論文の概要: Fare Comparison App of Uber, Ola and Rapido

• arxiv url: http://arxiv.org/abs/2512.04065v1
• Date: Wed, 03 Dec 2025 18:48:33 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 11:56:07.711517
• Title: Fare Comparison App of Uber, Ola and Rapido
• Title（参考訳）: Uber、Ola、Rapidoの比較アプリ
• Authors: Ashlesha Gopinath Sawant, Sahil S. Jadhav, Vidhan R. Jain, Shriraj S. Jagtap, Prachi Jadhav, Soham Jadhav, Ichha Raina,
• Abstract要約: このプロジェクトでは、最も有益な乗車を選ぶのに役立つWebアプリケーションを提供しています。 バックエンドはデータを取得するために使用され、ユーザは乗車の運賃比較を提供し、最後にPythonを使ってベストなオプションを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In todays increasing world, it is very important to have good hailing services like Ola, Uber, and Rapido as it is very essential for our daily transportation. Users often face difficulties in choosing the most appropriate and efficient ride that would lead to both cost-effective and would take us to our destination in less time. This project provides you with the web application that helps you to select the most beneficial ride for you by providing users with the fare comparison between Ola, Uber, Rapido for the destination entered by the user. The backend is use to fetch the data, providing users with the fare comparison for the ride and finally providing with the best option using Python. This research paper also addresses the problem and challenges faced in accessing the data using APIs, Android Studios emulator, Appium and location comparison. Thus, the aim of the project is to provide transparency to the users in ride-hailing services and increase efficiency and provide users with better experience.
• Abstract（参考訳）: 今日の成長する世界では、Ola、Uber、Rapidoのような優れた配車サービスを持つことが非常に重要です。 ユーザはしばしば、コスト効率の両立につながる最も適切で効率的な乗車を選ぶことの難しさに直面します。 このプロジェクトでは、Ola、Uber、Rapidoの運賃比較をユーザが入力した目的地に提供することによって、最も有益な乗車選択を支援するWebアプリケーションを提供する。 バックエンドはデータを取得するために使用され、ユーザは乗車の運賃比較を提供し、最後にPythonを使ってベストなオプションを提供する。 本研究は,API,Android Studiosエミュレータ,Appium,位置比較を用いてデータにアクセスする上で直面する問題と課題にも対処する。 このプロジェクトの目的は、ライドシェアリングサービスのユーザに対して透明性を提供し、効率を向上し、ユーザに対してより良いエクスペリエンスを提供することである。

関連論文リスト

• Are LLM-based methods good enough for detecting unfair terms of service? [67.49487557224415]
  大規模言語モデル(LLM)は、長いテキストベースの文書を解析するのに適している。 プライバシーポリシーの集合に対して個別に適用された12の質問からなるデータセットを構築します。 いくつかのオープンソースモデルは、いくつかの商用モデルと比較して高い精度を提供できる。
  論文  参考訳（メタデータ） (2024-08-24T09:26:59Z)
• A greedy approach for increased vehicle utilization in ridesharing networks [0.3480973072524161]
  ライドシェアリングプラットフォームは 都市部の住民にとって 顕著な交通手段になっています 道路網全体からウィンドウへの探索空間を削減できるk-hopベースのスライディングウインドウ近似アルゴリズムを提案する。 実世界のデータセット上で提案したモデルを評価し,実験結果から提案モデルによる優れた性能を示す。
  論文  参考訳（メタデータ） (2023-04-02T07:25:01Z)
• Short term prediction of demand for ride hailing services: A deep learning approach [8.61268901380738]
  本稿では,配車サービス需要の短期予測のためのディープラーニング畳み込みニューラルネットワークUberNetを提案する。 UberNetのパフォーマンスを他のいくつかのアプローチと比較することにより、モデルの予測品質が極めて競争力があることを示す。 これはUbernetが、配車サービスのリアルタイム旅客需要予測に複雑なモチベーターを含めるのに、より自然に適していることを示唆している。
  論文  参考訳（メタデータ） (2022-12-07T21:08:03Z)
• Efficiency, Fairness, and Stability in Non-Commercial Peer-to-Peer Ridesharing [84.47891614815325]
  本稿は、P2Pライドシェアリングにおける中核的な問題である、ライダーとドライバーのマッチングに焦点を当てる。 P2Pライドシェアリングにおける公平性と安定性の新たな概念を紹介する。 結果は、妥当な計算時間で、公平で安定した解が得られることを示唆している。
  論文  参考訳（メタデータ） (2021-10-04T02:14:49Z)
• Explaining Ridesharing: Selection of Explanations for Increasing User Satisfaction [10.86084463641286]
  ユーザ満足度を高めるための説明を提供するエージェントを開発する。 機械学習ベースのエージェントは、ユーザの満足度を高める可能性が最も高い説明を選択する。 人間からのフィードバックを用いて、私たちの機械学習ベースのエージェントは、合理的エージェントとランダムに説明を選択するエージェントよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-05-26T12:03:09Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)
• Polestar: An Intelligent, Efficient and National-Wide Public Transportation Routing Engine [43.09401975244128]
  Polestarは、インテリジェントで効率的な公共交通機関ルーティングのためのデータ駆動型エンジンである。 具体的には,交通費の異なる公共交通機関をモデル化するための新しい公共交通グラフ(PTG)を提案する。 次に、効率的な経路候補生成のための効率的な局結合法と組み合わせた一般経路探索アルゴリズムを提案する。 2つの実世界のデータセットの実験は、効率性と有効性の両方の観点からPoestarの利点を実証している。
  論文  参考訳（メタデータ） (2020-07-11T05:14:52Z)
• Study of the usability of LinkedIn: a social media platform meant to connect employers and employees [91.3755431537592]
  本稿では,LinkedInのユーザビリティをユーザ評価と専門家評価の両方を用いて評価する。 LinkedInアプリケーションの全体的なユーザビリティは、SUS(System Usability Scale)を使用して測定されている。
  論文  参考訳（メタデータ） (2020-06-06T18:19:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。