基于多账号识别的网约车司机驾驶总时长计算系统及方法与流程

1.本发明涉及隐私计算技术领域，尤其涉及一种基于多账号识别的网约车司机驾驶总时长计算系统及方法。


背景技术：

2.随着社会的发展，人们的出行方式也随之丰富起来，私家车、地铁、公汽等等。得益于互联网的快速发展，网约车也成为了人们越来越重要的出行方式。但是网约车在为人们提供出行便利的同时也存在不小的隐患。例如为了防止疲劳驾驶，单一网约车平台通常只允许特定网约车连续营运3-4小时，或累计不超过8个小时，超过这些限制则不再为该网约车时机派单。但由于多个网约车平台的存在，网约车司机可在多个网约车平台分别注册，当一个网约车平台的营运时间达到上限无法派单时，则更换另一个网约车平台继续营运。这就使司机可能持续处于疲劳驾驶的状态，这不仅危害到司机和乘客的人身安全，也危害到道路上行人和其他车辆的安全。
3.由于各个网约车平台的独立性，网约车司机和网约车信息是各个网约车公司的内部商业秘密，无法对司机跨平台注册的行为进行有效管控。
4.如果司机在不同平台中采用相同的个人信息，例如手机号、身份证号，进行注册，那么可以根据个人信息识别不同平台的两个账号对应同一司机。而如果司机在不同的平台中采用不同的个人信息进行注册，或者在同一平台中采用两种不同的个人信息进行注册，则无法准确判定司机的工作总时长。因此有必要对不同平台的账号进行对比，识别出司机的多个账号。


技术实现要素：

5.针对现有技术存在的问题，本发明提供一种基于多账号识别的网约车司机驾驶总时长计算系统及方法，识别出司机的多个账号，以获得司机准确的工作时长。
6.为达到上述目的，本发明提供了一种基于多账号识别的网约车司机驾驶总时长计算系统，包括隐私计算中心端以及若干分布的计算端；
7.所述计算端包括时序数据库以及隐私计算接入端；
8.所述时序数据库，实时同步对应网约车平台的平台使用数据、司机派单数据和司机行驶数据；基于所述隐私计算接入端发送的计算步骤，读取对应数据并计算；
9.所述隐私计算接入端，接收所述隐私计算中心端发起的识别司机账号请求后，由所述时序数据库读取各个司机一段时间内的移动轨迹并发送至所述隐私计算中心端；接收所述隐私计算中心端发起的时间计算请求后，形成计算步骤发送至所述时序数据库，读取所述时序数据库的计算结果，并将所述计算结果发送至所述隐私计算中心端；
10.所述隐私计算中心端对不同网约车平台，相同身份证号码或相同手机号的司机账号判定为同一账号；对身份证号码和手机号均不相同的账号，基于一段时间内的移动轨迹进行相似分析，如果相似则判定为同一账号；接收司机工作时间查询请求并向若干隐私计
算接入端发送特定时段内的司机工作时间计算请求；基于各个所述隐私计算接入端发送的计算结果，对同一账号的不同网约车平台工作时长累加后获得特定时段内司机的工作总时长。
11.进一步地，所述时序数据库，计算账户每天的平台的登录时间、退出时间、登录地点、退出地点，并由司机行驶数据获取实时位置信息，生成移动轨迹，形成账户行为数据；
12.所述隐私计算接入端，从时序数据库接收各账号的账户行为数据，并转换为中间数据，以传输给隐私计算中心端；
13.所述隐私计算中心端，从至少一个隐私计算接入端接收账户的中间数据，并还原为账户行为数据，以对不同账户的账户行为数据进行相似分析，以将相似度符合相似度阈值的不同账户作为同一账户。
14.进一步地，所述隐私计算中心端，从账户行为数据中提取出账户的登录时间、退出时间、登录地点、退出地点和移动轨迹；
15.所述对不同账户的账户行为数据进行相似分析，以将相似度符合相似度阈值的不同账户作为同一账户，包括以下步骤中的至少一种：
16.将第一账户的登录时间与第二账户的登录时间进行相似度分析，以在第一账户和第二账户的登录时间相似度符合第一相似阈值时，将第一账户和第二账户作为同一账户；
