CN105631600A - 车险查勘任务的发布方法及系统 - Google Patents

Abstract

本发明公开了一种车险查勘任务的发布方法及系统，通过获取与车险查勘任务对应的众包参数，根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，并向确定的大众查勘员的移动终端发布携带所述众包参数的车险查勘任务；当识别出有大众查勘员接受发布的所述车险查勘任务后，从接受任务的大众查勘员的移动终端获取与所述车险查勘任务对应的查勘数据；按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果；具有利用众包技术发布车险查勘任务的有益效果，提高了车险查勘任务发布的效率，且有效地降低了车险查勘任务发布的成本。

Description

车险查勘任务的发布方法及系统

技术领域

本发明涉及数据处理技术领域，尤其涉及一种车险查勘任务的发布方法及系统。

背景技术

在交通环境复杂的情况下，及时有效的处理交通事故是缓解交通压力的重要环节。目前在车险行业，现场查勘及车辆定损业务的开展往往需要依赖于专业保险人员的人力投入，成本高且效率低。

另外，由于金融保险行业数据的敏感性，且目前众包行业通用的众包管理与分发机制也难以对保险客户的隐私信息提供充分的保护，因此，国内现有的商用众包平台均未涉足保险领域业务。故，如何将任务众包技术应用在现场查勘及车辆定损业务上，以有效防止现场查勘及车辆定损业务成本高、效率低的问题，成为目前业内亟待解决的问题之一。

发明内容

鉴于以上内容，有必要提供一种车险查勘任务的发布方法及系统，用以：利用众包技术发布车险查勘任务。

本发明公开了一种车险查勘任务的发布方法，包括以下步骤：

服务器获取与车险查勘任务对应的众包参数，根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，并向确定的大众查勘员的移动终端发布携带所述众包参数的车险查勘任务；

当识别出有大众查勘员接受发布的所述车险查勘任务后，从接受任务的大众查勘员的移动终端获取与所述车险查勘任务对应的查勘数据；

按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果。

优选地，所述车险查勘任务的发布方法还包括步骤：

按照预设检验规则对所述待采纳的任务结果进行显著性检验；

若所述待采纳的任务结果通过显著性检验，则将所述待采纳的任务结果作为最终结果并返回给所述车险任务的发布者；

若所述待采纳的任务结果未通过显著性检验，则将所述待采纳的任务结果发送至预设终端以便进行人工审核。

优选地，所述获取与车险查勘任务对应的众包参数，包括：

采用拉格朗日乘子法结合库恩塔克条件法，获取与所述车险查勘任务对应的众包参数；

或者，

采用增广拉格朗日法结合移动渐近线法，获取与所述车险查勘任务对应的众包参数。

优选地，所述根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，包括：

设置每一个车险查勘任务对应的预设模型为i维空间的向量Q_i，每一个大众查勘员的个人信息所对应的预设模型为j维空间的向量P_j；

为向量Q_i和向量P_j定义运算矩阵M_i，j＝Q_iP_j，并基于定义的运算矩阵，计算得出每个大众查勘员对应的个人权重值；

将个人权重值大于预设阈值的大众查勘员确定为与所述车险查勘任务匹配的大众查勘员。

优选地，所述按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果，包括：

根据接受所述车险查勘任务的各大众查勘员的历史查勘数据，计算得出各大众查勘员对应的历史数据权重值；

基于得到的所述历史数据权重值，根据预设公式，计算得出所述车险查勘任务下获取的各查勘数据所分别对应的权重分数总和；

将权重分数总和最高的查勘数据作为所述待采纳的任务结果。

对应于以上所公开的一种车险查勘任务的发布方法，本发明还公开了一种车险查勘任务的发布系统，包括：

任务发布模块，用于获取与车险查勘任务对应的众包参数，根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，并向确定的大众查勘员的移动终端发布携带所述众包参数的车险查勘任务；

