CN113807871A - 异常行为监控方法、装置、电子设备及存储介质 - Google Patents
异常行为监控方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113807871A CN113807871A CN202111161287.2A CN202111161287A CN113807871A CN 113807871 A CN113807871 A CN 113807871A CN 202111161287 A CN202111161287 A CN 202111161287A CN 113807871 A CN113807871 A CN 113807871A
- Authority
- CN
- China
- Prior art keywords
- target
- vehicle
- target vehicle
- target user
- user
- 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
- 206010000117 Abnormal behaviour Diseases 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 230000006399 behavior Effects 0.000 claims abstract description 60
- 230000004044 response Effects 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 62
- 230000009471 action Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000001815 facial effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012546 transfer Methods 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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
- G06Q30/0637—Approvals
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及网约车技术领域,尤其涉及一种异常行为监控方法、装置、电子设备及存储介质。本申请根据目标用户的目标车辆和移动终端之间的距离、目标车辆上传的数据或目标用户对接收到的待处理信息的响应结果,确定目标用户是否存在异常行为;其中,异常行为可以是司机挂机行为。通过对司机挂机行为进行监测,可以避免因司机挂机行为导致浪费网约车平台资源的问题,提高网约车平台资源的利用率。
Description
技术领域
本申请涉及网约车技术领域,尤其涉及一种异常行为监控方法、装置、电子设备及存储介质。
背景技术
随着移动互联网技术的发展,为了满足人们出行需求,网约车也得到了快速发展。乘车用户通过终端上的打车应用软件在线上进行网约车辆下单,由司机通过网约车辆的车载终端进行线上接单后,再根据订单信息进行接驾。网约车为乘车用户和司机节约大量时间成本、沟通成本和资源消耗等。网约车的发展改变了营运车辆的传统运营方式,使得营运车辆的运行和管理更加智能化。
乘车用户可以通过网约车平台进行打车。网约车平台一般对司机具有一定的行为准则要求。
然而,部分司机为了满足在线时长要求,存在利用网约车平台漏洞、故意使用作弊手段进行挂机等行为。这类行为往往占用网约车平台资源却不真正为乘车用户提供服务,造成平台资源的浪费。
发明内容
本申请实施例提供一种异常行为监控方法、装置、电子设备及存储介质,可以减少因网约车平台中部分司机故意挂机行为导致浪费平台资源的现象。
第一方面,本申请实施例提供一种异常行为监控方法,包括:
获取目标用户;
通过如下方式中的至少一种或组合,确定所述目标用户是否存在异常行为:
根据所述目标用户的目标车辆和移动终端之间的距离,确定所述目标用户是否存在异常行为;
根据所述目标车辆上传的数据,确定所述目标用户是否存在异常行为;所述数据为用于检测司机是否在目标车辆内的数据;
根据所述目标用户对接收到的待处理信息的响应结果,确定所述目标用户是否存在异常行为。
在一种可选的实施例中,所述根据所述目标用户的目标车辆和移动终端之间的距离,确定所述目标用户是否存在异常行为,包括:
分别获取所述目标用户的目标车辆和所述目标用户的移动终端的位置信息;
根据所述目标车辆的位置信息和所述移动终端的位置信息,确定所述目标车辆与所述移动终端之间的距离;
若所述目标车辆与所述移动终端之间的距离超过设定距离阈值,且第一时长达到设定时长阈值,则确定所述目标账户存在异常行为;所述第一时长指所述目标车辆与所述移动终端之间的距离超过设定距离阈值的时长。
在一种可选的实施例中,所述目标车辆上传的数据包括以下至少一种或组合:
所述目标车辆上传的车内图像;
所述目标车辆上传的驾驶位压力数据;
所述目标车辆上传的驾驶位温度数据;
所述目标车辆上传的开关车门的动作检测数据。
在一种可选的实施例中,所述根据所述目标车辆上传的数据,确定所述目标用户是否存在异常行为,包括:
获取所述目标车辆上传的车内图像;
若所述车内图像满足第一设定条件,则每间隔设定时间获取一次目标车辆上传的车内图像;所述第一设定条件包括:所述车内图像中不包含人脸,或所述车内图像中包含的人脸特征与所述目标账户的注册用户的人脸特征不一致;
若连续N次获取的车内图像均满足所述第一设定条件,则确定目标用户存在异常行为;其中,N为设定的整数。
在一种可选的实施例中,所述获取所述目标车辆上传的车内图像之后,所述方法还包括:
通过人脸检测模型对所述车内图像进行人脸检测;
若未检测到人脸,则确定所述车内图像满足第一设定条件;
若检测到人脸,则获取所述车内图像中的人脸区域图像,并通过人脸识别模型提取所述人脸区域图像的人脸特征;
将所述人脸区域图像的人脸特征与保存的所述目标账户的注册用户的人脸特征进行比对;
若所述人脸区域图像的人脸特征与所述目标账户的注册用户的人脸特征不一致,则确定所述车内图像满足第一设定条件。
在一种可选的实施例中,所述根据所述目标车辆上传的数据,确定所述目标用户是否存在异常行为,包括:
接收到所述目标车辆上传的开关车门的动作检测数据;
若所述动作检测数据指示所述目标车辆的驾驶位车门的打开幅度达到设定幅度阈值,则获取所述目标车辆上传的驾驶位检测数据;所述驾驶位检测数据包括所述目标车辆的车内图像、驾驶位压力数据、驾驶位温度数据中的一种或多种;
若所述驾驶位检测数据指示司机不在目标车辆内,且经过第一设定时长,未再次接收到所述目标车辆上传的开关车门的动作检测数据,则确定所述目标用户存在异常行为。
在一种可选的实施例中,所述根据所述目标用户对接收到的待处理信息的响应结果,确定所述目标用户是否存在异常行为,包括:
若所述目标用户超过第二设定时长未对接收到的乘车订单进行处理,则确定所述目标用户存在异常行为;或者,
若所述目标用户对接收到的区域调度通知未接受或未执行,则确定所述目标用户存在异常行为;所述区域调度通知是在未向所述目标用户派发乘车订单的时长达到设定的未派单时长阈值后,向所述目标用户发送的;所述区域调度通知用于指示所述目标车辆行驶至目标区域。
在一种可选的实施例中,所述获取目标用户,包括:
将满足初步筛选条件的用户作为目标用户;所述初步筛选条件包括:所述用户在设定时间段内曾处于上线状态,但未处理过乘车订单;或者,所述用户处于上线状态,且所述用户对应的空驶时长达到设定的空驶时长阈值;所述空驶时长指所述用户的车辆处于空驶状态的时长。
在一种可选的实施例中,所述空驶时长通过如下方式确定:
将所述用户的上线时刻作为所述空驶时长的开始计时时刻;或,
每当接收到所述用户反馈的完成乘车订单的消息,将所述空驶时长清零并重新开始计时。
第二方面,本申请实施例还提供一种异常行为监控装置,包括:
获取模块,用于获取目标用户;
行为检测模块,用于通过如下方式中的至少一种或组合,确定所述目标用户是否存在异常行为:根据所述目标用户的目标车辆和移动终端之间的距离,确定所述目标用户是否存在异常行为;根据所述目标车辆上传的数据,确定所述目标用户是否存在异常行为;所述数据为用于检测司机是否在目标车辆内的数据;根据所述目标用户对接收到的待处理信息的响应结果,确定所述目标用户是否存在异常行为。
在一种可选的实施例中,所述行为检测模块,具体用于:
分别获取所述目标用户的目标车辆和所述目标用户的移动终端的位置信息;
根据所述目标车辆的位置信息和所述移动终端的位置信息,确定所述目标车辆与所述移动终端之间的距离;
若所述目标车辆与所述移动终端之间的距离超过设定距离阈值,且第一时长达到设定时长阈值,则确定所述目标账户存在异常行为;所述第一时长指所述目标车辆与所述移动终端之间的距离超过设定距离阈值的时长。
在一种可选的实施例中,所述目标车辆上传的数据包括以下至少一种或组合:
所述目标车辆上传的车内图像;
所述目标车辆上传的驾驶位压力数据;
所述目标车辆上传的驾驶位温度数据;
所述目标车辆上传的开关车门的动作检测数据。
在一种可选的实施例中,所述行为检测模块,具体用于:
获取所述目标车辆上传的车内图像;
若所述车内图像满足第一设定条件,则每间隔设定时间获取一次目标车辆上传的车内图像;所述第一设定条件包括:所述车内图像中不包含人脸,或所述车内图像中包含的人脸特征与所述目标账户的注册用户的人脸特征不一致;
若连续N次获取的车内图像均满足所述第一设定条件,则确定目标用户存在异常行为;其中,N为设定的整数。
在一种可选的实施例中,所述行为检测模块,具体用于:
通过人脸检测模型对所述车内图像进行人脸检测;
若未检测到人脸,则确定所述车内图像满足第一设定条件;
若检测到人脸,则获取所述车内图像中的人脸区域图像,并通过人脸识别模型提取所述人脸区域图像的人脸特征;
将所述人脸区域图像的人脸特征与保存的所述目标账户的注册用户的人脸特征进行比对;
若所述人脸区域图像的人脸特征与所述目标账户的注册用户的人脸特征不一致,则确定所述车内图像满足第一设定条件。
在一种可选的实施例中,所述行为检测模块,具体用于:
接收到所述目标车辆上传的开关车门的动作检测数据;
若所述动作检测数据指示所述目标车辆的驾驶位车门的打开幅度达到设定幅度阈值,则获取所述目标车辆上传的驾驶位检测数据;所述驾驶位检测数据包括所述目标车辆的车内图像、驾驶位压力数据、驾驶位温度数据中的一种或多种;
若所述驾驶位检测数据指示司机不在目标车辆内,且经过第一设定时长,未再次接收到所述目标车辆上传的开关车门的动作检测数据,则确定所述目标用户存在异常行为。
在一种可选的实施例中,所述行为检测模块,具体用于:
若所述目标用户超过第二设定时长未对接收到的乘车订单进行处理,则确定所述目标用户存在异常行为;或者,
若所述目标用户对接收到的区域调度通知未接受或未执行,则确定所述目标用户存在异常行为;所述区域调度通知是在未向所述目标用户派发乘车订单的时长达到设定的未派单时长阈值后,向所述目标用户发送的;所述区域调度通知用于指示所述目标车辆行驶至目标区域。
在一种可选的实施例中,所述获取模块,具体用于:
将满足初步筛选条件的用户作为目标用户;所述初步筛选条件包括:所述用户在设定时间段内曾处于上线状态,但未处理过乘车订单;或者,所述用户处于上线状态,且所述用户对应的空驶时长达到设定的空驶时长阈值;所述空驶时长指所述用户的车辆处于空驶状态的时长。
在一种可选的实施例中,所述空驶时长通过如下方式确定:
将所述用户的上线时刻作为所述空驶时长的开始计时时刻;或,
每当接收到所述用户反馈的完成乘车订单的消息,将所述空驶时长清零并重新开始计时。
第三方面,本申请实施例提供一种电子设备,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时,实现上述第一方面任一种的异常行为监控方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现上述第一方面任一种的异常行为监控方法。
本申请实施例可以根据目标用户的目标车辆和移动终端之间的距离、目标车辆上传的数据或目标用户对接收到的待处理信息的响应结果,确定目标用户是否存在异常行为;其中,异常行为可以是司机挂机行为。通过对司机挂机行为进行监测,可以避免因司机挂机行为导致浪费网约车平台资源的问题,提高网约车平台资源的利用率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种异常行为监控方法的应用场景示意图;
图2为本申请实施例提供的一种异常行为监控方法的流程示意图;
图3为本申请实施例提供另一种异常行为监控方法的流程示意图;
