CN109214614A - 网约车驾驶员信用评分方法、信用评分系统及计算机装置 - Google Patents
网约车驾驶员信用评分方法、信用评分系统及计算机装置 Download PDFInfo
- Publication number
- CN109214614A CN109214614A CN201710514233.7A CN201710514233A CN109214614A CN 109214614 A CN109214614 A CN 109214614A CN 201710514233 A CN201710514233 A CN 201710514233A CN 109214614 A CN109214614 A CN 109214614A
- Authority
- CN
- China
- Prior art keywords
- net
- vehicle driver
- credit
- scoring
- feature values
- 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.)
- Pending
Links
- 238000013459 approach Methods 0.000 title claims abstract description 29
- 238000009434 installation Methods 0.000 title claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims abstract description 35
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000013481 data capture Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 4
- 239000010931 gold Substances 0.000 description 4
- 229910052737 gold Inorganic materials 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000008439 repair process Effects 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
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提出了一种网约车驾驶员信用评分方法、信用评分系统、计算机装置及计算机可读存储介质,信用评分方法包括:在预设周期内采集网约车驾驶员的数据,获取多个数据特征值;对多个数据特征值进行证据权重(WOE)转换,按照评分模型计算多个数据特征值的评分概率值;根据评分概率值,获取网约车驾驶员的信用评分分值。通过周期性、自动化地动态更新网约车驾驶员状态信息,从多角度较全面地评估网约车驾驶员信用水平,从而实现实时更新网约车驾驶员评分,为网约车驾驶员提供给乘客更加优质的出行体验和服务水平起到良好的引导作用。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种网约车驾驶员信用评分方法、信用评分系统、计算机装置及计算机可读存储介质。
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。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。
而相关技术中,并没有针对网约车驾驶员群体的信用评分系统,因此亟需一种能够从多角度较全面地评估网约车驾驶员信用水平的方法或系统,进而为网约车驾驶员提供给乘客更加优质的出行体验和服务水平起到良好的引导作用。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此,本发明的一个目的在于提出了一种网约车驾驶员信用评分方法。
本发明的另一个目的在于提出了一种网约车驾驶员信用评分系统。
本发明的再一个目的在于提出了一种计算机装置。
本发明的又一个目的在于提出了一种计算机可读存储介质。
有鉴于此,根据本发明的一个目的,提出了一种网约车驾驶员信用评分方法,方法包括:在预设周期内采集网约车驾驶员的数据,获取多个数据特征值;对多个数据特征值进行证据权重(WOE)转换,按照评分模型计算多个数据特征值的评分概率值;根据评分概率值,获取网约车驾驶员的信用评分分值。
本发明提供的信用评分方法,采集网约车驾驶员在预设周期内产生的基础数据或者业务数据,获取网约车驾驶员的多个数据特征值,例如网约车驾驶员身份特征、车辆信息、工作习惯、收入水等数据特征值,对数据特征值进行数据标准转换,即证据权重转换,再按照评分模型通过数据特征值计算出一个评分概率,根据该评分概率得到信用评分分值。通过周期性、自动化地动态更新网约车驾驶员状态信息,从多角度较全面地评估网约车驾驶员信用水平,从而实现实时更新网约车驾驶员评分,为网约车驾驶员提供给乘客更加优质的出行体验和服务水平起到良好的引导作用。
根据本发明的上述网约车驾驶员信用评分方法,还可以具有以下技术特征:
在上述技术方案中,优选地,获取网约车驾驶员的信用评分分值之后,还包括:根据网约车驾驶员的信用评分分值划分网约车驾驶员信用等级;依据网约车驾驶员信用等级进行业务应用的处理。
