一种车辆绕路的识别方法、系统、电子设备和存储介质
文献发布时间:2024-04-18 19:58:26
技术领域
本发明涉及绕路识别领域,具体涉及一种车辆绕路的识别方法、系统、电子设备和存储介质。
背景技术
车辆的绕路行为会导致乘客对费用问题的质疑,给平台带来大量客诉与未支付订单,造成坏账与垫付的双重损失。司机绕路行为造成乘客时间的浪费和财产的损失,导致乘客体验差,造成乘客对出行平台的不良影响。绕路行为破坏司机在平台的公平性及工作积极性,并且易导致司机的流失。
发明内容
鉴于以上现有技术的缺点,本发明提供一种车辆绕路的识别方法、系统、电子设备和存储介质,以改善现有技术中无法精确识别车辆是否绕路的技术问题。
为实现上述目的及其它相关目的,本发明提供一种车辆绕路的识别方法,包括:
获取车辆的实时位置信息,并判断车辆是否虚拟定位;若车辆未虚拟定位,则将实时位置信息输入预先构建的多算法绕路模型中,获得车辆绕路的识别结果;判断识别结果是否符合预设的绕路条件,并在识别结果符合绕路条件时,判定车辆绕路。
于本发明一示例中,获取车辆实时位置,并判断车辆是否虚拟定位包括:
获取车辆上传的多个第一位置点,以及多个第二位置点;其中,第一位置点与第二位置点根据不同定位方式获取;判断预设的时间间隔内,第一位置点,与对应第二位置点的距离是否大于预设距离阈值,和/或,相邻两个第二位置点之间的车速是否大于预设车速阈值;若至少其中一者为是,则车辆为虚拟定位;若两者均为否,则车辆未虚拟定位。
于本发明一示例中,若车辆未虚拟定位,则将实时位置信息输入预先构建的多算法绕路模型中,获得车辆绕路的识别结果包括:
基于实时位置信息,获取车辆的行驶里程;若订单里程大于预设的里程阈值,则基于轨迹异常检测算法,对实时位置信息进行识别,获得第一识别结果;若行驶里程小于或等于里程阈值,则基于车辆的当前订单,获取当前订单的预估路径,并根据动态时间归整算法,基于实时位置与预估路径的偏离程度,获得第二识别结果;将第一识别结果和第二识别结果生成并返回识别结果。
于本发明一示例中,基于轨迹异常检测算法,对实时位置信息进行识别,获得第一识别结果包括:
获取城市地图分割形成的平面网格,获取所有网格的编号;将位置轨迹点映射到平面网格中,并获取轨迹点所在网格的编号;以历史轨迹为参考,判断所有轨迹点是否异常,并统计所有异常的轨迹点;将异常轨迹点在所有轨迹点中的占比作为第一识别结果。
于本发明一示例中,基于车辆的当前订单,获取当前订单的预估路径,并根据动态时间归整算法,基于实时位置与预估路径的偏离程度,获得第二识别结果包括:
获取车辆的当前订单,从当前订单中提取对应的预估路径,并基于预设的时间间隔,获取预估路径的多个预估轨迹点;基于动态规划方法,获取实际轨迹点至对应预估轨迹点的最短路径距离;将最短路径距离经过的实际轨迹点和对应的预估轨迹点,作为对齐点位,并根据对齐点位的数量,获取最短路径点距离均值;根据实时位置经过的路径与预估路径的偏离程度,获取绕路里程占比;根据最短路径点距离均值和绕路里程占比,获得第二识别结果。
于本发明一示例中,判断识别结果是否符合预设的绕路条件,并在识别结果符合绕路条件时,判定车辆绕路包括:
根据城市、区域、时间、具体路程动态分配阈值:将识别结果与阈值对比,判断对比结果是否满足设定条件;若对比结果满足设定条件,则判定车辆绕路。
于本发明一示例中,判定车辆绕路之后,还包括:
根据实际路径与预估路径的偏离程度,对绕路结果进行校验;若偏离程度大于预设的偏移阈值,则上传结果并将其作为车辆的一次绕路记录;若车辆的累计绕路记录的次数大于等于设定的次数阈值,则基于预设的第一处罚规则,处罚车辆;若车辆的累计绕路次数小于设定的次数阈值,则基于预设的第二处罚规则,处罚车辆;其中第一处罚规则的处罚力度大于第二处罚规则。
于本发明一示例中,还提供一种车辆绕路的识别系统,其特征在于,包括:
位置采集模块,用于获取车辆的实时位置信息,并判断车辆是否虚拟定位;绕路识别模块,用于若车辆未虚拟定位,则将实时位置信息输入预先构建的多算法绕路模型中,获得车辆绕路的识别结果;结果判定模块,用于判断识别结果是否符合预设的绕路条件,并在识别结果符合绕路条件时,判定车辆绕路。
于本发明一示例中,还提供一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得电子设备实现如上述中任一项所述的车辆绕路的识别方法。
于本发明一示例中,还提供一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当计算机程序被计算机的处理器执行时,使计算机执行上述中任一项所述的车辆绕路的识别方法。
本发明提供一种车辆绕路的识别方法、系统、电子设备和存储介质,该方法使用多算法绕路模型对车辆的位置轨迹进行绕路识别,避免使用单一算法造成识别不准确,提高识别的准确性。绕路条件进行动态分配,以适应不同城市、区域、时间、具体道路,使绕路判定更加符合实际。通过对车辆进行绕路识别减少车辆的绕路行为。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明一实施例中车辆绕路的识别方法的流程图;
图2为本发明一实施例中判定虚拟定位的流程图;
图3为本发明一实施例中多算法绕路模型的流程图;
图4为本发明一实施例中轨迹异常检测算法的流程图;
图5为本发明一实施例中动态时间归整算法的流程图;
图6为本发明一实施例中配置预设的绕路条件的流程图;
图7为本发明一实施例中具体判定虚拟定位的流程图;
图8为本发明一实施例中电子设备的计算机系统示意图;
图9为本发明一实施例中车辆绕路的识别系统的结构框图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其它优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。还应当理解,本发明实施例中使用的术语是为了描述特定的具体实施方案,而不是为了限制本发明的保护范围。下列实施例中未注明具体条件的试验方法,通常按照常规条件,或者按照各制造商所建议的条件。
当实施例给出数值范围时,应理解,除非本发明另有说明,每个数值范围的两个端点以及两个端点之间任何一个数值均可选用。除非另外定义,本发明中使用的所有技术和科学术语与本技术领域的技术人员对现有技术的掌握及本发明的记载,还可以使用与本发明实施例中所述的方法、设备、材料相似或等同的现有技术的任何方法、设备和材料来实现本发明。
须知,本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
请参阅图1至图9,本发明提供一种车辆绕路的识别方法,该方法用多算法绕路模型对车辆的位置轨迹进行绕路识别,并根据城市、区域、时间、道路实况等信息分配绕路条件,准确识别车辆是否有绕路行为,以避免由于车辆绕路里程过多,导致乘客费用增加等情况,极大提升了乘客的驾乘体验。以改善现有技术中无法精确识别车辆是否绕路的技术问题。
请参阅图1,该车辆绕路的识别方法,包括:
步骤S100,获取车辆的实时位置信息,并判断车辆是否虚拟定位。
后台系统获取车辆的GPS(Global Positioning System,全球定位系统)和Tbox(Telematics BOX,车联网系统)的实时位置信息,利用车辆的实时位置信息对车辆是否存在虚拟定位的情况进行判定,并在车辆存在虚拟定位时对车辆进行提醒。一实施例中,位置信息中包括经度、纬度、定位精度、速度、时间、方向,其他实施例中位置信息中可以包括经度、纬度、定位精度、速度、时间、方向中的一个或若干个以及其他信息。
请参阅图2,步骤S100中,获取车辆实时位置,并判断所述车辆是否虚拟定位包括步骤S110至S140,详述如下:
步骤S110,获取车辆上传的多个第一位置点,以及多个第二位置点;其中,第一位置点与第二位置点根据不同定位方式获取;
步骤S120,判断预设的时间间隔内,第一位置点,与对应第二位置点的距离是否大于预设距离阈值,和/或,相邻两个第二位置点之间的车速是否大于预设车速阈值;
步骤S130,若至少其中一者为是,则车辆为虚拟定位;
步骤S140,若两者均为否,则车辆未虚拟定位。
后台系统获取GPS的位置信息作为第一位置点的轨迹点,获取Tbox的位置信息作为第二位置点的轨迹点,并在获取位置信息时,对位置信息进行降噪处理,使位置信息更加清晰。其中,对位置信息进行降噪是指将信息传输过程中,受到的外界干扰降到可接受范围。在设定的时间间隔中,后台系统进行两种判定方式。第一判定方式:后台系统机选GPS的位置信息和Tbox的位置信息之间的间距,并将间距与设定的距离阈值进行比较,判定间距是否大于设定的距离阈值。两点之间里程间距为地球球面两点间的里程,根据地球平均半径和弧度公式计算,该方法为现有技术,不过多描述。第二判定方式:后台系统计算GPS的轨迹点之间所有相邻的轨迹点之间的速度,并将速度与设定的速度阈值进行比较,判定速度是否大于设定的速度阈值。若两种判定方式中至少有一种满足时,则车辆为虚拟定位,后台系统提醒车辆。若两种判定方式均不满足,则车辆没有虚拟定位。
请参阅图7,考虑到GPS定位设备容易受建筑物遮挡、外界电磁干扰以及设备故障等因素的影响,产生与真值具有较大偏差的位置数据。另外,一些人为因素(比如司机关闭车载GPS设备)也会使得采集设备在部分时段缺失位置信息。由此导致采集的轨迹数据存在经纬度出界、数据丢失、数值异常等问题,严重影响了轨迹异常检测结果的准确度。为了降低噪声数据对异常检测性能的影响。在一实施例中,后台系统在获取GPS和Tbox的位置信息时,首先,使用数据异常过滤/阈值过滤等方法清洗数据,再对数据进行校验,判断数据是否丢失以及是否包含错误,并根据历史趋势数据等对轨迹数据进行修正。随后,结合均值/中值滤波器、卡尔曼滤波器、粒子滤波器等技术实现数据的平滑去噪。与此同时,为了缩小轨迹大数据实时处理的规模,可运用在线数据压缩技术、采样技术或基于时间间隔/轨迹形状的轨迹分段技术,在保证轨迹的时空特征的前提下,对去除噪声后的轨迹数据实现近似化表示。后台系统获取GPS和Tbox的位置信息后,检测是否有Tbox的数据,若无Tbox的数据,则检测GPS的定位信息是否有速度异常的情况,若具有速度异常的情况则判定车辆为虚拟定位。后台系统对车辆进行提醒。后台系统检测有Tbox的数据后,将GPS和Tbox的位置进行比较,若间隔距离大于预设的距离阈值则判定车辆虚拟定位;若间隔距离小于预设的距离阈值,检测GPS的定位信息有速度异常的情况时判定车辆为虚拟定位。后台系统检测到车辆虚拟定位后对车辆进行提醒。
步骤S200,若车辆未虚拟定位,则将实时位置信息输入预先构建的多算法绕路模型中,获得车辆绕路的识别结果。
具体的,车辆的路程分为车辆在收到订单赶到乘客位置的接驾路程和车辆在开始服务到结束计费之间所行驶订单里程。多算法绕路模型根据订单里程和接驾路程的实际状况选择不同的算法。
请参阅图3,步骤S200中将实时位置信息输入预先构建的多算法绕路模型中,获得车辆绕路的识别结果,包括步骤S210至S240,详述如下:
步骤S210,基于实时位置信息,获取车辆的行驶里程;
步骤S220,若订单里程大于预设的里程阈值,则基于轨迹异常检测算法,对实时位置信息进行识别,获得第一识别结果;
步骤S230,若行驶里程小于或等于里程阈值,则基于车辆的当前订单,获取当前订单的预估路径,并根据动态时间归整算法,基于实时位置与预估路径的偏离程度,获得第二识别结果;
步骤S240,将第一识别结果和第二识别结果生成并返回识别结果。
根据实时位置信息,以及车辆的历史位置信息,可以获得车辆在当前时刻的行驶里程。当订单里程的距离大于订单里程的距离阈值时,多算法绕路模型对实时位置订单里程使用轨迹异常检测算法(Isolation-based online anomalous trajectory detection,iBOAT)进行识别,例如订单里程的距离的大于设定的5KM时,对订单里程使用轨迹异常检测算法进行识别。但考虑到轨迹异常检测算法无法处理没有历史轨迹数据的情况,同时接驾路径比较短时,无法精确的划分网格,轨迹异常检测算法无法精确获得最终结果,因此订单里程的距离小订单里程的距离阈值时,对接驾里程根据动态时间归整(Dynamic TimeWarping,DTW)算法进行绕路判断,当根据动态时间归整算法进行绕路判断,例如订单里程的距离的小于设定的5KM时,对订单里程使用轨迹异常检测算法进行识别。需要说明的是,除基于订单里程判断使用哪种轨迹异常检测算法外,还可基于当前订单行驶的轨迹是否有对应历史轨迹数据进行判别。当具有历史轨迹数据,且订单里程较长时,可选用轨迹异常检测算法获得第一识别结果,若当前订单没有历史轨迹数据,则可以使用动态时间归整算法对订单召回,并在计算后获得第二识别结果。多算法绕路模型将第一识别结果和第二识别结果作为识别结果返回到后台系统。识别结果的第一位置放置第一识别结果,第二位置放置第二识别结果,若无第一识别结果,则将第一位置空出。通过使用多算法绕路模型,基于不同性质的驾驶路程使用不同的轨迹异常检测算法进行计算,多方面判断绕路严重程度,增加绕路识别模型的效果及稳定性。通过多模型对抗有利于提升准确率与召回率,对于走反方向、原地打转等特殊绕路类型精确率较高;参考了轨迹偏离程度,对于司机走错路及封路临时选道等非恶意绕路情况有一定的排除性。
请参阅图4,步骤S220中,基于轨迹异常检测算法,对所述实时位置信息进行识别,获得第一识别结果包括步骤S221至S224,详述如下:
步骤S221,获取城市地图分割形成的平面网格,获取所有网格的编号;
步骤S222,将位置轨迹点映射到平面网格中,并获取轨迹点所在网格的编号;
步骤S223,以历史轨迹为参考,判断所有轨迹点是否异常,并统计所有异常的轨迹点;
步骤S224,将异常轨迹点在所有轨迹点中的占比作为第一识别结果。
为了可行地管理GPS点,我们构建了原始二维平面的有限抽象表示或分解,映射组件接收GPS点并将其映射到所选分解的状态之一。从那时起,所有计算都只在映射的GPS点上执行。将城市区域分割成一个网格单元矩阵,每个GPS点映射到它“降落”的网格单元。轨迹异常检测算法将GPS的位置信息对应添加到所在的网格中,并以时间先后顺序记录GPS位置信息所形成的车辆的路径所在网格的编号,并记录为编号序列。轨迹异常检测算法将所有的历史轨迹在平面网格中的历史路径的历史编号序列作为参考标准。轨迹异常检测算法利用倒排索引机制寻找车辆路径的编号序列中所有编号与相邻的上一个编号在历史编号序列中出现的次数,若次数少于设定的出现阈值则判定此编号为异常的轨迹点。在一实施例中,车辆的编号中具有10,且10前一个编号为3,轨迹异常检测算法寻找历史编号序列中有3段路径包括编号3和10、且3的下一个编号为10的历史路径的数量。若数量小于设定的数量值3,则判定当前车辆中编号为10的轨迹点为异常。具体为,用异常轨迹点除以所有轨迹点的值作为第一识别结果。对接驾里程根据动态时间归整算法进行绕路判断,当订单里程的距离小订单里程的距离阈值时,根据动态时间归整算法进行绕路判断,例如订单里程的距离的小于设定的5KM时,对订单里程使用轨迹异常检测算法进行识别。
请参阅图5,步骤S230中,基于所述车辆的当前订单,获取所述当前订单的预估路径,并根据动态时间归整算法,基于所述实时位置与预估路径的偏离程度,获得第二识别结果包括步骤S231至S235,详述如下:
步骤S231,获取车辆的当前订单,从当前订单中提取对应的预估路径,并基于预设的时间间隔,获取预估路径的多个预估轨迹点;
步骤S232,基于动态规划方法,获取实际轨迹点至对应预估轨迹点的最短路径距离;
步骤S233,将最短路径距离经过的实际轨迹点和对应的预估轨迹点,作为对齐点位,并根据对齐点位的数量,获取最短路径点距离均值;
步骤S234,根据实时位置经过的路径与预估路径的偏离程度,获取绕路里程占比;
步骤S235,根据最短路径点距离均值和绕路里程占比,获得第二识别结果。
使用动态时间规整算法将预估路径的预估轨迹点与实际的轨迹点位对齐,根据各实际轨迹点到各预估轨迹点的距离,构建距离矩阵。并用距离矩阵计算最短路径距离。具体的,最短路径距离除以对齐点位的数量为最短路径点距离均值,实际里程减去预估里程的差值除以预估里程作为绕路里程,再使用最短路径点距离均值和绕路里程的乘积作为第二识别结果。
步骤S300;判断识别结果是否符合预设的绕路条件,并在识别结果符合绕路条件时,判定车辆绕路。
请参阅图6,此过程包括步骤S310至S330,详述如下:
步骤S310,根据城市、区域、时间、具体路程动态分配阈值。
步骤S320,将识别结果与阈值对比,判断对比结果是否满足设定条件。
步骤S330,若对比结果满足设定条件,则判定车辆绕路。其中对比结果中至少有一项大于动态阈值时,判定车辆绕路。
后台系统根据各种影响因素对识别结果动态分配阈值,其中,动态阈值包括与第一识别结果对应的第一动态阈值、与第二识别结果对应的第二动态阈值。后台系统将第一识别结果对比第一动态阈值,判断第一识别结果是否大于第一动态阈值;将第二识别结果对比第二动态阈值,判断第二识别结果是否大于第二动态阈值。
于本发明一实施例中,判定车辆绕路之后,还包括:
根据实际路径与预估路径的偏离程度,对绕路结果进行校验。当车辆绕路时,后台系统对实际路径与预估路径的偏离程度与设定的绕路阈值进行比较,判定车辆绕路所多走的路程是否大于设定的绕路阈值。以防止车辆实际所走的路程优于预设的路程被判定为绕路。一实施例中,后台系统获得路面实时情况,是否存在拥堵、修路等情况,满足校验条件的结果返回客户端,通知车辆和客户,使得客户知晓并进行确认,进而判定车辆是否为绕路。
若偏离程度大于预设的偏移阈值,则上传结果并将其作为车辆的一次绕路记录。当车辆绕路所夺走的路程大于设定的绕路阈值,后台系统则将车辆本次行程判定为绕路,并作记录。
若车辆的累计绕路记录的次数大于等于设定的次数阈值,则基于预设的第一处罚规则,处罚车辆。
若车辆的累计绕路次数小于设定的次数阈值,则基于预设的第二处罚规则,处罚车辆;其中第一处罚规则的处罚力度大于第二处罚规则。
后台系统判定车辆确实存在绕路行为后,将绕路情况返回到客户端,减免客服由于绕路多产生的费用,并把车辆的处罚结果发聩到客户端。
在本发明一实施例中,后台系统以5此为次数阈值。车辆累计记录的绕路次数大于五次时,后台系统对车辆进行下线、禁止接单、封号的处罚。当绕路次数小于五次时,后台系统对车辆进行提醒、警告的处罚。
在本发明一实施例中,后台系统使用Kafka进行数据的传递,后台系统使用Kafka传递数据,可以保证高效的传递效率。
请参阅图9,于本发明一实施例中,还提供一种车辆绕路的识别系统900,包括:
位置采集模块910,用于获取车辆的实时位置信息,并判断车辆是否虚拟定位;绕路识别模块920,用于若车辆未虚拟定位,则将实时位置信息输入预先构建的多算法绕路模型中,获得车辆绕路的识别结果;结果判定模块930,用于判断识别结果是否符合预设的绕路条件,并在识别结果符合绕路条件时,判定车辆绕路。
需要说明的是,上述实施例所提供的车辆绕路的识别方法、系统属于同一构思,其中各个模块执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。上述实施例所提供的车辆绕路的识别的判断系统在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,本处也不对此进行限制。
本申请的实施例还提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得电子设备实现如上述中任一项所述的车辆绕路的识别的判断方法。
图8示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。需要说明的是,图8示出的电子设备的计算机系统仅是一个实施例,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8所示,计算机系统包括中央处理单元(Central Processing Unit,CPU)801,其可以根据存储在只读存储器(Read-Only Memory,ROM)802中的程序或者从储存部分808加载到随机访问存储器(Random Access Memory,RAM)803中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 803中,还存储有系统操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(Input/Output,I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分807;包括硬盘等的储存部分808;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入储存部分808。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读的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,其中承载了计算机可读的计算机程序。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请的另一方面还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被计算机的处理器执行时,使计算机执行如前所述的车辆绕路的识别的判断方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
本发明使用多算法绕路模型进行判定,提高绕路判定的准确性。并将绕路判断与业务系统深入结合,自动处理轨迹异常订单,能在与司机作弊行为的动态对抗中更快速的进行应对。所以,本发明有效克服了现有技术中的一些实际问题从而有很高的利用价值和使用意义。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
- 一种行人重识别方法、系统及电子设备和存储介质
- 一种无人驾驶车辆内物体识别方法、系统、终端和存储介质
- 一种漆面识别方法、装置、存储介质及电子设备
- 一种虚假主叫识别方法、装置、电子设备及存储介质
- 一种用于图书盘点的彩色条码、图书识别方法、电子设备及存储介质
- 一种逃费车辆的识别方法、系统、电子设备及存储介质
- 一种车辆实体识别方法、电子设备、存储介质、系统