CN114355412A - 一种异常轨迹的识别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供一种异常轨迹的识别方法、装置、电子设备及存储介质，涉及信息处理技术领域，可以准确识别异常行驶轨迹。具体方案包括：获取车辆的出行数据；出行数据包括：行驶轨迹的起点位置和终点位置、以及行驶轨迹的长度；根据起点位置和终点位置，确定目标规划路径的长度；目标规划路径是从起点位置至终点位置的路径；确定行驶轨迹的长度相较于目标规划路径的长度的超出率；若超出率大于预设超出率阈值，确定行驶轨迹异常。

Description

一种异常轨迹的识别方法、装置、电子设备及存储介质

技术领域

本申请涉及信息处理技术领域，尤其涉及一种异常轨迹的识别方法、装置、电子设备及存储介质。

背景技术

目前，网约车每完成一个订单，可以向网约车平台上报行驶轨迹和车辆信息等出行数据。然后，网约车平台可以根据该行驶轨迹确定行驶里程，再根据该行驶里程计算出该订单的行驶费用。其中，一些网约车为了增加行驶费用，会篡改行驶轨迹。网约车平台根据篡改后的行驶里程确定出的行驶里程超出了真实的行驶里程。进而根据该行驶里程计算出的行驶费用超出了真实的行驶费用。

相关方案针对每个出行数据，用该出行数据对应的行驶里程和总时长计算平均行驶速度。然后，判断该平均行驶速度是否大于预设的速度阈值，以确定该出行数据中的行驶轨迹是否异常。其中，如果该速度阈值设置的较高，无法识别出一些行驶速度较低的异常行驶轨迹。如果该速度阈值设置的较低，一些由于车辆行驶过高速路和快速路引起的行驶速度较高的、正常的行驶轨迹可能被识别为异常。综上所述，该相关方案无法准确判断网约车的行驶轨迹是否异常。

发明内容

本申请提供一种异常轨迹的识别方法、装置、电子设备及存储介质，可以准确识别异常行驶轨迹。

为实现上述技术目的，本申请采用如下技术方案：

第一方面，本申请实施例提供了一种异常轨迹的识别方法，该方法包括：先获取车辆的出行数据；该出行数据包括：行驶轨迹的起点位置和终点位置、以及行驶轨迹的长度；然后，根据起点位置和终点位置，确定目标规划路径的长度；再确定行驶轨迹的长度相较于目标规划路径的长度的超出率；若超出率大于预设超出率阈值，确定行驶轨迹异常。

其中，目标规划路径是从起点位置至终点位置的路径。

可以理解的是，电子设备根据行驶轨迹中的起点位置和终点位置，确定目标规划路径的长度；再确定行驶轨迹的长度相较于该目标规划路径的长度的超出率。其中，车辆的行驶速度高或低都不会影响该车辆的行驶轨迹的长度，即该车辆不管行驶的是高速路还是低速路，该车辆的行驶轨迹的长度都是一样的。那么，该行驶轨迹的长度相较于该目标规划路径的长度的超出率也与该车辆行驶的高速路或低速路无关。而相关方案中的平均行驶速度的大小受车辆走的高速路或低速路的影响。因此，电子设备根据该超出率是否大于预设超出率阈值来确定该车辆的行驶轨迹是否异常，相较于相关方案中根据平均行驶速度的大小判断行驶轨迹是否异常，准确率更高。也就是说，电子设备根据该超出率是否大于预设超出率阈值确定该车辆的行驶轨迹是否异常，提高了识别异常行驶轨迹的准确率。

其次，该目标规划路径可以是指从该起点位置到该终端位置的实际的路径，例如，该目标规划路径是地图上从该起点位置到该终点位置的路径。也就是说，该目标规划路径是车辆从该起点位置到该终点位置的真实的行驶路径。然后，电子设备确定该行驶轨迹的长度相较于该目标规划路径的长度的超出率。该超出率就是该行驶轨迹的长度相较于真实的行驶路径的长度的超出率。那么，该超出率越大，表示该行驶轨迹异常的可能性越高。因此，电子设备可以在该超出率大于预设超出率阈值的时候，可以较准确地确定该行驶轨迹异常。

在一种可能的实现方式中，在上述根据起点位置和终点位置，确定目标规划路径的长度之前，该方法还包括：判断行驶轨迹的长度是否大于预设里程阈值；预设里程阈值是根据多个异常的历史行驶轨迹确定的。上述根据起点位置和终点位置，确定目标规划路径的长度，包括：若行驶轨迹的长度大于预设里程阈值，根据起点位置和终点位置，确定目标规划路径的长度。

可以理解的是，由于大多数行驶轨迹异常的出行数据都存在行驶里程较高的特征；因此，电子设备可以判断一个出行数据中的行驶轨迹的长度(即行驶里程)是否大于预设里程阈值。其中，该预设里程阈值是根据多个异常的历史行驶轨迹确定的，则该预设里程阈值可以满足多个异常的历史行驶轨迹都大于该预设里程阈值。那么，如果该行驶轨迹的长度大于预设里程阈值，表征该行驶轨迹异常的可能性较高。此时，电子设备可以再确定该行驶轨迹对应的目标规划路径的长度，用于进一步确定该行驶轨迹是否异常。

另一种可能的实现方式中，出行数据还包括：呼叫车辆的发起对象信息。在上述根据起点位置和终点位置，确定目标规划路径的长度之前，该方法还包括：判断发起对象信息所表征的发起对象是否属于预设对象。上述根据起点位置和终点位置，确定目标规划路径的长度，包括：若发起对象属于预设对象，根据起点位置和终点位置，确定目标规划路径的长度。

可以理解的是，由于大多数行驶轨迹异常的出行数据中呼叫车辆的发起对象都是企业；因此，电子设备可以判断一个出行数据中发起对象信息所表征的发起对象是否属于预设对象。该预设对象可以包括企业。如果该发起对象信息所表征的发起对象属于预设对象，表征该行驶轨迹异常的可能性较高。此时，电子设备可以再确定该行驶轨迹对应的目标规划路径的长度，用于进一步确定该行驶轨迹是否异常。

另一种可能的实现方式中，该方法还包括：获取多个正常的历史出行数据；一个正常的历史出行数据包括：第一起点位置和第一终点位置、以及正常的历史行驶轨迹的长度；针对多个正常的历史出行数据中的每个正常的历史出行数据，根据第一起点位置和第一终点位置，确定第一规划路径的长度；针对多个正常的历史出行数据中的每个正常的历史出行数据，确定第一超出率；根据多个正常的历史出行数据对应的多个第一超出率，确定预设超出率阈值。

其中，第一规划路径是从第一起点位置至第一终点位置的路径。第一超出率是正常的历史行驶轨迹的长度相较于第一规划路径的长度的超出率。

可以理解的是，相比于异常的历史行驶轨迹的长度相较于其对应的规划路径的长度的超出率，正常的历史行驶轨迹的长度相较于其对应的规划路径的长度的超出率通常都较小。那么，电子设备可以根据多个正常的历史行驶轨迹对应的多个第一超出率，设置一个预设超出率阈值，并且，该预设超出率阈值可以满足多个第一超出率基本都小于该预设超出率阈值。进而，如果出行数据中行驶轨迹的长度相较于其对应的目标规划路径的长度的超出率大于该预设超出率阈值，可以准确地确定该行驶轨迹异常。

另一种可能的实现方式中，上述根据多个正常的历史出行数据对应的多个第一超出率，确定预设超出率阈值，包括：针对多个参照超出率阈值中的每个参照超出率阈值，统计参照超出率阈值对应的至少一个第一占比；至少根据多个参照超出率阈值对应的多个第一占比，从多个参照超出率阈值中确定预设超出率阈值。

其中，至少一个第一占比中每个第一占比是同一里程范围内的多个第一历史出行数据中，第一超出率大于参照超出率阈值的第二历史出行数据的个数在多个第一历史出行数据的个数的占比。至少一个第一占比对应不同的里程范围。多个第一历史出行数据属于多个正常的历史出行数据。

