货运异常事件上报方法、装置、电子设备和存储介质与流程

1.本技术涉及货运信息技术领域，具体而言，涉及一种货运异常事件上报方法、装置、电子设备和存储介质。


背景技术：

2.随着物流行业信息化水平的提高，货主希望通过云端平台掌握承运车辆的更加详细的运输信息，对货运过程提出更高要求，比如需要司机在运输途中及时上报异常等。
3.目前，多数货车上安装了联网版的视频终端，并固定于货车前挡风玻璃上，以实时监控货车行车情况。
4.但是，视频终端无法与云端平台直接交互，并与异常事件形成证据链，导致货车司机无法证明是否是因为货运途中出现了异常事件从而影响到货运完成度，且货车司机可能无法熟练使用云端平台，导致异常事件无法及时上报。


技术实现要素：

5.本技术的目的在于，针对上述现有技术中的不足，提供一种货运异常事件上报方法、装置、电子设备和存储介质，以解决现有技术中视频终端无法与云端平台直接交互，且货车司机无法熟练使用云端平台的问题。
6.为实现上述目的，本技术实施例采用的技术方案如下：
7.第一方面，本技术一实施例提供了一种货运异常事件上报方法，所述方法包括：
8.获取用户通过车辆上的终端输入的异常语音信息以及所述终端的标识；
9.根据所述终端的标识从运单系统中获取所述车辆的当前运单信息；
10.根据所述异常语音信息、所述当前运单信息及预先建立的意图识别库，确定目标异常事件，其中，所述意图识别库中存储有多个向量，各向量分别用于记录语音、运单信息以及异常事件之间的映射关系；
11.输出目标异常事件并驱动所述终端采集异常信息，所述异常信息包括：异常影像。
12.可选的，所述根据所述异常语音信息、所述当前运单信息及预先建立的意图识别库，确定目标异常事件，包括：
13.根据所述异常语音信息以及所述当前运单信息，生成目标向量；
14.将所述目标向量与所述意图识别库中的各向量进行比对，得到各向量对应的相似度结果；
15.根据各向量对应的相似度结果，确定所述意图识别库中的预设数量的待选向量；
16.根据各待选向量对应的异常事件，对各待选向量进行聚合，得到至少一个向量集合，各向量集合中的所有待选向量的异常事件相同；
17.根据各向量集合中各待选向量的相似度结果，确定所述目标异常事件。
18.可选的，所述将所述目标向量与所述意图识别库中的各向量进行比对，得到各向量对应的相似度结果，包括：
19.计算所述目标向量与所述意图识别库中的各向量的余弦角相似度，将所述余弦角相似度作为各向量对应的相似度结果。
20.可选的，所述根据各向量对应的相似度结果，确定所述意图识别库中的预设数量的待选向量，包括：
21.对各向量对应的相似度结果进行排序，得到排序后向量序列；
22.按照所述排序后向量序列中的向量顺序，依次从所述排序后向量序列中选择出所述预设数量的待选向量。
23.可选的，所述根据各向量集合中各待选向量的相似度结果，确定所述目标异常事件，包括：
24.将各向量集合中各待选向量的相似度结果相加，得到各向量集合对应的相似度结果；
25.将相似度结果最大的向量集合对应的异常事件作为所述目标异常事件。
26.可选的，输出目标异常事件并驱动所述终端采集异常信息之后，还包括：
27.根据所述终端所采集的所述异常信息以及所述车辆的位置，生成异常事件；
28.将所述异常事件上报至运单系统。
29.可选的，所述获取用户输入的异常语音信息，包括：
30.接收用户唤醒语音；
31.根据所述用户唤醒语音，启动语音监听；
32.采集所述异常语音信息。
33.第二方面，本技术另一实施例提供了一种货运异常事件上报装置，所述装置包括：
34.第一获取模块，用于获取用户通过车辆上的终端输入的异常语音信息以及所述终端的标识；
35.第二获取模块，用于根据所述终端的标识从运单系统中获取所述车辆的当前运单信息；
36.确定模块，用于根据所述异常语音信息、所述当前运单信息及预先建立的意图识别库，确定目标异常事件，其中，所述意图识别库中存储有多个向量，各向量分别用于记录语音、运单信息以及异常事件之间的映射关系；
37.输出模块，用于输出目标异常事件并驱动所述终端采集异常信息，所述异常信息包括：异常影像。
38.可选的，所述确认模块具体用于：
39.根据所述异常语音信息以及所述当前运单信息，生成目标向量；
40.将所述目标向量与所述意图识别库中的各向量进行比对，得到各向量对应的相似度结果；
