CN117610941B - 基于数据库处理的大件运输信用评价方法、系统和介质 - Google Patents
基于数据库处理的大件运输信用评价方法、系统和介质 Download PDFInfo
- Publication number
- CN117610941B CN117610941B CN202410073222.XA CN202410073222A CN117610941B CN 117610941 B CN117610941 B CN 117610941B CN 202410073222 A CN202410073222 A CN 202410073222A CN 117610941 B CN117610941 B CN 117610941B
- Authority
- CN
- China
- Prior art keywords
- transportation
- data
- risk
- credit
- information
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 187
- 238000012502 risk assessment Methods 0.000 claims description 64
- 238000013441 quality evaluation Methods 0.000 claims description 57
- 238000012797 qualification Methods 0.000 claims description 54
- 238000004364 calculation method Methods 0.000 claims description 46
- 238000013475 authorization Methods 0.000 claims description 30
- 238000013210 evaluation model Methods 0.000 claims description 25
- 230000000737 periodic effect Effects 0.000 claims description 8
- 238000001303 quality assessment method Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 230000002950 deficient Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000006735 deficit Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例提供了基于数据库处理的大件运输信用评价方法、系统和介质。该方法包括:获取大件运输企业的运输风险预设数据,并数据库提取出运营日志和状况记录数据处理,再通过预设模型进行运营风险、经营质量和合规信用的评价处理获得指数,根据数据库获取相似历史样本并提取样本数据与对应数据处理获得行业安全信用测评系数,后结合大件运输风险补偿因子以及三个指数处理获得大件运输信用风险评价指数,最后与特种运输安全阈指数进行阈值对比判断大件运输企业的运输信用风险情况;从而通过数据库的大数据信息对大件运输企业进行营运风险、经营质量和信用的评估获得信用风险评价结果,实现对大件运输企业的运输信用情况的风险评估技术。
Description
技术领域
本申请涉及大数据及大件运输领域,具体而言,涉及基于数据库处理的大件运输信用评价方法、系统和介质。
背景技术
大件运输是指在运输过程中运输货物庞大、沉重而又不可拆解,存在大件货物和运载车辆全尺寸和总重量超限,并超过了普通公路和桥隧的通过界限,而需要采取在特定环境路线、特定时间进行行进运输的审批、督查、监视步骤和程序的特种运输,由于大件往往是基建、电力、桥梁等大型基建项目所必须的大型核心配件,因此,大件运输即关乎经济发展又影响公共资源占用,合理的审批调度大件运输是基建重要课题,而随着大件运输项目的申报和审批的成倍增长,如何实现快速审批大件运输又最大程度保障安全性是大件审批的核心内容,而为实现上述内容,对大件运输的承运企业进行资质、内容、履历的审核即进行信用评估是保障大件安全运输的重要手段之一,而目前缺乏可根据大件承运人的申报信息以及采集信息进行信用能力的有效处理和评估的智能手段。
针对上述问题,目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供基于数据库处理的大件运输信用评价方法、系统和介质,可以通过数据库的大数据信息对大件运输企业进行营运风险、经营质量和信用的评估获得信用风险评价结果,实现对大件运输企业的运输信用情况的风险评估技术。
本申请实施例还提供了基于数据库处理的大件运输信用评价方法,包括以下步骤:
获取大件运输企业的注册资质信息和业务规模信息,根据注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询获得运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数;
通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据和运营状况记录数据;
根据所述业务运营日志数据和运营状况记录数据进行处理获得大件运输风险补偿因子,并结合所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数;
根据所述业务运营日志数据和运营状况记录数据结合所述业务良率风险系数分别通过预设运输企业经营质量评估模型和预设合规信用评估模型进行处理,分别获得经营质量评价指数和合规信用评价指数;
根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库获取符合相似度要求的大件运输企业相似历史样本,并提取多组对应样本数据,再与所述大件运输企业的对应数据进行处理,获得行业安全信用测评系数;
根据所述行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行处理,获得大件运输信用风险评价指数;
根据所述大件运输信用风险评价指数与所述特种运输安全阈指数进行阈值对比,判断所述大件运输企业的运输信用风险情况。
可选地,在本申请实施例所述的基于数据库处理的大件运输信用评价方法中,所述获取大件运输企业的注册资质信息和业务规模信息,根据注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询获得运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数,包括:
获取大件运输企业的注册资质信息和业务规模信息;
所述注册资质信息包括运营许可信息和授权权限信息;
所述运营许可信息包括运输类别信息、大件类别信息和承运环境许可信息;
所述授权权限信息包括交管响应授权等级和运输警示授权等级;
所述业务规模信息包括大件规格信息、周期承运业务量信息和运力规模信息;
根据所述注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询,获得所述大件运输企业的运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数。
可选地,在本申请实施例所述的基于数据库处理的大件运输信用评价方法中,所述通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据和运营状况记录数据,包括:
通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据以及运营状况记录数据;
所述业务运营日志数据包括交管告警频次数、出险赔付额数据、保价体量数据、类别大件损耗数据以及运输盈亏数据;
所述运营状况记录数据包括违章违规记录数据、运行负债状况数据、报损索赔记录数据以及客户投诉频次数据。
可选地,在本申请实施例所述的基于数据库处理的大件运输信用评价方法中,所述根据所述业务运营日志数据和运营状况记录数据进行处理获得大件运输风险补偿因子,并结合所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数,包括:
