[发明专利]行程异常检测方法、装置及电子设备

权利要求书

1.一种行程异常检测方法，应用于异常检测服务器，其特征在于，所述异常检测服务器与导航服务器通信连接，所述导航服务器与服务提供方终端通信连接，所述方法包括：

接收所述导航服务器发送的当前偏航信息，其中，所述当前偏航信息为所述导航服务器在接收到所述服务提供方终端在当前行程服务过程中所发送的偏航请求后所生成的；

从所述当前行程服务过程中的历史偏航信息、首次导航信息以及所述当前偏航信息中提取出异常检测所需的特征信息，其中，所述首次导航信息为所述当前行程服务开始时首次导航所生成的导航信息；

将所述特征信息导入至预先建立的异常检测模型进行检测，以获得异常概率值；

根据所述异常概率值判定所述当前行程服务是否出现路线异常。

2.根据权利要求1所述的行程异常检测方法，其特征在于，所述方法还包括预先建立所述异常检测模型的步骤，该步骤包括：

对预先获得的包含异常信息的订单正样本打上第一标签，对预先获得的未包含异常信息的订单负样本打上第二标签；

将所述订单正样本和所述订单负样本导入至预设机器学习模型进行训练以得到所述异常检测模型。

3.根据权利要求2所述的行程异常检测方法，其特征在于，所述异常检测服务器中预存有多个订单样本，所述订单样本为行程服务已结束的订单样本，所述订单正样本和所述订单负样本通过以下步骤获得：

针对预存的各个订单样本，获取所述订单样本对应的行程服务结束时的实际行程信息以及行程服务开始时首次导航所得到的导航行程信息；

根据所述实际行程信息和所述导航行程信息确定所述订单样本为订单正样本还是订单负样本。

4.根据权利要求2所述的行程异常检测方法，其特征在于，所述将所述订单正样本和所述订单负样本导入至预设机器学习模型进行训练以得到所述异常检测模型的步骤，包括：

将所述订单正样本和所述订单负样本分别划分为训练样本集以及测试样本集；

将所述训练样本集导入至预设机器学习模型进行训练以得到初步模型；

将所述测试样本集导入至所述初步模型进行测试以得到测试结果，将所述测试结果与所述测试样本集中各样本的标签进行比对，以得到所述初步模型的检测准确率及召回率；

根据所述检测准确率及召回率对所述预设机器学习模型的参数进行调节，直至得到的检测准确率及召回率满足预设要求为止；

将具有满足预设要求的检测准确率和召回率的初步模型作为异常检测模型。

5.根据权利要求4所述的行程异常检测方法，其特征在于，所述将所述训练样本集导入至预设机器学习模型进行训练以得到初步模型的步骤，包括：

获取所述训练样本集中的订单正样本和订单负样本各自对应的行程服务过程中的导航信息以及偏航信息，其中，所述偏航信息为对应行程服务过程中截止到最后一次偏航时的偏航信息；

将所述导航信息和所述偏航信息导入至预设机器学习模型进行训练以得到初步模型。

6.根据权利要求5所述的行程异常检测方法，其特征在于，所述订单正样本和订单负样本中的导航信息及偏航信息由所述导航服务器发送，其中，所述导航信息及偏航信息由所述导航服务器在订单正样本和订单负样本对应的行程服务过程中在接收到对应的服务提供方终端所发送的导航请求及偏航请求时所生成并发送。