[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN114096973A - 需求通知设备、计算设备及需求通知方法 - Google Patents

需求通知设备、计算设备及需求通知方法 Download PDF

Info

Publication number
CN114096973A
CN114096973A CN202080046159.0A CN202080046159A CN114096973A CN 114096973 A CN114096973 A CN 114096973A CN 202080046159 A CN202080046159 A CN 202080046159A CN 114096973 A CN114096973 A CN 114096973A
Authority
CN
China
Prior art keywords
time period
predetermined area
demand
real space
space service
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
CN202080046159.0A
Other languages
English (en)
Other versions
CN114096973B (zh
Inventor
王雪鸥
许权耀
翁仁荣
普拉文·V·卡卡尔
黄思强
许为宁
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.)
Grabtaxi Holdings Pte Ltd
Original Assignee
Grabtaxi Holdings Pte 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 Grabtaxi Holdings Pte Ltd filed Critical Grabtaxi Holdings Pte Ltd
Publication of CN114096973A publication Critical patent/CN114096973A/zh
Application granted granted Critical
Publication of CN114096973B publication Critical patent/CN114096973B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

各方面涉及一种需求通知设备(110)，其包括：确定单元(122)，该确定单元被配置为确定在第一时间段内以预定区域为目的地的多个用户(102，104，106)的运输服务需求数量，该需求数量指示该多个用户中有多少个用户被确定为想要到该预定区域去；并且其中，该确定单元(122)进一步被配置为确定在第二时间段内在该预定区域内要满足的多个用户(102，104，106)的真实空间服务需求，其中，该真实空间服务由服务提供商(120)提供；分析单元(124)，该分析单元被配置为基于在该第一时间段内该预定区域内的用户(102，104，106)的数量以及在该第二时间段内该预定区域内的真实空间服务需求，来确定该预定区域在第三时间段内的预测真实空间服务需求，并且进一步被配置为关于该预定区域在该第三时间的服务需求阈值来监测该预定区域在该第三时间段内的该预测真实空间服务需求；以及通知单元(126)，该通知单元被配置为在该预测真实空间服务需求超过该阈值的情况下向该真实空间服务提供商(120)提交通知。

Description

需求通知设备、计算设备及需求通知方法
技术领域
本披露内容的各方面涉及与需求通知有关的数据处理系统。
背景技术
了解您的客户、寻找新的潜在客户和提供个人化服务是基本的商业任务。为实现这些目标而进行大规模的市场研究通常成本很高。随着基于位置的服务的蓬勃发展，运输网络公司正在探索新技术来通过时空数据挖掘了解客户。这可以有助于在这些公司开始进入新的商业领域(例如，食品配送服务)时制定商业战略。
在相关技术中，使用内置于深度学习架构中的协同过滤框架，通过神经网络结构来学习数据之间的非线性关系，而不是通过潜在特征的内积进行学习。然而，这种方法基于传统的用户-项目单域推荐系统。
进一步地，可以使用跨域推荐学习需求通知方法。然而，模型拟合用于深度迁移学习神经网络中通过联合学习跨域知识和交互来改进目标域推荐。该方法侧重于传统的推荐系统，分别考虑跨域(如新闻和app)的推荐以及项目的跨域嵌入。
进一步地，已知基于轨迹数据来生成热图以显示交通拥堵，以用于生成运输热图来为运输分析提供有用信息。我们进行了跨域预测，以通过深度迁移学习来预测乘客的个人化需求。
进一步地，已知使用描述用户轨迹图的分布模型来用时空数据揭示用户的行为移动模式。可以用特征值来检测用户的时间和位置偏好。然而，这种方法更侧重于用户的移动轨迹、在集群中分析角色和位置，其中相似的集群可以具有相似的特征值，而不同的集群可以具有不同的特征值。
发明内容
各种实施方案涉及一种需求通知设备、一种计算设备以及一种分配需求通知方法。
在本披露内容的一个方面，提供了一种需求通知设备。该需求通知设备包括确定单元，该确定单元被配置为确定在第一时间段内以预定区域为目的地的多个用户的运输服务需求数量。该需求数量指示该多个用户中有多少个用户被确定为想要到该预定区域去。该确定单元进一步被配置为确定在第二时间段内在该预定区域内要满足的多个用户的真实空间服务需求。该真实空间服务由服务提供商提供。该需求通知设备进一步包括分析单元，该分析单元被配置为基于在该第一时间段内该预定区域内的用户的数量以及在该第二时间段内该预定区域内的真实空间服务需求，来确定该预定区域在第三时间段内的预测真实空间服务需求，并且进一步被配置为关于该预定区域在该第三时间的服务需求阈值来监测该预定区域在该第三时间段内的该预测真实空间服务需求。该需求通知设备进一步包括通知单元，该通知单元被配置为在该预测真实空间服务需求超过该阈值的情况下向该真实空间服务提供商提交通知。
在另一个方面，提供了一种计算设备。该计算设备包括一个或多个处理器、以及其中存储有指令的存储器。这些指令在由该一个或多个处理器执行时使该一个或多个处理器进行以下操作：确定在第一时间段内以预定区域为目的地的多个用户的运输服务需求数量，该需求数量指示该多个用户中有多少个用户被确定为想要到该预定区域去，其中，这些个人化目的地中的每一个都位于该预定区域内；确定在第二时间段内在该预定区域内要满足的多个用户的真实空间服务需求，其中，该真实空间服务由服务提供商提供；基于在该第一时间段内该预定区域内的用户的数量以及在该第二时间段内该预定区域内的真实空间服务需求，确定该预定区域在第三时间段内的预测真实空间服务需求；监测该预定区域在该第三时间段内的该预测真实空间服务需求，以确定是否达到该预定区域在该第三时间的服务需求阈值；以及在该预测真实空间服务需求超过该阈值的情况下向该真实空间服务提供商提交通知。替代地或另外地，可以在该存储器中针对该第三时间段标记该预定区域。
在另一个方面，提供了一种需求通知方法。该需求通知方法包括：确定在第一时间段内以预定区域为目的地的多个用户的运输服务需求数量，该需求数量指示该多个用户中有多少个用户被确定为想要到该预定区域去，确定在第二时间段内在该预定区域内要满足的多个用户的真实空间服务需求，其中，该真实空间服务由服务提供商提供；基于在该第一时间段内该预定区域内的用户的数量以及在该第二时间段内该预定区域内的真实空间服务需求，确定该预定区域在第三时间段内的预测真实空间服务需求；关于该预定区域在该第三时间的阈值来监测该预定区域在该第三时间段内的该预测真实空间服务需求；以及在该预测真实空间服务需求超过该阈值的情况下向该真实空间服务提供商提交通知。
在这些方面，通知可以被配置为修改真实空间服务提供商的通信时间表和/或资源规划。作为示例，该通知可以引起或触发服务提供商进行资源重组。这样，可以在第三时间段期间降低服务提供商的数据速率、数据量、通信量、通信密度和/或资源需求。作为示例，服务提供商可以在第三时间段之前提供一部分资源需求。这样，可以省略资源需求增加的负面协同(非线性)效应。
换句话说，本主题允许基于任何用户的运输数据来预测其个人化食品配送需求。具体地，考虑客户的运输数据，他/她将在何时、何地以及多少次通过app订购食品。这个问题是几个学习任务的混合：跨域迁移学习、时空建模以及推荐系统。人们的旅行习惯与食品配送要求之间的潜在和共同特征用于提供用来了解客户。运输与食品之间的嵌入学习是共享的，以便更容易地跨域共享信息。通过采用联合学习模型来使用相关但不同的域之间的共同特征。在深度迁移学习推荐系统的框架中使用了个人化需求预测问题。用户被单独考虑，并且构建每个用户和特征项的潜在嵌入。
说明性地，来自运输网络公司的运输数据可以用于其他商业领域(真实空间服务)，例如，食品配送服务。这样，提供了关于其他商业领域的客户的更好了解。因此，提供了时间感知跨行业(temporally aware cross-industry，TAXI)学习过程，其联合学习用户/乘客的运输习惯和食品订购模式。可以用深度迁移学习技术在推荐系统框架中构建该学习过程。从原始数据中提取空间和时间特征，并通过共享权重层学习用户/乘客和特征的嵌入，以生成跨行业共享的信息，例如个人化运输和另一真实空间服务(例如，食品配送)的数据。这些嵌入通过两个或更多个TAXI层，以进一步学习跨时空特征之间的交互和非线性。因此，提供了用于跨域(跨商业领域)预测和商业营销的提取和深度迁移学习算法，尤其是在目标域(真实空间服务)的相关信息稀少时。说明性地，通过利用来自另一个相关域的信息(运输数据)来提供时间感知学习过程，以在严重数据不足的域中进行预测(预测真实空间服务需求)。然后，提供预测问题作为推荐系统问题，以预测该预定区域在该第三时间段内的真实空间服务需求。因此，提供了时空数据的共同潜在时间和空间特征，其中，对食品订单的时空预测与运输数据相关。这样，可以获得更好的预测结果，尤其是对于稀疏数据。
第一时间段、第二时间段和/或第三时间段可以是连续的时间段，例如一小时。
真实空间服务是在真实空间中完成的服务。因此，作为示例，真实空间服务并不意味着是纯粹的通信服务。然而，真实空间服务需求可能是通过网络生成的。作为示例，真实空间服务可以是商品的配送服务，例如食品配送服务或(快运)快递服务，其中，真实空间服务的订单由(移动)通信设备生成和接收。
此外，可以通过上述设备和方法对多个预定区域进行评分。换句话说，可以为多个预定区域中的每一个确定预测真实空间服务需求。如果用于完成真实空间服务订单的资源是有限的，并且必须进行分配或组织以在预定服务时间内完成真实空间服务需求，则可以对预定区域进行评分/排优先级/加权，以提高真实空间服务的完成率。这样，可以减少服务提供商与订购客户和/或分包商之间用于完成真实空间服务订单的数据流量，例如，由于改进了数据组织和/或分包商(例如，配送驾驶员)的组织，因此可以减少所交换的通信。
作为示例，取决于该多个预定区域的阈值和预测真实空间服务需求，可以在一段时间内调整真实空间服务需求。作为示例，真实空间服务需求的数量可以随着时间的推移而减少或维持在预定值。这样，作为示例，在预测到该预定区域在该第三时间段内的服务需求增加的情况下，可以在该第三时间段之前将用于完成真实空间服务订单的配送驾驶员安置在关于该预定区域的有利位置。这样，与突然出现非预期的高真实空间服务需求并且必须通过配送服务提供商组织每个配送驾驶员的行程和佣金来处理该需求的情况相比，要处理的数据量减少了，因为不必在短时间内组织、委托(例如，所需的配送驾驶员的数量)或重新安置配送驾驶员。这样，配送服务提供商的存储器组织和网络效率得以提高。此外，增强了客户对真实空间服务需求的体验。因此，对(未来)真实空间服务需求的预测降低了数据通信的峰值高度。换句话说，与没有给出服务需求预测的情况相比，对(未来)真实空间服务需求的预测可以减少通信需求。
进一步地，通过对(未来)真实空间服务需求的预测，作为示例，作为真实空间服务的配送驾驶员可以从配送服务提供商接收配送订单，这些配送订单在该第三时间段内将配送驾驶员引向该预定区域。这样，减少了原本必须由配送服务提供商和配送驾驶员的(移动)通信设备处理的数据量。
附图说明
当结合非限制性示例和附图考虑时，参考具体实施方式将更好地理解本发明，在附图中：
-图1示出了根据各种实施方案的需求通知设备和计算设备；
-图2和图3示出了时间感知跨行业学习过程的逻辑流程图；以及
-图4示出了根据各种实施方案的需求通知方法的过程图。
具体实施方式
以下具体实施方式参考了附图，附图通过展示的方式示出了可以实践本披露内容的具体细节和实施方案。足够详细地描述了这些实施方案，以使本领域技术人员能够实践本披露内容。可以利用其他实施方案并且可以在不脱离本披露内容的范围的情况下进行结构改变和逻辑改变。各种实施方案不一定是相互排斥的，因为一些实施方案可以与一个或多个其他实施方案组合以形成新的实施方案。
在外壳组件、车辆、或需求通知方法中的一者的上下文中描述的实施方案对于其他外壳组件、车辆、或需求通知方法是类似有效的。类似地，在外壳组件的上下文中描述的实施方案对于车辆或需求通知方法是类似有效的，反之亦然。
在实施方案的上下文中描述的特征可以相应地适用于其他实施方案中的相同或类似的特征。在实施方案的上下文中描述的特征即使未在其他实施方案中明确地描述也可以相应地适用于这些其他实施方案。此外，如针对实施方案的上下文中的特征所描述的添加和/或组合和/或替代可以相应地适用于其他实施方案中的相同或类似的特征。
在各个实施方案的上下文中，针对特征或元素所使用的冠词″一(a)″、″一个(an)″和″该(the)″包括对一个或多个特征或元素的提及。
如本文使用的，术语″和/或″包括相关联的列举项目中的一个或多个的任何和所有组合。
图1展示了根据各种实施方案的需求通知设备110(也表示为计算设备110)。需求通知设备110包括确定单元122、分析单元124、通知单元126、一个或多个处理器128以及存储器130。说明性地，一定数量的用户(也表示为乘客)使用个人运输服务，例如Grab公司。用户在第二时间段内的位置能够被识别为运输服务在第一时间段内在预定区域内的目的地。
预定区域可以包括用户的不同目的地。预定区域可以是连续的区域，例如办公综合楼、工业区、商业区、住宅区等。替代地或另外地，预定区域可以具有或者可以是单个地理哈希码区域、单个邮政编码区域或单个无线电小区区域，但不必限于此。
用户(乘客)102、104、106代表预定区域中服务提供商120提交服务订单112的多个用户(客户)的数量，该服务提供商提供要在真实空间116中完成的服务116(例如，食品配送服务)。换句话说，运输服务的用户可以是使用真实空间服务的客户的代表性样本。
服务订单可以包括配送订单，例如，商品从第一位置(例如，提供食品的餐馆)到第二位置(例如，客户在预定区域内的工作地点或住所)的配送。
需求通知设备110被配置为基于第一时间段内的运输数据来预测在预定时间(第三时间段)内预定区域内的服务需求(服务量116)，例如，以预定区域为运输服务的目的地的运输需求，如下文更详细描述的。可以基于第二时间段(例如，前一天的同一时间、或前一周的同一日子的同一时间)内的真实空间服务需求以及第一时间段内的用户样本来确定第三时间内的真实空间服务需求。这样，服务提供商120可以相应地规划资源(例如，并行通信连接)，并且因此与没有预测服务需求可用的情况相比，避免或减少了数据和/或通信流量以及通信流量密度。
确定单元122可以被配置为确定用户102、104、106之中在第一时间段内具有目的地在预定区域内的运输服务需求的数量。因此，可以根据使用运输服务的用户102、104、106的个人化目的地(运输数据)来考虑运输需求，其中，每个个人化目的地都可以位于预定区域内。
确定单元122进一步被配置为确定在第二时间段内在预定区域内要满足的多个用户102、104、106的真实空间服务需求(服务数据)。真实空间服务可以由服务提供商120提供。使用运输服务的该数量的用户102、104、106中的一些用户可以是请求真实空间服务(例如，食品配送服务或快运邮递快递服务)的该多个用户的一部分。然而，使用运输服务的该数量的用户102、104、106不一定是请求真实空间服务的该多个用户的一部分。使用运输服务的该数量的用户102、104、106可以代表预定区域中的用户样本，因此代表运输服务与真实空间服务之间的相关性或者可以与它们之间的相关系数成比例。确定单元122可以是例如由服务提供商托管的(移动)通信设备。确定单元122可以包括被配置为从用户102、104、106接收真实空间服务订单的接收器。
分析单元124可以被配置为基于在第一时间段内预定区域内的用户102、104、106的数量以及在第二时间段内预定区域内的真实空间服务需求，来确定预定区域在第三时间段内的预测真实空间服务需求，并且可以进一步被配置为关于预定区域在第三时间的服务需求阈值来监测预定区域在第三时间段内的预测真实空间服务需求。分析单元124通信地耦合到确定单元122，并且可以从确定单元122接收原始数据，例如运输数据和服务订单。
通知单元126可以被配置为在预测真实空间服务需求可能超过阈值的情况下向真实空间服务提供商120提交通知114。替代地或另外地，通知单元可以在存储器130中标记或通知预定区域在第三时间段内的预测需求。通知单元126通信地耦合到分析单元124，并且可以从分析单元124接收信号数据，例如预测服务需求、标记信号(在达到预测服务需求的阈值的情况下)。信号数据可以经由传送器通过网络传送到服务提供商和/或存储在例如由服务提供商托管的存储器中。通知114可以被配置为修改服务提供商120的通信时间表和/或资源规划。作为示例，通知114可以引起或触发服务提供商进行资源重组。这样，可以在第三时间段期间降低服务提供商的数据速率、数据量、通信量、通信密度和/或资源需求。
存储器130其中可以存储有指令，这些指令在由一个或多个处理器128执行时使一个或多个处理器128进行以下操作：基于使用运输服务的用户102、104、106的个人化目的地，确定在第一时间段内预定区域内的用户102、104、106的数量，其中，每个个人化目的地都可以位于预定区域内；确定在第二时间段内在预定区域内要满足的多个用户102、104、106的真实空间服务需求，其中，真实空间服务可以由服务提供商120提供；基于在第一时间段内预定区域内的用户102、104、106的数量以及在第二时间段内预定区域内的真实空间服务需求，确定预定区域在第三时间段内的预测真实空间服务需求；监测预定区域在第三时间段内的预测真实空间服务需求，以确定是否可能达到预定区域在第三时间的服务需求阈值；以及在预测真实空间服务需求可能超过阈值的情况下向真实空间服务提供商120提交通知。替代地或另外地，可以在存储器130中针对第三时间段标记预定区域。
对预测真实空间服务需求的确定可以是基于推荐系统来进行的，该推荐系统使用在第一时间段内预定区域内的用户102、104、106的数量以及在第二时间段内预定区域内的真实空间服务需求作为输入信号。
在各种实施方案中，真实空间服务包括配送服务、食品配送服务或(快运)邮政快递服务。真实空间服务可以与运输服务(例如，配送服务)相关或者包括运输服务。然而，真实空间服务也可能是打算预测客户数量的餐馆。
在各种实施方案中，第一时间段、第二时间段和第三时间段可以具有在30min至约2h范围内的时段长度。第一时间段、第二时间段和第三时间段可以具有相同的时段长度或不同的时段长度。第一时间段、第二时间段和/或第三时间段可以是能够调节的。
在各种实施方案中，第三时间段可以在第一时间段的同一天的稍晚时候。作为示例，可以基于同一工作日或银行假日的早晨的运输数据来为预定区域预测午餐和/或晚餐的食品配送需求。
在各种实施方案中，第一时间段和第二时间段可以在不同的日子。作为示例，在预定区域内，在第一天和(在第一天之前的)第二天的运输需求大致相同的情况下，第一天的食品配送需求可能与第二天的食品配送需求大致相同。
图2和图3展示了时间感知跨行业学习过程的逻辑流程图。
在第一过程步骤210中，输入并预处理用户302的历史运输数据304和(真实空间服务的)服务数据306，例如原始运输数据和食品配送订单数据。
然后，在进一步的步骤220中，执行时空特征提取。特征包括时间312(例如，以小时表示)和行程下车位置(目的地)314(例如，以食品配送的地理哈希码(geographical hashcode)(也表示为地理哈希码(geohash code))表示)，以及运输的行程下车位置318(例如，以地理哈希码(geographical hash code)(也表示为地理哈希码(geohash code))表示)。
作为示例，时间312可以以一天中的小时表示，从0到23。
位置特征314、318可以是运输或配送服务的下车位置，例如以6个地理哈希字符表示。地理哈希字符可以包括行程的足够空间信息。
旅行的时间312和位置314、318可以与用户316一起被转换成嵌入权重，然后经过TAXI学习过程。即，特征(步骤230)经过共享嵌入权重学习层320(其共享运输数据314和食品配送数据318)，并经过(步骤240)TAXI层322、324(其包括用于学习运输数据与食品配送数据之间的关系的一个或多个网络层)。步骤230、240可以重复多次(由箭头260说明)，以增加预测的置信度。TAXI学习过程320可以包括共享的用户-项目316嵌入权重学习322。
最后(步骤250)，提供个人化预测食品配送服务需求326(在图3中表示为y)。在图3中用
Figure BDA0003428864050000101
表示的运输需求336可以包含可能妨碍对信号进行可靠解释的信噪比。
以这种方式，嵌入层240可以更容易地捕获相关的跨行业信息。
可以使用比率为0.2的dropout方案来克服过拟合。可以逐个情况选择潜在嵌入维数。需求通知方法可以将不同的嵌入维数用于用户和特征项。嵌入维数可以对应于图3中特征312、314、316和318(步骤230)中的维数。
具体地，在层310中产生共享嵌入权重之后，可以对用户316以及分别针对食品行程314和运输行程318的位置嵌入实施第一逐元素乘法器层320。
时间嵌入312可以用于食品304但不可以用于运输306，因为食品312的时间信息可能与确定个人化食品需求330(y)密切相关，而运输的时间嵌入可能为时间信息提供太多噪声。
然后时间嵌入312以及第一乘法器层320的输出可以经过用于食品行程的附加(第二)层322。
第三层324可以是具有整流线性单元(ReLU)激活的密集层，该密集层以第一层320和第二层322的输出作为输入。可以对运输旅行306的预测输出336和食品旅行304的预测输出326进行联合训练328，以实现跨域联合学习。可以采用学习率为0.001的Adam学习器。由于对于个人用户/乘客302，他/她通常在特定时间和位置进行一次运输乘车预订或食品配送订单，这可能是二元预测。然而，ReLU激活可以与泊松损失函数一起使用，而不是将sigmoid激活与二元交叉熵损失一起使用，因为预测的是商业意义上的计数。
图4展示了根据各种实施方案的需求通知方法400的流程图。该需求通知方法包括：确定410在第一时间段内以预定区域为目的地的多个用户(102，104，106)的运输服务需求数量，该需求数量指示该多个用户中有多少个用户被确定为想要到预定区域去；确定420在第二时间段内在预定区域内要满足的多个用户102、104、106的真实空间服务需求，其中，真实空间服务可以由服务提供商120提供；基于在第一时间段内预定区域内的用户102、104、106的数量以及在第二时间段内预定区域内的真实空间服务需求，确定430预定区域在第三时间段内的预测真实空间服务需求；关于预定区域在第三时间的阈值来监测440预定区域在第三时间段内的预测真实空间服务需求；以及在预测真实空间服务需求可能超过阈值的情况下向真实空间服务提供商120提交450通知。
实施例
在下文中，描述了说明各种实施方案的实施例并且这些实施例不旨在限制本发明的范围。
实施例1是一种需求通知设备，包括：确定单元，该确定单元被配置为确定在第一时间段内以预定区域为目的地的多个用户(102，104，106)的运输服务需求数量，该需求数量指示该多个用户中有多少个用户被确定为想要到该预定区域去；并且其中，该确定单元进一步被配置为确定在第二时间段内在该预定区域内要满足的多个用户的真实空间服务需求该真实空间服务由服务提供商提供；分析单元，该分析单元被配置为基于在该第一时间段内该预定区域内的用户的数量以及在该第二时间段内该预定区域内的真实空间服务需求，来确定该预定区域在第三时间段内的预测真实空间服务需求，并且进一步被配置为关于该预定区域在该第三时间的服务需求阈值来监测该预定区域在该第三时间段内的该预测真实空间服务需求；以及通知单元，该通知单元被配置为在该预测真实空间服务需求超过该阈值的情况下向该真实空间服务提供商提交通知。
在实施例2中，如实施例1所述的需求通知设备进一步包括：该真实空间服务包括配送服务。
在实施例3中，如实施例1或2所述的需求通知设备进一步包括：该预定区域是地理哈希码区域、邮政编码区域或无线电小区区域。
在实施例4中，如实施例1至3中任一项所述的需求通知设备进一步包括：该第一时间段、该第二时间段和该第三时间段具有在30min至约2h范围内的时段长度。
在实施例5中，如实施例1至4中任一项所述的需求通知设备进一步包括：该第一时间段、该第二时间段和该第三时间段具有相同的时段长度。
在实施例6中，如实施例1至5中任一项所述的需求通知设备进一步包括：该第一时间段、该第二时间段和/或该第三时间段是能够调节的。
在实施例7中，如实施例1至6中任一项所述的需求通知设备进一步包括：对该预测真实空间服务需求的确定是基于推荐系统来进行的，该推荐系统使用在该第一时间段内该预定区域内的用户的数量以及在该第二时间段内该预定区域内的真实空间服务需求作为输入信号。
在实施例8中，如实施例1至7中任一项所述的需求通知设备进一步包括：该第三时间段是在与该第一时间段同一天的稍晚时候。
在实施例9中，如实施例1至8中任一项所述的需求通知设备进一步包括：该第一时间段和该第二时间段在不同的日子。
在实施例10中，如实施例1至9中任一项所述的需求通知设备进一步包括：该第一时间段晚于该第二时间段。
实施例11是一种计算设备，包括：一个或多个处理器；以及其中存储有指令的存储器，这些指令在由该一个或多个处理器执行时使该一个或多个处理器进行以下操作：确定在第一时间段内以预定区域为目的地的多个用户(102，104，106)的运输服务需求数量，该需求数量指示该多个用户中有多少个用户被确定为想要到该预定区域去；确定在第二时间段内在该预定区域内要满足的多个用户的真实空间服务需求，其中，该真实空间服务由服务提供商提供；基于在该第一时间段内该预定区域内的用户的数量以及在该第二时间段内该预定区域内的真实空间服务需求，确定该预定区域在第三时间段内的预测真实空间服务需求；监测该预定区域在该第三时间段内的该预测真实空间服务需求，以确定是否达到该预定区域在该第三时间的服务需求阈值；以及在该预测真实空间服务需求超过该阈值的情况下向该真实空间服务提供商提交通知。
在实施例12中，如实施例11所述的计算设备进一步包括：该真实空间服务包括配送服务。
在实施例13中，如实施例11或12所述的计算设备进一步包括：该预定区域是地理哈希码区域、邮政编码区域或无线电小区区域。
在实施例14中，如实施例11至13中任一项所述的计算设备进一步包括：该第一时间段、该第二时间段和该第三时间段具有在30min至约2h范围内的时段长度。
在实施例15中，如实施例11至14中任一项所述的计算设备进一步包括：该第一时间段、该第二时间段和该第三时间段具有相同的时段长度。
在实施例16中，如实施例11至15中任一项所述的计算设备进一步包括：该第一时间段、该第二时间段和/或该第三时间段是能够调节的。
在实施例17中，如实施例11至16中任一项所述的计算设备进一步包括：对该预测真实空间服务需求的确定是基于推荐系统来进行的，该推荐系统使用在该第一时间段内该预定区域内的用户的数量以及在该第二时间段内该预定区域内的真实空间服务需求作为输入信号。
在实施例18中，如实施例11至17中任一项所述的计算设备进一步包括：该第三时间段是在与该第一时间段同一天的稍晚时候。
在实施例19中，如实施例11至18中任一项所述的计算设备进一步包括：该第一时间段和该第二时间段在不同的日子。
在实施例20中，如实施例11至19中任一项所述的计算设备进一步包括：该第一时间段晚于该第二时间段。
实施例21是一种需求通知方法，包括：确定在第一时间段内以预定区域为目的地的多个用户(102，104，106)的运输服务需求数量，该需求数量指示该多个用户中有多少个用户被确定为想要到该预定区域去；基于在该第一时间段内该预定区域内的用户的数量以及在该第二时间段内该预定区域内的真实空间服务需求，确定该预定区域在第三时间段内的预测真实空间服务需求；关于该预定区域在该第三时间的阈值来监测该预定区域在该第三时间段内的该预测真实空间服务需求；以及在该预测真实空间服务需求超过该阈值的情况下向该真实空间服务提供商提交通知。
在实施例22中，如实施例21所述的需求通知方法进一步包括：该真实空间服务包括配送服务。
在实施例23中，如实施例21或22所述的需求通知方法进一步包括：该预定区域是地理哈希码区域、邮政编码区域或无线电小区区域。
在实施例24中，如实施例21至23中任一项所述的需求通知方法进一步包括：该第一时间段、该第二时间段和该第三时间段具有在30min至约2h范围内的时段长度。
在实施例25中，如实施例21至24中任一项所述的需求通知方法进一步包括：该第一时间段、该第二时间段和该第三时间段具有相同的时段长度。
在实施例26中，如实施例21至25中任一项所述的需求通知方法进一步包括：该第一时间段、该第二时间段和/或该第三时间段是能够调节的。
在实施例27中，如实施例21至26中任一项所述的需求通知方法进一步包括：对该预测真实空间服务需求的确定是基于推荐系统来进行的，该推荐系统使用在该第一时间段内该预定区域内的用户的数量以及在该第二时间段内该预定区域内的真实空间服务需求作为输入信号。
在实施例28中，如实施例21至27中任一项所述的需求通知方法进一步包括：该第三时间段是在与该第一时间段同一天的稍晚时候。
在实施例29中，如实施例21至28中任一项所述的需求通知方法进一步包括：该第一时间段和该第二时间段在不同的日子。
在实施例30中，如实施例21至29中任一项所述的需求通知方法进一步包括：该第一时间段晚于该第二时间段。
虽然已经参考特定实施方案具体示出和描述了本披露内容，但是本领域技术人员应当理解，在不脱离如所附权利要求所限定的本发明的精神和范围的情况下，可以在其中进行形式和细节的各种变化。因此，本发明的范围由所附权利要求指示，并且因此旨在涵盖属于权利要求的等同物的含义和范围内的所有改变。

