基于多源里程可信度打分与时序路径的车辆调表检测方法与流程

摘要: 本发明涉及车辆里程智能核验、二手车检测、车辆风控数据分析,具体为基于多源里程可信度打分与时序路径的车辆调表检测方法。背景技术:1、车辆行驶里程是评估车辆价值、判...
基于多源里程可信度打分与时序路径的车辆调表检测方法与流程

本发明涉及车辆里程智能核验、二手车检测、车辆风控数据分析,具体为基于多源里程可信度打分与时序路径的车辆调表检测方法。

背景技术:

1、车辆行驶里程是评估车辆价值、判断车辆使用工况、核定维保周期、把控车险风险的核心核心参数,里程数据的真实性直接决定二手车交易公平性、车辆维保准确性及风控评估有效性。当前车辆里程篡改(俗称调表)行为频发,部分车主通过篡改仪表盘表显里程、屏蔽obd数据等方式调低里程,虚抬车辆价值,扰乱二手车市场秩序,同时给车辆维保、车险承保带来极大隐患。

2、现有车辆调表检测技术存在诸多缺陷:其一,数据来源单一,多数检测方案仅依赖表显里程或单一obd数据,未融合维保记录、第三方估值里程等多维度数据,一旦单一数据源被篡改,检测结果完全失效;其二,缺乏数据可信度量化机制,无法区分不同来源里程数据的真实性、可靠性差异,对异常数据的筛选缺乏科学依据;其三,时序数据处理能力不足,仅通过单一时间节点里程对比判定调表,无法处理时序里程断点、数据缺失、阶段性篡改等复杂场景,易出现漏检、误检情况;其四,无里程补全与预测能力,针对历史里程数据缺失、部分时段数据被彻底篡改的场景,无法还原车辆真实里程轨迹,难以精准判定调表幅度及当前真实里程。

3、针对上述现有技术的缺陷,亟需一种科学、精准、适配多场景的车辆调表检测及里程预测方案。

技术实现思路

1、本发明的目的在于提供基于多源里程可信度打分与时序路径的车辆调表检测方法,通过多源数据融合、可信度量化打分、时序最短路径优化,精准识别各类调表行为,还原车辆真实里程时序轨迹,实现缺失里程补全与当前里程精准预测,以解决上述背景技术中提出的现有车辆里程调表检测数据单一、可信度无量化标准、时序异常识别精度低、缺失里程无法补全、当前里程预测不准的技术问题。

2、为了解决上述技术问题,本发明提供如下技术方案:

3、基于多源里程可信度打分与时序路径的车辆调表检测方法,其步骤包括:

4、针对目标车辆采集全生命周期时序里程数据及其对应的采集时间、采集场景、数据来源标识,构建车辆多源时序里程原始数据集,对车辆多源时序里程原始数据集进行预处理:

5、构建差异化可信度评分模型,利用差异化可信度评分模型计算每一条时序里程数据的最终可信度权重值;

6、以各里程数据的采集时间为时序节点,以不同来源、不同时刻的里程数值为节点属性,以相邻时序节点间的里程增量、时间间隔、可信度权重为边权参数,构建带权时序里程节点网络;

7、以可信度权重最高和时序误差最小为优化目标,求解带权时序里程节点网络中相邻节点间的最短路,拟合得到车辆全生命周期最优真实里程时序曲线;

8、对比车辆全生命周期最优真实里程时序曲线与车辆全生命周期里程时序曲线进行对比,确定车辆里程篡改的时间节点以及里程篡改数值,最终综合全部数据判定车辆是否存在里程调表行为,同时可以输出调表时间段、调表幅度、篡改可信度等级;

9、基于车辆全生命周期最优真实里程时序曲线,通过时序拟合算法补全历史缺失的里程节点,同时结合车辆使用时长、年均行驶里程、工况特征,预测车辆当前时刻的真实行驶里程。

10、其中,工况特征包括维修记录或者出险数据,以及客诉数据等。

11、进一步的,所述全生命周期时序里程数据包括维保里程、obd里程、估值里程、表显里程。

12、本发明构建四维多源里程数据体系,整合维保里程、obd里程、估值里程、表显里程,覆盖官方记录、车载底层数据、第三方估值数据、终端展示数据,彻底解决单一数据源失真问题。

13、进一步的,所述可信度权重值计算步骤包括:

14、所述可信度权重值计算步骤包括:

15、确定维保里程、obd里程、估值里程、表显里程的基础权重;

16、计算维保里程、obd里程、估值里程、表显里程的历史误差率;

17、分别维保里程、obd里程、估值里程、表显里程的历史误差率计算相应的修正系数;

18、分别获取维保里程、obd里程、估值里程、表显里程对应的采集时间与当前参考时间的时间间隔并生成时间衰减系数;

19、依据维保里程、obd里程、估值里程、表显里程的数据来源标识分别匹配来源可信度系数;

20、分别将维保里程、obd里程、估值里程、表显里程的基础权重分别与时间衰减系数、可信度系数和修正系数相乘进行基础权重校正;

21、将维保里程、obd里程、估值里程、表显里程的修正后的基础权重归一化,得到 维保里程、obd里程、估值里程、表显里程对应的最终可信度权重。

22、其中,预先构建包含各类数据来源编码与对应来源可信度系数的映射对照表;分别提取 维保里程、obd里程、估值里程、表显里程各自附带的数据来源标识;将提取的数据来源标识与映射对照表进行检索匹配,调取得到每一类里程数据对应的来源可信度系数;来源权威性越高、篡改难度越大,匹配获得的来源可信度系数数值越高;利用来源可信度系数对静态基础权重进行修正。

23、进一步的,所述时间衰减系数:

24、;

25、所述修正系数:

26、;

27、式中,表示全生命周期时序里程数据对应的采集时间与当前参考时间的时间间隔,n表示最小时间间隔,m表示最大时间间隔,表示整体有效时效总年限,表示误差率,表示误差率最大基准阈值,表示容忍误差阈值,表示误差下限,表示误差上限。

28、进一步的,所述边权参数:;

29、式中,时间间隔归一化系数,里程增量合规系数,节点可信度权重。

30、其中,获取车辆出厂至当前时刻的总时长作为最大时间跨度,分别计算各里程数据采集时刻与当前时刻的时间间隔;将各时间间隔与最大时间跨度做比值运算得到时间间隔归一化系数。

31、其中,里程增量合规系数用于判定相邻时序节点间里程增长是否符合常规车辆行驶规律,杜绝里程回退、零增长、突降等异常情况。

32、按时间先后调取相邻两组里程记录的采集时间与对应里程数值,计算两组记录的时间间隔与实际里程增量;结合预设的车辆日均正常行驶里程阈值,换算得到该时间间隔内合理里程增量区间;根据实际里程增量与合理里程增量区间的匹配关系计算里程增量合规系数,具体的:

33、若实际里程增量介于合理里程增量下限与合理里程增量上限之间,则里程增量合规系数取值为 1;若实际里程增量大于 0 且小于合理里程增量下限,则以实际里程增量与合理里程增量下限的比值作为里程增量合规系数;若实际里程增量大于合理里程增量上限,则以合理增量里程上限与实际里程增量的比值作为里程增量合规系数;若实际里程增量小于或等于 0,则赋予预设最低合规系数。

34、实际里程增量偏离合理区间幅度越大,里程增量合规系数取值越低;若里程增量小于等于零,则设定固定最低合规系数;将里程增量合规系数纳入权重联合校正运算。

35、进一步的,采用优化的bellman-ford算法求解所述带权时序里程节点网络中相邻节点间的最短路。针对时序网络无负权、单向时序递进的特性进行优化,规避时序回路问题,遍历所有多源里程节点的组合路径,筛选出综合权重最小的路径作为最优真实里程路径。

36、本发明引入时序带权节点网络与最短路径算法,将里程筛选问题转化为时序路径优化问题,通过全局路径最优筛选,剔除局部异常篡改数据,还原完整、连续、真实的车辆里程时序轨迹,相较于传统单点对比方式,检测精度大幅提升。

37、进一步的,所述调表行为判定标准包括:最优真实里程与表显里程差值超过预设阈值,且持续时长大于t天(可取30天),判定为确定性调表;时序里程出现非维修、非故障的里程回退,判定为恶意调表;阶段性里程增量远低于同工况车辆平均增量,判定为隐性调表。阶段性里程增量是对车辆使用周期划分多个连续时序阶段,利用大数据求取各阶段时间跨度与首尾里程差值得到阶段性里程增量。

38、进一步的,采用时序加权拟合算法,以最优里程时序曲线为基础,融合车辆使用年限、行驶工况、维保记录数据,动态修正预测模型参数,输出当前真实里程预测值及预测误差区间。例如,根据车辆使用年限增长动态衰减年均行驶速率,匹配老旧车辆行驶频次降低的真实用车规律;根据长期通勤、长途行驶、长期静置等不同行驶工况动态调整里程增长斜率;以多次高可信维保里程记录作为时序锚点,持续校正拟合模型的基准斜率、合理波动上下阈值及衰减参数,不断优化最优里程时序曲线的贴合度。

39、包括一技术方案,基于多源里程可信度打分与时序路径的车辆调表检测系统,包括:数据采集模块、可信度打分模块、网络构建模块、路径求解模块、调表检测模块、里程预测模块;

40、所述数据采集模块,用于采集车辆维保里程、obd里程、估值里程、表显里程多源时序数据;

41、所述可信度打分模块,用于实现多源里程数据的基础分值赋值与动态修正,生成各里程节点可信度权重;

42、所述网络构建模块,用于搭建带权时序里程节点网络,定义节点与边权参数;

43、所述路径求解模块,用于求解时序最短路径,拟合最优真实里程时序曲线;

44、所述调表检测模块,用于对比分析里程偏差,识别各类调表异常行为并输出检测结果;

45、所述里程预测模块,用于补全缺失里程节点,预测车辆当前真实行驶里程。

46、包括一技术方案,一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述技术方案中任一项所述的基于多源里程可信度打分与时序路径的车辆调表检测方法。

47、与现有技术相比,本发明所达到的有益效果是:本发明利用多源里程数据的基础分值赋值与动态修正,生成各里程节点可信度权重,根据各里程节点可信度权重搭建带权时序里程节点网络,在带权时序里程节点网络中求解时序最短路径,拟合最优真实里程时序曲线。根据拟合最优真实里程时序曲线对比分析里程偏差,识别各类调表异常行为并输出检测结果,并用于补全缺失里程节点,预测车辆当前真实行驶里程。本发明通过可信度打分量化数据质量,结合时序最短路径全局优化,规避单点数据异常干扰,可精准识别里程回退、阶段性调低、隐性调表等各类传统方案难以检测的篡改行为,误检率、漏检率大幅降低。同时不仅可实现调表行为的精准判定、篡改时段与幅度量化,还可补全历史缺失里程、预测当前真实里程,一站式解决车辆里程溯源、核验、预测全流程需求。本发明可适配二手车交易检测、车企维保监管、保险公司风控、车辆资产管理等多个场景,具备极高的商业化价值与行业推广价值。