CN109429520B - 用于检查作弊服务订单的方法、系统、设备及可读介质 - Google Patents
用于检查作弊服务订单的方法、系统、设备及可读介质 Download PDFInfo
- Publication number
- CN109429520B CN109429520B CN201880002658.2A CN201880002658A CN109429520B CN 109429520 B CN109429520 B CN 109429520B CN 201880002658 A CN201880002658 A CN 201880002658A CN 109429520 B CN109429520 B CN 109429520B
- Authority
- CN
- China
- Prior art keywords
- service order
- determining
- information
- value
- predetermined
- 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 description 176
- 238000003860 storage Methods 0.000 claims abstract description 48
- 238000004891 communication Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims description 106
- 230000001133 acceleration Effects 0.000 claims description 102
- 238000004364 calculation method Methods 0.000 claims description 48
- 238000004590 computer program Methods 0.000 claims description 32
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000002123 temporal effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 222
- 230000000875 corresponding effect Effects 0.000 description 76
- 238000010586 diagram Methods 0.000 description 32
- 230000006870 function Effects 0.000 description 25
- 230000015654 memory Effects 0.000 description 16
- 238000009826 distribution Methods 0.000 description 11
- 238000007689 inspection Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 230000000977 initiatory effect Effects 0.000 description 6
- 230000003190 augmentative effect Effects 0.000 description 5
- 230000000670 limiting effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- -1 merchandise Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0225—Avoiding frauds
-
- 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
- G06Q30/00—Commerce
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
- G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
Abstract
一种系统包括存储设备和处理器,所述存储设备存储一组指令,所述处理器与存储设备通信。当执行该组指令时,处理器被配置为使系统通过网络从终端接收服务订单并获得与服务订单相关的参考信息。处理器还使系统确定服务订单的实际信息。处理器还使系统根据参考信息和实际信息确定服务订单是否是作弊服务订单。
Description
相关申请的交叉引用
本申请要求于2017年6月28日提交的申请号为201710512144.9的中国申请和2017年11月1日提交的申请号为201711058496.8的中国申请的优先权。上述每个申请中的全部内容通过引用的方式被包含于此。
技术领域
本申请涉及用于线上至线下服务的系统和方法,尤其涉及用于识别作弊服务订单的系统和方法。
背景技术
网约车平台可以向已经完成一定数量服务的服务提供者和请求者提供各种优惠券、补贴和奖励,以鼓励更多地使用该平台并培养使用该平台的习惯。然而,这些激励同时鼓励一些用户尝试通过在订单中使用更多作弊或虚假服务订单来钻空子,以获得他们不符合条件的奖励。例如,司机和乘客可以串通以完成虚假服务。乘客提前发送服务订单,司机接受服务订单。司机行驶一段短距离并结束服务。通过重复这种虚假服务,司机可以累积一定数量的服务订单以满足接收奖励的条件。此行为可能会给平台带来巨大损失。可能需要开发有效识别作弊订单的系统和方法。
发明内容
根据本申请的一个方面,提供了一种系统。该系统可以包括获取模块、计算模块、第一判断模块和第二判断模块。获取模块可以被配置为通过网络收集与至少两个检查点的每个检查点相关的检查点信息。在一些实施例中,至少两个检查点可以与服务订单相关。计算模块可以被配置为基于检查点信息生成至少两个数据组。对于至少两个数据组的每个数据组,第一判断模块可以被配置为确定与至少两个数据组的每个数据组相关的数据是否在预定范围内并且基于确定与至少两个数据组的每个数据组相关的数据是否在预定范围内的结果确定每个数据组是否具有可达性。第二判断模块可以被配置为基于确定至少两个数据组的可达性的结果来确定服务订单是否是作弊服务订单。
在一些实施例中,与每个检查点相关的检查点信息可以包括事件名称、时间点和位置坐标。在一些实施例中,每个数据组包括时间差值、距离值和速度值。
在一些实施例中,计算模块可以包括分组单元、第一计算单元、第二计算单元和第三计算单元。分组单元可以被配置为按时间顺序排列至少两个检查点,并按时间顺序指定两个相邻的检查点作为数据组。对于至少两个数据组的每个数据组,第一计算单元可以被配置为确定与每个数据组相关的两个位置坐标之间的直线距离值,并将所确定的直线距离值指定为每个数据组的距离值,第二计算单元可以被配置为确定与每个数据组相关的两个时间点之间的差异,并将所确定的差异指定为每个数据组的时间差值,第三计算单元可以被配置为基于每个数据组的时间差值和距离值确定商,并将确定的商指定为每个数据组的速度值。
在一些实施例中,第一判断模块可以包括第一判断单元、评估单元、第二判断单元和第三判断单元。对于至少两个数据组的每个数据组,第一判断单元可以被配置为确定每个数据组的时间差值是否大于预定时间差值。如果每个数据组的时间差值大于预定时间差阈值,则评估单元可以被配置为确定对应于每个数据组的统计最大速度值,并确定与每个数据组相关的速度阈值。在一些实施例中,可以基于服务订单当天的实际道路状况来确定统计最大速度值。第二判断单元可以是配置为确定每个数据组的速度值是否小于或等于速度阈值。如果每个数据组的速度值小于或等于速度阈值,则可以进一步配置第二判断单元,以确定每个数据组具有可达性。如果每个数据组的时间差值小于或等于预定时间差阈值,则第三判断单元可以被配置为确定每个数据组的距离值是否小于或等于预定距离阈值。如果每个数据组的距离值小于或等于预定距离阈值,则第三判断单元可以进一步被配置为确定每个数据组具有可达性。
在一些实施例中,评估单元可以包括第一判断单元、查询单元、第四判断单元、第二判断单元和第三判断单元。第一判断单元可以被配置为分别确定与两个相应检查点的信息相关的两个时间点所属的时间段和所述两个相应检查点的所述信息相关的两个位置坐标所在的地理区域。查询单元可以被配置为确定时间段和地理区域中的一个或多个统计最大速度值。第四判断单元可以是配置为确定对应于两个时间点的两个统计最大速度值之间的速度值的差值是否小于或等于预定差值。如果速度值的差值小于或等于预定差值,则第二判断单元可以被配置为将两个统计最大速度值的平均值指定为统计最大速度值。如果速度值的差值大于预定差值,则第三判断单元可以被配置为将两个统计最大速度值中较大的一个指定为统计最大速度值。第四判断单元可以被配置为通过将统计最大速度值乘以预定比率来确定速度阈值。
在一些实施例中,第二判断模块可以包括第四计算单元和第四判断单元。第四计算单元可以被配置为将具有可达性的至少两个数据组的比例确定为作弊服务订单的可达性的比率。第四判断单元可以被配置为确定可达性的比率是否小于或等于预定概率。如果可达性的比率小于或等于预定概率,则第四判断单元可以进一步被配置为确定服务订单是作弊服务订单。
在一些实施例中,获取模块执行从乘客终端和司机终端收集的检查点信息的步骤。
在一些实施例中,该系统还可以包括第三判断模块。第三判断模块可以被配置为确定是否已经确定了与所有至少两个数据组相关的可达性。如果确定了与至少两个数据组的每个数据组相关的可达性,则第三判断模块可以进一步被配置为激活第二判断模块。如果尚未确定与所有至少两个数据组相关的可达性,则可以进一步配置第三判断模块以激活第一判断模块。
在一些实施例中,至少两个检查点的数量为至少三个。
根据本申请的另一方面,系统可包括存储设备,其存储一组指令以及与存储设备通信的一个或多个处理器。当执行指令时,一个或多个处理器可以被配置为使系统通过网络收集与至少两个检查点的每个检查点相关的检查点信息,并基于检查点信息生成至少两个数据组。在一些实施例中,至少两个检查点可以与服务订单相关联。对于至少两个数据组的每个数据组,一个或多个处理器还可以使系统确定与至少两个数据组的每个数据组相关的数据是否在预定范围内,并基于确定与至少两个数据组的每个数据组相关的数据是否在预定范围内的结果确定每个数据组是否具有可达性。一个或多个处理器还可以使系统基于确定至少两个数据组的可达性的结果来确定服务订单是否是作弊服务订单。
根据本申请的又一方面,计算机实现的方法可以包括一个或多个由一个或多个处理器执行的以下操作。该方法可以包括经由网络收集与至少两个检查点的每个检查点相关的检查点信息。在一些实施例中,至少两个检查点可以与服务订单相关联,并且基于检查点信息生成至少两个数据组。对于至少两个数据组的每个数据组,该方法还可以包括确定与至少两个数据组的每个数据组相关的数据是否在预定范围内,并且基于确定与至少两个数据组的每个数据组相关的数据是否在预定范围内的结果确定每个数据组是否具有可达性。该方法还可以包括基于确定至少两个数据组的可达性的结果来确定服务订单是否是作弊服务订单。
根据本申请的又一方面,提供了一种终端设备,包括用于检查作弊服务订单的系统。
根据本申请的又一方面,可以提供一种包括存储设备、处理器和计算机程序的计算设备。在一些实施例中,计算机程序可以存储在存储设备中并由处理器执行。当执行计算机程序时,可以指示处理器实现检查上述作弊服务订单的任何方法的步骤。
根据本申请的又一方面,提供了一种网约车场景中的作弊服务订单的识别设备。识别设备可包括路径生成单元、参考信息判断单元、实际信息判断单元和作弊判断单元。路径生成单元可以被配置为基于服务订单的开始位置和目的地生成建议行驶路径。参考信息判断单元可以被配置为基于建议行驶路径确定参考行驶信息。实际信息判断单元可以被配置为确定服务订单的实际行驶信息。作弊判断单元可以被配置为基于参考行驶信息和实际行驶信息确定服务订单是否是作弊服务订单。
在一些实施例中,参考行驶信息可包括参考时间段,在所述参考时间段内,加速度等于第一预定值。在一些实施例中,实际行驶信息可以包括实际时间段,在所述实际时间段内,加速度等于所述第一预定值。作弊判断单元可以进一步被配置为确定参考时间段和实际时间段之间的时间差的绝对值大于预定时间差阈值并且基于确定时间差的绝对值大于预定时间差值的结果确定服务订单是作弊服务订单。
在一些实施例中,参考信息判断单元可以进一步被配置为基于与建议行驶路径相关的拥挤状况来确定第一参考时间段,所述第一参考时间段内,所述加速度等于所述第一预定值。参考信息判断单元可以进一步被配置为基于与建议行驶路径相关的交叉口信息确定第二参考时间段,所述第二参考时间段内,加速度等于所述第一预定值。参考信息判断单元可以进一步被配置为指定第一参考时间段和第二参考时间段的总和作为参考时间段。
在一些实施例中,实际信息判断单元可以进一步被配置为基于与司机终端上传的加速度相关的信息确定实际时间段,在实际时间段内,其中,与加速度相关的信息是从司机终端的传感器获得的。
在一些实施例中,第一预定值可以是零。
在一些实施例中,参考行驶信息可包括参考行驶轨迹。每个参考行驶轨迹可以对应于建议行驶路径的一个或多个段中的一个。在一些实施例中,实际行驶信息可包括在完成服务订单的过程期间由司机终端上传的坐标点。在一些实施例中,对于建议行驶路径的一个或多个段中的每个段,作弊判断单元可以进一步被配置为确定属于一个或多个段中的每个段的坐标点与对应于一个或多个段中的每个段的参考行驶轨迹之间的误差,以及基于误差,确定一个或多个段的平均误差。作弊判断单元可以进一步被配置为确定平均误差是否小于误差阈值并且基于平均误差小于误差阈值的确定结果来确定服务订单是作弊服务订单。
在一些实施例中,参考信息判断单元可以进一步被配置为将建议行驶路径划分为一个或多个段,并且对于一个或多个段中的每个段,确定与一个或多个段中的每个段相关的参考拟合函数。参考信息判断单元可以进一步被配置为将参考拟合函数指定为一个或多个段中的每个段对应的参考行驶轨迹。
在一些实施例中,对于属于每个或以上段的每个坐标点,实际信息判断单元可以进一步被配置为确定每个坐标点与对应于一个或多个段中的每个段的参考行驶轨迹之间的距离。实际信息判断单元可以进一步被配置为确定坐标点与对应于一个或多个段中的每个段的参考行驶轨迹之间距离的平均距离并且将平均距离指定为属于一个或多个段的每个段的坐标点与对应于一个或多个段的每个段的参考行驶轨迹之间的误差。
在一些实施例中,作弊判断单元可以进一步被配置为基于实际行驶信息确定实际行驶路径的段的数量并确定该数量是等于还是大于预定数量。基于确定数量等于或大于预定数量的结果,作弊判断单元还可以被配置为,根据参考行驶信息和实际行驶信息来确定服务订单是否是作弊服务订单的步骤。
根据本申请的另一方面,一种系统可包括存储设备,其存储一组指令以及与存储设备通信的一个或多个处理器。当执行指令时,可以配置一个或多个处理器被配置为使系统基于服务订单的开始位置和目的地生成建议行驶路径,并基于建议行驶路径确定参考行驶信息。一个或多个处理器还可以使系统确定服务订单的实际行驶信息,并基于参考行驶信息和实际行驶信息确定服务订单是否是作弊服务订单。
根据本申请的另一方面,计算机实现的方法可以包括一个或多个处理器执行的以下一个或多个操作。该方法可以包括基于服务订单的开始位置和目的地生成建议行驶路径,并基于建议行驶路径确定参考行驶信息。该方法还可以包括确定服务订单的实际行驶信息,并基于参考行驶信息和实际行驶信息确定服务订单是否是作弊服务订单。
根据本申请的另一方面,提供了一种网约车场景中作弊服务订单的识别设备。该设备可以包括处理器、存储机器可执行指令的存储设备。机器可执行指令可以对应于网约车场景中作弊服务订单的识别逻辑。当读取并执行存储设备中存储的机器可执行指令时,处理器可以被引导以基于服务订单的开始位置和目的地生成建议行驶路径,并且基于建议行驶路径确定参考行驶信息。处理器还可以用于确定服务订单的实际行驶信息,并根据参考行驶信息和实际行驶信息确定服务订单是否是作弊服务订单。
根据本申请的又一方面,提供了一种存储计算机程序的计算机可读介质。当由处理器执行时,可以指示计算机程序执行以下步骤。以下步骤可包括基于服务订单的开始位置和目的地生成建议行驶路径,并基于建议行驶路径确定参考行驶信息。以下步骤还可以包括确定服务订单的实际行驶信息,并基于参考行驶信息和实际行驶信息确定服务订单是否是作弊服务订单。
根据本申请的又一方面,提供了一种系统。该系统可包括存储设备,其存储一组指令以及与存储设备通信的一个或多个处理器。当执行该组指令时,一个或多个处理器可以被配置为使系统经由网络从终端接收服务订单并获得与服务订单相关的参考信息。可以进一步配置一个或多个处理器,以使系统确定服务订单的实际信息,并基于参考信息和实际信息确定服务订单是否是作弊服务订单。
在一些实施例中,参考信息包括第一预定时间差阈值、预定距离阈值、速度阈值和预定概率。
在一些实施例中,一个或多个处理器可以进一步被配置为基于与至少两个检查点相关联的时间点,按时间顺序的至少两个检查点使系统经由网络接收与至少两个检查点相关的检查点信息,至少两个检查点与服务订单相关联并排列。在一些实施例中,至少两个检查点中的每个检查点可以与时间点和位置相关联。可以进一步配置一个或多个处理器以使系统基于至少两个检查点来确定与服务订单相关的至少两个数据组,并且对于至少两个数据组中的每个数据组,基于与至少两个数据组中的每个数据组相关的时间点和位置坐标,确定时间差值、距离值和速度值。在一些实施例中,至少两个数据组中的每个数据组可以包括按时间顺序两个相邻的检查点。
在一些实施例中,对于至少两个数据组中的每个数据组,一个或多个处理器可以被配置为使系统确定至少两个数据组的每个数据组的时间差值是否大于第一预定时间差值并基于确定至少两个数据组的每个数据组的时间差值大于第一预定时间差值的结果,确定至少两个数据组中的每个数据组的速度值是否小于或等于速度阈值。基于确定至少两个数据组的每个数据组的速度值小于或等于速度阈值的结果,可以进一步配置一个或多个处理器以使系统确定至少两个数据组中的每个数据组具有可达性。
在一些实施例中,对于至少两个数据组中的每个数据组,一个或多个处理器可以被配置为使系统确定至少两个数据组每个数据组的时间差值是否小于或等于第一预定时间差值并基于确定至少两个数据组的每个数据组的时间差值小于或等于第一预定时间差值的结果来确定至少两个数据组中的每个数据组的距离值是否小于或等于预定距离阈值。基于确定至少两个数据组的每个数据组的距离值小于或等于预定距离阈值的结果,可以进一步配置一个或多个处理器以使系统确定至少两个数据组中的每个数据组具有可达性。
在一些实施例中,一个或多个处理器可以被配置为使系统确定具有可达性的至少两个数据组的比例作为服务订单的可达性的比率,并确定可达性的比率是否小于或等于预定概率。一个或多个处理器可以被配置为使系统基于确定的结果确定可达性的比率小于或等于预定概率,该服务订单是作弊服务订单。
在一些实施例中,参考信息可包括建议行驶路径和参考时间段。在一些实施例中,一个或多个处理器可以被配置为使系统基于服务订单的开始位置和目的地生成建议行驶路径,并根据与建议行驶路径相关的拥堵情况,估计第一参考时间段,在所述第一参考时间段内,加速度等于第一预定值。一个或多个处理器可以进一步被配置为使系统根据与建议行驶路径相关的交叉口信息,估计第二参考时间段,在所述第二参考时间段内,所述加速度等于所述第一预定值,并确定第一参考时间段和第二参考时间段的总和。一个或多个处理器可以进一步配置为使系统将该总和指定为参考时间段。
在一些实施例中,实际信息可包括实际时间段,在该实际时间段期间与服务订单相关联的车辆的加速度等于第一预定值。在一些实施例中,一个或多个处理器可以被配置为使系统确定参考时间段和实际时间段之间的时间差的绝对值是否大于第二预定时间差阈值,并基于确定时间差的绝对值大于第二预定时间差阈值的结果确定服务订单是作弊服务订单。
在一些实施例中,参考信息可包括建议行驶路径、参考行驶轨迹和误差阈值。在一些实施例中,可以将一个或多个处理器配置为使系统基于服务订单的起始位置和目的地生成建议行驶路径,并将建议行驶路径划分为至少两个段。对于至少两个段中的每个段,一个或多个处理器可以进一步被配置为使系统确定与至少两个段中的每个段相关的参考拟合函数并且将参考拟合函数指定为对应于至少两个段中的每个段的参考行驶轨迹。
