[发明专利]基于历史数据及自动学习动态精度收缩算法实现的里程时长预估算法及装置

权利要求书

1.基于历史数据及自动学习动态精度收缩算法实现的里程时长预估算法，其特征在于，包括以下步骤：

获取目标时间和位置信息，所述位置信息包括起始点经纬度和终点经纬度；

根据目标时间和位置信息加载对应的索引和历史行程数据；

根据索引在历史行程数据中检索；

若检索命中目标行程数据，则将目标行程数据作为行程预估结果返回。

2.根据权利要求1所述的基于历史数据及自动学习动态精度收缩算法实现的里程时长预估算法，其特征在于，根据索引在历史行程数据库中检索，具体为：

根据起始点经纬度、终点经纬度和目标时间进行精准检索；

当检索结果满足预设条件时，输出目标行程数据。

3.根据权利要求2所述的基于历史数据及自动学习动态精度收缩算法实现的里程时长预估算法，其特征在于：

所述预设条件包括期望最低命中率、期望最低里程精度和时段精度。

4.根据权利要求1所述的基于历史数据及自动学习动态精度收缩算法实现的里程时长预估算法，其特征在于：

若检索无命中结果时，基于当前时间加载对应的通用时段拥堵因子；

加载位置信息对应的索引，根据位置信息对应的索引在历史行程数据中检索，得到目标行程数据；

将目标行程数据的里程*通用时段因子的计算结果作为行程预估结果返回。

5.根据权利要求3所述的基于历史数据及自动学习动态精度收缩算法实现的里程时长预估算法，其特征在于：

当用车订单的服务完成结束时，将用车订单的行程数据更新历史行程数据和索引，提升对行程数据的里程和时长的预估精度。

6.基于历史数据及自动学习动态精度收缩算法实现的里程时长预估装置，其特征在于，包括：

获取模块，其用于获取目标时间和位置信息，所述位置信息包括起始点经纬度和终点经纬度；

加载模块，其用于根据目标时间和位置信息加载对应的索引和历史行程数据；

检索模块，其用于根据索引在历史行程数据中检索；

若检索命中目标行程数据，则将目标行程数据作为行程预估结果返回。

7.根据权利要求6所述的基于历史数据及自动学习动态精度收缩算法实现的里程时长预估装置，其特征在于，所述检索模块根据索引在历史行程数据库中检索，具体为：

根据起始点经纬度、终点经纬度和目标时间进行精准检索；

当检索结果满足预设条件时，输出目标行程数据。

8.根据权利要求7所述的基于历史数据及自动学习动态精度收缩算法实现的里程时长预估装置，其特征在于：

所述预设条件包括期望最低命中率、期望最低里程精度和时段精度。

9.根据权利要求6所述的基于历史数据及自动学习动态精度收缩算法实现的里程时长预估装置，其特征在于：

若检索无命中结果时，基于当前时间加载对应的通用时段拥堵因子；

加载位置信息对应的索引，根据位置信息对应的索引在历史行程数据中检索，得到目标行程数据；

将目标行程数据的里程*通用时段因子的计算结果作为行程预估结果返回。

10.根据权利要求3所述的基于历史数据及自动学习动态精度收缩算法实现的里程时长预估装置，其特征在于，还包括：

数据更新模块，其用于当用车订单的服务完成结束时，将用车订单的行程数据更新历史行程数据和索引，提升对行程数据的里程和时长的预估精度。