[發明專利]一種確定預估到達時間的方法和系統

在審

• 申請號: 202010333432.X
• 申請日: 2020-04-24
• 公開（公告）號: CN111860906A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 傅昆;王征
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06Q10/02
• 分類號: G06Q10/02;G06Q50/30
• 代理公司: 成都七星天知識產權代理有限公司 51253
• 代理人: 楊永梅

本申請實施例公開了一種確定預估到達時間的方法，所述方法包括：獲取當前訂單的相關數據，所述當前訂單的相關數據至少包括：出發時間；基于所述當前訂單的出發時間，獲得所述出發時間對應的第一時間段的第一特征向量；獲取多個第二時間段的第二特征向量，所述第二時間段和所述第一時間段相關；基于所述第一時間段的第一特征向量和所述多個第二時間段的第二特征向量，獲得所述當前訂單對應的目標特征向量；至少基于所述目標特征向量，獲得所述當前訂單的預估到達時間。

技術領域

本申請涉及交通技術領域，特別涉及一種確定預估到達時間的方法和系統。

背景技術

隨著網約車市場的發展，打車平臺給人們的生活帶來便捷，而預估到達時間(Estimated Time of Arrival，ETA)是一個非常重要的技術指標，它用于預估到達指定目的地的時間，能夠描述用戶的出行所花費的時間和成本。在進行ETA計算時，時間是一個重要的計算特征，由于相鄰時間段數據之間具有相似性，獨立計算的結果準確性較低，使得ETA不能夠被準確預估。因此，有必要提出一種確定預估到達時間的方法和系統，來對訂單的到達時間進行有效的預估，提升用戶體驗感。

發明內容

本申請實施例之一提供一種確定預估到達時間的方法，所述方法包括：獲取當前訂單的相關數據，所述當前訂單的相關數據至少包括：出發時間；基于所述當前訂單的出發時間，獲得所述出發時間對應的第一時間段的第一特征向量；獲取多個第二時間段的第二特征向量，所述第二時間段和所述第一時間段相關；基于所述第一時間段的第一特征向量和所述多個第二時間段的第二特征向量，獲得所述當前訂單對應的目標特征向量；至少基于所述目標特征向量，獲得所述當前訂單的預估到達時間。

在一些實施例中，所述基于所述當前訂單的出發時間，獲得所述出發時間對應的第一時間段的第一特征向量，包括：根據預設的時間段劃分方法對預設時間段進行處理，獲得多個候選時間段；獲取每個候選時間段的相關數據，所述相關數據至少包括：候選時間段的起始時間、候選時間段的結束時間、候選時間段對應的候選特征向量；基于多個候選時間段的起始時間和/或結束時間，從多個候選時間段中確定所述當前訂單對應的第一時間段；指定所述第一時間段的候選時間段對應的候選特征向量作為所述第一時間段的第一特征向量。

在一些實施例中，所述獲取多個第二時間段的第二特征向量，包括：基于所述第一特征向量的維度數量和預設維度數量，從所述多個候選時間段中確定多個第二時間段；指定作為所述第二時間段的候選時間段對應的候選特征向量作為所述第二時間段的第二特征向量。本申請實施例之一提供一種確定預估到達時間的裝置，包括處理器，其特征在于，所述處理器用于執行確定預估到達時間方法。

在一些實施例中，所述從所述多個候選時間段中確定多個第二時間段，包括：確定所述第一特征向量的維度數量與所述預設維度數量之間的比值；基于所述比值，從所述多個候選時間段中選取包含所述第一時間段的多個第三時間段；指定所述多個第三時間段中除所述第一時間段外的其他時間段作為所述多個第二時間段。

在一些實施例中，所述至少基于所述預設維度數量的目標特征向量，獲得所述當前訂單的預估到達時間，包括：獲取所述當前訂單的訂單特征；根據到達時間預測算法處理所述目標特征向量以及所述訂單特征，獲得所述當前訂單的預估到達時間。

在一些實施例中，所述到達時間預測算法包括用于預估到達時間的預估模型；所述預估模型為機器學習模型，其基于以下操作獲得：獲取訓練集，所述訓練集包括多個樣本對；利用所述訓練集對初始模型進行訓練，獲得所述預估模型。

在一些實施例中，所述獲取訓練集，包括：獲取歷史訂單的相關數據；

基于所述歷史訂單的相關數據和所述歷史訂單的到達時間，生成樣本對；其中，所述歷史訂單的相關數據至少包括：歷史訂單特征、所述歷史訂單對應的特征向量。