惡意逃單檢測(cè)方法
【專利摘要】本發(fā)明公開了一種惡意逃單檢測(cè)方法。其中方法包括：統(tǒng)計(jì)不同用戶從不同出發(fā)地前往不同目的地的次數(shù)，得到個(gè)性化用戶歷史數(shù)據(jù)；建立出發(fā)地與目的地的關(guān)聯(lián)信息；建立個(gè)性化用戶目的地偏好模型；當(dāng)?shù)谝挥脩舢a(chǎn)生服務(wù)請(qǐng)求后，根據(jù)第一用戶的出發(fā)地及第一用戶的個(gè)性化用戶目的地偏好模型，結(jié)合不同地點(diǎn)在地圖中的位置關(guān)聯(lián)信息，預(yù)測(cè)第一用戶前往不同地點(diǎn)作為目的地的概率；在接收到司機(jī)發(fā)送的拒單通知消息之后，對(duì)司機(jī)在預(yù)設(shè)時(shí)間內(nèi)的軌跡位置進(jìn)行跟蹤，利用預(yù)測(cè)得到的概率計(jì)算所述司機(jī)基于該第一用戶的逃單概率，檢測(cè)出所述司機(jī)是否產(chǎn)生逃單行為。利用本方案來(lái)檢測(cè)惡意逃單的行為，準(zhǔn)確率更高。如果與傳統(tǒng)特征融合，準(zhǔn)確率能夠得到顯著提升。
【專利說明】惡意逃單檢測(cè)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及交通信息【技術(shù)領(lǐng)域】，更具體地說，涉及一種惡意逃單檢測(cè)方法及裝置。

【背景技術(shù)】
[0002] 代駕行業(yè)的興起給人們帶來(lái)了很多方便。酒后代駕、旅游代駕、商務(wù)代駕等等的業(yè) 務(wù)需求也越來(lái)越多。傳統(tǒng)的代駕行業(yè)服務(wù)效率低、收費(fèi)高，已逐漸失去了行業(yè)優(yōu)勢(shì)。取而代 之的是基于移動(dòng)互聯(lián)網(wǎng)的代駕行業(yè)服務(wù)模式。
[0003] 在智能手機(jī)上實(shí)現(xiàn)的第三方應(yīng)用程序一代駕APP如雨后春筍般應(yīng)運(yùn)而生。用戶 在打開代駕APP之后，可以看到附近的代駕司機(jī)信息，包括司機(jī)姓名、離自己的距離、駕齡、 代駕次數(shù)、評(píng)價(jià)等，用戶可自主選擇符合自身需求的代駕司機(jī)。代駕APP不僅界面設(shè)計(jì)很直 觀，操作方便，最主要的是司機(jī)信息透明化，使用戶更加放心，也有利于快速建立聯(lián)系，用戶 體驗(yàn)方面得到了眾多消費(fèi)者的親睞。
[0004] 然而，在實(shí)際使用過程中，經(jīng)常出現(xiàn)司機(jī)的逃單行為，例如：部分司機(jī)在通過代駕 APP接收到用戶請(qǐng)求之后，與用戶私下交易，以達(dá)到逃避信息服務(wù)費(fèi)的目的?，F(xiàn)有的代駕系 統(tǒng)提供了簡(jiǎn)單的規(guī)則，用以對(duì)上述逃單行為進(jìn)行辨別，如判斷司機(jī)總的拒單率，如果某司機(jī) 總的拒單率高于某一閾值，則將該司機(jī)視為逃單司機(jī)進(jìn)行處理。但是，由于拒單的原因有很 多，比如用戶主動(dòng)拒絕、所去的目的地過遠(yuǎn)造成交易無(wú)法達(dá)成等，因此現(xiàn)有的方法僅根據(jù)總 的拒單率來(lái)衡量司機(jī)是否為逃單，準(zhǔn)確率很低。再如判斷司機(jī)在拒單后的移動(dòng)速度，如果某 司機(jī)拒單后移動(dòng)速度與車速類似，則將該司機(jī)視為逃單司機(jī)。但是，司機(jī)可能在前往某地的 公交車上，因此這種方法的準(zhǔn)確率也受到約束。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的發(fā)明目的是針對(duì)現(xiàn)有技術(shù)的缺陷，提出一種惡意逃單檢測(cè)方法及裝置， 用以提商檢測(cè)惡意逃單的準(zhǔn)確率。
[0006] 根據(jù)本發(fā)明的一個(gè)方面，提供了一種惡意逃單檢測(cè)方法，包括：
[0007] 統(tǒng)計(jì)不同用戶從不同出發(fā)地前往不同目的地的次數(shù)，得到個(gè)性化用戶歷史數(shù)據(jù)；
[0008] 根據(jù)所有用戶從不同出發(fā)地前往不同目的地的次數(shù)，建立出發(fā)地與目的地的關(guān)聯(lián) 信息，由此得到不同地點(diǎn)在地圖中的位置關(guān)聯(lián)信息；
[0009] 根據(jù)所述個(gè)性化用戶歷史數(shù)據(jù)，建立個(gè)性化用戶目的地偏好模型；通過所述個(gè)性 化用戶目的地偏好模型預(yù)測(cè)得到每個(gè)用戶對(duì)每個(gè)地點(diǎn)的偏好度；
[0010] 當(dāng)?shù)谝挥脩舢a(chǎn)生服務(wù)請(qǐng)求后，根據(jù)第一用戶的出發(fā)地及第一用戶的個(gè)性化用戶目 的地偏好模型，結(jié)合不同地點(diǎn)在地圖中的位置關(guān)聯(lián)信息，預(yù)測(cè)第一用戶前往不同地點(diǎn)作為 目的地的概率；在接收到司機(jī)發(fā)送的拒單通知消息之后，對(duì)司機(jī)在預(yù)設(shè)時(shí)間內(nèi)的軌跡位置 進(jìn)行跟蹤，利用預(yù)測(cè)得到的概率計(jì)算所述司機(jī)基于該第一用戶的逃單概率；
[0011] 根據(jù)所述司機(jī)基于第一用戶的逃單概率，檢測(cè)出所述司機(jī)是否產(chǎn)生逃單行為。
[0012] 根據(jù)本發(fā)明的另一個(gè)方面，提供了一種惡意逃單檢測(cè)裝置，包括：
[0013] 用戶歷史數(shù)據(jù)統(tǒng)計(jì)模塊，用于統(tǒng)計(jì)不同用戶從不同出發(fā)地前往不同目的地的次 數(shù)，得到個(gè)性化用戶歷史數(shù)據(jù)；根據(jù)所有用戶從不同出發(fā)地前往不同目的地的次數(shù)，建立出 發(fā)地與目的地的關(guān)聯(lián)信息，由此得到不同地點(diǎn)在地圖中的位置關(guān)聯(lián)信息；
[0014] 模型建立模塊，用于根據(jù)所述個(gè)性化用戶歷史數(shù)據(jù)，建立個(gè)性化用戶目的地偏好 模型；通過所述個(gè)性化用戶目的地偏好模型預(yù)測(cè)得到每個(gè)用戶對(duì)每個(gè)地點(diǎn)的偏好度；
[0015] 基于用戶的逃單概率計(jì)算模塊，用于當(dāng)?shù)谝挥脩舢a(chǎn)生服務(wù)請(qǐng)求后，根據(jù)第一用戶 的出發(fā)地及第一用戶的個(gè)性化用戶目的地偏好模型，結(jié)合不同地點(diǎn)在地圖中的位置關(guān)聯(lián)信 息，預(yù)測(cè)第一用戶前往不同地點(diǎn)作為目的地的概率；在接收到司機(jī)發(fā)送的拒單通知消息之 后，對(duì)司機(jī)在預(yù)設(shè)時(shí)間內(nèi)的軌跡位置進(jìn)行跟蹤，利用預(yù)測(cè)得到的概率計(jì)算所述司機(jī)基于該 第一用戶的逃單概率；
[0016] 檢測(cè)模塊，用于根據(jù)所述司機(jī)基于第一用戶的逃單概率，檢測(cè)出所述司機(jī)是否產(chǎn) 生逃單行為。
[0017] 根據(jù)本發(fā)明提供的上述方案，利用該用戶歷史數(shù)據(jù)建立個(gè)性化用戶目的地偏好模 型，通過所述個(gè)性化用戶目的地偏好模型預(yù)測(cè)得到每個(gè)用戶對(duì)每個(gè)地點(diǎn)的偏好度；然后根 據(jù)個(gè)性化用戶目的地偏好模型預(yù)測(cè)的結(jié)果，對(duì)司機(jī)的拒單行為進(jìn)行識(shí)別，識(shí)別是否為逃單 行為。本方案主要是依據(jù)第一用戶對(duì)某些地點(diǎn)的偏好度，以及不同地點(diǎn)在地圖中的位置關(guān) 聯(lián)信息兩方面的信息得出司機(jī)基于第一用戶的逃單概率，這兩個(gè)方面都與用戶歷史數(shù)據(jù)中 記錄的與位置有關(guān)的信息。相對(duì)于司機(jī)總的拒單率來(lái)說，用戶歷史數(shù)據(jù)中記錄的與位置有 關(guān)的信息更能反映出用戶的偏好與地點(diǎn)之間的關(guān)聯(lián)，因而更能反映出司機(jī)是否逃單的情 況，因此，利用本方案來(lái)檢測(cè)惡意逃單的行為，準(zhǔn)確率更高。

【專利附圖】

【附圖說明】
[0018] 圖1示出了本發(fā)明提供的惡意逃單檢測(cè)方法實(shí)施例一的流程示意圖；
[0019] 圖2示出了本發(fā)明提供的惡意逃單檢測(cè)方法實(shí)施例二的流程示意圖；
[0020] 圖3示出了本發(fā)明中個(gè)性化用戶目的地偏好模型的示意圖；
[0021] 圖4示出了本發(fā)明提供的惡意逃單檢測(cè)裝置的功能結(jié)構(gòu)框圖。

【具體實(shí)施方式】
[0022] 為充分了解本發(fā)明之目的、特征及功效，借由下述具體的實(shí)施方式，對(duì)本發(fā)明做詳 細(xì)說明，但本發(fā)明并不僅僅限于此。
[0023] 圖1示出了本發(fā)明提供的惡意逃單檢測(cè)方法實(shí)施例一的流程示意圖。如圖1所示， 該方法包括如下步驟：
[0024] 步驟S100,統(tǒng)計(jì)不同用戶從不同出發(fā)地前往不同目的地的次數(shù)，得到個(gè)性化用戶 歷史數(shù)據(jù)。
[0025] 本文中所提到的用戶具體指的是請(qǐng)求代駕服務(wù)的客戶。在代駕系統(tǒng)中，會(huì)記錄對(duì) 所有用戶的歷史服務(wù)信息，例如每個(gè)用戶在每一次請(qǐng)求代駕服務(wù)后從出發(fā)地前往的目的地 的相關(guān)信息。因此，代駕系統(tǒng)將會(huì)統(tǒng)計(jì)出不同用戶從不同出發(fā)地前往不同目的地的次數(shù)作 為個(gè)性化用戶歷史數(shù)據(jù)。
[0026] 步驟S101，根據(jù)所有用戶從不同出發(fā)地前往不同目的地的次數(shù)，建立出發(fā)地與目 的地的關(guān)聯(lián)信息，由此得到不同地點(diǎn)在地圖中的位置關(guān)聯(lián)信息。
[0027] 對(duì)于地點(diǎn)A和B來(lái)說，統(tǒng)計(jì)以地點(diǎn)A作為出發(fā)地，以地點(diǎn)B作為目的地的服務(wù)次數(shù)， 依據(jù)該服務(wù)次數(shù)建立地點(diǎn)A和地點(diǎn)B在地圖中的位置關(guān)聯(lián)信息。如果從地點(diǎn)A前往地點(diǎn)B 的用戶人次很多，反映出地點(diǎn)A和地點(diǎn)B的位置關(guān)聯(lián)度較強(qiáng)。
[0028] 步驟S102,根據(jù)所述個(gè)性化用戶歷史數(shù)據(jù)，建立個(gè)性化用戶目的地偏好模型；通 過所述個(gè)性化用戶目的地偏好模型預(yù)測(cè)得到每個(gè)用戶對(duì)每個(gè)地點(diǎn)的偏好度。
[0029] 本實(shí)施例利用個(gè)性化用戶歷史數(shù)據(jù)建立個(gè)性化用戶目的地偏好模型，通過所述個(gè) 性化用戶目的地偏好模型預(yù)測(cè)得到每個(gè)用戶對(duì)每個(gè)地點(diǎn)的偏好度。
[0030] 步驟S103,當(dāng)?shù)谝挥脩舢a(chǎn)生服務(wù)請(qǐng)求后，根據(jù)第一用戶的出發(fā)地及第一用戶的個(gè) 性化用戶目的地偏好模型，結(jié)合不同地點(diǎn)在地圖中的位置關(guān)聯(lián)信息，預(yù)測(cè)第一用戶前往不 同地點(diǎn)作為目的地的概率；在接收到司機(jī)發(fā)送的拒單通知消息之后，對(duì)司機(jī)在預(yù)設(shè)時(shí)間內(nèi) 的軌跡位置進(jìn)行跟蹤，利用預(yù)測(cè)得到的概率計(jì)算所述司機(jī)基于該第一用戶的逃單概率。
[0031] 通過上述個(gè)性化用戶目的地偏好模型預(yù)測(cè)的結(jié)果，本實(shí)施例可對(duì)司機(jī)的拒單行為 進(jìn)行識(shí)別，識(shí)別是否為逃單行為。當(dāng)?shù)谝挥脩舢a(chǎn)生服務(wù)請(qǐng)求后，根據(jù)第一用戶的出發(fā)地及第 一用戶的個(gè)性化用戶目的地偏好模型，結(jié)合不同地點(diǎn)在地圖中的位置關(guān)聯(lián)信息，預(yù)測(cè)第一 用戶前往不同地點(diǎn)作為目的地的概率。在接收到司機(jī)發(fā)送的拒單通知消息之后，對(duì)司機(jī)在 預(yù)設(shè)時(shí)間內(nèi)的軌跡位置進(jìn)行跟蹤，例如對(duì)司機(jī)半小時(shí)內(nèi)的軌跡位置進(jìn)行跟蹤，預(yù)測(cè)第一用 戶前往司機(jī)半小時(shí)內(nèi)的到達(dá)地點(diǎn)的概率作為司機(jī)基于第一用戶的逃單概率。
[0032] 步驟S104,根據(jù)所述司機(jī)基于第一用戶的逃單概率，檢測(cè)出所述司機(jī)是否產(chǎn)生逃 單行為。
[0033] 司機(jī)基于第一用戶的逃單概率為依據(jù)兩個(gè)方面信息得出的司機(jī)可能逃單的概率， 一方面是第一用戶對(duì)某些地點(diǎn)的偏好方面，另一方面是不同地點(diǎn)在地圖中的位置關(guān)聯(lián)信息 方面。這兩個(gè)方面都與用戶歷史數(shù)據(jù)中記錄的與位置有關(guān)的信息。其中，司機(jī)基于第一用 戶的逃單概率可以作為檢測(cè)司機(jī)是否產(chǎn)生逃單行為的主要特征，當(dāng)然也結(jié)合其它特征一起 來(lái)檢測(cè)司機(jī)是否產(chǎn)生逃單行為，本發(fā)明對(duì)此不做限制。
[0034] 根據(jù)本實(shí)施例提供的上述方法，利用該用戶歷史數(shù)據(jù)建立個(gè)性化用戶目的地偏好 模型，通過所述個(gè)性化用戶目的地偏好模型預(yù)測(cè)得到每個(gè)用戶對(duì)每個(gè)地點(diǎn)的偏好度；然后 根據(jù)個(gè)性化用戶目的地偏好模型預(yù)測(cè)的結(jié)果，對(duì)司機(jī)的拒單行為進(jìn)行識(shí)別，識(shí)別是否為逃 單行為。本實(shí)施例提供的方法主要是依據(jù)第一用戶對(duì)某些地點(diǎn)的偏好度，以及不同地點(diǎn)在 地圖中的位置關(guān)聯(lián)信息兩方面的信息得出司機(jī)基于第一用戶的逃單概率，這兩個(gè)方面都與 用戶歷史數(shù)據(jù)中記錄的與位置有關(guān)的信息。相對(duì)于司機(jī)總的拒單率來(lái)說，用戶歷史數(shù)據(jù)中 記錄的與位置有關(guān)的信息更能反映出用戶的偏好與地點(diǎn)之間的關(guān)聯(lián)，因而更能反映出司機(jī) 是否逃單的情況，因此，利用本實(shí)施例提供的方法來(lái)檢測(cè)惡意逃單的行為，準(zhǔn)確率更高。
[0035] 圖2示出了本發(fā)明提供的惡意逃單檢測(cè)方法實(shí)施例二的流程示意圖。如圖2所示， 該方法包括如下步驟：
[0036] 步驟S200,統(tǒng)計(jì)不同用戶從不同出發(fā)地前往不同目的地的次數(shù)，得到個(gè)性化用戶 歷史數(shù)據(jù)。
[0037] 代駕系統(tǒng)以城市為單位管理每個(gè)城市的代駕服務(wù)信息，在一個(gè)城市中，代駕系統(tǒng) 以網(wǎng)格的形式對(duì)城市進(jìn)行劃分，每個(gè)網(wǎng)格作為一個(gè)地點(diǎn)單位，按照一定的順序?qū)@些網(wǎng)格 進(jìn)行編號(hào)，使得每個(gè)網(wǎng)格具有一個(gè)編號(hào)作為地點(diǎn)信息。代駕系統(tǒng)中記錄有該城市內(nèi)對(duì)所有 用戶的歷史服務(wù)信息，例如每個(gè)用戶在每一次請(qǐng)求代駕服務(wù)后從出發(fā)地前往目的地的相關(guān) 信息。代駕系統(tǒng)根據(jù)這些信息統(tǒng)計(jì)出該城市內(nèi)不同用戶從不同出發(fā)地前往不同地點(diǎn)的次數(shù) 作為個(gè)性化用戶歷史數(shù)據(jù)。
[0038] 可選地，個(gè)性化用戶歷史數(shù)據(jù)以m*n維矩陣的形式存儲(chǔ)，其中m為用戶總數(shù)，n為 地點(diǎn)總數(shù)，即網(wǎng)格總數(shù)。這個(gè)矩陣的第i行數(shù)據(jù)表示第i個(gè)用戶前往不同地點(diǎn)的次數(shù)，第j 列數(shù)據(jù)表示不同用戶前往第j個(gè)地點(diǎn)的次數(shù)。以4*4矩陣為例，如下：

【權(quán)利要求】
1. 一種惡意逃單檢測(cè)方法，其特征在于，包括： 統(tǒng)計(jì)不同用戶從不同出發(fā)地前往不同目的地的次數(shù)，得到個(gè)性化用戶歷史數(shù)據(jù)； 根據(jù)所有用戶從不同出發(fā)地前往不同目的地的次數(shù)，建立出發(fā)地與目的地的關(guān)聯(lián)信 息，由此得到不同地點(diǎn)在地圖中的位置關(guān)聯(lián)信息； 根據(jù)所述個(gè)性化用戶歷史數(shù)據(jù)，建立個(gè)性化用戶目的地偏好模型；通過所述個(gè)性化用 戶目的地偏好模型預(yù)測(cè)得到每個(gè)用戶對(duì)每個(gè)地點(diǎn)的偏好度； 當(dāng)?shù)谝挥脩舢a(chǎn)生服務(wù)請(qǐng)求后，根據(jù)第一用戶的出發(fā)地及第一用戶的個(gè)性化用戶目的地 偏好模型，結(jié)合不同地點(diǎn)在地圖中的位置關(guān)聯(lián)信息，預(yù)測(cè)第一用戶前往不同地點(diǎn)作為目的 地的概率；在接收到司機(jī)發(fā)送的拒單通知消息之后，對(duì)司機(jī)在預(yù)設(shè)時(shí)間內(nèi)的軌跡位置進(jìn)行 跟蹤，利用預(yù)測(cè)得到的概率計(jì)算所述司機(jī)基于該第一用戶的逃單概率； 根據(jù)所述司機(jī)基于第一用戶的逃單概率，檢測(cè)出所述司機(jī)是否產(chǎn)生逃單行為。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述個(gè)性化用戶歷史數(shù)據(jù)，建立 個(gè)性化用戶目的地偏好模型進(jìn)一步包括： 根據(jù)每個(gè)用戶的用戶潛在特征向量、每個(gè)地點(diǎn)對(duì)應(yīng)的地點(diǎn)潛在特征向量以及所述該地 點(diǎn)附近的地點(diǎn)對(duì)應(yīng)的地點(diǎn)潛在特征向量，建立所述個(gè)性化用戶目的地偏好模型。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述通過所述個(gè)性化用戶目的地偏好模 型預(yù)測(cè)得到每個(gè)用戶對(duì)每個(gè)地點(diǎn)的偏好度進(jìn)一步包括： 對(duì)所述個(gè)性化用戶目的地偏好模型進(jìn)行優(yōu)化，得到每個(gè)用戶的用戶特征向量和每個(gè)地 點(diǎn)對(duì)應(yīng)的地點(diǎn)特征向量； 根據(jù)每個(gè)用戶的用戶特征向量和每個(gè)地點(diǎn)對(duì)應(yīng)的地點(diǎn)特征向量，計(jì)算得到每個(gè)用戶對(duì) 每個(gè)地點(diǎn)的偏好度。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述用戶歷史數(shù)據(jù)以m*n維矩陣的形式存 儲(chǔ)，其中m為用戶總數(shù)，n為地點(diǎn)總數(shù)；所述個(gè)性化用戶目的地偏好模型建立如下：
其中，Ui表示第i個(gè)用戶的用戶潛在特征向量，Vj表示第j個(gè)地點(diǎn)的地點(diǎn)潛在特征向 量，n(j)表示第j個(gè)地點(diǎn)的鄰近地點(diǎn)，Vt表示第j個(gè)地點(diǎn)的鄰近地點(diǎn)中第t個(gè)地點(diǎn)對(duì)應(yīng)的 潛在特征向量，dt表示所述第j個(gè)地點(diǎn)與所述第t個(gè)地點(diǎn)之間的距離，s ()為歸一化函數(shù)， a為線性疊加權(quán)重。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對(duì)個(gè)性化用戶目的地偏好模型進(jìn)行 優(yōu)化具體為最小化如下優(yōu)化函數(shù)對(duì)個(gè)性化用戶目的地偏好模型進(jìn)行優(yōu)化：
其中，Au表示第i個(gè)用戶前往第j個(gè)地點(diǎn)的次數(shù)的真實(shí)值，IuO為示性函數(shù)，表示第 i個(gè)用戶前往第j個(gè)地點(diǎn)的次數(shù)大于〇,公式中的差值項(xiàng)表示真實(shí)值與預(yù)測(cè)值之間的誤差， IPt表示U的模平方，表示V的模平方。
6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述對(duì)個(gè)性化用戶目的地偏好模型進(jìn)行 優(yōu)化，得到每個(gè)用戶的用戶特征向量和每個(gè)地點(diǎn)對(duì)應(yīng)的地點(diǎn)特征向量具體為： 采用梯度下降方法求取L(U，V)的最小值，得到每個(gè)用戶的用戶特征向量和每個(gè)地點(diǎn) 對(duì)應(yīng)的地點(diǎn)特征向量。
7. 根據(jù)權(quán)利要求5或6所述的方法，其特征在于，根據(jù)每個(gè)用戶的用戶特征向量和每個(gè) 地點(diǎn)對(duì)應(yīng)的地點(diǎn)特征向量，計(jì)算得到每個(gè)用戶對(duì)每個(gè)地點(diǎn)的偏好度具體為： 將每個(gè)用戶的用戶特征向量和每個(gè)地點(diǎn)對(duì)應(yīng)的地點(diǎn)特征向量代入所述個(gè)性化用戶目 的地偏好模型中，得到每個(gè)用戶對(duì)每個(gè)地點(diǎn)的偏好度。
8. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述計(jì)算所述司機(jī)基于該第一用戶的逃 單概率具體通過如下公式實(shí)現(xiàn)：
p (target = Vj I Sh, Ui) & 'KA' ^-) + (1-^) ? p (Vj | Sh) 上述公式表示為所述司機(jī)基于該第一用戶的逃單概率P (target = VjIsi^Ui)正比于 ^ ? 1(A/ ^.) + (1-^) -P(VjIsh)； 其中，Ui表示第一用戶，'表示預(yù)定到達(dá)地點(diǎn)，是根據(jù)司機(jī)在預(yù)設(shè)時(shí)間內(nèi)的軌跡位置 而確定的，Sh表示第一用戶的出發(fā)地，A' u表示第一用戶對(duì)所述預(yù)定到達(dá)地點(diǎn)的偏好度， P('|Sh)表示所述第一用戶的出發(fā)地與所述預(yù)定到達(dá)地點(diǎn)之間的位置關(guān)聯(lián)度，P為線性疊 加權(quán)重。
9. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述司機(jī)基于第一用戶的逃單 概率，檢測(cè)出所述司機(jī)是否產(chǎn)生逃單行為具體包括： 將所述司機(jī)基于第一用戶的逃單概率作為特征信息與其它特征信息一起輸入到SVM 分類器中，所述SVM分類器在訓(xùn)練過程中對(duì)輸入的每種特征信息賦予不同的權(quán)重值，用以 作為檢測(cè)所述司機(jī)是否產(chǎn)生逃單行為的依據(jù)。
10. 根據(jù)權(quán)利要求9所述的方法，其特征在于，所述其它特征信息包含以下特征信息的 一種或多種：司機(jī)總的拒單率、司機(jī)拒單后的移動(dòng)速度信息、司機(jī)每日接單數(shù)。
【文檔編號(hào)】G06Q50/10GK104331747SQ201410573517
【公開日】2015年2月4日 申請(qǐng)日期:2014年10月23日 優(yōu)先權(quán)日:2014年10月23日
【發(fā)明者】于楊, 辛欣 申請(qǐng)人:北京億心宜行汽車技術(shù)開發(fā)服務(wù)有限公司