CN111191949B

CN111191949B - 网约车辆异常行驶行为识别方法、装置、电子设备

Info

Publication number: CN111191949B
Application number: CN202010005944.3A
Authority: CN
Inventors: 苌洪达
Original assignee: Beijing Sankuai Online Technology Co Ltd
Current assignee: Beijing Sankuai Online Technology Co Ltd
Priority date: 2020-01-03
Filing date: 2020-01-03
Publication date: 2022-06-17
Anticipated expiration: 2040-01-03
Also published as: CN111191949A

Abstract

本申请实施例公开了一种网约车辆异常行驶行为识别方法，属于智能交通技术领域，有助于提升异常行驶行为的识别准确性。所述方法包括：确定组成目标网约车辆的目标行程的各路段，以及每个所述路段对应的行驶时间信息；分别根据在与各所述行驶时间信息匹配的时间段内行驶在相应所述路段上的车辆的行驶数据，确定所述目标网约车辆在该路段上的行驶行为判断指标值；根据所述目标网约车辆在至少部分所述路段上的行驶行为判断指标值，识别所述目标网约车辆是否存在异常行驶行为。本申请基于网约车平台的海量订单实时行程数据，判断目标网约车辆是否存在异常行驶行为，提升了异常行驶行为识别的准确性。

Description

网约车辆异常行驶行为识别方法、装置、电子设备

技术领域

本申请实施例涉及智能交通技术领域，特别是涉及一种网约车辆异常行驶行为识别方法、装置、电子设备及计算机可读存储介质。

背景技术

在网约车应用场景中，网约车平台经常会接收到乘客关于网约车辆存在绕路、拖沓行驶等行为。然而，如何识别网约车辆是否真正存在绕路、拖沓行驶等异常行驶行为，是一个很复杂的技术问题。现有技术中一种识别网约车辆是否真正存在绕路、拖沓行驶等异常行驶行为的方法是根据网约车辆所行驶的路线的历史行驶时长数据，或历史路况数据预估网约车辆的当前行驶时长，并根据预估的行驶时长和实际行驶时长的比较结果，确定网约车辆是否存在拖沓行驶、绕路等异常行驶行为。然而，众所周知，同一段路在每天的路况都可能是变化的，根据历史路况数据预估的行驶时间不够准确。

可见，现有技术中的网约车辆异常行驶行为识别方法还有待改进。

发明内容

本申请实施例公开一种网约车辆异常行驶行为识别方法，有助于提升识别网约车辆异常行驶行为的准确性。

为了解决上述问题，第一方面，本申请实施例公开了一种网约车辆异常行驶行为识别方法，包括：

确定组成目标网约车辆的目标行程的各路段，以及每个所述路段对应的行驶时间信息；

分别根据在与各所述行驶时间信息匹配的时间段内行驶在相应所述路段上的车辆的行驶数据，确定所述目标网约车辆在该路段上的行驶行为判断指标值；

根据所述目标网约车辆在至少部分所述路段上的行驶行为判断指标值，识别所述目标网约车辆是否存在异常行驶行为。

第二方面，本申请实施例公开了一种网约车辆异常行驶行为识别装置，包括：

行程路段信息确定模块，用于确定组成目标网约车辆的目标行程的各路段，以及每个所述路段对应的行驶时间信息；

各路段行驶行为判断指标值确定模块，用于分别根据在与各所述行驶时间信息匹配的时间段内行驶在相应所述路段上的车辆的行驶数据，确定所述目标网约车辆在该路段上的行驶行为判断指标值；

异常行驶行为识别模块，用于根据所述目标网约车辆在至少部分所述路段上的行驶行为判断指标值，识别所述目标网约车辆是否存在异常行驶行为。

第三方面，本申请实施例还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例所述的网约车辆异常行驶行为识别方法。

第四方面，本申请实施例公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时本申请实施例公开的网约车辆异常行驶行为识别方法的步骤。

本申请实施例公开的网约车辆异常行驶行为识别方法，通过确定组成目标网约车辆的目标行程的各路段，以及每个所述路段对应的行驶时间信息；分别根据在与各所述行驶时间信息匹配的时间段内行驶在相应所述路段上的车辆的行驶数据，确定所述目标网约车辆在该路段上的行驶行为判断指标值；根据所述目标网约车辆在至少部分所述路段上的行驶行为判断指标值，识别所述目标网约车辆是否存在异常行驶行为，有助于提升异常行驶行为的识别准确性。本申请实施例公开的网约车辆异常行驶行为识别方法基于网约车平台的海量订单实时行程数据，对行程路线进行拆分重组后，分析共驶路段内海量车辆行驶速度，并依据海量车辆的实时行驶速度判断目标网约车辆是否存在异常行驶行为，进一步提升了异常行驶行为识别的准确性。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

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，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

图1是本申请实施例一的网约车辆异常行驶行为识别方法流程图；

图2是本申请实施例一的网约车辆异常行驶行为识别方法中路段划分示意图；

图3是本申请实施例二的网约车辆异常行驶行为识别装置结构示意图；

图4示意性地示出了用于执行根据本申请的方法的电子设备的框图；以及

图5示意性地示出了用于保持或者携带实现根据本申请的方法的程序代码的存储单元。

具体实施方式

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，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

实施例一

本申请实施例公开的一种网约车辆异常行驶行为识别方法，如图1所示，所述方法包括：步骤110至步骤130。

步骤110，确定组成目标网约车辆的目标行程的各路段，以及每个所述路段对应的行驶时间信息。

本申请实施例中，根据与目标网约车辆在同一时间内行驶同一路段的海量车辆的行驶数据，确定目标网约车辆在行驶过程中是否存在异常行驶行为。考虑到与目标网约车辆行程完全相同的车辆数量的稀疏性，即与目标网约车辆在同一时间段内行驶相同路线的车辆的稀疏性，将目标网约车辆的目标行程划分为多个路段，基于在同一时间与目标网约车辆共同行驶在同一路段上的车辆的行驶数据，确定目标网约车辆在行驶过程中各路段上的行驶数据，然后，进一步根据目标网约车辆在行驶过程中各路段上的行驶数据识别目标网约车辆在行驶所有路段过程中是否存在异常行驶行为。

本申请具体实施时，在目标网约车辆完成目标路程的行驶之后，首先需要确定组成目标网约车辆的目标行程的各路段。

本申请的一些实施例中，确定组成目标网约车辆的目标行程的各路段，包括：按照地理数据，确定组成目标网约车辆的目标行程的多个子路段；根据在所述目标网约车辆的所述目标行程中，与所述目标行程具有交集的车辆行程分布数据，对相邻的所述子路段进行合并，使得由所述子路段合并后得到的各路段所覆盖的具有交集的所述车辆行程最大化，即，使得由所述子路段合并后得到的各路段所覆盖的具有交集的网约车订单数量最大化。

例如，首先根据交通地图的路网数据确定组成目标网约车辆的目标行程的多个子路段；或者，按照地图数据中地理位置坐标，将包括目标行程的地理区域划分为预设大小的网格。所述目标行程的轨迹位于每个网格中的部分，可以认为是一个子路段。如图2中的子路段201、202、203。具体实施时，导航软件、约车软件等车辆行驶定位软件会实时获取车辆的地理位置信息，并存储车辆的行驶轨迹，网络平台（如约车平台或导航软件后台服务器）中会为每辆接入该平台的车辆的每一个行程存储一条行程数据，该行程数据中包括该车辆的该次行程的起始位置、结束位置、起始时间、结束时间、行程中行驶至各个地理位置的时刻等。根据每个车辆的一条行程数据，可以确定该车辆行驶过程中经过的各个子路段，以及经过每个子路段的时间点和时长信息。

将目标行程划分为若干子路段之后，将与所述目标网约车辆同时刻相近时刻通过对应子路段的网约车订单划分为一个订单组，例如表示为订单组：D1,D2,D3…Dm，每个订单组中包括若干同时通过该子路段的网约车的相应行程订单；之后，比较相邻子路段对应的订单组的相似度，确定相似度最高的订单组。例如子路段201对应的订单组D1与子路段202对应的订单组D2中包括的相同订单数量最多或订单组相似度大于预设阈值，则将子路段201和子路段202进行合并，形成一个新的子路段201，然后，在合并其他子路段。接下来，根据合并后的子路段再进行订单分组和子路段合并，如此迭代合并，直到相邻子路段对应的订单组内订单最大相似度低于预设阈值，则完成子路段合并，最终合并得到的各子路段分别作为一个路段，例如子路段201、202和203合并为第1路段。

按照上述方法，可以确定目标网约车辆的目标行程中经过的各个路段，以及经过各个路段时的行驶时间信息。其中，每个路段的所述行驶时间信息包括该路段的起始行驶时刻和结束行驶时刻。例如图2中所示的一个目标网约车辆的目标行程包括4个路段，对应各路段及相应的行驶时间信息分别如下：第1个路段从地理位置a到地理位置b，经过地理位置a的时刻为ta, 经过地理位置b的时刻为tb; 第2路段从地理位置b到地理位置c,经过地理位置b的时刻为tb, 经过地理位置c的时刻为tc; 第3路段从地理位置c到地理位置d,经过地理位置c的时刻为tc, 经过地理位置d的时刻为td; 第4路段从地理位置d到地理位置e,经过地理位置d的时刻为td, 经过地理位置e的时刻为te。

步骤120，分别根据在与各所述行驶时间信息匹配的时间段内行驶在相应所述路段上的车辆的行驶数据，确定所述目标网约车辆在该路段上的行驶行为判断指标值。

在确定了目标网约车辆在目标行程中经过的各个路段的行驶时间信息之后，对于目标行程中经过的每个路段，进一步确定与所述目标网约车辆同时行驶在该路段上的若干其他车辆，根据所述若干车辆与所述目标网约车辆同时在该路段上行驶时的行驶数据，确定判断所述目标网约车辆在该路段上的行驶行为的判断指标值。其中，所述行驶数据可以为平均速度、速度排名或其他可以衡量车辆行驶快慢的数据。

本申请的一些实施例中，所述分别根据在与各所述行驶时间信息匹配的时间段内行驶在相应所述路段上的车辆的行驶数据，确定所述目标网约车辆在该路段上的行驶行为判断指标值，包括：对于至少部分所述路段，获取在与该路段上的所述行驶时间信息匹配的所述时间段内，行驶在该路段上的若干车辆的行驶速度；对于所述至少部分所述路段，根据获取的所述若干车辆的行驶速度和所述目标网约车辆在该时间段内的行驶速度，确定所述目标网约车辆在该路段上的行驶行为判断指标值。其中，所述判断指标值可以为：行驶速度排名占比（如行驶速度排名百分位数）、行驶速度平均值比较结果等。下面以所述判断指标值为：行驶速度由高到低排名百分位数举例，说明根据指定时间段内行驶在相应所述路段上的车辆的行驶数据，确定所述目标网约车辆在该路段上的行驶行为判断指标值的具体实施方式。

首先，确定与各所述行驶时间信息匹配的时间段。

本申请的一些实施例中，每个路段对应的所述行驶时间信息包括：起始行驶时刻和结束行驶时刻，所述与各所述行驶时间信息匹配的时间段通过以下方式确定：根据每个所述路段对应的起始行驶时刻和结束行驶时刻，确定所述起始行驶时刻之前预设时长至所述结束行驶时刻之后所述预设时长的时间段，作为与该路段上的所述行驶时间信息匹配的时间段。例如，对于目标行程包括4个路段中的第1个路段，从地理位置a到地理位置b，目标网约车辆的行驶时间信息包括：起始行驶时刻ta和结束行驶时刻 tb，则可以将（ta-TH）至(tb+TH)的时间段，作为与该路段(即第1个路段)上的所述行驶时间信息匹配的时间段。其中，TH为预设时长。

本申请的一些实施例中，所述预设时长根据各所述路段对应的行驶时间信息匹配的车辆密集程度确定。例如，在轨迹密集程度较大的早晚高峰时间段，路况变化频繁，可以将所述预设时长设置为一个较小值，如5分钟；在轨迹稀疏程度较大的夜晚时间段，路况变化缓慢，可以将所述预设时长设置为一个较大值，如30分钟。本申请的一些实施例中，预设时长通过计算得出，可选用如下方案：设某一城市当前网约车订单量为P单每分钟，订单预估里程均值为d公里，该城市占地规模D平方公里，则TH=α*D/（P*d），其中，α为根据不同时段订单数量统计得出的系数。通过对各路段的经过时间设置缓冲时间（如增加TH），可以获取到更多的车辆行驶数据，另一方面，通过动态调整所述预设时长，可以提升获取的行驶数据的置信度，从而提升识别结果的准确性。

然后，对于每个所述路段，分别获取在与该路段上的所述行驶时间信息匹配的所述时间段内，行驶在该路段上的若干车辆的行驶速度。例如，对于图2所示的目标行程中的第1个路段，通过遍历网约车平台存储的海量网约车的实时行程数据，可以获取到在（ta-TH）至(tb+TH)的时间段行驶在所述第1个路段的所有参考车辆，并进一步获取各所述参考测量的行驶速度。具体的，可以通过计算所述第1路段的长度（即从地理位置a到地理位置b之间的距离）与每辆参考车辆在第一路段的行驶时间（即经过地理位置b的时间与经过地理位置a的时间的时间差）的商，得到每辆参考车辆在（ta-TH）至(tb+TH)的时间段行驶在所述第1个路段上时的平均速度。

之后，根据目标行程中的每个路段的长度和每个路段对应的行驶时间信息，分别确定目标网约车辆在目标行程中的每个路段上的平均行驶速度。

最后，对于每个所述路段，将在相应时间段行驶在该路段上的所有车辆按照行驶速度由大到小的顺序排列，确定目标网约车辆的行驶速度由高到低排名百分位数。例如，对于第1个路段，确定的参考车辆包括N辆，在确定了这N辆参考车辆中每辆车在（ta-TH）至(tb+TH)的时间段行驶在所述第1个路段在平均行驶速度之后，得到N个平均行驶速度，例如表示为V1、V2、…VN；然后，将这N个平均行驶速度和目标网约车辆在ta至tb的时间段行驶在所述第1个路段在平均行驶速度Vdest进行从大到小排序，确定目标网约车辆的平均行驶速度Vdest的行驶速度由高到低排名百分位数，如记为n%，其中，1%表示平均行驶速度最快，100%表示平均行驶速度最慢。目标网约车辆的平均行驶速度排名百分位数表示了在该路段上行驶时，所述目标网约车辆与同时行驶在该路段上的其他车辆的行驶速度快慢差异。例如，当目标网约车辆的第1路段的平均行驶速度排名百分位数为5%时，说明在该路段上，目标网约车辆的行驶速度超过了95%的其他车辆。按照此方法，可以分别确定目标网约车辆在目标行程中每个路段上的行驶速度百分位数。

本申请的另一些实施例中，还可以将目标网约车辆的平均行驶速度与同时行驶在同一路段上的其他所有车辆的平均行驶速度的均值的比较结果，作为判断指标值。仍以第1个路段上确定的参考车辆包括N辆为例，在确定了这N辆参考车辆中每辆车在（ta-TH）至(tb+TH)的时间段行驶在所述第1个路段在平均行驶速度之后，得到N个平均行驶速度，例如表示为V1、V2、…VN；然后，将这N个平均行驶速度进一步求平均值，得到参考车辆的平均速度Vave；最后，将所述目标网约车辆在ta至tb的时间段行驶在所述第1个路段在平均行驶速度Vdest与参考车辆的平均速度Vave进行比较，得到所述目标网约车辆在所述第1个路段在的行驶行为判断指标值。例如，可以在Vdest≥Vave时设置行驶行为判断指标值为0，可以在Vdest<Vave时设置行驶行为判断指标值为1。

本申请实施例中确定的行驶行为判断指标值越小，表示目标网约车辆在该路段的异常行驶行为置信度越低，即目标网约车辆在该路段的行驶行为越趋近正常。

本申请的一些实施例中，在分别根据在与各所述行驶时间信息匹配的时间段内行驶在相应所述路段上的车辆的行驶数据，确定所述目标网约车辆在该路段上的行驶行为判断指标值之前，还包括：对组成目标网约车辆的目标行程的所述各路段进行筛选。其中，所述至少部分所述路段包括：所覆盖的具有交集的所述车辆行程数量大于预设行程数量阈值的所述路段。对于某些路段，与所述目标网约车辆同时刻或相近时刻经过该路段的网约车辆较少时，为了提升数据的可靠性，本申请实施例中将忽略经过车辆较少的路段的车辆行驶数据，优先选择所覆盖的具有交集的所述车辆行程数量大于预设行程数量阈值的所述路段，例如选择全部或部分所覆盖的具有交集的所述车辆行程数量大于预设行程数量阈值（如50条）的路段。其中，预设行程数量阈值根据实际测试结果确定。

另一方面，当无法获取到某一路段的车辆行驶数据时，例如隧道路段或没有定位信号的路段，在确定行驶行为判断指标值时，也将忽略该路段。

步骤130，根据所述目标网约车辆在至少部分所述路段上的行驶行为判断指标值，识别所述目标网约车辆是否存在异常行驶行为。

在确定了上述部分或全部路段上所述目标网约车辆的行驶行为判断指标值之后，进一步综合该目标行程中多个路段的行驶行为判断指标值，判断目标网约车辆的该目标行程中的行驶行为是否存在异常。本申请的一些实施例中，根据所述目标网约车辆在至少部分所述路段上的行驶行为判断指标值，识别所述目标网约车辆是否存在异常行驶行为，包括：根据所述目标网约车辆在至少部分所述路段上的行驶行为判断指标值的分布数据，识别所述目标网约车辆是否存在异常行驶行为。例如，当行驶行为判断指标值为目标网约车辆的平均行驶速度和其他所有参考车辆的平均行驶速度比较结果时，对于图2所述的目标行程中的4个路段，如果其中大部分（如3个）路段上目标网约车辆的行驶行为判断指标值都为0，则可以认为目标网约车辆的该目标行程中的行驶行为不存在行驶异常。再例如，当行驶行为判断指标值为行驶速度排名百分位数时，对于图2所述的目标行程中的4个路段，如果其中大部分（如3个）路段上目标网约车辆的行驶行为判断指标值小于50%，则可以认为目标网约车辆的该目标行程中的行驶行为存在行驶异常。

本申请的另一些实施例中，根据所述目标网约车辆在至少部分所述路段上的行驶行为判断指标值，识别所述目标网约车辆是否存在异常行驶行为，包括：对所述目标网约车辆在至少部分所述路段上的行驶行为判断指标值进行加权运算，根据加权运算的结果识别所述目标网约车辆是否存在异常行驶行为，其中，对所述行驶行为判断指标值进行加权运算时各所述行驶行为判断指标值的权值与相应路段的长度正相关。例如，当行驶行为判断指标值为行驶速度排名百分位数时，对于图2所述的目标行程中的4个路段，每个路段长度不同，首先根据各路段的长度与目标行程中所有路段总长度的比值，为该路段上的行驶行为判断指标值设置一个权值，路段越长，权值越大；之后，对所述目标网约车辆在所述每个路段上的行驶行为判断指标值以确定的权值进行加权求和得到异常行驶行为概率，然后，根据加权求和得到的异常行驶行为概率识别所述目标网约车辆是否存在异常行驶行为。

例如，可以通过公式P= （L1/L）*n1+（L2/L）*n2+…+（Lk/L）*nk计算目标网约车辆的异常行驶行为概率P，其中，L1、L2、…Lk分别表示目标行程包括的第1个路段的长度、第2个路段的长度、…第k个路段的长度;L表示目标行程包括的所有路段总长度；n1、n2、…nk分别表示目标网约车辆在第1个路段的行驶行为判断指标值、第2个路段的行驶行为判断指标值、…第k个路段的行驶行为判断指标值。当每个路段的行驶行为判断指标值都很大时（如接近100%），则加权求和得到异常行驶行为概率P越接近1，说明目标网约车辆的行驶行为存在异常（如存在拖沓行驶行为）；反之，当每个路段的行驶行为判断指标值都很小时（如接近10%），则加权求和得到异常行驶行为概率P越接近0，说明目标网约车辆的行驶行为不存在异常。

通过对目标行程中的每个路段的行驶数据进行综合加权判断，可以提升判断结果的准确性。例如，为了躲避拥堵，目标网约车辆选择了通过几段虽然拥堵但是长度较短的几段路段，最后，行驶到一段很长且畅通的路段，整体行程的时间会缩短，这种情况下，通过对目标行程中的每个路段的行驶数据进行综合加权判断，就可以提升判断结果的准确性。

其中，所述至少部分所述路段可以为对应有所述行驶行为判断指标值的全部或部分路段。优选的，所述至少部分所述路段为对应有所述行驶行为判断指标值的全部路段。

通过对行程有交集的车辆的共驶轨迹进行分段，并对每段行程的车辆行驶速度进行排序，如行程过程中多个路段，某一车辆都处于低速行驶状态，则判定该行程中出车辆存在故意拖沓行驶。该判断在行程结束后一段时间完成计算，基于网约车平台已完成的实时轨迹，置信度较高。

实施例二

本申请实施例公开的一种网约车辆异常行驶行为识别装置，如图3所示，所述装置包括：

行程路段信息确定模块310，用于确定组成目标网约车辆的目标行程的各路段，以及每个所述路段对应的行驶时间信息；

各路段行驶行为判断指标值确定模块320，用于分别根据在与各所述行驶时间信息匹配的时间段内行驶在相应所述路段上的车辆的行驶数据，确定所述目标网约车辆在该路段上的行驶行为判断指标值；

异常行驶行为识别模块330，用于根据所述目标网约车辆在至少部分所述路段上的行驶行为判断指标值，识别所述目标网约车辆是否存在异常行驶行为。

本申请的一些实施例中，所述确定组成目标网约车辆的目标行程的各路段，包括：

按照地理数据，确定组成目标网约车辆的目标行程的多个子路段；

根据在所述目标网约车辆的所述目标行程中，与所述目标行程具有交集的车辆行程分布数据，对相邻的所述子路段进行合并，使得由所述子路段合并后得到的各路段所覆盖的具有交集的所述车辆行程最大化。

本申请的一些实施例中，在分别根据在与各所述行驶时间信息匹配的时间段内行驶在相应所述路段上的车辆的行驶数据，确定所述目标网约车辆在该路段上的行驶行为判断指标值之前，还包括：对组成目标网约车辆的目标行程的所述各路段进行筛选。其中，所述至少部分所述路段包括：所覆盖的具有交集的所述车辆行程数量大于预设行程数量阈值的所述路段。

本申请的一些实施例中，所述各路段行驶行为判断指标值确定模块320进一步用于：

对于至少部分所述路段，获取在与该路段上的所述行驶时间信息匹配的时间段内，行驶在该路段上的若干车辆的行驶速度；

对于所述至少部分所述路段，根据获取的所述若干车辆的行驶速度和所述目标网约车辆在该时间段内的行驶速度，确定所述目标网约车辆在该路段上的行驶行为判断指标值。

本申请的一些实施例中，所述异常行驶行为识别模块330进一步用于：

对所述目标网约车辆在至少部分所述路段上的行驶行为判断指标值进行加权运算，根据加权运算的结果识别所述目标网约车辆是否存在异常行驶行为，其中，对所述行驶行为判断指标值进行加权运算时各所述行驶行为判断指标值的权值与相应路段的长度正相关。

本申请的一些实施例中，所述判断指标值包括：行驶速度排名占比、行驶速度平均值比较结果。

本申请的一些实施例中，所述行驶时间信息包括：起始行驶时刻和结束行驶时刻，所述与各所述行驶时间信息匹配的时间段通过以下方式确定：

根据每个所述路段对应的起始行驶时刻和结束行驶时刻，确定所述起始行驶时刻之前预设时长至所述结束行驶时刻之后所述预设时长的时间段，作为与该路段上的所述行驶时间信息匹配的时间段。

本申请的一些实施例中，所述预设时长根据各所述路段对应的行驶时间信息匹配的车辆密集程度确定。

本申请实施例公开的网约车辆异常行驶行为识别装置，用于实现本申请实施例一中所述的网约车辆异常行驶行为识别方法，装置的各模块的具体实施方式不再赘述，可参见方法实施例相应步骤的具体实施方式。

本申请实施例公开的网约车辆异常行驶行为识别装置，通过确定组成目标网约车辆的目标行程的各路段，以及每个所述路段对应的行驶时间信息；分别根据在与各所述行驶时间信息匹配的时间段内行驶在相应所述路段上的车辆的行驶数据，确定所述目标网约车辆在该路段上的行驶行为判断指标值；根据所述目标网约车辆在至少部分所述路段上的行驶行为判断指标值，识别所述目标网约车辆是否存在异常行驶行为，有助于提升异常行驶行为的识别准确性。本申请实施例公开的网约车辆异常行驶行为识别装置基于网约车平台的海量订单实时行程数据，对行程路线进行拆分重组后，分析共驶路段内海量车辆行驶速度，并依据海量车辆的实时行驶速度判断目标网约车辆是否存在异常行驶行为，进一步提升了异常行驶行为识别的准确性。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言，由于其与方法实施例基本相似，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。

以上对本申请公开的一种网约车辆异常行驶行为识别方法及装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其一种核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本申请实施例的电子设备中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

例如，图4示出了可以实现根据本申请的方法的电子设备。所述电子设备可以为PC机、移动终端、个人数字助理、平板电脑等。该电子设备传统上包括处理器410和存储器420及存储在所述存储器420上并可在处理器410上运行的程序代码430，所述处理器410执行所述程序代码430时实现上述实施例中所述的方法。所述存储器420可以为计算机程序产品或者计算机可读介质。存储器420可以是诸如闪存、EEPROM（电可擦除可编程只读存储器）、EPROM、硬盘或者ROM之类的电子存储器。存储器420具有用于执行上述方法中的任何方法步骤的计算机程序的程序代码430的存储空间4201。例如，用于程序代码430的存储空间4201可以包括分别用于实现上面的方法中的各种步骤的各个计算机程序。所述程序代码430为计算机可读代码。这些计算机程序可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘（CD）、存储卡或者软盘之类的程序代码载体。所述计算机程序包括计算机可读代码，当所述计算机可读代码在电子设备上运行时，导致所述电子设备执行根据上述实施例的方法。

本申请实施例还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例一所述的网约车辆异常行驶行为识别方法的步骤。

这样的计算机程序产品可以为计算机可读存储介质，该计算机可读存储介质可以具有与图4所示的电子设备中的存储器420类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩存储在所述计算机可读存储介质中。所述计算机可读存储介质通常为如参考图5所述的便携式或者固定存储单元。通常，存储单元包括计算机可读代码430’，所述计算机可读代码430’为由处理器读取的代码，这些代码被处理器执行时，实现上面所描述的方法中的各个步骤。

本文中所称的“一个实施例”、“实施例”或者“一个或者多个实施例”意味着，结合实施例描述的特定特征、结构或者特性包括在本申请的至少一个实施例中。此外，请注意，这里“在一个实施例中”的词语例子不一定全指同一个实施例。

在此处所公开的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims

1.一种网约车辆异常行驶行为识别方法，其特征在于，包括：

分别根据在与各所述行驶时间信息匹配的时间段内行驶在相应所述路段上的若干其他车辆的行驶数据，确定所述目标网约车辆在所述路段上的行驶行为判断指标值，包括：根据所述若干其他车辆与所述目标网约车辆同时在所述路段上行驶时的所述行驶数据，确定所述目标网约车辆在所述路段上的所述行驶行为判断指标值；其中，与每个所述路段对应的所述行驶时间信息匹配的时间段是：每个所述路段对应的起始行驶时刻之前预设时长至结束行驶时刻之后所述预设时长的时间段；所述预设时长根据各所述路段对应的所述行驶时间信息匹配的车辆密集程度确定；

2.根据权利要求1所述的方法，其特征在于，所述确定组成目标网约车辆的目标行程的各路段的步骤，包括：

根据在所述目标网约车辆的所述目标行程中，与所述目标行程具有交集的车辆行程分布数据，对相邻的所述子路段进行合并，使得由所述子路段合并后得到的各路段所覆盖的具有交集的所述车辆行程最大化，即，使得由所述子路段合并后得到的各路段所覆盖的具有交集的网约车订单数量最大化。

3.根据权利要求1或2所述的方法，其特征在于，所述分别根据在与各所述行驶时间信息匹配的时间段内行驶在相应所述路段上的若干其他车辆的行驶数据，确定所述目标网约车辆在该路段上的行驶行为判断指标值的步骤，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述目标网约车辆在至少部分所述路段上的行驶行为判断指标值，识别所述目标网约车辆是否存在异常行驶行为的步骤，包括：

5.根据权利要求4所述的方法，其特征在于，所述判断指标值包括：行驶速度排名占比、行驶速度平均值比较结果。

6.一种网约车辆异常行驶行为识别装置，其特征在于，包括：

各路段行驶行为判断指标值确定模块，用于分别根据在与各所述行驶时间信息匹配的时间段内行驶在相应所述路段上的若干其他车辆的行驶数据，确定所述目标网约车辆在所述路段上的行驶行为判断指标值；具体用于：根据所述若干其他车辆与所述目标网约车辆同时在所述路段上行驶时的所述行驶数据，确定所述目标网约车辆在所述路段上的所述行驶行为判断指标值；其中，与每个所述路段对应的所述行驶时间信息匹配的时间段是：每个所述路段对应的起始行驶时刻之前预设时长至结束行驶时刻之后所述预设时长的时间段；所述预设时长根据各所述路段对应的所述行驶时间信息匹配的车辆密集程度确定；

7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的程序代码，其特征在于，所述处理器执行所述程序代码时实现权利要求1至5任意一项所述的网约车辆异常行驶行为识别方法。

8.一种计算机可读存储介质，其上存储有程序代码，其特征在于，该程序代码被处理器执行时实现权利要求1至5任意一项所述的网约车辆异常行驶行为识别方法的步骤。