一种针对路内停车欠费的追缴方法及系统

摘要

本发明涉及一种追缴方法及系统，尤其涉及一种针对路内停车欠费的追缴方法及系统，包括以下步骤：从路内停车场的车主付费终端或管理员手持缴费终端获取车辆的停车付费信息；根据停车付费信息，分别构建基础信用模型和欠费缴纳行为模型，并计算得到车主的信用分；车主在路外停车场停车时，比较车主的信用分与信用分阈值，然后对车辆进行不同方式的处理。本发明的有益效果是：提出了一种停车信用算法，包括基础信用模型、欠费缴纳行为模型和辅助因素模型，其核心是利用币天销毁权值模型和辅助加权因素结合的方式，解决了停车信用评估不准确或不合理的问题。

说明书

技术领域

本发明涉及一种追缴方法及系统，尤其涉及一种针对路内停车欠费的追缴方法及系统。

背景技术

现有城市级路内停车场景下(开放式路侧停车场)，车主逃费欠费问题屡见不鲜，有部分城市可以采用行政执法的方式对车主进行处罚，但是大部分城市没有行政执法权，从而采用的追缴欠费方式，有比如，下次路内停车时管理员进行追缴，媒体曝光，法律诉讼，列入地方征信等。但是上述欠费追缴方式无法直接有效地对车主的下次停车行为进行管控，车主可以选择再次逃费，且除了管理员追缴，其他方式的执行成本过高。

发明内容

为解决现有方法存在的问题，本发明给出一种针对路内停车欠费的追缴方法及系统。

本发明技术方案是：一种针对路内停车欠费的追缴方法，包括以下步骤：

S1：从路内停车场的车主付费终端或管理员手持缴费终端获取车辆的停车付费信息；

S2：根据停车付费信息，分别构建基础信用模型和欠费缴纳行为模型，并计算得到车主的信用分；

S3：车主在路外停车场停车时，比较车主的信用分与信用分阈值，然后对车辆进行不同方式的处理。

优选的，所述步骤S2中还包括：获取车主第三方数据，根据第三方数据建立辅助因素模型作为辅助判断，根据基础信用模型、欠费缴纳行为模型以及辅助因素模型，计算得到车主的信用分。

优选的，所述步骤S2中构建基础信用模型用于描述用户停车的基本缴费行为，通过用户所得的信用评价得分乘以该次停车付费的币天销毁再获得用户的最后信用值，其算法如下：

W_i＝C_i*D_i

R_i∈{-1,0,1}

i,W_i,C_i,D_i∈(0,+∞)

其中R_n代表用户的原始信用值总分，R_i为第i次停车付费时用户所得的信用值，W_i为第i次停车付费时的币天销毁，C_i为第i次停车付费时的金额，D_i为第i次停车付费距离上一次停车付费所积累的时间,Ri∈{-1,0,1}代表车辆逃费、车辆未产生停车费、车辆正常付费行为。

优选的，所述步骤S2中构建欠费缴纳行为模型用于明确用户欠费缴纳行为，其算法如下：

W_i＝C_i*D_i

R_i∈{-1,0,1}

i,W_i,C_i,D_i∈(0,+∞)

其中R_n代表用户的原始信用值总分，R_i为第i次欠费缴纳用户所得的信用值，W_i为第i次欠费缴纳时的币天销毁，C_i为第i次欠费缴纳的金额，D_i为第i次欠费缴纳产生的滞纳时间,当D_i∈(0,T)，则R_i＝1,代表用户在给定的滞纳时间T内完成欠费缴纳，属于信用好评；当D_i∈(T,T₁)，则R_i＝0，代表用户没有及时完成欠费缴纳，但是未超出滞纳容忍日T₁，属于信用中评；当D_i∈(T₂,+∞)，则R_i＝-1，代表用户没有及时完成欠费缴纳，且超出滞纳容忍日T₂，属于信用差评。

优选的，所述辅助因素模型的算法如下：

E＝E₁*S₁+E₂*S₂+E₃*S₃+…+E_i*S_i

S₁,S₂,S₃,…,S_i∈(0.8,1.2)

E₁,E₂,E₃,…,E_i∈(0,1)

E₁+E₂+E₃+…+E_i＝1

其中E为加权基数，E_i为第三方数据权值，评判得分为S_i，从0.8到1.2实现平均分布。

优选的，，所述信用分的算法如下：

R_n'＝R_n*E

其中R_n'为最终的信用总分，即原始信用分乘以加权基数E得到的辅助因素加权信用分。

优选的，所述步骤S3具体包括：当信用分在某个不良区间内，会进行警告提示，在评估为低信用车辆时，会直接进行拦截入场操作；当信用分较好，但是有欠费记录的情况下，出场时进行欠费提示，当信用分在某个不良区间内，出场时会进行警告，在评估为低信用车辆时，出场时会进行强制收取历史欠费。

本发明还提供了一种针对路内停车欠费的追缴系统，包括：中央控制系统、云服务器、停车场入口控制系统以及停车场出口控制系统，在每个路内停车场和室外停车场均安装有中央控制系统，中央控制系统从路内停车场的车主付费终端或管理员手持缴费终端获取车辆的停车付费信息，并将停车付费信息上传到云服务器，云服务器根据停车付费信息分别构建基础信用模型、欠费缴纳行为模型以及辅助因素模型，计算得到车主的信用分，并将信用分同步到各个路外停车场的中央控制系统，中央控制系统比较车主的信用分与信用分阈值，对车辆进行不同方式的处理。

优选的，所述对车辆进行不同方式的处理包括：当信用分在某个不良区间内，会进行警告提示，在评估为低信用车辆时，会直接进行拦截入场操作；当信用分较好，但是有欠费记录的情况下，出场时进行欠费提示，当信用分在某个不良区间内，出场时会进行警告，在评估为低信用车辆时，出场时会进行强制收取历史欠费。

本发明的有益效果是：

1.当发生路内停车逃费欠费行为后，利用路外停车封闭性的优势，将城市级的路内场和部分路外停车场通过云计算进行融合，欠费记录可按照规则同步至路外停车场的管理系统；

2.提出了一种停车信用算法，包括基础信用模型、欠费缴纳行为模型和辅助因素模型，其核心是利用币天销毁权值模型和辅助加权因素结合的方式，解决了停车信用评估不准确或不合理的问题；

3.当车辆驶入接入本架构体系的路外停车场时，利用停车信用算法的拦截策略，可判断是否拦截此次入场，从而达到警告、拦截等不同的策略；

4.当车辆被允许驶入，则在驶出时会提示本次停车费用和需要缴纳的历史欠费，利用停车信用算法的追缴策略，可对欠费进行提示、警告或者强制收取。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1是本发明实施例的流程示意图；

图2是本发明实施例中追缴有效性和接入路外车场数量的关系图；

图3是本发明实施例的系统框图。

具体实施方式

以下结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

结合附图1，本发明技术方案是：一种针对路内停车欠费的追缴方法，包括以下步骤：

S1：从路内停车场的车主付费终端或管理员手持缴费终端获取车辆的停车付费信息。

具体的，路内停车场(开放式路侧停车场)一般通过路侧的咪表或者路面管理员的手持终端进行收费。车主付费终端或管理员手持缴费终端都可以记录车辆的付费金额、付费时间、是否逃费等信息，并将该信息在不同的路外停车场进行同步。

S2：根据停车付费信息，分别构建基础信用模型、欠费缴纳行为模型、辅助因素模型，并计算得到车主的信用分。

具体的，构建基础信用模型用于描述用户停车的基本缴费行为，通过用户所得的信用评价得分乘以该次停车付费的币天销毁再获得用户的最后信用值，其算法如下：

W_i＝C_i*D_i

R_i∈{-1,0,1}

i,W_i,C_i,D_i∈(0,+∞)

其中R_n代表用户的原始信用值总分，R_i为第i次停车付费时用户所得的信用值，W_i为第i次停车付费时的币天销毁，C_i为第i次停车付费时的金额，D_i为第i次停车付费距离上一次停车付费所积累的时间,Ri∈{-1,0,1}代表车辆逃费、车辆未产生停车费、车辆正常付费行为。

币天销毁是指每笔交易乘以这笔交易多少天前收到钱的天数,比如你花了一笔100天以前收到的10BTC,这笔交易的天销毁就是1000.累积就是所有交易的天销毁求和。

由于考虑到了停车付费金额的大小，且结合了本次交易距离上一次停车付费所累积的时间，所以用户利用小额度频繁停车以快速获取更高信用评分的方式就被有效遏制了。同样的，对于信用状况一直较为良好的用户，偶尔产生的小额度欠费行为并不会对整体信用产生很大的影响。

欠费缴纳行为模型用于明确用户欠费缴纳行为，模型主要依赖于滞纳时间和欠费金额。复用基础信用模型中给出的基础模型算法，修改参数的含义为：R_n代表用户的原始信用值总分，R_i为第i次欠费缴纳用户所得的信用值，W_i为第i次欠费缴纳时的币天销毁，C_i为第i次欠费缴纳的金额，D_i为第i次欠费缴纳产生的滞纳时间,当D_i∈(0,T)，则R_i＝1,代表用户在给定的滞纳时间T内完成欠费缴纳，属于信用好评；当D_i∈(T,T₁)，则R_i＝0，代表用户没有及时完成欠费缴纳，但是未超出滞纳容忍日T₁，属于信用中评；当D_i∈(T₂,+∞)，则R_i＝-1，代表用户没有及时完成欠费缴纳，且超出滞纳容忍日T₂，属于信用差评。

通过设置滞纳时间和滞纳容忍日，结合基础模型算法，可以给出一个较为准确表达用户欠费缴纳行为的信用模型。

辅助因素模型采用对接第三方提供的数据，作为一种辅助判断策略，如违法停车次数、芝麻信用分、停车场黑名单等，可以扩展。其公式为：

E＝E₁*S₁+E₂*S₂+E₃*S₃+…+E_i*S_i

S₁,S₂,S₃,…,S_i∈(0.8,1.2)

E₁,E₂,E₃,…,E_i∈(0,1)

E₁+E₂+E₃+…+E_i＝1

其中E为加权基数，E_i为第三方数据权值，评判得分为S_i。设定违法停车次数权值为E1，评判得分为S₁，芝麻信用分权值为E₂，评判得分为S₂，停车场黑名单次数权值为E₃，评判得分为S₃。评判得分不同场景下标准不同，以芝麻信用分举例为，在[500,800]的得分区间内，从0.8到1.2实现平均分布。

信用分的算法为：R_n'＝R_n*E，其中R_n'为最终的信用总分，即原始信用分乘以加权基数E得到的辅助因素加权信用分。

综上，在不考虑停车场个体差异的情况下，追缴有效性的判定公式为：

其中y为有效性，n为当前城市总停车场数量，x为接入本架构体系的停车场数量。有效性随着接入本架构体系路外停车场的数量而变化。另外，当接入的车场为医院、火车站、核心区等高流量车场时，该欠费追缴系统架构的有效性会得到进一步提升。其有效性曲线平均值如图2所示线性分布，设定城市总路外停车场数量为2000，追缴有效性最低为0，最高为1，追缴有效性(Y轴)和接入路外车场数量(X轴)的关系呈线性分布。

S3：车主在路外停车场停车时，比较车主的信用分与信用分阈值，然后对车辆进行不同方式的处理。

具体的，当信用分在某个不良区间内，会进行警告提示，在评估为低信用车辆时，会直接进行拦截入场操作；当信用分较好，但是有欠费记录的情况下，出场时进行欠费提示，当信用分在某个不良区间内，出场时会进行警告，在评估为低信用车辆时，出场时会进行强制收取历史欠费。

结合附图3，本发明还提供了一种针对路内停车欠费的追缴系统，包括：中央控制系统、云服务器、停车场入口控制系统以及停车场出口控制系统，在每个路内停车场和室外停车场均安装有中央控制系统，中央控制系统从路内停车场的车主付费终端或管理员手持缴费终端获取车辆的停车付费信息，并将停车付费信息上传到云服务器，云服务器根据停车付费信息分别构建基础信用模型、欠费缴纳行为模型以及辅助因素模型，计算得到车主的信用分，并将信用分同步到各个路外停车场的中央控制系统，中央控制系统比较车主的信用分与信用分阈值，对车辆进行不同方式的处理。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。