BR112020026198A2 - sistemas e métodos para determinação de potencial evento malicioso - Google Patents
sistemas e métodos para determinação de potencial evento malicioso Download PDFInfo
- Publication number
- BR112020026198A2 BR112020026198A2 BR112020026198-0A BR112020026198A BR112020026198A2 BR 112020026198 A2 BR112020026198 A2 BR 112020026198A2 BR 112020026198 A BR112020026198 A BR 112020026198A BR 112020026198 A2 BR112020026198 A2 BR 112020026198A2
- Authority
- BR
- Brazil
- Prior art keywords
- probability
- vehicle
- information
- malicious
- malicious event
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000004044 response Effects 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims description 53
- 230000006399 behavior Effects 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 description 133
- 230000008569 process Effects 0.000 description 25
- 230000006870 function Effects 0.000 description 16
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000000306 recurrent effect Effects 0.000 description 8
- 230000015654 memory Effects 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 206010001488 Aggression Diseases 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008921 facial expression Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011112 process operation Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001568 sexual effect Effects 0.000 description 2
- 102000006822 Agouti Signaling Protein Human genes 0.000 description 1
- 108010072151 Agouti Signaling Protein Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000001685 thyroid gland Anatomy 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/02—Registering or indicating driving, working, idle, or waiting time only
- G07C5/06—Registering or indicating driving, working, idle, or waiting time only in graphical form
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Operations Research (AREA)
Abstract
sistemas e métodos para determinação de potencial evento malicioso. a presente invenção se refere a sistemas e métodos para determinação de um potencial evento malicioso. os sistemas e métodos podem obter informações em tempo real relacionadas a um veículo. os sistemas e métodos podem determinar uma probabilidade de ocorrência de evento malicioso com base nas informações em tempo real do veículo. os sistemas e métodos podem determinar se a probabilidade de ocorrência de evento malicioso excede um limite de probabilidade. os sistemas e métodos podem, em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso excede o limite de probabilidade, determinar que existe um potencial evento malicioso.
Description
[01] A presente patente de invenção se refere em geral a técnicas de segurança de veículos e, em particular, sistemas e métodos para determinação de potencial evento malicioso dentro de um veículo.
[02] O serviço de táxi oferece comodidade para as pessoas no transporte. Em geral, um motorista e um passageiro não se conhecem. Mesmo no serviço de táxi online-para-offline (O2O), os antecedentes do motorista e/ou do passageiro são poucos conhecidos a um e ao outro. As únicas informações que podem estar disponíveis para o motorista e o passageiro são as informações de perfil quando o motorista e o passageiro registram o serviço de táxi online para offline. É difícil para o motorista/passageiro distinguir se o motorista/passageiro tem intenção de roubar ou mesmo de ameaçar a vida de outra pessoa. Durante o transporte do passageiro, um evento malicioso (por exemplo, briga, luta, roubo, assédio sexual, etc.) pode ocorrer dentro do veículo. O serviço de táxi convencional não possui uma maneira eficiente de detectar a ocorrência de eventos maliciosos dentro do veículo e de intervir enquanto os eventos ocorrem. Portanto, é desejável fornecer sistemas e métodos para determinar um potencial evento malicioso dentro do veículo, e realizar intervenções para proteger o motorista e/ou o passageiro. Portanto, é desejável fornecer sistemas e métodos para determinar um potencial evento malicioso dentro do veículo, e realizar intervenções para proteger o motorista e/ou o passageiro. O serviço de táxi oferece comodidade para as pessoas no transporte. Em geral, um motorista e um passageiro não se conhecem. Mesmo no serviço de táxi online-para-offline (O2O), os antecedentes do motorista e/ou do passageiro mal se conhecem. As únicas informações que podem estar disponíveis para o motorista e o passageiro são as informações de perfil quando o motorista e o passageiro registram o serviço de táxi online para offline. É difícil para o motorista/passageiro distinguir se o passageiro/motorista tem intenção de roubar ou mesmo de ameaçar a vida de outra pessoa. Durante o transporte do passageiro, um evento malicioso (por exemplo, briga, briga, roubo, assédio sexual, etc.) pode ocorrer dentro do veículo. O serviço de táxi convencional não possui uma maneira eficiente de detectar a ocorrência de eventos maliciosos dentro do veículo e de intervir enquanto os eventos ocorrem. Portanto, é desejável fornecer sistemas e métodos para determinar um potencial evento malicioso dentro do veículo, e realizar intervenções para proteger o motorista e/ou o passageiro.
[03] Em um aspecto da presente divulgação, é fornecido um sistema para determinação de um potencial evento malicioso em um veículo. O sistema pode incluir pelo menos um dispositivo de armazenamento, pelo menos um processador em comunicação com pelo menos um dispositivo de armazenamento e uma plataforma de comunicação conectada a uma rede. Pelo menos um dispositivo de armazenamento pode incluir um conjunto de instruções. Ao executar o conjunto de instruções, pelo menos um processador pode ser configurado para fazer com que o sistema obtenha informações em tempo real relacionadas a um veículo. Pelo menos um processador também pode ser configurado para fazer com que o sistema determine uma probabilidade de ocorrência de evento malicioso com base nas informações em tempo real do veículo e determine se a probabilidade de ocorrência de evento malicioso excede um limite de probabilidade. Em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso excede o limite de probabilidade, pelo menos um processador também pode ser configurado para fazer com que o sistema determine a existência de um potencial evento malicioso.
[04] Em algumas modalidades, as informações em tempo real relacionadas ao veículo podem incluir pelo menos uma de uma trajetória de direção real do veículo, uma localização atual do veículo, informações de som dentro do veículo, informações de vídeo dentro do veículo ou informações de perfil de um motorista ou passageiro dentro do veículo.
[05] Em algumas modalidades, a determinação de uma probabilidade de ocorrência de evento malicioso pode ser baseada em pelo menos um de: um grau de desvio entre a trajetória de direção real e uma trajetória de direção predeterminada; um grau de lugar afastado da localização atual; uma variação da localização atual dentro de um período de tempo predefinido; pelo menos um volume de som ou uma ou mais palavras-chave da informação de som; pelo menos um ou mais comportamentos maliciosos ou um ou mais objetos maliciosos a partir da informação de vídeo; ou se as informações de perfil do motorista ou do passageiro são consistentes com as informações de perfil registradas do motorista ou do passageiro.
[06] Em algumas modalidades, as informações em tempo real relacionadas ao veículo podem incluir uma hora atual, e a determinação de uma probabilidade de ocorrência de eventos maliciosos pode ser ainda baseada em se a hora atual está dentro de um período de tempo predefinido.
[07] Em algumas modalidades, pelo menos um processador pode ser ainda configurado para fazer com que o sistema obtenha informações de solicitação relacionadas ao veículo e determinar a probabilidade de ocorrência de evento malicioso com base nas informações de solicitação e em tempo real. As informações da solicitação podem incluir a hora da solicitação, um local de partida e um local de destino da solicitação, um comportamento de solicitação do passageiro relacionado ao veículo.
[08] Em algumas modalidades, para determinar uma probabilidade de ocorrência de evento malicioso, pelo menos um processador pode ser ainda configurado para fazer com que o sistema obtenha um modelo de determinação de probabilidade treinado; e determinar a probabilidade de ocorrência de evento malicioso com base nas informações em tempo real e no modelo de determinação de probabilidade treinado.
[09] Em algumas modalidades, o modelo de determinação de probabilidade treinado pode ser gerado treinando um modelo preliminar com base em um ou mais eventos maliciosos do histórico.
[010] Em algumas modalidades, pelo menos um processador pode ser configurado adicionalmente para fazer com que o sistema, em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso exceda o limite de probabilidade, execute uma ou mais intervenções.
[011] Em algumas modalidades, uma ou mais intervenções incluem pelo menos uma das seguintes intervenções: enviar um comando ao motorista ou ao passageiro dentro do veículo; enviar um aviso ao motorista ou ao passageiro dentro do veículo; chamar o motorista ou o passageiro dentro do veículo; enviar informações de ajuda a uma pessoa próxima à localização atual do veículo; ou enviar as informações de ajuda para uma instituição executiva.
[012] Em outro aspecto da presente divulgação, é fornecido um método para determinar um potencial evento malicioso em um veículo. O método pode ser implementado em um dispositivo de computação com pelo menos um processador, pelo menos um meio de armazenamento legível por computador e uma plataforma de comunicação conectada a uma rede. O método pode incluir a obtenção de informações em tempo real relacionadas a um veículo. O método também pode incluir determinar uma probabilidade de ocorrência de evento malicioso com base nas informações em tempo real do veículo e determinar se a probabilidade de ocorrência de evento malicioso excede um limite de probabilidade. O método pode ainda incluir, em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso excede o limite de probabilidade, determinar que existe um potencial evento malicioso.
[013] Em outro aspecto da presente divulgação, um meio de armazenamento legível por computador não transitório é fornecido. O meio de armazenamento legível por computador não transitório pode incluir pelo menos um conjunto de instruções para determinar um potencial evento malicioso em um veículo. Quando executado por pelo menos um processador de um dispositivo de computação, pelo menos um conjunto de instruções pode direcionar pelo menos um processador para realizar atos de: obtenção de informações em tempo real relacionadas a um veículo; determinação de uma probabilidade de ocorrência de evento malicioso com base nas informações em tempo real do veículo; determinação se a probabilidade de ocorrência de evento malicioso excede um limite de probabilidade; e em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso excede o limite de probabilidade, determinação de que existe um potencial evento malicioso.
[014] Em outro aspecto da presente divulgação, é fornecido um sistema para determinar um potencial evento malicioso em um veículo. O sistema pode incluir um módulo de aquisição configurado para obter informações em tempo real relacionadas a um veículo; um módulo de determinação configurado para determinar, com base nas informações em tempo real do veículo, uma probabilidade de ocorrência de evento malicioso; o módulo de determinação também configurado para determinação se a probabilidade de ocorrência de evento malicioso excede um limite de probabilidade; e o módulo de determinação também configurado para, em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso excede o limite de probabilidade, determinação de que existe um potencial evento malicioso.
[015] Características adicionais serão estabelecidas em parte na descrição que se segue, e em parte se tornarão aparentes para os versados na técnica após o exame do indicado a seguir e dos desenhos de acompanhamento ou podem ser aprendidas pela produção ou operação dos exemplos. As características da presente divulgação podem ser realizadas e obtidas pela prática ou uso de vários aspectos das metodologias, instrumentalidades e combinações estabelecidas nos exemplos detalhados discutidos abaixo.
[016] A presente divulgação é ainda descrita em termos de modalidades exemplificativas. Estas modalidades exemplificativas são descritas em detalhes com referência aos desenhos. Os desenhos não estão em escala. Estas modalidades são modalidades esquemáticas não limitativas, nas quais números de referência semelhantes representam estruturas semelhantes ao longo das várias vistas dos desenhos, e em que:
[017] A figura 1 é um diagrama esquemático que ilustra um sistema de serviço online-para-offline (O2O) exemplificativo de acordo com algumas modalidades da presente divulgação;
[018] A figura 2 é um diagrama esquemático que ilustra componentes de hardware e/ou software exemplificativos de um dispositivo de computação de acordo com algumas modalidades da presente divulgação;
[019] A figura 3 é um diagrama esquemático que ilustra componentes de hardware e/ou software exemplificativos de um dispositivo móvel de acordo com algumas modalidades da presente divulgação;
[020] As figuras 4A e 4B são diagramas de blocos que ilustram dispositivos de processamento exemplificativos de acordo com algumas modalidades da presente divulgação;
[021] A figura 5 é um fluxograma que ilustra um processo exemplificativo para determinar um evento malicioso em potencial de acordo com algumas modalidades da presente divulgação; e
[022] A figura 6 é um fluxograma que ilustra um processo exemplificativo para determinar um modelo de determinação de probabilidade treinado de acordo com algumas modalidades da presente divulgação.
[023] A seguinte descrição é apresentada para permitir que qualquer pessoa versada na técnica faça e use a presente divulgação e seja fornecida no contexto de uma aplicação particular e seus requisitos. Várias modificações nas modalidades divulgadas serão prontamente aparentes para aqueles versados na técnica e os princípios gerais definidos neste documento podem ser aplicados a outras modalidades e aplicações sem se afastar do espírito e escopo da presente divulgação. Assim, a presente divulgação não está limitada às modalidades mostradas, mas deve ser concedida ao escopo mais amplo consistente com as reivindicações.
[024] A terminologia usada neste documento tem a finalidade de descrever modalidades exemplificativas particulares apenas e não se destina a ser limitativa. Conforme usado neste documento, as formas singulares "um", "uma" e "o / a" podem ter a intenção de incluir as formas plurais também, a menos que o contexto indique claramente o contrário. Será ainda entendido que os termos "compreendem", "compreende" e/ou "compreendendo", "incluem", "inclui" e/ou "incluindo", quando usados nesta divulgação, especificam a presença de recursos, números inteiros, etapas, operações, elementos e/ou componentes declarados, mas não impedem a presença ou adição de um ou mais outros recursos, números inteiros, etapas, operações, elementos, componentes e/ou grupos dos mesmos.
[025] Estas e outras características e recursos da presente divulgação, bem como os métodos de operações e funções dos elementos de estrutura relacionados e a combinação de peças e economias de fabricação, podem se tornar mais aparentes após a consideração da seguinte descrição com referência aos desenhos anexos, todos os quais fazem parte desta divulgação. Deve ser expressamente entendido, no entanto, que os desenhos são apenas para fins de ilustração e descrição e não se destinam a limitar o escopo da presente divulgação. Entende-se que os desenhos não estão em escala.
[026] Os fluxogramas usados na presente divulgação ilustram operações que os sistemas implementam de acordo com algumas modalidades da presente divulgação. Deve ser expressamente entendido que as operações dos fluxogramas podem ser implementadas não em ordem. Por outro lado, as operações podem ser implementadas em ordem invertida ou simultaneamente. Além disso, uma ou mais outras operações podem ser adicionadas aos fluxogramas. Uma ou mais operações podem ser removidas dos fluxogramas.
[027] Além disso, embora o sistema e o método na presente divulgação sejam descritos principalmente com relação a um serviço de transporte sob demanda (por exemplo, serviço O2O), também deve ser entendido que esta é apenas uma modalidade exemplificativa. O sistema ou método da presente divulgação pode ser aplicado a qualquer outro tipo de serviço sob demanda. Por exemplo, o sistema ou método da presente divulgação pode ser aplicado a sistemas de transporte de diferentes ambientes, incluindo terra, oceano, aeroespacial ou semelhantes, ou qualquer combinação dos mesmos. O veículo dos sistemas de transporte pode incluir um táxi, um carro particular, uma boléia, um ônibus, um trem, um trem-bala, um trem de alta velocidade, um metrô, um navio, uma aeronave, uma nave espacial, um balão a ar quente, um veículo sem motorista, ou semelhante, ou qualquer combinação dos mesmos. O sistema de transporte também pode incluir qualquer sistema de transporte para gerenciamento e/ou distribuição, por exemplo, um sistema para enviar e/ou receber um carro expresso. A aplicação do sistema ou método da presente divulgação pode incluir uma página da web, um plugin de um navegador, um terminal de cliente, um sistema personalizado, um sistema de análise interno, um robô de inteligência artificial ou semelhante, ou qualquer combinação dos mesmos.
[028] Os termos "passageiro", "solicitante", "solicitante de serviço" e "cliente" na presente divulgação são usados indistintamente para se referir a um indivíduo, uma entidade ou uma ferramenta que pode solicitar ou requisitar um serviço. Além disso, o termo "motorista", "provedor", "provedor de serviços" e "fornecedor" na presente divulgação são usados indistintamente para se referir a um indivíduo, uma entidade ou uma ferramenta que pode fornecer um serviço ou facilitar o fornecimento do serviço. O termo "usuário" na presente divulgação pode se referir a um indivíduo, uma entidade ou uma ferramenta que pode solicitar um serviço, solicitar um serviço, fornecer um serviço ou facilitar o fornecimento do serviço. Por exemplo, o usuário pode ser um passageiro, um motorista, um operador ou semelhante, ou qualquer combinação dos mesmos. Na presente divulgação, “passageiro” e “terminal de passageiros” podem ser usados indistintamente, e “motorista” e “terminal de motorista” podem ser usados indistintamente.
[029] Os termos "solicitação de serviço" e "pedido" na presente divulgação são usados indistintamente para se referir a uma solicitação que pode ser iniciada por um passageiro, um solicitante, um solicitante de serviço, um cliente, um motorista, um provedor, um provedor de serviços, um fornecedor ou semelhante, ou qualquer combinação dos mesmos. A solicitação de serviço pode ser aceita por qualquer passageiro, solicitante, solicitante de serviço, cliente, motorista, provedor, prestador de serviço ou fornecedor. A solicitação de serviço pode ser cobrada ou gratuita.
[030] A tecnologia de posicionamento usada na presente divulgação pode ser baseada em um sistema de posicionamento global (GPS), um sistema de navegação global por satélite (GLONASS), um sistema de navegação de bússola (COMPASS), um sistema de posicionamento Galileo, um sistema de satélites Quase-Zenital (QZSS), uma tecnologia de posicionamento de fidelidade sem fio (WiFi), ou semelhante, ou qualquer combinação dos mesmos. Uma ou mais das tecnologias de posicionamento acima podem ser usadas indistintamente na presente divulgação.
[031] A presente divulgação se refere a sistemas e métodos para determinar um potencial evento malicioso dentro de um veículo. Os sistemas e métodos podem obter informações em tempo real relacionadas ao veículo. As informações em tempo real podem incluir uma trajetória de direção real do veículo, uma localização atual do veículo, informações de som dentro do veículo, informações de vídeo dentro do veículo ou informações de perfil de um motorista ou passageiro dentro do veículo, ou semelhantes, ou qualquer combinação dos mesmos. Os sistemas e métodos também podem determinar uma probabilidade de ocorrência de evento malicioso e determinar se a probabilidade de ocorrência de evento malicioso excede um valor limite de probabilidade. Em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso excede o valor limite de probabilidade, os sistemas e métodos podem determinar a existência de um evento malicioso potencial e realizar uma ou mais intervenções, o que pode diminuir o número de eventos maliciosos ocorridos e reduzir a perda causadas pelos eventos maliciosos ocorridos.
[032] A figura 1 é um diagrama esquemático que ilustra um sistema de serviço O2O exemplificativo de acordo com algumas modalidades da presente divulgação. Por exemplo, o sistema de serviço O2O 100 pode ser uma plataforma de serviço de transporte online para serviços de transporte. O sistema de serviço O2O 100 pode incluir um servidor 110, uma rede 120, um terminal de solicitante 130, um terminal de provedor 140, um dispositivo de armazenamento 150 e um sistema de navegação 160.
[033] O sistema de serviço O2O 100 pode fornecer uma pluralidade de serviços. Serviços exemplificativos podem incluir um serviço de chamada de táxi, um serviço de motorista, um serviço de carro expresso, um serviço de carona solidária, um serviço de ônibus, um serviço de contratação de motorista e um serviço de transporte. Em algumas modalidades, o serviço O2O pode ser qualquer serviço online, como reservar uma refeição, fazer compras ou semelhantes, ou qualquer combinação dos mesmos.
[034] Em algumas modalidades, o servidor 110 pode ser um único servidor ou um grupo de servidores. O grupo de servidores pode ser centralizado ou distribuído (por exemplo, o servidor 110 pode ser um sistema distribuído). Em algumas modalidades, o servidor 110 pode ser local ou remoto. Por exemplo, o servidor 110 pode acessar informações e/ou dados armazenados no terminal de solicitante 130, no terminal de provedor 140 e/ou no dispositivo de armazenamento 150 através da rede 120. Como outro exemplo, o servidor 110 pode ser conectado diretamente ao terminal de solicitante 130, o terminal de provedor 140 e/ou o dispositivo de armazenamento 150 para acessar informações e/ou dados armazenados. Em algumas modalidades, o servidor 110 pode ser implementado em uma plataforma de nuvem. Meramente a título de exemplo, a plataforma de nuvem pode incluir uma nuvem privada, uma nuvem pública, uma nuvem híbrida, uma nuvem da comunidade, uma nuvem distribuída, uma inter-nuvem, uma multinuvem ou semelhante, ou qualquer combinação das mesmas. Em algumas modalidades, o servidor 110 pode ser implementado em um dispositivo de computação 200 tendo um ou mais componentes ilustrados na figura 2 na presente divulgação.
[035] Em algumas modalidades, o servidor 110 pode incluir um ou mais dispositivos de processamento 112 (por exemplo, o dispositivo de processamento 112-A como ilustrado na figura 4A, o dispositivo de processamento 112-B como ilustrado na figura 4B). O dispositivo de processamento 112 pode processar informações e/ou dados relacionados a um veículo para realizar uma ou mais funções descritas na presente divulgação. Por exemplo, o dispositivo de processamento 112-A pode determinar uma probabilidade de surgimento de evento malicioso. Como outro exemplo, o dispositivo de processamento 112-B pode determinar um modelo de determinação de probabilidade treinado, pelo treinamento de um modelo preliminar usando uma pluralidade de amostras de treinamento. Em algumas modalidades, o dispositivo de processamento 112 pode incluir um ou mais dispositivos de processamento (por exemplo, dispositivo (s) de processamento de núcleo único ou processador (es) de múltiplos núcleos). Meramente a título de exemplo, o dispositivo de processamento 112 pode incluir um ou mais processadores de hardware, como uma unidade de processamento central (CPU), um circuito integrado específico de aplicativo (ASIC), um processador de conjunto de instruções específico de aplicativo (ASIP), uma unidade de processamento gráfico (GPU), uma unidade de processamento físico (PPU), um processador de sinal digital (DSP), uma matriz de portas programáveis em campo (FPGA), um dispositivo lógico programável (PLD), um controlador, uma unidade de microcontrolador, um computador de conjunto de instruções reduzido (RISC), um microprocessador ou semelhante, ou qualquer combinação dos mesmos.
[036] A rede 120 pode facilitar a troca de informações e/ou de dados. Em algumas modalidades, um ou mais componentes do sistema de serviço O2O 100 (por exemplo, o servidor 110, o terminal de solicitante 130, o terminal de provedor 140, o dispositivo de armazenamento 150 e o sistema de navegação 160) podem enviar informações e/ou dados para outro (s) componente (s) no sistema de serviço O2O 100 através da rede 120. Por exemplo, o servidor 110 pode obter/adquirir solicitação de serviço do terminal de solicitante 130 através da rede 120. Em algumas modalidades, a rede 120 pode ser qualquer tipo de rede com fio ou sem fio, ou uma combinação dos dois. Meramente a título de exemplo, a rede 130 pode incluir uma rede de cabo, uma rede fixa, uma rede de fibra óptica, uma rede de telecomunicações, uma intranet, a Internet, uma rede de área local (LAN), uma rede de área ampla (WAN), uma rede de área local sem fio (WLAN), uma rede de área metropolitana (MAN), uma rede de área ampla (WAN), uma rede telefônica pública comutada (PSTN), uma rede BluetoothTM, uma rede ZigBeeTM, uma comunicação por campo de proximidade (NFC ) rede, ou semelhante, ou qualquer combinação dos mesmos. Em algumas modalidades, a rede 120 pode incluir um ou mais pontos de acesso à rede. Por exemplo, a rede 120 pode incluir pontos de acesso de rede com fio ou sem fio, como estações base e/ou pontos de troca de internet 120-1, 120-2, ..., através dos quais um ou mais componentes do sistema de serviço O2O 100 podem ser conectados à rede 120 para trocar dados e/ou informações.
[037] Em algumas modalidades, um solicitante pode ser um usuário do terminal de solicitante 130. Em algumas modalidades, o usuário do terminal de solicitante 130 pode ser alguém diferente do solicitante. Por exemplo, um usuário A do terminal de solicitante 130 pode usar o terminal de solicitante 130 para enviar uma solicitação de serviço para um usuário B ou receber serviço e/ou informações ou instruções do servidor 110. Em algumas modalidades, um provedor pode ser um usuário do terminal de provedor 140. Em algumas modalidades, o usuário do terminal de provedor 140 pode ser outra pessoa que não o provedor. Por exemplo, um usuário C do terminal de provedor 140 pode usar o terminal de provedor 140 para receber uma solicitação de serviço para um usuário D e/ou informações ou instruções do servidor 110. Em algumas modalidades, "solicitante" e "terminal de solicitante" podem ser usados indistintamente, e "provedor" e "terminal de provedor" podem ser usados indistintamente. Em algumas modalidades, o terminal de provedor pode ser associado a um ou mais provedores (por exemplo, um provedor de serviço noturno ou um provedor de serviço diurno).
[038] Em algumas modalidades, o terminal de solicitante 130 pode incluir um dispositivo móvel 130-1, um computador tablet 130-2, um laptop 130-3, um dispositivo embutido em um veículo motorizado 130- 4, ou semelhante, ou qualquer combinação dos mesmos. Em algumas modalidades, o dispositivo móvel 130-1 pode incluir um dispositivo doméstico inteligente, um dispositivo vestível, um dispositivo móvel, um dispositivo de realidade virtual, um dispositivo de realidade aumentada ou semelhante, ou qualquer combinação dos mesmos. Em algumas modalidades, o dispositivo de casa inteligente pode incluir um dispositivo de iluminação inteligente, um dispositivo de controle de um aparelho elétrico inteligente, um dispositivo de monitoramento inteligente, uma televisão inteligente, uma câmera de vídeo inteligente, um interfone ou semelhante, ou qualquer combinação dos mesmos. Em algumas modalidades, o dispositivo vestível pode incluir uma pulseira, calçado, óculos, um capacete, um relógio, roupas, uma mochila, um acessório inteligente ou semelhante, ou qualquer combinação dos mesmos. Em algumas modalidades, o dispositivo móvel pode incluir um telefone móvel, uma assistência digital pessoal (PDA), um dispositivo de jogo, um dispositivo de navegação, um dispositivo de ponto de venda (POS), um laptop, um desktop ou semelhante, ou qualquer combinação dos mesmos. Em algumas modalidades, o dispositivo de realidade virtual e/ou o dispositivo de realidade aumentada pode incluir um capacete de realidade virtual, um vidro de realidade virtual, um patch de realidade virtual, um capacete de realidade aumentada, óculos de realidade aumentada, um patch de realidade aumentada, ou semelhante, ou qualquer combinação dos mesmos. Por exemplo, o dispositivo de realidade virtual e/ou o dispositivo de realidade aumentada pode incluir um Google GlassTM, um RiftConTM, um FragmentsTM, um Gear VRTM, etc. Em algumas modalidades, um dispositivo embutido no veículo motorizado 130-4 pode incluir um computador de bordo, uma televisão de bordo, etc. Em algumas modalidades, o terminal de solicitante 130 pode ser um dispositivo com tecnologia de posicionamento para localizar a posição do solicitante e/ou o terminal de solicitante 130.
[039] O terminal de provedor 140 pode incluir uma pluralidade de terminais de provedor 140-1, 140-2, ..., 140-n. Em algumas modalidades, o terminal de provedor 140 pode ser um dispositivo semelhante ou igual ao terminal de solicitante 130. Em algumas modalidades, o terminal de provedor 140 pode ser um dispositivo que utiliza tecnologia de posicionamento para localizar a posição de um usuário do terminal de provedor 140 (por exemplo, um provedor de serviços) e/ou o terminal de provedor 140. Em algumas modalidades, o terminal de solicitante 130 e/ou o terminal de provedor 140 podem se comunicar com um ou mais outros dispositivos de posicionamento para determinar a posição do solicitante, o terminal de solicitante 130, o provedor e/ou o terminal de provedor 140. Em algumas modalidades, o terminal de solicitante 130 e/ou o terminal de provedor 140 podem enviar informações de posicionamento para o servidor 110.
[040] O dispositivo de armazenamento 150 pode armazenar dados e/ou instruções. Em algumas modalidades, o dispositivo de armazenamento 150 pode armazenar dados obtidos a partir do terminal de solicitante 130 e/ou do terminal de provedor 140. Em algumas modalidades, o dispositivo de armazenamento 150 pode armazenar dados e/ou instruções que o servidor 110 pode executar ou usar para realizar métodos exemplificativos descritos na presente divulgação. Em algumas modalidades, o dispositivo de armazenamento 150 pode incluir um armazenamento em massa, um armazenamento removível, uma memória volátil de leitura e gravação, uma memória de somente leitura (ROM) ou semelhantes, ou qualquer combinação dos mesmos. O armazenamento em massa exemplificativo pode incluir um disco magnético, um disco óptico, uma unidade de estado sólido, etc. O armazenamento removível exemplificativo pode incluir uma unidade flash, um disquete, um disco óptico, um cartão de memória, um disco zip, uma fita magnética, etc. Memória de leitura e gravação volátil exemplificativa pode incluir uma memória de acesso aleatório (RAM). RAM exemplificativa pode incluir uma RAM dinâmica (DRAM), uma RAM dinâmica síncrona de dupla taxa de dados (DDR SDRAM), uma
RAM estática (SRAM), uma RAM de tirisor (T-RAM) e uma RAM de capacitor zero (Z-RAM) , etc. A ROM exemplificativa pode incluir uma ROM programável por máscara (MROM), uma ROM programável (PROM), uma ROM programável apagável (EPROM), uma ROM programável apagável eletricamente (EEPROM), uma ROM de disco compacto (CD-ROM) e uma ROM de disco versátil digital, etc. Em algumas modalidades, o dispositivo de armazenamento 150 pode ser implementado em uma plataforma em nuvem. Meramente a título de exemplo, a plataforma em nuvem pode incluir uma nuvem privada, uma nuvem pública, uma nuvem híbrida, uma nuvem da comunidade, uma nuvem distribuída, uma inter-nuvem, uma multi-nuvem ou semelhante, ou qualquer combinação das mesmas.
[041] Em algumas modalidades, o dispositivo de armazenamento 150 pode ser conectado à rede 120 para se comunicar com um ou mais componentes do sistema de serviço O2O 100 (por exemplo, o servidor 110, o terminal de solicitante 130, o terminal de provedor 140). Um ou mais componentes no sistema de serviço O2O 100 podem acessar os dados ou instruções armazenados no dispositivo de armazenamento 150 por meio da rede 120. Em algumas modalidades, o dispositivo de armazenamento 150 pode ser conectado diretamente ou se comunicar com um ou mais componentes no sistema de serviço O2O 100 (por exemplo, o servidor 110, o terminal de solicitante 130, o terminal de provedor 140). Em algumas modalidades, o dispositivo de armazenamento 150 pode ser parte do servidor 110.
[042] O sistema de navegação 160 pode determinar informações associadas a um objeto, por exemplo, um ou mais dentre o terminal solicitante 130, o terminal provedor 140, etc. As informações podem incluir um local, uma elevação, uma velocidade ou uma aceleração do objeto ou uma hora atual. Por exemplo, o sistema de navegação 160 pode determinar uma localização atual do terminal solicitante 130. Em algumas modalidades, o sistema de navegação 160 pode ser um sistema de posicionamento global (GPS), um sistema de navegação global por satélite (GLONASS), uma bússola de navegação (COMPASS), um sistema de navegação por satélite BeiDou, um sistema de posicionamento Galileo, um sistema de satélite quase zenital (QZSS), etc. A localização pode ser na forma de coordenadas, como coordenadas de latitude e longitude, etc. O sistema de navegação 160 pode incluir um ou mais satélites, por exemplo, um satélite 160-1, um satélite 160-2 e um satélite 160-3. Os satélites 160- 1 a 160-3 podem determinar as informações mencionadas acima de forma independente ou em conjunto. O sistema de navegação 160 pode enviar as informações mencionadas acima para a rede 120, o terminal de solicitante 130 ou o terminal de provedor 140 por meio de conexões sem fio.
[043] Em algumas modalidades, um ou mais componentes do sistema de serviço O2O 100 (por exemplo, o servidor 110, o terminal de solicitante 130, o terminal de provedor 140) podem ter permissão para acessar o dispositivo de armazenamento 150. Em algumas modalidades, um ou mais componentes do sistema de serviço O2O 100 podem ler e/ou modificar informações relacionadas ao solicitante, provedor e/ou ao público quando uma ou mais condições forem atendidas. Por exemplo, o servidor 110 pode ler e/ou modificar as informações de um ou mais usuários após a conclusão de um serviço. Como outro exemplo, o terminal de provedor 140 pode acessar informações relacionadas ao solicitante ao receber uma solicitação de serviço do terminal de solicitante 130, mas o terminal de provedor 140 pode não modificar as informações relevantes do solicitante.
[044] Um versado na técnica entenderia que durante a execução de um elemento (ou componente) do sistema de serviço O2O 100, o elemento pode executar por meio de sinais elétricos e/ou sinais eletromagnéticos. Por exemplo, quando um terminal de solicitante 130 transmite uma solicitação de serviço para o servidor 110, um processador do terminal de solicitante 130 pode gerar um sinal elétrico que codifica a solicitação. O processador do terminal de solicitante 130 pode então transmitir o sinal elétrico para uma porta de saída. Se o terminal de solicitante 130 se comunicar com o servidor 110 por meio de uma rede com fio, a porta de saída poderá ser fisicamente conectada a um cabo, que ainda pode transmitir o sinal elétrico para uma porta de entrada do servidor 110. Se o terminal de solicitante 130 se comunicar com o servidor 110 através de uma rede sem fio, a porta de saída do terminal de solicitante 130 poderá ser uma ou mais antenas, que convertem o sinal elétrico em sinal eletromagnético. Da mesma forma, um terminal de provedor 130 pode receber uma instrução e/ou solicitação de serviço do servidor 110 por meio de sinais elétricos ou eletroímãs. Dentro de um dispositivo eletrônico, como o terminal de solicitante 130, o terminal de provedor 140 e/ou o servidor 110, quando um processador do mesmo processa uma instrução, transmite uma instrução e/ou executa uma ação, a instrução e/ou ação ser conduzida por sinais elétricos. Por exemplo, quando o processador recupera ou salva dados de uma mídia de armazenamento, ele pode transmitir sinais elétricos para um dispositivo de leitura / gravação da mídia de armazenamento, que pode ler ou gravar dados estruturados na mídia de armazenamento. Os dados estruturados podem ser transmitidos ao processador na forma de sinais elétricos por meio de um barramento do dispositivo eletrônico. Neste caso, um sinal elétrico pode se referir a um sinal elétrico, uma série de sinais elétricos e/ou uma pluralidade de sinais elétricos discretos.
[045] A figura 2 é um diagrama esquemático que ilustra componentes de hardware e software exemplificativos de um dispositivo de computação 200 de acordo com algumas modalidades da presente divulgação. Em algumas modalidades, o servidor 110, o terminal de solicitante 130 e/ou o terminal de provedor 140 podem ser implementados no dispositivo de computação 200. Por exemplo, o dispositivo de processamento 112 do servidor 110 pode ser implementado no dispositivo de computação 200 e configurado para executar funções do dispositivo de processamento 112 divulgado nesta divulgação.
[046] O dispositivo de computação 200 pode ser um computador de uso geral ou um computador de uso especial, ambos podem ser usados para implementar um sistema de serviço O2O para a presente divulgação. O dispositivo de computação 200 pode ser usado para implementar qualquer componente do sistema de serviço O2O conforme descrito neste documento. Por exemplo, o dispositivo de processamento 112 pode ser implementado no dispositivo de computação, por meio de seu hardware, programa de software, firmware ou uma combinação dos mesmos. Embora apenas um desses computadores seja mostrado, por conveniência, as funções do computador relacionadas ao serviço O2O, conforme descrito neste documento, podem ser implementadas de forma distribuída em uma série de plataformas semelhantes, para distribuir a carga de processamento.
[047] O dispositivo de computação 200, por exemplo, pode incluir uma porta COM 250 conectada a e/ou de uma rede conectada à mesma para facilitar as comunicações de dados. O dispositivo de computação 200 também pode incluir um processador 220, na forma de um ou mais processadores (ou CPUs), para executar instruções de programa. O dispositivo de computação exemplificativo pode incluir um barramento de comunicação interno 210, diferentes tipos de unidades de armazenamento de programa e unidades de armazenamento de dados (por exemplo, um disco 270, uma memória de somente leitura (ROM) 230, uma memória de acesso aleatório (RAM) 240), vários arquivos de dados aplicáveis ao processamento e/ou comunicação do computador. O dispositivo de computação exemplificativo também pode incluir instruções de programa armazenadas na ROM 230, RAM 240 e/ou outro tipo de mídia de armazenamento não transitório a ser executado pelo processador 220. O método e/ou processo da presente divulgação pode ser implementado como as instruções do programa. O dispositivo de computador 200 também inclui um dispositivo de I/O 260 que pode suportar a entrada e/ou saída de fluxos de dados entre o dispositivo de computação 200 e outros componentes. O dispositivo de computação 200 também pode receber programas e dados através da rede de comunicação.
[048] Meramente para ilustração, apenas uma CPU e/ou processador é descrito no dispositivo de computação 200. No entanto, deve-se notar que o dispositivo de computação 200 na presente divulgação também pode incluir múltiplas CPUs e/ou processadores, portanto, operações e/ou etapas de método que são realizadas por uma CPU e/ou processador, conforme descrito na presente divulgação, também podem ser executadas conjuntamente ou separadamente pelas múltiplas CPUs e/ou processadores. Por exemplo, se na presente divulgação a CPU e/ou processador do dispositivo de computação 200 executarem ambas as etapas A e B, deverá ser entendido que as etapas A e B também podem ser realizadas por duas CPUs e/ou processadores diferentes em conjunto ou separadamente no dispositivo de computação 200 (por exemplo, o primeiro processador executa a etapa A e o segundo processador executa a etapa B, ou o primeiro e o segundo processadores executam em conjunto as etapas A e B).
[049] A figura 3 é um diagrama esquemático que ilustra componentes de hardware e/ou software exemplificativos de um dispositivo móvel 300 de acordo com algumas modalidades da presente divulgação. Em algumas modalidades, o dispositivo móvel 300 pode ser uma modalidade exemplificativa correspondente ao terminal de solicitante 130 ou ao terminal de provedor 140. Conforme ilustrado na figura 3, o dispositivo móvel 300 pode incluir uma plataforma de comunicação 310, um visor 320, uma unidade de processamento gráfico (GPU) 330, uma unidade de processamento central (CPU) 340, um I/O 350, uma memória 360, um sistema operacional (OS ) 370, um armazenamento
390. Em algumas modalidades, qualquer outro componente adequado, incluindo, mas não se limitando a um barramento de sistema ou um controlador (não mostrado), também pode ser incluído no dispositivo móvel 300.
[050] Em algumas modalidades, um sistema operacional 370 (por exemplo, iOS ™, Android ™, Windows Phone ™, etc.) e um ou mais aplicativos 380 podem ser carregados na memória 360 a partir do armazenamento 390 para serem executados pela CPU 340. Os aplicativos 380 podem incluir um navegador ou qualquer outro aplicativo móvel adequado para receber e renderizar informações relacionadas ao processamento de imagem ou outras informações do sistema de serviço O2O 100. As interações do usuário com o fluxo de informações podem ser obtidas através do I/O 350 e fornecidas para o dispositivo de armazenamento 150, o servidor 110 e/ou outros componentes do sistema de serviço O2O 100.
[051] Para implementar vários módulos, unidades e suas funcionalidades descritas na presente divulgação, plataformas de hardware de computador podem ser usadas como plataforma (s) de hardware para um ou mais dos elementos descritos neste documento. Um computador com elementos de interface de usuário pode ser usado para implementar um computador pessoal (PC) ou qualquer outro tipo de estação de trabalho ou dispositivo terminal. Um computador também pode atuar como um sistema, se devidamente programado.
[052] As figuras 4A e 4B são diagramas de blocos que ilustram dispositivos de processamento exemplificativos de acordo com algumas modalidades da presente divulgação. Em algumas modalidades, o dispositivo de processamento 112-A pode ser configurado para processar informações e/ou dados para determinar uma probabilidade de ocorrência de evento malicioso. O dispositivo de processamento 112-B pode ser configurado para treinar um modelo preliminar usando amostras de treinamento para gerar um modelo treinado para determinar uma probabilidade de ocorrência de um evento malicioso (também referido como um modelo de determinação de probabilidade treinado). Em algumas modalidades, o dispositivo de processamento 112-A e o dispositivo de processamento 112-B podem, respectivamente, ser implementados em um dispositivo de computação 200 (por exemplo, o processador 220) conforme ilustrado na figura 2 ou uma CPU 340 como ilustrado na figura 3. Por exemplo, o dispositivo de processamento 112-A pode ser implementado em uma CPU 340 de um terminal de usuário e o dispositivo de processamento 112-B pode ser implementado em um dispositivo de computação 200. Alternativamente, o dispositivo de processamento 112-A e o dispositivo de processamento 112 -B pode ser implementado no mesmo dispositivo de computação 200 ou na mesma CPU 340. Por exemplo, o dispositivo de processamento 112-A e o dispositivo de processamento 112-B podem ser implementados na mesma CPU 340 de um terminal de usuário.
[053] O dispositivo de processamento 112-A pode incluir um módulo de aquisição 401, um módulo de determinação 403 e um módulo de intervenção 405.
[054] O módulo de aquisição 401 pode ser configurado para obter informações e/ou dados de um ou mais componentes (por exemplo, o terminal de solicitante 130, o terminal de provedor 140, o dispositivo de armazenamento 150, o sistema de navegação 160) do sistema sistema de serviço O2O 100. Em algumas modalidades, o módulo de aquisição 401 pode obter informações em tempo real relacionadas a um veículo. As informações em tempo real podem incluir uma trajetória de direção real do veículo, uma localização atual do veículo, informações de som dentro do veículo, informações de vídeo dentro do veículo ou informações de perfil de um motorista ou passageiro dentro do veículo, ou semelhantes, ou qualquer combinação dos mesmos. Mais descrições a respeito das informações em tempo real podem ser encontradas em outro lugar na presente divulgação (por exemplo, operação 510 do processo 500 e as descrições relevantes das mesmas).
[055] O módulo de determinação 403 pode ser configurado para determinar uma probabilidade de ocorrência de evento malicioso. Em algumas modalidades, o módulo de determinação 403 pode determinar um grau de desvio entre a trajetória de condução real e uma trajetória de condução predeterminada para gerar um primeiro resultado; determinar um grau desolado da localização atual para gerar um segundo resultado; determinar uma variação da localização atual dentro de um período de tempo predefinido para gerar um terceiro resultado; determinar um volume de som e/ou uma ou mais palavras- chave da informação de som para gerar um quarto resultado; determinar um ou mais comportamentos maliciosos e um ou mais objetos maliciosos das informações de vídeo para gerar um quinto resultado; determinar se as informações de perfil do motorista ou passageiro são consistentes com as informações de perfil registradas do motorista ou do passageiro para gerar um sexto resultado, ou semelhante. Em algumas modalidades, o módulo de determinação 403 também pode determinar se o tempo atual está dentro de um período de tempo predefinido para determinar um sétimo resultado. O módulo de determinação 403 pode determinar a probabilidade de ocorrência de eventos maliciosos com base em pelo menos um dentre o primeiro resultado, o segundo resultado, o terceiro resultado, o quarto resultado, o quinto resultado, o sexto resultado ou o sétimo resultado. Em algumas modalidades, o módulo de determinação 403 pode determinar se a probabilidade de ocorrência de evento malicioso excede um valor limite de probabilidade. Se a probabilidade de ocorrência de evento malicioso exceder o valor limite de probabilidade, o módulo de determinação 403 pode determinar que existe um evento malicioso potencial.
[056] O módulo de intervenção 405 pode ser configurado para realizar uma ou mais intervenções. A (s) intervenção (ões) podem se referir a medidas que podem prevenir a ocorrência de um evento malicioso, ou medidas que podem reduzir a perda (por exemplo, acidentes, danos materiais) causada por um evento malicioso ocorrido. Em algumas modalidades, a (s) intervenção (ões) pode (m) incluir o envio de um comando a um motorista ou passageiro dentro do veículo, o envio de um aviso ao motorista ou passageiro dentro do veículo, chamando o motorista ou o passageiro dentro do veículo, o envio de informações de ajuda para uma pessoa próxima à localização atual do veículo (por exemplo, um policial, um motorista próximo), enviando as informações de ajuda a uma instituição executiva (por exemplo, uma delegacia de polícia), ou semelhante, ou qualquer combinação dos dois.
[057] O dispositivo de processamento 112-B pode incluir um módulo de obtenção 451 e um módulo de treinamento 453.
[058] O módulo de obtenção 451 pode ser configurado para obter informações e/ou dados de um ou mais componentes (por exemplo, o servidor 110, o terminal de solicitante 130, o terminal de provedor 140, o dispositivo de armazenamento 150, o sistema de navegação 160) de o sistema de serviço O2O 100 ou de uma fonte externa através da rede
120. Em algumas modalidades, o módulo de obtenção 451 pode obter uma pluralidade de amostras de treinamento. A pluralidade de amostras de treinamento pode incluir uma pluralidade de eventos maliciosos ocorridos (também referidos como eventos maliciosos históricos) e as informações em tempo real correspondentes a cada um da pluralidade de eventos maliciosos ocorridos. Alternativamente, ou adicionalmente, o módulo de obtenção 451 pode obter um modelo preliminar. Em algumas modalidades, o modelo preliminar pode incluir uma pluralidade de pesos preliminares (ou parâmetros). Os pesos preliminares (ou parâmetros) podem ser ajustados e/ou atualizados durante o processo de treinamento do modelo preliminar.
[059] O módulo de treinamento 453 pode ser configurado para gerar um modelo de determinação de probabilidade treinado, pelo treinamento do modelo preliminar usando a pluralidade de amostras de treinamento. Em algumas modalidades, as informações em tempo real correspondentes a um evento malicioso ocorrido podem ser inseridas no modelo preliminar para determinar uma saída real. A saída real pode ser um primeiro valor que representa um evento malicioso ou um segundo valor que representa um evento não malicioso. Para as informações em tempo real correspondentes à pluralidade de eventos maliciosos ocorridos, uma pluralidade de saídas reais pode ser determinada. Uma saída desejada pode ser o primeiro valor que representa um evento malicioso. O módulo de treinamento 453 pode comparar cada uma da pluralidade de saídas reais com a saída desejada para determinar uma função de perda. Durante o treinamento do modelo preliminar, o módulo de treinamento 453 pode ajustar a pluralidade de pesos preliminares (ou parâmetros) para minimizar a função de perda. Após a função de perda ser minimizada, um modelo de determinação de probabilidade treinado pode ser determinado de acordo com os pesos ajustados (ou parâmetros).
[060] Os módulos nos dispositivos de processamento 112-A e 112-B podem ser conectados ou se comunicar uns com os outros através de uma conexão com fio ou uma conexão sem fio. A conexão com fio pode incluir um cabo de metal, um cabo óptico, um cabo híbrido ou semelhante, ou qualquer combinação dos mesmos. A conexão sem fio pode incluir uma rede de área local (LAN), uma rede de longa distância (WAN), um Bluetooth, um ZigBee, uma comunicação por campo de proximidade (NFC) ou semelhantes, ou qualquer combinação dos mesmos.
[061] Deve-se notar que a descrição acima é fornecida apenas para fins de ilustração e não se destina a limitar o escopo da presente divulgação. Para os versados na técnica, múltiplas variações e modificações podem ser feitas de acordo com os ensinamentos da presente divulgação. No entanto, essas variações e modificações não se afastam do escopo da presente divulgação. Em algumas modalidades, um módulo de um dispositivo de processamento 112 (por exemplo, o dispositivo de processamento 112-A, o dispositivo de processamento 112-B) pode ser dividido em duas ou mais unidades. Por exemplo, o módulo de determinação 403 pode ser dividido em duas unidades. A primeira unidade pode ser configurada para determinar uma probabilidade de ocorrência de evento malicioso e a segunda unidade pode ser configurada para determinar que um evento malicioso potencial existe com base na probabilidade de ocorrência de evento malicioso. Em algumas modalidades, um dispositivo de processamento 112 (o dispositivo de processamento 112-A e/ou o dispositivo de processamento 112-B) pode incluir um ou mais módulos adicionais. Por exemplo, o dispositivo de processamento 112-A pode incluir um módulo de armazenamento (não mostrado) configurado para armazenar dados. Em algumas modalidades, o dispositivo de processamento 112-A e o dispositivo de processamento 112-B podem ser integrados a um único dispositivo de processamento 112 para executar as funções do mesmo. O dispositivo de processamento integrado 112 pode treinar um modelo preliminar usando amostras de treinamento para gerar um modelo de determinação de probabilidade treinado e/ou determinar uma probabilidade de ocorrência de evento malicioso com base em informações em tempo real relacionadas a um veículo e o modelo de determinação de probabilidade treinado.
[062] A figura 5 é um fluxograma que ilustra um processo exemplificativo para determinar um evento malicioso em potencial de acordo com algumas modalidades da presente divulgação. Apenas para fins de ilustração, o dispositivo de processamento 112-A pode ser descrito como um sujeito para realizar o processo 500. No entanto, um versado na técnica entenderia que o processo 500 também pode ser realizado por outras entidades. Por exemplo, um versado na técnica entenderia que pelo menos uma porção do processo 500 pode ser implementada no dispositivo de computação 200 como ilustrado na figura 2 ou o dispositivo móvel 300 como ilustrado na figura 3. Em algumas modalidades, uma ou mais operações do processo 500 podem ser implementadas no sistema de serviço O2O 100, conforme ilustrado na figura 1. Em algumas modalidades, uma ou mais operações no processo 500 podem ser armazenadas no dispositivo de armazenamento 150 e/ou no armazenamento (por exemplo, a ROM 230, a RAM 240, etc.) como uma forma de instruções e chamadas e/ou executadas pelo servidor 110 (por exemplo, o dispositivo de processamento 112-A no servidor 110, ou o processador 220 do dispositivo de processamento 112-A no servidor 110). Em algumas modalidades, as instruções podem ser transmitidas na forma de corrente eletrônica ou sinais elétricos.
[063] Em 510, o dispositivo de processamento 112-A (por exemplo, o módulo de aquisição 401) pode obter informações em tempo real relacionadas a um veículo. Em algumas modalidades, o veículo pode incluir um carro particular, um carro expresso, um táxi, um veículo elétrico, uma motocicleta, um ônibus, um trem, uma boléia, um trem- bala, um metrô, uma embarcação ou semelhante, ou qualquer combinação dos mesmos. Em algumas modalidades, as informações em tempo real relacionadas ao veículo podem incluir uma trajetória de direção real do veículo e uma localização atual do veículo, que pode ser registrada ou determinada por um dispositivo de posicionamento (por exemplo, o sistema de navegação 160, um gravador de carro no veículo, um smartphone de um motorista ou passageiro dentro do veículo). A trajetória de direção real pode ser exibida incluindo um ou mais segmentos em um aplicativo de mapa do dispositivo de posicionamento. A localização atual do veículo pode ser exibida como um ponto em um aplicativo de mapa do dispositivo de posicionamento e pode ser representada por um par de coordenadas (por exemplo, uma coordenada de latitude-longitude) ou por uma descrição da localização atual (por exemplo, o nome de uma rua, o nome de um edifício, o nome de uma estação rodoviária).
[064] Em algumas modalidades, as informações em tempo real relacionadas ao veículo também podem incluir informações de som dentro do veículo, informações de vídeo dentro do veículo, informações de perfil de um motorista ou passageiro dentro do veículo, ou semelhantes, ou qualquer combinação dos mesmos, que pode ser capturada por um dispositivo de câmera. Em algumas modalidades, o dispositivo de câmera pode ser uma câmera digital, uma câmera de vídeo, uma câmera de segurança, uma câmera web, um smartphone, um tablet, um laptop, uma câmera com múltiplas lentes, uma filmadora, etc. Meramente a título de exemplo, as informações de som podem estar relacionadas a um som do motorista, um som do passageiro, outros sons dentro do veículo (por exemplo, um som de rádio, um som de alto-falante) ou semelhantes, ou qualquer combinação dos mesmos. As informações de som podem incluir um volume de som, conteúdo de som (por exemplo, uma conversa entre o motorista e o passageiro) ou semelhantes. As informações de vídeo podem incluir um ou mais comportamentos do motorista ou do passageiro (por exemplo, expressão facial do motorista ou do passageiro, um comportamento de movimento do motorista ou do passageiro), arredores dentro do veículo (por exemplo, se há um objeto dentro do veículo que pode causar perigo), ou semelhante, ou qualquer combinação dos mesmos. Em algumas modalidades, a expressão facial pode incluir um rosto feliz, um rosto zangado, um rosto assustado, um rosto surpreso, um rosto deprimido, um rosto animado, um rosto embriagado, um rosto desdenhoso, um rosto insensível ou semelhantes, ou qualquer combinação dos mesmos. Por exemplo, se o passageiro ameaça o motorista, um rosto assustado do motorista pode ser detectado e gravado pela câmera. O comportamento de movimento pode incluir um comportamento ameaçador, um comportamento violento, um comportamento amigável ou semelhante, ou qualquer combinação dos dois. Por exemplo, se o motorista for um motorista do sexo masculino e estiver agarrando o pescoço da passageira, o comportamento ameaçador pode ser detectado e registrado pela câmera. Como outro exemplo, se o motorista e o passageiro brigarem, o comportamento violento pode ser detectado e registrado pela câmera. As informações de perfil podem incluir o sexo do motorista ou do passageiro, uma foto do motorista ou do passageiro, ou semelhante, ou qualquer combinação dos dois.
[065] Em algumas modalidades, as informações em tempo real podem ser coletadas em tempo real. Alternativamente, as informações em tempo real podem ser coletadas periodicamente (por exemplo, a cada minuto). Por exemplo, a trajetória de direção real e/ou a localização atual podem ser atualizados uma vez a cada minuto. Em algumas modalidades, as informações em tempo real podem ser coletadas quando uma ou mais condições são atendidas. Por exemplo, a coleta em tempo real das informações de som e/ou das informações de vídeo pode ser acionada através do dispositivo de câmera dentro do veículo, uma vez que ocorra uma violência potencial. Deve-se notar que as descrições acima das informações em tempo real são meramente para fins de ilustração e não se destinam a limitar o escopo da presente divulgação. Em algumas modalidades, as informações em tempo real podem incluir outros conteúdos, como um comportamento de direção do motorista (por exemplo, uma aceleração agressiva, uma frenagem agressiva, uma curva agressiva ou semelhantes).
[066] Em algumas modalidades, o dispositivo de processamento 112- A pode obter as informações em tempo real de um ou mais componentes do sistema de serviço O2O 100, como um terminal (por exemplo, o terminal de solicitante 130, o terminal de provedor 140), um dispositivo de armazenamento (por exemplo, o dispositivo de armazenamento 150), o sistema de navegação 160, ou semelhante, ou qualquer combinação dos mesmos. Alternativamente ou adicionalmente, o dispositivo de processamento 112-A pode obter as informações em tempo real de uma fonte externa (por exemplo, um gravador de carro) através da rede 120.
[067] Em 520, o dispositivo de processamento 112-A (por exemplo, o módulo de determinação 403) pode determinar uma probabilidade de ocorrência de evento malicioso. Em algumas modalidades, a determinação da probabilidade de ocorrência de evento malicioso pode ser baseada em um grau de desvio entre a trajetória de direção real e uma trajetória de direção predeterminada, um grau desolado da localização atual, uma variação da localização atual dentro de um comprimento de tempo predefinido pelo menos um de um volume de som ou uma ou mais palavras-chave das informações de som, pelo menos um de um ou mais comportamentos maliciosos ou um ou mais objetos maliciosos das informações de vídeo, sejam as informações de perfil do motorista ou do passageiro consistentes com uma informação de perfil registrada do motorista ou passageiro, se a hora atual está dentro de um período de tempo predefinido, ou semelhante, ou qualquer combinação dos mesmos.
[068] Em algumas modalidades, o dispositivo de processamento 112- A pode determinar o grau de desvio entre a trajetória de condução real e a trajetória de condução predeterminada para gerar um primeiro resultado. A trajetória de direção predeterminada pode ser uma trajetória de direção planejada automaticamente pelo sistema de serviço O2O 100 de acordo com o local de partida e o local de destino do veículo. Em algumas modalidades, o dispositivo de processamento 112-A pode determinar o grau de desvio como o primeiro resultado. Em algumas modalidades, se um acidente de trânsito ou controle de tráfego ocorrer na trajetória de direção predeterminada, o veículo poderá ter que se desviar da trajetória de direção predeterminada. Neste caso, o acidente de trânsito ou o controle de tráfego podem ser relatados ao sistema de serviço O2O 100 pelo motorista ou passageiro através de um terminal (por exemplo, o terminal de solicitante 130, o terminal de provedor 140). Ao determinar o grau de desvio, o dispositivo de processamento 112-A pode não considerar o desvio causado pelo acidente de trânsito ou pelo controle de tráfego.
[069] Em algumas modalidades, o dispositivo de processamento 112- A pode determinar o grau de desolação da localização atual para gerar um segundo resultado.
Em algumas modalidades, o dispositivo de processamento 112-A pode determinar o grau de lugar afastado da localização atual com base na coordenada latitude-longitude da mesma.
Por exemplo, uma pluralidade de coordenadas de latitude- longitude e seus graus de lugar afastado correspondentes podem ser armazenados em um dispositivo de armazenamento (por exemplo, o dispositivo de armazenamento 150). O dispositivo de processamento 112-A pode recuperar o dispositivo de armazenamento 150 e determinar o grau de lugar afastado da localização atual.
Alternativamente, ou adicionalmente, o dispositivo de processamento 112-A pode determinar o grau de lugar afastado da localização atual com base nos arredores da localização atual e informações históricas relacionadas à localização atual.
Os arredores da localização atual podem incluir a densidade de edifícios perto da localização atual, o número de postes de luz perto da localização atual, a distância do centro da cidade até a localização atual, ou semelhante, ou qualquer combinação dos mesmos.
As informações históricas relacionadas à localização atual podem incluir o número de pedidos constantes no histórico que passam pela localização atual, fluxo de tráfego histórico que passa pela localização atual ou semelhantes, ou qualquer combinação dos mesmos.
Em algumas modalidades, quanto menor for a densidade de edifícios e/ou menor for o número de postes de luz e/ou mais distante for a distância e/ou menor for o número de pedidos constantes em histórico e/ou menor quanto maior for o fluxo de tráfego histórico, maior será o grau de lugar afastado da localização atual.
Meramente a título de exemplo, o dispositivo de processamento 112-A pode determinar o número de pedidos constantes em histórico que passam pela localização atual e determinar o grau de lugar afastado da localização atual com base no número de pedidos constantes em histórico que passam pela localização atual. Em algumas modalidades, o dispositivo de processamento 112-A pode determinar o grau de lugar afastado da localização atual como o segundo resultado.
[070] Em algumas modalidades, o dispositivo de processamento 112- A pode determinar a variação da localização atual dentro do comprimento de tempo predefinido para gerar um terceiro resultado. O período de tempo predefinido pode ser um valor padrão ou um valor empírico relacionado ao sistema de serviço O2O 100. Em algumas modalidades, o comprimento de tempo predefinido pode ser definido de acordo com uma configuração padrão do sistema de serviço O2O 100 ou predefinido por um usuário. Em algumas modalidades, o comprimento de tempo predefinido pode ser determinado de acordo com as condições de tráfego, a localização atual, a hora atual ou semelhantes. Por exemplo, se o tráfego estiver regular, a localização atual for remota e/ou a hora atual for noturna, a duração predefinida pode ser curta, como 5 minutos. Como outro exemplo, se o tráfego estiver congestionado, a localização atual estiver movimentada e/ou o horário atual for noturno, o período de tempo predefinido pode ser longo, como 30 minutos. Em algumas modalidades, o dispositivo de processamento 112-A pode determinar o comprimento de tempo predefinido, analisando uma pluralidade de pedidos constantes em histórico que passam pela localização atual usando um algoritmo de aprendizado de máquina (por exemplo, um algoritmo de rede neural, uma análise de agrupamento, um algoritmo de árvore de decisão). Em algumas modalidades, o dispositivo de processamento 112-A pode comparar a variação da localização atual com um valor limite de distância para gerar o terceiro resultado. O limite de distância pode ser definido de acordo com uma configuração padrão do sistema de serviço O2O 100 ou predefinido por um usuário. Em algumas modalidades, o valor limite de distância pode ser uma pequena área, como uma área circular com um raio de 2 metros. Em algumas modalidades, o limite de distância pode ser um desvio ou um erro de posicionamento dos dados do veículo quando o veículo se mantém parado. Em algumas modalidades, o terceiro resultado pode ser um resultado positivo (por exemplo, a variação da localização atual sendo menor que o valor limite de distância) ou um resultado negativo (por exemplo, a variação da localização atual não sendo inferior ao valor limite de distância).
[071] Em algumas modalidades, o dispositivo de processamento 112- A pode determinar o volume do som e/ou uma ou mais palavras-chave da informação de som para gerar um quarto resultado. Em algumas modalidades, a (s) palavra (s)-chave pode (m) incluir palavra (s) usada (s) quando ocorre um evento malicioso. Em algumas modalidades, o dispositivo de processamento 112-A pode analisar informações de som de uma pluralidade de eventos maliciosos ocorridos para determinar uma ou mais palavras-chave que podem ser usadas em condições perigosas. Meramente a título de exemplo, as palavras-chave podem incluir, mas não estão limitadas a, "ajudar", "matar", "roubar", "por favor", "dinheiro", "levantar as mãos", "não se mexer" ou semelhantes, ou qualquer combinação dos mesmos. Em algumas modalidades, o dispositivo de processamento 112-A pode determinar se uma ou mais palavras-chave existem e contar a frequência de ocorrência de palavras-chave usando uma técnica de reconhecimento de voz. Adicionalmente, ou alternativamente, o dispositivo de processamento 112-A pode determinar se o volume de som da informação de som excede um valor limite de volume. O valor limite de volume pode ser definido de acordo com uma configuração padrão do sistema de serviço O2O 100 ou predefinido por um usuário. Em algumas modalidades, o dispositivo de processamento 112-A pode analisar várias informações históricas de som usando um algoritmo de aprendizado de máquina para determinar um decibel médio (dB) de volume de som. O dispositivo de processamento 112-A pode determinar o decibel médio (dB) de volume de som como o valor limite de volume. Em algumas modalidades, o quarto resultado pode ser um resultado positivo (por exemplo, o volume do som sendo maior do que o valor limite de volume, tendo uma ou mais palavras-chave, o número de palavras-chave) ou um resultado negativo (por exemplo, o volume do som não sendo maior do que o valor limite de volume, não tendo uma ou mais palavras- chave).
[072] Em algumas modalidades, o dispositivo de processamento 112- A pode determinar um ou mais comportamentos maliciosos e/ou um ou mais objetos maliciosos das informações de vídeo para gerar um quinto resultado. Em algumas modalidades, o (s) comportamento (s) malicioso (s) podem se referir ao (s) comportamento (s) do motorista ou do passageiro quando ocorre um evento malicioso. Meramente a título de exemplo, o (s) comportamento (s) malicioso (s) podem incluir, mas não estão limitados a, amarrar, segurar uma faca, puxar, espancar, ameaçar ou semelhantes, ou qualquer combinação dos mesmos. O (s) objeto (s) malicioso (s) podem se referir a objetos usados quando ocorre um evento malicioso. Meramente a título de exemplo, o (s) objeto (s) malicioso (s) podem incluir, mas não estão limitados a, faca, vara, corda, fita de vedação ou semelhantes, ou qualquer combinação dos mesmos. Em algumas modalidades, o dispositivo de processamento 112-A pode determinar o (s) comportamento (s) malicioso (s) e o (s)
objeto (s) malicioso (s) a partir das informações de vídeo usando uma técnica de reconhecimento de imagem. Em algumas modalidades, o quinto resultado pode ser um resultado positivo (por exemplo, ter comportamento (s) malicioso (s), ter objeto (s) malicioso (s), o número de objetos maliciosos) ou um resultado negativo (por exemplo, não ter comportamento (s) malicioso (s), não ter objeto (s) malicioso (s).
[073] Em algumas modalidades, o dispositivo de processamento 112- A pode determinar se as informações de perfil do motorista ou do passageiro são consistentes com as informações de perfil registradas do motorista ou passageiro para gerar um sexto resultado. Em algumas modalidades, as informações de perfil registradas podem incluir o gênero do motorista ou do passageiro, a foto do perfil do motorista ou passageiro, etc. Em algumas modalidades, o dispositivo de processamento 112-A pode determinar se as informações de perfil são consistentes com as informações de perfil registradas usando uma técnica de processamento de imagem (por exemplo, uma técnica de reconhecimento de rosto) para gerar o sexto resultado. Em algumas modalidades, o sexto resultado pode ser um resultado positivo (por exemplo, as informações de perfil sendo consistentes com as informações de perfil registradas) ou um resultado negativo (por exemplo, as informações de perfil não sendo consistentes com as informações de perfil registradas).
[074] Em algumas modalidades, o dispositivo de processamento 112- A pode determinar a probabilidade de ocorrência de evento malicioso com base em pelo menos um dentre o primeiro resultado, o segundo resultado, o terceiro resultado, o quarto resultado, o quinto resultado ou o sexto resultado. Meramente a título de exemplo, o dispositivo de processamento 112-A pode quantizar um ou mais resultados acima para um ou mais valores específicos correspondentes, e o dispositivo de processamento 112-A pode determinar a probabilidade de ocorrência de evento malicioso com base no (s) valor (es) específico (s).
[075] Especificamente, o dispositivo de processamento 112-A pode determinar o primeiro resultado (ou o grau de desvio) como um primeiro valor. Quanto maior for o grau de desvio, maior será o primeiro valor. O dispositivo de processamento 112-A pode determinar o segundo resultado (ou o grau de lugar afastado) como um segundo valor. Quanto maior for o grau de lugar afastado, maior será o segundo valor. O dispositivo de processamento 112-A pode determinar um terceiro valor com base no terceiro resultado. O terceiro valor pode depender se o terceiro resultado é o resultado positivo (por exemplo, a variação da localização atual sendo menor que o valor limite de distância) ou o resultado negativo (por exemplo, a variação da localização atual não sendo inferior ao valor limite de distância). Se o terceiro resultado for positivo, o terceiro valor pode ser atribuído a um valor relativamente grande. Como alternativa, se o terceiro resultado for negativo, o terceiro valor pode ser atribuído a um valor relativamente pequeno, como 0. Da mesma forma, o dispositivo de processamento 112-A pode determinar um quarto valor com base no quarto resultado. Se o quarto resultado for positivo, o quarto valor poderá ser atribuído a um valor relativamente grande. O resultado positivo pode ser que o volume do som é maior do que o valor limite de volume, existe uma ou mais palavras-chave ou algo semelhante. Em algumas modalidades, o número de palavras- chave também pode ser considerado. Quanto maior for o número de palavras-chave, maior será o quarto valor. Se o quarto resultado for negativo, o quarto valor poderá ser atribuído com um valor relativamente pequeno, como 0. O resultado negativo pode ser que o volume do som não seja maior que o valor limite de volume e uma ou mais palavras-chave não existam. O dispositivo de processamento 112- A pode determinar um quinto valor com base no quinto resultado. Se o quinto resultado for positivo, o quinto valor poderá ser atribuído com um valor relativamente grande. O resultado positivo pode ser a ocorrência de comportamento (s) malicioso (s), objetos (s) maliciosos ou semelhantes. Em algumas modalidades, o número de objetos maliciosos pode ser considerado. Quanto maior for o número de objetos maliciosos, maior será o quinto valor. Se o quinto resultado for o resultado negativo, o quinto valor poderá ser atribuído com um valor relativamente pequeno, como 0. O resultado negativo pode ser que não existem comportamentos maliciosos e não existem objetos maliciosos. O dispositivo de processamento 112-A pode determinar um sexto valor com base no sexto resultado. Se o sexto resultado for negativo (por exemplo, as informações do perfil não são consistentes com as informações do perfil registrado), o sexto valor poderá ser atribuído com um valor relativamente grande. Se o sexto resultado for o resultado positivo (por exemplo, as informações do perfil são consistentes com as informações do perfil registrado), o sexto valor poderá ser atribuído com um valor relativamente pequeno, como 0.
[076] Em algumas modalidades, o dispositivo de processamento 112- A pode determinar se o tempo atual está dentro do período de tempo predefinido para determinar um sétimo resultado. Em algumas modalidades, o período de tempo predefinido pode ser um valor padrão ou um valor empírico relacionado ao sistema de serviço O2O 100. Alternativamente, o período de tempo predefinido pode variar com base em uma ou mais condições. Em algumas modalidades, o dispositivo de processamento 112-A pode determinar o período de tempo predefinido de acordo com a hora do pôr do sol, a hora do nascer do sol e/ou a localização atual do veículo. Por exemplo, o dispositivo de processamento 112-A pode determinar um período de tempo entre um ponto de tempo após o pôr do sol (por exemplo, uma hora após o pôr do sol, duas horas após o pôr do sol) e um ponto de tempo antes do nascer do sol (por exemplo, uma hora antes do nascer do sol, duas horas antes do nascer do sol) como o período de tempo predefinido. Como outro exemplo, se a localização atual do veículo estiver movimentada, o dispositivo de processamento 112-A pode determinar o período de tempo predefinido como 0h-4h. Como outro exemplo, se a localização atual do veículo for remota, o dispositivo de processamento 112-A pode determinar o período de tempo predefinido como 22h00 - 6h00. Em algumas modalidades, o dispositivo de processamento 112-A pode determinar um sétimo valor com base no sétimo resultado. O sétimo valor pode depender se o sétimo resultado é um resultado positivo (por exemplo, a hora atual estando dentro do período de tempo predefinido) ou um resultado negativo (por exemplo, a hora atual estando fora do período de tempo predefinido). Se o sétimo resultado for positivo, o sétimo valor pode ser atribuído a um valor relativamente grande. Se o sétimo resultado for um resultado negativo, o sétimo valor pode ser atribuído com um valor relativamente pequeno, como 0.
[077] Em algumas modalidades, o dispositivo de processamento 112- A pode determinar a probabilidade de ocorrência de evento malicioso de acordo com a Equação (1) conforme abaixo:
[078] Equação 1: P = ∑ ∗ ,
[079] em que P se refere à probabilidade de ocorrência de evento malicioso; m se refere ao número de valores (ou ao número de resultados gerados pelo dispositivo de processamento 112-A); Ri refere-se ao i-ésimo valor correspondente ao i-ésimo resultado; ni refere-se ao coeficiente do valor Ri. Em certas modalidades, m pode ser igual a sete. R1 pode ser o primeiro valor correspondente ao primeiro resultado, R2 pode ser o segundo valor correspondente ao segundo resultado, R3 pode ser o terceiro valor correspondente ao terceiro resultado, R4 pode ser o quarto valor correspondente ao quarto resultado, R5 pode ser o quinto valor correspondente ao quinto resultado, R6 pode ser o sexto valor correspondente ao sexto resultado e R7 pode ser o sétimo valor correspondente ao sétimo resultado.
[080] Em algumas modalidades, o coeficiente ni pode ser definido de acordo com uma configuração padrão do sistema de serviço O2O 100 ou predefinido por um usuário. Em algumas modalidades, o dispositivo de processamento 112-A pode analisar uma pluralidade de eventos maliciosos ocorridos usando um algoritmo de aprendizado de máquina para determinar o coeficiente de cada valor. Deve-se observar que o coeficiente de cada valor pode mudar. Em algumas modalidades, o coeficiente de um valor correspondente a um resultado pode ser afetado por outros resultados. Por exemplo, quando o grau de lugar afastado da localização atual (isto é, o segundo resultado) é baixo, o coeficiente n3 do terceiro valor correspondente ao terceiro resultado pode diminuir. Como outro exemplo, quando o sétimo resultado é o resultado positivo (por exemplo, a hora atual estando dentro do período de tempo predefinido), pode indicar que a hora atual pode ser à noite e a probabilidade de ocorrência de evento malicioso pode aumentar. Portanto, os coeficientes dos valores correspondentes aos outros seis resultados podem aumentar.
[081] Em algumas modalidades, o dispositivo de processamento 112- A pode determinar a probabilidade de ocorrência de evento malicioso com base nas informações em tempo real e um modelo de determinação de probabilidade treinado. Em algumas modalidades, o modelo de determinação de probabilidade treinado pode ser gerado de acordo com o processo 600. O dispositivo de processamento 112-A pode inserir as informações em tempo real no modelo de determinação de probabilidade treinado. A probabilidade de surgimento de evento malicioso pode ser produzida a partir do modelo de determinação de probabilidade treinado.
[082] Em 530, o dispositivo de processamento 112-A (por exemplo, o módulo de determinação 403) pode determinar se a probabilidade de ocorrência de evento malicioso excede um limite de probabilidade. O limite de probabilidade pode ser um valor padrão ou um valor empírico relacionado ao sistema de serviço O2O 100. Em algumas modalidades, o limite de probabilidade pode ser definido de acordo com uma configuração padrão do sistema de serviço O2O 100 ou predefinido por um usuário. Em algumas modalidades, o dispositivo de processamento 112-A pode determinar o limite de probabilidade com base em uma pluralidade de eventos maliciosos ocorridos (também referidos como eventos maliciosos históricos) de acordo com um algoritmo de aprendizado de máquina. O algoritmo de aprendizado de máquina pode incluir um algoritmo de rede neural, uma análise de agrupamento, um algoritmo de árvore de decisão ou semelhantes. Alternativamente, ou adicionalmente, o dispositivo de processamento 112-A pode determinar o limite de probabilidade com base em um número ou uma porcentagem de pedidos constantes em histórico que podem surgir de eventos maliciosos. Meramente a título de exemplo, assumindo que um número total de pedidos constantes em histórico é de 100.000 por dia, o número de pedidos constantes em histórico que podem surgir de eventos maliciosos pode ser controlado em 1000, ou a porcentagem de pedidos constantes em histórico que podem surgir de eventos maliciosos pode ser inferior a 1%. O dispositivo de processamento 112- A pode classificar os pedidos constantes em histórico em ordem decrescente com base nas probabilidades correspondentes de ocorrência de evento malicioso e determinar a probabilidade do milésimo pedido constante em histórico como o valor limite.
[083] Em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso não excede o limite de probabilidade, o dispositivo de processamento 112-A pode prosseguir para a operação 510 e iniciar uma próxima rodada. Alternativamente, ou adicionalmente, em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso excede o valor limite de probabilidade, o dispositivo de processamento 112-A pode determinar que existe um evento malicioso potencial e pode prosseguir para a operação 540. O evento malicioso potencial pode ser ou incluem a ocorrência de um evento malicioso ou um evento malicioso que é muito provável de ocorrer.
[084] Em 540, o dispositivo de processamento 112-A (por exemplo, o módulo de intervenção 405) pode realizar uma ou mais intervenções. A (s) intervenção (ões) podem se referir a medidas que podem prevenir a ocorrência de um evento malicioso, ou medidas que podem reduzir a perda (por exemplo, acidentes, danos materiais) causada por um evento malicioso ocorrido. Em algumas modalidades, a (s) intervenção (ões) pode (m) incluir o envio de um comando a um motorista ou passageiro dentro do veículo, o envio de um aviso ao motorista ou passageiro dentro do veículo, chamando o motorista ou o passageiro dentro do veículo, o envio de informações de ajuda para uma pessoa próxima à localização atual do veículo (por exemplo, um patrulheiro, um motorista próximo), enviando as informações de ajuda a uma instituição executiva (por exemplo, uma delegacia de polícia), ou semelhante, ou qualquer combinação dos dois. Em algumas modalidades, o dispositivo de processamento 112-A pode determinar uma intervenção correspondente de acordo com a probabilidade de ocorrência de evento malicioso. Por exemplo, se a probabilidade de ocorrência de evento malicioso for ligeiramente maior do que o valor limite de probabilidade, o dispositivo de processamento 112-A poderá enviar um comando ou um aviso ao motorista ou passageiro dentro do veículo. Como outro exemplo, se a probabilidade de ocorrência surgimento de evento malicioso for muito maior do que o limite de probabilidade, o dispositivo de processamento 112-A pode enviar informações de ajuda a uma instituição executiva.
[085] Em algumas modalidades, após o dispositivo de processamento 112-A realizar a (s) intervenção (ões), o dispositivo de processamento 112-A pode prosseguir para a operação 510 e iniciar uma próxima rodada para determinar se a probabilidade de ocorrência de evento malicioso em um próximo intervalo de tempo ainda excede o valor limite de probabilidade. Em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso no próximo intervalo de tempo ainda excede o valor limite de probabilidade, o dispositivo de processamento 112-A pode continuar a realizar a (s) intervenção (ões). Alternativamente, em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso no próximo intervalo de tempo não excede o valor limite de probabilidade, o dispositivo de processamento 112-A pode parar de realizar a (s) intervenção (ões).
[086] Em algumas modalidades da presente divulgação, a probabilidade de ocorrência de evento malicioso pode ser determinada de acordo com as informações em tempo real relacionadas ao veículo. Quando a probabilidade de ocorrência de evento malicioso excede o valor limite de probabilidade, uma ou mais intervenções podem ser realizadas, o que pode diminuir o número de eventos maliciosos ocorridos e reduzir a perda causada pelos eventos maliciosos ocorridos.
[087] Deve-se notar que a descrição acima a respeito do processo 500 é fornecida apenas para fins de ilustração e não se destina a limitar o escopo da presente divulgação. Para versados na técnica, múltiplas variações e modificações podem ser feitas de acordo com os ensinamentos da presente divulgação. No entanto, essas variações e modificações não se afastam do escopo da presente divulgação. Em algumas modalidades, o dispositivo de processamento 112-A pode obter as informações em tempo real com uma certa frequência de obtenção (por exemplo, 5 vezes por hora (vezes / h), 10 vezes / h, 30 vezes / h, 60 vezes / h, etc.). A frequência de obtenção pode ser um valor padrão ou um valor empírico relacionado ao sistema de serviço O2O 100. Alternativamente, a frequência de obtenção pode ser ajustada de acordo com a probabilidade de ocorrência de eventos maliciosos. Por exemplo, se a probabilidade de ocorrência de eventos maliciosos exceder o valor limite de probabilidade, o dispositivo de processamento 112-A poderá aumentar a frequência de obtenção (por exemplo, de 10 vezes / h para 20 vezes / h). Se a probabilidade de ocorrência de eventos maliciosos não exceder o valor limite de probabilidade, o dispositivo de processamento 112-A pode diminuir a frequência de obtenção (por exemplo, de 10 vezes / h para 5 vezes /
h).
[088] Em algumas modalidades, o dispositivo de processamento 112- A (por exemplo, o módulo de aquisição 401) pode obter informações de pedido relacionadas ao veículo. As informações do pedido podem incluir a hora do pedido, uma localização de partida e um local de destino do pedido, um comportamento do pedido de um passageiro relacionado ao veículo, ou semelhante, ou qualquer combinação dos mesmos. Em algumas modalidades, o comportamento do pedido do passageiro pode ser refletido por registros de pedido do passageiro. Por exemplo, o comportamento de pedido do passageiro pode ser que o passageiro cancele um pedido e faça o pedido novamente em um curto espaço de tempo. O dispositivo de processamento 112-A (por exemplo, o módulo de determinação 403) pode determinar a probabilidade de ocorrência de evento malicioso com base nas informações do pedido. Em algumas modalidades, o dispositivo de processamento 112-A pode determinar um grau de lugar afastado da localização de partida e/ou do local de destino. Se a localização de partida e/ou o local de destino tiver grau de lugar afastado relativamente grande, a probabilidade de ocorrência de evento malicioso pode ser grande. Como outro exemplo, o dispositivo de processamento 112-A pode determinar se o passageiro cancela um pedido e reordena dentro de um curto período de tempo. Se o dispositivo de processamento 112- A determina que o passageiro cancela um pedido e reordena dentro de um curto período de tempo, a probabilidade de ocorrência de evento malicioso pode ser grande. Em algumas modalidades, o dispositivo de processamento 112-A pode determinar a probabilidade de ocorrência de evento malicioso com base nas informações do pedido e nas informações em tempo real.
[089] A figura 6 é um fluxograma que ilustra um processo exemplificativo para determinar um modelo de determinação de probabilidade treinado de acordo com algumas modalidades da presente divulgação. Apenas para fins de ilustração, o dispositivo de processamento 112-B pode ser descrito como um sujeito para realizar o processo 600. No entanto, um versado na técnica entenderia que o processo 600 também pode ser realizado por outras entidades. Por exemplo, um versado na técnica entenderia que pelo menos uma porção do processo 600 pode ser implementada no dispositivo de computação 200 como ilustrado na figura 2 ou o dispositivo móvel 300 como ilustrado na figura 3. Em algumas modalidades, uma ou mais operações do processo 600 podem ser implementadas no sistema de serviço O2O 100, conforme ilustrado na figura 1. Em algumas modalidades, uma ou mais operações no processo 600 podem ser armazenadas no dispositivo de armazenamento 150 e/ou no armazenamento (por exemplo, o ROM 230, o RAM 240, etc.) como uma forma de instruções e chamadas e/ou executada pelo servidor 110 (por exemplo, o dispositivo de processamento 112-B no servidor 110, ou o processador 220 do dispositivo de processamento 112-B no servidor 110). Em algumas modalidades, as instruções podem ser transmitidas na forma de corrente eletrônica ou sinais elétricos.
[090] Em 610, o dispositivo de processamento 112-B (por exemplo, o módulo de obtenção 451) pode obter uma pluralidade de amostras de treinamento. A pluralidade de amostras de treinamento pode incluir uma pluralidade de eventos maliciosos ocorridos (também referidos como eventos maliciosos constantes em histórico) e as informações em tempo real correspondentes a cada um da pluralidade de eventos maliciosos ocorridos. Em algumas modalidades, a pluralidade de eventos maliciosos ocorridos pode corresponder a um tipo de veículo. Por exemplo, a pluralidade de eventos maliciosos ocorridos pode corresponder a táxi. Alternativamente, a pluralidade de eventos maliciosos ocorridos pode corresponder a dois ou mais tipos de veículos. Por exemplo, uma primeira parte dos eventos maliciosos ocorridos pode corresponder a táxi e uma segunda parte dos eventos maliciosos ocorridos pode corresponder a ônibus. Em algumas modalidades, as informações em tempo real podem se referir a informações em tempo real relacionadas a um veículo quando ocorre um evento malicioso. As informações em tempo real podem incluir uma trajetória de direção real do veículo, uma localização atual do veículo, informações de som dentro do veículo, informações de vídeo dentro do veículo, informações de perfil de um motorista ou passageiro dentro do veículo, ou semelhantes, ou quaisquer combinações dos mesmos. Mais descrições a respeito das informações em tempo real podem ser encontradas em outro lugar na presente divulgação (por exemplo, operação 510 do processo 500 e as descrições relevantes das mesmas).
[091] Em algumas modalidades, o dispositivo de processamento 112- B pode obter a pluralidade de amostras de treinamento de um ou mais componentes do sistema de serviço O2O 100, por exemplo, o servidor 110, um terminal (por exemplo, o terminal de solicitante 130, o terminal de provedor 140), um dispositivo de armazenamento (por exemplo, o dispositivo de armazenamento 150). Alternativamente, ou adicionalmente, o dispositivo de processamento 112-B pode obter a pluralidade de amostras de treinamento de uma fonte externa (por exemplo, um gravador de carro) através da rede 120.
[092] Em 620, o dispositivo de processamento 112-B (por exemplo, o módulo de obtenção 451) pode obter um modelo preliminar. Em algumas modalidades, o modelo preliminar pode incluir uma pluralidade de pesos preliminares (ou parâmetros). Os pesos preliminares (ou parâmetros) podem ser ajustados e/ou atualizados durante o processo de treinamento do modelo preliminar.
[093] Em algumas modalidades, o modelo preliminar pode incluir um modelo de máquina de vetor de suporte de classificação (SVM), um modelo de árvore de decisão de impulso de gradiente (GBDT), um modelo LambdaMART, um modelo de impulso adaptativo, um modelo de rede neural recorrente, uma rede convolucional modelo, um modelo de Markov oculto, um modelo de rede neural perceptron, um modelo de rede de Hopfield, um mapa de auto-organização (SOM) ou uma quantização de vetor de aprendizagem (LVQ) ou semelhantes, ou qualquer combinação dos mesmos. O modelo de rede neural recorrente pode incluir um modelo de rede neural de memória de longo prazo (LSTM), um modelo de rede neural recorrente hierárquica, um modelo de rede neural recorrente bidirecional, um modelo de rede neural recorrente de segunda ordem, um modelo de rede totalmente recorrente, um modelo de rede de estado de eco, um modelo de rede neural recorrente de múltiplas escalas de tempo (MTRNN), etc.
[094] Em algumas modalidades, o dispositivo de processamento 112- B pode obter o modelo preliminar de um ou mais componentes do sistema de serviço O2O 100, por exemplo, o servidor 110, um terminal (por exemplo, o terminal de solicitante 130, o terminal de provedor 140), um dispositivo de armazenamento (por exemplo, o dispositivo de armazenamento 150). Alternativamente, ou adicionalmente, o dispositivo de processamento 112-B pode obter o modelo de etiquetagem preliminar de uma fonte externa através da rede 120.
[095] Em 630, o dispositivo de processamento 112-B (por exemplo, o módulo de treinamento 453) pode gerar um modelo de determinação de probabilidade treinado, pelo treinamento do modelo preliminar usando a pluralidade de amostras de treinamento.
[096] Em algumas modalidades, as informações em tempo real correspondentes a um evento malicioso ocorrido podem ser inseridas no modelo preliminar para determinar uma saída real. A saída real pode ser um primeiro valor que representa um evento malicioso ou um segundo valor que representa um evento não malicioso. Para a informação em tempo real correspondente à pluralidade de eventos maliciosos ocorridos, uma pluralidade de saídas reais pode ser determinada. Uma saída desejada pode ser o primeiro valor que representa um evento malicioso. O dispositivo de processamento 112- B pode comparar cada uma da pluralidade de saídas reais com a saída desejada para determinar uma função de perda. A função de perda pode medir uma diferença entre a (s) saída (s) real (is) e a saída desejada. Durante o treinamento do modelo preliminar, o dispositivo de processamento 112-B pode ajustar a pluralidade de pesos preliminares (ou parâmetros) para minimizar a função de perda. Em algumas modalidades, a função de perda e os pesos preliminares (ou parâmetros) podem ser atualizados iterativamente a fim de obter uma função de perda minimizada. A iteração para minimizar a função de perda pode ser repetida até que uma condição de término seja satisfeita. Uma condição de término exemplificativa é que uma função de perda atualizada com os pesos (ou parâmetros) atualizados obtidos em uma iteração é menor do que um limite predeterminado. O limite predeterminado pode ser definido manualmente ou determinado com base em vários fatores, incluindo, como a precisão do modelo de marcação treinado, etc.
[097] Após a função de perda ser minimizada, um modelo de determinação de probabilidade treinado pode ser determinado de acordo com os pesos ajustados (ou parâmetros). Em algumas modalidades, os pesos ajustados (ou parâmetros) podem ser os coeficientes dos valores correspondentes ao resultado. Em algumas modalidades, quando a informação em tempo real é inserida no modelo de determinação de probabilidade treinado, uma probabilidade de ocorrência de evento malicioso pode ser emitida a partir do modelo de determinação de probabilidade treinado. Em algumas modalidades, o modelo de determinação de probabilidade treinado pode ser armazenado em um dispositivo de armazenamento no sistema de serviço O2O 100, como o dispositivo de armazenamento 150, a ROM 230, a RAM 240 ou semelhantes.
[098] Deve-se notar que a descrição acima em relação ao processo 600 é fornecida apenas para fins de ilustração e não se destina a limitar o escopo da presente divulgação. Para versados na técnica, múltiplas variações e modificações podem ser feitas de acordo com os ensinamentos da presente divulgação. No entanto, essas variações e modificações não se afastam do escopo da presente divulgação.
[099] Tendo assim descrito os conceitos básicos, pode ser bastante aparente para aqueles versados na técnica após a leitura desta divulgação detalhada que a divulgação detalhada anterior se destina a ser apresentada a título de exemplo apenas e não é limitativa. Várias alterações, melhorias e modificações podem ocorrer e são destinadas aos versados na técnica, embora não expressamente declarado neste documento. Essas alterações, melhorias e modificações devem ser sugeridas por esta divulgação e estão dentro do espírito e escopo das modalidades exemplificativas desta divulgação.
[0100] Além disso, certa terminologia foi usada para descrever modalidades da presente divulgação. Por exemplo, os termos "uma (um tipo de) modalidade", "uma modalidade" e/ou "algumas modalidades" significam que um determinado recurso, estrutura ou característica descrita em conexão com a modalidade está incluída em pelo menos uma modalidade da presente divulgação. Portanto, é enfatizado e deve ser apreciado que duas ou mais referências a "uma (tipo de) modalidade" ou "uma modalidade" ou "uma modalidade alternativa" em várias partes desta especificação não se referem necessariamente à mesma modalidade. Além disso, as características, estruturas ou características particulares podem ser combinadas conforme adequado em uma ou mais modalidades da presente divulgação.
[0101] Além disso, será apreciado por um versado na técnica, aspectos da presente divulgação podem ser ilustrados e descritos na presente invenção em qualquer uma de uma série de classes patenteáveis ou contexto, incluindo qualquer processo novo e útil, máquina, manufatura ou composição de matéria, ou qualquer melhoria nova e útil dos mesmos. Por conseguinte, os aspectos da presente divulgação podem ser implementados inteiramente em hardware, inteiramente em software (incluindo firmware, software residente, microcódigo, etc.) ou combinação de implementação de software e hardware que podem ser geralmente referidos neste documento como uma "unidade”, “módulo” ou “sistema”. Além disso, aspectos da presente divulgação podem assumir a forma de um produto de programa de computador incorporado em uma ou mais mídias legíveis por computador com código de programa legível por computador incorporado.
[0102] Uma mídia de sinal legível por computador pode incluir um sinal de dados propagado com código de programa legível por computador incorporado no mesmo, por exemplo, em banda base ou como parte de uma onda portadora. Tal sinal propagado pode assumir qualquer uma de uma variedade de formas, incluindo eletromagnética, óptica ou semelhantes, ou qualquer combinação adequada das mesmas. Uma mídia de sinal legível por computador pode ser qualquer mídia legível por computador que não seja uma mídia de armazenamento legível por computador e que pode se comunicar, propagar ou transportar um programa para uso por ou em conexão com um sistema, aparelho ou dispositivo de execução de instrução. O código de programa incorporado em uma mídia de sinal legível por computador pode ser transmitido usando qualquer mídia apropriada, incluindo sem fio, com fio, cabo de fibra óptica, RF ou semelhantes, ou qualquer combinação adequada dos anteriores.
[0103] O código de programa de computador para realizar operações para aspectos da presente divulgação pode ser escrito em qualquer combinação de uma ou mais linguagens de programação, incluindo uma linguagem de programação orientada a objeto, como Java, Scala, Smalltalk, Eiffel, JADE, Emerald , C ++, C #, VB. NET, Python ou semelhantes, linguagens de programação procedimentais convencionais, como a linguagem de programação "C", Visual Basic, Fortran 2003, Perl, COBOL 2002, PHP, ABAP, linguagens de programação dinâmicas como Python, Ruby e Groovy ou outra programação línguas. O código do programa pode ser executado inteiramente no computador do usuário, parcialmente no computador do usuário, como um pacote de software autônomo, parcialmente no computador do usuário e parcialmente em um computador remoto ou inteiramente no computador ou servidor remoto. No último cenário, o computador remoto pode ser conectado ao computador do usuário através de qualquer tipo de rede, incluindo uma rede local (LAN) ou uma rede de longa distância (WAN), ou a conexão pode ser feita a um computador externo (para por exemplo, através da Internet usando um Provedor de Serviços de Internet) ou em um ambiente de computação em nuvem ou oferecido como um serviço, como um Software como Serviço (SaaS).
[0104] Além disso, a ordem indicada de elementos ou sequências de processamento, ou o uso de números, letras ou outras designações, portanto, não se destina a limitar os processos e métodos reivindicados a qualquer ordem, exceto conforme pode ser especificado nas reivindicações. Embora a divulgação acima discuta através de vários exemplos o que é atualmente considerado uma variedade de modalidades úteis da divulgação, deve ser entendido que tal detalhe é exclusivamente para esse fim e que as reivindicações anexas não estão limitadas às modalidades divulgadas, mas, ao contrário, destinam-se a cobrir modificações e arranjos equivalentes que estão dentro do espírito e escopo das modalidades divulgadas. Por exemplo, embora a implementação de vários componentes descritos acima possa ser incorporada em um dispositivo de hardware, ela também pode ser implementada como uma solução apenas de software, por exemplo, uma instalação em um servidor existente ou dispositivo móvel.
[0105] Da mesma forma, deve ser apreciado que na descrição anterior das modalidades da presente divulgação, várias características são algumas vezes agrupadas em uma única modalidade, figura ou descrição das mesmas com o propósito de simplificar a divulgação auxiliando na compreensão de um ou mais das várias modalidades. Este método de divulgação, no entanto, não deve ser interpretado como refletindo uma intenção de que o objeto reivindicado requer mais recursos do que são expressamente citados em cada reivindicação.
Em vez disso, o assunto reivindicado pode estar em menos do que todas as características de uma única modalidade divulgada anterior.
Claims (10)
1. Sistema para determinação de um potencial evento malicioso em um veículo, caracterizado pelo fato de compreender: a) pelo menos um dispositivo de armazenamento incluindo um conjunto de instruções; b) pelo menos um processador em comunicação com pelo menos um dispositivo de armazenamento; e c) uma plataforma de comunicação conectada a uma rede, em que ao executar o conjunto de instruções, pelo menos um processador é configurado para fazer com que o sistema: d) obtenha informações em tempo real relacionadas a um veículo; e) determine, com base nas informações em tempo real do veículo, uma probabilidade de ocorrência de evento malicioso; f) determine se a probabilidade de ocorrência de evento malicioso excede um limite de probabilidade; g) em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso excede o limite de probabilidade, determine que existe um potencial evento malicioso.
2. Sistema, de acordo com a reivindicação 1, caracterizado pelo fato de que as informações em tempo real relacionadas ao veículo incluem pelo menos uma de uma trajetória de direção real do veículo, uma localização atual do veículo, informações de som dentro do veículo, informações de vídeo dentro do veículo ou informações de perfil de um motorista ou passageiro dentro do veículo.
3. Sistema, de acordo com a reivindicação 2, caracterizado pelo fato de que determinação de uma probabilidade de ocorrência de evento malicioso é baseada em pelo menos um de:
a) um grau de desvio da trajetória de direção real de uma trajetória de direção predeterminada; b) um grau de lugar afastado da localização atual; c) uma variação da localização atual dentro de um período de tempo predefinido; d) pelo menos um de um volume de som ou uma ou mais palavras- chave da informação de som; e) pelo menos um de um ou mais comportamentos maliciosos ou um ou mais objetos maliciosos a partir das informações de vídeo; ou f) se as informações de perfil do motorista ou do passageiro são consistentes com as informações de perfil registradas do motorista ou do passageiro.
4. Sistema, de acordo com a reivindicação 1 ou reivindicação 3, caracterizado pelo fato de que as informações em tempo real relacionadas ao veículo incluem um tempo atual e a determinação da probabilidade de ocorrência de eventos maliciosos é ainda baseada em se a hora atual está dentro de um período de tempo predefinido.
5. Sistema, de acordo com a reivindicação 1, caracterizado pelo fato de que pelo menos um processador é ainda configurado para fazer com que o sistema: a) obtenha informações da solicitação relacionadas ao veículo, informações da solicitação incluindo hora da solicitação, um local de partida e um local de destino da solicitação, um comportamento de solicitação do passageiro relacionado ao veículo; e b) determine a probabilidade de ocorrência de evento malicioso com base nas informações da solicitação e nas informações em tempo real.
6. Sistema, de acordo com a reivindicação 1, caracterizado pelo fato de que para determinar a probabilidade de ocorrência de evento malicioso, pelo menos um processador é ainda configurado para fazer com que o sistema: obtenha um modelo de determinação de probabilidade treinado; e determine a probabilidade de ocorrência de evento malicioso com base nas informações em tempo real e no modelo de determinação de probabilidade treinado.
7. Sistema, de acordo com a reivindicação 6, caracterizado pelo fato de que o modelo de determinação de probabilidade treinado é gerado treinando um modelo preliminar com base em um ou mais eventos maliciosos do histórico.
8. Sistema, de acordo com qualquer uma das reivindicações 1 a 7, caracterizado pelo fato de que pelo menos um processador é ainda configurado para fazer com que o sistema, em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso excede o limite de probabilidade, execute uma ou mais intervenções.
9. Sistema, de acordo com a reivindicação 8, caracterizado pelo fato de que uma ou mais intervenções incluem pelo menos: a) envio de comando ao motorista ou passageiro dentro do veículo; b) envio de um aviso ao motorista ou passageiro dentro do veículo; c) chamada do motorista ou do passageiro dentro do veículo; d) envio de informações de ajuda a uma pessoa próxima à localização atual do veículo; ou e) envio das informações de ajuda para uma instituição executiva.
10. Método para determinação de um potencial evento malicioso em um veículo, implementado em um dispositivo de computação com pelo menos um processador, pelo menos um meio de armazenamento legível por computador e uma plataforma de comunicação conectada a uma rede, caracterizado pelo fato de compreender: a) obtenção de informações em tempo real relacionadas a um veículo; b) determinação, com base nas informações em tempo real do veículo, de uma probabilidade de ocorrência de evento malicioso; c) determinação se a probabilidade de ocorrência de evento malicioso excede um limite de probabilidade; d) em resposta a uma determinação de que a probabilidade de ocorrência de evento malicioso excede o limite de probabilidade, determinação de que existe um potencial evento malicioso.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNCN201810641599.5 | 2018-06-21 | ||
| CN201810641599.5A CN110633593A (zh) | 2018-06-21 | 2018-06-21 | 一种恶性事件预测方法及系统 |
| PCT/CN2018/121625 WO2019242259A1 (en) | 2018-06-21 | 2018-12-17 | Systems and methods for determining potential malicious event |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| BR112020026198A2 true BR112020026198A2 (pt) | 2021-03-23 |
Family
ID=68967594
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR112020026198-0A BR112020026198A2 (pt) | 2018-06-21 | 2018-12-17 | sistemas e métodos para determinação de potencial evento malicioso |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20210118078A1 (pt) |
| CN (1) | CN110633593A (pt) |
| BR (1) | BR112020026198A2 (pt) |
| MX (1) | MX2020014325A (pt) |
| RU (1) | RU2768512C1 (pt) |
| WO (1) | WO2019242259A1 (pt) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9754338B2 (en) | 2015-10-09 | 2017-09-05 | Gt Gettaxi Limited | System to facilitate a correct identification of a service provider |
| US10554783B2 (en) | 2016-12-30 | 2020-02-04 | Lyft, Inc. | Navigation using proximity information |
| US11574262B2 (en) | 2016-12-30 | 2023-02-07 | Lyft, Inc. | Location accuracy using local device communications |
| US11910452B2 (en) | 2019-05-28 | 2024-02-20 | Lyft, Inc. | Automatically connecting wireless computing devices based on recurring wireless signal detections |
| USD997988S1 (en) | 2020-03-30 | 2023-09-05 | Lyft, Inc. | Transportation communication device |
| US11887386B1 (en) * | 2020-03-30 | 2024-01-30 | Lyft, Inc. | Utilizing an intelligent in-cabin media capture device in conjunction with a transportation matching system |
| US20210342441A1 (en) * | 2020-05-01 | 2021-11-04 | Forcepoint, LLC | Progressive Trigger Data and Detection Model |
| CN112150667A (zh) * | 2020-09-22 | 2020-12-29 | 杭州海康威视数字技术股份有限公司 | 信息处理方法、装置和信息记录仪 |
| CN112163932A (zh) * | 2020-09-30 | 2021-01-01 | 中国民航信息网络股份有限公司 | 恶意占座订单的识别方法、装置及电子设备 |
| CN112650825B (zh) * | 2020-12-30 | 2024-04-05 | 北京嘀嘀无限科技发展有限公司 | 异常接驾行为的确定方法、装置、存储介质及电子设备 |
| CN112669188A (zh) * | 2021-01-12 | 2021-04-16 | 徐涛 | 危机事件预警模型构建、危机事件预警方法和电子设备 |
| US11847839B2 (en) | 2021-06-04 | 2023-12-19 | Rockwell Collins, Inc. | Detecting anomalous behaviors within aircraft context |
Family Cites Families (39)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9129505B2 (en) * | 1995-06-07 | 2015-09-08 | American Vehicular Sciences Llc | Driver fatigue monitoring system and method |
| CN201017358Y (zh) * | 2007-01-17 | 2008-02-06 | 孙明曾 | 出租车安全监控记录装置 |
| US8880282B2 (en) * | 2010-10-04 | 2014-11-04 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method and system for risk prediction for a support actuation system |
| JP4839416B1 (ja) * | 2011-01-06 | 2011-12-21 | アクアエンタープライズ株式会社 | 移動過程予測システム、移動過程予測方法、移動過程予測装置及びコンピュータプログラム |
| CN202634600U (zh) * | 2012-04-28 | 2012-12-26 | 上海中海龙高新技术研究院 | 一种基于物联网技术的出租车内安全监控系统 |
| CN103544820B (zh) * | 2012-07-11 | 2015-08-26 | 张凯杰 | 出租车的安全监控系统及其方法 |
| US20140095214A1 (en) * | 2012-10-03 | 2014-04-03 | Robert E. Mathe | Systems and methods for providing a driving performance platform |
| US10210761B2 (en) * | 2013-09-30 | 2019-02-19 | Sackett Solutions & Innovations, LLC | Driving assistance systems and methods |
| US10417486B2 (en) * | 2013-12-30 | 2019-09-17 | Alcatel Lucent | Driver behavior monitoring systems and methods for driver behavior monitoring |
| CN104112342B (zh) * | 2014-07-14 | 2016-06-08 | 王勇 | 具有公共安全监控智能顶灯的出租车安全监控系统及方法 |
| US9714037B2 (en) * | 2014-08-18 | 2017-07-25 | Trimble Navigation Limited | Detection of driver behaviors using in-vehicle systems and methods |
| RU2596993C2 (ru) * | 2014-12-11 | 2016-09-10 | Александр Александрович Титов | Способ контроля оплаты проезда в общественном транспорте |
| CN104700646B (zh) * | 2015-03-31 | 2016-09-14 | 南京大学 | 一种基于在线gps数据的出租车异常轨迹实时检测方法 |
| CN106470236B (zh) * | 2015-08-20 | 2019-05-10 | 腾讯科技（深圳）有限公司 | 基于移动终端的打车方法、装置和系统 |
| WO2017040519A1 (en) * | 2015-08-31 | 2017-03-09 | Sri International | Method and system for monitoring driving behaviors |
| US20170072850A1 (en) * | 2015-09-14 | 2017-03-16 | Pearl Automation Inc. | Dynamic vehicle notification system and method |
| US20170124660A1 (en) * | 2015-11-02 | 2017-05-04 | Verizon Patent And Licensing Inc. | Telematics Based Systems and Methods for Determining and Representing Driving Behavior |
| CN105243838B (zh) * | 2015-11-09 | 2018-05-04 | 北京奇虎科技有限公司 | 车辆行驶安全监控方法和装置、系统 |
| US10460600B2 (en) * | 2016-01-11 | 2019-10-29 | NetraDyne, Inc. | Driver behavior monitoring |
| US11055801B2 (en) * | 2016-01-29 | 2021-07-06 | Omnitracs, Llc | Vehicle driver activity level determinations and analysis in a fleet management system |
| US10035519B2 (en) * | 2016-03-15 | 2018-07-31 | GM Global Technology Operations LLC | System and method for autonomous vehicle driving behavior modification |
| US10189479B2 (en) * | 2016-04-06 | 2019-01-29 | At&T Intellectual Property I, L.P. | Methods and apparatus for vehicle operation analysis |
| CN106096623A (zh) * | 2016-05-25 | 2016-11-09 | 中山大学 | 一种犯罪识别与预测方法 |
| WO2018026733A1 (en) * | 2016-07-31 | 2018-02-08 | Netradyne Inc. | Determining causation of traffic events and encouraging good driving behavior |
| CN106373331A (zh) * | 2016-09-28 | 2017-02-01 | 百度在线网络技术（北京）有限公司 | 乘车预警方法和装置 |
| CN107871297A (zh) * | 2016-09-28 | 2018-04-03 | 北京嘀嘀无限科技发展有限公司 | 行程中的安全监测方法及装置 |
| US20210133808A1 (en) * | 2016-10-28 | 2021-05-06 | State Farm Mutual Automobile Insurance Company | Vehicle identification using driver profiles |
| EP3535646A4 (en) * | 2016-11-07 | 2020-08-12 | Nauto, Inc. | SYSTEM AND METHOD FOR DETERMINING DRIVER DISTRACTION |
| US10012993B1 (en) * | 2016-12-09 | 2018-07-03 | Zendrive, Inc. | Method and system for risk modeling in autonomous vehicles |
| EP3580734A1 (en) * | 2017-02-10 | 2019-12-18 | Koninklijke Philips N.V. | Driver and passenger health and sleep interaction |
| WO2018212538A1 (en) * | 2017-05-16 | 2018-11-22 | Samsung Electronics Co., Ltd. | Electronic device and method of detecting driving event of vehicle |
| US11151813B2 (en) * | 2017-06-28 | 2021-10-19 | Zendrive, Inc. | Method and system for vehicle-related driver characteristic determination |
| US10402687B2 (en) * | 2017-07-05 | 2019-09-03 | Perceptive Automata, Inc. | System and method of predicting human interaction with vehicles |
| US11651316B2 (en) * | 2017-07-14 | 2023-05-16 | Allstate Insurance Company | Controlling vehicles using contextual driver and/or rider data based on automatic passenger detection and mobility status |
| US10901423B2 (en) * | 2017-09-01 | 2021-01-26 | International Business Machines Corporation | Generating driving behavior models |
| US10572745B2 (en) * | 2017-11-11 | 2020-02-25 | Bendix Commercial Vehicle Systems Llc | System and methods of monitoring driver behavior for vehicular fleet management in a fleet of vehicles using driver-facing imaging device |
| US10769461B2 (en) * | 2017-12-14 | 2020-09-08 | COM-IoT Technologies | Distracted driver detection |
| US20190197430A1 (en) * | 2017-12-21 | 2019-06-27 | Lyft, Inc. | Personalized ride experience based on real-time signals |
| US10867218B2 (en) * | 2018-04-26 | 2020-12-15 | Lear Corporation | Biometric sensor fusion to classify vehicle passenger state |
-
2018
- 2018-06-21 CN CN201810641599.5A patent/CN110633593A/zh active Pending
- 2018-12-17 RU RU2020142807A patent/RU2768512C1/ru active
- 2018-12-17 WO PCT/CN2018/121625 patent/WO2019242259A1/en active Application Filing
- 2018-12-17 BR BR112020026198-0A patent/BR112020026198A2/pt unknown
- 2018-12-17 MX MX2020014325A patent/MX2020014325A/es unknown
-
2020
- 2020-12-09 US US17/117,072 patent/US20210118078A1/en not_active Abandoned
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019242259A1 (en) | 2019-12-26 |
| US20210118078A1 (en) | 2021-04-22 |
| CN110633593A (zh) | 2019-12-31 |
| RU2768512C1 (ru) | 2022-03-24 |
| MX2020014325A (es) | 2021-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| BR112020026198A2 (pt) | sistemas e métodos para determinação de potencial evento malicioso | |
| US10883842B2 (en) | Systems and methods for route searching | |
| WO2020056581A1 (en) | Artificial intelligent systems and methods for predicting traffic accident locations | |
| JP6737805B2 (ja) | 将来の輸送サービス時点の予測分布を求めるシステム及び方法 | |
| WO2020248291A1 (en) | Systems and methods for anomaly detection | |
| WO2020232732A1 (en) | Systems and methods for predicting traffic information | |
| WO2018214361A1 (en) | Systems and methods for improvement of index prediction and model building | |
| WO2019232772A1 (en) | Systems and methods for content identification | |
| JP2020522798A (ja) | 運動データに基づいて運転挙動を認識するデバイスおよび方法 | |
| JP6483852B2 (ja) | サービス時点を予測するシステム及び方法 | |
| TWI675184B (zh) | 用於路線規劃的系統、方法及非暫時性電腦可讀取媒體 | |
| RU2753458C1 (ru) | Системы и способы идентификации нетрезвых заказчиков на платформе онлайн-офлайн сервиса | |
| EP3586285A1 (en) | Systems and methods for recommending an estimated time of arrival | |
| WO2018209551A1 (en) | Systems and methods for determining an estimated time of arrival | |
| WO2020093420A1 (en) | Systems and methods for emergency order request identification | |
| US20160098861A1 (en) | Safety system for augmenting roadway objects on a heads-up display | |
| WO2020155135A1 (en) | Systems and methods for identifying similar trajectories | |
| WO2018171531A1 (en) | System and method for predicting classification for object | |
| AU2018381722A1 (en) | Systems and methods for determining an estimated time of arrival for online to offline services | |
| US20220101199A1 (en) | Point-of-interest recommendation | |
| US20210048303A1 (en) | Real-time route determination based on localized information | |
| US20210118286A1 (en) | Method and apparatus for updating information | |
| CN110770540B (zh) | 用于构建环境模型的方法和装置 | |
| US11079238B2 (en) | Calculating a most probable path | |
| WO2021056327A1 (en) | Systems and methods for analyzing human driving behavior |