TW202010294A - 用於識別線上到線下服務平臺中醉酒請求方的系統和方法 - Google Patents

用於識別線上到線下服務平臺中醉酒請求方的系統和方法 Download PDF

Info

Publication number
TW202010294A
TW202010294A TW107147364A TW107147364A TW202010294A TW 202010294 A TW202010294 A TW 202010294A TW 107147364 A TW107147364 A TW 107147364A TW 107147364 A TW107147364 A TW 107147364A TW 202010294 A TW202010294 A TW 202010294A
Authority
TW
Taiwan
Prior art keywords
requester
requesting party
request
information related
video
Prior art date
Application number
TW107147364A
Other languages
English (en)
Other versions
TWI710233B (zh
Inventor
繆瑩瑩
王志龍
時少輝
Original Assignee
大陸商北京嘀嘀無限科技發展有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 大陸商北京嘀嘀無限科技發展有限公司 filed Critical 大陸商北京嘀嘀無限科技發展有限公司
Publication of TW202010294A publication Critical patent/TW202010294A/zh
Application granted granted Critical
Publication of TWI710233B publication Critical patent/TWI710233B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • G06Q50/10—Services
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L2015/088—Word spotting
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Multimedia (AREA)
  • Tourism & Hospitality (AREA)
  • Human Computer Interaction (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Psychiatry (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Social Psychology (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Hospice & Palliative Care (AREA)

Abstract

提供一種在線上到線下（O2O）服務平臺中檢測醉酒請求方的方法。所述方法可以包括獲取與請求方發起的線上到線下（O2O）服務之請求有關的資訊。所述方法還可以包括根據與請求有關的資訊，使用飲酒預測模型來確定所述請求方已飲酒的機率，以及確定所述機率是否大於臨界值。回應於確定所述機率大於所述臨界值，所述方法還可包括獲取與所述請求方有關的資訊，以及根據與所述請求方有關的資訊，確定所述請求方是否已飲酒。所述方法還可包括回應於確定所述請求方已飲酒，發送所述請求方已飲酒的通知給提供方終端，所述提供方終端與所述線上到線下服務的請求相對應。

