TWI678675B - 乘車熱點預測的方法及其伺服器與電腦程式產品 - Google Patents
乘車熱點預測的方法及其伺服器與電腦程式產品 Download PDFInfo
- Publication number
- TWI678675B TWI678675B TW106115686A TW106115686A TWI678675B TW I678675 B TWI678675 B TW I678675B TW 106115686 A TW106115686 A TW 106115686A TW 106115686 A TW106115686 A TW 106115686A TW I678675 B TWI678675 B TW I678675B
- Authority
- TW
- Taiwan
- Prior art keywords
- factor
- factors
- data
- ride
- correlation
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004590 computer program Methods 0.000 title claims abstract description 11
- 230000000875 corresponding effect Effects 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- 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]
- H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
-
- 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"
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mobile Radio Communication Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
一種乘車熱點預測的方法及其伺服器與電腦程式產品，此方法適用於伺服器並且包括下列步驟。首先，取得多筆乘車資料，其中每筆乘車資料包括分別關聯於多個候選因子的資料以及乘車地點。接著，根據不同地區將乘車資料進行分群。針對每個地區，利用乘車資料，自候選因子中篩選出與人潮具有正相關的正相關因子，據以計算並且產生每個地區的熱點。
Description
本發明是有關於一種熱點的預測方法及其系統與電腦程式產品，且特別是有關於一種乘車熱點的預測方法及其系統與電腦程式產品。
隨著資訊科技與生活逐漸的密不可分，許多產業可藉由雲端運算以及巨量資料分析來達成產業轉型以及升級。以計程車產業為例，如何運用既有的乘車數據來預測出乘客的乘車熱點，提升計程車司機的載客效率，是目前計程車產業發展的目標之一。
有鑑於此，本發明提供一種乘車熱點預測的方法及其伺服器與電腦程式產品，其可依據不同的因子來預測出不同地區的乘車熱點，以協助計程車司機提升載客效率，進而促進計程車產業市場的良性發展。
在本發明的一實施例中，上述的方法適用於伺服器並且包括下列步驟。首先，取得多筆乘車資料，其中每筆乘車資料包括分別關聯於多個候選因子的資料以及乘車地點。接著，根據不同地區將乘車資料進行分群。針對每個地區，利用乘車資料，自候選因子中篩選出與人潮具有正相關的正相關因子，據以計算並且產生每個地區的熱點。
在本發明的一實施例中，上述的伺服器包括記憶體以及處理器。記憶體用以儲存資料。處理器耦接記憶體並且用以取得多筆乘車資料，根據不同地區將乘車資料進行分群，利用乘車資料，自候選因子中篩選出與人潮具有正相關的正相關因子，據以計算並且產生每個地區的熱點，其中每筆乘車資料包括分別關聯於多個候選因子的資料以及乘車地點。
在本發明的一實施例中，上述的電腦程式產品，其係經由伺服器載入程式以執行上述乘車熱點預測的方法步驟。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
本發明的部份實施例接下來將會配合附圖來詳細描述，以下的描述所引用的元件符號，當不同附圖出現相同的元件符號將視為相同或相似的元件。這些實施例只是本發明的一部份，並未揭示所有本發明的可實施方式。更確切的說，這些實施例只是本發明的專利申請範圍中的方法、伺服器以及電腦程式產品的範例。
