CN111783037A - 一种车辆里程预估模型优化方法、装置、设备及存储介质 - Google Patents
一种车辆里程预估模型优化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111783037A CN111783037A CN202010610248.5A CN202010610248A CN111783037A CN 111783037 A CN111783037 A CN 111783037A CN 202010610248 A CN202010610248 A CN 202010610248A CN 111783037 A CN111783037 A CN 111783037A
- Authority
- CN
- China
- Prior art keywords
- information
- mileage
- track
- vehicle
- estimation model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 18
- 239000000126 substance Substances 0.000 claims 1
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/14—Payment architectures specially adapted for billing systems
-
- G06Q50/40—
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本申请公开了一种车辆里程预估模型优化方法、装置、设备及存储介质，涉及数据处理、智能交通技术领域。该方法的具体实现方案为：获取车辆的轨迹信息和与所述轨迹信息对应的费用信息；根据所述轨迹信息和所述费用信息计算所述车辆的第一里程信息，并基于预设里程预估模型预测所述轨迹信息和所述费用信息对应的第二里程信息；获取所述第一里程信息和所述第二里程信息的比对结果，并基于所述比对结果对所述预设里程预估模型进行优化。
Description
技术领域
本发明涉及数据处理、智能交通技术领域，尤其涉及一种车辆里程预估模型优化方法、装置、设备及存储介质。
背景技术
通常在获取网约车的里程时，通过计算采样的轨迹长度来近似得到网约车的里程，然而由于GPS、网络、基站等定位设备本身存在精度问题，因此，采样的轨迹中会存在大量噪点，此外，网约车的实际行车路况复杂，在隧道、高架等遮挡下，会出现轨迹数据丢失的情况。
发明内容
本公开提供了一种可以更加准确地得到车辆的里程信息的车辆里程预估模型优化方法、装置、设备以及存储介质。
根据本公开的第一方面，提供了一种车辆里程预估模型优化方法，包括：
获取车辆的轨迹信息和与所述轨迹信息对应的费用信息；
根据所述轨迹信息和所述费用信息计算所述车辆的第一里程信息，并基于预设里程预估模型预测所述轨迹信息和所述费用信息对应的第二里程信息；
获取所述第一里程信息和所述第二里程信息的比对结果，并基于所述比对结果对所述预设里程预估模型进行优化。
根据本公开的第二方面，提供了一种车辆里程预估模型优化装置，包括：
获取模块，用于获取车辆的轨迹信息和与所述轨迹信息对应的费用信息；
计算预测模块，用于根据所述轨迹信息和所述费用信息计算所述车辆的第一里程信息，并基于预设里程预估模型预测所述轨迹信息和所述费用信息对应的第二里程信息；
优化模块，用于获取所述第一里程信息和所述第二里程信息的比对结果，并基于所述比对结果对所述预设里程预估模型进行优化。
本申请通过根据轨迹信息和费用信息计算车辆的第一里程信息，并基于预设里程预估模型预测轨迹信息和费用信息对应的第二里程信息；获取第一里程信息和第二里程信息的比对结果，并基于比对结果对预设里程预估模型进行优化。这样，可以更加准确地得到车辆的里程信息，进一步解决车辆轨迹样本标注成本高、模型优化难的问题。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请提供的一种车辆里程预估模型优化方法流程图；
图2是本申请提供的对出租车的轨迹信息和费用信息进行模型优化的流程图；
图3是本申请提供的一种车辆里程预估模型优化装置的模块图；
图4是用来实现本申请实施例的车辆里程预估模型优化方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
请参见图1和图2，本申请提供一种车辆里程预估模型优化方法流程图，如图1所示，包括以下步骤：
步骤101，获取车辆的轨迹信息和与所述轨迹信息对应的费用信息；
