CN111598275A - 一种电动汽车信用分评测方法、装置、设备和介质 - Google Patents
一种电动汽车信用分评测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111598275A CN111598275A CN202010258169.2A CN202010258169A CN111598275A CN 111598275 A CN111598275 A CN 111598275A CN 202010258169 A CN202010258169 A CN 202010258169A CN 111598275 A CN111598275 A CN 111598275A
- Authority
- CN
- China
- Prior art keywords
- charging
- credit
- data
- user
- evaluation model
- 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
- 238000011156 evaluation Methods 0.000 title claims description 20
- 238000013210 evaluation model Methods 0.000 claims abstract description 79
- 230000006399 behavior Effects 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000004140 cleaning Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 14
- 238000007619 statistical method Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007477 logistic regression Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
-
- 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)
- Marketing (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Navigation (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种电动汽车信用分评测方法、装置、设备和介质，方法包括从充电导航系统或充电预约系统获取用户实时充电或预约充电行为的相关数据；对相关数据进行清洗，将相关数据转化为用于信用评测模型开发的格式化数据样本；对数据样本进行业务逻辑分析，选择能够影响信用的变量作为信用评测模型开发的指标数据；依据指标数据，引入模型算法进行参数训练，建立信用评测模型，对建立的信用评测模型进行评估；将信用评测模型转化为信用评分体系，利用信用评分体系来对用户后续的充电行为进行预判，并根据预判结果对信用违约用户执行相关处理。本发明优点：能够实现对充电用户的充电行为进行有效管理和监督。
Description
技术领域
本发明涉及电动汽车技术领域，特别涉及一种电动汽车信用分评测方法、装置、设备和介质。
背景技术
随着电动汽车的普及，有许多充电站运营商以及相关开发商都对电动汽车充电导航进行了业务逻辑设计，其中包括：电动汽车的实时充电导航、电动汽车预约充电、电动汽车日常充电预测等等。这些设计主要是针对用户如何到站充电的问题，但是实际上用户到站充电后，可能产生一系列问题，如：预约成功却没有到站充电、预约成功后却取消预约、充电结束后车未离站等，这些行为都会影响到后续充电用户的充电需求，导致充电拥挤事件时常发生。因此，为了督促用户在充电站的合规操作，就亟需提供一种能够对充电用户的充电行为进行管理和监督的技术方案。
发明内容
本发明要解决的技术问题，在于提供一种电动汽车信用分评测方法、装置、设备和介质，解决现有充电站因缺乏有效监管而带来的充电拥挤问题，能够实现对充电用户的充电行为进行管理和监督。
第一方面，本发明提供了一种电动汽车信用分评测方法，所述方法包括：
从充电导航系统或充电预约系统中获取用户实时充电或预约充电行为的相关数据；
对获取的所述相关数据进行清洗，将所述相关数据转化为用于信用评测模型开发的格式化数据样本；
对转化得到的数据样本进行业务逻辑分析，并从数据样本中选择能够影响信用的变量作为信用评测模型开发的指标数据；
依据选择的所述指标数据，引入模型算法进行参数训练，建立信用评测模型，并对建立的信用评测模型进行评估；