在该技术方案中,根据得到的信用评分分值划分网约车驾驶员的信用等级,根据网约车驾驶员的信用等级进行相关的业务应用处理,例如当网约车驾驶员的信用等级较高时,可进行现金贷款业务、预支工资业务等,网约车驾驶员信用等级越高在平台获得利益和服务更优,通过告知信用等级能够使网约车驾驶员知晓从哪些维度可提升自己的信用分值,保证网约车驾驶员能够更规范地遵循平台的规则,为更好地维护网约车驾驶员生态起到良好的促进作用。
在上述任一技术方案中,优选地,在预设周期内采集网约车驾驶员的数据,获取多个数据特征值的步骤,具体包括:在预设周期内采集网约车驾驶员的数据,获取底层指标,其中底层指标包括基础指标及业务指标;当底层指标为基础指标时,将基础指标作为数据特征值;当底层指标为业务指标时,根据业务指标计算数据特征值。
在该技术方案中,在预设周期内采集基础数据或者业务数据,得到底层指标,若底层指标为基础指标时,作为数据特征值,若底层指标为业务指标时,通过计算得到数据特征值。例如,若为网约车驾驶员身份特征的基础指标时直接将网约车驾驶员身份特征作为数据特征值,若为关于投诉的业务指标时,则计算预设周期内的被投诉的订单与预设周期内的全部订单的比值,作为数据特征值。进而根据数据特征值得到网约车驾驶员的信用评分分值,最终通过信用评分机制实现更好地引导网约车驾驶员保持良好的信用水平。
在上述任一技术方案中,优选地,基础指标包括网约车驾驶员身份特征、入职时长、车辆信息;业务指标包括接单数、收入、服务等级、投诉率、取消单占比。
在该技术方案中,基础指标包括网约车驾驶员身份特征、入职时长、车辆信息等业务指标包括接单数、收入、服务等级、投诉率、取消单占比等,通过上述指标得到数据特征值,进而整体地反映出网约车驾驶员的信用水平。
在上述任一技术方案中,优选地,对多个数据特征值进行证据权重转换,按照评分模型计算多个数据特征值的评分概率值的步骤,具体包括:通过证据权重公式获取多个证据权重值,将多个证据权重值作为转换后的多个数据特征值;根据转换后的多个数据特征值,按照评分模型计算评分概率值;证据权重公式为评分模型为其中,将多个数据特征值划分为N个区间,WOEi为第i个区间的证据权重值,Gi为第i个区间中信用良好用户的个数,G为所有区间中信用良好用户的个数,Bi为第i个区间中失信用户的个数,B为所有区间中失信用户的个数,P为多个数据特征值的评分概率值,Xwoe为转换后的多个数据特征值,α和β为系数,i为小于N的正整数且i<N。
在该技术方案中,对每个数据特征值划分为N个区间,N为正整数,需要说明的是对于每个数据特征值划分的区间个数N可以相同或不同,例如对于服务等级与投诉率的划分区间个数可以相同或不同,通过证据权重公式计算每个数据特征值的证据权重值,根据每个数据特征值的证据权重值确定出该数据特征值的评分概率值,例如数据特征值为投诉率时,投诉率为0.15%,则通过在区间内的查找,0.15%投诉率对应的证据权重值为0.1234,则再将0.1234代入评分模型,可得到评分概率值P。
在上述任一技术方案中,优选地,根据评分概率值,获取网约车驾驶员的信用评分分值的步骤,具体包括:根据评分概率值,按照评分公式计算网约车驾驶员的信用评分分值;评分公式为S=600+300×P,其中,S为网约车驾驶员的信用评分分值。
在该技术方案中,根据评分概率值P计算出信用评分分值S,优选地信用评分分值S处于600分至900分之间,通过网约车驾驶员信用评分分值的计算有助于提升网约车驾驶员的体验,对网约车驾驶员生态起到良好的促进作用,也利于网约车驾驶员为乘客提供优质的出行服务。
根据本发明的再一个目的,提出了一种网约车驾驶员信用评分系统,系统包括:数据获取单元,用于在预设周期内采集网约车驾驶员的数据,获取多个数据特征值;第一计算单元,用于对多个数据特征值进行证据权重(WOE)转换,按照评分模型计算评分概率值;第二计算单元,用于根据评分概率值,计算网约车驾驶员的信用评分分值。
本发明提供的信用评分系统,数据获取单元采集网约车驾驶员在预设周期内产生的基础数据或者业务数据,获取网约车驾驶员的多个数据特征值,例如网约车驾驶员身份特征、车辆信息、工作习惯、收入水等数据特征值,第一计算单元对数据特征值进行数据标准转换,即证据权重转换,再由第二计算单元按照评分模型通过数据特征值计算出一个评分概率,根据评分概率得到信用评分分值。通过周期性、自动化地动态更新网约车驾驶员状态信息,从多角度较全面地评估网约车驾驶员信用水平,从而实现实时更新网约车驾驶员评分,为网约车驾驶员提供给乘客更加优质的出行体验和服务水平起到良好的引导作用。
根据本发明的上述网约车驾驶员信用评分系统,还可以具有以下技术特征:
在上述技术方案中,优选地,还包括:划分单元,用于根据网约车驾驶员的信用评分分值划分网约车驾驶员信用等级;以及依据网约车驾驶员信用等级进行业务应用的处理。
在该技术方案中,划分单元根据得到的信用评分分值划分网约车驾驶员的信用等级,根据网约车驾驶员的信用等级进行相关的业务应用处理,例如当网约车驾驶员的信用等级较高时,可进行现金贷款业务、预支工资业务等,网约车驾驶员信用等级越高在平台获得利益和服务更优,通过告知信用等级能够使网约车驾驶员知晓从哪些维度可提升自己的信用分值,保证网约车驾驶员能够更规范地遵循平台的规则,为更好地维护网约车驾驶员生态起到良好的促进作用。
在上述任一技术方案中,优选地,数据获取单元,具体用于:在预设周期内采集网约车驾驶员的数据,获取底层指标,其中底层指标包括基础指标及业务指标;当底层指标为所述基础指标时,将基础指标作为数据特征值;当底层指标为业务指标时,根据业务指标计算数据特征值。
在该技术方案中,数据获取单元在预设周期内采集基础数据或者业务数据,得到底层指标,若底层指标为基础指标时,作为数据特征值,若底层指标为业务指标时,通过计算得到数据特征值。例如,若为网约车驾驶员身份特征的基础指标时直接将网约车驾驶员身份特征作为数据特征值,若为关于投诉的业务指标时,则计算预设周期内的被投诉的订单与预设周期内的全部订单的比值,作为数据特征值。进而根据数据特征值得到网约车驾驶员的信用评分分值,最终通过信用评分机制实现更好地引导网约车驾驶员保持良好的信用水平。
在上述任一技术方案中,优选地,基础指标包括网约车驾驶员身份特征、入职时长、车辆信息;业务指标包括接单数、收入、服务等级、投诉率、取消单占比。
在该技术方案中,基础指标包括网约车驾驶员身份特征、入职时长、车辆信息等业务指标包括接单数、收入、服务等级、投诉率、取消单占比等,通过上述指标得到数据特征值,进而整体地反映出网约车驾驶员的信用水平。
在上述任一技术方案中,优选地,第一计算单元,具体用于:通过证据权重公式获取多个证据权重值,将多个证据权重值作为转换后的多个数据特征值;根据转换后的多个数据特征值,按照评分模型计算评分概率值;证据权重公式为评分模型为其中,将多个数据特征值划分为N个区间,WOEi为第i个区间的证据权重值,Gi为第i个区间中信用良好用户的个数,G为所有区间中信用良好用户的个数,Bi为第i个区间中失信用户的个数,B为所有区间中失信用户的个数,P为多个数据特征值的评分概率值,Xwoe为转换后的多个数据特征值,α和β为系数,i为小于N的正整数且i<N。
在该技术方案中,对每个数据特征值划分为N个区间,N为正整数,需要说明的是对于每个数据特征值划分的区间个数N可以相同或不同,例如对于服务等级与投诉率的划分区间个数可以相同或不同,通过证据权重公式计算每个数据特征值的证据权重值,根据每个数据特征值的证据权重值确定出该数据特征值的评分概率值,例如数据特征值为投诉率时,投诉率为0.15%,则通过在区间内的查找,0.15%投诉率对应的证据权重值为0.1234,则再将0.1234代入评分模型,可得到评分概率值P。
在上述任一技术方案中,优选地,第二计算单元,具体用于:根据评分概率值,按照评分公式计算网约车驾驶员的信用评分分值;评分公式为S=600+300×P,其中,S为网约车驾驶员的信用评分分值。
在该技术方案中,第二计算单元根据评分概率值P计算出信用评分分值S,优选地信用评分分值S处于600分至900分之间,通过网约车驾驶员信用评分分值的计算有助于提升网约车驾驶员的体验,对网约车驾驶员生态起到良好的促进作用,也利于网约车驾驶员为乘客提供优质的出行服务。
根据本发明的再一个目的,提出了一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述任一项的网约车驾驶员信用评分方法的步骤。
本发明提供的计算机装置,处理器执行计算机程序时实现采集网约车驾驶员在预设周期内产生的基础数据或者业务数据,获取网约车驾驶员的多个数据特征值,例如网约车驾驶员身份特征、车辆信息、工作习惯、收入水等数据特征值,对数据特征值进行数据标准转换,即证据权重转换,再按照评分模型通过数据特征值计算出一个评分概率,根据评分概率得到信用评分分值。通过周期性、自动化地动态更新网约车驾驶员状态信息,从多角度较全面地评估网约车驾驶员信用水平,从而实现实时更新网约车驾驶员评分,为网约车驾驶员提供给乘客更加优质的出行体验和服务水平起到良好的引导作用。
根据本发明的又一个目的,提出了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一项的网约车驾驶员信用评分方法的步骤。
本发明提供的计算机可读存储介质,计算机程序被处理器执行时实现采集网约车驾驶员在预设周期内产生的基础数据或者业务数据,获取网约车驾驶员的多个数据特征值,例如网约车驾驶员身份特征、车辆信息、工作习惯、收入水等数据特征值,对数据特征值进行数据标准转换,即证据权重转换,再按照评分模型通过数据特征值计算出一个评分概率,根据评分概率得到信用评分分值。通过周期性、自动化地动态更新网约车驾驶员状态信息,从多角度较全面地评估网约车驾驶员信用水平,从而实现实时更新网约车驾驶员评分,为网约车驾驶员提供给乘客更加优质的出行体验和服务水平起到良好的引导作用。
本发明的附加方面和优点将在下面的描述部分中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1示出了本发明的一个实施例的网约车驾驶员信用评分方法的流程示意图;
图2示出了本发明的另一个实施例的网约车驾驶员信用评分方法的流程示意图;
图3示出了本发明的再一个实施例的网约车驾驶员信用评分方法的流程示意图;
图4示出了本发明的一个实施例的网约车驾驶员信用评分系统的示意框图;
图5示出了本发明的另一个实施例的网约车驾驶员信用评分系统的示意框图;
图6示出了本发明的一个实施例的计算机装置的示意框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不限于下面公开的具体实施例的限制。
本发明第一方面的实施例,提出一种网约车驾驶员信用评分方法,图1示出了本发明的一个实施例的网约车驾驶员信用评分方法的流程示意图。其中,该方法包括:
步骤102,在预设周期内采集网约车驾驶员的数据,获取多个数据特征值;
步骤104,对多个数据特征值进行证据权重(WOE)转换,按照评分模型计算多个数据特征值的评分概率值;
步骤106,根据评分概率值,获取网约车驾驶员的信用评分分值。
本发明提供的信用评分方法,采集网约车驾驶员在预设周期内产生的基础数据或者业务数据,获取网约车驾驶员的多个数据特征值,例如网约车驾驶员身份特征、车辆信息、工作习惯、收入水等数据特征值,对数据特征值进行数据标准转换,即证据权重转换,再按照评分模型通过数据特征值计算出一个评分概率,根据该评分概率得到信用评分分值。通过周期性、自动化地动态更新网约车驾驶员状态信息,从多角度较全面地评估网约车驾驶员信用水平,从而实现实时更新网约车驾驶员评分,为网约车驾驶员提供给乘客更加优质的出行体验和服务水平起到良好的引导作用。
图2示出了本发明的另一个实施例的网约车驾驶员信用评分方法的流程示意图。其中,该方法包括:
步骤202,在预设周期内采集网约车驾驶员的数据,获取多个数据特征值;
步骤204,对多个数据特征值进行证据权重转换,按照评分模型计算多个数据特征值的评分概率值;
步骤206,根据网约车驾驶员评分概率值,获取网约车驾驶员信用评分分值;
步骤208,根据网约车驾驶员信用评分分值划分网约车驾驶员信用等级;依据网约车驾驶员信用等级进行业务应用的处理。
在该实施例中,根据得到的信用评分分值划分网约车驾驶员的信用等级,根据网约车驾驶员的信用等级进行相关的业务应用处理,例如当网约车驾驶员的信用等级较高时,可进行现金贷款业务、预支工资业务等,网约车驾驶员信用等级越高在平台获得利益和服务更优,通过告知信用等级能够使网约车驾驶员知晓从哪些维度可提升自己的信用分值,保证网约车驾驶员能够更规范地遵循平台的规则,为更好地维护网约车驾驶员生态起到良好的促进作用。
图3示出了本发明的再一个实施例的网约车驾驶员信用评分方法的流程示意图。其中,该方法包括:
步骤302,在预设周期内采集网约车驾驶员的数据,获取底层指标,其中底层指标包括基础指标及业务指标;当底层指标为基础指标时,将基础指标作为数据特征值;当底层指标为业务指标时,根据业务指标计算数据特征值;
步骤304,通过证据权重公式获取多个证据权重值,将多个证据权重值作为转换后的多个数据特征值;根据转换后的多个数据特征值,按照评分模型计算评分概率值;
步骤306,根据评分概率值,按照评分公式计算网约车驾驶员的信用评分分值;
步骤308,根据网约车驾驶员的信用评分分值划分网约车驾驶员信用等级;依据网约车驾驶员信用等级进行业务应用的处理。
其中,证据权重公式为评分模型为将多个数据特征值划分为N个区间,WOEi为第i个区间的证据权重值,Gi为第i个区间中信用良好用户的个数,G为所有区间中信用良好用户的个数,Bi为第i个区间中失信用户的个数,B为所有区间中失信用户的个数,P为多个数据特征值的评分概率值,Xwoe为转换后的多个数据特征值,α和β为系数,i为小于N的正整数且i<N;评分公式为S=600+300×P,S为多个数据特征值的信用评分分值;
在该实施例中,在预设周期内采集基础数据或者业务数据,得到底层指标,若底层指标为基础指标时,作为数据特征值,若底层指标为业务指标时,通过计算得到数据特征值。例如,若为网约车驾驶员身份特征的基础指标时直接将网约车驾驶员身份特征作为数据特征值,若为关于投诉的业务指标时,则计算预设周期内的被投诉的订单与预设周期内的全部订单的比值,作为数据特征值。进而根据数据特征值得到网约车驾驶员的信用评分分值,最终通过信用评分机制实现更好地引导网约车驾驶员保持良好的信用水平。对每个数据特征值划分为N个区间,N为正整数,需要说明的是对于每个数据特征值划分的区间个数N可以相同或不同,例如对于服务等级与投诉率的划分区间个数可以相同或不同,通过证据权重公式计算每个数据特征值的证据权重值,根据每个数据特征值的证据权重值确定出该数据特征值的评分概率值,例如数据特征值为投诉率时,投诉率为0.15%,则通过在区间内的查找,0.15%投诉率对应的证据权重值为0.1234,则再将0.1234代入评分模型,可得到评分概率值P。根据评分概率值P计算出信用评分分值S,优选地信用评分分值S处于600分至900分之间,通过网约车驾驶员信用评分分值的计算有助于提升网约车驾驶员的体验,对网约车驾驶员生态起到良好的促进作用,也利于网约车驾驶员为乘客提供优质的出行服务。
在本发明的一个实施例中,优选地,基础指标包括网约车驾驶员身份特征、入职时长、车辆信息;业务指标包括接单数、收入、服务等级、投诉率、取消单占比。
在该实施例中,基础指标包括网约车驾驶员身份特征、入职时长、车辆信息等业务指标包括接单数、收入、服务等级、投诉率、取消单占比等,通过上述指标得到数据特征值,进而整体地反映出网约车驾驶员的信用水平。
本发明第二方面的实施例,提出一种网约车驾驶员信用评分系统,图4示出了本发明的一个实施例的网约车驾驶员信用评分系统400的示意框图。其中,该系统400包括:
数据获取单元402,用于在预设周期内采集网约车驾驶员的数据,获取多个数据特征值;
第一计算单元404,用于对多个数据特征值进行证据权重(WOE)转换,按照评分模型计算多个数据特征值的评分概率值;
第二计算单元406,用于根据评分概率值,计算网约车驾驶员的信用评分分值。
本发明提供的信用评分系统400,数据获取单元402采集网约车驾驶员在预设周期内产生的基础数据或者业务数据,获取网约车驾驶员的多个数据特征值,例如网约车驾驶员身份特征、车辆信息、工作习惯、收入水等数据特征值,第一计算单元404对数据特征值进行数据标准转换,即证据权重转换,再由第二计算单元406按照评分模型通过数据特征值计算出一个评分概率,根据评分概率得到信用评分分值。通过周期性、自动化地动态更新网约车驾驶员状态信息,从多角度较全面地评估网约车驾驶员信用水平,从而实现实时更新网约车驾驶员评分,为网约车驾驶员提供给乘客更加优质的出行体验和服务水平起到良好的引导作用。
图5示出了本发明的另一个实施例的网约车驾驶员信用评分系统500的示意框图。其中,该系统500包括:
数据获取单元502,用于在预设周期内采集网约车驾驶员的数据,获取多个数据特征值;
第一计算单元504,用于对多个数据特征值进行证据权重转换,按照评分模型计算多个数据特征值的评分概率值;
第二计算单元506,用于根据评分概率值,计算网约车驾驶员的信用评分分值;
划分单元508,用于网约车驾驶员的信用评分分值划分网约车驾驶员信用等级;以及依据网约车驾驶员信用等级进行业务应用的处理。
在该实施例中,划分单元508根据得到的信用评分分值划分网约车驾驶员的信用等级,根据网约车驾驶员的信用等级进行相关的业务应用处理,例如当网约车驾驶员的信用等级较高时,可进行现金贷款业务、预支工资业务等,网约车驾驶员信用等级越高在平台获得利益和服务更优,通过告知信用等级能够使网约车驾驶员知晓从哪些维度可提升自己的信用分值,保证网约车驾驶员能够更规范地遵循平台的规则,为更好地维护网约车驾驶员生态起到良好的促进作用。
在本发明的一个实施例中,优选地,数据获取单元502,具体用于:在预设周期内采集网约车驾驶员的数据,获取底层指标,其中底层指标包括基础指标及业务指标;当底层指标为所述基础指标时,将基础指标作为数据特征值;当底层指标为业务指标时,根据业务指标计算数据特征值。
在该实施例中,数据获取单元502在预设周期内采集基础数据或者业务数据,得到底层指标,若底层指标为基础指标时,作为数据特征值,若底层指标为业务指标时,通过计算得到数据特征值。例如,若为网约车驾驶员身份特征的基础指标时直接将网约车驾驶员身份特征作为数据特征值,若为关于投诉的业务指标时,则计算预设周期内的被投诉的订单与预设周期内的全部订单的比值,作为数据特征值。进而根据数据特征值得到网约车驾驶员的信用评分分值,最终通过信用评分机制实现更好地引导网约车驾驶员保持良好的信用水平。
在本发明的一个实施例中,优选地,基础指标包括网约车驾驶员身份特征、入职时长、车辆信息;业务指标包括接单数、收入、服务等级、投诉率、取消单占比。
在该实施例中,基础指标包括网约车驾驶员身份特征、入职时长、车辆信息等业务指标包括接单数、收入、服务等级、投诉率、取消单占比等,通过上述指标得到数据特征值,进而整体地反映出网约车驾驶员的信用水平。
在本发明的一个实施例中,优选地,第一计算单元504,具体用于:通过证据权重公式获取多个证据权重值,将多个证据权重值作为转换后的多个数据特征值;根据转换后的多个数据特征值,按照评分模型计算评分概率值;证据权重公式为评分模型为其中,将多个数据特征值划分为N个区间,WOEi为第i个区间的证据权重值,Gi为第i个区间中信用良好用户的个数,G为所有区间中信用良好用户的个数,Bi为第i个区间中失信用户的个数,B为所有区间中失信用户的个数,P为多个数据特征值的评分概率值,Xwoe为转换后的多个数据特征值,α和β为系数,i为小于N的正整数且i<N。
在该实施例中,对每个数据特征值划分为N个区间,N为正整数,需要说明的是对于每个数据特征值划分的区间个数N可以相同或不同,例如对于服务等级与投诉率的划分区间个数可以相同或不同,通过证据权重公式计算每个数据特征值的证据权重值,根据每个数据特征值的证据权重值确定出该数据特征值的评分概率值,例如数据特征值为投诉率时,投诉率为0.15%,则通过在区间内的查找,0.15%投诉率对应的证据权重值为0.1234,则再将0.1234代入评分模型,可得到评分概率值P。
在本发明的一个实施例中,优选地,第二计算单元506,具体用于:根据评分概率值,按照评分公式计算网约车驾驶员的信用评分分值;评分公式为S=600+300×P,其中,S为网约车驾驶员的信用评分分值。
在该实施例中,第二计算单元506根据评分概率值P计算出信用评分分值S,优选地信用评分分值S处于600分至900分之间,通过网约车驾驶员信用评分分值的计算有助于提升网约车驾驶员的体验,对网约车驾驶员生态起到良好的促进作用,也利于网约车驾驶员为乘客提供优质的出行服务。
本发明第三方面的实施例,提出一种计算机装置,图6示出了本发明的一个实施例的计算机装置600的示意框图。其中,该计算机装置600包括:
存储器602、处理器604及存储在存储器602上并可在处理器604上运行的计算机程序,处理器604执行计算机程序时实现如上述任一项的网约车驾驶员信用评分方法的步骤。
本发明提供的计算机装置600,处理器执行计算机程序时实现采集网约车驾驶员在预设周期内产生的基础数据或者业务数据,获取网约车驾驶员的多个数据特征值,例如网约车驾驶员身份特征、车辆信息、工作习惯、收入水等数据特征值,对数据特征值进行数据标准转换,即证据权重转换,再按照评分模型通过数据特征值计算出一个评分概率,根据评分概率得到信用评分分值。通过周期性、自动化地动态更新网约车驾驶员状态信息,从多角度较全面地评估网约车驾驶员信用水平,从而实现实时更新网约车驾驶员评分,为网约车驾驶员提供给乘客更加优质的出行体验和服务水平起到良好的引导作用。
本发明第四方面的实施例,提出了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一项的网约车驾驶员信用评分方法的步骤。
本发明提供的计算机可读存储介质,计算机程序被处理器执行时实现采集网约车驾驶员在预设周期内产生的基础数据或者业务数据,获取网约车驾驶员的多个数据特征值,例如网约车驾驶员身份特征、车辆信息、工作习惯、收入水等数据特征值,对数据特征值进行数据标准转换,即证据权重转换,再按照评分模型通过数据特征值计算出一个评分概率,根据评分概率得到信用评分分值。通过周期性、自动化地动态更新网约车驾驶员状态信息,从多角度较全面地评估网约车驾驶员信用水平,从而实现实时更新网约车驾驶员评分,为网约车驾驶员提供给乘客更加优质的出行体验和服务水平起到良好的引导作用。
在本发明的一个具体实施例中,网约车驾驶员小A,39岁,女,拥有一辆白色轿车,每月接单100单,月收入约1800元,无投诉记录,服务等级水平4.95级,历史无作弊记录,计算得到评分850分,属于较高分值水平,为优质网约车驾驶员;
业务应用场景一,平台可给予网约车驾驶员提供较好福利,车险8.5折,洗车8折,油卡8折或组合福利;
业务应用场景二,平台可提供给网约车驾驶员小额现金贷服务,通过评估信用分值较高,给予授信1万元,小A拿来购买手机,由于小A信用较好,后续还款及时,方便自己生活消费的同时,平台可获得相应的利息收益;
业务应用场景三,平台可提供给网约车驾驶员预支工资服务,小A家里临时有急事急需钱,通过评估信用分值较高,小A可以预支2个月或3个月的工资解决燃眉之急,方便自己生活消费的同时,平台可获得相应的利息收益。
在本说明书的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种网约车驾驶员信用评分方法,其特征在于,包括:
在预设周期内采集网约车驾驶员的数据,获取多个数据特征值;
对所述多个数据特征值进行证据权重(WOE)转换,按照评分模型计算所述多个数据特征值的评分概率值;
根据所述评分概率值,获取所述网约车驾驶员的信用评分分值。
2.根据权利要求1所述的网约车驾驶员信用评分方法,其特征在于,所述获取所述网约车驾驶员的信用评分分值之后,还包括:
根据所述网约车驾驶员的信用评分分值划分网约车驾驶员信用等级;
依据所述网约车驾驶员信用等级进行业务应用的处理。
3.根据权利要求1所述的网约车驾驶员信用评分方法,其特征在于,所述在所述预设周期内采集所述网约车驾驶员的数据,获取所述多个数据特征值的步骤,具体包括:
在所述预设周期内采集所述网约车驾驶员的数据,获取底层指标,其中所述底层指标包括基础指标及业务指标;
当所述底层指标为所述基础指标时,将所述基础指标作为所述数据特征值;
当所述底层指标为所述业务指标时,根据所述业务指标计算所述数据特征值。
4.根据权利要求3所述的网约车驾驶员信用评分方法,其特征在于,
所述基础指标包括网约车驾驶员身份特征、入职时长、车辆信息;
所述业务指标包括接单数、收入、服务等级、投诉率、取消单占比。
5.根据权利要求1所述的网约车驾驶员信用评分方法,其特征在于,对所述多个数据特征值进行证据权重转换,按照所述评分模型计算所述多个数据特征值的评分概率值的步骤,具体包括:
通过证据权重公式获取多个证据权重值,将所述多个证据权重值作为转换后的所述多个数据特征值;
根据转换后的所述多个数据特征值,按照所述评分模型计算所述评分概率值;
所述证据权重公式为
所述评分模型为
其中,将所述多个数据特征值划分为N个区间,WOEi为第i个区间的证据权重值,Gi为第i个区间中信用良好用户的个数,G为所有区间中信用良好用户的个数,Bi为第i个区间中失信用户的个数,B为所有区间中失信用户的个数,P为所述多个数据特征值的评分概率值,Xwoe为转换后的所述多个数据特征值,α和β为系数,i为小于N的正整数且i<N。
6.根据权利要求5所述的网约车驾驶员信用评分方法,其特征在于,所述根据所述评分概率值,获取所述网约车驾驶员的信用评分分值的步骤,具体包括:
根据所述评分概率值,按照评分公式计算所述网约车驾驶员的信用评分分值;
所述评分公式为
S=600+300×P,
其中,S为所述网约车驾驶员的信用评分分值。
7.一种网约车驾驶员信用评分系统,其特征在于,包括:
数据获取单元,用于在预设周期内采集网约车驾驶员的数据,获取多个数据特征值;
第一计算单元,用于对所述多个数据特征值进行证据权重(WOE)转换,按照评分模型计算所述多个数据特征值的评分概率值;
第二计算单元,用于根据所述评分概率值,计算所述网约车驾驶员的信用评分分值。
8.根据权利要求7所述的网约车驾驶员信用评分系统,其特征在于,还包括:
划分单元,用于根据所述网约车驾驶员的信用评分分值划分网约车驾驶员信用等级;以及依据所述网约车驾驶员信用等级进行业务应用的处理。
9.根据权利要求7所述的网约车驾驶员信用评分系统,其特征在于,所述数据获取单元,具体用于:
在所述预设周期内采集所述网约车驾驶员的数据,获取底层指标,其中所述底层指标包括基础指标及业务指标;
当所述底层指标为所述基础指标时,将所述基础指标作为所述数据特征值;
当所述底层指标为所述业务指标时,根据所述业务指标计算所述数据特征值。
10.根据权利要求9所述的网约车驾驶员信用评分系统,其特征在于,
所述基础指标包括网约车驾驶员身份特征、入职时长、车辆信息;
所述业务指标包括接单数、收入、服务等级、投诉率、取消单占比。
11.根据权利要求7所述的网约车驾驶员信用评分系统,其特征在于,所述第一计算单元,具体用于:
通过证据权重公式获取多个证据权重值,将所述多个证据权重值作为转换后的所述多个数据特征值;
根据转换后的所述多个数据特征值,按照所述评分模型计算所述评分概率值;
所述证据权重公式为
所述评分模型为
其中,将所述多个数据特征值划分为N个区间,WOEi为第i个区间的证据权重值,Gi为第i个区间中信用良好用户的个数,G为所有区间中信用良好用户的个数,Bi为第i个区间中失信用户的个数,B为所有区间中失信用户的个数,P为所述多个数据特征值的评分概率值,Xwoe为转换后的所述多个数据特征值,α和β为系数,i为小于N的正整数且i<N。
12.根据权利要求11所述的网约车驾驶员信用评分系统,其特征在于,所述第二计算单元,具体用于:
根据所述评分概率值,按照评分公式计算所述网约车驾驶员的信用评分分值;
所述评分公式为
S=600+300×P,
其中,S为所述网约车驾驶员的信用评分分值。
13.一种计算机装置,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的网约车驾驶员信用评分方法的步骤。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的网约车驾驶员信用评分方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710514233.7A CN109214614A (zh) | 2017-06-29 | 2017-06-29 | 网约车驾驶员信用评分方法、信用评分系统及计算机装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710514233.7A CN109214614A (zh) | 2017-06-29 | 2017-06-29 | 网约车驾驶员信用评分方法、信用评分系统及计算机装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109214614A true CN109214614A (zh) | 2019-01-15 |
Family
ID=64976624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710514233.7A Pending CN109214614A (zh) | 2017-06-29 | 2017-06-29 | 网约车驾驶员信用评分方法、信用评分系统及计算机装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109214614A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110415377A (zh) * | 2019-06-24 | 2019-11-05 | 天津五八到家科技有限公司 | 行驶状态确定方法、装置及电子设备 |
CN111144706A (zh) * | 2019-12-05 | 2020-05-12 | 东南大学 | 一种网约车驾驶员评分和类别划分方法 |
CN111813917A (zh) * | 2020-04-14 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 信息交互的方法、装置、设备和存储介质 |
WO2020248968A1 (en) * | 2019-06-11 | 2020-12-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | Identifying high risk trips using continuous call sequence analysis |
CN112330440A (zh) * | 2020-11-06 | 2021-02-05 | 新华中经信用管理有限公司 | 一种基于区块链去中心化的信用体系构建方法 |
CN112330087A (zh) * | 2020-09-22 | 2021-02-05 | 浙江吉利控股集团有限公司 | 一种司机服务分计算方法、装置、电子设备及存储介质 |
-
2017
- 2017-06-29 CN CN201710514233.7A patent/CN109214614A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020248968A1 (en) * | 2019-06-11 | 2020-12-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | Identifying high risk trips using continuous call sequence analysis |
US11481856B2 (en) | 2019-06-11 | 2022-10-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Identifying high risk trips using continuous call sequence analysis |
CN110415377A (zh) * | 2019-06-24 | 2019-11-05 | 天津五八到家科技有限公司 | 行驶状态确定方法、装置及电子设备 |
CN110415377B (zh) * | 2019-06-24 | 2022-02-15 | 天津五八到家科技有限公司 | 行驶状态确定方法、装置及电子设备 |
CN111144706A (zh) * | 2019-12-05 | 2020-05-12 | 东南大学 | 一种网约车驾驶员评分和类别划分方法 |
CN111813917A (zh) * | 2020-04-14 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 信息交互的方法、装置、设备和存储介质 |
CN112330087A (zh) * | 2020-09-22 | 2021-02-05 | 浙江吉利控股集团有限公司 | 一种司机服务分计算方法、装置、电子设备及存储介质 |
CN112330440A (zh) * | 2020-11-06 | 2021-02-05 | 新华中经信用管理有限公司 | 一种基于区块链去中心化的信用体系构建方法 |
CN112330440B (zh) * | 2020-11-06 | 2023-10-27 | 新华中经信用管理有限公司 | 一种基于区块链去中心化的信用体系构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109214614A (zh) | 网约车驾驶员信用评分方法、信用评分系统及计算机装置 | |
Clark | Studies in the economics of overhead costs | |
White et al. | Aboriginal conditions: Research as a foundation for public policy | |
Siemiatycki et al. | The trade-offs of transferring demand risk on urban transit public–private partnerships | |
Levačić | Financing schools: Evolving patterns of autonomy and control | |
Spooner et al. | Kampala bus rapid transit: Understanding Kampala’s paratransit market structure | |
Conn et al. | Bulletproof Problem Solving: The One Skill That Changes Everything | |
Hunt | Health and well-being: the role of government | |
Moradi et al. | System dynamics modeling and fuzzy MCDM approach as support for assessment of sustainability management on the example of transport sector company | |
Gabriel et al. | House price differentials and dynamics: Evidence from the Los Angeles and San Francisco Metropolitan areas | |
Shaw et al. | Assessing the potential for a ‘railway renaissance’in Great Britain | |
Randolph | Emerging geographies of suburban disadvantage | |
Goldman | The" Google Shuttle Effect": Gentrification and San Francisco's Dot com Boom 2.0 | |
Blowfield et al. | Turnaround challenge: Business and the city of the future | |
Herranz-Loncan | Infrastructure and economic growth in Spain, 1845–1935 | |
Singh | Trends in Travel and Tourism and Law | |
Sielke | Rural factors in state funding systems | |
Choucri | Migration processes among developing countries: The Middle East | |
Johansen | E–Mobility Maturity Model: Measuring E-Mobility Readiness of Countries | |
Credit | Economic Development for the 21 St Century: How Proximity to Transit and Walkability Influence Business Creation and Performance | |
Balagtas et al. | Estimating the recreational value of the Philippines’ Malabungot Protected Landscape and Seascape using tourists’ individual travel cost: a revealed preference valuation approach | |
Korhonen | Process for product development for a case company: Improving product development through management of foresight, technology roadmap and product portfolio | |
Odinokova et al. | Insurance telematics: problems and development prospects in Russia | |
Raghuvanshi et al. | RESEARCH SYNOPSIS ON FINANCE | |
McKinney | Budgeting for Sustainability: An Approach for American Policy-Making |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190115 |
|
RJ01 | Rejection of invention patent application after publication |