CN116452006A - 代驾司机拉新活动的风控方法、装置、计算机设备和介质 - Google Patents
代驾司机拉新活动的风控方法、装置、计算机设备和介质 Download PDFInfo
- Publication number
- CN116452006A CN116452006A CN202310677514.XA CN202310677514A CN116452006A CN 116452006 A CN116452006 A CN 116452006A CN 202310677514 A CN202310677514 A CN 202310677514A CN 116452006 A CN116452006 A CN 116452006A
- Authority
- CN
- China
- Prior art keywords
- driver
- invited
- order
- current
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000000694 effects Effects 0.000 title claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000012790 confirmation Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 9
- 238000012954 risk control Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种代驾司机拉新活动的风控方法、装置、计算机设备和介质。方法包括:获取当前订单中被邀请司机以及当前乘客的位置信息;根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单;当被邀请司机完成的订单中存在预设数目的订单为非高风险订单时,向邀请司机对应的终端发送对应的奖励。采用本方法能够在无需获取司机以及乘客的整个运动轨迹的情况下,对代驾订单进行风险控制。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种代驾司机拉新活动的风控方法、装置、计算机设备和介质。
背景技术
随着计算机技术的发展,出现了移动互联网出行代驾技术,找代驾出行已经深入人们的生活,为人们的生活带来了便利,特别适用于一些酒后不方便开车或者太累不想开车的朋友。
目前,代驾平台常常会推出一些优惠或奖励活动,乘客和司机使用平台的代驾服务,可以获取一定的奖励。但是也出现了一些恶意的刷单行为,因此,需要对代驾平台的订单进行风险控制。
传统方式中,对代驾平台的订单进行风险控制时,需要获取整个运动轨迹,基于整个运作轨迹进行风险判定,这种方式数据效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种代驾司机拉新活动的风控方法、装置、计算机设备和介质。
一种代驾司机拉新活动的风控方法,方法包括:
获取当前订单中被邀请司机以及当前乘客的位置信息;
根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单;
当被邀请司机完成的订单中存在预设数目的订单为非高风险订单时,向邀请司机对应的终端发送对应的奖励。
在其中一个实施例中,上述的被邀请司机以及当前乘客的位置信息包括接单时被邀请司机以及当前乘客的位置信息,还包括到达目的地时被邀请司机以及当前乘客的位置信息,根据被邀请司机的位置信息以及当前乘客的位置信息确定当前订单是否为高风险订单,包括:
根据接单时被邀请司机以及当前乘客的位置信息,确定第一距离,第一距离为接单时被邀请司机与当前乘客的距离;
根据到达目的地时被邀请司机以及当前乘客的位置信息,确定第二距离,第二距离为到达目的地时被邀请司机与当前乘客的距离;
当第一距离小于第一预设阈值和/或第二距离小于第二预设阈值时,确定当前订单为高风险订单。
在其中一个实施例中,上述的被邀请司机以及当前乘客的位置信息包括到达上车点时被邀请司机以及当前乘客的位置信息,根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单,包括:
根据到达上车点时被邀请司机以及当前乘客的位置信息,确定第三距离,第三距离为到达上车点时被邀请司机与当前乘客的距离;
当第三距离大于第三预设阈值时,生成提示信息,并将提示信息发送至被邀请司机的终端,提示信息为询问被邀请司机是否到达上车点的信息;
当接收到被邀请司机的终端发送的确认信息时,确定当前订单是否为高风险订单。
在其中一个实施例中,上述的方法还包括:
获取当前订单的道路信息,并根据道路信息获取行程中的目标位置,目标位置包括红绿灯位置信息、拐弯处以及路口;
根据被邀请司机的位置信息确定被邀请司机到达目标位置时的速度;
当被邀请司机到达目标位置时速度没有减小,确定当前订单为高风险订单。
在其中一个实施例中,上述的方法还包括:
获取被邀请司机与当前乘客的历史匹配次数;
当历史匹配次数超过第一预设次数时,确定当前订单为高风险订单。
在其中一个实施例中,上述的被邀请司机的位置信息包括多个时刻的位置信息,方法还包括:
获取当前订单的预估路线;
将被邀请司机各时刻的位置信息与预估路线进行匹配;
当匹配失败的次数超过第二预设次数时,确定当前订单为高风险订单。
在其中一个实施例中,上述的方法还包括:
当随机抽取到被邀请司机需要人脸验证时,向被邀请司机的终端发送人脸识别数据的获取请求;
接收被邀请司机的终端发送的人脸识别数据,并根据人脸识别数据进行人脸识别;
当人脸识别不通过时,将被邀请司机加入预先设定的异常名单中。
一种代驾司机拉新活动的风控装置,其特征在于,装置包括:
获取模块,用于获取当前订单中被邀请司机以及当前乘客的位置信息;
确定模块,用于根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单;
发送模块,用于当被邀请司机完成的订单中存在预设数目的订单为非高风险订单时,向邀请司机对应的终端发送对应的奖励。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取当前订单中被邀请司机以及当前乘客的位置信息;
根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单;
当被邀请司机完成的订单中存在预设数目的订单为非高风险订单时,向邀请司机对应的终端发送对应的奖励。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取当前订单中被邀请司机以及当前乘客的位置信息;
根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单;
当被邀请司机完成的订单中存在预设数目的订单为非高风险订单时,向邀请司机对应的终端发送对应的奖励。
上述代驾司机拉新活动的风控方法、装置、计算机设备和介质,通过获取当前订单中被邀请司机以及当前乘客的位置信息,根据获取的位置信息确定是否为高风险订单,无需分别获取被邀请司机以及当前乘客两者的整个运动轨迹,提升数据处理效率。
附图说明
图1为一个实施例中代驾司机拉新活动的风控方法的应用环境图;
图2为一个实施例中代驾司机拉新活动的风控方法的流程示意图;
图3为一个实施例中根据被邀请司机的位置信息以及当前乘客的位置信息确定当前订单是否为高风险订单步骤的流程示意图;
图4为一个实施例中根据被邀请司机的位置信息以及当前乘客的位置信息确定当前订单是否为高风险订单步骤的流程示意图;
图5为一个实施例中代驾司机拉新活动的风控装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
请参考图1,图1为本申请一示例性实施例提供的一种代驾司机拉新活动的风控方法的应用环境示意图。如图1所示,该应用环境中包括服务器100以及邀请司机对应的终端101,服务器100与邀请司机对应的终端101之间可以通过网络102实现可通信的连接,以实现本申请的代驾司机拉新活动的风控方法。
服务器100用于获取当前订单中被邀请司机以及当前乘客的位置信息;根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单;当被邀请司机完成的订单中存在预设数目的订单为非高风险订单时,向邀请司机对应的终端101发送对应的奖励,邀请司机为邀请被邀请司机的司机。
其中,服务器100可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
邀请司机对应的终端101用于接收服务器100发送的奖励。终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
网络102用于实现终端101与服务器100之间的网络连接,具体的,网络102可以包括多种类型的有线或无线网络。
在一个实施例中,如图2所示,提供了一种代驾司机拉新活动的风控方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S11、获取当前订单中被邀请司机以及当前乘客的位置信息。
本申请中,上述的拉新活动是指代驾场景中主要通过以老带新,即利用产品现有的老用户去分享传播,带来产品新用户,最终实现用户规模增长的活动形式。具体的,上述的拉新活动的形式之一可以为邀请司机分享邀请码给被邀请司机,被邀请司机扫描该邀请码进入到司机注册页面,以进行注册。当注册成功后被邀请司机会进行路考,路考合格后才可以接单。如果被邀请司机在拉新活动中完成的订单满足了拉新活动的要求,则确定拉新成功,邀请的实际将获取到一定奖励。
在其中一个实施例中,上述的注册过程可以包括:
被邀请司机对应的终端向服务器提交注册请求,该注册请求中携带了当前拉新活动的标识信息(如活动ID)以及邀请司机的标识信息(如司机ID)。另外,注册请求中还可以被邀请司机的身份信息以及人脸识别数据,服务器根据注册请求对被邀请司机的身份信息以及人脸识别数据进行审核,当人脸识别审核通过后,获取被邀请司机的背调信息,根据背调信息,确定被邀请司机不存在于预设的异常名单中时,确定注册成功。
上述的被邀请司机是指在拉新活动中作为被邀请的一方。上述的被邀请司机以及当前乘客的位置信息是指在当前订单中被邀请司机所在位置的经纬度信息以及当前乘客所在位置的经纬度信息。
