CN117521981A - 一种网约车安全机制管理系统 - Google Patents
一种网约车安全机制管理系统 Download PDFInfo
- Publication number
- CN117521981A CN117521981A CN202410020262.8A CN202410020262A CN117521981A CN 117521981 A CN117521981 A CN 117521981A CN 202410020262 A CN202410020262 A CN 202410020262A CN 117521981 A CN117521981 A CN 117521981A
- Authority
- CN
- China
- Prior art keywords
- complaint
- influence
- novel
- type
- different
- 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
- 230000007246 mechanism Effects 0.000 title claims abstract description 44
- 230000002159 abnormal effect Effects 0.000 claims abstract description 79
- 238000004458 analytical method Methods 0.000 claims abstract description 73
- 238000005457 optimization Methods 0.000 claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims description 21
- 230000000737 periodic effect Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000003203 everyday effect Effects 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 2
- 230000002787 reinforcement Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 4
- 230000002354 daily effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种网约车安全机制管理系统，属于网约车管理技术领域；通过对不同区域每日出现的不同投诉问题类型影响进行分析，以及在监测周期内对不同区域出现的所有新型投诉问题类型影响实施跨区域的统筹分析，通过将前期不同维度的监测分析结果进行整合获取区域异常运营分析数据集，根据区域异常运营分析数据集来对不同局部区域以及整体区域实施针对性的安全机制优化动态管理，可以有效提高不同区域的网约车安全机制优化管理的主动性以及针对性；本发明用于解决现有方案中网约车安全机制优化管理的主动性以及针对性不佳的技术问题。
Description
技术领域
本发明涉及网约车管理技术领域，具体涉及一种网约车安全机制管理系统。
背景技术
网约车安全管理是指对网约车平台和从业人员进行管理和监督，以确保乘客的出行安全；常见的网约车安全管理措施包括从业人员背景审查、车辆审核和安全检查、乘客评价和投诉机制、实名认证和GPS定位和安全培训和教育等等。
现有的网约车安全机制管理方案在实施时，不能对不同区域出现的异常问题进行处理分析，并对出现的不同异常问题实施周期性的整体影响评估，根据整体影响评估结果对不同局部区域以及整体区域实施针对性的安全机制优化动态管理，导致网约车安全机制优化管理的主动性以及针对性不佳。
发明内容
本发明的目的在于提供一种网约车安全机制管理系统，用于解决现有方案中网约车安全机制优化管理的主动性以及针对性不佳的技术问题。
本发明的目的可以通过以下技术方案实现：
一种网约车安全机制管理系统，包括：
区域异常问题监测处理模块，用于对不同区域出现的不同网约车运行投诉问题进行统计和处理，得到区域投诉问题记录表并上传至运营管理平台；
