基于道路运输动态数据的企业考核评价方法、系统及终端与流程

1.本发明涉及交通运输的技术领域，尤其是涉及基于道路运输动态数据的企业考核评价方法、系统及终端。


背景技术：

2.千分制道路运输考核评价方法及系统是在交通大数据基础上，引用交通执法监管部门相关数据、分级分类考核分数“一个数据中心、多方复用”。整合执法机构数据中心中的企业、从业人员行为数据、对现有的信息进行集成和集约化管理，促进分级分类评价信息与信用信息高度融合。
3.目前现有的道路运输动态考核是通过获取企业的数据，使用评价模型并结合获取的企业数据对企业进行考核评价。监管机构根据最终的考核分数，若最终的考核分数低于一定的数值，监管机构会对企业进行监管执法，甚至限制企业车辆出行。
4.在实现本技术的过程中，发明人发现上述技术至少存在以下问题：在运用评价模型对企业进行考核之后，若限制出行的企业过多，导致可流动的车辆无法满足社会需求，从而影响正常的社会运行。


技术实现要素：

5.为了解决限制出行的企业过多，导致可流动的车辆无法满足社会需求，从而影响正常的社会运行的问题，本技术提供基于道路运输动态数据的企业考核评价方法、系统及终端。
6.第一方面，本技术提供一种基于道路运输动态数据的企业考核评价方法，采用如下的技术方案；一种基于道路运输动态数据的企业考核评价方法，包括以下步骤：获取不同业务平台的基础数据和历史车辆出行数据；根据历史车辆出行数据，计算并生成次日预测出行量；构建考核指标库，针对企业确定考核指标；根据考核指标和次日预测出行量对基础数据进行处理，并动态生成考核数据矩阵，所述考核数据矩阵包括若干个考核子数据；根据考核指标动态生成考核模型，并根据动态生成的考核模型和考核数据矩阵计算各企业考核评价结果，所述考核模型针对每个考核子数据设有对应的权重比；所述根据考核数据矩阵计算各企业考核评价结果具体包括以下内容：获取考核数据矩阵，通过考核模型计算每个考核子数据对应的分数，并根据每个考核子数据对应的权重比计算企业考核评价结果；具体为，将考核子数据对应的权重比看作系数，按照考核数据矩阵内考核子数据的分布生成对应的系数矩阵，考核数据矩阵为a，系数矩阵为b，按以下公式进行计算：
其中，λi为考核子数据对应的系数，αi为考核子数据对应的分数，i=1，2，3，...，n。
7.通过采用上述技术方案，根据历史车辆出行数据预测得到次日预测出行量，根据预测出的次日预测出行量获取考核数据矩阵或生成相应的考核模型，在次日预测出行量较大时，减少获取企业的减分数据或者提高加分项的权重比，从而在短期内提高企业的考核分数，使得实际能够出行的车辆能够满足日常的社会需求。
8.在一个具体的可实施方案中，所述获取不同业务平台的基础数据具体包括：预设定时作业任务，根据定时作业任务定时拉取每个业务平台的基础数据。
9.通过采用上述技术方案，定时拉取基础数据能够确保消息的实时性，使得一些对企业考核影响较大的数据能够及时被获取，从而及时更新企业考核分数，确保能够出行车辆的企业都能符合标准，提高了交通运输的安全性。
10.在一个具体的可实施方案中，所述根据历史车辆出行数据，计算并生成次日预测出行量具体包括：获取天数信息和当前时间信息；对天数信息和历史车辆出行数据进行拟合，生成出行量变化曲线；根据出行量具有周相似性的特征，基于出行量变化曲线和当前时间信息得到次日预测出行量。
11.通过采用上述技术方案，根据当前时间信息从拟合生成的出行量变化曲线中确定次日预测出行量，由于每周不同时间段的出行量是不同的，因此通过拟合生成出行量变化曲线能够较为准确且客观的对次日出行量进行预测。
12.在一个具体的可实施方案中，所述根据考核指标和次日预测出行量对基础数据进行处理，并动态生成考核数据矩阵具体包括：对基础数据进行分类，将同一类基础数据打上基础标签，每个所述基础标签对应一个考核指标的内容；根据考核指标获取考核指标的内容对应的基础标签，将考核指标的内容对应的基础标签作为考核标签；从所有基础数据中筛选出考核标签对应的基础数据作为考核数据矩阵。
13.通过采用上述技术方案，获取的基础数据用于供各个平台查看，然而在实际考核时只会获取考核所需的基础数据，通过筛选基础数据能够提高考核的效率。
14.在一个具体的可实施方案中，所述根据考核指标获取考核指标的内容对应的基础标签之前包括：预设出行量阈值，判断次日预测出行量是否高于出行量阈值；若次日预测出行量高于出行量阈值，则对部分类型的基础数据对应的基础标签进行隐藏处理，所述部分类型的基础数据为预设的可不参与考核评价的数据。
15.通过采用上述技术方案，隐藏部分无关紧要的不良的基础数据，从而降低这些数据对企业考核造成的影响，在短时间内能够使得企业车辆正常出行，从而尽可能满足实际的社会需求。
16.在一个具体的可实施方案中，所述对部分类型的基础数据对应的基础标签进行隐藏处理具体包括：获取不同类型的基础数据对应的数据属性，所述数据属性分为高影响属性和低影响属性，所述部分类型的基础数据为低影响属性对应的基础数据；将具有低影响属性的基础数据对应基础标签更改为特有标签，所述考核模型无法根据考核指标获取基础标签更改为特有标签的基础数据。
17.通过采用上述技术方案，在隐藏基础数据的时候会对基础数据进行分析，低影响数据为没有严重影响或严重安全隐患的数据，将此类基础数据进行隐藏，在尽可能确保企业考核分数达到合格要求的同时，还能够确保交通运输的安全性。
18.在一个具体的可实施方案中，所述动态生成考核模型具体包括：获取若干个考核子数据、每个考核子数据对应的权重比和每个考核子数据的数据属性，所述数据属性分为第一属性和第二属性；预设出行量阈值，判断次日预测出行量是否高于出行量阈值；若次日预测出行量高于出行量阈值，则提高具有第一属性的考核子数据对应的权重比，降低具有第二属性的考核子数据对应的权重比；根据考核子数据和更改后的考核子数据对应的权重比生成考核模型。
19.通过采用上述技术方案，通过更改每个考核子数据对应的权重比，提高提高具有第一属性的考核子数据对应的权重比，从而进一步提高企业的考核分数，使得企业车辆能够正常出行。
20.第二方面，本技术提供一种道路运输动态考核评价系统，采用如下的技术方案；一种道路运输动态考核评价系统，包括：数据采集模块、出行量预测模块、考核指标存储模块、数据筛选模块和打分模块；所述数据采集模块用于采集不同业务平台的基础数据、当前时间信息和历史车辆出行数据；所述出行量预测模块用于根据历史车辆出行数据和当前时间信息预测次日预测出行量；所述考核指标存储模块用于存储对企业的考核指标；所述数据筛选模块用于根据次日预测出行量并结合考核指标从所有基础数据中筛选出考核子数据；所述打分模块用于根据考核子数据计算各企业考核评价结果。
21.通过采用上述技术方案，出行量预测模块根据历史车辆出行数据预测得到次日预测出行量，根据预测出的次日预测出行量获取考核数据矩阵或生成相应的考核模型，在次日预测出行量较大时，减少获取企业的减分数据或者提高加分项的权重比，从而在短期内提高企业的考核分数，使得实际能够出行的车辆能够满足日常的社会需求。
22.第三方面，本技术提供一种智能终端，采用如下的技术方案；一种智能终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述任一所述的一种基于道路运输动态数据的企业考核评价方法。
23.通过采用上述技术方案，根据历史车辆出行数据预测得到次日预测出行量，根据
预测出的次日预测出行量获取考核数据矩阵或生成相应的考核模型，在次日预测出行量较大时，减少获取企业的减分数据或者提高加分项的权重比，从而在短期内提高企业的考核分数，使得实际能够出行的车辆能够满足日常的社会需求。
24.第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案；一种计算机可读存储介质，包括可读存储介质及存储在所述可读存储介质上运行的计算机程序，所述计算机程序由处理器加载并执行以实现如上述任一所述的一种基于道路运输动态数据的企业考核评价方法。
25.通过采用上述技术方案，根据历史车辆出行数据预测得到次日预测出行量，根据预测出的次日预测出行量获取考核数据矩阵或生成相应的考核模型，在次日预测出行量较大时，减少获取企业的减分数据或者提高加分项的权重比，从而在短期内提高企业的考核分数，使得实际能够出行的车辆能够满足日常的社会需求。
26.综上所述，本技术包括以下至少一种有益技术效果：1、在次日预测出行量较大时，减少获取企业的减分数据或者提高加分项的权重比，从而在短期内提高企业的考核分数，使得实际能够出行的车辆能够满足日常的社会需求。
27.2、通过拟合生成出行量变化曲线能够较为准确且客观的对次日出行量进行预测。
28.3、尽可能确保企业考核分数达到合格要求的同时，还能够确保交通运输的安全性。
附图说明
29.图1是本技术实施例中一种道路运输动态考核评价系统的整体结构示意图。
30.图2是本技术另一实施例中一种道路运输动态考核评价系统的整体结构示意图。
31.图3是本技术实施例中一种基于道路运输动态数据的企业考核评价方法的整体流程示意图。
32.图4是本技术实施例中次日预测出行量的计算流程示意图。
33.图5是本技术实施例中考核数据矩阵的获取流程示意图。
34.图6是本技术实施例中基础标签隐藏的流程示意图。
35.图7是本技术实施例中计算企业考核评价结果的流程示意图。
36.图8是本技术实施例中更新权重比的流程示意图。
37.附图标记说明：1、数据采集模块；2、出行量预测模块；3、考核指标存储模块；4、数据筛选模块；5、打分模块。
具体实施方式
38.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细说明。
39.本技术一个实施例公开一种道路运输动态考核评价系统，参照图1，该系统包括数据采集模块1、考核指标存储模块3和打分模块5，数据采集模块1用于采集不同业务平台的基础数据；考核指标存储模块3用于存储对企业的考核指标；打分模块5用于根据考核模型
并结合采集的基础数据和考核指标计算企业考核评价结果。
40.其中，数据采集模块1是通过api接口方式调用业务平台api接口实现数据的拉取处理，业务平台包括省运政平台系统、公安系统、车辆主动安防系统、货运平台系统和两客一危系统。数据采集模块1从各个平台中获取基础数据，并对获取的基础数据进行汇总。
41.在本技术另一个实施例中，参照图2，该系统还包括出行量预测模块2和数据筛选模块4，数据采集模块1还用于采集当前时间信息和历史车辆出行数据；出行量预测模块2用于根据历史车辆出行数据和当前时间信息预测次日预测出行量；数据筛选模块4用于根据次日预测出行量并结合考核指标从所有基础数据中筛选出考核子数据。
42.具体的，历史车辆出行数据为一个月的出行量数据，由于出行量具有周相似性的特征，通过计算一个月内每周中同一天的出行量数据的平均值，预测每周的那一天的出行量。
43.举例说明，第一周的周一的出行量为1.5万量，第二周的周一的出行量为1.4万量，第三周的周一的出行量为1.6万量，第四周的周一的出行量为1.8万量，计算一个月内每周一的平均出行量为1.575万量。若获取的当前时间信息为第四周的周日，则次日预测出行量则为1.575万量。
44.在实施中，首先通过数据采集模块1对基础数据、当前时间信息和历史车辆出行数据进行采集，其次通过出行量预测模块2预测出次日预测出行量，随后数据筛选模块4从考核指标存储模块3中获取考核指标并结合次日预测出行量筛选出考核子数据，最后打分模块5根据考核子数据计算各企业考核评价结果。通过预测的出行量优化打分方式，从而在短期内提高企业的考核分数，使得实际能够出行的车辆能够满足日常的社会需求。
45.下面结合一种道路运输动态考核评价系统对一种基于道路运输动态数据的企业考核评价方法的实施进行详细说明：参照图3，本技术另一实施例提供一种基于道路运输动态数据的企业考核评价方法，包括以下步骤：s10、获取不同业务平台的基础数据和历史车辆出行数据。
46.在本技术实施例中，基础数据的获取是通过预设定时作业任务，根据定时作业任务定时拉取每个业务平台的基础数据。具体的，定时作业任务设定了拉取基础数据的间隔时间，达到间隔时间后通过api接口方式调用业务平台api接口实现基础数据的拉取处理。
47.其中，业务平台包括省运政平台系统、公安系统、车辆主动安防系统、货运平台系统和两客一危系统。
48.在本技术另一个实施例中，获取的基础数据会归集到交通监管数据中心，在归集到交通监管数据中心之前会对基础数据进行清洗处理。针对不同的业务平台，通常采用不同的清洗处理方案，具体包括：针对省运政平台系统的清洗处理方案：省运政平台系统涉及车辆基本信息数据、从业人员自身基本信息、企业注册基本信息，在数据对接过程去除备用字段，创建修改时间字段和创建用户字段，保留车牌号、车牌颜色、年审有效期、经营范围字段和状态字段，对状态字段由原中文标识字段转成数字存储、数据类型标准化定义。
49.针对车辆主动安防系统的清洗处理方案：车辆主动安防系统涉及到超速、疲劳驾驶、夜间禁行等危险驾驶行为，在数据对接过程中去除误报，并且同一辆车每天同一类警情
只存储为一条基础数据。
50.公安系统、货运平台系统和两客一危系统的清洗处理方案与省运政平台系统一致。
51.s20、根据历史车辆出行数据，计算并生成次日预测出行量。
52.其中，由于出行量具有周相似性的特性，因此次日预测出行量的生成是根据历史车辆出行数据的规律而确定的，参照图4，具体包括以下步骤：s21、获取天数信息和当前时间信息；s22、对天数信息和历史车辆出行数据进行拟合，生成出行量变化曲线；s23、根据出行量具有周相似性的特征，基于出行量变化曲线和当前时间信息得到次日预测出行量。
53.具体的，天数信息为一周的天数，生成的出行量变化曲线在直角坐标系内表示，直角坐标系的横坐标有七个参数点，分别为周一、周二、周三、周四、周五、周六、周日；直角坐标系的纵坐标表示出行量，获取的历史车辆出行数据对应横坐标的时间记录在直角坐标系内。出行量变化曲线根据获取的历史车辆出行数据的更新动态变化。
54.在实施中，获取当前时间信息为周二，根据实时的出行量变化曲线确定周三所对应的出行量数值，并将该出行量数值作为次日预测出行量。
55.s30、构建考核指标库，针对企业确定考核指标。
56.其中，考核指标包括运输资质、安全管理、动态管理、行业监管、违法行为和加分项。
57.s40、根据考核指标和次日预测出行量对基础数据进行处理，并动态生成考核数据矩阵。
58.在本技术实施例中，将从各个业务平台获取的基础数据存储至交通监管数据中心，能够便于各个业务平台实现数据互通。然而对于企业的考核，只需获取考核指标所对应的基础数据，因此需要对基础数据进行筛选，参照图5，具体包括以下步骤：s41、对基础数据进行分类，将同一类基础数据打上基础标签，每个基础标签对应一个考核指标的内容；s42、根据考核指标获取考核指标的内容对应的基础标签，将考核指标的内容对应的基础标签作为考核标签；s43、从所有基础数据中筛选出考核标签对应的基础数据作为考核数据矩阵。
59.举例说明，考核指标为运输资质，获取的基础数据包括驾驶员从业资格证、企业车辆规模、车辆超速驾驶记录和交通事故发生率。其中，驾驶员从业资格证和企业车辆规模对应运输资质标签，车辆超速驾驶记录对应动态监管标签，交通事故发生率对应违法行为标签。因此将基础数据中的驾驶员从业资格证和企业车辆规模作为考核数据并生成相应的考核数据矩阵。
60.在本技术另一实施例中，为了尽可能满足社会对车辆的需求，会根据次日预测出行量适时调整对基础数据的获取，从而尽可能确保出行的车辆能够满足正常社会需求，具体包括以下步骤：预设出行量阈值，判断次日预测出行量是否高于出行量阈值；若次日预测出行量高于出行量阈值，则对部分类型的基础数据对应的基础标签进
行隐藏处理；若次日预测出行量不高于出行量阈值，则不对基础标签进行隐藏处理。
61.其中，每次对企业进行考核后，能够判断企业是否被限制出行，从而获取企业能够出行的车辆，通过统计所有企业能够出行的车辆。获取多次考核结果中所有企业能够出行的车辆，并将多次考核结果中所有企业能够出行的车辆的平均值作为出行量阈值。
62.在实施中，基础标签被进行隐藏处理后，无法根据考核标准获取该基础标签对应的基础数据，一些可能会降低企业评分的基础数据就无法被获取。为了降低安全隐患，因此会对基础标签进行选择性的隐藏处理，参照图6，具体包括以下步骤：a1、获取不同类型的基础数据对应的数据属性；其中，数据属性分为高影响属性和低影响属性，上述的部分类型的基础数据即为低影响属性对应的基础数据。
63.a2、将具有低影响属性的基础数据对应的基础标签更改为特有标签。
64.在实施中，低影响数据为没有严重影响或严重安全隐患的数据，将此类基础数据进行隐藏，在尽可能确保企业考核分数达到合格要求的同时，还能够确保交通运输的安全性。并且当次日预测出行量不高于出行量阈值时，将特有标签恢复成基础标签，从而对企业进行准确的评价。
65.s50、根据考核指标动态生成考核模型，并根据动态生成的考核模型和考核数据矩阵计算各企业考核评价结果。
66.参照图7，根据考核数据矩阵计算各企业考核评价结果具体包括以下步骤：b1、获取考核数据矩阵；其中，考核数据矩阵包括若干个考核子数据，考核模型针对每个考核子数据设有对应的权重比。
67.b2、通过考核模型计算每个考核子数据对应的分数，并根据每个考核子数据对应的权重比计算企业考核评价结果。
68.具体的，将考核子数据对应的权重比看作系数，按照考核数据矩阵内考核子数据的分布对应生成对应的系数矩阵，考核数据矩阵为a，系数矩阵为b，按以下公式进行计算：其中，λi为考核子数据对应的系数，αi为考核子数据对应的分数，i=1，2，3，...，n。
69.在本实施例中，考核模型包括客运考核、普货考核和危货考核，客运考核的考核指标包括运输资质、安全管理、动态管理、行业监管、违法行为；危货考核和普货考核的考核指标包括运输资质、安全管理、动态管理、行业监管、违法行为、加分项。
70.以上六大类考核项需要的数据具体包括：运输资质：考核企业车辆规模、驾驶员从业资格证是否有效、驾驶员与在营车辆的比例、经营许可证保持在有效期内、道路运输证保持在年审有效期内。
71.安全管理：考核企业主要负责人安全考核、安全管理人员配置、动态监控人员配备、安全生产管理体系、安全会议档案、驾驶员教育培训档案、车辆检查档案、隐患排查档案、安全生产标准化。
72.动态管理：考核主动安防安装比例、超速驾驶、离线位移、疲劳驾驶、生理疲劳（分神驾驶）、抽烟报警、驾驶员异常、接打电话、夜间禁行、严重报警及时处理率。
73.行业监管：核企业安全检查、动态监管、抄告通报、有责投诉、曝光通报、企业履职情况。
74.违法行为：考核运政违章行为、交通事故发生率、交通亡人事故、交通违法发生率、重点交通违法行为。
75.加分项：考核企业安全生产标准化、注册安全工程师、表彰奖励、经验交流分享。
76.在实施中，按照预设的权重比进行打分。
77.在本技术另一实施例中，为了尽可能满足社会对车辆的需求，会根据次日预测出行量动态调整考核模型，参照图8，具体包括以下步骤：c1、获取若干个考核子数据、每个考核子数据对应的权重比和每个考核子数据的数据属性；其中，数据属性分为第一属性和第二属性。
78.c2、预设出行量阈值，判断次日预测出行量是否高于出行量阈值；若次日预测车流量高于车流量阈值，则提高具有第一属性的考核子数据对应的权重比，降低具有第二属性的考核子数据对应的权重比；c3、根据考核子数据和更改后的考核子数据对应的权重比生成考核模型。
79.在实施中，通过提高加分项的权重比，从而在短期内提高企业的考核分数，使得实际能够出行的车辆能够满足日常的社会需求。
80.基于上述同一发明构思，本技术实施例还公开一种智能终端。一种智能终端，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，计算机程序被处理器执行时实现上述方法实施例提供的一种基于道路运输动态数据的企业考核评价方法。
81.基于上述同一发明构思，本技术实施例还公开一种计算机可读存储介质，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集能够由处理器加载并执行以实现上述方法实施例提供的一种基于道路运输动态数据的企业考核评价方法。
82.应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
83.本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质例如包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
84.以上所述仅为本技术的可选实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。