CN111832901A - 网约车监控方法、装置、服务器和存储介质 - Google Patents

网约车监控方法、装置、服务器和存储介质 Download PDF

Info

Publication number
CN111832901A
CN111832901A CN202010556182.6A CN202010556182A CN111832901A CN 111832901 A CN111832901 A CN 111832901A CN 202010556182 A CN202010556182 A CN 202010556182A CN 111832901 A CN111832901 A CN 111832901A
Authority
CN
China
Prior art keywords
target vehicle
information
driver
real
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010556182.6A
Other languages
English (en)
Inventor
刘凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN202010556182.6A priority Critical patent/CN111832901A/zh
Publication of CN111832901A publication Critical patent/CN111832901A/zh
Pending legal-status Critical Current

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Abstract

本申请提供了一种网约车监控方法、装置、服务器和存储介质，其中，该方法包括：根据目标车辆的订单数据获取其所在的地理区域的危险程度、以及司机的危险程度、乘客的危险程度；判断地理区域的危险程度、司机的危险程度或乘客的危险程度中的任意一项是否超过预设阈值；若超过，则获取目标车辆内的实时音频信息或实时视频信息进行分析。本申请通过司机和乘客的危险程度以及对车辆所在的区域的危险程度，可以初步确定该车辆所属的订单是否有可能存在异常，若有可能存在异常，则获取目标车辆内实时音频信息或实时视频信息进行进一步分析，从而可以提升异常订单的监测的准确性。