区域异常问题分析评估模块，用于根据区域投诉问题记录表对不同区域出现的投诉问题实施不同维度的异常运营分析，得到由第一异常运营分析数据和第二异常运营分析数据构成的区域异常运营分析数据集并实时上传至运营管理平台；包括：
对不同区域每日出现的不同投诉问题类型影响进行分析时，通过计算获取区域当日的不同投诉问题类型对应的个体投诉类型影响系数以及区域当日的所有投诉问题类型的整体投诉类型影响系数并组合，根据组合得到的整体投诉类型影响数组对局部区域实施周期性的现有投诉影响评估，得到优化必要标签和优化选中区域或者优化不必要标签；
不同区域的整体投诉类型影响数组以及关联的优化必要标签或者优化不必要标签构成第一异常运营分析数据；
在监测周期内对不同区域出现的所有新型投诉问题类型影响实施跨区域的统筹分析时，获取监测周期内所有区域出现的所有新型投诉问题类型并按出现时间点的顺序排列组合得到新型投诉问题类型表；
根据新型投诉问题类型表对不同新型投诉问题类型进行数据计算，对计算得到的新型投诉影响系数进行新型投诉影响的分析得到新型低影响投诉标签、新型中影响投诉标签或者新型高影响投诉标签；
不同新型投诉问题类型关联的新型低影响投诉标签、新型中影响投诉标签或者新型高影响投诉标签构成第二异常运营分析数据；
异常问题机制优化管理模块，用于根据区域异常运营分析数据集对不同局部区域以及整体区域实施针对性的安全机制优化动态管理。
优选地，根据投入运营时间顺序来对投入网约车运营的不同区域进行编号标记，并对不同区域每日出现的投诉问题进行记录，对区域出现的投诉问题进行处理时，对记录的投诉问题进行关键字识别获取对应的投诉问题关键字，并将投诉问题关键字与数据库中预存储的投诉问题关键字数据库进行遍历匹配，得到投诉匹配成功标签或者投诉匹配失败标签及其关联的新型投诉问题类型；
根据投诉匹配成功标签将区域中出现的所有投诉问题以及关联的投诉问题类型或者新型投诉问题类型根据出现的时间点顺序进行排序组合，得到区域对应的区域投诉问题记录数据；
根据不同区域的编号顺序将不同区域对应的区域投诉问题记录数据进行组合得到区域投诉问题记录表。
优选地，若投诉问题关键字数据库中存在相同的投诉问题关键字，则生成投诉匹配成功标签并获取投诉问题关键字数据库中投诉问题关键字关联的投诉问题类型；
若投诉问题关键字数据库中不存在相同的投诉问题关键字，则生成投诉匹配失败标签并将对应的投诉问题转接至人工客服处进行人工处理和标记获取对应的投诉问题类型，并将人工客服标记的投诉问题类型标记为新型投诉问题类型。
优选地，投诉问题关键字数据库中包含若干不同的投诉问题关键字及其关联的投诉问题类型和投诉问题影响权重。
优选地，获取区域内当日出现的所有投诉问题类型总数N以及不同投诉问题类型对应出现的总次数M，通过公式Gy=WQ×M计算获取区域当日的不同投诉问题类型对应的个体投诉类型影响系数Gy；式中，WQ为投诉问题类型对应的投诉问题影响权重；
以及，通过公式计算获取区域当日的所有投诉问题类型的整体投诉类型影响系数Zy；式中，α为误差修正因子，取值范围为（0，0.001），D为区域当日的网约车运营交易总单数；
提取区域不同日期的整体投诉类型影响系数的数值并按北京时间的顺序排列组合，得到整体投诉类型影响数组。
优选地，根据整体投诉类型影响数组对局部区域实施周期性的现有投诉影响评估时，获取整体投诉类型影响数组中的K个元素来实施周期性的数据分析，将K个元素分别与预设的投诉影响阈值进行比对，将大于投诉影响阈值的元素标记为异常元素；反之，将不大于投诉影响阈值的元素标记为正常元素；
统计异常元素出现的总个数，若异常元素总个数不小于A，则生成优化必要标签并将对应的区域标记为优化选中区域；K、A均为正整数且K＞A；
反之，则生成优化不必要标签并维持现有的安全培训方案；
不同区域的整体投诉类型影响数组以及关联的优化必要标签或者优化不必要标签构成第一异常运营分析数据。
优选地，根据新型投诉问题类型表统计出现的新型投诉问题类型总数N′，以及不同新型投诉问题类型对应出现的总次数M′，通过公式计算获取不同新型投诉问题类型对应的新型投诉影响系数Xy；式中，βi为每次新型投诉问题类型出现时对应的媒体传播影响指数，i为每次出现的新型投诉问题类型的编号，i=1，2，3，……，N′。
优选地，根据新型投诉影响系数对该新型投诉问题类型出现的新型投诉影响进行分析时，若新型投诉影响系数小于新型投诉影响最小阈值，则生成新型低影响投诉标签；若新型投诉影响系数不小于新型投诉影响最小阈值且不大于新型投诉影响最大阈值，则生成新型中影响投诉标签；若新型投诉影响系数大于新型投诉影响最大阈值，则生成新型高影响投诉标签。
优选地，获取区域异常运营分析数据集中的第一异常运营分析数据和第二异常运营分析数据并分别遍历，根据第一异常运营分析数据中遍历获取的优化必要标签对优化选中区域实施针对性的安全培训加强的管理。
优选地，根据第二异常运营分析数据中遍历获取的新型中影响投诉标签对全部区域下次的常规安全培训方案增加针对新型投诉问题类型的安全培训，并根据第二异常运营分析数据中遍历获取的新型高影响投诉标签立即对全部区域实施针对新型投诉问题类型的安全培训。
相比于现有方案，本发明实现的有益效果：
本发明公开的一方面，通过对不同区域每日出现的不同投诉问题类型影响进行局部的个体投诉类型影响系数计算以及整体的整体投诉类型影响系数计算，通过将每日的整体投诉类型影响系数进行组合得到整体投诉类型影响数组，可以为后续局部区域实施周期性的现有投诉影响评估提供可靠的数据支持，实现了对不同区域的不同维度的投诉数据进行整合计算以及拓展分析，提高了现有投诉影响评估分析的主动性和可靠性，可以为后续不同局部区域实施针对性的安全机制优化动态管理提供可靠的数据支持。
本发明公开的另一方面，通过对不同区域出现的所有新型投诉问题类型影响实施跨区域的周期性的统筹分析，将不同区域出现的所有投诉问题类型数据进行整合计算获取对应的新型投诉影响系数，根据新型投诉影响系数来对不同区域出现的所有新型投诉问题类型的整体影响进行评估分类，既可以直观高效的获取到周期时段内出现的整体新型投诉影响，又可以为后续整体区域实施针对性的安全机制优化动态管理提供可靠的数据支持，提高了新型投诉影响评估分析的主动性和灵活性。
本发明公开的其他方面，通过将前期不同维度的监测分析结果进行整合获取区域异常运营分析数据集，根据区域异常运营分析数据集来对不同局部区域以及整体区域实施针对性的安全机制优化动态管理，可以有效提高不同区域的网约车安全机制优化管理的主动性以及针对性，相对于现有技术方案中针对网约车的安全机制管理实施定期的、固定模式和固定内容的安全教育培训，本发明实施例可以有效提高网约车安全机制管理的整体效果。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明一种网约车安全机制管理系统的模块框图。
图2为本发明中第一异常运营分析数据获取的流程框图。
图3为本发明中第二异常运营分析数据获取的流程框图。
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，本领域普通运维人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，本发明为一种网约车安全机制管理系统，包括区域异常问题监测处理模块、区域异常问题分析评估模块、异常问题机制优化管理模块和运营管理平台；
区域异常问题监测处理模块，用于对不同区域出现的不同网约车运行投诉问题进行统计和处理，得到区域投诉问题记录表并上传至运营管理平台；包括：
根据投入运营时间顺序来对投入网约车运营的不同区域进行编号标记，并对不同区域每日出现的投诉问题进行记录，对区域出现的投诉问题进行处理时，对记录的投诉问题进行关键字识别获取对应的投诉问题关键字，并将投诉问题关键字与数据库中预存储的投诉问题关键字数据库进行遍历匹配；对记录的投诉问题进行关键字识别通过现有的关键字识别算法实现，具体的步骤这里不做赘述；
需要说明的是，不同区域可以为市内不同的区，此时对应的整体区域为整个市；不同区域也可以为不同的市，此时对应的整体区域为网约车公司在全国开通的所有市；
其中，投诉问题关键字数据库中包含若干不同的投诉问题关键字及其关联的投诉问题类型和投诉问题影响权重；投诉问题类型包括但不限于投诉态度问题类型、投诉驾驶行为类型、投诉车辆卫生类型和投诉接单行为类型；不同投诉问题类型预先设置一个对应的投诉问题影响权重，投诉问题影响权重的具体数值可以根据对应的罚款金额标准来确定，或者由网约车公司根据实际经营要求进行自定义；
若投诉问题关键字数据库中存在相同的投诉问题关键字，则生成投诉匹配成功标签并获取投诉问题关键字数据库中投诉问题关键字关联的投诉问题类型；
若投诉问题关键字数据库中不存在相同的投诉问题关键字，则生成投诉匹配失败标签并将对应的投诉问题转接至人工客服处进行人工处理和标记获取对应的投诉问题类型，并将人工客服标记的投诉问题类型标记为新型投诉问题类型；
根据投诉匹配成功标签将区域中出现的所有投诉问题以及关联的投诉问题类型或者新型投诉问题类型根据出现的时间点顺序进行排序组合，得到区域对应的区域投诉问题记录数据；
