CN117236974B - 订单车辆的欺诈识别方法、装置、存储介质及计算机设备 - Google Patents
订单车辆的欺诈识别方法、装置、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN117236974B CN117236974B CN202311531076.2A CN202311531076A CN117236974B CN 117236974 B CN117236974 B CN 117236974B CN 202311531076 A CN202311531076 A CN 202311531076A CN 117236974 B CN117236974 B CN 117236974B
- Authority
- CN
- China
- Prior art keywords
- transportation
- target vehicle
- vehicle
- information
- target
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012544 monitoring process Methods 0.000 claims abstract description 68
- 238000004891 communication Methods 0.000 claims description 78
- 230000004044 response Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 238000013528 artificial neural network Methods 0.000 description 12
- 230000005855 radiation Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种订单车辆的欺诈识别方法、装置、计算机设备以及存储介质,目标车辆通过所述虚拟围栏时,以所述运输终点为基准构建监测区域,并确定虚拟围栏与监测区域之间的区域为连通区域,当目标车辆在连通区域的运输风险满足预设条件时,则获取目标车辆在监测区域中的停留时间以及每次停留对应的停留位置,最后,通过目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,避免在运输过程中,出现换车以及虚假购买车辆等欺诈性的购车行为,由此,可以对订单车辆进行有效的欺诈识别,进而保证了车辆制造商和资金提供方的利益。
Description
技术领域
本申请涉及智能设备技术领域,尤其涉及一种订单车辆的欺诈识别方法、装置、存储介质及计算机设备。
背景技术
汽车制造商通常与经销商合作,由经销商向汽车制造商采购车辆,并对采购的车辆进行销售。然而,在实际销售时,可能会存在不真实的交易,如经销商向汽车制造商上报某一笔车辆交易,但是实际上并没有相应的车辆卖出,可见,目前,订单车辆在交付时的可靠性不佳。
发明内容
基于此,本申请提供一种订单车辆的欺诈识别方法、装置、存储介质及计算机设备,可以对订单车辆进行有效的欺诈识别,保证了车辆制造商和资金提供方的利益,并且,提高了订单车辆交付时的可靠性。
第一方面,本申请实施例提供一种订单车辆的欺诈识别方法,包括:
接收购车订单,并确定所述购车订单对应的目标车辆和所述目标车辆对应的目标识别码;
响应于针对所述目标车辆的出库操作,根据所述购车订单确定所述目标车辆的运输终点;
将所述购车订单和运输终点传输至运输平台,并接收由所述运输平台返回的所述目标车辆的车辆运输信息;
根据所述车辆运输信息预估所述目标车辆达到运输终点的预估到达时间,并基于所述预估到达时间以及所述运输终点预设范围内的热度信息,建立所述运输终点对应的虚拟围栏;
当检测到所述目标车辆通过所述虚拟围栏时,以所述运输终点为基准构建监测区域,并确定所述虚拟围栏与所述监测区域之间的区域为连通区域;
获取所述目标车辆在所述连通区域中的区域运输信息,并构建所述区域运输信息对应的图运输特征;
基于所述图运输特征预估所述目标车辆在所述连通区域运输时的运输风险;
当所述运输风险满足预设条件时,则获取所述目标车辆在所述监测区域中的停留时间以及每次停留对应的停留位置;
根据所述目标识别码、停留时间、每次停留对应的停留位置以及所述目标车辆的车证信息,输出所述目标车辆对应的欺诈识别信息。
可选地,在本申请的一些实施例中,所述根据所述目标识别码、停留时间、每次停留对应的停留位置以及所述目标车辆的车证信息,输出所述目标车辆对应的欺诈识别信息,包括:
检测所述停留时间是否大于预设值;
当检测到所述停留时间大于预设值时,则检测最后一次停留对应的停留位置是否位于所述运输终点对应的终点区域;
若最后一次停留对应的停留位置位于所述运输终点对应的终点区域时,则根据所述目标识别码、目标车辆的车辆信息和车证信息,输出所述目标车辆对应的欺诈识别信息;
若最后一次停留对应的停留位置不位于所述运输终点对应的终点区域时,则获取所述目标车辆对应的实时拍摄的当前识别码,基于所述目标识别码、当前识别码、每次停留对应的停留位置以及目标车辆的车辆信息,输出所述目标车辆对应的欺诈识别信息。
可选地,在本申请的一些实施例中,所述若最后一次停留对应的停留位置位于所述运输终点对应的终点区域时,则根据所述目标识别码、目标车辆的车辆信息和车证信息,输出所述目标车辆对应的欺诈识别信息,包括:
若最后一次停留对应的停留位置位于所述运输终点对应的终点区域时,获取所述目标车辆的车辆信息和车证信息;
检测所述车辆信息和车证信息是否匹配;
当检测到所述车辆信息和车证信息匹配时,确定所述车证信息对应的车辆证件的领取秘钥,并获取所述目标车辆的贷款结算信息;
当所述贷款结算信息指示所述目标车辆的贷款结算完毕时,则下发领取秘钥至购车厂商,并输出所述目标车辆对应的安全提示至资金提供方。
可选地,在本申请的一些实施例中,还包括:
当检测到所述车辆信息和车证信息不匹配时,确定所述目标车辆为欺诈车辆,并输出所述目标车辆对应的欺诈提示至资金提供方。
可选地,在本申请的一些实施例中,所述若最后一次停留对应的停留位置不位于所述运输终点对应的终点区域时,则获取所述目标车辆对应的实时拍摄的当前识别码,基于所述目标识别码、当前识别码、每次停留对应的停留位置以及目标车辆的车辆信息,输出所述目标车辆对应的欺诈识别信息,包括:
检测所述目标识别码和当前识别码是否一致;
当检测到所述目标识别码和当前识别码一致时,预估所述目标车辆从当前位置运输至运输终点的预估时长,并基于所述预估时长以及从当前位置运输至运输终点的运输路线,输出所述目标车辆对应的欺诈识别信息,
当检测到所述目标识别码和当前识别码不一致时,确定所述目标车辆为欺诈车辆;
输出所述目标车辆对应的欺诈提示至资金提供方和平台方,并将所述目标车辆对应的购车订单标记为欺诈订单。
可选地,在本申请的一些实施例中,所述基于所述预估时长以及从当前位置运输至运输终点的运输路线,输出所述目标车辆对应的欺诈识别信息,包括:
构建从当前位置运输至运输终点的运输路线,并确定所述运输路线对应的路线点;
基于所述预估时长,确定从当前位置运输至每个路线点的实际抵达时间;
若所述目标车辆从当前位置运输路线点的实际抵达时间大于预估时间时,则输出所述目标车辆对应的延误欺诈识别;
若所述目标车辆在运输时偏离所述运输路线时,则输出偏离风险至平台方和司机方;若在预设时间内接收到由司机方上传偏航原因时,则将所述偏离风险更新为延误风险。
可选地,在本申请的一些实施例中,所述构建所述区域运输信息对应的图运输特征,包括:
从所述运输信息中提取所述目标车辆在所述连通区域的运输中断点、中断时长以及运输中断的中断次数;
获取所述连通区域对应的路网地图,并提取所述路网地图对应的地图特征;
建立所述运输中断点与中断时长之间的关联关系;
将所述关联关系以及所述中断次数融合至所述地图特征中,得到所述区域运输信息对应的图运输特征。
可选地,在本申请的一些实施例中,所述基于到达所述预估到达时间以及所述运输终点预设范围内的热度信息,建立所述运输终点对应的虚拟围栏,包括:
获取预设的时间提前量,并基于所述时间提前量和预估到达时间,获取所述运输终点预设范围内的热度信息;
基于所述预估到达时间和热度信息,确定虚拟围栏的辐射范围;
以所述运输终点为基准,根据所述辐射范围建立所述运输终点对应的虚拟围栏。
第二方面,本申请实施例还提供一种订单车辆的欺诈识别装置,包括:
接收模块,用于接收购车订单,并确定所述购车订单对应的目标车辆和所述目标车辆对应的目标识别码;
确定模块,用于响应于针对所述目标车辆的出库操作,根据所述购车订单确定所述目标车辆的运输终点;
传输模块,用于将所述购车订单和运输终点传输至运输平台,并接收由所述运输平台返回的所述目标车辆的车辆运输信息;
建立模块,用于根据所述车辆运输信息预估所述目标车辆达到运输终点的预估到达时间,并基于所述预估到达时间以及所述运输终点预设范围内的热度信息,建立所述运输终点对应的虚拟围栏;
构建模块,用于当检测到所述目标车辆通过所述虚拟围栏时,以所述运输终点为基准构建监测区域,并确定所述虚拟围栏与所述监测区域之间的区域为连通区域;
第一获取模块,用于获取所述目标车辆在所述连通区域中的区域运输信息,并构建所述区域运输信息对应的图运输特征;
预估模块,用于基于所述图运输特征预估所述目标车辆在所述连通区域运输时的运输风险;
第二获取模块,用于当所述运输风险满足预设条件时,则获取所述目标车辆在所述监测区域中的停留时间以及每次停留对应的停留位置;
输出模块,用于根据所述目标识别码、停留时间、每次停留对应的停留位置以及所述目标车辆的车证信息,输出所述目标车辆对应的欺诈识别信息。
第三方面,本申请实施例提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器上述订单车辆的欺诈识别方法的步骤。
第四方面,本申请实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述订单车辆的欺诈识别方法的步骤。
本申请实施例提供一种订单车辆的欺诈识别方法、装置、存储介质及计算机设备,在接收购车订单,并确定所述购车订单对应的目标车辆和所述目标车辆对应的目标识别码后,响应于针对所述目标车辆的出库操作,根据所述购车订单确定所述目标车辆的运输终点,接着,将所述购车订单和运输终点传输至运输平台,并接收由所述运输平台返回的所述目标车辆的车辆运输信息,再然后,根据所述车辆运输信息预估所述目标车辆达到运输终点的预估到达时间,并基于所述预估到达时间以及所述运输终点预设范围内的热度信息,建立所述运输终点对应的虚拟围栏,当检测到所述目标车辆通过所述虚拟围栏时,以所述运输终点为基准构建监测区域,并确定所述虚拟围栏与所述监测区域之间的区域为连通区域,接着,获取所述目标车辆在所述连通区域中的区域运输信息,并构建所述区域运输信息对应的图运输特征,然后,基于所述图运输特征预估所述目标车辆在所述连通区域运输时的运输风险,当所述运输风险满足预设条件时,则获取所述目标车辆在所述监测区域中的停留时间以及每次停留对应的停留位置,最后,根据所述目标识别码、停留时间、每次停留对应的停留位置以及所述目标车辆的车证信息,输出所述目标车辆对应的欺诈识别信息。在本申请提供的订单车辆的欺诈识别方案中,基于预估到达时间以及运输终点预设范围内的热度信息,建立所述运输终点对应的虚拟围栏,在目标车辆通过所述虚拟围栏时,以所述运输终点为基准构建监测区域,并预估目标车辆在途经虚拟围栏和监测区域之间的区域时,目标车辆对应的运输风险,当运输风险满足预设条件时,通过目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,利用两次风险监控避免在运输过程中,出现换车以及虚假购买车辆等欺诈性的购车行为,由此,可以对订单车辆进行有效的欺诈识别,保证了车辆制造商和资金提供方的利益,并且,提高了订单车辆交付时的可靠性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1是本申请实施例提供的订单车辆的欺诈识别方法的场景示意图;
图2是本申请实施例提供的订单车辆的欺诈识别方法的流程图;
图3是本申请实施例提供的订单车辆的欺诈识别方法的界面示意图;
图4是本申请实施例提供的订单车辆的欺诈识别方法的另一界面示意图;
图5是本申请实施例提供的订单车辆的欺诈识别方法的另一场景示意图;
图6是本申请实施例提供的订单车辆的欺诈识别方法的又一界面示意图;
图7是本申请实施例提供的订单车辆的欺诈识别方法的再一界面示意图;
图8是本申请实施例提供的订单车辆的欺诈识别装置的结构示意图;
图9是本申请提供的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请提供一种订单车辆的欺诈识别方法、装置、存储介质及计算机设备。
其中,本申请提供的订单车辆的欺诈识别装置可以集成在计算机设备中,该计算机设备可以通过有线或无线通信方式进行直接或间接地与计算机设备进行连接,计算机设备可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱或智能手表等,但并不局限于此。此外,计算机设备也可以与服务器进行连接,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,本申请在此不做限制。
例如,请参阅图1,本申请提供一种订单车辆的欺诈识别系统,该欺诈识别系统包括欺诈识别方10、经销方20、车商30以及资金提供方40,该订单车辆的欺诈识别装置集成在欺诈识别方10中。欺诈识别方10在接收购车订单,并确定购车订单对应的目标车辆和目标车辆对应的目标识别码后,欺诈识别方10响应于经销方20针对目标车辆的出库操作,根据购车订单确定目标车辆的运输终点,接着,欺诈识别方10将购车订单和运输终点传输至运输平台,并接收由运输平台返回的目标车辆的车辆运输信息,再然后,欺诈识别方10根据车辆运输信息预估目标车辆达到运输终点的预估到达时间,并基于预估到达时间以及运输终点预设范围内的热度信息,建立运输终点对应的虚拟围栏。欺诈识别方10当检测到目标车辆通过虚拟围栏时,以运输终点为基准构建监测区域,并确定虚拟围栏与监测区域之间的区域为连通区域。接着,欺诈识别方10获取目标车辆在连通区域中的区域运输信息,并构建区域运输信息对应的图运输特征。当运输风险满足预设条件时,欺诈识别方10获取目标车辆在监测区域中的停留时间以及每次停留对应的停留位置,最后,欺诈识别方10根据目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,输出目标车辆对应的欺诈识别信息。
本申请提供的订单车辆的欺诈识别方法,基于预估到达时间以及运输终点预设范围内的热度信息,建立所述运输终点对应的虚拟围栏,在目标车辆通过所述虚拟围栏时,以所述运输终点为基准构建监测区域,并预估目标车辆在途经虚拟围栏和监测区域之间的区域时,目标车辆对应的运输风险,当运输风险满足预设条件时,通过目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,利用两次风险监控避免在运输过程中,出现换车以及虚假购买车辆等欺诈性的购车行为,由此,可以对订单车辆进行有效的欺诈识别,保证了车辆制造商和资金提供方的利益,并且,提高了订单车辆交付时的可靠性。
本申请一种订单车辆的欺诈识别方法,包括:接收购车订单,并确定购车订单对应的目标车辆和目标车辆对应的目标识别码;响应于针对目标车辆的出库操作,根据购车订单确定所述目标车辆的运输终点;将购车订单和运输终点传输至运输平台,并接收由运输平台返回的目标车辆的车辆运输信息;根据车辆运输信息预估目标车辆达到运输终点的预估到达时间,并基于预估到达时间以及运输终点预设范围内的热度信息,建立运输终点对应的虚拟围栏;当检测到目标车辆通过虚拟围栏时,以运输终点为基准构建监测区域,并确定所述虚拟围栏与所述监测区域之间的区域为连通区域;获取目标车辆在所述连通区域中的区域运输信息,并构建区域运输信息对应的图运输特征;基于图运输特征预估目标车辆在连通区域运输时的运输风险;当运输风险满足预设条件时,则获取目标车辆在监测区域中的停留时间以及每次停留对应的停留位置;根据目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,输出目标车辆对应的欺诈识别信息。
请参阅图2,图2为本申请提供的订单车辆的欺诈识别方法的流程示意图。该订单车辆的欺诈识别方法的具体流程可以如下:
101、接收购车订单,并确定购车订单对应的目标车辆和目标车辆对应的目标识别码。
在本申请中,购车订单指的是由经销方(或经销商)向汽车制造商(或汽车制造方)发起购车的订单,车辆对应的识别码又称车辆识别代码(Vehicle IdentificationNumber,VIN),VIN是由17位字符组成,所以俗称十七位码。正确解读VIN码,VIN就是汽车的身份证号,它根据国家车辆管理标准确定,包含了车辆的生产厂家、年代、车型、车身型式及代码、发动机代码及组装地点等信息。新的行驶证在“车架号”一栏一般都打印VIN码。目标车辆指的是购车订单所对应的车辆,该目标车辆可以是一台,也可以是多台,具体可以根据实际情况进行设置,为了便于描述,本申请实施例以一台目标车辆进行说明。可选地,在一些实施例中,可以手工拍摄目标车辆对应的目标识别码,也可以通过可读取车辆VIN码的车载诊断系统(On-Board Diagnostics,OBD),OBD与GPS的区别是既可定位,也可读车架号,具体采用何种方式确定目标车辆对应的VIN码可以根据实际情况进行选择。
102、响应于针对目标车辆的出库操作,根据购车订单确定目标车辆的运输终点。
针对目标车辆的出库操作是由经销商所发起的,比如,经销商在交付平台中点击车辆出库按钮,触发针对目标车辆的出库操作,订单车辆的欺诈识别平台响应于针对目标车辆的出库操作,购车订单可以携带有购买方的信息、目标车辆的交付地点以及交付时间等,故,可以从购车订单中提取目标车辆的运输终点(即交付地点)。当然,在一些实施例中,交付地点和运输终点可能不是同样的地点,如,交付地点为某某4S店,而运输终点为该4S店对应的仓库等等。
103、将购车订单和运输终点传输至运输平台,并接收由运输平台返回的目标车辆的车辆运输信息。
在确定购车订单和运输终点,将购车订单和运输终点传输至运输平台,由运输平台根据购车订单和运输终点,生成相应的车辆运输信息,然后,运输平台可以将该车辆运输信息上传至欺诈识别平台。其中,运输平台可以是货运调度平台, 用于对货物(如目标车辆)进行调度,如将目标车辆从A点运输至B点等等。
104、根据车辆运输信息预估目标车辆达到运输终点的预估到达时间,并基于到达预估到达时间以及运输终点预设范围内的热度信息,建立运输终点对应的虚拟围栏。
围栏是人们为了圈养各种牲畜而设置的障碍物,本申请实施例提供的虚拟围栏是用于后续触发对目标车辆进行停留位置和停留时间的监测。热度信息用于指示某个地点在某时段的车流量、人流量以及活动情况(如商业活动等)的丰富程度。
可选地,可以从车辆运输信息中提取车辆运输的起始时间、运输起点以及运输终点,然后,构建从运输起点移动至运输终点的运输路线,具体可以基于预设预估模型预估走完运输路线的耗时,并结合起始时间,预估目标车辆达到运输终点的预估到达时间预设预估模型可以是基于规则、基于树或基于神经网络的模型,基于规则的模型可以根据路线中每个路段的长度、速度、红绿灯等路线特征,利用预估规则估计出每个路段的通过时间,再加上每个路口的通过时间,将通过时间累加起来构成运输路线耗时。基于树的模型的方案中,可以先提取出运输路线的路线特征,路线特征例如全程总路程、预定出发时刻的全程平均速度、全程红绿灯总数、全程拥堵里程占比等特征,然后将这些路线特征输入到基于树的模型中,得到模型输出的运输路线的耗时;其中,基于树的模型例如基于梯度提升决策树(Gradient Boosting Decision Tree,GBDT)的模型。基于神经网络的模型的方案中,可以先提取出运输路线的路线特征或运输路线中每个路段的路线特征,将路线特征输入基于神经网络的模型,得到模型输出的运输路线的耗时;其中,神经网络的网络结构可以是卷积神经网络(Convolutional Neural Network,CNN))、循环神经网络(Recurrent NeuralNetwork,RNN)等。
具体的,若目标车辆预估到达时间为5月2日的下午5点30分,那么,则可以获取运输终点在5月2日的下午5点时半径10公里内的热度信息,即,提前获取运输终点预设范围内的热度信息,并基于该热度信息建立运输终点对应的虚拟围栏。其中,虚拟围栏距离运输终点的距离根据热度信息而定,比如,若半径10公里内的热度信息指示:在预设范围内车流量大,且存在商业演出活动,那么,则将虚拟围栏距离运输终点的距离设置为10公里,即,预设范围的最大值;若10公里内的热度信息指示:在预设范围内车流量小,那么则可以将虚拟围栏距离运输终点的距离设置为3公里,具体可以根据实际情况进行设置,也即,可选地,在一些实施例中,步骤“基于预估到达时间以及运输终点预设范围内的热度信息,建立运输终点对应的虚拟围栏”,具体可以包括:
获取预设的时间提前量,并基于时间提前量和预估到达时间,获取运输终点预设范围内的热度信息;
基于预估到达时间和热度信息,确定虚拟围栏的辐射范围;
以运输终点为基准,根据辐射范围建立运输终点对应的虚拟围栏。
其中,时间提前量是预先设定的,具体可以根据实际情况进行设置,比如,运输路线的耗时为4个小时,那么可以将时间提前量设置为30分钟,即,在到达预估到达时间前的30分钟,获取运输终点预设范围内的热度信息;又比如,运输路线的耗时为30分钟,那么可以将时间提前量设置为10分钟,即,在到达预估到达时间前的10分钟,获取运输终点预设范围内的热度信息。
进一步的,预估到达时间为2月3日下午5点30分,那么,则可以获取2月3日下午5点运输终点预设范围内的热度信息,预设范围可以是运输终点半径5公里,接着,基于预估到达时间和热度信息,确定虚拟围栏的辐射范围。若热度信息指示,在2月3日下午5点运输终点附近的车流量较大,为了更好地对目标车辆进行监测,可以将运输终点半径10公里内的范围确定为虚拟围栏的辐射范围,最后,以运输终点为基准,根据辐射范围建立运输终点对应的虚拟围栏,该虚拟围栏的样式可以为一条线段,也可以为封闭的图形如圆形或矩形,具体可以根据实际情况进行设置。
105、当检测到目标车辆通过虚拟围栏时,以运输终点为基准构建监测区域,并确定虚拟围栏与监测区域之间的区域为连通区域。
其中,该连通区域为与监测区域连接的区域,该连通区域可以是与监测区域连通的高速路、快速路或国道等,也可以是由系统根据监测区域的尺寸以及虚拟围栏与监测区域之间的相对位置所划分的区域,具体可以根据实际情况进行设置。
可选地,在一些实施例中,连通区域对应的形状为直线段,将连通区域的形状设置为直线段的目的是在于:可以基于目标车辆通过该连通区域的耗时,判定目标车辆是否存在换车的风险。需要说明的是,由于连通区域是与监测区域连通的高速路、快速路或国道等,对于这些区域,连通区域的区域图像或区域视频的获取难度较大,并且,区域图像或区域视频也可能存在图像质量的问题,不便于后续进行欺诈识别,故,在本申请中,通过设置连通区域,以便后续预估目标车辆通过连通区域的时间,进而进行欺诈识别。
106、获取目标车辆在连通区域中的区域运输信息,并构建区域运输信息对应的图运输特征。
其中,区域运输信息包括在目标车辆在该连通区域中的运输时长、运输速度、运输中断点、运输中断点对应的中断时长以及运输中断的中断次数等信息。需要说明的是,在该连通区域中的运输时长、运输速度以及运输中断点等信息,与连通区域对应的路网地图相关联,故,在后续构建区域运输信息对应的图运输特征时,可以利用连通区域对应的路网地图进行构建,即,可选地,在一些实施例中,步骤“构建区域运输信息对应的图运输特征”,具体可以包括:
从运输信息中提取目标车辆在连通区域的运输中断点以及中断时长;
获取连通区域对应的路网地图,并提取路网地图对应的地图特征;
建立运输中断点与中断时长之间的关联关系;
将关联关系融合至地图特征中,得到区域运输信息对应的图运输特征。
路网(road network)指的是在一定区域内,由各种道路组成的相互联络、交织成网状分布的道路系统。例如,具体的,在获取连通区域对应的路网地图后,提取路网地图对应的地图特征,然后,基于目标车辆在进入连通区域每一时刻的位置以及运输中断点与中断时长之间的关联关系,构建目标车辆在该连通区域中对应的邻接矩阵,其中,该邻接矩阵的顶点V为目标车辆在该连通区域不同时刻的位置,边连接相邻的运输中断点(运输终端点也为邻接矩阵的顶点V),然后,基于中断时长的值,分配每个顶点V的权重,最后,得到区域运输信息对应的图运输特征。顶点V的权重反应在该位置出现欺诈的概率,即,顶点V的权重越大,在顶点出现欺诈的概率则越高。其中,中断时长的值越大,顶点V的权重越大;中断时长的值越小,顶点V的权重越小。原因是:在运输目标车辆时,若出现拆卸定位设备的情况,其需要停下运输车进行拆卸,因此,其会在某一个地方停留长时间进行拆卸定位设备。然而,为了避免将堵车这种情况纳入欺诈风险中,故,首先提取的是路网地图的地图特征,该地图特征不仅携带有路线连通的情况,还携带有每条路线的拥堵情况;若目标车辆在A点的停留时间为1小时,在B点的停留时间也为1小时,通过图特征可知,目标车辆在经过A点时拥堵,经过B点时顺畅,那么A点对应的顶点的权重则小于B点对应的顶点的权重,即,通过地图特征所携带的拥堵信息对权重进行调整。
