骑手行为的识别方法、装置、电子设备及存储介质

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112632416A(43)申请公布日2021.04.09(21)申请号202110091295.8(22)申请日2021.01.22(66)本国优先权数据202010076604.X2020.01.23CN(71)申请人北京三快在线科技有限公司地址100083北京市海淀区北四环西路9号2106-030(72)发明人谭学垒　(74)专利代理机构北京润泽恒知识产权代理有限公司11319代理人任亚娟(51)Int.Cl.G06F16/9537(2019.01)G06Q10/08(2012.01)G06Q30/02(2012.01)权利要求书3页说明书11页附图2页(54)发明名称骑手行为的识别方法、装置、电子设备及存储介质(57)摘要本申请实施例公开了一种骑手行为的识别方法、装置、电子设备及存储介质，该方法包括：确定目标应用程序对应的待识别骑手集合；获取所述待识别骑手集合中待识别骑手的历史数据；根据所述历史数据，确定在目标时段所述待识别骑手在至少两个目标识别因子的得分，所述目标时段为一天内的预设时段；根据所述待识别骑手在至少两个目标识别因子的得分，确定所述待识别骑手集合中具有预设行为类型的骑手，所述预设行为类型是指骑手在所述目标时段内以与使用所述目标应用程序的相同身份使用其他应用程序。本申请实施例由于在识别具有预设行为类型的骑手时是识别目标时段内的骑手，而且根据至少两个目标识别因子来进行识别，从而可以提高识别精度。CN112632416ACN112632416A权　利　要　求　书1/3页1.一种骑手行为的识别方法，其特征在于，包括：确定目标应用程序对应的待识别骑手集合；获取所述待识别骑手集合中待识别骑手的历史数据；根据所述历史数据，确定在目标时段所述待识别骑手在至少两个目标识别因子的得分，所述目标时段为一天内的预设时段；根据所述待识别骑手在至少两个目标识别因子的得分，确定所述待识别骑手集合中具有预设行为类型的骑手，所述预设行为类型是指骑手在所述目标时段内以与使用所述目标应用程序的相同身份使用其他应用程序。2.根据权利要求1所述的方法，其特征在于，所述根据所述待识别骑手在至少两个目标识别因子的得分，确定所述待识别骑手集合中具有预设行为类型的骑手，包括：根据所述待识别骑手在至少两个目标识别因子的得分以及所述至少两个目标识别因子对应的预设权重，确定所述待识别骑手的识别得分；根据所述识别得分，确定所述待识别骑手集合中具有预设行为类型的骑手。3.根据权利要求2所述的方法，其特征在于，所述根据所述识别得分，确定所述待识别骑手集合中的具有预设行为类型的骑手，包括：对所述待识别骑手集合中的各个待识别骑手的识别得分按照从大到小的顺序进行排序，选取排序靠前的预设数量的待识别骑手，作为所述待识别骑手集合中具有预设行为类型的骑手；或者将所述识别得分大于或等于预设得分阈值的待识别骑手作为所述待识别骑手集合中具有预设行为类型的骑手。4.根据权利要求1所述的方法，其特征在于，所述目标识别因子的得分包括：目标时段完单量得分、目标时段摇摆时长占比得分、轨迹点识别得分、WiFi指纹识别得分或目标应用程序外其他相同功能应用程序安装识别得分，所述目标时段摇摆时长是指在所述目标时段内所述目标应用程序在后台运行而所述其他应用程序在运行的时间长度。5.根据权利要求4所述的方法，其特征在于，所述根据所述历史数据，确定在目标时段所述待识别骑手在至少两个目标识别因子的得分，包括下述至少两种：根据所述历史数据，确定待识别骑手在识别周期内的目标时段完单量均值，并根据所述目标时段完单量均值，确定所述待识别骑手的目标时段完单量得分；根据所述历史数据，确定待识别骑手在识别周期内目标时段的摇摆时长占比，并根据所述摇摆时长占比，确定所述待识别骑手的目标时段摇摆时长占比得分；根据所述历史数据中待识别骑手在识别周期内目标时段的轨迹点和对应的第一时间点，确定待识别骑手在识别周期内目标时段经过的第一商家，根据所述第一商家的属性信息和待识别骑手的运力类型，确定轨迹点识别得分；根据所述历史数据中待识别骑手在识别周期内目标时段的WiFi指纹和对应的第二时间点，确定待识别骑手在识别周期内目标时段经过的第二商家，根据所述第二商家的属性信息和待识别骑手的运力类型，确定WiFi指纹识别得分；根据所述历史数据，识别待识别骑手是否安装所述目标应用程序以外的其他相同功能的应用程序，并根据识别结果确定应用程序安装识别得分；其中，所述识别周期的时间长度小于所述统计周期的时间长度。2CN112632416A权　利　要　求　书2/3页6.根据权利要求5所述的方法，其特征在于，所述根据所述目标时段完单量均值，确定所述待识别骑手的目标时段完单量得分，包括：根据所述历史数据，确定待识别骑手在统计周期内的目标时段完单量的平均值和 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 差；根据所述目标时段完单量均值、所述平均值和所述标准差，确定所述待识别骑手的目标时段完单量得分。7.根据权利要求5所述的方法，其特征在于，所述根据所述摇摆时长占比，确定所述待识别骑手的目标时段摇摆时长占比得分，包括：根据所述历史数据，确定所述待识别骑手在统计周期内目标时段的摇摆时长占比的最大值和最小值；根据所述摇摆时长占比、最大值和最小值，对所述摇摆时长占比进行归一化，将归一化结果作为所述待识别骑手的目标时段摇摆时长占比得分。8.根据权利要求5所述的方法，其特征在于，所述根据所述第一商家的属性信息和待识别骑手的运力类型，确定轨迹点识别得分，包括：若第一商家的属性信息为非所述目标应用程序对应的商家或者第一商家的属性信息与所述运力类型不相符，则确定第一商家的识别得分为1；确定识别得分为1的第一商家的数量与所述第一商家的总数量的比例，作为所述轨迹点识别得分。9.根据权利要求5所述的方法，其特征在于，所述根据所述第二商家的属性信息和待识别骑手的运力类型，确定WiFi指纹识别得分，包括：若第二商家的属性信息为非所述目标应用程序对应的商家或者第二商家的属性信息与所述运力类型不相符，则确定第二商家的识别得分为1；确定识别得分为1的第二商家的数量与所述第二商家的总数量的比例，作为所述WiFi指纹识别得分。10.根据权利要求1所述的方法，其特征在于，确定目标应用程序对应的待识别骑手集合，包括：获取目标应用程序对应的所有骑手的历史数据；根据所述所有骑手的历史数据，分别确定每个骑手在统计周期内目标时段的总完单量，并确定所有骑手在统计周期内的目标时段总完单量的平均值和标准差；若一个骑手的总完单量与所述平均值和标准差满足预设条件，则确定该骑手为待识别骑手集合中的一个待识别骑手。11.一种骑手行为的识别装置，其特征在于，包括：待识别骑手确定模块，被配置成用于确定目标应用程序对应的待识别骑手集合；历史数据获取模块，被配置成用于获取所述待识别骑手集合中待识别骑手的历史数据；目标因子得分确定模块，被配置成用于根据所述历史数据，确定在目标时段所述待识别骑手在至少两个目标识别因子的得分，所述目标时段为一天内的预设时段；骑手行为识别模块，被配置成用于根据所述待识别骑手在至少两个目标识别因子的得分，确定所述待识别骑手集合中具有预设行为类型的骑手，所述预设行为类型是指骑手在3CN112632416A权　利　要　求　书3/3页所述目标时段内以与使用所述目标应用程序的相同身份使用其他应用程序。12.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至10任意一项所述的骑手行为的识别方法。13.一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，该程序被处理器执行时实现权利要求1至10任意一项所述的骑手行为的识别方法的步骤。4CN112632416A说　明　书1/11页骑手行为的识别方法、装置、电子设备及存储介质[0001]本申请要求在2020年1月23日提交中国专利局、申请号为202010076604.X、发明名称为“骑手行为的识别方法、装置、电子设备及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。技术领域[0002]本申请实施例涉及互联网技术领域，特别是涉及一种骑手行为的识别方法、装置、电子设备及存储介质。背景技术[0003]有些骑手在目标配送平台工作的同时还在其他配送平台工作，大量具有这种行为的骑手的存在会给目标配送平台的运力带来很大的不确定性，目标配送平台分配的订单容易出现配送超时的情况，造成配送体验的下降，因此有必要对骑手的行为进行识别。[0004]现有技术中，主要是统计骑手近14日的日均摇摆时长，将日均摇摆时长大于或等于30分钟的骑手判定为具有上述行为的骑手。其中，所述日均摇摆时长为骑手每日在目标配送平台无单状态下且目标配送平台的应用程序在后台运行而其他应用程序在运行的时长记录。[0005]现有技术只使用了日均摇摆时长来识别骑手的行为，用于识别骑手行为的数据维度比较单一，而且是识别一天内的骑手行为，导致识别精度较低。发明内容[0006]本申请实施例提供一种骑手行为的识别方法、装置、电子设备及存储介质，有助于提高识别精度。[0007]为了解决上述问题，第一方面，本申请实施例提供了一种骑手行为的识别方法，包括：[0008]确定目标应用程序对应的待识别骑手集合；[0009]获取所述待识别骑手集合中待识别骑手的历史数据；[0010]根据所述历史数据，确定在目标时段所述待识别骑手在至少两个目标识别因子的得分，所述目标时段为一天内的预设时段；[0011]根据所述待识别骑手在至少两个目标识别因子的得分，确定所述待识别骑手集合中具有预设行为类型的骑手，所述预设行为类型是指骑手在所述目标时段内以与使用所述目标应用程序的相同身份使用其他应用程序。[0012]第二方面，本申请实施例提供了一种骑手行为的识别装置，包括：[0013]待识别骑手确定模块，被配置成用于确定目标应用程序对应的待识别骑手集合；[0014]历史数据获取模块，被配置成用于获取所述待识别骑手集合中待识别骑手的历史数据；[0015]目标因子得分确定模块，被配置成用于根据所述历史数据，确定在目标时段所述5CN112632416A说　明　书2/11页待识别骑手在至少两个目标识别因子的得分，所述目标时段为一天内的预设时段；[0016]骑手行为识别模块，被配置成用于根据所述待识别骑手在至少两个目标识别因子的得分，确定所述待识别骑手集合中具有预设行为类型的骑手，所述预设行为类型是指骑手在所述目标时段内以与使用所述目标应用程序的相同身份使用其他应用程序。[0017]第三方面，本申请实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例所述的骑手行为的识别方法。[0018]第四方面，本申请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，该程序被处理器执行时本申请实施例公开的骑手行为的识别方法的步骤。[0019]本申请实施例提供的骑手行为的识别方法、装置、电子设备及存储介质，通过确定目标应用程序对应的待识别骑手集合，获取待识别骑手集合中待识别骑手的历史数据，根据所述历史数据，确定在目标时段待识别骑手在至少两个目标识别因子的得分，根据待识别骑手在至少两个目标识别因子的得分确定待识别骑手集合中具有预设行为类型的骑手，由于在识别具有预设行为类型的骑手时是识别目标时段内的骑手，而且根据至少两个目标识别因子来进行识别，从而可以提高识别精度，并可以提高骑手行为识别的准确率，对订单时间信息的预估也具有一定影响。附图说明[0020]为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。[0021]图1是本申请实施例一的骑手行为的识别方法的 流程 快递问题件怎么处理流程河南自建厂房流程下载关于规范招聘需求审批流程制作流程表下载邮件下载流程设计 图；[0022]图2是本申请实施例二的骑手行为的识别装置的结构示意图；[0023]图3是本申请实施例三的电子设备的结构示意图。具体实施方式[0024]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。[0025]实施例一[0026]本实施例提供的一种骑手行为的识别方法，如图1所示，该方法包括：步骤110至步骤140中的一个或者多个。[0027]步骤110，确定目标应用程序对应的待识别骑手集合。[0028]其中，目标应用程序是目标配送平台对应的应用程序。待识别骑手集合是待识别骑手组成的集合。所述待识别骑手可以是外卖配送员。[0029]可以根据需要确定目标应用程序对应的待识别骑手集合。例如，可以将目标应用程序对应的所有骑手作为待识别骑手集合；或者，根据目标应用程序对应的所有骑手的历6CN112632416A说　明　书3/11页史数据，来选取满足一定条件的骑手，作为待识别骑手集合中的待识别骑手。[0030]在本申请的一个实施例中，确定目标应用程序对应的待识别骑手集合，可选包括：获取目标应用程序对应的所有骑手的历史数据；根据所述所有骑手的历史数据，分别确定每个骑手在统计周期内目标时段的总完单量，并确定所有骑手在统计周期内的目标时段总完单量的平均值和标准差；若一个骑手的总完单量与所述平均值和标准差满足预设条件，则确定该骑手为待识别骑手集合中的一个待识别骑手。[0031]其中，统计周期为统计骑手的历史数据的周期，为当前时间之前的第一预设天数，例如可以为当前时间之前的30日。目标时段为一天内的预设时段，例如可以为午餐高峰期、晚餐高峰期或夜宵高峰期等，具体的时间可以根据不同城市进行调整，例如目标时段可以为10:00到14:00，或者是17:00到20:00等。完单量为配送完成的订单的数量。[0032]在确定待识别骑手集合时，根据目标应用程序对应的所有骑手的历史数据进行确定。首先对应每个骑手，先获取每个骑手在统计周期内每个目标时段的完单量，然后对该骑手在统计周期内各个目标时段的完单量进行累加，得到骑手在统计周期内目标时段的总完单量。之后再对所有骑手的总完单量进行统计，确定所有骑手在统计周期内的目标时段总完单量的平均值和标准差，例如有三个骑手，各自的目标时段总完单量分别为600、650和700，则三个骑手目标时段总完单量的平均值为650。之后，判断每个骑手的总完单量与平均值和标准差是否满足预设条件，将满足预设条件的骑手作为待识别骑手集合中的骑手。其中，预设条件可以为一个骑手的总完单量大于所述平均值与1.5倍的标准差之和，即预设条件为Di>Davg+1.5Dstd，其中，Di为第i个骑手的总完单量，Davg为所述平均值，Dstd为所述标准差。由于高完单能力的骑手具有预设行为类型会对运力的不稳定性造成较大的影响，因此，通过将待识别骑手集合定义为满足上述预设条件的骑手，识别出具有预设行为类型的骑手可以为订单分派优化或配送时间预估提供输入，从而提高运力的稳定性，提高整体配送效率和用户体验。其中，所述预设行为类型是指骑手在所述目标时段内以与使用所述目标应用程序的相同身份使用其他应用程序，例如，所述骑手在使用目标应用程序时的身份为外卖配送员，在使用其他应用程序时的身份也是外卖配送员。[0033]步骤120，获取所述待识别骑手集合中待识别骑手的历史数据。[0034]其中，所述历史数据包括每天的完单量、每天目标时段的完单量、每天的轨迹点以及WiFi指纹等。[0035]根据待识别骑手集合中的各个待识别骑手的标识，从存储骑手的历史数据的位置分别获取与所述标识对应的历史数据。[0036]步骤130，根据所述历史数据，确定在目标时段所述待识别骑手在至少两个目标识别因子的得分，所述目标时段为一天内的预设时段。[0037]其中，所述目标识别因子为识别骑手是否具有预设行为类型的影响因素，所述目标识别因子的得分包括：目标时段完单量得分、目标时段摇摆时长占比得分、轨迹点识别得分、WiFi指纹识别得分或目标应用程序外其他相同功能应用程序安装识别得分。所述目标时段摇摆时长为在目标时段内，目标应用程序在后台运行而其他应用程序在运行的时间长度。所述其他应用程序可以是与所述目标应用程序具有相同或类似功能的应用程序。WiFi指纹是待识别骑手使用的终端接收到的WiFi信号及对应的信号强度相关的特征。[0038]根据至少两个目标识别因子的统计规则分别对待识别骑手在目标时段内的历史7CN112632416A说　明　书4/11页数据进行统计，并根据统计结果计算至少两个目标识别因子的得分。[0039]在本申请的一个实施例中，所述根据所述历史数据，确定在目标时段所述待识别骑手在至少两个目标识别因子的得分，可选包括下述至少两种：[0040]根据所述历史数据，确定待识别骑手在识别周期内的目标时段完单量均值，并根据所述目标时段完单量均值，确定所述待识别骑手的目标时段完单量得分；[0041]根据所述历史数据，确定待识别骑手在识别周期内目标时段的摇摆时长占比，并根据所述摇摆时长占比，确定所述待识别骑手的目标时段摇摆时长占比得分；[0042]根据所述历史数据中待识别骑手在识别周期内目标时段的轨迹点和对应的第一时间点，确定待识别骑手在识别周期内目标时段经过的第一商家，根据所述第一商家的属性信息和待识别骑手的运力类型，确定轨迹点识别得分；[0043]根据所述历史数据中待识别骑手在识别周期内目标时段的WiFi指纹和对应的第二时间点，确定待识别骑手在识别周期内目标时段经过的第二商家，根据所述第二商家的属性信息和待识别骑手的运力类型，确定WiFi指纹识别得分；[0044]根据所述历史数据，识别待识别骑手是否安装所述目标应用程序以外的其他相同功能的应用程序，并根据识别结果确定应用程序安装识别得分；[0045]其中，所述识别周期的时间长度小于所述统计周期的时间长度。[0046]其中，所述识别周期是用于识别待识别骑手是否为具有预设行为类型的周期，该识别周期的时间长度小于统计周期的时间长度，如统计周期为近30日，识别周期为近3日。[0047]在确定待识别骑手的目标时段完单量得分时，首先从历史数据中统计一个待识别骑手在识别周期内每个目标时段的完单量，然后求取这些目标时段的完单量的平均值，得到目标时段完单量平均值，之后可以基于目标时段完单量平均值，确定待识别骑手的目标时段完单量得分。例如，可以确定目标时段完单量平均值所属的预设平均值范围，将预设平均值范围所对应的预设目标时段完单量得分作为待识别骑手的目标时段完单量得分。[0048]在一天的目标时段内，在目标应用程序在后台运行时感知到的其他相同功能应用程序的运行时长，作为摇摆时长。从历史数据中，获取待识别骑手在识别周期内每天目标时段的摇摆时长，按照如下公式确定识别周期内目标时段摇摆时长占比：[0049][0050]其中，T_Ratei为待识别骑手集合内第i个待识别骑手的目标时段摇摆时长占比，Tij为第i个待识别骑手在识别周期内第j天的目标时段摇摆时长，T0为一天内的目标时段的时长，t为识别周期内的天数。在得到一个待识别骑手的目标时段摇摆时长占比后，对目标时段摇摆时长占比进行归一化，得到待识别骑手的目标时段摇摆时长占比得分。[0051]安装有目标应用程序的骑手终端，每隔第一预设时间间隔上报一次终端的轨迹点，从而可以从待识别骑手的历史数据中获取到待识别骑手在识别周期内目标时段的轨迹点，将这些轨迹点和地图平台的POI(Point of Interest，兴趣点)坐标和类型(如商户、居民、医院等)进行对比，可以确定待识别骑手在识别周期内目标时段经过的商家以及停留时长，从这些商家中选取满足第一预设商家条件的商家，作为第一商家，并根据第一商家的属性信息和待识别骑手的运力类型，确定轨迹点识别得分。其中，第一预设时间间隔可以是秒级的时间，例如可以是5秒。第一预设商家条件可以是POI类型为外卖商家、轨迹点在商家8CN112632416A说　明　书5/11页POI的预设距离范围内且停留时长超过第一预设时长，预设距离范围例如可以是10米以内，第一预设时长例如可以是3分钟。第一商家的属性信息包括专送、快送或者非目标应用程序对应的外卖商家。待识别骑手的运力类型包括快送(众包)或专送(加盟)等。[0052]安装有目标应用程序的骑手终端，每隔第二预设时间间隔按照一定的规则上报终端接收到的WiFi信号的标识及对应的信号强度，服务器接收到终端上报的WiFi信号的标识及对应的信号强度，确定对应的WiFi指纹，将WiFi指纹和对应的第二时间点保存到数据库中，从而在识别骑手行为时，从历史数据中获取待识别骑手在识别周期内目标时段的WiFi指纹和对应的第二时间点。将待识别骑手在识别周期内目标时段的WiFi指纹与指纹库中各个商家的WiFi指纹进行对比，确定待识别骑手在识别周期内目标时段经过的商家，并从这些商家中选取满足第二预设商家条件的商家，作为第二商家，并根据第二商家的属性信息和待识别骑手的运力类型，确定WiFi指纹识别得分。其中，第二预设时间间隔可以是分钟级的时间，例如可以是1分钟。第二预设商家条件可以是POI类型为外卖商家、通过WiFi指纹可以说识别出外卖商家且停留时长超过第二预设时长，第二预设时长例如可以是3分钟。第二商家的属性信息包括专送、快送或者非目标应用程序对应的外卖商家。待识别骑手的运力类型包括快送(众包)或专送(加盟)等。[0053]安装有目标应用程序的骑手终端在骑手授权情况下可以获取骑手是否安装了目标应用程序以外的其他相同功能的应用程序，从而上报给服务器，服务器从历史数据中可以获知到待识别骑手是否安装目标应用程序以外的其他相同功能的应用程序，从而根据识别结果以及对应的预设得分可以确定应用程序安装识别得分。[0054]在本申请的一个实施例中，所述根据所述目标时段完单量均值，确定所述待识别骑手的目标时段完单量得分，包括：根据所述历史数据，确定待识别骑手在统计周期内的目标时段完单量的平均值和标准差；根据所述目标时段完单量均值、所述平均值和所述标准差，确定所述待识别骑手的目标时段完单量得分。[0055]在确定待识别骑手的目标时段完单量得分时，可以基于待识别骑手在统计周期内的目标时段完单量的平均值和标准差进行动态确定，即通过比较识别周期内目标时段完单量均值与所述统计周期内的目标时段的完单量的分布来进行确定，根据目标时段完单量均值与所述平均值和标准差的关系，可以确定待识别骑手的目标时段完单量得分，例如，若目标时段完单量均值大于或等于0并且小于或等于所述平均值与2倍标准差之差，则确定目标时段完单量得分为1.0；若目标时段完单量均值大于所述平均值与2倍标准差之差并且小于或等于所述平均值与标准差之差，则确定目标时段完单量得分为0.8；若目标时段完单量均值大于所述平均值与标准差之差并且小于或等于所述平均值，则确定目标时段完单量得分为0.6；若目标时段完单量均值大于所述平均值并且小于或等于所述平均值与所述标准差之和，则确定目标时段完单量得分为0.4；若目标时段完单量均值大于所述平均值与标准差之和并且小于或等于所述平均值与2倍标准差之和，则确定目标时段完单量得分为0.2；若目标时段完单量均值大于所述平均值与2倍标准差之和并且小于或等于所述平均值与3倍标准差之和，则确定目标时段完单量得分为0.1；若目标时段完单量均值大于所述平均值与3倍标准差之和，则确定目标时段完单量得分为0。目标时段完单量得分越高 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示该待识别骑手越有可能具有预设行为类型，例如，一个待识别骑手近三日的目标时段完单量非常低，目标时段完单量得分接近1.0，则大概率说明该待识别骑手具有预设行为类型。通过基于待9CN112632416A说　明　书6/11页识别骑手在统计周期内的目标时段完单量的平均值和标准差动态确定目标时段完单量得分，可以准确识别目标时段完单量是否变少，从而可以准确确定每个待识别骑手的目标时段完单量得分，提高后续骑手行为识别的准确率。[0056]在本申请的一个实施例中，所述根据所述摇摆时长占比，确定所述待识别骑手的目标时段摇摆时长占比得分，包括：根据所述历史数据，确定所述待识别骑手在统计周期内目标时段的摇摆时长占比的最大值和最小值；根据所述摇摆时长占比、最大值和最小值，对所述摇摆时长占比进行归一化，将归一化结果作为所述待识别骑手的目标时段摇摆时长占比得分。