相关申请的交叉引用本申请基于并要求于2018年12月17日提交的美国临时专利申请no.62/780,695的权益，该申请通过引用并入本文。本公开总体上涉及导航和图像内容分析。更具体地，本公开涉及使用计算设备确定会面位置。
背景技术：
：：与地理区域的状态相关联的操作可以在各种计算设备上实现。这些操作可以包括处理与地理区域相关联的数据，以供用户或计算系统以后访问和使用。此外，这些操作可以包括与远程计算系统交换数据。然而，所执行的操作的类型和应用这些操作的用途可能会随时间变化，实现这些操作的基础硬件也会随时间变化。因此，有多种方式来利用与确定地理区域的状态相关联的计算资源。技术实现要素：本公开的实施例的方面和优点将在以下描述中部分地阐述，或者可以从描述中获知，或者可以通过实施例的实践而获知。本公开的一个示例方面针对一种提供导航指令的计算机实现的方法。该计算机实现的方法可以包括由包括一个或多个处理器的计算系统访问位置数据和多个语义标签。位置数据可以包括与多个位置相关联的信息，多个位置包括承运人的位置和乘客的位置。多个语义标签可以包括与多个位置的一个或多个特征相关联的信息。该计算机实现的方法还可包括由计算系统标识满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准的位置数据和多个语义标签。该计算机实现的方法可以包括由计算系统至少部分地基于满足一个或多个会面标准的位置数据和多个语义标签来确定承运人和乘客的一个或多个会面位置。此外，该计算机实现的方法可以包括由计算系统至少部分地基于一个或多个会面位置中的至少一个会面位置的一个或多个特征来生成与所述至少一个会面位置相关联的一个或多个指示。本公开内容的另一示例方面针对一种或多种存储计算机可读指令的有形非暂时性计算机可读介质，这些计算机可读指令在由一个或多个处理器运行时使一个或多个处理器执行操作。这些操作可以包括访问位置数据和多个语义标签。位置数据可以包括与多个位置相关联的信息，多个位置包括承运人的位置和乘客的位置。多个语义标签可以包括与多个位置的一个或多个特征相关联的信息。这些操作还可以包括标识满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准的位置数据和多个语义标签。这些操作可以包括至少部分地基于满足一个或多个会面标准的位置数据和多个语义标签来确定承运人和乘客的一个或多个会面位置。此外，这些操作可以包括至少部分基于一个或多个会面位置中的至少一个会面位置的一个或多个特征来生成与所述至少一个会面位置相关联的一个或多个指示。本公开的另一示例方面针对一种计算系统，该计算系统包括一个或多个处理器；以及，一个或多个非暂时性计算机可读介质，其存储指令，这些指令在由一个或多个处理器运行时使一个或多个处理器执行操作。这些操作可以包括访问位置数据和多个语义标签。位置数据可以包括与多个位置相关联的信息，多个位置包括承运人的位置和乘客的位置。多个语义标签可以包括与多个位置的一个或多个特征相关联的信息。这些操作还可以包括标识满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准的位置数据和多个语义标签。这些操作可以包括至少部分地基于满足一个或多个会面标准的位置数据和多个语义标签来确定承运人和乘客的一个或多个会面位置。此外，这些操作可以包括至少部分基于一个或多个会面位置中的至少一个会面位置的一个或多个特征来生成与所述至少一个会面位置相关联的一个或多个指示。本公开的其他方面针对各种系统、装置、非暂时性计算机可读介质、用户界面和电子设备。参考以下描述和所附权利要求，将更好地理解本公开的各种实施例的这些和其他特征、方面和优点。被结合在本说明书中并构成本说明书的一部分的附图示出了本公开的示例实施例，并且与描述一起用于解释相关原理。附图说明参考附图在说明书中阐述了针对本领域普通技术人员的对实施例的详细讨论，其中：图1描绘了根据本公开的示例实施例的示例系统的图；图2描绘了根据本公开的示例实施例的示例设备的图；图3描绘了根据本公开的示例实施例的确定会面位置的示例；图4描绘了根据本公开的示例实施例的确定会面位置的示例；图5描绘了根据本公开的示例实施例的确定会面位置的示例；图6描绘了根据本公开的示例实施例的确定会面位置的示例；图7描绘了根据本公开的示例实施例的确定会面位置的示例；图8描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图；图9描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图；图10描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图；图11描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图；图12描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图；图13描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图；和图14描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图。在多个附图上重复的附图标记旨在标识各种实施方式中的相同特征。具体实施方式总体上，本公开涉及确定会面位置以用于导航或协调各方之间的会面。本公开还描述了基于会面位置的特征来生成与满足与位置对各方(可以包括承运人和乘客)的适合性相关联的会面标准的会面位置相关联的指示。此外，各方可能具有不同的移动形态，这可能会影响给定位置对各方的可见性和/或可达性(例如，一方可能正在乘汽车行进，而另一方可能正在徒步行进)。具体地，所公开的技术可以包括一种计算系统，该计算系统接收包括位置数据和与图像(例如，从各种有利点(vantagepoint)捕获的区域的照片)的特征相关联的语义标签的数据。位置数据可以包括地理区域的地图以及承运人(例如，车辆的驾驶员)和乘客(例如，打算与承运人会面的乘客)的位置，并且语义标签可以基于已由机器学习的模型或被配置为检测和标识图像的各种特征的其他图像内容分析系统处理过的图像。此外，语义标签可以与地理区域相关联，包括该地理区域内的特定位置(例如，纬度、经度和海拔)和其他信息(例如，每个位置处的便利设施)。计算系统然后可以标识位置数据和语义标签，位置数据和语义标签包括满足与会面位置(例如，不太远的安全、容易看见和方便的位置)对承运人和乘客的适合性相关联的会面标准的信息。计算系统还可以基于满足会面标准的位置和语义标签来确定承运人和乘客的会面位置。此外，计算系统可以生成可以用来促进导航的、包括到会面位置的指引(directions)和对会面位置的描述的指示。这样，所公开的技术可以更有效地确定会面位置以供包括承运人和乘客的个人使用。因此，所公开的技术可以使得能够标识用户可以更有效和/或高效地交互和/或会面的位置。具体地，通过确定物理环境的状态，可以影响用户的行为以促进更高的效率。此外，标识合适的位置可以通过避免一方暴露于不适合他们的环境(例如，可能存在不适合徒步行进的一方的位置)中的情况来提高安全性。该技术还可以允许用户更有效和/或高效地导航到并标识指定的会面位置。在一些示例中，会面位置可以在一系列逐向(turn-by-turn)导航指令中引用，这一系列转弯导航指令可以提供给车辆中的承运人和步行的乘客。因此，所描述的技术可以通过连续的和/或引导的人机交互过程来帮助承运人更有效地执行将车辆驾驶到指定的会面位置的技术任务。作为另外的示例，由希望乘坐(例如，通过车辆乘坐)到另一位置的乘客操作的计算系统(例如，车辆中的计算系统)可以访问与地理区域相关联的数据(例如，本地存储和/或可远程访问的数据的组合)。数据可以包括位置数据(例如，包括承运人和乘客的位置的区域的地图)以及指示先前使用图像识别(例如，被训练为检测位置图像中存在的特征的机器学习的模型)所标识的地理区域中的位置的特征的语义标签。然后，计算系统可以确定承运人和乘客的一个或多个会面位置。例如，计算系统可以确定安全且在乘客方便的步行距离内的一组会面位置。然后，计算系统可以向乘客提供一组指令(例如，通过乘客的智能电话生成的可听指引和/或在乘客的智能电话的显示器上提供的文本或图形指令)以帮助导航。同时，可以生成到会面位置的另一组指引以供承运人使用。这样，所公开的技术在导航和会面协调方面提供了各种改进。在一些实施例中，图像内容分析系统可以分析图像的语义内容，并以语义标签的形式提供对所发现的实体的详细描述。此类语义标签的数量可以是很大的(例如，数千个)，因此就图像内容分析系统可以描述的内容而言，图像内容分析系统可以具有非常广泛的范围。此外，这些图像内容分析系统可以被配置为处理大量影像(imagery)集，例如，包括从街道级角度捕获的图像的街道级语料库。此外，该系统可以出于可用于各种运输相关服务和/或应用的确定会面位置(包括乘客乘车位置)的目的，利用对街道级影像和/或其他图像(例如，用户生成的影像和/或公众可访问的街道级影像)的图像内容分析。在一个实施例中，语义标签可以用于创建位置的语义简档，其可以用位置数据(例如，包括与已知位置相关联的信息的地图数据)补充。这些位置不一定是不同的点，而可以是以预定分辨率(例如，每条边两米的正方形，)覆盖区域(例如，城市、州或世界)的网格上的单元(例如，预定大小的区域)。语义标签可以由此类单元使用图像的位置(例如，与街道级图像相关联的位置)、语义标签视口和图像的姿势信息(例如，捕获图像时相机所面对的方向)来定位和分类。因此，可以确定存在于每个单元中的和/或可能不受阻挡以及从每个单元中可见的项目。为了进一步减少图像内容分析响应中的潜在噪声并利用街道级影像(在许多区域中，其可以包括每条街道多个路线，在给定路线中有许多接近的图像)的密度，可以将特定语义标签的检测次数与阈值进行比较以确定感兴趣的语义标签。此外，可以确定每个语义标签的成像时间(例如，捕获图像的时间)，从而可以将优先级给予最近的检测。另外，对于每个检测，图像检测盒可以用于确定该检测离给定位置的可见性和/或突出性。此外，可以过滤语义标签和/或单元，以便仅存储那些包含对应用(例如，用于确定承运人和乘客的会面位置的应用)有用的信息的语义标签和/或单元。具体地，可以编译专用于此应用的术语词汇(例如，关键词)，其包括与容易被承运人和/或乘客识别的一组视觉提示相关联的词语。使用所公开的技术，可以标识可用作视觉提示的大量实体。这些实体可以包括可见的企业名称标志、地图特征(例如，公园和/或学校)、地标(喷泉、雕像和/或纪念碑)、交通标志和交通元素(“停”标志、交通信号灯和/或环形交叉口)、城市景观要素(例如，长凳、路灯柱、花坛和/或停车收费表)、路面类型(例如，人行道)、各种彩色条纹标记、停车区(例如，“装载区”，“禁停处”)和/或建筑特征(例如，窗户类型和/或顶篷)。给定查询点和半径，可以至少部分地基于接近性、步行指令的容易度(例如，行进到某个位置所需的转向次数)、与承运人容易识别的语义内容的数量和可见性相比要乘车的乘客容易识别的语义内容的数量和可见性、和/或对内容检测的准确性的置信得分(部分基于成像时间，并且部分基于相同语义标签检测的数量)来收集具有足够内容的附近单元并对其进行排名。此外，识别容易度取决于当承运人和/或乘客沿着一条或多条推荐路线或路径接近一位置时，每个语义实体可以从该位置本身和从其他位置看到的大小和相对突出程度。因此，对于针对这些特性中的每个特性具有已知数值范围的给定数据集，可以利用针对每个特征的特定权重构造简单的目标函数。可以选择得分最高的单元和/或其邻近的相邻单元(其可以用于指引背景(directionscontext))，并且可以将它们的位置作为选项呈现给用户(例如，承运人和/或乘客)。此外，可以使用例如自然语言处理技术来为每个这种位置生成或从精选文本描述的数据库中检索简明的描述。在一些实施例中，所公开的技术可以包括一种计算系统(例如，地理计算系统)，该计算系统可以包括一个或多个计算设备(例如，具有一个或多个计算机处理器以及可以存储一个或多个指令的存储器的设备)，这一个或多个计算设备可以发送、接收、处理、生成和/或修改数据(例如，包括与多个位置相关联的位置数据和与图像相关联的语义标签的数据)和/或一个或多个信号(例如，电子信号)，所述数据包括可以存储在一个或多个存储器设备(例如，一个或多个随机存取存储器设备)和/或一个或多个存储设备(例如，一个或多个硬盘驱动器和/或一个或多个固态存储器驱动器)上的一种或多种信息模式或结构。数据和/或一个或多个信号可以由计算系统与各种其他系统和/或包括多个服务系统的设备(例如，一个或多个远程计算系统、一个或多个远程计算设备和/或在一个或多个计算设备上操作的一个或多个软件应用)交换，所述多个服务系统可以发送和/或接收包括位置数据和与图像(例如，与包括地理位置、图像捕获时间和/或对图像的一个或多个其他特征的一个或多个描述的数据相关联的数字图像)相关联的语义标签的数据。在一些实施例中，计算系统(例如，地理计算系统)可以包括图1所示的设备102和/或图2所示的计算设备200的一个或多个特征。此外，网络计算系统可以与一个或多个机器学习的模型相关联，这一个或多个机器学习的模型包括图1所示的一个或多个机器学习的模型120的一个或多个特征。此外，计算系统可以包括专用硬件(例如，专用集成电路)和/或软件，所述软件使计算系统能够执行特定于所公开技术的一个或多个操作，包括访问位置数据(例如，包括承运人和乘客的位置的位置数据)以及可以与多个图像相关联的语义标签(例如，访问本地存储的语义标签和/或通过从远程计算设备接收语义标签来访问语义标签)，确定适于被承运人和乘客用作会面位置的位置，以及生成与会面位置关联的指示(例如，到会面位置的指引和/或对会面位置的描述)。地理计算系统可以访问位置数据和/或多个语义标签。位置数据可包括与多个位置(例如，包括每个位置的纬度、经度和/或海拔的地理位置)相关联的信息，多个位置包括可以包括承运人(例如，车辆的驾驶员)的一方或多方的位置(例如，包括纬度、经度和海拔的一组地理坐标)和乘客(例如，需要车辆将乘客运送到另一位置的乘客)的位置。在一些实施例中，一方或多方可以包括一个或多个承运人和/或一个或多个乘客。此外，一个或多个承运人和/或一个或多个乘客中的每一个可以位于各种位置组合处(例如，数个乘客在一个位置处且数个其他乘客在另一位置处)。在一些实施例中，位置数据可以包括与多个位置相关联的信息，包括可以指示道路(例如，街道、高速公路和/或小巷)、建筑物、水域、水路、桥梁、隧道、立交桥和/或地下通道的位置的一个或多个地图。此外，位置数据可以包括与交通规则(例如，某个位置的速度限制、交通信号灯的位置和/或停止标志的位置)、交通流模式(例如，某个区域中的车辆或步行交通量)和/或一个或多个危险物(包括施工区)的位置相关联的信息。在一些实施例中，多个语义标签可以包括与从多个位置中的其他位置可见的多个位置中的每个位置的一个或多个特征相关联的信息、与多个位置中的每个位置相关联的地理位置、和/或多个位置中的每个位置的物理尺寸(例如，以平方米为单位的面积)。此外，多个语义标签可以包括与一个或多个特征(例如，多个位置中的位置的一个或多个特征)相关联的信息，包括：视觉特征(例如，在多个位置中的位置处的一个或多个对象的外观)；在多个位置中的位置处的一个或多个对象的物理尺寸；和/或对象标识(例如，在多个位置中的每个位置处的对象的标识)。此外，多个位置的一个或多个特征可以包括以下项目的一个或多个特征：在多个位置中的每个位置处的对象，包括建筑物、电线杆、树木、邮箱、长凳和/或垃圾桶；多个位置中的每个位置的一个或多个表面(例如，铺好的道路、草坪和/或水域)；交通标记(例如，道路上的交通标志和/或交通指示)；和/或灯光特征，包括路灯的位置。另外，多个语义标签中的每一个和/或位置数据可以与以下信息相关联，包括：位置(例如，与位置和/或语义标签相关联的街道地址和/或海拔、纬度和经度)；一天中的时间(例如，生成、修改和/或最近访问语义标签的一天中的时间)；和/或日期(例如，生成、修改和/或最近访问语义标签的日期)。在一些实施例中，多个语义标签中的每个语义标签可以与由多个图像中的图像描绘的一个或多个特征相关联。例如，每个语义标签可以提供包括在由多个图像之一描绘的场景内的一个或多个对象的一个或多个语义描述。多个图像可以包括环境的一部分的一个或多个数字图像(例如，二维图像)(例如，多个位置中的位置的一部分的图像)。此外，多个图像可以以任何类型的图像格式编码，包括光栅图像(例如，包括像素阵列的位图)和/或矢量图像(例如，基于包括二维平面的x和y轴的坐标位置的图像的多边形表示)的组合。图像可以包括静止图像、来自电影的图像帧和/或其他类型的影像(包括lidar影像和/或radar影像)。多个图像使用的数字图像格式的示例可以包括jpeg(jointphotographicexpertsgroup，联合图片专家组)、bmp(bitmap，位图)、tiff(taggedimagefileformat，标签图像文件格式)、png(portablenetworkgraphics，便携式网络图形)和/或gif(graphicsinterchangeformat，图形交换格式)。可以从各种来源收集图像，包括用户提交的影像、公共域中的影像(例如，经由网络爬网获得的匿名影像)和/或街道级全景影像。举例来说，地理计算系统可以经由通信网络(例如，包括lan、wan或互联网的无线和/或有线网络)接收包括与位置数据和/或多个语义标签相关联的信息的数据，通过该通信网络可以发送和/或接收一个或多个信号(例如，电子信号)和/或数据。地理计算系统可以标识满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准的位置数据和/或多个语义标签。例如，地理计算系统可以访问与位置数据和/或多个语义标签相关联的数据和/或信息，所述位置数据和/或多个语义标签包括与满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准的多个位置的一个或多个特征相关联的信息。此外，可以将多个位置中的每一个的一个或多个特征与可以用于确定适合承运人和乘客的会面位置的一个或多个会面标准中的每一个会面标准相比较。此外，位置对承运人和/或乘客的适合性可以与该位置的一个或多个其他特性相关联，包括：一个或多个特征的频率(例如，相对于其他位置，位置处的特征发生得有多罕见)；位置处的一个或多个特征的独特性(例如，位置处的特征的异常性)；位置处的一个或多个特征的突出性(例如，位置处的特征的大小和/或可见性)；位置处的特征的视觉恒定性(例如，特征的外观随着时间变化的程度)；位置的特征的位置恒定性(例如，随着时间的推移，该特征是否将会保留在同一个地方)；和/或位置的特征的背景(例如，与位置的特征非常接近或接触的一个或多个特征)。一个或多个会面标准的满足可以例如基于特征是突出的(例如，安装在高杆上的大型霓虹灯标志)。因此，在一个示例中，图像内容分析系统可以用于确定位置的每个特征的突出性，然后位置的每个特征的突出性可以用于指导对用作会面位置的位置的选择。作为一个示例，对于每个位置，可以分析该位置周围的区域(例如，十米乘十米的区域)，以标识与该位置相关联的哪些特征最为突出(例如，大小和/或高度阈值可以确定高杆上的霓虹灯标志是突出的)。地理计算系统可以至少部分基于满足一个或多个会面标准的位置数据和/或多个语义标签来确定承运人和乘客的一个或多个会面位置。例如，地理计算系统可以确定一个或多个会面位置包括满足一个或多个会面标准的多个位置中的预定数量(例如，一个位置)。作为另一示例，地理计算系统可以确定承运人和乘客的一个或多个会面位置包括满足一个或多个会面标准的多个位置的预定部分(例如，全部、一半或四分之一)。此外，地理计算系统可以确定一个或多个会面位置在满足一个或多个会面标准的多个位置的预定距离内(例如，在十米之内)。作为示例，一个或多个会面位置可以至少部分基于：位置的安全性(例如，行人可经由人行横道和/或人行道安全到达的位置)；位置的接近性(例如，会面位置距承运人和/或乘客有多远)；位置的可见性(例如，承运人和/或乘客可以有多容易看到该位置)；和/或位置的可达性(例如，行人和/或车辆可以有多么容易和/或方便地到达会面位置)。地理计算系统可以至少部分地基于一个或多个会面位置中的至少一个会面位置的一个或多个特征来生成与至少一个会面位置相关联的一个或多个指示。此外，一个或多个会面位置中的至少一个会面位置中包括的会面位置的量可以是预定量(例如，单个会面位置、一个或多个会面位置中的预定部分或一个或多个会面位置中的预定数量)或至少部分基于一个或多个标准(例如，最接近乘客的会面位置)。作为示例，地理计算系统可以生成一个或多个文本指示(包括会面位置的地址)和一个或多个视觉指示(包括可以在承运人和/或乘客的显示设备上显示的图像)。在一些实施例中，一个或多个指示可以包括一个或多个会面位置的一个或多个文本描述、一个或多个会面位置的一个或多个听觉描述或一个或多个会面位置的一个或多个图像(例如，一个或多个会面位置的照片)。在一些实施例中，地理计算系统可以生成在至少一个位置的预定距离内的多个位置的一个或多个描述。例如，地理计算系统可以生成与多个语义标签相关联的一个或多个特征(例如，建筑物的特征)的一个或多个描述，所述多个语义标签与在至少一个位置的预定距离内的多个位置相关联。作为进一步的示例，地理计算系统可以生成一个或多个自然语言描述，包括一种或多种自然语言文本描述(例如，在与地理计算系统相关联的显示设备上生成的自然语言文本描述)和/或一种或多种可听描述(例如，使用合成语音和/或预先录制的语音的自然语言可听描述)。在一些实施例中，地理计算系统可以至少部分地基于多个语义标签中的每个语义标签已经与多个位置中的相应位置相关联的次数来确定多个语义标签中的每个语义标签的置信得分。多个语义标签中的每个语义标签的置信得分可以分别与多个语义标签中的每一个的准确性(例如，语义标签正确地描述特征的状态的程度)相关联。例如，地理计算系统可以访问与关联于特征的语义标签还与对应于位置的地理数据(例如，纬度和经度信息)相关联的次数相关联的数据。然后，地理计算系统可以生成与关联于特征的语义标签还与对应于位置的地理数据相关联的次数相对应的置信得分。此外，地理计算系统可以确定多个语义标签中的每个语义标签的置信得分满足一个或多个置信得分标准。例如，地理计算系统可以确定在一个或多个会面位置的确定中不包括置信得分低于置信得分阈值的语义标签。在一些实施例中，地理计算系统标识满足一个或多个会面标准的多个标签可以包括确定多个语义标签中的每一个的置信得分满足一个或多个置信标准。在一些实施例中，多个语义标签中每个语义标签的置信得分可以与语义标签的年龄(age)负相关。例如，地理计算系统可以访问与生成多个语义标签中的每一个的时间相关联的数据，并确定语义标签的置信得分被降低与语义标签的年龄成比例增加的量。在一些实施例中，地理计算系统可以确定多个语义标签中的与一个或多个关键词相对应(例如，匹配或包括一个或多个类似特性)的每个语义标签满足一个或多个会面标准。例如，地理计算系统可以确定当语义标签与包括“餐厅”、“公交车站”和/或“喷泉”的一个或多个关键词相关联时，满足一个或多个会面标准。此外，语义标签与关键词相对应可以包括精确对应(例如，与关键词“喷泉”匹配的“喷泉”语义标签)以及部分匹配(例如，“贝拉吉奥喷泉”可以与关键词“喷泉”相对应)。在一些实施例中，地理计算系统标识满足一个或多个会面标准的多个语义标签可以包括：当多个语义标签中的与一个或多个关键词相对应的每个语义标签满足一个或多个会面标准时，确定满足一个或多个会面标准。在一些实施例中，一个或多个关键词可以与视觉上突出的一个或多个特征(例如，大和/或明亮的特征d)和/或以低于关键词速率阈值的速率出现的一个或多个特征(例如，罕见特征)相关联。在一些实施例中，地理计算系统可以确定与一个或多个关键词相对应的多个语义标签中的数量。例如，地理计算系统可以将多个语义标签中的每一个中的信息与一个或多个关键词进行比较，以便确定语义标签何时对应于关键词。此外，每当语义标签与关键词相对应时，地理计算系统可以将关键词计数器加一。以这种方式，地理计算系统可以保持与一个或多个关键词相对应的语义标签的数量的计数。在一些实施例中，当与一个或多个关键词相对应的多个语义标签的数量超过关键词阈值时，地理计算系统可以确定满足一个或多个会面标准。例如，当三个或更多个语义标签对应于一个或多个关键词时，地理计算系统可以确定满足一个或多个会面标准。在一些实施例中，地理计算系统确定一个或多个会面位置可以包括：当与一个或多个关键词相对应的多个语义标签的数量超过关键词阈值时，确定满足一个或多个会面标准。在一些实施例中，地理计算系统可以确定与多个语义标签中的每个语义标签相关联的相应可见性。例如，语义标签可以包括指示位置位于具有大量路灯的区域中的信息，这些路灯可以提高位置在夜间的可见性。此外，地理计算系统可以确定与多个语义标签中的每个语义标签相关联的相应可见性满足一个或多个可见性标准。例如，当位置包括至少一个路灯和/或在路灯的预定距离内时，地理计算系统可以确定满足可见性标准。在一些实施例中，地理计算系统标识满足一个或多个会面标准的多个语义标签可以包括：确定与多个语义标签中的每个语义标签相关联的相应可见性满足一个或多个可见性标准。在一些实施例中，确定一个或多个会面位置的可见性满足一个或多个可见性标准可以包括：确定一个或多个会面位置处的光量(例如，以勒克斯(lux)为单位的光量)超过光阈值，确定与一个或多个会面位置相关联的一个或多个特征的大小(例如，物理尺寸)超过大小阈值，确定从其可以看到一个或多个会面位置中的会面位置的多个位置的数量超过位置可见性阈值，或确定从一个或多个会面位置中的会面位置可见的多个位置的数量超过有利位置可见性阈值。在一些实施例中，地理计算系统可以至少部分基于承运人和/或乘客先前在多个位置中的每个位置的预定距离内的次数来确定多个位置中的每个位置的位置熟悉度得分。此外，可以基于分别由承运人和/或乘客自愿提供的信息来确定承运人和/或乘客先前在每个位置的预定距离内的次数。例如，承运人和/或乘客可以收到明确的要求(例如，“可以收集有关您去过或经过的位置或区域的信息以供将来使用吗？”)，向承运人和/或乘客要求用于使用有关承运人和/或乘客已经去过、经过和/或位于其预定距离内的位置的信息的明确允许。另外，与承运人和/或乘客去过的位置相关联的任何数据和/或信息都可以在存储或使用之前进行修改，以便去除个人可标识的信息。此外，可以对存储的信息进行加密，以防止未经授权的访问。作为示例，每当承运人和/或乘客先前已经在位置的二十米内时，位置熟悉度得分可以增加。此外，地理计算系统可以确定一个或多个会面位置的位置熟悉度得分满足一个或多个位置熟悉度标准。例如，当位置熟悉度得分超过位置熟悉度得分阈值时，地理计算系统可以确定满足一个或多个位置熟悉度标准。在一些实施例中，地理计算系统确定一个或多个会面位置可以包括：确定一个或多个会面位置的位置熟悉度得分满足一个或多个位置熟悉度标准。在一些实施例中，地理计算系统可以确定位置数据和/或多个语义标签满足一个或多个安全性标准。例如，地理计算系统可以确定位置数据指示一个或多个会面位置不在施工区、高速公路中间或悬崖边缘。此外，地理计算系统可以确定多个语义标签不包括与潜在不安全的状况(包括落石、野生生物和/或重型机械)相关联的任何语义标签。在一些实施例中，地理计算系统可以确定从承运人和/或乘客的位置到一个或多个会面位置的一条或多条路径。例如，地理计算系统可以访问位置数据中的地图信息，以确定从乘客的当前位置经由一条或多条街道到一位置的一条或多条路径。此外，地理计算系统可以确定一个或多个会面位置与一条或多条路径中的满足一个或多个安全性标准(例如，可以与乘客和/或承运人前往一个或多个会面位置的安全相关联的安全性标准)的至少一条路径相关联。例如，地理计算系统可以确定一个或多个会面位置与每公里少于一个道路交叉口的路径相关联(例如，与该路径连接并通过该路径到达)。在一些实施例中，地理计算系统可以确定从乘客和/或承运人的位置到至少一个会面位置的至少一条路径，该至少一条路径满足与距离、复杂性和/或交通相关联的一个或多个路径标准。例如，地理计算系统可以确定从乘客的位置到至少一个会面位置的至少一条路径，该至少一条路径满足与路径的最大距离相关联的路径标准(例如，至少一个会面位置到乘客的出发位置比最大距离更近)。作为另一示例，地理计算系统可以确定从乘客的位置到至少一个会面位置的至少一条路径，该至少一条路径满足与路径的复杂性相关联的路径标准(例如，到至少一个会面位置的路径的转弯次数少于阈值，并且不偏离主路)。作为进一步的示例，地理计算系统可以确定从乘客的位置到至少一个会面位置的至少一条路径，该至少一条路径满足与沿路径(例如，承运人和/或乘客沿其到至少一个会面位置将会遇到的交通量小于阈值交通量的路径)的交通量相关联的交通标准。在一些实施例中，地理计算系统可以至少部分地基于确定从乘客和/或承运人的位置到至少一个会面位置的满足与路径的距离、复杂性和/或安全性相关联的一个或多个路径标准的至少一条路径来确定一个或多个会面位置。在一些实施例中，地理计算系统可以确定一个或多个会面位置至少部分地基于确定与满足一个或多个安全性标准的一条或多条路径中的至少一条路径相关联的一个或多个会面位置。在一些实施例中，满足一个或多个安全性标准可以包括：至少一条路径上的道路交叉口的比率不超过道路交叉口的阈值比率、沿至少一条路径的光量超过阈值光量(例如，可以至少部分地基于一天中的时间和/或沿路径的路灯量来确定沿该路径的光量)、至少一条路径的一部分包括人行道、和/或至少一条路径不穿过危险物(例如，施工区)。在一些实施例中，地理计算系统可以确定从承运人和/或乘客的位置到一个或多个会面位置的一个或多个距离。例如，地理计算系统可以访问位置数据中的地图信息，以确定从乘客的当前位置到一个或多个会面位置中的每一个的一个或多个距离(例如，以千米为单位的距离)。此外，地理计算系统可以确定从乘客和/或承运人的位置到一个或多个会面位置中的任何一个的距离小于距离阈值。例如，地理计算系统可以确定到一个或多个会面位置中的任何一个的距离小于承运人的位置与乘客的位置之间的初始距离和/或至少部分基于承运人与乘客之间的初始距离的距离阈值(例如，一个或多个会面位置距承运人或乘客的距离不超过承运人和乘客之间的初始距离的百分之七十五)。在一些实施例中，地理计算系统可以确定一个或多个会面位置至少部分地基于确定从乘客的位置到一个或多个会面位置中的任何一个的距离小于距离阈值。在一些实施例中，当承运人和/或乘客可达一个或多个会面位置中的每个位置的距离小于可达距离阈值时，地理计算系统可以确定满足一个或多个会面标准。例如，地理计算系统可以访问位置数据来确定承运人(例如，限制在道路上行驶的车辆中的驾驶员)和乘客(例如，行人)可达的位置周围的距离(例如，以米为单位的距离)(例如，在其内汽车可以行驶且行人可以步行的距离)。此外，地理计算系统可以确定一个或多个会面位置中的每个位置的距离小于可达距离。例如，地理计算系统可以确定会面位置(例如，人行道和道路旁边的可达的公共汽车站)在小于三十米的距离阈值内。在一些实施例中，地理计算系统可以确定一个或多个会面位置可以包括确定承运人和乘客可达一个或多个会面位置中的每个位置的距离小于距离阈值。在一些实施例中，地理计算系统可以确定多个语义标签中的每个语义标签的识别容易度得分，其中，识别容易度与视觉上突出的一个或多个特征或以低于出现比率阈值的比率出现的一个或多个特征相关联。例如，地理计算系统可以确定具有三个视觉上突出的特征的位置(例如，带有节日灯的三棵圣诞树)的识别容易度得分将高于具有相同大小的一棵类似装饰的圣诞树(以其他方式在外观上类似)的位置的识别容易度得分。作为进一步的示例，地理计算系统可以确定具有视觉上突出的特征的位置(例如，带有马雕塑的大型喷泉)的识别容易度得分将高于没有喷泉且以其他方式在外观上类似的位置的识别容易度得分。此外，地理计算系统可以确定多个语义标签中的每个语义标签的识别容易度得分满足一个或多个识别容易度标准。例如，地理计算系统可以确定多个语义标签中的每个语义标签的识别容易度得分超过识别容易度阈值。在一些实施例中，地理计算系统标识满足一个或多个会面标准的多个语义标签可以包括确定一个或多个会面位置的识别容易度得分满足一个或多个识别容易度标准。在一些实施例中，地理计算系统可以至少部分地基于与一个或多个会面位置中的每一个相关联的识别容易度得分来确定一个或多个会面位置的布置(例如，排名和/或定位一个或多个会面位置的方式)。例如，地理计算系统可以确定一个或多个会面位置的布置，其中，与更高的识别容易度得分相关联的一个或多个会面位置在显示器的纵轴上定位为高于具有更低的识别容易度得分的一个或多个会面位置。此外，地理计算系统可以生成一个或多个指示，包括至少部分地基于一个或多个会面位置的布置而布置一个或多个会面位置。例如，地理计算系统可以生成视觉指示，其中，与更高的识别容易度得分相关联的更高的会面位置显示在与更低的识别容易度得分相关联的会面位置的上方。此外，地理计算系统可以接收为承运人或乘客选择一个或多个会面位置中的至少一个会面位置的输入。例如，地理计算系统可以包括触摸屏显示器，该触摸屏显示器可以显示一个或多个会面位置的文本指示，并从乘客接收触摸输入以选择会面位置中的一个作为乘客期望与承运人会面的会面位置。所公开的技术中的系统、方法、设备、装置和有形的非暂时性计算机可读介质可以提供各种技术效果和益处，包括改善会面位置确定以供个人(包括承运人和/或乘客)用于导航和会面协调。具体地，所公开的技术可以借助于持续和/或指导的人机交互过程来协助用户(例如，车辆中的承运人和/或步行的乘客)执行技术任务(例如，将车辆驾驶到指定位置和/或使用计算设备作为导航辅助设备以步行到指定位置)。它还可以提供包括改善资源使用效率、安全性和通信网络的性能的好处。所公开的技术可以通过提供更有效的指示(例如，更方便地到达并且更接近于承运人(例如，使燃料消耗最小化))和乘客的到会面位置的指引)来提高资源消耗(例如，燃料和电能)的效率。例如，指引承运人和乘客以方便到达会面位置的指示可以减少任何一方错过会面和等待，从而减少由此类错过的会面和等待导致的相关联的燃料或电能的过量使用。另外，使用安全性标准来确定会面位置可以通过将乘客引导到提供更高安全性的区域来改善乘客的安全性。例如，在光线充足的区域中、可通过人行道到达且不靠近危险物的会面位置将提高乘客的安全性。此外，承运人和乘客都容易到达的会面位置可以减少潜在的不安全活动(包括乘客走入道路以与承运人会面)的发生率。此外，所公开的技术可以通过更有效地确定承运人和乘客的会面位置来改善通信网络操作的性能。可以提供会面位置，以更有效地通过交通网络路由交通，并避免由于无效的导航指引而浪费通信网络带宽的情况(例如，当未正确遵循前面的指令集时，通过网络发送额外的指令集)。这样，更有效地提供导航指令可以减少通过通信网络发送的导航指令的数量，并相应地降低带宽利用率。因此，所公开的技术可以借助于连续和/或指导的人机交互过程来帮助车辆的驾驶员更有效地/高效地执行将车辆驾驶到指定位置的技术任务。此外，所公开的技术可以提供有助于更有效地标识会面位置以用于导航、地理编码和运输的计算系统。所公开的技术提供了降低网络带宽利用率、更有效地使用燃料和能量以及增加安全性的特定好处，其中，任何一项都可以用于提高包括导航服务和会面协调服务的多种服务的有效性。现在参考图1-14，将更详细地讨论本公开的示例实施例。图1描绘了根据本公开的示例实施例的示例系统的图。系统100包括通过网络180可通信地连接和/或耦合的计算设备102、服务器计算系统130、训练计算系统150以及一个或多个远程计算系统170。计算设备102可以包括任何类型的计算设备，包括例如个人计算设备(例如，笔记本电脑计算设备或台式计算机设备)、移动计算设备(例如，智能电话或平板电脑)、游戏操纵台、控制器、可穿戴计算设备(例如，智能手表)、嵌入式计算设备和/或任何其他类型的计算设备。计算设备102包括一个或多个处理器112和存储器114。一个或多个处理器112可以是任何合适的处理设备(例如，处理器核心、微处理器、asic、fpga、控制器、微控制器等)，并且可以是一个处理器或可操作地连接的多个处理器。存储器114可以包括一个或多个非暂时性计算机可读存储介质，包括ram、rom、eeprom、eprom、闪存设备、磁盘及其组合。存储器114可以存储由处理器112运行以使计算设备102执行操作的数据116和指令118。在一些实施例中，计算设备102可以执行一个或多个操作，包括访问位置数据和/或多个语义标签。位置数据可以包括与多个位置(包括承运人的位置和/或乘客的位置)相关联的信息。多个语义标签可以包括与多个位置的一个或多个特征相关联的信息。由计算设备102执行的操作还可以包括标识满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准的位置数据和多个语义标签。由计算设备102执行的操作可以包括：至少部分地基于满足一个或多个会面标准的位置数据和多个语义标签来确定承运人和乘客的一个或多个会面位置。此外，由计算设备102执行的操作可以包括：至少部分地基于一个或多个会面位置中的至少一个会面位置的一个或多个特征来生成与一个或多个会面位置中的至少一个会面位置相关联的一个或多个指示。在一些实施方式中，计算设备102可以存储或包括一个或多个机器学习的模型120。例如，一个或多个机器学习的模型120可以包括各种机器学习的模型(包括神经网络(例如，深度神经网络))或其他类型的机器学习的模型(包括非线性模型和/或线性模型)。神经网络可以包括前馈神经网络、递归神经网络(例如，长短期记忆递归神经网络)、卷积神经网络或其他形式的神经网络。参照图1-14讨论了一个或多个机器学习的模型120的示例。在一些实施方式中，一个或多个机器学习的模型120可以通过网络180从服务器计算系统130接收，存储在计算设备存储器114中，然后由一个或多个处理器112使用或以其他方式实现。在一些实施方式中，计算设备102可以实现一个或多个机器学习的模型120中的单个机器学习的模型的多个并行实例(例如，跨机器学习的模型120的多个实例执行承运人和乘客的并行会面位置确定)。更具体地，一个或多个机器学习的模型120可以部分地基于包括位置数据和/或语义标签(例如，与位置的一个或多个特征相关联的语义标签)的各种输入来确定和/或标识用于承运人和/或乘客使用的会面位置。此外，一个或多个机器学习的模型120可以确定要与所标识的会面位置相关联地提供的一个或多个指示。附加地或替代地，一个或多个机器学习的模型140可以被包括在服务器计算系统130中或以其他方式由其存储和实现，该服务器计算系统130根据客户端-服务器关系与计算设备102通信。例如，机器学习的模型140可以由服务器计算系统140实现为网络服务(例如，合适的会面位置确定服务)的一部分。因此，可以在计算设备102处存储和实现一个或多个机器学习的模型120和/或可以在服务器计算系统130处存储和实现一个或多个机器学习的模型140。计算设备102还可以包括可以接收用户输入的用户输入组件122中的一个或多个。例如，用户输入组件122可以是对用户输入(例如，手指或手写笔)的触摸敏感的触敏组件(例如，触敏显示屏或触摸板)。触敏组件可以用来实现虚拟键盘。其他示例用户输入组件包括麦克风、传统键盘或用户可以通过其提供用户输入的其他方式。服务器计算系统130包括一个或多个处理器132和存储器134。一个或多个处理器132可以包括任何合适的处理设备(例如，处理器核心、微处理器、asic、fpga、控制器、微控制器等)，并且可以包括一个处理器或可操作地连接的多个处理器。存储器134可以包括一个或多个非暂时性计算机可读存储介质，包括ram、rom、eeprom、eprom、闪存设备、磁盘等及其组合。存储器134可以存储由处理器132运行以使服务器计算系统130执行操作的数据136和指令138。在一些实施例中，服务器计算系统130可以执行一个或多个操作，包括访问位置数据和/或多个语义标签。位置数据可以包括与多个位置(包括承运人的位置和/或乘客的位置)相关联的信息。多个语义标签可以包括与多个位置的一个或多个特征相关联的信息。服务器计算系统130执行的操作还可以包括标识满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准的位置数据和多个语义标签。服务器计算系统130执行的操作可以包括：至少部分地基于满足一个或多个会面标准的位置数据和多个语义标签来确定承运人和乘客的一个或多个会面位置。此外，由服务器计算系统130执行的操作可以包括：至少部分地基于一个或多个会面位置中的至少一个会面位置的一个或多个特征来生成与一个或多个会面位置中的至少一个会面位置相关联的一个或多个指示。此外，服务器计算系统130可以对提供给服务器计算系统130的一个或多个输入(例如，一个或多个图像)执行图像内容分析。例如，服务器计算系统130可以经由网络180接收包括位置数据和/或相关联的语义标签的数据。服务器计算系统130然后可以执行各种操作(其可以包括使用一个或多个机器学习的模型140)以检测一个或多个图像的一个或多个特征和/或将语义标签与图像相关联。作为进一步的示例，服务器计算系统130可以使用对象识别技术来检测图像中的一个或多个对象(例如，检测行人、车辆、各种建筑物、喷泉、路牌和道路标记)并基于对象的识别来生成语义信息。在另一示例中，服务器计算系统130可以从一个或多个远程计算系统(例如，一个或多个远程计算系统170)接收数据，该数据可以包括已经与语义标签相关联的图像(例如，具有用户手动关联的语义标签的图像和/或具有由用户设备生成的语义标签的图像)。然后，可以存储由服务器计算系统130接收的数据(例如，存储在图像存储库中)，以供计算系统130以后使用。在一些实施方式中，服务器计算系统130包括一个或多个服务器计算设备或以其他方式由其实现。在服务器计算系统130包括多个服务器计算设备的情况下，此类服务器计算设备可以根据顺序计算架构、并行计算架构或其某种组合来操作。如上所述，服务器计算系统130可以存储或以其他方式包括一个或多个机器学习的模型140。例如，一个或多个机器学习的模型140可以包括各种机器学习的模型。示例机器学习的模型包括神经网络或其他多层非线性模型。示例神经网络包括前馈神经网络、深度神经网络、递归神经网络和卷积神经网络。参照图1-14讨论了一个或多个机器学习的模型140的示例。计算设备102和/或服务器计算系统130可以经由与通过网络180通信地连接和/或耦合的训练计算系统150的交互来训练一个或多个机器学习的模型120和/或140。训练计算系统150可以与服务器计算系统130分离，或者可以是服务器计算系统130的一部分。训练计算系统150包括一个或多个处理器152和存储器154。一个或多个处理器152可以是任何合适的处理设备(例如，处理器核心、微处理器、asic、fpga、控制器、微控制器等)，并且可以是一个处理器或可操作地连接的多个处理器。存储器154可以包括一个或多个非暂时性计算机可读存储介质，包括ram、rom、eeprom、eprom、闪存设备、磁盘等及其组合。存储器154可以存储由处理器152运行以使训练计算系统150执行操作的数据156和指令158。在一些实施方式中，训练计算系统150包括一个或多个服务器计算设备或以其他方式由其实现。训练计算系统150可以包括模型训练器160，模型训练器160使用各种训练或学习技术(包括例如误差逆向传播(backwardspropagationoferrors))来训练分别存储在计算设备102和/或服务器计算系统130处的机器学习的一个或多个机器学习的模型120和/或一个或多个机器学习的模型140。在一些实施方式中，执行误差逆向传播可以包括随着时间的推移执行截断的反向传播。模型训练器160可以执行多种泛化技术(例如，权重衰减、丢弃(dropout)等)，以提高正被训练的模型的泛化能力。具体地，模型训练器160可以基于一组训练数据162来训练一个或多个机器学习的模型120和/或一个或多个机器学习的模型140。训练数据162可以包括例如位置数据(例如，包括与位置中的行人和车辆交互相关联的信息的数据)、描述位置的语义数据(例如，语义标签)和/或区域中的一个或多个特征。例如，训练数据可以包括与特征关联的物理尺寸，特征与一个或多个参考点(例如，其他位置)的接近度、特征的位置(例如，特征的纬度、经度和/或海拔)和/或与特征相关联的各种元数据(例如，特征的昵称、特征的曾用名和/或特征的替代拼写)。在一些实施方式中，如果用户已经提供了同意，则可以由计算设备102提供训练示例。因此，在这样的实施方式中，提供给计算设备102的一个或多个机器学习的模型120可以由训练计算系统150在从计算设备102接收到的用户特定数据上进行训练。在某些情况下，此过程可称为个性化模型。模型训练器160可以包括用于提供期望功能的计算机逻辑。可以以硬件、固件和/或控制通用处理器的软件来实现模型训练器160。例如，在一些实施方式中，模型训练器160包括存储在存储设备上、加载到存储器中并且由一个或多个处理器运行的程序文件。在其他实施方式中，模型训练器160包括一组或多组计算机可运行指令，这些指令存储在包括ram硬盘或光或磁介质的有形计算机可读存储介质中。在一些实施例中，训练计算系统150可以执行一个或多个操作，包括访问位置数据和/或多个语义标签。位置数据可以包括与多个位置(包括承运人的位置和/或乘客的位置)相关联的信息。多个语义标签可以包括与多个位置的一个或多个特征相关联的信息。训练计算系统150执行的操作还可以包括标识满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准的位置数据和多个语义标签。训练计算系统150执行的操作可以包括至少部分地基于满足一个或多个会面标准的位置数据和多个语义标签来确定承运人和乘客的一个或多个会面位置。此外，由训练计算系统150执行的操作可以包括至少部分地基于一个或多个会面位置中的至少一个会面位置的一个或多个特征来生成与一个或多个会面位置中的至少一个会面位置相关联的一个或多个指示。一个或多个远程计算系统170中的每一个包括一个或多个处理器172和存储器174。一个或多个处理器172可以包括任何合适的处理设备(例如，处理器核、微处理器、asic、fpga、控制器、微控制器等)，并且可以包括一个处理器或可操作地连接的多个处理器。存储器174可以包括一个或多个非暂时性计算机可读存储介质，包括ram、rom、eeprom、eprom、闪存设备、磁盘等及其组合。存储器174可以存储由处理器172运行以使服务器计算系统170执行操作的数据176和指令178。在一些实施方式中，一个或多个远程计算系统170包括一个或多个计算设备或以其他方式由一个或多个计算设备实现。在一个或多个远程计算系统170包括多个计算设备的情况下，这样的计算设备可以根据顺序计算架构、并行计算架构和/或其某种组合来操作。此外，一个或多个远程计算系统170可用于收集、生成、发送和/或接收一个或多个信号和/或数据，数据包括位置数据和/或可以与一个或多个位置和/或一个或多个位置的一个或多个特征相关联的一个或多个语义标签。一个或多个远程计算系统170可以包括智能电话设备，该智能电话设备的用户可以使用该智能电话设备来生成与该智能电话设备的相机捕获的一个或多个图像相关联的位置数据和/或语义标签。例如，智能电话设备的用户可以捕获位置(例如，饭店)的图像，该图像包括该位置的纬度和经度以及嵌入在图像中的地理位置信息。然后，用户可以使用包括位置描述(例如，在一天中的特定时间该位置有多拥挤)的语义标签手动注释图像，该语义标签随后被发送到包括图像存储库的服务器计算系统170。可以对手动注释的图像进行高度加密、匿名化(例如，与图像相关联的任何个人信息没有被收集或在接收之后被删除)和以隐私增强的方式维护以供服务器计算系统170使用，该服务器计算系统可以提供图像以及相关联的位置数据和/或语义标签，以使用服务器计算系统170和/或训练计算系统150的图像内容分析部分。网络180可以包括任何类型的通信网络(包括局域网(例如，内联网)、广域网(例如，因特网)或者它们的某种组合)，并且可以包括任何数量的有线或无线链路。通常，可以使用各种通信协议(例如，tcp/ip、http、smtp、ftp)、编码或格式(例如，html、xml)和/或保护方案(例如，vpn、安全http、ssl)经由任何类型的有线和/或无线连接来承载通过网络180的通信。图1示出了可用于实现本公开的一个示例计算系统。也可以使用其他计算系统。例如，在一些实施方式中，计算设备102可以包括模型训练器160和训练数据集162。在这样的实施方式中，一个或多个机器学习的模型120可以在计算设备102处本地训练和使用。在一些这样的实施方式中，计算设备102可以实现模型训练器160以基于用户特定数据来个性化一个或多个机器学习的模型120。图2描绘了根据本公开的示例实施例的示例设备的图。计算设备200可以包括计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个特征。此外，计算设备200可以执行一个或多个动作和/或操作，包括图1中描绘的由计算设备102、服务器计算系统130和/或训练计算系统150执行的一个或多个动作和/或操作。如图2所示，计算设备200可以包括一个或多个存储器设备202、位置数据204、语义标签数据206、一个或多个互连232、一个或多个处理器220、网络接口222、一个或多个大容量存储设备224、一个或多个输出设备226、传感器阵列228、和一个或多个输入设备230。一个或多个存储器设备202可以存储信息和/或数据(例如，位置数据204和/或语义标签数据206)，包括与用于执行一个或多个动作和/或操作的一个或多个指令的处理相关联的信息，这一个或多个动作和/或操作包括：访问位置数据和/或语义标签；标识满足会面标准的位置数据和/或语义标签；基于满足会面标准的位置数据和/或语义标签，确定承运人和乘客的会面位置；和/或，基于会面位置的特征生成指示。位置数据204可以包括图1中描绘的数据116、数据136和/或数据156的一个或多个部分。此外，位置数据204可以包括与位置(包括承运人的位置和/或乘客的位置)、一个或多个地图、一个或多个语义标签(例如，嵌入在一个或多个地图中的语义标签，其可以包括语义标签数据206中的一个或多个语义标签)、传感器输出、和/或机器学习的模型相关联的信息。语义标签数据206可以包括图1中描绘的数据116、数据136和/或数据156的一个或多个部分。此外，语义标签数据206可以包括与一个或多个语义标签(包括用于描述图像(例如，从图像数据库检索的图像)的一个或多个特征的语义标签)和/或一个或多个地图(例如，位置数据204中的一个或多个地图)相关联的信息。此外，语义标签数据可以包括多个语义标签，该多个语义标签可以包括在图8中描绘的方法800中描述的多个语义标签的一个或多个特征。一个或多个互连210可以包括可用于在计算设备200的组件之间发送和/或接收一个或多个信号(例如，电子信号)和/或数据(例如，位置数据204和/或语义标签数据206)的一个或多个互连或总线，计算设备200的组件包括一个或多个存储器设备202、一个或多个处理器220、网络接口222、一个或多个大容量存储设备224、一个或多个输出设备226、传感器阵列228、和/或一个或多个输入设备230。可以以不同方式(包括并行连接或串行连接)来布置或配置一个或多个互连210。此外，一个或多个互连210可以包括连接计算设备200的内部组件的一个或多个内部总线；以及用于将计算设备200的内部组件连接到一个或多个外部设备的一个或多个外部总线。举例来说，一个或多个互连210可以包括不同的接口，包括工业标准架构(industrystandardarchitecture，isa)、扩展isa、外围组件互连(peripheralcomponentsinterconnect，pci)、pciexpress、串行at附件(serialatattachment，sata)、超传输(hypertransport、ht)、usb(universalserialbus，通用串行总线)、雷电接口(thunderbolt)、ieee1394接口(firewire，火线)和/或用于连接组件的其他接口。一个或多个处理器220可以包括被配置为运行存储在一个或多个存储器设备202中的一个或多个指令的一个或多个计算机处理器。例如，一个或多个处理器220可以例如包括一个或多个通用中央处理单元(centralprocessingunit，cpu)、专用集成电路(applicationspecificintegratedcircuit，asic)、和/或一个或多个图形处理单元(graphicsprocessingunit，gpu)。此外，一个或多个处理器220可以执行一个或多个动作和/或操作，包括与位置数据204和/或语义标签数据206相关联的一个或多个动作和/或操作。例如，一个或多个处理器220可以包括单核或多核设备，包括微处理器、微控制器、集成电路和/或逻辑设备。网络接口222可以支持网络通信。例如，网络接口222可以支持经由包括局域网和/或广域网(例如，因特网)的网络的通信。一个或多个大容量存储设备224(例如，硬盘驱动器和/或固态驱动器)可以用于存储包括位置数据204和/或语义标签数据206的数据。一个或多个输出设备226可以包括一个或多个显示设备(例如，lcd显示器、oled显示器、和/或crt显示器)、一个或多个光源(例如，led)、一个或多个扬声器、和/或一个或多个触觉输出设备。一个或多个输入设备230可以包括一个或多个键盘、一个或多个触敏设备(例如，触摸屏显示器)、一个或多个按钮(例如，开/关按钮、是/否按钮)、一个或多个控制杆(例如，操纵杆)、一个或多个麦克风、和/或一个或多个相机(例如，可用于检测手势和/或面部表情的相机)。一个或多个存储器设备202和一个或多个大容量存储设备224分开示出，然而一个或多个存储器设备202和一个或多个大容量存储设备224可以是同一存储器模块内的区域。计算设备200可以包括一个或多个附加处理器、存储器设备、网络接口，它们可以分开提供或者在同一芯片或板上提供。一个或多个存储器设备202和一个或多个大容量存储设备224可以包括一个或多个计算机可读介质，包括但不限于非暂时性计算机可读介质、ram、rom、硬盘驱动器、闪存驱动器、和/或其他存储器设备。一个或多个存储器设备202可以存储用于包括操作系统的应用的指令集，该操作系统可以与各种软件应用或数据相关联。一个或多个存储器设备202可以用于操作各种应用，包括专门为移动设备开发的移动操作系统。这样，一个或多个存储器设备202可以存储指令，该指令允许软件应用访问包括无线网络参数(例如，无线网络的标识、服务质量)的数据，并调用包括电话、位置确定(例如，经由全球定位服务(globalpositioningservice，gps)或wlan)、和/或无线网络数据呼叫发起服务的各种服务。在其他实施例中，一个或多个存储器设备202可以用于操作或运行在移动设备和固定设备(例如，智能电话、膝上型计算机、平板计算机和/或台式计算机)上操作的通用操作系统。可以由计算设备200操作或运行的软件应用可以包括与图1所示的系统100相关联的应用。此外，可以由计算设备200操作或运行的软件应用可以包括本地应用和/或基于网络的应用。在一些实施例中，计算设备200可以与定位系统(未示出)相关联或包括定位系统(未示出)。定位系统可以包括用于确定计算设备200的位置的一个或多个设备或电路。例如，定位设备可以通过使用卫星导航定位系统(例如，gps系统、伽利略定位系统、全球导航卫星系统(globalnavigationsatellitesystem，glonass)、北斗卫星导航与定位系统)、惯性导航系统、航位推算系统，基于ip地址，通过使用三角测量和/或到蜂窝塔或wi-fi热点的接近度、信标等，和/或用于确定定位的其他合适技术，来确定实际或相对定位。图3描绘了根据本公开的示例实施例的确定会面位置的示例。图3中所示的输出可以由计算系统或计算设备生成和/或确定，该计算系统或计算设备包括图1所描绘的计算设备102、服务器计算系统130、和/或训练计算系统150的一个或多个特征。如图3所示，图像300包括建筑特征302、雕塑特征304、喷泉特征306和树木特征308。图像300描绘具有一个或多个特征的位置，这一个或多个特征包括与图像300所描绘的环境中的各种对象相关联的、已经被计算系统(例如，包括一个或多个机器学习的模型的内容分析系统，这一个或多个机器学习的模型被训练为检测可以包括一个或多个图像的输入内容的一个或多个特征)标识的一个或多个特征。例如，计算系统可以包括计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个方面。此外，图像300的一个或多个特征(包括建筑特征302、雕塑特征304、喷泉特征306和树木特征308)可以与各种语义标签(例如，包括图8所描绘的方法800中描述的多个语义标签的一个或多个特征的语义标签)相关联，各种语义标签可以包括对一个或多个特征的各个方面的描述。例如，基于由包括图1所描绘的一个或多个机器学习的模型120的一个或多个方面的一个或多个机器学习的模型执行的图像内容分析，图像300的一个或多个特征可以与多个语义标签中的一个或多个相关联。此外，图像300可以与位置数据(例如，图像300中包括的元数据)相关联，该位置数据可以包括与图像300相关联的位置(例如，纬度、经度和/或海拔)、图像300中所描绘的特征(例如，喷泉特征306)和/或从其捕获图像300的有利地点。在此示例中，相对于图像300的其他特征(例如，雕塑特征304和喷泉特征306)，建筑特征302位于背景中，并且从图像302的角度来看，建筑特征302被包括由树特征308表示的树的对象部分地遮挡。此外，建筑特征302可以产生其自身的光(例如，建筑特征302的外部光和/或从通过建筑302的窗户可见的建筑特征302的内部部分发出的光)，这可以增加与建筑特征302相关联的位置的可见性。建筑特征302的较大的大小超过了大小阈值(例如，高度阈值和/或占地面积阈值)，这可以增加与建筑特征302相关联的位置的突出性(例如，视觉突出性)。建筑特征302的突出性的增加也可能导致建筑特征302的识别容易度(例如，计算系统和/或人(包括承运人或乘客)可以识别特征和/或与该特征相关联的位置的容易度)的增加。关于独特性，可以将建筑特征302确定(例如，基于图1中所描绘的计算设备102对特征的出现比率的确定来确定)为频繁出现的类型的特征(例如，在捕获图像300的整个城市中有许多建筑，包括图像300中存在的其他外观类似的建筑)以及建筑特征302具有更低的独特性(例如，在捕获图像300的整个区域内的各种建筑物具有类似的大小、形状、颜色和外观)。建筑特征302的低独特性可能导致建筑特征302的识别容易度降低。这样，部分基于可见性、突出性、独特性和识别容易度，建筑特征302可以是与包括更加可见、突出、独特和/或更容易识别的特征的其他位置相比更不可能用作会面位置的类型的特征。相对于图像300的其他特征(例如，建筑特征302和喷泉特征306)，雕塑特征304位于前景中，这可以导致雕塑特征304的可见性增加。雕塑特征304不被外部照明设备照亮并且不能产生其自身的光，这可以导致在某些条件下(例如，在晚上以及在雾、雨、雪和/或冰雹中)雕塑特征304的可见性降低，从而导致与雕塑特征304相关联的位置的可见性降低。雕塑特征302的大小超过大小阈值(例如，高度阈值和/或体积阈值)，这可能导致雕塑特征304的突出性增加。雕塑特征304的突出性可以导致雕塑特征304的识别容易度增加。关于独特性，可以将雕塑特征304确定为不经常出现的类型的特征(例如，在雕塑特征304的预定距离内没有其他类似外观的雕塑)。此外，雕塑特征304的不寻常形状增加了雕塑特征304的独特性。雕塑特征304的独特性增加可以导致雕塑特征304的识别容易度更高。这样，部分基于可见性、视觉突出性、独特性和识别容易度，雕塑特征304可以是与具有不太可见、突出、独特和/或不太容易识别的特征的其他位置相比更可能用作会面位置的类型的特征。喷泉特征306不被图像300中所描绘的其他对象遮挡，这可以导致喷泉特征的可见性增加。此外，喷泉特征306由喷泉特征306内部的照明设备(未示出)照亮并且可以产生其自身的光，这可以在某些情况下(例如，在晚上以及在雾、雨、雪和/或冰雹中)增加喷泉特征306的可见性，从而增加图像300中所描绘的位置的可见性。喷泉特征306的大小不超过大小阈值(例如，高度阈值)，由于喷泉特征306的相对更低的高度，这可能会降低图像300中所描绘的位置的突出性。然而，喷泉特征306由于其喷水嘴的运动可以引起人们(包括承运者和/或乘客)的注意而突出性增加。喷泉特征306的突出性的增加可以导致对喷泉特征306的识别容易度的增加。关于独特性，可以将喷泉特征306确定(例如，基于图1中所描绘的计算设备102对特征的出现比率的确定来确定)为不频繁出现的类型的特征(例如，在喷泉特征306的预定距离内不存在许多其他类似外观的喷泉)。喷泉特征306的独特性增加可以导致喷泉特征306的识别容易度更高。这样，部分地基于可见性、突出性、独特性和识别容易度，喷泉特征306可以是与具有不太可见、突出、独特和/或不太容易识别的特征的其他位置相比更可能用作会面位置的类型的特征。树木特征308不被其他对象遮挡，这也可以增加树木特征308的可见性。此外，树木特征308不被外部照明设备照亮，这在某些情况下(例如，在晚上以及在雾、雨、雪和/或冰雹中)可以降低树木特征308的可见性，从而不会增加图像300中所描绘的位置的可见性。树木特征308的大小超过大小阈值(例如，高度阈值)，这可以使图像300中所描绘的位置更加突出。然而，树木特征308的形状和颜色可以降低树木特征308的突出性。树木特征308的视觉突出性降低可以导致树木特征308的识别容易度降低(例如，计算系统和/或人(包括承运人和/或乘客)可以识别特征的容易度)。关于独特性，可以将树木特征308确定(例如，基于图1中所描绘的计算设备102对特征的出现比率的确定来确定)为频繁发生的类型的特征(例如，在捕获图像300的区域中有许多其他的树，包括其他类似外观的树)。树木特征308的降低的独特性可能导致树木特征308的更低的识别容易度。这样，部分地基于可见性、突出性、独特性和识别容易度，树特征308可能是与具有更加可见、突出、独特和/或更容易识别的特征的其他位置相比不太可能用作会面位置的类型的特征。图4描绘了根据本公开的示例实施例的确定会面位置的示例。图4中示出的图像可以由包括图1中所描绘的计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个特征的计算系统或计算设备生成和/或确定。如图4所示，图像400包括人行横道特征402、自行车道特征404、人行道特征406、人行道特征408和街道特征410。图像400描绘具有一个或多个特征的位置，这一个或多个特征包括与图像400中所描绘的环境中的各种对象相关联的、已经由计算系统(例如，包括一个或多个机器学习的模型的内容分析系统，这一个或多个机器学习的模型被训练为检测可以包括一个或多个图像的输入内容的一个或多个特征)标识的一个或多个特征。例如，计算系统可以包括计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个方面。此外，图像400的一个或多个特征(包括特征402、自行车道特征404、人行道特征406、人行道特征408和街道特征410)可以与各种语义标签(例如，包括在图8中所描绘的方法800中描述的多个语义标签的一个或多个特征的语义标签)相关联，各种语义标签可以包括对一个或多个特征的各个方面的描述。例如，基于由一个或多个机器学习模型(例如，图1中所描绘的一个或多个机器学习模型120)执行的图像内容分析，图像400的一个或多个特征可以与多个语义标签中的一个或多个相关联。此外，图像400可以与位置数据(例如，图像400中包括的元数据)相关联，该位置数据可以包括与图像400相关联的位置(例如，纬度、经度和/或海拔)、图像400中所描绘的特征(例如，人行横道特征402)和/或从其捕获图像400的有利地点。在该示例中，人行横道特征402表示人行道特征406(位于由街道特征410表示的街道的一侧)和人行道特征408(位于由街道特征410表示的街道的另一侧、人行道特征406的对面)之间的人行横道。人行横道特征402表示与缺少人行横道特征402的其他类似区域相比，行人穿过街道的安全性增加的区域。例如，人行横道特征402可以增加乘客步行以及穿过由街道特征410表示的街道的安全性。此外，自行车道特征404表示由街道特征410表示的街道上的自行车道。当个人(例如，骑自行车到会面位置的乘客)前往会面位置时，自行车道特征404的存在可以增加个人的安全性。因此，自行车道特征404的存在可以增加与自行车道特征404相关联的位置将被用作会面位置的可能性。图5描绘了根据本公开的示例实施例的确定会面位置的示例。图5中所示的图像可以由包括图1中所描绘的计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个特征的计算系统或计算设备生成和/或确定。如图5所示，图像500包括停车收费表特征502、停车位特征504和人行道特征506。图像500描绘具有一个或多个特征的位置，这一个或多个特征包括与图像500中所描绘的环境中的各种对象相关联的、已经由计算系统(例如，包括一个或多个机器学习的模型的内容分析系统，这一个或多个机器学习的模型被训练为检测可以包括一个或多个图像的输入内容的一个或多个特征，如本文所述)标识的一个或多个特征。例如，计算系统可以包括计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个方面。此外，图像500的一个或多个特征(包括停车收费表特征502、停车位特征504和人行道特征506)可以与各种语义标签(例如，包括在图8中所描绘的方法800中描述的多个语义标签的一个或多个特征的语义标签)相关联，各种语义标签可以包括对一个或多个特征的各个方面的描述。例如，基于由一个或多个机器学习的模型(例如，图1中所描绘的一个或多个机器学习的模型120)执行的图像内容分析，图像500的一个或多个特征可以与多个语义标签中的一个或多个相关联。此外，图像500可以与位置数据(例如，图像500中包括的元数据)相关联，该位置数据可以包括与图像500相关联的位置(例如，纬度，经度和/或海拔)、图像500中所描绘的特征(例如，停车收费表特征502)和/或从其捕获图像500的有利地点。在该示例中，由人行道特征506指示的位置表示与停车收费表502和停车位特征504非常接近(例如，在十米的预定接近距离阈值内)的人行道。停车收费表502和停车位特征504可以被标识为与车辆(例如，由承运人操作的汽车)可以停放的位置相关联。此外，人行道特征506可以被标识为个人(例如，乘客)可以安全地等待(例如，等待承运人接载乘客)的位置。乘客可以安全地等待的人行道特征506与承运人可以安全地停车的停车收费表特征502和停车位特征504非常接近可以指示图像500中所描绘的位置的可达性(例如，对承运人和/或乘客的可达性)增加。因此，图像500中所描绘的位置可以更可能被确定为适合用作承运人和乘客的会面位置。图6描绘了根据本公开的示例实施例的确定会面位置的示例。图6所示的图像可以由包括图1中所描绘的计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个特征的计算设备或计算系统生成和/或确定。如图6所示，图像600包括承运人位置602、乘客位置604和会面位置606。图像600描绘了一个区域(丹佛市)的地图，该地图包括与一个或多个语义标签(例如，包括在图8中所描绘的方法800中描述的多个语义标签的一个或多个特征的语义标签)相关联的位置的表示，所述一个或多个语义标签与特定特征(例如，图4中所描绘的自行车道特征404)相关联。语义标签指示的特征(例如“自行车道”或“脚踏车道”)可以指示在适合用作会面位置(例如，承运人和乘客的会面位置)的位置的预定距离内的特征。例如，乘客可以骑自行车在自行车道可达的会面位置与承运人会面。在确定适合用作会面位置的位置时，由自行车道语义标签指示的自行车道特征可以积极地影响对合适位置的标识。因此，在所有其他条件相同的情况下，与不包括自行车道特征的其他区域相比，会面位置606更可能被标识为会面位置。例如，图1中所描绘的计算设备102可以选择会面位置606作为位于承运人位置602处的承运人和位于乘客位置604处的乘客的会面位置。此外，会面位置606与乘客位置604接近度也可以增加会面位置606被确定为会面位置的可能性。例如，从乘客位置604步行的乘客可以使用与承运人开车(例如，汽车)前行到会面位置606类似的时间量前行到会面位置606。因此，取决于承运人或旅客使用的前行方式，到会面位置的距离可能会偏重于更接近使用更慢前行方式的一方(例如，承运人或乘客)。图7描绘了根据本公开的示例实施例的确定会面位置的示例。图7中所示的输出可以由包括图1中所描绘的计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个特征的计算系统或计算设备生成和/或确定。如图所示，图7描绘了图像702、图像704、图像706、球体特征708、徽标特征710、人行横道特征712和标志特征714。图像702/704/706描绘了具有一个或多个特征的位置的图像，这一个或多个特征包括与图像702/704/706中所描绘的环境中的各种对象相关联的、已经由计算系统(例如，包括一个或多个机器学习的模型的内容分析系统，这一个或多个机器学习的模型被训练为检测可以包括一个或多个图像的输入内容的一个或多个特征)标识的一个或多个特征。例如，计算系统可以包括计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个方面。此外，图像702/704/706中的任何一个的一个或多个特征(包括球体特征708、徽标特征710、人行横道特征712和标志特征714)可以与各种语义标签(例如，包括在图8中所描绘的方法800中描述的多个语义标签的一个或多个特征的语义标签)相关联，各种语义标签可以包括对一个或多个特征的各个方面的描述。例如，基于由一个或多个机器学习的模型(例如，图1中描绘的一个或多个机器学习的模型120)执行的图像内容分析，图像702/704/706中的任何一个的一个或多个特征可以与多个语义标签中的一个或多个相关联。此外，图像702/704/706中的任何一个可以与位置数据(例如，图像702/704/706中包括的元数据)相关联，该位置数据可以包括与图像702/704/706中的任何一个相关联的位置(例如，纬度、经度和/或海拔)、图像702/704/706中所描绘的特征(例如，球体特征708)和/或从其捕获图像702/704/708中的任何一个的有利地点。球体特征708从各种不同的视角(包括在图像702和图像706中捕获的不同视角)可见，这可以增加球体特征708的可见性(例如，对承运人和/或乘客的可见性)，从而增加球体特征708用作承运人和乘客的会面位置的特征的适合性。此外，球体特征708与图像704中所描绘的人行横道特征712非常接近，如指向人行横道特征712的方向的标志特征714所指示的。非常接近人行横道特征712可以增加与会面位置相关联的安全性(例如，乘客可以在人行横道处穿过马路，而不必在没有人行横道的情况下穿过马路)。这样，球体特征708的可见性和定位可以增加图像702/704/706中所描绘的相关联的位置将被用作会面位置的可能性。徽标特征710从各种不同的视角(包括在图像702和图像706中捕获的不同视角)可见，这可以增加徽标特征710的可见性(例如，对承运人和/或乘客的可见性)，从而增加徽标特征710在确定承运人和乘客的会面位置时使用的适合性。此外，徽标特征710与图像704中所描绘的人行横道特征712非常接近，如由指向人行横道特征712的方向的标志特征714所指示的。球体特征708和徽标特征的组合710可以进一步增加包含那些特征的位置将被确定为会面位置的可能性。作为示例，计算设备102可以生成针对承运人和/或乘客的指令。由计算设备102生成的指令可以包括对球体特征708(例如，“半米高的球体”)、徽标特征(例如，“在较大的空心圆内具有较小的实心圆的圆形徽标”)和人行横道特征(例如“球体旁的人行横道”)的描述。图8描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图。方法800的一个或多个部分可以在包括例如计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个计算设备或计算系统上运行或实现。此外，方法800的一个或多个部分可以作为算法在本文公开的硬件设备或系统上运行或实现。图8出于说明和讨论目描绘了以特定顺序执行的步骤。使用本文提供的公开内容的本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，可以对本文公开的任何方法的各个步骤进行调整、修改、重新布置、省略和/或扩展。在802，方法800可以包括访问位置数据和/或多个语义标签。位置数据可以包括与多个位置(例如，包括每个位置的纬度、经度和/或海拔的地理位置)相关联的信息，多个位置包括可以包括承运人(例如，车辆的驾驶员)的一方或多方的位置(例如，包括纬度、经度和海拔的一组地理坐标)和乘客(例如，需要车辆将乘客运送到另一位置的乘客)的位置。在一些实施例中，一方或多方可以包括一个或多个承运人和/或一个或多个乘客。此外，一个或多个承运人和/或一个或多个乘客中的每一个可以位于各种位置组合处(例如，多个乘客在一个位置处且多个其他乘客在另一位置处)。在一些实施例中，位置数据可以包括与多个位置相关联的信息，包括可以指示道路(例如，街道、高速公路和/或小巷)、建筑物、水域、水路、桥梁、隧道、立交桥和/或地下通道的位置的一个或多个地图。此外，位置数据可以包括与交通规则(例如，位置的速度限制、交通信号灯的位置和/或停止标志的位置)、交通流模式(例如，位置和/或区域中的车辆交通量或行人交通量)和/或一种或多种危险(包括施工区域)的位置相关联的信息。在一些实施例中，多个语义标签可以包括与从多个位置中的其他位置可见的多个位置中的每个位置的一个或多个特征、与多个位置中的每个位置相关联的地理位置、和/或多个位置中的每个位置的物理尺寸(例如，以平方米为单位的面积)相关联的信息。此外，多个语义标签可以包括与一个或多个特征(例如，多个位置中的位置的一个或多个特征)相关联的信息，包括：视觉特征(例如，在多个位置中的位置处的一个或多个对象的外观)；在多个位置中的位置处的一个或多个对象的物理尺寸；和/或对象标识(例如，多个位置中的每个位置处的对象的标识)。此外，多个位置的一个或多个特征可以包括以下项目的一个或多个特征：在多个位置的每个位置中的对象(包括建筑物、电线杆、树木、邮箱、长凳和/或垃圾桶)；多个位置中的每个位置的一个或多个表面(例如，铺好的道路、草坪和/或水域)；交通标记(例如，道路上的交通标志和/或交通指示)；和/或灯光特征(包括路灯的位置)。另外，多个语义标签中的每一个和/或位置数据可以与包括以下项目的信息相关联：位置(例如，街道地址和/或与位置相关联的海拔、纬度和/或海拔和/或语义标签)；一天中的时间(例如，创建、修改和/或最近访问语义标签的一天中的时间)；和/或日期(例如，生成、修改和/或最近访问语义标签的日期)。在一些实施例中，多个语义标签中的每个语义标签可以与由多个图像中的图像描绘的一个或多个特征相关联。例如，每个语义标签可以提供对由多个图像中的一个描绘的场景中包括的一个或多个对象的一个或多个语义描述。多个图像可以包括环境的一部分的一个或多个数字图像(例如，二维图像)(例如，多个位置中的位置的一部分的图像)。此外，多个图像可以以包括光栅图像(例如，包括像素阵列的位图)和/或矢量图像(例如，基于包括二维平面的x和y轴的坐标的位置的图像的多边形表示)的组合的任何类型的图像格式进行编码。图像可以包括静止图像、来自电影的图像帧和/或其他类型的影像，包括lidar影像和/或radar影像。多个图像使用的数字图像格式的示例可以包括jpeg(jointphotographicexpertsgroup，联合图像专家组)、bmp(bitmap，位图)、tiff(taggedimagefileformat，标签图像文件格式)、png(portablenetworkgraphic，便携式网络图形)和/或gif(graphicsinterchangeformat，图形交换格式)。可以从各种来源收集图像，包括用户提交的影像、公共域中的影像(例如，经由网络爬网获得的匿名影像)和/或街道级全景影像。作为示例，计算设备102可以经由通信网络(例如，包括lan、wan、或因特网的无线网络和/或有线网络)接收包括与位置数据和/或多个语义标签相关联的信息的数据，通过该通信网络可以发送和/或接收一个或多个信号(例如，电子信号)和/或数据。在804处，方法800可以包括：标识满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准的位置数据和/或多个语义标签。例如，计算设备102可以访问与位置数据和/或多个语义标签相关联的数据和/或信息，多个语义标签包括与多个位置的一个或多个特征相关联的信息，多个位置满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准。此外，计算设备102可以将位置数据和/或语义数据与关联于一个或多个会面标准的数据进行比较，从而标识满足一个或多个会面标准的位置数据和/或多个语义标签的部分。在一些实施例中，多个位置中的每个位置的一个或多个特征的比较(例如，由计算设备102执行的比较)可以包括位置数据和/或每个语义标签的内容的比较，以确定每个语义标签中的信息和与标准相关联的数据中的信息匹配或类似的程度。一个或多个会面标准的满足可以包括位置数据和/或语义标签的内容匹配会面标准(例如，语义标签指示喷泉的存在)、超过会面标准量(例如，特征的高度超过以米为单位测量的预定高度阈值)、小于会面标准量(例如，到乘客的距离小于以米为单位的距离阈值)和/或在会面标准范围内(例如，亮度在不太亮也不太暗的亮度范围内)。此外，位置对于承运人和/或乘客的适合性可以与该位置的一个或多个其他特性相关联，包括：一个或多个特征的频率(例如，相对于其他位置，位置处的特征发生得有多罕见)；位置处的一个或多个特征的独特性(例如，位置处的特征的异常性)；位置处的一个或多个特征的突出性(例如，位置处的特征的大小和/或可见性)；位置处的特征的视觉恒定性(例如，特征的外观随着时间的推移变化的程度)；位置处的特征的位置恒定性(例如，该特征是否会随着时间的推移保留在同一位置)；和/或位置的特征的背景(例如，与位置特征非常接近或接触的一个或多个特征)。满足一个或多个会面标准可以例如基于特征突出(例如，安装在高杆上的大型霓虹灯标志)或具有足够容量。因此，在一个示例中，图像内容分析系统可以用于确定位置的容量，然后该容量可以用于指导选择用作会面位置的位置。例如，对于每个位置，可以至少部分地基于指示位置的物理尺寸的位置数据和/或可以指示位置处的期望容量的语义标签(例如，指示休闲区的座位容量的语义标签)来确定位置的容量。在806处，方法800可以包括至少部分地基于满足一个或多个会面标准的位置数据和/或多个语义标签来确定承运人和乘客的一个或多个会面位置。例如，计算设备102可以确定与满足一个或多个会面标准的位置数据和/或多个语义标签相关联的一个或多个地理位置。然后，计算设备102可以基于与满足一个或多个会面标准的多个语义标签相关联的一个或多个地理位置使用一种或多种技术(例如，集群技术)来确定会面位置。作为示例，可以至少部分基于以下各项的加权组合来确定一个或多个会面位置：位置的安全性(例如，行人经由人行横道和/或人行道可安全到达的位置)；位置的接近度(例如，会面位置距承运人和/或乘客有多远)；位置的可见性(例如，承运人和/或乘客有多容易看到该位置)；和/或位置的可达性(例如，行人和/或车辆有多容易和/或方便到达会面位置)。在一些实施例中，一个或多个会面位置可以至少部分地基于一个或多个次级标准的应用以减少一个或多个会面位置的数量。例如，计算设备102可以确定一个或多个会面位置在人行横道和/或车辆的停车位的位置的预定距离内(例如，在十五米之内)。因此，距离人行横道或停车位超过15米的的任何位置都不能被确定为会面位置。作为另一示例，计算设备102可以确定一个或多个会面位置在乘客的位置的预定距离之内(例如，在一百米之内)。这样，可以使乘客前往会面位置的距离最小化。在808处，方法800可以包括至少部分地基于一个或多个会面位置中的至少一个会面位置的一个或多个特征来生成与至少一个会面位置相关联的一个或多个指示。此外，一个或多个会面位置中的至少一个会面位置中包括的会面位置的量可以是预定量(例如，单个会面位置、一个或多个会面位置中的预定部分或一个或多个会面位置中的预定数量)或至少部分基于一个或多个标准(例如，最接近乘客的会面位置)。作为示例，计算设备102可以生成一个或多个文本指示(包括会面位置的地址)以及一个或多个视觉指示(包括可以在承运人和/或乘客的显示设备上显示的图像(例如，从图像存储库中检索到的会面位置的照片))。在一些实施例中，一个或多个指示可以包括对一个或多个会面位置的一个或多个文本描述(例如，一个或多个会面位置的自然语言书面描述)、对一个或多个会面位置的一个或多个听觉描述(例如，通过承运人和/或乘客使用的设备的扬声器生成的听觉描述)或一个或多个会面位置的一个或多个图像(例如，一个或多个会面位置的照片)。在810处，方法800可以包括生成在至少一个位置的预定距离内的多个位置的一个或多个描述。例如，计算设备102可以生成与多个语义标签相关联的一个或多个特征(例如，建筑物的特征)的一个或多个描述，多个语义标签与在至少一个位置的预定距离内的多个位置相关联。作为进一步的示例，计算设备102可以生成一个或多个自然语言描述，包括一个或多个自然语言文本描述(例如，在与计算设备102相关联的显示设备上生成的自然语言文本描述)和/或一个或多个可听描述(例如，使用合成语音和/或预先录制的声音的自然语言可听描述)。图9描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图。方法900的一个或多个部分可以在包括例如计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个计算设备或计算系统上运行或实现。方法900的一个或多个部分可以作为算法在本文公开的硬件设备或系统上运行或实现。在一些实施例中，方法900的一个或多个部分可以作为图8中描绘的方法804的一部分来执行。此外，方法900的一个或多个部分可以作为标识满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准的位置数据和/或多个语义标签的一部分来执行，如在图8中所描绘的方法800的804中描述的。图9描绘了出于说明和讨论目的以特定顺序执行的步骤。使用本文提供的公开内容的本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，可以对本文公开的任何方法的各个步骤进行调整、修改、重新布置、省略和/或扩展。在902处，方法900可以包括至少部分地基于多个语义标签中的每一个已经与多个位置中的相应位置相关联的次数，来确定多个语义标签中的每一个的置信得分。多个语义标签中的每一个的置信得分可以分别与多个语义标签中的每一个的准确性(例如，语义标签正确地描述特征的状态的程度)相关联。此外，更高或增加的置信得分可以对应于更准确地描述特征的实际状态的语义标签。例如，计算设备102可以访问与关联于特征的语义标签(例如，图3中描绘的喷泉特征306)也与对应于位置的地理数据(例如，纬度和经度信息)相关联的次数相关联的数据。然后，计算设备102可以生成对应于关联于特征的语义标签也与对应于位置的地理数据相关联的次数的置信得分。在一些实施例中，多个语义标签中的每个相应语义标签的置信得分可以与语义标签的年龄负相关。例如，计算设备102可以访问与生成多个语义标签中的每一个的时间相关联的数据，并确定语义标签的置信得分被增加与语义标签多近被生成成比例的量(例如，更近生成的语义标签具有更高的置信得分，指示对语义标签的准确性具有更高的置信)。在904处，方法900可以包括确定多个语义标签中的每个语义标签的置信得分何时满足一个或多个置信标准。例如，计算设备102可以确定仅置信得分超过置信得分阈值的语义标签被包括在一个或多个会面位置的确定中。图10描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图。方法1000的一个或多个部分可以在包括例如计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个计算设备或计算系统上运行或实现。此外，方法1000的一个或多个部分可以作为算法在本文公开的硬件设备或系统上运行或实现。在一些实施例中，可以将方法1000的一个或多个部分作为图8中描绘的方法800的一部分来执行。此外，方法1000的一个或多个部分可以作为如在图8中所描绘的方法800的804中描述的、标识满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准的位置数据和/或多个语义标签的一部分来执行。图10描绘了出于说明和讨论目的以特定顺序执行的步骤。使用本文提供的公开内容的本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，可以对本文公开的任何方法的各个步骤进行调整、修改、重新布置、省略和/或扩展。在1002，方法1000可以包括确定位置数据和/或多个语义标签何时满足一个或多个安全性标准。例如，计算设备102可以使用位置数据来确定一个或多个会面位置中的每一个的位置。此外，计算设备102然后可以确定位置数据指示一个或多个会面位置不在风险更高和/或安全性更低的位置(例如，施工区域、高速公路的中间或悬崖的边缘)。作为另一示例，计算设备102可以访问多个语义标签，以确定与一个或多个会面位置相关联的多个语义标签不包括与潜在不安全状况(包括落石、野生动物和/或重型机械)相关联的任何语义标签。在1004，方法1000可以包括确定与多个语义标签中的每个语义标签相关联的相应可见性。例如，计算设备102可以访问语义标签(例如，指示路灯的存在的语义标签)，该语义标签包括指示位置在具有大量的路灯的区域中的信息，大量的路灯可以提高位置在夜间的可见性。作为进一步的示例，计算设备102可以访问语义标签，该语义标签包括指示特征(例如，喷泉)未被该特征附近的其他对象遮挡的信息，这可以提高与语义标签相关联的特征的可见性。在一些实施例中，每个语义标签的可见性可以与数字得分或其他数值(例如，可见性得分或可见性值)相关联。此外，更高或增加的可见性得分或可见性值可以对应于对承运人和/或乘客更可见的位置，并且可以对应于将位置用作会面位置的更大可能性。在1006处，方法1000可以包括确定与多个语义标签中的每个语义标签相关联的相应可见性何时满足一个或多个可见性标准。例如，当位置包括至少一个路灯和/或被照亮的建筑物在路灯的预定距离内时，计算设备102可以确定满足可见性标准。在一些实施例中，确定一个或多个会面位置的可见性满足一个或多个可见性标准可以包括：确定在一个或多个会面位置处的光量(例如，以勒克斯为单位的光量)超过光阈值、确定与一个或多个会面位置相关联的一个或多个特征的大小(例如，物理尺寸)超过大小阈值、确定从其可见一个或多个会面位置的会面位置的多个位置的数量超过位置可见性阈值、和/或确定从一个或多个会面位置的会面位置可见的所述多个位置的数量超过有利位置可见性阈值。图11描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图。方法1100的一个或多个部分可以在包括例如计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个计算设备或计算系统上运行或实现。此外，方法1100的一个或多个部分可以作为算法在本文公开的硬件设备或系统上运行或实现。在一些实施例中，方法1100的一个或多个部分可以作为图8中描绘的方法800的一部分来执行。此外，方法1100的一个或多个部分可以作为如在图8中所描绘的方法800的804中描述的、标识标签满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准的位置数据和/或多个语义标签的一部分来执行。图11描绘了出于说明和讨论目的以特定顺序执行的步骤。使用本文提供的公开内容的本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，可以对本文公开的任何方法的各个步骤进行调整、修改、重新布置、省略和/或扩展。在1102处，方法1100可以包括：确定与一个或多个关键词相对应的多个语义标签中的每个语义标签(例如，匹配一个或多个类似特性、与一个或多个类似特性同义和/或包括一个或多个类似特性)满足一个或多个会面标准。例如，当语义标签与包括“餐厅”、“公交站”和/或“喷泉”的一个或多个关键词匹配时，计算设备102可以确定满足一个或多个会面标准。此外，与关键词相对应的语义标签可以包括精确对应(例如，“喷泉”语义标签与关键词“喷泉”匹配)以及部分匹配(例如，“大中央”可以对应于关键词“大中央车站”)。在一些实施例中，一个或多个关键词可以与视觉上突出的一个或多个特征(例如，高、大和/或明亮的特征)和/或以低于关键词比率阈值的比率出现的一个或多个特征(例如，独特、不常见或稀有的特征)相关联。在1104处，方法1100可以包括确定与一个或多个关键词相对应的多个语义标签的数量。例如，计算设备102可以将多个语义标签中的每一个中的信息与一个或多个关键词进行比较，以确定语义标签何时对应于关键词。此外，每当语义标签对应于关键词时，计算设备102可以将关键词计数器增加一。以这种方式，计算设备102可以保持与一个或多个关键词相对应的语义标签的数量的计数。在1106处，方法1100可以包括：当与一个或多个关键词相对应的多个语义标签的数量超过关键词阈值时，确定满足一个或多个会面标准。例如，当语义标签中的三个或更多个对应于一个或多个关键词时，计算设备102可以确定满足一个或多个会面标准。在一些实施例中，可以对某些关键词进行加权，使得与某些关键词相对应的语义标签可以对满足关键词阈值具有更大的影响。例如，计算设备102可以确定词语“喷泉”可以被单独加权为三个关键词，并且将满足需要三个或更多关键词的关键词阈值。图12描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图。方法1200的一个或多个部分可以在包括例如计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个计算设备或计算系统上运行或实现。方法1200的一个或多个部分可以作为算法在本文公开的硬件设备或系统上运行或实现。在一些实施例中，方法1200的一个或多个部分可以作为图8中描绘的方法800的一部分来执行。此外，方法1200的一个或多个部分可以作为如图8中所描绘的方法800的806中所描述的、至少部分地基于满足一个或多个会面标准的位置数据和/或多个语义标签来确定承运人和乘客的一个或多个会面位置的一部分而执行。图12描绘了出于说明和讨论目的以特定顺序执行的步骤。使用本文提供的公开内容的本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，可以对本文公开的任何方法的各个步骤进行调整、修改、重新布置、省略和/或扩展。在1202处，方法1200可以包括至少部分地基于承运人或乘客先前在多个位置中的每个位置的预定距离内的次数来确定多个位置中的每个位置的位置熟悉度得分。此外，对位置熟悉度得分、承运人和/或乘客到过的位置、和/或承运人和/或乘客先前在每个位置的预定距离内的次数的确定可以部分地基于分别由承运人和/或乘客自愿提供的信息。例如，承运人和/或乘客可以收到明确的请求(例如，“可以记录有关您到过或经过的位置或区域的信息以备将来使用吗？”)，向承运人和/或乘客要求用于使用有关承运人和/或乘客已经去过、经过和/或位于其预定距离内的位置的信息的明确允许。另外，与承运人和/或乘客到过的位置相关联的任何数据和/或信息都可以在存储或使用之前进行修改，从而去除个人可标识的信息。在一些实施例中，更高或增加的位置熟悉度得分可以对应于承运人和/或乘客更熟悉的位置，并且可以对应于将位置用作会面位置的更大可能性。例如，在一些实施方式中，用户可以为计算设备102提供访问先前到过的位置的列表的授权。例如，计算设备102可以访问与承运人和/或乘客先前到过的位置相关联的位置历史数据。此外，计算设备102可以将承运人和/或乘客先前到过的位置与多个位置进行比较，并且每次承运人和/或乘客先前在位置的二十五米之内时，确定位置熟悉度得分将增加。在1204处，方法1200可以包括确定一个或多个会面位置的位置熟悉度得分何时满足一个或多个位置熟悉度标准。例如，更高的位置熟悉度得分可以对应于在承运人和/或乘客方的位置的更高的熟悉度。此外，当位置熟悉度得分超过位置熟悉度得分阈值时，计算设备102可以确定满足一个或多个位置熟悉度标准。图13描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图。方法1300的一个或多个部分可以在包括例如计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个计算设备或计算系统上运行或实现。方法1300的一个或多个部分可以作为算法在本文公开的硬件设备或系统上运行或实现。在一些实施例中，方法1300的一个或多个部分可以作为图8中描绘的方法800的一部分来执行。此外，方法1300的一个或多个部分可以作为如图8中所描绘的方法800的806中所描述的、至少部分地基于满足一个或多个会面标准的位置数据和/或多个语义标签来确定承运人和乘客的一个或多个会面位置的一部分而执行。图13描绘了出于说明和讨论目的以特定顺序执行的步骤。使用本文提供的公开内容的本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，可以对本文公开的任何方法的各个步骤进行调整、修改、重新布置、省略和/或扩展。在1302处，方法1300可以包括确定从承运人和/或乘客的位置到一个或多个会面位置的一条或多条路径。例如，计算设备102可以访问位置数据中的地图信息以确定从承运人和/或乘客的当前位置经由一个或多个街道到一个或多个会面位置的一条或多条路径。此外，一条或多条路径可以基于不违反交通法规的、承运人和/或乘客的位置与一个或多个会面位置之间的道路、街道和/或人行道。在1304处，方法1300可以包括确定一个或多个会面位置何时与满足一个或多个安全性标准的一条或多条路径中的至少一条路径相关联。例如，计算设备102可以确定一个或多个会面位置与不穿过任何危险(例如，施工区域)的路径相关联(例如，连接到该路径并通过该路径到达)。在一些实施例中，满足一个或多个安全性标准可以包括至少一条路径上的道路交叉口的比率不超过道路交叉口的阈值比率、沿着至少一条路径的光量超过阈值光量(例如，可以至少部分地基于一天中的时间和/或沿该路径的路灯量确定沿该路径的光量)、至少一条路径的一部分包括人行道和/或至少一条路径未穿过危险(例如，施工区域)。在1306处，方法1300可以包括确定从承运人和/或乘客的位置到一个或多个会面位置的一个或多个距离。例如，计算设备102可以访问位置数据中的地图信息以确定从乘客的当前位置到一个或多个会面位置中的每一个的一个或多个距离(例如，以米为单位的一个或多个距离)。在1308处，方法1300可以包括确定从乘客和/或承运人的位置到一个或多个会面位置中的任何一个的距离何时小于距离阈值。例如，计算设备102可以确定到一个或多个会面位置中的任何一个的距离小于承运人的位置与乘客的位置之间的初始距离和/或至少部分地基于承运人与乘客之间的初始距离的距离阈值(例如，一个或多个会面位置距承运人或乘客的距离不超过承运人和乘客之间的初始距离的百分之五十)。作为另一示例，计算设备102可以确定一个或多个会面位置距乘客的位置不超过两百米。在1310，方法1300可以包括确定当承运人和/或乘客可达一个或多个会面位置中的每个位置的距离小于可达距离阈值时，何时满足一个或多个会面标准。例如，计算设备102可以访问位置数据以确定承运人(例如，被限制为在道路上行驶的车辆中的驾驶员)和乘客(例如，行人)都能到达的位置周围的距离(例如，以米为单位的距离)(例如，在其内汽车可以合法驾驶并且行人可以在不遇到车辆交通的情况下行走的距离)。此外，计算设备102可以确定距一个或多个会面位置中的每个位置的距离小于可达距离。例如，计算设备102可以确定会面位置(例如，在人行道和道路旁边的可达的公交站)在小于二十米的距离阈值内。图14描绘了根据本公开的示例实施例的用于确定环境中的会面位置的示例方法的流程图。方法1400的一个或多个部分可以在包括例如计算设备102、服务器计算系统130和/或训练计算系统150的一个或多个计算设备或计算系统上执行或实现。方法1400的一个或多个部分可以作为算法在本文公开的硬件设备或系统上运行或实现。在一些实施例中，方法1400的一个或多个部分可以作为图8中描绘的方法800的一部分来执行。此外，方法1400的一个或多个部分可以作为如图8中所描绘的方法800的804中所描述的、标识满足与位置对承运人和乘客的适合性相关联的一个或多个会面标准的位置数据和/或多个语义标签的一部分而执行。图14描绘了出于说明和讨论目的以特定顺序执行的步骤。使用本文提供的公开内容的本领域普通技术人员将理解，在不脱离本公开内容的范围的情况下，可以对本文公开的任何方法的各个步骤进行调整、修改、重新布置、省略和/或扩展。在1402处，方法1400可以包括确定多个语义标签中的每个语义标签的识别容易度得分，其中，识别容易度与视觉上突出的一个或多个特征或以低于出现比率阈值的比率出现的一个或多个特征相关联。在一些实施例中，更高或增加的识别容易度得分可以对应于承运人和/或乘客更容易识别的位置，并且可以对应于将位置用作会面位置的更大可能性。例如，计算设备102可以确定具有三个视觉上突出的特征(例如，三个大的青铜雕像)的位置的识别容易度得分将高于具有一个相同大小的青铜雕像、以其他方式在外观上类似的位置的识别容易度得分。作为进一步的示例，计算设备102可以确定具有视觉上突出的特征(例如，具有狮子雕塑的大喷泉)的位置的识别容易度得分将高于缺少喷泉且以其他方式在外观上类似的位置的识别容易度得分。在1404处，方法1400可以包括确定多个语义标签中的每个语义标签的识别容易度得分何时满足一个或多个识别容易度标准。例如，计算设备102可以将每个识别容易度得分与识别容易度得分阈值进行比较，并且确定超过识别容易度阈值的每个语义标签满足一个或多个识别容易度标准。在1406处，方法1400可以包括至少部分基于与一个或多个会面位置中的每个位置相关联的识别容易度得分来确定一个或多个会面位置的布置(例如，排名和/或定位一个或多个会面位置的方式)。例如，计算设备102可以确定一个或多个会面位置的布置，其中与更高的识别容易度得分相关联的一个或多个会面位置在显示器的竖轴上定位为高于具有更低的识别容易度得分的一个或多个会面位置。作为另一示例，计算设备102可以确定一个或多个会面位置的布置，其中，与更高的识别容易度得分相关联的一个或多个会面位置的可听指示在具有更低的识别容易度得分的一个或多个会面位置之前通过扬声器设备生成。在1408，方法1400可以包括生成一个或多个指示，包括至少部分地基于一个或多个会面位置的布置而布置一个或多个会面位置。例如，计算设备102可以生成听觉指示，其中，在与更低的容易度得分相关联的会面位置之前生成与更高的容易度得分相关联的更高会面位置。在1410，方法1400可以包括接收输入以为承运人或乘客选择一个或多个会面位置中的至少一个会面位置。例如，计算设备102可以包括触摸屏显示器，该触摸屏显示器可以显示一个或多个会面位置的文本指示，并且可以从乘客接收触摸输入以选择会面位置中的一个作为乘客期望与承运人会面的会面位置。作为另一示例，计算设备102可以包括麦克风，该麦克风可以检测来自乘客的语音，该语音指示乘客选择一个或多个会面位置中的一个会面位置作为乘客期望与承运人会面的会面位置。本文讨论的技术涉及服务器、数据库、软件应用和其他基于计算机的系统,以及采取的动作和向/从此类系统发送的信息。基于计算机的系统的固有灵活性允许在组件之间或组件当中进行多种可能的配置/组合以及任务和功能的划分。例如，本文讨论的过程可以使用单个设备或组件或组合工作的多个设备或组件来实现。数据库和应用可以在单个系统上实现，也可以分布在多个系统上。分布式组件可以顺序或并行操作。尽管已经针对本主题的各种具体示例实施例详细地描述了本主题，但是每个示例都是通过解释而非限制本公开的方式提供的。本领域技术人员在理解了前述内容之后，可以容易地对这些实施例进行变更、变型和等同。因此，本公开并不排除对本领域的普通技术人员而言显而易见的对本主题的这种修改、变型和/或添加。例如，作为一个实施例的一部分示出或描述的特征可以与另一实施例一起使用以产生又一实施例。因此，意图是本公开覆盖这种变更、变型和等同。当前第1页12当前第1页12