CN115526616A - 一种基于人工智能的MaaS支付清分结算系统 - Google Patents

Abstract

本发明提供一种基于人工智能的MaaS支付清分结算系统，其中，系统包括：获取模块，用于获取用户历史上在MaaS平台产生的信用支付信息；确定模块，用于将信用支付信息输入至预设的神经网络模型，确定用户是否需要进行支付清分结算；清分结算模块，用于若是，清除用户的支付信用分，同时，提醒用户缴纳用户的信用支付金额，完成结算。本发明的基于人工智能的MaaS支付清分结算系统，基于人工智能技术，根据用户的信用支付信息自行评定是否需要对用户进行清分结算，无需人工进行，降低了人力成本，另外，更能避免人工评定可能存在评定不全面的问题发生，以防MaaS平台造成损失。

Description

一种基于人工智能的MaaS支付清分结算系统

技术领域

本发明涉及人工智能技术领域，特别涉及一种基于人工智能的MaaS支付清分结算系统。

背景技术

目前，MaaS(Mobility as a Service)平台为用户提供出行服务。用户在登入MaaS平台时，会进行一些订购操作，例如：机票订购和景区门牌订购等，MaaS平台可以为用户提供信用支付服务，根据用户的资质确定信用分以及赋予用户信用分对应的信用额度，允许其通过信用额度进行支付。但是，用户会产生不良信用行为，例如：逾期和资质信息造假等，一般的，均需要后台工作人员根据用户产生的信用记录评定是否需要对用户进行信用分清零并提醒缴纳已使用信用额度的金额即清分结算，人力成本较大，另外，还可能存在评定不全面的问题发生，对MaaS平台造成损失。

因此，亟需一种解决办法。

发明内容

本发明目的之一在于提供了一种基于人工智能的MaaS支付清分结算系统，。

本发明实施例提供的一种基于人工智能的MaaS支付清分结算系统，包括：

获取模块，用于获取用户对应于MaaS平台的信用支付信息；

确定模块，用于将所述信用支付信息输入至预设的神经网络模型，确定所述用户是否需要进行支付清分结算；

清分结算模块，用于若是，清除所述用户的支付信用分，同时，提醒所述用户缴纳所述用户的信用支付金额，完成结算。

优选的，所述获取模块获取用户对应于MaaS平台的信用支付信息，包括：

基于预设的获取模板，获取用户历史上在MaaS平台上产生的第一信用信息，并作为用户对应于MaaS平台的信用支付信息；

和/或，

获取与所述用户关联的相关用户；

基于所述获取模板，获取所述相关用户历史上在MaaS平台上产生的第二信用信息，并作为用户对应于MaaS平台的信用支付信息。

优选的，所述获取模块获取与所述用户关联的相关用户，包括：

基于预设的用户交互记录库，确定与所述用户历史上存在交互的多个交互用户以及任一所述交互用户与所述用户之间的多个交互记录；

依次遍历所述交互用户；

每次遍历时，基于预设的交互评价库和遍历到的所述交互用户与所述用户之间的多个交互记录，确定交互评价值；

若所述交互评价值大于等于预设的交互评价值阈值，将遍历到的所述交互用户作为与所述用户关联的相关用户。

优选的，所述获取模块基于预设的交互评价库和遍历到的所述交互用户与所述用户之间的多个交互记录，确定交互评价值，包括：

依次遍历遍历到的所述交互用户与所述用户之间的多个交互记录；

每次遍历时，获取遍历到的所述交互记录的记录类型；

从所述交互评价库中确定所述记录类型对应的交互记录评价模板；

基于所述交互记录评价模板，对遍历到的所述交互记录进行交互记录评价，获得评价值；

获取所述记录类型对应的交互评价权重；

赋予所述评价值所述交互评价权重，获得目标值；

遍历结束后，累加计算每一所述目标值，将累加计算和作为交互评价值。

优选的，所述清分结算模块提醒所述用户缴纳所述用户的信用支付金额，包括：

基于预设的缴纳提醒信息生成模板，根据所述用户的信用支付金额，生成缴纳提醒信息；

当用户登入MaaS平台时，获取用户在MaaS平台的浏览界面内的浏览内容；

基于所述浏览内容，确定是否进入缴纳提醒时机；

若是，获取所述浏览界面内适宜的提醒区域；

将所述缴纳提醒信息映射于所述提醒区域内，供用户查看。

优选的，所述清分结算模块基于所述浏览内容，确定是否进入缴纳提醒时机，包括：

基于预设的第一特征提取模板，对所述浏览内容进行特征提取，获得多个浏览内容特征；

基于所述多个浏览内容特征，确定是否进入缴纳提醒时机；

其中，基于所述多个浏览内容特征，确定是否进入缴纳提醒时机，包括：

将所述多个浏览内容特征输入至预设的缴纳提醒时机确定模型，确定是否进入缴纳提醒时机；或，

基于预设的缴纳提醒时机确定库和所述多个浏览内容特征，确定是否进入缴纳提醒时机。

优选的，所述清分结算模块基于预设的缴纳提醒时机确定库和所述多个浏览内容特征，确定是否进入缴纳提醒时机，包括：

基于所述多个浏览内容特征，构建第一浏览内容特征因子；

从所述缴纳提醒时机确定库中提取多组一一对应的第二浏览内容特征因子和匹配度阈值；

依次遍历所述第二浏览内容特征因子；

每次遍历时，计算遍历到的所述第二浏览内容特征因子与所述第一浏览内容特征因子之间的匹配度；

若所述匹配度大于等于遍历到的所述第二浏览内容特征因子对应的所述匹配度阈值，确定进入缴纳提醒时机。

优选的，所述清分结算模块获取所述浏览界面内适宜的提醒区域，包括：

获取所述缴纳提醒信息的所需区域大小，基于所述所需区域大小，从所述浏览界面内确定能够容纳所述缴纳提醒信息且状态空闲的目标空闲区域；

依次遍历所述目标空闲区域，每次遍历时，获取若将所述缴纳提醒信息映射于遍历到的所述目标空闲区域内后所述浏览界面内遍历到的所述目标空闲区域的区域中心点周边预设的区域范围内的区域内容信息；

基于所述区域内容信息，确定遍历到的所述目标空闲区域的适宜值；

遍历结束后，将最大所述适宜值对应的所述目标空闲区域作为适宜的提醒区域。

优选的，所述清分结算模块基于所述区域内容信息，确定遍历到的所述目标空闲区域的适宜值，包括：

基于预设的第二特征提取模板，对所述区域内容信息进行特征提取，获得多个区域内容信息特征；

获取预设的区域内容冲突特征库；

将所述区域内容信息特征与所述区域内容冲突特征库中的任一区域内容冲突特征进行匹配；

若匹配符合，获取匹配符合的所述区域内容冲突特征对应的冲突值；

累加计算每一所述冲突值，获得冲突值和；

查询预设的冲突值和-适宜值对照表，确定所述冲突值和对应的适宜值。

优选的，基于人工智能的MaaS支付清分结算系统，还包括：

申诉模块，用于供用户进行支付清分结算申诉；

其中，所述申诉模块供用户进行支付清分结算申诉，包括：

获取用户输入的申诉内容；

将所述申诉内容输入至所述神经网络模型，确定用户是否需要进行支付清分结算撤销；

若是，撤销清除所述用户的支付信用分，同时，撤销提醒所述用户缴纳所述用户的信用支付金额。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于人工智能的MaaS支付清分结算系统的示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明实施例提供了一种基于人工智能的MaaS支付清分结算系统，如图1所示，包括：

获取模块1，用于获取用户对应于MaaS平台的信用支付信息；

确定模块2，用于将所述信用支付信息输入至预设的神经网络模型，确定所述用户是否需要进行支付清分结算；

清分结算模块3，用于若是，清除所述用户的支付信用分，同时，提醒所述用户缴纳所述用户的信用支付金额，完成结算。

上述技术方案的工作原理及有益效果为：

信用支付信息包括：用户进行信用支付的消费日、消费金额、还款日和逾期时长等；用户的剩余信用支付额度；用户的资质证明，例如：工作证明、银行流水、收入证明和房产证等。预设的神经网络模型为基于大量的不良信用行为进行训练收敛的人工智能网络模型，可代替人工基于用户的信用支付信息评定是否需要对用户进行清分结算；不良信用行为包括：多次逾期、工作证明造假和银行流水造假等。将信用支付信息输入至神经网络模型，确定用户是否需要进行支付清分结算。若是，清楚用户的支付信用分则归零，另外，提醒用户缴纳用户已使用的信用支付金额。

本申请基于人工智能技术，根据用户的信用支付信息自行评定是否需要对用户进行清分结算，无需人工进行，降低了人力成本，另外，更能避免人工评定可能存在评定不全面的问题发生，以防MaaS平台造成损失。

在一个实施例中，所述获取模块1获取用户对应于MaaS平台的信用支付信息，包括：

基于预设的获取模板，获取用户历史上在MaaS平台上产生的第一信用信息，并作为用户对应于MaaS平台的信用支付信息；

和/或，

获取与所述用户关联的相关用户；

基于所述获取模板，获取所述相关用户历史上在MaaS平台上产生的第二信用信息，并作为用户对应于MaaS平台的信用支付信息。

上述技术方案的工作原理及有益效果为：

预设的获取模板包括：获取用户进行信用支付的消费日、消费金额和还款日等。信用支付信息可以由两种方式获取：一、对照获取模板，获取用户自身历史上在MaaS平台上产生的第一信用信息，作为信用支付信息。二、引入与用户关联的相关用户，例如：经常出游的人，一般为家人等，对照获取模板，获取相关用户历史上在MaaS平台上产生的第二信用信息，作为信用支付信息，相关用户由于与用户关联性较大，若产生不良信用行为，对用户造成影响。

本申请引入两种方式获取信用支付信息，提升了信用支付信息获取的全面性，另外，引入相关用户，获取相关用户的第二信用信息，作为信用支付信息，进一步提升MaaS平台信用支付的安全性。

在一个实施例中，所述获取模块1获取与所述用户关联的相关用户，包括：

基于预设的用户交互记录库，确定与所述用户历史上存在交互的多个交互用户以及任一所述交互用户与所述用户之间的多个交互记录；

依次遍历所述交互用户；

每次遍历时，基于预设的交互评价库和遍历到的所述交互用户与所述用户之间的多个交互记录，确定交互评价值；

若所述交互评价值大于等于预设的交互评价值阈值，将遍历到的所述交互用户作为与所述用户关联的相关用户。

上述技术方案的工作原理及有益效果为：

用户交互记录库包括：由MaaS平台上各个用户之间的交互记录构成的数据库，交互记录可以为，例如：亲属绑定、同学绑定、担保人设定和共同出游、共同订票等。查用户交互记录库，确定与用户历史上存在交互的交互用户以及他们之间的交互记录。预设的交互评价库包括：由不同记录类型对应的交互记录评价模板构成的数据库，例如：记录类型为担保人设定，则交互记录评价模板则根据担保力度大小确定评价值，担保力度越大，评价值越高。基于交互评价库和交互记录，确定交互评价值。若交互评价值大于等于预设的交互评价值阈值，说明该交互用户与用户自己关系足够亲近，作为相关用户。

本申请基于用户交互记录库，首先确定待进行关联筛选的交互用户和与用户之间的交互记录，接着，基于交互评价库和交互记录进行交互评价值确定，由交互评价值完成关联筛选，提升了关联筛选的精准性和筛选效率。

在一个实施例中，所述获取模块1基于预设的交互评价库和遍历到的所述交互用户与所述用户之间的多个交互记录，确定交互评价值，包括：

依次遍历遍历到的所述交互用户与所述用户之间的多个交互记录；

每次遍历时，获取遍历到的所述交互记录的记录类型；

从所述交互评价库中确定所述记录类型对应的交互记录评价模板；

基于所述交互记录评价模板，对遍历到的所述交互记录进行交互记录评价，获得评价值；

获取所述记录类型对应的交互评价权重；

赋予所述评价值所述交互评价权重，获得目标值；

遍历结束后，累加计算每一所述目标值，将累加计算和作为交互评价值。

上述技术方案的工作原理及有益效果为：

又例如：记录类型为共同出游，则对应交互记录评价模板为根据共同出游时长和共同出游次数等确定评价值，共同出游时长越长或共同出游次数越多，评价值越大。引入记录类型对应的交互评价权重，交互评价权重为该记录类型的交互记录能够代表交互用户与用户之间的亲密程度的代表能力，代表能力越大，交互评价权重越大，例如：交互用户与用户进行亲属绑定，则代表能力很大，交互评价权重较大，又例如：交互用户与用户进行同学绑定，则代表能力很小，交互评价权重较小。赋予评价值交互评价权重，获得目标值，赋予计算公式为：

其中，

为目标值，α为交互评价权重，β为评价值。累加计算每一目标值，获得累加计算和，累加计算公式为：

其中，γ为累加计算和，

为第i个目标值，J为目标值的总数目。

本申请引入记录类型对应的交互记录评价模板，提升了交互记录评价的评价效率，另外，引入记录类型对应的交互评价权重，提升了交互评价值确定的精准性和合理性。

在一个实施例中，所述清分结算模块3提醒所述用户缴纳所述用户的信用支付金额，包括：

基于预设的缴纳提醒信息生成模板，根据所述用户的信用支付金额，生成缴纳提醒信息；

当用户登入MaaS平台时，获取用户在MaaS平台的浏览界面内的浏览内容；

基于所述浏览内容，确定是否进入缴纳提醒时机；

若是，获取所述浏览界面内适宜的提醒区域；

将所述缴纳提醒信息映射于所述提醒区域内，供用户查看。

上述技术方案的工作原理及有益效果为：

预设的缴纳提醒信息生成模板包括：“您已被进行支付清分结算，麻烦请及时补缴xxxx元已使用信用额度”。基于缴纳提醒信息生成模板，根据用户的信用支付金额，生成缴纳提醒信息，例如：“您已被进行支付清分结算，麻烦请及时补缴7572元已使用信用额度”。

一般的，用户会有很多不方便原因无法及时补缴信用支付金额，另外，信用支付只是MaaS平台的一个分支业务，若无时无刻或频繁提醒用户补缴信用支付金额，可能会造成用户对MaaS平台反感，从而不登入MaaS平台使用其他业务，甚至用户有可能直接恶意拖欠。因此，提醒方式需要得当。

当用户登入MaaS平台时，会在MaaS平台的浏览界面内进行内容浏览，获取用户的浏览内容，基于浏览内容，确定是否进入缴纳提醒时机，例如：用户在浏览旅游推荐路线，则无需进行缴纳提醒，让用户全身心使用MaaS平台提供的路线推荐服务，又例如：用户在浏览景区门牌价格等与支付相关的页面时，可以进行缴纳提醒，提醒用户还有钱款未补缴，让用户在产生新的支付前考虑。当进入缴纳提醒时机时，获取浏览界面内适宜的提醒区域，例如：某空闲区域，将缴纳提醒信息映射于提醒区域内，使得用户可以查看到。

本申请基于用户的浏览内容确定是否进入缴纳提醒时机，若是，再进行提醒，避免无时无刻或频繁提醒用户补缴信用支付金额造成用户反感从而造成MaaS平台丢失用户，还可以避免用户恶意拖欠，提升了提醒的适宜性，同时，也更加人性化。

在一个实施例中，所述清分结算模块3基于所述浏览内容，确定是否进入缴纳提醒时机，包括：

基于预设的第一特征提取模板，对所述浏览内容进行特征提取，获得多个浏览内容特征；

基于所述多个浏览内容特征，确定是否进入缴纳提醒时机；

其中，基于所述多个浏览内容特征，确定是否进入缴纳提醒时机，包括：

将所述多个浏览内容特征输入至预设的缴纳提醒时机确定模型，确定是否进入缴纳提醒时机；或，

基于预设的缴纳提醒时机确定库和所述多个浏览内容特征，确定是否进入缴纳提醒时机。

上述技术方案的工作原理及有益效果为：

预设的第一特征提取模板包括：提取内容类型，例如：旅游路线推荐和票务选择等；提取内容中的内容的语义，例如：“门票费用80元”等。对照第一特征提取模板，提取浏览内容的多个浏览内容特征。基于多个浏览内容特征，确定是否进入缴纳提醒时机的方式有两种：一、引入缴纳提醒时机确定模型，将多个浏览内容特征输入至缴纳提醒时机确定模型，确定是否进入缴纳提醒时机；缴纳提醒时机确定模型为基于大量的能够确定目前适宜进行缴纳提醒的浏览内容的内容特征(例如：浏览内容的类型为票务选择和浏览内容的类型为支付界面等)进行训练收敛的人工智能网络模型。二、基于预设的缴纳提醒时机确定库和多个浏览内容特征，确定是否进入缴纳提醒时机。

本申请引入两种方式基于多个浏览内容特征，确定是否进入缴纳提醒时机，提升了系统的适用性，更提升了进入缴纳提醒时机确定的精准性和及时性。

在一个实施例中，所述清分结算模块3基于预设的缴纳提醒时机确定库和所述多个浏览内容特征，确定是否进入缴纳提醒时机，包括：

基于所述多个浏览内容特征，构建第一浏览内容特征因子；

从所述缴纳提醒时机确定库中提取多组一一对应的第二浏览内容特征因子和匹配度阈值；

依次遍历所述第二浏览内容特征因子；

每次遍历时，计算遍历到的所述第二浏览内容特征因子与所述第一浏览内容特征因子之间的匹配度；

若所述匹配度大于等于遍历到的所述第二浏览内容特征因子对应的所述匹配度阈值，确定进入缴纳提醒时机。

上述技术方案的工作原理及有益效果为：

基于多个浏览内容特征，以向量形式构建第一浏览内容特征因子。缴纳提醒时机确定库中包括：多组一一对应的第二浏览内容特征因子和匹配度阈值，第二浏览内容特征因子由能够足够确定进入缴纳提醒时机的浏览内容的内容特征(例如：浏览内容为某票务支付界面和内容语义为“支付900元”等)以向量形式构建，匹配度阈值为若当前能够判定进入缴纳提醒时机第一浏览内容特征因子应最低与第二浏览内容特征因子的匹配程度。计算遍历到的第二浏览内容特征因子与第一浏览内容特征因子之间的匹配度，即向量匹配度。若匹配度大于等于遍历到的第二浏览内容特征因子对应的匹配度阈值，确定进入缴纳提醒时机。提升了进入缴纳提醒时机确定的精准性和及时性。

在一个实施例中，所述清分结算模块3获取所述浏览界面内适宜的提醒区域，包括：

获取所述缴纳提醒信息的所需区域大小，基于所述所需区域大小，从所述浏览界面内确定能够容纳所述缴纳提醒信息且状态空闲的目标空闲区域；

依次遍历所述目标空闲区域，每次遍历时，获取若将所述缴纳提醒信息映射于遍历到的所述目标空闲区域内后所述浏览界面内遍历到的所述目标空闲区域的区域中心点周边预设的区域范围内的区域内容信息；

基于所述区域内容信息，确定遍历到的所述目标空闲区域的适宜值；

遍历结束后，将最大所述适宜值对应的所述目标空闲区域作为适宜的提醒区域。

上述技术方案的工作原理及有益效果为：

缴纳提醒信息的所需区域大小为能够完全显示缴纳提醒信息的区域面积。基于所需区域大小，确定目标空闲区域。一般的，若随机将缴纳提醒信息映射于任一目标空闲区域内，可能会出现缴纳提醒信息与周边内容冲突，例如：缴纳提醒信息的内容背景色为蓝色类，周边区域内的内容的颜色均是蓝色类，可能造成不醒目，影响提醒效果。因此，获取若将缴纳提醒信息映射于遍历到的目标空闲区域内后浏览界面内遍历到的目标空闲区域的区域中心点周边预设的区域范围内的区域内容信息；预设的区域范围可以为20cm内；区域内容信息可以为：显示内容背景色和显示内容字体大小等。基于区域内容信息，确定目标空闲区域的适宜值，将最大适宜值作为适宜的提醒区域。对提醒区域进行挑选，保证提醒的适宜性和提醒效果。

在一个实施例中，所述清分结算模块3基于所述区域内容信息，确定遍历到的所述目标空闲区域的适宜值，包括：

基于预设的第二特征提取模板，对所述区域内容信息进行特征提取，获得多个区域内容信息特征；

获取预设的区域内容冲突特征库；

将所述区域内容信息特征与所述区域内容冲突特征库中的任一区域内容冲突特征进行匹配；

若匹配符合，获取匹配符合的所述区域内容冲突特征对应的冲突值；

累加计算每一所述冲突值，获得冲突值和；

查询预设的冲突值和-适宜值对照表，确定所述冲突值和对应的适宜值。

上述技术方案的工作原理及有益效果为：

预设的第二特征提取模板包括：提取相邻区域的背景色类型和提取相邻区域的字体大小等。对照第二特征提取模板，提取出区域内容信息的多个区域内容信息特征。引入预设的区域内容冲突特征库，区域内容冲突特征库中包含反应各个显示区域之间内容存在显示冲突的区域内容冲突特征，例如：背景色相近和字体大小相近等。将区域内容信息特征与区域内容冲突特征库中的任一区域内容冲突特征进行匹配，若匹配符合，引入匹配符合的区域内容冲突特征对应的冲突值，冲突值越大，冲突程度越大。累加计算每一所述冲突值，获得冲突值和，累加计算公式为：

其中，Z为冲突值和，O_t为第t个冲突值，Q为冲突值的总数目。引入预设的冲突值和-适宜值对照表，冲突值和-适宜值对照表中包含每一冲突值和对应的适宜值，冲突值和越大，说明内容之间越冲突，则适宜值越小。查表确定适宜值。

本申请引入区域内容冲突特征库，提升了区域冲突判断的判断效率和判断精准性。

在一个实施例中，基于人工智能的MaaS支付清分结算系统，还包括：

申诉模块，用于供用户进行支付清分结算申诉；

其中，所述申诉模块供用户进行支付清分结算申诉，包括：

获取用户输入的申诉内容；

将所述申诉内容输入至所述神经网络模型，确定用户是否需要进行支付清分结算撤销；

若是，撤销清除所述用户的支付信用分，同时，撤销提醒所述用户缴纳所述用户的信用支付金额。

上述技术方案的工作原理及有益效果为：

另外，用户在被进行支付清分结算后，可以进行申诉。提交申诉内容，例如：新的资质证明材料和资质证明材料的真伪证明材料等。将所述申诉内容输入至所述神经网络模型，确定用户是否需要进行支付清分结算撤销；神经网络模型可以基于大量能够允许申诉通过的申诉内容进行继续训练，使其能够代替人工进行申诉内容审核，进一步利用人工智能。当确定需要撤销时，撤销清楚用户的支付信用分即恢复原始支付信用分，另外，撤销提醒，允许用户继续使用剩余信用支付额度。提升了人性化。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于人工智能的MaaS支付清分结算系统，其特征在于，包括：

获取模块，用于获取用户对应于MaaS平台的信用支付信息；

确定模块，用于将所述信用支付信息输入至预设的神经网络模型，确定所述用户是否需要进行支付清分结算；

清分结算模块，用于若是，清除所述用户的支付信用分，同时，提醒所述用户缴纳所述用户的信用支付金额，完成结算。

2.如权利要求1所述的一种基于人工智能的MaaS支付清分结算系统，其特征在于，所述获取模块获取用户对应于MaaS平台的信用支付信息，包括：

基于预设的获取模板，获取用户历史上在MaaS平台上产生的第一信用信息，并作为用户对应于MaaS平台的信用支付信息；

和/或，

获取与所述用户关联的相关用户；

基于所述获取模板，获取所述相关用户历史上在MaaS平台上产生的第二信用信息，并作为用户对应于MaaS平台的信用支付信息。

3.如权利要求2所述的一种基于人工智能的MaaS支付清分结算系统，其特征在于，所述获取模块获取与所述用户关联的相关用户，包括：

基于预设的用户交互记录库，确定与所述用户历史上存在交互的多个交互用户以及任一所述交互用户与所述用户之间的多个交互记录；

依次遍历所述交互用户；

每次遍历时，基于预设的交互评价库和遍历到的所述交互用户与所述用户之间的多个交互记录，确定交互评价值；

若所述交互评价值大于等于预设的交互评价值阈值，将遍历到的所述交互用户作为与所述用户关联的相关用户。

4.如权利要求3所述的一种基于人工智能的MaaS支付清分结算系统，其特征在于，所述获取模块基于预设的交互评价库和遍历到的所述交互用户与所述用户之间的多个交互记录，确定交互评价值，包括：

依次遍历遍历到的所述交互用户与所述用户之间的多个交互记录；

每次遍历时，获取遍历到的所述交互记录的记录类型；

从所述交互评价库中确定所述记录类型对应的交互记录评价模板；

基于所述交互记录评价模板，对遍历到的所述交互记录进行交互记录评价，获得评价值；

获取所述记录类型对应的交互评价权重；

赋予所述评价值所述交互评价权重，获得目标值；

遍历结束后，累加计算每一所述目标值，将累加计算和作为交互评价值。

5.如权利要求1所述的一种基于人工智能的MaaS支付清分结算系统，其特征在于，所述清分结算模块提醒所述用户缴纳所述用户的信用支付金额，包括：

基于预设的缴纳提醒信息生成模板，根据所述用户的信用支付金额，生成缴纳提醒信息；

当用户登入MaaS平台时，获取用户在MaaS平台的浏览界面内的浏览内容；

基于所述浏览内容，确定是否进入缴纳提醒时机；

若是，获取所述浏览界面内适宜的提醒区域；

将所述缴纳提醒信息映射于所述提醒区域内，供用户查看。

6.如权利要求5所述的一种基于人工智能的MaaS支付清分结算系统，其特征在于，所述清分结算模块基于所述浏览内容，确定是否进入缴纳提醒时机，包括：

基于预设的第一特征提取模板，对所述浏览内容进行特征提取，获得多个浏览内容特征；

基于所述多个浏览内容特征，确定是否进入缴纳提醒时机；

其中，基于所述多个浏览内容特征，确定是否进入缴纳提醒时机，包括：

将所述多个浏览内容特征输入至预设的缴纳提醒时机确定模型，确定是否进入缴纳提醒时机；或，

基于预设的缴纳提醒时机确定库和所述多个浏览内容特征，确定是否进入缴纳提醒时机。

7.如权利要求6所述的一种基于人工智能的MaaS支付清分结算系统，其特征在于，所述清分结算模块基于预设的缴纳提醒时机确定库和所述多个浏览内容特征，确定是否进入缴纳提醒时机，包括：

基于所述多个浏览内容特征，构建第一浏览内容特征因子；

从所述缴纳提醒时机确定库中提取多组一一对应的第二浏览内容特征因子和匹配度阈值；

依次遍历所述第二浏览内容特征因子；

每次遍历时，计算遍历到的所述第二浏览内容特征因子与所述第一浏览内容特征因子之间的匹配度；

若所述匹配度大于等于遍历到的所述第二浏览内容特征因子对应的所述匹配度阈值，确定进入缴纳提醒时机。

8.如权利要求5所述的一种基于人工智能的MaaS支付清分结算系统，其特征在于，所述清分结算模块获取所述浏览界面内适宜的提醒区域，包括：

获取所述缴纳提醒信息的所需区域大小，基于所述所需区域大小，从所述浏览界面内确定能够容纳所述缴纳提醒信息且状态空闲的目标空闲区域；

依次遍历所述目标空闲区域，每次遍历时，获取若将所述缴纳提醒信息映射于遍历到的所述目标空闲区域内后所述浏览界面内遍历到的所述目标空闲区域的区域中心点周边预设的区域范围内的区域内容信息；

基于所述区域内容信息，确定遍历到的所述目标空闲区域的适宜值；

遍历结束后，将最大所述适宜值对应的所述目标空闲区域作为适宜的提醒区域。

9.如权利要求8所述的一种基于人工智能的MaaS支付清分结算系统，其特征在于，所述清分结算模块基于所述区域内容信息，确定遍历到的所述目标空闲区域的适宜值，包括：

基于预设的第二特征提取模板，对所述区域内容信息进行特征提取，获得多个区域内容信息特征；

获取预设的区域内容冲突特征库；

将所述区域内容信息特征与所述区域内容冲突特征库中的任一区域内容冲突特征进行匹配；

若匹配符合，获取匹配符合的所述区域内容冲突特征对应的冲突值；

累加计算每一所述冲突值，获得冲突值和；

查询预设的冲突值和-适宜值对照表，确定所述冲突值和对应的适宜值。

10.如权利要求1所述的一种基于人工智能的MaaS支付清分结算系统，其特征在于，还包括：

申诉模块，用于供用户进行支付清分结算申诉；

其中，所述申诉模块供用户进行支付清分结算申诉，包括：

获取用户输入的申诉内容；

将所述申诉内容输入至所述神经网络模型，确定用户是否需要进行支付清分结算撤销；

若是，撤销清除所述用户的支付信用分，同时，撤销提醒所述用户缴纳所述用户的信用支付金额。

Images