CN111861077A - 一种用户驾驶习惯确定及服务信息推送方法和系统 - Google Patents

Abstract

本申请实施例公开了一种用户驾驶习惯确定及服务信息推送方法和系统。所述用户驾驶习惯确定方法包括：获取用户的历史驾驶记录；从所述历史驾驶记录中提取所述用户的驾驶特征；基于所述用户的所述驾驶特征，确定所述用户的驾驶习惯。

Description

一种用户驾驶习惯确定及服务信息推送方法和系统

技术领域

本申请涉及交通服务领域，特别涉及一种用户驾驶习惯确定及服务信息推送方法和系统。

背景技术

随着共享出行的发展，共享汽车也逐渐走入人们的生活。共享汽车的普及，减少碳排放的同时降低了人们的停车困扰，成为更多人的出行选择。不同的用户在驾驶车辆时会有不同的驾驶习惯。现有技术中，对于用户的服务信息推送，基本是基于用户的实时位置、实时功耗等情况进行。对于共享汽车而言，基本是针对该车辆的相关信息进行服务信息推送，而不会根据不同的用户的不同的驾驶习惯进行推送。

发明内容

本申请实施例之一提供一种用户驾驶习惯确定方法，所述方法由至少一个处理器执行，所述方法包括：获取用户的历史驾驶记录；从所述历史驾驶记录中提取所述用户的驾驶特征；基于所述用户的所述驾驶特征，确定所述用户的驾驶习惯。

在一些实施例中，所述用户的驾驶特征包括以下中的至少一种：遭遇车祸情况、违反交通规则情况、急加速情况、急转弯情况、超速行驶情况、急刹车情况、平均行车速度和变道情况。

在一些实施例中，所述基于所述用户的所述驾驶特征，确定所述用户的驾驶习惯包括：基于所述用户的所述驾驶特征，利用训练好的驾驶习惯确定模型确定所述用户的驾驶习惯。

本申请实施例之一提供一种服务信息推送方法，包括：利用如本申请任一实施例所述的用户驾驶习惯确定方法确定用户的驾驶习惯；根据所述用户的驾驶习惯，向所述用户推送服务信息。

在一些实施例中，所述服务信息包括针对订单的不计免赔服务信息；所述根据所述用户的驾驶习惯，向所述用户推送服务信息包括：根据所述用户的驾驶习惯，向所述用户推送所述订单的不计免赔服务价格信息。

在一些实施例中，所述根据所述用户的驾驶习惯，向所述用户推送所述订单的不计免赔服务价格信息包括：基于出险率相关信息确定所述订单的出险率；基于所述订单的出险率以及所述用户的驾驶习惯，确定所述订单的不计免赔服务价格；将所述订单的不计免赔服务价格展示给所述用户。

在一些实施例中，所述出险率相关信息包括以下信息中的至少一种：订单信息、环境信息、历史行驶路线、车辆信息、交通信息、道路信息和用户信息。

在一些实施例中，所述订单信息包括以下信息中的至少一种：订单起点、订单终点、订单时长、订单规划行驶路线。

在一些实施例中，所述环境信息包括以下信息中的至少一种：天气、季节、外界温度、时间、时间类型。

在一些实施例中，所述基于出险率相关信息确定所述订单的出险率包括：基于所述出险率相关信息，利用训练好的订单出险率预测模型确定所述订单的出险率。

在一些实施例中，所述服务信息包括续航里程信息；所述根据所述用户的驾驶习惯，向所述用户推送服务信息包括：根据所述用户的驾驶习惯，向所述用户推送车辆的续航里程信息。

在一些实施例中，所述根据所述用户的驾驶习惯，向所述用户推送车辆的续航里程信息包括：基于所述用户的驾驶习惯以及续航里程相关信息，利用训练好的续航里程预估模型确定所述车辆的续航里程；将所述车辆的续航里程展示给所述用户。

在一些实施例中，所述续航里程相关信息包括以下中的至少一种：环境信息、车辆信息、道路信息和电量信息。

在一些实施例中，所述环境信息包括以下中的至少一种：天气、季节、外界温度、时间、时间类型。

在一些实施例中，所述车辆信息包括以下中的至少一种：车龄、车辆历史充电次数、车辆配件寿命。

本申请实施例之一提供一种用户驾驶习惯确定系统，所述系统包括：驾驶记录获取模块、驾驶特征提取模块和驾驶习惯确定模块；所述驾驶记录获取模块用于获取用户的历史驾驶记录；所述驾驶特征提取模块用于从所述历史驾驶记录中提取所述用户的驾驶特征；所述驾驶习惯确定模块用于基于所述用户的所述驾驶特征，确定所述用户的驾驶习惯。

在一些实施例中，所述用户的驾驶特征包括以下中的至少一种：遭遇车祸情况、违反交通规则情况、急加速情况、急转弯情况、超速行驶情况、急刹车情况、平均行车速度和变道情况。

在一些实施例中，所述驾驶习惯确定模块用于：基于所述用户的所述驾驶特征，利用训练好的驾驶习惯确定模型确定所述用户的驾驶习惯。

本申请实施例之一提供一种服务信息推送系统，包括：驾驶习惯确定模块和服务信息推送模块；所述驾驶习惯确定模块用于利用如本申请任一实施例所述的用户驾驶习惯确定方法确定用户的驾驶习惯；所述服务信息推送模块用于根据所述用户的驾驶习惯，向所述用户推送服务信息。

在一些实施例中，所述服务信息包括针对订单的不计免赔服务信息；所述服务信息推送模块包括不计免赔服务信息推送单元；所述不计免赔服务信息推送单元用于根据所述用户的驾驶习惯，向所述用户推送所述订单的不计免赔服务价格信息。

