CN115062197A - 考勤数据检测方法、装置及存储介质 - Google Patents
考勤数据检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115062197A CN115062197A CN202210768812.5A CN202210768812A CN115062197A CN 115062197 A CN115062197 A CN 115062197A CN 202210768812 A CN202210768812 A CN 202210768812A CN 115062197 A CN115062197 A CN 115062197A
- Authority
- CN
- China
- Prior art keywords
- attendance
- user
- data set
- motion
- positioning data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
Abstract
本申请实施例涉及云技术及大数据领域,并提供一种考勤数据检测方法、装置及存储介质,方法包括先基于用户上传的包括定位数据集的考勤数据集确定用户考勤运动参数,然后根据用户考勤运动参数是否为异常运动参数生成第一重判断结果的第一标识结果,之后在确定所述用户考勤运动参数是正常运动参数时再结合定位数据集所确定用户考勤运动轨迹与历史用户考勤轨迹的匹配结果,最终根据匹配结果确定与考勤数据集对应的第二标识结果。从用户考勤运动参数这一维度及用户考勤运动轨迹与历史用户考勤轨迹的匹配结果这一维度共同确定用于标识用户是否存在虚假打卡数据的第二标识结果,能有效提高打卡数据的真实性。
Description
技术领域
本申请实施例涉及考勤数据检测技术领域,尤其涉及一种考勤数据检测方法、装置及存储介质。
背景技术
工作日考勤打卡是员工考勤的常规操作,某一工作日员工通过上班考勤打卡以及下班考勤打卡后,即可统计分析出该员工在这一工作日的上班时长、是否迟到、是否早退等信息。目前常用移动打卡方式为移动端软件打卡(如钉钉具有考勤打卡功能),移动端软件打卡的操作方式和打卡原理如下:
用户打开移动端的考勤打卡软件后先初始获取用户信息(如用户姓名,员工ID等),之后若用户点击考勤打卡软件界面上的打卡按钮则考勤打卡软件获取用户点击打卡按钮的打卡时间及当前定位信息,然后用户端将打卡时间及当前定位信息上传至服务器进行校验,最后在服务器中确定当前定位信息的当前定位点与预设的打卡标准定位点之间间距小于预设距离阈值时判定该用户打卡成功。
通过上述打卡方式进行移动打卡时,由于只是获取了点击打卡按钮时的当前定位信息,该当前定位信息易被拦截并被修改,导致上传至服务器的当前定位信息是修改后的定位信息,容易造成虚假打卡数据,降低了打卡数据的真实性。
发明内容
本申请实施例提供了一种考勤数据检测方法、装置及存储介质,能够从用户考勤运动参数这一维度及用户考勤运动轨迹与历史用户考勤轨迹的匹配结果这一维度共同确定用于标识用户是否存在虚假打卡数据的第二标识结果,能有效提高打卡数据的真实性。
第一方面中,从服务器角度介绍本申请实施例提供的一种考勤数据检测方法,所述方法包括:
获取用户端所上传的目标用户的考勤数据集;
获取所述考勤数据集中的定位数据集;
基于所述定位数据集确定所述目标用户在预设时段内的运动状态,其中,所述运动状态包括运动时长、运动距离和运动速度;
若确定所述运动状态中存在异常运动参数值,则生成用于标识所述考勤数据集存在异常的第一标识结果;
若确定所述用户考勤运动参数是正常运动参数,则基于所述定位数据集确定所述目标用户的实际考勤运动轨迹;基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹。
一种可能的设计中,所述服务器获取用户端所上传的目标用户的考勤数据集,所述方法包括:
获取用户端所发送的初始考勤数据集;其中,所述初始考勤数据集中包括目标用户的用户标识、初始考勤时刻及初始定位数据;
获取所述用户端在以所述初始考勤时间为起点时刻的预设时长内所发送的至少两份定位数据,组成当前定位数据集;
将所述初始考勤数据集及所述当前定位数据集进行合并,得到所述考勤数据集。
一种可能的设计中,所述基于所述定位数据集确定所述目标用户在预设时段内的运动状态,所述方法包括:
根据所述定位数据集中各定位数据的采集时刻的先后顺序,确定定位数据序列;
根据所述定位数据序列中各相邻定位数据的经纬度差别值,确定各相邻定位数据之间的移动距离;
基于各相邻定位数据之间的移动距离之和确定运动距离;
基于所述定位数据序列中末位定位数据对应采集时刻与首位定位数据对应采集时刻的时间差确定运动时长;
基于所述运动距离与所述运动时长的商确定运动速度;
根据所述运动距离、所述运动时长和所述运动速度确定用户考勤运动参数。
一种可能的设计中,所述基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹,所述方法包括:
根据所述用户考勤运动轨迹确定第一聚类中心;
根据所述历史用户考勤轨迹确定第二聚类中心;
获取所述第一聚类中心与所述第二聚类中心之间的聚类中心间距;
基于聚类中心间距与预设中心间距阈值的比较结果确定所述考勤数据集对应的当前标识结果;
将所述考勤数据集与所述当前标识结果合并,得到所述第二标识结果。
一种可能的设计中,所述获取用户端所上传的目标用户的考勤数据集之后,所述方法还包括:
生成与所述考勤数据集对应的第一提示信息,并将所述第一提示信息发送至所述用户端。
一种可能的设计中,所述基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹之后,所述方法还包括:
基于所述第一标识结果和所述第二标识结果,确定与所述考勤数据集对应的综合标识结果。
一种可能的设计中,所述基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹之后,所述方法还包括:
获取所述考勤数据集对应用户ID的历史第二标识结果集;
若确定所述历史第二标识结果集与所述第二标识结果集中打卡数据验证失败的统计次数超出预设的次数阈值,生成第一提示用户标签;
获取所述用户ID的用户画像,将所述第一提示用户标签融合至所述用户画像,以得到更新后用户画像。
第二方面中,本申请实施例提供一种考勤数据检测装置,具有实现对应于上述第一方面提供的考勤数据检测方法的功能。所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块,所述模块可以是软件和/或硬件。
一种可能的设计中,所述装置包括:
收发模块及处理模块;
所述收发模块,用于获取用户端所上传的目标用户的考勤数据集;
所述处理模块,用于获取所述考勤数据集中的定位数据集;基于所述定位数据集确定所述目标用户在预设时段内的运动状态,其中,所述运动状态包括运动时长、运动距离和运动速度;若确定所述运动状态中存在异常运动参数值,则生成用于标识所述考勤数据集存在异常的第一标识结果;
所述处理模块,还用于若确定所述用户考勤运动参数是正常运动参数,则基于所述定位数据集确定所述目标用户的实际考勤运动轨迹;基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹。
本申请实施例又一方面提供了一种考勤数据检测装置,其包括至少一个连接的处理器、存储器和收发器,其中,所述存储器用于存储计算机程序,所述处理器用于调用所述存储器中的计算机程序来执行上述第一方面、第一方面中的各种可能的设计中提供的方法。
