首页> 中国专利> 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

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

页面导航

摘要
著录项
法律信息
相似文献

摘要

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。

著录项

公开/公告号CN114116940A

专利类型发明专利
公开/公告日2022-03-01

原文格式PDF
申请/专利权人广州宸祺出行科技有限公司;
展开▼

申请/专利号CN202111410363.9
发明设计人李启梁;
展开▼

申请日2021-11-25
分类号G06F16/29(20190101);G06F16/2458(20190101);G06F16/22(20190101);G06Q30/06(20120101);G06Q50/30(20120101);
代理机构44441 广州云领专利代理事务所(普通合伙);
代理人肖云
地址 510700 广东省广州市黄埔区腾飞一街2号501房(部位:5001)
入库时间 2023-06-19 14:20:35

法律信息

法律状态公告日

法律状态信息

法律状态
2022-03-01

公开

发明专利申请公布

相似文献

专利
中文文献
外文文献

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及装置 [P] . 中国专利： CN114116940A . 2022-03-01
2. 基于Boosting算法历史数据驱动的包裹交付时长预测方法 [P] . 中国专利： CN113033924A . 2021-06-25
3. A method for auto-labeling a training image for use in learning a deep learning network for analyzing a high-precision image, and an auto-labeling device using the training image. IMAGES WITH HIGH PRECISION, AND AUTO-LABELING DEVICE USING THE SAME} [P] . 日本专利： JP2020126614A . 2020-08-20

机译：一种用于自动标记训练图像以用于学习深度学习网络以分析高精度图像的方法，以及一种使用训练图像的自动标记装置。具有相同精度和自动标记设备的高精度图像}
4. A method for auto-labeling a training image to be used for learning a deep learning network that analyzes a high-precision image, and an auto-labeling device using this {METHOD FOR AUTO-LABELING TRAINING IMAGES FOR USE IN DEEP LEARNING NETWORK TOAL IMAGES WITH HIGH PRECISION, AND AUTO-LABELING DEVICE USING THE SAMEM} [P] . JP6853560B2 . 2021-03-31

机译：一种用于自动标记培训图像的方法，用于学习分析高精度图像的深度学习网络，以及使用该训练图像的自动标记设备，用于在深度学习网络TOAL图像中使用的自动标记训练图像使用Samem的高精度和自动标记设备}
5. METHOD AND SYSTEM FOR SIMULATING USERS IN THE CONTEXT OF A PARKING LOT BASED ON THE AUTOMATIC LEARNING OF A USER CHOICE DECISION FUNCTION FROM HISTORICAL DATA CONSIDERING MULTIPLE USER BEHAVIOR PROFILES [P] . 美国专利： US2016247326A1 . 2016-08-25

机译：基于历史数据的用户选择决策功能自动学习的基于停车场的模拟用户的方法和系统