CN113191610A - 基于可疑关键字的车辆监控方法、装置、设备及介质 - Google Patents
基于可疑关键字的车辆监控方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113191610A CN113191610A CN202110435370.8A CN202110435370A CN113191610A CN 113191610 A CN113191610 A CN 113191610A CN 202110435370 A CN202110435370 A CN 202110435370A CN 113191610 A CN113191610 A CN 113191610A
- Authority
- CN
- China
- Prior art keywords
- keyword
- suspicious
- information
- vehicle
- poi information
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012216 screening Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 6
- 238000012502 risk assessment Methods 0.000 abstract description 4
- 230000001960 triggered effect Effects 0.000 abstract description 4
- 230000010485 coping Effects 0.000 abstract description 2
- 238000012806 monitoring device Methods 0.000 abstract description 2
- 241000353135 Psenopsis anomala Species 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000012954 risk control Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
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
- 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
- G06Q30/0645—Rental transactions; Leasing transactions
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Emergency Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种基于可疑关键字的车辆监控方法、装置、设备及介质，其中的方法包括，确定目标车辆所处位置的第一POI信息；所述目标车辆为所需监控的车辆；若检测到所述第一POI信息与可疑关键字匹配，则触发报警；通过检测第一POI信息是否与可疑关键字匹配，确定是否触发报警，进而可以监测目标车辆是否处于可疑位置实现了车辆骗车、骗贷潜在风险的发现与反馈，为进一步的风险评估与应对处理提供了依据，其中，由于报警的触发依据是实际位置的POI信息，以及可疑关键字，可充分兼顾风险反馈的及时性与准确性。
Description
技术领域
本发明涉及贷款和租赁车辆监控领域，尤其涉及一种基于可疑关键字的车辆监控方法、装置、设备及介质。
背景技术
车辆，是现代社会普遍使用的出行工具，也是现代社会常见的一种资产，在贷款购买车辆的应用场景、以车辆为抵押物借款或购买其他商品的应用场景，以及车辆租赁的场景中，放款、放车后骗贷骗车的行为时有发生。
通常来说，可以在抵押、租赁车辆的时候对用户的风险进行评估，进而在放款、放车之前对风险进行预估，然而，在放款、放车之后，通常就对车辆失去了风险监管能力，只能通过检查用户的还款情况、财务情况来判断风险，本质上是对用户自身财务状况进行评估，并未对车辆的使用情况所体现出来的风险(例如发生骗贷、骗车行为的可能性)进行评估。
在此基础上，由于无需对车辆使用情况所体现出来的风险进行评估和监管，本领域中并无对车辆骗贷、骗车的风险进行监控的技术手段。
发明内容
本发明提供一种基于可疑关键字的车辆监控方法、装置、设备及介质，以解决“本领域中并无对车辆骗车、骗贷风险进行有效监控的技术手段”这一技术问题。
