[發(fā)明專利]確定預估到達時間的方法與系統(tǒng)在審
| 申請?zhí)枺?/td> | 202210536958.7 | 申請日： | 2017-05-22 |
| 公開（公告）號： | CN114944059A | 公開（公告）日： | 2022-08-26 |
| 發(fā)明（設計）人： | 鐘志遠;羅卿;王征 | 申請（專利權(quán)）人： | 北京嘀嘀無限科技發(fā)展有限公司 |
| 主分類號： | G08G1/01 | 分類號： | G08G1/01;G08G1/00;H04W4/40;G06Q10/04;G01C21/34;G01C21/36;G06N20/00 |
| 代理公司： | 成都七星天知識產(chǎn)權(quán)代理有限公司 51253 | 代理人： | 李如文 |
| 地址： | 100193 北京市*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 確定 預估 到達 時間 方法 系統(tǒng) | ||
1.一種確定預估到達時間(ETA)的方法，包括：
從用戶設備接收用戶的起始位置和目的地；
基于所述起始位置和所述目的地確定目標路線；
基于所述目標路線確定目標高維稀疏特征；
基于機器學習模型和所述目標高維稀疏特征確定所述目標路線的預估到達時間；
傳輸所述預估到達時間。
2.如權(quán)利要求1所述的方法，確定所述目標高維稀疏特征涉及決策樹類算法或獨熱編碼算法中的至少一種。
3.如權(quán)利要求2所述的方法，所述決策樹類算法包括GBDT算法。
4.如權(quán)利要求1所述的方法，所述基于所述目標路線確定目標高維稀疏特征包括：
基于所述路線獲取特征；
基于所述特征確定樹信息；
基于所述樹信息確定葉節(jié)點編碼；以及
基于所述葉節(jié)點編碼確定所述目標高維稀疏特征。
5.如權(quán)利要求1所述的方法，所述基于所述目標路線確定目標高維稀疏特征包括：
基于所述路線獲取特征；
確定所述特征包括分類特征時，確定所述特征對應的屬性；
基于所述屬性確定獨熱編碼；以及
基于所述獨熱編碼確定所述目標高維稀疏特征。
6.如權(quán)利要求5所述的方法，還包括：
確定所述特征還包括連續(xù)特征時，根據(jù)所述特征確定樹信息；
基于所述樹信息確定葉節(jié)點編碼；以及
基于所述葉節(jié)點編碼和所述獨熱編碼確定所述目標高維稀疏特征。
7.如權(quán)利要求1所述的方法，所述機器學習模型涉及因子分解機(FM)或基于域的分解機(FFM)中的至少一個。
8.如權(quán)利要求1所述的方法，所述目標路線包括至少兩個路段，所述目標高維稀疏特征包括：所述目標路線中的路段的特征和反映所述目標路線中不同路段之間的相互作用的特征。
9.一種確定預估到達時間(ETA)的系統(tǒng)，一個存儲設備，所述存儲設備存儲一組指令集；及
在線按需服務平臺的至少一個處理器，所述處理器被配置為與所述存儲設備通信，其中，當執(zhí)行所述指令集時，所述至少一個處理器被配置為使所述系統(tǒng)：
通過網(wǎng)絡從用戶設備接收起始位置和目的地；
基于所述起始位置和所述目的地確定目標路線；
基于所述目標路線確定目標高維稀疏特征；
基于機器學習模型和所述目標高維稀疏特征確定所述目標路線的預估到達時間；
傳輸所述預估到達時間。
10.一種包括指令的非暫時性機器可讀存儲媒介，當所述指令被在線按需服務平臺的至少一個處理器訪問時，使所述至少一個處理器：
通過網(wǎng)絡從用戶設備接收起始位置和目的地；
基于所述起始位置和所述目的地確定目標路線；
基于所述目標路線確定目標高維稀疏特征；
基于機器學習模型和所述目標高維稀疏特征確定所述目標路線的預估到達時間；
傳輸所述預估到達時間。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京嘀嘀無限科技發(fā)展有限公司，未經(jīng)北京嘀嘀無限科技發(fā)展有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210536958.7/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
