CN117094830B - 一种人工智能保险全链条应用方法及系统 - Google Patents
一种人工智能保险全链条应用方法及系统 Download PDFInfo
- Publication number
- CN117094830B CN117094830B CN202311360867.3A CN202311360867A CN117094830B CN 117094830 B CN117094830 B CN 117094830B CN 202311360867 A CN202311360867 A CN 202311360867A CN 117094830 B CN117094830 B CN 117094830B
- Authority
- CN
- China
- Prior art keywords
- user
- data
- insurance
- background server
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims description 45
- 238000013473 artificial intelligence Methods 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种人工智能保险全链条应用方法及系统，包括步骤：S1：将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据传输至后台服务器；S2：后台服务器根据、时刻两个位置点的GPS位置数据的纬度、经度、高度计算用户速度；S3:后台服务器根据内置加速度计数据计算用户速度，进入步骤S4；S4：如果v条件满足时进入步骤S5，否则进入步骤S6；S5：当在时间段T内用户步数或驾车里程数或是否乘坐公共交通时，则向用户推荐针对性保险产品；S6：结束。本申请通过将用户的GPS位置数据以及内置加速度计传感器数据综合判断，进而为用户给出短期保险方案。
Description
技术领域
本发明涉及保险自动处理技术领域，具体涉及一种人工智能保险全链条应用方法及系统。
背景技术
随着移动互联网和物联网技术的迅速发展，智能移动设备和可穿戴设备已经成为人们日常生活中不可或缺的一部分。这些设备不仅提供了丰富的功能和应用，还能够根据用户如位置变化、健康状况、活动习惯等数据，提供针对性的建议和服务。这为各种应用和服务提供了巨大的潜力，特别是在保险行业。
传统的保险业务主要基于固定的保费和固定的保险条款。但随着大数据和人工智能技术的进步，保险公司开始寻求更加个性化和灵活的保险产品和服务。通过分析用户的实时数据，保险公司可以更准确地评估风险，为用户提供更合适的保险产品，并实现动态定价。
为了实现这一目标，需要后台服务器来处理和分析数据。此外，还需要移动终端或可穿戴设备使用户能够轻松地分析数据、查询信息和管理保险业务。这就需要移动设备和可穿戴设备与后台服务器之间的高效、安全和可靠的数据传输。
而目前的还不能够根据较为便捷的数据分析进行提供灵活针对性的短期保险产品，以及在提供方案时相关数据不能够准确的计算处理，导致提供的产品与实际需求不对应等问题。因此如何计算用户的相关数据对保险方案的提供产生较大影响，例如步数统计、速度等数据的计算准确度影响用户采用的交通工具的判断准确度，进而影响保险方案的提供。且目前的保险产品针对性较差，不能够根据客户实际需求变动而自动灵活的提供相应产品，以及提供相应产品不及时，不能够提供灵活便捷的保险短期方案。
发明内容
针对现有技术中提到的上述问题，为解决上述技术问题，本发明提供了一种人工智能保险全链条应用方法及系统，该方法通过采用将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据综合判断，采用速度的准确确定以及结合位置数据的判断，进而为用户给出短期保险方案，实现了保险方案的主动自动化提供及处理，大大增强了自动化程度。
本发明的一种人工智能保险全链条应用方法，包括步骤：
S1：将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据传输至后台服务器，位置数据包括纬度、经度；
S2：后台服务器根据、/>时刻两个位置点的GPS位置数据的纬度、经度、高度计算用户速度/>，若/>小于设定阈值V则进入步骤S3，否则进入步骤S4；
其中，、/>,/>、/>分别表示第一个位置点的纬度和经度，/>、/>分别表示第二个位置点的纬度和经度，R是地球的半径;/>是两个位置点的高度差；
S3:后台服务器根据内置加速度计数据计算用户速度，进入步骤S4;
其中，、/>、/>分别是x、y、z三个方向上的加速度；其中，/>、/>分别表示在时间/>、/>的速度，/>是在时间t的加速度；
后台服务器根据GPS位置数据和内置加速度计传感器计算用户移动速度：
S4：如果v在3-20 km/h之间，且大于设定阈值A，则用户在步行或跑步并统计步数；如果/>在60-120 km/h之间，并且位置数据在高速公路上，可以判断为驾车；如果/>在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，可以判断为乘坐公共交通；条件满足时进入步骤S5，否则进入步骤S6；
S5：当在时间段T内用户步数大于设定阈值F时，则向用户自动推送短期健康险，并根据步数动态确定保费，步数越多则保费越低；当用户在时间段T内驾车里程数超过设定阈值L时，则向用户自动推送短期车险；当用户乘坐公共交通时，则向用户推荐延误险或短期旅行安全险；
S6：结束。
优选地，所述如果在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，可以判断为乘坐公共交通，包括：使用地点数据库匹配用户的定位数据，如果用户的位置与数据库中的交通枢纽机场或火车站位置匹配，则用户在交通枢纽机场或火车站。
优选地，在将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据传输至后台服务器步骤之前，还包括后台服务器应用卡尔曼滤波器对GPS位置数据进行平滑处理，以减少噪声和异常值。
优选地，还包括一键理赔模块，如果是健康险理赔，用户通过终端设备上传健康数据、医疗记录、医疗发票；如果是车险，用户上传车辆损坏照片；如果是延误险，用户通过移动终端上传航班号信息，实现一键理赔。
本申请还提供一种人工智能保险全链条应用系统，包括：移动设备或可穿戴设备、后台服务器、无线通信模块；移动设备或可穿戴设备内置GPS模块和加速度计传感器；移动设备或可穿戴设备通过无线通信模块与后台服务器连接；
数据采集模块，将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据传输至后台服务器，位置数据包括纬度、经度；
用户速度计算模块：后台服务器根据/>、/>时刻两个位置点的GPS位置数据的纬度、经度、高度计算用户速度/>，若/>小于设定阈值V则进入用户速度/>计算模块，否则进入判断模块；
其中，、/>,/>、/>分别表示第一个位置点的纬度和经度，/>、/>分别表示第二个位置点的纬度和经度，R是地球的半径;是两个位置点的高度差；
用户速度计算模块:后台服务器根据内置加速度计传感器数据计算用户速度/>，并进入判断模块;
其中，、/>、/>分别是x、y、z三个方向上的加速度；其中，/>、/>分别表示在时间、/>的速度，/>是在时间t的加速度；
后台服务器根据GPS位置数据和内置加速度计传感器计算用户移动速度：
判断模块：如果v在3-20 km/h之间，且大于设定阈值A，则用户在步行或跑步并统计步数；如果/>在60-120 km/h之间，并且位置数据在高速公路上，可以判断为驾车；如果/>在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，可以判断为乘坐公共交通；进入推荐模块，否则进入结束模块；
推荐模块：当在时间段T内用户步数大于设定阈值F时，则向用户推荐短期健康险，并根据步数动态确定保费，步数越多则保费越低；当用户在时间段T内驾车里程数超过设定阈值L时，则向用户自动推送短期车险；当用户乘坐公共交通时，则向用户推荐延误险或短期旅行安全险；
结束模块。
优选地，所述如果在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，可以判断为乘坐公共交通，包括：使用地点数据库匹配用户的定位数据，如果用户的位置与数据库中的交通枢纽机场或火车站位置匹配，则用户在交通枢纽机场或火车站。
优选地，在将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据传输至后台服务器步骤之前，还包括后台服务器应用卡尔曼滤波器对GPS位置数据进行平滑处理，以减少噪声和异常值。
优选地，还包括一键理赔模块，如果是健康险理赔，用户通过终端设备上传健康数据、医疗记录、医疗发票；如果是车险，用户上传车辆损坏照片；如果是延误险，用户通过移动终端上传航班号信息，实现一键理赔。
优选地，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的一种人工智能保险全链条应用方法。
优选地，包括指令，当所述指令在计算机上运行时，使得计算机执行所述的一种人工智能保险全链条应用方法。
本发明提供了一种人工智能保险全链条应用方法及系统，所能实现的有益技术效果如下：
1、本申请通过采用用户速度计算模块：后台服务器根据/>、/>时刻两个位置点的GPS位置数据的纬度、经度、高度计算用户速度/>，若/>小于设定阈值V则进入用户速度/>计算模块，否则进入判断模块；
其中，是两个位置点的高度差，通过将高度差加入到用户速度计算模块中，大大提高了速度计算的准确度，尤其是在重庆、高原等地域地形复杂地区的速度计算，采用带有两个位置点的高度差的速度计算进而计算出判断结果，大大增强了速度计算准确度，提高了保险自动化针对性的提供准确度及处理效率，并实现实时性自动化的短期保险方案主动提供。
2、本发明若小于设定阈值V则进入用户速度/>计算模块，否则进入判断模块，当速度小于阈值时，说明用户在走路或跑步，而走路或跑步的速度计算，通过将后台服务器根据GPS位置数据和内置加速度计传感器相结合计算用户移动速度/>：/>大大实现了低速度的速度计算准确度，通过GPS位置数据与加速度计传感器两个数据的结合，大大增强了速度计算准确度，提高了计算效率以及计算准确度。
3、本发明通过速度的判断实现用户行为的预测，如果v在3-20 km/h之间，且大于设定阈值A，则用户在步行或跑步并统计步数；如果/>在60-120 km/h之间，并且位置数据在高速公路上，可以判断为驾车；如果/>在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，可以判断为乘坐公共交通；通过速度判断实现了交通行为预测，通过较为便捷的移动终端或可穿戴设备即可实现行为的便捷预测，大大增强了数据各环节的便捷程度以及服务的针对性。
