CN115170248B - 一种基于大数据的汽车租赁信用信息分析管理方法 - Google Patents
一种基于大数据的汽车租赁信用信息分析管理方法 Download PDFInfo
- Publication number
- CN115170248B CN115170248B CN202210933986.2A CN202210933986A CN115170248B CN 115170248 B CN115170248 B CN 115170248B CN 202210933986 A CN202210933986 A CN 202210933986A CN 115170248 B CN115170248 B CN 115170248B
- Authority
- CN
- China
- Prior art keywords
- target user
- car
- rental
- historical
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 37
- 238000007726 management method Methods 0.000 title claims abstract description 14
- 230000006399 behavior Effects 0.000 claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 9
- 230000007547 defect Effects 0.000 claims description 82
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000010606 normalization Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于大数据的汽车租赁信用信息分析管理方法,该方法包括:从汽车租赁平台提取目标用户在检测周期内的历史租赁汽车订单,从目标用户历史租赁汽车订单中提取各历史租赁汽车订单对应的租赁参数,分析租赁汽车完好系数,分析目标用户对应的驾驶行为综合规范系数、行驶规范系数、租赁支付时间合理系数,并据此分析用户对应的租赁汽车信用系数,该方法对用户在该平台的是否按时支付费用、在租赁汽车时的行为、交通违规情况、租赁汽车损坏程度进行分析,分析维度比较全面,进而解决了用户租赁汽车信用分析不准确的问题,进而提高了用户在租赁期间对租赁汽车保管的安全性。
Description
技术领域
本发明涉及汽车租赁技术领域,具体而言,涉及一种基于大数据的汽车租赁信用信息分析管理方法。
背景技术
随着经济的高速发展,共享经济的发展也越来越迅速,常见的共享经济项目有:共享单车、共享充电宝、共享雨伞和共享汽车等,在众多共享经济项目中,共享汽车有巨大的发展潜力,共享汽车有助于缓解交通堵塞和道路磨损,减少空气污染,当人们目前拥有的汽车无法满足当前需求时就需要租赁汽车,在租赁汽车时需要支付一定的押金,而用户的信用对租赁汽车的支付押金有很大的影响,因此,需要对用户的租赁汽车信用进行分析。
现有对用户的租赁汽车信用进行分析大多是根据用户在该平台是否按时支付费用进行分析,忽略了用户在租赁汽车时的行为、交通违规情况、汽车损坏程度对用户的租赁汽车信用的影响,分析维度比较单一,进而导致对用户的租赁汽车信用的分析不准确,一方面不能为后续的押金评估提供一个可靠的参考值,导致后续用户的信用系数跟需要支付的押金不匹配,另一方面不能很好地约束用户在租赁期间的行为,进而导致用户在租赁期间对租赁汽车保管的安全性降低,从而增加了租赁汽车平台对租赁汽车的维修成本。
发明内容
为了克服背景技术中的缺点,本发明实施例提供了一种基于大数据的汽车租赁信用信息分析管理方法,能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现:
一种基于大数据的汽车租赁信用信息分析管理方法,该方法包括以下步骤:
步骤1、目标用户历史租赁汽车订单提取:从汽车租赁平台提取目标用户在检测周期内的历史租赁汽车订单,并将各历史租赁汽车订单分别编号为1,2,...,i,...,n;
步骤2、目标用户历史租赁汽车订单中租赁参数提取:从目标用户历史租赁汽车订单中提取各历史租赁汽车订单对应的租赁参数;
步骤3、租赁汽车完好度分析:根据目标用户在各历史租赁汽车订单对应的租赁参数分析租赁汽车完好系数;
步骤4、目标用户驾驶行为规范分析:根据目标用户在各历史租赁汽车订单对应的租赁参数分析目标用户对应的驾驶行为综合规范系数;
步骤5、目标用户行驶规范性分析:根据目标用户在各历史租赁汽车订单对应的租赁参数分析目标用户对应的行驶规范系数;
