一种基于数学模型的公务车辆廉政风险控制的方法与流程

本发明涉及公务用车，具体为一种基于数学模型的公务车辆廉政风险控制的方法。

背景技术：

1、国家对公务车辆运行的监管日趋严格，多地政府部门将经费装备招标采购廉政问题排查作为专项行动来抓，更体现了加强公车管理的必要性和紧迫性。

2、因政府工作需要，政府单位下属单位多，车辆基数大、分布区域广，车辆运行难以监管，在公务车辆用车、加油、维修等环节上，公车私用、公车私养等廉政风险问题时有发生，这不仅对机关的廉政建设带来了持久的挑战，而且大大增加了车辆的运行成本，造成财政上的负担。另一方面，现代物联网、车联网技术、人工智能、大数据分析技术日趋成熟，数据采集手段也更加丰富，已可实现公车运行全生命周期流程从线下同步到线上，在日常运行中生成海量运行数据，但这些数据许多都在“沉睡”，无法发挥应有的价值。因此有必要利用这些数据，发明一种基于数学模型的方法，对这些数据进行智能化分析，找出公务车辆在使用过程中可能存在的廉政问题，使公务车辆的使用和管理更加规范化、智能化、廉洁化。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了一种基于数学模型的公务车辆廉政风险控制的方法，解决了上述背景技术中所存在的问题。

3、(二)技术方案

4、为实现上述目的，本发明提供如下技术方案：一种基于数学模型的公务车辆廉政风险控制的方法，所述方法包括使用三种模型对车辆使用、维修保养、加油情况进行监管，第一个是业务真实性检测模型，该模型可以在车辆用车、维修保养、加油、检测车辆是否在当时经过对应目的地；第二个是用车轨迹异常检测模型，该模型通过孤独森林与dbscan算法检测车辆轨迹是否异常；第三个是维修保养项目异常检测模型，该模型通过nlp、textrank、jieba将维修保养项目格式化后，再将里程与维修保养项目进行聚类分析，找出维修保养项目异常的情况，具体包括以下步骤：

5、s1、收集数据，收集与车辆运行费用相关的历史数据，获取方式为通过信息系统导出、电子表格、或者是手工灯具的相关信息；

6、s2、构建分析数据库，通过数据清晰、转换、整合的方式，构建分析数据集；

7、s3、构建业务真实性检测模型，通过车辆领用信息、车辆维修保养信息、车辆加油信息分别提供的目的地坐标、维修厂坐标、加油站坐标，判断车辆是否在业务发生时间内到达指定坐标，从而判断业务的真实性；

8、s4、构建用车轨迹异常检测模型，检测由于车辆使用不规范导致轨迹异常的问题，该模型用于处理行车记录中里程与行驶时间不匹配的问题，主要基于孤独森林和dbscan算法实现；

9、s5、构建维修保养项目异常检测模型，利用对维修保养项目进行标准化格式化处理，接着检测维修保养频率是否过高，保养频率是否过低等问题，通过该模型的应用，可以减少车辆由于维修业务引起的廉政问题，提高车辆的可用性与使用寿命。

10、优选的，所述步骤s1中，数据信息项目包括车辆基本信息、车辆领用信息、车辆维修保养信息、车辆加油信息、车辆gps轨迹信息。

11、优选的，所述步骤s2中，在数据分析过程中，需要将车辆领用信息中的“始发地”、“目的地”信息、维修保养信息中的维修厂信息、车辆加油信息中的加油站信息，计算出地理信息xy坐标，并存入到数据集中。

12、优选的，所述步骤s4的主要步骤如下：

13、(1)、选择公务车辆在使用过程中的行驶时间和里程，利用孤独森林算法筛选出异常点，作为后续的轨迹判断输入；

14、(2)、针对异常车辆，计算轨迹之间的dtw距离，dtw算法基于动态规划的思想，通过构建邻接矩阵来计算序列匹配，能够有效解决序列长度不一致的问题；

15、(3)、利用dbscan算法进行轨迹聚类的异常检测；

16、(4)、将计算结果输出，形成轨迹聚类的散点图，将异常的轨迹点予以标注。

17、优选的，所述步骤s5的主要步骤如下：

18、①、利用nlp/textrank/jieba算法，对维修项目进行标准化处理，使用nlp技术和textrank方法，利用jieba词库进行中文分词分析，通过对车辆维修记录中维修项目进行整理，使用这些算法，通过自然语言的学习与分词算法，可以处理各个维修厂对同一种维修保养项目表述不一致的问题，从而实现维修保养项目的标准化处理；

19、②、分析每个维修保养项目的合理取值范围，通过全分局的维修记录，分析每个维修项目里程与维修次数所对应的中位数，得出每个维修项目的里程与维修次数的合理范围；

20、③、检测维修保养项目的异常情况，将车辆的实际维修保养结果按具体维修项目生成散点图，以累计里程为横坐标、维修保养次数为纵坐标，形成维修项目散点图，结合该项目的合理取值范围表，如果在某个里程区间车辆的维修保养次数超过或低于合理取值范围的，则模型认为是疑似异常点，将计算结果输出。

21、(三)有益效果

22、本发明提供了一种基于数学模型的公务车辆廉政风险控制的方法，具备以下有益效果：

23、(1)、本发明比以往更能及时发现用车不真实、维修保养不真实、加油不真实的问题，减少廉政风险问题的发生。

24、(2)、本发明比以往更能发现车辆用车轨迹异常问题，减少公车私用与用车异常的风险。

25、(3)、本发明比以往更能及时发现维修项目异常、维修频率过高、维修频率过低等问题，节约车辆的维修成本。

技术特征：

1.一种基于数学模型的公务车辆廉政风险控制的方法，其特征在于：所述方法包括使用三种模型对车辆使用、维修保养、加油情况进行监管，第一个是业务真实性检测模型，该模型可以在车辆用车、维修保养、加油、检测车辆是否在当时经过对应目的地；第二个是用车轨迹异常检测模型，该模型通过孤独森林与dbscan算法检测车辆轨迹是否异常；第三个是维修保养项目异常检测模型，该模型通过nlp、textrank、jieba将维修保养项目格式化后，再将里程与维修保养项目进行聚类分析，找出维修保养项目异常的情况，具体包括以下步骤：

2.根据权利要求1所述的一种基于数学模型的公务车辆廉政风险控制的方法，其特征在于：所述步骤s1中，数据信息项目包括车辆基本信息、车辆领用信息、车辆维修保养信息、车辆加油信息、车辆gps轨迹信息。

3.根据权利要求1所述的一种基于数学模型的公务车辆廉政风险控制的方法，其特征在于：所述步骤s2中，在数据分析过程中，需要将车辆领用信息中的“始发地”、“目的地”信息、维修保养信息中的维修厂信息、车辆加油信息中的加油站信息，计算出地理信息xy坐标，并存入到数据集中。

4.根据权利要求1所述的一种基于数学模型的公务车辆廉政风险控制的方法，其特征在于：所述步骤s4的主要步骤如下：

5.根据权利要求1所述的一种基于数学模型的公务车辆廉政风险控制的方法，其特征在于：所述步骤s5的主要步骤如下：

技术总结
本发明涉及公务用车技术领域，且公开了一种基于数学模型的公务车辆廉政风险控制的方法，所述方法包括使用三种模型对车辆使用、维修保养、加油情况进行监管，第一个是业务真实性检测模型，该模型可以在车辆用车、维修保养、加油、检测车辆是否在当时经过对应目的地；第二个是用车轨迹异常检测模型，该模型通过孤独森林与DBSCAN算法检测车辆轨迹是否异常；本发明比以往更能及时发现用车不真实、维修保养不真实、加油不真实的问题，减少廉政风险问题的发生，比以往更能发现车辆用车轨迹异常问题，减少公车私用与用车异常的风险，比以往更能及时发现维修项目异常、维修频率过高、维修频率过低等问题，节约车辆的维修成本。

技术研发人员：伍世元,张雪连
受保护的技术使用者：广州百聚易科技有限公司
技术研发日：
技术公布日：2024/1/15