根据所述交管告警频次数、出险赔付额数据、类别大件损耗数据以及报损索赔记录数据进行处理获得大件运输风险补偿因子;
根据所述保价体量数据、类别大件损耗数据和违章违规记录数据结合所述大件运输风险补偿因子以及所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数;
所述运营风险评价指数的计算公式为:
;
其中,为运营风险评价指数,/>、/>、/>分别为保价体量数据、类别大件损耗数据、违章违规记录数据,/>为运输风险系数,/>为大件运输风险补偿因子,/>、/>、为预设特征系数。
可选地,在本申请实施例所述的基于数据库处理的大件运输信用评价方法中,所述根据所述业务运营日志数据和运营状况记录数据结合所述业务良率风险系数分别通过预设运输企业经营质量评估模型和预设合规信用评估模型进行处理,分别获得经营质量评价指数和合规信用评价指数,包括:
根据所述出险赔付额数据、运输盈亏数据与所述运行负债状况数据结合所述业务良率风险系数通过预设运输企业经营质量评估模型进行企业经营状况评价,获得经营质量评价指数;
根据所述违章违规记录数据、报损索赔记录数据和客户投诉频次数据通过预设合规信用评估模型进行处理,获得合规信用评价指数;
所述经营质量评价指数的计算公式为:
;
所述合规信用评价指数的计算公式为:
;
其中,为经营质量评价指数,/>为合规信用评价指数,/>、/>、/>、/>、、/>分别为出险赔付额数据、运输盈亏数据、违章违规记录数据、运行负债状况数据、报损索赔记录数据、客户投诉频次数据,/>为业务良率风险系数,/>、/>、/>为预设特征系数。
可选地,在本申请实施例所述的基于数据库处理的大件运输信用评价方法中,所述根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库获取符合相似度要求的大件运输企业相似历史样本,并提取多组对应样本数据,再与所述大件运输企业的对应数据进行处理,获得行业安全信用测评系数,包括:
根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库进行相似性对比,获取符合预设相似度要求的多个大件运输企业相似历史样本;
根据所述多个大件运输企业相似历史样本提取多组对应同时间段的样本出险赔付额数据、样本违章违规记录数据、样本报损索赔记录数据以及样本客户投诉频次数据;
根据提取的相似历史样本数据与所述大件运输企业的对应数据进行处理,获得所述大件运输企业的行业安全信用测评系数;
所述行业安全信用测评系数的计算公式为:
;
其中,为行业安全信用测评系数,/>、/>、/>、/>分别为第i个大件运输企业相似历史样本的样本出险赔付额数据、样本违章违规记录数据、样本报损索赔记录数据、样本客户投诉频次数据,/>、/>、/>、/>分别为出险赔付额数据、违章违规记录数据、报损索赔记录数据、客户投诉频次数据,n为大件运输企业相似历史样本的个数,/>为预设特征系数。
可选地,在本申请实施例所述的基于数据库处理的大件运输信用评价方法中,所述根据所述行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行处理,获得大件运输信用风险评价指数,包括:
根据所述大件运输企业的行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行综合计算处理,获得大件运输信用风险评价指数;
所述大件运输信用风险评价指数的计算公式为:
;
其中,为大件运输信用风险评价指数,/>为行业安全信用测评系数,/>为大件运输风险补偿因子,/>为运营风险评价指数,/>为经营质量评价指数,/>为合规信用评价指数,/>、/>、/>、/>、/>为预设特征系数。
第二方面,本申请实施例提供了基于数据库处理的大件运输信用评价系统,该系统包括:存储器及处理器,所述存储器中包括基于数据库处理的大件运输信用评价方法的程序,所述基于数据库处理的大件运输信用评价方法的程序被所述处理器执行时实现以下步骤:
获取大件运输企业的注册资质信息和业务规模信息,根据注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询获得运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数;
通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据和运营状况记录数据;
根据所述业务运营日志数据和运营状况记录数据进行处理获得大件运输风险补偿因子,并结合所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数;
根据所述业务运营日志数据和运营状况记录数据结合所述业务良率风险系数分别通过预设运输企业经营质量评估模型和预设合规信用评估模型进行处理,分别获得经营质量评价指数和合规信用评价指数;
根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库获取符合相似度要求的大件运输企业相似历史样本,并提取多组对应样本数据,再与所述大件运输企业的对应数据进行处理,获得行业安全信用测评系数;
根据所述行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行处理,获得大件运输信用风险评价指数;
根据所述大件运输信用风险评价指数与所述特种运输安全阈指数进行阈值对比,判断所述大件运输企业的运输信用风险情况。
可选地,在本申请实施例所述的基于数据库处理的大件运输信用评价系统中,所述获取大件运输企业的注册资质信息和业务规模信息,根据注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询获得运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数,包括:
获取大件运输企业的注册资质信息和业务规模信息;
所述注册资质信息包括运营许可信息和授权权限信息;
所述运营许可信息包括运输类别信息、大件类别信息和承运环境许可信息;
所述授权权限信息包括交管响应授权等级和运输警示授权等级;
所述业务规模信息包括大件规格信息、周期承运业务量信息和运力规模信息;
根据所述注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询,获得所述大件运输企业的运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数。
第三方面,本申请实施例还提供了计算机可读存储介质,所述计算机可读存储介质中包括基于数据库处理的大件运输信用评价方法程序,所述基于数据库处理的大件运输信用评价方法程序被处理器执行时,实现如上述任一项所述的基于数据库处理的大件运输信用评价方法的步骤。
由上可知,本申请实施例提供的基于数据库处理的大件运输信用评价方法、系统和介质,通过大件运输企业的注册资质信息和业务规模信息查询获得运输风险预设数据,并数据库提取出业务运营日志数据和运营状况记录数据进行处理获得大件运输风险补偿因子,再结合运输风险预设数据通过预设模型处理获得运营风险评价指数、经营质量评价指数和合规信用评价指数,根据数据库获取大件运输企业相似历史样本并提取样本数据与对应数据处理获得行业安全信用测评系数,后结合大件运输风险补偿因子以及三个指数处理获得大件运输信用风险评价指数,最后与特种运输安全阈指数进行阈值对比判断大件运输企业的运输信用风险情况;从而通过数据库的大数据信息对大件运输企业进行营运风险、经营质量和信用的评估获得信用风险评价结果,实现对大件运输企业的运输信用情况的风险评估技术。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的基于数据库处理的大件运输信用评价方法的流程图;
图2为本申请实施例提供的基于数据库处理的大件运输信用评价方法的获得运输风险预设数据的流程图;
图3为本申请实施例提供的基于数据库处理的大件运输信用评价方法的获得业务运营日志数据和运营状况记录数据的流程图;
图4为本申请实施例提供的基于数据库处理的大件运输信用评价方法的获得运营风险评价指数的流程图;
图5为本申请实施例提供的基于数据库处理的大件运输信用评价系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到,相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的基于数据库处理的大件运输信用评价方法的流程图。该基于数据库处理的大件运输信用评价方法用于终端设备中,例如电脑、手机终端等。该基于数据库处理的大件运输信用评价方法,包括以下步骤:
S11、获取大件运输企业的注册资质信息和业务规模信息,根据注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询获得运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数;
S12、通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据和运营状况记录数据;
S13、根据所述业务运营日志数据和运营状况记录数据进行处理获得大件运输风险补偿因子,并结合所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数;
S14、根据所述业务运营日志数据和运营状况记录数据结合所述业务良率风险系数分别通过预设运输企业经营质量评估模型和预设合规信用评估模型进行处理,分别获得经营质量评价指数和合规信用评价指数;
S15、根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库获取符合相似度要求的大件运输企业相似历史样本,并提取多组对应样本数据,再与所述大件运输企业的对应数据进行处理,获得行业安全信用测评系数;
S16、根据所述行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行处理,获得大件运输信用风险评价指数;
S17、根据所述大件运输信用风险评价指数与所述特种运输安全阈指数进行阈值对比,判断所述大件运输企业的运输信用风险情况。
其中,为实现根据大件运输企业的资质和申报信息以及在一定时间段内的实际经营状况进行运营风险、质量和合规信用的评估,以获得对大件运输企业的信用风险评价,通过获取大件运输企业的注册资质和业务规模的信息并通过预设的特种运输信息数据库进行查询获得运输风险预设数据,数据库是第三方建立的包含各类特征运输企业的运输、运营状况的综合信息数据库,通过该特种运输信息数据库提取大件运输企业在一定预设时间段内的业务运营日志数据和运营状况记录数据,并进行处理获得反映大件运输履历和状况存在的风险补偿因子,并根据数据通过预设特种运输风险评估模型进行计算处理获得运营风险评价指数,即对大件运输企业在运营情况的风险状况作出测评,再根据业务运营日志数据和运营状况记录数据分别通过预设的运输企业经营质量评估模型和合规信用评估模型进行计算处理,分别获得经营质量评价指数和合规信用评价指数,即对运营质量状况和合规信用诚信度进行评估,后再根据该大件运输企业的运营许可信息和业务规模信息通过特种运输信息数据库查询获取与该大件运输企业相似的相似企业的历史样本,并提取多组对应样本数据,再与大件运输企业的对应数据进行处理获得行业安全信用测评系数,即通过数据库查询到的相似企业的历史样本数据与该企业的数据进行对比,评估该大件运输企业与相似行业企业的安全信用之间的差异状况,最后根据行业安全信用测评系数结合大件运输风险补偿因子以及运营风险评价指数、经营质量评价指数和合规信用评价指数进行计算处理,获得大件运输信用风险评价指数,再与特种运输安全阈指数进行阈值对比,判断大件运输企业的运输信用风险情况。
请参照图2,图2是本申请一些实施例中的基于数据库处理的大件运输信用评价方法的获得运输风险预设数据的流程图。根据本发明实施例,所述获取大件运输企业的注册资质信息和业务规模信息,根据注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询获得运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数,具体为:
S21、获取大件运输企业的注册资质信息和业务规模信息;
S22、所述注册资质信息包括运营许可信息和授权权限信息;
S23、所述运营许可信息包括运输类别信息、大件类别信息和承运环境许可信息;
S24、所述授权权限信息包括交管响应授权等级和运输警示授权等级;
S25、所述业务规模信息包括大件规格信息、周期承运业务量信息和运力规模信息;
S26、根据所述注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询,获得所述大件运输企业的运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数。
其中,为评估大件运输企业的运营质量、安全风险、信用等状况,首先需获取其资质信息和规模信息,再根据资质和规模查询获取对应的预设风险参数,大件运输企业的注册资质信息包括运营许可信息和授权权限信息,其中运营许可包括运输类别包括重量尺寸、车辆规格以及特种运输类型等,大件类别信息如发电机组、风叶、锅炉等,承运环境许可信息如矿区、高原设施、水电设施、基建设施等,授权权限信息包括大件运输中交管响应授权等级和运输过程告警提示的警示授权等级,业务规模信息包括大件规格、周期承运业务量和运力规模即承运的能力的相关信息,根据信息通过预设的特种运输信息数据库进行查询,获得该大件运输企业对应的运输风险预设数据,即通过数据库根据大件运输企业的相关信息进行对照查询获得相对应的参数。
请参照图3,图3是本申请一些实施例中的基于数据库处理的大件运输信用评价方法的获得业务运营日志数据和运营状况记录数据的流程图。根据本发明实施例,所述通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据和运营状况记录数据,具体为:
S31、通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据以及运营状况记录数据;
S32、所述业务运营日志数据包括交管告警频次数、出险赔付额数据、保价体量数据、类别大件损耗数据以及运输盈亏数据;
S33、所述运营状况记录数据包括违章违规记录数据、运行负债状况数据、报损索赔记录数据以及客户投诉频次数据。
其中,为评估大件运输企业的运营质量、信用风险等状况,需获取该大件运输企业在一定时间段内的运营情况的记录数据,通过第三方预设的特种运输信息数据库提取该大件运输企业在一定预设时间段内的业务运营日志数据以及运营状况记录数据,其中业务运营日志数据包括运营时段内的交管告警频次数、出险赔付额数据、保价体量数据、类别大件的损耗情况数据以及运输经营的总盈亏数据,运营状况记录数据则包括运营承运过程中的违章违规记录数据、运行负债状况数据、造成大件损坏的报损索赔记录数据以及客户投诉频次数据。
请参照图4,图4是本申请一些实施例中的基于数据库处理的大件运输信用评价方法的获得运营风险评价指数的流程图。根据本发明实施例,所述根据所述业务运营日志数据和运营状况记录数据进行处理获得大件运输风险补偿因子,并结合所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数,具体为:
S41、根据所述交管告警频次数、出险赔付额数据、类别大件损耗数据以及报损索赔记录数据进行处理获得大件运输风险补偿因子;
S42、根据所述保价体量数据、类别大件损耗数据和违章违规记录数据结合所述大件运输风险补偿因子以及所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数;
所述运营风险评价指数的计算公式为:
;
其中,为运营风险评价指数,/>、/>、/>分别为保价体量数据、类别大件损耗数据、违章违规记录数据,/>为运输风险系数,/>为大件运输风险补偿因子,/>、/>、为预设特征系数(特征系数通过特种运输信息数据库查询获得)。
其中,再通过数据库获得了该大件运输企业的业务运营日志数据和运营状况记录数据后,根据其交管告警频次数、出险赔付额数据、类别大件损耗数据以及报损索赔记录数据进行计算处理,获得大件运输风险补偿因子,再将该补偿因子结合保价体量数据、类别大件损耗数据和违章违规记录数据以及运输风险系数通过第三方特种运输信息数据库中的预设特种运输风险评估模型的计算公式进行计算获得运营风险评价指数,该预设特种运输风险评估模型是第三方数据库中预设的计算模型,根据该模型的计算公式可获得相应评价指数,其中,大件运输风险补偿因子的计算公式为:
