CN111194395A - 行驶路径和位置的预测 - Google Patents
行驶路径和位置的预测 Download PDFInfo
- Publication number
- CN111194395A CN111194395A CN201880064348.3A CN201880064348A CN111194395A CN 111194395 A CN111194395 A CN 111194395A CN 201880064348 A CN201880064348 A CN 201880064348A CN 111194395 A CN111194395 A CN 111194395A
- Authority
- CN
- China
- Prior art keywords
- location
- provider
- provider computing
- computing device
- computing devices
- 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.)
- Pending
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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3438—Rendezvous; Ride sharing
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
- G06Q10/025—Coordination of plural reservations, e.g. plural trip segments, transportation combined with accommodation
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
各实施方式提供了包括系统和方法的用于确定提供者的预计位置以响应于运输请求而更好地匹配提供者的技术。不仅可以基于提供者相对于请求位置的当前位置,还可以根据提供者的预计位置来使提供者与请求者匹配,所述提供者的预计位置考虑了处理传输请求、通信网络等中的时间延迟。这样,对提供者的预计位置进行预测允许动态运输匹配系统更有效地去匹配,从而减少了提供者和请求者的延迟,并且在匹配时,通过防止从其他服务区域获取提供者系统资源并减少提供者效率低下的重新规划路径而提高了系统的效率。
Description
背景技术
传统上,人们是在固定位置从特定服务提供者处请求和接收服务的。例如,通过向家庭或工作位置的用户交付来实现各种服务。现在,通常可以通过按需激活的服务提供者,通过移动计算设备访问许多服务,并在任意位置实现这些服务。这样的按需服务为用户提供了便利,用户不必在固定位置处接收服务。但是,当请求者和提供者都在移动时,匹配请求者和提供者可能很困难。另外,由请求者计算设备和提供者计算设备提供的位置可能不准确,并且由请求者计算设备和提供者计算设备提供的位置不代表请求者和提供者进行适当匹配以实现按需服务的位置。与按需服务请求有关的提供者位置的不正确和/或低效率的鉴别可能导致匹配不良和资源分配效率低下。例如,提供者的当前位置可能紧邻请求者,但提供者可能正在相反的方向行驶,因此如果与请求者匹配,则对提供者进行重新定向可能会导致不必要的延迟。可能距离较远但朝请求者方向前进的另一个提供者可能是更好地匹配并产生更快的接载。因为取消和重复的请求会增加带宽和处理需求,并破坏地理区域中资源的有效分配,这可能导致资源分配效率低下。
附图的简要说明
将参考附图描述根据本公开的各种实施方式,在附图中:
图1示出了根据本技术的实施方式的包括匹配的提供者和请求者的动态运输匹配系统的示例;
图2示出了根据本技术的实施方式的用于确定要由动态运输匹配系统利用的地理位置中的提供者的当前位置的示例方法;
图3示出了根据本技术的实施方式的用于确定要由动态运输匹配系统利用的地理位置中的提供者的预计位置的示例方法;
图4示出了根据本技术的实施方式的用于确定要由动态运输匹配系统利用的地理位置中的提供者的预计位置的示例方法;
图5示出了根据本技术的实施方式的动态运输匹配系统的示例框图;
图6示出了根据本技术的实施方式的用于使用提供者的预计位置来将提供者与请求者进行匹配的方法的示例性流程图;
图7示出了根据本技术的实施方式的用于确定提供者的预计位置的方法的示例性流程图;
图8示出了根据各种实施方式的示例的请求者/提供者管理环境;
图9示出了根据各种实施方式的示例的数据收集和应用程序管理系统;
图10A至图10C示出了根据各种实施方式的示例的提供者通信设备;以及
图11示出了根据各种实施方式的示例的计算机系统。
发明内容
根据本发明的实施方式,在匹配请求者(例如,乘车者)和提供者(例如,驾驶员)中,动态运输匹配系统通过预测未来短期内提供者车辆的位置可以考虑由于车辆的移动而导致提供者的车辆的位置不断变化的情况。提供者车辆的预计位置可以考虑一段时间后车辆的位置,所述一段时间例如可以包括:由于通信处理延迟而导致的时间延迟、协调多方的交互和反应时间、驾驶延迟和驾驶方式、以及由于人为做决策而造成的延迟。使用提供者车辆的当前位置可能无法为请求者带来最佳匹配,因为到提供者和请求者匹配时,提供者可能位于不同的位置,或者提供者可能做出了影响到达请求者所需的距离和/或时间的行驶决策。因此,根据本发明的实施方式,运输匹配系统可以预测提供者在短时间段内(例如在所述时间延迟期间)将行驶到何处,以更准确地将请求者与提供者相匹配,这将导致对请求者的接载的效率更高和/或更快。因此,实施方式确定车辆在不久的未来的预计位置以协助调度和匹配决策,这通过使取消和重复请求最小化而导致更有效地利用系统处理资源,并导致更少的提供者停工时间以及对请求改善的响应性。
具体实施方式
在下面的说明中,将描述各种实施方式。为了解释的目的,阐述了具体的配置和细节以便提供对实施方式的透彻理解。然而,对于本领域的技术人员来说,显然可以在没有特定细节的情况下实践所述实施方式。此外,可以省略或简化众所周知的特征,以免使实施方式描述得不清楚。
例如通过移动设备访问的那些按需服务,例如使请求者和提供者相匹配的动态运输匹配服务,正在变得越来越普遍。然而,由于被按需匹配系统匹配的提供者和请求者的分散的和可移动的性质,因此有时在挑战性环境中基于电子设备提供的位置数据来有效地匹配提供者和请求者可能是困难的。例如,由于通信处理延迟(例如,消息由分布式计算系统发送和处理所花费的时间)、协调多方的交互和反应时间(例如,在接受请求并更新请求者的位置中的延迟)、驾驶延迟和驾驶方式(例如,错过的转弯和其他导航错误)以及由于人为决策而导致的延迟(例如,提供者考虑是否接受请求花费的时间),因此延迟可能存在于运输匹配系统中。这样,由于可能会影响提供者到达请求者的能力和/或提供者到达请求位置的预测到达时间的未来方向或路径的变化,因此车辆的当前位置可能无法预测出与请求的最佳匹配。在说明性示例中,提供者可能正在接近道路中的一路口,该路口可能会影响他们是否会很好地匹配请求。如果系统可以预测提供者在匹配期间将采用的路径并使用该预计位置,则系统可以更准确且更有效地将提供者与请求者进行匹配。
根据各种实施方式,确定预计位置可以包括:基于来自GPS读数的车辆的当前速度和加速度的运动学的使用;和/或使用马尔可夫(Markov)假设的基于需求的预测,该马尔可夫假设是提供者将朝着系统中的最大需求、最小交通量和/或在一区域中到提供者的其他有利情况前进。各种实施方式还可以使用地图信息将预计位置映射到路径上,该路径用于计算从提供者的当前位置或预计位置到请求者的位置的估计到达时间(ETA)。然后,可以使用ETA计算提供者的匹配分数。这些预计位置可用于先关闭另外可能会被提供者使用的行驶路径,并基于提供者的行为和当前速度提高匹配系统的准确性。从车辆或提供者移动设备收集的附加的传感器数据(例如,陀螺仪、加速度计、气压计测量等)可以进一步提高这些预测的准确性。此外,可以分析与每个提供者有关的行为信息,以鉴别个性化的驾驶风格和未来位置的个性化预测。可以使用类似的方法基于请求者的预计位置(即,针对乘车请求预测正在移动的乘客的位置)来将乘客与自动驾驶车辆相匹配。各实施方式提供了提供者的更准确和有效的匹配以及车辆对请求的路径选择,从而导致更少的取消乘车和最小化的系统处理要求。
例如,将请求者与最佳提供者进行匹配不仅涉及确定提供者的当前位置,还包括确定提供者的行驶矢量(例如,提供者朝向或远离请求者位置的方向,提供者在正确的单向街道上行驶,提供者处于路口等)。对提供者当前位置及其预测行驶矢量的低效率确定可能会导致请求者停工,因为他们可能不得不等待提供者转弯或绕街而行,并且在某些情况下,如果请求者确定在可接受的时间内无法满足他们的接载请求,则可能导致该请求取消以及重新预订其他请求。由于提供者是按需服务的一部分,因此,在取消接载请求时,如果提供者更改了被取消的第一个请求的方向,则提供者可能无法轻松有效地向其当前位置的另一个请求者提供他们的服务。向请求者匹配的提供者不在正确的方向上,可能会导致提供者绕道从而退回到朝向请求者的方向。特别是对于在一条路径中链接到单个提供者的多个接载请求,要求提供者例如进行掉头的接载请求可能会导致所有请求者在其传播通过该路径时出现延迟。请求者等待时间和提供者的行驶时间利用效率低下是有问题的,因为这会减少区域内的乘车系统资源并导致提供者的利用率降低。
因此,使用基于次优的地理学的位置估计来将请求与提供者匹配的困难导致提供者资源的管理不当以及系统资源的使用增加(例如,数据处理、带宽和系统通信)。例如,请求者可以取消其中提供者花费太长时间才能到达请求者或接载位置的经匹配的请求。因此,由于在提供者可以定位和/或导航到请求者之前取消了一个或更多个经匹配的请求,所以请求者必须提出更多请求以获得乘车。因此,匹配服务可能会生成和处理更多请求,请求者和提供者设备必须处理更多的接受、否定和拒绝请求,并且必须花费更多的系统资源才能成功完成经匹配的乘车。级联的请求和取消可能导致提供者停工、浪费提供者行驶时间和请求者等待时间,因为多个提供者接受了即将被取消的传输请求代替其他请求。被取消的提供者也可能对取消感到沮丧,并停止在特定区域内完全提供运输,从而导致可能在实际高需求时该区域缺乏提供者服务。
因此,基于计算机的动态运输匹配系统中的行驶路径效率低下的问题导致提供者资源管理不善,以及由于延迟累积以及级联的请求和取消发送到动态运输匹配系统而至少增加了数据处理、带宽利用率、内存使用率以及系统通信。因此,本文描述的技术改进了运输匹配系统以及用作运输匹配系统基础设施的一部分的计算系统的操作和效率。通过缓解动态运输匹配系统特有的技术问题(例如,效率低下的动态创建的接载位置预测、级联的请求和取消(例如,“按钮混搭”)等),本文描述的技术通过至少增加在其上执行技术的计算机系统的计算效率和计算机资源分配来改进至少基于网络的动态运输匹配系统的与计算机相关的技术。
至少一个实施方式提供了用于确定准确和有效的预计位置的技术,所述技术包括系统和方法,其中提供者可以在服务点快速、方便且有效地向请求者提供服务。在一个实施方式中,各种类型的优先运输数据的实例的集合(例如,优先请求位置、优先实际接载位置、优先当前位置、优先运输目的地、优先行驶路径、优先预计位置、优先实际行驶路线和/或优先实际下车位置)可以与地理位置相关联。例如,动态运输匹配系统可以在一定时间后确定提供者的可能位置,而与请求位置无关(即,预测提供者将在5秒内到达的位置,无论是否已收到请求或当前是否正在处理匹配)。在另一个示例中,在特定的地理区域中,可能存在多个请求者位置,在所述位置,请求者经常发出请求,因此系统可以确定从各种当前位置到达请求者位置的不同路径,以根据其当前位置生成提供者如何到达请求者的位置的预测模型。运输数据的这些实例可以在公共请求位置周围聚集。根据各种实施方式,随着围绕各个地理区域(例如,家、工作、频繁的业务、中转站等)生成更多优先运输数据的实例,基于其当前位置和该地理区域内的预计位置,确定哪个提供者可以与请求者进行匹配。还可以根据各种实施方式来确定与各种类型的运输数据相对应的其他类型的位置,诸如优先预计位置、修改的目标接载位置等。
在一个实施方式中,提供者可能不在系统具有足够先前产生的优先运输数据的位置,该先前产生的优先运输数据可以用作确定适当的预计位置的方法的一部分。在这种情况下,系统可以使用马尔可夫模型来假设提供者将自然地流入接载请求需求的方向。马尔可夫模型是一种随机模型,所述模型可用于对随机变化的系统进行建模,其中假定未来状态仅取决于当前状态,而不取决于在此之前发生的事件(例如优先运输数据)。因此,马尔可夫模型在或者没有足够的先验运输数据的情况下进行预测时可能会有用。例如,在没有产生大量优先运输数据或一般交通统计数据的农村地区,系统可能无法根据历史交通模式、该地区的历史接载请求需求、或提供者的历史行为来轻松地预测提供者的预计位置。根据一个实施方式,如果提供者的当前位置与请求者位置和提供者的当前位置的地理区域内的少于阈值数量的优先运输数据的实例相关联,则预计位置可以以当前环境数据为基础,例如以道路状况、道路方向、道路上的当前车辆数量和/或可以从全球定位系统(GPS)数据或其他位置检测信息推断出的其他数据为基础。环境数据的示例还可以包括天气、道路状况、道路方向、当前交通流量、检测到的事故、道路或车道阻塞、施工弯路、提供者所行驶的道路上的车道数或在提供者所行驶的道路上检测到的车辆数。马尔可夫模型对于历史数据(例如,优先运输数据)显示几乎没有效果的情况也可能有用。例如,不管优先运输数据如何,动态运输匹配系统都可以假定可用的提供者将导航到请求者的高需求区域。因此,基于马尔可夫模型,可以将提供者的预计位置假定为在朝向运输需求的方向上的位置。
相反,在大城市的商业区中,动态运输匹配系统可以基于历史交通模式、商业区的地图(例如,包括单向街道、高峰时间交通规则或自行车道)、历史接载请求需求和接载请求位置、和/或与该地理区域相关联的其他优先运输数据来生成覆盖商业区的地理区域内的提供者的预计位置。例如,当在ABC街100号有来自请求者的未决的运输请求时,潜在的提供者可能位于ABC街100号以东的街区的路口处。根据潜在的提供者是向东(即背离请求者)还是向西(即朝向请求者)转弯,系统可以使潜在的提供者与请求者相匹配以朝向请求者位置行进。该系统可以基于优先运输数据来确定提供者将向东或向西转弯的概率。例如,如果向东是朝向城市的非经常性区域,而向西是朝向繁忙的市中心,那么与提供者向西转向市中心的概率相比,提供者将向东转弯的概率可能更低。所述概率还可以基于历史数据,例如,在一天的大约同一时间在那个路口处的100个先前的提供者中,他们有80个是向西的,而他们中的20个是向东的。在其他实施方式中,该概率还可以基于当前和优先的环境数据。例如,如果提供者在与单向街道的交叉的路口,则提供者沿与单向街道相反的方向转弯的概率非常低。
根据各种实施方式,动态运输匹配系统还可以将匹配时间或反应时间中的历史时间延迟作为优先交通数据的一部分来确定预计位置。例如,根据动态匹配系统可以多快地将潜在的提供者与请求者进行匹配,它可以在提供者已经向东(例如,背离请求者)转弯之后进行匹配,这随后将要求提供者做出掉头或其他绕行以返回到请求者位置的方向。但是,如果路口在定时的交通信号灯处,则动态匹配系统可以尝试匹配提供者,并在交通信号灯发生变化时在提供者转弯或朝不同方向移动之前将提供者引导朝向请求者的位置。其他环境参数可以包括天气、道路状况、道路方向、当前交通流量、检测到的事故、道路或车道阻塞、施工弯路、提供者所行驶的道路上的车道数或在提供者所行驶的道路上检测到的车辆数、一天中的时间等。这些信号,包括优先运输数据的数量和/或类型,可以在评估中分配不同的权重,以便从提供者的当前位置确定一个或更多个预计位置。但是,动态运输匹配系统可能并不总是需要确定潜在提供者的预计位置来使提供者与请求者匹配。动态运输匹配系统可以在确定匹配分数或用于匹配提供者的其他技术时关联时间延迟,而无需基于时间延迟来预测提供者的位置。