步骤6、目标用户租赁支付时间合理性分析:根据目标用户在各历史租赁汽车订单对应的租赁参数分析目标用户对应的租赁支付时间合理系数;
步骤7、目标用户租赁汽车信用分析:根据租赁汽车完好系数、目标用户对应的驾驶行为综合规范系数、行驶规范系数和租赁支付时间合理系数分析目标用户对应的租赁汽车信用系数。
进一步地,所述租赁参数包括租赁汽车信息和目标用户信息。
进一步地,所述租赁汽车信息包括租赁汽车外部图像和内部图像、驾驶操作行为记录视频和租赁汽车表面积,目标用户信息包括目标用户在租赁汽车期间的违规记录、租赁归还时间点和租赁费用支付时间点。
进一步地,所述步骤3中分析租赁汽车完好系数的具体执行方式包括以下步骤:
步骤31:从目标用户的各历史租赁汽车订单中的租赁参数内租赁汽车信息中提取租赁汽车外部图像和内部图像,并将其分别与租赁汽车在租赁前的外部图像和内部图像进行对比,由此识别出租赁汽车的外部缺陷参数和内部缺陷参数,所述外部缺陷参数包括外部缺陷类型和外部缺陷面积,所述内部缺陷参数包括内部缺陷类型和内部缺陷面积;
步骤32:从租赁汽车的外部缺陷参数中提取外部缺陷类型,并将其与数据库中存储的各种外部缺陷类型对应的占比系数进行匹配,进而匹配出租赁汽车外部缺陷类型对应的占比系数;
步骤33:从租赁汽车的内部缺陷参数中提取内部缺陷类型,并将其与数据库中存储的各种内部缺陷类型对应的比例系数进行匹配,进而匹配出租赁汽车内部缺陷类型对应的比例系数;
步骤34:从目标用户的各历史租赁汽车订单中的租赁参数内租赁汽车信息中提取租赁汽车表面积;
步骤35:根据目标用户的各历史租赁汽车订单中租赁汽车对应的外部缺陷面积、表面积和外部缺陷类型对应的占比系数分析租赁汽车的外部完好系数,其计算公式为:其中/>表示租赁汽车的外部完好系数,si、s′分别表示目标用户的第i个历史租赁汽车订单中租赁汽车对应的外部缺陷面积、表面积,λi表示第i个历史租赁汽车订单中租赁汽车对应外部缺陷类型的占比系数;
步骤36:根据目标用户的各历史租赁汽车订单中租赁汽车对应的内部缺陷面积、表面积和内部缺陷类型对应的比例系数分析租赁汽车的内部完好系数,其计算公式为:其中/>表示租赁汽车的内部完好系数,si″、s′分别表示目标用户的第i个历史租赁汽车订单中租赁汽车对应的内部缺陷面积、表面积,λi″表示第i个历史租赁汽车订单中租赁汽车对应内部缺陷类型的比例系数;
步骤37:基于租赁汽车的外部完好系数和内部完好系数分析租赁汽车完好系数,其计算公式为:其中/>表示租赁汽车完好系数。
进一步地,所述步骤4中分析目标用户对应的驾驶行为综合规范系数的具体执行方式包括以下步骤:
步骤41:从目标用户的各历史租赁汽车订单中的租赁参数内租赁汽车信息中提取驾驶操作行为记录视频;
步骤42:将驾驶操作行为记录视频按照预设的帧数分割为若干行为图片,并将各行为图片分别编号为1,2,...,m,...,l;
步骤43:获取各行为图片中目标用户的皮肤裸露部位,并统计皮肤裸露部位的个数,进而将各行为图片中目标用户的皮肤裸露部位与数据库中存储的皮肤允许裸露部位进行逐一匹配,据此统计皮肤裸露部位匹配成功的个数;
步骤44:根据各行为图片中目标用户的皮肤裸露部位匹配成功的个数和皮肤裸露部位的个数分析目标用户在各历史租赁汽车订单中对应的着装风险系数,其计算公式为:其中ηi表示目标用户在第i个历史租赁汽车订单中对应的着装风险系数,αim表示目标用户在第i个历史租赁汽车订单中的第m个行为图片中皮肤裸露部位匹配成功的个数,αim′表示目标用户在第i个历史租赁汽车订单中的第m个行为图片中皮肤裸露部位的个数;
步骤45:基于各行为图片识别目标用户在各历史租赁汽车订单对应的手部动作特征,并将其与数据库中存储的投掷行为对应的手部特征进行对比,进而判断该行为图片中目标用户是否存在投掷行为,若存在投掷行为,则从该行为图片中提取投掷物参数,所述投掷物参数包括投掷物类型和投掷物体积;
步骤46:从目标用户的各历史租赁汽车订单中对应的投掷物参数中提取投掷物类型,并将投掷物类型与数据库中存储的各种投掷物类型单位体积对应的权重因子进行匹配,进而匹配出目标用户在各历史租赁汽车订单的投掷物类型单位体积对应的权重因子;
步骤47:根据目标用户在各历史租赁汽车订单的投掷物体积和投掷物类型单位体积对应的权重因子分析目标用户在各历史租赁汽车订单对应的投掷危险系数,其计算公式为:μi=vi*γi,其中μi表示目标用户在第i个历史租赁汽车订单对应的投掷危险系数,vi表示目标用户在第i个历史租赁汽车订单的投掷物体积,γi表示目标用户在第i个历史租赁汽车订单的投掷物类型单位体积对应的权重因子;
步骤48:基于目标用户在各历史租赁汽车订单对应的着装风险系数和投掷物危险系数分析目标用户在各历史租赁汽车订单对应的驾驶行为规范系数,其计算公式为:其中κi′表示目标用户在第i个历史租赁汽车订单对应的驾驶行为规范系数;