本申请实施例又一方面提供了一种计算机可读存储介质,其包括指令,当其在计算机上运行时,使得计算机执行上述第一方面、第一方面中的各种可能的设计中提供的方法。
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第一方面、第一方面中的各种可能的设计所提供的方法。
相较于现有技术,本申请实施例提供的方案中,在智慧城市、智慧教育等场景中,可以先基于用户上传的包括定位数据集的考勤数据集确定用户考勤运动参数,然后根据用户考勤运动参数是否为异常运动参数生成第一重判断结果的第一标识结果,之后在确定所述用户考勤运动参数是正常运动参数时再结合定位数据集所确定用户考勤运动轨迹与历史用户考勤轨迹的匹配结果,最终根据匹配结果确定与考勤数据集对应的第二标识结果。从用户考勤运动参数这一维度及用户考勤运动轨迹与历史用户考勤轨迹的匹配结果这一维度共同确定用于标识用户是否存在虚假打卡数据的第二标识结果,能有效提高打卡数据的真实性。
附图说明
图1为本申请实施例提供的一种考勤数据检测系统的应用场景示意图;
图2a为本申请实施例中考勤数据检测方法的一种流程示意图;
图2b为本申请实施例中考勤数据检测方法的另一种流程示意图;
图3为本申请实施例中考勤数据检测装置的一种结构示意图;
图4为本申请实施例中服务器的一种结构示意图;
图5为本申请实施例中服务终端的一种结构示意图;
图6为本申请实施例中服务器的一种结构示意图。
具体实施方式
本申请实施例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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。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模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,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模块,本申请实施例中所出现的模块的划分,仅仅是一种逻辑上的划分,实际应用中实现时可以有另外的划分方式,例如多个模块可以结合成或集成在另一个系统中,或一些特征可以忽略,或不执行,另外,所显示的或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,模块之间的间接耦合或通信连接可以是电性或其他类似的形式,本申请实施例中均不作限定。并且,作为分离部件说明的模块或子模块可以是也可以不是物理上的分离,可以是也可以不是物理模块,或者可以分布到多个电路模块中,可以根据实际的需要选择其中的部分或全部模块来实现本申请实施例方案的目的。
本申请实施例供了一种考勤数据检测方法、装置及存储介质,可用于服务器,服务器对用户端上传的考勤数据集从用户考勤运动参数及用户考勤运动轨迹两个维度共同确定用户打卡数据是否验证成功,从而确定最终的打卡结果。该方案可应用于服务器还可为服务终端。本申请实施例当应用于服务终端侧,可参考应用于服务器的实施例,不作赘述。
本申请实施例的方案可基于云技术实现,具体来说涉及云技术中的云计算、云存储和数据库等领域,下面将分别进行介绍。
云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来,实现数据的计算、储存、处理和共享的一种托管技术。云技术(Cloudtechnology)基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称,可以组成资源池,按需所用,灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源,如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用,将来每个物品都有可能存在自己的识别标志,都需要传输到后台系统进行逻辑处理,不同程度级别的数据将会分开处理,各类行业数据皆需要强大的系统后盾支撑,只能通过云计算来实现。本申请实施例可通过云技术对考勤数据检测结果进行保存。
云存储(cloud storage)是在云计算概念上延伸和发展出来的一个新的概念,分布式云存储系统(以下简称存储系统)是指通过集群应用、网格技术以及分布存储文件系统等功能,将网络中大量各种不同类型的存储设备(存储设备也称之为存储节点)通过应用软件或应用接口集合起来协同工作,共同对外提供数据存储和业务访问功能的一个存储系统。在本申请实施例中,可将网络配置等信息均保存在该存储系统中,便于服务器调取。
目前,存储系统的存储方法为:创建逻辑卷,在创建逻辑卷时,就为每个逻辑卷分配物理存储空间,该物理存储空间可能是某个存储设备或者某几个存储设备的磁盘组成。客户端在某一逻辑卷上存储数据,也就是将数据存储在文件系统上,文件系统将数据分成许多部分,每一部分是一个对象,对象不仅包含数据而且还包含数据标识(ID,ID entity)等额外的信息,文件系统将每个对象分别写入该逻辑卷的物理存储空间,且文件系统会记录每个对象的存储位置信息,从而当客户端请求访问数据时,文件系统能够根据每个对象的存储位置信息让客户端对数据进行访问。
存储系统为逻辑卷分配物理存储空间的过程,具体为:按照对存储于逻辑卷的对象的容量估量(该估量往往相对于实际要存储的对象的容量有很大余量)和独立冗余磁盘阵列(RAID,Redundant Array ofIndependent Disk)的组别,预先将物理存储空间划分成分条,一个逻辑卷可以理解为一个分条,从而为逻辑卷分配了物理存储空间。
数据库(Database),简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据进行新增、查询、更新、删除等操作。所谓“数据库”是以一定方式储存在一起、能与多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。
数据库管理系统(英语:Database Management System,简称DBMS)是为管理数据库而设计的电脑软件系统,一般具有存储、截取、安全保障、备份等基础功能。数据库管理系统可以依据它所支持的数据库模型来作分类,例如关系式、XML(Extensible MarkupLanguage,即可扩展标记语言);或依据所支持的计算机类型来作分类,例如服务器群集、移动电话;或依据所用查询语言来作分类,例如SQL(结构化查询语言(Structured QueryLanguage)、XQuery;或依据性能冲量重点来作分类,例如最大规模、最高运行速度;亦或其他的分类方式。不论使用哪种分类方式,一些DBMS能够跨类别,例如,同时支持多种查询语言。在本申请实施例中,可将考勤数据检测结果存储在该数据库管理系统中,便于服务器调取。
在服务终端进行考勤数据检测时,服务终端对用户端上传的考勤数据集从用户考勤运动参数及用户考勤运动轨迹两个维度共同确定用户打卡数据是否验证成功,从而确定最终的打卡结果。具体来说,服务终端用于对考勤数据检测是否存在篡改可能进行检测。
一些实施方式中,本申请实施例可应用于如图1所示的一种考勤数据检测系统1,所述考勤数据检测系统1包括服务器10和至少一个用户端20,所述服务器10与所述用户端200之间可以进行数据交互。
本申请实施例中,所述服务器10用于先接收用户端20所上传的考勤数据集发送的考勤数据集,然后服务器10基于用户端20上传的包括定位数据集的考勤数据集确定用户考勤运动参数,然后根据用户考勤运动参数是否为异常运动参数生成第一重判断结果的第一标识结果,之后在确定所述用户考勤运动参数是正常运动参数时再结合定位数据集所确定用户考勤运动轨迹与历史用户考勤轨迹的匹配结果,最终根据匹配结果确定与考勤数据集对应的第二标识结果。从用户考勤运动参数这一维度及用户考勤运动轨迹与历史用户考勤轨迹的匹配结果这一维度共同确定用于标识用户是否存在虚假打卡数据的第二标识结果,能有效提高打卡数据的真实性。
其中,需要特别说明的是,本申请涉及的服务器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。
本申请实施例涉及的服务终端,该服务终端可以包括:智能手机、平板电脑、笔记本电脑、桌上型电脑、智能电视、智能音箱、个人数字助理(英文全称:Personal DigitalAssistant,英文简称:PDA)、台式计算机、智能手表等携带多媒体数据处理功能(例如,视频数据播放功能、音乐数据播放功能)的智能终端,但并不局限于此。
本申请实施例主要提供以下技术方案:
先基于用户上传的包括定位数据集的考勤数据集确定用户考勤运动参数,然后根据用户考勤运动参数是否为异常运动参数生成第一重判断结果的第一标识结果,之后在确定所述用户考勤运动参数是正常运动参数时再结合定位数据集所确定用户考勤运动轨迹与历史用户考勤轨迹的匹配结果,最终根据匹配结果确定与考勤数据集对应的第二标识结果。
下面,将结合几个实施例对本申请技术方案进行详细的介绍说明。
参照图2a,以下介绍本申请实施例所提供的一种考勤数据检测方法,本申请实施例包括:
201、服务器获取用户端所上传的目标用户的考勤数据集。
在本申请实施例中,当目标用户需使用用户端进行考勤打卡时,需要先打开移动考勤打卡软件,然后在同意移动考勤打卡软件获取用户考勤相关信息(如用户ID、定位数据集、系统时间等数据)的前提下由用户端获取考勤数据集,之后由用户端将考勤数据集发送至服务器中进行数据检测,以进一步判断该考勤数据集对应的考勤打卡是否存在虚假打卡或代打卡的情况。
其中,用户端所上传的考勤数据集中至少包括用户ID(用于标识当前打卡用户)、定位数据集(如用户端中定位模块采集到一段时间内的多个定位数据组成定位数据集)以及初始考勤时间(以用户按下移动考勤打卡软件界面上的打卡按钮的时间作为初始考勤时间)。其中,所述定位数据集是用户在打开移动考勤打卡软件并点击界面上的打卡按钮后,用户端在预设时长内按预设获取周期获取多个定位数据以组成定位数据集,如将预设时长设置为1min、5min、10min等,这一预设时长根据实际需求自定义设置,并不局限于上述举例的1min、5min、10min;且如将预设获取周期设置为1s、2s等,这一预设获取周期根据实际需求自定义设置,并不局限于上述举例的1s、2s。
例如,将预设时长设置为1min且将预设获取周期设置为1s,当用户在打开移动考勤打卡软件并点击界面上的打卡按钮后,先是获取用户点击打卡按钮时对应的初始考勤时间及用户初始定位数据,然后用户端会每隔1s获取一次定位数据,直至获取到总共60s的定位数据,组成一个包括61个定位数据的定位数据集。而且,这些定位数据还可以按照获取时间的先后顺序排列,组成一个定位数据序列。可见,因定位数据集的获取需要持续预设时长,故导致了定位数据集并不是某一时刻一次性即可获取,这就使得考勤数据集的获取是一个持续获取过程并最终在持续预设时长结束后综合之前获取的数据才能准确获得。
一些实施方式中,所述服务器获取用户端所上传的目标用户的考勤数据集之后,所述方法还包括:
若确定所述考勤数据集中初始考勤时间不为空值,生成与所述考勤数据集对应的第一提示信息,并将所述第一提示信息发送至所述用户端。
在本申请实施例中,当用户在打开移动考勤打卡软件并点击界面上的打卡按钮后,先是基于用户登录移动考勤打卡软件的登录用户账号获取用户ID,而且还获取用户点击打卡按钮时对应的初始考勤时间及用户初始定位数据。在服务器初始获取到上述数据组成的初始考勤数据集后,为了及时响应用户端已成功上传初始考勤数据集,服务器需先生成一个用于提示当前打卡用户的初始考勤数据集已上传成功的第一提示信息,并将第一提示信息发送至用户端进行及时提示。
一些实施方式中,所述服务器获取用户端所上传的目标用户的考勤数据集,包括:
获取用户端所发送的初始考勤数据集;其中,所述初始考勤数据集中包括目标用户的用户标识、初始考勤时刻及初始定位数据;
获取所述用户端在以所述初始考勤时间为起点时刻的预设时长内所发送的至少两份定位数据,组成当前定位数据集;
将所述初始考勤数据集及所述当前定位数据集进行合并,得到所述考勤数据集。
在本申请实施例中,当用户在打开移动考勤打卡软件并点击界面上的打卡按钮后,先获取到了由用户ID、初始考勤时间及用户初始定位数据组成的初始考勤数据集。之后再获取所述用户端在以所述初始考勤时间为起点时刻的预设时长内所发送的至少两份定位数据,组成当前定位数据集。其中,获取在以所述初始考勤时间为起点时间且在预设获取周期内用户端所发送的定位数据组成当前定位数据集,会出现当前定位数据集中又将用户点击打卡按钮时对应的初始考勤时间又统计在内的情况,此时将所述初始考勤数据集及所述当前定位数据集进行合并时还可以进一步将所述当前定位数据集中排序第一位的定位数据与用户初始定位数据择一保留即可,而且同时保留所述当前定位数据集中排序第二位及以后所有的当前定位数据,最终得到考勤数据集。可见,基于持续性的获取定位数据组成定位数据集并进一步参与组成考勤数据集,可以有效避免考勤数据集中仅仅只包括一个定位数据,增大了多个持续定位数据被拦截篡改的难度,提高了考勤数据集的数据安全性。
202、获取所述考勤数据集中的定位数据集。
在本申请实施例中,由于所述考勤数据集中是包括用户ID、定位数据集以及初始考勤时间,故当服务器获取到了用户端所上传与本次打卡相关的考勤数据集后,需要先对所述考勤数据集进行解析,以获取其中包括的用户ID、定位数据集以及初始考勤时间。尤其是需要获取到所述考勤数据集中的定位数据集,以进一步分析定位数据是否存在被拦截篡改的可能。
例如,仍参考上述获取用户点击打卡按钮时对应的初始考勤时间及用户初始定位数据,然后用户端会每隔1s获取一次定位数据,直至获取到总共60s的定位数据,组成一个包括61个定位数据的定位数据集的示例。在当前定位数据集中,若按照获取时间的先后顺序排列组成一个定位数据序列后,排在定位数据序列首位的是对应初始考勤时间的定位数据,排在定位数据序列末位的是与初始考勤时间间隔60s的时刻所对应的定位数据。基于上述定位数据序列,可以进一步获取用户的运动轨迹、运动距离、运动时长等信息,从而更准确的判断定位数据是否存在被拦截篡改的可能。
203、基于所述定位数据集确定所述目标用户在预设时段内的运动状态,其中,所述运动状态包括运动时长、运动距离和运动速度。
在本申请实施例中,当获取到了所述定位数据集后,可具体基于定位数据集中各定位数据的具体经纬度值及定位数据具体采集时间来进一步计算用户考勤运动参数。之后再以用户考勤运动参数作为用户是否存在定位数据篡改作弊的参考参数,相较于在确定一个当前定位信息的当前定位点与预设的打卡标准定位点之间间距小于预设距离阈值是判定该用户打卡成功,由于考虑到更多参数,所得到的判断结果更加准确。
一些实施方式中,所述基于所述定位数据集确定所述目标用户在预设时段内的运动状态,包括:
根据所述定位数据集中各定位数据的采集时刻的先后顺序,确定定位数据序列;
根据所述定位数据序列中各相邻定位数据的经纬度差别值,确定各相邻定位数据之间的移动距离;
基于各相邻定位数据之间的移动距离之和确定运动距离;
基于所述定位数据序列中末位定位数据对应采集时刻与首位定位数据对应采集时刻的时间差确定运动时长;
基于所述运动距离与所述运动时长的商确定运动速度;
根据所述运动距离、所述运动时长和所述运动速度确定用户考勤运动参数。
在本申请实施例中,仍参考上述示例中所述定位数据集中包括61个定位数据,此时可以分别计算相邻两个定位数据的经纬度之间换算出的移动距离,共可得到60个移动距离,此时将这60个移动距离相加得到移动距离求和结果,从而以移动距离求和结果作为所述定位数据集所确定的运动距离。同样的,上述示例中所述定位数据集中包括61个定位数据中以末位定位数据对应的定位数据具体采集时间与末位首位数据对应的定位数据具体采集时间之间的时间间隔,即可确定整个所述定位数据集对应的运动时长。在获取了运动距离和运动时长后,由运动距离除以运动时长即可得到运动速度。最终由所述运动距离、所述运动时长和所述运动速度组成所述用户考勤运动参数。可见,基于所述定位数据集的时序顺序将各定位数据排列后,可以更准确的计算出整个考勤数据检测过程中的用户考勤运动参数。
204、若确定所述运动状态中存在异常运动参数值,则生成用于标识所述考勤数据集存在异常的第一标识结果。
在本申请实施例中,当获取到了所述用户考勤运动数据后,可进一步判断所述用户考勤数据是正常运动参数还是异常运动参数。一般来说,当用户到达考勤地点(如写字楼中办公室卡位)后,大概率是处于缓慢移动或是静止的状态,这就说明用户的运动距离和运动速度应是一个较小值。具体的,为了更准确的判定所述用户考勤运动参数是否为异常运动参数,可以是服务器先获取本地已预先设定的考勤正常运动距离阈值和考勤正常运动速度阈值,然后将所述用户考勤运动参数中的所述运动距离与所述考勤正常运动距离阈值相比较,且同时将所述运动速度与所述考勤正常运动速度阈值相比较,上述比较过程可得到以下几种结果:
A1)若确定所述运动距离超出所述考勤正常运动距离阈值和/或所述运动速度超出所述考勤正常运动速度阈值,则表示该用户存在考勤数据欺诈嫌疑(即定位数据存在被拦截篡改的嫌疑);这是因为一旦运动距离大于所述考勤正常运动距离阈值和/或所述运动速度大于所述考勤正常运动速度阈值,有可能的导致原因是用户在述初始考勤时间的定位数据被拦截修改,但是无法将所述定位数据集中的定位数据均修改为篡改数据以组成能满足正常打卡的定位数据序列,这就使得最终判定结果是用户考勤运动参数是异常运动参数;例如所述定位数据集对应的定位数据序列中第一个定位数据被篡改为与预设的打卡标准定位点之间间距小于预设距离阈值的替换后定位数据,但是其他定位数据又是实际定位数据,有可能出现的情况就是定位数据序列中其他实际定位数据与第一个定位数据的间距较大,最终拉高了基于定位数据序列所确定的所述运动距离而使其大于所述考勤正常运动距离阈值,而且基于定位数据序列所确定的所述运动速度大于所述考勤正常运动速度阈值;或者是所述定位数据集对应的定位数据序列中任意一个或多个定位数据是采集的真实数据,但是这些定位数据与预设的打卡标准定位点之间间距大于预设距离阈值(出现这种情况的原因是定位数据序列中任意一个或多个定位数据在以打卡标准定位点为圆心且以预设距离阈值为半径所确定的打卡标准范围以外,也就是用户初次打卡后又迅速离开了打卡标准范围才导致出现上述情况),也同样会拉高了基于定位数据序列所确定的所述运动距离而使其大于所述考勤正常运动距离阈值,而且基于定位数据序列所确定的所述运动速度大于所述考勤正常运动速度阈值;
A2)若确定所述运动距离未超出所述考勤正常运动距离阈值且所述运动速度未超出所述考勤正常运动速度阈值,则表示该用户不存在考勤数据欺诈嫌疑,可以判定该用户是正常打卡。
当确定了所述用户考勤运动参数是异常运动参数时,则表示该用户存在考勤异常的情况,不能最终成功打卡,此时可以在所述考勤数据集新增一个标识字段,并增加打卡验证失败的标识结果,从而生成了与所述考勤数据集对应的第一标识结果。例如,原始的考勤数据集表示如下:{用户ID、定位数据集、初始考勤时间},此时新增一个打卡失败的标识结果得到{用户ID、定位数据集、初始考勤时间、打卡数据验证失败}并以此作为第一标识结果。
205、若确定所述用户考勤运动参数是正常运动参数,则基于所述定位数据集确定所述目标用户的实际考勤运动轨迹。
在本申请实施例中,若确定所述运动距离未超出所述考勤正常运动距离阈值且所述运动速度未超出所述考勤正常运动速度阈值,则判定该用户是正常打卡。但是即使所述用户考勤运动参数是正常运动参数仍不能排除存在考勤数据欺诈嫌疑,此时还可以进一步基于所述定位数据集确定用户考勤运动轨迹,然后将用户考勤运动轨迹与历史运动轨迹相比较以判断用户是否正常打卡。
其中,在基于所述定位数据集确定用户考勤运动轨迹时,是获取所述定位数据集中每一定位数据的经纬度,然后将这些经纬度值按采集时间的时序从头到尾依序串接,得到用户考勤运动轨迹。因用户考勤运动轨迹途径的每一个定位数据的经纬度是已知的,故将这些定位数据在电子地图上对应的定位点连接后即可得到用户考勤运动轨迹。
206、基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹。
在本申请实施例中,若确定所述用户考勤运动轨迹了后,还可以基于用户ID筛选出与该用户对应的历史用户考勤轨迹,如该历史用户考勤轨迹为用户一周前的用户考勤轨迹(具体实施时并不限定该历史用户考勤轨迹为用户一周前的用户考勤轨迹,而是根据服务器中预先设定的用户考勤轨迹筛选策略来筛选对应的目标历史用户考勤轨迹,用户考勤轨迹筛选策略中至少包括时间限定条件,如时间限定条件为与初始考勤时间对应的日期相差不超过一周等),然后分析所述用户考勤运动轨迹与历史用户考勤轨迹的轨迹相似度这一匹配结果,最终基于该匹配结果确定所述考勤数据集对应的第二标识结果。上述匹配结果可为以下几种结果:
B1)若确定所述用户考勤运动轨迹与历史用户考勤轨迹的轨迹相似度超出预设的轨迹相似度阈值,则表示该用户不存在考勤数据欺诈嫌疑,可以判定该用户是正常打卡;
B2)若确定所述用户考勤运动轨迹与历史用户考勤轨迹的轨迹相似度未超出预设的轨迹相似度阈值,则表示该用户存在考勤数据欺诈嫌疑,可以判定该用户不是正常打卡;其中导致所述用户考勤运动轨迹与历史用户考勤轨迹的轨迹相似度未超出预设的轨迹相似度阈值的原因如下:用户考勤运动轨迹中各定位数据虽然在以打卡标准定位点为圆心且以预设距离阈值为半径所确定的打卡标准范围以内,但是用户还会在初始按下打卡按钮时的真实定位位置如用户工位所处写字楼附近的便利店等位置长时间逗留且未真实到达用户工位上开始工作,也即用户虽然按真实定位数据打卡成功,但是其用户考勤运动轨迹与正常打卡后停留在工作卡位状态下的历史用户考勤轨迹并不完全相同。
当确定了匹配结果后,即可基于匹配结果进一步确定该用户是否存在考勤异常的情况。若基于匹配结果确定该用户存在考勤异常时,则在所述考勤数据集新增一个标识字段,并增加打卡验证成功的标识结果,从而生成了与所述考勤数据集对应的第二标识结果。例如,原始的考勤数据集表示如下:{用户ID、定位数据集、初始考勤时间},此时新增一个打卡成功的标识结果得到{用户ID、定位数据集、初始考勤时间、打卡数据验证成功}并以此作为第二标识结果。当基于匹配结果确定该用户不存在考勤异常(即为考勤正常)时,将上述示例的第二标识结果中打卡验证成功替换为打卡验证失败即可。
一些实施方式中,参考图2b,为了更准确快速的确定所述用户考勤运动轨迹与历史用户考勤轨迹的匹配结果,所述基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹,包括:
301、根据所述用户考勤运动轨迹确定第一聚类中心;
302、根据所述历史用户考勤轨迹确定第二聚类中心;
303、获取所述第一聚类中心与所述第二聚类中心之间的聚类中心间距;
304、基于聚类中心间距与预设中心间距阈值的比较结果确定所述考勤数据集对应的当前标识结果;
305、将所述考勤数据集与所述当前标识结果合并,得到所述第二标识结果。
在本申请实施例中,可以先基于所述用户考勤运动轨迹中各定位数据的经纬度值进行DBSCAN聚类(即一种基于密度的聚类算法)以确定其对应的第一聚类中心,同样也先基于所述历史用户考勤轨迹中各定位数据的经纬度值进行DBSCAN聚类以确定其对应的第二聚类中心。
一般若所述用户考勤运动轨迹中各定位数据均不是离群点(也就是集中度比较高,都分布在用户工位所处写字楼内),则最终的聚类结果中是只包括一个聚类簇,且可以准确的获取到其对应的第一聚类中心;同样的,若所述历史用户考勤轨迹中各定位数据均不是离群点,则最终的聚类结果中是只包括一个聚类簇,且可以准确的获取到其对应的第二聚类中心。
在获取了两个聚类中心之后,再计算所述第一聚类中心与所述第二聚类中心之间的聚类中心间距,具体是先计算所述第一聚类中心的经纬度与所述第二聚类中心的经纬度之间的差别值然后对应转换为距离值即可。由于在服务器中还存储了预设中心间距阈值,此时将聚类中心间距与所述预设中心间距阈值进行大小比较,即可确定所述考勤数据集对应的当前标识结果。具体是,当所述聚类中心间距未超出所述预设中心间距阈值则表示打卡验证成功,且将打卡验证成功作为当前标识结果,此时将打卡验证成功这一当前标识结果与所述考勤数据集进行合并(具体如根据从concat连接函数连接以实现合并),最终得到所述第二标识结果。可见,基于对两个运动轨迹聚类中心的间距判断,可以快速确定两个轨迹的相似度,从而最终确定匹配结果,以进一步根据匹配结果确定与所述考勤数据集对应的第二标识结果。
当服务器中获取到了与所述考勤数据集对应的第二标识结果,可以直接以所述第二标识结果作为所述考勤数据集对应的打卡数据验证结果,并将该第二标识结果及时发送至所述用户端进行打卡数据验证结果的直观提示数据。
一些实施方式中,为了参考多维度数据更准确快速的确定标识结果,所述基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹之后,所述方法还包括:
基于所述第一标识结果和所述第二标识结果,确定与所述考勤数据集对应的综合标识结果。
在本申请实施例中,当服务器获取了所述第一标识结果和所述第二标识结果后,若所述第一标识结果中的打卡数据验证结果对应一个第一标识值(如打卡数据验证成功以数值1标识,打卡数据验证失败以数值0标识,则打卡数据验证结果对应的第一标识值以1或0为具体取值),且所述第二标识结果中的打卡数据验证结果对应一个第二标识值(同样如打卡数据验证成功以数值1标识,打卡数据验证失败以数值0标识,则打卡数据验证结果对应的第二标识值以1或0为具体取值),则可以综合考虑所述第一标识结果对应的第一标识值及所述第二标识结果对应的第二标识值,将第一标识值和第二标识值两者进行加权求和得到一个综合标识值。例如第一标识结果对应的第一权重值为0.2,且第二标识结果对应的第二权重值为0.8,最终以综合标识值=第一标识值*0.2+第二标识值*0.8确定综合标识值。而且还以综合标识值与预设的标识值阈值(如标识值阈值具体设置为0.8)的进行比较,以最终大小比较结果确定综合标识结果,如综合标识值为1则所确定综合标识结果是打卡数据验证成功,综合标识值为0.2则所确定综合标识结果是打卡数据验证失败。可见,在综合考虑了第一标识结果和第二标识结果得到综合标识结果,也可以直接以所述综合标识结果作为所述考勤数据集对应的打卡数据验证结果,并将该综合标识结果及时发送至所述用户端进行打卡数据验证结果的直观提示数据。
一些实施方式中,为了实现将考勤数据对应的标识结果影响用户画像中的标签更新,所述基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹之后,所述方法还包括:
获取所述考勤数据集对应用户ID的历史第二标识结果集;
若确定所述历史第二标识结果集与所述第二标识结果中打卡数据验证失败的统计次数超出预设的次数阈值,生成第一提示用户标签;
获取所述用户ID的用户画像,将所述第一提示用户标签融合至所述用户画像,以得到更新后用户画像。
在本申请实施例中,还可以在获取了所述第二标识结果后,先在服务器的存储区域或数据库中进一步获取该用户的历史第二标识结果集,例如该用户的历史第二标识结果集中包括初始考勤时间对应的日期之前一个月内每一天的历史第二标识结果。然后基于所述历史第二标识结果集与所述第二标识结果中可以统计打卡数据验证失败的总次数作为统计次数,之后判断所述统计次数是否超出预设的次数阈值(如设置为5次),若确定所述统计次数超出预设的次数阈值则生成第一提示用户标签(异常打卡频繁),并将该第一提示用户标签融合至该用户对应的用户画像中,得到最新状态的更新后用户画像。
可见,通过本方案,在智慧城市、智慧教育等场景中,可以先基于用户上传的包括定位数据集的考勤数据集确定用户考勤运动参数,然后根据用户考勤运动参数是否为异常运动参数生成第一重判断结果的第一标识结果,之后在确定所述用户考勤运动参数是正常运动参数时再结合定位数据集所确定用户考勤运动轨迹与历史用户考勤轨迹的匹配结果,最终根据匹配结果确定与考勤数据集对应的第二标识结果。从用户考勤运动参数这一维度及用户考勤运动轨迹与历史用户考勤轨迹的匹配结果这一维度共同确定用于标识用户是否存在虚假打卡数据的第二标识结果,能有效提高打卡数据的真实性。
参阅图3,图3为本申请实施例中考勤数据检测装置的一种结构示意图,其可应用于智慧安防、智慧城市、智慧教育等场景。本申请实施例中的考勤数据检测装置中对应于上述图2a所对应的实施例中所执行的考勤数据检测方法的步骤。考勤数据检测装置实现的功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块,所述模块可以是软件和/或硬件。如图3所示所述考勤数据检测装置1可包括收发模块11和处理模块12,所述收发模块11和处理模块12功能实现可参考图2a所对应的实施例中所执行的操作,此处不作赘述。
一些实施方式中,所述考勤数据检测装置包括收发模块11及处理模块12;
所述收发模块11,用于获取用户端所上传的目标用户的考勤数据集;
所述处理模块12,用于获取所述考勤数据集中的定位数据集;基于所述定位数据集确定所述目标用户在预设时段内的运动状态,其中,所述运动状态包括运动时长、运动距离和运动速度;若确定所述运动状态中存在异常运动参数值,则生成用于标识所述考勤数据集存在异常的第一标识结果;
所述处理模块12,还用于若确定所述用户考勤运动参数是正常运动参数,则基于所述定位数据集确定所述目标用户的实际考勤运动轨迹;基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹。
可见,通过本方案,在智慧城市、智慧教育等场景中,可以先基于用户上传的包括定位数据集的考勤数据集确定用户考勤运动参数,然后根据用户考勤运动参数是否为异常运动参数生成第一重判断结果的第一标识结果,之后在确定所述用户考勤运动参数是正常运动参数时再结合定位数据集所确定用户考勤运动轨迹与历史用户考勤轨迹的匹配结果,最终根据匹配结果确定与考勤数据集对应的第二标识结果。从用户考勤运动参数这一维度及用户考勤运动轨迹与历史用户考勤轨迹的匹配结果这一维度共同确定用于标识用户是否存在虚假打卡数据的第二标识结果,能有效提高打卡数据的真实性。
上面从模块化功能实体的角度对本申请实施例中的考勤数据检测装置进行了描述,下面从硬件处理的角度分别对本申请实施例中的考勤数据检测装置进行描述。
需要说明的是,在本申请实施例各实施例(包括图3所示的各实施例)中所有的收发模块对应的实体设备可以为收发器,所有的处理模块对应的实体设备可以为处理器。当其中一种装置具有如图3所示的结构时,处理器、收发器和存储器实现前述对应该装置的装置实施例提供的所述收发模块和所述处理模块相同或相似的功能,图4中的存储器存储处理器执行上述考勤数据检测方法时需要调用的计算机程序。
图3所示的装置可以具有如图4所示的结构,图4中的处理器能够实现前述对应该装置的装置实施例提供的所述处理模块相同或相似的功能,图4中的收发器能够实现前述对应该装置的装置实施例提供的所述收发模块相同或相似的功能,图4中的存储器存储处理器执行上述考勤数据检测方法时需要调用的计算机程序。在本申请实施例图3所示的实施例中的所述收发模块所对应的实体设备可以为输入输出接口,所述处理模块对应的实体设备可以为处理器。
本申请实施例还提供了另一种终端设备,如图5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,请参照本申请实施例方法部分。该终端设备可以为包括手机、平板电脑、个人数字助理(英文全称:Personal Digital Assistant,英文简称:PDA)、销售终端(英文全称:Point ofSales,英文简称:POS)、车载电脑等任意终端设备,以终端为手机为例:
图5示出的是与本申请实施例提供的终端设备相关的手机的部分结构的框图。参考图5,手机包括:射频(英文全称:Radio Frequency,英文简称:RF)电路510、存储器520、输入单元530、显示单元540、传感器550、音频电路560、无线保真(英文全称:wirelessfidelity,英文简称:WiFi)模块570、处理器580、以及电源590等部件。本领域技术人员可以理解,图5中示出的手机结构并不构成对手机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图5对手机的各个构成部件进行具体的介绍:
RF电路510可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,给处理器580处理;另外,将设计上行的数据发送给基站。通常,RF电路510包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(英文全称:LowNoise Amplifier,英文简称:LNA)、双工器等。此外,RF电路510还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(英文全称:Global System of Mobile communication,英文简称:GSM)、通用分组无线服务(英文全称:General Packet Radio Service,英文简称:GPRS)、码分多址(英文全称:Code Division Multiple Access,英文简称:CDMA)、宽带码分多址(英文全称:Wideband Code Division Multiple Access,英文简称:WCDMA)、长期演进(英文全称:LongTerm Evolution,英文简称:LTE)、电子邮件、短消息服务(英文全称:ShortMessagingService,英文简称:SMS)等。
存储器520可用于存储软件程序以及模块,处理器580通过运行存储在存储器520的软件程序以及模块,从而执行手机的各种功能应用以及数据处理。存储器520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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器520可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元530可用于接收输入的数字或字符信息,以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地,输入单元530可包括触控面板531以及其他输入设备532。触控面板531,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板531上或在触控面板531附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板531可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器580,并能接收处理器580发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板531。除了触控面板531,输入单元530还可以包括其他输入设备532。具体地,其他输入设备532可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元540可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元540可包括显示面板541,可选的,可以采用液晶显示器(英文全称:LiquidCrystal Display,英文简称:LCD)、有机发光二极管(英文全称:Organic Light-EmittingDiode,英文简称:OLED)等形式来配置显示面板541。进一步的,触控面板531可覆盖显示面板541,当触控面板531检测到在其上或附近的触摸操作后,传送给处理器580以确定触摸事件的类型,随后处理器580根据触摸事件的类型在显示面板541上提供相应的视觉输出。虽然在图5中,触控面板531与显示面板541是作为两个独立的部件来实现手机的输入和输出功能,但是在某些实施例中,可以将触控面板531与显示面板541集成而实现手机的输入和输出功能。
手机还可包括至少一种传感器550,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板541的亮度,接近传感器可在手机移动到耳边时,关闭显示面板541和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路560、扬声器561,传声器562可提供用户与手机之间的音频接口。音频电路560可将接收到的音频数据转换后的电信号,传输到扬声器561,由扬声器561转换为声音信号输出;另一方面,传声器562将收集的声音信号转换为电信号,由音频电路560接收后转换为音频数据,再将音频数据输出处理器580处理后,经RF电路510以发送给比如另一手机,或者将音频数据输出至存储器520以便进一步处理。
Wi-Fi属于短距离无线传输技术,手机通过Wi-Fi模块570可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图5示出了W-iFi模块570,但是可以理解的是,其并不属于手机的必须构成,完全可以根据需要在不改变申请的本质的范围内而省略。
处理器580是手机的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器520内的软件程序和/或模块,以及调用存储在存储器520内的数据,执行手机的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器580可包括一个或多个处理单元;优选的,处理器580可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器580中。
手机还包括给各个部件供电的电源590(比如电池),电源可以通过电源管理系统与处理器580逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出,手机还可以包括摄像头、蓝牙模块等,在此不再赘述。
在本申请实施例中,该手机所包括的处理器680还具有控制执行以上由图2a所示的考勤数据检测方法的流程图。
图6是本申请实施例提供的一种服务器结构示意图,该服务器620可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(英文全称:centralprocessing units,英文简称:CPU)622(例如,一个或一个以上处理器)和存储器632,一个或一个以上存储应用程序642或数据644的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器632和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器622可以设置为与存储介质630通信,在服务器620上执行存储介质630中的一系列指令操作。
服务器620还可以包括一个或一个以上电源626,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口658,和/或,一个或一个以上操作系统641,例如Windows Server,Mac OS X,Unix,Linux,FreeBSD等等。
上述实施例中由服务器所执行的步骤可以基于该图6所示的服务器620的结构。例如上述实施例中由图2a所示的第一节点所执行的步骤可以基于该图6所示的服务器结构。例如,所述处理器622通过调用存储器632中的指令,执行以下操作:
通过输入输出接口558获取用户端所上传的目标用户的考勤数据集;
获取所述考勤数据集中的定位数据集;
基于所述定位数据集确定所述目标用户在预设时段内的运动状态,其中,所述运动状态包括运动时长、运动距离和运动速度;
若确定所述运动状态中存在异常运动参数值,则生成用于标识所述考勤数据集存在异常的第一标识结果;
若确定所述用户考勤运动参数是正常运动参数,则基于所述定位数据集确定所述目标用户的实际考勤运动轨迹;
基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请实施例各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
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。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述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所述计算机计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述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。所述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计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(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。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述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。
以上对本申请实施例所提供的技术方案进行了详细介绍,本申请实施例中应用了具体个例对本申请实施例的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请实施例的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请实施例的限制。
Claims (10)
1.一种考勤数据检测方法,其特征在于,所述方法包括:
获取用户端所上传的目标用户的考勤数据集;
获取所述考勤数据集中的定位数据集;
基于所述定位数据集确定所述目标用户在预设时段内的运动状态,其中,所述运动状态包括运动时长、运动距离和运动速度;
若确定所述运动状态中存在异常运动参数值,则生成用于标识所述考勤数据集存在异常的第一标识结果;
若确定所述用户考勤运动参数是正常运动参数,则基于所述定位数据集确定所述目标用户的实际考勤运动轨迹;基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹。
2.根据权利要求1所述的方法,其特征在于,所述获取用户端所上传的目标用户的考勤数据集,所述方法包括:
获取用户端所发送的初始考勤数据集;其中,所述初始考勤数据集中包括目标用户的用户标识、初始考勤时刻及初始定位数据;
获取所述用户端在以所述初始考勤时间为起点时刻的预设时长内所发送的至少两份定位数据,组成当前定位数据集;
将所述初始考勤数据集及所述当前定位数据集进行合并,得到所述考勤数据集。
3.根据权利要求1所述的方法,其特征在于,所述基于所述定位数据集确定所述目标用户在预设时段内的运动状态,所述方法包括:
根据所述定位数据集中各定位数据的采集时刻的先后顺序,确定定位数据序列;
根据所述定位数据序列中各相邻定位数据的经纬度差别值,确定各相邻定位数据之间的移动距离;
基于各相邻定位数据之间的移动距离之和确定运动距离;
基于所述定位数据序列中末位定位数据对应采集时刻与首位定位数据对应采集时刻的时间差确定运动时长;
基于所述运动距离与所述运动时长的商确定运动速度;
根据所述运动距离、所述运动时长和所述运动速度确定用户考勤运动参数。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹,所述方法包括:
根据所述用户考勤运动轨迹确定第一聚类中心;
根据所述历史用户考勤轨迹确定第二聚类中心;
获取所述第一聚类中心与所述第二聚类中心之间的聚类中心间距;
基于聚类中心间距与预设中心间距阈值的比较结果确定所述考勤数据集对应的当前标识结果;
将所述考勤数据集与所述当前标识结果合并,得到所述第二标识结果。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述获取用户端所上传的目标用户的考勤数据集之后,所述方法还包括:
生成与所述考勤数据集对应的第一提示信息,并将所述第一提示信息发送至所述用户端。
6.根据权利要求5所述的方法,其特征在于,所述基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹之后,所述方法还包括:
基于所述第一标识结果和所述第二标识结果,确定与所述考勤数据集对应的综合标识结果。
7.根据权利要求6所述的方法,其特征在于,所述基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹之后,所述方法还包括:
获取所述考勤数据集对应用户ID的历史第二标识结果集;
若确定所述历史第二标识结果集与所述第二标识结果集中打卡数据验证失败的统计次数超出预设的次数阈值,生成第一提示用户标签;
获取所述用户ID的用户画像,将所述第一提示用户标签融合至所述用户画像,以得到更新后用户画像。
8.一种考勤数据检测装置,其特征在于,所述考勤数据检测装置包括收发模块及处理模块;
所述收发模块,用于获取用户端所上传的目标用户的考勤数据集;
所述处理模块,用于获取所述考勤数据集中的定位数据集;基于所述定位数据集确定所述目标用户在预设时段内的运动状态,其中,所述运动状态包括运动时长、运动距离和运动速度;若确定所述运动状态中存在异常运动参数值,则生成用于标识所述考勤数据集存在异常的第一标识结果;
所述处理模块,还用于若确定所述用户考勤运动参数是正常运动参数,则基于所述定位数据集确定所述目标用户的实际考勤运动轨迹;基于所述实际考勤运动轨迹与历史考勤轨迹的匹配结果,确定与所述考勤数据集对应的第二标识结果,所述历史考勤轨迹包括至少一个用户的历史考勤轨迹。
9.一种考勤数据检测装置,其特征在于,所述装置包括:
至少一个处理器、存储器和收发器;
其中,所述存储器用于存储计算机程序,所述处理器用于调用所述存储器中存储的计算机程序来执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210768812.5A CN115062197A (zh) | 2022-06-30 | 2022-06-30 | 考勤数据检测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210768812.5A CN115062197A (zh) | 2022-06-30 | 2022-06-30 | 考勤数据检测方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115062197A true CN115062197A (zh) | 2022-09-16 |
Family
ID=83203746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210768812.5A Pending CN115062197A (zh) | 2022-06-30 | 2022-06-30 | 考勤数据检测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115062197A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503968A (zh) * | 2023-06-28 | 2023-07-28 | 南方电网调峰调频发电有限公司信息通信分公司 | 一种发电企业远距离打卡方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389366A (zh) * | 2018-09-26 | 2019-02-26 | 平安国际融资租赁有限公司 | 考勤方法、装置、计算机设备和存储介质 |
CN110111062A (zh) * | 2018-09-03 | 2019-08-09 | 中国平安人寿保险股份有限公司 | 一种基于大数据的伪装考勤场景识别方法及装置 |
CN106504359B (zh) * | 2016-10-28 | 2020-03-17 | 广东亿迅科技有限公司 | 一种基于位置和运动状态的智能考勤系统及其实现方法 |
CN110930107A (zh) * | 2019-10-14 | 2020-03-27 | 平安科技(深圳)有限公司 | 考勤信息的处理方法、装置、计算机设备和存储介质 |
-
2022
- 2022-06-30 CN CN202210768812.5A patent/CN115062197A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504359B (zh) * | 2016-10-28 | 2020-03-17 | 广东亿迅科技有限公司 | 一种基于位置和运动状态的智能考勤系统及其实现方法 |
CN110111062A (zh) * | 2018-09-03 | 2019-08-09 | 中国平安人寿保险股份有限公司 | 一种基于大数据的伪装考勤场景识别方法及装置 |
CN109389366A (zh) * | 2018-09-26 | 2019-02-26 | 平安国际融资租赁有限公司 | 考勤方法、装置、计算机设备和存储介质 |
CN110930107A (zh) * | 2019-10-14 | 2020-03-27 | 平安科技(深圳)有限公司 | 考勤信息的处理方法、装置、计算机设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116503968A (zh) * | 2023-06-28 | 2023-07-28 | 南方电网调峰调频发电有限公司信息通信分公司 | 一种发电企业远距离打卡方法及装置 |
CN116503968B (zh) * | 2023-06-28 | 2024-01-02 | 南方电网调峰调频发电有限公司信息通信分公司 | 一种发电企业远距离打卡方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111416845B (zh) | 一种配置边缘设备的方法、装置及存储介质 | |
CN111078556B (zh) | 应用测试方法及装置 | |
CN114595124B (zh) | 时序异常检测模型评估方法、相关装置及存储介质 | |
CN111222563B (zh) | 一种模型训练方法、数据获取方法以及相关装置 | |
CN114973351A (zh) | 人脸识别方法、装置、设备及存储介质 | |
CN114694226B (zh) | 一种人脸识别方法、系统及存储介质 | |
CN115062197A (zh) | 考勤数据检测方法、装置及存储介质 | |
CN116976898B (zh) | 一种数据获取方法、数据可视化方法、装置及相关产品 | |
CN112711516B (zh) | 一种数据处理方法和相关装置 | |
CN115203194A (zh) | 一种元数据信息的生成方法、相关装置、设备及存储介质 | |
CN116861198A (zh) | 数据处理方法、装置及存储介质 | |
CN115376192B (zh) | 用户异常行为确定方法、装置、计算机设备及存储介质 | |
CN115546516A (zh) | 人员聚档方法、装置、计算机设备及存储介质 | |
CN114817419A (zh) | 基于Kafka的媒资数据存储方法、装置、电子设备及存储介质 | |
CN116450384A (zh) | 一种信息处理方法和相关装置 | |
CN116563041A (zh) | 一种数据对账方法以及相关装置 | |
US11567822B2 (en) | Method of monitoring closed system, apparatus thereof and monitoring device | |
CN115565215B (zh) | 一种人脸识别算法切换方法、装置及存储介质 | |
CN114490307A (zh) | 一种单元测试方法、装置及存储介质 | |
CN114722970B (zh) | 一种多媒体检测方法、装置及存储介质 | |
CN115412726B (zh) | 视频真伪检测方法、装置及存储介质 | |
CN112862289B (zh) | 一种临床研究从业者的信息匹配方法和装置 | |
CN111368211B (zh) | 关系链确定方法、装置及存储介质 | |
CN115984643A (zh) | 模型训练方法、相关设备及存储介质 | |
CN113285940B (zh) | 一种设备连接方法及装置 |
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 |