在一些实施例中,服务订单的实际信息可以包括属于至少两个段中的每个段的坐标点,并且所述坐标点由司机终端在完成服务订单的过程中上传。在一些实施例中,对于建议行驶路径的至少两个段中的每个段,一个或多个处理器可被配置为使系统确定属于至少两个段中的每个段的坐标点与对应于至少两个段中的每个段的参考行驶轨迹之间的误差,并基于至少两个段的误差确定与至少两个段相关的平均误差。基于确定平均误差小于误差阈值的结果,可以进一步配置一个或多个处理器以使系统确定平均误差是否小于误差阈值并且确定服务订单是作弊服务订单。
在一些实施例中,参考信息可包括预定数量。在一些实施例中,一个或多个处理器可以被配置为使系统基于实际信息来确定与服务订单相关的实际行驶路径的段的数量,并确定该数量是否等于或大于预定数量。一个或多个处理器可以被配置为使系统基于确定数量等于或大于预定数量的结果来确定服务订单不是作弊服务订单。
根据本申请的另一方面,计算机实现的方法可以包括一个或多个由一个或多个处理器执行的以下操作。该方法可以包括经由网络从终端接收服务订单并获得与服务订单相关的参考信息。该方法还可以包括确定服务订单的实际信息,并基于参考信息和实际信息确定服务订单是否是作弊服务订单。
根据本申请的又一方面,可以提供存储指令的非暂时性计算机可读介质。当由系统的一个或多个处理器执行时,指令可以使系统经由网络从终端接收服务订单并获得与服务订单相关的参考信息。指令还可以使系统确定服务订单的实际信息,并基于参考信息和实际信息确定服务订单是否是作弊服务订单。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,其中相同的附图标记在附图的若干视图中表示类似的结构,其中:
图1是根据一些实施例所示的示例性线上至线下服务系统的框图;
图2是根据一些实施例所示的计算设备的示例性硬件和软件组件的示意图;
图3是根据本申请的一些实施例所示的移动设备的示例性硬件组件和/或软件组件的示意图;
图4是根据本申请的第一实施例所示的检查作弊服务订单的示例性过程的流程图;
图5是结合上面图4描述的实施例中所示的生成数据组的示例性过程的流程图;
图6是结合上面图4描述的实施例中所示的确定数据组是否具有可达性的示例性过程的流程图;
图7是结合上面图6描述的实施例中所示的确定速度阈值的示例性过程的流程图;
图8是结合上面图4描述的实施例中确定服务订单是否是作弊服务订单的示例性过程的流程图;
图9是根据本申请的一些实施例所示的用于检查作弊服务订单的示例性过程的流程图;
图10A和图10B是根据本申请的一些实施例所示的检查作弊服务订单的示例性过程的流程图;
图11是根据本申请的第一实施例所示的检查作弊服务订单系统的示意框图;
图12是根据本申请的第二实施例所示的检查作弊服务订单系统的示意框图。
图13是根据本申请的第三实施例所示的检查作弊服务订单系统的示意框图;
图14是根据本申请的第四实施例所示的检查作弊服务订单系统的示意框图;
图15是根据本申请的第五实施例所示的检查作弊服务订单系统的示意框图;
图16是根据本申请的第六实施例所示的检查作弊服务订单系统的示意框图;
图17是根据本申请的一些实施例所示的终端设备的示意性框图;
图18是根据本申请的一些实施例所示的用于网约车场景中识别作弊服务订单的示例性过程的流程图;
图19是根据实施例所示的用于网约车场景中识别作弊服务订单的示例性过程的流程图;
图20是根据一些实施例所示的用于网约车场景中识别作弊服务订单的示例性过程的流程图;
图21是根据一些实施例所示的路径分段的示意图;
图22是根据一些实施例所示的路径分段的示意图;
图23是根据一些实施例所示的位置坐标与对应的参考行驶轨迹之间的距离的示意图;
图24是根据一些实施例所示的网约车场景中的作弊服务订单的识别设备的示意图;
图25是根据本申请的一些实施例所示的示例性处理引擎的框图;以及
图26是根据本申请的一些实施例所示的用于确定服务订单是否是作弊服务订单的示例性过程的流程图。
具体实施方式
下述描述是为了使本领域的普通技术人员能够实施和利用本申请,并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲,显然可以对所披露的实施例作出各种改变,并且在不偏离本申请的原则和范围的情况下,本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此,本申请并不限于所描述的实施例,而应该被给予与权利要求一致的最广泛的范围。
本申请中所使用的术语仅用于描述特定的示例性实施例,并不限制本申请的范围。如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词幷非特指单数,也可以包括复数。将进一步理解,当在本说明书中使用时,术语“包括”、“包含”和/或“含有”、“包罗”、“囊括”和/或“蕴含”,指定所声明的特征、整体、步骤、步骤、元素和/或组件的存在,但不排除存在或添加一个或多个其他特征、整体、步骤、步骤、元素、组件和/或其组合。
根据以下对附图的描述,本申请所述的和其他的特征、特点以及相关结构元件的功能和操作方法,以及部件组合和制造经济性,可以变得更加显而易见,这些附图都构成本申请说明书的一部分。然而,应当理解的是,附图仅仅是为了说明和描述的目的,并不旨在限制本申请的范围。应当理解的是,附图并不是按比例绘制的。
本申请中使用的流程图用于说明根据本申请中描述的一些实施例的系统实现的步骤。应当理解的是,流程图的步骤可以不按顺序实现。相反,这些步骤可以以相反的顺序或同时实现。此外,可以将一个或多个其他步骤添加到流程图中。可以从流程图中移除一个或多个步骤。
同时,虽然本申请的系统和方法的描述主要关于分配交通运输服务请求,应当理解的是,本申请并非旨在限制。本申请的系统或方法可以应用于任何其他类型的线上至线下服务。例如,本申请的系统和方法可以应用于不同环境下的运输系统,包括陆地、海洋、航空航天等或其任意组合。所述运输系统的交通工具可以包括出租车、私家车、顺风车、公交车、火车、动车、高铁、地铁、船舶、飞机、飞船、热气球、无人驾驶的车辆等或其任意组合。所述运输系统也可以包括应用管理和/或分配的任一运输系统,例如,发送和/或接收快递的系统。本申请的系统和方法的应用场景可以包括网页、浏览器插件、客户端、定制系统、企业内部分析系统、人工智能机器人等或上述举例的任意组合。在本申请中,术语“乘客”、“请求者”、“服务请求者”和“客户”可以交换使用,其表示可以请求或预定服务的个体、实体或工具。
本申请中的术语“乘客”、“请求者”、“服务请求者”和“客户”可交换使用,指的是可以请求或预定服务的个人、实体或工具。本申请中的术语"司机"、"提供者"、以及"服务提供者"也可以交换使用,指的是可以提供服务或促进该服务提供的个体、实体或工具。
本申请中的术语“服务请求”、“请求服务”、“请求”和“订单”可交换使用以指可由乘客、服务请求者、用户、司机、提供者、服务提供者等或其任何组合发起的请求。服务请求可以由乘客、服务请求者、客户、司机、提供者或服务提供者中的任何一个接受。服务请求可以是收费的也可是免费的。
本申请中的术语“服务提供者终端”和“司机终端”可以交换使用,其表示服务提供者所使用的用于提供服务或促进服务提供的移动终端。本申请中的术语“服务请求者终端”和“乘客终端”可以交换使用,其表示服务请求者所使用的用于请求或预定服务的移动终端。
本申请中使用的定位技术可以包括全球定位系统(GPS)、全球卫星导航系统(GLONASS)、北斗导航系统(COMPASS)、伽利略定位系统、准天顶卫星系统(QZSS)、无线保真(Wi-Fi)定位技术等或其任意组合。上述定位技术中的一种或以上可以在本申请中互换使用。
本申请的一个方面涉及用于确定服务订单是否是作弊(或假的)服务订单的在线系统和方法。可以获得与服务订单相关的参考信息和实际信息。可以基于参考和实际信息来确定服务订单是否是作弊服务订单。在一些实施例中,可以获得与服务订单相关的检查点信息。可以基于检查点信息确定数据组。可以在时间和空间中确定与每个数据组相关的可达性。可以基于与每个数据组相关的可达性的确定结果来确定服务订单是否是作弊服务订单。
在另一实施例中,可以确定参考时间段,在参考时间段内,与服务订单相关的车辆的加速度等于第一预定值。可以确定实际时间段,在实际时间内加速度等于第一预定值。可以基于参考时间段和实际时间段来确定服务订单是否是作弊服务订单。在一些实施例中,可以确定与服务订单相关的参考行驶轨迹。可以在确定完成服务订单的过程期间由终端上传与服务订单相关的位置坐标。可以基于参考行驶轨迹和位置坐标之间的误差来确定服务订单是否是作弊服务订单。
图1是根据一些实施例所示的示例性线上至线下服务系统100的框图。例如,线上至线下服务系统100可以是用于运输服务的在线运输服务平台。线上至线下服务系统100可以包括服务器110、网络120、服务请求者终端130、服务提供者终端140、车辆150、存储设备160和导航系统170。
线上至线下服务系统100可以提供至少两个服务。示例性的服务可以包括出租车呼叫服务、代驾服务、快车服务、拼车服务、公交车服务、司机租赁服务和班车服务。在一些实施例中,线上至线下服务可以是在线服务,诸如预订餐、购物等,或其任何组合。
在一些实施例中,服务器110可以是单个服务器,也可以是服务器组。所述服务器组可以是集中式的,也可以是分布式的(例如,服务器110可以是分布式的系统)。在一些实施例中,服务器110可以是本地的,也可以是远程的。例如,服务器110可以经由网络120访问存储在服务请求者终端130、服务提供者终端140和/或存储设备160中的信息和/或数据。又例如,服务器110可以直接连接到服务请求者终端130、服务提供者终端140,和/或存储设备160以访问存储的信息和/或数据。在一些实施例中,服务器110可以在云平台上实施。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中,服务器110可以在本申请中图2描述的包含了一个或多个组件的计算设备200上执行。
在一些实施例中,服务器110可以包括处理引擎112。处理引擎112可以处理与服务请求相关的信息和/或数据以执行本申请描述的一个或多个功能。例如,处理引擎112可以遍历空间数据。在一些实施例中,所述处理引擎112可包括一个或多个处理引擎(例如,单芯片处理引擎或多芯片处理引擎)。仅作为范例,处理引擎112可以包括中央处理单元(CPU)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、图形处理单元(GPU)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可程序门阵列(FPGA)、可编辑逻辑设备(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中,线上至线下服务系统100(例如,服务器110、服务请求者终端130、服务提供者终端140、车辆150、存储设备160和导航系统170)中的一个或多个组件可以经由网络120将信息和/或数据发送到线上至线下服务系统100中的其他组件。例如,服务器110可以通过网络120从服务请求者终端130获取/得到服务请求。在一些实施例中,网络120可以是任何类型的有线或无线网络,或其组合。仅作为示例,网络120可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通信(NFC)网络等或其任意组合。在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括有线或无线网络接入点,例如基站和/或互联网交换点120-1、120-2……,线上至线下服务系统100的一个或多个组件可以通过其连接到网络120以交换数据和/或信息。
在一些实施例中,乘客可以是服务请求者终端130的所有者。在一些实施例中,服务请求者终端130的所有者可以是除乘客之外的其他人。例如,服务请求者终端130的所有者A可以使用服务请求者终端130来发送对乘客B的服务请求或者从服务器110接收服务确认和/或信息或指令。在一些实施例中,服务提供者可以是服务提供者终端140的用户。在一些实施例中,服务提供者终端140的用户可以是除服务提供者之外的其他人。例如,服务提供者终端140的用户C可以使用服务提供者终端140为用户D接收一个服务请求和/或从服务器110接收信息或指示。在一些实施例中,“乘客”和“乘客终端”可以交换使用,“服务提供者”和“服务提供者终端”可以交换使用。在一些实施例中,一个服务提供者终端可以与一个或多个服务提供者(例如,夜间服务提供者或白天服务提供者)相关。
在一些实施例中,服务请求者终端130可以包括移动设备130-1、平板电脑130-2、笔记本电脑130-3、车载设备130-4等或其任意组合。在一些实施例中,移动设备130-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等或其任意组合。在一些实施例中,所述可穿戴设备可以包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等或其任意组合。在一些实施例中,智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、POS设备等或其任意组合。在一些实施例中,虚拟现实设备和/或增强型虚拟现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括GoogleTM Glass、Oculus Rift、HoloLens、Gear VR等。在一些实施例中,车载设备130-4可以包括车载计算机、车载电视等。在一些实施例中,服务请求者终端130可以是具有定位技术的设备,用于定位乘客和/或服务请求者终端130的位置。
服务提供者终端140可以包括至少两个服务提供者终端140-1、140-2、……、140-n。在一些实施例中,服务提供者终端140可以与服务请求者终端130类似或相同的设备。在一些实施例中,可以定制服务提供者终端140以能够实现线上至线下服务。在一些实施例中,服务提供者终端140可以是具有定位技术的设备,用于定位服务提供者,服务提供者终端140和/或与服务提供者终端140相关的车辆150。在一些实施例中,服务请求者终端130和/或服务提供者终端140可以与另一个定位设备通信以确定乘客、服务请求者终端130、服务提供者和/或服务提供者终端140的位置。在一些实施例中,服务请求者终端130和/或服务提供者终端140可以周期性地将该定位信息发送至服务器110。在一些实施例中,服务提供者终端140也可以周期性地将可用状态发送至服务器110。该可用状态可以表明与服务提供者终端140相关的车辆150是否可以接载乘客。例如,服务请求者终端130和/或服务提供者终端140可以每30分钟将该定位信息和该可用状态发送至服务器110。又例如,服务请求者终端130和/或服务提供者终端140可以在每次用户登录到与线上至线下服务相关的移动应用程序时将定位信息和可用性状态发送到服务器110。
在一些实施例中,服务提供者终端140可以对应一个或多个车辆150。车辆150可以接载乘客幷送至目的地。车辆150可以包括至少两个车辆150-1、150-2、……、150-n。一个车辆可以对应一种类型的服务(例如,出租车呼叫服务、代驾服务、快车服务、拼车服务、公交车服务、司机招聘服务或班车服务)。
存储设备160可以存储数据和/或指令。在一些实施例中,存储设备160可以存储从服务请求者终端130和/或服务提供者终端140获得的数据。在一些实施例中,存储设备160可以存储服务器110用来执行或使用来完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备160可包括大容量存储器、可移动存储器、挥发性读写内存、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(PEROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中,所述存储设备160可在云端平台上执行。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,存储设备160可以连接到网络120以与线上至线下服务系统100(例如,服务器110、服务请求者终端130、服务提供者终端140等)中的一个或多个组件通信。线上至线下服务系统100中的一个或多个组件可以经由网络120访问存储设备160中存储的数据或指令。在一些实施例中,存储设备160可以直接连接到线上至线下服务系统100(例如,服务器110、服务请求者终端130、服务提供者终端140等)中的一个或多个组件或与之通信。在一些实施例中,存储设备160可以是服务器110的一部分。
导航系统170可以确定与对象相关的信息,例如,服务请求者终端130的一个或多个,服务提供者终端140、车辆150等。在一些实施例中,导航系统170可以是全球定位系统(GPS)、全球导航卫星系统(GLONASS)、罗盘导航系统(COMPASS)、北斗导航卫星系统、伽利略定位系统、准天顶卫星系统(QZSS)等。该信息可包括对象的位置、高度、速度或加速度,或当前时间。导航系统170可以包括一个或多个卫星,例如,卫星170-1、卫星170-2和卫星170-3。卫星170-1至170-3可以独立地或共同地确定上述信息。卫星导航系统170可以通过无线连接将上述信息发送至网络120、服务请求者终端130、服务提供者终端140或车辆150。
在一些实施例中,线上至线下服务系统100(例如,服务器110、服务请求者终端130、服务提供者终端140等)中的一个或多个组件可具有访问存储设备160的许可。在一些实施例中,线上至线下服务系统100中的一个或多个组件可以在满足一个或多个条件时读取和/或修改与乘客,服务提供者和/或公众相关的信息。例如,一个服务结束后,服务器110可以读取和/或修改一个或多个乘客的信息。又例如,一个服务结束后,服务器110可以读取和/或修改一个或多个服务提供者的信息。
在一些实施例中,可以通过请求服务来启动在线上至线下服务系统100中的一个或多个组件的信息交换。服务请求的对象可以为任何产品。在一些实施例中,该产品可以包括食品、医药、商品、化学产品、电器、衣物、汽车、房屋、奢侈品等或其任意组合。在一些实施例中,所述产品可以包括服务产品、金融产品、知识产品、互联网产品等或其任意组合。互联网产品可以包括个人主机产品、网站产品、移动互联网产品、商业主机产品、嵌入式产品等或其任意组合。所述移动互联网产品可以用于移动终端的软件、程序、系统等或其任意组合。移动终端可以包括平板计算机、笔记本电脑、移动电话、个人数字助理(PDA)、智能手表、POS设备、车载计算机、车载电视、可穿戴设备等或其任意组合。例如,产品可以是在计算机或移动电话上使用的任一软件和/或应用程序。该软件和/或应用程序可以与社交、购物、交通、娱乐、学习、投资等或其任意组合相关。在一些实施例中,所述与运输相关的系统软件和/或应用程序可以包括出行软件和/或应用程序、车辆调度软件和/或应用程序、地图软件和/或应用程序等。在车辆调度软件和/或应用程序中,车辆可包括马、马车、人力车(例如,独轮车、自行车、三轮车等)、汽车(例如,出租车、公共汽车、私人汽车等)、火车、地铁、船舶、飞行器(例如,飞机、直升机、航天飞机、火箭、热气球等)或其任意组合。
图2是根据申请的一些实施例所示的计算设备200的示例性硬件和软件组件的示意图,其上可以实现本申请所述服务器110、服务请求者终端130和/或服务提供者终端140相应的功能。例如,处理引擎112可以在计算设备200上实现并被配置为执行本申请中所披露的处理引擎112的功能。
计算设备200可以是通用计算机或专用计算机;两者都可用于实现本申请公开的线上至线下的服务系统。计算设备200可以用于实现如上所述的线上至线下服务的任何组件。例如,处理引擎112可以在计算设备200上通过其硬件、软件程序、固件或其组合实现。图中为了方便起见只绘制了一台计算机,但是本实施例所描述的提供线上至线下服务所需要的信息的相关计算机功能可以以分布的方式由一组相似的平台所实施的,分散系统的处理负荷。
例如,计算设备200可以包括与网络相连接通信端口250,以实现数据通信。计算设备200还可以包括处理器(例如,处理器220),其形式为一个或多个处理器,用于执行程序指令。示例性计算设备可以包括内部通信总线210,程序存储和不同形式的数据存储,包括:例如,磁盘270,以及只读存储器(ROM)230或随机存取存储器(RAM)240,用于由计算设备处理和/或发送的各种数据文件。示例性计算设备也可以包括储存于只读存储器(ROM)230、随机存取存储器(RAM)240,和/或其他形式的非暂时性储存介质中的能够被处理器220执行的程序指令。本申请的方法和/或流程可以以程序指令的方式实现。计算设备200还包括I/O组件260,支持计算机和其他组件之间的输入/输出。计算设备200也可以通过网络通信接收程序设计和数据。
仅用于说明,图2中仅示出了一个CPU和/或处理器。还可以考虑多个CPU和/或处理器;因此,由本申请中描述的一个CPU和/或处理器执行的操作和/或方法步骤也可以由多个CPU和/或处理器联合或单独执行。例如,如果在本申请中,计算设备200的CPU和/或处理器执行步骤A和步骤B,应当理解的是,步骤A和步骤B也可以由计算设备200的两个不同的CPU和/或处理器共同地或单独地执行(例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一和第二处理器共同地执行步骤A和步骤B)。
图3是根据本申请的一些实施例所示的移动设备的示例性硬件组件和/或软件组件的示意图;如图3所示,移动设备300可以包括通信模块310、显示器320、图形处理单元(GPU)330、处理器340、I/O 350、内存360和存储器390。在一些实施例中,任何其他合适的组件,包括但不限于系统总线或控制器(未示出),也可包括在移动设备300内。在一些实施例中,移动操作系统370(例如,iOSTM、AndroidTM、Windows PhoneTM)和一个或多个应用程序380可以从存储器390加载到内存360中,以便由处理器340执行。应用程序380可以包括浏览器或用于从服务器110发送,接收和呈现与车辆150的状态相关的信息(例如,车辆150的位置)的任何其他合适的应用程序。用户与信息流的交互可以通过I/O 350实现,并通过网络120提供给服务器110和/或线上至线下服务系统100的其他组件。
在一些实施例中,可以在图1所示的线上至线下服务系统100中实现以下方法过程的一个或多个操作。例如,以下方法的过程(例如,过程400、过程500、过程600、过程700、过程800、过程900、过程1000、过程1800、过程1900、过程2000、过程2600)可以以指令的形式存储在存储设备160中,并由处理引擎112(例如,如图2所示的计算设备200的处理器220、如图3所示的移动设备300的处理器340)调用和/或执行。处理引擎112可以执行以下方法的操作。在另一实施例中,以下系统,终端和/或设备(例如,系统1100、系统1200、系统1300、系统1400、系统1500、系统1600、终端设备1700、识别设备2400、处理引擎112)中的每个系统的至少一部分可以在如图2所示的计算设备或如图3所示的移动设备上实现。
图4是根据本申请的第一实施例所示的检查作弊服务订单的示例性过程的流程图。如图4所示,用于检查作弊服务订单的过程400可以包括以下步骤。
在402中,可以收集与至少两个检查点的每个检查点相关的检查点信息。至少两个检查点与服务订单相关。
在404中,可以基于检查点信息生成至少两个数据组。
在406中,可以确定与至少两个数据组的每个数据组相关的数据是否在预定范围内。可以基于确定与至少两个数据组的每个数据组相关的数据是否在预定范围内来确定每个数据组是否具有可达性。这里使用的术语“可达性”是指实体(例如,车辆、人、乘客、司机)在一段时间内以及与数据组相关联的区域中从一个位置移动到另一个位置的能力。
在408中,可以基于确定至少两个数据组的可达性的结果来确定服务订单是否是作弊服务订单。
根据本申请实施例提供的检查作弊服务令的过程400,通过收集与每个检查点相关的检查点信息并分析检查点信息,可以获得反映服务订单状态的一系列数据。通过分层次地确定所获得的数据,可以确定服务订单是否是作弊服务订单,这样可以取消相应的奖励和补贴以减少损失。一方面,许多终端用户为保护隐私拒绝后台采集实时定位信息,导致无法直接比较司机和乘客的轨迹;另一方面,司机与乘客在时间和空间上都没有可达性,因为司机的许多服务订单是事先委任且没有接载乘客;也就是说,理论上,服务订单中事件的检查点的位置不能在相应时间内到达另一事件的检查点的另一个位置。在本申请实施例提供的过程中,考虑了以上两点当执行订单操作以确定服务订单的行进数据是否具有可达性时,可以基于由司机和乘客在几个事件的检查点上传的检查点信息来分析服务订单的状态。可以分析行进数据的可达性,从而可以找到其中计算量小,检查结果可靠的作弊服务订单。
在本申请的一些实施例中,优选地,与每个检查点相关的检查点信息可以包括事件名称、时间点和位置坐标。位置坐标可以由乘客终端和/或司机终端经由网络发送到服务器。乘客终端和/或司机终端中的定位组件(例如,全球定位系统(GPS)芯片组)可以实时获得位置坐标。定位组件可以将位置坐标发送到处理引擎112。每个数据组可以包括时间差值、距离值和速度值。
在一些实施例中,与每个检查点相关的检查点信息可以包括用于维护人员验证信息的事件名称。检查点信息还可以包括用于计算时间差值的时间点和位置坐标(通常是GPS位置)以及用于计算速度值的距离值,这有助于反映服务订单的行进状态。具体地,事件名称可包括乘客发起服务请求、司机接受服务请求、司机接载乘客、开始行进、结束行进、乘客支付、乘客评估、乘客发起后续服务请求、司机下次接受后续服务请求等。
具体地,图5是结合上面图4描述的实施例中生成数据组的示例性过程的流程图。
在502中,至少两个检查点可以按时间顺序排列。可以将按时间顺序的两个相邻检查点被指定为对应于数据组的检查点信息组。
在504中,可以确定与每个数据组相关的两个位置坐标之间的直线距离值。确定的直线距离值可以被指定为每个数据组的距离值。
在506中,可以确定与数据组相关的两个时间点之间的差异。可以将所确定的差异指定为每个数据组的时间差值。
在508中,可以基于每个数据组的时间差值和距离值来确定商。确定的商可以被指定为每个数据组的速度值。
在该实施例中,可以具体定义生成数据组的过程。首先,按时间顺序收集的两个相邻检查点可以被指定为检查点信息组。一方面,两个相邻检查点之间的距离很小,这可能更真实地反映出行进状况;另一方面,分组后,至少两个事件可能是依赖的,并且当服务订单是虚假服务订单时可能存在错误,该服务订单在时间和空间上都没有可达性并且可以检查服务订单,这样可以提高检查的准确性和识别性。然后,可以计算检查点信息组以获得相应的数据组。
具体地,图6是结合上面图4描述的实施例中确定的数据组是否具有可达性的示例性过程的流程图。
在602中,可以确定每个数据组的时间差值是否大于第一预定时间差阈值。如果每个数据组的时间差值大于第一预定时间差值,则可以执行步骤604。如果每个数据组的时间差值小于或等于第一预定时间差值,则可以执行步骤608。
可以确定与每个数据组相关的速度阈值。在一些实施例中,可以基于服务订单当天的实际道路状况来确定统计最大速度值。
在606中,确定数据组的速度值是否小于或等于速度阈值。如果处理引擎112确定数据组的速度值小于或等于速度阈值,则过程600可以进行到610。如果处理引擎112确定数据组的速度值大于速度阈值,则过程600可以进行到612。
在608中,可以确定数据组的距离值是否小于或等于预定距离阈值。如果数据组的距离值小于或等于预定距离阈值,则可以执行操作610。如果数据组的距离值大于预定距离阈值,则可以执行操作612。
在610中,处理引擎112可以确定该数据组具有可达性。
在612中,处理引擎112可以确定该数据组不具有可达性。
在一些实施例中,可以具体定义用于确定数据组是否具有可达性的过程。鉴于在现实世界中,一定区域内的一段时间内,空间距离、交通复杂情况、天气情况等都会制约从某一地点到另一个地点的最快速度和最短时间,可以利用所有数据统计城市的行车的速度在城市的时间和空间的分布情况。如果处理引擎112确定每个时间段的乘客和司机的速度大于行进过程中城市中的实际分布的速度,处理引擎112确定该服务订单在时间和空间上都可能没有现实的可达性。在具体确定中,可以首先确定时间差值,并且可以为每个数据组选择合理的第一预定时间差值。数据组可以分为两种情况并分别检查:一种是行进一定距离的情况,例如对应于行进开始和行进结束的数据组;另一种是没有行进的情况,例如对应于司机接载乘客和旅行开始的数据组。对于第一种情况,可以通过确定城市中的总行进速度的统计结果并将统计结果与与数据组相关的速度值进行比较来确定数据组的可达性。对于第二种情况,可以将距离值与预定距离阈值进行比较,而不需要确定统计结果,从而合理地减少系统操作量。
具体地,图7是结合上面图6描述的实施例中所示的确定速度阈值的示例性过程的流程图。
在702中,可以确定时间段和地理区域。与两个相应检查点的信息相关的两个时间点可以属于该时间段。与两个相应检查点的信息相关的两个位置坐标可以位于该地理区域中。
在704中,可以在时间段和地理区域中确定一个或多个统计最大速度值。
在706中,可以确定对应于两个时间点的两个统计最大速度值之间的速度值的差是否小于或等于预定差值。如果处理引擎112确定速度值的差小于或等于预定差值,则过程700可以进行到708。如果处理引擎112确定速度值的差值大于预定差值,则过程700可以进行到710。
在708中,可以将两个统计最大速度值的平均值指定为统计最大速度值。
在710中,可以将两个统计最大速度值中较大的一个指定为统计最大速度值;以及
在712中,可以通过将统计最大速度值乘以预定比率来确定速度阈值。
在一些实施例中,可以具体定义用于确定速度阈值的过程。由于根据时间段和地理区域统计确定城市的行进速度,即城市被划分为至少两个地理区域,并且可以统计确定不同时间段中每个地理区域的行进速度,其中,时间段可以是预先划分的,如早晚高峰时段、白天和晚上,不同的检查点信息可能属于不同的时间段或地理区域。因此,可以首先确定与两个检查点的信息对应的时间段和地理区域,然后可以确定相应的统计最大速度值。还可以确定数据组的统计最大速度值。如果处理引擎112确定其差值小,处理引擎112可以将两个统计最大速度值的平均值指定为统计最大速度值,以准确地反映实际交通分布。如果处理引擎112确定其差值大,处理引擎112可以将两个统计最大速度值中较大的一个指定为统计最大速度值,以避免错误判断。通过将所确定的统计最大速度值乘以预定比率,可以补偿由于定位误差引起的较大速度值,以避免错误判定并确保用户的兴趣。在一些实施例中,预定比率可以是20%。
图8是结合上面图4描述的实施例中所示的确定服务订单是否是作弊服务订单的示例性过程的流程图。
在802中,具有可达性的至少两个数据组的比例可以被确定为服务订单的可达性的比率。
在804中,可以确定可达性的比率是否小于或等于预定概率。如果处理引擎112确定可达性的比率小于或等于预定概率,则过程800可以进行到806。如果处理引擎112确定可达性的比率大于预定概率,则过程800可以进行到808。
在806中,处理引擎112可以确定服务订单是作弊服务订单。
在808中,处理引擎112可以确定服务订单不是作弊服务订单。
在一些实施例中,可以具体定义用于确定服务订单是否是作弊服务订单的过程。可以分析至少两个数据组的可达性的确定结果,然后,可以将可达性的分析比率与预定概率进行比较,以获得检查结果。鉴于不可达性,如果处理引擎112确定大于正常行驶速度的速度存在于至少两个服务订单中,处理引擎112可以确定服务订单在时间和空间上都具有不可达性的事件。如果处理引擎112确定这种事件达到服务订单的一定比例(比例与预定概率之和为1),处理引擎112可以确定服务订单是作弊服务订单。具体地,预设概率为80%。
在本申请的一些实施方案中,优选地,收集与至少两个检查点的每个检查点相关的检查点信息可以具体执行为从乘客终端和/或司机终端收集检查点信息,并且检查点信息可以由乘客终端和/或司机终端的定位组件确定。
在一些实施例中,检查点信息可以同时从乘客终端和/或司机终端收集,并且可以不被区分。在随后的计算中,每个事件中乘客和司机的距离值和时间差值、乘客的距离值和时间差值,以及每个事件中司机的距离值和时间差值可以获得至少两个数据组。由于使用了服务订单的各种事件,因此事件可能是相关的,这样可以提高作弊的难度,便于检查,并且可以确保检查的准确性和识别性。
图9是根据本申请的一些实施例所示的用于检查作弊服务订单的示例性过程的流程图。如图9所示,用于检查作弊服务订单的过程900可以包括以下操作。
在902中,可以收集与至少两个检查点的每个检查点相关的检查点信息。至少两个检查点可以与服务订单相关。
在904中,可以基于检查点信息生成至少两个数据组。
在906中,可以确定与至少两个数据组的每个数据组相关的数据是否在预定范围内。可以基于确定与至少两个数据组的每个数据组相关的数据是否在预定范围内来确定每个数据组是否具有可达性。
在908中,可以确定是否已经确定了与所有至少两个数据组相关的可达性。如果处理引擎112已经确定了与所有至少两个数据组相关的可达性,则过程900可以进行到910。如果处理引擎112确定尚未确定与至少两个数据组中的一个相关的可达性,则过程900可以进行到906。
在910中,可以基于确定至少两个数据组的可达性的结果来确定服务订单是否是作弊服务订单。
在一些实施例中,可以通过确定是否已经确定与所有至少两个数据组相关的可达性来确保检查的全面性,从而可以提高准确度。
在本申请的一些实施例中,优选地,至少两个检查点的数量可以是至少三个。
在一些实施例中,检查点的数量可以是至少三个。由于数据组的数量比检查点的数量少一个,因此数据组的数量可以是至少两个。因此,可以避免仅基于一个数据组确定服务订单属性的情况,从而可以提高采样标准并且可以确保检查结果的可靠性。
以下将用两个具体实施例的描述来检查本申请实施例中的作弊服务订单的过程。
如图10A和图10B所示,根据一些实施例所示的用于检查作弊服务订单的过程1000可以包括以下操作。
在1002中,可以从乘客终端和/或司机终端收集与至少两个检查点的每个检查点相关的检查点信息。每个检查点信息可以包括事件名称、时间点和位置坐标。至少两个检查点可以按时间顺序排列如下:f[0]、f[1]、...、f[N]。
在1004中,可以定义m和n的变量。m和n的原始值可以设置为:n=0且m=0。
在1006中,可以将按时间顺序的两个相邻检查点f[n]和f[n+1]指定为数据组F[n]。数据组F[n]可以包括时间差值Δt、距离值s和速度值v。
在1008中,可以确定是否满足Δt>T。如果处理引擎112确定满足Δt>T,则过程1000可以进行到1010。如果处理引擎112确定满足Δt≤T,则过程1000可以从节点A 1019开始进行到图10B中所示的操作。
在1010中,可以确定对应于f[n]的统计最大速度值V1和对应于f[n+1]的统计最大速度值V2。
在1012中,可以确定是否满足|V1-V2|≤ΔV。如果处理引擎112确定满足|V1-V2|≤ΔV,则过程1000可以进行到1014。如果处理引擎112确定满足|V1-V2|>ΔV,则可以执行过程1000进行到1016。
在1014中,数据组F[n]的统计最大速度值V3可以被确定为V3=(V1+V2)/2。
在1016中,数据组F[n]的统计最大速度值V3可以被确定为V3=max{V1,V2}。
在1018中,速度阈值V可以被确定为V=(1+k)·V3,其中k是预定比率。
在1020中,可以确定是否满足v≤V。如果处理引擎112确定满足v≤V,则过程1000可以进行到1024。如果处理引擎112确定满足v>V,则过程1000可以进行到1026。然后,过程1000可以从节点B 1021开始进行到图10B中所示的操作。
在1022,可以确定是否满足s≤S,其中,S是预定距离阈值。如果处理引擎112确定满足s≤S,则过程1000可以进行到1024。如果处理引擎112确定满足s>S,则过程1000可以进行到1026。
在1024中,n可以增加1,并且m可以增加1。
在1026中,n可以增加1。
在1028中,可以确定是否满足n<N。如果处理引擎112确定满足n<N,则过程1000可以从节点C 1023开始进行到图10A中所示的操作。如果处理引擎112确定满足n≥N,则过程1000可以进行到操作1030中。
在1030中,服务订单的可达性的比率可以被确定为p=m/n。
在1032中,可以确定是否满足p≤P。如果处理引擎112确定满足p≤P,则过程1000可以进行到操作1034。如果满足p>P,则过程1000可以进行到1036。
在1034中,处理引擎112可以确定服务订单是作弊服务订单。
在1036中,处理引擎112可以确定服务订单不是作弊服务订单。
在第一具体实施例中,每次生成数据组时,可以确定其可达性。在第二特定实施例中,生成所有数据组,并且可逐渐确定每个数据组的可达性。这里不描述确定的详细操作。
图11是根据本申请的第一实施例所示的检查作弊服务订单的系统的示意框图。如图11所示,用于检查作弊服务订单的系统1100可以包括获取模块1102、计算模块1104、第一判断模块1106和第二判断模块1108。
获取模块1102可以被配置为收集与至少两个检查点的每个检查点相关的检查点信息。至少两个检查点可以与服务订单相关。
计算模块1104可以被配置为基于检查点信息生成至少两个数据组。
第一判断模块1106可以被配置为确定与至少两个数据组的每个数据组相关的数据是否在预定范围内并且基于确定与至少两个数据组的每个数据组相关的数据是否在预定范围内的结果确定每个数据组是否具有可达性。
第二判断模块1108可以被配置为基于确定至少两个数据组的可达性的结果来确定服务订单是否是作弊服务订单。
根据本申请实施例所示的提供用于检查作弊服务指令的系统1100,可以通过获取模块1102和计算模块1104获得反映服务订单状态的一系列数据;并且,通过第一判断模块1106和第二判断模块1108分层次地确定获得的数据,可以确定服务订单是否是作弊服务订单,这样可以取消相应的奖励和补贴以减少损失。一方面,司机和乘客的轨迹不能直接相互比较,因为许多终端用户拒绝在后台显示实时位置信息以保护隐私;另一方面,司机和乘客在时间和空间上都没有可达性,因为司机的许多服务订单是预先指定的且没有接载乘客,也就是说,理论上,不能在相应时间内从服务订单中事件检查点的一个位置到达事件检查点的另一个位置。在本申请实施例提供的系统中,考虑了以上两点,当执行订单操作以确定服务订单的行进数据是否具有可达性时,可以基于由司机和乘客在几个事件检查点上传的检查点信息来分析服务订单的状态。可以分析行进数据的可达性,从而可以找到其中计算量小,检查结果可靠的作弊服务订单。具体地,获取模块1102连接到通信设备(例如,服务请求者终端130、服务提供者终端140、计算设备200、移动设备300)。
在本申请的实施例中,优选地,与每个检查点相关的检查点信息可以包括事件名称、时刻以及位置坐标,且每个数据组包括时间差值、距离值以及速度值。
在一些实施例中,与每个检查点相关的检查点信息可以包括维护人员验证信息的事件名称。检查点信息还可以包括用于计算时间差值的时间点和位置坐标(通常是GPS位置)以及用于计算速度值的距离值,这有助于反映服务订单的行进状态。具体地,事件名称可包括乘客发起服务请求、司机接受服务请求、司机接载乘客、开始行进、结束行进、乘客支付、乘客评估、乘客发起后续服务请求、司机下次接受后续服务请求等。
图12是根据本申请的第二实施例所示的检查作弊服务订单系统的示意框图。如图12所示,用于检查作弊服务订单的系统1200可以包括获取模块1202、计算模块1204、第一判断模块1206和第二判断模块1208。
获取模块1202可以被配置为收集与至少两个检查点的每个检查点相关的检查点信息。至少两个检查点可以与服务订单相关。
计算模块1204可以被配置为基于检查点信息生成至少两个数据组。计算模块1204包括分组单元12042、第一计算单元12044、第二计算单元12046和第三计算单元12048。
分组单元12042可以被配置为按时间顺序排列至少两个检查点。分组单元12042可以按时间顺序指定两个相邻的检查点作为与数据组对应的检查点信息组。
第一计算单元12044可以被配置为确定与每个数据组相关的两个位置坐标之间的直线距离值。第一计算单元12044可以将所确定的直线距离值指定为每个数据组的距离值。
第二计算单元12046可以被配置为确定与数据组相关的两个时间点之间的差异。第二计算单元12046可以将所确定的差指定为每个数据组的时间差值。
第三计算单元12048可以被配置为基于时间差值和每个数据组的距离值来确定商。第三计算单元12048可以将确定的商指定为每个数据组的速度值。
第一判断模块1206可以被配置为确定与至少两个数据组的每个数据组相关的数据是否在预定范围内。第一判断模块1206可以基于确定与至少两个数据组的每个数据组相关的数据是否在预定范围内的结果来确定每个数据组是否具有可达性。
