确定提示信息的方法、装置及计算机存储介质与流程

本申请涉及信息处理技术领域，特别涉及一种确定提示信息的方法、装置及计算机存储介质。

背景技术：

在网约车领域，为了避免出现诸如交通事故、抢劫以及打架斗殴等各种安全问题，在乘客乘坐某个车辆的过程中，可以确定一个提示信息，乘客可以根据该提示信息采取合适的防范措施，从而保障乘客的人身安全。

相关技术中，可以获取乘客所乘坐的车辆的车辆注册信息、车主人脸信息、车主指纹信息以及车主语音信息等。根据获取的信息生成提示信息。但是这种确定提示信息的灵活性较差。

技术实现要素：

本申请实施例提供了一种确定提示信息的方法、装置及计算机存储介质，可以提高确定的提示信息的灵活性，以使确定的提示信息对乘客更有针对性。

所述技术方案如下：

一方面，提供了一种确定提示信息的方法，所述方法包括：

确定乘客所乘车辆的当前行驶轨迹的轨迹特征；

根据所述当前行驶轨迹的轨迹特征和多个场景中每个场景的轨迹特征，确定所述乘客当前所处的场景；

根据所述乘客当前所处的场景，确定提示信息。

可选地，所述根据所述当前行驶轨迹的轨迹特征和多个场景中每个场景的轨迹特征，确定所述乘客当前所处的场景，包括：

根据所述当前行驶轨迹的轨迹特征和所述多个场景中每个场景的轨迹特征，确定所述当前行驶轨迹对应的概率集合，所述概率集合包括所述乘客处于所述多个场景中每个场景的概率；

确定所述当前行驶轨迹对应的概率集合中满足条件的概率，所述满足条件的概率是指所述当前行驶轨迹对应的概率集合中最大的概率和/或大于大于概率阈值的概率；

根据所述满足条件的概率的数量，确定所述乘客当前所处的场景。

可选地，所述满足条件的概率的数量为1；

所述根据所述满足条件的概率的数量，确定所述乘客当前所处的场景，包括：

将所述满足条件的概率对应的场景确定为所述乘客当前所处的场景。

可选地，所述满足条件的概率的数量大于1；

所述根据所述满足条件的概率的数量，确定所述乘客当前所处的场景，包括：

获取所述满足条件的概率对应的每个场景的平均概率集合，每个场景的平均概率集合用于指示每个场景下的多个历史轨迹中每个历史轨迹对应的概率集合的平均概率；

确定所述当前行驶轨迹的概率集合和所述满足条件的概率对应的每个场景的平均概率集合之间的相似度；

将最大相似度对应的一个场景确定为所述乘客当前所处的场景。

可选地，所述方法还包括：

获取多条历史轨迹中每条历史轨迹的多个轨迹点数据，以及每条历史轨迹的场景标签；

根据所述多条历史轨迹中每条历史轨迹的多个轨迹点数据，确定每条历史轨迹的轨迹特征；

根据所述多条历史轨迹中每条历史轨迹的轨迹特征，以及每条历史轨迹的场景标签，确定所述多个场景中每个场景的轨迹特征。

可选地，每个轨迹点数据用于指示一个轨迹点；

所述根据所述多条历史轨迹中每条历史轨迹的多个轨迹点数据，确定每条历史轨迹的轨迹特征，包括：

根据所述多条历史轨迹中每条历史轨迹的多个轨迹点数据，对所述多条历史轨迹上的所有轨迹点进行聚类，得到多个轨迹点集合；

对于所述多条历史轨迹中的第一历史轨迹，根据所述第一历史轨迹的多个轨迹点数据，确定所述第一历史轨迹上多个轨迹点在所述多个轨迹点集合中的分布情况，所述分布情况用于指示每个轨迹点集合包括所述第一历史轨迹上的轨迹点的数量，将所述分布情况作为所述第一历史轨迹的轨迹特征，所述第一历史轨迹为所述多条历史轨迹中任一条。

可选地，所述根据所述多条历史轨迹中每条历史轨迹的轨迹特征，以及每条历史轨迹的场景标签，确定所述多个场景中每个场景的轨迹特征，包括：

根据每条历史轨迹的场景标签，对所述多条历史轨迹中每条历史轨迹的轨迹特征进行分类，得到与所述多个场景一一对应的多个轨迹特征集合；

对于多个轨迹特征集合中的第一轨迹特征集合包括的各个轨迹特征，将所述各个轨迹特征中用于指示同一轨迹点集合的数量平均化，得到与所述多个轨迹点集合一一对应的多个平均数量，根据所述多个平均数量确定与所述第一轨迹特征集合对应的场景的轨迹特征。

可选地，第一轨迹点数据用于指示第一轨迹点是否为停留点、停留点占比、所述第一轨迹点是否为偏僻点、偏僻点占比、所述第一轨迹点的行驶时间是否为夜间、车主性别或者乘客性别中的一项或多项，所述第一轨迹点数据为任一轨迹点数据；

所述停留点占比用于指示从开始行驶的第一个轨迹点到所述第一轨迹点之间出现的停留点的比例，所述偏僻点占比用于指示从开始行驶的第一个轨迹点到所述第一轨迹点之间出现的偏僻点的比例，所述偏僻点是指地理位置处于参考区域内的轨迹点。

可选地，所述根据所述多条历史轨迹中每条历史轨迹的多个轨迹点数据，确定每条历史轨迹的轨迹特征之后，还包括：

根据所述多条历史轨迹中每条历史轨迹的轨迹特征，以及每条历史轨迹的场景标签，确定所述多条历史轨迹中每条历史轨迹对应的概率集合；

根据每条历史轨迹的场景标签，对所述多条历史轨迹中每条历史轨迹对应的概率集合进行分类，得到多个分类集合，所述多个分类集合与所述多个场景一一对应；

根据所述多个分类集合，确定所述多个场景中每个场景的平均概率集合。

可选地，所述根据所述多个分类集合，确定所述多个场景中每个场景的平均概率集合，包括：

对于所述多个分类集合中的第一分类集合，将所述第一分类集合中各个概率集合包括的乘客处于同一场景的概率平均化，得到平均化后的多个数值，每个数值对应一个场景，将平均化后的多个数值作为所述第一分布集合对应的场景的平均概率集合。

另一方面、提供了一种确定提示信息的装置，所述装置包括：

第一确定模块，用于确定乘客所乘车辆的当前行驶轨迹的轨迹特征；

第二确定模块，用于根据所述当前行驶轨迹的轨迹特征和多个场景中每个场景的轨迹特征，确定所述乘客当前所处的场景；

第三确定模块，用于根据所述乘客当前所处的场景，确定提示信息。

可选地，所述第二确定模块包括：

第一确定单元，用于根据所述当前行驶轨迹的轨迹特征和所述多个场景中每个场景的轨迹特征，确定所述当前行驶轨迹对应的概率集合，所述概率集合包括所述乘客处于所述多个场景中每个场景的概率；

第二确定单元，用于确定所述当前行驶轨迹对应的概率集合中满足条件的概率，所述满足条件的概率是指所述当前行驶轨迹对应的概率集合中最大的概率和/或大于大于概率阈值的概率；

第三确定单元，用于根据所述满足条件的概率的数量，确定所述乘客当前所处的场景。

可选地，所述满足条件的概率的数量为1；

所述第三确定单元用于：

将所述满足条件的概率对应的场景确定为所述乘客当前所处的场景。

可选地，所述满足条件的概率的数量大于1；

所述第三确定单元用于：

获取所述满足条件的概率对应的每个场景的平均概率集合，每个场景的平均概率集合用于指示每个场景下的多个历史轨迹中每个历史轨迹对应的概率集合的平均概率；

确定所述当前行驶轨迹的概率集合和所述满足条件的概率对应的每个场景的平均概率集合之间的相似度；

将最大相似度对应的一个场景确定为所述乘客当前所处的场景。

可选地，所述装置还包括：

获取模块，用于获取多条历史轨迹中每条历史轨迹的多个轨迹点数据，以及每条历史轨迹的场景标签；

第四确定模块，用于根据所述多条历史轨迹中每条历史轨迹的多个轨迹点数据，确定每条历史轨迹的轨迹特征；

第五确定模块，用于根据所述多条历史轨迹中每条历史轨迹的轨迹特征，以及每条历史轨迹的场景标签，确定所述多个场景中每个场景的轨迹特征。

可选地，每个轨迹点数据用于指示一个轨迹点；

所述第四确定模块用于：

根据所述多条历史轨迹中每条历史轨迹的多个轨迹点数据，对所述多条历史轨迹上的所有轨迹点进行聚类，得到多个轨迹点集合；

对于所述多条历史轨迹中的第一历史轨迹，根据所述第一历史轨迹的多个轨迹点数据，确定所述第一历史轨迹上多个轨迹点在所述多个轨迹点集合中的分布情况，所述分布情况用于指示每个轨迹点集合包括所述第一历史轨迹上的轨迹点的数量，将所述分布情况作为所述第一历史轨迹的轨迹特征，所述第一历史轨迹为所述多条历史轨迹中任一条。

可选地，所述第五确定模块用于：

根据每条历史轨迹的场景标签，对所述多条历史轨迹中每条历史轨迹的轨迹特征进行分类，得到与所述多个场景一一对应的多个轨迹特征集合；

对于多个轨迹特征集合中的第一轨迹特征集合包括的各个轨迹特征，将所述各个轨迹特征中用于指示同一轨迹点集合的数量平均化，得到与所述多个轨迹点集合一一对应的多个平均数量，根据所述多个平均数量确定与所述第一轨迹特征集合对应的场景的轨迹特征。

可选地，第一轨迹点数据用于指示第一轨迹点是否为停留点、停留点占比、所述第一轨迹点是否为偏僻点、偏僻点占比、所述第一轨迹点的行驶时间是否为夜间、车主性别或者乘客性别中的一项或多项，所述第一轨迹点数据为任一轨迹点数据；

所述停留点占比用于指示从开始行驶的第一个轨迹点到所述第一轨迹点之间出现的停留点的比例，所述偏僻点占比用于指示从开始行驶的第一个轨迹点到所述第一轨迹点之间出现的偏僻点的比例，所述偏僻点是指地理位置处于参考区域内的轨迹点。

可选地，所述装置还包括：

第六确定模块，用于根据所述多条历史轨迹中每条历史轨迹的轨迹特征，以及每条历史轨迹的场景标签，确定所述多条历史轨迹中每条历史轨迹对应的概率集合；

分类模块，用于根据每条历史轨迹的场景标签，对所述多条历史轨迹中每条历史轨迹对应的概率集合进行分类，得到多个分类集合，所述多个分类集合与所述多个场景一一对应；

第七确定模块，用于根据所述多个分类集合，确定所述多个场景中每个场景的平均概率集合。

可选地，所述第七确定模块用于：

对于所述多个分类集合中的第一分类集合，将所述第一分类集合中各个概率集合包括的乘客处于同一场景的概率平均化，得到平均化后的多个数值，每个数值对应一个场景，将平均化后的多个数值作为所述第一分布集合对应的场景的平均概率集合。

另一方面，提供了一种确定提示信息的设备，所述设备包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行上述任一确定提示信息的方法中的任一步骤。

另一方面，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指令，所述指令被处理器执行时实现上述任一确定提示信息的方法中的任一步骤。

本申请实施例提供的技术方案带来的有益效果是：

在本申请中，由于同一车辆在不同场景下的行驶轨迹可能不同，因此在乘客乘车过程中，可以确定乘客所乘车辆的当前行驶轨迹的轨迹特征，根据当前行驶轨迹的轨迹特征和多个场景中每个场景的轨迹特征，确定该乘客当前所处的场景，然后根据该乘客当前所处的场景，确定提示信息。相对于相关技术根据车辆的静态信息来确定提示信息，本申请中根据当前行驶轨迹的轨迹特征来确定乘客当前所处的场景，确定出的场景与乘客实际所处的场景更接近，进而使得确定的提示信息对乘客而言更有效。比如，在一些危险的场景中，本申请提供的确定的提示信息更有利于乘客采取合适的防范措施，从而降低乘客的乘车风险，进而保障乘客的人身安全。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种分析各个场景下的轨迹特征的方法流程图；

图2是本申请实施例提供的一种轨迹点数据的格式示意图；

图3是本本申请实施例提供的一种聚类过程的示意图；

图4是本本申请实施例提供的一种对历史轨迹上的轨迹点聚类之后的结果示意图；

图5是本申请实施例提供的一种确定的每个场景的轨迹特征的示意图；

图6是本申请实施例提供的一种平均概率集合示意图；

图7是本申请实施例提供的一种确定提示信息的方法流程图；

图8是本申请实施例提供的一种当前行驶轨迹对应的概率集合的示意图；

图9是本申请实施例提供的一种确定提示信息的装置框图；

图10是本申请实施例提供的一种服务器的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

在对本申请实施例提供的确定提示信息的方法进行解释说明之前，先对本申请实施例的应用场景进行解释说明。随着互联网技术的发展，乘客可以通过网约车的方式来选择即将所乘的车辆。但是由于网约车平台对车主的认证信息有限，导致乘客在乘坐网约车时，可能会出现各种各样的安全问题。因此，在乘客乘坐网约车的过程中，网约车平台可以实时为用户确定一个提示信息，以降低乘客的乘车风险。本申请实施例提供的确定提示信息的方法可以应用于上述网约车领域。

在本申请实施例中，为了提高确定的提示信息的实效性，可以根据当前行驶轨迹的轨迹特征，来确定乘客当前所处的场景，进而根据乘客当前所处的场景来确定提示信息。这样，在确定提示信息之前，就需要先通过大数据分析获取各个场景下的轨迹特征，否则没有办法实现根据前行驶轨迹的轨迹特征确定乘客当前所处的场景。因此，本申请实施例提供的确定提示信息的方法主要包括两方面的内容，一方面是分析各个场景下的轨迹特征，另一方面是根据分析结果为当前时间的乘客确定提示信息。下面将针对这两方面的内容分别展开说明。

图1是本申请实施例提供的一种分析各个场景下的轨迹特征的方法流程图，如图1所示，该方法包括如下步骤：

步骤101：获取多条历史轨迹中每条历史轨迹的多个轨迹点数据，以及每条历史轨迹的场景标签。

对于任一条历史轨迹，可以预先通过人工方式为该历史轨迹设置一个场景标签，以便于后续后台根据各条历史轨迹的场景标签来分析各个场景下的轨迹特征。

另外，该历史轨迹的多个轨迹点数据中每个轨迹点数据用于指示该历史轨迹上的一个轨迹点。在应用本申请实施例时，对于任一车辆，该车辆在行驶的过程中，可以周期性地上报当前所处的轨迹点(point)的轨迹点数据，比如，车辆可以每隔3s上报一个轨迹点数据。如此后台便可获取该车辆此次行驶轨迹的多个轨迹点数据。后台可以为网约车平台。

假设第一轨迹点数据为任一轨迹点数据，图2是本申请实施例提供的一种轨迹点数据的格式示意图。如图2所示，第一轨迹点数据用于指示第一轨迹点是否为停留点、停留点占比、第一轨迹点是否为偏僻点、偏僻点占比、第一轨迹点的行驶时间是否为夜间、车主性别或者乘客性别中的一项或多项。图2中的轨迹点数据仅仅用于举例说明，轨迹点数据还可以包括用于指示其他特征的数据，在此不做具体限定。

上述停留点占比用于指示从开始行驶的第一个轨迹点到第一轨迹点之间出现的停留点的比例。上述偏僻点占比用于指示从开始行驶的第一个轨迹点到第一轨迹点之间出现的偏僻点的比例，偏僻点是指地理位置处于参考区域内的轨迹点。

图2中展示了10条历史轨迹的中每条历史轨迹的一个轨迹点数据。如图2所示，第一行至第三行为场景标签为交通事故的三条历史轨迹中每条历史轨迹中的一个轨迹点数据。第五行至第七行为场景标签为打架斗殴的三条历史轨迹中每条历史轨迹中的一个轨迹点数据。第9行至第12行为场景标签为性侵的四条历史轨迹中每条历史轨迹中的一个轨迹点数据。

以第一行指示的历史轨迹中的轨迹点数据举例说明。其中，该轨迹点数据中“停留点”对应的数值为1，用于指示该轨迹点为停留点。该轨迹点数据中的“停留点占比”对应的数值为0.9，用于指示从开始行驶的第一个轨迹点到该轨迹点之间出现的停留点的比例为0.9。该轨迹点数据中的“偏僻点”对应的数值为0，用于指示该轨迹点不是偏僻点。该轨迹点数据中的“偏僻点占比”对应的数值为0.3，用于指示从开始行驶的第一个轨迹点到该轨迹点之间出现的偏僻点的比例为0.3。该轨迹点数据中“夜间”对应的数值为0，用于指示该轨迹点的行驶时间不是夜间。该轨迹点数据中“司机性别”对应的数值为1，用于指示该该历史轨迹对应的车辆的车主为男性。如果为0，则用于该该历史轨迹对应的车辆的车主为女性。该轨迹点数据中“乘客性别”对应的数值为1，用于指示该历史轨迹对应的乘客为男性。同样地，如果为0，则用于该该历史轨迹对应的乘客为女性。

图2中其他历史轨迹中的轨迹点数据的相关说明可以参考上述对第一行指示的历史轨迹中的轨迹点数据的说明，在此就不再一一展开说明。

步骤102：根据多条历史轨迹中每条历史轨迹的多个轨迹点数据，确定每条历史轨迹的轨迹特征。

由于各个轨迹点数据之间大部分存在相似的特征，为了能够明确各条历史轨迹的轨迹特征，可以通过融合聚类的方式对所有的轨迹点进行处理，得到聚类之后的轨迹点集合，然后将历史轨迹在聚类之后的轨迹点集合上的分布作为历史轨迹的轨迹特征。

因此，在一种可能的实现方式中，步骤102的实现过程可以为：根据多条历史轨迹中每条历史轨迹的多个轨迹点数据，对多条历史轨迹上的所有轨迹点进行聚类，得到多个轨迹点集合；对于多条历史轨迹中的第一历史轨迹，根据第一历史轨迹的多个轨迹点数据，确定第一历史轨迹上多个轨迹点在多个轨迹点集合中的分布情况，分布情况用于指示每个轨迹点集合包括第一历史轨迹上的轨迹点的数量，将分布情况作为第一历史轨迹的轨迹特征，第一历史轨迹为多条历史轨迹中任一条。

图3是本本申请实施例提供的一种聚类过程的示意图。如图3所示，假设聚类之前有a1至a16共16个轨迹点，按照每个轨迹点的轨迹点数据对这16个轨迹点聚类之后，得到b1至b8共8个轨迹点集合。其中，a1至a4属于b1这个轨迹点集合，a5至a6属于b2这个轨迹点集合，a7属于b3这个轨迹点集合，a8至a10属于b4这个轨迹点集合，a11至a13属于b5这个轨迹点集合，a14属于b6这个轨迹点集合，a15属于b7这个轨迹点集合，a16属于b8这个轨迹点集合。

比如，对于图2所示的10条历史轨迹，在将10条历史轨迹中所有轨迹点进行聚类之后，每条历史轨迹上多个轨迹点在多个轨迹点集合中的分布情况可以如图4所示。以第一行场景标签为交通事故的历史轨迹举例说明。如图4所示，该历史轨迹上从左到右的各个轨迹点依次所属的轨迹点集合为(b1、b1、b1、b5、b5、b5、b5、b5、b5、b6、b6、、、)，因此，该历史轨迹特征可以表征为b1:3b5:6b6:2，用于指示该历史轨迹上的轨迹点在b1这个轨迹点集合上有3个轨迹点，在b5这个轨迹点集合上有6个轨迹点，在b6这个轨迹点集合上有2个轨迹点。

另外，图4中，轨迹特征b1:3b5:6b6:2前面的标号“1”用于指示该历史轨迹的场景标签为“交通事故”。

图4中其他历史轨迹中的轨迹特征的相关说明可以参考上述对第一行指示的历史轨迹中的轨迹特征的说明，在此就不再一一展开说明。

步骤103：根据多条历史轨迹中每条历史轨迹的轨迹特征，以及每条历史轨迹的场景标签，确定多个场景中每个场景的轨迹特征。

在一种可能的实现方式中，步骤103的实现过程可以为：根据每条历史轨迹的场景标签，对多条历史轨迹中每条历史轨迹的轨迹特征进行分类，得到与多个场景一一对应的多个轨迹特征集合；对于多个轨迹特征集合中的第一轨迹特征集合包括的各个轨迹特征，将各个轨迹特征中用于指示同一轨迹点集合的数量平均化，得到与多个轨迹点集合一一对应的多个平均数量，根据多个平均数量确定与第一轨迹特征集合对应的场景的轨迹特征。

图5是本申请实施例提供的一种确定的每个场景的轨迹特征的示意图。如图5所示，假设聚类之后有n个轨迹点集合，多条历史轨迹中设置的场景标签有k个，则可以通过主题模型得到的各个场景的轨迹特征可以采用k×n这样的矩阵来表示，矩阵中的每一行对应一个场景，每一列对应一个轨迹点集合。其中，该矩阵还可以称为主题单词共轭矩阵。其中，主题模型可以用于直接输出k×n这样的矩阵，主题模型实质上就是一种算法，关于主题模型在此不再详细说明。

在通过上述步骤101至步骤103得到各个场景的轨迹特征后，便可在后续根据当前行驶轨迹确定乘客当前时间所处的场景，进而推荐出有效的提示信息。

另外，在应用本申请实施例中，如果某个行驶轨迹同时与多个场景下的轨迹特征比较接近，此时，只通过上述各个场景的轨迹特征难以精确确定出乘客当前所处的场景。因此，在通过上述步骤103确定出各个场景的轨迹特征之后，还可以通过下述步骤104和步骤106确定各个场景的平均概率集合，以便于后续通过各个场景的平均概率集合精确识别出乘客当前所处的场景。

步骤104：根据多条历史轨迹中每条历史轨迹的轨迹特征，以及每条历史轨迹的场景标签，确定多条历史轨迹中每条历史轨迹对应的概率集合。

如图5所示，假设有m条历史轨迹，多条历史轨迹中设置的场景标签有k个，将m条历史轨迹中每条历史轨迹的轨迹特征，以及每条历史轨迹的场景标签输入至主题模型之后，主题模型即可输出m×k的矩阵。该矩阵中每一行对应一条历史轨迹，每一列对应一个场景，每一行包括的k个元素用于指示对应的历史轨迹属于k个场景中每个场景的概率。另外，如图5所示，该矩阵还可以称为主题概率分布。

步骤105：根据每条历史轨迹的场景标签，对多条历史轨迹中每条历史轨迹对应的概率集合进行分类，得到多个分类集合，多个分类集合与多个场景一一对应。

比如，对于图5所示的m条历史轨迹，可以将第一行至第四行的历史轨迹的概率集合划分至一个分类集合。将第五行至第七行的历史轨迹的概率集合划分至一个分类集合。将第八行至第十一行的历史轨迹的概率集合划分至一个分类集合。

步骤106：根据多个分类集合，确定多个场景中每个场景的平均概率集合。

在一种可能的实现方式中，步骤106的实现过程可以为：对于多个分类集合中的第一分类集合，将第一分类集合中各个概率集合包括的乘客处于同一场景的概率平均化，得到平均化后的多个数值，每个数值对应一个场景，将平均化后的多个数值作为第一分布集合对应的场景的平均概率集合。第一分类集合为多个分类集合中的任一分类集合。

上述平均概率集合还可以称为主题平均概率分布。比如，对于图5所示的m×k的矩阵在通过步骤106处理后，即可得到k×k的矩阵。也即是，图5中的m×k的主题概率分布在通过步骤106处理后得到k×k的主题平均概率分布。

图6是本申请实施例提供的一种平均概率集合示意图。如图6所示，假设预先设置的场景标签有6个，则得到的每个场景的平均概率集合中包括6个元素，每个元素是场景标签相同的各个分类集合包括的乘客处于同一场景的概率平均化之后的数值。

比如，对于场景标签为“交通事故”这个场景，该场景的平均概率集合表示为(0.9、0.4、0.1、0、0、0.1)，该场景的平均概率集合是通过场景标签为“交通事故”的历史轨迹的概率集合平均化之后得到。

上述步骤101至步骤106通过对不同场景的历史轨迹进行分析，得到各个场景下的轨迹特征，以便于后续根据当前行驶轨迹的轨迹特征和多个场景中每个场景的轨迹特征，确定该乘客当前所处的场景，然后根据该乘客当前所处的场景，确定提示信息。相对于相关技术根据车辆的静态信息来确定提示信息，本申请实施例中根据当前行驶轨迹的轨迹特征来确定乘客当前所处的场景，确定出的场景与乘客实际所处的场景更接近，进而使得确定的提示信息对乘客而言更有效。比如，在一些危险的场景中，本申请提供的确定的提示信息更有利于乘客采取合适的防范措施，从而降低乘客的乘车风险，进而保障乘客的人身安全。

图7是本申请实施例提供的一种确定提示信息的方法流程图，如图7所示，该方法包括如下步骤：

步骤701：确定乘客所乘车辆的当前行驶轨迹的轨迹特征。

为了提高后续确定的提示信息的实效性，本申请实施例可以根据乘客所乘车辆的当前行驶轨迹的轨迹特征来通过下述步骤102和步骤103确定提示信息。

在一种可能的实现方式中，步骤101的实现过程可以为：获取该乘客所乘车辆的当前行驶轨迹的多个轨迹点数据，每个轨迹点数据用于指示当前行驶轨迹上的一个轨迹点。根据当前行驶轨迹的多个轨迹点数据，确定当前行驶轨迹的轨迹特征。

其中，根据当前行驶轨迹的多个轨迹点数据，确定当前行驶轨迹的轨迹特征可以参考图1所示的实施例中的步骤102，在此就不在赘述。

步骤702：根据当前行驶轨迹的轨迹特征和多个场景中每个场景的轨迹特征，确定乘客当前所处的场景。

在一种可能的实现方式中，步骤702的实现过程可以为：根据当前行驶轨迹的轨迹特征和多个场景中每个场景的轨迹特征，确定当前行驶轨迹对应的概率集合，概率集合包括乘客处于多个场景中每个场景的概率；确定当前行驶轨迹对应的概率集合中满足条件的概率，满足条件的概率是指当前行驶轨迹对应的概率集合中最大的概率和/或大于大于概率阈值的概率；根据满足条件的概率的数量，确定乘客当前所处的场景。

图8是本申请实施例提供的一种当前行驶轨迹对应的概率集合的示意图。图8中的1至12用于指示12个场景，柱状图中每个柱状的高度用于指示当前行驶轨迹处于该场景下的概率。如图8所示，当前行驶轨迹处于各个场景下的概率从大到小的排序依次为场景4、场景3、场景5、场景9、、、、等。

上述实现方式总的概率阈值是预先设置的概率，该概率阈值可以为0.8或0.9等。

由于满足条件的概率可能不止一个，因此，根据满足条件的概率的数量，确定乘客当前所处的场景的实现方式可以为由以下两种：

第一种可能的实现方式，此时满足条件的概率的数量为1。相应地，根据满足条件的概率的数量，确定乘客当前所处的场景的实现过程可以为：将满足条件的概率对应的场景确定为乘客当前所处的场景。

也即是，如果满足条件的场景为单一场景，则直接将该单一场景确定为该乘客当前所处的场景。

第一种可能的实现方式，此时满足条件的概率的数量大于1，相应地，根据满足条件的概率的数量，确定乘客当前所处的场景的实现过程可以为：获取满足条件的概率对应的每个场景的平均概率集合，每个场景的平均概率集合用于指示每个场景下的多个历史轨迹中每个历史轨迹对应的概率集合的平均概率；确定当前行驶轨迹的概率集合和满足条件的概率对应的每个场景的平均概率集合之间的相似度；将最大相似度对应的一个场景确定为乘客当前所处的场景。

也即是，如果满足条件的场景为多个场景，则根据这多个场景的平均概率集合来确定为该乘客当前所处的场景。

上述确定当前行驶轨迹的概率集合和满足条件的概率对应的每个场景的平均概率集合之间的相似度可以通过欧式距离的方式来确定。其中，欧式距离越多，两者之间的相似度越大，欧式距离越小，两者之间的相似度越小。

步骤703：根据乘客当前所处的场景，确定提示信息。

在确定出乘客当前所处的场景后，便可根据确定的场景确定提示信息。比如，如果确定的乘客当前所处的场景为交通事故，则可以确定针对交通事故的提示信息。如果确定的乘客当前所处的场景为打架斗殴，则可以确定针对打架斗殴的提示信息。

当上述方法应用到网约平台等确定提示信息的设备上时，网约平台在确定出提示信息之后，还可以将提示信息发送至乘客端，以使乘客端显示该提示信息，从而起到提示乘客的作用。

在本申请实施例中，由于同一车辆在不同场景下的行驶轨迹可能不同，因此在乘客乘车过程中，可以确定乘客所乘车辆的当前行驶轨迹的轨迹特征，根据当前行驶轨迹的轨迹特征和多个场景中每个场景的轨迹特征，确定该乘客当前所处的场景，然后根据该乘客当前所处的场景，确定提示信息。相对于相关技术根据车辆的静态信息来确定提示信息，本申请实施例中根据当前行驶轨迹的轨迹特征来确定乘客当前所处的场景，确定出的场景与乘客实际所处的场景更接近，进而使得确定的提示信息对乘客而言更有效。比如，在一些危险的场景中，本申请提供的确定的提示信息更有利于乘客采取合适的防范措施，从而降低乘客的乘车风险，进而保障乘客的人身安全。

图9是本申请实施例提供的一种确定提示信息的装置框图。如图9所示，该装置900包括：

第一确定模块901，用于确定乘客所乘车辆的当前行驶轨迹的轨迹特征；

第二确定模块902，用于根据当前行驶轨迹的轨迹特征和多个场景中每个场景的轨迹特征，确定乘客当前所处的场景；

第三确定模块903，用于根据乘客当前所处的场景，确定提示信息。

可选地，第二确定模块902包括：

第一确定单元，用于根据当前行驶轨迹的轨迹特征和多个场景中每个场景的轨迹特征，确定当前行驶轨迹对应的概率集合，概率集合包括乘客处于多个场景中每个场景的概率；

第二确定单元，用于确定当前行驶轨迹对应的概率集合中满足条件的概率，满足条件的概率是指当前行驶轨迹对应的概率集合中最大的概率和/或大于大于概率阈值的概率；

第三确定单元，用于根据满足条件的概率的数量，确定乘客当前所处的场景。

可选地，满足条件的概率的数量为1；

第三确定单元用于：

将满足条件的概率对应的场景确定为乘客当前所处的场景。

可选地，满足条件的概率的数量大于1；

第三确定单元用于：

获取满足条件的概率对应的每个场景的平均概率集合，每个场景的平均概率集合用于指示每个场景下的多个历史轨迹中每个历史轨迹对应的概率集合的平均概率；

确定当前行驶轨迹的概率集合和满足条件的概率对应的每个场景的平均概率集合之间的相似度；

将最大相似度对应的一个场景确定为乘客当前所处的场景。

可选地，该装置900还包括：

获取模块，用于获取多条历史轨迹中每条历史轨迹的多个轨迹点数据，以及每条历史轨迹的场景标签；

第四确定模块，用于根据多条历史轨迹中每条历史轨迹的多个轨迹点数据，确定每条历史轨迹的轨迹特征；

第五确定模块，用于根据多条历史轨迹中每条历史轨迹的轨迹特征，以及每条历史轨迹的场景标签，确定多个场景中每个场景的轨迹特征。

可选地，每个轨迹点数据用于指示一个轨迹点；

第四确定模块用于：

根据多条历史轨迹中每条历史轨迹的多个轨迹点数据，对多条历史轨迹上的所有轨迹点进行聚类，得到多个轨迹点集合；

对于多条历史轨迹中的第一历史轨迹，根据第一历史轨迹的多个轨迹点数据，确定第一历史轨迹上多个轨迹点在多个轨迹点集合中的分布情况，分布情况用于指示每个轨迹点集合包括第一历史轨迹上的轨迹点的数量，将分布情况作为第一历史轨迹的轨迹特征，第一历史轨迹为多条历史轨迹中任一条。

可选地，第五确定模块用于：

根据每条历史轨迹的场景标签，对多条历史轨迹中每条历史轨迹的轨迹特征进行分类，得到与多个场景一一对应的多个轨迹特征集合；

对于多个轨迹特征集合中的第一轨迹特征集合包括的各个轨迹特征，将各个轨迹特征中用于指示同一轨迹点集合的数量平均化，得到与多个轨迹点集合一一对应的多个平均数量，根据多个平均数量确定与第一轨迹特征集合对应的场景的轨迹特征。

可选地，第一轨迹点数据用于指示第一轨迹点是否为停留点、停留点占比、第一轨迹点是否为偏僻点、偏僻点占比、第一轨迹点的行驶时间是否为夜间、车主性别或者乘客性别中的一项或多项，第一轨迹点数据为任一轨迹点数据；

停留点占比用于指示从开始行驶的第一个轨迹点到第一轨迹点之间出现的停留点的比例，偏僻点占比用于指示从开始行驶的第一个轨迹点到第一轨迹点之间出现的偏僻点的比例，偏僻点是指地理位置处于参考区域内的轨迹点。

可选地，该装置900还包括：

第六确定模块，用于根据多条历史轨迹中每条历史轨迹的轨迹特征，以及每条历史轨迹的场景标签，确定多条历史轨迹中每条历史轨迹对应的概率集合；

分类模块，用于根据每条历史轨迹的场景标签，对多条历史轨迹中每条历史轨迹对应的概率集合进行分类，得到多个分类集合，多个分类集合与多个场景一一对应；

第七确定模块，用于根据多个分类集合，确定多个场景中每个场景的平均概率集合。

可选地，第七确定模块用于：

对于多个分类集合中的第一分类集合，将第一分类集合中各个概率集合包括的乘客处于同一场景的概率平均化，得到平均化后的多个数值，每个数值对应一个场景，将平均化后的多个数值作为第一分布集合对应的场景的平均概率集合。

在本申请实施例中，由于同一车辆在不同场景下的行驶轨迹可能不同，因此在乘客乘车过程中，可以确定乘客所乘车辆的当前行驶轨迹的轨迹特征，根据当前行驶轨迹的轨迹特征和多个场景中每个场景的轨迹特征，确定该乘客当前所处的场景，然后根据该乘客当前所处的场景，确定提示信息。相对于相关技术根据车辆的静态信息来确定提示信息，本申请实施例中根据当前行驶轨迹的轨迹特征来确定乘客当前所处的场景，确定出的场景与乘客实际所处的场景更接近，进而使得确定的提示信息对乘客而言更有效。比如，在一些危险的场景中，本申请提供的确定的提示信息更有利于乘客采取合适的防范措施，从而降低乘客的乘车风险，进而保障乘客的人身安全。

需要说明的是：上述实施例提供的确定提示信息的装置在确定提示信息时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的确定提示信息的装置与确定提示信息的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图10是本申请实施例提供的一种服务器结构示意图。该服务器可以是后台服务器集群中的服务器。上述实施例中的网约平台等确定提示信息的设备可以通过该服务器来实现。具体来讲：

服务器1000包括中央处理单元(cpu)1001、包括随机存取存储器(ram)1002和只读存储器(rom)1003的系统存储器1004，以及连接系统存储器1004和中央处理单元1001的系统总线1005。服务器1000还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(i/o系统)1006，和用于存储操作系统1013、应用程序1014和其他程序模块1015的大容量存储设备1007。

基本输入/输出系统1006包括有用于显示信息的显示器1008和用于用户输入信息的诸如鼠标、键盘之类的输入设备1009。其中显示器1008和输入设备1009都通过连接到系统总线1005的输入输出控制器1010连接到中央处理单元1001。基本输入/输出系统1006还可以包括输入输出控制器1010以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器1010还提供输出到显示屏、打印机或其他类型的输出设备。

大容量存储设备1007通过连接到系统总线1005的大容量存储控制器(未示出)连接到中央处理单元1001。大容量存储设备1007及其相关联的计算机可读介质为服务器1000提供非易失性存储。也就是说，大容量存储设备1007可以包括诸如硬盘或者cd-rom驱动器之类的计算机可读介质(未示出)。

不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括ram、rom、eprom、eeprom、闪存或其他固态存储其技术，cd-rom、dvd或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器1004和大容量存储设备1007可以统称为存储器。

根据本申请的各种实施例，服务器1000还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器1000可以通过连接在系统总线1005上的网络接口单元1011连接到网络1012，或者说，也可以使用网络接口单元1011来连接到其他类型的网络或远程计算机系统(未示出)。

上述存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，被配置由cpu执行。所述一个或者一个以上程序包含用于进行本申请实施例提供的确定提示信息的方法的指令。

本申请实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得服务器能够执行上述实施例提供的确定提示信息的方法。

本申请实施例还提供了一种包含指令的计算机程序产品，当其在服务器上运行时，使得服务器执行上述实施例提供的确定提示信息的方法。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。