[發(fā)明專利]交通運(yùn)輸單位信用評(píng)級(jí)方法、系統(tǒng)、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011307960.4
• 申請日: 2020-11-20
• 公開（公告）號(hào): CN112418987B
• 公開（公告）日: 2022-04-29
• 發(fā)明（設(shè)計(jì)）人: 文琰杰;許旺土;李傳明;黃永燊;丁昌星
• 申請（專利權(quán)）人: 廈門大學(xué)
• 主分類號(hào): G06Q30/06
• 分類號(hào): G06Q30/06;G06Q50/30;G06K9/62
• 代理公司: 北京華創(chuàng)智道知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11888
• 代理人: 彭隨麗

本發(fā)明提供一種交通運(yùn)輸單位信用評(píng)級(jí)方法、系統(tǒng)、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中方法包括：提取交通運(yùn)輸單位的交通信用評(píng)級(jí)的特征數(shù)據(jù)集；對所述特征數(shù)據(jù)集進(jìn)行聚類處理，選取最佳簇?cái)?shù)，建立評(píng)級(jí)模型；將所述特征數(shù)據(jù)集輸入所述評(píng)級(jí)模型，對交通運(yùn)輸單位進(jìn)行無標(biāo)簽數(shù)據(jù)評(píng)級(jí)。根據(jù)本發(fā)明的方案，采用無監(jiān)督學(xué)習(xí)模式(即采用無標(biāo)簽數(shù)據(jù))為交通運(yùn)輸單位的信用進(jìn)行評(píng)級(jí)，采用無標(biāo)簽數(shù)據(jù)評(píng)級(jí)的方法不需要大量的數(shù)據(jù)支撐，不需要參考?xì)v史經(jīng)驗(yàn)數(shù)據(jù)，獲取數(shù)據(jù)的成本小，而且不再需要考慮例如傳統(tǒng)的有監(jiān)督學(xué)習(xí)中的標(biāo)簽數(shù)據(jù)的準(zhǔn)確性。且與同類傳統(tǒng)聚類方案相比，精度更高、魯棒性更強(qiáng)、收斂更快，能夠?yàn)榻煌ㄟ\(yùn)輸企業(yè)信用評(píng)級(jí)提供決策支持。

技術(shù)領(lǐng)域

本發(fā)明涉及交通運(yùn)輸技術(shù)領(lǐng)域，尤其涉及一種交通運(yùn)輸單位信用評(píng)級(jí)方法、系統(tǒng)、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

交通信用體系的建設(shè)是近年來交通管理部門的重點(diǎn)工作之一，交通運(yùn)輸企業(yè)交通信用評(píng)估對規(guī)范企業(yè)信用信息，營造城市信用市場促進(jìn)自律具備極其重要的意義。

企業(yè)信用評(píng)級(jí)模型的發(fā)展引起了學(xué)術(shù)界和商業(yè)界的廣泛研究興趣。國外對于企業(yè)信用的評(píng)級(jí)研究較早，評(píng)級(jí)方法可以分為傳統(tǒng)方法與基于人工智能的評(píng)級(jí)方法。傳統(tǒng)方法中主要有：因子分析法、經(jīng)驗(yàn)判別法、多元判別分析預(yù)測；人工智能評(píng)級(jí)中主要有：支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)、歸納學(xué)習(xí)等。上述方法均是建立在數(shù)據(jù)具備標(biāo)簽前提下的有監(jiān)督學(xué)習(xí)，需要大量的數(shù)據(jù)支撐，獲取數(shù)據(jù)的成本較高，標(biāo)簽的準(zhǔn)確性不能保證。不僅如此，傳統(tǒng)的評(píng)級(jí)方法和模型，聚類損失嚴(yán)重、收斂慢、魯棒性差，因?yàn)椴荒軠?zhǔn)確有效地維持特征數(shù)據(jù)的特征特性，因此不能準(zhǔn)確穩(wěn)定的為交通運(yùn)輸單位交通信用考評(píng)提供決策支持。

發(fā)明內(nèi)容

本發(fā)明的目的在于解決背景技術(shù)中的至少一個(gè)技術(shù)問題，提供一種交通運(yùn)輸單位信用評(píng)級(jí)方法、系統(tǒng)、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種交通運(yùn)輸單位信用評(píng)級(jí)方法，包括：

提取交通運(yùn)輸單位的交通信用評(píng)級(jí)的特征數(shù)據(jù)集；

對所述特征數(shù)據(jù)集進(jìn)行聚類處理，選取最佳簇?cái)?shù)，建立評(píng)級(jí)模型；

將所述特征數(shù)據(jù)集輸入所述評(píng)級(jí)模型，對交通運(yùn)輸單位進(jìn)行無標(biāo)簽數(shù)據(jù)評(píng)級(jí)。

根據(jù)本發(fā)明的一個(gè)方面，還包括：在建立評(píng)級(jí)模型后，以所述特征數(shù)據(jù)集的馬氏距離作為優(yōu)化目標(biāo)，優(yōu)化所述評(píng)級(jí)模型，其中馬氏距離公式為：

其中x_i為第i條數(shù)據(jù)，m_j為數(shù)據(jù)i屬于對應(yīng)簇j的質(zhì)心，∑^-1為協(xié)方差的逆。

根據(jù)本發(fā)明的一個(gè)方面，所述特征數(shù)據(jù)集包括：行政處罰Z₁；受到一般行政處罰x₄；受到嚴(yán)重行政處罰x₅；信譽(yù)考評(píng)Z₂；信譽(yù)考評(píng)獲得AAA級(jí)x₁；信譽(yù)考評(píng)獲得AA級(jí)x₂；信譽(yù)考評(píng)獲得B級(jí)x₃。

根據(jù)本發(fā)明的一個(gè)方面，基于因子分析法獲取所述特征數(shù)據(jù)集，其中因子分析法包括：

獲取交通信用評(píng)級(jí)的特征數(shù)據(jù)集；

構(gòu)造矩陣公式：X＝AZ+ε，其中矩陣A為n*m荷載矩陣，向量Z為m維公共因子，ε為n維誤差向量，X為n維觀測向量，Z為數(shù)據(jù)集X篩選后的特征數(shù)據(jù)集；；

根據(jù)式Cov(X)＝AA^T+Cov(ε)可以求出載荷矩陣A，其中Cov(*)代表變量的協(xié)方差；

求出公共因子Z，Z＝A^TCov(X)^-1X；

要求KMO值大于0.5，Bartlett檢驗(yàn)sig值小于0.05，則說明數(shù)據(jù)集可以進(jìn)行因子分析，否則需要重新修改數(shù)據(jù)集。