[发明专利]建立路线耗时预估模型、预估路线耗时的方法及对应装置

权利要求书

1.一种建立路线耗时预估模型的方法，其特征在于，该方法包括：

从用户轨迹数据中获取训练数据，所述训练数据包括：用户经过的路线、用户经过该路线时的时间信息以及用户经过该路线的实际耗时信息；

利用所述训练数据训练得到所述路线耗时预估模型，其中所述路线耗时预估模型包括：路况子网络和整合子网络；

所述路况子网络利用所述时间信息和所述路线所包含各路段的路网特征表示，预估所述路线所包含各路段的路况特征表示；

所述整合子网络依据所述时间信息的特征表示、所述路线所包含各路段的向量表示以及所述路况子网络预估得到的路线所包含各路段的路况特征表示，确定所述路线的预估耗时；

所述路线耗时预估模型的训练目标为：最小化所述路线的预估耗时与实际耗时的差距；

在所述训练过程中，利用所述训练目标对应的损失函数进行前向反馈以更新所述路线耗时预估模型的参数，所述参数包括所述路况子网络和所述整合子网络的参数。

2.根据权利要求1所述的方法，其特征在于，所述路线耗时预估模型还包括：时间子网络和/或路段子网络；

所述时间子网络用于获取所述时间信息的特征表示；

所述路段子网络用于获取所述路线所包含各路段的向量表示。

3.根据权利要求2所述的方法，其特征在于，获取所述路线所包含各路段的向量表示包括：

获取所述路线所包含的各路段以及各路段的上下文；

针对每一条路段以及该路段的上下文，使用神经网络进行编码，得到该路段的向量表示。

4.根据权利要求1所述的方法，其特征在于，利用所述时间信息预估路段的路况特征表示包括：

获取路段在所述时间信息之前预设历史时长内各时间点的路况特征；

将该路段的路网特征、在所述时间信息之前预设历史时长内各时间点的路况特征以及所述历史时长内各时间点的特征进行拼接，得到该路段对应的时空张量；

利用注意力机制对所述时空张量进行映射，得到对该路段预估的路况特征表示。

5.根据权利要求4所述的方法，其特征在于，所述获取路段在所述时间信息之前预设历史时长内各时间点的路况特征包括：

从在所述时间信息之前预设历史时长内各时间点的路况图中，获取所述路段及其上下文对应的路况子图；

将所述路况子图进行编码，得到所述路段在所述时间信息之前预设历史时长内各时间点的路况特征。

6.根据权利要求4所述的方法，其特征在于，在所述进行拼接时，对预设历史时长内各时间点的部分路况特征进行随机掩膜。

7.根据权利要求1所述的方法，其特征在于，确定所述路线的预估耗时包括：

所述整合子网络依据所述时间信息的特征表示、所述路线所包含各路段的向量表示以及所述路线所包含各路段的路况特征表示进行整合后，经过全连接层的映射分别得到各路段的预估耗时；

依据各路段的预估耗时，得到所述路线的预估耗时。

8.根据权利要求7所述的方法，其特征在于，利用所述训练目标对应的损失函数进行前向反馈以更新所述路线耗时预估模型的参数包括：

依据所述路线的预估耗时与所述路线的实际耗时的差距确定损失函数，依据所述损失函数进行前向反馈以更新所述路线耗时预估模型的参数；或者，

依据所述路线中各路段的预估耗时与各路段的实际耗时的差距确定损失函数，依据所述损失函数进行前向反馈以更新所述路线耗时预估模型的参数；或者，

依据所述路线中各路段的预估耗时与各路段的实际耗时的差距，以及所述路线的预估耗时与所述路线的实际耗时的差距，确定损失函数，依据所述损失函数进行前向反馈以更新所述路线耗时预估模型的参数。