一种车辆租赁风险评估方法及系统

技术领域

本发明涉及车辆租赁技术领域，尤其涉及一种车辆租赁风险评估方法及系统。

背景技术

随着共享经济这一概念的普及，共享单车、共享充电宝、共享汽车逐渐进入人们的视野；其中，共享汽车的实质是用户向汽车投放方或拥有方支付押金，以租赁车辆，使得人们在未拥有汽车的情况下满足当前的用车需求。

目前，车辆租赁平台通常是对用户是否按时还车、是否按时支付费用进行分析，以评估是否存在租赁风险。然而，在车辆租赁期间，用户的用车行为及交通违规情况同样会增加车辆租赁风险，并增加车辆租赁平台对租赁汽车的维护成本。因此，如何对车辆的租赁风险进行准确且全面的评估已成为研究热点。

发明内容

本发明的目的在于提供一种车辆租赁风险评估方法及系统，可以根据已租赁车辆用户的特征数据构建车辆租赁风险评估模型，以对待租赁车辆用户进行准确且全面的风险评估，并得到待租赁车辆用户的预测风险等级。

为了达到上述目的，本发明通过以下技术方案实现：

一种车辆租赁风险评估方法，包括：

根据还车记录获取已租赁车辆用户的特征数据；

根据所述已租赁车辆用户的特征数据对已租赁车辆用户进行风险分类，以得到所述已租赁车辆用户的实际风险等级；

根据所述已租赁车辆用户的特征数据和实际风险等级，利用多分类逻辑回归方法构建车辆租赁风险评估模型；以及

根据所述车辆租赁风险评估模型对待租赁车辆用户进行风险评估，以得到所述待租赁车辆用户的预测风险等级。

可选的，所述特征数据包括：消费总金额、消费总次数、消费频率、历史客单价、违章率、违章欠费率、超时还车率、违章查询页面访问总频率、违章提醒前违章查询页面访问频率、违章提醒后违章查询页面访问频率、违章提醒后违章详情页面访问频率、违章处理率和异地换车率；

所述风险等级包括：低风险、中风险或高风险。

可选的，根据所述已租赁车辆用户的特征数据对已租赁车辆用户进行风险分类步骤包括：

根据所述已租赁车辆用户的违章率和违章处理率获取所述已租赁车辆用户的实际风险等级；

且违章率为0时所述已租赁车辆用户的实际风险等级为低风险，违章率大于0且违章欠费率为0时所述已租赁车辆用户的实际风险等级为中风险，违章率大于0且违章欠费率大于0时所述已租赁车辆用户的实际风险等级为高风险。

可选的，执行根据所述已租赁车辆用户的特征数据和实际风险等级，利用多分类逻辑回归方法构建车辆租赁风险评估模型的步骤之前还包括：根据所述已租赁车辆用户的实际风险等级对所述已租赁车辆用户进行风险编码；且所述已租赁车辆用户的实际风险等级为低风险时，所述已租赁车辆用户的风险编码值为0；所述已租赁车辆用户的实际风险等级为高风险时，所述已租赁车辆用户的风险编码值为1；所述已租赁车辆用户的实际风险等级为高风险时，所述已租赁车辆用户的风险编码值为2。

可选的，根据所述已租赁车辆用户的特征数据和实际风险等级，利用多分类逻辑回归方法构建车辆租赁风险评估模型的步骤包括：

选取Sigmoid函数作为风险评估函数，且所述风险评估函数中包括待解参数；

选取若干个所述已租赁车辆用户的特征数据及对应的风险编码值为模型训练样本；

根据所述风险评估函数、所述模型训练样本中已租赁车辆用户的特征数据和已租赁车辆用户的的风险编码值构建损失函数；

采用极大似然估计对所述损失函数进行计算，以得到所述损失函数取最小值时对应的所述待解参数的值；以及

根据所述风险评估函数及所述待解参数的值构建所述车辆租赁风险评估模型。

可选的，所述风险评估函数的表达式如下：

其中，k表示风险等级，且k的取值为低风险、中风险和高风险；g

可选的，所述损失函数的表达式如下：

其中，J(W

可选的，根据所述车辆租赁风险评估模型对待租赁车辆用户进行风险评估的步骤包括：

根据所述待租赁车辆用户的特征数据和所述车辆租赁风险评估模型获取所述待租赁车辆用户的风险评估值；以及

根据所述待租赁车辆用户的风险评估值获取所述待租赁车辆用户的预测风险等级。

可选的，所述述待租赁车辆用户的风险评估值包括：所述待租赁车辆用户的风险等级为低风险时的风险评估值、所述待租赁车辆用户的风险等级为中风险时的风险评估值、所述待租赁车辆用户的风险等级为高风险时的风险评估值；

