[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

说明书

本发明公开了本发明提供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，通过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。本发明通过基于位置和时间的索引在历史行程数据中进行精准检索，将命中的行程数据作为预估结果反馈。历史行程数据具有真实的里程数据，和更具参考价值的时长数据，本发明与现有技术截然不同，索引精度和预估进度会跟随着数据量的积累逐步提升。

技术领域

本发明属于网约车技术领域，具体涉及一种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。

背景技术

随着通信技术的发展，移动终端例如智能移动终端已经成为人们日常生活中不可或缺的通信工具，用户可在智能移动终端上安装各种适用于生活方方面面的应用程序，例如适用于出行的应用程序。

用户在应用程序上输入其出行的起始点和终止点,该应用程序即可根据起始点和终点估算行程，行程的里程和时长，用于估计费用、暂时里程和时长等。

然而，经申请人研究发现，传统的行程预估，大多依赖于精准的地图数据、路线规划算法以及历史平均速度进行计算。传统技术依赖的前置条件较多较为复杂，结果又较为粗糙，不够精准。

发明内容

本发明的目的是要解决上述的技术问题，提供一种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。

为了解决上述问题，本发明按以下技术方案予以实现的：

第一方面，本发明提供了一种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，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。

结合第一方面，本发明还提供了第一方面的第1种实施方式，具体的，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。

结合第一方面，本发明还提供了第一方面的第1种实施方式，具体的，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。

结合第一方面，本发明还提供了第一方面的第1种实施方式，具体的：

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。

结合第一方面，本发明还提供了第一方面的第1种实施方式，具体的，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。

第二方面，本发明还提供了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，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；