
تاکسی های اینترنتی در هنگام انتظار رانندگان برای مسافردرخواست هایی در فاصلهمکانی ۱۰۰ تا ۵۰۰۰ متر را برای رانندگان در انتظار سرویس ارسال میکنند که اکثر رانندگان با توجه به وضعیت شبکه(پر درخواست یا کم درخواست )و پارامتر های دیگر مانند ساعت فعالیت و ترافیک محلی که در آن قرار دارندو اینکه فواصل بیش از ۲۰۰۰ متر را خود یکسفر داخلی میدانندحاضر به قبول کردن اینگونه سرویسها نیستند و دردسترسقرارگرفتن اینگونه درخواستها برای آنها باعثتاخیر در قبولسفر از طرف رانندگان و نارضایتیهر دوگروهمسافر وراننده خواهد شد.
هوش مصنوعیمیتواند با بررسی.وضعیت قبول سفرها نسبت به فاصله راننده از مبدا بعد از گذشت حدود ۱ ماه یا یکصدسفر آخر الگوی پذیرش سفرهای رانندگان را استخراج و با هدایت اینگونهدرخواستها به رانندگان مستعد دریافت، باعث افزایش سرعت دریافت سفر و رضایت هردوطرف.بشود
ازطرف دیگر
الگوی حرکتی رانندگان در طول روز توسط هوش مصنویی کاملا قابل بررسی و تشخیص میباشد.
برای مثال هرراننده با توجه به الویت های مختلف مانند محل زندگی واینکه چه زمانی از روز است همواره در مسیرهای خاصی تردد میکند(جنوب به شمال یا شرق به غرب و برعکس) و در ساعات پایانی محدوده زمانی فعالیت نیز بدون توجه به اینکه در چه محدوده جغرافیایی از شهر قرار دارد در ۹۰ درصد مواقع در مسیرخانه اقدام به قبول سفر خواهدکرد
اینجاست که هوش مصنوعی با تحت نظر داشتن این پترن های کاملا مشخص و پر تکرار با تخصیص تقاضاهای سفر بر اساس نزدیکی به این الگوها باعث افزایش سرعت دریافت سرویس توسط راننده و مسافر خواهد شد
مهرداد علیپور