통 맵 정보를 업데이트할 수 있다. 몇몇 실시예들에서, 맵 정보 업데이팅 모듈은 사전 설정 시간 기간에 기초하여 오더 요청자가 위치되는 도시의 교통 맵 정보를 업데이트할 수 있다. 업데이트된 도시의 교통 맵 정보를 사용하여, 도시의 교통 공사를 통한 트래픽 루트의 변화로 인한 맵 정보의 변화가 방지될 수 있다. 도로 요청자로부터 각각의 오더 수신인으로의 도로 거리가 그 후 정확하게 획득될 수 있다.
도 14에서 오더 할당 시스템(110)의 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 모듈들/유닛들은 다양한 방식들로 조합되거나 또는 서브-시스템들로서 다른 모듈들과 연결될 수 있다. 예를 들면, 오더 할당 시스템(110)은 또한 이력 데이터 획득 모듈, 예측 모델 구축 모듈, 맵 정보 업데이팅 모듈 등을 포함할 수 있다. 또 다른 예로서, 오더 할당 시스템(110)은 수신 유닛 및 전송 유닛 없이 단지 프로세싱 기능만을 가질 수 있다. 모든 이러한 수정들 및 변형들은 본 개시의 보호 범위 내에 있다.
도 15는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 단계(1510)에서, 오더 요청자 및 오더 수신인의 좌표 정보가 획득될 수 있다. 예를 들면, 오더 요청자로부터 전송된 택시-예약 요청을 수신한 후, 좌표 정보 획득 서브-유닛(1410)은 오더 요청자의 좌표 정보, 좌표 정보의 사전 설정 범위 내에서의 각각의 오더 수신인, 및 각각의 오더 수신인의 좌표 정보를 획득할 수 있다.
몇몇 실시예들에서, 오더 요청자의 좌표 정보는 오더 요청자로부터 전송된 택시-예약 요청에 부가될 수 있다. 오더 요청자로부터 전송된 택시-예약 요청이 수신된 후, 오더 요청자의 좌표 정보는 그 후 택시-예약 요청으로부터 획득될 수 있다. 실시간으로 오더 요청자의 좌표 정보를 수신함으로써, 사전 설정 범위에서의 각각의 오더 수신인의 위치 정보는 위치 결정 시스템 및/또는 기지국에 의해 실시간으로 결정되며 업로딩될 수 있다.
몇몇 실시예들에서, 오더 요청자로부터 전송된 택시-예약 요청은 출발 위치, 시작 포인트, 목적지, 오더 요청자의 사용자 식별 등, 또는 그것의 임의의 조합을 포함할 수 있다. 오더 요청자의 사용자 식별은 이동 전화 번호, 아이덴티티(요약해서 id), 미디어 액세스 제어(요약해서 MAC) 어드레스 등, 또는 그것의 임의의 조합을 포함할 수 있다. 오더 정보에 대한 상세한 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
몇몇 실시예들에서, 사전 설정 범위의 영역(scope)은 교통 상태, 특정 도시 면적, 또는 오더 요청자가 위치되는 도시의 다른 정보에 따라 설정 및 조정될 수 있다. 예를 들면, 오더 요청자가 위치되는 도시가 베이징의 다싱(Daxing) 구이며 교통 상태가 좋다면, 사전 설정 범위의 영역은 보다 크게 설정될 수 있다. 오더 요청자가 위치되는 도시가 베이징의 하이뎬(Haidian) 구이며 교통 상태가 혼잡하다면, 사전 설정 범위의 영역은 보다 작게 설정될 수 있다. 그것은 본 개시의 범위를 제한하도록 의도되지 않는다.
몇몇 실시예들에서, 좌표 정보는 절대 좌표 정보, 상대 좌표 정보, 상대 극 좌표 정보 등, 또는 그것의 임의의 조합을 포함할 수 있다. 좌표 정보는 또한 지리적 위치 관계를 반영할 수 있는 임의의 순서화된 쌍 또는 조합된 데이터 값일 수 있다.
단계(1520)에서, 오더 요청자 및 오더 수신인 사이에서의 도로 거리가 획득될 수 있다. 예를 들면, 도로 거리 획득 서브-유닛(1420)은 오더 요청자가 위치되는 도시의 교통 맵 정보, 오더 요청자의 좌표 정보, 및 각각의 오더 수신인의 좌표 정보에 따라 오더 요청자 및 각각의 오더 수신인 사이에서의 도로 거리를 획득할 수 있다.
몇몇 실시예들에서, 오더 요청자로부터 각각의 오더 수신인까지의 실제 도로 거리는 오더 요청자가 위치되는 도시의 교통 맵 정보, 오더 요청자의 좌표 정보, 및 오더 요청자의 사전 설정 범위에서의 각각의 오더 수신인의 좌표 정보에 따라 결정될 수 있다. 오더 할당의 스테이지에서, 오더는 다른 인자들이 결정될 때 오더 요청자로부터 각각의 오더 수신인까지의 실제 도로 거리에 따라 할당될 수 있다. 오더 수신인은 그 후 오더 정보를 보다 정확하게 획득할 수 있다.
단계(1530)에서, 오더 수신인의 오더 스내칭 레이트가 예측될 수 있다. 예를 들면, 오더 스내칭 예측 유닛(342)은, 각각의 오더 수신인에 대응하는 도로 거리 및 사전 설정 시간 기간에서 오더 수신인의 이력 오더들의 관련 특징 정보에 따라, 오더 수신인의 오더 스내칭 레이트를 예측할 수 있다.
몇몇 실시예들에서, 택시-예약 시스템이 오더 할당의 스테이지에 있을 때, 오더 스내칭 예측 유닛(342)은 각각의 오더 수신인에 대응하는 도로 거리 및 오더 수신인의 다른 오더 관련 특징 정보에 따라 오더 수신인의 오더 스내칭 확률을 예측할 수 있다. 오더는 오더 수신인의 오더 스내칭 확률에 기초하여 할당될 수 있다. 예를 들면, 오더 스내칭 확률을 평가함으로써, 오더는 오더 스내칭 확률에 의한 내림차순으로 오더 수신인에게 전송될 수 있다. 몇몇 실시예들에서, 오더 수신인들은 오더 스내칭 확률의 사전 설정 임계치에 기초하여 스크리닝될 수 있다.
몇몇 실시예들에서, 오더의 관련 특징 정보는 오더 수신인 관련 특징 정보, 오더 관련 특징 정보 등을 포함할 수 있다.
몇몇 실시예들에서, 단계(1530)에서, 각각의 오더 수신인의 오더 스내칭 확률은 사전-수립된 예측 모델에 기초하여 예측될 수 있다. 예측 모델은 사전 설정 시간 기간에서 오더 수신인들의 이력 오더들의 관련 정보에 기초하여 수립될 수 있다. 도로 거리는 예측 모델에서 예측 변수일 수 있다. 오더 수신인의 오더 스내칭 확률은 예측 모델에서 타겟 변수일 수 있다. 몇몇 실시예들에서, 이력 오더의 관련 특징 정보는 이력 오더가 생성된 도시, 이력 오더가 생성된 시간, 이력 오더의 도로 혼잡 상태, 또는 이력 오더의 가치, 또는 그것의 임의의 조합을 포함할 수 있다. 예측 모델의 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
몇몇 실시예들에서, 사전-수립된 예측 모델에 기초하여 각각의 오더 수신인의 오더 스내칭 확률을 예측하기 전에, 다음의 단계들이 또한 포함될 수 있다:
첫 번째로, 도로 거리 획득 서브-유닛(1420)은 사전 설정 시간 기간에서 각각의 오더 수신인의 이력 오더들의 관련 특징 정보 및 각각의 이력 오더의 오더 수신인의 도로 거리를 획득할 수 있다. 오더 스내칭 예측 유닛(342)은 그 후 이력 오더들의 관련 특징 정보 및 각각의 이력 오더의 오더 수신인에 대응하는 도로 거리를 트레이닝 데이터로서 지정할 수 있다. 오더 스내칭 예측 유닛(342)은 또한 오더 스내칭 예측 모델을 획득하기 위해 선형 회귀 모델을 사용하여 트레이닝 데이터를 트레이닝할 수 있다. 몇몇 실시예들에서, 오더 스내칭 예측 모델을 획득한 후, 사전-수립된 예측 모델은 온라인에서 실시간으로 획득된 오더의 관련 특징 정보 및 관련된 오더의 오더 수신인에 대응하는 도로 거리에 따라 기계 학습 알고리즘들을 사용하여 최적화될 수 있다.
몇몇 실시예들에서, 이력 오더 관련 특징들의 다양한 특징 데이터는 예측 변수로서 추출될 수 있다. 이력 오더들의 오더 스내칭 결과들은 타겟 변수로서 취해질 수 있다. 예측 변수 및 타겟 변수를 갖고 선형 회귀 모델 트레이닝을 행함으로써, 오더 스내칭 확률의 오더 스내칭 예측 모델이 획득될 수 있다.
몇몇 실시예들에서, 선형 회귀 모델은 로지스틱 회귀 모델 및 지지 벡터 기계 모델 중 하나일 수 있다. 로지스틱 회귀 모델의 관련 설명들은 오더 할당 시스템의 실시예들(도 14에 도시된 바와 같이)에서 발견될 수 있다.
몇몇 실시예들에서, 오더 스내칭 예측은 오프라인 트레이닝 및 온라인 실시간 컴퓨팅을 포함한 두 개의 스테이지들로 분할될 수 있다. 오프라인 트레이닝 스테이지에서, 기사 관련 특징들 및 오더 관련 특징들과 같은, 이력 오더 관련 특징들의 다양한 특징 데이터가 예측 변수로서 추출될 수 있다. 오더 경쟁 확률은 타겟 변수로서 취해질 수 있다. 예측 모델은 그 후 이력 데이터에 대한 모델 트레이닝을 행함으로써 획득될 수 있다. 온라인 실시간 컴퓨팅 스테이지에서, 모델은 온라인으로 적용될 수 있다. 실시간 추출된 오더의 관련 특징 정보 및 대응하는 오더의 오더 수신인의 도로 거리가 결정될 수 있다. 사전-수립된 예측 모델은 기계 학습 알고리즘들을 사용하여 최적화될 수 있다. 기계 학습 알고리즘의 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
단계(1540)에서, 택시-예약 요청에 대응하는 오더는 각각의 오더 수신인의 오더 스내칭 레이트에 따라 오더 수신인에게 할당될 수 있다. 예를 들면, 오더 할당 유닛(361)은 각각의 오더 수신인의 오더 스내칭 확률에 따라 오더 수신인에게 택시-예약 요청에 대응하는 오더를 할당할 수 있다.
몇몇 실시예들에서, 택시-예약 요청에 대응하는 오더는 오더 요청자의 출발 위치, 원래 위치, 목적지, 사용자 식별, 오더가 생성되는 시간, 출발 시간, 오더 요청자에서 각각의 오더 수신인까지의 도로 거리 등, 또는 그것의 임의의 조합을 포함할 수 있다.
몇몇 실시예들에서, 단계(1540)에서, 사전 설정 임계치보다 높은 오더 스내칭 확률이 획득될 수 있다. 택시-예약 요청에 대응하는 오더는 그 후 각각의 오더 스내칭 확률에 대응하는 오더 수신인에게 할당될 수 있다.
몇몇 실시예들에서, 현재 오더는 오더 스내칭 확률에 의한 내림차순으로 오더 수신인에게 전송될 수 있다. 예를 들면, 현재 오더를 포함한 다수의 오더들이 오더 수신인에게 전송되며 현재 오더에 관련된 이력 오더의 오더 스내칭 확률이 다른 현재 오더들에 관련된 이력 오더의 오더 스내칭 확률보다 작을 때, 현재 오더는 그 후 오더 수신인에게 가치가 없거나 또는 가치가 낮은 것으로 결정될 수 있다. 따라서, 사전 설정 임계치보다 큰 오더 스내칭 확률이 선택될 수 있다. 택시-예약 요청에 대응하는 오더는 그 후 각각의 선택된 오더 스내칭 확률에 대응하는 오더 수신인에게 할당될 수 있다.
몇몇 실시예들에서, 오더 할당 프로세스는 또한 사전 설정 시간 기간에 기초하여 오더 요청자가 위치되는 도시의 교통 맵 정보를 업데이트하는 것을 포함할 수 있다. 예를 들면, 업데이트된 도시의 교통 맵 정보를 사용하여, 도시의 교통 공사를 통해 교통 루트의 변화로 인한 맵 정보의 변화가 방지될 수 있다. 오더 요청자와 각각의 오더 수신인 사이에서의 도로 거리가 그 후 정확하게 획득될 수 있다.
도 15에서 오더 할당 프로세스의 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 단계들은 다양한 방식들로 통합될 수 있다. 또 다른 예로서, 오더 요청자 및 오더 수신인 사이에서의 도로 거리는 좌표 결정이 아닌 다른 결정 방법들에 의해 획득될 수 있다. 계속해서 또 다른 예로서, 오더 수신인의 오더 스내칭 레이트는 의사 결정 트리 모델을 사용하여 트레이닝될 수 있다. 모든 이러한 수정들 및 변형들은 본 개시의 보호 범위 내에 있다.
도 16은 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템(110)의 개략도이다. 도면에 도시된 바와 같이, 오더 할당 시스템(110)은 하나 이상의 인터페이스 모듈들(230/240) 및 프로세싱 모듈들(210)을 포함할 수 있다. 인터페이스 모듈(230/240)은 하나 이상의 수신 유닛들(231) 및 전송 유닛들(232)을 추가로 포함할 수 있다. 프로세싱 모듈(210)은 하나 이상의 매칭 조건 획득 유닛들(1610), 오더 스크리닝 유닛들(312), 간편 도로 등급 결정 유닛들(333), 오더 스내칭 예측 유닛들(342), 오더 할당 유닛들(361) 등, 또는 그것의 임의의 조합을 추가로 포함할 수 있다. 인터페이스 모듈(230/240), 수신 유닛(231), 및 전송 유닛(232)에 대한 관련 설명들은 본 개시의 다른 곳에서의 설명들에서 발견될 수 있다.
몇몇 실시예들에서, 매칭 조건 획득 유닛(1610)은 사용자에 대응하는 오더 매칭 조건을 획득하도록 구성될 수 있다. 오더 매칭 조건은 매칭 범위, 매칭 시간 등을 포함할 수 있다. 몇몇 실시예들에서, 오더의 매칭 범위는 사용자가 위치되는 도시 또는 영역, 사용자의 현재 위치, 사용자의 현재 모션 상태, 및 기사의 현재 목적지에 기초하여 결정될 수 있다. 몇몇 실시예들에서, 매칭 시간은 기사의 현재 스케줄에 기초하여 결정될 수 있다.
몇몇 실시예들에서, 매칭 조건 획득 유닛(1610)은 오더 매칭 조건 수신 유닛, 오더 매칭 조건 결정 유닛 등, 또는 그것의 임의의 조합을 추가로 포함할 수 있다. 오더 매칭 조건 수신 유닛은 사용자에 의해 업로딩된 오더 매칭 조건을 수신하도록 구성될 수 있다. 오더 매칭 조건 결정 유닛은 사용자의 현재 모션 상태 또는 지리적 위치와 같은 정보, 또는 사전 설정된 규칙에 기초하여 사용자에 대응하는 오더 매칭 조건을 결정하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 스크리닝 유닛(312)은 사용자에 대응하는 오더 매칭 조건에 기초하여 현재 오더를 조건부로 매칭시키며 오더 매칭 조건에 매칭되는 오더를 걸러내도록 구성될 수 있다. 몇몇 실시예들에서, 현재 오더는 택시-예약 플랫폼에 할당될 오더일 수 있다.
몇몇 실시예들에서, 간편 도로 등급 결정 유닛(333)은 오더 스크리닝 유닛(312) 및 사전 설정 전략에 의해 걸러 내어진 각각의 오더에 기초하여 각각의 오더에 대응하는 간편 도로 등급을 결정하도록 구성될 수 있다.
몇몇 실시예들에서, 간편 도로 등급 결정 유닛(333)은 오더 어드레스 획득 유닛, 단말기 어드레스 획득 유닛, 및 간편 도로 등급 판결 유닛을 추가로 포함할 수 있다. 오더 어드레스 획득 유닛은 걸러 내어진 오더(들)의 출발 및 목적지를 획득하도록 구성될 수 있다. 단말기 어드레스 획득 유닛은 사용자의 현재 위치를 획득하도록 구성될 수 있다. 간편 도로 등급 판결 유닛은 사전 설정된 전략에 따라 오더의 출발 및 목적지에 대응하는 사용자의 현재 목적지의 간편 도로 등급을 결정하도록 구성될 수 있다. 몇몇 실시예들에서, 간편 도로 등급은 직접 및 간접 도착들을 포함할 수 있다. 구체적으로, 간편 도로 등급의 특정 설정들은 사용자 요구들에 따라 보다 정확하게 설정되며 분할될 수 있다. 예를 들면, 간편 도로 등급은, 기사의 실제 주행 거리(즉, 루트 거리) 및/또는 요구된 실제 주행 시간에 기초하여, 5개의 등급들, 즉 A, B, C, D, 및 E로 분할될 수 있다. 사용자(기사)의 루트 거리 및/또는 요구된 실제 주행 거리는 오더에 대응하는 사용자의 간편 도로 등급을 결정하는 사전 설정 전략을 결정하기 위해 사용될 수 있다.
몇몇 실시예들에서, 오더 스내칭 예측 유닛(342)은 오더의 간편 도로 등급에 따라 사전-수립된 오더 스내칭 예측 모델을 사용하여 사용자의 오더 스내칭 확률을 예측하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 할당 유닛(361)은 오더 스내칭 예측 유닛(342)에 의해 예측된 오더 스내칭 확률에 기초하여 사용자에게 걸러 내어진 오더를 할당할지 여부를 결정하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 할당 유닛(361)은 판단 유닛 및 할당 유닛을 추가로 포함할 수 있다. 판단 유닛은 오더 스내칭 확률이 사전 설정 임계치보다 높은지를 결정하도록 구성될 수 있다. 할당 유닛은 오더가 오더 할당 조건을 따르는지를 결정하며 판단 유닛의 판단 결과가 오더 스내칭 확률이 사전 설정 임계치보다 높음을 나타낼 때 사용자에게 걸러 내어진 오더를 할당하도록 구성될 수 있다. 몇몇 실시예들에서, 할당 유닛은 또한, 걸러 내어진 오더들 중에서 오더 할당 조건을 따르는 다수의 오더들이 있을 때, 오더들의 오더 스내칭 확률에 의한 내림차순으로 사용자에게 오더 할당 조건에 따르는 오더들을 할당하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 할당 시스템(110)은 이력 데이터 획득 모듈, 예측 모델 구축 모듈 등, 또는 그것의 임의의 조합을 추가로 포함할 수 있다. 이력 데이터 획득 모듈은 사전 설정 시간 기간 내에서 사용자의 오더-관련 이력 데이터를 획득하도록 구성될 수 있다. 예측 모델 구축 모듈은 트레이닝 데이터로서 오더-관련 이력 데이터를 지정하며 트레이닝 데이터를 트레이닝하기 위해 선형 회귀 모델을 사용하여 오더 스내칭 확률 예측 모델을 획득하도록 구성될 수 있다.
몇몇 실시예들에서, 오더-관련 이력 데이터는 사용자에 대응하는 각각의 이력 오더의 간편 도로 등급 특징을 포함할 수 있다.
몇몇 실시예들에서, 선형 회귀 모델은 로지스틱 회귀 모델 및 지지 벡터 기계 모델 중 하나일 수 있다. 본 개시의 이해를 가능하게 하기 위해, 예측 모델 구축 모듈에서 사용된 선형 회귀 모델은 예를 들면, 선형 회귀 트레이닝 모델로서 로지스틱 회귀 모델을 취함으로써 추가로 예시될 수 있다.
로지스틱 회귀 모델은 이진 분류 문제점들을 위해 광범위하게 사용된다. 예측 변수(X)가 X=x를 만족하며 타겟 변수(Y)가 Y=1을 만족할 때, 확률은 식 5에 의해 주어진다:
Figure pct00007
, (식 5)
예측 변수(X)가 X=x를 만족하며 타겟 변수(Y)가 Y=0을 만족할 때, 확률은 식 6에 의해 주어질 수 있다:
Figure pct00008
, (식 6)
여기에서 X는 예측 변수일 수 있고, Y는 타겟 변수일 수 있고; Y=1은 오더 스내칭이 예측될 수 있음을 나타낼 수 있고; Y=0은 오더 비-스내칭이 예측될 수 있음을 나타낼 수 있으며, w는 모델 파라미터일 수 있다.
몇몇 실시예들에서, 오더-관련 이력 데이터(예로서, 오더 방송에서 오더 관련 특징들, 기사 관련 특징들, 오더 및 기사 관련 특징들 등, 또는 그것의 임의의 조합)는 예측 변수(X)로서 추출될 수 있다. 새롭게 개시된 오더의 경쟁 확률은 타겟 변수(Y)로서 지정될 수 있다. 몇몇 실시예들에서, 새로운 오더의 경쟁 확률은 로지스틱 회귀 모델을 사용하여 이력 데이터 트랜잭션 정보를 트레이닝함으로써 예측될 수 있다. 몇몇 실시예들에서, 로지스틱 회귀 모델의 정확도는 또한 새로운 오더가 스내칭되는지 여부와 같은 관련 특징들을 계속해서 부가함으로써 계속해서 개선될 수 있다.
몇몇 실시예들에서, 예측 모델 구축 모듈은 또한 온라인에서 실시간으로 획득된 오더-관련 데이터에 기초하여 기계 학습 알고리즘들을 사용하여 오더 확률 예측 모델을 최적화하도록 구성될 수 있다. 몇몇 실시예들에서, 실시간으로 획득된 오더-관련 데이터는 오더에 대응하는 사용자의 간편 도로 등급 특징을 포함할 수 있다. 기계 학습 알고리즘의 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
도 16에서의 오더 할당 시스템(100)의 상기 설명은 단지 예시를 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 모듈들은 다양한 방식들로 조합되거나 또는 서브-시스템들로서 다른 모듈들과 연결될 수 있다. 또 다른 예로서, 오더 할당 시스템(110)은 매칭 조건 획득 유닛(1610) 없이 오더를 직접 스크리닝할 수 있다. 계속해서 또 다른 예로서, 오더 할당 시스템(110)은 또한 이력 데이터 획득 모듈, 예측 모델 구축 모듈 등, 또는 그것의 임의의 조합을 포함할 수 있다. 계속해서 또 다른 예로서, 인터페이스 모듈(230/240)이 생략될 수 있다. 모든 이러한 수정들 및 변형들은 본 개시의 보호 범위 내에 있다.
도 17은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 프로세스는 다음의 단계들을 포함할 수 있다:
단계(1710)에서, 사용자의 오더 매칭 조건이 획득될 수 있다. 예를 들면, 매칭 조건 획득 유닛(1610)은 사용자의 오더 매칭 조건을 획득할 수 있다. 몇몇 실시예들에서, 오더 매칭 조건을 획득하는 방법은 사용자에 의해 업로딩된 오더 매칭 조건을 수신하는 것을 포함할 수 있다. 몇몇 실시예들에서, 오더 매칭 조건을 획득하는 방법은 사용자의 현재 모션 상태 정보(예로서, 이동 속도, 이동 방향 등)를 모니터링하는 것을 포함할 수 있다. 사용자의 오더 매칭 조건은 그 후 사용자의 현재 모션 상태 정보에 기초하여 사전 설정된 규칙에 의해 결정될 수 있다. 몇몇 실시예들에서, 사전 설정된 규칙은 기사 수용 가능한 거리 갭 및 시간 갭에 따라 설정될 수 있다. 몇몇 실시예들에서, 단계(1710)는 생략될 수 있다. 몇몇 실시예들에서, 사용자의 오더 매칭 조건의 획득은 선택적일 수 있다.
단계(1720)에서, 현재 오더는 사용자의 오더 매칭 조건에 따라 매칭될 수 있다. 오더 매칭 조건에 따르는 오더가 그 후 걸러 내어질 수 있다. 예를 들면, 오더 스크리닝 유닛(312)은 사용자의 오더 매칭 조건에 따라 현재 오더를 매칭시키며 오더 매칭 조건에 따르는 오더를 걸러낼 수 있다. 몇몇 실시예들에서, 현재 오더는 택시-예약 플랫폼에서 할당되길 기다리는 오더일 수 있다. 택시-예약 요청에 따라 대응하는 오더를 생성한 후, 택시-예약 플랫폼은 단말기에 대응하는 오더 매칭 조건에 따라 현재 오더를 매칭시킬 수 있다. 플랫폼에서 할당되길 기다리는 오더들 중에서 오더 매칭 조건에 따르는 오더가 걸러 내어질 수 있다. 걸러 내어진 오더가 그 후 단말기에 할당될 수 있다.
몇몇 실시예들에서, 오더 매칭 조건은 오더의 영역을 매칭시키는 것, 오더의 시간을 매칭시키는 것 등과 같은 조건들을 포함할 수 있다. 구체적으로, 오더의 매칭 범위는 사용자가 머무르는 도시/구역, 단말기의 현재 지리적 위치, 단말기의 현재 모션 상태, 및 단말기와 연관된 기사의 현재 목적지에 따라 결정될 수 있다. 매칭 시간은 기사의 현재 시간 배열에 따라 결정될 수 있다.
단계(1730)에서, 각각의 걸러 내어진 오더에 대해, 오더에 대응하는 사용자의 간편 도로 등급이 사전 설정된 전략에 기초하여 결정될 수 있다. 예를 들면, 간편 도로 등급 결정 유닛(333)은 각각의 걸러 내어진 오더에 대응하는 사용자의 간편 도로 등급을 결정할 수 있다.
몇몇 실시예들에서, 사전 설정된 전략에 따라 사용자 간편 도로 등급을 결정하는 프로세스는 또한 걸러 내어진 오더의 출발 및 목적지를 획득하는 것, 사용자의 현재 목적지를 획득하는 것, 사전 설정된 전략에 따라 오더의 출발 및 목적지에 대응하는 사용자의 현재 목적지 간편 도로 등급을 결정하는 것 등을 포함할 수 있다. 간편 도로 등급에 대한 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
몇몇 실시예들에서, 오더 정보는 이에 제한되지 않지만 오더 자체의 정보, 사용자 정보, 및 다른 정보를 포함할 수 있다. 오더 자체의 정보는 오더 번호, 출발 위치, 오더링 시간, 출발 시간, 도착 시간, 수용 가능한 대기 시간, 마일리지, 승객 번호, 승객이 수화물이 있는지 여부에 대한 결정, 가격, 지불 조건(예로서, 현금 지불, 직불 카드 지불, 온라인 지불, 송금 지불 등), 소비자에 의해 제기된 가격, 서비스 제공자에 의해 조정된 가격, 시스템에 의해 조정된 가격, 보상/쿠폰 사용 조건, 오더 완료 상태, 서비스 제공자의 오더 선택, 소비자의 오더 전송 상태 등, 또는 그것의 임의의 조합을 포함할 수 있다. 오더의 시작 포인트는 택시-예약 시스템 플랫폼의 승객 단말기에서 승객에 의해 활성화된 소프트웨어를 사용하여 승객에 의해 타이핑되거나 또는 말하여질 수 있다. 오더의 시작 포인트는 또한 위치 결정 시스템에 의해 결정될 수 있다. 위치 결정 시스템에서 사용된 기술은 이에 제한되지 않지만 전역적 위치 결정 시스템(GPS) 기술들, 준-천정 위성 시스템들(QAZZ) 기술, 기지국 위치 결정 기술, Wi-Fi 위치 결정 기술, 차량들에 내장된 임의의 위치 결정 및 속도 측정 시스템 등을 포함할 수 있다. 몇몇 실시예들에서, 오더의 시작 포인트는 또한 적절한 경우 다른 정보에 의해 결정될 수 있다. 다른 정보는 이에 제한되지 않지만 버스 정류장, 지하철 역, 특정한 교차로, 특정한 빌딩, 상기 나열된 위치들 중 하나에서 게시된 2-차원 코드 정보 등을 포함할 수 있다.
단계(1740)에서, 사용자의 오더 스내칭 레이트는 사전-수립된 오더 스내칭 예측 모델을 사용하여 각각의 오더의 간편 도로 등급에 기초하여 예측될 수 있다. 예를 들면, 오더 스내칭 레이트는 오더 스내칭 예측 유닛(342)에 의해 산출될 수 있다. 오더의 간편 도로 등급은 간편 도로 등급 결정 유닛(333)에 의해 결정될 수 있다.
단계(1750)에서, 사용자에게 걸러 내어진 오더를 할당할지 여부가 오더 스내칭 레이트에 기초하여 결정될 수 있다. 예를 들면, 오더 할당 유닛(361)은 오더 스내칭 예측 유닛(342)에 의해 예측된 오더 스내칭 레이트에 기초하여 사용자에게 걸러 내어진 오더를 할당할지 여부를 결정할 수 있다.
몇몇 실시예들에서, 단계(1750)에서, 구체적으로, 오더 스내칭 확률이 사전 설정 임계치보다 큰지가 결정될 수 있다. 오더 스내칭 확률이 사전 설정 임계치보다 크다면, 오더 할당 조건을 만족시키는 오더가 결정될 수 있다. 걸러 내어진 오더가 그 후 사용자에게 할당될 수 있다.
몇몇 실시예들에서, 스크리닝된 오더들 중에서 오더 할당 조건을 만족시키는 다수의 오더들이 있다면, 오더 할당 조건을 만족시키는 오더는 오더 스내칭 확률에 의한 내림차순으로 사용자에게 할당될 수 있다.
몇몇 실시예들에서, 오더 할당 프로세스는 또한 특정한 시간 기간에서 사용자의 오더-관련 이력 데이터를 획득하는 것, 트레이닝 데이터로서 오더-관련 이력 데이터를 취하는 것, 선형 회귀 모델을 사용하여 트레이닝 데이터를 트레이닝하는 것, 및 오더 스내칭 예측 모델을 획득하는 것을 포함할 수 있다. 몇몇 실시예들에서, 오더-관련 이력 데이터는 각각의 이력 오더에 대응하는 사용자의 간편 도로 등급 특징을 포함할 수 있다.
몇몇 실시예들에서, 선형 회귀 모델은 로지스틱 선형 모델 및 지지 벡터 기계 모델 중 하나일 수 있다. 로지스틱 회귀 모델의 관련 설명들은 본 개시에서 시스템(110)의 실시예들에서 발견될 수 있다.
몇몇 실시예들에서, 오더 스내칭 예측 모듈에 획득된 후, 오더 스내칭 예측 모델은 온라인에서 실시간으로 획득된 오더-관련 데이터에 기초하여 기계 학습 알고리즘들을 사용하여 최적화될 수 있다. 몇몇 실시예들에서, 온라인에서 실시간으로 획득된 오더-관련 데이터는 단말기에 대응하는 오더의 간편 도로 등급 특징을 포함할 수 있다.
몇몇 실시예들에서, 오더 스내칭 예측은 오프라인 트레이닝 및 온라인 실시간 컴퓨팅을 포함한 두 개의 스테이지들로 분할될 수 있다. 오프라인 트레이닝 스테이지에서, 오더 확산 시, 오더 관련 특징들, 기사 관련 특징들, 오더, 및 기사 관련 특징들 등을 포함한 다양한 특징들이 예측 변수로서 추출될 수 있다. 기사가 오더를 스내칭하였는지 여부가 타겟 변수로서 취해질 수 있다. 모델 트레이닝은 오더 확산 및 오더 스내칭의 이력 데이터에 대해 행해질 수 있다. 예측 모델이 그 후 획득될 수 있다. 온라인 실시간 컴퓨팅 스테이지에서, 모델은 온라인으로 적용될 수 있다. 실시간으로 추출된 오더에 대응하는 사용자의 간편 도로 등급이 결정될 수 있다. 사전-수립된 예측 모델은 그 후 기계 학습 알고리즘들을 사용하여 최적화될 수 있다. 기계 학습 알고리즘들의 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
도 17에서의 오더 할당 프로세스에 대한 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 단계들은 다양한 방식들로 병합될 수 있다. 또 다른 예로서, 단계(1710)는 생략될 수 있으며, 이것은 사용자에 대응하는 오더 매칭 조건이 사용자에 의해 업로딩되거나 또는 설정되지 않고 디폴트 조건일 수 있다는 것을 의미한다. 계속해서 또 다른 예로서, 오더 수신인의 오더 스내칭 레이트가 의사 결정 트리 모델에 의해 트레이닝될 수 있다. 모든 이러한 수정들 및 변형들은 본 개시의 보호 범위 내에 있다.
도 18은 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템(110)의 개략도이다. 오더 할당 시스템(110)은 하나 이상의 인터페이스 모듈들(230/240) 및 프로세싱 모듈들(210)을 포함할 수 있다. 인터페이스 모듈(230/240)은 하나 이상의 수신 유닛들(231) 및 전송 유닛들(232)을 추가로 포함할 수 있다. 프로세싱 모듈(210)은 하나 이상의 오더 생성 유닛들(311), 사용자 단말기 스크리닝 유닛들(323), 결정 모듈들(330), 오더 스내칭 예측 유닛들(342), 및 오더 할당 유닛들(361)을 추가로 포함할 수 있다. 결정 모듈(330)은 하나 이상의 오더 확산 반경 결정 유닛들(331) 및 거리 결정 유닛들(334)을 추가로 포함할 수 있다. 인터페이스 모듈(230/240), 수신 유닛(231), 및 전송 유닛(232)의 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
몇몇 실시예들에서, 오더 생성 유닛(311)은 사용자 단말기로부터 택시-예약 요청을 수신할 때 택시-예약 요청에 기초하여 오더를 생성하도록 구성될 수 있다.
몇몇 실시예들에서, 사용자 단말기 스크리닝 유닛(323)은 오더의 출발 위치에 따라 오더 확산 범위 내에서 적어도 하나의 사용자 단말기를 획득하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 확산 반경 결정 유닛(331)은 사전 설정 영역의 제 1 사전 설정 시간 기간에서 오더-관련 이력 데이터를 획득하도록 구성될 수 있다. 현재 오더 확산 범위는 그 후 오더-관련 이력 데이터 및 현재 오더의 시간 정보에 기초하여 결정될 수 있다. 몇몇 실시예들에서, 오더 스내칭 확률이 사전 설정 시간 기간에서 사전 설정 임계치보다 큰 범위는 출발 위치에 기초하여 현재 오더 확산 범위로서 결정될 수 있다.
몇몇 실시예들에서, 거리 결정 유닛(334)은 단말기의 현재 위치 및 사용자 단말기 스크리닝 유닛(323)에 의해 획득된 각각의 사용자 단말기에 대한 오더의 출발 위치 사이에서의 거리를 결정하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 스내칭 예측 유닛(342)은 거리 및 현재 시간 정보에 기초하여, 사전-수립된 오더 스내칭 예측 모델을 사용하여 사용자-단말기의 오더 스내칭 확률을 획득하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 할당 유닛(361)은 적어도 하나의 사용자 단말기의 오더 스내칭 확률에 기초하여 오더를 할당하도록 구성될 수 있다. 구체적으로, 적어도 하나의 사용자 단말기가 단지 하나의 단말기만을 포함할 때, 오더는 단말기로 전송될 수 있다. 적어도 하나의 사용자 단말기가 다수의 단말기들을 포함할 때, 오더는 다수의 단말기들의 오더 스내칭 확률에 의한 내림차순으로 다수의 단말기들로 전송될 수 있다.
몇몇 실시예들에서, 오더 할당 시스템(110)은 또한 예측 모델 구축 유닛을 포함할 수 있다. 예측 모델 구축 유닛은 특징 데이터로서 오더-관련 이력 데이터를 사용할 수 있다. 예측 모델 구축 유닛은 특징 데이터를 트레이닝하기 위해 선형 회귀 모델을 사용할 수 있다. 오더 스내칭 예측 모델이 그 후 획득될 수 있다. 오더-관련 이력 데이터는 각각의 트랜잭션 오더의 트랜잭션 거리, 각각의 트랜잭션 오더의 트랜잭션 시간, 단말기로부터 오더의 출발 위치까지의 주행 시간, 응답 후 취소된 각각의 오더의 오더 스내칭 거리, 오더 스내칭 시간, 오더 취소 시간, 오더가 취소될 때 단말기로부터 오더의 출발 위치까지의 거리 등, 그것의 임의의 조합을 포함할 수 있다. 선형 회귀 모델은 로지스틱 회귀 모델 및 지지 벡터 기계 모델 중 하나일 수 있다. 선형 회귀 모델은 또한 다른 모델들일 수 있다.
몇몇 실시예들에서, 오더 할당 시스템(110)은 또한 모델 최적화 유닛을 포함할 수 있다. 모델 최적화 유닛은 실시간으로 획득된 오더-관련 데이터에 따라 기계 학습 알고리즘들을 사용하여 오더 스내칭 예측 모델을 최적화하도록 구성될 수 있다. 기계 학습 알고리즘의 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
도 18에서의 오더 할당 시스템의 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 모듈들은 다양한 방식들로 조합되거나 또는 서브-시스템들로서 다른 모듈들과 연결될 수 있다. 또 다른 예로서, 결정 모듈(330)은 오더 확산 반경 결정 유닛 없이 디폴트 오더 확산 반경을 직접 사용할 수 있다. 계속해서 또 다른 예로서, 오더 할당 시스템(110)은 오더 생성 유닛(311) 없이 기존의 오더들을 직접 스크리닝할 수 있다. 모든 이러한 수정들은 본 개시의 보호 범위 내에 있다.
도 19는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 프로세스는 다음의 단계들을 포함할 수 있다:
단계(1910)에서, 사용자 단말기의 택시-예약 요청을 수신한 후, 오더는 택시-예약 요청에 따라 생성될 수 있다. 오더의 시작 포인트가 그 후 획득될 수 있다. 예를 들면, 사용자 단말기의 택시-예약 요청을 수신한 후, 오더 생성 유닛(311)은 택시-예약 요청에 따라 오더를 생성하며 오더의 시작 포인트를 획득할 수 있다.
단계(1920)에서, 오더의 오더 확산 범위에서의 적어도 하나의 사용자 단말기는 오더의 시작 포인트에 따라 획득될 수 있다. 예를 들면, 사용자 단말기 스크리닝 유닛(323)은 오더의 시작 포인트에 따라 오더의 오더 확산 범위에서 적어도 하나의 사용자 단말기를 획득하도록 구성될 수 있다. 몇몇 실시예들에서, 오더의 오더 스내칭 확률이 사전 설정 시간 기간에서 사전 설정 임계치보다 큰 범위는 시작 포인트에 기초하여 현재 오더 확산 범위로서 지정될 수 있다. 본 개시의 이해를 가능하게 하기 위해, 예가 이후 예시된다. 단지 예로서, 오더의 거래 레이트를 증가시키기 위해, 사전 설정 임계치는 100%로서 설정될 수 있다. 사전 설정 시간 기간(예로서, 어제)에서 오더 확산 범위에서의 각각의 오더 확산의 오더 스내칭 확률은 그 후 100%로서 결정될 수 있다. 구체적으로, 현재 시간 포인트에서 현재 오더의 오더 확산 범위는 사전 설정 시간 기간에서 오더-관련 이력 데이터에 따라 결정될 수 있다. 단말기(들)는 오더 확산 범위(예로서, 가장 긴 오더 확산 거리)에 따라 예비 스크리닝될 수 있다. 택시-예약 시스템은 단지 오더 정보를 오더 확산 범위에서의 단말기(들)로만 전송하며 최적의 거리에 기초하여 오더에 가장 적합한 기사(들)에 대한 오더 매칭을 행할 수 있다.
단계(1930)에서, 각각의 획득된 단말기에 대해, 단말기의 현재 위치 및 오더의 출발 위치 사이에서의 거리가 결정될 수 있다. 예를 들면, 각각의 획득된 단말기에 대해, 거리 결정 유닛(334)은 단말기의 현재 위치 및 오더의 출발 위치 사이에서의 거리를 결정할 수 있다. 구체적으로, 사용자 단말기의 현재 위치는 위치 결정 기술을 사용하여 획득되며 택시-예약 시스템으로 전송될 수 있다. 단말기의 현재 위치 및 오더의 출발 위치 사이에서의 거리는 그 후 택시-예약 시스템에 의해 결정될 수 있다. 몇몇 실시예들에서, 거리는 사용자 단말기 및 오더의 출발 위치 사이에서의 직선 거리일 수 있다. 거리는 또한 위치 결정 시스템 및/또는 실제 도로 상태 정보에 기초하여 획득될 수 있는 사용자 단말기로부터 오더의 출발 위치까지의 실제 차량 주행 거리일 수 있다.
단계(1940)에서, 단말기의 오더 스내칭 레이트는 사전-수립된 오더 스내칭 예측 모델을 사용하여 거리 및 현재 시간 정보에 기초하여 획득될 수 있다. 예를 들면, 오더 스내칭 예측 유닛(342)은 사전-수립된 오더 스내칭 예측 모델을 사용하여 거리 및 현재 시간 정보에 따라 단말기의 오더 스내칭 확률을 획득할 수 있다. 몇몇 실시예들에서, 오더에 관한 단말기의 오더 스내칭 확률은 단계(1930)에서 획득된 거리 및 현재 시간 정보에 따라 예측될 수 있다. 몇몇 실시예들에서, 오더 스내칭 확률은 사용자의 출발 위치 및 목적지 사이에서의 거리, 오더의 가치, 도로 상태 정보 등에 따라 추가로 예측될 수 있다. 오더에 관한 단말기의 오더 스내칭 확률은 거리, 현재 시간 정보 등에 의해 영향을 받을 수 있다. 현재 시간 정보는 피크 시간, 플랫-피크 시간 등과 같은 특징들을 반영할 수 있다. 예를 들면, 오전 8:00 내지 오전 9:00가 피크 시간인 바와 같이, 오더 확산 범위 및 오더 스내칭 확률은 확실히 영향을 받을 수 있다. 대응하는 오더 스내칭 확률은 보다 가까운 거리를 갖고 더 높을 수 있다.
단계(1950)에서, 오더는 적어도 하나의 단말기의 오더 스내칭 레이트에 따라 할당될 수 있다. 예를 들면, 오더 할당 유닛(361)은 적어도 하나의 단말기의 오더 스내칭 확률에 따라 오더를 할당하도록 구성될 수 있다. 몇몇 실시예들에서, 적어도 하나의 사용자 단말기가 단지 하나의 단말기만을 포함한다면, 오더는 단말기로 전송될 수 있다. 적어도 하나의 사용자 단말기가 다수의 단말기들을 포함한다면, 오더는 다수의 단말기들의 오더 스내칭 확률에 의한 내림차순으로 다수의 단말기들로 전송될 수 있다.
몇몇 실시예들에서, 다음의 단계들은 또한 단계(1920) 전에 포함될 수 있다.
첫 번째로, 제 1 사전 설정 시간 기간에서 사전 설정 영역의 오더-관련 이력 데이터가 획득될 수 있다. 오더-관련 이력 데이터는 각각의 트랜잭션 오더의 트랜잭션 거리, 트랜잭션 시간, 오더의 출발 위치에 도달하기 위한 단말기의 경과 시간, 응답 후 각각의 취소된 오더의 오더 스내칭 거리, 오더 스내칭 시간, 오더 취소 시간, 오더가 취소될 때 단말기 및 오더의 출발 위치 사이에서의 거리 등, 또는 그것의 임의의 조합을 포함할 수 있다. 몇몇 실시예들에서, 사전 설정 영역은 도시의 상이한 영역들 또는 상이한 도시들과 같은 지리적 영역일 수 있다.
현재 오더의 오더 확산 범위는 그 후 현재 오더의 오더-관련 이력 데이터 및 시간 정보에 따라 결정될 수 있다. 구체적으로, 오더-관련 이력 데이터가 분석될 수 있다. 예를 들면, 시간 및 영역에 의한 오더-관련 이력 데이터에 대한 통계 분석이 수행될 수 있다. 상이한 영역들 및 상이한 시간 기간들에서 오더의 가장 긴 오더 확산 거리(즉, 오더 확산 범위)가 획득될 수 있다. 현재 오더의 오더 확산 범위는 시간 정보, 출발 정보 등과 같은 현재 오더 정보에 따라 추가로 결정될 수 있다. 상이한 영역들 및 상이한 시간 기간들에서 가장 긴 오더 확산 거리는 상기 설명된 두 개의 단계들에서 획득될 수 있다.
몇몇 실시예들에서, 오더 확산 범위는 동적으로 및 계속해서 업데이트될 수 있다. 몇몇 실시예들에서, 오더 확산 범위는 새로운 오더가 스내칭되는지, 오더 스내칭 거리, 오더 스내칭 시간, 오더 스내칭 영역 등과 같은 대응하는 특징들에 따라 예측될 수 있다. 예를 들면, 오늘 수신된 오더의 오더 확산 범위는 어제의 오더-관련 이력 데이터에 따라 예측될 수 있다.
몇몇 실시예들에서, 단계(1920) 전에, 오더 스내칭 예측 모델은 특징 데이터로서 오더-관련 이력 데이터를 취하며 선형 회귀 모델을 사용하여 특징 데이터를 트레이닝함으로써 획득될 수 있다. 선형 회귀 모델은 로지스틱 회귀 모델 및 지지 벡터 기계 모델 중 하나일 수 있다. 선형 회귀 모델은 또한 임의의 다른 모델일 수 있다. 로지스틱 회귀 모델에 대한 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
몇몇 실시예들에서, 단계(1920) 전에, 오더 스내칭 예측 모델은 또한 온라인에서 실시간으로 획득된 오더-관련 데이터에 기초하여 기계 학습 알고리즘들을 사용하여 최적화될 수 있다. 로지스틱 회귀 모델의 정확도는 또한 새로운 오더가 스내칭되었는지 여부와 같은 관련 특징을 계속해서 부가함으로써 계속해서 개선될 수 있다. 오더 스내칭 예측은 오프-라인 트레이닝 및 온라인 실시간 컴퓨팅을 포함한 두 개의 스테이지들로 분할될 수 있다. 오프라인 트레이닝 스테이지에서, 다양한 특징 데이터(예로서, 오더 관련 특징들, 단말기 관련 특징들, 오더 및 단말기 관련 특징들 등)는 오더가 확산 중일 때 예측 변수로서 추출될 수 있다. 단말기가 오더를 스내칭하였는지 여부는 타겟 변수로서 취해질 수 있다. 모델 트레이닝은 오더 확산 및 오더 스내칭의 이력 데이터에 대해 행해질 수 있다. 오더 스내칭 예측 모델이 그 후 획득될 수 있다. 온라인 실시간 컴퓨팅 스테이지에서, 모델은 온라인으로 적용될 수 있다. 오더의 현재 출발 위치 및 단말기의 현재 위치 사이에서의 도로 거리가 결정될 수 있다. 기계 학습 알고리즘의 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
