CN106557963B - 处理用车订单的方法、装置及服务器 - Google Patents
处理用车订单的方法、装置及服务器 Download PDFInfo
- Publication number
- CN106557963B CN106557963B CN201510641626.5A CN201510641626A CN106557963B CN 106557963 B CN106557963 B CN 106557963B CN 201510641626 A CN201510641626 A CN 201510641626A CN 106557963 B CN106557963 B CN 106557963B
- Authority
- CN
- China
- Prior art keywords
- order
- unit
- vehicle
- orders
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013507 mapping Methods 0.000 claims description 9
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000004931 aggregating effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
- G06Q30/0637—Approvals
-
- G06Q50/40—
Abstract
本发明实施例提供一种处理用车订单的方法、装置及服务器。其中,所述处理用车订单的方法包括:获取预设时间段内的已完成用车订单;根据地域单元分别计算所述已完成用车订单的第一订单单元特征;如果所述第一订单单元特征和预设的第二订单单元特征之间的差值达到预设的阈值,则将所述已完成用车订单进行标识。本发明的技术方案按照地域单元对已完成用车订单进行分析,进而对识别出的已完成用车订单进行标识,即能够对同一地域车主和乘客联合作弊的行为进行识别,避免了作弊所导致的无效激励。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种处理用车订单的方法、装置及服务器。
背景技术
由于交通拥堵、限号行驶等原因,出行用车服务被越来越多的人所认可,同时,各种用车软件也应运而生。为了吸引用户,用车软件往往会配置相应的补贴策略来激励乘客和车主,但这也为部分恶意用户提供了方便。
目前,现有技术中很难检测到恶意用户。
发明内容
本发明的目的在于提供一种处理用车订单的方法、装置及服务器,以对涉嫌作弊的用车订单进行识别。
根据本发明的一方面,本发明提供一种处理用车订单的方法,所述方法包括:获取预设时间段内的已完成用车订单;根据地域单元分别计算所述已完成用车订单的第一订单单元特征;如果所述第一订单单元特征和预设的第二订单单元特征之间的差值达到预设的阈值,则将所述已完成用车订单进行标识。
可选地,所述预设的第二订单单元特征通过如下方法得到:将历史用车订单按照起点位置进行归集,得到属于不同地域单元的历史用车订单子集;根据各地域单元的历史用车订单子集的订单信息,计算各地域单元对应的第二订单单元特征。
可选地,所述将历史用车订单按照起点位置进行归集,得到属于不同地域单元的历史用车订单子集的处理包括:获取历史用车订单;根据所述历史用车订单的起点位置以及预先划分的地域单元,将起点位置属于同一地域单元的所述历史用车订单进行归集,以得到属于不同地域单元的历史用车订单子集。
可选地,所述根据所述历史用车订单的起点位置以及预先划分的地域单元,将起点位置属于同一地域单元的所述历史用车订单进行归集,以得到属于不同地域单元的历史用车订单子集的处理包括:利用GeoHash算法为不同的地域单元配置不同的GeoHash字符串编码;将起点位置属于同一地域单元的所述历史用车订单映射到其对应的GeoHash字符串编码上,以得到属于不同地域单元的历史用车订单子集。
可选地,所述订单信息包括至少一个以下信息:订单时间、订单起点位置、订单终点位置、乘客信息和车主信息。
可选地,所述第一订单单元特征和所述第二订单单元特征分别包括至少一个以下特征:订单分布类特征、路线类特征和人群类特征;其中,所述订单分布类特征包括至少一个以下特征:定时订单均值、定时订单标准差、定时单元订单占比和时段峰值;所述路线类特征包括至少一个以下特征:起点均匀度、聚点位置、终点均匀度和同时同路径订单量;所述人群类特征包括至少一个以下特征:新乘客单元内占比、新车主单元内占比和新乘客电话号码归属本地占比。
可选地,所述如果所述第一订单单元特征和预设的第二订单单元特征之间的差值达到预设的阈值,则将所述已完成用车订单进行标识的处理包括:针对产生新订单的任一地域单元,如果满足以下至少一个条件,则将所述新订单进行标识,并将该地域单元对应的第一订单单元特征更新到相应的第二订单单元特征中:第一订单单元特征中的订单分布类特征中的至少一个特征的差值达到预设的阈值,所述第一订单单元特征中的路线类特征中的至少一个特征的差值达到预设的阈值,并且所述第一订单单元特征中的人群类特征中的至少一个特征的差值达到预设的阈值。
可选地,所述方法还包括:将进行标识的已完成用车订单对应的车主账号进行标记。
根据本发明的另一方面,本发明还提供一种处理用车订单的装置,所述装置包括:已完成用车订单获取单元,用于获取预设时间段内的已完成用车订单;第一计算单元,用于根据地域单元分别计算所述已完成用车订单的第一订单单元特征;用车订单标识单元,用于如果所述第一订单单元特征和预设的第二订单单元特征之间的差值达到预设的阈值,则将所述已完成用车订单进行标识。
可选地,所述装置还包括:历史用车订单归集单元,用于将历史用车订单按照起点位置进行归集,得到属于不同地域单元的历史用车订单子集;第二计算单元,用于根据各地域单元的历史用车订单子集的订单信息,计算各地域单元对应的第二订单单元特征。
可选地,所述历史用车订单归集单元包括:历史用车订单获取子单元,用于获取历史用车订单;历史用车订单归集子单元,用于根据所述历史用车订单的起点位置以及预先划分的地域单元,将起点位置属于同一地域单元的所述历史用车订单进行归集,以得到属于不同地域单元的历史用车订单子集。
可选地,所述历史用车订单归集子单元包括:字符串编码配置模块,用于利用GeoHash算法为不同的地域单元配置不同的GeoHash字符串编码;历史用车订单映射模块,用于将起点位置属于同一地域单元的所述历史用车订单映射到其对应的GeoHash字符串编码上,以得到属于不同地域单元的历史用车订单子集。
可选地,所述订单信息包括至少一个以下信息:订单时间、订单起点位置、订单终点位置、乘客信息和车主信息。
可选地,所述第一订单单元特征和所述第二订单单元特征分别包括至少一个以下特征:订单分布类特征、路线类特征和人群类特征;其中,所述订单分布类特征包括至少一个以下特征:定时订单均值、定时订单标准差、定时单元订单占比和时段峰值;所述路线类特征包括至少一个以下特征:起点均匀度、聚点位置、终点均匀度和同时同路径订单量;所述人群类特征包括至少一个以下特征:新乘客单元内占比、新车主单元内占比和新乘客电话号码归属本地占比。
可选地,所述用车订单标识单元用于针对产生新订单的任一地域单元,如果满足以下至少一个条件,则将所述新订单进行标识,并将该地域单元对应的第一订单单元特征更新到相应的第二订单单元特征中:第一订单单元特征中的订单分布类特征中的至少一个特征的差值达到预设的阈值,所述第一订单单元特征中的路线类特征中的至少一个特征的差值达到预设的阈值,并且所述第一订单单元特征中的人群类特征中的至少一个特征的差值达到预设的阈值。
可选地,所述装置还包括:车主账号标记单元,用于将进行标识的已完成用车订单对应的车主账号进行标记。
根据本发明的另一方面,本发明还提供一种处理用车订单的服务器,所述服务器包括上述所有装置。
本发明实施例所提供的处理用车订单的方法、装置及服务器,在获取预设时间段内的已完成用车订单后,根据地域单元分别计算出获取的已完成用车订单的第一订单单元特征,进一步地,当第一订单单元特征与预设的第二订单单元特征之间的差值达到预设的阈值时,将相应的已完成用车订单进行标识。本发明的技术方案按照地域单元对已完成用车订单进行分析,进而对识别出的已完成用车订单进行标识,即能够对同一地域车主和乘客联合作弊的行为进行识别,避免了作弊所导致的无效激励。
附图说明
图1是示出本发明示例性实施例处理用车订单的方法的流程示意图;
图2是示出本发明示例性实施例处理用车订单的方法中预设第二订单单元特征的流程示意图;
图3是示出本发明示例性实施例处理用车订单的方法中单个地域单元的第二订单单元特征的拓扑示意图;
图4是示出本发明示例性实施例处理用车订单的方法的流程示意图;
图5是示出本发明示例性实施例处理用车订单的装置的结构示意图。
具体实施方式
本发明的基本构思是,提供一种处理用车订单的方法、实现所述方法的装置、以及包括所述装置的服务器。具体地,根据地域单元计算预设时间段内的已完成用车订单的第一订单单元特征,并根据该计算出的第一订单单元特征与预设的第二订单单元特征之间的差值是否达到预设的阈值,识别出有作弊行为的已完成用车订单并对其进行标识。本发明的技术方案具体可用于识别利用用车软件的补贴策略骗取补贴的同一地域的车主和乘客。
下面结合附图对本发明示例性实施例的处理用车订单的方法、装置及服务器进行详细描述。
实施例一
图1是示出本发明示例性实施例处理用车订单的方法的流程示意图。
参照图1,在步骤S110,获取预设时间段内的已完成用车订单。
