模型训练方法、预测方法、装置和存储介质制造方法及图纸

本发明专利技术实施例提供了一种模型训练方法、预测方法、装置和存储介质。所述模型训练方法包括：获取原始样本，原始样本包括历史行程的历史预估行驶路线及相应的历史实际行驶路线；确定路线相似度满足预设的相似度阈值的历史预估行驶路线作为目标历史预估行驶路线；获取目标历史预估行驶路线包含的目标历史道路的实时道路状态特征作为实时类特征；获取目标历史道路的历史道路通行统计特征作为历史类特征；采用实时类特征和历史类特征作为训练样本，对预设的机器学习模型进行训练，以得到能用于预测低速行驶时长的预测模型。在本发明专利技术实施例的方案中，训练得到的预测模型能够基于预估行驶路线准确地预测低速行驶时长。路线准确地预测低速行驶时长。路线准确地预测低速行驶时长。

【技术实现步骤摘要】
模型训练方法、预测方法、装置和存储介质


[0001]本专利技术实施例涉及计算机
，尤其涉及一种模型训练方法、预测方法、装置和存储介质。

技术介绍

[0002]网约车服务平台需要依托技术构建服务平台，接入符合条件的出租车或其他类型的运营车辆向社会大众提供出行服务。
[0003]目前，出行用户在通过网约车应用软件预约或呼叫网约车时，该软件需要向用户展示预估行驶路线及对应的预估价格。而专利技术人发现，部分类型的网约车在预估价格时需要考虑低速行驶时长，即，网约车的平均车速过低时，需要基于低速行驶时长进行计价补偿。由于预估低速行驶时长对于预估价格的准确性有一定影响，因此，需要提供准确的低速行驶时长的预估方案，以保证预估价格的准确性，提升用户体验。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供一种模型训练方法、预测方法、装置、电子设备和存储介质，以解决或缓解上述问题。
[0005]根据本专利技术实施例的第一方面，提供了一种模型训练方法，包括：获取原始样本，所述原始样本包括历史行程的历史预估行驶路线及相应的历史实际行驶路线，所述历史实际行驶路线是出现了低速行驶时长的路线；确定与所述历史实际行驶路线的路线相似度满足预设的相似度阈值的历史预估行驶路线作为目标历史预估行驶路线；获取所述目标历史预估行驶路线包含的目标历史道路的实时道路状态特征作为实时类特征；获取所述目标历史道路的历史道路通行统计特征作为历史类特征；采用所述实时类特征和所述历史类特征作为训练样本，对预设的机器学习模型进行训练，以得到能用于预测所述低速行驶时长的预测模型。
[0006]根据本专利技术实施例的第二方面，提供了一种预测方法，包括：获取当前行程的当前预估行驶路线；确定所述当前预估行驶路线包含的当前道路的实时道路状态特征作为实时类特征，并且确定所述当前道路的历史道路通行统计特征作为历史类特征；将所述实时类特征和所述历史类特征输入到预测模型中，得到所述当前预估行驶路线的低速行驶时长，所述预测模型通过根据第一方面所述的模型训练方法训练得到。
[0007]根据本专利技术实施例的第三方面，提供了一种模型训练装置，包括：第一获取模块，获取原始样本，所述原始样本包括历史行程的历史预估行驶路线及相应的历史实际行驶路线，所述历史实际行驶路线是出现了低速行驶时长的路线；确定模块，确定与所述历史实际行驶路线的路线相似度满足预设的相似度阈值的历史预估行驶路线作为目标历史预估行驶路线；第二获取模块，获取所述目标历史预估行驶路线包含的目标历史道路的实时道路状态特征作为实时类特征；第三获取模块，获取所述目标历史道路的历史道路通行统计特征作为历史类特征；训练模块，采用所述实时类特征和所述历史类特征作为训练样本，对预
设的机器学习模型进行训练，以得到能用于预测所述低速行驶时长的预测模型。
[0008]根据本专利技术实施例的第四方面，提供了一种预测装置，包括：获取模块，获取当前行程的当前预估行驶路线；确定模块，确定所述当前预估行驶路线包含的当前道路的实时道路状态特征作为实时类特征，并且确定所述当前道路的历史道路通行统计特征作为历史类特征；预测模块，将所述实时类特征和所述历史类特征输入到预测模型中，得到所述当前预估行驶路线的低速行驶时长，所述预测模型通过根据第一方面所述的模型训练方法训练得到。
[0009]根据本专利技术实施例的第五方面，提供了一种电子设备，所述设备包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如第一方面或第二方面所述的方法对应的操作。
[0010]根据本专利技术实施例的第六方面，提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面或第二方面所述的方法。
[0011]在本专利技术实施例的方案中，由于数据库中记录的目标历史预估行驶路线与出现了低速行驶时长的历史实际行驶路线的路线相似度满足预设的相似度阈值，因此，目标历史预估行驶路线更匹配低速行驶时长。此外，实时道路状态特征和历史道路通行统计特征能够更好地反映影响低速行驶时长的各个因素，因此采用目标历史预估行驶路线包含的目标历史道路的实时道路状态特征和历史道路通行统计特征作为训练样本，使得训练得到的预测模型能够基于预估行驶路线准确地预测低速行驶时长。
附图说明
[0012]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0013]图1为一个示例的车辆行程计价系统所适用的网络架构示意图；
[0014]图2为本专利技术的一个实施例的模型训练方法的示意图；
[0015]图3为本专利技术的另一实施例的样本筛选方法的示意图；
[0016]图4为本专利技术的另一实施例的低速行驶时长预测方法的示意图；
[0017]图5为本专利技术的另一实施例的低速行驶时长预测方法的示意性框图；
[0018]图6为本专利技术的另一实施例的模型训练装置的示意性框图；
[0019]图7为本专利技术的另一实施例的低速行驶时长预测装置的示意性框图；
[0020]图8为本专利技术的另一实施例的电子设备的硬件结构。
具体实施方式
[0021]为了使本领域的人员更好地理解本专利技术实施例中的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术实施例一部分实施例，而不是全部的实施例。基于本专利技术实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本专利技术实施例保护的范围。
[0022]下面结合本专利技术实施例附图进一步说明本专利技术实施例具体实现。
[0023]图1为一个示例的车辆行程计价系统所适用的网络架构示意图。如图1所示的网络架构包括发起网约车请求的用户设备110、接收网约车请求的候选车辆121
‑
124、作为后台服务端的路线确定服务器130和计价服务器140。其中，可以基于某种算法(候选车辆的驾驶员抢单算法、或系统自动派单算法)，从候选车辆121
‑
124中，确定目标车辆为利用用户设备110发起网约车请求的用户服务。文中的用户设备110是示意性的，可以代表一个或多个诸如手机的用户设备，用户设备中可以安装有诸如网约车应用程序的出行类应用程序的乘客客户端。候选车辆121
‑
124也是示意性的，候选车辆的数量可以为任意的，并且候选车辆中可以安装有诸如车机的车载设备，车载设备中可以安装有诸如网约车应用程序的出行类应用程序的驾驶员客户端。
[0024]应理解，路线确定服务器130包括通信模块131和路线确定模块132。通信模块131可以通过诸如互联网、移动网络等网络与用户设备110、候选车辆121...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，包括：获取原始样本，所述原始样本包括历史行程的历史预估行驶路线及相应的历史实际行驶路线，所述历史实际行驶路线是出现了低速行驶时长的路线；确定与所述历史实际行驶路线的路线相似度满足预设的相似度阈值的历史预估行驶路线作为目标历史预估行驶路线；获取所述目标历史预估行驶路线包含的目标历史道路的实时道路状态特征作为实时类特征；获取所述目标历史道路的历史道路通行统计特征作为历史类特征；采用所述实时类特征和所述历史类特征作为训练样本，对预设的机器学习模型进行训练，以得到能用于预测所述低速行驶时长的预测模型。2.根据权利要求1所述的方法，其中，所述方法还包括：确定所述历史实际行驶路线的路段与所述历史预估行驶路线的路线相似度。3.根据权利要求2所述的方法，其中，确定所述历史实际行驶路线的路段与所述历史预估行驶路线的路线相似度，包括：确定所述历史实际行驶路线的路段与所述历史预估行驶路线的路段之间的最长公共路段数目；根据所述历史实际行驶路线的路段数目和所述历史预估行驶路线的路段数目中的至少一者与所述最长公共路段数目之间的比例关系，确定所述历史实际行驶路线与所述历史预估行驶路线的路线相似度。4.根据权利要求3所述的方法，其中，所述根据所述历史实际行驶路线的路段数目和所述历史预估行驶路线的路段数目中的至少一者与所述最长公共路段数目之间的比例关系，确定所述历史实际行驶路线与所述历史预估行驶路线的路线相似度，包括：根据所述历史实际行驶路线的路段数目与所述最长公共路段数目之间的比例关系，确定实际路线相似度，并且根据所述历史预估行驶路线的路段数目与所述最长公共路段数目之间的比例关系，确定预估路线相似度，其中，所述目标历史预估行驶路线的实际路线相似度和预估路线相似度均满足预设的相似度阈值。5.根据权利要求...

【专利技术属性】
技术研发人员：孔聪聪，徐慎昆，冀晨光，
申请(专利权)人：阿里巴巴新加坡控股有限公司，
类型：发明
国别省市：