CN109829734A - 基于定位监控的欺诈行为判断方法、装置和计算机设备 - Google Patents
基于定位监控的欺诈行为判断方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN109829734A CN109829734A CN201910100496.2A CN201910100496A CN109829734A CN 109829734 A CN109829734 A CN 109829734A CN 201910100496 A CN201910100496 A CN 201910100496A CN 109829734 A CN109829734 A CN 109829734A
- Authority
- CN
- China
- Prior art keywords
- passenger
- driver
- location data
- fraud
- threshold
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 230000004048 modification Effects 0.000 claims description 31
- 238000012986 modification Methods 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000006399 behavior Effects 0.000 description 18
- 239000000284 extract Substances 0.000 description 11
- 230000008901 benefit Effects 0.000 description 7
- 241001269238 Data Species 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请揭示了一种基于定位监控的欺诈行为判断方法、装置、计算机设备和存储介质,所述方法包括:接收司机或者乘客发送的订单取消指令,所述订单取消指令用于指示取消当前打车订单;获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据;根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态;若所述司机和所述乘客均处于移动状态,实时计算所述司机和所述乘客的距离;判断在第一预定时间内,所述司机和所述乘客的距离是否均小于第一阈值;若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为。从而准确鉴别出取消的打车订单中的欺诈行为。
Description
技术领域
本申请涉及到计算机领域,特别是涉及到一种基于定位监控的欺诈行为判断方法、装置、计算机设备和存储介质。
背景技术
打车软件逐渐为人所接受,其中随着顺风车的模式普及,虽然方便了司机与用户,但是客观上存在用户与司机私底下取消订单,线下支付费用和提供服务(称之为欺诈行为),从而给打车软件所属公司带来损失,并且由于取消订单后的私下交易,不会被记录,因此会给用户带来较高的人身、财产风险。对于如何在取消的订单中,鉴别出欺诈行为,现有技术没有相应的技术方案,即无法避免这种欺诈行为带来的负面影响。
发明内容
本申请的主要目的为提供一种基于定位监控的欺诈行为判断方法、装置、计算机设备和存储介质,旨在鉴别出取消打车订单中的欺诈行为。
为了实现上述发明目的,本申请提出一种基于定位监控的欺诈行为判断方法,包括以下步骤:
接收司机或者乘客发送的订单取消指令,所述订单取消指令用于指示取消当前打车订单,所述司机和所述乘客均与所述当前打车订单对应;
获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据;
根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态;
若所述司机和所述乘客均处于移动状态,根据所述第一定位数据和所述第二定位数据,实时计算所述司机和所述乘客的距离;
判断在第一预定时间内,所述司机和所述乘客的距离是否均小于第一阈值;
若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为。
进一步地,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为之后,包括:
判断所述乘客的历史打车记录中是否存在大于第一预设次数的取消订单的记录;
若存在大于第一预设次数的取消订单的记录,则将所述乘客记为嫌疑乘客;
向所述嫌疑乘客发送提示消息,所述提示消息用于提示所述嫌疑乘客的欺诈行为,所述提示消息包括对所述嫌疑乘客的惩罚信息。
进一步地,所述接收司机或者乘客发送的订单取消指令之后,所述获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据之前,所述方法还包括:
判断所述乘客与所述司机是否存在通话语音记录;
若是,则解析所述通话语音记录,并确定所述通话语音记录包括欺诈嫌疑词。
进一步地,所述根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态的步骤,包括:
获取所述司机的第一时间定位位置与第二时间定位位置,其中所述第二时间要晚于所述第一时间;
通过公式:司机移动速度=司机的第二时间定位位置与司机的第一时间定位位置的距离差值/第二时间与第一时间的时间差,计算出司机移动速度;
若司机移动速度大于预设的速度阈值,则判定所述司机处于移动状态,否则判定所述司机为未移动;
以及,获取所述乘客的第一时间定位位置与第二时间定位位置,其中所述第二时间要晚于所述第一时间;
通过公式:乘客移动速度=乘客的第二时间定位位置与乘客的第一时间定位位置的距离差值/第二时间与第一时间的时间差,计算出乘客移动速度;
若乘客移动速度大于预设的速度阈值,则判定所述乘客处于移动状态,否则判定所述乘客为未移动。
进一步地,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为的步骤,包括:
若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据,并根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度;
计算所述第一移动速度和所述第二移动速度的差值,并判断所述第一移动速度和所述第二移动速度的差值是否在预设范围内;
若所述第一移动速度和所述第二移动速度的差值在预设范围内,则判定存在欺诈行为。
进一步地,所述若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据,并根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度的步骤,包括:
若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据;
判断在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量是否均小于预设的改变阈值;
若在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量均小于预设的改变阈值,则从所述司机的定位数据中提取出所述司机的经度值与纬度值;
根据公式:司机的经度方向速度=预定时间内的司机的经度差值/预定时间,司机的纬度方向速度=预定时间内的司机的纬度差值/预定时间,计算出司机的经度方向速度与司机的纬度方向速度;
根据公式:计算出所述司机的第一移动速度v,其中,v1、v2分别为司机的经度方向速度与司机的纬度方向速度;
以及,从所述乘客的定位数据中提取出所述乘客的经度值与纬度值;
根据公式:乘客的经度方向速度=预定时间内的乘客的经度差值/预定时间,乘客的纬度方向速度=预定时间内的乘客的纬度差值/预定时间,计算出乘客的经度方向速度与乘客的纬度方向速度;
