本文仅围绕 男性司机-单一女性乘客 ，部分专车或顺风车，风险识别监控预警优化。enjoy~
背景就不说了，最近这些事情都是头条可见。
且众观近几年的各类出行APP，均有过司机对女性乘客的侵害行为事例。对于这些高危事例，猎人都大概看了裁决书的内容，提取了一些犯罪画像及共性，结合个人对数据应用的一些小经验，做了一些思考。仅供行业内人士参考。
以下方案，仅围绕 男性司机-单一女性乘客 ，部分专车或顺风车，风险识别监控预警优化。
针对「男性司机」事前有意犯罪及临时起意两种情况下可能反映或导致其犯罪心理出现的潜在特征维度。
一．监控规则及特征提取，建议如下：
（以下引用>的，表示司机风险潜在等级对比。）
1. 年龄：22-30>30-40岁>40岁-55岁 。
2. 出身成长地域：贫困山区>村>镇>县>市区（四线>三线>二线>一线）【识别权重：根据身份证归属地（若有变更，最好以未变更前的为准）>GPS偏远地区定期打点识别>手机号归属地>银行卡归属地】。
3. 学历：小学及以下>初中>高中>大专>本科及以上。
4. 常住地址：打点常在地。可延伸居住环境、收入情况。居住环境不好、收入情况一般也不行，相对来说出现需要钱的情况可能性较大；居住环境很好，疑似富二代的，撩妹子为主要目的，也需要关注。
5. 收入情况：通过银联接口，查询消费数据，消费习惯、消费品类别等情况，判断是否有不良消费行为，消费能力等。
6. 不良名单：黄赌毒、多头借贷、负债大户等，特别是短期内才发生情况。
7. 接单时间段，时长及年限，稳定性：时间短>时间长； 停单间隔短>停单间隔长；19:00-6:00>6:00-19:00
8. 长期载客蹲点、起点及结束点范围：
蹲点：长期蹲点在酒吧、KTV、酒店、赌博场所等司机，列为重点关注对象；某个时间周期突然在新的点出没接单的。
起点：上期起点在酒吧、KTV、酒店、赌博场所等司机，列为重点关注对象。某个时间周期突然在新的点出没接单的，特别是行驶范围与常规的有区别。
结束点：作为司机接单距离判断，距离长短-区分长短途；路径情况-区分是专走高速或山区或偏僻地方等，作为异常点关注。
（1）高危区域判定：高速公路、山区、村庄、厂房等；通过经纬度、GPS密度识别及基站识别等。司机手机APP类型及使用情况监控，特别是借贷类APP。（2）异常行为：接单后GPS无信号；非红绿灯附近的停车；偏远区域临时停车且时间超过一定时间；非交通堵塞路段的停车；非指定路径的停车等；经常不按指定路径行驶的。（3）群体性行为关注：滴滴行业交流群，论坛等关联用户关联司机账户并做风险关注；交流群异常事件行为识别并做风险特征形成规则监控。
二. 乘客端产品体验端优化建议：
警报功能优先显示；
增加叫车前人数输入框，如果数量为1，则优先配女司机或良好资质司机；或做警示提示，且做好过程监控-司机不按路径行驶；司机偏僻区域临时停车等；乘车人状态（清醒、醉酒）选择等。（1位女士>2位及以上乘客）
增加交车前是否本人乘车，非本人乘车需增加乘车人身份输入窗口，提示是安全需求；且同步在乘车人手机同步镜像路径监控。
接单行车过程语音识别敏感字眼，做语句情感分析，若涉及敏感字眼，可及时做进一步监控。
三．司机端产品体验端优化建议：
借由最近的社会舆论，强化警察监控功能，对于风险较高单子，可主动提示“这次行车已随机被监控”。
增加司机对乘客端印象自动填写框，但不对乘客显示或归类为显示默认的几个标签，主要用做司机素质隐性判断。对输入印象较为敏感的司机做隐性风险评分。
接单行车过程语音识别敏感字眼，做语句情感分析，若涉及敏感字眼，可及时做警示提示。
以上建议，需根据实际业务数据做调整监控。或有考虑不周的地方，可以交流。
大数据猎人，微信公众号：date-hunter，人人都是产品经理专栏作家。数据猿专栏专家，移动支付网专栏作者、智帆金科特邀作者，知乎专栏。多年金融行业（基金、理财、保险、信贷等行业）相关战略研究、行业分析、商业模式搭建经验，熟悉金融+大数据+风控+营销领域。
网友评论