[发明专利]用于推荐预计到达时间的系统和方法

权利要求书

1.一种用于推荐预计到达时间的系统，包含：

至少一个非暂时性计算机可读存储介质，所述至少一个非暂时性计算机可读存储介质包括一组用于推荐预计到达时间的指令集；

至少一个处理器，所述至少一个处理器与所述至少一个非暂时性计算机可读存储介质进行通讯，其中，在执行所述组指令集时，所述至少一个处理器被指示为：

获取至少一个第一特征向量，所述至少一个第一特征向量与历史交通服务订单的至少一个非量化特征有关；

获取至少一个第二特征向量，所述至少一个第二特征向量与所述历史交通服务订单的至少一个量化特征有关；

通过训练混合模型来获得已训练的混合模型，所述混合模型包括第一模型和第二模型，其中所述至少一个第一特征向量是所述第一模型的输入，所述至少一个第二特征向量是所述第二模型的输入；以及

指示所述至少一个存储介质存储所述已训练的混合模型；

其中，所述第一模型是线性回归模型，所述第二模型是深度神经网络模型，所述混合模型是预计到达时间的WDL模型且包括多个WDL子混合模型，所述多个WDL子混合模型中的每一个对应于历史服务订单发生的和交付的预设场景，所述预设场景包括以下中的至少一种：预设日期、一天中的时间段、地图中的地区、天气，为了获取已训练的预计到达时间的WDL模型，所述至少一个处理器进一步被指示为：

获取所述历史交通服务订单的实际到达时间；

获取所述WDL模型；

基于所述WDL模型、所述第一特征向量，和所述第二特征向量，确定所述历史交通服务订单的样本预计到达时间；

基于所述实际到达时间和样本预计到达时间，确定损失函数；

确定所述损失函数的值是否小于阈值；以及

响应于损失函数的值小于所述阈值的确定结果，将所述WDL模型存储为所述已训练的预计到达时间的WDL模型。

2.根据权利要求1所述的系统，其中所述损失函数是平均绝对百分比误差MAPE函数。

3.根据权利要求1所述的系统，其中所述至少一个非量化特征包括用户的ID、用户的性别、用户的偏好、用户的评价、支付方式、起始位置的地名、上车位置的地名、目的地的地名、路线中的道路名、道路种类、城市名、天气的描述、空气质量等级、交通情况的描述、交通限制、事件的描述、车型、车辆的颜色，或者车辆的品牌中的至少一种。

4.根据权利要求1所述的系统，其中，所述至少一个量化特征包括用户历史行程服务订单数目、用户的表现评分、预计费用、单价、实际费用、起始位置的坐标、起始时间、到达时间、持续时间、路程的距离、十字路口数目、有红绿灯的十字路口数目、无红绿灯的十字路口数目、小路数目、空气质量指数、温度、能见度、湿度、气压、风速、PM2.5指数、交通量、交通事故数目、速度、事件数目、车座数目、后备箱体积，或负载量中的至少一个。