圖1是根據本發明一實施例所繪示之伺服器的方塊圖，但此僅是為了方便說明，並不用以限制本發明。首先圖1先介紹伺服器之所有構件以及配置關係，詳細功能將配合圖2一併揭露。
請參照圖1，伺服器100可包括通訊模組110、記憶體120以及處理器130，其中處理器130耦接通訊模組110以及記憶體120。在本實施例中，伺服器100可以是應用程式伺服器、雲端伺服器、資料庫伺服器、工作站等具有運算能力的電腦系統。此外，伺服器100亦提供平台以與其它裝置連線進行互動。
通訊模組110用以提供伺服器100與其它裝置進行連線以進行互動以及資料傳輸，其可以例如是WiMAX通訊協定、Wi-Fi通訊協定、2G通訊協定、3G通訊協定或4G通訊協定的無線網路通訊晶片、天線等電子元件。
記憶體120用以儲存數據、程式碼等資料，其可以例如是任意型式的固定式或可移動式隨機存取記憶體（random access memory，RAM）、唯讀記憶體（read-only memory，ROM）、快閃記憶體（flash memory）、硬碟或其他類似裝置、積體電路及其組合。
處理器130用以控制伺服器100的構件之間的作動，其可以例如是中央處理單元（central processing unit，CPU），或是其他可程式化之一般用途或特殊用途的微處理器（microprocessor）、數位訊號處理器（digital signal processor，DSP）、可程式化控制器、特殊應用積體電路（application specific integrated circuits，ASIC）、可程式化邏輯裝置（programmable logic device，PLD）、應用處理器（application processor，AP）或其他類似裝置或這些裝置的組合。
以下即搭配圖1的伺服器100的各元件列舉實施例，以說明伺服器100執行乘車熱點預測方法的詳細步驟。
圖2是根據本發明一實施例所繪示之乘車熱點預測方法的流程圖，而圖2的流程可以圖1的伺服器100的各元件實現。
請同時參照圖1以及圖2，首先，伺服器100的處理器130將取得多筆乘車資料，其中每筆乘車資料包括分別關聯於多個候選因子的資料以及乘車地點（步驟S202）。在此的候選因子可以例如是時間、星期幾、是否為特殊假日、氣溫、晴雨、是否有演唱會、是否有展覽、是否有百貨週年慶、是否臨近於捷運及其進站量與出站量等多種關聯於時間、事件、地點的環境資訊。在此的乘車地點可以是以GPS定位資訊、實際住址、最近路口、鄰近地標等方式表示乘客的上車地點。
接著，處理器130將根據不同地區，分群乘車資料（步驟S204）。換句話說，在進行資料分群後，每個地區將會有各自所對應的乘車資料。在本實施例中，處理器130可以是以不同縣市、不同行政區域來界定不同的地區。然而，在其它實施例中，處理器130亦可以是以固定的面積（例如5平方公里）來劃分不同地區，本發明不在此設限。
之後，處理器130將針對每個地區，利用乘車資料，自候選因子中篩選出與人潮具有正相關的正相關因子（步驟S206），並且根據各個地區的正相關因子，計算並且產生每個地區的熱點（步驟S208）。在此，處理器130僅將保留與人潮增加具有正相關的正相關因子，以幫助司機利用此些正相關因子找到每個地區具有乘車需求的熱點。步驟S206中有關於篩選正相關因子以及步驟S208中有關於計算熱點的細節，將於以下實施例中分敘說明。
圖3是根據本發明一實施例所繪示之正相關因子的篩選流程圖，而圖3的流程為步驟S206的詳細說明並且可以圖1的伺服器100的各元件實現。
請同時參照圖1以及圖3，首先，伺服器100的處理器130將計算每個候選因子對於每個地區的乘車需求的相關性（步驟S302），並且將自候選因子之中汰除與所有地區的乘車需求無顯著相關的無相關因子，以保留候選相關因子（步驟S304）。詳細來說，處理器130在取得乘車資料後，會分別針對每個候選因子的資料進行檢視，以判斷與乘車需求較無關聯的候選因子。舉例來說，乘車資料中的候選因子「是否有演唱會」的資料為「是」（或者是以「1」表示）或者是候選因子「晴雨」的資料為「雨」時，則有可能成為乘車需求有顯著相關的候選相關因子。另一方面，乘車資料中的候選因子「捷運進站量」則有可能成為乘車需求無顯著相關的候選因子（即，無相關因子）。在此階段處理器130將先汰除對於所有地區皆無顯著相關的無相關因子，而在接續的步驟中再細分不同地區，以因應不同地區的不同乘車需求來進行分析，以自候選相關因子適應性地篩選出與每個地區人潮具有正相關的相關因子。