根据不同区域的编号顺序将不同区域对应的区域投诉问题记录数据进行组合得到区域投诉问题记录表；
本发明实施例中，通过对不同区域出现的不同网约车运行投诉问题进行统计和处理得到区域投诉问题记录表，可以实现对不同区域出现的投诉问题进行直观的可视化展示的同时，还可以为后续不同区域的局部投诉影响分析以及整体投诉影响分析提供高效可靠的数据支持。
区域异常问题分析评估模块，用于根据区域投诉问题记录表对不同区域出现的投诉问题实施不同维度的异常运营分析，得到由第一异常运营分析数据和第二异常运营分析数据构成的区域异常运营分析数据集并实时上传至运营管理平台；包括：
如图2所示，对不同区域每日出现的不同投诉问题类型影响进行分析时，获取区域内当日出现的所有投诉问题类型总数N，以及不同投诉问题类型对应出现的总次数M，通过公式Gy=WQ×M计算获取区域当日的不同投诉问题类型对应的个体投诉类型影响系数Gy；式中，WQ为投诉问题类型对应的投诉问题影响权重；
以及，通过公式计算获取区域当日的所有投诉问题类型的整体投诉类型影响系数Zy；式中，α为误差修正因子，取值范围为（0，0.001），D为区域当日的网约车运营交易总单数；
提取区域不同日期的整体投诉类型影响系数的数值并按北京时间的顺序排列组合，得到整体投诉类型影响数组；
根据整体投诉类型影响数组对局部区域实施周期性的现有投诉影响评估时，获取整体投诉类型影响数组中的K个元素来实施周期性的数据分析，将K个元素分别与预设的投诉影响阈值进行比对，将大于投诉影响阈值的元素标记为异常元素；反之，将不大于投诉影响阈值的元素标记为正常元素；投诉影响阈值根据网约车公司的实际投诉要求规范数据来确定，或者基于局部区域对应的历史投诉影响数据的均值来确定；
统计异常元素出现的总个数，若异常元素总个数不小于A，则生成优化必要标签并将对应的区域标记为优化选中区域；K、A均为正整数且K＞A；
其中，K可以取值为7，即将一周的所有整体投诉类型影响系数为一组来实施周期性的数据分析；A可以取值为4；
反之，则生成优化不必要标签并维持现有的安全培训方案；
不同区域的整体投诉类型影响数组以及关联的优化必要标签或者优化不必要标签构成第一异常运营分析数据。
本发明实施例中，通过对不同区域每日出现的不同投诉问题类型影响进行局部的个体投诉类型影响系数计算以及整体的整体投诉类型影响系数计算，通过将每日的整体投诉类型影响系数进行组合得到整体投诉类型影响数组，可以为后续局部区域实施周期性的现有投诉影响评估提供可靠的数据支持，实现了对不同区域的不同维度的投诉数据进行整合计算以及拓展分析，提高了现有投诉影响评估分析的主动性和可靠性，可以为后续不同局部区域实施针对性的安全机制优化动态管理提供可靠的数据支持。
如图3所示，在监测周期内对不同区域出现的所有新型投诉问题类型影响实施跨区域的统筹分析时，监测周期的单位为天，具体的可以为七天，获取监测周期内所有区域出现的所有新型投诉问题类型并按出现时间点的顺序排列组合得到新型投诉问题类型表；
根据新型投诉问题类型表统计出现的新型投诉问题类型总数N′，以及不同新型投诉问题类型对应出现的总次数M′，通过公式计算获取不同新型投诉问题类型对应的新型投诉影响系数Xy；式中，βi为每次新型投诉问题类型出现时对应的媒体传播影响指数，可以基于对应投诉词条在互联网的传播热度大小来确定，比如微博热搜的总搜索量，i为每次出现的新型投诉问题类型的编号，i=1，2，3，……，N′；
根据新型投诉影响系数对该新型投诉问题类型出现的新型投诉影响进行分析时，若新型投诉影响系数小于新型投诉影响最小阈值，则生成新型低影响投诉标签；
若新型投诉影响系数不小于新型投诉影响最小阈值且不大于新型投诉影响最大阈值，则生成新型中影响投诉标签；其中，根据新型中影响投诉标签可以对全部区域下次的常规安全培训方案增加针对新型投诉问题类型的安全培训；
若新型投诉影响系数大于新型投诉影响最大阈值，则生成新型高影响投诉标签；其中，根据新型高影响投诉标签可以立即对全部区域实施针对新型投诉问题类型的安全培训；
此外，新型投诉影响最小阈值小于新型投诉影响最大阈值，新型投诉影响最小阈值和新型投诉影响最大阈值均可以根据网约车公司的实际投诉要求规范数据来确定；
不同新型投诉问题类型关联的新型低影响投诉标签、新型中影响投诉标签或者新型高影响投诉标签构成第二异常运营分析数据。
本发明实施例中，通过对不同区域出现的所有新型投诉问题类型影响实施跨区域的周期性的统筹分析，将不同区域出现的所有投诉问题类型数据进行整合计算获取对应的新型投诉影响系数，根据新型投诉影响系数来对不同区域出现的所有新型投诉问题类型的整体影响进行评估分类，既可以直观高效的获取到周期时段内出现的整体新型投诉影响，又可以为后续整体区域实施针对性的安全机制优化动态管理提供可靠的数据支持，提高了新型投诉影响评估分析的主动性和灵活性。
异常问题机制优化管理模块，用于根据区域异常运营分析数据集对不同局部区域以及整体区域实施针对性的安全机制优化动态管理。包括：
获取区域异常运营分析数据集中的第一异常运营分析数据和第二异常运营分析数据并分别遍历，根据第一异常运营分析数据中遍历获取的优化必要标签对优化选中区域实施针对性的安全培训加强的管理；
以及，根据第二异常运营分析数据中遍历获取的新型中影响投诉标签对全部区域下次的常规安全培训方案增加针对新型投诉问题类型的安全培训，并根据第二异常运营分析数据中遍历获取的新型高影响投诉标签立即对全部区域实施针对新型投诉问题类型的安全培训。
本发明实施中，通过将前期不同维度的监测分析结果进行整合获取区域异常运营分析数据集，根据区域异常运营分析数据集来对不同局部区域以及整体区域实施针对性的安全机制优化动态管理，可以有效提高不同区域的网约车安全机制优化管理的主动性以及针对性，相对于现有技术方案中针对网约车的安全机制管理实施定期的、固定模式和固定内容的安全教育培训，本发明实施例可以有效提高网约车安全机制管理的整体效果。
此外，上述中涉及的公式均是去除量纲取其数值计算，是由采集大量数据进行软件通过模拟软件模拟得到最接近真实情况的一个公式。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，可以通过其它的方式实现。例如，以上所描述的发明实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，既可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域运维人员而言，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基本特征的情况下，能够以其他的具体形式实现本发明。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通运维人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种网约车安全机制管理系统，其特征在于，包括区域异常问题监测处理模块，用于对不同区域出现的不同网约车运行投诉问题进行统计和处理，得到区域投诉问题记录表并上传至运营管理平台；
区域异常问题分析评估模块，用于根据区域投诉问题记录表对不同区域出现的投诉问题实施不同维度的异常运营分析，得到由第一异常运营分析数据和第二异常运营分析数据构成的区域异常运营分析数据集并实时上传至运营管理平台；包括：
对不同区域每日出现的不同投诉问题类型影响进行分析时，通过计算获取区域当日的不同投诉问题类型对应的个体投诉类型影响系数以及区域当日的所有投诉问题类型的整体投诉类型影响系数并组合，根据组合得到的整体投诉类型影响数组对局部区域实施周期性的现有投诉影响评估，得到优化必要标签和优化选中区域或者优化不必要标签；
不同区域的整体投诉类型影响数组以及关联的优化必要标签或者优化不必要标签构成第一异常运营分析数据；
在监测周期内对不同区域出现的所有新型投诉问题类型影响实施跨区域的统筹分析时，获取监测周期内所有区域出现的所有新型投诉问题类型并按出现时间点的顺序排列组合得到新型投诉问题类型表；
根据新型投诉问题类型表对不同新型投诉问题类型进行数据计算，对计算得到的新型投诉影响系数进行新型投诉影响的分析得到新型低影响投诉标签、新型中影响投诉标签或者新型高影响投诉标签；
不同新型投诉问题类型关联的新型低影响投诉标签、新型中影响投诉标签或者新型高影响投诉标签构成第二异常运营分析数据；
异常问题机制优化管理模块，用于根据区域异常运营分析数据集对不同局部区域以及整体区域实施针对性的安全机制优化动态管理。
2.根据权利要求1所述的一种网约车安全机制管理系统，其特征在于，根据投入运营时间顺序来对投入网约车运营的不同区域进行编号标记，并对不同区域每日出现的投诉问题进行记录，对区域出现的投诉问题进行处理时，对记录的投诉问题进行关键字识别获取对应的投诉问题关键字，并将投诉问题关键字与数据库中预存储的投诉问题关键字数据库进行遍历匹配，得到投诉匹配成功标签或者投诉匹配失败标签及其关联的新型投诉问题类型；
根据投诉匹配成功标签将区域中出现的所有投诉问题以及关联的投诉问题类型或者新型投诉问题类型根据出现的时间点顺序进行排序组合，得到区域对应的区域投诉问题记录数据；
根据不同区域的编号顺序将不同区域对应的区域投诉问题记录数据进行组合得到区域投诉问题记录表。
3.根据权利要求2所述的一种网约车安全机制管理系统，其特征在于，若投诉问题关键字数据库中存在相同的投诉问题关键字，则生成投诉匹配成功标签并获取投诉问题关键字数据库中投诉问题关键字关联的投诉问题类型；
若投诉问题关键字数据库中不存在相同的投诉问题关键字，则生成投诉匹配失败标签并将对应的投诉问题转接至人工客服处进行人工处理和标记获取对应的投诉问题类型，并将人工客服标记的投诉问题类型标记为新型投诉问题类型。
4.根据权利要求2所述的一种网约车安全机制管理系统，其特征在于，投诉问题关键字数据库中包含若干不同的投诉问题关键字及其关联的投诉问题类型和投诉问题影响权重。
5.根据权利要求1所述的一种网约车安全机制管理系统，其特征在于，获取区域内当日出现的所有投诉问题类型总数N以及不同投诉问题类型对应出现的总次数M，通过公式Gy=WQ×M计算获取区域当日的不同投诉问题类型对应的个体投诉类型影响系数Gy；式中，WQ为投诉问题类型对应的投诉问题影响权重；
以及，通过公式计算获取区域当日的所有投诉问题类型的整体投诉类型影响系数Zy；式中，α为误差修正因子，取值范围为（0，0.001），D为区域当日的网约车运营交易总单数；
提取区域不同日期的整体投诉类型影响系数的数值并按北京时间的顺序排列组合，得到整体投诉类型影响数组。
6.根据权利要求5所述的一种网约车安全机制管理系统，其特征在于，根据整体投诉类型影响数组对局部区域实施周期性的现有投诉影响评估时，获取整体投诉类型影响数组中的K个元素来实施周期性的数据分析，将K个元素分别与预设的投诉影响阈值进行比对，将大于投诉影响阈值的元素标记为异常元素；反之，将不大于投诉影响阈值的元素标记为正常元素；
统计异常元素出现的总个数，若异常元素总个数不小于A，则生成优化必要标签并将对应的区域标记为优化选中区域；K、A均为正整数且K＞A；
反之，则生成优化不必要标签并维持现有的安全培训方案；
不同区域的整体投诉类型影响数组以及关联的优化必要标签或者优化不必要标签构成第一异常运营分析数据。
7.根据权利要求6所述的一种网约车安全机制管理系统，其特征在于，根据新型投诉问题类型表统计出现的新型投诉问题类型总数N′，以及不同新型投诉问题类型对应出现的总次数M′，通过公式计算获取不同新型投诉问题类型对应的新型投诉影响系数Xy；式中，βi为每次新型投诉问题类型出现时对应的媒体传播影响指数，i为每次出现的新型投诉问题类型的编号，i=1，2，3，……，N′。
8.根据权利要求7所述的一种网约车安全机制管理系统，其特征在于，根据新型投诉影响系数对该新型投诉问题类型出现的新型投诉影响进行分析时，若新型投诉影响系数小于新型投诉影响最小阈值，则生成新型低影响投诉标签；若新型投诉影响系数不小于新型投诉影响最小阈值且不大于新型投诉影响最大阈值，则生成新型中影响投诉标签；若新型投诉影响系数大于新型投诉影响最大阈值，则生成新型高影响投诉标签。
9.根据权利要求8所述的一种网约车安全机制管理系统，其特征在于，获取区域异常运营分析数据集中的第一异常运营分析数据和第二异常运营分析数据并分别遍历，根据第一异常运营分析数据中遍历获取的优化必要标签对优化选中区域实施针对性的安全培训加强的管理。
10.根据权利要求9所述的一种网约车安全机制管理系统，其特征在于，根据第二异常运营分析数据中遍历获取的新型中影响投诉标签对全部区域下次的常规安全培训方案增加针对新型投诉问题类型的安全培训，并根据第二异常运营分析数据中遍历获取的新型高影响投诉标签立即对全部区域实施针对新型投诉问题类型的安全培训。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410020262.8A CN117521981B (zh) | 2024-01-08 | 2024-01-08 | 一种网约车安全机制管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410020262.8A CN117521981B (zh) | 2024-01-08 | 2024-01-08 | 一种网约车安全机制管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117521981A true CN117521981A (zh) | 2024-02-06 |
| CN117521981B CN117521981B (zh) | 2024-04-05 |
Family
ID=89746061
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410020262.8A Active CN117521981B (zh) | 2024-01-08 | 2024-01-08 | 一种网约车安全机制管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117521981B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118210262A (zh) * | 2024-04-24 | 2024-06-18 | 北京白龙马云行科技有限公司 | 一种网约车实时状态监控管理系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120259673A1 (en) * | 2011-04-08 | 2012-10-11 | Welch Allyn, Inc. | Risk-Based Complaint Management System |
| CN107957992A (zh) * | 2017-12-12 | 2018-04-24 | 武汉虹信技术服务有限责任公司 | 一种用户反馈信息的自动处理方法及系统 |
| US20200126041A1 (en) * | 2018-10-17 | 2020-04-23 | Senthilkumar VELUSAMY SIVASAMY | Complaints management system and method thereof |
| CN111639816A (zh) * | 2020-06-03 | 2020-09-08 | 国网重庆市电力公司电力科学研究院 | 一种供电服务网格优化方法、装置及可读存储介质 |
| CN114138865A (zh) * | 2021-11-30 | 2022-03-04 | 平安科技（深圳）有限公司 | 客户投诉数据分析方法、装置、设备及存储介质 |
| CN116094907A (zh) * | 2023-01-05 | 2023-05-09 | 中国联合网络通信集团有限公司 | 投诉信息的处理方法、装置及存储介质 |
-
2024
- 2024-01-08 CN CN202410020262.8A patent/CN117521981B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120259673A1 (en) * | 2011-04-08 | 2012-10-11 | Welch Allyn, Inc. | Risk-Based Complaint Management System |
| CN107957992A (zh) * | 2017-12-12 | 2018-04-24 | 武汉虹信技术服务有限责任公司 | 一种用户反馈信息的自动处理方法及系统 |
| US20200126041A1 (en) * | 2018-10-17 | 2020-04-23 | Senthilkumar VELUSAMY SIVASAMY | Complaints management system and method thereof |
| CN111639816A (zh) * | 2020-06-03 | 2020-09-08 | 国网重庆市电力公司电力科学研究院 | 一种供电服务网格优化方法、装置及可读存储介质 |
| CN114138865A (zh) * | 2021-11-30 | 2022-03-04 | 平安科技（深圳）有限公司 | 客户投诉数据分析方法、装置、设备及存储介质 |
| CN116094907A (zh) * | 2023-01-05 | 2023-05-09 | 中国联合网络通信集团有限公司 | 投诉信息的处理方法、装置及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 汤大勇 等: "电力客户服务", 30 April 2020, 重庆大学出版社, pages: 160 - 171 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118210262A (zh) * | 2024-04-24 | 2024-06-18 | 北京白龙马云行科技有限公司 | 一种网约车实时状态监控管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117521981B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117521981B (zh) | 一种网约车安全机制管理系统 | |
| Liedka et al. | The crime‐control effect of incarceration: does scale matter? | |
| CN107085773A (zh) | 一种用于评价在用汽车技术状况的系统及方法 | |
| CN101650746B (zh) | 一种对排序结果进行验证的方法和系统 | |
| CN116680113B (zh) | 一种设备检测实施控制系统 | |
| CN115759640A (zh) | 一种智慧城市的公共服务信息处理系统及方法 | |
| CN104077483A (zh) | 城轨车辆部件故障模式和故障原因综合影响度的确定方法 | |
| CN111881105B (zh) | 业务数据的标注模型及其模型训练方法 | |
| CN111145535B (zh) | 一种复杂场景下的行程时间可靠性分布预测方法 | |
| US20240185159A1 (en) | Systems And Methods For Identifying An Officer At Risk Of An Adverse Event | |
| CN113222255B (zh) | 一种合同履约表现量化及短期违约预测的方法及装置 | |
| CN114331181A (zh) | 基于大数据的车辆驾驶行为风险分析方法 | |
| CN113379318A (zh) | 公共交通系统运营服务质量评价方法、装置和计算机设备 | |
| CN112652168A (zh) | 一种重大交通事故预警方法、系统及存储介质 | |
| CN112232553A (zh) | 一种基于贝叶斯网络的高铁列车晚点影响因素诊断方法 | |
| CN114201530B (zh) | 一种疑似非正常营运客车提前甄别及预防式监管方法 | |
| Gebers et al. | An inventory of California driver accident risk factors | |
| CN113361911B (zh) | 一种基于资产风控的新媒体内容投放方法及设备 | |
| CN114492967A (zh) | 基于ceemdan和blstm组合模型的城轨车站客流预测方法和介质 | |
| Yuan et al. | A gray prediction method for economic loss of road traffic accidents based on Logistic model. | |
| Karlaftis et al. | Modeling approach for transit rolling-stock deterioration prediction | |
| Zhou et al. | An aggregation framework for time series-based MCDA | |
| Henderson | State of the practice in High-Occupancy Vehicle system performance monitoring | |
| CN118734255A (zh) | 一种宏观交通安全发展态势预测方法及系统 | |
| CN117151520A (zh) | 一种基于动态知识计算的道路运输安全评估方法 |
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 |