CN110245841A - 一种网约车风险控制方法及相关装置 - Google Patents
一种网约车风险控制方法及相关装置 Download PDFInfo
- Publication number
- CN110245841A CN110245841A CN201910426529.2A CN201910426529A CN110245841A CN 110245841 A CN110245841 A CN 110245841A CN 201910426529 A CN201910426529 A CN 201910426529A CN 110245841 A CN110245841 A CN 110245841A
- Authority
- CN
- China
- Prior art keywords
- car owner
- risk assessment
- risk
- data
- grade
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012954 risk control Methods 0.000 title claims abstract description 40
- 238000012502 risk assessment Methods 0.000 claims abstract description 345
- 238000011156 evaluation Methods 0.000 claims abstract description 123
- 238000013480 data collection Methods 0.000 claims abstract description 56
- 239000012141 concentrate Substances 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 10
- 238000013481 data capture Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 6
- 241001269238 Data Species 0.000 description 4
- 208000006011 Stroke Diseases 0.000 description 4
- 238000012549 training Methods 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Security & Cryptography (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例适用于业务安全领域中的风险评估模型的建立与运用,公开了一种网约车风险控制方法及相关装置,所述方法包括:获取网约车平台的多个样本车主的风险评估数据,以及样本车主对应的风险评估等级;通过关联规则算法,根据多个样本车主的风险评估数据和对应的风险评估等级,分别确定不同风险评估等级的高频数据集;获取目标车主的风险评估数据;通过目标车主的风险评估数据中至少一个评估项目下的项目数据,与各风险评估等级的高频数据集中至少一个评估项目下的项目数据的比对,确定目标车主的风险评估等级;根据目标车主的风险评估等级对目标车主进行风险管理。通过本发明可以有效识别网约车风险,进而降低网约车风险事件发生的概率。
Description
技术领域
本申请涉及网约车领域,尤其涉及一种网约车风险控制方法及相关装置。
背景技术
随着人们出行方式越来越多元化,网约车以其方便、快捷、舒适的特性逐渐成为一种受欢迎的出行方式,然而近年来频繁发生的网约车恶性事件引发了社会的屡屡关注。目前,网约车平台对网约车的监管,仅仅在网约车注册时,对网约车车主或汽车基本资质进行简单的审核,例如,驾龄三年以上,车主年龄在22岁至60岁之间等,因此并不能较为有效地识别网约车注册成功后的各种风险,进而导致多种网约车风险事件发生。
发明内容
本申请提供一种网约车风险控制方法及相关装置,通过本发明可以有效识别网约车风险,进而降低网约车风险事件发生的概率。
本发明实施例第一方面提供了一种网约车风险控制方法,包括:
获取网约车平台的多个样本车主的风险评估数据,以及每个所述样本车主对应的风险评估等级,每个所述样本车主的风险评估数据均包含所述样本车主的与多个评估项目对应的项目数据;
通过关联规则算法,根据所述多个样本车主的风险评估数据和对应的风险评估等级,分别确定针对所述样本车主的不同风险评估等级的高频数据集,所述高频数据集包含至少一个评估项目下与所述高频数据集对应的风险评估等级的相关度大于预设相关度阈值的项目数据;
获取目标车主的风险评估数据,所述目标车主的风险评估数据包含所述目标车主的与至少一个评估项目对应的项目数据;
通过所述目标车主的风险评估数据中至少一个评估项目下的项目数据,与各风险评估等级的高频数据集中至少一个评估项目下的项目数据的比对,确定所述目标车主的风险评估等级;
根据所述目标车主的风险评估等级对所述目标车主进行风险管理。
结合第一方面,在第一种可能的实现方式中,
所述通过关联规则算法,根据所述多个样本车主的风险评估数据和对应的风险评估等级,分别确定针对所述样本车主的不同风险评估等级的高频数据集包括:
确定针对所述多个样本车主的风险评估等级中的同一风险评估等级的至少一个频繁项集,所述频繁项集的任一非空子集包含的风险评估数据在处于所述同一风险评估等级的样本车主的风险评估数据中出现次数均大于预设的最小出现次数阈值的风险评估数据;
根据各个风险评估等级的频繁项集,确定针对所述各个风险评估等级的高频数据集。
结合第一方面,在第二种可能的实现方式中,
所述根据各个风险评估等级的频繁项集,确定针对所述各个风险评估等级的高频数据集包括:
在第一风险评估等级对应的频繁项集包含多个时,确定所述多个频繁项集各自的置信度,所述频繁项集的置信度为在所述第一风险评估等级对应的风险评估数据中,所述频繁项集对应的风险评估数据出现的次数,与所述第一风险评估等级的样本车主的总数量的比值;
将所述频繁项集的置信度高于预设的最小置信度阈值的频繁项集确定为所述第一风险评估等级的高频数据集。
结合第一方面,在第三种可能的实现方式中,
每个风险评估等级对应的高频数据集包括多种高频数据子集,所述多种高频数据子集对应的评估项目数量不同;
所述通过所述目标车主的风险评估数据中至少一个评估项目下的项目数据,与各风险评估等级的高频数据集中至少一个评估项目下的项目数据的比对,确定所述目标车主的风险评估等级包括:
根据所述目标车主的风险评估数据包含的评估项目数量N,从每个风险评估等级对应的高频数据集中获取评估项目数量为N的高频数据子集;
将所述目标车主的风险评估数据的项目数据,与各风险评估等级的高频数据集中评估项目数量为N的高频数据子集的项目数据的比对,确定所述目标车主的风险评估等级。
结合第一方面,在第四种可能的实现方式中,所述样本车主对应的风险评估等级包含针对所述样本车主的司机风险评估等级和/或针对所述样本车主的样本车辆的车辆风险评估等级。
结合第一方面的第四种可能的实现方式,在第五种可能的实现方式中,
所述针对不同风险评估等级的高频数据集包含针对不同的司机风险评估等级的司机风险高频数据集;所述司机风险频繁项集包含多个与不同司机风险条目对应的条目风险高频数据集;
所述通过所述目标车主的风险评估数据中至少一个评估项目下的项目数据,与各风险评估等级的高频数据集中至少一个评估项目下的项目数据的比对,确定所述目标车主的风险评估等级包括:
通过所述目标车主的风险评估数据的项目数据与各个不同司机风险条目对应的条目风险高频数据集的项目数据的比对,确定所述目标车主针对各个司机风险条目的多个条目风险等级;
将所述多个条目风险等级按照对应的司机风险条目的权重进行加权计算后得到所述目标车主的司机风险评估等级。
结合第一方面,在第六种可能的实现方式中,
所述根据所述目标车主的风险评估等级对所述目标车主进行风险管理包括:
根据预设的风险评估等级与回访频率的对应关系,确定所述目标风险评估等级对应的目标回访频率;
按照所述目标回访频率向所述目标车主对应的不同乘客发出风险回访申请;
在接收到所述目标车主的乘客响应所述风险回访申请发送的风险反馈信息时,根据所述风险反馈信息对所述目标车主或目标车主的乘客进行风险控制或风险预警。
结合第一方面,在第七种可能的实现方式中,所述根据所述目标车主的风险评估等级对所述目标车主进行风险管理包括:
在确定所述目标车主的风险评估等级高于第一预设风险等级阈值时,不向所述目标车主分配乘车时间在预设晚间时段内和/或行程地点在预设偏远地区内的乘车订单。
结合第一方面,在第八种可能的实现方式中,所述获取目标车主的风险评估数据之前,还包括:
接收所述目标车主针对网约车平台发送的网约车注册请求;
所述根据所述目标车主的风险评估等级对所述目标车主进行风险管理包括:
在确定所述目标车主的风险评估等级高于第二预设风险等级阈值时,向所述目标车主发送注册失败结果信息;
在确定所述目标车主的风险评估等级不高于所述第二预设风险等级阈值时,生成针对所述目标车主的网约车平台账号信息,并向所述目标车主发送携带所述网约车账号信息的注册成功结果信息。
本发明实施例第二方面提供了一种网约车风险控制装置,包括:
评估数据获取单元,用于获取网约车平台的多个样本车主的风险评估数据,以及每个所述样本车主对应的风险评估等级,每个所述样本车主的风险评估数据均包含所述样本车主的与多个评估项目对应的项目数据;
高频数量集确定单元,用于通过关联规则算法,根据所述多个样本车主的风险评估数据和对应的风险评估等级,分别确定针对所述样本车主的不同风险评估等级的高频数据集,所述高频数据集包含至少一个评估项目下与所述高频数据集对应的风险评估等级的相关度大于预设相关度阈值的项目数据;
所述评估数据获取单元,还用于获取目标车主的风险评估数据,所述目标车主的风险评估数据包含所述目标车主的与至少一个评估项目对应的项目数据;
等级确定单元,用于通过所述目标车主的风险评估数据中至少一个评估项目下的项目数据,与各风险评估等级的高频数据集中至少一个评估项目下的项目数据的比对,确定所述目标车主的风险评估等级;
风险管理单元,用于根据所述目标车主的风险评估等级对所述目标车主进行风险管理。
本发明实施例第三方面提供了一种网约车风险控制装置,包括处理器、存储器以及通信接口,所述处理器、存储器和通信接口相互连接,其中,所述通信接口用于接收和发送数据,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,所述程序代码当被计算机执行时使所述计算机执行上述第一方面和第一方面各个可能的实现方式中的任意一种方法。
本发明实施例第四方面提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被计算机执行时使所述计算机执行上述第一方面和第一方面各个可能的实现方式。
本发明实施例中,根据多个样本车主的风险评估数据和风险评估等级确定针对不同风险评估等级的高频数据集,进而通过将目标车主的风险评估数据中包含的预设评估项目下的项目数据,与各个风险评估等级的高频数据集中预设评估项目下的项目数据的比对,确定所述目标车主的风险评估等级,根据所述目标车主的风险评估等级进行风险管理。实现了根据网约车车主多维度的评估项目下的项目数据,对网约车车主的风险评估等级进行评估,能够有效地识别网约车风险,进而降低网约车风险事件发生的概率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明实施例提供的一种网约车风险控制方法的流程示意图;
图2为本发明实施例提供的一种频繁项集确定方法的示意图;
图3为本发明实施例提供的另一种网约车风险控制方法的流程示意图;
图4为本发明实施例提供的又一种网约车风险控制方法的流程示意图;
图5为本发明实施例提供的一种网约车风险控制装置的结构示意图;
图6为本发明实施例提供的另一种网约车风险控制装置的结构示意图。
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。
本发明实施例提供的网约车风险控制方法可以使用在对通过网络预约的出租车、顺风车等的风险控制场景中,可以为车主在网约车平台注册时,对车主的网约车风险控制管理,也可以是对网约车车主在运营过程中的风险控制管理等,此处不做限定。
参见图1,图1为本发明实施例提供的一种网约车风险控制方法的流程示意图,如图所示,所述方法可以包括:
S101,获取网约车平台的多个样本车主的风险评估数据,以及每个所述样本车主对应的风险评估等级。
这里,所述每个所述样本车主的风险评估数据均包含所述样本车主的与多个评估项目对应的项目数据,所述多个评估项目可以包括所述样本车主的年龄、婚姻状况、学历状况、年收入、存款金额、负债金额等评估项目,针对所述各个评估项目预设多种不同的项目数据,各个样本车主的风险评估数据中的项目数据为针对对应的评估项目而预设的项目数据中的一种,例如,针对年龄这一评估项目,预设22岁-30岁、31岁-40岁、41岁-50岁、51岁-60岁四种项目数据,各个样本车主针对年龄这一评估项目的项目数据为其中的一种,又如,针对学历状况这一评估项目,预设初中以下、初中至高中、本科以上三种项目数据,各个样本车主针对学历状况这一评估项目的项目数据为其中的一种。
这里,所述样本车主的风险评估数据可以从针对所述网约车平台的车主数据库中获取,所述风险评估等级可以是预先标记的针对各个样本车主的风险评估等级,如一级风险等级、二级风险等级、三级风险等级,又如高风险等级、中风险等级、低风险等级,等多种标记形式。例如,表1包含了获取到的10个样本车主的风险评估数据和对应的风险评估等级,其中各个风险评估数据包含针对婚姻状况、学历状况、贷款金额、投保状况这四个评估项目的项目数据,预先标记的风险评估等级包含高风险等级和中风险等级,如表1所示:
表1
S102,通过关联规则算法,根据所述多个样本车主的风险评估数据和对应的风险评估等级,分别确定针对所述样本车主的不同风险评估等级的高频数据集。
这里,所述高频数据集包含至少一个评估项目下与所述高频数据集对应的风险评估等级的相关度大于预设相关度阈值的项目数据,具体的在确定所述高频数据集之前,根据关联规则算法确定各个风险评估等级对应的频繁项集,根据各个风险评估等级的频繁项集确定对应风险评估等级的高频数据集,其中,所述频繁项集的任一非空子集包含的风险评估数据在处于所述同一风险评估等级的样本车主的风险评估数据中出现次数大于预设的最小出现次数阈值的风险评估数据,例如,若针对高风险评估等级的频繁项集为{S,T},其对应3个非空子集包含{S}、{T}、{S,T},则非空子集{S}包含的风险评估数据(S)在高风险评估等级的风险评估数据中出现次数大于预设的最小出现次数阈值,并且非空子集{T}包含的风险评估数据(T)在高风险评估等级的风险评估数据中出现次数大于预设的最小出现次数阈值,并且非空子集{S,T}包含的风险评估数据(S,T)在高风险评估等级的风险评估数据中出现次数大于预设的最小出现次数阈值,这里,S和T为风险评估数据(S,T)包含的两个项目数据,即项目数据S和T同时出现在高风险评估等级对应的风险评估数据中的次数大于预设的最小出现次数阈值。一种实现方式中,可以将各个风险评估等级对应的频繁项集确定为对应的风险评估等级的高频数据集,即将所述频繁项集中包含的项目数据确定为与对应的风险评估等级的相关度大于预设相关度阈值的项目数据。
这里,确定针对不同风险评估等级的频繁项集所使用的关联规则算法可以为Apriori算法,Apriori算法是数据挖掘中一种算法,通过Apriori算法挖掘得到在同一风险评估等级的风险评估数据中挖掘预设的评估项目下项目数据之间关联度大于预设关联度阈值的项目数据的集合,将上述集合确定为对应的风险评估等级的频繁项集。
具体的,将每一预设的评估项目下的每一种项目数据分别构成指定的风险评估等级的多个候选一项集,通过将各个候选一项集包含的项目数据在所述样本车主的风险评估数据中出现的次数与预设的最小出现次数阈值比较后,将多个候选一项集中包含的项目数据出现的次数不小于所述最小出现次数阈值的候选一项集确定频繁一项集;若所述频繁一项集包含一个,将上述一个频繁一项集确定为指定的风险评估等级对应的频繁项集,若所述频繁一项集包含多个,将所述各个频繁一项集包含的项目数据与其他频繁一项集中包含的项目数据组合,构成第一风险评估等级的候选二项集,通过将各个候选二项集中包含的项目数据的组合在所述样本车主的风险评估数据中出现的次数与预设的最小出现次数阈值比较后,若存在包含的项目数据的组合的出现次数不小于所述最小出现次数阈值的候选二项集,将多个候选二项集中包含的项目数据的组合的出现次数不小于所述最小出现次数阈值的候选二项集确定为频繁二项集,若不存在包含的项目数据的组合的出现次数不小于所述最小出现次数阈值的二项候选项集,将所述频繁一项集确定为指定的风险评估等级的频繁项集;所述频繁二项集包含一个时,将所述频繁二项集确定为指定的风险评估等级对应的频繁项集,若所述频繁二项集包含多个,将所述多个频繁二项集中包含的项目数据有一项不相同的频繁二项集中的项目数据两两结合,构成所述第一风险评估的候选三项集,进而判断所述候选三项集的个数,以此类推,直到确定到仅包含一个的指定的风险评估等级的频繁L项集时,将所述频繁L项集确定为指定的风险评估等级的频繁项集,或直到确定到第一风险评估等级的候选M项集中不存在包含的项目数据的组合的出现次数不小于所述最小出现次数阈值的候选M项集,将指定的风险评估等级的多个频繁M-1项集确定为指定的风险评估等级的频繁项集。
其中,所述最小出现次数阈值可以预先设置相对较大的值,各个风险评估等级对应的高频数据集确定后,通过将预设的多个训练车主的风险评估数据与得到的高频数据集的比对后得到的风险评估等级,与预先为训练车主标记的风险评估等级的比较,经过多次训练后得出最优的最小出现次数阈值。可选的,设所述样本车主中各风险评估级别对应的样本车主数量最多的样本车主数量为W,针对各个预设的评估项目预设的项目数据中项目数据种类数量最大的项目数据种类数量为Q,则所述预设的最小出现次数阈值可以需在区间(W/Q,W)之间。其中,如若样本车主的风险评估数据仅包含针对年龄和学历状况这两种评估项目的项目数据,针对年龄这一评估项目预设22岁-30岁、31岁-40岁、41岁-50岁、51岁-60岁四种项目数据,各个样本车主针对年龄这一评估项目的项目数据为其中的一种,又如,针对学历状况这一评估项目预设初中以下、初中至高中、本科以上三种项目数据,则此处Q的值为4。
图2为本发明实施例提供的一种频繁项集确定方法的示意图,如图2所示,为针对基于表1中的例子确定针对高风险等级的频繁项集的确定过程,确定得到确定到针对高风险等级确定到的频繁项集为频繁三项集{A2,C2,D2},其中,用A1表示婚姻状况为是,用A2表示婚姻状况为否;用B1表示学历状况为初中以下,用B2表示学历状况为初中到高中,用B3表示学历状况为本科以上;用C1表示贷款金额为0-30万,用C2表示贷款金额为30万-60万,用C3表示贷款金额为60万-100万,用C4表示贷款金额为100万以上;用D1表示投保状况为已投保,用D2表示投保状况为未投保。
另一种可选的方式中,若各个风险评估等级中的第一风险评估等级对应的频繁项集包含多个时,确定所述多个频繁项集各自的置信度,将所述频繁项集的置信度高于预设的最小置信度阈值的频繁项集确定为所述第一风险评估等级的高频数据集,即将各个风险评估等级的大于最小置信度阈值的频繁项集包含的项目数据确定为与对应的风险评估等级的相关度大于预设相关度阈值的项目数据,其中,所述频繁项集的置信度为在所述第一风险评估等级对应的风险评估数据中,所述频繁项集对应的风险评估数据出现的次数,与所述第一风险评估等级的样本车主的总数量的比值。
S103,获取目标车主的风险评估数据。
具体的,所述目标车主的风险评估数据包含所述目标车主的与至少一个评估项目对应的项目数据,所述目标车主的风险评估数据可以为所述目标车主在注册所述网约车平台时上传的,也可以是从预设的风险评估数据库中获取的,所述预设的风险评估数据库可以是基于大数据分析从相关大数据平台获取,也可以是直接从预设的多个评估项目的相关业务平台获取的,例如,针对婚姻状态这一评估栏目,可以从民政局部门的数据库中获取,针对投保状况可以从保险公司的数据库获取,若所述网约车风险控制方法运用在基于网约车风险控制的区块链架构上时,所述目标车主的风险评估数据还可以是根据目标车主在区块链的各项链上数据获取的。
这里,可以首先获取到目标车主的风险评估信息,根据步骤S101中针对所述各个评估项目预设的多种不同的项目数据,将所述目标车主的风险评估信息进行数据处理得到包含与各个评估项目对应的项目数据的风险评估数据。例如,若所述目标车主的风险评估信息为(学历状况为小学,贷款金额为20万),将所述风险评估信息进行数据处理得到所述目标车主的风险评估数据为(学历状况为初中以下,贷款金额为0-30万)。
S104,通过所述目标车主的风险评估数据中至少一个评估项目下的项目数据,与各风险评估等级的高频数据集中至少一个评估项目下的项目数据的比对,确定所述目标车主的风险评估等级。
具体的,将各风险评估等级的高频数据集中包含的项目数据的个数,与所述目标车主的风险评估数据中包含的项目数据的个数一致,并且高频数据集中包含的项目数据分别与所述目标车主的风险评估数据中包含的项目数据相同的第一高频数据集,将所述第一高频数据集对应的风险评估等级确定为所述目标车主的风险评估等级。若各个风险评估等级的高频数据集中未能确定到与所述目标车主的风险评估数据包含的项目数据个数一致,且分别对应相同的第一高频数据集时,可以将所述目标车主确定为无风险评估等级。
基于表1中的例子,确定得到针对高风险等级确定到的频繁项集为{婚姻状况为否,学历为状况为初中到高中,贷款金额为30万-60万,投保状况为否},确定得到针对中风险等级确定到的频繁项集为{婚姻状况为是,投保状况为是},若所述目标车主对应的风险评估数据为(婚姻状况为是,投保状况为是),则所述目标车主的风险评估等级确定为高风险评估等级;若所述目标车主对应的风险评估数据为(婚姻状况为是,投保状况为否),即不符合任一风险评估等级对应的频繁项集,则将所述目标车主确定为无风险评估等级。
可选的,步骤S102中确定得到的每个风险评估等级对应的高频数据集包括多种高频数据子集,所述多种高频数据子集对应的评估项目数量不同,在步骤S102中,对于包含N个评估项目的高频数据子集,根据步骤S102中确定的频繁N项集确定。步骤S104中根据步骤S103中获取所述目标车主的风险评估数据所包含的评估项目的数量N,从每个风险评估等级对应的高频数据集中获取评估项目数量为N的高频数据子集;将所述目标车主的风险评估数据的项目数据,与各风险评估等级的高频数据集中评估项目数量为N的高频数据子集的项目数据的比对,确定所述目标车主的风险评估等级。
举例来说,若步骤S102中确定得到的高频数据集包含的高频数据子集有3种,即包含的评估项目为3个的高频数据子集、包含的评估项目为4个的高频数据子集和包含的评估项目为6个的高频数据子集,其中,若所述目标车主的风险评估数据包含的评估项目的数量为3,则从高频数据集中确定包含的评估项目为3个的高频数据子集,进而与目标车主的风险评估数据进行比对。若包含的评估项目为3个的高频数据子集有2个,分别为{婚姻状况为否,学历状况为初中至高中,贷款金额为30万-60万},对应中风险级别,以及{婚姻状况为是,学历状况为初中至高中,贷款金额为0-30万},对应高风险级别,若目标车主的包含3个评估项目的风险评估数据为(婚姻状况为否,学历状况为初中至高中,贷款金额为30万-60万),则与2个包含评估项目为3个的高频数据子集比对后,将所述目标车主确定为高风险级别。
步骤S103中通过关联规则算法挖掘得到的针对风险评估等级的高频数据集,为相应的风险评估等级的风险评估数据中关联度较大的项目数据或项目数据的组合,即高频数据集中包含的项目数据或项目数据的组合,为导致出现相应的风险评估等级的关联度最大的项目数据的组合,因此可以将其视为评判是否满足相应的风险评估等级的评判规则,步骤S104中通过判断目标车主的风险评估数据中包含的项目数据所满足的评判规则来确定目标车主的风险评估等级。
S105,根据所述目标车主的风险评估等级对所述目标车主进行风险管理。
这里,对目标车主的风险管理可以包括向目标车主发送约谈通知、对目标车主的订单进行管控、对目标车主的账号进行封禁、对目标车主的乘客进行短信或电话告警等,此处不做限制。
在一种可选的实现方式中,预先设定不同风险评估等级与回访频率的对应关系,根据上述对应关系确定所述目标车主的风险评估等级对应的回访频率,按照所述目标回访频率向所述目标车主对应的不同乘客发出风险回访申请;在接收到所述目标车主的乘客响应所述风险回访申请发送的风险反馈信息时,根据所述风险反馈信息对所述目标车主或目标车主的乘客进行风险控制或风险预警。
其中,所述回访频率为针对目标车主的乘客的回访频率,所述回访频率可以为间隔预设时长后回访一次的形式,也可以为间隔预设数量的订单后回访一次的形式。如,若所述目标回访频率为一次/5天,则每间隔5天,可以向所述目标车主当天的某个乘车订单的乘客发出回访申请,所述回访申请的形式可以包括拨打回访电话的形式、发送回访邮件的形式或发送回访短信的形式等。相应的,所述目标车主的乘客发送的风险反馈信息也可以有多种形式,如针对拨打回访电话的回访申请形式,乘客可以通过输入回访电话中播放的风险选型对应的编号实现发送风险反馈信息;针对发送回访短信的回访申请形式,乘客可以通过回复回访短信中包含的不同风险选项对应的编号实现发送风险反馈信息;针对发送回访邮件的回访申请形式,乘客可以通过回复回访邮件中包含的不同风险选项对应的编号实现发送风险反馈信息。
在另一种可选的实现方式中,在确定所述目标车主的风险评估等级高于第一预设风险等级阈值时,不向所述目标车主分配乘车时间在预设晚间时段内和/或行程地点在预设偏远地区内的乘车订单。
例如,若所述网约车平台向平台中各个网约车车主分配乘车订单的方式为向乘车订单的出发地预设距离范围内的可分配网约车车主随机分配待分配的乘车订单,则针对乘车时间在预设的晚间时段和/或行程时间在预设偏远地区内网的待分配的乘车订单,将目标车主从可分配网约车车主中筛除后,将所述乘车时间在预设的晚间时段和/或行程时间在预设偏远地区内网的待分配的乘车订单,随机分配给筛除所述目标车主的可分配网约车车主。若所述网约车平台向平台中各个网约车车主分配乘车订单的方式为网约车车主自行抢单的方式,则关闭所述目标车主对乘车时间在预设的晚间时段和/或行程时间在预设偏远地区内网的待分配的乘车订单进行抢单的权限。
在又一种可选的实现方式中,在所述目标车主针对网约车平台注册的场景中,步骤S103中获取所述目标车主的风险评估数据之前,还可以接收所述目标车主针对网约车平台发送的网约车注册请求,步骤S104中确定所述目标车主的风险评估等级后,若所述目标车主的风险评估等级高于第二预设风险等级阈值时,向所述目标车主发送注册失败结果信息,若所述目标车主的风险评估等级不高于所述第二预设风险等级阈值时,生成针对所述目标车主的网约车平台账号信息,并向所述目标车主发送携带所述网约车账号信息的注册成功结果信息。所述网约车平台账号信息可以包含所述目标车主的网约车账号和初始登录密码信息等。
可选的,步骤S101中获取的所述样本车主对应的风险评估等级包含针对所述样本车主的司机风险评估等级和/或针对所述样本车主的样本车辆的车辆风险评估等级。相应的,步骤S102中通过关联规则算法,确定到的针对不同风险评估等级的高频数据集包含针对不同司机风险评估等级的司机风险高频数据集,和/或针对不同车辆风险评估等级的车辆风险高频数据集;步骤S103中获取到的所述目标车主的风险评估数据后,步骤S104中将所述目标车主的风险评估数据包含的与至少一个评估项目对应的项目数据,与所述司机风险高频数据集中包含的至少一个评估项目下的项目数据比对,确定所述目标车主的风险评估等级中包含的司机风险评估等级,和/或将所述目标车主的风险评估数据包含的与至少一个评估项目对应的项目数据,与所述车辆风险高频数据集中包含的至少一个评估项目下的项目数据比对,确定所述目标车主的风险评估等级中包含的车辆风险评估等级,步骤S105中根据所述目标车主的车主风险评估等级和/或车辆风险评估等级对所述目标车主进行风险管理。
进一步可选的,所述司机风险高频数据集包含多个与不同司机风险条目对应的条目风险高频数据集,步骤S104中,通过所述目标车主的风险评估数据的项目数据与各个不同司机风险条目对应的条目风险高频数据集的项目数据的比对,确定所述目标车主针对各个司机风险条目的多个条目风险等级;将所述多个条目风险等级按照对应的司机风险条目的权重进行加权计算后得到所述目标车主的司机风险评估等级。这里,所述不同司机风险条目包含故意绕路风险、拒载甩客风险、恶意刷单风险、违法使用或泄露乘客隐私风险、恶性犯罪风险等,针对不同的司机风险条目预设不同的权重可以根据不同司机风险条目的重要程度设置,例如,在上述司机风险条目中,可将故意绕路风险的权重设置为相对较低的权重,将恶性犯罪风险的权重设置为相对较高的权重。
本发明实施例中,根据多个样本车主的风险评估数据和风险评估等级确定针对不同风险评估等级的高频数据集,进而通过将目标车主的风险评估数据中包含的预设评估项目下的项目数据,与各个风险评估等级的高频数据集中预设评估项目下的项目数据的比对,确定所述目标车主的风险评估等级,根据所述目标车主的风险评估等级进行风险管理。实现了根据网约车车主多维度的评估项目下的项目数据,对网约车车主的风险评估等级进行评估,能够有效地识别网约车风险,进而降低网约车风险事件发生的概率。
参见图3,图3为本发明实施例提供的另一种网约车风险控制方法的流程示意图,所述网约车风险控制方法在网约车运营过程中的实施方式,如图所示,所述方法可以包括:
S301,获取网约车平台的多个样本车主的风险评估数据,以及每个所述样本车主对应的风险评估等级。
S302,通过关联规则算法,根据所述多个样本车主的风险评估数据和对应的风险评估等级,分别确定针对所述样本车主的不同风险评估等级的高频数据集。
步骤S301-步骤S302的实现方式参阅图1对应的实施例中步骤S101-步骤S102的实现方式,此处不再赘述。
S303,周期性地获取目标车主当前的风险评估数据。
这里,可以周期性地从多个评估项目对应的相关业务平台获取最新的风险评估数据,并从中获取目标车主当前的风险评估数据,也可以周期性地向所述目标车主发送风险复核指令,以使所述目标车主根据所述风险复核指令上传所述目标车主当前的风险评估数据,还可以定时更新预设的风险评估数据库,以周期性地从定时更新后的风险评估数据库中获取所述目标车主当前的风险评估数据。
S304,通过所述目标车主当前的风险评估数据中预设的评估项目下的项目数据,与各风险评估等级的频繁项集中预设的评估项目下的项目数据的比对,确定所述目标车主当前的风险评估等级。
步骤S304的实现方式参阅图1对应的实施例中步骤S104的实现方式,此处不再赘述。
S305,在确定所述目标车主当前的风险评估等级高于第一预设风险等级阈值时,不向所述目标车主分配乘车时间在预设晚间时段内和/或行程地点在预设偏远地区内的乘车订单。
S306,根据预设的风险评估等级与回访频率的对应关系,确定所述目标风险评估等级对应的目标回访频率。
这里,步骤S305和步骤S306的执行顺序无要求,二者均可以在步骤S304之后的任意时间执行。
S307,按照所述目标回访频率向所述目标车主对应的不同乘客发出风险回访申请。
S308,在接收到所述目标车主的乘客响应所述风险回访申请发送的风险反馈信息时,根据所述风险反馈信息对所述目标车主或目标车主的乘客进行风险控制或风险预警。
本实施例中,在所述目标车主通过网约车平台运营的过程中,通过将周期性获取到的目标车主当前的风险评估数据与各个风险评估等级对应的高频数据集的比对,确定目标车主当前的风险评估等级,实现根据目标车主当前的风险评估等级对目标车主进行风险管理。更为有效地根据目标车主的当前的风险评估数据识别目标车主的网约车风险,提高网约车风险事件的识别概率,进而降低网约车风险事件发生的概率。
参见图4,图4为本发明实施例提供的又一种网约车风险控制方法的流程示意图,所述网约车风险控制方法在目标车主对针对网约车平台注册场景的实施方式,如图所示,所述方法可以包括:
S401,获取针对网约车平台的多个样本车主的司机风险评估数据和各个样本车主的司机风险评估等级,以及,各个样本车主对应的样本车辆的车辆风险评估数据和对应的车辆风险评估等级。
S402,通过关联规则算法,根据所述多个样本车主的司机风险评估数据和对应的司机风险评估等级,确定针对不同司机风险评估等级的司机风险频繁项集,并根据所述样本车辆的车辆评估数据和对应的车辆风险评估等级,确定针对不同车辆风险评估等级的车辆频繁项集。
S403,接收目标车主针对网约车平台发送的携带车主初审数据网约车注册请求。
这里,所述网约车注册请求可以是用户通过手机、电脑等用户终端发送的,所述车主初审数据可以包含所述目标车主的姓名、身份证件影像、年龄、驾龄、驾驶证件影像、车主影像、车辆影像、车牌影像等数据。
S404,在确定所述目标车主的车主初审数据符合预设的初审规则时,从预设的风险评估数据库中获取所述目标车主的司机风险评估数据和车辆风险评估数据。
这里,可以预先设置针对网约车平台注册的初审规则,例如,注册车主的年龄需要在22岁-60岁,注册车主的驾龄需要在3年以上,通过OCR技术判断所述身份证件影像和所述车主影像相匹配,通过OCR技术确定所述驾驶证件影像和所述车辆影像相匹配,通过OCR技术确定所述车牌影像中的车牌未套牌等。
在根据所述目标车主的车主初审数据确定所述目标车主满足预设的初审规则后,获取所述目标车主的司机风险评估数据和车辆风险评估数据。所述司机风险评估数据可以包含车主的婚姻状况、学历状况、收入状况、贷款金额、投保状况等,所述车辆风险评估数据可以包含车辆的维保记录、年检记录、转卖记录等。
S405,通过将所述目标车主的司机风险评估数据与不同司机风险评估等级的司机风险频繁项集的比对,确定所述目标车主的司机风险评估等级,并通过将所述目标车主的车辆风险评估数据与不同车辆风险评估等级的车辆频繁项集确定所述样本车辆的车辆风险评估等级。
S406,判断所述目标车主的司机风险评估等级是否低于预设司机风险等级阈值,且所述目标车主的车辆风险评估等级是否低于预设车辆风险等级阈值。
若判断结果均为是,执行步骤S407,否则,执行步骤S408。
S407,生成针对目标车主的网约车平台账号信息,并将向所述目标车主发送携带所述网约车账号信息的注册成功结果信息。
可选的,在步骤S407之后,还可以接收所述目标车主的乘客发送的乘车时车主的实际车牌影像中的一种或多种,并在通过OCR技术识别乘客发送的所述实际车牌影像中的车牌是套牌时,向乘客发送告警信息。
S408,向所述目标车主发送注册失败结果信息。
本发明实施例中,在目标车主针对网约车平台进行注册时,在确定目标车主满足预设的初审规则时,根据目标车主的司机风险评估数据和车辆风险评估数据,分别与不同司机风险评估级别对应的高频数据集和不同车辆风险评估等级的高平数据集的比对,确定所述目标车主的司机风险评估等级和车辆风险评估等级。在目标车主针对网约车平台注册时,根据多维度的司机风险评估数据和车辆风险评估数据,识别目标车主的网约车风险,实现了在注册源头控制网约车风险,进而降低网约车风险事件发生的概率。
参见图5,图5为本发明实施例提供的一种网约车风险控制装置的结构示意图,如图所示,所述网约车风险控制装置50至少可以包括评估数据获取单元501、高频数量集确定单元502、等级确定单元503和风险管理单元504,其中:
评估数据获取单元501,用于获取网约车平台的多个样本车主的风险评估数据,以及每个所述样本车主对应的风险评估等级,每个所述样本车主的风险评估数据均包含所述样本车主的与多个评估项目对应的项目数据。
高频数量集确定单元502,用于通过关联规则算法,根据所述多个样本车主的风险评估数据和对应的风险评估等级,分别确定针对所述样本车主的不同风险评估等级的高频数据集,所述高频数据集包含至少一个评估项目下与所述高频数据集对应的风险评估等级的相关度大于预设相关度阈值的项目数据。
所述评估数据获取单元501,还用于获取目标车主的风险评估数据,所述目标车主的风险评估数据包含所述目标车主的与至少一个评估项目对应的项目数据。
等级确定单元503,用于通过所述目标车主的风险评估数据中至少一个评估项目下的项目数据,与各风险评估等级的高频数据集中至少一个评估项目下的项目数据的比对,确定所述目标车主的风险评估等级。
风险管理单元504,用于根据所述目标车主的风险评估等级对所述目标车主进行风险管理。
具体实现中,所述网约车风险控制装置可以通过其内置的各个功能模块执行如图1、图3和图4的网约车风险控制方法中的各个步骤,具体实施细节可参阅图1、图3和图4对应的实施例中各个步骤的实现细节,此处不再赘述。
本发明实施例中,高频数量集确定单元根据评估数据获取单元获取的多个样本车主的风险评估数据和风险评估等级确定针对不同风险评估等级的高频数据集,进而等级确定单元通过将评估数据获取单元获取到的目标车主的风险评估数据中包含的预设评估项目下的项目数据,与各个风险评估等级的高频数据集中预设评估项目下的项目数据的比对,确定所述目标车主的风险评估等级,风险管理单元根据所述目标车主的风险评估等级进行风险管理。实现了根据网约车车主多维度的评估项目下的项目数据,对网约车车主的风险评估等级进行评估,能够有效地识别网约车风险,进而降低网约车风险事件发生的概率。
参见图6,图6为本发明实施例提供的另一种网约车风险控制装置的结构示意图,如图所示,所述网约车风险控制装置60包括处理器601、存储器602以及通信接口603。处理器601连接到存储器602和通信接口603,例如处理器601可以通过总线连接到存储器602和通信接口603。
处理器601被配置为支持所述网约车风险控制装置执行图1、图3和图4所述的网约车风险控制方法中相应的功能。该处理器601可以是中央处理器(Central ProcessingUnit,CPU),网络处理器(Network Processor,NP),硬件芯片或者其任意组合。上述硬件芯片可以是专用集成电路(Application-SpecificIntegrated Circuit,ASIC),可编程逻辑器件(Programmable Logic Device,PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(Complex Programmable LogicDevice,CPLD),现场可编程逻辑门阵列(Field-Programmable Gate Array,FPGA),通用阵列逻辑(Generic Array Logic,GAL)或其任意组合。
存储器602用于存储程序代码等。存储器602包括内部存储器,内部存储器可以包括以下至少一项:易失性存储器(例如动态随机存取存储器(DRAM)、静态RAM(SRAM)、同步动态RAM(SDRAM)等)和非易失性存储器(例如一次性可编程只读存储器(OTPROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)。存储器602还可以包括外部存储器,外部存储器可以包括以下至少一项:硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD)、闪驱,例如高密度闪存(CF)、安全数字(SD)、微型SD、迷你型SD、极限数字(xD)、存储棒等。
所述通信接口603用于接收或发送数据。
处理器601可以调用所述程序代码以执行以下操作:
获取网约车平台的多个样本车主的风险评估数据,以及每个所述样本车主对应的风险评估等级,每个所述样本车主的风险评估数据均包含所述样本车主的与多个评估项目对应的项目数据;
通过关联规则算法,根据所述多个样本车主的风险评估数据和对应的风险评估等级,分别确定针对所述样本车主的不同风险评估等级的高频数据集,所述高频数据集包含至少一个评估项目下与所述高频数据集对应的风险评估等级的相关度大于预设相关度阈值的项目数据;
获取目标车主的风险评估数据,所述目标车主的风险评估数据包含所述目标车主的与至少一个评估项目对应的项目数据;
通过所述目标车主的风险评估数据中至少一个评估项目下的项目数据,与各风险评估等级的高频数据集中至少一个评估项目下的项目数据的比对,确定所述目标车主的风险评估等级;
根据所述目标车主的风险评估等级对所述目标车主进行风险管理。
需要说明的是,各个操作的实现还可以对应参照图1、图3和图4所示的方法实施例的相应描述;所述处理器601还可以用于执行上述方法实施例中的其他操作。
本发明实施例还提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被计算机执行时使所述计算机执行如前述实施例所述的方法,所述计算机可以为上述提到网约车风险控制装置的一部分。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种网约车风险控制方法,其特征在于,包括:
获取网约车平台的多个样本车主的风险评估数据,以及每个所述样本车主对应的风险评估等级,每个所述样本车主的风险评估数据均包含所述样本车主的与多个评估项目对应的项目数据;
通过关联规则算法,根据所述多个样本车主的风险评估数据和对应的风险评估等级,分别确定针对所述样本车主的不同风险评估等级的高频数据集,所述高频数据集包含至少一个评估项目下与所述高频数据集对应的风险评估等级的相关度大于预设相关度阈值的项目数据;
获取目标车主的风险评估数据,所述目标车主的风险评估数据包含所述目标车主的与至少一个评估项目对应的项目数据;
通过所述目标车主的风险评估数据中至少一个评估项目下的项目数据,与各风险评估等级的高频数据集中至少一个评估项目下的项目数据的比对,确定所述目标车主的风险评估等级;
根据所述目标车主的风险评估等级对所述目标车主进行风险管理。
2.如权利要求1所述的方法,其特征在于,所述通过关联规则算法,根据所述多个样本车主的风险评估数据和对应的风险评估等级,分别确定针对所述样本车主的不同风险评估等级的高频数据集包括:
确定针对所述多个样本车主的风险评估等级中的同一风险评估等级的至少一个频繁项集,所述频繁项集的任一非空子集包含的风险评估数据在处于所述同一风险评估等级的样本车主的风险评估数据中出现次数均大于预设的最小出现次数阈值的风险评估数据;
根据各个风险评估等级的频繁项集,确定针对所述各个风险评估等级的高频数据集。
3.如权利要求2所述的方法,其特征在于,所述根据各个风险评估等级的频繁项集,确定针对所述各个风险评估等级的高频数据集包括:
在第一风险评估等级对应的频繁项集包含多个时,确定所述多个频繁项集各自的置信度,所述频繁项集的置信度为在所述第一风险评估等级对应的风险评估数据中,所述频繁项集对应的风险评估数据出现的次数,与所述第一风险评估等级的样本车主的总数量的比值;
将所述频繁项集的置信度高于预设的最小置信度阈值的频繁项集确定为所述第一风险评估等级的高频数据集。
4.如权利要求1所述的方法,其特征在于,每个风险评估等级对应的高频数据集包括多种高频数据子集,所述多种高频数据子集对应的评估项目数量不同;
所述通过所述目标车主的风险评估数据中至少一个评估项目下的项目数据,与各风险评估等级的高频数据集中至少一个评估项目下的项目数据的比对,确定所述目标车主的风险评估等级包括:
根据所述目标车主的风险评估数据包含的评估项目数量N,从每个风险评估等级对应的高频数据集中获取评估项目数量为N的高频数据子集;
将所述目标车主的风险评估数据的项目数据,与各风险评估等级的高频数据集中评估项目数量为N的高频数据子集的项目数据的比对,确定所述目标车主的风险评估等级。
5.如权利要求1所述的方法,其特征在于,所述根据所述目标车主的风险评估等级对所述目标车主进行风险管理包括:
根据预设的风险评估等级与回访频率的对应关系,确定所述目标风险评估等级对应的目标回访频率;
按照所述目标回访频率向所述目标车主对应的不同乘客发出风险回访申请;
在接收到所述目标车主的乘客响应所述风险回访申请发送的风险反馈信息时,根据所述风险反馈信息对所述目标车主或目标车主的乘客进行风险控制或风险预警。
6.如权利要求1所述的方法,其特征在于,所述根据所述目标车主的风险评估等级对所述目标车主进行风险管理包括:
在确定所述目标车主的风险评估等级高于第一预设风险等级阈值时,不向所述目标车主分配乘车时间在预设晚间时段内和/或行程地点在预设偏远地区内的乘车订单。
7.如权利要求1所述的方法,其特征在于,所述获取目标车主的风险评估数据之前,还包括:
接收所述目标车主针对网约车平台发送的网约车注册请求;
所述根据所述目标车主的风险评估等级对所述目标车主进行风险管理包括:
在确定所述目标车主的风险评估等级高于第二预设风险等级阈值时,向所述目标车主发送注册失败结果信息;
在确定所述目标车主的风险评估等级不高于所述第二预设风险等级阈值时,生成针对所述目标车主的网约车平台账号信息,并向所述目标车主发送携带所述网约车账号信息的注册成功结果信息。
8.一种网约车风险控制装置,其特征在于,包括:
评估数据获取单元,用于获取网约车平台的多个样本车主的风险评估数据,以及每个所述样本车主对应的风险评估等级,每个所述样本车主的风险评估数据均包含所述样本车主的与多个评估项目对应的项目数据;
高频数量集确定单元,用于通过关联规则算法,根据所述多个样本车主的风险评估数据和对应的风险评估等级,分别确定针对所述样本车主的不同风险评估等级的高频数据集,所述高频数据集包含至少一个评估项目下与所述高频数据集对应的风险评估等级的相关度大于预设相关度阈值的项目数据;
所述评估数据获取单元,还用于获取目标车主的风险评估数据,所述目标车主的风险评估数据包含所述目标车主的与至少一个评估项目对应的项目数据;
等级确定单元,用于通过所述目标车主的风险评估数据中至少一个评估项目下的项目数据,与各风险评估等级的高频数据集中至少一个评估项目下的项目数据的比对,确定所述目标车主的风险评估等级;
风险管理单元,用于根据所述目标车主的风险评估等级对所述目标车主进行风险管理。
9.一种网约车风险控制装置,其特征在于,包括处理器、存储器以及通信接口,所述处理器、存储器和通信接口相互连接,其中,所述通信接口用于接收和发送数据,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,执行如权利要求1-7任一项所述的方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910426529.2A CN110245841B (zh) | 2019-05-21 | 2019-05-21 | 一种网约车风险控制方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910426529.2A CN110245841B (zh) | 2019-05-21 | 2019-05-21 | 一种网约车风险控制方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110245841A true CN110245841A (zh) | 2019-09-17 |
CN110245841B CN110245841B (zh) | 2023-06-06 |
Family
ID=67884768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910426529.2A Active CN110245841B (zh) | 2019-05-21 | 2019-05-21 | 一种网约车风险控制方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110245841B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110991837A (zh) * | 2019-11-21 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 一种网约车交易数据处理方法、装置及系统 |
CN111160740A (zh) * | 2019-12-19 | 2020-05-15 | 上海赛可出行科技服务有限公司 | 一种网约车风险控制系统及控制方法 |
CN111861507A (zh) * | 2020-06-30 | 2020-10-30 | 成都数之联科技有限公司 | 一种用于实时分析网络餐饮店铺风险的识别方法及系统 |
CN111986063A (zh) * | 2020-08-17 | 2020-11-24 | 广西云森科技有限公司 | 一种网约车乘客防护系统及方法 |
WO2021121377A1 (en) * | 2019-12-20 | 2021-06-24 | Beijing Didi Infinity Technology And Development Co., Ltd. | Abnormal trip monitor |
CN113112391A (zh) * | 2020-01-10 | 2021-07-13 | 北京嘀嘀无限科技发展有限公司 | 一种订单处理方法及装置 |
CN113129098A (zh) * | 2021-04-09 | 2021-07-16 | 南京领行科技股份有限公司 | 一种订单分配方法及装置 |
CN113611104A (zh) * | 2021-07-06 | 2021-11-05 | 北京中交兴路车联网科技有限公司 | 货运车辆的风险识别方法、装置、存储介质及终端 |
CN113723800A (zh) * | 2021-08-27 | 2021-11-30 | 上海幻电信息科技有限公司 | 风险识别模型训练方法及装置、风险识别方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022900A (zh) * | 2016-08-08 | 2016-10-12 | 北京京东尚科信息技术有限公司 | 用户风险数据挖掘方法和装置 |
CN106022787A (zh) * | 2016-04-25 | 2016-10-12 | 王琳 | 一种基于大数据的人车多因子评估方法及系统 |
US20170039479A1 (en) * | 2015-08-07 | 2017-02-09 | Wistron Corporation | Risk assessment system and data processing method |
US20190100216A1 (en) * | 2017-09-29 | 2019-04-04 | Denso International America, Inc. | Risk Assessment System For Assessing Current Driver Behavior Relative to Past Behavior and Behaviors of Other Drivers |
-
2019
- 2019-05-21 CN CN201910426529.2A patent/CN110245841B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170039479A1 (en) * | 2015-08-07 | 2017-02-09 | Wistron Corporation | Risk assessment system and data processing method |
CN106022787A (zh) * | 2016-04-25 | 2016-10-12 | 王琳 | 一种基于大数据的人车多因子评估方法及系统 |
CN106022900A (zh) * | 2016-08-08 | 2016-10-12 | 北京京东尚科信息技术有限公司 | 用户风险数据挖掘方法和装置 |
US20190100216A1 (en) * | 2017-09-29 | 2019-04-04 | Denso International America, Inc. | Risk Assessment System For Assessing Current Driver Behavior Relative to Past Behavior and Behaviors of Other Drivers |
Non-Patent Citations (1)
Title |
---|
陈福生;李敏;: "关联规则向量化挖掘算法及其在车险精算中的应用", 应用数学与计算数学学报, vol. 20, no. 01, pages 42 - 50 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110991837A (zh) * | 2019-11-21 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 一种网约车交易数据处理方法、装置及系统 |
CN111160740A (zh) * | 2019-12-19 | 2020-05-15 | 上海赛可出行科技服务有限公司 | 一种网约车风险控制系统及控制方法 |
WO2021121377A1 (en) * | 2019-12-20 | 2021-06-24 | Beijing Didi Infinity Technology And Development Co., Ltd. | Abnormal trip monitor |
CN113112391B (zh) * | 2020-01-10 | 2024-07-19 | 北京嘀嘀无限科技发展有限公司 | 一种订单处理方法及装置 |
CN113112391A (zh) * | 2020-01-10 | 2021-07-13 | 北京嘀嘀无限科技发展有限公司 | 一种订单处理方法及装置 |
CN111861507A (zh) * | 2020-06-30 | 2020-10-30 | 成都数之联科技有限公司 | 一种用于实时分析网络餐饮店铺风险的识别方法及系统 |
CN111861507B (zh) * | 2020-06-30 | 2023-10-24 | 成都数之联科技股份有限公司 | 一种用于实时分析网络餐饮店铺风险的识别方法及系统 |
CN111986063B (zh) * | 2020-08-17 | 2022-08-30 | 广西云森科技有限公司 | 一种网约车乘客防护系统及方法 |
CN111986063A (zh) * | 2020-08-17 | 2020-11-24 | 广西云森科技有限公司 | 一种网约车乘客防护系统及方法 |
CN113129098A (zh) * | 2021-04-09 | 2021-07-16 | 南京领行科技股份有限公司 | 一种订单分配方法及装置 |
CN113611104A (zh) * | 2021-07-06 | 2021-11-05 | 北京中交兴路车联网科技有限公司 | 货运车辆的风险识别方法、装置、存储介质及终端 |
CN113723800A (zh) * | 2021-08-27 | 2021-11-30 | 上海幻电信息科技有限公司 | 风险识别模型训练方法及装置、风险识别方法及装置 |
CN113723800B (zh) * | 2021-08-27 | 2024-06-07 | 上海幻电信息科技有限公司 | 风险识别模型训练方法及装置、风险识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110245841B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110245841A (zh) | 一种网约车风险控制方法及相关装置 | |
CN109829621B (zh) | 一种网约车派单方法及装置 | |
EP1183592A4 (en) | SYSTEM AND METHOD FOR NOTIFYING EVENTS | |
US20110246258A1 (en) | Sales management tool | |
CN104200152A (zh) | 用于基于风险的验证的系统和方法 | |
Petersen | Scoot over smart devices: The invisible costs of rental scooters | |
Cross | Ulinzi Shirikishi: Popular experiences of hybrid security governance in Tanzania | |
CN109741482A (zh) | 一种信息共享方法及装置 | |
CN106934592A (zh) | 一种举报信息的处理方法和装置 | |
CN112887985A (zh) | 一种对电信诈骗进行预警的方法、装置及设备 | |
CN107819667A (zh) | 一种基于微信公众平台的移车管理系统及移车管理方法 | |
CN106354725A (zh) | 一种事件防刷方法、装置、服务器及系统 | |
CN111105064A (zh) | 确定欺诈事件的嫌疑信息的方法及装置 | |
CN110807630B (zh) | 基于人脸识别的支付方法、装置、计算机设备和存储介质 | |
CN113239407B (zh) | 区块链决策点的选择方法、装置、电子设备及存储介质 | |
CN114021039B (zh) | 一种反诈联防预警方法、系统及存储介质 | |
Perkins et al. | An evaluation of detection methods for the plains spotted skunk | |
KR20230095776A (ko) | 선원 임금지불 자동체결장치 및 방법 | |
US20090234827A1 (en) | Citizenship fraud targeting system | |
CN112017066A (zh) | 一种信息处理方法、装置、服务器及存储介质 | |
KR100822183B1 (ko) | 교통 정보 제공 시스템 및 방법 | |
Mahmood et al. | An empirical study on acceptance of carpooling service in Mirpur DOHS, Dhaka | |
Levinson-Waldman | Cellphones, law enforcement, and the right to privacy | |
CN111294311A (zh) | 一种防止流量欺诈的流量计费方法及系统 | |
KR102681090B1 (ko) | 문제 해결 대안 모으기 플랫폼 시스템 |
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 |