[go: up one dir, main page]

CN110832284A - 用于目的地预测的系统和方法 - Google Patents

用于目的地预测的系统和方法 Download PDF

Info

Publication number
CN110832284A
CN110832284A CN201880043895.3A CN201880043895A CN110832284A CN 110832284 A CN110832284 A CN 110832284A CN 201880043895 A CN201880043895 A CN 201880043895A CN 110832284 A CN110832284 A CN 110832284A
Authority
CN
China
Prior art keywords
historical
departure
location
probability
destination
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201880043895.3A
Other languages
English (en)
Other versions
CN110832284B (zh
Inventor
张凌宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
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
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Publication of CN110832284A publication Critical patent/CN110832284A/zh
Application granted granted Critical
Publication of CN110832284B publication Critical patent/CN110832284B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3605—Destination input or retrieval
    • G01C21/3617—Destination input or retrieval using user history, behaviour, conditions or preferences, e.g. predicted or inferred from previous use or current movement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3346—Query execution using probabilistic model
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Recommending goods or services
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Social Psychology (AREA)
  • Automation & Control Theory (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • Finance (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Development Economics (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种系统包括至少一个存储一组指令的非暂时性存储介质和至少一个与该至少一个非暂时性存储介质通信的处理器。当执行该组指令时，至少一个处理器用于使系统通过无线通信获得从用户终端发送的服务请求信号，其中服务请求信号编码识别数据、第一出发地点以及第一出发时间；检索与识别数据相关的一个或以上历史记录，其中历史记录包括历史出发地点、历史出发时间和历史目的地位置；使用预先存储的目的地匹配算法确定一个或以上历史目的地位置的选择概率；基于选择概率确定建议目的地位置，其与一个或以上历史目的地位置相同。

Description

用于目的地预测的系统和方法
交叉引用
申请要求于2017年8月24日提交的中国申请No.201710736286.3的优先权，其全部内容通过引用结合于此。
技术领域
本申请一般涉及大数据推荐技术领域，尤其涉及一种目的地预测方法和系统。
背景技术
随着通信技术和计算机技术的不断发展，越来越多的用户可以在线上到线下服务平台上方便地寻求服务。例如，用户可以通过在线上到线下车辆预订平台上选择出发地点、目的地位置和/或出发时间来完成车辆预订。又例如，用户可以通过在线上到线下递送服务平台上选择递送地址和/或递送时间来寻求递送服务(例如，食品递送服务等)。在这两个示例中，那些用户可能必须手动输入目的地位置或递送地址，这可能是麻烦且不方便的。因此，期望开发一种便于这种计算机输入的系统和方法。
发明内容
根据本申请的一个方面，被配置为用于向用户提供预测目的地的系统可以包括存储一组指令的至少一个非暂时性存储介质和与该至少一个非暂时性存储介质通信的至少一个处理器。当执行该组指令时，所述至少一个处理器可以使系统通过无线通信获得从用户终端发送的服务请求信号。该服务请求信号可以编码识别数据、第一出发地点和第一出发时间。所述至少一个处理器还可以使系统检索与识别数据相关的一个或以上历史记录。历史记录可以包括历史出发地点、历史出发时间和历史目的地位置。所述至少一个处理器还可以使系统使用预先存储的目的地匹配算法来确定一个或以上历史目的地位置的选择概率。所述至少一个处理器还可以使系统基于选择概率确定建议目的地位置。建议目的地位置可以与一个或以上历史目的地位置相同。所述至少一个处理器还可以使得系统在用户终端的用户界面上生成并显示表示建议目的地位置的指示符。
在一些实施例中，至少一个处理器还可以使系统确定与第一出发地点和/或第一出发时间匹配的一个或以上历史记录。所述至少一个处理器可以使系统确定与第一出发地点和/或第一出发时间匹配的一个或以上历史记录的每个历史目的地位置的选择概率。
在一些实施例中，为了确定与第一出发地点和第一出发时间相关的一个或以上历史记录的每个历史目的地位置的选择概率，所述至少一个处理器还可以使系统基于一个或以上历史记录的历史出发地点和历史目的地位置确定与第一出发地点相关的一个或以上历史记录的每个历史目的地位置的第一后验概率。所述至少一个处理器可以使系统基于一个或以上历史记录的历史出发时间和历史目的地位置确定与第一出发时间相关的一个或以上历史记录的每个历史目的地位置的第二后验概率。所述至少一个处理器还可以使系统基于第一后验概率、第二后验概率和先验概率确定与第一出发地点和第一出发时间相关的一个或以上历史记录的每个历史目的地位置的选择概率。
在一些实施例中，为了确定与第一出发地点和第一出发时间相关的一个或以上历史记录的每个历史目的地位置的选择概率，所述至少一个处理器还可以使系统根据以下方程确定选择概率：
Figure BDA0002344141380000021
其中，Dm表示第m个历史目的地位置，F表示服务请求信号中的第一出发地点，T表示服务请求信号中的第一出发时间，P(F|Dm)表示第一后验概率，P(T|Dm)表示第二后验概率，P(Dm)表示先验概率，N表示一个或以上历史目的地位置中历史目的地位置的总数，其中1≤m≤N，N和m都是整数。
在一些实施例中，为了确定与第一出发地点和第一出发时间相关的一个或以上历史记录的每个历史目的地位置的选择概率，所述至少一个处理器还可以使系统基于一个或以上历史记录的历史出发地点和历史目的地位置确定与第一出发地点相关的一个或以上历史记录的每个历史目的地位置的第一后验概率。所述至少一个处理器可以使所述系统基于一个或以上历史记录的历史出发地点、历史出发时间和历史目的地位置确定与第一出发地点和一个或以上历史记录的每个历史目的地位置相关的出发时间的第三后验概率。所述至少一个处理器还可以使系统基于第一后验概率、第三后验概率和先验概率确定与第一出发地点和出发时间相关的一个或以上历史记录的每个历史目的地位置的选择概率。
在一些实施例中，为了确定与第一出发地点和第一出发时间相关的一个或以上历史记录的每个历史目的地位置的选择概率，所述至少一个处理器还可以使系统根据以下方程确定选择概率：
其中，Dm表示第m个历史目的地位置，F表示服务请求信号中的第一出发地点，T表示服务请求信号中的第一出发时间，P(T|F，Dm)表示第三后验概率，P(F|Dm)表示第一后验概率，P(Dm)表示先验概率，N表示一个或以上历史目的地位置中历史目的地位置的总数，其中1≤m≤N，N和m都是整数。
在一些实施例中，历史出发地点可以提供历史经度和历史纬度。为了确定与第一出发地点和第一出发时间相关的一个或以上历史记录的每个历史目的地位置的选择概率，所述至少一个处理器还可以使系统确定一个或多个历史记录的集中趋势矩阵。集中趋势矩阵可以提供一个或以上历史记录的历史经度的历史经度集中趋势、一个或以上历史记录的历史纬度的历史纬度集中趋势以及一个或以上历史记录的历史出发时间的历史时间集中趋势。所述至少一个处理器可以使得系统基于一个或以上历史记录和集中趋势矩阵确定与一个或以上历史记录的历史经度和一个或以上历史记录的历史纬度以及一个或以上历史记录的历史出发时间相关的协方差矩阵。所述至少一个处理器还可以使系统基于一个或以上历史记录、集中趋势矩阵、先验概率和协方差矩阵来确定概率分布。所述至少一个处理器还可以使系统基于概率分布函数确定与第一出发地点和第一出发时间相关的一个或以上历史记录的每个历史目的地位置的选择概率。
在一些实施例中，为了确定与第一出发地点和第一出发时间相关的一个或以上历史记录的每个历史目的地位置的选择概率，所述至少一个处理器还可以使系统根据以下方程确定选择概率：
Figure BDA0002344141380000041
其中，Dm表示第m个历史目的地位置，F表示服务请求信号中的第一出发地点，T表示服务请求信号中的第一出发时间，Flat表示服务请求中第一出发地点的纬度，Flng表示服务请求中第一出发地点的经度，X＝(T，Flat，FlngT)，μ＝(E{Tp}，E{Flatp}，E{Flngp})T，
Figure BDA0002344141380000042
cij＝Cov(xi，xj)＝E{[xi-μi][xj-μj]}，x1＝Tp，x2＝Flatp，x3＝Flngp，i＝{1，2，3}，j＝{1，2，3}，Tp表示历史出发时间，Flatp表示历史出发地点的纬度，Flngp表示历史出发地点的经度。
在一些实施例中，概率分布可以是多元高斯分布。
在一些实施例中，历史出发地点可以提供历史经度和历史纬度。为了确定与第一出发地点和第一出发时间相关的一个或以上历史记录的每个历史目的地位置的选择概率，所述至少一个处理器还可以使系统基于一个或以上历史记录确定第一条件的第一集中趋势矩阵。所述至少一个处理器可以使系统基于第一集中趋势矩阵和一个或以上历史记录确定第一条件的第一协方差矩阵。所述至少一个处理器还可以使系统基于一个或以上历史记录确定第二条件的第二集中趋势矩阵。所述至少一个处理器还可以使系统基于第二集中趋势矩阵和一个或以上历史记录确定第二条件的第二协方差矩阵。所述至少一个处理器还可以使系统基于第一条件的第一集中趋势矩阵、第二条件的第二集中趋势矩阵、第一条件的第一协方差矩阵和第二条件的第二协方差矩阵来确定与第一出发地点和出发时间相关的一个或以上历史记录的每个历史目的地位置的选择概率。
在一些实施例中，为了确定与第一出发地点和第一出发时间相关的一个或以上历史记录的每个历史目的地位置的选择概率，所述至少一个处理器还可以使系统根据以下方程确定选择概率：
其中，Dm表示第m个历史目的地位置，F表示服务请求信号中的第一出发地点，T表示服务请求信号中的第一出发时间，Flat表示服务请求中第一出发地点的纬度，Flng表示服务请求中第一出发地点的经度，X＝(T，Flat，Flng)T，
Figure BDA0002344141380000052
Figure BDA0002344141380000053
θT＝(μTC-1-μ′TC′-1)，μ是Y＝Dm时X的期望向量，μ′是Y≠Dm时X的期望向量，C是Y＝Dm时X的协方差矩阵，C′是Y≠Dm时X的协方差矩阵，Y表示目的地位置变量，并且目的地位置变量的范围是与识别数据相关的一个或以上历史记录中所有历史目的地位置的位置。
在一些实施例中，至少一个处理器还可以使系统确定选择概率大于预设值的一个或以上历史目的地位置作为建议目的地位置。例如，当一个或以上历史目的地位置超过一个时，所述至少一个处理器可以使系统确定具有最大选择概率的历史目的地位置作为建议目的地位置。
在一些实施例中，至少一个处理器还可以使系统通过用户终端获得用户对建议目的地位置的取消操作和用户实际的目的地位置。所述至少一个处理器可以使系统基于与识别数据相关的第一出发地点、第一出发时间和实际目的地位置生成更新的历史记录。
根据本申请的另一方面，提供一种在至少一个设备上实现的方法，每个设备具有至少一个处理器和存储介质，该方法可以包括由至少一个处理器执行的一个或以上的下述操作。该方法可以包括通过无线通信获得从用户终端发送的服务请求信号。该服务请求信号可以编码识别数据、第一出发地点和第一出发时间。该方法还可以包括检索与识别数据相关的一个或以上历史记录。历史记录可以包括历史出发地点、历史出发时间和历史目的地位置。该方法还可以包括使用预先存储的目的地匹配算法来确定一个或以上历史目的地位置的选择概率。该方法还可以包括基于选择概率确定建议目的地位置，建议目的地位置可以与一个或以上历史目的地位置相同。该方法还可以包括在用户终端的用户界面上生成并显示表示建议目的地位置的指示符。
附图说明
本申请将结合示例性实施例进一步进行描述。这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本申请的一些实施例的示例性线上到线下服务系统的示意图；
图2是根据本申请的一些实施例所示的示例性计算设备的框图；
图3是被配置用于实现本申请中披露的特定系统的示例性移动设备的框图。
图4是根据本申请的一些实施例所示的示例性处理引擎的框图；
图5A和5B是根据本申请的一些实施例的用于目的地预测的示例性过程的流程图；
图6是根据表3绘制的历史出发时间的示例性频率分布图；以及
图7-图9是根据本申请的一些实施例的示例性用户界面的示意图。
具体实施方式
下述描述是为了使本领域普通技术人员能制造和使用本申请，并且该描述是在特定的应用及其要求的背景下提供的。对于本领域的普通技术人员来讲，对本申请披露的实施例进行的各种修改是显而易见的，并且本申请定义的通则可以适用于其他实施例和应用，而不背离本申请的精神和范围。因此，本申请不限于所示的实施例，而是符合与权利要求一致的最广泛范围。
本申请所使用的术语仅为了描述特定实施例，并不限制本申请的范围。如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可以包括复数。应该被理解的是，本申请中所使用的术语“包括”与“包括”仅提示已明确标识的特征、整体、步骤、操作、元件和/或部件，而不排除可以存在和添加其他一个或以上特征、整体、步骤、操作、元件、部件和/或其组合的情况。
根据以下对附图的描述，本申请所述的和其他的特征、操作方法、相关元件的功能和经济的结构更加显而易见，这些都构成说明书的一部分。然而，应当理解，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当理解的是，附图并不是按比例的。
本申请中使用了流程图用于说明根据本申请的实施例的系统所执行的操作。应当理解的是，流程图的操作不一定按照顺序来精确地执行。相反，这些操作可以以相反的顺序或同时执行。而且，可以将一个或以上其他操作添加到这些流程图中。可以从流程图中移除一个或以上操作。
此外，虽然本申请描述的系统和方法主要是关于分配交通运输服务请求，但是应当理解，这仅仅是一个示例性的实施例。本申请的系统或方法还可应用于任何其他类型的线上到线下服务。例如，本申请的系统和方法可以应用于不同环境下的运输系统，包括陆地、海洋、航空航天等或其任意组合。该运输系统涉及的车辆可以包括出租车、私家车、顺风车、巴士、列车、动车、高铁、地铁、船舶、飞机、飞船、热气球、无人驾驶车辆等或其任意组合。该运输系统还可包括应用管理和/或分配的任何运输系统，例如，可以包括用于发送和/或接收快递的系统。本申请的系统和方法的应用可以包括网页、浏览器插件、客户端、客制系统、内部分析系统、人工智能机器人等或其任意组合。
在本申请中，术语“乘客”、“请求者”、“服务请求者”和“客户”可以交换使用，其表示可以请求或预定服务的个体、实体或工具。在本申请中，术语“司机”、“提供者”和“服务提供者”也可以交换使用，其表示可以提供服务或促进服务提供的个体、实体或工具。
在本申请中，术语“用户”可以表示可以请求服务、预定服务、提供服务或促进服务提供的个体、实体或工具。例如，用户可以是乘客、司机、操作者等或其任意组合。本申请中的术语“服务请求”、“请求服务”和“服务请求信号”可以交换使用，其表示由乘客、请求者、服务请求者、顾客、司机、提供者、服务提供者、供应者等或其任意组合发起的请求。该服务请求可以被乘客、请求者、服务请求者、顾客、司机、提供者、服务提供者或供应者中的任一者接受。服务请求可以涉及用户可能想要去的兴趣点(Point Of Interest，POI)。
在本申请中，术语“服务提供者终端”和“司机终端”可以交换使用，其表示服务提供者所使用的用于提供服务或促进服务提供的移动终端。在本申请中，术语“服务请求者终端”和“用户终端”可以交换使用，其表示由服务请求者用来请求或订购服务的移动终端。
本申请中使用的定位技术可以包括全球定位系统(GPS)、全球卫星导航系统(GLONASS)、北斗导航系统(COMPASS)、伽利略定位系统、准天顶卫星系统(QZSS)、无线保真(WiFi)定位技术等或其任意组合。上述定位技术中的一种或多种可以在本申请中互换使用。
本申请的一个方面涉及用于线上到线下服务系统中建议目的地位置/递送地址的系统和方法。系统可以通过用户终端接收编码识别数据、出发地点和出发时间的用户的服务请求。基于该服务请求，系统可以检索与用户对应的一个或以上历史记录，其中历史记录可以包括历史出发地点、历史出发时间和历史目的地位置。然后，系统可以使用预先存储的目的地匹配算法，根据服务请求和与用户对应的一个或以上历史记录来确定一个或以上历史目的地位置的选择概率。基于一个或以上历史目的地位置的选择概率，系统可以向用户输出一个或以上建议目的地位置。因此，用户仅需要触发服务请求就可以获得与服务请求匹配的一个或以上建议目的地位置，这可以简化用户操作并改善用户体验。
应该注意的是，线上到线下的运输服务，例如在线出租车，是起源于后互联网时代的一种新的服务形式。它为使用者和服务提供者提供了只在后互联网时代才可能实现的技术方案。在互联网时代之前，当一个使用者在街上呼叫一辆出租车时，出租车预定请求和接受只可能在乘客和一个看见该乘客的出租车司机之间发生。如果乘客通过电话呼叫出租车，则服务请求和接受可能仅在乘客和一个服务提供者(例如，一个出租车公司或代理商)之间发生。然而，在线出租车允许一个使用者实时地和自动地向与该使用者相距一段距离的大量的个别服务提供者(例如，出租车司机)分配服务请求。它同时允许多个服务提供者同时地和实时地对该服务请求进行响应。因此，通过互联网，所述在线按需运输系统可以为用户和服务提供者提供一个更加高效的交易平台，这在互联网时代之前的传统运输服务系统中是无法实现的。分配约定订单可以有效地为请求者和服务提供者提供服务。
图1是根据本申请的一些实施例所示的示例性线上到线下服务系统的示意图。例如，线上到线下服务系统100可以是用于运输服务的线上到线下运输服务平台。线上到线下服务系统100可以包括服务器110、网络120、服务请求者终端130、服务提供者终端140、车辆150、存储设备160和导航系统170。
线上到线下服务系统100可以提供至少两个服务。示例性的服务可以包括出租车呼叫服务、代驾服务、快车服务、拼车服务、公交车服务、司机招聘服务和接送服务。在一些实施例中，线上线下服务可以是任何在线服务，例如预订餐、购物等或其任意组合。
在一些实施例中，服务器110可以是单一服务器或服务器组。服务器组可以是集中的或分布式的(例如，服务器110可以是分布式系统)。在一些实施例中，服务器110可以是本地的或远程的。例如，服务器110可以通过网络120访问存储在服务请求者终端130、服务提供者终端140和/或存储设备160中的信息和/或数据。又例如，服务器110可以直接与服务请求者终端130、服务提供者终端140和/或存储设备160连接以访问存储的信息和/或数据。在一些实施例中，服务器110可以在云平台上实现。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布式云、互联云、多云等或其任意组合。在一些实施例中，服务器110可以在图2中描述的包含了一个或者以上组件的计算设备200上执行。
在一些实施例中，服务器110可以包括处理引擎112。处理引擎112可以处理与服务请求有关的信息和/或数据以执行本申请中描述的一个或以上功能。例如，处理引擎112可以为从服务请求者终端130接收的服务请求确定一个或以上建议目的地位置。在一些实施例中，处理引擎112可以包括一个或多个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎112可以包括中央处理单元(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图像处理单元(GPU)、物理运算处理单元(PPU)、数字信号处理器(DSP)、现场可程序门阵列(FPGA)、可程序逻辑装置(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或上述举例的任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中，线上到线下服务系统100的一个或以上组件(例如，服务器110、服务请求者终端130、服务提供者终端140、车辆150、存储设备160和导航系统170)可以通过网络120向线上到线下服务系统100的其他组件发送信息和/或数据。例如，服务器110可以通过网络120从请求者终端130获得/获取服务请求。在一些实施例中，网络120可以为任意形式的有线或无线网络，或其任意组合。仅作为示例，网络120可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络(LAN)、广域网路(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共开关电话网络(PSTN)、蓝牙网络、ZigBee网络、近场通信(NFC)网络等或上述举例的任意组合。在一些实施例中，网络120可以包括一个或多个网络接入点。例如，网络120可以包括有线或无线网络接入点，如基站和/或互联网交换点120-1、120-2等。通过该网络接入点，线上到线下服务系统100的一个或以上组件可以与网络120连接以交换数据和/或信息。
在一些实施例中，乘客可以是服务请求者终端130的所有者。在一些实施例中，服务请求者终端130的所有者可以是除乘客之外的其他人。例如，服务请求者终端130的所有者A可以使用服务请求者终端130为乘客B发送服务请求或者从服务器110接收服务确认和/或信息或指令。在一些实施例中，服务提供者可以是服务提供者终端140的用户。在一些实施例中，服务提供者终端140的用户可以是除服务提供者之外的其他人。例如，服务提供者终端140的用户C可以使用服务提供者终端140为用户D接收一个服务请求和/或从服务器110接收信息或指示。在一些实施例中，“乘客”和“乘客终端”可以交换使用，“服务提供者”和“服务提供者终端”可以交换使用。在一些实施例中，一个服务提供者终端可以与一个或多个服务提供者(例如，夜间服务提供者或白天服务提供者)相关。
在一些实施例中，服务请求者终端130可以包括移设备130-1、平板计算机130-2、膝上型计算机130-3、汽车内建设备130-4等或其任意组合。在一些实施例中，移动设备130-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强实境设备等或其任意组合。在一些实施例中，智能家居设备可以包括智能照明设备、智能电器的控制设备、智能监测设备、智能电视、智能摄影机、对讲机等或其任意组合。在一些实施例中，可穿戴设备可以包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能衣物、智能背包、智能配件等或其任意组合。在一些实施例中，智能移动设备可以包括智能手机、个人数字助理(PDA)、游戏设备、导航设备、POS机等或其任意组合。在一些实施例中，虚拟现实设备和/或增强实境设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强实境头盔、增强实境眼镜、增强实境眼罩等或其任意组合。例如，虚拟现实设备和/或增强实境设备可以包括GoogleTM Glass、Oculus Rift、HoloLens、Gear VR等。在一些实施例中，汽车的内建设备130-4可以包括车载计算机、车载电视等。在一些实施例中，服务请求者终端130可以是具有定位技术的设备，用于定位乘客和/或服务请求者终端130的位置。
服务提供者终端140可以包括至少两个服务提供者终端140-1、140-2、…、140-n。在一些实施例中，服务提供者终端140可以是与服务请求者终端130类似或相同的设备。在一些实施例中，可以定制服务提供者终端140以能够实现线上到线下运输服务。在一些实施例中，服务提供者终端140可以是具有定位技术的设备，用于定位服务提供者、服务提供者终端140和/或与服务提供者终端140相关联的车辆150的位置。在一些实施例中，服务请求者终端130和/或服务提供者终端140可以与其他定位设备通信以确定乘客、服务请求者终端130、服务提供者和/或服务提供者终端140的位置。在一些实施例中，服务请求者终端130和/或服务提供者终端140可以周期性地将定位信息发送到服务器110。在一些实施例中，服务提供者终端140也可以周期性地将可用性状态发送至服务器110。该可用性状态可以表明与服务提供者终端140相关联的车辆150是否可以接载乘客。例如，服务请求者终端130和/或服务提供者终端140可以每30分钟将定位信息和可用性状态发送到服务器110。又例如，每次用户登录与线上到线下运输服务相关联的移动应用程序时，服务请求者终端130和/或服务提供者终端140可以将定位信息和可用性状态发送到服务器110。
在一些实施例中，服务提供者终端140可以对应一个或多个车辆150。车辆150可以接载乘客并送至目的地。车辆150可以包括至少两个车辆150-1、150-2、…、150-n。一个车辆可以对应一种类型的服务(例如，租车呼叫服务、代驾服务、快车服务、拼车服务、公交车服务、司机招聘服务和接送服务)。
存储设备160可以存储数据和/或指令。在一些实施例中，存储设备160可以存储从服务请求者终端130和/或服务提供者终端140获得的数据。在一些实施例中，存储设备160可以储存服务器110可以执行或使用的数据和/或指令，以执行本申请中描述的示例性方法。在一些实施例中，存储设备160可以包括大容量储存器、可移动储存器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括快闪驱动器、软盘、光盘、记忆卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性随机存取存取器可以包括动态随机存取存储器(DRAM)、双倍速率同步动态随机存取存储器(DDRSDRAM)、静态随机存储存取器(SRAM)、晶闸管随机存取存取器(T-RAM)、零电容随机存取存取器(Z-RAM)等。示例性只读存储器可以包括光罩式只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电子可擦除可编程只读存储器(EEPROM)、压缩盘只读存储器(CD-ROM)、数字通用磁盘只读存储器等。在一些实施例中，存储设备160可以在云平台上实现。仅仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布式云、互联云、多云等或其任意组合。
在一些实施例中，存储设备160可以与网络120连接以与线上到线下服务系统100的一个或以上组件(例如，服务器110、服务请求者终端130或服务提供者终端140)通信。线上到线下服务系统100的一个或以上组件可以通过网络120访问存储设备160中存储的数据或指令。在一些实施例中，存储设备160可以直接与线上到线下服务系统100的一个或以上组件(例如，服务器110、服务请求者终端130、服务提供者终端140)连接或通信。在一些实施例中，存储设备160可以是服务器110的一部分。
导航系统170可以确定与对象(例如，服务请求者终端130、服务提供者终端140、车辆150等中的一个或以上)相关联的信息。在一些实施例中，导航系统170可以是全球定位系统(GPS)、全球卫星导航系统(GLONASS)、北斗导航系统(COMPASS)、北斗卫星导航系统、伽利略定位系统、准天顶卫星系统(QZSS)等。信息可以包括对象的位置、海拔、速度或加速度，或当前时间。导航系统170可以包括一个或以上卫星，例如，卫星170-1、卫星170-2和卫星170-3。卫星170-1至170-3可以独立地或共同地确定上述信息。卫星导航系统170可以通过无线连接将上述信息发送到网络120、服务请求者终端130、服务提供者终端140或车辆150。
在一些实施例中，线上到线下服务系统100的一个或以上组件(例如，服务器110、服务请求者终端130、服务提供者终端140)可以拥有访问存储设备160的权限。在一些实施例中，当满足一个或以上条件时，线上到线下服务系统100的一个或以上组件可以读取和/或修改与乘客、服务请求者和/或公众有关的信息。例如，一个服务结束后，服务器110可以读取和/或修改一个或以上乘客的信息。又例如，一个服务结束后，服务器110可以读取和/或修改一个或以上服务提供者的信息。
在一些实施例中，线上到线下服务系统100的一个或以上组件间的信息交换可以通过请求服务的方式实现。服务请求的对象可以为任何产品。在一些实施例中，产品可以包括食品、医药、商品、化学产品、电器、衣物、汽车、房屋、奢侈品等或其任意组合。在一些实施例中，产品可以包括服务产品、金融产品、知识产品、互联网产品等或其任意组合。互联网产品可以包括个人主机产品、网站产品、移动互联网产品、商业主机产品、嵌入式产品等或其任意组合。移动互联网产品可以用于移动终端的软件、程序、系统等或其任意组合。移动终端可以包括平板计算机、膝上型计算机、移动手机、个人数字助理(PDA)、智能手表、POS机、车载计算机、车载电视、可穿戴设备等或其任意组合。例如，产品可以是用于计算机或移动手机中的任意的软件和/或应用程序。软件和/或应用程序可以与社交、购物、交通、娱乐、学习、投资等或其任意组合相关。在一些实施例中，与运输相关的软件和/或应用程序可以包括出行软件和/或应用程序、交通工具调度软件和/或应用程序、地图软件和/或应用程序等。在交通工具调度软件和/或应用程序中，交通工具可以包括马、马车、人力车(例如独轮手推车、自行车、三轮车等)、汽车(例如，出租车、公交车、私家车等)、火车、地铁、船舶、航空器(例如，飞机、直升机、航天飞机、火箭、热气球等)等或其任意组合。
本领域普通技术人员将理解，线上到线下服务系统100的元件(或组件)可以通过电信号和/或电磁信号执行。例如，当服务请求者终端130向服务器110发送服务请求时，服务请求者终端130的处理器可以生成编码该请求的电信号。然后，服务请求者终端130的处理器可以将电信号发送到输出端口。如果服务请求者终端130通过有线网络与服务器110通信，输出端口可以物理地连接到电缆，电缆可以进一步将电信号传输至服务器110的一个输入端口。如果服务请求者终端130通过无线网络与服务器110通信，服务请求者终端130的输出端口可以是一个或以上天线，该天线可以将电信号转换为电磁信号。类似地，服务提供者终端130可通过电信号或电磁信号接受来自服务器110的指令和/或服务请求。在电子装置(例如，服务请求者终端130、服务提供者终端140和/或服务器110)中，当其处理器处理指令、发出指令和/或执行动作时，指令和/或动作通过电信号进行。例如，当处理器从存储介质检索或保存数据时，它可以将电信号发送到存储介质的读/写设备，该读/写设备可以在存储介质中读取或写入结构化数据。结构化数据可以通过电子设备的总线以电信号的形式发送到处理器。其中，电信号可以指一个电信号、一系列电信号和/或至少两个不连续的电信号。
图2是根据本申请的一些实施例所示的一个计算设备200的示例性硬件和软件的示意图。服务器110、服务请求者终端130和/或服务提供者终端140可以在计算设备200上实现。例如，处理引擎112可以在计算设备200上实现并被配置为实现本申请中所披露的功能。
在一些实施例中，计算设备200可以是专用计算机。计算设备200可用于实现本申请的线上到线下系统。计算设备200可以实现本申请所描述的线上到线下服务的任何组件。在图1-2中，为了方便起见仅示出了一台这样的计算机设备。本领域普通技术人员在提交本申请时将理解，与本申请所描述的线上线下服务有关的计算机功能可以在多个类似平台上以分布式方式实现，以分发处理负荷。
例如，计算设备200可以包括与网络连接的通信端口250，用于实现数据通信。计算设备200可以包括中央处理器(CPU)220，可以以一个或多个处理器的形式执行程序指令。示例性计算机平台可以包括内部通信总线210、不同形式的程序存储器和数据存储器，例如，磁盘270、只读存储器(ROM)230或随机存取存储器(RAM)240，用于存储待由计算机处理和/或传输的各类数据文件。示例性计算机平台还可以包括存储在ROM 230、RAM 240和/或其他类型的非暂时性存储介质中的由CPU/处理器220执行的程序指令。本申请的方法和/或流程可以以程序指令的方式实现。计算设备200还包括输入/输出组件260，用于支持计算机与其他组件例如用户界面元件之间的输入/输出。计算设备200也可以通过网络通信接收程序设计和数据。