将信用评测模型转化为信用评分体系，利用信用评分体系来对用户后续的充电行为进行预判，并由充电导航系统或充电预约系统根据预判结果对信用违约用户执行相关处理。
进一步的，所述的从充电导航系统或充电预约系统中获取用户实时充电或预约充电行为的相关数据具体为：
接收用户发起的充电业务请求，且如果所述充电业务请求为实时充电请求，则接入到充电导航系统，并从充电导航系统中获取用户实时充电的相关数据；如果所述充电业务请求为预约充电请求，则接入到充电预约系统，并从充电预约系统中获取用户预约充电的相关数据；
通过所述充电导航系统或充电预约系统引导用户执行充电业务，且在充电完成后，如果用户执行的是实时充电导航业务，则获取充电结束后的相关数据；如果用户执行的是预约充电业务，则获取预约时段结束后的相关数据。
进一步的，所述的从数据样本中选择能够影响信用的变量作为信用评测模型开发的指标数据具体为：先对数据样本中能够影响信用的各个变量按照信用影响大小进行排序，再从排序好的各个变量中选择对信用影响显著的变量来作为信用评测模型开发的指标数据。
进一步的，所述的引入模型算法进行参数训练，建立信用评测模型具体为：先引入证据权重转化，将选择的所述指标数据转化为模型算法所需的参数格式，再引入模型算法对参数进行训练，从而获得训练后的信用评测模型。
第二方面，本发明提供了一种电动汽车信用分评测装置，所述装置包括数据获取模块、数据转化模块、指标选择模块、模型建立模块以及违约处理模块；
所述数据获取模块，用于从充电导航系统或充电预约系统中获取用户实时充电或预约充电行为的相关数据；
所述数据转化模块，用于对获取的所述相关数据进行清洗，将所述相关数据转化为用于信用评测模型开发的格式化数据样本；
所述指标选择模块，用于对转化得到的数据样本进行业务逻辑分析，并从数据样本中选择能够影响信用的变量作为信用评测模型开发的指标数据；
所述模型建立模块，用于依据选择的所述指标数据，引入模型算法进行参数训练，建立信用评测模型，并对建立的信用评测模型进行评估；
所述违约处理模块，用于将信用评测模型转化为信用评分体系，利用信用评分体系来对用户后续的充电行为进行预判，并由充电导航系统或充电预约系统根据预判结果对信用违约用户执行相关处理。
进一步的，所述数据获取模块具体为：接收用户发起的充电业务请求，且如果所述充电业务请求为实时充电请求，则接入到充电导航系统，并从充电导航系统中获取用户实时充电的相关数据；如果所述充电业务请求为预约充电请求，则接入到充电预约系统，并从充电预约系统中获取用户预约充电的相关数据；
通过所述充电导航系统或充电预约系统引导用户执行充电业务，且在充电完成后，如果用户执行的是实时充电导航业务，则获取充电结束后的相关数据；如果用户执行的是预约充电业务，则获取预约时段结束后的相关数据。
进一步的，所述的从数据样本中选择能够影响信用的变量作为信用评测模型开发的指标数据具体为：先对数据样本中能够影响信用的各个变量按照信用影响大小进行排序，再从排序好的各个变量中选择对信用影响显著的变量来作为信用评测模型开发的指标数据。
进一步的，所述的引入模型算法进行参数训练，建立信用评测模型具体为：先引入证据权重转化，将选择的所述指标数据转化为模型算法所需的参数格式，再引入模型算法对参数进行训练，从而获得训练后的信用评测模型。
第三方面，本发明提供了一种电子设备，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，所述处理器执行所述程序时实现第一方面所述的方法。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的方法。
本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：通过本发明技术方案中的信用评测模型来获取用户在充电行为中统计的充电次数、占位率次数、预约取消率、预约守时度等信息，计算用户信用等级，并用相应的措施提醒、触发用户的违规行为，可以在很大的程度上督促用户在充电站的合规操作，如避免占位问题、充电桩合法操作等，从而能够避免充电基础设施浪费、充电站拥挤等问题。在未来大规模的电动汽车接入时，能够有效督促用户充电行为，为智慧城市，智慧出行提供保障。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明实施例一中一种电动汽车信用分评测方法的执行流程图；
图2为本发明实施例二中一种电动汽车信用分评测装置的结构示意图；
图3为本发明中实施例中信用影响显著因素的示意图；
图4为本发明实施例三中电子设备的结构示意图；
图5为本发明实施例四中介质的结构示意图。
具体实施方式
本申请实施例通过提供一种电动汽车信用分评测方法、装置、系统、设备及介质，用于解决现有充电站因缺乏有效监管而带来的充电拥挤问题，能够实现对充电用户的充电行为进行管理和监督。
本申请实施例中的技术方案，总体思路如下：接入充电导航系统或充电预约系统，从充电导航系统或充电预约系统中获取用户实时充电或预约充电行为的相关数据；对获取的所述相关数据进行清洗、业务逻辑分析，建立信用评测模型，并将信用评测模型转化为信用评分体系；将信用评分体系反馈到用户的充电请求事件中，由充电导航系统或充电预约系统根据预判结果对信用违约用户执行相关处理，从而实现对充电用户的充电行为进行有效管理和监督。
为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
本实施例提供一种电动汽车信用分评测方法，如图1所示，所述方法包括：
步骤S1、从充电导航系统或充电预约系统中获取用户实时充电或预约充电行为的相关数据；
步骤S2、对获取的所述相关数据进行清洗，将所述相关数据转化为用于信用评测模型开发的格式化数据样本；本发明在具体实施时，主要是使用常规的数据处理方法来对所述相关数据进行清洗，例如可以采用缺失数值处理、异常数值处理、数据校准、离散值降维等；
步骤S3、对转化得到的数据样本进行业务逻辑分析，并从数据样本中选择能够影响信用的变量作为信用评测模型开发的指标数据；
步骤S4、依据选择的所述指标数据，引入模型算法进行参数训练，建立信用评测模型，并对建立的信用评测模型进行评估；本发明在具体实施时，可以通过交叉验证等方法来对建立的信用评测模型进行评估，具体包括评估信用评测模型的信用等级区分能力、违约概率的预测能力、信用预估的稳定性等；当然，如果评估效果的不佳的话，则可以对信用评测模型的建立进行重查，或者返回步骤S3对数据样本重新进行业务逻辑分析；
步骤S5、将信用评测模型转化为信用评分体系，利用信用评分体系来对用户后续的充电行为进行预判，并由充电导航系统或充电预约系统根据预判结果对信用违约用户执行相关处理。
本发明在具体实施时，在信用评测模型确认完成后，就可以将信用评测模型转化为标准的评分卡模式，从而建立完善的信用评分体系；有了信用评分体系后，就可以根据信用评分体系来建立一个电动汽车用户充电信用评分系统，通过信用评分系统来接收用户充电行为的相关数据，并对用户的充电需求和充电行为做预判，且将预判结果反馈到充电导航系统或者预约充电系统等整个用户充电过程中，以对信用违约的用户进行相关处理。其中，相关处理可以包括用户端提醒、预约等级先后程度、费用罚款等，具体处理措施可以经过市场调研后做出。另外，需要提出的一点是，电动汽车用户充电信用评分系统是处于更新状态的，对于用户来说，可以通过把某个时间点的旧数据进行删除，并用新的行为数据再进行重新建模评估，从而实现对用户信用进行更新。
在本实施例中，所述的从充电导航系统或充电预约系统中获取用户实时充电或预约充电行为的相关数据具体为：
接收用户发起的充电业务请求，且如果所述充电业务请求为实时充电请求，则接入到充电导航系统，并从充电导航系统中获取用户实时充电的相关数据，例如充电开始时间等相关数据；如果所述充电业务请求为预约充电请求，则接入到充电预约系统，并从充电预约系统中获取用户预约充电的相关数据，例如预约的日期、预约的充电时间等相关数据；
通过所述充电导航系统或充电预约系统引导用户执行充电业务，且在充电完成后，如果用户执行的是实时充电导航业务，则获取充电结束后的相关数据，例如充电结束时间、充电时长、订单状态、充电费用等相关数据；如果用户执行的是预约充电业务，则获取预约时段结束后的相关数据，例如充电结束时间、订单状态、充电时长、充电费用等相关数据。例如，在具体实施时，通过将获取到的某一个用户的相关数据列出后，得到如下表1的内容：
表1从充电导航系统或充电预约系统中获取的相关数据表
在本实施例中，在所述步骤S3中，所述的从数据样本中选择能够影响信用的变量作为信用评测模型开发的指标数据具体为：先对数据样本中能够影响信用的各个变量按照信用影响大小进行排序，再从排序好的各个变量中选择对信用影响显著的变量来作为信用评测模型开发的指标数据。本发明在具体实施时，可以通过统计学等方法来对数据样本在信用正负影响方面进行大小排序，并从中选择出对信用影响显著的若干变量，将选出的变量作为信用评测模型开发的指标数据；如图3所示，该图3展示的是信用影响显著因素示意图，从该示意图中我们可以知道对信用影响显著的变量包含会员等级、占位次数、预约守时度、预约取消率、充电次数、其他等。当然，如果对信用影响的数据样本表现的不佳，则可以返回步骤S1中检查获取的相关数据是否有遗漏等。
在本实施例中，所述的引入模型算法进行参数训练，建立信用评测模型具体为：先引入证据权重(weight of evidence，WOE)转化，将选择的所述指标数据转化为模型算法所需的参数格式，以简化模型算法处理数据的复杂度，再引入模型算法对参数进行训练，从而获得训练后的信用评测模型。在本发明中，信用评测模型的本质是预测电动汽车用户在未来一定时间段内发生信用负面影响行为的概率，如：占位、经常性的预约取消等操作。信用评测模型的建立可以选择统计学方法或非统计学方法来对历史数据进行训练，从而获得预测的概率值。目前几个流行的统计学方法包括：逻辑回归、决策树、判别分析等；非统计学的方法则包括神经网络、遗传算法和线性规划等；由于神经网络精度普遍较高，而逻辑回归是一个普遍的统计方法，因此，可以考虑使用多个算法进行建模对比拟合效果。
基于同一发明构思，本申请还提供了与实施例一中的方法对应的装置，详见实施例二。
实施例二
在本实施例中提供了一种电动汽车信用分评测装置，如图2所示，所述装置包括数据获取模块、数据转化模块、指标选择模块、模型建立模块以及违约处理模块；
所述数据获取模块，用于从充电导航系统或充电预约系统中获取用户实时充电或预约充电行为的相关数据；
所述数据转化模块，用于对获取的所述相关数据进行清洗，将所述相关数据转化为用于信用评测模型开发的格式化数据样本；本发明在具体实施时，主要是使用常规的数据处理方法来对所述相关数据进行清洗，例如可以采用缺失数值处理、异常数值处理、数据校准、离散值降维等；
所述指标选择模块，用于对转化得到的数据样本进行业务逻辑分析，并从数据样本中选择能够影响信用的变量作为信用评测模型开发的指标数据；
所述模型建立模块，用于依据选择的所述指标数据，引入模型算法进行参数训练，建立信用评测模型，并对建立的信用评测模型进行评估；本发明在具体实施时，可以通过交叉验证等方法来对建立的信用评测模型进行评估，具体包括评估信用评测模型的信用等级区分能力、违约概率的预测能力、信用预估的稳定性等；当然，如果评估效果的不佳的话，则可以对信用评测模型的建立进行重查，或者返回所述指标选择模块对数据样本重新进行业务逻辑分析；
所述违约处理模块，用于将信用评测模型转化为信用评分体系，利用信用评分体系来对用户后续的充电行为进行预判，并由充电导航系统或充电预约系统根据预判结果对信用违约用户执行相关处理。
本发明在具体实施时，在信用评测模型确认完成后，就可以将信用评测模型转化为标准的评分卡模式，从而建立完善的信用评分体系；有了信用评分体系后，就可以根据信用评分体系来建立一个电动汽车用户充电信用评分系统，通过信用评分系统来接收用户充电行为的相关数据，并对用户的充电需求和充电行为做预判，且将预判结果反馈到充电导航系统或者预约充电系统等整个用户充电过程中，以对信用违约的用户进行相关处理。其中，相关处理可以包括用户端提醒、预约等级先后程度、费用罚款等，具体处理措施可以经过市场调研后做出。另外，需要提出的一点是，电动汽车用户充电信用评分系统是处于更新状态的，对于用户来说，可以通过把某个时间点的旧数据进行删除，并用新的行为数据再进行重新建模评估，从而实现对用户信用进行更新。
在本实施例中，所述数据获取模块具体为：
接收用户发起的充电业务请求，且如果所述充电业务请求为实时充电请求，则接入到充电导航系统，并从充电导航系统中获取用户实时充电的相关数据，例如充电开始时间等相关数据；如果所述充电业务请求为预约充电请求，则接入到充电预约系统，并从充电预约系统中获取用户预约充电的相关数据，例如预约的日期、预约的充电时间等相关数据；
通过所述充电导航系统或充电预约系统引导用户执行充电业务，且在充电完成后，如果用户执行的是实时充电导航业务，则获取充电结束后的相关数据，例如充电结束时间、充电时长、订单状态、充电费用等相关数据；如果用户执行的是预约充电业务，则获取预约时段结束后的相关数据，例如充电结束时间、订单状态、充电时长、充电费用等相关数据。例如，在具体实施时，通过将获取到的某一个用户的相关数据列出后，得到如下表1的内容：
表1从充电导航系统或充电预约系统中获取的相关数据表
在本实施例中，在所述指标选择模块中，所述的从数据样本中选择能够影响信用的变量作为信用评测模型开发的指标数据具体为：先对数据样本中能够影响信用的各个变量按照信用影响大小进行排序，再从排序好的各个变量中选择对信用影响显著的变量来作为信用评测模型开发的指标数据。本发明在具体实施时，可以通过统计学等方法来对数据样本在信用正负影响方面进行大小排序，并从中选择出对信用影响显著的若干变量，将选出的变量作为信用评测模型开发的指标数据；如图3所示，该图3展示的是信用影响显著因素示意图，从该示意图中我们可以知道对信用影响显著的变量包含会员等级、占位次数、预约守时度、预约取消率、充电次数、其他等。当然，如果对信用影响的数据样本表现的不佳，则可以返回所述数据获取模块中检查获取的相关数据是否有遗漏等。
在本实施例中，所述的引入模型算法进行参数训练，建立信用评测模型具体为：先引入证据权重(weight of evidence，WOE)转化，将选择的所述指标数据转化为模型算法所需的参数格式，以简化模型算法处理数据的复杂度，再引入模型算法对参数进行训练，从而获得训练后的信用评测模型。在本发明中，信用评测模型的本质是预测电动汽车用户在未来一定时间段内发生信用负面影响行为的概率，如：占位、经常性的预约取消等操作。信用评测模型的建立可以选择统计学方法或非统计学方法来对历史数据进行训练，从而获得预测的概率值。目前几个流行的统计学方法包括：逻辑回归、决策树、判别分析等；非统计学的方法则包括神经网络、遗传算法和线性规划等；由于神经网络精度普遍较高，而逻辑回归是一个普遍的统计方法，因此，可以考虑使用多个算法进行建模对比拟合效果。
由于本发明实施例二所介绍的装置，为实施本发明实施例一的方法所采用的装置，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该装置的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。
基于同一发明构思，本申请提供了实施例一对应的电子设备实施例，详见实施例三。
实施例三
本实施例提供了一种电子设备，如图4所示，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，可以实现实施例一中任一实施方式。
由于本实施例所介绍的电子设备为实施本申请实施例一中方法所采用的设备，故而基于本申请实施例一中所介绍的方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中的方法所采用的设备，都属于本申请所欲保护的范围。
基于同一发明构思，本申请提供了实施例一对应的存储介质，详见实施例四。
实施例四
本实施例提供一种计算机可读存储介质，如图5所示，其上存储有计算机程序，该计算机程序被处理器执行时，可以实现实施例一中任一实施方式。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请实施例中提供的技术方案，至少具有如下技术效果或优点：本发明在具体应用时，由于现有的充电站主要分为有人值守和无人值守；对于有人值守的充电站，因有专门的管理人员，因此能够对充电用户的充电行为进行管理和监督；而在更多的无人值守充电站中，通过本发明技术方案中的信用评测模型来获取用户在充电行为中统计的充电次数、占位率次数、预约取消率、预约守时度等信息，计算用户信用等级，并用相应的措施提醒、触发用户的违规行为，可以在很大的程度上督促用户在充电站的合规操作，如避免占位问题、充电桩合法操作等，从而能够避免充电基础设施浪费、充电站拥挤等问题。在未来大规模的电动汽车接入时，能够有效督促用户充电行为，为智慧城市，智慧出行提供保障。
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。
Claims (10)
1.一种电动汽车信用分评测方法，其特征在于：所述方法包括：
从充电导航系统或充电预约系统中获取用户实时充电或预约充电行为的相关数据；
对获取的所述相关数据进行清洗，将所述相关数据转化为用于信用评测模型开发的格式化数据样本；
对转化得到的数据样本进行业务逻辑分析，并从数据样本中选择能够影响信用的变量作为信用评测模型开发的指标数据；
依据选择的所述指标数据，引入模型算法进行参数训练，建立信用评测模型，并对建立的信用评测模型进行评估；
将信用评测模型转化为信用评分体系，利用信用评分体系来对用户后续的充电行为进行预判，并由充电导航系统或充电预约系统根据预判结果对信用违约用户执行相关处理。
2.根据权利要求1所述的一种电动汽车信用分评测方法，其特征在于：所述的从充电导航系统或充电预约系统中获取用户实时充电或预约充电行为的相关数据具体为：
接收用户发起的充电业务请求，且如果所述充电业务请求为实时充电请求，则接入到充电导航系统，并从充电导航系统中获取用户实时充电的相关数据；如果所述充电业务请求为预约充电请求，则接入到充电预约系统，并从充电预约系统中获取用户预约充电的相关数据；
通过所述充电导航系统或充电预约系统引导用户执行充电业务，且在充电完成后，如果用户执行的是实时充电导航业务，则获取充电结束后的相关数据；如果用户执行的是预约充电业务，则获取预约时段结束后的相关数据。
3.根据权利要求1所述的一种电动汽车信用分评测方法，其特征在于：所述的从数据样本中选择能够影响信用的变量作为信用评测模型开发的指标数据具体为：先对数据样本中能够影响信用的各个变量按照信用影响大小进行排序，再从排序好的各个变量中选择对信用影响显著的变量来作为信用评测模型开发的指标数据。
4.根据权利要求1所述的一种电动汽车信用分评测方法，其特征在于：所述的引入模型算法进行参数训练，建立信用评测模型具体为：先引入证据权重转化，将选择的所述指标数据转化为模型算法所需的参数格式，再引入模型算法对参数进行训练，从而获得训练后的信用评测模型。
5.一种电动汽车信用分评测装置，其特征在于：所述装置包括数据获取模块、数据转化模块、指标选择模块、模型建立模块以及违约处理模块；
所述数据获取模块，用于从充电导航系统或充电预约系统中获取用户实时充电或预约充电行为的相关数据；
所述数据转化模块，用于对获取的所述相关数据进行清洗，将所述相关数据转化为用于信用评测模型开发的格式化数据样本；
所述指标选择模块，用于对转化得到的数据样本进行业务逻辑分析，并从数据样本中选择能够影响信用的变量作为信用评测模型开发的指标数据；
所述模型建立模块，用于依据选择的所述指标数据，引入模型算法进行参数训练，建立信用评测模型，并对建立的信用评测模型进行评估；
所述违约处理模块，用于将信用评测模型转化为信用评分体系，利用信用评分体系来对用户后续的充电行为进行预判，并由充电导航系统或充电预约系统根据预判结果对信用违约用户执行相关处理。
6.根据权利要求5所述的一种电动汽车信用分评测装置，其特征在于：所述数据获取模块具体为：接收用户发起的充电业务请求，且如果所述充电业务请求为实时充电请求，则接入到充电导航系统，并从充电导航系统中获取用户实时充电的相关数据；如果所述充电业务请求为预约充电请求，则接入到充电预约系统，并从充电预约系统中获取用户预约充电的相关数据；
通过所述充电导航系统或充电预约系统引导用户执行充电业务，且在充电完成后，如果用户执行的是实时充电导航业务，则获取充电结束后的相关数据；如果用户执行的是预约充电业务，则获取预约时段结束后的相关数据。
7.根据权利要求5所述的一种电动汽车信用分评测装置，其特征在于：所述的从数据样本中选择能够影响信用的变量作为信用评测模型开发的指标数据具体为：先对数据样本中能够影响信用的各个变量按照信用影响大小进行排序，再从排序好的各个变量中选择对信用影响显著的变量来作为信用评测模型开发的指标数据。
8.根据权利要求5所述的一种电动汽车信用分评测装置，其特征在于：所述的引入模型算法进行参数训练，建立信用评测模型具体为：先引入证据权重转化，将选择的所述指标数据转化为模型算法所需的参数格式，再引入模型算法对参数进行训练，从而获得训练后的信用评测模型。
9.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述的方法。
10.一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，该程序被处理器执行时实现如权利要求1至4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010258169.2A CN111598275B (zh) | 2020-04-03 | 2020-04-03 | 一种电动汽车信用分评测方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010258169.2A CN111598275B (zh) | 2020-04-03 | 2020-04-03 | 一种电动汽车信用分评测方法、装置、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111598275A true CN111598275A (zh) | 2020-08-28 |
| CN111598275B CN111598275B (zh) | 2022-11-11 |
Family
ID=72190398
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010258169.2A Active CN111598275B (zh) | 2020-04-03 | 2020-04-03 | 一种电动汽车信用分评测方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111598275B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114596105A (zh) * | 2022-03-23 | 2022-06-07 | 江苏云快充新能源科技有限公司 | 一种充电用户信用的评估方法、装置、设备以及介质 |
| CN117151387A (zh) * | 2023-08-25 | 2023-12-01 | 河南正荣恒能源科技有限公司 | 一种充电站运营管理方法、系统、终端设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106780140A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司 | 基于大数据的电力信用评价方法 |
| WO2017215403A1 (zh) * | 2016-06-12 | 2017-12-21 | 腾讯科技（深圳）有限公司 | 一种用户信用评估方法、装置及存储介质 |
| CN108983638A (zh) * | 2017-05-31 | 2018-12-11 | 国网江苏省电力公司常州供电公司 | 电动汽车充电推荐系统及方法 |
| CN109934473A (zh) * | 2019-02-28 | 2019-06-25 | 深圳智链物联科技有限公司 | 充电健康指数评分方法、装置、终端设备及存储介质 |
-
2020
- 2020-04-03 CN CN202010258169.2A patent/CN111598275B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017215403A1 (zh) * | 2016-06-12 | 2017-12-21 | 腾讯科技（深圳）有限公司 | 一种用户信用评估方法、装置及存储介质 |
| CN106780140A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司 | 基于大数据的电力信用评价方法 |
| CN108983638A (zh) * | 2017-05-31 | 2018-12-11 | 国网江苏省电力公司常州供电公司 | 电动汽车充电推荐系统及方法 |
| CN109934473A (zh) * | 2019-02-28 | 2019-06-25 | 深圳智链物联科技有限公司 | 充电健康指数评分方法、装置、终端设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114596105A (zh) * | 2022-03-23 | 2022-06-07 | 江苏云快充新能源科技有限公司 | 一种充电用户信用的评估方法、装置、设备以及介质 |
| CN117151387A (zh) * | 2023-08-25 | 2023-12-01 | 河南正荣恒能源科技有限公司 | 一种充电站运营管理方法、系统、终端设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111598275B (zh) | 2022-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109587713B (zh) | 一种基于arima模型的网络指标预测方法、装置及存储介质 | |
| CN111813624B (zh) | 基于时长分析的机器人执行时长的预估方法及其相关设备 | |
| CN111598275B (zh) | 一种电动汽车信用分评测方法、装置、设备和介质 | |
| CN111325416A (zh) | 预测叫车平台的用户流失的方法和装置 | |
| CN107678803A (zh) | 应用管控方法、装置、存储介质及电子设备 | |
| CN110491124B (zh) | 一种车辆流量预测方法、装置、设备及存储介质 | |
| CN111796957B (zh) | 基于应用日志的交易异常根因分析方法及系统 | |
| CN110658460A (zh) | 一种电池包的电池寿命预测方法及装置 | |
| CN106469332A (zh) | 一种数据处理方法及装置 | |
| CN103389995B (zh) | 一种垃圾内容识别方法及装置 | |
| CN115510990A (zh) | 一种模型训练方法和相关装置 | |
| CN112765726A (zh) | 一种寿命预测方法及装置 | |
| CN111008078A (zh) | 数据的批量处理方法、装置、设备及计算机存储介质 | |
| CN115271102B (zh) | 一种机器学习引擎的任务导向的优先级方法及系统 | |
| CN115827232A (zh) | 一种为业务模型确定配置的方法、装置、系统及设备 | |
| CN116302835A (zh) | 一种运维数据异常检测装置、方法及存储介质 | |
| CN115484143B (zh) | 告警处理方法、装置、电子设备及存储介质 | |
| CN110689150A (zh) | 基于机器学习的订单预测方法、预测装置及计算机设备 | |
| CN114841451A (zh) | 一种司机出行补贴方法、装置和存储介质 | |
| CN114374618A (zh) | 训练方法、用户欠费离网预测方法及装置 | |
| CN113779391A (zh) | 基于建模的智能锁开锁推荐方法、系统、装置及存储介质 | |
| CN112396251A (zh) | 基于不确定处理框架和规则组合算法的动车所调度方法 | |
| CN117172516B (zh) | 充电桩动态调度决策方法、装置、设备及存储介质 | |
| CN109582530A (zh) | 系统控制方法、装置、计算机及计算机可读存储介质 | |
| CN113112001B (zh) | 一种充电数据处理方法、装置和电子设备 |
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 |