代驾订单违规获利的处理方法、系统及计算机设备技术方案

本申请涉及一种代驾订单违规获利的处理方法、系统及计算机设备。该方法应用于云平台，包括：响应于订单支付消息，从云平台的数据库中获取司机和乘客的历史特征信息；在确定乘客使用了优惠券之后，获取优惠金额和司机的抽佣比例；获取乘客的订单信息；根据订单信息、优惠金额、抽佣比例、司机和乘客的历史特征信息计算司机刷优惠券的风险分；根据风险分判定刷单风险，若风险分处于中高风险区间，则判定存在违规获利的风险，对司机进行处置。通过上述方法的步骤，能够实现在面对司机刷优惠券违规获利的手段非常多样的情况下，通过分析司机的获利空间、司机和乘客的历史行为信息等的方式，识别并阻止司机的违规获利行为。识别并阻止司机的违规获利行为。识别并阻止司机的违规获利行为。

【技术实现步骤摘要】
代驾订单违规获利的处理方法、系统及计算机设备


[0001]本专利技术实施例涉及网约车服务
，尤其涉及一种代驾订单违规获利的处理方法、系统及计算机设备。

技术介绍

[0002]在网约车服务领域中，网约车平台为了提高完单率，一般会在网约车司机端以及乘客端发放优惠券。然而，个别的司机在行程中会寻找各种漏洞，利用优惠券来进行违规获利，具体的违规情况包括但不限于：利用网约车订单的定位、时间等漏洞并使用大额优惠卷；司机使用多个账号登录以积攒优惠券；司机通过作弊软件或其他技术手段获取优惠券；在司机端或乘客端寻找各种漏洞，各种手段层出不穷，防不胜防。
[0003]因此，专利技术人意识到，在面对司机刷优惠券违规获利的手段非常多样的情况下，当前缺少一种有效的手段来识别并阻止司机的违规获利行为。

技术实现思路

[0004]本申请针对上述不足或缺点，提供了一种代驾订单违规获利的处理方法、系统及计算机设备。本申请实施例能够实现在面对司机刷优惠券违规获利的手段非常多样的情况下，通过分析司机的获利空间、司机和乘客的历史行为信息等的方式，识别并阻止司机的违规获利行为。
[0005]本申请根据第一方面提供了一种代驾订单违规获利的处理方法，该方法应用于云平台，包括：响应于订单支付消息，从云平台的数据库中获取司机和乘客的历史特征信息；在确定乘客使用了优惠券之后，获取优惠金额和司机当前的抽佣比例；获取乘客的订单信息，订单信息包括行程费，行驶里程，行驶时间；根据订单信息、优惠金额、抽佣比例、司机和乘客的历史特征信息计算司机刷优惠券的风险分；根据风险分判定刷单风险，若风险分处于中风险、中高风险或高风险区间，则判定司机存在刷优惠券违规获利的风险，对司机进行处置。
[0006]在一些实施例中，云平台还包括订单系统和风控系统；在从云平台的数据库中获取司机和乘客的历史特征信息之前，该方法还包括：在乘客支付订单后，订单系统生成订单支付消息；风控系统接收订单系统发送的订单支付消息。
[0007]在一些实施例中，云平台的数据库包括列式存储非关系数据库管理系统；从云平台的数据库中获取司机和乘客的历史特征信息，包括：从列式存储非关系数据库管理系统中获取司机和乘客的历史特征信息，司机和乘客的历史特征信息包括司机和乘客的历史作弊评分、昨日完单数、昨日使用优惠券总金额。
[0008]在一些实施例中，根据订单信息、优惠金额、抽佣比例、司机和乘客的历史特征信
息计算司机刷优惠券的风险分，包括：根据订单信息、优惠金额、抽佣比例、司机和乘客的历史特征信息计算订单实付金额、司机收入和司机行驶速度；根据司机行驶速度计算时空轨迹异常系数；根据司机和乘客最近一天的完单量计算频度异常系数；根据司机和乘客的历史作弊评分计算司机和乘客的历史作弊系数；根据司机和乘客最近一天订单使用优惠券总额计算司机和乘客刷优惠券总额风险系数；根据司机收入与订单实付金额的差值计算司机获利风险系数；根据时空轨迹异常系数、频度异常系数、司机和乘客的历史作弊系数、司机和乘客的刷优惠券总额风险系数、司机获利风险系数计算司机刷优惠券的风险分。
[0009]在一些实施例中，频度异常系数包括订单完单频度异常系数、司机完单频度异常系数和乘客完单频度异常系数；根据时空轨迹异常系数、频度异常系数、司机和乘客的历史作弊系数、司机和乘客的刷优惠券总额风险系数、司机获利风险系数计算司机刷优惠券的风险分，包括：通过以下公式计算司机刷优惠券的风险分：风险分=时空轨迹异常系数
×
订单完单频度异常系数
×
司机完单频度异常系数
×
乘客完单频度异常系数
×
司机的历史作弊系数
×
乘客的历史作弊系数
×
司机的刷优惠券总额风险系数
×
乘客的刷优惠券总额风险系数
×
司机获利风险系数。
[0010]在一些实施例中，根据司机行驶速度计算时空轨迹异常系数；根据司机和乘客最近一天的完单量计算频度异常系数；根据司机和乘客的历史作弊评分计算司机和乘客的历史作弊系数；根据司机和乘客最近一天订单使用优惠券总额计算司机和乘客刷优惠券总额风险系数；根据司机收入与订单实付金额的差值计算司机获利风险系数，包括：根据设定的行驶速度区间对司机行驶速度进行区间划分得到时空轨迹异常系数；根据设定的完单量区间对司机和乘客最近一天的完单量进行区间划分得到频度异常系数；根据设定的历史作弊评分区间对司机和乘客的历史作弊评分进行区间划分得到司机和乘客的历史作弊系数；根据设定的优惠券总额区间对司机和乘客最近一天订单使用优惠券总额获得司机和乘客刷优惠券总额风险系数；根据设定的司机收入与订单实付金额的差值区间，对差值进行区间划分得到司机获利风险系数。
[0011]在一些实施例中，根据风险分判定刷单风险，包括：根据设定的风险分区间对风险分进行区间划分以判定刷单风险；风险分区间包括无风险、低风险、中风险、中高风险、高风险；若风险分处于无风险或低风险，则判定司机不存在刷优惠券违规获利的风险；若风险分处于中风险、中高风险或高风险区间，则判定司机存在刷优惠券违规获利的行为。
[0012]在一些实施例中，对司机进行处置，包括：若风险分处于中风险区间，对司机进行教育处置，使司机需要在指定时间内学习并考试，到期未通过则无法接单；
若风险分处于中高风险区间，下发不予结算处置；若风险分处于高风险区间，下发封禁处置，使司机无法接单；下发不予结算处置包括：将未结算的异常订单不予司机结算，或者追回已结算的异常订单，异常订单为司机刷优惠券违规获利的代驾订单。
[0013]在一些实施例中，云平台还包括云原生大数据服务系统；在判定司机存在刷优惠券违规获利的风险之后，该方法还包括：记录司机通过司机端或者乘客端的漏洞刷优惠券的违规获利数据。
[0014]在一些实施例中，系统应用于云平台，包括：历史信息获取模块，用于响应于订单支付消息，获取司机和乘客的历史特征信息；优惠信息获取模块，用于在确定乘客使用了优惠券之后，获取优惠金额和司机当前的抽佣比例；订单信息获取模块，用于获取乘客的订单信息，订单信息包括行程费，行驶里程，行驶时间；风险分计算模块，用于根据订单信息、优惠金额、抽佣比例、司机和乘客的历史特征信息计算司机刷优惠券的风险分；违规获利处理模块，用于根据风险分判定刷单风险，若风险分处于中风险、中高风险或高风险区间，则判定司机存在刷优惠券违规获利的风险，对司机进行处置。
[0015]本申请根据另一方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一项代驾订单违规获利的处理方法的步骤。
[0016]在上述的本申请实施例中，云平台在接收到乘客的订单支付消息后，从数据库中获取司机和乘客的历史特征信息，其中，历史特征信息用于表征司机和乘客的历史违规情况以及通过优惠券获利的额度。然后在确定该乘客使用了优惠券之后，云平台获取优惠金额和司机的抽佣比例，再本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种代驾订单违规获利的处理方法，其特征在于，所述方法应用于云平台，包括：响应于订单支付消息，从所述云平台的数据库中获取司机和乘客的历史特征信息；在确定乘客使用了优惠券之后，获取优惠金额和所述司机当前的抽佣比例；获取乘客的订单信息，所述订单信息包括行程费，行驶里程，行驶时间；根据所述订单信息、所述优惠金额、所述抽佣比例、司机和乘客的历史特征信息计算所述司机刷优惠券的风险分；根据所述风险分判定刷单风险，若所述风险分处于中风险、中高风险或高风险区间，则判定司机存在刷优惠券违规获利的风险，对所述司机进行处置。2.根据权利要求1所述的方法，其特征在于，所述云平台还包括订单系统和风控系统；在从所述云平台的数据库中获取司机和乘客的历史特征信息之前，所述方法还包括：在乘客支付订单后，所述订单系统生成所述订单支付消息；所述风控系统接收所述订单系统发送的所述订单支付消息。3.根据权利要求1所述的方法，其特征在于，所述云平台的数据库包括列式存储非关系数据库管理系统；从所述云平台的数据库中获取司机和乘客的历史特征信息，包括：从所述列式存储非关系数据库管理系统中获取司机和乘客的历史特征信息，所述司机和乘客的历史特征信息包括司机和乘客的历史作弊评分、昨日完单数、昨日使用优惠券总金额；所述根据所述订单信息、所述优惠金额、所述抽佣比例、司机和乘客的历史特征信息计算所述司机刷优惠券的风险分，包括：根据所述订单信息、所述优惠金额、所述抽佣比例、司机和乘客的历史特征信息计算订单实付金额、司机收入和司机行驶速度；根据所述司机行驶速度计算时空轨迹异常系数；根据当前订单地址、司机和乘客最近一天的完单量计算频度异常系数；根据所述司机和乘客的历史作弊评分计算司机和乘客的历史作弊系数；根据所述司机和乘客最近一天订单使用优惠券总额计算司机和乘客刷优惠券总额风险系数；根据所述司机收入与所述订单实付金额的差值计算司机获利风险系数；根据所述时空轨迹异常系数、所述频度异常系数、司机和乘客的历史作弊系数、司机和乘客的刷优惠券总额风险系数、司机获利风险系数计算所述司机刷优惠券的风险分。4.根据权利要求3所述的方法，其特征在于，所述频度异常系数包括订单完单频度异常系数、司机完单频度异常系数和乘客完单频度异常系数；根据所述时空轨迹异常系数、所述频度异常系数、司机和乘客的历史作弊系数、司机和乘客的刷优惠券总额风险系数、司机获利风险系数计算所述司机刷优惠券的风险分，包括：通过以下公式计算所述司机刷优惠券的风险分：风险分=时空轨迹异常系数
×
订单完单频度异常系数
×
司机完单频度异常系数
×
乘客完单频度异常系数
×
司机的历史作弊系数
×
乘客的历史作弊系数
×
司机的刷优惠券总额风险系数
×
乘客的刷优惠券总额风险系数
×
司机获利风险系数。5.根据权利要求3所述的方法，其特征在于，根据...

【专利技术属性】
技术研发人员：于志杰，
申请(专利权)人：北京龙驹易行科技有限公司，
类型：发明
国别省市：