CN111626828B - 一种网约车订单风控检测方法、系统、装置及存储介质 - Google Patents
一种网约车订单风控检测方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN111626828B CN111626828B CN202010471241.XA CN202010471241A CN111626828B CN 111626828 B CN111626828 B CN 111626828B CN 202010471241 A CN202010471241 A CN 202010471241A CN 111626828 B CN111626828 B CN 111626828B
- Authority
- CN
- China
- Prior art keywords
- passenger
- driver
- contact information
- wind control
- order
- 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
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
- G06Q30/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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]
- G06Q30/0609—Buyer or seller confidence or verification
Abstract
本发明涉及一种网约车订单风控检测方法和系统,包括:采集整个行程中乘客和司机的运行轨迹;比较所述乘客和所述司机的运行轨迹是否趋近重合;若否,则判断所述乘客和/或所述司机属于非正常用户。本发明提供的方法和系统能够有效地对刷单行为进行检测,通过风控策略,防止乘客和司机串通起来对平台薅羊毛,从而有效降低平台风险,减少平台损失。
Description
技术领域
本发明涉及风险控制检测领域,尤其是网约车及共享出行领域的防欺诈技术。
背景技术
随着技术的进步和互联网的兴起,共享打车出行已经深入人们的生活,不仅为大家的生活带来了便利,也降低了出行的成本。
网约车的平台常常会推出一些优惠或奖励活动,乘客和司机使用平台的网约车服务,可以通过这些优惠或奖励活动来得到返利或其他形式的奖励。但是也出现了一些恶意的刷单行为,用户串通起来通过这些优惠或奖励对平台“薅羊毛”,获取不正当地利益,并且导致平台受损。
例如,乘客和司机串通在平台下单,乘客并没有正常地乘坐司机驾驶的车辆到达订单中指示的目的地,但乘客和司机都依然在平台上正常地完成订单,从而伪装成正常的行程,并通过完成订单来获得平台提供的优惠或奖励。只要乘客支付订单的成本小于所获得的奖励,即可从中获利。
更有甚者,同一个用户使用多个不同的账号在同一时间段内在平台上完成多个订单,从而能够在短时间内获得更多的不正当利益。
这些串通刷单的行为,严重损害了平台和其他正常用户的合法利益,在司机和乘客使用网约车的过程中,为了防止乘客和司机有欺诈行为,需要一种机制对乘客和司机的行为进行分析,防止乘客和司机串通导致平台受损。
因此,本领域的技术人员致力于开发一种能够有效地对欺诈行为进行检测的方法和系统。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是如果有效地对乘客和司机的欺诈行为进行检测。
为实现上述目的,本发明提供了一种网约车订单风控检测方法,包括:采集整个行程中乘客和司机的运行轨迹;比较乘客和司机的运行轨迹是否趋近重合;若否,则判断乘客和/或司机属于非正常用户。
在本发明的较佳实施方式中,在乘客上车时,开始获取乘客和司机的经纬度坐标;在行程中以预设的频率更新并记录经纬度坐标;以及在乘客到达后,结束获取经纬度坐标。
在本发明的较佳实施方式中,根据本次订单将乘客和司机的经纬度坐标进行组合,得到poi集合;以及通过poi集合,得到乘客和司机的运行轨迹。
在本发明的较佳实施方式中,采集与终端设备相关联的订单信息;分析是否有多个订单在同一个时间段内在终端设备上完成;若是,则判断终端设备的用户属于非正常用户。
在本发明的较佳实施方式中,多个订单属于不同的账户。
在本发明的较佳实施方式中,采集乘客和/或司机的联系人信息;分析乘客的联系人信息中是否包含司机,以及司机的联系人信息中是否包含乘客;若乘客的联系人信息中包含司机,和/或司机的联系人信息中包含乘客,则判断乘客和/或司机属于非正常用户。
在本发明的较佳实施方式中,若判断乘客和/或司机属于非正常用户,冻结乘客和/或司机的账户。
另一方面,本发明还提供了一种网约车订单风控检测系统,包括:运行轨迹采集模块,被配置为采集整个行程中乘客和司机的运行轨迹;运行轨迹比较模块,被配置为比较乘客和司机的运行轨迹是否趋近重合;风险判断模块,被配置为根据乘客和司机的运行轨迹是否趋近重合,来判断乘客和/或司机是否属于非正常用户;若否,则判断乘客和/或司机属于非正常用户。