根据本发明的第一方面，提供了一种基于关键字的车辆监控方法，包括：
确定目标车辆所处位置的第一POI信息；所述目标车辆为所需监控的车辆；
若检测到所述第一POI信息与可疑关键字匹配，则触发报警。
可选的，确定目标车辆所处位置的第一POI信息之前，还包括：
检测到所述目标车辆发生熄火，且在发生所述熄火之后的指定时长内，未获取到所述目标车辆上报的位置信息。
可选的，所述确定目标车辆所处位置的第一POI信息，包括：
确定所述目标车辆最近一次上报的位置信息，
根据所述最近一次上报的位置信息，提取所述第一POI信息。
可选的，所述检测到所述第一POI信息与可疑关键字匹配，包括以下至少之一：
检测到所述可疑关键字记载于所述第一POI信息中；
检测到所述可疑关键字与所述第一POI信息中的字符的相似度高于相似度阈值。
可选的，所述检测到所述第一POI信息与可疑关键字匹配之前，还包括：
根据所述目标车辆的当前属性信息，对所有所述可疑关键字进行筛选；
其中，所述当前属性信息包括以下至少之一：
当前时间信息，包括所述目标车辆熄火时的时间；
当前区域信息，包括所述目标车辆最近一次上报的位置信息所处的区域；
当前车辆信息，包括所述目标车辆的信息；
当前用户信息，包括所述目标车辆对应的用户的信息。
可选的，所述基于关键字的车辆监控方法还包括：
确定第一关键字作为所述可疑关键字；
根据所述第一关键字，扩展得到相关联的第二关键字；
确定所述第二关键字为所述可疑关键字。
可选的，所述根据所述第一关键字，扩展得到相关联的第二关键字，包括：
对所述第一关键字进行分词，得到字词单元；
删除所述字词单元中重复的字词单元得到所述第二关键字；和/或：
将所述字词单元作为目标字词单元，并确定所述目标字词单元的近义词作为所述第二关键字。
可选的，所述基于关键字的车辆监控方法还包括：
检测所述所需监控的车辆是否发生聚集；
若检测到所述所需监控的车辆多次聚集于第二POI信息对应的区域，则根据所述第二POI信息，形成第三关键字，并确定所述第三关键字作为所述可疑关键字。
可选的，所述基于关键字的车辆监控方法还包括：
若任意之一所述可疑关键字被匹配成功的频次小于频次阈值，则删除该所述可疑关键字。
可选的，触发报警，具体包括：
确定所述第一POI信息所匹配的可疑关键字的紧急等级；
根据所述紧急等级，执行对应的报警策略。
根据本发明的第二方面，提供了一种基于可疑关键字的车辆监控装置，包括：
位置获取模块，用于确定目标车辆所处位置的第一POI信息；所述目标车辆为所需监控的车辆；
报警触发模块，用于若检测到所述第一POI信息与可疑关键字匹配，则触发报警。
根据本发明的第三方面，提供了一种电子设备，包括处理器与存储器，
所述存储器，用于存储代码和相关数据；
所述处理器，用于执行所述存储器中的代码用以实现本发明第一方面及其可选方案所述的基于可疑关键字的车辆监控方法。
根据本发明的第四方面，提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面及其可选方案所述的基于可疑关键字的车辆监控方法。
本发明提供的基于可疑关键字的车辆监控方法、装置、设备及介质，通过检测第一POI信息是否与可疑关键字匹配，确定是否触发报警，进而可以监测目标车辆是否处于可疑位置，实现了车辆骗车、骗贷潜在风险的发现与反馈，为进一步的风险评估与应对处理提供了依据，其中，由于报警的触发依据是实际位置的POI信息，以及可疑关键字，可充分兼顾风险反馈的及时性与准确性。
本发明的可选方案中，当检测到目标车辆发生熄火，且在指定时长内未检测到最新上报的位置信息，则进行可疑关键字匹配。在部分场景中，车辆也可能是路过可疑关键字对应的位置，或出于巧合而停留在可疑关键字对应的位置，进而，通过对骗贷骗车行为的针对性分析，可知：若发生骗贷骗车行为，车辆大概率会在熄火后长时间未启动，并停留于危险的POI附近，而未启动的车辆通常不会及时上报位置信息，所以，基于熄火的检测，目标时长内是否上报位置信息的检测，能够更有针对性地在更可能发生骗车、骗贷事件的情况下才发出警报，在实现目标车辆监控的同时，提高风险反馈的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中基于可疑关键字的车辆监控方法的流程示意图一；
图2是本发明一实施例中生成报警信息的示意图；
图3是本发明一实施例中创建可疑关键字的示意图；
图4是本发明一实施例中基于可疑关键字的车辆监控方法的流程示意图二；
图5是本发明一实施例中步骤S101的流程示意图四；
图6是本发明一实施例中步骤S102的流程示意图五；
图7是本发明一实施例中基于可疑关键字的车辆监控方法的流程示意图三；
图8是本发明一实施例中步骤S106的流程示意图；
图9是本发明一实施例中基于可疑关键字的车辆监控方法的流程示意图四；
图10是本发明一实施例中基于可疑关键字的车辆监控方法的流程示意图五；
图11是本发明一实施例中步骤S103的流程示意图；
图12是本发明一实施例中基于可疑关键字的车辆监控装置的程序模块示意图一；
图13是本发明一实施例中基于可疑关键字的车辆监控装置的程序模块示意图二；
图14是本发明一实施例中电子设备的构造示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
车辆，可理解为一种出行工具，本发明实施例所涉及的车辆中，通常可载有能够对外交互，并具有一定数据处理能力的车载设备，进而，对车辆的监控也可理解为对车载设备的监控。
请参考图1，基于关键字的车辆监控方法，包括：
S101：确定目标车辆所处位置的第一POI信息；所述目标车辆为所需监控的车辆；
其中，POI，具体为Point ofInterest，也可描述为兴趣点，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等，POI信息例如可包含名称、类别、坐标、分类四类信息中的一类或多类，但也不限于此；其中的类别可以理解为能够表征该POI信息的行业，用途等，分类可理解为根据预定义的规则进行类别划分而得到的分类编号，例如一级类、二级类等，具体地，以“瓜子二手车行”为例，“瓜子二手车行”的类别为“二手车行”，分类为“一类别”，坐标为该名称对应的经纬度。此外，POI信息还可包括对应POI的工商信息、用户评价信息等等。
POI信息内容可不限于以上举例，任意可对一个POI进行描述的信息，均可理解为POI信息。
所需监控的车辆可以理解为金融放贷中的车辆、金融放贷后的车辆以及租赁车辆，通过对车辆行为的监控，进行风险评估。
第一POI信息可以由外部设备传送到基于关键字的车辆监控的装置，也可以由基于关键字的车辆监控的装置得到车辆的位置信息，进而根据位置信息解析得到第一POI信息。
S102：检测到所述第一POI信息与可疑关键字匹配；
其中，可疑关键字可记录于关键字库中，针对于关键字库，可以根据反欺诈策略，制定相应的关键字，例如：用户可自定义输入，也可以为通过相关联的文章爬虫生成，还可以根据其他的监控策略，自动生成；可见关键字库并非一成不变，而是会根据实际情况，作相应调整，不断更新变化，进而实现更精确地预警。
步骤S102中，检测到第一POI信息与可疑关键字匹配，可以为第一POI信息与可疑关键字相同，也可以为第一POI信息包含可疑关键字，还可以为第一POI信息与可疑关键字相似，例如同义字词。
进而，一种实施方式中，步骤S102包括以下至少之一：
检测到所述可疑关键字记载于所述第一POI信息中；
检测到所述可疑关键字与所述第一POI信息中的字符的相似度高于相似度阈值。
可疑关键字记载于第一POI信息中可以理解为，第一可疑关键字与第一POI信息相同，也可理解为可疑关键字与部分第一POI信息相同。
S103：触发报警。
其中的报警可以为可视的方式实现(例如弹出相应对话框的形式)，也可以采用语音的方式实现(例如语音播报的形式)，还可以采用语音结合可视的方式实现(例如弹出对话框的同时进行语音播报)。
其中报警的内容可以包含以下至少之一：
目标车辆的第一POI信息；
表征目标车辆是否售出的车辆状态信息；
表征用户的居住地、工作地、户籍地、目标车辆类型、放款时间等的用户信息；
表征触发报警时的报警时间信息；
表征报警信息是否处理的报警状态。
进一步方案中，还可以根据一个或多个报警的内容生成对应的报警信息，相关管理人员可以对报警信息进行批量管理。
一种举例中，对于报警信息的管理界面可以如图2所示，图中的小窗口即为对报警的管理，其中，还形成了一个对报警进行记录的表格。
一种举例中，关键字库中的可疑关键字可以根据创建时间、可疑关键字、关键字对应的编号生成表格，表格中的关键字按照创建时间倒序排列，通过对表格执行删除、增加、再编辑等操作，实现对关键字库的更新调整。
一种举例中，关键字库中的关键字会根据不同的地区、用户、车辆和时间等做相应的分类，划分出多组关键字，在执行步骤S102时，可以根据第一POI信息选择对应的关键字组，便于数据的处理。
一种举例中，对于关键字库的管理界面可例如图3中所示，根据创建时间、可疑关键字、关键字对应的编号生成的表格可例如图3中所示，图3中弹出的窗口为创建可疑关键字过程中的一个界面。
通过检测第一POI信息是否与可疑关键字匹配，确定是否触发报警，进而可以监测目标车辆是否处于可疑位置，实现了车辆骗车、骗贷潜在风险的发现与反馈，为进一步的风险评估与应对处理提供了依据，其中，由于报警的触发依据是实际位置的POI信息，以及可疑关键字，可充分兼顾风险反馈的及时性与准确性。