Description

用於識別線上到線下服務平臺中醉酒請求方的系統和方法
本申請一般涉及線上到線下（O2O）服務平臺，具體而言，涉及用於識別O2O服務平臺中的醉酒請求方的系統和方法。
本申請主張2018年8月10日提交的編號為PCT/CN2018/099890的國際申請案的優先權，其內容以引用方式被包含於此。
隨著網際網路技術的發展，O2O服務，如線上計程車叫車服務和送貨服務，在人們的日常生活中發揮著愈來愈重要的作用。在一些情况下，請求O2O服務的請求方可能飲酒了，這可能會引起請求方與向請求方提供服務的提供方之間的潛在衝突。因此，希望提供用於檢測醉酒請求方並提醒提供方的有效的系統和方法，以避免O2O服務平臺中的請求方與提供方之間的潛在衝突或爭議。
根據本申請的一態樣，提供一種用於檢測線上到線下服務平臺中醉酒請求方的系統。所述系統可以包括資料交換埠，所述資料交換埠通訊地連接到網路；至少一個儲存媒體，所述至少一個儲存媒體包括一組指令；以及至少一個處理器，所述至少一個處理器與所述資料交換埠和所述至少一個儲存媒體通訊。當執行該組指令時，所述至少一個處理器可以被配置爲指示系統：通過所述資料交換埠，獲取與請求方發起的線上到線下（O2O）服務之請求有關的資訊。所述至少一個處理器也可以被配置爲指示系統根據與所述請求有關的資訊，使用飲酒預測模型來確定所述請求方已飲酒的機率，以及確定所述請求方已飲酒的機率是否爲大於臨界值。回應於確定所述請求方已飲酒的機率大於所述臨界值，所述至少一個處理器可以進一步被配置爲指示系統獲取與所述請求方有關的資訊，以及根據與所述請求方有關的資訊，確定所述請求方是否飲酒。回應於確定所述請求方已飲酒，所述至少一個處理器進一步被配置爲指示系統通過所述資料交換埠發送所述請求方已飲酒的通知給提供方終端，所述提供方終端與所述線上到線下服務的請求相對應。
在一些實施例中，與所述請求有關的資訊可以包括請求時間、請求起點、所述請求方的位置、所述請求起點與所述請求方的位置之間的預估距離、所述請求方的個人資訊，或關於所述請求方的歷史反饋資訊中的至少一個。
在一些實施例中，所述飲酒預測模型可以是根據模型訓練流程産生的。所述模型訓練流程可以包括獲取複數個歷史訂單。所述模型訓練流程還可以包括從所述複數個歷史訂單中獲取第一組歷史訂單，所述第一組歷史訂單具有正反饋；從所述複數個歷史訂單中獲取第二組歷史訂單，所述第二組歷史訂單具有負反饋。所述模型訓練流程還可以包括獲取初始模型，以及通過使用具有正反饋的所述第一組歷史訂單和具有負反饋的所述第二組歷史訂單來訓練所述初始模型，藉以産生所述飲酒預測模型。
在一些實施例中，所述初始模型可以是梯度提升决策樹（GBDT）模型或極端梯度提升（XGBoost）模型中的至少一種。
在一些實施例中，爲了獲取與所述請求方相關的資訊，所述至少一個處理器還可以被配置爲指示所述系統通過所述資料交換埠，發送打開與所述請求方相關的請求方終端的相機的請求。當接收所述請求方對所述請求的批准時，至少一個處理器就可以進一步被配置爲指示系統通過所述資料交換埠向所述請求方終端發送命令以錄製至少一個圖像或視頻，以及通過所述資料交換埠，從所述請求方終端接收所述至少一個圖像或視頻。
在一些實施例中，爲了獲取與所述請求方相關的資訊，所述至少一個處理器可以進一步被配置爲指示所述系統通過所述資料交換埠，向請求方終端或提供方終端中的至少一個發送獲取所述請求方的音頻的請求。所述請求可以導致所述請求方終端或所述提供方終端中的至少一個啟動所述請求方終端或所述提供方終端中的至少一個的音頻錄製。所述至少一個處理器還可以被配置爲指示系統通過所述資料交換埠，從所述請求方終端或所述提供方終端中的至少一個接收錄製的音頻。
在一些實施例中，與所述請求方有關的資訊可以包括所述請求方的圖像、視頻、音頻、生理資訊或行爲資訊中的至少一個。
在一些實施例中，爲了基於與所述請求方相關的資訊確定所述請求方是否飲酒，所述處理器可以進一步被配置爲指示系統執行下列中的至少一個：根據所述請求方的音頻或視頻，分析所述請求方的語音的聲學特性；根據所述請求方的圖像或所述視頻，分析所述請求方的臉部特徵；根據與所述請求方相關的行爲資訊，分析所述請求方的身體動作；或者根據所述請求方的生理資訊，分析所述請求方的生理參數。
在一些實施例中，為了分析所述請求方的語音的聲學特性，所述至少一個處理器可以進一步被配置爲指示所述系統執行下列中的至少一個：根據所述請求方的所述音頻或所述視頻，確定語速；根據所述請求方的所述音頻或所述視頻，確定語音音調；確定在所述請求方的所述音頻或所述視頻中的暫停次數；從所述請求方的所述音頻或所述視頻中，獲取一個或多個的關鍵詞；在所述請求方的所述音頻或所述視頻中，確定所述請求方所說的句子的持續時間；確定在所述請求方的所述音頻或所述視頻中的錯誤頻率；根據所述請求方的所述音頻或所述視頻，確定線性預測係數（LPC）；或根據所述請求方的所述音頻或所述視頻，確定梅爾頻率倒譜係數（MFCC）。
在一些實施例中，爲了根據所述請求方的圖像或視頻，分析所述請求方的臉部特徵，所述處理器可以進一步被配置爲指示所述系統執行下列中的至少一項：確定所述請求方的臉部或頸部中的至少一個的顔色；確定所述請求方的瞳孔大小；確定所述請求方的眨眼頻率；確定所述請求方的點頭頻率；確定所述請求方的打哈欠頻率；或確定所述請求方的閉眼持續時間。
在一些實施例中，爲了根據與所述請求方相關的行爲資訊，分析所述請求方的身體動作，所述至少一個處理器可以進一步被配置爲指示所述系統執行下列中的至少一項：確定所述請求方的軀幹是否搖擺不定；或確定所述請求方的至少一條腿是否搖擺不定；或確定所述請求方的至少一個手臂是否搖擺不定。
在一些實施例中，爲了根據所述請求方的生理資訊，分析所述請求方的生理參數，所述至少一個處理器可以進一步被配置爲指示所述系統執行下列中的至少一項：根據所述請求方的生理資訊，獲取所述請求方的血糖水平；根據所述請求方的生理資訊，獲取所述請求方的血壓；根據所述請求方的生理資訊，獲取所述請求方的呼吸率；根據所述請求方的生理資訊，獲取所述請求方的體溫；或根據所述請求方的生理資訊，獲取請求方的心率。
根據本申請的另一態樣，提供一種在計算裝置上實施的方法。所述計算裝置可以具有至少一個處理器、至少一個電腦可讀取儲存媒體、和連接到網路的通訊平臺。所述方法可以包括通過資料交換埠，獲取與請求方發起的線上到線下服務之請求有關的資訊。所述方法還可以包括根據與所述請求有關的資訊，使用飲酒預測模型來確定所述請求方已飲酒的機率，以及確定所述請求方已飲酒的機率是否大於臨界值。回應於確定所述請求方已飲酒的機率大於所述臨界值，所述方法還可以包括獲取與所述請求方有關的資訊，以及根據與所述請求方有關的資訊，確定所述請求方是否飲酒。回應於確定所述請求方已飲酒，所述方法還可以包括通過所述資料交換埠發送所述請求方已飲酒的通知給提供方終端，所述提供方終端與所述線上到線下服務的請求相對應。
根據本申請的另一態樣，提供一種非暫時性電腦可讀取儲存媒體，其包含電腦程式産品。包括指令的所述電腦程式産品可被配置為使計算裝置通過資料交換埠，獲取與請求方發起的線上到線下服務之請求有關的資訊。包括指令的所述電腦程式産品可被配置為使計算裝置根據與所述請求有關的資訊，使用飲酒預測模型來確定所述請求方已飲酒的機率，以及確定所述請求方已飲酒的機率是否大於臨界值。回應於確定所述請求方已飲酒的機率大於所述臨界值，包括指令的所述電腦程式産品可被配置為使計算裝置獲取與所述請求方有關的資訊，以及根據與所述請求方相關的資訊，確定所述請求方是否飲酒。回應於確定所述請求方已飲酒，包括指令的所述電腦程式産品可被配置為使計算裝置通過所述資料交換埠發送所述請求方已飲酒的通知給提供方終端，所述提供方終端與所述線上到線下服務的請求相對應。
本申請的一部分附加特性可以在下面的描述中進行說明，通過對以下描述和相應圖式的研究或者對實施例的生産或操作的瞭解，本申請的一部分附加特性對於本領域具有通常知識者是顯而易見的。本申請的特徵可以通過對以下描述的具體實施例的各種態樣的方法、手段和組合的實踐或使用得以實現和達到。
爲了更清楚地說明本申請的實施例的技術方案，下面將對實施例描述中所需要使用的圖式作簡單的介紹。然而，本領域具有通常知識者應該明白，可以在沒有這些細節的情况下實施本申請。在其他情况下，爲了避免不必要地模糊本申請的一些態樣，本申請已經以相對高級別概略地描述了公知的方法、程式、系統、組件及/或電路。對於本領域具有通常知識者來講，顯然可以對所揭露的實施例作出各種改變，並且在不偏離本申請的原則和範圍的情况下，本申請中所定義的普遍原則可以適用於其他實施例和應用場景。因此，本申請不限於所示的實施例，而是符合與申請專利範圍一致的最廣泛範圍。
本申請中所使用的術語僅用於描述特定的示例性實施例，並不限制本申請的範圍。如本申請使用的單數形式「一」、「一個」及「該」可以同樣包括複數形式，除非上下文明確提示例外情形。還應當理解的是，如在本申請說明書中，術語「包括」、「包含」僅提示存在所述特徵、整體、步驟、操作、組件及/或部件，但並不排除存在或添加一個或多個其他特徵、整體、步驟、操作、組件、部件及/或其組合的情况。
應當理解的是，上下文中描述的術語「系統」、「引擎」、「單元」、「模組」及/或「塊」，用於區分不同級別的部件、組件、組件、部件或裝配。但是，如果這些術語達到同樣的目的，則可能會被另一個術語所取代。
通常，這裏使用的詞語「模組」、「單元」、或「塊」是指體現在硬體或韌體中的邏輯，或者是軟體指令的集合。這裏描述的模組、單元或塊可以作爲軟體及/或硬體被實現，並且可以儲存在任何類型的非暫時性電腦可讀取媒體或其他儲存裝置中。在一些實施例中，可以編譯軟體模組/單元/塊並將其鏈接到可執行程式中。應當理解的是，軟體模組可以從其他模組/單元/塊或從它們自身調用，及/或可以響應檢測到的事件或中斷來調用。被配置用於在計算裝置上執行的軟體模組/單元/塊可以被提供在電腦可讀取媒體上，例如光碟、數位視訊光碟、快閃驅動器、磁碟或任何其他有形媒體、或者作爲數位下載（最初可以以壓縮或可安裝的格式儲存，在執行之前需要安裝、解壓縮、或解密）。這裏的軟體碼可以被部分的或全部的儲存在執行操作的計算裝置的儲存裝置中，並應用在計算裝置的操作之中。軟體指令可以嵌入韌體中，例如可清除可程式唯讀記憶體（EPROM）。還應當理解的是，硬體模組/單元/塊可以包括在連接的邏輯組件中，例如閘極和正反器，及/或可以包括可程式單元，例如可程式閘極陣列或處理器。這裏描述的模組/單元/塊或計算裝置功能可以實現爲軟體模組/單元/塊，但是可以用硬體或韌體表示。通常，這裏描述的模組/單元/塊指的是邏輯模組/單元/塊，不管它們的物理組織或儲存，其可以與其他模組/單元/塊組合或者分成子模組/子單元/子塊。該描述可適用於系統，引擎或其一部分。
應當理解的是，當單元、引擎、模組或塊被稱爲「接通」、「連接到」或「耦合到」另一個單元、引擎、模組或塊時，它可以直接接通，除非上下文另有明確說明，否則可以存在連接或耦合到其他單元、引擎、模組或塊，或與其間隔、或者與中間單元、引擎、模組或塊通訊。在本申請中，術語「及/或」包括任何一個或多個相關所列條目或其組合。
根據以下對圖式的描述，本申請的這些和其他的特徵、特點以及相關結構組件的功能和操作方法，以及部件組合和製造經濟性，可以變得更加顯而易見，這些圖式都構成本申請說明書的一部分。然而，應當理解的是，圖式僅僅是爲了說明和描述的目的，並不旨在限制本申請的範圍。應當理解的是，圖式並不是按比例繪製的。
本申請中使用了流程圖用來說明根據本申請的一些實施例的系統所執行的操作。應當理解的是，流程圖中的操作可以不按順序執行。相反，可以按照倒序或同時處理各種步驟。此外，可以向流程圖添加一個或多個其他操作。也可以從流程圖中删除一個或多個操作。
本申請的實施例可以應用於不同的交通系統。不同的運輸系統包括但不限於陸地、海洋、航空、航天或類似物運輸中的一種或幾種的組合。所述運輸系統的運輸工具可以包括人力車、旅行工具、計程車、私家車、順風車、巴士、鐵路運輸（例如，列車、子彈列車、高速鐵路、地鐵）、船隻、飛機、太空船、熱氣球、無人駕駛運輸工具或類似物或其任意組合。運輸系統還可以包括應用管理及/或分配的任何運輸系統，例如，用於發送及/或接收快遞的系統。
本申請的不同實施例應用場景可以包括但不限於網頁、瀏覽器插件及/或延伸、客戶端、定製系統、企業內部分析系統、人工智慧機器人或類似物中的一種或幾種的組合。應當理解的是，本文揭露的系統和方法的應用場景僅是一些示例或實施例。本領域具有通常知識者在不需要進一步創造力的情況下，可以將這些圖式應用於其他應用場景。例如，其他類似的伺服器。
本申請中可互換使用的術語「乘客」、「請求方」、「服務請求方」和「客戶」可用於表示請求或訂購服務的個人、實體或工具。同樣地，本申請描述的「司機」、「提供方」、「服務提供方」、「供應者」是可以互換的，是指可以提供服務或者協助提供服務的個人、實體或者工具。本申請中的術語「使用者」可以指可以請求服務、訂購服務、提供服務或協助提供服務的個體、實體、或工具。例如，使用者可以是請求方、乘客、司機、操作員或類似物，或其任何組合。在本申請中，「請求方」和「請求方終端」可以互換使用，「提供方」和「提供方終端」可以互換使用。
本申請中的術語「請求」、「服務」、「服務請求」和「訂單」可以互換使用，表示可以由乘客、請求方、服務請求方、顧客、司機、提供方、服務提供方、供應者或類似物或其任意組合發起的請求。該服務請求可以被乘客、請求方、服務請求方、顧客、司機、提供方、服務提供方或供應者中的任一者接受。服務請求可以是計費的或免費的。
本申請提供用於檢測醉酒請求方並提醒提供方的系統和方法，以避免O2O服務平臺中的請求方和提供方之間的潛在衝突和爭議。在從請求方接收O2O服務的請求之後，系統和方法可以獲取與請求有關的資訊，其可以提供請求方是否飲酒的指示。與請求有關的資訊可以包括例如請求時間、與請求有關的位置資訊、請求方的個人資訊、或關於請求方的歷史反饋資訊或類似物，或其任何組合。系統和方法可以基於與請求相關的資訊和飲酒預測模型，確定請求方是否飲酒的機率。系統和方法還可以確定機率是否大於臨界值。如果機率大於臨界值，則系統和方法可以進一步基於請求方的即時資訊，例如請求方的圖像、視頻、行爲資訊及/或生理資訊，確定請求方是否飲酒。在確定請求方已飲酒時，系統和方法可以將關於飲酒請求方的通知發送到相應提供方的提供方終端，以防止提供方和請求方之間的潛在衝突。
圖1係根據本申請的一些實施例所示的示例性O2O服務系統100的方塊圖。例如，O2O服務系統100可以是用於運輸服務的線上運輸服務平臺。O2O服務系統100可以包括伺服器110、網路120、請求方終端130、提供方終端140、運輸工具150、儲存裝置160和導航系統170。
O2O服務系統100可以提供複數個服務。示例性的服務可以包括計程車呼叫服務、代駕服務、快車服務、共乘服務、巴士服務、司機租用服務和班車服務。在一些實施例中，O2O服務可以是任何線上服務，諸如訂餐、購物或類似物，或其任何組合。
在一些實施例中，伺服器110可以是單個伺服器或伺服器組。伺服器組可以是集中式的或分散式的（例如，伺服器110可以是分散式的系統）。在一些實施例中，伺服器110可以是本地的或遠程的。例如，伺服器110可以經由網路120存取儲存在請求方終端130、提供方終端140、及/或儲存裝置160中的資訊及/或資料。又例如，伺服器110可以直接連接到請求方終端130、提供方終端140、及/或儲存裝置160，以存取儲存的資訊及/或資料。在一些實施例中，伺服器110可以在雲端平臺上實施。僅作爲示例，雲端平臺可以包括私有雲、公共雲、混合雲、社區雲、分散式雲、內部雲、多層雲或類似物或其任意組合。在一些實施例中，伺服器110可以在本申請圖2中描述的包含一個或者以上組件的計算裝置200上執行。
在一些實施例中，伺服器110可以包括處理引擎112。處理引擎112可以處理與服務請求相關的資訊及/或資料，以執行本申請描述的一個或多個功能。例如，處理引擎112可以分析由請求方發起的O2O服務的請求的資訊及/或請求方的資訊，以確定請求方是否已經飲酒。在一些實施例中，處理引擎112可以包括一個或多個處理引擎（例如，單核心處理引擎或多核心處理器）。僅作爲示例，處理引擎112可以包括中央處理單元（CPU）、特定應用積體電路（ASIC）、特定應用指令集處理器（ASIP）、圖形處理單元（GPU）、物理處理單元（PPU）、數位訊號處理器（DSP）、現場可程式閘陣列（FPGA）、可程式邏輯裝置（PLD）、控制器、微控制器單元、精簡指令集電腦（RISC）、微處理器或類似物或其任意組合。
網路120可以促進資訊及/或資料的交換。在一些實施例中，O2O服務系統100的一個或多個組件（例如，伺服器110、請求方終端130、提供方終端140、運輸工具150、儲存裝置160和導航系統170）可以經由網路120向O2O服務系統100的其他組件發送資訊及/或資料。例如，伺服器110可以通過網路120從請求方終端130接收服務請求。在一些實施例中，網路120可以爲任意形式的有線或無線網路，或其任意組合。僅作爲示例，網路120可以包括纜線網路、有線網路、光纖網路、電信網路、內部網路、網際網路、區域網路（LAN）、廣域網路（WAN）、無線區域網路（WLAN）、都會網路（MAN）、公共開關電話網路（PSTN）、藍牙網路、紫蜂網路、近場通訊（NFC）網路或類似物或其任意組合。在一些實施例中，網路120可以包括一個或多個網路接入點。例如，網路120可以包括有線或無線網路接入點，例如基站及/或網際網路交換點120-1、120-2，O2O服務系統100的一個或多個組件可以通過它們連接到網路120，以交換資料及/或資訊。
在一些實施例中，乘客可以是請求方終端130的所有者。在一些實施例中，請求方終端130的所有者可以是除乘客之外的其他人。例如，請求方終端130的所有者A可以使用請求方終端130來發送乘客B的服務請求或者從伺服器110接收服務確認及/或資訊或指令。在一些實施例中，服務提供方可以是提供方終端140的使用者。在一些實施例中，提供方終端140的使用者可以爲除服務提供方之外的其他人。例如，提供方終端140的使用者C可以使用服務提供方終端140爲使用者D接收服務請求，及/或從伺服器110接收資訊或指令。在一些實施例中，「乘客」和「乘客終端」可以交換使用，「服務提供方」和「提供方終端」可以交換使用。在一些實施例中，提供方終端可以與一個或多個服務提供方（例如，夜班服務提供方、或白班服務提供方）相關。
在一些實施例中，請求方終端130可以包括行動裝置130-1、平板電腦130-2、膝上型電腦130-3、運輸工具中的內建裝置130-4、可穿戴裝置130-5或類似物，或其任何組合。在一些實施例中，行動裝置130-1可以包括智慧家居裝置、智慧行動裝置、虛擬實境裝置、擴增實境裝置或類似物或其任意組合。在一些實施例中，智慧家居裝置可以包括智慧照明裝置、智慧電器控制裝置、智慧監控裝置、智慧電視、智慧攝像機、對講機或類似物或其任意組合。在一些實施例中，智慧行動裝置可以包括智慧電話、個人數字助理（PDA）、遊戲裝置、導航裝置、銷售點（POS）裝置或類似物或其任意組合。在一些實施例中，虛擬實境裝置及/或擴增實境裝置可以包括虛擬實境頭盔、虛擬實境眼鏡、虛擬實境眼罩、擴增實境頭盔、擴增實境眼鏡、擴增實境眼罩或類似物或其任意組合。例如，虛擬實境裝置及/或擴增實境裝置可以包括GoogleTM 眼鏡、Oculus Rift、HoloLens、Gear VR或類似物。在一些實施例中，車載裝置130-4可以包括車載電腦、車載電視或類似物。在一些實施例中，請求方終端130可以是具有用來確定請求方及/或請求方終端130位置的定位技術的裝置。在一些實施例中，可穿戴裝置130-5可以包括智慧手環、智慧鞋襪、智慧眼鏡、智慧頭盔、智慧手錶、智慧服裝、智慧背包、智慧配件或類似物，或其任何組合。在一些實施例中，可穿戴裝置130-5可以包括可以測量和收集佩戴者（例如，佩戴可穿戴裝置130-5的服務請求方）的生理資料的一個或多個感測器。所述生理資料可以用於確定佩戴者是否飲酒。
提供方終端140可以包括複數個提供方終端140-1、140-2、...、140-n。在一些實施例中，提供方終端140可以是與請求方終端130相似，或與請求方終端130相同的裝置。在一些實施例中，可以定製提供方終端140以能够實現隨選運輸服務100。在一些實施例中，提供方終端140可以是具有定位技術的裝置，其用於定位服務提供方、提供方終端140、及/或與提供方終端140相關的運輸工具150。在一些實施例中，請求方終端130及/或提供方終端140可以與另一個定位裝置通訊，以確定乘客、請求方終端130、服務提供方、及/或提供方終端140的位置。在一些實施例中，請求方終端130及/或提供方終端140可以周期性地將定位資訊發送到伺服器110。在一些實施例中，提供方終端140還可以周期性地將可用狀態發送到伺服器110。可用狀態可以表明與提供方終端140相關的運輸工具150是否可以接載乘客。例如，請求方終端130及/或提供方終端140可以每30分鐘將定位資訊和可用狀態發送到伺服器110。又例如，請求方終端130及/或提供方終端140可以在每次使用者登入到與隨選運輸服務100相關的行動應用時，將定位資訊和可用性狀態發送到伺服器110。
在一些實施例中，提供方終端140可以對應一個或多個運輸工具150。運輸工具150可以接載乘客並送至目的地。運輸工具150可以包括複數個運輸工具150-1、150-2、……、150-n。一個運輸工具可以對應一種類型的服務（例如，計程車呼叫服務、代駕服務、快車服務、共乘服務、公車服務、司機租用服務和班車服務）。
儲存裝置160可以儲存資料及/或指令。在一些實施例中，儲存裝置160可以儲存從請求方終端130及/或提供方終端140獲取的資料。在一些實施例中，儲存裝置160可以儲存伺服器110用來執行或使用來完成本申請中描述的示例性方法的資料及/或指令。在一些實施例中，儲存裝置160可以包括大容量儲存器、可移式儲存器、揮發性讀寫記憶體、唯讀記憶體（ROM）或類似物，或其任何組合。示例性大容量儲存器可包括磁碟、光碟、固態硬碟或類似物。示例性可移式儲存器可以包括快閃驅動器、軟碟、光碟、記憶卡、壓縮磁碟、磁帶或類似物。示例性揮發性讀寫記憶體可以包括隨機存取記憶體（RAM）。示例性RAM可以包括動態隨機存取記憶體（DRAM）、雙倍資料速率同步動態隨機存取記憶體（DDR SDRAM）、靜態隨機存取記憶體（SRAM）、閘流體隨機存取記憶體（T-RAM）、和零電容隨機存取記憶體（Z-RAM）或類似物。示例性唯讀記憶體可以包括遮罩式唯讀記憶體（MROM）、可程式唯讀記憶體（PROM）、可清除可程式唯讀記憶體（PEROM）、電子可清除可程式唯讀記憶體（EEPROM）、光碟唯讀記憶體（CD-ROM）和數位多功能磁碟唯讀記憶體或類似物。在一些實施例中，儲存裝置160可以在雲端平臺上實現。僅作爲示例，雲端平臺可以包括私有雲、公共雲、混合雲、社區雲、分散式雲、內部雲、多層雲或類似物或其任意組合。
在一些實施例中，儲存裝置160可以連接到網路120，以與O2O服務系統100的一個或多個組件（例如，伺服器110、請求方終端130、或提供方終端140）通訊。O2O服務系統100中的一個或多個組件可以經由網路120存取儲存裝置160中儲存的資料或指令。在一些實施例中，儲存裝置160可以直接連接到O2O服務系統100的一個或多個組件（例如，伺服器110、請求方終端130、提供方終端140）或與之通訊。在一些實施例中，儲存裝置160可以是伺服器110的一部分。
導航系統170可以確定與對象相關的資訊，例如，請求方終端130提供方終端140、運輸工具150或類似物中的一個或多個。在一些實施例中，導航系統170可以是全球定位系統（GPS）、全球導航衛星系統（GLONASS）、羅盤導航系統（COMPASS）、北斗導航衛星系統、伽利略定位系統、準天頂衛星系統（QZSS）或類似物。資訊可以包括對象的位置、高度、速度、或加速度，或當前時間。導航系統170可以包括一個或多個衛星，例如，衛星170-1、衛星170-2和衛星170-3。衛星170-1至170-3可以獨立地或共同地確定上述資訊。衛星導航系統170可以經由無線連接將上述提到的資訊發送到網路120、請求方終端130、提供方終端140或運輸工具150。
在一些實施例中，O2O服務系統100中的一個或多個組件（例如，伺服器110、請求方終端130、提供方終端140）可以允許存取儲存裝置160。在一些實施例中，當滿足一個或多個條件時，O2O服務系統100的一個或多個組件可以讀取及/或修改與乘客、服務提供方、及/或公衆有關的資訊。例如，完成服務後，伺服器110可以讀取及/或修改一個或多個乘客的資訊。又例如，完成服務後，伺服器110可以讀取及/或修改一個或多個服務提供方的資訊。
本領域具有通常知識者應當理解的是，當O2O服務系統100的組件（或組件）執行時，該組件可以通過電信號及/或電磁信號執行。例如，當請求方終端130向伺服器110發送服務請求時，請求方終端130的處理器可以産生編碼請求的電信號。請求方終端130的處理器然後可以將電信號發送到輸出埠。若請求方終端130經由有線網路與伺服器110通訊，則輸出埠可以被物理連接至纜線，其進一步可以將電信號傳輸給伺服器110的輸入埠。如果請求方終端130經由無線網路與伺服器110通訊，則請求方終端130的輸出埠可以是一個或多個天線，其將電信號轉換爲電磁信號。類似地，提供方終端130可以經由電信號或電磁信號，從伺服器110接收指令及/或服務請求。在如請求方終端130、提供方終端140、及/或伺服器110的電子裝置中，當其處理器處理指令、發出指令、及/或執行動作時，通過電信號導引指令及/或者動作。例如，當處理器從儲存媒體中檢索或保存資料時，可以將電信號發送給儲存媒體的讀/寫裝置，該讀/寫裝置可以讀取儲存媒體中的結構化資料。結構化資料可以以電信號的形式經由電子裝置的匯流排傳輸至處理器。此處，電信號可以指一個電信號、一系列電信號、及/或複數個不連續的電信號。
圖2係根據本申請的一些實施例所示的示例性計算裝置的示意圖。計算裝置可以是電腦，例如圖1中的伺服器110、及/或具有特定功能的電腦，該電腦被配置用於實現根據本申請的一些實施例的任何特定系統。計算裝置200可以被配置用於實現執行本申請中揭露的一個或多個功能的任何組件。例如，伺服器110可以被在硬體裝置、軟體程式、韌體或像計算裝置200的電腦的其他任何組合中實現。爲簡潔起見，圖2僅描述了一個計算裝置。在一些實施例中，計算裝置的功能可以由分散式模式中的一組類似平臺來實現，以分散系統的處理負荷。
計算裝置200可以包括通訊終端250，其可以與可以實現資料通訊的網路連接。計算裝置200還可以包括被配置爲執行指令的處理器220，並且包括一個或多個處理器。示例性電腦平臺可以包括內部通訊匯流排210、不同類型的程式儲存單元、和資料儲存單元（例如，磁碟270、唯讀記憶體（ROM）230、隨機存取記憶體（RAM）240、應用於電腦處理及/或通訊的各種資料文件、以及可能由處理器220執行的一些程式指令。計算裝置200還可以包括I/O裝置260，其可以支持計算裝置200與其他組件之間的資料流的輸入和輸出。此外，計算裝置200可以通過通訊網路接收程式和資料。
圖3係根據本申請的一些實施例所示的可以在其上實現終端的示例性行動裝置的示例性硬體及/或軟體組件的示意圖。如圖3所示，行動裝置300可以包括相機305、通訊平臺310、顯示器320、圖形處理單元（GPU）330、中央處理單元（CPU）340、I/O 350、語音輸入355、記憶體360、行動操作系統（OS）370、應用程式、儲存器390、和一個或多個感測器395。在一些實施例中，任何其他合適的組件，包括但不限於系統匯流排或控制器（未示出），也可以包括在行動裝置300內。
在一些實施例中，行動操作系統370（例如，iOS™、Android™、Windows Phone或類似物）和一個或多個應用程式380可以從儲存器390下載至記憶體360，以便由CPU 340執行。應用程式380可以包括瀏覽器或任何其他合適的行動應用程式，用於從O2O服務系統100接收和呈現與圖像處理或其他資訊有關的資訊。使用者與資訊流互動可以通過I/O 350實現，並提供給資料庫130、伺服器105及/或O2O服務系統100的其他組件。相機305可以被配置用於拍攝圖像或錄製視頻。在一些實施例中，當檢測到從行動裝置300的I/O 350或語音輸入355輸入的使用者指令時，可以啟動相機305。可替代地或另外地，當經由資料交換埠（例如，通訊平臺310）檢測到來自伺服器110的命令時，可以啟動相機305。語音輸入355可以被配置用於錄製語音。在一些實施例中，語音輸入355可以錄製行動裝置300的使用者的語音或音頻。感測器395可以包括被配置用於檢測行動裝置300的移動的感測器，例如加速度感測器、陀螺儀、定位感測器或類似物，或其任何組合。另外地或替代地，感測器395可以包括被配置收集持有行動裝置300的使用者的生理資訊的感測器。例如，感測器395可以包括心率感測器、溫度感測器或類似物，或其任何組合。在一些實施例中，行動裝置300可以是與請求方終端130或提供方終端140相對應的示例性實施例。
爲了實施本申請描述的各種模組、單元及其功能，電腦硬體平臺可用作本文中描述的一個或多個組件的硬體平臺。具有使用者介面組件的電腦可用於實施個人電腦（PC）或任何其他類型的工作站或終端裝置。如果適當程式設計，電腦也可以充當系統。
圖4A和4B係根據本申請的一些實施例所示的示例性處理引擎112A和112B的方塊圖。在一些實施例中，處理引擎112A和112B可以是圖1所描述的處理引擎112的實施例。
在一些實施例中，處理引擎112A可以被配置用於根據與請求方有關的資訊和請求方做出的請求，確定請求方是否飲酒。處理引擎112B可以被配置用於産生飲酒預測模型。在一些實施例中，處理引擎112A和112B可以分別在圖2所示的計算裝置200（例如，處理器220）或圖3所示的CPU 340上實現。僅作爲示例，處理引擎112A可以在行動裝置的CPU 340上實現，處理引擎112B可以在計算裝置200上實現。可替代的，處理引擎112A和112B可以在同一計算裝置200或相同的CPU 340上實現。
處理引擎112A可以包括獲取模組401、確定模組402和傳輸模組403。
獲取模組401可以被配置爲獲取與O2O服務系統100的一個或多個組件有關的資訊。例如，獲取模組401可以獲取與請求方發起的O2O服務請求有關的資訊。與請求有關的示例性資訊可以包括請求時間資訊、請求的位置資訊、請求方及/或接受請求的提供方的個人資訊，或者與請求方及/或提供方有關的反饋資訊。又例如，獲取模組401可以是與請求方有關的資訊，用於指示請求方的生理狀態。與請求方有關的示例性資訊可以包括圖像、視頻、音頻、生理資訊、請求方的行爲資訊或類似物，或其任何組合。在一些實施例中，獲取模組401可以從O2O服務系統100中的一個或多個組件，例如儲存裝置（例如，儲存裝置160）或者一個或多個使用者終端（例如，服務請求方終端130、服務提供方終端140）獲取資訊。另外地或替代地，獲取模組401可以經由網路120從外部源獲取資訊。例如，獲取模組401可以從第三方應用程式（例如，交通違規記錄的網站或資料庫）獲取請求方的個人資訊（例如，請求方的交通違規記錄）。
確定模組402可以被配置用於基於飲酒預測模型和與請求相關的資訊來確定請求方已飲酒的機率。在一些實施例中，可以將與請求相關的資訊輸入到飲酒預測模型中。飲酒預測模型可以分析與請求相關的資訊，並産生預測的輸出指示請求方是否飲酒。在一些實施例中，預測的輸出可以是請求方已飲酒的預測機率。可替代的，預測輸出可以是關於請求方是否飲酒的預測類別。處理引擎112A還可以基於預測類別確定機率。在一些實施例中，確定模組402可以進一步被配置用於確定請求方已飲酒的機率是否大於臨界值。關於確定請求方已飲酒的機率的更多描述可以在本申請的其他地方找到。參見例如圖5中的操作520和530及其相關描述。
在一些實施例中，確定模組402可以被配置用於根據與請求方相關的資訊（例如，請求方的圖像、音頻、或視頻）來確定請求方已飲酒。在一些實施例中，確定模組402可以根據與請求方相關的資訊，分析請求方的一個或多個特徵，並根據分析結果確定請求方是否飲酒。關於確定請求方是否飲酒的細節可以在本申請的其他地方找到。參見例如圖7及其相關描述。
傳輸模組403可以被配置用於將請求方已飲酒的通知發送到接受該請求的提供方的提供方終端。所述通知可以提醒提供方請求方已飲酒，其可以防止提供方和請求方之間的潛在衝突。在一些實施例中，通知可以是任何形式，諸如文本、圖像、語音、視頻或其組合。
處理引擎112B可以包括獲取模組404和訓練模組405。
獲取模組404可以被配置以獲取用於訓練飲酒預測模型的資訊。例如，獲取模組404可以獲取與複數個歷史訂單相關的歷史訂單資訊。例如，歷史訂單資訊可以包括與對應的歷史請求相關的歷史資訊及/或關於對應的歷史請求方的歷史反饋資訊。在一些實施例中，與歷史訂單相關的歷史訂單資訊可以表示爲特徵向量，其包括歷史訂單的一個或多個特徵和特徵的歷史值。關於複數個歷史訂單的歷史訂單資訊的詳細資訊可以在本申請的其他地方找到。參見例如圖6中的操作610及其相關描述。
獲取模組404可以進一步被配置爲從複數個歷史訂單中獲得正反饋的第一組歷史訂單和獲得負反饋的第二組歷史訂單。在一些實施例中，如果歷史訂單的歷史請求方被上報已飲酒，則歷史訂單可以獲得負反饋。如果歷史訂單的歷史請求方被上報沒有飲酒，則歷史訂單可以獲得正反饋。另外地或可替代地，如果歷史訂單的歷史請求方沒有被上報已飲酒，則歷史訂單可以獲得正反饋。獲取模組404可以從歷史訂單中選擇一個或多個獲得正反饋的歷史訂單，並將它們指定爲第一組歷史訂單。獲取模組404可以從歷史訂單中選擇一個或多個獲得負反饋歷史訂單，並將它們指定爲第二組歷史訂單。
訓練模組405可以被配置爲訓練模型。例如，訓練模組405可以使用第一組歷史訂單和第二組歷史訂單來獲取初始模型，以産生飲酒預測模型。關於飲酒預測模型的産生的細節可以在本申請的其他地方找到。參見，例如，圖6中的操作650及其相關描述。
所述模組可以是處理引擎112的全部或部分的硬體電路。模組還可以實現爲由處理引擎112A或112B讀取和執行的應用程式或指令集。此外，模組可以是硬體電路和應用/指令的任何組合。例如，當處理引擎112A或112B正在執行應用程式/指令集時，模組可以是處理引擎112A的一部分。
應當注意的是，處理引擎112的上述描述是爲了說明的目的而提供的，並不旨在限制本申請的範圍。對於本領域具有通常知識者來說，可以根據本申請的描述，做出各種各樣的修正和改變。然而，這些修正和改變不會背離本申請的範圍。在一些實施例中，上述任何模組可以以兩個或以上單獨的單元實現。例如，確定模組402的功能可以在兩個單獨的單元中實現，其中一個被配置爲根據與請求相關的資訊確定請求方已飲酒的機率，另一個被配置爲根據與請求方相關的資訊確定請求方是否飲酒。在一些實施例中，處理引擎112A及/或處理引擎112B還可以包括一個或多個附加模組（例如，儲存模組）。在一些實施例中，處理引擎112A和112B可以合並爲一個處理引擎。
圖5係根據本申請的一些實施例所示的用於確定O2O服務的請求方是否已飲酒的示例性流程的流程圖。流程500的至少一部分可以在如圖2所示的計算裝置200或如圖3所示的行動裝置300上實現。在一些實施例中，流程500的一個或多個操作可以在如圖1所示的O2O服務系統100中實現。在一些實施例中，流程500中的一個或多個操作可以作爲指令的形式儲存在儲存裝置（例如，儲存裝置160、ROM 230、RAM 240、儲存器390）中，並且被伺服器110調用及/或執行（例如，伺服器110中的處理引擎112A或計算裝置200的處理器220）。在一些實施例中，指令可以以電子電流或電信號的形式被傳輸。
在510中，處理引擎112A（例如，獲取模組401）可以通過資料交換埠獲取與請求方發起的O2O服務請求相關的資訊。
示例性的O2O服務可以包括計程車呼叫服務、代駕服務、快車服務、共乘服務、巴士服務、司機租用服務、班車服務，外賣服務或類似物，或其任何組合。在一些實施例中，O2O服務可以是任何線上服務，諸如訂餐服務、線上購物服務或類似物，或其任何組合。在一些實施例中，O2O服務的請求可以由請求方通過請求方終端130發送，例如，通過安裝在請求方終端130中的O2O服務的應用程式。
與O2O服務請求相關的資訊可以包括與請求及/或請求方相關的任何資訊。例如，資訊可以包括請求時間、請求起點、請求方的位置、目的地、起點與請求方的位置之間的預估距離（例如，線性距離或路線距離）、起點和目的地之間的預估距離（例如，線性距離或路線距離）、請求方的個人資訊、關於請求方的歷史反饋資訊或類似物，或其任何組合。在一些實施例中，所述資訊可以包括請求時間、請求的起點、請求方的位置、請求的起點與請求方的位置之間的預估距離、請求方的個人資訊或關於請求方的歷史反饋資訊中的至少一個。
所述請求時間可以指請求方發起的O2O服務請求的時間點或請求方想要接收O2O服務的預約時間點。所述請求起點可以指請求方想要接收O2O服務的位置。所述請求方的位置可以指請求方發起請求的位置。在一些實施例中，請求的起點和請求方的位置可以相同或不同。所述目的地可以指請求方想要完成O2O服務的位置。請求方的個人資訊可以包括性別、年齡、聯繫資訊（例如電話號碼）、教育程度、地址、職業、婚姻狀况、犯罪記錄、信用記錄、交通違規記錄或類似物，或其任何組合。關於請求方的歷史反饋資訊可以包括由服務提供方評估的請求方的表現分數、關於請求方的評論及/或投訴、請求方被上報不正當行爲（例如，飲酒）的次數。在一些實施例中，歷史反饋資訊可以在預定時間段內，例如，在請求的請求時間之前的近一個月、近半年，或過去一年。
在一些實施例中，與請求相關的資訊可以用於評估請求方是否在某種程度上飲酒。例如，晚上發起請求的請求方更有可能飲酒。又例如，在酒吧附近發起請求的請求方更有可能飲酒。因此，與請求有關的資訊可以用於預估請求方已飲酒的機率。
在一些實施例中，可以從O2O服務系統100的一個或多個組件獲取與請求有關的資訊。僅作爲示例，個人資訊的一部分可以由請求方輸入並儲存在儲存裝置160中。獲取模組401可以經由資料交換埠，從儲存裝置160獲取個人資訊的所述部分。附加地或替代地，可以經由網路120和資料交換埠，從外部源獲取與請求有關的資訊。在一些實施例中，請求方的個人資訊可以從彼此共享使用者資訊的一個或多個第三方應用程式中獲取。例如，可以從交通違規記錄的網站或資料庫中獲取請求方的交通違規記錄。
資料交換埠可以在處理引擎112A與O2O服務系統100中的一個或多個其他組件例如，請求方的終端裝置130、儲存裝置160之間建立連接。連接可以是有線連接、無線連接、可以實現資料傳輸及/或接收的任何其他通訊連接及/或這些連接的任何組合。在一些實施例中，資料交換埠可以類似於圖2中描述的通訊終端250，這裏不再重複其描述。
在520中，處理引擎112A（例如，確定模組402）可以根據與請求相關的資訊使用飲酒預測模型，確定請求方已飲酒的機率。爲簡潔起見，請求方已飲酒的機率可被稱爲機率。
在一些實施例中，與請求相關的資訊可以輸入到飲酒預測模型中。飲酒預測模型可以分析與請求相關的資訊，並産生預測的輸出指示請求方是否飲酒。在一些實施例中，預測的輸出可以是請求方已飲酒的預測機率。替代地，預測的輸出可以是關於請求方是否飲酒的預測類別。處理引擎112A還可以基於預測類別確定機率。例如，預測類別可以包括請求方已飲酒的第一類別和請求方未飲酒的第二類別。處理引擎112A可以確定指示請求方屬於第一類別的第一機率值和指示請求方屬於第二類別的第二機率值。第一機率值可能高於第二機率值。僅作爲示例，第一機率值可以是1，第二機率值可以是0。又例如，第一機率值可以是0. 7，第二機率值可以是0.3。
在一些實施例中，可以通過使用複數個歷史訂單訓練初始模型來産生飲酒預測模型。初始模型可以包括機器學習模型，例如但不限於梯度提升决策樹（GBDT）模型或極端梯度提升（XGBoost）模型。關於飲酒預測模型的細節可以在本申請的其他地方找到，例如，圖6及其描述。
在一些實施例中，機率可以以各種形式表示。例如，機率可以表示爲百分比（例如，0%到100%之間的值）。更高的百分比可以表明請求方已飲酒的機率更高。又例如，機率可以表示爲分數（例如，0到10之間的值）。得分越高表示請求方已飲酒的機率越高。
在530中，處理引擎112A（例如，確定模組402）可以確定請求方已飲酒的機率是否大於臨界值。回應於確定機率大於臨界值，流程500可以進行到540。回應於確定機率不大於臨界值，流程500可以進行到570。
