一种到达时间的预估方法、装置及存储介质制造方法及图纸

本发明专利技术实施例公开了一种到达时间的预估方法、装置及存储介质，应用于信息处理技术领域。在本实施例的方法中，到达时间的预估装置可以根据待估计路线的整体特征确定初始到达时间，然后再根据待估计路线中各个路段的子特征及上述整体特征确定初始到达时间的残差，最后根据初始到达时间和残差可以得到待估计路线的最终到达时间。这样，在估计待估计路线的到达时间时，综合考虑了待估计路线的整体特征和局部特征(即各个路段的子特征)，且考虑了在确定待估计路线的到达时间时的误差，提升了最终得到的最终到达时间的准确性。

A prediction method, device and storage medium of arrival time

【技术实现步骤摘要】
一种到达时间的预估方法、装置及存储介质
本专利技术涉及信息处理
，特别涉及一种到达时间的预估方法、装置及存储介质。
技术介绍
目前在到达时间的预估(EstimatedTimeofArrival，ETA)领域，最常用的算法有基于规则的逐路段累加方法和基于决策树模型的机器学习算法等。基于规则的逐路段累加方法主要将整条路线划分为多个路段，根据每个路段的长度、速度和红绿灯等状况，估计出每个路段的通过时间，再加上每个路口的通过时间，这样累加起来，就可以得到通过整条路线的总时间。这种方法对人工经验的依赖很强，需要人工设定各个路段的规则，但是由于现实路况十分复杂，人为设定的规则无法覆盖各种情形，导致最终得到的时间常常不准；更关键的是，这种方法是将各路段的预估时间进行累加，因此每个路段预估时间的误差也会进行累积，使得最终结果很难取得令人满意的准确率。基于决策树模型的方法不再将整条路线划分为多个路段以进行逐路段的估计，而是先提取出整条路线的特征，例如全程总路程、出发时刻的全程平均速度、全程红绿灯总数、全程拥堵里程占比等，然后将这些特征输入到本文档来自技高网...

【技术保护点】
1.一种到达时间的预估方法，其特征在于，包括：/n获取待估计路线的整体特征，所述待估计路线包括多个路段；/n获取所述多个路段中每个路段的子特征；/n根据所述整体特征确定所述待估计路线的初始到达时间；/n根据所述整体特征及各个路段的子特征确定所述初始到达时间的残差；/n根据所述初始到达时间和所述初始到达时间的残差，确定所述待估计路线的最终到达时间。/n

【技术特征摘要】
1.一种到达时间的预估方法，其特征在于，包括：
获取待估计路线的整体特征，所述待估计路线包括多个路段；
获取所述多个路段中每个路段的子特征；
根据所述整体特征确定所述待估计路线的初始到达时间；
根据所述整体特征及各个路段的子特征确定所述初始到达时间的残差；
根据所述初始到达时间和所述初始到达时间的残差，确定所述待估计路线的最终到达时间。


2.如权利要求1所述的方法，其特征在于，所述待估计路线的整体特征包括：所述待估计路线的全程总长度和当前时刻所述待估计路线的平均速度；
所述路段的子特征包括：所述路段的总长度和当前时刻所述路段的平均速度。


3.如权利要求1或2所述的方法，其特征在于，
所述根据所述整体特征确定所述待估计路线的初始到达时间，具体包括：通过预置的决策树模型确定所述待估计路线的初始到达时间，所述决策树模型用于根据所述整体特征及各个路段的子特征确定所述初始到达时间的残差；
则所述方法还包括：
确定第一训练样本，所述第一训练样本包括：多条样本路线分别对应的整体特征和实际到达时间；
根据所述第一训练样本训练得到所述预置的决策树模型。


4.如权利要求1或2所述的方法，其特征在于，
所述根据所述整体特征及各个路段的子特征确定所述初始到达时间的残差，具体包括：通过预置的深度网络模型确定所述初始到达时间的残差，所述深度网络模型用于根据所述整体特征及各个路段的子特征确定所述初始到达时间的残差；
所述方法还包括：
确定初始深度网络模型；
确定第二训练样本，所述第二训练样本中包括：多条样本路线分别对应的整体特征和残差，及各条样本路线所包括的样本路段的子特征；
通过所述初始深度网络模型分别确定所述各条样本路线的残差，得到初始残差结果，所述初始深度网络模型用于根据所述多条样本路线分别对应的整体特征及各条样本路线所包括的样本路段的子特征，确定所述各条样本路线的残差；
根据所述初始残差结果和所述第二训练样本中各条样本路线的残差，计算与所述初始深度网络模型相关的损失函数值；
根据所述损失函数值调整所述初始深度网络模型中的固定参数值，以得到所述预置的深度网络模型。


5.如权利要求4所述的方法，其特征在于，任一条所述样本路线的残差具体是：
根据所述样本路线的整体特征确定所述样本路线的预估到达时间，并根据所述样本路线的实际到达时间与所述预估到达时间确定所述样本路线的残差的。


6.如权利要求4所述的方法，其特征在于，所述通过所述初始深度网络模型分别确定所述各条样本路线的残差，得到初始残差结果，具体包括：
所述初始深度网络模型对每一条样本路线所包括的各个样本路段的子特征进行加权累加，得到所述各条样本路线的累加特征；
所述初始深度网络模型根据所述各条样本路线的累加特征及各条样本路线的整体特征，分别确定所述各条样本路线的残差。


7.如权利要求4所述的方法，其特征在于，如果对所述固定参数值的调整满足如下任一停止条件，则停止对所述固定参数值的调整：
对所述固定参数值的调整次数等于预置的次数，当前调整的固定参数值与上一次调整的固定参数值的差值小于一阈值。


8.一种到达时间的预估装置，其特征在于，包括：
特征获取单元，用于获取待估计路线的整体特征，所述待估计路线包括多个路段，获取所述多个路段中每个路段的子特征；
...

【专利技术属性】
技术研发人员：姜正申，
申请(专利权)人：腾讯大地通途北京科技有限公司，腾讯科技深圳有限公司，
类型：发明
国别省市：北京;11