车辆监控方法、装置及存储介质、服务器与流程

本发明涉及语音语义、语音处理、语音信号处理技术领域，具体涉及一种车辆监控方法、装置及存储介质、服务器。

背景技术：

当前使用网络约车出行的人数越来越多，纯粹的打车软件并不能保证司机载客车辆与登记车辆的一致性；企业自有司机载客并不能避免司机脱离约车平台接私活赚取个人利益损害公司利益的行为。司机极有可能私自更换载客车辆，或将车辆转给别人开，车辆情况和转让司机的可靠性并不能从根本上得到监管，导致乘客安全性无法保障；对于企业自有司机，一般是在企业拿固定工资并从中提成，当接私活的利益较大时，很多司机都会脱离约车平台自行选择载客，对网络约车乘客来说被拒载的几率增大，用户乘车体验变差满意度下降，同时乘车用户的安全性也不能够得到保障。

目前一些主流的网约车软件通过新增紧急联系人、行程录音保护、一键报警、行车记录设备等方案进行乘车人或者司机人身保护，紧急联系人和一键报警需要用户去操作，行程录音需要发生问题后投诉给网约车软件的客服，行车记录设备记录的影像需要车辆回到公司后进行存档和分析，缺乏时效性，进而并不能够解决前述用户乘车体验变差以及安全性得不到保障的问题。

技术实现要素：

为克服以上技术问题，特别是用户乘车体验变差以及安全性得不到保障的问题，特提出以下技术方案：

本发明实施例提供的一种车辆监控方法，包括：

获取实时的车辆位置信息和乘车用户位置信息，判断车辆位置和用户位置是否一致，当车辆位置和用户位置一致时，实时收集乘车用户与司机的第一语音信息；

提取所述第一语音信息中的关键信息，将所述关键信息与预设乘车行程对话数据库中的语音信息进行匹配，分别获得司机与乘车用户的情绪特征；

基于所述情绪特征与评价之间的关联关系，调整司机和/或乘车用户的用户画像。

可选地，所述提取所述第一语音信息中的关键信息，将所述关键信息与预设乘车行程对话数据库中的语音信息进行匹配，分别获得司机与乘车用户的情绪特征，包括：

对所述第一语音信息进行分类识别，分别获得司机的第一语音信息和乘车用户的第一语音信息；

分别从司机的第一语音信息和乘车用户的第一语音信息中提取出司机第一语音信息中的关键信息和乘车用户第一语音信息中的关键信息；

将两所述关键信息与预设对话数据库中的语音信息进行匹配，分别获得司机与乘车用户的所述情绪特征，所述关键信息包括语速、分贝、语义。

可选地，所述对所述第一语音信息进行分类识别，分别获得司机的第一语音信息和乘车用户的第一语音信息之后，包括：

对所述第一语音信息进行清洗，获得第二语音信息；

通过多层前馈神经网络对所述第二语音信息进行分类识别，获得司机的第二语音信息和乘车用户的第二语音信息。

可选地，所述分别从司机的第一语音信息和乘车用户的第一语音信息中提取出司机第一语音信息中的关键信息和乘车用户第一语音信息中的关键信息，包括：

通过梅尔倒谱系数运算规则从司机的所述第二语音信息和乘车用户的所述第二语音信息中提取出司机的所述关键信息和乘车用户的所述关键信息。

可选地，所述基于所述情绪特征与评价之间的关联关系，调整司机和/或乘车用户的用户画像，包括：

获取所述情绪特征与评价的关联关系，基于司机的所述情绪特征确定司机的评价信息，依据乘车用户的所述情绪特征确定乘车用户的评价信息；

基于所述司机的所述评价信息调整司机的所述用户画像；和/或基于所述乘车用户的所述评价信息调整乘车用户的所述用户画像。

可选地，所述获取所述情绪特征与评价的关联关系，基于司机的所述情绪特征确定司机的评价信息，依据乘车用户的所述情绪特征确定乘车用户的评价信息之后，包括：

若所述评价信息为报警危险，获取车辆的实时行程信息，依据所述评价信息和所述实时行程信息发送报警信息。

可选地，所述实时收集乘车用户与司机的第一语音信息，包括：

控制终端启动音频设备实时收集乘车用户与司机的第一语音信息。

本发明实施例还提供了一种车辆监控装置，其特征在于，包括：

语音信息收集模块，用于获取实时的车辆位置信息和乘车用户位置信息，判断车辆位置和用户位置是否一致，当车辆位置和用户位置一致时，实时收集乘车用户与司机的第一语音信息；

情绪特征获得模块，用于提取所述第一语音信息中的关键信息，将所述关键信息与预设乘车行程对话数据库中的语音信息进行匹配，分别获得司机与乘车用户的情绪特征；

调整模块，用于基于所述情绪特征与评价之间的关联关系，调整司机和/或乘车用户的用户画像。

可选地，所述情绪特征获得模块包括：

识别单元，用于对所述第一语音信息进行分类识别，分别获得司机的第一语音信息和乘车用户的第一语音信息；

提取单元，用于分别从司机的第一语音信息和乘车用户的第一语音信息中提取出司机第一语音信息中的关键信息和乘车用户第一语音信息中的关键信息；

匹配单元，用于将两所述关键信息与预设对话数据库中的语音信息进行匹配，分别获得司机与乘车用户的所述情绪特征，所述关键信息包括语速、分贝、语义。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现任一技术方案所述的车辆监控方法。

本发明实施例还提供了一种服务器，包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于执行根据任一技术方案所述的车辆监控方法的步骤。

本发明与现有技术相比，具有以下有益效果：

1、本申请实施例提供的一种车辆监控方法，包括：获取实时的车辆位置信息和乘车用户位置信息，判断车辆位置和用户位置是否一致，当车辆位置和用户位置一致时，实时收集乘车用户与司机的第一语音信息；提取所述第一语音信息中的关键信息，将所述关键信息与预设乘车行程对话数据库中的语音信息进行匹配，分别获得司机与乘车用户的情绪特征；基于所述情绪特征与评价之间的关联关系，调整司机和/或乘车用户的用户画像。在本申请中通过对乘车用户和司机的语音信息进行收集，并整理归类，确定司机和/或乘车用户的情绪特征，基于该情绪特征确定司机和/或用户的态度以及对当前行程的满意度等，基于该满意度调整司机和/或乘车用户的用户画像，进而便于对整个行程进行监控，更便于保证乘车用户和/或司机的人身安全，通过前述过程实现智能的对司机和/或用户画像的智能调整，提高了评价更新的时效性，且该评价更为客观公正，进而便于维护健康的网约车市场，提高用户体验，提高用户乘车过程的满意度。

2、本申请实施例提供的一种车辆监控方法，所述获取所述情绪特征与评价的关联关系，基于司机的所述情绪特征确定司机的评价信息，依据乘车用户的所述情绪特征确定乘车用户的评价信息之后，包括：获取车辆的实时行程信息，依据所述评价信息和所述实时行程信息发送报警信息。在前述的基础上，为了能够及时的保护乘车用户或者司机的安全，当评价信息确定属于危险级别时，则获取车辆的实时行程信息，基于该评价信息和实时行程信息发送报警信息，在评价信息中包括了对司机和/或乘车用户是否处于具有人身危险的环境中，当评价信息中包括人身危险的环境时，就可以获取车辆实时行程信息和评价信息进行报警，方便警方可以基于该行程信息和评价信息快速地进行人员解救，尽可能地降低司机和/或乘车用户受到的人身伤害。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明车辆监控方法的典型实施例中一种实施方式的流程示意图；

图2为本发明车辆监控装置的典型实施例中一种实施方式的结构示意图；

图3为本发明服务器的一实施例结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

本领域技术人员应当理解，本发明所称的“应用”、“应用程序”、“应用软件”以及类似表述的概念，是业内技术人员所公知的相同概念，是指由一系列计算机指令及相关数据资源有机构造的适于电子运行的计算机软件。除非特别指定，这种命名本身不受编程语言种类、级别，也不受其赖以运行的操作系统或平台所限制。理所当然地，此类概念也不受任何形式的终端所限制。

本申请实施例提供的一种车辆监控方法，在其中一种实施方式中，如图1所示，包括：s100、s200、s300。

s100：获取实时的车辆位置信息和乘车用户位置信息，判断车辆位置和用户位置是否一致，当车辆位置和用户位置一致时，实时收集乘车用户与司机的第一语音信息；

s200：提取所述第一语音信息中的关键信息，将所述关键信息与预设乘车行程对话数据库中的语音信息进行匹配，分别获得司机与乘车用户的情绪特征；

s300：基于所述情绪特征与评价之间的关联关系，调整司机和/或乘车用户的用户画像。

可选地，所述实时收集乘车用户与司机的第一语音信息，包括：

控制终端启动音频设备实时收集乘车用户与司机的第一语音信息。

本申请提供的实施例主要应用于网约车平台中，在打车平台中，也可以基于司机的计费和计时在司机接收订单之后。当用于网约车平台中时，当司机接收乘车用户的乘车订单之后，则实时的获取车辆位置信息和乘车用户位置信息，以便于基于两者的位置信息能够实时核对车辆位置和用户位置是否一致，即判断用户是否上车，当车辆位置和用户位置一致时，则说明乘车用户已上车，为了保证司机和乘车用户的安全，确定用户上车之后，即刻启动音频设备实时的采集在整个乘车过程中乘车用户与司机语言交流，即乘车用户与司机的第一语音信息，以便于能够基于该语音信息判断用户和司机在整个行程中是否发生冲突，和/或基于该语音信息判断两者的情绪状况，以便于基于该情绪状况调整乘车用户和/或司机的用户画像。进一步地，通过服务器控制终端启动音频设备实时收集乘车用户与司机的第一语音信息。

在具体的车辆位置信息和乘车用户位置信息核对过程中，还可以通过如下过程确定用户是否已经打到车或者上车，获取订单信息、实时车辆位置信息、实时乘车用户位置信息和订单信息中起点和目的地确定订单的状态。具体地，如果通过用户终端获得的实时位置信息，位于订单信息中起点和目的地之间，且实时位置距离起点第一预设距离之外，则认为用户打到车，比如用户的实时位置位于订单信息中起点和目的地之间，且实时位置距离起点1公里之外，则可以认为用户打到车或者用户已经上车。如果用户的实时位置与起点位置重叠或者位于第二距离之内，则认为用户处于等待状态，比如用户的实时位置位于距离起点100米的范围之内，则认为用户处于等待状态，如果用户的实时位置与目的地重叠或者位于距离目的地第三预设范围之内，则认为打车结束。

在前述的基础上，当用户上车之后，基于及时收集的乘车用户和司机的第一语音信息进行关键信息的提取，该关键信息主要用户进行情绪特征的分类，如司机与乘车用户交流过程中的关键字眼等。在本申请提供的实施例中，还包括了预设的乘车行程对话数据库，该数据库中包括了特定的文字、分贝以及语义等语音信息，将前述的关键信息分别与数据库中的语音信息进行匹配，基于匹配的结果进行综合分析确定司机和/或乘车用户的情绪特征，其中，情绪特征包括：平和、愤怒、暴躁、不配合、不屑以及特定的语义等等，其中情绪特征还包括不同的级别，例如愤怒分为1级、2级、3级，其中随着数字的增加，说明司机和/或乘车用户情绪越愤怒。为了能够实现对司机和/或乘车用户进行公平的评价，获取情绪特征与评价之间的关联关系，通过情绪特征查找该关联关系中对应的评价，确定乘车用户和/或司机的评价，并根据该评价调整乘车用户和/或司机的用户画像。例如，根据关键信息确定司机的情绪特征为愤怒1级，且基于对关键信息的语义匹配分析，确定是情绪特征主要是司机方的原因，则可以基于前述情绪特征将司机的用户画像评价参数调低，或者增加情绪特征和语音中的语义到司机的用户画像中。通过前述方法可以实现智能的对司机和/或用户画像的智能调整，提高了评价更新的时效性，且该评价更为客观公正，进而便于维护健康的网约车市场，提高用户体验，提高用户乘车过程的满意度。

可选地，所述提取所述第一语音信息中的关键信息，将所述关键信息与预设乘车行程对话数据库中的语音信息进行匹配，分别获得司机与乘车用户的情绪特征，包括：

对所述第一语音信息进行分类识别，分别获得司机的第一语音信息和乘车用户的第一语音信息；

分别从司机的第一语音信息和乘车用户的第一语音信息中提取出司机第一语音信息中的关键信息和乘车用户第一语音信息中的关键信息；

将两所述关键信息与预设对话数据库中的语音信息进行匹配，分别获得司机与乘车用户的所述情绪特征，所述关键信息包括语速、分贝、语义。

更进一步地，对所述第一语音信息进行分类识别，分别获得司机的第一语音信息和乘车用户的第一语音信息，包括：获取预置的本车辆的司机声音特征，根据司机声音特征对所述第一语音信息进行分类，因为每个车辆的司机是确定的，可预先录入司机的声音，提取司机声音特征；根据司机声音特征，先从第一语音信息识别出司机的第一语音信息，然后识别出乘车用户的第一语音信息。通过对第一语音信息的分类识别，便于基于两者的语音信息判断当前车内的状况，并进一步地区分出司机和乘车用户的情绪特征。在此基础上，则分别从司机的第一语音信息中提取出其中的关键信息，从乘车用户的语音信息中提取出其中的关键信息，之后将两关键信息分别与预设数据库中的语音信息进行匹配，则可以分别确定乘车用户和司机的情绪特征，如前所述关键信息包括语速、分贝、语义等，具体实现过程详见后文，在此不做赘述。

可选地，所述对所述第一语音信息进行分类识别，分别获得司机的第一语音信息和乘车用户的第一语音信息之后，包括：

对所述第一语音信息进行清洗，获得第二语音信息；

通过多层前馈神经网络对所述第二语音信息进行分类识别，获得司机的第二语音信息和乘车用户的第二语音信息。

为了能够更为清晰的区分出司机和乘车用户的语音，避免其他噪音影响两种声源的区分以及情绪特征的识别，在获取到司机和乘车用户的第一语音信息之后，也就是该第一语音信息中同时包括了司机和乘车用户的语音，对该第一语音信息进行清洗，去除其中的噪声，噪声来源包括其他车辆和人物的声音。具体的，可以基于声音的分贝以及声纹特征等去除，例如，车辆行驶和鸣笛的声音可以通过对声源进行识别或者与数据库的声源进行匹配，确定其为外界噪音，则将车辆行驶和鸣笛的声音去除。在其他的实施方式中，还可以通过如下方法进行噪音的去除，由于语音信息中够蕴含了能够辨证情绪的参数，所以对语音信息进行处理获得关键信息之前，需要对采集到的语音信息进行前期处理，减少计算量，提高情绪识别的准确性，如前述车辆形式和鸣笛等声音中可能包括了固定的声纹特征，则可以通过声纹特征确定语音的类别，进而对语音信息进行去噪。在本申请的实施例中，结合前述的过程，对第一语音信息进行预处理获得关键信息的过程中，为了能够使得语音信息的内容更为连贯准确，首先通过预设语音信息清洗规则对第一语音信息进行清洗，以获得第二语音信息。预设语音信息清洗规则包括对语音信息进行量化，然后通过预加重、加窗、分帧等对语音信息进行去噪等。具体的，处理过程为语音信息传入之后，基于预设的时间段和频率提取语音信息。并基于采样时电压值的变化，对语音信息进行量化，如按整个电压变化的最大幅度划分成几个区段，把落在某区段的采样到的样品值归成一类，并给出相应的量化值。之后对同一类中的语音信息进行预加重处理，去除语音信息中的噪声，之后，通过预设的函数对去除噪声之后的语音消息进行处理，并进行端点检测，以获得一段一段的连续完整的语音消息。

通过前述过程去除了噪音之后，通过多层前馈神经网络对所述第二语音信息进行分类识别，以便于能够针对司机的语音信息和乘车用户的语音信息进行关键信息的提取，便于更为清楚地确定两者的情绪变化。其中，多层前馈神经网络为bp神经网络，将整个第二语音信息输入bp神经网络中，bp神经网络算法就是以网络误差平方为目标函数、采用梯度下降法来计算不同目标函数的最小值，将同一目标函数的最小值可以确定为同一人的语音信息，进一步地，还可以基于bp神经网络结合声纹特征进行语音信息的分类识别，进而可以使得语音信息的分类更为准确，以便于之后能够准确地判断同一个人的情绪特征。

更进一步地，还可以通过bp神经网络实现情绪特征确定，具体的将关键信息中的语速、语义、分贝等输入bp神经网络，通过bp神经网络的运算，确定关键信息对应的预设对话数据库中的情绪特征，即通过bp神经网络结合预设对话数据库中的语音信息对关键信息进行分类，确定情绪特征，例如，乘车用户的关键信息中包括：语速较快、语义为乘车用户下车且乘车用户分贝较高；司机的关键信息中包括：语速平缓、语义中包括威胁性意义、分贝较高；通过bp神经网络结合预设对话数据库中的语音信息，确定乘车用户的情绪特征包括：愤怒3级，司机的情绪特征包括威胁2级。在预设对话数据库中包括了针对同一情绪不同语速、分贝的具体值，愤怒情绪包括了多个语速和分贝等，进而便于进行情绪特征精准分类，提高情绪特征分类的客观性。

可选地，所述分别从司机的第一语音信息和乘车用户的第一语音信息中提取出司机第一语音信息中的关键信息和乘车用户第一语音信息中的关键信息，包括：

通过梅尔倒谱系数运算规则从司机的所述第二语音信息和乘车用户的所述第二语音信息中提取出司机的所述关键信息和乘车用户的所述关键信息。

在前述的基础上，为了能够通过梅尔倒谱系数运算规则对第二语音信息进行处理以获得关键信息，具体为分别从司机的所述第二语音信息提取出关键信息和从乘车用户的所述第二语音信息提取出关键信息，其中，梅尔倒谱系数(mel-scalefrequencycepstralcoefficients，简称mfcc)是在mel标度频率域提取出来的倒谱参数。将第二语音信息通过快速傅里叶变换，之后求取频谱幅度的平方，在通过mel频率滤波器组和log对数能量计算以及dct求倒谱得到mfcc将第二语音信息通过快速傅里叶变换，之后求取频谱幅度的平方，在通过mel频率滤波器组和log对数能量计算以及dct求倒谱得到mfcc，具体过程可通过如下形式表示：

logx[k]＝log(mel-spectrum)。

在logx[k]上进行倒谱分析：

1)取对数：logx[k]＝logh[k]+loge[k]。

2)进行逆变换：x[k]＝h[k]+e[k]。

在mel频谱上面获得的倒谱系数h[k]就称为mel频率倒谱系数，简称mfcc。即可得到本申请实施例中的第二语音信息的关键信息。

可选地，所述基于所述情绪特征与评价之间的关联关系，调整司机和/或乘车用户的用户画像，包括：

获取所述情绪特征与评价的关联关系，基于司机的所述情绪特征确定司机的评价信息，依据乘车用户的所述情绪特征确定乘车用户的评价信息；

基于所述司机的所述评价信息调整司机的所述用户画像；和/或基于所述乘车用户的所述评价信息调整乘车用户的所述用户画像。

在前述的基础上，精准地识别出了用户的情绪特征之后，为了使得其他用户可以对司机或者司机对乘车用户进行评估，获取情绪特征与评价的关联关系，基于情绪特征查询该关联关系中对应的评价，获取到相关的评价之后，则对司机和/或乘车用户的用户画像进行调整，相应的，用户画像包括用户的个人信息、喜好、评价等，可以以雷达图形式显示，也可以以数据模块的形式显示，便于用户进行查看。司机的用户画像，作为司机考核和系统审核的参考，乘车用户的用户画像，作为系统用户分析参考。通过分析和归类司机画像和乘车用户画像，从而制定更合理的规则，提高服务质量。在前述过程之后，则可以基于预设时间段内的所述用户画像，开放对所述司机的激励策略或惩罚策略，如若司机的画像在一周内，服务态度特别差，扣10％的费用，态度特别好，奖励10％的费用。

可选地，所述获取所述情绪特征与评价的关联关系，基于司机的所述情绪特征确定司机的评价信息，依据乘车用户的所述情绪特征确定乘车用户的评价信息之后，包括：

若所述评价信息为报警危险，获取车辆的实时行程信息，依据所述评价信息和所述实时行程信息发送报警信息。

在前述的基础上，为了能够及时的保护乘车用户或者司机的安全，当评价信息确定属于危险级别时，则获取车辆的实时行程信息，基于该评价信息和实时行程信息发送报警信息，在评价信息中包括了对司机和/或乘车用户是否处于具有人身危险的环境中，当评价信息中包括人身危险的环境时，就可以获取车辆实时行程信息和评价信息进行报警，方便警方可以基于该行程信息和评价信息快速地进行人员解救，尽可能地降低司机和/或乘车用户受到的人身伤害。

本发明实施例还提供了一种车辆监控装置，在其中一种实施方式中，如图2所示，包括：语音信息收集模块100、情绪特征获得模块200、调整模块300：

语音信息收集模块100，用于获取实时的车辆位置信息和乘车用户位置信息，判断车辆位置和用户位置是否一致，当车辆位置和用户位置一致时，实时收集乘车用户与司机的第一语音信息；

情绪特征获得模块200，用于提取所述第一语音信息中的关键信息，将所述关键信息与预设乘车行程对话数据库中的语音信息进行匹配，分别获得司机与乘车用户的情绪特征；

调整模块300，用于基于所述情绪特征与评价之间的关联关系，调整司机和/或乘车用户的用户画像。

进一步地，如图2所示，本发明实施例中提供的一种车辆监控装置还包括：识别单元210，用于对所述第一语音信息进行分类识别，分别获得司机的第一语音信息和乘车用户的第一语音信息；提取单元220，用于分别从司机的第一语音信息和乘车用户的第一语音信息中提取出司机第一语音信息中的关键信息和乘车用户第一语音信息中的关键信息；匹配单元230，用于将两所述关键信息与预设对话数据库中的语音信息进行匹配，分别获得司机与乘车用户的所述情绪特征，所述关键信息包括语速、分贝、语义。清洗单元211，用于对所述第一语音信息进行清洗，获得第二语音信息；分类识别单元212，用于通过多层前馈神经网络对所述第二语音信息进行分类识别，获得司机的第二语音信息和乘车用户的第二语音信息。关键信息提取单元221，用于通过梅尔倒谱系数运算规则从司机的所述第二语音信息和乘车用户的所述第二语音信息中提取出司机的所述关键信息和乘车用户的所述关键信息。关联关系获取单元310，用于获取所述情绪特征与评价的关联关系，基于司机的所述情绪特征确定司机的评价信息，依据乘车用户的所述情绪特征确定乘车用户的评价信息；调整单元320，用于基于所述司机的所述评价信息调整司机的所述用户画像；和/或基于所述乘车用户的所述评价信息调整乘车用户的所述用户画像。报警模块410，用于若所述评价信息为报警危险，获取车辆的实时行程信息，依据所述评价信息和所述实时行程信息发送报警信息。控制单元110，用于控制终端启动音频设备实时收集乘车用户与司机的第一语音信息。

本发明实施例提供的一种车辆监控装置可以实现上述车辆监控方法的实施例，具体功能实现请参见方法实施例中的说明，在此不再赘述。

本发明实施例提供的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现任一项技术方案所述的车辆监控方法。其中，所述计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、cd-rom、和磁光盘)、rom(read-onlymemory，只读存储器)、ram(randomaccessmemory，随即存储器)、eprom(erasableprogrammableread-onlymemory，可擦写可编程只读存储器)、eeprom(electricallyerasableprogrammableread-onlymemory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，存储设备包括由设备(例如，计算机、手机)以能够读的形式存储或传输信息的任何介质，可以是只读存储器，磁盘或光盘等。

本发明实施例提供的一种计算机可读存储介质，可实现上述车辆监控方法的实施例，在本申请中对乘车用户和司机的语音信息进行收集，并整理归类，确定司机和/或乘车用户的情绪特征，基于该情绪特征确定司机和/或用户的态度以及对当前行程的满意度等，基于该满意度调整司机和/或乘车用户的用户画像，进而便于对整个行程进行监控，更便于保证乘车用户和/或司机的人身安全；本申请实施例提供的一种车辆监控方法，包括：获取实时的车辆位置信息和乘车用户位置信息，判断车辆位置和用户位置是否一致，当车辆位置和用户位置一致时，实时收集乘车用户与司机的第一语音信息；提取所述第一语音信息中的关键信息，将所述关键信息与预设乘车行程对话数据库中的语音信息进行匹配，分别获得司机与乘车用户的情绪特征；基于所述情绪特征与评价之间的关联关系，调整司机和/或乘车用户的用户画像。本申请提供的实施例主要应用于网约车平台中，在打车平台中，也可以基于司机的计费和计时在司机接收订单之后。当用于网约车平台中时，当司机接收乘车用户的乘车订单之后，则实时的获取车辆位置信息和乘车用户位置信息，以便于基于两者的位置信息能够实时核对车辆位置和用户位置是否一致，即判断用户是否上车，当车辆位置和用户位置一致时，则说明乘车用户已上车，为了保证司机和乘车用户的安全，确定用户上车之后，即刻启动音频设备实时的采集在整个乘车过程中乘车用户与司机语言交流，即乘车用户与司机的第一语音信息，以便于能够基于该语音信息判断用户和司机在整个行程中是否发生冲突，和/或基于该语音信息判断两者的情绪状况，以便于基于该情绪状况调整乘车用户和/或司机的用户画像。在具体的车辆位置信息和乘车用户位置信息核对过程中，还可以通过如下过程确定用户是否已经打到车或者上车，获取订单信息、实时车辆位置信息、实时乘车用户位置信息和订单信息中起点和目的地确定订单的状态。具体地，如果通过用户终端获得的实时位置信息，位于订单信息中起点和目的地之间，且实时位置距离起点第一预设距离之外，则认为用户打到车，比如用户的实时位置位于订单信息中起点和目的地之间，且实时位置距离起点1公里之外，则可以认为用户打到车或者用户已经上车。如果用户的实时位置与起点位置重叠或者位于第二距离之内，则认为用户处于等待状态，比如用户的实时位置位于距离起点100米的范围之内，则认为用户处于等待状态，如果用户的实时位置与目的地重叠或者位于距离目的地第三预设范围之内，则认为打车结束。在前述的基础上，当用户上车之后，基于及时收集的乘车用户和司机的第一语音信息进行关键信息的提取，该关键信息主要用户进行情绪特征的分类，如司机与乘车用户交流过程中的关键字眼等。在本申请提供的实施例中，还包括了预设的乘车行程对话数据库，该数据库中包括了特定的文字、分贝以及语义等语音信息，将前述的关键信息分别与数据库中的语音信息进行匹配，基于匹配的结果进行综合分析确定司机和/或乘车用户的情绪特征，其中，情绪特征包括：平和、愤怒、暴躁、不配合、不屑以及特定的语义等等，其中情绪特征还包括不同的级别，例如愤怒分为1级、2级、3级，其中随着数字的增加，说明司机和/或乘车用户情绪越愤怒。为了能够实现对司机和/或乘车用户进行公平的评价，获取情绪特征与评价之间的关联关系，通过情绪特征查找该关联关系中对应的评价，确定乘车用户和/或司机的评价，并根据该评价调整乘车用户和/或司机的用户画像。例如，根据关键信息确定司机的情绪特征为愤怒1级，且基于对关键信息的语义匹配分析，确定是情绪特征主要是司机方的原因，则可以基于前述情绪特征将司机的用户画像评价参数调低，或者增加情绪特征和语音中的语义到司机的用户画像中。通过前述方法可以实现智能的对司机和/或用户画像的智能调整，提高了评价更新的时效性，且该评价更为客观公正，进而便于维护健康的网约车市场，提高用户体验，提高用户乘车过程的满意度。

此外，在又一种实施例中，本发明还提供一种服务器，如图3所示，所述服务器处理器503、存储器505、输入单元507以及显示单元509等器件。本领域技术人员可以理解，图3示出的结构器件并不构成对所有服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件。存储器505可用于存储应用程序501以及各功能模块，处理器503运行存储在存储器505的应用程序501，从而执行设备的各种功能应用以及数据处理。存储器505可以是内存储器或外存储器，或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦写可编程rom(eeprom)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、zip盘、u盘、磁带等。本发明所公开的存储器包括但不限于这些类型的存储器。本发明所公开的存储器505只作为例子而非作为限定。

输入单元507用于接收信号的输入，以及用户输入的个人信息和相关的身体状况信息。输入单元507可包括触控面板以及其它输入设备。触控面板可收集客户在其上或附近的触摸操作(比如客户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并根据预先设定的程序驱动相应的连接装置；其它输入设备可以包括但不限于物理键盘、功能键(比如播放控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元509可用于显示客户输入的信息或提供给客户的信息以及计算机设备的各种菜单。显示单元509可采用液晶显示器、有机发光二极管等形式。处理器503是计算机设备的控制中心，利用各种接口和线路连接整个电脑的各个部分，通过运行或执行存储在存储器503内的软件程序和/或模块，以及调用存储在存储器内的数据，执行各种功能和处理数据。图3中所示的一个或多个处理器503能够执行、实现图2中所示的语音信息收集模块100的功能、情绪特征获得模块200的功能、调整模块300的功能、识别单元210的功能、提取单元220的功能、匹配单元230的功能、清洗单元211的功能、分类识别单元212的功能、关键信息提取单元221的功能、关联关系获取单元310的功能、调整单元320的功能、报警模块410的功能、控制单元110的功能。

在一种实施方式中，所述服务器包括一个或多个处理器503，以及一个或多个存储器505，一个或多个应用程序501，其中所述一个或多个应用程序501被存储在存储器505中并被配置为由所述一个或多个处理器503执行，所述一个或多个应用程序301配置用于执行以上实施例所述的车辆监控方法。

本发明实施例提供的一种服务器，可实现上述车辆监控方法的实施例，在本申请中对乘车用户和司机的语音信息进行收集，并整理归类，确定司机和/或乘车用户的情绪特征，基于该情绪特征确定司机和/或用户的态度以及对当前行程的满意度等，基于该满意度调整司机和/或乘车用户的用户画像，进而便于对整个行程进行监控，更便于保证乘车用户和/或司机的人身安全；本申请实施例提供的一种车辆监控方法，包括：获取实时的车辆位置信息和乘车用户位置信息，判断车辆位置和用户位置是否一致，当车辆位置和用户位置一致时，实时收集乘车用户与司机的第一语音信息；提取所述第一语音信息中的关键信息，将所述关键信息与预设乘车行程对话数据库中的语音信息进行匹配，分别获得司机与乘车用户的情绪特征；基于所述情绪特征与评价之间的关联关系，调整司机和/或乘车用户的用户画像。本申请提供的实施例主要应用于网约车平台中，在打车平台中，也可以基于司机的计费和计时在司机接收订单之后。当用于网约车平台中时，当司机接收乘车用户的乘车订单之后，则实时的获取车辆位置信息和乘车用户位置信息，以便于基于两者的位置信息能够实时核对车辆位置和用户位置是否一致，即判断用户是否上车，当车辆位置和用户位置一致时，则说明乘车用户已上车，为了保证司机和乘车用户的安全，确定用户上车之后，即刻启动音频设备实时的采集在整个乘车过程中乘车用户与司机语言交流，即乘车用户与司机的第一语音信息，以便于能够基于该语音信息判断用户和司机在整个行程中是否发生冲突，和/或基于该语音信息判断两者的情绪状况，以便于基于该情绪状况调整乘车用户和/或司机的用户画像。在具体的车辆位置信息和乘车用户位置信息核对过程中，还可以通过如下过程确定用户是否已经打到车或者上车，获取订单信息、实时车辆位置信息、实时乘车用户位置信息和订单信息中起点和目的地确定订单的状态。具体地，如果通过用户终端获得的实时位置信息，位于订单信息中起点和目的地之间，且实时位置距离起点第一预设距离之外，则认为用户打到车，比如用户的实时位置位于订单信息中起点和目的地之间，且实时位置距离起点1公里之外，则可以认为用户打到车或者用户已经上车。如果用户的实时位置与起点位置重叠或者位于第二距离之内，则认为用户处于等待状态，比如用户的实时位置位于距离起点100米的范围之内，则认为用户处于等待状态，如果用户的实时位置与目的地重叠或者位于距离目的地第三预设范围之内，则认为打车结束。在前述的基础上，当用户上车之后，基于及时收集的乘车用户和司机的第一语音信息进行关键信息的提取，该关键信息主要用户进行情绪特征的分类，如司机与乘车用户交流过程中的关键字眼等。在本申请提供的实施例中，还包括了预设的乘车行程对话数据库，该数据库中包括了特定的文字、分贝以及语义等语音信息，将前述的关键信息分别与数据库中的语音信息进行匹配，基于匹配的结果进行综合分析确定司机和/或乘车用户的情绪特征，其中，情绪特征包括：平和、愤怒、暴躁、不配合、不屑以及特定的语义等等，其中情绪特征还包括不同的级别，例如愤怒分为1级、2级、3级，其中随着数字的增加，说明司机和/或乘车用户情绪越愤怒。为了能够实现对司机和/或乘车用户进行公平的评价，获取情绪特征与评价之间的关联关系，通过情绪特征查找该关联关系中对应的评价，确定乘车用户和/或司机的评价，并根据该评价调整乘车用户和/或司机的用户画像。例如，根据关键信息确定司机的情绪特征为愤怒1级，且基于对关键信息的语义匹配分析，确定是情绪特征主要是司机方的原因，则可以基于前述情绪特征将司机的用户画像评价参数调低，或者增加情绪特征和语音中的语义到司机的用户画像中。通过前述方法可以实现智能的对司机和/或用户画像的智能调整，提高了评价更新的时效性，且该评价更为客观公正，进而便于维护健康的网约车市场，提高用户体验，提高用户乘车过程的满意度。

本发明实施例提供的服务器可以实现上述提供的车辆监控方法的实施例，具体功能实现请参见方法实施例中的说明，在此不再赘述。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。