上述的被邀请司机以及当前乘客的位置信息可以包括各个时刻的位置信息或者行程中其中几个时刻对应的位置信息。
S12、根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单。
本申请中,上述的高风险订单是指存在刷单风险的订单或者存在绕路风险的订单。本申请根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单时,可以通过获取当前行程中被邀请司机和当前乘客在其中几个目标位置点的经纬度信息确定在该几个目标位置处被邀请司机与当前乘客之间的距离,根据该距离确定当前订单是否为高风险订单。
S13、当被邀请司机完成的订单中存在预设数目的订单为非高风险订单时,向邀请司机对应的终端发送对应的奖励。
本申请中,上述的非高风险订单是指不存在刷单风险以及绕路风险的订单。具体地,服务器获取被邀请司机在预设时间段内所完成的所有订单,分别确定该所有订单是否为高风险订单,当该所有订单中存在预设数目的订单为非高风险订单时,确定当前拉新活动拉新成功,进一步获取对应的邀请司机,向该邀请司机对应的终端发送对应的奖励。
进一步地,上述的奖励可以为红包(钱)或者优惠券等。示例性地,被邀请司机拉了五单之后,该五单均为非高风险订单,则邀请司机可以得到10元的奖励。
在其中一个实施例中,请参考图3,上述的被邀请司机以及当前乘客的位置信息包括接单时被邀请司机以及当前乘客的位置信息,还包括到达目的地时被邀请司机以及当前乘客的位置信息,根据被邀请司机的位置信息以及当前乘客的位置信息确定当前订单是否为高风险订单,包括:
S31、根据接单时被邀请司机以及当前乘客的位置信息,确定第一距离,第一距离为接单时被邀请司机与当前乘客的距离;
S32、根据到达目的地时被邀请司机以及当前乘客的位置信息,确定第二距离,第二距离为到达目的地时被邀请司机与当前乘客的距离;
S33、当第一距离小于第一预设阈值和/或第二距离小于第二预设阈值时,确定当前订单为高风险订单。
本申请中,上述的被邀请司机的位置信息包括接单时的位置信息以及到达目的地时的位置信息。上述的当前乘客的位置信息包括接单时的位置信息以及到达目的地时的位置信息。
上述的第一距离以及第二距离是指物理距离。上述的第一预设阈值以及第二预设阈值可以根据实际需求设定。示例性地,上述的第一预设阈值以及第二预设阈值可以为50米。
本申请通过该实施方式,能够通过被邀请司机以及当前乘客在接单时的位置信息或者到达目的地时的位置信息,确定当前订单是否为高风险订单,无需获取被邀请司机以及当前乘客的整个运动轨迹,提升数据处理效率。
在其中一个实施例中,请参考图4,上述的被邀请司机以及当前乘客的位置信息还可以包括到达上车点时被邀请司机以及当前乘客的位置信息,根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单,可以包括:
S41、根据到达上车点时被邀请司机以及当前乘客的位置信息,确定第三距离,第三距离为到达上车点时被邀请司机与当前乘客的距离;
S42、当第三距离大于第三预设阈值时,生成提示信息,并将提示信息发送至被邀请司机的终端,提示信息为询问被邀请司机是否到达上车点的信息;
S43、当接收到被邀请司机的终端发送的确认信息时,确定当前订单是否为高风险订单。
本申请中,上述的第三距离为物理距离。上述的第三预设阈值可以根据实际需求设定,示例性地,该第三预设阈值可以为50米。上述的提示信息中可以携带询问被邀请司机是否到达上车点的内容。服务器将上述的提示信息发送给被邀请司机对应的终端,被邀请司机对应的终端可以以弹窗的形式展示上述的提示信息,该界面上展示有供用户选择确认的虚拟按键。当被邀请司机对应的终端接收确认的指令后向服务器提交确认信息,服务器接收到确认信息后,确定当前订单是否为高风险订单。
本申请通过该实施方式,可以通过上车点出的位置信息,计算被邀请司机以及当前乘客的距离,基于该距离确定当前订单是否为高风险订单,无需获取被邀请司机以及当前乘客的整个运动轨迹,提升数据处理效率。
在其中一个实施例中,上述的方法还可以包括:
获取当前订单的道路信息,并根据道路信息获取行程中的目标位置,目标位置包括红绿灯位置信息、拐弯处以及路口;
根据被邀请司机的位置信息确定被邀请司机到达目标位置时的速度;
当被邀请司机到达目标位置时速度没有减小,确定当前订单为高风险订单。
本申请中,上述的道路信息是指当前行程中道路上的环境信息。其中,该道路信息可以包括道路上各个位置点的路况,如拥堵情况、是否需要拐弯以及是否需要等待等。上述的目标位置是指需要当前司机减速的位置,如红绿灯位置信息、拐弯处以及路口。上述的到达目标位置时速度没有减小是指到达目标位置时的速度相较于前一时间段内的速度而言没有减速,或者减小的幅度在预设幅度之内,这里的预设幅度可以自行设定,如设定为一个较小的值。
服务器可以计算被邀请司机路过各个目标位置时所花的时间,计算路过各个目标位置的速度。当路过各个目标位置的速度与临近位置的速度保持不变或者加速时,确定当前订单存在伪造行程的风险,则确定当前订单为高风险订单。
本申请中,当被邀请司机通过mockgps伪造行程时,可以通过该实施方式检测出来,解决了现有技术中存在司机通过mockgps伪造行程的问题。
在其中一个实施例中,上述的方法还可以包括:
获取被邀请司机与当前乘客的历史匹配次数;
当历史匹配次数超过第一预设次数时,确定当前订单为高风险订单。
本申请中,当被邀请司机接单之后,服务器可以获取被邀请司机与当前乘客的手机号等信息,根据两者的手机号确定两者的历史匹配次数,当历史匹配次数超过第一预设次数时,确定当前订单为高风险订单。其中,这里的历史匹配次数是指历史订单中被邀请司机被分配为当前乘客的代驾司机的次数。
本申请中通过该实施方式,可以获取被邀请司机与当前乘客是否近期存在多次匹配,如果存在,则确定当前订单存在恶意刷单的可能,解决了传统技术中司机与乘客串通好,执行恶意刷单的问题。
在其中一个实施例中,上述的被邀请司机的位置信息包括多个时刻的位置信息,上述的方法还可以包括:
获取当前订单的预估路线;
将被邀请司机各时刻的位置信息与预估路线进行匹配;
当匹配失败的次数超过第二预设次数时,确定当前订单为高风险订单。
本申请中,服务器可以根据出发地、目的地以及道路信息得到上述的预估路线。
上述的将被邀请司机各时刻的位置信息与预估路线进行匹配,可以包括以下步骤:
利用道格拉斯-普克算法对上述的预估路线进行抽稀点位,得到多个抽样点;
利用GrahamScan(葛立恒扫描法)算法对上述的点位绘制出最小的凸多边形;
将被邀请司机各时刻的位置信息与上述的各多边形进行匹配,若落入上述的多边形内部,则确定该次匹配的结果为匹配成功。
本申请中,上述的第二预设次数可以根据实际需求进行设定。本申请中服务器每隔预设时间获取一次被邀请司机的位置信息,将获取到的位置信息与对应的预估路线上的点进行匹配,每隔预设时间匹配一次,当匹配失败的次数超过预设次数时,确定当前订单为高风险订单。
本申请通过该实施方式,能够识别出当前订单是否存在绕路的风险的订单。
在其中一个实施例中,上述的方法还可以包括:
当随机抽取到被邀请司机需要人脸验证时,向被邀请司机的终端发送人脸识别数据的获取请求;
接收被邀请司机的终端发送的人脸识别数据,并根据人脸识别数据进行人脸识别;
当人脸识别不通过时,将被邀请司机加入预先设定的异常名单中。
本申请中,在完成订单后或者被邀请司机上线前服务器会随机抽取被邀请的司机是否需要进行人脸验证。当随机抽取到当前订单中的被邀请司机需要进行人脸验证时,会向被邀请司机的终端发送人脸识别数据的获取请求,被邀请司机对应的终端响应于该请求展示人脸识别的界面,以采集人脸识别数据上传至服务器,服务器根据接收到的人脸识别数据与预先存储的被邀请司机的身份信息进行匹配,当匹配成功后,确定人脸识别通过,反正,确定不通过,确定不通过后将被邀请司机加入预先设定的异常名单中,以对被邀请司机进行封禁。
本申请通过该实施方式,能够识别出非正常司机,并对其进行封禁。
在其中一种应用场景中,上述的代驾司机拉新活动的风控方法可以包括以下步骤:
步骤1: 被邀请司机扫描邀请司机的邀请码进入到司机注册页面 ;
步骤2: 被邀请司机在注册页面上传身份证,然后进行人脸ocr识别确保是同一个人;
步骤3: 人证匹配通过之后会再查看被邀请司机的背调信息是否在异常名单中,在异常名单中则注册失败;
步骤4: 被邀请司机资料上传完毕之后会进行路考,考试合格之后才可以进行接单;
步骤5: 被邀请司机考试合格之后就可以开始接单;
步骤6: 被邀请司机接单之后会取到被邀请司机与乘客的手机号进行模型匹配是否近期多次匹配,多次匹配则确定当前订单是否为高风险订单;
步骤7: 被邀请司机接到线上单时判断司机接单时候与乘客的物理距离,如果距离小于50米,则确定当前订单是否为高风险订单;
步骤8: 被邀请司机划到已经到达上车点时,会再去判断司机现在的位置与行程的起点的距离,如果超过50米则会给司机弹窗二次确认是否到达上车点,如果司机确认之后,则确定当前订单是否为高风险订单;
步骤9: 被邀请司机划到开始行程,需要对车辆进行拍照,拍照完成之后开始行程;
步骤10: 被邀请司机开始行程之后根据司机上传的点位以及道路信息判断是否使用了mockgps伪造行程,命中伪造行程之后则确定当前订单是否为高风险订单;
步骤11: 被邀请司机行程中会根据司机的点位信息与预估路线通过模型识别司机绕路,则确定当前订单是否为高风险订单;
步骤12: 被邀请司机划动到达目的地后,会再去判断司机当前的点位与终点的位置,如果距离小于50米,则确定当前订单是否为高风险订单;
步骤13: 被邀请司机确认费用之后会对行程中的高风险行为进行模型匹配,如果命中刷单,则确定当前订单是否为高风险订单;
步骤14: 被邀请司机完单之后会对司机进行人脸抽检,不通过则会对司机进行封禁;
步骤15: 当被邀请司机完成的活动订单满足司机拉新活动的要求时候会对邀请司机发放奖励。
在一个实施例中,如图5所示,提供了一种代驾司机拉新活动的风控装置,包括:获取模块11、确定模块12和发送模块13,其中:
获取模块11,用于获取当前订单中被邀请司机以及当前乘客的位置信息;
确定模块12,用于根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单;
发送模块13,用于当被邀请司机完成的订单中存在预设数目的订单为非高风险订单时,向邀请司机对应的终端发送对应的奖励。
在其中一个实施例中,上述的被邀请司机以及当前乘客的位置信息包括接单时被邀请司机以及当前乘客的位置信息,还包括到达目的地时被邀请司机以及当前乘客的位置信息,上述的确定模块12可以根据接单时被邀请司机以及当前乘客的位置信息,确定第一距离,第一距离为接单时被邀请司机与当前乘客的距离,根据到达目的地时被邀请司机以及当前乘客的位置信息,确定第二距离,第二距离为到达目的地时被邀请司机与当前乘客的距离,当第一距离小于第一预设阈值和/或第二距离小于第二预设阈值时,确定当前订单为高风险订单。
在其中一个实施例中,上述的被邀请司机以及当前乘客的位置信息包括到达上车点时被邀请司机以及当前乘客的位置信息,上述的确定模块12可以根据到达上车点时被邀请司机以及当前乘客的位置信息,确定第三距离,第三距离为到达上车点时被邀请司机与当前乘客的距离,当第三距离大于第三预设阈值时,生成提示信息,并将提示信息发送至被邀请司机的终端,提示信息为询问被邀请司机是否到达上车点的信息,当接收到被邀请司机的终端发送的确认信息时,确定当前订单是否为高风险订单。
在其中一个实施例中,上述的确定模块12还可以获取当前订单的道路信息,并根据道路信息获取行程中的目标位置,目标位置包括红绿灯位置信息、拐弯处以及路口,根据被邀请司机的位置信息确定被邀请司机到达目标位置时的速度,当被邀请司机到达目标位置时速度没有减小,确定当前订单为高风险订单。
在其中一个实施例中,上述的确定模块12还可以获取被邀请司机与当前乘客的历史匹配次数,当历史匹配次数超过第一预设次数时,确定当前订单为高风险订单。
在其中一个实施例中,上述的被邀请司机的位置信息包括多个时刻的位置信息,上述的装置还包括匹配模块(图未示),该匹配模块可以获取当前订单的预估路线,将被邀请司机各时刻的位置信息与预估路线进行匹配,当匹配失败的次数超过第二预设次数时,确定当前订单为高风险订单。
在其中一个实施例中,上述的装置还包括抽检模块(图未示),该抽检模块可以当随机抽取到被邀请司机需要人脸验证时,向被邀请司机的终端发送人脸识别数据的获取请求,接收被邀请司机的终端发送的人脸识别数据,并根据人脸识别数据进行人脸识别,当人脸识别不通过时,将被邀请司机加入预先设定的异常名单中。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储智能家居设备的运行数据等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现代驾司机拉新活动的风控方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取当前订单中被邀请司机以及当前乘客的位置信息;根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单;当被邀请司机完成的订单中存在预设数目的订单为非高风险订单时,向邀请司机对应的终端发送对应的奖励。
在一个实施例中,上述的被邀请司机以及当前乘客的位置信息包括接单时被邀请司机以及当前乘客的位置信息,还包括到达目的地时被邀请司机以及当前乘客的位置信息,处理器执行计算机程序实现上述的根据被邀请司机的位置信息以及当前乘客的位置信息确定当前订单是否为高风险订单步骤时,具体实现以下步骤:
根据接单时被邀请司机以及当前乘客的位置信息,确定第一距离,第一距离为接单时被邀请司机与当前乘客的距离;
根据到达目的地时被邀请司机以及当前乘客的位置信息,确定第二距离,第二距离为到达目的地时被邀请司机与当前乘客的距离;
当第一距离小于第一预设阈值和/或第二距离小于第二预设阈值时,确定当前订单为高风险订单。
在一个实施例中,上述的被邀请司机以及当前乘客的位置信息包括到达上车点时被邀请司机以及当前乘客的位置信息,处理器执行计算机程序实现上述的根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单步骤时,具体实现以下步骤:
根据到达上车点时被邀请司机以及当前乘客的位置信息,确定第三距离,第三距离为到达上车点时被邀请司机与当前乘客的距离;
当第三距离大于第三预设阈值时,生成提示信息,并将提示信息发送至被邀请司机的终端,提示信息为询问被邀请司机是否到达上车点的信息;
当接收到被邀请司机的终端发送的确认信息时,确定当前订单是否为高风险订单。
在一个实施例中,处理器执行计算机程序时具体还实现以下步骤:
获取当前订单的道路信息,并根据道路信息获取行程中的目标位置,目标位置包括红绿灯位置信息、拐弯处以及路口;
根据被邀请司机的位置信息确定被邀请司机到达目标位置时的速度;
当被邀请司机到达目标位置时速度没有减小,确定当前订单为高风险订单。
在一个实施例中,处理器执行计算机程序时具体还实现以下步骤:
获取被邀请司机与当前乘客的历史匹配次数;
当历史匹配次数超过第一预设次数时,确定当前订单为高风险订单。
在一个实施例中,上述的被邀请司机的位置信息包括多个时刻的位置信息,处理器执行计算机程序时具体还实现以下步骤:
获取当前订单的预估路线;
将被邀请司机各时刻的位置信息与预估路线进行匹配;
当匹配失败的次数超过第二预设次数时,确定当前订单为高风险订单。
在一个实施例中,处理器执行计算机程序时具体还实现以下步骤:
当随机抽取到被邀请司机需要人脸验证时,向被邀请司机的终端发送人脸识别数据的获取请求;
接收被邀请司机的终端发送的人脸识别数据,并根据人脸识别数据进行人脸识别;
当人脸识别不通过时,将被邀请司机加入预先设定的异常名单中。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取当前订单中被邀请司机以及当前乘客的位置信息;根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单;当被邀请司机完成的订单中存在预设数目的订单为非高风险订单时,向邀请司机对应的终端发送对应的奖励。
在一个实施例中,上述的被邀请司机以及当前乘客的位置信息包括接单时被邀请司机以及当前乘客的位置信息,还包括到达目的地时被邀请司机以及当前乘客的位置信息,计算机程序被处理器执行实现上述的根据被邀请司机的位置信息以及当前乘客的位置信息确定当前订单是否为高风险订单步骤时,具体实现以下步骤:
根据接单时被邀请司机以及当前乘客的位置信息,确定第一距离,第一距离为接单时被邀请司机与当前乘客的距离;
根据到达目的地时被邀请司机以及当前乘客的位置信息,确定第二距离,第二距离为到达目的地时被邀请司机与当前乘客的距离;
当第一距离小于第一预设阈值和/或第二距离小于第二预设阈值时,确定当前订单为高风险订单。
在一个实施例中,上述的被邀请司机以及当前乘客的位置信息包括到达上车点时被邀请司机以及当前乘客的位置信息,计算机程序被处理器执行实现上述的根据被邀请司机以及当前乘客的位置信息确定当前订单是否为高风险订单步骤时,具体实现以下步骤:
根据到达上车点时被邀请司机以及当前乘客的位置信息,确定第三距离,第三距离为到达上车点时被邀请司机与当前乘客的距离;
当第三距离大于第三预设阈值时,生成提示信息,并将提示信息发送至被邀请司机的终端,提示信息为询问被邀请司机是否到达上车点的信息;
当接收到被邀请司机的终端发送的确认信息时,确定当前订单是否为高风险订单。
在一个实施例中,计算机程序被处理器执行时具体还实现以下步骤:
获取当前订单的道路信息,并根据道路信息获取行程中的目标位置,目标位置包括红绿灯位置信息、拐弯处以及路口;
根据被邀请司机的位置信息确定被邀请司机到达目标位置时的速度;
当被邀请司机到达目标位置时速度没有减小,确定当前订单为高风险订单。
在一个实施例中,计算机程序被处理器执行时具体还实现以下步骤:
获取被邀请司机与当前乘客的历史匹配次数;
当历史匹配次数超过第一预设次数时,确定当前订单为高风险订单。
在一个实施例中,上述的被邀请司机的位置信息包括多个时刻的位置信息,计算机程序被处理器执行时具体还实现以下步骤:
获取当前订单的预估路线;
将被邀请司机各时刻的位置信息与预估路线进行匹配;
当匹配失败的次数超过第二预设次数时,确定当前订单为高风险订单。
在一个实施例中,计算机程序被处理器执行时具体还实现以下步骤:
当随机抽取到被邀请司机需要人脸验证时,向被邀请司机的终端发送人脸识别数据的获取请求;
接收被邀请司机的终端发送的人脸识别数据,并根据人脸识别数据进行人脸识别;
当人脸识别不通过时,将被邀请司机加入预先设定的异常名单中。
需要说明的是,上述实施例中所涉及到的,诸如使用人脸识别技术进行人脸识别、验证或者分析以及获取用户的行踪轨迹或者位置信息等都是经过用户授权的,符合国家法律法规的。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种代驾司机拉新活动的风控方法,其特征在于,所述方法包括:
获取当前订单中被邀请司机以及当前乘客的位置信息;
根据所述被邀请司机以及所述当前乘客的位置信息确定所述当前订单是否为高风险订单;
当所述被邀请司机完成的订单中存在预设数目的订单为非高风险订单时,向邀请司机对应的终端发送对应的奖励。
2.根据权利要求1所述的方法,其特征在于,所述被邀请司机以及所述当前乘客的位置信息包括接单时所述被邀请司机以及所述当前乘客的位置信息,还包括到达目的地时所述被邀请司机以及所述当前乘客的位置信息,所述根据所述被邀请司机的位置信息以及所述当前乘客的位置信息确定所述当前订单是否为高风险订单,包括:
根据接单时所述被邀请司机以及所述当前乘客的位置信息,确定第一距离,所述第一距离为接单时所述被邀请司机与所述当前乘客的距离;
根据到达目的地时所述被邀请司机以及所述当前乘客的位置信息,确定第二距离,所述第二距离为到达目的地时所述被邀请司机与所述当前乘客的距离;
当所述第一距离小于第一预设阈值和/或所述第二距离小于第二预设阈值时,确定所述当前订单为所述高风险订单。
3.根据权利要求1所述的方法,其特征在于,所述被邀请司机以及所述当前乘客的位置信息包括到达上车点时所述被邀请司机以及所述当前乘客的位置信息,所述根据所述被邀请司机以及所述当前乘客的位置信息确定所述当前订单是否为高风险订单,包括:
根据到达上车点时所述被邀请司机以及所述当前乘客的位置信息,确定第三距离,所述第三距离为到达上车点时所述被邀请司机与所述当前乘客的距离;
当所述第三距离大于第三预设阈值时,生成提示信息,并将所述提示信息发送至所述被邀请司机的终端,所述提示信息为询问所述被邀请司机是否到达所述上车点的信息;
当接收到所述被邀请司机的终端发送的确认信息时,确定所述当前订单是否为高风险订单。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述当前订单的道路信息,并根据所述道路信息获取行程中的目标位置,所述目标位置包括红绿灯位置信息、拐弯处以及路口;
根据所述被邀请司机的位置信息确定所述被邀请司机到达所述目标位置时的速度;
当所述被邀请司机到达所述目标位置时速度没有减小,确定所述当前订单为所述高风险订单。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述被邀请司机与所述当前乘客的历史匹配次数;
当所述历史匹配次数超过第一预设次数时,确定所述当前订单为高风险订单。
6.根据权利要求1所述的方法,其特征在于,所述被邀请司机的位置信息包括多个时刻的位置信息,所述方法还包括:
获取所述当前订单的预估路线;
将所述被邀请司机各时刻的位置信息与所述预估路线进行匹配;
当匹配失败的次数超过第二预设次数时,确定所述当前订单为高风险订单。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当随机抽取到所述被邀请司机需要人脸验证时,向所述被邀请司机的终端发送人脸识别数据的获取请求;
接收所述被邀请司机的终端发送的人脸识别数据,并根据所述人脸识别数据进行人脸识别;
当所述人脸识别不通过时,将所述被邀请司机加入预先设定的异常名单中。
8.一种代驾司机拉新活动的风控装置,其特征在于,所述装置包括:
获取模块,用于获取当前订单中被邀请司机以及当前乘客的位置信息;
确定模块,用于根据所述被邀请司机以及所述当前乘客的位置信息确定所述当前订单是否为高风险订单;
发送模块,用于当所述被邀请司机完成的订单中存在预设数目的订单为非高风险订单时,向邀请司机对应的终端发送对应的奖励。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,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至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310677514.XA CN116452006A (zh) | 2023-06-08 | 2023-06-08 | 代驾司机拉新活动的风控方法、装置、计算机设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310677514.XA CN116452006A (zh) | 2023-06-08 | 2023-06-08 | 代驾司机拉新活动的风控方法、装置、计算机设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116452006A true CN116452006A (zh) | 2023-07-18 |
Family
ID=87132335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310677514.XA Pending CN116452006A (zh) | 2023-06-08 | 2023-06-08 | 代驾司机拉新活动的风控方法、装置、计算机设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116452006A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934393A (zh) * | 2023-09-15 | 2023-10-24 | 北京龙驹易行科技有限公司 | 代驾订单违规获利的处理方法、系统及计算机设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108507581A (zh) * | 2017-02-28 | 2018-09-07 | 北京嘀嘀无限科技发展有限公司 | 向用户发送行程状态提示信息的方法及装置 |
CN109146506A (zh) * | 2017-06-28 | 2019-01-04 | 北京嘀嘀无限科技发展有限公司 | 审查作弊订单的方法及系统、终端设备、计算机设备 |
CN109756845A (zh) * | 2017-11-01 | 2019-05-14 | 北京嘀嘀无限科技发展有限公司 | 网络约车场景中作弊订单的识别方法和装置 |
WO2019174600A1 (en) * | 2018-03-16 | 2019-09-19 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for reward administering in an on-line service |
CN114565394A (zh) * | 2022-03-04 | 2022-05-31 | 广州宸祺出行科技有限公司 | 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 |
CN114596111A (zh) * | 2022-03-03 | 2022-06-07 | 浙江吉利控股集团有限公司 | 风险识别模型生成方法、装置、设备及存储介质 |
-
2023
- 2023-06-08 CN CN202310677514.XA patent/CN116452006A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108507581A (zh) * | 2017-02-28 | 2018-09-07 | 北京嘀嘀无限科技发展有限公司 | 向用户发送行程状态提示信息的方法及装置 |
CN109146506A (zh) * | 2017-06-28 | 2019-01-04 | 北京嘀嘀无限科技发展有限公司 | 审查作弊订单的方法及系统、终端设备、计算机设备 |
CN109756845A (zh) * | 2017-11-01 | 2019-05-14 | 北京嘀嘀无限科技发展有限公司 | 网络约车场景中作弊订单的识别方法和装置 |
WO2019174600A1 (en) * | 2018-03-16 | 2019-09-19 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for reward administering in an on-line service |
CN114596111A (zh) * | 2022-03-03 | 2022-06-07 | 浙江吉利控股集团有限公司 | 风险识别模型生成方法、装置、设备及存储介质 |
CN114565394A (zh) * | 2022-03-04 | 2022-05-31 | 广州宸祺出行科技有限公司 | 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 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934393A (zh) * | 2023-09-15 | 2023-10-24 | 北京龙驹易行科技有限公司 | 代驾订单违规获利的处理方法、系统及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190139450A1 (en) | Augmenting transport services using driver profiling | |
CN113269901B (zh) | 停车场控制方法、系统及计算机可读存储介质 | |
US20160300242A1 (en) | Driver verification system for transport services | |
CN106559313B (zh) | 拼车的方法和服务器 | |
EP3073768A1 (en) | A method, system and device for determining close proximity of two or more persons | |
CN111430039B (zh) | 防疫信息采集系统、方法、装置、计算机设备和存储介质 | |
US20240154961A1 (en) | Using common identifiers related to location to link fraud across mobile devices | |
CN111275448A (zh) | 人脸数据处理方法、装置和计算机设备 | |
CN110061984A (zh) | 车载系统的账号切换方法、车载系统及车辆 | |
CN116452006A (zh) | 代驾司机拉新活动的风控方法、装置、计算机设备和介质 | |
CN107154080A (zh) | 一种基于nfc的考勤签到系统和方法 | |
CN106464724B (zh) | 运输系统用户检查 | |
CN114093038A (zh) | 停车缴费方法及装置 | |
CN110852191A (zh) | 基于身份验证的预约取车方法及装置、存储介质、终端 | |
CN107818264B (zh) | 环保公益活动监控方法、设备及计算机可读存储介质 | |
CN114415908A (zh) | 显示方法、装置、电子设备及存储介质 | |
CN110912978A (zh) | 一种签到信息生成方法和系统 | |
CN111435503B (zh) | 用于获取电子凭据的方法和装置 | |
CN111131444B (zh) | 一种基于区块链技术的网络课程处理系统 | |
CN109102581B (zh) | 一种打卡方法、装置、系统及存储介质 | |
CN113076533A (zh) | 一种业务处理方法及装置 | |
CN115018024A (zh) | 挪车数据处理方法及装置 | |
CN112365647A (zh) | 通行控制方法、装置、系统及电子设备 | |
CN112561003A (zh) | 车辆离开园区的管理方法及装置、存储介质、终端 | |
CN112070570A (zh) | 智能化的司机端网约车操作方法 |
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 |