具體來說，針對每個地區，處理器130將先利用共線性分析（collinearity analysis），自候選相關因子之中計算出彼此相關的重覆候選相關因子（步驟S306），以避免存在多個具有高度相關關係的候選相關因子而導致後續的分析以及預測結果。接著，針對每個地區，處理器130 將分別計算每個重覆候選相關因子與人潮的相關性，以保留高相關性因子（步驟S308）。也就是說，處理器130會自候選相關因子中汰除並非為高相關性因子的重覆候選相關因子，以將剩餘的候選相關因子設定為正相關因子（步驟S310）。整體而言，在汰除每個地區的所有候選因子中無相關因子以及並非為高相關性因子的重覆候選相關因子之後，即可取得所對應的正相關因子。
圖4是根據本發明一實施例所繪示之熱點計算的流程圖，而圖4的流程為步驟S208的詳細說明並且可以圖1的伺服器100的各元件實現。必須說明的是，圖4的流程僅為其中一個地區的熱點計算方式，而其它地區可以相同的方式類推。
請同時參照圖4以及圖1，伺服器100的處理器130將先建立資料因子庫（步驟S402），其中資料因子庫是根據正相關因子的資料所產生的不同因子組合所建立。舉例來說，假設正相關因子為「是否有演唱會」、「是否有展覽」以及「是否為特殊假日」，則資料因子庫最多可具有8種不同的因子組合。
接著，處理器130將計算對應於每個因子組合的熱點，以產生熱點庫（步驟S404）。在此的每一個因子組合可能具有多筆乘車資料而對應於不同的乘車地點。舉例來說，假設其中一個因子組合為「有演唱會」、「沒有展覽」以及「特殊假日」（記錄為(1, 0, 1)），其乘車地點即有可能落於演唱會地點的四周，因此處理器130會例如是將此些乘車地點的中心點或者是演唱會地點設定為因子組合(1, 0, 1)的熱點。另一方面，假設其中一個因子組合為「沒有演唱會」、「有展覽」以及「特殊假日」（記錄為(0, 1, 1)）並且乘車地點落於同一地區的兩個不同展場的四周，則處理器130會將此兩個展場同時設定為對應於因子組合(0, 1, 1)的熱點。在後續的實施例中會將每個因子組合所對應的熱點稱為「第一熱點」。
然而，當熱點庫的熱點資料不足的狀況下，或是，當資料因子庫的因子組合不足的情況下，處理器130可利用資料因子庫中關聯於目前因子組合的其它因子組合來建立預測因子庫（步驟S406），並且利用熱點庫產生預測因子庫的預測熱點庫（步驟S408）其中其它因子組合中的正相關因子的資料部份相同於目前因子組合中的正相關因子的資料。在後續的實施例中，其它因子組合所對應的熱點將稱為「第二熱點」。除此之外，處理器130更可以根據基本狀況來取得平常的乘車熱點，例如百貨公司、火車站等無關於特殊事件或是節日等等的情境。在後續的實施例中會將利用基本狀況所取得的熱點稱為「基本熱點」，而在此的預測熱點庫將包括第一熱點、第二熱點、基本熱點及其所對應的因子組合。在此有關於熱點庫以及預測熱點庫的產生細節，將於以下實施例中分敘說明。
圖5是根據本發明一實施例所繪示之產生熱點庫的流程圖，而圖5的流程可以圖1的伺服器100的各元件實現。必須說明的是，圖5的流程僅為產生其中一個地區的熱點庫方式，而其它地區可以相同的方式類推。
請同時參照圖5以及圖1，伺服器100的處理器130將先判斷資料因子庫中是否還有因子組合（步驟S502）。當處理器130判斷資料因子庫中還有因子組合時，處理器將會取得其中一個因子組合（在此稱為「目前因子組合」，步驟S504），並且取得符合目前因子組合的待計算乘車資料（步驟S506）。在此的待計算乘車資料即為符合目前因子組合的所有乘車資料。
接著，處理器130將判斷待計算乘車資料的筆數是否高於第一預設筆數TH1（步驟S508），以判斷此些乘車資料是否樣本數過少而不足以做為計算熱點的依據。當待計算乘車資料的筆數高於第一預設筆數TH1時，則處理器130將利用待計算乘車資料計算對應於目前因子組合的熱點（步驟S510），其中熱點的計算方法可參照步驟S404的相關說明，於此不再贅述。
接著，處理器130將儲存目前因子組合以及對應的熱點至熱點庫（步驟S512），再清除待計算乘車資料（步驟S514），並且自資料因子庫移除目前因子組合（步驟S516），以代表目前因子組合已處理完畢。另一方面，當待計算乘車資料的筆數不高於第一預設筆數TH1時，即代表目前的待計算乘車資料不足以做為計算熱點的依據，則處理器130將直接執行步驟S514以及步驟S516。
處理器130在處理完目前因子組合之後，將回到步驟S502，以判斷資料因子庫中是否還有其它因子組合。若是，則處理器130將針對其它因子組合進行步驟S504～S516的流程。若否，即代表資料因子庫中的因子組合已處理完畢，則處理器130將結束圖5有關於產生熱點庫的流程。
值得注意的是，在一實施例中，當處理器130在步驟S506取得符合目前因子組合的待計算乘車資料時，可利用圖6是根據本發明一實施例所繪示之取得待計算乘車資料的流程圖，而圖6的流程可以圖1的伺服器100的各元件實現。
伺服器100的處理器130在取得符合目前因子組合的待計算乘車資料之後（步驟S602），將判斷待計算乘車資料的筆數是否高於第二預設筆數TH2（步驟S604）。在此的第二預設筆數TH2可以是大於或等於第一預設筆數TH1，以避免在執行到步驟S508後仍因待計算乘車資料的筆數不高於第一預設筆數TH1而略過步驟S510以及步驟S512的熱點計算。當待計算乘車資料的筆數高於第二預設筆數TH2時，處理器130將結束圖6的流程，而接續進行圖5中步驟S508的流程。
另一方面，當待計算乘車資料的筆數不高於第二預設筆數TH2時，處理器130將取出關聯於目前因子組合的其它因子組合的其它待計算乘車資料（步驟S606），並且判斷所取出的其它待計算乘車資料的筆數是否大於零（步驟S608），其中其它因子組合中的正相關因子的資料部份相同於目前因子組合中的正相關因子的資料。舉例來說，假設目前因子組合為「有演唱會」、「沒有展覽」以及「是特殊假日」（記錄為(1, 0, 1)），而當符合此目前因子組合的待計算乘車資料的筆數不高於第二預設筆數TH2，處理器130將取得正相關因子的資料為「有演唱會」的其它因子組合的其它待計算乘車資料（也就是將(1, 1, 1)、(1, 0, 0)以及(1, 1, 0)的因子組合納入考量）。
當處理器130判斷所取出的其它待計算乘車資料的筆數大於零時，則會將所取出的其它待計算乘車資料加入至待計算乘車資料（步驟S610），再回到步驟S604以重新判斷增加後的待計算乘車資料的筆數是否已高於第二預設筆數TH2。當處理器判斷所取出的其它待計算乘車資料的筆數為零時，即代表不存在其它因子組合以及其它待計算乘車資料具有參考價值的正相關因子的資料，而處理器130將結束圖6的流程，而接續進行圖5中步驟S508的流程。
圖7是根據本發明一實施例所繪示之產生預測熱點庫的流程圖，而圖7的流程可以圖1的伺服器100的各元件實現。必須說明的是，圖7的流程僅為產生其中一個地區的預測熱點庫方式，而其它地區可以相同的方式類推。
請同時參照圖7以及圖1，伺服器100的處理器130將先判斷預測因子庫中是否還有因子組合（步驟S702）。當處理器130判斷預測因子庫中還有因子組合時，處理器將會取得其中一個因子組合（在此稱為「目前因子組合」，步驟S704），並且自熱點庫中取得對應於目前因子組合的第一熱點（步驟S706）。接著，處理器130將自熱點庫取得關聯於目前因子組合的其它因子組合的第二熱點（步驟S708），以增加熱點數量。此外，處理器將自熱點庫取得對應於基本狀況的基本熱點（步驟S710）。第一熱點、第二熱點以及基本熱點的說明請參照前述相關段落，於此不再贅述。
之後，處理器130將儲存第一熱點、第二熱點、基本熱點及其所對應的因子組合於預測熱點庫（步驟S712），再自預測因子庫移除前述已計算完的因子組合（步驟S714）。接著，處理器130將又回到步驟S702，以判斷預測因子庫中是否還有因子組合。若是，則處理器130將針對其它因子組合進行步驟S704～S714的流程。若否，即代表預測因子庫中的因子組合已處理完畢，則處理器130將結束圖7有關於產生預測熱點庫的流程。
附帶說明的是，前述圖2～圖7的流程可以是由伺服器100透過通訊模組110取得最新的乘車資料以定期地執行，進而能掌握到最新的乘車熱點資訊而提供給計程車業者，以協助計程車司機提升載客效率。
本發明另提供電腦程式產品，其係用以分別執行上述熱點預測方法的每個步驟，此電腦程式基本上是由多數個程式碼片段所組成的（例如建立組織圖程式碼片段、簽核表單程式碼片段、設定程式碼片段、以及部署程式碼片段），並且這些程式碼片段在分別載入熱點預測系統100中並執行之後，即可完成上述熱點預測方法的步驟。
綜上所述，本發明所提出的乘車熱點預測的方法及其伺服器與電腦程式產品，其可依據不同的因子來預測出不同地區的乘車熱點，以協助計程車司機提升載客效率，進而促進計程車產業市場的良性發展。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
100‧‧‧伺服器
110‧‧‧通訊模組
120‧‧‧記憶體
130‧‧‧處理器
S202～S208‧‧‧步驟
S302～S310‧‧‧步驟
S402～S408‧‧‧步驟
S502～S516‧‧‧步驟
S602～S610‧‧‧步驟
S702～S714‧‧‧步驟
圖1是根據本發明一實施例所繪示之伺服器的方塊圖。 圖2是根據本發明一實施例所繪示之乘車熱點預測的方法流程圖。 圖3是根據本發明一實施例所繪示之因子篩選的流程圖。 圖4是根據本發明一實施例所繪示之熱點計算的流程圖。 圖5是根據本發明一實施例所繪示之產生熱點庫的流程圖。 圖6是根據本發明一實施例所繪示之取得待計算乘車資料的流程圖。 圖7是根據本發明一實施例所繪示之產生預測熱點庫的流程圖。
Claims (9)
- 一種乘車熱點的預測方法，包括：取得多筆乘車資料，其中各所述乘車資料包括分別關聯於多個候選因子的資料以及乘車地點；根據不同地區，分群所述乘車資料；針對各所述地區，利用所述乘車資料，自所述候選因子中篩選出與人潮具有正相關的至少一正相關因子其中針對各所述地區，利用所述乘車資料，自所述候選因子中篩選出與人潮具有正相關的所述正相關因子的步驟包括：分別計算各所述候選因子對於各所述地區的乘車需求的相關性；自所述候選因子之中汰除與所有所述地區的所述乘車需求無顯著相關的至少一無相關因子，以保留所述候選因子之中的多個候選相關因子；以及針對各所述地區，自所述候選相關因子之中篩選出與人潮具有正相關的所述相關因子；以及根據各所述地區的所述正相關因子，計算並且產生各所述地區的至少一熱點。
- 如申請專利範圍第1項所述的方法，其中針對各所述地區，自所述候選相關因子之中篩選出與人潮具有正相關的所述正相關因子的步驟包括：利用共線性分析，自所述候選相關因子之中計算出彼此相關的至少一重覆候選相關因子；分別計算各所述重覆候選相關因子與人潮的相關性，以保留所述重覆相關因子之中的高相關性因子；以及自所述候選相關因子之中汰除並非為該高相關性因子的所述重覆候選相關因子，以將剩餘的所述候選相關因子設定為所述正相關因子。
- 如申請專利範圍第1項所述的方法，其中根據各所述地區的所述正相關因子，計算並且產生各所述地區的所述熱點的步驟包括：針對各所述地區：根據所述正相關因子的所述資料，產生多個因子組合，以建立資料因子庫；利用所述因子組合以及所述乘車資料之中的所述乘車地點，計算對應於各所述因子組合的多個熱點，以產生熱點庫；利用該資料因子庫中的各所述因子組合中的部份所述正相關因子，建立預測因子庫；以及利用該熱點庫，產生該預測因子庫的預測熱點庫。
- 如申請專利範圍第3項所述的方法，其中產生該熱點庫的步驟包括：針對各所述地區，當該資料因子庫存在至少一所述因子組合時：取得所述因子組合中的目前因子組合；自該地區的所述乘車資料之中取得符合該目前因子組合的待計算乘車資料；判斷所述待計算乘車資料的筆數是否高於第一預設數量；若是，利用所述待計算乘車資料計算對應於該目前因子組合的所述熱點，儲存該目前因子組合以及該目前因子組合所對應的所述熱點至該熱點庫，並且清除所述待計算乘車資料以及該目前因子組合；以及若否，清除所述待計算資料以及該目前因子組合。
- 如申請專利範圍第4項所述的方法，其中針對各所述地區，自該地區的所述乘車資料之中取得符合該目前因子組合的所述待計算乘車資料的步驟包括：當所述乘車資料之中符合該目前因子組合的所述待計算乘車資料的筆數不高於第二預設數量時：取得關聯於該目前因子組合的其它因子組合，其中所述其它因子組合中的所述正相關因子的資料部份相同於該目前因子組合中的所述正相關因子的資料；當所述其它因子組合的其它待計算乘車資料的筆數是否大於零時，新增所述其它待計算乘車資料至所述待計算資料。
- 如申請專利範圍第5項所述的方法，其中在新增所述其它待計算乘車資料至所述待計算資料的步驟後，該方法更包括：判斷新增所述其它待計算乘車資料的所述待計算資料的筆數是否高於該第二預設數量；以及若否，關聯於該目前因子組合的另一其它因子組合，據以產生新的待計算乘車資料。
- 如申請專利範圍3項所述的方法，其中利用該熱點庫，產生該預測因子庫的該預測熱點庫的步驟包括：針對各所述地區，當該預測因子庫存在至少一所述因子組合時：取得所述因子組合中的目前因子組合，並且自該熱點庫取得對應於該目前因子組合的所述熱點，以做為至少一第一熱點；取得關聯於該目前因子組合的其它因子組合所對應的所述熱點，以做為至少一第二熱點；取得符合基本狀況的至少一基本熱點；以及新增所述第一熱點、所述第二熱點、所述基本熱點及其所對應的所述因子組合於該預測熱點庫。
- 一種乘車熱點預測的伺服器，包括：記憶體，用以儲存資料；處理器，耦接該記憶體，用以執行下列步驟：取得多筆乘車資料，其中各所述乘車資料包括分別關聯於多個候選因子的資料以及乘車地點；根據不同地區，分群所述乘車資料；針對各所述地區，利用所述乘車資料，自所述候選因子中篩選出與人潮具有正相關的至少一正相關因子，其中針對各所述地區，利用所述乘車資料，自所述候選因子中篩選出與人潮具有正相關的所述正相關因子的步驟包括：分別計算各所述候選因子對於各所述地區的乘車需求的相關性；自所述候選因子之中汰除與所有所述地區的所述乘車需求無顯著相關的至少一無相關因子，以保留所述候選因子之中的多個候選相關因子；以及針對各所述地區，自所述候選相關因子之中篩選出與人潮具有正相關的所述相關因子；以及根據各所述地區的所述正相關因子，計算並且產生各所述地區的至少一熱點。
- 一種電腦程式產品，經由乘車熱點的預測系統載入該程式以執行下列步驟：取得多筆乘車資料，其中各所述乘車資料包括分別關聯於多個候選因子的資料以及乘車地點；根據不同地區，分群所述乘車資料；針對各所述地區，利用所述乘車資料，自所述候選因子中篩選出與人潮具有正相關的至少一正相關因子，其中針對各所述地區，利用所述乘車資料，自所述候選因子中篩選出與人潮具有正相關的所述正相關因子的步驟包括：分別計算各所述候選因子對於各所述地區的乘車需求的相關性；自所述候選因子之中汰除與所有所述地區的所述乘車需求無顯著相關的至少一無相關因子，以保留所述候選因子之中的多個候選相關因子；以及針對各所述地區，自所述候選相關因子之中篩選出與人潮具有正相關的所述相關因子；以及根據各所述地區的所述正相關因子，計算並且產生各所述地區的至少一熱點。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW106115686A TWI678675B (zh) | 2017-05-12 | 2017-05-12 | 乘車熱點預測的方法及其伺服器與電腦程式產品 |
| CN201810319983.3A CN108875996A (zh) | 2017-05-12 | 2018-04-11 | 乘车热点预测的方法及其伺服器与可读存储介质 |
| US15/974,684 US20180332450A1 (en) | 2017-05-12 | 2018-05-08 | Method, server, and computer-readable recording medium for ride hotspot prediction |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW106115686A TWI678675B (zh) | 2017-05-12 | 2017-05-12 | 乘車熱點預測的方法及其伺服器與電腦程式產品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201901586A TW201901586A (zh) | 2019-01-01 |
| TWI678675B true TWI678675B (zh) | 2019-12-01 |
Family
ID=64097542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW106115686A TWI678675B (zh) | 2017-05-12 | 2017-05-12 | 乘車熱點預測的方法及其伺服器與電腦程式產品 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20180332450A1 (zh) |
| CN (1) | CN108875996A (zh) |
| TW (1) | TWI678675B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10839695B2 (en) | 2017-05-11 | 2020-11-17 | Uber Technologies, Inc. | Network computer system to position service providers using provisioning level determinations |
| US10628903B2 (en) * | 2017-05-22 | 2020-04-21 | Uber Technologies, Inc. | Network computer system to implement counter values for arranging services |
| CN110264706A (zh) * | 2019-04-07 | 2019-09-20 | 武汉理工大学 | 一种基于大数据挖掘的空载出租车辅助*** |
| CN111582601A (zh) * | 2020-05-15 | 2020-08-25 | 河南科技大学 | 一种公交站点选址方法及装置 |
| CN113570004B (zh) * | 2021-09-24 | 2022-01-07 | 西南交通大学 | 一种乘车热点区域预测方法、装置、设备及可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6756913B1 (en) * | 1999-11-01 | 2004-06-29 | Mourad Ben Ayed | System for automatically dispatching taxis to client locations |
| CN102034285A (zh) * | 2010-08-06 | 2011-04-27 | 深圳市赛格导航科技股份有限公司 | 一种对车辆的营运区域进行监控的方法、***及装置 |
| TWI393378B (zh) * | 2009-04-07 | 2013-04-11 | Inst Information Industry | 熱點分析系統及方法，及其電腦程式產品 |
| TWI475497B (zh) * | 2011-11-23 | 2015-03-01 | Ind Tech Res Inst | 運具營運指引系統、裝置及方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101887440B (zh) * | 2009-05-13 | 2012-05-30 | 财团法人资讯工业策进会 | 热点分析***及方法 |
| WO2016127918A1 (zh) * | 2015-02-13 | 2016-08-18 | 北京嘀嘀无限科技发展有限公司 | 一种运力调度方法及*** |
| CN106657199A (zh) * | 2015-11-02 | 2017-05-10 | 滴滴（中国）科技有限公司 | 订单密度的确定方法、终端及服务器 |
| CN106127325A (zh) * | 2016-05-03 | 2016-11-16 | 易通创新科技（大连）有限公司 | 一种基于用户需求的动态公共交通网络*** |
-
2017
- 2017-05-12 TW TW106115686A patent/TWI678675B/zh active
-
2018
- 2018-04-11 CN CN201810319983.3A patent/CN108875996A/zh active Pending
- 2018-05-08 US US15/974,684 patent/US20180332450A1/en not_active Abandoned
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6756913B1 (en) * | 1999-11-01 | 2004-06-29 | Mourad Ben Ayed | System for automatically dispatching taxis to client locations |
| TWI393378B (zh) * | 2009-04-07 | 2013-04-11 | Inst Information Industry | 熱點分析系統及方法，及其電腦程式產品 |
| CN102034285A (zh) * | 2010-08-06 | 2011-04-27 | 深圳市赛格导航科技股份有限公司 | 一种对车辆的营运区域进行监控的方法、***及装置 |
| TWI475497B (zh) * | 2011-11-23 | 2015-03-01 | Ind Tech Res Inst | 運具營運指引系統、裝置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201901586A (zh) | 2019-01-01 |
| US20180332450A1 (en) | 2018-11-15 |
| CN108875996A (zh) | 2018-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI678675B (zh) | 乘車熱點預測的方法及其伺服器與電腦程式產品 | |