请参考图4，一种实施方式中，步骤S101之前，还包括：
S104：检测到所述目标车辆发生熄火，且在发生所述熄火之后的指定时长内，未获取到所述目标车辆上报的位置信息。
其中，指定时长可以为目标车辆熄火后至进入深度睡眠状态的时间段对应的时长，例如可以为5天、7天等。
以上实施方式中，当检测到目标车辆发生熄火，且在目标时长内未检测到最新上报的位置信息，则进行可疑关键字匹配。在部分场景中，车辆也可能是路过可疑关键字对应的位置，或出于巧合而停留在可疑关键字对应的位置，进而，通过对骗贷骗车行为的针对性分析，可知：若发生骗贷骗车行为，车辆大概率会在熄火后长时间未启动，并停留于危险的POI附近，而未启动的车辆通常不会及时上报位置信息，所以，基于熄火的检测，目标时长内是否上报位置信息的检测，能够更有针对性地在更可能发生骗车、骗贷事件的情况下才发出警报，在实现对目标车辆监控的同时，提高风险反馈的准确性。
请参考图5，一种实施方式中，步骤S101，具体包括：
S1011：确定所述目标车辆最近一次上报的位置信息，
S1012：根据所述最近一次上报的位置信息，提取所述第一POI信息。
步骤S1012中，根据最新上报的位置信息，提取第一POI信息可例如，检测到目标车辆的位置信息，通过大数据解析出目标车辆此时所处位置的第一POI信息，进而执行步骤S102。
请参考图6，一种实施方式中，步骤S102，包括：
S105：根据所述目标车辆的当前属性信息，对所有可疑关键字进行筛选；
其中，所述当前属性信息包括以下至少之一：
当前时间信息，包括所述目标车辆熄火时的时间；
当前区域信息，包括所述目标车辆最近一次上报的位置信息所处的区域，其中的区域可以为任意区域范围，例如可以为道路、街道、商圈、园区、城市的一个区、一个城市、一个省份、一个国家等；
当前车辆信息，包括所述目标车辆的信息，车辆信息可例如车辆的品牌、型号、配置信息、车型、颜色、大小、用途、历史行程等；
当前用户信息，包括所述目标车辆对应的用户的信息，用户信息可例如用户的年龄、职业、征信信息、工作地、户籍地、常住地、驾车习惯信息等。
一种举例中，当前属性信息包括当前区域信息时，可预先定义区域与可疑关键字的对应关系，其中，不同区域所对应的可疑关键字可疑是有差别的，进而，在执行步骤S105时，可以根据当前区域信息所表征的区域，以及区域与可疑关键字的对应关系，选择对应的可疑关键字作为候选的可疑关键字，基于当前区域信息的可疑关键字筛选，可体现出不同区域对风险管控要求的差异性，在兼顾匹配准确性的情况下，有针对性地降低匹配的工作量，例如，对于位于北京的目标车辆与位于上海的目标车辆，筛选出来的候选的可疑关键字可能不完全相同或不相同；
一种举例中，当前属性信息包括当前用户信息时，可预先针对于用户信息的每个维度(例如年龄、职业、户籍地、征信信息等维度)，分别将用户划分为不同用户类别，例如：针对于年龄层这个维度，可划分出不同年龄层类别(例如20-30岁为一个年龄层类别，30-40岁为一个年龄层类别)，再例如：针对于职业这个维度，可划分出不同职业类别，同时，可预先定义各用户类别与可疑关键字的对应关系，且同一维度的不同用户类别所对应的可疑关键字可以是有区别的，进而，在执行步骤S105时，可以通过比对各用户类别与当前用户信息，判断当前用户信息所属的用户类别，再选择对应的可疑关键字作为候选的可疑关键字；基于用户信息的可疑关键字筛选，可体现出不同用户群体对风险管控要求的差异性，在兼顾匹配准确性的情况下，有针对性地降低匹配的工作量；此外，基于不同维度所选择出的可疑关键字，可取其并集或交集作为候选的可疑关键字；
一种举例中，当前属性信息包括当前时间信息时，可预先定义时间范围与可疑关键字的对应关系，进而，在执行步骤S105时，可以通过比对各时间范围与当前时间信息，判断当前时间信息所属的时间范围，再选择对应的可疑关键字作为候选的可疑关键字，基于时间的可疑关键字筛选，可体现出不同时间范围对风险管控要求的差异性，在兼顾匹配准确性的情况下，有针对性地降低匹配的工作量；例如，位于同一地区，工作日、周末与假期对应的可疑关键字可以不完全相同或不相同；
一种举例中，当前属性信息包括当前车辆信息时，可预先针对于车辆信息的每个维度(例如大小、型号、品牌、用途等维度)，将车辆划分为不同车辆类别，例如：针对于品牌这个维度，可划分出不同品牌作为不同类别，同时，还可预先定义不同车辆类别与可疑关键字的对应关系，进而，在执行步骤S105时，可以通过比对各车辆类别与当前车辆信息，判断当前车辆信息所属的车辆类别，再选择对应的可疑关键字作为候选的可疑关键字；基于车辆信息的可疑关键字筛选，可体现出不同车辆群体对风险管控要求的差异性，在兼顾匹配准确性的情况下，有针对性地降低匹配的工作量，例如，对于不同大小、型号、品牌、用途的目标车辆，筛选出来的候选的可疑关键字可以不完全相同或不相同。