本申请实施例提供的车辆里程预估模型优化方法，主要应用于各类线上约车平台。该约车平台至少包括出租车服务和网约车服务，其中，出租车服务提供的出租车上均安装有里程表和计价器，网约车服务指除出租车以外的其他类型的车辆交通服务，即，网约车指顺风车或者快车。需要说明的是，此处，仅作示例说明，作为可变换的实施方式，网约车还可以指专车或者同类型的车。
具体而言，由于网约车大多属于私家车，因此，网约车上一般不设有里程表和计价器，在获取网约车的里程信息时，大多通过GPS、网络、基站等定位设备获取，由于各类定位设备本身存在精度问题，或者在一些例如隧道等复杂道路环境下，容易丢失轨迹，因此，无法准确地获得网约车的里程信息，在该实施方式中，获取的是出租车的轨迹信息和相应的费用信息，并基于出租车的该信息优化网约车的预设里程预估模型。
在该实施方式中，车辆的轨迹信息包括在车辆某一段行程中，车辆的出发地、目的地和车辆在该两地之间所经过的所有位置信息，每一个位置信息对应一个轨迹点，与轨迹信息对应的费用信息指车辆在该段行程中所产生的费用。具体地，该费用包括基础起步价、里程费、低速费、远途费和高速费等。其中，对于基础起步价，不同区域不同时段起步价不同，但在一定区域一定时间范围内为常数；对于里程费，不同时段的每公里的里程费会有所不同，但在一定区域内为常数；对于低速费，不同时段按分钟计费；对于远途费，不同区域按公里计费；对于高速费，根据具体的高速路段进行计费。此处，仅对各类计费方式做示例说明，可变换的，在不同的实施方式中，可以根据具体平台的不同对费用的计费方式进行相应的调整。
在该实施方式中，根据安装在出租车上的里程表获取出租车的轨迹信息，根据计价器获取对应的费用信息。
步骤102，根据所述轨迹信息和所述费用信息计算所述车辆的第一里程信息，并基于预设里程预估模型预测所述轨迹信息和所述费用信息对应的第二里程信息；
可理解地，首先根据实际计算公式计算得到第一里程信息。然后，将轨迹信息和费用信息输入预设里程预估模型进行预测得到第二里程信息。
步骤103，获取所述第一里程信息和所述第二里程信息的比对结果，并基于所述比对结果对所述预设里程预估模型进行优化。
在本实施方式中，将预测得到的第二里程信息和计算得到的第一里程信息进行比对，进一步根据比对结果调整优化上述预设里程预估模型，可以使里程预估模型的预测结果更加准确。
本申请实施例通过根据轨迹信息和费用信息计算车辆的第一里程信息，并基于预设里程预估模型预测轨迹信息和费用信息对应的第二里程信息；获取第一里程信息和第二里程信息的比对结果，并基于比对结果对预设里程预估模型进行优化。这样，可以更加准确地得到车辆的里程信息，进一步解决车辆轨迹样本标注成本高、模型优化难的问题。
可选地，上述根据所述轨迹信息和所述费用信息计算所述车辆的第一里程信息，包括：
按照预设条件对所述轨迹信息和所述费用信息进行预处理。通过预处理可以简化计算过程。
具体而言，在本实施方式中，预处理步骤包括删除预设时间段对应的第一轨迹信息和第一费用信息，在所述预设时间段内，车辆处于拥堵状态，所述轨迹信息包括所述第一轨迹信息，所述费用信息包括所述第一费用信息。
即，本实施方式中的预设时间段为处于拥堵情况的时间段，例如，上班高峰期、下班高峰期或者其他的出行高峰期。拥堵状态是指车辆行驶缓慢至一定程度下的状态。将处于拥堵状态的时间段内的相关轨迹信息视为第一轨迹信息，拥堵状态时间段内的费用信息视为第一费用信息，删除第一轨迹信息和第一费用信息，即删除高峰期的数据，由于高峰期的数据受道路交通情况的影响大，高峰期的费用也不具备参考意义，删除高峰期的数据可以简化计算。预处理后的轨迹信息不包括第一轨迹信息，预处理后的费用信息不包括第一费用信息。
可选地，在本实施方式中，所述按照预设条件对所述轨迹信息和所述费用信息进行预处理还可以包括：
删除不超过预设价格阈值的第二费用信息对应的第二轨迹信息。
在本实施方式中，在预设价格阈值之内，表示车辆处于起步价阶段，由于在乘车中，一般会有起步价的设定，在起步价对应的里程一般较短，不具备轨迹分析的参考意义，因此，删除费用低于起步价的费用信息可以减少计算。
可选地，在本实施方式中，所述按照预设条件对所述轨迹信息和所述费用信息进行预处理还可以包括：在所述轨迹信息包括的轨迹存在跨区域的第一目标轨迹的情况下，删除所述第一目标轨迹对应的第三轨迹信息，和/或在所述轨迹信息包括的轨迹对应的行程时间存在跨时间段的第二目标轨迹的情况下，删除所述第二目标轨迹对应的第四轨迹信息。
即，在本实施方式中，将跨区域的轨迹视为第一目标轨迹，将跨时间段的轨迹视为第二目标轨迹。具体而言，例如，在一次行程中，某车辆从区域A行驶到了区域B中，则认为该车辆的本次行程为跨区轨迹。将跨区域轨迹视为第一目标轨迹，删除第一目标轨迹对应的第三轨迹信息以简化里程计算过程。
可理解地，在确定车辆的行驶区域时，由于每个区域都有属于该区域范围的经度信息和纬度信息，在进行跨区域判断时，获取车辆的轨迹点信息，该轨迹点信息包括车辆当前所处的经度信息、纬度信息和对应的时间戳信息，根据该轨迹点信息的变化是否从区域A变化为区域B，可以判断车辆的轨迹是否发生跨区域的情况。
进一步地，车辆的行程存在普通时段和加价时段的情况，其中，普通时段表示按照普通收费标准进行计费的时段，加价时段属于需要加收一定费用的时段。若车辆的轨迹的行程中即包括普通时段，又包括加价时段，则将行程对应的轨迹视为第二目标轨迹，将第二目标轨迹对应的第四轨迹信息删除以简化里程计算过程。
可选地，所述按照预设条件对所述轨迹信息和所述费用信息进行预处理还可以包括：确定所述轨迹信息对应的道路属性，若所述道路属性包括目标道路属性，获取所述目标道路属性对应的目标费用信息；
在本申请实施方式中，道路属性指轨迹信息对应的行程中是否含有特殊路段，例如，高速路段或者其他会产生附加费用的路段。上述的目标道路属性指高速路。即，若车辆的行程经过高速路，则需要获取该高速路中产生的告诉费用作为上述目标费用信息。
具体而言，在获取轨迹信息对应的道路属性时，可以将轨迹信息的行程与相应的地图进行匹配。需要说明的是，本申请实施例并不对此做限定，此处，仅作示例说明。作为可变换的实施方式，在其他可行的实施例中，还可以采用其他方式判断行程中的道路属性，此处，不一一赘述。
根据所述目标费用信息调整所述费用信息。
可理解地，将高速费用附加在轨迹信息的行程产生的费用信息上。可以得到更加准确的总费用。
进一步地，根据预处理后的轨迹信息和费用信息计算所述车辆的第一里程信息。
在本申请实施方式中，将经过预处理后的费用信息视为总费用，记为M，则第一里程信息的计算公式如下。
M＝A+(B-C)*D+(E-B)*F+G。
式中，M为总费用，A为起步价，B为远程里程标准，C为起步里程数，D为每公里单价，E为行程的里程数，F为远程每公里单价，G为高速费用。
进一步地，可以确定里程数与费用的计算公式如下。
E＝(M-A-G-D*(B-C))/F+B；
其中M、A、G、D、B、C、F在指定区域指定时间区间都是常数。
据此，通过获取出租车的轨迹信息和相应的费用信息，对轨迹进行上述预处理和分类后，就能根据费用和对应区域、对应时间段内的计费规则折算得到里程信息。
进一步地，将若干个上述出租车的相关信息，包括上述出租车的轨迹信息和费用信息输入预设里程预估模型，可以计算出对应的第二里程信息。
为了根据第一里程信息优化预设里程预估模型，需要获取所述第一里程信息和所述第二里程信息的差值。
具体而言，设定第一里程减去第二里程的差值的绝对值为c，设定差值阈值为r，其中，若c小于或者等于r，则认为预设里程预估模型计算正确。获取计算正确的轨迹信息的数量为N，参与计算的所有轨迹信息的数量为M，记准确率为N/M，若准确率在设定阈值范围内，视为模型优化成功，若没有成功，则基于所述差值对所述里程预估模型进行迭代优化。
上述的车辆里程预估模型优化方法，基于出租车的轨迹信息和费用信息优化网约车的里程预估模型，可以更加准确地得到网约车的里程信息，进一步解决网约车的车辆轨迹样本标注成本高、模型优化难的问题。
请参见图3，图3是本申请实施例提供的车辆里程预估模型优化装置200，包括：
获取模块201，用于获取车辆的轨迹信息和与所述轨迹信息对应的费用信息；
计算预测模块202，用于根据所述轨迹信息和所述费用信息计算所述车辆的第一里程信息，并基于预设里程预估模型预测所述轨迹信息和所述费用信息对应的第二里程信息；
优化模块203，用于获取所述第一里程信息和所述第二里程信息的比对结果，并基于所述比对结果对所述预设里程预估模型进行优化。
上述车辆里程预估模型优化装置200，基于出租车的轨迹信息和费用信息优化网约车的里程预估模型，可以更加准确地得到网约车的里程信息，进一步解决网约车的车辆轨迹样本标注成本高、模型优化难的问题。
可选地，所述计算预测模块202还包括：
预处理模块，用于按照预设条件对所述轨迹信息和所述费用信息进行预处理；
计算模块，用于根据预处理后的轨迹信息和费用信息计算所述车辆的第一里程信息。
可选地，所述预处理模块包括：
时间处理子模块，用于删除预设时间段对应的第一轨迹信息和第一费用信息，在所述预设时间段内，车辆处于拥堵状态，所述轨迹信息包括所述第一轨迹信息，所述费用信息包括所述第一费用信息。
可选地，所述预处理模块包括：
价格处理子模块，用于删除不超过预设价格阈值的第二费用信息对应的第二轨迹信息。
可选地，所述预处理模块包括：
跨区域处理子模块，用于在所述轨迹信息包括的轨迹存在跨区域的第二轨迹的情况下，删除所述第二轨迹，和/或，
跨时间段处理子模块，用于在所述轨迹信息包括的轨迹的行程时间存在跨时间段的第三轨迹的情况下，删除所述第三轨迹。
可选地，所述预处理模块包括：
道路属性处理子模块，用于确定所述轨迹信息对应的道路属性，若所述道路属性包括目标道路属性，获取所述目标道路属性对应的目标费用信息；
根据所述目标费用信息调整所述费用信息。
可选地，所述优化模块包括：
差值获取子模块，用于获取所述第一里程信息和所述第二里程信息的差值；
迭代优化子模块，用于基于所述差值对所述里程预估模型进行迭代优化。
本申请实施例提供的车辆里程预估模型优化装置，能够实现上述的车辆里程预估模型优化方法实施例中的各个过程，为避免重复，此处，不再一一赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图4所示，是根据本申请实施例的车辆里程预估模型优化方法的电子设备300的框图。电子设备300旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备300还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示，该电子设备300包括：一个或多个处理器301、存储器302，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备300内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备300，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器301为例。
存储器302即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的车辆里程预估模型优化方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的车辆里程预估模型优化方法。
存储器302作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的车辆里程预估模型优化方法对应的程序指令/模块(例如，附图3所示的车辆里程预估模型优化装置200的获取模块201、计算预测模块202和优化模块203)。处理器301通过运行存储在存储器302中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的车辆里程预估模型优化方法。
存储器302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据车辆里程预估模型优化方法的电子设备300的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至车辆里程预估模型优化装置200的电子设备300。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
车辆里程预估模型优化方法的电子设备300还可以包括：输入装置303和输出装置304。处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接，图4中以通过总线连接为例。
输入装置303可接收输入的数字或字符信息，以及产生与车辆里程预估模型优化电子设备300的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置304可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过根据轨迹信息和费用信息计算车辆的第一里程信息，并基于预设里程预估模型预测轨迹信息和费用信息对应的第二里程信息；获取第一里程信息和第二里程信息的比对结果，并基于比对结果对预设里程预估模型进行优化。这样，可以更加准确地得到车辆的里程信息，进一步解决车辆轨迹样本标注成本高、模型优化难的问题。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (16)
1.一种车辆里程预估模型优化方法，包括：
获取车辆的轨迹信息和与所述轨迹信息对应的费用信息；
根据所述轨迹信息和所述费用信息计算所述车辆的第一里程信息，并基于预设里程预估模型预测所述轨迹信息和所述费用信息对应的第二里程信息；
获取所述第一里程信息和所述第二里程信息的比对结果，并基于所述比对结果对所述预设里程预估模型进行优化。
2.根据权利要求1所述的车辆里程预估模型优化方法，其中，所述根据所述轨迹信息和所述费用信息计算所述车辆的第一里程信息，包括：
按照预设条件对所述轨迹信息和所述费用信息进行预处理；
根据预处理后的轨迹信息和费用信息计算所述车辆的第一里程信息。
3.根据权利要求2所述的车辆里程预估模型优化方法，其中，所述按照预设条件对所述轨迹信息和所述费用信息进行预处理包括：
删除预设时间段对应的第一轨迹信息和第一费用信息，在所述预设时间段内，车辆处于拥堵状态，所述轨迹信息包括所述第一轨迹信息，所述费用信息包括所述第一费用信息。
4.根据权利要求2所述的车辆里程预估模型优化方法，其中，所述按照预设条件对所述轨迹信息和所述费用信息进行预处理包括：
删除不超过预设价格阈值的第二费用信息对应的第二轨迹信息。
5.根据权利要求2所述的车辆里程预估模型优化方法，其中，所述按照预设条件对所述轨迹信息和所述费用信息进行预处理包括：
在所述轨迹信息包括的轨迹存在跨区域的第一目标轨迹的情况下，删除所述第一目标轨迹对应的第三轨迹信息，和/或，
在所述轨迹信息包括的轨迹对应的行程时间存在跨时间段的第二目标轨迹的情况下，删除所述第二目标轨迹对应的第四轨迹信息。
6.根据权利要求2所述的车辆里程预估模型优化方法，其中，所述按照预设条件对所述轨迹信息和所述费用信息进行预处理包括：
确定所述轨迹信息对应的道路属性，若所述道路属性包括目标道路属性，获取所述目标道路属性对应的目标费用信息；
根据所述目标费用信息调整所述费用信息。
7.根据权利要求1所述的车辆里程预估模型优化方法，其中，所述获取所述第一里程信息和所述第二里程信息的比对结果，并基于所述比对结果对所述预设里程预估模型进行优化包括：
获取所述第一里程信息和所述第二里程信息的差值；
基于所述差值对所述里程预估模型进行迭代优化。
8.一种车辆里程预估模型优化装置，包括：
获取模块，用于获取车辆的轨迹信息和与所述轨迹信息对应的费用信息；
计算预测模块，用于根据所述轨迹信息和所述费用信息计算所述车辆的第一里程信息，并基于预设里程预估模型预测所述轨迹信息和所述费用信息对应的第二里程信息；
优化模块，用于获取所述第一里程信息和所述第二里程信息的比对结果，并基于所述比对结果对所述预设里程预估模型进行优化。
9.根据权利要求8所述的车辆里程预估模型优化装置，其中，所述计算预测模块还包括：
预处理模块，用于按照预设条件对所述轨迹信息和所述费用信息进行预处理；
计算模块，用于根据预处理后的轨迹信息和费用信息计算所述车辆的第一里程信息。
10.根据权利要求9所述的车辆里程预估模型优化装置，其中，所述预处理模块包括：
时间处理子模块，用于删除预设时间段对应的第一轨迹信息和第一费用信息，在所述预设时间段内，车辆处于拥堵状态，所述轨迹信息包括所述第一轨迹信息，所述费用信息包括所述第一费用信息。
11.根据权利要求9所述的车辆里程预估模型优化装置，其中，所述预处理模块包括：
价格处理子模块，用于删除不超过预设价格阈值的第二费用信息对应的第二轨迹信息。
12.根据权利要求9所述的车辆里程预估模型优化装置，其中，所述预处理模块包括：
跨区域处理子模块，用于在所述轨迹信息包括的轨迹存在跨区域的第二轨迹的情况下，删除所述第二轨迹，和/或，
跨时间段处理子模块，用于在所述轨迹信息包括的轨迹的行程时间存在跨时间段的第三轨迹的情况下，删除所述第三轨迹。
13.根据权利要求9所述的车辆里程预估模型优化装置，其中，所述预处理模块包括：
道路属性处理子模块，用于确定所述轨迹信息对应的道路属性，若所述道路属性包括目标道路属性，获取所述目标道路属性对应的目标费用信息；
根据所述目标费用信息调整所述费用信息。
14.根据权利要求8所述的车辆里程预估模型优化装置，其中，所述优化模块包括：
差值获取子模块，用于获取所述第一里程信息和所述第二里程信息的差值；
迭代优化子模块，用于基于所述差值对所述里程预估模型进行迭代优化。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010610248.5A CN111783037A (zh) | 2020-06-29 | 2020-06-29 | 一种车辆里程预估模型优化方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010610248.5A CN111783037A (zh) | 2020-06-29 | 2020-06-29 | 一种车辆里程预估模型优化方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111783037A true CN111783037A (zh) | 2020-10-16 |
Family
ID=72760715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010610248.5A Pending CN111783037A (zh) | 2020-06-29 | 2020-06-29 | 一种车辆里程预估模型优化方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111783037A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112560609A (zh) * | 2020-12-03 | 2021-03-26 | 北京百度网讯科技有限公司 | 路况预估方法、建立路况预估模型的方法及对应装置 |
-
2020
- 2020-06-29 CN CN202010610248.5A patent/CN111783037A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112560609A (zh) * | 2020-12-03 | 2021-03-26 | 北京百度网讯科技有限公司 | 路况预估方法、建立路况预估模型的方法及对应装置 |
| CN112560609B (zh) * | 2020-12-03 | 2022-11-15 | 北京百度网讯科技有限公司 | 路况预估方法、建立路况预估模型的方法及对应装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10620009B2 (en) | Simplifying GPS data for map building and distance calculation | |
| US10854018B2 (en) | Determining an amount for a toll based on location data points provided by a computing device | |
| CN110909096B (zh) | 推荐上车点确定方法及装置、存储介质、电子设备 | |
| US9824580B2 (en) | Method, computer readable storage medium and system for producing an uncertainty-based traffic congestion index | |
| CN111489553A (zh) | 一种路线规划方法、装置、设备和计算机存储介质 | |
| CN112581763A (zh) | 道路事件检测的方法、装置、设备和存储介质 | |
| CN107909180B (zh) | 公共交通出行用时的处理方法、设备及可读介质 | |
| AU2021204509A1 (en) | Systems and methods for providing an integrated public and/or private transportation service | |
| CN110823237B (zh) | 起点绑路及预测模型获取方法、装置及存储介质 | |
| CN111985662A (zh) | 网络约车方法、装置、电子设备和存储介质 | |
| CN111757272B (zh) | 地铁拥堵程度的预测方法、模型训练方法和装置 | |
| CN111896020B (zh) | 用于信息处理的方法、电子设备和存储介质 | |
| CN111783037A (zh) | 一种车辆里程预估模型优化方法、装置、设备及存储介质 | |
| CN110542425A (zh) | 导航路径选择方法、导航装置、计算机设备及可读介质 | |
| Narkhede et al. | Bus tracking system based on location aware services | |
| CN113139138B (zh) | 信息推荐方法和装置、电子设备、存储介质 | |
| CN112381305A (zh) | 打车时长预估方法、装置、电子设备及存储介质 | |
| CN115033807A (zh) | 未来出发用时的推荐方法、装置、设备及存储介质 | |
| CN111582543A (zh) | 预测模型的生成方法、估计到达时间确定方法及装置 | |
| CN112417072A (zh) | 凭证信息处理方法、装置、设备及可读存储介质 | |
| CN113723979A (zh) | 通勤偏好分析方法、挖掘方法、装置、设备和介质 | |
| CN106781470B (zh) | 城市道路的运行速度的处理方法及装置 | |
| CN111998866B (zh) | 为信息点设置车辆入口位置的方法、装置、设备和介质 | |
| KR102261194B1 (ko) | 차량 장거리 할증 요금 산출 방법, 시스템 및 프로그램 | |
| CN109300304B (zh) | 用于确定历史道路路况的方法和设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |