此题和1235.Maximum-Profit-in-Job-Scheduling一模一样。
考虑到地点的数目不超过1e5，所以我们可以设计dp[i]表示达到地点i所能得到的最大收益。dp[i]的来源有两种可能：第一种就是出租车从位置i-1空载而来，那么dp[i]=dp[i-1]。第二种就是有乘客在位置i下车，那么我们会额外获取一笔利润，这笔钱取决于这趟载客的行程。假设这趟载客的行程是从位置j开往i、收益为gain，那么我们关心的就会是在位置j时的最大收益dp[j]，因此位置i的最大收益就是dp[i] = dp[j]+gain。
注意可能会有多个生意都在i下客，即有多个可能的j，所以dp[i]会取最大值。最终答案就是返回最后一个地点的dp[n-1].
如果n的个数远远超过1e5，dp[i]设计为关于位置的函数就会造成MLE. 事实上我们并不关心所有位置的最大收益。只有在每个订单下客的位置我们才可能会有新的收益，所有我们只关心那些下客点的位置。
我们将所有的生意按照下客位置排序。我们依然可以用类似的思想，但是dp[i]对应的是到达rides[i][1]位置的最大收益。在这个位置的最大收益同样有两种可能：从上一个下客位置空载而来，即dp[i]=dp[i-1]。或者我们接手了一笔生意从位置rides[i][0]开到了rides[i][1]。于是我们关心的是在这笔生意的上客地点start = rides[i][0]时的最大收益是多少。由于start不见得恰好是一个下客位置，所以我们可能需要往前推，定位到rides里最后一个不晚于start的下客地点j。那么就可以更新dp[i] = dp[j]+gain.
最终答案就是返回最后一笔生意的下客地点的dp[m-1].