[發明專利]到達時間的預估方法、裝置及計算機設備

有效

• 申請號: 201910276948.2
• 申請日: 2019-04-08
• 公開（公告）號: CN109974735B
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 姜正申
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G01C21/34
• 分類號: G01C21/34;G01C21/20
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

1.一種到達時間的預估方法，其特征在于，包括：

確定待預估的路線；

獲取所述路線的特征集合，所述特征集合包括：組成所述路線的路段序列中每條路段的路段特征和所述路線的路線整體特征，所述路段序列包括至少一條路段，所述路段特征為影響路段的通行時長的特征，所述路線整體特征為影響所述路線整體通行時長的特征；

將所述路段序列中各條路段的路段特征輸入第一預估模型，獲取所述第一預估模型對所述路段序列中各條路段的路段特征轉換出的至少一個路段轉換特征，得到所述第一預估模型預測出的所述路線的第一預估到達時間，所述第一預估模型為利用多條路線樣本各自對應的特征集合和實際到達時間訓練得到；

基于所述至少一個路段轉換特征，確定用于表征所述路線的特征的路線綜合特征；

將所述路線的路線整體特征、所述路線的第一預估到達時間以及所述路線的路線綜合特征輸入第二預估模型，得到所述第二預估模型預測出的所述路線的第二預估到達時間，其中，所述第二預估模型為利用多條路線樣本各自對應的路線整體特征、第一預估到達時間、路線綜合特征以及實際到達時間訓練得到。

2.根據權利要求1所述的到達時間的預估方法，其特征在于，所述將所述路段序列中各條路段的路段特征輸入第一預估模型，包括：

將所述路線的路線整體特征以及所述路段序列中各條路段的路段特征輸入第一預估模型。

3.根據權利要求1所述的到達時間的預估方法，其特征在于，所述獲取所述第一預估模型對所述路段序列中各條路段的路段特征轉換出的至少一個路段轉換特征，包括：

獲取所述第一預估模型對所述路段序列中各條路段的路段特征轉換出的至少一個路段特征向量；

所述基于所述至少一個路段轉換特征，確定用于表征所述路線的特征的路線綜合特征，包括：

將所述至少一個路段特征向量中的最大值，確定為用于表征所述路線的特征的路線綜合特征；

或者，確定所述至少一個路段特征向量的向量平均值，并將該向量平均值確定為用于表征所述路線的特征的路線綜合特征。

4.根據權利要求1至3任一項所述的到達時間的預估方法，其特征在于，所述第一預估模型為預先訓練出的卷積神經網絡模型；所述第二預估模型為基于神經網絡模型之外的機器學習算法構建出的模型。

5.根據權利要求1至3任一項所述的到達時間的預估方法，其特征在于，所述確定待預估的路線，包括：

確定待預估的路線以及所述路線的出發時刻；

所述獲取所述路線的特征集合，包括：

獲取所述路線對應所述出發時刻的特征集合。

6.一種到達時間的預估裝置，其特征在于，包括：

路線確定單元，用于確定待預估的路線；

特征獲取單元，用于獲取所述路線的特征集合，所述特征集合包括：組成所述路線的路段序列中每條路段的路段特征和所述路線的路線整體特征，所述路段序列包括至少一條路段，所述路段特征為影響路段的通行時長的特征，所述路線整體特征為影響所述路線整體通行時長的特征；

第一預估單元，用于將所述路段序列中各條路段的路段特征輸入第一預估模型，得到所述第一預估模型預測出的所述路線的第一預估到達時間，所述第一預估模型為利用多條路線樣本各自對應的特征集合和實際到達時間訓練得到；

中間特征獲取單元，用于在所述第一預估單元得到所述第一預估模型預測出的所述路線的第一預估到達時間之前，獲取所述第一預估模型對所述路段序列中各條路段的路段特征轉換出的至少一個路段轉換特征；

特征綜合單元，用于基于所述至少一個路段轉換特征，確定用于表征所述路線的特征的路線綜合特征；

第二預估單元，用于將所述路線的路線整體特征、所述路線的第一預估到達時間以及所述路線的路線綜合特征輸入第二預估模型，得到所述第二預估模型預測出的所述路線的第二預估到達時間，其中，所述第二預估模型為利用多條路線樣本各自對應的路線整體特征、第一預估到達時間、路線綜合特征以及實際到達時間訓練得到。