DeeprETA：大规模ETA后处理系统
机器学习
2022-06-07 v1
摘要
预计到达时间（ETA）在配送和网约车平台中起着重要作用。例如，Uber使用ETA来计算车费、估计接驾时间、将乘客与司机匹配、规划配送等。常用的路径规划算法在最佳可用路径条件下预测ETA，但当实际行驶路径事先未知时，此类ETA估计可能不可靠。本文描述了一种ETA后处理系统，其中深度残差ETA网络（DeeprETA）对路径规划算法产生的朴素ETA进行精炼。离线实验和在线测试表明，DeeprETA的后处理显著改善了以均值和中值绝对误差衡量的朴素ETA的准确性。我们进一步表明，DeeprETA的后处理比有竞争力的基线回归模型具有更低的误差。
引用
@article{arxiv.2206.02127,
title = {DeeprETA: An ETA Post-processing System at Scale},
author = {Xinyu Hu and Tanmay Binaykiya and Eric Frank and Olcay Cirit},
journal= {arXiv preprint arXiv:2206.02127},
year = {2022}
}