可以理解的是，一个参照超出率阈值对应的第一占比表示同一里程范围内的多个第一历史出行数据中，第一超出率大于该参照超出率阈值的第二历史出行数据在多个第一历史出行数据中的占比，并且，多个第一历史出行数据和第二历史出行数据都属于正常的历史出行数据，则该第一占比越小表示第一超出率大于该参照超出率阈值的正常的历史出行数据越少，即更多的正常的历史出行数据对应的第一超出率小于该参照超出率阈值。那么，如果确定与一个较小的第一占比对应的参照超出率阈值为预设超出率阈值，则可以确定很多的正常的历史出行数据对应的第一超出率小于该预设超出率阈值。进而，一个出行数据对应的超出率大于该预设超出率阈值，可以确定该出行数据中的行驶轨迹异常的可能性很高。因此，第一占比越小，用该第一占比对应的参照超出率阈值判断出的异常行驶轨迹的准确率越高。

另一种可能的实现方式中，该方法还包括：获取多个异常的历史出行数据；一个异常的历史出行数据包括：第二起点位置和第二终点位置、以及异常的历史行驶轨迹的长度；针对多个异常的历史出行数据中的每个异常的历史出行数据，根据第二起点位置和第二终点位置，确定第二规划路径的长度；针对多个异常的历史出行数据中的每个异常的历史出行数据，确定第二超出率；针对每个参照超出率阈值，统计参照超出率阈值对应的至少一个第二占比。

上述至少根据多个参照超出率阈值对应的多个第一占比，从多个参照超出率阈值中确定预设超出率阈值，包括：根据多个参照超出率阈值对应的多个第一占比、以及多个参照超出率阈值对应的多个第二占比，从多个参照超出率阈值中确定预设超出率阈值。

其中，第二规划路径是从第二起点位置至第二终点位置的路径。第二超出率是异常的历史行驶轨迹的长度相较于第二规划路径的长度的超出率。至少一个第二占比中每个第二占比是同一里程范围内的多个第三历史出行数据中，第二超出率大于参照超出率阈值的第四历史出行数据的个数在多个第三历史出行数据的个数的占比。至少一个第二占比对应不同的里程范围。多个第三历史出行数据属于多个异常的历史出行数据。与预设超出率阈值对应的第一占比小于与预设超出率阈值对应的第二占比。

可以理解的是，由于一个参照超出率阈值对应的第二占比表示同一里程范围内的多个第三历史出行数据中，第二超出率大于该参照超出率阈值的第四历史出行数据在多个第三历史出行数据中的占比，并且，多个第三历史出行数据和第四历史出行数据都属于异常的历史出行数据，则该第二占比越大表示对应的第二超出率大于该参照超出率阈值的异常的历史出行数据越多，即更多的异常的历史出行数据对应的第二超出率大于该参照超出率阈值。那么，如果确定与一个较大的第二占比对应的参照超出率阈值为预设超出率阈值，则可以利用该预设超出率阈值识别出更多的行驶轨迹异常的出行数据。因此，电子设备可以确定较大的第二占比对应的参照超出率阈值为预设超出率阈值。再结合上述分析得到的根据越小的第一占比对应的参照超出率阈值判断出的异常行驶轨迹的准确率越高，电子设备可以确定与较小的第一占比和较大的第二占比对应的参照超出率阈值为预设超出率阈值。

第二方面，本申请提供一种异常轨迹的识别装置。该异常轨迹的识别装置包括用于执行第一方面或第一方面中任一种可能的设计方式所述的方法的各个模块。

第三方面，本申请提供一种电子设备，该电子设备包括存储器和处理器。上述存储器和处理器耦合。该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令。当处理器执行该计算机指令时，使得电子设备执行如第一方面及其任一种可能的设计方式所述的异常轨迹的识别方法。

第四方面，本申请提供一种芯片系统，该芯片系统应用于异常轨迹的识别装置；芯片系统包括一个或多个接口电路，以及一个或多个处理器。接口电路和处理器通过线路互联；接口电路用于从异常轨迹的识别装置的存储器接收信号，并向处理器发送信号，信号包括存储器中存储的计算机指令。当处理器执行计算机指令时，使得电子设备执行如第一方面及其任一种可能的设计方式所述的异常轨迹的识别方法。

第五方面，本申请提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，当所述计算机指令在电子设备上运行时，使得电子设备执行如第一方面及其任一种可能的设计方式所述的异常轨迹的识别方法。

第六方面，本申请提供一种计算机程序产品，该计算机程序产品包括计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行如第一方面及其任一种可能的设计方式所述的异常轨迹的识别方法。

本申请中第二方面到第六方面及其各种实现方式的具体描述，可以参考第一方面及其各种实现方式中的详细描述；并且，第二方面到第六方面及其各种实现方式的有益效果，可以参考第一方面及其各种实现方式中的有益效果分析，此处不再赘述。

本申请的这些方面或其他方面在以下的描述中会更加简明易懂。

附图说明

图1为本申请实施例提供的一种异常轨迹的识别方法所涉及的实施环境示意图一；

图2为本申请实施例提供的一种异常轨迹的识别方法所涉及的实施环境示意图二；

图3为本申请实施例提供的一种异常轨迹的识别方法所涉及的实施环境示意图三；

图4为本申请实施例提供的一种异常轨迹的识别方法的流程图一；

图5为本申请实施例提供的一种异常轨迹的识别方法的流程图二；

图6为本申请实施例提供的一种异常轨迹的识别装置的结构示意图；

图7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

以下，术语“第一”和“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”和“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。

目前，为了识别篡改后的行驶轨迹(可以称为异常的行驶轨迹)，相关方案根据每个出行数据，确定行驶轨迹对应的平均行驶速度。然后，判断该平均行驶速度是否大于预设的速度阈值，以确定该行驶轨迹是否异常。

其中，如果车辆行驶过高速路和快速路，就会使得该平均行驶速度较高。如果车辆只走了限速较低的城市道路，就会使得该平均行驶速度较低。这样的话，如果该速度阈值设置的较高，无法识别出一些行驶速度较低的异常行驶轨迹。如果该速度阈值设置的较低，一些由于车辆行驶过高速路和快速路引起的行驶速度较高的、行驶轨迹正常的行驶轨迹可能被识别为行驶轨迹异常。那么，该相关方案通过预设的速度阈值，无法准确判断网约车的行驶轨迹是否异常。

本申请实施例中，通过对一些行驶轨迹异常的出行数据进行分析，可以发现行驶轨迹异常的出行数据都存在一些特征。这些特征可以包括：行驶里程较高的特征、呼叫车辆的发起对象是企业的特征、同一个驾驶员的异常频次较高的特征。

具体地，行驶里程较高的特征可以是指：异常行驶轨迹的行驶里程都比较大(即大于一个里程阈值)，例如，这些异常行驶轨迹的平均行驶里程等于47.9公里(km)。而且，异常行驶轨迹的行驶里程与这些异常行驶轨迹各自对应的规划路径的长度之间的差值比较大。例如，这些异常行驶轨迹的行驶里程相较于这些异常行驶轨迹各自对应的规划路径的长度的平均超出率等于90.68％。其中，每个异常行驶轨迹对应的规划路径是从该异常行驶轨迹的起点到该异常行驶轨迹的终点的路径。该规划路径是实际的路径，例如，该规划路径可以是地图上从该异常行驶轨迹的起点到该异常行驶轨迹的终点的路径。

其次，呼叫车辆的发起对象是企业的特征可以是指：行驶轨迹异常的出行数据中呼叫车辆的发起对象较大的可能是企业。同一个驾驶员的异常频次较高的特征可以是指：同一个驾驶员在一定时长内的行驶轨迹异常的次数较高(即大于一个频次阈值)。例如，这些行驶轨迹异常的出行数据中的一个驾驶员在一个月内的行驶轨迹异常的次数高达27次。

综上所述，本申请实施例中，电子设备可以基于上述特征，判断一个出行数据中的行驶轨迹是否异常。

进一步地，为了能够准确地确定一个出行数据中的行驶轨迹是否异常，电子设备还可以获取正常行驶轨迹的行驶里程相较于正常行驶轨迹对应的规划路径的长度的超出率。如果正常行驶轨迹的行驶里程相较于正常行驶轨迹对应的规划路径的长度的超出率都较小，再结合异常行驶轨迹的行驶里程相较于异常行驶轨迹对应的规划路径的长度的超出率都较大，电子设备就可以确定一个预设超出率阈值，并且，一个出行数据对应的超出率大于该预设超出率阈值表示该出行数据中的行驶轨迹异常。

具体地，电子设备先获取多个正常的历史出行数据、多个异常的历史出行数据。其中，每个正常的历史出行数据是指该正常的历史出行数据中的历史行驶轨迹正常。每个正常的历史轨迹数据包括：第一起点位置、第一终点位置、以及正常的历史行驶轨迹的长度(可以称为正常的历史行驶里程)。每个异常的历史出行数据是指该异常的历史出行数据中的历史行驶轨迹异常。每个异常的历史轨迹数据包括：第二起点位置、第二终点位置、以及异常的历史行驶轨迹的长度(可以称为异常的历史行驶里程)。

然后，电子设备针对每个正常的历史出行数据，获取从第一起点位置至第一终点位置的实际的路径(可以称为第一规划路径)的长度；再计算该正常的历史出行数据中的正常的历史行驶轨迹的长度相较于该第一规划路径的长度的超出率(可以称为第一超出率)。同理地，电子设备针对每个异常的历史出行数据，获取从第二起点位置至第二终点位置的实际的路径(可以称为第二规划路径)的长度；再计算该异常的历史出行数据中的异常的历史行驶轨迹的长度相较于该第二规划路径的长度的超出率(可以称为第二超出率)。

再然后，电子设备可以获取多个参照超出率阈值，例如，10％、20％、30％、40％、50％、60％、70％、80％、90％、100％。电子设备再对多个正常的历史出行数据对应的多个第一超出率，统计第一超出率大于每个参照超出率阈值的正常的历史出行数据在多个正常的历史出行数据中的占比(可以称为第一占比)。进而，电子设备可以统计得到多个参照超出率阈值对应的多个第一占比。电子设备还对多个异常的历史出行数据对应的多个第二超出率，统计第二超出率大于每个参照超出率阈值的异常的历史出行数据在多个异常的历史出行数据中的占比(可以称为第二占比)。进而，电子设备可以统计得到多个参照超出率阈值对应的多个第二占比。

最后，电子设备得到多个参照超出率阈值对应的多个第一占比、以及多个参照超出率阈值对应的多个第二占比之后，如果多个参照超出率阈值中的一个参照超出率阈值满足其对应的第一占比小于第一预设比值，并且，其对应的第二占比大于第二预设比值，可以确定该参照超出率阈值为预设超出率阈值。其中，第一预设比值小于第二预设比值。例如，第一预设比值可以为3％、4％或5％等。第二预设比值可以为40％或50％等。该预设超出率阈值对应的第一占比小于该第一预设比值，该预设超出率阈值对应的第二占比大于第二预设比值，表示绝大部分的正常的历史出行数据对应的超出率小于该预设超出率阈值，大部分的异常的历史出行数据对应的超出率又大于该预设超出率阈值。那么，如果一个出行数据对应的超出率大于该预设超出率阈值，电子设备可以准确地确定该出行数据中的行驶轨迹异常。

下面将结合附图对本申请实施例的实施方式进行详细描述。

请参考图1，其示出本申请实施例提供的一种异常轨迹的识别方法所涉及的实施环境示意图。如图1所示，该实施环境可以包括：第一服务器100、终端110、多个用于采集车辆的出行数据的采集设备120、以及第二服务器130。其中，多个采集设备120分别安装在不同的车辆内。

第一服务器100可以从每个车辆中的采集设备120接收该车辆的出行数据。该出行数据可以包括：行驶轨迹中多个轨迹点的经纬度和采集时间、呼叫车辆的发起对象信息、驾驶员信息、以及车辆信息等。第一服务器100还可以根据多个轨迹点的经纬度，确定出行驶轨迹的长度(即行驶里程)。其中，行驶轨迹由从上车时间到下车时间之间采集的多个轨迹点组成，该行驶轨迹中的多个轨迹点的采集位置(如，经纬度)可以表示出完整的该行驶轨迹。该行驶轨迹的长度可以是指对该多个轨迹点按照采集时间的先后顺序连接得到的线条的长度。该多个轨迹点包括行驶轨迹的起点和终点。

第二服务器130可以是用于提供地理信息服务的服务器。该地理信息服务可以包括路径规划功能。该路径规划功能是指确定从一个起点到一个终点的实际的路径(可以称为规划路径)的功能。该规划路径可以包括地图上从一个起点到一个终点的路径。第二服务器130提供有调用路径规划功能的应用程序接口(Application Programming Interface，API)。第一服务器100可以访问该API，调用第二服务器130提供的路径规划功能。

示例性地，每个采集设备120可以包括GPS模块、计时模块和输入模块(如，触摸屏)。图1中未示出采集模块120中的GPS模块、计时模块和输入模块。GPS模块用于采集行驶轨迹中多个轨迹点的经纬度，例如，GPS模块每间隔5S采集一个轨迹点。计时模块用于记录多个轨迹点的采集时间。输入模块用于采集驾驶员输入的驾驶员信息、车辆信息等。

具体地，如图2所示，终端110可以接收用户输入的第一操作，该第一操作用于指示目标区域和/或目标车辆类型(如，网约车，出租车)等。然后，终端110响应于该第一操作，可以从第一服务器100获取行驶在目标区域内的、属于目标车辆类型的车辆的出行数据。终端110还可以向第二服务器130发送该出行数据中的起点位置和终点位置；再接收第二服务器130发送的从该起点位置到该终点位置的规划路径、以及该规划路径的长度。终端110可以确定该出行数据中的行驶里程相较于该规划路径的长度的超出率(可以称为该出行数据中的行驶轨迹对应的超出率)。终端110可以根据行驶轨迹对应的超出率是否大于预设超出率阈值、以及该出行数据中呼叫车辆的发起对象是否属于企业中的至少一项，判断该出行数据中的行驶轨迹是否异常。若该行驶轨迹异常，可以发出提示信息，该提示信息用于表征该车辆的行驶轨迹异常。例如，终端110可以通过显示屏显示该提示信息。

或者，如图3所示，终端110响应于该第一操作，可以向第一服务器100发送包括目标信息。该目标信息包括目标区域和目标车辆类型等。第一服务器100可以获取行驶在目标区域内的、属于目标车辆类型的车辆的出行数据。第一服务器100还可以向第二服务器130发送该出行数据中的起点位置和终点位置；再接收第二服务器130发送的从该起点位置到该终点位置的规划路径、以及该规划路径的长度。第一服务器100可以确定该出行数据中的行驶里程相较于该规划路径的长度的超出率(可以称为该出行数据中的行驶轨迹对应的超出率)。第一服务器100可以根据行驶轨迹对应的超出率是否大于预设超出率阈值、以及该出行数据中呼叫车辆的发起对象是否属于企业中的至少一项，判断该出行数据中的行驶轨迹是否异常。若该行驶轨迹异常，可以向终端110发送上述提示信息。终端110可以发出该提示信息。

