基于GPS轨迹数据的车辆贷款逾期风险评估方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115330521A(43)申请公布日2022.11.11(21)申请号202210988019.6(22)申请日2022.08.17(71)申请人奇瑞徽银汽车金融股份有限公司地址241000安徽省芜湖市沈巷电信大道（安康路）东(72)发明人王延松裴茗何向楠张磊王蒙(74)专利代理机构芜湖安汇知识产权代理有限公司34107专利代理师钟雪(51)Int.Cl.G06Q40/02(2012.01)G06F16/9537(2019.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书5页附图1页(54)发明名称基于GPS轨迹数据的车辆贷款逾期风险评估方法及系统(57)摘要本发明公开一种于GPS轨迹数据的车辆贷款逾期风险评估方法，包括如下步骤：S1、获取待评估用户前M个月的GPS轨迹数据，从GPS轨迹数据中提取停留位置；S2、基于停留位置构建待评估用户的轨迹行为矩阵，提取轨迹行为矩阵中的出行行为特征向量；S3、将用户在前M个月内的出行行为特征向量及逾期天数输入逾期识别模型，逾期识别模型输出待识别用户在下一个月的逾期评估结果。基于贷款用户(待评估用户)的近期GPS轨迹数据即可实现贷款逾期风险的自动评估，减少了贷款用户的贷款逾期风险评估成本。CN115330521ACN115330521A权利要求书1/2页1.一种基于GPS轨迹数据的车辆贷款逾期风险评估方法，其特征在于，所述方法包括：S1、获取待评估用户前M个月的GPS轨迹数据，从GPS轨迹数据中提取停留位置；S2、基于停留位置构建待评估用户的轨迹行为矩阵，提取轨迹行为矩阵中的出行行为特征向量；S3、将用户在前M个月内的出行行为特征向量及逾期天数输入逾期识别模型，逾期识别模型输出待识别用户在下一个月的逾期评估结果。2.如权利要求1所述基于GPS轨迹数据的车辆贷款逾期风险评估方法，其特征在于，停留位置的提取方法具体如下：通过采集的GPS轨迹数据(lngj,alj,tj)计算用户在各位置的停留时间Δtj，停留时间Δtj大于停留时间阈值τ的GPS轨迹数据(lngj,alj,tj)所在位置即为停留点，放入停留点集合S中。3.如权利要求1所述基于GPS轨迹数据的车辆贷款逾期风险评估方法，其特征在于，轨迹行为矩阵的提取方法具体如下：S21、基于停留点集合S中的每日GPS轨迹数据构建待评估用户的日轨迹行为矩阵；S22、将前一日的日行为轨迹行为矩阵的尾部轨迹数据拼接至后一日的日轨迹行为矩阵的头部，更新每日的日轨迹行为矩阵；S23、按照时间顺序将指定时长内的日轨迹行为矩阵进行拼接，形成多日轨迹行为矩阵。4.如权利要求3所述基于GPS轨迹数据的车辆贷款逾期风险评估方法，其特征在于，日轨迹行为矩阵的形成过程具体如下：将每日按照设定时长进行切断，形成S个片段；检测各片段的时间区间内是否存在GPS轨迹数据，若检测结果为否，则将距片段最近时间的停留点(lngt,alt)作为当前片段的停留点，用三元组(lngt,alt,0)来表示当前片段；若检测结果为是，则用三元组(0,0，1)来表示当前片段。5.如权利要求3所述基于GPS轨迹数据的车辆贷款逾期风险评估方法，其特征在于，用户的出行行为特征向量提取方法具体如下：将M个月内的多张多日轨迹行为矩阵按时间顺序依次排列，通过时间窗的滑动来遍历所有多日轨迹行为矩阵，将当前窗口时段内轨迹行为矩阵的输入卷积神经网络，从卷积神经网络中提取对应的出行行为特征，形成出行行为特征向量。6.如权利要求1所述基于GPS轨迹数据的车辆贷款逾期风险评估方法，其特征在于，逾期识别模型包括：长短时记忆网络，前馈神经网络及多层感知器神经网络组成，其中长短时记忆网络，前馈神经网络的输出端连接层感知神经网络的输入端，长短时记忆网络的输入端输入出行行为特征向量，前馈神经网络的输入端输入M个月内的逾期天数，多层感知器神经网络输出待识别用户在下一个月的逾期结果预测。7.如权利要求1所述基于GPS轨迹数据的车辆贷款逾期风险评估方法，其特征在于，M的取值为3。8.如权利要求5所述基于GPS轨迹数据的车辆贷款逾期风险评估方法，其特征在于，时间窗的大小为4周，滑动步长为2周。2CN115330521A权利要求书2/2页9.一种基于GPS轨迹数据的车辆贷款逾期风险预评估系统，其特征在于，所述系统包括：车载GPS，车载GPS与存储器通讯连接，存储器与服务器连接；车载GPS将采集到的轨迹数据实时上传至存储器；服务器基于逾期风险评指令读取待评估用户在M个月的GPS轨迹数据，并基于权利要求1至8任一权利要求所述基于GPS轨迹数据的车辆贷款逾期风险评估方法来预评估用户在下一个月的逾期评估结果。10.如权利要求9所述基于GPS轨迹