步骤49:根据目标用户在各历史租赁汽车订单对应的驾驶行为规范系数和标准驾驶行为规范系数分析目标用户对应的驾驶行为综合规范系数,其计算公式为其中κ表示目标用户对应的驾驶行为综合规范系数,κ″表示标准驾驶行为规范系数。
进一步地,所述步骤5中分析目标用户对应的行驶规范系数的具体执行方式包括以下步骤:
步骤51:从目标用户的各历史租赁汽车订单中的租赁参数内目标用户信息中提取目标用户在租赁汽车期间的违规记录,所述违规记录包括违规类型和违规次数;
步骤52:从目标用户在租赁汽车期间的违规记录中提取违规类型,进而统计目标用户对应违规类型的种类,并将其分别编号为1,2,...,j,...,k,从而统计各违规类型种类出现的次数;
步骤53:将目标用户对应违规类型的种类与数据库中存储的各违规类型种类单次违规对应的违规值进行匹配,进而匹配出目标用户的各违规类型种类单次违规对应的违规值;
步骤54:根据目标用户的各违规类型种类单次违规对应的违规值和各违规类型种类出现的次数分析目标用户对应的行驶规范系数,其计算公式为:其中φ表示目标用户对应的行驶规范系数,σj表示目标用户的第j个违规类型种类单次违规对应的违规值、/>表示目标用户的第j个违规类型种类出现的次数。
进一步地,所述步骤6中分析目标用户对应的租赁支付时间合理系数的具体执行方式包括以下步骤:
步骤61:从目标用户的各历史租赁汽车订单中的租赁参数内目标用户信息中提取租赁归还时间点和租赁费用支付时间点;
步骤62:根据目标用户各历史租赁汽车订单的租赁归还时间点、租赁费用支付时间点和允许支付费用时长分析目标用户对应的租赁支付时间合理系数,其计算公式为:其中θ表示目标用户对应的租赁支付时间合理系数,ti′、ti分别表示目标用户在第i个历史租赁汽车订单对应的租赁归还时间点、租赁费用支付时间点,t″表示允许支付费用时长。
进一步地,所述步骤7中分析目标用户对应的租赁汽车信用系数的具体计算公式为:其中ψ表示目标用户对应的租赁汽车信用系数。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
本发明对用户的租赁汽车信用分析时不仅对用户在该平台的是否按时支付费用进行分析,而且对用户在租赁汽车时的行为、交通违规情况、租赁汽车损坏程度进行分析,解决了分析维度比较单一的问题,进而解决了用户租赁汽车信用分析不准确的问题,一方面可以为后续的押金评估提供一个可靠的参考值,提高了后续用户的信用系数跟需要支付的押金匹配度,另一方面可以很好地约束用户在租赁期间的行为,进而提高了用户在租赁期间对租赁汽车保管的安全性,从而减少了租赁汽车平台对租赁汽车的维修成本。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的一种基于大数据的汽车租赁信用信息分析管理方法示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,本发明提供一种基于大数据的汽车租赁信用信息分析管理方法,该方法包括以下步骤:
步骤1、目标用户历史租赁汽车订单提取:从汽车租赁平台提取目标用户在检测周期内的历史租赁汽车订单,并将各历史租赁汽车订单分别编号为1,2,...,i,...,n。
步骤2、目标用户历史租赁汽车订单中租赁参数提取:从目标用户历史租赁汽车订单中提取各历史租赁汽车订单对应的租赁参数。
在具体实施例中,所述租赁参数包括租赁汽车信息和目标用户信息。
在具体实施例中,所述租赁汽车信息包括租赁汽车外部图像和内部图像、驾驶操作行为记录视频和租赁汽车表面积,目标用户信息包括目标用户在租赁汽车期间的违规记录、租赁归还时间点和租赁费用支付时间点。
步骤3、租赁汽车完好度分析:根据目标用户在各历史租赁汽车订单对应的租赁参数分析租赁汽车完好系数。
在具体实施例中,所述步骤3中分析租赁汽车完好系数的具体执行方式包括以下步骤:
步骤31:从目标用户的各历史租赁汽车订单中的租赁参数内租赁汽车信息中提取租赁汽车外部图像和内部图像,并将其分别与租赁汽车在租赁前的外部图像和内部图像进行对比,由此识别出租赁汽车的外部缺陷参数和内部缺陷参数,所述外部缺陷参数包括外部缺陷类型和外部缺陷面积,所述内部缺陷参数包括内部缺陷类型和内部缺陷面积。
需要说明的是,所述外部缺陷类型包括划痕、脏污和掉漆等,所述内部缺陷类型包括划痕、掉皮和开裂等。
需要说明的是,本发明从租赁汽车的外部和内部缺陷两个方面对租赁汽车的完好系数进行分析,分析比较全面。
步骤32:从租赁汽车的外部缺陷参数中提取外部缺陷类型,并将其与数据库中存储的各种外部缺陷类型对应的占比系数进行匹配,进而匹配出租赁汽车外部缺陷类型对应的占比系数。
步骤33:从租赁汽车的内部缺陷参数中提取内部缺陷类型,并将其与数据库中存储的各种内部缺陷类型对应的比例系数进行匹配,进而匹配出租赁汽车内部缺陷类型对应的比例系数。
步骤34:从目标用户的各历史租赁汽车订单中的租赁参数内租赁汽车信息中提取租赁汽车表面积。
步骤35:根据目标用户的各历史租赁汽车订单中租赁汽车对应的外部缺陷面积、表面积和外部缺陷类型对应的占比系数分析租赁汽车的外部完好系数,其计算公式为:其中/>表示租赁汽车的外部完好系数,si、s′分别表示目标用户的第i个历史租赁汽车订单中租赁汽车对应的外部缺陷面积、表面积,λi表示第i个历史租赁汽车订单中租赁汽车对应外部缺陷类型的占比系数。
步骤36:根据目标用户的各历史租赁汽车订单中租赁汽车对应的内部缺陷面积、表面积和内部缺陷类型对应的比例系数分析租赁汽车的内部完好系数,其计算公式为:其中/>表示租赁汽车的内部完好系数,si″、s′分别表示目标用户的第i个历史租赁汽车订单中租赁汽车对应的内部缺陷面积、表面积,λi″表示第i个历史租赁汽车订单中租赁汽车对应内部缺陷类型的比例系数。
步骤37:基于租赁汽车的外部完好系数和内部完好系数分析租赁汽车完好系数,其计算公式为:其中/>表示租赁汽车完好系数。
需要说明的是,如若存在租赁汽车完好系数不合格的情况,则说明目标用户在租赁汽车期间没有很好得爱护租赁汽车,进而影响租赁汽车的美观和使用时间,因此,需要对租赁汽车的完好系数进行分析。
步骤4、目标用户驾驶行为规范分析:根据目标用户在各历史租赁汽车订单对应的租赁参数分析目标用户对应的驾驶行为综合规范系数。
在具体实施例中,所述步骤4中分析目标用户对应的驾驶行为综合规范系数的具体执行方式包括以下步骤:
步骤41:从目标用户的各历史租赁汽车订单中的租赁参数内租赁汽车信息中提取驾驶操作行为记录视频。
步骤42:将驾驶操作行为记录视频按照预设的帧数分割为若干行为图片,并将各行为图片分别编号为1,2,...,m,...,l。
步骤43:获取各行为图片中目标用户的皮肤裸露部位,并统计皮肤裸露部位的个数,进而将各行为图片中目标用户的皮肤裸露部位与数据库中存储的皮肤允许裸露部位进行逐一匹配,据此统计皮肤裸露部位匹配成功的个数。
步骤44:根据各行为图片中目标用户的皮肤裸露部位匹配成功的个数和皮肤裸露部位的个数分析目标用户在各历史租赁汽车订单中对应的着装风险系数,其计算公式为:其中ηi表示目标用户在第i个历史租赁汽车订单中对应的着装风险系数,αim表示目标用户在第i个历史租赁汽车订单中的第m个行为图片中皮肤裸露部位匹配成功的个数,αim′表示目标用户在第i个历史租赁汽车订单中的第m个行为图片中皮肤裸露部位的个数。
步骤45:基于各行为图片识别目标用户在各历史租赁汽车订单对应的手部动作特征,并将其与数据库中存储的投掷行为对应的手部特征进行对比,进而判断该行为图片中目标用户是否存在投掷行为,若存在投掷行为,则从该行为图片中提取投掷物参数,所述投掷物参数包括投掷物类型和投掷物体积。
步骤46:从目标用户的各历史租赁汽车订单中对应的投掷物参数中提取投掷物类型,并将投掷物类型与数据库中存储的各种投掷物类型单位体积对应的权重因子进行匹配,进而匹配出目标用户在各历史租赁汽车订单的投掷物类型单位体积对应的权重因子。
步骤47:根据目标用户在各历史租赁汽车订单的投掷物体积和投掷物类型单位体积对应的权重因子分析目标用户在各历史租赁汽车订单对应的投掷危险系数,其计算公式为:μi=vi*γi,其中μi表示目标用户在第i个历史租赁汽车订单对应的投掷危险系数,vi表示目标用户在第i个历史租赁汽车订单的投掷物体积,γi表示目标用户在第i个历史租赁汽车订单的投掷物类型单位体积对应的权重因子。
步骤48:基于目标用户在各历史租赁汽车订单对应的着装风险系数和投掷物危险系数分析目标用户在各历史租赁汽车订单对应的驾驶行为规范系数,其计算公式为:其中κi′表示目标用户在第i个历史租赁汽车订单对应的驾驶行为规范系数。
步骤49:根据目标用户在各历史租赁汽车订单对应的驾驶行为规范系数和标准驾驶行为规范系数分析目标用户对应的驾驶行为综合规范系数,其计算公式为其中κ表示目标用户对应的驾驶行为综合规范系数,κ″表示标准驾驶行为规范系数。
需要说明的是,对目标用户的驾驶行为进行分析的目的在于:检测目标用户在驾驶租赁汽车期间是否存在不文明行为,例如裸露上身、脱鞋和向窗外投掷物品,进而确保目标用户的驾驶行为的规范性,从而可以提高对驾驶人员的行为约束力。
步骤5、目标用户行驶规范性分析:根据目标用户在各历史租赁汽车订单对应的租赁参数分析目标用户对应的行驶规范系数。
在具体实施例中,所述步骤5中分析目标用户对应的行驶规范系数的具体执行方式包括以下步骤:
步骤51:从目标用户的各历史租赁汽车订单中的租赁参数内目标用户信息中提取目标用户在租赁汽车期间的违规记录,所述违规记录包括违规类型和违规次数。
步骤52:从目标用户在租赁汽车期间的违规记录中提取违规类型,进而统计目标用户对应违规类型的种类,并将其分别编号为1,2,...,j,...,k,从而统计各违规类型种类出现的次数。
