机器学习模型训练、导航路线推荐方法及计算机存储介质技术

本申请实施例提供了一种机器学习模型训练、导航路线推荐方法及计算机存储介质。该方法，包括：按照历史行程数据的历史出行时间，将历史行程数据，划分到覆盖其历史出行时间的历史时间区间；根据至少两个历史时间区间的历史行程数据和样本导航路线，确定所述目标对象在各所述历史时间区间内的路网特征数据，所述样本导航路线是待推荐至目标对象的路线；基于历史时间区间的时间长度满足设定值的历史时间区间的历史行程数据和所述样本导航路线的起点和终点，确定所述目标对象的起终点对特征数据；根据所述路网特征数据和所述起终点对特征数据，构建训练样本，使用所述训练样本对机器学习模型进行训练，以获得能够确定样本导航路线与所述目标对象匹配程度的机器学习模型。该方法训练的机器学习模型使用效果更好。方法训练的机器学习模型使用效果更好。方法训练的机器学习模型使用效果更好。

【技术实现步骤摘要】
机器学习模型训练、导航路线推荐方法及计算机存储介质


[0001]本申请实施例涉及导航
，尤其涉及一种机器学习模型训练、导航路线推荐方法及计算机存储介质。

技术介绍

[0002]使用支持地图导航功能的应用程序(软件)进行导航时，应用程序会计算多条从起点到终点的导航路线，并从中选择要推荐给目标对象的导航路线。由于目标对象的出行习惯存在差异，不同目标对象，即便出行的起点和终点是相同的，目标对象偏好(习惯)或期待的导航路线可能是不同的。例如，同样是从A点到达B点，目标对象1更习惯走导航路线1，而目标对象2更习惯走导航路线2，因此，为目标对象推荐的导航路线是符合目标对象偏好(习惯)的，会提升目标对象对应用程序的信任度。为此，相关技术提出可以基于目标对象历史行驶过的道路构成的路网数据为其生成推荐的导航路线。但目标对象的路网数据反映的是目标对象的历史出行习惯，历史出行习惯可能因为环境因素的变化而改变，而现有技术中难以及时发现这些改变，导致基于目标对象历史行驶过的道路构成的路网数据为其生成推荐的导航路线，存在不满足目标对象偏好的问题。
专利技术内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器学习模型训练方法，包括：按照历史行程数据的历史出行时间，将历史行程数据，划分到覆盖其历史出行时间的历史时间区间；根据至少两个历史时间区间的历史行程数据和样本导航路线，确定所述目标对象在各所述历史时间区间内的路网特征数据，所述样本导航路线是待推荐至目标对象的路线；基于历史时间区间的时间长度满足设定值的历史时间区间的历史行程数据和所述样本导航路线的起点和终点，确定所述目标对象的起终点对特征数据；根据所述路网特征数据和所述起终点对特征数据，构建训练样本，使用所述训练样本对机器学习模型进行训练，以获得能够确定样本导航路线与所述目标对象匹配程度的机器学习模型。2.根据权利要求1所述的方法，其中，所述根据至少两个历史时间区间的历史行程数据和样本导航路线，确定所述目标对象在各所述历史时间区间内的路网特征数据，包括：针对各所述历史时间区间，从所述历史时间区间对应的历史行程数据中确定满足熟路条件的熟悉路段及所述熟悉路段的信息，所述熟悉路段的信息包括所述熟悉路段的位置信息和在对应的历史时间区间内被目标对象经过的经过次数信息；根据所述熟悉路段的位置信息、经过次数信息和所述样本导航路线，确定所述目标对象在所述历史时间区间内对应的路网特征数据。3.根据权利要求2所述的方法，其中，若所述路网特征数据包括熟路占比特征，则根据所述熟悉路段的位置信息和所述样本导航路线，确定所述目标对象在所述历史时间区间内对应的路网特征数据，包括：根据所述样本导航路线和所述熟悉路段的位置信息，确定所述样本导航路线覆盖的熟悉路段；根据所述样本导航路线覆盖的熟悉路段的总长度和所述样本导航路线的总长度，得到样本导航路线在该历史时间区间内的熟路占比特征。4.根据权利要求3所述的方法，其中，若所述路网特征数据还包括样本导航路线的熟悉度，则所述根据所述熟悉路段的经过次数信息和所述样本导航路线，确定所述目标对象在所述历史时间区间内对应的路网特征数据，还包括：根据所述样本导航路线覆盖的各熟悉路段的经过次数，确定所述样本导航路线覆盖的熟悉路段的经过次数和；以所述经过次数和作为所述目标对象对所述样本导航路线的熟悉度。5.根据权利要求2所述的方法，其中，若...

【专利技术属性】
技术研发人员：王岳，徐龙飞，
申请(专利权)人：高德软件有限公司，
类型：发明
国别省市：