通行时长预估方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种通行时长预估方法、装置、设备及存储介质，属于计算机与互联网技术领域。本申请实施例可应用于地图、交通、车载等领域，所述方法包括：确定待预估的目标信号灯路段；获取目标信号灯路段的特征信息；基于目标信号灯路段的特征信息，确定目标信号灯路段的预估通行时长。本申请中，在预估信号灯路段的通行时长时，考虑了信号灯路段的属性特征，提高信号灯路段的通行时长预估结果的准确性，提高路径通行时长预估的准确性。提高路径通行时长预估的准确性。提高路径通行时长预估的准确性。

【技术实现步骤摘要】
通行时长预估方法、装置、设备及存储介质


[0001]本申请涉及计算机与互联网
，特别涉及一种通行时长预估方法、装置、设备及存储介质。

技术介绍

[0002]目前，在地图应用场景中，在路径导航时可以对该路径通行时长进行预估。
[0003]在相关技术中，在通过路径导航确定路径之后，基于该路径的总长度，对通过该路径的通行时长进行预估，以确定通过该路径的通行时长。
[0004]然而，在上述相关技术中，仅仅依据路径的总长度来确定通过该路径的通行时长，通行时长预估结果不准确。

技术实现思路

[0005]本申请实施例提供了一种通行时长预估方法、装置、设备及存储介质，简化音素判错流程，提高路径通行时长预估的准确性。所述技术方案如下。
[0006]根据本申请实施例的一个方面，提供了一种通行时长预估方法，所述方法包括以下步骤：
[0007]确定待预估的目标信号灯路段，所述目标信号灯路段是指位于两个相邻路口之间的且具有交通信号指示灯的路段；
[0008]获取所述目标信号灯路段的特征信息，所述目标信号灯路段本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通行时长预估方法，其特征在于，所述方法包括：确定待预估的目标信号灯路段，所述目标信号灯路段是指位于两个相邻路口之间的且具有交通信号指示灯的路段；获取所述目标信号灯路段的特征信息，所述目标信号灯路段的特征信息包括所述目标信号灯路段所具有的至少一项属性特征；基于所述目标信号灯路段的特征信息，确定所述目标信号灯路段的预估通行时长。2.根据权利要求1所述的方法，其特征在于，所述获取所述目标信号灯路段的特征信息，包括：获取所述目标信号灯路段的静态属性数据，所述静态属性数据包括所述目标信号灯路段以及所述目标信号灯路段的周围路段的静态属性信息；从所述静态属性数据中提取得到所述目标信号灯路段的静态特征信息，所述静态特征信息包括所述目标信号灯路段所具有的至少一项静态属性特征；获取所述目标信号灯路段的动态属性数据，所述动态特征数据包括与所述目标信号灯路段相关的实时行驶数据；从所述动态属性数据中提取得到所述目标信号灯路段的动态特征信息，所述动态特征信息包括所述目标信号灯路段所具有的至少一项动态属性特征；其中，所述目标信号灯路段的特征信息包括所述静态特征信息和所述动态特征信息。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取目标对象的个性化信息，所述目标对象是请求预估所述目标信号灯路段的预估通行时长的对象，所述个性化信息用于指示所述目标对象的行驶习惯；从所述个性化信息中提取得到所述目标信号灯路段的对象特征信息，所述对象特征信息包括所述目标对象所具有的至少一项个性化属性特征；其中，所述目标信号灯路段的特征信息还包括所述对象特征信息。4.根据权利要求1所述的方法，其特征在于，所述基于所述目标信号灯路段的特征信息，确定所述目标信号灯路段的预估通行时长，包括：获取目标信号灯路段预估模型，所述目标信号灯路段预估模型是用于确定所述目标信号灯路段的预估通行时长的机器学习模型；采用所述目标信号灯路段预估模型根据所述目标信号灯路段的特征信息，确定所述目标信号灯路段的预估通行时长。5.根据权利要求4所述的方法，其特征在于，所述获取目标信号灯路段预估模型，包括：确定所述目标信号灯路段所属的目标类型；从多个候选的信号灯路段预估模型中，选择与所述目标类型相对应的信号灯路段预估模型，作为所述目标信号灯路段预估模型；其中，不同的信号灯路段预估模型用于确定不同类型的目标信号灯路段的预估通行时长。6.根据权利要求5所述的方法，其特征在于，所述确定所述目标信号灯路段所属的目标类型，包括：在所述目标信号灯路段中包括转弯路段的情况下，确定所述目标信号灯路段所属的目标类型为转弯信号灯类型；或者，
在所述目标信号灯路段中未包括转弯路段的情况下，确定所述目标信号灯路段所属的目标类型为直行信号灯类型。7.根据权利要求1所述的方法，其特征在于，所述基于所述目标信号灯路段的特征信息，确定所述目标信号灯路段的预估通行时长，包括：采用目标信号灯路段预估模型根据所述目标信号灯路段的特征信息中包含的静态特征信息和动态特征信息，确定所述目标信号灯路段的初步预估通行时长；采用系数预估模型根据所述目标信号灯路段的特征信息中包含的对象特征信息，确定针对所述初步预估通行时长的影响参数；基于所述初步预估通行时长和所述影响参数，确定所述目标信号灯路段的预估通行时长。8.根据权利要求1至7任一项所述的方法，其特征在于，所述方法还包括：获取待预估的目标路径；其中，所述目标路径中包括至少一条信号灯路段和至少一条道路路段，所述道路路段是指连接两个相邻的信号灯路段的路段；确定第一预估通行时长和第二预估通行时长；其中，所述第一预估通行时长是指所述信号灯路段的预估通行时长，所述第二预估通行时长是指所述道路路段的预估通行时长；基于所述第一预估通行时长和所述第二预估通行时长，确定所述目标路径的预估通行时长。9.一种时长预估模型的训练方法，其特征在于，所述方法包括：确定至少一条样本信号灯路段，所述样本信号灯路段是指位于两个相邻路口之间的且具有交通信号指示灯的路段；获取所述样本信号灯路段的特征信息，所述样本信号灯路段的特征信息包括所述样本信号灯路段所具有的至少一项属性特征；采用信号灯路段预估模型根据所述样本信号灯路段的特征信息，确定所述样本信号灯路段的预估通行时长；基于所述样本信号灯路段的预估通行时长的准确性，对所述信号灯路段预估模型进行训练。10.根据权利要求9所述的方法，其特征在于，所述获取所述样本信号灯路段的特征信息，包括：获取所述样本信号灯路段的静态属性数据，所述静态属性数据包括所述样本信号灯路段以及所述样本信号灯路段的周围路段的静态属性信息；从所述静态属性数据中提取得到所述样本信号灯路段的静态特征信息，所述静态特征信息包括所述样本信号灯路段所具有的至少一项静态属性特征；获取所述样本信号灯路段的动态属性数据，所述动态特征信息包括与所述样本信号灯路段相关的实时行驶数据；从所述动态属性数据中提取得到所述样本信号灯路段的动态特征信息，所述动态特征信息包括所述样本信号灯路段所具有的至少一项动态属性特征；其中，所述样本信号灯路段的特征信息包括所述静态特征信息和所述动态特征信息。11.根据权利要求10所述的方法，其特征在于，所述方法...

【专利技术属性】
技术研发人员：陈泽伟，郭宇峰，李伟征，赵红超，吴雨佳，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：