;
其中,为大件运输风险补偿因子,/>、/>、/>、/>分别为交管告警频次数、出险赔付额数据、类别大件损耗数据、报损索赔记录数据,/>为预设特征系数(特征系数通过特种运输信息数据库查询获得)。
根据本发明实施例,所述根据所述业务运营日志数据和运营状况记录数据结合所述业务良率风险系数分别通过预设运输企业经营质量评估模型和预设合规信用评估模型进行处理,分别获得经营质量评价指数和合规信用评价指数,具体为:
根据所述出险赔付额数据、运输盈亏数据与所述运行负债状况数据结合所述业务良率风险系数通过预设运输企业经营质量评估模型进行企业经营状况评价,获得经营质量评价指数;
根据所述违章违规记录数据、报损索赔记录数据和客户投诉频次数据通过预设合规信用评估模型进行处理,获得合规信用评价指数;
所述经营质量评价指数的计算公式为:
;
所述合规信用评价指数的计算公式为:
;
其中,为经营质量评价指数,/>为合规信用评价指数,/>、/>、/>、/>、、/>分别为出险赔付额数据、运输盈亏数据、违章违规记录数据、运行负债状况数据、报损索赔记录数据、客户投诉频次数据,/>为业务良率风险系数,/>、/>、/>为预设特征系数(特征系数通过特种运输信息数据库查询获得)。
其中,再根据得到的出险赔付额数据、运输盈亏数据以及运行负债状况数据结合业务良率风险系数通过第三方特种运输信息数据库中的预设运输企业经营质量评估模型的计算公式进行企业经营状况的计算,获得经营质量评价指数,以及根据违章违规记录数据、报损索赔记录数据和客户投诉频次数据通过数据库中的预设合规信用评估模型的公式进行计算处理,获得合规信用评价指数,通过模型计算处理获得该大件运输企业的经营质量和运营合规度信用情况的相关评价指数。
根据本发明实施例,所述根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库获取符合相似度要求的大件运输企业相似历史样本,并提取多组对应样本数据,再与所述大件运输企业的对应数据进行处理,获得行业安全信用测评系数,具体为:
根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库进行相似性对比,获取符合预设相似度要求的多个大件运输企业相似历史样本;
根据所述多个大件运输企业相似历史样本提取多组对应同时间段的样本出险赔付额数据、样本违章违规记录数据、样本报损索赔记录数据以及样本客户投诉频次数据;
根据提取的相似历史样本数据与所述大件运输企业的对应数据进行处理,获得所述大件运输企业的行业安全信用测评系数;
所述行业安全信用测评系数的计算公式为:
;
其中,为行业安全信用测评系数,/>、/>、/>、/>分别为第i个大件运输企业相似历史样本的样本出险赔付额数据、样本违章违规记录数据、样本报损索赔记录数据、样本客户投诉频次数据,/>、/>、/>、/>分别为出险赔付额数据、违章违规记录数据、报损索赔记录数据、客户投诉频次数据,n为大件运输企业相似历史样本的个数,/>为预设特征系数(特征系数通过特种运输信息数据库查询获得)。
其中,为获得对大件运输企业运营的安全信用状况的精准评估,根据数据库中包含的与该大件运输企业的相似企业的历史样本中的数据,与该大件运输企业相对应的运营数据进行处理,获得该企业与行业企业信用之间的对比测评结果,即反映该大件运输企业的安全信用状况与行业之间的测评度,根据大件运输企业的运营许可信息和业务规模信息通过特种运输信息数据库进行相似性对比,通过欧式距离相似度对比法进行对比获取符合预设相似度要求的多个大件运输企业相似历史样本,即与该企业相似的历史大件运输企业样本,再根据得到的多个大件运输企业相似历史样本提取多组对应同时间段的样本出险赔付额数据、样本违章违规记录数据、样本报损索赔记录数据以及样本客户投诉频次数据,再与该大件运输企业的对应数据进行计算处理,获得该大件运输企业的行业安全信用测评系数。
根据本发明实施例,所述根据所述行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行处理,获得大件运输信用风险评价指数,具体为:
根据所述大件运输企业的行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行综合计算处理,获得大件运输信用风险评价指数;
所述大件运输信用风险评价指数的计算公式为:
;
其中,为大件运输信用风险评价指数,/>为行业安全信用测评系数,/>为大件运输风险补偿因子,/>为运营风险评价指数,/>为经营质量评价指数,/>为合规信用评价指数,/>、/>、/>、/>、/>为预设特征系数(特征系数通过特种运输信息数据库查询获得)。
其中,最后,为综合评价该大件运输企业的信用风险情况,根据得到的行业安全信用测评系数结合大件运输风险补偿因子以及运营风险评价指数、经营质量评价指数和合规信用评价指数进行加权计算,获得大件运输信用风险评价指数,实现通过数据库的大数据对大件运输企业进行营运风险、经营质量和信用的评估获得信用风险评价结果的技术。
如图5所示,本发明还公开了基于数据库处理的大件运输信用评价系统5,包括存储器51和处理器52,所述存储器中包括基于数据库处理的大件运输信用评价方法程序,所述基于数据库处理的大件运输信用评价方法程序被所述处理器执行体征异样修正数据时实现如下步骤:
获取大件运输企业的注册资质信息和业务规模信息,根据注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询获得运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数;
通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据和运营状况记录数据;
根据所述业务运营日志数据和运营状况记录数据进行处理获得大件运输风险补偿因子,并结合所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数;
根据所述业务运营日志数据和运营状况记录数据结合所述业务良率风险系数分别通过预设运输企业经营质量评估模型和预设合规信用评估模型进行处理,分别获得经营质量评价指数和合规信用评价指数;
根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库获取符合相似度要求的大件运输企业相似历史样本,并提取多组对应样本数据,再与所述大件运输企业的对应数据进行处理,获得行业安全信用测评系数;
根据所述行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行处理,获得大件运输信用风险评价指数;
根据所述大件运输信用风险评价指数与所述特种运输安全阈指数进行阈值对比,判断所述大件运输企业的运输信用风险情况。
其中,为实现根据大件运输企业的资质和申报信息以及在一定时间段内的实际经营状况进行运营风险、质量和合规信用的评估,以获得对大件运输企业的信用风险评价,通过获取大件运输企业的注册资质和业务规模的信息并通过预设的特种运输信息数据库进行查询获得运输风险预设数据,数据库是第三方建立的包含各类特征运输企业的运输、运营状况的综合信息数据库,通过该特种运输信息数据库提取大件运输企业在一定预设时间段内的业务运营日志数据和运营状况记录数据,并进行处理获得反映大件运输履历和状况存在的风险补偿因子,并根据数据通过预设特种运输风险评估模型进行计算处理获得运营风险评价指数,即对大件运输企业在运营情况的风险状况作出测评,再根据业务运营日志数据和运营状况记录数据分别通过预设的运输企业经营质量评估模型和合规信用评估模型进行计算处理,分别获得经营质量评价指数和合规信用评价指数,即对运营质量状况和合规信用诚信度进行评估,后再根据该大件运输企业的运营许可信息和业务规模信息通过特种运输信息数据库查询获取与该大件运输企业相似的相似企业的历史样本,并提取多组对应样本数据,再与大件运输企业的对应数据进行处理获得行业安全信用测评系数,即通过数据库查询到的相似企业的历史样本数据与该企业的数据进行对比,评估该大件运输企业与相似行业企业的安全信用之间的差异状况,最后根据行业安全信用测评系数结合大件运输风险补偿因子以及运营风险评价指数、经营质量评价指数和合规信用评价指数进行计算处理,获得大件运输信用风险评价指数,再与特种运输安全阈指数进行阈值对比,判断大件运输企业的运输信用风险情况。
根据本发明实施例,所述获取大件运输企业的注册资质信息和业务规模信息,根据注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询获得运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数,具体为:
获取大件运输企业的注册资质信息和业务规模信息;
所述注册资质信息包括运营许可信息和授权权限信息;
所述运营许可信息包括运输类别信息、大件类别信息和承运环境许可信息;
所述授权权限信息包括交管响应授权等级和运输警示授权等级;
所述业务规模信息包括大件规格信息、周期承运业务量信息和运力规模信息;
根据所述注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询,获得所述大件运输企业的运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数。
其中,为评估大件运输企业的运营质量、安全风险、信用等状况,首先需获取其资质信息和规模信息,再根据资质和规模查询获取对应的预设风险参数,大件运输企业的注册资质信息包括运营许可信息和授权权限信息,其中运营许可包括运输类别包括重量尺寸、车辆规格以及特种运输类型等,大件类别信息如发电机组、风叶、锅炉等,承运环境许可信息如矿区、高原设施、水电设施、基建设施等,授权权限信息包括大件运输中交管响应授权等级和运输过程告警提示的警示授权等级,业务规模信息包括大件规格、周期承运业务量和运力规模即承运的能力的相关信息,根据信息通过预设的特种运输信息数据库进行查询,获得该大件运输企业对应的运输风险预设数据,即通过数据库根据大件运输企业的相关信息进行对照查询获得相对应的参数。
根据本发明实施例,所述通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据和运营状况记录数据,具体为:
通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据以及运营状况记录数据;
所述业务运营日志数据包括交管告警频次数、出险赔付额数据、保价体量数据、类别大件损耗数据以及运输盈亏数据;
所述运营状况记录数据包括违章违规记录数据、运行负债状况数据、报损索赔记录数据以及客户投诉频次数据。
其中,为评估大件运输企业的运营质量、信用风险等状况,需获取该大件运输企业在一定时间段内的运营情况的记录数据,通过第三方预设的特种运输信息数据库提取该大件运输企业在一定预设时间段内的业务运营日志数据以及运营状况记录数据,其中业务运营日志数据包括运营时段内的交管告警频次数、出险赔付额数据、保价体量数据、类别大件的损耗情况数据以及运输经营的总盈亏数据,运营状况记录数据则包括运营承运过程中的违章违规记录数据、运行负债状况数据、造成大件损坏的报损索赔记录数据以及客户投诉频次数据。
根据本发明实施例,所述根据所述业务运营日志数据和运营状况记录数据进行处理获得大件运输风险补偿因子,并结合所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数,具体为:
根据所述交管告警频次数、出险赔付额数据、类别大件损耗数据以及报损索赔记录数据进行处理获得大件运输风险补偿因子;
根据所述保价体量数据、类别大件损耗数据和违章违规记录数据结合所述大件运输风险补偿因子以及所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数;
所述运营风险评价指数的计算公式为:
;
其中,为运营风险评价指数,/>、/>、/>分别为保价体量数据、类别大件损耗数据、违章违规记录数据,/>为运输风险系数,/>为大件运输风险补偿因子,/>、/>、为预设特征系数(特征系数通过特种运输信息数据库查询获得)。
其中,再通过数据库获得了该大件运输企业的业务运营日志数据和运营状况记录数据后,根据其交管告警频次数、出险赔付额数据、类别大件损耗数据以及报损索赔记录数据进行计算处理,获得大件运输风险补偿因子,再将该补偿因子结合保价体量数据、类别大件损耗数据和违章违规记录数据以及运输风险系数通过第三方特种运输信息数据库中的预设特种运输风险评估模型的计算公式进行计算获得运营风险评价指数,该预设特种运输风险评估模型是第三方数据库中预设的计算模型,根据该模型的计算公式可获得相应评价指数,其中,大件运输风险补偿因子的计算公式为:
;
其中,为大件运输风险补偿因子,/>、/>、/>、/>分别为交管告警频次数、出险赔付额数据、类别大件损耗数据、报损索赔记录数据,/>为预设特征系数(特征系数通过特种运输信息数据库查询获得)。
根据本发明实施例,所述根据所述业务运营日志数据和运营状况记录数据结合所述业务良率风险系数分别通过预设运输企业经营质量评估模型和预设合规信用评估模型进行处理,分别获得经营质量评价指数和合规信用评价指数,具体为:
根据所述出险赔付额数据、运输盈亏数据与所述运行负债状况数据结合所述业务良率风险系数通过预设运输企业经营质量评估模型进行企业经营状况评价,获得经营质量评价指数;
根据所述违章违规记录数据、报损索赔记录数据和客户投诉频次数据通过预设合规信用评估模型进行处理,获得合规信用评价指数;
所述经营质量评价指数的计算公式为:
;
所述合规信用评价指数的计算公式为:
;
其中,为经营质量评价指数,/>为合规信用评价指数,/>、/>、/>、/>、、/>分别为出险赔付额数据、运输盈亏数据、违章违规记录数据、运行负债状况数据、报损索赔记录数据、客户投诉频次数据,/>为业务良率风险系数,/>、/>、/>为预设特征系数(特征系数通过特种运输信息数据库查询获得)。
其中,再根据得到的出险赔付额数据、运输盈亏数据以及运行负债状况数据结合业务良率风险系数通过第三方特种运输信息数据库中的预设运输企业经营质量评估模型的计算公式进行企业经营状况的计算,获得经营质量评价指数,以及根据违章违规记录数据、报损索赔记录数据和客户投诉频次数据通过数据库中的预设合规信用评估模型的公式进行计算处理,获得合规信用评价指数,通过模型计算处理获得该大件运输企业的经营质量和运营合规度信用情况的相关评价指数。
根据本发明实施例,所述根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库获取符合相似度要求的大件运输企业相似历史样本,并提取多组对应样本数据,再与所述大件运输企业的对应数据进行处理,获得行业安全信用测评系数,具体为:
根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库进行相似性对比,获取符合预设相似度要求的多个大件运输企业相似历史样本;
根据所述多个大件运输企业相似历史样本提取多组对应同时间段的样本出险赔付额数据、样本违章违规记录数据、样本报损索赔记录数据以及样本客户投诉频次数据;
根据提取的相似历史样本数据与所述大件运输企业的对应数据进行处理,获得所述大件运输企业的行业安全信用测评系数;
所述行业安全信用测评系数的计算公式为:
;
其中,为行业安全信用测评系数,/>、/>、/>、/>分别为第i个大件运输企业相似历史样本的样本出险赔付额数据、样本违章违规记录数据、样本报损索赔记录数据、样本客户投诉频次数据,/>、/>、/>、/>分别为出险赔付额数据、违章违规记录数据、报损索赔记录数据、客户投诉频次数据,n为大件运输企业相似历史样本的个数,/>为预设特征系数(特征系数通过特种运输信息数据库查询获得)。
其中,为获得对大件运输企业运营的安全信用状况的精准评估,根据数据库中包含的与该大件运输企业的相似企业的历史样本中的数据,与该大件运输企业相对应的运营数据进行处理,获得该企业与行业企业信用之间的对比测评结果,即反映该大件运输企业的安全信用状况与行业之间的测评度,根据大件运输企业的运营许可信息和业务规模信息通过特种运输信息数据库进行相似性对比,通过欧式距离相似度对比法进行对比获取符合预设相似度要求的多个大件运输企业相似历史样本,即与该企业相似的历史大件运输企业样本,再根据得到的多个大件运输企业相似历史样本提取多组对应同时间段的样本出险赔付额数据、样本违章违规记录数据、样本报损索赔记录数据以及样本客户投诉频次数据,再与该大件运输企业的对应数据进行计算处理,获得该大件运输企业的行业安全信用测评系数。
根据本发明实施例,所述根据所述行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行处理,获得大件运输信用风险评价指数,具体为:
根据所述大件运输企业的行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行综合计算处理,获得大件运输信用风险评价指数;
所述大件运输信用风险评价指数的计算公式为:
;
其中,为大件运输信用风险评价指数,/>为行业安全信用测评系数,/>为大件运输风险补偿因子,/>为运营风险评价指数,/>为经营质量评价指数,/>为合规信用评价指数,/>、/>、/>、/>、/>为预设特征系数(特征系数通过特种运输信息数据库查询获得)。
其中,最后,为综合评价该大件运输企业的信用风险情况,根据得到的行业安全信用测评系数结合大件运输风险补偿因子以及运营风险评价指数、经营质量评价指数和合规信用评价指数进行加权计算,获得大件运输信用风险评价指数,实现通过数据库的大数据对大件运输企业进行营运风险、经营质量和信用的评估获得信用风险评价结果的技术。
本发明第三方面提供了可读存储介质,所述可读存储介质中包括基于数据库处理的大件运输信用评价方法程序,所述基于数据库处理的大件运输信用评价方法程序被处理器执行时,实现如上述任一项所述的基于数据库处理的大件运输信用评价方法的步骤。
本发明公开的基于数据库处理的大件运输信用评价方法、系统和介质,通过大件运输企业的注册资质信息和业务规模信息查询获得运输风险预设数据,并数据库提取出业务运营日志数据和运营状况记录数据进行处理获得大件运输风险补偿因子,再结合运输风险预设数据通过预设模型处理获得运营风险评价指数、经营质量评价指数和合规信用评价指数,根据数据库获取大件运输企业相似历史样本并提取样本数据与对应数据处理获得行业安全信用测评系数,后结合大件运输风险补偿因子以及三个指数处理获得大件运输信用风险评价指数,最后与特种运输安全阈指数进行阈值对比判断大件运输企业的运输信用风险情况;从而通过数据库的大数据信息对大件运输企业进行营运风险、经营质量和信用的评估获得信用风险评价结果,实现对大件运输企业的运输信用情况的风险评估技术。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (3)
1.基于数据库处理的大件运输信用评价方法,其特征在于,包括以下步骤:
获取大件运输企业的注册资质信息和业务规模信息,根据注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询获得运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数;
通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据和运营状况记录数据;
根据所述业务运营日志数据和运营状况记录数据进行处理获得大件运输风险补偿因子,并结合所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数;
根据所述业务运营日志数据和运营状况记录数据结合所述业务良率风险系数分别通过预设运输企业经营质量评估模型和预设合规信用评估模型进行处理,分别获得经营质量评价指数和合规信用评价指数;
根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库获取符合相似度要求的大件运输企业相似历史样本,并提取多组对应样本数据,再与所述大件运输企业的对应数据进行处理,获得行业安全信用测评系数;
根据所述行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行处理,获得大件运输信用风险评价指数;
根据所述大件运输信用风险评价指数与所述特种运输安全阈指数进行阈值对比,判断所述大件运输企业的运输信用风险情况;
所述获取大件运输企业的注册资质信息和业务规模信息,根据注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询获得运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数,包括:
获取大件运输企业的注册资质信息和业务规模信息;
所述注册资质信息包括运营许可信息和授权权限信息;
所述运营许可信息包括运输类别信息、大件类别信息和承运环境许可信息;
所述授权权限信息包括交管响应授权等级和运输警示授权等级;
所述业务规模信息包括大件规格信息、周期承运业务量信息和运力规模信息;
根据所述注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询,获得所述大件运输企业的运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数;
所述通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据和运营状况记录数据,包括:
通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据以及运营状况记录数据;
所述业务运营日志数据包括交管告警频次数、出险赔付额数据、保价体量数据、类别大件损耗数据以及运输盈亏数据;
所述运营状况记录数据包括违章违规记录数据、运行负债状况数据、报损索赔记录数据以及客户投诉频次数据;
所述根据所述业务运营日志数据和运营状况记录数据进行处理获得大件运输风险补偿因子,并结合所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数,包括:
根据所述交管告警频次数、出险赔付额数据、类别大件损耗数据以及报损索赔记录数据进行处理获得大件运输风险补偿因子;
根据所述保价体量数据、类别大件损耗数据和违章违规记录数据结合所述大件运输风险补偿因子以及所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数;
所述运营风险评价指数的计算公式为:
;
其中,为运营风险评价指数,/>、/>、/>分别为保价体量数据、类别大件损耗数据、违章违规记录数据,/>为运输风险系数,/>为大件运输风险补偿因子,/>、/>、/>为预设特征系数;
所述根据所述业务运营日志数据和运营状况记录数据结合所述业务良率风险系数分别通过预设运输企业经营质量评估模型和预设合规信用评估模型进行处理,分别获得经营质量评价指数和合规信用评价指数,包括:
根据所述出险赔付额数据、运输盈亏数据与所述运行负债状况数据结合所述业务良率风险系数通过预设运输企业经营质量评估模型进行企业经营状况评价,获得经营质量评价指数;
根据所述违章违规记录数据、报损索赔记录数据和客户投诉频次数据通过预设合规信用评估模型进行处理,获得合规信用评价指数;
所述经营质量评价指数的计算公式为:
;
所述合规信用评价指数的计算公式为:
;
其中,为经营质量评价指数,/>为合规信用评价指数,/>、/>、/>、/>、/>、分别为出险赔付额数据、运输盈亏数据、违章违规记录数据、运行负债状况数据、报损索赔记录数据、客户投诉频次数据,/>为业务良率风险系数,/>、/>、/>为预设特征系数;
所述根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库获取符合相似度要求的大件运输企业相似历史样本,并提取多组对应样本数据,再与所述大件运输企业的对应数据进行处理,获得行业安全信用测评系数,包括:
根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库进行相似性对比,获取符合预设相似度要求的多个大件运输企业相似历史样本;
根据所述多个大件运输企业相似历史样本提取多组对应同时间段的样本出险赔付额数据、样本违章违规记录数据、样本报损索赔记录数据以及样本客户投诉频次数据;
根据提取的相似历史样本数据与所述大件运输企业的对应数据进行处理,获得所述大件运输企业的行业安全信用测评系数;
所述行业安全信用测评系数的计算公式为:
;
其中,为行业安全信用测评系数,/>、/>、/>、/>分别为第i个大件运输企业相似历史样本的样本出险赔付额数据、样本违章违规记录数据、样本报损索赔记录数据、样本客户投诉频次数据,/>、/>、/>、/>分别为出险赔付额数据、违章违规记录数据、报损索赔记录数据、客户投诉频次数据,n为大件运输企业相似历史样本的个数,/>为预设特征系数;
所述根据所述行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行处理,获得大件运输信用风险评价指数,包括:
根据所述大件运输企业的行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行综合计算处理,获得大件运输信用风险评价指数;
所述大件运输信用风险评价指数的计算公式为:
;
其中,为大件运输信用风险评价指数,/>为行业安全信用测评系数,/>为大件运输风险补偿因子,/>为运营风险评价指数,/>为经营质量评价指数,/>为合规信用评价指数,/>、/>、/>、/>、/>为预设特征系数。
2.基于数据库处理的大件运输信用评价系统,其特征在于,该系统包括:存储器及处理器,所述存储器中包括基于数据库处理的大件运输信用评价方法的程序,所述基于数据库处理的大件运输信用评价方法的程序被所述处理器执行时实现以下步骤:
获取大件运输企业的注册资质信息和业务规模信息,根据注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询获得运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数;
通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据和运营状况记录数据;
根据所述业务运营日志数据和运营状况记录数据进行处理获得大件运输风险补偿因子,并结合所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数;
根据所述业务运营日志数据和运营状况记录数据结合所述业务良率风险系数分别通过预设运输企业经营质量评估模型和预设合规信用评估模型进行处理,分别获得经营质量评价指数和合规信用评价指数;
根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库获取符合相似度要求的大件运输企业相似历史样本,并提取多组对应样本数据,再与所述大件运输企业的对应数据进行处理,获得行业安全信用测评系数;
根据所述行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行处理,获得大件运输信用风险评价指数;
根据所述大件运输信用风险评价指数与所述特种运输安全阈指数进行阈值对比,判断所述大件运输企业的运输信用风险情况;
所述获取大件运输企业的注册资质信息和业务规模信息,根据注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询获得运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数,包括:
获取大件运输企业的注册资质信息和业务规模信息;
所述注册资质信息包括运营许可信息和授权权限信息;
所述运营许可信息包括运输类别信息、大件类别信息和承运环境许可信息;
所述授权权限信息包括交管响应授权等级和运输警示授权等级;
所述业务规模信息包括大件规格信息、周期承运业务量信息和运力规模信息;
根据所述注册资质信息和业务规模信息通过预设特种运输信息数据库进行查询,获得所述大件运输企业的运输风险预设数据,包括业务良率风险系数、运输风险系数和特种运输安全阈指数;
所述通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据和运营状况记录数据,包括:
通过所述特种运输信息数据库提取所述大件运输企业在预设时间段内的业务运营日志数据以及运营状况记录数据;
所述业务运营日志数据包括交管告警频次数、出险赔付额数据、保价体量数据、类别大件损耗数据以及运输盈亏数据;
所述运营状况记录数据包括违章违规记录数据、运行负债状况数据、报损索赔记录数据以及客户投诉频次数据;
所述根据所述业务运营日志数据和运营状况记录数据进行处理获得大件运输风险补偿因子,并结合所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数,包括:
根据所述交管告警频次数、出险赔付额数据、类别大件损耗数据以及报损索赔记录数据进行处理获得大件运输风险补偿因子;
根据所述保价体量数据、类别大件损耗数据和违章违规记录数据结合所述大件运输风险补偿因子以及所述运输风险系数通过预设特种运输风险评估模型进行处理获得运营风险评价指数;
所述运营风险评价指数的计算公式为:
;
其中,为运营风险评价指数,/>、/>、/>分别为保价体量数据、类别大件损耗数据、违章违规记录数据,/>为运输风险系数,/>为大件运输风险补偿因子,/>、/>、/>为预设特征系数;
所述根据所述业务运营日志数据和运营状况记录数据结合所述业务良率风险系数分别通过预设运输企业经营质量评估模型和预设合规信用评估模型进行处理,分别获得经营质量评价指数和合规信用评价指数,包括:
根据所述出险赔付额数据、运输盈亏数据与所述运行负债状况数据结合所述业务良率风险系数通过预设运输企业经营质量评估模型进行企业经营状况评价,获得经营质量评价指数;
根据所述违章违规记录数据、报损索赔记录数据和客户投诉频次数据通过预设合规信用评估模型进行处理,获得合规信用评价指数;
所述经营质量评价指数的计算公式为:
;
所述合规信用评价指数的计算公式为:
;
其中,为经营质量评价指数,/>为合规信用评价指数,/>、/>、/>、/>、/>、分别为出险赔付额数据、运输盈亏数据、违章违规记录数据、运行负债状况数据、报损索赔记录数据、客户投诉频次数据,/>为业务良率风险系数,/>、/>、/>为预设特征系数;
所述根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库获取符合相似度要求的大件运输企业相似历史样本,并提取多组对应样本数据,再与所述大件运输企业的对应数据进行处理,获得行业安全信用测评系数,包括:
根据所述大件运输企业的运营许可信息和业务规模信息通过所述特种运输信息数据库进行相似性对比,获取符合预设相似度要求的多个大件运输企业相似历史样本;
根据所述多个大件运输企业相似历史样本提取多组对应同时间段的样本出险赔付额数据、样本违章违规记录数据、样本报损索赔记录数据以及样本客户投诉频次数据;
根据提取的相似历史样本数据与所述大件运输企业的对应数据进行处理,获得所述大件运输企业的行业安全信用测评系数;
所述行业安全信用测评系数的计算公式为:
;
其中,为行业安全信用测评系数,/>、/>、/>、/>分别为第i个大件运输企业相似历史样本的样本出险赔付额数据、样本违章违规记录数据、样本报损索赔记录数据、样本客户投诉频次数据,/>、/>、/>、/>分别为出险赔付额数据、违章违规记录数据、报损索赔记录数据、客户投诉频次数据,n为大件运输企业相似历史样本的个数,/>为预设特征系数;
所述根据所述行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行处理,获得大件运输信用风险评价指数,包括:
根据所述大件运输企业的行业安全信用测评系数结合所述大件运输风险补偿因子以及所述运营风险评价指数、经营质量评价指数和合规信用评价指数进行综合计算处理,获得大件运输信用风险评价指数;
所述大件运输信用风险评价指数的计算公式为:
;
其中,为大件运输信用风险评价指数,/>为行业安全信用测评系数,/>为大件运输风险补偿因子,/>为运营风险评价指数,/>为经营质量评价指数,/>为合规信用评价指数,/>、/>、/>、/>、/>为预设特征系数。
3.计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括基于数据库处理的大件运输信用评价方法程序,所述基于数据库处理的大件运输信用评价方法程序被处理器执行时,实现如权利要求1所述的基于数据库处理的大件运输信用评价方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410073222.XA CN117610941B (zh) | 2024-01-18 | 2024-01-18 | 基于数据库处理的大件运输信用评价方法、系统和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410073222.XA CN117610941B (zh) | 2024-01-18 | 2024-01-18 | 基于数据库处理的大件运输信用评价方法、系统和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117610941A CN117610941A (zh) | 2024-02-27 |
CN117610941B true CN117610941B (zh) | 2024-04-26 |
Family
ID=89951894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410073222.XA Active CN117610941B (zh) | 2024-01-18 | 2024-01-18 | 基于数据库处理的大件运输信用评价方法、系统和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117610941B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003150766A (ja) * | 2001-11-19 | 2003-05-23 | Shinkin Central Bank | 信用格付方法、記録媒体、信用格付装置及びプログラム |
CN111507631A (zh) * | 2020-04-21 | 2020-08-07 | 苏州英瀚时信息科技有限公司 | 一种企业环境风险计算及信用评价的方法和系统 |
CN112734559A (zh) * | 2020-12-30 | 2021-04-30 | 北京知因智慧科技有限公司 | 企业信用风险评价方法、装置及电子设备 |
CN114493895A (zh) * | 2021-12-30 | 2022-05-13 | 武汉东湖大数据交易中心股份有限公司 | 一种车辆的保险赔付率定价方法、系统、设备及存储介质 |
CN115587653A (zh) * | 2022-10-13 | 2023-01-10 | 山东大学 | 基于危化品风险画像的运输企业风险预测方法及系统 |
CN116934131A (zh) * | 2022-12-16 | 2023-10-24 | 中移物联网有限公司 | 一种企业经营状况评估方法、装置及设备 |
CN117035416A (zh) * | 2023-08-10 | 2023-11-10 | 中国平安财产保险股份有限公司 | 企业风险评估方法、企业风险评估装置、设备及存储介质 |
CN117081851A (zh) * | 2023-10-10 | 2023-11-17 | 网思科技股份有限公司 | 网络安全态势感知信息的显示方法、系统和介质 |
-
2024
- 2024-01-18 CN CN202410073222.XA patent/CN117610941B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003150766A (ja) * | 2001-11-19 | 2003-05-23 | Shinkin Central Bank | 信用格付方法、記録媒体、信用格付装置及びプログラム |
CN111507631A (zh) * | 2020-04-21 | 2020-08-07 | 苏州英瀚时信息科技有限公司 | 一种企业环境风险计算及信用评价的方法和系统 |
CN112734559A (zh) * | 2020-12-30 | 2021-04-30 | 北京知因智慧科技有限公司 | 企业信用风险评价方法、装置及电子设备 |
CN114493895A (zh) * | 2021-12-30 | 2022-05-13 | 武汉东湖大数据交易中心股份有限公司 | 一种车辆的保险赔付率定价方法、系统、设备及存储介质 |
CN115587653A (zh) * | 2022-10-13 | 2023-01-10 | 山东大学 | 基于危化品风险画像的运输企业风险预测方法及系统 |
CN116934131A (zh) * | 2022-12-16 | 2023-10-24 | 中移物联网有限公司 | 一种企业经营状况评估方法、装置及设备 |
CN117035416A (zh) * | 2023-08-10 | 2023-11-10 | 中国平安财产保险股份有限公司 | 企业风险评估方法、企业风险评估装置、设备及存储介质 |
CN117081851A (zh) * | 2023-10-10 | 2023-11-17 | 网思科技股份有限公司 | 网络安全态势感知信息的显示方法、系统和介质 |
Non-Patent Citations (1)
Title |
---|
企业信用评估模型比较研究;吴惺惺;;巢湖学院学报;20090125(第01期);第39-45页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117610941A (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101236638A (zh) | 一种基于Web的银行卡风险监测方法及系统 | |
CN110349039B (zh) | 投诉风险评估方法、系统、计算机设备及可读存储介质 | |
CN111553563A (zh) | 企业欺诈风险的确定方法及装置 | |
CN112862338A (zh) | 一种企业信用报告获取方法及相关设备 | |
CN108304990B (zh) | 一种停电敏感预判方法和系统 | |
CN112053079A (zh) | 一种电力监控系统供应链安全监测预警系统及方法 | |
Hoti et al. | Measuring risk in environmental finance | |
CN117649131B (zh) | 一种基于ai的能源系统资源适配方法、系统和介质 | |
CN117610941B (zh) | 基于数据库处理的大件运输信用评价方法、系统和介质 | |
CN116862661B (zh) | 基于消费金融场景的数字信用审批与风险监测系统 | |
CN115797020B (zh) | 基于图数据库的数据处理的零售推荐方法、系统和介质 | |
KR101909138B1 (ko) | 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템 | |
CN116934131A (zh) | 一种企业经营状况评估方法、装置及设备 | |
Gao et al. | On the spillover effect of China's outward FDI in Germany | |
CN110738570A (zh) | 基于多通道异质数据的信息型操纵自动识别方法 | |
Wang | Import and export trade forecasting algorithm based on blockchain security and PSO optimized hybrid RVM model | |
CN115907994A (zh) | 数据对象交易预警方法、装置及系统 | |
CN107358031B (zh) | 一种客户健康度确定方法和装置 | |
CN117853218A (zh) | 业务处理方法、装置、设备及存储介质 | |
CN117874791A (zh) | 信息查询的风险评估方法及装置、电子设备 | |
CN116757629A (zh) | 一种业务数据审核方法、装置、设备及介质 | |
CN118071183A (zh) | 服务策略生成方法及装置、电子设备和计算机可读存储介质 | |
CN118133167A (zh) | 账号分类模型的训练方法、装置及电子设备 | |
CN116245634A (zh) | 应用于零售企业的风险评估方法、装置、设备及存储介质 | |
CN116739744A (zh) | 一种应收账款确权中企业信用评级系统 |
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 |