且选取所述待租赁车辆用户的风险等级为低风险时的风险评估值、所述待租赁车辆用户的风险等级为中风险时的风险评估值以及所述待租赁车辆用户的风险等级为高风险时的风险评估值三者中最大值对应的风险等级为所述待租赁车辆用户的预测风险等级。

另一方面，本发明还提供一种车辆租赁风险评估系统，利用如上述的车辆租赁风险评估方法对待租赁车辆用户进行风险评估。

本发明与现有技术相比至少具有以下有点之一：

本发明提供一种车辆租赁风险评估方法及系统，根据还车记录可以获取已租赁车辆用户的特征数据，根据已租赁车辆用户的特征数据可以确定已租赁车辆用户的实际风险等级；根据已租赁车辆用户的特征数据和实际风险等级，并利用多分类逻辑回归方法可以构建车辆租赁风险评估模型；通过车辆租赁风险评估模型可以对待租赁车辆用户进行准确且全面的风险评估，并得到待租赁车辆用户的预测风险等级，以便于车辆租赁平台对具有不同风险等级的用户采取不同的租车方案或措施，从而减少车辆租赁平台的损失及对租赁车辆的维护成本。

本发明特征数据中的消费总金额、消费总次数、消费频率和历史客单价可以反映用户的消费能力，违章率、违章欠费率和超时还车率可以反映用户的消费风险，违章查询页面访问总频率、违章提醒前违章查询页面访问频率、违章提醒后违章查询页面访问频率、违章提醒后违章详情页面访问频率和违章处理率可以反映用户的消费行为，异地换车率则可以反映用户的城市偏好。可见，本发明中特征数据在车辆租赁方面涵盖了用户的多个特征或习惯，则通过特征数据能够对用户的车辆租赁风险进行较为全面且准确的评估。

本发明中风险等级包括低风险、中风险或高风险，且对于预测风险等级为低风险的待租赁车辆用户，可以适当减少押金解冻时间；对于预测风险等级为中风险的待租赁车辆用户，可以保留正常押金解冻时间；对于预测风险等级为高风险的待租赁车辆用户，可以适当延长押金解冻时间，以在保证用户体验的同时减少车辆租赁平台的损失以及对租赁车辆的维护成本。

附图说明

图1是本发明一实施例提供的一种车辆租赁风险评估方法的流程图；

图2是本发明一实施例提供的一种车辆租赁风险评估方法的逻辑图。

具体实施方式

以下结合附图和具体实施方式对本发明提出的一种车辆租赁风险评估方法及系统作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

结合附图1～2所示，本实施例提供一种车辆租赁风险评估方法，包括：步骤S110、根据还车记录获取已租赁车辆用户的特征数据；步骤S120、根据所述已租赁车辆用户的特征数据对已租赁车辆用户进行风险分类，以得到所述已租赁车辆用户的实际风险等级；步骤S130、根据所述已租赁车辆用户的特征数据和实际风险等级，利用多分类逻辑回归方法构建车辆租赁风险评估模型；以及步骤S140、根据所述车辆租赁风险评估模型对待租赁车辆用户进行风险评估，以得到所述待租赁车辆用户的预测风险等级。

请同时参考图1和图2，所述特征数据包括：消费总金额、消费总次数、消费频率、历史客单价、违章率、违章欠费率、超时还车率、违章查询页面访问总频率、违章提醒前违章查询页面访问频率、违章提醒后违章查询页面访问频率、违章提醒后违章详情页面访问频率、违章处理率和异地换车率；所述风险等级包括：低风险、中风险或高风险。

具体的，在本实施例中，所述步骤S110中，所述已租赁车辆用户的特征数据可以从车辆租赁平台的还车记录中获取；且所述特征数据中的消费总金额、消费总次数、消费频率和历史客单价可以反映用户的消费能力，违章率、违章欠费率和超时还车率可以反映用户的消费风险，违章查询页面访问总频率、违章提醒前违章查询页面访问频率、违章提醒后违章查询页面访问频率、违章提醒后违章详情页面访问频率和违章处理率可以反映用户的消费行为，异地换车率则可以反映用户的城市偏好。可见，所述特征数据在车辆租赁方面涵盖了用户的多个特征或习惯，则通过所述特征数据能够对用户的车辆租赁风险进行较为全面且准确的评估，以便于车辆租赁平台对具有不同风险等级的用户采取不同的租车方案或措施，以减少车辆租赁平台的损失及对租赁车辆的维护成本。更具体的，所述特征数据中的消费总金额、消费总次数、消费频率和历史客单价，以及违章查询页面访问总频率、违章提醒前违章查询页面访问频率、违章提醒后违章查询页面访问频率、违章提醒后违章详情页面访问频率和违章处理率与车辆租赁风险负相关；违章率、违章欠费率和超时还车，以及异地换车率与车辆租赁风险正相关，但本发明不以此为限。

请继续参考图1，所述步骤S120包括：根据所述已租赁车辆用户的违章率和违章处理率获取所述已租赁车辆用户的实际风险等级；且违章率为0时所述已租赁车辆用户的实际风险等级为低风险，违章率大于0且违章欠费率为0时所述已租赁车辆用户的实际风险等级为中风险，违章率大于0且违章欠费率大于0时所述已租赁车辆用户的实际风险等级为高风险。

具体的，在本实施例中，执行所述步骤S130之前还包括：根据所述已租赁车辆用户的实际风险等级对所述已租赁车辆用户进行风险编码，以便于后续构建所述车辆租赁风险评估模型。更具体的，所述已租赁车辆用户的实际风险等级为低风险时，所述已租赁车辆用户的风险编码值为0；所述已租赁车辆用户的实际风险等级为中风险时，所述已租赁车辆用户的风险编码值为1；所述已租赁车辆用户的实际风险等级为高风险时，所述已租赁车辆用户的风险编码值为2，但本发明不以此为限。

请继续参考图1，所述步骤S130包括：步骤S1301、选取Sigmoid函数作为风险评估函数，且所述风险评估函数中包括待解参数；步骤S1302、选取若干个所述已租赁车辆用户的特征数据及对应的风险编码值为模型训练样本；步骤S1303、根据所述风险评估函数、所述模型训练样本中已租赁车辆用户的特征数据和已租赁车辆用户的的风险编码值构建损失函数；步骤S1304、采用极大似然估计对所述损失函数进行计算，以得到所述损失函数取最小值时对应的所述待解参数的值；以及步骤S1305、根据所述风险评估函数及所述待解参数的值构建所述车辆租赁风险评估模型。

可以理解的是，所述风险评估函数的表达式如下：

其中，k表示风险等级，且k的取值为低风险、中风险和高风险；g

所述损失函数的表达式如下：

其中，J(W

具体的，在本实施例中，所述步骤S1302中，可以选取两年(例如2020年至2022年)中所有具有还车记录的用户即已租赁车辆用户的特征数据及对应的风险编码值作为所述模型训练样本。所述步骤S1303中，首先将所述模型训练样本中每个已租赁车辆用户的特征数据代入对应的所述风险评估函数即公式(1)中，可以得到对应已租赁车辆用户的风险评估值，此时得到的已租赁车辆用户的风险评估值中包含所述待解参数W

请同时参考图1和图2，所述步骤140包括：根据所述待租赁车辆用户的特征数据和所述车辆租赁风险评估模型获取所述待租赁车辆用户的风险评估值且风险评估值为概率；以及根据所述待租赁车辆用户的风险评估值获取所述待租赁车辆用户的预测风险等级。

可以理解的是，所述述待租赁车辆用户的风险评估值包括：所述待租赁车辆用户的风险等级为低风险时的风险评估值、所述待租赁车辆用户的风险等级为中风险时的风险评估值、所述待租赁车辆用户的风险等级为高风险时的风险评估值；且选取所述待租赁车辆用户的风险等级为低风险时的风险评估值、所述待租赁车辆用户的风险等级为中风险时的风险评估值以及所述待租赁车辆用户的风险等级为高风险时的风险评估值三者中最大值对应的风险等级为所述待租赁车辆用户的预测风险等级。

具体的，在本实施例中，所述待租赁车辆用户可以包括新用户即未有还车记录的用户和老用户即已有还车记录的用户；其中，若所述待租赁车辆用户为新用户，则不进行风险评估。若所述待租赁车辆用户为老用户，则其特征数据可以从该老用户的还车记录中获取，并将该老用户的特征数据输入所述车辆租赁风险评估模型中，便可以得到该老用户分别为低风险、中风险和高风险时对应的风险评估值，从而获取该老用户的预测风险等级；例如某一待租赁车辆用户的特征数据输入所述车辆租赁风险评估模型后，通过所述车辆租赁风险评估模型中风险等级为低风险时的所述风险评估函数可以得到该用户风险等级为低风险时的风险评估值是0.02，通过所述车辆租赁风险评估模型中风险等级为中风险时的所述风险评估函数可以得到该用户风险等级为中风险时的风险评估值是0.58，通过所述车辆租赁风险评估模型中风险等级为高风险时的所述风险评估函数可以得到该用户风险等级为高风险时的风险评估值是0.4；由于0.02、0.58和0.4三者中最大值为0.58，则可以将风险评估值是0.58对应的风险等级作为该用户的预测风险等级，即该用户的预测风险等级为中风险。更为具体的，通过所述车辆租赁风险评估模型得到的预测风险等级是动态的和双向转化的，即既可以从低风险转向高风险，又可以从高风险转向低风险；且对于预测风险等级为低风险的所述待租赁车辆用户，可以适当减少押金解冻时间；对于预测风险等级为中风险的所述待租赁车辆用户，可以保留正常押金解冻时间；对于预测风险等级为高风险的所述待租赁车辆用户，可以适当延长押金解冻时间，以在保证用户体验的同时减少车辆租赁平台的损失以及对租赁车辆的维护成本，但本发明不以此为限。

此外，在一些其他的实施例中，执行所述步骤140之前，还可以选取另一段时间内(例如2019年)中所有具有还车记录的用户即已租赁车辆用户的特征数据及对应的实际风险等级作为模型测试样本，并将所述模型测试样本中每个已租赁车辆用户的特征数据输入所述车辆租赁风险评估模型中，以得到所述模型测试样本中每个已租赁车辆用户的风险评估值；随后根据所述模型测试样本中每个已租赁车辆用户的风险评估值确定对应已租赁车辆用户的预测风险等级，并将所述模型测试样本中每个已租赁车辆用户的预测风险等级和对应的实际风险等级进行比较，可以获得所述车辆租赁风险评估模型的准确率并确保所述车辆租赁风险评估模型未出现欠拟合和过拟合现象，从而保证所述车辆租赁风险评估模型的精度，但本发明不以此为限。

另一方面，本实施例还提供一种车辆租赁风险评估系统，利用如上述的车辆租赁风险评估方法对待租赁车辆用户进行风险评估。

综上所述，本实施例提供一种车辆租赁风险评估方法及系统，根据还车记录可以获取已租赁车辆用户的特征数据，根据已租赁车辆用户的特征数据可以确定已租赁车辆用户的实际风险等级；根据已租赁车辆用户的特征数据和实际风险等级，并利用多分类逻辑回归方法可以构建车辆租赁风险评估模型；通过车辆租赁风险评估模型可以对待租赁车辆用户进行准确且全面的风险评估，并得到待租赁车辆用户的预测风险等级。本实施例中，特征数据中的消费总金额、消费总次数、消费频率和历史客单价可以反映用户的消费能力，违章率、违章欠费率和超时还车率可以反映用户的消费风险，违章查询页面访问总频率、违章提醒前违章查询页面访问频率、违章提醒后违章查询页面访问频率、违章提醒后违章详情页面访问频率和违章处理率可以反映用户的消费行为，异地换车率则可以反映用户的城市偏好。可见，特征数据在车辆租赁方面涵盖了用户的多个特征或习惯，则通过特征数据能够对用户的车辆租赁风险进行较为全面且准确的评估。此外，本实施例中风险等级包括低风险、中风险或高风险，且对于预测风险等级为低风险的待租赁车辆用户，可以适当减少押金解冻时间；对于预测风险等级为中风险的待租赁车辆用户，可以保留正常押金解冻时间；对于预测风险等级为高风险的待租赁车辆用户，可以适当延长押金解冻时间，以在保证用户体验的同时减少车辆租赁平台的损失以及对租赁车辆的维护成本。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。