示例性的，本申请实施例中的终端110可以是手机、平板电脑、桌面型、膝上型、笔记本电脑、上网本等，本申请实施例对该终端110的具体形态不作特殊限制。

需要说明的是，本申请实施例提供的异常轨迹的识别方法可以应用于上述第一服务器100，也可以应用于上述终端110，还可以应用于上述第一服务器100和终端110。该第一服务器100和该终端110可以统称为电子设备。本申请实施例提供的异常轨迹的识别方法的执行主体还可以为异常轨迹的识别装置。该识别装置可以为电子设备；或者，该装置可以为该电子设备安装的提供异常轨迹的识别功能的应用程序(application，APP)；或者，该装置可以为该电子设备中的中央处理器(Central Processing Unit，CPU)；又或者，该装置可以为该电子设备中的用于执行异常轨迹的识别方法的控制模块。

下面以电子设备为例，对本申请实施例提供的异常轨迹的识别方法进行详细说明。

请参考图4，为本申请实施例提供的一种异常轨迹的识别方法的流程图。如图4所示，该方法可以包括S201-S204。

S201、电子设备获取车辆的出行数据；出行数据包括：行驶轨迹的起点位置和终点位置、以及行驶轨迹的长度。

电子设备可以获取任意一个车辆的出行数据，或者获取属于目标车辆类型的车辆的出行数据。该目标车辆类型可以包括：网约车和/或出租车。

其中，多个轨迹点中采集时间排在第一个的轨迹点是行驶轨迹的起点，采集时间排在最后一个的轨迹点是行驶轨迹的终点。行驶轨迹的起点位置是指该起点的采集位置。行驶轨迹的终点位置是指该终点的采集位置。每个轨迹点的采集位置可以是该轨迹点的经纬度。

其中，该出行数据还可以包括：该出行数据对应的订单标识、驾驶员信息、以及车辆信息等等。车辆信息可以是车辆标识，如，车辆编号，车牌号码等。

S202、电子设备根据起点位置和终点位置，确定目标规划路径的长度；目标规划路径是从起点位置至终点位置的路径。

电子设备可以向提供路径规划功能的服务器(如，第二服务器230)发送起点位置和终点位置。电子设备再接收该服务器发送的从起点位置到终点位置的至少一个规划路径、以及该至少一个规划路径中每个规划路径的长度。电子设备可以从该至少一个规划路径中确定目标规划路径、以及目标规划路径的长度。其中，该至少一个规划路径(包括目标规划路径)可以都是指地图上从起点位置到终点位置的路径。

示例性地，电子设备可以通过该服务器提供的调用路径规划功能的API，向该服务器发送起点位置和终点位置。

示例性地，该目标规划路径可以是地图上从起点位置到终点位置的最短路径。

可以理解的是，电子设备获取车辆的出行数据后，已经无法获取该车辆从起点位置至终点位置的行驶过程中的路况(包括地图上各个路径的拥堵情况)。进而，电子设备也无法获取基于该路况的、地图上从起点位置到终点位置的规划路径，则电子设备可以获取不考虑路况的、地图上从起点位置到终点位置的最短路径，作为目标规划路径。该最短路径在任何路况下都是可供参考的。

在一些实施例中，电子设备可以将起点位置转换为起点标识(如，起点名称)、将终点位置转换为终点标识(如，起点名称)。电子设备再将该起点标识和终点标识发送至提供路径规划功能的服务器，以获取该目标规划路径、以及该目标规划路径的长度。

S203、电子设备确定行驶轨迹的长度相较于目标规划路径的长度的超出率。

电子设备可以用该行驶轨迹的长度减去该目标规划路径的长度的差值，除以该目标规划路径的长度，得到该超出率。

S204、若超出率大于预设超出率阈值，电子设备确定行驶轨迹异常。

其中，预设超出率阈值是根据多个第一超出率和多个第二超出率确定的；第一超出率是指正常的历史行驶轨迹的长度相较于正常的历史行驶轨迹对应的规划路径的长度的超出率；第二超出率是指异常的历史行驶轨迹的长度相较于异常的历史行驶轨迹对应的规划路径的长度的超出率。

电子设备得到该超出率后，判断该超出率是否大于预设超出率阈值。若该超出率大于该预设超出率阈值，电子设备可以确定行驶轨迹异常。若该超出率小于或等于该预设超出率阈值，电子设备可以确定行驶轨迹正常。

在一些实施例中，电子设备可以获取多个正常的历史出行数据。一个正常的历史出行数据包括：第一起点位置和第一终点位置、以及正常的历史行驶轨迹的长度。电子设备再根据第一起点位置和第一终点位置，确定第一规划路径的长度。电子设备还可以确定第一超出率，该第一超出率是正常的历史行驶轨迹的长度相较于第一规划路径的长度的超出率。然后，电子设备可以根据多个正常的历史出行数据对应的多个第一超出率，确定预设超出率阈值。

电子设备可以针对每个正常的历史出行数据，确定第一规划路径的长度；再用该正常的历史出行数据中的正常的历史行驶轨迹的长度减去该第一规划路径的长度的差，除以该第一规划路径的长度，得到第一超出率。进而，电子设备可以得到多个正常的历史出行数据一一对应的多个第一超出率。其中，第一规划路径是从第一起点位置至第一终点位置的路径。第一规划路径是从第一起点位置到第一终点位置的实际的路径，如，第一规划路径是地图上从第一起点位置到第一终点位置的实际的路径。

进一步地，电子设备得到多个第一超出率后，可以针对多个参照超出率阈值中的每个参照超出率阈值，统计该参照超出率阈值对应的至少一个第一占比。电子设备再至少根据多个参照超出率阈值对应的多个第一占比，从多个参照超出率阈值中确定预设超出率阈值。

其中，至少一个第一占比中每个第一占比是同一里程范围内的多个第一历史出行数据中，第一超出率大于参照超出率阈值的第二历史出行数据的个数在多个第一历史出行数据的个数的占比。至少一个第一占比对应不同的里程范围；每个参照超出率阈值对应的至少一个占比的个数等于至少一个里程范围的个数。多个第一历史出行数据属于多个正常的历史出行数据；第二历史出行数据属于多个第一历史出行数据。

其中，同一个里程范围内的多个第一历史出行数据可以是指行驶轨迹的长度都在一个里程范围内的多个历史出行数据。例如，3km～10km内的多个第一历史出行数据，10km～30km的多个第一历史出行数据。

可以理解的是，一个参照超出率阈值对应的第一占比表示同一里程范围内的多个第一历史出行数据中，第一超出率大于该参照超出率阈值的第二历史出行数据在多个第一历史出行数据中的占比，并且，多个第一历史出行数据和第二历史出行数据都属于正常的历史出行数据，则该第一占比越小表示第一超出率大于该参照超出率阈值的正常的历史出行数据越少，即更多的正常的历史出行数据对应的第一超出率小于该参照超出率阈值。那么，如果确定与一个较小的第一占比对应的参照超出率阈值为预设超出率阈值，则可以确定很多的正常的历史出行数据对应的第一超出率小于该预设超出率阈值。进而，一个出行数据对应的超出率大于该预设超出率阈值，可以确定该出行数据中的行驶轨迹异常的可能性很高。因此，第一占比越小，用该第一占比对应的参照超出率阈值判断出的异常行驶轨迹的准确率越高。

其次，第一占比越小，第一占比对应的参照超出率阈值越大，则取值等于该参照超出率阈值的预设超出率阈值也越大。而预设超出率阈值越大，行驶轨迹异常的出行数据对应的超出率小一点，就无法被识别出。因此，预设超出率阈值不能太大，即第一占比不能太小。电子设备可以从多个参照超出率阈值中确定一个参照超出率阈值为预设超出率阈值，并且，这一个参照超出率阈值对应的至少一个占比都比较小(即针对不同的里程范围内的多个第一历史出行数据，第一超出率大于这一个参照超出率阈值的第二历史出行数据在多个第一历史出行数据中的占比都比较小)。

