深度学习在高德驾车导航历史速度预测中的探索与实践
导读
驾车导航服务是数字地图提供的核心功能。通常而言,用户在发起导航之前会对比高德前端展示的三条路线(如下图),以决定按照哪条路线行驶。
而预估到达时间是用户参考的最为重要的指标之一。给定一条路线,对应的预估到达时间的计算需要两组信息输入,分别是实时路况信息和历史速度信息(历史速度信息指的是对应的平均通行时间)。其中实时路况信息,对短时(例如60分钟以内)路况预测帮助较大;而历史速度信息对长时(例如60分钟以上)路况预测帮助较大。一般来说,对于未来2小时以上的路况预测而言,当前时刻的路况信息帮助十分有限,也可以理解为历史速度信息基本处于绝对主导的地位。
因此在长距离路线的预估到达时间计算中,历史速度至关重要,其预测的准确性直接影响预估到达时间,进而影响用户选择及体验。我们希望能够通过建模的方式提高历史速度的预测准确率。
历史平均法的不足
以
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
限时优惠 | 全方位提升云上企业业务连续性
活动规则: 应用实时监控ARMS:满700减100,同时提供15天免费试用性能测试PTS:满500减100链路追踪Tracing Analysis:满1000减288,同时提供免费使用额度 核心使用场景: 1、应用即将上线,但对线上容量和应用性能瓶颈没有把握? PTS x ARMS,打造经典压测监控方案,支持新版本性能基线测试、大促场景测试和线上容量规划等场景。(了解更多) 2、业务出现报警信息,却无从下手? ARMS提供分布式环境下完整的监控体系,实现从页面到数据库、从应用性能到基础架构资源、从 IT 到业务的端到端监控。(了解更多) 3、突发流量洪峰超出系统承载上限,无从应对? PTS 与 AHAS 打造经典压测流控方案,提早发现性能短板的同时,并能进一步确保系统的稳定性。(了解更多) 活动入口:这里
- 下一篇
浅谈告警管理能力成熟度模型
随着IT基础设施的云化,应用运行环境的容器化,系统架构的微服务化,越来越多的企业不得不引入更多的工具、更复杂的流程和更多的运维人员,来提升IT系统管理的精细度,但新的问题也随之而来。 犹如蝴蝶效应,在如此庞杂的环境下,数据间紧密相连,一个指标的变化,可能引发一系列的告警连锁反应。不同监控平台的红色标识、不断涌入的告警邮件和短信,紧牵着运维人员的神经,告警的精细化管理势在必行。 充满挑战的运维告警管理 如何抑制告警风暴?如何保障重要告警不漏不丢?如何快速的甄别根因告警?如何沉淀告警处置经验?如何快速恢复业务运行? 这些都是每一个运维团队在工作中面临的最棘手的问题。到底是什么原因导致如此频发的告警风暴,给告警管理带来如此之高的复杂度呢?应用系统间关系更加紧密 完成一笔业务往往需要跨越多个应用系统,应用调用链路上每个IT单元的问题,都有可能导致业务故障。系统中任何一个监控对象的告警都可能引发其他多个相关策略的告警,海量告警的相关度高达90%,也就是说90%的告警都是可以被归因到一个根源告警上。告警策略设置难以找到平衡点 过高的告警阈值,容易漏掉系统运行故障;而过低的告警阈值,又会带来大量的无...
相关文章
文章评论
共有0条评论来说两句吧...