User credit profile integrating SOM Neural network and K-means clustering algorithm
-
摘要:
为提高现阶段基于K-Means聚类算法的用户信用画像模型的准确性和实时性，提出一种融合自组织映射（SOM，Self-Organizing Map）神经网络与K-Means聚类算法的改进方法。通过SOM对用户数据进行降维和特征提取，直接获得最优聚类数目后再用K-Means算法进行聚类分析。通过真实在线借贷平台数据对所提方法进行验证，结果表明，该方法可提升用户信用画像分析的质量，更好地满足金融数据分析中对实时管理和风险控制的要求，为金融机构提供精准的决策支持。
-
关键词:
- 用户信用画像 /
- SOM神经网络 /
- K-means聚类算法 /
- 时间复杂度 /
- 风险控制
Abstract:To improve the accuracy and real-time performance of user credit profile models based on K-Means clustering algorithm, this paper proposed an improved method that integrated Self Organizing Map (SOM) neural network with K-Means clustering algorithm. The paper used SOM to reduce dimensionality and extract features from user data, directly obtained the optimal number of clusters, and then used K-Means algorithm for clustering analysis, validated the proposed method through real online lending platform data. The results show that the proposed method can improve the quality of user credit profile analysis, better meet the requirements of real-time management and risk control in financial data analysis, and provide accurate decision support for financial institutions.
-
随着我国铁路的高速发展，计算机联锁（CBI，Computer-based Interlocking）系统已在我国铁路车站得到广泛使用[1-2]。为了确保CBI系统既能快速适用于任意车站，又不降低其安全性，在软件设计上遵守数据与代码分离原则，即联锁控制程序通用，联锁控制数据根据车站实际布置编制[3]。此种设计模式使得CBI在适应新站场工作或旧站场结构改造时，只需修改联锁控制数据，避免因修改程序而带来注入性错误。
为了实现联锁控制数据的快速准确编制，文献[4]提出了一种自动生成进路表的方法，但未生成CBI所需的其他联锁控制数据；文献[5]利用MapInfo站场数据，自动生成联锁仿真子系统所需的联锁控制数据，但未考虑调车信号机和变通进路的影响；文献[6]～文献[8]将道岔、信号机、轨道区段等封装成设备图元，通过图元拼接的方式建立站场拓扑模型，继而自动生成联锁控制数据，但仍需要人工判断站场链接关系，联锁控制数据是否正确主要依赖设计人员的技术水平，其准确性得不到保障[9]。
因此，本文提出一种铁路CBI控制数据自动生成方法，以文本格式的站场基础数据作为输入，构建铁路站场拓扑模型，在此基础上，使用基于最短欧氏距离的进路搜索算法获取铁路站场内所有进路，最后自动输出联锁控制数据。采用上述方法开发实际软件，自动生成SWJTU-II型CBI系统[10]所需的联锁控制数据，站场改变时，CBI软件只需替换联锁控制数据，即可快速适用于新站场，提高CBI系统的通用性与自适应性。
1 研究基础
1.1 联锁控制数据
CBI是典型的数据驱动式信号系统[11]，对于具体的铁路车站，只有准确编制具有站场唯一性的联锁控制数据，配合通用型联锁控制程序，才能保证CBI在实际铁路站场的正常运转。联锁控制数据主要包括以下4部分。
（1）设备数据：描述车站内无岔区段与股道及与车站相邻的区间区段（简称：直股区段）、信号机、道岔、道岔区段、采集继电器、驱动继电器、位置坐标等信号设备信息。
（2）站场拓扑数据：描述铁路车站内信号设备之间的逻辑结构关系，为联锁控制程序提供站场网络信息。
（3）特殊联锁数据：描述铁路车站内超限绝缘、带动道岔等特殊联锁条件。
（4）进路数据：描述列车在铁路站场内的所有路径信息，包括选路按钮、进路内的道岔与轨道区段等。
1.2 站场基础数据
CAD格式的车站信号平面布置图（简称：CAD站场图）描述CBI管辖范围内的线路布置，是编制联锁控制数据的依据。但CAD站场图不能直接用来自动编制联锁控制数据，主要原因有以下两点：
（1）CAD站场图使用几何图形表示信号设备，但不同设计单位绘制的CAD站场图可能存在几何图形的大小差异，计算机难以准确识别；
（2）CAD站场图未建立空间位置与设备属性的全部对应关系，部分设备属性以标注的形式给出，计算机无法自动识别这些信息[12]。
为此，实验室自主开发了一套铁路CAD站场图处理软件，如图1所示：（1）将CAD站场图人工转换为站场图片；（2）使用图像识别技术，获取计算机可处理的站场信息；（3）采用Visual Stutio 2017中的ObjectARX2019作为AutoCAD2019的二次开发工具，创建信号设备的自定义实体，并自动配置设备属性；（4）输出文本格式的站场基础数据。
站场基础数据描述了信号机、道岔、直股区段的设备属性，如表1所示。其中，道岔结点分为一般结点、超限结点、尽头结点与空结点，结点分布如图2（a）所示。直股区段的结点类型与道岔结点相同，结点分布如图2（b）所示。信号机中心结点分布如图2（c）所示。
表 1 站场基础数据内容设备 属性 道岔 名称、所属咽喉、结点类型与坐标 直股区段 名称、所属咽喉、类型、结点类型与坐标 信号机 名称、所属咽喉、类型、防护方向、高矮柱属性、中心结点坐标 2 联锁控制数据自动生成方法
2.1 方法框架
联锁控制数据自动生成方法整体框架如图3所示：（1）读入站场基础数据；（2）构建铁路站场拓扑模型；（3）搜索铁路站场内的所有进路；（4）自动生成联锁控制数据。
2.2 构建铁路站场拓扑模型
2.2.1 各类数据模型
联锁控制数据要求对信号设备、站场拓扑关系与特殊联锁条件作出描述，结合站场基础数据的输入信息，定义各类数据模型如下。
定义1：基础数据模型Dy由一个九元组<ID，Name，Throat，ANode，BNode，CNode，ASide，BSide，CSide >表示，其中：
（1）ID表示设备编号；
（2）Name表示设备名称；
（3）Throat表示设备所属咽喉，下行咽喉取1，上行咽喉取2；
（4）ANode、BNode、CNode表示设备结点，均可用一个二元组（T，P）表示，T表示结点类型，P表示结点坐标；对于道岔，ANode、BNode、CNode依次表示岔前结点、岔后定位结点、岔后反位结点；对于直股区段，ANode、BNode依次表示左侧结点、右侧结点，CNode=null；对于信号机，ANode表示中心结点，BNode=CNode=null；对于其他设备，ANode=BNode=CNode=null；
（5）ASide、BSide、CSide表示与本设备具有拓扑关系的数据模型；对于道岔，ASide、BSide、CSide依次表示岔前、岔后定位、岔后反位拓扑连接的数据模型；对于其他设备，ASide、BSide依次表示左侧、右侧拓扑连接的数据模型，CSide=null。
定义2：信号机数据模型Signal由一个四元组< SigDy，SigType，SigDir，SigHei >表示，其中：
（1）SigDy∈Dy表示信号机基础信息；
（2）SigType表示信号机类型，进站信号机取1，出站信号机取2，调车信号机取3；
（3）SigDir表示信号机防护方向，防护右方取0，防护左方取1；
（4）SigHei表示信号机高矮柱属性，高柱信号机取1，矮柱信号机取0。
定义3：轨道区段数据模型Section由一个两元组< SecDy，SecType>表示，其中：
（1）SecDy ∈Dy表示轨道区段基础信息；
（2）SecType表示轨道区段类型，股道取0、无岔区段取1、道岔区段取2、区间区段取3。
定义4：道岔数据模型Point由一个三元组< SwDy，SwSec，SwType >组成，其中：
（1）SwDy ∈Dy表示道岔基础信息；
（2）SwSec∈Section表示道岔所属的轨道区段；
（3）SwType表示道岔类型，以自左向右的下行运行方向为基准，对向道岔取1、顺向道岔取0；以自右向左的上行运行方向为基准，对向道岔取2、顺向道岔取3。
定义5：超限点数据模型CX由一个四元组< CxDy，ProSec，ProSw，ProPos >组成，其中：
（1）CxDy ∈Dy表示超限点基础信息；
（2）ProSec∈Section表示超限绝缘检查的轨道区段；
（3）ProSw ∈Point表示超限绝缘检查的道岔；
（4）ProPos表示检查ProSw的位置，检查定位取0，检查反位取1。当只检查ProSec时，ProSw=null，ProPos=2。
定义6：带动点数据模型Add由一个三元组< AddDy，AddPoint，AddPos >组成，其中：
（1）AddDy∈Dy表示带动点基础信息；
（2）AddPoint∈Point表示带动的道岔；
（3）AddPos表示带动AddPoint至规定位置，定位取1、反位取0。
2.2.2 建立拓扑关系
2.2.2.1 空间邻接
空间邻接指当信号设备在铁路站场存在物理连接时，建立数据模型之间的拓扑关系，主要用于信号机、道岔与直股区段之间。以图4中的道岔1、信号机D5、直股区段1/19WG为例，道岔1岔后定位结点与直股区段1/19WG左侧结点重合，信号机D5中心结点在道岔1岔后定位结点与直股区段1/19WG左侧结点下方邻近处，道岔1、信号机D5与直股区段1/19WG在铁路站场物理连接，因此，建立三者数据模型之间的拓扑关系。
2.2.2.2 逻辑邻接
逻辑邻接指数据模型在联锁逻辑关系上的连接，主要包括以下3种情况：
（1）在实际站场，道岔区段由一组或多组道岔组成。为了确保排列任何经过道岔区段的进路时均能搜索到其对应的数据模型，将Section放在该道岔区段内所有道岔岔尖外侧，建立Section与其他数据模型的拓扑关系；
（2）当道岔某侧结点为超限结点时，为确保排列任何经该道岔侧向的进路都能检查超限绝缘条件，将CX放在该道岔侧向，建立CX与其他数据模型的拓扑关系；
（3）当道岔区段内存在多组道岔且道岔之间存在带动关系时，为确保排列任何经主道岔带动侧的进路都可以执行带动条件，将Add放在主道岔带动侧，构建Add与其他数据模型的拓扑关系。
以图4所示铁路车站为例，定义各类数据模型，并根据空间邻接与逻辑邻接规则，建立数据模型之间的拓扑关系，构建铁路站场拓扑模型如图5所示。
2.3 进路搜索
2.3.1 进路模型
联锁控制数据要求对选路按钮、进路内的道岔与轨道区段做出描述，结合进路搜索过程需要，定义进路模型如下。
定义7：进路模型Route由一个六元组<RID，Rstart，Rend，Bt，RType，m_Data >表示，其中：
（1）RID表示进路唯一标识；
（2）Rstart ∈Signal、Rend ∈Signal依次表示进路的始端信号机和终端信号机；
（3）Bt∈Signal表示可用作为变通按钮的信号机，对于基本进路，Bt=null；
（4）RType表示进路类型，由Rstart、Bt、Rend确定，分为接车基本进路、接车变通进路、发车基本进路、发车变通进路、调车基本进路、调车变通进路；
（5）m_Data表示进路内包含的设备集合，单个设备可以由一个三元组（RDy，DyType，SwPos）表示，其中，RDy∈Dy表示设备对应的数据模型，DyType表示设备类型，道岔取1、轨道区段取2、信号机取3、超限点取4、带动点取5，SwPos默认为-1，当DyType=1时，SwPos表示道岔开向位置，定位取1、反位取0。
2.3.2 进路搜索算法
2.3.2.1 基本进路
在欧式平面，欧式距离
$D({P_1},{P_2})$ 指两结点${P_1}\left( {{x_1},{y_1}} \right)$ 、${P_2}\left( {{x_2},{y_2}} \right)$ 间的直线距离，如式（1）所示。$$D\left( {{P_1},{P_2}} \right) = \sqrt {{{\left( {{x_1} - {x_2}} \right)}^2} + {{\left( {{y_1} - {y_2}} \right)}^2}} $$ (1) 在已构建的铁路站场拓扑模型（topological model of station yard）中，基本进路可描述为始终端信号机之间的最短路径[13]，基本进路搜索算法示例如算法1所示。
算法根据选路按钮使用规则[14]，确定铁路站场拓扑模型内可组成基本进路的始终端信号机组合集（basic combinations），再对每个基本组合（basic combination）依次进行以下操作：
（1）确定RType、进路范围（range）；
（2）由Rstart开始向Rend搜索进路内的设备（component），若搜索到对向道岔（opposite point，OP∈Point），则结合式（1），依次计算
$OP.SwDy.BNode$ 、$OP.SwDy.CNode$ 至$REnd.SigDy.Node$ 的欧式距离D(B, E)、$D\left( {C,E} \right)$ ，选取欧式距离较小侧设备$N\left( {E,OP} \right)$ 继续搜索，建立路径选择模型如式（2）所示；若搜索到其他设备，则按进路搜索方向选取靠近Rend侧设备继续搜索；$$N\left( {E,OP} \right) = \left\{ \begin{gathered} OP.SwDy.BSide,D\left( {B,E} \right) < D\left( {C,E} \right) \\ OP.SwDy.CSide,D\left( {B,E} \right) > D\left( {C,E} \right) \\ \end{gathered} \right.$$ (2) （3）若搜索到设备超出进路范围，则判定此基本组合无效；若搜索到Rend，则将搜索到的设备（components）按类型保存至m_Data中，之后由Rstart反向搜索获取进路的接近区段（approach），一条基本进路（basic route）搜索完毕；
（4）重复上述操作即可得到站场内所有基本进路（basic routes）。
算法1. Search basic routes
Input：topological model of station yard
Output：basic routes
generate basic combinations
for basic combination in basic combinations do
get RType and range from Rstart and Rend
component←Rstart
while (component isn’t Rend and component is within range) do
if component is opposite point
then select the next component accrording for mula (2)
else select the next component close to Rend
end if
end while
if component is Rend
then store all components in m_Data, get approach and generate a basic route
end if
end for
combine all basic route and generate all basic routes
2.3.2.2 变通进路
与基本进路搜索算法相似，如算法2所示：（1）根据变通按钮选取规则[14]，确定铁路站场拓扑模型内变通进路按钮集合（alternative combinations）；（2）对每个变通组合（alternative combination），确定进路性质，并按单条基本进路搜索方法（算法1）依次搜索进路始端至变通按钮、变通按钮至进路终端，即可获取一条变通进路（alternative route）；（3）重复上述操作，即可得到站场内所有变通进路（alternative routes）。
算法2. Search alternative routes
Input：topological model of station yard，basic routes
Output：alternative routes
generate alternative combinations
for alternative combination in alternative combinati-ons do
get RType from Rstart, Bt and Rend
search components from Rstart to Bt
search components from Bt to Rend
if m_Data is complete
then generate a alternative route
end if
end for
combine all alternative route and generate all alternative routes
3 软件实现
根据上述联锁控制数据自动生成方法，结合实际需求，在Visual Stutio 2012环境下，采用C++语言开发了铁路CBI控制数据自动生成软件（简称：软件），用以输出SWJTU-II型CBI系统所需的联锁控制数据。软件总体框架如图6所示，联锁控制数据的自动生成主要分为5个步骤：
（1）读入站场基础数据，检查设备属性是否缺失、是否存在重名、设备位置是否重叠；
（2）构建各类数据模型，按空间邻接与逻辑邻接规则，建立铁路站场拓扑模型；
（3）依次搜索基本进路、变通进路；
（4）添加人工介入窗口，当站场结构复杂、特殊进路较多时，用户可根据实际运营需求，人工配置进路数据；
（5）输出所有文本格式的联锁控制数据。
以图4所示车站为例，软件运行如图7所示，输出联锁控制数据如图8所示。图8（a）中，以信号机D9为例，展示设备编号、设备采集继电器、设备驱动继电器、设备坐标的输出形式；图8（b）中，以信号机D11、道岔7、轨道区段7DG、超限点CX0、带动点ADD0为例，展示站场拓扑与特殊联锁数据的输出形式，其输出顺序与含义遵守各类数据模型定义；图8（c）中，以XF～SII间经1/3定位的基本进路与经1/3反位、D7A为变通按钮的变通进路为例，展示进路数据的输出形式，其中，“*”表示接近区段与进路内的直股区段，“#”表示进路内的道岔并要求其在定位，“#^” 表示进路内的道岔并要求其在反位，进路内的道岔区段可从道岔的站场拓扑数据中获取，故不输出。将软件输出的示例站联锁控制数据用于SWJTU-II型CBI系统，运行示意如图9所示。
4 结束语
本文提出了一种铁路CBI控制数据自动生成方法，并结合实际需求，将该方法用于实际工程，实现了联锁控制数据的自动生成，使联锁控制数据编制的自动化程度与编制效率得到很大提高，对提高铁路CBI系统的自适应性和智能化程度有较大帮助。在后续的研究中，将继续完善对复杂联锁条件的处理，进一步提高本方法的适用度。
-
表 1 数据集字段说明（部分）
字段名称 字段含义 数据说明 loan_amnt 贷款金额 借款人的贷款金额 annual_inc 年收入 借款人的自报年收入 delinq_2yrs 逾期次数 过去2年内逾期30天以上的次数 open_acc 未结信用额度数量 借款人未结信用额度的数目 Grade 用户信用等级 按风险递增分级 Term 贷款期限 分36个月和60个月 tot_coll_amt 欠款金额 用户所有欠款账户所欠总金额 
下载: 导出CSV
表 2 特征分组情况
组别 特征 特征字段 第1组 贷款的基本属性和借款人的还款情况 recoveries: 回收金额 total_rec_int: 总利息 revol_util: 循环利用率 emp_title: 借款人职位 application_type: 申请类型 term_range: 贷款期限范围 acc_now_delinq: 逾期账户数 第2组 借款人的信用历史和财务稳定性 dti: 债务收入比 annual_inc: 年收入 total_pymnt: 总还款额 grade_range: 信用等级 emp_length_range: 工作年限 delinq_2yrs: 过去2年逾期次数 home_ownership_range: 住房所有权 第3组 借款人的信用状况和贷款条件 int_rate: 贷款利率 policy_code: 政策代码 addr_state: 地址所在州 tot_coll_amt: 总欠款金额 open_acc: 未结账户数量 revol_bal: 循环信用余额 pymnt_plan_range: 还款计划 第4组 贷款的特征、借款人的概况和还款计划 pub_rec: 公共记录 loan_amnt: 贷款金额 emp_title: 借款人的职位 installment: 分期付款额 tot_cur_bal: 目前总余额 term_range: 贷款期限范围 verification_status_range: 收入范围
下载: 导出CSV
表 3 特征分类预测结果
组别 准确率 AUC 第1组 94.70% 0.6732 第2组 98.10% 0.8324 第3组 92.42% 0.5082 第4组 92.71% 0.5235
下载: 导出CSV
表 6 用户信用标签（部分）
用户ID 违约概率 贷款额度 信用等级 还款意愿 还款能力 44521 中 中 高 中 良 23423 高 中 低 低 高 678565 低 高 中 高 中
下载: 导出CSV
-
[1] 张 华,王 丽,李 强. 金融行业中用户画像的构建及其在信贷风险评估中的应用研究[J]. 金融科技时代,2020,7(2):45-54. [2] 李 明,周 健,张 伟. 基于大数据的用户画像在个性化金融服务中的应用[J]. 经济管理,2021,39(4):112-120. [3] 蔡晓妍,戴冠中,杨黎斌. 谱聚类算法综述[J]. 计算机科学,2008,35(7):14-18. DOI: 10.3969/j.issn.1002-137X.2008.07.004 [4] 邓 祥,俞 璐. 深度聚类算法综述[J]. 通信技术,2021,54(8):1807-1814. DOI: 10.3969/j.issn.1002-0802.2021.08.001 [5] 周广利. 大数据背景下商业银行信贷安全管理策略研究——评《风控:大数据时代下的信贷风险管理和实践》[J]. 中国安全科学学报,2021,31(2):187-188. [6] 张秉楠,李德玉. 融合协同过滤的自组织神经网络多样化产品推荐[J/OL]. 山西大学学报(自然科学版):1-10[2024-06-21]. https://doi.org/10.13451/j.sxu.ns.2023068. [7] 郭伟业,赵晓丹,庞英智,等. 数据挖掘中SOM神经网络的聚类方法研究[J]. 情报科学,2009,27(6):874-876,893. [8] 姚 旭,王晓丹,张玉玺,等. 特征选择方法综述[J]. 控制与决策,2012,27(2):161-166,192. [9] 普雪飞. P2P网贷信用风险量化评估研究——以Lending Club平台为鉴[D]. 成都:电子科技大学,2020. [10] 薛 琦,罗鄂湘. 基于机器学习的银行个人信用风险评估研究[J]. 建模与仿真,2023,12(4):3747-3755. [11] 杨俊闯,赵 超. K-Means聚类算法研究综述[J]. 计算机工程与应用,2019,55(23):7-14,63.
计量
- 文章访问数: 29
- HTML全文浏览量: 18
- PDF下载量: 8
