CN105260932A - 一种交通安全隐性因子的信用评分方法 - Google Patents

Abstract

本发明公开了一种交通安全隐性因子的信用评分方法，所述方法包括以下步骤：（1）采集交通安全隐性因子所对应的数据源，搭建由交通安全隐性因子所组成的数据库，作为交通安全隐性因子的信用评分的输入数据；（2）根据IV的值对影响交通安全的隐性因子进行选取，然后基于WOE编码，对选取的隐性因子进行单因子信用评分；（3）基于熵理论对隐性因子的单因子信用评分的权重进行确定；（4）综合步骤（2）和（3）的分析结果，得到交通安全隐性因子的信用评分。本发明所提供的交通安全隐性因子的信用评分可以为汽车保险公司提供可靠的交通安全信用评分，为汽车保险公司提供决策依据。

Description

一种交通安全隐性因子的信用评分方法

技术领域

本发明涉及智慧交通领域范畴，尤其是涉及一种交通安全隐性因子的信用评分方法。

背景技术

随着个人消费信贷的发展，个人信用评分技术被高度重视，个人信用评分被广泛的应用在消费信贷领域。FICO(费埃哲)作为信用评分的先驱，是由美国个人消费信用评估公司开发出的一种个人信用评级法，已经得到社会广泛接受。FICO评分关注客户的信用偿还历史、信用账号数、使用信用的年限、正在使用的信用类型、新开立的信用账户，由此来计算信用评分。随着大数据时代的来临，互联网金融行业的征信产品正在慢慢改变着征信业的格局。芝麻信用基于阿里巴巴的电商交易数据和蚂蚁金服的互联网金融数据，通过对海量信息数据进行综合处理的和评估，帮助社会形成完整的信用体系，真正实现“让守信者畅通无阻，让失信者寸步难行”。

交通安全是困扰城市的主要问题之一。目前中国的道路交通安全形势严峻，每年道路交通安全事故伤亡人数超过20万人。信用评分定量评估个人信用风险，反映个人客户的信用状况，为商业银行的信贷提供可靠的依据，由此来限制个人客户的商业违约行为。

发明内容

本发明所要解决的技术问题是提供一种交通安全隐性因子的信用评分方法，为车辆保险企业提供决策依据，更重要的在于建立整个社会的交通安全信用体系。

为此，本发明采用以下技术方案：

一种交通安全隐性因子的信用评分方法，所述方法包括以下步骤：

(1)采集交通安全隐性因子所对应的数据源，搭建由交通安全隐性因子所组成的数据库，作为交通安全隐性因子的信用评分的输入数据；

(2)根据IV的值对影响交通安全的隐性因子进行选取，然后基于WOE编码，对选取的隐性因子进行单因子信用评分；

(3)基于熵理论对隐性因子的单因子信用评分的权重进行确定；

(4)综合步骤(2)和(3)的分析结果，得到交通安全隐性因子的信用评分。

进一步地，所述交通安全隐性因子包括人为方面因素、车辆方面因素和道路方面因素。

进一步地，所述人为方面因素包括年龄、性别、驾驶年龄、受教育程度、个人年收入和籍贯。

进一步地，所述车辆方面因素包括车辆类型、车辆使用年龄、车辆价格和车辆生产产地。

进一步地，所述道路方面因素包括车辆行驶总里程和车辆在不同类型城市道路的行驶总里程。

进一步地，步骤(2)中，影响交通安全的隐性因子的选取包括如下步骤：

(a)隐性因子值的区间划分

首先，假设Y_i表示第i个驾驶员在最近一年内的交通违章情况，Y_i＝0表示第i个驾驶员在最近一年内没有交通违章行为，称为好驾驶员，反之Y_i＝1表示第i个驾驶员在最近一年内具有交通违章行为，称为坏驾驶员；

其次，随机变量X表示m个驾驶员隐性因子值的集合，x_i表示第i个驾驶员的隐性因子值。将X划分成N个区间，即找到合理的分割点x_(s)(s＝1,2,…,N-1)；G_s、B_s分别表示第s个区间好、坏驾驶员的个数，G，B表示好、坏驾驶员总的个数；