Claims (15)

1.一种需求通知设备(110)，包括，
确定单元(122)，该确定单元被配置为确定在第一时间段内以预定区域为目的地的多个用户(102，104，106)的运输服务需求数量，该需求数量指示该多个用户中有多少个用户被确定为想要到该预定区域去；并且
其中，该确定单元(122)进一步被配置为确定在第二时间段内在该预定区域内要满足的多个用户(102，104，106)的真实空间服务需求，其中，该真实空间服务由服务提供商(120)提供；
分析单元(124)，该分析单元被配置为基于在该第一时间段内该预定区域内的用户(102，104，106)的数量以及在该第二时间段内该预定区域内的真实空间服务需求，来确定该预定区域在第三时间段内的预测真实空间服务需求，并且进一步被配置为关于该预定区域在该第三时间的服务需求阈值来监测该预定区域在该第三时间段内的该预测真实空间服务需求；以及
通知单元(126)，该通知单元被配置为在该预测真实空间服务需求超过该阈值的情况下向该真实空间服务提供商(120)提交通知。
2.如权利要求1所述的需求通知设备(110)，
其中，该真实空间服务包括配送服务。
3.如权利要求1或2所述的需求通知设备(110)，
其中，该预定区域是地理哈希码区域、邮政编码区域或无线电小区区域。
4.如权利要求1至3中任一项所述的需求通知设备(110)，
其中，该第一时间段、该第二时间段和该第三时间段具有在30min至约2h范围内的时段长度。
5.如权利要求1至4中任一项所述的需求通知设备(110)，
其中，该第一时间段、该第二时间段和该第三时间段具有相同的时段长度。
6.如权利要求1至5中任一项所述的需求通知设备(110)，
其中，该第一时间段、该第二时间段和/或该第三时间段是能够调节的。
7.如权利要求1至6中任一项所述的需求通知设备(110)，
其中，对该预测真实空间服务需求的确定是基于推荐系统来进行的，该推荐系统使用在该第一时间段内该预定区域内的用户(102，104，106)的数量以及在该第二时间段内该预定区域内的真实空间服务需求作为输入信号。
8.如权利要求1至7中任一项所述的需求通知设备(110)，
其中，该第三时间段是在与该第一时间段同一天的稍晚时候。
9.如权利要求1至8中任一项所述的需求通知设备(110)，
其中，该第一时间段和该第二时间段在不同的日子。
10.如权利要求1至9中任一项所述的需求通知设备(110)，
其中，该第一时间段晚于该第二时间段。
11.一种计算设备(110)，包括：
一个或多个处理器(128)；以及
其中存储有指令的存储器(130)，这些指令在由该一个或多个处理器(128)执行时使该一个或多个处理器(128)进行以下操作：
基于使用运输服务的用户(102，104，106)的个人化目的地，确定在第一时间段内预定区域内的用户(102，104，106)的数量，其中，这些个人化目的地中的每一个都位于该预定区域内；
确定在第二时间段内在该预定区域内要满足的多个用户(102，104，106)的真实空间服务需求，其中，该真实空间服务由服务提供商(120)提供；
确定在第一时间段内以预定区域为目的地的多个用户(102，104，106)的运输服务需求数量，该需求数量指示该多个用户中有多少个用户被确定为想要到该预定区域去；
监测该预定区域在该第三时间段内的该预测真实空间服务需求，以确定是否达到该预定区域在该第三时间的服务需求阈值；以及
在该预测真实空间服务需求超过该阈值的情况下向该真实空间服务提供商(120)提交通知，和/或
在该存储器(130)中针对该第三时间段标记该预定区域。
12.如权利要求11所述的计算设备(110)，
其中，该第一时间段、该第二时间段和该第三时间段具有相同的时段长度。
13.如权利要求11或12中任一项所述的计算设备(110)，
其中，该第一时间段、该第二时间段和/或该第三时间段是能够调节的。
14.如权利要求11至13中任一项所述的计算设备(110)，
其中，对该预测真实空间服务需求的确定是基于推荐系统来进行的，该推荐系统使用在该第一时间段内该预定区域内的用户(102，104，106)的数量以及在该第二时间段内该预定区域内的真实空间服务需求作为输入信号。
15.一种需求通知方法(400)，包括：
确定(410)在第一时间段内以预定区域为目的地的多个用户(102，104，106)的运输服务需求数量，该需求数量指示该多个用户中有多少个用户被确定为想要到该预定区域去；
其中，这些个人化目的地中的每一个都位于该预定区域内；
确定(420)在第二时间段内在该预定区域内要满足的多个用户(102，104，106)的真实空间服务需求，其中，该真实空间服务由服务提供商(120)提供；
基于在该第一时间段内该预定区域内的用户(102，104，106)的数量以及在该第二时间段内该预定区域内的真实空间服务需求，确定(430)该预定区域在第三时间段内的预测真实空间服务需求；
关于该预定区域在该第三时间的阈值来监测(440)该预定区域在该第三时间段内的该预测真实空间服务需求；以及
在该预测真实空间服务需求超过该阈值的情况下向该真实空间服务提供商(120)提交(450)通知。
CN202080046159.0A 2020-03-06 2020-03-06 需求通知设备、计算设备及需求通知方法 Active CN114096973B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/SG2020/050112 WO2021177892A1 (en) 2020-03-06 2020-03-06 Demand notification device, computing device and demand notification method

Publications (2)

Publication Number Publication Date
CN114096973A true CN114096973A (zh) 2022-02-25
CN114096973B CN114096973B (zh) 2023-03-24

Family

ID=77612925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080046159.0A Active CN114096973B (zh) 2020-03-06 2020-03-06 需求通知设备、计算设备及需求通知方法

Country Status (5)

Country Link
US (1) US20220405787A1 (zh)
CN (1) CN114096973B (zh)
SG (1) SG11202113327PA (zh)
TW (1) TW202147194A (zh)
WO (1) WO2021177892A1 (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110040655A1 (en) * 2009-05-19 2011-02-17 Bradley Marshall Hendrickson System and Method for Improving the Accuracy of Marketing to Consumers Based on the Geographic Position of the Consumer as Determined Using GPS Recognition and a Consumer Profile Built From Specified Consumer Preferences and Purchases
US20150371157A1 (en) * 2014-06-20 2015-12-24 Uber Technologies, Inc. Trip planning and implementation
US20160035039A1 (en) * 2014-08-04 2016-02-04 Tata Consultancy Services Limited System and method for recommending services to customers
CN105976140A (zh) * 2016-04-27 2016-09-28 大连海事大学 大规模流式数据环境下的车货实时匹配方法
US20180032928A1 (en) * 2015-02-13 2018-02-01 Beijing Didi Infinity Technology And Development C O., Ltd. Methods and systems for transport capacity scheduling
CN107886363A (zh) * 2012-07-03 2018-04-06 优步技术公司 用于提供按需服务的动态供应定位的系统和方法
US20180315088A1 (en) * 2017-04-28 2018-11-01 Uber Technologies, Inc. Recommendation engine for generating context-specific recommendations
US10157396B1 (en) * 2017-12-19 2018-12-18 Capital One Services, Llc Allocation of service provider resources based on a capacity to provide the service
CN109345299A (zh) * 2018-09-21 2019-02-15 北京三快在线科技有限公司 一种调整服务范围的方法及装置
CN109426885A (zh) * 2017-08-28 2019-03-05 北京小度信息科技有限公司 订单分配方法和装置
US20190385265A1 (en) * 2017-02-22 2019-12-19 Ford Motor Company Smart vehicle parking apparatus and related methods
WO2020019237A1 (en) * 2018-07-26 2020-01-30 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for dispatching service providers

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130246207A1 (en) * 2012-03-19 2013-09-19 Uber Technologies, Inc. System and method for dynamically adjusting prices for services
US20150161752A1 (en) * 2013-12-11 2015-06-11 Uber Technologies Inc. Intelligent queuing for user selection in providing on-demand services
US9615208B2 (en) * 2014-11-07 2017-04-04 Uber Technologies, Inc. Dynamically controlling the presentation of a graphic feature based on location information
US20160335576A1 (en) * 2015-05-12 2016-11-17 Uber Technologies, Inc. Location-based prediction of transport services
US20180101878A1 (en) * 2016-10-11 2018-04-12 Gt Gettaxi Limited System for navigating drivers to passengers based on arrival times and surge pricing information
US20180314998A1 (en) * 2017-04-26 2018-11-01 Uber Technologies, Inc. Resource Allocation in a Network System
CN108009652B (zh) * 2017-08-16 2021-03-05 北京嘀嘀无限科技发展有限公司 信息显示方法、装置、终端设备和计算机可读存储介质
US20190122164A1 (en) * 2017-10-24 2019-04-25 Uber Technologies, Inc. On-demand coordinated comestible item delivery system
EP3640867A1 (en) * 2018-10-15 2020-04-22 Accenture Global Solutions Limited Continuous delivery

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110040655A1 (en) * 2009-05-19 2011-02-17 Bradley Marshall Hendrickson System and Method for Improving the Accuracy of Marketing to Consumers Based on the Geographic Position of the Consumer as Determined Using GPS Recognition and a Consumer Profile Built From Specified Consumer Preferences and Purchases
CN107886363A (zh) * 2012-07-03 2018-04-06 优步技术公司 用于提供按需服务的动态供应定位的系统和方法
US20150371157A1 (en) * 2014-06-20 2015-12-24 Uber Technologies, Inc. Trip planning and implementation
US20160035039A1 (en) * 2014-08-04 2016-02-04 Tata Consultancy Services Limited System and method for recommending services to customers
US20180032928A1 (en) * 2015-02-13 2018-02-01 Beijing Didi Infinity Technology And Development C O., Ltd. Methods and systems for transport capacity scheduling
CN105976140A (zh) * 2016-04-27 2016-09-28 大连海事大学 大规模流式数据环境下的车货实时匹配方法
US20190385265A1 (en) * 2017-02-22 2019-12-19 Ford Motor Company Smart vehicle parking apparatus and related methods
US20180315088A1 (en) * 2017-04-28 2018-11-01 Uber Technologies, Inc. Recommendation engine for generating context-specific recommendations
CN109426885A (zh) * 2017-08-28 2019-03-05 北京小度信息科技有限公司 订单分配方法和装置
US10157396B1 (en) * 2017-12-19 2018-12-18 Capital One Services, Llc Allocation of service provider resources based on a capacity to provide the service
WO2020019237A1 (en) * 2018-07-26 2020-01-30 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for dispatching service providers
CN109345299A (zh) * 2018-09-21 2019-02-15 北京三快在线科技有限公司 一种调整服务范围的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
VAN SON NGUYEN等: "Prediction-based optimization for online People and Parcels share a ride taxis", 《2017 9TH INTERNATIONAL CONFERENCE ON KNOWLEDGE AND SYSTEMS ENGINEERING》 *
秋水水水凝凝: ""费米估算题目汇总"", 《简书》 *

Also Published As

Publication number Publication date
TW202147194A (zh) 2021-12-16
CN114096973B (zh) 2023-03-24
SG11202113327PA (en) 2021-12-30
WO2021177892A1 (en) 2021-09-10
US20220405787A1 (en) 2022-12-22

Similar Documents

Publication Publication Date Title
US11574264B2 (en) Interactive network and method for securing conveyance services
US9959505B1 (en) High value information alert and reporting system and method
Bliemer et al. Genetics of traffic assignment models for strategic transport planning
US11574377B2 (en) Intelligent on-demand management of ride sharing in a transportation system
US20170116566A1 (en) Apparatus and method for predictive dispatch for geographically distributed, on-demand services
WO2016127918A1 (zh) 一种运力调度方法及系统
KR20210052499A (ko) e-헤일링(e-hailing) 서비스
Jäger et al. Multi-agent simulation of a demand-responsive transit system operated by autonomous vehicles
Cheng et al. A policy of picking up parcels for express courier service in dynamic environments
Safira et al. The impact of online food delivery service on eating-out behavior: a case of Multi-Service Transport Platforms (MSTPs) in Indonesia
CN118097316B (zh) 一种基于货物转移进度及用户行为监控的货物分类方法
WO2016077677A1 (en) Business fleet scheduling and transport logistics
Hou et al. Optimization framework for crowd-sourced delivery services with the consideration of shippers’ acceptance uncertainties
Khir et al. Two-stage sort planning for express parcel delivery
Zech et al. Collective dynamics of capacity-constrained ride-pooling fleets
Liu et al. Practical taxi sharing schemes at large transport terminals
CN114096973B (zh) 需求通知设备、计算设备及需求通知方法
Abdeen et al. A Hierarchical Algorithm for In-city Parking Allocation Based on Open Street Map and AnyLogic Software
Morales Lucas et al. Natural computing applied to the underground system: A synergistic approach for smart cities
Masegosa et al. Applications of soft computing in intelligent transportation systems
Abdul Aziz et al. Network traffic control in cyber-transportation systems accounting for user-level fairness
Luo et al. A connected-vehicle-based dynamic control model for managing the bus bunching problem with capacity constraints
Rajkumar et al. Intelligent request grabber: increases the vehicle traffic prediction rate using social and taxi requests based on lstm
Ben-Ayed Re-engineering the inter-facility process of a parcel distribution company to improve the level of performance
Rahaman Context-aware mobility analytics and trip planning

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