4、本发明当在时间段T内用户步数大于设定阈值F时，则向用户推荐短期健康险，并根据步数动态确定保费，步数越多则保费越低；当用户在时间段T内驾车里程数超过设定阈值L时，则向用户自动推送短期车险；当用户乘坐公共交通时，则向用户推荐延误险或短期旅行安全险；根据用户的行为提供针对性的短期保险服务，既能主动提供针对性的保险方案又能满足客户需求，大大提升了保险自动化提供及处理程度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明的一种人工智能保险全链条应用方法步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
需要说明的是，目前的还不能够根据较为便捷的数据分析进行提供灵活针对性的短期保险产品，以及在提供方案时相关数据不能够准确的计算处理，导致提供的产品与实际需求不对应等问题。因此如何计算用户的相关数据对保险方案的提供产生较大影响，例如步数统计、速度等数据的计算准确度影响用户采用的交通工具的判断准确度，进而影响保险方案的提供。且目前的保险产品针对性较差，不能够根据客户实际需求变动而自动灵活的提供相应产品，以及提供相应产品不及时，不能够提供灵活便捷的保险短期方案，因此，通过结合移动互联网、物联网、大数据和人工智能等先进技术，可以为用户提供更加个性化、灵活和高效的保险服务成为大趋势。
实施例1：
针对现有技术中提到的上述问题，为解决上述技术问题，如附图1所示：本发明提供了一种人工智能保险全链条应用方法方法，包括步骤：
S1：将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据传输至后台服务器，位置数据包括纬度、经度；
S2：后台服务器根据、/>时刻两个位置点的GPS位置数据的纬度、经度、高度计算用户速度/>，若/>小于设定阈值V则进入步骤S3，否则进入步骤S4；
其中，、/>,/>、/>分别表示第一个位置点的纬度和经度，/>、/>分别表示第二个位置点的纬度和经度，R是地球的半径，约为6371 km;/>是两个位置点的高度差；GPS（全球定位系统）不仅可以提供地理位置的纬度和经度信息，还可以提供高度信息，即相对于地球的椭球体的高度。这种高度通常被称为椭球高度。为了得到相对于地面或海平面的实际高度（通常称为正高度或海拔），需要考虑地球的地形和重力数据。以下是GPS如何实现同一物体在不同时刻相对水平面的高度的详细说明：接收卫星信号：GPS接收器通过接收来自至少四颗GPS卫星的信号来确定其位置。这些信号包含了卫星的位置和发射时间。计算椭球高度：通过测量从卫星到接收器的信号传播时间，并考虑信号在大气中的延迟，GPS接收器可以计算其到每颗卫星的距离。使用三角测量法，接收器可以确定其在地球椭球体上的三维位置，即纬度、经度和椭球高度。转换为海拔高度：椭球高度并不等于实际的海拔高度。为了得到海拔高度，需要知道地球表面在该位置的椭球体与实际地面之间的高度差，这被称为大地水准面的不规则性。通过使用地形模型或地球重力模型，可以将椭球高度转换为海拔高度。连续跟踪：当物体移动时，GPS接收器会连续跟踪其位置，并实时更新其纬度、经度和高度信息。例如，如果一个人正在爬山，他的GPS设备会显示他的海拔随着时间的增加而增加。记录和分析：许多现代GPS设备和应用程序都具有记录功能，可以保存用户在不同时间点的位置和高度数据。通过分析这些数据，可以确定物体在不同时间点的高度变化，例如确定一个人在徒步旅行中爬升和下降的总高度。
S3:后台服务器根据内置加速度计数据计算用户速度，进入步骤S4;
其中，、/>、/>分别是x、y、z三个方向上的加速度；其中，/>、/>分别表示在时间、/>的速度，/>是在时间t的加速度；
后台服务器根据GPS位置数据和内置加速度计传感器计算用户移动速度：
S4：如果v在3-20 km/h之间，且大于设定阈值A，则用户在步行或跑步并统计步数；如果/>在60-120 km/h之间，并且位置数据在高速公路上，可以判断为驾车；如果/>在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，可以判断为乘坐公共交通；条件满足时进入步骤S5，否则进入步骤S6；
S5：当在时间段T内用户步数大于设定阈值F时，则向用户自动推送短期健康险，并根据步数动态确定保费，步数越多则保费越低；当用户在时间段T内驾车里程数超过设定阈值L时，则向用户自动推送短期车险；当用户乘坐公共交通时，则向用户推荐延误险或短期旅行安全险；
S6：结束。
优选地，所述如果在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，可以判断为乘坐公共交通，包括：使用地点数据库匹配用户的定位数据，如果用户的位置与数据库中的交通枢纽机场或火车站位置匹配，则用户在交通枢纽机场或火车站。
优选地，在将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据传输至后台服务器步骤之前，还包括后台服务器应用卡尔曼滤波器对GPS位置数据进行平滑处理，以减少噪声和异常值。
优选地，还包括一键理赔模块，如果是健康险理赔，用户通过终端设备上传健康数据、医疗记录、医疗发票；如果是车险，用户上传车辆损坏照片；如果是延误险，用户通过移动终端上传航班号信息，实现一键理赔。
本申请还提供一种人工智能保险全链条应用系统，包括：移动设备或可穿戴设备、后台服务器、无线通信模块；移动设备或可穿戴设备内置GPS模块和加速度计传感器；移动设备或可穿戴设备通过无线通信模块与后台服务器连接；
数据采集模块，将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据传输至后台服务器，位置数据包括纬度、经度；
用户速度计算模块：后台服务器根据/>、/>时刻两个位置点的GPS位置数据的纬度、经度、高度计算用户速度/>，若/>小于设定阈值V则进入用户速度/>计算模块，否则进入判断模块；
其中，、/>,/>、/>分别表示第一个位置点的纬度和经度，/>、/>分别表示第二个位置点的纬度和经度，R是地球的半径;是两个位置点的高度差；
用户速度计算模块:后台服务器根据内置加速度计传感器数据计算用户速度/>，并进入判断模块;
其中，、/>、/>分别是x、y、z三个方向上的加速度；其中，/>、/>分别表示在时间、/>的速度，/>是在时间t的加速度；
后台服务器根据GPS位置数据和内置加速度计传感器计算用户移动速度：
判断模块：如果v在3-20 km/h之间，且大于设定阈值A，则用户在步行或跑步并统计步数；如果/>在60-120 km/h之间，并且位置数据在高速公路上，可以判断为驾车；如果/>在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，可以判断为乘坐公共交通；进入推荐模块，否则进入结束模块；
位置数据在高速公路上，可以判断为驾车，判断过程如下：收集位置数据：用户的移动设备或可穿戴设备上的应用程序会实时收集GPS位置数据，包括纬度和经度。访问地图API或地点数据库：应用程序会将收集到的位置数据发送到后台服务器。
后台服务器会使用这些数据来查询地图API或地点数据库，以确定用户当前的具体位置。匹配高速公路数据：地图API或地点数据库通常包含道路、建筑物、地标等的详细信息。服务器会检查用户的位置数据是否与数据库中的高速公路位置数据匹配。例如，如果用户的位置数据与某条高速公路的数据相匹配，并且这种匹配在一段时间内持续出现，那么可以判断用户正在该高速公路上驾车。
考虑速度因素：除了位置数据外，用户的移动速度也是一个重要的判断因素。如果用户的速度在60-120 km/h之间，这进一步支持了用户正在高速公路上驾车的判断。
返回判断结果：一旦服务器完成了上述的判断过程，它会将结果发送回应用程序。如果判断用户正在高速公路上驾车，应用程序可以据此为用户推荐相关的保险产品或提供其他相关服务。
推荐模块：当在时间段T内用户步数大于设定阈值F时，则向用户推荐短期健康险，并根据步数动态确定保费，步数越多则保费越低；当用户在时间段T内驾车里程数超过设定阈值L时，则向用户自动推送短期车险；当用户乘坐公共交通时，则向用户推荐延误险或短期旅行安全险；如果用户的位置与数据库中的交通枢纽位置匹配，并且滞留时间超过一定阈值，系统将触发保险推荐流程。推荐交通险：系统会自动生成一个推荐通知，告诉用户他们可能正在乘坐公共交通，并提供延误险或短期旅行安全险的选项。用户可以点击通知查看保险详情，包括保费、保障范围、有效期等。用户可以选择购买或忽略推荐。购买流程：如果用户决定购买，他们可以通过应用程序完成购买流程，包括选择保险期限、支付保费等。一旦购买完成，用户将收到电子保单。
结束模块。
当在时间段T内用户步数大于设定阈值F时，则向用户推荐短期健康险，并根据步数动态确定保费，步数越多则保费越低。包括以下步骤：数据收集：用户在手机或可穿戴设备上安装相关的应用程序。服务器或该应用程序使用设备的内置传感器（如加速度计）来统计用户的步数。用户的步数数据在时间段T内被收集并存储。
步数分析：在时间段T结束时，应用程序计算用户的总步数。如果总步数大于设定阈值F，系统将触发保险推荐流程。
保费计算：保费可以根据用户的步数动态确定。例如，可以设定一个基础保费率，并根据步数提供折扣。具体的计算方法可以是：基础保费 - (步数 - F) * 折扣率。其中，折扣率是每步减少的保费金额。为了鼓励用户多走路，可以设置一个最大折扣限制。
推荐健康险：系统会自动生成一个推荐通知，告诉用户他们已经达到了推荐的步数，并提供一个短期健康险的选项。用户可以点击通知查看保险详情，包括保费、保障范围、有效期等。用户可以选择购买或忽略推荐。
购买流程：如果用户决定购买，可以通过应用程序完成购买流程，包括选择保险期限、支付保费等。一旦购买完成，用户将收到电子保单。
当用户在时间段T内驾车里程数超过设定阈值L时，则向用户自动推送短期车险，后台服务器根据GPS定位功能实现用户的行驶路线和里程计算。用户的行驶数据在时间段T内被收集并存储。
里程分析：在时间段T结束时，应用程序计算用户的总行驶里程。如果总里程大于设定阈值L，系统将触发保险推荐流程。
推荐车险：系统会自动生成一个推荐通知，告诉用户他们已经达到了推荐的行驶里程，并提供一个短期车险的选项。用户可以点击通知查看保险详情，包括保费、保障范围、有效期等。用户可以选择购买或忽略推荐。
购买流程：如果用户决定购买，他们可以通过应用程序完成购买流程，包括选择保险期限、支付保费等。一旦购买完成，用户将收到电子保单。
优选地，所述如果在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，可以判断为乘坐公共交通，包括：使用地点数据库匹配用户的定位数据，如果用户的位置与数据库中的交通枢纽机场或火车站位置匹配，则用户在交通枢纽机场或火车站。建立地点数据库：创建一个数据库，其中包含所有重要的交通枢纽，如机场、火车站、地铁站等。每个地点都有一个唯一的标识符、名称、纬度和经度。获取用户定位数据：当用户的移动设备或可穿戴设备启用GPS服务时，可以实时获取其纬度和经度。地点匹配：使用空间查询来确定用户是否在某个交通枢纽的附近。例如，可以计算用户位置与每个交通枢纽位置之间的距离，并检查这个距离是否小于某个阈值（如500米）。结果返回：如果用户位置与某个交通枢纽的距离小于阈值，则可以判断用户在该交通枢纽附近。系统可以返回交通枢纽的名称、类型（如机场、火车站）等信息。优化和扩展：为了提高匹配的准确性，可以考虑使用更复杂的空间查询方法，如地理围栏（geofencing）。可以定期更新地点数据库，以包括新的交通枢纽或更新现有地点的信息。
优选地，在将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据传输至后台服务器步骤之前，还包括后台服务器应用卡尔曼滤波器对GPS位置数据进行平滑处理，以减少噪声和异常值。卡尔曼滤波器是一种递归滤波器，它可以估计系统的状态，即使在存在噪声的情况下。在处理GPS位置数据时，卡尔曼滤波器可以有效地减少由于各种原因（如大气效应、建筑物遮挡、接收器误差等）引起的噪声和异常值。以下是使用卡尔曼滤波器对GPS位置数据进行平滑处理的具体步骤：
初始化：选择初始状态估计和初始状态协方差。状态可以是位置（纬度、经度）和速度。设置系统和观测噪声的协方差。
预测：使用上一个状态的估计来预测当前状态。更新状态协方差。
更新：使用实际观测的GPS数据（纬度、经度）来计算残差或者称为“创新”。计算卡尔曼增益，它决定了预测和观测之间的权重。使用残差和卡尔曼增益更新状态估计。更新状态协方差。
迭代：对于每个新的GPS数据点，重复上述的预测和更新步骤。
优选地，还包括一键理赔模块，如果是健康险理赔，用户通过终端设备上传健康数据、医疗记录、医疗发票；如果是车险，用户上传车辆损坏照片；如果是延误险，用户通过移动终端上传航班号信息，实现一键理赔。
理赔请求：用户在应用程序中选择“一键理赔”功能。根据保险类型（健康险、车险、延误险等），应用会提示用户上传相应的证明材料。
数据上传：对于健康险：用户可以上传健康数据、医疗记录、医疗发票等。这些可以是照片、扫描件或电子文档。对于车险：用户需要上传车辆损坏的照片，最好从不同角度拍摄，以显示损坏的全貌。对于延误险：用户只需输入航班号信息，应用程序可以自动查询航班的实际起飞和到达时间，与预定时间进行对比，自动判断是否满足理赔条件。
自动审核：后台服务器接收到用户上传的数据后，可以使用机器学习和图像识别技术进行初步的自动审核。例如，对于车险，可以识别车辆损坏的部位和程度；对于健康险，可以识别医疗发票的金额和项目。
人工审核：对于复杂或金额较大的理赔请求，可能还需要人工审核。保险公司的工作人员可以在后台系统中查看用户上传的数据，进行详细的审核和判断。
理赔决策：根据自动审核和人工审核的结果，后台服务器会做出理赔决策。如果满足理赔条件，服务器会计算理赔金额，并生成理赔记录。
用户通知：服务器会将理赔决策和金额通知给用户。这可以通过应用程序的通知、短信、电子邮件等方式实现。
理赔支付：如果用户的理赔请求被批准，保险公司会安排支付。用户可以在应用程序中选择支付方式，如银行转账、支付宝、微信支付等。
数据存储和管理：服务器需要将用户的理赔请求、上传的数据和理赔记录存储在数据库中。这有助于后续的数据分析、风险管理和业务决策。
本发明提供了一种人工智能保险全链条应用方法及系统，所能实现的有益技术效果如下：
1、本申请通过采用用户速度计算模块：后台服务器根据/>、/>时刻两个位置点的GPS位置数据的纬度、经度、高度计算用户速度/>，若/>小于设定阈值V则进入用户速度/>计算模块，否则进入判断模块；
其中，是两个位置点的高度差，通过将高度差加入到用户速度计算模块中，大大提高了速度计算的准确度，尤其是在重庆、高原等地域地形复杂地区的速度计算，采用带有两个位置点的高度差的速度计算进而计算出判断结果，大大增强了速度计算准确度，提高了保险自动化针对性的提供准确度及处理效率，并实现实时性自动化的短期保险方案主动提供。
2、本发明若小于设定阈值V则进入用户速度/>计算模块，否则进入判断模块，当速度小于阈值时，说明用户在走路或跑步，而走路或跑步的速度计算，通过将后台服务器根据GPS位置数据和内置加速度计传感器相结合计算用户移动速度/>：/>大大实现了低速度的速度计算准确度，通过GPS位置数据与加速度计传感器两个数据的结合，大大增强了速度计算准确度，提高了计算效率以及计算准确度。
3、本发明通过速度的判断实现用户行为的预测，如果v在3-20 km/h之间，且大于设定阈值A，则用户在步行或跑步并统计步数；如果/>在60-120 km/h之间，并且位置数据在高速公路上，可以判断为驾车；如果/>在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，可以判断为乘坐公共交通；通过速度判断实现了交通行为预测，通过较为便捷的移动终端或可穿戴设备即可实现行为的便捷预测，大大增强了数据各环节的便捷程度以及服务的针对性。
4、本发明当在时间段T内用户步数大于设定阈值F时，则向用户推荐短期健康险，并根据步数动态确定保费，步数越多则保费越低；当用户在时间段T内驾车里程数超过设定阈值L时，则向用户自动推送短期车险；当用户乘坐公共交通时，则向用户推荐延误险或短期旅行安全险；根据用户的行为提供针对性的短期保险服务，既能主动提供针对性的保险方案又能满足客户需求，大大提升了保险自动化提供及处理程度。
以上对一种人工智能保险全链条应用方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的核心思想；同时，对于本领域的一般技术人员，依据本发明的思想和方法，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种人工智能保险全链条应用方法，其特征在于，包括步骤：
S1：将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据传输至后台服务器，位置数据包括纬度、经度；
S2：后台服务器根据、/>时刻两个位置点的GPS位置数据的纬度、经度、高度计算用户速度/>，若/>小于设定阈值V则进入步骤S3，否则进入步骤S4；
其中，、/>,/>、/>分别表示第一个位置点的纬度和经度，/>、/>分别表示第二个位置点的纬度和经度，R是地球的半径;/>是两个位置点的高度差；
S3:后台服务器根据内置加速度计数据计算用户速度，进入步骤S4;
其中，、/>、/>分别是x、y、z三个方向上的加速度；其中，/>、/>分别表示在时间/>、/>的速度，/>是在时间t的加速度；
后台服务器根据GPS位置数据和内置加速度计传感器计算用户移动速度：/>；
S4：如果在3-20 km/h之间，且/>大于设定阈值A，则用户在步行或跑步并统计步数；如果/>在60-120 km/h之间，并且位置数据在高速公路上，判断为驾车；如果/>在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，判断为乘坐公共交通；如果/>在3-20 km/h之间或如果/>在60-120 km/h之间或如果/>在60-1000 km/h之间时进入步骤S5，否则进入步骤S6；
S5：当在时间段T内用户步数大于设定阈值F时，则向用户自动推送短期健康险，并根据步数动态确定保费，步数越多则保费越低；当用户在时间段T内驾车里程数超过设定阈值L时，则向用户自动推送短期车险；当用户乘坐公共交通时，则向用户推荐延误险或短期旅行安全险；
S6：结束。
2. 如权利要求1所述的一种人工智能保险全链条应用方法，其特征在于，所述如果在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，判断为乘坐公共交通，包括：使用地点数据库匹配用户的定位数据，如果用户的位置与数据库中的交通枢纽机场或火车站位置匹配，则用户在交通枢纽机场或火车站。
3.如权利要求1所述的一种人工智能保险全链条应用方法，其特征在于，在将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据传输至后台服务器步骤之前，还包括后台服务器应用卡尔曼滤波器对GPS位置数据进行平滑处理，以减少噪声和异常值。
4.如权利要求1所述的一种人工智能保险全链条应用方法，其特征在于，还包括一键理赔模块，如果是健康险理赔，用户通过终端设备上传健康数据、医疗记录、医疗发票；如果是车险，用户上传车辆损坏照片；如果是延误险，用户通过移动终端上传航班号信息，实现一键理赔。
5.一种人工智能保险全链条应用系统，其特征在于，包括：移动设备或可穿戴设备、后台服务器、无线通信模块；移动设备或可穿戴设备内置GPS模块和加速度计传感器；移动设备或可穿戴设备通过无线通信模块与后台服务器连接；
数据采集模块，将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据传输至后台服务器，位置数据包括纬度、经度；
用户速度计算模块：后台服务器根据/>、/>时刻两个位置点的GPS位置数据的纬度、经度、高度计算用户速度/>，若/>小于设定阈值V则进入用户速度/>计算模块，否则进入判断模块；
其中，、/>,/>、/>分别表示第一个位置点的纬度和经度，/>、/>分别表示第二个位置点的纬度和经度，R是地球的半径;/>是两个位置点的高度差；
用户速度计算模块:后台服务器根据内置加速度计传感器数据计算用户速度/>，并进入判断模块;
其中，、/>、/>分别是x、y、z三个方向上的加速度；其中，/>、/>分别表示在时间/>、/>的速度，/>是在时间t的加速度；
后台服务器根据GPS位置数据和内置加速度计传感器计算用户移动速度：/>；
判断模块：如果在3-20 km/h之间，且/>大于设定阈值A，则用户在步行或跑步并统计步数；如果/>在60-120 km/h之间，并且位置数据在高速公路上，判断为驾车；如果/>在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，判断为乘坐公共交通；如果/>在3-20 km/h之间或如果/>在60-120 km/h之间或如果/>在60-1000 km/h之间时进入推荐模块，否则进入结束模块；
推荐模块：当在时间段T内用户步数大于设定阈值F时，则向用户推荐短期健康险，并根据步数动态确定保费，步数越多则保费越低；当用户在时间段T内驾车里程数超过设定阈值L时，则向用户自动推送短期车险；当用户乘坐公共交通时，则向用户推荐延误险或短期旅行安全险；
结束模块。
6. 如权利要求5所述的一种人工智能保险全链条应用系统，其特征在于，所述如果在60-1000 km/h之间，并且位置数据在交通枢纽机场或火车站，判断为乘坐公共交通，包括：使用地点数据库匹配用户的定位数据，如果用户的位置与数据库中的交通枢纽机场或火车站位置匹配，则用户在交通枢纽机场或火车站。
7.如权利要求5所述的一种人工智能保险全链条应用系统，其特征在于，在将用户的移动设备或可穿戴设备GPS位置数据以及内置加速度计传感器数据传输至后台服务器步骤之前，还包括后台服务器应用卡尔曼滤波器对GPS位置数据进行平滑处理，以减少噪声和异常值。
8.如权利要求5所述的一种人工智能保险全链条应用系统，其特征在于，还包括一键理赔模块，如果是健康险理赔，用户通过终端设备上传健康数据、医疗记录、医疗发票；如果是车险，用户上传车辆损坏照片；如果是延误险，用户通过移动终端上传航班号信息，实现一键理赔。
9.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-4中任意一项所述的一种人工智能保险全链条应用方法。
10.一种计算机可读存储介质，其特征在于，包括指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-4中任意一项所述的一种人工智能保险全链条应用方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311360867.3A CN117094830B (zh) | 2023-10-20 | 2023-10-20 | 一种人工智能保险全链条应用方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311360867.3A CN117094830B (zh) | 2023-10-20 | 2023-10-20 | 一种人工智能保险全链条应用方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117094830A CN117094830A (zh) | 2023-11-21 |
| CN117094830B true CN117094830B (zh) | 2024-03-26 |
Family
ID=88775755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311360867.3A Active CN117094830B (zh) | 2023-10-20 | 2023-10-20 | 一种人工智能保险全链条应用方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117094830B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040105438A (ko) * | 2003-06-09 | 2004-12-16 | (주)카젤 | 텔레매틱스 기기를 이용한 자동차 보험 고객 관리 시스템및 방법 |
| CN105374211A (zh) * | 2015-12-09 | 2016-03-02 | 敏驰信息科技（上海）有限公司 | 基于多源数据计算驾驶风险与辅助车险定价的系统及方法 |
| US10699347B1 (en) * | 2016-02-24 | 2020-06-30 | Allstate Insurance Company | Polynomial risk maps |
| CA3148476A1 (en) * | 2019-07-08 | 2021-01-14 | Middle Chart, LLC | Spatially self-verifying array of nodes |
| CN113065902A (zh) * | 2021-04-22 | 2021-07-02 | 中国平安财产保险股份有限公司 | 基于数据处理的费用设定方法、装置和计算机设备 |
| CN115358875A (zh) * | 2022-08-24 | 2022-11-18 | 国任财产保险股份有限公司 | 一种保险产品管理系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11686862B2 (en) * | 2018-12-19 | 2023-06-27 | Uber Technologies, Inc. | Inferring vehicle location and movement using sensor data fusion |
| US20200336541A1 (en) * | 2019-04-16 | 2020-10-22 | Qualcomm Incorporated | Vehicle Sensor Data Acquisition and Distribution |
-
2023
- 2023-10-20 CN CN202311360867.3A patent/CN117094830B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040105438A (ko) * | 2003-06-09 | 2004-12-16 | (주)카젤 | 텔레매틱스 기기를 이용한 자동차 보험 고객 관리 시스템및 방법 |
| CN105374211A (zh) * | 2015-12-09 | 2016-03-02 | 敏驰信息科技（上海）有限公司 | 基于多源数据计算驾驶风险与辅助车险定价的系统及方法 |
| US10699347B1 (en) * | 2016-02-24 | 2020-06-30 | Allstate Insurance Company | Polynomial risk maps |
| CA3148476A1 (en) * | 2019-07-08 | 2021-01-14 | Middle Chart, LLC | Spatially self-verifying array of nodes |
| CN113065902A (zh) * | 2021-04-22 | 2021-07-02 | 中国平安财产保险股份有限公司 | 基于数据处理的费用设定方法、装置和计算机设备 |
| CN115358875A (zh) * | 2022-08-24 | 2022-11-18 | 国任财产保险股份有限公司 | 一种保险产品管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117094830A (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6918087B2 (ja) | オン・デマンドサービスの情報を提供する方法及びシステム | |
| US9628958B1 (en) | User-controlled, smart device-based location and transit data gathering and sharing | |
| CN1607399B (zh) | 由环境信号确定的设备的近似位置的使用 | |
| US7516010B1 (en) | Method of operating a navigation system to provide parking availability information | |
| WO2016127918A1 (zh) | 一种运力调度方法及系统 | |
| US8160805B2 (en) | Obtaining road traffic condition data from mobile data sources | |
| JP2019215896A (ja) | 運輸サービスの料金を求める方法及びシステム | |
| US20150292894A1 (en) | Travel route | |
| US20100292921A1 (en) | Mode of transport determination | |
| US20110153189A1 (en) | Historical traffic data compression | |
| CN102538813A (zh) | 路径搜索方法及装置 | |
| US20180245934A1 (en) | Identifying a map matched trip from received geographic position information | |
| US20180156923A1 (en) | Location accuracy determination based on data from second sensor | |
| JP2008508529A (ja) | 電子メディア露出測定システムの精度および到達率を向上させるための方法および装置 | |
| CN113554353B (zh) | 一种避免空间淤积的公共自行车空间调度优化方法 | |
| CN112418556B (zh) | 一种基于互联网共享平台下的网格化服务系统 | |
| Petkovics et al. | Crowdsensing solutions in smart cities towards a networked society | |
| US11546724B2 (en) | Method, apparatus, and system for determining a non-specific location according to an observed mobility pattern derived from non-positioning related sensor data | |
| CN117094830B (zh) | 一种人工智能保险全链条应用方法及系统 | |
| US20030208313A1 (en) | System for computing speeds and estimated arrival times for moving vehicles | |
| CN113611116B (zh) | 一种基于用户位置的伴随式服务提供方法及系统 | |
| US10121212B1 (en) | System and method for transportation demand management | |
| CN115038935A (zh) | 导航系统 | |
| CN112304326A (zh) | 出行路线规划方法、设备及存储介质 | |
| CN113124892A (zh) | 处理导航信息的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |