【技术实现步骤摘要】
本申请涉及深度学习，尤其涉及一种预计到达时间模型的训练方法、到达时间预测方法及装置。
技术介绍
1、目前，estimated time of arrival(eta)任务目标是在一个行程开始时，提供预计到达时间预测。它是数字地图和导航系统中一个重要的基于位置的服务。准确的eta将提高交通系统的效率，降低用户的出行成本，节约能源消耗，减少机动车污染。因此，eta已经成为导航系统中的核心组成部分。
2、现有技术中，面对eta预测任务，常规的训练方式采用在单一数据集进行的直接训练的方式训练模型。
3、但是现有技术中，由于eta预测任务存在长尾问题，即部分用户历史轨迹充足，部分用户历史轨迹贫乏，这导致eta模型在历史轨迹数量贫乏用户上预测效果不佳，进而导致eta模型预测导航路径的个性化预计到达时间的准确性较低。
技术实现思路
1、本申请实施例提供一种预计到达时间模型的训练方法、到达时间预测方法及装置，用以达到提高eta模型预测导航路径的个性化预计到达时间的准确性的效果。p>
2、第一方本文档来自技高网...
【技术保护点】
1.一种预计到达时间模型的训练方法，其特征在于，应用于电子设备，包括：
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：
3.根据权利要求2所述的方法，其特征在于，所述第一损失梯度值包括第一损失值、第一梯度值；所述基于所述支持数据集，对候选模型进行训练，计算所述候选模型的第一损失梯度值，包括：
4.根据权利要求2所述的方法，其特征在于，在基于预设的元学习训练算法，将多个所述历史出行数据分为支持数据集和查询数据集之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述识别多个所述历史出行数据中的异常...
【技术特征摘要】
1.一种预计到达时间模型的训练方法，其特征在于，应用于电子设备，包括：
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：
3.根据权利要求2所述的方法，其特征在于，所述第一损失梯度值包括第一损失值、第一梯度值；所述基于所述支持数据集，对候选模型进行训练，计算所述候选模型的第一损失梯度值，包括：
4.根据权利要求2所述的方法，其特征在于，在基于预设的元学习训练算法，将多个所述历史出行数据分为支持数据集和查询数据集之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述识别多个所述历史出行数据中的异常轨迹点，对所述异常轨迹点进行数据清洗处理；并根据清洗后的轨迹点，生成轨迹序列，包括：
6.根据权利要求4所述的方法，其特征在于，所述根...
【专利技术属性】
技术研发人员：冯泽邦，杨训伟，琚天航，
申请(专利权)人：北京四维图新科技有限公司，
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。