在一些实施例中，所述不计免赔服务信息推送单元用于：基于出险率相关信息确定所述订单的出险率；基于所述订单的出险率以及所述用户的驾驶习惯，确定所述订单的不计免赔服务价格；将所述订单的不计免赔服务价格展示给所述用户。

在一些实施例中，所述出险率相关信息包括以下信息中的至少一种：订单信息、环境信息、历史行驶路线、车辆信息、交通信息、道路信息和用户信息。

在一些实施例中，所述订单信息包括以下信息中的至少一种：订单起点、订单终点、订单时长、订单规划行驶路线。

在一些实施例中，所述环境信息包括以下信息中的至少一种：天气、季节、外界温度、时间、时间类型。

在一些实施例中，所述不计免赔服务信息推送单元用于：基于所述出险率相关信息，利用训练好的订单出险率预测模型确定所述订单的出险率。

在一些实施例中，所述服务信息包括续航里程信息；所述服务信息推送模块包括续航里程信息推送单元；所述续航里程信息推送单元用于根据所述用户的驾驶习惯，向所述用户推送车辆的续航里程信息。

在一些实施例中，所述续航里程信息推送单元用于：基于所述用户的驾驶习惯以及续航里程相关信息，利用训练好的续航里程预估模型确定所述车辆的续航里程；将所述车辆的续航里程展示给所述用户。

在一些实施例中，所述续航里程相关信息包括以下中的至少一种：环境信息、车辆信息、道路信息和电量信息。

在一些实施例中，所述环境信息包括以下中的至少一种：天气、季节、外界温度、时间、时间类型。

在一些实施例中，所述车辆信息包括以下中的至少一种：车龄、车辆历史充电次数、车辆配件寿命。

本申请实施例之一提供一种装置，包括处理器，所述处理器用于执行如本申请任一实施例所述的用户驾驶习惯确定方法和/或服务信息推送方法。

本申请实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如本申请任一实施例所述的用户驾驶习惯确定方法和/或服务信息推送方法。

附图说明

本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本申请一些实施例所示的用户驾驶习惯确定及服务信息推送方法的示例性流程图；

图2是根据本申请一些实施例所示的不计免赔服务信息推送方法的示例性流程图；

图3是根据本申请一些实施例所示的续航里程信息推送方法的示例性流程图；

图4是根据本申请一些实施例所示的用户驾驶习惯确定及服务信息推送系统的模块图。

具体实施方式

为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本申请一些实施例所示的用户驾驶习惯确定及服务信息推送方法的示例性流程图。用户驾驶习惯确定及服务信息推送方法100可以由用户驾驶习惯确定及服务信息推送系统400执行。在本申请实施例中，用户驾驶习惯确定及服务信息推送系统400可以用于执行用户驾驶习惯确定方法和/或服务信息推送方法。在一些替代性实施例中，用户驾驶习惯确定方法和服务信息推送方法也可以分别由特定的系统(如用户驾驶习惯确定系统、服务信息推送系统)执行。如图1所示，该用户驾驶习惯确定及服务信息推送方法100可以包括：

步骤110，获取用户的历史驾驶记录。具体的，步骤110可以由驾驶记录获取模块410执行。

在一些实施例中，历史驾驶记录可以包括用户在该次用车之前的驾驶记录、用户从该次用车开始到当前时刻的驾驶记录、用户当前时刻之前的所有驾驶记录等。在一些实施例中，用户的历史驾驶记录可以包括但不限于用户的历史车辆行驶记录、历史违章记录、历史交通事故记录、历史车辆维修记录等一种或多种的任意组合。

在一些实施例中，用户的历史车辆行驶记录可以包括但不限于用户的历史车辆行驶轨迹记录、历史出行时间记录(如白天、夜晚、出行时长等)、历史车辆操作记录(如急加速、急减速、急转弯等)等一种或多种的任意组合。在一些实施例中，用户的历史违章记录可以包括但不限于用户的历史违停记录、历史超速记录、历史违章超车记录、历史超载记录等一种或多种的任意组合。在一些实施例中，用户的历史车辆行驶记录可以为用户历史上驾驶共享车辆的行驶记录。在一些实施例中，用户的历史车辆行驶记录也可以包括用户驾驶其他车辆(如私人车辆)的行驶记录。在一些实施例中，用户的历史交通事故记录可以包括但不限于交通事故的次数、类型、发生的时间、责任人等。在一些实施例中，用户的历史车辆维修记录可以包括但不限于车辆维修的次数、车辆维修的类目、车辆维修的时间等。

在一些实施例中，用户的历史驾驶记录还可以包括用户的驾龄、车辆行驶里程、购车订单等其他与用户车辆驾驶相关的数据记录。

在一些实施例中，驾驶记录获取模块410可以从车辆租赁平台获取用户的历史驾驶记录。例如，驾驶记录获取模块410可以从用户在车辆租赁平台的历史订单中获取车辆行驶记录、违章记录等。车辆租赁平台可以包括但不限于共享汽车平台、租车APP、租车PC客户端、租车中介所等。在一些实施例中，驾驶记录获取模块410可以从用户的客户端(如手机)处获取用户的历史驾驶记录。例如，驾驶记录获取模块410可以通过用户客户端的历史定位数据，获取用户的历史车辆行驶记录。在一些实施例中，驾驶记录获取模块410可以从网络数据库中获取用户的历史驾驶记录。例如，驾驶记录获取模块410可以通过网络从城市违章查询官方网站、违章查询APP等获取用户的历史违章记录。在一些实施例中，驾驶记录获取模块410可以从相关票据信息中获取用户的历史驾驶记录。例如，驾驶记录获取模块410可以从用户的车辆维保订单中获取车辆维修记录，可以从用户的违章罚单中获取用户车辆违章记录。在一些实施例中，驾驶记录获取模块410可以从车载设备获取用户的历史驾驶记录。例如，驾驶记录获取模块410可以从行车记录仪中获取用户的历史车辆行驶记录。在一些实施例中，驾驶记录获取模块410可以从导航设备中获取用户的历史驾驶记录。例如，驾驶记录获取模块410可以从导航地图中获取用户的历史车辆行驶轨迹记录。

步骤120，从历史驾驶记录中提取用户的驾驶特征。具体的，步骤120可以由驾驶特征提取模块420执行。在一些实施例中，用户的驾驶特征可以包括但不限于用户遭遇车祸情况、违反交通规则情况、急加速情况、急转弯情况、超速行驶情况、急刹车情况、平均行车速度、最高行车速度、变道情况、疲劳驾驶情况等一种或多种的任意组合。

在一些实施例中，驾驶特征提取模块420可以基于用户的历史车辆行驶记录提取用户急加速情况、急转弯情况、急刹车情况、平均行车速度、最高行车速度、变道情况、疲劳驾驶情况等特征。在一些实施例中，驾驶特征提取模块420可以基于阈值设定的方式提取用户的驾驶特征。例如，系统可以设定一个驾驶时长阈值，当用户当日驾驶时长超过阈值时，认为该用户存在疲劳驾驶情况。又例如，系统可以设定一个速度阈值，当用户在两个连续时刻的驾驶速度差值超过阈值时，认为该用户存在急加速情况。在一些实施例中，驾驶特征提取模块420可以基于数据计算的方式提取用户的驾驶特征。例如。系统可以基于用户在某次行程中的行驶里程与行驶时间，计算获取用户的平均行车速度。在一些实施例中，驾驶特征提取模块420可以基于数据统计的方式确定用户的驾驶特征。例如，用户的急加速情况可以包括用户的累计急加速次数、单位时间急加速次数、急加速频率等。用户遭遇车祸情况、违反交通规则情况、急转弯情况、超速行驶情况和急刹车情况等也可以采用类似的统计方式进行确定。

在一些实施例中，驾驶特征提取模块420可以基于用户的历史违章记录、历史交通事故记录、历史车辆维修记录等数据提取用户遭遇车祸情况、违反交通规则情况、超速行驶情况等驾驶特征。例如，系统可以直接从用户违章记录中提取用户的违反交通规则情况、超速行驶情况等。又例如，系统可以通过分析用户的历史车辆维修记录、历史交通事故记录获取用户遭遇车祸情况。

在一些实施例中，驾驶特征提取模块420还可以利用驾驶特征提取模型从用户的历史驾驶记录中提取驾驶特征。在一些实施例中，驾驶特征提取模型可以包括统计分析模型、机器学习模型、深度学习模型等。例如，驾驶特征提取模型可以包括但不限于线性回归模型(Liner Regression，LR)、方差分析模型(Variance Analysis Model)、卷积神经网络(Convolutional Neural Networks,CNN)、循环神经网络(Recurrent Neural Network，RNN)、支持向量机(Support Vector Machine,SVM)等一种或多种的任意组合。

步骤130，基于用户的驾驶特征，确定用户的驾驶习惯。具体的，步骤130可以由驾驶习惯确定模块430执行。

在一些实施例中，用户的驾驶习惯可以用于反映用户驾驶车辆时的个人特点。在一些实施例中，用户的驾驶习惯可以基于不同的因素进行分类。在一些实施例中，用户驾驶习惯可以被分为两类或者多类。例如，系统可以根据用户驾驶时的车辆稳定性将驾驶习惯分为激进型和平稳型。又例如，系统可以根据医学上对人们精神及性格的分类将用户驾驶习惯分为胆汁质型(喜欢冒险、开车激进等)、粘液质型(遵纪守法、行车速度较慢等)、抑郁质型(遵守交规、容易急刹车等)和多血质型(驾驶状态不稳定、时快时慢等)等。又例如，系统可以根据用户出险率将驾驶习惯分为自以为是型(经验丰富、偶尔违规)、和平守护型(行车速度慢、礼让)、严刑酷吏型(严格遵行交通法规)、紧张局促型(急刹车次数较多)、飞车路怒型(行车速度快)等。

在一些实施例中，驾驶习惯确定模块430可以利用训练好的驾驶习惯确定模型105确定用户的驾驶习惯。在一些实施例中，驾驶习惯确定模型105可以包括机器学习模型。例如，驾驶习惯确定模型105可以包括但不限于K近邻算法(KNN)、感知机模型、朴素贝叶斯模型、决策树模型、逻辑斯蒂回归模型、支持向量机(SVM)、随机森林模型、神经网络模型等一种或多种的任意组合。在一些实施例中，驾驶习惯确定模型105可以基于用户的驾驶特征，确定用户所属的驾驶习惯类型。此情况下，驾驶习惯确定模型105可以直接输出用户驾驶习惯的分类结果和/或属于该种驾驶习惯类型的分值。在一些实施例中，驾驶习惯确定模型105可以直接基于用户的驾驶特征，确定用户的驾驶习惯分值。例如，驾驶习惯确定模型105可以根据用户车辆驾驶的安全等级，在0-10之间对用户驾驶习惯进行打分，分值越高表示用户驾驶习惯越好，不易发生交通事故。

在一些实施例中，驾驶习惯确定模型105可以基于样本数据训练获得。样本数据可以包括多个用户的驾驶特征及其对应的驾驶习惯。其中，该多个用户的驾驶特征可以通过驾驶特征提取模块420从历史驾驶记录中提取。该多个用户对应的驾驶习惯可以通过人工标注的方式确定。例如，工作人员可以根据用户的驾驶特征、用户的历史驾驶记录、用户的性格特点等一种或多种信息人为确定该用户的驾驶习惯。

在一些实施例中，用户驾驶特征提取模型与用户驾驶习惯确定模型105可以是一个同时具有驾驶特征提取功能与驾驶习惯确定功能的模型，也可以是两个分别具有驾驶特征提取功能与驾驶习惯确定功能的不同模型。

在一些实施例中，驾驶习惯确定模块430也可以采用其他方式(如基于规则)确定用户的驾驶习惯。例如，驾驶习惯确定模块430可以基于用户的驾驶特征，通过阈值设定的方式将急加速情况(和/或急转弯情况、急刹车情况等)高于阈值(如某一设定频率)的用户的驾驶习惯确定为激进型，低于该阈值的用户的驾驶习惯确定为平稳型，以此确定用户的驾驶习惯。

在一些实施例中，用户的驾驶习惯可以用于预测用户发生交通事故的概率、分析交通事故发生的原因、选择需进行安全教育的用户等。例如，系统(如用户驾驶习惯确定及服务信息推送系统400)在预测用户发生交通事故的概率较大时，可以对用户进行监测与提示，减少事故发生率。又例如，当用户驾驶习惯属于激进型时，系统可以向该用户发送安全出行相关的视频、音频或者文本对其进行教育/引导。在一些实施例中，系统可以基于用户的驾驶习惯对用户进行个性化的服务信息推送。关于服务信息推送的更多细节可以参见步骤140-160及其相关描述。

步骤140，根据用户的驾驶习惯，向用户推送服务信息。具体的，步骤140可以由服务信息推送模块440执行。

在一些实施例中，服务信息可以包括根据用户设定，向用户提供和/或推送的用以满足用户需求的相关服务。在一些实施例中，服务信息可以包括但不限于不计免赔服务、车辆续航里程推送服务、共享车辆推送服务、售卖车辆推送服务、导航路线推送服务、车险推送服务等一种或多种的任意组合。

在一些实施例中，服务信息推送模块440可以根据用户的需求，向用户推送不同类型的服务信息。以下将以不计免赔服务与车辆续航里程推送服务为例进行详细阐述。

步骤150，根据用户的驾驶习惯，向用户推送订单的不计免赔服务价格信息。具体的，步骤150可以由不计免赔服务信息推送单元442执行。

不计免赔即“不计免赔率特约条款”，是一种附加险，指经特别的约定，保险事故发生后，按照对应投保的主险条款规定的免赔率计算的、应当由被保险人自行承担的免赔金额部分，保险人负责赔偿。在一些实施例中，不计免赔适用的险种可以包括第三者责任险、机动车损失保险、车上人员责任险、车身划痕损失险、盗抢险等一种或多种的任意组合。

在一些实施例中，用户驾驶车辆发生意外事故的概率与用户的驾驶习惯有一定关联。例如，驾驶习惯为平稳型的用户发生交通事故的概率较低，驾驶习惯为激进型的用户发生交通事故的概率较高。因此，根据用户的驾驶习惯确定不计免赔服务价格，可以为用户提供更合理的不计免赔服务选项。

在一些实施例中，不计免赔服务信息推送单元442可以基于出险率相关信息确定订单的出险率。在一些实施例中，不计免赔服务信息推送单元442可以基于用户的驾驶习惯以及订单的出险率，确定订单的不计免赔服务价格，并将订单的不计免赔服务价格展示给用户。关于不计免赔服务信息推送的更多细节可以参见图2及其相关描述，在此不再赘述。

步骤160，根据用户的驾驶习惯，向用户推送车辆的续航里程信息。具体的，步骤160可以由续航里程信息推送单元444执行。

在一些实施例中，车辆的续航里程可以用于反映车辆能够行驶(或继续行驶)的里程。在一些实施例中，车辆的续航里程可以用于反映车辆在行驶前的续航里程、车辆行驶途中的续航里程、车辆行驶完成之后的续航里程等。在一些实施例中，车辆的续航里程与用户的驾驶习惯有一定关联。例如，驾驶习惯为激进型的用户驾驶车辆时的油耗较大，驾驶的车辆续航里程值相对较低。

在一些实施例中，续航里程信息推送单元444可以基于用户的驾驶习惯以及续航里程相关信息确定车辆的续航里程，并将车辆的续航里程展示给用户。在一些实施例中，续航里程信息推送单元444也可以仅基于续航里程相关信息确定车辆的续航里程。在一些实施例中，续航里程信息推送单元444可以利用续航里程预估模型315确定车辆的续航里程。关于续航里程信息推送的更多细节可以参见图3及其相关描述，在此不再赘述。

应当注意的是，上述有关流程100的描述仅仅是为了示例和说明，而不限定本申请的适用范围。对于本领域技术人员来说，在本申请的指导下可以对流程100进行各种修正和改变。然而，这些修正和改变仍在本申请的范围之内。例如，可以省略步骤120中用户驾驶特征的提取，直接基于用户的历史驾驶记录，确定用户的驾驶习惯。又例如，步骤120与步骤130可以同步进行，即用户驾驶习惯确定与服务信息推送系统400可以同时进行用户驾驶特征的提取与用户驾驶习惯的确定。

图2是根据本申请一些实施例所示的不计免赔服务信息推送方法的示例性流程图。不计免赔服务信息推送方法200可以由用户驾驶习惯确定及服务信息推送系统400(如不计免赔服务信息推送单元442)执行。如图2所示，该不计免赔服务信息推送方法200可以包括：

步骤210，获取订单的出险率相关信息。

在一些实施例中，订单可以为用户租用车辆(如共享车辆)的订单。在一些实施例中，出险率相关信息可以包括但不限于订单信息、环境信息、历史行驶路线信息、车辆信息、交通信息、道路信息和用户信息等一种或多种的任意组合。在一些实施例中，订单信息可以包括但不限于订单发生时间(如出行高峰期、平峰期；白天、夜晚等)、订单起点、订单终点、订单时长、订单规划行驶路线等一种或多种的任意组合。在一些实施例中，环境信息可以包括但不限于天气(如雪天、雨天、雾霾天等)、季节(如春季、夏季等)、外界温度、时间、时间类型(如工作日、休息日、节假日等)等一种或多种的任意组合。在一些实施例中，车辆信息可以包括但不限于车辆性能(如刹车系统)、车龄、车辆维保情况(如维修次数)等一种或多种的任意组合。在一些实施例中，交通信息可以包括但不限于红绿灯信息、限速信息、违停信息等一种或多种的任意组合。在一些实施例中，道路信息可以包括但不限于道路类型(如低速、高速)、道路状况(如平坦、泥泞等)、道路交通信息(如拥堵)、道路危险性(如盘山公路)等一种或多种的任意组合。在一些实施例中，用户信息可以包括但不限于用户的性别、年龄、性格、驾龄、历史出险情况、对道路的熟悉程度等一种或多种的任意组合。

步骤220，基于出险率相关信息确定订单的出险率。

在一些实施例中，出险率可以用于反映该订单中用户发生车辆事故的概率。在一些实施例中，车辆事故可以包括但不限于车辆剐蹭、车辆碰撞等一种或多种的任意组合。

在一些实施例中，不计免赔服务信息推送单元442可以利用训练好的订单出险率预测模型215确定订单的出险率。在一些实施例中，订单出险率预测模型215可以包括统计分析模型、机器学习模型、深度学习模型等。例如，订单出险率预测模型215可以包括但不限于LR模型、方差分析模型、CNN模型、RNN模型、SVM模型等一种或多种的任意组合。在一些实施例中，订单出险率预测模型215可以基于历史订单数据训练获得。在一些实施例中，历史订单数据可以包括历史订单的出险率相关信息。在一些实施例中，历史订单的标识可以为该订单是否出险。在一些替代性实施例中，对于出险的历史订单，其标识可以进一步包括出险类型。在一些实施例中，订单出险率预测模型215可以基于订单的出险率相关信息预测订单是否出险。在一些实施例中，订单出险率预测模型215可以基于订单的出险率相关信息预测订单出险的概率值。此种情况下，不计免赔服务信息推送单元442可以进一步通过阈值设置的方式对订单的出险率进行分级。例如，出险率可以被分为高、中、低三个等级。例如，当所预测的订单出险的概率值大于预设阈值时，不计免赔服务信息推送单元442可以确定该订单的出险率等级为高。

在一些替代性实施例中，不计免赔服务信息推送单元442可以采用其他方式(如基于规则)确定订单的出险率。例如，不计免赔服务信息推送单元442可以根据出险率相关信息，基于设定的规则确定不同的出险率等级。例如，可以将道路危险性高、且订单时间为夜晚的情况，确定为出险率高。

步骤230，基于用户的驾驶习惯以及订单的出险率，确定订单的不计免赔服务价格。不计免赔服务价格是指用户购买该不计免赔服务需要支付的费用。

在一些实施例中，不计免赔服务信息推送单元442可以基于订单出险率等级以及用户的驾驶习惯类型确定订单的不计免赔服务价格。例如，订单出险率等级可以包括高、中、低三个等级；用户的驾驶习惯类型可以包括激进型和平稳型。当用户的驾驶习惯类型为激进型的情况下，订单出险率等级分别为高、中、低时，不计免赔服务信息推送单元442可以确定不计免赔服务价格分别为6元、5元、4元；当用户的驾驶习惯类型为平稳型的情况下，订单出险率等级分别为高、中、低时，不计免赔服务信息推送单元442可以确定不计免赔服务价格分别为4元、3元、2元。在一些实施例中，不计免赔服务信息推送单元442可以根据具体情况采用不同的订单出险率等级分级规则(或者采用订单出险概率值)、不同的用户驾驶习惯类型分类规则确定订单的不计免赔服务价格。在一些实施例中，不计免赔服务信息推送单元442也可以根据情况调整不计免赔服务价格的具体金额，本申请对此不作限制。

在一些替代性实施例中，不计免赔服务信息推送单元442可以仅基于订单出险率确定订单的不计免赔服务价格。在一些替代性实施例中，不计免赔服务信息推送单元442也可以仅基于用户的驾驶习惯确定不计免赔服务的价格。

步骤240，将订单的不计免赔服务价格展示给用户。

在一些实施例中，不计免赔服务信息推送单元442可以将订单的不计免赔服务价格展示给用户。在一些实施例中，不计免赔服务信息推送单元442可以采用多种方式将订单的不计免赔服务价格展示给用户。例如，展示的方式可以包括页面展示、图片展示、窗口展示(如圆形、矩形、三角形等各种形状的弹窗)、链接展示(如可以跳转到不计免费服务购买页面的链接)、文字展示等一种或多种的任意组合。

在一些实施例中，不计免赔服务信息推送单元442可以在用户发起共享汽车租赁订单后车辆启动前将订单的不计免赔服务价格展示给用户。在一些实施例中，不计免赔服务信息推送单元442可以在用户进入共享汽车租赁页面但尚未下单之前将订单的不计免赔服务价格展示给用户。在一些实施例中，不计免赔服务信息推送单元442可以将与不计免赔服务相关的其他信息推送给用户，例如，不计免赔服务条款、免赔金额、保障内容等。

应当注意的是，上述有关流程200的描述仅仅是为了示例和说明，而不限定本申请的适用范围。对于本领域技术人员来说，在本申请的指导下可以对流程200进行各种修正和改变。然而，这些修正和改变仍在本申请的范围之内。例如，步骤220中可以基于用户驾驶习惯确定订单的出险率。

图3是根据本申请一些实施例所示的续航里程信息推送方法的示例性流程图。续航里程信息推送方法300可以由用户驾驶习惯确定及服务信息推送系统400(如续航里程信息推送单元444)执行。如图3所示，该续航里程信息推送方法300可以包括：

步骤310，获取续航里程相关信息。

在一些实施例中，续航里程相关信息可以包括但不限于环境信息、车辆信息、交通信息、道路信息和电量信息等一种或多种的任意组合。在一些实施例中，环境信息可以包括但不限于天气(如雪天、雨天、雾霾天等)、季节(如春季、夏季等)、外界温度、时间、时间类型(如工作日、休息日、节假日等)等一种或多种的任意组合。在一些实施例中，车辆信息可以包括但不限于车型、车辆续航里程基准值(初始续航里程值)、车辆性能、车辆历史维保次数(如加油、充电、维修等)、车龄、车辆发动机质量等一种或多种的任意组合。在一些实施例中，道路信息可以包括但不限于道路类型(如低速、高速)、道路状况(如平坦、泥泞等)、道路交通信息(如拥堵)、道路危险性(如盘山公路)等一种或多种的任意组合。在一些实施例中，当车辆不是电动车辆或者不是纯电动车辆时，续航里程相关信息还可以包括油量信息、气量(如天然气、氢气)信息等。

步骤320，基于用户的驾驶习惯以及续航里程相关信息，确定车辆的续航里程。车辆的续航里程可以用于反映车辆在当前电量(或者油量、气量等)下所能够行驶的距离。

在一些实施例中，续航里程信息推送单元444可以基于用户的驾驶习惯以及续航里程相关信息，利用训练好的续航里程预估模型315确定车辆的续航里程。在一些实施例中，续航里程预估模型315可以包括机器学习模型。例如，续航里程预估模型315可以包括但不限于LR模型、逻辑回归模型、多项式回归(Polynomial Regression)模型、逐步回归(Stepwise Regression)模型、岭回归(Ridge Regression)模型、套索回归(LassoRegression)模型、弹性回归(ElasticNet Regression)模型、神经网络模型等一种或多种的任意组合。

在一些实施例中，续航里程预估模型315可以基于样本数据训练获得。在一些实施例中，样本数据可以包括多个历史订单中用户的驾驶习惯、续航里程相关信息以及实际的续航里程。历史订单中用户的驾驶习惯可以通过驾驶习惯确定模块430确定。历史订单中的续航里程相关信息可以为续航里程信息推送单元444所获取的车辆在行驶过程中某一时间点(或者某一时间段)的相关信息。历史订单中的实际续航里程可以通过车辆实际行驶的距离确定。在一些实施例中，历史订单中的实际续航里程可以为车辆实际行驶里程与车辆行驶完成后剩余电量的预计续航里程的和。

在一些替代性实施例中，续航里程信息推送单元444也可以仅基于续航里程相关信息确定车辆的续航里程。例如，当没有用户驾驶习惯信息的时候，续航里程信息推送单元444可以将车辆续航里程相关信息输入续航里程预估模型315以获得车辆的续航里程。在一些替代性能实施例中，续航里程信息推送单元444也可以采用其他方式(如基于规则)确定车辆的续航里程。

步骤330，将车辆的续航里程展示给用户。

在一些实施例中，续航里程信息推送单元444可以将预估的车辆续航里程展示给用户。在一些实施例中，续航里程信息推送单元444可以采用多种方式将车辆续航里程展示给用户。例如，短信发送、APP通知消息发送、弹窗提示、突出显示(如字体放大、颜色突出等)、声音提示等一种或多种的任意组合。在一些实施例中，续航里程信息推送单元444可以在车辆行驶前将车辆的续航里程展示给用户。在一些实施例中，续航里程信息推送单元444可以在车辆行驶途中将车辆的续航里程展示给用户。在一些实施例中，续航里程信息推送单元444可以在车辆行驶完成之后将车辆的续航里程展示给用户。将车辆的续航里程展示给用户，可以帮助用户了解车辆状况，当在车辆出现异常时(如车辆电量、油量余量不足等)可以及时采取相应措施。例如，在车辆行驶途中，当用户获知车辆续航里程值较低时，可以及时寻找附近的充电桩/加油站等给车辆充电/加油，避免车辆故障耽搁行程。

在一些实施例中，续航里程信息推送单元444可以将与续航里程相关的其他信息展示给用户，例如车辆可行驶时间、周边加油站/充电桩等。

应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本申请的适用范围。对于本领域技术人员来说，在本申请的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本申请的范围之内。例如，用户在驾驶车辆的过程中，续航里程信息推送单元444可以不断地对用户驾驶习惯和/或续航里程相关信息进行更新，并可以根据更新后的用户驾驶习惯和续航里程相关信息重新确定车辆的续航里程，并将其展示给用户。

图4是根据本申请一些实施例所示的用户驾驶习惯确定及服务信息推送系统的模块图。如图4所示，该用户驾驶习惯确定及服务信息推送系统400可以包括驾驶记录获取模块410、驾驶特征提取模块420、驾驶习惯确定模块430和服务信息推送模块440。

驾驶记录获取模块410可以用于获取用户的历史驾驶记录。在一些实施例中，驾驶记录获取模块410可以从车辆租赁平台获取用户的历史驾驶记录。在一些实施例中，驾驶记录获取模块410可以从用户的客户端(如手机)处获取用户的历史驾驶记录。在一些实施例中，驾驶记录获取模块410可以从网络数据库中获取用户的历史驾驶记录。在一些实施例中，驾驶记录获取模块410可以从相关票据信息中获取用户的历史驾驶记录。在一些实施例中，驾驶记录获取模块410可以从车载设备获取用户的历史驾驶记录。在一些实施例中，驾驶记录获取模块410可以从导航设备中获取用户的历史驾驶记录。

驾驶特征提取模块420可以用于提取用户的驾驶特征。在一些实施例中，驾驶特征提取模块420可以从历史驾驶记录中提取用户的驾驶特征。在一些实施例中，驾驶特征提取模块420可以基于用户的历史车辆行驶记录提取用户急加速情况、急转弯情况、急刹车情况、平均行车速度、最高行车速度、变道情况、疲劳驾驶情况等特征。在一些实施例中，驾驶特征提取模块420可以基于阈值设定的方式提取用户的驾驶特征。在一些实施例中，驾驶特征提取模块420可以基于数据计算的方式提取用户的驾驶特征。在一些实施例中，驾驶特征提取模块420可以基于数据统计的方式确定用户的驾驶特征。在一些实施例中，驾驶特征提取模块420还可以利用驾驶特征提取模型从用户的历史驾驶记录中提取驾驶特征。

驾驶习惯确定模块430可以用于确定用户的驾驶习惯。在一些实施例中，驾驶习惯确定模块430可以基于用户的驾驶特征确定用户的驾驶习惯。在一些实施例中，驾驶习惯确定模块430可以基于用户的驾驶特征，利用训练好的驾驶习惯确定模型105确定用户的驾驶习惯。在一些实施例中，驾驶习惯确定模块430也可以采用其他方式(如基于规则)确定用户的驾驶习惯。

服务信息推送模块440可以用于向用户推送服务信息。在一些实施例中，服务信息推送模块440可以根据用户的驾驶习惯向用户推送服务信息。在一些实施例中，服务信息可以包括但不限于不计免赔服务、车辆续航里程推送服务、共享车辆推送服务、售卖车辆推送服务、导航路线推送服务、车险推送服务等一种或多种的任意组合。

在一些实施例中，服务信息推送模块440可以进一步包括不计免赔服务信息推送单元442和续航里程信息推送单元444。

不计免赔服务信息推送单元442可以用于确定订单的不计免赔服务价格。例如，不计免赔服务信息推送单元442可以根据用户的驾驶习惯，确定订单的不计免赔服务价格。在一些实施例中，不计免赔服务信息推送单元442可以基于出险率相关信息确定订单的出险率。在一些实施例中，不计免赔服务确定单元442可以基于用户的驾驶习惯以及订单的出险率，确定订单的不计免赔服务价格。不计免赔服务信息推送单元442还可以用于将确定的不计免赔服务价格展示给用户。

在一些实施例中，续航里程信息推送单元444可以用于确定车辆的续航里程。例如，续航里程信息推送单元444可以根据用户的驾驶习惯确定车辆的续航里程。在一些实施例中，续航里程信息推送单元444可以基于用户的驾驶习惯以及续航里程相关信息确定车辆的续航里程。在一些实施例中，续航里程信息推送单元444也可以仅基于续航里程相关信息确定车辆的续航里程。在一些实施例中，续航里程信息推送单元444可以利用续航里程预估模型315确定车辆的续航里程。在一些实施例中，续航里程信息推送单元444还可以用于将确定的车辆续航里程展示给用户。

应当理解，图4所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。

需要注意的是，以上对于用户驾驶习惯确定及服务信息推送系统及其模块的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，在一些实施例中，图4中披露的驾驶记录获取模块410、驾驶特征提取模块420、驾驶习惯确定模块430和服务信息推送模块440可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，驾驶特征提取模块420、驾驶习惯确定模块430可以是两个模块，也可以是一个模块同时具有驾驶特征提取和驾驶习惯确定功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本申请的保护范围之内。

本申请实施例可能带来的有益效果包括但不限于：(1)使不同驾驶习惯的用户能够享受个性化的服务；(2)使不计免赔服务的价格更加合理；(3)使车辆续航里程的预测更加准确；(4)提升用户体验。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。

最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (32)

1.一种用户驾驶习惯确定方法，所述方法由至少一个处理器执行，其特征在于，所述方法包括：

获取用户的历史驾驶记录；

从所述历史驾驶记录中提取所述用户的驾驶特征；

基于所述用户的所述驾驶特征，确定所述用户的驾驶习惯。

2.如权利要求1所述的用户驾驶习惯确定方法，其特征在于，所述用户的驾驶特征包括以下中的至少一种：

遭遇车祸情况、违反交通规则情况、急加速情况、急转弯情况、超速行驶情况、急刹车情况、平均行车速度和变道情况。

3.如权利要求1所述的用户驾驶习惯确定方法，其特征在于，所述基于所述用户的所述驾驶特征，确定所述用户的驾驶习惯包括：

基于所述用户的所述驾驶特征，利用训练好的驾驶习惯确定模型确定所述用户的驾驶习惯。

4.一种服务信息推送方法，其特征在于，包括：

利用权利要求1-3任一项所述的用户驾驶习惯确定方法确定用户的驾驶习惯；

根据所述用户的驾驶习惯，向所述用户推送服务信息。

5.如权利要求4所述的服务信息推送方法，其特征在于，所述服务信息包括针对订单的不计免赔服务信息；所述根据所述用户的驾驶习惯，向所述用户推送服务信息包括：

根据所述用户的驾驶习惯，向所述用户推送所述订单的不计免赔服务价格信息。

6.如权利要求5所述的服务信息推送方法，其特征在于，所述根据所述用户的驾驶习惯，向所述用户推送所述订单的不计免赔服务价格信息包括：

基于出险率相关信息确定所述订单的出险率；

基于所述订单的出险率以及所述用户的驾驶习惯，确定所述订单的不计免赔服务价格；

将所述订单的不计免赔服务价格展示给所述用户。

7.如权利要求6所述的服务信息推送方法，其特征在于，所述出险率相关信息包括以下信息中的至少一种：订单信息、环境信息、历史行驶路线、车辆信息、交通信息、道路信息和用户信息。

8.如权利要求7所述的服务信息推送方法，其特征在于，所述订单信息包括以下信息中的至少一种：订单起点、订单终点、订单时长、订单规划行驶路线。

9.如权利要求7所述的服务信息推送方法，其特征在于，所述环境信息包括以下信息中的至少一种：天气、季节、外界温度、时间、时间类型。

10.如权利要求6所述的服务信息推送方法，其特征在于，所述基于出险率相关信息确定所述订单的出险率包括：

基于所述出险率相关信息，利用训练好的订单出险率预测模型确定所述订单的出险率。

11.如权利要求4所述的服务信息推送方法，其特征在于，所述服务信息包括续航里程信息；所述根据所述用户的驾驶习惯，向所述用户推送服务信息包括：

根据所述用户的驾驶习惯，向所述用户推送车辆的续航里程信息。

12.如权利要求11所述的服务信息推送方法，其特征在于，所述根据所述用户的驾驶习惯，向所述用户推送车辆的续航里程信息包括：

基于所述用户的驾驶习惯以及续航里程相关信息，利用训练好的续航里程预估模型确定所述车辆的续航里程；

将所述车辆的续航里程展示给所述用户。

13.如权利要求12所述的服务信息推送方法，其特征在于，所述续航里程相关信息包括以下中的至少一种：环境信息、车辆信息、道路信息和电量信息。

14.如权利要求13所述的服务信息推送方法，其特征在于，所述环境信息包括以下中的至少一种：天气、季节、外界温度、时间、时间类型。

15.如权利要求13所述的服务信息推送方法，其特征在于，所述车辆信息包括以下中的至少一种：车龄、车辆历史充电次数、车辆配件寿命。

16.一种用户驾驶习惯确定系统，其特征在于，所述系统包括：驾驶记录获取模块、驾驶特征提取模块和驾驶习惯确定模块；

所述驾驶记录获取模块用于获取用户的历史驾驶记录；

所述驾驶特征提取模块用于从所述历史驾驶记录中提取所述用户的驾驶特征；

所述驾驶习惯确定模块用于基于所述用户的所述驾驶特征，确定所述用户的驾驶习惯。

17.如权利要求16所述的用户驾驶习惯确定系统，其特征在于，所述用户的驾驶特征包括以下中的至少一种：

遭遇车祸情况、违反交通规则情况、急加速情况、急转弯情况、超速行驶情况、急刹车情况、平均行车速度和变道情况。

18.如权利要求16所述的用户驾驶习惯确定系统，其特征在于，所述驾驶习惯确定模块用于：

基于所述用户的所述驾驶特征，利用训练好的驾驶习惯确定模型确定所述用户的驾驶习惯。

19.一种服务信息推送系统，其特征在于，包括：驾驶习惯确定模块和服务信息推送模块；

所述驾驶习惯确定模块用于利用权利要求1-3任一项所述的用户驾驶习惯确定方法确定用户的驾驶习惯；

所述服务信息推送模块用于根据所述用户的驾驶习惯，向所述用户推送服务信息。

20.如权利要求19所述的服务信息推送系统，其特征在于，所述服务信息包括针对订单的不计免赔服务信息；所述服务信息推送模块包括不计免赔服务信息推送单元；

所述不计免赔服务信息推送单元用于根据所述用户的驾驶习惯，向所述用户推送所述订单的不计免赔服务价格信息。

21.如权利要求20所述的服务信息推送系统，其特征在于，所述不计免赔服务信息推送单元用于：

基于出险率相关信息确定所述订单的出险率；

基于所述订单的出险率以及所述用户的驾驶习惯，确定所述订单的不计免赔服务价格；

将所述订单的不计免赔服务价格展示给所述用户。

22.如权利要求21所述的服务信息推送系统，其特征在于，所述出险率相关信息包括以下信息中的至少一种：订单信息、环境信息、历史行驶路线、车辆信息、交通信息、道路信息和用户信息。

23.如权利要求22所述的服务信息推送系统，其特征在于，所述订单信息包括以下信息中的至少一种：订单起点、订单终点、订单时长、订单规划行驶路线。

24.如权利要求22所述的服务信息推送系统，其特征在于，所述环境信息包括以下信息中的至少一种：天气、季节、外界温度、时间、时间类型。

25.如权利要求21所述的服务信息推送系统，其特征在于，所述不计免赔服务信息推送单元用于：

基于所述出险率相关信息，利用训练好的订单出险率预测模型确定所述订单的出险率。

26.如权利要求19所述的服务信息推送系统，其特征在于，所述服务信息包括续航里程信息；所述服务信息推送模块包括续航里程信息推送单元；

所述续航里程信息推送单元用于根据所述用户的驾驶习惯，向所述用户推送车辆的续航里程信息。

27.如权利要求26所述的服务信息推送系统，其特征在于，所述续航里程信息推送单元用于：

基于所述用户的驾驶习惯以及续航里程相关信息，利用训练好的续航里程预估模型确定所述车辆的续航里程；

将所述车辆的续航里程展示给所述用户。

28.如权利要求27所述的服务信息推送系统，其特征在于，所述续航里程相关信息包括以下中的至少一种：环境信息、车辆信息、道路信息和电量信息。

29.如权利要求28所述的服务信息推送系统，其特征在于，所述环境信息包括以下中的至少一种：天气、季节、外界温度、时间、时间类型。

30.如权利要求28所述的服务信息推送系统，其特征在于，所述车辆信息包括以下中的至少一种：车龄、车辆历史充电次数、车辆配件寿命。

31.一种装置，包括处理器，其特征在于，所述处理器用于执行权利要求1～15中任一项所述的方法。

32.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行权利要求1～15中任一项所述的方法。

Images