基于K-means的交通运输主体信用评级方法及装置

    公开(公告)号:CN112907035A

    公开(公告)日:2021-06-04

    申请号:CN202110114076.7

    申请日:2021-01-27

    Abstract: 本发明公开了一种基于K‑means的交通运输主体信用评级方法及装置,其中,方法包括:获取交通运输主体的原始信用数据并进行预处理,以得到多维度指标;采用因子分析法对多维度指标进行降维处理,以便对多维度指标进行分类并获取每一类对应的因子;采用K‑means聚类算法对降维后的各类因子进行处理,以获取聚类后的最优数据集;根据获得的聚类后的最优数据集分别采用因子分析法、熵值法和critic权重法计算各类指标对应的权重,并采用列求和归一化方法获取各类指标的权重值;获取预先设置的评分分值和对应的评分等级,以及根据各类指标的权重值获取各类指标的信用评分分值,以便根据3sigma原则匹配出各类指标的信用评分分值对应的评分等级,从而大大提高评级效果。

    基于K-means的交通运输主体信用评级方法及装置

    公开(公告)号:CN112907035B

    公开(公告)日:2022-08-05

    申请号:CN202110114076.7

    申请日:2021-01-27

    Abstract: 本发明公开了一种基于K‑means的交通运输主体信用评级方法及装置,其中,方法包括:获取交通运输主体的原始信用数据并进行预处理,以得到多维度指标;采用因子分析法对多维度指标进行降维处理,以便对多维度指标进行分类并获取每一类对应的因子;采用K‑means聚类算法对降维后的各类因子进行处理,以获取聚类后的最优数据集;根据获得的聚类后的最优数据集分别采用因子分析法、熵值法和critic权重法计算各类指标对应的权重,并采用列求和归一化方法获取各类指标的权重值;获取预先设置的评分分值和对应的评分等级,以及根据各类指标的权重值获取各类指标的信用评分分值,以便根据3sigma原则匹配出各类指标的信用评分分值对应的评分等级,从而大大提高评级效果。

    基于深度学习的交通拥堵检测方法

    公开(公告)号:CN114863390A

    公开(公告)日:2022-08-05

    申请号:CN202210414734.9

    申请日:2022-04-15

    Abstract: 本发明公开了一种基于深度学习的交通拥堵检测方法、介质和设备,其中方法包括:获取路面图像,并将所述路面图像输入到预先训练好的交通拥堵集成模型,其中,所述交通拥堵集成模型包括第一子模型、第二子模型和第三子模型;所述第一子模型、所述第二子模型和所述第三子模型分别根据所述路面图像输出相应的结果;根据投票法对所述第一子模型、所述第二子模型和所述第三子模型输出的结果进行融合,并将融合结果作为所述路面图像对应的交通拥堵检测结果;能够实现对交通拥堵进行有效判断,提高交通拥堵判断准确性,同时,降低交通拥堵判断所需耗费的人力物力资源。

    基于经纬度定位车辆所在交通小区位置的方法

    公开(公告)号:CN107067788A

    公开(公告)日:2017-08-18

    申请号:CN201710329267.9

    申请日:2017-05-11

    CPC classification number: G08G1/123 G01S19/48

    Abstract: 本发明涉及一种基于经纬度定位车辆所在交通小区位置的方法,根据车辆位置经纬度信息结合Geohash算法,将车辆位置经纬度坐标转换为一维字符串,在数据库中建立Geohash字符串与交通小区的对应索引,在地图上进行查询统计出租车信息时,可根据出租车实时所在的GPS经纬度数据快速定位车辆所在的交通小区位置,加快各个交通小区实时的车辆数据统计,本发明通过先将二维坐标转换为一维字符串,再通过索引表快速查询匹配,大大缩短了实时统计查询的响应时间。

Patent Agency Ranking