为了方便起见，计算设备200仅绘制了一个CPU和/或处理器220。然而，应当注意，本申请中的计算设备200可以包括多个CPU和/或处理器，因此本申请中描述的由一个CPU和/或处理器实现的操作和/或方法也可以共同地或独立地由多个CPU和/或处理器实现。例如，在本申请中，如果计算设备200的CPU和/或处理器执行步骤A和步骤B，应当理解的是步骤A和步骤B可以由计算设备200的两个不同的CPU和/或处理器共同或分别执行(例如，第一处理器执行步骤A，第二处理器执行步骤B，或者第一处理器和第二处理器共同执行步骤A和B)。
图3是根据本申请的一些实施例所示的移动设备300的示例性硬件和/或软件组件的示意图。用户终端可以在移动设备300上实现。如图3所示，移动设备300可以包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、输入/输出350、内存360和存储器390。在一些实施例中，任何其他合适的组件，包括但不限于系统总线或控制器(未示出)，也可以包括在移动设备300中。在一些实施例中，移动操作系统370(例如，IOSTM、AndroidTM、WindowsPhoneTM等)和一个或以上应用程序380可以从存储器390加载到内存360中，以便由CPU340执行。应用程序380可以包括浏览器或任何其他合适的移动应用程序，用于接收及呈现与图像处理相关的信息或处理引擎112中的其他信息。用户与信息流的交互可以通过输入/输出设备350实现，并通过网络提供给处理引擎112和/或线上到线下服务系统100的其他组件。
为了实现本申请中描述的各种模块、单元及其功能，计算机硬件平台可用作本申请中描述的一个或以上元件的硬件平台。包含用户界面元素的计算机可以被用作个人计算机(PC)或其他类型的工作站或终端设备，被适当程序化后也可以作为服务器使用。
图4是根据本申请的一些实施例所示的示例性处理引擎的框图。处理引擎112可以与计算机可读存储器(例如，存储设备160、乘客终端130或司机终端140)通信，并且可以执行存储在计算机可读存储介质中的指令。处理引擎112可以包括采集模块410、确定模块420和输出模块430。
采集模块410可以通过无线通信获得从用户终端发送的服务请求。服务请求(也称为“服务请求信号”)可以编码识别数据、第一出发地点和第一出发时间。服务请求中包括的识别数据可以是与用户相对应的身份信息，并且线上到线下服务系统100可以基于相应的识别数据来识别用户。在一些实施例中，第一出发地点可以是用户的当前地理位置。第一出发时间可以是服务请求的触发时间。在一些实施例中，第一出发地点和第一出发时间可以由用户通过用户终端的用户界面输入。此外，采集模块410可以基于服务请求获得与识别数据相关的用户的旅行信息。
确定模块420可以从服务器110检索与识别数据相关的一个或以上历史记录。历史记录可包括历史出发地点、历史出发时间和历史目的地位置等。
确定模块420可以使用预先存储的目的地匹配算法来确定一个或以上历史目的地位置的选择概率。根据服务请求和对应于用户的一个或以上历史记录确定一个或以上历史目的地位置的选择概率实际上可以由P(Dm|F，T)确定。Dm表示第m个历史目的地位置，F表示用户服务请求中的第一出发地点，T表示用户服务请求中的第一出发时间，P(Dm|F，T)表示在第一出发地点和第一出发时间的前提下前往第m个历史目的地位置的选择概率。
在一些实施例中，确定模块420可以根据包括识别数据的服务请求过滤一个或以上历史记录，仅可以检索与服务请求匹配的历史记录。根据服务请求和与识别数据相关的一个或以上过滤的历史记录，可以使用预先存储的目的地匹配算法来确定一个或以上过滤的历史记录中的一个或以上历史目的地位置的选择概率。
确定模块420可以基于选择概率确定与一个或以上历史目的地位置相同的建议目的地位置。在一些实施例中，确定模块420可以确定一个或以上建议目的地位置。
输出模块430可以在用户终端的用户界面上生成并显示表示建议目的地位置的指示符。指示符可以包括建议目的地位置的名称、建议目的地位置的纬度和经度、在建议目的地位置处的旅行服务平台的地图上显示的图标等。
在一些实施例中，处理引擎112还可以包括更新模块(图4中未示出)。建议目的地位置可以与用户的实际目的地位置相同或不同，更新模块可以根据用户的实际需要保持历史记录更新。更新过程可以是用户终端可以将用户的旅行信息(第一出发时间、第一出发地点和实际目的地位置)发送到服务器，服务器存储该旅行信息用于更新用户历史记录。
在一些实施例中，处理引擎112还可包括实际目的地位置确定模块(图4中未示出)。实际目的地位置确定模块可以通过用户的操作确定用户的实际目的地位置。用户的操作可以包括选择建议目的地位置、取消建议目的地位置以及输入实际目的地位置。当用户选择建议目的地位置时，实际目的地位置确定模块可以将所选择的建议目的地位置确定为实际目的地位置。当输出模块430输出的建议目的地位置不是用户的实际需要时，用户可以取消建议目的地位置并输入实际目的地位置。过程引擎112可以基于与识别数据相关的第一出发地点、第一出发时间和实际目的地位置生成更新的历史记录。
应当注意，以上关于处理引擎112的描述仅出于说明性目的，并不旨在限制本申请的范围。对于本技术领域的普通技术人员，可在不背离本申请原则的情况下对上述方法和系统的应用形式及细节作出各种修改和改变。然而，这些修改和改变亦落于本申请的范围内。例如，处理引擎112还可以包括存储模块(图4中未示出)。存储模块可以被配置用于存储在处理引擎112的任何组件执行的任何过程期间生成的数据。又例如，处理引擎112的每个组件可以与存储模块相关联。可选地，处理引擎112的组件可以共享公共存储模块。类似的修改应落入本申请的范围内。
图5A是根据本申请的一些实施例所示的用于目的地预测的示例性过程的流程图。过程500可以由线上到线下服务系统100执行。例如，过程500可以被实现为存储在存储设备130中的一组指令(例如，应用程序)。处理引擎112可以执行该组指令，并且当执行指令时，它可以被配置为执行过程500。以下所示过程的操作旨在说明。在一些实施例中，过程500可以利用未描述的一个或多个附加操作和/或未经讨论的一个或多个操作来完成。此外，如图9所示和以下描述的过程的操作顺序不是限制性的。
在501中，处理器(例如，处理引擎112的采集模块410)可以通过无线通信从用户终端获得服务请求。通过用户终端获得的用户服务请求可以涉及用户在第一出发时间从第一出发地点想要前往的目的地位置。在一些实施例中，第一出发地点可以是通过用户终端上的全球定位系统(在本申请中被称为“GPS”)获得的用户的当前位置。第一出发时间可以是当用户激活安装在用户终端中的APP(例如，线上到线下旅行服务平台)时的触发时间。在一些实施例中，第一出发地点和/或第一出发时间可以由用户输入。在一些实施例中，服务请求可以包括识别数据。服务请求中包括的识别数据可以是与用户相对应的身份信息，并且处理引擎112可以基于相应的识别数据来识别用户。
在一些实施例中，处理器(例如，处理引擎112的采集模块410)可以进一步基于服务请求获得用户的历史旅行信息。历史旅行信息可以是用户的历史旅行记录(也称为“历史记录”)。历史记录可以是过去完成的历史服务请求。历史服务请求可以涉及用户在历史出发时间从历史出发地点实际想要去往的历史目的地位置。因此，历史记录可以至少包括历史出发地点、历史出发时间和历史目的地位置。在一些实施例中，每个历史记录可以包括用于处理器识别用户的识别数据。
在一些实施例中，处理器可以获得一个或以上历史记录，其中一个或以上历史记录的历史出发时间和与识别数据相关的服务请求中的第一出发时间相同。在一些实施例中，处理器可以获得一个或以上历史记录，其中一个或以上历史记录的历史出发地点和与识别数据相关的服务请求中的第一出发地点相同。在一些实施例中，处理器可以获得基于服务请求中包括的识别数据确定的属于同一用户的所有历史记录。
在503中，处理器(例如，处理引擎112的确定模块420)可以使用预先存储的目的地匹配算法基于一个或以上历史记录确定一个或以上历史目的地位置的选择概率。具体地，用户终端可以预先从服务器获得与识别数据相关的一个或以上历史记录。在一些实施例中，用户终端收到服务请求后可以将包括识别数据的服务请求发送到服务器，并且服务器可以根据服务请求中的识别数据将对应于用户的一个或以上历史记录返回给用户终端。一个或以上历史记录可包括与识别数据相关的一个或以上历史目的地位置。
在一些实施例中，根据服务请求和对应于用户的一个或以上历史记录确定一个或以上历史目的地位置的选择概率实际上可以由P(Dm|F，T)确定。Dm表示与识别数据相关的一个或以上历史记录中的第m个历史目的地位置，F表示用户服务请求中的第一出发地点，T表示用户服务请求中的第一出发时间，P(Dm|F，T)表示历史记录中第m个历史目的地位置的选择概率，已知历史记录包括一个或以上历史记录中的第一出发地点和第一出发时间。
在505中，处理器(例如，处理引擎112的确定模块420)可以基于选择概率确定建议目的地位置，并将建议目的地输出给用户。在一些实施例中，确定模块420可以确定一个或以上建议目的地位置。仅作为示例，处理器(例如，处理引擎112的确定模块420)可以确定选择概率大于预设概率的一个或以上历史目的地位置作为一个或以上建议目的地位置。在一些实施例中，处理器(例如，处理引擎112的确定模块420)可以确定建议目的地位置。仅作为示例，确定模块420可以将具有最大选择概率的历史目的地位置确定为建议目的地位置。
此外，处理器可以将建议目的地输出给用户。在一些实施例中，处理器可以确定选择概率大于预设值的一个或以上历史目的地位置作为建议目的地位置。当选择概率大于预设概率的一个或以上历史目的地位置被指定为一个或以上建议目的地位置时，处理器可以将该一个或以上建议目的地输出给用户。然后，用户可以选择一个或以上建议目的地中的一个。当一个或以上历史目的地位置超过一个时，处理器可以确定一个或以上历史目的地位置中具有最大选择概率的一个作为建议目的地位置。
应当注意，以上关于过程500的描述仅出于说明性目的，并不旨在限制本申请的范围。对于本技术领域的普通技术人员，可在不背离本申请原则的情况下对上述方法和系统的应用形式及细节作出各种修改和改变。在一些实施例中，过程500可以包括一个或以上其他操作。然而，这些修改和改变亦落于本申请的范围内。
图5B是根据本申请的一些实施例所示的用于目的地预测的示例性过程的流程图。过程550可以由线上到线下服务系统100执行。例如，过程550可以被实现为存储在存储设备130中的一组指令(例如，应用程序)。处理引擎112可以执行该组指令，并且当执行指令时，它可以被配置为执行过程550。以下所示过程的操作旨在说明。在一些实施例中，过程550可以利用未描述的一个或多个附加操作和/或未经讨论的一个或多个操作来完成。此外，如图9所示和以下描述的过程的操作顺序不是限制性的。
在551中，处理器(例如，处理引擎112的采集模块410)可以通过无线通信从用户终端获得服务请求。通过用户终端获得的用户服务请求可以涉及用户在第一出发时间从第一出发地点想要前往的目的地位置。在一些实施例中，用户终端可以通过激活安装在用户终端中的APP(例如，线上到线下旅行服务平台)生成服务请求。用户可以有各种方式来激活APP。仅作为示例，用户可以通过语音输入激活APP，用户终端可以基于用户的语音输入生成服务请求。又例如，用户可以通过手势输入激活APP，用户终端可以基于用户的手势输入生成服务请求。在一些实施例中，在激活安装在用户终端中的APP(例如，线上到线下旅行服务平台)之后，用户终端可以生成用户请求APP执行预订服务的服务请求。例如，在激活安装在用户终端中的APP之后，用户终端可以在用户点击用户界面上的服务预订按钮时生成服务请求。在激活APP之后，用户可以有各种方式(例如，语音输入、手势输入等)来开始服务预订。
当用户激活安装在用户终端中的APP(例如，线上到线下旅行服务平台)生成服务请求时，与服务请求相关的第一出发时间可以是触发时间。用户激活APP，与服务请求相关的第一出发地点可以是用户或用户终端的当前位置。例如，当用户想要叫车时，用户可以执行点击操作以激活安装在用户终端中的APP(例如，线上到线下旅行服务平台)。点击操作可以触发用户终端以生成服务请求。用户终端在接收到用户的服务请求后，可以通过时钟程序获取服务请求的触发时间，并可以将触发时间指定为第一出发时间。用户终端还可以通过用户终端上的全球定位系统(本申请中也称为“GPS”)获取用户的当前位置，并且可以将当前位置指定为第一出发地点。
在激活安装在用户终端中的APP(例如，线上到线下旅行服务平台)之后用户请求APP执行服务预订时生成服务请求，该服务请求可以携带用户输入的第一出发地点和/或第一出发时间信息。在一些实施例中，用户可以仅输入与服务请求相关的出发地点的信息。然后，用户终端可以读取出发地点的信息，并且可以将用户输入的出发地点指定为第一出发地点。与服务请求相关的第一出发时间可以是用户请求APP执行服务预订的触发时间，触发时间可以通过用户终端中的时钟程序获得。在一些实施例中，用户可以仅输入与服务请求相关的出发时间的信息。然后，用户终端可以读取出发时间的信息，并且可以将用户输入的出发时间指定为第一出发时间。与服务请求相关的第一出发地点可以是用户或用户终端的当前位置，并且可以通过用户终端上的GPS获得当前位置。在一些实施例中，用户可以输入与服务请求相关的出发地点和出发时间的信息。用户终端可以读取出发地点和出发时间的信息。然后，用户终端可以将用户输入的出发地点指定为第一出发地点，并将用户输入的出发时间指定为第一出发时间。本申请中使用的出发地点可以通过出发地点的名称、出发地点的纬度和经度等来描述。
在一些实施例中，服务请求可以包括识别数据、第一出发地点和第一出发时间。服务请求可以不包括目的地位置，并且处理器(例如，处理引擎112的确定模块420)可以确定用户选择的一个或以上建议目的地位置。服务请求信号可以编码识别数据、第一出发地点和第一出发时间。在一些实施例中，处理器(例如，处理引擎112的采集模块410)可以通过无线通信获得从用户终端发送的包括识别数据、第一出发地点和第一出发时间的服务请求。此外，处理器可以获得与服务请求相关的用户的旅行信息。
服务请求中包括的识别数据可以是与用户相对应的身份信息，并且处理引擎112可以基于相应的识别数据来识别用户。识别数据可以是由处理引擎112随机确定的字符串，并且字符串可以是二进制字符串、八进制字符串、十六进制字符串等。在一些实施例中，识别数据可以包括用户的互联网协议(IP)地址信息。
在553中，处理器(例如，处理引擎112的确定模块420)可以检索与用户的识别数据相关的一个或以上历史记录。例如，处理器可以检索一个或以上历史记录，其中一个或以上历史记录的历史出发时间和与识别数据相关的第一出发时间相同。又例如，处理器可以检索一个或以上历史记录，其中一个或以上历史记录的历史出发地点和与识别数据相关的第一出发地点相同。又例如，处理器可以检索基于服务请求中包括的识别数据确定的属于同一用户的所有历史记录。
历史记录可以是过去完成的历史服务请求。历史服务请求可以涉及用户在历史出发时间从历史出发地点实际想要去往的历史目的地位置。因此，历史记录可以至少包括历史出发地点、历史出发时间和历史目的地位置。在一些实施例中，每个历史记录可以包括用于处理器识别用户的识别数据。仅作为示例，处理器可以随机抽样1000个用户的历史记录。在消除了无效用户的一些历史记录之后，处理器可以获得774个有效用户的历史记录。表1示出了一些用户的示例性历史记录。
表1
识别数据 F<sub>p</sub> D<sub>p</sub> T<sub>p</sub>
112429703 世贸国际公寓 首都机场1号航站楼 6
112429703 Apple社区南区 地方 17
112429703 黄木场路北口 财富金融中心 11
1.35521E+12 清城名苑(南区) 百利威物流第二分公司 9
1.35521E+12 建外SOHO(东区) 北京动物园(西北门) 20
1.35521E+12 清城名苑(南区) 北京交通职业学院 8
1.35521E+12 清城名苑(南区) 北京交通职业学院 7
1.35521E+12 清城名苑(南区) 北京交通职业学院 7
929148 方正国际大厦 回龙居 14
929148 用友软件园 辉煌时代大厦 12
929148 用友软件园 辉煌时代大厦 12
929148 用友软件园 霍营乡 19
1.4146E+12 近北关(公交站) 英各庄村 19
1.4146E+12 西门路北公交站 英各庄村 12
1.4146E+12 宜家之家 英各庄村 12
1.4146E+12 英各庄旅 通州北关 10
表1可以示出历史出发地点Fp、历史目的地位置Dp和历史出发时间Tp之间的关系。基于这774个用户的历史记录，处理器(例如，处理引擎112的确定模块420)可以确定两个变量(即历史目的地位置和历史出发地点、历史目的地位置和历史出发时间以及历史出发地点和历史出发时间)的互信息(Mutual Information，MI)。两个变量的互信息可以是两个变量之间相互依赖性的度量。例如，历史目的地位置和历史出发地点的互信息可以是历史目的地位置与历史出发地点之间的相互依赖性的度量。表2示出了历史目的地位置和历史出发地点、历史目的地位置和历史出发时间以及历史出发地点和历史出发时间的示例性互信息。
表2
识别数据 I(D<sub>p</sub>，F<sub>p</sub>) I(D<sub>p</sub>，T<sub>p</sub>) I(F<sub>p</sub>，T<sub>p</sub>)
112429703 1.508884 2.027818 1.064218
1.35521E+12 0.500402 0.950271 0.500402
929148 0.717611 1.292038 1.061066
1.4146E+12 0.796312 0.796312 1.351784
109521243 1.074092 1.845729 1.112543
1.35805E+12 1.611297 2.004233 1.659781
141443260 0.10564 1.938507 0.10564
117919208 1.098612 1.098612 1.098612
100777906 0.851373 1.456864 0.780802
115615947 1.003353 1.179362 1.260151
1795650 0.661322 0.964548 0.926787
112169989 0.695981 0.902496 0.871515
…… …… …… ……
平均值 1.02 1.23 0.9
I(Dp，Fp)表示历史目的地位置和历史出发地点的互信息。I(Dp，Tp)表示历史目的地位置和历史出发时间的互信息。I(Fp，Tp)表示历史出发地点和历史出发时间的互信息。在一些实施例中，历史出发地点、历史出发时间和历史目的地位置之间可以存在相关性。历史出发地点和历史出发时间可能对用户的目的地位置的预测有很大影响。因此，在一些实施例中，基于一个或以上历史记录确定的建议目的地位置可以更接近与用户的服务方请求相关的实际目的地位置。
在555中，可以使用预先存储的目的地匹配算法来确定一个或以上历史目的地位置的选择概率。在一些实施例中，处理器(例如，处理引擎112的确定模块420)可以使用预先存储的目的地匹配算法来确定一个或以上历史目的地位置的选择概率。
在一些实施例中，根据服务请求和对应于用户的一个或以上历史记录确定一个或以上历史目的地位置的选择概率实际上可以由P(Dm|F，T)确定。Dm表示与识别数据相关的一个或以上历史记录中的第m个历史目的地位置，F表示用户服务请求中的第一出发地点，T表示用户服务请求中的第一出发时间，P(Dm|F，T)表示历史记录中第m个历史目的地位置的选择概率，已知历史记录包括一个或以上历史记录中的第一出发地点和第一出发时间。由于条件部分已经是两个变量的联合分布，根据贝叶斯方法可以直接推导出以下方程：
Figure BDA0002344141380000251
其中1≤m≤N，N和m都是整数。通过方程变换，问题可以转换为如何确定P(Dm|F，T)。基于不同的预先存储的目的地匹配算法，处理器可以通过各种方式确定P(Dm|F，T)。
在一些实施例中，处理器(例如，处理引擎112的确定模块420)可以根据以下方程确定对应于用户的识别数据的一个或以上历史记录中的一个或以上历史目的地位置的选择概率：
Figure BDA0002344141380000252
Dm表示用户的一个或以上历史记录中的第m个历史目的地位置。F表示与识别数据相关的服务请求的第一出发地点。T表示与识别数据相关的服务请求的第一出发时间。P(F|Dm)表示历史出发地点是第一出发地点的第一后验概率，已知历史记录包括一个或以上历史记录中的第m个历史目的地位置。P(T|Dm)表示历史出发时间是第一出发时间的第二后验概率，已知历史记录包括一个或以上历史记录中的第m个历史目的地位置。P(Dm)表示前往一个或以上历史记录中第m个历史目的地位置的先验概率。N表示对应于用户的识别数据的一个或以上历史记录中的历史目的地位置的总数，其中1≤m≤N，并且N和m都是整数。
在一些实施例中，根据朴素贝叶斯方法(Bayes)，P(F，T)可以近似等于P(T)P(F)，进而可以得出P(F，T|Dm)≈P(T|Dm)P(F|Dm)。可以通过将方程(1)中的P(F，T|Dm)替换为P(T|Dm)P(F|Dm)来获得方程(2)。
在方程(2)中，P(Dm)表示前往与用户的识别数据相关的一个或以上历史记录中第m个历史目的地位置的先验概率，其可以由处理器使用频率统计方法来确定。具体地，处理器(例如，处理引擎112的确定模块420)可以统计与识别数据相关的一个或以上历史记录中的历史目的地位置的总数。处理器可以统计用户前往第m个历史目的地位置的总次数。处理器然后可以通过将用户前往第m个历史目的地位置的总次数除以一个或以上历史记录中的历史目的地位置的总数来得到先验概率P(Dm)。
P(T|Dm)表示历史出发时间是第一出发时间的第二后验概率，已知历史记录包括一个或以上历史记录中的第m个历史目的地位置。在一些实施例中，处理器(例如，处理引擎112的确定模块420)可以使用频率统计方法确定第二后验概率P(T|Dm)。具体地，在与识别数据相关的一个或以上历史记录中，如果历史记录包括第m个历史目的地位置，则处理器可以统计历史出发时间与服务请求中第一出发时间相同的的所有历史记录的数量。处理器也可以统计所有历史出发时间的总数，如果历史记录包括第m个历史目的地位置。处理器然后可以通过将具有与服务请求中第一出发时间相同的历史出发时间的所有历史记录的数量除以所有历史出发时间的总数来确定第二后验概率P(T|Dm)。例如，假设第m个历史目的地位置是天通苑东一区，并且相应的历史记录包括天通苑东一区的所有历史出发时间的总数是9:00一次、13:00一次、15:00两次、16:00两次、18:00四次、19:00三次、20:00五次、21:00十次、22:00七次、23:00六次、0:00四次、1:00两次、2:00三次。服务请求中的第一出发时间可以是20:00。在这种情况下，处理器可以得到第二后验概率
Figure BDA0002344141380000261
在一些实施例中，处理器(例如，处理引擎112的确定模块420)可以确定与识别数据相关的一个或以上历史记录中的所有历史出发时间的特征分布，已知历史记录包括第m个历史目的地位置。处理器然后可以根据所有历史出发时间的特征分布确定第二后验概率P(T|Dm)。表3示出了与识别数据相关的一个或以上历史记录中，以天通苑东一区作为第m个历史目的地位置的示例历史记录。Flatp表示历史出发地点的纬度。Flngp表示历史出发地点的经度。如表3所示，Flatp和Flngp分别表示天通苑东一区的纬度和经度。
表3
Figure BDA0002344141380000271
Figure BDA0002344141380000281
Figure BDA0002344141380000291
图6是根据表3绘制的历史出发时间的示例性频率分布图，假设历史记录包括第m个目的地。如图6所示，对于固定的目的地位置(例如，天通苑东一区)，历史出发时间可以近似于正态分布。处理器(例如，处理引擎112的确定模块420)可以根据一个或以上历史记录中的每个历史出发时间来确定历史出发时间的平均值和方差，假设历史记录包括第m个目的地。处理器可以利用固定的目的地位置(例如，第m个历史目的地位置)确定历史出发时间的概率密度函数。此外，处理器可以基于服务请求中的第一出发时间和概率密度函数来确定第二后验概率P(T|Dm)。
可能存在用于描述出发地点的各种方式。基于不同的描述方式，处理器(例如，处理引擎112的确定模块420)可以使用不同的方法确定第一后验概率P(F|Dm)。在一些实施例中，可以通过出发地点的名称来描述出发地点，处理器可以使用频率统计方法来确定第一后验概率P(F|Dm)。例如，在与识别数据相关的一个或以上历史记录中，如果历史记录包括第m个历史目的地位置，则处理器可以统计历史出发地点与服务请求中第一出发地点相同的的所有历史记录的数量。处理器还可以统计所有历史出发地点的总数，如果历史记录包括第m个历史目的地位置。处理器然后可以通过将具有与服务请求中第一出发地点相同的历史出发地点的所有历史记录的数量除以所有历史出发地点的总数来确定第一后验概率P(F|Dm)。
在一些实施例中，可以通过出发地点的纬度和经度来描述出发地点，处理器(例如，处理引擎112的确定模块420)可以采用频率统计方法确定第一后验概率P(F|Dm)。在一些实施例中，处理器可以确定历史出发地点经度和纬度的特征分布，假设历史记录包括第m个历史目的地位置。处理器然后可以根据历史出发地点经度和纬度的特征分布确定第一后验概率P(F|Dm)。表4示出了与识别数据相关的一个或以上历史记录中，以中国国家艺术博物馆作为历史目的地的历史出发地点的示例性经度和纬度。
表4
Figure BDA0002344141380000301
处理器(例如，处理引擎112的确定模块420)可以分别确定历史出发地点纬度和经度的平均值。对应于经度和纬度平均值的位置可以被指定为中心点。表5示出了历史出发地点到中心点的示例性偏差距离，以及每个历史出发地点的频率，假设历史记录包括第m个历史目的地位置(例如，中国国家艺术博物馆)。
表5
Flat<sub>p</sub>，Flng<sub>p</sub> 偏差距离 频率
39.912，116.473 10279 1
39.914，116.474 9902 1
39.963，116.49 2220 1
39.988，116.492 4303 1
39.924，116.503 6920 3
39.965，116.5 506 4
39.964，116.503 168 9
39.965，116.503 0 24
39.966，116.503 168 16
39.964，116.504 238 2
39.965，116.504 168 1
39.966，116.505 377 1
39.958，116.507 1360 1
39.919，116.522 8400 1
如表5所示，假设历史记录包括第m个历史目的地位置(例如，中国国家艺术博物馆)，历史出发地的经度和纬度可以呈现二维正态分布。假设历史记录包括第m个历史目的地位置，与同一个识别数据相关的出发地点的经度和纬度(X，Y)可以表示为受参数(μ1，μ2，σ1，σ2，ρ)制约的二维正态分布，即(X，Y)～(μ1，μ2，σ1，σ2，ρ)。处理器(例如，处理引擎112的确定模块420)可以导出以下概率密度函数：
基于包括第m个目的地的历史记录中每一个历史出发地点的纬度和经度，处理器可以确定经度和纬度的平均值和方差，以及参数ρ。处理器然后可以根据方程(3)确定概率密度函数。此外，处理器可以基于服务请求中的第一出发地点的经度和纬度以及概率密度函数来确定第一后验概率P(F|Dm)。表6示出了历史出发地点的经度和纬度的平均值和方差，以及一些用户的历史记录的参数ρ，其中历史记录包括第m个目的地位置。
表6
Figure BDA0002344141380000321
总之，对于每个历史目的地位置，基于先验概率P(Dm)、第一后验概率P(F|Dm)和第二后验概率P(T|Dm)，处理器可以使用如上所述的不同方法确定选择概率P(Dm|F，T)。
在一些实施例中，处理器(例如，处理引擎112的确定模块420)可以根据以下方程确定对应于用户的识别数据的一个或以上历史记录中一个或以上历史目的地位置的选择概率：
Figure BDA0002344141380000322
Dm表示用户的一个或以上历史记录中的第m个历史目的地位置。F表示与识别数据相关的服务请求的第一出发地点。T表示与识别数据相关的服务请求的第一出发时间。P(T|F，Dm)表示历史出发时间是第一出发时间的第三后验概率，已知历史记录包括一个或以上历史记录中的第m个历史目的地位置和第一出发地点。P(F|Dm)表示历史出发地点是第一出发地点的第一后验概率，已知历史记录包括一个或以上历史记录中的第m个历史目的地位置。P(Dm)表示前往一个或以上历史记录中第m个历史目的地位置的先验概率。N表示对应于用户的识别数据的一个或以上历史记录中的历史目的地位置的总数，其中1≤m≤N，并且N和m都是整数。
在一些实施例中，根据贝叶斯方法，在出发时间点和出发地点之间可能存在强相关性。当出发地点由出发地点的名称描述时，并且P(Dm)和P(F|Dm)的确定方法可以与先前实施例中相同，这里将不再描述。其中，重要的是确定第三后验概率P(T|F，Dm)。在一些实施例中，处理器(例如，处理引擎112的确定模块420)可以使用频率统计方法确定第三后验概率P(T|F，Dm)。具体地，已知历史记录包括第m个历史目的地位置和第一出发地点，处理器可以统计与服务请求中第一出发时间相同的历史出发时间的数量。已知历史记录包括第m个历史目的地位置和第一出发地点，处理器还可以统计历史出发时间的总数。处理器然后可以通过将与服务请求中第一出发时间相同的历史出发时间的数量除以历史出发时间的总数来确定第三后验概率P(T|F，Dm)，已知历史记录包括第m个历史目的地位置和第一出发地点。
在一些实施例中，处理器(例如，处理引擎112的确定模块420)可以确定历史出发时间的特征分布，假设历史记录包括第m个历史目的地位置和第一出发地点。处理器然后可以基于特征分布确定第三后验概率P(T|F，Dm)。表7示出了包括固定的历史目的地位置和固定的历史出发地点的历史记录的示例性历史出发时间。
表7
Figure BDA0002344141380000331
Figure BDA0002344141380000341
如表7所示，假设历史记录包括固定的历史目的地位置和固定的历史出发地点，历史出发时间可以近似于正态分布。处理器(例如，处理引擎112的确定模块420)可以确定历史出发时间的平均值和方差，假设历史记录包括第m个历史目的地位置和第一出发地点。处理器然后可以确定第一出发时间的概率密度函数。进一步地，处理器可以基于服务请求中的第一出发时间和概率密度函数来确定第三后验概率P(T|F，Dm)。
在一些实施例中，处理器(例如，处理引擎112的确定模块420)可以根据以下方程确定对应于用户的识别数据的一个或以上历史记录中的一个或以上历史目的地位置的选择概率：
Figure BDA0002344141380000342
Dm表示用户的一个或以上历史记录中的第m个历史目的地位置。F表示与识别数据相关的服务请求的第一出发地点。T表示与识别数据相关的服务请求的第一出发时间。在方程(5)中，X＝(T，Flat，FlngT)，μ＝(E{Tp}，E{Flatp}，E{Flngp})T，
Figure BDA0002344141380000343
cij＝Cov(xi，xj)＝E{[xi-μi][xj-μj]}，x1＝Tp，x2＝Flatp，x3＝Flngp，其中Flat表示服务请求中第一出发地点的纬度，Flng表示服务请求中第一出发地点的经度，Tp表示历史出发时间，Flatp表示历史出发地点的纬度，Flngp表示历史出发地点的经度。
当出发地点由纬度和经度描述时，基于由方程(2)确定的选择概率P(Dm|F，T)，第二后验概率P(T|Dm)可以接近于N(μ，σ)，并且可以导出
Figure BDA0002344141380000351
假设P(Flat，Flng，T|Dm)～M3(μ，C)，则P(Flat，Flng，T|Dm)可能受到三元正态分布的影响，并且可以推导出以下方程：
Figure BDA0002344141380000352
集中趋势矩阵μ等于(E{Tp}，E{Flatp}，E{Flngp})T。E{Tp}表示与识别数据相关的一个或以上历史记录中历史出发时间的平均值。E{Flatp}表示与识别数据相关的一个或以上历史记录中历史出发地点的纬度的平均值。E{Flngp}表示与识别数据相关的一个或以上历史记录中历史出发地点的经度的平均值。C是历史出发地点的纬度、历史出发地点的经度以及相应的历史出发时间的协方差矩阵。处理器可以基于与识别数据相关的一个或以上历史记录确定集中趋势矩阵μ和协方差矩阵C。进一步地，处理器可以根据方程(6)确定选择概率P(Dm|F，T)。
例如，处理器可以根据表3确定历史出发地点、历史目的地位置和相应的历史出发时间的集中趋势矩阵μ和协方差矩阵C。
Figure BDA0002344141380000353
det C＝|C|＝0.000324359553166，可以得到
Figure BDA0002344141380000355
将上述值引入方程(6)，并展开方程(6)，可以得到以下方程：
其中，
Figure BDA0002344141380000362
和
Figure BDA0002344141380000363
是C的代数辅助因子。
在一些实施例中，处理器(例如，处理引擎112的确定模块420)可以根据以下方程确定对应于用户的识别数据的一个或以上历史记录中的一个或以上历史目的地位置的选择概率：
Figure BDA0002344141380000364
Dm表示用户的一个或以上历史记录中的第m个历史目的地位置。F表示与识别数据相关的服务请求的第一出发地点。T表示与识别数据相关的服务请求的第一出发时间。在方程(8)中，X＝(T，Flat，Flng)T，
Figure BDA0002344141380000365
Figure BDA0002344141380000366
θT＝(μTC-1-μ′TC′-1)，其中μ是Y＝Dm时X的期望向量，μ′是Y≠Dm时X的期望向量，C是Y＝Dm时X的协方差矩阵，C′是Y≠Dm时X的协方差矩阵，Flat表示服务请求中第一出发地点的纬度，Flng表示服务请求中第一出发地点的经度。Y表示目的地位置变量，并且目的地位置变量的范围可以是与识别数据相关的一个或以上历史记录中所有历史目的地位置的位置。
当出发地点由出发地点的经度和纬度描述时，处理器可以采用逻辑回归方法确定选择概率P(Dm|F，T)。基于方程(6)，处理器可以导出以下方程：
Figure BDA0002344141380000367
当方程(9)中的n等于3时，方程(9)可以与方程(6)相同，并且方程(9)中的其他参数的定义可以与方程(6)中的定义相同。
Dm表示用户的一个或以上历史记录中的第m个历史目的地位置。Y表示目的地位置变量，并且目的地位置变量的范围可以是与识别数据相关的一个或以上历史记录中所有历史目的地位置的位置。在Y＝Dm和Y≠Dm的条件下，处理器可将方程(9)转换为以下两个方程：
其中μ是Y＝Dm时X的期望向量，μ′是Y≠Dm时X的期望向量，C是Y＝Dm时X的协方差矩阵，C′是Y≠Dm时X的协方差矩阵。
处理器可以对P(Y＝Dm|X)进行贝叶斯变换，这可能得到：
Figure BDA0002344141380000372
另外，
Figure BDA0002344141380000374
其中，(X-μ)TC-1(X-μ)＝(XT-μT)C-1(X-μ)＝XTC-1X-XTC-1μ-μTC-1X+μTC-1μ＝XTC-1X-2μTC-1X+μTC-1μ。以上过程利用(XTC-1μ)T＝XTC-1μ和(C-1)T＝C-1，可以得到[(X-μ)TC-1(X-μ)-(X-μ′)TC′-1(X-μ′)]＝XT(C-1-C′-1)X-2(μTC-1-μ′TC′-1)X+(μTC-1μ-μ′TC′-1μ′)。将[(X-μ)TC-1(X-μ)-(X-μ′)TC′-1(X-μ′)]＝XT(C-1-C′-1)X-2(μTC-1-μ′TC′-1)X+(μTC-1μ-μ′TC′-1μ′)代入方程(11)，处理器可以对P(Y＝Dm|X)进行如下推导：
因此，可以实现方程(8)。
根据方程(8)，处理器可能不需要确定概率密度函数。因此，与本申请的其他实施例相比，根据方程8确定选择概率可以更快并且可以提高效率。
应当注意，以上对选择概率P(Dm|F，T)的描述仅出于说明性目的，并不旨在限制本申请的范围。对于本技术领域的普通技术人员，可在不背离本申请原则的情况下对上述方法和系统的应用形式及细节作出各种修改和改变。
在557中，可以基于选择概率确定与一个或以上历史目的地位置相同的建议目的地位置。在一些实施例中，处理器(例如，处理引擎112的确定模块420)可基于选择概率确定与一个或以上历史目的地位置相同的建议目的地位置。
在一些实施例中，处理器可以确定一个或以上建议目的地位置。仅作为示例，处理器可以确定选择概率大于预设概率的一个或以上历史目的地位置作为一个或以上建议目的地位置。
在一些实施例中，处理器可以确定建议目的地位置。仅作为示例，处理器可以将具有最大选择概率的历史目的地位置确定为建议目的地位置。
在559中，可以在用户终端的用户界面上生成并显示表示建议目的地位置的指示符。在一些实施例中，处理器(例如，处理引擎112的输出模块430)可以在用户终端的用户界面上生成并显示表示建议目的地位置的指示符。指示符可以包括建议目的地位置的名称、建议目的地位置的纬度和经度、在建议目的地位置处的旅行服务平台的地图上显示的图标等。可以在图7-9及其描述中找到详细描述。在一些实施例中，处理器可以通过语音回放方式向用户推荐建议目的地位置。输出方式可以由用户预先设置，或者可以由用户终端确定。
应当注意，以上关于过程550的描述仅出于说明性目的，并不旨在限制本申请的范围。对于本技术领域的普通技术人员，可在不背离本申请原则的情况下对上述方法和系统的应用形式及细节作出各种修改和改变。在一些实施例中，过程550可以包括一个或以上其他步骤。然而，这些修改和改变亦落于本申请的范围内。
在一些实施例中，为了提高确定建议目的地位置的效率，步骤553可以根据包括识别数据的服务请求过滤一个或以上历史记录，仅可以检索与服务请求匹配的历史记录。在一些实施例中，与服务请求匹配的历史记录可以是在第一出发时间从第一出发地点出发的前提下具有高频历史目的地位置的历史记录。根据服务请求和与识别数据相关的一个或以上过滤的历史记录，然后可以使用预先存储的目的地匹配算法来确定一个或以上过滤的历史记录中的一个或以上历史目的地位置的选择概率。因为预先过滤了与服务请求匹配的一个或以上历史记录，所以当在一个或以上过滤后的历史记录中计算一个或以上历史目的地位置的选择概率时，数据量可以更小并且计算效率可以更高。
在一些实施例中，在步骤559之后，过程550可以进一步包括确定用户的实际目的地位置。用户可以在用户界面上执行与实际目的地位置有关的操作。用户的操作可以包括选择建议目的地位置、取消建议目的地位置以及输入实际目的地位置。实际上，在步骤559中输出的建议目的地位置可能不是用户的实际需要。用户可以取消建议目的地位置并输入实际的目的地位置。当用户选择建议目的地位置时，可以将所选择的建议目的地位置确定为实际目的地位置。
在一些实施例中，为了根据用户的实际需要保持历史记录更新，在确定用户的实际目的地位置之后，过程550还可以包括根据与识别数据相关的第一出发时间、第一出发地点和服务请求的实际目的地位置生成更新的历史记录。更新过程可以是用户终端将用户的旅行信息(第一出发时间、第一出发地点和实际目的地位置)发送到服务器，以便服务器存储旅行信息用于更新用户的历史记录。
图7-图9是根据本申请的一些实施例的示例性用户界面的示意图。如图7所示，在用户界面710中，可以显示安装在用户终端中的各种应用程序，包括旅行服务平台7102。用户可以通过用手指7104点击安装在用户终端中的旅行服务平台7102来触发服务请求。在执行来自用户的服务请求之后，用户终端可以在执行图5B中所示的操作551至555之后向用户输出一个或以上建议目的地位置。如图8所示，用户界面810可以向用户显示三个建议目的地位置AAA、BBB和CCC。用户可以最终选择三个建议目的地位置中的一个作为实际的目的地位置。在图8中，用户可以选择建议目的地位置CCC。如图9所示，用户界面910可以直接向用户显示建议目的地位置AAA。
应当注意，以上关于用户界面的描述仅出于说明性目的，并不旨在限制本申请的范围。对于本技术领域的普通技术人员，可在不背离本申请原则的情况下对上述方法和系统的应用形式及细节作出各种修改和改变。在一些实施例中，用户界面可包括一个或以上其他指示符。然而，这些修改和改变亦落于本申请的范围内。
为了实现本申请中描述的各种模块、单元及其功能，计算机硬件平台可用作本申请中描述的一个或以上元件的硬件平台。包含用户界面元素的计算机可以被用作个人计算机(PC)或其他类型的工作站或终端设备，被适当程序化后也可以作为服务器使用。
上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明披露仅作为示例，并不构成对本申请的限制。虽然此处并未明确说明，但本领域的普通技术人员可以进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定术语来描述本申请的实施例。如“一个实施例”、
“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此，应当强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特性可以进行适当的组合。
此外，本领域的普通技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的过程、机器、产品或物质的组合，或对其任何新的和有用的改良。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可以表现为位于一个或多个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等或合适的组合形式。计算机可读信号介质可以是除计算机可读储存介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、RF等或其任意组合。
本申请各部分操作所需的计算器程序代码可以用任意一种或多种程序语言编写，包括面向对象程序设计语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化程序设计语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态程序设计语言如Python、Ruby和Groovy，或其他程序设计语言等。程序设计编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算器可以通过任何网络形式与用户计算器连接，例如，局域网络(LAN)或广域网(WAN)，或连接至外部计算器(例如通过因特网)，或在云端计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非申请专利范围中明确说明，否则所述处理元素或序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解，此类细节仅起说明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本申请实施例精神和范围的修正和等价组合。例如，虽然以上描述的系统组件可以通过安装于硬件装置中实施，但也可以只通过软件的解决方案实施，例如在现有的服务器或行动载具上安装所描述的系统。
同理，应当注意的是，为了简化本申请揭示的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比申请专利范围中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (26)

1.一种用于向用户提供预测目的地的系统，包括：
至少一个非暂时性存储介质，包括一组指令；以及
至少一个处理器，与所述至少一个非暂时性存储介质通信，其中当执行所述组指令时，所述至少一个处理器用于：
通过无线通信获取从用户终端发送的服务请求信号，其中所述服务请求信号编码识别数据、第一出发地点和第一出发时间；
检索与所述识别数据相关的一个或以上历史记录，其中历史记录包括历史出发地点、历史出发时间和历史目的地位置；
使用预先存储的目的地匹配算法确定所述一个或以上历史目的地位置的选择概率；
根据所述选择概率确定建议目的地位置，所述建议目的地位置与所述一个或以上历史目的地位置相同；以及
在所述用户终端的用户界面上生成并显示表示所述建议目的地位置的指示符。
2.根据权利要求1所述的系统，其中所述至少一个处理器还用于：
确定与所述第一出发地点和/或所述第一出发时间匹配的一个或以上历史记录；
确定与所述第一出发地点和/或所述第一出发时间匹配的所述一个或以上历史记录的每个历史目的地位置的所述选择概率。
3.根据权利要求2所述的系统，其中为了确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率，所述至少一个处理器还用于：
基于所述一个或以上历史记录的历史出发地点和历史目的地位置确定与所述第一出发地点相关的所述一个或以上历史记录的每个历史目的地位置的第一后验概率；
基于所述一个或以上历史记录的历史出发时间和所述历史目的地位置确定与所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的第二后验概率；以及
基于所述第一后验概率、所述第二后验概率和先验概率确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率。
4.根据权利要求3所述的系统，其中为了确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率，所述至少一个处理器还用于：
根据方程确定所述选择概率：
Figure FDA0002344141370000021
其中，Dm表示第m个历史目的地位置，F表示所述服务请求信号中的所述第一出发地点，T表示所述服务请求信号中的所述第一出发时间，P(F|Dm)表示所述第一后验概率，P(T|Dm)表示所述第二后验概率，P(Dm)表示所述先验概率，N表示所述一个或以上历史目的地位置中历史目的地位置的总数，其中1≤m≤N，N和m都是整数。
5.根据权利要求2所述的系统，其中为了确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率，所述至少一个处理器还用于：
基于所述一个或以上历史记录的所述历史出发地点和所述历史目的地位置确定与所述第一出发地点相关的所述一个或以上历史记录的每个历史目的地位置的第一后验概率；
基于所述一个或以上历史记录的所述历史出发地点、所述历史出发时间和所述历史目的地位置确定与所述第一出发地点和所述一个或以上历史记录的每个历史目的地位置相关的出发时间的第三后验概率；以及
基于所述第一后验概率、所述第三后验概率和所述先验概率确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率。
6.根据权利要求5所述的系统，其中为了确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率，所述至少一个处理器还用于：
根据方程确定所述选择概率：
Figure FDA0002344141370000031
其中，Dm表示第m个历史目的地位置，F表示所述服务请求信号中的所述第一出发地点，T表示所述服务请求信号中的所述第一出发时间，P(T|F,Dm)表示所述第三后验概率，P(F|Dm)表示所述第一后验概率，P(Dm)表示所述先验概率，N表示所述一个或以上历史目的地位置中历史目的地位置的总数，其中1≤m≤N，N和m都是整数。
7.根据权利要求2所述的系统，其中所述历史出发地点提供历史经度和历史纬度，为了确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率，所述至少一个处理器还用于：
确定所述一个或多个历史记录的集中趋势矩阵，其中所述集中趋势矩阵可以提供所述一个或以上历史记录的所述历史经度的历史经度集中趋势、所述一个或以上历史记录的所述历史纬度的历史纬度集中趋势以及所述一个或以上历史记录的所述历史出发时间的历史时间集中趋势；
基于所述一个或以上历史记录和所述集中趋势矩阵确定一个协方差矩阵，所述协方差矩阵与所述一个或以上历史记录的所述历史经度和所述一个或以上历史记录的所述历史纬度以及所述一个或以上历史记录的所述历史出发时间相关；
基于所述一个或以上历史记录、所述集中趋势矩阵、所述先验概率和所述协方差矩阵来确定概率分布；以及
基于所述概率分布函数确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率。
8.根据权利要求7所述的系统，其中为了确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率，所述至少一个处理器还用于：
根据方程确定所述选择概率：
Figure FDA0002344141370000041
其中，Dm表示第m个历史目的地位置，F表示所述服务请求信号中的所述第一出发地点，T表示所述服务请求信号中的所述第一出发时间，Flat表示所述服务请求中所述第一出发地点的所述纬度，Flng表示所述服务请求中所述第一出发地点的所述经度，X＝(T,Flat,FlngT)，μ＝(E{Tp},E{Flatp},E{Flngp})T，
Figure FDA0002344141370000042
Figure FDA0002344141370000043
cij＝Cov(xi,xj)＝E{[xi-μi][xj-μj]}，x1＝Tp，x2＝Flatp，x3＝Flngp，i＝{1,2,3}，j＝{1,2,3}，Tp表示历史出发时间，Flatp表示历史出发地点的所述纬度，Flngp表示所述历史出发地点的所述经度。
9.根据权利要求7所述的系统，其中所述概率分布是多元高斯分布。
10.根据权利要求2所述的系统，其中所述历史出发地点提供历史经度和历史纬度，为了确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率，所述至少一个处理器还用于：
基于所述一个或以上历史记录确定第一条件的第一集中趋势矩阵；
基于所述第一集中趋势矩阵和所述一个或以上历史记录确定所述第一条件的第一协方差矩阵；
基于所述一个或以上历史记录确定第二条件的第二集中趋势矩阵；
基于所述第二集中趋势矩阵和所述一个或以上历史记录确定所述第一条件的第二协方差矩阵；以及
基于所述第一条件的所述第一集中趋势矩阵、所述第二条件的所述第二集中趋势矩阵、所述第一条件的所述第一协方差矩阵和所述第二条件的所述第二协方差矩阵来确定与所述第一出发地点和出发时间相关的所述一个或以上历史记录的每个历史目的地位置的选择概率。
11.根据权利要求10所述的系统，其中为了确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率，所述至少一个处理器还用于：
根据方程确定所述选择概率：
Figure FDA0002344141370000051
其中，Dm表示第m个历史目的地位置，F表示所述服务请求信号中的所述第一出发地点，T表示所述服务请求信号中的所述第一出发时间，Flat表示所述服务请求中所述第一出发地点的所述纬度，Flng表示所述服务请求中所述第一出发地点的所述经度，X＝(T,Flat,Flng)T，
Figure FDA0002344141370000052
Figure FDA0002344141370000053
θT＝(μTC-1-μ′TC′-1)，μ是条件Y＝Dm时X的期望向量，μ′是条件Y≠Dm时X的期望向量，C是所述条件Y＝Dm时X的协方差矩阵，C′是所述条件Y＝Dm时X的协方差矩阵，Y表示目的地位置变量，并且所述目的地位置变量的范围是与所述识别数据相关的所述一个或以上历史记录中所有历史目的地位置的位置。
12.根据权利要求1-11中任一项所述的系统，其中所述至少一个处理器还用于：
确定所述选择概率大于预设值的一个或以上历史目的地位置作为所述建议目的地位置；或者
确定具有最大所述选择概率的历史目的地位置作为所述建议目的地位置，如果所述一个或以上历史目的地位置多于一个。
13.根据权利要求1-11中任一项所述的系统，其中所述至少一个处理器还用于：
通过所述用户终端获得用户对所述建议目的地位置的取消操作和所述用户的实际目的地位置；
基于与所述识别数据相关的所述第一出发地点、所述第一出发时间和所述实际目的地位置生成更新的历史记录。
14.一种在至少一个设备上实现的方法，每个设备具有至少一个处理器和存储介质，所述方法包括：
通过无线通信获取从用户终端发送的服务请求信号，其中所述服务请求信号编码识别数据、第一出发地点和第一出发时间；
检索与所述识别数据相关的一个或以上历史记录，其中历史记录包括历史出发地点、历史出发时间和历史目的地位置；
使用预先存储的目的地匹配算法确定所述一个或以上历史目的地位置的选择概率；
根据所述选择概率确定建议目的地位置，所述建议目的地位置与所述一个或以上历史目的地位置相同；以及
在所述用户终端的用户界面上生成并显示表示所述建议目的地位置的指示符。
15.根据权利要求14所述的方法，其中所述方法还包括：
确定与所述第一出发地点和/或所述第一出发时间匹配的一个或以上历史记录；
确定与所述第一出发地点和/或所述第一出发时间匹配的所述一个或以上历史记录的每个历史目的地位置的所述选择概率。
16.根据权利要求15所述的方法，其中确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率还包括：
基于所述一个或以上历史记录的历史出发地点和历史目的地位置确定与所述第一出发地点相关的所述一个或以上历史记录的每个历史目的地位置的第一后验概率；
基于所述一个或以上历史记录的历史出发时间和所述历史目的地位置确定与所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的第二后验概率；以及
基于所述第一后验概率、所述第二后验概率和先验概率确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率。
17.根据权利要求16所述的方法，其中确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率还包括：
根据方程确定所述选择概率：
其中，Dm表示第m个历史目的地位置，F表示所述服务请求信号中的所述第一出发地点，T表示所述服务请求信号中的所述第一出发时间，P(F|Dm)表示所述第一后验概率，P(T|Dm)表示所述第二后验概率，P(Dm)表示所述先验概率，N表示所述一个或以上历史目的地位置中历史目的地位置的总数，其中1≤m≤N，N和m都是整数。
18.根据权利要求15所述的方法，其中确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率还包括：
基于所述一个或以上历史记录的所述历史出发地点和所述历史目的地位置确定与所述第一出发地点相关的所述一个或以上历史记录的每个历史目的地位置的第一后验概率；
基于所述一个或以上历史记录的所述历史出发地点、所述历史出发时间和所述历史目的地位置确定与所述第一出发地点和所述一个或以上历史记录的每个历史目的地位置相关的出发时间的第三后验概率；以及
基于所述第一后验概率、所述第三后验概率和所述先验概率确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率。
19.根据权利要求18所述的方法，其中确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率还包括：
根据方程确定所述选择概率：
其中，Dm表示第m个历史目的地位置，F表示所述服务请求信号中的所述第一出发地点，T表示所述服务请求信号中的所述第一出发时间，P(T|F,Dm)表示所述第三后验概率，P(F|Dm)表示所述第一后验概率，P(Dm)表示所述先验概率，N表示所述一个或以上历史目的地位置中历史目的地位置的总数，其中1≤m≤N，N和m都是整数。
20.根据权利要求15所述的方法，其中所述历史出发地点提供历史经度和历史纬度，确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率还包括：
确定所述一个或多个历史记录的集中趋势矩阵，其中所述集中趋势矩阵可以提供所述一个或以上历史记录的所述历史经度的历史经度集中趋势、所述一个或以上历史记录的所述历史纬度的历史纬度集中趋势以及所述一个或以上历史记录的所述历史出发时间的历史时间集中趋势；
基于所述一个或以上历史记录和所述集中趋势矩阵确定一个协方差矩阵，所述协方差矩阵与所述一个或以上历史记录的所述历史经度和所述一个或以上历史记录的所述历史纬度以及所述一个或以上历史记录的所述历史出发时间相关；
基于所述一个或以上历史记录、所述集中趋势矩阵、所述先验概率和所述协方差矩阵来确定概率分布；以及
基于所述概率分布函数确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率。
21.根据权利要求20所述的方法，其中所述方法还包括：
根据方程确定所述选择概率：
Figure FDA0002344141370000091
其中，Dm表示第m个历史目的地位置，F表示所述服务请求信号中的所述第一出发地点，T表示所述服务请求信号中的所述第一出发时间，Flat表示所述服务请求中所述第一出发地点的所述纬度，Flng表示所述服务请求中所述第一出发地点的所述经度，X＝(T,Flat,FlngT)，μ＝(E{Tp},E{Flatp},E{Flngp})T，
Figure FDA0002344141370000092
Figure FDA0002344141370000093
cij＝Cov(xi,xj)＝E{[xi-μi][xj-μj]}，x1＝Tp，x2＝Flatp，x3＝Flngp，i＝{1,2,3}，j≠{1,2,3}，Tp表示历史出发时间，Flatp表示历史出发地点的所述纬度，Flngp表示所述历史出发地点的所述经度。
22.根据权利要求20所述的方法，其中所述概率分布是多元高斯分布。
23.根据权利要求15所述的方法，其中所述历史出发地点提供历史经度和历史纬度，确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率还包括：
基于所述一个或以上历史记录确定第一条件的第一集中趋势矩阵；
基于所述第一集中趋势矩阵和所述一个或以上历史记录确定所述第一条件的第一协方差矩阵；
基于所述一个或以上历史记录确定第二条件的第二集中趋势矩阵；
基于所述第二集中趋势矩阵和所述一个或以上历史记录确定所述第一条件的第二协方差矩阵；以及
基于所述第一条件的所述第一集中趋势矩阵、所述第二条件的所述第二集中趋势矩阵、所述第一条件的所述第一协方差矩阵和所述第二条件的所述第二协方差矩阵来确定与所述第一出发地点和出发时间相关的所述一个或以上历史记录的每个历史目的地位置的选择概率。
24.根据权利要求23所述的方法，其中确定与所述第一出发地点和所述第一出发时间相关的所述一个或以上历史记录的每个历史目的地位置的所述选择概率还包括：
根据方程确定所述选择概率：
其中，Dm表示第m个历史目的地位置，F表示所述服务请求信号中的所述第一出发地点，T表示所述服务请求信号中的所述第一出发时间，Flat表示所述服务请求中所述第一出发地点的所述纬度，Flng表示所述服务请求中所述第一出发地点的所述经度，X＝(T,Flat,Flng)T，
Figure FDA0002344141370000111
θT＝(μTC-1-μ′TC′-1)，μ是条件Y＝Dm时X的期望向量，μ′是条件Y≠Dm时X的期望向量，C是所述条件Y＝Dm时X的协方差矩阵，C′是所述条件Y≠Dm时X的协方差矩阵，Y表示目的地位置变量，并且所述目的地位置变量的范围是与所述识别数据相关的所述一个或以上历史记录中所有历史目的地位置的位置。
25.根据权利要求14-24中任一项所述的方法，其中所述方法还包括：
确定所述选择概率大于预设值的一个或以上历史目的地位置作为所述建议目的地位置；或者
确定具有最大所述选择概率的历史目的地位置作为所述建议目的地位置，如果所述一个或以上历史目的地位置多于一个。
26.根据权利要求14-24中任一项所述的方法，其中所述方法还包括：
通过所述用户终端获得用户对所述建议目的地位置的取消操作和所述用户的实际目的地位置；
基于与所述识别数据相关的所述第一出发地点、所述第一出发时间和所述实际目的地位置生成更新的历史记录。
CN201880043895.3A 2017-08-24 2018-07-06 用于目的地预测的系统和方法 Active CN110832284B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN2017107362863 2017-08-24
CN201710736286.3A CN109425351B (zh) 2017-08-24 2017-08-24 出行处理方法及装置
PCT/CN2018/094780 WO2019037549A1 (en) 2017-08-24 2018-07-06 SYSTEM AND METHOD FOR DESTINATION PREDICTION

Publications (2)

Publication Number Publication Date
CN110832284A true CN110832284A (zh) 2020-02-21
CN110832284B CN110832284B (zh) 2023-10-10

Family

ID=65438408

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201710736286.3A Active CN109425351B (zh) 2017-08-24 2017-08-24 出行处理方法及装置
CN201880043895.3A Active CN110832284B (zh) 2017-08-24 2018-07-06 用于目的地预测的系统和方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201710736286.3A Active CN109425351B (zh) 2017-08-24 2017-08-24 出行处理方法及装置

Country Status (3)

Country Link
US (1) US11546729B2 (zh)
CN (2) CN109425351B (zh)
WO (1) WO2019037549A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582605A (zh) * 2020-05-21 2020-08-25 Oppo广东移动通信有限公司 目的站点的预测方法、装置、电子设备及存储介质
CN112182430A (zh) * 2020-09-22 2021-01-05 汉海信息技术(上海)有限公司 一种地点推荐的方法、装置、电子设备及存储介质
CN112750328A (zh) * 2020-12-29 2021-05-04 深圳市顺易通信息科技有限公司 一种行车路径推荐方法、装置、设备及介质
CN113420908A (zh) * 2021-05-26 2021-09-21 浙江浙大中控信息技术有限公司 一种基于意愿性概率的大型场站旅客等候时长预测方法
TWI870255B (zh) * 2021-07-30 2025-01-11 韓商韓領有限公司 電子設備及其操作方法

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106663307A (zh) * 2014-08-04 2017-05-10 优步技术公司 确定和提供预定位置数据点到服务提供者
US10417727B2 (en) 2016-09-26 2019-09-17 Uber Technologies, Inc. Network system to determine accelerators for selection of a service
US10425490B2 (en) 2016-09-26 2019-09-24 Uber Technologies, Inc. Service information and configuration user interface
US10701759B2 (en) 2017-05-19 2020-06-30 Uber Techologies, Inc. Predictive location selection transportation optimization system
US11275809B2 (en) * 2018-09-06 2022-03-15 Uber Technologies, Inc. Pre-computed service metric lookup for a network-based service
JP2020134236A (ja) * 2019-02-15 2020-08-31 日本電信電話株式会社 目的地予測装置、方法及びプログラム
CN111831927B (zh) * 2019-08-23 2024-05-14 北京嘀嘀无限科技发展有限公司 信息推送装置、方法、电子设备和计算机可读存储介质
CN111813817B (zh) * 2019-12-26 2024-08-02 北京嘀嘀无限科技发展有限公司 上车点的命名方法、装置、存储介质及电子设备
KR20230016330A (ko) * 2021-07-26 2023-02-02 현대모비스 주식회사 주차 위치 안내 장치 및 방법
CN113822709A (zh) * 2021-09-15 2021-12-21 摩拜(北京)信息技术有限公司 一种出行数据的处理方法、装置及服务器

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6718259B1 (en) * 2002-10-02 2004-04-06 Hrl Laboratories, Llc Adaptive Kalman filter method for accurate estimation of forward path geometry of an automobile
US20080065318A1 (en) * 2006-09-12 2008-03-13 Ho William P C Travel time determination
CN101923663A (zh) * 2009-06-11 2010-12-22 索尼公司 信息处理设备、信息处理方法和程序
US20130179070A1 (en) * 2012-01-09 2013-07-11 Ford Global Technologies, Llc Adaptive method for trip prediction
CN104964690A (zh) * 2015-05-22 2015-10-07 西北工业大学 一种基于期望最大化的空中机动目标航迹粘连方法
CN105138590A (zh) * 2015-07-31 2015-12-09 北京嘀嘀无限科技发展有限公司 轨迹预测方法和装置
CN105243441A (zh) * 2015-09-29 2016-01-13 联想(北京)有限公司 一种处理方法和装置、控制方法和装置及电子设备
US20160055416A1 (en) * 2014-08-21 2016-02-25 International Business Machines Corporation Predicting a consumer selection preference based on estimated preference and environmental dependence
CN106062845A (zh) * 2014-03-31 2016-10-26 爱信艾达株式会社 驾驶辅助系统、方法以及程序
CN106407082A (zh) * 2016-09-30 2017-02-15 国家电网公司 一种信息系统告警方法和装置
WO2017028821A1 (zh) * 2015-08-20 2017-02-23 北京嘀嘀无限科技发展有限公司 根据历史订单预测当前订单信息的方法及系统
KR20170048683A (ko) * 2015-10-27 2017-05-10 에스케이플래닛 주식회사 비콘 기반 실내 이동 경로 제공 방법 및 장치
CN106919993A (zh) * 2015-12-25 2017-07-04 滴滴（中国）科技有限公司 一种基于历史数据的高准确性默认目的地预测方法及装置

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69919717T2 (de) * 1999-11-08 2005-01-27 Siemens Ag Routenplannungsverfahren für Fahrzeug
US8229458B2 (en) * 2007-04-08 2012-07-24 Enhanced Geographic Llc Systems and methods to determine the name of a location visited by a user of a wireless device
US8392116B2 (en) * 2010-03-24 2013-03-05 Sap Ag Navigation device and method for predicting the destination of a trip
JP2011214948A (ja) * 2010-03-31 2011-10-27 Sony Corp 情報処理装置、行動予測表示方法及びコンピュータプログラム
US9134137B2 (en) * 2010-12-17 2015-09-15 Microsoft Technology Licensing, Llc Mobile search based on predicted location
US9644967B2 (en) * 2011-07-05 2017-05-09 Toyota Jidosha Kabushiki Kaisha Recommendation information provision system
WO2014172369A2 (en) * 2013-04-15 2014-10-23 Flextronics Ap, Llc Intelligent vehicle for assisting vehicle occupants and incorporating vehicle crate for blade processors
US9317813B2 (en) * 2013-03-15 2016-04-19 Apple Inc. Mobile device with predictive routing engine
CN103198653B (zh) * 2013-04-23 2016-12-28 杭州九树网络科技有限公司 智能招车系统及应用方法
DE102013218920A1 (de) 2013-09-20 2015-03-26 Ford Global Technologies, Llc Verfahren zum Betrieb eines Kraftfahrzeugs in einem Betriebsmodus für Präsentationszwecke und Kraftfahrzeug
US20150134244A1 (en) 2013-11-12 2015-05-14 Mitsubishi Electric Research Laboratories, Inc. Method for Predicting Travel Destinations Based on Historical Data
CN104833365B (zh) * 2014-02-12 2017-12-08 华为技术有限公司 一种用户目的地点的预测方法及装置
US20160025497A1 (en) * 2014-07-24 2016-01-28 Harman International Industries, Incorporated Pre-caching of navigation content based on cellular network coverage
CN106662457B (zh) * 2014-08-27 2020-01-24 三菱电机株式会社 目的地推测系统及目的地推测方法
CN104442825B (zh) * 2014-11-28 2017-10-17 上海交通大学 一种电动汽车剩余行驶里程的预测方法和系统
CN106919996A (zh) * 2015-12-25 2017-07-04 滴滴（中国）科技有限公司 一种目的地预测方法及装置
JP6235528B2 (ja) * 2015-05-15 2017-11-22 トヨタ自動車株式会社 車両制御装置
US20160377448A1 (en) * 2015-06-29 2016-12-29 Globalfoundries Inc. Predicting and alerting user to navigation options and predicting user intentions
CN107305128A (zh) * 2016-04-21 2017-10-31 斑马网络技术有限公司 导航处理方法、导航设备、交通工具控制设备及操作系统
CN106157602A (zh) * 2016-07-28 2016-11-23 北京小米移动软件有限公司 呼叫车辆的方法和装置
CN106949901B (zh) * 2017-01-24 2022-05-03 斑马信息科技有限公司 目的地推荐系统和方法
CN107154969B (zh) * 2017-04-27 2022-04-19 腾讯科技（深圳）有限公司 目的地点推荐方法及装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6718259B1 (en) * 2002-10-02 2004-04-06 Hrl Laboratories, Llc Adaptive Kalman filter method for accurate estimation of forward path geometry of an automobile
US20080065318A1 (en) * 2006-09-12 2008-03-13 Ho William P C Travel time determination
CN101923663A (zh) * 2009-06-11 2010-12-22 索尼公司 信息处理设备、信息处理方法和程序
US20130179070A1 (en) * 2012-01-09 2013-07-11 Ford Global Technologies, Llc Adaptive method for trip prediction
CN106062845A (zh) * 2014-03-31 2016-10-26 爱信艾达株式会社 驾驶辅助系统、方法以及程序
US20160055416A1 (en) * 2014-08-21 2016-02-25 International Business Machines Corporation Predicting a consumer selection preference based on estimated preference and environmental dependence
CN104964690A (zh) * 2015-05-22 2015-10-07 西北工业大学 一种基于期望最大化的空中机动目标航迹粘连方法
CN105138590A (zh) * 2015-07-31 2015-12-09 北京嘀嘀无限科技发展有限公司 轨迹预测方法和装置
WO2017028821A1 (zh) * 2015-08-20 2017-02-23 北京嘀嘀无限科技发展有限公司 根据历史订单预测当前订单信息的方法及系统
CN105243441A (zh) * 2015-09-29 2016-01-13 联想(北京)有限公司 一种处理方法和装置、控制方法和装置及电子设备
KR20170048683A (ko) * 2015-10-27 2017-05-10 에스케이플래닛 주식회사 비콘 기반 실내 이동 경로 제공 방법 및 장치
CN106919993A (zh) * 2015-12-25 2017-07-04 滴滴（中国）科技有限公司 一种基于历史数据的高准确性默认目的地预测方法及装置
CN106407082A (zh) * 2016-09-30 2017-02-15 国家电网公司 一种信息系统告警方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘昱岗;王卓君;潘璐;董道建;李晏君;: "公交车辆检测及其行程时间预测", 中国公路学报, no. 10, pages 96 - 103 *
景维鹏等: "基于Hadoop及出租车历史轨迹的乘客推荐算法", 《计算机工程与应用》, no. 07 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582605A (zh) * 2020-05-21 2020-08-25 Oppo广东移动通信有限公司 目的站点的预测方法、装置、电子设备及存储介质
CN111582605B (zh) * 2020-05-21 2023-09-12 Oppo广东移动通信有限公司 目的站点的预测方法、装置、电子设备及存储介质
CN112182430A (zh) * 2020-09-22 2021-01-05 汉海信息技术(上海)有限公司 一种地点推荐的方法、装置、电子设备及存储介质
CN112750328A (zh) * 2020-12-29 2021-05-04 深圳市顺易通信息科技有限公司 一种行车路径推荐方法、装置、设备及介质
CN113420908A (zh) * 2021-05-26 2021-09-21 浙江浙大中控信息技术有限公司 一种基于意愿性概率的大型场站旅客等候时长预测方法
CN113420908B (zh) * 2021-05-26 2022-11-29 浙江中控信息产业股份有限公司 一种基于意愿性概率的大型场站旅客等候时长预测方法
TWI870255B (zh) * 2021-07-30 2025-01-11 韓商韓領有限公司 電子設備及其操作方法

Also Published As

Publication number Publication date
CN110832284B (zh) 2023-10-10
US11546729B2 (en) 2023-01-03
US20200221257A1 (en) 2020-07-09
CN109425351B (zh) 2022-02-15
CN109425351A (zh) 2019-03-05
WO2019037549A1 (en) 2019-02-28

Similar Documents

Publication Publication Date Title
CN110832284B (zh) 用于目的地预测的系统和方法
CN109478275B (zh) 分配服务请求的系统和方法
CN109196547B (zh) 用于推荐服务位置的系统和方法
CN109863526B (zh) 为按需服务提供信息的系统和方法
CN111862585B (zh) 用于交通预测的系统和方法
US11398002B2 (en) Systems and methods for determining an estimated time of arrival
AU2017101872A4 (en) Systems and methods for distributing request for service
TWI703516B (zh) 用於預估到達時間的方法以及系統
WO2017088828A1 (en) Systems and methods for allocating sharable orders
CN109313036B (zh) 路线规划的系统及方法
CN108701279A (zh) 用于确定未来运输服务时间点的预测分布的系统和方法
CN111937052B (zh) 用于车辆调度的系统和方法
JP6632723B2 (ja) サービスの順序列を更新するためのシステム及び方法
JP2018536205A (ja) カープールの方法及びシステム
TW201901474A (zh) 用於確定預估到達時間的系統和方法
CN111433795A (zh) 一种确定线上到线下服务的预估到达时间的系统和方法
CN110945484B (zh) 数据存储中异常检测的系统和方法
CN110402370B (zh) 用于确定服务请求的推荐信息的系统和方法
CN112243487A (zh) 用于按需服务的系统和方法
CN111133484A (zh) 用于评估与指定的驾驶服务相关的调度策略的系统和方法
CN110832513B (zh) 用于按需服务的系统和方法
CN110832811A (zh) 用于发送空间数据的系统和方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant