确定预计到达时间的方法及系统技术方案

本申请涉及用于确定预计到达时间的方法和系统。该方法包括：从终端设备接收包括出发地和目的地的服务请求；基于所述出发地和所述目的地确定路线；确定与所述路线相关联的第一特征；确定迁移学习模型；基于所述第一特征和所述迁移学习模型确定第二特征；以及基于所述第二特征确定预计到达时间。

Method and System for Determining Predicted Arrival Time

This application relates to methods and systems for determining the expected arrival time. The method includes: receiving service requests from the terminal device including the origin and destination; determining the route based on the origin and destination; determining the first feature associated with the route; determining the migration learning model; determining the second feature based on the first feature and the migration learning model; and determining the expected arrival time based on the second feature.

【技术实现步骤摘要】
【国外来华专利技术】确定预计到达时间的方法及系统
本申请涉及用于确定预计到达时间的系统和方法，具体地，涉及基于机器学习确定预计到达时间的系统和方法。
技术介绍
利用互联网技术的按需运输服务，例如在线出租车呼叫服务，由于其便捷性而变得越来越流行。在按需运输服务中，在确定出发地和目的地之后，服务请求者可能想知道预计到达时间(全称：EstimatedTimeofArrival，简称：ETA)和/或预估价格。根据ETA和/或预估价格，服务请求者可以决定是否发送该服务请求。因此有必要提供能够为服务请求者提供更准确ETA和/或预估价格的系统和方法。
技术实现思路
根据本申请的一个方面，提供了一种系统。所述系统包括：至少一个计算机可读存储介质，包括用于管理服务提供的一组指令。所述至少一个处理器可以与所述至少一个存储介质通信。当执行所述一组指令时，所述至少一个处理器可以从终端设备接收包括出发地和目的地的服务请求。所述至少一个处理器可以基于所述出发地和所述目的地来确定路线。所述至少一个处理器可以确定与所述路线相关联的第一特征。所述至少一个处理器可以确定迁移学习模型。所述至少一个处理器可以基于所述第一特征和所述迁移学习模型确定第二特征。所述至少一个处理器可以根据所述第二特征确定预计到达时间。根据本申请的另一方面，提供了一种方法。所述方法涉及确定预计到达时间的方法。所述方法在至少一个设备上实现，所述每个设备包括至少一个处理器、存储器和连接到网络的通信平台。所述至少一个处理器可以从终端设备接收包括出发地和目的地的服务请求。所述至少一个处理器可以基于出发地和目的地确定路线、与所述路线相关联的第一特征以及迁移学习模型。所述至少一个处理器可以基于所述第一特征和所述迁移学习模型来确定第二特征。所述至少一个处理器可以基于所述第二特征确定预计到达时间。根据本申请的另一方面，一种非暂时性机器可读存储介质，包括一组指令。当请求者终端由在线按需服务平台的至少一个处理器访问非暂时性机器可读存储介质时，所述指令可以使得所述至少一个处理器执行以下操作中的一个或多个。所述指令可以使所述至少一个处理器通过无线网络获得包括当前默认服务位置的按需服务的请求。所述指令可以使得所述至少一个处理器从终端设备接收包括出发地和目的地的服务请求。所述指令可以使所述至少一个处理器基于出发地和目的地确定路线。所述指令可以使所述至少一个处理器确定与所述路线相关联的第一特征。所述指令可以使所述至少一个处理器确定迁移学习模型。所述指令可以使所述至少一个处理器基于所述第一特征和所述迁移学习模型来确定第二特征。所述指令可以使所述至少一个处理器基于所述第二特征来确定预计到达时间。在一些实施例中，基于第二特征来确定预计到达时间还可以包括一个或多个操作。所述至少一个处理器可以确定机器学习模型。所述至少一个处理器可以基于所述第二特征和所述机器学习模型确定预计到达时间。在一些实施例中，确定机器学习模型可以进一步包括一个或多个操作。所述至少一个处理器可以获得多个历史订单。对于所述多个历史订单中的每一个，所述至少一个处理器可以确定与所述多个历史订单中的每一个相关联的第二历史路线。所述至少一个处理器可以确定与所述第二历史路线相关联的第二历史特征。所述至少一个处理器可以确定与所述多个历史订单中的每一个相关联的历史到达时间。所述至少一个处理器可以基于所述第二历史特征、与所述多个历史订单中的每一个相关联的所述历史到达时间训练所述机器学习模型，并且基于所述训练确定机器学习模型。在一些实施例中，所述至少一个处理器可以基于第二特征确定预估价格。在一些实施例中，基于第二特征确定第一预估价格还可以包括一个或多个操作。所述至少一个处理器可以确定机器学习模型。所述至少一个处理器可以基于所述第二特征和所述机器学习模型确定所述预估价格。在一些实施例中，机器学习模型的确定还可以包括一个或多个操作。所述至少一个处理器可以获得多个历史订单。对于所述多个历史订单中的每一个，所述至少一个处理器可以确定与所述多个历史订单中的每一个相关联的第二历史路线、与所述第二历史路线相关联的第二历史特征以及与所述多个历史订单中的每一个相关联的历史价格。所述至少一个处理器可以基于所述第二历史特征、与所述多个历史订单中的每一个相关联的所述历史价格来训练机器学习模型。所述至少一个处理器可以基于所述训练来确定机器学习模型。在一些实施例中，基于出发地和目的地确定路线可以进一步包括基于地图信息确定路线。在一些实施例中，迁移学习模型的确定还可以包括一个或多个操作。所述至少一个处理器可以获得多个历史订单。对于所述多个历史订单中的每一个，所述至少一个处理器可以确定与所述多个历史订单中的每一个相关联的第一历史路线。所述至少一个处理器可以确定与所述第一历史路线相关联的第一历史特征，与所述多个历史订单中的每一个相关联的第二历史路线以及与历史路线相关联的第二历史特征。所述至少一个处理器可以基于所述第一历史特征和所述第二历史特征来训练所述迁移学习模型，并且基于所述训练来确定所述迁移学习模型。在一些实施例中，与路线相关联的第一特征可以包括订单特征、地图特征、司机特征或交通特征中的至少一个。在一些实施例中，第二特征可以包括位置特征、时间特征、司机特征或交通特征中的至少一个。其他特征将在接下来的描述中部分阐述，并且对于本领域技术人员来说，在查阅下文和附图时将部分地变得显而易见，或者可以通过示例的生产或操作而被学习。本申请的特征可以通过实践或使用在下面讨论的详细示例中阐述的方法、手段和组合的各个方面来实现和获得。附图说明本申请通过示例性实施例进行进一步描述。这些示例性实施例将参考附图进行详细描述。这些实施例是非限制性的示例性实施例，其中相同的附图标记在附图的多个视图中表示相似的结构，并且其中：图1是根据本申请的一些实施例所示的一种示例性按需服务系统的示意图；图2描绘了可以在其上实现本申请的移动设备的架构；图3是根据本申请一些实施例所示的一种示例性计算设备的示意图；图4A是根据本申请的一些实施例所示的一种示例性处理引擎的模块图；图4B是根据本申请的一些实施例所示的一种示例性确定模块的模块图；图5是根据本申请的一些实施例所示的用于确定ETA和/或预估价格的示例性过程的流程图；图6是根据本申请的一些实施例所示的用于确定迁移学习模型的示例性过程的流程图；图7是根据本申请的一些实施例所示的用于确定机器学习模型的示例性过程的流程图；以及图8是根据本申请的一些实施例所示的呈现预计到达时间和/或预估价格的示例性用户界面的示意图。具体实施方式下述描述是为了使本领域普通技术人员能制造和使用本申请，并且该描述是在特定的应用场景及其要求的背景下提供的。对于本领域的普通技术人员来讲，对本申请披露的实施例进行的各种修改是显而易见的，并且在不背离本申请的精神和范围之下，本申请定义的通则可以适用于其他实施例和应用。因此，本申请不限于所示的实施例，而是符合与权利要求一致的最广泛范围。本申请所使用的术语仅为了描述特定实施例，并不限制本申请的范围。如本文所使用的，除非上下文另外清楚地指出，否则单数形式“一”，“一个”和“该”也可以包括复数形式。应当理解的是，如在本说明书中所示，术语“包括”、“包含”仅提示存在所述特征、整体、步骤本文档来自技高网...

【技术保护点】
1.一种系统，包括：至少一个计算机可读存储介质，包括用于管理服务提供的一组指令；以及与所述至少一个存储介质通信的至少一个处理器，当执行所述一组指令时，所述至少一个处理器被配置为：从终端设备接收包括出发地和目的地的服务请求；基于所述出发地和所述目的地确定路线；确定与所述路线相关联的第一特征；确定迁移学习模型；基于所述第一特征和所述迁移学习模型确定第二特征；以及基于所述第二特征确定预计到达时间。

【技术特征摘要】
【国外来华专利技术】1.一种系统，包括：至少一个计算机可读存储介质，包括用于管理服务提供的一组指令；以及与所述至少一个存储介质通信的至少一个处理器，当执行所述一组指令时，所述至少一个处理器被配置为：从终端设备接收包括出发地和目的地的服务请求；基于所述出发地和所述目的地确定路线；确定与所述路线相关联的第一特征；确定迁移学习模型；基于所述第一特征和所述迁移学习模型确定第二特征；以及基于所述第二特征确定预计到达时间。2.根据权利要求1所述的系统，其中基于所述第二特征确定所述预计到达时间还包括：确定机器学习模型；以及基于所述第二特征和所述机器学习模型确定所述预计到达时间。3.根据权利要求2所述的系统，其中确定所述机器学习模型还包括：获取多个历史订单；对于所述多个历史订单中的每一个，确定与所述多个历史订单中的每一个相关联的第二历史路线；确定与所述第二历史路线相关联的第二历史特征；确定与所述多个历史订单中的每一个相关联的历史到达时间；以及基于所述第二历史特征、与所述多个历史订单中的每一个相关联的历史到达时间训练所述机器学习模型；以及基于所述训练确定所述机器学习模型。4.根据权利要求1所述的系统，所述至少一个处理器被配置为：基于所述第二特征确定预估价格。5.根据权利要求4所述的系统，其中基于所述第二特征确定所述第一预估价格还包括：确定机器学习模型；以及基于所述第二特征和所述机器学习模型确定所述预估价格。6.根据权利要求1所述的系统，其中基于所述出发地和所述目的地确定所述路线还包括：根据地图信息确定所述路线。7.根据权利要求1所述的系统，其中确定所述迁移学习模型还包括：获取多个历史订单；对于所述多个历史订单中的每一个，确定与所述多个历史订单中的每一个相关联的第一历史路线；确定与所述第一历史路线相关联的第一历史特征；确定与所述多个历史订单中的每一个相关联的第二历史路线；确定与所述历史路线相关联的第二历史特征；以及基于所述第一历史特征和所述第二历史特征训练所述迁移学习模型；以及基于所述训练确定迁移学习模型。8.根据权利要求1所述的系统，与所述路线相关联的所述第一特征包括以下中的至少一个：订单特征、地图特征、司机特征、或交通特征。9.根据权利要求1所述的系统，所述第二特征包括以下中的至少一个：位置特征、时间特征、司机特征、或交通特征。10.一种在至少一个设备上实现的方法，每个所述设备包括至少一个处理器、存储器和连接到网络的通信平台，所述方法包括：所述至少一个处理器从终端设备接收包括出发地和目的地的服务请求；所述至少一个处理器基于所述出发地和所述目的地确定路线；所述至少一个处理器确定与所述路线相关联的第一特征；所述至少一个处理器确定迁移学习模型；所述至少一个处理器基于所述第一特征和所述迁移学习模型确定第二特征；以及所述至少一个处理器基于所述第二特征确定预计到达时间。11.根据权利要求10所述的方法，所述至少一个...

【专利技术属性】
技术研发人员：仲小伟，王子腾，王征，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京,11