在本发明的较佳实施方式中,还包括:订单信息采集模块,被配置为采集与终端设备相关联的订单信息;订单信息分析模块,被配置为分析是否有多个订单在同一个时间段内在终端设备上完成;风险判断模块进一步被配置为根据是否有多个订单在同一个时间段内在终端设备上完成,来判断乘客和/或司机是否属于非正常用户;若是,则判断乘客和/或司机属于非正常用户。
在本发明的较佳实施方式中,还包括:联系人信息采集模块,被配置为采集乘客和司机的联系人信息;联系人信息分析模块,被配置为分析乘客和司机的联系人信息中是否包含彼此;风险判断模块进一步被配置为根据乘客和司机的联系人信息中是否包含彼此,来判断乘客和/或司机是否属于非正常用户;若乘客的联系人信息中包含司机,和/或司机的联系人信息中包含乘客,则判断乘客和/或司机属于非正常用户。
另一方面,本发明还提供了一种网约车订单风控检测装置,包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序,其特征在于,处理器被配置为能够在执行计算机程序时实现上述的网约车订单风控检测方法的步骤。
另一方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,计算机程序被处理器执行时能够实现上述的网约车订单风控检测方法的步骤。
本发明提供的方法和系统至少具有以下技术效果:能够有效地对刷单行为进行检测,防止乘客和司机串通起来对平台薅羊毛,从而避免平台受损。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明中网约车订单风控检测方法的一个较佳实施例的步骤示意图。
图2是本发明中网约车订单风控检测方法的一个较佳实施例的流程示意图。
图3是本发明中计算机装置、设备或终端的一个较佳实施例的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
为了便于描述,附图中所表示的各个模块或部分之间的连接关系仅为示例性的描述,本领域技术人员完全可以采用其他等效的连接关系,只要在这样的连接关系下各个模块或部分也同样能够实现本申请的技术方案的功能即可。本申请所公开的实施例可以按照不同的等效的连接关系设置,所以附图及其说明书的相关内容中所表示的连接关系只是作为说明而不应视作为限制。
为了阐释的目的而描述了本发明的一些示例性实施例,需要理解的是,本发明可通过附图中没有具体示出的其他方式来实现。
图1是本发明中网约车订单风控检测方法的一个较佳实施例的步骤示意图。如图1所示,网约车订单风控检测方法可以包括以下步骤:
步骤S110,由服务器通过乘客和司机的移动终端采集整个行程中乘客和司机的运行轨迹。在乘客上车时,由服务器通过乘客和司机的手机开始获取乘客和司机的经纬度坐标。在行程中,乘客和司机的手机分别以预设的频率更新、记录并向服务器上传实时的经纬度坐标。在乘客到达后,服务器结束获取经纬度坐标。
在一些实施例中,司机通过平台(例如:顺风车APP)接单后,开始赶往乘客起点,如果乘客上车了,在手机上点击“乘客已到达起点”,安装在乘客和司机手机上的APP开始获取乘客和司机的经纬度坐标,并以预设的频率(例如:1秒、2秒、3秒、4秒、5秒、6秒、7秒、8秒、9秒、10秒/次)上传到服务器端,优选10秒/次。在到达目的地时,乘客通过APP点击“到达目的地”或者“已完成”的按钮,结束经纬度坐标的上报。APP(Application)主要指安装在智能手机上的软件,可以为用户提供更丰富的功能和使用体验。
在一些实施例中,司机和乘客在APP上的各种点击操作,可以被APP自动识别完成,而无需司机和乘客实际的点击操作。例如,当到达目的地时,APP通过GPS等模块检测到已到达目的地,可以无需乘客点击“已完成”按钮,即可自动地进行完成订单的操作,并接着执行相应的操作,例如结束经纬度坐标的上报。
在一些实施例中,可以根据本次订单将乘客和司机的经纬度坐标进行组合,得到poi(Point of Information,信息点)集合,通过poi集合可以得到乘客和司机的运行轨迹。在地理信息系统中,一个poi可以代表地图上的一个点。每个poi可以是具有中文描述的经纬度,可以包含名称、类别、坐标、分类等各方面的信息,对一个地理信息系统来说,poi的数量在一定程度反映了整个系统的精确程度。
步骤S120,由服务器比较乘客和司机的运行轨迹是否趋近重合。通过订单中起点、目的地以及相应的路线信息,结合乘客和司机在行程中的poi集合,即可分别得到乘客和司机的运行轨迹。在行程中,上传经纬度坐标的频率越高,poi数量越多,所得到的运行轨迹也就越精确。在一些实施例中,根据车辆行驶的速度,以及常见的路况,选择10秒/次的上传频率,能够较为准确地反映实际运行轨迹,并且也不会使得频率过高。
将乘客和司机的运行轨迹进行比较,分析其重合程度。在一些实施例中,乘客和司机在整个行程内应始终处于同一个车辆之内,乘客和司机之间的距离不会过大,因此可以通过分析乘客和司机的运行轨迹是否保持在预设距离之内,来判断轨迹是否趋近重合。该预设距离可以设为1米、2米、3米、4米或5米。考虑到测量误差的因素,可以将预设距离设为5米。
步骤S130,如果乘客和司机的运行轨迹没有趋近重合,则由服务器判断乘客和/或司机属于非正常用户。在一些实施例中,在风险检测的过程中一旦判断乘客和/或司机属于非正常用户,则可以说明检测到风险,输出风险检测信号或指示,以便于进行相应的处理。