根据WOE定义：

${\mathrm{WOE}}_s=ln\left(\right(\frac{G_s}{G})/(\frac{B_s}{B}\left)\right)$

上述分点x_(s)的选择需要保证WOE_s(s＝1,2,…,N-1)是单调的，且各区间样本分布的均匀，每个区间样本数量占总样本数量的5％～30％；

(b)影响交通安全的隐性因子的选取

根据IV定义：

$IV=\underset{s=1}{\overset{N}{\Σ}}(\frac{G_s}{G}-\frac{B_s}{B})*{\mathrm{WOE}}_s$

根据IV的值对影响交通安全的隐性因子进行选取，选取IV>＝0.1的影响交通安全的隐性因子作为后续影响交通安全隐性因子的单因子信用评分的隐性因子。

进一步地，选取的影响交通安全隐性因子的单因子信用评分包括：

根据IV的值对影响交通安全的隐性因子进行选取之后，需要对影响交通安全的隐性因子进行单因子信用评分，

影响交通安全信用的隐性因子的单因子信用评分卡函数为：

$r_i=600*\log it\left({\mathrm{WOE}}_s\right)+300=600*\frac{B*G_s}{B*G_s+B_s*G}+300$

其中，r_i为第i个驾驶员交通安全的单因子信用评分值，x_(s-1)≤x_i≤x_(s)， $\log it\left(t\right)=$ $\frac{1}{1+e^{-t}}.$

进一步地，步骤(3)中，基于熵理论对隐性因子值的权重进行确定：

基于步骤(2)中根据IV的值选取的影响交通安全的隐性因子，假设选取了n个隐性因子，有m个驾驶员，组成驾驶员的隐性因子的单因子信用评分矩阵R＝(r_ij)_m*n；其中，r_ij表示第i个驾驶员第j个隐性因子的单因子信用评分；基于熵理论，隐性因子的单因子信用评分的权重确定步骤如下：

(i)数据标准化处理

$h_{ij}=\frac{r_{ij}-r_{\min }}{r_{\max }-r_{\min }}$

其中，r_min＝min_i{r_ij}；r_min＝max_i{r_ij}；i＝1,2,…,m；j＝1,2,…,n；

(ii)计算第i个驾驶员第j个指标的比重

$r_{ij}^{\′}=\frac{r_{ij}}{{\Σ}_{i=1}^m{r}_{ij}}$

(iii)隐性因子的单因子信用评分的信息熵值e和信息效用值d的计算

根据信息熵定义，第j个隐性因子的单因子信用评分的信息熵值如下：

其中K为常数，K＝1/ln(m)；

因此，第j个隐性因子的单因子信用评分的信息效用值d_j＝1-e_j；

(iv)计算评价隐性因子的单因子信用评分的权重系数

${\mathrm{\ω}}_j=\frac{d_j}{{\mathrm{\Σ}}_{j=1}^n{d}_j}$

其中，ω_j为第j个隐性因子的单因子信用评分的权重。

进一步地，所述的步骤(4)中得到的隐性因子交通安全信用评分credit如下：

${\mathrm{credit}}_i=\underset{j=1}{\overset{n}{\Σ}}{\mathrm{\ω}}_j*r_{ij}$

其中，其中credit_i表示第i个驾驶员隐性因子评分值，n为影响交通安全信用的隐性因子数量，r_ij为第i个驾驶员第j个影响交通安全信用隐性因子的单因子信用评分值，ω_j表示第j个隐性因子的单因子信用评分的权重。

本发明具有以下有益技术效果：

(1)交通安全隐性因子的信用评分综合考虑影响交通安全信用的隐性因子，客观地反映出驾驶员的交通安全信用；

(2)交通安全隐性因子的信用评分所需要采集的驾驶员信息，都可以很方便的收集到，保证了实施的可行性；

(3)交通安全隐性因子的信用评分中的隐性因子集合支持动态扩展，随着时间的推移，隐性因子不断的完善和更新，可以更加全面地反映出驾驶员的交通安全信用；

(4)基于交通安全隐性因子的信用评分可以为汽车保险公司提供可靠的交通安全信用评分，为汽车保险公司提供决策依据。

具体实施方式

为了更为具体地描述本发明，下面结合具体实施方式对本发明的技术方案进行详细说明。

本发明提供一种交通安全隐性因子的信用评分方法，所述方法包括以下步骤：

步骤1：采集交通安全隐性因子所对应的数据源，搭建由交通安全隐性因子所组成的数据库，作为交通安全隐性因子的信用评分的输入数据；

具体地，影响交通安全信用的隐性因素，包括以下三个方面：

<1>人为方面因素(年龄、性别、驾驶年龄、受教育程度、个人年收入、籍贯)；

<2>车辆方面因素(车辆类型、车辆使用年龄、车辆价格、车辆生产产地)；

<3>道路方面因素(车辆行驶总里程、车辆在不同类型城市道路(快速路、主干道、次干路、支路)的行驶总里程)；

隐性因子数据库包含如下属性：驾驶员车牌号(主键)、年龄、性别、驾驶年龄、受教育程度、个人年收入、籍贯、车辆类型、车辆使用年龄、车辆所属品牌。其中，受教育程度包含小学、初中、高中、本科、研究生和博士；籍贯包含23个省、5个自治区、4个直辖市、以及香港、澳门2个特别行政区；车辆类型包含《机动车行驶证》上的所有车辆类型，例如：摩托车、轿车、客车等；车辆生产产地包含中国、日本、美国、德国等。

步骤2：根据IV的值对影响交通安全的隐性因子进行选取，然后基于WOE编码，对选取的隐性因子进行单因子信用评分；

影响交通安全的隐性因子的选取包括如下步骤：

(a)隐性因子值的区间划分

首先，假设Y_i表示第i个驾驶员在最近一年内的交通违章情况，Y_i＝0表示第i个驾驶员在最近一年内没有交通违章行为，称为好驾驶员，反之Y_i＝1表示第i个驾驶员在最近一年内具有交通违章行为，称为坏驾驶员；

其次，随机变量X表示m个驾驶员隐性因子值的集合，x_i表示第i个驾驶员的隐性因子值。将X划分成N个区间，即找到合理的分割点x_(s)(s＝1,2,…,N-1)；G_s、B_s分别表示第s个区间好、坏驾驶员的个数，G，B表示好、坏驾驶员总的个数；

根据WOE定义：

${\mathrm{WOE}}_s=ln\left(\right(\frac{G_s}{G})/(\frac{B_s}{B}\left)\right)$

上述分点x_(s)的选择需要保证WOE_s(s＝1,2,…,N-1)是单调的，且各区间样本分布的均匀，每个区间样本数量占总样本数量的5％～30％；

(b)影响交通安全的隐性因子的选取

根据IV定义：

$IV=\underset{s=1}{\overset{N}{\&Sigma;}}(\frac{G_s}{G}-\frac{B_s}{B})*{\mathrm{WOE}}_s$

根据IV的值对影响交通安全的隐性因子进行选取，选取IV>＝0.1的影响交通安全的隐性因子作为后续影响交通安全隐性因子的单因子信用评分的隐性因子。

选取的影响交通安全隐性因子的单因子信用评分包括：

根据IV的值对影响交通安全的隐性因子进行选取之后，需要对影响交通安全的隐性因子进行单因子信用评分，

影响交通安全信用的隐性因子的单因子信用评分卡函数为：

$r_i=600*\log it\left({\mathrm{WOE}}_s\right)+300=600*\frac{B*G_s}{B*G_s+B_s*G}+300$

其中，r_i为第i个驾驶员交通安全的单因子信用评分值，x_(s-1)≤x_i≤x_(s)， $\log it\left(t\right)=$ $\frac{1}{1+e^{-t}}.$

步骤3：基于熵理论对隐性因子的单因子信用评分的权重进行确定；

基于步骤(2)中根据IV的值选取的影响交通安全的隐性因子，假设选取了n个隐性因子，有m个驾驶员，组成驾驶员的隐性因子的单因子信用评分矩阵R＝(r_ij)_m*n；其中，r_ij表示第i个驾驶员第j个隐性因子的单因子信用评分；基于熵理论，隐性因子的单因子信用评分的权重确定步骤如下：

(i)数据标准化处理

$h_{ij}=\frac{r_{ij}-r_{min}}{r_{max}-r_{min}}$

其中，r_min＝min_i{r_ij}；r_min＝max_i{r_ij}；i＝1,2,…,m；j＝1,2,…,n；

(ii)计算第i个驾驶员第j个指标的比重

$r_{ij}^{\&prime;}=\frac{r_{ij}}{{\mathrm{\&Sigma;}}_{i=1}^m{r}_{ij}}$

(iii)隐性因子的单因子信用评分的信息熵值e和信息效用值d的计算

根据信息熵定义，第j个隐性因子的单因子信用评分的信息熵值如下：

其中K为常数，K＝1/ln(m)；

因此，第j个隐性因子的单因子信用评分的信息效用值d_j＝1-e_j；

(iv)计算评价隐性因子的单因子信用评分的权重系数

${\mathrm{\&omega;}}_j=\frac{d_j}{{\mathrm{\&Sigma;}}_{j=1}^n{d}_j}$

其中，ω_j为第j个隐性因子的单因子信用评分的权重。

步骤4：综合步骤(2)和(3)的分析结果，得到交通安全隐性因子的信用评分；

得到的隐性因子交通安全信用评分credit如下：

${\mathrm{credit}}_i=\underset{j=1}{\overset{n}{\&Sigma;}}{\mathrm{\&omega;}}_j*r_{ij}$

其中，其中credit_i表示第i个驾驶员隐性因子评分值，n为影响交通安全信用的隐性因子数量，r_ij为第i个驾驶员第j个影响交通安全信用隐性因子的单因子信用评分值，ω_j表示第j个隐性因子的单因子信用评分的权重。

综合上述的归一化权重和隐性因子的单因子信用评分，本发明的交通安全隐性因子的信用评分的分值范围在300-900之间。

上述具体实施方式用来解释说明本发明，仅为本发明的优选实施例而已，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改、等同替换、改进等，都落入本发明的保护范围。

Claims (9)

1.一种交通安全隐性因子的信用评分方法，其特征在于，所述方法包括以下步骤：

(1)采集交通安全隐性因子所对应的数据源，搭建由交通安全隐性因子所组成的数据库，作为交通安全隐性因子的信用评分的输入数据；

(2)根据IV的值对影响交通安全的隐性因子进行选取，然后基于WOE编码，对选取的隐性因子进行单因子信用评分；

(3)基于熵理论对隐性因子的单因子信用评分的权重进行确定；

(4)综合步骤(2)和(3)的分析结果，得到交通安全隐性因子的信用评分。

2.根据权利要求1所述的一种交通安全隐性因子的信用评分方法，其特征在于，所述交通安全隐性因子包括人为方面因素、车辆方面因素和道路方面因素。

3.根据权利要求2所述的一种交通安全隐性因子的信用评分方法，其特征在于，所述人为方面因素包括年龄、性别、驾驶年龄、受教育程度、个人年收入和籍贯。

4.根据权利要求2所述的一种交通安全隐性因子的信用评分方法，其特征在于，所述车辆方面因素包括车辆类型、车辆使用年龄、车辆价格和车辆生产产地。

5.根据权利要求2所述的一种交通安全隐性因子的信用评分方法，其特征在于，所述道路方面因素包括车辆行驶总里程和车辆在不同类型城市道路的行驶总里程。

6.根据权利要求1所述的一种交通安全隐性因子的信用评分方法，其特征在于，步骤(2)中，影响交通安全的隐性因子的选取包括如下步骤：

(a)隐性因子值的区间划分

首先，假设Y_i表示第i个驾驶员在最近一年内的交通违章情况，Y_i＝0表示第i个驾驶员在最近一年内没有交通违章行为，称为好驾驶员，反之Y_i＝1表示第i个驾驶员在最近一年内具有交通违章行为，称为坏驾驶员；

其次，随机变量X表示m个驾驶员隐性因子值的集合，x_i表示第i个驾驶员的隐性因子值。将X划分成N个区间，即找到合理的分割点x_(s)(s＝1,2,…,N-1)；G_s、B_s分别表示第s个区间好、坏驾驶员的个数，G，B表示好、坏驾驶员总的个数；

根据WOE定义：

${\mathrm{WOE}}_s=ln\left(\right(\frac{G_s}{G})/(\frac{B_s}{B}\left)\right)$

上述分点x_(s)的选择需要保证WOE_s(s＝1,2,…,N-1)是单调的，且各区间样本分布的均匀，每个区间样本数量占总样本数量的5％～30％；

(b)影响交通安全的隐性因子的选取

根据IV定义：

$IV=\underset{s=1}{\overset{N}{\&Sigma;}}(\frac{G_s}{G}-\frac{B_s}{B})*{\mathrm{WOE}}_s$

根据IV的值对影响交通安全的隐性因子进行选取，选取IV>＝0.1的影响交通安全的隐性因子作为后续影响交通安全隐性因子的单因子信用评分的隐性因子。

7.根据权利要求6所述的一种交通安全隐性因子的信用评分方法，其特征在于，选取的影响交通安全隐性因子的单因子信用评分包括：

根据IV的值对影响交通安全的隐性因子进行选取之后，需要对影响交通安全的隐性因子进行单因子信用评分，

影响交通安全信用的隐性因子的单因子信用评分卡函数为：

$r_i=600*logit\left({\mathrm{WOE}}_S\right)+300=600*\frac{B*G_s}{B*G_s+B_s*G}+300$

其中，r_i为第i个驾驶员交通安全的单因子信用评分值，x_(s-1)≤x_i≤x_(s)，

8.根据权利要求1所述的一种交通安全隐性因子的信用评分方法，其特征在于，步骤(3)中，基于熵理论对隐性因子值的权重进行确定：

基于步骤(2)中根据IV的值选取的影响交通安全的隐性因子，假设选取了n个隐性因子，有m个驾驶员，组成驾驶员的隐性因子的单因子信用评分矩阵R＝(r_ij)_m*n；其中，r_ij表示第i个驾驶员第j个隐性因子的单因子信用评分；基于熵理论，隐性因子的单因子信用评分的权重确定步骤如下：

(i)数据标准化处理

$h_{ij}=\frac{r_{ij}-r_{min}}{r_{max}-r_{min}}$

其中，r_min＝min_i{r_ij}；r_min＝max_i{r_ij}；i＝1,2,…,m；j＝1,2,…,n；

(ii)计算第i个驾驶员第j个指标的比重

$r_{ij}^{\&prime;}=\frac{r_{ij}}{{\mathrm{\&Sigma;}}_{i=1}^m{r}_{ij}}$

(iii)隐性因子的单因子信用评分的信息熵值e和信息效用值d的计算

根据信息熵定义，第j个隐性因子的单因子信用评分的信息熵值如下：

其中K为常数，K＝1/ln(m)；

因此，第j个隐性因子的单因子信用评分的信息效用值d_j＝1-e_j；

(iv)计算评价隐性因子的单因子信用评分的权重系数

${\mathrm{\&omega;}}_j=\frac{d_j}{{\mathrm{\&Sigma;}}_{j=1}^n{d}_j}$

其中，ω_j为第j个隐性因子的单因子信用评分的权重。

9.根据权利要求所述1所述的一种交通安全隐性因子的信用评分方法，其特征在于，所述的步骤(4)中得到的隐性因子交通安全信用评分credit如下：

${\mathrm{credit}}_i=\underset{j=1}{\overset{n}{\&Sigma;}}{\mathrm{\&omega;}}_j*r_{ij}$

其中，其中credit_i表示第i个驾驶员隐性因子评分值，n为影响交通安全信用的隐性因子数量，r_ij为第i个驾驶员第j个影响交通安全信用隐性因子的单因子信用评分值，ω_j表示第j个隐性因子的单因子信用评分的权重。