CN111489556B - 一种营运车辆挂靠行为的判断方法 - Google Patents

Abstract

本发明公开了一种营运车辆挂靠行为的判断方法，包括获取车辆卫星定位的轨迹数据；进行数据异常点检测过滤与预处理；对轨迹数据进行特征提取与选择；获取车辆属性信息；计算车辆挂靠评分测度指标；计算车辆挂靠评分。本发明通过使用终端获取的轨迹数据，在对数据进行清洗和过滤之后提取特征，结合车辆属性信息构建挂靠车辆评分测度指标，最后通过测度指标计算车辆挂靠评分来判断车辆挂靠行为。本发明可被应用于各种与判断车辆挂靠行为相关的应用之中，在保障车辆行程数据和属性数据可靠的前提下，有效的识别车辆挂靠行为，为识别车辆运营风险提供可靠的依据。

Description

一种营运车辆挂靠行为的判断方法

技术领域

本发明涉及一种判断方法，具体为一种营运车辆挂靠行为的判断方法，属于车辆用途属性判断技术领域。

背景技术

车辆挂靠经营行为作为我国独有的一种经营方式，在道路运输领域普遍存在。所谓营运车辆挂靠行为是指个人出资购买车辆，以运输企业为车主登记人户，并以其名义进行运输经营，由挂靠企业提供适于营运的法律条件并收取相应的管理费或有偿服务费的经营方式。

挂靠车辆经营潜藏巨大的风险，由于挂靠车辆的产权大多不属于运输企业，经营权又承包或出租给个人，资本的逐利性使挂靠车主把经济效益最大化放在了第一位，从而不可避免地影响了公路运输业的健康发展。目前，我国公路运输经营主体多、企业规模小、运输组织松散、竞争能力和抗风险能力弱、市场混乱等现象依然突出。挂靠经营存在较多的安全隐患，挂靠企业对挂靠车辆难以有效管理、挂靠车主安全意识薄弱导致车辆交通事故频发；挂靠经营引发的利益主体多元化，挂靠车主往往不按照许可路线运营、不遵守法律法规导致市场秩序混乱；挂靠经营追求的是单车经济效益最大化，挂靠车主服务态度较差、市场信誉较低导致诚信危机突显；挂靠车辆产权关系不明晰、经营主体不明确导致潜在较大的法律风险。

发明内容

本发明的目的就在于为了解决上述问题而提供一种营运车辆挂靠行为的判断方法。

本发明通过以下技术方案来实现上述目的：一种营运车辆挂靠行为的判断方法，包括：

(1)、获取车辆卫星定位的轨迹数据；

(2)、进行数据异常点检测过滤与预处理；

(3)、对轨迹数据进行特征提取与选择；

(4)、获取车辆属性信息；

(5)、计算车辆挂靠评分测度指标；

(6)、计算车辆挂靠评分。

作为本发明进一步的方案：所述获取车辆卫星定位的轨迹数据包括：

卫星定位纬度、卫星定位经度、卫星定位时间、卫星定位方向、卫星定位速度、卫星定位精度和卫星数。

作为本发明进一步的方案：所述进行数据异常点检测过滤与预处理包括：

将车辆卫星定位的轨迹数据进行过滤，剔除卫星定位经纬度异常、卫星定位时间异常、卫星定位方向异常、卫星定位速度异常和卫星定位精度差的数据点。

作为本发明进一步的方案：所述对轨迹数据进行特征提取与选择包括：

通过轨迹数据切分，可以获得车辆运输路线和行程经纬度信息，共计3个特征信息。

作为本发明进一步的方案：所述获取车辆属性信息包括：

通过对车辆信息的采集，提取车辆所属企业、车辆品牌型号、车辆购买时间和车辆车牌所在地，共计4个车辆属性信息。

作为本发明进一步的方案：所述计算车辆挂靠评分测度指标包括：

根据获取的车辆行程特征信息和属性信息构建识别指标车辆品牌型号、车辆购买时间、车牌所在地、运输路线和载货地点，按照识别指标设计测度指标分别为品牌型号占比、车辆购买时间集中程度、车牌所在地占比、前五常跑路线信息熵和载货地点信息熵。执行上述操作，共计计算5个测度指标。

作为本发明进一步的方案：所述计算车辆挂靠评分包括：

对车辆挂靠行为进行评分计算，根据品牌型号占比、车辆购买时间集中程度、车牌所在地占比、前五常跑路线信息熵和载货地点信息熵这5个测度指标计算车辆挂靠评分。如果车辆挂靠评分较高则认为车辆有较高概率存在挂靠行为；如果车辆挂靠评分较低则认为车辆有较低概率存在挂靠行为。

本发明的有益效果是：该营运车辆挂靠行为的判断方法设计合理，对采集的卫星定位数据进行过滤和预处理，减少了因为数据质量问题对营运车辆挂靠行为判断的影响。进一步地，提取车辆轨迹数据的特征指标：车辆运输路线、开始经纬度、结束经纬度。进一步地，提取车辆所属企业、车辆品牌型号、车辆购买时间和车辆车牌所在地。进一步地，本发明计算车辆挂靠评分测度指标品牌型号占比、车辆购买时间集中程度、车牌所在地占比、前五常跑路线信息熵和载货地点信息熵。进一步地，本发明根据车辆挂靠评分测度指标计算车辆挂靠评分，并根据车辆挂靠评分设置阈值对挂靠行为进行判断。

附图说明

图1为本发明流程示意图。

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。

请参阅图1，一种营运车辆挂靠行为的判断方法，包括以下步骤：

步骤A，获取卫星定位轨迹数据：

在本实例中，启动卫星定位模块(包括驾驶车辆内部、车载智能设备、智能手机等)，通过卫星定位模块与计算终端建立数据连接。可以获取卫星定位纬度、卫星定位经度、卫星定位时间、卫星定位方向、卫星定位速度、卫星定位精度、卫星数等行程数据；

步骤B，进行数据异常点检测过滤与预处理：

在本实例中，对获取的数据进行异常点检测与预处理。剔除卫星定位经纬度异常、卫星定位时间异常、卫星定位方向异常、卫星定位速度异常和卫星定位精度差的数据点。因为异常的数据点会导致特征计算出现偏差，使得对营运车辆挂靠行为的判断失去准确性；

步骤C，轨迹数据的特征提取与选择:

通过对车辆终端卫星定位的轨迹数据进行分析，发现车辆轨迹数据切分后，获得的车辆运输路线和行程经纬度信息对判断营运车辆挂靠行为具有重要意义。车辆运输路线能够较好的反映运输企业对企业车辆运输路线的安排，行程经纬度信息能较好的反映出车辆行程的起始位置信息；

步骤D，车辆属性信息获取：

通过对车辆属性信息进行分析，发现车辆属性信息对判断营运车辆挂靠行为具有重要意义。车辆所属企业、车辆品牌型号、车辆购买时间和车辆车牌所在地均能够反映出企业对车辆集中购买的情况；

步骤E，计算车辆挂靠评分测度指标：

通过对车辆行程数据和属性信息分析发现，这两类特征可以分别从车辆角度和企业角度对车辆挂靠行为进行判断。车辆行程特征信息构建前五常跑路线信息熵和载货地点信息熵测度指标，这两个测度指标值越大说明其运输越不规律，存在挂靠的可能性就越大；车辆的属性信息构建品牌型号占比、车辆购买时间集中程度、车牌所在地占比测度指标，这三个测度指标越大说明其采购越规律，存在挂靠的可能性就越小；上述测度指标计算方式如下：

1)前五常跑路线信息熵：H＝-∑Pi lnPi，P_i为路线占比；

2)载货地点信息熵：H＝-∑Pi lnPi，p_i为载货地点占比；

3)品牌型号占比：p＝该车品牌型号车辆总数/企业车辆数；

4)车辆购买时间集中程度：r＝该车购买本周车辆购买总数；

5)车牌所在地占比：p＝该车车牌所在地车辆总数/企业车辆数。

步骤F，计算车辆挂靠评分：

对车辆挂靠行为测度指标进行评分计算，评分越高则车辆存在挂靠行为可能性越大；车辆挂靠行为识别指标评分计算方式如下：

1)运输路线：计算该车辆前五常跑路线信息熵在所有车辆中的分位数位置，并将其乘上100作为评分；

2)载货地点：计算该车辆载货地点信息熵在所有车辆中的分位数位置，并将其乘上100作为评分；

3)车辆品牌型号：(1-该车品牌型号占比)*100

4)车辆购买时间：(1-计算该车辆购买时间集中程度在所有车辆中的分位数位置)*100

5)车牌所在地：(1-该车车牌所在地占比)*100

综上所述，将五项车辆挂靠行为识别指标评分情况的均值作为该车辆挂靠行为评分，并设定参考阈值。如果车辆挂靠评分大于阈值则认为该车辆存在挂靠行为；如果车辆挂靠评分不大于阈值则认为该车辆不存在挂靠行为。

工作原理：在使用该营运车辆挂靠行为的判断方法时，通过使用终端获取的轨迹数据，在对数据进行清洗和过滤之后提取特征，结合车辆属性信息构建挂靠车辆评分测度指标，最后通过测度指标计算车辆挂靠评分来判断车辆挂靠行为，可被应用于各种与判断车辆挂靠行为相关的应用之中，在保障车辆行程数据和属性数据可靠的前提下，有效的识别车辆挂靠行为，为识别车辆运营风险提供可靠的依据。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (3)

1.一种营运车辆挂靠行为的判断方法，其特征在于：包括：

(1)、获取车辆卫星定位的轨迹数据；

(2)、进行数据异常点检测过滤与预处理；

(3)、对轨迹数据进行特征提取与选择；所述对轨迹数据进行特征提取与选择包括：通过轨迹数据切分，获得车辆运输路线和行程经纬度信息；

(4)、获取车辆属性信息；所述获取车辆属性信息包括：通过对车辆信息的采集，提取车辆所属企业、车辆品牌型号、车辆购买时间和车辆车牌所在地，共计4个车辆属性信息；

(5)、计算车辆挂靠评分测度指标；所述计算车辆挂靠评分测度指标包括：根据获取的车辆行程特征信息和属性信息构建识别指标车辆品牌型号、车辆购买时间、车牌所在地、运输路线和载货地点，按照识别指标设计测度指标分别为品牌型号占比、车辆购买时间集中程度、车牌所在地占比、前五常跑路线信息熵和载货地点信息熵；

测度指标计算方式如下：

1)前五常跑路线信息熵：H＝-∑Pi lnPi，p_i为路线占比；

2)载货地点信息熵：H＝-∑Pi lnPi，p_i为载货地点占比；

3)品牌型号占比：p＝该车辆品牌型号车辆总数/企业车辆数；

4)车辆购买时间集中程度：r＝该车辆购买本周车辆购买总数；

5)车牌所在地占比：p＝该车辆车牌所在地车辆总数/企业车辆数；

(6)、计算车辆挂靠评分，所述计算车辆挂靠评分包括：对车辆挂靠行为进行评分计算，根据品牌型号占比、车辆购买时间集中程度、车牌所在地占比、前五常跑路线信息熵和载货地点信息熵这5个测度指标计算车辆挂靠评分，如果车辆挂靠评分较高则认为车辆有较高概率存在挂靠行为；如果车辆挂靠评分较低则认为车辆有较低概率存在挂靠行为；

车辆挂靠行为识别指标评分计算方式如下：

1)运输路线：计算该车辆前五常跑路线信息熵在所有车辆中的分位数位置，并将其乘上100作为评分；

2)载货地点：计算该车辆载货地点信息熵在所有车辆中的分位数位置，并将其乘上100作为评分；

3)车辆品牌型号：(1-该车辆型号占比)*100

4)车辆购买时间：(1-计算该车辆购买时间集中程度在所有车辆中的分位数位置)*100

5)车牌所在地：(1-该车辆牌所在地占比)*100。

2.根据权利要求1所述的一种营运车辆挂靠行为的判断方法，其特征在于：所述获取车辆卫星定位的轨迹数据包括：

卫星定位纬度、卫星定位经度、卫星定位时间、卫星定位方向、卫星定位速度、卫星定位精度和卫星数。

3.根据权利要求1所述的一种营运车辆挂靠行为的判断方法，其特征在于：所述进行数据异常点检测过滤与预处理包括：

将车辆卫星定位的轨迹数据进行过滤，剔除卫星定位经纬度异常、卫星定位时间异常、卫星定位方向异常、卫星定位速度异常和卫星定位精度差的数据点。

Images