数据获取模块，用于当识别出有大众查勘员接受发布的所述车险查勘任务后，从接受任务的大众查勘员的移动终端获取与所述车险查勘任务对应的查勘数据；

数据分析模块，用于按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果。

优选地，所述车险查勘任务的发布系统还包括：

数据检验模块，用于按照预设检验规则对所述待采纳的任务结果进行显著性检验；

结果反馈模块，用于：

若所述待采纳的任务结果通过显著性检验，则将所述待采纳的任务结果作为最终结果并返回给所述车险任务的发布者；

若所述待采纳的任务结果未通过显著性检验，则将所述待采纳的任务结果发送至预设终端以便进行人工审核。

优选地，所述任务发布模块还用于：

采用拉格朗日乘子法结合库恩塔克条件法，获取与所述车险查勘任务对应的众包参数；

或者，

采用增广拉格朗日法结合移动渐近线法，获取与所述车险查勘任务对应的众包参数。

优选地，所述任务发布模块包括：

模型设置单元，用于设置每一个车险查勘任务对应的预设模型为i维空间的向量Q_i，每一个大众查勘员的个人信息所对应的预设模型为j维空间的向量P_j；

矩阵运算单元，用于为向量Q_i和向量P_j定义运算矩阵M_i，j＝Q_iP_j，并基于定义的运算矩阵，计算得出每个大众查勘员对应的个人权重值；

人员确定单元，用于将个人权重值大于预设阈值的大众查勘员确定为与所述车险查勘任务匹配的大众查勘员。

优选地，所述数据分析模块包括：

历史权重计算单元，用于根据接受所述车险查勘任务的各大众查勘员的历史查勘数据，计算得出各大众查勘员对应的历史数据权重值；

权重总和计算单元，用于基于得到的所述历史数据权重值，根据预设公式，计算得出所述车险查勘任务下获取的各查勘数据所分别对应的权重分数总和；

任务结果确定单元，用于将权重分数总和最高的查勘数据作为所述待采纳的任务结果。

本发明一种车险查勘任务的发布方法及系统可以达到如下有益效果：

通过获取与车险查勘任务对应的众包参数，根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，并向确定的大众查勘员的移动终端发布携带所述众包参数的车险查勘任务；当识别出有大众查勘员接受发布的所述车险查勘任务后，从接受任务的大众查勘员的移动终端获取与所述车险查勘任务对应的查勘数据；按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果；具有利用众包技术发布车险查勘任务的有益效果，提高了车险查勘任务发布的效率，且有效地降低了车险查勘任务发布的成本。

附图说明

图1是本发明车险查勘任务的发布方法的一种实施方式的流程示意图；

图2是本发明车险查勘任务的发布方法的另一种实施方式的流程示意图；

图3是本发明车险查勘任务的发布方法中，“根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员”的一种实施方式的流程示意图；

图4是本发明车险查勘任务的发布方法中，图1或者图2所述实施例中步骤S30的一种实施方式的流程示意图；

图5是本发明车险查勘任务的发布系统的一种实施方式的框图；

图6是本发明车险查勘任务的发布系统的另一种实施方式的框图；

图7是本发明车险查勘任务的发布系统中，图5或者图6所述实施例中任务发布模块60的一种实施方式的框图；

图8是本发明车险查勘任务的发布系统中，图5或者图6所述实施例中数据分析模块80的一种实施方式的框图；

本发明实施例目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

以下结合说明书附图及具体实施例进一步说明本发明的技术方案。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供了一种车险查勘任务的发布方法，用以：利用众包技术发布车险查勘任务。如图1所示，本发明车险查勘任务的发布方法可以实施为如下描述的步骤S10-S30：

步骤S10、服务器获取与车险查勘任务对应的众包参数，根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，并向确定的大众查勘员的移动终端发布携带所述众包参数的车险查勘任务；

本发明实施例中，云服务器在需要将车险查勘任务进行众包发布时，获取与该车险查勘任务对应的众包参数；其中，云服务器获取的上述众包参数包括但不限于：车险查勘任务的有效期限(例如：截止什么时候该任务有效，即截止什么时候该任务可被承接)、车险查勘任务的完成时长(例如：大众查勘员在接受查勘任务后必须在所述完成时长内完成，否则任务失效)、奖励(比如：大众查勘员在规定时间内按照要求完成任务后可获得的回报，可以是积分或现金，奖励可在任务完成时或结果得到采纳后获得)、奖励预算(比如：给各个大众查勘员的奖励总额上限)等参数。本发明实施例中，云服务器可以根据具体的车险查勘任务来获取相应的众包参数，本发明实施例对上述众包参数的具体类型不进行限定。

当云服务器获取到对应的众包参数后，根据预先设定的第一分析规则和预设模型，确定与上述车险查勘任务相匹配的大众查勘员，并向确定的大众查勘员对应的移动终端发布携带上述众包参数的车险查勘任务。在确定与该车险查勘任务相匹配的大众查勘员时，云服务器可以根据车险查勘任务对应的具体类型和具体众包参数，以及大众查勘员的个人信息、大众查勘员的历史查勘数据等，进行匹配，从而确定出对应的大众查勘员，并向其确定的大众查勘员对应的移动终端发送对应的车险查勘任务。

本发明实施例中，当云服务器确定好对应的大众查勘员时，即可根据与该大众查勘员的个人信息绑定的移动终端信息，获取大众查勘员对应的移动终端，进而将携带上述众包参数的车险查勘任务发布至确定的大众查勘员所对应的移动终端上。例如，云服务器将携带众包参数的车险查勘任务“现有A车险查勘任务需要众包，接受任务后需在24小时内完成，本次任务将以现金的方式发放，奖励金额最低1000元”，发布至确定的大众查勘员对应的移动终端上。

步骤S20、当识别出有大众查勘员接受发布的所述车险查勘任务后，从接受任务的大众查勘员的移动终端获取与所述车险查勘任务对应的查勘数据；

当有大众查勘员接受了上述车险查勘任务后，大众查勘员基于该大众查勘员的移动终端触发对应的接受指令，云服务器接收到移动终端发出的接受指令时，识别出有大众查勘员接受发布的上述车险查勘任务。此时，云服务器实时或者按照预设周期或者在接收到大众查勘员发出的数据反馈指令后，从接受任务的上述大众查勘员的移动终端，获取与上述车险查勘任务对应的查勘数据。

步骤S30、按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果。

若云服务器确定出每个大众查勘员均有与上述车险查勘任务相对应的查勘数据被获取，或者，若上述车险查勘任务失败，且接受该车险查勘任务的大众查勘员均有与该车险查勘任务对应的查勘数据被获取，则按照对应的分析规则，云服务器从获取的上述查勘数据中分析出符合预设条件的查勘数据，将符合预设条件的上述查勘数据作为待采纳的任务结果。例如，将获取的上述查勘数据进行最优化分析，将分析出的至少一个最佳的查勘数据作为待采纳的任务结果。

在本发明一优选的实施例中，为了确保车险查勘任务对应的众包参数的准确性，有效地减少人力、物力和财力的投入，本发明车险查勘任务的发布方法的步骤S10中，云服务器获取与车险查勘任务对应的众包参数时，可以通过如下方式获取：方法一、采用拉格朗日乘子法(LagrangeMultiplier)结合库恩塔克条件法(Karush-Kuhn-Tucker，KKT)，获取与所述车险查勘任务对应的众包参数；方法二、采用增广拉格朗日法(AugmentedLagrangeMethod)结合移动渐近线法(MethodofMovingAsymptotes)，获取与所述车险查勘任务对应的众包参数。

假设回报函数为f(x)，我们的目标是优化这个函数，从而找出最优策略。

maxf(x)

s.t.h_j(x)＝0，j＝1，2，.....，p

g_i(x)≤0，i＝1，2，......q

当然这里存在的一些限制，如预算，时间，员工数等。函数h_j可以是预算等限制条件，函数g_i可以是完成时间等限制条件。方法一的拉格朗日乘子法和库恩塔克条件法KKT是比较常见的非线性规划方法。拉格朗日乘子法用来解决相等限制条件问题，而KKT用来解决非等限制条件问题。这一方法的优势在于它针对凸函数优化问题，能够快速得到全局最优解。

1、拉格朗日乘子法：假设问题是：

minf(x)

s.t.h(x)＝0

我们可以通过求解下列方程组得出：

$\▿f-\mathrm{\λ}\▿h=0$

h(x)＝0

2、而KKT是用来解决非等优化问题，假设问题是：

minf(x)

s.tg(x)≥a

首先假设有个值b使得g(x)＝b，这样就转化成了一个拉格朗日乘子问题并且用上四个KKT条件联立可解得最优决策：

$\▿L=\▿f-\mathrm{\λ}\▿g=0$

$\frac{\∂L}{\∂\mathrm{\λ}}=-g\left(x\right)+b=0$

$\frac{\∂L}{\∂b}=\mathrm{\λ}\≤0$

(g(x)-a)λ＝(b-a)λ＝0

方法二是增广拉格朗日法和移动渐进法的结合。增广拉格朗日法的优势是可将预算等相等限制条件与目标函数、非等限制条件合并成一个新的规划函数。简单来说，增广拉格朗日法可以通过添加一个限制条件惩罚项和一个拉格朗日乘子将一个相等的限制条件(如，预算)优化问题转化成一个无限制条件优化问题。假设这个问题是：

minf(x)

s.t.C_i(x)=0，i＝1，2，.....，n

增广拉格朗日法将这个问题通过转化成了一个无限制条件的问题：

$L(x,{\mathrm{\λ}}_k;{\mathrm{\μ}}_k):=f\left(x\right)-\underset{i\∈\∈}{\Σ}{\mathrm{\λ}}_{i,k}{C}_i\left(x\right)+\frac{{\mathrm{\μ}}_k}{2}\underset{i\∈\∈}{\Σ}{C}_i{\left(x\right)}^2$

而移动渐近线法可以用来解决一个不等限制条件的优化问题。新的目标函数及非等限制条件通过使用局部梯度最优移动渐进法得到最优策略。举个例子来说，查勘任务的奖励等级应根据任务难度而变化，即任务越难，完成该任务的大众查勘员可获得的奖励越多，但同时任务的成本会提高。通过优化回报函数，我们可以算出最优的任务要素组合。

本发明车险查勘任务的发布方法通过获取与车险查勘任务对应的众包参数，根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，并向确定的大众查勘员的移动终端发布携带所述众包参数的车险查勘任务；当识别出有大众查勘员接受发布的所述车险查勘任务后，从接受任务的大众查勘员的移动终端获取与所述车险查勘任务对应的查勘数据；按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果；具有利用众包技术发布车险查勘任务的有益效果，提高了车险查勘任务发布的效率，且有效地降低了车险查勘任务发布的成本。

基于图1所述实施例的描述，本发明车险查勘任务的发布方法中，云服务器基于分析出的符合预设条件的查勘数据，对该查勘数据进行进一步地检验，以确保待采纳的任务结果符合要求。

如图2所示，本发明车险查勘任务的发布方法中，在图1所述实施例的“步骤S30、按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果”之后，还包括步骤S40-S50：

步骤S40、按照预设检验规则对所述待采纳的任务结果进行显著性检验；

步骤S50、若所述待采纳的任务结果通过显著性检验，则将所述待采纳的任务结果作为最终结果并返回给所述车险任务的发布者；若所述待采纳的任务结果未通过显著性检验，则将所述待采纳的任务结果发送至预设终端以便进行人工审核。

本发明实施例中，云服务器按照预设检验规则对待采纳的任务结果进行显著性检验，从而进一步确定将待采纳的任务结果作为最终结果进行反馈，或者是将上述待采纳的任务结果反馈至预设终端进行人工审核。

在本发明一优选的实施例中，云服务器采用均值假设检验法(Student’sT-Test)对上述待采纳的任务结果进行自信度检验。如果对上述待采纳的任务结果的检测结果不显著，则表明所述待采纳的任务结果通过显著性检验，将所述待采纳的任务结果作为最终结果并返回给该车险查勘任务的发布者；例如，云服务器将上述待采纳的任务结果作为最终结果返回至车险查勘任务的发布终端。如果检验结果显著(比如自信度大于95％)，则所述待采纳的任务结果未通过显著性检验，将所述待采纳的任务结果发送给预先确定的终端进行人工审核。

本发明车险查勘任务的发布方法通过按照预设检验规则对所述待采纳的任务结果进行显著性检验；若所述待采纳的任务结果通过显著性检验，则将所述待采纳的任务结果作为最终结果并返回给所述车险任务的发布者；若所述待采纳的任务结果未通过显著性检验，则将所述待采纳的任务结果发送至预设终端以便进行人工审核；提高了车险查勘任务检测结果的准确性。

基于图1、图2所述实施例的描述，本发明车险查勘任务的发布方法中，云服务器根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，可以按照图3所述实施例的技术手段来实现。

如图3所示，本发明车险查勘任务的发布方法中，云服务器根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，可以实施为如下描述的步骤S210-S230：

步骤S210、设置每一个车险查勘任务对应的预设模型为i维空间的向量Q_i，每一个大众查勘员的个人信息所对应的预设模型为j维空间的向量P_j；

步骤S220、为向量Q_i和向量P_j定义运算矩阵M_i，j＝Q_iP_j，通过逻辑回归方法并基于定义的运算矩阵，计算得出每个大众查勘员对应的个人权重值；

步骤S230、将个人权重值大于预设阈值的大众查勘员确定为与所述车险查勘任务匹配的大众查勘员。

本发明实施例中，所述预设模型为潜在因素模型(LatentFactorModel)，该预设模型利用历史数据中的任务画像和用户画像结合进行建模，并为当前车险查勘任务推荐最佳的若干个大众查勘员；其中，任务画像用来描述任务特征，用户画像是一种描述目标用户、联系用户诉求与设计方向的有效工具；即不同的车险查勘任务需要具备不同特点的大众查勘员。

云服务器从大众查勘员的历史表现的各项数据维度出发，通过定义相应的上述运算矩阵，计算出每个大众查勘员所分别对应的个人权重值，并将个人权重值大于预设阈值的大众查勘员确定为该车险查勘任务匹配的大众查勘员，从而自动寻找出最优的查勘员进行车险查勘任务的个性化匹配。

本发明车险查勘任务的发布方法通过定义对应的运算矩阵，计算得出每个大众查勘员对应的个人权重值；将个人权重值大于预设阈值的大众查勘员确定为与所述车险查勘任务匹配的大众查勘员；具有将不同的车险查勘任务自动与对应的大众查勘员进行匹配的有益效果，提高了车险查勘任务发布的智能性，也进一步提高了车险查勘任务发布的准确性。

基于图1、图2和图3所述实施例的描述，本发明车险查勘任务的发布方法中，图1和图2所述实施例中“步骤S30、按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果”，可以实施为如下描述的步骤S310-S330：

步骤S310、根据接受所述车险查勘任务的各大众查勘员的历史查勘数据，计算得出各大众查勘员对应的历史数据权重值；

本发明实施例中，云服务器获取接收所述车险查勘任务的各大众查勘员的历史查勘数据，例如各大众查勘员的历史任务完成数量、历史任务结果接受率等数据；根据上述历史查勘数据，云服务器计算出各大众查勘员所分别对应的历史数据权重值。例如，云服务器将上述大众查勘员的历史任务完成数量与历史任务结果接受率的乘积，作为各大众查勘员所分别对应的历史数据权重值。

步骤S320、基于得到的所述历史数据权重值，根据预设公式，计算得出所述车险查勘任务下获取的各查勘数据所分别对应的权重分数总和；

步骤S330、将权重分数总和最高的查勘数据作为所述待采纳的任务结果。

根据得到的上述历史数据权重值，利用预设公式，计算得到该车险查勘任务下获取的各查勘数据所分别对应的权重分数总和。

在本发明一优选的实施例中，利用如下计算公式：

$\underset{i=1}{\overset{n}{\Σ}}{W}_i*I_{{\mathrm{ANS}}_i=A}=S_A,\underset{i=1}{\overset{n}{\Σ}}{W}_i*I_{{\mathrm{ANS}}_i=B}=S_B,......$

其中，上述计算公式中，W_i表示第i位大众查勘员的权重，ANS_i表示的是第i位大众查勘员选择答案的结果，例如：选择答案A、B......的结果，所述结果为是或者否；SA、SB......分别表示各个答案(例如：选择答案A、B......)的权重分数总和，I_ANSi的值非0即1；例如，如果查勘员i选择了答案A，则对应该查勘员i的I_ANSi值为1，否则为0。

根据上述计算公式，即可计算得到该车险查勘任务下获取的各查勘数据所分别对应的权重分数总和，将权重分数总和最高的查勘数据作为所述待采纳的任务结果。

本发明车险查勘任务的发布方法通过基于各大众查勘员对应的历史数据权重值，按照预设公式，计算得出所述车险查勘任务下获取的各查勘数据所分别对应的权重分数总和，并将权重分数总和最高的查勘数据作为所述待采纳的任务结果；进一步提高了待采纳的任务结果的准确性。

对应于图1、图2、图3和图4所述实施例提供的一种车险查勘任务的发布方法，本发明还提供了一种车险查勘任务的发布系统，所述车险查勘任务的发布系统可以运行在图1至图4任一实施例中所描述的云服务器中。

如图5所示，本发明车险查勘任务的发布系统包括：任务发布模块60、数据获取模块70以及数据分析模块80；其中：

任务发布模块60，用于获取与车险查勘任务对应的众包参数，根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，并向确定的大众查勘员的移动终端发布携带所述众包参数的车险查勘任务；

本发明实施例中，任务发布模块60在需要将车险查勘任务进行众包发布时，获取与该车险查勘任务对应的众包参数；其中，任务发布模块60获取的上述众包参数包括但不限于：车险查勘任务的有效期限(例如：截止什么时候该任务有效，即截止什么时候该任务可被承接)、车险查勘任务的完成时长(例如：大众查勘员在接受查勘任务后必须在所述完成时长内完成，否则任务失效)、奖励(比如：大众查勘员在规定时间内按照要求完成任务后可获得的回报，可以是积分或现金，奖励可在任务完成时或结果得到采纳后获得)、奖励预算(比如：给各个大众查勘员的奖励总额上限)等参数。本发明实施例中，任务发布模块60可以根据具体的车险查勘任务来获取相应的众包参数，本发明实施例对上述众包参数的具体类型不进行限定。

当任务发布模块60获取到对应的众包参数后，根据预先设定的第一分析规则和预设模型，确定与上述车险查勘任务相匹配的大众查勘员，并向确定的大众查勘员对应的移动终端发布携带上述众包参数的车险查勘任务。在确定与该车险查勘任务相匹配的大众查勘员时，任务发布模块60可以根据车险查勘任务对应的具体类型和具体众包参数，以及大众查勘员的个人信息、大众查勘员的历史查勘数据等，进行匹配，从而确定出对应的大众查勘员，并向其确定的大众查勘员对应的移动终端发送对应的车险查勘任务。

本发明实施例中，当任务发布模块60确定好对应的大众查勘员时，即可根据与该大众查勘员的个人信息绑定的移动终端信息，获取大众查勘员对应的移动终端，进而将携带上述众包参数的车险查勘任务发布至确定的大众查勘员所对应的移动终端上。例如，任务发布模块60将携带众包参数的车险查勘任务“现有A车险查勘任务需要众包，接受任务后需在24小时内完成，本次任务将以现金的方式发放，奖励金额最低1000元”，发布至确定的大众查勘员对应的移动终端上。

数据获取模块70，用于当识别出有大众查勘员接受发布的所述车险查勘任务后，从接受任务的大众查勘员的移动终端获取与所述车险查勘任务对应的查勘数据；

当有大众查勘员接受了上述车险查勘任务后，大众查勘员基于该大众查勘员的移动终端触发对应的接受指令，数据获取模块70接收到移动终端发出的接受指令时，识别出有大众查勘员接受发布的上述车险查勘任务。此时，数据获取模块70实时或者按照预设周期或者在接收到大众查勘员发出的数据反馈指令后，从接受任务的上述大众查勘员的移动终端，获取与上述车险查勘任务对应的查勘数据。

数据分析模块80，用于按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果。

若数据分析模块80确定出每个大众查勘员均有与上述车险查勘任务相对应的查勘数据被获取，或者，若上述车险查勘任务失败，且接受该车险查勘任务的大众查勘员均有与该车险查勘任务对应的查勘数据被获取，则按照对应的分析规则，数据分析模块80从获取的上述查勘数据中分析出符合预设条件的查勘数据，将符合预设条件的上述查勘数据作为待采纳的任务结果。例如，数据分析模块80将获取的上述查勘数据进行最优化分析，将分析出的至少一个最佳的查勘数据作为待采纳的任务结果。

在本发明一优选的实施例中，为了确保车险查勘任务对应的众包参数的准确性，有效地减少人力、物力和财力的投入，本发明车险查勘任务的发布系统中，任务发布模块60获取与车险查勘任务对应的众包参数时，可以通过如下方式获取：采用拉格朗日乘子法结合库恩塔克条件法，获取与所述车险查勘任务对应的众包参数；或者，采用增广拉格朗日法结合移动渐近线法，获取与所述车险查勘任务对应的众包参数。

本发明车险查勘任务的发布系统通过获取与车险查勘任务对应的众包参数，根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，并向确定的大众查勘员的移动终端发布携带所述众包参数的车险查勘任务；当识别出有大众查勘员接受发布的所述车险查勘任务后，从接受任务的大众查勘员的移动终端获取与所述车险查勘任务对应的查勘数据；按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果；具有利用众包技术发布车险查勘任务的有益效果，提高了车险查勘任务发布的效率，且有效地降低了车险查勘任务发布的成本。

基于图5所述实施例的描述，如图6所示，本发明车险查勘任务的发布系统还包括：

数据检验模块90，用于按照预设检验规则对所述待采纳的任务结果进行显著性检验；

结果反馈模块100，用于：若所述待采纳的任务结果通过显著性检验，则将所述待采纳的任务结果作为最终结果并返回给所述车险任务的发布者；若所述待采纳的任务结果未通过显著性检验，则将所述待采纳的任务结果发送至预设终端以便进行人工审核。

本发明实施例中，数据检验模块90按照预设检验规则对待采纳的任务结果进行显著性检验，从而由结果反馈模块100进一步确定将该待采纳的任务结果作为最终结果进行反馈，或者是将上述待采纳的任务结果反馈至预设终端进行人工审核。

在本发明一优选的实施例中，数据检验模块90采用均值假设检验法对上述待采纳的任务结果进行自信度检验。如果数据检验模块90对上述待采纳的任务结果的检测结果不显著，则表明所述待采纳的任务结果通过显著性检验，结果反馈模块100将所述待采纳的任务结果作为最终结果并返回给该车险查勘任务的发布者；例如，结果反馈模块100将上述待采纳的任务结果作为最终结果返回至车险查勘任务的发布终端。如果数据检验模块90的检验结果显著(比如自信度大于95％)，则所述待采纳的任务结果未通过显著性检验，结果反馈模块100将所述待采纳的任务结果发送给预先确定的终端进行人工审核。

本发明车险查勘任务的发布系统通过按照预设检验规则对所述待采纳的任务结果进行显著性检验；若所述待采纳的任务结果通过显著性检验，则将所述待采纳的任务结果作为最终结果并返回给所述车险任务的发布者；若所述待采纳的任务结果未通过显著性检验，则将所述待采纳的任务结果发送至预设终端以便进行人工审核；提高了车险查勘任务检测结果的准确性。

基于图5、图6所述实施例的描述，如图7所示，本发明车险查勘任务的发布系统中，所述任务发布模块60包括：

模型设置单元601，用于设置每一个车险查勘任务对应的预设模型为i维空间的向量Q_i，每一个大众查勘员的个人信息所对应的预设模型为j维空间的向量P_j；

矩阵运算单元602，用于为向量Q_i和向量P_j定义运算矩阵M_i，j＝Q_iP_j，并基于定义的运算矩阵，计算得出每个大众查勘员对应的个人权重值；

人员确定单元603，用于将个人权重值大于预设阈值的大众查勘员确定为与所述车险查勘任务匹配的大众查勘员。

本发明实施例中，所述预设模型为潜在因素模型，该预设模型利用历史数据中的任务画像和用户画像结合进行建模，并为当前车险查勘任务推荐最佳的若干个大众查勘员；其中，任务画像用来描述任务特征，用户画像是一种描述目标用户、联系用户诉求与设计方向的有效工具；即不同的车险查勘任务需要具备不同特点的大众查勘员。

模型设置单元601从大众查勘员的历史表现的各项数据维度出发，通过矩阵运算单元602定义相应的上述运算矩阵，计算出每个大众查勘员所分别对应的个人权重值，人员确定单元603将个人权重值大于预设阈值的大众查勘员确定为该车险查勘任务匹配的大众查勘员，从而自动寻找出最优的查勘员进行车险查勘任务的个性化匹配。

本发明车险查勘任务的发布系统通过定义对应的运算矩阵，计算得出每个大众查勘员对应的个人权重值；将个人权重值大于预设阈值的大众查勘员确定为与所述车险查勘任务匹配的大众查勘员；具有将不同的车险查勘任务自动与对应的大众查勘员进行匹配的有益效果，提高了车险查勘任务发布的智能性，也进一步提高了车险查勘任务发布的准确性。

基于图5、图6和图7所述实施例的描述，如图8所示，本发明车险查勘任务的发布系统中，所述数据分析模块80包括：历史权重计算单元801、权重总和计算单元802和任务结果确定单元803；其中：

历史权重计算单元801，用于根据接受所述车险查勘任务的各大众查勘员的历史查勘数据，计算得出各大众查勘员对应的历史数据权重值；

本发明实施例中，历史权重计算单元801获取接收所述车险查勘任务的各大众查勘员的历史查勘数据，例如各大众查勘员的历史任务完成数量、历史任务结果接受率等数据；根据上述历史查勘数据，历史权重计算单元801计算出各大众查勘员所分别对应的历史数据权重值。例如，历史权重计算单元801将上述大众查勘员的历史任务完成数量与历史任务结果接受率的乘积，作为各大众查勘员所分别对应的历史数据权重值。

权重总和计算单元802，用于基于得到的所述历史数据权重值，根据预设公式，计算得出所述车险查勘任务下获取的各查勘数据所分别对应的权重分数总和；

任务结果确定单元803，用于将权重分数总和最高的查勘数据作为所述待采纳的任务结果。

根据历史权重计算单元801得到的上述历史数据权重值，利用预设公式，权重总和计算单元802计算得到该车险查勘任务下获取的各查勘数据所分别对应的权重分数总和。

在本发明一优选的实施例中，利用如下计算公式：

$\underset{i=1}{\overset{n}{\Σ}}{W}_i*I_{{\mathrm{ANS}}_i=A}=S_A,\underset{i=1}{\overset{n}{\Σ}}{W}_i*I_{{\mathrm{ANS}}_i=B}=S_B,......$

其中，上述计算公式中，W_i表示第i位大众查勘员的权重，ANS_i表示的是第i位大众查勘员选择答案的结果，例如：选择答案A、B......的结果，所述结果为是或者否；SA、SB......分别表示各个答案(例如：选择答案A、B......)的权重分数总和，I_ANSi的值非0即1；例如，如果查勘员i选择了答案A，则对应该查勘员i的I_ANSi值为1，否则为0。

根据上述计算公式，权重总和计算单元802即可计算得到该车险查勘任务下获取的各查勘数据所分别对应的权重分数总和，任务结果确定单元803将权重分数总和最高的查勘数据作为所述待采纳的任务结果。

本发明车险查勘任务的发布系统通过基于各大众查勘员对应的历史数据权重值，按照预设公式，计算得出所述车险查勘任务下获取的各查勘数据所分别对应的权重分数总和，并将权重分数总和最高的查勘数据作为所述待采纳的任务结果；进一步提高了待采纳的任务结果的准确性。

需要说明的是，在本文中，术语“包括”、“包含”或者任何其他带有非排他性涵盖意义的词语，其作用是表明包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述仅为本发明的优选实施例，并非因此限制其专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种车险查勘任务的发布方法，其特征在于，包括以下步骤：

服务器获取与车险查勘任务对应的众包参数，根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，并向确定的大众查勘员的移动终端发布携带所述众包参数的车险查勘任务；

当识别出有大众查勘员接受发布的所述车险查勘任务后，从接受任务的大众查勘员的移动终端获取与所述车险查勘任务对应的查勘数据；

按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果。

2.如权利要求1所述的方法，其特征在于，所述车险查勘任务的发布方法还包括步骤：

按照预设检验规则对所述待采纳的任务结果进行显著性检验；

若所述待采纳的任务结果通过显著性检验，则将所述待采纳的任务结果作为最终结果并返回给所述车险任务的发布者；

若所述待采纳的任务结果未通过显著性检验，则将所述待采纳的任务结果发送至预设终端以便进行人工审核。

3.如权利要求1或2所述的方法，其特征在于，所述获取与车险查勘任务对应的众包参数，包括：

采用拉格朗日乘子法结合库恩塔克条件法，获取与所述车险查勘任务对应的众包参数；

或者，

采用增广拉格朗日法结合移动渐近线法，获取与所述车险查勘任务对应的众包参数。

4.如权利要求1或2所述的方法，其特征在于，所述根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，包括：

设置每一个车险查勘任务对应的预设模型为i维空间的向量Q_i，每一个大众查勘员的个人信息所对应的预设模型为j维空间的向量P_j；

为向量Q_i和向量P_j定义运算矩阵M_i，j＝Q_iP_j，并基于定义的运算矩阵，计算得出每个大众查勘员对应的个人权重值；

将个人权重值大于预设阈值的大众查勘员确定为与所述车险查勘任务匹配的大众查勘员。

5.如权利要求1或2所述的方法，其特征在于，所述按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果，包括：

根据接受所述车险查勘任务的各大众查勘员的历史查勘数据，计算得出各大众查勘员对应的历史数据权重值；

基于得到的所述历史数据权重值，根据预设公式，计算得出所述车险查勘任务下获取的各查勘数据所分别对应的权重分数总和；

将权重分数总和最高的查勘数据作为所述待采纳的任务结果。

6.一种车险查勘任务的发布系统，其特征在于，包括：

任务发布模块，用于获取与车险查勘任务对应的众包参数，根据预设第一分析规则和预设模型，确定与所述车险查勘任务匹配的大众查勘员，并向确定的大众查勘员的移动终端发布携带所述众包参数的车险查勘任务；

数据获取模块，用于当识别出有大众查勘员接受发布的所述车险查勘任务后，从接受任务的大众查勘员的移动终端获取与所述车险查勘任务对应的查勘数据；

数据分析模块，用于按照预设第二分析规则，从获取的查勘数据中分析出符合预设条件的查勘数据作为待采纳的任务结果。

7.如权利要求6所述的系统，其特征在于，所述车险查勘任务的发布系统还包括：

数据检验模块，用于按照预设检验规则对所述待采纳的任务结果进行显著性检验；

结果反馈模块，用于：

若所述待采纳的任务结果通过显著性检验，则将所述待采纳的任务结果作为最终结果并返回给所述车险任务的发布者；

若所述待采纳的任务结果未通过显著性检验，则将所述待采纳的任务结果发送至预设终端以便进行人工审核。

8.如权利要求6或7所述的系统，其特征在于，所述任务发布模块还用于：

采用拉格朗日乘子法结合库恩塔克条件法，获取与所述车险查勘任务对应的众包参数；

或者，

采用增广拉格朗日法结合移动渐近线法，获取与所述车险查勘任务对应的众包参数。

9.如权利要求6或7所述的系统，其特征在于，所述任务发布模块包括：

模型设置单元，用于设置每一个车险查勘任务对应的预设模型为i维空间的向量Q_i，每一个大众查勘员的个人信息所对应的预设模型为j维空间的向量P_j；

矩阵运算单元，用于为向量Q_i和向量P_j定义运算矩阵M_i，j＝Q_iP_j，并基于定义的运算矩阵，计算得出每个大众查勘员对应的个人权重值；

人员确定单元，用于将个人权重值大于预设阈值的大众查勘员确定为与所述车险查勘任务匹配的大众查勘员。

10.如权利要求6或7所述的系统，其特征在于，所述数据分析模块包括：

历史权重计算单元，用于根据接受所述车险查勘任务的各大众查勘员的历史查勘数据，计算得出各大众查勘员对应的历史数据权重值；

权重总和计算单元，用于基于得到的所述历史数据权重值，根据预设公式，计算得出所述车险查勘任务下获取的各查勘数据所分别对应的权重分数总和；

任务结果确定单元，用于将权重分数总和最高的查勘数据作为所述待采纳的任务结果。