[发明专利]一种基于轨迹分析的车贷风控方法

权利要求书

1.一种基于轨迹分析的车贷风控方法，其特征在于：该方法通过与车辆之前的行驶轨迹及车辆的日常行驶行为进行对比，检测该车辆是否是异常行驶，包括以下步骤：

S1、生成异常轨迹检测模型，过程如下；

S11、获取待检测用户的正常行驶轨迹：从车主甲行驶轨迹中选取所有标签为正常的行驶轨迹，形成车主甲的正常轨迹集；

S12、对原始数据进行特征提取：将由经纬度按天组成的日常轨迹根据停留点划分为子轨迹，并计算子轨迹之间的Hausdorff距离，提取特征；

S13、特征选择：对S12中提取的特征进行特征选择；

S14、使用One Class SVM分类器进行训练：将S11中正常轨迹作为正样本数据集，用于学习边界，并以此进行分类；

S2、生成异常行为检测模型，过程如下：

S21、获取用户历史轨迹中频繁访问的地点：根据车主甲的运行轨迹进行分析，确定停留点，并将高度频繁出现的停留点确定为参考地点；

S22、获取用户频繁访问的地点构建每天活动模型：将1天的活动建模为地点偏好矩阵OA，其中的每一行表示提取的参考地点，并且其每一列表示一天的离散时间跨度；

S23、使用每天活动聚类算法：使用余弦相似度度量S22中地点偏好矩阵间的相似度，然后使用DBSCAN聚类算法对矩阵进行聚类，观察分簇情况；

S24、使用余弦相似度匹配，检测异常行为：将S22中的地点偏好矩阵与分簇后各个类簇的中心进行余弦相似度相比较，用于检测异常行为；

S3、基于层次分析法的风险打分，过程如下：

S31、使用层次分析法AHP对车贷风险分析，建立判断矩阵；

S32、打分和评估车贷风控：通过S31建立的判断矩阵，用于对车贷风险控制进行打分，所打出的分数量化的用于评估车贷风险的高低。

2.如权利要求1所述的一种基于轨迹分析的车贷风控方法，其特征在于：所述S31中，使用层次分析法AHP对车贷风险分析的步骤如下：

(311)分析问题，确定车贷风控的七种异常行为，分别为：车辆长时间静止不动,常用地址与实际不符,危险地点停留超时,GPS离线时间超长,行驶轨迹异常，行驶行为异常和驶出区域围栏；

(312)车贷风控的七种要素两两比较，并根据评定尺度确定其相对重要程度，最后根据相对重要程度建立判断矩阵；

(313)根据判断矩阵分别求七种要素各自的权重值并进行一致性检验，根据判断矩阵，求出其最大特征值及其所对应的特征向量，归一化后，分别求七种要素各自的权重值。