CN110991781A - 一种风险订单展示方法和系统 - Google Patents
一种风险订单展示方法和系统 Download PDFInfo
- Publication number
- CN110991781A CN110991781A CN201910130731.0A CN201910130731A CN110991781A CN 110991781 A CN110991781 A CN 110991781A CN 201910130731 A CN201910130731 A CN 201910130731A CN 110991781 A CN110991781 A CN 110991781A
- Authority
- CN
- China
- Prior art keywords
- risk
- order
- information
- risk order
- module
- 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 46
- 238000012545 processing Methods 0.000 claims abstract description 68
- 238000010801 machine learning Methods 0.000 claims description 17
- 238000011160 research Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 11
- 230000002265 prevention Effects 0.000 description 28
- 230000001568 sexual effect Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 6
- 238000012502 risk assessment Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000002147 killing effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011282 treatment Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种风险订单展示方法和系统。所述风险订单展示方法包括:获取至少一个风险订单,所述风险订单包括被至少一个处理设备识别为存在风险的订单;基于风险订单的风险度,对所述至少一个风险订单进行风险排序;基于风险排序结果,对所述至少一个风险订单中的一个或多个进行展示。本申请通过对机器识别出的风险订单进行及时展示,能够使人工尽早介入处理风险订单,以保障乘客和司机的生命财产安全。
Description
技术领域
本申请涉及安全出行领域,特别涉及一种风险订单展示方法和系统。
背景技术
随着共享车辆(如网约车)的普及,用户(司机或乘客)的出行安全成为普遍关注的话题。为了保障用户的出行安全,有必要识别出具有风险或潜在风险的订单。若能够对机器识别出的风险订单及时地进行展示,可以使人工尽早介入处理风险订单,从而可以更大限度的保障用户的生命和财产安全。
发明内容
本申请实施例之一提供一种风险订单展示方法,包括:获取至少一个风险订单,所述风险订单包括被至少一个处理设备识别为存在风险的订单;基于风险订单的风险度,对所述至少一个风险订单进行风险排序;基于风险排序结果,对所述至少一个风险订单中的一个或多个进行展示。
在一些实施例中,所述获取至少一个风险订单包括获取所述至少一个风险订单的相关信息;所述相关信息包括以下信息中的至少一种:司机信息、乘客信息、订单信息、车辆信息、天气信息、位置信息、道路信息、周边信息、行驶轨迹信息、音频信息、影像信息、研判信息。
在一些实施例中,所述基于风险订单的风险度,对所述至少一个风险订单进行风险排序包括:根据每个所述风险订单的相关信息,确定每个所述风险订单的风险类型和/或风险等级;根据每个所述风险订单的风险类型和/或风险等级,确定每个所述风险订单的风险度。
在一些实施例中,所述根据每个所述风险订单的相关信息,确定每个所述风险订单的风险类型和/或风险等级包括:根据每个所述风险订单的相关信息,利用训练好的机器学习模型确定每个所述风险订单的风险类型和/或风险等级。
在一些实施例中,所述基于风险排序结果,对所述至少一个风险订单中的一个或多个进行展示包括:显示和/或播报所述一个或多个风险订单的相关信息。
在一些实施例中,所述显示和/或播报所述一个或多个风险订单的相关信息包括:对所述风险订单的风险类型、风险等级和/或主要风险信息进行提示。
在一些实施例中,所述显示和/或播报所述一个或多个风险订单的相关信息包括:对所述风险订单被至少一个处理设备进行风险识别或研判所得的结果进行提示。
在一些实施例中,所述方法还包括:获取新风险订单;比较所述新风险订单和展示中订单的风险度;响应于所述新风险订单的风险度大于所述展示中订单,将所述展示中订单替换为所述新风险订单。
本申请实施例之一提供一种风险订单展示系统,包括风险订单获取模块、风险订单排序模块和风险订单展示模块;其中,所述风险订单获取模块用于获取至少一个风险订单,所述风险订单包括被至少一个处理设备识别为存在风险的订单;所述风险订单排序模块用于基于风险订单的风险度,对所述至少一个风险订单进行风险排序;所述风险订单展示模块用于基于风险排序结果,对所述至少一个风险订单中的一个或多个进行展示。
在一些实施例中,所述风险订单获取模块进一步用于获取所述至少一个风险订单的相关信息;所述相关信息包括以下信息中的至少一种:司机信息、乘客信息、订单信息、车辆信息、天气信息、位置信息、道路信息、周边信息、行驶轨迹信息、音频信息、影像信息、研判信息。
在一些实施例中,所述风险订单排序模块进一步用于:根据每个所述风险订单的相关信息,确定每个所述风险订单的风险类型和/或风险等级;根据每个所述风险订单的风险类型和/或风险等级,确定每个所述风险订单的风险度。
在一些实施例中,所述风险订单排序模块进一步用于:根据每个所述风险订单的相关信息,利用训练好的机器学习模型确定每个所述风险订单的风险类型和/或风险等级。
在一些实施例中,所述风险订单展示模块进一步用于:显示和/或播报所述一个或多个风险订单的相关信息。
在一些实施例中,所述风险订单展示模块进一步用于:对所述风险订单的风险类型、风险等级和/或主要风险信息进行提示。
在一些实施例中,所述风险订单展示模块进一步用于:对所述风险订单被至少一个处理设备进行风险识别或研判所得的结果进行提示。
在一些实施例中,所述风险订单获取模块进一步用于获取新风险订单;所述风险订单排序模块进一步用于比较所述新风险订单和展示中订单的风险度;响应于所述新风险订单的风险度大于所述展示中订单,所述风险订单展示模块进一步用于将所述展示中订单替换为所述新风险订单。
本申请实施例之一提供一种风险订单展示装置,包括至少一个存储介质和至少一个处理器,其特征在于:所述至少一个存储介质用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令以实现如本申请任一实施例所述的风险订单展示方法。
本申请实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当所述计算机指令被计算机执行时,实现如本申请任一实施例所述的风险订单展示方法。
附图说明
本申请将以示例性实施例的方式进一步说明,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,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本申请一些实施例所示的风险防范系统的应用场景示意图;
图2是根据本申请一些实施例所示的示例性移动设备的示例性硬件和/或软件组件的示意图;
图3是根据本申请一些实施例所示的风险订单展示系统的模块图;
图4是根据本申请一些实施例所示的风险订单展示方法的示例性流程图;
图5是根据本申请又一实施例所示的风险订单展示方法的示例性流程图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
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”等词并非特指单数,也可以包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
本申请的实施例可以应用于不同的运输系统,例如,出租车、专车、快车、拼车、顺风车、巴士、代驾等。本申请描述的“乘客”、“乘客端”、“用户终端”、“顾客”、“需求者”、“服务需求者”、“消费者”、“消费方”、“使用需求者”等是可以互换的,是指需要或者订购服务的一方,可以是个人,也可以是工具。同样地,本申请描述的“司机”、“司机端”、“提供者”、“供应者”、“服务提供者”、“服务者”、“服务方”等也是可以互换的,是指提供服务或者协助提供服务的个人、工具或者其他实体等。另外,本申请描述的“用户”可以是需要或者订购服务的一方,也可以是提供服务或者协助提供服务的一方。
图1所示为根据本申请一些实施例所示的风险防范系统100的应用场景示意图。
风险防范系统100可以判定行程中的安全事件风险,并采取应对方法以减少对用户的伤害。风险防范系统100可以是用于互联网或者其它网络的服务平台。例如,风险防范系统100可以是为交通运输提供服务的线上服务平台。在一些实施例中,风险防范系统100可以应用于网约车服务,例如出租车呼叫、快车呼叫、专车呼叫、小巴呼叫、拼车、公交服务、司机雇佣和接送服务等。在一些实施例中,风险防范系统100还可以应用于代驾、快递、外卖等。在另一些实施例中,风险防范系统100还可以应用于家政服务、出行(如旅游)服务、教育(如线下教育)服务等领域。如图1所示,风险防范系统100可以包括处理设备110、一个或一个以上终端120、存储设备130、网络140以及信息源150。
在一些实施例中,处理设备110可以处理从终端120、存储设备130和/或信息源150处获得的数据和/或信息。例如,处理设备110可以获取多个终端120的定位/轨迹信息和/或与行程相关的参与方(例如,司机和乘客)的特征信息。处理设备110可以处理上述所获取的信息和/或数据以执行本申请描述的一个或多个功能。例如,处理设备110可以基于风险判定规则和/或风险判定模型对所获取的数据进行安全风险的判定,并根据判定结果确定采取相应的应对方法,比如报警和/或提供线下支援。在一些实施例中,处理设备110可以识别出订单中的风险并将该订单确定为风险订单。在一些实施例中,处理设备110可以获取至少一个风险订单。在一些实施例中,处理设备110可以基于风险订单的风险度,对所述至少一个风险订单进行风险排序。在一些实施例中,处理设备110可以基于风险排序结果,对所述至少一个风险订单中的一个或多个进行展示。
在一些实施例中,处理设备110可以是独立的服务器或者服务器组。该服务器组可以是集中式的或者分布式的(如:处理设备110可以是分布系统)。在一些实施例中,处理设备110可以是本地的或者远程的。例如,处理设备110可通过网络140访问存储于终端120、存储设备130和/或信息源150中的信息和/或资料。在一些实施例中,处理设备110可直接与终端120、存储设备130和/或信息源150连接以访问存储于其中的信息和/或资料。在一些实施例中,处理设备110可在云平台上执行。例如,该云平台可包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。在另一些实施例中,处理设备110可以同时是终端120之一
在一些实施例中,处理设备110可以包含一个或多个子处理设备(如:单核处理器或多核处理器)。仅作为示例,处理设备110可以包含中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
在一些实施例中,终端120可以是带有数据获取、存储和/或发送功能的设备,可以包括任一用户或者非直接参与服务的终端、服务提供者终端、服务请求者终端和/或车载终端。所述服务提供者可以是提供服务的个人、工具或者其他实体。所述服务请求者可以是需要得到或者正在接受服务的个人、工具或者其他实体。例如,针对网约车服务而言,所述服务提供者可以是司机、第三方平台,所述服务请求者可以是乘客或者其它接受类似服务的个人或者设备(例如物联网设备)。在一些实施例中,终端120可以用于采集各类数据,包括但不限于与服务相关的数据。例如,终端120所采集的数据可以包括与订单相关的数据(例如,订单请求时间、起终点、乘客信息、司机信息、车辆信息等)、与车辆行驶情况相关的数据(例如,当前速度、当前加速度、设备的姿态、路况等)、与服务行程相关的数据(例如,预设行程路径、实际行驶路径、费用等)、与服务参与方(服务提供者/服务请求者)相关的数据(例如,参与方的个人信息、服务提供者/服务请求者对于终端120的操控信息、终端设备的各种相关数据等)等或其任意组合。所采集数据可以是实时的,也可以是各类历史数据(如用户过去的使用历史)等。数据可由终端120通过自身的传感器进行数据采集,也可以搜集外接传感器获取的数据,也可以读取存储在自身的存储器中的数据,还可以通过网络140读取存储在存储设备150中的数据。在一些实施例中,传感器可以包括定位装置、声音传感器、图像传感器、温湿度传感器、位置传感器、压力传感器、距离传感器、速度传感器、加速度传感器、重力传感器、位移传感器、力矩传感器、陀螺仪等或其任意组合。
在一些实施例中,终端120可以包括台式电脑120-1、笔记本电脑120-2、车载设备120-3、移动设备120-4等中的一种或几种的组合。在一些实施例中,移动设备120-4可以包括智能家居设备、可穿戴设备、智能移动设备、增强现实设备等或其任意组合。在一些实施例中,可穿戴设备可以包括智能手镯、智能鞋袜、智能眼镜、智能头盔、智能手表、智能衣物、智能背包、智能配饰等或其任意组合。在一些实施例中,智能移动设备可以包括智能手机、个人数字助理(PDA)、游戏设备、导航设备、POS机等或其任意组合。在一些实施例中,车载设备120-3可以包括车载计算机、汽车数据记录器、车载人机交互(HCI)系统、行车记录仪、车载电视等。在一些实施例中,车载设备120-3可以获取车辆的各种部件数据和/或运行数据,例如,速度、加速度、行驶方向、部件状态、车辆周围环境等。所获取的数据可以用于判定是否发生行车事故(例如,翻车、撞车)、行车故障(例如,发动机或变速箱故障导致车辆无法移动)等。在一些实施例中,终端120可以是具有用于定位终端120的位置的定位技术的设备。在一些实施例中,终端120可以将采集到的数据/信息通过网络140传输至处理设备110进行后续步骤。终端120还可以将采集到的数据/信息存储至自身的存储器中,或通过网络140传输至存储设备130进行存储。终端120还可以接收和/或显示由处理设备110生成的与风险防范相关的通知。在一些实施例中,可以有多个终端相互连接,共同采集各类数据,并由一个或者多个终端对这些数据进行预处理。
存储设备130可以存储数据和/或指令。在一些实施例中,存储设备130可以存储终端120获取的数据/信息。存储设备130还可以存储历史事件的历史交通运输服务数据,例如,一些事件的历史服务订单的订单数据、服务参与方数据、车辆相关数据及行程数据等。在一些实施例中,存储设备130可以存储处理设备110用于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。例如,存储设备130可以存储风险判定模型,所述风险判定模型可以基于处理设备110所获取的与交通运输服务相关的数据/信息判定该交通运输服务是否存在风险。在一些实施例中,存储设备130可以存储用户终端的各类实时和/或历史数据,例如,与历史服务相关的用户的历史记录,比如历史评价等。在一些实施例中,存储设备130可以是处理设备110或者终端120的一部分。在一些实施例中,存储设备130可以包括大容量存储器、可移动存储器、易失性读写存储器、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。示例性的挥发性只读存储器可以包括随机存取存储器(RAM)。示例性的RAM可包括动态RAM(DRAM)、双倍速率同步动态RAM(DDRSDRAM)、静态RAM(SRAM)、闸流体RAM(T-RAM)和零电容RAM(Z-RAM)等。示例性的ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电子可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字通用磁盘ROM等。在一些实施例中,存储设备130可以在云平台上实现。仅作为示例,所述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。例如,本申请中一些风险判断的算法或者数据可以存储在某个云平台上,定期更新,处理设备110通过网络访问这些算法或者数据,以实现整个平台的算法或者数据的统一与交互。特别的,一些历史数据可以统一存储在平台的一个云平台上,以便多个处理设备110或者终端120访问或者更新,以便保证数据的实时性和跨平台使用。例如,终端120可以随时将其速度和定位信息发布到某个云平台上,系统可以根据多个终端120的反馈判断是否出现异常状况。
在一些实施例中,存储设备130可以连接到网络140以与风险防范系统100中的一个或以上组件(例如,处理设备110、终端120、信息源150)通信。风险防范系统100中的一个或以上组件可以通过网络140访问存储设备130中存储的数据或指令。在一些实施例中,存储设备130可以与风险防范系统100中的一个或以上组件(例如,处理设备110、终端120、信息源150)直接连接或通信。在一些实施例中,存储设备130可以是处理设备110的一部分。
网络140可以促进信息和/或数据的交换。在一些实施例中,风险防范系统100中的一个或以上组件(例如,处理设备110、终端120、存储设备130和信息源150)可以通过网络140向/从风险防范系统100中的其他组件发送/接收信息和/或数据。例如,处理设备110可以通过网络140从终端120和/或信息源150获取与交通运输服务相关的数据/信息。又例如,终端120可以通过网络140从处理设备110或存储设备130处获取用于判定交通运输服务是否具有风险的判定模型。获取的判定模型可以以终端120的应用软件实现。终端120在获取与交通运输服务相关的数据/信息后,可以自行判定该交通运输服务是否具有风险,并执行风险应对操作,比如,启动电话报警。在一些实施例中,网络140可以为任意形式的有线或无线网络或其任意组合。仅作为示例,网络140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(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、广域网(WAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通讯(NFC)网络、全球移动通讯系统(GSM)网络、码分多址(CDMA)网络、时分多址(TDMA)网络、通用分组无线服务(GPRS)网络、增强数据速率GSM演进(EDGE)网络、宽带码分多址接入(WCDMA)网络、高速下行分组接入(HSDPA)网络、长期演进(LTE)网络、用户数据报协议(UDP)网络、传输控制协议/互联网协议(TCP/IP)网络、短信息服务(SMS)网络、无线应用协议(WAP)网络、超宽带(UWB)网络、移动通信(1G、2G、3G、4G、5G)网络、Wi-Fi、Li-Fi、窄带物联网(NB-IoT)等或其任意组合。在一些实施例中,风险防范系统100可以包括一个或以上网络接入点。例如,风险防范系统100可以包括有线或无线网络接入点,例如基站和/或无线接入点140-1、140-2、...,风险防范系统100的一个或以上组件可以通过其连接到网络140以交换数据和/或信息。
信息源150可以用于为风险防范系统100提供信息的来源。在一些实施例中,信息源150可以用于为风险防范系统100提供与交通运输服务相关的信息,例如,天气情况、交通信息、地理信息、法律法规信息、新闻事件、生活资讯、生活指南信息等。在一些实施例中,信息源150还可以是其他第三方平台,可以提供服务请求方和/或服务提供方的征信记录,如信贷记录等。在一些实施例中,信息源150可以用于为风险防范系统100提供与风险防范相关的信息,例如,驾驶安全提示信息、人身安全提示信息、财产安全提示信息等。信息源150可以在单个中央服务器、通过通信链路连接的多个服务器或多个个人设备中实现。当信息源150在多个个人设备中实现时,个人设备可以生成内容(例如,被称为“用户生成内容”),例如,通过将文本、语音、图像和视频上载到云服务器。信息源可以由多个个人设备和云服务器生成。存储设备130、处理设备110以及终端120同时也可以是信息源。例如,终端120实时反馈的速度和定位信息,可以作为信息源提供交通状况信息以供其他设备获取使用。
图2所示为根据本申请一些实施例所示的示例性移动设备的示例性硬件和/或软件组件的示意图。
如图2所示,移动设备200可以包括通信单元210、显示单元220、图形处理单元(GPU)230、中央处理单元(CPU)240、输入/输出250、内存260、存储器270和传感器280。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(未显示),亦可包括于移动设备200内。
在一些实施例中,移动操作系统262(例如,IOSTM、AndroidTM、Windows PhoneTM等)和一个或多个应用程序264可以从存储器290加载到内存260中以便由CPU240执行。应用程序264可以包括浏览器或任何其他合适的移动应用程序,用于发送与交通运输服务相关联的数据/信息,并接收和呈现来自风险防范系统100的处理或其他相关的信息。例如,应用程序264可以是在线网约车出行平台(例如,滴滴出行TM),用户(例如,服务请求者)可以通过应用程序264请求交通运输服务,并将请求信息发送至后台服务器端。用户与信息流的交互可以经由输入/输出250来实现并且经由网络140被提供给处理设备110和/或风险防范系统100的其他组件。
在一些实施例中,移动设备200还可以包括多个传感器280。传感器280可以获取与服务参与方(例如,司机/乘客)、车辆和/或行程等相关的数据。在一些实施例中,所述传感器可以包括声音传感器、图像传感器、温湿度传感器、位置传感器、压力传感器、距离传感器、速度传感器、加速度传感器、重力传感器、位移传感器、力矩传感器、陀螺仪等或其任意组合。在一些实施例中,由所述传感器所获取的数据可以用于后续判定是否发生风险和/或发生何种风险。例如,声音传感器和图像传感器可以采集服务参与方之间的对话以及车内的实时场景,以供判断是否发生司乘冲突或财产/人身安全事件,比如,肢体冲突、酒驾、抢劫、性侵犯、性骚扰等。又例如,位置传感器和位移传感器可以采集车辆的实时位置和/或车辆的行驶轨迹数据,以供判断是否发生行程异常,比如,异常停留、行程偏离、行驶时间异常等。还例如,速度传感器、加速度传感器和陀螺仪可以采集车辆的实时速度、实时加速度、终端120的偏转量、偏转频率等,以供判断车辆是否发生行车安全事故,比如,撞车、翻车等。
在一些实施例中,移动设备200还可以与车辆进行通信,例如,蓝牙通信,以获取安装在车辆内部或外部的车载传感器所采集的数据,比如,车辆当前状态数据和行驶数据,并将通过自身传感器获取的数据和通过车载传感器获取的数据进行合并,以用于后续的风险判定。
在一些实施例中,移动设备200可以将所获取的数据/信息,包括通过自身传感器获取的数据和通过车载传感器获取的数据,通过网络140发送到风险防范系统100的处理设备110以进行风险判定及处置。在一些实施例中,移动设备200可以直接进行风险判定及处置。例如,应用程序264中可以内置有进行风险判定的代码或模块,可以直接进行风险判定及处置。在一些实施例中,风险防范系统100的处理设备110和/或移动设备200还可以根据风险判定和/或处置结果生成安全通知指令。移动设备200可以通过接收并执行上述安全通知指令,提醒使用者当前所处的安全状态。例如,移动设备200可以通过语音(例如,通过扬声器)、振动(例如,通过振动器)、文字(通过短信或社交应用程序)、灯光闪烁(例如,通过闪光灯或显示单元220)等或其组合的方式实现该安全通知以达到提醒使用者的目的。
在一些实施例中,移动设备200的使用者,例如,司机和/或乘客,可以自行执行风险判定过程。具体地,司机和/或乘客可以通过移动设备200中的应用程序264主动上报风险。例如,对移动设备200执行特定操作,比如摇晃或摔掷,可以启动报警程序。又例如,应用程序264的界面中可以包括直接与后端安全平台通信的快速入口(例如,报警按钮、求助按钮),在判断自身处于危险情况时,用户可以通过该点击报警按钮向警方报警。在报警后,应用程序264还可以将报警用户的当前位置和行程信息发送至警方以辅助救援。
为了实现本申请描述的各种模块、单元及其功能,计算机硬件平台可用作本申请中所描述的一个或以上组件的硬件平台。具有用户接口组件的计算机可用于实施个人计算机(PC)或任何其他类型的工作站或终端装置。若计算机被适当的程序化,计算机亦可充当系统。
图3是根据本申请一些实施例所示的风险订单展示系统300的模块图。如图3所示,该风险订单展示系统可以包括风险订单获取模块310、风险订单排序模块320和风险订单展示模块330。
风险订单获取模块310可以用于获取至少一个风险订单。具体的,风险订单可以包括被至少一个处理设备(如处理设备110)识别为存在风险的订单。在一些实施例中,风险订单获取模块310还可以用于获取所述至少一个风险订单的相关信息。具体的,风险订单的相关信息可以包括司机信息、乘客信息、订单信息、车辆信息、天气信息、位置信息、道路信息、周边信息、行驶轨迹信息、音频信息、影像信息、研判信息等一种或多种的任意组合。在一些实施例中,风险订单获取模块310还可以用于获取新风险订单。
风险订单排序模块320可以用于对风险订单进行风险排序。具体的,风险订单排序模块320可以基于风险订单的风险度,对至少一个风险订单进行风险排序。在一些实施例中,风险订单排序模块320还可以用于确定风险订单的风险度。具体的,风险订单排序模块320可以根据每个风险订单的相关信息,确定每个风险订单的风险类型和/或风险等级;进一步地,风险订单排序模块320可以根据每个风险订单的风险类型和/或风险等级,确定每个风险订单的风险度。在一些实施例中,风险订单排序模块320还可以根据每个风险订单的相关信息,利用训练好的机器学习模型确定每个风险订单的风险类型和/或风险等级。在一些实施例中,风险订单排序模块320还可以用于比较新风险订单和展示中订单。具体的,风险订单排序模块320可以比较所述新风险订单和展示中订单的风险度。
风险订单展示模块330可以用于展示风险订单。具体的,风险订单展示模块330可以基于风险排序结果,对至少一个风险订单中的一个或多个进行展示。在一些实施例中,风险订单展示模块330可以显示和/或播报一个或多个风险订单的相关信息。在一些实施例中,风险订单展示模块330可以对风险订单的风险类型、风险等级和/或主要风险信息进行提示。在一些实施例中,风险订单展示模块330可以对风险订单被至少一个处理设备进行风险识别或研判所得的结果进行提示。在一些实施例中,风险订单展示模块330可以将展示中订单替换为新风险订单。具体的,风险订单展示模块330可以响应于新风险订单的风险度大于展示中订单,将该展示中订单替换为该新风险订单。
应当理解,图3所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于风险订单研判系统及其模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,在一些实施例中,图3中披露的风险订单获取模块310、风险订单排序模块320和风险订单展示模块330可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,风险订单排序模块320和风险订单展示模块330可以是两个模块,也可以是一个模块同时具有订单排序和展示功能。又例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本申请的保护范围之内。
图4所示为根据本申请一些实施例所示的风险订单展示方法400的示例性流程图。如图4所示,该风险订单展示方法可以包括:
步骤410,获取至少一个风险订单,所述风险订单包括被至少一个处理设备识别为存在风险的订单。具体的,该步骤410可以由风险订单获取模块310执行。
在一些实施例中,风险防范系统100(例如,处理设备110)可以对在线运输服务系统的订单进行监控。具体的,在线运输服务系统可以包括但不限于网约车(如出租车、专车、快车、拼车、顺风车、巴士等)服务系统、代驾服务系统等。监控可以包括实时监控、延时监控或事后监控等。当风险防范系统100的一个或多个处理设备(如处理设备110)发现某订单存在风险时,即可将该订单视为风险订单。在一些实施例中,风险订单可以是首次被识别出风险的订单,也可以是再次或多次被识别出风险的订单。例如,对于实时监控的订单,其可能被多次(或一段时间内连续)识别出风险。在一些实施例中,用于识别订单是否存在风险的处理设备110中可以包括风险订单识别模型(如存储风险订单识别模型的相关程序)。具体的,风险订单识别模型可以根据订单的相关信息进行风险识别。在一些实施例中,风险订单识别模型可以用于识别订单是否存在风险。
在一些实施例中,风险订单获取模块310获取风险订单时也可以获取该风险订单的相关信息。风险订单的相关信息可以包括司机信息、乘客信息、订单信息、车辆信息、天气信息、位置信息、道路信息、周边信息、行驶轨迹信息、音频信息、影像信息、研判信息等一种或多种的任意组合。其中,司机信息可以包括司机的年龄、性别、职业、联系方式、历史接单信息、历史评价信息、历史被封禁次数、司机报警信息、司机投诉信息等一种或多种的任意组合。具体的,司机可以是网约车司机,也可以是代驾司机。乘客信息可以包括乘客的年龄、性别、职业、联系方式、紧急联系人、累计完单量、历史评价信息、乘客报警信息、乘客投诉信息等一种或多种的任意组合。订单信息可以包括订单的订单号、起点、终点、发单时间等一种或多种的任意组合。车辆信息可以包括车辆类型、车龄、车辆历史维修保养记录、车辆保险记录等一种或多种的任意组合。天气信息可以包括订单发生时的天气状态,如下雨、晴天、多雾,以及气温、湿度等。位置信息可以包括司机位置、乘客位置、车辆位置等一种或多种的任意组合。道路信息可以包括道路类型(如国道、省道、乡间小道等)、道路名称、道路设施等一种或多种的任意组合。周边信息可以包括车辆周边的路况、车流量、偏僻程度等一种或多种的任意组合。行驶轨迹信息可以包括行驶速度、行驶轨迹、行驶过程中停留情况(如停留时间、停留次数、停留地点)等一种或多种的任意组合。音频信息可以包括车载录音信息、司乘通话信息、司乘终端录音信息等一种或多种的任意组合。影像信息可以包括行车记录仪影像、车内录像、道路监控影像、司乘手机录像等一种或多种的任意组合。研判信息可以包括当前研判信息和/或历史研判信息。具体的,当前研判信息可以包括研判人员对该风险订单给出的研判意见(例如,订单处置意见、订单风险类型、订单风险等级等)。历史研判信息可以包括研判人员对风险订单进行研判的历史研判记录、历史研判意见、历史研判时订单的相关信息等一种或多种的任意组合。
步骤420,基于风险订单的风险度,对至少一个风险订单进行风险排序。具体的,该步骤420可以由风险订单排序模块320执行。
在一些实施例中,风险度可以用于表示风险订单的风险程度。在一些实施例中,风险度可以是对风险订单的综合风险评判结果。具体的,风险度可以综合考虑风险订单的风险类型(如抢劫、性骚扰、强奸、杀人等)、风险等级(如高风险、中等风险、低风险等)、风险评分(如80~100分、30~80分、0~30分等)等一种或多种的任意组合。在一些实施例中,风险类型可以是抢劫、性骚扰、强奸或杀人等犯罪类型,也可以是车祸等交通事故。在一些实施例中,风险等级可以包括高风险、中等风险或低风险等。风险评分可以是对订单风险情况的打分,其可以与风险等级相互对应,例如,风险评分可以为80~100分(高风险)、30~80分(中等风险)、0~30分(低风险)。
在一些实施例中,风险订单排序模块320可以根据每个风险订单的相关信息,确定每个风险订单的风险类型和/或风险等级。在一些实施例中,风险订单排序模块320可以根据每个风险订单的相关信息,利用训练好的机器学习模型确定每个风险订单的风险类型和/或风险等级。具体的,机器学习模型可以通过历史风险订单数据训练获得。进一步的,机器学习模型可以包括但不限于支持向量机模型、决策树模型、神经网络模型等,本申请对此不作限制。在一些实施例中,风险类型可以根据风险订单的相关信息利用训练好的机器学习模型进行分类,例如,风险类型可以包括抢劫、性骚扰、强奸或杀人等犯罪类型。在一些实施例中,风险等级也可以根据风险订单的相关信息利用训练好的机器学习模型进行确定。
在一些实施例中,风险订单排序模块320可以根据每个风险订单的风险类型和/或风险等级,确定每个风险订单的风险度。例如,风险度可以与风险等级或风险评分相同。又例如,风险度可以是风险类型和风险等级两者加权计算之后所得的结果。在一些实施例中,风险度可以是在风险类型、风险等级、风险评分等信息的基础上综合计算(如加权平均)的结果。在一些实施例中,风险度也可以是基于风险订单的相关信息所确定的结果。在一些实施例中,风险度可以是基于规则(如人为制定的规则)决策所得的结果。例如,对于杀人、强奸风险较高的订单,可以提高其相应的风险度。在一些实施例中,对于不同的时间段和场景,也可以制定不同的风险度确定方法(如规则)。例如,对于夜间时段(如23:00-05:00)或偏僻位置(可以通过司机或乘客的终端120定位获取),可以提高风险类型为抢劫的订单风险度。又例如,对于下雨天(可以通过信息源150获取),可以提高风险类型为事故的订单风险度。
在一些替代性实施例中,还可以利用处理设备110中的风险订单识别模型确定每个风险订单的风险类型、风险等级和/或风险度。在一些实施例中,风险订单识别模型可以是一个能够识别各种风险状况的综合模型。在一些实施例中,风险订单识别模型也可以包括一个或多个分类子模型(例如,强奸风险识别模型、抢劫风险识别模型、杀人风险识别模型、车祸风险识别模型等)。在一些实施例中,该风险订单识别模型可以包括基于判断规则的专家决策系统。其中,判断规则可以根据历史数据和/或相关调研分析由人为制定而成。在一些实施例中,该风险识别模型可以包括基于历史数据训练获得的机器学习模型。具体的,机器学习模型可以包括但不限于支持向量机模型、决策树模型、神经网络模型等。在一些实施例中,该风险订单识别模型还可以包括本领域技术人员所熟知的其他模型,例如,迁移学习模型、深度学习模型等,本申请对此不作限制。
在一些实施例中,确定了风险订单的风险度后,风险订单排序模块320可以基于该风险度对风险订单进行排序处理,以使风险度高的订单被优先处理。
步骤430,基于风险排序结果,对所述至少一个风险订单中的一个或多个进行展示。具体的,该步骤430可以由风险订单展示模块330执行。
在一些实施例中,风险排序结果可以为按风险度高低排序的结果。在一些实施例中,风险订单展示模块330可以通过展示设备显示和/或播报一个或多个风险订单的相关信息。在一些实施例中,展示设备可以为供研判人员对风险订单进行研判的研判设备。其中,研判人员可以是对风险订单具有判断经验的技术人员。通过研判设备将风险订单展示给研判人员后,研判人员即可对该风险订单进行研判,并可以给出进一步处理意见。
在一些实施例中,研判人员可以自行选择(或设定)研判设备提供信息的方式(如显示和/或播报)。在一些实施例中,研判人员可以与研判设备进行互动,例如,研判人员可以通过研判设备浏览风险订单的相关信息。又例如,研判人员可以通过研判设备选择感兴趣的信息进行详细查看。在一些实施例中,研判设备可以包括电子显示设备和/或电子播放设备等任何可以向研判人员提供信息的设备。例如,研判设备可以包括但不限于显示屏、台式电脑、平板电脑、手提电脑、手机、智能手表、智能眼镜、智能头盔、虚拟现实装置、增强现实装置等一种或多种的任意组合。在一些实施例中,研判设备还可以是移动设备200。在一些实施例中,研判人员可以有独立的研判账户,根据其研判账户可以登录到关联的研判设备,以进行风险订单研判。
在一些实施例中,风险订单展示模块330可以将风险订单的相关信息(如行驶轨迹信息、音频信息、影像信息)按照时间序列显示和/或播报,从而可以使研判人员更好的对风险订单进行研判。在一些实施例中,风险订单展示模块330可以按照风险度进行显示和/或播报。在一些实施例中,一个或多个风险订单的显示方式可以是在研判设备关联的同一个显示器上显示,也可以在多个显示器上显示。例如,一个研判设备对应连接一台显示器,可以按风险度高低依次在该台显示器上创建多个(如3个、4个、6个等)窗口分别显示多个风险订单。又例如,一个研判设备可以对应连接多台(如2台、3台、4台、6台等)显示器,可以按风险度高低依次在每台显示器上显示一个风险订单。在一些实施例中,一个或多个风险订单的播报方式可以是按风险度高低依次循环播报。例如,待研判的风险订单可以有6个,可以按风险度从高到低依次循环播报该6个风险订单,并在播报时重点提示风险类型、风险等级或风险度等,以供研判人员及时选择风险订单进行处理。在一些实施例中,不同的风险类型、风险等级或风险度可以对应不同的显示和/或播报方式。例如,对于存在高风险和/或强奸、杀人风险的订单,在研判页面上可以用红色字体展示订单风险度和/或播报开始时加上“请注意”等提示语。又例如,对于存在中等风险和/或风险评分为30~80分的订单,在研判页面上可以用紫色字体展示订单风险度和/或播报开始时加上“需注意”等提示语。再例如,对于存在低风险和/或风险评分为0~30分的订单,在研判页面上可以用蓝色字体展示订单风险度和/或播报时采取相对舒缓的播放语调。
在一些实施例中,研判人员可以选择其中一个风险订单进行研判。在一些实施例中,风险订单展示模块330可以对风险订单的风险类型、风险等级和/或主要风险信息进行提示。在一些实施例中,风险类型可以是抢劫、性骚扰、强奸或杀人等犯罪类型,也可以是车祸等交通事故。在一些实施例中,风险等级可以包括高风险、中等风险或低风险等。在一些替代性实施例中,风险等级可以根据风险订单的相关信息利用风险评估模型(如机器学习模型)进行评分,例如,风险评分可以为80~100分(高风险)、30~80分(中等风险)、0~30分(低风险)。在一些实施例中,主要风险信息可以是对风险订单研判起决定性作用的信息。具体的,主要风险信息可以是订单相关信息中的任意异常信息。例如,主要风险信息可以包括:司机或乘客遭多次投诉、多次异常取消、订单目的地偏僻、行驶过程中异常停留、非目的地结束订单等一种或多种的任意组合。在一些实施例中,风险订单展示模块330可以将风险类型、风险等级和/或主要风险信息进行提示,以引起研判人员的注意。例如,可以将风险类型、风险等级和/或主要风险信息展示在研判页面顶端,或在研判页面上用警示色(如红色字体、黄色背景等)标注该信息,或对该信息进行重点播报等。又例如,可以将高风险相关信息重复多次播报或在高风险信息前加上“请注意”等提示语。通过向研判人员提示风险订单的风险类型、风险等级和/或主要风险信息,可以提醒研判人员对该信息进行重点关注,有助于研判人员及时发现订单中的异常,并对风险订单进行快速准确的判断。
在一些实施例中,风险订单展示模块330可以通过研判设备向研判人员提供风险订单被至少一个处理设备进行风险识别或研判的结果。在一些实施例中,风险识别结果可以包括该风险订单被识别为风险订单的次数(如,1次、2次、3次等)。在一些实施例中,风险识别结果可以包括该风险订单的风险等级(如,高风险、中等风险、低风险等)。在一些实施例中,风险识别结果可以包括该风险订单的风险类型(如抢劫、性骚扰、强奸、杀人、车祸等)。在一些实施例中,风险识别结果可以是该风险订单的风险度。其中,风险度可以是对风险订单的综合风险评判。在一些实施例中,研判结果可以包括该风险订单曾被研判的次数(如,0次、1次、2次等)。在一些实施例中,研判结果可以是研判人员的研判意见(如,暂时安全、暂不报警、已报警等)。在一些实施例中,风险识别结果可以由风险识别模型识别或风险订单排序模块320获得。具体的,风险识别模型或风险订单排序模块320中训练好的模型可以为机器学习模型,其可以通过历史风险订单数据训练获得。
在一些实施例中,研判人员可以与展示设备(或研判设备)进行互动。例如,研判人员可以在研判设备上(如研判设备的研判页面上)输入研判意见。在一些实施例中,输入研判意见的方式可以是键盘输入(如打字)、鼠标输入(如鼠标选择预设选项)、语音输入等。在一些实施例中,研判意见可以包括暂时安全、暂不报警和已报警等。当研判人员输入对风险订单的研判意见后,可以对该风险订单进行相应的处置。例如,当研判意见为“暂时安全”或“暂不报警”时,风险订单展示模块330可以取消或暂时取消对该风险订单的展示,并可以在后台对该风险订单继续进行监控。当研判意见为“已报警”时,处理设备110可以基于该风险订单向警方报警,并可以向警方提供相关信息,以便于警方快速介入,最大程度的降低风险危害。
应当注意的是,上述有关流程400的描述仅仅是为了示例和说明,而不限定本申请的适用范围。对于本领域技术人员来说,在本申请的指导下可以对流程400进行各种修正和改变。然而,这些修正和改变仍在本申请的范围之内。例如,步骤420和步骤430可以合并,可以基于风险订单的风险度直接对风险订单的一个或多个(如风险度大于设定阈值)进行展示。
图5所示为根据本申请又一实施例所示的风险订单展示方法500的示例性流程图。如图5所示,该风险订单展示方法500可以包括:
步骤510,获取新风险订单。具体的,该步骤510可以由风险订单获取模块310执行。
在一些实施例中,风险订单获取模块310可以获取新风险订单。在一些实施例中,新风险订单可以包括与展示中风险订单不同的、首次被识别为存在风险的订单。在一些实施例中,新风险订单可以是被至少一个处理设备识别为存在风险的订单。在一些实施例中,风险订单获取模块310获取新风险订单时也可以获取该新风险订单的相关信息。新风险订单的相关信息可以包括司机信息、乘客信息、订单信息、车辆信息、天气信息、位置信息、道路信息、周边信息、行驶轨迹信息、音频信息、影像信息、研判信息等一种或多种的任意组合。关于新风险订单的相关信息与风险订单的相关信息类似,其更多细节可以参见图4及其相关描述。
步骤520,比较新风险订单和展示中订单的风险度。具体的,该步骤520可以由风险订单排序模块320执行。
在一些实施例中,风险订单排序模块320可以根据新风险订单的相关信息,确定新风险订单的风险类型和/或风险等级。在一些实施例中,风险类型可以是抢劫、性骚扰、强奸或杀人等犯罪类型,也可以是车祸等交通事故。在一些实施例中,风险等级可以包括高风险、中等风险或低风险等。在一些实施例中,风险订单排序模块320可以根据新风险订单的相关信息,利用训练好的机器学习模型确定新风险订单的风险类型和/或风险等级。具体的,机器学习模型可以通过历史风险订单数据训练获得。进一步的,机器学习模型可以包括但不限于支持向量机模型、决策树模型、神经网络模型等,本申请对此不作限制。
在一些实施例中,风险订单排序模块320可以根据新风险订单的风险类型和/或风险等级,确定新风险订单的风险度。在一些实施例中,风险度可以用于表示风险订单的风险程度。在一些实施例中,风险度可以是对风险订单的综合风险评判结果。在一些替代性实施例中,也可以利用处理设备110中的风险订单识别模型识别新风险订单的风险等级、风险类型、风险度等。
在一些实施例中,确定了新风险订单的风险度后,风险订单排序模块320可以基于该风险度将新风险订单和展示中订单进行比较,以使风险度高的订单被优先处理。对新风险订单和展示中订单进行风险度比较与对风险订单进行风险排序类似,关于风险度及其风险度排序的更多细节可以参见图4及其相关描述。
步骤530,响应于新风险订单的风险度大于展示中订单,将该展示中订单替换为该新风险订单。具体的,该步骤530可以由风险订单展示模块330执行。
在一些实施例中,当新风险订单的风险度大于展示中订单的风险度时,风险订单展示模块330可以将研判设备(研判人员用于研判的设备)中展示的订单替换为该新风险订单并向研判人员显示和/或播报新风险订单的相关信息。在一些实施例中,该替换方式可以是按风险度重新排序后依次展示。例如,一个研判设备对应连接一台显示器,按风险度高低依次在该台显示器上创建多个(如3个、4个、6个等)窗口分别显示多个风险订单,若新风险订单的风险度大于其中任意一个展示中订单的风险度,则将新风险订单和多个展示中的风险订单重新排序并依次在该多个窗口上展示风险度排序靠前的订单。又例如,一个研判设备可以对应连接多台(如2台、3台、4台、6台等)显示器,可以按风险度高低依次在每台显示器上显示一个风险订单,若新风险订单的风险度大于其中任意一个展示中订单的风险度,则将新风险订单和多个展示中的风险订单重新排序并依次在多台显示器上展示风险度排序靠前的订单。在一些实施例中,可以按风险度高低依次循环播报重新排序后的风险订单,以供研判人员选择待研判的风险订单。
在一些实施例中,风险订单展示模块330可以对新风险订单的风险类型、风险等级和/或主要风险信息进行提示。在一些实施例中,风险订单展示模块330可以通过研判设备向研判人员提示新风险订单被至少一个处理设备进行风险识别或研判的结果。对新风险订单进行展示与对风险订单进行展示类似,关于展示的更多细节可以参见图4及其相关描述。
应当注意的是,上述有关流程500的描述仅仅是为了示例和说明,而不限定本申请的适用范围。对于本领域技术人员来说,在本申请的指导下可以对流程500进行各种修正和改变。然而,这些修正和改变仍在本申请的范围之内。例如,当展示中的订单没有达到数量上限时,可以增加展示新风险订单,而不是将展示中的订单进行替换。
本申请实施例可能带来的有益效果包括但不限于:(1)对风险订单进行及时展示,有利于人工及时介入处理,降低用户风险;(2)根据风险订单的风险度按序展示,可以对风险程度高的订单优先处理;(3)通过展示与风险订单相关的信息,可以提升研判人员对风险订单研判的效率和准确率;(4)通过提示风险订单中的关键信息,能够协助研判人员快速准确的对风险订单进行判断和处理。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域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、修正仍属于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。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、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”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工序、机器、产品或物质的组合,或对他们的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,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储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、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编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、或类似介质,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语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编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(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、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。尽管上述披露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,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,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。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。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。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (18)
1.一种风险订单展示方法,其特征在于,包括:
获取至少一个风险订单,所述风险订单包括被至少一个处理设备识别为存在风险的订单;
基于风险订单的风险度,对所述至少一个风险订单进行风险排序;
基于风险排序结果,对所述至少一个风险订单中的一个或多个进行展示。
2.如权利要求1所述的风险订单展示方法,其特征在于,所述获取至少一个风险订单包括获取所述至少一个风险订单的相关信息;所述相关信息包括以下信息中的至少一种:
司机信息、乘客信息、订单信息、车辆信息、天气信息、位置信息、道路信息、周边信息、行驶轨迹信息、音频信息、影像信息、研判信息。
3.如权利要求1所述的风险订单展示方法,其特征在于,所述基于风险订单的风险度,对所述至少一个风险订单进行风险排序包括:
根据每个所述风险订单的相关信息,确定每个所述风险订单的风险类型和/或风险等级;
根据每个所述风险订单的风险类型和/或风险等级,确定每个所述风险订单的风险度。
4.如权利要求3所述的风险订单展示方法,其特征在于,所述根据每个所述风险订单的相关信息,确定每个所述风险订单的风险类型和/或风险等级包括:
根据每个所述风险订单的相关信息,利用训练好的机器学习模型确定每个所述风险订单的风险类型和/或风险等级。
5.如权利要求1所述的风险订单展示方法,其特征在于,所述基于风险排序结果,对所述至少一个风险订单中的一个或多个进行展示包括:
显示和/或播报所述一个或多个风险订单的相关信息。
6.如权利要求5所述的风险订单展示方法,其特征在于,所述显示和/或播报所述一个或多个风险订单的相关信息包括:
对所述风险订单的风险类型、风险等级和/或主要风险信息进行提示。
7.如权利要求5所述的风险订单展示方法,其特征在于,所述显示和/或播报所述一个或多个风险订单的相关信息包括:
对所述风险订单被至少一个处理设备进行风险识别或研判所得的结果进行提示。
8.如权利要求1所述的风险订单展示方法,其特征在于,所述方法还包括:
获取新风险订单;
比较所述新风险订单和展示中订单的风险度;
响应于所述新风险订单的风险度大于所述展示中订单,将所述展示中订单替换为所述新风险订单。
9.一种风险订单展示系统,其特征在于,包括风险订单获取模块、风险订单排序模块和风险订单展示模块;其中,
所述风险订单获取模块用于获取至少一个风险订单,所述风险订单包括被至少一个处理设备识别为存在风险的订单;
所述风险订单排序模块用于基于风险订单的风险度,对所述至少一个风险订单进行风险排序;
所述风险订单展示模块用于基于风险排序结果,对所述至少一个风险订单中的一个或多个进行展示。
10.如权利要求9所述的风险订单展示系统,其特征在于,所述风险订单获取模块进一步用于获取所述至少一个风险订单的相关信息;所述相关信息包括以下信息中的至少一种:
司机信息、乘客信息、订单信息、车辆信息、天气信息、位置信息、道路信息、周边信息、行驶轨迹信息、音频信息、影像信息、研判信息。
11.如权利要求9所述的风险订单展示系统,其特征在于,所述风险订单排序模块进一步用于:
根据每个所述风险订单的相关信息,确定每个所述风险订单的风险类型和/或风险等级;
根据每个所述风险订单的风险类型和/或风险等级,确定每个所述风险订单的风险度。
12.如权利要求11所述的风险订单展示系统,其特征在于,所述风险订单排序模块进一步用于:
根据每个所述风险订单的相关信息,利用训练好的机器学习模型确定每个所述风险订单的风险类型和/或风险等级。
13.如权利要求9所述的风险订单展示系统,其特征在于,所述风险订单展示模块进一步用于:
显示和/或播报所述一个或多个风险订单的相关信息。
14.如权利要求13所述的风险订单展示系统,其特征在于,所述风险订单展示模块进一步用于:
对所述风险订单的风险类型、风险等级和/或主要风险信息进行提示。
15.如权利要求13所述的风险订单展示系统,其特征在于,所述风险订单展示模块进一步用于:
对所述风险订单被至少一个处理设备进行风险识别或研判所得的结果进行提示。
16.如权利要求9所述的风险订单展示系统,其特征在于:
所述风险订单获取模块进一步用于获取新风险订单;
所述风险订单排序模块进一步用于比较所述新风险订单和展示中订单的风险度;
响应于所述新风险订单的风险度大于所述展示中订单,所述风险订单展示模块进一步用于将所述展示中订单替换为所述新风险订单。
17.一种风险订单展示装置,其特征在于,包括至少一个存储介质和至少一个处理器,其特征在于:
所述至少一个存储介质用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令以实现如权利要求1~8中任一项所述的风险订单展示方法。
18.一种计算机可读存储介质,所述存储介质存储计算机指令,当所述计算机指令被计算机执行时,实现如权利要求1~8任一项所述的风险订单展示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910130731.0A CN110991781A (zh) | 2019-02-21 | 2019-02-21 | 一种风险订单展示方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910130731.0A CN110991781A (zh) | 2019-02-21 | 2019-02-21 | 一种风险订单展示方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110991781A true CN110991781A (zh) | 2020-04-10 |
Family
ID=70081568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910130731.0A Pending CN110991781A (zh) | 2019-02-21 | 2019-02-21 | 一种风险订单展示方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991781A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258095A (zh) * | 2020-12-22 | 2021-01-22 | 中国平安财产保险股份有限公司 | 基于标准正态分布的评分方法、装置、设备及存储介质 |
CN112270452A (zh) * | 2020-11-17 | 2021-01-26 | 北京嘀嘀无限科技发展有限公司 | 危险驾驶区域的预测方法、装置、电子设备及存储介质 |
CN116739607A (zh) * | 2023-08-14 | 2023-09-12 | 湖北点赞科技有限公司 | 一种基于数据分析的商户收银数据监测管理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496246A (zh) * | 2011-12-08 | 2012-06-13 | 西安航空电子科技有限公司 | 一种基于优先级和危险等级的告警处理与显示方法 |
CN106557955A (zh) * | 2016-11-29 | 2017-04-05 | 流量海科技成都有限公司 | 网约车异常订单识别方法及系统 |
CA3028479A1 (en) * | 2017-04-18 | 2018-10-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | System and method for determining safety score of driver |
CN108765930A (zh) * | 2018-06-26 | 2018-11-06 | 上海掌门科技有限公司 | 行车监控方法及设备 |
CN108961669A (zh) * | 2018-07-19 | 2018-12-07 | 上海小蚁科技有限公司 | 网约车的安全预警方法及装置、存储介质、服务器 |
US10163274B1 (en) * | 2012-12-19 | 2018-12-25 | Allstate Insurance Company | Driving trip and pattern analysis |
CN109146217A (zh) * | 2017-06-19 | 2019-01-04 | 北京嘀嘀无限科技发展有限公司 | 行程安全评估方法、装置、服务器、计算机可读存储介质 |
-
2019
- 2019-02-21 CN CN201910130731.0A patent/CN110991781A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496246A (zh) * | 2011-12-08 | 2012-06-13 | 西安航空电子科技有限公司 | 一种基于优先级和危险等级的告警处理与显示方法 |
US10163274B1 (en) * | 2012-12-19 | 2018-12-25 | Allstate Insurance Company | Driving trip and pattern analysis |
CN106557955A (zh) * | 2016-11-29 | 2017-04-05 | 流量海科技成都有限公司 | 网约车异常订单识别方法及系统 |
CA3028479A1 (en) * | 2017-04-18 | 2018-10-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | System and method for determining safety score of driver |
CN109146217A (zh) * | 2017-06-19 | 2019-01-04 | 北京嘀嘀无限科技发展有限公司 | 行程安全评估方法、装置、服务器、计算机可读存储介质 |
CN108765930A (zh) * | 2018-06-26 | 2018-11-06 | 上海掌门科技有限公司 | 行车监控方法及设备 |
CN108961669A (zh) * | 2018-07-19 | 2018-12-07 | 上海小蚁科技有限公司 | 网约车的安全预警方法及装置、存储介质、服务器 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270452A (zh) * | 2020-11-17 | 2021-01-26 | 北京嘀嘀无限科技发展有限公司 | 危险驾驶区域的预测方法、装置、电子设备及存储介质 |
CN112258095A (zh) * | 2020-12-22 | 2021-01-22 | 中国平安财产保险股份有限公司 | 基于标准正态分布的评分方法、装置、设备及存储介质 |
CN112258095B (zh) * | 2020-12-22 | 2021-04-02 | 中国平安财产保险股份有限公司 | 基于标准正态分布的评分方法、装置、设备及存储介质 |
CN116739607A (zh) * | 2023-08-14 | 2023-09-12 | 湖北点赞科技有限公司 | 一种基于数据分析的商户收银数据监测管理系统 |
CN116739607B (zh) * | 2023-08-14 | 2023-11-10 | 湖北点赞科技有限公司 | 一种基于数据分析的商户收银数据监测管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111599164B (zh) | 一种行车异常识别方法和系统 | |
WO2020169053A1 (en) | Systems and methods for identifying abnormalities | |
CN110782111B (zh) | 一种风险评估方法和系统 | |
US10127810B2 (en) | Vehicle safety and driver condition monitoring, and geographic information based road safety systems | |
CN111656140B (zh) | 预测交通事故发生地的人工智能系统和方法 | |
US11783421B2 (en) | Traveling-based insurance ratings | |
US20140322676A1 (en) | Method and system for providing driving quality feedback and automotive support | |
CN111598368B (zh) | 基于行程结束后停留异常的风险识别方法、系统及装置 | |
CN106651602A (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
CN110991781A (zh) | 一种风险订单展示方法和系统 | |
CN111598371B (zh) | 一种风险防范方法、系统、装置及存储介质 | |
CN111859173A (zh) | 一种上车点推荐方法和系统 | |
US11669756B2 (en) | Partitioning sensor based data to generate driving pattern map | |
CN110992119A (zh) | 一种对风险订单进行排序的方法和系统 | |
CN111863029A (zh) | 一种基于音频的事件检测方法和系统 | |
CN111598641A (zh) | 一种订单风险验证方法和系统 | |
CN110875937A (zh) | 一种信息推送方法和系统 | |
CN114026580A (zh) | 一种用户驾驶习惯确定及服务信息推送方法和系统 | |
US11983938B2 (en) | Virtual safety manager | |
CN111127282A (zh) | 用于确定推荐位置的系统和方法 | |
CN113423063A (zh) | 基于车载t-box的车辆监控方法、装置、车辆及介质 | |
CN110991782A (zh) | 一种风险订单研判方法和系统 | |
CN111598274A (zh) | 基于取消异常的风险识别方法、系统、装置及存储介质 | |
CN111598642A (zh) | 一种风险判定方法、系统、装置及存储介质 | |
US20220005086A1 (en) | Performance assessment of drivers |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |
|
RJ01 | Rejection of invention patent application after publication |