另外,一个或更多个实施方式可以使用提供者数据,例如优先提供者行为和驾驶模式、提供者的车道位置、提供者的运动学信息或与提供者或提供者车辆相关联的其他数据来确定预计位置。例如,提供者的车道位置可以提供关于提供者是否可能转弯或驶出出口的有价值的信息。动态运输匹配系统可以预测最右边车道的提供者比最左边车道的另一个提供者从高速公路离开的概率更高,最左边车道的另一个提供者很可能会留在高速公路上并继续直行而不是变更多个车道从而驶出。因此,可以为在右侧车道中的提供者驶出的潜在预计位置分配比在最左侧(即快速)车道中的提供者更高的概率。在另一个示例中,提供者的运动学信息,例如当前速度和加速度,对于确定提供者是否可以转弯或驶出是有价值的。如果提供者车辆的速度为65英里/小时,则提供者车辆不太可能在25英尺处急转弯以转向请求者的位置或以65英里/小时的速度驶离高速公路,并且动态运输系统可以为该潜在的预计位置分配较低的概率。
因此,实施方式为多个提供者过滤潜在的预计位置,这将提高系统的效率并优化匹配系统的请求匹配处理,以将需要系统资源进行处理的请求的数量最小化。另外,分析与请求位置和提供者的当前位置有关的优先运输数据以便建立有效的接载和/或下车位置导致匹配系统更有效地处理请求,从而导致需要更少的系统资源来处理区域中的乘车请求负载和请求者需求量。因此,通过更有效的匹配处理来改进请求匹配系统,并且需要更少的资源来处理相同数量的请求者需求。
尽管本文所述的示例通常集中于按需乘车共享应用,但是可以使用类似的功能来执行任何合适的服务。例如,服务的交付可以具有被实现以找到服务的交付位置的类似过程。另外,本文所讨论的“提供者”可以包括:例如,自动动态运输匹配系统,所述自动动态运输匹配系统调度自动车辆以响应运输请求;自动的或其他计算机控制的车辆(全部地或部分地)、或者人类驾驶员。
图1示出了根据本技术的实施方式的包括经匹配的提供者140A和请求者110A的动态运输匹配系统130的示例。动态运输匹配系统130可以被配置为与请求者计算设备120和提供者计算设备150两者通信。提供者计算设备150可以被配置为与提供者通信设备160通信,该提供者通信设备160被配置为容易且有效地向提供者140和/或请求者110显示信息。请求者110可以使用请求者计算设备120上的乘车匹配请求者应用程序来请求在指定的接载位置的乘车。该请求可以通过通信网络170发送到动态运输匹配系统130。乘车请求可以包括运输请求信息,该运输请求信息可以包括例如请求位置、与请求者和/或请求者计算设备相关联的指示符、与该请求相关联的用户信息、请求者计算设备的位置、请求时间(例如,计划的乘车可能具有需要满足请求的未来时间或用于运输的尽可能快的“即时/当前”时间)、和/或任何其他相关信息,以将运输请求与本文所述的运输提供者进行匹配。请求位置可以包括例如:请求者的当前位置、未来位置、“最适合/预测的”位置、路缘区段、或用于指示在当前时间或未来找到请求者的位置的任何其他合适的信息。在一些实施方式中,运输请求可以进一步包括其他与请求有关的信息,包括例如请求者运输偏好(例如,高速公路对侧街、温度、音乐偏好(链接到第三方音乐提供者简档等)、(显示在提供者通信设备等上的)个性化的图案/颜色等以及请求者的运输限制(例如,能否允许携带宠物、儿童座椅、轮椅等)。
请求者计算设备可以用于请求可以由提供者140A提供的服务(例如,乘车或运输、交付等)。提供者计算设备可以用于联系可用提供者,并基于请求者的请求位置和可用提供者的当前位置来将请求与可用提供者进行匹配。但是,请求者和提供者可能都在请求时以及在处理该请求的通信时滞期间进行移动。结果,在不断改变请求者的请求位置和提供者的当前位置的情况下,为请求匹配适当的提供者可能是具有挑战性的。例如,提供者可以做出决定(例如,转向相反方向、驶出高速公路的出口等),这影响到达请求位置所花费的时间量。系统可能不知道这样的转向(直到接收到下一个当前位置信息),并且可能认为提供者将是对于该请求的良好匹配。这样,由于提供者已经做出对匹配产生负面影响的决定,因此该系统可能相对于在该区域中实际上可以更好地匹配的其他提供者而优先安排该提供者。
动态运输匹配系统(也称为“乘车匹配系统”)130可以鉴别可用提供者,所述可用提供者通过其提供者通信设备150A上的应用程序向动态运输匹配系统130注册。动态运输匹配系统130可以将乘车请求发送给提供者通信设备150A,并且提供者140A可以通过提供者通信设备150A接受该乘车请求。附加地和/或可替代地,在一些实施方式中,提供者可以被以预测的方式和/或自动地与请求匹配,使得提供者可以不明确地接受该请求。例如,提供者可以进入一种模式,在该模式中,提供者同意接受发送给提供者的所有请求,而不能在接受之前拒绝和/或查看请求。在任何一种情况下,提供者计算设备都可以将指示匹配的信息返回,该指示匹配的信息指示出提供者接收到运输请求。例如,该指示匹配的信息可以包括提供者接受指示符(例如,标记),所述提供者接受指示符指示出提供者接收并接受该指示符,或者可以包括各种不同的信息。例如,指示匹配的信息可以包括:位置信息、车辆中其他乘客的其他路径信息、提供者提供有关未来可用性的信息的时间表(例如,当他们将要下线时)、与汽车相关的诊断(例如,汽油水平、电池水平、发动机状态等)、和/或任何其他合适的信息。提供者140A和请求者110A可以匹配,并且双方可以接收与对应的另一方相关联的匹配信息,包括:请求者信息(例如,名称、代表符号或图形、社交媒体资料等)、提供者信息(例如,名称、代表符号或图形等)、请求位置、目的地位置、相应的计算设备的位置、评分、过去的乘车历史、上面鉴别的任何其他运输请求信息和/或提供者接受信息、和/或用于促进匹配和/或提供服务的任何其他相关信息。因此,动态运输匹配系统130可以动态地匹配分布在整个地理区域中的请求者和提供者。
在一些实施方式中,可以基于可用提供者或潜在提供者的集合的当前位置是否在请求位置周围的预定半径内或距请求位置的距离阈值内,来确定所述可用提供者或所述潜在提供者的集合。例如,可以通过选择在请求位置的5英里内的提供者来确定潜在的提供者的集合,并且被选择为与请求者匹配的提供者可以是最接近请求位置(例如0.5英里)的提供者。在另一个实施方式中,可以通过行驶时间阈值来确定潜在提供者的集合。例如,潜在的提供者可能距离请求位置仅3英里,但交通繁忙,因此可能需要15分钟才能行驶到请求位置。另一个潜在的提供者可能在不同的道路上且相距5英里,但行驶到请求位置的时间为7分钟。因此,距离较远但可以更快到达的提供者可以与所述请求匹配。但是,提供者的当前位置可能不准确或难以确定,尤其是在提供者正在移动时。在各种实施方式中,多于一个的提供者的位置数据可以用来适当地和有效地使提供者与请求匹配,并且动态运输匹配系统也可以使用提供者的方向。例如,提供者可能正在接近道路上的交叉路口,这可能会影响他们是否会成为该请求的良好匹配。因此,实施方式提供了一种解决方案,该解决方案可以预测提供者将采用的预计位置、并使用该预计位置来更准确且有效地将提供者与请求者匹配。根据各种实施方式,对预计位置进行确定可以包括:基于来自GPS读数的车辆的当前速度和加速度的运动学的使用、和/或使用马尔可夫假设的基于需求的预测,所述马尔可夫假设是提供者将朝着系统中的最大需求前进。因此,实施方式提供了一种解决方案,该解决方案允许动态运输匹配系统得到潜在提供者的预计位置,以确保最有效的匹配,从而导致减少的请求者等待时间和提供者行驶时间、以及通过动态运输匹配系统增加的吞吐量。
图2示出了根据本技术的实施方式的用于通过动态运输匹配系统来确定提供者的预计位置的示例方法。在图2的示例200中,提供者202可以在与东行道路206、北行道路204和西行道路210的交叉的南行部分208处的路口处停止。动态运输系统可以首先确定提供者车辆202的当前位置,并且在此示例中,确定它位于路口的南行部分208。提供者车辆202的当前位置可以例如由提供者的计算设备上的GPS模块报告。基于来自GPS或其他地图数据库的地图数据,动态运输匹配系统可以确定存在三个潜在的预计位置212、214和216。例如,预计位置214代表提供者车辆在向右转以行驶到东行道路206的预计位置。预计位置212表示提供车辆202直行通过路口至该路口的北行道路204的预计位置。预计位置216代表提供者车辆202向左转以行驶到路口的西行道路210的预计位置。所述预计位置或经预测的位置指示在一段时间后在未来的所预测到的提供者车辆202所在的位置或方向。该时间段可以是几秒钟,并且可以基于与请求者计算设备、提供者计算设备和动态运输匹配系统之间的通信相关联的时间延迟来确定。其他延迟可能包括人为决策、人为错误、GPS定位延迟等。
根据一实施方式,可以向每个预计位置212、214和216分配置信度分数,该置信度分数指示该预计位置将是提供者车辆202实际采取的实际行驶路线的置信度的水平。置信度分数可以是车辆将行驶到该预计位置的概率的可靠性的定量度量,从而向动态运输匹配系统指示该预计位置是可信赖的、并且可以对正在匹配的提供者和请求者所信赖。可以基于多种参数来确定置信度分数,所述参数包括:环境数据、提供者的行为数据、提供者车辆的运动学数据(例如,速度、加速度)、提供者车辆在道路上的位置(例如,哪个车道)、和/或每个行驶路线的统计概率。在确定置信度分数时考虑的其他参数可以包括:起始于当前位置的历史行驶路线、方向信息、往返于请求者计算设备的时间延迟、往返于提供者计算设备的时间延迟、请求者的移动、以及与一个或更多个提供者相关联的历史数据。可以基于与示例200中的路口相关的优先运输数据来计算每个预计位置的统计概率。例如,历史交通模式和其他数据可以指示:在该路口,位置208处的汽车中的80%向右转以沿着东行道路206行驶,这将提高预计位置214的概率。在一个实施方式中,优先运输数据可以被存储并且与任何数量的替代或附加标准相关联。例如,优先运输数据可以与以下各项相关联:优先运输请求(例如,请求、接载、下车等)的时间、天气数据、事件数据(例如,所述事件数据可能是与时间相关的或与地理相关的,并且在一个实施方式中是通过例如响应于应用程序编程接口(API)请求而从数据存储中接收数据而获得的)、交通密度数据(例如,其可以用作有关情境活动的确定的一部分;例如,在特定时间在某个位置发出的请求以及交通密度较低,这可能指示道路可能通畅可以掉头等的情境;而在高峰时段在繁忙的街道拐角处的请求,这可能指示存在交通高峰期、音乐或娱乐事件后的交通拥堵等的情境)。优先运输数据的其他示例可以包括社交媒体、事件,和/或也可以使用与个人的计算设备相关联的联系数据,例如用以确定情境活动、优先请求者行为、优先提供者行为等。可以为优先运输数据的不同参数分配不同的权重,以确定提供者是否会从当前位置行驶到预计位置的概率。然后,可以将每个预计位置的概率转换为每个预计位置的置信度分数,可以将所述置信度分数轻松地与同一提供者的其他预计位置的置信度分数或其他提供者的预计位置的置信度分数进行比较。
在一个实施方式中,其他因素可用于对分配给优先运输数据实例的各种加权值进行生成、增加、减少等。例如,可以使用天气数据。当在雨天收到请求时,可以将该请求与以前的雨天使用的某些实际的接载位置相关;例如,通过到方便的停车位较短的距离的一扇门。时间数据也可以使用。例如,许多人可能在下午5点聚集在建筑物外面。此时,优先接载可能已经另外行驶在街上,这可能会另外地很有效,以避免人群和车辆的拥挤。各种其他数据也可以用于确定:目标接载位置(在一些实施方式中为下车位置),例如目的地;道路数据(例如建筑、交通等);安全数据(例如行人事故数据);特定运输请求的预算,例如随着时间或特定日期的预算;与特定提供者相关联的评分等。
图3示出了根据本技术的实施方式的用于通过动态运输匹配系统来预测提供者的行驶路线的示例方法。在图3的示例300中,请求者可以指示位于304处的请求位置销(location pin)。动态运输匹配系统可以例如通过确定距离阈值或半径内的可用提供者来确定在请求位置304的地理区域内的潜在提供者的集合。在示例300中,可以将两个提供者鉴别为潜在提供者306和302,并且可以确定它们各自的当前位置。提供者302被示为具有在高速公路上的靠近出口的当前位置,并且提供者306被示为具有与请求位置304在同一街区上的当前位置。
在仅使用当前位置的常规方法中,由于提供者车辆306与请求位置销304在同一街区上,因此可以将提供者车辆306而不是提供者车辆302进行匹配来完成所述请求。但是,单独使用当前位置可能是不够的,因为当处理请求者的请求和/或当匹配提供者车辆306时,提供者车辆306可能实际上正在右转——换句话说,正背离请求位置304并且沿着相反的方向转弯。结果,如果提供者车辆306被匹配并且提供者计算设备在转弯之后接收到匹配的通知,则提供者车辆306然后将需要进行掉头或者绕过该街区来到达请求位置304。这将导致到达请求位置304的延迟,这增加了请求者的等待时间,浪费了提供者车辆306的行驶时间和资源,并且总体上降低了整个动态运输匹配系统的效率和提供者资源分配。此外,如果将提供者302而不是提供者306与请求匹配,则可以避免这些延迟。
然而,根据各种实施方式,动态运输匹配系统使用提供者的当前位置,并确定每个潜在提供者的预计位置,以对请求者进行适当和最佳的匹配。在示例300中,动态运输匹配系统可以为提供者车辆306确定以下预计位置:通过向左行驶朝向请求者位置304的预计位置314、通过直行穿过路口的预计位置312、以及通过向右行驶背离请求者位置304的预计位置316。对于在高速公路上行驶的提供者车辆302,可以确定两个预计位置:通过在高速公路上继续行驶的预计位置308,以及从右侧驶出高速公路而朝向请求位置304的预计位置310。在一些实施方式中,如以上关于图2所讨论的,可以基于每个预计位置的统计概率来确定每个预计位置的置信度分数。可以基于该地理区域中的历史交通模式来计算每个预计位置的概率。例如,历史交通模式可能指示高速公路出口是受欢迎的出口,在高速公路的右车道行驶的车辆中有75%会选择该出口。因此,动态运输匹配系统然后可以计算出提供者车辆302将行驶到预计位置310的概率,并且预计位置310可以具有比预计位置308更好的置信度分数。对于提供者车辆306,历史交通模式可能指示:像提供者车辆306一样位于路口中相同位置的车辆中只有10%的车辆向左转,因此,车辆提供者306可能行驶至预计位置314的概率相对较低,并且预计位置314的置信度分数将表示低的置信度。这样,提供者302采用预计位置310的置信度分数可能高于提供者306采用预计位置314的置信度分数。因此,使用基于置信度分数的预计位置并使用从历史数据计算出的概率允许:尽管提供者车辆306位于更近的当前位置,但动态运输匹配系统智能地匹配提供者车辆302以满足在请求位置304处的请求。
在另一个实施方式中,除了基于历史交通模式的概率之外或作为替代,动态运输匹配系统可以使用优先运输数据来确定每个潜在提供者的每个预计位置的置信度分数。除其他参数外,优先运输数据可以包括:优先请求者行为、优先提供者行为、优先请求位置、优先接载位置、优先目的地、天气数据、优先请求需求、或影响请求需求的优先事件或时间(例如,高峰时期、或音乐演唱会后的交通堵塞)。
在一些实施方式中,可以分析与每个提供者有关的行为信息,以鉴别个性化的驾驶风格和未来位置的个性化预测。在示例300中,可能存在与提供者车辆306相关联的优先提供者行为,指示该提供者更喜欢仅在地方道路上而不在高速公路上驾驶;因此,尽管历史交通模式对于有更多的车辆行驶到预计位置316具有较高概率,但是操作提供者车辆306的提供者可能更倾向于行驶到预计位置314以保持在地方道路上。在另一个示例中,如果请求位置304是在酒吧并且请求时间在凌晨3点,则操作提供者车辆302的提供者可能更愿意在某些小时后不从特定位置接载顾客,因此尽管历史交通模式对于有更多的车辆驶向预计位置310以离开高速公路具有较高的概率,但操作提供者车辆302的提供者可能会继续在高速公路上驶向预计位置308。在另一个示例中,优先提供者行为数据可能表明提供者在特定位置在70%的时间向东转弯,这可以被包括在提供者下一次在该特定位置时提供者的预计位置的确定中。优先运输数据还可以向动态运输匹配系统指示:根据来自相同请求位置304的优先请求,让提供者从高速公路驶出以到达请求位置304比让地方道路上的提供者进行掉头或在地方道路上导航以到达请求位置304的效率更高。这样,根据各种实施方式,优先运输数据(例如优先请求和/或优先提供者行为)可以为预计位置提供更准确的置信度分数。
图4示出了根据本技术的实施方式的用于通过动态运输匹配系统来确定提供者的预计位置的示例方法。在图4的示例400中,对于请求位置414,动态运输匹配系统可以将提供者402和提供者408鉴别为潜在的可用提供者,以匹配并满足该运输请求。对于每个提供者,可以确定预计位置。对于每个预计位置,除了上面讨论的环境数据、概率和优先运输数据以外或者作为替代,动态运输匹配系统还可以考虑如下因素:与提供者车辆相关联的当前运动学数据也可以作为因素被考虑到置信度分数确定中。运动学数据可以包括但不限于:提供者车辆的速度、加速度、车道位置等。例如,对于提供者车辆402,动态运输匹配系统可以确定:通过驶出高速公路的预计位置404、通过留在高速公路的右车道上的预计位置406、或通过改变车道并留在高速公路上的预计位置416。对于提供者车辆408,其预计位置可以包括:通过在高速公路上的最左侧车道继续行驶的预计位置412、或通过改变到高速公路上的右车道的预计位置410。运动学数据可以由提供者车辆或提供者计算设备传送。
根据各种实施方式,可以基于提供者车辆402和提供者车辆408的运动学数据来为这些预计位置中的每个预计位置确定置信度分数。例如,如果提供者车辆402以65英里/小时的速度行驶并且被确定为正在加速,则提供者将驶出到预计位置404是不可能的,因为提供者车辆402以那种速度和加速度迅速驶出是不可以或不安全的。这样,预计位置404可以具有比预计位置406或416更低的置信度分数。提供者车辆408的运动学数据可以指示:鉴于其位置,它远离出口及其当前速度和加速度,提供者车辆408更有可能能够安全地向右改变车道以便驶出并满足所述请求。这样,提供者车辆408以提供者车辆408的当前速度继续在高速公路的同一车道上行驶到预计位置412的概率是相对很可能的,从而导致对预计位置412的相对较好的置信度分数。然而,预计位置410的置信度分数甚至可能更高,因为基于运动学数据,例如提供者车辆408在车道中的位置中的速度变化和微小变化,提供者车辆408将车道更改到预计位置410的概率更大。置信度分数可以是车辆将行驶到预计位置的概率的可靠性的定量度量,向动态运输匹配系统指示该预计位置是可信赖的、并且可以被正在匹配的提供者和请求者所信赖。随后,当确定预计位置具有高于阈值的置信度分数时,动态运输系统然后可以计算从预计位置到请求位置的ETA。然后,使用每个提供者的每个预计位置的相应ETA来确定满足请求的最佳匹配。例如,来自预计位置410的更快的ETA将指示提供者车辆408将是最佳匹配。在一些实施方式中,将使用ETA来计算匹配分数,并且被选择来满足请求的提供者可以以每个提供者的匹配分数为基础。在该示例中,可以选择提供者车辆408来满足请求,因为提供者车辆408中的提供者可以以更高的成功概率来更安全且有效地满足请求,因为预计位置410将产生对该请求位置的更快的ETA。尽管在该示例中有两个提供者车辆,但是本发明的实施方式可以应用于任意数量的潜在提供者车辆,每个提供者车辆具有任意数量的预计位置。在确定置信度分数时可以考虑的其他参数可以包括:起始于当前位置的历史预计位置、方向信息、往返于请求者计算设备的时间延迟、往返于提供者计算设备的时间延迟、请求者的移动、以及与提供者相关联的历史数据。
在一个实施方式中,还可以确定匹配分数,以便选择最适合该运输请求的提供者。可以基于到请求位置的ETA、请求者的参数(例如,乘客数量、用于行李的行李箱空间、儿童车座椅等)、或提供者的参数(例如,汽车的类型)、用于请求者和/或提供者两者的评分、或者需求来确定匹配分数。匹配分数可以包括被加权的多个因素或参数。在一些实施方式中,匹配分数与置信度分数分开并且可以被赋予不同的权重以最终确定选择哪个提供者来与该请求匹配。置信度分数可以用作指示潜在的预计位置是否准确以及动态运输系统是否应依赖该预计位置或动态运输系统应赋予该预计位置多少权重的指示符。这样,置信度分数可以用于过滤提供者车辆的预计位置,其中每个预计位置与提供者车辆将行驶到该预计位置的可能性有多大的概率相关联。置信度分数可以是车辆将行驶到预计位置的概率的可靠性的定量度量,向动态运输匹配系统指示所述预计位置是可信赖的。
图5示出了根据本技术的实施方式的动态运输匹配系统530的示例框图500。如上所述,动态运输匹配系统530可以鉴别并促进将与请求者计算设备520相关联的请求者和与提供者计算设备150相关联的可用提供者140进行匹配的请求。动态运输匹配系统530可以包括:请求者接口531、提供者接口532、以及包含预计位置模块534和提供者选择模块535的乘车匹配模块533。动态运输匹配系统530还可以包括请求者信息数据存储库536A、提供者信息数据存储库536B、历史乘车数据存储库536C和导航数据存储库536D,它们可以由动态运输匹配系统530的任何模块使用以获取信息,从而执行对应模块的功能。动态运输匹配系统530可以被配置为与多个请求者计算设备520和多个提供者计算设备550通信。尽管在单个系统中示出了动态运输匹配系统530,但是动态运输匹配系统530可以被托管在多台服务器计算机上和/或分布在多个系统上。另外,模块可以由任何数量的不同计算机和/或系统执行。因此,模块可以被分成多个服务和/或在多个不同的系统上以执行本文描述的功能。
尽管可以参考乘车请求描述实施方式,但是可以通过类似的请求和匹配功能来提供任何数量的不同服务。因此,实施方式不限于乘车请求的匹配,并且本领域的普通技术人员将认识到,可以针对具有通过连接的计算设备的网络来匹配请求者和提供者的任何数量的不同服务来实现实施方式。
请求者接口531可以包括被配置为在动态运输匹配系统530与多个请求者计算设备520之间发送和接收通信和/或其他信息的任何软件和/或硬件部件。请求者接口531可以被配置为促进在动态运输匹配系统530和在多个请求者计算设备520中的每个请求者计算设备上运行的请求者应用程序521之间的通信。请求者接口531可配置为周期性地接收:乘车请求、位置信息、请求位置(也称为“接载位置”,尽管在一些实施方式中,请求位置和实际或目标接载位置是不同的事件)、请求者状态信息、请求者计算设备的位置、朝向请求者计算设备的请求位置的前进、和/或当请求者应用程序521在请求者计算设备520上活动时来自请求者计算设备520的任何其他相关信息。乘车请求可以包括:请求者指示符、请求者计算设备520的位置信息、乘车请求的接载位置、一个或更多个目的地位置、接载时间和/或与向请求者提供服务相关的任何其他合适的信息。乘车请求可以以单个消息发送,或者可以包括一系列消息。乘车匹配模块533可以接收乘车请求并用乘车请求信息更新历史乘车数据存储库536C,所述乘车请求信息包括:优先运输数据的实例的类型(例如,优先请求位置、优先实际接载位置、优先运输开始位置、优先运输目的地和/或优先实际下车位置等)。
另外,请求者接口531可以被配置为将乘车匹配消息、提供者计算设备的位置信息、提供者信息、行驶路径、接载估计、交通信息、请求者更新/通知、和/或任何其他相关信息发送给请求者计算设备520的请求者应用程序521。请求者接口531可以使用接收和/或发送给请求者的请求者信息、请求者的状态、请求者计算设备的位置、和/或任何其他相关信息(例如如上所述的优先运输数据实例的位置)来更新请求者信息数据存储库536A。
请求者计算设备520可以包括被配置为通过一个或更多个通信网络与动态运输匹配系统530和/或提供者计算设备550进行通信的任何设备。请求者计算设备520可以包括处理器、计算机可读存储器以及通信硬件和/或软件,以允许请求者计算设备520通过一个或更多个通信网络进行通信。例如,请求者计算设备520可以包括:移动电话;平板电脑;智能手表;便携式计算机;台式计算机;和/或具有处理器、存储器和通信硬件的任何其他合适的设备。在一些实施方式中,请求者计算设备520可以包括请求者应用程序521,该请求者应用程序521被配置为管理与动态运输匹配系统530的通信并且与请求者计算设备520的用户(即,请求者)交互。请求者应用程序521可以允许用户请求乘车、监测经匹配的乘车的状态、为乘车付费、监测过去的乘车、执行与动态运输匹配系统530有关的任何其他面向请求者的服务、和/或获得来自动态运输匹配系统530的任何其他面向请求者的信息。
提供者接口532可以包括被配置为在动态运输匹配系统530与多个提供者计算设备550之间发送和接收通信和/或其他信息的任何软件和/或硬件。提供者接口532可以被配置为周期性地接收:提供者计算设备550的位置信息、提供者状态信息、和/或当提供者应用程序551在提供者计算设备550上活动时来自提供者计算设备550的任何其他相关信息。此外,提供者接口532可配置为将乘车请求、请求者计算设备520的位置信息、接载位置、行驶路径、接载估计、交通信息、提供者更新/通知、和/或任何其他相关信息发送到提供者计算设备550的提供者应用程序551。提供者接口532可以用接收到的和/或发送给提供者的提供者信息、提供者的状态、提供者计算设备的位置、和/或任何其他相关信息(包括如上所述的优先运输数据的实例的位置)来更新提供者信息数据存储库536B。
提供者计算设备550可以包括被配置为通过一个或更多个通信网络与动态运输匹配系统530和/或提供者计算设备550进行通信的任何计算设备。提供者计算设备550可以包括处理器、计算机可读存储器、以及通信硬件和/或软件,以允许提供者计算设备150在一个或更多个通信网络上进行通信。例如,提供者计算设备550可以包括:移动电话;平板电脑;智能手表;便携式计算机;台式计算机;和/或具有处理器、存储器和通信硬件的任何其他合适的设备。在一些实施方式中,提供者计算设备550可以包括提供者应用程序551,该提供者应用程序551被配置为管理与动态运输匹配系统530的通信、并且与提供者计算设备550的用户交互。提供者应用程序551可以允许用户接受乘车请求、监测经匹配的乘车的状态、获取或生成经匹配的乘车的导航方向或地图路径、为乘车付费、监测过去的乘车、执行与动态运输匹配系统530相关的任何其他面向提供者的服务、和/或从动态运输匹配系统530获得任何其他面向提供者的信息。
乘车匹配模块533可以包括软件模块,该软件模块被配置为处理乘车请求、乘车响应以及动态运输匹配系统530的请求者与提供者之间的其他通信,从而为所请求的服务匹配请求者和提供者。例如,乘车匹配模块533可以被配置为通过鉴别与接载位置相关联的地理区域而为来自请求者的乘车请求鉴别可用提供者,并且可以搜索提供者信息数据存储库536B以鉴别位于接载位置和/或地理区域的预定距离内的可用提供者。
乘车匹配模块533可以包括预计位置模块534和提供者选择模块535,它们被配置为允许乘车匹配模块使用本文描述的技术执行在目标接载/目的地位置处的有效的匹配。例如,当乘车匹配模块533接收到请求时,乘车匹配模块533可以鉴别位于请求位置周围的地理区域中的可用的提供者。乘车匹配模块533可以使用阈值距离(例如10英里、15英里等)、一个或更多个邮政编码或其他地理指示符(例如街道、街区、邻里、城市、区域等)、或者任何其他合适的地理限制,以鉴别与请求位置相关的可用提供者。例如,乘车匹配模块533可以搜索提供者信息数据存储库536B以鉴别位于距请求位置一定距离内或具有到请求位置和/或与该请求相关联的目的地的估计到达时间(ETA)的阈值的任何可用提供者。乘车匹配模块533还可以将对可用提供者的搜索限制为满足乘车请求标准的搜索,以使得可用提供者可以服务于该请求。例如,提供者车辆是轿车、豪华车、SUV还是其他类型的汽车,是否具有特定类型的功能或舒适性(例如,汽车座椅、对狗友好等),是否具有多个可用座椅(例如,用于2人的请求等),和/或可以使用动态运输匹配系统上的任何其他存储的信息,以将可用的提供者限制为可以为请求提供服务的提供者。
一旦乘车匹配模块533鉴别出该区域中的可用提供者,乘车匹配模块533就可以为每个提供者计算从他们的当前位置到请求位置的估计行驶时间。如上所述,乘车匹配模块533可以将交通、天气、道路封闭和/或可能影响行驶时间的任何其他条件结合到所述估计中。乘车匹配模块533可以使用与一天中的时间、街道和地理区域相关的历史乘车数据,以及在那些时间、区域、道路状况上存储的先前的乘车和/或任何其他信息,以获得对提供者从当前位置行驶到请求位置的估计。例如,乘车匹配模块533可以被配置为获得每个提供者计算设备的位置。乘车匹配模块533可以被配置为鉴别请求位置,并将提供者和请求者中的每一者的导航路径映射到请求位置。乘车匹配模块533可以基于从导航数据存储库536D获得的导航信息来计算各种不同路径的估计到达时间。导航信息可以包括:实时的和历史的交通信息、历史行驶时间信息、地理区域或地区的已知路径、交通规则、和/或用于根据运输的类型(例如驾驶、骑自行车、航行、飞行等)来映射和/或鉴别从一个位置行驶到另一个位置的潜在路径的任何其他合适的信息。乘车匹配模块533可以映射从提供者位置到请求位置以及可替代的请求位置的多个可能路径,并为每个潜在的映射路径生成估计到达时间。乘车匹配模块533可以为每个提供者选择最快的路径和/或最可能的路径、以及针对该路径的相应的估计行驶时间作为提供者的估计行驶时间。乘车匹配模块533可以结合当前交通状况、道路封闭、天气状况以及任何其他与行驶时间相关的信息,以计算提供者的估计到达时间。估计到达时间也可以通过以下方法计算得出:取每个已映射路径的到达时间的平均值;选择最快路径的估计到达时间;接收提供者对潜在路径之一的选择;基于提供者所使用的路径来鉴别正在采取的路径;和/或通过任何其他合适的方法而计算出。如果提供者错误地转弯和/或沿着与乘车匹配模块533所计算出的路径不同的路径行驶,则乘车匹配模块533可以获得提供者计算设备的更新位置并重新计算可能的路径和估计到达时间。这样,估计的行驶时间可以随着行驶和道路状况、天气等而被更新。因此,乘车匹配模块533可以确定与请求位置相关联的导航路径、以及用于每个提供者的估计行驶时间。此外,可以通过任何合适的方法来确定估计时间,包括:取多条路径的平均值、选择最快的路径、在对于估计时间确定性较低的情况下增加额外的缓冲时间、等等。因此,乘车匹配模块533可以确定可能与请求相匹配的区域中每个可用提供者的估计行驶时间。
预计位置模块534可以使用提供者的当前位置,基于提供者从其当前位置行驶到预计位置的概率以及每个预计位置的相应置信度分数来确定预计位置。例如,预计位置模块可以对优先运输数据的实例进行聚类,并且将聚类与诸如可以从导航数据存储库536D或请求者信息存储库536A获得的各种位置和/或地理区域相关联。预计位置模块534可使用优先运输数据的实例以基于优先提供者行为、优先请求、优先运输路径等来预测提供者车辆的位置。如本文所讨论的,为了确定每个提供者的预计位置,动态运输匹配系统可以访问数据存储库536V中的历史乘车数据、提供者信息538B、导航信息536D和请求者信息536A,以至少基于环境数据、概率、优先运输数据和/或运动学信息来计算每个预计位置的置信度分数。预计位置模块可以执行本文所述的一些或全部技术,以为被鉴别为潜在提供者的每个提供者预测至少一个预计位置。然后,乘车匹配模块533使用预计位置及其置信度分数来计算从该预计位置到请求位置的ETA。ETA可以变化,并取决于提供者车辆的预计位置,即动态运输匹配系统认为提供者车辆未来的位置。然后可以使用预计位置及其关联的ETA来确定是否将提供者与该请求进行匹配。最初,ETA可以首先基于提供者车辆的当前位置,但是当确定了提供者车辆的预计位置时,可以基于预计位置来计算更新的ETA。对提供者进行选择可以基于提供者具有与最快的ETA相关联的预计位置,并且该预计位置的置信度分数满足对于动态运输匹配系统是可信赖的阈值。
然后,乘车匹配模块533可以将提供者和请求者的估计行驶时间提供给提供者选择模块535。提供者选择模块535可以获取所述估计行驶时间,并且可以选择可以与该请求匹配的一个或更多个提供者。因此,提供者选择模块535可以生成动态的提供者资格模型,该模型将估计的请求者到达时间和每个提供者的估计的提供者时间两者结合,以鉴别有资格进行匹配的那些可用提供者。提供者选择模块535然后可以选择合格的可用提供者的子集,并基于匹配分数来选择提供者之一。匹配分数可以至少以系统效率、等级、路径、到达时间和/或可以用于匹配的任何其他合适的信息为基础。例如,两个可用的提供者可能被鉴别为符合一请求的资格,因为他们都可能都拥有具有良好置信度分数的预计位置,所述请求考虑了导致更少的驾驶、更少的转弯、更安全的驾驶以及所有其他允许提供者要保持他们当前的行驶方向的益处的预计位置。提供者选择模块535可以基于从预计位置到请求位置的更快的ETA来选择具有更好的匹配分数的提供者。在另一个示例中,请求者可能只希望与评分高于阈值的请求者配对,这样甚至具有较低评分的提供者也将具有较低的匹配分数,即使该提供者具有朝向请求者且确信的预计位置也不会被匹配。
另外,在一些实施方式中,提供者选择模块535可以执行可用的提供者预测以确保做出最佳匹配。例如,提供者选择模块535可以从历史乘车数据存储库536C获得与请求位置相关联的可用提供者率,其可以指示在请求位置附近在线的历史上的可用提供者率。附加地和/或可替代地,可以向乘车历史数据存储库536C咨询具有将在请求者到达时间到来之前在该区域让请求者下车的提供者的现有乘车。例如,如果接收到繁忙区域的请求,在该繁忙区域中,许多具有请求者的不同提供者都放弃了先前匹配的请求者,和/或已知新的提供者在请求者到达时间的时间范围内处于活动状态,则提供者选择模块535可以延迟匹配,以查看比该请求的现有符合资格的提供者更近的提供者在该区域中是否变得可用。因此,通过跟踪和监测系统活动以及使用提供者和请求者的随着时间变化的估计到达时间,系统可以更有效且高效地将提供者资源与请求者资源进行匹配,以确保资源的最有效匹配。
乘车匹配模块533可以将乘车请求与提供者联系信息或提供者指示符一起提供给提供者接口532,从而可以将乘车请求发送给一个或更多个可用提供者。乘车匹配模块533可以将乘车请求和/或来自该乘车请求的信息发送到一个或更多个选定的可用提供者,以确定可用提供者是否对接受该乘车请求感兴趣。一个或更多个可用提供者可以通过提供者计算设备550的提供者应用程序551接收乘车请求,可以评估该请求,并且可以通过提供者应用程序551提供输入来接受或拒绝该请求。可以将乘车响应消息发送给动态运输匹配系统530,该乘车响应消息指示是否接受乘车,并包括提供者指示符、提供者的位置和/或任何其他合适的信息,以允许动态运输匹配系统530处理该响应。或者,提供者可以忽略该请求,并且在预定时间段之后,可以认为该请求被拒绝,并且可以将对应的乘车响应消息发送到动态运输匹配系统530。在一些实施方式中,除非接受乘车请求,否则不发送响应,以及除非收到来自提供者的响应,否则将假定乘车被拒绝。在其他实施方式中,不需要响应,并且可以立即接受所述乘车。指示符、标记和/或其他信息可以被传递回动态运输匹配系统,以向该系统确保提供者计算设备接收到请求。
乘车匹配模块533可以接收乘车响应,评估提供者是否接受或拒绝了该请求,并且可以找到用于该请求的其他可用提供者(如果被拒绝),或者确定乘车请求已经被接受并将经匹配的乘车信息发送给请求者计算设备520和提供者计算设备550。经匹配的乘车信息可以包括:提供者信息、请求者信息、接载位置、提供者计算设备的当前位置、请求者计算设备的当前位置、提供者的估计到达时间、和/或允许请求者和提供者完成所请求的服务的任何其他合适的信息。乘车匹配模块533可以使用用于经匹配的乘车的对应的经匹配的乘车信息来更新历史乘车数据存储库536C。因此,乘车匹配模块可以执行请求与提供者的更有效且高效的匹配。
图6示出了根据本技术的实施方式的用于使用提供者的预计位置来将提供者与请求者进行匹配的方法的示例性流程图600。尽管该图可以按特定顺序描绘功能操作,但是过程不必限于所示的特定顺序或操作。本领域的技术人员将理解,在该附图或其他附图中描绘的各种操作可以被改变、重新设置、并行地执行、或以各种方式进行适配。此外,应当理解,在不脱离各种实施方式的范围的情况下,可以将某些操作或操作序列添加到该过程或从该过程中省略。此外,本文包含的过程说明旨在向本领域的普通技术人员演示过程流的思想,而不是指定代码执行的实际顺序,所述过程可以被实现为针对性能而优化的或以其他多种方式进行修改的不同流程或序列。
在步骤602,动态运输匹配系统从请求者计算设备接收运输请求。运输请求可以包括:与请求者计算设备的GPS或其他位置数据相对应的运输请求的请求位置(即,接载位置)、请求时间、请求者指示符、请求者计算设备的位置、和/或与乘车请求和/或请求者相关的任何其他相关信息。在一些实施方式中,运输请求还可以包括其他的说明请求者的要求或偏好,例如,对豪华车、乘客的数量、汽车座椅、适合于行李的汽车、提供者的最低评分等等的要求。
在步骤604,基于潜在提供者的当前位置和运输请求中的信息来确定潜在可用提供者的集合。例如,在多个可用的提供者中,动态运输匹配系统可以选择其当前位置在请求位置的半径之内、或者在距请求位置的距离阈值之内的提供者的集合。例如,该集合中的潜在提供者全部都在请求位置的两英里内。在一些实施方式中,可以将距离或半径转换为行驶时间阈值,例如,该集合中的提供者可以全部在五分钟之内的行驶时间到达请求位置。动态运输匹配系统还可以过滤掉不满足请求者指定的要求或偏好的提供者。例如,如果请求者需要提供者具有可以搭载六名乘客的车辆,则动态运输匹配系统将在潜在的可用提供者的集合中仅包括大型车辆,而不包括小型汽车。
在步骤606,对于每个潜在的提供者,可以确定一个或更多个预计位置以及每个预计位置的对应置信度分数。可以通过评估环境参数诸如地图数据、施工弯路、道路方向、速度限制、交通信号灯、交通标志等来确定预计位置。环境数据还可以包括:天气、道路状况、道路方向、当前交通流量、检测到的事故、道路或车道阻塞、施工弯路、在提供者行驶的道路上的车道数、或在提供者行驶的道路上检测到的车辆数。预计位置指示在未来的时间段内预测提供者将行驶到达的位置。在一些实施方式中,该时间段可以考虑:在请求处理和匹配中的延迟,在请求者计算设备、动态运输匹配系统和提供者计算设备之间的通信延迟。每个预计位置的置信度分数可以以环境数据、统计概率和/或优先运输数据为基础,并且可以是车辆将行驶到该预计位置的概率的可靠性的定量度量。置信度分数可以用于向动态运输匹配系统指示:所述预计位置是可信赖的,并且可以被匹配的提供者和请求者所依赖。可以基于该地理区域中的一段时间内的历史交通模式来计算统计概率。优先运输数据可以包括:优先请求位置、优先预计位置及其相应的实际路线/位置、优先提供者行为、先前的天气数据等,并且所述优先运输数据可以用于在确定特定于预计位置和提供者的置信度分数时为统计概率提供更多的自定义和特异性。可以基于实时数据来进一步确定预计位置,所述实时数据例如为提供者的运动学数据,包括:提供者车辆的当前速度、加速度和/或车道位置。在确定预计位置的置信度分数时可以考虑的其他参数可以包括:起始于当前位置的历史预计位置、方向信息、往返请求者计算设备的时间延迟、往返提供者计算设备的时间延迟、请求者的移动、以及与一个或更多个提供者相关联的历史数据。
在步骤608,基于从预计位置到请求位置所计算的ETA,可以将从潜在提供者的集合中选择的提供者鉴别为满足在请求位置处的请求的选定的提供者。在计算了所述集合中的潜在提供者中的每个提供者的每个预计位置的置信度分数之后,动态运输匹配系统可以选择其置信度分数高于置信度阈值或具有最高置信度分数(例如前五个最高的置信度分数)的预计位置。然后,动态运输匹配系统可以为每个置信的预计位置计算ETA。ETA可以是提供者车辆从预计位置行驶到请求位置所需时间的估计。然后可以基于具有最佳ETA的预计位置来鉴别选定的提供者;换句话说,具有预计位置的提供者是被估计为最早或在时间阈值内到达请求位置(例如,可以在三分钟内到达请求位置)的提供者。
在步骤610,在一个实施方式中,在已经鉴别出选定的提供者之后,动态运输匹配系统可以将运输请求信息提供给选定的提供者的计算设备。运输请求信息可以包括请求位置、目标接载位置,和/或运输请求信息可以被修改为包括路径方向,使得提供者可以行驶到请求位置或目标接载位置以满足运输请求。运输请求位置还可以包括用于请求者的鉴别信息,以便提供者可以对位于请求位置的请求者进行定位。
在步骤612,动态运输匹配系统可以向请求者计算设备提供运输响应。运输响应可以包括提供者计算设备的当前位置,提供者计算设备的当前位置是实时更新的,以使得请求者可以在提供者车辆接近请求位置或目标接载位置时追踪该提供者车辆。传输到请求者计算设备的运输响应还可以包括供提供者到达请求位置的ETA。在一些实施方式中,运输请求位置还可以包括用于提供者的鉴别信息,从而当提供者到达请求位置时,请求者可以鉴别和定位提供者。
图7示出了根据本技术的实施方式的、使用提供者的预计位置的置信度分数和提供者的匹配分数来使提供者与请求者进行匹配的方法的示例性流程图700。
在步骤702,动态运输匹配系统从请求者计算设备接收运输请求。运输请求可以包括:与请求者计算设备的GPS或其他位置数据相对应的运输请求的请求位置(即,接载位置)、请求位置、请求时间、请求者指示符、请求者计算设备的位置、和/或与运输请求和/或请求者相关的任何其他相关信息。
在步骤704,动态运输匹配系统可以与多个提供者及其提供者车辆的相应车队和/或提供者计算设备进行通信。可以对提供者计算设备进行ping操作以轮询其与GPS或提供者计算设备和/或提供车辆的其他位置相对应的当前位置。在一些实施方式中,可以从提供者计算设备接收当前位置,指示提供者计算设备的当前位置,提供者计算设备的当前位置大概是提供者或提供者车辆的位置。在其他实施方式中,当前位置可以从具有嵌入式定位技术的提供者车辆接收,该当前位置可能是更准确的,因为带有其提供者计算设备的提供者可能离开车辆和/或无意中忘记其提供者计算设备不能与动态运输匹配系统进行通信来处理对于运输请求的匹配。在一个实施方式中,动态运输匹配系统可以不与提供者车辆或提供者的全部车队通信,而是与地理区域内(例如在请求位置的城市或邮政编码区域内)的特定多个提供者通信。例如,响应于运输请求并且在根据该运输请求确定了请求位置之后,动态运输系统可以确定请求位置的城市、并与被检测到或计划在该城市内运行的提供者计算设备进行通信。
在步骤706,在与可用的提供者通信之后,可以更具体地确定所述多个提供者中的每个提供者的当前位置是否在请求位置的更窄范围内。该范围可以是距请求位置的预定距离阈值或距请求位置的半径。例如,动态运输匹配系统可以确定提供者是否在请求位置的三英里内。在一些实施方式中,距离阈值可以被转换为时间阈值。例如,动态运输系统可以确定提供者能否在五分钟的行驶时间之内到达请求位置。在一些实施方式中,动态运输匹配系统还可以在706处确定潜在提供者是否满足该请求中的要求。
如果提供者的当前位置不在距离范围或行驶时间范围内,则在708,提供者被排除出潜在提供者。如果提供者的当前位置在距离范围或行驶时间范围内,则在710,将该提供者添加到满足运输请求的潜在的提供者的集合中。这样,在704,潜在提供者的集合是动态运输匹配系统与之通信的多个提供者的子集。确定潜在提供者的集合中的每个提供者具有在指定时间或距请求位置的距离阈值范围内的当前位置,这使得每个提供者都可以成为满足该运输请求的潜在匹配。在一些实施方式中,在708,动态运输匹配系统可以排除不满足请求者指定的要求或偏好的提供者,例如豪华车、车辆能否容纳特定数量的乘客、车辆类型或提供者的评分。在710,可以将满足运输请求的要求的提供者添加到潜在提供者的集合中。
在步骤712,动态运输匹配系统然后可以为该潜在提供者集合中的每个提供者确定至少一个预计位置。预计位置可以通过评估环境参数例如地图数据、施工弯路、道路上的车道数或道路方向(例如,单向街道)以确定,从而确定该提供者被预测到在未来的某个时间段内将行驶到的可能途径。可以基于请求处理和匹配中的延迟,请求者计算设备、动态运输匹配系统与提供者计算设备之间的通信延迟来确定所述时间段。对于每个提供者的每个预计位置,可以确定置信度分数。对于每个预计位置,可以计算置信度分数,其中置信度分数可以是车辆将行驶到预计位置的概率的可靠性的定量度量。置信度分数可以用于向动态运输匹配系统指示:所述预计位置是可信赖的,并且可以被匹配的提供者和请求者所依赖。每个预计位置的置信度分数可以至少以统计概率和/或优先运输数据为基础。例如,可以基于一段时间内在地理区域(例如,请求位置的城市或邮政编码)内或距离阈值(例如,在请求位置的三英里内)内的历史交通模式来计算统计概率。优先运输数据的示例可以包括:优先请求位置、优先预计位置及其对应的实际路线、优先提供者行为、优先天气数据等。除了统计概率之外或者作为替代,可以使用优先运输数据来确定特定于预计位置和提供者的置信度分数。可以基于实时数据来确定置信度分数,实时数据例如为提供者的运动学数据,包括提供者车辆的当前速度、加速度和/或车道位置。在一些实施方式中,可以基于预计位置的满足置信度阈值的置信度分数来选择预计位置。
在步骤714,对于每个置信的预计位置,可以计算ETA。可以基于与满足置信度阈值或者具有最高置信度分数的预计位置(例如,具有最高置信度分数的前三个预计位置)相关联的置信度分数来选择置信的预计位置。每个ETA可以是提供者车辆从相应的预计位置到请求位置行驶所花费的估计的时间。ETA计算可以基于道路距离、速度限制(例如,学校区域为25mph)、提供者车辆的当前速度和加速度、实时交通状况(例如,繁忙时间的交通拥堵或低的交通量)、道路方向(例如单向街道)、转弯次数和转弯方向(例如,向右转弯通常比向左转弯更快)、施工区域和弯路、事故等。
在步骤716,一旦基于经计算的相应的置信度分数和相应的ETA确定该预计位置为置信的,就可以鉴别与具有最佳ETA(例如最快)的选定的预计位置相对应的提供者。可以基于具有最短ETA的预计位置来鉴别选定的提供者;换句话说,具有所述预计位置的提供者被估计为最早或在时间阈值内到达请求位置(例如,可以在三分钟内到达请求位置)。在一些实施方式中,可以对具有置信的预计位置的经鉴别的提供者进行评估以确定每个提供者的匹配分数。可基于来自提供者的预计位置的ETA、提供者的当前位置、请求位置、请求者和/或提供者的评分、或地理区域内的需求来确定匹配分数。在一些实施方式中,匹配分数与置信度分数分开,并且可以向用于计算匹配分数的各种因素赋予不同的权重,以最终确定选择哪个提供者与该请求进行匹配。
在步骤718,在鉴别出选定的提供者之后,包括请求位置或目标接载位置的运输请求信息被发送到提供者计算设备。在一个实施方式中,提供者计算设备还可接收路径信息以将提供者引导至请求位置。在各个实施方式中,提供者计算设备还可以在未来的时间段之后再次发送其实际当前位置以在其当前位置方面更新所述动态运输匹配系统。然后,该信息可用于确定所述预计位置的准确性,并为动态运输匹配系统提供反馈,以改进其预计位置模型。运输请求位置还可以包括请求者的鉴别信息,以便提供者可以对位于请求位置的请求者进行定位。
在步骤720,可以将运输响应信息发送到请求者计算设备。运输响应信息可以包括例如提供者计算设备的当前位置、到请求位置的ETA、和/或提供者车辆以向请求者提供状态。运输响应信息还可以包括:对提供者的评分、与提供者相关联的鉴别信息(例如,名称、照片)和/或与提供者车辆相关联的鉴别信息(例如,牌照、车辆的品牌和型号、车辆的颜色)。在一个实施方式中,运输响应信息还可以包括与带有显示器的提供者通信设备相关联的信息,该带有显示器的提供者通信设备可以容易地被检测到以供请求者鉴别其匹配的提供者。
在各种实施方式中,动态运输匹配系统可以应用预计位置模型来确定潜在提供者集合中的每个提供者的预计位置。可以以基于需求的方法为基础来创建预计位置模型,该基于需求的方法模拟了:提供者在其不与请求者匹配期间如何行驶;提供者如何抢先朝向历史上需求量大的区域行驶(例如,在每天下午5点至晚上7点之间的高峰时段期间朝向金融区移动);和/或提供者在自己的私人时间内如何行驶(例如,驾驶到工作日结束时居住的地方,并且因此可以与准备到该方向的请求相匹配)。预计位置模型可以基于马尔可夫属性,因此它不依赖于历史数据,而是基于当前状态,并且假定提供者将向高需求区域导航以及倾向于高需求区域,而不管其先前的状态如何。预计位置模型还可考虑:与提供者和请求者两者相关的决策相关的时间滞后和延迟、与提供者相关的驾驶延迟、和/或与确定请求者将在何处以及提供者如何遵循路径指示相关的不确定性。可以确定提供者的预测行驶矢量以模拟提供者的行为。这可能包括监测提供者行为以确定预计位置的准确性。例如,预计位置模型可以将先前的预计位置与其对应的先前的实际位置进行比较,并基于先前的实际位置是否与先前的预计位置相匹配来确定精度值。例如,提供者车辆是在一段时间后实际上止于预计位置处、还是止于预计位置附近。
在另一个实施方式中,动态运输匹配系统可以生成并实施混合的预计位置模型,以确定每个提供者的预计位置。对于短期预测(例如几秒钟),混合模型可以使用车辆的运动学数据来确定潜在的预计位置,但是随后对于长期预测(例如一分钟或更长时间),混合模型可以应用上述预计位置模型。在一些实施方式中,动态运输系统可以短期和长期地监测和使用提供者的预计位置以用于各种应用,例如,用于做出用于ETA估计以及用于其他位置服务(例如,预测和管理未来需求)的调度和匹配决策。混合模型可以确定第一短期预计位置(例如,提供者车辆将在五秒之内所在位置),然后确定第二长期预计位置(例如,提供者车辆将是在三十秒至一分钟之内所在位置)。
图8示出了根据各种实施方式的请求者/提供者管理环境800。如图8所示,管理系统802可以被配置为向请求者和提供者设备提供各种服务。管理系统802可以运行一个或更多个服务或软件应用程序,包括身份管理服务804、位置服务806、乘车服务808或其他服务。尽管示出了由管理系统802提供的三种服务,但是在各种实施方式中可以提供更多或更少的服务。在各种实施方式中,管理系统802可以包括:一个或更多个通用计算机、服务器计算机、集群计算系统、基于云的计算系统、或任何其他计算系统或计算系统的设置。管理系统802可以被配置为运行关于本文描述的本技术的各个实施方式描述的任一或所有服务和/或软件应用程序。在一些实施方式中,管理系统802可以运行任何适当的操作系统以及各种服务器应用程序,例如通用网关接口(CGI)服务器、服务器,超文本传输协议(HTTP)服务器、文件传输协议(FTP)服务器、数据库服务器等。
身份管理服务804可以包括各种身份服务,例如当与管理系统802交互时用于请求者和提供者的访问管理和授权服务。这可以包括例如:验证提供者的身份、以及确定提供者是否被授权通过管理系统802提供服务。类似地,可以对请求者的身份进行验证,以确定请求者是否被授权通过管理系统802接收所请求的服务。身份管理服务804还可以控制对管理系统802所维护的提供者和请求者数据的访问,所述数据例如是驾驶和/或乘车历史、个人数据或其他用户数据。位置服务806可以包括导航和/或交通管理服务和用户界面、或其他位置服务。
在各个实施方式中,乘车服务808可以包括乘车匹配和管理服务,以将请求者与提供者联系。乘车服务808可以包括用户界面,或者可以通过在它们各自的设备上执行的应用程序从请求者和提供者接收数据。乘车服务808可以例如使用身份管理服务804来确认请求者和提供者的身份,并且确定每个用户对于所请求的乘车服务是被授权的。在一些实施方式中,乘车服务808可以使用从请求者和位置服务806获得的位置来鉴别适当的提供者,从而鉴别例如最近的提供者。这样,与本文所述的实施方式一致,乘车服务808可以管理提供者和请求者资源的分布和分配。
管理系统802可以通过网络810和812连接到各种设备。网络810、812可以包括被配置为使用诸如AppleTalk、传输控制协议/互联网协议(TCP/IP)、因特网数据包交换(IPX)、系统网络体系结构(SNA)之类的各种通信协议来发送和/或接收数据通信的任何网络。在某些实施方式中,网络810、812可以包括局域网(LAN),例如以太网、令牌环网或其他LAN。网络810、812可以包括广域网和/或因特网。在一些实施方式中,网络810、812可以包括VPN(虚拟专用网络)、PSTN(公共交换电话网络)、红外网络或任何无线网络,所述无线网络包括实现IEEE 802.11标准系列的网络、蓝牙技术、低能耗蓝牙技术、NFC和/或任何其他无线协议。在各种实施方式中,网络810、812可以包括移动网络,诸如移动电话网络、蜂窝网络、卫星网络或其他移动网络。网络810、812可以与图1中的通信网络170相同。在一些实施方式中,网络810、812可各自包括本文描述的网络或本领域普通技术人员已知的其他网络的组合。
然后,用户可以使用在提供者设备和请求者设备上执行的应用程序来利用管理系统802提供的一项或多项服务。如图8所示,提供者计算设备814、816、818和/或820可以包括:移动设备(例如移动电话、平板电脑、个人数字助理(PDA))、可穿戴设备(例如头戴式显示器等)、薄型客户端设备、游戏机、或被配置为通过一个或更多个网络810、812进行通信的其他设备。每个提供者设备或请求者设备都可以执行各种操作系统(例如,Android、iOS等)并被配置为通过Internet、 Messenger、短消息服务(SMS)、电子邮件和各种其他消息传递应用程序和/或通信协议进行通信。请求者计算设备和提供者计算设备可以包括通用计算机(例如,个人计算机、便携式计算机或执行操作系统的其他计算设备,所述操作系统例如为各种或基于UNIX或Linux的操作系统、或其他操作系统)。在一些实施方式中,提供者计算设备814可以包括:诸如车辆导航系统之类的车辆集成计算设备、或者与车辆本身集成在一起的其他计算设备。
在一些实施方式中,提供者计算设备818可以包括被配置为与诸如提供者、乘客、行人和其他用户之类的用户进行通信的提供者通信设备。在一些实施方式中,提供者通信设备818可以直接与管理系统802通信,或者通过另一个提供者计算设备(例如提供者计算设备816)与管理系统802进行通信。在一些实施方式中,请求者计算设备可以通过对等连接、蓝牙连接、NFC连接、自组织无线网络或任何其他通信通道或连接而直接与提供者通信设备818进行通信826。尽管特定设备被示为通过网络810和812与管理系统802进行通信,但是在各种实施方式中,管理系统802可以公开诸如应用程序编程接口(API)或服务提供者接口(SPI)之类的接口以启用各种第三方,所述第三方可以充当最终用户与管理系统802之间的中介。
尽管请求者/提供者管理环境800被示出为具有四个提供者设备和两个请求者设备,但是可以支持任何数量的设备。本文中示出和描述的各种部组件可以以硬件、固件、软件或其组合来实现。尽管在图8中描绘了请求者/提供者管理环境的一个实施方式,但这仅仅是一种实现方式,并不意味着是限制性的。
图9示出了根据各种实施方式的数据收集和应用程序管理环境900。如图9所示,管理系统902可以被配置为通过数据收集接口906从各种数据收集设备904收集数据。如上所述,管理系统902可以包括一个或更多个计算机和/或服务器或其任何组合。数据收集设备904可以包括但不限于:用户设备(包括提供者计算设备和请求者计算设备,例如上面讨论的那些)、提供者通信设备、便携式计算机或台式计算机、车辆数据(例如,来自于集成到车辆或以其他方式连接至车辆的传感器)、基于地面的源或基于卫星的源(例如,位置数据、交通数据、天气数据等)或其他传感器数据(例如,道路嵌入式传感器、交通传感器等)。数据收集接口906可以包括例如被配置为支持每个数据收集设备的接口的可扩展设备框架。在各种实施方式中,数据收集接口906可以被扩展以在新数据收集设备被上市时支持所述新数据收集设备和/或更新现有接口以支持对现有数据收集设备的改变。在各种实施方式中,数据收集设备可以通过一个或更多个网络与数据收集接口906通信。网络可以包括本领域普通技术人员将认识到的任何网络或通信协议,包括上面讨论的那些网络。
如图9所示,从数据收集设备904接收的数据可以存储在数据存储库908中。数据存储库908可以包括一个或更多个数据存储库,例如数据库、对象存储系统和服务、基于云的存储服务、以及其他数据存储库。例如,各种数据存储库可以在管理系统902可访问的非暂时性存储介质上实现,例如历史数据存储库910、乘车数据存储库912和用户数据存储库914。数据存储库908可以相对于管理系统902是本地的、或通过网络(例如上面讨论的那些网络或存储区域网络或其他联网的存储系统)进行远程访问。在各种实施方式中,历史数据910可以包括:历史交通数据、天气数据、请求数据、道路状况数据、或者对于给定的一个或更多个区域的从各种数据收集设备接收的任何其他数据。乘车数据912可以总地包括和/或由请求者或提供者提供路径数据、请求数据、计时数据和其他与乘车有关的数据。用户数据914可以包括用户账户数据、偏好、位置历史和其他用户特定数据。尽管示出了特定的数据存储库,但是根据本文所述的各种实施方式收集和/或存储的任何数据可以存储在数据存储库908中。
如图9所示,应用程序接口916可以由管理系统902提供,以使各种应用程序(APP)918能够通过管理系统902访问可用的数据和/或服务。应用程序918可以在各种用户设备(包括诸如以上讨论的那些的提供者计算设备和请求者计算设备)上运行,和/或应用程序918可以包括被配置为在各种设备(例如,计算机、服务器或其组合)上运行的基于云的应用程序或其他分布式应用程序。应用程序918可以包括例如聚集和/或报告应用程序,聚集和/或报告应用程序可以利用数据908来提供各种服务(例如,第三方乘车请求和管理应用程序)。在各种实施方式中,应用程序界面916可以包括启用应用程序918的第三方开发的API和/或SPI。在一些实施方式中,应用程序界面916可以包括网页界面,从而实现对数据908和/或由管理系统902提供的服务的基于网页的访问。在各种实施方式中,应用程序918可以在配置为通过一个或更多个网络与应用程序接口916通信的设备上运行。根据本公开的实施方式,网络可以包括本领域普通技术人员将认识到的任何网络或通信协议,包括以上讨论的那些网络。
尽管在图9中示出了环境900的特定实现,但这仅是出于说明的目的,而并非旨在进行限制。在一些实施方式中,如本领域的个人或普通技术人员将认识到的,所述环境900可以包括更少或更多的部件。
图10A至图10C示出了根据各种实施方式的示例的提供者通信设备1000。如图10A所示,提供者通信设备1000的前视图1002示出了前显示器1004。在一些实施方式中,前显示器1004可以包括次级区域或单独的显示器1006。如图10A所示,前显示器可以包含各种显示技术,包括但不限于:一个或更多个液晶显示器(LCD)、一个或更多个发光二极管(LED)阵列或其他显示技术。在一些实施方式中,前显示器可以包括将显示器分成多个区域的盖。在一些实施方式中,单独的显示器可以与每个区域相关联。前显示器1004可以被配置为向提供者车辆外部的请求者和其他用户显示颜色、图案、颜色图案或其他鉴别信息。在一些实施方式中,次级区域或单独的显示器1006可以被配置为显示与前显示器1004相同的信息或与前显示器1004形成对比的信息。
如图10B所示,提供者通信设备1000的后视图1008示出了后显示器1010。后显示器1010与前显示器1004一样,后显示器1010可以包括各种显示技术,包括但不限于:一个或更多个液晶显示器(LCD)、一个或更多个发光二极管(LED)阵列或其他显示技术。后显示器可以被配置为向提供者、请求者或提供者车辆内部的其他用户显示信息。在一些实施方式中,后显示器1010可以被配置为向位于提供者车辆后面的提供者车辆外部的用户提供信息。如图10B进一步所示,提供者通信设备可以包括电源按钮1012或可以用于打开或关闭提供者通信设备的其他开关。在各种实施方式中,电源按钮1012可以是硬件按钮或物理地控制是否向提供者通信设备1000提供电力的开关。可替代地,电源按钮1012可以是软按钮,其启动由软件和/或固件说明管理的启动/关闭程序。在一些实施方式中,提供者通信设备1000可以不包括电源按钮1012。此外,提供者通信设备可以包括被配置为照亮与提供者通信设备1000相邻的区域的一个或更多个照明特征件1014(例如一个或更多个LED或其他光源)。在一些实施方式中,提供者通信设备1000可以包括连接器,以使提供者计算设备能够连接到提供者通信设备1000。在一些实施方式中,可以通过连接器1016向提供者通信设备提供电力。
图10C示出了提供者计算设备1000的框图。如图10C所示,提供者通信设备可以包括处理器1018。处理器1018可以控制在后显示器1010和前显示器1004上显示的信息。如上所述,每个显示器可以根据用户和提供者通信设备的位置向不同的用户显示信息。在一些实施方式中,显示器数据1020可以包括:所存储的显示图案、序列、颜色、文本或要在前显示器和/或后显示器上显示的其他数据。在一些实施方式中,显示器数据1020可以是缓冲器,用于存储从所连接的提供者计算设备接收到的显示器数据。在一些实施方式中,显示器数据1020可以包括硬盘驱动器、固态驱动器、存储器或包括来自管理系统的信息的其他存储设备。在一些实施方式中,照明控制器1022可以管理由照明特征件1014显示的颜色和/或其他照明。在一些实施方式中,通信部件1024可以管理提供者通信设备1000与一个或更多个网络部件或其他计算设备之间的联网或其他通信。在各种实施方式中,通信部件1024可以被配置为通过Wi-Fi、蓝牙、NFC、RF或任何其他有线或无线通信网络或协议进行通信。在一些实施方式中,提供者通信设备1000可以包括输入/输出系统1026,该输入/输出系统1026被配置为提供除了通过显示器提供的输出之外的输出、和/或被配置为从用户接收输入。例如,I/O系统1026可以包括图像捕获设备,该图像捕获设备被配置为鉴别来自用户的基于运动或手势的输入。附加地或可替代地,I/O系统1026可以包括音频设备,该音频设备被配置为向用户提供音频输出(例如警报、指令或其他信息)、和/或被配置为接收诸如音频命令的音频输入,所述音频输入可以由语音鉴别系统或其他命令接口来解释。在一些实施方式中,I/O系统可以包括一个或更多个输入或输出端口,例如USB(通用串行总线)端口、闪电连接器端口或使得用户能够将其设备直接连接至提供者通信设备的其他端口(例如,从而进行交换数据、验证身份信息、提供电力等)。
图11示出了根据各种实施方式的示例计算机系统1100。在各种实施方式中,计算机系统1100可以用于实现本文描述的任何系统、设备或方法中的任一者。在一些实施方式中,计算机系统1100可以对应于本文描述的各种设备中的任何设备,包括但不限于移动设备、平板计算设备、可穿戴设备、个人计算机或便携式计算机、基于车辆的计算设备、或者本文所述的其他设备或系统。如图11所示,计算机系统1100可以包括通过总线1102连接的各种子系统。子系统可以包括:I/O设备子系统1104、显示设备子系统1106、以及包括一个或更多个计算机可读存储介质1108的存储子系统1110。子系统还可以包括存储器子系统1112、通信子系统1120和处理子系统1122。
在所述计算机系统1100中,总线1102促进各个子系统之间的通信。尽管示出了单个总线1102,但是也可以使用可替代的总线配置。如本领域普通技术人员所公知的,总线1102可以包括任何总线或其他部件以促进这种通信。这种总线系统的示例可以包括本地总线、并行总线、串行总线、总线网络和/或由总线控制器协调的多个总线系统。总线1102可以包括一个或更多个实现各种标准的总线,例如并行ATA、串行ATA、工业标准架构(ISA)总线、扩展ISA(EISA)总线、微通道架构(MCA)总线、外围部件互连(PCI)总线或本领域中已知的任何其他架构或标准。
在一些实施方式中,I/O设备子系统1104可以包括各种输入和/或输出设备或用于与这样的设备通信的接口。这样的设备可以包括但不限于:触摸屏或其他触敏输入设备、键盘、鼠标、轨迹球、运动传感器或其他基于移动的手势鉴别设备、滚轮、点击轮、拨盘、按钮、开关、配置为接收语音命令的音频鉴别设备、麦克风、基于图像捕获的设备(例如配置为基于眼睛移动或眨眼来鉴别命令的眼睛活动监测器)、以及其他类型的输入设备。I/O设备子系统1104还可以包括鉴别或验证设备,例如指纹扫描仪、声纹扫描仪、虹膜扫描仪或其他生物特征传感器或检测器。在各种实施方式中,I/O设备子系统可以包括音频输出设备,例如扬声器、媒体播放器,或其他输出设备。
计算机系统1100可以包括显示设备子系统1106。显示设备子系统可以包括:一个或更多个灯,例如一个或更多个发光二极管(LED)、LED阵列;液晶显示器(LCD)或等离子体显示器或其他平面屏显示器;触摸屏;头戴式显示器或其他可穿戴显示设备;预测设备;阴极射线管(CRT);以及配置为以可视的方式传达信息的任何其他显示技术。在各个实施方式中,显示设备子系统1106可以包括用于控制外部显示器的控制器和/或与外部显示器通信的接口,所述外部显示器例如是上述任何显示技术。
如图11所示,所述系统1100可以包括存储子系统1110,该存储子系统1110包括各种计算机可读存储介质1108,诸如硬盘驱动器、固态驱动器(包括基于RAM的SSD和/或基于闪存的SSD)或其他存储设备。在各种实施方式中,计算机可读存储介质1108可以被配置为存储可由处理器执行以提供本文描述的功能的软件,所述软件包括程序、代码或其他指令。在一些实施方式中,存储系统1110可以包括各种数据存储或存储库,或者存储系统1110与存储用于本文描述的实施方式的数据的各种数据存储或存储库进行交互。这样的数据存储库可以包括数据库、对象存储系统和服务、数据湖或其他数据仓库服务或系统、分布式数据存储库、基于云的存储系统和服务、文件系统以及任何其他数据存储系统或服务。在一些实施方式中,存储系统1110可以包括媒体读取器、读卡器或其他存储接口,以与一个或更多个外部存储设备和/或可移动存储设备通信。在各种实施方式中,计算机可读存储介质1108可以包括任何适当的存储介质或存储介质的组合。例如,计算机可读存储介质1108可以包括但不限于:随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程ROM(EEPROM)、闪存或其他存储器技术、光学存储设备(例如CD-ROM、数字通用磁盘(DVD)、盘或其他光学存储设备)、磁存储设备(例如,磁带驱动器、盒带、磁盘存储设备或其他磁存储设备)中的任何一者或多者。在一些实施方式中,计算机可读存储介质可以包括数据信号或可以通过其来发送和/或接收数据的任何其他介质。
存储器子系统1112可以包括各种类型的存储器,所述存储器包括RAM、ROM、闪存或其他存储器。存储器1112可以包括SRAM(静态RAM)或DRAM(动态RAM)。在一些实施方式中,存储器1112可以包括BIOS(基本输入/输出系统)或者被配置为在例如启动期间管理各种部件的初始化的其他固件。如图11所示,存储器1112可以包括应用程序1114和应用程序数据1110。应用程序1114可以包括可以由处理器执行的程序、代码或其他指令。应用程序1114可以包括各种应用程序,诸如浏览器客户端、位置管理应用程序、乘车管理应用程序、数据管理应用程序以及任何其他应用程序。应用程序数据1116可以包括由应用程序1114产生和/或使用的任何数据。存储器1112可以另外地包括操作系统1118,所述操作系统例如为各种或基于UNIX或Linux的操作系统、或者其他操作系统。
所述系统1100还可以包括通信子系统1120,该通信子系统1120被配置为促进所述系统1100与各种外部计算机系统和/或网络(诸如因特网、局域网(LAN)、广域网(WAN)、移动网络、或任何其他网络)之间的通信。通信子系统1120可以包括硬件和/或软件,以使得能够通过各种有线通信信道(例如以太网或其他有线通信技术)或无线通信信道(诸如无线电收发器)进行通信,以促进经由无线网络、移动网络或蜂窝语音网络和/或数据网络、Wi-Fi网络、或其他无线通信网络的通信。例如,通信网络在图1中被示为通信网络170。附加地或可替代地,通信子系统1120可以包括硬件和/或软件部件,以与基于卫星或基于地面的定位服务(诸如GPS(全球定位系统))进行通信。在一些实施方式中,通信子系统1120可以包括各种硬件或软件传感器、或者可以与各种硬件或软件传感器进行交互。传感器可以被配置为通过通信子系统1120向计算机系统提供连续的和/或周期性的数据或数据流。
如图11所示,处理系统1122可以包括一个或更多个处理器、或者可操作来控制计算系统1100的其他设备。这样的处理器可以包括单核处理器1124、多核处理器,所述处理器可以包括中央处理单元(CPU)、图形处理单元(GPU)、专用集成电路(ASIC)、数字信号处理器(DSP)或任何其他通用或专用微处理器或集成电路。处理系统1122内的各种处理器,例如处理器1124和1126,可以根据应用独立地或组合地使用。
也可以使用各种其他配置,被描绘为以硬件实现的特定元件可以替代地以软件、固件或其组合来实现。本领域普通技术人员将认识到本文所述特定实施方式的各种替代方案。
说明书和附图描述了特定实施方式,所述特定实施方式被提供以易于描述和说明,并且不意图是限制性的。可以在不脱离本公开的精神和范围的情况下将实施方式实现为在各种环境中使用。
在描述所公开的实施方式的上下文中(尤其是在所附权利要求的上下文中)使用的术语“一”、“一种”和“该”、“所述”以及类似指代应解释为涵盖单数和复数,除非本文另有说明或与上下文明显矛盾。除非另有说明,否则术语“包含”、“具有”、“包括”和“含有”应解释为开放式术语(即,意思是“包括但不限于”)。术语“连接”应理解为部分或全部包含在内、附接至、或连结在一起,即使有中间物插入。除非在本文另外指出,否则本文中数值范围的列举仅旨在用作分别指代落入该范围内的每个单独值的简化方法,并且每个单独值都被并入说明书中,就好像其在本文中被单独叙述一样。除非本文另外指出或与上下文明显矛盾,否则本文描述的所有方法可以以任何合适的顺序执行。除非另外要求,否则本文提供的任何和所有示例或示例性语言(例如,“诸如”)的使用仅旨在更好地阐明本公开的实施方式,并且不对本公开的范围构成限制。说明书中的任何语言都不应被解释为指示任何未要求保护的要素对于实施本公开是必不可少的。
除非另外明确说明,否则诸如短语“X、Y或Z中的至少一者”之类的析取语言应旨在所使用的上下文中被理解为通常用于表示项目、术语等可以是X、Y或Z或其任何组合(例如X、Y和/或Z)。因此,这种析取语言通常不旨在且不应暗示某些实施方式要求X中的至少一个、Y中的至少一个或Z中的至少一个每个都存在。
本文描述了本公开的优选实施方式,包括发明人已知的用于执行本公开的最佳模式。通过阅读前述说明,那些优选实施方式的变型对于本领域普通技术人员而言将变得显而易见。发明人期望熟练的技术人员适当地采用这种变型,并且发明人旨在以不同于本文具体描述的方式来实践本公开。因此,如适用法律所允许的,本公开包括所附权利要求书中叙述的主题的所有修改和等同物。而且,除非本文另外指出或与上下文明显矛盾,否则本公开内容涵盖上述元素在其所有可能的变型中的任何组合。
本文引用的所有参考文献,包括出版物、专利申请和专利,均通过引用并入本文,就如同每个参考文献均被单独地且具体地指示为通过引用并入本文并且在对其全文进行阐述一样。
Claims (20)
1.一种方法,所述方法包括:
通过动态运输匹配系统接收与区域中的一个或更多个提供者相对应的一个或更多个提供者计算设备的当前位置;
通过所述动态运输匹配系统至少基于所述一个或更多个提供者的当前位置来确定所述一个或更多个提供者计算设备的预计位置,所述预计位置指示所述一个或更多个提供者计算设备被预测在延迟时间过去之后所处的位置;
通过所述动态运输匹配系统计算所述提供者计算设备中的至少一个提供者计算设备的所述预计位置的估计到达时间(ETA);以及
通过所述动态运输匹配系统至少基于来自于所述一个或更多个提供者计算设备中的选定的提供者计算设备的所述ETA来鉴别所述选定的提供者计算设备。
2.根据权利要求1所述的方法,所述方法还包括:
接收与请求者计算设备相关联的请求位置;
至少基于所述一个或更多个提供者计算设备的所述当前位置正位于与所述请求位置相距一阈值半径的范围内,从所述一个或更多个提供者计算设备中确定提供者计算设备的集合;
至少部分地基于所述一个或更多个提供者的所述当前位置以及所述一个或更多个提供者计算设备的一个或更多个路径决策,确定来自于所述提供者计算设备的集合中的每个提供者计算设备的预计位置;
计算用于每个提供者计算设备的每个预计位置的所述ETA,其中,所述请求位置是目标位置,所述ETA指示从所述预计位置行驶到所述目标位置的时间;
至少部分地基于所述ETA而从所述提供者计算设备的集合中鉴别所述选定的提供者计算设备,其中,所述选定的提供者被确定为具有如下预计位置:所述预计位置具有满足时间阈值的到达所述请求位置的ETA;以及
向所述选定的提供者计算设备提供运输信息,所述运输信息与所述目标位置相关联。
3.根据权利要求2所述的方法,所述方法还包括:
获取与在与所述请求位置相距所述阈值半径的范围内所接收到的请求相对应的优先运输数据;
确定与所述一个或更多个提供者计算设备的所述当前位置相对应的优先运输数据的集合;以及
至少基于所述优先运输数据的集合来确定所述一个或更多个提供者计算设备的预计位置。
4.根据权利要求2所述的方法,其中,确定所述一个或更多个提供者计算设备的所述预计位置还包括:
至少部分地基于地图数据而确定起始于所述一个或更多个提供者计算设备的所述当前位置的所述一个或更多个路径决策,用于所述一个或更多个提供者计算设备的所述路径决策中的每个路径决策均是由所述地图数据所确定的起始于所述当前位置的可用路径;
对于基于所述一个或更多个路径决策所确定的所述预计位置中的每个预计位置,至少部分地基于一个或更多个参数来确定置信度分数,所述置信度分数指示预计位置成为提供者计算设备在所述延迟时间之后的实际位置的可靠性;以及
至少部分地基于具有满足置信度阈值的置信度分数的预计位置来选择预计位置的集合。
5.根据权利要求4所述的方法,其中,所述一个或更多个参数包括:起始于所述当前位置的历史路径决策、起始于所述当前位置的历史预计位置、方向信息、来自所述提供者计算设备的运动学数据、以及历史交通数据。
6.根据权利要求4所述的方法,其中,从所述提供者计算设备的集合中鉴别所述选定的提供者计算设备还包括:
基于所述一个或更多个提供者计算设备的所述预计位置的所述置信度分数,计算从所述预计位置的集合中的每个预计位置至所述请求位置的ETA;
至少部分地基于所述估计到达时间处于到达所述请求位置的时间阈值之内,计算用于所述一个或更多个提供者计算设备中的每个提供者计算设备的匹配分数;以及
基于所述匹配分数来鉴别所述选定的提供者。
7.根据权利要求1所述的方法,所述方法还包括:
获取与所述一个或更多个提供者计算设备的所述当前位置或请求位置相对应的环境数据,其中,所述环境数据包括:天气、道路状况、道路方向、当前交通流量、检测到的事故、道路或车道阻塞、施工弯路、在所述提供者所行驶的道路上的车道的数量、或者在所述提供者所行驶的道路上检测到的车辆的数量中的至少一者;
对于所述预计位置中的每个预计位置,至少部分地基于所述当前位置和所述环境数据来确定置信度分数,所述置信度分数指示预计位置成为提供者计算设备在所述延迟时间之后的实际位置的可靠性;以及
至少基于所述环境数据和满足置信度阈值的所述置信度分数来确定所述一个或更多个提供者计算设备的选定的预计位置。
8.根据权利要求1所述的方法,所述方法还包括:
获取与位于所述当前位置处的所述一个或更多个提供者计算设备的车辆相对应的运动学数据,所述运动学数据包括:所述车辆的运动方向、所述车辆的速度、所述车辆的加速度、以及所述车辆在所述车辆所行驶的道路上的位置中的至少一者;
对于所述预计位置中的每个预计位置,至少部分地基于所述当前位置和所述运动学数据来计算概率,所述概率指示所述预计位置成为所述车辆在所述延迟时间之后的实际位置的可能性;
对于所述预计位置中的每个预计位置,至少部分地基于所述预计位置中的每个预计位置的所述概率来确定置信度分数,所述置信度分数指示提供者计算设备的预计位置成为所述延迟时间之后的实际位置的可靠性;以及
至少基于所述运动学数据和满足置信度阈值的所述置信度分数,确定所述一个或更多个提供者的选定的预计位置。
9.根据权利要求2所述的方法,其中,所述延迟时间包括:与所述动态运输匹配系统相关联的延迟、在往返于所述请求者计算设备的通信中的延迟、在往返于所述提供者计算设备的通信中的时间延迟、与所述请求者计算设备相关联的处理延迟、或者与所述提供者计算设备相关联的处理延迟。
10.根据权利要求2所述的方法,其中,确定所述预计位置还包括:
至少基于所述优先运输数据和所述一个或更多个提供者计算设备的所述当前位置来生成行驶矢量预测模型,其中,生成所述行驶矢量预测模型包括:
确定与所述一个或更多个提供者计算设备的所述当前位置相对应的先前的预计位置;
确定先前的实际位置的集合,所述先前的实际位置的集合指示所述一个或更多个提供者的从所述当前位置起在预定时间段之后的更新的位置;
对于每个先前的预计位置,至少部分地基于与所述先前的预计位置匹配的所述先前的实际位置来确定精度值;
对于每个预计位置,至少部分地基于所述精度值来计算概率;
至少基于所述概率来确定所述预计位置;以及
基于所述行驶矢量预测模型来确定所述预计位置。
11.根据权利要求10所述的方法,所述方法还包括:
至少部分地基于与位于所述当前位置处的所述一个或更多个提供者计算设备的车辆相对应的运动学数据来确定第一预计位置,所述第一预计位置指示所述一个或更多个提供者计算设备被预测在第一时间段之后所处的位置;
至少部分地基于所述行驶矢量预测模型来确定第二预计位置,所述第二预计位置指示所述一个或更多个提供者计算设备被预测从所述第一预计位置起在第二时间段之后所处的位置,其中,所述第二时间段比所述第一时间段更长;
计算起始于所述第二预计位置的ETA;以及
至少部分地基于所述ETA鉴别所述选定的提供者计算设备。
12.根据权利要求2所述的方法,其中,所述运输信息包括:从所述提供者计算设备的所述当前位置到所述请求位置的路径信息和所述ETA;所述方法还包括:
向所述请求者计算设备提供运输响应信息,所述运输响应信息包括所述选定的提供者的所述当前位置和所述ETA。
13.一种计算设备,所述计算设备包括:
处理器;以及
计算机可读介质,所述计算机可读介质包括代码,所述代码能够由所述处理器执行以使所述计算设备:
接收与区域中的一个或更多个提供者相对应的一个或更多个提供者计算设备的当前位置;
至少基于所述一个或更多个提供者的当前位置来确定所述一个或更多个提供者计算设备的预计位置,所述预计位置指示所述一个或更多个提供者计算设备被预测在延迟时间过去之后所处的位置;
计算所述一个或更多个提供者计算设备的每个预计位置的估计到达时间(ETA);以及
至少基于来自于所述一个或更多个提供者计算设备中的选定的提供者计算设备的所述ETA来鉴别所述选定的提供者计算设备。
14.根据权利要求13所述的计算设备,其中,所述指令还使所述计算设备:
接收与请求者计算设备相关联的请求位置;
至少基于所述一个或更多个提供者计算设备的所述当前位置正处在与所述请求位置相距一阈值半径的范围内,从所述一个或更多个提供者计算设备中确定提供者计算设备的集合;
至少部分地基于所述一个或更多个提供者的所述当前位置以及所述一个或更多个提供者计算设备的一个或更多个路径决策,确定来自于所述提供者计算设备的集合中的每个提供者计算设备的预计位置;
计算用于每个提供者计算设备的每个预计位置的所述ETA,其中,所述请求位置是目标位置,所述ETA指示从所述预计位置行驶到所述目标位置的时间;
至少部分地基于所述ETA而从所述提供者计算设备的集合中鉴别所述选定的提供者计算设备,其中,所述选定的提供者被确定为具有如下预计位置:所述预计位置具有满足时间阈值的到达所述请求位置的ETA;以及
向所述选定的提供者计算设备提供运输信息,所述运输信息与所述目标位置相关联。
15.根据权利要求13所述的计算设备,其中,所述指令还使所述计算设备:
对于所述预计位置中的每个预计位置,至少部分地基于一个或更多个参数和所述当前位置来确定置信度分数,所述置信度分数指示预计位置成为提供者计算设备在所述延迟时间之后的实际位置的可靠性;以及
至少部分地基于具有满足置信度阈值的置信度分数的所述预计位置来选择预计位置的集合。
16.根据权利要求15所述的计算设备,其中,所述一个或更多个参数包括:起始于所述当前位置的历史路径决策、起始于所述当前位置的历史预计位置、方向信息、来自所述提供者计算设备的运动学数据、以及历史交通数据。
17.根据权利要求13所述的计算设备,其中,所述延迟时间包括:与所述动态运输匹配系统相关联的延迟、在往返于所述请求者计算设备的通信中的延迟、在往返于所述提供者计算设备的通信中的时间延迟、与所述请求者计算设备相关联的处理延迟、或者与所述提供者计算设备相关联的处理延迟。
18.根据权利要求13所述的计算设备,其中,所述指令还使所述计算设备:
获取与位于所述当前位置处的所述一个或更多个提供者计算设备的车辆相对应的运动学数据,所述运动学数据包括:所述车辆的运动方向、所述车辆的速度、所述车辆的加速度、以及所述车辆在所述车辆所行驶的道路上的位置中的至少一者;
对于所述预计位置中的每个预计位置,至少部分地基于所述运动学数据来确定置信度分数,所述置信度分数指示提供者计算设备的预计位置成为所述延迟时间之后的实际位置的可靠性;
至少基于所述运动学数据和满足置信度阈值的所述置信度分数来确定所述一个或更多个提供者的选定的预计位置;
计算每个选定的预计位置的所述ETA,所述ETA指示从所述选定的预计位置行驶到目标位置的时间;以及
至少部分地基于所述ETA来鉴别所述选定的提供者计算设备,其中,所述选定的提供者被确定为具有如下预计位置:所述预计位置具有满足时间阈值的到达所述请求位置的ETA。
19.一种系统,所述系统包括:
动态运输匹配系统,所述动态运输匹配系统被配置为:
接收与区域中的一个或更多个提供者相对应的一个或更多个提供者计算设备的当前位置;
至少基于所述一个或更多个提供者的当前位置来确定所述一个或更多个提供者计算设备的预计位置,所述预计位置指示所述一个或更多个提供者计算设备被预测在延迟时间过去之后所处的位置;
计算所述一个或更多个提供者计算设备的每个预计位置的估计到达时间(ETA);以及
至少基于来自于所述一个或更多个提供者计算设备中的选定的提供者计算设备的所述ETA来鉴别所述选定的提供者计算设备;和
所述一个或更多个提供者计算设备,所述一个或更多个提供者计算设备被配置为:
向所述动态运输匹配系统发送当前位置;
接收包括所述ETA在内的运输信息;以及
向所述动态运输匹配系统发送指示匹配的确认。
20.根据权利要求19所述的系统,所述系统还包括:
请求者计算设备,所述请求者计算设备被配置为:
向所述动态运输匹配系统发送运输请求;以及
从所述动态运输匹配系统接收运输响应信息,所述运输响应信息包括从所述当前位置或所述预计位置到目标位置的ETA和所述选定的提供者计算设备的鉴别信息。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/675,422 US20190051174A1 (en) | 2017-08-11 | 2017-08-11 | Travel path and location predictions |
| US15/675,422 | 2017-08-11 | ||
| PCT/US2018/045513 WO2019032519A1 (en) | 2017-08-11 | 2018-08-07 | PREDICTIONS OF TRAVEL TRAVEL AND LOCATION |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111194395A true CN111194395A (zh) | 2020-05-22 |
Family
ID=65271855
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880064348.3A Pending CN111194395A (zh) | 2017-08-11 | 2018-08-07 | 行驶路径和位置的预测 |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US20190051174A1 (zh) |
| EP (1) | EP3665642A4 (zh) |
| CN (1) | CN111194395A (zh) |
| AU (1) | AU2018313085A1 (zh) |
| CA (1) | CA3072299A1 (zh) |
| IL (1) | IL272517A (zh) |
| MX (1) | MX2020001629A (zh) |
| SG (1) | SG11202001070SA (zh) |
| WO (1) | WO2019032519A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112839855A (zh) * | 2020-12-31 | 2021-05-25 | 华为技术有限公司 | 一种轨迹预测方法与装置 |
| CN113505991A (zh) * | 2021-07-09 | 2021-10-15 | 上海技信工业智能科技有限公司 | 一种混凝土运输载具自动排队方法、系统、装置及计算机可读存储介质 |
| CN113865603A (zh) * | 2021-08-30 | 2021-12-31 | 东风柳州汽车有限公司 | 共享无人车路径规划方法、装置、设备及存储介质 |
Families Citing this family (47)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008100489A2 (en) | 2007-02-12 | 2008-08-21 | Sean O'sullivan | Shared transport system and service network |
| US9965783B2 (en) | 2014-02-07 | 2018-05-08 | Uber Technologies, Inc. | User controlled media for use with on-demand transport services |
| CA2942339C (en) | 2014-03-13 | 2022-06-07 | Uber Technologies, Inc. | Configurable push notifications for a transport service |
| US9536271B2 (en) | 2014-05-16 | 2017-01-03 | Uber Technologies, Inc. | User-configurable indication device for use with an on-demand transport service |
| US10212536B2 (en) | 2015-07-10 | 2019-02-19 | Uber Technologies, Inc. | Selecting a messaging protocol for transmitting data in connection with a location-based service |
| US11455668B2 (en) * | 2016-02-15 | 2022-09-27 | Babu Vinod | Method and system of automatic billing of transportation services |
| US10325442B2 (en) | 2016-10-12 | 2019-06-18 | Uber Technologies, Inc. | Facilitating direct rider driver pairing for mass egress areas |
| US10355788B2 (en) | 2017-01-06 | 2019-07-16 | Uber Technologies, Inc. | Method and system for ultrasonic proximity service |
| US10703382B2 (en) * | 2017-05-16 | 2020-07-07 | Uatc, Llc | Self-driving delivery of optionally-driven vehicles |
| US10290074B2 (en) * | 2017-05-25 | 2019-05-14 | Uber Technologies, Inc. | Coordinating on-demand transportation with autonomous vehicles |
| US10293832B2 (en) * | 2017-10-25 | 2019-05-21 | Uber Technologies, Inc. | Network computer system to evaluate an operator of a freight vehicle |
| US11797937B2 (en) | 2018-02-26 | 2023-10-24 | Mark Lamoncha | System and method for hiring and authenticating persons to perform services on a temporary basis |
| JP7037762B2 (ja) * | 2018-03-22 | 2022-03-17 | トヨタ自動車株式会社 | 情報処理装置及びプログラム |
| US20190320043A1 (en) * | 2018-04-13 | 2019-10-17 | Uber Technologies, Inc. | Network computer system to generate synthetic messages based on service-specific information |
| US11075740B2 (en) * | 2018-05-07 | 2021-07-27 | ENK Wireless, Inc. | Systems/methods of communications using a plurality of cooperative devices |
| JPWO2019220206A1 (ja) * | 2018-05-15 | 2021-07-29 | 日産自動車株式会社 | 乗車位置算出方法、乗車位置算出装置、ならびに、乗車位置算出システム |
| JP6992896B2 (ja) * | 2018-06-14 | 2022-01-13 | 日本電信電話株式会社 | システム状態推定装置、システム状態推定方法、及びプログラム |
| US10769558B2 (en) * | 2018-07-03 | 2020-09-08 | Lyft, Inc. | Systems and methods for managing dynamic transportation networks using simulated future scenarios |
| US11410089B2 (en) * | 2018-08-30 | 2022-08-09 | International Business Machines Corporation | Dynamic booking system for shared dockless bikes using trajectory position |
| US20200097908A1 (en) * | 2018-09-25 | 2020-03-26 | International Business Machines Corporation | Vehicular implemented delivery |
| KR20210072824A (ko) | 2018-11-08 | 2021-06-17 | 에반겔로스 시모우디스 | 차량 데이터 관리를 위한 시스템들 및 방법들 |
| US12079764B2 (en) * | 2018-11-16 | 2024-09-03 | Target Brands, Inc. | Integration of third party delivery service interface into online retail platform |
| US20200168008A1 (en) * | 2018-11-26 | 2020-05-28 | Uber Technologies, Inc. | Managing the operational state of a vehicle |
| PH12021551768A1 (en) * | 2019-01-28 | 2022-05-23 | Grabtaxi Holdings Pte Ltd | Transportation method and apparatus |
| US12175414B2 (en) * | 2019-01-31 | 2024-12-24 | Walmart Apollo, Llc | System and method for dispatching drivers for delivering grocery orders and facilitating digital tipping |
| US11012809B2 (en) | 2019-02-08 | 2021-05-18 | Uber Technologies, Inc. | Proximity alert system |
| JP7176974B2 (ja) * | 2019-02-15 | 2022-11-22 | 本田技研工業株式会社 | 迎車管理装置、迎車制御方法、およびプログラム |
| US10623275B1 (en) * | 2019-02-27 | 2020-04-14 | Bank Of America Corporation | Network operational decision engine |
| US11620608B2 (en) * | 2019-02-28 | 2023-04-04 | Walmart Apollo, Llc | System and method for providing uniform tracking information with a reliable estimated time of arrival |
| US11548531B2 (en) | 2019-05-28 | 2023-01-10 | Motional Ad Llc | Autonomous vehicle fleet management for reduced traffic congestion |
| CN110610268A (zh) * | 2019-09-11 | 2019-12-24 | 西安工程大学 | 一种用于无人驾驶的轨迹预测方法 |
| JP7276079B2 (ja) * | 2019-11-07 | 2023-05-18 | トヨタ自動車株式会社 | 配車システム、サーバ装置、及び配車プログラム |
| US11468716B2 (en) * | 2019-12-11 | 2022-10-11 | Volvo Car Corporation | Vehicle resource management systems |
| CN115053254B (zh) | 2020-02-03 | 2025-11-04 | 赛耐普思合伙有限责任公司 | 用于个性化地面交通处理和用户意图预测的系统和方法 |
| US12169854B2 (en) * | 2020-03-16 | 2024-12-17 | Lyft, Inc. | Aligning provider-device axes with transportation-vehicle axes to generate driving-event scores |
| US12020189B2 (en) * | 2020-03-27 | 2024-06-25 | Toyota Motor Eng & Mfg North America, Inc. | Departure time planning of shared rides for congestion mitigation |
| JP7355697B2 (ja) * | 2020-04-02 | 2023-10-03 | トヨタ自動車株式会社 | 車両の運行管理装置、運行管理方法、および交通システム |
| JP7347312B2 (ja) * | 2020-04-08 | 2023-09-20 | トヨタ自動車株式会社 | 情報処理装置、プログラム及び情報処理方法 |
| US20220081003A1 (en) * | 2020-09-15 | 2022-03-17 | Tusimple, Inc. | DETECTING A CONSTRUCTION ZONE BY A LEAD AUTONOMOUS VEHICLE (AV) AND UPDATING ROUTING PLANS FOR FOLLOWING AVs |
| US11987261B2 (en) | 2020-09-15 | 2024-05-21 | Tusimple, Inc. | Detecting a road structure change by a lead autonomous vehicle (AV) and updating routing plans for the lead AV and following AVs |
| EP4222687A4 (en) * | 2020-09-30 | 2024-04-03 | Synapse Partners, LLC | TRANSPORT MARKETPLACE SYSTEMS AND PROCEDURES |
| US12307508B2 (en) * | 2020-10-09 | 2025-05-20 | Lyft, Inc. | Systems and methods for establishing and managing a multi-modal transportation ecosystem |
| US12133139B2 (en) | 2020-10-14 | 2024-10-29 | Lyft, Inc. | Detecting handheld device movements utilizing a handheld-movement-detection model |
| US12345535B2 (en) * | 2021-02-17 | 2025-07-01 | Turing Research Inc. | System and method for rideshare matching based on locality sensitive hashing |
| US12445802B2 (en) * | 2021-08-20 | 2025-10-14 | Lyft, Inc. | Intelligently transmitting digital transportation requests to provider devices to increase network coverage time and improve transportation system efficiency |
| US20230066046A1 (en) * | 2021-08-30 | 2023-03-02 | Dopller, S De Rl De Cv | System and method for the promotion of mobility services and logistics of goods based on advertisement |
| US20230125433A1 (en) * | 2021-10-27 | 2023-04-27 | Here Global B.V. | Confidence aggregation of score based on custom models by feature importance |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104685533A (zh) * | 2012-07-03 | 2015-06-03 | 优步科技公司 | 用于提供按需服务的动态供应定位的系统和方法 |
| US20150161554A1 (en) * | 2013-12-11 | 2015-06-11 | Uber Technologies, Inc. | Intelligent dispatch system for selecting service providers |
| WO2017100719A1 (en) * | 2015-12-10 | 2017-06-15 | Uber Technologies, Inc. | Suggested pickup location for ride services |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2003211108A1 (en) * | 2002-02-14 | 2003-09-04 | Everyday Wireless Llc | Wireless moble vehicle real-time tracking and notification systems and methods related thereto |
| KR100827008B1 (ko) * | 2006-06-02 | 2008-05-02 | (주)지능도시 | 회전감지 센서를 이용한 택시의 위치추적과 진행방향 예측시스템 및 이를 이용한 택시의 콜 서비스 방법 |
| WO2008100489A2 (en) * | 2007-02-12 | 2008-08-21 | Sean O'sullivan | Shared transport system and service network |
| US20110231354A1 (en) * | 2007-08-09 | 2011-09-22 | O'sullivan Sean | Transport management system |
| US10002198B2 (en) * | 2009-10-28 | 2018-06-19 | Verizon Patent And Licensing Inc. | Mobile taxi dispatch system |
| US8498953B2 (en) * | 2010-03-30 | 2013-07-30 | Sap Ag | Method for allocating trip sharing |
| US20130041941A1 (en) * | 2010-04-09 | 2013-02-14 | Carnegie Mellon University | Crowd-Sourcing of Information for Shared Transportation Vehicles |
| GB201106555D0 (en) * | 2011-04-19 | 2011-06-01 | Tomtom Int Bv | Taxi dispatching system |
| GB201300006D0 (en) * | 2013-01-01 | 2013-02-13 | Tomtom Dev Germany Gmbh | Vehicle management system |
| US9646495B2 (en) * | 2013-11-21 | 2017-05-09 | General Electric Company | Method and system for traffic flow reporting, forecasting, and planning |
| US20150206267A1 (en) * | 2014-01-22 | 2015-07-23 | Jahan Khanna | Systems and methods for providing a transportation marketplace |
| US9852551B2 (en) * | 2015-02-05 | 2017-12-26 | Uber Technologies, Inc. | Programmatically determining location information in connection with a transport service |
| US20160335576A1 (en) * | 2015-05-12 | 2016-11-17 | Uber Technologies, Inc. | Location-based prediction of transport services |
| US10148624B2 (en) * | 2015-09-25 | 2018-12-04 | Mcafee, Llc | Secure service matching |
| US10158528B2 (en) * | 2015-10-13 | 2018-12-18 | Uber Technologies, Inc. | Application service configuration system |
| US20170262804A1 (en) * | 2016-03-14 | 2017-09-14 | United Parcel Service Of America, Inc. | Determining estimated pick-up/delivery windows using clustering |
| US10371539B2 (en) * | 2017-03-09 | 2019-08-06 | Lyft, Inc. | Determining matches using dynamic provider eligibility model |
-
2017
- 2017-08-11 US US15/675,422 patent/US20190051174A1/en not_active Abandoned
-
2018
- 2018-08-07 MX MX2020001629A patent/MX2020001629A/es unknown
- 2018-08-07 CA CA3072299A patent/CA3072299A1/en not_active Abandoned
- 2018-08-07 AU AU2018313085A patent/AU2018313085A1/en not_active Abandoned
- 2018-08-07 WO PCT/US2018/045513 patent/WO2019032519A1/en not_active Ceased
- 2018-08-07 CN CN201880064348.3A patent/CN111194395A/zh active Pending
- 2018-08-07 EP EP18842982.3A patent/EP3665642A4/en not_active Withdrawn
- 2018-08-07 SG SG11202001070SA patent/SG11202001070SA/en unknown
-
2020
- 2020-02-06 IL IL272517A patent/IL272517A/en unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104685533A (zh) * | 2012-07-03 | 2015-06-03 | 优步科技公司 | 用于提供按需服务的动态供应定位的系统和方法 |
| US20150161554A1 (en) * | 2013-12-11 | 2015-06-11 | Uber Technologies, Inc. | Intelligent dispatch system for selecting service providers |
| WO2017100719A1 (en) * | 2015-12-10 | 2017-06-15 | Uber Technologies, Inc. | Suggested pickup location for ride services |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112839855A (zh) * | 2020-12-31 | 2021-05-25 | 华为技术有限公司 | 一种轨迹预测方法与装置 |
| CN113505991A (zh) * | 2021-07-09 | 2021-10-15 | 上海技信工业智能科技有限公司 | 一种混凝土运输载具自动排队方法、系统、装置及计算机可读存储介质 |
| CN113505991B (zh) * | 2021-07-09 | 2024-03-12 | 上海技信工业智能科技有限公司 | 一种混凝土运输载具自动排队方法、系统、装置及介质 |
| CN113865603A (zh) * | 2021-08-30 | 2021-12-31 | 东风柳州汽车有限公司 | 共享无人车路径规划方法、装置、设备及存储介质 |
| CN113865603B (zh) * | 2021-08-30 | 2024-06-07 | 东风柳州汽车有限公司 | 共享无人车路径规划方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| SG11202001070SA (en) | 2020-03-30 |
| MX2020001629A (es) | 2020-09-21 |
| EP3665642A1 (en) | 2020-06-17 |
| WO2019032519A1 (en) | 2019-02-14 |
| CA3072299A1 (en) | 2019-02-14 |
| IL272517A (en) | 2020-03-31 |
| EP3665642A4 (en) | 2021-05-05 |
| AU2018313085A1 (en) | 2020-03-05 |
| US20190051174A1 (en) | 2019-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111194395A (zh) | 行驶路径和位置的预测 | |
| US11946756B2 (en) | Determining matches using dynamic provider eligibility model | |
| US20240420269A1 (en) | Dynamic optimized reassignment of providers at a geohash level | |
| US10820148B2 (en) | Geohash-related location predictions | |
| US12516941B2 (en) | Dynamic geolocation optimization of pickup locations using location scores | |
| US20240331075A1 (en) | Identifying matched requestors and providers | |
| US11714414B2 (en) | Autonomous vehicle pickup and drop-off management | |
| US12423765B2 (en) | Dynamic autonomous vehicle servicing and management | |
| US20180300660A1 (en) | Systems and methods for provider claiming and matching of scheduled requests | |
| US11574262B2 (en) | Location accuracy using local device communications |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200522 |