[发明专利]恶意逃单检测方法

说明书

技术领域

本发明涉及交通信息技术领域，更具体地说，涉及一种恶意逃单检测方法及装置。

背景技术

代驾行业的兴起给人们带来了很多方便。酒后代驾、旅游代驾、商务代驾等等的业务需求也越来越多。传统的代驾行业服务效率低、收费高，已逐渐失去了行业优势。取而代之的是基于移动互联网的代驾行业服务模式。

在智能手机上实现的第三方应用程序——代驾APP如雨后春笋般应运而生。用户在打开代驾APP之后，可以看到附近的代驾司机信息，包括司机姓名、离自己的距离、驾龄、代驾次数、评价等，用户可自主选择符合自身需求的代驾司机。代驾APP不仅界面设计很直观，操作方便，最主要的是司机信息透明化，使用户更加放心，也有利于快速建立联系，用户体验方面得到了众多消费者的亲睐。

然而，在实际使用过程中，经常出现司机的逃单行为，例如：部分司机在通过代驾APP接收到用户请求之后，与用户私下交易，以达到逃避信息服务费的目的。现有的代驾系统提供了简单的规则，用以对上述逃单行为进行辨别，如判断司机总的拒单率，如果某司机总的拒单率高于某一阈值，则将该司机视为逃单司机进行处理。但是，由于拒单的原因有很多，比如用户主动拒绝、所去的目的地过远造成交易无法达成等，因此现有的方法仅根据总的拒单率来衡量司机是否为逃单，准确率很低。再如判断司机在拒单后的移动速度，如果某司机拒单后移动速度与车速类似，则将该司机视为逃单司机。但是，司机可能在前往某地的公交车上，因此这种方法的准确率也受到约束。

发明内容

本发明的发明目的是针对现有技术的缺陷，提出一种恶意逃单检测方法及装置，用以提高检测恶意逃单的准确率。

根据本发明的一个方面，提供了一种恶意逃单检测方法，包括：

统计不同用户从不同出发地前往不同目的地的次数，得到个性化用户历史数据；

根据所有用户从不同出发地前往不同目的地的次数，建立出发地与目的地的关联信息，由此得到不同地点在地图中的位置关联信息；

根据所述个性化用户历史数据，建立个性化用户目的地偏好模型；通过所述个性化用户目的地偏好模型预测得到每个用户对每个地点的偏好度；

当第一用户产生服务请求后，根据第一用户的出发地及第一用户的个性化用户目的地偏好模型，结合不同地点在地图中的位置关联信息，预测第一用户前往不同地点作为目的地的概率；在接收到司机发送的拒单通知消息之后，对司机在预设时间内的轨迹位置进行跟踪，利用预测得到的概率计算所述司机基于该第一用户的逃单概率；

根据所述司机基于第一用户的逃单概率，检测出所述司机是否产生逃单行为。

根据本发明的另一个方面，提供了一种恶意逃单检测装置，包括：

用户历史数据统计模块，用于统计不同用户从不同出发地前往不同目的地的次数，得到个性化用户历史数据；根据所有用户从不同出发地前往不同目的地的次数，建立出发地与目的地的关联信息，由此得到不同地点在地图中的位置关联信息；

模型建立模块，用于根据所述个性化用户历史数据，建立个性化用户目的地偏好模型；通过所述个性化用户目的地偏好模型预测得到每个用户对每个地点的偏好度；

基于用户的逃单概率计算模块，用于当第一用户产生服务请求后，根据第一用户的出发地及第一用户的个性化用户目的地偏好模型，结合不同地点在地图中的位置关联信息，预测第一用户前往不同地点作为目的地的概率；在接收到司机发送的拒单通知消息之后，对司机在预设时间内的轨迹位置进行跟踪，利用预测得到的概率计算所述司机基于该第一用户的逃单概率；

检测模块，用于根据所述司机基于第一用户的逃单概率，检测出所述司机是否产生逃单行为。

根据本发明提供的上述方案，利用该用户历史数据建立个性化用户目的地偏好模型，通过所述个性化用户目的地偏好模型预测得到每个用户对每个地点的偏好度；然后根据个性化用户目的地偏好模型预测的结果，对司机的拒单行为进行识别，识别是否为逃单行为。本方案主要是依据第一用户对某些地点的偏好度，以及不同地点在地图中的位置关联信息两方面的信息得出司机基于第一用户的逃单概率，这两个方面都与用户历史数据中记录的与位置有关的信息。相对于司机总的拒单率来说，用户历史数据中记录的与位置有关的信息更能反映出用户的偏好与地点之间的关联，因而更能反映出司机是否逃单的情况，因此，利用本方案来检测恶意逃单的行为，准确率更高。

附图说明

图1示出了本发明提供的恶意逃单检测方法实施例一的流程示意图；