41.根据各向量对应的相似度结果，确定所述意图识别库中的预设数量的待选向量；
42.根据各待选向量对应的异常事件，对各待选向量进行聚合，得到至少一个向量集合，各向量集合中的所有待选向量的异常事件相同；
43.根据各向量集合中各待选向量的相似度结果，确定所述目标异常事件。
44.可选的，所述确认模块具体用于：
45.计算所述目标向量与所述意图识别库中的各向量的余弦角相似度，将所述余弦角
相似度作为各向量对应的相似度结果。
46.可选的，所述确认模块具体用于：
47.对各向量对应的相似度结果进行排序，得到排序后向量序列；
48.按照所述排序后向量序列中的向量顺序，依次从所述排序后向量序列中选择出所述预设数量的待选向量。
49.可选的，所述确认模块具体用于：
50.将各向量集合中各待选向量的相似度结果相加，得到各向量集合对应的相似度结果；
51.将相似度结果最大的向量集合对应的异常事件作为所述目标异常事件。
52.可选的，所述输出模块还用于：
53.根据所述终端所采集的所述异常信息以及所述车辆的位置，生成异常事件；
54.将所述异常事件上报至运单系统。
55.可选的，所述第一获取模块具体用于：
56.接收用户唤醒语音；
57.根据所述用户唤醒语音，启动语音监听；
58.采集所述异常语音信息。
59.第三方面，本技术另一实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述第一方面所述方法的步骤。
60.第四方面，本技术另一实施例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计算机程序，所述计算机程序被处理器运行时执行如上述第一方面所述方法的步骤。
61.本技术的有益效果是：首先获取用户通过车辆上的终端输入的异常语音信息以及终端的标识，通过语音输入避免由于货车司机无法熟练使用云端平台导致异常事件无法及时上报，然后根据终端的标识从运单系统中获取车辆的当前运单信息，再根据上述异常语音信息、当前运单信息与预先建立的意图识别库确定目标异常事件，并输出目标异常事件并驱动终端采集异常信息，从而可以证明是否是因为货运途中出现了异常事件从而影响到货运完成度，形成证据链，保证公平。
附图说明
62.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
63.图1是本技术实施例提供的一种货运异常事件上报方法的应用场景示意图；
64.图2是本技术实施例提供的一种货运异常事件上报方法的流程示意图；
65.图3是本技术实施例提供的一种确定目标异常事件的流程示意图；
66.图4是本技术实施例提供的一种确定待选向量的流程示意图；
67.图5是本技术实施例提供的另一种确定目标异常事件的流程示意图；
68.图6是本技术实施例提供的一种异常事件上报的流程示意图；
69.图7是本技术实施例提供的一种采集异常语音信息的流程示意图；
70.图8是本技术实施例提供的一种货运异常事件上报方法的整体流程示意图；
71.图9是本技术实施例提供的一种货运异常事件上报装置的结构示意图；
72.图10是本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
73.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，应当理解，本技术中附图仅起到说明和描述的目的，并不用于限定本技术的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本技术中使用的流程图示出了根据本技术的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本技术内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
74.另外，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
75.需要说明的是，本技术实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
76.随着物流行业信息化水平的提高，货主希望通过云端平台掌握承运车辆的更加详细的运输信息，对货运过程提出更高要求，比如要求司机在运输途中及时通过拍摄异常照片和填写异常原因上报异常事件、在一定时效要求内到达卸货地点并完成指定签收动作、或者要求司机在指定路线上运货等。
77.通常情况下，异常事件可能包括装卸货异常、在途时效类异常及未按指定路线行驶等。其中装卸货异常可以是超时装卸货，可能导致该异常出现的原因是装卸货设备故障、等待下游等，在途时效类异常可以是不能按照规定时间到达卸货地点，可能导致该异常出现的原因是行驶途中发生拥堵、货车发生损坏等，可能导致未按指定路线行驶的原因是修路等。
78.目前，多数货车上安装了联网版的视频终端，并固定于货车前挡风玻璃上，以实时监控货车行车情况。
79.但是，视频终端无法与云端平台直接交互，并与异常事件形成证据链，导致货车司机无法证明是否是因为货运途中出现了异常事件从而影响到货运完成度，从而使司机因为该异常事件受罚。且货车司机可能无法熟练使用云端平台，导致异常事件无法及时上报，从而无法提供给货主进行查询。
80.基于上述问题，本技术提供一种货运异常事件上报方法，该方法通过将通过终端采集到的异常语音信息、运单系统中车辆的当前运单信息及预先建立的意图识别库中的多
个向量，确定目标异常事件，从而形成证据链，避免货车司机受到因为异常事件受到惩罚。并且该方法适用性强，对货车司机的操作要求不高。
81.在介绍货运异常事件上报方法之前，先参照图1对该方法的应用场景进行介绍。在货车司机驾驶货车承运当前运单任务时，可能在行驶途中遇到一些异常事件，包括装卸货异常、在途时效类异常及未按指定路线行驶，此时需要上报给云端的运单系统，并通知货主异常事件情况。但是部分司机可能不能熟练使用货车终端上传异常事件信息，因此本技术提出，货车司机遇到异常事件时，可以通过语音的形式唤醒货车终端，并通过语音上报异常事件，货车终端将异常语音信息发送给意图识别模块，由意图识别模块根据上传的异常语音信息和来自运单系统的运单信息输出目标异常事件，意图识别模块可以驱动货车终端采集异常信息和车辆位置，然后将目标异常事件、采集异常信息及车辆位置分别发送到货车终端和运单系统，由货车终端语音回复确认信息，并由运单系统将上述信息推送给货主，以使货主或司机完成异常托底操作。
82.值得一提的是，本技术中意图识别模块可以设置在货车终端中，也可以设置在运单系统上。
83.在介绍完货运异常事件上传方法的应用场景图后，参照图2对货运异常事件上传方法进行详细介绍。本实施例可以以意图识别模块作为执行主体。
84.s201、获取用户通过车辆上的终端输入的异常语音信息以及终端的标识。
85.可选的，当有异常事件发生时，用户可以通过车辆上的终端输入异常语音信息。其中车辆上的终端可以是手机或平板等，终端需要有麦克风和播报的功能。其中，用户可以是货车司机。
86.可选的，异常语音信息可以是通过语音描述的异常事件情况。示例性的，异常语音信息可以是：“前面非常拥堵，帮忙记录”或者“前面在修路”等。
87.可选的，每个司机可以配套专门的货车终端，每个终端可以对应一个司机和司机所驾驶的货车。
88.s202、根据终端的标识从运单系统中获取车辆的当前运单信息。
89.可选的，运单系统可以装载在服务器上，其可以存储一定时间段内所有货车的运单及运单相关信息。
90.可选的，异常识别模块可以根据终端特定的标识从运单系统中获取车辆的当前运单信息，其中特定标识可以是终端编号或者司机工号，当前运单信息可以包括当前货车车牌号、当前运单等。当前运单可以包括始发地、目的地、货品、出发时间、运输时长及装卸货时长等。
91.s203、根据异常语音信息、当前运单信息及预先建立的意图识别库，确定目标异常事件，其中，意图识别库中存储有多个向量，各向量分别用于记录语音、运单信息以及异常事件之间的映射关系。
92.可选的，可以使用大语言模型对异常语音信息进行识别，将其转换成文本并根据当前运单信息生成向量。其中大语言模型可以理解和生成自然语音文本，在使用前进行大量训练，从而在使用时将自然语音文本及当前运单信息转换为向量。
93.可选的，预先建立的意图识别库作为一种数据库，可以存储多个向量，各向量可以是异常语音信息转换而成的文本、运单信息及异常事件转换而来的。其中，可以使用大语言
模型将上述异常语音信息转换而成的文本、运单信息及异常事件进行embedding，将其转换成向量的形式，embedding可以将离散变量转变为连续向量，实现数据降维。
94.可选的，存储在意图识别库中的文件格式可以是《多维向量，异常事件》，其中，该文件格式可以是map格式，map格式可以包含一组key-value键值对，key为关键字，value为关键字的值。本技术中，key可以为多维向量，value可以为异常事件。
95.示例性的，意图识别库中可以包含万条异常语音信息文本、运单信息和异常事件的组合，可以表示为pair《司机语音文本，运单信息，异常事件类型》，意图识别库中的部分数据可以如表1所示：
96.表1
[0097][0098]
通过大语言模块将上述万条pair《司机语音文本，运单信息，异常事件》进行embedding，形成1500维向量。意图识别库中存储的内容单元就可以是《1500维向量,异常事件》。
[0099]
可选的，使用大语言模型将异常语音信息及当前运单信息进行embedding后生成多维向量，再将该当前多维向量和意图识别库中的多组多维向量进行对比和计算，选取当前多维向量和意图识别库中多维向量最相近的向量对应的异常事件，作为目标异常事件。
[0100]
s204、输出目标异常事件并驱动终端采集异常信息，异常信息包括：异常影像。
[0101]
可选的，意图识别模块将目标异常事件输出给货车终端，并驱动货车终端采集异常影响等异常信息。
[0102]
可选的，当货车终端采集到异常信息后，可以将异常信息和目标异常事件上传至运单系统，运单系统将上述信息推送至货主终端，从而保证异常事件托底。
[0103]
本实施例中，首先获取用户通过车辆上的终端输入的异常语音信息以及终端的标识，通过语音输入避免由于货车司机无法熟练使用云端平台导致异常事件无法及时上报，然后根据终端的标识从运单系统中获取车辆的当前运单信息，再根据上述异常语音信息、当前运单信息与预先建立的意图识别库确定目标异常事件，并输出目标异常事件并驱动终端采集异常信息，从而可以证明是否是因为货运途中出现了异常事件从而影响到货运完成度，形成证据链，保证公平。
[0104]
接下来，参照图3对上述步骤s203中根据异常语音信息、当前运单信息及预先建立的意图识别库，确定目标异常事件的具体步骤进行详细说明：
[0105]
s301、根据异常语音信息以及当前运单信息，生成目标向量。
[0106]
可选的，根据异常语音信息和当前运单信息，使用大语言模型进行embedding，生成多维向量。其中向量维度可以人物设定，维度越多，则信息更详细，但计算负担也会也大。示例性的，可以通过大语言模型将异常语音信息和当前运单信息生成1500维的向量。
[0107]
s302、将目标向量与意图识别库中的各向量进行比对，得到各向量对应的相似度结果。
[0108]
可选的，意图识别库中存储的数据格式可以是《多维向量,异常事件》，而将目标向量分别和意图识别库中多组的多维向量进行比对，可以得到各向量对应的相似度结果。该相似度结果可以是多组向量对应的多组值为0-1的相似度函数。
[0109]
可选的，相似度越高，则相似度函数值越大，相似度越低，则相似度函数值越小。
[0110]
s303、根据各向量对应的相似度结果，确定意图识别库中的预设数量的待选向量。
[0111]
可选的，用户可以预先设定待选向量的数量，示例性的，若预设数量为10，则根据各向量对应的相似度结果，从意图识别库中确定10个待选向量。
[0112]
可选的，根据各向量对应的相似度结果，可以选择前预设数据个向量作为待选向量。
[0113]
s304、根据各待选向量对应的异常事件，对各待选向量进行聚合，得到至少一个向量集合，各向量集合中的所有待选向量的异常事件相同。
[0114]
可选的，根据各待选向量对应的异常事件，按照异常事件类型，对同类型的异常事件进行聚合，即将同类型异常事件进行归类，向量集合的数量与预设数量个待选向量中的异常事件类型数量相同。
[0115]
可选的，若预设数量中仅有一种类型的异常事件，则可以将该异常事件直接作为目标异常事件。
[0116]
s305、根据各向量集合中各待选向量的相似度结果，确定目标异常事件。
[0117]
可选的，可以将每个向量集合中的所有待选向量所对应的相似度结果相结合，然后比较每个向量集合结合后的相似度结果，并选择其中结果最高的向量集合对应的异常事件作为目标异常事件。
[0118]
可选的，若相似度结果最高的向量集合为两组，那么可以重新从识别库中选取更多的向量重新进行比对，直到相似度结果最高的向量集合为一组，则将该向量集合对应的对应的异常事件作为目标异常事件。
[0119]
本实施例中，首先根据异常语音信息以及当前运单信息，生成目标向量，将目标向量与意图识别库中的各向量进行比对，得到各向量对应的相似度结果，然后根据各向量对应的相似度结果，确定意图识别库中的预设数量的待选向量，并对各待选向量进行聚合得到至少一个向量集合，再根据各向量集合中各待选向量的相似度结果，确定目标异常事件，从而仅从用户处获取异常语音信息就可以判断该异常语音信息对应的目标异常事件，又由于是将异常语音信息、当前运单信息和意图识别库中的多个向量进行比较，因此获取的目标异常事件的准确率高。
[0120]
在介绍完如何确定目标异常事件之后，对其中步骤s302中将目标向量与意图识别库中的各向量进行比对，得到各向量对应的相似度结果，进行介绍：
[0121]
可选的，计算目标向量与意图识别库中的各向量的余弦角相似度，将余弦角相似度作为各向量对应的相似度结果。
[0122]
可选的，由于意图识别库中包含了大量的向量文件，因此可以在计算目标向量与意图识别库中的各向量的余弦角相似度之前，可以对意图识别库中的向量文件进行敏感系数哈希，从而将向量文件进行分成多个桶，获得与目标向量最相似的桶，对桶中的向量文件进行计算，从而减轻计算工作量。
[0123]
可选的，计算目标向量与意图识别库中向量的余弦角相似度过程中，目标向量与意图识别库中向量余弦角相似度越高，相似度结果越大，目标向量与意图识别库中向量越低，相似度结果越小。当目标向量与意图识别库中向量相同，则相似度结果为1。
[0124]
示例性的，计算目标向量与意图识别库中的各向量的余弦角相似度，得到各向量对应的相似度结果，可以用下列公式(1)表示：
[0125]
sim(query,key)＝cos(embedding(query),embedding(key))
ꢀꢀ
(1)
[0126]
其中，sim(query,key)可以表示目标向量与意图识别库中的向量之间的相似度结果，query表示异常语音文本及当前运单信息，key表示意图识别库中的异常语音文本及对应运单信息，cos(embedding(query),embedding(key)表示向量的余弦角相似度，embedding(query)表示目标向量，embedding(key)表示意图识别库中的向量。通过计算目标向量和意图识别库中的向量之间的余弦角相似度可以得到向量之间的相似度结果。
[0127]
本实施例中，通过计算目标向量与意图识别库中的各向量的余弦角相似度，将余弦角相似度作为各向量对应的相似度结果，可以对由多个离散的数据组成的向量进行相似度比较，计算出相似度结果，从而能够得到异常语音信息对应的异常事件。
[0128]
获取到相似度结果之后，接下来参照图4对上述步骤s303中根据各向量对应的相似度结果，确定意图识别库中的预设数量的待选向量，进行介绍：
[0129]
s401、对各向量对应的相似度结果进行排序，得到排序后向量序列。
[0130]
可选的，可以对各向量对应的相似度结果从大到小进行排序，从小到大进行排序，从而得到排序后的向量序列。
[0131]
s402、按照排序后向量序列中的向量顺序，依次从排序后向量序列中选择出预设数量的待选向量。
[0132]
可选的，若向量对应相似度结果从大到小排序，则可以选取前预设数量的待选向量，若向量对应相似度结果从小到大排序，则可以选取后预设数量的待选向量。
[0133]
本实施例中，通过对各向量对应的相似度结果进行排序，得到排序后向量序列，再
按照排序后向量序列中的向量顺序，依次从排序后向量序列中选择出预设数量的待选向量，从而能够对排序后的向量序列进行筛选，减少计算量。
[0134]
在获取到预设数量的待选向量后，接下来参照图5对上述步骤s305中根据各向量集合中各待选向量的相似度结果，确定目标异常事件进行介绍：
[0135]
s501、将各向量集合中各待选向量的相似度结果相加，得到各向量集合对应的相似度结果。
[0136]
可选的，各向量集合中的各待选向量对应的异常事件类型相同。将各向量集合中各待选向量的相似度结果相加，可以得到目标向量对应的异常事件类型。
