[发明专利]基于逻辑回归评分卡的营运企业风险评估方法及系统

权利要求书

1.一种基于逻辑回归评分卡的营运企业风险评估方法，其特征在于，包括以下步骤：

获取营运企业的多维度数据，构建企业用户画像；

通过无监督学习对所构建的企业用户画像进行营运企业信用等级的评定；

基于逻辑回归模型和所评定的营运企业信用等级构建评分卡，实现营运企业的风险评估。

2.如权利要求1中所述的基于逻辑回归评分卡的营运企业风险评估方法，其特征在于，所述营运企业的多维度数据包括驾驶员行为标签、车辆轨迹信息标签、危险货物标签和企业经营标签。

3.如权利要求2中所述的基于逻辑回归评分卡的营运企业风险评估方法，其特征在于，所述驾驶员行为标签包括注意力分散、超速、疲劳和不良驾驶；所述车辆轨迹信息标签包括车辆离线、车辆的行驶里程、测量的前碰撞以及车辆与行人的碰撞。

4.如权利要求2中所述的基于逻辑回归评分卡的营运企业风险评估方法，其特征在于，所述危险货物标签包括月运单数和危险货物的种类；所述企业运营标签包括企业资质、企业涉及案件、企业的行政处罚、企业的历史风险和企业的预警提醒。

5.如权利要求1中所述的基于逻辑回归评分卡的营运企业风险评估方法，其特征在于，采用K-means++聚类算法评定营运企业信用等级。

6.如权利要求5中所述的基于逻辑回归评分卡的营运企业风险评估方法，其特征在于，所述聚类的具体过程为：

(1)从所获取的营运企业的多维度数据中随机选择一个数据样本作为第一个聚类中心；

(2)计算所获取的营运企业的多维度数据中每个点与预设聚类中心之间的距离，以及所获取的营运企业的多维度数据中的该数据点被选为新的聚类中心的概率，根据轮盘法选出新的聚类中心；

(3)重复步骤(2)，直到所获取的营运企业的多维度数据中的k个初始聚类中心均被确定；

(4)提取所获取的营运企业的多维度数据中的剩余数据样本，并分别计算每个数据样本与k个初始聚类中心的距离，对所得到的距离进行距离最小的聚类中心簇的划分；

(5)计算每个簇的聚类中心；

(6)重复步骤(2)和步骤(3)，直到类内误差平方和达到最小，聚类中心不再改变，算法收敛；

(7)输出K-means++算法聚类结果，得到营运企业信用等级的评定结果。

7.如权利要求6中所述的基于逻辑回归评分卡的营运企业风险评估方法，其特征在于，利用逻辑回归模型构建评分卡，通过概率与分数之间的转换把概率转换成分数，得到各营运企业信用等级的总评价得分以及分组评价得分，完成营运企业的风险评估。

8.一种基于逻辑回归评分卡的营运企业风险评估系统，其特征在于，包括：

构建模块，被配置为获取营运企业的多维度数据，构建企业用户画像；

评定模块，被配置为通过无监督学习对所构建的企业用户画像进行营运企业信用等级的评定；

评估模块，被配置为基于逻辑回归模型和所评定的营运企业信用等级构建评分卡，实现营运企业的风险评估。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于逻辑回归评分卡的营运企业风险评估方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于逻辑回归评分卡的营运企业风险评估方法中的步骤。