论文

https://dl.acm.org/doi/pdf/10.1145/3219819.3219900

       

车辆行程时间估计（ETA）是最重要的基于位置的服务之一。它作为导航系统和智能交通系统中的一项基本服务，正变得越来越重要并得到广泛的应用。提出了一种基于浮动车辆数据的车辆行驶时间预测的机器学习方法。首先，我们将ETA描述为一个基于大量有效特征的纯时空回归问题。其次，我们采用不同的机器学习模型来解决回归问题问题。而且在此基础上，提出了一种宽深度递归（WDR）学习模型来精确预测给定出发时间下沿给定路线的旅行时间。然后我们联合训练宽线性模型，

       深度神经网络和递归神经网络相结合，充分利用了这三种模型的优点。我们使用数百万的历史车辆行驶数据离线评估我们的解决方案。我们还将建议的解决方案部署在滴滴初星的平台上，该平台可服务数十亿ETA请求，每天可使数百万客户受益。我们的广泛评估表明，我们提出的深度学习算法显著优于最先进的学习算法，以及领先的行业LBS提供商提供的解决方案。