[发明专利]目的地预测方法、装置、介质及电子设备

说明书

本公开涉及一种目的地预测方法、装置、介质及电子设备，所述方法包括：获取与目标车辆相关的目标特征信息，其中，所述目标特征信息包括当前随机特征信息、所述目标车辆的目标历史行为轨迹信息，所述当前随机特征信息包括当前节假日信息、当前通行时间信息、当前车辆限行信息、当前天气信息；将所述目标特征信息输入到目的地预测模型中，得到所述目的地预测模型输出的所述目标车辆的预测目的地信息。通过上述技术方案，由于目的地预测模型在进行预测时的特征信息更为全面，因此通过该目的地预测模型得出的预测目的地信息更为准确。

技术领域

本公开涉及计算机技术领域，具体地，涉及一种目的地预测方法、装置、介质及电子设备。

背景技术

车辆是人们日常生活中常用的交通工具，随着车辆技术的发展，车辆的智能化程度越来越高，例如用户准备出行时，可以对用户的目的地进行预测，从而为用户提供参考信息。相关技术中，通常根据车辆的历史轨迹信息对目的地进行预测，预测准确度较低，无法向用户提供准确的预测目的地结果。

发明内容

本公开的目的是提供一种目的地预测方法、装置、介质及电子设备，以提高目的地预测结果的准确性。

为了实现上述目的，第一方面，本公开提供一种目的地预测方法，所述方法包括：获取与目标车辆相关的目标特征信息，其中，所述目标特征信息包括当前随机特征信息、所述目标车辆的目标历史行为轨迹信息，所述当前随机特征信息包括当前节假日信息、当前通行时间信息、当前车辆限行信息、当前天气信息；将所述目标特征信息输入到目的地预测模型中，得到所述目的地预测模型输出的所述目标车辆的预测目的地信息。

可选地，所述目的地预测模型是通过如下方式训练得到的：获取用于训练所述目的地预测模型所需的原始训练数据，其中，所述原始训练数据包括多个车辆各自的历史行为轨迹信息、历史目的地信息、与所述历史行为轨迹信息相关的历史随机特征信息，所述历史随机特征信息包括历史节假日信息、历史通行时间信息、历史车辆限行信息、历史天气信息；通过所述原始训练数据对模型进行训练，以得到所述目的地预测模型。

可选地，所述通过所述原始训练数据对模型进行训练，包括：对所述原始训练数据进行预处理，得到目标训练数据；将所述目标训练数据存储到动态知识图谱中；通过所述动态知识图谱中存储的所述目标训练数据，对所述模型进行训练。

可选地，所述通过所述动态知识图谱中存储的所述目标训练数据，对所述模型进行训练，包括：针对每一所述车辆，根据该车辆的历史行为轨迹信息，对该车辆的历史行为轨迹进行行程划分，得到该车辆的历史行程轨迹信息；采用Word2vec模型中的Skip-Gram模型，分别对每一车辆的所述历史行程轨迹信息进行处理，得到所述车辆的行程轨迹特征向量信息；将所述车辆的行程轨迹特征向量信息以及与所述车辆的历史行为轨迹信息相关的历史随机特征信息作为所述模型的输入，将所述车辆的历史目的地信息作为所述模型的目标输出，对所述模型进行训练。

可选地，所述根据该车辆的历史行为轨迹信息，对该车辆的历史行为轨迹进行行程划分，包括：获取所述车辆从历史起始点信息到历史目的地信息中间经过的多个路程段；确定每一所述路程段各自对应的时长阈值；针对每一所述路程段，在所述车辆通过该路程段的时长大于对应的时长阈值的情况下，在该路程段对所述车辆的历史行为轨迹进行划分。

可选地，所述确定每一所述路程段各自对应的时长阈值，包括：针对每一所述路程段，根据所述车辆通过所述路程段的时刻，确定预设时间段；根据在所述预设时间段内其他车辆通过该路程段所需的时长，确定所述时长阈值。

可选地，所述目的地预测模型包括多个SRU单元，所述SRU单元之间采用SDZ算法进行计算，所述SRU单元内的记忆单元状态的生成和隐藏层状态的生成均采用所述SDZ算法。