基于行程结束后停留异常的风险识别方法、系统及装置制造方法及图纸

本申请实施例公开了基于行程结束后停留异常的风险识别方法、系统、装置及计算机可读存储介质。所述方法包括：获取订单数据；获取与订单相关联的终端发送的信息；与订单相关联的终端发送的信息至少包括订单执行进程以及订单不同执行进程的实时状态数据；当获取到与订单相关联的终端发送的结束行程的信息后，基于实时状态数据，确定与订单相关联的终端是否存在异常停留行为；当确定存在异常停留行为时，至少基于该异常停留行为所处的停留位置的相关信息、相关方的行为信息和/或该异常停留行为的时间信息确定异常停留行为的风险度。本申请的技术方案可以缩短恶性事件平均发现时间，缩短事故的发现时间；可以尽快察觉到异常，减少对用户伤害。

【技术实现步骤摘要】
基于行程结束后停留异常的风险识别方法、系统及装置
本申请涉及出行安全相关领域，特别涉及一种基于行程结束后停留异常的风险识别方法、系统、装置及计算机可读存储介质。
技术介绍
随着网络技术和移动终端技术的不断发展，网约车作为一种便捷的出行方式，其已经成为人们出行的一种重要选择。但网约车在给人们出行带来便捷的同时，安全问题也日益突出。
技术实现思路
本申请实施例之一提供了一种基于行程结束后停留异常的风险识别方法。所述方法由至少一个处理器执行，可以包括以下至少一种操作。获取订单数据。获取与所述订单相关联的终端发送的信息；所述与订单相关联的终端发送的信息至少包括订单执行进程以及订单不同执行进程的实时状态数据。当获取到与订单相关联的终端发送的结束行程的信息后，基于所述实时状态数据，确定与订单相关联的终端是否存在异常停留行为。当确定存在异常停留行为时，至少基于该异常停留行为所处的停留位置的相关信息、相关方的行为信息和/或该异常停留行为的时间信息确定所述异常停留行为的风险度。在一些实施例中，所述订单数据包括以下中的至少一个：服务提供者的身份信息、与订单相关的车辆的标识信息、服务时间、行程起始点、行程目的地、行程路径和服务请求者的身份信息。在一些实施例中，所述实时状态数据包括以下中的至少一个：与订单相关的定位数据、与订单相关的终端的状态数据、与订单相关的车辆的状态数据、车辆内部的环境数据和外部环境的实时状态数据。在一些实施例中，基于所述实时状态数据，确定是否存在异常停留行为可以包括以下至少一个操作。基于与订单相关联的终端和/或车辆的定位数据，确定停留行为的持续时间是否大于第一阈值。响应于停留行为的持续时间大于第一阈值，确定存在所述异常停留行为。在一些实施例中，所述停留位置的相关信息包括以下中的至少一个：停留位置的环境信息、停留位置的车流量信息、停留位置的停留频率信息、停留位置的发单密度信息。在一些实施例中，所述风险度包括以下信息中的至少一种：有无风险、风险类型、发生风险的概率值、风险的危害等级。在一些实施例中，至少基于该异常停留行为所处的停留位置的相关信息确定所述异常停留行为的风险度可以包括以下至少一个操作。判断所述停留位置是否与行程目的地的距离不超过预设的距离阈值。响应于所述距离不超过预设的距离阈值，确定所述异常停留行为不存在风险。在一些实施例中，至少基于该异常停留行为所处的停留位置的相关信息确定所述异常停留行为的风险度可以包括以下至少一个操作。判断所述停留位置的车流量信息是否大于设定的车流量阈值。若是，确定所述异常停留行为不存在风险。在一些实施例中，至少基于该异常停留行为所处的停留位置的相关信息确定所述异常停留行为的风险度可以包括以下至少一个操作。判断所述停留位置的停留频率是否大于设定的频率阈值。若是，确定所述异常停留行为不存在风险。在一些实施例中，至少基于该异常停留行为所处的停留位置的相关信息确定所述异常停留行为的风险度可以包括以下至少一个操作。判断所述停留位置发单密度是否大于设定的密度阈值。若是，确定所述异常停留行为不存在风险。在一些实施例中，至少基于相关方的行为信息确定所述异常停留行为的风险度可以包括以下至少一个操作。获取相关方通过终端在服务平台上的操作行为。基于所述操作行为确定所述风险度。在一些实施例中，所述操作行为包括以下中的至少一种：接单、发单、在平台中发表评论、领取平台中的奖励、参与平台中的活动。在一些实施例中，所述相关方为服务提供方。所述基于所述操作行为确定所述风险度可以包括以下至少一个操作。若获取到服务提供方在行程结束后的预设时间内再次接单，则确定所述异常停留行为不存在风险。在一些实施例中，至少基于该异常停留行为的时间信息确定所述异常停留行为的风险度可以包括以下至少一个操作。判断所述异常停留行为发生的时间是否在设定的高危时间段内。若是，则确定所述异常停留行为存在风险。在一些实施例中，至少基于该异常停留行为所处的停留位置的相关信息、相关方的行为信息和/或该异常停留行为的时间信息确定所述异常停留行为的风险度可以包括以下至少一个操作。利用经训练的风险度识别模型处理所述该异常停留行为所处的停留位置的相关信息、相关方的行为信息和/或该异常停留行为的时间信息，获得所述风险度。在一些实施例中，所述方法还包括：基于所述风险度，采取至少一种风险应对操作。所述风险应对操作包括以下至少一种：风险排序操作、风险确认操作、风险处置操作和持续监控操作。本申请实施例之一提供了一种基于行程结束后停留异常的风险防范系统。所述系统包括数据获取模块、风险判定模块。数据获取模块，用于获取订单数据以及用于获取与所述订单相关联的终端发送的信息；所述与订单相关联的终端发送的信息至少包括订单执行进程以及订单不同执行进程的实时状态数据。风险判定模块，用于当获取到与订单相关联的终端发送的结束行程的信息后，基于所述实时状态数据，确定与订单相关联的终端是否存在异常停留行为；以及，用于当确定存在异常停留行为时，至少基于该异常停留行为所处的停留位置的相关信息、相关方的行为信息和/或该异常停留行为的时间信息确定所述异常停留行为的风险度。在一些实施例中，所述订单数据包括以下中的至少一个：服务提供者的身份信息、与订单相关的车辆的标识信息、服务时间、行程起始点、行程目的地、行程路径和服务请求者的身份信息。在一些实施例中，所述实时状态数据包括以下中的至少一个：与订单相关的定位数据、与订单相关的终端的状态数据、与订单相关的车辆的状态数据、车辆内部的环境数据和外部环境的实时状态数据。在一些实施例中，所述风险判定模块还用于：基于与订单相关联的终端和/或车辆的定位数据，确定停留行为的持续时间是否大于第一阈值；响应于停留行为的持续时间大于第一阈值，确定存在所述异常停留行为。在一些实施例中，所述停留位置的相关信息包括以下中的至少一个：停留位置的环境信息、停留位置的车流量信息、停留位置的停留频率信息、停留位置的发单密度信息。在一些实施例中，所述风险度包括以下信息中的至少一种：有无风险、风险类型、发生风险的概率值、风险的危害等级。在一些实施例中，所述风险判定模块至还用于：判断所述停留位置是否与行程目的地的距离不超过预设的距离阈值；响应于所述距离不超过预设的距离阈值，确定所述异常停留行为不存在风险。在一些实施例中，所述风险判定模块还用于：判断所述停留位置的车流量信息是否大于设定的车流量阈值；若是，确定所述异常停留行为不存在风险。在一些实施例中，所述风险判定模块还用于：判断所述停留位置的停留频率是否大于设定的频率阈值；若是，确定所述异常停留行为不存在风险。在一些实施例中，所述风险判定模块还用于：判断所述停留位置发单密度是否大于设定的密度阈值；若是，确定所述异常停留行为不存在风险。在一些实施例中，所述风险判定模块还用于：获取相关方通过终端在服务平台上的操作行为；基于所述操作行为确定所述风险度。在一些实施本文档来自技高网...

