技术摘要：
本发明公开了一种基于运营状况的商用车违约风险预警方法，包括步骤：S10、获取车辆基本信息；S20、获取车辆的实际载重数据；S30、获取车辆的位置数据，对车辆的位置数据进行分析，得到车辆的行驶里程；S40、根据车辆的基本信息获取该车辆的收费标准，结合车辆的收费标  全部
背景技术：
目前商用车金融渗透率已经达到50％以上。同时，营运车辆、商用车的金融收益率 明显高于乘用车的收益率。但与乘用车金融相比，商用车平均单车价格较高，同时营运收外 部环境影响较大，在市场低迷的情况下，商用车的融资租赁存在着较高的风险。目前商用车 融资租赁的风险主要从贷前信用审核为主，辅以北斗/GPS的贷中监控手段。此类风险防控 手段并不能事先发现车主营运能力的变化，只能在逾期发生后进行事后的追讨。
技术实现要素：
为了克服上述现有技术的缺陷，本发明提供了一种基于运营状况的商用车违约风 险预警方法。 本发明解决其技术问题所采用的技术方案是：一种基于运营状况的商用车违约风 险预警方法，包括步骤： S10、获取车辆基本信息； S20、获取车辆的实际载重数据； S30、获取车辆的位置数据，对车辆的位置数据进行分析，得到车辆的行驶里程； S40、根据车辆的基本信息获取该车辆的收费标准，结合车辆的收费标准以及车辆 的载重数据、行驶里程计算车辆的运营收入； 根据第一判断条件判断车辆的履约风险，若存在履约风险，则发送风险告警； 所述第一判断条件为：在单位时间内，车辆的运营收入是否能够达到单位履约金 额，车辆在单位时间内的运营收入低于单位履约金额时，存在履约风险。 根据一个优选实施例，通过载重传感器测得所述车辆的实时载重数据。 根据一个优选实施例，通过定位设备获取车辆的位置数据。 进一步的，所述步骤S30中还包括：S31、使用车辆的位置数据构造车辆的位置样本 数据，通过聚类算法对车辆的位置样本数据进行分析，得到车辆的停靠位置。 根据一个优选实施例，所述聚类算法为K-Means(K值)聚类算法/均值漂移聚类算 法。 再进一步的，所述步骤S30中还包括：S32、结合车辆的停靠位置以及车辆的载重数 据判断车辆的装载地点和卸载地点。 再进一步的，所述步骤S30中还包括：S33、获取地图数据中与所述装载地点/卸载 地点对应的POI(信息点)，根据POI与货物类型的关联关系，获得车辆所运输的货物类型。 进一步的，所述商用车违约风险预警方法还包括步骤：S50、获取车辆的运营成本， 计算车辆的运营利润，将第一判断条件替换为第二判断条件，根据第二判断条件判断车辆 3 CN 111612372 A 说　明　书 2/4 页 的履约风险； 所述第二判断条件为：在单位时间内，车辆的运营利润是否能够达到单位履约金 额，车辆在单位时间内的运营利润低于单位履约金额时，视为存在履约风险。 进一步的，所述步骤S50还包括步骤：S51、获取车辆的行驶状态，结合车辆的行驶 状态，根据里程和车型的平均油耗计算车辆的燃油消耗；或者通过OBD(车载自动诊断系统) 获取燃油消耗数据；进而计算得到燃油费，所述运营成本包括燃油费。 进一步的，所述步骤S50还包括步骤：S52、根据车辆的位置数据获取地图数据中车 辆的行驶路线，结合POI分析，计算车辆的通行成本，所述运营成本包括通行成本。 与现有技术相比，本发明的有益效果是： 1、采集车辆的载重、位置等数据，对商用车车辆的运营状况分析，评估车辆的履约 风险，实现了对风险的预警监控，避免了资产的劣化。 2、使用聚类算法分析车辆的位置数据，得到较精确的车辆停靠地点，同时也能获 得更加精确的车辆行驶里程，提高了车辆的运营收入的计算精度。 3、再结合POI分析，识别车辆的运载货物类型，进一步提高车辆的运营收入的计算 精度。 4、得到车辆的运行收入后，可以通过计算车辆的运营利润来评估车辆的履约风 险，这样对风险的预估更加精准。 5、对于商用车辆而言，其主要运营成本包括燃油费以及通行费等。通过传感器、车 载智能设备等，获取车辆的燃油消耗；根据地图数据分析车辆的行驶路线，获取收费路段、 禁停区域等信息。实现了对车辆运营成本的估算，且准确度高。 附图说明 图1为实施例的基于运营状况的商用车违约风险预警方法的流程示意图。 图2为步骤S30中：步骤S31、S32、S33的流程示意图。 图3为另一实施例的基于运营状况的商用车违约风险预警方法的流程示意图。