CN107705047A - 一种保险核保风险预测方法及装置 - Google Patents
一种保险核保风险预测方法及装置 Download PDFInfo
- Publication number
- CN107705047A CN107705047A CN201711092156.7A CN201711092156A CN107705047A CN 107705047 A CN107705047 A CN 107705047A CN 201711092156 A CN201711092156 A CN 201711092156A CN 107705047 A CN107705047 A CN 107705047A
- Authority
- CN
- China
- Prior art keywords
- image
- environment
- risk
- fraction
- information
- 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.)
- Granted
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例公开了一种保险核保风险预测方法中,该方法包括:获取与目标保险对应的预设区域的第一图像,根据所述第一图像得到所述预设区域的第一环境要素信息,根据所述第一环境要素信息对所述目标保险的核保风险进行预测。通过自动化的方式获取与目标保险对应的预设区域的第一图像,根据能够反映客观状况的第一图像得到所述预设区域的第一环境要素信息,并根据所述第一环境要素信息对所述目标保险的核保风险进行预测,得到的核保风险预测结果相对于现有技术中基于人工经验来进行预测的方式更加准确,而且成本更低。
Description
技术领域
本申请涉及金融领域,尤其涉及一种保险核保风险预测方法及装置。
背景技术
保险核保是指保险人对投保申请进行审核,决定是否接受承保以及确定保险费率的过程。对于保险公司而言,对核保风险的预测是公司盈利的重要保障。如果对核保风险预估不准确,则可能会降低保险公司的收益甚至赔本。而目前对核保风险的预测基本是靠人工预测的,依赖于人的经验,不仅成本较高,而且预测准确率较低。所以,如何提高核保风险预测的准确率,降低核保风险预测的成本,是目前需要解决的问题。
发明内容
为了解决现有技术中核保风险预测的准确率低的问题,本申请提出了一种保险核保风险预测方法及装置,以便提高核保风险预测的准确率。
一方面,本申请实施例提供了一种保险核保风险预测方法,包括:
获取与目标保险对应的预设区域的第一图像;
根据所述第一图像得到所述预设区域的第一环境要素信息;
根据所述第一环境要素信息对所述目标保险的核保风险进行预测。
可选地,所述第一环境要素信息至少包括以下其中一种:小区环境信息、路面交通信息、天气状况信息、地面灾害信息和社会事件信息。
可选地,所述小区环境信息至少包括以下其中一种:小区面积、小区绿化面积、建筑新旧程度、小区安全程度、和小区周围教育设施信息。
可选地,所述根据所述第一环境要素信息对所述目标保险的核保风险进行预测包括:
根据所述第一环境要素信息得到对应环境要素的分数,所述环境要素的分数反映所述环境要素对所述目标保险核保风险的影响程度;
根据所述环境要素的分数计算所述目标保险的第一核保风险指数,所述第一核保风险指数反映所述核保风险的大小。
可选地,所述方法还包括:
获取与所述目标保险对应的预设区域的第二图像,所述第二图像的拍摄时间晚于所述第一图像的拍摄时间;
根据所述第二图像得到所述预设区域的第二环境要素信息;
根据所述第二环境要素信息对所述第一环境要素的分数进行调整,得到调整后分数;
利用所述调整后分数计算所述目标保险的第二核保风险指数。
可选地,所述根据所述第一图像得到所述预设区域的第一环境要素信息包括:从所述第一图像中检测特征点,并根据所述第一图像中检测到的特征点识别环境要素,根据所述环境要素的特征得到所述预设区域的第一环境要素信息。
另一方面,本申请实施例还提供了一种保险核保风险预测装置,包括:
第一图像获取单元,用于获取与目标保险对应的预设区域的第一图像;
第一环境要素信息获取单元,用于根据所述第一图像得到所述预设区域的第一环境要素信息;
预测单元,用于根据所述第一环境要素信息对所述目标保险的核保风险进行预测。
可选地,所述预测单元包括:
环境要素分数获取单元,用于根据所述第一环境要素信息得到对应环境要素的分数,所述环境要素的分数反映所述环境要素对所述目标保险核保风险的影响程度;
第一核保风险指数计算单元,用于根据所述环境要素的分数计算所述目标保险的第一核保风险指数,所述第一核保风险指数反映所述核保风险的大小。
可选地,所述装置还包括:
第二图像获取单元,用于获取与所述目标保险对应的预设区域的第二图像,所述第二图像的拍摄时间晚于所述第一图像的拍摄时间;
第二环境要素信息获取单元,用于根据所述第二图像得到所述预设区域的第二环境要素信息;
环境要素分数调整单元,用于根据所述第二环境要素信息对所述环境要素的分数进行调整,得到调整后分数;
第二核保风险指数计算单元,用于利用所述调整后分数计算所述目标保险的第二核保风险指数。
可选地,所述第一环境要素信息获取单元包括:
特征点获取单元,用于从所述第一图像中检测特征点;
环境要素获取单元,用于根据所述第一图像中检测到的特征点识别环境要素;
第一环境要素信息获取子单元,用于根据所述环境要素的特征得到所述预设区域的第一环境要素信息。
本申请实施例保险核保风险预测方法中,通过自动化的方式获取与目标保险对应的预设区域的第一图像,根据能够反映客观状况的第一图像得到所述预设区域的第一环境要素信息,并根据所述第一环境要素信息对所述目标保险的核保风险进行预测,得到的核保风险预测结果相对于现有技术中基于人工经验来进行预测的方式更加准确,而且成本更低。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例,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为本申请实施例提供的一种保险核保风险预测方法流程图;
图2为本申请实施例提供的另一种保险核保风险预测方法流程图;
图3为本申请实施例提供的一种保险核保风险预测装置结构框图;
图4为本申请实施例提供的另一种保险核保风险预测装置结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本发明的发明人发现,现有技术中对于保险核保风险预测是通过人工来进行,因此存在很大的主观性,对于风险的预测也各有差异,因此本申请提供了一种保险核保风险预测方法,采用自动化的方式,获取与目标保险对应的预设区域的第一图像,根据能够反映客观状况的第一图像得到所述预设区域的第一环境要素信息,并根据所述第一环境要素信息对所述目标保险的核保风险进行预测,提高了核保风险预测的效率和准确性,降低了预测成本。
参见图1,该图为本申请实施例提供的一种保险核保风险预测方法的流程图。本实施例提供的保险核保风险预测方法包括如下步骤:
S01:获取与目标保险对应的预设区域的第一图像。
目标保险为投保人进行投保申请的保险,保险类型例如可以是社会保险或商业保险,商业保险可以包括财产保险和人身保险,财产保险又可以包括财产损失险、责任保险、信用保证保险等。
在投保人对某项目标保险进行投保申请后,可根据其提供的地址信息确定此项目标保险对应的预设区域,其中,地址信息可以是投保人提供的住址信息,例如居住地址或工作地址等,也可以根据投保人提供的邮编或身份证号得到对应的地址信息,还可以跟网络应用商合作,得到要投保的人或物常在的位置信息。
预设区域可以根据保险的类型进行确定,例如,对于人身保险,预设区域可以包括投保人居住或工作的区域附近社区、街景、建筑、道路等周边区域,也可以包括与投保人居住或工作区域相距一定范围内的区域,还可以包括投保人居住或工作区域所在的区、县、市内的区域,在实际中,可依具体情况而定。再例如,对于车险,预设区域可以包括居住或工作区域的停车场及其间的往返路线道路,经常行驶的路段等。
在确定预设区域后,可以通过在互联网上查找与目标保险对应的预设区域的第一图像,例如通过腾讯地图、百度地图等工具中的GPS(Global Positioning System,全球定位系统)查找获得;也可以通过摄像工具进行拍摄得到所述预设区域的第一图像,例如通过小区或街道的摄像头。查找和拍摄得到的预设区域的第一图像可以是在一定时间范围之内得到的多张图像,比如一个月或一年中。多张第一图像的拍摄时间间隔可以是固定的,例如24小时、一周等。在本申请实施例中,时间范围较大时,核保风险预测的准确率相对较高。
第一图像可以包括预设区域中的绿地、建筑、道路、设施、学校、河流、山、海、天气、地面灾害、社会事件等信息。第一图像实际上是预设区域环境的综合,一定时间段内的第一图像可反映出预设区域环境的状况。
S02:根据所述第一图像得到所述预设区域的第一环境要素信息。
第一环境要素信息是预设区域中能够体现区域特点或有助于了解区域特点的信息,通过算法提取到详细的环境要素信息,可以识别预设区域内的潜在风险。第一环境要素信息可以包括以下至少一种:小区环境信息、路面交通信息、天气状况信息、地面灾害信息和社会事件信息,其中,小区环境信息可以包括以下至少一种:小区面积、小区绿化面积、建筑新旧程度、小区安全程度和小区周围教育设施信息。
在实际中,以上第一环境要素信息例如小区安全程度信息可以包括小区内部安保设施的种类和数量、安保人员的数量和位置、摄像监控的数量、电子门禁的安全性等信息;例如建筑新旧程度可以根据建筑墙面的斑驳程度识别得到;小区周围教育设施可以包括学校、文化活动中心、体育馆等;路面交通信息,可以包括路面的平整度、路面弯曲度和宽度、车流量、十字路口数量、红绿灯的数量等信息;天气状况信息可以包括晴天、下雨、下雪、冰雹、雾霾、沙尘暴等信息;地面灾害信息可以包括社区洪涝、泥石流、地震、山体滑坡等灾害的信息;社会事件信息可以包括团体活动等文化交流事件信息和导致的生命、财产损害的恶性事件信息等信息。
在得到第一图像后,从第一图像中检测特征点,并根据第一图像中检测到的特征点识别环境要素,根据环境要素的特征得到预设区域的第一环境要素信息。其中图像特征点的检测和提取可以通过图像提取算法实现,例如可以尺度不变特征变换(Scale-invariant feature transform,SIFT)算法,该算法是一种计算机视觉的算法,用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量。该算法匹配能力较强,能提取稳定的特征,可以处理两幅图像之间发生平移、旋转、仿射变换、视角变换、光照变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力,从而可以实现差异较大的两幅图像之间的特征的匹配。
