CN111105243A - 订单服务安全性检测方法及装置、计算机可读存储介质 - Google Patents
订单服务安全性检测方法及装置、计算机可读存储介质 Download PDFInfo
- Publication number
- CN111105243A CN111105243A CN201811251791.XA CN201811251791A CN111105243A CN 111105243 A CN111105243 A CN 111105243A CN 201811251791 A CN201811251791 A CN 201811251791A CN 111105243 A CN111105243 A CN 111105243A
- Authority
- CN
- China
- Prior art keywords
- order
- duration
- historical
- determining
- service
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/012—Providing warranty services
-
- 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及信息技术领域,尤其涉及一种订单服务安全性检测方法,所述方法包括:获取服务提供方在服务当前出行订单过程中的轨迹点数据;基于所述轨迹点数据,确定所述服务提供方的驾驶停留信息和路线偏移信息;根据所述服务提供方的驾驶停留信息和路线偏移信息,确定所述当前出行订单的服务安全性。采用上述方案,实现了对服务安全性的有效检测,且检测的准确性较好,从而不仅能够很好的约束服务提供方的服务行为,还能够进一步确保乘客的用车安全。本申请还提供了一种订单服务安全性检测装置、计算机可读存储介质。
Description
技术领域
本申请涉及信息技术领域,具体而言,涉及一种订单服务安全性检测方法及装置、计算机可读存储介质。
背景技术
近些年,由于网约车的便捷性和实用性,网约车规模迅速扩张。网约车即是网络预约出租汽车的简称,乘客可以通过移动设备在网约车平台上直接与司机进行预约,司机接单后到指定地点接乘客到目的地,以方便乘客出行。目前,网约车非常常见,如出租车、专车、快车、顺风车等以满足用户更加多样化的出行需求。
尽管司机和相关车辆已经在网约车平台经过了登记与审核,然而,就目前的网约车环境而言,网约车仍具有较大的乘车风险,对于乘客的安全并没有进行有效的保障和预防。
发明内容
有鉴于此,本申请实施例的目的在于提供一种订单服务安全性检测方法及装置、计算机可读存储介质,能够对订单服务的安全性进行检测,且检测的准确性较好。
主要包括以下几个方面:
第一方面,本申请实施例提供了一种订单服务安全性检测方法,所述方法包括:
获取服务提供方在服务当前出行订单过程中的轨迹点数据;
基于所述轨迹点数据,确定所述服务提供方的驾驶停留信息和路线偏移信息;
根据所述服务提供方的驾驶停留信息和路线偏移信息,确定所述当前出行订单的服务安全性。
在一些实施例中,所述驾驶停留信息包括停留的位置信息和停留时长;所述路线偏移信息包括路线连续偏移时长;根据所述服务提供方的驾驶停留信息和路线偏移信息,确定所述当前出行订单的服务安全性,可以包括:当满足以下条件中的任意一种时,确定所述当前出行订单的服务安全存在问题:
所述服务提供方停留在偏僻度大于偏僻度阈值的位置的停留时长大于第一时长阈值;
所述服务提供方的路线连续偏移时长大于第二时长阈值。
在一种可能的实施方式,针对任一位置,可以根据以下步骤确定该位置是否为偏僻度大于偏僻度阈值的位置:
确定所述任一位置所在的区域;
若所述区域对应的偏僻度大于偏僻度阈值,则确定所述任一位置为偏僻度大于偏僻度阈值的位置。
在另一种可能的实施方式,所述方法还包括:
将目标地理区域范围划分为多个预设大小的区域;
确定划分出的每个区域内产生的订单数量;
根据所述订单数量,确定划分出的每个区域的偏僻度。
在又一种可能的实施方式,可以根据以下步骤确定所述偏僻度阈值和所述第一时长阈值:
分别获取每个历史异常出行订单在各个采样轨迹点的最大停留时长以及最大停留时长对应采样轨迹点的偏僻度;所述历史异常出行订单是指接收到用户投诉的出行订单;
将任一所述最大停留时长和任一采样轨迹点的偏僻度作为一个配对组合,确定该配对组合对应的历史出行订单覆盖量以及历史异常订单召回率;所述配对组合对应的历史出行订单覆盖量是指在一采样轨迹点的偏僻度大于该配对组合中的偏僻度,且在该采样轨迹点的停留时长大于该配对组合中的最大停留时长的历史出行订单的数量;所述配对组合对应的历史异常订单召回率是指经过调查,在一采样轨迹点的偏僻度大于该配对组合中的偏僻度,且在该采样轨迹点的停留时长大于该配对组合中的最大停留时长的历史异常出行订单在所有历史异常出行订单中的订单占比;
根据每个配对组合对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述偏僻度阈值和所述第一时长阈值。
在一些实施例中,根据每个配对组合对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述偏僻度阈值和所述第一时长阈值,可以包括:
根据每个配对组合对应的历史出行订单覆盖量和历史异常订单召回率,以及预设的历史出行订单覆盖量选择范围和历史异常订单召回率选择范围,选取一个配对组合,并将选取的配对组合中的偏僻度作为所述偏僻度阈值,将选取的配对组合中的最大停留时长作为所述第一时长阈值。
在一些实施例中,可以根据以下步骤确定所述第二时长阈值:
分别获取每个历史异常出行订单的最大连续偏移时长;
针对每个最大连续偏移时长,确定该最大连续偏移时长对应的历史出行订单覆盖量和历史异常订单召回率;其中,该最大连续偏移时长对应的历史出行订单覆盖量是指对应的最大连续偏移时长大于当前该最大连续偏移时长的历史出行订单的数量;该最大连续偏移时长对应的历史异常订单召回率是指经过调查,在对应的最大连续偏移时长大于当前该最大连续偏移时长的历史异常出行订单在所有历史异常出行订单中的订单占比;
根据每个最大连续偏移时长对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述第二时长阈值。
在又一种实施方式中,根据每个最大连续偏移时长对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述第二时长阈值,可以包括:
根据每个最大连续偏移时长对应的历史出行订单覆盖量和历史异常订单召回率,以及预设的历史出行订单覆盖量选择范围和历史异常订单召回率选择范围,选取一个最大连续偏移时长,并将选取的最大连续偏移时长作为所述第二时长阈值。
在一些实施例中,可以根据以下步骤确定所述路线连续偏移时长:
将所述服务提供方的当前行驶方向与参考行驶方向之间的夹角连续大于设定夹角阈值的持续时长确定为所述路线连续偏移时长;所述参考行驶方向是指从所述服务提供方的当前轨迹点位置与所述当前出行订单的目的地的连线方向。
在再一种可能的实施方式中,当确定所述当前出行订单的服务安全存在问题后,所述方法还包括:
根据所述停留时长和/或路线连续偏移时长分别所属的时长范围,执行与确定的时长范围对应的处理策略。
在一些实施例中,根据所述停留时长和/或路线连续偏移时长分别所属的时长范围,执行与确定的时长范围对应的处理策略,包括:
若所述时长范围属于第一时长范围,向所述服务提供方和/或服务接受方发送预设的提示语音;
若所述时长范围属于第二时长范围,向所述服务提供方和/或服务接受方发送等待语音反馈的安全确认请求语音;
若所述时长范围属于第三时长范围,向所述服务提供方和/或服务接受方发起人工呼叫请求;
其中,所述第一时长范围、第二时长范围和第三时长范围互不重叠,且所述第二时长范围内的时长大于第一时长范围内的时长、小于第三时长范围内的时长。
在一些实施例中,在向所述服务提供方和/或服务接受方发送等待反馈的安全确认请求语音之后,还包括:
若在预设时长内没有接收到安全确认语音,则重复发送安全确认请求语音,直到接收到安全确认语音,或者直到重复发送安全确认请求语音的次数大于设定阈值,则发起人工呼叫请求;
若接收到反馈当前存在危险的语音,则发起人工呼叫请求。
第二方面,本申请实施例还提供了一种订单服务安全性检测方法,所述方法包括:
获取服务提供方在服务当前出行订单过程中的轨迹点数据;
基于所述轨迹点数据,确定所述服务提供方的驾驶停留信息;
根据所述服务提供方的驾驶停留信息,确定所述当前出行订单的服务安全性。
第三方面,本申请实施例还提供了一种订单服务安全性检测装置,所述装置包括:
轨迹点获取模块,用于获取服务提供方在服务当前出行订单过程中的轨迹点数据;
信息确定模块,用于基于所述轨迹点数据,确定所述服务提供方的驾驶停留信息和路线偏移信息;
