CN105761149A - 车辆保险系统和车辆保险计费方法 - Google Patents
车辆保险系统和车辆保险计费方法 Download PDFInfo
- Publication number
- CN105761149A CN105761149A CN201610216619.5A CN201610216619A CN105761149A CN 105761149 A CN105761149 A CN 105761149A CN 201610216619 A CN201610216619 A CN 201610216619A CN 105761149 A CN105761149 A CN 105761149A
- Authority
- CN
- China
- Prior art keywords
- information
- driver
- vehicle
- car insurance
- vehicles
- 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.)
- Pending
Links
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
Abstract
本发明公开一种车辆保险系统和车辆保险计费方法,其中,车辆保险系统包括第一检测装置、第二检测装置、以及处理器;所述第一检测装置,获取用户信息,并将该用户操作信息发送至所述处理器;所述第二检测装置,获取车辆信息,并将该车辆信息发送至所述处理器;所述处理器结合所述用户信息和所述车辆信息运算形成车辆保险数据,通过该车辆保险数据判断驾驶人的保费等级。本发明技术方案旨在有效的降低理赔的概率。
Description
技术领域
本发明涉及车辆保险技术领域,特别涉及一种车辆保险系统和车辆保险计费方法。
背景技术
UsageBasedInsurance,即基于驾驶行为而定保费的保险,简称UBI,是通过在车上前装或者后装各项传感器的方式来采集用户在驾驶中的行为,通过分析行为背后的特征识别出用户驾驶上的主动风险。从而为用户专门定制车险保费。
现有的UBI系统,分为两类,一是通过车载OBD(OnBoardDiagnostic,车载诊断系统)设备采集汽车数据,数据信息传输给保险企业平台后,核保人员分析并向汽车用户提供具体汽车保险方案。另一类是获取汽车里程信息、判定驾驶行为,并按实际里程计算保费。现在的UBI系统,都是根据行驶里程来构建车险模型,结合速度、急加速、急刹车等信息,以车辆实际驾驶公里数或时间为基数并乘以某个系数,来判断汽车发生碰撞的概率。然而,上述方法仅仅考虑了汽车本身的状态数据,发生事故的本质是车与周围环境(车、人、物)的相互关系。忽略了发生事故、产生理赔的主体-驾驶人,因而无法有效的降低理赔的概率。
发明内容
本发明的主要目的是提供一种车辆保险系统,旨在有效的降低理赔的概率。
为实现上述目的,本发明提出的车辆保险系统,包括第一检测装置、第二检测装置、以及处理器;
所述第一检测装置,获取用户信息,并将该用户操作信息发送至所述处理器;
所述第二检测装置,获取车辆信息,并将该车辆信息发送至所述处理器;
所述处理器结合所述用户信息和所述车辆信息运算形成车辆保险数据,通过该车辆保险数据判断驾驶人的保费等级。
可选地,所述第一检测装置包括生理指标检测模块和驾驶人图像检测模块;
所述生理指标检测模块,检测驾驶人的生理指标信息;
所述驾驶人图像检测模块,检测驾驶人在驾驶过程中的行为信息。
可选地,所述第二检测装置包括基本信息采集模块和车辆行驶检测模块;
所述基本信息采集模块,采集车辆基本信息;
所述车辆行驶检测模块,采集车辆速度信息和路线信息。
可选地,所述车辆保险系统包括第三检测装置,所述第三检测装置检测车辆前方道路图像,并将该道路图像信息发送至所述处理器;所述处理器对道路图像信息运算处理,以进行车辆、车道线、行人的检测。
可选地,所述处理器包括ADAS检测模块和UBI分析模块,所述第一检测装置和所述第三检测装置与所述ADAS检测模块连接,所述第二检测装置与所述UBI分析模块连接。
可选地,所述车辆保险系统还包括ADAS提醒模块,所述ADAS提醒模块与所述ADAS检测模块连接,接收ADAS检测模块的分析数据,并判断该分析数据是否满足告警条件,若满足告警条件,则提出告警。
本发明还提出一种车辆保险计费方法,包括:获取用户信息;获取车辆信息;结合所述用户信息和所述车辆信息运算形成车辆保险数据,通过该车辆保险数据判断驾驶人的保费等级。
可选地,获取用户信息的步骤中包括:采集驾驶人的生理指标信息和驾驶人在驾驶过程中的行为信息;
获取车辆信息的步骤中包括:采集车辆基本信息、车辆速度信息和路线信息。
可选地,在获取用户信息和获取车辆信息的同时,还包括:获取车辆前方道路图像信息。
可选地,在获取用户信息、获取车辆信息和获取道路图像信息的步骤后,还包括:将所述用户信息、车辆信息和道路图像信息进行综合运算形成分析数据,并判断该分析数据是否满足告警条件,若满足告警条件,则提出告警。
本发明技术方案通过对获取的用户信息和车辆信息,进行综合处理,形成车辆保险数据,即可通过该车辆保险数据判断驾驶人的保费等级。因车辆保险数据中不仅包含车辆的自身信息和行驶信息,还包含用户在驾驶车辆中的操作行为信息。也即,通过该车辆保险系统可准确判定车辆驾驶性能、驾驶人风险感知能力、驾驶控制能力,可记录驾驶人行车行为数据。车险公司可根据该系统的数据为驾驶人提供更贴合其驾驶行为的车险,有效的降低理赔的概率。
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示出的结构获得其他的附图。
图1为本发明车辆保险系统一实施例的模块示意图。
附图标号说明:
标号 | 名称 | 标号 | 名称 |
100 | 车辆保险系统 | 22 | 车辆行驶检测模块 |
10 | 第一检测装置 | 30 | 第三检测装置 |
11 | 生理指标检测模块 | 40 | 处理器 |
12 | 驾驶人图像检测模块 | 41 | ADAS检测模块 |
20 | 第二检测装置 | 42 | UBI分析模块 |
21 | 基本信息采集模块 | 50 | ADAS提醒模块 |
本发明目的的实现、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
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的一部分实施例,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他实施例,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明提出一种车辆保险系统100。
在本发明实施例中,如图1所示,该车辆保险系统100,包括第一检测装置10、第二检测装置20、以及处理器40;
所述第一检测装置10,获取用户信息,并将该用户操作信息发送至所述处理器40;
所述第二检测装置20,获取车辆信息,并将该车辆信息发送至所述处理器40;
所述处理器40结合所述用户信息和所述车辆信息运算形成车辆保险数据,通过该车辆保险数据判断驾驶人的保费等级。
本发明技术方案通过获取用户信息和车辆信息,进行综合处理,形成车辆保险数据,即可通过该车辆保险数据判断驾驶人的保费等级。因车辆保险数据中不仅包含车辆的自身信息和行驶信息,还包含用户在驾驶车辆中的操作行为信息。也即,通过该车辆保险系统100可准确判定车辆驾驶性能、驾驶人风险感知能力、驾驶控制能力,可记录驾驶人行车行为数据。车险公司可根据该系统的数据为驾驶人提供更贴合其驾驶行为的车险,有效的降低理赔的概率。
参照图1,所述第一检测装置10包括生理指标检测模块11和驾驶人图像检测模块12;
所述生理指标检测模块11,检测驾驶人的生理指标信息;
所述驾驶人图像检测模块12,检测驾驶人在驾驶过程中的行为信息。
通过所述生理指标检测模块11可准确反映驾驶人的驾驶状态。具体的,通过一智能手环佩戴在驾驶人手上,通过该智能手环采集驾驶员的心率、血压、体温、呼吸频率中的至少一种。详见表1,当驾驶人驾驶状态逐渐变差或反应逐渐迟缓,即驾驶人出现疲劳状态时,驾驶人的心率、血压、体温、呼吸频率都会发生相应变化。疲劳状态下,心率会趋于平缓并随时间的增加而下降、血压的舒张压随时间的增加逐渐升高,收缩压逐渐下降、体温及呼吸频率均逐渐上升。通过分析驾驶员实时的心率、血压、体温、呼吸频率的变化情况,判断驾驶人的驾驶状态。具体判定方法:将智能手环采集到的数据,与正常状态下各项指标的数据进行对比,综合各项指标的变化情况,给出驾驶人生理特性检测模块的判定结果:驾驶人生理状态是正常或者疲劳。
表1驾驶人生理指标比对表
通过所述驾驶人图像检测模块12可以检测驾驶人在驾驶过程中的行为信息。在行车过程中,低头和接电话的行为都非常危险。车速60km/h时,低头看手机3秒,相当于盲开50米,一旦遇到紧急情况,刹车至少需20米。根据交警部门的统计,开车低头时发生事故概率是普通驾驶的23倍;开车打电话时发生事故概率是普通驾驶的2.8倍。在本实施例中,使用一个正对驾驶人的摄像头,拍摄驾驶人行车时的面部表情及行为动作,使用基于图像的模板匹配算法或状态空间算法,匹配训练好的头部运动模板、手部运动模板、表情模板,或使用隐马尔科夫模型、混合高斯模型等,判断驾驶人在行车过程中是否有低头、持手机通话等不良驾驶行为。
参照图1,所述第二检测装置20包括基本信息采集模块21和车辆行驶检测模块22;
所述基本信息采集模块21,采集车辆基本信息;
所述车辆行驶检测模块22,采集车辆速度信息和路线信息。
通过所述基本信息采集模块21采集车辆基本信息。目前车险最大的定价因素为新车购置价,但同等车价不同车型之间零部件差异悬殊。该基本信息采集模块21需要用户输入车辆型号、车辆使用时长等车辆基本信息。根据车辆基本情况判断车辆的性能。
通过所述车辆行驶检测模块22采集车辆速度信息和路线信息。具体的,通过车载OBD设备(OnBoardDiagnostic,车载诊断系统)获取车辆速度,通过G-sensor(Gravity-sensor,加速度传感器)获取加速度、角速度数据,该数据可获取驾驶人超速、急刹车、急加速、急转弯、急减速等行为。使用GPS设备,获取车辆位置信息。通过分析车辆位置信息,可判断驾驶人开车路线的离散程度,并根据不同路段风险程度判断驾驶人发生风险的几率。例如行车路线多集中于公司到家里的车辆,驾驶人对路段情况较熟悉,发生风险的几率相对较低,而长行驶于事故高发路段的车辆,发生风险的几率相应较高。上述车辆行驶行为和车辆行驶路线离散程度、路段风险程度作为驾驶人的驾驶因素,作为保险数据中的重要因素。
参照图1,所述车辆保险系统100包括第三检测装置30,所述第三检测装置30检测车辆前方道路图像,并将该道路图像信息发送至所述处理器40;所述处理器40对道路图像信息运算处理,以进行车辆、车道线、行人的检测。
通过第三检测装置30,可实时监控车辆与周围环境之间的关系。具体的,使用一个摄像头拍摄车辆前方道路图像。如此,可检测车辆是否压线、是否距离障碍物过近或与障碍物有碰撞风险等,通过对道路图像信息运算处理,可实现对驾驶者的车辆驾驶行为的监控,作为保险数据中的重要因素。
参照图1,所述处理器40包括ADAS检测模块41(AdvancedDriverAssistanceSystems,高级驾驶辅助系统)和UBI分析模块42,所述第一检测装置10和所述第三检测装置30与所述ADAS检测模块41连接,所述第二检测装置20与所述UBI分析模块42连接。
如此,基本信息采集模块21获取车辆性能,驾驶人图像检测模块12获取驾驶人的危险驾驶行为,生理指标检测模块11获取驾驶人精神状态,车辆行驶检测模块22获取驾驶人急刹车、急加速、急转弯、急减速以及开车路线信息,ADAS检测模块41获取车辆碰撞风险、行人碰撞风险、车道偏离风险。将上述各信息通过UBI分析模块42,使用多元线性回归模型、层析分析法、控制变量法、大数据分析法、正交试验设计法、统计学方法等方法综合判定驾驶人的风险感知能力、驾驶控制能力。
该UBI分析模块42的分析结果可作为车险公司对驾驶人车险定价的依据。该系统通过ADAS检测模块41对多项驾驶相关风险因素进行精细的量化,不仅可以实现寻找优质客户的功能,还可以降低驾驶人的出险概率,同时还能对驾驶行为欠佳的驾驶人及时的做出提醒,全面提升行车安全。
进一步地,所述车辆保险系统100还包括ADAS提醒模块50,所述ADAS提醒模块50与所述ADAS检测模块41连接,接收ADAS检测模块41的分析数据,并判断该分析数据是否满足告警条件,若满足告警条件,则提出告警。
具体的,提出五种告警条件,当然,本发明包含但不限于此,还可根据具体情况进行加设。
1、计算当前驾驶车辆与前车的距离,结合GPS设备或者车载OBD设备获得的当前驾驶车辆的速度,计算当前车辆与前方车辆发生碰撞所要经过的时间,当该时间小于设定值时,系统发出提示音提醒驾驶人减速。
2、车道偏离的具体判定方法有:(1)根据车辆相对于车道的位置,计算车辆的侧向运动速度,预测车辆将横越车道标识的时间,当该时间低于设定值时,判定车辆即将压线;(2)获得车辆在当前车道中位置参数,计算车辆到自身车道线的距离,当检测到车辆距离自身车道线距离低于设定值时,判定车辆即将压线。当读取到车辆在未打转向灯时,出现车道偏离时,系统发出提示音提醒驾驶人修正车辆行驶方向。
3、计算车辆与行人的距离,判断车辆与行人可能会发生碰撞危险所要经过的时间,当该时间小于设定值时,系统进行紧急报警。
4、驾驶人图像检测模块12检测到驾驶人行车过程中出现低头、持手机通话行为时,系统发出提示音提醒驾驶人注意行车安全。
5、生理指标检测模块11及驾驶人图像检测模块12综合判定驾驶人的驾驶状态是否疲劳,当驾驶人出现疲劳驾驶状态时,发出提示音提醒驾驶人停车休息。
如此,该ADAS提醒模块50能提醒驾驶员对不同危险状态做出适当的反应,引导驾驶员规范行车,从而减少事故的发生,可帮助驾驶人降低车险成本以及帮助保险公司降低理赔概率。ADAS检测模块41的分析数据可作为驾驶人驾驶行为分析的数据,传输给UBI分析模块42。
本发明还提出一种车辆保险计费方法,包括:获取用户信息;获取车辆信息;结合所述用户信息和所述车辆信息运算形成车辆保险数据,通过该车辆保险数据判断驾驶人的保费等级。
本发明技术方案通过获取用户信息和车辆信息,进行综合处理,形成车辆保险数据,即可通过该车辆保险数据判断驾驶人的保费等级。因车辆保险数据中不仅包含车辆的自身信息和行驶信息,还包含用户在驾驶车辆中的操作行为信息。也即,通过该方法可准确判定车辆驾驶性能、驾驶人风险感知能力、驾驶控制能力,可记录驾驶人行车行为数据。车险公司可根据该系统的数据为驾驶人提供更贴合其驾驶行为的车险,有效的降低理赔的概率。
进一步地,获取用户信息的步骤中包括:采集驾驶人的生理指标信息和驾驶人在驾驶过程中的行为信息;
获取车辆信息的步骤中包括:采集车辆基本信息、车辆速度信息和路线信息。
通过驾驶人的生理指标信息可准确反映驾驶人的驾驶状态。具体的,通过一智能手环佩戴在驾驶人手上,不会对驾驶产生干扰或使驾驶人产生抵触情绪。通过该智能手环采集驾驶员的心率、血压、体温、呼吸频率中的至少一种。当驾驶人驾驶状态逐渐变差或反应逐渐迟缓,即驾驶人出现疲劳状态时,驾驶人的心率、血压、体温、呼吸频率都会发生相应变化。疲劳状态下,心率会趋于平缓并随时间的增加而下降、血压的舒张压随时间的增加逐渐升高,收缩压逐渐下降、体温及呼吸频率均逐渐上升。通过分析驾驶员实时的心率、血压、体温、呼吸频率的变化情况,判断驾驶人的驾驶状态。具体判定方法:将智能手环采集到的数据,与正常状态下各项指标的数据进行对比,综合各项指标的变化情况,给出驾驶人生理特性检测模块的判定结果:驾驶人生理状态是正常或者疲劳。
通过驾驶人在驾驶过程中的行为信息可以知悉驾驶人的动作行为。在行车过程中,低头和接电话的行为都非常危险。车速60km/h时,低头看手机3秒,相当于盲开50米,一旦遇到紧急情况,刹车至少需20米。根据交警部门的统计,开车低头时发生事故概率是普通驾驶的23倍;开车打电话时发生事故概率是普通驾驶的2.8倍。在本实施例中,使用一个正对驾驶人的摄像头,拍摄驾驶人行车时的面部表情及行为动作,使用基于图像的模板匹配算法或状态空间算法,匹配训练好的头部运动模板、手部运动模板、表情模板,或使用隐马尔科夫模型、混合高斯模型等,判断驾驶人在行车过程中是否有低头、持手机通话等不良驾驶行为。
通过采集车辆基本信息判断车辆的性能。目前车险最大的定价因素为新车购置价,但同等车价不同车型之间零部件差异悬殊。在使用前,需要用户输入车辆型号、车辆使用时长等车辆基本信息。
采集车辆速度信息和路线信息来形成保险数据。具体的,通过车载OBD设备(OnBoardDiagnostic,车载诊断系统)获取车辆速度,通过G-sensor(Gravity-sensor,加速度传感器)获取加速度、角速度数据,该数据可获取驾驶人超速、急刹车、急加速、急转弯、急减速等行为。使用GPS设备,获取车辆位置信息。通过分析车辆位置信息,可判断驾驶人开车路线的离散程度,并根据不同路段风险程度判断驾驶人发生风险的几率。例如行车路线多集中于公司到家里的车辆,驾驶人对路段情况较熟悉,发生风险的几率相对较低,而长行驶于事故高发路段的车辆,发生风险的几率相应较高。上述车辆行驶行为和车辆行驶路线离散程度、路段风险程度作为驾驶人的驾驶因素,作为保险数据中的重要因素。
在获取用户信息和获取车辆信息的同时,还包括:获取车辆前方道路图像信息。
如此,可实时监控车辆与周围环境之间的关系。具体的,使用一个摄像头拍摄车辆前方道路图像。如此,可检测车辆是否压线、是否距离障碍物过近或与障碍物有碰撞风险等,通过对道路图像信息运算处理,可实现对驾驶者的车辆驾驶行为的监控,作为保险数据中的重要因素。
进一步地,在获取用户信息、获取车辆信息和获取道路图像信息的步骤后,还包括:将所述用户信息、车辆信息和道路图像信息进行综合运算形成分析数据,并判断该分析数据是否满足告警条件,若满足告警条件,则提出告警。
具体的,提出五种告警条件,当然,本发明包含但不限于此,还可根据具体情况进行加设。
1、计算当前驾驶车辆与前车的距离,结合GPS设备或者车载OBD设备获得的当前驾驶车辆的速度,计算当前车辆与前方车辆发生碰撞所要经过的时间,当该时间小于设定值时,系统发出提示音提醒驾驶人减速。
2、车道偏离的具体判定方法有:(1)根据车辆相对于车道的位置,计算车辆的侧向运动速度,预测车辆将横越车道标识的时间,当该时间低于设定值时,判定车辆即将压线;(2)获得车辆在当前车道中位置参数,计算车辆到自身车道线的距离,当检测到车辆距离自身车道线距离低于设定值时,判定车辆即将压线。当读取到车辆在未打转向灯时,出现车道偏离时,系统发出提示音提醒驾驶人修正车辆行驶方向。
3、计算车辆与行人的距离,判断车辆与行人可能会发生碰撞危险所要经过的时间,当该时间小于设定值时,系统进行紧急报警。
4、检测到驾驶人行车过程中出现低头、持手机通话行为时,系统发出提示音提醒驾驶人注意行车安全。
5、检测驾驶人的驾驶状态是否疲劳,当驾驶人出现疲劳驾驶状态时,发出提示音提醒驾驶人停车休息。
如此,能提醒驾驶员对不同危险状态做出适当的反应,引导驾驶员规范行车,从而减少事故的发生,可帮助驾驶人降低车险成本以及帮助保险公司降低理赔概率。分析数据可作为驾驶人驾驶行为分析的数据,作为保险数据中的重要因素。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种车辆保险系统,其特征在于,包括第一检测装置、第二检测装置、以及处理器;
所述第一检测装置,获取用户信息,并将该用户操作信息发送至所述处理器;
所述第二检测装置,获取车辆信息,并将该车辆信息发送至所述处理器;
所述处理器结合所述用户信息和所述车辆信息运算形成车辆保险数据,通过该车辆保险数据判断驾驶人的保费等级。
2.如权利要求1所述的车辆保险系统,其特征在于,所述第一检测装置包括生理指标检测模块和驾驶人图像检测模块;
所述生理指标检测模块检测驾驶人的生理指标信息;
所述驾驶人图像检测模块检测驾驶人在驾驶过程中的行为信息。
3.如权利要求2所述的车辆保险系统,其特征在于,所述第二检测装置包括基本信息采集模块和车辆行驶检测模块;
所述基本信息采集模块,采集车辆基本信息;
所述车辆行驶检测模块,采集车辆速度信息和路线信息。
4.如权利要求1至3任一所述的车辆保险系统,其特征在于,所述车辆保险系统包括第三检测装置,所述第三检测装置检测车辆前方道路图像,并将该道路图像信息发送至所述处理器;所述处理器对道路图像信息运算处理,以进行车辆、车道线、行人的检测。
5.如权利要求4所述的车辆保险系统,其特征在于,所述处理器包括ADAS检测模块和UBI分析模块,所述第一检测装置和所述第三检测装置与所述ADAS检测模块连接,所述第二检测装置与所述UBI分析模块连接。
6.如权利要求5所述的车辆保险系统,其特征在于,所述车辆保险系统还包括ADAS提醒模块,所述ADAS提醒模块与所述ADAS检测模块连接,接收ADAS检测模块的分析数据,并判断该分析数据是否满足告警条件,若满足告警条件,则提出告警。
7.一种车辆保险计费方法,其特征在于,包括:获取用户信息;获取车辆信息;结合所述用户信息和所述车辆信息运算形成车辆保险数据,通过该车辆保险数据判断驾驶人的保费等级。
8.如权利要求7所述的车辆保险计费方法,其特征在于,获取用户信息的步骤中包括:采集驾驶人的生理指标信息和驾驶人在驾驶过程中的行为信息;
获取车辆信息的步骤中包括:采集车辆基本信息、车辆速度信息和路线信息。
9.如权利要求8所述的车辆保险计费方法,其特征在于,在获取用户信息和获取车辆信息的同时,还包括:获取车辆前方道路的图像信息。
10.如权利要求9所述的车辆保险计费方法,其特征在于,在获取用户信息、获取车辆信息和获取道路图像信息的步骤后,还包括:将所述用户信息、车辆信息和道路图像信息进行综合运算形成分析数据,并判断该分析数据是否满足告警条件,若满足告警条件,则提出告警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610216619.5A CN105761149A (zh) | 2016-04-08 | 2016-04-08 | 车辆保险系统和车辆保险计费方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610216619.5A CN105761149A (zh) | 2016-04-08 | 2016-04-08 | 车辆保险系统和车辆保险计费方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105761149A true CN105761149A (zh) | 2016-07-13 |
Family
ID=56334485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610216619.5A Pending CN105761149A (zh) | 2016-04-08 | 2016-04-08 | 车辆保险系统和车辆保险计费方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105761149A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570535A (zh) * | 2016-11-18 | 2017-04-19 | 杭州好好开车科技有限公司 | 一种基于adas和obd数据用户分类方法 |
CN106600427A (zh) * | 2016-12-22 | 2017-04-26 | 安徽保腾网络科技有限公司 | 新型车辆保险系统 |
CN106651602A (zh) * | 2016-12-28 | 2017-05-10 | 清华大学苏州汽车研究院(吴江) | 一种基于adas智能车载终端的车险管理服务系统 |
CN106651589A (zh) * | 2016-11-08 | 2017-05-10 | 深圳市元征软件开发有限公司 | 一种基于体域网的车辆保险计费方法及装置 |
CN106651601A (zh) * | 2016-12-22 | 2017-05-10 | 安徽保腾网络科技有限公司 | 车辆保险系统 |
CN106627440A (zh) * | 2016-12-22 | 2017-05-10 | 安徽保腾网络科技有限公司 | 简易的车辆保险系统 |
CN106682989A (zh) * | 2016-12-22 | 2017-05-17 | 安徽保腾网络科技有限公司 | 车辆保险系统 |
CN106780046A (zh) * | 2016-11-22 | 2017-05-31 | 中国平安财产保险股份有限公司 | 一种车险客户理赔服务的分类处理方法及系统 |
CN107657537A (zh) * | 2017-09-14 | 2018-02-02 | 青岛车盟信息技术服务有限公司 | Ubi车辆信息采集分析系统及车主分类与保费折扣方法 |
CN107818658A (zh) * | 2017-10-24 | 2018-03-20 | 罗燕 | 汽车驾驶风险提示方法及其装置 |
CN108205784A (zh) * | 2016-12-20 | 2018-06-26 | 邹红星 | 智能交通管控服务方法和平台 |
CN108320231A (zh) * | 2017-01-16 | 2018-07-24 | 奥迪股份公司 | 用于车辆的信息提取系统及方法 |
CN108399661A (zh) * | 2018-02-02 | 2018-08-14 | 重庆交通职业学院 | 一种传输汽车行驶过程的系统 |
CN109342764A (zh) * | 2018-06-25 | 2019-02-15 | 西安斯维智能科技有限公司 | 一种安全驾驶运动行为的监测方法和装置 |
CN109636053A (zh) * | 2018-12-20 | 2019-04-16 | 黄凤南 | 一种车辆事故解决优化系统 |
CN109767069A (zh) * | 2018-12-14 | 2019-05-17 | 中国平安财产保险股份有限公司 | 车辆产品推荐方法、装置、计算机设备和存储介质 |
TWI667582B (zh) * | 2018-06-20 | 2019-08-01 | 創星物聯科技股份有限公司 | 基於大數據的行駛路線分析系統及其分析方法 |
CN110163763A (zh) * | 2019-04-18 | 2019-08-23 | 武汉中天冠捷信息技术有限公司 | 一种基于大数据的车辆保险评估方法 |
CN110199334A (zh) * | 2017-01-26 | 2019-09-03 | 索尼公司 | 信息处理设备和方法、程序及信息处理系统 |
CN112200685A (zh) * | 2020-09-30 | 2021-01-08 | 宝能(西安)汽车研究院有限公司 | 车辆保费计算方法、装置以及介质、电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101074020A (zh) * | 2006-05-19 | 2007-11-21 | 富士通株式会社 | 移动体的驾驶支持装置 |
CN103927848A (zh) * | 2014-04-18 | 2014-07-16 | 南京通用电器有限公司 | 一种基于生物识别技术的安全驾驶辅助系统 |
CN104008664A (zh) * | 2014-04-18 | 2014-08-27 | 小米科技有限责任公司 | 路况信息获取方法及相关装置 |
CN104487308A (zh) * | 2012-07-24 | 2015-04-01 | 丰田自动车株式会社 | 驾驶辅助装置 |
CN104709290A (zh) * | 2013-12-11 | 2015-06-17 | 现代自动车株式会社 | 受生物学控制的车辆及其控制方法 |
-
2016
- 2016-04-08 CN CN201610216619.5A patent/CN105761149A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101074020A (zh) * | 2006-05-19 | 2007-11-21 | 富士通株式会社 | 移动体的驾驶支持装置 |
CN104487308A (zh) * | 2012-07-24 | 2015-04-01 | 丰田自动车株式会社 | 驾驶辅助装置 |
CN104709290A (zh) * | 2013-12-11 | 2015-06-17 | 现代自动车株式会社 | 受生物学控制的车辆及其控制方法 |
CN103927848A (zh) * | 2014-04-18 | 2014-07-16 | 南京通用电器有限公司 | 一种基于生物识别技术的安全驾驶辅助系统 |
CN104008664A (zh) * | 2014-04-18 | 2014-08-27 | 小米科技有限责任公司 | 路况信息获取方法及相关装置 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651589A (zh) * | 2016-11-08 | 2017-05-10 | 深圳市元征软件开发有限公司 | 一种基于体域网的车辆保险计费方法及装置 |
CN106570535A (zh) * | 2016-11-18 | 2017-04-19 | 杭州好好开车科技有限公司 | 一种基于adas和obd数据用户分类方法 |
CN106780046A (zh) * | 2016-11-22 | 2017-05-31 | 中国平安财产保险股份有限公司 | 一种车险客户理赔服务的分类处理方法及系统 |
CN108205784A (zh) * | 2016-12-20 | 2018-06-26 | 邹红星 | 智能交通管控服务方法和平台 |
CN106627440A (zh) * | 2016-12-22 | 2017-05-10 | 安徽保腾网络科技有限公司 | 简易的车辆保险系统 |
CN106682989A (zh) * | 2016-12-22 | 2017-05-17 | 安徽保腾网络科技有限公司 | 车辆保险系统 |
CN106651601A (zh) * | 2016-12-22 | 2017-05-10 | 安徽保腾网络科技有限公司 | 车辆保险系统 |
CN106600427A (zh) * | 2016-12-22 | 2017-04-26 | 安徽保腾网络科技有限公司 | 新型车辆保险系统 |
CN106651602A (zh) * | 2016-12-28 | 2017-05-10 | 清华大学苏州汽车研究院(吴江) | 一种基于adas智能车载终端的车险管理服务系统 |
CN108320231A (zh) * | 2017-01-16 | 2018-07-24 | 奥迪股份公司 | 用于车辆的信息提取系统及方法 |
CN110199334A (zh) * | 2017-01-26 | 2019-09-03 | 索尼公司 | 信息处理设备和方法、程序及信息处理系统 |
CN107657537A (zh) * | 2017-09-14 | 2018-02-02 | 青岛车盟信息技术服务有限公司 | Ubi车辆信息采集分析系统及车主分类与保费折扣方法 |
CN107818658A (zh) * | 2017-10-24 | 2018-03-20 | 罗燕 | 汽车驾驶风险提示方法及其装置 |
CN108399661A (zh) * | 2018-02-02 | 2018-08-14 | 重庆交通职业学院 | 一种传输汽车行驶过程的系统 |
TWI667582B (zh) * | 2018-06-20 | 2019-08-01 | 創星物聯科技股份有限公司 | 基於大數據的行駛路線分析系統及其分析方法 |
CN109342764A (zh) * | 2018-06-25 | 2019-02-15 | 西安斯维智能科技有限公司 | 一种安全驾驶运动行为的监测方法和装置 |
CN109767069A (zh) * | 2018-12-14 | 2019-05-17 | 中国平安财产保险股份有限公司 | 车辆产品推荐方法、装置、计算机设备和存储介质 |
CN109636053A (zh) * | 2018-12-20 | 2019-04-16 | 黄凤南 | 一种车辆事故解决优化系统 |
CN110163763A (zh) * | 2019-04-18 | 2019-08-23 | 武汉中天冠捷信息技术有限公司 | 一种基于大数据的车辆保险评估方法 |
CN112200685A (zh) * | 2020-09-30 | 2021-01-08 | 宝能(西安)汽车研究院有限公司 | 车辆保费计算方法、装置以及介质、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105761149A (zh) | 车辆保险系统和车辆保险计费方法 | |
US11551309B1 (en) | Reward system related to a vehicle-to-vehicle communication system | |
US20220286811A1 (en) | Method for smartphone-based accident detection | |
US11842300B1 (en) | Evaluating operator reliance on vehicle alerts | |
US9676395B2 (en) | Incapacitated driving detection and prevention | |
CN105799512B (zh) | 车辆超速提醒方法及系统 | |
US10664918B1 (en) | Insurance system related to a vehicle-to-vehicle communication system | |
JP4995046B2 (ja) | 自動車保険料設定システム | |
CN109885040B (zh) | 一种人机共驾中的车辆驾驶控制权分配系统 | |
US10915964B1 (en) | System and method for providing vehicle services based on driving behaviors | |
CN111164660B (zh) | 信息处理装置、信息处理方法和程序 | |
US10803525B1 (en) | Determining a property of an insurance policy based on the autonomous features of a vehicle | |
CN105564436A (zh) | 一种高级驾驶辅助系统 | |
CN109389864A (zh) | 一种车辆相对定位及碰撞预警方法 | |
CN106651602A (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
CN107067718A (zh) | 交通事故责任评估方法、交通事故责任评估装置以及交通事故责任评估系统 | |
US10796369B1 (en) | Determining a property of an insurance policy based on the level of autonomy of a vehicle | |
CN105574537A (zh) | 基于多传感器的危险驾驶行为检测和评估方法 | |
US10783586B1 (en) | Determining a property of an insurance policy based on the density of vehicles | |
CN109448384B (zh) | 一种高速公路危险交通行为识别方法 | |
Alluhaibi et al. | Driver behavior detection techniques: A survey | |
CN110533909A (zh) | 一种基于交通环境的驾驶行为分析方法及系统 | |
KR20150084250A (ko) | 차량 센싱 장치 기반 안전운전 성향정보를 반영한 자동차 보험료 산출 방법 | |
CN108922197A (zh) | 一种防逆向移动管理方法及系统 | |
CN108596688A (zh) | 一种出租车载客信息获取方法及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160713 |