[0057]根据摇摆时长占比、所述最大值和最小值，采用下述归一化方式对摇摆时长占比进行归一化，得到待识别骑手的目标时段摇摆时长占比得分：[0058][0059]其中，Score2i为待识别骑手集合内第i个待识别骑手的摇摆时长占比得分，Score2i∈[0，1.0]，T_Ratei为待识别骑手集合内第i个待识别骑手的摇摆时长占比，min(T_Ratei)为待识别骑手集合内第i个待识别骑手在统计周期内的摇摆时长占比的最小值，max(T_Ratei)为待识别骑手集合内第i个待识别骑手在统计周期内的摇摆时长占比的最大值。摇摆时长占比得分越高表示骑手具有预设行为类型的可能性越高。通过上述进行归一化，得到的摇摆时长占比得分比较准确。[0060]在本申请的一个实施例中，所述根据所述第一商家的类型和待识别骑手的运力类型，确定轨迹点识别得分，包括：若第一商家的属性信息为非所述目标应用程序对应的商家或者第一商家的属性信息与所述运力类型不相符，则确定第一商家的识别得分为1；确定识别得分为1的第一商家的数量与所述第一商家的总数量的比例，作为所述轨迹点识别得分。[0061]在第一商家的属性信息为非目标应用程序对应的商家或者第一商家的属性信息与所述运力类型不相符，则确定第一商家的识别得分为1，即表示待识别骑手经过其他相同功能的应用程序对应的第一商家，统计这样的第一商家的数量与第一商家的总数量的比例，得到轨迹点识别得分，即待识别骑手经过其他应用程序对应的第一商家数量越多，轨迹点识别得分越高，从而提高骑手行为确定的准确性。[0062]在本申请的一个实施例中，所述根据所述第二商家的属性信息和待识别骑手的运力类型，确定WiFi指纹识别得分，包括：若第二商家的属性信息为非所述目标应用程序对应的商家或者第二商家的属性信息与所述运力类型不相符，则确定第二商家的识别得分为1；确定识别得分为1的第二商家的数量与所述第二商家的总数量的比例，作为所述WiFi指纹识别得分。[0063]与确定轨迹点识别得分类似，确定WiFi指纹识别得分，即在第二商家的属性信息为非目标应用程序对应的商家或者第二商家的属性信息与所述运力类型不相符，则确定第二商家的识别得分为1，即表示待识别骑手经过其他相同功能的应用程序对应的第二商家，统计这样的第二商家的数量与第二商家的总数量的比例，得到WiFi指纹识别得分，即待识别骑手经过其他应用程序对应的第二商家数量越多，WiFi指纹识别得分越高，从而提高骑手行为确定的准确性。[0064]通过上述一个目标识别因子进行识别均会存在一定的不足，比如在骑手近期目标10CN112632416A说　明　书7/11页时段完单量减少时，即只通过目标时段完单量得分较低，不能确定该骑手具有预设行为类型，有可能是骑手出勤等问题所致的。而采用至少两个目标识别因子，可以相互补充，提高骑手行为识别的准确性。[0065]步骤140，根据所述待识别骑手在至少两个目标识别因子的得分，确定所述待识别骑手集合中具有预设行为类型的骑手。[0066]可以根据至少两个目标识别因子建立一个识别模型，将待识别骑手在至少两个目标识别因子的得分输入识别模型，得到待识别骑手的识别得分，并根据各个待识别骑手的识别得分，确定待识别骑手集合中具有预设行为类型的骑手。其中，所述识别模型可以为简单的数学模型，也可以是基于机器学习的模型。所述预设行为类型是指骑手在所述目标时段内以与使用所述目标应用程序的相同身份使用其他应用程序。[0067]在本申请的一个实施例中，所述根据所述待识别骑手在至少两个目标识别因子的得分，确定所述待识别骑手集合中具有预设行为类型的骑手，可选包括：根据所述待识别骑手在至少两个目标识别因子的得分以及所述至少两个目标识别因子对应的预设权重，确定所述待识别骑手的识别得分；根据所述识别得分，确定所述待识别骑手集合中具有预设行为类型的骑手。[0068]可以根据至少两个目标识别因子对识别骑手行为的影响程度，分别预先设置至少两个目标识别因子的权重，作为至少两个目标识别因子对应的预设权重。在得到待识别骑手在至少两个目标识别因子的得分后，根据至少两个目标识别因子对应的权重，对待识别骑手在至少两个目标识别因子的得分进行线性加权，得到该待识别骑手的识别得分。即通过如下公式确定待识别骑手的识别得分：[0069][0070]其中，Scorei为待识别骑手集合中第i个待识别骑手的识别得分，WK为第K个目标识别因子的权重，m为目标识别因子的数量，ScoreKi为待识别骑手集合中第i个待识别骑手在第K个目标识别因子的得分，WK∈[0，1.0]且∑WK＝1。[0071]对于每个待识别骑手，分别计算识别得分，在得到待识别骑手集合中的所有待识别骑手的识别得分后，确定待识别骑手集合中具有预设行为类型的骑手。[0072]通过对待识别骑手在至少两个目标识别因子的得分以及至少两个目标识别因子的权重进行线性加权的方式确定识别得分，并基于识别得分确定具有预设行为类型的骑手，计算方式较为简单，有助于提高处理速度，进而提高骑手行为的识别速度。[0073]其中，所述根据所述识别得分，确定所述待识别骑手集合中具有预设行为类型的骑手，可选包括：对所述待识别骑手集合中的各个待识别骑手的识别得分按照从大到小的顺序进行排序，选取排序靠前的预设数量的待识别骑手，作为所述待识别骑手集合中具有预设行为类型的骑手；或者，将所述识别得分大于或等于预设得分阈值的待识别骑手作为所述待识别骑手集合中具有预设行为类型的骑手。[0074]在得到各个待识别骑手的识别得分后，可以选取识别得分最高的预设数量的待识别骑手作为具有预设行为类型的骑手，或者，可以将识别得分大于或者等于预设得分阈值的待识别骑手作为具有预设行为类型的骑手，从而得到待识别骑手集合中的所有具有预设11CN112632416A说　明　书8/11页行为类型的骑手。[0075]在识别到待识别骑手集合中具有预设行为类型的骑手后，可以对具有预设行为类型的骑手添加标签，并保存到数据库中，便于其他应用使用。例如，可以为订单分派优化提供输入，提高整体配送效率和用户体验；还可以为配送时间预估等提供输入，从而提高配送时间预估的准确性，提升用户的配送体验，提高整体配送效率。[0076]本申请实施例提供的骑手行为的识别方法，通过确定目标应用程序对应的待识别骑手集合，获取待识别骑手集合中待识别骑手的历史数据，根据所述历史数据，确定在目标时段待识别骑手在至少两个目标识别因子的得分，根据待识别骑手在至少两个目标识别因子的得分确定待识别骑手集合中具有预设行为类型的骑手，由于在识别具有预设行为类型的骑手时是识别目标时段内的骑手，而且根据至少两个目标识别因子来进行识别，从而可以提高识别精度，并可以提高骑手行为识别的准确率，对订单时间信息的预估也具有一定影响，可以提高订单时间信息的预估准确性。[0077]实施例二[0078]本实施例提供的一种骑手行为的识别装置，如图2所示，所述骑手行为的识别装置200包括以下模块中的一个或多个：[0079]待识别骑手确定模块210，被配置成用于确定目标应用程序对应的待识别骑手集合；[0080]历史数据获取模块220，被配置成用于获取所述待识别骑手集合中待识别骑手的历史数据；[0081]目标因子得分确定模块230，被配置成用于根据所述历史数据，确定在目标时段所述待识别骑手在至少两个目标识别因子的得分，所述目标时段为一天内的预设时段；[0082]骑手行为识别模块240，被配置成用于根据所述待识别骑手在至少两个目标识别因子的得分，确定所述待识别骑手集合中具有预设行为类型的骑手，所述预设行为类型是指骑手在所述目标时段内以与使用所述目标应用程序的相同身份使用其他应用程序。[0083]可选的，所述骑手行为识别模块包括：[0084]识别得分确定单元，被配置成用于根据所述待识别骑手在至少两个目标识别因子的得分以及所述至少两个目标识别因子对应的预设权重，确定所述待识别骑手的识别得分；[0085]骑手行为确定单元，被配置成用于根据所述识别得分，确定所述待识别骑手集合中具有预设行为类型的骑手。[0086]可选的，所述骑手行为确定单元被配置成具体用于：[0087]对所述待识别骑手集合中的各个待识别骑手的识别得分按照从大到小的顺序进行排序，选取排序靠前的预设数量的待识别骑手，作为所述待识别骑手集合中具有预设行为类型的骑手；或者[0088]将所述识别得分大于或等于预设得分阈值的待识别骑手作为所述待识别骑手集合中具有预设行为类型的骑手。[0089]可选的，所述目标识别因子的得分包括：目标时段完单量得分、目标时段摇摆时长占比得分、轨迹点识别得分、WiFi指纹识别得分或目标应用程序外其他相同功能应用程序安装识别得分，所述目标时段摇摆时长是指在所述目标时段内所述目标应用程序在后台运12CN112632416A说　明　书9/11页行而所述其他应用程序在运行的时间长度。[0090]可选的，所述目标因子得分确定模块包括下述至少两个单元：[0091]完单量得分确定单元，被配置成用于根据所述历史数据，确定待识别骑手在识别周期内的目标时段完单量均值，并根据所述目标时段完单量均值，确定所述待识别骑手的目标时段完单量得分；[0092]摇摆时长占比确定单元，被配置成用于根据所述历史数据，确定待识别骑手在识别周期内目标时段的摇摆时长占比，并根据所述摇摆时长占比，确定所述待识别骑手的目标时段摇摆时长占比得分；[0093]轨迹点得分确定单元，被配置成用于根据所述历史数据中待识别骑手在识别周期内目标时段的轨迹点和对应的第一时间点，确定待识别骑手在识别周期内目标时段经过的第一商家，根据所述第一商家的属性信息和待识别骑手的运力类型，确定轨迹点识别得分；[0094]WiFi指纹得分确定单元，被配置成用于根据所述历史数据中待识别骑手在识别周期内目标时段的WiFi指纹和对应的第二时间点，确定待识别骑手在识别周期内目标时段经过的第二商家，根据所述第二商家的属性信息和待识别骑手的运力类型，确定WiFi指纹识别得分；[0095]应用程序安装得分确定单元，被配置成用于根据所述历史数据，识别待识别骑手是否安装所述目标应用程序以外的其他相同功能的应用程序，并根据识别结果确定应用程序安装识别得分；[0096]其中，所述识别周期的时间长度小于所述统计周期的时间长度。[0097]可选的，所述完单量得分确定单元被配置成具体用于：[0098]根据所述历史数据，确定待识别骑手在统计周期内的目标时段完单量的平均值和标准差；[0099]根据所述目标时段完单量均值、所述平均值和所述标准差，确定所述待识别骑手的目标时段完单量得分。[0100]可选的，所述摇摆时长占比确定单元被配置成具体用于：[0101]根据所述历史数据，确定所述待识别骑手在统计周期内目标时段的摇摆时长占比的最大值和最小值；[0102]根据所述摇摆时长占比、最大值和最小值，对所述摇摆时长占比进行归一化，将归一化结果作为所述待识别骑手的目标时段摇摆时长占比得分。[0103]可选的，所述轨迹点得分确定单元被配置成具体用于：[0104]若第一商家的属性信息为非所述目标应用程序对应的商家或者第一商家的属性信息与所述运力类型不相符，则确定第一商家的识别得分为1；[0105]确定识别得分为1的第一商家的数量与所述第一商家的总数量的比例，作为所述轨迹点识别得分。[0106]可选的，所述WiFi指纹得分确定单元被配置成具体用于：[0107]若第二商家的属性信息为非所述目标应用程序对应的商家或者第二商家的属性信息与所述运力类型不相符，则确定第二商家的识别得分为1；[0108]确定识别得分为1的第二商家的数量与所述第二商家的总数量的比例，作为所述WiFi指纹识别得分。13CN112632416A说　明　书10/11页[0109]可选的，所述待识别骑手确定模块包括：[0110]骑手数据获取单元，被配置成用于获取目标应用程序对应的所有骑手的历史数据；[0111]统计单元，被配置成用于根据所述所有骑手的历史数据，分别确定每个骑手在统计周期内目标时段的总完单量，并确定所有骑手在统计周期内的目标时段总完单量的平均值和标准差；[0112]待识别骑手确定单元，被配置成用于若一个骑手的总完单量与所述平均值和标准差满足预设条件，则确定该骑手为待识别骑手集合中的一个待识别骑手。[0113]本申请实施例提供的骑手行为的识别装置，用于实现本申请实施例一中所述的骑手行为的识别方法的各步骤，装置的各模块的具体实施方式参见相应步骤，此处不再赘述。[0114]本申请实施例提供的骑手行为的识别装置，通过确定目标应用程序对应的待识别骑手集合，获取待识别骑手集合中待识别骑手的历史数据，根据所述历史数据，确定在目标时段待识别骑手在至少两个目标识别因子的得分，根据待识别骑手在至少两个目标识别因子的得分确定待识别骑手集合中具有预设行为类型的骑手，由于在识别具有预设行为类型的骑手时是识别目标时段内的骑手，而且根据至少两个目标识别因子来进行识别，从而可以提高识别精度，并可以提高骑手行为识别准确率，对订单时间信息的预估也具有一定影响，可以提高订单时间信息的预估准确性。[0115]实施例三[0116]本申请实施例还提供了一种电子设备，如图3所示，该电子设备300可以包括一个或多个处理器310以及与处理器310连接的一个或多个存储器320。电子设备300还可以包括输入接口330和输出接口340，用于与另一装置或系统进行通信。被处理器310执行的程序代码可存储在存储器320中。[0117]电子设备300中的处理器310调用存储在存储器320的程序代码，以执行上述实施例中的骑手行为的识别方法。[0118]上述电子设备中的上述元件可通过总线彼此连接，总线例如数据总线、地址总线、控制总线、扩展总线和局部总线之一或其任意组合。[0119]本申请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，该程序被处理器执行时实现如本申请实施例一所述的骑手行为的识别方法的步骤。[0120]本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。[0121]以上对本申请实施例提供的一种骑手行为的识别方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。[0122]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理14CN112632416A说　明　书11/11页解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。15CN112632416A说　明　书　附　图1/2页图116CN112632416A说　明　书　附　图2/2页图2图317