一种物联网物品信用系统的制作方法

本发明属于信用服务技术领域，更具体地，涉及一种物联网物品信用系统。

背景技术：

在现有的方法中，客户基本上是通过第三方平台购买物联网金融产品，而第三方平台出于盈利等目的，所以往往是不会刻意的跟客户讲该产品的负面消息。如在物联网金融平台上交易房产，厂房等不动产时，不动产的数据来源基本上是源于第三方平台对于这个产品的介绍和自己能在网上搜集的一小部分信息，通过这些数据对产品的价值进行评估。客户自己对产品价值的评估是有一定误差的，而这些误差会让客户多付出一笔额外的金钱，同时还会花费一定的时间。

对此，我们设计物联网金融信用体系软件，主要通过搜集社会机构提供产品的数据，将数据进行整理并编制相对应的数据条，将一系列的数据条输入到信用体系软件里面。客户通过信用体系软件查询相对应的产品，客户根据软件提供的数据条对产品进行价值评估，高效且低费用完成交易。数据条的内容包括产品的全部信息，全部信息包括产品好的一面同时也会将产品的污点进行曝光，同时根据产品特点的不同构建不同的数据条。

现有物品(房子、车、某块地区、山头、手表等)在交易上会被刻意隐瞒一些不好的信息，人们在选购时无法得知其详细信息，只能通过一些渠道得知其部分信息；例如出现事故的车或者房子一般会被人刻意隐瞒。

物的信用数据碎片化、零散化、闭塞化，信用孤岛现象突出，信用互联互通差，造成信用获取重复率高，成本高昂，社会经济效益差。

技术实现要素：

针对现有技术存在的不足之处，本发明提出了一种物联网物品信用系统，将“物”拟人化，从“物”的初始、存续到消亡的全价值链条中采集基础及核心信用数据，经标准化数据处理后，多唯度分类归集、分析，行成物的信用系统数据库，实现万物互联，构建物的信用生态圈。

本发明采用如下技术方案：

一种物联网物品信用系统，它包括采集模块、云服务器、数据库和查询模块，

采集模块，用于根据预设的物品的类型及对应的数据结构，获取物品的所有数据，并将物品的所有数据传输给云服务器；

云服务器，对物品的所有数据进行信息归集整理，对这些数据进行运算评分后，得到物品的信用分，将物品的信用分传输给数据库；

数据库，用于存储所有物品的数据及对应的信用分；

查询模块，根据用户输入的关键字、关键词进行查询，从数据库获取物品的数据及信用分，并在查询模块上进行展示。

本技术方案进一步的优化，所述物品类型不同对应的数据结构不同。

本技术方案进一步的优化，所述物品的数据结构包括物品的厂商、生产日期、使用期限和交易次数。

本技术方案进一步的优化，所述物品的数据分为可公示数据和非公示数据，查询模块仅仅能显示可公示数据。

本技术方案更进一步的优化，还包括加密模块，所述加密模块用于对非公示数据进行加密处理。

本技术方案进一步的优化，所述云服务器对物品信用分的计算方法采用神经网络算法。

本技术方案进一步的优化，还包括新建模块，所述新建模块用于建立新物品的类型，及该新物品对应的数据结构。

一种物联网物品信用系统构建方法，它包括以下步骤：

s1、采集数据，根据预设的物品的类型及对应的数据结构，获取物品的所有数据，并将物品的所有数据传输给云服务器；

s2、云服务器将接收的数据进行信息归集整理，用算法对这些数据运算处理后，得到的物品信用分，并将给信用分传输给数据库；

s3、数据库存储物品的所有数据及对应的信用分。

本技术方案进一步的优化，所述步骤s2中的算法为神经网络算法。

本发明通过物品的信用系统构建，信用高度互联互通，实现“万物互联”，经检索、输出，“一站式”服务于政府、企业或个人等信用数据使用者，使信用获取、使用、决策、交易便利性、可得性、准确性、安全性、灵活性、经济性，提升风险管控的可靠性和效率性，社会经济效益最大化。

本发明主要是构建物联网金融中产品的信用体系，针对的是产品的信用。本发明的优点如下：

1.对物联网金融的发展而言，物联网金融信用体系可以约束产品，数据条的污点越多，产品的价值评估就越低；

2.对客户群而言，物联网金融信用体系可以帮助客户高效且低费用的了解产品，对产品有较为准确的评估。

附图说明

图1是物联网物品信用系统的示意图；

图2是bp神经网络模型图；

图3是物联网物品信用系统构建方法的流程图。

具体实施方式

为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。

现结合附图和具体实施方式对本发明进一步说明。

参阅图1所示，本发明优选一实施例的一种物联网物品信用系统的示意图，它包括采集模块11、云服务器12、数据库13和查询模块14，

采集模块11，用于根据预设的物品的类型及对应的数据结构，获取物品的所有数据，并将物品的所有数据传输给云服务器12。将物品拟人化，每个物品都有自己的生命线，该实施例以时间为轴，记录了物品从生产到消亡或归并，物品存续期间的相关数据。物品的数据结构可分为开发商、使用期限、买卖次数、法院(拍卖等)、事故记录、区化率、市场、区位(各个地区的历史文化、政治背景等)。数据的采集主要是由司法机构、金融机构、及物联金融产品所对应的监管机构提供。

由于物品的种类不同，对应的数据结构也不同。该实施例确定该系统物品的种类，构建多种不同类型的数据结构。例如车辆的数据结构包括以下内容：

二手房的数据结构包括以下内容：

写字楼的数据结构包括以下内容：

物品的数据分为可公示数据和非公示数据，由于数据采集的来源不同，有些数据可能会涉及其他人的隐私，不应该公开。车辆的事故信息采集时，会涉及到事故发生的时间、地点、人员及人员伤亡情况，对于人员及人员伤亡情况这些均属于个人隐私，不应该公开。仅仅公开车辆发生事故的时间地点及车辆的损伤等细节，了解该车辆的相关情况即可，其他的信息属于非公示数据，普通用户无权查看。

因此，在采集物品的数据时，在每种数据结构后面均设有选项，选择该数据是否属于公示数据。该系统中的每个物品都有唯一的编号，不仅方便管理，而且便于查询模块14进行精确查找。

云服务器12，对物品的所有数据进行信息归集整理，对这些数据进行运算评分后，得到物品的信用分，将物品的信用分传输给数据库13。采集模块11采集的所有数据都发送给云服务器12，云服务器12对这些数据进行信息归集整理后，云服务器12的数据处理单元对这些数据进行预处理，并将预处理结果发送给信用计算模块，信用计算模块采用神经网络算法对这些数据进行计算后，得到物品对应的信用分。

在计算物品的信用分时，不同类型的物品，采用的评分标准不一样。不同类型的物品数据结构不同，且每种数据结构赋予的权重不同。以不动产的二手房、写字楼及动产中的车辆、为例：

1.二手房的数据结构及其权重构成：

开发商的资质评定(10％)；

二手房的使用年限(20％)；

二手房的房型(10％)；

二手房的历史(喜事及发生的灾害10％)；

二手房房价的走势(10％)；

二手房的内部装修(20％)；

二房的地理位置(20％)；

由上述7个要素构成二手房的数据结构，对于信用分，高于60分算信用合格的房产，二手房的购买者可以根据这个房子的信用分进行估价。

2.写字楼的数据结构及其权重构成：

开发商的资质评定(10％)；

写字楼的位置(20％)；

写字楼的交易量(10％)；

写字楼使用年限(20％)；

入驻企业量(10％)；

入驻企业税收(20％)；

入驻企业类型(10％)；

由上述7个要素构成写字楼的数据结构，对于信用分，高于60分算信用合格的房产，写字楼的购买者可以根据这栋写字楼的信用分进行估价。

3.二手车辆的数据结构及其权重构成：

车辆的配置高低(15％)；

车辆的使用年份(15％)；

车辆的事故次数(20％)；

车辆配件的损耗程度(10％)；

车辆的保值率高低(20％)；

车辆的保养好坏(10％)；

车辆的行驶里程(10％)。

由上述7个要素构成二手车辆的数据结构，高于60分算信用合格的车辆，二手车辆的购买者可以根据这个车辆的信用分进行估价。

数据处理单元将获取的二手车辆数据结构进行处理，得到数据结构得分a＝(a1,a2,a3,a4,a5,a6,a7),其中，a1为车辆的配置高低的分值，a2为车辆的使用年份的分值，a3为车辆的事故次数的分值，a4为车辆配件的损耗程度的分值，a5为车辆的保值率高低的分值，a6为车辆的保养好坏的分值，a7为车辆的行驶里程的分值。数据处理单元将采集模块11采集到的数据进行预处理，上述7个元素的分值满分均为100，例如车辆使用年份，不同类型的车辆的使用期限不一样，且损耗不一样，轿车使用年限每增加一年，则a2下降5分，一辆使用三年的轿车，a2得分为85，不足一年，按照一年计算。数据处理单元对数据结构进行处理后，得到该二手车辆数据结构得分a。

信用计算模块采用bp神经网络算法对数据结构得分a进行处理，已经给出每种数据结构中要素的权重，将a1,a2,a3,a4,a5,a6,a7作为输入层，该bp神经网络有三层结构，分别是输入层、隐含层和输出层。

参阅图2所示，为bp神经网络模型图，输入层的节点个数为n＝7，隐含层的节点个数为l＝4，输出层的节点个数为m＝1。输入层到隐含层的权重wij，隐含层到输出层的权重为wjk，输入层到隐含层的偏置为aj，隐含层到输出层的偏置为bk。学习速率为η，激励函数为g(x)。其中激励函数为g(x)取sigmoid函数。形式为：

隐含层的输出

如上面的三层bp网络所示，隐含层的输出hj为

输出层的输出

误差的计算

取误差公式为：

其中yk为期望输出。记yk-ok＝ek，则e可以表示为

以上公式中，i＝1…n，j＝1…l，k＝1…m。

为了防止非公式数据被其他人攻击系统获取，该实施例的云服务器12还设有加密模块，对云服务器12接收到的非公式数据进行加密处理。以实现对非公式数据的保护。该加密模块采用hash算法、md5算法、rsa算法或des算法对非公式数据进行加密保护。

数据库13，用于存储所有物品的数据及对应的信用分。不同类型的物品分开存储，同一类型的物品存储在一个目录下，方便查找。对于非公式数据只能存储，不能调用。

查询模块14，根据用户输入的关键字、关键词进行查询，从数据库13获取物品的数据及信用分，并在查询模块14上进行展示。如果用户了解某一物品的编号，可直接输入该物品的编号，进行精确查找。查询模块14分为精确查找和模糊查找两种查询方式。再查找到对应的物品后，用户不仅可以看该物品的信用分，还可详细了解该物品的数据，但仅限于可公示数据，对于非公式数据，用户无权查看。

此外，需要说明的是，还包括新建模块，所述新建模块用于建立新物品的类型，及该新物品对应的数据结构。对于该实施例中暂不存在的物品类型，用户可通过新建模块构建新物品的类型及其目录。

参阅图3所示，为物联网物品信用系统构建方法的流程图，物联网物品信用系统构建方法，它包括以下步骤：

s1、采集数据，根据预设的物品的类型及对应的数据结构，获取物品的所有数据，并将物品的所有数据传输给云服务器12；

s2、云服务器12将接收的数据进行信息归集整理，用神经网络算法对这些数据运算处理后，得到的物品信用分，并将给信用分传输给数据库13；

s3、数据库13存储物品的所有数据及对应的信用分。

尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。