[发明专利]模型训练方法、装置及电子设备

说明书

本公开实施例公开了一种模型训练方法、装置及电子设备，所述方法包括：获取多个样本路线以及所述样本路线对应的路线附加信息；确定所述样本路线对应的目标路段集合；所述目标路段集合包括至少一个目标路段；基于所述样本路线对应的所述目标路段集合以及所述路线附加信息训练机器自学习模型，以确定所述目标路段集合中所述目标路段的路段附加信息。该技术方案由于采用的是利用样本路线的真实路线附加信息求解出的目标路段的路段附加信息，从能够提高所预测路线的路线附加信息的准确率。

技术领域

本公开涉及导航技术领域，具体涉及一种模型训练方法、装置及电子设备。

背景技术

随着互联网技术的发展，人们的出行越来越依赖于基于位置的服务系统。基于位置的服务包括导航、路径规划、地图渲染等。路径规划服务中基于用户提供的起点和终点给出推荐的导航规划路线，并且针对导航规划路线预测行驶时间、红绿灯路口、路段收费信息等路线附加信息。路线附加信息对于用户的路线选择倾向具有一定的影响，有时甚至能够对部分用户路线选择起决定作用。因此，在路径规划服务中准确预测上述路线附加信息是必要的。以路段收费信息为例，已有技术中采用的里程计费方式，由于各地区费率、计费规则等有所不同，维护困难。因此，有必要提出一种解决方案，用以提高如路段收费信息等路线附加信息的预测准确率。

发明内容

本公开实施例提供一种模型训练方法、装置及电子设备。

第一方面，本公开实施例中提供了一种模型训练方法，其中，包括：

获取多个样本路线以及所述样本路线对应的路线附加信息；

确定所述样本路线对应的目标路段集合；所述目标路段集合包括至少一个目标路段；

基于所述样本路线对应的所述目标路段集合以及所述路线附加信息训练机器自学习模型，以确定所述目标路段集合中所述目标路段的路段附加信息。

进一步地，所述目标路段集合还包括所述目标路段的长度，基于所述样本路线对应的所述目标路段集合以及所述路线附加信息训练机器自学习模型，以确定所述目标路段集合中所述目标路段的路段附加信息，包括：

基于所述目标路段集合获得所述机器自学习模型的样本特征变量及样本特征真值；所述样本特征变量包括所述样本路线对应的目标路段的长度，所述样本特征真值包括所述样本路线的所述路线附加信息；

利用多个样本路线对应的所述样本特征变量以及所述样本特征真值训练所述机器自学习模型，获得所述目标路段对应的路段附加信息。

进一步地，所述方法还包括：

基于当前路网数据中所述目标路段的位置信息以及所述目标路段包括的路段标识确定所述目标路段的关键词；

建立所述目标路段的关键词与所述路段附加信息之间的映射关系。

进一步地，所述方法还包括：

获取更新后的路网数据；

基于所述更新后的路网数据更新所述映射关系中所述目标路段的关键词。

第二方面，本公开实施例中提供了一种附加信息预测方法，其中，包括：

获取待预测路线对应的待预测路段集合以及目标路段集合；所述待预测路段集合包括所述待预测路线中的待预测路段；所述目标路段集合包括至少一个目标路段以及所述至少一个目标路段对应的路段附加信息；

将所述待预测路段集合中的待预测路段与目标路段集合进行匹配；

基于匹配结果以及所述目标路段的路段附加信息确定所述待预测路线的路线附加信息。