所述臨界值可以是任何正值。臨界值可以根據機率的表達形式而有所不同。例如，如果機率表示爲0到100%之間的百分比，則臨界值可以是諸如50%、60%、70%、80%、90%或任何其他正百分比。又例如，如果機率表示爲0到10之間的值，則臨界值可以是諸如5、6、7、8、9，或0到10之間的任何其他正值。在一些實施例中，臨界值可以是或類似物於或大於機率範圍的中值的值。
在一些實施例中，所述臨界值可以是儲存裝置（例如，儲存裝置160）中儲存的內定設置，或者由O2O服務系統100通過終端設置。在一些實施例中，可以根據不同情况，由O2O服務系統100的一個或多個組件（例如，處理引擎112A）來確定或調整臨界值。例如，考慮到請求方更有可能在晚上喝酒，相對於白天請求的臨界值可能高於晚上請求的臨界值。
在540中，處理引擎112A（例如，獲取模組401）可以獲取與請求方有關的資訊。所述與請求方有關的資訊可以包括指示請求方的生理狀態的任何即時資訊。與請求方有關的示例性資訊可以包括請求方的圖像、視頻、音頻、生理資訊、行爲資訊或類似物，或其任何組合。
在一些實施例中，可以從請求方的請求方終端130獲取請求方的圖像及/或視頻。在一些實施例中，爲了獲取請求方的圖像及/或視頻，處理引擎112A可以經由資料交換埠發送打開請求方終端130的相機的請求。當接收到來自請求方對所述請求的批准時，處理引擎112A可以通過資料交換埠向請求方終端130發送命令，以錄製請求方的圖像及/或視頻。處理引擎112A可以進一步經由資料交換埠從請求方終端130接收圖像及/或視頻。
在一些實施例中，請求方的音頻可以包括由請求方發送給接受請求的提供方的一段音頻。另外地或替代地，請求方的音頻可以包括記錄請求方和提供方之間的對話的一段音頻。請求方的音頻可以從請求方的請求方終端130及/或接受請求的提供方的提供方終端140中獲取。在一些實施例中，處理引擎112A可以經由資料交換埠，向請求方終端130或提供方終端140中的至少一個發送獲取音頻的請求。所述請求可以使請求方終端130或提供方終端140中的至少一個啟動音頻錄製。然後，處理引擎112A可以經由資料交換埠，從請求方終端130或提供方終端140中的至少一個接收錄製的音頻。
所述生理資訊可包括血糖水平、血壓、呼吸率、體溫、請求方的心率或類似物，或其任何組合。在一些實施例中，請求方的生理資訊可以從請求方所佩戴的可穿戴裝置（例如，可穿戴裝置130-5）的及/或從請求方終端130的一個或多個感測器395獲取。
所述行爲資訊可包括身體運動（例如，身體擺動、腿部擺動及/或手臂擺動）、請求方的步行速度或類似物，或其任何組合。在一些實施例中，行爲資訊可以由處理引擎112A從請求方的一個或多個圖像及/或視頻中獲取。例如，處理引擎112A可以通過分析請求方的圖像及/或視頻來檢測身體擺動、腿部擺動及/或手臂擺動。另外地或替代地，可以從請求方終端130獲取行爲資訊。例如，請求方終端130可以被配置有一個或多個感測器395，例如可以檢測請求方終端130的移動的加速度感測器或陀螺儀，所述移動反過來可以反映請求方的運動。
在550中，處理引擎112A（例如，確定模組402）可以基於與請求方相關的資訊來確定請求方是否已飲酒。回應於確定請求方已飲酒，流程500可以進行到560。回應於確定請求方未飲酒，流程500可以進行到570。
在一些實施例中，確定模組402可以根據與請求方相關的資訊來分析請求方的一個或多個特徵。確定模組402可以進一步基於分析結果確定請求方是否已經飲酒。所述一個或多個特徵可以包括聲學特徵、臉部特徵、身體運動、請求方的生理參數或類似物，或其任何組合。關於確定請求方是否飲酒的細節可以在本申請的其他地方找到，例如，圖7及其描述。
在560中，處理引擎112A（例如，傳輸模組403）可以經由資料交換埠將請求方已飲酒的通知發送到對應O2O服務請求的提供方終端140。
對應於請求的提供方終端140可以指接受請求的提供方的提供方終端140。在一些實施例中，通知可以是任何形式，例如文本、圖像、語音、視頻或其組合。通知提醒O2O服務的提供方請求方已飲酒，其可以防止提供方和請求方之間的潛在衝突。
在570中，處理引擎112A可以結束流程500。
應當注意的是，關於流程500的以上描述的僅僅是出於說明的目的而提供的，並不旨在限制本申請的範圍。對於本領域具有通常知識者來說，可以根據本申請的描述，做出各種各樣的修正和改變。然而，這些修正和改變不會背離本申請的範圍。在一些實施例中，可以省略一個或多個操作及/或可以添加一個或多個附加操作。例如，在操作560或570之後，處理引擎112A可以向提供方終端140發送對應於該請求的詢問，以確認請求方是否已飲酒。在一些實施例中，處理引擎112A可以在飲酒預測模型的訓練及/或更新中利用所述詢問結果。
圖6係根據本申請的一些實施例所示的用於産生飲酒預測模型的示例性流程的流程圖。流程600的至少一部分可以在如圖2所示的計算裝置200或如圖3所示的行動裝置300上實現。在一些實施例中，流程600的一個或多個操作可以在如圖1所示的O2O服務系統100中實現。在一些實施例中，流程600中的一個或多個操作可以作爲指令的形式儲存在儲存裝置（例如，儲存裝置160、ROM 230、RAM 240、儲存器390或類似物）中，並且被伺服器110（例如，伺服器110中的處理引擎112B，或計算裝置200的處理器220）調用及/或執行。在一些實施例中，可以執行流程600的部分或全部以實現圖5所描述的操作520。
在610中，處理引擎112B（例如，獲取模組404）可以獲取複數個歷史訂單。
如這裏所使用的，「獲取複數個歷史訂單」可以指「獲取與歷史訂單相關的歷史訂單資訊」。歷史訂單可以指已完成的服務訂單。在一些實施例中，在操作610中獲取的歷史訂單可以是在預定時間段內，例如，一年（例如，去年、今年、最近一年），半年（例如，最近六個月、當年的前半年），四分之一年（例如，最近三個月、當年的第二季度）或類似物，或其任何組合。
與歷史訂單相關的歷史訂單資訊可以包括與相應的歷史請求相關的歷史資訊。與歷史請求相關的歷史資訊可以包括歷史請求時間、歷史起點、歷史目的地、在相應的歷史請求方發起歷史訂單時他/她的歷史位置、歷史起點和歷史目的地之間的預估距離、歷史起點與歷史請求方的歷史位置之間的預估距離、歷史請求方的個人資訊、關於歷史請求方的歷史反饋資訊或類似物，或其任何組合。與歷史請求相關的歷史資訊可以類似於與結合操作510描述的請求相關的資訊，並且這裏不再重複其描述。在一些實施例中，與歷史訂單相關的歷史訂單資訊還可以包括價格資訊、與對應的歷史提供方有關的資訊（例如，歷史提供方的個人資訊、關於歷史提供方的歷史反饋資訊）或類似物或其任何組合。
在一些實施例中，與歷史訂單相關的歷史訂單資訊可以包括關於歷史請求方的歷史反饋資訊。歷史反饋資訊可以包括通過歷史提供方提供的關於歷史請求方在他/她發起歷史訂單時是否已經飲酒的反饋。在一些實施例中，如果反饋表明歷史請求方沒有飲酒，則可以將其視爲正反饋。如果反饋表明歷史請求方已經飲酒，則可以被視爲負反饋。在一些實施例中，歷史提供方可以不提供關於歷史請求方是否已經飲酒的反饋。可以假設歷史請求方沒有飲酒，並且歷史訂單可以具有正反饋。
在一些實施例中，與歷史訂單相關的歷史訂單資訊可以表示爲包括歷史訂單的一個或多個特徵的特徵向量。N維向量可以與N個特徵相關。在一些實施例中，處理引擎112（例如，處理引擎112B）可以立即處理一個或多個特徵向量。例如，m個特徵向量（例如，三行向量）可以被整合到1×mN的向量或m×N的矩陣中，其中m是整數。
在620中，處理引擎112B（例如，獲取模組404）可以從複數個歷史訂單中獲取獲得正反饋的第一組歷史訂單。在630中，處理引擎112B（例如，獲取模組404）可以從複數個歷史訂單中獲取獲得負反饋的第二組歷史訂單。
如結合操作610所述，如果歷史訂單的歷史請求方被上報已飲酒，則歷史訂單可以獲得負反饋。如果歷史訂單的歷史請求方被上報沒有飲酒，則歷史訂單可以獲得正反饋。另外地或者替代地，如果歷史訂單的歷史請求方沒有被上報已飲酒，則歷史訂單可以獲得正反饋。在一些實施例中，獲取模組404可以從歷史訂單中選擇一個或多個正反饋的歷史訂單，並將它們指定爲第一組歷史訂單。獲取模組404可以從歷史訂單中選擇一個或多個負反饋的歷史訂單，並將它們指定爲第二組歷史訂單。在一些實施例中，第二組中的歷史訂單的數量可以與第一組的歷史訂單的數量相同或不同。
在640中，處理引擎112B（例如，獲取模組404）可以獲取初始模型。
所述初始模型可以包括機器學習模型，例如梯度提升决策樹（GBDT）模型、極端梯度提升（XGBoost）模型和隨機森林模型。在一些實施例中，初始模型可具有O2O服務系統100的內定設置（例如，一個或多個初始參數），或者可以在不同情况下被調整。以初始模型XGBoost模型爲例，初始模型可以包括一個或多個初始參數，例如提升類型（例如，基於樹的模型或線性模型）、提升參數（例如，最大深度、最大葉節點數）、學習任務參數（例如，訓練的目標函數）或類似物，或其任何組合。
在650中，處理引擎112B（例如，訓練模組405）可以通過使用獲得正反饋的第一組歷史訂單和獲得負反饋的第二組歷史訂單訓練初始模型來産生飲酒預測模型。飲酒預測模型可以被配置用於根據請求資訊，預測O2O服務的請求方是否已經飲酒。在一些實施例中，預測結果可以是請求方已飲酒的預測機率或指示請求方是否飲酒的預測類別。
在一些實施例中，在初始模型的訓練中，第一組歷史訂單和第二組歷史訂單可以被視爲具有歷史請求方已飲酒的不同機率。例如，對應於獲得正反饋的第一組歷史訂單的機率可以被視爲第三可能性值，對應於獲得負反饋的第二組歷史訂單的機率可以被視爲第四種可能性值。第三機率值可能低於第四機率值。僅作爲示例，第三機率值可以是0，第四機率值可以是1。又例如，第一機率值可以是0.3，第二機率值可以是0.7。另外地，第一組歷史訂單和第二組歷史訂單可以被視爲兩個單獨的類別。
訓練模組405可以將第一組和第二組中的每個歷史訂單的特徵資訊輸入到初始模型中，以輸出相應的預測機率（或預測類別）。訓練模組405可以進一步確定第一組和第二組中的歷史訂單的預測機率和已知機率之間（或者在預測類別和已知類別之間）的差異。爲簡潔起見，差異也可以被稱爲損失函數。根據損失函數，訓練模組405可以進一步調整初始模型（例如，調整初始參數），直到損失函數達到期望值。在損失函數達到期望值之後，可以將調整後的初始二進位模型指定爲飲酒預測模型。
在一些實施例中，初始模型訓練的目標函數可以包括損失函數（或訓練損失）以及正則化。損失函數衡量初始模型對訓練資料的擬合程度。正則化衡量初始模型的複雜性。在一些實施例中，如果飲酒預測模型的預測輸出是飲酒的請求方的預測機率。目標函數可以是邏輯函數。如果飲酒預測模型的預測輸出是關於請求方是否飲酒的預測類別。目標函數可以是softmax函數。
在一些實施例中，飲酒預測模型可以包括第一組歷史訂單或第二組歷史訂單的複數個特徵的複數個權重。特徵的權值可以表示特徵對飲酒預測模型的預測輸出的影響。具有較大權值的特徵可能比具有較低權值的特徵對飲酒預測模型的預測輸出具有更大的影響。在一些實施例中，處理引擎112B可以基於特徵的權重從複數個特徵中選擇一個或多個核心特徵。例如，處理引擎112B可以選擇具有前N個權重的特徵作爲核心特徵。N可以是任何正值（例如，10、20和30）或百分比（例如，10％、20％和30％）。核心特徵可用於識別O2O服務系統100中的飲酒請求方。僅作爲示例，根據飲酒預測模型，請求時間、請求方的位置以及請求方的性別是權重前3名的核心特徵。當請求方發起新請求時，處理引擎112可以通過分析請求時間、請求方的請求方位置以及新請求的請求方的性別，確定請求方已飲酒的機率。
應當注意的是，對流程600的以上描述僅僅是出於說明的目的而提供的，並不旨在限制本申請的範圍。對於本領域具有通常知識者來說，可以根據本申請的教導，做出多種改變和修正。然而，這些改變和修正不會背離本申請的範圍。在一些實施例中，可以省略一個或多個操作及/或可以添加一個或多個附加操作。例如，620和630可以組合在一個操作中。又例如，可以在650之後添加操作以測試飲酒預測模型。
圖7係根據本申請的一些實施例所示的用於根據與請求方相關的資訊來確定請求方是否飲酒的示例性流程的流程圖。流程700的至少一部分可以在如圖2所示的計算裝置200或如圖3所示的行動裝置300上實現。在一些實施例中，流程700的一個或多個操作可以在如圖1所示的O2O服務系統100中實現。在一些實施例中，流程700中的一個或多個操作可以作爲指令的形式儲存在儲存裝置（例如，儲存裝置160、ROM 230、RAM 240、儲存器390或類似物）中，並且由伺服器110（例如，伺服器110中的處理引擎112A或計算裝置200的處理器220）調用及/或執行。在一些實施例中，可以執行流程700的部分或全部以實現如結合圖5所描述的操作550。
如結合操作540所述，與請求方有關的資訊可以包括圖像、視頻、音頻、生理資訊、請求方的行爲資訊或類似物，或其任何組合。處理引擎112A（例如，確定模組402）可以根據與請求方有關的資訊來分析請求方的一個或多個特徵，並根據分析結果確定請求方是否飲酒。
在710中，處理引擎112A（例如，確定402）可以基於請求方的音頻或視頻來分析請求方的語音的聲學特性。
示例性語音的聲學特性可以包括語速、語音語調、暫停次數、請求方說出的一個或多個關鍵詞、請求方說出的句子的持續時間、錯誤的頻率、線性預測係數（LPC）、梅爾頻率倒譜係數（MFCC）或類似物，或其任何組合。在一些實施例中，確定模組402可以根據音頻或視頻獲取並分析語音、暫停的次數、請求方所說的一個或多個關鍵詞、請求方所說的句子的持續時間、錯誤的頻率、LPC或請求方的MFCC中的至少一個。在一些實施例中，確定模組402可以根據一個或多個語音分析及/或識別技術，從包括請求方的音頻或視頻的音頻信號中提取語音的聲學特性。
在一些實施例中，確定模組402可以通過將請求方的聲學特性與聲學特性的參考值（或範圍）進行比較來確定請求方是否飲酒。參考值（或範圍）可以是沒有飲酒的正常人的聲學特性的參考值（或範圍），或者是醉酒人的聲學特性的參考值（或範圍）。僅作爲示例，確定模組402可以確定請求方的語速是否慢於正常人的預設的語速。回應於確定語速比預設語速慢，確定模組402可以確定請求方可能已飲酒。又例如，確定模組402可以確定請求方所說的所提取的關鍵詞是否包括醉酒人可能會說的一個或多個的特徵詞，例如「喝酒」、「醉酒」、「酒精」、「酒吧」、「酒館」、「酒」或類似物，或其任何組合。回應於確定所提取的關鍵詞包括一個或多個特徵詞，確定模組402可以確定請求方已經飲酒。又例如，確定模組402可以確定音頻是否包括暫停次數比正常臨界值更多的音頻。由於醉酒人可能口吃，音頻中的更多暫停可能表明請求方已經飲酒。回應於確定包括暫停次數比正常臨界值更多的音頻，確定模組402可以確定請求方可能已經飲酒。在一些實施例中，確定模組402可以基於聲學特性的比較結果，確定請求方已經飲酒的可能性。例如，因爲請求方的聲學特性與其對應的參考值（或範圍）之間的差異更大，確定模組402可以確定請求方已飲酒的更高可能性。
在一些實施例中，確定模組402可以提取和分析請求方的複數個聲學特性以確定他/她是否已經飲酒。例如，確定模組402可以將每個聲學特性與對應的參考值（或範圍）進行比較。如果聲學特性之一的比較結果確定請求方已經飲酒，則確定模組402可以確定請求方已經飲酒。可替代地，只有在多個聲學特性（例如，聲學特性的2個、3個、4個或一半）的比較結果確定請求方已經飲酒時，確定模組402才會確定請求已經飲酒。在一些實施例中，確定模組402可以基於聲學特性的比較結果，確定請求方已經飲酒的可能性。
在720中，處理引擎112A（例如，確定模組402）可以根據請求方的圖像或視頻來分析請求方的臉部特徵。
示例性請求方的臉部特徵可以包括請求方的臉部及/或頸部的顔色、請求方的瞳孔大小、請求方的眨眼頻率、請求方的點頭頻率、請求方的打哈欠頻率、請求方的閉眼持續時間或類似物，或其任何組合。在一些實施例中，確定模組402可以根據請求方的圖像或視頻，獲取請求方的臉部及/或頸部的顔色、請求方的瞳孔大小、請求方的眨眼頻率、請求方的點頭頻率、或者請求方的打哈欠頻率中的至少一個。在一些實施例中，確定模組402可以通過一個或多個圖像處理技術，例如但不限於圖像變換技術、圖像分割技術、圖像濾波技術、圖像運動檢測技術，從請求方的圖像或視頻獲取請求方的臉部特徵。
在一些實施例中，確定模組402可以通過將請求方的臉部特徵與臉部特徵的參考值（或範圍）進行比較來確定請求方是否已經飲酒。臉部特徵的參考值（或範圍）可以是沒有飲酒的正常人的臉部特徵的參考值（或範圍），或者是醉酒人的臉部特徵的參考值（或範圍）。例如，確定模組402可以確定臉部及/或頸部的顔色是否包括紅色或紅色的變形（例如，粉紅色、紅寶石色、胭脂紅色）。回應於確定臉部及/或頸部的顔色包括紅色或紅色的變形，確定模組402可以確定請求方已飲酒。基於請求方的一個或多個臉部特徵確定請求方是否飲酒的可以類似於基於請求方的一個或多個聲學特性，並且這裏不再重複其描述。
在730中，處理引擎112A（例如，確定模組402）可以根據請求方的行爲資訊來分析請求方的身體運動。
在一些實施例中，確定模組402可以根據請求方的行爲資訊來分析軀幹擺動、腿部擺動、或手臂擺動中的至少一個。以軀幹擺動爲例，確定模組402可以根據與請求方相關的行爲資訊來確定請求方的軀幹是否搖擺不定。如這裏所使用的，如果請求方的軀幹的擺動幅度及/或擺動頻率超過預定值（或範圍），則請求方的軀幹可被視搖擺不定。回應於確定請求方的軀幹搖擺不定，確定模組402可以確定請求方已飲酒。又例如，確定模組402可以通過確定請求方的至少一個腿（或手臂）是否搖擺不定來確定請求方是否已飲酒。根據腿部擺動或手臂擺動確定請求方是否飲酒可能類似於根據軀幹擺動確定請求方是否飲酒，在此不再贅述。
在一些實施例中，如果根據軀幹擺動、腿部擺動或手臂擺動中的至少一個的分析結果確定他/她已經飲酒，則確定模組402可以確定請求方已經飲酒。替代地，如果根據軀幹擺動、腿部擺動、或手臂擺動中的複數個或全部的分析結果確定他/她已經飲酒，則確定模組402可以確定請求方已經飲酒。
在740中，處理引擎112A（例如，確定模組402）可以根據請求方的生理資訊來分析請求方的生理參數。
示例性生理參數可以包括血糖水平、血壓、呼吸率、體溫、請求方的心率或類似物，或其任何組合。在一些實施例中，確定模組402可以基於請求方的生理資訊獲取並分析請求方的血糖水平、血壓、呼吸率、體溫、或心率中的至少一個。
在一些實施例中，確定模組402可以通過將請求方的生理參數與生理參數的參考值（或範圍）進行比較來確定請求方是否已經飲酒。生理參數的參考值（或範圍）可以是未飲酒的正常人的生理參數的參考值（或範圍），或飲酒人的生理參數的參考值（或範圍）。例如，確定模組402可以確定請求方的心率是否大於正常人的預設心率。回應於確定請求方的心率大於預設心率，確定模組402可以確定請求方已經飲酒。基於請求方的一個或多個生理參數確定請求方是否已飲酒可以類似於基於請求方的一個或多個聲學特性確定請求方是否已飲酒，在此不再贅述。
在750中，處理引擎112A（例如，確定模組402）可以根據請求方的語音的聲學特性（或屬性）、臉部特徵、身體運動、以及生理參數的分析來確定請求方是否已經飲酒。
在一些實施例中，如果語音的聲學特性（或屬性）、臉部特徵、身體運動、和生理參數的分析結果中的至少一個表明請求方已經飲酒，則確定模組402可以確定請求方已經飲酒。替代地，如果多個分析結果（例如，2個、3個或所有分析結果）顯示請求方已飲酒，則確定模組402可以確定請求方已飲酒。在一些實施例中，確定模組402可以基於通過聲學特性（或屬性）、臉部特徵、身體運動、和生理參數的分析確定的請求方已飲酒的可能性來確定加權可能性。如果加權可能性大於預設可能性，則確定模組402可以確定請求方已經飲酒。如果加權可能性不大於預設可能性，則確定模組402可以確定請求方沒有飲酒。
應當注意的是，流程700的上述描述僅僅是出於說明的目的而提供的，並不旨在限制本申請的範圍。對於本領域具有通常知識者來說，可以根據本申請的教導，做出各種各樣的改變和修正。然而，這些改變和修正不會背離本申請的範圍。在一些實施例中，可以省略流程700中的一個或多個操作及/或可以將一個或多個附加操作添加到流程700。例如，只要執行操作710至740中的至少一個以確定請求方是否已經飲酒，可以省略操作710至740中的任何一個。又例如，可以省略操作750，並且可以僅執行操作710至740中的一個以確定請求方是否已經飲酒。
上文已對基本概念做了描述，顯然，對於閱讀此申請後的本領域具有通常知識者來說，上述申請揭露僅作爲示例，並不構成對本申請的限制。雖然此處並未明確說明，但本領域具有通常知識者可能會對本申請進行各種替代、改進和修正。該類替代、改進和修正在本申請中被建議，所以該類修改、改進、修正仍屬於本申請示範實施例的精神和範圍。
同時，本申請使用了特定術語來描述本申請的實施例。例如「一個實施例」、「一實施例」、及/或「一些實施例」意指與本申請至少一個實施例相關的某一特徵、結構或特性。因此，應强調並注意的是，本說明書中在不同位置兩次或以上提及的「一實施例」或「一個實施例」或「一替代性實施例」並不一定是指同一實施例。此外，本申請的一個或多個實施例中的某些特徵、結構或特點可以進行適當的組合。
進一步地，本領域具有通常知識者可以理解，本申請的各態樣可以通過若干具有可專利性的種類或情况進行說明和描述，包括任何新的和有用的流程、機器、産品或物質的組合，或對其任何新的和有用的改良。相應地，本申請的各個態樣可以完全由硬體執行、可以完全由軟體（包括韌體、常駐軟體、微碼或類似物）執行、也可以由硬體和軟體組合執行。以上硬體或軟體均可被稱爲「資料塊」、「模組」、「引擎」、「單元」、「組件」或「系統」。此外，本申請的各態樣可以採取體現在一個或多個電腦可讀取媒體中的電腦程式産品的形式，其中電腦可讀取程式碼包含在其中。
電腦可讀取信號媒體可包含內含有電腦程式碼的傳播資料信號，例如在基帶上或作爲載波的一部分。此類傳播信號可以有多種形式，包括電磁形式、光形式或類似物或任何合適的組合形式。電腦可讀取信號媒體可以是除電腦可讀取儲存媒體之外的任何電腦可讀取媒體，該媒體可以通過連接至一個指令執行系統、裝置或裝置以實現通訊、傳播或傳輸供使用的程式。位於電腦可讀取信號媒體上的程式碼可以通過任何合適的媒體進行傳播，包括無線電、纜線、光纖纜線、RF或類似物，或任何上述媒體的組合。
本申請各態樣操作所需的電腦程式碼可以用一種或多種程式語言的任意組合編寫，包括物件導向程式設計語言，如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB. NET，Python或類似的常規程式程式設計語言，如「C」程式設計語言、Visual Basic、Fortran 1703、Perl，COBOL 1702、PHP、ABAP、動態程式設計語言如Python、Ruby、和Groovy或其它程式設計語言。該程式碼可以完全在使用者電腦上運行、或作爲獨立的軟體包在使用者電腦上運行、或部分在使用者電腦上運行部分在遠程電腦運行、或完全在遠程電腦或伺服器上運行。在後種情况下，遠程電腦可以通過任何網路形式與使用者電腦連接，比如區域網路（LAN）或廣域網路（WAN）、連接至外部電腦（例如通過網際網路）、或在雲端計算環境中、或作爲服務使用如軟體即服務（SaaS）。
此外，除非申請專利範圍中明確說明，本申請所述處理元素和序列的順序、數字字母的使用、或其他名稱的使用，並非用於限定本申請流程和方法的順序。儘管上述揭露中通過各種示例討論了一些目前認爲有用的申請實施例，但應當理解的是，該類細節僅起到說明的目的，附加的申請專利範圍並不僅限於揭露的實施例，相反，申請專利範圍旨在覆蓋所有符合本申請實施例實質和範圍的修改和均等配置。例如，雖然以上所描述的系統組件可以通過硬體裝置實現，但是也可以只通過軟體的解决方案得以實現，如在現有的伺服器或行動裝置上所安裝的方案。
同理，應當注意的是，爲了簡化本申請揭露的表述，從而幫助對一個或多個申請實施例的理解，前文對本申請實施例的描述中，有時會將多種特徵歸並至一個實施例、圖式或對其的描述中。然而，此揭露方法不應被解釋爲反映所要求保護的標的需要比每個申請專利範圍中明確記載的特徵更多的意圖。實際上，所要求保護標的之特徵要少於上述揭露的單個實施例的全部特徵。
100‧‧‧示例性O2O服務系統 110‧‧‧伺服器 112‧‧‧處理引擎 112A、112B‧‧‧處理引擎 120‧‧‧網路 120-1、120-2‧‧‧網際網路交換點 130‧‧‧請求方終端 130-1‧‧‧行動裝置 130-2‧‧‧平板電腦 130-3‧‧‧膝上型電腦 130-4‧‧‧內建裝置 130-5‧‧‧可穿戴裝置 140‧‧‧提供方終端 140-1、140-2、140-n‧‧‧提供方終端 150‧‧‧運輸工具 150-1、150-2、150-n‧‧‧運輸工具 160‧‧‧儲存裝置 170‧‧‧導航系統 170-1、170-2、170-3‧‧‧衛星 200‧‧‧計算裝置 210‧‧‧匯流排 220‧‧‧處理器 230‧‧‧唯讀記憶體（ROM） 240‧‧‧隨機存取記憶體（RAM） 250‧‧‧通訊終端 260‧‧‧I/O 270‧‧‧磁碟 300‧‧‧行動裝置 305‧‧‧相機 310‧‧‧通訊平臺 320‧‧‧顯示器 330‧‧‧圖形處理單元（GPU） 340‧‧‧中央處理單元（CPU） 350‧‧‧I/O 355‧‧‧語音輸入 360‧‧‧記憶體 370‧‧‧行動操作系統 380‧‧‧應用程式 390‧‧‧儲存器 395‧‧‧感測器 401‧‧‧獲取模組 402‧‧‧確定模組 403‧‧‧傳輸模組 404‧‧‧獲取模組 405‧‧‧訓練模組 500‧‧‧流程 510‧‧‧操作 520‧‧‧操作 530‧‧‧操作 540‧‧‧操作 550‧‧‧操作 560‧‧‧操作 570‧‧‧操作 600‧‧‧流程 610‧‧‧操作 620‧‧‧操作 630‧‧‧操作 640‧‧‧操作 650‧‧‧操作 700‧‧‧流程 710‧‧‧操作 720‧‧‧操作 730‧‧‧操作 740‧‧‧操作 750‧‧‧操作
本申請將通過示例性實施例進行進一步描述。這些示例性實施例將通過圖式進行詳細說明。這些實施例是非限制性的示例性實施例，在這些實施例中，各圖中相同的元件符號表示相似的結構，其中：
圖1係根據本申請的一些實施例所示的示例性O2O服務系統的示意圖；
圖2係根據本申請的一些實施例所示的計算裝置的示例性硬體和軟體組件的示意圖；
圖3係根據本申請的一些實施例所示的可以在其上實現終端的行動裝置的示例性硬體及/或軟體組件的示意圖；
圖4A和4B係根據本申請的一些實施例所示的示例性處理引擎的方塊圖；
圖5係根據本申請的一些實施例所示的用於確定O2O服務的請求方是否已飲酒的示例性流程的流程圖；
圖6係根據本申請的一些實施例所示的用於産生飲酒預測模型的示例性流程的流程圖；以及
圖7係根據本申請的一些實施例所示的用於根據與請求方相關的資訊來確定請求方是否飲酒的示例性流程的流程圖。
500‧‧‧流程
510‧‧‧操作
520‧‧‧操作
530‧‧‧操作
540‧‧‧操作
550‧‧‧操作
560‧‧‧操作
570‧‧‧操作

