[發明專利]一種訂單行程異常識別方法和系統在審
| 申請號: | 201910130363.X | 申請日: | 2019-02-21 |
| 公開(公告)號: | CN110751586A | 公開(公告)日: | 2020-02-04 |
| 發明(設計)人: | 何冠喬;張威;張佳林 | 申請(專利權)人: | 北京嘀嘀無限科技發展有限公司 |
| 主分類號: | G06Q50/26 | 分類號: | G06Q50/26;G06Q30/06;G06Q30/02 |
| 代理公司: | 51253 成都七星天知識產權代理有限公司 | 代理人: | 袁春曉 |
| 地址: | 100193 北京市*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 實時狀態數據 訂單數據 處理器執行 異常判斷 異常識別 發送 申請 損害 | ||
1.一種訂單行程異常識別方法,所述方法由至少一個處理器執行,其特征在于,包括:
獲取訂單相關數據;所述訂單相關數據至少包括當前訂單數據和/或當前訂單執行時的實時狀態數據;
基于當前訂單數據和/或當前訂單執行時的實時狀態數據確定當前訂單行程是否存在異常;
基于異常判斷結果,執行設定的操作。
2.根據權利要求1所述的方法,其特征在于,
所述當前訂單數據包括以下至少一個:
服務提供者的身份信息、與服務提供者相關的車輛的標識信息、服務時間、行程起始點、行程目的地、行程路徑和服務請求者的身份信息;
所述當前訂單執行時的狀態數據包括以下至少一個:
與當前訂單相關的終端的定位數據、與當前訂單相關的終端的狀態數據、車輛的狀態數據、車輛內部的環境數據和車輛位置周圍的環境數據。
3.根據權利要求1所述的方法,其特征在于,
所述行程異常包括以下至少一個:
偏離預設路線、行駛至偏遠地區、行駛中停留異常、行駛速度異常。
4.根據權利要求1所述的方法,其特征在于,確定當前訂單行程是否存在異常,包括:
基于當前訂單數據和/或當前訂單執行時的狀態數據識別行程異常的類型;
基于所述類型確定行程異常的危險程度。
5.根據權利要求4所述的方法,其特征在于,
基于車輛的定位信息和行駛路線確定當前位置與預設路線的距離值;
基于所述距離值判斷是否偏離預設路線,
當判斷結果為偏離預設路線,基于所述距離值、當前訂單數據和當前訂單執行時的狀態數據中的至少一種確定行駛異常的危險程度。
6.根據權利要求4所述的方法,其特征在于,
基于車輛的定位信息和行程路徑確定相關地點的偏僻度;
基于所述偏僻度判斷是否行駛至偏遠地區;
當判斷結果為行駛至偏遠地區,基于所述偏僻度、當前訂單數據和當前訂單執行時的狀態數據中的至少一種確定行駛至偏遠地區的危險程度。
7.根據權利要求4所述的方法,其特征在于,
基于車輛停留次數和/或停留時間判斷是否行駛中停留異常;
當判斷結果為行駛中停留異常,基于所述車輛停留次數、所述停留時間、當前訂單數據和當前訂單執行時的狀態數據中的至少一種確定行駛中停留異常的危險程度。
8.根據權利要求4所述的方法,其特征在于,
基于車輛行駛速度判斷是否行駛速度異常;
當判斷結果為行駛速度異常,基于車輛行駛速度、當前訂單數據和當前訂單執行時的狀態數據中的至少一種確定行駛速度異常的危險程度。
9.根據權利要求4所述的方法,其特征在于,基于當前訂單數據和/或當前訂單執行時的狀態數據識別行程異常的類型,包括:
獲取異常識別模型;
基于所述異常識別模型確定行程異常的類型。
10.根據權利要求9所述的方法,其特征在于,獲取異常識別模型,包括:
獲取歷史訂單;
獲取歷史訂單中的訂單數據和/或訂單執行時的狀態數據;
將所述歷史訂單中的行程異常標記為正樣本,所述歷史訂單中的行程正常標記為負樣本;
標記所述正樣本對應的行駛異常的類型;
基于所述歷史訂單中的訂單數據和/或訂單執行時的狀態數據及標記的所述行駛異常的類型訓練異常識別模型。
11.根據權利要求4所述的方法,其特征在于,基于所述類型確定行程異常的危險程度,包括:
獲取異常評估模型;
基于所述異常評估模型確定行程異常的危險程度。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京嘀嘀無限科技發展有限公司,未經北京嘀嘀無限科技發展有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910130363.X/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:遠程學習轉化系統
- 下一篇:一種基于人工神經網絡的建設數據挖掘方法





