[发明专利]一种基于轨迹分析的车贷风控方法

说明书

一种基于轨迹分析的车贷风控方法，包括以下步骤：S1、生成异常轨迹检测模型；S2、生成异常行为检测模型；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。本发明对车贷风险控制进行打分，并量化评估车贷风险的高低。与现有的车贷风控方法相比，考虑到了人与车的关联，更准确高效的检测车辆行驶的异常轨迹,可以做到及时的预警，这也将会大大的降低汽车金融的风险。

技术领域

本发明涉及异常检测和移动群智感知技术领域,具体涉及一种基于轨迹分析的车贷风控方法。

背景技术

移动群智感知是基于群体感知的一种普适计算感知模式。由静态感知(例如为监测环境在城市内大规模部署的传感器)、个体感知逐渐发展而来。移动群智感知通过大量持有移动感知设备(智能手机、平板电脑)的群体人员组织起来,以某种方式使他们之间进行协作来共同完成个体很难完成的任务。基于移动群智感知技术，研究人员提出并实现了很多具有现实价值的应用,比如采集各地噪音的系统应用、监测路况的系统应用等。这些应用的出现,给用户提供了更加丰富的情景感知信息与智能化的普适服务,提高了人们的生活质量。

随着经济社会的发展,汽车成为人们出行的主要交通方式,汽车的拥有量也越来越高,关于车贷的相关业务也日渐迅猛的发展起来了。但是也出现了很多汽车金融公司被他人利用虚假资料诈骗信贷资金和车辆再次租赁给他人等情况，甚至出现车完全报废的情况，导致信贷资金亏损，这给汽车金融公司带来技术上的难题,也不利于对用户的风险进行评估。

车贷的主要风险是车辆不合理的管控，没有考虑到人与车的关联和借贷人的信誉，大大的增加了风险。鉴于汽车内部设备的发展和移动群智感知技术的提高,记录司机驾驶过程已成为可能。例如大众熟知的GPS就能记录行驶过程的经纬度和速度,OBD(车载诊断系统)可以记录发动机转速,油耗等车辆信息,司机携带的手机可以利用自身的传感器(主要包括陀螺仪,加速度计,GPS等)来记录司机行驶过程中司机行为和车辆的状态。基于以上技术和应用背景,针对车贷风险控制的问题,研究者可以利用丰富的汽车内部数据和传感器数据来通过与该车辆之前的行驶轨迹及车辆的日常行驶行为进行对比，检测车辆是否是异常行驶。

现有的车贷风控更多考虑的是车辆内部零件是否存在损坏或者异常消耗的问题，对于驾驶司机的行为异常考虑欠缺,从内部零件参数方面分析不是很全面。另一方面，有关异常检测问题中,已有专利中在车贷风控方面基本没有把车和人结合起来，更是缺乏对相关问题的研究。

发明内容

为了克服已有技术的无法量化评估车贷风险的高低的不足，本发明提供了一种量化评估车贷风险的高低、降低汽车金融的风险的基于轨迹分析的车贷风控方法。

本发明解决其技术问题所采用的技术方案是：

一种基于轨迹分析的车贷风控方法，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：