步骤53:将目标用户对应违规类型的种类与数据库中存储的各违规类型种类单次违规对应的违规值进行匹配,进而匹配出目标用户的各违规类型种类单次违规对应的违规值。
步骤54:根据目标用户的各违规类型种类单次违规对应的违规值和各违规类型种类出现的次数分析目标用户对应的行驶规范系数,其计算公式为:其中φ表示目标用户对应的行驶规范系数,σj表示目标用户的第j个违规类型种类单次违规对应的违规值、/>表示目标用户的第j个违规类型种类出现的次数。
需要说明的是,如若存在目标用户在驾驶租赁汽车期间出现交通违规情况,不仅对目标用户的安全存在威胁,而且租赁平台也需要承担一定的责任,同时租赁汽车也有可能成为事故车,影响租赁汽车的进一步使用,加重租赁平台的投放租赁汽车的成本。
步骤6、目标用户租赁支付时间合理性分析:根据目标用户在各历史租赁汽车订单对应的租赁参数分析目标用户对应的租赁支付时间合理系数。
在具体实施例中,所述步骤6中分析目标用户对应的租赁支付时间合理系数的具体执行方式包括以下步骤:
步骤61:从目标用户的各历史租赁汽车订单中的租赁参数内目标用户信息中提取租赁归还时间点和租赁费用支付时间点。
步骤62:根据目标用户各历史租赁汽车订单的租赁归还时间点、租赁费用支付时间点和允许支付费用时长分析目标用户对应的租赁支付时间合理系数,其计算公式为:其中θ表示目标用户对应的租赁支付时间合理系数,ti′、ti分别表示目标用户在第i个历史租赁汽车订单对应的租赁归还时间点、租赁费用支付时间点,t″表示允许支付费用时长。
需要说明的是,θ的符号可以为正,也可以为负,当θ的符号为正时,则说明目标用户对应的租赁支付时间合理,且θ的值越大,说明目标用户对应的租赁支付时间越合理,当θ的符号为负时,则说明目标用户对应的租赁支付时间不合理,且θ的值越小,说明目标用户对应的租赁支付时间越不合理。
需要说明的是,如若存在目标用户租赁费用支付时间较长,则说明目标用户的守时程度不高,从侧面反映出目标用户的信用度较低,因此,需要对目标用户对应的租赁支付时间合理系数进行分析。
步骤7、目标用户租赁汽车信用分析:根据租赁汽车完好系数、目标用户对应的驾驶行为综合规范系数、行驶规范系数和租赁支付时间合理系数分析目标用户对应的租赁汽车信用系数。
在具体实施例中,所述步骤7中分析目标用户对应的租赁汽车信用系数的具体计算公式为:其中ψ表示目标用户对应的租赁汽车信用系数。
本发明对用户的租赁汽车信用分析时不仅对用户在该平台的是否按时支付费用进行分析,而且对用户在租赁汽车时的行为、交通违规情况、租赁汽车损坏程度进行分析,解决了分析维度比较单一的问题,进而解决了用户租赁汽车信用分析不准确的问题,一方面可以为后续的押金评估提供一个可靠的参考值,提高了后续用户的信用系数跟需要支付的押金匹配度,另一方面可以很好地约束用户在租赁期间的行为,进而提高了用户在租赁期间对租赁汽车保管的安全性,从而减少了租赁汽车平台对租赁汽车的维修成本。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (7)
1.一种基于大数据的汽车租赁信用信息分析管理方法,其特征在于,该方法包括以下步骤:
步骤1、目标用户历史租赁汽车订单提取:从汽车租赁平台提取目标用户在检测周期内的历史租赁汽车订单,并将各历史租赁汽车订单分别编号为1,2,...,i,...,n;
步骤2、目标用户历史租赁汽车订单中租赁参数提取:从目标用户历史租赁汽车订单中提取各历史租赁汽车订单对应的租赁参数;
步骤3、租赁汽车完好度分析:根据目标用户在各历史租赁汽车订单对应的租赁参数分析租赁汽车完好系数;
步骤4、目标用户驾驶行为规范分析:根据目标用户在各历史租赁汽车订单对应的租赁参数分析目标用户对应的驾驶行为综合规范系数;
步骤5、目标用户行驶规范性分析:根据目标用户在各历史租赁汽车订单对应的租赁参数分析目标用户对应的行驶规范系数;
步骤6、目标用户租赁支付时间合理性分析:根据目标用户在各历史租赁汽车订单对应的租赁参数分析目标用户对应的租赁支付时间合理系数;
步骤7、目标用户租赁汽车信用分析:根据租赁汽车完好系数、目标用户对应的驾驶行为综合规范系数、行驶规范系数和租赁支付时间合理系数分析目标用户对应的租赁汽车信用系数;
所述步骤3中分析租赁汽车完好系数的具体执行方式包括以下步骤:
步骤31:从目标用户的各历史租赁汽车订单中的租赁参数内租赁汽车信息中提取租赁汽车外部图像和内部图像,并将其分别与租赁汽车在租赁前的外部图像和内部图像进行对比,由此识别出租赁汽车的外部缺陷参数和内部缺陷参数,所述外部缺陷参数包括外部缺陷类型和外部缺陷面积,所述内部缺陷参数包括内部缺陷类型和内部缺陷面积;
步骤32:从租赁汽车的外部缺陷参数中提取外部缺陷类型,并将其与数据库中存储的各种外部缺陷类型对应的占比系数进行匹配,进而匹配出租赁汽车外部缺陷类型对应的占比系数;
步骤33:从租赁汽车的内部缺陷参数中提取内部缺陷类型,并将其与数据库中存储的各种内部缺陷类型对应的比例系数进行匹配,进而匹配出租赁汽车内部缺陷类型对应的比例系数;
步骤34:从目标用户的各历史租赁汽车订单中的租赁参数内租赁汽车信息中提取租赁汽车表面积;
步骤35:根据目标用户的各历史租赁汽车订单中租赁汽车对应的外部缺陷面积、表面积和外部缺陷类型对应的占比系数分析租赁汽车的外部完好系数,其计算公式为:,其中/>表示租赁汽车的外部完好系数,/>、/>分别表示目标用户的第i个历史租赁汽车订单中租赁汽车对应的外部缺陷面积、表面积,/>表示第i个历史租赁汽车订单中租赁汽车对应外部缺陷类型的占比系数;
步骤36:根据目标用户的各历史租赁汽车订单中租赁汽车对应的内部缺陷面积、表面积和内部缺陷类型对应的比例系数分析租赁汽车的内部完好系数,其计算公式为:,其中/>表示租赁汽车的内部完好系数,/>、/>分别表示目标用户的第i个历史租赁汽车订单中租赁汽车对应的内部缺陷面积、表面积,/>表示第i个历史租赁汽车订单中租赁汽车对应内部缺陷类型的比例系数;
步骤37:基于租赁汽车的外部完好系数和内部完好系数分析租赁汽车完好系数,其计算公式为:,其中/>表示租赁汽车完好系数。
2.根据权利要求1所述的一种基于大数据的汽车租赁信用信息分析管理方法,其特征在于:所述租赁参数包括租赁汽车信息和目标用户信息。
3.根据权利要求2所述的一种基于大数据的汽车租赁信用信息分析管理方法,其特征在于:所述租赁汽车信息包括租赁汽车外部图像和内部图像、驾驶操作行为记录视频和租赁汽车表面积,目标用户信息包括目标用户在租赁汽车期间的违规记录、租赁归还时间点和租赁费用支付时间点。
4.根据权利要求1所述的一种基于大数据的汽车租赁信用信息分析管理方法,其特征在于:所述步骤4中分析目标用户对应的驾驶行为综合规范系数的具体执行方式包括以下步骤:
步骤41:从目标用户的各历史租赁汽车订单中的租赁参数内租赁汽车信息中提取驾驶操作行为记录视频;
步骤42:将驾驶操作行为记录视频按照预设的帧数分割为若干行为图片,并将各行为图片分别编号为1,2,...,m,...,l;
步骤43:获取各行为图片中目标用户的皮肤裸露部位,并统计皮肤裸露部位的个数,进而将各行为图片中目标用户的皮肤裸露部位与数据库中存储的皮肤允许裸露部位进行逐一匹配,据此统计皮肤裸露部位匹配成功的个数;
步骤44:根据各行为图片中目标用户的皮肤裸露部位匹配成功的个数和皮肤裸露部位的个数分析目标用户在各历史租赁汽车订单中对应的着装风险系数,其计算公式为:,其中/>表示目标用户在第i个历史租赁汽车订单中对应的着装风险系数,表示目标用户在第i个历史租赁汽车订单中的第m个行为图片中皮肤裸露部位匹配成功的个数,/>表示目标用户在第i个历史租赁汽车订单中的第m个行为图片中皮肤裸露部位的个数;
步骤45:基于各行为图片识别目标用户在各历史租赁汽车订单对应的手部动作特征,并将其与数据库中存储的投掷行为对应的手部特征进行对比,进而判断该行为图片中目标用户是否存在投掷行为,若存在投掷行为,则从该行为图片中提取投掷物参数,所述投掷物参数包括投掷物类型和投掷物体积;
步骤46:从目标用户的各历史租赁汽车订单中对应的投掷物参数中提取投掷物类型,并将投掷物类型与数据库中存储的各种投掷物类型单位体积对应的权重因子进行匹配,进而匹配出目标用户在各历史租赁汽车订单的投掷物类型单位体积对应的权重因子;
步骤47:根据目标用户在各历史租赁汽车订单的投掷物体积和投掷物类型单位体积对应的权重因子分析目标用户在各历史租赁汽车订单对应的投掷危险系数,其计算公式为:,其中/>表示目标用户在第i个历史租赁汽车订单对应的投掷危险系数,/>表示目标用户在第i个历史租赁汽车订单的投掷物体积,/>表示目标用户在第i个历史租赁汽车订单的投掷物类型单位体积对应的权重因子;
步骤48:基于目标用户在各历史租赁汽车订单对应的着装风险系数和投掷物危险系数分析目标用户在各历史租赁汽车订单对应的驾驶行为规范系数,其计算公式为:,其中/>表示目标用户在第i个历史租赁汽车订单对应的驾驶行为规范系数;
步骤49:根据目标用户在各历史租赁汽车订单对应的驾驶行为规范系数和标准驾驶行为规范系数分析目标用户对应的驾驶行为综合规范系数,其计算公式为,其中/>表示目标用户对应的驾驶行为综合规范系数,/>表示标准驾驶行为规范系数。
5.根据权利要求4所述的一种基于大数据的汽车租赁信用信息分析管理方法,其特征在于:所述步骤5中分析目标用户对应的行驶规范系数的具体执行方式包括以下步骤:
步骤51:从目标用户的各历史租赁汽车订单中的租赁参数内目标用户信息中提取目标用户在租赁汽车期间的违规记录,所述违规记录包括违规类型和违规次数;
步骤52:从目标用户在租赁汽车期间的违规记录中提取违规类型,进而统计目标用户对应违规类型的种类,并将其分别编号为1,2,...,j,...,k,从而统计各违规类型种类出现的次数;
步骤53:将目标用户对应违规类型的种类与数据库中存储的各违规类型种类单次违规对应的违规值进行匹配,进而匹配出目标用户的各违规类型种类单次违规对应的违规值;
步骤54:根据目标用户的各违规类型种类单次违规对应的违规值和各违规类型种类出现的次数分析目标用户对应的行驶规范系数,其计算公式为:,其中/>表示目标用户对应的行驶规范系数,/>表示目标用户的第j个违规类型种类单次违规对应的违规值、表示目标用户的第j个违规类型种类出现的次数。
6.根据权利要求5所述的一种基于大数据的汽车租赁信用信息分析管理方法,其特征在于:所述步骤6中分析目标用户对应的租赁支付时间合理系数的具体执行方式包括以下步骤:
步骤61:从目标用户的各历史租赁汽车订单中的租赁参数内目标用户信息中提取租赁归还时间点和租赁费用支付时间点;
步骤62:根据目标用户各历史租赁汽车订单的租赁归还时间点、租赁费用支付时间点和允许支付费用时长分析目标用户对应的租赁支付时间合理系数,其计算公式为:,其中/>表示目标用户对应的租赁支付时间合理系数,/>、/>分别表示目标用户在第i个历史租赁汽车订单对应的租赁归还时间点、租赁费用支付时间点,/>表示允许支付费用时长。
7.根据权利要求6所述的一种基于大数据的汽车租赁信用信息分析管理方法,其特征在于:所述步骤7中分析目标用户对应的租赁汽车信用系数的具体计算公式为:,其中/>表示目标用户对应的租赁汽车信用系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210933986.2A CN115170248B (zh) | 2022-08-04 | 2022-08-04 | 一种基于大数据的汽车租赁信用信息分析管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210933986.2A CN115170248B (zh) | 2022-08-04 | 2022-08-04 | 一种基于大数据的汽车租赁信用信息分析管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115170248A CN115170248A (zh) | 2022-10-11 |
CN115170248B true CN115170248B (zh) | 2024-05-24 |
Family
ID=83479055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210933986.2A Active CN115170248B (zh) | 2022-08-04 | 2022-08-04 | 一种基于大数据的汽车租赁信用信息分析管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115170248B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116596643B (zh) * | 2023-07-14 | 2023-10-20 | 深圳市古石科技有限公司 | 一种共享充电器充电智慧管理*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020078978A (ko) * | 2001-04-12 | 2002-10-19 | 이원구 | 렌트카 이용고객의 신용정보 검색이 가능한 렌트카통합운영 시스템 |
CN106600612A (zh) * | 2016-12-27 | 2017-04-26 | 重庆大学 | 一种电动汽车租赁前后损坏识别检测方法 |
CN107644369A (zh) * | 2017-10-19 | 2018-01-30 | 深圳市国电科技通信有限公司 | 一种汽车租赁用户的信用评估方法及*** |
CN112927045A (zh) * | 2021-03-03 | 2021-06-08 | 广州力挚网络科技有限公司 | 租车信用数据处理方法、装置及设备 |
CN112967497A (zh) * | 2021-02-01 | 2021-06-15 | 吉林大学 | 共享汽车监管***及监管方法 |
CN114511178A (zh) * | 2021-12-27 | 2022-05-17 | 环球车享汽车租赁有限公司 | 共享出行用户安全驾驶行为的监测方法及*** |
-
2022
- 2022-08-04 CN CN202210933986.2A patent/CN115170248B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020078978A (ko) * | 2001-04-12 | 2002-10-19 | 이원구 | 렌트카 이용고객의 신용정보 검색이 가능한 렌트카통합운영 시스템 |
CN106600612A (zh) * | 2016-12-27 | 2017-04-26 | 重庆大学 | 一种电动汽车租赁前后损坏识别检测方法 |
CN107644369A (zh) * | 2017-10-19 | 2018-01-30 | 深圳市国电科技通信有限公司 | 一种汽车租赁用户的信用评估方法及*** |
CN112967497A (zh) * | 2021-02-01 | 2021-06-15 | 吉林大学 | 共享汽车监管***及监管方法 |
CN112927045A (zh) * | 2021-03-03 | 2021-06-08 | 广州力挚网络科技有限公司 | 租车信用数据处理方法、装置及设备 |
CN114511178A (zh) * | 2021-12-27 | 2022-05-17 | 环球车享汽车租赁有限公司 | 共享出行用户安全驾驶行为的监测方法及*** |
Non-Patent Citations (1)
Title |
---|
基于因子分析与K-means聚类耦合的分时保费定价方法研究;曾娟;吴兴华;张洪昌;;武汉理工大学学报(信息与管理工程版);20180415(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115170248A (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8407139B1 (en) | Credit risk evaluation with responsibility factors | |
CN109887283B (zh) | 一种基于卡口数据的道路拥堵预测方法、***及装置 | |
CN108305409B (zh) | 一种针对路内停车欠费的追缴方法及*** | |
CN115170248B (zh) | 一种基于大数据的汽车租赁信用信息分析管理方法 | |
CN109887292B (zh) | 车辆类型的识别方法及*** | |
CN109215141A (zh) | 一种道路停车场电子围栏管理与互联网支付*** | |
CN116645646A (zh) | 一种用于停车异常检测预警方法及*** | |
CN116542466A (zh) | 一种基于数据分析的资产全周期管理*** | |
CN111091401A (zh) | 一种网约车定价方法、***、存储介质及设备 | |
CN116309610B (zh) | 一种基于人工智能的车辆管理方法及*** | |
CN114201530B (zh) | 一种疑似非正常营运客车提前甄别及预防式监管方法 | |
CN109849926B (zh) | 一种辨别出租车是否交予他人驾驶的方法及*** | |
CN107153906A (zh) | 一种出租车违法行为判定方法及*** | |
CN114387816B (zh) | 基于消费者行为预测分析的商城车流引导***及方法 | |
CN114627565B (zh) | 一种基于人工智能的智慧停车智能收费管理*** | |
CN113450592B (zh) | 一种基于循环神经网络的停车场占有率预测方法 | |
CN114331181A (zh) | 基于大数据的车辆驾驶行为风险分析方法 | |
CN113807932A (zh) | 资产管理***及方法 | |
CN117373259B (zh) | 高速公路车辆逃费行为识别方法、装置、设备和存储介质 | |
CN116129541B (zh) | 一种基于广义加性模型的逃费稽查方法、装置及设备 | |
CN111489556A (zh) | 一种营运车辆挂靠行为的判断方法 | |
CN114997714A (zh) | 一种电动自行车骑行者的风险识别方法、***及计算机设备 | |
Seguino et al. | A deeper dive into racial disparities in policing in Vermont | |
Daley et al. | Actuarially Based'On-Line'Risk Assessment In Western Australia | |
CN116630903B (zh) | 一种高速公路假冒客车行为逃费检测方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |