公开(公告)号：CN109670277B

公开(公告)日：2022-09-09

申请号：CN201910123626.4

申请日：2019-02-19

Applicant: 南京邮电大学

Inventor： 邹志强 ,  杨浩宇 ,  吴家皋 ,  蔡韬 ,  王兴源

IPC: G06F17/50 ,  G06Q10/04

Abstract: 本发明公开了一种基于多模态数据融合与多模型集成的旅行时间预测方法，包括：多模态数据预处理模块：从出租车GPS轨迹数据中根据载客状态提取出租车行程数据；多模态数据分析、特征提取与特征融合模块：从出租车轨迹数据、天气数据、司机画像数据等领域分别提取相应的特征子向量，并完成特征拼接；多模型集成模块：分别建立梯度提升决策树模型和深度神经网络模型，并使用决策树模型对以上模型的预测结果进行集成。本发明的旅行时间预测方法融合了出租车轨迹数据、天气数据、司机画像数据等多模态数据，充分提取与挖掘对旅行时间有影响的因素，建立了基于决策树的集成模型，使得本发明以较小的计算代价获得了较高的行程旅行时间预测准确率。

公开(公告)号：CN109670277A

公开(公告)日：2019-04-23

申请号：CN201910123626.4

申请日：2019-02-19

Applicant: 南京邮电大学

Inventor： 邹志强 ,  杨浩宇 ,  吴家皋 ,  蔡韬 ,  王兴源

IPC: G06F17/50 ,  G06Q10/04

Abstract: 本发明公开了一种基于多模态数据融合与多模型集成的旅行时间预测方法，包括：多模态数据预处理模块：从出租车GPS轨迹数据中根据载客状态提取出租车行程数据；多模态数据分析、特征提取与特征融合模块：从出租车轨迹数据、天气数据、司机画像数据等领域分别提取相应的特征子向量，并完成特征拼接；多模型集成模块：分别建立梯度提升决策树模型和深度神经网络模型，并使用决策树模型对以上模型的预测结果进行集成。本发明的旅行时间预测方法融合了出租车轨迹数据、天气数据、司机画像数据等多模态数据，充分提取与挖掘对旅行时间有影响的因素，建立了基于决策树的集成模型，使得本发明以较小的计算代价获得了较高的行程旅行时间预测准确率。