异常用车识别方法、装置及电子设备制造方法及图纸

本发明专利技术公开了一种异常用车识别方法、装置及电子设备，该方法包括：获取目标用车组合，其中，所述目标用车组合包括目标账号及所述目标账号使用的目标车辆；根据设定的特征向量，获取所述目标用车组合对于所述特征向量的向量值，该反映同一账号私占使用同一车辆的私占状态；根据所述向量值和预设的异常识别模型，识别所述目标用车组合是否属于异常用车行为，其中，所述异常识别模型反映所述特征向量与是否属于异常用车行为的识别结果间的映射关系；以及，在属于异常用车行为的情况下，进行设定的异常处理。

Identification methods, devices and electronic equipment of abnormal vehicles

【技术实现步骤摘要】
异常用车识别方法、装置及电子设备
本专利技术涉及数据处理
，更具体地，涉及一种异常用车识别方法、一种异常用车识别装置、及一种电子设备。
技术介绍
目前，通过共享车辆出行已经成为城市中新兴的出行方式，可以有效解决城市人群的出行需求。由于共享车辆可以由各用户共享使用的特性，共享车辆的停放位置会根据用户的使用情况不断发生变化，因此，在车辆聚集密度较低的区域，用户在出行时可能需要步行一段距离寻找车辆。这样，有些用户为了固定共享车辆的位置，以能够在需要时方便使用，他们通过在共享车辆上增加私锁、私藏等方式对共享车辆进行私占使用，导致其他用户无法正常使用被私占的车辆，这不仅违背了共享车辆的共享理念，也给运营商带来了较大的经济损失。
技术实现思路
本专利技术实施例的一个目的是提供一种异常用车识别方法，以识别关于私占用车的异常用车行为。根据本专利技术的第一方面，提供了一种异常用车识别方法，包括：获取目标用车组合，其中，所述目标用车组合包括目标账号及所述目标账号使用的目标车辆；根据设定的特征向量，获取所述目标用车组合对于所述特征向量的向量值，其中，所述特征向量反映同一账号私占使用同一车辆的私占状态；根据所述向量值和预设的异常识别模型，识别所述目标用车组合是否属于异常用车行为，其中，所述异常识别模型反映所述特征向量与是否属于异常用车行为的识别结果间的映射关系；在属于异常用车行为的情况下，进行设定的异常处理。可选地，所述方法还包括：设置所述特征向量包括以下至少一个特征：第一特征：同一账号私占使用同一车辆的使用次数；第二特征：同一账号私占使用同一车辆的累计时长；第三特征：在同一账号私占使用同一车辆期间接收到的、来自其他账号的用车请求次数；第四特征：在同一账号私占使用同一车辆期间接收到的、来自其他账号的用车请求所对应的账号数量。可选地，所述获取目标用车组合包括：响应于用车请求，获取发出所述用车请求的账号作为所述目标账号，及获取所述用车请求指向的车辆作为所述目标车辆，形成所述目标用车组合。可选地，所述方法还包括：查找所述目标账号是否在先使用过所述目标车辆；在所述目标账号在先使用过所述目标车辆的情况下，再执行所述获取目标用车组合对于所述特征向量的向量值的操作。可选地，所述获取目标用车组合包括：响应于接收到关于异常用车的举报事件，获取所述举报事件针对的账号作为所述目标账号，及获取所述举报事件针对的车辆作为所述目标车辆，形成所述目标用车组合。可选地，所述方法还包括生成所述异常识别模型的步骤，包括：获取训练样本，其中，不同训练样本对应不同的用车组合，每一训练样本包括对应样本对于所述特征向量的向量值、及对应样本是否异常的识别结果；根据所述训练样本，训练得到所述异常识别模型。可选地，所述进行设定的异常处理，包括以下至少一项：第一项：向所述目标账号绑定的移动终端发送警告信息，其中，所述警告信息包括发现所述目标账号私占使用车辆的信息；第二项：向所述目标账号提供惩罚值；第三项：关闭所述目标账号；第四项：禁止通过来自所述目标账号的用车请求；第五项：将所述目标车辆的车辆信息发送至运营人员的账号进行寻回干预。可选地，所述方法还包括：获取所述目标账号私占使用所述目标车辆的累计时长；根据所述累计时长，获得对于所述目标账号的惩罚值；所述进行设定的异常处理包括：向对应目标账户提供所述惩罚值。可选地，所述方法在识别所述目标用车组合属于异常用车行为之后，还包括：将所述目标车辆的车辆信息发送至运营人员的账号进行复核；获取所述运营人员的账号在复核后返回的复核结果；在所述复核结果为所述目标车辆被私占的情况下，再执行所述进行设定的异常处理的步骤。根据本专利技术的第二方面，还提供了一种异常用车识别装置，其包括：识别目标获取模块，用于获取目标用车组合，其中，所述目标用车组合包括目标账号及所述目标账号使用的目标车辆；特征提取模块，用于根据设定的反映同一账号私占使用同一车辆的状态的特征向量，获取所述目标用车组合对于所述特征向量的向量值；异常识别模块，用于根据所述向量值和预设的异常识别模型，识别所述目标用车组合是否属于异常用车行为，其中，所述异常识别模型反映所述特征向量与是否属于异常用车行为的识别结果间的映射关系；以及，异常处理模块，用于在所述目标用车组合属于异常用车行为的情况下，进行设定的异常处理。根据本专利技术的第三方面，还提供了一种电子设备，包括根据本专利技术的第二方面所述的异常用车识别装置；或者，所述电子设备包括存储器和处理器，所述存储器用于存储可执行的计算机程序；处理器，用于根据所述计算机程序的控制运行所述电子设备，以执行根据本专利技术的第一方面所述的方法。本专利技术的一个有益效果在于，本专利技术实施例的方法通过设置反映同一账号私占使用同一车辆的私占状态的特征向量，可以获取任意目标用车组合对于该特征向量的向量值，进而能够根据该向量值获得该目标用车组合是否异常的识别结果，以对异常用车的目标账户进行处理，实现对共享车辆的风险控制，减少损失。通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。附图说明被结合在说明书中并构成说明书的一部分的附图示出了本专利技术的实施例，并且连同其说明一起用于解释本专利技术的原理。图1是显示可用于实现本专利技术实施例的共享车辆系统的硬件配置的原理框图；图2是根据本专利技术实施例的异常用车识别方法的流程示意图；图3是根据本专利技术实施例的异常用车识别装置的原理框图；图4是根据本专利技术实施例的电子设备的原理框图。具体实施方式现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。<硬件配置>图1是可用于实现本专利技术实施例的共享车辆系统100的硬件配置的框图。如图1所示，共享车辆系统100包括服务器1000、移动终端2000和车辆3000。服务器1000提供处理、数据库、通讯设施的业务点。服务器1000可以是整体式服务器或是跨多计本文档来自技高网...

【技术保护点】
1.一种异常用车识别方法，包括：/n获取目标用车组合，其中，所述目标用车组合包括目标账号及所述目标账号使用的目标车辆；/n根据设定的特征向量，获取所述目标用车组合对于所述特征向量的向量值，其中，所述特征向量反映同一账号私占使用同一车辆的私占状态；/n根据所述向量值和预设的异常识别模型，识别所述目标用车组合是否属于异常用车行为，其中，所述异常识别模型反映所述特征向量与是否属于异常用车行为的识别结果间的映射关系；/n在属于异常用车行为的情况下，进行设定的异常处理。/n

【技术特征摘要】
1.一种异常用车识别方法，包括：
获取目标用车组合，其中，所述目标用车组合包括目标账号及所述目标账号使用的目标车辆；
根据设定的特征向量，获取所述目标用车组合对于所述特征向量的向量值，其中，所述特征向量反映同一账号私占使用同一车辆的私占状态；
根据所述向量值和预设的异常识别模型，识别所述目标用车组合是否属于异常用车行为，其中，所述异常识别模型反映所述特征向量与是否属于异常用车行为的识别结果间的映射关系；
在属于异常用车行为的情况下，进行设定的异常处理。


2.根据权利要求1所述的方法，其中，所述方法还包括：设置所述特征向量包括以下至少一个特征：
第一特征：同一账号私占使用同一车辆的使用次数；
第二特征：同一账号私占使用同一车辆的累计时长；
第三特征：在同一账号私占使用同一车辆期间接收到的、来自其他账号的用车请求次数；
第四特征：在同一账号私占使用同一车辆期间接收到的、来自其他账号的用车请求所对应的账号数量。


3.根据权利要求1所述的方法，其中，所述获取目标用车组合包括：
响应于用车请求，获取发出所述用车请求的账号作为所述目标账号，及获取所述用车请求指向的车辆作为所述目标车辆，形成所述目标用车组合。


4.根据权利要求3所述的方法，其中，所述方法还包括：
查找所述目标账号是否在先使用过所述目标车辆；
在所述目标账号在先使用过所述目标车辆的情况下，再执行所述获取目标用车组合对于所述特征向量的向量值的操作。


5.根据权利要求1所述的方法，其中，所述获取目标用车组合包括：
响应于接收到关于异常用车的举报事件，获取所述举报事件针对的账号作为所述目标账号，及获取所述举报事件针对的车辆作为所述目标车辆，形成所述目标用车组合。


6.根据权利要求1所述的方法，其中，所述方法还包括生成所述异常识别模型的步骤，包括：
获取训练样本，其中，不同训练样本对应不同的用车组合，每一训练样本包括对应样本对于所述特征向量的向量值、及对应样本是否异常的识别结果；
根据所述训练样本，训练得到所述异常识...

【专利技术属性】
技术研发人员：朱俊辉，
申请(专利权)人：北京摩拜科技有限公司，
类型：发明
国别省市：北京;11