审查作弊订单的方法及系统、终端设备、计算机设备与流程

本公开实施例涉及互联网约车技术领域，具体而言，涉及一种审查作弊订单的方法、一种审查作弊订单的系统、一种终端设备、一种计算机设备及一种计算机可读存储介质。

背景技术：

现在各大网约车公司和平台为了鼓励司机和乘客使用平台约车，培养用户习惯，常在司机和乘客完成订单后发送各类打车券、补贴和奖励等。一些作弊团伙为了获取平台的奖励和补贴，往往利用各种办法伪造订单。作弊订单(或虚假订单)存在很多情况，比如作弊者为了提高作弊效率，司机和乘客相互配合，预先约定乘客呼叫订单，司机接单后就直接开始行程，行驶一段距离后结束订单，然后通过累计一定量的订单满足平台条件就可以领取奖励和补贴。这类行为给平台造成极大损失，危害平台发展。

技术实现要素：

本公开实施例旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本公开实施例的一个目的在于，提出一种审查作弊订单的方法。

本公开实施例的另一个目的在于，提出一种审查作弊订单的系统。

本公开实施例的再一个目的在于，提出一种终端设备。

本公开实施例的又一个目的在于，提出一种计算机设备。

本公开实施例的还一个目的在于，提出一种计算机可读存储介质。

有鉴于此，根据本公开实施例的一个目的，提供了一种审查作弊订单的方法，包括：采集网约车订单在多个事件节点的节点信息；根据节点信息计算出多个数据组；判断数据组内的数据是否处于预设范围内，以确定数据组是否具备可达性；根据对多个数据组的可达性的判断结果确定网约车订单是否为作弊订单。

本公开实施例提供的审查作弊订单的方法，通过采集订单在多个事件节点的节点信息并加以计算，可得出一系列反映网约车订单的运行情况的数据，再对得到的数据进行分层次的判断，可以审查出网约车订单是否为作弊订单，进而免除相应的奖励和补贴，减少损失。一方面，许多终端用户为保护隐私拒绝后台采集实时定位信息，导致无法直接比较司机和乘客的轨迹是否一致；另一方面，在作弊过程中，司机的很多订单都是预先约定好的，但是并没有真实的载客行程，司机和乘客在时空上并不具有可达性，即从理论上来说，从订单中的一个事件节点位置无法在相应时间内到达另一个事件节点位置。本公开实施例提供的方法综合上述两方面因素，借助司机和乘客在执行订单操作的几个事件节点上传的节点信息对订单的运行情况进行分析，以判断网约车订单的行车数据是否满足可达性，再进一步统计这些行车数据的可达性，即可发现作弊订单，计算量小，审查结果可靠。

另外，根据本公开实施例提供的上述技术方案中的审查作弊订单的方法，还可以具有如下附加技术特征：

在上述技术方案中，优选地，每个节点信息包括事件名称、时刻、位置坐标；每个数据组包括时间差、距离值、速度值。

在该技术方案中，每个节点信息包括了事件名称，以便于维护人员核实信息，包括时刻和位置坐标(通常为gps位置)，可计算出数据组中的时间差和距离值，进而计算速度值，有助于反映订单行车情况。具体地，事件名称包括乘客呼叫订单，司机抢单，司机接到乘客，行程开始，行程结束，乘客支付，乘客评价等。

在上述任一技术方案中，优选地，根据节点信息计算出多个数据组包括：将多个节点信息按时间先后顺序排列，并将相邻两个节点信息组成一个节点信息组，对应于一个数据组；计算同组的节点信息的位置坐标之间的直线距离，作为对应的数据组的距离值；计算同组的节点信息的时刻之间的差值，作为对应的数据组的时间差；计算距离值和时间差的商，作为速度值。

在该技术方案中，具体限定了计算数据组的过程。首先将采集到的相邻时刻的节点信息组成一个节点信息组，一方面，相邻时刻的节点信息之间的距离相对较小，能够更真实地反映行车情况；另一方面，分成多组后，多事件互相依赖，伪造订单时序上容易出错，导致时空不可达，难以逃避侦查，从而提高了审查的准确性和识别度。再对节点信息组进行计算，可得到相应的数据组。

在上述任一技术方案中，优选地，判断数据组内的数据是否处于预设范围内，以确定数据组是否具备可达性包括：判断时间差是否大于预设时间差；若时间差大于预设时间差，则查询数据组对应的统计最大车速，并确定车速阈值，统计最大车速由当日实际路况统计而来；判断速度值是否小于或等于车速阈值，若判断结果为是，则判定当前数据组具备可达性；若时间差小于或等于预设时间差，则判断距离值是否小于或等于预设距离，若判断结果为是，则判定当前数据组具备可达性。

在该技术方案中，具体限定了确定数据组是否具备可达性的过程。鉴于在现实世界中，一定区域内的一段时间内，空间距离、交通复杂情况、天气情况等都会制约人从某一地点到另一个地点的最快速度和最短时间，可以利用全量的数据统计城市的行车的速度在城市的时间和空间的分布情况。如果在行驶过程中乘客和司机在各个时间段的速度超出城市的实际分布，那么这个订单并不具有现实的时空可达性。具体判断时，先判断时间差的大小，同时合理选取预设时间差，可将数据组分为两种情况分别进行审查，一种是行驶了一定路程的情况，如行程开始和行程结束对应的数据组，另一种是未行驶的情况，如司机接到乘客和行程开始对应的数据组。对于第一种情况，通过查询全量的城市行车速度统计结果，并将之与数据组中的速度值进行比较，即可判定数据组的可达性。对于第二种情况，可直接将距离值与预设距离进行比较，而无需查询统计结果，合理减少了系统的运算量。

在上述任一技术方案中，优选地，查询数据组对应的统计最大车速，并确定车速阈值包括：分别确定对应的两个节点信息的时刻所属的时间区间和位置坐标所在的地理区域；查询在时间区间和地理区域下的统计最大车速；判断两个节点信息对应的两个统计最大车速的差值是否小于或等于预设差值；若是，则将两个统计最大车速的平均值作为数据组的统计最大车速；若否，则将两个统计最大车速中的较大值作为数据组的统计最大车速；将数据组的统计最大车速按照预设比例增大后，作为车速阈值。

在该技术方案中，具体限定了确定车速阈值的过程。由于城市行车速度是按时间区间和地理区域进行统计的，即先将城市划分为多个地理区域，再统计每个地理区域在不同时间区间内的行车速度，该时间区间也是预先划分的，如划分出早晚高峰时段、日间时段、夜间时段，因此不同的节点信息可能属于不同的时间区间或不同的地理区域，为此，先找到两个节点信息各自对应的时间区间和地理区域，再查询相应的统计最大车速，继而确定出数据组的统计最大车速，当两个节点信息的统计最大车速相差不大时取其平均值，以准确反映真实交通分布，当相差较大时取较大者，以避免误判。对于确定下来的统计最大车速，继续将其放大预设比例，可抵消因定位误差造成的速度值偏大，从而避免误判，保证了用户的利益。

在上述任一技术方案中，优选地，根据对多个数据组的可达性的判断结果确定网约车订单是否为作弊订单包括：计算具备可达性的数据组在多个数据组中所占的比例，作为网约车订单的可达率；判断可达率是否小于或等于预设概率，若判断结果为是，则判定网约车订单为作弊订单。

在该技术方案中，具体限定了判断网约车订单是否为作弊订单的过程。首先统计对多个数据组的判断结果，再将统计得到的可达率与预设概率进行比较，得出审查结果。从不可达的角度看，当网约车订单的多个数据组中存在速度超出正常行车速度的情况时，就判定这个订单存在时空不可达的事件，当这类事件在订单中达到一定比例时(该比例与预设概率的和为1)，就认为这个订单是作弊订单。

在上述任一技术方案中，优选地，采集网约车订单在多个事件节点的节点信息具体执行为：从乘客终端和司机终端采集节点信息。

在该技术方案中，同时从乘客终端和司机终端采集节点信息，且不加区分，在后续的计算中就可得到乘客和司机的距离值和时间差、乘客在各个事件之间的距离值和时间差、司机在各个事件之间的距离值和时间差，从而得到多个数据组。由于使用了多种订单事件，各事件相互依赖，提高了作弊难度，易于侦查，确保了审查的准确性和识别度。

在上述任一技术方案中，优选地，在根据对多个数据组的可达性的判断结果确定网约车订单是否为作弊订单之前还包括：判断是否已确定所有数据组的可达性；若判断结果为是，则执行根据对多个数据组的可达性的判断结果确定网约车订单是否为作弊订单；若判断结果为否，则执行判断数据组内的数据是否处于预设范围内，以确定数据组是否具备可达性。

在该技术方案中，通过确认是否遍历了所有的数据组，可以保证审查的全面性，从而提高了准确性。

在上述任一技术方案中，优选地，节点信息的数量为至少三个。

在该技术方案中，将节点信息的数量限定为至少三个，由于数据组的数量比节点信息少一个，则数据组的数量为至少两个，可以避免仅凭一个数据组就认定网约车订单性质的情况，提高了采样标准，保证了审查结果的可靠性。

根据本公开实施例的另一个目的，提供了一种审查作弊订单的系统，包括：采集模块，用于采集网约车订单在多个事件节点的节点信息；计算模块，用于根据节点信息计算出多个数据组；第一判断模块，用于判断数据组内的数据是否处于预设范围内，以确定数据组是否具备可达性；第二判断模块，用于根据对多个数据组的可达性的判断结果确定网约车订单是否为作弊订单。

本公开实施例提供的审查作弊订单的系统，利用采集模块和计算模块可得出一系列反映网约车订单的运行情况的数据，第一判断模块和第二判断模块对得到的数据进行分层次的判断，可以审查出网约车订单是否为作弊订单，进而免除相应的奖励和补贴，减少损失。一方面，许多终端用户为保护隐私拒绝后台采集实时定位信息，导致无法直接比较司机和乘客的轨迹是否一致；另一方面，在作弊过程中，司机的很多订单都是预先约定好的，但是并没有真实的载客行程，司机和乘客在时空并不具有可达性，即从理论上来说，从订单中的一个事件节点位置无法在相应时间内到达另一个事件节点位置。本公开实施例提供的系统综合上述两方面因素，借助司机和乘客在执行订单操作的几个事件节点上传的节点信息对订单的运行情况进行分析，以判断网约车订单的行车数据是否满足可达性，再进一步统计这些行车数据的可达性，即可发现作弊订单，计算量小，审查结果可靠。

在上述技术方案中，优选地，每个节点信息包括事件名称、时刻、位置坐标；每个数据组包括时间差、距离值、速度值。

在该技术方案中，每个节点信息包括了事件名称，以便于维护人员核实信息，包括时刻和位置坐标(通常为gps位置)，可计算出数据组中的时间差和距离值，进而计算速度值，有助于反映订单行车情况。具体地，事件名称包括乘客呼叫订单，司机抢单，司机接到乘客，行程开始，行程结束，乘客支付，乘客评价等。

在上述任一技术方案中，优选地，计算模块包括：分组单元，用于将多个节点信息按时间先后顺序排列，并将相邻两个节点信息组成一个节点信息组，对应于一个数据组；第一计算单元，用于计算同组的节点信息的位置坐标之间的直线距离，作为对应的数据组的距离值；第二计算单元，用于计算同组的节点信息的时刻之间的差值，作为对应的数据组的时间差；第三计算单元，用于计算距离值和时间差的商，作为速度值。

在该技术方案中，具体限定了计算模块的组成。分组单元将采集到的相邻时刻的节点信息组成一个节点信息组，一方面，相邻时刻的节点信息之间的距离相对较小，能够更真实地反映行车情况；另一方面，分成多组后，多事件互相依赖，伪造订单时序上容易出错，导致时空不可达，难以逃避侦查，从而提高了审查的准确性和识别度。再由第一计算单元、第二计算单元和第三计算单元对节点信息组进行计算，可得到相应的数据组。

在上述任一技术方案中，优选地，第一判断模块包括：第一判断单元，用于判断时间差是否大于预设时间差；查定单元，用于在第一判断单元的判断结果为是时，查询数据组对应的统计最大车速，并确定车速阈值，统计最大车速由当日实际路况统计而来；第二判断单元，用于判断速度值是否小于或等于车速阈值，若判断结果为是，则判定当前数据组具备可达性；第三判断单元，用于在第一判断单元的判断结果为否时，判断距离值是否小于或等于预设距离，若判断结果为是，则判定当前数据组具备可达性。

在该技术方案中，具体限定了第一判断模块的组成。鉴于在现实世界中，一定区域内的一段时间内，空间距离、交通复杂情况、天气情况等都会制约人从某一地点到另一个地点的最快速度和最短时间，可以利用全量的数据统计城市的行车的速度在城市的时间和空间的分布情况。如果在行驶过程中乘客和司机在各个时间段的速度超出城市的实际分布，那么这个订单并不具有现实的时空可达性。具体判断时，先通过第一判断单元判断时间差的大小，同时合理选取预设时间差，可将数据组分为两种情况分别进行审查，一种是行驶了一定路程的情况，如行程开始和行程结束对应的数据组，另一种是未行驶的情况，如司机接到乘客和行程开始对应的数据组。对于第一种情况，通过查定单元查询全量的城市行车速度统计结果，并由第二判断单元将之与数据组中的速度值进行比较，即可判定数据组的可达性。对于第二种情况，可由第三判断单元直接将距离值与预设距离进行比较，而无需涉及查定单元，合理减少了系统的运算量。

在上述任一技术方案中，优选地，查定单元包括：第一确定单元，用于分别确定对应的两个节点信息的时刻所属的时间区间和位置坐标所在的地理区域；查询单元，用于查询在时间区间和地理区域下的统计最大车速；第四判断单元，用于判断两个节点信息对应的两个统计最大车速的差值是否小于或等于预设差值；第二确定单元，用于在第四判断单元的判断结果为是时，将两个统计最大车速的平均值作为数据组的统计最大车速；第三确定单元，用于在第四判断单元的判断结果为否时，将两个统计最大车速中的较大值作为数据组的统计最大车速；第四确定单元，用于将数据组的统计最大车速按照预设比例增大后，作为车速阈值。

在该技术方案中，具体限定了查定单元的组成。由于城市行车速度是按时间区间和地理区域进行统计的，即先将城市划分为多个地理区域，再统计每个地理区域在不同时间区间内的行车速度，该时间区间也是预先划分的，如划分出早晚高峰时段、日间时段、夜间时段，因此不同的节点信息可能属于不同的时间区间或不同的地理区域，为此，先由第一确定单元找到两个节点信息各自对应的时间区间和地理区域，再由查询单元查询相应的统计最大车速，继而通过第四判断单元、第二确定单元和第三确定单元确定出数据组的统计最大车速，即当两个节点信息的统计最大车速相差不大时取其平均值，以准确反映真实交通分布，当相差较大时取较大者，以避免误判。对于确定下来的统计最大车速，第四确定单元将其放大预设比例，可抵消因定位误差造成的速度值偏大，从而避免误判，保证了用户的利益。

在上述任一技术方案中，优选地，第二判断模块包括：第四计算单元，用于计算具备可达性的数据组在多个数据组中所占的比例，作为网约车订单的可达率；第四判断单元，用于判断可达率是否小于或等于预设概率，若判断结果为是，则判定网约车订单为作弊订单。

在该技术方案中，具体限定了第二判断模块的组成。第四计算单元统计第一判断模块对多个数据组的判断结果，第四判断单元再将统计得到的可达率与预设概率进行比较，得出审查结果。从不可达的角度看，当网约车订单的多个数据组中存在速度超出正常行车速度的情况时，就判定这个订单存在时空不可达的事件，当这类事件在订单中达到一定比例时(该比例与预设概率的和为1)，就认为这个订单是作弊订单。

在上述任一技术方案中，优选地，采集模块具体执行为：从乘客终端和司机终端采集节点信息。

在该技术方案中，采集模块同时从乘客终端和司机终端采集节点信息，且不加区分，在后续的共同计算中就可得到乘客和司机的距离值和时间差、乘客在各个事件之间的距离值和时间差、司机在各个事件之间的距离值和时间差，从而得到多个数据组。由于使用了多种订单事件，各事件相互依赖，提高了作弊难度，易于侦查，确保了审查的准确性和识别度。

在上述任一技术方案中，优选地，还包括：第三判断模块，用于判断是否已确定所有数据组的可达性，若判断结果为是，则激活第二判断模块，若判断结果为否，则激活第一判断模块。

在该技术方案中，通过增设第三判断模块，以确认是否遍历了所有的数据组，可以保证审查的全面性，从而提高了准确性。

在上述任一技术方案中，优选地，节点信息的数量为至少三个。

在该技术方案中，将节点信息的数量限定为至少三个，由于数据组的数量比节点信息少一个，则数据组的数量为至少两个，可以避免仅凭一个数据组就认定网约车订单性质的情况，提高了采样标准，保证了审查结果的可靠性。

根据本公开实施例的再一个目的，提供了一种终端设备，包括：如上述任一技术方案所述的审查作弊订单的系统。

本公开实施例提供的终端设备，包括了上述任一技术方案所述的审查作弊订单的系统，因而具备上述审查作弊订单的系统的全部有益技术效果，在此不再赘述。

根据本公开实施例的又一个目的，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述任一技术方案所述的方法的步骤。

本公开实施例提供的计算机设备，处理器在执行存储器上存储的计算机程序时，可实现上述任一技术方案所述的方法的步骤，因而具有上述审查作弊订单的方法的全部有益技术效果，在此不再赘述。

根据本公开实施例的还一个目的，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一技术方案所述的方法的步骤。

本公开实施例提供的计算机可读存储介质，其上存储的计算机程序被处理器执行时可实现上述任一技术方案所述的方法的步骤，因而具有上述审查作弊订单的方法的全部有益技术效果，在此不再赘述。

本公开实施例的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开实施例的实践了解到。

附图说明

本公开实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1示出了根据本公开实施例的第一个实施例的审查作弊订单的方法的示意流程图；

图2示出了根据本公开实施例的第一个实施例的数据组计算过程的示意流程图；

图3示出了根据本公开实施例的第一个实施例的确定数据组可达性的过程的示意流程图；

图4示出了根据本公开实施例的第一个实施例的确定车速阈值的过程的示意流程图；

图5示出了根据本公开实施例的第一个实施例的判定作弊订单的过程的示意流程图；

图6示出了根据本公开实施例的第二个实施例的审查作弊订单的方法的示意流程图；

图7示出了根据本公开实施例的一个具体实施例的审查作弊订单的方法的示意流程图；

图8示出了根据本公开实施例的第一个实施例的审查作弊订单的系统的示意框图；

图9示出了根据本公开实施例的第二个实施例的审查作弊订单的系统的示意框图；

图10示出了根据本公开实施例的第三个实施例的审查作弊订单的系统的示意框图；

图11示出了根据本公开实施例的第四个实施例的审查作弊订单的系统的示意框图；

图12示出了根据本公开实施例的第五个实施例的审查作弊订单的系统的示意框图；

图13示出了根据本公开实施例的第六个实施例的审查作弊订单的系统的示意框图；

图14示出了根据本公开实施例的一个实施例的终端设备的示意框图；

图15示出了根据本公开实施例的一个实施例的计算机设备的结构示意图。

具体实施方式

为了能够更清楚地理解本公开实施例的上述目的、特征和优点，下面结合附图和具体实施方式对本公开实施例进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本公开实施例，但是，本公开实施例还可以采用其他不同于在此描述的其他方式来实施，因此，本公开实施例的保护范围并不受下面公开的具体实施例的限制。

图1示出了根据本公开实施例的第一个实施例的审查作弊订单的方法100的示意流程图，如图1所示，该审查作弊订单的方法100包括：

步骤s102，采集网约车订单在多个事件节点的节点信息；

步骤s104，根据节点信息计算出多个数据组；

步骤s106，判断数据组内的数据是否处于预设范围内，以确定数据组是否具备可达性；

步骤s108，根据对多个数据组的可达性的判断结果确定网约车订单是否为作弊订单。

本公开实施例提供的审查作弊订单的方法100，通过采集订单在多个事件节点的节点信息并加以计算，可得出一系列反映网约车订单的运行情况的数据，再对得到的数据进行分层次的判断，可以审查出网约车订单是否为作弊订单，进而免除相应的奖励和补贴，减少损失。一方面，许多终端用户为保护隐私拒绝后台采集实时定位信息，导致无法直接比较司机和乘客的轨迹是否一致；另一方面，在作弊过程中，司机的很多订单都是预先约定好的，但是并没有真实的载客行程，司机和乘客在时空并不具有可达性，即从理论上来说，从订单中的一个事件节点位置无法在相应时间内到达另一个事件节点位置。本公开实施例提供的方法综合上述两方面因素，借助司机和乘客在执行订单操作的几个事件节点上传的节点信息对订单的运行情况进行分析，以判断网约车订单的行车数据是否满足可达性，再进一步统计这些行车数据的可达性，即可发现作弊订单，计算量小，审查结果可靠。

在本公开实施例的一个实施例中，优选地，每个节点信息包括事件名称、时刻、位置坐标；每个数据组包括时间差、距离值、速度值。

在该实施例中，每个节点信息包括了事件名称，以便于维护人员核实信息，包括时刻和位置坐标(通常为gps位置)，可计算出数据组中的时间差和距离值，进而计算速度值，有助于反映订单行车情况。具体地，事件名称包括乘客呼叫订单，司机抢单，司机接到乘客，行程开始，行程结束，乘客支付，乘客评价等。

在图1所示的实施例中，具体地，计算数据组的过程如图2所示，包括：

步骤s202，将多个节点信息按时间先后顺序排列，并将相邻两个节点信息组成一个节点信息组，对应于一个数据组；

步骤s204，计算同组的节点信息的位置坐标之间的直线距离，作为对应的数据组的距离值；

步骤s206，计算同组的节点信息的时刻之间的差值，作为对应的数据组的时间差；

步骤s208，计算距离值和时间差的商，作为速度值。

在该实施例中，具体限定了计算数据组的过程。首先将采集到的相邻时刻的节点信息组成一个节点信息组，一方面，相邻时刻的节点信息之间的距离相对较小，能够更真实地反映行车情况；另一方面，分成多组后，多事件互相依赖，伪造订单时序上容易出错，导致时空不可达，难以逃避侦查，从而提高了审查的准确性和识别度。再对节点信息组进行计算，可得到相应的数据组。

在图1所示的实施例中，具体地，确定数据组是否具备可达性的过程如图3所示，包括：

步骤s302，判断时间差是否大于预设时间差，若是，则转到步骤s304，若否，则转到步骤s308；

步骤s304，查询数据组对应的统计最大车速，并确定车速阈值，统计最大车速由当日实际路况统计而来；

步骤s306，判断速度值是否小于或等于车速阈值，若是，则转到步骤s310，若否，则转到步骤s312；

步骤s308，判断距离值是否小于或等于预设距离，若是，则转到步骤s310，若否，则转到步骤s312；

步骤s310，判定当前数据组具备可达性；

步骤s312，判定当前数据组不具备可达性。

在该实施例中，具体限定了确定数据组是否具备可达性的过程。鉴于在现实世界中，一定区域内的一段时间内，空间距离、交通复杂情况、天气情况等都会制约人从某一地点到另一个地点的最快速度和最短时间，可以利用全量的数据统计城市的行车的速度在城市的时间和空间的分布情况。如果在行驶过程中乘客和司机在各个时间段的速度超出城市的实际分布，那么这个订单并不具有现实的时空可达性。具体判断时，先判断时间差的大小，同时合理选取预设时间差，可将数据组分为两种情况分别进行审查，一种是行驶了一定路程的情况，如行程开始和行程结束对应的数据组，另一种是未行驶的情况，如司机接到乘客和行程开始对应的数据组。对于第一种情况，通过查询全量的城市行车速度统计结果，并将之与数据组中的速度值进行比较，即可判定数据组的可达性。对于第二种情况，可直接将距离值与预设距离进行比较，而无需查询统计结果，合理减少了系统的运算量。

在图3所示的实施例中，具体地，确定车速阈值的过程如图4所示，包括：

步骤s402，分别确定对应的两个节点信息的时刻所属的时间区间和位置坐标所在的地理区域；

步骤s404，查询在时间区间和地理区域下的统计最大车速；

步骤s406，判断两个节点信息对应的两个统计最大车速的差值是否小于或等于预设差值，若是，则转到步骤s408，若否，则转到步骤s410；

步骤s408，将两个统计最大车速的平均值作为数据组的统计最大车速；

步骤s410，将两个统计最大车速中的较大值作为数据组的统计最大车速；

步骤s412，将数据组的统计最大车速按照预设比例增大后，作为车速阈值。

在该实施例中，具体限定了确定车速阈值的过程。由于城市行车速度是按时间区间和地理区域进行统计的，即先将城市划分为多个地理区域，再统计每个地理区域在不同时间区间内的行车速度，该时间区间也是预先划分的，如划分出早晚高峰时段、日间时段、夜间时段，因此不同的节点信息可能属于不同的时间区间或不同的地理区域，为此，先找到两个节点信息各自对应的时间区间和地理区域，再查询相应的统计最大车速，继而确定出数据组的统计最大车速，当两个节点信息的统计最大车速相差不大时取其平均值，以准确反映真实交通分布，当相差较大时取较大者，以避免误判。对于确定下来的统计最大车速，继续将其放大预设比例，可抵消因定位误差造成的速度值偏大，从而避免误判，保证了用户的利益。可选地，预设比例为20％。

在图1所示的实施例中，具体地，判断网约车订单是否为作弊订单的过程如图5所示，包括：

s502，计算具备可达性的数据组在多个数据组中所占的比例，作为网约车订单的可达率；

s504，判断可达率是否小于或等于预设概率，若是，则转到步骤s506，若否，则转到步骤s508；

步骤s506，判定网约车订单为作弊订单；

步骤s508，判定网约车订单不是作弊订单。

在该实施例中，具体限定了判断网约车订单是否为作弊订单的过程。首先统计对多个数据组的判断结果，再将统计得到的可达率与预设概率进行比较，得出审查结果。从不可达的角度看，当网约车订单的多个数据组中存在速度超出正常行车速度的情况时，就判定这个订单存在时空不可达的事件，当这类事件在订单中达到一定比例时(该比例与预设概率的和为1)，就认为这个订单是作弊订单。具体地，预设概率为80％。

在本公开实施例的一个实施例中，优选地，采集网约车订单在多个事件节点的节点信息具体执行为：从乘客终端和司机终端采集节点信息。

在该实施例中，同时从乘客终端和司机终端采集节点信息，且不加区分，在后续的计算中就可得到乘客和司机的距离值和时间差、乘客在各个事件之间的距离值和时间差、司机在各个事件之间的距离值和时间差，从而得到多个数据组。由于使用了多种订单事件，各事件相互依赖，提高了作弊难度，易于侦查，确保了审查的准确性和识别度。

图6示出了根据本公开实施例的第二个实施例的审查作弊订单的方法600的示意流程图，如图6所示，该审查作弊订单的方法600，包括：

步骤s602，采集网约车订单在多个事件节点的节点信息；

步骤s604，根据节点信息计算出多个数据组；

步骤s606，判断数据组内的数据是否处于预设范围内，以确定数据组是否具备可达性；

步骤s608，判断是否已确定所有数据组的可达性，若是，则转到s610，若否，则转到步骤s606；

步骤s610，根据对多个数据组的可达性的判断结果确定网约车订单是否为作弊订单。

在该实施例中，通过确认是否遍历了所有的数据组，可以保证审查的全面性，从而提高了准确性。

在本公开实施例的一个实施例中，优选地，节点信息的数量为至少三个。

在该实施例中，将节点信息的数量限定为至少三个，由于数据组的数量比节点信息少一个，则数据组的数量为至少两个，可以避免仅凭一个数据组就认定网约车订单性质的情况，提高了采样标准，保证了审查结果的可靠性。

接下来以两个具体实施例对本公开实施例的审查作弊订单的方法进行说明：

如图7所示，具体实施例一的审查作弊订单的方法700包括：

步骤s702，从网约车订单的乘客终端和司机终端采集在多个事件节点的节点信息，每个节点信息包括事件名称、时刻、位置坐标，按时间顺序排列分别为f[0]、f[1]、……、f[n]；

步骤s704，定义变量n＝0，m＝0；

步骤s706，由相邻时刻的两个节点信息f[n]和f[n+1]，计算出一个数据组f[n]，数据组f[n]中包括时间差δt、距离值s、速度值v；

步骤s708，判断是否满足δt>t，其中t为预设时间差，若是，则转到步骤s710，若否，则转到步骤s722；

步骤s710，查询f[n]对应的统计最大车速v1和f[n+1]对应的统计最大车速v2；

步骤s712，判断是否满足|v1-v2|≤δv，其中δv为预设差值，若是，则转到步骤s714，若否，则转到步骤s716；

步骤s714，数据组f[n]的统计最大车速v3＝(v1+v2)/2；

步骤s716，数据组f[n]的统计最大车速v3＝max{v1，v2}；

步骤s718，车速阈值v＝(1+k)v3，其中k为预设比例；

步骤s720，判断是否满足v≤v，若是，则转到步骤s724，若否，则转到步骤s726；

步骤s722，判断是否满足s≤s，其中s为预设距离，若是，则转到步骤s724，若否，则转到步骤s726；

步骤s724，n增加1，m增加1；

步骤s726，n增加1；

步骤s728，判断是否满足n<n，若是，则转到步骤s706，若否，则转到步骤s730；

步骤s730，计算网约车订单的可达率p＝m/n；

步骤s732，判断是否满足p≤p，若是，则转到步骤s734，若否，则转到步骤s736；

步骤s734，判定网约车订单为作弊订单；

步骤s736，判定网约车订单不是作弊订单。

具体实施例一每计算出一个数据组就对其可达性进行判定，在具体实施例二中，则先计算出所有数据组，再对这些数据组逐个进行判定，其详细步骤在此不再赘述。

图8示出了根据本公开实施例的第一个实施例的审查作弊订单的系统800的示意框图，如图8所示，该审查作弊订单的系统800包括：

采集模块802，用于采集网约车订单在多个事件节点的节点信息；

计算模块804，用于根据节点信息计算出多个数据组；

第一判断模块806，用于判断数据组内的数据是否处于预设范围内，以确定数据组是否具备可达性；

第二判断模块808，用于根据对多个数据组的可达性的判断结果确定网约车订单是否为作弊订单。

本公开实施例提供的审查作弊订单的系统800，利用采集模块802和计算模块804可得出一系列反映网约车订单的运行情况的数据，第一判断模块806和第二判断模块808对得到的数据进行分层次的判断，可以审查出网约车订单是否为作弊订单，进而免除相应的奖励和补贴，减少损失。一方面，许多终端用户为保护隐私拒绝后台采集实时定位信息，导致无法直接比较司机和乘客的轨迹是否一致；另一方面，在作弊过程中，司机的很多订单都是预先约定好的，但是并没有真实的载客行程，司机和乘客在时空并不具有可达性，即从理论上来说，从订单中的一个事件节点位置无法在相应时间内到达另一个事件节点位置。本公开实施例提供的系统综合上述两方面因素，借助司机和乘客在执行订单操作的几个事件节点上传的节点信息对订单的运行情况进行分析，以判断网约车订单的行车数据是否满足可达性，再进一步统计这些行车数据的可达性，即可发现作弊订单，计算量小，审查结果可靠。具体地，采集模块802与通信装置相连接。

在本公开实施例的一个实施例中，优选地，每个节点信息包括事件名称、时刻、位置坐标；每个数据组包括时间差、距离值、速度值。

在该实施例中，每个节点信息包括了事件名称，以便于维护人员核实信息，包括时刻和位置坐标(通常为gps位置)，可计算出数据组中的时间差和距离值，进而计算速度值，有助于反映订单行车情况。具体地，事件名称包括乘客呼叫订单，司机抢单，司机接到乘客，行程开始，行程结束，乘客支付，乘客评价等。

图9示出了根据本公开实施例的第二个实施例的审查作弊订单的系统900的示意框图，如图9所示，该审查作弊订单的系统900包括：

采集模块902，用于采集网约车订单在多个事件节点的节点信息；

计算模块904，用于根据节点信息计算出多个数据组，包括：

分组单元9042，用于将多个节点信息按时间先后顺序排列，并将相邻两个节点信息组成一个节点信息组，对应于一个数据组；

第一计算单元9044，用于计算同组的节点信息的位置坐标之间的直线距离，作为对应的数据组的距离值；

第二计算单元9046，用于计算同组的节点信息的时刻之间的差值，作为对应的数据组的时间差；

第三计算单元9048，用于计算距离值和时间差的商，作为速度值；

第一判断模块906，用于判断数据组内的数据是否处于预设范围内，以确定数据组是否具备可达性；

第二判断模块908，用于根据对多个数据组的可达性的判断结果确定网约车订单是否为作弊订单。

在该实施例中，具体限定了计算模块904的组成。分组单元9042将采集到的相邻时刻的节点信息组成一个节点信息组，一方面，相邻时刻的节点信息之间的距离相对较小，能够更真实地反映行车情况；另一方面，分成多组后，多事件互相依赖，伪造订单时序上容易出错，导致时空不可达，难以逃避侦查，从而提高了审查的准确性和识别度。再由第一计算单元9044、第二计算单元9046和第三计算单元9048对节点信息组进行计算，可得到相应的数据组。具体地，第一计算单元9044、第二计算单元9046和第三计算单元9048为同一计算单元。

图10示出了根据本公开实施例的第三个实施例的审查作弊订单的系统1000的示意框图，如图10所示，该审查作弊订单的系统1000包括：

采集模块102，用于采集网约车订单在多个事件节点的节点信息；

计算模块104，用于根据节点信息计算出多个数据组；

第一判断模块106，用于判断数据组内的数据是否处于预设范围内，以确定数据组是否具备可达性，包括：

第一判断单元1062，用于判断时间差是否大于预设时间差；

查定单元1064，用于在第一判断单元1062的判断结果为是时，查询数据组对应的统计最大车速，并确定车速阈值，统计最大车速由当日实际路况统计而来；

第二判断单元1066，用于判断速度值是否小于或等于车速阈值，若判断结果为是，则判定当前数据组具备可达性；

第三判断单元1068，用于在第一判断单元1062的判断结果为否时，判断距离值是否小于或等于预设距离，若判断结果为是，则判定当前数据组具备可达性；

第二判断模块108，用于根据对多个数据组的可达性的判断结果确定网约车订单是否为作弊订单。

在该实施例中，具体限定了第一判断模块106的组成。鉴于在现实世界中，一定区域内的一段时间内，空间距离、交通复杂情况、天气情况等都会制约人从某一地点到另一个地点的最快速度和最短时间，可以利用全量的数据统计城市的行车的速度在城市的时间和空间的分布情况。如果在行驶过程中乘客和司机在各个时间段的速度超出城市的实际分布，那么这个订单并不具有现实的时空可达性。具体判断时，先通过第一判断单元1062判断时间差的大小，同时合理选取预设时间差，可将数据组分为两种情况分别进行审查，一种是行驶了一定路程的情况，如行程开始和行程结束对应的数据组，另一种是未行驶的情况，如司机接到乘客和行程开始对应的数据组。对于第一种情况，通过查定单元1064查询全量的城市行车速度统计结果，并由第二判断单元1066将之与数据组中的速度值进行比较，即可判定数据组的可达性。对于第二种情况，可由第三判断单元1068直接将距离值与预设距离进行比较，而无需涉及查定单元1064，合理减少了系统的运算量。具体地，第一判断单元1062、第二判断单元1066和第三判断单元1068为同一判断单元。

图11示出了根据本公开实施例的第四个实施例的审查作弊订单的系统1100的示意框图，如图11所示，该审查作弊订单的系统1100包括：

采集模块112，用于采集网约车订单在多个事件节点的节点信息；

计算模块114，用于根据节点信息计算出多个数据组；

第一判断模块116，用于判断数据组内的数据是否处于预设范围内，以确定数据组是否具备可达性，包括：

第一判断单元1162，用于判断时间差是否大于预设时间差；

查定单元1164，用于在第一判断单元1162的判断结果为是时，查询数据组对应的统计最大车速，并确定车速阈值，统计最大车速由当日实际路况统计而来，包括：

第一确定单元116402，用于分别确定对应的两个节点信息的时刻所属的时间区间和位置坐标所在的地理区域；

查询单元116404，用于查询在时间区间和地理区域下的统计最大车速；

第四判断单元116406，用于判断两个节点信息对应的两个统计最大车速的差值是否小于或等于预设差值；

第二确定单元116408，用于在第四判断单元116406的判断结果为是时，将两个统计最大车速的平均值作为数据组的统计最大车速；

第三确定单元116410，用于在第四判断单元116406的判断结果为否时，将两个统计最大车速中的较大值作为数据组的统计最大车速；

第四确定单元116412，用于将数据组的统计最大车速按照预设比例增大后，作为车速阈值；

第二判断单元1166，用于判断速度值是否小于或等于车速阈值，若判断结果为是，则判定当前数据组具备可达性；

第三判断单元1168，用于在第一判断单元1162的判断结果为否时，判断距离值是否小于或等于预设距离，若判断结果为是，则判定当前数据组具备可达性；

第二判断模块118，用于根据对多个数据组的可达性的判断结果确定网约车订单是否为作弊订单。

在该实施例中，具体限定了查定单元1164的组成。由于城市行车速度是按时间区间和地理区域进行统计的，即先将城市划分为多个地理区域，再统计每个地理区域在不同时间区间内的行车速度，该时间区间也是预先划分的，如划分出早晚高峰时段、日间时段、夜间时段，因此不同的节点信息可能属于不同的时间区间或不同的地理区域，为此，先由第一确定单元116402找到两个节点信息各自对应的时间区间和地理区域，再由查询单元116404查询相应的统计最大车速，继而通过第四判断单元116406、第二确定单元116408和第三确定单元116410确定出数据组的统计最大车速，即当两个节点信息的统计最大车速相差不大时取其平均值，以准确反映真实交通分布，当相差较大时取较大者，以避免误判。对于确定下来的统计最大车速，第四确定单元116412将其放大预设比例，可抵消因定位误差造成的速度值偏大，从而避免误判，保证了用户的利益。可选地，预设比例为20％。具体地，第一确定单元116402、第二确定单元116408、第三确定单元116410和第四确定单元116412为同一确定单元。

图12示出了根据本公开实施例的第五个实施例的审查作弊订单的系统1200的示意框图，如图12所示，该审查作弊订单的系统1200包括：

采集模块122，用于采集网约车订单在多个事件节点的节点信息；

计算模块124，用于根据节点信息计算出多个数据组；

第一判断模块126，用于判断数据组内的数据是否处于预设范围内，以确定数据组是否具备可达性；

第二判断模块128，用于根据对多个数据组的可达性的判断结果确定网约车订单是否为作弊订单，包括：

第四计算单元1282，用于计算具备可达性的数据组在多个数据组中所占的比例，作为网约车订单的可达率；

第四判断单元1284，用于判断可达率是否小于或等于预设概率，若判断结果为是，则判定网约车订单为作弊订单。

在该实施例中，具体限定了第二判断模块128的组成。第四计算单元1282统计第一判断模块126对多个数据组的判断结果，第四判断单元1284再将统计得到的可达率与预设概率进行比较，得出审查结果。从不可达的角度看，当网约车订单的多个数据组中存在速度超出正常行车速度的情况时，就判定这个订单存在时空不可达的事件，当这类事件在订单中达到一定比例时(该比例与预设概率的和为1)，就认为这个订单是作弊订单。具体地，预设概率为80％。

在本公开实施例的一个实施例中，优选地，采集模块具体执行为：从乘客终端和司机终端采集节点信息。

在该实施例中，采集模块同时从乘客终端和司机终端采集节点信息，且不加区分，在后续的共同计算中就可得到乘客和司机的距离值和时间差、乘客在各个事件之间的距离值和时间差、司机在各个事件之间的距离值和时间差，从而得到多个数据组。由于使用了多种订单事件，各事件相互依赖，提高了作弊难度，易于侦查，确保了审查的准确性和识别度。

图13示出了根据本公开实施例的第六个实施例的审查作弊订单的系统1300的示意框图，如图13所示，该审查作弊订单的系统1300包括：

采集模块1302，用于采集网约车订单在多个事件节点的节点信息；

计算模块1304，用于根据节点信息计算出多个数据组；

第一判断模块1306，用于判断数据组内的数据是否处于预设范围内，以确定数据组是否具备可达性；

第三判断模块1308，用于判断是否已确定所有数据组的可达性，若判断结果为是，则激活第二判断模块1310，若判断结果为否，则激活第一判断模块1306。

第二判断模块1310，用于根据对多个数据组的可达性的判断结果确定网约车订单是否为作弊订单。

在该实施例中，通过增设第三判断模块1308，以确认是否遍历了所有的数据组，可以保证审查的全面性，从而提高了准确性。

在本公开实施例的一个实施例中，优选地，节点信息的数量为至少三个。

在该实施例中，将节点信息的数量限定为至少三个，由于数据组的数量比节点信息少一个，则数据组的数量为至少两个，可以避免仅凭一个数据组就认定网约车订单性质的情况，提高了采样标准，保证了审查结果的可靠性。

图14示出了根据本公开实施例的一个实施例的终端设备1400的示意框图，如图14所示，该终端设备1400包括：如上述任一实施例所述的审查作弊订单的系统1402。

本公开实施例提供的终端设备1400，包括了上述任一实施例所述的审查作弊订单的系统1402，因而具备上述审查作弊订单的系统1402的全部有益技术效果，在此不再赘述。

图15示出了根据本公开实施例的一个实施例的计算机设备1的结构示意图，计算机设备1包括存储器12、处理器14及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述任一实施例所述的方法的步骤。

本公开实施例提供的计算机设备1，处理器14在执行存储器12上存储的计算机程序时，可实现上述任一实施例所述的方法的步骤，因而具有上述审查作弊订单的方法的全部有益技术效果，在此不再赘述。

根据本公开实施例的一个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一实施例所述的方法的步骤。

本公开实施例提供的计算机可读存储介质，其上存储的计算机程序被处理器执行时可实现上述任一实施例所述的方法的步骤，因而具有上述审查作弊订单的方法的全部有益技术效果，在此不再赘述。

以上结合附图详细说明了本公开实施例的技术方案，本公开实施例提出了一种审查作弊订单的方案，利用了全量的城市的大数据统计城市的各个区域在各个时间段的真实交通分布情况，进而分析单个订单的时空可达性。由于作弊者缺乏真实的交通情况实时数据，伪造订单在不同的事件节点上的距离值和时间差往往存在偏差，导致时空不可达，使得判断更加精确。

以上所述仅为本公开实施例的优选实施例而已，并不用于限制本公开实施例，对于本领域的技术人员来说，本公开实施例可以有各种更改和变化。凡在本公开实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开实施例的保护范围之内。