17.将第一账户的退出时间与第二账户的退出时间进行相似度分析，以在第一账户和第二账户的退出时间相似度符合第二相似阈值时，将第一账户和第二账户作为同一账户；
18.将第一账户的登录地点与第二账户的登录地点进行相似度分析，以在第一账户和第二账户的登录地点相似度符合第三相似阈值时，将第一账户和第二账户作为同一账户；
19.将第一账户的退出地点与第二账户的退出地点进行相似度分析，以在第一账户和第二账户的退出地点相似度符合第四相似阈值时，将第一账户和第二账户作为同一账户；
20.将第一账户的移动轨迹与第二账户的移动轨迹进行相似度分析，以在第一账户和第二账户的移动轨迹相似度符合第五相似阈值时，将第一账户和第二账户作为同一账户。
21.进一步地，所述对不同账户的账户行为数据进行相似分析，以将相似度符合相似度阈值的不同账户作为同一账户，还包括以下步骤中的至少一种：
22.将第一账户的退出时间与第二账户的登录时间进行相似度分析，以在第一账户和第二账户的交接时间相似度符合第六相似阈值时，将第一账户和第二账户作为同一账户；
23.将第一账户的退出地点与第二账户的登录地点进行相似度分析，以在第一账户和第二账户的交接地点相似度符合第七相似阈值时，将第一账户和第二账户作为同一账户。
24.进一步地，所述第一账户和第二账户为同一平台中身份证号码或手机号中至少一项不同的账户，或所述第一账户和所述第二账户为不同平台身份证号码或手机号中至少一项不同的账户。
25.进一步地，所述时序数据库的计算至少包括：由所述计算步骤获取司机对应的编号，读取该编号对应的特定时段内的每个派单的开始时间及结束时间，计算每个派单的工作时长；
26.对不同派单和行驶数据得到的工作时长进行累加，获得特定时段内司机的工作总时长。
27.第二方面提供一种基于多账号识别的网约车司机驾驶总时长计算方法，包括：
28.时序数据库，实时同步对应网约车平台的平台使用数据、司机派单数据和司机行驶数据；
29.隐私计算中心端发起的识别司机账号请求至各个隐私计算接入端；
30.所述隐私计算接入端，接收所述识别司机账号请求后，由所述时序数据库读取各个司机一段时间内的移动轨迹并发送至所述隐私计算中心端；
31.所述隐私计算中心端对不同网约车平台，相同身份证号码或相同手机号的司机账号判定为同一账号；对身份证号码和手机号均不相同的账号，基于一段时间内的移动轨迹进行相似分析，如果相似则判定为同一账号；
32.所述隐私计算中心端接收司机工作时间查询请求，并向若干隐私计算接入端发送特定时段内的司机工作时间计算请求；
33.所述隐私计算接入端接收所述隐私计算中心端发起的时间计算请求后，形成计算步骤发送至所述时序数据库，读取所述时序数据库的计算结果；所述时序数据库，基于所述隐私计算接入端发送的计算步骤，读取对应数据并计算；所述隐私计算接入端将所述计算结果发送至所述隐私计算中心端；
34.所述隐私计算中心端，基于各个所述隐私计算接入端发送的计算结果，对同一账号的不同网约车平台工作时长累加后获得特定时段内司机的工作总时长。
35.进一步地，所述时序数据库，计算账户每天的平台的登录时间、退出时间、登录地点、退出地点，并由司机行驶数据获取实时位置信息，生成移动轨迹，形成账户行为数据；
36.所述隐私计算接入端，从时序数据库接收各账号的账户行为数据，并转换为中间数据，以传输给隐私计算中心端；
37.所述隐私计算中心端，从至少一个隐私计算接入端接收账户的中间数据，并还原为账户行为数据，以对不同账户的账户行为数据进行相似分析，以将相似度符合相似度阈值的不同账户作为同一账户。
38.进一步地，所述隐私计算中心端，从账户行为数据中提取出账户的登录时间、退出时间、登录地点、退出地点和移动轨迹；
39.所述对不同账户的账户行为数据进行相似分析，以将相似度符合相似度阈值的不同账户作为同一账户，包括以下步骤中的至少一种：
40.将第一账户的登录时间与第二账户的登录时间进行相似度分析，以在第一账户和第二账户的登录时间相似度符合第一相似阈值时，将第一账户和第二账户作为同一账户；
41.将第一账户的退出时间与第二账户的退出时间进行相似度分析，以在第一账户和第二账户的退出时间相似度符合第二相似阈值时，将第一账户和第二账户作为同一账户；
42.将第一账户的登录地点与第二账户的登录地点进行相似度分析，以在第一账户和第二账户的登录地点相似度符合第三相似阈值时，将第一账户和第二账户作为同一账户；
43.将第一账户的退出地点与第二账户的退出地点进行相似度分析，以在第一账户和第二账户的退出地点相似度符合第四相似阈值时，将第一账户和第二账户作为同一账户；
44.将第一账户的移动轨迹与第二账户的移动轨迹进行相似度分析，以在第一账户和第二账户的移动轨迹相似度符合第五相似阈值时，将第一账户和第二账户作为同一账户。
45.第三方面提供一种电子设备，包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于调用所述程序指令来执行所述的基于多账号识别的网约车司机驾驶总
时长计算方法。
46.第四方面提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述的基于多账号识别的网约车司机驾驶总时长计算方法。
47.本发明的上述技术方案具有如下有益的技术效果：
48.(1)本发明实现跨平台的网约车司机多账号的识别，准确计算司机驾驶总时长的计算，并通过隐私计算保护隐私数据和网约车公司的商业秘密。
49.(2)本发明利用了时序数据库快速计算的特性，大幅提高了隐私安全计算各个步骤的完成速度。
附图说明
50.图1是一些实施例提供的基于多账号识别的网约车司机驾驶总时长计算系统构成示意图；
51.图2是一些实施例提供的基于多账号识别的网约车司机驾驶总时长计算方法流程图；
52.图3为电子设备组成示意图。
具体实施方式
53.为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
54.在一些实施例中提供一种基于多账号识别的网约车司机驾驶总时长计算系统，包括隐私计算中心端以及若干分布的计算端。所述计算端包括时序数据库以及隐私计算接入端。
55.所述时序数据库，实时同步对应网约车平台的平台使用数据、司机派单数据和司机行驶数据；基于所述隐私计算接入端发送的计算步骤，读取对应数据并计算。
56.进一步地，所述时序数据库，按照所述计算步骤，接收所述隐私计算接入端发起的计算步骤i；提取计算所述计算步骤i需要的数据，调用对应的功能函数，完成计算步骤i的计算，形成计算结果。所述隐私计算接入端，接收所述隐私计算中心端发起的识别司机账号请求后，由所述时序数据库读取各个司机一段时间内的移动轨迹并发送至所述隐私计算中心端；接收所述隐私计算中心端发起的时间计算请求后，形成计算步骤发送至所述时序数据库，读取所述时序数据库的计算结果，并将所述计算结果发送至所述隐私计算中心端。在一个实施例中，为了避免时序数据库计算过程中泄露隐私计算接入端需要的数据，或者泄露时序数据库计算所需的数据，隐私计算接入端，采用隐私计算的方式由所述时序数据库获取计算结果，采用隐私信息检索pir或者隐私集合求交psi的方式获取所述时序数据库的计算结果。
57.所述隐私计算中心端对不同网约车平台，相同身份证号码或相同手机号的司机账号判定为同一账号；对身份证号码和手机号均不相同的账号，基于一段时间内的移动轨迹
进行相似分析，如果相似则判定为同一账号；接收司机工作时间查询请求并向若干隐私计算接入端发送特定时段内的司机工作时间计算请求；基于各个所述隐私计算接入端发送的计算结果，对同一账号的不同网约车平台工作时长累加后获得特定时段内司机的工作总时长。
58.特定时段例如为24小时、12小时或8小时，根据需求确定。
59.在一个实施例中，所述时序数据库，计算账户每天的平台的登录时间、退出时间、登录地点、退出地点，并由司机行驶数据获取实时位置信息，生成移动轨迹，形成账户行为数据。
60.所述隐私计算接入端，形成计算步骤以从时序数据库接收各账号的账户行为数据，并转换为中间数据，以传输给隐私计算中心端，用于相似分析。
61.所述隐私计算中心端，从至少一个隐私计算接入端接收账户的中间数据，并还原为账户行为数据，以对不同账户的账户行为数据进行相似分析，以将相似度符合相似度阈值的不同账户作为同一账户。
62.在一个实施例中，所述时序数据库的计算至少包括：由所述计算步骤获取司机对应的编号，读取该编号对应的特定时段内的每个派单的开始时间及结束时间，计算每个派单的工作时长。对不同派单和行驶数据得到的工作时长进行累加，获得特定时段内司机的工作总时长。
63.在一个实施例中，所述隐私计算中心端由各个所述隐私计算接入端获取n次司机开始登录系统和退出系统的时间和位置信息，时序数据库计算结束位置中的最有可能位置和最有可能时间，对不同时序数据库计算的最有可能位置和最有可能时间进行对比，选取最相似的m个账户。另外，在一个可选的实施例中，本方案还可以获取m个账户最近若干天内的移动轨迹，通过隐私保护集合求交psi找出位置的相同时间段，对比同一时间的位置，如果重合率大于设定阈值，则判定为相同账户。
64.在一个可选的实施例中，本技术除了可以分析不同账户的移动轨迹的相似性之外，本技术实施例还可以分析不同账户的登录时间、登录地点、退出时间、退出地点是否相似，以确定不同账户是否为同一账户。具体的，所述隐私计算中心端，从账户行为数据中提取出账户的登录时间、退出时间、登录地点、退出地点和移动轨迹。对不同账户的账户行为数据进行相似分析，以将相似度符合相似度阈值的不同账户作为同一账户，包括以下步骤中的至少一种：
65.1、将第一账户的登录时间与第二账户的登录时间进行相似度分析，以在第一账户和第二账户的登录时间相似度符合第一相似阈值时，将第一账户和第二账户作为同一账户。
66.2、将第一账户的退出时间与第二账户的退出时间进行相似度分析，以在第一账户和第二账户的退出时间相似度符合第二相似阈值时，将第一账户和第二账户作为同一账户。
67.3、将第一账户的登录地点与第二账户的登录地点进行相似度分析，以在第一账户和第二账户的登录地点相似度符合第三相似阈值时，将第一账户和第二账户作为同一账户。
68.4、将第一账户的退出地点与第二账户的退出地点进行相似度分析，以在第一账户
和第二账户的退出地点相似度符合第四相似阈值时，将第一账户和第二账户作为同一账户。
69.5、将第一账户的移动轨迹与第二账户的移动轨迹进行相似度分析，以在第一账户和第二账户的移动轨迹相似度符合第五相似阈值时，将第一账户和第二账户作为同一账户。
70.如果一个司机习惯同时使用两个不同的注册账号，两个不同平台对其监控的移动轨迹大体相同，可以通过两个账户移动轨迹的相似度进行判断。
71.对于拥有多个账户的司机来说，司机可能会同时使用两个账号，两个账号的登录时间、登录地点、退出时间、退出地点可能比较接近，因此，本技术实施例可以分析登录时间是否接近(如不同账户的登录时间差在十分钟内)、登录地点是否接近(如距离在三公里内)、退出时间是否接近、退出地点是否接近，从而确定两个账户是否为同一账户。
72.其中，第一相似阈值(或第二相似阈值)可以为预设时长内登录(或退出)时间相似的次数是否超过预设次数，例如可以提取30天的数据，如果两个账号有10次登录时间相差半小时以内，可以认为两个账户相似度高。第二相似阈值可以根据需求设置，例如可以提取30天的数据，如果两个账号有15次退出时间相差半小时以内，可以认为两个账户相似度高。
73.第三相似阈值(或第丝相似阈值)可以为预设时长内登录(或退出)位置相似的次数是否超过预设次数，例如提取30天的数据，如果两个账号有13次登录地点距离在1km以内，可以认为两个账户相似度高。例如可以提取30天的数据，如果两个账号有12次退出地点距离在1.5km以内，可以认为两个账户相似度高。
74.第五相似阈值可以为预设时长内移动轨迹相似的次数是否超过预设次数，其中，移动轨迹是否相似可以依据移动轨迹的重合距离是否超过重合距离阈值来确定。
75.上述的5个步骤并没有顺序限制，步骤的选择也没有限制。可以从中选择1至5个步骤，并按照选定顺序进行组合。
76.另外，对于拥有多个账户的司机来说，司机可能没有同时使用两个账户，而是在使用一个账户之后接替性的使用另一个账户，因此，本技术实施例还可以分析两个账户的交接行为，以确定账户之间的相似度，具体的，在一个实施例中，对不同账户的账户行为数据进行相似分析，以将相似度符合相似度阈值的不同账户作为同一账户，还包括以下步骤中的至少一种：
77.1、将第一账户的退出时间与第二账户的登录时间进行相似度分析，以在第一账户和第二账户的交接时间相似度符合第六相似阈值时，将第一账户和第二账户作为同一账户。
78.2、将第一账户的退出地点与第二账户的登录地点进行相似度分析，以在第一账户和第二账户的交接地点相似度符合第七相似阈值时，将第一账户和第二账户作为同一账户。
79.如果司机选择两个账户交替使用，那么通常会出现，一个账户退出后登陆另一个账户。因此对不同的账户的交接时间进行判断，如果出现多次第一账户的退出时间与第二账户的登录时间接近，则可以认为两个账户相似度高。例如提取30天的数据，两个账户交接时间相差半小时的次数达到10次，可以确定两个账户相似度高。
80.如果司机选择两个账户交替使用，那么通常会出现，一个账户退出后登陆另一个
账户。因此对不同的账户的交接地点比较接近。如果出现多次第一账户的退出地点与第二账户的登录地点接近，则可以认为两个账户相似度高。例如提取30天的数据，两个账户交接地点在1km内的次数达到10次，可以确定两个账户相似度高。
81.该实施例中上述的2个步骤并没有顺序限制，步骤的选择也没有限制。可以从中选择1个或2个步骤，并按照选定顺序进行组合。
82.进一步地，所述第一账户和第二账户为同一平台中身份证号码或手机号中至少一项不同的账户，或所述第一账户和所述第二账户为不同平台身份证号码或手机号中至少一项不同的账户。
83.在一些实施例中提供一种基于多账号识别的网约车司机驾驶总时长计算方法，包括如下步骤：
84.s100时序数据库，实时同步对应网约车平台的平台使用数据、司机派单数据和司机行驶数据。
85.该步骤为实时执行，与其他步骤的执行并没有顺序限制，附图2中流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
86.在一个实施例中，所述时序数据库，计算账户每天的平台的登录时间、退出时间、登录地点、退出地点，并由司机行驶数据获取实时位置信息，生成移动轨迹，形成账户行为数据。
87.s200隐私计算中心端发起的识别司机账号请求至各个隐私计算接入端。所述隐私计算接入端，接收所述识别司机账号请求后，由所述时序数据库读取各个司机一段时间内的移动轨迹并发送至所述隐私计算中心端。
88.在一个实施例中，所述隐私计算接入端，形成计算步骤以从时序数据库接收各账号的账户行为数据，并转换为中间数据，以传输给隐私计算中心端，用于相似分析。
89.隐私计算接入端，形成的计算步骤包括隐私计算请求所需计算步骤，采用隐私信息检索pir或者隐私集合求交psi的方式获取所述时序数据库的计算结果。
90.所述时序数据库，按照所述计算步骤，接收所述隐私计算接入端发起的计算步骤i；提取计算所述计算步骤i需要的数据，调用对应的功能函数，完成计算步骤i的计算，形成计算结果。
91.所述时序数据库，由所述计算步骤获取司机对应的编号，读取该编号对应的特定时段内的每个派单的开始时间及结束时间，计算每个派单的工作时长。所述时序数据库，对不同派单和行驶数据得到的工作时长进行累加，获得特定时段内司机的工作总时长。
92.s300所述隐私计算中心端对不同网约车平台，相同身份证号码或相同手机号的司机账号判定为同一账号；对身份证号码和手机号均不相同的账号，基于一段时间内的移动轨迹进行相似分析，如果相似则判定为同一账号。
93.在一个实施例中，所述隐私计算中心端，从至少一个隐私计算接入端接收账户的中间数据，并还原为账户行为数据，以对不同账户的账户行为数据进行相似分析，以将相似度符合相似度阈值的不同账户作为同一账户。
94.所述隐私计算中心端，从账户行为数据中提取出账户的登录时间、退出时间、登录
地点、退出地点和移动轨迹。对不同账户的账户行为数据进行相似分析，以将相似度符合相似度阈值的不同账户作为同一账户，包括以下步骤中的至少一种：
95.1、将第一账户的登录时间与第二账户的登录时间进行相似度分析，以在第一账户和第二账户的登录时间相似度符合第一相似阈值时，将第一账户和第二账户作为同一账户。
96.2、将第一账户的退出时间与第二账户的退出时间进行相似度分析，以在第一账户和第二账户的退出时间相似度符合第二相似阈值时，将第一账户和第二账户作为同一账户。
97.3、将第一账户的登录地点与第二账户的登录地点进行相似度分析，以在第一账户和第二账户的登录地点相似度符合第三相似阈值时，将第一账户和第二账户作为同一账户。
98.4、将第一账户的退出地点与第二账户的退出地点进行相似度分析，以在第一账户和第二账户的退出地点相似度符合第四相似阈值时，将第一账户和第二账户作为同一账户。
99.5、将第一账户的移动轨迹与第二账户的移动轨迹进行相似度分析，以在第一账户和第二账户的移动轨迹相似度符合第五相似阈值时，将第一账户和第二账户作为同一账户。
100.上述的5个步骤并没有顺序限制，步骤的选择也没有限制。可以从中选择1至5个步骤，并按照选定顺序进行组合。
101.在一个实施例中，对不同账户的账户行为数据进行相似分析，以将相似度符合相似度阈值的不同账户作为同一账户，还包括以下步骤中的至少一种：
102.1、将第一账户的退出时间与第二账户的登录时间进行相似度分析，以在第一账户和第二账户的交接时间相似度符合第六相似阈值时，将第一账户和第二账户作为同一账户。
103.2、将第一账户的退出地点与第二账户的登录地点进行相似度分析，以在第一账户和第二账户的交接地点相似度符合第七相似阈值时，将第一账户和第二账户作为同一账户。
104.该实施例中上述的2个步骤并没有顺序限制，步骤的选择也没有限制。可以从中选择1个或2个步骤，并按照选定顺序进行组合。
105.本实施例的方法与上述实施例的系统的数据处理流程类似，具体实施方法可以参考上述系统的具体实施方式，此处不再赘述。
106.进一步地，所述第一账户和第二账户为同一平台中身份证号码或手机号中至少一项不同的账户，或所述第一账户和所述第二账户为不同平台身份证号码或手机号中至少一项不同的账户。
107.在一个实施例中，所述隐私计算中心端基于一段时间内的移动轨迹进行相似分析包括：
108.由各个所述隐私计算接入端获取n次司机开始登录系统或者退出系统的时间和位置信息，时序数据库计算结束位置中的最有可能位置和最有可能时间，对不同时序数据库计算的最有可能位置和最有可能时间进行对比，选取最相似的m个账户。获取m个账户最近
若干天内的移动轨迹，通过隐私保护集合求交psi找出位置的相同时间段，对比同一时间的位置，如果重合率大于设定阈值，则判定为相同账户。
109.s400所述隐私计算中心端接收司机工作时间查询请求并向若干隐私计算接入端发送特定时段内的司机工作时间计算请求；所述隐私计算接入端接收所述隐私计算中心端发起的时间计算请求后，形成计算步骤发送至所述时序数据库，读取所述时序数据库的计算结果；所述时序数据库，基于所述隐私计算接入端发送的计算步骤，读取对应数据并计算；所述隐私计算接入端将所述计算结果发送至所述隐私计算中心端。
110.s500所述隐私计算中心端，基于各个所述隐私计算接入端发送的计算结果，对同一账号的不同网约车平台工作时长累加后获得特定时段内司机的工作总时长。
111.提供一种电子设备，结合图3，包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于调用所述程序指令来执行所述的基于多账号识别的网约车司机驾驶总时长计算方法。
112.存储器可以是只读存储器(read only memory，rom)，静态存储设备，动态存储设备或者随机存取存储器(random access memory，ram)。存储器可以存储程序，当存储器中存储的程序被处理器执行时，处理器执行本技术实施例的图像处理的方法的各个步骤，例如，可以执行图1所示实施例的分布式隐私计算的方法。
113.处理器可以采用通用的中央处理器(central processing unit，cpu)，微处理器，应用专用集成电路(application specific integrated circuit，asic)，或者一个或多个集成电路，用于执行相关程序，以实现本技术方法实施例的图像处理的方法。
114.处理器还可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，本技术实施例的图像处理的方法的各个步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
115.上述处理器还可以是通用处理器、数字信号处理器(digital signal processing，dsp)、专用集成电路(asic)、现成可编程门阵列(field programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
116.结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成本技术实施例中图像处理的装置包括的单元所需执行的功能，或者，执行本技术方法实施例的图像处理的方法，可以执行图1所示实施例的网约车司机驾驶总时长的隐私计算方法。
117.本发明的实施例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，所述计算机程序被处理器执行时实现所述的基于多账号识别的网约车司机驾驶总时长计算方法。
118.计算机可读存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(rom)、可擦除可编程只读存储器(eprom)、便携式紧致盘只读存储器(cd-rom)、usb存储器、或者上述存储介质的任意组合。计算机可读存储介质可以是
一个或多个计算机可读存储介质的任意组合。
119.综上所述，本发明提供一种基于多账号识别的网约车司机驾驶总时长计算系统及方法，对不同网约车平台，相同身份证号码或相同手机号的司机账号判定为同一账号；对身份证号码和手机号均不相同的账号，基于一段时间内的移动轨迹进行相似分析，判定是否为同一账号；接收司机工作时间查询请求并向若干隐私计算接入端发送特定时段内的司机工作时间计算请求；形成计算步骤发送至时序数据库；基于各个隐私计算接入端发送的时序数据库计算结果，对同一账号的不同网约车平台工作时长累加后获得特定时段内司机的工作总时长。本发明实现跨平台的网约车司机多账号的识别，准确计算司机驾驶总时长的计算，并通过隐私计算保护隐私数据和网约车公司的商业秘密。
120.应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。