[发明专利]建立路线耗时预估模型的方法、预估路线耗时的方法及对应装置

说明书

本申请公开了一种建立路线耗时预估模型的方法、预估路线耗时的方法及对应装置，涉及人工智能领域。具体实现方案为：从用户轨迹数据中获取训练数据，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；利用训练数据训练得到路线耗时预估模型，其中路线耗时预估模型包括：路段子网络基于路线所包含的各路段及其上下文，分别获取各路段的向量表示；整合子网络依据时间信息的特征表示、各路段的向量表示以及路线所包含各路段的路况特征表示，确定路线的预估耗时，其中路段的路况特征表示由路段及其上下文的路况信息得到；路线耗时预估模型的训练目标为：最小化路线的预估耗时与实际耗时的差距。

技术领域

本申请涉及计算机应用技术领域，特别涉及人工智能技术领域。

背景技术

在地图类服务中，路线耗时预估是一个非常重要的模块，其用于预估经过该路线所需要的耗时。路线耗时预估可以用于向用户返回路线耗时作为参考，也可以用于诸如辅助进行最优路线的生成等其他场景。

传统的路线耗时预估方式中，对路线所包含各路段的耗时进行预估后，将各路段的耗时进行叠加得到路线的耗时。但预估各路段耗时的过程中仅仅考虑了各路段本身的因素，从而造成最终路线耗时预估的准确性不足。

发明内容

有鉴于此，本申请提供了一种建立路线耗时预估模型的方法、预估路线耗时的方法及对应装置，以便于提高路线耗时预估的准确性。

第一方面，本申请提供了一种建立路线耗时预估模型的方法，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：路段子网络和整合子网络；

所述路段子网络基于所述路线所包含的各路段及其上下文，分别获取各路段的向量表示；

所述整合子网络依据所述时间信息的特征表示、所述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，确定所述路线的预估耗时，其中所述路段的路况特征表示由所述路段及其上下文的路况信息得到；

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。

根据本申请一优选实施方式，所述获取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，使用卷积神经网络进行编码，得到该路段的向量表示。

根据本申请一优选实施方式，所述路线耗时预估模型还包括：时间子网络；

所述时间子网络用于获取所述时间信息的特征表示。

根据本申请一优选实施方式，所述整合子网络从预先训练得到的路况预估模型获取所述路线所包含各路段的路况特征表示；或者，

所述路线耗时预估模型还包括：路况子网络，用于利用所述时间信息和所述路线所包含各路段及其上下文的路网特征表示，预估所述路线所包含各路段的路况特征表示。

根据本申请一优选实施方式，预估路段的路况特征表示包括：

获取路段及其上下文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；

将该路段及其上下文的路网特征、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，分别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。