[发明专利]一种基于时空数据挖掘的网约车客户征信方法

权利要求书

1.一种基于时空数据挖掘的网约车客户征信方法，其特征在于，包括：

提取网约车客户的个人信息和历史订单信息；

进行数据预处理，并对客户进行信用历史分析、履行能力评估、身份特质刻画、偏好模式分析以及人脉关系图谱确定；

对客户进行信用评级；

所述进行数据预处理具体包括：统计分析客户交易成功订单数、预约后取消订单数以及违约订单数，计算得到三种订单数的比重W1、W2和W3；

所述进行数据预处理具体还包括：提取客户交易成功的订单，获取司机等待时间和开始乘坐网约车的时间；

提取客户交易成功的订单之后还包括：获取客户预约路线的起始位置信息和终点位置信息，对所述起始位置信息和终点位置信息进行拟合，得到客户m个频繁出发点和n个频繁到达点，并分别提取所述m个频繁出发点和n个频繁到达点的地点名称信息和空间属性情况；

根据所述司机等待时间进行正态分布拟合，得到拟合曲线峰值C0，并判断所述C0是否大于预设值，若是，则将其信用权重设为V1，若否，则将其信用权重设为V2；

对客户进行信用历史分析具体为：分析并确定比重W1、W2和W3对应的权重，分别记为V3、V4和V5；

对客户进行履行能力评估具体为：根据所述m个频繁出发点和n个频繁到达点的地点名称信息和空间属性情况，得到客户的主要居住地和工作地，并根据所述主要居住地和工作地评估客户的经济实力；

对客户进行身份特质刻画具体为：根据所述主要居住地和工作地，并结合其他出发点和到达点确定客户的身份特质；

对客户进行偏好模式分析具体为：对客户的所述开始乘坐网约车的时间进行聚类，得到客户出行时间偏好，提取客户出行频繁的一个以上的历史时间段，根据当次约车时间得到与所述历史时间段的匹配度M1。

2.根据权利要求1所述的基于时空数据挖掘的网约车客户征信方法，其特征在于，对所述开始乘坐网约车时间进行处理，得到客户出行时间。

3.根据权利要求1所述的基于时空数据挖掘的网约车客户征信方法，其特征在于，当多个客户同时约车时，若其他条件相当，则优先将网约车匹配给M1值较大的客户。

4.根据权利要求3所述的基于时空数据挖掘的网约车客户征信方法，其特征在于，对客户进行人脉关系图谱确定具体为：根据历史订单信息，将交易成功订单数达到预设值的客户设为VIP客户，当有两个以上客户在相同时间段内到达相同地点，则判定所述两个以上客户为有关联的客户，计算得到客户的有关联VIP客户的匹配度M2。

5.根据权利要求4所述的基于时空数据挖掘的网约车客户征信方法，其特征在于，当多个客户同时约车时，若其他条件相当，则优先将网约车匹配给M2值较大的客户。

6.根据权利要求4或5所述的基于时空数据挖掘的网约车客户征信方法，其特征在于，对客户进行信用评级的具体方法是：信用S＝V1+W1*V3+W2*V4+W3*V5+M1+M2或信用S＝V2+W1*V3+W2*V4+W3*V5+M1+M2。

7.根据权利要求6所述的基于时空数据挖掘的网约车客户征信方法，其特征在于，当多个客户同时约车时，优先将网约车匹配给S值较高的客户。