CN106530095A - 一种分析用户欺诈行为的方法及装置 - Google Patents
一种分析用户欺诈行为的方法及装置 Download PDFInfo
- Publication number
- CN106530095A CN106530095A CN201611102873.9A CN201611102873A CN106530095A CN 106530095 A CN106530095 A CN 106530095A CN 201611102873 A CN201611102873 A CN 201611102873A CN 106530095 A CN106530095 A CN 106530095A
- Authority
- CN
- China
- Prior art keywords
- user
- data message
- vehicle
- information
- driving trace
- 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
本发明实施例公开了一种分析用户欺诈行为的方法及装置。该方法包括:获取用户上报的第一数据信息;获取数据库中存储的与所述第一数据信息对应的第二数据信息;匹配所述第一数据信息和所述第二数据信息;根据匹配结果对所述用户上报的数据信息进行评分,并根据评分结果确定所述用户是否存在欺诈行为。从而实现通过货车车机上传的行驶轨迹,分析出货车出险时的位置、行驶速度、连续行驶时间、是否紧急避让等信息;通过大卡APP获取司机的实时位置,确定事故发生时的驾驶员,这些数据为保险公司确定欺诈行为提供可靠依据。
Description
技术领域
本发明实施例涉及车辆保险的技术领域,尤其涉及一种分析用户欺诈行为的方法及装置。
背景技术
防范保险欺诈问题一直是保险业面临的行业顽疾。近年来,面临着竞争愈来愈激烈的车险市场环境,各传统保险公司纷纷采取价格竞争的手段以降低折扣的方式防止客户流失,从而导致了整个车险业盈利微薄。
从全国各主要发达研究机构公布的数据来看,车险业务中的虚假赔付支出,至少占到总赔付支出的15%-25%之间。随着我国保险业的发展,保险公司业务范围不断扩大,保险欺诈活动也日益频繁,有资料显示,诈骗犯罪中,保险欺诈大约占到20%。
目前,货运车辆保险行业反欺诈的判断,主要是通过人工分析报案描述信息和现场勘查等方式实现,缺乏技术手段,造成欺诈行为识别率低,反欺诈成本高,给保险公司带来极大的损失。
发明内容
本发明实施例的目的在于提出一种分析用户欺诈行为的方法及装置,旨在解决用户出险报警后,系统根据车辆轨迹将分析出险时间段内的行驶状态并分析出车辆是否有欺诈嫌疑的问题。
为达此目的,本发明实施例采用以下技术方案:
第一方面,一种分析用户欺诈行为的方法,所述方法包括:
获取用户上报的第一数据信息,所述第一数据信息包括用户车辆的事故位置、行驶速度、行驶方向、行驶轨迹、事故涉及车辆的驾驶员信息和所述事故涉及车辆的驾驶行为信息;
获取数据库中存储的与所述第一数据信息对应的第二数据信息;
匹配所述第一数据信息和所述第二数据信息;
根据匹配结果对所述用户上报的数据信息进行评分,并根据评分结果确定所述用户是否存在欺诈行为。
优选地,所述根据匹配结果对所述用户上报的数据信息进行评分,并根据评分结果确定所述用户是否存在欺诈行为,包括:
分别对所述第一数据信息的每个信息进行评分,并将总的评分结果和预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为;或者,
分别对所述第一数据信息的每个信息进行评分,并将每个信息的评分结果和所述预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为。
优选地,所述分别对所述第一数据信息的每个信息进行评分,包括:
若所述用户车辆的行驶轨迹与实际行驶轨迹的偏差超过预设第一偏差阈值,则对所述第一数据信息中的行驶轨迹评为不吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹的偏差超过预设第二偏差阈值,则对所述第一数据信息中的行驶轨迹评为存在嫌疑;
若系统未采集到出险当天车辆的行驶轨迹,则对所述第一数据信息中的行驶轨迹评为基本吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹的偏差未超过预设第三偏差阈值,则对所述第一数据信息中的行驶轨迹评为基本吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹重合,则对所述第一数据信息中的行驶轨迹评为高度吻合。
优选地,所述分别对所述第一数据信息的每个信息进行评分,包括:
将所述用户在出险时间段的速度与系统计算的实时速度进行对比,根据所述用户在出险时间段的速度和所述实时速度的差值,对所述第一数据信息中的行驶速度进行评分;或者,
根据所述用户车辆在出险后的时间段内是否有停驶状态,对所述第一数据信息中的行驶速度进行评分;或者,
根据所述用户车辆的损坏程度与所述行驶速度的匹配程度,对所述第一数据信息中的行驶速度进行评分。
优选地,所述将总的评分结果和预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为,包括:
若每个信息的评分结果均为高度吻合或者基本吻合,则确定所述用户车辆事故正常;若每个信息的评分结果出现一个或多个存在嫌疑,则确定所述用户存在欺诈嫌疑;若每个信息的评分结果出现一个或多个不吻合,则确定所述用户存在重大欺诈嫌疑。
第二方面,一种分析用户欺诈行为的装置,所述装置包括:
第一获取模块,用于获取用户上报的第一数据信息,所述第一数据信息包括用户车辆的事故位置、行驶速度、行驶方向、行驶轨迹、事故涉及车辆的驾驶员信息和所述事故涉及车辆的驾驶行为信息;
第二获取模块,用于获取数据库中存储的与所述第一数据信息对应的第二数据信息;
匹配模块,用于匹配所述第一数据信息和所述第二数据信息;
确定模块,用于根据匹配结果对所述用户上报的数据信息进行评分,并根据评分结果确定所述用户是否存在欺诈行为。
优选地,所述确定模块,具体用于:
分别对所述第一数据信息的每个信息进行评分,并将总的评分结果和预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为;或者,
分别对所述第一数据信息的每个信息进行评分,并将每个信息的评分结果和所述预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为。
优选地,所述确定模块,还具体用于:
若所述用户车辆的行驶轨迹与实际行驶轨迹的偏差超过预设第一偏差阈值,则对所述第一数据信息中的行驶轨迹评为不吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹的偏差超过预设第二偏差阈值,则对所述第一数据信息中的行驶轨迹评为存在嫌疑;
若系统未采集到出险当天车辆的行驶轨迹,则对所述第一数据信息中的行驶轨迹评为基本吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹的偏差未超过预设第三偏差阈值,则对所述第一数据信息中的行驶轨迹评为基本吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹重合,则对所述第一数据信息中的行驶轨迹评为高度吻合。
优选地,所述确定模块,还具体用于:
将所述用户在出险时间段的速度与系统计算的实时速度进行对比,根据所述用户在出险时间段的速度和所述实时速度的差值,对所述第一数据信息中的行驶速度进行评分;或者,
根据所述用户车辆在出险后的时间段内是否有停驶状态,对所述第一数据信息中的行驶速度进行评分;或者,
根据所述用户车辆的损坏程度与所述行驶速度的匹配程度,对所述第一数据信息中的行驶速度进行评分。
优选地,所述确定模块,还具体用于:
若每个信息的评分结果均为高度吻合或者基本吻合,则确定所述用户车辆事故正常;若每个信息的评分结果出现一个或多个存在嫌疑,则确定所述用户存在欺诈嫌疑;若每个信息的评分结果出现一个或多个不吻合,则确定所述用户存在重大欺诈嫌疑。
本发明实施例提供的一种分析用户欺诈行为的方法及装置,获取用户上报的第一数据信息,所述第一数据信息包括用户车辆的事故位置、行驶速度、行驶方向、行驶轨迹、事故涉及车辆的驾驶员信息和所述事故涉及车辆的驾驶行为信息;获取数据库中存储的与所述第一数据信息对应的第二数据信息;匹配所述第一数据信息和所述第二数据信息;根据匹配结果对所述用户上报的数据信息进行评分,并根据评分结果确定所述用户是否存在欺诈行为。从而实现通过货车车机上传的行驶轨迹,分析出货车出险时的位置、行驶速度、连续行驶时间、是否紧急避让等信息;通过大卡APP获取司机的实时位置,确定事故发生时的驾驶员,这些数据为保险公司确定欺诈行为提供可靠依据。
附图说明
图1是本发明实施例提供的一种分析用户欺诈行为的方法的流程示意图;
图2是本发明实施例提供的一种车辆行驶位置的示意图;
图3是本发明实施例提供的另一种车辆行驶位置的示意图;
图4是本发明实施例提供的一种分析用户欺诈行为的装置的功能模块示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。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实施例,而非对本发明实施例的限定。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实施例相关的部分而非全部结构。
参考图1,图1是本发明实施例提供的一种分析用户欺诈行为的方法的流程示意图。
如图1所示,所述分析用户欺诈行为的方法包括:
步骤101,获取用户上报的第一数据信息,所述第一数据信息包括用户车辆的事故位置、行驶速度、行驶方向、行驶轨迹、事故涉及车辆的驾驶员信息和所述事故涉及车辆的驾驶行为信息;
其中,通过系统收集的信息,并加以分析,从6个维度(位置、速度、方向、轨迹、危险驾驶行为、驾驶员)建立数据模型,为保险公司提供车辆行驶状态数据,帮助保险公司识别车辆出险是否存在欺诈嫌疑。
根据系统数据分析,对每个维度给出4个等级的评分结果,A:高度吻合,B:基本吻合(或无法判定),C:存在嫌疑,D:不吻合。
欺诈行为判定:
1)全部是A级B级可以认为车辆事故正常;
2)出现一个或多个C级,可以认为存在欺诈嫌疑,需要保险公司对事故进行深入调查;
3)出现一个或多个D级,可以认为存在重大欺诈嫌疑。
步骤102,获取数据库中存储的与所述第一数据信息对应的第二数据信息;
步骤103,匹配所述第一数据信息和所述第二数据信息;
步骤104,根据匹配结果对所述用户上报的数据信息进行评分,并根据评分结果确定所述用户是否存在欺诈行为。
优选地,所述根据匹配结果对所述用户上报的数据信息进行评分,并根据评分结果确定所述用户是否存在欺诈行为,包括:
分别对所述第一数据信息的每个信息进行评分,并将总的评分结果和预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为;或者,
分别对所述第一数据信息的每个信息进行评分,并将每个信息的评分结果和所述预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为。
优选地,所述分别对所述第一数据信息的每个信息进行评分,包括:
若所述用户车辆的行驶轨迹与实际行驶轨迹的偏差超过预设第一偏差阈值,则对所述第一数据信息中的行驶轨迹评为不吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹的偏差超过预设第二偏差阈值,则对所述第一数据信息中的行驶轨迹评为存在嫌疑;
若系统未采集到出险当天车辆的行驶轨迹,则对所述第一数据信息中的行驶轨迹评为基本吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹的偏差未超过预设第三偏差阈值,则对所述第一数据信息中的行驶轨迹评为基本吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹重合,则对所述第一数据信息中的行驶轨迹评为高度吻合。
具体的,行驶位置识别通过车机上传的车辆位置,描绘出车辆在出险当天及前2天和后两天的行驶轨迹,将出险地点录入系统,系统自动标示到地图上的相应位置,通过出险地点与行驶轨迹的比对,给予相应的评分:
如图2中的出险位置1,与实际行驶轨迹存在极大偏差,给予D级,认为存在欺诈行为,
如图2中的出险位置2,与实际行驶轨迹存在一些偏差,给予C级,有欺诈嫌疑。
如图2中的出险位置3,系统未采集到出险当天的车辆行驶轨迹,给予B级,无法判定。
如图2中的出险位置5,与实际轨迹偏差不大,可能是车机定位不准确造成的位置偏移,给以B级,基本吻合。
如图2中的出险位置4,与实际行驶轨迹重合,给予A级,高度吻合。
优选地,所述分别对所述第一数据信息的每个信息进行评分,包括:
将所述用户在出险时间段的速度与系统计算的实时速度进行对比,根据所述用户在出险时间段的速度和所述实时速度的差值,对所述第一数据信息中的行驶速度进行评分;或者,
根据所述用户车辆在出险后的时间段内是否有停驶状态,对所述第一数据信息中的行驶速度进行评分;或者,
根据所述用户车辆的损坏程度与所述行驶速度的匹配程度,对所述第一数据信息中的行驶速度进行评分。
优选地,所述将总的评分结果和预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为,包括:
若每个信息的评分结果均为高度吻合或者基本吻合,则确定所述用户车辆事故正常;若每个信息的评分结果出现一个或多个存在嫌疑,则确定所述用户存在欺诈嫌疑;若每个信息的评分结果出现一个或多个不吻合,则确定所述用户存在重大欺诈嫌疑。
具体的,用鼠标拖动图2下方的进度条,可以查看任意时间段的车辆行驶速度,如图3所示,通过比对行驶速度,可从以下几个方面初步判定是否存在欺诈行为。
比对实时速度:将报案人员描述的对出险时间段的速度与系统计算的实时速度做比对,根据二者数据的偏差情况,给予A-D的评分。
是否停驶状态:车辆出险后,正常情况下,车辆会逐渐减速至停驶状态,若出险车辆在出险后的时间段内没有停止状态,给予D级,认为存在欺诈行为。
速度与车辆损坏程度的关联:比如系统计算的实时速度较低,但出现了车辆完全损毁的重大事故,车辆的损坏程度与速度明显不匹配,可以给予C或D级,认为存在欺诈嫌疑。
超速驾驶:由于超速驾驶带来的事故,报案人员可以隐瞒,给以C或D级。
本发明实施例提供的一种分析用户欺诈行为的方法,获取用户上报的第一数据信息,所述第一数据信息包括用户车辆的事故位置、行驶速度、行驶方向、行驶轨迹、事故涉及车辆的驾驶员信息和所述事故涉及车辆的驾驶行为信息;获取数据库中存储的与所述第一数据信息对应的第二数据信息;匹配所述第一数据信息和所述第二数据信息;根据匹配结果对所述用户上报的数据信息进行评分,并根据评分结果确定所述用户是否存在欺诈行为。从而实现通过货车车机上传的行驶轨迹,分析出货车出险时的位置、行驶速度、连续行驶时间、是否紧急避让等信息;通过大卡APP获取司机的实时位置,确定事故发生时的驾驶员,这些数据为保险公司确定欺诈行为提供可靠依据。
参考图4,图4是本发明实施例提供的一种分析用户欺诈行为的装置的功能模块示意图。
如图4所示,所述装置包括:
第一获取模块401,用于获取用户上报的第一数据信息,所述第一数据信息包括用户车辆的事故位置、行驶速度、行驶方向、行驶轨迹、事故涉及车辆的驾驶员信息和所述事故涉及车辆的驾驶行为信息;
第二获取模块402,用于获取数据库中存储的与所述第一数据信息对应的第二数据信息;
匹配模块403,用于匹配所述第一数据信息和所述第二数据信息;
确定模块404,用于根据匹配结果对所述用户上报的数据信息进行评分,并根据评分结果确定所述用户是否存在欺诈行为。
优选地,所述确定模块404,具体用于:
分别对所述第一数据信息的每个信息进行评分,并将总的评分结果和预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为;或者,
分别对所述第一数据信息的每个信息进行评分,并将每个信息的评分结果和所述预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为。
优选地,所述确定模块404,还具体用于:
若所述用户车辆的行驶轨迹与实际行驶轨迹的偏差超过预设第一偏差阈值,则对所述第一数据信息中的行驶轨迹评为不吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹的偏差超过预设第二偏差阈值,则对所述第一数据信息中的行驶轨迹评为存在嫌疑;
若系统未采集到出险当天车辆的行驶轨迹,则对所述第一数据信息中的行驶轨迹评为基本吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹的偏差未超过预设第三偏差阈值,则对所述第一数据信息中的行驶轨迹评为基本吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹重合,则对所述第一数据信息中的行驶轨迹评为高度吻合。
优选地,所述确定模块404,还具体用于:
将所述用户在出险时间段的速度与系统计算的实时速度进行对比,根据所述用户在出险时间段的速度和所述实时速度的差值,对所述第一数据信息中的行驶速度进行评分;或者,
根据所述用户车辆在出险后的时间段内是否有停驶状态,对所述第一数据信息中的行驶速度进行评分;或者,
根据所述用户车辆的损坏程度与所述行驶速度的匹配程度,对所述第一数据信息中的行驶速度进行评分。
优选地,所述确定模块404,还具体用于:
若每个信息的评分结果均为高度吻合或者基本吻合,则确定所述用户车辆事故正常;若每个信息的评分结果出现一个或多个存在嫌疑,则确定所述用户存在欺诈嫌疑;若每个信息的评分结果出现一个或多个不吻合,则确定所述用户存在重大欺诈嫌疑。
本发明实施例提供的一种分析用户欺诈行为的装置,获取用户上报的第一数据信息,所述第一数据信息包括用户车辆的事故位置、行驶速度、行驶方向、行驶轨迹、事故涉及车辆的驾驶员信息和所述事故涉及车辆的驾驶行为信息;获取数据库中存储的与所述第一数据信息对应的第二数据信息;匹配所述第一数据信息和所述第二数据信息;根据匹配结果对所述用户上报的数据信息进行评分,并根据评分结果确定所述用户是否存在欺诈行为。从而实现通过货车车机上传的行驶轨迹,分析出货车出险时的位置、行驶速度、连续行驶时间、是否紧急避让等信息;通过大卡APP获取司机的实时位置,确定事故发生时的驾驶员,这些数据为保险公司确定欺诈行为提供可靠依据。
以上结合具体实施例描述了本发明实施例的技术原理。这些描述只是为了解释本发明实施例的原理,而不能以任何方式解释为对本发明实施例保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明实施例的其它具体实施方式,这些方式都将落入本发明实施例的保护范围之内。
Claims (10)
1.一种分析用户欺诈行为的方法,其特征在于,所述方法包括:
获取用户上报的第一数据信息,所述第一数据信息包括用户车辆的事故位置、行驶速度、行驶方向、行驶轨迹、事故涉及车辆的驾驶员信息和所述事故涉及车辆的驾驶行为信息;
获取数据库中存储的与所述第一数据信息对应的第二数据信息;
匹配所述第一数据信息和所述第二数据信息;
根据匹配结果对所述用户上报的数据信息进行评分,并根据评分结果确定所述用户是否存在欺诈行为。
2.根据权利要求1所述的方法,其特征在于,所述根据匹配结果对所述用户上报的数据信息进行评分,并根据评分结果确定所述用户是否存在欺诈行为,包括:
分别对所述第一数据信息的每个信息进行评分,并将总的评分结果和预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为;或者,
分别对所述第一数据信息的每个信息进行评分,并将每个信息的评分结果和所述预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为。
3.根据权利要求2所述的方法,其特征在于,所述分别对所述第一数据信息的每个信息进行评分,包括:
若所述用户车辆的行驶轨迹与实际行驶轨迹的偏差超过预设第一偏差阈值,则对所述第一数据信息中的行驶轨迹评为不吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹的偏差超过预设第二偏差阈值,则对所述第一数据信息中的行驶轨迹评为存在嫌疑;
若系统未采集到出险当天车辆的行驶轨迹,则对所述第一数据信息中的行驶轨迹评为基本吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹的偏差未超过预设第三偏差阈值,则对所述第一数据信息中的行驶轨迹评为基本吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹重合,则对所述第一数据信息中的行驶轨迹评为高度吻合。
4.根据权利要求2所述的方法,其特征在于,所述分别对所述第一数据信息的每个信息进行评分,包括:
将所述用户在出险时间段的速度与系统计算的实时速度进行对比,根据所述用户在出险时间段的速度和所述实时速度的差值,对所述第一数据信息中的行驶速度进行评分;或者,
根据所述用户车辆在出险后的时间段内是否有停驶状态,对所述第一数据信息中的行驶速度进行评分;或者,
根据所述用户车辆的损坏程度与所述行驶速度的匹配程度,对所述第一数据信息中的行驶速度进行评分。
5.根据权利要求2所述的方法,其特征在于,所述将总的评分结果和预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为,包括:
若每个信息的评分结果均为高度吻合或者基本吻合,则确定所述用户车辆事故正常;若每个信息的评分结果出现一个或多个存在嫌疑,则确定所述用户存在欺诈嫌疑;若每个信息的评分结果出现一个或多个不吻合,则确定所述用户存在重大欺诈嫌疑。
6.一种分析用户欺诈行为的装置,其特征在于,所述装置包括:
第一获取模块,用于获取用户上报的第一数据信息,所述第一数据信息包括用户车辆的事故位置、行驶速度、行驶方向、行驶轨迹、事故涉及车辆的驾驶员信息和所述事故涉及车辆的驾驶行为信息;
第二获取模块,用于获取数据库中存储的与所述第一数据信息对应的第二数据信息;
匹配模块,用于匹配所述第一数据信息和所述第二数据信息;
确定模块,用于根据匹配结果对所述用户上报的数据信息进行评分,并根据评分结果确定所述用户是否存在欺诈行为。
7.根据权利要求6所述的装置,其特征在于,所述确定模块,具体用于:
分别对所述第一数据信息的每个信息进行评分,并将总的评分结果和预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为;或者,
分别对所述第一数据信息的每个信息进行评分,并将每个信息的评分结果和所述预设评分规则进行对应,根据对应结果确定所述用户是否存在欺诈行为。
8.根据权利要求7所述的装置,其特征在于,所述确定模块,还具体用于:
若所述用户车辆的行驶轨迹与实际行驶轨迹的偏差超过预设第一偏差阈值,则对所述第一数据信息中的行驶轨迹评为不吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹的偏差超过预设第二偏差阈值,则对所述第一数据信息中的行驶轨迹评为存在嫌疑;
若系统未采集到出险当天车辆的行驶轨迹,则对所述第一数据信息中的行驶轨迹评为基本吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹的偏差未超过预设第三偏差阈值,则对所述第一数据信息中的行驶轨迹评为基本吻合;
若所述用户车辆的行驶轨迹与所述实际行驶轨迹重合,则对所述第一数据信息中的行驶轨迹评为高度吻合。
9.根据权利要求7所述的装置,其特征在于,所述确定模块,还具体用于:
将所述用户在出险时间段的速度与系统计算的实时速度进行对比,根据所述用户在出险时间段的速度和所述实时速度的差值,对所述第一数据信息中的行驶速度进行评分;或者,
根据所述用户车辆在出险后的时间段内是否有停驶状态,对所述第一数据信息中的行驶速度进行评分;或者,
根据所述用户车辆的损坏程度与所述行驶速度的匹配程度,对所述第一数据信息中的行驶速度进行评分。
10.根据权利要求7所述的装置,其特征在于,所述确定模块,还具体用于:
若每个信息的评分结果均为高度吻合或者基本吻合,则确定所述用户车辆事故正常;若每个信息的评分结果出现一个或多个存在嫌疑,则确定所述用户存在欺诈嫌疑;若每个信息的评分结果出现一个或多个不吻合,则确定所述用户存在重大欺诈嫌疑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611102873.9A CN106530095A (zh) | 2016-12-05 | 2016-12-05 | 一种分析用户欺诈行为的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611102873.9A CN106530095A (zh) | 2016-12-05 | 2016-12-05 | 一种分析用户欺诈行为的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106530095A true CN106530095A (zh) | 2017-03-22 |
Family
ID=58354785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611102873.9A Pending CN106530095A (zh) | 2016-12-05 | 2016-12-05 | 一种分析用户欺诈行为的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106530095A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657047A (zh) * | 2017-10-10 | 2018-02-02 | 民太安财产保险公估股份有限公司 | 保险欺诈侦测方法及系统 |
CN107798619A (zh) * | 2017-05-05 | 2018-03-13 | 平安科技(深圳)有限公司 | 查勘任务分配方法、系统、服务器和介质 |
CN108877235A (zh) * | 2017-05-16 | 2018-11-23 | 北京嘀嘀无限科技发展有限公司 | 补偿方法、补偿装置和电子设备 |
CN109658260A (zh) * | 2018-12-10 | 2019-04-19 | 泰康保险集团股份有限公司 | 基于区块链的欺诈行为确定方法及装置、介质和电子设备 |
CN109670934A (zh) * | 2018-09-26 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 基于用户行为的身份识别方法、设备、存储介质及装置 |
CN110223086A (zh) * | 2019-05-30 | 2019-09-10 | 珠海市岭南大数据研究院 | 车险报案信息的识别方法、装置和计算机设备 |
CN110263951A (zh) * | 2019-06-24 | 2019-09-20 | 四川首汽交投汽车共享科技有限公司 | 一种车辆充电量或加油量校验方法及系统 |
CN111353782A (zh) * | 2018-12-20 | 2020-06-30 | 大众汽车(中国)投资有限公司 | 针对基于车辆的支付的欺诈检测方法、设备和系统 |
CN111612638A (zh) * | 2020-05-20 | 2020-09-01 | 上海评驾科技有限公司 | 一种基于车联网大数据识别保险欺诈风险的方法 |
CN112380459A (zh) * | 2020-11-13 | 2021-02-19 | 北京市交通信息中心执法总队分中心 | 一种旅游车行程判别方法和装置及设备 |
CN112488641A (zh) * | 2020-11-19 | 2021-03-12 | 深圳市中博科创信息技术有限公司 | 用户评价数据的处理方法、终端设备及可读存储介质 |
CN113222331A (zh) * | 2021-03-29 | 2021-08-06 | 北京中交兴路信息科技有限公司 | 识别车辆事故真实性的方法、装置、设备及存储介质 |
CN113657476A (zh) * | 2021-08-09 | 2021-11-16 | 湖北亿咖通科技有限公司 | 一种识别行车风险的方法、电子设备和计算机存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101228546A (zh) * | 2005-06-01 | 2008-07-23 | 茵诺苏伦斯公司 | 机动车行驶数据收集和分析 |
CN103038795A (zh) * | 2009-12-24 | 2013-04-10 | 旅行者保险公司 | 使用繁忙度的风险评估和控制、保险费确定及其他应用 |
CN106056162A (zh) * | 2016-06-07 | 2016-10-26 | 浙江大学 | 一种基于gps轨迹和交通违法记录的交通安全信用评分方法 |
-
2016
- 2016-12-05 CN CN201611102873.9A patent/CN106530095A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101228546A (zh) * | 2005-06-01 | 2008-07-23 | 茵诺苏伦斯公司 | 机动车行驶数据收集和分析 |
CN103038795A (zh) * | 2009-12-24 | 2013-04-10 | 旅行者保险公司 | 使用繁忙度的风险评估和控制、保险费确定及其他应用 |
CN106056162A (zh) * | 2016-06-07 | 2016-10-26 | 浙江大学 | 一种基于gps轨迹和交通违法记录的交通安全信用评分方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798619A (zh) * | 2017-05-05 | 2018-03-13 | 平安科技(深圳)有限公司 | 查勘任务分配方法、系统、服务器和介质 |
CN108877235A (zh) * | 2017-05-16 | 2018-11-23 | 北京嘀嘀无限科技发展有限公司 | 补偿方法、补偿装置和电子设备 |
CN107657047A (zh) * | 2017-10-10 | 2018-02-02 | 民太安财产保险公估股份有限公司 | 保险欺诈侦测方法及系统 |
CN109670934A (zh) * | 2018-09-26 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 基于用户行为的身份识别方法、设备、存储介质及装置 |
CN109658260A (zh) * | 2018-12-10 | 2019-04-19 | 泰康保险集团股份有限公司 | 基于区块链的欺诈行为确定方法及装置、介质和电子设备 |
CN111353782A (zh) * | 2018-12-20 | 2020-06-30 | 大众汽车(中国)投资有限公司 | 针对基于车辆的支付的欺诈检测方法、设备和系统 |
CN110223086A (zh) * | 2019-05-30 | 2019-09-10 | 珠海市岭南大数据研究院 | 车险报案信息的识别方法、装置和计算机设备 |
CN110263951A (zh) * | 2019-06-24 | 2019-09-20 | 四川首汽交投汽车共享科技有限公司 | 一种车辆充电量或加油量校验方法及系统 |
CN111612638A (zh) * | 2020-05-20 | 2020-09-01 | 上海评驾科技有限公司 | 一种基于车联网大数据识别保险欺诈风险的方法 |
CN112380459A (zh) * | 2020-11-13 | 2021-02-19 | 北京市交通信息中心执法总队分中心 | 一种旅游车行程判别方法和装置及设备 |
CN112488641A (zh) * | 2020-11-19 | 2021-03-12 | 深圳市中博科创信息技术有限公司 | 用户评价数据的处理方法、终端设备及可读存储介质 |
CN113222331A (zh) * | 2021-03-29 | 2021-08-06 | 北京中交兴路信息科技有限公司 | 识别车辆事故真实性的方法、装置、设备及存储介质 |
CN113222331B (zh) * | 2021-03-29 | 2024-03-05 | 北京中交兴路信息科技有限公司 | 识别车辆事故真实性的方法、装置、设备及存储介质 |
CN113657476A (zh) * | 2021-08-09 | 2021-11-16 | 湖北亿咖通科技有限公司 | 一种识别行车风险的方法、电子设备和计算机存储介质 |
CN113657476B (zh) * | 2021-08-09 | 2023-10-31 | 亿咖通(湖北)技术有限公司 | 一种识别行车风险的方法、电子设备和计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106530095A (zh) | 一种分析用户欺诈行为的方法及装置 | |
CN101002239B (zh) | 监控驾驶的系统和方法 | |
Evans | The economics of railway safety | |
Bougueroua et al. | Economic development, mobility and traffic accidents in Algeria | |
CN105045788A (zh) | 用于处理和分析车辆驾驶大数据的方法及其系统 | |
US20070005404A1 (en) | System and method for providing driving insurance | |
Xu et al. | Optimizing the alignment of inspection data from track geometry cars | |
CN106383920A (zh) | 一种基于关联规则的重特大交通事故致因识别方法 | |
CN106774063B (zh) | 一种用于货运车辆实时在途监控与预警的方法 | |
SA114350450B1 (ar) | نظام إدارة عالمي وطريقة لإدارة أصول الزيت والغاز على سلسلة إمداد | |
Britton et al. | Analysis of train derailment cause and outcome in Victoria, Australia, between 2007 and 2013: Implications for regulation | |
Fitzsimmons et al. | Analyses of vehicle trajectories and speed profiles along horizontal curves | |
Zhang et al. | Intervention strategies to eliminate truck-related fatalities in surface coal mining in West Virginia | |
CN109887292B (zh) | 车辆类型的识别方法及系统 | |
Jiang et al. | Investigating the relationship between traffic violations and Crashes at signalized intersections: an empirical study in China | |
Ellig et al. | The regulatory determinants of railroad safety | |
Hoffman et al. | A simulation approach to reconciling customs and trade risk associated with cross-border freight movements | |
Swartz et al. | The independence of independents: influences on commercial driver intentions to commit unsafe acts | |
CN113947316A (zh) | 基于动静态数据的危化品运输运单风险评估方法 | |
CN106780049B (zh) | 一种车辆金融授信方法及装置 | |
US11801879B2 (en) | System and method for continuous welded rail risk modeling | |
JP2014002466A (ja) | 陸上貨物における鉄道需要を計測する二段階分析方法 | |
Alsahli et al. | Investigation of the correlation between track geometry defect occurrence and wood tie condition | |
WO2020256665A1 (en) | Digital logistic management program and hardware system | |
CN111242416A (zh) | 一种汽车运输过程粮食质量安全评估方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170322 |
|
RJ01 | Rejection of invention patent application after publication |