图4为本申请实施例提供另一种异常行为监控方法的流程示意图;
图5为本申请实施例提供的一种异常行为监控装置的结构框图;
图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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,以便这里描述的本申请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。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
下面对文中出现的一些术语进行解释:
(1)挂机行为:指网约车司机的账户处于在线状态,但不为乘车用户提供用车服务的行为。
(2)冷门区域:与热门区域相对而言,指乘车订单很少的区域,或者是距离大部分乘车订单的订单起始位置较远的区域,车辆在该区域内,接单机会较少。
(3)热门区域:与冷门区域相对而言,指乘车订单较多的区域,或者是距离大量乘车订单的订单起始位置都很近的区域,车辆在该区域内,接单机会较多。
本申请实施例提及“第一”、“第二”等序数词用于对多个对象进行区分,不用于限定多个对象的顺序、时序、优先级或者重要程度。
图1示例性地示出本申请实施例的一种应用场景示意图。如图1所示,本申请实施例提供一种异常行为监控方法,可应用于网约车场景中。在网约车场景中,乘车用户的移动终端10和司机的移动终端30均可以通过通信网络与网约车平台的服务器20连接,其中,乘车用户在下文中称为乘客,司机的移动终端30可以是司机的手机等终端设备,也可以是安装在营运车辆中的车载终端,或者,司机的移动终端30可以同时包括司机的手机和安装在营运车辆中的车载终端。通信网络可以是广义上的用于信息传递的网络,可以包括一个或多个网络,诸如无线通信网络、因特网、私域网、局域网、城域网、广域网或蜂窝数据网络等。
当乘客有用车需求时,可以通过乘客的移动终端10向服务器20发送订单信息,服务器20根据接收到的订单信息,确定订单信息所处的地理区域,该地理区域指订单信息中的乘车起点位置所属的区域。司机的移动终端30向服务器20发送营运车辆的位置信息,以及接单情况;服务器20根据接收到的各个营运车辆的位置信息和接单情况,在订单信息所处地理区域内搜索与订单信息匹配的接驾车辆,将该订单信息派发至接驾车辆对应的司机的移动终端30并基于搜索到的接驾车辆的车辆信息向乘客的移动终端10返回派单信息。
需要说明的是,图1中的司机的移动终端30仅用于举例,在实际使用中,司机的移动终端30也可以是司机的手机。如果司机的移动终端30是车载终端,车载终端具体在图1的车辆中的位置,并不作为实际安装在车辆中的固定位置。车载终端的位置也可以在车辆其他位置,比如车载终端安装在车门处、前排座位之间等位置。
虽然图1中仅示出单个服务器,但服务器20可以是一台服务器,也可以是若干台服务器组成的服务器集群或云计算中心。服务器20可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
在为乘客提供网约车服务之前,司机需要先在网约车平台注册服务账户。示例性地,司机可以使用手机或其他电子设备登录网约车平台,按照提示步骤注册服务账户,在注册服务账户的过程中,网约车平台会采集司机的人脸图像并进行保存,以便于后续确定提供网约车服务的驾驶人是否是司机本人,以及对司机的其他行为进行监控。服务账户注册完成之后,司机可以登录已注册的服务账户,并使用该服务账户承接乘客的乘车订单。
为了更有保障地为乘客服务,网约车平台一般对司机具有一定的行为准则要求,其中包括要求司机的在线时长不能太短。部分司机为了满足网约车平台的在线时长要求,存在利用网约车平台漏洞、故意使用作弊手段进行挂机等行为,造成平台资源的浪费,并且也会使乘车用户无法打到车,导致订单流失。为了解决部分司机故意挂机行为导致浪费平台资源的问题,本申请实施例提供一种异常行为监控方法、装置、电子设备及存储介质。
图2示出了本申请实施例提供的一种异常行为监控方法的流程图,该方法可以应用于图1中的服务器20,如图2所示,该方法可以包括如下步骤:
步骤S201,获取目标用户。
其中,目标用户指满足初步筛选条件的用户。
司机通过移动终端登录已注册的服务账户之后,该用户处于上线状态,服务器将实时判断该用户是否具有挂机的异常行为。服务器先确定该服务账户是否满足设定的初步筛选条件,初步筛选条件可以包括:该用户在设定时间段内曾处于上线状态,但未处理过乘车订单;或者,该用户处于上线状态,且该用户对应的空驶时长达到设定的空驶时长阈值。其中,设定时间段可以是2天、3天或5天;空驶时长指该用户的车辆处于空驶状态的时长,即该用户的车辆未处理任何乘车订单的时长,示例性地,空驶时长可以是2小时、2.5小时或3小时。
如果该用户满足设定的初步筛选条件,则认为该用户存在疑似挂机行为,将该用户作为目标用户,进一步确定是否确实存在挂机行为。需要说明的是,目标用户可以指满足设定的初步筛选条件的任一用户。
步骤S202,通过设定的异常行为监测方式,确定目标用户是否存在异常行为。
其中,设定的异常行为监测方式包括如下方式中的至少一种或组合:根据目标用户的目标车辆和移动终端之间的距离,确定目标用户是否存在异常行为;根据目标车辆上传的数据,确定目标用户是否存在异常行为;所述数据为用于检测司机是否在目标车辆内的数据;根据目标用户对接收到的待处理信息的响应结果,确定目标用户是否存在异常行为。
在一些实施例中,可以根据目标用户的目标车辆和移动终端之间的距离,确定目标用户是否存在异常行为。例如,可以分别获取所述目标用户的目标车辆和所述目标用户的移动终端的位置信息,根据目标车辆的位置信息和移动终端的位置信息,确定目标车辆与移动终端之间的距离。如果目标车辆与移动终端之间的距离超过设定距离阈值,且目标车辆与移动终端之间的距离超过设定距离阈值的时长达到设定时长阈值,则可以认为司机不在目标车辆内,可以确定目标用户存在异常行为。
在另一些实施例中,可以根据目标车辆上传的数据,确定目标用户是否存在异常行为。其中,目标车辆上传的数据包括以下至少一种或组合:目标车辆上传的车内图像;目标车辆上传的驾驶位压力数据;目标车辆上传的驾驶位温度数据;目标车辆上传的开关车门的动作检测数据。