[0137]
示例性的，可以通过下列公式(2)得到各向量集合对应的相似度结果：
[0138][0139]
其中，score(eventi)表示异常事件类型为i的相似度结果，keyj∈eventi表示通过sim函数从意图识别库中找到的预设数量个向量对应的异常语音信息和对应的运单信息的集合。
[0140]
可选的，多个向量集合对应的相似度结果可以对应多种异常事件类型，因此需要对每个异常事件类型的相似度结果进行判断，判断步骤如下。
[0141]
s502、将相似度结果最大的向量集合对应的异常事件作为目标异常事件。
[0142]
可选的，得到相似度结果最大的向量集合后，可以判断该相似度结果是否超过预设阈值。如果超过预设阈值，可以将该向量集合对应的异常事件作为目标异常事件，如果没有超过预设阈值，则可以说明用户上传的异常语音信息可能无法指示出一种异常事件，可以直接输出无法判断的结果。
[0143]
本实施例中，通过将各向量集合中各待选向量的相似度结果相加，得到各向量集合对应的相似度结果，然后选择相似度结果最大的向量集合对应的异常事件作为目标异常事件，从而可以从意图识别库中匹配与异常语音信息和当前运单最匹配的异常事件，将该异常事件输出给货车终端及运单系统，从而形成证据链。
[0144]
接下来，参照图6对上述步骤s204中输出目标异常事件并驱动终端采集异常信息之后的步骤进行详细说明：
[0145]
s602、根据终端所采集的异常信息以及车辆的位置，生成异常事件。
[0146]
可选的，当意图识别模块确定目标异常事件，并根据目标异常事件驱动终端采集异常信息，其中异常信息可以包括通过录像和拍照生成的异常影像。
[0147]
值得一提的是，异常事件还包括目标异常事件。
[0148]
可选的，车辆的位置可以通过全球定位系统(global positioning system，简称gps)或者北斗系统获得。
[0149]
s601、将异常事件上报至运单系统。
[0150]
可选的，通过终端将异常事件上报至运单系统。之后，运单系统可以将获取到异常事件的确认信息通过终端告知用户，并向货主推送异常事件。其中，可以通过预先设定的语音库中搜索到对应确认信息的语音播报给用户，并将异常事件推送给货主的终端或者系统。
[0151]
本实施例中，在输出目标异常事件并驱动终端采集异常信息之后，根据终端所采
集的异常信息以及车辆的位置，生成异常事件并上报给运单系统，从而告知用户确认信息，并向货主推送具有足量证明的异常事件，从而保证公平性。
[0152]
当意图识别模块部署在终端上时，可以参照图7对步骤s201中获取用户输入的异常语音信息的过程进行介绍：
[0153]
s701、接收用户唤醒语音。
[0154]
可选的，在货运过程中如果遇到异常事件，司机可以发出唤醒语音。示例性的，唤醒语音可以是：您好。
[0155]
s702、根据用户唤醒语音，启动语音监听。
[0156]
可选的，当接收到唤醒语音后，可以通过语音回复司机并进行语音监听。示例性的，语音回复内容可以是：请讲。
[0157]
s703、采集异常语音信息。
[0158]
可选的，采集到异常语音信息后，可以根据异常语音信息和对应的当前运单信息进行异常时间的判断。
[0159]
可选的，当在预设时长内未监听到语音，则结束该流程。
[0160]
作为一种可选的实施方式，可以参照图8对货运异常事件上报方法的整体流程进行介绍。当用户遇到异常事件发生时，向终端发出唤醒语音，终端收到唤醒语音后回复用户并开始监听，用户向终端发送异常语音信息，终端接受到异常语音信息后将该信息发送到意图识别模块中，并根据通过运单系统获取当前运单信息，然后根据异常语音信息、当前运单信息和预先建立的意图识别库中确定目标异常事件，之后驱动终端采集异常信息，将采集到的异常信息和目标异常事件作为异常事件发送给运单系统，并发送确认信息给终端，终端通过语音回复司机，运单系统向货主推送异常事件。
[0161]
基于同一发明构思，本技术实施例中还提供了与货运异常事件上报方法对应的货运异常事件上报装置，由于本技术实施例中的装置解决问题的原理与本技术实施例上述货运异常事件上报方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
[0162]
参照图9所示，为本技术实施例提供的一种货运异常事件上报装置的示意图，所述装置包括：第一获取模块901、第二获取模块902、确定模块903及输出模块904；其中：
[0163]
第一获取模块901，用于获取用户通过车辆上的终端输入的异常语音信息以及所述终端的标识；
[0164]
第二获取模块902，用于根据所述终端的标识从运单系统中获取所述车辆的当前运单信息；
[0165]
确定模块903，用于根据所述异常语音信息、所述当前运单信息及预先建立的意图识别库，确定目标异常事件，其中，所述意图识别库中存储有多个向量，各向量分别用于记录语音、运单信息以及异常事件之间的映射关系；
[0166]
输出模块904，用于输出目标异常事件并驱动所述终端采集异常信息，所述异常信息包括：异常影像。
[0167]
可选的，所述确认模块903具体用于：
[0168]
根据所述异常语音信息以及所述当前运单信息，生成目标向量；
[0169]
将所述目标向量与所述意图识别库中的各向量进行比对，得到各向量对应的相似度结果；
[0170]
根据各向量对应的相似度结果，确定所述意图识别库中的预设数量的待选向量；
[0171]
根据各待选向量对应的异常事件，对各待选向量进行聚合，得到至少一个向量集合，各向量集合中的所有待选向量的异常事件相同；
[0172]
根据各向量集合中各待选向量的相似度结果，确定所述目标异常事件。
[0173]
可选的，所述确认模块903具体用于：
[0174]
计算所述目标向量与所述意图识别库中的各向量的余弦角相似度，将所述余弦角相似度作为各向量对应的相似度结果。
[0175]
可选的，所述确认模块903具体用于：
[0176]
对各向量对应的相似度结果进行排序，得到排序后向量序列；
[0177]
按照所述排序后向量序列中的向量顺序，依次从所述排序后向量序列中选择出所述预设数量的待选向量。
[0178]
可选的，所述确认模块903具体用于：
[0179]
将各向量集合中各待选向量的相似度结果相加，得到各向量集合对应的相似度结果；
[0180]
将相似度结果最大的向量集合对应的异常事件作为所述目标异常事件。
[0181]
可选的，所述输出模块904还用于：
[0182]
根据所述终端所采集的所述异常信息以及所述车辆的位置，生成异常事件；
[0183]
将所述异常事件上报至运单系统。
[0184]
可选的，所述第一获取模块901具体用于：
[0185]
接收用户唤醒语音；
[0186]
根据所述用户唤醒语音，启动语音监听；
[0187]
采集所述异常语音信息。
[0188]
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
[0189]
本技术实施例还提供了一种电子设备，如图10所示，为本技术实施例提供的电子设备结构示意图，包括：处理器1001、存储器1002，可选的，还可以包括总线。所述存储器1002存储有所述处理器1001可执行的机器可读指令(比如，图10中的装置中第一获取模块901、第二获取模块902、确定模块903及输出模块904对应的执行指令等)，当电子设备运行时，所述处理器1001与所述存储器1002之间通过总线通信，所述机器可读指令被所述处理器1001执行时执行上述货运异常事件上传方法的步骤。
[0190]
本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器1001运行时执行上述货运异常事件上传方法的步骤。
[0191]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本技术中不再赘述。在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦
合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0192]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0193]
以上仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。

技术特征：
1.一种货运异常事件上报方法，其特征在于，包括：获取用户通过车辆上的终端输入的异常语音信息以及所述终端的标识；根据所述终端的标识从运单系统中获取所述车辆的当前运单信息；根据所述异常语音信息、所述当前运单信息及预先建立的意图识别库，确定目标异常事件，其中，所述意图识别库中存储有多个向量，各向量分别用于记录语音、运单信息以及异常事件之间的映射关系；输出目标异常事件并驱动所述终端采集异常信息，所述异常信息包括：异常影像。2.根据权利要求1所述的货运异常事件上报方法，其特征在于，所述根据所述异常语音信息、所述当前运单信息及预先建立的意图识别库，确定目标异常事件，包括：根据所述异常语音信息以及所述当前运单信息，生成目标向量；将所述目标向量与所述意图识别库中的各向量进行比对，得到各向量对应的相似度结果；根据各向量对应的相似度结果，确定所述意图识别库中的预设数量的待选向量；根据各待选向量对应的异常事件，对各待选向量进行聚合，得到至少一个向量集合，各向量集合中的所有待选向量的异常事件相同；根据各向量集合中各待选向量的相似度结果，确定所述目标异常事件。3.根据权利要求2所述的货运异常事件上报方法，其特征在于，所述将所述目标向量与所述意图识别库中的各向量进行比对，得到各向量对应的相似度结果，包括：计算所述目标向量与所述意图识别库中的各向量的余弦角相似度，将所述余弦角相似度作为各向量对应的相似度结果。4.根据权利要求2所述的货运异常事件上报方法，其特征在于，所述根据各向量对应的相似度结果，确定所述意图识别库中的预设数量的待选向量，包括：对各向量对应的相似度结果进行排序，得到排序后向量序列；按照所述排序后向量序列中的向量顺序，依次从所述排序后向量序列中选择出所述预设数量的待选向量。5.根据权利要求2所述的货运异常事件上报方法，其特征在于，所述根据各向量集合中各待选向量的相似度结果，确定所述目标异常事件，包括：将各向量集合中各待选向量的相似度结果相加，得到各向量集合对应的相似度结果；将相似度结果最大的向量集合对应的异常事件作为所述目标异常事件。6.根据权利要求1所述的货运异常事件上报方法，其特征在于，输出目标异常事件并驱动所述终端采集异常信息之后，还包括：根据所述终端所采集的所述异常信息以及所述车辆的位置，生成异常事件；将所述异常事件上报至运单系统。7.根据权利要求1所述的货运异常事件上报方法，其特征在于，所述获取用户通过车辆上的终端输入的异常语音信息，包括：接收用户唤醒语音；根据所述用户唤醒语音，启动语音监听；采集所述异常语音信息。8.一种货运异常事件上报装置，其特征在于，所述装置包括：
第一获取模块，用于获取用户通过车辆上的终端输入的异常语音信息以及所述终端的标识；第二获取模块，用于根据所述终端的标识从运单系统中获取所述车辆的当前运单信息；确定模块，用于根据所述异常语音信息、所述当前运单信息及预先建立的意图识别库，确定目标异常事件，其中，所述意图识别库中存储有多个向量，各向量分别用于记录语音、运单信息以及异常事件之间的映射关系；输出模块，用于输出目标异常事件并驱动所述终端采集异常信息，所述异常信息包括：异常影像。9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器执行所述机器可读指令，以执行如权利要求1至7任一所述的货运异常事件上报方法的步骤。10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的货运异常事件上报的方法的步骤。

技术总结
本申请提供了一种货运异常事件上报方法、装置、电子设备和存储介质，其中，该方法包括：获取用户通过车辆上的终端输入的异常语音信息以及终端的标识，根据终端的标识从运单系统中获取车辆的当前运单信息，根据异常语音信息、当前运单信息及预先建立的意图识别库，确定目标异常事件，输出目标异常事件并驱动终端采集异常信息。本申请通过将通过终端采集到的异常语音信息、运单系统中车辆的当前运单信息及预先建立的意图识别库中的多个向量，确定目标异常事件，从而形成证据链，避免货车司机受到因为异常事件受到惩罚，并且适用性强，对货车司机的操作要求不高。车司机的操作要求不高。车司机的操作要求不高。


技术研发人员：汪伟 徐文杰 谭悦
受保护的技术使用者：北京汇通天下物联科技有限公司
技术研发日：2023.07.20
技术公布日：2023/10/15