[發明專利]通行速度預測模型的訓練方法、裝置和存儲介質

在審

• 申請號: 202010099625.3
• 申請日: 2020-02-18
• 公開（公告）號: CN113344233A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 劉旭斌
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 北京領科知識產權代理事務所(特殊普通合伙) 11690
• 代理人: 張丹

本發明實施例提供了一種通行速度預測模型的訓練方法、通行速度預測方法、相應的裝置和存儲介質。該訓練方法包括：利用路段的歷史路況信息和靜態屬性信息，對通行速度預測模型進行訓練，其中，所述通行速度預測模型包括時間卷積網絡層、組合層和全連接層，所述時間卷積網絡層對路段的歷史路況信息進行學習，所述組合層組合所述時間卷積網絡層的輸出和所述路段的靜態屬性信息，所述全連接層對所述組合層輸出的參數進行綜合，所述通行速度預測模型用于預測路段的預測通行速度。

技術領域

本申請涉及導航技術領域，尤其涉及一種通行速度預測模型的訓練方法、通行速度預測方法、裝置和存儲介質。

背景技術

隨著人們生活水平的提高，人們出行的頻率越來越高，在出行的過程中，為了更加快速、便捷地到達目的地，人們通常會參照具備導航功能的設備(如，個人數字助理、移動終端、MP3、MP4、電子腕式設備以及各類微型電子儀表等)所提供的導航服務進行駕駛。

在導航服務中，通常會一并向用戶提供預估到達時間(Estimated Time ofArrival，ETA)，該預估到達時間的確定很大程度上依賴于該路段的預測通行速度，具體地，可以基于該路段的歷史通行速度，得到該路段的預測通行速度，并根據預測通行速度，確定預估到達時間，上述歷史通行速度也可通過該路段上的歷史通行時長表征。

在已有技術中，采用歷史平均值法得到一個路段上的預測通行速度。下面以一個示例介紹如何利用歷史平均值法得到該路段的預測通行速度。例如，將某路段上過去12周內每一周的同一特征日(例如每周的周五)的同一時間段(例如18:10-18:20)的車輛的通行速度作為12個歷史特征區間，確定該12個歷史特征區間的通行速度的平均值作為該路段未來一周中相應特征日的相應時間段的預測通行速度。

應該注意，上面對技術背景的介紹只是為了方便對本發明的技術方案進行清楚、完整的說明，并方便本領域技術人員的理解而闡述的。不能僅僅因為這些方案在本發明的背景技術部分進行了闡述而認為上述技術方案為本領域技術人員所公知。

發明內容

發明人發現，在采用歷史平均值法得到預測通行速度時，在預測通行速度不準確的情況下，由此確定出的預估到達時間往往極端提前或延后，即預測通行速度的準確性對于預估到達時間的確定非常重要；并且，歷史平均值法對于歷史數據中的異常數據非常敏感，即，在存在極高或極低的異常數據的情況下，這些異常數據對預測通行速度的影響較大；同時，歷史平均值法無法學習歷史特征區間內的局部趨勢變化，尤其是近期短時間內的趨勢變化，由此影響得到的預測通行速度的準確性；此外，歷史平均值法僅考慮規定歷史特征區間內的歷史數據的值，未考慮與車輛行駛相關的其他信息，由此進一步影響得到的預測通行速度的準確性。

為了解決上述問題或類似問題，本發明實施例提供了一種通行速度預測模型的訓練方法、通行速度預測方法、相應的裝置和存儲介質，用于達到訓練出準確的通行速度預測模型，提高預測出的預測通行速度以及由此預估出的到達時間的準確性，提升用戶體驗的目的。

根據本發明實施例的第一方面，提供一種通行速度預測模型的訓練方法，該方法包括：利用路段的歷史路況信息和靜態屬性信息，對通行速度預測模型進行訓練，其中，該通行速度預測模型包括時間卷積網絡層、組合層和全連接層，該時間卷積網絡層對路段的歷史路況信息進行學習，該組合層組合該時間卷積網絡層的輸出和該路段的靜態屬性信息，該全連接層對該組合層輸出的參數進行綜合，該通行速度預測模型用于預測路段的預測通行速度。

根據本發明實施例的第二方面，提供一種通行速度預測方法，該方法包括：基于根據上述第一方面所述的方法進行訓練后的通行速度預測模型，對路段的預測通行速度進行預測。