System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于渣土车运输,具体涉及一种渣土车运输企业风险评价方法。
技术介绍
1、目前,渣土车运输行业普遍存在驾驶人交通法律意识差、车辆安全性能隐患多、安全管理工作不到位、交通违法现象突出等问题,且出行时间大部分集中在夜间,民警执法难度大。因此亟需一种合理的渣土车运输企业风险的评价方法,以此来提升相关的监管。
2、现有的关于运输企业风险的评价方法主要依赖于网络公开的或经过脱敏处理的数据来收集驾驶人及车辆的相关信息,这种方法获取的数据信息深度不足,关键细节缺失,导致对驾驶人行为评估及车辆状况分析显得片面,进而导致对企业风险评价不够准确。
技术实现思路
1、针对于上述现有技术的不足,本专利技术的目的在于提供一种渣土车运输企业风险评价方法,本专利技术通过获取渣土车运输公司相关车辆信息、运输企业相关运营管理记录以及渣土车运输公司驾驶人相关事故违法数据,通过层次分析法对指标进行计算获得各渣土车运输企业综合分数,通过综合分数来判定渣土车运输企业的风险,大大降低了渣土车相关的事故违法,加强了道路安全秩序。
2、为达到上述目的,本专利技术采用的技术方案如下:
3、本专利技术的一种渣土车运输企业风险评价方法,步骤如下:
4、1)通过交管大数据获取渣土车运输企业信息数据,包括车辆号牌种类、车辆号牌号码、公司名称、公司编号;
5、2)通过交管大数据获取渣土车驾驶人绑定信息数据,包括驾驶人姓名、驾驶证号码、号牌号码、号牌种类;
6、3
7、4)通过交管大数据获取车辆信息数据,包括车辆号牌种类、车辆号牌号码、初次登记日期、上一检验日期、下一检验日期、车辆状态;
8、5)通过交管大数据获取违法数据,包括违法车辆号牌种类、违法车辆号牌号码、违法车辆当事人、违法车辆当事人驾驶证号码、违法行为、违法时间、违法记分数;
9、6)通过交管大数据获取事故数据,包括事故车辆号牌种类、事故车辆号牌号码、事故车辆驾驶人姓名、事故车辆驾驶人身份证明号码、事故责任、事故发生事件、事故认定原因、死亡人数、受伤人数、财产损失;
10、7)将步骤1)-步骤6)中获取的数据进行融合处理,使得驾驶人、车辆、企业、违法、事故信息一一对应;
11、8)根据熵值法计算各属性的权重;
12、9)根据步骤8)中得到的权重计算各渣土车运输企业的渣土车、驾驶人风险得分,计算渣土车运输企业最终分数;
13、10)根据步骤9)中得到的最终分数,使用阈值法,分别确定高、中、低风险企业。
14、进一步地,所述步骤7)中的数据处理,具体包括:
15、71)将渣土车运输企业信息、渣土车驾驶人绑定信息通过车辆号牌号码、车辆号牌种类进行驾驶人与运输企业的绑定;
16、72)将车辆号牌号码、车辆号牌种类与事故、违法数据进行一对多的绑定;
17、73)将驾驶人姓名、身份证明号码/驾驶证号与事故、违法进行一对多的绑定。
18、进一步地,所述步骤8)具体步骤如下:
19、81)构建决策矩阵,其中每一列表示决策时的各项属性,每一行表示一个渣土车/驾驶人;
20、82)对决策矩阵进行归一化处理,使得每个属性的值在[0,1]范围内,计算公式如下:
21、
22、其中,x表示决策矩阵,xunify表示归一化后的矩阵,xmin和xmax分别表示决策矩阵中的最小值和最大值;
23、83)计算每个属性的信息熵,计算公式如下:
24、
25、其中,hi表示属性i的信息熵,xij表示渣土车/驾驶人在属性i上的归一化值,pij表示第j项指标下第i个评价对象的特征比重,指标指一列决策时的各项属性,评价对象指渣土车/驾驶人;
26、84)计算每个属性的权重,计算公式如下:
27、
28、其中,wi表示属性i的权重,n表示属性的数量,1-ei表示差异系数;
29、85)对计算得到的权重进行归一化,使得所有属性权重之和为1。
30、进一步地,所述步骤9)的具体步骤如下:
31、91)对各属性的得分进行加权求和,得到渣土车运输企业得分,计算公式如下:
32、
33、其中,cj表示第j个渣土车/驾驶人得分,si表示属性i的得分;
34、92)对渣土车/驾驶人得分进行min-max归一化,得到渣土车/驾驶人归一化分数,计算公式如下:
35、
36、其中,cmax、cmin分别表示渣土车/驾驶人得分的最大值和最小值,sj表示第j个渣土车/驾驶人的归一化分数;
37、93)根据步骤7)中的绑定关系,计算得到渣土车运输企业最终分数,计算公式如下:
38、
39、其中,sn为第n个渣土车运输企业最终分数,sjn为第n个渣土车运输企业绑定的渣土车/驾驶人的归一化分数。
40、进一步地,所述步骤10)具体包括:
41、101)根据步骤9)中得到的渣土车运输企业最终分数,设定高、中、低的阈值,具体如下:
42、计算渣土车运输企业最终分数的均值μ与标准差σ;
43、
44、其中,n为渣土车运输企业数量,sn为第n个渣土车运输企业最终分数;
45、设定阈值,分别为μ+σ,μ-σ;
46、102)划分高、中、低风险企业,具体如下:
47、当sn<μ-σ时,风险为低;
48、当μ-σ≤sn≤μ+σ时,风险为中;
49、当sn>μ+σ时,风险为高。
50、本专利技术的有益效果:
51、本专利技术通过从交管大数据中获取渣土车运输企业相关车辆、驾驶人的具体违法、事故行为,能够对各项数据进行权重计算,通过熵值法计算得到的权重,较现有技术更加客观,可以减少因主观因素导致的结果偏差,比现有技术能够更好的对渣土车运输企业风险进行评价,评价结果更优;
52、本专利技术通过对计算得到的结果进行标准化,再通过计算各最终得分数的均值与方差,使用阈值法设定风险等级,更具说服力;同时,可以根据实践进一步调整阈值,比如μ-2σ,μ+2σ等,使得阈值更加灵活,符合实际运用场景。
本文档来自技高网...【技术保护点】
1.一种渣土车运输企业风险评价方法,其特征在于,步骤如下:
2.根据权利要求1所述的渣土车运输企业风险评价方法,其特征在于,所述步骤7)中的数据处理,具体包括:
3.根据权利要求1所述的渣土车运输企业风险评价方法,其特征在于,所述步骤8)具体步骤如下:
4.根据权利要求3所述的渣土车运输企业风险评价方法,其特征在于,所述步骤9)的具体步骤如下:
5.根据权利要求4所述的渣土车运输企业风险评价方法,其特征在于,所述步骤10)具体包括:
【技术特征摘要】
1.一种渣土车运输企业风险评价方法,其特征在于,步骤如下:
2.根据权利要求1所述的渣土车运输企业风险评价方法,其特征在于,所述步骤7)中的数据处理,具体包括:
3.根据权利要求1所述的渣土车运输企业风险评价方法,其特...
【专利技术属性】
技术研发人员:余引,张苏成,赵秀文,黎晓鸿,张俊,徐晓贝,
申请(专利权)人:南京莱斯信息技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。