[发明专利]一种到达时间的预估方法、装置及存储介质

说明书

本发明实施例公开了一种到达时间的预估方法、装置及存储介质，应用于信息处理技术领域。在本实施例的方法中，到达时间的预估装置可以根据待估计路线的整体特征确定初始到达时间，然后再根据待估计路线中各个路段的子特征及上述整体特征确定初始到达时间的残差，最后根据初始到达时间和残差可以得到待估计路线的最终到达时间。这样，在估计待估计路线的到达时间时，综合考虑了待估计路线的整体特征和局部特征(即各个路段的子特征)，且考虑了在确定待估计路线的到达时间时的误差，提升了最终得到的最终到达时间的准确性。

技术领域

本发明涉及信息处理技术领域，特别涉及一种到达时间的预估方法、装置及存储介质。

背景技术

目前在到达时间的预估(Estimated Time of Arrival，ETA)领域，最常用的算法有基于规则的逐路段累加方法和基于决策树模型的机器学习算法等。

基于规则的逐路段累加方法主要将整条路线划分为多个路段，根据每个路段的长度、速度和红绿灯等状况，估计出每个路段的通过时间，再加上每个路口的通过时间，这样累加起来，就可以得到通过整条路线的总时间。这种方法对人工经验的依赖很强，需要人工设定各个路段的规则，但是由于现实路况十分复杂，人为设定的规则无法覆盖各种情形，导致最终得到的时间常常不准；更关键的是，这种方法是将各路段的预估时间进行累加，因此每个路段预估时间的误差也会进行累积，使得最终结果很难取得令人满意的准确率。

基于决策树模型的方法不再将整条路线划分为多个路段以进行逐路段的估计，而是先提取出整条路线的特征，例如全程总路程、出发时刻的全程平均速度、全程红绿灯总数、全程拥堵里程占比等，然后将这些特征输入到基于决策树模型的机器学习算法中，进行训练得到进行预估时间的决策树模型。这类算法只考虑了路线的整体特征，但是在现实中，如果某一个路段的极度拥堵，对整条路线的到达时间影响巨大，只考虑整体特征会导致最终得到的预估时间不准。

发明内容

本发明实施例提供一种到达时间的预估方法、装置及存储介质，实现了根据待估计路线的整体特征和待估计路线包括的各个路段的子特征确定最终到达时间。

本发明实施例第一方面提供一种到达时间的预估方法，包括：

获取待估计路线的整体特征，所述待估计路线包括多个路段；

获取所述多个路段中每个路段的子特征；

根据所述整体特征确定所述待估计路线的初始到达时间；

根据所述整体特征及各个路段的子特征确定所述初始到达时间的残差；

根据所述初始到达时间和所述初始到达时间的残差，确定所述待估计路线的最终到达时间。

本发明实施例第二方面提供一种到达时间的预估装置，包括：

特征获取单元，用于获取待估计路线的整体特征，所述待估计路线包括多个路段，获取所述多个路段中每个路段的子特征；

初始确定单元，用于根据所述整体特征确定所述待估计路线的初始到达时间；

残差确定单元，用于根据所述整体特征及各个路段的子特征确定所述初始到达时间的残差；

最终时间确定单元，用于根据所述初始到达时间和所述初始到达时间的残差，确定所述待估计路线的最终到达时间。

本发明实施例第三方面提供一种存储介质，所述存储介质储存多条指令，所述指令适于由处理器加载并执行如本发明实施例第一方面所述的到达时间的预估方法。

本发明实施例第四方面提供一种服务器，包括处理器和存储介质，所述处理器，用于实现各个指令；

所述存储介质用于储存多条指令，所述指令用于由处理器加载并执行如本发明实施例第一方面所述的到达时间的预估方法。