以上实施方式中，根据目标车辆的当前属性信息，筛选得到当前属性信息对应的候选的可疑关键字，在兼顾匹配准确性的情况下，可以减少匹配的可疑关键字，降低可疑关键字匹配的工作量，提高匹配的速度。
一种举例中，步骤S105中，将进行筛选后可疑关键字作为候选的可疑关键字，进而步骤S102具体包括以下至少之一：
检测到所述候选的可疑关键字记载于所述第一POI信息中；
检测到所述候选的可疑关键字与所述第一POI信息中的字符的相似度高于相似度阈值。请参考图7，一种实施方式中，所述基于关键字的车辆监控方法还包括：
S106：确定第一关键字作为所述可疑关键字；根据所述第一关键字，扩展得到相关联的第二关键字；
S107：确定所述第二关键字为所述可疑关键字。
请参考图8，一种实施方式中，步骤S106，具体包括：
S1061：确定第一关键字作为所述可疑关键字，对所述第一关键字进行分词，得到字词单元；
S1062：删除所述字词单元中重复的字词单元得到所述第二关键字；和/或：将所述字词单元作为目标字词单元，并确定所述目标字词单元的近义词作为所述第二关键字。
一种举例中，第一关键字为“瓜子二手车”，基于“瓜子二手车”，可拆分出“瓜子”、“二手车”两个字词单元，进而，可以扩展出“瓜子”、“二手车”作为第二关键字。
部分举例中，若所确定的第二关键字与已有的可疑关键字重复，可在步骤S107之前将其删除，或在步骤S107之后对重复的可疑关键字进行合并。
以上方案中，可以通过对已知的可疑关键字(即第一关键字)的分析学习，扩展得到并未明确定义但可能能体现出潜在风险的关键字，扩大监控范围，进而，可防止因为第一关键字的范围限制，而错过一些需要报警的情形。
请参考图9，所述基于关键字的车辆监控方法还包括：
S108：检测所述所需监控的车辆是否发生聚集；
S109：若检测到所述所需监控的车辆多次聚集于第二POI信息对应的区域，则根据所述第二POI信息，形成第三关键字，并确定所述第三关键字作为所述可疑关键字。
一种举例中，步骤S109中，可直接提取第二POI信息中的一个或多个字词，形成第三关键字，或根据其中的一个或多个字词，确定其近义词作为第三关键字，步骤S109可以通过机器学习、人工智能的算法自动实现的。
通过检测所需监控的车辆是否发生聚集，进而可以将未预先考虑到的关键字更新到关键字库，得到更加精确地监控，例如某位置实际上是作为一个二手车交易场所，但是基于已有的可疑关键字，该位置的POI信息中未体现出其为二手车交易场所，那么，通过聚集监控，可以将该位置对应的关键字更新到关键字库，从而在后续的监控过程中，实现针对于该POI(及其他类似POI)的报警。
请参考图10，一种实施方式中，所述基于关键字的车辆监控方法还包括：
S110：若任意之一所述可疑关键字被匹配成功的频次小于频次阈值，则删除该所述可疑关键字。
其中的频次可通过单位时间内对应可疑关键字被匹配成功的次数，和/或，该次数在单位时间内总匹配成功次数中的占比来表征，例如，单位时间内，假定所有可疑关键字的总匹配成功次数为P次，那么：
一种举例中，频次阈值包括指定的次数阈值，进而，可在单位时间内对应可疑关键字被匹配成功的次数小于次数阈值(例如5次)时确定该关键字不再作为可疑关键字；
另一种举例中，频次阈值包括指定的占比阈值，进而，可在对应可疑关键字在该P次中的占比小于占比阈值(例如3％)时确定该关键字不再作为可疑关键字；
再一举例中，频次阈值可包括次数阈值与占比阈值，进而，可在单位时间内对应可疑关键字被匹配成功的次数小于次数阈值，且对应可疑关键字在该P次中的占比小于占比阈值时确定该关键字不再作为可疑关键字
以上方案中，由于频次可反应出可疑关键字被使用的频繁程度，若频繁程度较低，可能该可疑关键字因为某种原因而不常使用(例如：某二手车公司更名后，基于原名称所定义的可疑关键字可能就不再适用)，也可能该可疑关键字引入了不必要的噪声，通过对关键字库中的可疑关键字进行不断地监控调整，可以使得对目标车辆的监控更加精确可靠，还可避免不再适用的可疑关键字影响处理效率。
请参考图11，一种实施方式中，步骤S103，具体包括：
S1031：确定所述第一POI信息所匹配的可疑关键字的紧急等级；
S1032：根据所述紧急等级，执行对应的报警策略。
一种举例中，可以预先将可疑关键字划分成不同的紧急等级，然后针对不同的紧急等级定义不同的报警策略，即建立紧急等级与报警策略的对应关系，例如“二手车”的紧急等级为一级，可对应于一种报警策略，“车行”的紧急等级为三级，可对应于另一种报警策略，进而，在执行步骤S1032时，可以根据所匹配到的可疑关键字的紧急等级，以及报警策略与紧急等级的对应关系，选择并执行对应的报警策略。
其中，不同的报警策略，可以例如包括以下至少之一情形：
报警的方式不同，例如采用可视化的方式报警，还是采用语音的方式报警，亦或同时采用可视化的方式，又采用语音的方式报警；
针对于可视的报警方式，报警所显示的内容、所显示内容的载体(例如现实与地图上还是弹窗)、位置、形式(例如颜色、大小、字体、线型等等)等至少之一不同；
针对于语音的报警方式，报警所播放的语音内容、音量、音色、音调、重复播放的次数等至少之一不同；
报警压制策略不同，该报警压制策略可理解为单位时间内同一目标车辆的报警次数上限。
通过步骤S1031、S1032中根据可疑关键字的紧急等级选择对应的报警策略，便于管理人员快速了解报警的紧急程度，有利于后续报警信息的处理。
请参考图12，基于可疑关键字的车辆监控装置2，包括：
位置获取模块201，用于确定目标车辆所处位置的第一POI信息；所述目标车辆为所需监控的车辆；
报警触发模块202，用于若检测到所述第一POI信息与可疑关键字匹配，则触发报警。
请参考图13，一种实施方式中，还包括：
异常监控模块203，用于检测到所述目标车辆发生熄火，且在发生所述熄火之后的指定时长内，未获取到所述目标车辆上报的位置信息。
一种实施方式中，位置获取模块201具体用于：
确定所述目标车辆最近一次上报的位置信息，
根据所述最近一次上报的位置信息，提取所述第一POI信息。
一种实施方式中，检测到所述第一POI信息与可疑关键字匹配，包括以下至少之一：
检测到所述可疑关键字记载于所述第一POI信息中；
检测到所述可疑关键字与所述第一POI信息中的至少部分字符的相似度高于相似度阈值。
一种实施方式中，基于可疑关键字的车辆监控装置2，还包括：
关键字筛选模块204，具体用于：根据所述目标车辆的当前属性信息，对所有所述可疑关键字进行筛选；
其中，所述当前属性信息包括以下至少之一：
当前时间信息，包括所述目标车辆熄火时的时间；
当前区域信息，包括所述目标车辆最近一次上报的位置信息所处的区域；
当前车辆信息，包括所述目标车辆的信息；
当前用户信息，包括所述目标车辆对应的用户的信息。
一种实施方式中，所述基于关键字的车辆监控装置2还包括：
关键字拓展模块205，用于确定第一关键字作为所述可疑关键字；
根据所述第一关键字，扩展得到相关联的第二关键字；
关键字增加模块206，用于确定所述第二关键字为所述可疑关键字。
一种实施方式中，关键字拓展模块205，具体用于：
确定第一关键字作为所述可疑关键字，对所述第一关键字进行分词，得到多个字词单元；
删除所述字词单元中重复的字词单元得到所述第二关键字；和/或：将所述字词单元作为目标字词单元，并确定所述目标字词单元的近义词作为所述第二关键字。
一种实施方式中，所述基于关键字的车辆监控装置2还包括：
关键字学习模块207，用于：
检测所述所需监控的车辆是否发生聚集；
若检测到所述所需监控的车辆多次聚集于第二POI信息对应的区域，则根据所述第二POI信息，形成第三关键字，并确定第三关键字作为所述可疑关键字。
一种实施方式中，关键字学习模块207还包括：
若任意之一所述可疑关键字被匹配成功的频次小于频次阈值，则删除该所述可疑关键字。
一种实施方式中，触发报警，具体包括：
确定所述第一POI信息所匹配的可疑关键字的紧急等级；
根据所述紧急等级，执行对应的报警策略。
请参考图14，本发明还提供了一种电子设备30，包括
处理器31；以及，
存储器32，用于存储处理器的可执行指令；
其中，处理器31配置为经由执行可执行指令来执行以上所涉及的方法。
处理器31能够通过总线33与存储器32通讯。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以上所涉及的方法。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (13)
1.一种基于关键字的车辆监控方法，其特征在于，包括：
确定目标车辆所处位置的第一POI信息；所述目标车辆为所需监控的车辆；
若检测到所述第一POI信息与可疑关键字匹配，则触发报警。
2.根据权利要求1所述的基于关键字的车辆监控方法，其特征在于，确定目标车辆所处位置的第一POI信息之前，还包括：
检测到所述目标车辆发生熄火，且在发生所述熄火之后的指定时长内，未获取到所述目标车辆上报的位置信息。
3.根据权利要求2所述的基于关键字的车辆监控方法，其特征在于，所述确定目标车辆所处位置的第一POI信息，包括：
确定所述目标车辆最近一次上报的位置信息，
根据所述最近一次上报的位置信息，提取所述第一POI信息。
4.根据权利要求1所述的基于关键字的车辆监控方法，其特征在于，所述检测到所述第一POI信息与可疑关键字匹配，包括以下至少之一：
检测到所述可疑关键字记载于所述第一POI信息中；
检测到所述可疑关键字与所述第一POI信息中的字符的相似度高于相似度阈值。
5.根据权利要求1所述的基于关键字的车辆监控方法，其特征在于，所述检测到所述第一POI信息与可疑关键字匹配之前，还包括：
根据所述目标车辆的当前属性信息，对所有所述可疑关键字进行筛选；
其中，所述当前属性信息包括以下至少之一：
当前时间信息，包括所述目标车辆熄火时的时间；
当前区域信息，包括所述目标车辆最近一次上报的位置信息所处的区域；
当前车辆信息，包括所述目标车辆的信息；
当前用户信息，包括所述目标车辆对应的用户的信息。
6.根据权利要求1所述的基于关键字的车辆监控方法，其特征在于，还包括：
确定第一关键字作为所述可疑关键字；
根据所述第一关键字，扩展得到相关联的第二关键字；
确定所述第二关键字为所述可疑关键字。
7.根据权利要求6所述的基于关键字的车辆监控方法，其特征在于，所述根据所述第一关键字，扩展得到相关联的第二关键字，包括：
对所述第一关键字进行分词，得到字词单元；
删除所述字词单元中重复的字词单元得到所述第二关键字；和/或
将所述字词单元作为目标字词单元，并确定所述目标字词单元的近义词作为所述第二关键字。
8.根据权利要求1所述的基于关键字的车辆监控方法，其特征在于，还包括：
检测所述所需监控的车辆是否发生聚集；
若检测到所述所需监控的车辆多次聚集于第二POI信息对应的区域，则根据所述第二POI信息，形成第三关键字，并确定所述第三关键字作为所述可疑关键字。
9.根据权利要求1所述的基于关键字的车辆监控方法，其特征在于，还包括：
若任意之一所述可疑关键字被匹配成功的频次小于频次阈值，则删除该所述可疑关键字。
10.根据权利要求1至10任一项所述的基于关键字的车辆监控方法，其特征在于，触发报警，具体包括：
确定所述第一POI信息所匹配的可疑关键字的紧急等级；
根据所述紧急等级，执行对应的报警策略。
11.一种基于可疑关键字的车辆监控装置，其特征在于，包括：
位置获取模块，用于确定目标车辆所处位置的第一POI信息；所述目标车辆为所需监控的车辆；
报警触发模块，用于若检测到所述第一POI信息与可疑关键字匹配，则触发报警。
12.一种电子设备，其特征在于，包括处理器与存储器，
所述存储器，用于存储代码和相关数据；
所述处理器，用于执行所述存储器中的代码用以实现权利要求1至10任一项所述的基于可疑关键字的车辆监控方法。
13.一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1至10任一项所述的基于可疑关键字的车辆监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110435370.8A CN113191610A (zh) | 2021-04-22 | 2021-04-22 | 基于可疑关键字的车辆监控方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110435370.8A CN113191610A (zh) | 2021-04-22 | 2021-04-22 | 基于可疑关键字的车辆监控方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113191610A true CN113191610A (zh) | 2021-07-30 |
Family
ID=76978152
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110435370.8A Pending CN113191610A (zh) | 2021-04-22 | 2021-04-22 | 基于可疑关键字的车辆监控方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113191610A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108170793A (zh) * | 2017-12-27 | 2018-06-15 | 厦门市美亚柏科信息股份有限公司 | 基于车辆语义轨迹数据的停留点分析方法及其系统 |
| CN111429268A (zh) * | 2020-03-30 | 2020-07-17 | 上海德易车信息科技有限公司 | 一种车辆信贷风险检测方法、终端设备和存储介质 |
-
2021
- 2021-04-22 CN CN202110435370.8A patent/CN113191610A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108170793A (zh) * | 2017-12-27 | 2018-06-15 | 厦门市美亚柏科信息股份有限公司 | 基于车辆语义轨迹数据的停留点分析方法及其系统 |
| CN111429268A (zh) * | 2020-03-30 | 2020-07-17 | 上海德易车信息科技有限公司 | 一种车辆信贷风险检测方法、终端设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yu et al. | Prediction of bus travel time using random forests based on near neighbors | |
| CN106314438B (zh) | 一种司机驾驶轨迹中异常轨迹的检测方法和系统 | |
| US20070061232A1 (en) | Method and system for forecasting reliability of assets | |
| CN111429268B (zh) | 一种车辆信贷风险检测方法、终端设备和存储介质 | |
| CN111460312A (zh) | 空壳企业识别方法、装置及计算机设备 | |
| CN110599353A (zh) | 一种车辆出险和赔付率预测方法、装置、设备及介质 | |
| US20190378180A1 (en) | Method and system for generating and using vehicle pricing models | |
| CN113963533B (zh) | 驾驶行为异常检测方法、装置、电子设备、服务器及介质 | |
| CN110727740B (zh) | 关联分析方法及装置、计算机设备与可读介质 | |
| CN112182421A (zh) | 一种潜在客户挖掘方法、装置及电子设备 | |
| CN109840676B (zh) | 基于大数据的风控方法、装置、计算机设备及存储介质 | |
| CN114782897A (zh) | 基于机器视觉及深度学习的危险行为检测方法及系统 | |
| AU2019201484A1 (en) | Method and system for vehicle speed profile generation | |
| CN113205403A (zh) | 一种企业信用等级的计算方法、装置、存储介质及终端 | |
| CN114418175A (zh) | 一种人员管理方法、装置、电子设备及存储介质 | |
| US20060248096A1 (en) | Early detection and warning systems and methods | |
| CN114118816A (zh) | 一种风险评估方法、装置、设备及计算机存储介质 | |
| Liao et al. | Hierarchical quantitative analysis to evaluate unsafe driving behaviour from massive trajectory data | |
| CN113506050A (zh) | 员工绩效的评估方法、装置、电子设备及可读存储介质 | |
| CN113743815A (zh) | 运营车辆的风险监控方法、装置、存储介质及计算机设备 | |
| Boldt et al. | Predicting burglars’ risk exposure and level of pre-crime preparation using crime scene data | |
| CN113191610A (zh) | 基于可疑关键字的车辆监控方法、装置、设备及介质 | |
| CN111553199A (zh) | 一种基于计算机视觉的机动车交通违法行为自动检测技术 | |
| CN115329347B (zh) | 基于车联网漏洞数据的预测方法、设备和存储介质 | |
| CN113191609A (zh) | 基于电子围栏的车辆监控方法、装置、设备以及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210730 |