Claims (25)

  1. 一種用於檢測線上到線下（O2O）服務平臺中的醉酒請求方的系統，包括： 資料交換埠，所述資料交換埠通訊連接到網路； 至少一個非暫時性電腦可讀取儲存媒體，所述至少一個非暫時性電腦可讀取儲存媒體包括一組指令；以及 至少一個處理器，所述至少一個處理器與所述資料交換埠和所述至少一個非暫時性電腦可讀取儲存媒體通訊，其中當執行該組指令時，所述至少一個處理器被配置爲指示所述系統： 通過所述資料交換埠，獲取與請求方發起的線上到線下服務之請求有關的資訊； 根據與所述請求有關的資訊，使用飲酒預測模型來確定所述請求方已飲酒的機率； 確定所述請求方已飲酒的機率是否大於臨界值； 回應於確定所述請求方已飲酒的機率大於所述臨界值，獲取與所述請求方有關的資訊； 根據與所述請求方有關的資訊，確定所述請求方是否飲酒；以及 回應於確定所述請求方已飲酒，通過所述資料交換埠發送所述請求方已飲酒的通知給提供方終端，所述提供方終端與所述線上到線下服務的請求相對應。
  2. 如申請專利範圍第1項之系統，其中，與所述請求有關的資訊包括請求時間、請求起點、所述請求方的位置、所述請求起點與所述請求方的位置之間的預估距離、所述請求方的個人資訊，或關於所述請求方的歷史反饋資訊中的至少一個。
  3. 如申請專利範圍第1項之系統，其中，所述飲酒預測模型是根據模型訓練流程産生的，所述模型訓練流程包括： 獲取複數個歷史訂單； 從所述複數個歷史訂單中獲取第一組歷史訂單，所述第一組歷史訂單具有正反饋； 從所述複數個歷史訂單中獲取第二組歷史訂單，所述第二組歷史訂單具有負反饋； 獲取初始模型；以及 通過使用具有正反饋的所述第一組歷史訂單和具有負反饋的所述第二組歷史訂單來訓練所述初始模型，藉以産生所述飲酒預測模型。
  4. 如申請專利範圍第3項之系統，其中，所述初始模型是梯度提升决策樹（GBDT）模型或極端梯度提升（XGBoost）模型中的至少一種。
  5. 如申請專利範圍第1至4項中任一項之系統，其中，爲了獲取與所述請求方有關的資訊，所述至少一個處理器被進一步被配置爲指示所述系統： 通過所述資料交換埠，發送打開與所述請求方有關的請求方終端的相機的請求； 當接收所述請求方對所述請求的批准時，通過所述資料交換埠向所述請求方終端發送命令以錄製至少一個圖像或視頻；以及 通過所述資料交換埠，從所述請求方終端接收所述至少一個圖像或視頻。
  6. 如申請專利範圍第1至4項中任一項之系統，其中，爲了獲取與所述請求方有關的資訊，所述至少一個處理器被進一步被配置爲指示所述系統： 通過所述資料交換埠，向請求方終端或提供方終端中的至少一個發送獲取所述請求方的音頻的請求，所述請求導致所述請求方終端或所述提供方終端中的至少一個啟動所述請求方終端或所述提供方終端中的至少一個的音頻錄製；以及 通過所述資料交換埠，從所述請求方終端或所述提供方終端中的至少一個接收錄製的音頻。
  7. 如申請專利範圍第1至4項中任一項之系統，其中，與所述請求方有關的資訊包括所述請求方的圖像、視頻、音頻、生理資訊或行爲資訊中的至少一個。
  8. 如申請專利範圍第1至4項中任一項之系統，其中，爲了基於與所述請求方有關的資訊確定所述請求方是否飲酒，所述至少一個處理器進一步被配置爲指示所述系統執行下列中的至少一個： 根據所述請求方的音頻或視頻，分析所述請求方的語音的聲學特性； 根據所述請求方的圖像或所述視頻，分析所述請求方的臉部特徵； 根據與所述請求方有關的行爲資訊，分析所述請求方的身體動作；或者 根據所述請求方的生理資訊，分析所述請求方的生理參數。
  9. 如申請專利範圍第8項之系統，其中，爲了分析所述請求方的語音的聲學特性，所述至少一個處理器進一步被配置爲指示所述系統執行下列中的至少一個： 根據所述請求方的所述音頻或所述視頻，確定語速； 根據所述請求方的所述音頻或所述視頻，確定語音音調； 確定在所述請求方的所述音頻或所述視頻中的暫停次數； 從所述請求方的所述音頻或所述視頻中，獲取一個或多個的關鍵詞； 在所述請求方的所述音頻或所述視頻中，確定所述請求方所說的句子的持續時間； 確定在所述請求方的所述音頻或所述視頻中的錯誤頻率； 根據所述請求方的所述音頻或所述視頻，確定線性預測係數（LPC）；或 根據所述請求方的所述音頻或所述視頻，確定梅爾頻率倒譜係數（MFCC）。
  10. 如申請專利範圍第8項之系統，其中，爲了根據所述請求方的圖像或視頻，分析所述請求方的臉部特徵，所述至少一個處理器被進一步配置爲指示所述系統執行下列中的至少一項： 確定所述請求方的臉部或頸部中的至少一個的顔色； 確定所述請求方的瞳孔大小； 確定所述請求方的眨眼頻率； 確定所述請求方的點頭頻率； 確定所述請求方的打哈欠頻率；或 確定所述請求方的閉眼持續時間。
  11. 如申請專利範圍第8項之系統，其中，爲了根據與所述請求方有關的行爲資訊，分析所述請求方的身體動作，所述至少一個處理器被進一步配置爲指示所述系統執行下列中的至少一項： 確定所述請求方的軀幹是否搖擺不定；或 確定所述請求方的至少一條腿是否搖擺不定；或 確定所述請求方的至少一個手臂是否搖擺不定。
  12. 如申請專利範圍第8項之系統，其中，爲了根據所述請求方的生理資訊，分析所述請求方的生理參數，所述至少有一個處理器被進一步配置爲指示所述系統執行下列中的至少一項： 根據所述請求方的生理資訊，獲取所述請求方的血糖水平； 根據所述請求方的生理資訊，獲取所述請求方的血壓； 根據所述請求方的生理資訊，獲取所述請求方的呼吸率； 根據所述請求方的生理資訊，獲取所述請求方的體溫；或 根據所述請求方的生理資訊，獲取所述請求方的心率。
  13. 一種在計算裝置上實施的方法，所述計算裝置具有至少一個處理器、至少一個電腦可讀取儲存媒體、和連接到網路的通訊平臺，所述方法包括： 通過資料交換埠，獲取與請求方發起的線上到線下（O2O）服務之請求有關的資訊； 根據與所述請求有關的資訊，使用飲酒預測模型來確定所述請求方已飲酒的機率； 確定所述請求方已飲酒的機率是否大於臨界值； 回應於確定所述請求方已飲酒的機率大於所述臨界值，獲取與所述請求方有關的資訊； 根據與所述請求方有關的資訊，確定所述請求方是否飲酒；以及 回應於確定所述請求方已飲酒，通過所述資料交換埠發送所述請求方已飲酒的通知給提供方終端，所述提供方終端與所述線上到線下服務的請求相對應。
  14. 如申請專利範圍第13項之方法，其中，與所述請求有關的資訊包括請求時間、請求起點、所述請求方的位置、所述請求起點與所述請求方的位置之間的預估距離、所述請求方的個人資訊，或關於所述請求方的歷史反饋資訊中的至少一個。
  15. 如申請專利範圍第13項之方法，其中，所述飲酒預測模型是根據模型訓練流程産生的，所述模型訓練流程包括： 獲取複數個歷史訂單； 從所述複數個歷史訂單中獲取第一組歷史訂單，所述第一組歷史訂單具有正反饋； 從所述複數個歷史訂單中獲取第二組歷史訂單，所述第二組歷史訂單具有負反饋； 獲取初始模型；以及 通過使用具有正反饋的所述第一組歷史訂單與和具有負反饋的所述第二組歷史訂單來訓練所述初始模型，藉以産生所述飲酒預測模型。
  16. 如申請專利範圍第15項之方法，其中，所述初始模型是梯度提升决策樹（GBDT）模型或極端梯度提升（XGBoost）模型中的至少一種。
  17. 如申請專利範圍第13至16項中任一項之方法，其中，獲取與所述請求方有關的資訊包括： 通過所述資料交換埠，發送打開與所述請求方有關的請求方終端的相機的請求； 當接收所述請求方對所述請求的批准時，通過所述資料交換埠向所述請求方終端發送命令以錄製至少一個圖像或視頻；以及 通過所述資料交換埠，從所述請求方終端接收所述至少一個圖像或視頻。
  18. 如申請專利範圍第13至16項中任一項之方法，其中，獲取與所述請求方有關的資訊包括： 通過所述資料交換埠，向請求方終端或提供方終端中的至少一個發送獲取所述請求方的音頻的請求，所述請求導致所述請求方終端或所述提供方終端中的至少一個啟動所述請求方終端或所述提供方終端中的至少一個的音頻錄製；以及 通過所述資料交換埠，從所述請求方終端或所述提供方終端中的至少一個接收錄製的音頻。
  19. 如申請專利範圍第13至16項中任一項之方法，其中，與所述請求方有關的資訊包括所述請求方的圖像、視頻、音頻、生理資訊或行爲資訊中的至少一個。
  20. 如申請專利範圍第13至16項中任一項之方法，其中，基於與所述請求方有關的資訊確定所述請求方是否飲酒，包括： 根據所述請求方的音頻或視頻，分析所述請求方的語音的聲學特性； 根據所述請求方的圖像或所述視頻，分析所述請求方的臉部特徵； 根據與所述請求方有關的行爲資訊，分析所述請求方的身體動作；或者 根據所述請求方的生理資訊，分析所述請求方的生理參數。
  21. 如申請專利範圍第20項之方法，其中，分析所述請求方的語音的聲學特性包括： 根據所述請求方的所述音頻或所述視頻，確定語速； 根據所述請求方的所述音頻或所述視頻，確定語音音調； 確定在所述請求方的所述音頻或所述視頻中的暫停次數； 從所述請求方的所述音頻或所述視頻中，獲取一個或多個的關鍵詞； 在所述請求方的所述音頻或所述視頻中，確定所述請求方所說的句子的持續時間； 確定在所述請求方的所述音頻或所述視頻中的錯誤頻率； 根據所述請求方的所述音頻或所述視頻，確定線性預測係數（LPC）；或 根據所述請求方的所述音頻或所述視頻，確定梅爾頻率倒譜係數（MFCC）。
  22. 如申請專利範圍第20項之方法，其中，根據所述請求方的圖像或視頻，分析所述請求方的臉部特徵，包括： 確定所述請求方的臉部或頸部中的至少一個的顔色； 確定所述請求方的瞳孔大小； 確定所述請求方的眨眼頻率； 確定所述請求方的點頭頻率； 確定所述請求方的打哈欠頻率；或 確定所述請求方的閉眼持續時間。
  23. 如申請專利範圍第20項之方法，其中，根據與所述請求方有關的行爲資訊，分析所述請求方的身體動作，包括： 確定所述請求方的軀幹是否搖擺不定；或 確定所述請求方的至少一條腿是否搖擺不定；或者 確定所述請求方的至少一個手臂是否搖擺不定。
  24. 如申請專利範圍第20項之方法，其中，根據所述請求方的生理資訊，分析所述請求方的生理參數，包括： 根據所述請求方的生理資訊，獲取所述請求方的血糖水平； 根據所述請求方的生理資訊，獲取所述請求方的血壓； 根據所述請求方的生理資訊，獲取所述請求方的呼吸率； 根據所述請求方的生理資訊，獲取所述請求方的體溫；或 根據所述請求方的生理資訊，獲取所述請求方的心率。
  25. 一種非暫時性電腦可讀取儲存媒體，其包含電腦程式産品，所述電腦程式産品包括指令，被配置以使計算裝置： 通過資料交換埠，獲取與請求方發起的線上到線下（O2O）服務之請求有關的資訊； 根據與所述請求有關的資訊，使用飲酒預測模型來確定所述請求方已飲酒的機率； 確定所述請求方已飲酒的機率是否大於臨界值； 回應於確定所述請求方已飲酒的機率大於所述臨界值，獲取與所述請求方有關的資訊； 根據與所述請求方有關的資訊，確定所述請求方是否飲酒；以及 回應於確定所述請求方已飲酒，通過所述資料交換埠發送所述請求方已飲酒的通知給提供方終端，所述提供方終端與所述線上到線下服務的請求相對應。
TW107147364A 2018-08-10 2018-12-27 用於識別線上到線下服務平臺中醉酒請求方的系統和方法 TWI710233B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
PCT/CN2018/099890 WO2020029231A1 (en) 2018-08-10 2018-08-10 Systems and methods for identifying drunk requesters in online to offline service platform
WOPCT/CN2018/099890 2018-08-10

Publications (2)

Publication Number Publication Date
TW202010294A true TW202010294A (zh) 2020-03-01
TWI710233B TWI710233B (zh) 2020-11-11

Family

ID=68385711

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107147364A TWI710233B (zh) 2018-08-10 2018-12-27 用於識別線上到線下服務平臺中醉酒請求方的系統和方法

Country Status (12)

Country Link
US (1) US20200051196A1 (zh)
EP (1) EP3635643A4 (zh)
JP (1) JP6856675B2 (zh)
CN (1) CN111052161A (zh)
AU (1) AU2018286616A1 (zh)
BR (1) BR112021001221A2 (zh)
CA (1) CA3028639C (zh)
MX (1) MX2021000875A (zh)
RU (1) RU2753458C1 (zh)
SG (1) SG11201811754RA (zh)
TW (1) TWI710233B (zh)
WO (1) WO2020029231A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111859104A (zh) * 2020-03-31 2020-10-30 北京嘀嘀无限科技发展有限公司 一种乘客状态判断方法、装置、电子设备和存储介质

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111442778A (zh) * 2019-01-16 2020-07-24 百度在线网络技术（北京）有限公司 出行方案推荐方法、装置、设备及计算机可读存储介质
CN110705477A (zh) * 2019-09-30 2020-01-17 深圳市商汤科技有限公司 行为分析方法、装置、电子设备和计算机存储介质
CN112016735B (zh) * 2020-07-17 2023-03-28 厦门大学 一种基于交通违法热点预测的巡逻路线规划方法、系统和可读存储介质
JP7396243B2 (ja) 2020-09-30 2023-12-12 トヨタ自動車株式会社 情報処理装置、および情報処理システム
CN114822143B (zh) * 2022-06-29 2022-09-02 深圳前海壹路科技有限公司 军事训练智能考核管理系统和方法

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012014301A1 (ja) * 2010-07-29 2012-02-02 ユニバーサルロボット株式会社 飲酒状態判定装置及び飲酒状態判定方法
WO2013023032A1 (en) * 2011-08-11 2013-02-14 Ford Global Technologies, Llc System and method for establishing acoustic metrics to detect driver impairment
US8878669B2 (en) * 2013-01-31 2014-11-04 KHN Solutions, Inc. Method and system for monitoring intoxication
RU2581785C2 (ru) * 2013-12-30 2016-04-20 ХЕРЕ Глобал Б.В. Способ и устройство для различения связанных со здоровьем состояний пользователя на основании информации о взаимодействии с пользователем
US20160318521A1 (en) * 2014-01-22 2016-11-03 KHN Solutions, Inc. Method and system for drunk driving prevention
CN103909826A (zh) * 2014-04-22 2014-07-09 武汉理工大学 一种协同感知驾驶员违规行为的优化处理方法
JP2016157243A (ja) * 2015-02-24 2016-09-01 沖電気工業株式会社 情報処理装置、情報処理システム、情報処理方法及びプログラム
EP3350806A4 (en) * 2015-09-14 2019-08-07 Cogito Corporation SYSTEMS AND METHODS FOR IDENTIFYING HUMAN EMOTIONS AND / OR MENTAL HEALTH CONDITIONS BASED ON ANALYZES OF AUDIO INPUTS AND / OR BEHAVIORAL DATA COLLECTED FROM COMPUTING DEVICES
US10037676B1 (en) * 2015-10-01 2018-07-31 David Scharf Remote cognitive impairment screening and location verification system and method
CN105249976A (zh) * 2015-11-26 2016-01-20 中山大学 一种基于头部监测的司机疲劳监测方法及系统
WO2017100220A1 (en) * 2015-12-07 2017-06-15 Rapidsos, Inc. Systems and methods for predicting emergency situations
CN105719431A (zh) * 2016-03-09 2016-06-29 深圳市中天安驰有限责任公司 一种疲劳驾驶检测系统
CN107424022B (zh) * 2016-05-23 2022-02-11 北京嘀嘀无限科技发展有限公司 一种订单的推送方法及系统
CN107437183B (zh) * 2016-05-25 2021-06-04 北京嘀嘀无限科技发展有限公司 一种上车乘客身份的确认方法及系统
CN107764986B (zh) * 2016-08-23 2020-12-08 北京嘀嘀无限科技发展有限公司 司机醉酒驾车检测方法及系统、数据处理方法与服务器
WO2018045152A1 (en) * 2016-09-02 2018-03-08 Lumme Inc Systems and methods for health monitoring
US20180075565A1 (en) * 2016-09-13 2018-03-15 Ford Global Technologies, Llc Passenger validation systems and methods
JP6458792B2 (ja) * 2016-11-04 2019-01-30 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
CN106776771B (zh) * 2016-11-10 2018-06-19 百度在线网络技术（北京）有限公司 信息推送方法和装置
US10762441B2 (en) * 2016-12-01 2020-09-01 Uber Technologies, Inc. Predicting user state using machine learning
CN107679636A (zh) * 2017-08-29 2018-02-09 明光泰源安防科技有限公司 一种基于网约车的驾驶员安全评估方法
CN107908740B (zh) * 2017-11-15 2022-11-22 百度在线网络技术（北京）有限公司 信息输出方法和装置
JP7065395B2 (ja) * 2018-01-30 2022-05-12 パナソニックＩｐマネジメント株式会社 運転支援システム、運転支援方法、プログラム、及び移動体

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111859104A (zh) * 2020-03-31 2020-10-30 北京嘀嘀无限科技发展有限公司 一种乘客状态判断方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
MX2021000875A (es) 2021-06-08
RU2753458C1 (ru) 2021-08-16
CA3028639A1 (en) 2019-03-13
JP2020532774A (ja) 2020-11-12
JP6856675B2 (ja) 2021-04-07
CA3028639C (en) 2021-10-26
BR112021001221A2 (pt) 2021-04-27
WO2020029231A1 (en) 2020-02-13
CN111052161A (zh) 2020-04-21
US20200051196A1 (en) 2020-02-13
TWI710233B (zh) 2020-11-11
SG11201811754RA (en) 2020-03-30
EP3635643A1 (en) 2020-04-15
EP3635643A4 (en) 2020-04-15
AU2018286616A1 (en) 2020-02-27

Similar Documents

Publication Publication Date Title
TWI710233B (zh) 用於識別線上到線下服務平臺中醉酒請求方的系統和方法
CN109074803B (zh) 语音信息处理系统和方法
RU2768512C1 (ru) Системы и способы определения потенциального злонамеренного события
US9015099B2 (en) Method, system and device for inferring a mobile user's current context and proactively providing assistance
JP6687772B2 (ja) サービス時点を予測するシステム及び方法
JP2019511020A (ja) 到着時間を推定するための方法およびシステム
TWI704507B (zh) 用於命名接載位置的方法和系統
TWI675184B (zh) 用於路線規劃的系統、方法及非暫時性電腦可讀取媒體
TW202013305A (zh) 用於預測交通事故地點的人工智慧系統和方法
EP3566149B1 (en) Systems and methods for updating poi information
TW201901474A (zh) 用於確定預估到達時間的系統和方法
TW202009807A (zh) 用於分配訂單的系統和方法
JP6869270B2 (ja) 組み合わせによって生じるサービス要請者を決定するためのシステム及び方法
CN109272994A (zh) 话音数据处理方法以及支持该话音数据处理方法的电子装置
CN111433795A (zh) 一种确定线上到线下服务的预估到达时间的系统和方法
CN111882112B (zh) 一种预测到达时间的方法和系统
KR20200044173A (ko) 전자 장치 및 그의 제어 방법
CN115735361A (zh) 生成和访问用于产品的视频内容
US20200236427A1 (en) Personalized content aggregation & delivery
CN111201421A (zh) 用于确定在线上到线下服务中的最优运输服务类型的系统和方法
US20210264905A1 (en) Electronic device and control method therefor
WO2021121206A1 (zh) 一种用于判定服务事故的责任的方法和系统
CN110945484B (zh) 数据存储中异常检测的系统和方法
JP2021526696A (ja) オンライン・オンデマンドサービス・プラットフォームからのデータを処理するためのシステムおよび方法
CN111199239B (zh) 通过打车订单识别醉酒乘客的人工智能系统和方法