【技术保护点】
1.一种基于行程结束后停留异常的风险识别方法，其特征在于，所述方法包括：/n获取订单数据；/n获取与所述订单相关联的终端发送的信息；所述与订单相关联的终端发送的信息至少包括订单执行进程以及订单不同执行进程的实时状态数据；/n当获取到与订单相关联的终端发送的结束行程的信息后，基于所述实时状态数据，确定与订单相关联的终端是否存在异常停留行为；/n当确定存在异常停留行为时，至少基于该异常停留行为所处的停留位置的相关信息、相关方的行为信息和/或该异常停留行为的时间信息确定所述异常停留行为的风险度。/n

【技术特征摘要】
1.一种基于行程结束后停留异常的风险识别方法，其特征在于，所述方法包括：
获取订单数据；
获取与所述订单相关联的终端发送的信息；所述与订单相关联的终端发送的信息至少包括订单执行进程以及订单不同执行进程的实时状态数据；
当获取到与订单相关联的终端发送的结束行程的信息后，基于所述实时状态数据，确定与订单相关联的终端是否存在异常停留行为；
当确定存在异常停留行为时，至少基于该异常停留行为所处的停留位置的相关信息、相关方的行为信息和/或该异常停留行为的时间信息确定所述异常停留行为的风险度。


2.根据权利要求1所述的基于行程结束后停留异常的风险识别方法，其特征在于，所述订单数据包括以下中的至少一个：
服务提供者的身份信息、与订单相关的车辆的标识信息、服务时间、行程起始点、行程目的地、行程路径和服务请求者的身份信息。


3.根据权利要求1所述的基于行程结束后停留异常的风险识别方法，其特征在于，所述实时状态数据包括以下中的至少一个：
与订单相关的定位数据、与订单相关的终端的状态数据、与订单相关的车辆的状态数据、车辆内部的环境数据和外部环境的实时状态数据。


4.根据权利要求1所述的基于行程结束后停留异常的风险识别方法，其特征在于，基于所述实时状态数据，确定是否存在异常停留行为包括：
基于与订单相关联的终端和/或车辆的定位数据，确定停留行为的持续时间是否大于第一阈值；
响应于停留行为的持续时间大于第一阈值，确定存在所述异常停留行为。


5.根据权利要求1所述的基于行程结束后停留异常的风险识别方法，其特征在于，所述停留位置的相关信息包括以下中的至少一个：
停留位置的环境信息、停留位置的车流量信息、停留位置的停留频率信息、停留位置的发单密度信息。


6.根据权利要求1所述的基于行程结束后停留异常的风险识别方法，其特征在于，所述风险度包括以下信息中的至少一种：
有无风险、风险类型、发生风险的概率值、风险的危害等级。


7.根据权利要求1所述的基于行程结束后停留异常的风险识别方法，其特征在于，至少基于该异常停留行为所处的停留位置的相关信息确定所述异常停留行为的风险度包括：
判断所述停留位置是否与行程目的地的距离不超过预设的距离阈值；
响应于所述距离不超过预设的距离阈值，确定所述异常停留行为不存在风险。


8.根据权利要求1所述的基于行程结束后停留异常的风险识别方法，其特征在于，至少基于该异常停留行为所处的停留位置的相关信息确定所述异常停留行为的风险度包括：
判断所述停留位置的车流量信息是否大于设定的车流量阈值；
若是，确定所述异常停留行为不存在风险。


9.根据权利要求1所述的基于行程结束后停留异常的风险识别方法，其特征在于，至少基于该异常停留行为所处的停留位置的相关信息确定所述异常停留行为的风险度包括：
判断所述停留位置的停留频率是否大于设定的频率阈值；
若是，确定所述异常停留行为不存在风险。


10.根据权利要求1所述的基于行程结束后停留异常的风险识别方法，其特征在于，至少基于该异常停留行为所处的停留位置的相关信息确定所述异常停留行为的风险度包括：
判断所述停留位置发单密度是否大于设定的密度阈值；
若是，确定所述异常停留行为不存在风险。


11.根据权利要求1所述的基于行程结束后停留异常的风险识别方法，其特征在于，至少基于相关方的行为信息确定所述异常停留行为的风险度包括：
获取相关方通过终端在服务平台上的操作行为；
基于所述操作行为确定所述风险度。


12.根据权利要求11所述的基于行程结束后停留异常的风险识别方法，其特征在于，所述操作行为包括以下中的至少一种：
接单、发单、在平台中发表评论、领取平台中的奖励、参与平台中的活动。


13.根据权利要求11所述的基于行程结束后停留异常的风险识别方法，其特征在于，所述相关方为服务提供方；所述基于所述操作行为确定所述风险度包括：
若获取到服务提供方在行程结束后的预设时间内再次接单，则确定所述异常停留行为不存在风险。


14.根据权利要求1所述的基于行程结束后停留异常的风险识别方法，其特征在于，至少基于该异常停留行为的时间信息确定所述异常停留行为的风险度包括：
判断所述异常停留行为发生的时间是否在设定的高危时间段内；
若是，则确定所述异常停留行为存在风险。


15.根据权利要求1所述的基于行程结束后停留异常的风险识别方法，其特征在于，至少基于该异常停留行为所处的停留位置的相关信息、相关方的行为信息和/或该异常停留行为的时间信息确定所述异常停留行为的风险度包括：
利用经训练的风险度识别模型处理所述该异常停留行为所处的停留位置的相关信息、相关方的行为信息和/或该异常停留行为的时间信息，获得所述风险度。


16.根据权利要求1所述的基于行程结束后停留异常的风险识别方法，其特征在于，还包括：基于所述风险度，采取至少一种风险应对操作；
所述风险应对操作包括以下至少一种：风险排序操作、风险确认操作、风险处置操作和持续监控操作。


17.一种基于行程结束后停留异常的风险识别系统，其特征在于，所述系统包括：<...

【专利技术属性】
技术研发人员：何冠乔，张威，张佳林，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11