[发明专利]ETA预测、训练、展示方法及装置

权利要求书

1.一种预计到达时间ETA的预测方法，其特征在于，包括：

确定出发时刻、预测时刻以及导航路线；

根据所述出发时刻和预测时刻间的时差，确定ETA的目标预测类型；

获取导航参数，所述导航参数包括所述导航路线的、与所述目标预测类型对应的路况信息；

将所述导航参数输入至预先训练的ETA预测模型，获得所述ETA预测模型输出的与所述出发时刻对应的ETA；

其中，所述目标预测类型包括实时预测类型以及未来预测类型中的至少一种；

所述ETA预测模型以第一样本导航参数和第二样本导航参数为训练样本，至少以所述第一样本导航参数和第二样本导航参数分别对应的实际到达时间ATA为样本标签训练而成；

所述第一样本导航参数包括第一样本导航路线的、与所述实时预测类型对应的第一样本路况信息，所述第二样本导航参数包括第二样本导航路线的、与未来预测类型对应的第二样本路况信息。

2.根据权利要求1所述的方法，其特征在于，所述样本标签还包括：由参考第一样本导航参数获得的ETA预测值，所述参考第一样本导航参数为与所述第二样本导航参数的出发时刻相同的第一样本导航参数。

3.根据权利要求2所述的方法，其特征在于，所述未来预测类型包括近未来预测类型和远未来预测类型；

所述根据所述出发时刻和预测时刻间的时差，确定ETA的目标预测类型，包括：

当所述出发时刻和预测时刻间的时差未超过第一阈值，确定ETA的目标预测类型为实时预测类型；

当所述出发时刻和预测时刻间的时差位于所述第一阈值和第二阈值之间，确定ETA的目标预测类型为近未来预测类型；

当所述出发时刻和预测时刻间的时差超过第二阈值，确定ETA的目标预测类型为远未来预测类型；

其中，所述第一阈值小于所述第二阈值。

4.根据权利要求3所述的方法，其特征在于，所述将所述导航参数输入至预先训练的预计到达时间ETA预测模型，之前还包括训练所述ETA预测模型的步骤：

将所述训练样本输入至初始模型，获得所述训练样本的ETA预测值；

根据所述训练样本的ETA预测值和对应的样本标签计算损失函数值；

基于所述损失函数值对所述初始模型的模型参数进行更新，获得所述ETA预测模型；

其中，所述与未来预测类型对应的第二样本路况信息为与所述远未来预测类型对应的第二样本路况信息。

5.根据权利要求4所述的方法，其特征在于，所述根据所述训练样本的ETA预测值和对应的样本标签计算损失函数值，包括：

对于所述第一样本导航参数，将所述第一样本导航参数对应的ATA作为对应的样本标签，根据所述第一样本导航参数对应的ETA预测值与对应的样本标签获得第一损失值；

对于所述第二样本导航参数，将所述第一样本导航参数对应的ATA作为对应的第一样本标签，根据所述第二样本导航参数对应的ETA预测值与所述第一样本标签获得第二损失值；

根据所述第一损失值和第二损失值获得所述损失函数值。

6.根据权利要求5所述的方法，其特征在于，还包括：

将由参考第一样本导航参数获得的ETA预测值作为对应的第二样本标签，根据所述第二样本导航参数对应的ETA预测值与所述第二样本标签获得第三损失值；

所述根据所述第一损失值和第二损失值获得所述损失函数值，包括：

根据所述第一损失值、第二损失值以及第三损失值获得所述损失函数值。

7.根据权利要求4所述的方法，其特征在于，

当所述目标预测类型为实时预测类型时，所述与所述目标预测类型对应的路况信息包括以下一种或多种：所述出发时刻前的多个时间段的实时路况状态、实时速度以及实时车流量；

当所述目标预测类型为远未来预测类型时，所述与所述目标预测类型对应的路况信息包括以下一种或多种：出发时刻前的多个时间段的历史平均路况状态、历史平均速度以及历史平均车流量。