具体的,可以建立运输中断点与中断时长之间的关联关系,然后,基于运输终点和地图特征,构建运输信息对应的初始图特征,该初始图特征的顶点为目标车辆在连通区域的运输中断点,接着,根据运输中断点与中断时长之间的关联关系,确定每个运输中断点对应的中断时长,并基于对象的中断时长赋予每个运输中断点(即顶点)对应的基础权重,最后,基于地图特征所携带的拥堵信息对基础权重进行调整,从而得到区域运输信息对应的图运输特征。
107、基于图运输特征预估目标车辆在连通区域运输时的运输风险。
进一步的,将上述图运输特征输入至预先构建的图神经网络中,该图神经网络用于预估图运输特征中每个点存在运输风险的可能,即,可选地,该图神经网络可以预估图运输特征中每个点是否存在运输风险;也可以预估图运输特征中每个点存在运输风险的概率。
其中,运输风险与运输中断点离运输终点的距离、运输中断点附近的道路信息以及运输中断点对应的中断时长这些因素相关,即,图神经网络在训练时,会将运输风险考虑进去,比如,样本中断点A的中断时长为t1,样本中断点所在的位置为郊区,样本中断点B的中断时长为t2,样本中断点所在的位置为市区,且t2大于t1,即便样本中断点B的中断时长大于样本中断点A的中断时长,在样本中断点A的换车风险是大于样本中断点B的换车风险,此时,将样本中断点A的运输风险标注为高,然后,再将包含样本中断点A和样本中断点B的样本图特征输入至图神经网络中,由图神经网络输出样本中断点A和样本中断点B对应的预估风险,并基于预估风险和标注风险,训练图神经网络,使得后续的图神经网络具备预估目标车辆在连通区域运输时的运输风险的能力。
当预估得到目标车辆在连通区域的某个位置的运输风险为存在运输风险,则输出该目标车辆对应的欺诈运输风险,并发送存在欺诈运输风险的位置至资金提供方以及车辆制造商,如输出欺诈运输风险的风险界面至资金提供方以及车辆制造商,如图3所示。同时,可以获取高欺诈运输风险对应的风控策略,如标注该目标车辆,并提示资金提供方以及车辆制造商需对其进行线下核验等等,如图4所示。
当预估得到目标车辆在连通区域的所有位置均不存在运输风险时,则执行步骤108。
108、当运输风险满足预设条件时,则获取目标车辆在监测区域中的停留时间以及每次停留对应的停留位置。
可以理解的是,目标车辆上装载有全球定位系统(Global Positioning System,GPS),并且,目标车辆是由运输车辆进行运输的,故,可以通过目标车辆的GPS判断目标车辆是否通过虚拟围栏,当然,也可以通过装载在目标车辆上的北斗卫星导航系统(BeidouNavigation Satellite System,BDS)判断目标车辆是否通过虚拟围栏,具体可以根据实际情况进行选择。当检测到目标车辆通过虚拟围栏时,则以运输终点为基准构建监测区域,该监测区域的形状和尺寸可以根据实际情况而定。
在监测区域内,持续监测目标车辆的停留时间以及每次停留对应的停留位置。需要说明的是,产生停留的原因可能是因为堵车、等红绿灯或是将GPS从目标车辆转移至其他车辆,故,后续结合停留时间和停留位置对目标车辆进行欺诈识别。
109、根据目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,输出目标车辆对应的欺诈识别信息。
例如,具体的,利用停留时间粗预估目标车辆在监测区域中存在欺诈行为的风险,并在该次预估后,结合目标识别码、每次停留对应的停留位置以及目标车辆的车证信息,输出目标车辆对应的欺诈识别信息,即,可选地,在一些实施例中,步骤“根据目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,输出目标车辆对应的欺诈识别信息”,具体可以包括:
检测停留时间是否大于预设值;
当检测到停留时间大于预设值时,则检测停留时间大于预设值对应的停留位置是否位于运输终点对应的终点区域;
若停留时间大于预设值对应的停留位置位于运输终点对应的终点区域时,则根据目标识别码、目标车辆的车辆信息和车证信息,输出目标车辆对应的欺诈识别信息;
若停留时间大于预设值对应的停留位置不位于运输终点对应的终点区域时,则获取目标车辆对应的实时拍摄的当前识别码,基于目标识别码、当前识别码、每次停留对应的停留位置以及目标车辆的车辆信息,输出目标车辆对应的欺诈识别信息。
目标车辆出现的停留可能是由于堵车、换车、刹车、等候红绿灯或司机停车休息所造成的,因此,会了避免后续出现误识别的情况,故,在本申请中,首先检测的是目标车辆的停留时间是否大于预设值,该预设值可以根据实际情况进行设置的。比如,可以将预设值设置为60秒,也可以将预设值设置为120秒。可选地,在一些实施例中,该预设值可以根据实际路网中红绿灯的等候时间进行设置,即,目标车辆在a点出现停留时,则获取a点附近最近的红绿灯的等候时间,将该等候时间确定为预设值;当目标车辆在a点停留的时间大于预设值时,则进入后续流程。
进一步的,检测停留时间大于预设值对应的停留位置是否位于运输终点对应的终点区域。若停留时间大于预设值对应的停留位置位于运输终点对应的终点区域时,则表明此时目标车辆已经送到终点区域,此时,则验证目标识别码、车辆信息以及车证信息是否一致,从而输出相应的欺诈识别信息。若停留时间大于预设值对应的停留位置不位于运输终点对应的终点区域时,即表明,目标车辆在进入终点区域之前,存在长时间的停留,存在换车的风险,此时,则基于目标识别码、当前识别码、每次停留对应的停留位置以及目标车辆的车辆信息,输出目标车辆对应的欺诈识别信息。
通过检测停留时间大于预设值对应的停留位置是否位于运输终点,采用不同的处理方式对目标车辆识别欺诈风险,由此,可以灵活地处理不同的欺诈风险(如换车或换证)等。
针对于停留位置位于运输终点的车辆而言,此时,则可以检测实体(即目标车辆)与标识(即目标识别码和车证信息)三者是否匹配,只有三者同时匹配时,才可以确定当前交易不存在欺诈的行为,此时,则可以确定车证信息对应的车辆证件的领取秘钥,同时,获取目标车辆的贷款结算信息。在贷款结算完毕时,下发领取秘钥至购车厂商,并输出目标车辆对应的安全提示至资金提供方,即,可选地,在一些实施例中,步骤“若停留时间大于预设值对应的停留位置位于运输终点对应的终点区域时,则根据目标识别码、目标车辆的车辆信息和车证信息,输出目标车辆对应的欺诈识别信息”,具体可以包括:
若停留时间大于预设值对应的停留位置位于运输终点对应的终点区域时,获取目标车辆的车辆信息和车证信息;
检测目标识别码、车辆信息和车证信息是否匹配;
当检测到目标识别码、车辆信息和车证信息匹配时,确定车证信息对应的车辆证件的领取秘钥,并获取目标车辆的贷款结算信息;
当贷款结算信息指示目标车辆的贷款结算完毕时,则下发领取秘钥至购车厂商,并输出目标车辆对应的安全提示至资金提供方。
例如,具体的,本申请提供一种订单车辆的欺诈识别系统,如图5所示,包括欺诈识别平台S1以及与欺诈识别平台关联的车证领取柜S2。在欺诈识别平台S1检测到目标识别码、车辆信息和车证信息匹配后,获取目标车辆的车证信息以及贷款结算信息。然后,将车证信息中车辆识别码(即目标识别码)进行随机重组,如调整车辆识别码中字符的排序、或分割车辆识别码的字符等等,接着,将利用重组后的车辆识别码生成加密公钥和加密秘钥,再然后,利用加密公钥对存储有车证信息对应的车辆证件的车证领取柜S2的界面进行加密。当贷款结算信息指示目标车辆的贷款结算完毕时,则下发领取秘钥(即加密秘钥)至购车厂商,购车厂商需输入正确地领取秘钥后,才可以执行后续操作,如图6所示。同时,输出目标车辆对应的安全提示至资金提供方。当购车厂商将加密私钥输入车证领取柜S2的界面后,则显示领取码对应的界面,该领取码为运输平台发送的,购车上需要输入领取码后,才可以打开车证领取柜S2,从而取得相应的车辆证件,如图7所示。需要说明的是,在贷款未结算完成(即购车厂商有欠款)时,购车厂商是获取不到加密私钥的。此时,若购车厂商在车证领取柜S2的界面连续输入3次错误的秘钥后,则冻结该车证领取柜S2,并提示需要人工进行解锁,由此,通过二次验证(一次秘钥验证以及一次领取码验证)的方式,避免购车商非法获取到目标车辆对应的车辆证件,导致汽车制造商或资金提供方(如银行或金融机构)出现资金损失的情况。
可选地,在一些实施例中,本申请的欺诈识别方法具体还可以包括:当检测到目标识别码、车辆信息和/或车证信息不匹配时,确定目标车辆为欺诈车辆,并输出目标车辆对应的欺诈提示至资金提供方。
可以理解的是,当三者中存在至少两方的信息不匹配时,则确定目标车辆为欺诈车辆,同时输出目标车辆对应的欺诈提示至资金提供方,如标记该目标车辆存在欺诈的行为,或目标车辆的车与证件信息不匹配,请核实等提示,具体可以根据实际情况进行设置。
需要说明的是,当停留时间大于预设值对应的停留位置不位于运输终点对应的终点区域时,不仅需要获取当前的停留位置,还需要获取当前位置之前的历史停留位置,该历史停留位置不仅包括停留时长大于预设值的位置,还包括停留时长小于或等于预设值的位置,由此,进行欺诈识别风险的预估。
可选地,在一些实施例中,步骤“若停留时间大于预设值对应的停留位置不位于运输终点对应的终点区域时,则获取目标车辆对应的实时拍摄的当前识别码,基于目标识别码、当前识别码、每次停留对应的停留位置以及目标车辆的车辆信息,输出目标车辆对应的欺诈识别信息”,具体可以包括:
检测目标识别码和当前识别码是否一致;
当检测到目标识别码和当前识别码一致时,预估目标车辆从当前位置运输至运输终点的预估时长,并基于预估时长以及从当前位置运输至运输终点的运输路线,输出目标车辆对应的欺诈识别信息;
当检测到目标识别码和当前识别码不一致时,确定目标车辆为欺诈车辆;输出目标车辆对应的欺诈提示至资金提供方和平台方,并将目标车辆对应的购车订单标记为欺诈订单。
例如,具体的,若停留时间大于预设值对应的停留位置不位于运输终点对应的终点区域时,则下发“请实时拍摄识别码”的指示至运输平台,并由运输平台将该指示发送至司机的客户端,也可以直接发送指示至司机的手机,具体可以根据实际情况进行设置。当检测到目标识别码和当前识别码一致时,预估目标车辆从当前位置运输至运输终点的预估时长,并基于预估时长以及从当前位置运输至运输终点的运输路线,输出目标车辆对应的欺诈识别信息。目标车辆的设定运输路线为L1,其设定运输时长为T,而在检测到目标车辆的停留时间大于预设值对应的停留位置不位于运输终点对应的终点区域时,当检测到目标识别码和当前识别码一致,预估目标车辆从当前位置运输至运输终点的预估时长为t1,且当前位置位于路线L1上,设从当前位置运输至运输终点的实际时长为t2,若t1=t2,则输出运输该目标车辆不存在欺诈风险;若t1<t2,则输出运输该目标车辆存在时延,不存在欺诈风险;若t1<t2,且t2>T,此时,则输出运输该目标车辆存在欺诈风险,该欺诈风险为:目标车辆存在对倒交易的风险,即,目标车辆可能从运输起点经过运输终点后,再次运回运输起点,此时,标注目标车辆为欺诈车辆,并提示资金提供方和平台方,同时,发出风险警告至购车厂商。
当检测到目标识别码和当前识别码不一致时,确定目标车辆为欺诈车辆,此时,可以确定目标车辆存在换车欺诈的风险,然后,输出目标车辆对应的欺诈提示至资金提供方和平台方,并将目标车辆对应的购车订单标记为欺诈订单。
可选地,在一些实施例中,步骤“基于预估时长以及从当前位置运输至运输终点的运输路线,输出目标车辆对应的欺诈识别信息”,具体可以包括:
构建从当前位置运输至运输终点的运输路线,并确定运输路线对应的路线点;
基于预估时长,确定从当前位置运输至每个路线点的实际抵达时间;
若目标车辆从当前位置运输路线点的实际抵达时间大于预估时间时,则输出目标车辆对应的延误欺诈识别;
若目标车辆在运输时偏离运输路线时,则输出偏离风险至平台方和司机方;若在预设时间内接收到由司机方上传偏航原因时,则将偏离风险更新为延误风险。
需要说明的是,可能存在交通管制或交通事故等客观因素导致目标车辆在运输时偏离运输路线,针对于这种情况,输出偏离风险至平台方和司机方,也可以输出偏离风险至平台方和运输平台方,由运输平台方转发该偏离风险司机方;若在预设时间内接收到由司机方上传偏航原因时,则将偏离风险更新为延误风险;若在预设时间内未接收到由司机方上传偏航原因时,再次发送偏离风险至司机方;若在第二次发送后依然在预设时间内未接收到由司机方上传偏航原因时,可以输出语音对话提示至司机方,通过人工的方式获取偏航原因,若接收到偏航确认操作,则将偏离风险更新为延误风险。
以上完成本申请的订单车辆的欺诈识别流程。
如上所述,本申请提供一种订单车辆的欺诈识别方法,在接收购车订单,并确定购车订单对应的目标车辆和目标车辆对应的目标识别码后,响应于针对目标车辆的出库操作,根据购车订单确定所述目标车辆的运输终点,接着,将购车订单和运输终点传输至运输平台,并接收由运输平台返回的目标车辆的车辆运输信息,再然后,根据车辆运输信息预估目标车辆达到运输终点的预估到达时间,并基于预估到达时间以及运输终点预设范围内的热度信息,建立运输终点对应的虚拟围栏,当检测到目标车辆通过虚拟围栏时,以运输终点为基准构建监测区域,并确定虚拟围栏与监测区域之间的区域为连通区域,接着,获取目标车辆在连通区域中的区域运输信息,并构建区域运输信息对应的图运输特征,再然后,基于图运输特征预估目标车辆在连通区域运输时的运输风险,当运输风险满足预设条件时,则获取目标车辆在所述监测区域中的停留时间以及每次停留对应的停留位置,最后,根据目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,输出目标车辆对应的欺诈识别信息。在本申请提供的订单车辆的欺诈识别方案中,基于预估到达时间以及运输终点预设范围内的热度信息,建立所述运输终点对应的虚拟围栏,在目标车辆通过所述虚拟围栏时,以所述运输终点为基准构建监测区域,并确定虚拟围栏与监测区域之间的区域为连通区域,当目标车辆在连通区域的运输风险满足预设条件时,则获取目标车辆在监测区域中的停留时间以及每次停留对应的停留位置,最后,通过目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,避免在运输过程中,出现换车以及虚假购买车辆等欺诈性的购车行为,由此,可以对订单车辆进行有效的欺诈识别,进而保证了车辆制造商和资金提供方的利益。
相应的,请参阅图8,本申请实施例提供一种订单车辆的欺诈识别装置(以下简称识别装置),该识别装置包括接收模块201、确定模块202、传输模块203、建立模块204、构建模块205、第一获取模块206、预估模块207、第二获取模块208以及输出模块209,具体如下:
接收模块,用于接收购车订单,并确定所述购车订单对应的目标车辆和所述目标车辆对应的目标识别码;
接收模块201,用于接收购车订单,并确定所述购车订单对应的目标车辆和所述目标车辆对应的目标识别码。
确定模块202,用于响应于针对目标车辆的出库操作,根据购车订单确定所述目标车辆的运输终点。
传输模块203,用于将购车订单和运输终点传输至运输平台,并接收由运输平台返回的所述目标车辆的车辆运输信息。
建立模块204,用于根据车辆运输信息预估目标车辆达到运输终点的预估到达时间,并基于预估到达时间以及运输终点预设范围内的热度信息,建立运输终点对应的虚拟围栏。
可选地,在一些实施例中,建立模块204具体可以用于:获取预设的时间提前量,并基于时间提前量和预估到达时间,获取运输终点预设范围内的热度信息;基于预估到达时间和热度信息,确定虚拟围栏的辐射范围;以运输终点为基准,根据辐射范围建立运输终点对应的虚拟围栏。
构建模块205,用于当检测到目标车辆通过虚拟围栏时,以运输终点为基准构建监测区域,并确定虚拟围栏与监测区域之间的区域为连通区域。
其中,该连通区域为与监测区域连接的区域,该连通区域可以是与监测区域连通的高速路、快速路或国道等,也可以是由系统根据监测区域的尺寸以及虚拟围栏与监测区域之间的相对位置所划分的区域,具体可以根据实际情况进行设置。
第一获取模块206,用于获取目标车辆在连通区域中的区域运输信息,构建区域运输信息对应的图运输特征。
其中,区域运输信息包括在目标车辆在该连通区域中的运输时长、运输速度、运输中断点、运输中断点对应的中断时长以及运输中断的中断次数等信息。
可选地,在一些实施例中,第一获取模块206具体可以用于:从运输信息中提取目标车辆在连通区域的运输中断点以及中断时长;获取连通区域对应的路网地图,并提取路网地图对应的地图特征;建立运输中断点与中断时长之间的关联关系;将关联关系融合至地图特征中,得到区域运输信息对应的图运输特征。
预估模块207,用于基于图运输特征预估目标车辆在连通区域运输时的运输风险。
第二获取模块208,用于当运输风险满足预设条件时,则获取目标车辆在所述监测区域中的停留时间以及每次停留对应的停留位置。
输出模块209,用于根据目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,输出目标车辆对应的欺诈识别信息。
可选地,在一些实施例中,输出模块209具体可以包括:
第一检测单元,用于检测停留时间是否大于预设值;
第二检测单元,用于当检测到停留时间大于预设值时,则检测停留时间大于预设值对应的停留位置是否位于运输终点对应的终点区域;
第一输出单元,用于若停留时间大于预设值对应的停留位置位于运输终点对应的终点区域时,则根据目标识别码、目标车辆的车辆信息和车证信息,输出目标车辆对应的欺诈识别信息;
第二输出单元,用于若停留时间大于预设值对应的停留位置不位于运输终点对应的终点区域时,则获取目标车辆对应的实时拍摄的当前识别码,基于目标识别码、当前识别码、每次停留对应的停留位置以及目标车辆的车辆信息,输出目标车辆对应的欺诈识别信息。
可选地,在一些实施例中,第一输出单元具体可以用于:
若停留时间大于预设值对应的停留位置位于运输终点对应的终点区域时,获取目标车辆的车辆信息和车证信息;
检测目标识别码、车辆信息和车证信息是否匹配;
当检测到目标识别码、车辆信息和车证信息匹配时,确定车证信息对应的车辆证件的领取秘钥,并获取目标车辆的贷款结算信息;
当贷款结算信息指示目标车辆的贷款结算完毕时,则下发领取秘钥至购车厂商,并输出目标车辆对应的安全提示至资金提供方。
可选地,在一些实施例中,第一输出单元具体还可以用于:当检测到目标识别码、车辆信息和/或车证信息不匹配时,确定目标车辆为欺诈车辆,并输出目标车辆对应的欺诈提示至资金提供方。
可选地,在一些实施例中,第二输出单元具体可以包括:
检测子单元,用于检测目标识别码和当前识别码是否一致;
输出子单元,用于当检测到目标识别码和当前识别码一致时,预估目标车辆从当前位置运输至运输终点的预估时长,并基于预估时长以及从当前位置运输至运输终点的运输路线,输出目标车辆对应的欺诈识别信息;当检测到目标识别码和当前识别码不一致时,确定目标车辆为欺诈车辆;输出目标车辆对应的欺诈提示至资金提供方和平台方,并将目标车辆对应的购车订单标记为欺诈订单。
如上所述,本申请提供一种订单车辆的欺诈识别装置,接收模块201在接收购车订单,并确定购车订单对应的目标车辆和目标车辆对应的目标识别码后,确定模块202响应于针对目标车辆的出库操作,根据购车订单确定目标车辆的运输终点,接着,传输模块203将购车订单和运输终点传输至运输平台,并接收由运输平台返回的目标车辆的车辆运输信息,再然后,建立模块204根据车辆运输信息预估目标车辆达到运输终点的预估到达时间,并基于预估到达时间以及运输终点预设范围内的热度信息,建立运输终点对应的虚拟围栏,构建模块205当检测到目标车辆通过虚拟围栏时,以运输终点为基准构建监测区域,并确定虚拟围栏与监测区域之间的区域为连通区域,接着,第一获取模块206获取目标车辆在连通区域中的区域运输信息,并构建区域运输信息对应的图运输特征,再然后,预估模块207基于图运输特征预估目标车辆在连通区域运输时的运输风险,第二获取模块208当运输风险满足预设条件时,则获取目标车辆在所述监测区域中的停留时间以及每次停留对应的停留位置,最后,输出模块209根据目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,输出目标车辆对应的欺诈识别信息。在本申请提供的订单车辆的欺诈识别方案中,基于预估到达时间以及运输终点预设范围内的热度信息,建立所述运输终点对应的虚拟围栏,在目标车辆通过所述虚拟围栏时,以所述运输终点为基准构建监测区域,并确定虚拟围栏与监测区域之间的区域为连通区域,当目标车辆在连通区域的运输风险满足预设条件时,则获取目标车辆在监测区域中的停留时间以及每次停留对应的停留位置,最后,通过目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,避免在运输过程中,出现换车以及虚假购买车辆等欺诈性的购车行为,由此,可以对订单车辆进行有效的欺诈识别,进而保证了车辆制造商和资金提供方的利益。
此外,本申请还提供一种计算机设备,如图9所示,其示出了本申请所涉及的计算机设备的结构示意图,具体来讲:该计算机设备可以包括一个或者一个以上处理核心的处理器301、一个或一个以上计算机可读存储介质的存储器302、电源303和输入单元304等部件。本领域技术人员可以理解,图9中示出的计算机设备结构并不构成对计算机设备的限定,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。其中:
处理器301是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器302内的软件程序和/或模块,以及调用存储在存储器302内的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器301可包括一个或多个处理核心;优选的,处理器301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301中。
存储器302可用于存储软件程序以及模块,处理器301通过运行存储在存储器302的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器302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计算机设备的使用所创建的数据等。此外,存储器302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。相应地,存储器302还可以包括存储器控制器,以提供处理器301对存储器302的访问。
计算机设备还包括给各个部件供电的电源303,优选的,电源303可以通过电源管理系统与处理器301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。电源303还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元304,该输入单元304可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,计算机设备中的处理器301会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器302中,并由处理器301来运行存储在存储器302中的应用程序,从而实现各种功能,如下:
接收购车订单,并确定所述购车订单对应的目标车辆和所述目标车辆对应的目标识别码;响应于针对所述目标车辆的出库操作,根据所述购车订单确定所述目标车辆的运输终点;将所述购车订单和运输终点传输至运输平台,并接收由所述运输平台返回的所述目标车辆的车辆运输信息;根据所述车辆运输信息预估所述目标车辆达到运输终点的预估到达时间,并基于所述预估到达时间以及运输终点预设范围内的热度信息,建立运输终点对应的虚拟围栏;当检测到所述目标车辆通过所述虚拟围栏时,以运输终点为基准构建监测区域,并确定虚拟围栏与所述监测区域之间的区域为连通区域;获取目标车辆在所述连通区域中的区域运输信息,并构建所述区域运输信息对应的图运输特征;基于图运输特征预估目标车辆在所述连通区域运输时的运输风险;当所述运输风险满足预设条件时,则获取所述目标车辆在所述监测区域中的停留时间以及每次停留对应的停留位置;根据所述目标识别码、停留时间、每次停留对应的停留位置以及所述目标车辆的车证信息,输出所述目标车辆对应的欺诈识别信息。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
本申请实施例在接收购车订单,并确定购车订单对应的目标车辆和目标车辆对应的目标识别码后,响应于针对目标车辆的出库操作,根据购车订单确定所述目标车辆的运输终点,接着,将购车订单和运输终点传输至运输平台,并接收由运输平台返回的目标车辆的车辆运输信息,再然后,根据车辆运输信息预估目标车辆达到运输终点的预估到达时间,并基于预估到达时间以及运输终点预设范围内的热度信息,建立运输终点对应的虚拟围栏,当检测到目标车辆通过虚拟围栏时,以运输终点为基准构建监测区域,并确定虚拟围栏与监测区域之间的区域为连通区域,接着,获取目标车辆在连通区域中的区域运输信息,并构建区域运输信息对应的图运输特征,再然后,基于图运输特征预估目标车辆在连通区域运输时的运输风险,当运输风险满足预设条件时,则获取目标车辆在所述监测区域中的停留时间以及每次停留对应的停留位置,最后,根据目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,输出目标车辆对应的欺诈识别信息。在本申请提供的订单车辆的欺诈识别方案中,在基于预估到达时间以及运输终点预设范围内的热度信息,建立所述运输终点对应的虚拟围栏,在目标车辆通过所述虚拟围栏时,以所述运输终点为基准构建监测区域,并确定虚拟围栏与监测区域之间的区域为连通区域,当目标车辆在连通区域的运输风险满足预设条件时,则获取目标车辆在监测区域中的停留时间以及每次停留对应的停留位置,最后,通过目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,避免在运输过程中,出现换车以及虚假购买车辆等欺诈性的购车行为,由此,可以对订单车辆进行有效的欺诈识别,进而保证了车辆制造商和资金提供方的利益。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请所提供的任一种订单车辆的欺诈识别方法中的步骤。例如,该指令可以执行如下步骤:
接收购车订单,并确定所述购车订单对应的目标车辆和所述目标车辆对应的目标识别码;响应于针对目标车辆的出库操作,根据购车订单确定目标车辆的运输终点;将购车订单和运输终点传输至运输平台,并接收由运输平台返回的所述目标车辆的车辆运输信息;根据所述车辆运输信息预估目标车辆达到运输终点的预估到达时间,并基于预估到达时间以及运输终点预设范围内的热度信息,建立运输终点对应的虚拟围栏;当检测到目标车辆通过所述虚拟围栏时,以运输终点为基准构建监测区域,并确定虚拟围栏与监测区域之间的区域为连通区域;获取目标车辆在连通区域中的区域运输信息,并构建区域运输信息对应的图运输特征;基于图运输特征预估目标车辆在连通区域运输时的运输风险;当运输风险满足预设条件时,则获取目标车辆在所述监测区域中的停留时间以及每次停留对应的停留位置;根据目标识别码、停留时间、每次停留对应的停留位置以及目标车辆的车证信息,输出目标车辆对应的欺诈识别信息。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本申请所提供的任一种订单车辆的欺诈识别方法中的步骤,因此,可以实现本申请所提供的任一种订单车辆的欺诈识别方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
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各种可选实现方式中提供的方法。
以上对本申请所提供的一种订单车辆的欺诈识别方法、装置、存储介质及计算机设备进行了详细介绍,本文中应用了具体个例对本申请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的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,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的限制。
Claims (10)
1.一种订单车辆的欺诈识别方法,其特征在于,包括:
接收购车订单,并确定所述购车订单对应的目标车辆和所述目标车辆对应的目标识别码;
响应于针对所述目标车辆的出库操作,根据所述购车订单确定所述目标车辆的运输终点;
将所述购车订单和运输终点传输至运输平台,并接收由所述运输平台返回的所述目标车辆的车辆运输信息;
根据所述车辆运输信息预估所述目标车辆达到运输终点的预估到达时间,并基于所述预估到达时间以及所述运输终点预设范围内的热度信息,建立所述运输终点对应的虚拟围栏;
当检测到所述目标车辆通过所述虚拟围栏时,以所述运输终点为基准构建监测区域,并确定所述虚拟围栏与所述监测区域之间的区域为连通区域;
获取所述目标车辆在所述连通区域中的区域运输信息;
基于所述目标车辆在进入所述连通区域每一时刻的位置、以及所述运输中断点与中断时长之间的关联关系,构建所述目标车辆在所述连通区域中对应的邻接矩阵,所述邻接矩阵的顶点为所述目标车辆在所述连通区域不同时刻的位置,边连接相邻的运输中断点;
基于所述中断时长的值分配每个顶点对应的权重后,得到所述区域运输信息对应的图运输特征;
基于所述图运输特征预估所述目标车辆在所述连通区域运输时的运输风险;
当所述运输风险满足预设条件时,则获取所述目标车辆在所述监测区域中的停留时间以及每次停留对应的停留位置;
根据所述目标识别码、停留时间、每次停留对应的停留位置以及所述目标车辆的车证信息,输出所述目标车辆对应的欺诈识别信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标识别码、停留时间、每次停留对应的停留位置以及所述目标车辆的车证信息,输出所述目标车辆对应的欺诈识别信息,包括:
检测所述停留时间是否大于预设值;
当检测到所述停留时间大于预设值时,则检测停留时间大于预设值对应的停留位置是否位于所述运输终点对应的终点区域;
若停留时间大于预设值对应的停留位置位于所述运输终点对应的终点区域时,则根据所述目标识别码、目标车辆的车辆信息和车证信息,输出所述目标车辆对应的欺诈识别信息;
若停留时间大于预设值对应的停留位置不位于所述运输终点对应的终点区域时,则获取所述目标车辆对应的实时拍摄的当前识别码,基于所述目标识别码、当前识别码、每次停留对应的停留位置以及目标车辆的车辆信息,输出所述目标车辆对应的欺诈识别信息。
3.根据权利要求2所述的方法,其特征在于,所述若停留时间大于预设值对应的停留位置位于所述运输终点对应的终点区域时,则根据所述目标识别码、目标车辆的车辆信息和车证信息,输出所述目标车辆对应的欺诈识别信息,包括:
若停留时间大于预设值对应的停留位置位于所述运输终点对应的终点区域时,获取所述目标车辆的车辆信息和车证信息;
检测所述目标识别码、车辆信息和车证信息是否匹配;
当检测到所述目标识别码、车辆信息和车证信息匹配时,确定所述车证信息对应的车辆证件的领取秘钥,并获取所述目标车辆的贷款结算信息;
当所述贷款结算信息指示所述目标车辆的贷款结算完毕时,则下发领取秘钥至购车厂商,并输出所述目标车辆对应的安全提示至资金提供方。
4.根据权利要求3所述的方法,其特征在于,还包括:
当检测到所述目标识别码、车辆信息、车证信息中存在至少两方的信息不匹配时,确定所述目标车辆为欺诈车辆,并输出所述目标车辆对应的欺诈提示至资金提供方。
5.根据权利要求2所述的方法,其特征在于,所述若停留时间大于预设值对应的停留位置不位于所述运输终点对应的终点区域时,则获取所述目标车辆对应的实时拍摄的当前识别码,基于所述目标识别码、当前识别码、每次停留对应的停留位置以及目标车辆的车辆信息,输出所述目标车辆对应的欺诈识别信息,包括:
检测所述目标识别码和当前识别码是否一致;
当检测到所述目标识别码和当前识别码一致时,预估所述目标车辆从当前位置运输至运输终点的预估时长,并基于所述预估时长以及从当前位置运输至运输终点的运输路线,输出所述目标车辆对应的欺诈识别信息;
当检测到所述目标识别码和当前识别码不一致时,确定所述目标车辆为欺诈车辆;输出所述目标车辆对应的欺诈提示至资金提供方和平台方,并将所述目标车辆对应的购车订单标记为欺诈订单。
6.根据权利要求5所述的方法,其特征在于,所述基于所述预估时长以及从当前位置运输至运输终点的运输路线,输出所述目标车辆对应的欺诈识别信息,包括:
构建从当前位置运输至运输终点的运输路线,并确定所述运输路线对应的路线点;
基于所述预估时长,确定从当前位置运输至每个路线点的实际抵达时间;
若所述目标车辆从当前位置运输路线点的实际抵达时间大于预估时长时,则输出所述目标车辆对应的延误欺诈识别;
若所述目标车辆在运输时偏离所述运输路线时,则输出偏离风险至平台方和司机方;若在预设时间内接收到由司机方上传偏航原因时,则将所述偏离风险更新为延误风险。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述构建所述区域运输信息对应的图运输特征,包括:
从所述运输信息中提取所述目标车辆在所述连通区域的运输中断点、中断时长以及运输中断的中断次数;
获取所述连通区域对应的路网地图,并提取所述路网地图对应的地图特征;
建立所述运输中断点与中断时长之间的关联关系;
将所述关联关系以及所述中断次数融合至所述地图特征中,得到所述区域运输信息对应的图运输特征。
8.一种订单车辆的欺诈识别装置,其特征在于,包括:
接收模块,用于接收购车订单,并确定所述购车订单对应的目标车辆和所述目标车辆对应的目标识别码;
确定模块,用于响应于针对所述目标车辆的出库操作,根据所述购车订单确定所述目标车辆的运输终点;
传输模块,用于将所述购车订单和运输终点传输至运输平台,并接收由所述运输平台返回的所述目标车辆的车辆运输信息;
建立模块,用于根据所述车辆运输信息预估所述目标车辆达到运输终点的预估到达时间,并基于所述预估到达时间以及所述运输终点预设范围内的热度信息,建立所述运输终点对应的虚拟围栏;
构建模块,用于当检测到所述目标车辆通过所述虚拟围栏时,以所述运输终点为基准构建监测区域,并确定所述虚拟围栏与所述监测区域之间的区域为连通区域;
第一获取模块,用于获取所述目标车辆在所述连通区域中的区域运输信息;还用于基于所述目标车辆在进入所述连通区域每一时刻的位置、以及所述运输中断点与中断时长之间的关联关系,构建所述目标车辆在所述连通区域中对应的邻接矩阵,所述邻接矩阵的顶点为所述目标车辆在所述连通区域不同时刻的位置,边连接相邻的运输中断点;基于所述中断时长的值分配每个顶点对应的权重后,得到所述区域运输信息对应的图运输特征;
预估模块,用于基于所述图运输特征预估所述目标车辆在所述连通区域运输时的运输风险;
第二获取模块,用于当所述运输风险满足预设条件时,则获取所述目标车辆在所述监测区域中的停留时间以及每次停留对应的停留位置;
输出模块,用于根据所述目标识别码、停留时间、每次停留对应的停留位置以及所述目标车辆的车证信息,输出所述目标车辆对应的欺诈识别信息。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述订单车辆的欺诈识别方法的步骤。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述订单车辆的欺诈识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531076.2A CN117236974B (zh) | 2023-11-16 | 2023-11-16 | 订单车辆的欺诈识别方法、装置、存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531076.2A CN117236974B (zh) | 2023-11-16 | 2023-11-16 | 订单车辆的欺诈识别方法、装置、存储介质及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117236974A CN117236974A (zh) | 2023-12-15 |
CN117236974B true CN117236974B (zh) | 2024-03-26 |
Family
ID=89098887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311531076.2A Active CN117236974B (zh) | 2023-11-16 | 2023-11-16 | 订单车辆的欺诈识别方法、装置、存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117236974B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118247A (zh) * | 2018-08-01 | 2019-01-01 | 安徽好车到家信息科技有限公司 | 基于lbs数据库和客户画像的汽车消费信用反欺诈系统及分析方法 |
CN114862560A (zh) * | 2022-05-30 | 2022-08-05 | 平安银行股份有限公司 | 一种汽车反欺诈风险识别方法及其相关设备 |
CN116758723A (zh) * | 2023-08-10 | 2023-09-15 | 深圳市明心数智科技有限公司 | 一种车辆运输监测方法、系统及介质 |
-
2023
- 2023-11-16 CN CN202311531076.2A patent/CN117236974B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118247A (zh) * | 2018-08-01 | 2019-01-01 | 安徽好车到家信息科技有限公司 | 基于lbs数据库和客户画像的汽车消费信用反欺诈系统及分析方法 |
CN114862560A (zh) * | 2022-05-30 | 2022-08-05 | 平安银行股份有限公司 | 一种汽车反欺诈风险识别方法及其相关设备 |
CN116758723A (zh) * | 2023-08-10 | 2023-09-15 | 深圳市明心数智科技有限公司 | 一种车辆运输监测方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117236974A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11782692B2 (en) | Transport component acceptance | |
US12062027B2 (en) | Secure transport data sharing | |
US20190266897A1 (en) | Drone usage in connected user and connected fleet communication and interface systems | |
CN110751530B (zh) | 身份信息安全校验方法、服务器、乘客端及司机端 | |
CN112446761A (zh) | 用于使用区块链进行共乘的系统和方法 | |
US11995663B2 (en) | Automatic detection and validation of transport service | |
US11420529B2 (en) | Prioritizing energy delivery to transports which will provide energy to entities | |
US11718196B2 (en) | Transport-based exchange of electrical charge and services | |
US20220194404A1 (en) | Method and system for warning drivers in orders with high risk | |
US20220414617A1 (en) | Transport assessment | |
US11872891B2 (en) | Modification of transport functionality based on carbon footprint | |
US20220281340A1 (en) | Battery preservation amid transport disuse | |
US11866038B2 (en) | Situation-specific transport power allocation | |
CN117236974B (zh) | 订单车辆的欺诈识别方法、装置、存储介质及计算机设备 | |
US20230382392A1 (en) | Broadcasting vehicle event to external source | |
US20230048359A1 (en) | Message construction based on potential for collision | |
US20220357406A1 (en) | Electric vehicle battery maintenance | |
US11623540B2 (en) | Transport recharge level determination | |
US11610448B2 (en) | Dynamically adapting driving mode security controls | |
CN110662171A (zh) | 一种交通工具的处理方法及系统 | |
US12033192B2 (en) | Transport use determination | |
US20230249692A1 (en) | Transport value exchange management | |
US11554671B2 (en) | Transport data display cognition | |
US11794764B2 (en) | Approximating a time of an issue | |
US20240232663A1 (en) | Task-oriented dialog modeling and action determination |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |