一种基于网络货运平台的司机行为评估方法及系统技术方案

本发明专利技术涉及一种基于网络货运平台的司机行为评估方法及系统，包括对货运司机历史行为数据集进行预处理并划分等级；利用主元分析法对历史行为数据集进行降维和投影；生成具有可信度区域的二维可视化图；建立司机行为评估模型；利用司机行为评估模型确定待评估司机各运输单对应的的实时行为数据所处等级。本发明专利技术还提供了一种基于网络货运平台的司机行为评估系统，包括：数据预处理模块、主元分析模块、二维可视化图模块、司机行为评估模型建立模块、司机行为等级确定模块、司机行为指导模块、司机行为稳定性判断模块。本发明专利技术将网络货运平台上司机的行为数据引入司机行为评估和指导上，综合多维度评估并指导货运司机行为,提高货运司机的信用。司机的信用。司机的信用。

【技术实现步骤摘要】
一种基于网络货运平台的司机行为评估方法及系统


[0001]本专利技术涉及物流
，尤其是指一种基于网络货运平台的司机行为评估方法及系统。

技术介绍

[0002]2019年9月6日，交通运输部、国家税务总局发布了《网络平台道路货物运输经营管理暂行办法》，将2016年提出的“无车承运人”更名为“网络平台道路货物运输者”，由此物流领域的科技公司可通过网络货运平台合理调度车辆和货运司机，降低车辆空载率，提高物流运输的效益。近两年来，网络货运平台不仅减少了资源和时间的浪费，还降低了货主的运输费用，提高了货运司机的收入。尽管如此，网络货运平台在对司机的评估和管理上还存在一定的局限性：现有物流平台通常仅仅根据货主对运输单的评价反馈来评估货运司机行为并给出相应的评分，不能从综合多维度信息来评估和指导货运司机的行为，导致货运司机的信用和服务能力参差不齐，货主的实际用户体验遭到破坏。因此如何合理的评估和指导货运司机的行为成为当前的热门话题。
[0003]综上所述，现有的网络货运平台在对货运司机的评估和管理上存在不能从综合多维度信息来评估和指导货运司机行为规范的问题。

技术实现思路

[0004]为此，本专利技术所要解决的技术问题在于克服现有技术中存在的不能从综合多维度信息来评估和指导货运司机的行为规范，导致货运司机的信用和服务能力参差不齐，货主的实际用户体验遭到破坏的问题。
[0005]为解决上述技术问题，本专利技术提供了一种基于网络货运平台的司机行为评估方法，包括以下步骤:
[0006]获取网络货运平台上货运司机的历史行为数据集,对所述历史行为数据集进行预处理并将预处理后的历史行为数据集划分为不同等级；
[0007]利用主元分析法对所述划分等级后的历史行为数据集进行降维并投影到二维坐标系得到二维可视化图；
[0008]根据可信度区域方程生成具有可信度区域的二维可视化图；
[0009]在所述具有可信度区域的二维可视化图中标识不同等级，得到标识等级后的二维可视化图，并建立表征货运司机行为与不同等级映射关系的司机行为评估模型；
[0010]获取待评估司机各运输单对应的实时行为数据并进行预处理和主元分析，将预处理和主元分析后的待评估司机各运输单对应的实时行为数据利用司机行为评估模型投影到标识等级的二维可视化图中，确定所述待评估司机各运输单对应的实时行为数据所处等级。
[0011]优选地，所述历史行为数据集包括包括多组历史行为数据样本，每组历史行为数据样本包括但不限于货运司机的资金流转数据、运输位置数据、运输货物数据、运输时间数
据、交通违规数据中的一种或几种；所述预处理包括但不限于重复观测处理、缺失值删除、缺失值替换、缺失值插补、异常值检测、异常值删除、异常值替换、数据特征组合中的一种或几种。
[0012]优选地，对所述历史行为数据集进行数据特征组合处理为利用统计指标对历史行为数据集进行特征组合和筛选，所述统计指标包括但不限于单月运输次数、平均运输时长、平均运输距离、货物种类情况、资金平均运转情况中的一种或几种。
[0013]优选地，所述将预处理后的历史行为数据集划分为不同等级包括：
[0014]根据预处理后的历史行为数据集内每组历史行为数据样本，计算其对应的货运司机的运输效率、运输质量、运输成本；
[0015]根据货运司机运输效率、运输质量、运输成本分别对应的预设权重，对所述货运司机的运输效率、运输质量、运输成本进行加权求和，确定所述预处理后的历史行为数据集内每组历史行为数据样本的总评分；
[0016]将所述历史行为数据集内每组历史行为数据样本的总评分进行排序，根据排序结果对所述预处理后的历史行为数据集进行等级划分。
[0017]优选地，所述利用主元分析法对划分等级后的历史行为数据集进行降维并投影到二维坐标系得到二维可视化图的具体步骤为：
[0018]设定预处理后的历史行为数据集为X，根据所述预处理后的历史行为数据集X计算协方差矩阵
[0019]用特征值分解方法求的特征值与特征向量；
[0020]将所得特征值按降序排列，选择其中最大的2个特征值,分别为λ1和λ2，并将其对应的2个特征向量分别作为行向量组成特征向量矩阵P；
[0021]计算历史行为数据集在二维坐标系内的坐标Y＝PX,构建二维可视化图。
[0022]优选地，所述根据可信度区域方程生成具有可信度区域的二维可视化图包括:
[0023]计算可信度区域方程，其计算公式为：
[0024][0025]其中λ1和λ2分别为主元分析后选取的第一特征值和第二特征值，θ为可信度水平，x为二维可视化图中历史行为数据点的横坐标，y为二维可视化图中历史行为数据点的纵坐标；
[0026]删除可信度区域外的历史行为数据点。
[0027]优选地，所述获取待评估司机各运输单对应的实时行为数据并进行预处理和主元分析，将预处理和主元分析后的待评估司机各运输单对应的实时行为数据利用司机行为评估模型投影到二维可视化图中，确定待评估司机各运输单对应的实时行为数据所处等级后还包括：
[0028]根据待评估司机各运输单耗费的时间，得到待评估司机各运输单对应的实时行为数据点随时间变化的运动轨迹图；
[0029]在运动轨迹图中计算待评估司机各运输单对应的实时行为数据点与最高等级行
为点的距离指标，根据待评估司机各运输单对应的实时行为数据点与最高等级行为模式点的距离指标与预设距离阈值的大小关系指导待评估司机行为；
[0030]计算待评估司机各运输单对应的实时行为数据点的等级变化速率，根据待评估司机各运输单对应的实时行为数据点的等级变化速率与预设稳定阈值的大小关系判断待评估司机行为稳定性。
[0031]优选地，所述待评估司机各运输单对应的实时行为数据点与最高等级行为点之间距离指标d的计算公式为：
[0032][0033]其中，x
i
为运动轨迹图中待评估司机各运输单对应的实时行为数据点的横坐标，y
i
为运动轨迹图中待评估司机各运输单对应实时行为数据点的纵坐标，x
m
为运动轨迹图中最高等级行为点的横坐标，y
m
为运动轨迹图中最高等级行为点的纵坐标。
[0034]优选地，所述待评估司机各运输单对应的实时行为数据点的等级变化速率v，其计算公式为：
[0035][0036]其中，T为待评估司机n个运输单所用总时间，
[0037]待评估司机n个运输单对应的实时行为数据点依次表示为：
[0038](x1,y1),(x2,y2),...,(x
n
,y
n
)
[0039]待评估司机第n个运输单对应的实时行为数据点变化的距离为D
n
，其计算公式为：
[0040][0041]待评估司机n个运输单对应的实时行为数据点变化的距离总和为：
[0042]D1+D2+...+本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于网络货运平台的司机行为评估方法，其特征在于，包括：获取网络货运平台上货运司机的历史行为数据集,对所述历史行为数据集进行预处理并将预处理后的历史行为数据集划分为不同等级；利用主元分析法对划分等级后的历史行为数据集进行降维并投影到二维坐标系得到二维可视化图；根据可信度区域方程生成具有可信度区域的二维可视化图；在所述具有可信度区域的二维可视化图中标识不同等级，得到标识等级后的二维可视化图，并建立表征货运司机行为与不同等级映射关系的司机行为评估模型；获取待评估司机的各运输单对应的实时行为数据并进行预处理和主元分析，将预处理及主元分析后待评估司机的各运输单对应的实时行为数据利用司机行为评估模型投影到标识等级的二维可视化图中，确定所述待评估司机各运输单对应的实时行为数据所处等级。2.根据权利要求1所述的基于网络货运平台的司机行为评估方法，其特征在于，所述历史行为数据集包括多组历史行为数据样本，每组历史行为数据样本包括但不限于货运司机的资金流转数据、运输位置数据、运输货物数据、运输时间数据、交通违规数据中的一种或几种；所述预处理包括但不限于重复观测处理、缺失值删除、缺失值替换、缺失值插补、异常值检测、异常值删除、异常值替换、数据特征组合中的一种或几种。3.根据权利要求2所述的基于网络货运平台的司机行为评估方法，其特征在于，对所述历史数据集进行数据特征组合处理包括：利用统计指标对所述历史行为数据集进行特征组合和筛选，所述统计指标包括但不限于单月运输次数、平均运输时长、平均运输距离、货物种类情况、资金平均运转情况中的一种或几种。4.根据权利要求1所述的基于网络货运平台的司机行为评估方法，其特征在于，所述将预处理后的历史行为数据集划分为不同等级包括：根据预处理后的历史行为数据集内每组历史行为数据样本，计算其对应的货运司机的运输效率、运输质量、运输成本；根据货运司机运输效率、运输质量、运输成本分别对应的预设权重，对所述货运司机的运输效率、运输质量、运输成本进行加权求和，确定所述预处理后的历史行为数据集内每组历史行为数据样本的总评分；将所述预处理后的历史行为数据集内每组历史行为数据样本的总评分进行排序，根据排序结果对所述预处理后的历史行为数据集进行等级划分。5.根据权利要求1所述的基于网络货运平台的司机行为评估方法，其特征在于，所述利用主元分析法对划分等级后的历史行为数据集进行降维并投影到二维坐标系得到二维可视化图的具体步骤为：设定预处理后的历史行为数据集为X，根据所述预处理后的历史行为数据集X计算协方差矩阵
用特征值分解方法求的特征值与特征向量；将所得特征值按降序排列，选择其中最大的2个特征值，分别为λ1和λ2，并将其对应的2个特征向量分别作为行向量组成特征向量矩阵P；计算历史行为数据集在二维坐标系内的坐标Y＝PX,构建二维可视化图。6.根据权利要求5所述的基于网络货运平台的司机行为评估方法，其特征在于，所述根据可信度区域方程生成具有可信度区域的二维可视化图包括:计算可信度区域方程，其计算公式为：其中，λ1和λ2分别为主元分析后选取的第一特征值和第二特征值，θ为可信度水平，x为二维可视化图中历史行为数据点的横坐标，y为二维可视化图中历史行为数据点的纵坐标；删除可信度区域外的历史行为数据点。7.根据权利要求1所述的基于网络货运平台的司机行为评估方法，其特征在于，所述获取待评估司机各运输单对应的实时行为数据并进行预处理和主元分析，将待评估司机各运输单对应的实时行为数据利...

【专利技术属性】
技术研发人员：栾小丽，张谨，杜康，贾明，
申请(专利权)人：江苏物云通物流科技有限公司，
类型：发明
国别省市：