[发明专利]ETA模型的训练方法、ETA预估方法、装置及设备

说明书

本申请实施例公开了一种ETA模型的训练方法、ETA预估方法、装置及设备。所述方法包括：获取目标用户的至少一条轨迹数据，该至少一条轨迹数据对应于至少一种属性的道路；根据上述至少一条轨迹数据，获取目标用户在上述至少一种属性的道路上的速度比；根据目标用户的速度比特征，训练用于对目标用户的ETA进行预估的ETA个性化模型。一方面，由于速度比特征可以采用数据分析处理的手段，从用户的轨迹数据中自动挖掘得到，克服了人工挖掘所存在的耗时长、准确性难以得到保障的弊端；另一方面，由于速度比特征能够量化地表征目标用户在不同属性的道路上的个性化行为习惯，使得最终训练得到的ETA个性化模型在对目标用户进行ETA预估时更为准确。

技术领域

本申请实施例涉及机器学习技术领域，特别涉及一种ETA(Estimated Time ofArrival，预计到达时间)模型的训练方法、ETA预估方法、装置及设备。

背景技术

ETA预估是指预估用户到达指定目的地的时间。比如在一次导航过程中，预估用户从出发地到目的地的时间。

目前，业界基于机器学习的ETA预估方案多采用人工特征工程的方法，利用回归模型建模得到ETA模型，通过该ETA模型对用户的ETA进行预估。传统的ETA模型只考虑路线特征，如包括路线的物理属性(如路线的长度、宽度、道路等级等属性)、路线的历史挖掘速度、路线的实时速度等特征。这种传统方案由于只考虑了路线特征，并没有考虑用户对ETA预估结果的影响，因此导致ETA预估结果不够准确。

在相关技术中，在路线特征的基础上，进一步挖掘用户特征，通过融合上述两方面特征对ETA模型进行训练，可以得到用于对特定用户的ETA进行预估的ETA个性化模型。用户特征可以包括：用户的自身属性(如用户的年龄、性别等)、用户对路线的熟悉程度、用户的主要活动城市范围等特征。

然而，上述相关技术中涉及的用户特征，基本是由人工挖掘得到的，人工挖掘耗时较长，且人工挖掘的特征值的准确性难以得到保障，导致影响最终训练得到的ETA个性化模型的预估准确率。

发明内容

本申请实施例提供了一种ETA模型的训练方法、ETA预估方法、装置及设备，可节省特征值挖掘的耗时，提升ETA个性化模型的预估准确率。所述技术方案如下：

一方面，本申请实施例提供一种ETA模型的训练方法，所述方法包括：

获取目标用户的至少一条轨迹数据，所述至少一条轨迹数据对应于至少一种属性的道路；

根据所述至少一条轨迹数据，获取所述目标用户在所述至少一种属性的道路上的速度比；其中，所述速度比是指所述目标用户的移动速度与道路通行速度的比值；

根据所述目标用户的速度比特征，训练用于对所述目标用户的ETA进行预估的ETA个性化模型；其中，所述目标用户的速度比特征包括所述目标用户在所述至少一种属性的道路上的速度比。

另一方面，本申请实施例提供一种ETA预估方法，所述方法包括：

获取目标用户的行程信息，所述行程信息包括起点位置和终点位置；

确定从所述起点位置到所述终点位置的规划路线；

获取所述规划路线对应的路线特征以及所述目标用户的用户特征，所述目标用户的用户特征包括所述目标用户的速度比特征，所述目标用户的速度比特征包括所述目标用户在指定数量的属性的道路上的速度比，所述速度比是指所述目标用户的移动速度与道路通行速度的比值；

调用所述目标用户的ETA个性化模型，通过所述ETA个性化模型根据所述规划路线对应的路线特征以及所述目标用户的用户特征，得到所述规划路线对应的ETA预估结果。

再一方面，本申请实施例提供一种ETA模型的训练装置，所述装置包括：