安全检测模块,用于根据所述服务提供方的驾驶停留信息和路线偏移信息,确定所述当前出行订单的服务安全性。
在一些实施例中,所述驾驶停留信息包括停留的位置信息和停留时长;所述路线偏移信息包括路线连续偏移时长;
所述安全检测模块,具体用于:当满足以下条件中的任意一种时,确定所述当前出行订单的服务安全存在问题:
所述服务提供方停留在偏僻度大于偏僻度阈值的位置的停留时长大于第一时长阈值;
所述服务提供方的路线连续偏移时长大于第二时长阈值。
在一种可能的实施方式,针对任一位置,所述安全检测模块,具体用于:
确定所述任一位置所在的区域;
若所述区域对应的偏僻度大于偏僻度阈值,则确定所述任一位置为偏僻度大于偏僻度阈值的位置。
在另一种可能的实施方式,所述装置还可以包括:
偏僻度确定模块,用于将目标地理区域范围划分为多个预设大小的区域;确定划分出的每个区域内产生的订单数量;根据所述订单数量,确定划分出的每个区域的偏僻度。
在又一种可能的实施方式,所述装置还可以包括:
第一阈值确定模块,用于分别获取每个历史异常出行订单在各个采样轨迹点的最大停留时长以及最大停留时长对应采样轨迹点的偏僻度;所述历史异常出行订单是指接收到用户投诉的出行订单;
将任一所述最大停留时长和任一采样轨迹点的偏僻度作为一个配对组合,确定该配对组合对应的历史出行订单覆盖量以及历史异常订单召回率;所述配对组合对应的历史出行订单覆盖量是指在一采样轨迹点的偏僻度大于该配对组合中的偏僻度,且在该采样轨迹点的停留时长大于该配对组合中的最大停留时长的历史出行订单的数量;所述配对组合对应的历史异常订单召回率是指经过调查,在一采样轨迹点的偏僻度大于该配对组合中的偏僻度,且在该采样轨迹点的停留时长大于该配对组合中的最大停留时长的历史异常出行订单在所有历史异常出行订单中的订单占比;
根据每个配对组合对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述偏僻度阈值和所述第一时长阈值。
在一些实施例中,所述第一阈值确定模块,具体用于根据每个配对组合对应的历史出行订单覆盖量和历史异常订单召回率,以及预设的历史出行订单覆盖量选择范围和历史异常订单召回率选择范围,选取一个配对组合,并将选取的配对组合中的偏僻度作为所述偏僻度阈值,将选取的配对组合中的最大停留时长作为所述第一时长阈值。
在一些实施例中,所述装置还可以包括:
第二阈值确定模块,用于分别获取每个历史异常出行订单的最大连续偏移时长;
针对每个最大连续偏移时长,确定该最大连续偏移时长对应的历史出行订单覆盖量和历史异常订单召回率;其中,该最大连续偏移时长对应的历史出行订单覆盖量是指对应的最大连续偏移时长大于当前该最大连续偏移时长的历史出行订单的数量;该最大连续偏移时长对应的历史异常订单召回率是指经过调查,在对应的最大连续偏移时长大于当前该最大连续偏移时长的历史异常出行订单在所有历史异常出行订单中的订单占比;
根据每个最大连续偏移时长对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述第二时长阈值。
在一些实施例中,所述第二阈值确定模块,具体用于根据每个最大连续偏移时长对应的历史出行订单覆盖量和历史异常订单召回率,以及预设的历史出行订单覆盖量选择范围和历史异常订单召回率选择范围,选取一个最大连续偏移时长,并将选取的最大连续偏移时长作为所述第二时长阈值。
在再一种可能的实施方式中,所述装置还可以包括:
偏移时长确定模块,用于将所述服务提供方的当前行驶方向与参考行驶方向之间的夹角连续大于设定夹角阈值的持续时长确定为所述路线连续偏移时长;所述参考行驶方向是指从所述服务提供方的当前轨迹点位置与所述当前出行订单的目的地的连线方向。
在一些实施例中,所述装置还可以包括:
处理模块,用于根据所述停留时长和/或路线连续偏移时长分别所属的时长范围,执行与确定的时长范围对应的处理策略。
在一些实施例中,所述处理模块,具体用于:
若所述时长范围属于第一时长范围,向所述服务提供方和/或服务接受方发送预设的提示语音;
若所述时长范围属于第二时长范围,向所述服务提供方和/或服务接受方发送等待语音反馈的安全确认请求语音;
若所述时长范围属于第三时长范围,向所述服务提供方和/或服务接受方发起人工呼叫请求;
其中,所述第一时长范围、第二时长范围和第三时长范围互不重叠,且所述第二时长范围内的时长大于第一时长范围内的时长、小于第三时长范围内的时长。
在一些实施例中,所述处理模块,具体用于:
若在预设时长内没有接收到安全确认语音,则重复发送安全确认请求语音,直到接收到安全确认语音,或者直到重复发送安全确认请求语音的次数大于设定阈值,则发起人工呼叫请求;
若接收到反馈当前存在危险的语音,则发起人工呼叫请求。
第四方面,本申请实施例还提供了一种订单服务安全性检测装置,所述装置包括:
轨迹点获取模块,用于获取服务提供方在服务当前出行订单过程中的轨迹点数据;
信息确定模块,用于基于所述轨迹点数据,确定所述服务提供方的驾驶停留信息;
安全检测模块,用于根据所述服务提供方的驾驶停留信息,确定所述当前出行订单的服务安全性。
第五方面,本申请实施例还提供了一种订单服务安全性检测装置,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当订单服务安全性检测装置运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如第一方面和第二方面任一所述的订单服务安全性检测方法的步骤。
第六方面,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如第一方面和第二方面任一所述的订单服务安全性检测方法的步骤。
采用上述方案,首先获取服务提供方在服务当前出行订单过程中的轨迹点数据,然后基于轨迹点数据确定服务提供方的驾驶停留信息和路线偏移信息,最后根据驾驶停留信息和路线偏移信息确定当前出行订单的服务安全性。也即,本申请基于轨迹点数据来确定服务提供方在提供出行服务时是否存在异常行为(如驾驶停留时长较长、路线偏移过大等),以确定服务的安全性与否,实现了对服务安全性的有效检测,且检测的准确性较好,从而不仅能够很好的约束服务提供方的服务行为,还能够进一步确保乘客的用车安全。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例一所提供的一种订单服务安全性检测方法的流程图;
图2示出了本申请实施例所二提供的一种订单服务安全性检测方法的流程图;
图3示出了本申请实施例三所提供的一种订单服务安全性检测方法的流程图;
图4示出了本申请实施例四所提供的一种订单服务安全性检测方法的流程图;
图5示出了本申请实施例四所提供的一种订单服务安全性检测方法的应用示意图;
图6示出了本申请实施例六所提供的一种订单服务安全性检测方法的流程图;
图7示出了本申请实施例七所提供的一种订单服务安全性检测装置的结构示意图;
图8示出了本申请实施例八所提供的一种订单服务安全性检测装置的结构示意图;
图9示出了本申请实施例九所提供的一种订单服务安全性检测装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容,结合特定应用场景“网约车(如专车、快车等)安全性检测”,给出以下实施方式。对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕网约车安全性检测进行描述,但是应该理解,这仅是一个示例性实施例。本申请可以应用于任何其他交通运输类型。例如,本申请可以应用于不同的运输系统环境,包括陆地,海洋,或航空等,或其任意组合。运输系统的交通工具可以包括出租车、私家车、顺风车、公共汽车、火车、子弹头列车、高速铁路、地铁、船只、飞机、宇宙飞船、热气球、或无人驾驶车辆等,或其任意组合。本申请还可以包括用于提供网约车安全性检测的任何服务系统。本申请的系统或方法的应用可以包括网页、浏览器的插件、客户端终端、定制系统、内部分析系统、或人工智能机器人等,或其任意组合。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
本申请中的术语“乘客”、“请求方”、“服务人员”、“服务请求方”和“客户”可互换使用,以指代可以请求或订购服务的个人、实体或工具。本申请中的术语“司机”、“提供方”、“服务提供方”和“供应商”可互换使用,以指代可以提供服务的个人、实体或工具。本申请中的术语“用户”可以指代请求服务、订购服务、提供服务或促成服务的提供的个人、实体或工具。例如,用户可以是乘客、驾驶员、操作员等,或其任意组合。在本申请中,“乘客”和“乘客终端”可以互换使用,“驾驶员”和“驾驶员终端”可以互换使用。
本申请中的术语“服务请求”和“订单”可互换使用,以指代由乘客、服务请求方、司机、服务提供方、或供应商等、或其任意组合发起的请求。接受该“服务请求”或“订单”的可以是乘客、服务请求方、司机、服务提供方、或供应商等、或其任意组合。服务请求可以是收费的或免费的。
本申请中使用的定位技术可以基于全球定位系统(Global Positioning System,GPS)、全球导航卫星系统(Global Navigation Satellite System,GLONASS),罗盘导航系统(COMPASS)、伽利略定位系统、准天顶卫星系统(Quasi-Zenith Satellite System,QZSS)、无线保真(Wireless Fidelity,WiFi)定位技术等,或其任意组合。一个或多个上述定位系统可以在本申请中互换使用。
本申请的一个方面涉及一种订单服务安全性检测方法。该方法可以通过对服务提供方的轨迹点数据进行分析处理得到的驾驶停留信息和路线偏移信息来确定当前出行订单的服务安全性。
值得注意的是,在本申请提出申请之前,相关技术中大多通过司机和相关车辆在网约车平台的审核通过来初步判断出行服务的安全性,无法应对当前网约车环境的复杂性,对于乘客的安全并没有进行有效的保障和预防。然而,本申请提供的订单服务安全性检测方法可以对订单服务的安全性进行有效检测,且检测的准确性较好。下面通过几个实施例进行具体描述。
实施例一
如图1所示,为本申请实施例一提供的一种订单服务安全性检测方法的流程图,该方法可以由后台服务器来执行。上述订单服务安全性检测方法包括如下步骤:
S101、获取服务提供方在服务当前出行订单过程中的轨迹点数据。
这里,轨迹点数据可以是从现有的打车平台获取的。在用户需要打车时,可以在打车平台输入相应的打车信息(如出行起点信息和出行终点信息等),根据该打车信息能够生成对应的出行订单。处于在服务的出行订单处理除了可以确定起始轨迹点和终止轨迹点的轨迹点数据(即出行起点信息和出行终点信息),还可以记录行驶过程中各行驶轨迹点的轨迹点数据,如行径每个轨迹点的时间信息、位置信息、速度信息等。除此之外,在上述出行订单还可以包括其他打车信息,如用车类型信息,出租车、快车、专车、顺风车等。
值得说明的是,上述行驶轨迹点的轨迹点数据中有关位置信息可以利用定位技术来确定,有关速度信息可以利用传感器技术来确定。针对位置信息而言,可以利用多种定位装置来获取,具体参见前文所示内容,这里不再赘述;针对速度信息而言,本申请实施例可以利用设置在行驶车辆上的速度传感器或者其他能够测量行驶车辆的速度的来确定,这里不再赘述。另外,上述定位装置在进行位置信息采集时,可以每预设时间间隔(如1s)向外发送一次行径轨迹点的位置信息,这样,上述后台服务器可以获取各轨迹点的位置信息,也可以利用采样技术采取部分轨迹点的位置信息,本申请实施例对此不做具体的限制。
上述起始轨迹点和终止轨迹点的轨迹点数据主要是指与起点对应的出行起点位置以及与终点对应的出行终点位置,同样的,该位置信息也可以利用定位技术确定。如在打车平台可以自动定位用户当前的位置作为出行起点位置。或者,用户可以在地图上选择具体的出行起点位置,或者手动输入出行起点位置,如手动输入“首都机场”这一出行起点位置,上述出行终点位置则主要利用用户在地图上选择或手动输入方式来确定,在此不再赘述。
S102、基于所述轨迹点数据,确定所述服务提供方的驾驶停留信息和路线偏移信息。
这里,针对每个轨迹点,本申请实施例均可以利用相应的轨迹点数据确定服务提供方的驾驶停留信息以及路线偏移信息。
其中,驾驶停留信息可以指示服务提供方在某个轨迹点的停留情况,不仅可以包括停留所处轨迹点的位置信息,还可以包括在停留所处轨迹点的停留时长。有关位置信息的描述已经在前文进行说明,在此不再赘述。有关轨迹点的停留时长则可以由该位置第一次出现在轨迹点数据中的时间,与最后一次出现在轨迹点数据中的时间的时间差来确定。
除此之外,上述驾驶停留信息还包括在偏僻区域中的任一地点停留的时长信息,本申请实施例可以根据以下步骤确定任意地点所处区域是否为偏僻区域:根据各历史出行订单的出行地址信息,确定在最近预设时长内产生的订单数量低于目标数量阈值的区域,将确定出的区域作为偏僻区域。
另外,路线偏移信息可以指示服务提供方的行驶情况,主要包括路线连续偏移时长。有关路线连续偏移时长可以由服务提供方的当前行驶方向与参考行驶方向之间的夹角连续大于设定夹角阈值的持续时长来确定。
S103、根据所述服务提供方的驾驶停留信息和路线偏移信息,确定所述当前出行订单的服务安全性。
这里,可以基于偏僻度阈值以及停留时长阈值确定当前出行环境下的停留情况是否存在异常,以判定当前出行订单的服务安全是否存在问题,同理,还可以基于偏移时长阈值确定当前出行环境下的行驶情况是否存在异常,以判定当前出行订单的服务安全是否存在问题。
在当前出行环境下,在某个轨迹点存在停留多发生在交通拥堵、红绿灯等候等情形,而因为恶性事件(如命案、抢劫重伤案、强奸案等)的发生而导致过长时间的停留尽管是小概率事件,但一旦发生将会对打车平台和社会带来不良的影响。本申请实施例正是为了及时捕捉上述小概率事件,才根据轨迹点数据确定停留所处轨迹点的停留时长,又为了防止正常出行行为所存在的停留对服务安全性检测的影响,本申请实施例还可以确定停留所处轨迹点的位置信息,若该位置较为偏僻(如该位置的偏僻度大于偏僻度阈值),且停留时间过长(如该位置的停留时长大于停留时长阈值),则可以基本判定服务安全存在问题。此外,在确定行径的轨迹点处于偏僻区域后,如果停留过长时间,也可以基本判定服务安全存在问题。
另外,路线偏移信息可以指示服务提供方的行驶情况,主要包括路线连续偏移时长。在当前出行环境下,打车平台可以根据用户选取的出行起点信息和出行终点信息确定由出行起点至出行终点的行驶路线,尽管在行驶过程中可能会由于交通环境的影响存在一定程度的路线偏移,但连续的偏移(如路线连续偏移时长大于偏移时长阈值)则可以基本判定服务安全存在问题。
本申请实施例可以基于区域对应的偏僻度,确定该区域内任一位置对应的偏僻度,这样,在任一区域为偏僻度大于偏僻度阈值的区域(偏僻区域)时,则可以认为该区域内的任一位置为偏僻度大于偏僻度阈值的位置(即偏僻位置)。
这里,在实际实施中,预先保存的可能是指示各个区域是否为偏僻度大于设定偏僻度阈值的区域的信息,此时根据任一位置所在区域,可以直接知道该位置是否为偏僻度大于偏僻度阈值的位置;此外,预先保存的也可能是各个区域的偏僻度以及偏僻度阈值,此时,可以先根据任一位置所在区域的偏僻度确定该位置的偏僻度,再将其与偏僻度阈值进行比较。本申请实施例对此不做具体的限制。
其中,上述区域的偏僻度可以是预先确定的。接下来通过如下实施例二对区域的偏僻度确定过程进行说明。
实施例二
如图2所示,可以按照如下步骤确定区域的偏僻度:
S201、将目标地理区域范围划分为多个预设大小的区域;
S202、确定划分出的每个区域内产生的订单数量;
S203、根据所述订单数量,确定划分出的每个区域的偏僻度。
这里,首先将目标地理区域范围划分为多个预设大小的区域,然后确定划分出的每个区域内的订单数量,最后根据该订单数量确定该区域的偏僻度。
本申请实施例中,可以是基于对出发地位于该区域内的订单的数量的统计结果确定每个区域内的订单数量。在针对每个区域进行订单数量统计时,可以统计近一段时间(如7天)内产生的历史订单的数量。这样,可以基于目标地理区域范围内的总订单数量与每个区域的产生的订单数量的比值结果确定每个区域的偏僻度,而区域产生的订单数量越少,则对应的偏僻度越大。除此之外,针对每个区域而言,本申请实施例还可以综合考虑在该区域产生订单的订单发起时间、以及其他区域对该区域的影响因素等来确定该区域的偏僻度。
其中,在对目标地理区域范围进行划分时,本申请实施例可以按照预设大小进行区域划分,如针对北京市这一目标地理区域范围而言,本申请实施例可以将北京市划分为若干区域,且划分各个区域的形状可以是四边形、六边形或者其他多边形。本申请实施例综合考虑世界地理知识,可以将北京市依次划分为多个四边形的区域,该四边形的边长可以是从数百米到数千米,为了兼顾数据计算量和划分精确度,本申请实施例选取的边长不易过大也不易过小,可以选用120m的边长。
值得说明的是,本申请实施例可以采用Geohash编码算法将目标地理区域范围划分为若干矩形区域,还可以对每个矩形区域进行编码(如哈希编码),并将编码结果作为与矩形区域对应的标识信息。这样,便可以基于各标识信息与各偏僻度之间的映射关系,查找与当前行径轨迹点所处区域的偏僻度。
考虑到偏僻度阈值以及停留时长阈值(即第一时长阈值)的选取对停留异常判断结果的影响,且阈值选取过大可能会导致真正异常的出行订单无法被检测,而阈值选取过小则可能会导致正常出行订单被误检。为了检测检测准确度和精准度,本申请实施例可以利用历史出行订单覆盖量以及历史异常订单召回率来确定阈值。通过如下实施例三进行描述
实施例三
如图3所示,本申请实施例三提供了一种阈值确定方法,该方法具体包括如下步骤:
S301、分别获取每个历史异常出行订单在各个采样轨迹点的最大停留时长以及最大停留时长对应采样轨迹点的偏僻度;所述历史异常出行订单是指接收到用户投诉的出行订单;
S302、将任一所述最大停留时长和任一采样轨迹点的偏僻度作为一个配对组合,确定该配对组合对应的历史出行订单覆盖量以及历史异常订单召回率;
S303、根据每个配对组合对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述偏僻度阈值和所述第一时长阈值。
这里,阈值确定依赖于对各历史异常出行订单的分析结果。也即,本申请实施例可以首先针对每个历史异常出行订单确定异常轨迹点的停留时长。异常轨迹点可以为一个,也可以有多个,通常来说,发生恶性事件的异常轨迹点为一个。这样,该异常轨迹点可以是停留时长最大的采样轨迹点。如果异常轨迹点为多个,本申请实施例可以先按照由大到小的顺序对各采样轨迹点的停留时长进行排序,选取排名靠前的异常轨迹点。为了便于后续描述,接下来以一个异常轨迹点进行描述。
本申请实施例中,针对各历史异常出行订单均可以确定对应的最大停留时长。这样,可以将确定的每个最大停留时长和对应的采样轨迹点的偏僻度进行配对组合以确定该配对组合对应的历史出行订单覆盖量以及历史异常订单召回率。基于所有配对组合对应的历史出行订单覆盖量以及历史异常订单召回率可以从所有配对组合中选取出对应的目标配对组合,从而确定偏僻度阈值和第一时长阈值。
其中,上述配对组合对应的历史出行订单覆盖量是指在一采样轨迹点的偏僻度大于该配对组合中的偏僻度,且在该采样轨迹点的停留时长大于该配对组合中的最大停留时长的历史出行订单的数量,也即,上述历史出行订单覆盖量能够指示配对组合覆盖的历史出行订单的数量;上述配对组合对应的历史异常订单召回率是指经过调查,在一采样轨迹点的偏僻度大于该配对组合中的偏僻度,且在该采样轨迹点的停留时长大于该配对组合中的最大停留时长的历史异常出行订单在所有历史异常出行订单中的订单占比,也即,上述历史异常订单召回率能够指示当前配对组合能够正确识别出的历史异常出行订单占所有历史异常出行订单的订单占比。
本申请实施例中可以针对不同的应用需求选取不同的配对组合作为阈值。假设近一段时间内,历史异常出行订单有5个,每个历史异常出行订单对应1个最大停留时长和对应的1个偏僻度,且任意两个历史异常出行订单的最大停留时长不同、偏僻度也不同。这样,针对每个历史异常出行订单而言,均可以确定有5个配对组合,对5个历史异常出行订单对应的25个配对组合分别确定对应的历史出行订单覆盖量以及历史异常订单召回率。根据每个配对组合对应的历史出行订单覆盖量和历史异常订单召回率,以及预设的历史出行订单覆盖量选择范围和历史异常订单召回率选择范围,选取一个配对组合作为偏僻度阈值和所述第一时长阈值。
其中,上述历史出行订单覆盖量选择范围的确定主要与打车平台的客服人员的服务处理能力有关,而历史异常订单召回率则主要与异常判定的准确度有关,本申请实施例可以根据打车平台的具体运营策略选取对应的配对组合以满足服务处理能力和异常判定准确度的双重要求。
考虑到偏移时长阈值(即第二时长阈值)的选取对偏移异常判断结果的影响,且阈值选取过大可能会导致真正异常的出行订单无法被检测,而阈值选取过小则可能会导致正常出行订单被误检。为了检测检测准确度和精准度,本申请实施例可以利用历史出行订单覆盖量以及历史异常订单召回率来确定阈值。通过如下实施例四进行描述。
实施例四
如图4所示,本申请实施例四提供了一种阈值确定方法,该方法具体包括如下步骤:
S401、分别获取每个历史异常出行订单的最大连续偏移时长;
S402、针对每个最大连续偏移时长,确定该最大连续偏移时长对应的历史出行订单覆盖量和历史异常订单召回率;
S403、根据每个最大连续偏移时长对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述第二时长阈值。
同理,这里阈值的确定也依赖于对各历史异常出行订单的分析结果。也即,本申请实施例可以首先针对每个历史异常出行订单确定连续偏移时长。连续偏移时长可以为一个,也可以有多个。对于一个连续偏移时长,可以直接将其作为最大连续偏移时长,如果连续偏移时长为多个,本申请实施例可以先按照由大到小的顺序对各连续偏移时长进行排序,选取排名最靠前的一个连续偏移时长作为最大连续偏移时长。
本申请实施例中,针对各历史异常出行订单均可以确定对应的最大连续偏移时长。这样,可以确定每个最大连续偏移时长对应的历史出行订单覆盖量以及历史异常订单召回率。基于所有最大连续偏移时长对应的历史出行订单覆盖量以及历史异常订单召回率可以从所有最大连续偏移时长中选取出对应的目标最大连续偏移时长,从而确定第二时长阈值。
其中,上述该最大连续偏移时长对应的历史出行订单覆盖量是指对应的最大连续偏移时长大于当前该最大连续偏移时长的历史出行订单的数量,也即,上述历史出行订单覆盖量能够指示配对组合覆盖的历史出行订单的数量;该最大连续偏移时长对应的历史异常订单召回率是指经过调查,在对应的最大连续偏移时长大于当前该最大连续偏移时长的历史异常出行订单在所有历史异常出行订单中的订单占比,也即,上述历史异常订单召回率能够指示当前最大连续偏移时长能够正确识别出的历史异常出行订单占所有历史异常出行订单的订单占比。
这样,根据每个最大连续偏移时长对应的历史出行订单覆盖量和历史异常订单召回率,以及预设的历史出行订单覆盖量选择范围和历史异常订单召回率选择范围,选取一个最大连续偏移时长作为第二时长阈值。其中,为了满足服务处理能力和异常判定准确度的双重要求,这里的历史出行订单覆盖量选择范围和历史异常订单召回率也可以根据打车平台的具体运营策略来选取。
在确定当前服务提供方的路线连续偏移时长大于第二时长阈值时,便可以基本确定当前出行订单的服务安全存在问题。本申请实施例可以将所述服务提供方的当前行驶方向与参考行驶方向之间的夹角连续大于设定夹角阈值的持续时长作为上述路线连续偏移时长。参考行驶方向则是指从所述服务提供方的当前轨迹点位置与所述当前出行订单的目的地的连线方向。设定夹角阈值可以从0度至180度中进行选取,本申请实施例可以选取90度作为该设定夹角阈值,若当前行驶方向与参考行驶方向之间的夹角连续大于90度,则说明轨迹点一直在远离终点方向行驶。
接下来结合图5进一步描述如何根据偏移异常情况来确定服务安全存在问题。
其中,P0-P5为一个历史异常出行订单的行径轨迹点,S和D对应该历史异常出行订单的起始轨迹点和终止轨迹点。针对P0、P1、P3、P4、P5而言,由图5可知,在这些轨迹点处当前行驶方向与参考行驶方向之间的夹角小于90度,则说明这些轨迹点在靠近终点方向行驶,而对于P2而言,其当前行驶方向与参考行驶方向之间的夹角连续大于90度,若至P4点连续时间大于第二时长阈值,则可以判定在该轨迹点P4点开始出现偏移异常,也即,当前出行订单的服务安全存在问题。
为了应对不同的服务安全异常情况,本申请实施例可以根据停留时长和/或路线连续偏移时长分别所属的时长范围,执行与确定的时长范围对应的处理策略。接下来通过如下实施例五进一步进行描述。
实施例五
在本申请实施例中,服务提供方的停留时长过长和/或偏移时长过长均可以对应有相应的异常干预策略,且停留时长和/或路线连续偏移时长分别所属的时长范围越大,相应的异常干预策略需要越有力,这主要是考虑到上述时长范围可能直接关系到恶性事件的发生概率。也即,本申请实施例可以采用由轻到重的异常干预策略进行异常处理以在约束服务提供方的服务行为的同时,确保乘客的用车安全。其中,异常干预策略主要包括语音播报、安全确认请求语音、人工呼叫。
这里,若所述时长范围属于第一时长范围,向所述服务提供方和/或服务接受方发送预设的提示语音;若所述时长范围属于第二时长范围,向所述服务提供方和/或服务接受方发送等待语音反馈的安全确认请求语音;若所述时长范围属于第三时长范围,向所述服务提供方和/或服务接受方发起人工呼叫请求。其中,第一时长范围、第二时长范围和第三时长范围互不重叠,且第二时长范围内的时长大于第一时长范围内的时长、小于第三时长范围内的时长。可见,当前停留时长和/或路线连续偏移时长分别所属的时长范围落入的不同预设时长范围,其采用的异常干预策略也不相同。
针对提示语音而言,可以采用从文本到语音(Text To Speech,TTS)播报的方式,如将“当前行程出现异常停留5分钟,如有需要您可进行一键求助功能操作,打车平台将持续关注您的行程动向”以语音的形式播报给服务提供方或服务接收方。
针对安全确认请求语音而言,可以采用互动式语音应答(Interactive VoiceResponse,IVR)电话的方式,如在停留时长超过15分钟,给服务提供方或服务接收方接通安全确认IVR电话,并等待反馈的安全确认请求语音,如果在预设时长内接收到安全确认语音,则继续监控,如果在预设时长内没有接收到安全确认语音,则重复发送安全确认请求语音,直到接收到安全确认语音,或者直到重复发送安全确认请求语音的次数大于设定阈值(如3次),则发起人工呼叫请求。
针对人工呼叫而言,如在停留时长超过60分钟,直接电话呼叫服务提供方或服务接收方,如果回复安全,则继续监控;如果回复异常,则提供帮助,包括报警、取证、流转等操作;如果未得到回复,则连续拨打,在连续拨打的次数大于设定阈值(如5次)后仍未接通则联系紧急联系人或升级特勤处理。
可见,本申请实施例从当前网约车环境出发,综合考虑多种异常影响因素判定服务安全是否存在异常,并在服务安全存在异常时,能够采用由轻到重的异常干预策略进行异常处理,从而在约束服务提供方的服务行为的同时,还确保乘客的用车安全。
实施例六
如图6所示,为本申请实施例六提供的一种订单服务安全性检测方法的流程图,该方法可以由后台服务器来执行。上述订单服务安全性检测方法包括如下步骤:
S601、获取服务提供方在服务当前出行订单过程中的轨迹点数据;
S602、基于所述轨迹点数据,确定所述服务提供方的驾驶停留信息;
S603、根据所述服务提供方的驾驶停留信息,确定所述当前出行订单的服务安全性。
这里,可以仅根据驾驶停留信息确定当前出行订单的服务安全性。与本申请实施例一相同的是,驾驶停留信息可以指示服务提供方在某个轨迹点的停留情况,不仅可以包括停留所处轨迹点的位置信息,还可以包括在停留所处轨迹点的停留时长。有关位置信息的描述已经在前文进行说明,在此不再赘述。有关轨迹点的停留时长则可以由该位置第一次出现在轨迹点数据中的时间,与最后一次出现在轨迹点数据中的时间的时间差来确定。
除此之外,上述驾驶停留信息还包括在偏僻区域中的任一地点停留的时长信息,本申请实施例可以根据以下步骤确定任意地点所处区域是否为偏僻区域:根据各历史出行订单的出行地址信息,确定在最近预设时长内产生的订单数量低于目标数量阈值的区域,将确定出的区域作为偏僻区域。
对于轨迹点的获取过程以及根据所述服务提供方的驾驶停留信息,确定所述当前出行订单的服务安全性在上述实施例一中已经进行了相应的描述,在此不再赘述。
基于上述实施例,本申请还提供了订单服务安全性检测装置,下述各种装置的实施可以参见方法的实施,重复之处不再赘述。
实施例七
如图7所示,为本申请实施例七提供的订单服务安全性检测装置,所述装置包括:
轨迹点获取模块701,用于获取服务提供方在服务当前出行订单过程中的轨迹点数据;
信息确定模块702,用于基于所述轨迹点数据,确定所述服务提供方的驾驶停留信息和路线偏移信息;
安全检测模块703,用于根据所述服务提供方的驾驶停留信息和路线偏移信息,确定所述当前出行订单的服务安全性。
在一些实施例中,所述驾驶停留信息包括停留的位置信息和停留时长;所述路线偏移信息包括路线连续偏移时长;
所述安全检测模块703,具体用于:当满足以下条件中的任意一种时,确定所述当前出行订单的服务安全存在问题:
所述服务提供方停留在偏僻度大于偏僻度阈值的位置的停留时长大于第一时长阈值;
所述服务提供方的路线连续偏移时长大于第二时长阈值。
在一种可能的实施方式,针对任一位置,所述安全检测模块703,具体用于:
确定所述任一位置所在的区域;
若所述区域对应的偏僻度大于偏僻度阈值,则确定所述任一位置为偏僻度大于偏僻度阈值的位置。
在另一种可能的实施方式,所述装置还可以包括:
偏僻度确定模块704,用于将目标地理区域范围划分为多个预设大小的区域;确定划分出的每个区域内产生的订单数量;根据所述订单数量,确定划分出的每个区域的偏僻度。
在又一种可能的实施方式,所述装置还可以包括:
第一阈值确定模块705,用于分别获取每个历史异常出行订单在各个采样轨迹点的最大停留时长以及最大停留时长对应采样轨迹点的偏僻度;所述历史异常出行订单是指接收到用户投诉的出行订单;
将任一所述最大停留时长和任一采样轨迹点的偏僻度作为一个配对组合,确定该配对组合对应的历史出行订单覆盖量以及历史异常订单召回率;所述配对组合对应的历史出行订单覆盖量是指在一采样轨迹点的偏僻度大于该配对组合中的偏僻度,且在该采样轨迹点的停留时长大于该配对组合中的最大停留时长的历史出行订单的数量;所述配对组合对应的历史异常订单召回率是指经过调查,在一采样轨迹点的偏僻度大于该配对组合中的偏僻度,且在该采样轨迹点的停留时长大于该配对组合中的最大停留时长的历史异常出行订单在所有历史异常出行订单中的订单占比;
根据每个配对组合对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述偏僻度阈值和所述第一时长阈值。
在一些实施例中,所述第一阈值确定模块705,具体用于根据每个配对组合对应的历史出行订单覆盖量和历史异常订单召回率,以及预设的历史出行订单覆盖量选择范围和历史异常订单召回率选择范围,选取一个配对组合,并将选取的配对组合中的偏僻度作为所述偏僻度阈值,将选取的配对组合中的最大停留时长作为所述第一时长阈值。
在一些实施例中,所述装置还可以包括:
第二阈值确定模块706,用于分别获取每个历史异常出行订单的最大连续偏移时长;
针对每个最大连续偏移时长,确定该最大连续偏移时长对应的历史出行订单覆盖量和历史异常订单召回率;其中,该最大连续偏移时长对应的历史出行订单覆盖量是指对应的最大连续偏移时长大于当前该最大连续偏移时长的历史出行订单的数量;该最大连续偏移时长对应的历史异常订单召回率是指经过调查,在对应的最大连续偏移时长大于当前该最大连续偏移时长的历史异常出行订单在所有历史异常出行订单中的订单占比;
根据每个最大连续偏移时长对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述第二时长阈值。
在一些实施例中,所述第二阈值确定模块706,具体用于根据每个最大连续偏移时长对应的历史出行订单覆盖量和历史异常订单召回率,以及预设的历史出行订单覆盖量选择范围和历史异常订单召回率选择范围,选取一个最大连续偏移时长,并将选取的最大连续偏移时长作为所述第二时长阈值。
在再一种可能的实施方式中,所述装置还可以包括:
偏移时长确定模块707,用于将所述服务提供方的当前行驶方向与参考行驶方向之间的夹角连续大于设定夹角阈值的持续时长确定为所述路线连续偏移时长;所述参考行驶方向是指从所述服务提供方的当前轨迹点位置与所述当前出行订单的目的地的连线方向。
在一些实施例中,所述装置还可以包括:
处理模块708,用于根据所述停留时长和/或路线连续偏移时长分别所属的时长范围,执行与确定的时长范围对应的处理策略。
在一些实施例中,所述处理模块708,具体用于:
若所述时长范围属于第一时长范围,向所述服务提供方和/或服务接受方发送预设的提示语音;
若所述时长范围属于第二时长范围,向所述服务提供方和/或服务接受方发送等待语音反馈的安全确认请求语音;
若所述时长范围属于第三时长范围,向所述服务提供方和/或服务接受方发起人工呼叫请求;
其中,所述第一时长范围、第二时长范围和第三时长范围互不重叠,且所述第二时长范围内的时长大于第一时长范围内的时长、小于第三时长范围内的时长。
在一些实施例中,所述处理模块708,具体用于:
若在预设时长内没有接收到安全确认语音,则重复发送安全确认请求语音,直到接收到安全确认语音,或者直到重复发送安全确认请求语音的次数大于设定阈值,则发起人工呼叫请求;
若接收到反馈当前存在危险的语音,则发起人工呼叫请求。
实施例八
如图8所示,为本申请实施例八提供的订单服务安全性检测装置,所述装置包括:
轨迹点获取模块801,用于获取服务提供方在服务当前出行订单过程中的轨迹点数据;
信息确定模块802,用于基于所述轨迹点数据,确定所述服务提供方的驾驶停留信息;
安全检测模块803,用于根据所述服务提供方的驾驶停留信息,确定所述当前出行订单的服务安全性。
实施例九
如图9所示,为本申请实施例九所提供的一种订单服务安全性检测装置的结构示意图,包括:处理器901、存储介质902和总线903,所述存储介质存储有所述处理器901可执行的机器可读指令,当订单服务安全性检测装置运行时,所述处理器901与所述存储介质902之间通过总线903通信,所述处理器901执行所述机器可读指令,以执行时执行上述任意实施例所述订单服务安全性检测方法的步骤。
实施例十
本申请实施例十四还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述任意实施例所述订单服务安全性检测方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述订单服务安全性检测方法,从而解决目前通过司机和相关车辆在网约车平台的审核通过来初步判断出行服务的安全性,无法应对当前网约车环境的复杂性,对于乘客的安全并没有进行有效的保障和预防等问题,进而达到对订单服务的安全性进行有效检测,且检测的准确性较好的效果。
本申请实施例所提供的订单服务安全性检测方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,程序代码包括的指令可用于执行前面方法实施例中的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (28)
1.一种订单服务安全性检测方法,其特征在于,所述方法包括:
获取服务提供方在服务当前出行订单过程中的轨迹点数据;
基于所述轨迹点数据,确定所述服务提供方的驾驶停留信息和路线偏移信息;
根据所述服务提供方的驾驶停留信息和路线偏移信息,确定所述当前出行订单的服务安全性。
2.根据权利要求1所述的方法,其特征在于,所述驾驶停留信息包括停留的位置信息和停留时长;所述路线偏移信息包括路线连续偏移时长;
根据所述服务提供方的驾驶停留信息和路线偏移信息,确定所述当前出行订单的服务安全性,包括:当满足以下条件中的任意一种时,确定所述当前出行订单的服务安全存在问题:
所述服务提供方停留在偏僻度大于偏僻度阈值的位置的停留时长大于第一时长阈值;
所述服务提供方的路线连续偏移时长大于第二时长阈值。
3.根据权利要求2所述的方法,其特征在于,针对任一位置,根据以下步骤确定该位置是否为偏僻度大于偏僻度阈值的位置:
确定所述任一位置所在的区域;
若所述区域对应的偏僻度大于偏僻度阈值,则确定所述任一位置为偏僻度大于偏僻度阈值的位置。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
将目标地理区域范围划分为多个预设大小的区域;
确定划分出的每个区域内产生的订单数量;
根据所述订单数量,确定划分出的每个区域的偏僻度。
5.根据权利要求2所述的方法,其特征在于,根据以下步骤确定所述偏僻度阈值和所述第一时长阈值:
分别获取每个历史异常出行订单在各个采样轨迹点的最大停留时长以及最大停留时长对应采样轨迹点的偏僻度;所述历史异常出行订单是指接收到用户投诉的出行订单;
将任一所述最大停留时长和任一采样轨迹点的偏僻度作为一个配对组合,确定该配对组合对应的历史出行订单覆盖量以及历史异常订单召回率;所述配对组合对应的历史出行订单覆盖量是指在一采样轨迹点的偏僻度大于该配对组合中的偏僻度,且在该采样轨迹点的停留时长大于该配对组合中的最大停留时长的历史出行订单的数量;所述配对组合对应的历史异常订单召回率是指经过调查,在一采样轨迹点的偏僻度大于该配对组合中的偏僻度,且在该采样轨迹点的停留时长大于该配对组合中的最大停留时长的历史异常出行订单在所有历史异常出行订单中的订单占比;
根据每个配对组合对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述偏僻度阈值和所述第一时长阈值。
6.根据权利要求5所述的方法,其特征在于,根据每个配对组合对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述偏僻度阈值和所述第一时长阈值,包括:
根据每个配对组合对应的历史出行订单覆盖量和历史异常订单召回率,以及预设的历史出行订单覆盖量选择范围和历史异常订单召回率选择范围,选取一个配对组合,并将选取的配对组合中的偏僻度作为所述偏僻度阈值,将选取的配对组合中的最大停留时长作为所述第一时长阈值。
7.根据权利要求2所述的方法,其特征在于,根据以下步骤确定所述第二时长阈值:
分别获取每个历史异常出行订单的最大连续偏移时长;
针对每个最大连续偏移时长,确定该最大连续偏移时长对应的历史出行订单覆盖量和历史异常订单召回率;其中,该最大连续偏移时长对应的历史出行订单覆盖量是指对应的最大连续偏移时长大于当前该最大连续偏移时长的历史出行订单的数量;该最大连续偏移时长对应的历史异常订单召回率是指经过调查,在对应的最大连续偏移时长大于当前该最大连续偏移时长的历史异常出行订单在所有历史异常出行订单中的订单占比;
根据每个最大连续偏移时长对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述第二时长阈值。
8.根据权利要求7所述的方法,根据每个最大连续偏移时长对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述第二时长阈值,包括:
根据每个最大连续偏移时长对应的历史出行订单覆盖量和历史异常订单召回率,以及预设的历史出行订单覆盖量选择范围和历史异常订单召回率选择范围,选取一个最大连续偏移时长,并将选取的最大连续偏移时长作为所述第二时长阈值。
9.根据权利要求2所述的方法,其特征在于,根据以下步骤确定所述路线连续偏移时长:
将所述服务提供方的当前行驶方向与参考行驶方向之间的夹角连续大于设定夹角阈值的持续时长确定为所述路线连续偏移时长;所述参考行驶方向是指从所述服务提供方的当前轨迹点位置与所述当前出行订单的目的地的连线方向。
10.根据权利要求2所述的方法,其特征在于,当确定所述当前出行订单的服务安全存在问题后,所述方法还包括:
根据所述停留时长和/或路线连续偏移时长分别所属的时长范围,执行与确定的时长范围对应的处理策略。
11.根据权利要求10所述的方法,其特征在于,根据所述停留时长和/或路线连续偏移时长分别所属的时长范围,执行与确定的时长范围对应的处理策略,包括:
若所述时长范围属于第一时长范围,向所述服务提供方和/或服务接受方发送预设的提示语音;
若所述时长范围属于第二时长范围,向所述服务提供方和/或服务接受方发送等待语音反馈的安全确认请求语音;
若所述时长范围属于第三时长范围,向所述服务提供方和/或服务接受方发起人工呼叫请求;
其中,所述第一时长范围、第二时长范围和第三时长范围互不重叠,且所述第二时长范围内的时长大于第一时长范围内的时长、小于第三时长范围内的时长。
12.根据权利要求11所述的方法,其特征在于,在向所述服务提供方和/或服务接受方发送等待反馈的安全确认请求语音之后,还包括:
若在预设时长内没有接收到安全确认语音,则重复发送安全确认请求语音,直到接收到安全确认语音,或者直到重复发送安全确认请求语音的次数大于设定阈值,则发起人工呼叫请求;
若接收到反馈当前存在危险的语音,则发起人工呼叫请求。
13.一种订单服务安全性检测方法,其特征在于,所述方法包括:
获取服务提供方在服务当前出行订单过程中的轨迹点数据;
基于所述轨迹点数据,确定所述服务提供方的驾驶停留信息;
根据所述服务提供方的驾驶停留信息,确定所述当前出行订单的服务安全性。
14.一种订单服务安全性检测装置,其特征在于,所述装置包括:
轨迹点获取模块,用于获取服务提供方在服务当前出行订单过程中的轨迹点数据;
信息确定模块,用于基于所述轨迹点数据,确定所述服务提供方的驾驶停留信息和路线偏移信息;
安全检测模块,用于根据所述服务提供方的驾驶停留信息和路线偏移信息,确定所述当前出行订单的服务安全性。
15.根据权利要求14所述的装置,其特征在于,所述驾驶停留信息包括停留的位置信息和停留时长;所述路线偏移信息包括路线连续偏移时长;
所述安全检测模块,具体用于:当满足以下条件中的任意一种时,确定所述当前出行订单的服务安全存在问题:
所述服务提供方停留在偏僻度大于偏僻度阈值的位置的停留时长大于第一时长阈值;
所述服务提供方的路线连续偏移时长大于第二时长阈值。
16.根据权利要求15所述的装置,其特征在于,针对任一位置,所述安全检测模块,具体用于:
确定所述任一位置所在的区域;
若所述区域对应的偏僻度大于偏僻度阈值,则确定所述任一位置为偏僻度大于偏僻度阈值的位置。
17.根据权利要求16所述的装置,其特征在于,所述装置还包括:
偏僻度确定模块,用于将目标地理区域范围划分为多个预设大小的区域;确定划分出的每个区域内产生的订单数量;根据所述订单数量,确定划分出的每个区域的偏僻度。
18.根据权利要求15所述的装置,其特征在于,所述装置还包括:
第一阈值确定模块,用于分别获取每个历史异常出行订单在各个采样轨迹点的最大停留时长以及最大停留时长对应采样轨迹点的偏僻度;所述历史异常出行订单是指接收到用户投诉的出行订单;
将任一所述最大停留时长和任一采样轨迹点的偏僻度作为一个配对组合,确定该配对组合对应的历史出行订单覆盖量以及历史异常订单召回率;所述配对组合对应的历史出行订单覆盖量是指在一采样轨迹点的偏僻度大于该配对组合中的偏僻度,且在该采样轨迹点的停留时长大于该配对组合中的最大停留时长的历史出行订单的数量;所述配对组合对应的历史异常订单召回率是指经过调查,在一采样轨迹点的偏僻度大于该配对组合中的偏僻度,且在该采样轨迹点的停留时长大于该配对组合中的最大停留时长的历史异常出行订单在所有历史异常出行订单中的订单占比;
根据每个配对组合对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述偏僻度阈值和所述第一时长阈值。
19.根据权利要求18所述的装置,其特征在于,所述第一阈值确定模块,具体用于根据每个配对组合对应的历史出行订单覆盖量和历史异常订单召回率,以及预设的历史出行订单覆盖量选择范围和历史异常订单召回率选择范围,选取一个配对组合,并将选取的配对组合中的偏僻度作为所述偏僻度阈值,将选取的配对组合中的最大停留时长作为所述第一时长阈值。
20.根据权利要求15所述的装置,其特征在于,所述装置还包括:
第二阈值确定模块,用于分别获取每个历史异常出行订单的最大连续偏移时长;
针对每个最大连续偏移时长,确定该最大连续偏移时长对应的历史出行订单覆盖量和历史异常订单召回率;其中,该最大连续偏移时长对应的历史出行订单覆盖量是指对应的最大连续偏移时长大于当前该最大连续偏移时长的历史出行订单的数量;该最大连续偏移时长对应的历史异常订单召回率是指经过调查,在对应的最大连续偏移时长大于当前该最大连续偏移时长的历史异常出行订单在所有历史异常出行订单中的订单占比;
根据每个最大连续偏移时长对应的历史出行订单覆盖量以及历史异常订单召回率,确定所述第二时长阈值。
21.根据权利要求20所述的装置,所述第二阈值确定模块,具体用于根据每个最大连续偏移时长对应的历史出行订单覆盖量和历史异常订单召回率,以及预设的历史出行订单覆盖量选择范围和历史异常订单召回率选择范围,选取一个最大连续偏移时长,并将选取的最大连续偏移时长作为所述第二时长阈值。
22.根据权利要求15所述的装置,其特征在于,所述装置还包括:
偏移时长确定模块,用于将所述服务提供方的当前行驶方向与参考行驶方向之间的夹角连续大于设定夹角阈值的持续时长确定为所述路线连续偏移时长;所述参考行驶方向是指从所述服务提供方的当前轨迹点位置与所述当前出行订单的目的地的连线方向。
23.根据权利要求15所述的装置,其特征在于,所述装置还包括:
处理模块,用于根据所述停留时长和/或路线连续偏移时长分别所属的时长范围,执行与确定的时长范围对应的处理策略。
24.根据权利要求23所述的装置,其特征在于,所述处理模块,具体用于:
若所述时长范围属于第一时长范围,向所述服务提供方和/或服务接受方发送预设的提示语音;
若所述时长范围属于第二时长范围,向所述服务提供方和/或服务接受方发送等待语音反馈的安全确认请求语音;
若所述时长范围属于第三时长范围,向所述服务提供方和/或服务接受方发起人工呼叫请求;
其中,所述第一时长范围、第二时长范围和第三时长范围互不重叠,且所述第二时长范围内的时长大于第一时长范围内的时长、小于第三时长范围内的时长。
25.根据权利要求24所述的装置,其特征在于,所述处理模块,具体用于:
若在预设时长内没有接收到安全确认语音,则重复发送安全确认请求语音,直到接收到安全确认语音,或者直到重复发送安全确认请求语音的次数大于设定阈值,则发起人工呼叫请求;
若接收到反馈当前存在危险的语音,则发起人工呼叫请求。
26.一种订单服务安全性检测装置,其特征在于,所述装置包括:
轨迹点获取模块,用于获取服务提供方在服务当前出行订单过程中的轨迹点数据;
信息确定模块,用于基于所述轨迹点数据,确定所述服务提供方的驾驶停留信息;
安全检测模块,用于根据所述服务提供方的驾驶停留信息,确定所述当前出行订单的服务安全性。
27.一种订单服务安全性检测装置,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当订单服务安全性检测装置运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如权利要求1至13任一所述的订单服务安全性检测方法的步骤。
28.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至13任一所述的订单服务安全性检测方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811251791.XA CN111105243B (zh) | 2018-10-25 | 2018-10-25 | 订单服务安全性检测方法及装置、计算机可读存储介质 |
PCT/CN2019/103945 WO2020082900A1 (zh) | 2018-10-25 | 2019-09-02 | 订单服务安全性检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811251791.XA CN111105243B (zh) | 2018-10-25 | 2018-10-25 | 订单服务安全性检测方法及装置、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111105243A true CN111105243A (zh) | 2020-05-05 |
CN111105243B CN111105243B (zh) | 2023-04-18 |
Family
ID=70331866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811251791.XA Active CN111105243B (zh) | 2018-10-25 | 2018-10-25 | 订单服务安全性检测方法及装置、计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111105243B (zh) |
WO (1) | WO2020082900A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260167A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 订单服务安全性检测方法、装置、电子设备及存储介质 |
CN111833145A (zh) * | 2020-07-02 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 信息显示方法、装置、电子设备和存储介质 |
CN111967725A (zh) * | 2020-07-23 | 2020-11-20 | 汉海信息技术(上海)有限公司 | 输出提示信息的方法、终端、服务器、设备及存储介质 |
CN111986470A (zh) * | 2020-07-20 | 2020-11-24 | 汉海信息技术(上海)有限公司 | 网约车安全监控方法、装置、电子设备及存储介质 |
CN112069391A (zh) * | 2020-07-23 | 2020-12-11 | 广州回头车信息科技有限公司 | 一种基于Geohash的货物顺路拼车的方法 |
CN113688679A (zh) * | 2021-07-22 | 2021-11-23 | 南京视察者智能科技有限公司 | 一种重点人员防控预警的方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860594A (zh) * | 2020-06-16 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 绕路订单识别方法、装置、电子设备和可读存储介质 |
CN112184519A (zh) * | 2020-08-18 | 2021-01-05 | 汉海信息技术(上海)有限公司 | 行程监控方法、装置、电子设备及存储介质 |
CN112001349B (zh) * | 2020-08-31 | 2023-09-26 | 杭州海康威视数字技术股份有限公司 | 数据审核方法、系统及电子设备 |
CN112053098B (zh) * | 2020-09-30 | 2021-11-02 | 北京嘀嘀无限科技发展有限公司 | 订单处理方法、装置、服务器及计算机存储介质 |
CN112328515B (zh) * | 2020-11-04 | 2024-05-07 | 北京嘀嘀无限科技发展有限公司 | 设备检测方法及装置 |
CN112819670A (zh) * | 2021-01-08 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 信息处理方法、装置、可读存储介质和电子设备 |
CN113723858A (zh) * | 2021-09-10 | 2021-11-30 | 首约科技(北京)有限公司 | 一种依据供需的网约车排队场景的分析方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103179503A (zh) * | 2011-12-23 | 2013-06-26 | 宇龙计算机通信科技(深圳)有限公司 | 移动终端和提醒方法 |
CN103544820A (zh) * | 2012-07-11 | 2014-01-29 | 张凯杰 | 出租车的安全监控系统及其方法 |
CN105243838A (zh) * | 2015-11-09 | 2016-01-13 | 北京奇虎科技有限公司 | 车辆行驶安全监控方法和装置、系统 |
CN105679067A (zh) * | 2016-02-22 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、第一终端及服务器 |
US20180003516A1 (en) * | 2016-03-11 | 2018-01-04 | Route4Me, Inc. | Methods and systems for detecting and verifying route deviations |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530734A (zh) * | 2013-10-23 | 2014-01-22 | 苏州海客科技有限公司 | 旅游轨迹非实时监控方法 |
CN105160880B (zh) * | 2015-09-24 | 2017-08-25 | 滴滴(中国)科技有限公司 | 一种车辆载客状态的预估方法及装置 |
CN108154283A (zh) * | 2016-12-06 | 2018-06-12 | 北京嘀嘀无限科技发展有限公司 | 司机驾驶行为分析方法及装置 |
CN108665698B (zh) * | 2018-05-21 | 2020-11-03 | 杭州优行科技有限公司 | 基于轨迹的网约车监管方法及装置 |
-
2018
- 2018-10-25 CN CN201811251791.XA patent/CN111105243B/zh active Active
-
2019
- 2019-09-02 WO PCT/CN2019/103945 patent/WO2020082900A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103179503A (zh) * | 2011-12-23 | 2013-06-26 | 宇龙计算机通信科技(深圳)有限公司 | 移动终端和提醒方法 |
CN103544820A (zh) * | 2012-07-11 | 2014-01-29 | 张凯杰 | 出租车的安全监控系统及其方法 |
CN105243838A (zh) * | 2015-11-09 | 2016-01-13 | 北京奇虎科技有限公司 | 车辆行驶安全监控方法和装置、系统 |
CN105679067A (zh) * | 2016-02-22 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、第一终端及服务器 |
US20180003516A1 (en) * | 2016-03-11 | 2018-01-04 | Route4Me, Inc. | Methods and systems for detecting and verifying route deviations |
Non-Patent Citations (1)
Title |
---|
贾硕 等: "商用车辆异常驾驶行为检测算法研究", 《公路交通科技》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260167A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 订单服务安全性检测方法、装置、电子设备及存储介质 |
CN111260167B (zh) * | 2018-11-30 | 2022-08-30 | 北京嘀嘀无限科技发展有限公司 | 订单服务安全性检测方法、装置、电子设备及存储介质 |
CN111833145A (zh) * | 2020-07-02 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 信息显示方法、装置、电子设备和存储介质 |
CN111986470A (zh) * | 2020-07-20 | 2020-11-24 | 汉海信息技术(上海)有限公司 | 网约车安全监控方法、装置、电子设备及存储介质 |
CN111967725A (zh) * | 2020-07-23 | 2020-11-20 | 汉海信息技术(上海)有限公司 | 输出提示信息的方法、终端、服务器、设备及存储介质 |
CN112069391A (zh) * | 2020-07-23 | 2020-12-11 | 广州回头车信息科技有限公司 | 一种基于Geohash的货物顺路拼车的方法 |
CN112069391B (zh) * | 2020-07-23 | 2024-04-16 | 江苏运满满同城信息科技有限公司 | 一种基于Geohash的货物顺路拼车的方法 |
CN113688679A (zh) * | 2021-07-22 | 2021-11-23 | 南京视察者智能科技有限公司 | 一种重点人员防控预警的方法 |
CN113688679B (zh) * | 2021-07-22 | 2024-03-08 | 南京视察者智能科技有限公司 | 一种重点人员防控预警的方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020082900A1 (zh) | 2020-04-30 |
CN111105243B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111105243B (zh) | 订单服务安全性检测方法及装置、计算机可读存储介质 | |
US20220114894A1 (en) | Tracking and analysis of drivers within a fleet of vehicles | |
CN111260167B (zh) | 订单服务安全性检测方法、装置、电子设备及存储介质 | |
US11062415B2 (en) | Systems and methods for allocating networked vehicle resources in priority environments | |
KR102415293B1 (ko) | 주차 구역 식별을 위한 제어 장치 및 방법 | |
CN110749319A (zh) | 一种路线偏移检测的方法、装置和电子设备 | |
US9599480B2 (en) | Vehicle localization and transmission method and system using a plurality of communication methods | |
JP6205030B2 (ja) | 鉄道網上の列車イベントの位置を特定する方法 | |
US20200210905A1 (en) | Systems and Methods for Managing Networked Vehicle Resources | |
CN103606302A (zh) | 一种飞行器越界管控方法及系统 | |
US10134285B1 (en) | FleetCam integration | |
CN110395205B (zh) | 车辆事故告警方法、装置、电子设备、存储介质 | |
US10323946B2 (en) | Automatic modification of monitoring of vehicle data | |
CN110189546A (zh) | 一种车辆定位方法及车辆定位系统 | |
JP2019185502A (ja) | 情報管理プログラム、情報管理システム及び情報管理方法 | |
CN109817007B (zh) | 服务器装置 | |
CN112991820B (zh) | 套牌船识别方法及系统 | |
US20190017832A1 (en) | Method and apparatus for providing recorded, anonymized routes | |
CN114022973A (zh) | 一种车辆故障的处理方法、装置、设备以及存储介质 | |
CN106323317B (zh) | 导航方法及装置 | |
CN117208008A (zh) | 目标区域内领航车确定方法、装置及介质 | |
CN114323693A (zh) | 车路云感知系统的测试方法、装置、设备及存储介质 | |
CN113808420A (zh) | 车辆的信息提示方法、装置、车辆、存储介质及电子设备 | |
CN113592191A (zh) | 提示更换停车点的方法、装置及终端设备 | |
CN111582962B (zh) | 一种服务状态识别方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |