CN110490537A - 一种用车数字化审计方法 - Google Patents
一种用车数字化审计方法 Download PDFInfo
- Publication number
- CN110490537A CN110490537A CN201910595405.7A CN201910595405A CN110490537A CN 110490537 A CN110490537 A CN 110490537A CN 201910595405 A CN201910595405 A CN 201910595405A CN 110490537 A CN110490537 A CN 110490537A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- oiling
- radians
- time point
- 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
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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用车数字化审计方法,包括如下步骤:A、将车辆行驶轨迹和加油账单数据提取至本地,对数据进行处理后导入数据库模板;B、利用车辆GPS系统记录,将经纬度数据差值进行积分运算与加权计算;C、以行驶公里数和加油费用为驱动数据建立逻辑分析模型,编辑逻辑判断程序,最终进行车辆油耗比对和加油真实性核查。本发明具有做到主动感知、即时预警、辅助决策的优点,能大大提高审计工作效率,同时也能对车辆油耗情况进行动态监控,形成时间轴上的纵向对比和不同驾驶员间的横向对比,有利于减轻审计人员负担,也能减少人为的差错,促进审计质量的提升,解决了监审工作中车辆管理海量数据的不相关性、数据分析结果的不直观等问题。
Description
技术领域
本发明涉及物联网与深度学习领域,尤其是涉及一种用车数字化审计方法。
背景技术
长期以来,用车系统内车辆运行、费用等方面的监管工作一直是监察、审计人员的痛点,据统计,2000年,系统内数据库中大概只有3TB的数据量,且都是非结构化的,到2010年,这个数据已经增长到了96TB,时至今日,系统内数据量已经达到了10.3万TB,而且每一天就有10TB的数据增量,而车辆运行数据又存在关联性差的特点,依靠传统的人工翻阅资料的监审方式,效率低、覆盖面小,并且工作质量高度依赖于核查人员的工作经验和素质,分析结果不直观,难以从不同维度的动态数据中快速发现问题、识别问题、分析原因,造成了车辆监管领域的真空。
车辆运行管理有着数据体量庞大、口径不一、关联性差的特点,经市场调研,企业、政府机关等单位目前车辆管理仍采用传统人工抽样方式核查,仅凭手工翻阅资料,依靠工作经验进行数据分析,工作质量和效率难以得到保证。
发明内容
本发明的目的是提供一种能自动识别公司在车辆油耗、加油真实性等敏感信息、做到主动感知、即时预警、辅助决策的用车数字化审计方法,该审计方法大大提高了审计工作效率,同时也可以对车辆油耗情况进行动态监控,形成时间轴上的纵向对比和不同驾驶员间的横向对比,有利于减轻审计人员负担,也可以减少人为的差错,促进审计质量的提升。
本发明的目的是这样实现的:
一种用车数字化审计方法,特征是:具体步骤如下:
A、将车辆行驶轨迹和加油账单数据提取至本地,对数据进行处理后导入数据库模板;
B、利用车辆GPS系统记录,将经纬度数据差值进行积分运算与加权计算;
C、以行驶公里数和加油费用为驱动数据建立逻辑分析模型,编辑逻辑判断程序,最终进行车辆油耗比对和加油真实性核查。
与现有技术相比,本发明具有以下效果:
本发明只需将车辆行驶轨迹和加油账单数据提取至本地,对数据进行处理后导入数据库模板,通过对接业务数据系统,将数据进行交叉对比分析,逻辑分析模型即可自动识别公司在车辆油耗、加油真实性等敏感信息,具有做到主动感知、即时预警、辅助决策的优点,本发明解决了监审工作中车辆管理海量数据的不相关性、数据分析结果的不直观等问题。
本发明通过软件对逻辑模块进行封装,生成“一键统计”功能,审计人员仅需将数据复制至系统模板,即可快速筛选出异常数据,大大提高审计工作效率,同时也可以对车辆油耗情况进行动态监控,形成时间轴上的纵向对比和不同驾驶员间的横向对比,有利于减轻审计人员负担,也可以减少人为的差错,促进审计质量的提升。
附图说明
图1为本发明的结构框图;
图2为本发明油耗核查模型的结构框图;
图3为本发明车辆加油真实性核查模型的结构框图。
具体实施方式
下面对照实施例并结合附图对本发明作进一步的说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
一种用车数字化审计方法,具体步骤如下:
1)、样本数据采集:
首先对车辆统一管理平台中提取出的行驶轨迹数据进行处理,使行驶轨迹数据(如行驶实时位置经、纬度)成为可量化分析的数据库数据,然后再从加油站获取车辆加油记录账单,建立数据统计模板;
2)、建立数据逻辑分析模型:
2.1、建立油耗核查模型:
如图2所示,因国网车辆统一管理平台GPS系统约每15秒对车辆位置经纬度进行一次记录,故使用地球公式:
“=IF(AND(B90=B89,C90=C89),0,6371004*ACOS((SIN(RADIANS(C89))*SIN(RADIANS(C90))+COS(RADIANS(C89))*COS(RADIANS(C90))*COS(RADIANS(B90-B89)))))” (2-1)
计算每15秒该车行驶的距离,累加计算可得该车在指定时间段内的行驶总里程,如表1所示:
将加油站提供的电子加油账单导入数据统计模板中,如表2所示:
在“统核表”中利用公式:
“=(SUMPRODUCT((TEXT(A3,"yyyy/mm")=TEXT(公里数数据!$A$2:$A$222600,"yyyy/mm"))*公里数数据!$D$2:$D$222600))/1000” (2-2)
“=SUMIFS(加油数据!D:D,加油数据!A:A,">="&DATE(YEAR(A3),MONTH(A3),1),加油数据!A:A,"<"&DATE(YEAR(A3),MONTH(A3)+1,1))” (2-3)
“=IF(B3=0,“数据无效”,(C3/B3)*100)” (2-4)
即可按月份获得车辆行驶总里程、加油总量和油耗,如表3所示:
设定正常油耗值,并根据油耗计算情况判别是否异常偏高情况,并输出判别结果。因考虑到部分车辆在指定月份行驶公里数交少,即抽样数据不足以判别行驶,故在公式中添加阈值参数,以IF嵌套函数作为判别条件,以降低误判率。输入公式:
=IF(B3<200,"数据无效",IF(C3=0,"无加油数据",IF(D3="数据无效","",IF(D3>100,"数据无效",IF(AND(D3>20,D3<200),"油耗异常偏高","油耗正常"))))) (2-5)
如表4所示:
2.2、建立车辆加油真实性核查模型:
如图3所示,在车辆行驶里程计算模块的基础上编辑逻辑判断程序,以车辆加油账单的时间点为驱动数据,在分析模型中输入加油站经纬度位置信息,与车辆该时间的经纬度位置信息做差值运算,可得该时间点车辆与加油站的距离,编程判断该距离的合理性,并输出结果。该模型可判断问题表象特征中车辆行驶轨迹与加油记录账单不符情况。具体操作如表5所示:
查找与加油记录时间点最近的GPS痕迹时间点。
“{=LOOKUP(1,0/(ABS($A$2:$A$222600-E114)=MIN(ABS($A$2:$A$222600-E114))),$A$2:$A$222600)}” (2-6)
确定该时间点车辆位置信息:
经度位置:“=IFERROR(LOOKUP(F106,A:B),"")” (2-7)
纬度信息:“=IFERROR(LOOKUP(F106,A:A,C:C),"")” (2-8)
另外,因考虑到GPS位置记录数据存在误差、甚至掉线的情况,需设置距离参数和时间阈值参数以减少抽样数据的无效概率。
建立加油真实性判别程序,计算出车辆在指定时间点与加油站的距离:
“=IFERROR(6371004*ACOS((SIN(RADIANS($M$2))*SIN(RADIANS(H2))+COS(RADIANS($M$2))*COS(RADIANS(H2))*COS(RADIANS(G2-$L$2)))),"")”(2-9)
根据时间点差值,与时间阈值参数进行比较,排除无效数据:
“=IF(ABS(F2-E2)*24*60<$O$2,1,0)” (2-10)
最后再对加油真实性进行判断,条件判别公式如下:
“=IF(J80=0,"数据无效",IF(I80<=$N$2,"TRUE","FALSE"))”(2-11)
如该差值大于距离参数300米(以300米为例),则判断该车未进行真实加油,存在套取油卡嫌疑,并输出“false”结果;如该差值小于等于距离参数,则判断该车真实加油,并输出“Ture”结果;如计算结果经时间阈值参数检验不符,则输出“数据无效”结果,如表6所示:
筛选出结果为“False”的数据,提取相应时间点进行复核,并以分析模型判断数据为基础,以文字或图表形式输出审计核查数据,形成证据材料。
总体而言,本发明通过软件对逻辑模块进行封装,生成“一键统计”功能,审计人员仅需将数据复制至系统模板,即可快速筛选出异常数据,大大提高审计工作效率,同时也可以对车辆油耗情况进行动态监控,形成时间轴上的纵向对比和不同驾驶员间的横向对比,有利于减轻审计人员负担,也可以减少人为的差错,促进审计质量的提升。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (2)
1.一种用车数字化审计方法,其特征在于:具体步骤如下:
A、将车辆行驶轨迹和加油账单数据提取至本地,对数据进行处理后导入数据库模板;
B、利用车辆GPS系统记录,将经纬度数据差值进行积分运算与加权计算;
C、以行驶公里数和加油费用为驱动数据建立逻辑分析模型,编辑逻辑判断程序,最终进行车辆油耗比对和加油真实性核查。
2.根据权利要求1所述的用车数字化审计方法,其特征在于:
1)、样本数据采集:
首先对车辆统一管理平台中提取出的行驶轨迹数据进行处理,使行驶轨迹数据成为可量化分析的数据库数据,然后再从加油站获取车辆加油记录账单,建立数据统计模板;
2)、建立数据逻辑分析模型:
2.1、建立油耗核查模型:
因国网车辆统一管理平台GPS系统约每15秒对车辆位置经纬度进行一次记录,故使用地球公式:
“=IF(AND(B90=B89,C90=C89),0,6371004*ACOS((SIN(RADIANS(C89))*SIN(RADIANS(C90))+COS(RADIANS(C89))*COS(RADIANS(C90))*COS(RADIANS(B90-B89)))))” (2-1)
计算每15秒该车行驶的距离,累加计算可得该车在指定时间段内的行驶总里程;
将加油站提供的电子加油账单导入数据统计模板中;
在“统核表”中利用公式:
“=(SUMPRODUCT((TEXT(A3,"yyyy/mm")=TEXT(公里数数据!$A$2:$A$222600,"yyyy/mm"))*公里数数据!$D$2:$D$222600))/1000” (2-2)
“=SUMIFS(加油数据!D:D,加油数据!A:A,">="&DATE(YEAR(A3),MONTH(A3),1),加油数据!A:A,"<"&DATE(YEAR(A3),MONTH(A3)+1,1))” (2-3)
“=IF(B3=0,“数据无效”,(C3/B3)*100)” (2-4)
即可按月份获得车辆行驶总里程、加油总量和油耗;
设定正常油耗值,并根据油耗计算情况判别是否异常偏高情况,并输出判别结果;因考虑到部分车辆在指定月份行驶公里数交少,即抽样数据不足以判别行驶,故在公式中添加阈值参数,以IF嵌套函数作为判别条件,以降低误判率;输入公式:
=IF(B3<200,"数据无效",IF(C3=0,"无加油数据",IF(D3="数据无效","",IF(D3>100,"数据无效",IF(AND(D3>20,D3<200),"油耗异常偏高","油耗正常"))))) (2-5);
2.2、建立车辆加油真实性核查模型:
在车辆行驶里程计算模块的基础上编辑逻辑判断程序,以车辆加油账单的时间点为驱动数据,在分析模型中输入加油站经纬度位置信息,与车辆该时间的经纬度位置信息做差值运算,可得该时间点车辆与加油站的距离,编程判断该距离的合理性,并输出结果;该模型可判断问题表象特征中车辆行驶轨迹与加油记录账单不符情况;
查找与加油记录时间点最近的GPS痕迹时间点:
“{=LOOKUP(1,0/(ABS($A$2:$A$222600-E114)=MIN(ABS($A$2:$A$222600-E114))),$A$2:$A$222600)}” (2-6)
确定该时间点车辆位置信息:
经度位置:“=IFERROR(LOOKUP(F106,A:B),"")” (2-7)
纬度信息:“=IFERROR(LOOKUP(F106,A:A,C:C),"")” (2-8)
另外,因考虑到GPS位置记录数据存在误差、甚至掉线的情况,需设置距离参数和时间阈值参数以减少抽样数据的无效概率;
建立加油真实性判别程序,计算出车辆在指定时间点与加油站的距离:
“=IFERROR(6371004*ACOS((SIN(RADIANS($M$2))*SIN(RADIANS(H2))+COS(RADIANS($M$2))*COS(RADIANS(H2))*COS(RADIANS(G2-$L$2)))),"")”(2-9)
根据时间点差值,与时间阈值参数进行比较,排除无效数据:
“=IF(ABS(F2-E2)*24*60<$O$2,1,0)” (2-10)
最后再对加油真实性进行判断,条件判别公式如下:
“=IF(J80=0,"数据无效",IF(I80<=$N$2,"TRUE","FALSE"))”(2-11)
如该差值大于距离参数300米,则判断该车未进行真实加油,存在套取油卡嫌疑,并输出“false”结果;如该差值小于等于距离参数,则判断该车真实加油,并输出“Ture”结果;如计算结果经时间阈值参数检验不符,则输出“数据无效”结果;
筛选出结果为“False”的数据,提取相应时间点进行复核,并以分析模型判断数据为基础,以文字或图表形式输出审计核查数据,形成证据材料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910595405.7A CN110490537A (zh) | 2019-07-03 | 2019-07-03 | 一种用车数字化审计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910595405.7A CN110490537A (zh) | 2019-07-03 | 2019-07-03 | 一种用车数字化审计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110490537A true CN110490537A (zh) | 2019-11-22 |
Family
ID=68546549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910595405.7A Pending CN110490537A (zh) | 2019-07-03 | 2019-07-03 | 一种用车数字化审计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110490537A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127894A (zh) * | 2019-12-30 | 2020-05-08 | 江苏中路工程技术研究院有限公司 | 一种基于监测手段的交通运输能耗控制方法及其检测方法 |
CN111260820A (zh) * | 2020-01-14 | 2020-06-09 | 深圳供电局有限公司 | 一种公车廉情预警方法及系统 |
CN111539702A (zh) * | 2020-04-20 | 2020-08-14 | 车主邦(北京)科技有限公司 | 支付记录的处理方法 |
CN114387765A (zh) * | 2020-10-19 | 2022-04-22 | 慧加油(北京)物联科技有限公司 | 车辆加油数据预警方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104157026A (zh) * | 2014-08-19 | 2014-11-19 | 杨锦才 | 基于行车轨迹的智能加油提醒方法 |
CN105628136A (zh) * | 2016-01-29 | 2016-06-01 | 无锡坦程物联网股份有限公司 | 一种车辆异常用油监测方法 |
CN105679018A (zh) * | 2016-01-28 | 2016-06-15 | 福建航天星联信息科技有限公司 | 一种基于车辆行驶轨迹对车辆进行跟踪的系统 |
CN106323396A (zh) * | 2015-06-23 | 2017-01-11 | 陕西重型汽车有限公司 | 加油事件真伪识别方法及其装置 |
CN107199880A (zh) * | 2017-05-08 | 2017-09-26 | 惠州市圆点电子科技有限公司 | 一种油箱防盗方法及其系统 |
CN108873866A (zh) * | 2018-07-12 | 2018-11-23 | 济南浪潮高新科技投资发展有限公司 | 一种基于obd设备的运输车队油耗监控方法 |
CN109927537A (zh) * | 2017-12-24 | 2019-06-25 | 惠州市圆点电子科技有限公司 | 一种货车油箱防盗系统 |
-
2019
- 2019-07-03 CN CN201910595405.7A patent/CN110490537A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104157026A (zh) * | 2014-08-19 | 2014-11-19 | 杨锦才 | 基于行车轨迹的智能加油提醒方法 |
CN106323396A (zh) * | 2015-06-23 | 2017-01-11 | 陕西重型汽车有限公司 | 加油事件真伪识别方法及其装置 |
CN105679018A (zh) * | 2016-01-28 | 2016-06-15 | 福建航天星联信息科技有限公司 | 一种基于车辆行驶轨迹对车辆进行跟踪的系统 |
CN105628136A (zh) * | 2016-01-29 | 2016-06-01 | 无锡坦程物联网股份有限公司 | 一种车辆异常用油监测方法 |
CN107199880A (zh) * | 2017-05-08 | 2017-09-26 | 惠州市圆点电子科技有限公司 | 一种油箱防盗方法及其系统 |
CN109927537A (zh) * | 2017-12-24 | 2019-06-25 | 惠州市圆点电子科技有限公司 | 一种货车油箱防盗系统 |
CN108873866A (zh) * | 2018-07-12 | 2018-11-23 | 济南浪潮高新科技投资发展有限公司 | 一种基于obd设备的运输车队油耗监控方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127894A (zh) * | 2019-12-30 | 2020-05-08 | 江苏中路工程技术研究院有限公司 | 一种基于监测手段的交通运输能耗控制方法及其检测方法 |
CN111260820A (zh) * | 2020-01-14 | 2020-06-09 | 深圳供电局有限公司 | 一种公车廉情预警方法及系统 |
CN111539702A (zh) * | 2020-04-20 | 2020-08-14 | 车主邦(北京)科技有限公司 | 支付记录的处理方法 |
CN111539702B (zh) * | 2020-04-20 | 2023-09-01 | 车主邦(北京)科技有限公司 | 支付记录的处理方法 |
CN114387765A (zh) * | 2020-10-19 | 2022-04-22 | 慧加油(北京)物联科技有限公司 | 车辆加油数据预警方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110490537A (zh) | 一种用车数字化审计方法 | |
CN110223168B (zh) | 一种基于企业关系图谱的标签传播反欺诈检测方法及系统 | |
Lin et al. | Real-time traffic accidents post-impact prediction: Based on crowdsourcing data | |
CN106600960A (zh) | 基于时空聚类分析算法的交通出行起讫点识别方法 | |
CN109816397A (zh) | 一种欺诈判别方法、装置及存储介质 | |
CN104408547A (zh) | 一种基于数据挖掘的医保欺诈行为的检测方法 | |
CN112001586A (zh) | 基于区块链共识机制的企业联网大数据审计风险控制架构 | |
CN112508105A (zh) | 一种采油机故障检测与检索方法 | |
Yin et al. | Automation for sewer pipe assessment: CCTV video interpretation algorithm and sewer pipe video assessment (SPVA) system development | |
Ghorpade et al. | An integrated stop-mode detection algorithm for real world smartphone-based travel survey | |
CN116341986A (zh) | 一种多源多时相传感器数据融合的碳汇项目审计与评级方法 | |
CN116629677A (zh) | 一种人力资源工作分析用数据统计系统 | |
Rieger et al. | Aggregating explainability methods for neural networks stabilizes explanations | |
Li et al. | Driving performances assessment based on speed variation using dedicated route truck GPS data | |
CN111444286B (zh) | 一种基于轨迹数据的远距离交通节点关联性挖掘方法 | |
CN114416686B (zh) | 一种车辆设备指纹carid识别系统及识别方法 | |
CN113379334B (zh) | 基于有噪声轨迹数据的路段自行车骑行质量鉴别方法 | |
CN109271377A (zh) | 一种数据质量检测方法及装置 | |
CN115904955A (zh) | 性能指标的诊断方法、装置、终端设备及存储介质 | |
CN109035006A (zh) | 一种贷后风险监控的方法及其系统 | |
CN111882135B (zh) | 一种物联网设备入侵检测方法及相关装置 | |
CN113076693A (zh) | 基于支持向量机和隐马模型的路面压实质量评价方法 | |
CN105957093A (zh) | 一种纹理区分优化hog算子的atm滞留物检测方法 | |
Lawrencia et al. | Fraud detection decision support system for Indonesian financial institution | |
CN111626586B (zh) | 数据质量检测方法、装置、计算机设备和存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191122 |