【技术实现步骤摘要】
行程到达时间确定方法、装置、电子设备和存储介质
[0001]本申请涉及人工智能
,尤其涉及一种行程到达时间确定方法、装置、电子设备和存储介质。
技术介绍
[0002]行程到达时间预估是地图应用的基础功能之一,在诸多场景中起到至关重要的作用,例如路线导航和运营订单分配等,现有的到达时间预估方法主要包括基于规则的逐路段累加方法和基于树模型的方法等。其中,基于规则的逐路段累加方法依赖人工经验制定预估规则,主观依赖性强,且在复杂路况下,人为设定的规则场景覆盖率低,时间预估准确性差;而基于树模型的方法是近年来兴起的一种到达时间预估方法,其提取出整条路线的特征,将该特征输入到基于树模型的机器学习算法中,进行训练,如梯度提升决策树(Gradient Boosting Decision Tree,GBDT)算法,但该方法仅考虑整体特征,在复杂路况和特殊时段场景下,预测误差大。
技术实现思路
[0003]本申请提供了一种行程到达时间确定方法、装置、电子设备和存储介质,适用于各种路况和时段,可以显著提高行程到达时间确定的准确率和可靠性。
[0004]一方面,本申请提供了一种行程到达时间确定方法,所述方法包括:
[0005]获取待预估行程路线中途经路段的多维特征信息;
[0006]根据所述多维特征信息生成所述待预估行程路线的路段特征序列;
[0007]基于目标特征生成网络对所述路段特征序列进行特征提取,得到所述待预估行程路线的目标路线特征;
[0008]基于目标时间预测网络对所 ...
【技术保护点】
【技术特征摘要】
1.一种行程到达时间确定方法,其特征在于,所述方法包括:获取待预估行程路线中途经路段的多维特征信息;根据所述多维特征信息生成所述待预估行程路线的路段特征序列;基于目标特征生成网络对所述路段特征序列进行特征提取,得到所述待预估行程路线的目标路线特征;基于目标时间预测网络对所述目标路线特征进行回归预测处理,得到所述待预估行程路线的预估到达时间;其中,所述目标特征生成网络和所述目标时间预测网络是基于历史行程路线的历史路段特征序列、多维路线统计信息和实际到达时间,对初始生成网络、初始判别网络和初始预测网络进行对抗生成和回归预测的迭代训练得到的。2.根据权利要求1所述的方法,其特征在于,所述方法还包括:根据所述多维路线统计信息生成所述历史行程路线的路线统计特征;基于所述初始生成网络对所述历史路段特征序列进行特征提取,得到历史路线特征;以所述历史路线特征、所述路线统计特征和所述实际到达时间作为所述初始判别网络的输入,得到第一判别概率和第二判别概率,所述第一判别概率表征所述实际到达时间与所述历史路线特征间的匹配度,所述第二判别概率表征所述实际到达时间与所述路线统计特征间的匹配度;基于初始预测网络对所述历史路线特征进行回归预测处理,得到参考到达时间;根据所述第一判别概率、第二判别概率、所述参考到达时间和所述实际到达时间进行损失计算,得到生成损失、判别损失和预测损失;基于所述生成损失、所述判别损失和所述预测损失,对所述初始生成网络、初始判别网络和初始预测网络进行迭代训练,至满足预设收敛条件,得到所述目标特征生成网络和所述目标时间预测网络。3.根据权利要求2所述的方法,其特征在于,所述基于所述生成损失、所述判别损失和所述预测损失,对所述初始生成网络、初始判别网络和初始预测网络进行迭代训练,至满足预设收敛条件,得到所述目标特征生成网络和所述目标时间预测网络包括:固定所述初始生成网络和所述初始预测网络的模型参数,基于所述判别损失对所述初始判别网络进行第一训练,以更新所述初始判别网络的模型参数;固定所述更新的判别网络的模型参数,基于所述生成损失和所述预测损失对所述初始生成网络和所述初始预测网络进行第二训练,以更新所述初始生成网络和所述初始预测网络的模型参数;交替执行上述第一训练和第二训练的步骤,至满足所述预设收敛条件,得到所述目标特征生成网络和所述目标时间预测网络。4.根据权利要求2所述的方法,其特征在于,所述基于所述生成损失、所述判别损失和所述预测损失,对所述初始生成网络、初始判别网络和初始预测网络进行迭代训练,至满足预设收敛条件,得到所述目标特征生成网络和所述目标时间预测网络包括:基于所述生成损失、所述判别损失和所述预测损失确定总损失;基于所述总损失对所述初始生成网络、所述初始判别网络和所述初始预测网络进行对抗生成和回归预测的联合训练,得到所述目标特征生成网络和所述目标时间预测网络。
5.根据权利要求2所述的方法,其特征在于,所述根据所述第一判别概率、第二判别概率、所述参考到达时间和所述实际到达时间进行损失计算,得到生成损失、判别损失和预测损失包括:根据所述第一判别概率和所述第二判别概率进行损失计算,得到所述判别损失;根据所述参考到达时间和所述实际到达时间之间的偏差进行损失计算,得到所述预测损失;根据所述第一判别概率和所述预测损失进行损失计算,得...
【专利技术属性】
技术研发人员:姜正申,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
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。