[發明專利]異常接駕行為的確定方法、裝置、存儲介質及電子設備

在審

• 申請號: 202011615630.1
• 申請日: 2020-12-30
• 公開（公告）號: CN112650825A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 陳君
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06F16/29
• 分類號: G06F16/29;G06F16/2458;G06Q50/30
• 代理公司: 北京超成律師事務所 11646
• 代理人: 王曉菲

本申請提供了異常接駕行為的確定方法、裝置、存儲介質及電子設備，包括：獲取被取消的目標出行訂單對應的軌跡信息；基于當前行駛位置與預設行駛位置之間的差距判斷規則，確定目標司機發生異常停留的第一異常停留概率；若第一異常停留概率大于預設概率閾值，基于第一異常停留概率，確定目標司機是否發生異常接駕行為；若第一異常停留概率不大于預設概率閾值，根據預先訓練好的異常停留識別模型輸出的第二異常停留概率，確定目標司機是否發生異常接駕行為。這樣，可以根據當前行駛位置與預設行駛位置之間的差距判斷規則以及異常停留識別模型在不同情況下對目標司機的異常接駕行為進行綜合判斷，有助于提高對目標司機異常接駕行為的識別的準確率。

技術領域

本申請涉及網約車技術領域，具體而言，涉及異常接駕行為的確定方法、裝置、存儲介質及電子設備。

背景技術

隨著互聯網技術的快速發展，基于互聯網技術的出行服務，為人們的出行帶來了越來越多的便利，例如，用戶可以通過“網約車”服務系統，乘車出行。目前使用“網約車”服務系統時，用戶在提交出行訂單后，在出行訂單未正常完成時，就會將出行訂單取消，從而產生未完成的異常訂單，針對于異常訂單的取消原因的分析，對下次派單時規避訂單被取消具有很好的指導性作用。

現階段，對于訂單取消原因的判斷多是通過將目標司機維度信息輸入至訓練好的識別模型中進行識別，但是模型的判斷一般與訓練樣本的屬性是相關的，而實際的出行場景比較復雜多變，樣本可能無法很準確地完全涵蓋全部場景，因此通過識別模型對目標司機的異常接駕行為的識別準確率較低，如何提高對司機在接駕過程中的異常接駕行為識別的準確性，成了亟待解決的問題。

發明內容

有鑒于此，本申請的目的在于提供異常接駕行為的確定方法、裝置、存儲介質及電子設備，能夠根據接駕目標司機軌跡信息中的不同時間的行駛位置以及每一個行駛位置對應的行駛時間，可以根據當前行駛位置與預設行駛位置之間的差距判斷規則以及異常停留識別模型在不同情況下對目標司機的異常接駕行為進行綜合判斷，有助于提高對目標司機異常接駕行為的識別的準確率。

本申請實施例提供了一種異常接駕行為的確定方法，所述確定方法包括：

獲取被取消的目標出行訂單的訂單信息；所述訂單信息包括承接目標出行訂單的目標司機的行駛軌跡信息；其中，所述行駛軌跡信息包括目標司機在承接目標出行訂單后不同時間的行駛位置與每個行駛位置所對應的行駛時間；

基于預先設置的當前行駛位置與預設行駛位置之間的差距判斷規則以及所述目標司機的行駛軌跡信息，確定目標司機發生過異常停留的第一異常停留概率；

檢測所述第一異常停留概率是否大于預設概率閾值；

若所述第一異常停留概率大于預設概率閾值，基于所述第一異常停留概率，確定目標司機是否發生異常接駕行為；

若所述第一異常停留概率不大于預設概率閾值，將所述行駛軌跡信息輸入至預先訓練好的異常停留識別模型中，以確定所述目標司機在接單過程中發生異常停留的第二異常停留概率，基于所述第二異常停留概率，確定目標司機是否發生異常接駕行為。

進一步的，將所述行駛軌跡信息輸入至預先訓練好的異常停留識別模型中，以確定所述目標司機在接單過程中非極端情況下發生異常停留的第二異常停留概率，包括：

將所述行駛軌跡信息輸入至預先訓練好的異常停留識別模型中，以確定所述目標司機在接單過程中非極端情況下發生異常停留的第一子異常停留概率；其中，所述異常停留識別模型是基于非極端情況下歷史被取消出行訂單中的樣本目標司機歷史行駛軌跡信息中不同歷史行駛位置以及每一個歷史行駛位置所對應的歷史行駛時間訓練得到的；

基于預先設置的極端情況下的行駛過程中的目標司機的駕駛軌跡運動規則和目標司機的行駛軌跡信息，確定目標司機發生過異常駕駛的第二子異常停留概率；