1.一种C2C出行信任指数和犯罪率评估的方法，其特征在于：Step1：从注册信息库获取注册出行司机的信息A，得到其收入水平p1、教育水平p2、驾龄p3、支付宝的信用度p4和银行体系的信用度p5、犯罪前科p6相关数据，针对预测的犯罪结果，上述参数设置设权重：Step2：获取Step1中的各参数，并依次获取各参数的等级，司机的信息A集合对最终信任指数和犯罪率占比不同的影响因素，p1对应{a1，a2，...，ai}，p2对应{b1，b2，...，bj}，p3对应{c1，c2，...，ck}，p4对应{d1，d2，...，d1}，p5对应{e1，e2，...，em}，p6对应{f1，f2，...，fn}，完善权重得：step3：在step2基础上继续分析影响因子评价数集，用文本比对词频信息统计方法，文本str1为不良词汇集，str2为提取的评价文本集，从而获得网友评价对C2C出行司机方的信任值和犯罪率的影响，从而得到权重step4：由step2和step3得到的结果，得到一个相对信任值R和相对犯罪率p，c为常数：相对信任值R：

R＝100(1-p)    (4)

Step5：在step4的基础上，根据乘客起始点到目的地的定位，得到其经过的区域，并判断经过区域的各个属性，此处属性分析{闹市区，偏僻区，郊区}，根据路径最终得到一个影响信任指数和犯罪率危险权重为Step6：综合step4、step5，得到最终的一个信任值R’和犯罪率p’为：信任值R’：

R’＝100(1-p’)    (6)

Step7：将最终C2C司机方的信任值提供给乘客。

2.根据权利要求1所述的C2C出行信任指数和犯罪率评估的方法，其特征在于：所述步骤Step1中，每个参数对最终信任值和犯罪率判断都有影响，故对每个考虑参数都设置了权重，参数权重满足：

3.根据权利要求1所述的C2C出行信任指数和犯罪率评估的方法，其特征在于：所述Step2中，每个参数包含不同的等级水平，所以bj，ck，dl，em，fn均为一维数组中的数值，j，k，l，m，n取值范围由参数等级阶数决定，bj，ck，dl，em，fn具体数值由个人实际情况确定。

4.根据权利要求1所述的C2C出行信任指数和犯罪率评估的方法，其特征在于：所属Step3中，文本str1为不良词汇集，是固定文本；评价文本集str2，是将网友的评价爬虫出来，然后对不作用词汇进行数据清洗，得到的最终文本；wp7是网友评价对结果自身存在的一个影响因子，go可根据匹配的不良词汇字符比上总词汇数字符得到，如：公式中：no为str2中不良词汇字符数，No为str2中总的字符数。

5.根据权利要求1所述的C2C出行信任指数和犯罪率评估的方法，其特征在于：所属Step4中，由于所有对信任指数和犯罪率评估的影响因子中，是否存在犯罪前科的影响最大，以及其所属等级，其概率越大对评估结果影响越大，故为 项乘上一个常数c，剩余项直接相乘即可。

6.根据权利要求1所述的C2C出行信任指数和犯罪率评估的方法，其特征在于：所属Step5中，根据乘客起始点到目的地的定位，可得到其经过的区域，并判断经过区域的各个属性，规则闹市区对应危险权重h1，僻静区对应危险权重h2，郊区对应危险权重h3，并有：从起始点到终点，不管经过几个属性的区域，都选危险系数最大的区域，每个旅程对应一个权值hq；

7.根据权利要求1所述的C2C出行信任指数和犯罪率评估的方法，其特征在于：所属Step6中，信任值R’和犯罪率p’分别属于(0，100)和(0，1)范围，预测犯罪率越高信任值越低，成反增长关系。

8.根据权利要求1所述的C2C出行信任指数和犯罪率评估的方法，其特征在于：所属Step7中，设定一个阈值如R0，当R≤R0时，司机待考察。