在本申请实施例中,可以将对环境要素的特征点进行标记了的图像作为训练图像进行机器学习,获取环境要素特征点的规律,从而得到能够识别出环境要素特征点的模型。然后再将第一图像输入到学习完成的模型中,将第一图像中该环境要素的特征点识别出来。
在得到环境要素的特征点后,基于环境要素特征点表现出来的特征,得到第一环境要素信息。
例如对训练图像中绿地的特征点(特征点携带的信息例如亮度、颜色、像素值等)进行标记,然后将训练图像进行机器学习,从而得到能够识别出绿地特征点的模型,然后将第一图片输入该模型中,识别出第一图像中表示绿地的特征点。
在得到第一图像中绿地的特征点后,可以得到绿地在第一图像中的面积以及占比。
S03:根据所述第一环境要素信息对所述目标保险的核保风险进行预测。
在本申请实施例中,根据所述第一环境要素信息对所述目标保险的核保风险进行预测可以包括以下步骤:
步骤S031,根据所述第一环境要素信息得到对应环境要素的分数,所述环境要素的分数反映所述环境要素对所述目标保险核保风险的影响程度。
步骤S032,根据所述环境要素的分数计算所述目标保险的第一核保风险指数,所述第一核保风险指数反映所述核保风险的大小。
为了便于理解,下面对步骤S031和步骤S032做详细的说明。
步骤S031,根据所述第一环境要素信息得到对应环境要素的分数,所述环境要素的分数反映所述环境要素对所述目标保险核保风险的影响程度。
在实际中,环境要素的状况可以反映保险核保的风险,例如通过对社区图片中操场等的特征判断来确定某社区学校的普及程度,一般来说一个社区的教育普及程度越高,人员素质越高,家庭收入越高,社区治安和健康状况相对更好一些,则人身保险和财产保险核保风险指数相对较低。同样,一个社区的绿地多,建筑窗户多,空气质量好,采光好,相应的健康程度也较好,则人身保险核保风险相对较低。对于车险的核保风险指数,可以根据居住区域和工作区域的停车场,以及行驶的路况信息反映得到,例如居住区域和工作区域的停车场的安保设施健全,行驶路线平缓宽阔,且道路上车辆较少,则车保核保风险较低,反之则较高。恶劣天气、自然灾害、恶性事件都不利于人员的人身安全和财产安全,都会导致保险核保风险的下降,而良好的社会事件可以使保险核保风险升高。
因此,在通过图像特征点的提取得到第一环境要素信息后,通过第一环境要素信息的状况,得到各个环境要素的分数,环境要素的分数用来反映其对目标保险核保风险指数的影响。本实施例可以将有利于人身安全和财产安全的第一环境要素信息设定为减权项,例如绿地面积多、建筑窗户多、教育设施健全、道路交通通畅、天气状况良好等,减权项的分数越大,得到的保险核保指数越小,即风险越小;将不利与人身安全和财产安全的第一环境要素信息设定为加权项,例如道路交通拥堵、小区环境脏乱差、恶劣天气、自然灾害、恶性事件等,加权项的分数越大,得到的保险核保指数越大,即风险越大。
下面举例说明,本申请实施例中根据第一环境要素信息得到对应的环境要素的分数分布的方法,例如n个第一图像中,对于绿地面积的分数G,根据绿地面积占图片40%以上得到G=-40,绿地面积占图片30%以上得到G=-30;对于建筑窗户的分数W,建筑窗户占建筑面积30%以上得到W=-30,建筑窗户占建筑面积20%以上得到W=-20;对于教育设施的分数E教育设施绿地占图片面积30%以上得到E=-30,教育设施绿地占图片20%以上得到E=-20;对于建筑新旧程度的分数T,建筑表面斑驳面积占建筑面积的30%以上,得到T=30,建筑表面斑驳面积占建筑面积的20%以上,得到T=20。将各个图片中的相同环境要素的各个分数分别取平均值,得到第一环境要素的分数。
另外,根据第一环境要素信息得到对应的环境要素的分数分布的方法,还可以为:对于路面交通信息的分数R,弯曲路面图片占比30%以上得到R1=30,弯曲路面图片占比20%以上得到R1=20;颠簸路面图片占比30%以上得到R2=30,颠簸路面图片占比20%以上得到R2=20;红绿灯图片占比30%以上得到R3=-30,红绿灯图片占比20%以上得到R3=-20;车库安保设施图片占比30%以上得到R4=-30,车库安保设施图片占比20%以上得到R4=-20;路面交通信息的分数R=(R1+R2+R3+R4)/4。对于恶劣天气的分数F,恶劣天气图片占比15%以上得到F=40,恶劣天气图片占比10%以上得到F=30,恶劣天气图片占比5%以上得到F=20;对于自然灾害的分数D,自然灾害图片占比15%以上得到D=30,自然灾害图片占比10%以上得到D=20,自然灾害图片占比5%以上得到D=10;对于恶性事件的分数C,恶性事件图片占比5%以上得到C=30,恶性事件图片占比2%以上得到C=20,恶性事件图片占比1%以上得到C=10。
以上方法中,若第一图像中不包含第一环境要素时,该第一环境要素的分数为0,若第一图像中包含第一环境要素但其信息不在列举的范围之内时,该第一环境要素的分数为0。此外还有各类第一环境要素的分数分布,在此不一一列举,可依实际情况而定。
步骤S032,根据所述环境要素的分数计算所述目标保险的第一核保风险指数,所述第一核保风险指数反映所述核保风险的大小。
将第一环境要素信息的分数进行综合计算,可得到核保风险指数。得到的核保风险指数越高,表明风险越高,接受承保后收益低甚至赔本的可能性越大。
在本申请实施例中,可以根据S=f(G,W,E,T,R,F,D,C)得到核保风险指数。例如可以是S=G+W+E+T+R+F+D+C。如果在n个图形中分析得出G=-40,W=-20,E=-30,T=0,R=0,F=30,D=0,C=0,可知该预设区域内的绿地较多,建筑较新,窗户较多,教育设施较多,通过计算公式可以得到核保风险指数S=-60,风险指数相对较小,可建议接受承保。如果在n个图形中分析得出G=0,W=-20,E=0,T=20,R=40,F=30,D=0,C=20,可知该预设区域内的无绿地,建筑较多但斑驳程度严重,窗户很多,没有教育设施,路面交通信息不佳,有过恶劣天气,有过恶劣事件发生,通过计算公式可以得到核保风险指数S=90,风险指数相对较大,建议不接受承保。
本申请实施例保险核保风险预测方法中,通过自动化的方式获取与目标保险对应的预设区域的第一图像,根据能够反映客观状况的第一图像得到所述预设区域的第一环境要素信息,并根据所述第一环境要素信息对所述目标保险的核保风险进行预测,得到的核保风险预测结果相对于现有技术中基于人工经验来进行预测的方式更加准确,而且成本更低。
由于第一环境要素会随着时间发生改变,为了更准确的得到保险核保风险指数,本申请实施例提供了另一种保险核保风险预测方法,对保险核保风险指数进行调整,如图2所示为另一种保险核保风险预测方法流程图,该方法包括:
S11:获取与目标保险对应的预设区域的第一图像。
S12:根据所述第一图像得到所述预设区域的第一环境要素信息。
S13:根据所述第一环境要素信息对所述目标保险的核保风险进行预测。
步骤S11、S12、S13的执行方法参见S01、S02、S03,在此不再赘述。
S14:获取与所述目标保险对应的预设区域的第二图像,所述第二图像的拍摄时间晚于所述第一图像的拍摄时间。
所述第二图像是与第一图像相同的区域的图像,且第二图像的拍摄时间晚于第一图像的拍摄图像,这是为了对根据第一图像得到的环境要素分数进行调整,进而得到更加符合近况的预测数据。第二图像可以是与第一图像相同视角的图像,也可以是不同视角的图像。由于拍摄时间不同,预设区域中的环境要素信息可能随时间发生了变化,因此第二图像可能与第一图像包含相同环境要素类型的图像,也可能与第一图像包含不同环境要素类型,例如第一图像中包含绿地面积,第二图像中可能由于绿地消失而不包含绿地面积。
S15:根据所述第二图像得到所述预设区域的第二环境要素信息。
在得到第二图像后,从第二图像中检测特征点,并根据第二图像中检测到的特征点识别环境要素,根据环境要素的特征得到预设区域的第二环境要素信息。其中图像特征点的检测和提取可以通过图像提取算法实现,检测和提取图像特征的方法可以参考步骤S02,在此不再赘述。
S16:根据所述第二环境要素信息对所述环境要素的分数进行调整,得到调整后分数。
在本申请实施例中,对所述环境要素的分数的调整,可以是将两个图片中的各环境要素的分数分别取平均值,例如,调整后的绿地面积的分数G可以是第一图像中的绿地面积的分数G1和第二图像中的绿地面积的分数G2的平均值(G1+G2)/2。
在本申请其他实施例中,对所述环境要素的分数的调整,也可以是对两个图片中的各环境要素的分数分别取加权平均,例如,第一图像中的绿地面积的分数G1,权重为0.4,第二图像中的绿地面积的分数G2,权重为0.6,调整后的绿地面积的分数G可以是加权后的平均值(0.4*G1+0.6*G2)。
在本申请其他实施例中,对所述环境要素的分数的调整,还可以根据两个图片中的要素信息的分数进行变化趋势预测,根据变化趋势进行相应的调整,例如,第一图像中的绿地面积的分数G1(G1>0),第二图像中的绿地面积的分数2*G1,由于第二图像中的绿地面积是第一图像中的两倍,因此可以得到该小区的绿化条件逐渐变好,是一种正在变好的趋势,因此调整后的绿地面积的分数可以是第二图片中的绿地面积的分数乘一个参数值,例如1.2,即调整后的绿地面积的分数可以是1.2*2*G1,G1为0时,如果第二图片中的绿地面积大于0,即可用第二图片中的绿地面积的分数代替G1。
S17:利用所述环境要素的调整后分数计算所述目标保险的第二核保风险指数。
可将环境要素的调整后的分数作为最终的环境要素的分数,计算目标保险的第二核保风险指数,例如可通过S=f(G,W,E,T,R,F,D,C)进行计算。第二核保风险指数的计算方式可参考S03中的第一核保风险指数的计算方式,在此不再赘述。
本申请实施例保险核保风险预测方法中,通过提取在第一图像之后拍摄的第二图像中的第二环境要素,并计算第二环境要素的分数,根据第二环境要素的分数对第一环境要素的分数进行调整,使对于核保风险的预测更准确,提高了核保风险的效率和准确性,降低了预测成本。
基于以上实施例提供的一种保险核保风险预测方法,本申请实施例还提供了一种保险核保风险预测装置,下面结合附图来详细说明其工作原理。
参见图3,该图为本申请实施例三提供的一种保险核保风险预测装置的结构框图。
本实施例提供的保险核保风险预测装置包括:
第一图像获取单元301,用于:获取与目标保险对应的预设区域的第一图像;
第一环境要素信息获取单元302,用于:根据所述第一图像得到所述预设区域的第一环境要素信息。
预测单元303,用于:根据所述第一环境要素信息对所述目标保险的核保风险进行预测。
其中,如图4所示,所述预测单元303可包括:
环境要素分数获取单元3031,用于:根据所述第一环境要素信息得到对应环境要素的分数,所述环境要素的分数反映所述环境要素对所述目标保险核保风险的影响程度;
第一核保风险指数计算单元3032,用于:根据所述环境要素的分数计算所述目标保险的第一核保风险指数,所述第一核保风险指数反映所述核保风险的大小。
所述第一环境要素信息获取单元302包括:
特征点获取单元3021,用于:从所述第一图像中检测特征点;
环境要素获取单元3022,用于:根据所述第一图像中检测到的特征点识别环境要素;
第一环境要素信息获取子单元3023,用于:根据所述环境要素的特征得到所述预设区域的第一环境要素信息。
与上述方法实施例相对应地,如图4所示,保险核保风险预测装置还包括:
第二图像获取单元404,用于:获取与所述目标保险对应的预设区域的第二图像,所述第二图像的拍摄时间晚于所述第一图像的拍摄时间;
第二环境要素信息获取单元405,用于:根据所述第二图像得到所述预设区域的第二环境要素信息;
环境要素分数调整单元406,用于:根据所述第二环境要素信息对所述环境要素的分数进行调整,得到调整后分数;
第二核保风险指数计算单元407,用于:利用所述调整后分数计算所述目标保险的第二核保风险指数。
当介绍本申请的各种实施例的元件时,冠词“一”、“一个”、“这个”和“所述”都意图表示有一个或多个元件。词语“包括”、“包含”和“具有”都是包括性的并意味着除了列出的元件之外,还可以有其它元件。
需要说明的是,本领域普通技术人员可以理解实现上述方法实施例中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccess Memory,RAM)等。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元及模块可以是或者也可以不是物理上分开的。另外,还可以根据实际的需要选择其中的部分或者全部单元和模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本申请的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种保险核保风险预测方法,其特征在于,所述方法包括:
获取与目标保险对应的预设区域的第一图像;
根据所述第一图像得到所述预设区域的第一环境要素信息;
根据所述第一环境要素信息对所述目标保险的核保风险进行预测。
2.根据权利要求1所述的方法,其特征在于,所述第一环境要素信息至少包括以下其中一种:
小区环境信息、路面交通信息、天气状况信息、地面灾害信息和社会事件信息。
3.根据权利要求2所述的方法,其特征在于,所述小区环境信息至少包括以下其中一种:
小区面积、小区绿化面积、建筑新旧程度、小区安全程度、和小区周围教育设施信息。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一环境要素信息对所述目标保险的核保风险进行预测包括:
根据所述第一环境要素信息得到对应环境要素的分数,所述环境要素的分数反映所述环境要素对所述目标保险核保风险的影响程度;
根据所述环境要素的分数计算所述目标保险的第一核保风险指数,所述第一核保风险指数反映所述核保风险的大小。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
获取与所述目标保险对应的预设区域的第二图像,所述第二图像的拍摄时间晚于所述第一图像的拍摄时间;
根据所述第二图像得到所述预设区域的第二环境要素信息;
根据所述第二环境要素信息对所述环境要素的分数进行调整,得到调整后分数;
利用所述调整后分数计算所述目标保险的第二核保风险指数。
6.根据权利要求1所述的方法,其特征在于,所述根据所述第一图像得到所述预设区域的第一环境要素信息包括:
从所述第一图像中检测特征点,并根据所述第一图像中检测到的特征点识别环境要素,根据所述环境要素的特征得到所述预设区域的第一环境要素信息。
7.一种保险核保风险预测装置,其特征在于,所述装置包括:
第一图像获取单元,用于:获取与目标保险对应的预设区域的第一图像;
第一环境要素信息获取单元,用于:根据所述第一图像得到所述预设区域的第一环境要素信息;
预测单元,用于:根据所述第一环境要素信息对所述目标保险的核保风险进行预测。
8.根据权利要求7所述的装置,其特征在于,所述预测单元包括:
环境要素分数获取单元,用于:根据所述第一环境要素信息得到对应环境要素的分数,所述环境要素的分数反映所述环境要素对所述目标保险核保风险的影响程度;
第一核保风险指数计算单元,用于:根据所述环境要素的分数计算所述目标保险的第一核保风险指数,所述第一核保风险指数反映所述核保风险的大小。
9.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第二图像获取单元,用于:获取与所述目标保险对应的预设区域的第二图像,所述第二图像的拍摄时间晚于所述第一图像的拍摄时间;
第二环境要素信息获取单元,用于:根据所述第二图像得到所述预设区域的第二环境要素信息;
环境要素分数调整单元,用于:根据所述第二环境要素信息对所述环境要素的分数进行调整,得到调整后分数;
第二核保风险指数计算单元,用于:利用所述调整后分数计算所述目标保险的第二核保风险指数。
10.根据权利要求7所述的装置,其特征在于,所述第一环境要素信息获取单元包括:
特征点获取单元,用于:从所述第一图像中检测特征点;
环境要素获取单元,用于:根据所述第一图像中检测到的特征点识别环境要素;
第一环境要素信息获取子单元,用于:根据所述环境要素的特征得到所述预设区域的第一环境要素信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711092156.7A CN107705047B (zh) | 2017-11-08 | 2017-11-08 | 一种保险核保风险预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711092156.7A CN107705047B (zh) | 2017-11-08 | 2017-11-08 | 一种保险核保风险预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107705047A true CN107705047A (zh) | 2018-02-16 |
CN107705047B CN107705047B (zh) | 2021-07-13 |
Family
ID=61179355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711092156.7A Active CN107705047B (zh) | 2017-11-08 | 2017-11-08 | 一种保险核保风险预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107705047B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064002A (zh) * | 2018-07-26 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 车辆风险评估方法、装置及设备 |
CN109360111A (zh) * | 2018-09-26 | 2019-02-19 | 中国平安人寿保险股份有限公司 | 问卷数据修正方法、装置、计算机设备和存储介质 |
CN109617942A (zh) * | 2018-10-22 | 2019-04-12 | 平安科技(深圳)有限公司 | 产品数据推送方法、装置、计算机设备及存储介质 |
CN110363672A (zh) * | 2019-06-14 | 2019-10-22 | 惠州市德赛西威汽车电子股份有限公司 | 一种综合计算无人驾驶汽车保险金额的方法 |
CN111126720A (zh) * | 2020-02-28 | 2020-05-08 | 深圳前海微众银行股份有限公司 | 养殖场风险预测方法、装置、设备及存储介质 |
CN111192149A (zh) * | 2019-11-25 | 2020-05-22 | 泰康保险集团股份有限公司 | 一种核保结果数据生成方法和装置 |
CN111339237A (zh) * | 2020-02-28 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 养殖场风险预测方法、装置、设备及存储介质 |
CN112330474A (zh) * | 2020-11-19 | 2021-02-05 | 中国平安财产保险股份有限公司 | 核保风控监控方法、装置、设备及存储介质 |
CN115661472A (zh) * | 2022-11-15 | 2023-01-31 | 中国平安财产保险股份有限公司 | 图像查重方法、装置、计算机设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184493A (zh) * | 2011-06-21 | 2011-09-14 | 北京师范大学 | 一种特大城市环境风险定量分区技术 |
CN104395947A (zh) * | 2012-07-02 | 2015-03-04 | 斯堪尼亚商用车有限公司 | 为移动的车辆评估事故风险的设备和方法 |
CN105809343A (zh) * | 2016-03-04 | 2016-07-27 | 深圳市前海安测信息技术有限公司 | 用于评估保险标的风险的核保和精算数据库系统 |
CN106127380A (zh) * | 2016-06-22 | 2016-11-16 | 北京拓明科技有限公司 | 一种大数据风险分析方法 |
CN106407880A (zh) * | 2015-07-31 | 2017-02-15 | 埃森哲环球服务有限公司 | 使用图像处理的存量、生长和风险预测 |
CN106600417A (zh) * | 2016-11-09 | 2017-04-26 | 前海企保科技(深圳)有限公司 | 一种财产保险保单的核保方法和装置 |
CN107292528A (zh) * | 2017-06-30 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 车险风险预测方法、装置及服务器 |
-
2017
- 2017-11-08 CN CN201711092156.7A patent/CN107705047B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184493A (zh) * | 2011-06-21 | 2011-09-14 | 北京师范大学 | 一种特大城市环境风险定量分区技术 |
CN104395947A (zh) * | 2012-07-02 | 2015-03-04 | 斯堪尼亚商用车有限公司 | 为移动的车辆评估事故风险的设备和方法 |
CN106407880A (zh) * | 2015-07-31 | 2017-02-15 | 埃森哲环球服务有限公司 | 使用图像处理的存量、生长和风险预测 |
CN105809343A (zh) * | 2016-03-04 | 2016-07-27 | 深圳市前海安测信息技术有限公司 | 用于评估保险标的风险的核保和精算数据库系统 |
CN106127380A (zh) * | 2016-06-22 | 2016-11-16 | 北京拓明科技有限公司 | 一种大数据风险分析方法 |
CN106600417A (zh) * | 2016-11-09 | 2017-04-26 | 前海企保科技(深圳)有限公司 | 一种财产保险保单的核保方法和装置 |
CN107292528A (zh) * | 2017-06-30 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 车险风险预测方法、装置及服务器 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064002A (zh) * | 2018-07-26 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 车辆风险评估方法、装置及设备 |
CN109360111A (zh) * | 2018-09-26 | 2019-02-19 | 中国平安人寿保险股份有限公司 | 问卷数据修正方法、装置、计算机设备和存储介质 |
CN109617942A (zh) * | 2018-10-22 | 2019-04-12 | 平安科技(深圳)有限公司 | 产品数据推送方法、装置、计算机设备及存储介质 |
CN109617942B (zh) * | 2018-10-22 | 2022-05-17 | 平安科技(深圳)有限公司 | 产品数据推送方法、装置、计算机设备及存储介质 |
CN110363672A (zh) * | 2019-06-14 | 2019-10-22 | 惠州市德赛西威汽车电子股份有限公司 | 一种综合计算无人驾驶汽车保险金额的方法 |
CN111192149A (zh) * | 2019-11-25 | 2020-05-22 | 泰康保险集团股份有限公司 | 一种核保结果数据生成方法和装置 |
CN111192149B (zh) * | 2019-11-25 | 2023-06-16 | 泰康保险集团股份有限公司 | 一种核保结果数据生成方法和装置 |
CN111126720A (zh) * | 2020-02-28 | 2020-05-08 | 深圳前海微众银行股份有限公司 | 养殖场风险预测方法、装置、设备及存储介质 |
CN111339237A (zh) * | 2020-02-28 | 2020-06-26 | 深圳前海微众银行股份有限公司 | 养殖场风险预测方法、装置、设备及存储介质 |
CN112330474A (zh) * | 2020-11-19 | 2021-02-05 | 中国平安财产保险股份有限公司 | 核保风控监控方法、装置、设备及存储介质 |
CN112330474B (zh) * | 2020-11-19 | 2023-10-31 | 中国平安财产保险股份有限公司 | 核保风控监控方法、装置、设备及存储介质 |
CN115661472A (zh) * | 2022-11-15 | 2023-01-31 | 中国平安财产保险股份有限公司 | 图像查重方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107705047B (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107705047A (zh) | 一种保险核保风险预测方法及装置 | |
US8515673B2 (en) | Crime risk assessment system | |
Yu et al. | Value‐added effects of transit‐oriented development: The impact of urban rail on commercial property values with consideration of spatial heterogeneity | |
Chan-Lau et al. | The END: A new indicator of financial and nonfinancial corporate sector vulnerability | |
CN112287983A (zh) | 一种基于深度学习的遥感图像目标提取系统和方法 | |
Fang et al. | The impact of distant hurricane on local housing markets | |
CN104318319A (zh) | 一种基于征地过程博弈结果的多智能体城市扩张模拟方法 | |
Bakirman et al. | Use of artificial intelligence toward climate-neutral cultural heritage | |
Feng et al. | Evaluation of the Spatial Pattern of the Resolution‐Enhanced Thermal Data for Urban Area | |
Jin et al. | Automated road pavement marking detection from high resolution aerial images based on multi-resolution image analysis and anisotropic Gaussian filtering | |
Kalumba et al. | Assessing industrial development influence on land use/cover drivers and change detection for West Bank East London, South Africa | |
Kundu et al. | Spatio-Temporal Review of Urban Green Space Degradation at Administrative Level Using Geospatial Techniques and Multi-criteria Decision Analysis: A Case Study of Kolkata Urban Agglomeration | |
Banhalmi-Zakar et al. | From risk to return: investing in climate change adaptation | |
Li et al. | CIM-WV: A 2D semantic segmentation dataset of rich window view contents in high-rise, high-density Hong Kong based on photorealistic city information models | |
Hill | Do floodplain delineations decrease property values? | |
Huang et al. | Automatic Evaluation of Street-Level Walkability Based on Computer Vision Techniques and Urban Big Data: A Case Study of Kowloon West, Hong Kong | |
Mustak et al. | Prediction of industrial land use using linear regression and MOLA techniques: a case study of Siltara industrial belt | |
Ma | Spatializing Coupled Human and Natural System (CHANS) | |
Cabi et al. | How Earth Observation Informs the Activities of the Re/Insurance Industry on Managing Flood Risk | |
Wrigley | Analyzing the impact of Hurricane Matthew on the housing market in Savannah Georgia | |
Chan-Lau et al. | US Mutual Fund Retail Investors in International Equity Markets: Is the Tail Wagging the Dog? | |
Moon | Development of pavement crack analysis algorithms using deep learning techniques to analyze UAV images | |
Aycock et al. | Comparison of the new digital flood insurance rate map (DFIRM) with the existing FIRM, Wilson, North Carolina | |
Wu | Spatial variations in amenity values: new evidence from Beijing, China | |
Zou | Unravelling the Spatial Distribution of Individual-Level Abandoned Houses at Large Scale Using Open-Access Remotely Sensed Data |
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 |