CN110033303A - 一种车辆骑行的识别方法、装置及设备 - Google Patents

一种车辆骑行的识别方法、装置及设备 Download PDF

Info

Publication number
CN110033303A
CN110033303A CN201910093530.8A CN201910093530A CN110033303A CN 110033303 A CN110033303 A CN 110033303A CN 201910093530 A CN201910093530 A CN 201910093530A CN 110033303 A CN110033303 A CN 110033303A
Authority
CN
China
Prior art keywords
information
riding
vehicle
target user
target
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.)
Granted
Application number
CN201910093530.8A
Other languages
English (en)
Other versions
CN110033303B (zh
Inventor
冯陈澄
杨斌
刘苏苏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201910093530.8A priority Critical patent/CN110033303B/zh
Publication of CN110033303A publication Critical patent/CN110033303A/zh
Application granted granted Critical
Publication of CN110033303B publication Critical patent/CN110033303B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0645—Rental transactions; Leasing transactions

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本说明书实施例公开了一种车辆骑行的识别方法、装置及设备，所述方法包括：获取目标用户针对目标车辆的骑行信息，所述骑行信息包括所述目标用户的骑行频次信息、所述目标车辆的归属地信息、所述目标用户的借车行为信息和骑行位移信息中的一项或多项；根据所述骑行信息，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定；根据判定结果，确定所述目标用户是否骑行所述目标车辆。

Description

一种车辆骑行的识别方法、装置及设备
技术领域
本说明书涉及计算机技术领域，尤其涉及一种车辆骑行的识别方法、装置及设备。
背景技术
近年来，随着互联网时代的到来，用户在网络空间上开始向其他人表达观点、分享信息，尤其是随着Uber、Airbnb等一系列实物共享平台的出现，共享开始从纯粹的无偿分享、信息分享，走向以获得一定报酬为主要目的，基于陌生人且存在物品使用权暂时转移的“共享经济”。
随着共享经济的不断发展，共享单车平台迅速崛起，出现了多个不同的共享单车平台。而各大单车平台为了迅速抢占市场份额，开启了营销活动来抢夺用户。由于大量的营销资源涌入市场，因此，为相应的“黑产”用户提供了一场盛宴，从而使得大量的资源(如单车骑行营销奖励等)被不法分子或者非真实骑行的用户获取。通常，单车的反作弊防控主要是对应用账号批量注册、恶意认证等进行判定，能在一定程度上杜绝单车骑行活动中同一用户通过批量行为获取营销资源的情况，而无法对真实用户通过虚假骑行来获取营销资源情况进行识别和对抗，因此，需要提供一种对真实用户通过虚假骑行获取营销资源情况进行识别和对抗的机制。
发明内容
本说明书实施例的目的是提供一种车辆骑行的识别方法、装置及设备，以提供一种对真实用户通过虚假骑行获取营销资源情况进行识别和对抗的机制。
为了实现上述技术方案，本说明书实施例是这样实现的：
本说明书实施例提供的一种车辆骑行的识别方法，所述方法包括：
获取目标用户针对目标车辆的骑行信息，所述骑行信息包括所述目标用户的骑行频次信息、所述目标车辆的归属地信息、所述目标用户的借车行为信息和骑行位移信息中的一项或多项；
根据所述骑行信息，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定；
根据判定结果，确定所述目标用户是否骑行所述目标车辆。
可选地，所述根据所述骑行信息，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定，包括：
根据预定的打分规则，分别对每一项所述骑行信息进行打分处理，得到每一项所述骑行信息的打分分值；
根据所述每一项所述骑行信息的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行打分处理，得到所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值；
根据所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定。
可选地，针对所述骑行信息中包含的第一骑行信息，所述第一骑行信息为所述目标用户的骑行频次信息、所述目标车辆的归宿地信息、所述目标用户的借车行为信息或骑行位移信息，所述第一骑行信息中还包括一项或多项骑行子信息；
所述根据预定的打分规则，分别对每一项所述骑行信息进行打分处理，得到每一项所述骑行信息的打分分值，包括：
根据预定的打分规则，分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值；
确定所述第一骑行信息中包含的骑行子信息之间的关联度；
根据所述第一骑行信息中包含的骑行子信息之间的关联度，将所述第一骑行信息中包含的骑行子信息划分为多个分组；
获取每个分组中包含的所述骑行子信息的打分分值最大值；
根据获取的每个分组对应的打分分值最大值，确定所述第一骑行信息的打分分值。
可选地，所述根据获取的每个分组对应的打分分值最大值，确定所述第一骑行信息的打分分值，包括：
将获取的每个分组对应的打分分值最大值相加，得到相加的和作为所述第一骑行信息的打分分值。
可选地，所述根据预定的打分规则，分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值，包括：
根据公式
WOE＝ln(Pn/P)
分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值，其中，WOE表示打分分值，Pn表示第n项所述骑行子信息对应的虚假骑行比率，P表示所述骑行信息对应的虚假骑行比率。
可选地，所述根据所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定；
比较所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值与预定的分值阈值的大小，得到比较结果；
根据所述比较结果，判断所述目标用户骑行所述目标车辆的骑行行为的真实性。
可选地，所述目标用户的骑行频次信息包括借车频次信息、扫描图形码的频次信息和领奖的频次信息中的一项或多项；所述目标车辆的归属地信息包括借用车辆冲突信息和归属地冲突信息中的一项或多项；所述目标用户的借车行为信息包括扫描图形码方式、车牌输入方式和借车时段信息中的一项或多项；所述骑行位移信息包括位置信息缺失、位置信息篡改和速度信息中的一项或多项。
本说明书实施例提供的一种车辆骑行的识别装置，所述装置包括：
骑行信息获取模块，用于获取目标用户针对目标车辆的骑行信息，所述骑行信息包括所述目标用户的骑行频次信息、所述目标车辆的归属地信息、所述目标用户的借车行为信息和骑行位移信息中的一项或多项；
真实性判定模块，用于根据所述骑行信息，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定；
骑行判定模块，用于根据判定结果，确定所述目标用户是否骑行所述目标车辆。
可选地，所述真实性判定模块，包括：
第一打分单元，用于根据预定的打分规则，分别对每一项所述骑行信息进行打分处理，得到每一项所述骑行信息的打分分值；
第二打分单元，用于根据所述每一项所述骑行信息的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行打分处理，得到所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值；
真实性判定单元，用于根据所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定。
可选地，针对所述骑行信息中包含的第一骑行信息，所述第一骑行信息为所述目标用户的骑行频次信息、所述目标车辆的归宿地信息、所述目标用户的借车行为信息或骑行位移信息，所述第一骑行信息中还包括一项或多项骑行子信息；
所述第一打分单元，用于根据预定的打分规则，分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值；确定所述第一骑行信息中包含的骑行子信息之间的关联度；根据所述第一骑行信息中包含的骑行子信息之间的关联度，将所述第一骑行信息中包含的骑行子信息划分为多个分组；获取每个分组中包含的所述骑行子信息的打分分值最大值；根据获取的每个分组对应的打分分值最大值，确定所述第一骑行信息的打分分值。
可选地，所述第一打分单元，用于将获取的每个分组对应的打分分值最大值相加，得到相加的和作为所述第一骑行信息的打分分值。
可选地，所述第一打分单元，用于根据公式
WOE＝ln(Pn/P)
分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值，其中，WOE表示打分分值，Pn表示第n项所述骑行子信息对应的虚假骑行比率，P表示所述骑行信息对应的虚假骑行比率。
可选地，所述真实性判定单元，用于比较所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值与预定的分值阈值的大小，得到比较结果；根据所述比较结果，判断所述目标用户骑行所述目标车辆的骑行行为的真实性。
可选地，所述目标用户的骑行频次信息包括借车频次信息、扫描图形码的频次信息和领奖的频次信息中的一项或多项；所述目标车辆的归属地信息包括借用车辆冲突信息和归属地冲突信息中的一项或多项；所述目标用户的借车行为信息包括扫描图形码方式、车牌输入方式和借车时段信息中的一项或多项；所述骑行位移信息包括位置信息缺失、位置信息篡改和速度信息中的一项或多项。
本说明书实施例提供的一种车辆骑行的识别设备，所述车辆骑行的识别设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取目标用户针对目标车辆的骑行信息，所述骑行信息包括所述目标用户的骑行频次信息、所述目标车辆的归属地信息、所述目标用户的借车行为信息和骑行位移信息中的一项或多项；
根据所述骑行信息，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定；
根据判定结果，确定所述目标用户是否骑行所述目标车辆。
由以上本说明书实施例提供的技术方案可见，本说明书实施例通过获取目标用户针对目标车辆的骑行信息，该骑行信息包括目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息中的一项或多项，根据该骑行信息，对目标用户骑行目标车辆的骑行行为的真实性进行判定，根据判定结果，确定目标用户是否骑行目标车辆，这样，通过目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息中的一项或多项，可实现对真实用户虚假骑行行为的识别，而且，通过目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息等多种信息对目标用户的骑行行为进行判定，可以使得判定结果更加准确，且识别覆盖范围更加广泛。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一种车辆骑行的识别方法实施例；
图2为本说明书一种车辆骑行的系统的结构示意图；
图3为本说明书另一种车辆骑行的识别方法实施例；
图4为本说明书一种车辆骑行的识别的处理过程的示意图；
图5为本说明书一种车辆骑行的识别装置实施例；
图6为本说明书一种车辆骑行的识别设备实施例。
具体实施方式
本说明书实施例提供一种车辆骑行的识别方法、装置及设备。
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
实施例一
如图1所示，本说明书实施例提供一种车辆骑行的识别方法，该方法的执行主体可以为终端设备或服务器等，其中，该终端设备可以如手机或平板电脑等移动终端设备，还可以如个人计算机等设备。该服务器可以是独立的服务器，也可以是由多个服务器组成的服务器集群，而且，该服务器可以是某业务(如金融业务或共享单车业务等)的服务器等。该方法可以用于对真实用户通过虚假骑行获取营销资源情况进行识别等处理中。为了提高车辆骑行识别的效率，本实施例的执行主体可以以服务器为例进行说明，对于执行主体为终端设备的情况，可以根据下述相关内容执行，在此不再赘述。该方法具体可以包括以下步骤：
在步骤S102中，获取目标用户针对目标车辆的骑行信息，该骑行信息包括目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息中的一项或多项。
其中，目标用户可以是任意需要骑行某车辆的用户。目标车辆可以是供用户使用的车辆，例如共享自行车、公共自行车或共享电动车、公共电动车等。骑行信息可以是目标用户在骑行车辆的过程中产生的信息，例如骑行速度、位移等。目标用户的骑行频次信息可以是目标用户在单位时间内骑行车辆的次数，目标用户的骑行频次信息可以包括多种，例如借车频次信息、扫描车辆上的图形码的频次信息等。目标车辆的归属地信息可以是目标用户借用的车辆的归属地冲突信息等。目标用户的借车行为信息可以是目标用户借用车辆的过程中借用方式的相关信息，目标用户的借车行为信息可以包括多种，例如扫描图形码的方式和输入车牌的方式等。骑行位移信息可以是确定位置信息是否缺失或篡改等相关信息。
在实施中，近年来，随着互联网时代的到来，各种网络虚拟社区、BBS、论坛开始出现，用户在网络空间上开始向陌生人表达观点、分享信息。但网络社区通常以匿名为主，社区上的分享形式主要局限在信息分享或者用户提供内容(UGC)，而并不涉及任何实物的交割，大多数时候也并不会带来任何报酬。随着Uber、Airbnb等一系列实物共享平台的出现，共享开始从纯粹的无偿分享、信息分享，走向以获得一定报酬为主要目的，基于陌生人且存在物品使用权暂时转移的“共享经济”。
随着共享经济的不断发展，共享单车平台迅速崛起，出现了多个不同的共享单车平台。而各大单车平台为了迅速抢占市场份额，开启了营销活动来抢夺用户。由于大量的营销资源涌入市场，因此，为相应的“黑产”用户提供了一场盛宴，从而使得大量的资源(如单车骑行营销奖励等)被不法分子或者非真实骑行的用户获取。以单车骑行营销奖励为例，通常，获取单车骑行营销奖励主要需要具备两个条件，一个是对应的应用账号，二个是通过应用账号进行骑行行为等。通常，单车的反作弊防控主要是基于应用账号批量注册、恶意认证和虚假交易，以及其他历史作弊行为进行判定，能在一定程度上杜绝单车骑行活动中同一用户通过批量行为获取营销资源的情况，而无法对真实用户通过虚假骑行获取营销资源情况进行识别和对抗，因此，需要提供一种对真实用户通过虚假骑行获取营销资源情况进行识别和对抗的机制。为此，本说明书实施例提供一种可行的处理方式，具体可以包括以下内容：
对于可以供用户借用的车辆(即目标车辆，具体如自行车或电动车等)来说，目标车辆上可以设置有供用户开锁使用的信息，该信息可以包括多种，例如图形码(如条形码或二维码等)和车辆编号等。另外，技术人员还需要为车辆设置相应的应用程序，通过该应用程序可以与相应的服务器进行信息交互，以允许用户借用车辆。用户的终端设备(如手机或平板电脑等)中可以安装有上述应用程序，该应用程序中可以设置有扫描图形码的工具和信息输入框，以及输出框等。如图2所示，当某用户(即目标用户)需要使用目标车辆时，可以启动目标用户在终端设备中安装的该应用程序，然后，可以点击该应用程序中的扫描图形码的工具，终端设备可以启动摄像机，目标用户可以将摄像的区域对准目标车辆上的图形码，扫描图形码后，可以在应用程序的输出框中输出目标车辆的开锁信息，然后，目标用户可以使用开锁信息打开目标车辆使用，或者，目标用户可以查找目标车辆上的车辆编号，并可以将该车辆编号输入到信息输入框中，输入完成后，可以点击确定按键，终端设备可以向相应的服务器发送开锁请求，服务器可以将开锁信息发送给终端设备，终端设备可以将该开锁信息显示在上述输出框中，然后，目标用户可以使用开锁信息打开目标车辆使用。目标用户在使用目标车辆的过程中，终端设备可以记录目标用户针对目标车辆的骑行信息，可以包括目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息等。
在步骤S104中，根据上述骑行信息，对目标用户骑行目标车辆的骑行行为的真实性进行判定。
在实施中，上述骑行信息中可能只包括目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息中的一项信息，其中，如果骑行信息为目标用户的骑行频次信息，则可以统计预定时间段内目标用户借用车辆的次数、扫描图形码的次数等，例如上一周内目标用户借用车辆的次数为15次，上一周内目标用户扫描图形码的次数为10次等，然后，可以将上述统计的信息与预定阈值进行比较，如果大于预定阈值，则目标用户骑行目标车辆的骑行行为是虚假的，如果小于预定阈值，则目标用户骑行目标车辆的骑行行为是真实的。
如果骑行信息为目标车辆的归属地信息，则可以通过车辆位置信息采集或其他借用车辆账号位置信息采集对比，判断同一车辆(如目标车辆)是否被不同用户在同一时间内同时借用，以及用户借用的车辆是否为异地活跃车辆等，如果判定同一车辆(如目标车辆)被不同用户在同一时间内同时借用和/或用户借用的车辆为异地活跃车辆等，则确定目标用户骑行目标车辆的骑行行为是虚假的，如果判定同一车辆(如目标车辆)未被不同用户在同一时间内同时借用，且用户借用的车辆不是异地活跃车辆，则目标用户骑行目标车辆的骑行行为是真实的。具体地，可以通过“小黑车”的方式进行判断，在营销活动期间被多个(即两个及两个以上)用户，同时借用的车辆可以标记为“小黑车”，被标记小黑车数量可以一定程度上反应虚假骑行风险程度。
如果骑行信息为目标用户的借车行为信息，则可以获取目标用户扫描图形码的方式或输入车牌的方式等，如果目标用户扫描图形码的方式为通过识别终端设备中保存的图像的方式扫描图形码，或用户通过复制粘贴的方式输入车牌，则确定目标用户骑行目标车辆的骑行行为是虚假的，否则，目标用户骑行目标车辆的骑行行为是真实的。
如果骑行信息为骑行位移信息，则可以获取目标用户骑行目标车辆的位置信息是否被篡改或位置信息是否缺失等，如果目标用户骑行目标车辆的位置信息被篡改和/或位置信息缺失，则确定目标用户骑行目标车辆的骑行行为是虚假的，否则，目标用户骑行目标车辆的骑行行为是真实的。
此外，如果正常情况下车辆借用时长分布在10-20分钟之内，若营销活动期间目标用户骑行时长集中在营销活动要求时长(如骑行满5分钟可以参与领奖，则营销活动要求时长为5分钟)则目标用户虚假骑行的可能性较高。基于上述内容，虚假骑行反作弊防控机制应用在虚假骑行判定中，可以依据营销活动风险和活动对外规则情况等，采用以上模块进行专项策略防控。
上述处理仅是一种处理示例，在实际应用中，还可以包括多种处理方式，例如，如果骑行信息包括上述四种信息中多种，则可以分别通过每一种信息对应的上述处理方式进行处理，然后，可以通过预先设定的统计方式进行统计组合，最终得到对目标用户骑行目标车辆的骑行行为的真实性的判定结果，在实际应用中，除了上述处理方式外，还可以包括多种处理方式，具体可以根据实际情况设定，本说明书实施例对此不做限定。
在步骤S106中，根据判定结果，确定目标用户是否骑行目标车辆。
在实施中，如果确定目标用户骑行目标车辆的骑行行为是虚假的，则可以判定目标用户未骑行目标车辆，如果确定目标用户骑行目标车辆的骑行行为是真实的，则可以判定目标用户正在骑行目标车辆。
本说明书实施例提供一种车辆骑行的识别方法，通过获取目标用户针对目标车辆的骑行信息，该骑行信息包括目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息中的一项或多项，根据该骑行信息，对目标用户骑行目标车辆的骑行行为的真实性进行判定，根据判定结果，确定目标用户是否骑行目标车辆，这样，通过目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息中的一项或多项，可实现对真实用户虚假骑行行为的识别，而且，通过目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息等多种信息对目标用户的骑行行为进行判定，可以使得判定结果更加准确，且识别覆盖范围更加广泛。
实施例二
如图3所示，本说明书实施例提供一种车辆骑行的识别方法，该方法的执行主体可以为终端设备或服务器等，其中，该终端设备可以如手机或平板电脑等移动终端设备，还可以如个人计算机等设备。该服务器可以是独立的服务器，也可以是由多个服务器组成的服务器集群，而且，该服务器可以是某业务(如金融业务或共享单车业务等)的服务器等。该方法可以用于对真实用户通过虚假骑行获取营销资源情况进行识别等处理中。为了提高车辆骑行识别的效率，本实施例的执行主体可以以服务器为例进行说明，对于执行主体为终端设备的情况，可以根据下述相关内容执行，在此不再赘述
在步骤S302中，获取目标用户针对目标车辆的骑行信息，该骑行信息包括目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息中的一项或多项。
其中，目标用户的骑行频次信息可以包括借车频次信息、扫描图形码的频次信息和领奖的频次信息中的一项或多项。其中的借车频次信息可以是用户在指定时间内借用车辆次数的信息，扫描图形码的频次信息可以是用户指定时间内扫描车辆上的图形码(如二维码等)次数的信息，领奖的频次信息可以是用户在指定时间内领取车辆骑行凭证或奖品次数的信息。目标车辆的归属地信息可以包括借用车辆冲突信息和归属地冲突信息中的一项或多项。其中的借用车辆冲突信息可以是同一车辆被不同用户在同一时间内同时借用的冲突信息，归属地冲突信息可以是用户借用的车辆为异地活跃车辆的相关信息，其中的归属地冲突信息可以通过车辆位置信息采集或其他借用车辆账号位置信息采集对比确定。目标用户的借车行为信息可以包括扫描图形码方式、车牌输入方式和借车时段信息中的一项或多项。其中的扫描图形码方式可以用于记录用户是否通过非正常方式扫描图形码(如二维码等)来借用车辆，如是否通过识别终端设备中保存的图片(即包含图形码的图片)等来借用车辆等。车牌输入方式可以是用户通过输入车牌的方式来借用车辆的过程中是否存在非手动输入，如通过复制粘贴等方式，且频次异常等。借车时段信息可以是用户骑行行为是否发生在高危时段，如用户骑行行为是否在凌晨1点钟到5点钟之间等。骑行位移信息可以包括位置信息缺失、位置信息篡改和速度信息中的一项或多项。位置信息缺失可以是用户骑行车辆的过程中关闭位移信息或通过其他原因造成位置信息采集缺失的现象。位置信息篡改可以是用户通过恶意插件或其他方式修改设备位置信息而造成采集数据偏差等。速度信息可以是用户骑行速度过快或者过慢(即非正常车辆骑行速度)。
在实施中，对于车辆骑行的营销活动，可以通过多种方式邀请多个不同的用户参与营销活动，同时，可以对不同用户在营销活动过程中的相关信息进行统计分析，可以得到针对不同用户在营销活动期间的骑行信息，具体地，可以记录不同用户在营销活动期间的借车频次信息、扫描图形码的频次信息和领奖的频次信息，如用户A在营销活动期间的借车18次，扫描图形码17次，领取奖品1次，用户B在营销活动期间的借车6次，扫描图形码6次，领取奖品1次等，通过对多个用户的上述相关信息的统计，可以得到在营销活动期间用户借车频次的分布情况，扫描图形码频次的分布情况和领取奖品频次的分布情况等，例如，在营销活动期间用户借车频次的分布包括1-10次，其对应的虚假骑行的比率为0.5，11-20次，其对应的虚假骑行的比率为0.25，21-25次，其对应的虚假骑行的比率为0.15，26-35次，其对应的虚假骑行的比率为0.1，在营销活动期间用户扫描图形码频次的分布包括1-10次，其对应的虚假骑行的比率为0.6，11-20次，其对应的虚假骑行的比率为0.25，21-35次，其对应的虚假骑行的比率为0.15。
此外，还可以记录不同用户在营销活动期间的借用车辆冲突信息和归属地冲突信息，如用户A在营销活动期间的借用车辆冲突18次和归属地冲突17次，用户B在营销活动期间的借用车辆冲突6次和归属地冲突6次等，通过对多个用户的上述相关信息的统计，可以得到在营销活动期间借用车辆冲突的分布情况，归属地冲突的分布情况等。
另外，还可以记录不同用户在营销活动期间的用户扫描图形码方式、车牌输入方式和借车时段信息，如用户A在营销活动期间通过正常的扫描图形码方式扫描图形码18次，非正常的扫描图形码方式扫描图形码0次，正常车牌输入2次，非正常车牌输入0次，借车时间为8点钟-8点30分，用户B在营销活动期间通过正常的扫描图形码方式扫描图形码5次，非正常的扫描图形码方式扫描图形码10次，正常车牌输入1次，非正常车牌输入4次，借车时间为8点钟-8点30分等，通过对多个用户的上述相关信息的统计，可以得到在营销活动期间用户扫描图形码方式的分布情况、车牌输入方式的分布情况和借车时段的分布情况等。
此外，还可以记录不同用户在营销活动期间位置信息缺失情况、位置信息篡改情况和速度信息等，如用户A在营销活动期间位置信息缺失18次，位置信息篡改2次，骑行速度为10米/秒-15米/秒，用户B在营销活动期间位置信息缺失1次，位置信息篡改0次，骑行速度为2米/秒-5米/秒等，通过对多个用户的上述相关信息的统计，可以得到在营销活动期间位置信息缺失的分布情况、位置信息篡改的分布情况和速度的分布情况等。
通过上述方式可以得到参与营销活动的用户的有效骑行时长、骑行位移和骑行频次等的分布信息，可以通过上述分布信息判定某用户的骑行行为是否为虚假骑行行为。
在步骤S304中，根据预定的打分规则，分别对每一项骑行信息进行打分处理，得到每一项骑行信息的打分分值。
其中，打分规则可以用于确定对某骑行信息对应的骑行行为属于虚假骑行行为的比率，打分规则可以包括多种实现方式，具体可以根据实际情况设定，本说明书实施例对此不做限定。
上述步骤S304的具体处理可以包括多种实现方式，以下提供一种可选的处理方式，具体可以包括以下内容：针对骑行信息中包含的第一骑行信息，第一骑行信息可以是骑行信息中的任一项信息，即第一骑行信息可以为目标用户的骑行频次信息、目标车辆的归宿地信息、目标用户的借车行为信息或骑行位移信息，第一骑行信息中还可以包括一项或多项骑行子信息，即如第一骑行信息为目标用户的骑行频次信息，则第一骑行信息可以包含借车频次信息、扫描图形码的频次信息和领奖的频次信息等骑行子信息，如第一骑行信息为目标车辆的归属地信息，则第一骑行信息可以包含借用车辆冲突信息和归属地冲突信息等骑行子信息，如第一骑行信息为目标用户的借车行为信息，则第一骑行信息可以包含扫描图形码方式、车牌输入方式和借车时段信息等骑行子信息，如第一骑行信息为骑行位移信息，则第一骑行信息可以包含位置信息缺失、位置信息篡改和速度信息等骑行子信息。则可以包括以下步骤一～步骤五的处理。
步骤一，根据预定的打分规则，分别对每一项骑行子信息进行打分处理，得到每一项骑行子信息的打分分值。
在实施中，通过上述步骤S302的处理，得到不同骑行信息中包含的骑行子信息，以及每项骑行子信息的分布情况，可以根据不同的分布情况，为相应的骑行子信息进行打分，例如，用户借车频次的分布包括1-10次、11-20次、21-25次和26-35次等，可以根据用户借车频次的数值在上述分布区间内的数量，通过预定的打分规则，为每个分布区间对应的虚假骑行进行打分，得到每一项骑行子信息的打分分值，该打分分值可以通过以下方式计算，如每个区间内虚假骑行的次数/该区间内总骑行次数，例如，20个用户借车频次的数值位于1-10次之间，其中10个用户存在虚假骑行行为，则用户借车频次的分布为1-10次对应的打分分值为0.5，通过上述方式可以得到每个区间对应的打分分值。
当通过上述步骤S302的处理得到目标用户骑行目标车辆的骑行信息后，可以得到的骑行信息，确定相应的打分分值，例如，目标用户借车频次信息为8次，通过上述内容，8次处于1-10次区间内，对应的打分分值为0.5，则目标用户借车频次信息对应的打分分值为0.5。对于目标用户的其它骑行信息可以通过上述方式分别进行打分处理，得到每一项骑行子信息的打分分值。
上述步骤一的具体处理可以多种多样，以下再提供一种可选的处理方式，具体可以包括以下内容：根据公式(1)
WOE＝ln(Pn/P)(1)
分别对每一项骑行子信息进行打分处理，得到每一项骑行子信息的打分分值，其中，WOE表示打分分值，Pn表示第n项骑行子信息对应的虚假骑行比率，P表示骑行信息对应的虚假骑行比率。
在实施中，例如第一骑行信息为目标用户的骑行频次信息，则第一骑行信息可以包含借车频次信息、扫描图形码的频次信息和领奖的频次信息等骑行子信息，若借车频次信息对应的虚假骑行比率为P1，目标用户的骑行频次信息对应的虚假骑行比率为P，则骑行子信息为借车频次信息的打分分值为ln(P1/P)，相应的，骑行子信息为扫描图形码的频次信息的打分分值可以为ln(P2/P)，骑行子信息为领奖的频次信息的打分分值可以为ln(P3/P)等。
其中，需要说明的是，如果打分分值WOE为负数，则相应的打分分值为0。
步骤二，确定第一骑行信息中包含的骑行子信息之间的关联度。
在实施中，可以针对第一骑行信息中包含的骑行子信息，可以分别对任意两个骑行子信息进行关联度分析，确定任意两个骑行子信息之间的关联程度，可以通过预先设定的关联度算法计算不同骑行子信息之间的关联度。
步骤三，根据第一骑行信息中包含的骑行子信息之间的关联度，将第一骑行信息中包含的骑行子信息划分为多个分组。
在实施中，可以将关联度大于预定阈值的两个骑行子信息划分到同一分组，可以将关联度小于预定阈值的两个骑行子信息划分到不同的分组，例如，如图4所示，如果第一骑行信息为目标用户的骑行频次信息，则第一骑行信息可以包含借车频次信息、扫描图形码的频次信息和领奖的频次信息等骑行子信息，由于借用车辆的过程中需要扫描图形码，并且在借用车辆的次数超过预定次数阈值后，可以领取奖品，因此，借车频次信息、扫描图形码的频次信息和领奖的频次信息等三项骑行子信息之间关联度较高，可以将上述三项骑行子信息划分到同一分组。再例如，如果第一骑行信息为目标用户的借车行为信息，则第一骑行信息可以包含扫描图形码方式、车牌输入方式和借车时段信息等骑行子信息，由于借用车辆的过程中需要扫描图形码或输入车牌，而借车时段与借用车辆所使用的方式关联度较低，因此，扫描图形码方式和车牌输入方式等两项骑行子信息之间关联度较高，可以将上述两项骑行子信息划分到同一分组，而借车时段信息划分到另一分组。
步骤四，获取每个分组中包含的骑行子信息的打分分值最大值。
在实施中，由于同一分组中的骑行子信息是相互关联的，因此，可以将每个分组中骑行子信息的打分分值的最大值作为该分组的打分分值，例如，如果第一骑行信息为目标用户的骑行频次信息，第一骑行信息可以包含借车频次信息、扫描图形码的频次信息和领奖的频次信息等骑行子信息，借车频次信息的打分分值为0.5，扫描图形码的频次信息的打分分值为0.2，领奖的频次信息的打分分值为0.1，则该分组中包含的骑行子信息的打分分值最大值为0.5。
步骤五，根据获取的每个分组对应的打分分值最大值，确定第一骑行信息的打分分值。
在实施中，可以使用获取的每个分组对应的打分分值最大值，通过预先设定的算法进行统计计算，得到第一骑行信息的打分分值，例如，获取的每个分组对应的打分分值最大值乘以预先设定的相应分组的权重，得到每个分组对应的数值，然后，在将得到的每个分组对应的数值相加，得到第一骑行信息的打分分值。
上述步骤五的具体处理方式可以多种多样，以下再提供一项可选的处理方式，具体可以包括以下内容：将获取的每个分组对应的打分分值最大值相加，得到相加的和作为第一骑行信息的打分分值。
在实施中，如图4所示，为了简化计算过程，可以直接将获取的每个分组对应的打分分值最大值相加，并将得到的相加的和作为第一骑行信息的打分分值。通过上述方式得到第一骑行信息的打分分值后，可以通过相同的处理过程，得到其它骑行信息的打分分值，从而得到每一项骑行信息的打分分值。
在步骤S306中，根据每一项骑行信息的打分分值，对目标用户骑行目标车辆的骑行行为的真实性进行打分处理，得到目标用户骑行目标车辆的骑行行为的真实性的打分分值。
在实施中，如图4所示，为了简化计算过程，可以直接将每一项骑行信息的打分分值相加，并将得到的相加的和作为目标用户骑行目标车辆的骑行行为的真实性的打分分值。
在步骤S308中，根据目标用户骑行目标车辆的骑行行为的真实性的打分分值，对目标用户骑行目标车辆的骑行行为的真实性进行判定。
在实施中，可以使用目标用户骑行目标车辆的骑行行为的真实性的打分分值，通过预先设定的相关算法进行计算，通过计算结果可以确定目标用户骑行目标车辆的骑行行为的真实性，例如，可以将目标用户骑行目标车辆的骑行行为的真实性的打分分值输入到下述公式(2)中进行计算，
得到目标用户骑行目标车辆的骑行行为属于虚假骑行行为的概率，其中，P(label＝bad|X)表示目标用户骑行目标车辆的骑行行为属于虚假骑行行为的概率，woe_score表示目标用户骑行目标车辆的骑行行为的真实性的打分分值，P(label＝bad)表示虚假骑行的概率，P(label＝good)表示真实骑行的概率。然后，通过上述概率判断目标用户骑行目标车辆的骑行行为的真实性。
上述步骤S308的具体处理可以多种多样，以下再提供一种可选的处理方式，具体可以包括以下内容：比较目标用户骑行目标车辆的骑行行为的真实性的打分分值与预定的分值阈值的大小，得到比较结果；根据上述比较结果，判断目标用户骑行目标车辆的骑行行为的真实性。
在步骤S310中，根据判定结果，确定目标用户是否骑行目标车辆。
本说明书实施例提供一种车辆骑行的识别方法，通过获取目标用户针对目标车辆的骑行信息，该骑行信息包括目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息中的一项或多项，根据该骑行信息，对目标用户骑行目标车辆的骑行行为的真实性进行判定，根据判定结果，确定目标用户是否骑行目标车辆，这样，通过目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息中的一项或多项，可实现对真实用户虚假骑行行为的识别，而且，通过目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息等多种信息对目标用户的骑行行为进行判定，可以使得判定结果更加准确，且识别覆盖范围更加广泛。
实施例三
以上为本说明书实施例提供的车辆骑行的识别方法，基于同样的思路，本说明书实施例还提供一种车辆骑行的识别装置，如图5所示。
该车辆骑行的识别装置包括：骑行信息获取模块501、真实性判定模块502和骑行判定模块503，其中：
骑行信息获取模块501，用于获取目标用户针对目标车辆的骑行信息，所述骑行信息包括所述目标用户的骑行频次信息、所述目标车辆的归属地信息、所述目标用户的借车行为信息和骑行位移信息中的一项或多项；
真实性判定模块502，用于根据所述骑行信息，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定；
骑行判定模块503，用于根据判定结果，确定所述目标用户是否骑行所述目标车辆。
本说明书实施例中，所述真实性判定模块502，包括：
第一打分单元，用于根据预定的打分规则，分别对每一项所述骑行信息进行打分处理，得到每一项所述骑行信息的打分分值；
第二打分单元，用于根据所述每一项所述骑行信息的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行打分处理，得到所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值；
真实性判定单元，用于根据所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定。
本说明书实施例中，针对所述骑行信息中包含的第一骑行信息，所述第一骑行信息为所述目标用户的骑行频次信息、所述目标车辆的归宿地信息、所述目标用户的借车行为信息或骑行位移信息，所述第一骑行信息中还包括一项或多项骑行子信息；
所述第一打分单元，用于根据预定的打分规则，分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值；确定所述第一骑行信息中包含的骑行子信息之间的关联度；根据所述第一骑行信息中包含的骑行子信息之间的关联度，将所述第一骑行信息中包含的骑行子信息划分为多个分组；获取每个分组中包含的所述骑行子信息的打分分值最大值；根据获取的每个分组对应的打分分值最大值，确定所述第一骑行信息的打分分值。
本说明书实施例中，所述第一打分单元，用于将获取的每个分组对应的打分分值最大值相加，得到相加的和作为所述第一骑行信息的打分分值。
本说明书实施例中，所述第一打分单元，用于根据公式
WOE＝ln(Pn/P)
分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值，其中，WOE表示打分分值，Pn表示第n项所述骑行子信息对应的虚假骑行比率，P表示所述骑行信息对应的虚假骑行比率。
本说明书实施例中，所述真实性判定单元，用于比较所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值与预定的分值阈值的大小，得到比较结果；根据所述比较结果，判断所述目标用户骑行所述目标车辆的骑行行为的真实性。
本说明书实施例中，所述目标用户的骑行频次信息包括借车频次信息、扫描图形码的频次信息和领奖的频次信息中的一项或多项；所述目标车辆的归属地信息包括借用车辆冲突信息和归属地冲突信息中的一项或多项；所述目标用户的借车行为信息包括扫描图形码方式、车牌输入方式和借车时段信息中的一项或多项；所述骑行位移信息包括位置信息缺失、位置信息篡改和速度信息中的一项或多项。
本说明书实施例提供一种车辆骑行的识别装置，通过获取目标用户针对目标车辆的骑行信息，该骑行信息包括目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息中的一项或多项，根据该骑行信息，对目标用户骑行目标车辆的骑行行为的真实性进行判定，根据判定结果，确定目标用户是否骑行目标车辆，这样，通过目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息中的一项或多项，可实现对真实用户虚假骑行行为的识别，而且，通过目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息等多种信息对目标用户的骑行行为进行判定，可以使得判定结果更加准确，且识别覆盖范围更加广泛。
实施例四
以上为本说明书实施例提供的车辆骑行的识别装置，基于同样的思路，本说明书实施例还提供一种车辆骑行的识别设备，如图6所示。
所述车辆骑行的识别设备可以为上述实施例提供的服务器。
车辆骑行的识别设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器601和存储器602，存储器602中可以存储有一个或一个以上存储应用程序或数据。其中，存储器602可以是短暂存储或持久存储。存储在存储器602的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对车辆骑行的识别设备中的一系列计算机可执行指令。更进一步地，处理器601可以设置为与存储器602通信，在车辆骑行的识别设备上执行存储器602中的一系列计算机可执行指令。车辆骑行的识别设备还可以包括一个或一个以上电源603，一个或一个以上有线或无线网络接口604，一个或一个以上输入输出接口605，一个或一个以上键盘606。
具体在本实施例中，车辆骑行的识别设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对车辆骑行的识别设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
获取目标用户针对目标车辆的骑行信息，所述骑行信息包括所述目标用户的骑行频次信息、所述目标车辆的归属地信息、所述目标用户的借车行为信息和骑行位移信息中的一项或多项；
根据所述骑行信息，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定；
根据判定结果，确定所述目标用户是否骑行所述目标车辆。
本说明书实施例中，所述根据所述骑行信息，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定，包括：
根据预定的打分规则，分别对每一项所述骑行信息进行打分处理，得到每一项所述骑行信息的打分分值；
根据所述每一项所述骑行信息的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行打分处理，得到所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值；
根据所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定。
本说明书实施例中，针对所述骑行信息中包含的第一骑行信息，所述第一骑行信息为所述目标用户的骑行频次信息、所述目标车辆的归宿地信息、所述目标用户的借车行为信息或骑行位移信息，所述第一骑行信息中还包括一项或多项骑行子信息；
所述根据预定的打分规则，分别对每一项所述骑行信息进行打分处理，得到每一项所述骑行信息的打分分值，包括：
根据预定的打分规则，分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值；
确定所述第一骑行信息中包含的骑行子信息之间的关联度；
根据所述第一骑行信息中包含的骑行子信息之间的关联度，将所述第一骑行信息中包含的骑行子信息划分为多个分组；
获取每个分组中包含的所述骑行子信息的打分分值最大值；
根据获取的每个分组对应的打分分值最大值，确定所述第一骑行信息的打分分值。
本说明书实施例中，所述根据获取的每个分组对应的打分分值最大值，确定所述第一骑行信息的打分分值，包括：
将获取的每个分组对应的打分分值最大值相加，得到相加的和作为所述第一骑行信息的打分分值。
本说明书实施例中，所述根据预定的打分规则，分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值，包括：
根据公式
WOE＝ln(Pn/P)
分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值，其中，WOE表示打分分值，Pn表示第n项所述骑行子信息对应的虚假骑行比率，P表示所述骑行信息对应的虚假骑行比率。
本说明书实施例中，所述根据所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定；
比较所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值与预定的分值阈值的大小，得到比较结果；
根据所述比较结果，判断所述目标用户骑行所述目标车辆的骑行行为的真实性。
本说明书实施例中，所述目标用户的骑行频次信息包括借车频次信息、扫描图形码的频次信息和领奖的频次信息中的一项或多项；所述目标车辆的归属地信息包括借用车辆冲突信息和归属地冲突信息中的一项或多项；所述目标用户的借车行为信息包括扫描图形码方式、车牌输入方式和借车时段信息中的一项或多项；所述骑行位移信息包括位置信息缺失、位置信息篡改和速度信息中的一项或多项。
本说明书实施例提供一种车辆骑行的识别设备，通过获取目标用户针对目标车辆的骑行信息，该骑行信息包括目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息中的一项或多项，根据该骑行信息，对目标用户骑行目标车辆的骑行行为的真实性进行判定，根据判定结果，确定目标用户是否骑行目标车辆，这样，通过目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息中的一项或多项，可实现对真实用户虚假骑行行为的识别，而且，通过目标用户的骑行频次信息、目标车辆的归属地信息、目标用户的借车行为信息和骑行位移信息等多种信息对目标用户的骑行行为进行判定，可以使得判定结果更加准确，且识别覆盖范围更加广泛。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪60年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT61SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、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。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书的实施例是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、方法、商品或者设备不仅包括那些要素，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、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (15)

1.一种车辆骑行的识别方法，所述方法包括：
获取目标用户针对目标车辆的骑行信息，所述骑行信息包括所述目标用户的骑行频次信息、所述目标车辆的归属地信息、所述目标用户的借车行为信息和骑行位移信息中的一项或多项；
根据所述骑行信息，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定；
根据判定结果，确定所述目标用户是否骑行所述目标车辆。
2.根据权利要求1所述的方法，所述根据所述骑行信息，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定，包括：
根据预定的打分规则，分别对每一项所述骑行信息进行打分处理，得到每一项所述骑行信息的打分分值；
根据所述每一项所述骑行信息的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行打分处理，得到所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值；
根据所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定。
3.根据权利要求2所述的方法，针对所述骑行信息中包含的第一骑行信息，所述第一骑行信息为所述目标用户的骑行频次信息、所述目标车辆的归宿地信息、所述目标用户的借车行为信息或骑行位移信息，所述第一骑行信息中还包括一项或多项骑行子信息；
所述根据预定的打分规则，分别对每一项所述骑行信息进行打分处理，得到每一项所述骑行信息的打分分值，包括：
根据预定的打分规则，分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值；
确定所述第一骑行信息中包含的骑行子信息之间的关联度；
根据所述第一骑行信息中包含的骑行子信息之间的关联度，将所述第一骑行信息中包含的骑行子信息划分为多个分组；
获取每个分组中包含的所述骑行子信息的打分分值最大值；
根据获取的每个分组对应的打分分值最大值，确定所述第一骑行信息的打分分值。
4.根据权利要求3所述的方法，所述根据获取的每个分组对应的打分分值最大值，确定所述第一骑行信息的打分分值，包括：
将获取的每个分组对应的打分分值最大值相加，得到相加的和作为所述第一骑行信息的打分分值。
5.根据权利要求3所述的方法，所述根据预定的打分规则，分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值，包括：
根据公式
WOE＝ln(Pn/P)
分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值，其中，WOE表示打分分值，Pn表示第n项所述骑行子信息对应的虚假骑行比率，P表示所述骑行信息对应的虚假骑行比率。
6.根据权利要求5所述的方法，所述根据所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定；
比较所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值与预定的分值阈值的大小，得到比较结果；
根据所述比较结果，判断所述目标用户骑行所述目标车辆的骑行行为的真实性。
7.根据权利要求1所述的方法，所述目标用户的骑行频次信息包括借车频次信息、扫描图形码的频次信息和领奖的频次信息中的一项或多项；所述目标车辆的归属地信息包括借用车辆冲突信息和归属地冲突信息中的一项或多项；所述目标用户的借车行为信息包括扫描图形码方式、车牌输入方式和借车时段信息中的一项或多项；所述骑行位移信息包括位置信息缺失、位置信息篡改和速度信息中的一项或多项。
8.一种车辆骑行的识别装置，所述装置包括：
骑行信息获取模块，用于获取目标用户针对目标车辆的骑行信息，所述骑行信息包括所述目标用户的骑行频次信息、所述目标车辆的归属地信息、所述目标用户的借车行为信息和骑行位移信息中的一项或多项；
真实性判定模块，用于根据所述骑行信息，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定；
骑行判定模块，用于根据判定结果，确定所述目标用户是否骑行所述目标车辆。
9.根据权利要求8所述的装置，所述真实性判定模块，包括：
第一打分单元，用于根据预定的打分规则，分别对每一项所述骑行信息进行打分处理，得到每一项所述骑行信息的打分分值；
第二打分单元，用于根据所述每一项所述骑行信息的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行打分处理，得到所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值；
真实性判定单元，用于根据所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定。
10.根据权利要求9所述的装置，针对所述骑行信息中包含的第一骑行信息，所述第一骑行信息为所述目标用户的骑行频次信息、所述目标车辆的归宿地信息、所述目标用户的借车行为信息或骑行位移信息，所述第一骑行信息中还包括一项或多项骑行子信息；
所述第一打分单元，用于根据预定的打分规则，分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值；确定所述第一骑行信息中包含的骑行子信息之间的关联度；根据所述第一骑行信息中包含的骑行子信息之间的关联度，将所述第一骑行信息中包含的骑行子信息划分为多个分组；获取每个分组中包含的所述骑行子信息的打分分值最大值；根据获取的每个分组对应的打分分值最大值，确定所述第一骑行信息的打分分值。
11.根据权利要求10所述的装置，所述第一打分单元，用于将获取的每个分组对应的打分分值最大值相加，得到相加的和作为所述第一骑行信息的打分分值。
12.根据权利要求10所述的装置，所述第一打分单元，用于根据公式
WOE＝ln(Pn/P)
分别对每一项所述骑行子信息进行打分处理，得到每一项所述骑行子信息的打分分值，其中，WOE表示打分分值，Pn表示第n项所述骑行子信息对应的虚假骑行比率，P表示所述骑行信息对应的虚假骑行比率。
13.根据权利要求12所述的装置，所述真实性判定单元，用于比较所述目标用户骑行所述目标车辆的骑行行为的真实性的打分分值与预定的分值阈值的大小，得到比较结果；根据所述比较结果，判断所述目标用户骑行所述目标车辆的骑行行为的真实性。
14.根据权利要求8所述的装置，所述目标用户的骑行频次信息包括借车频次信息、扫描图形码的频次信息和领奖的频次信息中的一项或多项；所述目标车辆的归属地信息包括借用车辆冲突信息和归属地冲突信息中的一项或多项；所述目标用户的借车行为信息包括扫描图形码方式、车牌输入方式和借车时段信息中的一项或多项；所述骑行位移信息包括位置信息缺失、位置信息篡改和速度信息中的一项或多项。
15.一种车辆骑行的识别设备，所述车辆骑行的识别设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取目标用户针对目标车辆的骑行信息，所述骑行信息包括所述目标用户的骑行频次信息、所述目标车辆的归属地信息、所述目标用户的借车行为信息和骑行位移信息中的一项或多项；
根据所述骑行信息，对所述目标用户骑行所述目标车辆的骑行行为的真实性进行判定；
根据判定结果，确定所述目标用户是否骑行所述目标车辆。
CN201910093530.8A 2019-01-30 2019-01-30 一种车辆骑行的识别方法、装置及设备 Active CN110033303B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910093530.8A CN110033303B (zh) 2019-01-30 2019-01-30 一种车辆骑行的识别方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910093530.8A CN110033303B (zh) 2019-01-30 2019-01-30 一种车辆骑行的识别方法、装置及设备

Publications (2)

Publication Number Publication Date
CN110033303A true CN110033303A (zh) 2019-07-19
CN110033303B CN110033303B (zh) 2023-12-12

Family

ID=67235529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910093530.8A Active CN110033303B (zh) 2019-01-30 2019-01-30 一种车辆骑行的识别方法、装置及设备

Country Status (1)

Country Link
CN (1) CN110033303B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107170237A (zh) * 2017-07-20 2017-09-15 长安大学 一种城市共享单车异常的检测方法
CN108717533A (zh) * 2018-05-24 2018-10-30 迪蒙智慧交通（深圳）有限公司 一种车牌智能识别方法、装置及相关设备
CN108921403A (zh) * 2018-06-15 2018-11-30 杭州后博科技有限公司 一种共享单车无使用记录时被骑行识别方法及系统
CN109146506A (zh) * 2017-06-28 2019-01-04 北京嘀嘀无限科技发展有限公司 审查作弊订单的方法及系统、终端设备、计算机设备
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109146506A (zh) * 2017-06-28 2019-01-04 北京嘀嘀无限科技发展有限公司 审查作弊订单的方法及系统、终端设备、计算机设备
CN107170237A (zh) * 2017-07-20 2017-09-15 长安大学 一种城市共享单车异常的检测方法
CN108717533A (zh) * 2018-05-24 2018-10-30 迪蒙智慧交通（深圳）有限公司 一种车牌智能识别方法、装置及相关设备
CN108921403A (zh) * 2018-06-15 2018-11-30 杭州后博科技有限公司 一种共享单车无使用记录时被骑行识别方法及系统
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

Also Published As

Publication number Publication date
CN110033303B (zh) 2023-12-12

Similar Documents

Publication Publication Date Title
Sun et al. Metaverse: Survey, applications, security, and opportunities
Horwich Asymmetries in time: Problems in the philosophy of science
CN109064175A (zh) 一种账户盗用风险防控方法及装置
CN107196989A (zh) 一种业务请求的处理方法及装置
Stark Making sense of ethereum’s layer 2 scaling solutions: State channels, plasma, and truebit
Le Muzic et al. Illustrative visualization of molecular reactions using omniscient intelligence and passive agents
CN109992993A (zh) 基于区块链的资产信息处理方法、装置、设备及存储介质
CN110163483A (zh) 基于区块链的虚拟资源分配方法和装置
CN102893327A (zh) 直觉计算方法和系统
CN110401844A (zh) 视频直播策略的生成方法、装置、设备及可读介质
Brody Quantum entanglement
CN109886687A (zh) 一种基于区块链实现安全多方计算的结果验证方法及系统
CN110033153A (zh) 一种对信息推荐进行资源奖励方法、装置及设备
CN110018920A (zh) 一种页面展示异常的检测方法、装置及设备
CN110032358A (zh) 一种应用程序生成方法、装置、设备及系统
CN110032857A (zh) 账户的注册、可信设备的识别方法及装置
CN110046932A (zh) 一种数据处理方法、装置及设备
CN110046784A (zh) 一种用户准入的风险确定方法及装置
CN109271587A (zh) 一种页面生成方法和装置
CN110248201A (zh) 直播事件处理方法、装置、电子设备及计算机存储介质
CN108062381A (zh) 图像信息处理方法、装置和存储介质
CN107749034A (zh) 社交网络中一种安全的朋友推荐方法
CN109933678A (zh) 艺术品推荐方法、装置、可读介质及电子设备
CN107070871A (zh) 一种身份验证的方法及装置
CN110174120A (zh) 用于ar导航模拟的时间同步方法及装置

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200923

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200923

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

GR01 Patent grant
GR01 Patent grant