网约车异常订单识别方法及系统技术方案

本发明专利技术公开了一种网约车异常订单识别方法及系统，在利用内部打车数据检测刷单嫌疑订单的同时，还基于跨行业数据，从跨行业数据库中获取司机和/或乘客的用于补充检测是否存在异常订单的补充检测数据，根据所述补充数据从一个或多个维度对订单数据进行二次判断，对订单数据进行异常识别；并且还能基于多种维度对订单数据进行风险分类。本发明专利技术从多方面进行刷单识别，有效提升了识别专业刷单的正确率，并尽可能地避免误判正常打车行为，保留较好的用户体验。

【技术实现步骤摘要】

本专利技术涉及网约车订单识别领域，特别是涉及一种网约车异常订单识别方法，以及一种网约车异常订单识别系统。
技术介绍
近些年，由于网约车的便捷和实用性，网约车规模迅速扩张，但却也暴露越来越多的问题。在O2O领域现阶段跑马圈地的公司，为了争夺市场份额推出各种“优惠”“补贴”，多个出行打车平台均凭借一天烧几千万美元的高姿态，在收获用户、订单放量增长的同时，也存在大量用户刷单、伪造、套利等运营风险。用车行业成为近两年最被套利者热衷的沃土。用车行业因数据维度有限，并且因市面上出现的多种刷单伪造数据的行为，用车行业仅依赖其自身数据库来检测刷单行为的方式，局限性较大，不能准确地识别出刷单行为，更重要的是，还可能出现较为严重的错杀、误杀真实用户的正常打车行为。因此，用车行业急需外部跨行业的数据对用户打车行为进行验证，来判别司机与乘客是否是恶意刷单行为。
技术实现思路
本专利技术的专利技术目的在于：针对上述存在的问题，提供网约车异常订单识别方法及系统，基于跨行业数据，有效提升了识别专业刷单的正确率。本专利技术采用的技术方案如下：方案一本专利技术提出了一种网约车异常订单识别方法，所述方法包括以下步骤：S1、获取订单数据，从打车平台数据库获取待检测的订单数据；S2、异常初步识别，对所述订单数据进行初步判断，识别订单数据中的订单信息是否存在异常，并为所述订单信息赋予分值，记为第一评分值；S3、获取跨行业数据，从跨行业数据库中获取目标司机和/或目标乘客的用于补充检测是否存在异常订单的补充检测数据；S4、异常二次识别，根据所述补充检测数据对所述订单数据进行二次判断，识别所述订单数据中的订单信息是否存在异常，并为所述订单信息赋予分值，记为第二评分值；S5、判定刷单行为，对相同的订单信息的第一评分值和第二评分值进行加权求和，并统计单个订单数据中所有订单信息的总评分值，根据订单数据的总评分值判定该订单数据是否为异常订单。基于上述实施方式，进一步的，在异常二次识别中，将订单数据中的订单信息按维度进行分类，根据所述补充检测数据从多个维度对所述订单数据进行二次判断。相应的，在判定刷单行为时，统计单个订单数据中各个维度的订单信息的维度评分值，对多个维度评分值加权求和得到所述总评分值，根据订单数据的总评分值判定该订单数据是否为异常订单，并根据各个维度评分值判断异常订单的风险类型。基于上述任一实施方式，进一步的，所述步骤S1中，获取所述订单数据后，将所述订单数据的订单信息存入历史订单数据库中，所述订单信息包括订单原始数据及根据订单原始数据计算的用于异常判断的检测参数。在步骤S5中，若判定所述订单数据为异常订单，还对其进行标识，并更新到历史订单数据库中。优选的，所述方法还包括步骤S6：从历史订单数据库中，获取与目标司机相关联的司机订单数据，及与目标乘客相关联的乘客订单数据，并计算司机订单数据中被标识为异常订单的比例，及乘客订单数据中被标识为异常订单的疑似刷单比例，根据疑似刷单比例对目标司机或目标乘客的当前订单数据进行刷单行为判定。方案二本专利技术还提出了一种网约车异常订单识别系统，所述系统包括：订单数据获取单元，用于从打车平台数据库获取待检测的订单数据；异常初步识别单元，用于对所述订单数据进行初步判断，识别订单数据中的订单信息是否存在异常，并为所述订单信息赋予分值，记为第一评分值；跨行业数据获取单元，用于从跨行业数据库中获取目标司机和/或目标乘客的用于补充检测是否存在异常订单的补充检测数据；异常二次识别单元，用于根据所述补充检测数据对所述订单数据进行二次判断，识别所述订单数据中的订单信息是否存在异常，并为所述订单信息赋予分值，记为第二评分值；刷单行为判定单元，用于对相同的订单信息的第一评分值和第二评分值进行加权求和，并统计单个订单数据中所有订单信息的总评分值，根据订单数据的总评分值判定该订单数据是否为异常订单。进一步的，所述异常初步识别单元对所述订单数据进行初步判断时，将订单数据中的订单信息按维度进行分类，根据所述补充检测数据从多个维度对所述订单数据进行二次判断。所述刷单行为判定单元在判定刷单行为时，统计单个订单数据中各个维度的订单信息的维度评分值，对多个维度评分值加权求和得到所述总评分值，根据订单数据的总评分值判定该订单数据是否为异常订单，并根据各个维度评分值判断异常订单的风险类型。进一步的，所述系统还可包括历史订单数据库，所述订单数据获取单元获取所述订单数据后，将所述订单数据的订单信息存入历史订单数据库中，所述订单信息包括订单原始数据及根据订单原始数据计算的用于异常判断的检测参数。所述刷单行为判定单元若判定所述订单数据为异常订单，还需对其进行标识，并更新到历史订单数据库中。优选的，所述系统还可包括刷单综合评估单元，所述刷单综合评估单元从历史订单数据库中，获取与目标司机相关联的司机订单数据，及与目标乘客相关联的乘客订单数据，并计算司机订单数据中被标识为异常订单的比例，及乘客订单数据中被标识为异常订单的疑似刷单比例，根据疑似刷单比例对目标司机或目标乘客的当前订单数据进行刷单行为判定。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：本专利技术所提出的网约车异常订单识别方法及系统，相较于现有的识别打车软件的刷单技术，在利用打车平台数据检测刷单嫌疑订单的同时，还基于跨行业数据，采用位置轨迹维度、关系圈维度、通信行为维度和猫池养卡维度等多检测维度来计算订单信息的评分值，根据预设分值标准判断订单数据存在刷单行为的风险等级，从多方面进行刷单识别。本专利技术着重于提升识别刷单的正确率，从数据出发识别专业刷单行为，并且尽可能地避免误判真实客户的正常打车行为，保留较好的用户体验。附图说明本专利技术将通过例子并参照附图的方式说明，其中：图1为本专利技术中网约车异常订单识别方法的流程示意图。图2为本专利技术中网约车异常订单识别系统的结构示意图。具体实施方式本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。本说明书（包括任何附加权利要求、摘要）中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。需说明的是，本专利技术中所述打车平台数据库一般指网约车出行公司自建的数据库；而本专利技术中所述的跨行业数据库包括运营商数据库和社交平台数据库等，所述跨行业数据库为非网约车出行公司的数据库，为具有目标司机或目标乘客的相关信息的数据库，所述相关信息主要是目标司机或目标乘客的定位信息、位移信息、相互间的关系信息和通信行为信息等，例如中国电信、中国移动、中国联通等网络运营商的运营商数据库，及如QQ、微信、微博等绑定有电话号码的，包含有定位、位移、社交、朋友圈等信息的各种社交平台数据库。当利用社交平台数据库时，可利用司机和乘客的电话号码查找其相应的社交帐号，并提取目标时间的定位信息和位移信息，及查证司机与乘客是否为好友关系、是否有通信行为，以此实现利用社交平台数据库从多维度对订单数据进行异常识别。本专利技术主要以运营商数据库来说明基于跨行业数据库的网约车异常订单识别方法及系统的具体实施例，利用社交平台数据库及其它跨行业数据库来识别异常订单的具体实施方式同理可得。（一本文档来自技高网...

【技术保护点】
网约车异常订单识别方法，其特征在于，包括以下步骤：S1、获取订单数据，从打车平台数据库获取待检测的订单数据；S2、异常初步识别，对所述订单数据进行初步判断，识别订单数据中的订单信息是否存在异常，并为所述订单信息赋予分值，记为第一评分值；S3、获取跨行业数据，从跨行业数据库中获取目标司机和/或目标乘客的用于补充检测是否存在异常订单的补充检测数据；S4、异常二次识别，根据所述补充检测数据对所述订单数据进行二次判断，识别所述订单数据中的订单信息是否存在异常，并为所述订单信息赋予分值，记为第二评分值；S5、判定刷单行为，对相同的订单信息的第一评分值和第二评分值进行加权求和，并统计单个订单数据中所有订单信息的总评分值，根据订单数据的总评分值判定该订单数据是否为异常订单。

【技术特征摘要】
1.网约车异常订单识别方法，其特征在于，包括以下步骤：S1、获取订单数据，从打车平台数据库获取待检测的订单数据；S2、异常初步识别，对所述订单数据进行初步判断，识别订单数据中的订单信息是否存在异常，并为所述订单信息赋予分值，记为第一评分值；S3、获取跨行业数据，从跨行业数据库中获取目标司机和/或目标乘客的用于补充检测是否存在异常订单的补充检测数据；S4、异常二次识别，根据所述补充检测数据对所述订单数据进行二次判断，识别所述订单数据中的订单信息是否存在异常，并为所述订单信息赋予分值，记为第二评分值；S5、判定刷单行为，对相同的订单信息的第一评分值和第二评分值进行加权求和，并统计单个订单数据中所有订单信息的总评分值，根据订单数据的总评分值判定该订单数据是否为异常订单。2.基于权利要求1所述的网约车异常订单识别方法，其特征在于，在异常二次识别中，将订单数据中的订单信息按维度进行分类，根据所述补充检测数据从多个维度对所述订单数据进行二次判断；在判定刷单行为时，统计单个订单数据中各个维度的订单信息的维度评分值，对多个维度评分值加权求和得到所述总评分值，根据订单数据的总评分值判定该订单数据是否为异常订单，并根据各个维度评分值判断异常订单的风险类型。3.基于权利要求1或2所述的网约车异常订单识别方法，其特征在于，所述步骤S1中，获取所述订单数据后，将所述订单数据的订单信息存入历史订单数据库中，所述订单信息包括订单原始数据及根据订单原始数据计算的用于异常判断的检测参数；在步骤S5中，若判定所述订单数据为异常订单，还对其进行标识，并更新历史订单数据库。4.基于权利要求3所述的网约车异常订单识别方法，其特征在于，所述方法还包括步骤S6：从历史订单数据库中，获取与目标司机相关联的司机订单数据，及与目标乘客相关联的乘客订单数据，并计算司机订单数据中被标识为异常订单的比例，及乘客订单数据中被标识为异常订单的疑似刷单比例，根据疑似刷单比例对目标司机或目标乘客的当前订单数据进行刷单行为判定。5.基于权利要求3所述的网约车异常订单识别方法，其特征在于，所述异常初步识别至少包括订单特征检测、司机端特征检测和乘客端特征检测中的一种或多种组合：订单特征检测：通过对订单数据库中的历史订单数据进行统计分析，对单个待检测的订单数据中的订单信息进行异常判断，若该单个待检测的订单数据中存在异常信息，则判定该单个待检测的订单数据为异常嫌疑订单，并确定该单个待检测的订单数据所对应的刷单模式，对所述异常嫌疑订单进行评分和标识；司机端特征检测：通过对订单数据库中的历史订单数据进行统计分析，对所述司机的司机订单数据中的订单信息进行异常判断，若司机订单数据中存在异常信息，则判定该司机订单数据为异常嫌疑订单，并确定该司机订单数据所对应的刷单模式，对所述异常嫌疑订单进行评分和标识；乘客端特征检测：通过对订单数据库中的历史订单数据进行统计分析，对所述乘客的乘客订单数据中的订单信息进行异常判断，若乘客订单数据中存在异常信息，则判定该乘客订单数据为异常嫌疑订单，并确定该乘客订单数据所对应的刷单模式，对所述异常嫌疑订单进行评分和标识。6.基于权利要求2所述的网约车异常订单识别方法，其特征在于：所述维度包括位置轨迹维度、关系圈维度、通信行为维度和猫池养卡维度中的一种或多种组合：在异常二次识别中，从位置轨迹维度对所述订单数据进行二次判断时，根据司机端和乘客端的基站定位信息及卫星定位信息，对其行程位置进行检测，包括：①司机端行程开始和结束的位置信息是否匹配；②乘客端行程开始和结束的位置信息是否匹配；③订单生成前，司机端与乘客端的位置关系；④行程期间，司机端与乘客端的位置关系；并进行相应的标识；在异常二次识别中，从关系圈维度对所述订单数据进行二次判断时，根据司机端和乘客端的电话号码，检测订单生成前的一段时间内，司机端与乘客端之间的通话行为记录，判断司机与乘客之间的关系熟识程度，并进行标识；在异常二次识别中，从通信行为维度对所述订单数据进行二次...

【专利技术属性】
技术研发人员：廖晓维，雷娟，刘宇翔，李新群，
申请(专利权)人：流量海科技成都有限公司，
类型：发明
国别省市：四川;51