异常行为的实时检测方法、装置、电子设备及存储介质

技术领域

本申请涉及大数据分析技术领域，尤其涉及一种异常行为的实时检测方法、装置、电子设备及存储介质。

背景技术

随着互联网通信技术的发展、网约车为用车用户和司机节约了时间成本、沟通成本和资源消耗等。网约车的发展和成熟改变了传统出租车的运营方式。使得出租车的运行和管理更加智能化。

用车用户和司机一般通过网约车平台进行打车活动。网约车平台一般对司机具有一定的行为准则要求。例如，要求司机的出勤时长不能太短。为此，网约车平台可通过在线时长统计来监控司机的出勤情况。

然而，发明人研究发现，部分平台司机为了满足出勤要求，存在利用平台漏洞、故意无订单挂时长来满足考勤要求的行为。这类司机往往占用网约车平台资源却不真正的提供服务，造成平台资源的浪费。

发明内容

本申请实施例提供一种异常行为的实时检测方法、装置、电子设备及存储介质，用于解决网约车平台内部分司机故意无订单挂时长导致浪费平台资源的问题。

一方面，本申请一实施例提供了一种异常行为的实时检测方法，包括：

实时获取处于巡游状态的目标对象的位置信息；

若基于所述位置信息确定所述目标对象处于停留状态且所述目标对象处于无订单巡游状态，则基于所述目标对象的所述位置信息确定所述目标对象与至少一个预设围栏的位置关系；其中，各所述预设围栏为基于多个监测目标的历史行为数据分析得到的适用于巡游挂时长的地理范围；

若所述目标对象停留在任一所述预设围栏内，则确定所述目标对象存在巡游挂时长行为。

在一些实施例中，所述方法还包括：

若所述目标对象停留在任一所述预设围栏内，则执行预设的告警处置操作。

在一些实施例中，所述方法还包括：

基于以下方法确定所述至少一个预设围栏：

对所述多个监测目标的历史行为数据按指定时长间隔进行采样；

针对任一监测目标，若基于所述监测目标的所述历史行为数据确定所述监测目标在连续n次采样中均满足指定条件，则将所述监测目标作为聚类分析对象；所述指定条件包括：处于在线状态、处于静止状态且处于未被派单状态；其中，n为正整数；

采用基于密度的聚类分析方法对获得的多个聚类分析对象的位置信息进行聚类分析，得到所述至少一个预设围栏。

在一些实施例中，针对任一监测目标，确定所述监测目标是否处于静止状态包括：

确定所述监测目标的相邻两次采样得到的位置信息之间的距离；

若所述距离小于预设距离阈值，则确定所述监测目标在所述相邻两次采样期间处于静止状态；

若所述距离大于或等于所述预设距离阈值，则确定所述监测目标在所述相邻两次采样期间处于移动状态。

在一些实施例中，所述采用基于密度的聚类分析方法对获得的多个聚类分析对象的位置信息进行聚类分析，得到所述至少一个预设围栏，包括：

针对每个所述聚类分析对象，对所述连续n次采样获得的所述聚类分析对象的多个位置信息进行融合处理，确定所述聚类分析对象的最终位置信息；

采用基于密度的聚类分析方法对各所述聚类分析对象的所述最终位置信息进行聚类分析，得到至少一个类簇；

确定各所述类簇的凸包作为各类簇对应的所述预设围栏。

在一些实施例中，所述方法还包括：

当满足预设更新条件时，更新所述至少一个预设围栏。

在一些实施例中，所述目标对象对应的车辆处于启动或熄火状态。

第二方面，本申请还提供一种异常行为的实时检测装置，所述装置包括：

位置信息获取模块，用于实时获取处于巡游状态的目标对象的位置信息；

位置关系确定模块，用于若基于所述位置信息确定所述目标对象处于停留状态且所述目标对象处于无订单巡游状态，则基于所述目标对象的所述位置信息确定所述目标对象与至少一个预设围栏的位置关系；其中，各所述预设围栏为基于多个监测目标的历史行为数据分析得到的适用于巡游挂时长的地理范围；

行为识别模块，用于若所述目标对象停留在任一所述预设围栏内，则确定所述目标对象存在巡游挂时长行为。

在一些实施例中，所述装置还包括：

告警处置模块，用于若所述目标对象停留在任一所述预设围栏内，则执行预设的告警处置操作。

在一些实施例中，所述装置还包括：

预设围栏挖掘模块，用于基于以下方法确定所述至少一个预设围栏：

对所述多个监测目标的历史行为数据按指定时长间隔进行采样；

针对任一监测目标，若基于所述监测目标的所述历史行为数据确定所述监测目标在连续n次采样中均满足指定条件，则将所述监测目标作为聚类分析对象；所述指定条件包括：处于在线状态、处于静止状态且处于未被派单状态；其中，n为正整数；

采用基于密度的聚类分析方法对获得的多个聚类分析对象的位置信息进行聚类分析，得到所述至少一个预设围栏。

在一些实施例中，针对任一监测目标，执行确定所述监测目标是否处于静止状态时，所述预设围栏挖掘模块用于：

确定所述监测目标的相邻两次采样得到的位置信息之间的距离；

若所述距离小于预设距离阈值，则确定所述监测目标在所述相邻两次采样期间处于静止状态；

若所述距离大于或等于所述预设距离阈值，则确定所述监测目标在所述相邻两次采样期间处于移动状态。

在一些实施例中，执行所述采用基于密度的聚类分析方法对获得的多个聚类分析对象的位置信息进行聚类分析，得到所述至少一个预设围栏时，所述预设围栏挖掘模块用于：

针对每个所述聚类分析对象，对所述连续n次采样获得的所述聚类分析对象的多个位置信息进行融合处理，确定所述聚类分析对象的最终位置信息；

采用基于密度的聚类分析装置对各所述聚类分析对象的所述最终位置信息进行聚类分析，得到至少一个类簇；

确定各所述类簇的凸包作为各类簇对应的所述预设围栏。

在一些实施例中，所述装置还包括：

更新模块，用于当满足预设更新条件时，更新所述至少一个预设围栏。

在一些实施例中，所述目标对象对应的车辆处于启动或熄火状态。

第三方面，本申请另一实施例还提供了一种电子设备，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例提供的任一异常行为的实时检测方法。

第四方面，本申请另一实施例还提供了一种计算机存储介质，其中，所述计算机存储介质存储有计算机程序，所述计算机程序用于使计算机执行本申请实施例中的任一异常行为的实时检测方法。

本申请实施例中，基于多个监测目标的历史行为数据进行分析挖掘，对无订单巡游挂时长的聚集地点进行识别得到至少一个预设围栏，然后基于该预设围栏实时对车辆的无订单巡游挂时长行为进行实时的识别，能够提高网约车平台资源的利用率。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的异常行为的实时检测方法的应用场景示意图；

图2a为本申请一实施例提供的异常行为的实时检测方法的预设围栏的示意图；

图2b为本申请一实施例提供的从图像中筛选处于静止状态的监测目标的示意图；

图3为本申请一实施例提供的异常行为的实时检测方法流程示意图；

图4为本申请一实施例提供的异常行为的实时检测方法的另一流程示意图；

图5为本申请一实施例提供的异常行为的实时检测装置的结构示意图；

图6为本申请一实施例提供的电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

以下，对本申请实施例中的部分用语进行解释说明，以便于本领域技术人员理解。

（1）本申请实施例中术语“多个”是指两个或两个以上，其它量词与之类似。

（2）“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

（3）服务器，是为终端服务的，服务的内容诸如向终端提供资源，保存终端数据；服务器是与终端上安装的应用程序相对应的，与终端上的应用程序配合运行。

（4）终端，既可以指软件类的APP（Application，应用程序），也可以指客户端。它具有可视的显示界面，能与用户进行交互；是与服务器相对应，为客户提供本地服务。针对软件类的应用程序，除了一些只在本地运行的应用程序之外，一般安装在普通的客户终端上，需要与服务端互相配合运行。因特网发展以后，较常用的应用程序包括了如收寄电子邮件时的电子邮件客户端，即时通讯的客户端、网约车客户端等。对于这一类应用程序，需要网络中有相应的服务器和服务程序来提供相应的服务，如数据库服务，配置参数服务等，这样在客户终端和服务器端，需要建立特定的通信连接，来保证应用程序的正常运行。本申请实施例中，终端多指网约车平台内为司机提供服务所使用的终端。如、移动终端、车载终端。

无订单巡游：指网约车在无订单情况下运行。

无订单巡游挂时长：指网约车平台的司机为了满足考勤要求，往往在线但故意处于无订单巡游状态不提供任何服务。发明人研究发现，无订单巡游挂时长行为的判定存在难点。一方面该行为的识别往往存在滞后性，只能在司机形成了长时间无订单行为后对其进行事后判断和处置；另一方面，由于需求密度较低的时段、地点，司机理论上存在长时间接不到订单的可能性，因而难以识别司机是否故意挂时长。故此，基于以上两方面描述的实际情况的复杂性，如何准确的识别无订单巡游状态，节约网约车平台资源成为难点。为了解决该问题，本申请提供了可行的实施方案。

本申请实施例中，基于多个监测目标的历史行为数据进行分析挖掘，对无订单巡游挂时长的聚集地点进行识别。分析出此类地点往往为公园内、高架桥下等判单盲区。由于地理信息以及导航信息的缺陷，此类地点到任意地点的导航计算路径均超出预置判单范围，即，网约车平台在派单时，如果司机距离用车用户的距离较远则不对司机进行派单，就导致了司机在订单少的区域经常会无订单巡游。故此，部分司机聚集在此类地点来逃避对挂时长行为的检测。有鉴于此，本申请实施例提供的技术方案中，可实时监控车辆的状态，可将长时间无订单巡游在此类地点内的车辆识别出来，从而实现对具有无订单挂时长意图的车辆识别，以便于根据识别结果优化网约车平台资源配置，提高网约车平台资源的利用率。

为便于理解本申请实施例提供的异常行为的实时检测方法，下面结合附图对此说明。

图1为根据本申请一个实施例的应用场景的示意图。

如图1所示，该应用场景中例如可以包括存储系统10、服务器20以及终端（例如，图1中30_1与30_2或30_N）。终端可用来进行网络访问的任何合适的电子设备，包括但不限于计算机、笔记本电脑、智能手机、平板电脑、智能手表、智能手环或是其它类型的终端。存储系统10能够存储用户信息、用户状态、地理信息等网约车平台所需的资源。服务器20用于实现与终端的交互来实施完成网约车业务。如与用车用户的终端交互，实现用车用户下单、为司机派单规划路径进行导航等协助司机完成订单的业务等。

实施时，司机的终端可定时上报位置信息给服务器20，以便于服务器20根据终端的位置信息、订单情况对司机的出勤情况进行监督。如服务器20识别到无订单司机长时间停留在挂时长的聚集地，则可识别出司机具有无订单巡游挂时长行为，故此可采取相应的措施来优化资源配置，提高网约车平台的资源利用率。

当然，实施时也可以由终端对司机的无订单巡游行为进行检测，若检测到无订单巡游挂时长行为可上报给服务器20进行处置。当然，本申请实施例提供的实时检测异常行为的方法，也可以部分由终端执行，部分由服务器20执行均适用于本申请实施例。

在图1所示的应用场景中，终端之间（例如，30_1与30_2或30_N之间）也可以经由网络40彼此通信。网络40可以是广义上的用于信息传递的网络，可以包括一个或多个通信网络，诸如无线通信网络、因特网、私域网、局域网、城域网、广域网或是蜂窝数据网络等。

本申请中的描述中仅就单个服务器或终端加以详述，但是本领域技术人员应当理解的是，示出的单个服务器20、终端和存储系统10旨在表示本申请的技术方案涉及终端、服务器以及存储系统的操作。对单个终端以及单个服务器和存储系统加以详述至少为了说明方便，而非暗示对终端和服务器的数量、类型或是位置等具有限制。应当注意，如果向图示环境中添加附加模块或从其中去除个别模块，不会改变本申请的示例实施例的底层概念。另外，虽然为了方便说明而在图1中示出了从存储系统10到服务器20的双向箭头，但本领域技术人员可以理解的是，上述数据的收发也是可以通过网络40实现的。

服务器20可以是一台服务器、若干台服务器组成的服务器集群或云计算中心。服务器20可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。

本申请实施例中为了能够实现实时检测无订单巡游挂时长行为，可主要包括两部分的内容，一方面是基于大数据分析获得各个无订单巡游聚集地（为描述方便后文简称为预设围栏），并及时更新各个预设围栏。另一方面是基于司机的实时状态实时检测出具有巡游挂时长行为的车辆。下面从这两方面出发对本申请实施例提供的实时检测巡游挂时长行为的方法进行说明。

一、预设围栏的分析和更新

如前文所述，本申请实施例基于大数据分析，得出无订单巡游挂时长的聚集地往往为公园内、高架桥下等派单盲区内。故此，可以将派单盲区设置为预设围栏以供后续实时检测司机的无订单巡游挂时长行为。

例如如图2a所示，图中灰色区域为预设围栏，若检测到车辆在预设围栏内停留且无订单巡游时，可确定该车辆具有无订单巡游挂时长行为。

本申请实施例中，为了提高对行为识别结果的准确性，提出了能够准确地合理的确定出预设围栏的地理范围的实施方式。如图3所示包括以下步骤：

在步骤301中，对多个监测目标的历史行为数据按指定时长间隔进行采样；

例如，可实施为对离线历史数据的采样分析。实施时，对于多个监测目标的历史行为数据，获取每隔t分钟所有监测目标的经纬度信息（即位置信息），t为前文所述的指定时长，即指一预设的采样间隔。获取的监测目标的历史行为数据中可包括各监测目标的车辆上线、下线时间信息、车辆的订单信息。基于上下线时间信息和订单信息能够识别出车辆在哪些时间段处于在线状态，且能够识别出哪些时间段处于无订单巡游状态。基于车辆的位置信息能够确定在哪些时间段车辆处于静止状态。本申请实施例中，静止状态是一个相对的概念，当车辆在预设围栏内有位置变化但由于一直处于预设围栏内也会被认定为处于静止状态。

如，在一些实施例中，针对任一监测目标，确定监测目标处于静止状态可实施为：确定监测目标的相邻两次采样得到的位置信息之间的距离；若距离小于预设距离阈值，则确定监测目标在相邻两次采样期间处于静止状态；若距离大于或等于预设距离阈值，则确定监测目标在相邻两次采样期间处于移动状态。

如图2b所示，为一车辆的连续多次采样结果中，各相邻采样期间的静止状态识别结果。图2b中，t

本申请实施例中，预设距离阈值可以为固定值，也可以为动态调整的值。例如在车辆实时挂时长行为检测时，可根据车辆周围的实际预设围栏的地理位置、交通状态和实际大小进行调整。例如，该预设围栏越大，该预设距离阈值越大。交通越拥堵该预设距离越大。

基于对历史数据的分析，可寻找出满足指定条件的检测目标。该指定条件可概括为监测目标处于在线状态、处于静止状态且处于未被派单状态。基于对监测目标历史行为数据的分析，可在步骤302中，对任一监测目标，若基于监测目标的历史行为数据确定监测目标在连续n次采样中均满足指定条件，则将监测目标作为聚类分析对象；其中，n为正整数；也即，根据连续多次采样结果筛选出在潜在预设围栏内无订单巡游挂时长行为的车辆，进而可在步骤303中，采用基于密度的聚类分析方法对获得的多个聚类分析对象的位置信息进行聚类分析，得到至少一个预设围栏。

由此，本申请实施例中可基于大数据分析对多个监测目标的历史行为数据进行数据挖掘、实现对符合无订单巡游挂时长行为车辆的识别，进而通过对该类车辆的聚类分析，能够自动识别出各个无订单巡游挂时长的聚集地。

在一些实施例中，前述的聚类分析能够得到各个类簇，一个类簇对应一个预设围栏。实施时，可确定类簇的最小包围盒作为一个预设围栏的地理范围。在另一个实施例中，为了能够准确的确定预设围栏的地理范围，本申请实施例中，如图3所示可在步骤3031中，针对每个聚类分析对象，对连续n次采样获得的聚类分析对象的多个位置信息进行融合处理，确定聚类分析对象的最终位置信息。

例如，可确定连续n次采样获得的位置信息的平均位置，或者中位数作为最终位置信息。以此来克服定位漂移或车辆微小位置移动带来的位置偏差。

对每个监测目标的多个位置信息进行融合处理之后，可在步骤3032中，采用基于密度的聚类分析方法对各聚类分析对象的最终位置信息进行聚类分析，得到至少一个类簇。

基于密度的聚类分析方法一般假定类别可以通过样本分布的紧密程度决定。同一类别的样本，他们之间是紧密相连的，也就是说，在该类别任意样本周围不远处一定有同类别的样本存在。

本申请实施例可采用的基于密度的聚类分析方法可包括DBSCAN(Density-BasedSpatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法)、OPTICS（Ordering Points to identify the clustering structure，基于密度的聚类方法）,DP（Density Peaks Algorithm，基于密度的聚类算法）,MDCA（Maximum DensityClustering Application，密度最大值算法）等不需要设定类簇数量的聚类分析方法。

以DBSCAN为例，DBSCAN的聚类定义很简单：由密度可达关系导出的最大密度相连的样本集合，即为最终聚类的一个类别，或者说一个簇。

DBSCAN聚类方法中一个关键名词为核心对象，核心对象是指其邻域内包含指定数量的样本的对象。

DBSCAN的簇里面可以有一个或者多个核心对象。如果只有一个核心对象，则簇里其他的非核心对象样本都在这个核心对象的邻域里；如果有多个核心对象，则簇里的任意一个核心对象的邻域中一定有一个其他的核心对象，否则这两个核心对象无法密度可达。这些核心对象的邻域里所有的样本的集合组成的一个DBSCAN聚类簇。

实施时，可定义预设距离阈值为扫描半径r，要求每个类簇内的点数不少于M个，M为正整数。故此，在聚类分析时，可以先初始化各个聚类分析对象寻找出各个核心对象。基于距离度量方式，筛选出该核心对象的邻域内的子样本集。该邻域采用前述的扫描半径r表示，即以该核心对象为基准的半径r内为邻域范围。且该子样本集中包括该核心对象。若该子样本集中的点数大于或等于M则基于该核心对象得到一个类簇。若还有剩余的聚类分析对象未划分到任何类簇内，可以继续从剩余的未划分类簇的聚类分析对象中随机筛选一个核心对象，循环执行上述步骤，从而完成聚类分析，得到各个类簇。当两个核心对象互相在对方的邻域内，则这两个核心对象的类簇和合并为一个类簇。

然后，在步骤3033中，确定各类簇的凸包作为各类簇对应的预设围栏。

本申请实施例中，通过位置融合能够获得可以很好的表达预设围栏内的监测目标的位置信息，基于密度的聚类分析方法和凸包，能够很好的描述无规则的边界的无订单巡游挂时长聚集地的地理范围。

此外，在一些实施例中，为了能够应对地理环境的变化（例如城市基建改造，出现新的高架桥或公园），也为了能够适应司机的行为变化可以在满足预设更新条件下，适当更新获得的至少一个预设围栏，以使得使用的预设围栏能够符合当前实际情况。其中，预设更新条件可以是更新周期，例如每间隔一定时长更新一次围栏。

更新的过程中，围栏可以消失也可以新增。例如，针对任一旧围栏，若很长时间在该旧围栏的地理范围内（该地理范围可大于该旧围栏）没有重复分析出该旧围栏，该旧围栏可以消失。

二、无订单巡游行为的检测和处置

基于挖掘出的预设围栏，可以实时检测无订单巡游挂时长行为。如图4所示，包括以下步骤：

在步骤401中，实时获取处于巡游状态的目标对象的位置信息；

在步骤402中，若基于位置信息确定目标对象处于停留状态且目标对象处于无订单巡游状态，则基于目标对象的位置信息确定目标对象与至少一个预设围栏的位置关系；

实施时，目标对象处于无订单巡游状态和处于停留状态的判定顺序不受限，可以先识别出处于无订单巡游状态的目标对象，然后筛选出处于停留状态的目标对象，也可以先识别出处于停留状态的目标对象然后筛选出处于无订单巡游状态的目标对象。也可以同时识别出具有这两个状态的目标对象。

停留状态可基于图2b所示的方法来确定目标对象是否处于静止状态，这里不再赘述。

在步骤403中，若目标对象停留在任一预设围栏内，则确定目标对象存在巡游挂时长行为。

由此，本申请实施例中，基于大数据挖掘分析出的预设围栏，能够准确识别出无订单巡游挂时长行为。

在另一些实施例中，若目标对象停留在预设围栏内，则执行预设的告警处置操作。例如，可以对目标对象进行告警提示，并在网约车平台内进行记录，以及配置相应的奖惩措施。当然，具体实施时告警处置操作可以根据实际需求灵活定义，均适用于本申请实施例。

实施时，本申请实施例中的预设围栏可动态调整以匹配当前的实际情况，从而提高实施检测挂时长行为的准确性。

在另一个实施例中，本申请实施例中无论车辆处于启动或熄火状态均可以实施本申请实施例的异常行为检测方法。

如图5所示，基于相同的发明构思，提出一种异常行为的实时检测装置500，包括：

位置信息获取模块501，用于实时获取处于巡游状态的目标对象的位置信息；

位置关系确定模块502，用于若基于所述位置信息确定所述目标对象处于停留状态且所述目标对象处于无订单巡游状态，则基于所述目标对象的所述位置信息确定所述目标对象与至少一个预设围栏的位置关系；其中，各所述预设围栏为基于多个监测目标的历史行为数据分析得到的适用于巡游挂时长的地理范围；

行为识别模块503，用于若所述目标对象停留在任一所述预设围栏内，则确定所述目标对象存在巡游挂时长行为。

在一些实施例中，所述装置还包括：

告警处置模块，用于若所述目标对象停留在任一所述预设围栏内，则执行预设的告警处置操作。

在一些实施例中，所述装置还包括：

预设围栏挖掘模块，用于基于以下方法确定所述至少一个预设围栏：

对所述多个监测目标的历史行为数据按指定时长间隔进行采样；

针对任一监测目标，若基于所述监测目标的所述历史行为数据确定所述监测目标在连续n次采样中均满足指定条件，则将所述监测目标作为聚类分析对象；所述指定条件包括：处于在线状态、处于静止状态且处于未被派单状态；其中，n为正整数；

采用基于密度的聚类分析方法对获得的多个聚类分析对象的位置信息进行聚类分析，得到所述至少一个预设围栏。

在一些实施例中，针对任一监测目标，执行确定所述监测目标是否处于静止状态时，所述预设围栏挖掘模块用于：

确定所述监测目标的相邻两次采样得到的位置信息之间的距离；

若所述距离小于预设距离阈值，则确定所述监测目标在所述相邻两次采样期间处于静止状态；

若所述距离大于或等于所述预设距离阈值，则确定所述监测目标在所述相邻两次采样期间处于移动状态。

在一些实施例中，执行所述采用基于密度的聚类分析方法对获得的多个聚类分析对象的位置信息进行聚类分析，得到所述至少一个预设围栏时，所述预设围栏挖掘模块用于：

针对每个所述聚类分析对象，对所述连续n次采样获得的所述聚类分析对象的多个位置信息进行融合处理，确定所述聚类分析对象的最终位置信息；

采用基于密度的聚类分析装置对各所述聚类分析对象的所述最终位置信息进行聚类分析，得到至少一个类簇；

确定各所述类簇的凸包作为各类簇对应的所述预设围栏。

在一些实施例中，所述装置还包括：

更新模块，用于当满足预设更新条件时，更新所述至少一个预设围栏。

所述目标对象对应的车辆处于启动或熄火状态。

关于异常行为的实时检测装置中各操作的实施以及有益效果可参见前文方法中的描述，此处不再赘述。

在介绍了本申请示例性实施方式的异常行为的实时检测方法和装置之后，接下来，介绍根据本申请的另一示例性实施方式的电子设备。

所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

在一些可能的实施方式中，根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的异常行为的实时检测方法中的步骤。例如，处理器可以执行如异常行为的实时检测方法中的步骤。

下面参照图6来描述根据本申请的这种实施方式的电子设备130。图6显示的电子设备130仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于：上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件（包括存储器132和处理器131）的总线133。

总线133表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。

存储器132可以包括易失性存储器形式的可读介质，例如随机存取存储器（RAM）1321和/或高速缓存存储器1322，还可以进一步包括只读存储器（ROM）1323。

存储器132还可以包括具有一组（至少一个）程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

电子设备130也可以与一个或多个外部设备134（例如键盘、指向设备等）通信，还可与一个或者多个使得用户能与电子设备130交互的设备通信，和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口135进行。并且，电子设备130还可以通过网络适配器136与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备130使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

在一些可能的实施方式中，本申请提供的一种异常行为的实时检测方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种异常行为的实时检测方法中的步骤。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

本申请的实施方式的用于异常行为的实时检测程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）—连接到用户电子设备，或者，可以连接到外部电子设备（例如利用因特网服务提供商来通过因特网连接）。

应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。

此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程图像缩放设备的处理器以产生一个机器，使得通过计算机或其他可编程图像缩放设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程图像缩放设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程图像缩放设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。