TW202036458A - 針對興趣點從雜訊多模態資料自動地判定最佳運送服務位置之技術 - Google Patents
針對興趣點從雜訊多模態資料自動地判定最佳運送服務位置之技術 Download PDFInfo
- Publication number
- TW202036458A TW202036458A TW109104395A TW109104395A TW202036458A TW 202036458 A TW202036458 A TW 202036458A TW 109104395 A TW109104395 A TW 109104395A TW 109104395 A TW109104395 A TW 109104395A TW 202036458 A TW202036458 A TW 202036458A
- Authority
- TW
- Taiwan
- Prior art keywords
- service
- location
- cluster
- locations
- shipping
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012384 transportation and delivery Methods 0.000 claims description 40
- 230000003993 interaction Effects 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 9
- 230000005236 sound signal Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
用於運送服務的一種方法、一種電腦可讀取媒體、以及一種裝置被提供。該裝置可以接收與一興趣點實體相關聯的複數個運送服務交易。對於每一個運送服務交易,該裝置判定執行該運送服務交易所在處的一運送服務位置。該裝置可把針對該等複數個運送服務交易所判定的該等運送服務位置進行群集。該裝置可基於該群集針對該興趣點實體判定一或多個候選運送服務位置。該裝置可以把該等一或多個候選運送服務位置提供給與將被執行在該興趣點實體之一運送服務交易相關聯的一客戶或一服務供應商。
Description
發明領域
本發明的各個方面一般係涉及運送服務,並更具體地說,係涉及最佳運送服務位置的判定技術。
發明背景
一種按需運送服務供應商(例如,一司機)接收來自客戶端請求來把一或多位客人或一或多個品項從一起始位置運送到一目的地。在通常的情況下,該客戶指定一位置以讓該司機可接載一或多位客人或一或多個品項並開始該行程;該司機然後判定一位置來讓該等客人或品項在該目的地處下車以完成該行程。該接送位置的手動判定經常會使得接送位置未針對實際道路狀況被最佳化,或會因為不當地選擇接載及/或下車的位置而延遲接載時間或總行程時間。手動地為每一個可能的興趣點(POI)找到合適的接載或下車點係繁瑣的並且難以擴展規劃,對該客戶及該司機而言都是不愉快的。
發明概要
以下提出一簡化的概述,以便對所揭露發明之各個方面提供一基本的理解。這份概述不是對所有預期的方面的做出詳盡概述,既不旨在標識出所有方面之關鍵或重要的元素,也不旨在描繪任一或所有方面的範圍。這份概述唯一的目的係以簡化的形式來介紹一或多個方面的某些概念,作為稍後介紹之更為詳細描述的序言。
一種解決方案被提供用來自動地推斷或發現特定於一興趣點或興趣區域(AOI)的運送服務位置(例如,接載位置、下車位置、等等),該等服務位置對於該服務供應商及該服務請求者而言都是適合或最佳的。這些位置可以從大量的信號被推斷出,該等信號包括含雜訊的全球定位系統(GPS)、影像、視訊、音訊、電子錢包交易、遠程資訊處理資料(例如,來自汽車感測器之開門、關門、安全帶使用)、以及來自該供應商及請求者應用程式中的使用者互動資料。該音訊、視覺、文字、以及位置資料可以來自該司機應用程式及/或該乘客應用程式。雖然運送服務被圖示出為本解決方案可被應用在其中的一實例,但本解決方案可以被擴展及推廣到其他的服務,諸如食品遞送及物流。
在本發明的一個方面中,提供了用於運送服務的一種方法、一種電腦可讀取媒體、以及一種裝置。該裝置可以接收與興趣點實體相關聯的複數個運送服務交易。對於該等複數個運送服務交易中的每一個運送服務交易,該裝置可以判定執行該運送服務交易所在的一運送服務位置。該裝置可把針對該等複數個運送服務交易所判定之該等運送服務位置做群集。基於該群集,該裝置可以針對該興趣點實體判定一或多個候選運送服務位置。該裝置可把該等一或多個候選運送服務位置提供給與將被執行在該興趣點實體處之一運送服務交易相關聯的一客戶或一服務供應商。
為了實現前述及相關目的,該等所揭露的方面包括在下文中被充分描述並且在請求項中被特別指出的特徵。下面的描述及該等附圖詳細地闡述了本發明各方面的某些特徵。然而,這些特徵僅指出可採用各個方面之該等原理之該等各種方式中的其中幾種,並且本描述旨在包括所有的這些方面及其等同物。
較佳實施例之詳細說明
以下結合該等附圖所闡述的詳細描述旨在作為對各種可能組配的描述,並不意圖代表可實踐本文中所描述概念的唯一組配。該詳細描述包括特定的細節,以對各種概念提供一透徹的理解。然而,對於本領域的習知技藝者而言將顯而易見的是,可以在沒有這些具體細節的情況下實踐這些概念。在某些情況下,係以方塊圖的形式展示出公知的結構及組件,以避免模糊了這些概念。
現在將參考各種裝置及方法來呈現提供運送服務的幾個方面。該等裝置及方法將在以下詳細描述中進行描述,並在該等附圖中藉由各種方塊、組件、電路、程序、演算法、等等(被統稱為「元件」)進行說明。可以使用電子硬體、電腦軟體、或其之任意組合來實現這些元件。把這些元件實現為硬體還是軟體取決於特定的應用及施加在該整個系統上的設計約束。
舉例來說,一元件或元件之任何部分或元件之任何組合可被實現為包括一或多個處理器的一「處理系統」。處理器的實例包括微處理器、微控制器、圖形處理單元(GPU)、中央處理單元(CPU)、應用處理器、數位信號處理器(DSP)、精簡指令集運算(RISC)處理器、系統單晶片(SoC)、基頻處理器、現場可規劃閘陣列(FPGA)、可化邏輯裝置(PLD)、狀態機、閘控邏輯、分立式硬體電路、以及其他合適的硬體,這些硬體被組配來執行本發明中所描述的各種功能。在該處理系統中的一或多個處理器可以執行軟體。軟體應被廣義地解釋為指令、指令集、代碼、代碼段、程式碼、程式、副程式、軟體組件、應用程式、軟體應用程式、軟體套件、過程、子過程、物件、可執行檔、執行緒、程序、函式、等等,無論是被稱為軟體、韌體、中介軟體、微碼、硬體描述語言、或是其他的形式。
因此,在一或多個實例實施例中,可以以硬體、軟體、或其之任何組合來實現所描述的功能。如果以軟體實現,則該等功能可被儲存在或被編碼為一或多個指令或代碼在一電腦可讀取媒體上。電腦可讀取媒體包括電腦儲存媒體。儲存媒體可以係可由一電腦存取之任何可用的媒體。藉由舉例的方式而非限制,這種電腦可讀取媒體可以包括一隨機存取記憶體(RAM)、一唯讀記憶體(ROM)、一電子可抹除可規劃ROM(EEPROM)、光碟儲存、磁碟儲存、其他磁性儲存裝置、上述類型之電腦可讀取媒體的組合、或任何其他可被使用來以可由電腦存取之指令或資料結構之形式來儲存電腦可執行代碼的媒體。
圖1係一示意圖100,其圖示出運送服務交易的一實例。在該實例中,一客戶可以請求一服務供應商106在一POI 102處接送一乘客104。在一些實施例中,該客戶可以是該乘客104。該POI 102可能佔據一大塊面積。因此,可能需要判定一精確的運送服務位置108以便於該運送服務交易。
理解用於接載、下車、以及遞送之精確服務位置對於叫車服務及遞送服務來說係來說至關重要的。儘管大多數的地圖解決方案都具有POI資訊,但是它們很少具有有關於各種接載點、入口及出口等等的詳細資訊,這對於成功完成服務的該等第一哩及最後一哩區段係至關重要的。為了實現這一目標,提供了一種基於機器學習的解決方案,以藉由探勘歷史預約之GPS軌跡來自動地推斷出該等服務位置(例如,由在該地圖上的緯度及經度座標給出)。
推斷出該等精確的服務位置有助於了解針對一POI之上下車的準確位置並因此了解對應於在該POI處出發或結束之一行程的該旅行時間。此外,推斷出該等精確的服務位置有助於發現乘客偏好或選擇的新位置。因此,推斷出該等精確的服務位置有助於更佳地估計出旅行時間,並且改善乘客及司機的體驗。
在本發明中,提供了一種針對POI推斷出優選服務位置之自動化的方法。儘管傳統的實現方法廣泛地使用GPS探針,但本解決方案的某些實施例可以輕鬆地擴展用來處理包括影像、視訊、語音、文字、遠程資訊處理、及人類反饋在內的多種信號。儘管大多數的傳統方法僅依靠GPS資料進行POI推斷,但本發明提供了一種解決方案使用來自音訊、視訊、文字(例如,乘客--司機聊天)、以及遠程資訊處理日誌的各種多模態資料,這些資料可被全部結合以提供服務位置之一種更為精確的推斷。在一些實施例中,當在該等服務位置推斷中具有高度不準確性時,提供了一種整合人類反饋的方法。
圖2係一種針對興趣點自動地判定最佳服務位置之方法的一流程圖200。在一些實施例中,該方法可以由一裝置(例如,在圖9或圖10中所示之該裝置902/902')來執行。
在202,該裝置可以把雜訊GPS資料與司機應用程式互動資料相結合(例如,當該司機向該系統通知該車輛已經到達時;但該司機不被強制要盡可能精確地執行這個動作)來推斷每位司機觸發一接送事件的所在點,針對與該接送事件相關聯之每一個POI實體。
由於該等司機決定要指出他們已經接載一乘客之時間及地點中的變化(因為不是一強制執行的動作)、固有的雜訊及GPS信號的不確定性,僅依靠來自司機應用程式互動的GPS探針來針對一POI來推斷最佳的服務位置可能並不總是可靠的。因此,在一些實施例中,該司機互動資料及/或GPS信號可用另外的信號來被擴增,該等信號包括有,但不侷限於,影像、視訊、語音、遠程資訊處理及慣性運動感測器諸如加速度計、陀螺儀、等等。
圖3係一示意圖300,其圖示出其他的資料來源如何可被使用來推斷運送服務位置之一種一般架構的一實例。在該實例中,這些其他資料來源可包括環境302、司機及乘客的行動電話304、以及車輛306。該環境302可以提供(在308)音訊、視訊、以及影像。該司機及乘客行動電話304可以提供(在310)應用程式互動資料、GPS資料、慣性測量單元(IMU)感測器資料、及文字(例如,乘客與司機聊天)。該車輛306可以提供(在312)門及安全帶之遠程資訊處理資料。來自不同來源的資料可以在320被結合以形成一信號解析度。在322,可以獲得該推斷出之運送服務位置的最終輸出。
為了解決安全性問題並解決搭載後的糾紛,前置相機及麥克風已經被使用來記錄資料並進行事後分析。然而,此資料可能會更積極地被使用來用於其他的目的。在一些實施例中,配備有一人臉檢測及/或識別系統的一前置儀表板相機可被使用來檢測在該汽車內部的人臉,以檢測並記錄乘客何時上車及下車。當該演算法檢測到在該車廂內有新的面孔時,這可以指出一新搭乘的開始。類似地,一先前檢測到人臉的消失可以指出該搭乘的結束。可以把對應於這些事件的時刻及GPS信號進行結合以推斷出並優化該等最佳的服務位置及該行程的持續時間。
通常,一叫車服務旅程始於司機與乘客互相打招呼,該司機驗證該乘客的姓名及目的地,並且該乘客同意該等細節。這也同時發生了關門,其也具有一獨特的音訊特徵。在一些實施例中,藉由分析這些信號,一音訊特徵可被衍生來創建如此音訊信號的一正則形式(類似於在喚醒個人數位助理中所使用的單詞)。這些信號,與該GPS資料相結合,可被用來識別出該準確的服務位置。
多年來,在汽車中的遠程資訊處理感測器對於該汽車產生活動之準確性及覆蓋範圍都已大大地提高。遠程資訊處理感測器可以包括一機載GPS(通常會比手機GPS接收器更為準確)、附接到後門、加速度、煞車、兒童安全鎖、雨刷、等等的感測器。在一叫車服務的場景中,一司機可能連續地服務一連串的接送,在這種情況下,後門及行李箱門的打開及關閉可能表明乘客的上車或下車。在一些實施例中,這些活動的時間戳(如由遠程資訊處理感測器信號所指出的)與所記錄的GPS信號可一起被使用來更準確地推斷出該等服務位置。
在一些實施例中,該等接載位置的影像及視訊可以與該城市之現有影像資料庫進行匹配,以縮小在該POI內該確切的位置。當GPS信號充滿雜訊且斷斷續續時這特別地有用,尤其是在室內接載區域中時。
乘客經常與地圖進行互動以選擇一大頭針位置用於上車或下車。這些「手動大頭針」通常係當乘客在附近找不到一接載點時使用。在一些實施例中,當(無監督之機器學習的)群集演算法被套用到隨時間累積的手動大頭針上時,使用模式可被揭露,這反過來又可以被使用來創建新的POI。這進一步可識別出在該POI資料庫中的潛在盲點,並可藉由更徹底的映射來被固定。
乘客經常在該叫車應用程式中使用文字對話來提供有關於該等POI的附加資訊。例如,一乘客可能會說:「我在3號柱子處等待」。在一些實施例中,在與該POI及預訂相關聯的該等聊天記錄中進行探勘可能會揭露有關於一POI的附加屬性,並且潛在地有助於創建新的POI。
返回參考圖2,在204,該裝置可以過濾由於大量雜訊GPS及/或不正確的司機互動而導致之在該資料中的異常值。
在206,該裝置可以使用一群集演算法把針對每一個相關聯POI實體之如此的接送點群集在一起,其中係根據用於每一個POI之該點資料集的該結構來動態地調整該演算法的該等參數。
在一些實施例中,該群集演算法可以包括幾個參數,例如,距離一點之該鄰域的最大半徑、以及該所欲之最小的群集大小。通常,在每一個POI處接載信號(對應於司機按鈕按下之GPS位置)的該分佈可能會有很大差異。熱門地點具有高密度及大的發生率變異數,而鮮為人知的位置(例如,住宅POI)往往具有稀疏的集中化的發生率。因此,固定的群集參數值可能無法在所有情況下都起作用。對於相同的POI,一保守的群集參數值可能會創建出超過必要數量的群集,而放寬這些參數可能會合併必要的群集,並且,無法有效地消除異常值,從而對最終結果產生負面的影響。
圖4係一示意圖400,其圖示出使用某固定群集參數針對一POI在1K個樣本處之該群集結果的一實例。如圖所示,該群集產生兩個群集402及406。
圖5係一示意圖500,其圖示出使用相同的固定群集參數針對以上在圖4中所描述之該POI在20K個樣本(例如1個月的資料集)處之該群集結果的一實例。如圖所示,該群集僅產生一個群集502,因為該群集演算法把所有點連接在一起。
在一些實施例中,為了解決上述有關於該群集演算法的問題,本發明提供一種兩階段的程序來設置及調整該等參數。在該第一步驟中,在所有的實驗中一群集的參數(例如,距離一點之該鄰域的最大半徑)可被固定為一初始值,而另一參數(例如,該所欲之最小的群集大小)可基於針對該POI所觀察之該等點的密度來被設定。如果該群集演算法失敗(也就是說,如果它無法傳回任何有效的群集),則該等群集參數可被動態地調整(例如,被逐地漸放鬆)以調整到該等觀察。在一些實施例中,只有一些連續嘗試次數可以被允許來做此調整,如果該最大嘗試次數被耗盡後該群集仍失敗,則將報告「沒有發現群集」。
在一些實施例中,為了解決上述有關於該群集演算法的問題,可以自動地選擇該等群集參數的值。一群集參數可能需要針對不同的資料集大小被重新調整,其係取決於該被群集之POI的該熱門性及該使用資料的該快照週期。在一些實施例中,藉由使用試探法來近似點的密度,例如k
個最近鄰居演算法(k
-NN)的距離,針對每一個POI之合適的群集參數可被自動地決定。這可以在該集群管線中被實現。隨著用於某些POI之資料集大小增加,按下按鈕可能會開始「映射」街道網路。這意味著曾經係不同的集群可能會被這些虛假資料點被「橋接」。
為此目的,在一些實施例中,針對在一POI中的每一個點,到其k
個最近鄰居的該平均距離可以被測量。然後,可以把該群集參數設置為在此k
-NN距離分佈的某個百分位數p
處。例如,在一些實施例中,k
=3、4或5等等,並且p
=90%、95%、或99%等等。把p
設置得較高可以允許更多「包容性」(因此較少)的集群。在一些實施例中,為了避免在稀疏資料集上的群集太大,可以在一群集參數上設置一最大上限。
圖6係一曲線圖600,其圖示出針對一POI之5-NN距離(以km為單位)之該累積分佈函數(CDF)的一實例。如圖所示,大約80%的點位於其鄰居的1m以內。此外,有99%的點在其鄰居的14m之內。
圖7係一示意圖700,其圖示出針對上述在圖4及5中該POI使用用以解決傳統群集演算法問題之該等上述方法之群集結果的一實例。如圖所示,五個群集702、704、706、708、710被識別出。
參考回圖2,在208,該裝置可以為每一個群集推斷出一聚集點或代表點,作為針對該POI之合適的接送點。在一些實施例中,該群集的該聚集點或代表點可以是針對該群集所評估的該最密集點。在一些實施例中,可以儲存該推斷出的點以用於進一步的分析、人工驗證、或針對合適的點直接更新當前的POI資料庫。
可以有規律地執行一些實施例,採用批次的輸入資料(例如,在一周或一個月內積累的資料),分批處理它們,並且產生或更新該輸出的最佳服務位置。然而,以這種方式執行不可避免地會導致在變更中的延遲。該過程需要等待一周/月,以便在重新處理之前積累資料。另外,由於資料係成批地被處理,因此該過程需要大量的運算及/或長時間的處理。
一些實施例可以執行「線上/增量學習」(而不是「批次處理學習」),從而解決了這些問題。有效地是,可以僅藉由接收一批少量的「新資料點」,再加上該系統到目前為止已學習之所有的「舊資料」的「現存記憶」,該等學習演算法可被重構來更新最佳的服務位置。在極端情況下,可能會使用接收到的每一個新資料點來計算更新。
這允許該系統以一種有效率的運算方式對正在變化的條件(例如,在一現有道路中有不可預見的道路封閉或道路入口更改)做出快速且馬上的反應。在某些其他情況下,這還允許標記出異常--例如,一服務位置標記有一熱門的目的地名稱,但由於某些手動(***/刪除)錯誤而產生了明顯移動。例如,該群集演算法可被修改來允許即刻接收到的增量變化。
參考回到圖2,在210,該裝置可把如此點的人類驗證資料儲存並反饋到該模型中,以有助於改善該群集演算法。一些實施例可以沒有人工輸入,並且可以純粹地被「機械式地」執行。然而,人類的專業知識仍然很有價值,尤其是在高度情境、時間或行為方面。一些實施例可擁有專門管理服務位置資料的人類專家團隊,但是該等上述的方法有助於使該過程的大部分自動化,並且旨在擴增人類團隊在執行其工作時的該能力及速度。
通常,這一種工作動態要求該自動化的系統「盲目地」處理及輸出結果,如果有必要的話,該人類團隊將藉由其來進行評估及/或修正。在一些實施例中,對這工作流程的改進包括以某種方式對該等結果進行「排名」以進行評估(使得該人類團隊可以優先處理該等最「重要的修正」),及/或以某種方式反饋該等結果以改善該系統,通常係經由創建或維護該等演算法/系統的該團隊。
對於這種機器輔助之人類管理範例之一非平凡的改進涉及「主動學習」。本質上,一些實施例的該等系統主動選擇其已試圖解決之特定的群集任務,並「詢問」該等人類專家其解決方案是否「正確」,目的係在後續的任務上來改進自身。
在一些實施例中,一主動學習系統可以執行以下的步驟:
1. 給定一基準線模型及參數集,為該資料的某些找出該等最佳服務位置。不需要用所有現有可用的資料,其之一個子集合就可以。為了簡便起見,這些輸出最佳點可被稱為「提出的解決方案」。
2. 評估應該向人類專家展示哪些提出的解決方案以得到反饋。這可藉由以下方式做到:
a. 首先,測量以下這些指標中之任一:
l 一提出解決方案之正確性的不確定性,例如,該演算法判斷其推論很可能是錯誤的,並需要一人類專家來修正它。
l 該潛在人類專家答案的資訊性,例如,該演算法判斷該人類答案對這個提出的解決方案具有最大的潛力可以在盡可能少的迭代中提高該模型的整體正確性。
l 這個資料點的重要性,例如,要正確判定此位置非常的重要,因為它係一高價值的POI。
l 以上幾項之一適當的平衡。
b. 然後,顯示在(2a)之該等度量中排名很高的該等解決方案。
3. 把在(2b)中該等優先的解決方案顯示給人類專家(例如,經由一電腦儀表板或其他合適的人機介面)。然後,人類專家會提供該「正確答案」作為基準真相(例如,其中該最佳服務位置實際上正如由一人類專家所判定)。
4. 該人類專家的判斷被反饋給該系統,並且該等模型參數被自動地調整以減少其自己在人類提供之基準真相答案上的誤差。
5. 以該新調整的模型及參數,然後對一完全不同的資料子集合,或先前使用過資料的某些,重複地進行步驟1。
因此,與實例係被隨機地展示以取得人類反饋的情形相比,服務位置品質會以更快的速度及較少的人類互動來改善。這係因為人類專家僅需花費精力在最需要他們的地方提供更多資訊內容的答案。
儘管本發明聚焦在叫車服務,但本領域普通技術人員中之一將體認到在本發明中所描述的技術可以被推廣到其他的應用,諸如物品的收貨及送貨,而該等物品可以是諸如食物或商品。在這些情況下,相同的方法論可被使用來推斷該等服務位置,即,取貨位置、停車位置、及交貨位置、等等。
在一些實施例中,可以把針對一POI所推斷之最佳的接送服務位置提供給一自動車(也被稱為自駕車)。該自動車可基於該最佳運送服務位置在該POI處提供運送/遞送服務,以實現在本發明中所描述的各種好處。
圖8係一種運送服務方法的一流程圖800。在一些實施例中,該方法可由一裝置(例如,在圖9或圖10中所示之該裝置902/902')來執行。在一些實施例中,由該方法所執行的操作可以對應於以上參考圖2所描述的操作。
在802,該裝置可以接收與一興趣點實體相關聯的複數個運送服務交易。在一些實施例中,一運送服務交易可以包括一服務供應商應一客戶的請求來接送一或多位人或一或多個物品。
在804,對於該等複數個運送服務交易中的每一個運送服務交易,該裝置可以判定執行該運送服務交易所在的一運送服務位置。在一些實施例中,一運送服務位置可以是一接載位置、一下車位置、或一遞送位置中之一個。
在一些實施例中,可基於GPS資料及供應商應用軟體互動資料來判定該運送服務位置。在一些實施例中,可以基於該運送服務位置的一影像、該運送服務位置的一視訊、遠程資訊處理資料、音訊信號、儀表板相機輸出、客戶互動、或聊天日誌中的至少一項來判定該運送服務位置。
在806,該裝置可對針對該等複數個運送服務交易所判定的該等運送服務位置進行群集。在一些實施例中,為了集群該等運送服務位置,該裝置可迭代地放鬆群集參數。在這樣的實施方式中,該等群集參數可以包括該最大的鄰居半徑以及形成一有效群集所需之最小的點數。
在一些實施例中,為了把該等運送服務位置群集,對於該等運送服務位置中的每一個運送服務位置,該裝置可以測量到該運送服務位置之k 個
最近鄰居的該平均距離。該裝置可以自動地把該群集之該最大鄰域半徑調整為處於該k 個
最近鄰居距離分佈的一百分位數。在一些實施例中,k
可以是3、4、或5等,並該百分位數可以是90%、95%、99%等等。
在808,該裝置可基於該群集針對該興趣點實體判斷一或多個候選運送服務位置。
在810,該裝置可把該等一或多個候選運送服務位置提供給與將被執行在該興趣點實體處之一運送服務交易相關聯的一客戶或一服務供應商。
在一些實施例中,該裝置可進一步選擇一提出的解決方案以尋求人類反饋。該裝置可基於該人類反饋來改善該等一或多個候選運送服務位置。
在一些實施例中,該裝置可以接收與該興趣點實體相關聯的一第二複數個運送服務交易。該等第二複數個運送服務交易可以是該等最近的交易。該裝置可以基於該等第二複數個運送服務交易來更新該等一或多個候選運送服務位置。
圖9係一概念的資料流程圖900,其圖示出在一示範性裝置902中在不同構件/組件之間的該資料流。該裝置902可以是一包括有多個運算裝置的一運算裝置或一系統。
該裝置902可以包含一位置判定組件904,其基於多模態資料針對一POI判定運送服務位置。在一個實施例中,該位置判定組件904可以執行以上參考圖2中的202或圖8中804所描述的該等操作。
裝置902可以包括一群集組件906,其對由該位置判定組件904所提供的該等運送服務位置進行群集。在一個實施例中,該群集組件906可以執行以上參考圖2中的206或圖8中806所描述的該等操作。
該裝置902可以包括一位置最佳化組件908,其基於由該群集組件906所獲得的該等群集來針對該POI判定候選運送服務位置。在一個實施例中,位置最佳化組件908可以執行以上參考圖2中的208或圖8中808所描述的該等操作。
該裝置902可包括附加的組件,該等附加的組件執行在圖2及8該等前述流程圖中該演算法之該等個方塊的每一個。因此,在圖2及8之該等前述流程圖中的每一個方塊可以由一組件來執行,並且該裝置可以包括那些組件中的一或多個。該等組件可以是被特別地組配來執行該陳述程序/演算法的一或多個硬體組件、由被組配來執行該陳述程序/演算法的一處理器來實現、被儲存在一電腦可讀取媒體中以供一處理器來實現、或是它們的某種組合。
圖10係一示意圖1000,其圖示出一種採用處理系統1014之裝置902'的一硬體實現實例。在一些實施例中,該裝置902'可以是上面參考圖9所描述的該裝置902。該裝置902'可以包括一或多個運算裝置。可以使用一匯流排架構來實現該處理系統1014,該匯流排架構總體上由該匯流排1024來表示。該匯流排1024可以包括任意數量的互連匯流排及橋接器,取決於該處理系統1014的特定應用及該等整體設計的約束。該匯流排1024把各種電路鏈接在一起,包括一或多個處理器及/或硬體組件,它們由該處理器1004、該等組件904、906、908、以及該電腦可讀取媒體/記憶體1006來表示。該匯流排1024還可以鏈接各種其他的電路,諸如定時來源、週邊裝置、電壓調節器、以及電源管理電路,這些在本領域中係眾所周知的,因此將不再贅述。
該處理系統1014包括被耦合到一電腦可讀取媒體/記憶體1006的一處理器1004。該處理器1004負責一般處理,包括執行儲存在該電腦可讀取媒體/記憶體1006的軟體。該軟體,當由該處理器1004執行時,致使該處理系統1014可執行上文針對任何特定裝置所描述的各種功能。該電腦可讀取媒體/記憶體1006也可以被使用來儲存當執行軟體時由該處理器1004所處理的資料。該處理系統1014還包括該等組件904、906、908中的至少一個。這些組件可以是執行在該處理器1004中的軟體組件、駐留/儲存在該電腦可讀取媒體/記憶體1006中、被耦合到該處理器1004的一或多個硬體組件、或其之某種組合。
在下文中,將說明本發明的各個方面:
實例1係一種用於運送服務的方法、裝置、或電腦程式。該裝置可以:接收與一興趣點實體相關聯的複數個運送服務交易;對於該等複數個運送服務交易中的每一個運送服務交易,判定執行該運送服務交易所在處之該運送服務位置;把針對該等複數個運送服務交易所判定的該等運送服務位置進行群集;基於該群集針對該興趣點實體判定一或多個候選運送服務位置;以及把該等一或多個候選運送服務位置提供給與將被執行在該興趣點實體處之一運送服務交易相關聯的一客戶或一服務供應商。
在實例2中,實例1的該技術主題可以選擇性地包括:一運送服務位置可以係一接載位置、一下車位置、或一遞送位置中的一個,其中一運送服務交易可以包括由一服務供應商應客戶的請求接送一或多位人或一或多個物品。
在實例3中,實例1或2的該技術主題可以選擇性地包括可以基於GPS資料及供應商應用軟體互動資料來判定該運送服務位置。
在實例4中,實例1至3之任一的該技術主題可以選擇性地包括可基於該運送服務位置的一影像、該運送服務位置的一視訊、遠程資訊處理資料、音訊信號、儀表板相機輸出、客戶互動、或聊天記錄中的至少一個來判定該運送服務位置。
在實例5中,實例1至4之任一的該技術主題可以選擇性地包括該裝置可以:選擇一提出的解決方案以尋求人類反饋;以及基於該人類反饋改善該等一或多個候選運送服務位置。
在實例6中,實例1至5之任一的該技術主題可以選擇性地包括,為了要集群該運送服務位置,該裝置可以動態地調整群集參數。
在實例7中,實例6的該技術主題可以選擇性地包括該等群集參數可以包括最大的鄰域半徑以及欲形成一群集所需要點的一最少數量。
在實例8中,實例1至7之任一的該技術主題可以選擇性地包括,為了對該等運送服務位置進行群集,該裝置可以:對於該等運送服務位置中的每一個運送服務位置,對該運送服務位置的該點密度分佈做出近似;以及基於該近似的點密度分佈來自動地調整該群集的該最大鄰域半徑。
在實例9中,實例8的該技術主題可以選擇性地包括k
可以是一2到10之間的整數,以及該百分位數可以在90%到99.9%之間。
在實例10中,實例1至9之任一的該技術主題可以選擇性地包括該裝置可以:接收與該興趣點實體相關聯的一第二複數個運送服務交易;以及基於該等第二複數個該運送服務交易更新該等一或多個候選運送服務位置。
本領域之習知技藝者將理解的是,在本文中所使用的術語僅係出於描述各種實施例的目的,並不旨在限制本發明。如在本文中所使用的,單數形式的「一」、「一個」、以及「該」也意圖包括該等複數形式,除非上下文有另外明確地指出。還將理解的是,當用語「包含」及/或「包含有」在本說明書中被使用時,指出存在有該陳述的特徵、整數、步驟、操作、元件及/或組件,但不排除存在有或添加有一或多個其他的特徵、整數、步驟、操作、元件,組件及/或其群組。
應被理解的是,在該等公開程序/流程圖中之方塊的特定順序或層級架構係實例性方法的一圖示。基於設計偏好,應被理解的是可以重新佈置在該等程序/流程圖中方塊之特定的順序或層級架構。此外,可以結合或省略一些方塊。所附的方法請求項以一實例順序呈現了各個方塊的元件,並且並不意味著被侷限於該所呈現之特定的順序或層級架構。
該先前的描述被提供以使本領域之任何習知技藝者能夠實踐本文所描述的各個方面。對這些方面的各種修改對於本領域習知技藝者而言將會是顯而易見的,並且本文所定義之一般原理可被應用於其他的方面。因此,該等請求項並不旨在被限制在本文中所展示的方面中,而是應被賦予與該等請求項說法一致之該完整的範圍,其中除非明確地被指出,以該單數形式所提及之元件並不旨在表示「一個且僅一個」,而是「一或多個」。用語「實例」在本文中被使用來表示「用作示例、實例或說明」。在本文中被描述為「實例」的任何方面不必被解釋為比其他的方面更為優選或更為有利。除非另有明確地說明,否則用語「一些」係指一或多個。諸如「A、B、或C的至少一個」、「A、B、或C的一或多個」、「A、B、及C的至少一個」、「A、B、及C的一或多個」、以及「A、B、C、或它們的任意組合」包括A、B、及/或C的任意組合,並且可以包括A的倍數、B的倍數、或C的倍數。具體地說,諸如「A、B、或C中的至少一個」、「A、B、或C中的一或多個」、「A、B、及C中的至少一個」、「A、B、及C中的一或多個」以及「A、B、C、或其任意組合」的組合可以是僅有A、僅B、僅有C、A及B、A及C、B及C、或A及B及C,其中任何此類的組合可以包含A,B或C的一或多個成員。本領域的普通技術人員目前已知或以後將知之貫穿本發明內容所描述之各個方面的該等元素之所有結構及功能的等同物將藉由引用把其明確地併入到本文中,並旨在被該等請求項所涵蓋。此外,本文所公開的任何內容都不旨在獻給大眾,無論在該等請求項中是否已明確記載了該揭露。「模組」、「機制」、「元件」、「裝置」、等等用語可能無法代替「構件」該用語。所以,除非請求項元件使用短語「用於…的構件」做出明確的敘述,否則任何的請求項元件都不應被解讀為一構件加上功能。
100、300、1000:示意圖
102:POI
104:乘客
106:服務供應商
108:運送服務位置
200、800、900: 流程圖
202〜210、802〜810:方塊
302:環境
304:司機及乘客的行動電話
306:車輛
308:音訊、視訊、影像
310:應用程式互動、GPS、IMU感測器、文字
312:門、安全帶、遠程資訊處理資料
320:信號解析度
322:最終輸出
400、500、700:示意圖
402、406、502、702、704、706、708、710:群集
600:曲線圖
902、902':裝置
904:位置判定組件
906:群集組件
908:位置最佳化組件
1004:處理器
1006:電腦可讀取媒體/記憶體
1014:處理系統
1024:匯流排
圖1係一示意圖,其圖示出運送服務交易的一實例。
圖2係一種針對興趣點自動地判定最佳服務位置之方法的一流程圖。
圖3係一示意圖,其圖示出其他的資料來源如何可被使用來推斷運送服務位置之一種一般架構的一實例。
圖4係一示意圖,其圖示出使用某些固定的群集參數針對一POI在1K個樣本處之該群集結果的一實例。
圖5係一示意圖,其其圖示出使用相同固定的群集參數針對以上在圖4中所描述之該POI在20K個樣本(例如1個月的資料集)處之該群集結果的一實例。
圖6係一曲線圖,其圖示出針對一POI之5-NN距離(以km為單位)之累積分佈函數的一實例。
圖7係一示意圖,其圖示出針對上述在圖4及5中該POI使用用以解決傳統群集演算法問題之該等上述方法所得之群集結果的一實例。
圖8係一種運送服務方法的一流程圖。
圖9係一概念的資料流程圖,其圖示出在一示範性裝置中在不同構件/組件之間的該資料流。
圖10係一示意圖,其圖示出一種採用處理系統之裝置的一硬體實現實例。
200:流程圖
202~210:方塊
Claims (20)
- 一種運送服務的方法,該方法包含有: 接收與一興趣點實體相關聯的複數個運送服務交易; 對於該等複數個運送服務交易中的每一個運送服務交易,判定執行該運送服務交易所在處之一運送服務位置; 把針對該等複數個運送服務交易所判定的該等運送服務位置進行群集; 基於該群集來針對該興趣點實體判定一或多個候選運送服務位置;以及 把該等一或多個候選運送服務位置提供給與要被執行在該興趣點實體處之一運送服務交易相關聯的一客戶或一服務供應商。
- 如請求項1之方法,其中一運送服務位置係一接載位置、一下車位置、或一遞送位置中的一者,其中一運送服務交易包含由一服務供應商應一客戶的請求接送一或多位客人或一或多個物品。
- 如請求項1或2之方法,其中該運送服務位置係基於GPS資料及供應商應用軟體互動資料來被判定的。
- 如請求項1至3任一之方法,其中該運送服務位置係基於該運送服務位置的一影像、該運送服務位置的一視訊、遠程資訊處理資料、音訊信號、儀表板相機輸出、客戶互動、或聊天記錄中的至少一個來被判定的。
- 如請求項1至4任一之方法,其更包含有: 選擇一提出的解決方案以尋求人類反饋;以及 基於該人類反饋改善該等一或多個候選運送服務位置。
- 如請求項1至5任一之方法,其中該等運送服務位置的該集群包含動態地調整群集參數。
- 如請求項6之方法,其中該等群集參數包含一最大的鄰域半徑以及欲形成一群集所需要點的一最少數量。
- 如請求項1至7任一之方法,其中該等運送服務位置的該集群包含: 對於該等運送服務位置中的每一個運送服務位置,對該運送服務位置的一點密度分佈做出近似;以及 基於該近似的點密度分佈來自動地調整該群集的一最大鄰域半徑。
- 如請求項1至8任一之方法,其更包含有: 接收與該興趣點實體相關聯的一第二複數個運送服務交易;以及 基於該等第二複數個運送服務交易來更新該等一或多個候選運送服務位置。
- 一種用於運送服務的裝置,該裝置包含有: 至少一個記憶體;以及 至少一個處理器,該至少一個處理器被耦合到該至少一個記憶體並且被組配成可以: 接收與一興趣點實體相關聯的複數個運送服務交易; 對於該等複數個運送服務交易中的每一個運送服務交易,判定執行該運送服務交易所在處之一運送服務位置; 把針對該等複數個運送服務交易所判定的該等運送服務位置進行群集; 基於該群集來針對該興趣點實體判定一或多個候選運送服務位置;以及 把該等一或多個候選運送服務位置提供給與要被執行在該興趣點實體處之一運送服務交易相關聯的一客戶或一服務供應商。
- 如請求項10之裝置,其中一運送服務位置係一接載位置、一下車位置、或一遞送位置中的一者,其中一運送服務交易包含由一服務供應商應一客戶的請求接送一或多位客人或一或多個物品。
- 如請求項10或11之裝置,其中該運送服務位置係基於GPS資料及供應商應用軟體互動資料來被判定的。
- 如請求項10至12任一之裝置,其中該運送服務位置係基於該運送服務位置的一影像、該運送服務位置的一視訊、遠程資訊處理資料、音訊信號、儀表板相機輸出、客戶互動、或聊天記錄中的至少一個來被判定的。
- 如請求項10至13任一之裝置,其中該至少一個處理器更被組配成可以: 選擇一提出的解決方案以尋求人類反饋;以及 基於該人類反饋改善該等一或多個候選運送服務位置。
- 如請求項10至14任一之裝置,其中,為了集群該等運送服務位置,該至少一個處理器被組配成可以動態地調整群集參數。
- 如請求項15之裝置,其中該等群集參數包含一最大的鄰域半徑以及欲形成一群集所需要點的一最少數量。
- 如請求項10至16任一之裝置,其中,為了集群該等運送服務位置,該至少一個處理器被組配成可以: 對於該等運送服務位置中的每一個運送服務位置,對該運送服務位置的一點密度分佈做出近似;以及 基於該近似的點密度分佈來自動地調整該群集的一最大鄰域半徑。
- 如請求項10至17任一之裝置,其中該至少一個處理器更被組配成可以: 接收與該興趣點實體相關聯的一第二複數個運送服務交易;以及 基於該等第二複數個運送服務交易來更新該等一或多個候選運送服務位置。
- 一種儲存有電腦可執行代碼之非暫時性的電腦可讀取媒體,其包含有指令用於: 接收與一興趣點實體相關聯的複數個運送服務交易; 對於該等複數個運送服務交易中的每一個運送服務交易,判定執行該運送服務交易所在處之一運送服務位置; 把針對該等複數個運送服務交易所判定的該等運送服務位置進行群集; 基於該群集來針對該興趣點實體判定一或多個候選運送服務位置;以及 把該等一或多個候選運送服務位置提供給與要被執行在該興趣點實體處之一運送服務交易相關聯的一客戶或一服務供應商。
- 如請求項19之非暫時性的電腦可讀取媒體,其中一運送服務位置係一接載位置、一下車位置、或一遞送位置中的一者,其中一運送服務交易包含由一服務供應商應一客戶的請求接送一或多位客人或一或多個物品。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/SG2019/050085 WO2020167244A1 (en) | 2019-02-13 | 2019-02-13 | Automatically determining optimal transport service locations for points of interest from noisy multimodal data |
WOPCT/SG2019/050085 | 2019-02-13 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202036458A true TW202036458A (zh) | 2020-10-01 |
Family
ID=72045060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109104395A TW202036458A (zh) | 2019-02-13 | 2020-02-12 | 針對興趣點從雜訊多模態資料自動地判定最佳運送服務位置之技術 |
Country Status (10)
Country | Link |
---|---|
US (2) | US11836652B2 (zh) |
EP (1) | EP3925237B1 (zh) |
JP (1) | JP7441848B2 (zh) |
KR (2) | KR20230008235A (zh) |
CN (1) | CN113508606B (zh) |
MY (1) | MY197012A (zh) |
PH (1) | PH12021551538A1 (zh) |
SG (1) | SG11202107171QA (zh) |
TW (1) | TW202036458A (zh) |
WO (1) | WO2020167244A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200334637A1 (en) * | 2019-04-16 | 2020-10-22 | United States Postal Service | Methods and systems for item delivery along delivery routes |
US20230408265A1 (en) * | 2022-06-16 | 2023-12-21 | Uber Technologies, Inc. | Inferring accurate locations |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0301362D0 (en) * | 2003-01-21 | 2003-02-19 | Olmi Giuseppe A | Intelligent grouping transportation system |
US9476970B1 (en) | 2012-03-19 | 2016-10-25 | Google Inc. | Camera based localization |
WO2014074407A1 (en) | 2012-11-08 | 2014-05-15 | Uber Technologies, Inc. | Providing on-demand services through use of portable computing devices |
KR20170041237A (ko) | 2014-08-04 | 2017-04-14 | 우버 테크놀로지스, 인크. | 미리 결정된 위치 데이터 포인트를 결정하고, 서비스 제공자에게 제공하는 방법 |
JP6637054B2 (ja) | 2015-01-27 | 2020-01-29 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | 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 |
US9733096B2 (en) | 2015-06-22 | 2017-08-15 | Waymo Llc | Determining pickup and destination locations for autonomous vehicles |
US20170059347A1 (en) | 2015-08-28 | 2017-03-02 | Google Inc. | Determining Improved Pick-Up Locations |
US10685416B2 (en) * | 2015-12-10 | 2020-06-16 | Uber Technologies, Inc. | Suggested pickup location for ride services |
EP3449435A4 (en) * | 2016-04-27 | 2019-03-06 | Beijing Didi Infinity Technology and Development Co., Ltd. | SYSTEM AND METHOD FOR DETERMINING ROUTES OF A TRANSPORT SERVICE |
US10156452B2 (en) * | 2016-11-14 | 2018-12-18 | Conduent Business Service, Llc | Method and system for ridesharing management |
US20190266625A1 (en) | 2017-04-14 | 2019-08-29 | Ntt Docomo, Inc. | Demand forecasting device |
CN110741225B (zh) | 2017-06-13 | 2024-01-02 | 北京嘀嘀无限科技发展有限公司 | 确定目标站点的***和方法 |
US20190019254A1 (en) * | 2017-07-14 | 2019-01-17 | Allstate Insurance Company | Distributed data processing systems for processing remotely captured sensor data |
US10187747B1 (en) * | 2018-06-26 | 2019-01-22 | Uber Technologies, Inc. | Location search using dynamic regions generated based on service data |
-
2019
- 2019-02-13 SG SG11202107171QA patent/SG11202107171QA/en unknown
- 2019-02-13 MY MYPI2021003569A patent/MY197012A/en unknown
- 2019-02-13 WO PCT/SG2019/050085 patent/WO2020167244A1/en unknown
- 2019-02-13 KR KR1020227045357A patent/KR20230008235A/ko active Application Filing
- 2019-02-13 EP EP19914702.6A patent/EP3925237B1/en active Active
- 2019-02-13 KR KR1020217024260A patent/KR102482149B1/ko active IP Right Grant
- 2019-02-13 JP JP2021542334A patent/JP7441848B2/ja active Active
- 2019-02-13 CN CN201980090298.0A patent/CN113508606B/zh active Active
- 2019-02-13 US US17/419,625 patent/US11836652B2/en active Active
-
2020
- 2020-02-12 TW TW109104395A patent/TW202036458A/zh unknown
-
2021
- 2021-06-28 PH PH12021551538A patent/PH12021551538A1/en unknown
-
2023
- 2023-11-10 US US18/506,670 patent/US20240078477A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
JP7441848B2 (ja) | 2024-03-01 |
EP3925237B1 (en) | 2024-05-15 |
US11836652B2 (en) | 2023-12-05 |
KR20210126571A (ko) | 2021-10-20 |
CN113508606B (zh) | 2023-03-28 |
JP2022519026A (ja) | 2022-03-18 |
MY197012A (en) | 2023-05-18 |
PH12021551538A1 (en) | 2022-02-28 |
US20240078477A1 (en) | 2024-03-07 |
KR102482149B1 (ko) | 2022-12-29 |
US20220083925A1 (en) | 2022-03-17 |
EP3925237A1 (en) | 2021-12-22 |
CN113508606A (zh) | 2021-10-15 |
SG11202107171QA (en) | 2021-07-29 |
KR20230008235A (ko) | 2023-01-13 |
WO2020167244A1 (en) | 2020-08-20 |
EP3925237A4 (en) | 2022-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12039445B2 (en) | Method and system for on-the-fly object labeling via cross modality validation in autonomous driving vehicles | |
US10719996B2 (en) | Determining vehicle occupancy using sensors | |
US11790551B2 (en) | Method and system for object centric stereo in autonomous driving vehicles | |
US20230140540A1 (en) | Method and system for distributed learning and adaptation in autonomous driving vehicles | |
US10366609B2 (en) | Parking occupancy estimation | |
JP7032881B2 (ja) | 車両の走行スケジュールを管理するためのシステム、方法、及びプログラム | |
CN108230725A (zh) | 停车推荐方法和装置 | |
EP3369077B1 (en) | System, method and computer program product for location-based passive payments | |
US20240078477A1 (en) | Automatically determining optimal transport service locations for points of interest from noisy multimodal data | |
US20150294223A1 (en) | Systems and Methods for Providing Information for Predicting Desired Information and Taking Actions Related to User Needs in a Mobile Device | |
US20240230348A1 (en) | Systems and methods for routing decisions based on door usage data | |
US11511769B2 (en) | Data collecting system, server, and data processing apparatus | |
JP6678476B2 (ja) | 移動経路推定装置、及び移動経路推定方法 | |
JP2020177285A (ja) | データ収集方法、データ収集システム、およびサーバ装置 | |
JP7256039B2 (ja) | 駐車需要推定装置、駐車需要推定システム、駐車需要推定方法および車載装置 | |
JP7376527B2 (ja) | 運行支援装置、及び運行支援システム | |
US20230133248A1 (en) | Utilization-specific vehicle selection and parameter adjustment | |
CN112116151A (zh) | 一种接驾时间预估方法和*** | |
JP2022138386A (ja) | 情報処理装置および情報処理方法 |