在一些实施例中,进一步的还可以包括步骤S140,若判断乘客和/或司机属于非正常用户,则服务器可以自动地或提示操作人员冻结乘客和/或司机的账户,使其无法获取不正当的收益和提现,从而避免平台受到损失。
在一些实施例中,还可以包括步骤S150,如果乘客和司机的运行轨迹趋近重合,则服务器可以判断乘客和/或司机属于正常用户,或者通过风险检测。
在一些实施例中,乘客和司机在打开APP,使用顺风车或网约车的过程中,软件或系统可以读取该乘客和司机手机通讯录中的联系人信息。在乘客或司机下单后,也会读取手机设备信息(IMEI)。IMEI是用于在移动电话网络中识别每一部独立的手机等移动通信设备,相当于移动电话的身份证。序列号共有15~17位数字,前8位(TAC)是型号核准号码(早期为6位),是区分手机品牌和型号的编码。接着2位(FAC)是最后装配号(仅在早期机型中存在),代表最终装配地代码。后6位(SNR)是串号,代表生产顺序号。
通过乘客和司机手机或其他终端设备获取的信息,可以用于在风险检测过程中,对乘客和司机的行为进行分析检测,也进一步判断乘客和司机是否存在串通或欺诈行为。
在风险检测的过程中,还可以采集与终端设备相关联的订单信息;分析是否有多个订单在同一个时间段内在终端设备上完成(多个订单可以属于同一个账户,也可以属于不同的账户)。若是,则判断终端设备的用户属于非正常用户,说明检测到风险。
在一些实施例中,在订单完成后,如果该订单有优惠券或其他奖励,则进一步判断当天(或者在某一个时间段内)在同一个设备上是否存在其他订单,如果存在其他订单,则可以通过以下两种规则判断是否为刷单:
(1)其他订单和当前订单是否为同一账户,如果是同一个账户,则可以不进行校验,因为当前设备可以为别人下单,属于正常使用情况,并且平台也可以针对同一个账户的多笔订单设置相应的优惠递减幅度。
(2)如果其他订单和当前订单为不同的账户,则进一步判断其他订单是否也获取到优惠或奖励,如果其他订单也获取到优惠或奖励,则不属于正常使用情况,则可以认为该笔订单是刷单,或者持有当前设备的人为刷单人员,则可以进一步对其采取相应的措施也进行限制,例如冻结账户、限制该设备使用平台等。
在风险检测的过程中,还可以采集乘客和/或司机的联系人信息;分析乘客的联系人信息中是否包含司机,以及司机的联系人信息中是否包含乘客;若乘客的联系人信息中包含司机,和/或司机的联系人信息中包含乘客,则判断乘客和/或司机属于非正常用户,说明检测到风险。
在一些实施例中,可以针对取得优惠的乘客和/或司机,查看该乘客手机通讯录中的联系人中是否保留了司机的联系人信息,或者司机手机通讯录中的联系人中是否保留了乘客的联系人信息。理论上来说,乘客通过平台预约网约车或进行下单操作的,是由平台来分配接单的司机,并且平台也不会将乘客和司机的真实手机号码提供给对方(仅提供虚拟号码供乘客和司机联系),乘客和司机应当事先不认识,也就不可能在其手机通讯录中保存对方的联系人信息。
因此,如果检测到乘客和/或司机的手机通讯录中保留有对方的联系人信息,至少说明乘客和司机事先是认识的,则可以认为该乘客或司机有存在欺诈行为或至少有串通的嫌疑,需要进一步进行判断。
在一些实施例中,可以判断该乘客和司机在以往的历史订单中是否也有交易行为。如果该乘客和司机有历史交易行为,则进一步判断这些历史交易的订单是否使用到平台的奖励或优惠。如果这些历史交易的订单都没有使用到平台的奖励或优惠,还可以认为属于正常使用情况,虽然可能不太符合平台分配网约车订单的规则,但也暂不需要禁止。如果存在历史交易行为并且都使用了平台的奖励或者优惠,则可以认为该乘客或司机是非正常使用,互相串通存在欺诈行为,说明检测到风险,可以进一步冻结该乘客和司机的账户。
与上述的网约车订单风控检测方法相对应的,本发明还提供一种网约车订单风控检测系统,能够执行上述的网约车订单风控检测方法。网约车订单风控检测系统包括运行轨迹采集模块、运行轨迹比较模块和风险判断模块。运行轨迹采集模块被配置为采集整个行程中乘客和司机的运行轨迹。运行轨迹比较模块,被配置为比较乘客和司机的运行轨迹是否趋近重合。风险判断模块,被配置为根据乘客和司机的运行轨迹是否趋近重合,来判断乘客和/或司机是否属于非正常用户,若否,则判断乘客和/或司机属于非正常用户。
在一些实施例中,网约车订单风控检测系统还可以包括订单信息采集模块和订单信息分析模块。订单信息采集模块被配置为采集与终端设备相关联的订单信息。订单信息分析模块被配置为分析是否有多个订单在同一个时间段内在终端设备上完成。风险判断模块进一步被配置为根据是否有多个订单在同一个时间段内在终端设备上完成,来判断乘客和/或司机是否属于非正常用户,若是,则判断乘客和/或司机属于非正常用户。
在一些实施例中,网约车订单风控检测系统还可以包括联系人信息采集模块和联系人信息分析模块。联系人信息采集模被配置为采集乘客和司机的联系人信息。联系人信息分析模块被配置为分析乘客和司机的联系人信息中是否包含彼此。风险判断模块进一步被配置为根据乘客和司机的联系人信息中是否包含彼此,来判断乘客和/或司机是否属于非正常用户,若乘客的联系人信息中包含司机,和/或司机的联系人信息中包含乘客,则判断乘客和/或司机属于非正常用户。
图2是本发明中网约车订单风控检测方法的一个较佳实施例的流程示意图。如图2所示,司机和乘客使用手机进行网约车的相关操作,以及对其进行风控检测。
乘客打开手机中安装的网约车APP,输入行程信息,进行下单操作,例如:输入起点、目的地、出发时间等行程信息;选择相应的网约车类型;选择相应的付款方式;选择平台提供的优惠或奖励等。
司机打开手机中安装的网约车APP,根据平台的规则进行接单操作。例如:平台通过预设的规则自动将订单分配给司机;或者平台APP将订单公布出来,由司机通过APP抢单。
司机接单后,到达上车地点等待乘客上车。当乘客到达上车地点上车后,行程开始,即开始分别记录该乘客和司机的运行轨迹。在一些实施例中,可以是乘客或司机在APP中点击“开始”、“乘客已到达起点”等类似按钮或类似操作,行程开始并开始记录运行轨迹;也可以是根据乘客和司机的定位等信息,由系统自动判定行程开始,并开始记录运行轨迹。
待到达目的地后,完成订单时,开始风控验证。在一些实施例中,可以是乘客或司机在APP中点击“到达目的地”、“已完成”等类似按钮或类似操作,订单完成,开始风控验证;也可以是根据乘客和司机的定位等信息,由系统自动判定行程完成,并开始风控验证。
可以通过以下方式进行风控验证:
(1)判断司机和乘客运行轨迹是否重合。如果司机和乘客运行轨迹不重合,则说明存在风险。
(2)判断乘客和司机联系人中是否有对方手机号。如果乘客和司机联系人中有对方手机号码,则说明存在风险。
(3)判断乘客和司机是否有历史交易行为,并且交易的订单是否都是使用的平台优惠券信息。如果有历史交易行为,并且交易的订单都使用了平台优惠券信息,则说明存在风险。
在一些实施例中,上述几种风控验证方式,可以同步进行,其中一种检测到风险,即可认为乘客和司机属于不正常使用的情况,验证通过,说明存在风险。
在一些实施例中,上述几种风控验证方式,也可以按照预设的顺序执行,一旦检测到风险,即可认为乘客和司机属于不正常使用的情况,验证通过,并退出风控验证,不再执行后续的验证步骤。可以根据检测的效率设置预设的顺序,先执行检测效率相对较高、速度相对较快的风控验证方式,后执行检测效率相对较低、速度相对较慢的风控验证方式。这样一旦先执行的风控验证方式验证通过,检测到存在风险,则可不再执行后续的风控验证方式,能够有效地提升系统的整体运行效率和检测速度。
验证通过后,冻结该乘客和司机账户金额,或者采取其他相应的措施对乘客和司机进行限制。
在一些实施例中,本发明提供的方法和系统可以通过多种方式来分析乘客和司机的行为,以进一步判断乘客和司机是否存在串通或欺诈行为,从而进行风险检测。
在一些实施例中,可以通过司机与乘客的行程轨迹比较来检测风险。
步骤1,乘客和司机在打开APP,使用顺风车过程中,会读取该乘客和司机的联系人信息。在乘客或司机下单后,也会读取手机设备信息(IMEI)。
步骤2,司机通过顺风车APP接单后,开始赶往乘客起点,如果乘客上车了,需要点击“乘客已到达起点”,app开始获取乘客和司机的经纬度坐标,以10s/次的频率上传到服务器端。
步骤3,在乘客通过app点击“到达目的地”或者“已完成”的按钮后,结束经纬度上报开始进行乘客和司机的行为轨迹分析:
(1)将乘客和司机该订单相关的经纬度进行组合,得到poi点集合。
(2)通过poi集合,得到该乘客和司机的运行轨迹。
(3)通过乘客和司机的运行轨迹,查看乘客和司机的运行轨迹是否趋近重合。如果不重合,则认为该乘客或司机属于非正常用户,会冻结该乘客和司机账户,无法获取收益和提现。
(4)如果轨迹重合,还可以进一步通过步骤1中获取的联系人信息,看该乘客联系人中是否保留了司机的联系人信息或者司机联系人中是否保留了乘客联系人信息。如果保留,则认为该乘客或司机有存在欺诈行为,需要进一步的判断:判断该乘客和司机在历史订单中是否有交易行为,如果有,则判断该交易的订单是否都使用到平台的奖励或优惠。如果存在历史交易行为并且都使用了平台的奖励或者优惠,则认为该乘客或司机是非正常用,会冻结该乘客和司机账户。
在一些实施例中,可以通过分析同一台设备在同一时间段内是否存在多个账户完成多个订单的情况来检测风险。
在订单完成后,如果该订单有优惠券,则判断今天在该设备上是否有其他订单,如果存在其他订单,则通过以下2种规则判断是否为刷单。
(1)其他订单和当前订单是否为同一账户,如果是同一个账户,则不校验(因为当前设备可以为别人下单,并且同一个账户多笔订单优惠幅度比较少)。
(2)如果为不同的账户,则判断其他订单是否也获取到优惠,如果获取到优惠,则认为该订单是刷单,则冻结该账户。
在一些实施例中,可以通过司机与乘客手机通讯录中是否有对方的手机号码来检测风险。
针对取得优惠的乘客或司机,查看该乘客联系人中是否保留了司机的联系人信息或者司机联系人中是否保留了乘客联系人信息。如果保留,则认为该乘客或司机有存在欺诈行为,需要进一步的判断:判断该乘客和司机在历史订单中是否有交易行为,如果有,则判断该交易的订单是否都使用到平台的奖励或优惠。如果存在历史交易行为并且都使用了平台的奖励或者优惠,则认为该乘客或司机是非正常用,会冻结该乘客和司机账户。
本发明提供的方法和系统,通过该风控策略,能有效降低平台风险,减少平台损失。
在一些实施例中,本发明还提供一种计算机装置、设备或终端,其一个实施例的内部结构可以如图3所示。该计算机装置、设备或终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,处理器用于提供计算和控制能力,存储器包括非易失性存储介质、内存储器。非易失性存储介质存储有操作系统和计算机程序。内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。网络接口用于与外部的终端通过网络连接通信。计算机程序被处理器执行时以实现本发明公开的各种方法、流程、步骤,或者处理器执行计算机程序时实现本发明公开的实施例中各个模块或单元的功能。显示屏可以是液晶显示屏或者电子墨水显示屏,输入装置可以是显示屏上覆盖的触摸层,也可以是外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
示例性的,计算机程序可以被分割成一个或多个模块或单元,这些模块或单元被存储在存储器中,并可由处理器执行,以实现本发明的技术方案。这些模块或单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在装置、设备或终端中的执行过程。
上述的装置、设备或终端可以是桌上型计算机、笔记本、移动电子设备、掌上电脑及云端服务器等计算设备。本领域技术人员应当理解,图中所示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的装置、设备或终端的限定,具体的装置、设备或终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
处理器可以是中央处理单元(Central Processing Unit,CPU),也可以是其他通用或专用的处理器、微处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器是上述的装置、设备或终端的控制中心,利用各种接口和线路连接装置、设备或终端的各个部分。
存储器可用于存储计算机程序、模块和数据,处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现装置、设备或终端的各种功能。存储器可主要包括程序存储区和数据存储区,其中,程序存储区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;数据存储区可存储根据应用所创建的各类数据(比如多媒体数据、文档、操作历史记录等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)、磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法的步骤。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
上述的装置或终端设备集成的模块和单元,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,可以存储在计算机可读存储介质中。基于这样的理解,本发明实现所公开的各种方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
在一些实施例中,本发明公开的各种方法、流程、模块、装置、设备或系统可以在一个或多个处理装置(例如,数字处理器、模拟处理器、被设计成用于处理信息的数字电路、被设计成用于处理信息的模拟电路、状态机、计算设备、计算机和/或用于以电子方式处理信息的其他机构)中被实现或执行。该一个或多个处理装置可以包括响应于以电子方式存储在电子存储介质上的指令来执行方法的一些或所有操作的一个或多个装置。该一个或多个处理装置可以包括通过硬件、固件和/或软件被配置而专门设计成用于执行方法的一项或多项操作的一个或多个装置。以上所述,仅为本发明较佳的具体实施方式,但本发明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发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
本发明的实施方式可以在硬件、固件、软件或其各种组合中进行,还可以作为存储在机器可读介质上的且可以使用一个或多个处理装置读取和执行的指令来实现。在一些实施方式中,机器可读介质可以包括用于存储和/或传输呈机器(例如,计算装置)可读形式的信息的各种机构。例如,机器可读存储介质可以包括只读存储器、随机存取存储器、磁盘存储介质、光存储介质、快闪存储器装置以及用于存储信息的其他介质,并且机器可读传输介质可以包括多种形式的传播信号(包括载波、红外信号、数字信号)以及用于传输信息的其他介质。虽然在执行某些动作的特定示例性方面和实施方式的角度可以在以上公开内容中描述固件、软件、例程或指令,但将明显的是,这类描述仅出于方便目的并且这类动作实际上由机器设备、计算装置、处理装置、处理器、控制器、或执行固件、软件、例程或指令的其他装置或机器产生。
在本申请的权利要求书和说明书中,用来执行指定功能的模块或者使用功能性特征描述的模块,意在涵盖能够执行该功能的任何方式,例如:执行该功能的电路元件的组合,用来执行或实现该功能的软件,或者任何形式的软件、固件、代码及其与适当电路的组合。由各种模块提供的功能被以权利要求书所主张的方式组合在一起,由此应当认为,是可以提供这些功能的任何模块、部件、元件都等价或等效于权利要求书中限定的模块。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种网约车订单风控检测方法,其特征在于,包括:
采集整个行程中乘客和司机的运行轨迹;
比较所述乘客和所述司机的运行轨迹是否趋近重合;
若否,则采集所述乘客和/或所述司机的联系人信息;
分析所述乘客的联系人信息中是否包含所述司机,以及所述司机的联系人信息中是否包含所述乘客;
若所述乘客的联系人信息中包含所述司机,和/或所述司机的联系人信息中包含所述乘客,则判断所述乘客和司机在以往的历史订单中是否也有交易行为;
若所述乘客和司机有历史交易行为,则进一步判断这些历史交易的订单是否使用平台的奖励或优惠;
若否,则认为是正常使用情况;若是,则判断所述乘客和/或所述司机属于非正常用户。
2.根据权利要求1所述的网约车订单风控检测方法,其特征在于:
在所述乘客上车时,开始获取所述乘客和所述司机的经纬度坐标;
在行程中以预设的频率更新并记录所述经纬度坐标;以及
在所述乘客到达后,结束获取所述经纬度坐标。
3. 根据权利要求2所述的网约车订单风控检测方法,其特征在于:
根据本次订单将所述乘客和所述司机的所述经纬度坐标进行组合,得到poi集合;以及
通过所述poi集合,得到所述乘客和所述司机的运行轨迹。
4.根据权利要求1所述的网约车订单风控检测方法,其特征在于:
采集与终端设备相关联的订单信息;
分析是否有多个订单在同一个时间段内在所述终端设备上完成;
若是,则判断所述终端设备的用户属于非正常用户。
5.根据权利要求4所述的网约车订单风控检测方法,其特征在于:
所述多个订单属于不同的账户。
6.根据权利要求1所述的网约车订单风控检测方法,其特征在于:
若判断所述乘客和/或所述司机属于非正常用户,冻结所述乘客和/或所述司机的账户。
7.一种网约车订单风控检测系统,其特征在于,包括:
运行轨迹采集模块,被配置为采集整个行程中乘客和司机的运行轨迹;
运行轨迹比较模块,被配置为比较所述乘客和所述司机的运行轨迹是否趋近重合;
风险判断模块,被配置为根据所述乘客和所述司机的运行轨迹是否趋近重合,来判断所述乘客和/或所述司机是否属于非正常用户;若否,所述系统还包括:
联系人信息采集模块,被配置为采集所述乘客和所述司机的联系人信息;
联系人信息分析模块,被配置为分析所述乘客和所述司机的联系人信息中是否包含彼此;
所述风险判断模块进一步被配置为根据所述乘客和所述司机的联系人信息中是否包含彼此,来判断所述乘客和/或所述司机是否属于非正常用户;若所述乘客的联系人信息中包含所述司机,和/或所述司机的联系人信息中包含所述乘客,则判断所述乘客和司机在以往的历史订单中是否也有交易行为;若所述乘客和司机有历史交易行为,则进一步判断这些历史交易的订单是否使用平台的奖励或优惠;若否,则认为是正常使用情况;若是,则判断所述乘客和/或所述司机属于非正常用户。
8.根据权利要求7所述的网约车订单风控检测系统,其特征在于,还包括:
订单信息采集模块,被配置为采集与终端设备相关联的订单信息;
订单信息分析模块,被配置为分析是否有多个订单在同一个时间段内在所述终端设备上完成;
所述风险判断模块进一步被配置为根据是否有多个订单在同一个时间段内在所述终端设备上完成,来判断所述乘客和/或所述司机是否属于非正常用户;若是,则判断所述乘客和/或所述司机属于非正常用户。
9.一种网约车订单风控检测装置,包括存储器、处理器以及存储在所述存储器中并能够在所述处理器上运行的计算机程序,其特征在于,所述处理器被配置为能够在执行所述计算机程序时实现根据权利要求1-6中任一项所述的网约车订单风控检测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时能够实现根据权利要求1-6中任一项所述的网约车订单风控检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010471241.XA CN111626828B (zh) | 2020-05-29 | 2020-05-29 | 一种网约车订单风控检测方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010471241.XA CN111626828B (zh) | 2020-05-29 | 2020-05-29 | 一种网约车订单风控检测方法、系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111626828A CN111626828A (zh) | 2020-09-04 |
CN111626828B true CN111626828B (zh) | 2021-09-21 |
Family