| US10657816B2 (en) | Automatic selection of parking spaces based on parking space attributes, driver preferences, and vehicle information | |
| Gutierrez et al. | Smart waste collection system based on location intelligence | |
| Shen et al. | Managing autonomous mobility on demand systems for better passenger experience | |
| Conway et al. | Evidence-based transit and land use sketch planning using interactive accessibility methods on combined schedule and headway-based networks | |
| US9723454B2 (en) | Freight vehicle monitoring using telecommunications data | |
| CN112149855A (zh) | 一种订单分配的方法及装置 | |
| CN113763700B (zh) | 信息处理方法、装置、计算机设备及存储介质 | |
| He et al. | Model and a solution algorithm for the dynamic resource allocation problem for large-scale transportation network evacuation | |
| US20170030723A1 (en) | Simplification of trajectory representation | |
| Pender et al. | Improving bus bridging responses via satellite bus reserve locations | |
| Lee et al. | Geographical applications of performance measures for transit network directness | |
| EP3789984A1 (en) | System for optimising transient kerbside access | |
| Xia et al. | Quadtree-based domain decomposition for parallel map-matching on GPS data | |
| JP2014085774A (ja) | 寿命予測における地域傾向抽出方法 | |
| CN113159408A (zh) | 轨道交通站点客流预测方法及装置 | |
| CN111121803B (zh) | 获取道路常用停靠点的方法及装置 | |
| Gunawardena et al. | Real-time Uber data analysis of popular Uber locations in Kubernetes environment | |
| Formentin et al. | On the prediction of future vehicle locations in free-floating car sharing systems | |
| WO2019056355A1 (en) | SYSTEM AND METHOD FOR PROVIDING A TRANSPORT SERVICE | |
| CN108204820B (zh) | 一种快速导航路径推测方法 | |
| CN112052276B (zh) | 乘车路线的挖掘方法和装置 | |
| CN111414437B (zh) | 线路轨迹的生成方法及装置 | |
| KR102057372B1 (ko) | 이종 망에서 그래프 기반 차량 충돌 예측 방법 및 이를 이용하는 장치 | |
| WO2022259554A1 (ja) | 交通シミュレーション装置、交通シミュレーション方法および交通シミュレーションプログラム |