其中,本步骤中的预设时间段的长短可以根据需要进行设置。例如,预设时间段可以为1个小时、2个小时、30分钟等等。这里说的已完成用车订单可以是例如,但不限于,已完成出租车用车订单、已完成专车用车订单或已完成拼车用车订单等。
在步骤S120,根据地域单元分别计算已完成用车订单的第一订单单元特征。
具体地,本步骤中的地域单元是预先划分好的,在获取到预设时间段内的已完成用车订单后,可根据属于同一地域单元的已完成用车订单中的信息计算出相应的第一订单单元特征。其中,这里的属于同一地域单元的已完成用车订单可以是起点位于同一地域单元的用车订单,也可以是终点位于同一地域单元的用车订单,还可以是起点和终端均位于同一地域单元的用车订单。这里的第一订单单元特征是能够反映相应的地域单元的预设时间段的订单情况的特征。例如,第一订单单元特征可以是预设时间段内的相应的地域单元的订单总数。
在步骤S130,如果第一订单单元特征和预设的第二订单单元特征之间的差值达到预设的阈值,则将已完成用车订单进行标识。
其中,这里的预设的第二订单单元特征可以是根据相应的地域单元的历史用车订单数据计算出来的与第一订单单元特征对应的历史特征,也可以是根据相应的地域单元的人口总数、人员构成等因素计算出来的与第一订单单元特征对应的特征。这里的预设的阈值可以根据相应的订单单元特征的不同而不同,且随着时间的推移可对预设的阈值做进一步的调整。
此外,根据本发明的构思,可以理解的是,我们也可以针对第一订单单元特征直接设定相应的阈值,并根据实际情况,当第一订单单元特征大于或小于设定的阈值时,将相关的已完成用车订单进行标识。
本发明实施例所提供的处理用车订单的方法,在获取预设时间段内的已完成用车订单后,根据地域单元分别计算出获取的已完成用车订单的第一订单单元特征,进一步地,当第一订单单元特征与预设的第二订单单元特征之间的差值达到预设的阈值时,将相应的已完成用车订单进行标识。本发明的技术方案按照地域单元对已完成用车订单进行分析,进而对识别出的已完成用车订单进行标识,即能够对同一地域车主和乘客联合作弊的行为进行识别,避免了作弊所导致的无效激励。
优选地,在本发明具体实施的过程中,步骤S130中提到的第二订单单元特征可以通过以下方法获得:将历史用车订单按照起点位置进行归集,得到属于不同地域单元的历史用车订单子集;根据各地域单元的历史用车订单子集的订单信息,计算各地域单元对应的第二订单单元特征。
同理,这里说的历史用车订单可以是例如,但不限于,历史出租车用车订单、历史专车用车订单或历史拼车用车订单等。
其中,这里的订单信息可包括至少一个以下信息:订单时间、订单起点位置、订单终点位置、乘客信息和车主信息。具体地,订单时间可包括下订单的时间、订单生效时间(即乘客开始乘车的时间)和订单完成时间;乘客信息可包括乘客的账号、手机号码等信息;车主信息可包括车主的账号、手机号码、车牌号等信息。
进一步地,上述将历史用车订单按照起点位置进行归集,得到属于不同地域单元的历史用车订单子集的处理可包括:获取历史用车订单;根据所述历史用车订单的起点位置以及预先划分的地域单元,将起点位置属于同一地域单元的所述历史用车订单进行归集,以得到属于不同地域单元的历史用车订单子集。
具体地,在本发明具体实施中,根据所述历史用车订单的起点位置以及预先划分的地域单元,将起点位置属于同一地域单元的所述历史用车订单进行归集,以得到属于不同地域单元的历史用车订单子集的处理可包括:利用GeoHash算法为不同的地域单元配置不同的GeoHash字符串编码。在本实施例中,GeoHash算法的字符串编码有如下特点:a)字符串越长,表示的范围越精确,在具体应用中,5位的编码能表示10平方千米范围的矩形区域,而6位编码能表示更精细的区域,可以约为0.34平方千米;b)字符串相似的表示距离相近,因此可以利用字符串的前缀匹配来查询附近的兴趣点(Point of Interest,POI)信息。基于以上特点,在具体应用中,可以按照预先设定的粒度将相邻的位置将映射到同一个编码上,而且编码之间的差值与两个位置之间的实际距离相关。在本实施例中,将起点位置属于同一地域单元的所述历史用车订单映射到其对应的GeoHash字符串编码上,以得到属于不同地域单元的历史用车订单子集。
其中,在为不同的地域单元配置不同的GeoHash字符串编码的过程中,可根据要求精度的不同采用不同长度的GeoHash字符串编码。具体地,GeoHash字符串编码长度越长,划分的地域单元就越多,每个地域单元的面积也就越小。
根据历史用车订单计算出各地域单元对应的第二订单单元特征具有很好的可参考性,相应地,最终识别出的已完成用车订单也更准确。在具体实施中,也可通过调整GeoHash字符串编码的长度使得识别出的已完成用车订单更准确。需要说明的是,在实际应用中,为了保证运算的效率,可以综合考虑字符串编码的长度和运算速度,确定适合系统的GeoHash字符串编码的长度范围。
可选地,在本发明具体实施的过程中,第一订单单元特征和所述第二订单单元特征分别可以包括至少一个以下特征:订单分布类特征、路线类特征和人群类特征;
其中,所述订单分布类特征用于反映指定时间段内描述订单分布属性的相关特征,可以包括至少一个以下特征:定时订单均值、定时订单标准差、定时单元订单占比和时段峰值。
所述路线类特征用于表征在地域单元内与订单起终点位置相关的特征,可以包括至少一个以下特征:起点均匀度、聚点位置、终点均匀度和同时同路径订单量。
所述人群类特征用于表征在地域单元内订单涉及的车主与乘客相关的特征可包括至少一个以下特征:新乘客单元内占比、新车主单元内占比和新乘客电话号码归属本地占比。
以上,订单分布类特征中定时订单均值用于表征各地域单元对应的时间段内的订单数量均值;定时订单标准差用于表征各地域单元对应时间段内的订单数量变化幅度;定时单元订单占比用于表征每个时间段内的本地域单元订单占本时段总订单比例;时段峰值用于表征各地域单元对应的时间段内订单最为集中的时间。
路线类特征中起点均匀度用于表征各地域单元对应时间段内订单的起点均匀程度;聚点位置用于表征各地域单元对应的时间段内的订单起点或终点最为集中的地点;终点均匀度用于表征各地域单元对应时间段内订单的终点均匀程度;同时同路径订单量用于表征各地域单元对应时间段内出现的时间相同、路径相同的订单数量。
人群类特征中新乘客单元内占比用于表征各地域单元对应的时间段内的新乘客占比;新车主单元内占比用于表征各地域单元对应的时间段内的新车主占比;新乘客电话号码归属本地占比用于表征各地域单元对应的时间段内的新乘客电话号码归属地为本地的占比。
以上各特征可根据已完成用车订单和历史用车订单中的订单时间、订单起点位置、订单终点位置、乘客信息和/或车主信息等信息计算得出。
优选地,在本发明具体实施过程中,步骤S130的处理可包括:针对产生新订单的任一地域单元,如果满足以下至少一个条件,则将所述新订单进行标识,并将该地域单元对应的第一订单单元特征更新到相应的第二订单单元特征中:第一订单单元特征中的订单分布类特征中的至少一个特征的差值达到预设的阈值,所述第一订单单元特征中的路线类特征中的至少一个特征的差值达到预设的阈值,并且所述第一订单单元特征中的人群类特征中的至少一个特征的差值达到预设的阈值。
例如,针对每个产生新订单的地域单元,将所述第一订单单元特征中的订单分布类特征与所述第二订单单元特征中的订单分布类特征进行对比,当订单分布类特征中的至少一个特征的差值达到预设的阈值时,则执行下一步骤,否则,将该地域单元对应的第一订单单元特征更新到相应的第二订单单元特征中,并排查下一个地域单元;将所述第一订单单元特征中的路线类特征与所述第二订单单元特征中的路线类特征进行对比,当路线类特征中的至少一个特征的差值达到预设的阈值时,将所述新订单进行标识,并将该地域单元对应的第一订单单元特征更新到相应的第二订单单元特征中,然后排查下一个地域单元,否则,执行下一步骤;将所述第一订单单元特征中的人群类特征与所述第二订单单元特征中的人群类特征进行对比,当人群类特征中的至少一个特征的差值达到预设的阈值时,将所述新订单进行标识,并将该地域单元对应的第一订单单元特征更新到相应的第二订单单元特征中,然后排查下一个地域单元,否则,将该地域单元对应的第一订单单元特征更新到相应的第二订单单元特征中,然后排查下一个地域单元。
前述实施方式中通过订单分布类特征、路线类特征和人群类特征的逐步对比,以相互论证的方式识别出作弊的已完成用车订单,识别的结果更准确、可靠。
可选地,本发明实施例的处理用车订单的方法还可包括:在步骤S140,将进行标识的已完成用车订单对应的车主账号进行标记。
通过对相关车主账号的标记,可对该车主账号进行封禁,防止该车主继续作弊和骗取补贴。
以下举例说明该方法的具体应用。图2是示出本发明示例性实施例处理用车订单的方法中预设第二订单单元特征的流程示意图;图3是示出本发明示例性实施例处理用车订单的方法中单个地域单元的第二订单单元特征的拓扑示意图;图4是示出本发明示例性实施例处理用车订单的方法的流程示意图。请参见图2~4,处理用车订单的方法,在处理用车订单之前,预设第二订单单元特征,具体可以包括如下步骤:
步骤S210、获取上一个周期新产生的订单;
步骤S220、根据订单起始位置映射到对应网格编码,网格编码用于表示地域单元;
步骤S230、更新网格编码对应的订单列表;
步骤S230、针对有更新的网格,识别疑似作弊订单和相关的车主乘客。
请参见图3,单个网格对应的第二订单单元特征的拓扑图中包括地域单元(网格)特征和订单列表。
请参见图4,步骤S230识别疑似作弊订单和相关的车主乘客的方法可以包括如下步骤:
步骤S410、开始识别一个新的网络:在指定时段结束之后,更新地域单元的订单列表,未产生订单的地域单元不在本轮更新,在本实施例中指定时段为1小时;
步骤S420、针对任一地域单元,计算本时段订单分布类特征,如定时订单均值、定时订单标准差、定时单元订单占比、时段峰值等,并与本单元历史特征进行对比;如果本时段订单分布类特征与本单元历史特征对比异常显著(即差值大于阈值),执行步骤S430;否则,执行步骤S450;
步骤S430、比较本时段聚点位置特征、起点均匀度特征、同时同路径订单数量等路线类特征,与路线类特征的历史数据对比;如果异常显著(异常显著的判断标准参照步骤S420),则执行步骤S460;否则,执行步骤S440;
步骤S440、比较本时段新乘客占比、新车主占比、电话号码归属类等人群类特征,与人群类特征的历史数据对比;如果异常显著,则执行步骤S460;否则,执行步骤S450;
步骤S450、更新地域单元特征后继续执行步骤S420,分析下一个地域单元(即网格);
步骤S460、标志异常特征相关订单为嫌疑订单,相关车主为涉嫌作弊车主后转为执行步骤S450。
实施例二
图5是示出本发明示例性实施例处理用车订单的装置的结构示意图。
参照图5,本发明实施例的处理用车订单的装置可执行实施例一的处理用车订单的方法。本发明实施例的处理用车订单的装置可包括:已完成用车订单获取单元510、第一计算单元520和用车订单标识单元530。
已完成用车订单获取单元510用于获取预设时间段内的已完成用车订单。这里说的已完成用车订单可以是例如,但不限于,已完成出租车用车订单、已完成专车用车订单或已完成拼车用车订单等。
第一计算单元520用于根据地域单元分别计算所述已完成用车订单的第一订单单元特征。
用车订单标识单元530用于如果所述第一订单单元特征和预设的第二订单单元特征之间的差值达到预设的阈值,则将所述已完成用车订单进行标识。
本发明实施例所提供的处理用车订单的装置,在获取预设时间段内的已完成用车订单后,根据地域单元分别计算出获取的已完成用车订单的第一订单单元特征,进一步地,当第一订单单元特征与预设的第二订单单元特征之间的差值达到预设的阈值时,将相应的已完成用车订单进行标识。本发明的技术方案按照地域单元对已完成用车订单进行分析,进而对识别出的已完成用车订单进行标识,即能够对同一地域车主和乘客联合作弊的行为进行识别,避免了作弊所导致的无效激励。
可选地,本发明实施例的处理用车订单的装置还可包括:历史用车订单归集单元,用于将历史用车订单按照起点位置进行归集,得到属于不同地域单元的历史用车订单子集;第二计算单元,用于根据各地域单元的历史用车订单子集的订单信息,计算各地域单元对应的第二订单单元特征。同理,这里说的历史用车订单可以是例如,但不限于,历史出租车用车订单、历史专车用车订单或历史拼车用车订单等。
可选地,所述历史用车订单归集单元可包括:历史用车订单获取子单元,用于获取历史用车订单;历史用车订单归集子单元,用于根据所述历史用车订单的起点位置以及预先划分的地域单元,将起点位置属于同一地域单元的所述历史用车订单进行归集,以得到属于不同地域单元的历史用车订单子集。
可选地,所述历史用车订单归集子单元可包括:字符串编码配置模块,用于利用GeoHash算法为不同的地域单元配置不同的GeoHash字符串编码;历史用车订单映射模块,用于将起点位置属于同一地域单元的所述历史用车订单映射到其对应的GeoHash字符串编码上,以得到属于不同地域单元的历史用车订单子集。
可选地,所述订单信息可包括至少一个以下信息:订单时间、订单起点位置、订单终点位置、乘客信息和车主信息。
可选地,所述第一订单单元特征和所述第二订单单元特征均可包括至少一个以下特征:订单分布类特征、路线类特征和人群类特征;其中,所述订单分布类特征可包括至少一个以下特征:定时订单均值、定时订单标准差、定时单元订单占比和时段峰值;所述路线类特征可包括至少一个以下特征:起点均匀度、聚点位置、终点均匀度和同时同路径订单量;所述人群类特征可包括至少一个以下特征:新乘客单元内占比、新车主单元内占比和新乘客电话号码归属本地占比。
可选地,所述用车订单标识单元530可用于针对产生新订单的任一地域单元,如果满足以下至少一个条件,则将所述新订单进行标识,并将该地域单元对应的第一订单单元特征更新到相应的第二订单单元特征中:第一订单单元特征中的订单分布类特征中的至少一个特征的差值达到预设的阈值,所述第一订单单元特征中的路线类特征中的至少一个特征的差值达到预设的阈值,并且所述第一订单单元特征中的人群类特征中的至少一个特征的差值达到预设的阈值。
可选地,本发明实施例的处理用车订单的装置还可包括:车主账号标记单元,用于将进行标识的已完成用车订单对应的车主账号进行标记。
可选地,本发明的具体实施过程可以通过服务器实现的,相应的处理用车订单的服务器可包括上述所有装置。
需要指出,根据实施的需要,可将本申请中描述的各个步骤拆分为更多步骤,也可将两个或多个步骤或者步骤的部分操作组合成新的步骤,以实现本发明的目的。
上述根据本发明的方法可在硬件、固件中实现,或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码,或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如,RAM、ROM、闪存等),当所述软件或计算机代码被计算机、处理器或硬件访问且执行时,实现在此描述的处理方法。此外,当通用计算机访问用于实现在此示出的处理的代码时,代码的执行将通用计算机转换为用于执行在此示出的处理的专用计算机。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (17)
1.一种处理用车订单的方法,其特征在于,所述方法包括:
获取预设时间段内的已完成用车订单;
根据地域单元分别计算所述已完成用车订单的第一订单单元特征,其中,属于同一地域单元的已完成用车订单是起点和/或终点位于同一地域单元的用车订单,所述第一订单单元特征是能够反映相应的地域单元的预设时间段的订单情况的特征;
如果所述第一订单单元特征和预设的第二订单单元特征之间的差值达到预设的阈值,则将所述已完成用车订单进行标识,其中,所述预设的第二订单单元特征包括根据相应的地域单元的历史用车订单数据计算出来的与第一订单单元特征对应的历史特征;
其中,所述第一订单单元特征和所述第二订单单元特征分别包括至少一个以下特征:订单分布类特征和路线类特征;
其中,所述订单分布类特征包括至少一个以下特征:定时订单均值、定时订单标准差、定时单元订单占比和时段峰值;
所述路线类特征包括至少一个以下特征:起点均匀度、聚点位置、终点均匀度和同时同路径订单量。
2.根据权利要求1所述的方法,其特征在于,所述预设的第二订单单元特征通过如下方法得到:
将历史用车订单按照起点位置进行归集,得到属于不同地域单元的历史用车订单子集;
根据各地域单元的历史用车订单子集的订单信息,计算各地域单元对应的第二订单单元特征。
3.根据权利要求2所述的方法,其特征在于,所述将历史用车订单按照起点位置进行归集,得到属于不同地域单元的历史用车订单子集的处理包括:
获取历史用车订单;
根据所述历史用车订单的起点位置以及预先划分的地域单元,将起点位置属于同一地域单元的所述历史用车订单进行归集,以得到属于不同地域单元的历史用车订单子集。
4.根据权利要求3所述的方法,其特征在于,所述根据所述历史用车订单的起点位置以及预先划分的地域单元,将起点位置属于同一地域单元的所述历史用车订单进行归集,以得到属于不同地域单元的历史用车订单子集的处理包括:
利用GeoHash算法为不同的地域单元配置不同的GeoHash字符串编码;
将起点位置属于同一地域单元的所述历史用车订单映射到其对应的GeoHash字符串编码上,以得到属于不同地域单元的历史用车订单子集。
5.根据权利要求2所述的方法,其特征在于,所述订单信息包括至少一个以下信息:订单时间、订单起点位置、订单终点位置、乘客信息和车主信息。
6.根据权利要求1所述的方法,其特征在于,所述第一订单单元特征和所述第二订单单元特征分别还包括人群类特征;
所述人群类特征包括至少一个以下特征:新乘客单元内占比、新车主单元内占比和新乘客电话号码归属本地占比。
7.根据权利要求6所述的方法,其特征在于,所述如果所述第一订单单元特征和预设的第二订单单元特征之间的差值达到预设的阈值,则将所述已完成用车订单进行标识的处理包括:
针对产生新订单的任一地域单元,如果满足以下至少一个条件,则将所述新订单进行标识,并将该地域单元对应的第一订单单元特征更新到相应的第二订单单元特征中:第一订单单元特征中的订单分布类特征中的至少一个特征的差值达到预设的阈值,所述第一订单单元特征中的路线类特征中的至少一个特征的差值达到预设的阈值,并且所述第一订单单元特征中的人群类特征中的至少一个特征的差值达到预设的阈值。
8.根据权利要求1~7中任一项所述的方法,其特征在于,所述方法还包括:
将进行标识的已完成用车订单对应的车主账号进行标记。
9.一种处理用车订单的装置,其特征在于,所述装置包括:
已完成用车订单获取单元,用于获取预设时间段内的已完成用车订单;
第一计算单元,用于根据地域单元分别计算所述已完成用车订单的第一订单单元特征,其中,属于同一地域单元的已完成用车订单是起点和/或终点位于同一地域单元的用车订单,所述第一订单单元特征是能够反映相应的地域单元的预设时间段的订单情况的特征;
用车订单标识单元,用于如果所述第一订单单元特征和预设的第二订单单元特征之间的差值达到预设的阈值,则将所述已完成用车订单进行标识,其中,所述预设的第二订单单元特征包括根据相应的地域单元的历史用车订单数据计算出来的与第一订单单元特征对应的历史特征;
其中,所述第一订单单元特征和所述第二订单单元特征分别包括至少一个以下特征:订单分布类特征和路线类特征;
其中,所述订单分布类特征包括至少一个以下特征:定时订单均值、定时订单标准差、定时单元订单占比和时段峰值;
所述路线类特征包括至少一个以下特征:起点均匀度、聚点位置、终点均匀度和同时同路径订单量。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
历史用车订单归集单元,用于将历史用车订单按照起点位置进行归集,得到属于不同地域单元的历史用车订单子集;
第二计算单元,用于根据各地域单元的历史用车订单子集的订单信息,计算各地域单元对应的第二订单单元特征。
11.根据权利要求10所述的装置,其特征在于,所述历史用车订单归集单元包括:
历史用车订单获取子单元,用于获取历史用车订单;
历史用车订单归集子单元,用于根据所述历史用车订单的起点位置以及预先划分的地域单元,将起点位置属于同一地域单元的所述历史用车订单进行归集,以得到属于不同地域单元的历史用车订单子集。
12.根据权利要求11所述的装置,其特征在于,所述历史用车订单归集子单元包括:
字符串编码配置模块,用于利用GeoHash算法为不同的地域单元配置不同的GeoHash字符串编码;
历史用车订单映射模块,用于将起点位置属于同一地域单元的所述历史用车订单映射到其对应的GeoHash字符串编码上,以得到属于不同地域单元的历史用车订单子集。
13.根据权利要求10所述的装置,其特征在于,所述订单信息包括至少一个以下信息:订单时间、订单起点位置、订单终点位置、乘客信息和车主信息。
14.根据权利要求9所述的装置,其特征在于,所述第一订单单元特征和所述第二订单单元特征分别还包括:人群类特征;
所述人群类特征包括至少一个以下特征:新乘客单元内占比、新车主单元内占比和新乘客电话号码归属本地占比。
15.根据权利要求14所述的装置,其特征在于,所述用车订单标识单元用于针对产生新订单的任一地域单元,如果满足以下至少一个条件,则将所述新订单进行标识,并将该地域单元对应的第一订单单元特征更新到相应的第二订单单元特征中:第一订单单元特征中的订单分布类特征中的至少一个特征的差值达到预设的阈值、所述第一订单单元特征中的路线类特征中的至少一个特征的差值达到预设的阈值和所述第一订单单元特征中的人群类特征中的至少一个特征的差值达到预设的阈值。
16.根据权利要求9~15中任一项所述的装置,其特征在于,所述装置还包括:
车主账号标记单元,用于将进行标识的已完成用车订单对应的车主账号进行标记。
17.一种处理用车订单的服务器,其特征在于,所述服务器包括权利要求9~16任一项所述的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510641626.5A CN106557963B (zh) | 2015-09-30 | 2015-09-30 | 处理用车订单的方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510641626.5A CN106557963B (zh) | 2015-09-30 | 2015-09-30 | 处理用车订单的方法、装置及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106557963A CN106557963A (zh) | 2017-04-05 |
CN106557963B true CN106557963B (zh) | 2022-12-16 |
Family
ID=58417473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510641626.5A Active CN106557963B (zh) | 2015-09-30 | 2015-09-30 | 处理用车订单的方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106557963B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830608B (zh) * | 2017-04-28 | 2021-08-06 | 北京嘀嘀无限科技发展有限公司 | 作弊检测方法及装置 |
CN110197378A (zh) * | 2018-02-27 | 2019-09-03 | 北京嘀嘀无限科技发展有限公司 | 网络约车场景中作弊司乘的识别方法和装置 |
CN109949030B (zh) * | 2019-02-14 | 2022-12-02 | 深圳云游四海信息科技有限公司 | 一种出租车绕路和计价异常的检测方法和装置 |
CN109948656B (zh) * | 2019-02-21 | 2022-11-25 | 百度在线网络技术(北京)有限公司 | 一种信息处理方法、装置及存储介质 |
CN110749335B (zh) * | 2019-10-24 | 2021-05-04 | 成都路行通信息技术有限公司 | 一种目标区域内车主家到单位平均里程的计算方法和系统 |
CN111882421B (zh) * | 2020-06-17 | 2022-06-07 | 马上消费金融股份有限公司 | 一种信息处理方法、风控方法、装置、设备及存储介质 |
CN112884949B (zh) * | 2021-01-22 | 2022-07-22 | 深圳市威尔电器有限公司 | 一种智能钥匙柜 |
CN117436709B (zh) * | 2023-12-20 | 2024-03-19 | 四川宽窄智慧物流有限责任公司 | 一种跨区域订单数据统筹预警方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2135200A4 (en) * | 2007-02-12 | 2011-12-28 | Sean O'sullivan | DISTRIBUTED TRANSPORT SYSTEM AND SERVICE NETWORK |
CN104869638B (zh) * | 2015-05-28 | 2018-04-13 | 北京嘀嘀无限科技发展有限公司 | Gps坐标作弊的检测方法及装置 |
CN104866953B (zh) * | 2015-04-28 | 2021-01-05 | 北京嘀嘀无限科技发展有限公司 | 一种虚假订单的识别方法及装置 |
-
2015
- 2015-09-30 CN CN201510641626.5A patent/CN106557963B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106557963A (zh) | 2017-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106557963B (zh) | 处理用车订单的方法、装置及服务器 | |
CN104796856B (zh) | 基于乘客打车历史数据对电子地图中上车位置进行修正的系统及方法 | |
CN107919013B (zh) | 一种上车点处理方法及服务器 | |
CN107230091B (zh) | 拼车请求订单匹配方法及装置 | |
CN108022139B (zh) | 分配订单的方法及装置 | |
CN108120999B (zh) | 车载导航设备及停车场引导方法 | |
US20160377443A1 (en) | Method and apparatus for determining a location of a point of interest | |
CN103903474B (zh) | 一种基于K-means聚类的车队出行诱导方法 | |
CN105761483B (zh) | 一种车辆数据处理方法及设备 | |
CN105678412A (zh) | 面向多人乘车的路线规划方法和装置 | |
CN112289041B (zh) | 基于热点定位和信息共享的智慧停车场管理方法及云平台 | |
EP3163466A1 (en) | Trajectory data inquiry method and apparatus | |
CN108154566B (zh) | 一种智能打卡的方法和装置 | |
CN105489021A (zh) | 一种基于用户行为数据的车主身份识别方法及装置 | |
CN106779692B (zh) | 一种车载支付方法及装置 | |
CN111190984B (zh) | 职住地提取方法、装置及计算机可读存储介质 | |
CN107545318A (zh) | 公交线路优先级确定、公交换乘线路排序方法及装置 | |
Berkelmans et al. | Predicting electric vehicle charging demand using mixed generalized extreme value models with panel effects | |
CN109756887B (zh) | 高铁伴随移动端识别方法、装置及计算机可读存储介质 | |
CN105390015B (zh) | 实时公交跟踪的方法和装置 | |
CN109961344B (zh) | 一种汽车服务选址方法和装置 | |
CN106971595B (zh) | 无网络停车场的车辆定位导航方法 | |
CN111835753B (zh) | 一种基于互联网的停车方法、装置及系统 | |
CN107274696B (zh) | 一种交通事件处理方法及装置 | |
CN106558014A (zh) | 处理用车订单的方法、装置及服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |