CN111461368B - 异常订单处理方法、装置、设备及计算机可读存储介质 - Google Patents
异常订单处理方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111461368B CN111461368B CN201910054928.0A CN201910054928A CN111461368B CN 111461368 B CN111461368 B CN 111461368B CN 201910054928 A CN201910054928 A CN 201910054928A CN 111461368 B CN111461368 B CN 111461368B
- Authority
- CN
- China
- Prior art keywords
- information
- service
- order
- matching degree
- cancellation
- 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.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 57
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 230000004044 response Effects 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000007613 environmental effect Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006399 behavior Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q10/02—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
- 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)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种异常订单处理方法、装置、设备及计算机可读存储介质。本申请获取取消订单请求；基于所述取消订单请求对应的属性信息，获取所述取消订单对应的服务提供方所处环境信息；根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作。本申请实施例用以减少用车平台中的不合理操作行为。
Description
技术领域
本申请涉及信息技术领域，具体而言，涉及一种异常订单处理方法、装置、设备及计算机可读存储介质。
背景技术
随着汽车电子技术的持续快速发展，乘坐出租车出行和预约乘坐私家车出行等出行方式得到了长足发展，在人们日常生活出行中起到了不可替代的作用，为广大人民的日常生活、交通出行带来了极大方便。
随着社会的进一步发展，传统的出租车已经不能满足人们出行的需求，为了更加方便用户的需求，目前市面上出现了网络预约车，方便用户通过用车软件预定符合自己行程的车辆。
随着提供服务的私家车数量的增多，在出行服务过程中的不合理操作也越来越多，对所有订单实现人工监督又不现实，如何通过技术方式最大程度的减少或杜绝网约车中的不合理操作，以提高网约车平台的服务质量和用户出行效率，成为目前急需解决的问题。
发明内容
有鉴于此，本申请的目的在于提供一种异常订单处理方法、装置、设备及计算机可读存储介质，以减少出行服务中的不合理操作行为导致的异常订单。
第一方面，本申请实施例提供了一种异常订单处理方法，包括：
获取取消订单请求；
基于所述取消订单请求对应的属性信息，获取所述取消订单对应的服务提供方所处环境信息；
根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作。
可选地，所述环境信息包括所述取消订单请求对应的服务提供方所处环境中的多媒体信息。
可选地，所述多媒体信息包括图像信息，
所述根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作，进一步包括：
根据所述图像信息与所述取消订单对应的服务请求方预先存储的图像信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
可选地，所述多媒体信息包括音频信息，所述根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作，进一步包括：
根据所述音频信息与所述取消订单对应的服务请求方预先存储的音频信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
可选地，所述环境信息包括GPS信息；所述根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作，进一步包括：
根据所述服务提供方的GPS信息与所述取消订单对应的服务请求方的GPS信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
可选地，所述响应操作的方式包括以下至少一种：
禁止所述服务提供方接收订单；或者，
向所述服务提供方发送警示信息。
可选地，所述根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作，包括：
判断所述匹配度是否超过设定匹配度阈值；
若所述匹配度未超过所述设定匹配度阈值，则获取服务提供方在所述取消订单的原服务时间区间内的服务状态信息；
根据所述服务状态信息，确定针对所述取消订单请求的响应操作。
可选地，所述原服务时间区间为根据取消请求时间以及取消订单对应的理论服务时长确定的，所述理论服务时长是根据属性信息中的服务起始位置信息和服务结束位置信息确定的。
可选地，所述基于所述属性信息，获取所述取消订单请求对应的服务提供方所处环境信息，包括：
在所述属性信息中的取消请求时间之后的预设时长内，获取与所述取消订单请求对应的服务提供方所处环境信息。
第二方面，本申请实施例提供了一种异常订单处理装置，包括：
第一获取模块，用于获取取消订单请求；
第二获取模块，用于基于所述取消订单请求对应的属性信息，获取所述取消订单对应的服务提供方所处环境信息；
确定模块，用于根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作。
可选地，所述环境信息包括所述取消订单请求对应的服务提供方所处环境中的多媒体信息。
可选地，所述多媒体信息包括图像信息，
所述确定模块，具体用于：
根据所述图像信息与所述取消订单对应的服务请求方预先存储的图像信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
可选地，所述多媒体信息包括音频信息，所述确定模块，具体用于：
根据所述音频信息与所述取消订单对应的服务请求方预先存储的音频信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
可选地，所述环境信息包括GPS信息；所述确定模块，具体用于：
根据所述服务提供方的GPS信息与所述取消订单对应的服务请求方的GPS信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
可选地，所述响应操作的方式包括以下至少一种：
禁止所述服务提供方接收订单；或者，
向所述服务提供方发送警示信息。
可选地，所述确定模块，具体用于：
判断所述匹配度是否超过设定匹配度阈值；
若所述匹配度未超过所述设定匹配度阈值，则获取服务提供方在所述取消订单的原服务时间区间内的服务状态信息；
根据所述服务状态信息，确定针对所述取消订单请求的响应操作。
可选地，所述原服务时间区间为根据取消请求时间以及取消订单对应的理论服务时长确定的，所述理论服务时长是根据属性信息中的服务起始位置信息和服务结束位置信息确定的。
可选地，所述第二获取模块，具体用于：
在所述属性信息中的取消请求时间之后的预设时长内，获取与所述取消订单请求对应的服务提供方所处环境信息。
第三方面，本申请实施例提供了一种电子设备，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，当电子设备运行时，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所述的方法的步骤。
第四方面，本申请实施例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所述的方法的步骤。
本申请实施例提供的异常订单处理方法、装置、电子设备及计算机可读存储介质，通过获取取消订单请求，然后根据取消订单请求对应的属性信息，获取取消订单对应的服务提供方所处环境信息，进一步，根据环境信息和取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作。这样，能够有效的从取消订单中识别出异常订单，以减少服务提供方的不合理操作行为，提高服务质量和出行效率。
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所提供的一种异常订单处理方法的第一种流程图；
图2示出了本申请实施例所提供的一种异常订单处理方法的第二种流程图；
图3示出了本申请实施例所提供的一种异常订单处理方法的第三种流程图；
图4示出了本申请实施例所提供的一种异常订单处理方法的第四种流程图；
图5示出了本申请实施例所提供的一种异常订单处理方法的第五种流程图；
图6示出了本申请实施例所提供的一种异常订单处理装置的结构示意图；
图7示出了本申请实施例所提供的一种电子设备的结构示意图。
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，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出行场景，也可以应用于其它需要进行异常订单处理的场景。虽然本申请主要围绕出行场景进行描述，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订单类型(如，外卖订单、快递订单)，还可以应用于其它相关的处理服务。例如，本申请可以应用于不同的异常订单处理环境，包括快递、出行、或外卖等，或其任意组合。本申请还可以包括用于提供异常订单处理的任何服务系统。本申请的方法和装置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。
本申请实施例可以服务于出行服务平台，该出行服务平台用于根据接收的客户端的出行服务请求为用户提供相应的服务。出行服务平台可以包括多个打车系统，如包括出租车打车系统、快车打车系统、专车打车系统、顺风车打车系统等。
本申请实施例的异常订单处理方法可以应用于出行服务平台的服务器，也可以应用于其它任意具有处理功能的计算设备。在一些实施例中，上述服务器或计算设备可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据，以执行本申请中描述的一个或多个功能。
目前，在出行服务过程中一般的叫车流程为：乘客发起出行订单请求→用车平台派单→司机接收出行订单→司机接乘客→乘客上车→司机开始计价→到达目的地→订单结束→司机结束计价，在叫车流程中的不合理操作也越来越多，不合理操作主要涉及两个方面，一是乘客上车后、出行计价前，乘客和司机私下约定取消订单，给出行服务平台带来不好影响，还有就是，乘客在下订单后，司机无原因取消用户订单，给另一方带来不好的体验。如何减少出行过程中的不合理操作，成为了提升服务质量的关键。本申请实施例主要是针对第一个方面的不合理操作问题提出的解决方案。
针对上述情况，本申请实施例提供了一种异常订单处理方法，应用于用车平台服务器，如图1所示，具体包括以下步骤：
S101，获取取消订单请求；
这里，取消订单请求一般为服务请求方或服务提供方发送的，针对用车服务平台，服务请求方一般为乘客方，服务提供方为司机方；取消订单请求的格式可以是但不限于但不限为HTTP(HyperText Transfer Protocol，超文本传输协议)、TCP(TransmissionControl Protocol，传输控制协议)等格式的请求。
S102，基于所述取消订单请求对应的属性信息，获取所述取消订单对应的服务提供方所处环境信息；
取消订单请求对应的属性信息包括取消订单请求的取消请求时间和取消订单的订单信息，其中，取消订单的订单信息包括取消订单对应的服务起始位置信息和服务结束位置信息、服务提供方标识、服务请求方标识等，本申请不针对订单信息中包含的内容一一进行说明。
服务提供方所处环境信息包括服务提供方所处环境的多媒体信息、服务提供方的GPS信息等。其中，多媒体信息至少包括服务提供方所处环境的音频信息和图像信息，服务提供方的GPS信息可以为服务提供方所处位置的经纬度信息，如，服务提供方的GPS信息可以为北纬39度54分、东经116度23分。
多媒体信息中的图像信息包括服务提供方所处环境的包括服务提供方、服务请求方在内的图像(如，服务请求方和服务提供方的人脸图像)，针对服务提供方所处环境为车辆的情况，受到服务提供方所处环境中图像采集设备(如，行车记录仪、摄像头等)采集角度的限制，最终获取的图像信息可能仅包括服务请求方在内的人脸图像，而不包括服务提供方的人脸图像，因此，最终获取的图像信息中也可能是仅包含服务请求方的人脸图像，如，在服务提供方为司机A、且司机A所处环境中还有乘客B时，服务提供方所处环境中的图像一般为司机A所在车辆中的行车记录仪采集的，图像中可以包括司机A和乘客B在内的人脸图像，也可能仅包括乘客B的人脸图像。
多媒体信息中的音频信息包括服务提供方所处环境的音频，音频中包括服务提供方和服务请求方的声纹信息，如，在服务提供方为司机A、且司机A所处环境中还有乘客B时，服务提供方所处环境的音频信息可以为司机A所在车辆中的行车记录仪采集的车辆内的司机A和乘客B之间的沟通内容。
由于用车平台的提供的用车服务的覆盖范围很大，因此，用车平台服务器可能会在同一时刻接收到大量的取消订单请求，而服务提供方或服务请求方发送取消订单请求的原因很多，诸如：
原因一：司机因为道路拥堵无法准时到达指定服务地点而取消订单；
原因二：乘客因为突发事件无法出行而取消订单；
原因三：司机和乘客私下协商出行费用，进而出现乘客取消订单；
导致取消订单的原因有很多，此处不一一针对各原因进行列举说明，将由于原因一和二导致的取消订单认为是正常订单，将由于原因三导致的取消订单认为是异常订单。
为了准确识别取消订单是由于何种原因导致的，在基于所述属性信息，获取所述取消订单请求对应的服务提供方所处环境信息时，进一步包括：
在所述属性信息中的取消请求时间之后的预设时长内，获取与所述取消订单请求对应的服务提供方所处环境信息。
这里，预设时长一般是预先设定的，预设时长可以为三分钟、五分钟、十分钟、三十分钟等等，可以根据实际情况确定，本申请对此不予限制。
为了减少用车平台的处理量，用车平台服务器仅接收取消请求时间之后的五分钟或十分钟内传输的环境信息，以减少用车平台服务器的处理量，提高用车平台服务器的处理效率。
在具体实施中，由于取消订单请求对应的服务提供方的车辆的行车记录仪在实时采集上述服务提供方所处车辆的环境信息，用车平台服务器在接收到取消订单请求后，在当前取消订单请求的取消请求时间内，获取取消订单请求对应的服务提供方所处车辆的环境信息。其中，环境信息可以为服务请求方所处车辆中的行车记录仪间隔设定时长传输的，设定时长可以为1分钟、2分钟等。
例如，用车平台服务器接收取消订单请求，取消订单对应的司机为A，取消请求时间为2018年12月12日8:30，用车平台服务器实时接收司机A的车辆中的行车记录仪间隔1分钟传输的环境信息。
S103，根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作。
这里，匹配度表征环境信息与服务请求方信息之间的匹配程度，或者，服务请求方和服务提供方之间的距离，匹配程度越高，表明环境信息中包括预设的服务请求方信息的概率越大，或者，服务请求方与服务提供方之间的距离越近。
针对取消订单请求的响应操作的方式包括以下至少一种：
禁止服务提供方接收订单；或者，
向所述服务提供方发送警示信息。
这里，禁止服务提供方接收订单，即，禁止取消订单请求对应的服务提供方继续为用车平台中的其他服务请求方提供出行服务，如，可以在用车平台中为取消订单对应的服务提供方设置服务权限为禁止提供服务权限，这样，用车平台在广播订单时，不会向设置有禁止提供服务权限的服务提供方发送订单；警示信息用于对服务提供方进行警示，警示信息可以通过平台信息或短消息的方式发送给服务提供方。
另外，在禁止服务提供方接收订单的同时，可以设置禁止服务提供方接收订单的禁止服务时长，该禁止服务时长可以根据服务提供方被禁止的次数设定，用车平台服务器中预先设置有次数与时长之间的对应关系，该对应关系表中的禁止服务时长按照被禁止次数逐渐增加的趋势进行设置，服务提供方被禁止次数越多，则设置的禁止服务时长越长，如，服务提供方第一次被禁止接收订单，则对应关系表中的禁止服务时长可以为三天，若服务提供方式第N次(N小于或者等于5)被禁止接收订单，则禁止服务时长设置为30天，当服务提供方被禁止的次数超过N后，则将该服务提供方设置为黑名单用户，禁止该服务提供方使用用车平台，从而可以有效减少对用车平台负面影响，提高用车平台服务请求方的体验。
以下针对用车平台服务器获取的多媒体信息包括图像信息和音频信息的情况进行说明。
参考图2，在多媒体信息为图像信息时，根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作，进一步包括以下步骤：
S201，根据所述图像信息与所述取消订单对应的服务请求方预先存储的图像信息的比较结果，确定所述匹配度；
S202，根据所述匹配度，确定针对所述取消订单请求的响应操作。
这里，服务请求方预先存储的图像信息一般存储在用车平台服务器中，可以为服务请求中在用车平台注册时存储的图像信息，一般为服务请求方的人脸图像。
在具体实施中，用车平台服务器在预设时长内接收到的图像信息中一般包括多个环境图像，针对每个环境图像，比对该环境图像与取消订单对应的服务请求方预先存储的人脸图像，得到该图像与取消订单对应的服务请求方对应的人脸图像之间的相似度，将该相似度作为该环境图像对应的匹配度，若多个环境图像中存在一个或者一个以上的图像对应的匹配度大于设定匹配度阈值，则可以确定取消订单请求对应的取消订单为异常订单，此时，用车平台服务器禁止取消订单对应的服务提供方接收订单，或者，向取消订单对应的服务提供方发送警示信息，或者，在禁止取消订单对应的服务提供方接收订单的同时，向服务提供方发送警示信息。
由于乘客在乘坐车辆时，可能不止一个乘客，有可能包括多个乘客，因此，用车平台服务器获取到的多个环境图像中的每个环境图像中，可能包括一个乘客的人脸图像，也可能包括多个乘客的人脸图像。
针对每个环境图像中仅包括一名乘客的情况：只需要比对从每个环境图像中获取的人脸图像与预先存储的服务请求方的人脸图像即可，只要多个环境图像中存在一个环境图像中的人脸图像与预先存储的服务请求方的人脸图像的匹配度大于设定匹配度阈值，则确定该取消订单为异常订单。其中，通过人脸检测算法从图像中识别人脸图像，人脸检测算法在现有技术中已有详细的介绍，此处不再进行过多说明。
针对每个环境图像中包括多名乘客的情况：针对每个环境图像，从该环境图像中通过人脸检测算法识别该环境图像中包含的多个人脸图像，依次比对多个人脸图像中的每个人脸图像与预先存储的服务请求方的人脸图像，若多个人脸图像中存在一个人脸图像与预先存储的服务请求方的人脸图像的匹配度大于设定匹配度阈值，则确定该环境图像与预先存储的服务请求方的人脸图像的匹配度大于设定匹配度阈值，只要多个环境图像中存在一个环境图像对应的匹配度阈值大于设定匹配度阈值，即可确定取消订单为异常订单。事实上，仅通过一个环境图像与预先存储的服务请求方的图像信息进行比对的情况的准确度可能比较差，因此，可以确定连续的几个环境图像与预先存储的图像信息的匹配度，若连续几个环境图像的匹配度均大于设定匹配度阈值，则确定取消订单为异常订单，针对环境图像中仅包括一个乘客的情况，也可以通过确定连续几个环境图像与预先存储的图像信息之间的匹配度确定取消订单是否异常，这样，可以提高将取消订单确定为异常订单的准确度。
例如，针对取消订单对应的司机A的车辆中乘坐两名乘客(乘客B和乘客C)、且两名乘客中包括下单乘客(乘客B为下单乘客)的情况进行说明，司机A车辆中的行车记录仪中间隔1分钟向用车平台服务器传输的5个环境图像，每个环境图像包含乘客B和乘客C的人脸图像，用车平台服务器在接收到环境图像后，针对每个环境图像后，通过人脸检测算法从该环境图像中识别出乘客B和C的人脸图像，依次比对识别出的乘客B和乘客C的人脸图像和预先存储的下单乘客(乘客B)的图像信息，根据乘客B的人脸图像和预先存储的下单乘客的人脸图像的比对结果确定乘客B对应的匹配度大于设定匹配度阈值，根据乘客C的人脸图像和预先存储的下单乘客的人脸图像的比对结果确定乘客C对应的匹配度小于设定匹配度阈值，若存在连续三个环境图像中的乘客B的人脸图像与预先存储的下单乘客的人脸图像之间的匹配度均大于设定匹配度阈值，此时，可以乘客B取消了订单，乘客B取消的订单为异常订单。
在确定该取消订单为异常订单后，用车平台服务器可以将司机A的服务权限设置为禁止提供服务权限，若司机A在当前取消订单请求之前已发生过3次取消订单行为，此时，可以将司机A的禁止服务时长设置为15天，在15天内禁止司机A继续从用车平台接收订单，同时，用车平台服务器可以通过短信息的方式向司机A发送警示信息，警示信息的内容可以“您将在15天内禁止提供出行服务，请遵守本平台规则。”。
参考图3，在多媒体信息为音频信息时，根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作，进一步包括以下步骤：
S301，根据所述音频信息与所述取消订单对应的服务请求方预先存储的音频信息的比较结果，确定所述匹配度；
S302，根据所述匹配度，确定针对所述取消订单请求的响应操作。
这里，服务请求方预先存储的音频信息一般存储在用车平台服务器中，可以为服务请求中在用车平台注册时存储的音频信息，一般为服务请求方的声纹信息。
在具体实施中，用车平台服务器在预设时长内接收到的音频信息中一般包括多个音频，针对每个音频，比对该音频与取消订单对应的服务请求方预先存储的音频信息，得到该音频与取消订单对应的服务请求方对应的音频信息的相似度，将该相似度作为该音频对应的匹配度，若多个音频中存在一个或者一个以上的音频对应的匹配度大于设定匹配度阈值，则可以确定取消订单为异常订单，此时，用车平台服务器禁止取消订单对应的服务提供方接收订单，或者，向服务提供方发送警示信息，或者，在禁止取消订单对应的服务提供方接收订单的同时，向服务提供方发送警示信息。
由于乘客在乘坐车辆时，可能不止一个乘客，有可能包括多个乘客，因此，用车平台服务器获取到的多个音频中的每个音频中，可能包括一个乘客与司机的音频，也可能包括多个乘客与司机的音频。
针对每个音频中仅包括一名乘客的情况，从音频中识别声纹信息，比对每个音频中识别到的声纹信息与预先存储的服务请求方的声纹信息即可，若多个音频中存在一个音频中的声纹信息与预先存储的服务请求方的声纹信息的匹配度大于设定匹配度阈值，则确定该取消订单为异常订单。其中，通过声纹检测算法从音频中识别声纹信息，声纹检测算法在现有技术中已有详细的介绍，此处不再进行过多说明。
针对每个音频中包括多名乘客的情况，针对每个音频，从该音频中获取该音频中包含的多个乘客对应的声纹信息，依次比对多个声纹信息与预先存储的服务请求方的声纹信息，若多个声纹信息中存在一个声纹信息与预先存储的服务请求方的声纹信息的匹配度大于设定匹配度阈值，则确定该音频与预先存储的服务请求方的音频信息的匹配度大于设定匹配度阈值，只要多个音频中存在一个音频对应的匹配度阈值大于设定匹配度阈值，即可确定取消订单为异常订单。由于仅通过一个音频与预先存储的服务请求方的音频信息进行比对的情况的准确度比较差，因此，可以确定连续的几个音频与预先存储的音频信息的匹配度，若连续几个音频对应的匹配度均大于设定匹配度阈值，则确定取消订单为异常订单，针对音频中仅包括一个乘客的情况，也可以通过确定连续几个音频与预先存储的音频信息之间的匹配度确定取消订单是否异常，这样，可以提高将取消订单确定为异常订单的准确度。
例如，延续上一个示例，同样针对取消订单后司机A的车辆中乘坐两名乘客(B和C)、且两名乘客中包括下单乘客(乘客B)的情况进行说明，司机A车辆中的行车记录仪传输的多个音频中包含两个乘客B和乘客C以及司机A的声纹信息，用车平台服务器在接收到多个(如，5个)音频后，针对每个音频后，通过声纹检测算法从该音频中识别出乘客B、C和司机A的声纹信息，依次比对识别出的乘客B、乘客C和司机A的声纹信息和预先存储的下单乘客的声纹信息，根据乘客B的声纹信息和预先存储的下单乘客的声纹信息的比对结果，确定的乘客B对应的匹配度大于设定匹配度阈值，根据乘客C和司机A的声纹信息和预先存储的下单乘客的音频信息的比对结果，确定的乘客C对应的匹配度和司机A对应的匹配度小于设定匹配度阈值，若存在连续三个音频中的乘客B的声纹信息与预先存储的下单乘客的声纹信息之间的匹配度均大于设定匹配度阈值，此时，可以确定该取消订单为异常订单。
在确定该取消订单为异常订单后，用车平台服务器针对司机A的响应操作的方式与上一个示例相同，此处不再进行展开说明，可参考上一个示例。
此处应当注意，在通过图像信息确定匹配度和通过音频信息确定匹配度时的设定匹配度阈值可以相同，也可以不同，可以根据实际情况确定。
参考图4，环境信息中除了包括多媒体信息外，还包括GPS信息，除了通过多媒体信息确定针对取消订单请求对应的响应操作外，还可以根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作，进一步包括以下步骤：
S401，根据所述服务提供方的GPS信息与所述取消订单对应的服务请求方的GPS信息的比较结果，确定所述匹配度；
S402，根据所述匹配度，确定针对所述取消订单请求的响应操作。
这里，服务请求方的GPS信息一般是用车平台服务器在获取取消订单请求的同时获取的，服务请求方的GPS信息一般为经纬度信息；
在具体实施中，在用车平台接收到取消订单请求后，获取取消请求时间对应的取消订单请求中服务请提供方的GPS信息和取消订单对应的服务请求方的GPS信息，根据服务提供方的GPS信息和取消订单对应的服务请求方的GPS信息，以及距离计算公式，计算取消订单请求对应的服务请求方和服务提供方的距离，将该距离作为匹配度，距离越近，匹配度越大，反之，匹配度越小。其中，通过距离计算公式计算服务请求方和服务提供方之间的距离的技术在现有技术中已有详细的介绍，此处不再进行过多说明。
在该匹配度大于设定匹配度阈值，也就是说，当服务提供方与服务请求方距离很近时，服务提供方与服务请求方中的任何一方由于原因一或原因二取消订单的概率很小，本申请忽略小概率事件，导致取消订单行为发生的原因很大概率是由于原因三导致的，因此，在用车平台服务器确定服务提供方与服务请求方距离很近(匹配度大于设定匹配度阈值)时，接收到取消订单请求后，则确定取消订单为异常订单，也就是说，取消订单对应的服务提供方存在不正当操作行为，确定针对取消订单请求的响应操作。
若该匹配度小于设定匹配度阈值，也就是说，服务提供方与服务请求方距离比较远，则确定取消订单为正常订单，也就是说，取消订单可能是由于上文的原因一和原因二导致的，此时，可以继续向取消订单请求对应的服务提供方发送订单。
例如，取消订单请求对应的司机A和乘客B，在用车平台接收到取消订单请求后，获取司机A的GPS信息和乘客B的GPS信息，将司机A的GPS信息和乘客B的GPS信息输入到距离计算公式中，计算取消订单请求时司机A和乘客B之间的距离，若设定的距离阈值为2米，司机A和乘客B之间的距离为0.8m，司机A与乘客B之间的距离小于设定距离阈值，此时，司机A或司机A诱导乘客B发生了不正当操作行为，用车平台可以将司机A的服务权限设置为禁止提供服务权限，若司机A在当前取消订单请求之前已发生过5次取消订单行为，此时，可以将设置司机A设置为用车平台中的黑名单用户，禁止该司机A从用车平台接收订单，同时，用车平台服务器可以通过短信息的方式向司机A发送警示信息，警示信息的内容可以“您已进入本用车平台的黑名单。”，以便于减少由于司机的不合理操作或不正当行为给用车平台带来的负面影响，使得用车平台更好的为乘客提供服务。
事实上，用车平台可能会在同一时刻接收到大量的取消订单请求，而用车平台在接收到大量取消订单请求后，需要从接收到的大量取消订单中识别出异常订单，也就是说，要识别出由于上文所述的原因三导致的取消订单，在通过多媒体信息(如，图像信息或音频信息)进行识别时，获取的多媒体信息的清晰度会受到环境的影响，如，在多媒体信息为夜间从车辆中获取的图像信息时，在天色比较昏暗的环境中获取的图像相较于明亮的环境的获取的图像清晰度要差很多，当获取的图像的清晰度比较差时，增加了人脸检测技术对人脸进行检测的难度，也降低了识别出的人脸图像的准确度，从而降低了人脸图像与预先存储的图像信息对比时的准确度，进而，可能导致将异常的取消订单识别为正常的订单，降低了从大量取消订单中识别异常的订单的准确度。
基于上述可能存在的问题，本申请考虑取消订单请求发生且取消订单并未被识别为异常订单的情况，结合取消订单中的服务起始地点和服务结束地点对并未识别为异常订单的取消订单进行进一步的识别。
参考图5，在根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作时，具体包括以下步骤：
S501，获取取消订单请求；
S502，基于所述取消订单请求对应的属性信息，获取所述取消订单对应的服务提供方所处环境信息；
S503，根据所述环境信息和所述取消订单请求对应的服务请求方信息确定匹配度；
这里，根据环境信息和服务请求方信息确定匹配的过程上文已进行详细叙述，此处不再进行说明。
S504，判断所述匹配度是否超过设定匹配度阈值；
S505，若所述匹配度未超过设定匹配度阈值，则确定针对所述取消订单请求的响应操作。
S506，若所述匹配度未超过设定匹配度阈值，则获取服务提供方在所述取消订单的原服务时间区间内的服务状态信息；
这里，原服务时间区间为根据取消请求时间以及取消订单对应的理论服务时长确定的，理论服务时长是根据属性信息中的服务起始位置信息和服务结束位置信息确定的；设定匹配度阈值一般是预先设置的，匹配度阈值的大小可以根据实际情况确定，本申请对此不予限制。
S507，根据所述服务状态信息，确定针对所述取消订单请求的响应操作。
这里，服务状态信息包括服务状态和空闲状态，服务状态表征服务提供方在为服务请求方提供出行服务，也就是说，服务提供方正在接收的用车平台服务器广播的出行订单中的服务请求方服务中，空闲状态表征服务提供方未提供出行服务，也就是说，服务提供方并没有接收用车平台服务器广播的订单。
在具体实施中，在确定环境信息与取消订单请求对应的服务请求方信息的匹配度后，比对该匹配度与设定匹配度阈值，在该匹配度小于或者等于设定匹配度阈值时，获取服务提供方在取消订单的原服务时间区间内的服务状态信息(下文详述如何计算原服务时间区间)。
实际上，由于原因一或原因二导致的取消订单，相应的服务请求方会在较短的时间内重新接收新的出行订单，因此，在获取到服务状态信息后，判断服务提供方在原服务时间区间内维持空闲状态的时长是否超过理论服务时长，若服务提供方在原服务时间区间内维持空闲状态的时长超过理论服务时长，则确定服务提供方在理论服务时长内未接收任何订单，此时，可以确定取消订单为异常订单，并确定针对取消订单对应的服务提供方的响应操作(如，发送警示信息或者禁止服务提供方接收订单)；若服务提供方在原服务时间区间内维持空闲状态的时长未超过理论服务时长，则确定服务提供方在理论服务时长内重新接收了其他订单，此时，确定取消订单为正常撤销的订单，服务提供方可以继续接收订单。
例如，取消订单请求对应的司机为A，取消请求时间为8:00，取消订单对应的理论服务时长为30分钟，取消订单对应的原服务时间区间为8:00-8:30，获取8:00到8:30之间司机A的服务状态信息，若司机A在8:00到8:30之间未提供出行服务，也就是说，司机A未接收其它订单，司机A处于空闲状态的时长至少为30分钟，则确定司机A对应的取消订单为异常订单，并确定针对司机A的响应操作(上文已叙述，此处不展开说明)，若司机A仅在8：00-8：05之间处于空闲状态，8:05之后接收订单并为其他服务请求方提供出行服务，则确定司机A对应的取消订单为正常取消订单，此时，用车平台继续为司机A广播其它订单。
可以基于以下方式中的任意一种方式计算服务提供方的原服务时间区间。
方式一：获取取消订单对应的服务提供方所对应的历史时间段的历史出行数据，历史出行数据包括历史服务起始位置信息、历史服务结束位置信息、历史路径选择方式等信息，其中，历史路径选择方式包括路程最短、时间最短、红绿灯最少。从历史出行数据中，统计历史路径选择方式中每种方式对应的次数，将表征最大值的次数对应的历史路径选择方式作为计算原服务时间区间内服务提供方选择的路径出行方式，根据确定的服务提供方的路径出行方式，以及取消订单对应的服务起始位置信息和服务结束位置信息，计算取消订单对应的理论服务时长，根据取消请求时间和理论服务时长确定原服务时间区间。其中，可以根据行驶时长预测模型计算服务起始位置到服务结束位置之间的服务时长，行驶时长预测模型是经过大量的样本数据训练得到的，训练模型的方法在现有技术中已有详细的介绍，此处不再进行过多说明。
这里，历史时间段可以为取消请求时间之前的预设数目个月，预设数目可以为3、6、9等，可根据实际情况确定；历史服务起始位置信息表征历史出行订单中的服务起始点的GPS信息，历史服务结束位置信息表征历史出行订单中的服务结束点的GPS信息；路程最短表征服务起始位置和服务结束位置之间的距离最短，时间最短表征服务起始位置到服务结束位置之间的行驶时长最短，红路灯最小表征服务起始位置到服务结束位置之间的红绿灯数目最少。
在具体实施中，在获取到取消请求时间之前预设数目个月的服务提供方的的历史出行数据后，从历史出行数据中，统计历史路径选择方式中包括的路程最短对应的次数、时间最短对应的次数、红绿灯最小对应的次数，将表征最大值的次数对应的历史路径选择方式确定为取消订单对应的服务提供方选择的路径出行方式，进一步，将确定的服务提供方的路径选择方式、取消订单对应的服务起始位置信息和服务结束位置信息输入到行驶时长预测模型中，得到取消订单对应的理论服务时长，将取消请求时间作为原服务时间区间的区间起点，将取消请求时间与理论服务时长的和值作为原服务时间区间的区间终点。
例如，取消订单对应的服务起始位置为S，服务结束位置为T，取消订单对应的服务提供方为司机A，取消请求时间为T0，从用车平台服务器中获取司机A在取消请求时间之前N个月的历史出行数据，若从历史出行数据中，统计历史出行订单中对应的路程最短对应的次数为N1、时间最短对应的次数为N2次、红绿灯最小对应的次数为N3次，时间最短对应的次数N2次为上述三种历史路径选择方式中次数最大的，因此，时间最短作为取消订单对应的服务提供方的路径选择方式，进一步，将确定的时间最短路径选择方式、服务起始位置S位置的位置信息和服务结束位置T位置的位置信息，输入到预设的行驶时长预测模型，得到取消订单对应的理论服务时长为Ts分钟，取消订单对应的原服务时间区间为T0到T0+Ts。
方式二：获取使用用车平台的各服务提供方(包括取消订单对应的服务提供方)对应的历史时间段的历史出行数据，历史出行数据中包括历史出行时间、历史出行路径(包括多个历史出行路段)、历史服务起始位置信息、历史服务结束位置信息、历史出行路段行驶时长等，其中，历史出行时间包括出行订单对应的服务起始时间、服务结束时间以及服务提供方经过每个历史出行路段的时间；根据取消订单对应的服务请求方位置信息和服务提供方位置信息，确定取消订单请求对应的出行路径，该出行路径中包括多个出行路段。
随后，从历史出行数据中，选择与每个出行路段一致的历史出行路段对应的多个历史路段行驶时长，从多个历史路段行驶时长中，选择与取消请求时间对应的历史路段行驶时长，计算各出行路段对应的历史路段行驶时长的和值，将该和值作为取消订单对应的理论服务时长，根据取消请求时间和理论服务时长确定取消订单对应的原服务时间区间。其中，根据服务起始位置信息和服务结束位置信息确定出行路径的方式在现有技术已有详细的介绍，此处不再进行过多说明。
这里，历史出行路段行驶时长表征服务提供方经过历史出行路径中包括的各历史出行路段的行驶时长。
在具体实施中，获取取消请求时间之前预设数目个月的使用用车平台的各服务提供方所对应的的历史出行数据，根据取消订单对应的服务起始位置信息和服务结束位置信息，确定服务提供方在为取消订单对应的服务请求方提供服务时的出行路径，该出行路径中包括多个出行路段。从获取的各服务提供方的历史出行数据中，选择与每个出行路段一致的历史出行路段，并确定选择的各历史出行路段对应的多个历史路段行驶时长。
由于不同时刻交通路况不同，不同时刻经过同一路段的行驶时长不同，因此，每个历史出行路段会对应多个历史路段行驶时长。根据历史出行数据中服务提供方经过各历史出行路段的时间，从多个历史路段行驶时长中，选择与取消请求时间对应的历史路段行驶时长，计算各出行路段对应的历史路段行驶时长的和值，将该和值作为取消订单对应的理论服务时长，将取消请求时间作为原服务时间区间的区间起点，将取消请求时间与理论服务时长的和值作为原服务时间区间的区间终点。
例如，取消订单对应的服务起始位置为S，服务结束位置为T，取消订单对应的服务提供方为司机A，取消订单时间为T0，从用车平台服务器中获取各个司机(包括司机A)在取消请求时间之前N个月的历史出行数据(可以从历史出行订单中确定)，进一步，确定S位置到T位置的出行路径P，出行路径P中包括3个出行路段(如，P1-P2-P3)，从各服务提供方的历史出行数据中，选择与P1、P2、P3一致的历史出行路段，并确定与P1一致的历史出行路段对应的历史路段行驶时长为T11、T12、T13，确定与P2一致的历史出行路段对应的历史路段行驶时长为T21、T22、T23，确定与P3一致的历史出行路段对应的历史路段行驶时长为T31、T32、T33，依次确定P1、P2、P3的行驶时长，与T0对应的P1的历史行驶时长为T11，则P1的行驶时长为T11，与T0+T11对应的P2的历史行驶时长为T22，则P2的行驶时长为T22，与T0+T11+T22对应的P3的历史行驶时长为T31，则P3的行驶时长为T31，出行路径P的可能行驶时长为T11+T22+T31，该取消订单请求的原服务时间区间为T0到T0+T11+T22+T31。
本申请实施例提供的异常订单处理方法，通过获取取消订单请求，然后根据取消订单请求对应的属性信息，获取取消订单对应的服务提供方所处环境信息，进一步，根据环境信息和取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作。这样，能够有效的从取消订单中识别出异常订单，并针对识别出的异常订单对应的服务提供方进行干预，以减少服务提供方的不合理操作行为，提高服务请求方的体验。
本申请实施例提供了一种异常订单处理装置60，如图6所示，该装置包括：
第一获取模块61，用于获取取消订单请求；
第二获取模块62，用于基于所述取消订单请求对应的属性信息，获取所述取消订单对应的服务提供方所处环境信息；
确定模块63，用于根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作。
可选地，所述环境信息包括所述取消订单请求对应的服务提供方所处环境中的多媒体信息。
可选地，所述多媒体信息包括图像信息，
所述确定模块63，具体用于：
根据所述图像信息与所述取消订单对应的服务请求方预先存储的图像信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
可选地，所述多媒体信息包括音频信息，所述确定模块63，具体用于：
根据所述音频信息与所述取消订单对应的服务请求方预先存储的音频信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
可选地，所述环境信息包括GPS信息；所述确定模块63，具体用于：
根据所述服务提供方的GPS信息与所述取消订单对应的服务请求方的GPS信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
可选地，所述响应操作的方式包括以下至少一种：
禁止所述服务提供方接收订单；或者，
向所述服务提供方发送警示信息。
可选地，所述确定模块63，具体用于：
判断所述匹配度是否超过设定匹配度阈值；
若所述匹配度未超过所述设定匹配度阈值，则获取服务提供方在所述取消订单的原服务时间区间内的服务状态信息；
根据所述服务状态信息，确定针对所述取消订单请求的响应操作。
可选地，所述原服务时间区间为根据取消请求时间以及取消订单对应的理论服务时长确定的，理论服务时长是根据属性信息中的服务起始位置信息和服务结束位置信息确定的。
可选地，所述第二获取模块62，具体用于：
在所述属性信息中的取消请求时间之后的预设时长内，获取与所述取消订单请求对应的服务提供方所处环境信息。
如图7所示，电子设备700可以包括连接到网络的网络端口701、用于执行程序指令的一个或多个处理器702、通信总线703、和不同形式的存储介质704，例如，磁盘、ROM、或RAM，或其任意组合。示例性地，计算机平台还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。根据这些程序指令可以实现本申请的方法。电子设备700还包括计算机与其他输入输出设备(例如键盘、显示屏)之间的输入/输出(Input/Output，I/O)接口705。
为了便于说明，在电子设备700中仅描述了一个处理器。然而，应当注意，本申请中的电子设备700还可以包括多个处理器，因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如，若电子设备700的处理器执行步骤A和步骤B，则应该理解，步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如，第一处理器执行步骤A，第二处理器执行步骤B，或者第一处理器和第二处理器共同执行步骤A和B。
下面以一个处理器为例，处理器702执行存储介质704中存储的如下程序指令：
获取取消订单请求；
基于所述取消订单请求对应的属性信息，获取所述取消订单对应的服务提供方所处环境信息；
根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作。
上述环境信息包括所述取消订单请求对应的服务提供方所处环境中的多媒体信息。
在一种实施方式中，所述多媒体信息包括图像信息，处理器702执行的程序指令根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作具体包括：
根据所述图像信息与所述取消订单对应的服务请求方预先存储的图像信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
在一种实施方式中，所述多媒体信息包括音频信息，处理器702执行的程序指令根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作具体包括：根据所述音频信息与所述取消订单对应的服务请求方预先存储的音频信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
在一种实施方式中，所述环境信息包括GPS信息；处理器702执行的程序指令根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作具体包括：所述确定模块，具体包括：
根据所述服务提供方的GPS信息与所述取消订单对应的服务请求方的GPS信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
上述响应操作的方式包括以下至少一种：
禁止所述服务提供方接收订单；或者，
向所述服务提供方发送警示信息。
在一种实施方式中，处理器702执行的程序指令根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作具体包括：
判断所述匹配度是否超过设定匹配度阈值；
若所述匹配度未超过所述设定匹配度阈值，则获取服务提供方在所述取消订单的原服务时间区间内的服务状态信息；
根据所述服务状态信息，确定针对所述取消订单请求的响应操作。
上述原服务时间区间为根据取消请求时间以及取消订单对应的理论服务时长确定的，理论服务时长是根据属性信息中的服务起始位置信息和服务结束位置信息确定的。
在一种实施方式中，处理器702执行的程序指令基于所述取消订单请求对应的属性信息，获取所述取消订单对应的服务提供方所处环境信息具体包括：
在所述属性信息中的取消请求时间之后的预设时长内，获取与所述取消订单请求对应的服务提供方所处环境信息。
对应于图1至图5中的异常订单处理方法，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上述异常订单处理方法的步骤。
具体地，该计算机可读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，能够执行上述异常订单处理方法，从而减少出行服务中的不合理操作行为导致的异常订单。
基于相同的技术构思，本申请实施例还提供了一种计算机程序产品，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上述异常订单处理方法的步骤，具体实现可参见上述方法实施例，在此不再赘述。
本申请实施例提供的异常订单处理方法、装置、电子设备及计算机可读存储介质，通过获取取消订单请求，然后根据取消订单请求对应的属性信息，获取取消订单对应的服务提供方所处环境信息，进一步，根据环境信息和取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作。这样，能够有效的从取消订单中识别出异常订单，并针对识别出的异常订单对应的服务提供方进行干预，以减少服务提供方的不合理操作行为，提高服务请求方的体验。
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 (16)
1.一种异常订单处理方法，其特征在于，包括：
获取取消订单请求；
基于所述取消订单请求对应的属性信息，获取所述取消订单对应的服务提供方所处环境信息；
根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作；
其中，所述根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作，包括：
判断所述匹配度是否超过设定匹配度阈值；
若所述匹配度未超过所述设定匹配度阈值，则获取服务提供方在所述取消订单的原服务时间区间内的服务状态信息；所述服务状态信息包括服务状态和空闲状态；所述原服务时间区间为根据取消请求时间以及取消订单对应的理论服务时长确定的，所述理论服务时长是根据属性信息中的服务起始位置信息和服务结束位置信息确定的；
若服务提供方在原服务时间区间内维持空闲状态的时长超过理论服务时长，则确定所述取消订单为异常订单，并确定针对所述取消订单对应的服务提供方的响应操作。
2.如权利要求1所述的方法，其特征在于，所述环境信息包括所述取消订单请求对应的服务提供方所处环境中的多媒体信息。
3.如权利要求2所述的方法，其特征在于，所述多媒体信息包括图像信息，
所述根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作，进一步包括：
根据所述图像信息与所述取消订单对应的服务请求方预先存储的图像信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
4.如权利要求2所述的方法，其特征在于，所述多媒体信息包括音频信息，所述根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作，进一步包括：
根据所述音频信息与所述取消订单对应的服务请求方预先存储的音频信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
5.如权利要求1所述的方法，其特征在于，所述环境信息包括GPS信息；所述根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作，进一步包括：
根据所述服务提供方的GPS信息与所述取消订单对应的服务请求方的GPS信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
6.如权利要求1-5中任一项所述的方法，其特征在于，所述响应操作的方式包括以下至少一种：
禁止所述服务提供方接收订单；或者，
向所述服务提供方发送警示信息。
7.如权利要求1所述的方法，其特征在于，所述基于所述属性信息，获取所述取消订单请求对应的服务提供方所处环境信息，包括：
在所述属性信息中的取消请求时间之后的预设时长内，获取与所述取消订单请求对应的服务提供方所处环境信息。
8.一种异常订单处理装置，其特征在于，包括：
第一获取模块，用于获取取消订单请求；
第二获取模块，用于基于所述取消订单请求对应的属性信息，获取所述取消订单对应的服务提供方所处环境信息；
确定模块，用于根据所述环境信息和所述取消订单请求对应的服务请求方信息的匹配度，确定针对所述取消订单请求的响应操作；
所述确定模块，具体用于：
判断所述匹配度是否超过设定匹配度阈值；
若所述匹配度未超过所述设定匹配度阈值，则获取服务提供方在所述取消订单的原服务时间区间内的服务状态信息；所述服务状态信息包括服务状态和空闲状态；所述原服务时间区间为根据取消请求时间以及取消订单对应的理论服务时长确定的，所述理论服务时长是根据属性信息中的服务起始位置信息和服务结束位置信息确定的；
若服务提供方在原服务时间区间内维持空闲状态的时长超过理论服务时长，则确定所述取消订单为异常订单，并确定针对所述取消订单对应的服务提供方的响应操作。
9.如权利要求8所述的装置，其特征在于，所述环境信息包括所述取消订单请求对应的服务提供方所处环境中的多媒体信息。
10.如权利要求9所述的装置，其特征在于，所述多媒体信息包括图像信息，
所述确定模块，具体用于：
根据所述图像信息与所述取消订单对应的服务请求方预先存储的图像信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
11.如权利要求9所述的装置，其特征在于，所述多媒体信息包括音频信息，所述确定模块，具体用于：
根据所述音频信息与所述取消订单对应的服务请求方预先存储的音频信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
12.如权利要求8所述的装置，其特征在于，所述环境信息包括GPS信息；所述确定模块，具体用于：
根据所述服务提供方的GPS信息与所述取消订单对应的服务请求方的GPS信息的比较结果，确定所述匹配度；
根据所述匹配度，确定针对所述取消订单请求的响应操作。
13.如权利要求8-12中任一项所述的装置，其特征在于，所述响应操作的方式包括以下至少一种：
禁止所述服务提供方接收订单；或者，
向所述服务提供方发送警示信息。
14.如权利要求8所述的装置，其特征在于，所述第二获取模块，具体用于：
在所述属性信息中的取消请求时间之后的预设时长内，获取与所述取消订单请求对应的服务提供方所处环境信息。
15.一种电子设备，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，当电子设备运行时，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7任一所述方法的步骤。
16.一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7任一所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910054928.0A CN111461368B (zh) | 2019-01-21 | 2019-01-21 | 异常订单处理方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910054928.0A CN111461368B (zh) | 2019-01-21 | 2019-01-21 | 异常订单处理方法、装置、设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111461368A CN111461368A (zh) | 2020-07-28 |
| CN111461368B true CN111461368B (zh) | 2024-01-09 |
Family
ID=71682135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910054928.0A Active CN111461368B (zh) | 2019-01-21 | 2019-01-21 | 异常订单处理方法、装置、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111461368B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112541801A (zh) * | 2020-12-08 | 2021-03-23 | 深圳市丰巢网络技术有限公司 | 一种快件的揽件控制方法、装置、电子设备及存储介质 |
| CN113408953A (zh) * | 2021-07-16 | 2021-09-17 | 首约科技(北京)有限公司 | 一种线上稽查方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005018307A (ja) * | 2003-06-25 | 2005-01-20 | Hitachi Kokusai Electric Inc | 自動検札システム |
| JP2011154618A (ja) * | 2010-01-28 | 2011-08-11 | Fbinnovation Inc | 移動体用乗客有無判断装置 |
| CN103680135A (zh) * | 2013-12-31 | 2014-03-26 | 北京东方车云信息技术有限公司 | 一种提供打车服务的方法、装置及系统 |
| CN104867324A (zh) * | 2015-05-29 | 2015-08-26 | 小米科技有限责任公司 | 打车服务中识别乘客上车的方法及相关装置 |
| CN106056839A (zh) * | 2016-06-30 | 2016-10-26 | 武汉斑马快跑科技有限公司 | 网约车安全监测系统及方法 |
| CN106789122A (zh) * | 2017-01-09 | 2017-05-31 | 安众创新科技（深圳）有限公司 | 网约车乘客是否上车以及是否计费的判断方法 |
| CN106815560A (zh) * | 2016-12-22 | 2017-06-09 | 广州大学 | 一种应用于自适应驾座的人脸识别方法 |
| CN107016369A (zh) * | 2017-04-07 | 2017-08-04 | 合肥凯越信息科技有限公司 | 一种基于实名制的车载动态乘客数据对比系统及方法 |
| CN107784845A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 对上下车乘客进行身份验证的车辆无人驾驶系统及方法 |
| CN108369645A (zh) * | 2018-02-08 | 2018-08-03 | 深圳前海达闼云端智能科技有限公司 | 一种出租车运营监测方法、设备、存储介质和系统 |
| WO2018192406A1 (zh) * | 2017-04-20 | 2018-10-25 | 腾讯科技（深圳）有限公司 | 身份验证方法及装置、存储介质 |
| CN108830396A (zh) * | 2018-06-14 | 2018-11-16 | 武汉斑马快跑科技有限公司 | 一种乘客上车行为识别方法及装置 |
| CN108921360A (zh) * | 2018-07-27 | 2018-11-30 | 北京小马智行科技有限公司 | 一种基于无人车的社交互动方式、装置及电子设备 |
| WO2018218556A1 (zh) * | 2017-05-31 | 2018-12-06 | 深圳市永恒丰科技有限公司 | 基于人体图像识别的车辆监管方法及装置 |
-
2019
- 2019-01-21 CN CN201910054928.0A patent/CN111461368B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005018307A (ja) * | 2003-06-25 | 2005-01-20 | Hitachi Kokusai Electric Inc | 自動検札システム |
| JP2011154618A (ja) * | 2010-01-28 | 2011-08-11 | Fbinnovation Inc | 移動体用乗客有無判断装置 |
| CN103680135A (zh) * | 2013-12-31 | 2014-03-26 | 北京东方车云信息技术有限公司 | 一种提供打车服务的方法、装置及系统 |
| CN104867324A (zh) * | 2015-05-29 | 2015-08-26 | 小米科技有限责任公司 | 打车服务中识别乘客上车的方法及相关装置 |
| CN106056839A (zh) * | 2016-06-30 | 2016-10-26 | 武汉斑马快跑科技有限公司 | 网约车安全监测系统及方法 |
| CN107784845A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 对上下车乘客进行身份验证的车辆无人驾驶系统及方法 |
| CN106815560A (zh) * | 2016-12-22 | 2017-06-09 | 广州大学 | 一种应用于自适应驾座的人脸识别方法 |
| CN106789122A (zh) * | 2017-01-09 | 2017-05-31 | 安众创新科技（深圳）有限公司 | 网约车乘客是否上车以及是否计费的判断方法 |
| CN107016369A (zh) * | 2017-04-07 | 2017-08-04 | 合肥凯越信息科技有限公司 | 一种基于实名制的车载动态乘客数据对比系统及方法 |
| WO2018192406A1 (zh) * | 2017-04-20 | 2018-10-25 | 腾讯科技（深圳）有限公司 | 身份验证方法及装置、存储介质 |
| WO2018218556A1 (zh) * | 2017-05-31 | 2018-12-06 | 深圳市永恒丰科技有限公司 | 基于人体图像识别的车辆监管方法及装置 |
| CN108369645A (zh) * | 2018-02-08 | 2018-08-03 | 深圳前海达闼云端智能科技有限公司 | 一种出租车运营监测方法、设备、存储介质和系统 |
| CN108830396A (zh) * | 2018-06-14 | 2018-11-16 | 武汉斑马快跑科技有限公司 | 一种乘客上车行为识别方法及装置 |
| CN108921360A (zh) * | 2018-07-27 | 2018-11-30 | 北京小马智行科技有限公司 | 一种基于无人车的社交互动方式、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111461368A (zh) | 2020-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2710571B1 (en) | System for providing traffic data and driving efficiency data | |
| WO2017106256A1 (en) | Systems and methods for adjusting ride-sharing schedules and routes | |
| US20180356237A1 (en) | Enhanced navigation instruction and user determination | |
| US10134285B1 (en) | FleetCam integration | |
| CN111461368B (zh) | 异常订单处理方法、装置、设备及计算机可读存储介质 | |
| CN110395205B (zh) | 车辆事故告警方法、装置、电子设备、存储介质 | |
| US11816737B1 (en) | Driver identity detection and alerts | |
| CN113581195B (zh) | 特种车辆识别方法、电子设备和计算机可读介质 | |
| CN112329963A (zh) | 数据处理方法、数据处理装置、存储介质和电子设备 | |
| WO2018170069A1 (en) | Logic based dispatch control | |
| CN111695956A (zh) | 用于汽车租赁平台的智能服务管理方法、系统及电子设备 | |
| WO2017100790A1 (en) | Enhanced navigation instruction and user determination | |
| CN113610258A (zh) | 一种可接入多个运营平台的网约车车机系统 | |
| CN111368626B (zh) | 车辆识别方法、装置、电子设备和存储介质 | |
| US20200234224A1 (en) | Information processing device, information processing method, and storage medium | |
| CN111148040A (zh) | 一种安全乘车方法、系统、存储介质和智能终端 | |
| JP2020071561A (ja) | 感情推定装置 | |
| CN112700648B (zh) | 确定交通违章位置的方法和装置 | |
| US11363434B1 (en) | Inter-vehicle communication | |
| JP2005293032A (ja) | 車輌運転状況監視システム及びこのシステム用の車輌運転状況監視プログラム。 | |
| CN112002034A (zh) | 车辆事故救援方法、装置、设备及存储介质 | |
| CN112465331A (zh) | 乘车安全控制方法、模型训练方法、装置、设备及介质 | |
| CN112040417A (zh) | 音频标记方法、装置、电子设备及存储介质 | |
| CN111275227A (zh) | 危险性预测方法、装置、电子设备及计算机可读存储介质 | |
| CN113037688B (zh) | 一种出行安全防护方法、装置及TSPaaS系统 |
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 |