本技术实施例涉及数据处理，尤其涉及一种基于智能ai的车辆租赁数据纠正方法及系统。
背景技术：
1、随着共享经济的快速发展，车辆租赁业务日益普及。为了更好地管理庞大的租赁数据，企业需要从多个数据源（如不同的车辆租赁平台、gps追踪系统等）获取详细的租赁记录。这些记录包含了每个租赁事件的具体信息，例如租车时间、归还时间、行驶里程等。为了确保这些数据的完整性和一致性，需要一种能够自动识别并修正数据异常的技术方案。
2、目前，大多数车辆租赁公司依赖人工审核来检查租赁记录中的错误或异常情况。此外，一些公司已经开始尝试使用基础的数据清洗工具来自动化部分流程。然而，这些方法主要集中在单一数据源上的异常检测，缺乏对跨数据源数据一致性的有效处理机制。同时，现有的自动化工具往往只能识别预定义类型的错误，对于复杂的数据异常，尤其是那些由系统性错误导致的问题，其识别能力有限。人工审核的方式耗时费力，容易受到主观判断的影响，无法及时发现并修正数据中的异常情况。而现有的自动化工具虽然提高了效率，但在面对跨数据源的数据整合时显得力不从心，难以满足数据一致性的要求。此外，由于缺乏高级的智能分析功能，这些工具在处理未预见的数据异常时表现不佳，导致数据质量问题得不到根本解决。
3、综上所述，现有的数据管理和异常检测方案在面对复杂的、多源的数据环境时存在明显的不足，亟需一种更为高效且智能化的解决方案。
技术实现思路
1、本技术实施例提供一种基于智能ai的车辆租赁数据纠正方法及系统，用以解决现有技术中修正数据异常效率差的问题。
2、第一方面，本技术实施例提供一种基于智能ai的车辆租赁数据纠正方法，包括：
3、获取至少两份来自不同数据源的车辆租赁记录，每份记录包含多个租赁事件；
4、利用智能ai分析每份记录中的租赁事件，识别出潜在的数据异常项；
5、基于所述数据异常项，通过多因素验证算法确定每个租赁事件的真实性和准确性；
6、根据所述真实性和所述准确性，调整所述至少两份来自不同数据源的车辆租赁记录中的数据异常项，以保证数据的一致性。
7、可选地，所述利用智能ai分析每份记录中的租赁事件，包括：
8、采用预先配置的ai模型对每份记录中的租赁事件进行分析，所述ai模型使用多种数据验证策略训练而成；
9、根据所述ai模型分析结果，标记出存在异常的租赁事件，并计算每个租赁事件的异常概率分数。
10、可选地，所述基于所述数据异常项，通过多因素验证算法确定每个租赁事件的真实性和准确性，包括：
11、基于所述数据异常项，并结合获取的所述租赁事件中的地理定位信息因素、时间戳因素、车辆状态因素，通过多因素验证算法计算每个租赁事件的真实性得分；
12、根据所述真实性得分，评估所述租赁事件的准确性，并生成修正建议。
13、可选地，所述真实性得分通过以下公式确定：
14、
15、其中，表示真实性得分；表示第个因素的权重系数；表示所述租赁事件中的第个因素与历史数据的一致程度；表示所述租赁事件中的因素数量；表示异常概率分数；和是调节真实性和异常概率分数影响程度的系数；表示第个外部影响因素的权重系数；表示第个外部影响因素对租赁事件的影响程度；表示外部影响因素数量；是调节外部影响因素影响程度的系数。
16、可选地，所述根据所述真实性和所述准确性，调整所述至少两份来自不同数据源的车辆租赁记录中的数据异常项，包括：
17、定义一个修正函数；
18、基于所述修正函数以及每个租赁事件的真实性得分和异常概率分数，调整所述至少两份来自不同数据源的车辆租赁记录中的数据异常项；
19、其中，所述修正函数为：
20、
21、其中，表示修正值；表示观察到的租赁事件值；表示参照值，即历史数据中的正常租赁事件的平均值；表示真实性得分；表示异常概率分数；是一个小的正数，用于防止除零错误；是调节异常概率分数影响程度的系数；表示第个外部影响因素对修正值的调节系数；表示第个外部影响因素对租赁事件的影响程度；是调节外部影响因素对修正值影响程度的系数；
22、其中，所述异常概率分数通过以下公式确定：
23、
24、其中，表示第个数据验证策略计算出的异常概率；表示第个数据验证策略的可靠性权重；表示使用的数据验证策略数量。
25、可选地，还包括：
26、确定所述车辆状态因素对应的车辆状态一致性；
27、基于所述车辆状态一致性，调整所述真实性得分或者调整所述修正函数；
28、其中，所述车辆状态一致性通过以下公式确定：
29、
30、其中，表示车辆状态一致性；表示第个租赁事件的实际状态；表示第个租赁事件根据历史数据分析得出的预期状态；和分别表示状态的最大值和最小值；表示租赁事件的数量；是调节外部影响因素影响程度的系数；表示第个外部影响因素的权重系数；表示第个外部影响因素对车辆状态一致性的影响程度。
31、可选地，所述基于所述车辆状态一致性，调整所述真实性得分或者调整所述修正函数，包括：
32、通过以下公式确定调整后的真实性得分：
33、
34、其中，表示调整后的真实性得分，表示调节车辆状态一致性影响程度的系数，表示车辆状态一致性；
35、通过以下公式确定调整后的修正函数：
36、
37、其中，表示调整后的修正函数，表示调节车辆状态一致性影响程度的系数，表示车辆状态一致性。
38、第二方面，本技术实施例提供一种基于智能ai的车辆租赁数据纠正系统，包括：
39、获取模块，用于获取至少两份来自不同数据源的车辆租赁记录，每份记录包含多个租赁事件；
40、识别模块，用于利用智能ai分析每份记录中的租赁事件，识别出潜在的数据异常项；
41、确定模块，用于基于所述数据异常项，通过多因素验证算法确定每个租赁事件的真实性和准确性；
42、调整模块，用于根据所述真实性和所述准确性，调整所述至少两份来自不同数据源的车辆租赁记录中的数据异常项，以保证数据的一致性；
43、所述确定模块具体用于基于所述数据异常项，并结合获取的所述租赁事件中的地理定位信息因素、时间戳因素、车辆状态因素，通过多因素验证算法计算每个租赁事件的真实性得分；根据所述真实性得分，评估所述租赁事件的准确性，并生成修正建议。
44、第三方面，本技术实施例提供一种计算设备，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如第一方面任一项所述的一种基于智能ai的车辆租赁数据纠正方法。
45、第四方面，本技术实施例提供一种计算机存储介质，存储有计算机程序，所述计算机程序被计算机执行时，实现如第一方面任一项所述的一种基于智能ai的车辆租赁数据纠正方法。
46、本技术实施例中，获取至少两份来自不同数据源的车辆租赁记录，每份记录包含多个租赁事件；利用智能ai分析每份记录中的租赁事件，识别出潜在的数据异常项；基于所述数据异常项，通过多因素验证算法确定每个租赁事件的真实性和准确性；根据所述真实性和所述准确性，调整所述至少两份来自不同数据源的车辆租赁记录中的数据异常项，以保证数据的一致性。本技术提供的技术方案能够提高修正异常数据的效率，提高了车辆租赁记录数据的准确性和一致性。
47、本技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
1.一种基于智能ai的车辆租赁数据纠正方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用智能ai分析每份记录中的租赁事件，包括：
3.根据权利要求1所述的方法，其特征在于，所述真实性得分通过以下公式确定：
4.根据权利要求1所述的方法，其特征在于，所述根据所述真实性和所述准确性，调整所述至少两份来自不同数据源的车辆租赁记录中的数据异常项，包括：
5.根据权利要求4所述的方法，其特征在于，还包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述车辆状态一致性，调整所述真实性得分或者调整所述修正函数，包括：
7.一种基于智能ai的车辆租赁数据纠正系统，其特征在于，包括：
8.一种计算设备，其特征在于，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如权利要求1~6任一项所述的一种基于智能ai的车辆租赁数据纠正方法。
9.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序被计算机执行时，实现如权利要求1~6任一项所述的一种基于智能ai的车辆租赁数据纠正方法。
