CN105956667B - 车险定损理赔审核方法及系统 - Google Patents
车险定损理赔审核方法及系统 Download PDFInfo
- Publication number
- CN105956667B CN105956667B CN201610234610.7A CN201610234610A CN105956667B CN 105956667 B CN105956667 B CN 105956667B CN 201610234610 A CN201610234610 A CN 201610234610A CN 105956667 B CN105956667 B CN 105956667B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- resolution
- repair method
- setting loss
- decided
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
本发明实施例公开了一种车险定损理赔审核方法及系统,该方法包括:云服务器接收第一移动终端发送的理赔请求及上传的定损照片,并确定所述理赔请求对应的车损部位;通过预设类型模型分析定损照片以获取所述理赔请求对应的车损级别;依据预设的车损部位、车损级别及修理方式的映射关系确定所述理赔请求对应的修理方式;将所述理赔请求包括的人工核定的修理方式与所述确定的修理方式进行优先级比对;若所述确定的修理方式的优先级高于所述人工核定的修理方式,则向第二移动终端发送提示信息以提醒相关人员对该理赔请求的人工核定的修理方式进行复核。从而避免由于定损员在人工核定过程中出现核定的修理方式或修理费用不合理的问题。
Description
技术领域
本发明实施例涉及公共交通安全技术领域,尤其涉及一种车险定损理赔审核方法及系统。
背景技术
目前,对于车险理赔业务来说,车辆发生事故后,通常由查勘员对车辆的受损情况进行查勘,并由定损人员对车损进行定损并确定维修方式,这就对定损人员的定损经验要求较高,容易发生定损不合理的情况。
随着互联网技术快速发展及移动终端的普及应用,为了加快理赔速度,简化繁琐理赔流程,人们开始偿试借助移动终端来帮助处理事故理赔。例如:通过利用移动终端实时拍摄事故照片或视频,并将相应取证信息(例如:移动终端可取到的基站信息、GPS信息、拍摄设备信息以及报警号等),一并上传到云服务器图库中,由定损员根据上传的照片或视频进行车险定损理赔处理。
然而,现有各种理赔方式中针对定损员的定损及确定的维修方式是否合理,没有规范的自动审核机制,由于定损人员在大量的定损过程难以系统控制,使得低损伤高定损的情况时常发生,使得理赔环节出现较大的损失。
发明内容
本发明实施例提供一种车险定损理赔审核方法及系统,以避免由于定损员在人工核定过程中出现核定的修理方式或修理费用不合理的问题。
第一方面,本发明实施例提供了一种车险定损理赔审核方法,包括如下步骤:
S1:云服务器接收第一移动终端发送的理赔请求及上传的定损照片,并确定所述理赔请求对应的车损部位;
S2:通过预设类型模型分析定损照片以获取所述理赔请求对应的车损级别;
S3:依据预设的车损部位、车损级别及修理方式的映射关系确定所述理赔请求对应的修理方式;
S4:将所述理赔请求包括的人工核定的修理方式与所述确定的修理方式进行优先级比对;及
S5:若所述确定的修理方式的优先级高于所述人工核定的修理方式,则向第二移动终端发送提示信息以提醒相关人员对该理赔请求的人工核定的修理方式进行复核。
第二方面,本发明实施例提供了一种车险定损理赔审核系统,包括:
分析模块,用于接收第一移动终端发送的理赔请求及上传的定损照片,并确定所述理赔请求对应的车损部位;通过预设类型模型分析定损照片以获取所述理赔请求对应的车损级别;及依据预设的车损部位、车损级别及修理方式的映射关系确定所述理赔请求对应的修理方式;
比对模块,用于将所述理赔请求包括的人工核定的修理方式与所述确定的修理方式进行优先级比对;及
提醒模块,用于若所述确定的修理方式优先于所述人工核定的修理方式,则向第二移动终端发送提示信息以提醒相关人员对该理赔请求的人工核定的修理方式进行复核。
本发明实施例中提供的一种车险定损理赔审核方法及系统,其通过云服务器接收第一移动终端发送的理赔请求及上传的定损照片,并确定所述理赔请求对应的车损部位;通过预设类型模型分析定损照片以获取所述理赔请求对应的车损级别;依据预设的车损部位、车损级别及修理方式的映射关系确定所述理赔请求对应的修理方式;将所述理赔请求包括的人工核定的修理方式与所述确定的修理方式进行优先级比对;若所述确定的修理方式的优先级高于所述人工核定的修理方式,则向第二移动终端发送提示信息以提醒相关人员对该理赔请求的人工核定的修理方式进行复核。本发明实施例的技术方案可以自动审核每一理赔请求对应的人工核定的修理方式或修理费用是否合理,当人工核定的修理方式或修理费用不合理时,自动发送提示信息给相关人员以进行复核,从而大大减少损失。
附图说明
图1为本发明实施例一提供的一种车险定损理赔审核方法的流程示意图;
图2为本发明实施例一提供的一种车险定损理赔审核方法的应用环境图;
图3为本发明实施例一提供的一种车损部分示意图;及
图4为本发明实施例二提供的一种车险定损理赔审核系统的结构示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种车险定损理赔审核方法流程示意图,该方法可以由车险定损理赔审核系统执行,其中该车险定损理赔审核系统可由软件和/或硬件实现,一般可集成在云端服务器中。
参见图1,本实施例的方法包括如下步骤:
S1:云服务器接收第一移动终端发送的理赔请求及上传的定损照片,并确定所述理赔请求对应的车损部位。
为了方便,以下具体结合图2进行说明。第一移动终端20通过无线基站21连接至云服务器22。车主或者定损员可以通过第一移动终端20将理赔请求发送至云服务器22,并将定损照片上传至云服务器22。
所述定损照片针对不同的事故情况需要提供不同的数量的照片,例如,追尾事故需至少拍3张,双方驾驶员在车头,拿照相机或者手机,在车头位置把两车的全貌,包括路上标线的情况,全部都要反映出来;然后在车后往相反方向,拍一张;在两车相撞的,接触部位、撞击部位,再拍一张局部照。
当所述云服务器22接收到第一终移动终端20上传的定损照片后,分析所述定损照片以确定所述车损部位。
优选的,所述车损部位也可以直接读取所述理赔请求中包括的车损部位,所述车损部位,可以是如图3中车辆轮胎上方五金件包括的多个车损部位。
进一步的,所述理赔请求还可包括人工核定的修理方式信息。所述人工核定的修理方式是定损员针对具体的交通事故的情况进行核定的。
S2:通过预设类型模型分析定损照片以获取所述理赔请求对应的车损级别。
具体的,所述云服务器22将获取的定损照片转化成预设尺寸及预设的格式;及通过所述预设类型模型对转化为预设尺寸及预设格式的定损照片进行分析以获取该理赔请求对应的车损级别。所述预设尺寸可以由根据具体理赔系统进行调整,以看的清定损照片中的车损部分为准。所述预设格式可以是leveldb格式。
进一步地,所述预设类型模型为卷积神经网络(Convolutional Neural Network,CNN),所述CNN模型通过训练学习车险理赔数据库中各个车损部分对应的各个预设车损级别分类的预设数量定损照片来生成识别车损级别的规律。
所述CNN模型的训练学习过程大致如下:
从所述云服务器22中的车险理赔数据库(所述车险理赔数据库存储有预设车损级别分类、车损部位和定损照片三者的映射关系或标签数据)获取各个车损部位对应各个预设车损级别分类的预设数量(例如,10万张)定损照片(例如,获取10万张对应左前门,且是一级损伤的定损照片);
根据预设车损级别分类主要包括一级损伤、二级损伤、三级损伤及四级损伤。例如,所述一级损伤(例如,未发生变形、未发生破裂的损伤)、二级损伤(例如,2个以下轻微的可恢复变形、未发生破裂的损伤)、三级损伤(1个以上严重的可恢复变形或者3个以上轻微的可恢复变形、未发生破裂的损伤)、四级损伤(例如,无法人工修复的损伤)等。
S3:依据预设的车损部位、车损级别及修理方式的映射关系确定所述理赔请求对应的修理方式。
具体的,在云服务器22的车险理赔数据库中存储有预设的车损部位、车损级别及修理方式的映射关系,依据所述映射关系来确定对应的修理方式。
示例性的,对于钣金件的车损部位而言,根据其不同的车损级别,在云服务器22中建立的修理方式中至少包括:仅全喷、轻度钣金、轻度钣金+全喷、重度钣金+全喷、更换等。
S4:将所述理赔请求包括的人工核定的修理方式与所述确定的修理方式进行优先级比对。
所述优先级为工时优先级或耗费材料价值优先级中的一种,所述优先级比对主要是依据工时多少及耗费材料价值的多少进行优先级比对。示例性的,工时越少优先级越高,耗费材料价值越少优先级越高等。
若所述理赔请求包括的人工核定的修理方式优先于所述确定的修理方式,则不进行任何提示;相反,则进入步骤S5。
S5:若所述确定的修理方式的优先级高于所述人工核定的修理方式,则向第二移动终端发送提示信息以提醒相关人员对该理赔请求的人工核定的修理方式进行复核。
具体的,若所述确定的修理方式的需要工时少于人工核定的修理方式的需要工时,则向第二移动终端23发出提示信息以提醒相关人员,以及时针对该理赔请求的人工核定修理方式进行复核,以确认所述人工核定的修理方式是否合理。
进一步的,若所述确定的修理方式的耗费材料价值低于所述人工核定的修理方式的耗费材料价值,则向第二移动终端23发出提示信息以提醒相关人员,以及时针对该理赔请求的人工核定修理方式进行复核,以确认所述人工核定的修理方式是否合理。
进一步的,所述提示信息可以包括语音提示信息或文本信息及时告之相关人员去针对该理赔请求的修理方式进行复核。
所述第一移动终端20及第二移动终端23,可以是移动电话、个人数字助理(PDA)、手持计算机、平板计算机、迷你计算机(nettop)或笔记本计算机等中的任一种可携式电子装置。
优选的,本实施例的方法还包括:
S6:依据预设的车损部位、修理方式及修理费用区间的映射关系确定所述理赔请求对应的修理费用区间。
示例性的,对于后备箱盖的车损部位而言,仅全喷的修理费用区间可以为X1-X2元人民币,轻度钣金的修理费用区间可以为Y1-Y2元人民币。
S7:将所述理赔请求包括的人工核定的修理费用与所述确定的修理费用区间进行比对。
具体的,将人工核定的修理费用与所述确定的修理费用区间进行大小比对,若人工核定的修理费用低于或者位于所述确定的修理费用区间时,不进行任何提示。若人工核定的修理费用大于确定的修理费用区间的最大值,则进入步骤S8。
S8:若所述人工核定的修理费用大于确定的修理费用区间的最大值,则向第二移动终端发送提示信息以提醒相关人员对该理赔请求的人工核定的修理费用进行复核。
具体的,若所述人工核定的修理费用大于确定的修理费用区间的最大值,则发送语音提示信息或文本信息至所述第二移动终端以提醒相关人员对该理赔请求进行人工核定的修理费用进行复核。
本发明实施例的技术方案,通过云服务器接收第一移动终端发送的理赔请求及上传的定损照片,并确定所述理赔请求对应的车损部位;通过预设类型模型分析定损照片以获取所述理赔请求对应的车损级别;依据预设的车损部位、车损级别及修理方式的映射关系确定所述理赔请求对应的修理方式;将所述理赔请求包括的人工核定的修理方式与所述确定的修理方式进行优先级比对;若所述确定的修理方式的优先级高于所述人工核定的修理方式,则向第二移动终端发送提示信息以提醒相关人员对该理赔请求的人工核定的修理方式进行复核。本发明实施例的技术方案可以自动审核每一理赔请求对应的人工核定的修理方式或修理费用是否合理,当人工核定的修理方式或修理费用不合理时,自动发送提示信息给相关人员以进行复核,从而大大减少损失。
实施例二
图4为本发明实施例二提供的一种车险定损理赔审核系统的结构示意图。所述车险定损理赔审核系统内置于云服务器,以针对理赔请求包括的修理方式或修理费用是否合理进行审核。
本实施例的系统具体包括:分析模块40、比对模块41及提醒模块42。
其中,所述分析模块40,用于接收第一移动终端发送的理赔请求及上传的定损照片,并确定所述理赔请求对应的车损部位;通过预设类型模型分析定损照片以获取所述理赔请求对应的车损级别;及依据预设的车损部位、车损级别及修理方式的映射关系确定所述理赔请求对应的修理方式。
比对模块41,用于将所述理赔请求包括的人工核定的修理方式与所述确定的修理方式进行优先级比对。所述优先级为工时优先级或耗费材料价值优先级中的一种,所述优先级比对主要是依据工时多少及耗费材料价值的多少进行优先级比对。示例性的,工时越少优先级越高,耗费材料价值越少优先级越高等。
提醒模块42,用于若所述确定的修理方式优先于所述人工核定的修理方式,则向第二移动终端发送提示信息以提醒相关人员对该理赔请求的人工核定的修理方式进行复核。
所述分析模块40具体用于:
接收第一移动终端发送的理赔请求及上传的定损照片,分析所述理赔请求或上传的定损照片以确定所述理赔请求对应的车损部位;及
将获取的定损照片转化成预设尺寸及预设的格式;及通过所述预设类型模型对转化为预设尺寸及预设格式的定损照片进行分析以获取该理赔请求对应的车损级别。
所述预设类型模型为卷积神经网络(Convolutional Neural Network,CNN),所述CNN模型通过训练学习车险理赔数据库中各个车损部分对应的各个预设车损级别分类的预设数量定损照片来生成识别车损级别的规律。
优选的,所述分析模块40,还用于依据预设的车损部位、修理方式及修理费用区间的映射关系确定所述理赔请求对应的修理费用区间;
所述比对模块41,还用于将所述理赔请求包括的人工核定的修理费用与所述确定的修理费用区间进行比对;
所述提醒模块42,还用于若所述人工核定的修理费用大于确定的修理费用区间的最大值,则向第二移动终端发送提示信息以提醒相关人员对该理赔请求的人工核定的修理费用进行复核。
本实施例的技术方案提供的车险定损理赔审核系统,利用分析模块40接收第一移动终端发送的理赔请求及上传的定损照片,并确定所述理赔请求对应的车损部位;通过预设类型模型分析定损照片以获取所述理赔请求对应的车损级别;及依据预设的车损部位、车损级别及修理方式的映射关系确定所述理赔请求对应的修理方式;利用比对模块41将所述理赔请求包括的人工核定的修理方式与所述确定的修理方式进行优先级比对;及利用提醒模块42当所述确定的修理方式优先于所述人工核定的修理方式,则向第二移动终端发送提示信息以提醒相关人员对该理赔请求的人工核定的修理方式进行复核。由于本发明实施例自动审核每一理赔请求对应的人工核定的修理方式或修理费用是否合理,当人工核定的修理方式或修理费用不合理时,自动发送提示信息给相关人员以进行复核,从而大大减少损失。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种车险定损理赔审核方法,其特征在于,包括如下步骤:
S1:云服务器接收第一移动终端发送的理赔请求及上传的定损照片,并确定所述理赔请求对应的车损部位;
S2:利用一卷积神经网络模型分析定损照片以获取所述理赔请求对应的车损级别,该卷积神经网络模型的训练过程包括:
从车险理赔数据库中获取预设的车损级别分类、车损部位及定损照片之间的映射关系,
根据所述映射关系从车险理赔数据库中获取各个车损部位对应的各个预设车损级别分类的预设数量定损照片,
将获取的所述各个车损部分对应的各个预设车损级别分类的预设数量定损照片输入卷积神经网络模型进行训练、生成识别车损级别的规律;
S3:依据预设的车损部位、车损级别及修理方式的映射关系确定所述理赔请求对应的修理方式;
S4:将所述理赔请求包括的人工核定的修理方式与所述确定的修理方式进行优先级比对;及
S5:若所述确定的修理方式的优先级高于所述人工核定的修理方式,则向第二移动终端发送提示信息以提醒相关人员复核所述人工核定的修理方式是否合理。
2.根据权利要求1所述的方法,其特征在于,在步骤S3之后还包括:
S6:依据预设的车损部位、修理方式及修理费用区间的映射关系确定所述理赔请求对应的修理费用区间;
S7:将所述理赔请求包括的人工核定的修理费用与所述确定的修理费用区间进行比对;
S8:若所述人工核定的修理费用大于确定的修理费用区间的最大值,则向第二移动终端发送提示信息以提醒相关人员对该理赔请求的人工核定的修理费用进行复核。
3.根据权利要求1所述的方法,其特征在于,步骤S1具体包括:
云服务器接收第一移动终端发送的理赔请求及上传的定损照片,分析所述理赔请求和上传的定损照片以确定所述理赔请求对应的车损部位。
4.根据权利要求1所述的方法,其特征在于,步骤S2具体包括:
将获取的定损照片转化成预设尺寸及预设的格式;及
通过所述卷积神经网络模型对转化为预设尺寸及预设格式的定损照片进行分析以获取该理赔请求对应的车损级别。
5.根据权利要求1所述的方法,其特征在于,步骤S4中的优先级为工时优先级或耗费材料价值优先级中的一种。
6.一种车险定损理赔审核系统,其配置于云服务器中,其特征在于,包括:
分析模块,用于接收第一移动终端发送的理赔请求及上传的定损照片,并确定所述理赔请求对应的车损部位,利用一卷积神经网络模型分析定损照片以获取所述理赔请求对应的车损级别,及依据预设的车损部位、车损级别及修理方式的映射关系确定所述理赔请求对应的修理方式,其中,该卷积神经网络模型的训练过程包括:从车险理赔数据库中获取预设的车损级别分类、车损部位及定损照片之间的映射关系,根据所述映射关系从车险理赔数据库中获取各个车损部位对应的各个预设车损级别分类的预设数量定损照片,将获取的所述各个车损部分对应的各个预设车损级别分类的预设数量定损照片输入卷积神经网络模型进行训练、生成识别车损级别的规律;
比对模块,用于将所述理赔请求包括的人工核定的修理方式与所述确定的修理方式进行优先级比对;及
提醒模块,用于若所述确定的修理方式优先于所述人工核定的修理方式,则向第二移动终端发送提示信息以提醒相关人员复核所述人工核定的修理方式是否合理。
7.根据权利要求6所述的系统,其特征在于,其中:
所述分析模块,还用于依据预设的车损部位、修理方式及修理费用区间的映射关系确定所述理赔请求对应的修理费用区间;
所述比对模块,还用于将所述理赔请求包括的人工核定的修理费用与所述确定的修理费用区间进行比对;
所述提醒模块,还用于若所述人工核定的修理费用大于确定的修理费用区间的最大值,则向第二移动终端发送提示信息以提醒相关人员对该理赔请求的人工核定的修理费用进行复核。
8.根据权利要求6所述的系统,其特征在于,所述分析模块具体用于:
接收第一移动终端发送的理赔请求及上传的定损照片,分析所述理赔请求和上传的定损照片以确定所述理赔请求对应的车损部位;及
将获取的定损照片转化成预设尺寸及预设的格式;及通过所述卷积神经网络模型对转化为预设尺寸及预设格式的定损照片进行分析以获取该理赔请求对应的车损级别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610234610.7A CN105956667B (zh) | 2016-04-14 | 2016-04-14 | 车险定损理赔审核方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610234610.7A CN105956667B (zh) | 2016-04-14 | 2016-04-14 | 车险定损理赔审核方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105956667A CN105956667A (zh) | 2016-09-21 |
CN105956667B true CN105956667B (zh) | 2018-09-25 |
Family
ID=56917989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610234610.7A Active CN105956667B (zh) | 2016-04-14 | 2016-04-14 | 车险定损理赔审核方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105956667B (zh) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107871283A (zh) * | 2016-09-26 | 2018-04-03 | 平安科技(深圳)有限公司 | 保险理赔的处理方法及装置 |
CN106780048A (zh) * | 2016-11-28 | 2017-05-31 | 中国平安财产保险股份有限公司 | 一种智能车险的自助理赔方法、自助理赔装置及系统 |
CN106651307A (zh) * | 2016-12-22 | 2017-05-10 | 安徽保腾网络科技有限公司 | 用于事故现场勘查的费率折算系统 |
CN106952164A (zh) * | 2017-03-06 | 2017-07-14 | 泰康保险集团股份有限公司 | 问题件回销方法和装置 |
CN107092922B (zh) * | 2017-03-13 | 2018-08-31 | 平安科技(深圳)有限公司 | 车损识别方法及服务器 |
CN112435215B (zh) | 2017-04-11 | 2024-02-13 | 创新先进技术有限公司 | 一种基于图像的车辆定损方法、移动终端、服务器 |
CN107392218B (zh) | 2017-04-11 | 2020-08-04 | 创新先进技术有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN107358596B (zh) * | 2017-04-11 | 2020-09-18 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置、电子设备及系统 |
CN107194323B (zh) * | 2017-04-28 | 2020-07-03 | 阿里巴巴集团控股有限公司 | 车辆定损图像获取方法、装置、服务器和终端设备 |
CN107784593B (zh) * | 2017-05-05 | 2021-03-30 | 平安科技(深圳)有限公司 | 保险理赔互动方法和系统 |
CN108335237B (zh) * | 2017-06-22 | 2020-10-27 | 平安科技(深圳)有限公司 | 立案方法、终端和计算机可读存储介质 |
CN107622448A (zh) * | 2017-08-28 | 2018-01-23 | 武汉六点整北斗科技有限公司 | 一种交通事故的保险验证方法及相关产品 |
CN107679995B (zh) * | 2017-08-31 | 2021-07-13 | 平安科技(深圳)有限公司 | 电子装置、保险案件理赔审核方法及计算机可读存储介质 |
CN107729376B (zh) * | 2017-09-13 | 2020-03-17 | 平安科技(深圳)有限公司 | 保险数据审核方法、装置、计算机设备及存储介质 |
CN108255793A (zh) * | 2017-11-22 | 2018-07-06 | 中国平安财产保险股份有限公司 | 一种信息核查方法及终端设备 |
CN108335217B (zh) * | 2018-01-25 | 2020-11-13 | 中国平安财产保险股份有限公司 | 车辆出险的模拟理赔方法、装置、设备和计算机存储介质 |
WO2019184899A1 (zh) * | 2018-03-26 | 2019-10-03 | 苏州山水树儿信息技术有限公司 | 基于历史案例的车辆碰撞定损方法及系统 |
US10832065B1 (en) | 2018-06-15 | 2020-11-10 | State Farm Mutual Automobile Insurance Company | Methods and systems for automatically predicting the repair costs of a damaged vehicle from images |
CN109003051A (zh) * | 2018-07-18 | 2018-12-14 | 杭州复杂美科技有限公司 | 一种车辆保险定损理赔系统、方法、设备和存储介质 |
CN109035041A (zh) * | 2018-08-03 | 2018-12-18 | 平安科技(深圳)有限公司 | 电子装置、车险智能理赔方法及存储介质 |
CN109345394A (zh) * | 2018-08-30 | 2019-02-15 | 医倍思特(北京)医疗信息技术有限公司 | 一种人伤理赔医疗监审系统 |
CN109614669B (zh) * | 2018-11-23 | 2022-02-18 | 同济大学 | 网级桥梁结构性能评估预测方法 |
CN109741077A (zh) * | 2018-12-28 | 2019-05-10 | 上汽通用五菱汽车股份有限公司 | 售后索赔结算方法、设备及存储介质 |
TWI709935B (zh) * | 2019-01-08 | 2020-11-11 | 新光產物保險股份有限公司 | 自動理賠申請方法及系統 |
CN111524017B (zh) * | 2019-02-01 | 2023-09-22 | 北京懿医云科技有限公司 | 理赔数据的审核方法、装置及介质 |
CN109919785A (zh) * | 2019-02-22 | 2019-06-21 | 德联易控科技(北京)有限公司 | 车辆定损的评估处理方法、装置、设备及存储介质 |
CN110110732B (zh) * | 2019-05-08 | 2020-04-28 | 杭州视在科技有限公司 | 一种用于餐饮后厨的智能巡查方法 |
CN110580654B (zh) * | 2019-09-02 | 2023-02-14 | 江苏华鑫数据科技有限公司 | 一种数码产品核保核赔系统 |
CN110705361A (zh) * | 2019-09-06 | 2020-01-17 | 中国平安财产保险股份有限公司 | 车辆智能定损方法、装置、计算机系统及可读存储介质 |
CN111260484A (zh) * | 2020-01-14 | 2020-06-09 | 支付宝(杭州)信息技术有限公司 | 一种人伤识别的数据处理方法、装置、服务器及系统 |
CN111260487A (zh) * | 2020-01-20 | 2020-06-09 | 北京中科泽达科技有限公司 | 一种车险理赔的风险控制方法及装置 |
CN111488875B (zh) * | 2020-06-24 | 2021-04-13 | 爱保科技有限公司 | 基于图像识别的车险理赔核损方法、装置和电子设备 |
US11544914B2 (en) | 2021-02-18 | 2023-01-03 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
CN112990158A (zh) * | 2021-05-14 | 2021-06-18 | 太平金融科技服务(上海)有限公司深圳分公司 | 车险数据处理方法、装置、计算机设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268783A (zh) * | 2014-05-30 | 2015-01-07 | 翱特信息系统(中国)有限公司 | 车辆定损估价的方法、装置和终端设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469312A (zh) * | 2015-11-24 | 2016-04-06 | 大连楼兰科技股份有限公司 | 基于车辆外观间隙变化的激光扫描自动定损方法及系统 |
-
2016
- 2016-04-14 CN CN201610234610.7A patent/CN105956667B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268783A (zh) * | 2014-05-30 | 2015-01-07 | 翱特信息系统(中国)有限公司 | 车辆定损估价的方法、装置和终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105956667A (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105956667B (zh) | 车险定损理赔审核方法及系统 | |
US20140081675A1 (en) | Systems, methods, and apparatus for optimizing claim appraisals | |
CN106600422A (zh) | 一种车险智能定损方法和系统 | |
CN109919140A (zh) | 车辆碰撞事故责任自动判定方法、系统、设备及存储介质 | |
CN107092922A (zh) | 车损识别方法及服务器 | |
DE102018100094A1 (de) | System und verfahren zum identifizieren eines fahrzeugs und zum erzeugen von reservierungsinformationen | |
CN105812752A (zh) | 一种应用于智慧环卫系统的监控中心 | |
CN109670673A (zh) | 露天矿生产管控系统 | |
CN106920171A (zh) | 车辆事故在线理赔的方法及装置 | |
KR101900778B1 (ko) | 모바일 기반 차량사고 처리 시스템 | |
CN106228449A (zh) | 车险理赔防欺诈方法和装置 | |
CN105185122A (zh) | 一种车辆违章信息的处理方法、装置及系统 | |
DE102018101611A1 (de) | System und Verfahren zum Anzeigen von Fahrzeuginformationen | |
CN113287120A (zh) | 车辆驾驶环境异常监测方法、装置、电子设备和存储介质 | |
CN110126836A (zh) | 用于共享自主车辆的乘坐者评级系统和方法 | |
CN106056451A (zh) | 基于车辆obd传感器的远程无人定损系统 | |
CN110796578A (zh) | 一种分级救援的判断方法及装置、计算机设备和存储介质 | |
CN110136012A (zh) | 一种基于区块链技术的事故辅助定责方法 | |
CN112906946B (zh) | 道路信息提示方法、装置、设备、存储介质和程序产品 | |
CN111291721B (zh) | 共享交通工具的出库检测方法、装置、设备及存储介质 | |
KR20060031208A (ko) | 자동차사고 파손차량의 보험처리를 위한 자동화시스템 및그 방법 | |
CN114724107B (zh) | 一种图像检测方法、装置、设备及介质 | |
CN110930537A (zh) | 基于大数据的车辆数据获取方法、装置、设备及存储介质 | |
Padilla et al. | Cyber-physical system based on image recognition to improve traffic flow: A case study | |
CN108764722A (zh) | 危险品运输车辆管理方法、系统及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |