【技术实现步骤摘要】
一种到达时间预估方法以及预估装置
本申请涉及机器学习
，具体而言，涉及一种到达时间预估方法以及预估装置。
技术介绍
在现代社会，人们对出行决策支持的需求愈发迫切，对信息的及时性、可靠性的要求也越来越高。网约车作为一种新型的出行方式，已经被越来越多的人所选择。而人们在选择网约车作为出行方式的时候，通常希望在出行时获得高质量决策支持信息，特别是对从出发地到达目的地的到达时间的预测，往往被其作为出行决策的重要依据。当前的到达时间预估方法存在预测精度低，无法满足用户使用需求的问题。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种到达时间预估方法以及预估装置，能够对用户从出发地到达目的地的到达时间进行更加准确的预估，满足用户的使用需求。第一方面，提供一种到达时间预估方法，包括：根据当前订单的订单信息，获取与所述当前订单匹配的目标历史订单；根据所述目标历史订单在多个到达时间影响特征下的特征值，以及获取的每个所述目标历史订单对应的实际到达时间，进行到达时间预估模型的训练；<...
【技术保护点】
1.一种到达时间预估方法，其特征在于，包括：/n根据当前订单的订单信息，获取与所述当前订单匹配的目标历史订单；/n根据所述目标历史订单在多个到达时间影响特征下的特征值，以及获取的每个所述目标历史订单对应的实际到达时间，进行到达时间预估模型的训练；/n将所述当前订单在所述多个到达时间影响特征下的特征值输入至训练出的所述到达时间预估模型中，得到所述当前订单的预估到达时间。/n
【技术特征摘要】
1.一种到达时间预估方法，其特征在于，包括：
根据当前订单的订单信息，获取与所述当前订单匹配的目标历史订单；
根据所述目标历史订单在多个到达时间影响特征下的特征值，以及获取的每个所述目标历史订单对应的实际到达时间，进行到达时间预估模型的训练；
将所述当前订单在所述多个到达时间影响特征下的特征值输入至训练出的所述到达时间预估模型中，得到所述当前订单的预估到达时间。
2.根据权利要求1所述的方法，其特征在于，根据所述当前订单的所述订单信息，获取与所述当前订单匹配的目标历史订单，包括：
根据所述当前订单的订单信息，获取对应的出发地信息、目的地信息以及行驶轨迹与所述当前订单匹配的目标历史订单。
3.根据权利要求2所述的方法，其特征在于，所述当前订单的订单信息包括：出发地信息、目的地信息以及规划路线信息；
根据所述当前订单的订单信息，获取对应的出发地信息、目的地信息以及行驶轨迹与所述当前订单匹配的目标历史订单，包括：
根据所述当前订单的出发地信息，获取对应的出发地信息与所述当前订单的出发地信息匹配的第一目标历史订单；
根据所述当前订单的目的地信息，从所述第一目标历史订单中，获取对应的目的地信息与所述当前订单的目的地信息匹配的第二目标历史订单；
根据所述当前订单的规划路线信息，从所述第二目标历史订单中，获取对应的行驶路线信息与所述当前订单的规划路线信息匹配的第三目标历史订单，将所述第三目标历史订单作为与所述当前订单匹配的目标历史订单。
4.根据权利要求3所述的方法，其特征在于，根据所述当前订单的出发地信息，获取对应的出发地信息与所述当前订单的出发地信息匹配的第一目标历史订单，包括：
获取多个历史订单的出发地信息；
根据所述多个历史订单的出发地信息，以及所述当前订单的出发地信息，计算每个所述历史订单与所述当前订单之间的出发地距离；
按照所述出发地距离从小到大的顺序，从所述多个历史订单中选取第一预设数量的历史订单作为所述第一目标历史订单。
5.根据其权利要求3所述的方法，其特征在于，根据所述当前订单的出发地信息，获取对应的出发地信息与所述当前订单的出发地信息匹配的第一目标历史订单，包括：
获取多个历史订单的出发地信息；
根据所述多个历史订单的出发地信息，以及所述当前订单的出发地信息，计算每个所述历史订单与所述当前订单之间的出发地距离；
将对应的所述出发地距离小于第一预设距离阈值的所述历史订单，作为所述第一目标历史订单。
6.根据权利要求4或5所述的方法，其特征在于，所述出发地信息包括：出发地的经纬度坐标；
所述根据所述多个历史订单的出发地信息，以及所述当前订单的出发地信息，计算每个所述历史订单与所述当前订单之间的出发地距离，包括：
根据每个所述历史订单的出发地的经纬度坐标、所述当前订单的出发地的所述经纬度坐标，以及基于球面模型的半正矢函数，计算该历史订单与所述当前订单之间的出发地距离。
7.根据权利要求3所述的方法，其特征在于，根据所述当前订单的目的地信息，从所述第一目标历史订单中，获取对应的目的地信息与所述当前订单的目的地信息匹配的第二目标历史订单，包括：
获取多个所述第一目标历史订单的目的地信息；
根据每个所述第一目标历史订单的目的地信息，以及所述当前订单的目的地信息，计算每个所述第一目标历史订单与所述当前订单之间的目的地距离；
按照所述目的地距离从小到大的顺序，从所述多个第一目标历史订单中选取第二预设数量的第一目标历史订单作为所述第二目标历史订单。
8.根据权利要求3所述的方法，其特征在于，根据所述当前订单的目的地信息，从所述第一目标历史订单中，获取对应的目的地信息与所述当前订单的目的地信息匹配的第二目标历史订单，包括：
获取多个所述第一目标历史订单的目的地信息；
根据所述多个第一目标历史订单的目的地信息，以及所述当前订单的目的地信息，计算每个所述第一目标历史订单与所述当前订单之间的目的地距离；
将对应的所述目的地距离小于第二预设距离阈值的所述第一目标历史订单，作为所述第二目标历史订单。
9.根据权利要求7或8所述的方法，其特征在于，所述目的地信息包括：目的地的经纬度坐标；
所述根据每个所述第一目标历史订单的目的地信息，以及所述当前订单的目的地信息，计算每个所述第一目标历史订单与所述当前订单之间的目的地距离，包括：
根据每个所述第一目标历史订单的目的地的经纬度坐标、所述当前订单的目的地的经纬度坐标，以及基于球面模型的半正矢函数，计算该第一目标历史订单与所述当前订单之间的目的地距离。
10.根据权利要求3所述的方法，其特征在于，根据所述当前订单的规划路线信息，从所述第二目标历史订单中，获取对应的行驶路线信息与所述当前订单的规划路线信息匹配的第三目标历史订单，包括：
获取多个所述第二目标历史订单的行驶路线信息；
根据每个所述第二目标历史订单的行驶路线信息以及所述当前订单的规划路线信息，计算每个所述第二目标历史订单与所述当前订单的行驶轨迹的相似度；
按照所述行驶轨迹的相似度从大到小的顺序，从所述多个第二目标历史订单中选取第三预设数量的第二目标历史订单作为所述第三目标历史订单。
11.根据权利要求3所述的方法，其特征在于，所述根据所述当前订单的规划路线信息，从所述第二目标历史订单中，获取对应的行驶路线信息与所述当前订单的规划路线信息匹配的第三目标历史订单，包括：
获取多个所述第二目标历史订单的行驶路线；
根据每个所述第二目标历史订单的行驶路线信息以及所述当前订单的规划路线信息，计算每个所述第二目标历史订单与所述当前订单的行驶轨迹的相似度；
将对应的所述行驶轨迹的相似度大于预设的相似度阈值的所述第二目标历史订单，作为所述第三目标历史订单。
12.根据权利要求10或11所述的方法，其特征在于，所述规划路线信息包括：第一位置点序列；所述第一位置点序列中包括多个第一位置点；所述行驶路线信息包括：第二位置点序列；所述第二位置点序列中包括多个第二位置点；
所述根据每个所述第二目标历史订单的行驶路线信息以及所述当前订单的规划路线信息，计算每个所述第二目标历史订单与所述当前订单的行驶轨迹的相似度，包括：
针对每个所述第二目标历史订单，根据该第二目标历史订单的第二位置点序列，以及所述当前订单的第一位置点序列，分别计算所述第二目标历史订单的每个第二位置点与所述当前订单的各个第一位置点之间的距离；
根据所述第二目标历史订单的每个第二位置点与所述当前订单的各个第一位置点之间的距离，计算所述第二目标历史订单的第二位置点序列，到所述当前订单的第一位置点序列之间的最短距离；
将所述最短距离作为该第二目标历史订单与所述当前订单之间的相似度。
13.根据权利要求1所述的方法，其特征在于，所述到达时间影响特征包括以下至少一种：
订单时间、出发地信息、目的地信息、兴趣点POI信息、出发地距离城市中心的距离、从出发地前往目的地的方向、天气信息、路况信息。
14.根据权利要求13所述的方法，其特征在于，针对所述到达时间影响特征包括路况信息的情况，采用下述方式获取所述路况信息：
对目标区域进行区域划分，得到划分后的各个子区域；
获取各个所述子区域中服务提供方的速度平均值以及方差；
将各个所述子区域中的服务提供方的速度平均值以及方差作为所述路况信息。
15.根据权利要求1所述的方法，其特征在于，所述到达时间预估模型包括下述模型中任意一种：
逻辑回归模型；决策树模型；朴素贝叶斯模型；支持向量机模型；神经网络模型。
16.根据权利要求15所述的方法，其特征在于，针对所述到达时间预估模型包括神经网络模型的情况，
所述根据所述目标历史订单在多个到达时间影响特征下的特征值，以及获取的每个所述目标历史订单对应的实际到达时间，进行到达时间预估模型的训练，包括：
根据所述目标历史订单在多个到达时间影响特征下的特征值，构建特征向量；
将所述特征向量输入至所述神经网络模型中，获取所述目标历史订单的预估到达时间；
根据所述预估到达时间以及所述目标历史订单的实际到达时间，对所述神经网络模型进行训练，得到所述到达时间预估模型。
17.一种到达时间预估装置，其特征在于，包括：
获取模块，用于根据当前订单的订单信息，获取与所述当前订单匹配的目标历史订单；
训练模块，用于根据所述目标历史订单在多个到达时间影响特征下的特征值，以及获取的每个所述目标历史订单对应的实际到达时间，进行到达时间预估模型的训练；
预估模块，用于将所述当前订单在所述多个到达时间影响特征下的特征值输入至训练出的所述到达时间预估模型中，得到所述当前订单的预估...
【专利技术属性】
技术研发人员：蔡恒兴，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。