[发明专利]用于识别线上到线下服务平台中醉酒请求者的系统和方法

权利要求书

1.一种检测线上到线下服务平台中的饮酒请求者的系统，包括：

数据交换端口，所述数据交换端口通信连接到网络；

至少一个非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质包括一组指令；以及

至少一个处理器，所述至少一个处理器与所述数据交换端口和所述至少一个非暂时性计算机可读存储介质通信，其中当执行所述指令集时，所述至少一个处理器被配置为指示所述系统：

通过所述数据交换端口，获取与请求者发起线上到线下(O2O)服务请求有关的信息；

根据与所述请求相关的信息，使用饮酒预测模型确定所述请求者已饮酒的概率；

确定所述请求者已饮酒的概率是否大于阈值；

响应于确定所述请求者已饮酒的概率大于所述阈值，获取与所述请求者有关的信息；

根据与所述请求者有关的信息，确定所述请求者是否饮酒；以及

响应于确定所述请求者已饮酒，通过所述数据交换端口发送所述请求者已饮酒的通知给提供者终端，所述提供者终端与所述线上到线下服务的请求相对应。

2.根据权利要求1所述的系统，其特征在于，所述与所述请求相关的信息包括请求时间、请求起点、所述请求者的位置、所述请求起点与所述请求者的位置之间的预估距离、所述请求者的个人信息，或关于所述请求者的历史反馈信息中的至少一个。

3.根据权利要求1所述的系统，其特征在于，所述饮酒预测模型是根据模型训练过程生成的，所述模型训练过程包括：

获取至少两个历史订单；

从所述至少两个历史订单中获取第一组历史订单，所述第一组历史订单获得正反馈；

从所述至少两个历史订单中获取第二组历史订单，所述第二组历史订单获得负反馈；

获取初始模型；以及

通过使用所述获得正反馈的第一组历史订单和所述获得负反馈的第二组历史订单，训练所述初始模型，生成所述饮酒预测模型。

4.根据权利要求3所述的系统，其特征在于，所述初始模型是梯度提升决策树(GBDT)模型或极限梯度提升(XGBoost)模型中的至少一种。

5.根据权利要求1至4任一项所述的系统，其特征在于，为获取与所述请求者相关的信息，所述至少一个处理器被进一步被配置为指示所述系统：通过所述数据交换端口，发送打开与所述请求者相关的请求者终端的照相机的请求；

当接收所述请求者对所述请求的批准时，通过所述数据交换端口向所述请求者终端发送命令以录制至少一个图像或视频；以及

通过所述数据交换端口，从所述请求者终端接收所述至少一个图像或视频。

6.根据权利要求1至4任一项所述的系统，其特征在于，为获取与所述请求者相关的信息，所述至少一个处理器被进一步被配置为指示所述系统：通过所述数据交换端口，向请求者终端或提供终端中的至少一个发送获取所述请求者的音频的请求，所述请求导致所述请求者终端或所述提供者终端中的至少一个激活所述请求者终端或所述提供者终端中的至少一个的音频录制；以及

通过所述数据交换端口，从所述请求者终端或所述提供者终端中的至少一个接收录制的音频。

7.根据权利要求1至4任一项所述的系统，其特征在于，所述与所述请求者相关的信息包括图像、视频、音频、生理信息或行为信息中的至少一个。

8.根据权利要求1至4任一项所述的系统，其特征在于，为基于与所述请求者相关的信息确定所述请求者是否饮酒，所述至少一个处理器进一步被配置为指示所述系统执行以下中的至少一个：

根据所述请求者的音频或视频，分析所述请求者的语音的声学特性；

根据所述请求者的图像或所述视频，分析所述请求者的面部特征；

根据与所述请求者相关的行为信息，分析所述请求者的身体动作；或

者

根据所述请求者的生理信息，分析所述请求者的生理参数。