ETA 技术参考

持续整理中

滴滴

百度

高德

  • 走近高德驾车ETA(预估到达时间) (qq.com)

    • 概念

      • SP(Speed Profile):同一特征日相同时间区间的历史平均速度,按 10min 聚合。例如每周一早上 9:00-9:10,某个 link 上所有轨迹,可以将过去几周聚合求一个平均速度,这个平均速度可以代表对这个 link 在未来周一早上 9:00-9:10 这个时间区间内通行速度的静态预测。

      • AutoLR(Autonavi Location Reference):实时路况

      • link 通行耗时真值:在一个 5min 的时间窗口内进入某一 link 的所有轨迹,在完成去噪后求取平均值,即得到该 link 在该 5min 窗口内的通行耗时真值。

    • 框架

+ 真值生产

  + 将各个 link 上 5min 窗口的实走轨迹聚合求平均通行时间,得到 link 通行耗时真值。

  + 给定 trace 推算通行耗时真值

+ link 场景化预测:根据历史真值将 link 归为不同类别

  + 不堵 link 直接用静态 sp

+ link 级别预测

  + 静态 sp,预测时间跨度可达未来一周

  + 线性模型,通过实时信息 autolr 和历史信息 sp 来拟合 link 级真值

  + 精准预测,模型预测

+ trace 级别预测

  + 准点率预测,给出 trace 级别预测结果的可信度

  + 路线 link 每 5 分钟推演,使用对应时间片的预测结果。超过 1 小时用历史。最后累加得到整条路线 eta。

+ 效果评测层面

  + 对问题 link 的 eta 进行自动干预,人工干预

+ 精准预测

  + 每分钟将 link 级多时间跨度预测值写入缓存,预测是有精准预测值的情况下将有限使用精准预测结果

  + 1小时内有实时路况,使用线性模型预测

+ eta 预测难点

  + 未来流量,让深度模型提前感知拥堵的到来

    + 对导航路线进行时间推演,得到未来时间的位置。

  + [[H-STGCN]] 用域转换器整合异质模态的交通流量特征,设计了复合邻接矩阵使得图卷积层能够更好地捕捉路段间的接近性。

+ 效果评估

  + link 评估

    + bad link 定义 link eta 和 link ata 的 ape 大于 0.3

    + $MSE= \frac{\sum_{i=1}^n \sum_{j=1}^k (link_{i,eta}^j - link_{i, ata}^j)^2}{n * k}$

  + trace 评估

    + trace 的 ata 和 eta 对比

  • AI在出行场景的应用实践:路线规划、ETA、动态事件挖掘…-阿里云开发者社区 (aliyun.com)

    • 路径规划

      • 多目标平衡,如何在“帕累托最优”的情况下,进行多个目标之间的取舍、平衡。通过带约束的最优化问题来进行建模,保证其他指标不变差的情况下,把某个指标最优化。

      • 偏置网络,解决陌生场景对导航依赖很重,很难决策哪条路线更好,导致首推路线选择率高。

        • 优化的主要目标是实走覆盖率。

        • 用户偏置网络,把路线排序的顺序,以及引导路线之间的相似度信息输入进去,期望尽可能消除掉偏置带来的影响。

      • TDR 求路算法提供随时间推演的能力。比如 8:00 从起点出发,后面要走 1 2 3 …n 条路到达目的地,假设 8:10 走到第 2 条道路,8:20 走到第 3 条道路,那么我们在 8:00 计算 Shortcuts 的时候,就不能只用到 8:00 的路况,需要把后续进入某个道路的时刻考虑进来,用那个时刻的路况来计算

    • 交通事件抽取-对比知识蒸馏模型 LRC-BERT AAAI2021

饿了么

美团

  • [[深度学习在美团配送ETA预估中的探索与实践]]:提到挺多 eta 相同的算法和工程细节问题,值得仔细读一读。

  • [[@A Deep Learning Method for Route and Time Prediction in Food Delivery Service]]

Google

Uber

作者

Ryen Xiang

发布于

2023-07-06

更新于

2024-10-05

许可协议


网络回响

评论