도 19에서의 오더 할당 프로세스의 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 단계들은 다양한 방식들로 통합될 수 있다. 또 다른 예로서, 오더 확산 범위는 언제라도 업데이트될 수 있다. 계속해서 또 다른 예로서, 오더 수신인의 오더 스내칭 레이트는 의사 결정 트리 모델을 사용하여 트레이닝될 수 있다. 모든 이러한 수정들 및 변형들은 본 개시의 보호 범위 내에 있다.
도 20은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 도면에서 도시된 바와 같이, 현재 오더는 단계(2010)에서 사용자로 전송될 수 있다. 예를 들면, 전송 유닛(232)(도 3에 도시된 바와 같이)은 현재 오더를 사용자에게 전송할 수 있다. 오더 유형들, 오더 정보 등의 관련 설명들은 본 개시에서 발견될 수 있다. 단계(2020)에서, 이력 오더 수신 시간으로부터 사용자의 이력 오더 스내칭 시간까지의 이력 오더 스내칭 시간이 획득될 수 있다. 예를 들면, 사용자 정보 획득 유닛(324)(도 3에 도시된 바와 같이)은 사용자의 이력 오더 스내칭 시간을 획득할 수 있다. 이력 오더 스내칭 시간은 오더 수신 시간으로부터 이력 오더(들)의 오더 스내칭 시간까지의 오더 스내칭 시간을 나타낼 수 있다. 예를 들면, 다수의 이력 오더들이 있다면, 사전 설정 시간 기간에서 모든 이력 오더들 또는 그것의 부분의 이력 오더 스내칭 시간이 획득될 수 있다. 단계(2030)에서, 현재 오더는 이력 오더 스내칭 시간에 기초하여 전송될 수 있다. 예를 들면, 결정 모듈(330)(도 3에 도시된 바와 같이)은 이력 오더 스내칭 시간에 기초하여 현재 오더를 전송할 수 있다.
몇몇 실시예들에서, 단계(2030)는 다음의 두 개의 단계들을 추가로 포함할 수 있다:
C01, 사용자가 사전 설정 시간에 오더를 스내칭하지 않았다고 결정될 수 있다. 예를 들면, 타이머가 사용자에 대해 설정될 수 있다. 사용자가 사전 설정 시간에 오더를 스내칭하였는지 여부가 결정될 수 있다. 사용자가 오더를 스내칭하였다면, 오더 수신 시간으로부터 사용자의 오더 스내칭 시간까지의 이력 오더 스내칭 시간은 기록될 수 있다.
C02, 사전 설정 시간 후 사용자의 오더 스내칭 레이트는 이력 오더 스내칭 시간에 기초하여 결정될 수 있다. 몇몇 실시예들에서, 오더 스내칭 레이트는 다음의 단계들에 따라 결정될 수 있다: 모든 이력 오더들에 대한 사용자의 오더 스내칭 횟수들을 결정하는 단계, 사전 설정 시간 후 사용자의 오더 스내칭 횟수들을 결정하는 단계, 및 사전 설정 시간 후 사용자의 오더 스내칭 레이트를 결정하는 단계. 몇몇 실시예들에서, 오더 스내칭 레이트는 다음의 단계들에 따라 결정될 수 있다: 이력 오더 스내칭 시간에 기초하여 다수의 오더 스내칭 시간 기간들을 결정하는 단계, 이력 오더 스내칭 시간을 포함하는 오더 스내칭 시간 기간에서 사용자의 오더 스내칭 레이트를 결정하는 단계, 및 사전 설정 시간 후 오더 스내칭 시간 기간에서 사용자의 오더 스내칭 레이트를 결정하는 단계. 몇몇 실시예들에서, 이력 오더 스내칭 시간을 포함하는 오더 스내칭 시간 기간에서의 오더 스내칭 레이트는 모든 이력 오더들에 대한 사용자의 오더 스내칭 횟수들 및 이력 오더 스내칭 시간을 포함하는 오더 스내칭 시간 기간에서의 사용자의 오더 스내칭 횟수들에 기초하여 결정될 수 있다.
몇몇 실시예들에서, 현재 오더의 거래 레이트는 주로 오더 스내칭 레이트에 기초하여 결정될 수 있다. 예를 들면, 현재 오더의 거래 레이트는
Figure pct00009
로서 결정될 수 있으며, 여기에서 Pdeal rate는 현재 오더의 거래 레이트이며 Pn은 사전 설정 시간 후 사용자(n)의 오더 스내칭 레이트이다. 현재 오더가 그 후 거래 레이트에 기초하여 전송될 수 있다. 예를 들면, 현재 오더를 포함한 다수의 현재 오더들은 오더 스내칭 레이트×(1 - 거래 레이트)의 수치 값에 의한 내림차순으로 전송될 수 있다. 보다 높은 우선순위는 오더 스내칭 레이트가 더 높을 때 달성될 수 있다. 몇몇 실시예들에서, 보다 높은 우선순위는 오더의 거래 레이트가 낮을 때 달성될 수 있다. 몇몇 실시예들에서, 오더 스내칭 레이트 및 거래 레이트는 종합하여 고려될 수 있다.
도 21a는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 편리함을 위해, 도 21a는 오더 할당 프로세스를 예시하기 위한 예로서 취해질 수 있으며, 이것은 제한적이도록 의도되지 않는다.
단계(2110)에서, 시간(tn-2)에서 시작하는 제 (n-2) 할당 동안, 오더는 dn -2 사용자들로 제공되거나 또는 확산될 수 있다. 심볼(Dn-2)은 dn -2 사용자들의 사용자를 나타낼 수 있다는 것이 주의되어야 한다.
단계(2120)에서, 시간(tn-1)에서 시작되는 제 (n-1) 할당 동안, 오더는 dn -1 사용자들로 제공되며 확산될 수 있다. 심볼(Dn-1)은 dn -1 사용자들의 사용자를 나타낼 수 있다는 것이 주의되어야 한다.
단계(2130)에서, 사용자(Dn - 2)가 시간(tn)에서 시작되는 제 n 할당 동안 tn-2에서 tn까지의 시간 기간 내에서의 사전 설정 시간에서 오더를 스내칭하지 않았다면, 사전 설정 시간 후 사용자(Dn - 2)의 오더 스내칭 레이트는 오더 수신 시간으로부터 사전 설정 시간이 P와 같은, 이력 오더에 대한 사용자(Dn - 2)의 오더 스내칭 시간까지의 이력 오더 스내칭 시간에 기초하여 결정될 수 있다(즉, 사용자(Dn-2)가 시간(tn) 후 오더를 스내칭한다). 구체적으로, 오더 스내칭 레이트는 식 7로서 결정될 수 있다(예로서, 조건부 확률 계산 식):
P(사용자(Dn -2)는 tn 후 오더를 스내칭한다) = P(사용자(Dn - 2)는 tn-2 후 오더를 스내칭한다)×P(사용자(Dn - 2)는 tn 후 오더를 스내칭한다|사용자(Dn - 2)는 tn-2 후 오더를 스내칭한다), (식 7)
여기에서 P(사용자(Dn - 2)는 tn-2 후 오더를 스내칭한다)는 현재 오더에 대한 사용자(Dn-2)의 오더 스내칭 레이트를 나타낼 수 있다. 이 기술분야의 숙련자들에 대해 오더 스내칭 레이트는 일반적으로 현재 오더의 시작 포인트 및 사용자(Dn - 2)의 현재 위치 사이에서의 거리, 현재 오더의 시작 포인트 및 목적지 사이에서의 거리, 오더의 시작 포인트가 사용자(Dn - 2)의 현재 주행 루트 가까이에 있는지 등, 또는 그것의 임의의 조합을 포함한 다수의 인자들에 의존할 수 있는, 오더 스내칭 의도를 나타낼 수 있다는 것이 이해된다.
사용자(Dn - 2)가 오더를 스내칭하려고 할 때, P(사용자(Dn - 2)는 tn 후 오더를 스내칭한다|사용자(Dn-2)는 tn-2 후 오더를 스내칭한다)는 tn-2로부터 t까지의 시간보다 많은 시간을 요구하는 오더 스내칭 동작을 행할 확률을 나타낼 수 있다. 이 기술분야의 숙련자들에 대해 확률은, 일반적으로 사용자(Dn - 2)가 현재 오더를 엿듣기 위해 보다 많은 시간을 보내고, 사용자(Dn - 2)가 오더를 스내칭할지 여부를 결정하기 위해 보다 많은 시간을 보내고, 사용자(Dn - 2)가 조심스럽게 주행하는 것으로 인해 오더 스내칭 동작을 행하기 위해 보다 많은 시간을 보내는 등을 포함한 다수의 인자들에 의존할 수 있는, 오더 스내칭 능력을 나타낼 수 있다는 것이 이해된다.
본 개시의 몇몇 실시예들에 따르면, P(사용자(Dn - 2)는 tn 후 오더를 스내칭한다|사용자(Dn-2)는 tn-2 후 오더를 스내칭한다)는 다음의 방법들로서 결정될 수 있다.
방법 1
첫 번째로, 모든 이력 오더들에 대한 사용자(Dn - 2)의 오더 스내칭 횟수들이 결정될 수 있다. 예를 들면, 지난 시간 기간(예로서, 주, 월, 년 등)에서 이력 오더들에 대한 사용자(Dn-2)의 오더 스내칭 횟수들이 결정될 수 있다.
두 번째로, 사전 설정 시간 후 사용자(Dn - 2)의 오더 스내칭 횟수들이 결정될 수 있다. 예를 들면, 지난 시간 기간(주, 월, 년 등)에서 tn 후 사용자(Dn - 2)의 오더 스내칭 횟수들이 결정될 수 있다.
세 번째로, 두 개의 오더 스내칭 횟수들에 따라, P(사용자(Dn - 2)는 tn 후 오더를 스내칭한다|사용자(Dn - 2)는 tn-2 후 오더를 스내칭한다)가 결정될 수 있다. 예를 들면, P(사용자(Dn - 2)는 tn 후 오더를 스내칭한다|사용자(Dn - 2)는 tn-2 후 오더를 스내칭한다)는 전자의 스내칭 횟수들에 대한 후자의 오더 스내칭 횟수들의 몫일 수 있다.
방법 2
첫 번째로, 이력 오더 스내칭 시간을 포함하는 오더 스내칭 시간 기간에서의 사용자(Dn-2)의 오더 스내칭 레이트가 결정될 수 있다.
구체적으로, 모든 이력 오더들에 대한 사용자(Dn - 2)의 오더 스내칭 횟수들이 결정될 수 있다. 이력 오더 스내칭 시간을 포함하는 오더 스내칭 시간 기간에서의 사용자(Dn - 2)의 오더 스내칭 횟수들이 결정될 수 있다. 이력 오더 스내칭 시간을 포함하는 오더 스내칭 시간 기간에서 사용자(Dn - 2)의 오더 스내칭 레이트는 그 후 2 오더 스내칭 횟수들에 기초하여 결정될 수 있다. 예를 들면, 이력 오더 스내칭 시간을 포함하는 오더 스내칭 시간 기간에서 사용자(Dn - 2)의 오더 스내칭 레이트는 전자의 스내칭 횟수들에 대한 후자의 오더 스내칭 횟수들의 몫일 수 있다.
도 21b는 본 개시의 몇몇 실시예들에 따른 이력 오더 스내칭 시간의 대표적인 분포의 개략도이다. 몇몇 실시예들에서, 상기 설명된 확률은 도 21b에 도시된 이력 오더 스내칭 시간의 분포에 기초하여 결정될 수 있다. 도 21b에 도시된 바와 같이, 시간(tn-2)에서 방송된 이력 오더들에 대해, 오더 스내칭 시간 기간에 대응하는 오더 스내칭 레이트는 각각의 후속 시간 포인트에서의 확률 밀도 곡선에 기초하여 결정될 수 있다. 예를 들면, tn에서 tn+1까지의 이력 오더 스내칭 시간 내에서의 사용자(Dn - 2)의 오더 스내칭 레이트는 tn에서 tn+1까지의 이력 오더 스내칭 시간 내에서 x-축 및 확률 밀도 곡선에 의해 둘러싸여 있는 그래프의 면적으로서 결정될 수 있다. 유사하게, tn+1에서 tn+2까지의 이력 오더 스내칭 시간 내에서 사용자(Dn - 2)의 오더 스내칭 레이트는 tn+1에서 tn+2까지의 이력 오더 스내칭 시간 내에서 x-축 및 확률 밀도 곡선에 의해 둘러싸여진 그래프의 면적으로서 결정될 수 있다.
두 번째로, 사전 설정 시간 후 오더 스내칭 시간 기간 내에서 사용자(Dn - 2)의 오더 스내칭 레이트의 합이 결정될 수 있다. 예를 들면, tn에서 tn+1까지의 이력 오더 스내칭 시간에서 사용자(Dn - 2)의 오더 스내칭 레이트 및 tn+1에서 tn+ 2까지의 이력 오더 스내칭 시간에서 사용자(Dn - 2)의 오더 스내칭 레이트의 합이 결정될 수 있다. 확률은 tn에서 tn+2까지의 이력 오더 스내칭 시간 내에서 x-축 및 확률 밀도 곡선에 의해 둘러싸여진 그래프의 면적으로서 결정될 수 있다.
단계(2140)에서, 사용자(Dn - 1)가 tn에서 시작되는 제 n 할당 동안 tn-1에서 tn까지의 사전 설정 시간에서 오더를 스내칭하지 않았다면, 사전 설정 시간 후 사용자(Dn-1)의 오더 스내칭 레이트는 오더 수신 시간으로부터 이력 오더들에 대한 사용자(Dn - 1)의 오더 스내칭 시간까지의 이력 오더 스내칭 시간, 예로서 P(사용자(Dn-1)는 tn 후 오더를 스내칭한다)에 기초하여 결정될 수 있다.
이 기술분야의 숙련자들에 대해, 단계(1240)는 단계(1230)와 유사하다는 것이 이해되어야 하며, 그것은 여기에서 추가로 설명되지 않을 것이다. 한편, 이 기술분야의 숙련자들에 대해, 단계들(1240 및 1230)은 엄격한 시퀀스로 수행되지 않을 수 있다는 것이 또한 이해되어야 한다. 예를 들면, 단계(1240)는 단계(1230) 전에 수행될 수 있다. 단계들(1240 및 1230)은 동시에 수행될 수 있다.
단계(2150)에서, 현재 오더의 거래 레이트는 단계(2130)에서 결정된 오더 스내칭 레이트 및 단계(2140)에서 결정된 오더 스내칭 레이트에 기초하여 결정될 수 있다. 예를 들면, 거래 레이트는 식 8에 기초하여 결정될 수 있다:
Pdeal rate = 1-(1-P(사용자(Dn - 2)는 tn 후 오더를 스내칭한다))×(1-P(사용자(Dn- 1)는 tn 후 오더를 스내칭한다)), (식 8)
대안적으로 또는 부가적으로, 현재 오더의 거래 레이트가 결정되기 전에, 단계(1230)에서 결정된 오더 스내칭 레이트 및 단계(1240)에서 결정된 오더 스내칭 레이트가 오더 스내칭 레이트의 사전 설정 임계치보다 큰지가 결정될 수 있다. 몇몇 실시예들에서, 거래 레이트에 대한 보다 낮은 오더 스내칭 레이트를 가진 사용자들의 영향은 회피될 수 있다. 오더 스내칭 임계치는 수치 값 또는 수치 간격일 수 있다.
단계(1260)에서, 판단 단계(1250)에서 결정된 현재 오더의 거래 레이트가 사전 설정 거래 레이트 임계치보다 큰 지가 결정될 수 있다. 단계(1250)에서 결정된 현재 오더의 거래 레이트가 사전 설정 거래 레이트 임계치보다 크다면, 그것은 현재 오더가 이미 충분한 사용자들에게 제공되었거나 또는 확산되었음을 나타낼 수 있다. 현재 오더의 전송은 그 후 제 n 할당 동안 정지될 수 있으며, 프로세스는 끝날 수 있다. 단계(1250)에서 결정된 현재 오더의 거래 레이트가 사전 설정 거래 레이트 임계치보다 크지 않다면, 프로세스는 단계(2170)로 진행할 수 있다.
단계(2170)에서, 다수의 현재 오더들은 단계(1250)에서 결정된 거래 레이트에 의한 오름차순으로 전송될 수 있다. 제 n 할당 동안 보다 낮은 거래 레이트를 가진 현재 오더들은 그 후 보다 많은 횟수들로 제공되거나 또는 확산될 수 있다. 예를 들면, 현재 오더를 포함한 다수의 현재 오더들은 오더 스내칭 레이트×(1-거래 레이트)의 수치 값에 의한 내림차순으로 전송될 수 있다. 보다 높은 우선순위는 오더 스내칭 레이트가 더 높을 때 달성될 수 있다. 몇몇 실시예들에서, 보다 높은 우선순위는 또한 오더의 거래 레이트가 더 낮을 때 달성될 수 있다. 몇몇 실시예들에서, 오더 스내칭 레이트 및 거래 레이트는 종합하여 고려될 수 있다.
오더 할당 프로세스의 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 변형들이 본 개시의 교시 하에서 오더 할당 프로세스에 대해 행해질 수 있다. 그러나, 이들 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 도 21a에서의 단계들은 변경된 시퀀스에서 실행될 수 있다. 몇몇 단계들은 생략될 수 있다. 몇몇 단계들은 부가될 수 있다. 다수의 단계들은 하나의 단계로 통합될 수 있다. 단계는 다수의 단계들로 분할될 수 있다. 예를 들면, 단계들(2120 및 2130)은 다양한 시퀀스들로 또는 동시에 수행될 수 있다. 단계들(2120 및 2130)은 하나의 단계로 통합될 수 있다. 모든 이러한 변형들은 본 개시의 보호 범위 내에 있다.
도 22는 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템(110)의 개략도이다. 도면에 도시된 바와 같이, 오더 할당 시스템(110)은 하나 이상의 인터페이스 모듈들(230/240) 및 프로세싱 모듈들(210)을 포함할 수 있다. 인터페이스 모듈(230/240)은 하나 이상의 수신 유닛들(231) 및 전송 유닛들(232)을 추가로 포함할 수 있다. 프로세싱 모듈(210)은 하나 이상의 구독 확률 산출 유닛들(341) 및 분석 모듈들(350)을 추가로 포함할 수 있다. 분석 모듈(350)은 하나 이상의 비교 유닛들(351) 및 판단 유닛들(352)을 추가로 포함할 수 있다.
몇몇 실시예들에서, 수신 유닛(231)은 사용자 단말기로부터 전송된 택시-예약 요청을 수신하도록 구성될 수 있다.
몇몇 실시예들에서, 전송 유닛(232)은 수신 유닛(231)에 의해 획득된 택시-예약 요청에 기초하여 오더 정보를 생성하며 오더 정보를 제 1 단말기로 전송하도록 구성될 수 있다. 구체적으로, 오더 정보는 오더 할당 전략에 따라 제 1 단말기로 전송될 수 있다. 오더 정보는 출발 위치에 기초하여 사전 설정 범위를 포함할 수 있다. 오더 정보는 사전 설정 범위에서의 임의의 단말기로 전송될 수 있다.
몇몇 실시예들에서, 구독 확률 산출 유닛(341)은 제 1 단말기의 초기 오더 스내칭 레이트 및 오더 스내칭 감쇠 특성에 기초하여 구독되는 오더 정보의 확률을 획득하도록 구성될 수 있다. 제 1 단말기의 초기 오더 스내칭 레이트는 오더 정보에 기초하여 생성된 초기 오더 스내칭 레이트일 수 있다. 제 1 단말기의 오더 스내칭 감쇠 특성은 제 1 단말기의 오더-관련 이력 데이터에 기초하여 미리 획득될 수 있다. 구체적으로, 구독 확률 산출 유닛(341)은 오더 정보에 기초하여 제 1 단말기의 초기 오더 스내칭 레이트(s(t0))를 생성할 수 있다. 오더 정보는 사용자 단말기의 출발, 목적지, 사용자 표시, 오더 생성의 시간, 제 1 단말기의 위치 정보 등, 또는 그것의 임의의 조합을 포함할 수 있다. 구독 확률 산출 유닛(341)은 그 후 제 1 단말기의 사전-수립된 오더 스내칭 감쇠 특성(f0(t))을 탐색할 수 있다. 구독되는 오더 정보의 확률(Psr)은 식 9로서 결정될 수 있다:
Figure pct00010
, (식 9)
여기에서 s(tn)은 제 (N+1) 단말기의 초기 오더 스내칭 레이트를 표시할 수 있고, n은 0보다 크거나 또는 같은 양의 정수일 수 있으며, fn(t)는 제 (N+1) 단말기의 오더 스내칭 감쇠 특성을 나타낼 수 있다. 몇몇 실시예들에서, f0(0), ..., fn(0)은 1로서 설정될 수 있다.
본 개시의 이해를 가능하게 하기 위해, 구독 확률 산출의 예가 예시될 수 있다. 오더 정보가 각각 t0, t1, 및 tn에서 제 1 단말기, 제 2 단말기, 및 제 (N+1) 단말기로 전송되면, t(n+1)에서 구독되는 오더의 확률은 (N+1) 단말기들의 초기 오더 스내칭 레이트 및 오더 스내칭 감쇠 특성에 따라 산출될 수 있다. 오더 구독 확률에 대한 오더 확산 이력의 영향은 그 후 정확하게 예측될 수 있다.
몇몇 실시예들에서, 비교 유닛(351)은 비교 결과를 획득하기 위해 사전 설정 임계치와 구독 확률을 비교하도록 구성될 수 있다.
몇몇 실시예들에서, 판단 유닛(352)은 비교 결과에 기초하여 오더 정보를 제 N 단말기로 전송할지 여부를 결정하도록 구성될 수 있다. N은 2보다 크거나 또는 같은 양의 정수일 수 있다. 제 1 단말기로부터 제 N 단말기로의 단말기들은 모두 사용자 단말기를 위한 동작 서비스를 제공하기 위해 사용될 수 있다.
몇몇 실시예들에서, 구독 확률이 사전 설정 임계치보다 낮을 때, 판단 유닛(352)은 제 N 단말기로 오더 정보를 전송할 수 있다. 판단 유닛(352)은 또한 제 N 단말기의 초기 오더 스내칭 레이트 및 오더 스내칭 감쇠 특성을 획득할 수 있다. 제 N 단말기의 초기 오더 스내칭 레이트는 오더 정보에 기초하여 생성된 초기 오더 스내칭 레이트일 수 있다. 제 N 단말기의 오더 스내칭 감쇠 특성은 제 N 단말기의 오더-관련 이력 데이터에 기초하여 미리 획득될 수 있다. 구독되는 오더 정보의 구독 확률은 오더 정보를 전송하기 위해 사용되는 단말기들 모두의 초기 오더 스내칭 레이트 및 오더 스내칭 감쇠 특성에 기초하여 획득될 수 있다. 구독 확률은 그 후 사전 설정 임계치와 비교될 수 있다.
몇몇 실시예들에서, 오더 할당 시스템(110)은 또한 단말기의 오더-관련 이력 데이터에 기초하여 각각의 단말기의 오더 스내칭 감쇠 특성을 수립하도록 구성될 수 있는 사전 설정 유닛을 포함할 수 있다. 구체적으로, 각각의 단말기에 대하여, 사전 설정 유닛은 각각의 단말기에 대응하는 다수의 오더들의 오더 확산 시간 정보 및 오더 스내칭 시간 정보를 포함한 오더-관련 이력 데이터를 획득할 수 있다. 오더 확산 시간 정보는 단말기로 확산되는 오더 정보의 시간 포인트일 수 있다. 오더 스내칭 시간 정보는 단말기에 의해 구독되는 오더 정보의 시간 포인트일 수 있다. 단말기의 오더 스내칭 감쇠 특성은 이력 데이터에 기초하여 획득될 수 있다.
몇몇 실시예들에서, 사전 설정 유닛은 또한 이력 데이터에서의 오더 정보에 대응하는 오더 확산 시간 정보 및 오더 스내칭 시간 정보 사이에서의 값 차이를 분석할 수 있다. 사전 설정 유닛은 단말기의 시간-기반 오더 스내칭 감쇠 특성을 결정할 수 있다. 사전 설정 유닛은 그 후 단말기의 오더 스내칭 감쇠 특성을 획득할 수 있다.
몇몇 실시예들에서, 오더 할당 시스템(110)은 또한 중복 제거 유닛을 포함할 수 있다. 중복 제거 유닛은 이력 데이터에서 중복 데이터를 제거하도록 구성될 수 있다. 중복 데이터는 동일한 오더 정보가 동일한 단말기로 확산될 때 다수의 확산 시간 포인트들에 대한 정보를 포함할 수 있다. 중복 데이터는 또한 동일한 단말기가 동일한 오더 정보를 구독할 때 다수의 오더 스내칭 시간 포인트들에 대한 정보를 포함할 수 있다. 구체적으로, 동일한 오더 정보가 동일한 단말기로 확산될 때 다수의 오더 확산 시간 포인트들이 있다면, 최근의 오더 확산 시간 정보는 다수의 오더 확산 시간 포인트들 중에서 예약될 수 있다. 동일한 단말기가 동일한 오더 정보를 구독할 때 다수의 오더 스내칭 시간 포인트들이 있다면, 가장 이른 오더 스내칭 시간 정보가 다수의 오더 스내칭 시간 포인트들 중에서 예약될 수 있다.
도 22에서의 오더 할당 시스템(110)의 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 모듈들은 다양한 방식들로 조합되거나, 또는 서브-시스템들로서 다른 모듈들과 연결될 수 있다. 예를 들면, 비교 유닛(351) 및 판단 유닛(352)은 구독 확률의 비교 및 판단을 위해 사용될 수 있는 분석 유닛으로 조합될 수 있다. 또 다른 예로서, 오더 할당 시스템(110)은 오더 수신 유닛(231) 없이 기존의 오더들을 직접 스크리닝하며 할당할 수 있다. 모든 이러한 수정들 및 변형들은 본 개시의 보호 범위 내에 있다.
도 23은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 프로세스는 다음의 단계들을 포함할 수 있다:
단계(2310)에서, 오더 정보는 택시-예약 요청에 기초하여 생성되며 제 1 단말기로 전송될 수 있다. 예를 들면, 전송 유닛(232)은 수신 유닛(231)에 의해 획득된 택시-예약 요청에 기초하여 생성된 오더 정보를 제 1 단말기로 전송하도록 구성될 수 있다. 구체적으로, 오더 정보는 오더 할당 전략에 기초하여 제 1 단말기로 전송될 수 있다. 오더 정보는 출발 위치에 기초하여 미리 결정된 사전 설정 영역을 포함할 수 있다. 오더 정보는 사전 설정 영역에서의 임의의 단말기로 전송될 수 있다.
단계(2320)에서, 구독되는 획득된 오더 정보의 구독 확률은 제 1 단말기의 초기 오더 스내칭 레이트 및 오더 스내칭 감쇠 특성에 기초하여 결정될 수 있다. 예를 들면, 구독 확률 산출 유닛(341)은 제 1 단말기의 초기 사용자 오더 스내칭 레이트 및 오더 스내칭 감쇠 특성에 기초하여 구독되는 획득된 오더 정보의 구독 확률을 결정할 수 있다. 제 1 단말기의 초기 오더 스내칭 레이트는 오더 정보에 기초하여 생성된 초기 오더 스내칭 레이트일 수 있다. 구체적으로, 구독 확률 산출 유닛(341)은 사용자 단말기의 출발, 목적지, 사용자 표시, 오더 생성 시간, 제 1 단말기의 위치 정보 등, 또는 그것의 임의의 조합과 같은 오더 정보에 기초하여 제 1 단말기의 초기 오더 스내칭 레이트(s(t0))를 생성하도록 구성될 수 있다. 구독 확률 산출 유닛(341)은 그 후 제 1 단말기의 사전-수립된 오더 스내칭 감쇠 특성(f0(t))을 탐색하며 구독 확률 계산식을 사용하여 구독되는 획득된 오더들의 구독 확률(Psr)을 획득할 수 있다. 구독 확률 산출의 관련 설명은 본 개시에서의 시스템(110)의 실시예들에서 발견될 수 있다.
단계(2330)에서, 비교 결과는 사전 설정 임계치와 구독 확률을 비교함으로써 획득될 수 있다. 예를 들면, 비교 유닛(351)은 사전 설정 임계치와 구독 확률을 비교함으로써 비교 결과를 획득하도록 구성될 수 있다. 사전 설정 임계치는 요구된 오더 확률에 따라 설정될 수 있다. 예를 들면, 요구된 구독 확률이 95%이면, 사전 설정 임계치는 95%로서 설정될 수 있다. 현재 구독 확률이 95% 이상이면, 다른 단말기들로의 오더 정보의 전송은 정지될 수 있다. 현재 구독 확률인 95% 미만이면, 오더 정보는 계속해서 다른 단말기들로 전송될 수 있다.
단계(2340)에서, 제 N 단말기로 오더 정보를 전송할지 여부가 비교 결과에 기초하여 결정될 수 있다. 예를 들면, 판단 유닛(352)은 단계(2330)에서 획득된 비교 결과에 따라 오더 정보를 제 N 단말기로 전송할지 여부를 결정할 수 있다. N은 2 이상의 양의 정수일 수 있다. 제 1 단말기로부터 제 N 단말기로의 단말기들은 모두 사용자 단말기를 위한 동작 서비스를 제공하기 위해 사용될 수 있다. 구체적으로, 구독 확률이 사전 설정 임계치보다 낮다면, 오더 정보는 계속해서 또 다른 단말기로 전송될 수 있다. 구독 확률이 사전 설정 임계치 이상이면, 오더 정보를 전송하는 것은 정지될 수 있다.
몇몇 실시예들에서, 단계(2340)는 다음의 단계들을 추가로 포함할 수 있다. 구독 확률이 사전 설정 임계치보다 낮을 때, 오더 정보는 제 N 단말기로 전송될 수 있다. 제 N 단말기의 초기 오더 스내칭 레이트 및 오더 스내칭 감쇠 특성이 획득될 수 있다. 구독되는 오더의 구독 확률은 오더 정보를 전송하는 단말기들 모두의 초기 오더 스내칭 레이트 및 오더 스내칭 감쇠 특성에 따라 획득될 수 있다. 구독 확률 및 사전 설정 임계치가 그 후 비교될 수 있다. 제 N 단말기의 초기 오더 스내칭 레이트는 오더 정보에 기초하여 생성된 초기 오더 스내칭 레이트일 수 있다. 제 N 단말기의 오더 스내칭 감쇠 특성은 제 N 단말기의 오더-관련 이력 데이터에 따라 미리 획득될 수 있다. 구독 확률이 여전히 사전 설정 임계치보다 낮다면, 오더 정보는 오더 정보의 누적된 구독 확률들이 사전 설정 임계치에 도달할 때까지 다른 단말기들로 계속해서 전송될 수 있다.
몇몇 실시예들에서, 사용자 단말기로부터 전송된 택시-예약 요청이 단계(2310) 전에 수신될 수 있다.
몇몇 실시예들에서, 단계(2310) 전에, 단말기의 오더 스내칭 감쇠 특성은 각각의 단말기의 오더-관련 이력 데이터에 따라 수립될 수 있다. 구체적으로, 다음의 단계들이 포함될 수 있다. 각각의 단말기에 대하여, 다수의 오더들의 오더 확산 시간 정보 및 오더 스내칭 시간 정보에 대응하는 단말기의 이력 데이터가 획득될 수 있다. 단말기의 오더 스내칭 감쇠 특성이 그 후 이력 데이터에 따라 획득될 수 있다. 오더 확산 시간 정보는 단말기로 확산되는 오더 정보의 시간 포인트일 수 있다. 오더 스내칭 시간 정보는 오더 정보를 구독하는 단말기의 시간 포인트일 수 있다. 몇몇 실시예들에서, 각각의 단말기의 오더 스내칭 감쇠 특성은 각각의 단말기의 오더 스내칭의 충분한 이력 데이터를 가질 때 수립될 수 있다. 오더 스내칭의 이력 데이터가 부족하다면, 상이한 도시들 및 상이한 오더 유형들에 대해, 각각의 도시의 단말기들에 의해 구독되는 오더 정보의 시간 감쇠 곡선이 키 값으로서 사용자 단말기 ID를 사용하여 결정되고 획득될 수 있다. 시간 감쇠 곡선으로 대체되는 단말기의 오더 스내칭 감쇠 특성을 갖고, 구독 확률은 곡선에 따라 추가로 결정될 수 있다. 오더 유형은 예약 오더, 실시간 오더 등을 포함할 수 있다.
몇몇 실시예들에서, 이력 데이터에서 중복 데이터가 있을 때, 이력 데이터에서의 중복 데이터는 제거될 수 있다. 중복 데이터는 동일한 오더 정보가 동일한 단말기로 확산될 때 다수의 오더 확산 시간 포인트들에 대한 정보를 포함할 수 있다. 중복 데이터는 동일한 단말기가 동일한 오더 정보를 구독할 때 다수의 오더 스내칭 시간 포인트들에 대한 정보를 포함할 수 있다. 구체적으로, 동일한 오더 정보가 동일한 단말기로 확산될 때 다수의 오더 확산 시간 포인트들이 있다면, 최근의 오더 확산 시간 정보가 다수의 오더 확산 시간 포인트들에 대해 예약될 수 있다. 동일한 단말기가 동일한 오더 정보를 구독할 때 다수의 오더 스내칭 시간 포인트들이 있다면, 가장 이른 오더 스내칭 시간 정보가 다수의 오더 스내칭 시간 포인트들에 대해 예약될 수 있다.
몇몇 실시예들에서, 이력 데이터에서의 중복 정보가 제거된 후, 오더 스내칭 감쇠 특성은 중복 데이터 없이 이력 데이터에 따라 획득될 수 있다. 구체적으로, 이력 데이터의 오더 정보에 대응하는 오더 확산 시간 정보 및 오더 스내칭 시간 정보 사이에서의 차이가 분석될 수 있다. 단말기의 시간에 따라 감쇠하는 오더 스내칭 확률의 특성이 결정될 수 있다. 단말기의 오더 스내칭 감쇠 특성이 그 후 획득될 수 있다.
도 24는 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 프로세스는 다음의 단계들을 포함할 수 있다:
단계들(2410 및 2420)에서, 오더 정보는 택시-예약 요청에 따라 생성될 수 있다. 예를 들면, 수신 유닛(231)은 사용자 단말기로부터 전송된 택시-예약 요청을 수신하며 택시-예약 요청에 따라 오더 정보를 생성하도록 구성될 수 있다.
단계(2430)에서, 오더 정보는 제 M 단말기로 전송될 수 있다. 예를 들면, 전송 유닛(232)은 제 M 단말기로 오더 정보를 전송하도록 구성될 수 있으며; 여기에서 M은 1 이상의 양의 정수일 수 있다.
단계(2440)에서, 제 M 단말기의 초기 오더 스내칭 레이트 및 오더 스내칭 감쇠 특성이 획득될 수 있다. 초기 오더 스내칭 레이트 및 오더 스내칭 감쇠 특성의 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
단계(2450)에서, 구독되는 오더의 구독 확률은 오더 정보를 전송하는 단말기들 모두의 초기 오더 스내칭 레이트 및 오더 스내칭 감쇠 특성에 기초하여 결정될 수 있다. 예를 들면, 구독 확률 산출 유닛(341)은 오더 정보를 전송하는 단말기들 모두의 초기 오더 스내칭 레이트 및 오더 스내칭 감쇠 특성에 따라 구독되는 오더의 구독 확률을 산출하도록 구성될 수 있다. 구독 확률의 예측의 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
단계(2460)에서, 구독 확률은 사전 설정 임계치와 비교될 수 있다. 예를 들면, 비교 유닛(351)은 사전 설정 임계치와 구독 확률을 비교하도록 구성될 수 있다. 구독 확률이 사전 설정 임계치보다 낮다면, 산출(M=M+1)이 수행될 수 있으며, 프로세스는 단계(2430)로 루프 백할 것이다. 그렇지 않다면, 프로세스는 단계(2470)로 진행하며 오더 정보를 전송하는 것을 정지할 수 있다.
도 23 및 도 24에서의 오더 할당 프로세스의 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 예를 들면, 단계들은 다양한 방식들로 통합될 수 있다. 또 다른 예로서, 사전 설정 임계치는 언제라도 수동으로 업데이트될 수 있다. 사전 설정 임계치는 또한 시스템 피드백 정보에 따라 자동으로 업데이트될 수 있다. 계속해서 또 다른 예로서, 이력 데이터는 또한 언제라도 업데이트되거나 또는 대체될 수 있다. 모든 이러한 수정들 및 변형들은 본 개시의 보호 범위 내에 있다.
도 25는 본 개시의 몇몇 실시예들에 따른 오더 할당 시스템(110)의 개략도이다. 도 25에 도시된 바와 같이, 오더 할당 시스템(110)은 하나 이상의 인터페이스 모듈들(230/240) 및 프로세싱 모듈들(210)을 포함할 수 있다. 인터페이스 모듈(230/240)은 하나 이상의 수신 유닛들(231) 및 전송 유닛들(232)을 추가로 포함할 수 있다. 프로세싱 모듈(210)은 하나 이상의 오더 스내칭 예측 유닛들(342) 및 결정 모듈들(330)을 추가로 포함할 수 있다. 결정 모듈(330)은 하나 이상의 실제 오더 스내칭 결정 유닛들(2510) 및 정확도 결정 유닛들(2520)을 추가로 포함할 수 있다. 인터페이스 모듈(230/240), 수신 유닛(231), 및 전송 유닛(232)의 관련 설명들은 본 개시에서의 다른 곳에서의 설명들에서 발견될 수 있다.
몇몇 실시예들에서, 오더 스내칭 예측 유닛(342)은 오더에 관한 오더 스내칭 동작을 행하는 사용자의 확률을 예측하도록 구성될 수 있다. 실제 오더 스내칭 결정 유닛(2510)은 오더에 관한 오더 스내칭 동작을 행하는 사용자의 확률을 결정하도록 구성될 수 있다. 정확도 결정 유닛(2520)은 예측된 확률 및 결정된 확률에 기초하여 예측의 정확도를 결정하도록 구성될 수 있다.
몇몇 실시예들에서, 오더 스내칭 예측 유닛(342)은 추출 유닛 및 예측 유닛을 포함할 수 있다. 추출 유닛은 오더의 특징들을 추출하도록 구성될 수 있다. 예측 유닛은 특징들에 대응하는 예측 가중들에 기초하여 오더에 대한 오더 스내칭 동작을 수행하는 사용자의 확률을 예측하도록 구성될 수 있다.
몇몇 실시예들에서, 실제 오더 스내칭 결정 유닛(2510)은 제 1 결정 유닛, 제 2 결정 유닛, 및 제 3 결정 유닛을 포함할 수 있다. 제 1 결정 유닛은 사용자가 오더에 관해 수행하는 오더 스내칭 동작들의 수를 결정하도록 구성될 수 있다. 제 2 결정 유닛은 오더가 사용자에게 방송되는 횟수들을 결정하도록 구성될 수 있다. 제 3 결정 유닛은 오더 스내칭 동작들의 수 및 방송 횟수들에 기초하여 사용자가 오더에 관한 오더 스내칭 동작을 수행하는 확률을 결정하도록 구성될 수 있다.
몇몇 실시예들에서, 정확도 결정 유닛(2520)은 제 4 결정 유닛을 포함할 수 있다. 제 4 결정 유닛은 예측의 정확도로서 예측된 확률 및 결정된 확률 사이에서의 상대적 차이를 지정하도록 구성될 수 있다.
몇몇 실시예들에서, 실제 오더 스내칭 결정 유닛(2510)은 제 5 결정 유닛, 제 6 결정 유닛, 및 제 7 결정 유닛을 추가로 포함할 수 있다. 제 5 결정 유닛은 사용자가 다수의 오더들에 관해 수행하는 오더 스내칭 동작들의 수를 결정하도록 구성될 수 있다. 제 6 결정 유닛은 다수의 오더들이 사용자에게 방송되는 횟수들을 결정하도록 구성될 수 있다. 제 7 결정 유닛은 오더 스내칭 동작들의 수 및 방송 횟수들에 기초하여 사용자가 다수의 오더들에 대한 오더 스내칭 동작들을 수행하는 확률을 결정하도록 구성될 수 있다.
몇몇 실시예들에서, 정확도 결정 유닛(2520)은 제 8 결정 유닛 및 제 9 결정 유닛을 포함할 수 있다. 제 8 결정 유닛은 다수의 오더들에 대응하는 다수의 예측된 확률들의 평균을 결정하도록 구성될 수 있다. 제 9 결정 유닛은 예측의 정확도로서 평균 및 결정된 확률 사이에서의 상대적 차이를 지정하도록 구성될 수 있다.
몇몇 실시예들에서, 실제 오더 스내칭 결정 유닛(2510)은 랭킹 유닛, 제 1 분할 유닛, 및 제 1 획득 유닛을 포함할 수 있다. 랭킹 유닛은 예측된 확률들에 기초하여 오름순으로 오더들을 랭킹하도록 구성될 수 있다. 제 1 분할 유닛은 랭킹된 오더들을 다수의 오더 그룹들로 분할하도록 구성될 수 있다. 제 1 획득 유닛은 오더 그룹들 중 하나로부터 다수의 오더들을 획득하도록 구성될 수 있다.
몇몇 실시예들에서, 정확도 결정 유닛(2520)은 제 10 결정 유닛 및 제 11 결정 유닛을 포함할 수 있다. 제 10 결정 유닛은 다수의 오더 그룹들의 각각에 대응하는 예측된 확률을 결정하며 예측된 확률 및 대응하는 결정된 확률 사이에서의 상대적 차이를 결정하도록 구성될 수 있다. 제 11 결정 유닛은 예측의 정확도로서 상대적 차이들의 평균을 지정하도록 구성될 수 있다.
몇몇 실시예들에서, 정확도 결정 유닛(2520)은 제 12 결정 유닛 및 제 13 결정 유닛을 포함할 수 있다. 제 12 결정 유닛은 다수의 오더 그룹들의 각각에 대응하는 예측된 확률 및 결정된 확률 사이에서의 상대적 차이를 각각 결정하도록 구성될 수 있다. 제 13 결정 유닛은 예측의 정확도로서 상대적 차이의 평균 제곱근 값을 지정하도록 구성될 수 있다.
몇몇 실시예들에서, 실제 오더 스내칭 결정 유닛(2510)은 제 2 랭킹 유닛, 제 2 분할 유닛, 및 제 14 결정 유닛을 포함할 수 있다. 제 2 랭킹 유닛은 각각의 사용자로 방송되는 확산 오더들을 오름순으로 랭킹하도록 구성될 수 있다. 각각의 사용자로 방송되는 확산 오더들은 각각의 사용자가 확산 오더들에 관한 오더 스내칭 동작을 수행하는 예측된 확률에 기초하여 랭킹될 수 있다. 제 2 분할 유닛은 랭킹된 확산 오더들을 다수의 확산 오더 그룹들로 분할하도록 구성될 수 있다. 제 14 결정 유닛은 다수의 확산 오더 그룹들의 각각에 따라, 대응하는 사용자가 확산 오더 그룹들 중 하나로부터의 다수의 오더들에 관한 오더 스내칭 동작을 수행하는 확률을 결정하도록 구성될 수 있다.
몇몇 실시예들에서, 정확도 결정 유닛(2520)은 제 15 결정 유닛 및 제 16 결정 유닛을 포함할 수 있다. 제 15 결정 유닛은 각각의 확산 오더 그룹에 대응하는 예측된 확률 및 결정된 확률 사이에서의 상대적 차이를 결정하도록 구성될 수 있다. 제 16 결정 유닛은 예측의 정확도로서 상대적 차이들의 평균을 지정하도록 구성될 수 있다.
몇몇 실시예들에서, 정확도 결정 유닛(2520)은 제 17 결정 유닛 및 제 18 결정 유닛을 포함할 수 있다. 제 17 결정 유닛은 각각의 확산 오더 그룹에 대응하는 예측된 확률 및 결정된 확률 사이에서의 상대적 차이를 결정하도록 구성될 수 있다. 제 18 결정 유닛은 예측의 정확도로서 상대적 차이들의 평균 제곱근 값을 지정하도록 구성될 수 있다.
도 25에서의 오더 할당 시스템(110)의 상기 설명은 단지 예시의 목적을 위해 제공되며, 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 행해질 수 있다. 그러나, 이들 수정들 및 변형들은 본 개시의 사상 및 범위로부터 벗어나지 않을 것이다. 모듈들/유닛들은 다양한 방식들로 조합되거나 또는 서브-시스템들로서 다른 모듈들과 연결될 수 있다. 예를 들면, 모든 실제 오더 스내칭 레이트들 및 정확도의 결정은 하나의 모듈에서 행해질 수 있다. 또 다른 예로서, 제 18 결정 유닛들은 18개의 유닛들이 있어야 함을 의미하지 않는다. 결정 유닛은 다수의 결정 태스크들을 수행할 수 있다. 몇몇 실시예들에서, 결정 태스크는 다수의 결정 유닛들에 할당될 수 있다. 모든 이러한 수정들 및 변형들은 본 개시의 보호 범위 내에 있다.
도 26은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 프로세스는 다음의 단계들을 포함할 수 있다.
단계(2610)에서, 오더에 관한 오더 스내칭 동작을 수행하는 사용자의 확률이 예측될 수 있다. 예를 들면, 오더 스내칭 예측 유닛(342)은 오더에 관한 오더 스내칭 동작을 수행하는 사용자의 확률을 예측하도록 구성될 수 있다. 몇몇 실시예들에서, 오더 스내칭 확률은 추출된 오더 특징들 및 특징들에 대응하는 사전 설정 가중 인자에 의해 예측될 수 있다. 상이한 가중 인자들은 사전 설정 예측 방법에 따라 오더 특징들에 할당될 수 있다. 가중 인자들은 기계 학습 모델에 기초하여 이력 오더들에서의 대응하는 특징들에 의해 결정될 수 있다. 편리함을 위해, 예측 프로세스는 이하에서 예시될 수 있다. 예를 들면, 기계 학습 모델에 따라, 이력 오더의 사용자 및 시작 포인트 사이에서의 거리가 이력 오더에 대해 수행되는 오더 스내칭 동작의 확률에 대해 보다 높은 상관을 갖는다면, 보다 큰 가중 인자가 오더의 시작 포인트 및 사용자 사이에서의 거리를 나타내는 특징에 할당될 수 있다.
단계(2620)에서, 오더에 관한 오더 스내칭 동작을 수행하는 사용자의 확률이 결정될 수 있다. 예를 들면, 실제 오더 스내칭 레이트 결정 유닛(2510)은 오더에 관한 오더 스내칭 동작을 수행하는 사용자의 확률을 결정하도록 구성될 수 있다. 몇몇 실시예들에서, 사용자로 방송되는 오더의 횟수들은 사전 설정 영역 주위에서 다수의 사용자들로 오더를 방송하는 프로세스 동안 그에 부응하여 결정될 수 있다. 오더에 관한 사용자의 실제 오더 스내칭 확률은 그 후 오더 스내칭 동작들의 수, 방송 횟수들, 및 수행된 오더 스내칭 동작들의 수에 따라 결정될 수 있다. 편리함을 위해, 예가 예시될 수 있다. 단지 예로서, 오더는 사전 설정 범위 주위에서 100명의 사용자들로 방송될 수 있다. 오더가 100명의 사용자들로 방송된다면, 방송 횟수들은 100이다. 한편, 100명의 사용자들 중 5명이 오더 스내칭 동작을 수행한다면, 오더 스내칭 동작들의 수는 5이다. 오더에 관한 사용자의 실제 오더 스내칭 확률은 그 후 오더 스내칭 동작들의 수 대 방송 횟수들의 비, 즉 5%일 수 있다.
단계(2630)에서, 예측의 정확도는 예측된 확률 및 결정된 확률에 기초하여 결정될 수 있다. 예를 들면, 정확도 결정 유닛(2520)은 예측된 확률 및 결정된 확률에 따라 예측의 정확도를 결정하도록 구성될 수 있다. 구체적으로, 예측된 확률 및 결정된 확률 사이에서의 상대적 차이는 예측의 정확도로서 지정될 수 있다. 편리함을 위해, 예가 예시될 수 있다. 단지 예로서, 예측된 확률이 6%일 수 있는 반면, 결정된 확률은 5%일 수 있다. 예측의 정확도는 식 10에 따라 결정될 수 있다:
PB = |A-R|/R, (식 10)
여기에서 PB는 예측된 확률 및 결정된 확률의 상대적 차이, 즉 예측의 정확도를 나타낼 수 있고, A는 예측된 확률일 수 있으며, R은 결정된 확률일 수 있다.
상기 식으로서 결정되는 예측의 정확도는 그 후 |6%-5%|/5% = 0.2일 수 있다.
몇몇 실시예들에서, 다수의 사용자들로 방송되는 다수의 오더들의 횟수들 및 다수의 오더들에 관해 수행된 오더 스내칭 동작들의 수는, 사전 설정 영역 주위에서 사용자들로 방송되는 다수의 오더들의 프로세스 동안, 각각 결정될 수 있다. 실제 오더 스내칭 확률은 그 후 오더 스내칭 동작들의 수 및 방송 횟수들에 따라 결정될 수 있다. 예를 들면, 100개의 오더들이 근처에 있는 100명의 사용자들로 방송된다면, 100개의 오더들에 대한 방송 횟수들은 10000일 수 있다. 한편, 100개의 오더들의 각각의 오더에 대해, 오더 스내칭 동작들을 수행하는 100명의 사용자들 중 5명의 사용자들이 있을 수 있다. 오더 스내칭 동작들의 수는 그 후 500일 수 있다. 실제 오더 스내칭 확률은 수행된 오더 스내칭 동작들의 수 대 방송 횟수들의 비, 즉 5%일 수 있다.
몇몇 실시예들에서, 다수의 오더들이 전체로서 방송 횟수들 및 오더 스내칭 동작들의 수에 대한 통계 분석을 수행하기 위해 사용될 수 있다. 실제 오더 스내칭 확률은 방송 횟수들 및 오더 스내칭 동작들의 수에 따라 결정될 수 있다.
몇몇 실시예들에서, 실제 오더 스내칭 확률이 또한 다른 방식들에 의해 결정될 수 있다. 예를 들면, 다수의 오더들 중에서 각각의 오더에 관한 사용자의 실제 오더 스내칭 확률이 각각 결정될 수 있다. 확률들의 평균 값이 추가로 결정될 수 있다. 예를 들면, 100개의 오더들은 100명의 사용자들로 전송된다. 그것의 50개의 오더들의 예측된 확률이 6%이면, 그것의 30개의 오더들의 예측된 확률은 5.66%일 수 있다. 그것의 다른 20개의 오더들의 예측된 확률이 5%일 수 있다. 100개의 오더들의 예측된 확률들의 평균 값은 그 후 (50×6%+30×5.66%+20×5%)/100=5.7%일 수 있다. 예측된 확률(예로서, 5.7%) 및 결정된 확률(예로서, 5%)의 상대적 차이는 예측의 정확도로서 지정될 수 있다. 예측의 정확도는 식 10에 기초하여 결정될 수 있으며, 즉 0.14이다.
도 27은 본 개시의 몇몇 실시예들에 따라 오더들을 할당하기 위한 대표적인 프로세스의 흐름도이다. 오더 할당의 프로세스는 예로서 N개의 오더들을 취함으로써 예시될 수 있다. 프로세스는 다음의 단계들을 포함할 수 있다:
단계(2710)에서, N개의 오더들의 각각의 오더에 관한 사용자의 오더 스내칭 확률이 예측될 수 있다. 예를 들면, 오더 스내칭 예측 유닛(342)은 N개의 오더들의 각각의 오더에 관한 사용자의 오더 스내칭 확률을 예측하도록 구성될 수 있다. 예측 프로세스의 관련 설명들은 단계(2610)에 예시된 바와 같이 나타내어질 수 있다.
단계(2720)에서, N개의 오더들은 예측된 확률에 의해 오름차순으로 랭킹될 수 있다. 랭킹된 N개의 오더들은 그 후 여러 개의 오더 그룹들로 분할될 수 있다. 각각의 그룹은 k와 같은, 다수의 오더들을 가질 수 있다. 각각의 그룹은 다음과 같이 예시될 수 있다:
그룹 1: P1, P2, P3, ..., Pk
그룹 2: Pk +1, Pk +2, Pk + 3, ..., P2k
......
그룹 i: P(i-1)k +1, P(i-1)k +2, P(i-1)k+, ..., Pik
여기에서 P는 대응하는 오더에 관한 오더 스내칭 동작을 수행하는 사용자의 예측된 확률을 나타낼 수 있다.
단계(2730)에서, 예로서 전체로서 제 n 오더를 취하면, 제 n 오더 그룹의 모든 오더들에 관한 오더 스내칭 동작을 수행하는 사용자의 확률은 식 11에 기초하여 예측될 수 있다:
Figure pct00011
. (식 11)
제 i 오더 그룹에서의 모든 오더들에 관한 사용자의 실제 오더 스내칭 확률은 식 12에 기초하여 결정될 수 있다:
Ri = Qi / Bi, (식 12)
여기에서 Ai는 제 i 오더 그룹에서의 오더들에 관한 오더 스내칭 동작을 수행하는 사용자의 예측된 확률을 나타낼 수 있고, Ri는 제 i 오더 그룹에서의 오더들에 관한 오더 스내칭 동작을 수행하는 사용자의 결정된 확률을 나타낼 수 있고, Qi는 제 i 오더 그룹에서의 오더들에 관해 사용자에 의해 실제로 수행된 오더 스내칭 동작들의 수를 나타낼 수 있으며, Bi는 사용자로 방송되는 제 i 오더 그룹에서의 오더들의 횟수들을 나타낼 수 있다.
단계(2740)에서, 예측의 정확도가 결정될 수 있다. 예를 들면, 정확도 결정 유닛(2520)은 다음과 같이 식 13에 따라 예측의 정확도로서 확률 차이들의 평균 값을 지정하도록 구성될 수 있다:
Figure pct00012
, (식 13)
여기에서 APB는 확률 차이들의 평균 값을 나타내며 예측의 정확도를 추가로 나타낼 수 있다. Ai는 제 i 오더 그룹에서의 오더들에 관한 사용자의 예측된 오더 스내칭 확률을 나타낼 수 있다. Ri는 제 i 오더 그룹에서의 오더들에 관한 사용자의 실제 결정된 오더 스내칭 확률을 나타낼 수 있다. n은 상기 설명된 오더 그룹들의 그룹 수를 나타낼 수 있다.
몇몇 실시예들에서, 예측의 정확도는 또한 다음과 같이 식 14를 사용하여 확률 차이의 평균 제곱근 값으로서 결정될 수 있다:
Figure pct00013
, (식 14)
여기에서 대응하는 심볼들의 의미는 상기 설명된 식들에서 예시된 바와 같이 나타내어질 수 있다.
도 26 및 도 27에서의 오더 할당 프로세스의 상기 설명은 단지 예시의 목적을 위해 제공되며 본 개시의 범위를 제한하도록 의도되지 않는다는 것이 주의되어야 한다. 이 기술분야에서 통상의 기술들을 가진 사람들에 대해, 형태 및 세부사항에서의 다양한 수정들 및 변형들이 본 개시의 교시 하에서 행해질 수 있다. 예를 들면, 단계들은 다양한 방식들로 통합될 수 있다. 또 다른 예로서, 오더들은 내림차순으로 랭킹될 수 있거나 또는 랭킹되지 않을 수 있다. 계속해서 또 다른 예로서, 정확한 식들은 상기 설명된 식들에 제한되지 않는다. 이 기술분야의 숙련자들에 대해, 식들은 실제 요구들에 따라 변경되거나 또는 조정될 수 있다. 모든 이러한 수정들 및 변형들은 본 개시의 보호 범위 내에 있다.
도 28은 본 개시의 몇몇 실시예들에 따른 이동 디바이스의 구조의 개략도이다. 이동 디바이스는 본 개시에 개시된 시스템을 구현하기 위해 사용될 수 있다. 이 실시예에서, 위치-관련 정보를 디스플레이하며 그것과 상호 작용하기 위한 이동 디바이스(2800)는 이에 제한되지 않지만, 스마트폰, 태블릿 컴퓨터, 음악 플레이어, 휴대용 게이밍 기계, 전역적 위치 결정 시스템(GPS) 수신기, 착용 가능한 컴퓨팅 디바이스(예로서, 안경, 시계들 등), 또는 본 개시의 다른 곳에서의 설명들에서 발견될 수 있는 다른 형태들을 포함할 수 있다. 이 실시예에서 이동 디바이스(2800)는 하나 이상의 중앙 프로세싱 유닛들(CPU들)(2840), 그래픽 프로세싱 유닛들(GPU들)(2830), 디스플레이(2820), 메모리(2860), 안테나(2810)(예로서, 무선 통신 유닛), 저장 유닛(2890), 및 하나 이상의 입력/출력(I/O) 디바이스들(2850)을 포함할 수 있다. 시스템 버스들 또는 제어기들(도면에 도시되지 않음)과 같은 임의의 다른 적절한 구성요소들이 또한 이동 디바이스(2800)에 포함될 수 있다. 도 28에 도시된 바와 같이, 모바일 운영 시스템(2870)(iOS, 안드로이드, 윈도우즈 폰 등과 같은) 및 하나 이상의 애플리케이션들(2880)이 저장 유닛(2890)으로부터 메모리(2860)로 로딩될 수 있으며 중앙 프로세싱 유닛(2840)에 의해 실행될 수 있다. 애플리케이션들(2880)은 이동 디바이스(2800) 상에서 오더 정보를 수신하며 프로세싱하기에 적합한 브라우저 또는 다른 모바일 애플리케이션들을 포함할 수 있다. 사용자들에 대하여 오더 정보의 상호 작용은 입력/출력 시스템 디바이스들(2850)에 의해 획득될 수 있으며, 예로서 네트워크(150)를 통해, 오더 할당 시스템(110), 및/또는 시스템(100)의 다른 구성요소들에 제공될 수 있다.
이전 개시에서 설명된 바와 같이 상이한 모듈들, 유닛들, 및 그것들의 기능들을 구현하기 위해, 컴퓨터 하드웨어 플랫폼은 상기 설명된 요소들 중 하나 이상을 위한 하드웨어 플랫폼(예로서, 오더 할당 시스템(110), 및/또는 도 1 내지 도 27에 설명된 시스템(100)의 다른 구성요소들)으로서 사용될 수 있다. 이러한 컴퓨터들의 하드웨어 요소들, 운영 시스템들, 및 프로그래밍 언어들은 사실상 공통적이다. 이 기술분야의 숙련자들은 이들 기술들에 익숙하며 온-디맨드 서비스들에 대한 요구된 정보를 제공하기 위해 여기에서 설명된 기술들을 사용할 수 있다는 것이 가정된다. 사용자 인터페이스 요소들을 포함한 컴퓨터는 개인용 컴퓨터(PC) 또는 다른 유형들의 워크스테이션들 또는 단말기 디바이스들로서 사용될 수 있으며, 적절하게 프로그램된 후 서버들로서 또한 사용될 수 있다. 이 기술분야의 숙련자들은 이러한 컴퓨터 장비의 이러한 구조들, 절차들, 및 일반적인 동작들에 익숙할 것이며, 그러므로 어떤 부가적인 설명도 모든 도면들을 위해 요구되지 않는다는 것이 이해될 수 있다.
도 29는 본 개시의 몇몇 실시예들에 따른 컴퓨터 디바이스의 아키텍처의 개략도이다. 컴퓨터 디바이스는 본 개시에서 개시된 시스템을 구현하기 위해 사용될 수 있다. 본 실시예에서의 시스템은 사용자 인터페이스를 포함한 하드웨어 플랫폼을 설명하기 위해 기능 블록도를 사용할 수 있다. 컴퓨터는 범용 컴퓨터 또는 특수-목적 컴퓨터일 수 있다. 양쪽 컴퓨터들 모두는 이 실시예에서 시스템을 구현하도록 구성될 수 있다. 컴퓨터(2900)는 현재 오더 할당의 임의의 유닛을 구현하기 위해 사용될 수 있다. 예를 들면, 오더 할당 시스템(110)은 그것의 하드웨어 디바이스들, 소프트웨어 프로그램들, 펌웨어 등, 또는 그것의 임의의 조합을 통해 컴퓨터(2900)와 같은 컴퓨터에 의해 구현될 수 있다. 편리함을 위해, 단지 하나의 컴퓨터만이 도 29에서 묘사되지만, 온-디맨드 서비스들을 위한 요구된 정보를 제공하기 위해 이 실시예에서 설명된 관련 컴퓨터 기능들은 분배 모드에서의 유사한 플랫폼들의 세트에 의해 구현될 수 있으며, 이것은 시스템의 프로세싱 부하를 분산시킬 수 있다.
컴퓨터(2900)는 데이터 통신을 구현하기 위해 네트워크와 연결될 수 있는 통신 포트(2950)를 포함할 수 있다. 컴퓨터(2900)는 또한 프로그램 명령들을 행하기 위해 하나 이상의 프로세서들을 또한 포함할 수 있는 중앙 프로세싱 유닛(CPU)을 포함할 수 있다. 대표적인 컴퓨터 플랫폼은 내부 통신 버스(2910), 상이한 형태들에서의 프로그램 저장 유닛, 및 데이터 저장 유닛을 포함할 수 있다. 예를 들면, 하드 디스크(2970), 판독 전용 메모리(ROM)(2930), 랜덤 액세스 메모리(RAM)(2940), 컴퓨터 프로세싱 및/또는 통신을 위해 사용될 수 있는 다양한 데이터 파일들, 및 CPU에 의해 실행된 가능한 프로그램 명령들. 컴퓨터(2900)는 또한 컴퓨터 및 다른 구성요소들(예로서, 사용자 인터페이스(2980)) 사이에서 입력/출력 데이터 스트림들을 지원하는 입력/출력 구성요소(2960)를 포함할 수 있다. 컴퓨터(2900)는 또한 통신 네트워크를 통해 프로그램들 및 데이터를 수신할 수 있다.
오더 할당 프로세스 및/또는 프로그램에 의해 다른 단계들을 구현하는 방법의 상이한 양상들이 상기 설명된다. 기술의 프로그래밍 부분은 컴퓨터-판독 가능한 매체에 의해 참여하거나 또는 구현될 수 있는, 실행 가능한 코드 및/또는 관련 데이터의 형태에서의 "제품" 또는 "제조 물품"인 것으로 고려될 수 있다. 유형의 및 영구적인 저장 매체는 임의의 컴퓨터, 임의의 프로세서, 유사한 디바이스들, 또는 관련 모듈들에 의해 사용된 임의의 메모리들 또는 저장 장치들을 포함할 수 있다. 예를 들면, 다양한 반도체 메모리들, 테이프 드라이브들, 디스크 드라이브들, 또는 언제라도 소프트웨어를 위한 저장 기능을 제공할 수 있는 유사한 디바이스들.
모든 소프트웨어 또는 그것의 부분은 때때로 인터넷 또는 다른 통신 네트워크들과 같은 네트워크를 통해 통신할 수 있다. 이러한 통신들은 하나의 컴퓨터 디바이스 또는 프로세서로부터 또 다른 것으로 소프트웨어를 로딩할 수 있다. 예를 들면, 소프트웨어는 온-디맨드 서비스 시스템의 관리 서버 또는 호스트 컴퓨터로부터 컴퓨터 환경에서의 하드웨어 플랫폼, 상기 시스템을 구현한 다른 컴퓨터 환경들 또는 온-디맨드 서비스에 대한 요구된 정보에 관한 유사한 기능들을 제공하는 시스템으로 로딩될 수 있다. 따라서, 소프트웨어 요소들을 전달하는 또 다른 매체는 또한 케이블들, 광 케이블들, 또는 공기를 통해 확산되는, 광 파들, 라디오 파들, 전자기 파들 등과 같은, 로컬 디바이스들 사이에서의 물리적 연결로서 사용될 수 있다. 캐리어를 운반하기 위해 사용되는, 케이블들, 무선 연결들, 광 케이블들과 같은 물리적 미디어는 또한 소프트웨어를 호스팅하는 매체로서 고려될 수 있다. 유형의 "저장" 미디어에 의해 달리 제한되지 않는다면, 컴퓨터 또는 기계 "판독 가능한 미디어"를 나타내는 다른 용어들은 프로세서에 의해 임의의 명령들을 행하는 절차에 참여하는 미디어를 나타낼 수 있다.
컴퓨터-판독 가능한 미디어는 이에 제한되지 않지만 유형의 저장 미디어, 반송파 미디어, 또는 물리적 송신 미디어를 포함할 수 있는 많은 형태들을 취할 수 있다. 안정된 저장 미디어는 도면에서 설명된 시스템 구성요소들의 기능을 구현하는 것이 가능한 다른 컴퓨터들 또는 유사한 디바이스들에서 사용된 광 디스크들, 디스크들, 또는 저장 시스템들을 포함할 수 있다. 안정되지 않은 저장 미디어는 컴퓨터 플랫폼의 메인 메모리와 같은, 동적 메모리를 포함할 수 있다. 유형의 송신 미디어는 동축 케이블들, 구리 케이블들, 광섬유들, 또는 컴퓨터 시스템 내에서 버스를 형성하는 라인들을 포함할 수 있다. 반송파 송신 미디어는 전기 신호들, 전자기 신호들, 음향 신호들, 또는 광파 신호들을 송신할 수 있으며, 이것은 라디오 주파수 또는 적외선 데이터 통신 방법에 의해 생성될 수 있다. 공통적인 컴퓨터-판독 가능한 미디어는 하드 디스크들, 플로피 디스크들, 테이프들, 또는 임의의 다른 자기 미디어를 포함할 수 있다. 공통적인 컴퓨터-판독 가능한 미디어는 CD-ROM들, DVD들, DVD-ROM들, 또는 임의의 다른 광학 미디어를 포함할 수 있다. 공통적인 컴퓨터-판독 가능한 미디어는 펀칭 카드들, 또는 오리피스 모드를 포함한 임의의 다른 물리적 저장 미디어를 포함할 수 있다. 공통적인 컴퓨터-판독 가능한 미디어는 또한 RAM들, PROM들, EPROM들, FLASH-EPROM들, 또는 임의의 다른 메모리 칩들 또는 자기 테이프들을 포함할 수 있다. 공통적인 컴퓨터-판독 가능한 미디어는 여전히 데이터 또는 명령들을 송신하기 위해 사용되는 반송파들 또는 케이블들, 반송파들을 송신하기 위해 사용되는 연결 장비, 또는 컴퓨터에 의해 판독될 수 있는 임의의 다른 프로그램 코드들 및/또는 데이터를 포함할 수 있다. 이들 컴퓨터-판독 가능한 미디어의 형태들에 대해, 다수의 형태들은 프로세서들이 명령들을 행하거나 또는 하나 이상의 결과들을 전달할 때 발생할 수 있다.
이 기술분야의 숙련자들에 대해 다양한 수정들 및 변형들이 본 개시의 개시된 콘텐트들에 대해 이루어질 수 있다는 것이 이해될 것이다. 예를 들면, 상기 설명된 상이한 시스템 구성요소들은 하드웨어 디바이스들에 의해 구현되지만, 또한 단지 소프트웨어 솔루션들에 의해서만 구현되며, 예로서, 기존의 서버상에 시스템을 설치할 수 있다. 또한, 여기에서 개시된 위치 정보의 제공은 펌웨어, 펌웨어/소프트웨어의 조합, 펌웨어/하드웨어의 조합, 또는 하드웨어/펌웨어/소프트웨어의 조합에 의해 달성될 수 있다.
앞서 말한 것은 본 개시 및/또는 몇몇 실시예들을 설명한다. 상기-설명된 콘텐트들에 따라, 본 개시는 또한 다양한 방식들로 수정될 수 있다. 여기에서 개시된 주제는 상이한 형태들 및 예들로 구현될 수 있으며, 본 개시는 다수의 애플리케이션들에 적용될 수 있다. 다음의 청구항들에서 주장된 바와 같이 모든 애플리케이션들, 수정들, 및 변형들은 본 개시의 범위 내에 있도록 의도된다.
100: 위치-기반 서비스 시스템 105: 온-디맨드 서비스 시스템
110: 오더 할당 시스템 120: 승객 단말기
130: 데이터베이스 140: 기사 단말기
150: 네트워크 160: 다른 정보 소스
210: 프로세싱 모듈 220: 저장 모듈
230: 승객 인터페이스 231: 수신 유닛
232: 전송 유닛 240: 기사 인터페이스
310: 오더 사전프로세싱 모듈 311: 오더 생성 유닛
312: 오더 스크리닝 유닛 313: 오더 정보 획득 유닛
320: 사용자 사전프로세싱 모듈 321: 사용자 단말기 판단 유닛
322: 사용자 단말기 검출 유닛 323: 사용자 단말기 스크리닝 유닛
324: 사용자 정보 획득 유닛 330: 결정 모듈
331: 오더 확산 반경 결정 유닛 332: 오더 수신 범위 결정 유닛
333: 간편 도로 등급 결정 유닛 334: 거리 결정 유닛
340: 예측 모듈 341: 구독 확률 산출 유닛
342: 오더 스내칭 예측 유닛 350: 분석 모듈
351: 비교 유닛 352: 판단 유닛
360: 판정 모듈 361: 오더 할당 유닛
362: 조정 유닛
310: 오더 할당 모드 사용자 전송 서브-유닛
520: 오더 스내칭 모드 사용자 전송 서브-유닛
530: 다른 오더 할당 모드 사용자 전송 서브-유닛
710: 제 1 조정 유닛 711: 거래 레이트 획득 서브-유닛
712: 판단 서브-유닛 713: 오더 확산 반경 조정 서브-유닛
720: 제 2 조정 유닛 721: 오더 밀도 획득 서브-유닛
722: 오더 확산 반경 조정 서브-유닛
723: 단말기 밀도 획득 서브-유닛
724: 오더 확산 반경 조정 서브-유닛
730: 단말기 식별 획득 서브-유닛
740: 전송 서브-유닛
1110: 제 1 수의 오더 수신 서브-유닛
1120: 제 2 수의 오더 수신 서브-유닛
1130: 제 1 수의 오더 수신 범위 결정 유닛
1140: 제 2 수의 오더 수신 범위 결정 유닛
1150: 선택 가능한 설정 유닛 1410: 좌표 정보 획득 서브-유닛
1420: 도로 거리 획득 서브-유닛 1610: 매칭 조건 획득 유닛
2510: 실제 오더 스내칭 결정 유닛 2520: 정확도 결정 유닛
2800: 이동 디바이스 2810: 안테나
2820: 디스플레이 2830: 그래픽 프로세싱 유닛
2840: 중앙 프로세싱 유닛 2850: 입력/출력 디바이스
2860: 메모리 2870: 모바일 운영 시스템
2890: 저장 유닛 2900: 컴퓨터
2910: 내부 통신 버스 2930: 판독 전용 메모리
2940: 랜덤 액세스 메모리 2960: 입력/출력 구성요소
2970: 하드 디스크 2980: 사용자 인터페이스

Claims (20)

  1. 오더 할당 시스템에 있어서,
    실행 가능한 모듈을 저장하도록 구성된 비-일시적 컴퓨터 판독 가능한 저장 매체로서, 상기 실행 가능한 모듈은:
    오더 정보 및 사용자 정보를 수신하도록 구성된 수신 유닛으로서, 상기 사용자 정보는 위치 정보 또는 시간 정보 중 적어도 하나를 포함하는, 상기 수신 유닛; 및
    상기 위치 정보 또는 상기 시간 정보 중 적어도 하나에 기초하여 오더를 할당하도록 구성된 오더 할당 유닛을 포함하는, 상기 비-일시적 컴퓨터 판독 가능한 저장 매체; 및
    상기 컴퓨터 판독 가능한 저장 매체에 저장된 상기 실행 가능한 모듈을 실행하도록 구성된 프로세서를 포함하는, 오더 할당 시스템.
  2. 제 1 항에 있어서,
    상기 위치 정보는 출발 위치, 원래 위치, 목적지, 좌표 정보, 또는 지리적 영역 중 적어도 하나를 포함하는, 오더 할당 시스템.
  3. 제 1 항에 있어서,
    상기 시간 정보는 오더 확산 시간 또는 사용자의 오더 스내칭 시간(order snatching time) 중 적어도 하나를 포함하는, 오더 할당 시스템.
  4. 제 2 항에 있어서,
    오더 확산 영역 또는 오더 수신 범위 중 적어도 하나를 획득하도록 구성된 오더 수신 범위 결정 유닛;
    상기 오더 확산 영역 내에서 오더들의 수를 획득하도록 구성된 오더 수 수신 서브-유닛; 및
    상기 오더 확산 영역, 상기 오더 수신 범위, 또는 상기 오더들의 수 중 적어도 하나에 기초하여 오더 밀도를 획득하도록 구성된 오더 밀도 획득 서브-유닛을 더 포함하는, 오더 할당 시스템.
  5. 제 1 항에 있어서,
    상기 위치 정보 또는 상기 시간 정보 중 적어도 하나에 기초하여 사용자 오더 스내칭 확률을 예측하도록 구성된 오더 스내칭 예측 유닛을 더 포함하는, 오더 할당 시스템.
  6. 제 5 항에 있어서,
    사용자 위치로부터 상기 오더의 출발 위치까지의 직선 거리 또는 루트 거리 중 적어도 하나를 획득하도록 구성된 거리 결정 유닛; 및
    상기 직선 거리 또는 상기 루트 거리 중 적어도 하나에 기초하여 상기 사용자 오더 스내칭 확률을 예측하도록 구성된 오더 스내칭 예측 유닛을 더 포함하는, 오더 할당 시스템.
  7. 제 5 항에 있어서,
    오더들의 이력 오더 확산 시간 또는 사용자의 이력 오더 스내칭 시간 중 적어도 하나를 획득하도록 구성된 획득 유닛; 및
    상기 이력 오더 확산 시간 또는 상기 이력 오더 스내칭 시간 중 적어도 하나에 기초하여 상기 사용자 오더 스내칭 확률을 예측하도록 구성된 구독 확률 산출 유닛을 더 포함하는, 오더 할당 시스템.
  8. 제 5 항에 있어서,
    상기 오더 스내칭 예측 유닛은 또한 상기 위치 정보 또는 상기 시간 정보 중 적어도 하나에 기초하여 사용자 오더 스내칭 예측 모델을 구축하도록 구성되는, 오더 할당 시스템.
  9. 제 5 항에 있어서,
    상기 오더 스내칭 예측의 정확도를 결정하도록 구성된 정확도 결정 유닛을 더 포함하는, 오더 할당 시스템.
  10. 제 9 항에 있어서,
    상기 오더에 대한 사용자의 실제 오더 스내칭 확률을 결정하도록 구성된 실제 오더 스내칭 결정 유닛; 및
    상기 사용자의 상기 예측된 오더 스내칭 확률 및 상기 실제 오더 스내칭 확률에 기초하여 상기 오더 스내칭 예측의 정확도를 결정하도록 구성된 정확도 결정 유닛을 더 포함하는, 오더 할당 시스템.
  11. 오더 할당 방법에 있어서,
    오더 정보 및 사용자 정보를 수신하는 단계로서, 상기 오더 정보 및 사용자 정보는 위치 정보 또는 시간 정보 중 적어도 하나를 포함하는, 상기 수신 단계; 및
    상기 위치 정보 또는 상기 시간 정보 중 적어도 하나에 기초하여 오더를 할당하는 단계를 포함하는, 오더 할당 방법.
  12. 제 11 항에 있어서,
    상기 위치 정보는 출발 위치, 원래 위치, 목적지, 좌표 정보, 또는 지리적 영역 중 적어도 하나를 포함하는, 오더 할당 방법.
  13. 제 11 항에 있어서,
    상기 시간 정보는 오더 확산 시간 또는 사용자의 오더 스내칭 시간 중 적어도 하나를 포함하는, 오더 할당 방법.
  14. 제 12 항에 있어서,
    상기 오더를 할당하는 단계는:
    오더 확산 영역 또는 오더 수신 범위, 및 오더들의 수 중 적어도 하나를 획득하는 단계;
    상기 오더 확산 영역 또는 상기 오더 수신 범위, 및 상기 오더들의 수 중 적어도 하나에 기초하여 오더 밀도를 획득하는 단계; 및
    상기 오더 밀도에 기초하여 상기 오더를 할당하는 단계를 포함하는, 오더 할당 방법.
  15. 제 11 항에 있어서,
    상기 오더를 할당하는 단계는:
    상기 위치 정보 또는 상기 시간 정보 중 적어도 하나에 기초하여 사용자 오더 스내칭 확률을 예측하는 단계; 및
    상기 사용자 오더 스내칭 확률에 기초하여 상기 오더를 할당하는 단계를 포함하는, 오더 할당 방법.
  16. 제 15 항에 있어서,
    상기 사용자 오더 스내칭 확률을 예측하는 단계는:
    사용자 위치로부터 상기 오더의 출발 위치까지의 직선 거리 또는 루트 거리 중 적어도 하나를 획득하는 단계; 및
    상기 직선 거리 또는 상기 루트 거리 중 적어도 하나에 기초하여 상기 사용자 오더 스내칭 확률을 예측하는 단계를 포함하는, 오더 할당 방법.
  17. 제 15 항에 있어서,
    상기 사용자 오더 스내칭 확률을 예측하는 단계는:
    오더들의 이력 오더 확산 시간 또는 사용자의 이력 오더 스내칭 시간 중 적어도 하나를 획득하는 단계; 및
    상기 이력 오더 확산 시간 또는 상기 이력 오더 스내칭 시간 중 적어도 하나에 기초하여 상기 사용자 오더 스내칭 확률을 예측하는 단계를 포함하는, 오더 할당 방법.
  18. 제 15 항에 있어서,
    상기 사용자 오더 스내칭 확률을 예측하는 단계는:
    상기 위치 정보 또는 상기 시간 정보 중 적어도 하나를 획득하는 단계;
    상기 위치 정보 또는 상기 시간 정보 중 적어도 하나에 기초하여 사용자 오더 스내칭 예측 모델을 구축하는 단계; 및
    상기 사용자 오더 스내칭 예측 모델에 기초하여 상기 사용자 오더 스내칭 확률을 예측하는 단계를 포함하는, 오더 할당 방법.
  19. 제 15 항에 있어서,
    상기 사용자 오더 스내칭 확률을 예측하는 단계는:
    상기 오더 스내칭 예측의 정확도를 결정하는 단계를 포함하는, 오더 할당 방법.
  20. 제 19 항에 있어서,
    상기 오더 스내칭 예측의 정확도를 결정하는 단계는:
    상기 오더에 대한 사용자의 예측된 오더 스내칭 확률을 획득하는 단계;
    상기 오더에 대한 상기 사용자의 실제 오더 스내칭 확률을 결정하는 단계; 및
    상기 사용자의 상기 예측된 오더 스내칭 확률 및 상기 실제 오더 스내칭 확률에 기초하여 상기 오더 스내칭 예측의 정확도를 결정하는 단계를 포함하는, 오더 할당 방법.
KR1020177024089A 2015-01-29 2016-01-29 오더 할당 시스템 및 방법 KR20180013843A (ko)

Applications Claiming Priority (19)

Application Number Priority Date Filing Date Title
CN201510046647.2 2015-01-29
CN201510046647.2A CN104599218B (zh) 2015-01-29 2015-01-29 用于确定订单接收范围的方法和设备
CN201510078862.0A CN104616065B (zh) 2015-02-13 2015-02-13 用于处理订单的方法及设备
CN201510078862.0 2015-02-13
CN201510163336.4A CN104766262A (zh) 2015-04-08 2015-04-08 用于处理订单的方法及设备
CN201510163336.4 2015-04-08
CN201510172959.8 2015-04-13
CN201510172959.8A CN104915855B (zh) 2015-04-13 2015-04-13 订单抢单率的预估方法及装置
CN201510451956.8A CN105117777A (zh) 2015-07-28 2015-07-28 一种订单分配的方法及装置
CN201510451956.8 2015-07-28
CN201510456730.7A CN105118013A (zh) 2015-07-29 2015-07-29 一种订单的分配方法及装置
CN201510456730.7 2015-07-29
CN201510516040.6A CN105117842A (zh) 2015-08-20 2015-08-20 订单推送方法及装置
CN201510516346.1 2015-08-20
CN201510516040.6 2015-08-20
CN201510516346.1A CN105139228A (zh) 2015-08-20 2015-08-20 一种订单分配的方法及装置
CN201510537192.4A CN105096166A (zh) 2015-08-27 2015-08-27 一种订单分配的方法及装置
CN201510537192.4 2015-08-27
PCT/CN2016/072840 WO2016119749A1 (zh) 2015-01-29 2016-01-29 一种订单分配***及方法

Publications (1)

Publication Number Publication Date
KR20180013843A true KR20180013843A (ko) 2018-02-07

Family

ID=56542470

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177024089A KR20180013843A (ko) 2015-01-29 2016-01-29 오더 할당 시스템 및 방법

Country Status (7)

Country Link
US (2) US10977585B2 (ko)
EP (1) EP3252705A4 (ko)
KR (1) KR20180013843A (ko)
HK (1) HK1245473A1 (ko)
PH (1) PH12017501364B1 (ko)
SG (1) SG11201706188YA (ko)
WO (1) WO2016119749A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109117989A (zh) * 2018-07-26 2019-01-01 北京云鸟科技有限公司 一种任务匹配时的预测方法及装置
WO2021182743A1 (ko) * 2020-03-09 2021-09-16 주식회사 우아한형제들 배달 과정을 관리하기 위한 장치, 방법 및 명령을 기록한 기록 매체
US20210334709A1 (en) * 2020-04-27 2021-10-28 International Business Machines Corporation Breadth-first, depth-next training of cognitive models based on decision trees

Families Citing this family (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10444121B2 (en) * 2016-05-03 2019-10-15 Sap Se Fault detection using event-based predictive models
US10657580B2 (en) 2017-01-27 2020-05-19 Walmart Apollo, Llc System for improving in-store picking performance and experience by optimizing tote-fill and order batching of items in retail store and method of using same
US10572932B2 (en) 2017-01-27 2020-02-25 Walmart Apollo, Llc System for providing optimal shopping routes in retail store and method of using same
US10699328B2 (en) 2017-04-17 2020-06-30 Walmart Apollo, Llc Systems to fulfill a picked sales order and related methods therefor
US10846645B2 (en) 2017-04-28 2020-11-24 Walmart Apollo, Llc Systems and methods for real-time order delay management
US10810542B2 (en) 2017-05-11 2020-10-20 Walmart Apollo, Llc Systems and methods for fulfilment design and optimization
WO2018227368A1 (en) * 2017-06-13 2018-12-20 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for recommending an estimated time of arrival
US11126953B2 (en) 2017-06-14 2021-09-21 Walmart Apollo, Llc Systems and methods for automatically invoking a delivery request for an in-progress order
US11126954B2 (en) 2017-06-28 2021-09-21 Walmart Apollo, Llc Systems and methods for automatically requesting delivery drivers for online orders
US11238544B2 (en) * 2017-07-07 2022-02-01 Msm Holdings Pte System and method for evaluating the true reach of social media influencers
US10909612B2 (en) 2017-07-13 2021-02-02 Walmart Apollo Llc Systems and methods for determining an order collection start time
RU2673388C1 (ru) * 2017-12-26 2018-11-26 Илья Владимирович Редкокашин Способ распределения заказов
CN108681857B (zh) * 2018-05-18 2020-03-10 北京顺丰同城科技有限公司 一种配送订单分配方法及装置、计算机可读存储介质
CN110570263B (zh) * 2018-06-06 2021-10-15 北京嘀嘀无限科技发展有限公司 订单分配方法、分配***、计算机设备及可读存储介质
CN110634012A (zh) * 2018-06-25 2019-12-31 北京嘀嘀无限科技发展有限公司 一种订单分配方法及装置、服务器、计算机可读存储介质
US20210192410A1 (en) * 2018-07-04 2021-06-24 Sony Corporation Information processing device, information processing method, and program
CN110914856B (zh) 2018-07-10 2023-11-21 北京嘀嘀无限科技发展有限公司 用于确定线上到线下服务的营销策略的***和方法
US11442999B2 (en) 2018-07-24 2022-09-13 Microsoft Technology Licensing Llc Personalized whole search page organization and relevance
CN109214551B (zh) * 2018-08-08 2022-08-26 北京三快在线科技有限公司 一种配送调度方法及装置
US11500825B2 (en) * 2018-08-20 2022-11-15 Intel Corporation Techniques for dynamic database access modes
CN111353837A (zh) * 2018-12-20 2020-06-30 北京嘀嘀无限科技发展有限公司 一种拼车方法、***及计算机可读介质
CN111353676B (zh) * 2018-12-24 2022-09-09 北京嘀嘀无限科技发展有限公司 订单分配方法、***、计算机设备和计算机可读存储介质
CN111382969B (zh) * 2018-12-30 2023-10-13 北京极智嘉科技股份有限公司 订单处理方法、装置、设备及存储介质
CN111724089B (zh) * 2019-03-20 2023-04-28 顺丰科技有限公司 一种订单收派分配方法、***、终端及存储介质
CN111784088A (zh) * 2019-04-03 2020-10-16 北京嘀嘀无限科技发展有限公司 派单匹配方法、派单匹配装置、服务器和存储介质
CN111832788B (zh) * 2019-04-23 2024-03-29 北京嘀嘀无限科技发展有限公司 一种服务信息生成的方法、装置、计算机设备及存储介质
CN111833131A (zh) * 2019-05-29 2020-10-27 北京嘀嘀无限科技发展有限公司 一种订单处理方法、装置、电子设备及存储介质
CN112836914A (zh) * 2019-11-25 2021-05-25 北京三快在线科技有限公司 订单结构的调整方法、装置、存储介质及电子设备
CN111160637B (zh) * 2019-12-18 2024-04-05 中国平安财产保险股份有限公司 智能化人力分配方法、装置及计算机可读存储介质
US11514271B2 (en) * 2019-12-19 2022-11-29 Beijing Didi Infinity Technology And Development Co., Ltd. System and method for automatically adjusting strategies
CN111861081B (zh) * 2019-12-23 2024-06-21 北京嘀嘀无限科技发展有限公司 一种订单分配方法、装置、电子设备及存储介质
US11657347B2 (en) 2020-01-31 2023-05-23 Walmart Apollo, Llc Systems and methods for optimization of pick walks
US11868958B2 (en) 2020-01-31 2024-01-09 Walmart Apollo, Llc Systems and methods for optimization of pick walks
CN111681423A (zh) * 2020-05-07 2020-09-18 北京明略软件***有限公司 实现车牌信息处理的方法、装置、计算机存储介质及终端
CN111553645B (zh) * 2020-06-08 2024-02-02 北京顺达同行科技有限公司 订单分派方法、装置、计算机设备和存储介质
CN111815361B (zh) * 2020-07-10 2024-06-18 北京思特奇信息技术股份有限公司 区域边界计算方法、装置、电子设备及存储介质
CN114723125B (zh) * 2022-04-01 2024-06-28 华侨大学 一种结合深度学习和多任务优化的城际车订单分配方法
WO2023191708A2 (en) * 2022-04-01 2023-10-05 Grabtaxi Holdings Pte. Ltd. Server and method for processing request for search for on-demand service

Family Cites Families (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09153098A (ja) 1995-11-30 1997-06-10 Omron Corp 車両需要予測システム
KR100433734B1 (ko) * 2001-06-18 2004-06-04 이재욱 통신망을 이용한 택시 자동연결 서비스 방법
JP3860496B2 (ja) * 2002-03-28 2006-12-20 富士通株式会社 配車方法、および配車プログラム
JP4949645B2 (ja) 2005-06-16 2012-06-13 ヤフー株式会社 コンピュータ演算処理方法およびプログラム
CN100357986C (zh) 2005-09-16 2007-12-26 曲声波 车辆调度***中传输和处理调度信息的方法
US7739031B2 (en) * 2006-09-05 2010-06-15 Nissan Technical Center North America, Inc. Vehicle on-board unit
EP2260441A4 (en) * 2008-02-12 2011-03-02 Peter John Gosney TELEPHONE NETWORKS USING AUTOMATED TAXI TRANSMISSION SYSTEM
JP2009294742A (ja) 2008-06-03 2009-12-17 Hitachi Kokusai Electric Inc 配車管理装置
US20090313077A1 (en) * 2008-06-17 2009-12-17 Wheeler Iv George Y Consumer initiated, service provider direct dispatching system
CN101620781B (zh) 2008-06-30 2012-08-29 株式会社查纳位资讯情报 预测乘客信息的***和搜索乘客信息的***及其方法
US8386177B2 (en) * 2009-05-13 2013-02-26 Taiwan Mobile Communication Vehicle-dispatching method and vehicle-dispatching system
US10055804B2 (en) * 2011-09-20 2018-08-21 Metrobee, Llc Roaming transport distribution management system
US8868332B2 (en) 2011-10-26 2014-10-21 Right There Ware LLC Method and system for navigation using bounded geograhic regions
US8775059B2 (en) 2011-10-26 2014-07-08 Right There Ware LLC Method and system for fleet navigation, dispatching and multi-vehicle, multi-destination routing
CN102572697A (zh) * 2012-02-26 2012-07-11 沈哲 基于手持移动终端的出租车呼叫***及方法
HK1165942A2 (en) 2012-06-08 2012-10-12 Agito Group Ltd A computer-implemented system for ordering a taxi
CN102833680B (zh) 2012-09-11 2014-09-24 中国水产科学研究院东海水产研究所 基于位置的海洋渔业信息服务方法
CN203165207U (zh) 2012-12-14 2013-08-28 清华大学苏州汽车研究院(吴江) 基于智能手机的出租车自动寻呼***
US20140172737A1 (en) * 2012-12-18 2014-06-19 Ebay Inc. Community shipping platform
US20140278635A1 (en) * 2013-03-15 2014-09-18 Bringaroo, LLC Delivery methods and systems utilizing a stand-by delivery driver
CN103218769A (zh) 2013-03-19 2013-07-24 王兴健 出租车订单分配方法
EP2843598A1 (en) 2013-08-30 2015-03-04 GT Gettaxi Limited System and method for ordering a transportation vehicle
CN104463650A (zh) 2013-09-12 2015-03-25 墨林设计顾问股份有限公司 特定区域实时反馈的预约交易方法
CN103514738B (zh) 2013-09-18 2015-09-02 福建工程学院 一种出租车叫车拼车顺路匹配方法及其***
CA2932828C (en) * 2013-12-11 2023-12-05 Uber Technologies, Inc. Optimizing selection of drivers for transport requests
CN103680135A (zh) 2013-12-31 2014-03-26 北京东方车云信息技术有限公司 一种提供打车服务的方法、装置及***
CN103680134B (zh) 2013-12-31 2016-08-24 北京东方车云信息技术有限公司 一种提供打车服务的方法、装置及***
CA2946648A1 (en) 2014-04-24 2015-10-29 Lingyu Zhang System and method for managing supply of service
CN103985247B (zh) 2014-04-24 2016-08-24 北京嘀嘀无限科技发展有限公司 基于城市叫车需求分布密度的出租车运力调度***
CN104123836B (zh) 2014-07-29 2016-04-06 北京嘀嘀无限科技发展有限公司 基于城市叫车订单时间地点组合的订单推送***
CN104183118B (zh) 2014-08-19 2016-08-24 北京嘀嘀无限科技发展有限公司 基于拍卖模式获得乘客最优接驾司机的派单***
MY188692A (en) 2014-08-04 2021-12-23 Beijing Didi Infinity Technology & Dev Co Ltd Methods and systems for distributing orders
CN104715426B (zh) 2015-04-08 2018-08-03 北京嘀嘀无限科技发展有限公司 用于处理订单的方法及设备
CN104157133B (zh) 2014-08-20 2016-10-05 北京嘀嘀无限科技发展有限公司 基于司机在线活跃情况的运力拉升***
CN104156868A (zh) * 2014-08-22 2014-11-19 北京嘀嘀无限科技发展有限公司 基于订单价值判断促进订单成交的出租车积分***
CN104794553B (zh) 2014-08-12 2018-07-10 北京东方车云信息技术有限公司 网络租车中基于出租车运营区域熟悉程度的派单***和方法
CN110009256A (zh) 2014-11-27 2019-07-12 北京嘀嘀无限科技发展有限公司 一种订单处理方法、设备、计算机***及存储介质
CN104484787A (zh) 2014-12-16 2015-04-01 四川创物科技有限公司 一种信息推送方法
CN104574018B (zh) 2014-12-26 2018-05-15 北京京东尚科信息技术有限公司 一种抢单控制方法及***
CN104463509A (zh) 2014-12-29 2015-03-25 先锋智道(北京)科技有限公司 网络打车的订单推送方法和网络打车的订单确认方法
MY193639A (en) * 2015-01-27 2022-10-21 Beijing Didi Infinity Technology & Dev Co Ltd Methods and systems for providing information for an on-demand service
CN104599218B (zh) 2015-01-29 2020-09-11 北京嘀嘀无限科技发展有限公司 用于确定订单接收范围的方法和设备
CN104915855B (zh) * 2015-04-13 2019-02-22 北京嘀嘀无限科技发展有限公司 订单抢单率的预估方法及装置
CN105117777A (zh) * 2015-07-28 2015-12-02 北京嘀嘀无限科技发展有限公司 一种订单分配的方法及装置
CN105096166A (zh) 2015-08-27 2015-11-25 北京嘀嘀无限科技发展有限公司 一种订单分配的方法及装置
CN104766262A (zh) * 2015-04-08 2015-07-08 北京嘀嘀无限科技发展有限公司 用于处理订单的方法及设备
CN105117842A (zh) * 2015-08-20 2015-12-02 北京嘀嘀无限科技发展有限公司 订单推送方法及装置
CN105118013A (zh) * 2015-07-29 2015-12-02 北京嘀嘀无限科技发展有限公司 一种订单的分配方法及装置
PH12017501388A1 (en) 2015-02-02 2018-01-08 Beijing Didi Infinity Technology & Dev Co Ltd Methods and systems for order processing
CN104616086A (zh) 2015-02-28 2015-05-13 北京嘀嘀无限科技发展有限公司 用于动态设置订单的缓冲时间的方法和设备
CN104751271A (zh) 2015-03-04 2015-07-01 径圆(上海)信息技术有限公司 智能订单调度方法、服务器、电动车、移动终端及***
CN112508616A (zh) 2015-08-20 2021-03-16 北京嘀嘀无限科技发展有限公司 一种订单分配的方法及装置
US10055995B2 (en) * 2015-10-06 2018-08-21 Gt Gettaxi Limited System for preemptively navigating drivers to an event created through a social network system
US10832367B2 (en) * 2016-02-17 2020-11-10 Justin Andrew Frankert System for arranging transportation services and associated methods
US11138524B2 (en) * 2016-03-11 2021-10-05 Uber Technologies, Inc. Cascaded boosted predictive models

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109117989A (zh) * 2018-07-26 2019-01-01 北京云鸟科技有限公司 一种任务匹配时的预测方法及装置
CN109117989B (zh) * 2018-07-26 2021-06-11 北京云鸟科技有限公司 一种任务匹配时的预测方法及装置
WO2021182743A1 (ko) * 2020-03-09 2021-09-16 주식회사 우아한형제들 배달 과정을 관리하기 위한 장치, 방법 및 명령을 기록한 기록 매체
US20210334709A1 (en) * 2020-04-27 2021-10-28 International Business Machines Corporation Breadth-first, depth-next training of cognitive models based on decision trees

Also Published As

Publication number Publication date
US10977585B2 (en) 2021-04-13
US20180012153A1 (en) 2018-01-11
PH12017501364A1 (en) 2017-12-18
EP3252705A4 (en) 2018-07-04
SG11201706188YA (en) 2017-08-30
EP3252705A1 (en) 2017-12-06
US20210232984A1 (en) 2021-07-29
WO2016119749A1 (zh) 2016-08-04
HK1245473A1 (zh) 2018-08-24
PH12017501364B1 (en) 2017-12-18

Similar Documents

Publication Publication Date Title
US20210232984A1 (en) Order allocation system and method
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
US11315170B2 (en) Methods and systems for order processing
JP6559792B2 (ja) オーダーペアリングのシステム及び方法
KR101994631B1 (ko) 서비스의 공급을 관리하기 위한 시스템 및 방법
JP6646069B2 (ja) オーダーをプッシュする方法及びシステム
CN110741402B (zh) 用于运力调度的***和方法
WO2016127918A1 (zh) 一种运力调度方法及***
AU2018217973A1 (en) Dynamic selection of geo-based service options in a network system
CN113822609A (zh) 物流线路的生成方法、装置以及服务器

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application