第二判断模块1208可以被配置为基于确定至少两个数据组的可达性的结果来确定服务订单是否是作弊服务订单。
在一些实施例中,可以具体定义计算模块1204的构造。按时间顺序收集的两个相邻检查点可以由分组单元12042指定为检查点信息组。一方面,两个相邻检查点之间的距离很小,可能更真实地反映出行进状况;另一方面,在分组后,至少两个事件可能是相关的,并且在服务订单被伪造的时间上可能存在错误,这使得在时间和空间上都没有可达性并且可以检查服务订单,这样可以提高检查的准确性和识别性。然后,可以由第一计算单元12044、第二计算单元12046和第三计算单元12048计算检查点信息组,以获得相应的数据组。具体地,第一计算单元12044、第二计算单元12046和第三计算单元12048可以是相同的判断单元。
图13是根据本申请的第三实施例所示的检查作弊服务订单系统的示意框图。如图13所示,用于检查作弊服务订单的系统1300可以包括获取模块132、计算模块134、第一判断模块136和第二判断模块138。
获取模块132可以被配置为收集与至少两个检查点的每个检查点相关的检查点信息。至少两个检查点可以与服务订单相关。
计算模块134可以被配置为基于检查点信息生成至少两个数据组。
第一判断模块136可以被配置为确定与至少两个数据组的每个数据组相关的数据是否在预定范围内。第一判断模块136可以基于确定与至少两个数据组的每个数据组相关的数据是否在预定范围内的确定结果来确定每个数据组是否具有可达性。第一判断模块136可以包括第一判断单元1362、评估单元1364、第二判断单元1366和第三判断单元1368。
第一判断单元1362可以被配置为确定每个数据组的时间差值是否大于第一预定时间差阈值。
评估单元1364可以被配置为确定对应于每个数据组的统计最大速度值。如果第一判断单元1362的确定结果为是,则评估单元1364可以确定与每个数据组相关的速度阈值。可以基于服务订单当天的实际道路状况来确定统计最大速度值。
第二判断单元1366可以被配置为确定数据组的速度值是否小于或等于速度阈值。如果数据组的速度值小于或等于速度阈值,则第二判断单元1366可以确定数据组具有可达性。
如果每个数据组的时间差值小于或等于第一预定时间差阈值,第三判断单元1368可以被配置为确定数据组的距离值是否小于或等于预定距离阈值。如果数据组的距离值小于或等于预定距离阈值,第三判断单元1368可以确定数据组具有可达性。
第二判断模块138可以被配置为基于确定至少两个数据组的可达性的结果来确定服务订单是否是作弊服务订单。
在该实施例中,可以具体定义第一判断模块136的构造。鉴于在现实世界中,一定区域内的一段时间内,空间距离、交通复杂情况、天气情况等都会制约人从某一地点到另一个地点的最快速度和最短时间,可以利用全量的数据统计城市的行车的速度在城市的时间和空间的分布情况。如果每个时间段的乘客和司机的速度大于行进过程中城市中的实际分布的速度,此服务订单在时间和空间上可能没有实际可达性。在具体确定中,可以首先由第一判断单元1362确定时间差值,并且可以选择合理的第一预定时间差值。数据组可以分为两种情况并分别检查:一种是行进一定距离的情况,例如对应于行进开始和行进结束的数据组;另一种是没有行进的情况,例如对应于司机接载乘客和行进开始的数据组。对于第一种情况,数据组的可达性可以通过评估单元1364确定在城市中的总行进速度的统计结果并且通过第二判断单元1366将统计结果与数据组相关的速度值进行比较来确定。对于第二种情况,在不涉及评估单元1364的情况下,可以将距离值与通过第三判断单元1368预定的距离阈值进行比较,从而合理地减少了系统操作量。具体地,第一判断单元1362、第二判断单元1366和第三判断单元1368可以是相同的判断单元。
图14是根据本申请的第四实施例所示的检查作弊服务订单系统的示意框图。如图14所示,用于检查作弊服务订单的系统1400可以包括获取模块142、计算模块144、第一判断模块146和第二判断模块148。
获取模块142可以被配置为收集与至少两个检查点的每个检查点相关的检查点信息。至少两个检查点可能与服务订单相关。
计算模块144可以被配置为基于检查点信息生成至少两个数据组。
第一判断模块146可以被配置为确定与至少两个数据组的每个数据组相关的数据是否在预定范围内。第一判断模块146可以基于确定与至少两个数据组的每个数据组相关的数据是否在预定范围内的确定结果来确定每个数据组是否具有可达性。第一判断模块可以包括第一判断单元1462、评估单元1464、第二判断单元1466、第三判断单元1468。
第一判断单元1462可以被配置为确定每个数据组的时间差值是否大于第一预定时间差值。
评估单元1464可以被配置为确定对应于每个数据组的统计最大速度值。如果每个数据组的时间差值大于第一预定时间差阈值,则评估单元1464可以确定与每个数据组相关的速度阈值。可以基于服务订单当天的实际道路状况来确定统计最大速度值。评估单元1464可以包括第一判断单元146402、查询单元146404、第四判断单元146406、第二确定单元146408、第三确定单元146410、第四确定单元146412。
第一判断单元146402可以被配置为分别确定时间段和地理区域。与两个相应检查点的信息相关的两个时间点可以属于该时间段。与两个相应检查点的信息相关的两个位置坐标可以位于地理区域中。
查询单元146404可以被配置为确定时间段和地理区域中的一个或多个统计最大速度值。
第四判断单元146406可以被配置为确定对应于两个时间点的两个统计最大速度值之间的速度值的差值是否小于或等于预定差值。
如果处理引擎112确定对应于两个时间点的两个统计最大速度值之间的速度差值小于或等于预定差值,则第二确定单元146408可以被配置为将两个统计最大速度值的平均值指定为统计最大速度值。
如果处理引擎112确定对应于两个时间点的两个统计最大速度值之间的速度差值大于预定差值,则第三确定单元146410可以被配置为将两个统计最大速度值中较大的一个指定为统计最大速度值。
第四确定单元146412可以被配置为通过将统计最大速度值乘以预定比率来确定速度阈值。
第二判断单元1466可以被配置为确定数据组的速度值是否小于或等于速度阈值。如果数据组的速度值小于或等于速度阈值,则第二判断单元1466可以确定数据组具有可达性。
如果处理引擎112确定每个数据组的时间差值小于或等于第一预定时间差阈值,则第三判断单元1468可以被配置为确定数据组的距离值是否小于或等于预定距离阈值。如果处理引擎112确定数据组的距离值小于或等于预定距离阈值,则第三判断单元1468可以确定数据组具有可达性。
第二判断模块148可以被配置为基于确定至少两个数据组的可达性的结果来确定服务订单是否是作弊服务订单。
在该实施例中,可以具体地定义评估单元1464的构造。由于基于时间段和地理区域统计地确定在城市中的行进速度。例如,城市被划分为至少两个地理区域,并且可以统计地确定不同时间段中的每个地理区域中的行进速度,其中时间段是预先划分的,例如早晚高峰时段、白天和晚上时间。不同的检查点信息可以属于不同的时间段或地理区域。因此,可以首先由第一判断单元146402确定与两个检查点的信息对应的时间段和地理区域,那么相应的统计最大速度值可以由评估单元146404确定,然后,数据组的统计最大速度值可以由第四判断单元146406、第二确定单元146408和第三确定单元146410确定。如果处理引擎112确定其差值小,处理引擎112可以将两个统计最大速度值的平均值指定为统计最大速度值,以准确地反映实际交通分布。如果处理引擎112确定其差值大,处理引擎112可以将两个统计最大速度值中较大的一个指定为统计最大速度值,以避免错误确定。通过第四确定单元146412将所确定的统计最大速度值乘以预定比率,可以补偿由于定位误差引起的较大速度值,以避免错误确定并确保用户的兴趣。在一些实施例中,预定比率可以是20%。具体地,第一判断单元146402、第二确定单元146408、第三确定单元146410和第四确定单元146412可以是相同的判断单元。
图15是根据本申请的第五实施例所示的检查作弊服务订单系统的示意框图。如图15所示,用于检查作弊服务订单的系统1500可以包括获取模块152、计算模块154、第一判断模块156和第二判断模块158。
获取模块152可以被配置为收集与至少两个检查点的每个检查点相关的检查点信息。至少两个检查点可能与服务订单相关。
计算模块154可以被配置为基于检查点信息生成至少两个数据组。
第一判断模块156可以被配置为确定与至少两个数据组的每个数据组相关的数据是否在预定范围内。第一判断模块156可以基于确定与至少两个数据组的每个数据组相关的数据是否在预定范围内来确定每个数据组是否具有可达性。
第二判断模块158可以被配置为基于确定至少两个数据组的可达性的结果来确定服务订单是否是作弊服务订单。第二判断模块158可以包括第四计算单元1582和第四判断单元1584。
第四计算单元1582可以被配置为确定具有可达性的至少两个数据组的比例作为服务订单的可达性的比率。
第四判断单元1584可以被配置为确定数据组的可达性的比率是否小于或等于预定概率。如果数据组的可达性的比率小于或等于预定概率,则第四判断单元1584可以确定服务订单是作弊服务。
在该实施例中,可以具体地定义第二判断模块158的构造。可以通过第四计算单元1582分析第一判断模块156的至少两个数据组的可达性的确定结果,然后,可以通过第四判断单元1584将可达性的分析比率与预定概率进行比较,以获得检查结果。鉴于不可达性,如果处理引擎112确定大于正常行驶速度的速度存在于至少两个服务订单中,处理引擎112可以确定服务订单具有在时间和空间上都具有不可达性的事件。如果处理引擎112确定这种事件达到服务订单的一定比例(比例与预定概率的和为1),处理引擎112可以确定服务订单是作弊服务订单。具体地,预设概率为80%。
在本申请的一些实施例中,优选地,获取模块可以具体地被配置为从乘客终端和司机终端收集检查点信息。
在一些实施例中,可以同时从乘客终端和/或司机终端收集检查点信息,且可能没有区别。在随后的计算中,乘客和司机的距离值和时间差值、每个事件中乘客的距离值和时间差值,以及每个事件中司机的距离值和时间差值可以获得至少两个数据组。由于使用了服务订单的各种事件,因此事件是相关的,从而可以提高作弊的难度,可以促进检查,并且可以确保检查的准确性和识别。
图16是根据本申请的一些实施例所示的用于检查作弊服务订单的示例性系统的示意性框图。如图16所示,用于检查作弊服务订单的系统1600可以包括获取模块1602、计算模块1604、第一判断模块1606、第二判断模块1610和第三判断模块1608。
获取模块1602可以被配置为收集与至少两个检查点的每个检查点相关的检查点信息。至少两个检查点可能与服务订单相关。
计算模块1604可以被配置为基于检查点信息生成至少两个数据组。
第一判断模块1606可以被配置为确定与至少两个数据组的每个数据组相关的数据是否在预定范围内。第一判断模块1606可以基于确定与至少两个数据组的每个数据组相关的数据是否在预定范围内的确定结果来确定每个数据组是否具有可达性。
第三判断模块1608可以被配置为确定是否已经确定了与所有至少两个数据组相关的可达性。如果已经确定了与所有至少两个数据组相关的可达性,则可以激活第二判断模块1610。如果尚未确定与至少两个数据组中的一个相关的可达性,则可以激活第一判断模块1606。
第二判断模块1610可以被配置为基于确定至少两个数据组的可达性的结果来确定服务订单是否是作弊服务订单。
在一些实施例中,通过确定是否已经通过添加第三判断模块1608确定了与所有至少两个数据组相关的可达性,可以确保检查的全面性,从而可以提高准确性。
在本申请的一些实施例中,优选地,至少两个检查点的数量可以是至少三个。
在一些实施例中,检查点的数量可以是至少三个。由于数据组的数量比检查点的数量少一个,数据组的数量可以是至少两个。因此,可以避免仅基于一个数据组确定服务订单的属性的情况,从而可以提高采样标准并且可以确保检查结果的可靠性。
图17是根据本申请的一些实施例所示的终端设备的示意性框图。如图17所示,根据上述任一实施例,终端设备1700可以包括用于检查作弊服务订单的系统1702。
由本申请的实施例提供的终端设备1700可以包括根据上述任一实施例,用于检查的作弊服务订单的系统1702,因此,系统1702具有检查作弊服务订单的所有有益技术效果,这里不再赘述。
本申请的一些实施例可以提供计算机可读存储介质。计算机程序可以存储在计算机可读介质中。如果处理引擎112确定计算机程序由处理器执行,处理引擎112可以执行任何上述实施例中描述的过程操作。
在本申请的实施例提供的计算机可读存储介质中,如果处理引擎112确定存储的计算机程序由处理器执行,处理引擎112可以执行上述任一实施例中描述的过程的操作,因此,可以拥有检查作弊服务订单的过程的所有有益技术效果,这里将不再描述。
以上参考附图详细描述了本申请的实施例的技术方案。本申请的实施例可以提供用于检查作弊服务订单的技术方案,其中可以使用全部数据来计算每个时间段内城市中每个区域的实际交通分布,以分析服务订单的时间和空间的可达性。由于作弊者缺乏实际交通条件的实时数据,因此,在事件的检查点处的假服务订单的距离值和时间差值可能是错误的,使得时间和空间不可达。使得判断更加精确。
图18是根据本申请的一些实施例所示的用于网约车场景中识别作弊服务订单的示例性过程的流程图。
参考图18,以网约车场景中识别作弊服务订单的过程为例,该过程可以包括以下操作。过程1800可以应用于网约车平台(例如,线上至线下服务系统100、处理引擎112)。
在1802中,可以获得服务订单的开始位置和目的地。可以基于起始位置和目的地来确定建议行驶路径。
在一些实施例中,网约车平台可以获得司机接收的服务订单的起始位置和目的地,并且可以基于起始位置和目的地生成建议行驶路径。例如,建议行驶路径可以通过调用地图API来生成,该地图API可以参考现有技术,并且将不在本申请中描述。
在1804中,可以基于建议行驶路径确定参考行驶信息。
在一些实施例中,参考行驶信息可用于与对应于服务订单的实际行驶信息进行比较。参考行驶信息还可以用于确定服务订单是否是作弊服务订单。参考行驶信息可包括:参考时间段,在参考时间段内,加速度等于第一预定值;以及对应于建议行驶路径的至少两个段中的一个段的参考行驶轨迹。
在1806中,可以确定服务订单的实际行驶信息。
在一些实施例中,网约车平台可以在完成服务订单的过程中接收由司机终端上传的各种行驶数据。网约车平台可以基于行驶数据确定与服务订单相对应的实际行驶信息。例如,网约车平台可以确定实际时间段,在实际时间段内加速度等于第一预定值。
在1808中,可以基于参考行驶信息和实际行驶信息来确定服务订单是否是作弊服务订单。
从上面可以看出,在本申请中,可以基于建议行驶路径确定参考行驶信息,然后可以基于司机的实际行驶信息与参考行驶信息的比较结果来确定服务订单是否是作弊服务订单。因此,可以有效且准确地识别作弊服务订单。
在下文中,将通过以下示例来描述本申请的实施过程:参考行驶信息是参考时间段,参考时间段内,加速度等于第一预定值,或者是对应于建议行驶路径的至少两个段中的每个段的参考行驶轨迹。
参考行驶信息可包括参考时间段,在此期间加速度等于第一预定值。
参考图19,根据该实施例所示的用于网约车场景中识别作弊服务订单的过程,可以包括以下操作。
在1902中,可以基于与建议行驶路径相关的拥挤状况来确定第一参考时间段,在第一参考时间段内加速度等于第一预定值。
在一些实施例中,第一预定值可以由开发者设置,并且下文中的描述可以以第一预定值为0作为示例来进行。当然,第一预定值可以是其他值。例如,第一预定值可以是小值。
在一些实施例中,如果处理引擎112确定加速度是小值(例如,0),则处理引擎112可以识别两种情况:静止状态和恒速行驶状态。由于汽车的速度可能受到道路条件、实际应用中的交通状况的影响,汽车可能难以以恒速行驶状态行驶。因此,如果处理引擎112确定加速度为0,则处理引擎112可确定汽车处于静止状态。
在一些实施例中,可以基于与建议行驶路径相关的拥堵状况来确定在由司机完成服务订单的过程期间由于拥挤而加速度为0的时间段。为了便于区分,这个时间段在本文中可以称为本申请中的第一参考时间段。
例如,如果处理引擎112确定建议行驶路径不拥挤,则处理引擎112通常可以确定第一参考时间段是0。
可选地或另外地,如果处理引擎112确定建议行驶路径是500米的拥堵,则处理引擎112可以基于拥挤程度和拥挤道路的长度来确定第一参考时间段。例如,如果处理引擎112确定500米的拥堵是轻微的拥堵程度(对应于慢速行驶),则处理引擎112可以确定第一参考时间段可以是0。又例如,如果处理引擎112确定500米的拥堵具有严重的拥堵程度,则处理引擎112可以基于拥堵道路的交通速度来确定第一参考时间段。
应该注意的是,由于道路的拥堵状况通常随时间而变化,为了保证第一参考时间段的准确性,可以重新计算尚未通过并且加速度为0的路径的参考时间段以更新第一参考时间段。例如,可以周期性的重新计算第一参考时间段。
在1904中,基于与建议行驶路径相关的交叉口信息(例如,交叉口处的交通灯、由交叉口处的交通灯引起的估计等待时间)来确定第二参考时间段,在第二参考时间段内,加速度等于第一预定值。
在一些实施例中,与建议行驶路径相关的交叉口信息可包括红灯状态的时间段。如果处理引擎112确定某个交叉路口没有交通信号灯,则处理引擎112可以确定红灯状态的时间段是0。
在一些实施例中,可以基于与建议行驶路径相关的交叉点信息来确定由于在通过建议行驶路径的行驶过程中的红灯状态而加速度为0的时间段。为了便于区分,这个时间段在这里可以称为本申请中的第二参考时间段。
例如,可以将与每个交叉点相关的红灯状态的时间段的总和指定为第二参考时间段。当然,在实际行驶过程中,每个交叉路口遇到红灯状态的可能性很小,因此,可以将与每个交叉点相关的红灯状态的时间段的总和乘以预定比例,以获得第二参考时间段。例如,预定比例可以是0.7或0.8等。
在1906中,第一参考时间段和第二参考时间段的总和可被指定为参考时间段,在参考时间段内,加速度等于第一预定值。
在一些实施例中,如果处理引擎112确定第一参考时间段是2分钟而第二参考时间段是5分钟,处理引擎112可以确定加速度为0的参考时间段是7分钟。
在1908中,可以基于与司机终端上传的加速度相关的信息来确定实际时间段,在实际时间段内,加速度等于第一预定值。
在一些实施例中,在由司机终端完成服务订单的过程中,司机终端的加速度可以从司机终端的传感器获得并发送到网约车平台。例如,通过嵌入程序,司机终端可以周期性地获得加速度(例如,5秒、8秒等)。由于诸如移动电话的终端通常在车辆行驶过程中被放入车辆中,因此司机终端的加速度也可以表示车辆的加速度。
网约车平台可以基于由司机终端周期性上传的加速度来确定加速度为0的实际时间段。例如,如果处理引擎112确定上传加速度的时间为5秒,司机终端在第0秒上传的加速度为0,司机终端在第五秒上传的加速度为0,司机终端在第十秒上传的加速度不为0,则处理引擎112可以确定加速度为0的实际时间段至少在0到10秒内的5秒。当然,在实际应用中,加速度为0的实际时间段可以基于司机终端上传的加速度,由其他过程确定。
在一些实施例中,由于有关加速度的信息是由司机终端从司机终端的传感器获得的并且精度高,可以有效避免因恶意软件模拟速度和其他行驶数据而无法识别作弊服务订单的问题。
在1910中,可以确定在加速度等于第一预定值的参考时间段和实际时间段之间的时间差的绝对值是否大于第二预定时间差阈值。如果处理引擎112确定时间差的绝对值大于第二预定时间差阈值,则过程1900可以进行到1912。
在一些实施例中,可以确定参考时间段和加速度为0的实际时间段之间的时间差。可以将时间差的绝对值与第二预定时间差阈值进行比较。如果处理引擎112确定服务订单是真实订单,并且司机根据建议行驶路径执行服务订单,处理引擎112可以确定在加速度为0的实际时间段与参考时间段之间存在的一些时间差。如果处理引擎112确定时间差较大,处理引擎112可以确定车辆处于静止状态的时间长,这可以被确定为异常。司机可能在没有执行命令的情况下欺骗作弊服务令的补贴。
因此,在该操作中,如果处理引擎112确定时间差的绝对值小于或等于第二预定时间差阈值,则处理引擎112可以确定司机已经执行了服务订单且服务订单不是作弊服务订单。如果处理引擎112确定时间差的绝对值大于第二预定时间差阈值,则过程1900可以进行到1912。
在一些实施例中,第二预定时间差阈值可以由开发者设置,或者可以是固定值。例如,第二预定时间差阈值可以是10分钟或20分钟。第二预定时间差阈值也可以是动态值。例如,第二预定时间差阈值可以与行驶时间正相关。如果处理引擎112确定行驶时间长,在加速度为0的参考时间段和实际时间段之间的时间差的绝对值可以很大,处理引擎112可以设置大的第二预定时间差值。如果处理引擎112确定行驶时间短,并且参考时间段和加速度为0的实际时间段之间的时间差的绝对值可以很小,则处理引擎112可以设置小的第二预定时间差阈值。
在1912中,处理引擎112可以确定服务订单是作弊服务订单。
基于操作1910的确定结果,如果处理引擎112确定加速度等于第一预定值的参考时间段与实际时间段之间的时间差的绝对值大于第二预定时间差阈值,处理引擎112可以确定相应的服务订单可以作为作弊服务订单。网约车平台可采取相应措施。例如,措施可以包括司机的标记是负面的、取消服务订单的授予等。
从以上可以看出,在本申请中,可以基于从司机终端的传感器获得的加速度来确定作弊服务订单。由于传感器中的加速度数据不容易被作弊软件模拟,因此用于确定本申请提供的作弊服务订单的过程可以具有高精度。因此,可以有效且准确地识别作弊服务订单。
值得注意的是,在实际应用中,如果网约车平台为服务订单生成建议行驶路径后,司机可能不按照该建议行驶路径行驶。根据相关技术,如果处理引擎112确定司机偏离建议行驶路径,则处理引擎112可以重新设计新路径。然而,用于确定参考信息的建议行驶路径可以是与司机的实际行驶路径匹配的建议行驶路径。建议行驶路径可以不一定是基于起始位置和目的地首先生成的建议行驶路径,并且可以是在基于车辆的实际行驶路径重新设计之后获得的行驶路径。
执行操作1902,操作1904和操作1908的顺序不限于该实施例。在另一实施例中,网约车平台可首先执行操作1904。
参考行驶信息可以是与建议行驶路径的至少两个段中的每个段相对应的参考行驶轨迹。
目前,一些作弊软件可以模拟服务订单的行驶路径,因此增加了识别网约车平台的作弊服务订单的难度。作弊软件模拟的行驶路径可以与实际路径的形状相匹配。例如,如果行驶路径是直线,则由作弊软件模拟的行驶路径也可以是直线。然而,在实际应用中,由于并线超车等因素,即便是在笔直的道路上,车辆的行驶轨迹也不可能完全是直线。因此,可以基于由司机终端上传的行驶轨迹坐标和路径的参考行驶轨迹来识别作弊服务订单。
参考图20,根据该实施例所示的用于网约车场景中识别作弊服务订单的过程可以包括以下操作。
在2002中,建议行驶路径可划分为一个或多个段。
在一些实施例中,所生成的建议行驶路径通常可以是至少两个坐标点的集合。在划分区段时,可以选择三个相邻点,可以确定由中点形成的矢量与其他两个点之间的角度。可以基于角度确定三个点是否被划分为相同的段。
参考图21中的示例,可以假设点A、点B和点C是建议行驶路径中的三个相邻点,可以基于点A、点B和点C的位置坐标确定矢量AB和矢量BC之间的角度。
如果处理引擎112确定角度大于预定角度,处理引擎112可以确定点A、点B和点C属于同一段。在图21的示例中,矢量AB和矢量BC之间的角度是180度,其大于预定角度,使得点A、点B和点C可以被确定为属于相同的段。
如果处理引擎112确定角度小于预定角度,处理引擎112可以确定点A、点B和点C属于不同的段。点A、点B和点C可以用点B作为转折点。点A和点C可以划分成不同的段。当然,可以用点A或点C作为转折点进行分段。在图22的示例中,矢量AB和矢量BC之间的角度是90度,其小于预定角度以便确定点A、点B和点C属于不同的段,然后进行分段。
可以由开发者基于实际道路状况来设置预定角度。预定角度可以是120度或135度。
当然,建议行驶路径可能会被其他程序划分。
在2004中,对于一个或多个段中的每个段,可以确定与一个或多个段中的每个段相关的参考拟合函数。参考拟合函数可以被指定为对应于一个或多个段中的每个段的参考行驶轨迹。
基于操作2002,在行驶建议行驶路径之后,可以针对一个或多个段中的每个段确定与一个或多个段中每个段中的每个点相关的拟合函数,也就是说,可以基于一个或多个段中的每个段中的每个点来生成拟合函数。拟合函数可以被指定为对应于一个或多个段中的每个段的参考行驶轨迹。
在一些实施例中,可以通过使用最小二乘法,贝塞尔算法等来确定拟合函数。
基于本方法,可以分别为建议行驶路径上的一个或多个段的每个段生成参考行驶轨迹。如果处理引擎112确定建议行驶路径可包括四个段,则处理引擎112可相应地产生四个参考行驶轨迹。
在2006中,可以获得司机终端在完成服务订单的过程中上传的坐标点。
在一些实施例中,在由司机终端完成服务订单的过程中,可以获得终端的坐标点并将其发送到网约车平台。例如,通过嵌入程序,司机终端可以周期性地获得并上传坐标点(例如,5秒、8秒等)。
在2008中,对于一个或多个段中的每个段,可以确定属于至少两个段中的每个段的坐标点与对应于至少两个段中的每个段的参考行驶轨迹之间的误差。
根据2004年和2006年的操作,对于一个或多个段中的每个段,网约车平台可以确定属于至少两个段中的每个段的坐标点和对应于参考行驶轨迹的误差。
在一些实施例中,对于由司机终端上传的坐标点,可以首先确定该坐标点所属的段,然后可以确定误差。
例如,确定坐标点所属段的过程可以指在操作2002和2004中划分建议行驶路径的过程。即,可以划分由司机终端上传的坐标点,以将由司机终端上传的实际行驶路径划分为一个或多个段。划分的段可以与建议行驶路径的段相匹配。
可选地或另外地,对于由司机终端上传的坐标点,可以确定最接近建议行驶路径上的坐标点的点。该点所属的段可以被指定为由司机终端上传的坐标点所属的段。
当然,由司机终端上传的坐标点所属的段可以由其他过程来确定。本申请不是限制性的。
在一些实施例中,可以确定坐标点和对应于坐标点所属的段的参考行驶轨迹之间的距离。可以将坐标点与对应的参考行驶轨迹之间距离的平均距离指定为坐标点与对应于每个段的对应参考行驶轨迹之间的误差。
参考图23,仍以图22中所示的建议行驶路径为例,线路AC可以是对应于该段的参考行驶轨迹。点A1、点B1和点C1可以分别对应于司机终端上传的坐标点。在一些实施例中,可以确定点A1、点B1和点C1到线AC所在的线的距离。可以假设相应的值是L1、L2和L3,然后,L1、L2和L3的平均距离可以被指定为属于该段的坐标点与对应于该段的参考行驶轨迹之间的误差。
图23仅仅是说明性的,并且对应于每个段的参考行驶轨迹可以是实际应用中的曲线。
在2010中,可以基于一个或多个段中的每个段的误差来确定至少两个段中的每个段的平均误差。
在2012中,可以基于平均误差小于误差阈值的确定结果来确定服务订单是作弊服务订单。
如果处理引擎112确定建议行驶路径包括四个段,则对于每个段,处理引擎112可以确定误差的平均值,即,属于每个段的坐标点和对应于每个段的参考行驶轨迹之间的平均误差。
在一些实施例中,可以基于平均误差和误差阈值之间的关系来识别作弊服务订单。通常,如果处理引擎112确定平均误差等于或大于误差阈值,处理引擎112可以认为在完成服务订单的过程中,由司机终端上传的行车路径和建议行驶路径的形状存在较大差异,该过程与车辆的实际行驶轨迹相匹配。因此,可以确定服务订单不是作弊服务订单。如果处理引擎112确定平均误差小于误差阈值,处理引擎112可以认为在完成服务订单的过程中,由司机终端和建议行驶路径上传的行车路径的形状存在细微差别,其与车辆的实际行驶轨迹不匹配,可能是作弊软件模拟的行驶轨迹。因此,可以确定服务订单是作弊服务订单。
误差阈值可以由开发者设置。误差阈值可以是5米或10米。
从以上可以看出,在本申请中,可以基于在完成服务订单的过程期间由司机终端上传的坐标点与参考行驶轨迹之间的误差来确定作弊服务订单。因此,可以有效且准确地识别作弊服务订单。
可选地或另外地,可以基于用于划分由司机终端上传的坐标点的过程来确定划分坐标点的段的数量。如果处理引擎112确定段的数量大于或等于预定数量,例如20、30,则处理引擎112可以确定由司机终端上传的行驶路径与车辆的实际行驶轨迹相匹配。可以确定服务订单不是作弊服务订单。因此,可能不需要误差确定,并且可以节省网约车平台的处理资源。
如果处理引擎112确定段的数量小于预定数量,则处理引擎112可以执行确定参考拟合函数,并确定误差并识别作弊服务订单的操作。
执行操作2002和操作2006的顺序可以不限于该实施例。在另一实施例中,网约车平台可以首先执行操作2006,或者通过使用并行线程并行地执行操作2002和操作2006。
对应于网约车场景中识别作弊服务订单的过程,本申请还可以提供一种网约车场景中识别作弊服务订单的设备。
参考图24,可以提供在网约车场景中的作弊服务订单的识别设备。识别设备2400可以包括路径生成单元2402、参考信息确定单元2404、实际信息确定单元2406和作弊判断单元2408。
路径生成单元2402可以被配置为获得服务订单的开始位置和目的地。然后,路径生成单元2402可以基于起始位置和目的地生成建议行驶路径。
在一些实施例中,网约车平台可以获得司机接受的服务订单的起始位置和目的地,并且可以基于起始位置和目的地生成建议行驶路径。例如,建议行驶路径可以通过调用地图API来生成,该地图API可以参考现有技术,并且将不在本申请中描述。
参考信息确定单元2404可以被配置为基于建议行驶路径确定参考行驶信息。
在一些实施例中,参考行驶信息可用于与对应于服务订单的实际行驶信息进行比较。参考行驶信息还可以用于确定服务订单是否是作弊服务订单。参考行驶信息可包括:加速度等于第一预定值的参考时间段,以及对应于建议行驶路径的至少两个段中的一个段的参考行驶轨迹。
实际信息确定单元2406可以被配置为确定服务订单的实际行驶信息。
在一些实施例中,网约车平台可以在完成服务订单的过程中接收由司机终端上传的各种行驶数据,并基于行驶数据确定与服务订单相对应的实际行驶信息。比如:加速度为所述第一预定值的实际时间段等。
作弊判断单元2408可以被配置为基于参考行驶信息和实际行驶信息确定服务指令是否是作弊服务订单。
从以上可以看出,在本申请中,可以基于建议行驶路径确定参考行驶信息,然后,可以基于司机的实际行驶信息与参考行驶信息的比较结果来确定服务订单是否是作弊服务订单。因此,可以有效且准确地识别作弊服务订单。
在一些实施例中,参考行驶信息可包括参考时间段,在此期间加速度等于第一预定值。
所述真实行驶信息包括实际时间段,在实际时间段内,加速度等于所述第一预定值;
如果作弊判断单元2408确定加速度等于第一预定值的参考时间段和实际时间段之间的时间差的绝对值大于第二预定时间差阈值,则作弊判断单元2408可以被配置为确定服务订单是作弊服务订单。
在一些实施例中,参考信息确定单元2404可以被配置为确定第一参考时间段,在此期间加速度等于基于与建议行驶路径相关的拥挤条件的第一预定值。
在一些实施例中,参考信息确定单元2404可以基于与建议行驶路径相关的交叉点信息确定加速度等于第一预定值的第二参考时间段。
参考信息确定单元2404可以将第一参考时间段和第二参考时间段的总和指定为参考时间段,在此期间加速度等于第一预定值。
在一些实施例中,实际信息确定单元2406可以基于与司机终端上传的加速度相关的信息,确定实际时间段,在实际时间段内,加速度等于第一预定值。可以由司机终端从终端的传感器获得与加速度相关的信息。
在一些实施例中,第一预定值可以是0。
从以上可以看出,在本申请中,可以基于从司机终端的传感器获得的加速度来确定作弊服务订单。由于传感器中的加速度数据不容易被作弊软件模拟,因此用于确定本申请提供的作弊服务订单的过程可以具有高精度。因此,可以有效且准确地识别作弊服务订单。
在一些实施例中,参考行驶信息可包括对应于建议行驶路径的至少两个段中的一个段的参考行驶轨迹。
所述真实行驶信息包括:司机终端在完成订单的过程中上传的坐标点。
对于一个或多个的段的每个段,作弊判断单元2408可以被配置为确定属于至少两个段中的每个段的坐标点与对应于至少两个段中的每个段的参考行驶轨迹之间的误差。作弊判断单元2408可以基于误差确定至少两个段中的每个段的平均误差。作弊判断单元2408可以响应于确定平均误差小于误差阈值的情况下确定服务订单是作弊服务订单。
在一些实施例中,参考信息确定单元2404可被配置为将建议行驶路径划分为一个或多个段。对于一个或多个段中的每个段,参考信息确定单元2404可以确定与一个或多个段中的每个段相关的参考拟合函数。参考信息确定单元2404可以将参考拟合函数指定为与一个或多个段中的每个段相对应的参考行驶轨迹。
在一些实施例中,实际信息确定单元2406可以被配置为确定属于至少两个段中的每个段的坐标点与对应于至少两个段中的每个段的参考行驶轨迹之间的距离。实际信息确定单元2406可以指定属于至少两个段中的每个段的坐标点与对应于至少两个段中的每个段的参考行驶轨迹之间的距离的平均距离作为误差。
在一些实施例中,作弊判断单元2408可以被配置为基于实际行驶信息确定实际行驶路径的段的数量。如果段的数量大于或等于预定数量,作弊判断单元2408可以基于参考行驶信息和实际行驶信息确定服务订单不是作弊服务订单。
从以上可以看出,在本申请中,可以基于在完成服务订单的过程期间由司机终端上传的坐标点与参考行驶轨迹之间的误差来确定作弊服务订单。因此,可以有效且准确地识别作弊服务订单。
对于上述设备中各单元功能的具体实现,可以参见上述流程中相应操作的实现过程,此处不再赘述。
对于设备的一些实施例,可以参考过程的实施例的部分描述,因为它基本上对应于该过程的实施例。上述设备的实施例仅是示例,其中示出为单独部件的单元可以或可以不是物理上分离的,示出为单元的部件可以是或可以不是物理单元,也就是说,可以位于一个地方或分布到至少两个网络元素。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员可以理解和实施这些实施例而无需进一步的创造性努力。
上述实施例阐明的系统、设备、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。典型的实现设备可以是计算机。计算机的具体形式可以是个人计算机、笔记本电脑、蜂窝电话、相机电话、智能电话、个人数字助理、介质播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或其任意组合。
对应于网约车场景中识别作弊服务订单的过程,本申请还提供了一种计算机可读存储介质,其中存储有计算机程序。当由处理器执行时,处理引擎112可以指示计算机程序执行以下操作。
可以获得服务订单的开始位置和目的地。可以基于起始位置和目的地来确定建议行驶路径。可以基于建议行驶路径确定参考行驶信息。可以确定服务订单的实际行驶信息。
可以基于参考行驶信息和实际行驶信息来确定服务订单是否是作弊服务订单。在一些实施例中,参考行驶信息可包括参考时间段,在此期间加速度等于第一预定值。
所述真实行驶信息包括实际时间段,在此期间加速度等于第一预定值。
如果处理引擎112确定加速度等于第一预定值的参考时间段与实际时间段之间的时间差的绝对值大于第二预定时间差阈值,处理引擎112可以指示计算机程序确定服务订单是作弊服务订单。
在一些实施例中,处理引擎112可以指示计算机程序基于与建议行驶路径相关的拥挤状况来确定加速度等于第一预定值的第一参考时间段。
处理引擎112可以指示计算机程序基于与建议行驶路径相关的交叉口信息确定加速度等于第一预定值的第二参考时间段。
处理引擎112可以指示计算机程序将第一参考时间段和第二参考时间段的总和指定为参考时间段,在此期间加速度等于第一预定值。
处理引擎112可以指示计算机程序基于与司机终端上传的加速度相关的信息来确定实际时间段,在实际时间段内加速度等于第一预定值。可以由司机终端从终端的传感器获得与加速度相关的信息。
在一些实施例中,第一预定值可以是0。
在一些实施例中,参考行驶信息可包括对应于建议行驶路径的至少两个段中的每个段的参考行驶轨迹。
所述真实行驶信息包括:司机终端在完成订单的过程中上传的坐标点。
对于一个或多个的段的每个段,处理引擎112可以指示计算机程序确定属于一个或多个段中的每个段的坐标点与对应于一个或多个段中的每个段的参考行驶轨迹之间的误差。
处理引擎112可以指示计算机程序基于误差,来确定至少两个段中的每个段的平均误差。
处理引擎112可以指示计算机程序响应于确定平均误差小于误差阈值时确定服务订单是作弊服务订单。
处理引擎112可指示计算机程序将建议行驶路径划分为一个或多个段。
对于一个或多个的段的每个段,处理引擎112可指示计算机程序确定与一个或多个段中的每个段相关的参考拟合函数,并将参考拟合函数指定为对应于一个或多个段中的每个段的参考行驶轨迹。
处理引擎112可以指示计算机程序确定属于至少两个段中的每个段的坐标点与对应于至少两个段中的每个段的参考行驶轨迹之间的距离。
处理引擎112可以指示计算机程序指定属于至少两个段中的每个段的坐标点与对应于至少两个段中的每个段的参考行驶轨迹之间的距离的平均距离作为误差。
处理引擎112可以指示计算机程序确定段的数量是否等于或大于预定数量。
如果处理引擎112确定段的数量大于或等于预定数量,则处理引擎112可以指示计算机程序基于参考行驶信息和实际行驶信息确定服务订单不是作弊服务订单。
图25是根据本申请的一些实施例所示的示例性处理引擎112的框图。处理引擎112可包括接收模块2502、参考信息获取模块2504、实际信息确定模块2506和作弊确定模块2508。处理引擎112的至少一部分可以在如图2所示的计算设备或如图3所示的移动设备上实现。
接收模块2502可以被配置为经由网络从终端接收服务订单。如此处所使用的,术语“服务订单”通常是指已经完成的服务请求。服务提供者可以在服务提供者终端140处指示服务请求已经完成,并且可以将完成的信息发送到线上至线下服务系统100。线上至线下服务系统100可以将该服务请求作为服务订单保存到存储设备(例如,存储设备160)中,该存储设备可以包括实际行驶信息。
参考信息获取模块2504可以被配置为获得与服务订单相关的参考信息。参考信息获取模块2504可以确定与服务订单相关的至少两个数据组。对于每个数据组,参考信息获取模块2504可以确定与每个数据组有关和/或与服务订单相关的参考信息。例如,参考信息可以包括与每个数据组相关的第一预定时间差值、预定距离阈值和/或速度阈值。在一些实施例中,参考信息可以包括与服务订单相关的第二预定时间差值、第一预定值、参考时间段、参考行驶轨迹、误差阈值、预定数量和/或误差阈值。参考信息获取模块2504可以基于至少两个非作弊服务订单来确定参考信息。
实际信息确定模块2506可以被配置为确定服务订单的实际信息。在一些实施例中,处理引擎112可以基于由参考信息获取模块2504确定的至少两个数据组来确定实际信息。对于每个数据组,实际信息可以包括时间差值、距离值和与每个数据组相关的速度值。替代地或另外地,实际信息可以包括实际时间段和坐标点,两者都可以与服务订单的实际路径(例如,车辆的轨迹)相关联。
作弊确定模块2508可以被配置为基于参考信息和实际信息确定服务订单是否是作弊服务订单。在一些实施例中,作弊确定模块2508可以比较参考信息和实际信息。作弊确定模块2508可以基于比较的结果确定服务订单是否是作弊服务订单。
应当注意上述处理引擎112的描述仅仅是为了说明的目的而提供的,并不意图限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,变化和修改不会背离本申请的范围。例如,参考信息获取模块2504和实际信息确定模块2506可以集成到单个模块中以执行它们的功能。
图26是根据本申请的一些实施例所示的用于确定服务订单是否是作弊服务订单的示例性过程的流程图。在一些实施例中,处理引擎112可以执行过程2600以确定服务订单是否是作弊服务订单。在一些实施例中,图26中所示的用于确定服务订单是否是作弊服务订单的过程2600的一个或多个操作可以在图1所示的线上至线下服务系统100中实现。例如,图5中所示的过程2600可以以指令的形式存储在存储设备160中,并由处理引擎112(例如,如图2所示的计算设备200的处理器220、如图3所示的移动设备300的处理器340)调用和/或执行。
在2602中,处理引擎112(例如,接收模块2602)可以通过网络从终端接收服务订单。如本文所使用的,术语“服务订单”通常是指已经完成的服务请求。例如,请求者可以经由网络120向线上至线下的服务系统100发送服务(例如,线上至线下服务)的服务请求。服务提供者可以在其服务提供者终端140接受服务请求。服务提供者还可以根据服务请求向请求者提供服务。服务提供者还可以在服务提供者终端140处指示服务请求已经完成,并且可以将完成的信息发送到线上至线下服务系统100。
线上至线下服务系统100可以将该服务请求作弊服务订单保存到存储设备(例如,存储设备160)中,该存储设备可以包括实际行驶信息。服务请求可以是一个运输服务请求(如:出租车服务)。所述服务请求可以是和/或包括实时请求、预约请求和/或针对一个或多个服务形式的任何其他请求。如本文所使用的,实时请求可以表明请求者希望在当前时刻或对本领域普通人员来说合理接近的当前时刻的一个限定的时间内使用所述运输服务。例如,如果限定的时间短于阈值,例如1分钟、5分钟、10分钟、20分钟等,则请求可以是实时请求。预约请求可以表明请求者希望预先安排运输服务(例如,对于本领域的普通人距离当前时刻相当远的限定的时间)。例如,如果所述限定时间大于阈值,例如20分钟、2小时、1天等,则所述服务请求可以认为是一个预约请求。在一些实施例中,处理引擎112可以基于时间阈值来定义实时请求或预约请求。时间阈值可以是线上至线下服务系统100的默认设置,或者可以在不同情况下是可调节的。例如,在交通高峰时段,所述时间阈值可以相对较小(例如,10分钟)。在空闲时段(例如上午10:00-12:00),所述时间阈值可以相对较大(例如1小时)。
在2604中,处理引擎112(例如,参考信息获取模块2504)可以获取与服务订单相关的参考信息。在一些实施例中,处理引擎112可以确定与服务订单相关的至少两个检查点。每个检查点可以包括事件名称、时间点和位置坐标。示例性事件名称可以包括乘客发起服务请求、司机接受服务请求、司机接载乘客、开始行进、结束行进、乘客支付、乘客评估、乘客发起后续服务请求、司机下次接受后续服务请求等。处理引擎112可以按时间顺序排列至少两个检查点。处理引擎112可以按时间顺序将两个相邻的检查点指定为数据组。
对于每个数据组,处理引擎112可以确定与每个数据组有关和/或与服务订单相关的参考信息。例如,参考信息可以包括与每个数据组相关的第一预定时间差值、预定距离阈值和/或速度阈值。替代地或另外地,参考信息可以包括预定概率。在一些实施例中,可以动态调整预定概率和/或固定值(例如,80%、85%、90%)。
在一些实施例中,处理引擎112可以基于与至少两个非作弊服务订单相关的实际信息来确定第一预定时间差值、预定距离阈值和/或速度阈值。例如,处理引擎112可以获得与至少两个非作弊服务订单相关的时间差。处理引擎112可以在空间和/或时间上统计地确定与每个数据组相关的时间差的分布。处理引擎112可以基于统计确定的时间差分布来确定与每个数据组相关的第一预定时间差值。这里使用的时间差指的是每个数据组的两个检查点的时间点之间的差异。
可替代地或另外地,处理引擎112可以获得与至少两个非作弊服务订单相关的距离差异。处理引擎112可以统计地确定与空间和/或时间中的每个数据组相关的距离差的分布。处理引擎112可以基于统计确定的距离差的分布来确定与每个数据组相关的预定距离差阈值。本文使用的距离差是指与每个数据组的两个检查点相关的两个位置之间的直线距离(例如,分别与两个检查点相关的两个地理坐标集)。
可选地或另外地,处理引擎112可以在服务订单的当天确定与服务订单相关的实际道路状况。道路状况可以涉及与服务订单相关的路径。处理引擎112可以基于实际道路状况确定速度阈值。在一些实施例中,处理引擎112可以基于空间和/或时间中的速度值的分布来统计地确定速度阈值。确定速度阈值的更多描述可以在本申请的其他地方找到(例如,图7和图14,以及其描述)。
在一些实施例中,参考信息可以包括与服务订单相关的第二预定时间差值、第一预定值、参考时间段、参考行驶轨迹、误差阈值、预定数量和/或误差阈值。处理引擎112还可以基于至少两个非作弊服务订单统计地确定误差阈值和/或预定数量。确定第二预定时间差值的描述可以在本申请的其他地方找到(例如,图19及其描述)。
在一些实施例中,参考时间段可以是车辆的加速度(或速度)等于第一预定值(例如,0m/s2或0m/s)的时段。参考时间段可包括第一参考时间段和第二参考时间段。在第一参考时间段和第二参考时间段期间,加速度可以等于预定值。在一些实施例中,第一预定值可以涉及加速度的值并且由处理引擎112的操作者设置。预定值可以在0到0.1m/s2的范围内。
处理引擎112可以基于与建议行驶路径相关的拥挤状况来确定第一参考时间段。处理引擎112可以基于服务订单的开始位置和目的地来确定建议行驶路径。处理引擎112还可以基于与建议行驶路径相关的交叉口信息确定第二参考时间段。参考时间段的更多描述可以在本申请的其他地方找到(例如,图19和图24,以及其描述)。
在一些实施例中,处理引擎112可以将推荐路径划分为至少两个段。将推荐路径划分为至少两个段的更多描述可以在本申请的其他地方找到(例如,图20-24及其描述)。对于每个段,处理引擎112可以确定参考拟合函数。处理引擎112可以将与参考拟合函数相关的轨迹指定为参考行驶轨迹。
在2606中,处理引擎112(例如,实际信息确定模块2606)可以确定服务订单的实际信息。在一些实施例中,实际信息可以包括与服务订单相关的检查点信息。处理引擎112可以收集与服务订单的至少两个检查点相关的检查点信息。与每个检查点相关的检查点信息可以包括事件名称、时间点、位置坐标等,或其任意组合。结合操作2604所述,处理引擎112可基于与至少两个检查点相关的检查点信息确定至少两个数据组。
处理引擎112可以基于至少两个数据组来确定实际信息。在一些实施例中,对于每个数据组,实际信息可以包括时间差值、距离值和与每个数据组相关的速度值。处理引擎112可以确定与每个数据组相关的两个时间点之间的差,并将所确定的差指定为每个数据组的时间差值。例如,对于与两个相邻检查点相关的数据组(例如,行进的开始和行进的结束),处理引擎112可以基于两个相邻检查点的检查点信息确定时间差值、距离值和速度值。
可选地或另外地,处理引擎112可以确定与两个检查点相关的两个位置之间的直线距离(例如,分别与两个检查点相关的两个地理坐标组),并将所确定的直线距离指定为每个数据组的距离值。处理引擎112可以基于每个数据组的时间差值和距离值来确定商,并将所确定的商指定为每个数据组的速度值。
替代地或另外地,实际信息可以包括实际时间段和坐标点,两者都可以与服务订单的实际路径(例如,车辆的轨迹)相关联。本文使用的实际时间段指的是与服务订单相关的车辆加速度期间的时间段(其可以通过确定服务提供者终端和/或服务请求者终端的加速度来确定)等于第一预定值。在一些实施例中,第一预定值可以涉及加速度的值并且由处理引擎112的操作者设置。第一预定值可以在0到0.1m/s2的范围内。坐标点可以属于至少两个段,并且在完成服务订单的过程中由服务提供者终端和/或服务请求者终端上传。处理引擎112可以确定实际时间段和属于至少两个段的坐标点。确定实际时间段和坐标点的更多描述可以在本申请的其他地方找到(例如,图19-20和图24及其描述)。
在2608中,处理引擎112可以基于参考信息和实际信息确定服务订单是否是作弊服务订单。在一些实施例中,处理引擎112可以比较参考信息和实际信息。处理引擎112可以基于比较的结果确定服务订单是否是作弊服务订单。
在一些实施例中,对于每个数据组,处理引擎112可以确定与每个数据组相关的时间差值是否大于第一预定时间差值。处理引擎112可以基于确定每个数据组的时间差值大于第一预定时间差值的结果来确定至少两个数据组中的每个数据组的速度值是否小于或等于速度阈值。处理引擎112可以基于确定的结果来确定每个数据组的速度值小于或等于速度阈值,每个数据组具有可达性。另一方面,处理引擎112可以基于确定的结果来确定每个数据组的速度值大于速度阈值,即至少两个数据组中的每个数据组都不具有可达性。
在一些实施例中,处理引擎112可以基于确定至少两个数据组每个数据组的时间差值小于或等于第一预定时间差值的结果来确定至少两个数据组中的每个数据组的距离值是否小于或等于预定距离阈值。处理引擎112可以基于确定至少两个数据组的每个数据组的距离值小于或等于预定距离阈值的结果来确定至少两个数据组中的每个数据组具有可达性。另一方面,处理引擎112可以基于确定至少两个数据组中的每个数据组的距离值大于预定距离阈值的结果来确定至少两个数据组中的每个数据组都不具有可达性。
在一些实施例中,处理引擎112可以确定与所有数据组相关的可达性。处理引擎112可以确定具有可达性的数据组的比例作为服务订单的可达性的比率。确定具有可达性的至少两个数据组的比例的更多描述可在本申请的其他地方找到(例如,图8、图10A、图10B和图15及其描述)。处理引擎112可以确定可达性的比率是否小于或等于预定概率。处理引擎112可以基于确定的结果确定可达性的比率小于或等于预定概率,该服务订单是作弊服务订单。另一方面,处理引擎112可以基于确定的结果确定可达性的比率小于或等于预定概率,该服务订单不是作弊服务订单。基于与数据组相关的信息确定服务订单是否是作弊服务订单的更多描述可以在本申请的其他地方找到(例如,图4-17及其描述)。
在一些实施例中,处理引擎112可以确定与所有数据组相关的可达性,然后确定服务订单是否是作弊服务订单。确定与所有至少两个数据组相关的可达性然后确定服务订单是否是作弊服务订单的更多描述可以在本申请的其他地方找到(例如,图9和图16,及其描述)。
如果处理引擎112基于与数据组相关的信息确定服务订单是否是作弊服务订单,则处理引擎112可以统计地分析与至少两个非作弊服务订单相关的数据。处理引擎112可以在不同时间点和不同区域中确定一个或多个特征。示例性特征可以包括统计速度值(例如,速度阈值)。每个数据组可以表示从一个位置行进到另一个位置的司机和/或乘客,产生实际速度值。如果统计速度值和实际速度值之间的差值大于阈值,则处理引擎112可以确定该数据组不具有可达性。类似地,处理引擎112可以基于数据组的可达性来确定服务订单是否是作弊服务订单。
在一些实施例中,处理引擎112可以确定参考时间段和实际时间段之间的时间差的绝对值。处理引擎112可以确定时间差的绝对值是否大于第二预定时间差阈值。处理引擎112可以基于时间差的绝对值大于第二预定时间差阈值的确定结果来确定服务订单是作弊服务订单。
在一些实施例中,对于车辆的实际路线的每个段,处理引擎112可以确定属于每个段的位置坐标与对应于每个段的参考行驶轨迹之间的距离。对于属于每个段的每个位置坐标,处理引擎112可以确定属于每个段的每个位置坐标与对应于每个段的参考行驶轨迹之间的距离。处理引擎112可以基于与属于每个段的位置坐标相关的距离来确定距离的平均值。处理引擎112可以将距离的平均值指定为属于每个段的位置坐标与对应于每个段的参考行驶轨迹之间的误差。处理引擎112可以基于与至少两个段相关的误差来确定至少两个段的平均误差。
处理引擎112还可以确定平均误差是否小于误差阈值。处理引擎112可以基于确定平均误差小于误差阈值的结果来确定服务订单是作弊服务订单。另一方面,处理引擎112可以基于确定平均误差大于或等于误差阈值的结果来确定服务订单不是作弊服务订单。基于与加速度和行驶轨迹相关的信息,确定服务订单是否是作弊服务订单的更多描述可以在本申请的其他地方找到(例如,图18-24及其描述)。
处理引擎112可以统计地分析与至少两个非作弊服务订单相关的数据。处理引擎112可以在不同时间点和不同区域中确定一个或多个特征。例如,处理引擎112可以确定统计时间段(例如,参考时间段)和统计行驶路径(参考行驶轨迹)。处理引擎112还可以将实际时间段与统计时间段进行比较。处理引擎112还可以将行驶路径的实际位置坐标与统计行驶路径进行比较。如果两个比较结果中的每个结果都大于阈值,则处理引擎112可以确定服务订单是作弊服务订单。
应当注意以上关于遍历至少两个数据组的处理的描述是出于说明目的而提供的,并且不应被指定为唯一的实用实例。对于本领域技术人员在了解遍历多个数据组的一般原则后,在不脱离原理的情况下,可以修改或改变特定实用方式的形式或细节以及步骤,以及进一步进行简单的推导或替换,或者可以在不进行创造性努力的情况下对某些步骤进行修改或组合。但是,那些变化与修改不会脱离本申请的范围。附加地或替代地,可以省略一个或多个操作。在一些实施例中,可以将两个或以上操作集成到操作中,或者可以将操作分成两个操作。
上文已对基本概念做了描述,显然,对于阅读此申请后的本领域的普通技术人员来说,上述发明披露仅作为示例,并不构成对本申请的限制。虽然此处并未明确说明,但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此,应强调并注意的是,本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域的普通技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的过程、机器、产品或物质的组合,或对其任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可以采取体现在一个或多个计算机可读介质中的计算机程序产品的形式,其中计算机可读程序代码包含在其中。
计算机可读信号介质可能包含一个内含有计算机程序代码的传播数据信号,例如在基带上或作为载波的一部分。此类传播信号可以有多种形式,包括电磁形式、光形式等或任何合适的组合。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、设备或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF等,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序设计语言编写,包括面向对象程序设计语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化程序设计语言如C程序设计语言、Visual Basic、Fortran、Perl、COBOL、PHP、ABAP,动态程序设计语言如Python、Ruby和Groovy,或其他程序设计语言等。该程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如,通过互联网使用互联网服务提供者),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非申请专利范围中明确说明,本申请所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述申请中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,所述类细节仅起到说明的目的,附加的权利要求并不仅限于申请的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。然而,本申请的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (62)
1.一种用于检查作弊服务订单的方法,所述方法包括:
通过网络收集与至少两个检查点的每个检查点相关的检查点信息,所述至少两个检查点与执行订单操作所生成的事件对应,所述检查点信息包括对应事件的相关信息;
按时间顺序排列所述至少两个检查点;将按所述时间顺序的两个相邻检查点指定为数据组,以生成至少两个数据组;
对于所述至少两个数据组的每个数据组:
确定与所述至少两个数据组的每个数据组相关的数据是否在预定范围内;以及
基于确定与所述至少两个数据组的每个数据组相关的所述数据是否在所述预定范围内的结果来确定所述每个数据组是否具有可达性;以及
基于确定所述至少两个数据组的所述可达性的结果来确定服务订单是否是作弊服务订单。
2.根据权利要求1所述的方法,其中
与每个检查点相关的检查点信息包括事件名称、时间点和位置坐标;以及
每个数据组包括时间差值、距离值和速度值。
3.根据权利要求2所述的方法,其中基于所述检查点信息生成所述至少两个数据组包括:
对于所述至少两个数据组的每个数据组,
确定与所述每个数据组相关的两个位置坐标之间的直线距离值,并将确定的所述直线距离值指定为所述每个数据组的所述距离值;
确定与所述每个数据组相关的两个时间点之间的差异,并将确定的所述差异指定为所述每个数据组的所述时间差值;
基于所述每个数据组的所述时间差值和所述距离值确定商;以及
将确定的所述商指定为所述每个数据组的速度值。
4.根据权利要求2所述的方法,其中对于所述至少两个数据组的每个数据组,确定与所述至少两个数据组的所述每个数据组相关的数据是否在所述预定范围内,以及基于确定与所述至少两个数据组的每个数据组相关的数据是否在所述预定范围内的结果,确定所述每个数据组是否具有可达性,包括:
对于所述至少两个数据组的每个数据组,
确定所述每个数据组的所述时间差值是否大于预定时间差阈值;
如果所述每个数据组的时间差值大于所述预定时间差阈值,
确定对应于所述每个数据组的统计最大速度值并确定与所述每个数据组相关的速度阈值,所述统计最大速度值基于所述服务订单当天的实际道路状况确定;
确定所述每个数据组的所述速度值是否小于或等于所述速度阈值;
如果所述每个数据组的所述速度值小于或等于所述速度阈值,
确定所述每个数据组具有可达性;
如果所述每个数据组的时间差值小于或等于所述预定时间差阈值,
确定所述每个数据组的所述距离值是否小于或等于预定距离阈值;以及
如果所述每个数据组的所述距离值小于或等于所述预定距离阈值,
确定所述每个数据组具有可达性。
5.根据权利要求4所述的方法,其中确定对应于所述每个数据组的所述统计最大速度值并确定与所述每个数据组相关的所述速度阈值包括:
分别确定与两个相应检查点的信息相关的两个时间点所属的时间段和所述两个相应检查点的所述信息相关的两个位置坐标所在的地理区域;
确定所述时间段和所述地理区域中的一个或多个统计最大速度值;
确定对应于所述两个时间点的两个统计最大速度值之间的速度值的差值是否小于或等于预定差值;
如果所述速度值的差值小于或等于所述预定差值,
将所述两个统计最大速度值的平均值指定为所述统计最大速度值;
如果所述速度值的差值大于所述预定差值,
将所述两个统计最大速度值中较大的一个指定为所述统计最大速度值;以及
通过将所述统计最大速度值乘以预定比率来确定所述速度阈值。
6.根据权利要求2所述的方法,其中基于确定所述至少两个数据组的所述可达性的结果来确定所述服务订单是否是作弊服务订单,包括:
将具有可达性的所述至少两个数据组的比例确定为所述服务订单的可达性的比率;以及
确定所述可达性的比率是否小于或等于预定概率,
如果所述可达性的比率小于或等于所述预定概率,
确定所述服务订单是作弊服务订单。
7.根据权利要求2所述的方法,其中通过所述网络,收集与所述至少两个检查点的每个检查点相关的所述检查点信息,包括:
从乘客终端和司机终端收集所述检查点信息。
8.根据权利要求1至7中任一项所述的方法,在基于确定所述至少两个数据组的所述可达性的结果来确定所述服务订单是否是作弊服务订单之前,所述方法还包括:
确定是否已确定与所有所述至少两个数据组相关的可达性;
如果已确定与所述至少两个数据组的每个数据组相关的所述可达性,
基于确定所述至少两个数据组的可达性的结果,执行确定所述服务订单是否是作弊服务订单的步骤,以及
如果尚未确定与所有所述至少两个数据组相关的所述可达性,
基于确定与所述每个数据组相关的所述数据是否在所述预定范围内的结果,执行确定所述每个数据组是否具有可达性的步骤。
9.根据权利要求1至7中任一项所述的方法,其中所述至少两个检查点的数量为至少三个。
10.一种用于检查作弊服务订单的系统,所述系统包括:
获取模块被配置为通过网络收集与至少两个检查点的每个检查点相关的检查点信息,所述至少两个检查点与执行订单操作所生成的事件对应,所述检查点信息包括对应事件的相关信息;
计算模块被配置为按时间顺序排列所述至少两个检查点;将按所述时间顺序的两个相邻检查点指定为数据组,以生成至少两个数据组;
对于所述至少两个数据组的每个数据组:
第一判断模块被配置为确定与所述至少两个数据组的每个数据组相关的数据是否在预定范围内,以及基于确定与所述至少两个数据组的每个数据组相关的所述数据是否在所述预定范围内的结果来确定所述每个数据组是否具有可达性;以及
第二判断模块被配置为基于确定所述至少两个数据组的所述可达性的结果来确定所述服务订单是否是作弊服务订单。
11.根据权利要求10所述的系统,其中
与每个检查点相关的所述检查点信息包括事件名称、时间点和位置坐标;以及
每个数据组包括时间差值、距离值和速度值。
12.根据权利要求11所述的系统,其中所述计算模块包括:
对于所述至少两个数据组的每个数据组,
第一计算单元,被配置为确定与所述每个数据组相关的两个位置坐标之间的直线距离值,并将确定的所述直线距离值指定为所述每个数据组的所述距离值;
第二计算单元,被配置为确定与所述每个数据组相关的两个时间点之间的差异,并将确定的所述差异指定为所述每个数据组的所述时间差值;
第三计算单元,被配置为基于所述每个数据组的所述时间差值和所述距离值确定商;并将确定的所述商指定为所述每个数据组的速度值。
13.根据权利要求11所述的系统,其中所述第一判断模块包括:
对于所述至少两个数据组的每个数据组,
第一判断单元,被配置为确定所述每个数据组的所述时间差值是否大于预定时间差阈值;
如果所述每个数据组的所述时间差值大于所述预定时间差阈值,
评估单元,被配置为确定对应于所述每个数据组的统计最大速度值并确定与所述每个数据组相关的速度阈值,所述统计最大速度值基于所述服务订单当天的实际道路状况确定;
第二判断单元,被配置为确定所述每个数据组的所述速度值是否小于或等于所述速度阈值;
如果所述每个数据组的速度值小于或等于所述速度阈值,
所述第二判断单元进一步被配置为确定所述每个数据组具有可达性;
如果所述每个数据组的时间差值小于或等于所述预定时间差阈值,
第三判断单元,被配置为确定所述每个数据组的所述距离值是否小于或等于预定距离阈值;以及
如果所述每个数据组的所述距离值小于或等于所述预定距离阈值,
所述第三判断单元进一步被配置为确定所述每个数据组具有可达性。
14.根据权利要求13所述的系统,其中所述评估单元包括:
第一确定单元,被配置为分别确定与两个相应检查点的信息相关的两个时间点所属的时间段和所述两个相应检查点的所述信息相关的两个位置坐标所在的地理区域;
查询单元,被配置为确定所述时间段和所述地理区域中的一个或多个统计最大速度值;
第四判断单元,被配置为确定对应于所述两个时间点的两个统计最大速度值之间的速度值的差值是否小于或等于预定差值;
如果所述速度值的差值小于或等于所述预定差值,
第二确定单元,被配置为所述两个统计最大速度值的平均值,作为所述统计最大速度值;
如果所述速度值的差值大于所述预定差值,
第三确定单元,被配置为所述两个统计最大速度值中较大的一个指定为所述统计最大速度值;以及
第四确定单元,被配置为通过将所述统计最大速度值乘以预定比率来确定所述速度阈值。
15.根据权利要求11所述的系统,其中所述第二判断模块包括:
第四计算单元,被配置为将具有可达性的所述至少两个数据组的比例确定为所述服务订单的可达性的比率;以及
第四判断单元,用于判断所述可达性的比率是否小于或等于预定概率,
如果所述可达性的比率小于或等于所述预定概率,
所述第四判断单元进一步被配置为确定所述服务订单是作弊服务订单。
16.根据权利要求11所述的系统,其中所述获取模块执行从乘客终端和司机终端收集所述检查点信息的步骤。
17.根据权利要求10至16中任一项所述的系统,所述系统包括:
第三判断模块,被配置为确定是否已确定与所有所述至少两个数据组相关的所述可达性;
如果已确定与所述至少两个数据组的每个数据组相关的所述可达性,
所述第三判断模块进一步被配置为激活所述第二判断模块;以及
如果尚未确定与所有所述至少两个数据组相关的所述可达性,
第三判断模块还被配置为激活所述第一判断模块。
18.根据权利要求10至16中任一项所述的系统,其中所述至少两个检查点的数量为至少三个。
19.一种终端设备,包括权利要求10至18中任一项所述的用于检查作弊服务订单的系统。
20.一种计算设备,包括存储设备,处理器和存储在所述存储设备中并由所述处理器执行的计算机程序,其中当执行所述计算机程序时,所述处理器用于实现权利要求1至9中任一项所述方法的步骤。
21.一种存储计算机程序的计算机可读介质,其中当由处理器执行时,所述计算机程序用于实现权利要求1至9中任一项所述方法的步骤。
22.一种用于检查作弊服务订单的方法,所述方法包括:
根据服务订单的起始位置和目的地生成建议行驶路径;
根据所述建议行驶路径确定参考行驶信息,所述参考行驶信息包括参考时间段,在所述参考时间段内,加速度等于第一预定值;
确定所述服务订单的实际行驶信息,实际行驶信息包括实际时间段,在所述实际时间段内,加速度等于所述第一预定值;以及
基于所述参考行驶信息和所述实际行驶信息,确定所述服务订单是否是作弊服务订单;
确定所述服务订单是否是作弊服务订单包括:
确定所述参考时间段和所述实际时间段之间的时间差的绝对值大于预定时间差阈值;以及
基于确定所述时间差的所述绝对值大于所述预定时间差阈值的结果,确定所述服务订单是作弊服务订单。
23.根据权利要求22所述的方法,其中基于所述建议行驶路径确定所述参考行驶信息包括:
基于与所述建议行驶路径相关的拥挤状况,确定第一参考时间段,所述第一参考时间段内,所述加速度等于所述第一预定值;
基于与所述建议行驶路径相关的交叉口信息,确定第二参考时间段,所述第二参考时间段内,加速度等于所述第一预定值;以及
指定所述第一参考时间段和所述第二参考时间段的总和作为所述参考时间段。
24.根据权利要求22所述的方法,其中确定所述服务订单的所述实际行驶信息包括:
基于与司机终端上传的所述加速度相关的信息,确定所述实际时间段,在所述实际时间段内,所述加速度等于所述第一预定值,其中与所述加速度相关的所述信息是从所述司机终端的传感器获得的。
25.根据权利要求22所述的方法,其中所述第一预定值为零。
26.根据权利要求22所述的方法,其中
所述参考行驶信息包括参考行驶轨迹,每个参考行驶轨迹对应于所述建议行驶路径的一个或多个段中的一个段,
所述实际行驶信息包括在完成所述服务订单的过程中司机终端上传的坐标点,以及
基于所述参考行驶信息和所述实际行驶信息,确定所述服务订单是否是作弊服务订单包括:
对于所述建议行驶路径的一个或多个段中的每个段,确定属于所述一个或多个段中的每个段的坐标点与对应于所述一个或多个段中的每个段的参考行驶轨迹之间的误差;
根据所述误差,确定所述一个或多个段的平均误差;
确定所述平均误差是否小于误差阈值;以及
基于确定所述平均误差小于所述误差阈值的结果,确定所述服务订单是作弊服务订单。
27.根据权利要求26所述的方法,其中所述基于所述建议行驶路径确定所述参考行驶信息包括:
将所述建议行驶路径分成一个或多个段;
对于所述一个或多个段中的每个段,确定与所述一个或多个段的每个段相关的参考拟合函数;以及
将所述参考拟合函数指定为所述一个或多个段的每个段对应的所述参考行驶轨迹。
28.根据权利要求27所述的方法,其中确定属于所述一个或多个段的每个段的所述坐标点与所述一个或多个段的每个段对应的所述参考行驶轨迹之间的所述误差包括:
对于属于所述一个或多个段的每个段的坐标点的每个坐标点,确定所述每个坐标点与对应于所述一个或多个段的每个段的所述参考行驶轨迹之间的距离;
确定所述坐标点与对应于所述一个或多个段的每个段的所述参考行驶轨迹之间的所述距离的平均距离;以及
将所述平均距离指定为属于一个或多个段中的每个段的所述坐标点与对应于所述一个或多个段的每个段的所述参考行驶轨迹之间的误差。
29.根据权利要求26所述的方法,进一步包括:
基于所述实际行驶信息确定实际行驶路径的段的数量;
确定所述数量是等于还是大于预定数量;以及
基于确定所述数量是等于还是大于所述预定数量的结果,根据所述参考行驶信息及所述实际行驶信息,执行确定所述服务订单是否是作弊服务订单的步骤。
30.一种网约车场景中作弊服务订单的识别设备,所述设备包括:
路径生成单元,被配置为基于服务订单的开始位置和目的地生成建议行驶路径;
参考信息判断单元,被配置为基于所述建议行驶路径确定参考行驶信息,所述参考行驶信息包括参考时间段,在所述参考时间段内,加速度等于第一预定值;
实际信息判断单元,被配置为确定所述服务订单的实际行驶信息,所述实际行驶信息包括实际时间段,在所述实际时间段内,加速度等于所述第一预定值;以及
作弊判断单元,被配置为基于所述参考行驶信息和所述实际行驶信息,确定所述服务订单是否是作弊服务订单;
所述作弊判断单元进一步被配置为确定所述参考时间段和所述实际时间段之间的时间差的绝对值大于预定时间差值,并基于确定的所述时间差的所述绝对值大于所述预定时间差阈值的结果来确定所述服务订单是作弊服务订单。
31.根据权利要求30所述的设备,其中所述参考信息判断单元进一步被配置为:
基于与所述建议行驶路径相关的拥挤状况,确定第一参考时间段,所述第一参考时间段内,所述加速度等于所述第一预定值的;
基于与所述建议行驶路径相关的交叉口信息,确定第二参考时间段,所述第二参考时间段内,加速度等于所述第一预定值的;以及
指定所述第一参考时间段和所述第二参考时间段的总和作为所述参考时间段。
32.根据权利要求30所述的设备,其中所述实际信息判断单元进一步被配置为:
基于与司机终端上传的所述加速度相关的信息,确定所述实际时间段,在所述实际时间段内,所述加速度等于所述第一预定值,其中与所述加速度相关的所述信息是从所述司机终端的传感器获得的。
33.根据权利要求30所述的设备,其中所述第一预定值为零。
34.根据权利要求30所述的设备,其中
所述参考行驶信息包括参考行驶轨迹,每个参考行驶轨迹对应于所述建议行驶路径的一个或多个段中的一个段,
所述实际行驶信息包括在完成所述服务订单的过程中司机终端上传的坐标点,以及
所述作弊判断单元进一步被配置为:
对于所述建议行驶路径的一个或多个段中的每个段,确定属于所述一个或多个段的每个段的坐标点与对应于所述一个或多个段的每个段的参考行驶轨迹之间的误差;
根据所述误差,确定所述一个或多个段的平均误差;
确定所述平均误差是否小于误差阈值;以及
基于确定所述平均误差小于所述误差阈值的结果,确定所述服务订单是作弊服务订单。
35.根据权利要求34所述的设备,其中所述参考信息判断单元进一步被配置为:
将所述建议行驶路径分成一个或多个段;
对于所述一个或多个段中的每个段,确定与所述一个或多个段的每个段相关的参考拟合函数;以及
将所述参考拟合函数指定为所述一个或多个段的每个段对应的所述参考行驶轨迹。
36.根据权利要求34所述的设备,其中所述实际信息判断单元还被配置为:
对于属于所述一个或多个段的每个段的坐标点的每个坐标点,确定所述每个坐标点与对应于所述一个或多个段的每个段的所述参考行驶轨迹之间的距离;
确定所述坐标点与对应于所述一个或多个段的每个段的所述参考行驶轨迹之间的所述距离的平均距离;以及
将所述平均距离指定为属于一个或多个段中的每个段的所述坐标点与对应于所述一个或多个段的每个段的所述参考行驶轨迹之间的误差。
37.根据权利要求34所述的设备,其中所述作弊判断单元进一步被配置为:
基于所述实际行驶信息确定实际行驶路径的段的数量;
确定所述数量是等于还是大于预定数量;以及
基于确定所述数量是等于还是大于所述预定数量的结果,根据所述参考行驶信息及所述实际行驶信息,执行确定所述服务订单是否是作弊服务订单的步骤。
38.一种网约车场景中作弊服务订单的识别设备,所述设备包括处理器,存储机器可执行指令的存储设备,其中当读取并执行所述存储设备中存储的所述机器可执行指令时,所述机器可执行指令,对应于所述网约车场景中的作弊服务订单的识别逻辑,所述处理器用于:
根据服务订单的起始位置和目的地生成建议行驶路径;
根据所述建议行驶路径确定参考行驶信息,所述参考行驶信息包括参考时间段,在所述参考时间段内,加速度等于第一预定值;
确定所述服务订单的实际行驶信息,所述实际行驶信息包括实际时间段,在所述实际时间段内,加速度等于所述第一预定值;以及
基于所述参考行驶信息和所述实际行驶信息,确定所述服务订单是否是作弊服务订单;
确定所述服务订单是否是作弊服务订单包括:
确定所述参考时间段和所述实际时间段之间的时间差的绝对值大于预定时间差阈值;以及
基于确定所述时间差的所述绝对值大于所述预定时间差阈值的结果,确定所述服务订单是作弊服务订单。
39.一种存储计算机程序的计算机可读介质,其中当由处理器执行时,所述计算机程序用于实现以下步骤:
根据服务订单的起始位置和目的地生成建议行驶路径;
根据所述建议行驶路径确定参考行驶信息,所述参考行驶信息包括参考时间段,在所述参考时间段内,加速度等于第一预定值;
确定所述服务订单的实际行驶信息,所述实际行驶信息包括实际时间段,在所述实际时间段内,加速度等于所述第一预定值;以及
基于所述参考行驶信息和所述实际行驶信息,确定所述服务订单是否是作弊服务订单;
确定所述服务订单是否是作弊服务订单包括:
确定所述参考时间段和所述实际时间段之间的时间差的绝对值大于预定时间差阈值;以及
基于确定所述时间差的所述绝对值大于所述预定时间差阈值的结果,确定所述服务订单是作弊服务订单。
40.一种用于检查作弊服务订单的系统,所述系统包括:
存储设备,存储一组指令;以及
与所述存储设备通信的一个或多个处理器,其中,当执行所述组指令时,所述一个或多个处理器被配置为使所述系统:
通过网络从终端接收服务订单;
获得与所述服务订单相关的参考信息;
确定所述服务订单的实际信息;以及
基于所述参考信息和所述实际信息,确定所述服务订单是否是作弊服务订单;
确定所述服务订单的实际信息包括:
通过所述网络接收与至少两个检查点相关的检查点信息,所述至少两个检查点与执行订单操作所生成的事件对应,所述至少两个检查点中的每个检查点与时间点和位置相关联;
基于与所述至少两个检查点相关的时间点,按时间顺序排列所述至少两个检查点;
基于所述至少两个检查点确定所述服务订单的实际信息。
41.根据权利要求40所述的系统,其中所述参考信息包括第一预定时间差值阈值、预定距离阈值、速度阈值和预定概率。
42.根据权利要求41所述的系统,其中为了确定所述服务订单的所述实际信息,所述一个或多个处理器被配置为使所述系统:
基于所述至少两个检查点确定与所述服务订单相关的至少两个数据组,所述至少两个数据组中的每个数据组包括按所述时间顺序的两个相邻检查点;以及
对于所述至少两个数据组中的每个数据组,基于与所述至少两个数据组中的每个数据组相关的时间点和位置坐标,确定时间差值、距离值和速度值。
43.根据权利要求42所述的系统,其中为了基于所述参考信息和所述实际信息来确定所述服务订单是否是作弊服务订单,所述一个或多个处理器被配置为使所述系统:
对于所述至少两个数据组中的每个数据组:
确定所述至少两个数据组的所述每个数据组的所述时间差值是否大于所述第一预定时间差阈值;
基于确定所述至少两个数据组的所述每个数据组的所述时间差值大于所述第一预定时间差阈值的结果,确定所述至少两个数据组的每个数据组的所述速度值是否小于或等于所述速度阈值;以及
根据确定所述至少两个数据组的所述每个数据组的所述速度值小于或等于所述速度阈值的结果,确定所述至少两个数据组的每个数据组都具有可达性。
44.根据权利要求43所述的系统,其中为了基于所述参考信息和所述实际信息,确定所述服务订单是否是作弊服务订单,所述一个或多个处理器进一步被配置为使所述系统:
对于所述至少两个数据组的所述每个数据组:
确定所述至少两个数据组的所述每个数据组的所述时间差值是否小于或等于所述第一预定时间差阈值;
基于确定所述至少两个数据组的所述每个数据组的所述时间差值小于或等于所述第一预定时间差阈值的结果,确定所述至少两个数据组的所述每个数据组的所述距离值是否小于或等于所述预定距离阈值;以及
基于确定所述至少两个数据组的所述每个数据组的所述距离值小于或等于所述预定距离阈值的结果,确定所述至少两个数据组的所述每个数据组都具有可达性。
45.根据权利要求44所述的系统,其中为了基于所述参考信息和所述实际信息来确定所述服务订单是否是作弊服务订单,所述一个或多个处理器被配置为使所述系统:
确定具有可达性的所述至少两个数据组的比例,作为所述服务订单的可达性的比率;
判断所述可达性的比率是否小于或等于所述预定概率;以及
基于确定所述可达性的比率小于或等于所述预定概率的结果,确定所述服务订单是作弊服务订单。
46.根据权利要求40所述的系统,其中:
所述参考信息包括建议行驶路径和参考时间段,以及
为了获得与所述服务订单相关的参考信息,所述一个或多个处理器被配置为使所述系统:
根据所述服务订单的起始位置和目的地生成所述建议行驶路径;
基于与所述建议行驶路径相关的拥挤状况,估计第一参考时间段,在所述第一参考时间段内,加速度等于第一预定值;
基于与所述建议行驶路径相关的交叉口信息,估计第二参考时间段,在所述第二参考时间段内,所述加速度等于所述第一预定值;
确定所述第一参考时间段和所述第二参考时间段的总和;以及
将所述总和指定为所述参考时间段。
47.根据权利要求46所述的系统,其中:
所述实际信息包括实际时间段,在所述实际时间段内,与所述服务订单相关联的车辆的加速度等于所述第一预定值,以及
为了基于所述参考信息和所述实际信息来确定所述服务订单是否是作弊服务订单,所述一个或多个处理器被配置为使所述系统:
确定所述参考时间段和所述实际时间段之间的时间差的绝对值是否大于第二预定时间差阈值;以及
基于确定所述时间差的绝对值大于所述第二预定时间差阈值的结果,确定所述服务订单是作弊服务订单。
48.根据权利要求40所述的系统,其中所述参考信息包括建议行驶路径、参考行驶轨迹和误差阈值,以及
为了获得与所述服务订单相关的参考信息,所述一个或多个处理器被配置为使所述系统:
根据所述服务订单的起始位置和目的地生成所述建议行驶路径;
将所述建议行驶路径划分为至少两个段;
对于所述至少两个段中的每个段,确定与所述至少两个段中的每个段相关的参考拟合函数;以及
将所述参考拟合函数指定为对应于所述至少两个段的所述每个段的所述参考行驶轨迹。
49.根据权利要求48所述的系统,其中所述服务订单的所述实际信息包括属于所述至少两个段的所述每个段的坐标点,所述坐标点由司机终端在完成所述服务订单的过程中上传,以及
为了基于所述参考信息和所述实际信息来确定所述服务订单是否是作弊服务订单,所述一个或多个处理器被配置为使所述系统:
对于所述建议行驶路径的所述至少两个段的每个段,确定属于所述至少两个段的所述每个段的所述坐标点与对应于所述至少两个段的所述每个段的参考行驶轨迹之间的误差;
根据所述至少两个段的所述误差,确定与所述至少两个段相关的平均误差;
确定所述平均误差是否小于所述误差阈值;以及
基于确定所述平均误差小于所述误差阈值的结果,确定所述服务订单是作弊服务订单。
50.根据权利要求40所述的系统,其中所述参考信息包括预定数量,以及
为了基于所述参考信息和所述实际信息来确定所述服务订单是否是作弊服务订单,所述一个或多个处理器被配置为使所述系统:
基于所述实际信息,确定与所述服务订单相关的实际行驶路径的段的数量;
确定所述数量是否等于或大于所述预定数量;以及
基于确定所述数量等于或大于所述预定数量的结果,确定所述服务订单不是作弊服务订单。
51.一种用于检查作弊服务订单的方法,所述方法包括:
通过网络,从终端接收服务订单;
获得与所述服务订单相关的参考信息;
确定所述服务订单的实际信息;以及
基于所述参考信息和所述实际信息确定所述服务订单是否是作弊服务订单;
确定所述服务订单的实际信息包括:
通过所述网络接收与至少两个检查点相关的检查点信息,所述至少两个检查点与执行订单操作所生成的事件对应,所述至少两个检查点中的每个检查点与时间点和位置相关联;
基于与所述至少两个检查点相关的时间点,按时间顺序排列所述至少两个检查点;
基于所述至少两个检查点确定所述服务订单的实际信息。
52.根据权利要求51所述的方法,其中所述参考信息包括第一预定时间差值阈值、预定距离阈值、速度阈值和预定概率。
53.根据权利要求52所述的方法,其中确定所述服务订单的实际信息包括:
基于所述至少两个检查点确定与所述服务订单相关的至少两个数据组,所述至少两个数据组中的每个数据组包括按所述时间顺序的两个相邻检查点;以及
对于所述至少两个数据组中的每个数据组,基于与所述至少两个数据组中的每个数据组相关的时间点和位置坐标,确定时间差值、距离值和速度值。
54.根据权利要求53所述的方法,其中根据所述参考信息和所述实际信息确定所述服务订单是否是作弊服务订单包括:
对于所述至少两个数据组中的每个数据组:
确定所述至少两个数据组的所述每个数据组的所述时间差值是否大于所述第一预定时间差阈值;
基于确定所述至少两个数据组的所述每个数据组的所述时间差值大于所述第一预定时间差阈值的结果,确定所述至少两个数据组的所述每个数据组的所述速度值是否小于或等于所述速度阈值;以及
基于确定所述至少两个数据组的所述每个数据组的所述速度值小于或等于所述速度阈值的结果,确定所述至少两个数据组中的每个数据组都具有可达性。
55.根据权利要求54所述的方法,其中根据所述参考信息和所述实际信息确定所述服务订单是否包括作弊服务订单:
对于所述至少两个数据组的所述每个数据组:
确定所述至少两个数据组的所述每个数据组的所述时间差值是否小于或等于所述第一预定时间差阈值;
基于确定所述至少两个数据组的所述每个数据组的所述时间差值小于或等于所述第一预定时间差阈值的结果,确定所述至少两个数据组的所述每个数据组的所述距离值是否小于或等于所述预定距离阈值;以及
基于确定所述至少两个数据组的所述每个数据组的所述距离值小于或等于所述预定距离阈值的结果,确定所述至少两个数据组中的每个数据组都具有可达性。
56.根据权利要求55所述的方法,其中基于所述参考信息和所述实际信息,确定所述服务订单是否是作弊服务订单包括:
确定具有可达性的所述至少两个数据组的比例,作为所述服务订单的可达性的比率;
确定所述可达性的比率是否小于或等于所述预定概率;以及
基于确定所述可达性的比率小于或等于所述预定概率的结果,确定所述服务订单是作弊服务订单。
57.根据权利要求51所述的方法,其中:
所述参考信息包括建议行驶路径和参考时间段,以及
获得与所述服务订单相关的参考信息包括:
根据所述服务订单的起始位置和目的地生成所述建议行驶路径;
基于与所述建议行驶路径相关的拥挤状况,基于与所述建议行驶路径相关的拥挤状况,估计第一参考时间段,在所述第一参考时间段内,加速度等于第一预定值;
基于与所述建议行驶路径相关的交叉口信息,估计第二参考时间段,在所述第二参考时间段内,所述加速度等于所述第一预定值;
确定所述第一参考时间段和所述第二参考时间段的总和;以及
将所述总和指定为所述参考时间段。
58.根据权利要求57所述的方法,其中:
所述实际信息包括实际时间段,在所述实际时间段期间,与所述服务订单相关联的车辆的加速度等于所述第一预定值,以及
基于所述参考信息和所述实际信息确定所述服务订单是否是作弊服务订单,所述方法进一步包括:
确定所述参考时间段和所述实际时间段之间的时间差的绝对值是否大于第二预定时间差阈值;以及
基于确定所述时间差的绝对值大于所述第二预定时间差阈值的结果,确定所述服务订单是作弊服务订单的服务订单。
59.根据权利要求51所述的方法,其中所述参考信息包括建议行驶路径、参考行驶轨迹和误差阈值,以及
获得与所述服务订单相关的参考信息包括:
根据所述服务订单的起始位置和目的地生成所述建议行驶路径;
将所述建议行驶路径划分为至少两个段;
对于所述至少两个段中的每个段,确定与所述至少两个段中的所述每个段相关的参考拟合函数;以及
将所述参考拟合函数指定为对应于所述至少两个段的所述每个段的所述参考行驶轨迹。
60.根据权利要求59所述的方法,其中所述服务订单的实际信息包括属于所述至少两个段的所述每个段的坐标点,并由司机终端在完成所述服务订单的过程中上传的坐标点,以及
基于所述参考信息和所述实际信息,确定所述服务订单是否是作弊服务订单包括:
对于所述建议行驶路径的所述至少两个段的每个段,
确定属于所述至少两个段的所述每个段的所述坐标点与对应于所述至少两个段的所述每个段的参考行驶轨迹之间的误差;
根据所述至少两个段的所述误差,确定与所述至少两个段相关的平均误差;
确定所述平均误差是否小于所述误差阈值;以及
基于确定所述平均误差小于所述误差阈值的结果,确定所述服务订单是作弊服务订单。
61.根据权利要求51所述的方法,其中所述参考信息包括预定数量,以及
基于所述参考信息和所述实际信息确定所述服务订单是否是作弊服务订单包括:
基于所述实际信息确定与所述服务订单相关的实际行驶路径的段的数量;
确定所述数量是否等于或大于所述预定数量;以及
基于确定所述数量等于或大于所述预定数量的结果,确定所述服务订单不是作弊服务订单。
62.一种非暂时性计算机可读介质,存储指令,当由系统的一个或多个处理器执行时,使得所述系统:
通过网络从终端接收服务订单;
获得与所述服务订单相关的参考信息;
确定所述服务订单的实际信息;以及
基于所述参考信息和所述实际信息,确定所述服务订单是否是作弊服务订单;
确定所述服务订单的实际信息包括:
通过所述网络接收与至少两个检查点相关的检查点信息,所述至少两个检查点与执行订单操作所生成的事件对应,所述至少两个检查点中的每个检查点与时间点和位置相关联;
基于与所述至少两个检查点相关的时间点,按时间顺序排列所述至少两个检查点;
基于所述至少两个检查点确定所述服务订单的实际信息。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710512144.9A CN109146506A (zh) | 2017-06-28 | 2017-06-28 | 审查作弊订单的方法及系统、终端设备、计算机设备 |
CN2017105121449 | 2017-06-28 | ||
CN201711058496.8A CN109756845B (zh) | 2017-11-01 | 2017-11-01 | 网络约车场景中作弊订单的识别方法和装置 |
CN2017110584968 | 2017-11-01 | ||
PCT/CN2018/087995 WO2019001178A1 (en) | 2017-06-28 | 2018-05-23 | SYSTEMS AND METHODS FOR EXAMINING CHEST |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109429520A CN109429520A (zh) | 2019-03-05 |
CN109429520B true CN109429520B (zh) | 2021-10-26 |
Family
ID=64741022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880002658.2A Active CN109429520B (zh) | 2017-06-28 | 2018-05-23 | 用于检查作弊服务订单的方法、系统、设备及可读介质 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20190139070A1 (zh) |
EP (1) | EP3461295A4 (zh) |
JP (1) | JP6774153B2 (zh) |
CN (1) | CN109429520B (zh) |
AU (2) | AU2018102202A4 (zh) |
CA (1) | CA3029349A1 (zh) |
SG (1) | SG11201811690TA (zh) |
WO (1) | WO2019001178A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829734A (zh) * | 2019-01-31 | 2019-05-31 | 平安科技(深圳)有限公司 | 基于定位监控的欺诈行为判断方法、装置和计算机设备 |
CN110113378A (zh) * | 2019-04-01 | 2019-08-09 | 华为技术有限公司 | 车辆认证方法及其装置 |
CN110288108A (zh) * | 2019-06-11 | 2019-09-27 | 北京三快在线科技有限公司 | 检测虚假完成订单行为的方法、装置、设备及存储介质 |
CN112270416B (zh) * | 2020-10-26 | 2024-03-12 | 广东用心网络科技有限公司 | 售后服务信息处理方法和系统 |
CN112291716A (zh) * | 2020-10-26 | 2021-01-29 | 广州小鹏汽车科技有限公司 | 作弊行为识别方法、装置、电子设备和存储介质 |
CN112837119A (zh) * | 2021-01-28 | 2021-05-25 | 天津五八到家货运服务有限公司 | 异常订单识别方法、装置、电子设备及存储介质 |
CN112883291B (zh) * | 2021-02-05 | 2023-04-07 | 上海钧正网络科技有限公司 | 目的地位置的推荐方法、装置和服务器 |
CN113408953A (zh) * | 2021-07-16 | 2021-09-17 | 首约科技(北京)有限公司 | 一种线上稽查方法 |
CN114060132B (zh) * | 2021-11-08 | 2022-10-25 | 同济大学 | 一种基于排放远程监控的NOx传感器作弊甄别方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102102992A (zh) * | 2009-12-22 | 2011-06-22 | 山东省计算中心 | 基于多级网络划分的匹配道路初筛方法及地图匹配系统 |
CN102609997A (zh) * | 2012-03-15 | 2012-07-25 | 华南理工大学 | 基于动态时程匹配的高速公路多义性路径自动识别方法 |
CN103456175A (zh) * | 2013-09-25 | 2013-12-18 | 武汉烽火众智数字技术有限责任公司 | 基于车辆号牌识别和网格化监控的伴随车实时检测方法 |
CN105117790A (zh) * | 2015-07-29 | 2015-12-02 | 北京嘀嘀无限科技发展有限公司 | 车费预估方法及装置 |
CN105160880A (zh) * | 2015-09-24 | 2015-12-16 | 滴滴(中国)科技有限公司 | 一种车辆载客状态的预估方法及装置 |
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 |
CN106548241A (zh) * | 2016-10-25 | 2017-03-29 | 先锋智道(北京)科技有限公司 | 网约车运行状态的确定方法、装置及系统 |
CN106846085A (zh) * | 2016-12-19 | 2017-06-13 | 北京东方车云信息技术有限公司 | 一种订单处理方法及装置 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10149338A (ja) * | 1996-09-20 | 1998-06-02 | I O Data Kiki:Kk | ネットワークシステムおよび取引方法 |
JP2000222534A (ja) * | 1999-01-29 | 2000-08-11 | Hitachi Ltd | 不正id検知支援システム |
US6288753B1 (en) * | 1999-07-07 | 2001-09-11 | Corrugated Services Corp. | System and method for live interactive distance learning |
JP2005250952A (ja) * | 2004-03-05 | 2005-09-15 | Toshiba Corp | バスの制御装置とバス運行管理装置とバス運行管理システム |
JP4700646B2 (ja) * | 2007-03-26 | 2011-06-15 | 株式会社神戸製鋼所 | ワーク位置決め装置の制御装置およびそのプログラム |
JP2009198418A (ja) * | 2008-02-25 | 2009-09-03 | Denso Corp | 携帯通信機および携帯通信機用のプログラム |
US10032010B2 (en) * | 2010-11-29 | 2018-07-24 | Biocatch Ltd. | System, device, and method of visual login and stochastic cryptography |
US10474815B2 (en) * | 2010-11-29 | 2019-11-12 | Biocatch Ltd. | System, device, and method of detecting malicious automatic script and code injection |
JP5401527B2 (ja) * | 2011-11-11 | 2014-01-29 | 株式会社大和総研ビジネス・イノベーション | 注文内容不正検知システムおよびその方法、並びにプログラム |
CN103186851B (zh) * | 2011-12-30 | 2018-05-25 | 上海博泰悦臻电子设备制造有限公司 | 基于云数据处理技术的电子支付系统 |
US20130185109A1 (en) * | 2012-01-12 | 2013-07-18 | Nohad Loabneh | Non-Emergency Transportation Dispatching, Routing, Compliance and Auditing Software and Technology |
CN102999862B (zh) * | 2012-11-29 | 2016-06-08 | 北京掌上汇通科技发展有限公司 | 一种订单处理方法、装置及系统、支付装置 |
US9912422B2 (en) * | 2014-06-12 | 2018-03-06 | Wellfence Llc | Radio information system and method for remote locations |
US20170228683A1 (en) * | 2014-08-04 | 2017-08-10 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for distributing orders |
CN104156868A (zh) * | 2014-08-22 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于订单价值判断促进订单成交的出租车积分系统 |
JP6399453B2 (ja) * | 2015-01-07 | 2018-10-03 | 株式会社Ihiエアロスペース | 運行管理システムと方法 |
CN106228799B (zh) * | 2016-08-04 | 2019-05-10 | 神州优车(福建)信息技术有限公司 | 监控非法篡改车辆位置信息的方法和装置 |
-
2018
- 2018-05-23 CA CA3029349A patent/CA3029349A1/en not_active Abandoned
- 2018-05-23 JP JP2018568259A patent/JP6774153B2/ja active Active
- 2018-05-23 CN CN201880002658.2A patent/CN109429520B/zh active Active
- 2018-05-23 AU AU2018102202A patent/AU2018102202A4/en active Active
- 2018-05-23 SG SG11201811690TA patent/SG11201811690TA/en unknown
- 2018-05-23 AU AU2018290417A patent/AU2018290417A1/en active Pending
- 2018-05-23 WO PCT/CN2018/087995 patent/WO2019001178A1/en unknown
- 2018-05-23 EP EP18819302.3A patent/EP3461295A4/en not_active Withdrawn
- 2018-12-30 US US16/236,617 patent/US20190139070A1/en not_active Abandoned
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102102992A (zh) * | 2009-12-22 | 2011-06-22 | 山东省计算中心 | 基于多级网络划分的匹配道路初筛方法及地图匹配系统 |
CN102609997A (zh) * | 2012-03-15 | 2012-07-25 | 华南理工大学 | 基于动态时程匹配的高速公路多义性路径自动识别方法 |
CN103456175A (zh) * | 2013-09-25 | 2013-12-18 | 武汉烽火众智数字技术有限责任公司 | 基于车辆号牌识别和网格化监控的伴随车实时检测方法 |
CN105117790A (zh) * | 2015-07-29 | 2015-12-02 | 北京嘀嘀无限科技发展有限公司 | 车费预估方法及装置 |
CN105160880A (zh) * | 2015-09-24 | 2015-12-16 | 滴滴(中国)科技有限公司 | 一种车辆载客状态的预估方法及装置 |
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 |
CN106548241A (zh) * | 2016-10-25 | 2017-03-29 | 先锋智道(北京)科技有限公司 | 网约车运行状态的确定方法、装置及系统 |
CN106846085A (zh) * | 2016-12-19 | 2017-06-13 | 北京东方车云信息技术有限公司 | 一种订单处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
AU2018290417A1 (en) | 2019-01-24 |
JP6774153B2 (ja) | 2020-10-21 |
CN109429520A (zh) | 2019-03-05 |
JP2019535049A (ja) | 2019-12-05 |
US20190139070A1 (en) | 2019-05-09 |
WO2019001178A1 (en) | 2019-01-03 |
AU2018102202A4 (en) | 2021-02-04 |
SG11201811690TA (en) | 2019-01-30 |
EP3461295A4 (en) | 2019-06-05 |
CA3029349A1 (en) | 2019-01-03 |
EP3461295A1 (en) | 2019-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109429520B (zh) | 用于检查作弊服务订单的方法、系统、设备及可读介质 | |
CN109196547B (zh) | 用于推荐服务位置的系统和方法 | |
TWI638320B (zh) | 推薦預計到達時間的系統、方法及非暫態電腦可讀儲存媒體 | |
JP6707125B2 (ja) | 共有可能な注文を割り当てるためのシステムおよび方法 | |
CN109478275B (zh) | 分配服务请求的系统和方法 | |
CN108713326B (zh) | 分配按需服务请求的系统及方法 | |
JP6538196B2 (ja) | サービスの要求を分配するシステム及び方法 | |
JP6503474B2 (ja) | 移動デバイスの経路を求めるシステム及び方法 | |
CN111862585B (zh) | 用于交通预测的系统和方法 | |
WO2019219088A1 (en) | Systems and methods for order allocation | |
CN109923373B (zh) | 用于确定车辆参考方向的系统和方法 | |
CN109791731B (zh) | 一种预估到达时间的方法和系统 | |
CN112154473A (zh) | 用于推荐上车点的系统和方法 | |
CN109891469B (zh) | 交通信号灯配时系统与方法 | |
JP2019114276A (ja) | サービス時点を予測するシステム及び方法 | |
CN111433795A (zh) | 一种确定线上到线下服务的预估到达时间的系统和方法 | |
CN111998865B (zh) | 一种用于路径确定的系统和方法 | |
CN110839346A (zh) | 用于分配服务请求的系统和方法 | |
CN110800030B (zh) | 用于拼车服务的方法和系统 | |
CN111954891B (zh) | 一种跨业务的共享汽车资源复用方法 | |
CN110998615A (zh) | 用于确定服务请求费用的系统和方法 | |
CN111489214A (zh) | 订单分配方法、条件设置方法、装置及电子设备 | |
CN111144968B (zh) | 用于分配服务请求的系统和方法 | |
CN110832513B (zh) | 用于按需服务的系统和方法 | |
WO2020151725A1 (zh) | 一种位置预测方法以及装置 |
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 |