用于汽车金融的汽车监测方法

技术领域

本公开涉及数据处理技术领域，具体涉及到一种用于汽车金融的汽车监测方法。

背景技术

汽车金融是由消费者在购买汽车需要贷款时，可以直接向汽车金融公司申请优惠的支付方式，可以按照自身的个性化需求，来选择不同的车型和不同的支付方法。

相关技术中，对于汽车金融业务的汽车，其用车行为的异常报警通常是针对极端行为进行预警，例如GPS显示到达或离开某区域时触发报警，该方式只有在行为发生时才能监测到汽车异常，无法及时地对汽车的是否异常进行全方位预测。

发明内容

本公开的主要目的在于提供一种用于汽车金融的汽车监测方法。

为了实现上述目的，根据本公开的第一方面，提供了一种用于汽车金融的汽车监测方法，包括：在获取到汽车金融业务中汽车的定位数据后，基于定位数据的时间，对定位数据按照预设的时间窗口进行分组；对所有时间窗口中的数据进行去噪处理，以剔除存在异常停驻的噪点数据，得到停驻点数据；基于停驻点数据，确定不同时间窗口内用于表示汽车出行相关的画像数据；对不同时间窗口内的画像数据进行比对，以确定画像数据是否发生异常。

可选地，方法还包括：基于停驻点数据，确定目标位置点；将所述目标位置点与预设位置点进行比对，以基于比对结果确定汽车使用用户的风险性。

可选地，基于停驻点数据，确定不同时间窗口内用于表示汽车出行相关的画像数据包括：基于停驻点数据，确定目标位置点，包括如下步骤：基于第一停驻时长、以及停驻点数据包含的实际停驻时长，对停驻点数据的类型进行标识，以标识出停驻点数据中汽车的第一常驻地址；基于第一时段，对第一常驻地址的类型进行标识，得到汽车使用用户的工作地址、汽车使用用户的居住地址。

可选地，去除第一常驻地址的停驻点数据后，基于第二停驻时长、以及停驻点数据包含的实际停驻时长，对每个时间窗口内属于第二时段内的数据进行标识，以标识出第二时段内汽车的第二常驻地址；以及，去除第一常驻地址的停驻点数据后，基于第二停驻时长、以及停驻点数据包含的实际停驻时长，对每个时间窗口内属于第三时段内的数据进行标识，以标识出第三时段内汽车的第三常驻地址；对所述第二常驻地址、以及所述第三常驻地址标识标签。

可选地，所述方法还包括：在预设周期内，基于该周期内所有时间窗内的停驻点数据，确定汽车的活动半径；以及基于所述目标位置点，确定汽车的目标出行时间范围。

可选地，在预设周期内，基于该周期内所有时间窗内的停驻点数据，确定汽车的活动半径包括：以汽车所在的用户居住地址为中心，基于该中心与停驻时长大于第三停驻时长的停驻点之间的直线距离，确定汽车的多级活动半径。

可选地，基于所述目标位置点，确定汽车的目标出行时间范围包括：基于用户工作地址处的停驻点数据包含的时间、用户居住地址处的停驻数据包含的时间，确定汽车出行的初始时间范围；基于该初始时间范围，确定汽车的目标出行时间范围。

可选地，基于停驻点数据，确定不同时间窗口内用于表示汽车出行相关的画像数据包括：对时间窗口中的停驻点数据进行信息熵计算，以基于所述信息熵确定汽车停驻点的有序程度。

根据本公开的第二方面，提供了一种计算机可读存储介质，存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面任意一项实现方式所述的用于汽车金融的汽车监测方法。

根据本公开的第四方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行第一方面任意一项实现方式所述的用于汽车金融的汽车监测方法。

在本公开实施例用于汽车金融的汽车监测方法中，包括：在获取到汽车金融业务中汽车的定位数据后，基于定位数据的时间，对定位数据按照预设的时间窗口进行分组；对所有时间窗口中的数据进行去噪处理，以剔除存在异常停驻的噪点数据，得到停驻点数据；基于停驻点数据，确定不同时间窗口内用于表示汽车出行相关的画像数据；对不同时间窗口内的画像数据进行比对，以确定画像数据是否发生异常。通过确定发生汽车金融业务的汽车画像数据，便可以对汽车的风险性进行预测。

附图说明

为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本公开实施例的用于汽车金融的汽车监测方法流程图；

图2是根据本公开实施例的电子设备的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本公开中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本公开及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本公开中的具体含义。

此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本公开中的具体含义。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

根据本公开实施例，提供了一种用于汽车金融的汽车监测方法，如图1所示，该方法包括如下的步骤101至步骤104：

步骤101：在获取到汽车金融业务中汽车的定位数据后，基于定位数据的时间，对定位数据按照预设的时间窗口进行分组。

在本实施例中，可获取汽车上GPS设备反馈的定位数据，对同一GPS设备的返回的信息切分时间窗口时，可以以周、月为周期进行划分，并增加时间窗口标签。

步骤102：对所有时间窗口中的数据进行去噪处理，以剔除存在异常停驻的噪点数据，得到停驻点数据。

在本实施例中，对数据去噪声处理，可以将异常停驻点剔除，异常停驻点可以包括但是不限于：低频停驻点，即停车次数小于预设值的停驻点(例如，频次<3)；停留时间少于预设时间的停驻点，即停留时间短的停驻点(例如，停驻半小时以内的停驻点)；和/或离群停驻点，在确定离群停驻点时可基于k-means算法确定。

停驻点数据可以包括定位时间、定位时点纬度、定位时点经度、定位时的详细地址等。

步骤103：基于停驻点数据，确定不同时间窗口内用于表示汽车出行相关的画像数据。

在本实施例中，在得到停驻点数据后，针对每个周期内的停驻点数据确定汽车在该周期内的画像，该画像数据通过从时间、位置提取出的用于描述用户的用车行为的特征(即汽车的画像数据)。

汽车出行相关的画像数据可以包括汽车使用用户的常驻地点数据(包括但是不限于工作地址、居住地址、其他常去的地址)、出行规律数据(包括但是不限于活动范围半径、出行时间规律、非工作时间常去的消费场所、停留地点的多样性程度)、以及通过多时间比对后的画像变动数据。

由于相关技术中，在汽车金融行业，通常会给客户车辆安装GPS用以监控客户用车行为是否正常，常用的异常判断一般基于以下几类：1、GPS信号异常，包括：拆机报警、上线报警；2、分离报警：同车设备在同一时间相对距离较远；3、进出电子围栏报警：划分小范围的圆形围栏或多边形围栏，进出围栏触发报警；4、风险区域报警：当车辆进入风险区域时触发报警，比如：二押点、黑车市场等。上述方式对用车行为(即汽车的被使用行为)缺乏整体的描述。本实施通过确定在位置和时间维度确定画像数据，丰富了汽车金融业务贷中贷后的特征维度，具有极强的业务解释性，当用于建模(例如，评分模型、贷后欺诈判断的模型、催收还款的模型)、策略开发，在数据、应用层面均有良好的适用性和有效性。

本实施例画像数据能够全面地描述用户在汽车金融贷款期间的驾驶行为，通过该画像数据便可以确定汽车使用用户存在的风险。通过常驻地点数据可以预测使用用户是否存在信息填写欺诈；通过出行规律数据可以确定客户行为特征用以描述客户行为、以及通过多时间比对后的画像变动数据确定客户行为发生迁移，用以动态监控客户异动

步骤104：对不同时间窗口内的画像数据进行比对，以确定画像数据是否发生异常。

在本实施例中，通过多时间段的对比，可以确定画像数据是否发生了变动，通过该变动数据便可以确定是否存在异常风险，进而及时地提前异常预警。示例性地，如果画像数据中的任何一个维度的数据发生了变动，那么根据该变动的变化程度预测是否可能会发生异常，例如，汽车停留地点多样性程度大，那么该汽车可能是由其他人非法使用，即发生了使用异常。

作为本实施例一种可选的实现方式，方法还包括：基于停驻点数据，确定目标位置点；将所述目标位置点与预设位置点进行比对，以基于比对结果确定汽车使用用户的风险性。

在本可选的实现方式中，基于停驻点数据可以确定汽车使用用户的实际居住地址、和实际工作地址。通过将该实际目标地址与办理汽车金融填写的地址进行比对，可以确定办理业务所填的信息是否合理，如果不合理则汽车的使用用户可能存在欺诈行为。

进一步地，通过比对还可以确定实际生活地址距离业务办理地址的距离、生活地址距离市中心点的距离，通过上述距离可以对客群进行分类，探索不同距离段的客群风险表现的差异性。

作为本实施例一种可选的实现方式，基于停驻点数据，确定不同时间窗口内用于表示汽车出行相关的画像数据包括：基于停驻点数据，确定目标位置点，包括如下步骤：基于第一停驻时长、以及停驻点数据包含的实际停驻时长，对停驻点数据的类型进行标识，以标识出停驻点数据中汽车的第一常驻地址；基于第一时段，对第一常驻地址的类型进行标识，得到汽车使用用户的工作地址、汽车使用用户的居住地址。

在本可选的实现方式中，基于车辆定位信息确定常驻点中停驻时间在第一停驻时长m以上(例如4小时以上)的停驻点数据，并且可将第一时段中第一子时段内出停留频次最高的停驻地点确定为工作地址。例如在停驻时长超过4小时的停驻点数据中，停驻时间在9：00～20：00范围内，出停留频次最高的地点，即标记为用户工作地址。

同理，可将第一时段中第二子时段内出停留频次最高的停驻地点确定为居住地址，例如，在停驻时长超过4小时的停驻点数据中，停驻时间在22：00～6：00范围内，出停留频次最高的地点，即标记为用户居住地址。

可以理解的是，停驻点的停驻时间可以基于定位的位置和定位的时间确定。例如，持续1小时后，位置信息发生变动，则可以认为停驻时间为1小时。

作为本实施例一种可选的实现方式，去除第一常驻地址的停驻点数据后，基于第二停驻时长、以及停驻点数据包含的实际停驻时长，对每个时间窗口内属于第二时段内的数据进行标识，以标识出第二时段内汽车的第二常驻地址；以及，去除第一常驻地址的停驻点数据后，基于第二停驻时长、以及停驻点数据包含的实际停驻时长，对每个时间窗口内属于第三时段内的数据进行标识，以标识出第三时段内汽车的第三常驻地址；对所述第二常驻地址、以及所述第三常驻地址标识标签。

在本可选的实现方式中，当除去上述可选方式的目标位置位置点后，确定停驻时长在第二停驻时长(例如，1小时)以上的停驻点，该第二停驻时长小于第一停驻时长。而后确定第二时段内停驻频次位于前n位的停驻点作为汽车的常去地点。该第二时段可以是周末、节假日等。更具体地，如果第二时段内的停驻点位于居住地、或者工作地预设距离范围内(例如，1公里范围内)，则可将停驻频次最高的停驻点作为汽车的常去地点。

进一步地，第三时段可以是除周末、节假日以外的时段，对除去节假日其他时间段停驻地点，可以取频次大于预设值的地点作为第三常驻点。

更进一步地，对上述停驻点标注分类标签，例如：商场、茶楼、小区、工厂、写字楼、景区、酒店等。示例性地，可以基于定位的经纬度、和/或定位的详细地址信息进行标签的标注。

作为本实施例一种可选的实现方式，方法还包括：在预设周期内，基于该周期内所有时间窗内的停驻点数据，确定汽车的活动半径；以及基于所述目标位置点，确定汽车的目标出行时间范围。

在本可选的实现方式中，通过确定出行时间可以确定汽车使用用户的出行时间规律，基于此出行时间规律，当后续汽车使用用户不符合此规律后可以判定为异常。

作为本实施例一种可选的实现方式，在预设周期内，基于该周期内所有时间窗内的停驻点数据，确定汽车的活动半径包括：以汽车所在的用户居住地址为中心，基于该中心与停驻时长大于第三停驻时长的停驻点之间的直线距离，确定汽车的多级活动半径。

在本可选的实现方式中，剔除低频特殊离群点后，可按月统计：计算日常活动半径，可用以描述用户活动范围；半径计算可以是以居住地址为中心点，计算剔除异常数据后(低频或特殊离群点等)的、停驻时间在第三停驻时长(例如1小时)以上的地点与中心点的直线距离。而在确定直线距离后可以设定三个半径口径，即最远点距中心点的距离、中心点半径范围内能辐射预设数量(例如90％)的停留地点的距离、中心点半径范围内能辐射80％预设数量(例如80％)的停留地点的距离，该三个活动半径可以作为汽车的活动范围半径。

作为本实施例一种可选的实现方式，基于所述目标位置点，确定汽车的目标出行时间范围包括：基于用户工作地址处的停驻点数据包含的时间、用户居住地址处的停驻数据包含的时间，确定汽车出行的初始时间范围；基于该初始时间范围，确定汽车的目标出行时间范围。

在上述可选的实现方式中，根据居住地址、工作地址，提炼客户的出行时间范围，即驶离居住的时间为开始时间、返回居住地点的时间为结束时间。再对该类数据集分布进行统计分析，得到能覆盖预设数量(例如80％)出行时间段的起止时间段，即为用户出行时间范围。同样的，如客户在工作时间段有驶离工作地点的行为，也可进行统计。

作为本实施例一种可选的实现方式，基于停驻点数据，确定不同时间窗口内用于表示汽车出行相关的画像数据包括：对时间窗口中的停驻点数据进行信息熵计算，以基于所述信息熵确定汽车停驻点的有序程度。

在本可选的实现方式中，计算周期内停驻点的信息熵，可用于描述停车地址的多样性；信息熵是信息论中用于度量信息量的一个概念。一个系统越是有序，信息熵就越低；反之，一个系统越是混乱，信息熵就越高。信息熵的计算公式：

本实施例基于车辆GPS信息统计的地址，与业务填写地址进行交叉比对，得出以下信息：办理业务所填信息是否合理；生活地址距业务办理地址的距离；生活地址距市区中心点的距离。通过活动范围半径；出行时间规律；非工作时间常去的消费场所；停留地点的多样性程度(信息熵)可以实现对出行规律的描述。通过多时间段对比居住地址、工作地址变动情况；用车行为的数据是否发生显著变化可以预测汽车使用用户是否存在风险。

本实施例一是对用户车辆的gps信息进行有效信息的提炼，从时间、经纬度、地址信息提炼出具象的可以用于描述用车行为的特征；二是结合办理业务填写的信息，可以衍生出具有汽车金额领域有具体业务解释的用户行为，进一步的可以判断客户是否存在一定的风险；三是多时间段的统计及前后对边，可以监控用车行为的异常变化，动态捕捉用户异常行为。

本实施例对汽车金融业务中产生的客户用车的GPS数据进行进一步的特征挖掘，在现有的异常预警应用之外，有效挖掘汽车金融的客户在办理业务后的用车行为信息，结合停驻时间段、常用地址，通过量化的统计分析方式构建客户用车行为的客户画像，更加全面的对客户进行行为描述。此用户画像丰富了汽车金融业务贷中贷后的特征维度，具有极强的业务解释性，用于建模、策略开发在数据、应用层面均有良好的适用性和有效性。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本公开实施例，还提供了一种用于实施上述用于汽车金融的汽车监测方法的装置，该装置包括：时间窗口单元，在获取到汽车金融业务中汽车的定位数据后，基于定位数据的时间，对定位数据按照预设的时间窗口进行分组；去噪单元，被配置成对所有时间窗口中的数据进行去噪处理，以剔除存在异常停驻的噪点数据，得到停驻点数据；画像确定单元，被配置成基于停驻点数据，确定不同时间窗口内用于表示汽车出行相关的画像数据；预测单元，被配置成对不同时间窗口内的画像数据进行比对，以确定画像数据是否发生异常。

本公开实施例提供了一种电子设备，如图2所示，该电子设备包括一个或多个处理器21以及存储器22，图2中以一个处理器21为例。

该控制器还可以包括：输入装置23和输出装置24。

处理器21、存储器22、输入装置23和输出装置24可以通过总线或者其他方式连接，图2中以通过总线连接为例。

处理器21可以为中央处理器(CentralProcessingUnit，CPU)。处理器21还可以为其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器22作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本公开实施例中的控制方法对应的程序指令/模块。处理器21通过运行存储在存储器22中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的方法。

存储器22可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据服务器操作的处理装置的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器22可选包括相对于处理器21远程设置的存储器，这些远程存储器可以通过网络连接至网络连接装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置23可接收输入的数字或字符信息，以及产生与服务器的处理装置的用户设置以及功能控制有关的键信号输入。输出装置24可包括显示屏等显示设备。

一个或者多个模块存储在存储器22中，当被一个或者多个处理器21执行时，执行如图1所示的方法。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各电机控制方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(FlashMemory)、硬盘(HardDiskDrive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本公开的实施方式，但是本领域技术人员可以在不脱离本公开的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。