示例性地,在一种实施例中,服务器获取目标车辆上传的车内图像,如果车内图像满足第一设定条件,则每间隔设定时间获取一次目标车辆上传的车内图像,如果连续N次获取的车内图像均满足第一设定条件,则可以认为司机不在目标车辆内,可以确定目标用户存在异常行为。其中,N为设定的整数,第一设定条件可以包括:车内图像中不包含人脸,或车内图像中包含的人脸特征与目标用户的人脸特征不一致。在另一种实施例中,服务器获取目标车辆上传的驾驶位压力数据,如果驾驶位压力数据低于设定压力阈值,则每间隔设定时间获取一次目标车辆上传的驾驶位压力数据,如果连续M次获取的驾驶位压力数据均低于设定压力阈值,则可以认为司机不在目标车辆内,可以确定目标用户存在异常行为。其中,M为设定的整数,驾驶位压力数据可以是安装在驾驶位座椅内的压力传感器采集的压力数据。在另一种实施例中,可以在目标车辆的驾驶位座椅上或驾驶位座椅附近安装温度传感器,用于实时采集驾驶位温度数据。服务器获取目标车辆上传的驾驶位温度数据,如果驾驶位温度数据低于设定压力阈值,则每间隔设定时间获取一次目标车辆上传的驾驶位温度数据,如果连续K次获取的驾驶位压力数据均低于设定压力阈值,则可以认为司机不在目标车辆内,可以确定目标用户存在异常行为。其中,K为设定的整数。
在另一种实施例中,服务器接收到目标车辆上传的开关车门的动作检测数据,如果动作检测数据指示目标车辆的驾驶位车门的打开幅度达到设定幅度阈值,则获取目标车辆上传的驾驶位检测数据。其中,驾驶位检测数据可以包括目标车辆的车内图像、驾驶位压力数据、驾驶位温度数据中的一种或多种。如果驾驶位检测数据指示司机不在目标车辆内,且经过第一设定时长,未再次接收到目标车辆上传的开关车门的动作检测数据,则可以确定目标用户存在异常行为。
在另一些实施例中,可以根据目标用户对接收到的待处理信息的响应结果,确定目标用户是否存在异常行为。如果目标用户超过第二设定时长未对接收到的乘车订单进行处理,则确定目标用户存在异常行为;或者,如果目标用户对接收到的区域调度通知未接受或未执行,则确定目标用户存在异常行为。其中,区域调度通知是在未向目标用户派发乘车订单的时长达到设定的未派单时长阈值后,向目标用户发送的,区域调度通知用于指示目标车辆行驶至目标区域。
在另一些实施例中,服务器可以实时获取目标车辆的位置信息和移动终端的位置信息,根据二者的位置信息确定目标车辆与移动终端之间的距离,如果目标车辆与移动终端之间的距离未超过设定距离阈值,则可以进一步通过目标车辆上传的数据,检测司机是否在目标车辆内。如果检测到司机不在目标车辆内,则确定目标账户存在司机挂机的异常行为。
在另一些实施例中,服务器可以根据目标用户的目标车辆和移动终端之间的距离,目标车辆上传的数据和目标用户对接收到的待处理信息的响应结果,确定目标用户是否存在异常行为。示例性地,服务器可以分别获取目标用户的目标车辆和目标用户的移动终端的位置信息,根据目标车辆的位置信息述移动终端的位置信息,确定目标车辆与移动终端之间的距离。如果目标车辆与移动终端之间的距离超过设定距离阈值,且目标车辆与移动终端之间的距离超过设定距离阈值的时长达到设定时长阈值,则可以确定目标用户存在司机挂机的异常行为。如果目标车辆与移动终端之间的距离未超过设定距离阈值,则获取目标车辆上传的数据,如果目标车辆上传的数据表明司机不在目标车辆内,且司机不在目标车辆内的时长达到对应的设定时长阈值,则可以确定目标用户存在司机挂机的异常行为。如果目标车辆上传的数据表明司机在目标车辆内,则根据目标用户对接收到的待处理信息的响应结果,确定目标用户是否存在司机挂机的异常行为。如果目标用户未对接收到的乘车订单进行处理的时长达到第二设定时长,或者,目标用户对接收到的区域调度通知未接受或未执行,则可以确定目标用户存在司机挂机的异常行为。否则,可以认为目标用户不存在司机挂机的异常行为。
本申请实施例针对满足设定的初步筛选条件的目标用户,确定司机是否存在挂机行为,如果司机不在目标车辆内或存在不处理订单或通知的行为,可以确定目标账户存在司机挂机行为。通过对司机挂机行为进行监测,可以避免因司机挂机行为导致浪费网约车平台资源的问题,提高网约车平台资源的利用率。
图3和图4示出了本申请实施例提供的异常行为监控方法的一种具体实现方式的流程图,如图3和图4所示,该方法可以包括如下步骤:
步骤S301,接收到账户的上线请求。
该账户可以是某个司机注册的服务账户。
步骤S302,判断该账户是否满足设定的初步筛选条件;如果是,确定该账户存在疑似挂机行为,执行步骤S303,如果否,返回执行步骤S302。
服务器接收到任意一个账户的上线请求之后,或者,服务器可以实时监测处于上线状态的账户,对于任意一个处于上线状态的账户,均可以执行上述步骤S302的操作。
步骤S303,确定该账户为目标账户,分别获取目标账户对应的目标车辆和登录目标账户的移动终端的位置信息。
目标账户对应的用户,可以称为目标用户。分别获取目标用户的目标车辆和登录目标账户的移动终端的位置信息。其中,目标车辆为目标用户注册目标账户时所登记的车辆,车辆中安装有车载监控设备,车载监控设备可以包括安装在车内的摄像头、麦克风以及定位模块等,定位模块可以是GPS(Global Positioning System,全球定位系统)定位器等。当目标账户处于上线状态时,车载监控设备可以通过网络连接服务器,服务器可以从车载监控设备获取车内录音录像、车辆的定位信息等数据。
服务器可以从目标车辆上安装的定位模块,获取目标车辆的位置信息。服务器可以从登录目标账户的移动终端,获取移动终端的位置信息,登录目标账户的移动终端可以理解为司机的智能手机。智能手机具有定位功能,可以将自身的位置信息发送至服务器。
步骤S304,根据目标车辆的位置信息和移动终端的位置信息,确定目标车辆与移动终端的轨迹是否一致;如果否,确定目标账户存在挂机行为,执行步骤S307,如果是,执行步骤S305。
服务器可以实时获取目标车辆的位置信息和移动终端的位置信息,根据二者的位置信息确定目标车辆与移动终端之间的距离。正常情况下,如果司机在目标车辆内,则目标车辆的位置与移动终端的位置应基本一致,二者之间的距离应很小。如果持续一段时间,目标车辆与移动终端之间的距离一直较大,或者说,如果目标车辆与移动终端之间的距离超过设定距离阈值,目标车辆与移动终端之间的距离超过设定距离阈值的时长达到设定时长阈值,则确定目标车辆与移动终端的轨迹不一致,可以认为司机不在目标车辆内,确定目标账户存在挂机行为。设定距离阈值可以是20米、30米或50米,设定时长阈值可以是10分钟、20分钟或30分钟。如果目标车辆与移动终端之间的距离未超过设定距离阈值,可以认为目标车辆与移动终端的轨迹一致。
步骤S305,检测司机是否在目标车辆内;如果否,确定目标账户存在挂机行为,执行步骤S307;如果是,执行步骤S306。
如果目标车辆与移动终端的轨迹一致,则可以进一步通过目标车辆上传的数据,检测司机是否在目标车辆内。如果检测到司机不在目标车辆内,则确定目标账户存在挂机行为。示例性地,服务器可以通过目标车辆上传的车内图像、目标车辆上传的驾驶位压力数据、驾驶位温度数据、开关车门的动作检测数据等信息中的一种或多种,检测司机是否在目标车辆内。
例如,在一种实施例中,服务器可以获取目标车辆上传的车内图像,对车内图像进行人脸检测,如果车内图像中不包含人脸,则每间隔设定时间获取一次目标车辆上传的车内图像,该设定时间可以是2分钟、3分钟或4分钟。如果连续N次获取的N张车内图像中均不包含人脸,则确定检测到司机不在目标车辆内。其中,N为设定的整数,示例性地,N的取值可以为5、6或7。
在另一种实施例中,服务器可以获取目标车辆上传的车内图像,将车内图像中包含的人脸特征与目标账户的注册用户的人脸特征进行比对,目标账户的注册用户指目标车辆的司机。如果二者不一致,则每间隔设定时间获取一次目标车辆上传的车内图像。如果连续N次获取的N张车内图像中均包含的人脸特征与目标账户的注册用户的人脸特征均不一致,则确定检测到司机不在目标车辆内。
在另一种实施例中,服务器可以获取目标车辆上传的驾驶位压力数据,如果驾驶位压力数据低于设定压力阈值,则每间隔设定时间获取一次目标车辆上传的驾驶位压力数据,该设定时间可以是2分钟、3分钟或4分钟。如果连续M次获取的驾驶位压力数据均低于设定压力阈值,则确定检测到司机不在目标车辆内。其中,M为设定的整数,示例性地,M的取值可以为5、6或7。
在另一种实施例中,服务器可以获取目标车辆上传的驾驶位温度数据,如果驾驶位温度数据低于设定温度阈值,则每间隔设定时间获取一次目标车辆上传的驾驶位温度数据,该设定时间可以是2分钟、3分钟或4分钟。如果连续K次获取的驾驶位温度数据均低于设定温度阈值,则确定检测到司机不在目标车辆内。其中,K为设定的整数,示例性地,K的取值可以为5、6或7。
在另一种实施例中,服务器可以结合开关车门的动作检测数据和驾驶位温度数据,确定司机是否在目标车辆内。例如,服务器接收到目标车辆上传的开关车门的动作检测数据,如果动作检测数据指示目标车辆的驾驶位车门的打开幅度达到设定幅度阈值,则获取目标车辆上传的驾驶位温度数据,如果驾驶位温度数据低于设定温度阈值,则说明司机不在目标车辆内。如果经过第一设定时长,未再次接收到目标车辆上传的开关车门的动作检测数据,则确定检测到司机不在目标车辆内。
上述实施方式仅为示例性说明,服务器还可以结合目标车辆上传的车内图像,目标车辆上传的驾驶位压力数据、驾驶位温度数据、开关车门的动作检测数据中的其他任意两种数据或两种以上的数据,确定司机是否在目标车辆内,在此不再一一枚举。
步骤S306,判断目标账户是否满足第二设定条件;如果是,确定目标账户存在挂机行为,执行步骤S307;如果否,返回执行步骤S302。
如果通过目标车辆上传的数据确定司机在目标车辆内,则继续对目标账户进行监测,确定目标账户是否满足第二设定条件。其中,第二设定条件可以包括:向目标账户派发的乘车订单超过第二设定时长未处理,或向目标账户派发的区域调度通知未被接受或未被执行。其中,第二设定时长可以是20分钟、半小时或40分钟。
通常,服务器向某一服务账户派发乘车订单后,司机驾车驶向乘车订单指明的订单起始位置,司机驾车到达订单起始位置且乘客上车后,司机点击乘客已上车按键,该乘车订单进入执行状态,视为该乘车订单被处理。如果向目标账户派发的乘车订单超过第二设定时长未被处理,可以认为目标账户存在挂机行为。
如果目标车辆停留在冷门区域,没有合适的乘车订单,致使服务器长时间没有向目标账户派发乘车订单,此时,服务器可以向目标账户发送区域调度通知,区域调度通知用于指示目标车辆行驶至目标区域,目标区域为接单的热门区域。服务器可以在未向目标账户派发乘车订单的时长达到未派单时长阈值后,向目标账户发送区域调度通知,如果向目标账户派发的区域调度通知未被接受或未被执行,可以认为目标账户存在挂机行为。其中,区域调度通知未被接受,可以指连续K次向目标账户发送的区域调度通知均未被接受;区域调度通知未被执行,可以指连续K次向目标账户发送的区域调度通知均被接受但未被执行。其中,K为设定的整数,示例性地,K的取值可以为3、4或5。
例如,如果服务器检测到超过1小时未向目标账户派发乘车订单,则可以向目标账户发送区域调度通知。司机的手机上会显示服务器发送的区域调度通知,并显示“接受”按键和“不接受”按键。如果司机点击“不接受”按键,则服务器会接收到司机的手机反馈的区域调度通知未被接受消息,服务器在接收到该消息后,会间隔设定时间,如可以间隔5分钟或10分钟,再次向目标账户发送区域调度通知。如果连续L次向目标账户发送的区域调度通知均未被接受,可以认为目标账户存在挂机行为。如果司机点击“接受”按键,服务器将监测目标车辆是否驶向目标区域,如果在规定的时间内,目标车辆未驶向目标区域或未到达目标区域,可以认为区域调度通知未被执行。服务器会间隔设定时间,再次向目标账户发送区域调度通知。如果连续L次向目标账户发送的区域调度通知均未被执行,可以认为目标账户存在挂机行为。如果司机点击“接受”按键,且服务器监测到在规定的时间内,目标车辆到达目标区域,可以认为目标账户不存在挂机行为,返回执行步骤S302。
步骤S307,对目标账户进行下线处理。
对于确定存在挂机行为的目标账户,服务器对其进行强制下线处理,并在一段时间内或长期忽略目标账户的上线请求。示例性地,一段时间可以是半年或一年。通过上述对存在挂机行为的目标账户的惩戒措施,可以减少司机的故意挂机行为,使平台资源得到有效利用。
为了更方便理解本申请实施例的技术方案,图4示出了本申请实施例提供的一种异常行为监控方法的具体实现过程。如图4所示,对于处于上线状态的目标账户,先进行疑似挂机识别。示例性地,司机登录目标账户,即上线后,可以检查该目标账户在之前的3天内是否有完单行为,完单行为指司机将乘客送达目的地,完成乘车订单的行为。如果目标账户在之前的3天内没有完单行为,且曾经上线,可以判定目标账户存在疑似挂机行为。该过程可以避免司机频繁上下线,而不真正提供用车服务的问题。
并且,目标账户上线后,可以记录空驶时间,目标账户每次完成乘车订单,可以重置并开始记录空驶时间,如果目标账户在线空驶时间达到2小时,可以判定目标账户存在疑似挂机行为。
如果目标账户存在疑似挂机行为,则继续对目标账户及其对应的目标车辆进行轨迹判定。示例性地,服务器分别获取目标账户对应的目标车辆和登录目标账户的移动终端的位置信息。例如,目标车辆的GPS模块可以每3秒上报一次目标车辆的位置信息,司机的移动终端的GPS模块也可以每3秒通过网约车应用上报一次移动终端的位置信息,服务器根据目标车辆的位置信息和移动终端的位置信息,确定目标车辆与移动终端的轨迹是否一致。如果长时间目标车辆与移动终端的轨迹偏差较大,例如持续10分钟,目标车辆与司机的移动终端的轨迹偏差都超过20米,可以认为司机不在目标车辆中,确定目标账户存在挂机行为,强制目标账户下线。否则,如果目标车辆与移动终端的轨迹基本一致,可以认为司机在目标车辆中。为了避免出现虚拟定位,或者司机将手机放在目标车辆内,无法识别是否存在挂机的情况,可以继续对目标账户进行真人与车辆一致性判定。
示例性地,可以通过目标车辆内安装的摄像头,每2分钟检查一次司机是否真实在目标车辆内,如果连续5次检查司机都不在目标车辆内,判定目标账户存在挂机行为,强制目标账户下线。如果确定司机在目标车辆内,可以继续判定司机是否消极怠工。
如果服务器向目标账户派发乘车订单,但超过第二设定时长,司机未服务该乘车订单,服务器取消该派单,并重新派发该乘车订单,并且,判定目标账户存在挂机行为,强制目标账户下线。如果目标车辆停留在冷门区域,服务器长时间没有向目标账户派发乘车订单,此时,服务器可以向目标账户发送区域调度通知,引导司机将目标车辆开到接单热门区域,如果连续3次司机不接受区域调度或者接受了不执行区域调度,判定目标账户存在挂机行为,强制目标账户下线。
通过上述方法,服务器可以自动识别挂机行为,提高管理效率,降低网约车企业成本。
基于同一发明构思,本申请实施例中还提供了一种异常行为监控装置,由于该装置解决问题的原理与本申请实施例异常行为监控方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
如图5所示,本申请实施例提供一种异常行为监控装置,包括:
距离获取模块501,用于获取目标用户;
行为检测模块502,用于通过如下方式中的至少一种或组合,确定所述目标用户是否存在异常行为:根据所述目标用户的目标车辆和移动终端之间的距离,确定所述目标用户是否存在异常行为;根据所述目标车辆上传的数据,确定所述目标用户是否存在异常行为;所述数据为用于检测司机是否在目标车辆内的数据;根据所述目标用户对接收到的待处理信息的响应结果,确定所述目标用户是否存在异常行为。
在一种可选的实施例中,行为检测模块502,还用于:分别获取所述目标用户的目标车辆和所述目标用户的移动终端的位置信息;
根据所述目标车辆的位置信息和所述移动终端的位置信息,确定所述目标车辆与所述移动终端之间的距离;
若所述目标车辆与所述移动终端之间的距离超过设定距离阈值,且第一时长达到设定时长阈值,则确定所述目标账户存在异常行为;所述第一时长指所述目标车辆与所述移动终端之间的距离超过设定距离阈值的时长。
在一种可选的实施例中,所述目标车辆上传的数据包括以下至少一种或组合:
所述目标车辆上传的车内图像;
所述目标车辆上传的驾驶位压力数据;
所述目标车辆上传的驾驶位温度数据;
所述目标车辆上传的开关车门的动作检测数据。
在一种可选的实施例中,行为检测模块502,具体用于:
获取所述目标车辆上传的车内图像;
若所述车内图像满足第一设定条件,则每间隔设定时间获取一次目标车辆上传的车内图像;所述第一设定条件包括:所述车内图像中不包含人脸,或所述车内图像中包含的人脸特征与所述目标账户的注册用户的人脸特征不一致;
若连续N次获取的车内图像均满足所述第一设定条件,则确定目标用户存在异常行为;其中,N为设定的整数。
在一种可选的实施例中,行为检测模块502,具体用于:通过人脸检测模型对所述车内图像进行人脸检测;
若未检测到人脸,则确定所述车内图像满足第一设定条件;
若检测到人脸,则获取所述车内图像中的人脸区域图像,并通过人脸识别模型提取所述人脸区域图像的人脸特征;
将所述人脸区域图像的人脸特征与保存的所述目标账户的注册用户的人脸特征进行比对;
若所述人脸区域图像的人脸特征与所述目标账户的注册用户的人脸特征不一致,则确定所述车内图像满足第一设定条件。
在一种可选的实施例中,行为检测模块502,具体用于:
接收到所述目标车辆上传的开关车门的动作检测数据;
若所述动作检测数据指示所述目标车辆的驾驶位车门的打开幅度达到设定幅度阈值,则获取所述目标车辆上传的驾驶位检测数据;所述驾驶位检测数据包括所述目标车辆的车内图像、驾驶位压力数据、驾驶位温度数据中的一种或多种;
若所述驾驶位检测数据指示司机不在目标车辆内,且经过第一设定时长,未再次接收到所述目标车辆上传的开关车门的动作检测数据,则确定所述目标用户存在异常行为。
在一种可选的实施例中,行为检测模块502,具体用于:若所述目标用户超过第二设定时长未对接收到的乘车订单进行处理,则确定所述目标用户存在异常行为;或者,
若所述目标用户对接收到的区域调度通知未接受或未执行,则确定所述目标用户存在异常行为;所述区域调度通知是在未向所述目标用户派发乘车订单的时长达到设定的未派单时长阈值后,向所述目标用户发送的;所述区域调度通知用于指示所述目标车辆行驶至目标区域。
在一种可选的实施例中,获取模块501,具体用于:将满足初步筛选条件的用户作为目标用户;所述初步筛选条件包括:所述用户在设定时间段内曾处于上线状态,但未处理过乘车订单;或者,所述用户处于上线状态,且所述用户对应的空驶时长达到设定的空驶时长阈值;所述空驶时长指所述用户的车辆处于空驶状态的时长。
在一种可选的实施例中,所述空驶时长通过如下方式确定:
将所述用户的上线时刻作为所述空驶时长的开始计时时刻;或,
每当接收到所述用户反馈的完成乘车订单的消息,将所述空驶时长清零并重新开始计时。
在一种可选的实施例中,行为检测模块502,还用于:在确定所述目标账户存在异常行为之后,对所述目标账户进行下线处理。
基于同一发明构思,本申请实施例提供了一种电子设备。如图6所示,为了便于说明,仅示出了与本申请实施例相关的部分,具体技术细节未揭示的,可参照本申请方法实施例部分。该电子设备可以是服务器,如图1所示的服务器20。在该实施例中,电子设备的结构可以如图6所示,包括存储器131,通讯模块133以及一个或多个处理器132。
存储器131,用于存储处理器132执行的计算机程序。存储器131可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统,以及运行即时通讯功能所需的程序等;存储数据区可存储各种即时通讯信息和操作指令集等。
处理器132,可以包括一个或多个中央处理单元(central processing unit,CPU)或者为数字处理单元等等。处理器132,用于调用存储器131中存储的计算机程序时实现上述异常行为监控方法。
通讯模块133用于与用户终端进行通信,获取异常行为监控方法中所使用的数据和信息。
本申请实施例中不限定上述存储器131、通讯模块133和处理器132之间的具体连接介质。本公开实施例在图6中以存储器131和处理器132之间通过总线134连接,总线134在图6中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线134可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述任一实施例中的异常行为监控方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (11)
1.一种异常行为监控方法,其特征在于,所述方法包括:
获取目标用户;
通过如下方式中的至少一种或组合,确定所述目标用户是否存在异常行为:
根据所述目标用户的目标车辆和移动终端之间的距离,确定所述目标用户是否存在异常行为;
根据所述目标车辆上传的数据,确定所述目标用户是否存在异常行为;所述数据为用于检测司机是否在目标车辆内的数据;
根据所述目标用户对接收到的待处理信息的响应结果,确定所述目标用户是否存在异常行为。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标用户的目标车辆和移动终端之间的距离,确定所述目标用户是否存在异常行为,包括:
分别获取所述目标用户的目标车辆和所述目标用户的移动终端的位置信息;
根据所述目标车辆的位置信息和所述移动终端的位置信息,确定所述目标车辆与所述移动终端之间的距离;
若所述目标车辆与所述移动终端之间的距离超过设定距离阈值,且第一时长达到设定时长阈值,则确定所述目标用户存在异常行为;所述第一时长指所述目标车辆与所述移动终端之间的距离超过设定距离阈值的时长。
3.根据权利要求1所述的方法,其特征在于,所述目标车辆上传的数据包括以下至少一种或组合:
所述目标车辆上传的车内图像;
所述目标车辆上传的驾驶位压力数据;
所述目标车辆上传的驾驶位温度数据;
所述目标车辆上传的开关车门的动作检测数据。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标车辆上传的数据,确定所述目标用户是否存在异常行为,包括:
获取所述目标车辆上传的车内图像;
若所述车内图像满足第一设定条件,则每间隔设定时间获取一次目标车辆上传的车内图像;所述第一设定条件包括:所述车内图像中不包含人脸,或所述车内图像中包含的人脸特征与所述目标用户的人脸特征不一致;
若连续N次获取的车内图像均满足所述第一设定条件,则确定目标用户存在异常行为;其中,N为设定的整数。
5.根据权利要求3所述的方法,其特征在于,所述根据所述目标车辆上传的数据,确定所述目标用户是否存在异常行为,包括:
接收到所述目标车辆上传的开关车门的动作检测数据;
若所述动作检测数据指示所述目标车辆的驾驶位车门的打开幅度达到设定幅度阈值,则获取所述目标车辆上传的驾驶位检测数据;所述驾驶位检测数据包括所述目标车辆的车内图像、驾驶位压力数据、驾驶位温度数据中的一种或多种;
若所述驾驶位检测数据指示司机不在目标车辆内,且经过第一设定时长,未再次接收到所述目标车辆上传的开关车门的动作检测数据,则确定所述目标用户存在异常行为。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标用户对接收到的待处理信息的响应结果,确定所述目标用户是否存在异常行为,包括:
若所述目标用户超过第二设定时长未对接收到的乘车订单进行处理,则确定所述目标用户存在异常行为;或者,
若所述目标用户对接收到的区域调度通知未接受或未执行,则确定所述目标用户存在异常行为;所述区域调度通知是在未向所述目标用户派发乘车订单的时长达到设定的未派单时长阈值后,向所述目标用户发送的;所述区域调度通知用于指示所述目标车辆行驶至目标区域。
7.根据权利要求1~6中任一项所述的方法,其特征在于,所述获取目标用户,包括:
将满足初步筛选条件的用户作为目标用户;所述初步筛选条件包括:所述用户在设定时间段内曾处于上线状态,但未处理过乘车订单;或者,所述用户处于上线状态,且所述用户对应的空驶时长达到设定的空驶时长阈值;所述空驶时长指所述用户的车辆处于空驶状态的时长。
8.根据权利要求7所述的方法,其特征在于,所述空驶时长通过如下方式确定:
将所述用户的上线时刻作为所述空驶时长的开始计时时刻;或,
每当接收到所述用户反馈的完成乘车订单的消息,将所述空驶时长清零并重新开始计时。
9.一种异常行为监控装置,其特征在于,包括:
获取模块,用于获取目标用户;
行为检测模块,用于通过如下方式中的至少一种或组合,确定所述目标用户是否存在异常行为:根据所述目标用户的目标车辆和移动终端之间的距离,确定所述目标用户是否存在异常行为;根据所述目标车辆上传的数据,确定所述目标用户是否存在异常行为;所述数据为用于检测司机是否在目标车辆内的数据;根据所述目标用户对接收到的待处理信息的响应结果,确定所述目标用户是否存在异常行为。
10.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时,实现权利要求1~8中任一项所述的方法。
11.一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,其特征在于:所述计算机程序被处理器执行时,实现权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111161287.2A CN113807871A (zh) | 2021-09-30 | 2021-09-30 | 异常行为监控方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111161287.2A CN113807871A (zh) | 2021-09-30 | 2021-09-30 | 异常行为监控方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113807871A true CN113807871A (zh) | 2021-12-17 |
Family
ID=78897245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111161287.2A Pending CN113807871A (zh) | 2021-09-30 | 2021-09-30 | 异常行为监控方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113807871A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548241A (zh) * | 2016-10-25 | 2017-03-29 | 先锋智道(北京)科技有限公司 | 网约车运行状态的确定方法、装置及系统 |
CN110288108A (zh) * | 2019-06-11 | 2019-09-27 | 北京三快在线科技有限公司 | 检测虚假完成订单行为的方法、装置、设备及存储介质 |
CN112183245A (zh) * | 2020-09-11 | 2021-01-05 | 广州宸祺出行科技有限公司 | 一种监测网约车司机异常行为并告警的方法、装置及电子设备 |
CN112291716A (zh) * | 2020-10-26 | 2021-01-29 | 广州小鹏汽车科技有限公司 | 作弊行为识别方法、装置、电子设备和存储介质 |
WO2021135653A1 (zh) * | 2019-12-31 | 2021-07-08 | 北京嘀嘀无限科技发展有限公司 | 一种识别车辆的异常停留的方法和系统 |
-
2021
- 2021-09-30 CN CN202111161287.2A patent/CN113807871A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548241A (zh) * | 2016-10-25 | 2017-03-29 | 先锋智道(北京)科技有限公司 | 网约车运行状态的确定方法、装置及系统 |
CN110288108A (zh) * | 2019-06-11 | 2019-09-27 | 北京三快在线科技有限公司 | 检测虚假完成订单行为的方法、装置、设备及存储介质 |
WO2021135653A1 (zh) * | 2019-12-31 | 2021-07-08 | 北京嘀嘀无限科技发展有限公司 | 一种识别车辆的异常停留的方法和系统 |
CN112183245A (zh) * | 2020-09-11 | 2021-01-05 | 广州宸祺出行科技有限公司 | 一种监测网约车司机异常行为并告警的方法、装置及电子设备 |
CN112291716A (zh) * | 2020-10-26 | 2021-01-29 | 广州小鹏汽车科技有限公司 | 作弊行为识别方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160300242A1 (en) | Driver verification system for transport services | |
WO2021068595A1 (zh) | 一种驾驶员身份验证方法、装置及电子设备 | |
CN108876522A (zh) | 车辆监控方法、装置和计算机可读存储介质 | |
US11076378B2 (en) | Method for notification to disembark and user equipment | |
CN112785769B (zh) | 基于人脸识别的排队叫号管理方法、装置、设备及存储介质 | |
CN112950041A (zh) | 共享车辆调度方法、设备、存储介质及计算机程序产品 | |
CN108696723A (zh) | 云监控方法、云服务器及计算机可读存储介质 | |
CN106960247B (zh) | 网约车订单的监控方法、装置及系统 | |
CN113469124B (zh) | 公路客运客流量采集与监管平台及其使用方法 | |
CN113807871A (zh) | 异常行为监控方法、装置、电子设备及存储介质 | |
CN113610258A (zh) | 一种可接入多个运营平台的网约车车机系统 | |
CN110659911A (zh) | 一种基于人脸识别的网约车系统及方法 | |
Mrema et al. | A Survey of Road Accident Reporting and Driver’s Behavior Awareness Systems: The Case of Tanzania | |
CN113508606B (zh) | 根据噪声多模态数据自动确定针对兴趣点的最优运输服务位置 | |
US20150203072A1 (en) | Method of determining if a vehicle has been stolen and a system therefor | |
CN110474909A (zh) | 驾驶员监管预警方法及其系统 | |
CN111291914A (zh) | 一种群体聚集场景的预测方法、装置、设备及存储介质 | |
CN114565394A (zh) | 一种确保实际开车网约车司机与注册司机一致的方法及装置 | |
CN112053098B (zh) | 订单处理方法、装置、服务器及计算机存储介质 | |
JP7362330B2 (ja) | チケットシステム及びチケット管理方法 | |
CN113284362A (zh) | 公交车辆调度方法、装置、设备及存储介质 | |
CN115136163A (zh) | 管理方法、管理装置、电子设备及计算机可读存储介质 | |
CN110602233B (zh) | 一种信息监控方法、装置以及计算机存储介质 | |
CN112633537A (zh) | 代叫车订单处理方法、装置,以及电子设备 | |
JP2022185947A (ja) | 配車装置、制御方法、および、制御プログラム |
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 |