CN111859104A - 一种乘客状态判断方法、装置、电子设备和存储介质 - Google Patents

一种乘客状态判断方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111859104A
CN111859104A CN202010243851.4A CN202010243851A CN111859104A CN 111859104 A CN111859104 A CN 111859104A CN 202010243851 A CN202010243851 A CN 202010243851A CN 111859104 A CN111859104 A CN 111859104A
Authority
CN
China
Prior art keywords
passenger
information
determining
riding
target
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
CN202010243851.4A
Other languages
English (en)
Inventor
汪山人
刘凯
李敏
王瑜
余楚楚
刘雄峰
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 CN202010243851.4A priority Critical patent/CN111859104A/zh
Publication of CN111859104A publication Critical patent/CN111859104A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供了一种乘客状态判断方法、装置、电子设备和存储介质，其中，该方法包括：获取当前接收到的目标乘车订单的乘客定位信息、所述目标乘车订单的乘车时间信息，以及所述目标乘车订单对应的乘客在发送所述目标乘车订单后的乘客行为信息；根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所，以及根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内；根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客，通过上述方法能够相对准确的确定出乘客是否为醉酒乘客。

Description

一种乘客状态判断方法、装置、电子设备和存储介质
技术领域
本申请涉及计算机技术领域，具体而言，涉及一种乘客状态判断方法、装置、电子设备和存储介质。
背景技术
随着科技的发展，网约车应运而生，在人们日常出行时，网约车也往往是人们的首选。对于网约车司机而言，其并不知道将要乘载的乘客是什么样的乘客，因此往往会给网约车司机带来不必要的困扰。
其中，醉酒乘客是特别需要关注的乘客，因为这关乎网约车的司机、乘客双方的安全。长期以来，对于醉酒乘客的识别，均是在发生安全事件后，再对行程记录信息进行还原，无法提前预判风险。而单纯利用图像识别的方式识别出乘客的危险动作，也无法准确判断其危险行为是否是由于醉酒造成，因此在接到订单之后如何检测乘客是否为醉酒乘客、如何提高醉酒乘客的检测准确性是一个亟需解决的问题。
发明内容
有鉴于此，本申请的目的在于提供一种乘客状态判断方法、装置、电子设备和存储介质，以判断乘客是否为醉酒乘客。
第一方面，本申请实施例提供了一种乘客状态判断方法，所述乘客状态判断方法包括：
获取当前接收到的目标乘车订单的乘客定位信息、所述目标乘车订单的乘车时间信息，以及所述目标乘车订单对应的乘客在发送所述目标乘车订单后的乘客行为信息；
根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所，以及根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内；
根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客。
可选地，所述根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所，包括：
获取所述乘客定位信息中的定位位置信息；
根据预设的涉酒场所的位置名称信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所。
可选地，所述根据预设的涉酒场所的位置信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所，包括：
判断所述定位位置信息对应的定位名称信息是否位于所述位置名称信息列表内；
如果所述定位位置信息对应的定位名称信息位于所述位置名称信息列表内，则确定所述目标乘车订单的起始位置为涉酒场所；
如果所述定位位置信息对应的定位名称信息不位于所述位置名称信息列表内，则确定所述目标乘车订单的起始位置不为涉酒场所。
可选地，所述根据预设的涉酒场所的位置信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所，包括：
判断所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离是否大于指定距离；
如果所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离大于指定距离，则确定所述目标乘车订单的起始位置不为涉酒场所；
如果所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离小于或者等于指定距离，则确定所述目标乘车订单的起始位置为涉酒场所。
可选地，所述根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内，包括：
判断所述乘车时间信息对应的时间是否位于预设的午餐时间段或预设的晚餐时间段内；
如果所述乘车时间信息对应的时间位于预设的午餐时间段或预设的晚餐时间段内，则确定所述目标乘车订单的乘车时间位于用餐时间段内；
如果所述乘车时间信息对应的时间不位于预设的午餐时间段和预设的晚餐时间段内，则确定所述目标乘车订单的乘车时间不位于用餐时间段内。
可选地，所述乘客行为信息包括以下至少一种信息：
所述乘客在网约车内的坐姿信息、所述乘客通过用户终端与司机进行文字交流时与乘车场景的匹配度信息、所述乘客通过所述用户终端与司机进行文字交流时的错别字占比信息、所述乘客在所述用户终端上的第一点击操作行为和历史醉酒乘客的第二点击操作行为的第一相似度信息，以及所述乘客在所述用户终端上的第一点击停留时长和历史醉酒乘客的第二点击停留时长的第二相似度信息。
可选地，当所述乘客行为信息为所述坐姿信息时，所述乘客状态判断方法还包括：
通过摄像装置获取所述乘客在网约车内的图像数据；
根据所述图像数据，判断所述乘客是否躺在座位上，以将所述乘客是否躺在所述座位上的第三判断结果作为所述坐姿信息。
可选地，所述根据所述图像数据，判断所述乘客是否躺在座位上，包括：
根据所述图像数据，确定所述乘客的人体的倾斜方向；
判断所述倾斜方向和水平方向的夹角是否小于或等于预设角度；
如果所述倾斜方向和水平方向的夹角小于或等于预设角度，则确定所述乘客躺在座位上；
如果所述倾斜方向和水平方向的夹角大于预设角度，则确定所述乘客未躺在座位上。
可选地，所述根据所述图像数据，确定所述乘客的人体的倾斜方向，包括：
对所述图像数据进行分析，得到所述图像数据中所述乘客的轮廓数据；
根据所述轮廓数据，确定所述乘客的轮廓的对称中线，以将所述对称中线的倾斜方向作为所述乘客的人体的倾斜方向。
可选地，当所述乘客行为信息为所述匹配度信息时，所述乘客状态判断方法还包括：
获取所述乘客发送的与所述司机进行交流时的文本信息；
对所述文本信息进行切词处理，得到所述文本信息中包括的词语；
将各所述词语作为输入参数输入至文本情况分类模型中，以将得到的分数作为所述匹配度信息。
可选地，当所述乘客行为信息为所述错别字占比信息时，所述乘客状态判断方法还包括：
获取所述乘客在输入文字的过程中所删除的第一文字数量和所述乘客发送的与所述司机进行交流时的文本信息中包括的第二文字数量；
计算所述第一文字数量和所述第二文字数量的比值，以将所述比值作为所述错别字占比信息。
可选地，当所述乘客行为信息为所述第一相似度信息时，所述乘客状态判断方法还包括：
获取所述第一点击操作行为对应的点击位置和指定图标所在位置之间的偏差距离，其中，所述指定图标为距离所述点击位置最近的图标；
确定所述偏差距离在正态分布中出现的第一概率；
对所述第一概率和第二概率进行归一化处理，以将得到的所述第一概率对应的结果作为所述第一相似度信息，其中，所述第二概率为所述历史醉酒乘客在进行第二点击操作行为时对应的偏差距离在正态分布中出现的概率。
可选地，当所述乘客行为信息为所述第二相似度信息时，所述乘客状态判断方法还包括：
确定所述第一点击停留时长在正态分布中出现的第三概率；
对所述第三概率和第四概率进行归一化处理，以将得到的所述第三概率对应的结果作为所述第二相似度信息，其中，所述第四概率为所述历史醉酒乘客的第二点击停留时长在正态分布中出现的概率。
可选地，所述根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客，包括：
根据所述第一判断结果、所述第二判断结果和所述乘客行为信息，以及分别为所述第一判断结果、所述第二判断结果和所述乘客行为信息分配的权重，计算所述乘客的醉酒得分；
在确定出所述醉酒得分大于预设阈值时，确定所述乘客为醉酒乘客；
在确定出所述醉酒得分小于或者等于所述预设阈值时，确定所述乘客为正常乘客。
可选地，所述方法还包括：
如果确定所述乘客为醉酒乘客，则将所述目标乘车订单设置为提醒状态。
第二方面，本申请实施例提供了一种乘客状态判断装置，所述乘客状态判断装置包括：
获取单元，用于获取当前接收到的目标乘车订单的乘客定位信息、所述目标乘车订单的乘车时间信息，以及所述目标乘车订单对应的乘客在发送所述目标乘车订单后的乘客行为信息；
判断单元，用于根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所，以及根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内；
确定单元，用于根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客。
可选地，所述判断单元的配置在用于根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所时，包括：
获取所述乘客定位信息中的定位位置信息；
根据预设的涉酒场所的位置名称信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所。
可选地，所述判断单元的配置在用于根据预设的涉酒场所的位置信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所时，包括：
判断所述定位位置信息对应的定位名称信息是否位于所述位置名称信息列表内；
如果所述定位位置信息对应的定位名称信息位于所述位置名称信息列表内，则确定所述目标乘车订单的起始位置为涉酒场所；
如果所述定位位置信息对应的定位名称信息不位于所述位置名称信息列表内，则确定所述目标乘车订单的起始位置不为涉酒场所。
可选地，所述判断单元的配置在用于根据预设的涉酒场所的位置信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所时，包括：
判断所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离是否大于指定距离；
如果所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离大于指定距离，则确定所述目标乘车订单的起始位置不为涉酒场所；
如果所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离小于或者等于指定距离，则确定所述目标乘车订单的起始位置为涉酒场所。
可选地，所述判断单元的配置在用于根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内时，包括：
判断所述乘车时间信息对应的时间是否位于预设的午餐时间段或预设的晚餐时间段内；
如果所述乘车时间信息对应的时间位于预设的午餐时间段或预设的晚餐时间段内，则确定所述目标乘车订单的乘车时间位于用餐时间段内；
如果所述乘车时间信息对应的时间不位于预设的午餐时间段和预设的晚餐时间段内，则确定所述目标乘车订单的乘车时间不位于用餐时间段内。
可选地，所述乘客行为信息包括以下至少一种信息：
所述乘客在网约车内的坐姿信息、所述乘客通过用户终端与司机进行文字交流时与乘车场景的匹配度信息、所述乘客通过所述用户终端与司机进行文字交流时的错别字占比信息、所述乘客在所述用户终端上的第一点击操作行为和历史醉酒乘客的第二点击操作行为的第一相似度信息，以及所述乘客在所述用户终端上的第一点击停留时长和历史醉酒乘客的第二点击停留时长的第二相似度信息。
可选地，所述获取单元，还用于当所述乘客行为信息为所述坐姿信息时，通过摄像装置获取所述乘客在网约车内的图像数据；
所述判断单元，还用于根据所述图像数据，判断所述乘客是否躺在座位上，以将所述乘客是否躺在所述座位上的第三判断结果作为所述坐姿信息。
可选地，所述判断单元的配置在用于根据所述图像数据，判断所述乘客是否躺在座位上时，包括：
根据所述图像数据，确定所述乘客的人体的倾斜方向；
判断所述倾斜方向和水平方向的夹角是否小于或等于预设角度；
如果所述倾斜方向和水平方向的夹角小于或等于预设角度，则确定所述乘客躺在座位上；
如果所述倾斜方向和水平方向的夹角大于预设角度，则确定所述乘客未躺在座位上。
可选地，所述判断单元的配置在用于根据所述图像数据，确定所述乘客的人体的倾斜方向时，包括：
对所述图像数据进行分析，得到所述图像数据中所述乘客的轮廓数据；
根据所述轮廓数据，确定所述乘客的轮廓的对称中线，以将所述对称中线的倾斜方向作为所述乘客的人体的倾斜方向。
可选地，所述获取单元，还用于当所述乘客行为信息为所述匹配度信息时，获取所述乘客发送的与所述司机进行交流时的文本信息；
所述乘客状态判断装置，还包括：
切词单元，用于对所述文本信息进行切词处理，得到所述文本信息中包括的词语；
分类单元，用于将各所述词语作为输入参数输入至文本情况分类模型中，以将得到的分数作为所述匹配度信息。
可选地，所述获取单元，还用于当所述乘客行为信息为所述错别字占比信息时，获取所述乘客在输入文字的过程中所删除的第一文字数量和所述乘客发送的与所述司机进行交流时的文本信息中包括的第二文字数量；
所述乘客状态判断装置，还包括：
计算单元，用于计算所述第一文字数量和所述第二文字数量的比值，以将所述比值作为所述错别字占比信息。
可选地，所述获取单元，还用于当所述乘客行为信息为所述第一相似度信息时，获取所述第一点击操作行为对应的点击位置和指定图标所在位置之间的偏差距离，其中，所述指定图标为距离所述点击位置最近的图标；
所述乘客状态判断装置，还包括：
第一处理单元，用于确定所述偏差距离在正态分布中出现的第一概率；以及，用于对所述第一概率和第二概率进行归一化处理，以将得到的所述第一概率对应的结果作为所述第一相似度信息，其中，所述第二概率为所述历史醉酒乘客在进行第二点击操作行为时对应的偏差距离在正态分布中出现的概率。
可选地，所述乘客状态判断装置，还包括：
第二处理单元，用于当所述乘客行为信息为所述第二相似度信息时，确定所述第一点击停留时长在正态分布中出现的第三概率；以及，用于对所述第三概率和第四概率进行归一化处理，以将得到的所述第三概率对应的结果作为所述第二相似度信息，其中，所述第四概率为所述历史醉酒乘客的第二点击停留时长在正态分布中出现的概率。
可选地，所述确定单元的配置在用于根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客时，包括：
根据所述第一判断结果、所述第二判断结果和所述乘客行为信息，以及分别为所述第一判断结果、所述第二判断结果和所述乘客行为信息分配的权重，计算所述乘客的醉酒得分；
在确定出所述醉酒得分大于预设阈值时，确定所述乘客为醉酒乘客；
在确定出所述醉酒得分小于或者等于所述预设阈值时，确定所述乘客为正常乘客。
可选地，所述乘客状态判断装置还包括：
设置单元，用于当确定所述乘客为醉酒乘客时，则将所述目标乘车订单设置为提醒状态。
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，以执行如第一方面中任一项所述的乘客状态判断方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读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第一方面中任一项所述的乘客状态判断方法的步骤。
本申请的实施例提供的技术方案可以包括以下有益效果：
在本申请中，在接收到的目标乘车订单后，需要获取该目标乘车订单的乘客定位信息和乘车时间信息，以及乘客在发送目标乘车订单后的乘客行为信息，如果乘客在饮酒之后呼叫网约车(即：通过发送目标乘车订单会叫网约车)，通常乘客会在与涉酒场所相关的位置(如：在涉酒场所内或者在涉酒场所附近)处发送目标乘客订单，并且，通常情况下，乘客会在用餐时间段内饮酒，因此可以根据上述得到的乘客定位信息判断乘客的起始位置(即：目标乘车订单的起始位置)是否为设酒场所，以及可以根据上述的乘车时间信息，判断乘客的乘车时间(即：目标乘车订单的乘车时间)是否位于用餐时间段内，得到的第一判断结果和第二判断结果只能证明乘客存在饮酒的可能性，或者即使能够证明乘客饮酒，但是也不能证明该乘客为醉酒乘客，由于醉酒乘客的行为和正常乘客的行为存在不同，因此为了能够准确判断乘客是否为醉酒乘客，需要根据第一判断结果、第二判断结果和上述得到的乘客行为信息来共同判断，进一步的，如果能够确定出乘客的起始位置为涉酒场所、乘客的乘车时间位于用餐时间段内，且乘客的行为异于常人，则能够确定乘客为醉酒乘客，通过上述方法能够相对准确的确定出乘客是否为醉酒乘客，从而为目标乘车订单的后续处理提供了依据。
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为本申请实施例一提供的一种乘客状态判断方法的流程示意图；
图2为本申请实施例一提供的另一种乘客状态判断方法的流程示意图；
图3为本申请实施例一提供的另一种乘客状态判断方法的流程示意图；
图4为本申请实施例一提供的另一种乘客状态判断方法的流程示意图；
图5为本申请实施例一提供的另一种乘客状态判断方法的流程示意图；
图6为本申请实施例一提供的另一种乘客状态判断方法的流程示意图；
图7为本申请实施例一提供的另一种乘客状态判断方法的流程示意图；
图8为本申请实施例一提供的另一种乘客状态判断方法的流程示意图；
图9为本申请实施例二提供的一种乘客状态判断装置的结构示意图；
图10为本申请实施例二提供的另一种乘客状态判断装置的结构示意图；
图11为本申请实施例二提供的另一种乘客状态判断装置的结构示意图；
图12为本申请实施例二提供的另一种乘客状态判断装置的结构示意图；
图13为本申请实施例二提供的另一种乘客状态判断装置的结构示意图；
图14为本申请实施例二提供的另一种乘客状态判断装置的结构示意图；
图15为本申请实施例三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，结合特定应用场景“网约车”，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进行描述，但是应该理解，这仅是一个示例性实施例。
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。
在一些实施例中，乘客状态判断装置可以包括处理器的服务器。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。在一些实施例中，处理器可以包括一个或多个处理核(例如，单核处理器(S)或多核处理器(S))。仅作为举例，处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application Specific Integrated Circuit,ASIC)、专用指令集处理器(ApplicationSpecific Instruction-set Processor,ASIP)、图形处理单元(Graphics ProcessingUnit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(DigitalSignal Processor,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)、或微处理器等，或其任意组合。
在一些实施例中，乘客状态判断装置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。
实施例一
图1为本申请实施例一提供的一种乘客状态判断方法的流程示意图，如图1所示，该乘客状态判断方法包括以下步骤：
步骤101、获取当前接收到的目标乘车订单的乘客定位信息、所述目标乘车订单的乘车时间信息，以及所述目标乘车订单对应的乘客在发送所述目标乘车订单后的乘客行为信息。
步骤102、根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所，以及根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内。
步骤103、根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客。
具体的，以乘客状态判断装置为网约车服务器为例，乘客在需要呼叫网约车时，需要发送订单给网约车服务器，以使网约车服务器根据该订单为该乘客指派网约车，网约车服务器可以在接收到该订单后将该订单作为当前接收到的目标乘车订单，该目标乘车订单中包括但不限于以下信息：乘客定位信息(根据乘客定位信息可以确定出乘客的上车位置，即：目标乘车订单的起始位置)和乘车时间信息(根据乘车时间信息可以确定出乘客的乘车时间，例如：当前用车或者预约某一时间用车等)。
如果乘客在饮酒之后呼叫网约车，通常乘客会在与涉酒场所相关的位置(如：在涉酒场所内或者在涉酒场所附近)处发送目标乘客订单，并且，通常情况下，乘客会在用餐时间段内饮酒，因此，在接收到的目标乘车订单后，需要获取该目标乘车订单的乘客定位信息和乘车时间信息，以便根据上述得到的乘客定位信息判断乘客的起始位置(即：目标乘车订单的起始位置)是否为设酒场所，以及根据上述的乘车时间信息，判断乘客的乘车时间(即：目标乘车订单的乘车时间)是否位于用餐时间段内，但是，得到的第一判断结果和第二判断结果只能证明乘客存在饮酒的可能性，或者能够证明乘客饮酒，但是也不能证明该乘客为醉酒乘客，由于醉酒乘客的行为和正常乘客的行为存在不同，因此为了能够准确判断乘客是否为醉酒乘客，还需要获得乘客的乘客行为信息，然后基于第一判断结果、第二判断结果和上述得到的乘客行为信息来共同判断乘客是否为醉酒乘客，进一步的，如果能够确定出乘客的起始位置为涉酒场所、乘客的乘车时间位于用餐时间段内，且乘客的行为异于常人，则能够确定乘客为醉酒乘客，通过上述方法能够相对准确的确定出乘客是否为醉酒乘客，从而为目标乘车订单的后续处理提供了依据，例如：可以向司机发送提示该乘客为醉酒乘客的信息，以供司机参考是否继续本次订单，或者司机在看到该乘客为醉酒乘客而按照拒载规定取消订单后不被处罚等，同时，可以避免司机的违规操作，例如：乘客未醉酒，但是司机以乘客醉酒为由拒载乘客。
需要说明的是，关于用餐时间段可以根据实际的季节和区域等因素进行设定，例如：夏季的用餐时间段包括：11:00-14:00和18:00-22:00，冬季的用餐时间段包括：11:00-14:00和18:00-21:00，并且根据具体的城市进行适应性的调整，例如：北京夏季的用餐时间段包括：11:00-15:00和18:00-24:00，北京冬季的用餐时间段包括：11:00-14:00和18:00-24:00，具体的用餐时间段可以根据实际需要进行设定，在此不做具体限定。
需要再次说明的是，关于具体的乘客行为信息可以根据实际醉酒时出现的情况进行设定，例如：吐字是否清晰和是否有呕吐的声音等，具体的乘客行为信息在此不做具体限定。
需要注意的是，上述的乘客定位信息、乘车时间信息和乘客行为信息的获取顺序可以根据实际需要进行设定，在此不做具体限定，同时涉酒场所和用餐时间段的判断顺序也可以根据实际需要进行设定，在此也不做具体限定。
在一个可行的实施方案中，图2为本申请实施例一提供的另一种乘客状态判断方法的流程示意图，如图2所示，只执行根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所的步骤时，可以通过以下步骤实现：
步骤201、获取所述乘客定位信息中的定位位置信息。
步骤202、根据预设的涉酒场所的位置名称信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所。
具体的，为了便于司机接到乘客，乘客在发送订单时，用户设备会对乘客进行定位获得定位位置信息，并且为了获得某一区域内的所有涉酒场所，需要预先获得涉酒场所的位置名称信息列表，然后通过对目标乘车订单中的定位位置信息和位置名称信息列表进行比对来确定目标乘车订单的起始位置是否为涉酒场所。
需要说明的是，定位位置信息可以包括乘客当前所在的街道和门牌号构成的定位名称信息，当然还可以包括乘客定位位置(如：经纬度信息)。
在一个可行的实施方案中，在执行步骤202时，可以通过以下两种方式实现：
方式一：判断所述定位位置信息对应的定位名称信息是否位于所述位置名称信息列表内；如果所述定位位置信息对应的定位名称信息位于所述位置名称信息列表内，则确定所述目标乘车订单的起始位置为涉酒场所；如果所述定位位置信息对应的定位名称信息不位于所述位置名称信息列表内，则确定所述目标乘车订单的起始位置不为涉酒场所。
具体的，在获得乘客当前的定位名称信息后，可以得到乘客当前所在街道和门牌号等信息，然后可以判断该定位名称信息是否位于位置名称信息列表(位置名称信息列表包括某一区域内所有涉酒场所所在街道和门牌号等信息)，如果该定位位置信息位于位置名称信息列表内，则说明乘客当前所在的场所为涉酒场所，如果该定位位置信息不位于位置名称信息列表内，则说明乘客当前所在的场所不为涉酒场所。
方式二：判断所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离是否大于指定距离；如果所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离大于指定距离，则确定所述目标乘车订单的起始位置不为涉酒场所；如果所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离小于或者等于指定距离，则确定所述目标乘车订单的起始位置为涉酒场所。
具体的，在获得乘客当前的乘客定位位置(如：经纬度)后，确定该乘客定位位置分别与位置名称信息列表中包括的各涉酒场所所在位置之间的距离，然后得到上述距离中的最小距离，如果该最小距离大于指定距离，说明乘客距离涉酒场所较远，进而可以确定目标乘车订单的起始位置不为涉酒场所，如果该最小距离小于或者等于该指定距离，说明乘客距离涉酒场所较劲，进而可以确定目标乘车订单的起始位置为涉酒场所。
在一个可行的实施方案中，在执行根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内时，可以判断所述乘车时间信息对应的时间是否位于预设的午餐时间段或预设的晚餐时间段内；如果所述乘车时间信息对应的时间位于预设的午餐时间段或预设的晚餐时间段内，则确定所述目标乘车订单的乘车时间位于用餐时间段内；如果所述乘车时间信息对应的时间不位于预设的午餐时间段和预设的晚餐时间段内，则确定所述目标乘车订单的乘车时间不位于用餐时间段内。
具体的，通常情况下，乘客会在午餐时间段内和晚餐时间段内饮酒，因此通过判断目标乘车订单的乘车时间是否位于用餐时间段内时，可以通过判断乘车时间信息对应的时间是否位于预设的午餐时间段或预设的晚餐时间段内来实现。
需要说明的是，关于具体的午餐时间段和晚餐时间段可以根据季节和城市进行设定，在此不做具体限定，当然还根据实际需要将早餐时间段也作为用餐时间段进行判断。
在一个可行的实施方案中，所述乘客行为信息包括以下至少一种信息：
所述乘客在网约车内的坐姿信息、所述乘客通过用户终端与司机进行文字交流时与乘车场景的匹配度信息、所述乘客通过所述用户终端与司机进行文字交流时的错别字占比信息、所述乘客在所述用户终端上的第一点击操作行为和历史醉酒乘客的第二点击操作行为的第一相似度信息，以及所述乘客在所述用户终端上的第一点击停留时长和历史醉酒乘客的第二点击停留时长的第二相似度信息。
具体的，当乘客为醉酒乘客时，乘客通常包括以下一种异常行为：
1、醉酒乘客在网约车内的坐姿为躺在座位上，因此需要获得乘客在网约车内的坐姿信息，以便确定乘客当前是正常的坐姿还是躺在座位上，从而将坐姿信息作为判断该乘客是否为醉酒乘客的标准之一。
2、乘客在发送目标乘车订单之后，乘客可以与司机进行文字交流(如：通过用户设备向司机发送文字信息以便沟通与乘车相关的信息)，但是当乘客为醉酒乘客时，乘客可能会将司机当做其他人(如：乘客的朋友)，在乘客与司机进行文字交流时，发送的文字信息可能不是与乘车相关的信息，即：不是与乘车场景相匹配的文字信息，因此需要获得乘客通过用户终端与司机进行文字交流时与乘车场景的匹配度信息，以便将匹配度信息作为判断该乘客是否为醉酒乘客的标准之一。
3、乘客在发送目标乘车订单之后，乘客可以与司机进行文字交流(如：通过用户设备向司机发送文字信息)，当乘客为醉酒乘客时，乘客在输入文字的过程中会出现很多错别字，因此需要获得乘客通过所述用户终端与司机进行文字交流时的错别字占比信息，以便将错别字占比信息作为判断该乘客是否为醉酒乘客的标准之一。
4、乘客在发送目标乘车订单之后，可以在网约车应用程序中进行点击操作，并且醉酒乘客的点击操作与常人是存在区别的，因此，预先获得历史醉酒乘客在网约车应用程序中进行点击操作的操作行为，然后对比乘客在用户终端上的第一点击操作行为和历史醉酒乘客的第二点击操作行为的第一相似度信息，以便将第一相似度信息作为判断该乘客是否为醉酒乘客的标准之一。
5、乘客在发送目标乘车订单之后，可以在网约车应用程序中进行点击操作，并且醉酒乘客的点击操作与常人是存在区别的，因此，预先获得历史醉酒乘客在网约车应用程序中进行点击操作的操作行为，然后对比乘客在用户终端上的第一点击停留时长和历史醉酒乘客的第二点击停留时长的第二相似度信息，以便将第二相似度信息作为判断该乘客是否为醉酒乘客的标准之一。
需要说明的是，上述几种信息的获取顺序，以及具体获取哪几种信息可以根据实际需要进行设定，在此不做具体限定。
在一个可行的实施方案中，图3为本申请实施例一提供的另一种乘客状态判断方法的流程示意图，如图3所示，当所述乘客行为信息为所述坐姿信息时，该乘客状态判断方法还包括以下步骤：
步骤301、通过摄像装置获取所述乘客在网约车内的图像数据。
步骤302、根据所述图像数据，判断所述乘客是否躺在座位上，以将所述乘客是否躺在所述座位上的第三判断结果作为所述坐姿信息。
具体的，预先在网约车内设置摄像装置，在乘客进入网约车内后，通过摄像装置可以获取乘客在网约车内的图像数据，然后对图像数据进行分析，从而判断乘客是否躺在座位上，然后将乘客是否躺在座位上的第三判断结果作为上述的坐姿信息，由于醉酒乘客通常时躺在座位上的，而正常乘客是坐在座位上的，因此将乘客是否躺在座位上的第三判断结果作为上述的坐姿信息后，可以将坐姿信息作为判断乘客是否为醉酒乘客的标准之一。
在一个可行的实施方案中，在执行步骤302时，可以先根据所述图像数据，确定所述乘客的人体的倾斜方向；判断所述倾斜方向和水平方向的夹角是否小于或等于预设角度；如果所述倾斜方向和水平方向的夹角小于或等于预设角度，则确定所述乘客躺在座位上；如果所述倾斜方向和水平方向的夹角大于预设角度，则确定所述乘客未躺在座位上。
具体的，当乘客为醉酒乘客时，乘客在座位上时，乘客的身体通常是倾斜的，因此需要根据该图像数据，确定乘客的人体的倾斜方向，当乘客为正常乘客时，乘客的人体的倾斜方向与水平方向的夹角相对较大，即：正常乘客坐在座位上时人体相对垂直于座位，当乘客为醉酒乘客时，乘客的通常会倾斜在座位上，此时乘客的人体的倾斜方向与水平方向的夹角相对较小，因此当乘客的人体的倾斜方向和水平方向的夹角小于或者等于预设角度时，可以确定乘客当前躺在座位上，当乘客的人体的倾斜方向和水平方向的夹角大于预设角度时，可以确定乘客当前未躺在座位上，即：乘客当前正常坐在座位上。
需要说明的是，图像数据的获取时机和预设角度可以根据实际需要进行设定，例如：在乘客上车10秒后获取图像数据，预设角度可以为70°，关于具体的获取时机和预设角度在此不做具体限定。
在一个可行的实施方案中，图4为本申请实施例一提供的另一种乘客状态判断方法的流程示意图，如图4所示，在执行根据所述图像数据，确定所述乘客的人体的倾斜方向的步骤时，可以通过以下步骤实现：
步骤401、对所述图像数据进行分析，得到所述图像数据中所述乘客的轮廓数据。
步骤402、根据所述轮廓数据，确定所述乘客的轮廓的对称中线，以将所述对称中线的倾斜方向作为所述乘客的人体的倾斜方向。
具体的，由于人体相对对称，可以在得到乘客的轮廓数据后，确定出乘客的轮廓的对称中线，例如：基于人体的对称性，选择轮廓数据中位于乘客轮廓上对称的若干组对称点，然后确定出每组对称点的中心位置，然后将所有的中心位置连贯起来从而得到对称中线，然后可以通过对称中线的倾斜方向得到乘客的人体的倾斜方向。
在一个可行的实施方案中，图5为本申请实施例一提供的另一种乘客状态判断方法的流程示意图，如图5所示，当所述乘客行为信息为所述匹配度信息时，该乘客状态判断方法还包括以下步骤：
步骤501、获取所述乘客发送的与所述司机进行交流时的文本信息。
步骤502、对所述文本信息进行切词处理，得到所述文本信息中包括的词语。
步骤503、将各所述词语作为输入参数输入至文本情况分类模型中，以将得到的分数作为所述匹配度信息。
具体的，乘客在发送目标乘车订单后，乘客可以与司机进行文字沟通，为了确定乘客是否为醉酒乘客，需要对乘客发送的文本信息进行分析，以确定乘客发送的文字是否与乘车场景相匹配，当乘客为醉酒乘客时，乘客发送的文字可能会与乘车场景不匹配，当乘客为正常乘客时，乘客发送的文字是与乘车场景相匹配的，因此在将文本情况分类模型对应的得分作为匹配度信息后，可以将该得分作为判断乘客是否为醉酒乘客的标准之一。
需要说明的是，上述实施方案仅是示意性的说明，当然还可以通过其他方式确定乘客发送的文字与乘车场景的匹配情况，并且具体选择的文本情况分类模型也可以根据实际需要进行设定，在此不做具体限定。
在一个可行的实施方案中，图6为本申请实施例一提供的另一种乘客状态判断方法的流程示意图，如图6所示，当所述乘客行为信息为所述错别字占比信息时，该乘客状态判断方法还包括以下步骤：
步骤601、获取所述乘客在输入文字的过程中所删除的第一文字数量和所述乘客发送的与所述司机进行交流时的文本信息中包括的第二文字数量。
步骤602、计算所述第一文字数量和所述第二文字数量的比值，以将所述比值作为所述错别字占比信息。
具体的，乘客在发送目标乘车订单后，乘客可以与司机进行文字沟通，并且当乘客为醉酒乘客时，乘客在输入文字时会输入一定量的错别字并且也会删除输入的错别字，因此获得乘客在输入文字的过程中所删除的第一文字数量和乘客发送的与司机进行交流时的文本信息中包括的第二文字数量后，计算第一文字数量和第二文字数量的比值，以将该比值作为错别字占比信息，由于醉酒乘客删除的错别字与乘客发送的文本中包括的文字的比值相对较高，因此可以将错别字占比信息作为判断乘客是否为醉酒乘客的标准之一。
在一个可行的实施方案中，图7为本申请实施例一提供的另一种乘客状态判断方法的流程示意图，如图7所示，当所述乘客行为信息为所述第一相似度信息时，该乘客状态判断方法还包括以下步骤：
步骤701、获取所述第一点击操作行为对应的点击位置和指定图标所在位置之间的偏差距离，其中，所述指定图标为距离所述点击位置最近的图标。
步骤702、确定所述偏差距离在正态分布中出现的第一概率。
步骤703、对所述第一概率和第二概率进行归一化处理，以将得到的所述第一概率对应的结果作为所述第一相似度信息，其中，所述第二概率为所述历史醉酒乘客在进行第二点击操作行为时对应的偏差距离在正态分布中出现的概率。
具体的，乘客在发送目标乘车订单后，乘客还可以在网约车应用程序中进行点击操作，当乘客为醉酒乘客时，醉酒乘客的点击位置与正常乘客的点击位置存在差别，如：醉酒乘客的点击位置与实际想要点击的图标之间存在一定距离，且醉酒乘客实际想要点击的图标为距离醉酒乘客的点击位置最近的图标，而正常乘客能够准确地点击想要点击的图标，并且由于醉酒乘客之间的点击操作存在一定的相似性，因此可以基于当前乘客的点击操作和历史醉酒乘客的点击操作的相似性作为判断乘客是否为醉酒乘客的标准之一，即：在得到乘客当前的第一点击操作行为对应的点击位置和指定图标所在位置之间的偏差距离后，确定该偏差距离在正态分布中出现的第一概率，然后对第一概率和第二概率进行归一化处理，并将得到的第一概率对应的结果作为第一相似度信息，例如：第一概率为0.1，第二概率为0.4，第一概率对应的结果为0.25(通过0.1/(0.1+0.4)计算得到的)，通过第一相似度信息可以得到当前乘客的点击操作和历史醉酒乘客的点击操作的相似性。
在一个可行的实施方案中，图8为本申请实施例一提供的另一种乘客状态判断方法的流程示意图，如图8所示，当所述乘客行为信息为所述第二相似度信息时，该乘客状态判断方法还包括以下步骤：
步骤801、确定所述第一点击停留时长在正态分布中出现的第三概率。
步骤802、对所述第三概率和第四概率进行归一化处理，以将得到的所述第三概率对应的结果作为所述第二相似度信息，其中，所述第四概率为所述历史醉酒乘客的第二点击停留时长在正态分布中出现的概率。
具体的，乘客在发送目标乘车订单后，乘客还可以在网约车应用程序中进行点击操作，当乘客为醉酒乘客时，醉酒乘客在点击图标时的停留时长和正常乘客点击图标时的停留时长是存在差别的，如：醉酒乘客点击图标时的停留时长更长，并且由于醉酒乘客之间的点击停留时长存在一定的相似性，因此可以基于当前乘客的第一点击停留时长和历史醉酒乘客的第二点击停留时长的相似性作为判断乘客是否为醉酒乘客的标准之一，即：在得到乘客在用户终端上的第一点击停留时长后，确定该第一点击停留时长在正态分布中出现的第三概率，然后对第三概率和第四概率进行归一化处理，并将得到的第三概率对应的结果作为第二相似度信息，例如：第三概率为0.1，第四概率为0.4，第三概率对应的结果为0.25(通过0.1/(0.1+0.4)计算得到的)，通过第二相似度信息可以得到当前乘客的点击停留时长和历史醉酒乘客的点击停留时长的相似性。
在一个可行的实施方案中，在根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客时，可以根据所述第一判断结果、所述第二判断结果和所述乘客行为信息，以及分别为所述第一判断结果、所述第二判断结果和所述乘客行为信息分配的权重，计算所述乘客的醉酒得分；在确定出所述醉酒得分大于预设阈值时，确定所述乘客为醉酒乘客；在确定出所述醉酒得分小于或者等于所述预设阈值时，确定所述乘客为正常乘客。
具体的，为第一判断结果预先分配权重，例如：第一判断结果为目标订单的起始位置为设酒场所时分配的权重为15，第一判断结果为目标订单的起始位置不为设酒场所时分配的权重为0，为第二判断结果预先分配的权重，例如：第二判断结果为目标乘车订单的乘车时间位于用餐时间段内时分配的权重为15，第二判断结果为目标乘车订单的乘车时间不位于用餐时间段内时分配的权重为0，为坐姿信息预先分配权重，例如：坐姿信息为乘客在网约车内躺着时分配的权重为30，坐姿信息为乘客在网约车坐着时分配的权重为0，其余的乘客行为信息均为概率值，并且为其余的乘客行为信息预先分配权重，在得到各种信息对应的权重后，利用上述得到信息和各信息对应的权重计算乘客的醉酒得分，例如：第一判断结果为目标订单的起始位置为设酒场所，此时分配的权重为15，第二判断结果为目标乘车订单的乘车时间位于用餐时间段内，此时分配的权重为15，乘客行为信息包括：坐姿信息、匹配度信息和错别字占比信息，其中，坐姿信息为乘客在网约车坐着，此时分配的权重为0，匹配度信息为0.8，且为匹配度信息分配的权重为20，错别字占比信息为0.6，且为错别字占比信息分配的权重为20，那么此时乘客的醉酒得分为58(通过15+15+0+20×0.8+20×0.6计算得到)，在得到醉酒得分后，对该醉酒得分和预设阈值进行比较，当醉酒得分大于预设阈值时，说明乘客与醉酒乘客的相似度比较高，因此确定乘客为醉酒乘客，当醉酒得分小于或者等于预设阈值时，说明乘客与醉酒乘客的相似度比较低，因此确定乘客为正常乘客。
需要说明的是，关于具体的预设阈值可以根据实际需要进行设定，在此不做具体限定，并且分配的权重也可以根据实际需要进行设定，在此也不做具体限定。
在一个可行的实施方案中，在执行完步骤103后，如果确定所述乘客为醉酒乘客，则将所述目标乘车订单设置为提醒状态。例如，在确定所述乘客为醉酒乘客时，将目标乘车订单的颜色设置为红色、黄色等区别于普通订单的颜色，或者在目标乘车订单中设置文字、语音提醒，或者向目标乘车订单相关联的手机号、App等发送提醒信息，均属于设置为提醒状态，由于能够及时、准确地判断出醉酒乘客的所属订单，并进行提醒设置，从而大大提高了司机与乘客的乘车安全性。
实施例二
图9为本申请实施例二提供的一种乘客状态判断装置的结构示意图，如图9所示，该乘客状态判断装置包括：
获取单元91，用于获取当前接收到的目标乘车订单的乘客定位信息、所述目标乘车订单的乘车时间信息，以及所述目标乘车订单对应的乘客在发送所述目标乘车订单后的乘客行为信息；
判断单元92，用于根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所，以及根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内；
确定单元93，用于根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客。
在一个可行的实施方案中，所述判断单元92的配置在用于根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所时，包括：
获取所述乘客定位信息中的定位位置信息；
根据预设的涉酒场所的位置名称信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所。
在一个可行的实施方案中，所述判断单元92的配置在用于根据预设的涉酒场所的位置信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所时，包括：
判断所述定位位置信息对应的定位名称信息是否位于所述位置名称信息列表内；
如果所述定位位置信息对应的定位名称信息位于所述位置名称信息列表内，则确定所述目标乘车订单的起始位置为涉酒场所；
如果所述定位位置信息对应的定位名称信息不位于所述位置名称信息列表内，则确定所述目标乘车订单的起始位置不为涉酒场所。
在一个可行的实施方案中，所述判断单元92的配置在用于根据预设的涉酒场所的位置信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所时，包括：
判断所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离是否大于指定距离；
如果所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离大于指定距离，则确定所述目标乘车订单的起始位置不为涉酒场所；
如果所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离小于或者等于指定距离，则确定所述目标乘车订单的起始位置为涉酒场所。
在一个可行的实施方案中，所述判断单元92的配置在用于根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内时，包括：
判断所述乘车时间信息对应的时间是否位于预设的午餐时间段或预设的晚餐时间段内；
如果所述乘车时间信息对应的时间位于预设的午餐时间段或预设的晚餐时间段内，则确定所述目标乘车订单的乘车时间位于用餐时间段内；
如果所述乘车时间信息对应的时间不位于预设的午餐时间段和预设的晚餐时间段内，则确定所述目标乘车订单的乘车时间不位于用餐时间段内。
在一个可行的实施方案中，所述乘客行为信息包括以下至少一种信息：
所述乘客在网约车内的坐姿信息、所述乘客通过用户终端与司机进行文字交流时与乘车场景的匹配度信息、所述乘客通过所述用户终端与司机进行文字交流时的错别字占比信息、所述乘客在所述用户终端上的第一点击操作行为和历史醉酒乘客的第二点击操作行为的第一相似度信息，以及所述乘客在所述用户终端上的第一点击停留时长和历史醉酒乘客的第二点击停留时长的第二相似度信息。
在一个可行的实施方案中，所述获取单元91，还用于当所述乘客行为信息为所述坐姿信息时，通过摄像装置获取所述乘客在网约车内的图像数据；
所述判断单元92，还用于根据所述图像数据，判断所述乘客是否躺在座位上，以将所述乘客是否躺在所述座位上的第三判断结果作为所述坐姿信息。
在一个可行的实施方案中，所述判断单元92的配置在用于根据所述图像数据，判断所述乘客是否躺在座位上时，包括：
根据所述图像数据，确定所述乘客的人体的倾斜方向；
判断所述倾斜方向和水平方向的夹角是否小于或等于预设角度；
如果所述倾斜方向和水平方向的夹角小于或等于预设角度，则确定所述乘客躺在座位上；
如果所述倾斜方向和水平方向的夹角大于预设角度，则确定所述乘客未躺在座位上。
在一个可行的实施方案中，所述判断单元92的配置在用于根据所述图像数据，确定所述乘客的人体的倾斜方向时，包括：
对所述图像数据进行分析，得到所述图像数据中所述乘客的轮廓数据；
根据所述轮廓数据，确定所述乘客的轮廓的对称中线，以将所述对称中线的倾斜方向作为所述乘客的人体的倾斜方向。
在一个可行的实施方案中，图10为本申请实施例二提供的另一种乘客状态判断装置的结构示意图，所述获取单元91，还用于当所述乘客行为信息为所述匹配度信息时，获取所述乘客发送的与所述司机进行交流时的文本信息；
如图10所示，所述乘客状态判断装置，还包括：
切词单元94，用于对所述文本信息进行切词处理，得到所述文本信息中包括的词语；
分类单元95，用于将各所述词语作为输入参数输入至文本情况分类模型中，以将得到的分数作为所述匹配度信息。
在一个可行的实施方案中，图11为本申请实施例二提供的另一种乘客状态判断装置的结构示意图，所述获取单元91，还用于当所述乘客行为信息为所述错别字占比信息时，获取所述乘客在输入文字的过程中所删除的第一文字数量和所述乘客发送的与所述司机进行交流时的文本信息中包括的第二文字数量；
如图11所示，所述乘客状态判断装置，还包括：
计算单元96，用于计算所述第一文字数量和所述第二文字数量的比值，以将所述比值作为所述错别字占比信息。
在一个可行的实施方案中，图12为本申请实施例二提供的另一种乘客状态判断装置的结构示意图，所述获取单元91，还用于当所述乘客行为信息为所述第一相似度信息时，获取所述第一点击操作行为对应的点击位置和指定图标所在位置之间的偏差距离，其中，所述指定图标为距离所述点击位置最近的图标；
如图12所示，所述乘客状态判断装置，还包括：
第一处理单元97，用于确定所述偏差距离在正态分布中出现的第一概率；以及，用于对所述第一概率和第二概率进行归一化处理，以将得到的所述第一概率对应的结果作为所述第一相似度信息，其中，所述第二概率为所述历史醉酒乘客在进行第二点击操作行为时对应的偏差距离在正态分布中出现的概率。
在一个可行的实施方案中，图13为本申请实施例二提供的另一种乘客状态判断装置的结构示意图，如图13所示，所述乘客状态判断装置，还包括：
第二处理单元98，用于当所述乘客行为信息为所述第二相似度信息时，确定所述第一点击停留时长在正态分布中出现的第三概率；以及，用于对所述第三概率和第四概率进行归一化处理，以将得到的所述第三概率对应的结果作为所述第二相似度信息，其中，所述第四概率为所述历史醉酒乘客的第二点击停留时长在正态分布中出现的概率。
在一个可行的实施方案中，所述确定单元93的配置在用于根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客时，包括：
根据所述第一判断结果、所述第二判断结果和所述乘客行为信息，以及分别为所述第一判断结果、所述第二判断结果和所述乘客行为信息分配的权重，计算所述乘客的醉酒得分；
在确定出所述醉酒得分大于预设阈值时，确定所述乘客为醉酒乘客；
在确定出所述醉酒得分小于或者等于所述预设阈值时，确定所述乘客为正常乘客。
在一个可行的实施方案中，图14为本申请实施例二提供的另一种乘客状态判断装置的结构示意图，如图14所示，所述乘客状态判断装置，还包括：
设置单元99，用于当确定所述乘客为醉酒乘客时，则将所述目标乘车订单设置为提醒状态。
关于实施例二的相关原理可参考实施例一的相关说明，在此不再详细说明。
实施例三
图15为本申请实施例三提供的一种电子设备的结构示意图，包括：处理器1501、存储介质1502和总线1503，所述存储介质1502存储有所述处理器1501可执行的机器可读指令，当电子设备运行上述的乘客状态判断方法时，所述处理器1501与所述存储介质1502之间通过总线1503通信，所述处理器1501执行所述机器可读指令，以执行以下步骤：
获取当前接收到的目标乘车订单的乘客定位信息、所述目标乘车订单的乘车时间信息，以及所述目标乘车订单对应的乘客在发送所述目标乘车订单后的乘客行为信息；
根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所，以及根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内；
根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客。
在本申请实施例中，所述存储介质1502还可以执行其它机器可读指令，以执行如实施例一中其它所述的方法，关于具体执行的方法步骤和原理参见实施例一的说明，在此不再详细赘述。
实施例四
本申请实施例四还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行以下步骤：
获取当前接收到的目标乘车订单的乘客定位信息、所述目标乘车订单的乘车时间信息，以及所述目标乘车订单对应的乘客在发送所述目标乘车订单后的乘客行为信息；
根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所，以及根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内；
根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客。
在本申请实施例中，该计算机程序被处理器运行时还可以执行其它机器可读指令，以执行如实施例一中其它所述的方法，关于具体执行的方法步骤和原理参见实施例一的说明，在此不再详细赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (32)

1.一种乘客状态判断方法，其特征在于，所述乘客状态判断方法包括：
获取当前接收到的目标乘车订单的乘客定位信息、所述目标乘车订单的乘车时间信息，以及所述目标乘车订单对应的乘客在发送所述目标乘车订单后的乘客行为信息；
根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所，以及根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内；
根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客。
2.如权利要求1所述的乘客状态判断方法，其特征在于，所述根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所，包括：
获取所述乘客定位信息中的定位位置信息；
根据预设的涉酒场所的位置名称信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所。
3.如权利要求2所述的乘客状态判断方法，其特征在于，所述根据预设的涉酒场所的位置信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所，包括：
判断所述定位位置信息对应的定位名称信息是否位于所述位置名称信息列表内；
如果所述定位位置信息对应的定位名称信息位于所述位置名称信息列表内，则确定所述目标乘车订单的起始位置为涉酒场所；
如果所述定位位置信息对应的定位名称信息不位于所述位置名称信息列表内，则确定所述目标乘车订单的起始位置不为涉酒场所。
4.如权利要求2所述的乘客状态判断方法，其特征在于，所述根据预设的涉酒场所的位置信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所，包括：
判断所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离是否大于指定距离；
如果所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离大于指定距离，则确定所述目标乘车订单的起始位置不为涉酒场所；
如果所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离小于或者等于指定距离，则确定所述目标乘车订单的起始位置为涉酒场所。
5.如权利要求1所述的乘客状态判断方法，其特征在于，所述根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内，包括：
判断所述乘车时间信息对应的时间是否位于预设的午餐时间段或预设的晚餐时间段内；
如果所述乘车时间信息对应的时间位于预设的午餐时间段或预设的晚餐时间段内，则确定所述目标乘车订单的乘车时间位于用餐时间段内；
如果所述乘车时间信息对应的时间不位于预设的午餐时间段和预设的晚餐时间段内，则确定所述目标乘车订单的乘车时间不位于用餐时间段内。
6.如权利要求1所述的乘客状态判断方法，其特征在于，所述乘客行为信息包括以下至少一种信息：
所述乘客在网约车内的坐姿信息、所述乘客通过用户终端与司机进行文字交流时与乘车场景的匹配度信息、所述乘客通过所述用户终端与司机进行文字交流时的错别字占比信息、所述乘客在所述用户终端上的第一点击操作行为和历史醉酒乘客的第二点击操作行为的第一相似度信息，以及所述乘客在所述用户终端上的第一点击停留时长和历史醉酒乘客的第二点击停留时长的第二相似度信息。
7.如权利要求6所述的乘客状态判断方法，其特征在于，当所述乘客行为信息为所述坐姿信息时，所述乘客状态判断方法还包括：
通过摄像装置获取所述乘客在网约车内的图像数据；
根据所述图像数据，判断所述乘客是否躺在座位上，以将所述乘客是否躺在所述座位上的第三判断结果作为所述坐姿信息。
8.如权利要求7所述的乘客状态判断方法，其特征在于，所述根据所述图像数据，判断所述乘客是否躺在座位上，包括：
根据所述图像数据，确定所述乘客的人体的倾斜方向；
判断所述倾斜方向和水平方向的夹角是否小于或等于预设角度；
如果所述倾斜方向和水平方向的夹角小于或等于预设角度，则确定所述乘客躺在座位上；
如果所述倾斜方向和水平方向的夹角大于预设角度，则确定所述乘客未躺在座位上。
9.如权利要求8所述的乘客状态判断方法，其特征在于，所述根据所述图像数据，确定所述乘客的人体的倾斜方向，包括：
对所述图像数据进行分析，得到所述图像数据中所述乘客的轮廓数据；
根据所述轮廓数据，确定所述乘客的轮廓的对称中线，以将所述对称中线的倾斜方向作为所述乘客的人体的倾斜方向。
10.如权利要求6所述的乘客状态判断方法，其特征在于，当所述乘客行为信息为所述匹配度信息时，所述乘客状态判断方法还包括：
获取所述乘客发送的与所述司机进行交流时的文本信息；
对所述文本信息进行切词处理，得到所述文本信息中包括的词语；
将各所述词语作为输入参数输入至文本情况分类模型中，以将得到的分数作为所述匹配度信息。
11.如权利要求6所述的乘客状态判断方法，其特征在于，当所述乘客行为信息为所述错别字占比信息时，所述乘客状态判断方法还包括：
获取所述乘客在输入文字的过程中所删除的第一文字数量和所述乘客发送的与所述司机进行交流时的文本信息中包括的第二文字数量；
计算所述第一文字数量和所述第二文字数量的比值，以将所述比值作为所述错别字占比信息。
12.如权利要求6所述的乘客状态判断方法，其特征在于，当所述乘客行为信息为所述第一相似度信息时，所述乘客状态判断方法还包括：
获取所述第一点击操作行为对应的点击位置和指定图标所在位置之间的偏差距离，其中，所述指定图标为距离所述点击位置最近的图标；
确定所述偏差距离在正态分布中出现的第一概率；
对所述第一概率和第二概率进行归一化处理，以将得到的所述第一概率对应的结果作为所述第一相似度信息，其中，所述第二概率为所述历史醉酒乘客在进行第二点击操作行为时对应的偏差距离在正态分布中出现的概率。
13.如权利要求6所述的乘客状态判断方法，其特征在于，当所述乘客行为信息为所述第二相似度信息时，所述乘客状态判断方法还包括：
确定所述第一点击停留时长在正态分布中出现的第三概率；
对所述第三概率和第四概率进行归一化处理，以将得到的所述第三概率对应的结果作为所述第二相似度信息，其中，所述第四概率为所述历史醉酒乘客的第二点击停留时长在正态分布中出现的概率。
14.如权利要求1所述的乘客状态判断方法，其特征在于，所述根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客，包括：
根据所述第一判断结果、所述第二判断结果和所述乘客行为信息，以及分别为所述第一判断结果、所述第二判断结果和所述乘客行为信息分配的权重，计算所述乘客的醉酒得分；
在确定出所述醉酒得分大于预设阈值时，确定所述乘客为醉酒乘客；
在确定出所述醉酒得分小于或者等于所述预设阈值时，确定所述乘客为正常乘客。
15.如权利要求1所述的乘客状态判断方法，其特征在于，所述方法还包括：
如果确定所述乘客为醉酒乘客，则将所述目标乘车订单设置为提醒状态。
16.一种乘客状态判断装置，其特征在于，所述乘客状态判断装置包括：
获取单元，用于获取当前接收到的目标乘车订单的乘客定位信息、所述目标乘车订单的乘车时间信息，以及所述目标乘车订单对应的乘客在发送所述目标乘车订单后的乘客行为信息；
判断单元，用于根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所，以及根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内；
确定单元，用于根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客。
17.如权利要求16所述的乘客状态判断装置，其特征在于，所述判断单元的配置在用于根据所述乘客定位信息，判断所述目标乘车订单的起始位置是否为涉酒场所时，包括：
获取所述乘客定位信息中的定位位置信息；
根据预设的涉酒场所的位置名称信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所。
18.如权利要求17所述的乘客状态判断装置，其特征在于，所述判断单元的配置在用于根据预设的涉酒场所的位置信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所时，包括：
判断所述定位位置信息对应的定位名称信息是否位于所述位置名称信息列表内；
如果所述定位位置信息对应的定位名称信息位于所述位置名称信息列表内，则确定所述目标乘车订单的起始位置为涉酒场所；
如果所述定位位置信息对应的定位名称信息不位于所述位置名称信息列表内，则确定所述目标乘车订单的起始位置不为涉酒场所。
19.如权利要求17所述的乘客状态判断装置，其特征在于，所述判断单元的配置在用于根据预设的涉酒场所的位置信息列表和所述定位位置信息，判断所述目标乘车订单的起始位置是否为涉酒场所时，包括：
判断所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离是否大于指定距离；
如果所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离大于指定距离，则确定所述目标乘车订单的起始位置不为涉酒场所；
如果所述定位位置信息对应的乘客定位位置和所述位置名称信息列表对应的涉酒场所的各位置之间的最小距离小于或者等于指定距离，则确定所述目标乘车订单的起始位置为涉酒场所。
20.如权利要求16所述的乘客状态判断装置，其特征在于，所述判断单元的配置在用于根据所述乘车时间信息，判断所述目标乘车订单的乘车时间是否位于用餐时间段内时，包括：
判断所述乘车时间信息对应的时间是否位于预设的午餐时间段或预设的晚餐时间段内；
如果所述乘车时间信息对应的时间位于预设的午餐时间段或预设的晚餐时间段内，则确定所述目标乘车订单的乘车时间位于用餐时间段内；
如果所述乘车时间信息对应的时间不位于预设的午餐时间段和预设的晚餐时间段内，则确定所述目标乘车订单的乘车时间不位于用餐时间段内。
21.如权利要求16所述的乘客状态判断装置，其特征在于，所述乘客行为信息包括以下至少一种信息：
所述乘客在网约车内的坐姿信息、所述乘客通过用户终端与司机进行文字交流时与乘车场景的匹配度信息、所述乘客通过所述用户终端与司机进行文字交流时的错别字占比信息、所述乘客在所述用户终端上的第一点击操作行为和历史醉酒乘客的第二点击操作行为的第一相似度信息，以及所述乘客在所述用户终端上的第一点击停留时长和历史醉酒乘客的第二点击停留时长的第二相似度信息。
22.如权利要求21所述的乘客状态判断装置，其特征在于，
所述获取单元，还用于当所述乘客行为信息为所述坐姿信息时，通过摄像装置获取所述乘客在网约车内的图像数据；
所述判断单元，还用于根据所述图像数据，判断所述乘客是否躺在座位上，以将所述乘客是否躺在所述座位上的第三判断结果作为所述坐姿信息。
23.如权利要求22所述的乘客状态判断装置，其特征在于，所述判断单元的配置在用于根据所述图像数据，判断所述乘客是否躺在座位上时，包括：
根据所述图像数据，确定所述乘客的人体的倾斜方向；
判断所述倾斜方向和水平方向的夹角是否小于或等于预设角度；
如果所述倾斜方向和水平方向的夹角小于或等于预设角度，则确定所述乘客躺在座位上；
如果所述倾斜方向和水平方向的夹角大于预设角度，则确定所述乘客未躺在座位上。
24.如权利要求23所述的乘客状态判断装置，其特征在于，所述判断单元的配置在用于根据所述图像数据，确定所述乘客的人体的倾斜方向时，包括：
对所述图像数据进行分析，得到所述图像数据中所述乘客的轮廓数据；
根据所述轮廓数据，确定所述乘客的轮廓的对称中线，以将所述对称中线的倾斜方向作为所述乘客的人体的倾斜方向。
25.如权利要求21所述的乘客状态判断装置，其特征在于，
所述获取单元，还用于当所述乘客行为信息为所述匹配度信息时，获取所述乘客发送的与所述司机进行交流时的文本信息；
所述乘客状态判断装置，还包括：
切词单元，用于对所述文本信息进行切词处理，得到所述文本信息中包括的词语；
分类单元，用于将各所述词语作为输入参数输入至文本情况分类模型中，以将得到的分数作为所述匹配度信息。
26.如权利要求21所述的乘客状态判断装置，其特征在于，
所述获取单元，还用于当所述乘客行为信息为所述错别字占比信息时，获取所述乘客在输入文字的过程中所删除的第一文字数量和所述乘客发送的与所述司机进行交流时的文本信息中包括的第二文字数量；
所述乘客状态判断装置，还包括：
计算单元，用于计算所述第一文字数量和所述第二文字数量的比值，以将所述比值作为所述错别字占比信息。
27.如权利要求21所述的乘客状态判断装置，其特征在于，
所述获取单元，还用于当所述乘客行为信息为所述第一相似度信息时，获取所述第一点击操作行为对应的点击位置和指定图标所在位置之间的偏差距离，其中，所述指定图标为距离所述点击位置最近的图标；
所述乘客状态判断装置，还包括：
第一处理单元，用于确定所述偏差距离在正态分布中出现的第一概率；以及，用于对所述第一概率和第二概率进行归一化处理，以将得到的所述第一概率对应的结果作为所述第一相似度信息，其中，所述第二概率为所述历史醉酒乘客在进行第二点击操作行为时对应的偏差距离在正态分布中出现的概率。
28.如权利要求21所述的乘客状态判断装置，其特征在于，所述乘客状态判断装置，还包括：
第二处理单元，用于当所述乘客行为信息为所述第二相似度信息时，确定所述第一点击停留时长在正态分布中出现的第三概率；以及，用于对所述第三概率和第四概率进行归一化处理，以将得到的所述第三概率对应的结果作为所述第二相似度信息，其中，所述第四概率为所述历史醉酒乘客的第二点击停留时长在正态分布中出现的概率。
29.如权利要求16所述的乘客状态判断装置，其特征在于，所述确定单元的配置在用于根据所述目标乘车订单的起始位置的第一判断结果、所述目标乘车订单的乘车时间的第二判断结果和所述乘客行为信息，确定所述乘客是否为醉酒乘客时，包括：
根据所述第一判断结果、所述第二判断结果和所述乘客行为信息，以及分别为所述第一判断结果、所述第二判断结果和所述乘客行为信息分配的权重，计算所述乘客的醉酒得分；
在确定出所述醉酒得分大于预设阈值时，确定所述乘客为醉酒乘客；
在确定出所述醉酒得分小于或者等于所述预设阈值时，确定所述乘客为正常乘客。
30.如权利要求16所述的乘客状态判断装置，其特征在于，所述乘客状态判断装置，还包括：
设置单元，用于当确定所述乘客为醉酒乘客时，则将所述目标乘车订单设置为提醒状态。
31.一种电子设备，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，以执行如权利要求1至15中任一所述乘客状态判断方法的步骤。
32.一种计算机可读存储介质，其特征在于，所述计算机可读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15中任一所述乘客状态判断方法的步骤。
CN202010243851.4A 2020-03-31 2020-03-31 一种乘客状态判断方法、装置、电子设备和存储介质 Pending CN111859104A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010243851.4A CN111859104A (zh) 2020-03-31 2020-03-31 一种乘客状态判断方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010243851.4A CN111859104A (zh) 2020-03-31 2020-03-31 一种乘客状态判断方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN111859104A true CN111859104A (zh) 2020-10-30

Family

ID=72985966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010243851.4A Pending CN111859104A (zh) 2020-03-31 2020-03-31 一种乘客状态判断方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111859104A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112819185A (zh) * 2021-01-07 2021-05-18 南京领行科技股份有限公司 一种网约车拒载监测方法、装置及系统
CN113409118A (zh) * 2021-06-21 2021-09-17 北京畅行信息技术有限公司 车辆行为的识别方法、装置、服务器和可读存储介质
CN113657632A (zh) * 2021-08-10 2021-11-16 百度在线网络技术（北京）有限公司 异常驾驶行为检测方法、装置、电子设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150186612A1 (en) * 2013-12-30 2015-07-02 Here Global B.V. Method and apparatus for distinguishing user health-related states based on user interaction information
CN106776900A (zh) * 2016-11-30 2017-05-31 百度在线网络技术（北京）有限公司 出行方法和装置
CN107038610A (zh) * 2017-05-08 2017-08-11 鄂尔多斯市普渡科技有限公司 一种无人驾驶出租车的乘客信任度评价方法
CN109712387A (zh) * 2018-09-26 2019-05-03 姜洪明 网约车、出租车的乘客和司机的安全保护系统
CN110458604A (zh) * 2019-07-17 2019-11-15 中国第一汽车股份有限公司 一种网约司机评价方法、装置、设备及存储介质
CN110689150A (zh) * 2018-06-19 2020-01-14 北京嘀嘀无限科技发展有限公司 基于机器学习的订单预测方法、预测装置及计算机设备
TW202010294A (zh) * 2018-08-10 2020-03-01 大陸商北京嘀嘀無限科技發展有限公司 用於識別線上到線下服務平臺中醉酒請求方的系統和方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150186612A1 (en) * 2013-12-30 2015-07-02 Here Global B.V. Method and apparatus for distinguishing user health-related states based on user interaction information
CN106776900A (zh) * 2016-11-30 2017-05-31 百度在线网络技术（北京）有限公司 出行方法和装置
CN107038610A (zh) * 2017-05-08 2017-08-11 鄂尔多斯市普渡科技有限公司 一种无人驾驶出租车的乘客信任度评价方法
CN110689150A (zh) * 2018-06-19 2020-01-14 北京嘀嘀无限科技发展有限公司 基于机器学习的订单预测方法、预测装置及计算机设备
TW202010294A (zh) * 2018-08-10 2020-03-01 大陸商北京嘀嘀無限科技發展有限公司 用於識別線上到線下服務平臺中醉酒請求方的系統和方法
CN109712387A (zh) * 2018-09-26 2019-05-03 姜洪明 网约车、出租车的乘客和司机的安全保护系统
CN110458604A (zh) * 2019-07-17 2019-11-15 中国第一汽车股份有限公司 一种网约司机评价方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
罗雯;陈智磊;徐雪珂;: "网约车使用现状及其安全问题调查分析", 电脑知识与技术, no. 10, 5 April 2019 (2019-04-05) *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112819185A (zh) * 2021-01-07 2021-05-18 南京领行科技股份有限公司 一种网约车拒载监测方法、装置及系统
CN113409118A (zh) * 2021-06-21 2021-09-17 北京畅行信息技术有限公司 车辆行为的识别方法、装置、服务器和可读存储介质
CN113409118B (zh) * 2021-06-21 2024-02-02 北京畅行信息技术有限公司 车辆行为的识别方法、装置、服务器和可读存储介质
CN113657632A (zh) * 2021-08-10 2021-11-16 百度在线网络技术（北京）有限公司 异常驾驶行为检测方法、装置、电子设备和存储介质
CN113657632B (zh) * 2021-08-10 2023-11-07 百度在线网络技术（北京）有限公司 异常驾驶行为检测方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN106779141B (zh) 一种推荐上车地点的方法和装置
CN111859104A (zh) 一种乘客状态判断方法、装置、电子设备和存储介质
US20180143032A1 (en) Navigation systems and associated methods
US20200154245A1 (en) Systems and methods for recommending a destination
US10740615B2 (en) Mutual augmented reality experience for users in a network system
US20190003848A1 (en) Facility-information guidance device, server device, and facility-information guidance method
EP2832577B1 (en) Detecting sobriety or driving condition using a mobile device
CN109636368B (zh) 互联网打车方法、装置、打车设备和计算机可读存储介质
CN110782625A (zh) 乘车安全报警方法、装置、电子设备及存储介质
JPWO2018179154A1 (ja) 情報管理装置、情報処理装置、システムおよび情報管理方法
CN111832901A (zh) 网约车监控方法、装置、服务器和存储介质
CN111832764A (zh) 一种数据处理方法、装置、电子设备和可读存储介质
CN114096996A (zh) 在交通中使用增强现实的方法和装置
US11109190B2 (en) Information provision method and information provision device for providing guidance
US11657626B2 (en) Emotion estimation apparatus
US20190287075A1 (en) Information processing method and information processor
US20180012148A1 (en) Vehicle booking system and method thereof
US20190340652A1 (en) Information processing device and program
WO2022201756A1 (ja) 推薦装置、システム及び方法並びにコンピュータ可読媒体
US20220281486A1 (en) Automated driving vehicle, vehicle allocation management device, and terminal device
CN111145490B (zh) 一种报警方法、装置、服务器及系统
JP2015230691A (ja) 情報提供装置
CN114691979A (zh) 信息提供装置、信息提供方法及存储介质
CN114092298A (zh) 信息处理装置、信息处理方法以及非临时性存储介质
CN111861650A (zh) 信息显示方法、第一服务请求端、系统及电子设备

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