具体地，电子设备得到多个参照超出率阈值对应的多个第一占比之后，可以针对至少一个里程范围中的每个里程范围，从每个参照超出率阈值对应的至少一个第一占比中确定与该里程范围对应的一个第一占比(称为第三占比)，进而得到与该里程范围对应、且与多个参照超出率阈值一一对应的多个第三占比。电子设备再根据至少一个里程范围中每个里程范围对应的多个第三占比，从多个参照超出率阈值中确定预设超出率阈值。其中，不同的里程范围对应的多个第三占比中的与该预设超出率阈值对应的第三占比都小于第一预设比值。

其中，第一预设比值的取值可以保证不同的里程范围内的绝大部分的正常的历史出行数据对应的第一超出率小于该预设超出率阈值。例如，第一预设比值取值为2％、3％、4％或5％等等。

示例性地，电子设备可以对至少一个里程范围中每个里程范围对应的多个第三占比进行降序排序，得到降序后的多个第三占比。然后，电子设备可以从至少一个里程范围对应的所有降序后的多个第三占比的开始位置开始，确定预设超出率阈值。该预设超出率阈值在所有降序后的多个第三占比中对应的第三占比都小于第一预设比值。

在一些实施例中，电子设备除了根据多个正常的历史出行数据对应的多个第一占比确定预设超出率阈值，还可以结合多个异常的历史出行数据，确定预设超出率阈值。

具体地，电子设备可以获取多个异常的历史出行数据。一个异常的历史出行数据可以包括：第二起点位置和第二终点位置、以及异常的历史行驶轨迹的长度。电子设备再针对多个异常的历史出行数据中的每个异常的历史出行数据，根据第二起点位置和第二终点位置，确定第二规划路径的长度。电子设备还可以针对多个异常的历史出行数据中的每个异常的历史出行数据，确定第二超出率；该第二超出率是异常的历史行驶轨迹的长度相较于第二规划路径的长度的超出率。然后，电子设备可以针对每个参照超出率阈值，统计该参照超出率阈值对应的至少一个第二占比。最后，电子设备可以根据多个参照超出率阈值对应的多个第一占比和多个参照超出率阈值对应的多个第二占比，从多个参照超出率阈值中确定预设超出率阈值；与预设超出率阈值对应的第一占比小于与预设超出率阈值对应的第二占比。

其中，第二规划路径是地图上从第二起点位置至第二终点位置的路径。第二规划路径是从第二起点位置到第二终点位置的实际的路径，如，第二规划路径是地图上从第二起点位置到第二终点位置的实际的路径。

其中，至少一个第二占比中每个第二占比是同一里程范围内的多个第三历史出行数据中，第二超出率大于参照超出率阈值的第四历史出行数据的个数在多个第三历史出行数据的个数的占比。至少一个第二占比对应不同的里程范围。多个第三历史出行数据属于多个异常的历史出行数据；第四历史出行数据属于多个第三历史出行数据。

电子设备可以针对每个异常的历史出行数据，确定第二规划路径的长度；再用该正常的历史出行数据中的异常的历史行驶轨迹的长度减去该第二规划路径的长度的差，除以该第二规划路径的长度，得到第二超出率。进而，电子设备可以得到多个异常的历史出行数据一一对应的多个第二超出率。

可以理解的是，由于一个参照超出率阈值对应的第二占比表示同一里程范围内的多个第三历史出行数据中，第二超出率大于该参照超出率阈值的第四历史出行数据在多个第三历史出行数据中的占比，并且，多个第三历史出行数据和第四历史出行数据都属于异常的历史出行数据，则该第二占比越大表示第二超出率大于该参照超出率阈值的异常的历史出行数据越多，即更多的异常的历史出行数据对应的第二超出率大于该参照超出率阈值。那么，如果确定与一个较大的第二占比对应的参照超出率阈值为预设超出率阈值，则可以利用该预设超出率阈值识别出更多的行驶轨迹异常的出行数据。因此，电子设备可以确定较大的第二占比对应的参照超出率阈值为预设超出率阈值。再根据越小的第一占比对应的参照超出率阈值判断出的异常行驶轨迹的准确率越高，电子设备可以确定与较小的第一占比和较大的第二占比对应的参照超出率阈值为预设超出率阈值。

具体地，电子设备得到多个参照超出率阈值对应的多个第一占比和多个参照超出率阈值对应的多个第二占比后，针对至少一个里程范围中的每个里程范围，从每个参照超出率阈值对应的至少一个第一占比中确定与该里程范围对应的一个第一占比(称为第三占比)，还从每个参照超出率阈值对应的至少一个第二占比中确定与该里程范围对应的一个第二占比(称为第四占比)。进而得到与该里程范围对应、且与多个参照超出率阈值一一对应的多个第三占比、以及与该里程范围对应、且与多个参照超出率阈值一一对应的多个第四占比。电子设备再根据至少一个里程范围中每个里程范围对应的多个第三占比、以及每个里程范围对应的多个第四占比，从多个参照超出率阈值中确定预设超出率阈值。其中，不同的里程范围对应的多个第三占比中的与该预设超出率阈值对应的第三占比都小于第一预设比值，并且，不同的里程范围对应的多个第四占比中的与该预设超出率阈值对应的第四占比都大于第一预设比值。

其中，第一预设比值小于第二预设比值。

其中，第二占比越大越好，则第二预设比值的取值也越大越好。例如，第二预设比值取值为30％、40％或50％等等。

示例性地，电子设备可以对至少一个里程范围中每个里程范围对应的多个第三占比进行降序排序，得到降序后的多个第三占比。电子设备还对至少一个里程范围中每个里程范围对应的多个第四占比进行降序排序，得到降序后的多个第四占比。然后，电子设备可以从至少一个里程范围对应的所有降序后的多个第三占比、以及至少一个里程范围对应的所有降序后的多个第四占比的开始位置开始，确定预设超出率阈值。该预设超出率阈值在所有降序后的多个第三占比中对应的第三占比都小于第一预设比值，且该预设超出率阈值在所有降序后的多个第四占比中对应的第四占比都大于第二预设比值。

在一些实施例中，电子设备在得到多个第一超出率后，可以对多个第一超出率进行预处理，得到预处理后的第一超出率。然后，电子设备再针对多个参照超出率阈值中的每个参照超出率阈值，统计该参照超出率阈值对应的至少一个第一占比。此时，至少一个第一占比中每个第一占比是同一里程范围内的多个第一历史出行数据中，预处理后的第一超出率大于参照超出率阈值的第二历史出行数据的个数在多个第一历史出行数据的个数的占比。

同样地，电子设备也可以对多个第二超出率进行预处理，得到预处理后的第二超出率；再针对多个参照超出率阈值中的每个参照超出率阈值，统计第二占比。此时，至少一个第二占比中每个第二占比是同一里程范围内的多个第三历史出行数据中，预处理后的第二超出率大于参照超出率阈值的第四历史出行数据的个数在多个第三历史出行数据的个数的占比。

其中，预处理可以包括：删除属于负数的第一超出率和第二超出率，删除空值的第一超出率和第二超出率，删除大于异常超出率的第一超出率和第二超出率。该异常超出率可以大于200％，例如，400％。

可以理解的是，由于正常的历史出行数据中的行驶里程小于其对应的第一规划路径，导致第一超出率为负数。同样地，第二超出率也可能为负数。电子设备可以将负数的第一超出率和第二超出率过滤掉。

其次，正常的历史出行数据对应的第一超出率一般都比较小，如，第一超出率均小于100％。除非正常的历史出行数据中的第一起点位置采集异常和/或第一终点位置采集异常，导致对应的第一超出率很大。而第一起点位置采集异常和第一终点位置采集异常导致的很大的第一超出率不能用于确定预设超出率阈值，则电子设备可以删除这些很大的第一超出率。再通过对异常的历史出行数据进行分析可知，通常异常的历史出行数据对应的第二超出率大于200％的很少。因此，可以设置异常超出率大于200％。如果第一超出率和第二超出率大于该异常超出率，电子设备可以删除大于该异常超出率的第一超出率和第二超出率。

在一些实施例中，电子设备获取的多个正常的历史出行数据可以包括：行驶轨迹的长度(即行驶里程)在多个里程范围内的正常的历史出行数据。行驶里程在每个里程范围内的正常的历史出行数据的个数可以大于第一数目。

例如，多个里程范围可以包括3km～10km、10km～20km、20km～30km、30km～40km、40km～50km、50km～60km、60km～70km、70km～80km、大于80km。第一数目可以等于1000。

可以理解的是，电子设备针对行驶里程在多个里程范围内的正常的历史出行数据，都确定第一超出率。进而电子设备可以得到不同里程范围内的行驶轨迹的第一超出率。如果电子设备得到的第一超出率中的大部分都小于一个参照超出率阈值，则表示多个里程范围内的大部分的行驶轨迹对应的第一超出率都小于该参照超出率阈值。如果该参照超出率阈值被确定为预设超出率阈值，该预设超出率阈值可以适用于判断不同里程范围内的行驶轨迹的。

示例性地，以10个参照超出率阈值包括10％、20％、30％、40％、50％、60％、70％、80％、90％和100％，以及9个里程范围包括3km～10km、10km～20km、20km～30km、30km～40km、40km～50km、50km～60km、60km～70km、70km～80km和大于80km为例，电子设备可以先获取1268个异常的历史出行数据。电子设备还获取行驶里程在3km～10km的1563个正常的历史出行数据、行驶里程在10km～20km的1818个正常的历史出行数据、行驶里程在20km～30km的1933个正常的历史出行数据、行驶里程在30km～40km的1960个正常的历史出行数据、行驶里程在40km～50km的1951个正常的历史出行数据、行驶里程在50km～60km的1956个正常的历史出行数据、行驶里程在60km～70km的1942个正常的历史出行数据、行驶里程在70km～80km的1936个正常的历史出行数据、行驶里程大于80km的1882个正常的历史出行数据。

然后，电子设备可以针对这1268个异常的历史出行数据，都确定第二超出率。电子设备再基于这1268个异常的历史出行数据对应的第二超出率，统计10个参照超出率阈值对应的10个第二占比。

电子设备还可以分别针对行驶里程在3km～10km、10km～20km、20km～30km、30km～40km、40km～50km、50km～60km、60km～70km、70km～80km、大于80km的正常的历史出行数据，都确定第一超出率。电子设备再基于行驶里程在每个里程范围内的正常的历史出行数据对应的第一超出率，统计每个里程范围对应的、与10个参照超出率阈值对应的10个第一占比(可以称为每个里程范围对应的10个第一占比)。

电子设备得到的行驶里程在每个里程范围内的正常的历史出行数据对应的10个第一占比、以及异常的历史出行数据对应的10个第二占比，如下表1所示。

表1

可以看出，参照超出率阈值越大，不同的里程范围对应的10个第一占比都是越来越小的。因此，电子设备可以确定一个较大的参照超出率阈值为预设超出率阈值，并且，该预设超出率阈值在不同的里程范围对应的10个第一占比中对应的第一占比都比较小。而第一占比表示第一超出率大于参照超出率阈值的正常的历史出行数据在多个正常的历史出行数据中的占比，则可知不同里程范围对应的第一占比较小表示，不同里程范围内的大部分的行驶轨迹对应的第一超出率都小于该预设超出率阈值。也就是说，该预设超出率阈值适用于判断多个里程范围内的行驶轨迹。

其次，在一个较大的参照超出率阈值等于80％、90％或100％的情况下，正常的历史出行数据对应的第一占比都比较小了，表示第一超出率大于该较大的参照超出率阈值的正常的历史出行数据很少了。而异常的历史出行数据对应的第二占比仍然较大，即第二超出率大于参照超出率阈值的异常的历史出行数据仍然比较多。那么，如果该较大的参照超出率阈值设置作为预设超出率阈值，通过该预设超出率阈值可以识别较多的异常行驶轨迹。

另外，由于正常的历史出行数据中的行驶里程相较于其对应的第一规划路径的长度的第一超出率较小，因此，可以使用第一规划路径(如，地图上从起点到终点的规划路径)作为参考值，比较出行数据中的行驶里程的大小。

在一些实施例中，由于异常的行驶轨迹的长度都比较大，因此，电子设备可以先判断一个出行数据中行驶轨迹的长度是否较大。如果该行驶轨迹的长度较大，表示该行驶轨迹异常的可能性较高，再继续执行上述S202-S204，进一步判断该行驶轨迹是否异常。

具体地，如图5所示，本申请实施例提供的方法在S202之前，还可以包括S301。

S301、电子设备判断行驶轨迹的长度是否大于预设里程阈值。

其中，预设里程阈值是根据多个异常的历史行驶轨迹确定的。若行驶轨迹的长度大于预设里程阈值，电子设备可以执行S202。若行驶轨迹的长度小于或等于预设里程阈值，电子设备可以不执行S202。

在一些实施例中，电子设备得到多个异常的历史行驶轨迹对应的多个第二规划路径的长度之后，可以对多个第二规划路径的长度求平均或者取最小值，得到预设里程阈值。

在一些实施例中，由于行驶轨迹异常的出行数据中呼叫车辆的发起对象较大的可能是企业，因此，电子设备可以先判断一个出行数据中呼叫车辆的发起对象是否是企业。如果该出行数据中呼叫车辆的发起对象是企业，表示该出行数据的行驶轨迹异常的可能性较高，再继续执行上述S202-S204，进一步判断行驶轨迹是否异常。

具体地，该出行数据还可以包括：呼叫车辆的发起对象信息。如图5所示，本申请实施例提供的方法在S202之前，还可以包括S302。

S302、电子设备判断发起对象信息所表征的发起对象是否属于预设对象。

其中，预设对象可以包括：企业。若该发起对象属于预设对象，电子设备可以执行S202。若该发起对象不属于预设对象，电子设备可以不执行S202。

需要说明的是，电子设备可以先执行S301再执行S302，或者，先执行S302再执行S301，本申请实施例对执行S301和S302的先后顺序不做限制。

在一些实施例中，电子设备在确定出行数据中的行驶轨迹异常之后，还可以针对该出行数据中的驾驶员，统计其异常行驶轨迹的个数。若其异常行驶轨迹的总个数大于或等于预设次数，表示该驾驶员出现异常行驶轨迹的次数较多，需要被重点关注。进而，电子设备可以发出提示信息，用于提示重点关注该驾驶员。

具体地，该出行数据还包括驾驶员信息。如图5所示，本申请实施例提供的方法在S204之后，还可以包括S303-S304。

S303、电子设备根据驾驶员信息，统计驾驶员信息所指示的驾驶员在预设时长内的异常行驶轨迹的个数。

电子设备统计该驾驶员在预设时长内的异常行驶轨迹的个数，判断该异常行驶轨迹的个数是否大于预设次数。若该异常行驶轨迹的个数大于预设次数，则电子设备执行S304，发出提示信息。若该异常行驶轨迹的个数小于或等于预设次数，则电子设备可以不发出提示信息。另外，电子设备还可以保存该行驶轨迹异常的出行数据。

S304、若异常行驶轨迹的个数大于预设次数，电子设备发出提示信息。

其中，该提示信息表征驾驶员信息指示的驾驶员的行驶轨迹异常。电子设备可以通过显示屏显示该提示信息，或者通过语音播放该提示信息等等。

其中，预设次数和预设时长是相关的。预设时长越长，预设次数越大。预设时长和预设次数都可以是上述第一操作所指示的。

其中，该提示信息可以包括该驾驶员在预设时长内的行驶轨迹异常的出行数据的具体内容、行驶轨迹异常的出行数据的个数等。

可以理解的是，为了排除一个驾驶员出现一次或几次异常行驶轨迹是偶然发生的，可以设置一个预设时长内发生异常行驶轨迹的预设次数。如果一个驾驶员在一个预设时长内发生异常行驶轨迹的次数超出预设次数，可以确认该驾驶员有意篡改行驶轨迹，则电子设备可以发出提示信息。

需要说明的是，电子设备除了以驾驶员为维度，统计异常行驶轨迹的个数，还可以以车辆为维度，统计异常行驶轨迹的个数。电子设备以车辆为维度统计异常行驶轨迹的个数的过程，可以参见以驾驶员为维度，统计异常行驶轨迹的个数的具体介绍，本申请实施例这里不予赘述。

需要说明的是，本申请实施例中的将“大于某个阈值”的情况归为一个分支，将“小于或等于”的情况归为另一个分支。实际实现时，也可以将“大于或等于某个阈值”的情况归为一个分支，将“小于”的情况归为另一个分支。

上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术目标应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术目标可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本申请实施例还提供一种异常轨迹的识别装置。如图6所示，为本申请实施例提供的一种异常轨迹的识别装置400的结构示意图。该识别装置400可以包括：数据获取模块401、规划路径获取模块402和异常判断模块403。

其中，数据获取模块401，用于获取车辆的出行数据；出行数据包括：行驶轨迹的起点位置和终点位置、以及行驶轨迹的长度。规划路径获取模块402，用于根据起点位置和终点位置，确定目标规划路径的长度；目标规划路径是从起点位置至终点位置的路径。异常判断模块403，用于确定行驶轨迹的长度相较于目标规划路径的长度的超出率；若超出率大于预设超出率阈值，确定行驶轨迹异常。

在一种可能的实现方式中，异常判断模块403，还用于：在根据起点位置和终点位置，确定目标规划路径的长度之前，判断行驶轨迹的长度是否大于预设里程阈值。预设里程阈值是根据多个异常的历史行驶轨迹确定的。规划路径获取模块402，具体用于：若行驶轨迹的长度大于预设里程阈值，根据起点位置和终点位置，确定目标规划路径的长度。

另一种可能的实现方式中，出行数据还包括：呼叫车辆的发起对象信息。异常判断模块403，还用于：在根据起点位置和终点位置，确定目标规划路径的长度之前，判断发起对象信息所表征的发起对象是否属于预设对象。规划路径获取模块402，具体用于：若发起对象属于预设对象，根据起点位置和终点位置，确定目标规划路径的长度。

另一种可能的实现方式中，该识别装置400还包括：阈值确定模块404。

数据获取模块401，还用于获取多个正常的历史出行数据。一个正常的历史出行数据包括：第一起点位置和第一终点位置、以及正常的历史行驶轨迹的长度。规划路径获取模块402，还用于针对多个正常的历史出行数据中的每个正常的历史出行数据，根据第一起点位置和第一终点位置，确定第一规划路径的长度。阈值确定模块404，用于：针对多个正常的历史出行数据中的每个正常的历史出行数据，确定第一超出率；根据多个正常的历史出行数据对应的多个第一超出率，确定预设超出率阈值。

其中，第一规划路径是从第一起点位置至第一终点位置的路径。第一超出率是正常的历史行驶轨迹的长度相较于第一规划路径的长度的超出率。

另一种可能的实现方式中，阈值确定模块404，具体用于：针对多个参照超出率阈值中的每个参照超出率阈值，统计参照超出率阈值对应的至少一个第一占比；至少根据多个参照超出率阈值对应的多个第一占比，从多个参照超出率阈值中确定预设超出率阈值。

其中，至少一个第一占比中每个第一占比是同一里程范围内的多个第一历史出行数据中，第一超出率大于参照超出率阈值的第二历史出行数据的个数在多个第一历史出行数据的个数的占比。至少一个第一占比对应不同的里程范围；多个第一历史出行数据属于多个正常的历史出行数据。

另一种可能的实现方式中，数据获取模块401，还用于获取多个异常的历史出行数据；一个异常的历史出行数据包括：第二起点位置和第二终点位置、以及异常的历史行驶轨迹的长度。规划路径获取模块402，还用于针对多个异常的历史出行数据中的每个异常的历史出行数据，根据第二起点位置和第二终点位置，确定第二规划路径的长度；第二规划路径是从第二起点位置至第二终点位置的路径。阈值确定模块404，还用于：针对多个异常的历史出行数据中的每个异常的历史出行数据，确定第二超出率；针对上述每个参照超出率阈值，统计参照超出率阈值对应的至少一个第二占比；根据根据多个参照超出率阈值对应的多个第一占比、以及多个参照超出率阈值对应的多个第二占比，从多个参照超出率阈值中确定预设超出率阈值；

其中，第二规划路径是从第二起点位置至第二终点位置的路径。第二超出率是异常的历史行驶轨迹的长度相较于第二规划路径的长度的超出率。至少一个第二占比中每个第二占比是同一里程范围内的多个第三历史出行数据中，第二超出率大于参照超出率阈值的第四历史出行数据的个数在多个第三历史出行数据的个数的占比。至少一个第二占比对应不同的里程范围。多个第三历史出行数据属于多个异常的历史出行数据；与预设超出率阈值对应的第一占比小于与预设超出率阈值对应的第二占比。

当然，本申请实施例提供的异常轨迹的识别装置400包括但不限于上述模块。

本申请另一实施例还提供一种电子设备。如图7所示，电子设备500包括存储器501和处理器502；存储器501和处理器502耦合；存储器501用于存储计算机程序代码，计算机程序代码包括计算机指令。其中，当处理器502执行计算机指令时，使得电子设备500执行上述方法实施例所示的方法流程中电子设备执行的各个步骤。

在实际实现时，数据获取模块401、规划路径获取模块402、异常判断模块403和阈值确定模块404可以由图7所示的处理器502调用存储器501中的计算机程序代码来实现。其具体的执行过程可参考上述异常轨迹的识别方法部分的描述，这里不再赘述。

本申请另一实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行上述方法实施例所示的方法流程中电子设备执行的各个步骤。

本申请另一实施例还提供一种芯片系统，该芯片系统应用于电子设备。该芯片系统包括一个或多个接口电路，以及一个或多个处理器。接口电路和处理器通过线路互联。接口电路用于从电子设备的存储器接收信号，并向处理器发送所述信号，所述信号包括所述存储器中存储的计算机指令。当电子设备的处理器执行计算机指令时，电子设备执行上述方法实施例所示的方法流程中电子设备执行的各个步骤。

在本申请另一实施例中还提供一种计算机程序产品，该计算机程序产品包括计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行上述方法实施例所示的方法流程中电子设备执行的各个步骤。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机执行指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

以上所述，仅为本申请的具体实施方式。熟悉本技术领域的技术人员根据本申请提供的具体实施方式，可想到变化或替换，都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种异常轨迹的识别方法，其特征在于，所述方法包括：

获取车辆的出行数据；所述出行数据包括：行驶轨迹的起点位置和终点位置、以及所述行驶轨迹的长度；

根据所述起点位置和所述终点位置，确定目标规划路径的长度；所述目标规划路径是从所述起点位置至所述终点位置的路径；

确定所述行驶轨迹的长度相较于所述目标规划路径的长度的超出率；

若所述超出率大于预设超出率阈值，确定所述行驶轨迹异常。

2.根据权利要求1所述的方法，其特征在于，在所述根据所述起点位置和所述终点位置，确定目标规划路径的长度之前，所述方法还包括：

判断所述行驶轨迹的长度是否大于预设里程阈值；所述预设里程阈值是根据多个异常的历史行驶轨迹确定的；

其中，所述根据所述起点位置和所述终点位置，确定目标规划路径的长度，包括：

若所述行驶轨迹的长度大于所述预设里程阈值，根据所述起点位置和所述终点位置，确定所述目标规划路径的长度。

3.根据权利要求1所述的方法，其特征在于，所述出行数据还包括：呼叫所述车辆的发起对象信息；

在所述根据所述起点位置和所述终点位置，确定目标规划路径的长度之前，所述方法还包括：

判断所述发起对象信息所表征的发起对象是否属于预设对象；

其中，所述根据所述起点位置和所述终点位置，确定目标规划路径的长度，包括：

若所述发起对象属于所述预设对象，根据所述起点位置和所述终点位置，确定所述目标规划路径的长度。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述方法还包括：

获取多个正常的历史出行数据；一个所述正常的历史出行数据包括：第一起点位置和第一终点位置、以及正常的历史行驶轨迹的长度；

针对所述多个正常的历史出行数据中的每个正常的历史出行数据，根据所述第一起点位置和所述第一终点位置，确定第一规划路径的长度；所述第一规划路径是从所述第一起点位置至所述第一终点位置的路径；

针对所述多个正常的历史出行数据中的每个正常的历史出行数据，确定第一超出率；所述第一超出率是所述正常的历史行驶轨迹的长度相较于所述第一规划路径的长度的超出率；

根据所述多个正常的历史出行数据对应的多个所述第一超出率，确定所述预设超出率阈值。

5.根据权利要求4所述的方法，其特征在于，所述根据所述多个正常的历史出行数据对应的多个所述第一超出率，确定所述预设超出率阈值，包括：

针对多个参照超出率阈值中的每个参照超出率阈值，统计所述参照超出率阈值对应的至少一个第一占比；其中，所述至少一个第一占比中每个第一占比是同一里程范围内的多个第一历史出行数据中，第一超出率大于所述参照超出率阈值的第二历史出行数据的个数在所述多个第一历史出行数据的个数的占比；所述至少一个第一占比对应不同的里程范围；所述多个第一历史出行数据属于所述多个正常的历史出行数据；

至少根据所述多个参照超出率阈值对应的多个所述第一占比，从所述多个参照超出率阈值中确定所述预设超出率阈值。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

获取多个异常的历史出行数据；一个所述异常的历史出行数据包括：第二起点位置和第二终点位置、以及异常的历史行驶轨迹的长度；

针对所述多个异常的历史出行数据中的每个异常的历史出行数据，根据所述第二起点位置和所述第二终点位置，确定第二规划路径的长度；所述第二规划路径是从所述第二起点位置至所述第二终点位置的路径；

针对所述多个异常的历史出行数据中的每个异常的历史出行数据，确定第二超出率；所述第二超出率是所述异常的历史行驶轨迹的长度相较于所述第二规划路径的长度的超出率；

针对所述每个参照超出率阈值，统计所述参照超出率阈值对应的至少一个第二占比；其中，所述至少一个第二占比中每个第二占比是同一里程范围内的多个第三历史出行数据中，第二超出率大于所述参照超出率阈值的第四历史出行数据的个数在所述多个第三历史出行数据的个数的占比；所述至少一个第二占比对应不同的里程范围；所述多个第三历史出行数据属于所述多个异常的历史出行数据；

所述至少根据所述多个参照超出率阈值对应的多个所述第一占比，从所述多个参照超出率阈值中确定所述预设超出率阈值，包括：

根据所述多个参照超出率阈值对应的多个所述第一占比、以及所述多个参照超出率阈值对应的多个所述第二占比，从所述多个参照超出率阈值中确定所述预设超出率阈值；与所述预设超出率阈值对应的所述第一占比小于与所述预设超出率阈值对应的所述第二占比。

7.一种异常轨迹的识别装置，其特征在于，所述识别装置包括：

数据获取模块，用于获取车辆的出行数据；所述出行数据包括：行驶轨迹的起点位置和终点位置、以及所述行驶轨迹的长度；

规划路径获取模块，用于根据所述起点位置和所述终点位置，确定目标规划路径的长度；所述目标规划路径是从所述起点位置至所述终点位置的路径；

异常判断模块，用于确定所述行驶轨迹的长度相较于所述目标规划路径的长度的超出率；若所述超出率大于预设超出率阈值，确定所述行驶轨迹异常。

8.根据权利要求7所述的装置，其特征在于，

所述异常判断模块，还用于：在所述根据所述起点位置和所述终点位置，确定目标规划路径的长度之前，判断所述行驶轨迹的长度是否大于预设里程阈值；所述预设里程阈值是根据多个异常的历史行驶轨迹确定的；

所述规划路径获取模块，具体用于：若所述行驶轨迹的长度大于所述预设里程阈值，根据所述起点位置和所述终点位置，确定所述目标规划路径的长度；

所述出行数据还包括：呼叫所述车辆的发起对象信息；所述异常判断模块，还用于：在所述根据所述起点位置和所述终点位置，确定目标规划路径的长度之前，判断所述发起对象信息所表征的发起对象是否属于预设对象；所述规划路径获取模块，具体用于：若所述发起对象属于所述预设对象，根据所述起点位置和所述终点位置，确定所述目标规划路径的长度；

所述识别装置还包括阈值确定模块；

所述数据获取模块，还用于获取多个正常的历史出行数据；一个所述正常的历史出行数据包括：第一起点位置和第一终点位置、以及正常的历史行驶轨迹的长度；所述规划路径获取模块，还用于针对所述多个正常的历史出行数据中的每个正常的历史出行数据，根据所述第一起点位置和所述第一终点位置，确定第一规划路径的长度；所述第一规划路径是从所述第一起点位置至所述第一终点位置的路径；

所述阈值确定模块，用于：针对所述多个正常的历史出行数据中的每个正常的历史出行数据，确定第一超出率；根据所述多个正常的历史出行数据对应的多个所述第一超出率，确定所述预设超出率阈值；

其中，所述第一超出率是所述正常的历史行驶轨迹的长度相较于所述第一规划路径的长度的超出率；

所述阈值确定模块，具体用于：针对多个参照超出率阈值中的每个参照超出率阈值，统计所述参照超出率阈值对应的至少一个第一占比；至少根据所述多个参照超出率阈值对应的多个所述第一占比，从所述多个参照超出率阈值中确定所述预设超出率阈值；

其中，所述至少一个第一占比中每个第一占比是同一里程范围内的多个第一历史出行数据中，第一超出率大于所述参照超出率阈值的第二历史出行数据的个数在所述多个第一历史出行数据的个数的占比；所述至少一个第一占比对应不同的里程范围；所述多个第一历史出行数据属于所述多个正常的历史出行数据；

所述数据获取模块，还用于获取多个异常的历史出行数据；一个所述异常的历史出行数据包括：第二起点位置和第二终点位置、以及异常的历史行驶轨迹的长度；所述规划路径获取模块，还用于针对所述多个异常的历史出行数据中的每个异常的历史出行数据，根据所述第二起点位置和所述第二终点位置，确定第二规划路径的长度；所述阈值确定模块，还用于：针对所述多个异常的历史出行数据中的每个异常的历史出行数据，确定第二超出率；针对上述每个参照超出率阈值，统计所述参照超出率阈值对应的至少一个第二占比；根据根据所述多个参照超出率阈值对应的多个所述第一占比、以及所述多个参照超出率阈值对应的多个所述第二占比，从所述多个参照超出率阈值中确定所述预设超出率阈值；

其中，所述第二规划路径是从所述第二起点位置至所述第二终点位置的路径；所述第二超出率是所述异常的历史行驶轨迹的长度相较于所述第二规划路径的长度的超出率；所述至少一个第二占比中每个第二占比是同一里程范围内的多个第三历史出行数据中，第二超出率大于所述参照超出率阈值的第四历史出行数据的个数在所述多个第三历史出行数据的个数的占比；所述至少一个第二占比对应不同的里程范围；所述多个第三历史出行数据属于所述多个异常的历史出行数据；与所述预设超出率阈值对应的所述第一占比小于与所述预设超出率阈值对应的所述第二占比。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器；所述存储器和所述处理器耦合；所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；

其中，当所述处理器执行所述计算机指令时，使得所述电子设备执行如权利要求1-6中任意一项所述的异常轨迹的识别方法。

10.一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存储有计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如权利要求1-6中任一项所述的异常轨迹的识别方法。

Images