网约车监管方法、装置及存储介质制造方法及图纸

本公开涉及一种网约车监管方法、装置及存储介质，以解决相关技术中对网约车行驶意图的识别效率低、成本高、响应不够及时的问题。所述方法包括：响应于网约车接收到的订单，根据预置的导航数据库以及所述订单中的起点位置和目的地位置，获取所述网约车的可行路径信息；在所述网约车的行驶过程中，实时获取所述网约车的行车轨迹信息；将获取到的行车轨迹信息和所述可行路径信息输入预置的相似度评价模型，得到所述网约车的行车轨迹信息与所述可行路径信息之间的相似度，其中，所述相似度评价模型是以历史订单中的历史行车轨迹信息和历史可行路径信息作为训练样本集进行训练得到的；根据所述相似度获取对所述网约车的行驶意图的识别结果。

Supervision Method, Device and Storage Medium of Network Appointment Vehicle

The present disclosure relates to a monitoring method, device and storage medium for online car booking, in order to solve the problems of low efficiency, high cost and insufficient timely response to the identification of online car booking driving intent in related technologies. The method includes: in response to an order received by a networked car, obtaining the feasible path information of the networked car according to the preset navigation database and the starting and destination position of the order; acquiring the trajectory information of the networked car in real time during the driving process of the networked car; and inputting the obtained trajectory information and the feasible path information into the networked car. The pre-set similarity evaluation model obtains the similarity between the trajectory information and the feasible path information of the network appointment vehicle, in which the similarity evaluation model is trained with the historical trajectory information and the historical feasible path information in the historical order as the training sample set, and identifies the driving intention of the network appointment vehicle according to the similarity. Result.

【技术实现步骤摘要】
网约车监管方法、装置及存储介质
本公开涉及信息
，具体地，涉及一种网约车监管方法、装置及存储介质。
技术介绍
网约车的推广，是一种双赢的出行选择，在便利了出行的同时，降低了乘客和车主的经济成本。然而，针对网约车驾乘者的审核制度并不完善，这给车主和乘客双方都带来了安全隐患。在网约车的行驶过程中，驾乘者若遇到突发事件，可主动向网约车平台的客服人员反馈，由客服人员对反馈信息的真实性进行审核，并在确认反馈信息的真实性后，配合驾乘者提供相应的信息。
技术实现思路
本公开的目的是提供一种网约车监管方法、装置及存储介质，以解决相关技术中对网约车行驶意图的识别效率低、成本高、响应不够及时的问题。为了实现上述目的，本公开第一方面提供一种网约车监管方法，包括：响应于网约车接收到的订单，根据预置的导航数据库以及所述订单中的起点位置和目的地位置，获取所述网约车的可行路径信息；在所述网约车的行驶过程中，实时获取所述网约车的行车轨迹信息；将获取到的行车轨迹信息和所述可行路径信息输入预置的相似度评价模型，得到所述网约车的行车轨迹信息与所述可行路径信息之间的相似度，其中，所述相似度评价模型是以历史订单中的历史行车轨迹信息和历史可行路径信息作为训练样本集进行训练得到的；根据所述相似度获取对所述网约车的行驶意图的识别结果。可选地，所述将获取到的行车轨迹信息和所述可行路径信息输入预置的相似度评价模型，包括：根据所述起点位置和所述目的地位置，生成包含多个网格的网格图片；根据所述可行路径信息标注所述网格图片中每个网格的RGB值；将标注后的网格图片和所述获取到的行车轨迹信息输入所述相似度评价模型。可选地，在所述将获取到的行车轨迹信息和所述可行路径信息输入预置的相似度评价模型之前，所述方法还包括：将多个正常历史订单中的每一正常历史订单的历史行车轨迹信息和历史可行路径信息标记为负样本，得到负样本集合；将多个正常历史订单中的每一异常历史订单的历史行车轨迹信息和历史可行路径信息标记为正样本，得到正样本集合；根据所述正样本集合和所述负样本集合训练所述相似度评价模型。可选地，根据所述相似度获取对所述网约车的行驶意图的识别结果，包括：若所述相似度小于或等于第一预设阈值，则确定所述识别结果为所述网约车的行驶意图异常。可选地，在所述根据所述相似度获取对所述网约车的行驶意图的识别结果之前，所述方法还包括：获取所述网约车的驾乘者的置信分值；所述根据所述相似度获取对所述网约车的行驶意图的识别结果，包括：根据以下公式确定所述网约车的行驶意图分值：S＝T1/L其中，S为所述行驶意图分值；T为所述置信分值；L为所述相似度；若所述行驶意图分值大于或等于第二预设阈值，则确定所述识别结果为所述网约车的行驶意图异常。可选地，所述获取所述网约车的驾乘者的置信分值，包括：获取所述网约车的驾乘者的历史征信信息；针对所述历史征信信息中的每一信息，根据该信息对应的预设聚类中心和每个预设聚类对应的预设特征值，确定该信息的特征值，其中，所述预设聚类中心是根据k-means聚类算法对多个驾乘者的历史征信信息计算得到的；将所述历史征信信息中所有信息的特征值输入到预置的置信分回归模型，得到所述驾乘者的置信分值，其中，所述置信分回归模型是根据逻辑回归算法对多个驾乘者的历史征信信息中所有信息的特征值进行训练得到的。可选地，所述方法还包括：若所述识别结果表明所述网约车的行驶意图异常，则输出所述识别结果。可选地，所述方法还包括：根据所述识别结果对所述行车轨迹信息和所述可行路径信息进行标记，并将标记后得到的样本添加到对应的样本集合中；周期性根据所述正样本集合和所述负样本集合训练所述相似度评价模型。本公开第二方面提供一种网约车监管装置，包括：第一获取模块，用于响应于网约车接收到的订单，根据预置的导航数据库以及所述订单中的起点位置和目的地位置，获取所述网约车的可行路径信息；第二获取模块，用于在所述网约车的行驶过程中，实时获取所述网约车的行车轨迹信息；输入模块，用于将获取到的行车轨迹信息和所述可行路径信息输入预置的相似度评价模型，得到所述网约车的行车轨迹信息与所述可行路径信息之间的相似度，其中，所述相似度评价模型是以历史订单中的历史行车轨迹信息和历史可行路径信息作为训练样本集进行训练得到的；第三获取模块，用于根据所述相似度获取对所述网约车的行驶意图的识别结果。可选地，所述输入模块包括：生成子模块，用于根据所述起点位置和所述目的地位置，生成包含多个网格的网格图片；标注子模块，用于根据所述可行路径信息标注所述网格图片中每个网格的RGB值；第一输入子模块，用于将标注后的网格图片和所述获取到的行车轨迹信息输入所述相似度评价模型。可选地，所述装置还包括：第一标记模块，用于将多个正常历史订单中的每一正常历史订单的历史行车轨迹信息和历史可行路径信息标记为负样本，得到负样本集合；第二标记模块，用于将多个正常历史订单中的每一异常历史订单的历史行车轨迹信息和历史可行路径信息标记为正样本，得到正样本集合；第一训练模块，用于根据所述正样本集合和所述负样本集合训练所述相似度评价模型。可选地，所述第三获取模块包括：第一确定子模块，用于在所述相似度小于或等于第一预设阈值时，确定所述识别结果为所述网约车的行驶意图异常。可选地，所述装置还包括：第四获取模块，用于在根据所述相似度获取对所述网约车的行驶意图的识别结果之前，获取所述网约车的驾乘者的置信分值；所述第三获取模块包括：第二确定子模块，用于根据以下公式确定所述网约车的行驶意图分值：S＝T1/L其中，S为所述行驶意图分值；T为所述置信分值；L为所述相似度；第三确定子模块，用于在所述行驶意图分值大于或等于第二预设阈值时，确定所述识别结果为所述网约车的行驶意图异常。可选地，所述第四获取模块包括：第一获取子模块，用于获取所述网约车的驾乘者的历史征信信息；第四确定子模块，用于针对所述历史征信信息中的每一信息，根据该信息的预设聚类中心和每个类别对应的预设特征值，确定该信息所属的类别和特征值，其中，所述预设聚类中心是根据k-means聚类算法对多个驾乘者的历史征信信息计算得到的；第二输入子模块，用于将所述历史征信信息中所有信息的特征值和所属的类别输入到预置的置信分回归模型，得到所述驾乘者的置信分值，其中，所述置信分回归模型是根据逻辑回归算法对多个驾乘者的历史征信信息中所有信息的特征值和所属的类别进行训练得到的。可选地，所述装置还包括：输出模块，用于在所述识别结果表明所述网约车的行驶意图异常时，输出所述识别结果。可选地，所述装置还包括：第三标记模块，用于根据所述识别结果对所述行车轨迹信息和所述可行路径信息进行标记，并将标记后得到的样本添加到对应的样本集合中；第二训练模块，用于周期性根据所述正样本集合和所述负样本集合训练所述相似度评价模型。本公开第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面所述方法的步骤。本公开第四方面提供一种网约车监管装置，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面所述方法的步骤。上述技术方案，至少能够达到以下技术效果：通过响应于网约车接收到的订单，根据预置的导航数据库以本文档来自技高网...

【技术保护点】
1.一种网约车监管方法，其特征在于，包括：响应于网约车接收到的订单，根据预置的导航数据库以及所述订单中的起点位置和目的地位置，获取所述网约车的可行路径信息；在所述网约车的行驶过程中，实时获取所述网约车的行车轨迹信息；将获取到的行车轨迹信息和所述可行路径信息输入预置的相似度评价模型，得到所述网约车的行车轨迹信息与所述可行路径信息之间的相似度，其中，所述相似度评价模型是以历史订单中的历史行车轨迹信息和历史可行路径信息作为训练样本集进行训练得到的；根据所述相似度获取对所述网约车的行驶意图的识别结果。

【技术特征摘要】
1.一种网约车监管方法，其特征在于，包括：响应于网约车接收到的订单，根据预置的导航数据库以及所述订单中的起点位置和目的地位置，获取所述网约车的可行路径信息；在所述网约车的行驶过程中，实时获取所述网约车的行车轨迹信息；将获取到的行车轨迹信息和所述可行路径信息输入预置的相似度评价模型，得到所述网约车的行车轨迹信息与所述可行路径信息之间的相似度，其中，所述相似度评价模型是以历史订单中的历史行车轨迹信息和历史可行路径信息作为训练样本集进行训练得到的；根据所述相似度获取对所述网约车的行驶意图的识别结果。2.根据权利要求1所述的方法，其特征在于，所述将获取到的行车轨迹信息和所述可行路径信息输入预置的相似度评价模型，包括：根据所述起点位置和所述目的地位置，生成包含多个网格的网格图片；根据所述可行路径信息标注所述网格图片中每个网格的RGB值；将标注后的网格图片和所述获取到的行车轨迹信息输入所述相似度评价模型。3.根据权利要求1所述的方法，其特征在于，在所述将获取到的行车轨迹信息和所述可行路径信息输入预置的相似度评价模型之前，所述方法还包括：将多个正常历史订单中的每一正常历史订单的历史行车轨迹信息和历史可行路径信息标记为负样本，得到负样本集合；将多个正常历史订单中的每一异常历史订单的历史行车轨迹信息和历史可行路径信息标记为正样本，得到正样本集合；根据所述正样本集合和所述负样本集合训练所述相似度评价模型。4.根据权利要求1所述的方法，其特征在于，根据所述相似度获取对所述网约车的行驶意图的识别结果，包括：若所述相似度小于或等于第一预设阈值，则确定所述识别结果为所述网约车的行驶意图异常。5.根据权利要求1所述的方法，其特征在于，在所述根据所述相似度获取对所述网约车的行驶意图的识别结果之前，所述方法还包括：获取所述网约车的驾乘者的置信分值；所述根据所述相似度获取对所述网约车的行驶意图的识别结果，包括：根据以下公式确定所述网约车的行驶意图分值：S＝T1/L其中，S为所述行驶意图分值；T为所述置信分值；...

【专利技术属性】
技术研发人员：张振华，冯淼，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京,11