根据公式:计算出所述乘客的第二移动速度m,其中,m1、m2分别为乘客的经度方向速度与乘客的纬度方向速度。
进一步地,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为的步骤之后,包括:
通过分析所述欺诈行为对应的通话记录,获得首次出现的欺诈嫌疑词;
将说出所述首次出现的欺诈嫌疑词的通话者,作为所述欺诈行为的发起人;
将所述发起人加入黑名单。
本申请提供一种基于定位监控的欺诈行为判断装置,包括:
订单取消指令接收单元,用于接收司机或者乘客发送的订单取消指令,所述订单取消指令用于指示取消当前打车订单,所述司机和所述乘客均与所述当前打车订单对应;
定位数据获取单元,用于获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据;
移动状态判断单元,用于根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态;
实时计算距离单元,用于若所述司机和所述乘客均处于移动状态,根据所述第一定位数据和所述第二定位数据,实时计算所述司机和所述乘客的距离;
第一阈值判断单元,用于判断在第一预定时间内,所述司机和所述乘客的距离是否均小于第一阈值;
欺诈行为判定单元,用于若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为。
本申请提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的基于定位监控的欺诈行为判断方法、装置、计算机设备和存储介质,通过获取嫌疑司机的第一定位数据和嫌疑乘客的第二定位数据,再判断嫌疑司机的第一定位数据和嫌疑乘客的第二定位数据的距离是否过大,判断出是否存在欺诈行为,从而准确鉴别出取消的打车订单中的欺诈行为。
附图说明
图1为本申请一实施例的基于定位监控的欺诈行为判断方法的流程示意图;
图2为本申请一实施例的基于定位监控的欺诈行为判断装置的结构示意框图;
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参照图1,本申请实施例提供一种基于定位监控的欺诈行为判断方法,包括以下步骤:
S1、接收司机或者乘客发送的订单取消指令,所述订单取消指令用于指示取消当前打车订单,所述司机和所述乘客均与所述当前打车订单对应;
S2、获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据;
S3、根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态;
S4、若所述司机和所述乘客均处于移动状态,根据所述第一定位数据和所述第二定位数据,实时计算所述司机和所述乘客的距离;
S5、判断在第一预定时间内,所述司机和所述乘客的距离是否均小于第一阈值;
S6、若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为。
如上述步骤S1所述,接收司机或者乘客发送的订单取消指令,所述订单取消指令用于指示取消当前打车订单,所述司机和所述乘客均与所述当前打车订单对应。打车订单被取消,其中一个原因是有线下交易的行为,所述线下交易的行为是指司机与乘客在取消打车订单后,私下达成用车交易,司机送乘客去指定地点,而乘客不通过打车订单对应的服务提供商支付报酬,而私下支付报酬,从而损害打车订单对应的服务提供商的利益的欺诈行为。本申请意图在取消当前打车订单中筛选出欺诈行为。
如上述步骤S2所述,获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据。本实施方式用于判断使用打车软件的司机与乘客是否存在欺诈行为,所述欺诈行为包括乘客与司机私底下取消订单,线下支付费用和提供服务的行为。进一步地,其中所述司机从取消了订单的司机中抽取;或者,所述乘客从取消了订单的乘客中抽取。其中抽取的方式包括:随机抽取,或者从欺诈高发区域中抽取。定位数据可通过任意定位系统中获取,例如北斗卫星导航系统(BDS)、伽利略卫星导航系统(GALILEO)、GLONASS以及GPS,定位数据包括经纬度信息。
如上述步骤S3所述,根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态。若所述司机和所述乘客有一者处于未移动状态,是不可能发生欺诈行为的。因此先进行移动状态的判断。
进一步地,所述根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态包括:
获取所述司机的第一时间定位位置与第二时间定位位置,其中所述第二时间要晚于所述第一时间;
通过公式:司机移动速度=司机的第二时间定位位置与司机的第一时间定位位置的距离差值/第二时间与第一时间的时间差,计算出司机移动速度;
若司机移动速度大于预设的速度阈值,则判定所述司机处于移动状态,否则判定所述司机为未移动;
以及,获取所述乘客的第一时间定位位置与第二时间定位位置,其中所述第二时间要晚于所述第一时间;
通过公式:乘客移动速度=乘客的第二时间定位位置与乘客的第一时间定位位置的距离差值/第二时间与第一时间的时间差,计算出乘客移动速度;
若乘客移动速度大于预设的速度阈值,则判定所述乘客处于移动状态,否则判定所述乘客为未移动。
从而利用预设的公式,计算出司机移动速度与乘客移动速度,进而判断是否处于移动状态。
如上述步骤S4所述,若所述司机和所述乘客均处于移动状态,根据所述第一定位数据和所述第二定位数据,实时计算所述司机和所述乘客的距离。其中,实时计算所述司机和所述乘客的距离为了判断是否存在欺诈行为。若实时计算的距离都很小,表明所述司机和所述乘客的移动路线相同,属于欺诈;若实时计算的距离出现了大的距离值,表明所述司机和所述乘客的移动路线不相同,不属于欺诈。其中,计算距离的方式包括:从所述第一定位数据和所述第二定位数据中分别提取出第一定位经纬度和第二定位经纬度信息,据此计算出所述嫌疑司机和所述嫌疑乘客的距离。
如上述步骤S5所述,判断在第一预定时间内,所述司机和所述乘客的距离是否均小于第一阈值。据此,可判定所述司机和所述乘客的移动路线是否相同。其中,第一预定时间可设置为具体时间,例如5-20分钟,或者,也可以设置为被取消的订单理论上的行车时间的倍值,所述倍值为小于1的正数。其中,第一阈值为1-20m。
如上述步骤S6所述,若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为。若距离均小于第一阈值,表明所述司机和所述乘客的移动路线相同,据此判定所述司机和所述乘客在取消了订单之后,又私底下实现了与订单相同的交易,属于欺诈行为。
在一个实施方式中,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为的步骤S6之后,包括:
S61、判断所述乘客的历史打车记录中是否存在大于第一预设次数的取消订单的记录;
S62、若存在大于第一预设次数的取消订单的记录,则将所述乘客记为嫌疑乘客;
S63、向所述嫌疑乘客发送提示消息,所述提示消息用于提示所述嫌疑乘客的欺诈行为,所述提示消息包括对所述嫌疑乘客的惩罚信息。
如上所述,实现了向所述嫌疑乘客发送提示消息。为了避免误判,本申请在若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为之后,还采用了判断所述乘客的历史打车记录中是否存在大于第一预设次数的取消订单的记录的方式,以进一步保证欺诈行为判断的准确性。若存在大于第一预设次数的取消订单的记录,因为普通乘客不会有过多的取消订单的次数,据此将所述乘客记为嫌疑乘客,并可以确定所述嫌疑乘客的当前取消订单的操作是欺诈行为。因此向所述嫌疑乘客发送提示消息,所述提示消息用于提示所述嫌疑乘客的欺诈行为,所述提示消息包括对所述嫌疑乘客的惩罚信息,以达到惩罚并告之的目的。
在一个实施方式中,所述接收司机或者乘客发送的订单取消指令之后,所述获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据之前,还包括:
S11、判断所述乘客与所述司机是否存在通话语音记录;
S12、若是,则解析所述通话语音记录,并确定所述通话语音记录包括欺诈嫌疑词。
如上所述,实现了进一步增加欺诈行为判断的准确性。通话语音记录很可能保留有欺诈行为的线索,例如欺诈嫌疑词。因此,在获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据之前,先解析所述通话语音记录,并确定所述通话语音记录包括欺诈嫌疑词,从而进一步增加欺诈行为判断的准确性。其中,判断所述通话是否有欺诈嫌疑词的方法包括,对所述通话进行语音识别,将语音识别出的单词与预设的欺诈嫌疑词数据库进行对比,若所述语音识别出的单词存在于所述欺诈嫌疑词数据库,则判定有欺诈嫌疑词。
在一个实施方式中,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为的步骤S6,包括:
S601、若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据,并根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度;
S602、计算所述第一移动速度和所述第二移动速度的差值,并判断所述第一移动速度和所述第二移动速度的差值是否在预设范围内;
S603、若所述第一移动速度和所述第二移动速度的差值在预设范围内,则判定存在欺诈行为。
如上所述,实现了进一步增加欺诈行为判断的准确性。本申请不仅采用判断距离的方式,还采用判断速度的方式,使欺诈行为判断更加准确更加真实。具体地,若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据,并根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度;计算所述第一移动速度和所述第二移动速度的差值,并判断所述第一移动速度和所述第二移动速度的差值是否在预设范围内;若所述第一移动速度和所述第二移动速度的差值在预设范围内,则判定存在欺诈行为。其中,预设的移动速度算法可以为任意算法,例如为计算速度分向量的算法,速度相似值算法(即计算出相近的速度值,并作为移动速度的真实值)等。
在一个实施方式中,所述若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据,并根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度的步骤S601,包括:
S6011、若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据;
S6012、判断在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量是否均小于预设的改变阈值;
S6013、若在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量均小于预设的改变阈值,则从所述司机的定位数据中提取出所述司机的经度值与纬度值;
S6014、根据公式:司机的经度方向速度=预定时间内的司机的经度差值/预定时间,司机的纬度方向速度=预定时间内的司机的纬度差值/预定时间,计算出司机的经度方向速度与司机的纬度方向速度;
S6015、根据公式:计算出所述司机的第一移动速度v,其中,v1、v2分别为司机的经度方向速度与司机的纬度方向速度;
S6016、以及,从所述乘客的定位数据中提取出所述乘客的经度值与纬度值;
S6017、根据公式:乘客的经度方向速度=预定时间内的乘客的经度差值/预定时间,乘客的纬度方向速度=预定时间内的乘客的纬度差值/预定时间,计算出乘客的经度方向速度与乘客的纬度方向速度;
S6018、根据公式:计算出所述乘客的第二移动速度m,其中,m1、m2分别为乘客的经度方向速度与乘客的纬度方向速度。
如上所述,实现了根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度。本申请采用计算速度分向量的算法与速度相似值算法结合获得所述司机的第一移动速度和所述乘客的第二移动速度。具体地,先判断在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量是否均小于预设的改变阈值(由于地球是球体(或称之类球体),因此经纬度的划分也是基于球体,在定位数据的数值改变量较小时,例如定位数据的数值改变量小于改变阈值时,球体近似于平面,因而采用三角函数法计算得到的速度值近似于真实速度值),以保证后续的计算准确度。并通过分别计算经度方向速度与纬度方向速度的方式,减少了综合计算的复杂度,节省了算力。
在一个实施方式中,所述获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据的步骤S2之前,包括:
S101、从当前时间取消了第一打车订单的乘客中,抽取第一乘客;
S102、判断所述第一乘客的历史打车记录中是否存在大于第一预设次数的取消订单的记录;
S103、若存在大于第一预设次数的取消订单的记录,则将所述第一乘客记为嫌疑乘客,并将所述第一打车订单对应的司机记为嫌疑司机。
如上所述,实现了确定嫌疑乘客与嫌疑司机。具有欺诈行为的乘客,其有大概率在历史记录中存在取消订单的行为。因此多次取消订单的乘客相对于普通的乘客存在更大的欺诈嫌疑。据此,从第一打车订单的乘客中,抽取第一乘客,若该第一乘客曾多次取消订单,则记为嫌疑乘客。相应地,取消订单对应的司机即为嫌疑司机。
在一个实施方式中,所述判断在第一预定时间内,所述司机和所述乘客的距离是否均小于第一阈值的步骤S5之后,包括:
S511、若所述司机和所述乘客的距离不均小于第一阈值,判断所述司机和所述乘客的距离是否均小于第二阈值,其中所述第二阈值大于所述第一阈值;
S512、若所述司机和所述乘客的距离不均小于第二阈值,则判定为非欺诈行为。
如上所述,实现了对是否欺诈的判断。其中,由于定位数据的精准度关系,可能存在如下现象:位于同一位置的两个定位请求的两个定位数据却有较大差异。因此设置第二阈值,用以对于容忍可能的定位不精准现象。当实时计算出的距离不均小于第二阈值时,由于第二阈值设置较大,据此可判定所述嫌疑司机与所述嫌疑乘客并不在同一条路线上,故判定非欺诈。其中第二阈值大于第一阈值,例如第一阈值设置为20m,第二阈值设置为50m。
在一个实施方式中,所述判断在第一预定时间内,所述司机和所述乘客的距离是否均小于第一阈值的步骤S5之后,包括:
S521、若所述司机和所述乘客的距离不均小于第一阈值,判断所述司机和所述乘客的距离是否均小于第二阈值,其中所述第二阈值大于所述第一阈值;
S522、若所述司机和所述乘客的距离均小于第二阈值,则判断在所述第一预定时间之后的第二预定时间内,所述司机和所述乘客的距离是否均小于第一阈值;
S423、若在所述第一预定时间之后的第二预定时间内,所述司机和所述乘客的距离均小于第一阈值,则判定为欺诈行为。
如上所述,实现了对是否欺诈的判断。其中,由于定位数据的精准度关系,可能存在如下现象:位于同一位置的两个定位请求的两个定位数据却有较大差异。因此设置第二阈值,用以对于容忍可能的定位不精准现象。在第一预定时间内,实时计算出的距离均小于第二阈值时,不能判定是否存在欺诈行为。再继续在所述第一预定时间之后的第二预定时间内,判断所述嫌疑司机和所述嫌疑乘客的距离是否均小于第一阈值,若在第二预定时间内,所述距离均小于第一阈值,则判定欺诈。其中第二预定时间为容忍定位误差的时间,即定位数据可能在第一预定时间内出现误差,但该误差可能仅是偶然出现,因此若所述嫌疑司机与所述嫌疑乘客在同一路线上,那么在第二预定时间内的距离应该均小于第一阈值。据此,若在第二预定时间内,所述距离均小于第一阈值,则判定欺诈。
在一个实施方式中,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为的步骤S6之后,包括:
S7、通过分析所述欺诈行为对应的通话记录,获得首次出现的欺诈嫌疑词;
S8、将说出所述首次出现的欺诈嫌疑词的通话者,作为所述欺诈行为的发起人;
S9、将所述发起人加入黑名单。
如上所述,实现了对欺诈行为的处理。其中,欺诈行为可能是发起人强烈要求对方配合的,因此分辨出具体的发起人,可以作为本次欺诈的主要责任方,并将其加入黑名单。其中取消订单的执行者可能并非是欺诈的发起者。在通话记录中,说出所述首次出现的欺诈嫌疑词的通话者,被视为有引导欺诈的行为,据此将其作为所述欺诈行为的发起人。
本申请的基于定位监控的欺诈行为判断方法,通过获取嫌疑司机的第一定位数据和嫌疑乘客的第二定位数据,再判断嫌疑司机的第一定位数据和嫌疑乘客的第二定位数据的距离是否过大,判断出是否存在欺诈行为,从而准确鉴别出取消的打车订单中的欺诈行为。
参照图2,本申请实施例提供一种基于定位监控的欺诈行为判断装置,包括:
订单取消指令接收单元10,用于接收司机或者乘客发送的订单取消指令,所述订单取消指令用于指示取消当前打车订单,所述司机和所述乘客均与所述当前打车订单对应;
定位数据获取单元20,用于获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据;
移动状态判断单元30,用于根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态;
实时计算距离单元40,用于若所述司机和所述乘客均处于移动状态,根据所述第一定位数据和所述第二定位数据,实时计算所述司机和所述乘客的距离;
第一阈值判断单元50,用于判断在第一预定时间内,所述司机和所述乘客的距离是否均小于第一阈值;
欺诈行为判定单元60,用于若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为。
如上述单元10所述,接收司机或者乘客发送的订单取消指令,所述订单取消指令用于指示取消当前打车订单,所述司机和所述乘客均与所述当前打车订单对应。打车订单被取消,其中一个原因是有线下交易的行为,所述线下交易的行为是指司机与乘客在取消打车订单后,私下达成用车交易,司机送乘客去指定地点,而乘客不通过打车订单对应的服务提供商支付报酬,而私下支付报酬,从而损害打车订单对应的服务提供商的利益的欺诈行为。本申请意图在取消当前打车订单中筛选出欺诈行为。
如上述单元20所述,获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据。本实施方式用于判断使用打车软件的司机与乘客是否存在欺诈行为,所述欺诈行为包括乘客与司机私底下取消订单,线下支付费用和提供服务的行为。进一步地,其中所述司机从取消了订单的司机中抽取;或者,所述乘客从取消了订单的乘客中抽取。其中抽取的方式包括:随机抽取,或者从欺诈高发区域中抽取。定位数据可通过任意定位系统中获取,例如北斗卫星导航系统(BDS)、伽利略卫星导航系统(GALILEO)、GLONASS以及GPS,定位数据包括经纬度信息。
如上述单元30所述,根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态。若所述司机和所述乘客有一者处于未移动状态,是不可能发生欺诈行为的。因此先进行移动状态的判断。
进一步地,所述根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态包括:
获取所述司机的第一时间定位位置与第二时间定位位置,其中所述第二时间要晚于所述第一时间;
通过公式:司机移动速度=司机的第二时间定位位置与司机的第一时间定位位置的距离差值/第二时间与第一时间的时间差,计算出司机移动速度;
若司机移动速度大于预设的速度阈值,则判定所述司机处于移动状态,否则判定所述司机为未移动;
以及,获取所述乘客的第一时间定位位置与第二时间定位位置,其中所述第二时间要晚于所述第一时间;
通过公式:乘客移动速度=乘客的第二时间定位位置与乘客的第一时间定位位置的距离差值/第二时间与第一时间的时间差,计算出乘客移动速度;
若乘客移动速度大于预设的速度阈值,则判定所述乘客处于移动状态,否则判定所述乘客为未移动。
从而利用预设的公式,计算出司机移动速度与乘客移动速度,进而判断是否处于移动状态。
如上述单元40所述,若所述司机和所述乘客均处于移动状态,根据所述第一定位数据和所述第二定位数据,实时计算所述司机和所述乘客的距离。其中,实时计算所述司机和所述乘客的距离为了判断是否存在欺诈行为。若实时计算的距离都很小,表明所述司机和所述乘客的移动路线相同,属于欺诈;若实时计算的距离出现了大的距离值,表明所述司机和所述乘客的移动路线不相同,不属于欺诈。其中,计算距离的方式包括:从所述第一定位数据和所述第二定位数据中分别提取出第一定位经纬度和第二定位经纬度信息,据此计算出所述嫌疑司机和所述嫌疑乘客的距离。
如上述单元50所述,判断在第一预定时间内,所述司机和所述乘客的距离是否均小于第一阈值。据此,可判定所述司机和所述乘客的移动路线是否相同。其中,第一预定时间可设置为具体时间,例如5-20分钟,或者,也可以设置为被取消的订单理论上的行车时间的倍值,所述倍值为小于1的正数。其中,第一阈值为1-20m。
如上述单元60所述,若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为。若距离均小于第一阈值,表明所述司机和所述乘客的移动路线相同,据此判定所述司机和所述乘客在取消了订单之后,又私底下实现了与订单相同的交易,属于欺诈行为。
在一个实施方式中,所述装置,包括:
取消订单的记录判断单元,用于判断所述乘客的历史打车记录中是否存在大于第一预设次数的取消订单的记录;
嫌疑乘客标记单元,用于若存在大于第一预设次数的取消订单的记录,则将所述乘客记为嫌疑乘客;
发送提示消息单元,用于向所述嫌疑乘客发送提示消息,所述提示消息用于提示所述嫌疑乘客的欺诈行为,所述提示消息包括对所述嫌疑乘客的惩罚信息。
如上所述,实现了向所述嫌疑乘客发送提示消息。为了避免误判,本申请在若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为之后,还采用了判断所述乘客的历史打车记录中是否存在大于第一预设次数的取消订单的记录的方式,以进一步保证欺诈行为判断的准确性。若存在大于第一预设次数的取消订单的记录,因为普通乘客不会有过多的取消订单的次数,据此将所述乘客记为嫌疑乘客,并可以确定所述嫌疑乘客的当前取消订单的操作是欺诈行为。因此向所述嫌疑乘客发送提示消息,所述提示消息用于提示所述嫌疑乘客的欺诈行为,所述提示消息包括对所述嫌疑乘客的惩罚信息,以达到惩罚并告之的目的。
在一个实施方式中,所述装置,还包括:
通话语音记录判断单元,用于判断所述乘客与所述司机是否存在通话语音记录;
欺诈嫌疑词确定单元,用于若是,则解析所述通话语音记录,并确定所述通话语音记录包括欺诈嫌疑词。
如上所述,实现了进一步增加欺诈行为判断的准确性。通话语音记录很可能保留有欺诈行为的线索,例如欺诈嫌疑词。因此,在获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据之前,先解析所述通话语音记录,并确定所述通话语音记录包括欺诈嫌疑词,从而进一步增加欺诈行为判断的准确性。其中,判断所述通话是否有欺诈嫌疑词的方法包括,对所述通话进行语音识别,将语音识别出的单词与预设的欺诈嫌疑词数据库进行对比,若所述语音识别出的单词存在于所述欺诈嫌疑词数据库,则判定有欺诈嫌疑词。
在一个实施方式中,所述欺诈行为判定单元,包括:
移动速度计算子单元,用于若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据,并根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度;
预设范围判断子单元,用于计算所述第一移动速度和所述第二移动速度的差值,并判断所述第一移动速度和所述第二移动速度的差值是否在预设范围内;
欺诈行为判定子单元,用于若所述第一移动速度和所述第二移动速度的差值在预设范围内,则判定存在欺诈行为。
如上所述,实现了进一步增加欺诈行为判断的准确性。本申请不仅采用判断距离的方式,还采用判断速度的方式,使欺诈行为判断更加准确更加真实。具体地,若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据,并根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度;计算所述第一移动速度和所述第二移动速度的差值,并判断所述第一移动速度和所述第二移动速度的差值是否在预设范围内;若所述第一移动速度和所述第二移动速度的差值在预设范围内,则判定存在欺诈行为。其中,预设的移动速度算法可以为任意算法,例如为计算速度分向量的算法,速度相似值算法(即计算出相近的速度值,并作为移动速度的真实值)等。
在一个实施方式中,所述移动速度计算子单元,包括:
定位数据获取模块,用于若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据;
改变阈值判断模块,用于判断在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量是否均小于预设的改变阈值;
司机的经度值与纬度值提取模块,用于若在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量均小于预设的改变阈值,则从所述司机的定位数据中提取出所述司机的经度值与纬度值;
司机的方向速度计算模块,用于根据公式:司机的经度方向速度=预定时间内的司机的经度差值/预定时间,司机的纬度方向速度=预定时间内的司机的纬度差值/预定时间,计算出司机的经度方向速度与司机的纬度方向速度;
第一移动速度v计算模块,用于根据公式:计算出所述司机的第一移动速度v,其中,v1、v2分别为司机的经度方向速度与司机的纬度方向速度;
乘客的经度值与纬度值提取模块,用于以及,从所述乘客的定位数据中提取出所述乘客的经度值与纬度值;
乘客的方向速度计算模块,用于根据公式:乘客的经度方向速度=预定时间内的乘客的经度差值/预定时间,乘客的纬度方向速度=预定时间内的乘客的纬度差值/预定时间,计算出乘客的经度方向速度与乘客的纬度方向速度;
第二移动速度v计算模块,用于根据公式:计算出所述乘客的第二移动速度m,其中,m1、m2分别为乘客的经度方向速度与乘客的纬度方向速度。
如上所述,实现了根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度。本申请采用计算速度分向量的算法与速度相似值算法结合获得所述司机的第一移动速度和所述乘客的第二移动速度。具体地,先判断在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量是否均小于预设的改变阈值(由于地球是球体(或称之类球体),因此经纬度的划分也是基于球体,在定位数据的数值改变量较小时,例如定位数据的数值改变量小于改变阈值时,球体近似于平面,因而采用三角函数法计算得到的速度值近似于真实速度值),以保证后续的计算准确度。并通过分别计算经度方向速度与纬度方向速度的方式,减少了综合计算的复杂度,节省了算力。
在一个实施方式中,所述装置,包括:
抽取第一乘客单元,用于从当前时间取消了第一打车订单的乘客中,抽取第一乘客;
取消订单的记录判断单元,用于判断所述第一乘客的历史打车记录中是否存在大于第一预设次数的取消订单的记录;
嫌疑标记单元,用于若存在大于第一预设次数的取消订单的记录,则将所述第一乘客记为嫌疑乘客,并将所述第一打车订单对应的司机记为嫌疑司机。
如上所述,实现了确定嫌疑乘客与嫌疑司机。具有欺诈行为的乘客,其有大概率在历史记录中存在取消订单的行为。因此多次取消订单的乘客相对于普通的乘客存在更大的欺诈嫌疑。据此,从第一打车订单的乘客中,抽取第一乘客,若该第一乘客曾多次取消订单,则记为嫌疑乘客。相应地,取消订单对应的司机即为嫌疑司机。
在一个实施方式中,所述装置,包括:
第二阈值判断单元,用于若所述司机和所述乘客的距离不均小于第一阈值,判断所述司机和所述乘客的距离是否均小于第二阈值,其中所述第二阈值大于所述第一阈值;
非欺诈行为判定单元,用于若所述司机和所述乘客的距离不均小于第二阈值,则判定为非欺诈行为。
如上所述,实现了对是否欺诈的判断。其中,由于定位数据的精准度关系,可能存在如下现象:位于同一位置的两个定位请求的两个定位数据却有较大差异。因此设置第二阈值,用以对于容忍可能的定位不精准现象。当实时计算出的距离不均小于第二阈值时,由于第二阈值设置较大,据此可判定所述嫌疑司机与所述嫌疑乘客并不在同一条路线上,故判定非欺诈。其中第二阈值大于第一阈值,例如第一阈值设置为20m,第二阈值设置为50m。
在一个实施方式中,所述装置,包括:
第二阈值判断单元,用于若所述司机和所述乘客的距离不均小于第一阈值,判断所述司机和所述乘客的距离是否均小于第二阈值,其中所述第二阈值大于所述第一阈值;
第二预定时间判断单元,用于若所述司机和所述乘客的距离均小于第二阈值,则判断在所述第一预定时间之后的第二预定时间内,所述司机和所述乘客的距离是否均小于第一阈值;
欺诈行为判定单元,用于若在所述第一预定时间之后的第二预定时间内,所述司机和所述乘客的距离均小于第一阈值,则判定为欺诈行为。
如上所述,实现了对是否欺诈的判断。其中,由于定位数据的精准度关系,可能存在如下现象:位于同一位置的两个定位请求的两个定位数据却有较大差异。因此设置第二阈值,用以对于容忍可能的定位不精准现象。在第一预定时间内,实时计算出的距离均小于第二阈值时,不能判定是否存在欺诈行为。再继续在所述第一预定时间之后的第二预定时间内,判断所述嫌疑司机和所述嫌疑乘客的距离是否均小于第一阈值,若在第二预定时间内,所述距离均小于第一阈值,则判定欺诈。其中第二预定时间为容忍定位误差的时间,即定位数据可能在第一预定时间内出现误差,但该误差可能仅是偶然出现,因此若所述嫌疑司机与所述嫌疑乘客在同一路线上,那么在第二预定时间内的距离应该均小于第一阈值。据此,若在第二预定时间内,所述距离均小于第一阈值,则判定欺诈。
在一个实施方式中,所述装置,包括:
欺诈嫌疑词获取单元,用于通过分析所述欺诈行为对应的通话记录,获得首次出现的欺诈嫌疑词;
发起人获取单元,用于将说出所述首次出现的欺诈嫌疑词的通话者,作为所述欺诈行为的发起人;
加入黑名单单元,用于将所述发起人加入黑名单。
如上所述,实现了对欺诈行为的处理。其中,欺诈行为可能是发起人强烈要求对方配合的,因此分辨出具体的发起人,可以作为本次欺诈的主要责任方,并将其加入黑名单。其中取消订单的执行者可能并非是欺诈的发起者。在通话记录中,说出所述首次出现的欺诈嫌疑词的通话者,被视为有引导欺诈的行为,据此将其作为所述欺诈行为的发起人。
本申请的基于定位监控的欺诈行为判断装置,通过获取嫌疑司机的第一定位数据和嫌疑乘客的第二定位数据,再判断嫌疑司机的第一定位数据和嫌疑乘客的第二定位数据的距离是否过大,判断出是否存在欺诈行为,从而准确鉴别出取消的打车订单中的欺诈行为。
参照图3,本发明实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于定位监控的欺诈行为判断方法所用数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于定位监控的欺诈行为判断方法。
上述处理器执行上述基于定位监控的欺诈行为判断方法,包括以下步骤:接收司机或者乘客发送的订单取消指令,所述订单取消指令用于指示取消当前打车订单,所述司机和所述乘客均与所述当前打车订单对应;获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据;根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态;若所述司机和所述乘客均处于移动状态,根据所述第一定位数据和所述第二定位数据,实时计算所述司机和所述乘客的距离;判断在第一预定时间内,所述司机和所述乘客的距离是否均小于第一阈值;若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为。
在一个实施方式中,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为之后,包括:判断所述乘客的历史打车记录中是否存在大于第一预设次数的取消订单的记录;若存在大于第一预设次数的取消订单的记录,则将所述乘客记为嫌疑乘客;向所述嫌疑乘客发送提示消息,所述提示消息用于提示所述嫌疑乘客的欺诈行为,所述提示消息包括对所述嫌疑乘客的惩罚信息。
在一个实施方式中,所述接收司机或者乘客发送的订单取消指令之后,所述获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据之前,所述方法还包括:判断所述乘客与所述司机是否存在通话语音记录;若是,则解析所述通话语音记录,并确定所述通话语音记录包括欺诈嫌疑词。
在一个实施方式中,所述根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态的步骤,包括:获取所述司机的第一时间定位位置与第二时间定位位置,其中所述第二时间要晚于所述第一时间;通过公式:司机移动速度=司机的第二时间定位位置与司机的第一时间定位位置的距离差值/第二时间与第一时间的时间差,计算出司机移动速度;若司机移动速度大于预设的速度阈值,则判定所述司机处于移动状态,否则判定所述司机为未移动;以及,获取所述乘客的第一时间定位位置与第二时间定位位置,其中所述第二时间要晚于所述第一时间;通过公式:乘客移动速度=乘客的第二时间定位位置与乘客的第一时间定位位置的距离差值/第二时间与第一时间的时间差,计算出乘客移动速度;若乘客移动速度大于预设的速度阈值,则判定所述乘客处于移动状态,否则判定所述乘客为未移动。
在一个实施方式中,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为的步骤,包括:若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据,并根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度;计算所述第一移动速度和所述第二移动速度的差值,并判断所述第一移动速度和所述第二移动速度的差值是否在预设范围内;若所述第一移动速度和所述第二移动速度的差值在预设范围内,则判定存在欺诈行为。
在一个实施方式中,所述若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据,并根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度的步骤,包括:若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据;判断在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量是否均小于预设的改变阈值;若在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量均小于预设的改变阈值,则从所述司机的定位数据中提取出所述司机的经度值与纬度值;根据公式:司机的经度方向速度=预定时间内的司机的经度差值/预定时间,司机的纬度方向速度=预定时间内的司机的纬度差值/预定时间,计算出司机的经度方向速度与司机的纬度方向速度;根据公式:计算出所述司机的第一移动速度v,其中,v1、v2分别为司机的经度方向速度与司机的纬度方向速度;以及,从所述乘客的定位数据中提取出所述乘客的经度值与纬度值;根据公式:乘客的经度方向速度=预定时间内的乘客的经度差值/预定时间,乘客的纬度方向速度=预定时间内的乘客的纬度差值/预定时间,计算出乘客的经度方向速度与乘客的纬度方向速度;根据公式:计算出所述乘客的第二移动速度m,其中,m1、m2分别为乘客的经度方向速度与乘客的纬度方向速度。
在一个实施方式中,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为的步骤之后,包括:通过分析所述欺诈行为对应的通话记录,获得首次出现的欺诈嫌疑词;将说出所述首次出现的欺诈嫌疑词的通话者,作为所述欺诈行为的发起人;将所述发起人加入黑名单。
本领域技术人员可以理解,图中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请的计算机设备,通过获取嫌疑司机的第一定位数据和嫌疑乘客的第二定位数据,再判断嫌疑司机的第一定位数据和嫌疑乘客的第二定位数据的距离是否过大,判断出是否存在欺诈行为,从而准确鉴别出取消的打车订单中的欺诈行为。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现基于定位监控的欺诈行为判断方法,包括以下步骤:接收司机或者乘客发送的订单取消指令,所述订单取消指令用于指示取消当前打车订单,所述司机和所述乘客均与所述当前打车订单对应;获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据;根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态;若所述司机和所述乘客均处于移动状态,根据所述第一定位数据和所述第二定位数据,实时计算所述司机和所述乘客的距离;判断在第一预定时间内,所述司机和所述乘客的距离是否均小于第一阈值;若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为。
在一个实施方式中,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为之后,包括:判断所述乘客的历史打车记录中是否存在大于第一预设次数的取消订单的记录;若存在大于第一预设次数的取消订单的记录,则将所述乘客记为嫌疑乘客;向所述嫌疑乘客发送提示消息,所述提示消息用于提示所述嫌疑乘客的欺诈行为,所述提示消息包括对所述嫌疑乘客的惩罚信息。
在一个实施方式中,所述接收司机或者乘客发送的订单取消指令之后,所述获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据之前,所述方法还包括:判断所述乘客与所述司机是否存在通话语音记录;若是,则解析所述通话语音记录,并确定所述通话语音记录包括欺诈嫌疑词。
在一个实施方式中,所述根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态的步骤,包括:获取所述司机的第一时间定位位置与第二时间定位位置,其中所述第二时间要晚于所述第一时间;通过公式:司机移动速度=司机的第二时间定位位置与司机的第一时间定位位置的距离差值/第二时间与第一时间的时间差,计算出司机移动速度;若司机移动速度大于预设的速度阈值,则判定所述司机处于移动状态,否则判定所述司机为未移动;以及,获取所述乘客的第一时间定位位置与第二时间定位位置,其中所述第二时间要晚于所述第一时间;通过公式:乘客移动速度=乘客的第二时间定位位置与乘客的第一时间定位位置的距离差值/第二时间与第一时间的时间差,计算出乘客移动速度;若乘客移动速度大于预设的速度阈值,则判定所述乘客处于移动状态,否则判定所述乘客为未移动。
在一个实施方式中,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为的步骤,包括:若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据,并根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度;计算所述第一移动速度和所述第二移动速度的差值,并判断所述第一移动速度和所述第二移动速度的差值是否在预设范围内;若所述第一移动速度和所述第二移动速度的差值在预设范围内,则判定存在欺诈行为。
在一个实施方式中,所述若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据,并根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度的步骤,包括:若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据;判断在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量是否均小于预设的改变阈值;若在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量均小于预设的改变阈值,则从所述司机的定位数据中提取出所述司机的经度值与纬度值;根据公式:司机的经度方向速度=预定时间内的司机的经度差值/预定时间,司机的纬度方向速度=预定时间内的司机的纬度差值/预定时间,计算出司机的经度方向速度与司机的纬度方向速度;根据公式:计算出所述司机的第一移动速度v,其中,v1、v2分别为司机的经度方向速度与司机的纬度方向速度;以及,从所述乘客的定位数据中提取出所述乘客的经度值与纬度值;根据公式:乘客的经度方向速度=预定时间内的乘客的经度差值/预定时间,乘客的纬度方向速度=预定时间内的乘客的纬度差值/预定时间,计算出乘客的经度方向速度与乘客的纬度方向速度;根据公式:计算出所述乘客的第二移动速度m,其中,m1、m2分别为乘客的经度方向速度与乘客的纬度方向速度。
在一个实施方式中,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为的步骤之后,包括:通过分析所述欺诈行为对应的通话记录,获得首次出现的欺诈嫌疑词;将说出所述首次出现的欺诈嫌疑词的通话者,作为所述欺诈行为的发起人;将所述发起人加入黑名单。
本申请的计算机可读存储介质,通过获取嫌疑司机的第一定位数据和嫌疑乘客的第二定位数据,再判断嫌疑司机的第一定位数据和嫌疑乘客的第二定位数据的距离是否过大,判断出是否存在欺诈行为,从而准确鉴别出取消的打车订单中的欺诈行为。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于定位监控的欺诈行为判断方法,其特征在于,包括:
接收司机或者乘客发送的订单取消指令,所述订单取消指令用于指示取消当前打车订单,所述司机和所述乘客均与所述当前打车订单对应;
获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据;
根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态;
若所述司机和所述乘客均处于移动状态,根据所述第一定位数据和所述第二定位数据,实时计算所述司机和所述乘客的距离;
判断在第一预定时间内,所述司机和所述乘客的距离是否均小于第一阈值;
若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为。
2.根据权利要求1所述的基于定位监控的欺诈行为判断方法,其特征在于,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为之后,包括:
判断所述乘客的历史打车记录中是否存在大于第一预设次数的取消订单的记录;
若存在大于第一预设次数的取消订单的记录,则将所述乘客记为嫌疑乘客;
向所述嫌疑乘客发送提示消息,所述提示消息用于提示所述嫌疑乘客的欺诈行为,所述提示消息包括对所述嫌疑乘客的惩罚信息。
3.根据权利要求1所述的基于定位监控的欺诈行为判断方法,其特征在于,所述接收司机或者乘客发送的订单取消指令之后,所述获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据之前,所述方法还包括:
判断所述乘客与所述司机是否存在通话语音记录;
若是,则解析所述通话语音记录,并确定所述通话语音记录包括欺诈嫌疑词。
4.根据权利要求1所述的基于定位监控的欺诈行为判断方法,其特征在于,所述根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态的步骤,包括:
获取所述司机的第一时间定位位置与第二时间定位位置,其中所述第二时间要晚于所述第一时间;
通过公式:司机移动速度=司机的第二时间定位位置与司机的第一时间定位位置的距离差值/第二时间与第一时间的时间差,计算出司机移动速度;
若司机移动速度大于预设的速度阈值,则判定所述司机处于移动状态,否则判定所述司机为未移动;
以及,获取所述乘客的第一时间定位位置与第二时间定位位置,其中所述第二时间要晚于所述第一时间;
通过公式:乘客移动速度=乘客的第二时间定位位置与乘客的第一时间定位位置的距离差值/第二时间与第一时间的时间差,计算出乘客移动速度;
若乘客移动速度大于预设的速度阈值,则判定所述乘客处于移动状态,否则判定所述乘客为未移动。
5.根据权利要求1所述的基于定位监控的欺诈行为判断方法,其特征在于,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为的步骤,包括:
若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据,并根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度;
计算所述第一移动速度和所述第二移动速度的差值,并判断所述第一移动速度和所述第二移动速度的差值是否在预设范围内;
若所述第一移动速度和所述第二移动速度的差值在预设范围内,则判定存在欺诈行为。
6.根据权利要求5所述的基于定位监控的欺诈行为判断方法,其特征在于,所述若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据,并根据预设的移动速度算法计算所述司机的第一移动速度和所述乘客的第二移动速度的步骤,包括:
若所述司机和所述乘客的距离均小于第一阈值,则实时获取所述司机的定位数据和所述乘客的定位数据;
判断在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量是否均小于预设的改变阈值;
若在预定时间内所述司机的定位数据的数值改变量和所述乘客的定位数据的数值改变量均小于预设的改变阈值,则从所述司机的定位数据中提取出所述司机的经度值与纬度值;
根据公式:司机的经度方向速度=预定时间内的司机的经度差值/预定时间,司机的纬度方向速度=预定时间内的司机的纬度差值/预定时间,计算出司机的经度方向速度与司机的纬度方向速度;
根据公式:计算出所述司机的第一移动速度v,其中,v1、v2分别为司机的经度方向速度与司机的纬度方向速度;
以及,从所述乘客的定位数据中提取出所述乘客的经度值与纬度值;
根据公式:乘客的经度方向速度=预定时间内的乘客的经度差值/预定时间,乘客的纬度方向速度=预定时间内的乘客的纬度差值/预定时间,计算出乘客的经度方向速度与乘客的纬度方向速度;
根据公式:计算出所述乘客的第二移动速度m,其中,m1、m2分别为乘客的经度方向速度与乘客的纬度方向速度。
7.根据权利要求1所述的基于定位监控的欺诈行为判断方法,其特征在于,所述若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为的步骤之后,包括:
通过分析所述欺诈行为对应的通话记录,获得首次出现的欺诈嫌疑词;
将说出所述首次出现的欺诈嫌疑词的通话者,作为所述欺诈行为的发起人;
将所述发起人加入黑名单。
8.一种基于定位监控的欺诈行为判断装置,其特征在于,包括:
订单取消指令接收单元,用于接收司机或者乘客发送的订单取消指令,所述订单取消指令用于指示取消当前打车订单,所述司机和所述乘客均与所述当前打车订单对应;
定位数据获取单元,用于获取所述司机当前的第一定位数据和所述乘客当前的第二定位数据;
移动状态判断单元,用于根据所述第一定位数据和所述第二定位数据,分别判断所述司机和所述乘客是否处于移动状态;
实时计算距离单元,用于若所述司机和所述乘客均处于移动状态,根据所述第一定位数据和所述第二定位数据,实时计算所述司机和所述乘客的距离;
第一阈值判断单元,用于判断在第一预定时间内,所述司机和所述乘客的距离是否均小于第一阈值;
欺诈行为判定单元,用于若所述司机和所述乘客的距离均小于第一阈值,则判定存在欺诈行为。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910100496.2A CN109829734A (zh) | 2019-01-31 | 2019-01-31 | 基于定位监控的欺诈行为判断方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910100496.2A CN109829734A (zh) | 2019-01-31 | 2019-01-31 | 基于定位监控的欺诈行为判断方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109829734A true CN109829734A (zh) | 2019-05-31 |
Family
ID=66863147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910100496.2A Pending CN109829734A (zh) | 2019-01-31 | 2019-01-31 | 基于定位监控的欺诈行为判断方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109829734A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832897A (zh) * | 2020-06-10 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备和计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101681293B1 (ko) * | 2016-06-13 | 2016-12-12 | 주식회사 더불어 | 교통수단 동승 서비스 제공 시스템 |
CN106341461A (zh) * | 2016-08-26 | 2017-01-18 | 北京小米移动软件有限公司 | 支付打车费用的方法及装置 |
CN108537554A (zh) * | 2017-03-02 | 2018-09-14 | 北京嘀嘀无限科技发展有限公司 | 基于打针定位刷单的反作弊识别方法及装置 |
CN108764940A (zh) * | 2018-05-24 | 2018-11-06 | 北京嘀嘀无限科技发展有限公司 | 代驾行为监管方法、装置和服务器 |
CN108830396A (zh) * | 2018-06-14 | 2018-11-16 | 武汉斑马快跑科技有限公司 | 一种乘客上车行为识别方法及装置 |
CN109034946A (zh) * | 2018-06-20 | 2018-12-18 | 武汉斑马快跑科技有限公司 | 订单执行状态变化的提示方法和装置 |
CN109429520A (zh) * | 2017-06-28 | 2019-03-05 | 北京嘀嘀无限科技发展有限公司 | 用于车辆检查的系统和方法 |
-
2019
- 2019-01-31 CN CN201910100496.2A patent/CN109829734A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101681293B1 (ko) * | 2016-06-13 | 2016-12-12 | 주식회사 더불어 | 교통수단 동승 서비스 제공 시스템 |
CN106341461A (zh) * | 2016-08-26 | 2017-01-18 | 北京小米移动软件有限公司 | 支付打车费用的方法及装置 |
CN108537554A (zh) * | 2017-03-02 | 2018-09-14 | 北京嘀嘀无限科技发展有限公司 | 基于打针定位刷单的反作弊识别方法及装置 |
CN109429520A (zh) * | 2017-06-28 | 2019-03-05 | 北京嘀嘀无限科技发展有限公司 | 用于车辆检查的系统和方法 |
CN108764940A (zh) * | 2018-05-24 | 2018-11-06 | 北京嘀嘀无限科技发展有限公司 | 代驾行为监管方法、装置和服务器 |
CN108830396A (zh) * | 2018-06-14 | 2018-11-16 | 武汉斑马快跑科技有限公司 | 一种乘客上车行为识别方法及装置 |
CN109034946A (zh) * | 2018-06-20 | 2018-12-18 | 武汉斑马快跑科技有限公司 | 订单执行状态变化的提示方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832897A (zh) * | 2020-06-10 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110749319B (zh) | 一种路线偏移检测的方法、装置和电子设备 | |
US20140108058A1 (en) | Method and System to Determine Auto Insurance Risk | |
CN109754482B (zh) | 自动打卡的方法、装置、计算机设备和存储介质 | |
US11777950B2 (en) | Methods and systems for authenticating a reported geolocation of a mobile device | |
CN105144256A (zh) | 用于紧急响应的文本消息传送的系统和方法 | |
CN109074361A (zh) | 信息提供系统、信息提供装置和信息提供方法 | |
US11734617B2 (en) | Online seamen travel ticket booking | |
WO2019148715A1 (zh) | 信息处理方法、装置、计算机设备和存储介质 | |
Bankston et al. | Tiny constables and the cost of surveillance: Making cents out of United States v. Jones | |
EP3221855A1 (en) | Systems and methods for driver and vehicle tracking | |
CN102177750A (zh) | 用于防止驾驶时使用手机的系统和方法 | |
CN112381256B (zh) | 网点预约方法及装置、电子设备及存储介质 | |
US20160042308A1 (en) | Timesly: A Mobile Solution for Attendance Verification Powered by Face Technology | |
CN107563579A (zh) | 车辆管理方法及服务器 | |
US9681298B1 (en) | Controlling an amount of information disclosed by a position-determining system | |
CN109829734A (zh) | 基于定位监控的欺诈行为判断方法、装置和计算机设备 | |
US10319376B2 (en) | Geo-spatial event processing | |
CN101124563A (zh) | 用于会话提供的系统及方法 | |
CN112991820B (zh) | 套牌船识别方法及系统 | |
CN110223086A (zh) | 车险报案信息的识别方法、装置和计算机设备 | |
CN107403322A (zh) | 操作可靠性的确定、用户身份认证方法、装置及计算设备 | |
CN116109320A (zh) | 订单违规监控方法及装置 | |
KR102034143B1 (ko) | Gps 위치정보의 위조여부를 판단하는 방법 및 애플리케이션 | |
CN116226633A (zh) | 一种船只数据实时融合识别的方法、系统、装置和介质 | |
JP6778120B2 (ja) | 情報処理サーバおよび情報処理システム |
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 |