(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201911244965.4
(22)申请日 2019.12.06
(71)申请人 北京中交兴路信息科技有限公司
地址 100176 北京市海淀区东北旺西路8号
中关村软件园27号院千方大厦A座
(72)发明人 赵岩 邓伟 杨俊京 张志平
胡道生 夏曙东
(74)专利代理机构 北京辰权知识产权代理有限
公司 11619
代理人 刘广达
(51)Int.Cl.
G06Q 30/00(2012.01)
G06Q 50/30(2012.01)
G06F 21/31(2013.01)
(54)发明名称一种基于轨迹数据的置信度检测方法和系统(57)摘要本申请公开了一种基于轨迹数据的置信度检测方法和系统，包括：根据用户数据获取轨迹因子和相关因子，确定特征向量；根据特征向量和标签训练预测模型，使用训练好的模型确定用户的身份类别；获取用户的审核数据，根据车辆轨迹数据， 确定运营因子；根据身份类别和运营因子，训练置信度模型；根据训练好的置信度模型确定用户的置信度。根据用户数据确定特征向量，根据特征向量和标签训练预测模型，使用训练好的模型确定用户的身份类别；再根据用户的审核数据和车辆轨迹数据，确定运营因子；通过身份类别和运营因子，训练置信度模型，确定用户的置信度，能够使用其他数据对用户的身份进
行判断和对运营情况进行置信度检测。权利要求书2页 说明书6页 附图2页CN 111127035 A 2020.05.08
C N 111127035
A
1.一种基于轨迹数据的置信度检测方法，其特征在于，包括：
根据用户数据，获取轨迹因子和相关因子，确定特征向量；
根据所述特征向量和标签训练预测模型，得到训练好的预测模型，使用所述训练好的模型确定用户的身份类别；
获取用户的审核数据，根据车辆轨迹数据，确定运营因子；
根据所述身份类别和所述运营因子，训练置信度模型，得到训练好的置信度模型；
根据训练好的置信度模型确定用户的置信度。
2.如权利要求1所述的方法，其特征在于，所述根据用户数据，获取轨迹因子和相关因子，确定特征向量，包括：
根据用户数据，确定轨迹因子；
根据用户数据，确定相关因子；
抽取已确认身份用户的所述轨迹因子和所述相关因子作为特征向量。
3.如权利要求2所述的方法，其特征在于，所述根据用户数据，确定轨迹因子，包括：
根据所述用户数据，确定用户匹配车辆数；
根据所述用户数据中的手机数据和聚类算法，确定用户停留点；
获取所述停留点的类型，统计频率，得到所述停留点的类型和停留次数；
统计一段时间内的所述停留点数量，作为所述停留点位置的离散度，确定停留点数量；
根据所述手机数据，统计用户的长距离移动频次和手机位置跨度；
所述用户匹配车辆数、停留点的类型、停留次数、停留点数量、长距离移动频次和手机位置跨度组成所述轨迹因子。
4.如权利要求2所述的方法，其特征在于，所述根据用户数据，确定相关因子，包括：
统计用户手机中的关键功能使用频次；
根据所述用户数据，确定用户的认证车辆数和关注车辆数；
所述关键功能使用频次、认证车辆数和关注车辆数组成相关因子。
5.如权利要求4所述的方法，其特征在于，所述关键功能，包括：加油、查车、货、保险和ETC。
6.如权利要求1所述的方法，其特征在于，所述使用所述训练好的模型确定用户的身份类别，包括：
输入用户数据至所述训练好的预测模型，得到用户的身份类别。
7.如权利要求1所述的方法，其特征在于，所述获取用户的审核数据，根据车辆轨迹数据，确定运营因子，包括：
根据所述用户的审核数据，获取用户的车辆数据；
根据用户的所述车辆数据，确定认证车辆数量，各车辆的运营里程；
根据所述认证车辆数量和各所述车辆的运营里程，确定全部车辆的运营总里程和平均运营里程；
所述认证车辆数量、运营总里程和平均运营里程组成运营因子。
8.如权利要求1所述的方法，其特征在于，所述根据所述身份类别和所述运营因子，训练置信度模型，得到训练好的置信度模型，还包括：
根据所述身份类别、所述运营因子和外部数据，训练置信度模型，得到训练好的置信度
模型。
9.如权利要求3所述的方法，其特征在于，所述根据所述用户数据，确定用户匹配车辆数包括：
使用已有的数据确定所述用户匹配车辆数和/或根据用户数据和车辆数据，确定所述用户匹配车辆数。
10.一种基于轨迹数据的置信度检测系统，其特征在于，包括：
身份判定模块，用于根据用户数据，获取轨迹因子和相关因子，确定特征向量；根据所述特征向量和标签训练预测模型，得到训练好的预测模型，使用所述训练好的模型确定用户的身份类别；
运营分析模块，用于获取用户的审核数据，根据车辆轨迹数据，确定运营因子；
综合检测模块，用于根据所述身份类别和所述运营因子，训练置信度模型，得到训练好的置信度模型；根据训练好的置信度模型确定用户的置信度。
一种基于轨迹数据的置信度检测方法和系统
技术领域
[0001]本申请涉及置信度检测领域，尤其涉及一种基于轨迹数据的置信度检测方法和系统。
背景技术
[0002]现有技术中，存在基于车辆运营成本的置信度监测方式，但其大多需要依靠用户提供的大量确定的数据进行身份判断及运营分析。无法在提供的数据不足的情况下，根据其他数据进行计算，对用户进行身份判断和运营分析。
[0003]综上所述，需要提供一种能够在确定的数据不足的情况下，使用其他数据对用户的身份进行判断和对运营情况进行置信度检测的方法和系统。
发明内容
[0004]为解决以上问题，本申请提出了一种基于轨迹数据的置信度检测方法和系统。[0005]一方面，本申请提出一种基于轨迹数据的置信度检测方法，包括：
[0006]根据用户数据，获取轨迹因子和相关因子，确定特征向量；
[0007]根据所述特征向量和标签训练预测模型，得到训练好的预测模型，使用所述训练好的模型确定用户的身份类别；
[0008]获取用户的审核数据，根据车辆轨迹数据，确定运营因子；
[0009]根据所述身份类别和所述运营因子，训练置信度模型，得到训练好的置信度模型；[0010]根据训练好的置信度模型确定用户的置信度。
[0011]优选地，所述根据用户数据，获取轨迹因子和相关因子，确定特征向量，包括：[0012]根据用户数据，确定轨迹因子
[0013]根据用户数据，确定相关因子；
[0014]抽取已确认身份用户的所述轨迹因子和所述相关因子作为特征向量。
[0015]优选地，所述根据用户数据，确定轨迹因子，包括：
[0016]根据所述用户数据，确定用户匹配车辆数；
[0017]根据所述用户数据中的手机数据和聚类算法，确定用户停留点；
[0018]获取所述停留点的类型，统计频率，得到所述停留点的类型和停留次数；[0019]统计一段时间内的所述停留点数量，作为所述停留点位置的离散度，确定停留点数量；
[0020]根据所述手机数据，统计用户的长距离移动频次和手机位置跨度；
[0021]所述用户匹配车辆数、停留点的类型、停留次数、停留点数量、长距离移动频次和手机位置跨度组成所述轨迹因子。
[0022]优选地，所述根据用户数据，确定相关因子，包括：
[0023]统计用户手机中的关键功能使用频次；
[0024]根据所述用户数据，确定用户的认证车辆数和关注车辆数；
[0025]所述关键功能使用频次、认证车辆数和关注车辆数组成相关因子。
[0026]优选地，所述关键功能，包括：加油、查车、货、保险和ETC。
[0027]优选地，所述使用所述训练好的模型确定用户的身份类别，包括：
[0028]输入用户数据至所述训练好的预测模型，得到用户的身份类别。
[0029]优选地，所述获取用户的审核数据，根据车辆轨迹数据，确定运营因子，包括：[0030]根据所述用户的审核数据，获取用户的车辆数据；
[0031]根据用户的所述车辆数据，确定认证车辆数量，各车辆的运营里程；
[0032]根据所述认证车辆数量和各所述车辆的运营里程，确定全部车辆的运营总里程和平均运营里程；
[0033]所述认证车辆数量、运营总里程和平均运营里程组成运营因子。
[0034]优选地，所述根据所述身份类别和所述运营因子，训练置信度模型，得到训练好的置信度模型，还包括：
[0035]根据所述身份类别、所述运营因子和外部数据，训练置信度模型，得到训练好的置信度模型。
[0036]优选地，所述根据所述用户数据，确定用户匹配车辆数包括：
[0037]使用已有的数据确定所述用户匹配车辆数和/或根据用户数据和车辆数据，确定所述用户匹配车辆
数。
[0038]第二方面，本申请提出一种基于轨迹数据的置信度检测系统，包括：
[0039]身份判定模块，用于根据用户数据，获取轨迹因子和相关因子，确定特征向量；根据所述特征向量和标签训练预测模型，得到训练好的预测模型，使用所述训练好的模型确定用户的身份类别；
[0040]运营分析模块，用于获取用户的审核数据，根据车辆轨迹数据，确定运营因子；[0041]综合检测模块，用于根据所述身份类别和所述运营因子，训练置信度模型，得到训练好的置信度模型；根据训练好的置信度模型确定用户的置信度。
[0042]本申请的优点在于：通过用户数据确定特征向量，根据特征向量和标签训练预测模型，使用训练好的模型确定用户的身份类别；再根据用户的审核数据和车辆轨迹数据，确定运营因子；通过身份类别和运营因子，训练置信度模型，确定用户的置信度，能够使用其他数据对用户的身份进行判断和对运营情况进行置信度检测。
附图说明
[0043]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选事实方案的目的，而并不认为是对本申请的限制。而且在整个附图中，
用同样的参考符号表示相同的部件。在附图中：
[0044]图1是本申请提供的一种基于轨迹数据的置信度检测方法的步骤示意图；[0045]图2是本申请提供的一种基于轨迹数据的置信度检测系统的示意图；
[0046]图3是本申请提供的一种基于轨迹数据的置信度检测系统的流程示意图。
具体实施方式
[0047]下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议