Description

网约车监控方法、装置、服务器和存储介质
技术领域
本申请涉及出行安全技术领域，具体而言，涉及一种网约车监控方法、装置、服务器和存储介质。
背景技术
随着互联网技术的高度发展以及智能设备的普及，传统的交通技术正在逐步进化为智能交通系统，基于互联网的出行方式(如网约车，共享单车等)也应运而生。随着网约车用户的不断增长，网约车订单也在不断增加，影响乘客和司机人身安全的恶性事件也频繁发生。
因此，为了尽早地预测订单是否有异常，避免恶性事件的发生，减少用户伤害，通过监测行程是否异常，以评估潜在风险的方法和系统。但目前网约车的行程异常的监测方法通常是通过订单数据包括的行程起始点及目的地、行程路径、是否偏离预设路径等方式来监测的，此种方式的准确率较低。
发明内容
有鉴于此，本申请的目的在于提供一种网约车监控方法、装置、服务器和计算机可读存储介质，以提升异常订单监控的准确性。
第一方面，本发明实施例提供一种网约车监控方法，方法应用于网约车系统中的服务器，网约车系统还包括与服务器通信连接的客户端，方法包括：
获取目标车辆当前的订单数据，其中，订单数据包括目标车辆所在的地理区域信息、乘客信息及司机信息；
获取目标车辆所在的地理区域的危险程度；
通过预设模型对司机信息及乘客信息进行处理，以获得目标车辆中的司机的危险程度以及乘客的危险程度；
判断地理区域的危险程度、司机的危险程度或乘客的危险程度中的任意一项是否超过预设阈值；
若超过，则获取目标车辆内的实时音频信息或实时视频信息进行分析。
在可选的实施方式中，方法还包括：
根据实时视频信息或实时音频信息的分析结果判断目标车辆是否需要救援；
若需要救援，则通知目标车辆的预设距离范围内的网约车前往救援。
在可选的实施方式中，根据实时视频信息或实时音频信息的分析结果判断目标车辆是否需要救援，包括：
判断目标车辆内的实时音频信息是否包括威胁性的词语或句子；
若包括威胁性的词语或句子，则判定该目标车辆需要救援。
在可选的实施方式中，根据实时视频信息或实时音频信息的分析结果判断目标车辆是否需要救援，还包括：
判断目标车辆内的实时视频信息是否包括危险物品，其中，危险物品包括刀；
若包括危险物品，则判定该目标车辆需要救援。
在可选的实施方式中，在获取目标车辆所在的地理区域的危险程度之前，方法还包括：
对各个地理位置进行区域划分，并获取各地理区域内的历史订单数据，其中，历史订单数据中包括报警信息；
根据历史订单数据统计各地理区域内的报警次数，根据统计结果计算各地理区域的危险程度。
在可选的实施方式中，在获取目标车辆所在的地理区域的危险程度之前，方法还包括：
对各个地理位置进行区域划分，并获取各地理区域内的历史订单数据；
根据历史订单数据统计各个地理区域作为上车点或下车点的次数，根据统计结果计算各地理区域的危险程度。
在可选的实施方式中，在通过预设模型对司机信息及乘客信息进行处理之前，方法还包括：
获取多个历史订单，根据各历史订单中的司机的历史数据进行模型训练，获得第一预测模型，其中，历史订单包括多个被标记的危险订单。
在可选的实施方式中，司机的历史数据包括预设时间范围内该司机的被投诉次数、出车频次、订单总量、车辆价格及车辆型号中的至少一种。
在可选的实施方式中，通过预设模型对当前订单中的司机的危险程度以及乘客的危险程度进行预测，包括：
通过第一预测模型对订单数据中的司机信息进行处理，获得该司机的危险程度。
在可选的实施方式中，在通过预设模型对司机信息及乘客信息进行处理之前，方法还包括：
获取多个历史订单，根据各历史订单中的乘客的历史数据进行模型训练，获得第二预测模型，其中，历史订单包括多个被标记的危险订单。
在可选的实施方式中，乘客的历史数据包括预设时间范围内该乘客的打车频率、打车档次分布、支付延迟时间及打车活动城市数量中的至少一种。
在可选的实施方式中，通过预设模型对当前订单中的司机的危险程度以及乘客的危险程度进行预测，还包括：
通过第二预测模型对订单数据中的乘客信息进行处理，获得该乘客的危险程度。
在可选的实施方式中，通知目标车辆的预设距离范围内的网约车前往救援，包括：
在目标车辆的预设距离范围内按照距离由近至远的顺序通知多个网约车前往救援，并询问各网约车是否愿意前往救援；
判断各网约车的反馈信息是否为愿意前往救援；
针对每一个网约车，若反馈信息为愿意前往救援，则将目标车辆内的实时音频信息或实时视频信息，以及目标车辆的位置信息发送给该网约车；
若反馈结果为拒绝前往救援，则在目标车辆的预设距离范围通知并询问另一辆网约车是否愿意前往救援。
在可选的实施方式中，方法还包括：
为愿意前往救援的各网约车进行动态路径规划。
在可选的实施方式中，为愿意前往救援的各网约车进行动态路径规划，包括：
针对每一个愿意前往救援的网约车，在预设的时间周期内更新目标车辆的位置信息及该网约车的位置信息，并基于更新后的位置信息规划新的路径。
第二方面，本发明实施例提供一种网约车监控装置，装置应用于网约车系统中的服务器，网约车系统还包括与服务器通信连接的客户端，装置包括：
数据获取模块，用于获取目标车辆当前的订单数据，其中，订单数据包括目标车辆所在的地理区域信息、乘客信息及司机信息；
第一危险程度获取模块，用于获取目标车辆所在的地理区域的危险程度；
第二危险程度获取模块，用于通过预设模型对司机信息及乘客信息进行处理，以获得目标车辆中的司机的危险程度以及乘客的危险程度；
第一判断模块，用于判断地理区域的危险程度、司机的危险程度或乘客的危险程度中的任意一项是否超过预设阈值；
信息分析模块，用于在超过阈值时，获取目标车辆内的实时音频信息或实时视频信息进行分析。
在可选的实施方式中，装置还包括：
第二判断模块，用于根据实时视频信息或实时音频信息的分析结果判断目标车辆是否需要救援；
救援通知模块，用于在需要救援时，通知目标车辆的预设距离范围内的网约车前往救援。
在可选的实施方式中，信息分析模块包括：
音频分析子模块，用于判断目标车辆内的实时音频信息是否包括威胁性的词语或句子；若包括威胁性的词语或句子，则判定该目标车辆需要救援。
在可选的实施方式中，信息分析模块还包括：
视频分析子模块，用于判断目标车辆内的实时视频信息是否包括危险物品，其中，危险物品包括刀；若包括危险物品，则判定该目标车辆需要救援。
在可选的实施方式中，装置还包括：
第一区域处理模块，用于对各个地理位置进行区域划分，并获取各地理区域内的历史订单数据，其中，历史订单数据中包括报警信息；
第一统计模块，用于根据历史订单数据统计各地理区域内的报警次数，根据统计结果计算各地理区域的危险程度。
在可选的实施方式中，装置还包括：
第二区域处理模块，用于对各个地理位置进行区域划分，并获取各地理区域内的历史订单数据；
第二统计模块，用于根据历史订单数据统计各个地理区域作为上车点或下车点的次数，根据统计结果计算各地理区域的危险程度。
在可选的实施方式中，装置还包括：
第一训练模块，用于获取多个历史订单，根据各历史订单中的司机的历史数据进行模型训练，获得第一预测模型，其中，历史订单包括多个被标记的危险订单。
在可选的实施方式中，司机的历史数据包括预设时间范围内该司机的被投诉次数、出车频次、订单总量、车辆价格及车辆型号中的至少一种。
在可选的实施方式中，第二危险程度获取模块，包括：
第一预测子模块，用于通过第一预测模型对订单数据中的司机信息进行处理，获得该司机的危险程度。
在可选的实施方式中，装置还包括：
第二训练模块，用于获取多个历史订单，根据各历史订单中的乘客的历史数据进行模型训练，获得第二预测模型，其中，历史订单包括多个被标记的危险订单。
在可选的实施方式中，乘客的历史数据包括预设时间范围内该乘客的打车频率、打车档次分布、支付延迟时间及打车活动城市数量中的至少一种。
在可选的实施方式中，第二危险程度获取模块，还包括：
第二预测子模块，用于通过第二预测模型对订单数据中的乘客信息进行处理，获得该乘客的危险程度。
在可选的实施方式中，救援通知模块，包括：
询问子模块，用于在目标车辆的预设距离范围内按照距离由近至远的顺序通知多个网约车前往救援，并询问各网约车是否愿意前往救援；
反馈信息判断子模块，用于判断各网约车的反馈信息是否为愿意前往救援；
信息发送子模块，针对每一个网约车，用于在反馈信息为愿意前往救援时，将目标车辆内的实时音频信息或实时视频信息，以及目标车辆的位置信息发送给该网约车；
询问子模块还用于，当反馈结果为拒绝前往救援，则在目标车辆的预设距离范围通知并询问另一辆网约车是否愿意前往救援。
在可选的实施方式中，装置还包括：
路径规划模块，用于为愿意前往救援的各网约车进行动态路径规划。
在可选的实施方式中，路径规划模块具体用于：
针对每一个愿意前往救援的网约车，在预设的时间周期内更新目标车辆的位置信息及该网约车的位置信息，并基于更新后的位置信息规划新的路径。
第三方面，本发明实施例提供一种服务器，包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当服务器运行时，处理器与存储介质之间通过总线通信，处理器执行机器可读指令，以执行如前述实施方式任一方法的步骤。
第四方面，本发明实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行如前述实施方式任一方法的步骤。
基于上述任一方面，通过司机和乘客的危险程度以及对车辆所在的区域的危险程度，可以初步确定该车辆所属的订单是否有可能存在异常，若有可能存在异常，则获取目标车辆内实时音频信息或实时视频信息进行进一步分析，从而可以提升异常订单的监测的准确性。
另外，在一些实施例中，基于司机的被投诉次数、出车频次、订单总量、车辆价格及车辆型号进行第一预测模型的训练，可以进一步提升该第一预测模型的预测结果的准确度。基于乘客的打车频率、打车档次分布、支付延迟时间及打车活动城市数量进行第二预测模型的训练，也可以进一步提升第二预测模型的预测结果的准确度。
另外，在一些实施例中，当网约车拒绝前往参与救援时，还可以根据距离远近通知并询问另一辆网约车是否愿意前往救援，保证总共参与救援的网约车的数量足够，提高救援的成功率。
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提供的一种网约车系统的架构示意图；
图2示出了本申请实施例提供的网约车监控方法的流程示意图之一；
图3示出了本申请实施例提供的图2中的步骤S105的子步骤流程图之一；
图4示出了本申请实施例提供的图2中的步骤S105的子步骤流程图之二；
图5示出了本申请实施例提供的网约车监控方法的流程示意图之二；
图6示出了本申请实施例提供的图3中的步骤S107的子步骤流程图；
图7示出了本申请实施例提供的一种网约车监控方法的流程示意图之三；
图8示出了本申请实施例提供的网约车监控方法的流程示意图之四；
图9示出了本申请实施例提供的一种网约车监控装置的示意图之一；
图10示出了本申请实施例提供的一种网约车监控装置的示意图之二；
图11示出了本申请实施例提供的服务器结构示意图。
图标：100-网约车系统；110-服务器；111-处理器；112-存储器；113-总线；120-网络；130-服务请求端；140-服务提供端；150-数据库；200-网约车监控装置；201-数据获取模块；202-第一危险程度获取模块；203-第二危险程度获取模块；204-第一判断模块；205-信息分析模块；206-第二判断模块；207-救援通知模块；208-路径规划模块。
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服务，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服务进行描述，但是应该理解，这仅是一个示例性实施例。本申请还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。
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网约车监控方法。该方法可以获取目标车辆(即网约车)对应的订单数据中包括的地理区域、司机及乘客的危险程度，并基于危险程度初步确定该目标车辆对应的订单是否具有存在异常的可能性，若有可能存在异常，则获取目标车辆内实时音频信息或实时视频信息进行进一步分析，从而可以提升异常订单的监测的准确性。
值得注意的是，在本申请提出申请之前，对于网约车服务来说，乘客可以通过网约车APP发起服务请求，司机收到请求后前往指定地点接乘客，由于司机和乘客需要长时间处于同一密闭的空间内，因此，为了保证司机和乘客的人身安全，提出了可以通过行程目的地、起始地、是否偏离行程路径等对订单进行异常监控的方法，但此种监控方法的准确率并不高。本申请提供的网约车方法，可以基于订单数据中的地理位置区域、司机及乘客的危险程度初步分析该车辆出现异常的可能性，在有可能出现异常时，通过车辆内的实时音频信息或实时视频信息进行进一步的分析。因此，本申请的网约车监控方法，可以提升订单监控的准确度，便于通知附近的网约车对订单异常的车辆进行救援，保证司机及乘客的人身安全。
图1是本申请实施例提供的一种网约车系统100的架构示意图。例如，网约车系统100可以是用于诸如出租车、代驾服务、快车、拼车、公共汽车服务、驾驶员租赁、或班车服务之类的运输服务、或其任意组合的在线运输服务平台。网约车系统100可以包括服务器110、网络120、服务请求端130、服务提供端140、和数据库150中的一种或多种。
在一些实施例中，服务器110可以包括处理器111。处理器111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。例如，处理器111可以基于从服务请求端130获得的服务请求来确定目标车辆。在一些实施例中，处理器111可以包括一个或多个处理核(例如，单核处理器111(S)或多核处理器111(S))。仅作为举例，处理器111可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、专用指令集处理器111(Application SpecificInstruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器111(Digital SignalProcessor,DSP)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(Reduced Instruction Set Computing,RISC)、或微处理器111等，或其任意组合。
在一些实施例中，服务请求端130和服务提供端140对应的设备类型可以是移动设备，比如可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等，也可以是平板计算机、膝上型计算机、或机动车辆中的内置设备等。
在一些实施例中，数据库150可以连接到网络120以与网约车系统100中的一个或多个组件(例如，服务器110，服务请求端130，服务提供端140等)通信。网约车系统100中的一个或多个组件可以经由网络120访问存储在数据库150中的数据或指令。在一些实施例中，数据库150可以直接连接到网约车系统100中的一个或多个组件，或者，数据库150也可以是服务器110的一部分。
下面结合上述图1示出的网约车系统100中描述的内容，对本申请实施例提供的网约车监控方法进行详细说明。
在本申请各个实施例中的各功能单元可以集成在一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。
实施例一
参照图2所示，图2为本申请实施例提供的网约车监控方法的流程示意图之一，该方法可以由网约车系统100中的服务器110来执行，具体执行过程为：
步骤S101，获取目标车辆当前的订单数据，其中，订单数据包括目标车辆所在的地理区域信息、乘客信息及司机信息。
在具体的实施过程中，乘客在服务请求端130(即乘客端)上通过网约车应用程序发起服务请求的订单，服务器110在接收到订单后根据距离的远近为该乘客匹配合适的司机以生成出行订单，即为服务请求端130匹配最近的且空闲的服务提供端140(司机端)，服务器110在生成出行订单后可以获取该订单的订单数据，其中，订单数据中包含有乘客信息、司机信息以及目标车辆所在的地理区域信息等。
例如，张三通过网约车应用程序发起一个快车订单，订单的起始位置为A地，目的地为B地，服务器110在接收到该订单后在A地附近为小明匹配到合适的司机李四，并实时获取该订单的订单数据，该订单数据中至少包括有张三的信息、李四的信息、目标车辆(即李四的车辆)的位置信息等内容。
步骤S102，获取目标车辆所在的地理区域的危险程度。
在具体的实施过程中，服务器110在获取到订单数据后，该订单数据中包括有目标车辆所在的地理区域的危险程度。服务器110中事先存储有各个不同的地理区域的危险程度。
例如，目标车辆的地理位置区域为C片区，根据服务器110中存储的数据可以获得C片区的危险程度，具体可以为低危、中危或高危中的至少一种，也可以采用0-10(或0-100)之间的任一数值表示其危险程度。
步骤S103，通过预设模型对司机信息及乘客信息进行处理，以获得目标车辆中的司机的危险程度以及乘客的危险程度。
在具体的实施过程中，服务器110中存储有用于对司机的危险程度以及乘客的危险程度进行预测的模型。将司机信息或是乘客信息作为模型的输入，即可输出司机的危险程度或是乘客的危险程度。
例如，将司机李四的信息(例如，李四的名字、年龄、性别、车龄、订单总数、被投诉次数等信息)输入至预设模型中，可以获得李四的危险程度，可以是低危、中危或高危中的一种，也可以采用0-10(或0-100)中的任一数值表示李四的危险程度。
同理，将乘客张三的信息(例如，张三的名字、年龄、性别、打车频率、打车档次等信息)输入至预设模型中，也可以获得张三的危险程度，可以是低危、中危或高危中的一种，也可以采用0-10(或0-100)中的任一数值表示李四的危险程度。
步骤S104，判断地理区域的危险程度、司机的危险程度或乘客的危险程度中的任意一项是否超过预设阈值。
步骤S105，若超过，则获取目标车辆内的实时音频信息或实时视频信息进行分析。
在具体的实施过程中，服务器110在获取到地理区域的危险程度、司机的危险程度以及乘客的危险程度之后，针对每一个危险程度进行判断，判断地理区域的危险程度、司机的危险程度以及乘客的危险程度之中的任意一项是否超过了预设阈值。
具体可以为，判断地理区域的危险程度、司机的危险程度以及乘客的危险程度之中的任意一项是否为高危(或其他危险程度)；当用数值表示危险程度时，还可以判断地理区域的危险程度、司机的危险程度以及乘客的危险程度之中的任意一项是否大于8(或80)。
值得说明的是，上述列举的高危、8或80等具体阈值均为对本步骤的举例说明，不应当视为对本申请的阈值的具体限定，在具体的实施过程中，还可以根据实际的使用情况设置为其他阈值。
当服务器110的判断结果为超过阈值时，即表示该车辆的司机可能会对乘客的人身安全造成威胁(或乘客对司机的人身安全造成威胁)，此时服务器110获取目标车辆内(即订单所属车辆)的实时音频信息或实时视频信息进行进一步的分析。
具体地，在本实施例中，服务器110可以通过与之网络120连接的终端(包括服务提供终端、服务请求终端和车载终端等)上安装的音视频采集设备(例如，图像传感器、声音传感器、摄像头等)实时获取车内的音频或视频。
在具体的实施过程中，服务器110可以根据获取到的实时视频信息或实时音频信息分析该目标车辆是否需要救援。具体地，服务器110在获取到实时音频或实时视频之后，可以通过自动或人工的方式对获取到的实时音频或者实时视频进行进一步的分析。
在一些实施例中，当选用人工的方式对实时音频或实时视频进行进一步分析时，网约车管理人员可以获取实时音频信息或实时视频信息进行监控，若确认驾驶环境危险(例如抢劫)，可根据该目标车辆的位置信息和车辆的标识信息(例如车牌号)报警，以便于警方可以快速前往事发地点追踪异常车辆，若确认驾驶环境的异常情况在安全范围内，比如只是司机和乘客的争吵，网约车管理人员可以通过后台查询到乘客或者司机的电话号码，拨打电话进行安全确认，同时对乘客和司机的争吵进行调解。
实施例二
在一些实施例中，服务器110也可以选用自动识别的方式对实时视频信息或实时音频信息进行监控。
请参照图3，图3为本申请实施例提供的图2中的步骤S105的子步骤流程图之一。在本实施例中，步骤S105包括：
子步骤S1051，判断实时音频信息是否包括威胁性的词语或句子。
子步骤S1052，若包括威胁性的词语或句子，则判定该目标车辆需要救援。
另外，请参照图4，图4为本申请实施例提供的图2中的步骤S105的子步骤流程图之二。在本实施例中，步骤S106还可以包括：
子步骤S1053，判断目标车辆内的实时视频信息是否出现危险物品。其中，危险物品包括刀。
子步骤S1054，若出现危险物品，则判定该目标车辆需要救援。
在具体的实施过程中，当服务器110对音频信息或视频信息进行自动分析时，服务器110可以基于获取到的实时音频信息，对音频信息的关键字或关键词进行提取和分析，并将提取出的关键字或关键词与预先设置的目标词库中的多个词语进行比对，从而判断该音频信息内是否包含有威胁性的词语或句子。例如预先设置的目标词库中可以包括有“不准动”、“不准叫”、“抢劫”等词语。可以理解的是，服务器110还可以对提取的关键词进行词义的解析，然后将解析的词义与预设的目标词的词义进行匹配，若两者表达的意思一致，则可以判定该车辆需要救援。
在另一实施方式中，若服务器110可以获取到车辆内的实时视频信息，服务器110可以对视频信息中的各个物品进行识别，获得各个物品的轮廓信息，并将各个物品的轮廓与预设的多个危险物品的轮廓进行比对，若比对结果相同，则判定结果为该实时视频信息内出现了危险物品，此时判定结果为需要对该目标车辆进行救援。例如，例如预设的多个危险物品的轮廓可以是水果刀、菜刀等不同的危险物品的多种型号的轮廓。
实施例三
请参照图5，图5为本申请实施例提供的网约车监控方法的流程示意图之二，在步骤S105之后，网约车监控方法还包括：
步骤S106，根据实时视频信息或实时音频信息的分析结果判断目标车辆是否需要救援。
步骤S107，若需要救援，则通知目标车辆的预设距离范围内的网约车前往救援。
在本步骤中，当服务器110将目标车辆判定为需要救援之后，则通知该目标车辆的预设距离范围内的其他网约车前往救援。
例如，当目标车辆需要救援时，以目标车辆为中心，在目标车辆的预设距离范围(例如3km)内寻找合适的网约车，将需要救援的信息发送至其他网约车对应的服务提供端140上，其他网约车司机可以根据自己的意愿在服务提供端140的界面上选择愿意前往或拒绝前往。
具体地，请参照图6，图6为本申请实施例提供的图3中的步骤S107的子步骤流程图。在本实施例中，步骤S107包括以下子步骤：
子步骤S1071，在目标车辆的预设距离范围内按照距离由近至远的顺序通知多个网约车前往救援，并询问各网约车是否愿意前往救援。
在具体的实施方式中，服务器110首先获取目标车辆的预设距离范围内(例如3km内)所有网约车的位置信息，并根据各网约车距离目标车辆距离的远近顺序，由近及远地通知多个网约车(例如5个或10个)前往救援，并询问各网约车是否愿意前往救援。
在一些实施例中，服务器110还可以对需要救援的目标车辆内的时间进行危险程度的分析，针对不同的危险程度的事件通知不同数量的网约车。例如，若目标车辆内发生的危险事件的情况较为紧急，且危险程度较高时，则可以安排更多数量的网约车前往救援，并自动报警。
子步骤S1072，判断各网约车的反馈信息是否为愿意前往救援。
在本步骤中，若部分网约车内有乘客时，该网约车的司机应当先将乘客送往指定地点，因此，在此种情况下，司机可以在服务提供端140的显示界面上选择拒绝前往救援，即，网约车司机可以自行选择是否愿意前往救援。
服务器110接收网约车司机通过服务提供端140反馈的信息，并根据反馈信息判断各网约车是否愿意前往救援。
子步骤S1073，针对每一个网约车，若反馈信息为愿意前往救援，则将目标车辆内的实时音频信息或实时视频信息，以及目标车辆的位置信息发送给该网约车。
在本步骤中，对于每一个网约车而言，若该网约车愿意前往救援，则将目标车辆内的实时音频信息或实时视频信息以及目标车辆的位置信息实时同步发送至该网约车，以便网约车可以根据实时位置信息前往目标车辆的所在位置。
子步骤S1074，若反馈结果为拒绝前往救援，则在目标车辆的预设距离范围通知并询问另一辆网约车是否愿意前往救援。
在本步骤中，若部分网约车内有乘客时，该网约车的司机应当先将乘客送往指定地点，因此，在此种情况下，部分网约车司机可能无法前往救援，因此，网约车司机可以通过服务提供端140的显控界面选择拒绝前往救援，当服务器110接收到的反馈结果为拒绝前往救援时，则在距离范围内(例如3KM)根据距离远近顺序再通知并询问另一辆网约车是否愿意前往救援。
若该网约车依旧不愿意前往救援，则在距离范围内再通知并询问另一辆网约车是否愿意前往救援，保证最终前往救援的车辆数量足够，能够提升救援效率。
实施例四
请参照图7，图7为本申请实施例提供的一种网约车监控方法的流程示意图之三。在本实施例中，在步骤S102之前，网约车监控方法还包括：
步骤S201，对各个地理位置进行区域划分，并获取各地理区域内的历史订单数据。其中，历史订单数据中包括报警信息。
步骤S202，根据历史订单数据统计各地理区域内的报警次数，根据统计结果计算各地理区域的危险程度。
在具体的实施过程中，服务器110首先对各个地理位置进行区域划分，例如将某城市划分为多个区域，分别用不同的代号(字母或数字)对各个区域命名，随后服务器110获取各个地理区域中的历史订单数据，可以理解为服务器110获取目的地、起始地或途径地为各个地理区域时的历史订单数据，并获取各个历史订单数据中的报警信息，报警信息为司机或乘客的人身安全受到威胁时通过网约车应用程序发起的报警动作。例如，订单1在进行过程中经过了地理区域A，乘客在订单1的行进过程中发起报警，则该订单1视为包括一次报警次数。
服务器110根据地理区域在预设的时间段内(例如近三个月或近半年内)的所有历史订单，统计该地理区域内的近段时间的所有历史订单中的报警次数，基于同样的方法，服务器110可以获得每个地理区域在预设时间段内的报警次数，随后根据报警次数的数量计算各个地理区域的危险程度。
例如，若地理区域A的报警次数超过10次(或其他值)，则可将地理区域A的危险程度判定为高危或用数值量化表示其危险程度，服务器110在获得各个地理区域的危险程度之后，将各地理区域与危险程度一一对应地存储在数据库150中。
请继续参照图7，在本实施例中，网约车监控方法还包括：
步骤S203，根据历史订单数据统计各个地理区域作为上车点或下车点的次数，根据统计结果计算各地理区域的危险程度。
在具体的实施过程中，服务器110首先对各个地理位置进行区域划分，例如将某城市划分为多个区域，分别用不同的代号(例如字母或数字)对各个区域命名，随后服务器110获取各个地理区域在预设的时间段(例如近三个月或近半年内)的所有历史订单数据，并基于获取到的历史订单数据中的上车点及下车点信息，统计各个地理区域作为上车点或者下车点的次数，并根据统计结果计算各地理区域的危险程度。
具体地，若各地理区域作为上车点或者下车点的次数较少时(例如少于5次或其他数值)，可认为该地理区域人流量较小，地理位置较为偏僻，发生危险事件的可能性较高，因此，应当将该地理区域的危险程度设置为高危(或采用数值量化表示其危险程度)。
进一步地，请参照图8，图8为本申请实施例提供的网约车监控方法的流程示意图之四。在本实施例中，在步骤S103之前，网约车监控方法还包括：
步骤S301，获取多个历史订单，根据各历史订单中的司机的历史数据进行模型训练，获得第一预测模型。其中，历史订单包括多个被标记的危险订单，司机的历史数据包括预设时间范围内该司机的被投诉次数、出车频次、订单总量、车辆价格及车辆型号中的至少一种。
步骤S302，获取多个历史订单，根据各历史订单中的乘客的历史数据进行模型训练，获得第二预测模型，其中，历史订单包括多个被标记的危险订单，乘客的历史数据包括预设时间范围内该乘客的打车频率、打车档次分布、支付延迟时间及打车活动城市数量中的至少一种。
具体地，在本实施例中，服务器110可以获取数据库150中存储的大量的历史订单作为训练样本，历史订单中包括有司机的历史数据以及乘客的历史数据，同时，历史订单中还包括有多个被标记的危险订单，其中，危险订单表示该订单在进行时出现过危险事件，具体可以体现为该订单的乘客进行了报警等信息。
服务器110根据多个历史订单中的司机的历史数据(预设时间范围内该司机的被投诉次数、出车频次、订单总量，以及车辆价格及车辆型号中的至少一种)以及该历史订单是否被标记为危险订单进行训练，根据输出结果与期望结果之间的差异值，不断地调整模型的参数值，使得该模型最后的输出结果达到期望值，从而获得第一预测模型。
同理，服务器110根据多个历史订单中的乘客的历史数据(预设时间范围内该乘客的打车频率、打车档次分布、支付延迟时间及打车活动城市数量中的至少一种)以及该历史订单是否被标记为危险订单进行训练，通过不断地调整模型的参数值，使得该模型最后的输出结果达到期望值，从而获得第二预测模型。
进一步地，在本实施例中，步骤S103，通过预设模型对当前订单中的司机的危险程度以及乘客的危险程度进行预测，包括：
通过第一预测模型对订单数据中的司机信息进行处理，获得该司机的危险程度；
通过第二预测模型对订单数据中的乘客信息进行处理，获得该乘客的危险程度。
在具体的实施过程中，在本实施例中，第一预测模型用于对司机的危险程度进行预测，将目标车辆对应的订单数据中的司机信息作为第一预测模型的输入，经过第一预测模型的运算后，输出该司机的危险程度，例如低危、中危或高危中的一种，或是通过数值表示该司机的危险程度。
第二预测模型用于对乘客的危险程度进行预测，将目标车辆对应的订单数据中的乘客信息作为第二预测模型的输入，经过第二预测模型的运算后，输出该乘客的危险程度。
在有的情况下，车辆的位置信息可能是移动的，随着时间发生移动。例如，打车场景下，用户的位置会由于车辆行驶发生改变。当前确定的目标救援方可能需要花很长时间进行追赶，无疑增加了救援时间。
因此，请继续参照图5，在步骤S107之后，网约车监控方法还可以包括：
步骤S108，为愿意前往救援的各网约车进行动态路径规划。
具体地，在本实施例中，步骤S108包括：
针对每一个愿意前往救援的网约车，在预设的时间周期内更新目标车辆的位置信息及该网约车的位置信息，并基于更新后的位置信息规划新的路径。
在具体的实施过程中，服务器110可以为每一个愿意前往救援的网约车提供动态路径规划，具体来说，服务器110可以每隔预设的时间周期内(例如2分钟)更新目标车辆的位置信息以及该网约车的位置信息，并基于更新后的位置信息重新规划最佳路径，将重新规划后的路径发送给前往救援的网约车对应的服务提供端140进行显示，以便前往救援的网约车司机可以及时调整路线，缩短救援时间。
在一些实施例中，服务器110还可以根据目标车辆的实时位置信息重新匹配网约车，即，根据目标车辆最新的位置信息，在该位置信息的预设范围内重新获取网约车的位置信息，并按照距离远近由近及远地通知并询问是否有网约车愿意前往救援，保证救援效率，进一步缩短了救援时间。
基于同一发明构思，本申请实施例中还提供了与网约车监控方法对应的网约车监控装置200，由于本申请实施例中的装置解决问题的原理与本申请实施例上述网约车监控方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
实施例五
参照图9所示，为本申请实施例五提供的一种网约车监控装置200的示意图之一，网约车监控装置200包括：数据获取模块201、第一危险程度获取模块202、第二危险程度获取模块203、第一判断模块204、信息分析模块205；其中，
数据获取模块201，用于获取目标车辆当前的订单数据，其中，订单数据包括目标车辆所在的地理区域信息、乘客信息及司机信息。
第一危险程度获取模块202，用于获取目标车辆所在的地理区域的危险程度。
第二危险程度获取模块203，用于通过预设模型对司机信息及乘客信息进行处理，以获得目标车辆中的司机的危险程度以及乘客的危险程度。
第一判断模块204，用于判断地理区域的危险程度、司机的危险程度或乘客的危险程度中的任意一项是否超过预设阈值。
信息分析模块205，用于在超过阈值时，获取目标车辆内的实时音频信息或实时视频信息进行分析。
本申请实施例通过司机和乘客的危险程度以及对车辆所在的区域的危险程度，可以初步确定该车辆所属的订单是否有可能存在异常，若有可能存在异常，则获取目标车辆内实时音频信息或实时视频信息进行进一步分析，从而可以提升异常订单的监测的准确性。
另外，在一些实施例中，基于司机的被投诉次数、出车频次、订单总量、车辆价格及车辆型号进行第一预测模型的训练，可以进一步提升该第一预测模型的预测结果的准确度。基于乘客的打车频率、打车档次分布、支付延迟时间及打车活动城市数量进行第二预测模型的训练，也可以进一步提升第二预测模型的预测结果的准确度。
另外，在一些实施例中，当网约车拒绝前往参与救援时，还可以根据距离远近通知并询问另一辆网约车是否愿意前往救援，保证总共参与救援的网约车的数量足够，提高救援的成功率。
请参照图10所示，图10为本申请实施例五提供的一种网约车监控装置200的示意图之二，在一种可能的实施方式中，网约车监控装置200还包括：
第二判断模块206，用于根据实时视频信息或实时音频信息的分析结果判断目标车辆是否需要救援。
救援通知模块207，用于在需要救援时，通知目标车辆的预设距离范围内的网约车前往救援。
一种可能的实施方式中，信息分析模块205具体用于：判断目标车辆内的实时音频信息是否包括威胁性的词语或句子；若包括，则判定该目标车辆需要救援。
信息分析模块205具体还用于：判断目标车辆内的实时视频信息是否包括危险物品，其中，危险物品包括刀；若包括，则判定该目标车辆需要救援。
在一种可能的实施方式中，网约车监控装置200还包括：
第一区域处理模块，用于对各个地理位置进行区域划分，并获取各地理区域内的历史订单数据，其中，历史订单数据中包括报警信息。
第一统计模块，用于根据历史订单数据统计各地理区域内的报警次数，根据统计结果计算各地理区域的危险程度。
在一种可能的实施方式中，网约车监控装置200还包括：
第二区域处理模块，用于对各个地理位置进行区域划分，并获取各地理区域内的历史订单数据。
第二统计模块，用于根据历史订单数据统计各个地理区域作为上车点或下车点的次数，根据统计结果计算各地理区域的危险程度。
在一种可能的实施方式中，网约车监控装置200还包括：
第一训练模块，用于获取多个历史订单，根据各历史订单中的司机的历史数据进行模型训练，获得第一预测模型，其中，历史订单包括多个被标记的危险订单，司机的历史数据包括预设时间范围内该司机的被投诉次数、出车频次、订单总量、车辆价格及车辆型号中的至少一种。
第二训练模块，用于获取多个历史订单，根据各历史订单中的乘客的历史数据进行模型训练，获得第二预测模型，其中，历史订单包括多个被标记的危险订单，乘客的历史数据包括预设时间范围内该乘客的打车频率、打车档次分布、支付延迟时间及打车活动城市数量中的至少一种。
一种可能的实施方式中，第二危险程度获取模块203，具体用于：
通过第一预测模型对订单数据中的司机信息进行处理，获得该司机的危险程度；
通过第二预测模型对订单数据中的乘客信息进行处理，获得该乘客的危险程度。
一种可能的实施方式中，救援通知模块207具体用于：
在目标车辆的预设距离范围内按照距离由近至远的顺序通知多个网约车前往救援，并询问各网约车是否愿意前往救援；判断各网约车的反馈信息是否为愿意前往救援；针对每一个网约车，在反馈信息为愿意前往救援时，将目标车辆内的实时音频信息或实时视频信息，以及目标车辆的位置信息发送给该网约车；当反馈结果为拒绝前往救援，则在目标车辆的预设距离范围通知并询问另一辆网约车是否愿意前往救援。
在一种可能的实施方式中，网约车监控装置200还包括：
路径规划模块208，用于为愿意前往救援的各网约车进行动态路径规划。
一种可能的实施方式中，路径规划模块208，具体用于：
针对每一个愿意前往救援的网约车，在预设的时间周期内更新目标车辆的位置信息及该网约车的位置信息，并基于更新后的位置信息规划新的路径。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
本申请实施例还提供了一种服务器110，如图11所示，为本申请实施例提供的服务器110结构示意图，包括：处理器111、存储器112、和总线113。存储器112存储有处理器111可执行的机器可读指令(比如，图9中的数据获取模块201、第一危险程度获取模块202、第二危险程度获取模块203、第一判断模块204、信息分析模块205及其对应的执行指令等)，当服务器110运行时，处理器111存储器112之间通过总线113通信，以执行上述任一实施例中的方法的步骤。
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111运行时执行上述任一实施例中的方法的步骤。
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，能够执行上述任一实施例中的方法，从而提升异常订单监控的准确率。
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，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。
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。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120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。
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111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110，或者网络120设备等)执行本申请各个实施例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。
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。
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 (10)

1.一种网约车监控方法，其特征在于，所述方法应用于网约车系统中的服务器，所述网约车系统还包括与服务器通信连接的客户端，所述方法包括：
获取目标车辆当前的订单数据，其中，所述订单数据包括目标车辆所在的地理区域信息、乘客信息及司机信息；
获取所述目标车辆所在的地理区域的危险程度；
通过预设模型对司机信息及乘客信息进行处理，以获得所述目标车辆中的司机的危险程度以及乘客的危险程度；
判断所述地理区域的危险程度、所述司机的危险程度或所述乘客的危险程度中的任意一项是否超过预设阈值；
若超过，则获取所述目标车辆内的实时音频信息或实时视频信息进行分析。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据实时视频信息或实时音频信息的分析结果判断所述目标车辆是否需要救援；
若需要救援，则通知所述目标车辆的预设距离范围内的网约车前往救援。
3.根据权利要求2所述的方法，其特征在于，根据实时视频信息或实时音频信息的分析结果判断所述目标车辆是否需要救援，包括：
判断所述目标车辆内的实时音频信息是否包括威胁性的词语或句子；
若包括威胁性的词语或句子，则判定该目标车辆需要救援；
或，判断所述目标车辆内的实时视频信息是否包括危险物品，其中，所述危险物品包括刀；
若包括危险物品，则判定该目标车辆需要救援。
4.根据权利要求1所述的方法，其特征在于，在获取所述目标车辆所在的地理区域的危险程度之前，所述方法还包括：
对各个地理位置进行区域划分，并获取各地理区域内的历史订单数据，其中，所述历史订单数据中包括报警信息；
根据所述历史订单数据统计各个地理区域作为上车点或下车点的次数，根据统计结果计算各地理区域的危险程度；
根据所述历史订单数据统计各地理区域内的报警次数，根据统计结果计算各地理区域的危险程度。
5.根据权利要求1所述的方法，其特征在于，在通过预设模型对司机信息及乘客信息进行处理之前，所述方法还包括：
获取多个历史订单，根据各历史订单中的司机的历史数据进行模型训练，获得第一预测模型，其中，所述历史订单包括多个被标记的危险订单，所述司机的历史数据包括预设时间范围内该司机的被投诉次数、出车频次、订单总量、车辆价格及车辆型号中的至少一种；
获取多个历史订单，根据各历史订单中的乘客的历史数据进行模型训练，获得第二预测模型，其中，所述历史订单包括多个被标记的危险订单，所述乘客的历史数据包括预设时间范围内该乘客的打车频率、打车档次分布、支付延迟时间及打车活动城市数量中的至少一种。
6.根据权利要求2所述的方法，其特征在于，通知所述目标车辆的预设距离范围内的网约车前往救援，包括：
在所述目标车辆的预设距离范围内按照距离由近至远的顺序通知多个网约车前往救援，并询问各网约车是否愿意前往救援；
判断各网约车的反馈信息是否为愿意前往救援；
针对每一个网约车，若反馈信息为愿意前往救援，则将所述目标车辆内的实时音频信息或实时视频信息，以及所述目标车辆的位置信息发送给该网约车；
若反馈结果为拒绝前往救援，则在所述目标车辆的预设距离范围通知并询问另一辆网约车是否愿意前往救援。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括为愿意前往救援的各网约车进行动态路径规划的步骤，该步骤包括：
针对每一个愿意前往救援的网约车，在预设的时间周期内更新所述目标车辆的位置信息及该网约车的位置信息，并基于更新后的位置信息规划新的路径。
8.一种网约车监控装置，其特征在于，所述装置应用于网约车系统中的服务器，所述网约车系统还包括与服务器通信连接的客户端，所述装置包括：
数据获取模块，用于获取目标车辆当前的订单数据，其中，所述订单数据包括目标车辆所在的地理区域信息、乘客信息及司机信息；
第一危险程度获取模块，用于获取所述目标车辆所在的地理区域的危险程度；
第二危险程度获取模块，用于通过预设模型对司机信息及乘客信息进行处理，以获得所述目标车辆中的司机的危险程度以及乘客的危险程度；
第一判断模块，用于判断所述地理区域的危险程度、所述司机的危险程度或所述乘客的危险程度中的任意一项是否超过预设阈值；
信息分析模块，用于在超过阈值时，获取所述目标车辆内的实时音频信息或实时视频信息进行分析。
9.一种服务器，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，当服务器运行时，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，以执行如权利要求1至7任一所述方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一所述方法的步骤。
CN202010556182.6A 2020-06-17 2020-06-17 网约车监控方法、装置、服务器和存储介质 Pending CN111832901A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010556182.6A CN111832901A (zh) 2020-06-17 2020-06-17 网约车监控方法、装置、服务器和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010556182.6A CN111832901A (zh) 2020-06-17 2020-06-17 网约车监控方法、装置、服务器和存储介质

Publications (1)

Publication Number Publication Date
CN111832901A true CN111832901A (zh) 2020-10-27

Family

ID=72899275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010556182.6A Pending CN111832901A (zh) 2020-06-17 2020-06-17 网约车监控方法、装置、服务器和存储介质

Country Status (1)

Country Link
CN (1) CN111832901A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112270452A (zh) * 2020-11-17 2021-01-26 北京嘀嘀无限科技发展有限公司 危险驾驶区域的预测方法、装置、电子设备及存储介质
CN112465331A (zh) * 2020-11-23 2021-03-09 北京嘀嘀无限科技发展有限公司 乘车安全控制方法、模型训练方法、装置、设备及介质
CN112734520A (zh) * 2021-01-07 2021-04-30 南京领行科技股份有限公司 营运车辆接单控制方法、装置、电子设备及存储介质
CN112801579A (zh) * 2021-01-21 2021-05-14 北京顺达同行科技有限公司 配送任务异常监控方法、装置、计算机设备以及存储介质
CN113327083A (zh) * 2021-06-23 2021-08-31 上海康展物流有限公司 一种用于冷链物流平台的车辆监控方法、系统及存储介质
CN113591690A (zh) * 2021-07-29 2021-11-02 深圳昌恩智能股份有限公司 一种网约车/出租车的行驶监测方法
CN113705846A (zh) * 2021-10-29 2021-11-26 江西易至智行汽车运营服务有限公司 基于叫车桩的车辆预约方法、装置、可读存储介质及设备
CN114655152A (zh) * 2020-12-23 2022-06-24 上海擎感智能科技有限公司 求救方法、车载终端、汽车、求救系统及计算机存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104917808A (zh) * 2015-04-10 2015-09-16 北京远特科技有限公司 一种基于车联网的救援调度方法及系统
CN107933471A (zh) * 2017-12-04 2018-04-20 惠州市德赛西威汽车电子股份有限公司 事故主动呼叫救援的方法及车载自动求救系统
US20180211543A1 (en) * 2015-11-09 2018-07-26 Beijing Qihoo Technology Company Limited Method, apparatus and system for monitoring vehicle driving safety
CN108810101A (zh) * 2018-05-22 2018-11-13 苏州市启献智能科技有限公司 一种保障乘客安全的网络车辆服务监管方法和平台
CN109447879A (zh) * 2018-11-09 2019-03-08 张振华 一种网约车乘客安全防护系统及方法
US20190283763A1 (en) * 2017-03-06 2019-09-19 Tencent Technology (Shenzhen) Company Limited Driving behavior determining method, apparatus, and device, and storage medium
CN110555536A (zh) * 2019-09-06 2019-12-10 南京领行科技股份有限公司 一种网约车订单的安全性预测方法、装置、设备和存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104917808A (zh) * 2015-04-10 2015-09-16 北京远特科技有限公司 一种基于车联网的救援调度方法及系统
US20180211543A1 (en) * 2015-11-09 2018-07-26 Beijing Qihoo Technology Company Limited Method, apparatus and system for monitoring vehicle driving safety
US20190283763A1 (en) * 2017-03-06 2019-09-19 Tencent Technology (Shenzhen) Company Limited Driving behavior determining method, apparatus, and device, and storage medium
CN107933471A (zh) * 2017-12-04 2018-04-20 惠州市德赛西威汽车电子股份有限公司 事故主动呼叫救援的方法及车载自动求救系统
CN108810101A (zh) * 2018-05-22 2018-11-13 苏州市启献智能科技有限公司 一种保障乘客安全的网络车辆服务监管方法和平台
CN109447879A (zh) * 2018-11-09 2019-03-08 张振华 一种网约车乘客安全防护系统及方法
CN110555536A (zh) * 2019-09-06 2019-12-10 南京领行科技股份有限公司 一种网约车订单的安全性预测方法、装置、设备和存储介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112270452A (zh) * 2020-11-17 2021-01-26 北京嘀嘀无限科技发展有限公司 危险驾驶区域的预测方法、装置、电子设备及存储介质
CN112465331A (zh) * 2020-11-23 2021-03-09 北京嘀嘀无限科技发展有限公司 乘车安全控制方法、模型训练方法、装置、设备及介质
CN114655152A (zh) * 2020-12-23 2022-06-24 上海擎感智能科技有限公司 求救方法、车载终端、汽车、求救系统及计算机存储介质
CN112734520A (zh) * 2021-01-07 2021-04-30 南京领行科技股份有限公司 营运车辆接单控制方法、装置、电子设备及存储介质
CN112801579A (zh) * 2021-01-21 2021-05-14 北京顺达同行科技有限公司 配送任务异常监控方法、装置、计算机设备以及存储介质
CN112801579B (zh) * 2021-01-21 2023-12-08 北京顺达同行科技有限公司 配送任务异常监控方法、装置、计算机设备以及存储介质
CN113327083A (zh) * 2021-06-23 2021-08-31 上海康展物流有限公司 一种用于冷链物流平台的车辆监控方法、系统及存储介质
CN113591690A (zh) * 2021-07-29 2021-11-02 深圳昌恩智能股份有限公司 一种网约车/出租车的行驶监测方法
CN113705846A (zh) * 2021-10-29 2021-11-26 江西易至智行汽车运营服务有限公司 基于叫车桩的车辆预约方法、装置、可读存储介质及设备

Similar Documents

Publication Publication Date Title
CN111832901A (zh) 网约车监控方法、装置、服务器和存储介质
US11416795B2 (en) Systems and methods for vehicle resource management
US11062415B2 (en) Systems and methods for allocating networked vehicle resources in priority environments
US10380699B2 (en) Vehicle telematics road warning system and method
US9418382B2 (en) System and method for computing trip score using geo-spatial information
US11386359B2 (en) Systems and methods for managing a vehicle sharing facility
US20210035233A1 (en) Detecting transportation company trips in a vehicle based upon on-board audio signals
US20170169366A1 (en) Systems and Methods for Adjusting Ride-Sharing Schedules and Routes
CN111324824B (zh) 一种目的地推荐方法、其装置、电子设备及可读存储介质
US20160247094A1 (en) Systems and Methods for Managing a Vehicle Sharing Facility
US20200210905A1 (en) Systems and Methods for Managing Networked Vehicle Resources
CN111832788A (zh) 一种服务信息生成的方法、装置、计算机设备及存储介质
CN110766908A (zh) 报警方法、装置、电子设备及计算机可读存储介质
CN112465331A (zh) 乘车安全控制方法、模型训练方法、装置、设备及介质
Sasikumar et al. Medicab emergency services
CN111182121A (zh) 行程分享方法、装置以及电子设备

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