ID=72260123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010471241.XA Active CN111626828B (zh) | 2020-05-29 | 2020-05-29 | 一种网约车订单风控检测方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111626828B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926881A (zh) * | 2021-03-29 | 2021-06-08 | 广州宸祺出行科技有限公司 | 一种基于车载系统的防止司机刷单的检测方法及系统 |
CN116934393A (zh) * | 2023-09-15 | 2023-10-24 | 北京龙驹易行科技有限公司 | 代驾订单违规获利的处理方法、系统及计算机设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105657659A (zh) * | 2016-01-29 | 2016-06-08 | 北京邮电大学 | 一种识别打车业务中刷单用户的方法和系统 |
CN106548241A (zh) * | 2016-10-25 | 2017-03-29 | 先锋智道(北京)科技有限公司 | 网约车运行状态的确定方法、装置及系统 |
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 |
CN109146506A (zh) * | 2017-06-28 | 2019-01-04 | 北京嘀嘀无限科技发展有限公司 | 审查作弊订单的方法及系统、终端设备、计算机设备 |
CN111160740A (zh) * | 2019-12-19 | 2020-05-15 | 上海赛可出行科技服务有限公司 | 一种网约车风险控制系统及控制方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106384273B (zh) * | 2016-10-08 | 2020-01-07 | 江苏通付盾科技有限公司 | 恶意刷单检测系统及方法 |
CN110390544A (zh) * | 2018-04-18 | 2019-10-29 | 北京嘀嘀无限科技发展有限公司 | 司机奖励的下发方法及装置 |
CN109636413A (zh) * | 2018-11-23 | 2019-04-16 | 杭州优行科技有限公司 | 一种存储介质、服务器、刷单行为识别方法及装置 |
CN110046951A (zh) * | 2018-12-29 | 2019-07-23 | 中国银联股份有限公司 | 一种交易行为判断方法和系统 |
-
2020
- 2020-05-29 CN CN202010471241.XA patent/CN111626828B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105657659A (zh) * | 2016-01-29 | 2016-06-08 | 北京邮电大学 | 一种识别打车业务中刷单用户的方法和系统 |
CN106548241A (zh) * | 2016-10-25 | 2017-03-29 | 先锋智道(北京)科技有限公司 | 网约车运行状态的确定方法、装置及系统 |
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 |
CN109146506A (zh) * | 2017-06-28 | 2019-01-04 | 北京嘀嘀无限科技发展有限公司 | 审查作弊订单的方法及系统、终端设备、计算机设备 |
CN111160740A (zh) * | 2019-12-19 | 2020-05-15 | 上海赛可出行科技服务有限公司 | 一种网约车风险控制系统及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111626828A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11830297B2 (en) | Method for determining driving characteristics of a vehicle | |
US20210150625A1 (en) | Customizing loan specifics on a per-user basis | |
US20240078571A1 (en) | Systems and methods for managing and processing vehicle operator accounts based on vehicle operation data | |
US10719996B2 (en) | Determining vehicle occupancy using sensors | |
US20170365030A1 (en) | Systems and Methods for Vehicle Ridesharing Management | |
US20240078481A1 (en) | Controlling vehicles using contextual driver and/or rider data based on automatic passenger detection and mobility status | |
US10580080B2 (en) | System and method for dynamic insurance coverage in a subscription vehicle service | |
WO2019014520A1 (en) | CONTROLLING VEHICLES USING CONTEXTUAL DRIVER AND / OR PASSENGER DATA BASED ON AUTOMATIC PASSENGER DETECTION AND MOBILITY STATUS | |
US20110213629A1 (en) | Car sharing | |
WO2020103560A1 (zh) | 风险控制方法、装置、服务器及存储介质 | |
CN111626828B (zh) | 一种网约车订单风控检测方法、系统、装置及存储介质 | |
Rasch et al. | What drives fraud in a credence goods market?–Evidence from a field study | |
CN107808429A (zh) | 基于区块链记录车辆加油信息的方法、设备及介质 | |
US20160012472A1 (en) | Adaptable data collection and analytics platform for matching and monitoring commuter drivers with driven messaging campaigns | |
US11966978B2 (en) | Smart mobility platform | |
US20230121796A1 (en) | Systems and methods for generating mobility insurance products using ride-sharing telematics data | |
US11449950B2 (en) | Data processing systems with machine learning engines for dynamically generating risk index dashboards | |
US20230114108A1 (en) | Managing vehicle operator profiles based on primary and secondary telematics inferences via a telematics marketplace | |
Vavouranakis et al. | Smartphone-based telematics for usage based insurance | |
US20230173394A1 (en) | Systems and methods for tournament-based telematics insurance pricing | |
Chow | Evaluating online surveys for public transit agencies using a prompted recall approach | |
US20220084086A1 (en) | Methods, systems, apparatuses, and devices for facilitating auditing tolling associated with routes | |
US20230146426A1 (en) | Systems and methods for managing vehicle operator profiles based on telematics inferences via an auction telematics marketplace with a bid profit predictive model | |
CN110648213A (zh) | 地址验证方法、装置、设备及计算机可读介质 | |
CN110580634A (zh) | 基于互联网的业务推荐方法、装置及存储介质 |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: Room 501, building 1, No. 898 Xiuwen Road, Minhang District, Shanghai, 201199 Patentee after: Shanghai Halo Pratt&Whitney Technology Co.,Ltd. Address before: Room 501, building 1, No. 898 Xiuwen Road, Minhang District, Shanghai, 201199 Patentee before: SHANGHAI JUNZHENG NETWORK TECHNOLOGY Co.,Ltd. |