CN109064002A - 车辆风险评估方法、装置及设备 - Google Patents
车辆风险评估方法、装置及设备 Download PDFInfo
- Publication number
- CN109064002A CN109064002A CN201810837642.5A CN201810837642A CN109064002A CN 109064002 A CN109064002 A CN 109064002A CN 201810837642 A CN201810837642 A CN 201810837642A CN 109064002 A CN109064002 A CN 109064002A
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- information
- target vehicle
- parking
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012502 risk assessment Methods 0.000 claims abstract description 75
- 230000007613 environmental effect Effects 0.000 claims abstract description 55
- 230000006399 behavior Effects 0.000 claims description 33
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000013210 evaluation model Methods 0.000 claims description 12
- 230000008921 facial expression Effects 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 206010039203 Road traffic accident Diseases 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 235000014826 Mangifera indica Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 235000004936 Bromus mango Nutrition 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 241001093152 Mangifera Species 0.000 description 1
- 240000007228 Mangifera indica Species 0.000 description 1
- 208000006440 Open Bite Diseases 0.000 description 1
- 235000009184 Spondias indica Nutrition 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000005070 ripening Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本说明书实施例提供一种车辆风险评估方法、装置及设备，本说明书实施例获取目标车辆在预设时间段内的停车位置信息，将与停车位置信息对应的目标车辆所处位置的环境信息作为评估目标车辆停车风险的风险评估数据，从而可以对目标车辆处于停车状态时所面临的风险进行评估，获得目标车辆的停车风险数据，实现从停车风险的角度对目标车辆进行风险预测，开拓一个新的风险评估维度。
Description
技术领域
本说明书涉及数据处理领域，尤其涉及车辆风险评估方法、装置及设备。
背景技术
车主在购买车辆后，一般被强制或者自愿购买车险。车险可以包括关于公众责任、财产损失和人身伤害等的汽车责任保险，以及为涉及他人汽车的可能事故提供的事故保险等。车主所购保险需交纳的保险费用往往根据车辆风险而定。而目前往往仅从车辆本身因素考虑车辆风险，容易造成对车辆风险评估不准的缺陷。
发明内容
为克服相关技术中存在的问题，本说明书提供了车辆风险评估方法、装置及设备。
根据本说明书实施例的第一方面，提供一种车辆风险评估方法，所述方法包括：
获取目标车辆在预设时间段内的停车位置信息；
获取与所述停车位置信息对应的目标车辆所处位置的环境信息，所述环境信息至少包括天气信息、排水状况信息和停车位周围环境危险信息中的一种或多种类型信息；
将所述环境信息作为评估目标车辆停车风险的风险评估数据，并利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据。
在一个实施例中，所述停车位周围环境危险信息包括停车位所处停车场的类型、停车位上方遮挡状态、停车位上方遮挡物的类型、停车位所停车辆被周围车辆碰撞的风险状态、停车位所处停车场的治安信息中的一种或多种，停车场的类型包括室外停车场和室内停车场。
在一个实施例中，利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据，包括：
将不同类型的风险评估数据分别进行数据标准化处理，获得标准化数据；
将所述标准化数据输入预设的停车风险评估模型，获得所述目标车辆的停车风险数据，所述停车风险评估模型基于利用历史风险评估数据组对预设算法进行训练获得，每组历史风险评估数据组中不同类型的风险评估数据综合影响停车风险数据。
在一个实施例中，所述方法还包括：
获取驾驶目标车辆的驾驶员的驾驶行为数据、目标车辆的驾驶环境数据以及目标车辆的历史保险费用信息；
利用所述驾驶行为数据、驾驶环境信息以及历史保险费用信息对目标车辆驾驶过程所面临风险进行评估，获得目标车辆的驾驶风险数据；
将所述停车风险数据、所述驾驶风险数据和获取的车况风险数据统一到同一纬度，并结合不同类型风险数据所对应的权重值，计算目标车辆的综合风险数据。
在一个实施例中，所述驾驶行为数据至少包括驾驶员驾驶过程中的驾驶疲劳度，所述驾驶疲劳度基于对驾驶姿态信息或面部表情信息进行评估获得，所述驾驶姿态信息或面部表情信息由驾驶过程中所拍摄图像进行分析获得。
在一个实施例中，所述驾驶行为数据还包括：从车载终端中所获取的驾驶数据、交通违章记录、交通事故记录中的一种或多种，所述驾驶环境信息包括：驾驶时间段、历史驾驶路线的交通路况信息、历史驾驶路线的天气状况数据中的一种或多种。
在一个实施例中，所述方法还包括：
利用所述综合风险数据对原始费率值进行修正，获得用于确定目标车辆保险费用的新费率值。
根据本说明书实施例的第二方面，提供一种车辆风险评估装置，所述装置包括：
信息获取模块，用于：获取目标车辆在预设时间段内的停车位置信息；并获取与所述停车位置信息对应的目标车辆所处位置的环境信息，所述环境信息至少包括天气信息、排水状况信息和停车位周围环境危险信息中的一种或多种类型信息；
停车风险评估模块，用于：将所述环境信息作为评估目标车辆停车风险的风险评估数据，并利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据。
在一个实施例中，所述停车位周围环境危险信息包括停车位所处停车场的类型、停车位上方遮挡状态、停车位上方遮挡物的类型、停车位所停车辆被周围车辆碰撞的风险状态、停车位所处停车场的治安信息中的一种或多种，停车场的类型包括室外停车场和室内停车场。
在一个实施例中，停车风险评估模块，具体用于：
将不同类型的风险评估数据分别进行数据标准化处理，获得标准化数据；
将所述标准化数据输入预设的停车风险评估模型，获得所述目标车辆的停车风险数据，所述停车风险评估模型基于利用历史风险评估数据组对预设算法进行训练获得，每组历史风险评估数据组中不同类型的风险评估数据综合影响停车风险数据。
在一个实施例中，所述装置还包括驾驶风险评估模块和综合风险评估模块；
所述信息获取模块，还用于：获取驾驶目标车辆的驾驶员的驾驶行为数据、目标车辆的驾驶环境数据以及目标车辆的历史保险费用信息；
驾驶风险评估模块，用于：利用所述驾驶行为数据、驾驶环境信息以及历史保险费用信息对目标车辆驾驶过程所面临风险进行评估，获得目标车辆的驾驶风险数据；
综合风险评估模块，用于：将所述停车风险数据、所述驾驶风险数据和获取的车况风险数据统一到同一纬度，并结合不同类型风险数据所对应的权重值，计算目标车辆的综合风险数据。
在一个实施例中，所述驾驶行为数据至少包括驾驶员驾驶过程中的驾驶疲劳度，所述驾驶疲劳度基于对驾驶姿态信息或面部表情信息进行评估获得，所述驾驶姿态信息或面部表情信息由驾驶过程中所拍摄图像进行分析获得。
在一个实施例中，所述驾驶行为数据还包括：从车载终端中所获取的驾驶数据、交通违章记录、交通事故记录中的一种或多种，所述驾驶环境信息包括：驾驶时间段、历史驾驶路线的交通路况信息、历史驾驶路线的天气状况数据中的一种或多种。
在一个实施例中，所述装置还包括费率更新模块，用于：利用所述综合风险数据对原始费率值进行修正，获得用于确定目标车辆保险费用的新费率值。
根据本说明书实施例的第三方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如下方法：
获取目标车辆在预设时间段内的停车位置信息；
获取与所述停车位置信息对应的目标车辆所处位置的环境信息，所述环境信息至少包括天气信息、排水状况信息和停车位周围环境危险信息中的一种或多种类型信息；
将所述环境信息作为评估目标车辆停车风险的风险评估数据，并利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据。
本说明书的实施例提供的技术方案可以包括以下有益效果：
本说明书实施例获取目标车辆在预设时间段内的停车位置信息，将与停车位置信息对应的目标车辆所处位置的环境信息作为评估目标车辆停车风险的风险评估数据，从而可以对目标车辆处于停车状态时所面临的风险进行评估，获得目标车辆的停车风险数据，实现从停车风险的角度对目标车辆进行风险预测，开拓一个新的风险评估维度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。
图1是本说明书根据一示例性实施例示出的一种车辆风险评估方法的流程图。
图2是本说明书根据一示例性实施例示出的一种车辆保费评估方法的流程图。
图3为本说明书车辆风险评估装置所在计算机设备的一种硬件结构图。
图4为本说明书车辆保费评估装置所在计算机设备的一种硬件结构图。
图5是本说明书根据一示例性实施例示出的一种车辆风险评估装置的框图。
图6是本说明书根据一示例性实施例示出的一种车辆保费评估装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
实际应用中，车辆可能存在各种各样的风险，对车辆进行风险评估可以获得风险数据。该风险数据可以作为提醒车辆车主的提醒依据，以便车辆车主根据评估结果降低车辆风险。该风险数据还可以为保险公司制定不同保费提供依据等。因此利用大数据准确预测车辆风险非常必要。而相关技术中往往仅对驾驶风险进行预测，而完全忽略了其他情况对车辆造成风险。
本说明书实施例获取目标车辆在预设时间段内的停车位置信息，将与停车位置信息对应的目标车辆所处位置的环境信息作为评估目标车辆停车风险的风险评估数据，从而可以对目标车辆处于停车状态时所面临的风险进行评估，获得目标车辆的停车风险数据，实现从停车风险的角度对目标车辆进行风险预测，开拓一个新的风险评估维度。
以下结合附图对本说明书实施例进行示例说明。
如图1所示，是本说明书根据一示例性实施例示出的一种车辆风险评估方法的流程图，所述方法包括：
在步骤102中，获取目标车辆在预设时间段内的停车位置信息；
在步骤104中，获取与所述停车位置信息对应的目标车辆所处位置的环境信息，所述环境信息至少包括天气信息、排水状况信息和停车位周围环境危险信息中的一种或多种类型信息；
在步骤106中，将所述环境信息作为评估目标车辆停车风险的风险评估数据，并利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据。
其中，目标车辆可以是待进行风险评估的车辆。预设时间段可以是距离当前时间最近的历史时间段。例如，可以是前一个月，或前一个季度等。目标车辆在预设时间段内的停车位置信息可以根据车主上传数据、目标车辆的定位系统中的定位数据、历史导航数据的终点等数据进行综合判断。预设时间段内停车位置可能不止一个，因此，还可以根据目标车辆在不同停车位置的停车频率、停车时长等，确定该停车位置给目标车辆造成危险的权重值。
本说明书实施例将车辆停车位置的环境信息作为造成车辆风险的因子，因此，可以获取与停车位置信息对应的目标车辆所处位置的环境信息。环境信息可以是任何可能造成停车车辆风险的环境信息。环境信息可以包括动态环境信息和静态环境信息。例如，动态环境信息可以包括天气信息等。静态环境信息可以包括排水状况信息等。其中，停车位周围环境危险信息是停车位周围环境对停车位上车辆可能造成危险的信息。在一个实施例中，所述停车位周围环境危险信息可以包括停车位所处停车场的类型、停车位上方遮挡状态、停车位上方遮挡物的类型、停车位所停车辆被周围车辆碰撞的风险状态、停车位所处停车场的治安信息中的一种或多种。
关于停车场的类型，停车场的类型可以包括室外停车场和室内停车场。室外停车场和室内停车场对车辆造成的危险程度不同。一般情况下，室内停车场对车辆造成的危险程度，小于室外停车场对车辆造成的危险程度。在一个例子中，目标车辆的停车风险数据由各类型的环境信息进行综合评估，而不是分别确定每种环境信息对目标车辆造成的风险。例如，室内停车场排水系统较差容易造成积水，而当地经常有台风和强降雨水，则该类环境信息对目标车辆造成的危险性极高。
关于停车位上方遮挡状态，遮挡状态可以包括安全遮挡、不安全遮挡或未遮挡几种状态。停车位上方遮挡状态可以结合天气状态对车辆进行风险评估。例如，某些地区经常处于高温状态或者容易下冰雹，则处于未遮挡状态的车辆的风险程度较高。
关于停车位上方遮挡物的风险类型，在某些室外停车场中，为了绿化，在停车位旁边往往种有树木，而某些树木的果实或落叶往往对车辆造成危害。特别是有些地区将芒果树作为绿化树，当芒果成熟时，掉落的芒果不仅容易弄脏车辆，还可能砸坏车辆。因此，不同类型遮挡物给车辆造成的危险程度不同，可以将停车位上方遮挡物的类型作为风险评估因子。
关于停车位所停车辆被周围车辆碰撞的风险状态，有些停车场由于空间比较窄，预留给车辆行驶的道路比较小，容易引起车辆碰撞的情况，因此，停车位所停车辆被周围车辆碰撞的可能性也会影响车辆的风险。停车位所停车辆被周围车辆碰撞的风险状态可以基于该停车处历史碰撞记录获得，也可以根据停车场预留车道的宽窄程度确定等。
关于停车位所处停车场的治安信息，可以基于停车场有关治安的历史事故记录进行确定，或者由车主上传获得等。
由上述实施例可见，将天气信息、排水状况信息和停车位周围环境危险信息作为评估目标车辆停车风险的风险评估数据，可以比较准确的评估出目标车辆处于停车状态时所面临的风险，进而获得比较准确的停车风险数据。
可以理解的是，还可以将其他环境信息作为风险评估数据，只要该环境信息会影响目标车辆处于停车状态时所面临的风险即可，在此不一一赘述。
利用风险评估数据对目标车辆进行风险评估的方法有很多种，以下进行示例说明。
在一个实施例中，利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据，可以包括：
将不同类型的风险评估数据分别进行数据标准化处理，获得标准化数据；
将所述标准化数据输入预设的停车风险评估模型，获得所述目标车辆的停车风险数据，所述停车风险评估模型基于利用历史风险评估数据组对预设算法进行训练获得，每组历史风险评估数据组中不同类型的风险评估数据综合影响停车风险数据。
其中，数据标准化处理可以是将数据按比例缩放，使之落入一个特定区间，从而获得用于表示风险评估数据的标准化数据。不同类型的风险评估数据落入的特定区间可以相同，也可以不同，特定区域可以根据风险评估数据的重要程度而定。
在本实施例中，可以利用历史风险评估数据组对预设算法进行训练，从而构建停车风险评估模型。在构建训练样本中，每组历史风险评估数据组中不同类型的风险评估数据综合影响停车风险数据，因此，获得的停车风险评估模型能利用各标准化数据进行综合评估，获得比较准确的停车风险数据。
在另一个实施例中，利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据，包括：
将不同类型的风险评估数据分别进行数据标准化处理，获得标准化数据；
将标准化数据与其所属类型对应的权重值进行加权求和/加权平均，获得目标车辆的停车风险数据。
可见，该实施例通过加权求和/加权平均的方式可以快速获得停车风险数据。
作为停车风险数据的应用实例，在一个实施例中，至少利用所述停车风险数据对原始费率值进行修正，获得用于确定目标车辆保险费用的新费率值。原始费率值可以是由保险公司提供的费率值，也可以是上次保费的费率值等。通过该新费率值，不同项目的车险保费可重新计算。用于确定目标车辆总保费的各保险项目中，与停车风险相关联的保险项目的保费可以基于新费率值进行更新。
在一个可选的实现方式中，还可以将停车风险维度与其他风险维度进行结合，以综合判断目标车辆的风险。鉴于此，所述方法还包括：
获取驾驶目标车辆的驾驶员的驾驶行为数据、目标车辆的驾驶环境数据以及目标车辆的历史保险费用信息；
利用所述驾驶行为数据、驾驶环境信息以及历史保险费用信息对目标车辆驾驶过程所面临风险进行评估，获得目标车辆的驾驶风险数据；
将所述停车风险数据、所述驾驶风险数据和获取的车况风险数据统一到同一纬度，并结合不同类型风险数据所对应的权重值，计算目标车辆的综合风险数据。
其中，驾驶行为数据可以是用于表示驾驶员驾驶过程中的行为数据。在一个例子中，所述驾驶行为数据至少包括驾驶员驾驶过程中的驾驶疲劳度，而驾驶疲劳度基于对驾驶过程中所拍摄图像进行分析获得的驾驶姿态信息或面部表情信息进行评估获得。
驾驶过程中所拍摄图像可以由设置在车头的拍摄装置拍摄获得，也可以由街道摄像设备拍摄获得。获得驾驶姿态信息或面部表情信息可以是为了评估驾驶员驾驶过程中的驾驶疲劳度。关于驾驶姿态信息，可以采用相关技术中的姿态识别法对图像进行姿态识别，获得驾驶姿态信息。关于面部表情信息，可以采用相关技术中的表情识别法对图像进行面部表情识别，获得面部表情信息。特别是对驾驶员的瞳孔或视网膜进行识别，进而获得驾驶员疲劳度。具体识别技术可以参考相关技术，在此不一一赘述。
在该实施例中，通过将驾驶疲劳度作为驾驶行为数据，可以提高驾驶风险数据的准确性。
进一步的，所述驾驶行为数据还包括：从车载终端中所获取的驾驶数据、交通违章记录、交通事故记录和目标车辆驾驶总里程中的一种或多种。其中，车载终端可以包括OBE设备。
其中，从车载终端中所获取的驾驶数据可以包括踩刹车频率、油耗、元器件损耗程度，还可以包括用于体现驾驶员驾驶疲劳度的数据以及驾驶员驾车习惯的数据，例如，基于方向盘转动频率判断是否走直线，基于紧急转向、方向灯是否操作正确判断驾驶员是否正常驾驶等。
可见，通过获取不同类型的驾驶行为数据反映驾驶员的驾驶行为，可以更加准确的对用户驾驶行为造成的风险进行评估。
驾驶环境信息可以是驾驶过程中的外界信息。在一个实施例中，所述驾驶环境信息包括：驾驶时间段、历史驾驶路线的交通路况信息、历史驾驶路线的天气状况数据中的一种或多种。
其中，驾驶时间段可以分为上下班高峰期、晚间驾驶时段、非高峰期时段等。驾驶时间段还可以与当地交通状态进行结合判断驾驶时间段给车辆造成风险。历史驾驶路线是指驾驶员在预设时间段内的驾驶路线，若包括至少两条驾驶路线，还可以基于每条历史驾驶路线的驾驶频率给历史驾驶路线赋予不同的权值，以综合评判不同历史驾驶路线给车辆造成的风险。
可见，通过将驾驶环境数据作为评价目标车辆的风险因子，可以体现环境因素给目标车辆造成的风险。
车况风险数据可以是根据车辆相关数据确定的车辆本身因素产生的风险数据。例如，车辆相关数据可以包括目标车辆的价格、目标的车辆维修情况、目标车辆驾驶总里程、目标车辆生产日期、车辆配置、出险情况等中的一种或多种。
将所述停车风险数据、所述驾驶风险数据和获取的车况风险数据统一到同一纬度，并结合不同类型风险数据所对应的权重值，计算目标车辆的综合风险数据。其中，不同类型风险数据对应的权重值可以不相同。
由上述实施例可见，本实施例在确定车辆综合风险数据时，不仅将与车辆相关的从车因素作为风险评估因子，还将与驾驶员相关的从人因素以及停车相关的环境因素作为风险评估因子，实现多维度评估车辆风险，提高风险数据的准确性。
在一个实施例中，所述方法还包括：利用所述综合风险数据对原始费率值进行修正，获得用于确定目标车辆保险费用的新费率值。
例如，新费率值＝原始费率值*(k1*停车风险数据对应的标准化数据+k2*驾驶风险数据对应的标准化数据+k3*车况风险数据对应的标准化数据)/3。其中，k1、k2、k3分别为停车风险数据、驾驶风险数据、车况风险数据对应的权重值。
进一步的，用于确定目标车辆总保费的各保险项目中，可以分为需要更新保费的第一保险项目类，以及不需要更新保费的第二保险项目类。因此，可以将第一保险项目类的保险项目的保费利用新费率值进行更新，并结合第二保险项目类的保险项目的保费，获得目标车辆总保费。例如，如下：
车辆损失险保费＝基本保险费+本险种保险金额×新费率值
第三者责任险保费＝固定档次赔偿限额对应的固定保险费
全车盗抢险保费＝车辆实际价值×新费率值
新增加设备损失险保费＝本险种保险金额×新费率值
玻璃单独破碎险保费＝新车购置价×新费率值
自燃损失险保费＝本险种保险金额×新费率值
车上责任险保费＝本险种赔偿限额×新费率值
车载货物掉落责任险保费＝本险种赔偿限额×新费率值
不计免赔特约险保费＝(车辆损失险保险费+第三者责任险保险费)×新费率值
可见，通过由停车风险数据更新获得的新费率值进行保费计算，不仅可以从停车风险维度考虑停车风险，还可以从人维度考虑驾驶风险，以及从车维度考虑车辆本身的风险，实现综合判断。
以上实施方式中的各种技术特征可以任意进行组合，只要特征之间的组合不存在冲突或矛盾，但是限于篇幅，未进行一一描述，因此上述实施方式中的各种技术特征的任意进行组合也属于本说明书公开的范围。
以下以其中一种组合进行示例说明。
如图2所示，是本说明书根据一示例性实施例示出的一种车辆保费评估方法的流程图，所述方法包括：
在步骤202中，获取目标车辆在预设时间段内的停车位置信息，并获取与所述停车位置信息对应的目标车辆所处位置的环境信息，利用环境信息对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据。
其中，所述环境信息至少包括天气信息、排水状况信息和停车位周围环境危险信息中的一种或多种类型信息。
在步骤204中，获取驾驶目标车辆的驾驶员的驾驶行为数据、目标车辆的驾驶环境数据以及目标车辆的历史保险费用信息；利用所述驾驶行为数据、驾驶环境信息以及历史保险费用信息对目标车辆驾驶过程所面临风险进行评估，获得目标车辆的驾驶风险数据。
在步骤206中，将所述停车风险数据、所述驾驶风险数据和获取的车况风险数据统一到同一纬度，并结合不同类型风险数据所对应的权重值，计算目标车辆的综合风险数据。
在步骤208中，利用所述综合风险数据对原始费率值进行修正，获得用于确定目标车辆保险费用的新费率值，并利用新费率值评估所述目标车辆的保费。
在一个例子中，停车风险数据可以利用不容易、一般、容易等预设等级进行表示。驾驶风险数据可以利用差、良好、优秀等预设等级进行表示。在步骤206中利用数据标准化方式将所述停车风险数据、所述驾驶风险数据和获取的车况风险数据统一到同一纬度，并结合不同类型风险数据所对应的权重值，计算目标车辆的综合风险数据。
可以理解的是，图2中与图1中相关技术相同，在此不一一赘述。
由上述实施例可见，本实施例结合多源异构交通数据进行保费计算，不仅考虑了车辆本身的因素，还考虑与驾驶员直接或间接的交通数据，以及停车风险，从而能够更加准确的评估出目标车辆的保费。
与前述车辆风险评估方法以及车辆保费评估方法的实施例相对应，本说明书还提供了车辆风险评估/车辆保费评估方法装置及其所应用的电子设备的实施例。
本说明书车辆风险评估装置的实施例可以应用在计算机设备。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在计算机设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图3所示，为本说明书车辆风险评估装置所在计算机设备的一种硬件结构图，除了图3所示的处理器310、内存330、网络接口320、以及非易失性存储器340之外，实施例中车辆风险评估装置331所在的计算机设备通常根据该设备的实际功能，还可以包括其他硬件，对此不再赘述。
本说明书车辆保费评估装置的实施例可以应用在计算机设备。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在计算机设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图4所示，为本说明书车辆保费评估装置所在计算机设备的一种硬件结构图，除了图4所示的处理器410、内存430、网络接口420、以及非易失性存储器440之外，实施例中车辆保费评估装置431所在的计算机设备通常根据该设备的实际功能，还可以包括其他硬件，对此不再赘述。
如图5所示，是本说明书根据一示例性实施例示出的一种车辆风险评估装置的框图，所述装置包括：
信息获取模块52，用于：获取目标车辆在预设时间段内的停车位置信息；并获取与所述停车位置信息对应的目标车辆所处位置的环境信息，所述环境信息至少包括天气信息、排水状况信息和停车位周围环境危险信息中的一种或多种类型信息；
停车风险评估模块54，用于：将所述环境信息作为评估目标车辆停车风险的风险评估数据，并利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据。
在一个实施例中，所述停车位周围环境危险信息包括停车位所处停车场的类型、停车位上方遮挡状态、停车位上方遮挡物的类型、停车位所停车辆被周围车辆碰撞的风险状态、停车位所处停车场的治安信息中的一种或多种，停车场的类型包括室外停车场和室内停车场。
在一个实施例中，停车风险评估模块54，具体用于：
将不同类型的风险评估数据分别进行数据标准化处理，获得标准化数据；
将所述标准化数据输入预设的停车风险评估模型，获得所述目标车辆的停车风险数据，所述停车风险评估模型基于利用历史风险评估数据组对预设算法进行训练获得，每组历史风险评估数据组中不同类型的风险评估数据综合影响停车风险数据。
在一个实施例中，所述装置还包括驾驶风险评估模块和综合风险评估模块(图5未示出)；
所述信息获取模块，还用于：获取驾驶目标车辆的驾驶员的驾驶行为数据、目标车辆的驾驶环境数据以及目标车辆的历史保险费用信息；
驾驶风险评估模块，用于：利用所述驾驶行为数据、驾驶环境信息以及历史保险费用信息对目标车辆驾驶过程所面临风险进行评估，获得目标车辆的驾驶风险数据；
综合风险评估模块，用于：将所述停车风险数据、所述驾驶风险数据和获取的车况风险数据统一到同一纬度，并结合不同类型风险数据所对应的权重值，计算目标车辆的综合风险数据。
在一个实施例中，所述驾驶行为数据至少包括驾驶员驾驶过程中的驾驶疲劳度，所述驾驶疲劳度基于对驾驶姿态信息或面部表情信息进行评估获得，所述驾驶姿态信息或面部表情信息由驾驶过程中所拍摄图像进行分析获得。
在一个实施例中，所述驾驶行为数据还包括：从车载终端中所获取的驾驶数据、交通违章记录、交通事故记录中的一种或多种，所述驾驶环境信息包括：驾驶时间段、历史驾驶路线的交通路况信息、历史驾驶路线的天气状况数据中的一种或多种。
在一个实施例中，所述装置还包括费率更新模块，用于：利用所述综合风险数据对原始费率值进行修正，获得用于确定目标车辆保险费用的新费率值。
如图6所示，是本说明书根据一示例性实施例示出的一种车辆保费评估装置的框图，所述装置包括：
停车风险评估模块62，用于：获取目标车辆在预设时间段内的停车位置信息，并获取与所述停车位置信息对应的目标车辆所处位置的环境信息，利用环境信息对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据。
其中，所述环境信息至少包括天气信息、排水状况信息和停车位周围环境危险信息中的一种或多种类型信息。
驾驶风险评估模块64，用于：获取驾驶目标车辆的驾驶员的驾驶行为数据、目标车辆的驾驶环境数据以及目标车辆的历史保险费用信息；利用所述驾驶行为数据、驾驶环境信息以及历史保险费用信息对目标车辆驾驶过程所面临风险进行评估，获得目标车辆的驾驶风险数据。
综合风险评估模块66，用于：将所述停车风险数据、所述驾驶风险数据和获取的车况风险数据统一到同一纬度，并结合不同类型风险数据所对应的权重值，计算目标车辆的综合风险数据。
其中，车况风险数据可以从相关技术中获得。
保费评估模块68，用于：利用所述综合风险数据对原始费率值进行修正，获得用于确定目标车辆保险费用的新费率值，并利用新费率值评估所述目标车辆的保费。
对于装置实施例而言，由于其基本对应于方法实施例，所以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模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。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。
相应的，本说明书实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如下方法：
获取目标车辆在预设时间段内的停车位置信息；
获取与所述停车位置信息对应的目标车辆所处位置的环境信息，所述环境信息至少包括天气信息、排水状况信息和停车位周围环境危险信息中的一种或多种类型信息；
将所述环境信息作为评估目标车辆停车风险的风险评估数据，并利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据。
相应的，本说明书实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如下方法：
获取目标车辆在预设时间段内的停车位置信息，并获取与所述停车位置信息对应的目标车辆所处位置的环境信息，利用环境信息对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据。其中，所述环境信息至少包括天气信息、排水状况信息和停车位周围环境危险信息中的一种或多种类型信息。
获取驾驶目标车辆的驾驶员的驾驶行为数据、目标车辆的驾驶环境数据以及目标车辆的历史保险费用信息；利用所述驾驶行为数据、驾驶环境信息以及历史保险费用信息对目标车辆驾驶过程所面临风险进行评估，获得目标车辆的驾驶风险数据。
将所述停车风险数据、所述驾驶风险数据和获取的车况风险数据统一到同一纬度，并结合不同类型风险数据所对应的权重值，计算目标车辆的综合风险数据。
利用所述综合风险数据对原始费率值进行修正，获得用于确定目标车辆保险费用的新费率值，并利用新费率值评估所述目标车辆的保费。
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，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
一种计算机存储介质，所述存储介质中存储有程序指令，所述程序指令包括：
获取目标车辆在预设时间段内的停车位置信息；
获取与所述停车位置信息对应的目标车辆所处位置的环境信息，所述环境信息至少包括天气信息、排水状况信息和停车位周围环境危险信息中的一种或多种类型信息；
将所述环境信息作为评估目标车辆停车风险的风险评估数据，并利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据。
本说明书实施例可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可用存储介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。
Claims (10)
1.一种车辆风险评估方法，所述方法包括：
获取目标车辆在预设时间段内的停车位置信息；
获取与所述停车位置信息对应的目标车辆所处位置的环境信息，所述环境信息至少包括天气信息、排水状况信息和停车位周围环境危险信息中的一种或多种类型信息；
将所述环境信息作为评估目标车辆停车风险的风险评估数据，并利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据。
2.根据权利要求1所述的方法，所述停车位周围环境危险信息包括停车位所处停车场的类型、停车位上方遮挡状态、停车位上方遮挡物的类型、停车位所停车辆被周围车辆碰撞的风险状态、停车位所处停车场的治安信息中的一种或多种，停车场的类型包括室外停车场和室内停车场。
3.根据权利要求1所述的方法，利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据，包括：
将不同类型的风险评估数据分别进行数据标准化处理，获得标准化数据；
将所述标准化数据输入预设的停车风险评估模型，获得所述目标车辆的停车风险数据，所述停车风险评估模型基于利用历史风险评估数据组对预设算法进行训练获得，每组历史风险评估数据组中不同类型的风险评估数据综合影响停车风险数据。
4.根据权利要求1所述的方法，所述方法还包括：
获取驾驶目标车辆的驾驶员的驾驶行为数据、目标车辆的驾驶环境数据以及目标车辆的历史保险费用信息；
利用所述驾驶行为数据、驾驶环境信息以及历史保险费用信息对目标车辆驾驶过程所面临风险进行评估，获得目标车辆的驾驶风险数据；
将所述停车风险数据、所述驾驶风险数据和获取的车况风险数据统一到同一纬度，并结合不同类型风险数据所对应的权重值，计算目标车辆的综合风险数据。
5.根据权利要求4所述的方法，所述驾驶行为数据至少包括驾驶员驾驶过程中的驾驶疲劳度，所述驾驶疲劳度基于对驾驶姿态信息或面部表情信息进行评估获得，所述驾驶姿态信息或面部表情信息由驾驶过程中所拍摄图像进行分析获得。
6.根据权利要求5所述的方法，所述驾驶行为数据还包括：从车载终端中所获取的驾驶数据、交通违章记录、交通事故记录中的一种或多种，所述驾驶环境信息包括：驾驶时间段、历史驾驶路线的交通路况信息、历史驾驶路线的天气状况数据中的一种或多种。
7.根据权利要求4至6任一项所述的方法，所述方法还包括：
利用所述综合风险数据对原始费率值进行修正，获得用于确定目标车辆保险费用的新费率值。
8.一种车辆风险评估装置，所述装置包括：
信息获取模块，用于：获取目标车辆在预设时间段内的停车位置信息；并获取与所述停车位置信息对应的目标车辆所处位置的环境信息，所述环境信息至少包括天气信息、排水状况信息和停车位周围环境危险信息中的一种或多种类型信息；
停车风险评估模块，用于：将所述环境信息作为评估目标车辆停车风险的风险评估数据，并利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据。
9.根据权利要求8所述的装置，所述装置还包括驾驶风险评估模块和综合风险评估模块；
所述信息获取模块，还用于：获取驾驶目标车辆的驾驶员的驾驶行为数据、目标车辆的驾驶环境数据以及目标车辆的历史保险费用信息；
驾驶风险评估模块，用于：利用所述驾驶行为数据、驾驶环境信息以及历史保险费用信息对目标车辆驾驶过程所面临风险进行评估，获得目标车辆的驾驶风险数据；
综合风险评估模块，用于：将所述停车风险数据、所述驾驶风险数据和获取的车况风险数据统一到同一纬度，并结合不同类型风险数据所对应的权重值，计算目标车辆的综合风险数据。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如下方法：
获取目标车辆在预设时间段内的停车位置信息；
获取与所述停车位置信息对应的目标车辆所处位置的环境信息，所述环境信息至少包括天气信息、排水状况信息和停车位周围环境危险信息中的一种或多种类型信息；
将所述环境信息作为评估目标车辆停车风险的风险评估数据，并利用风险评估数据对目标车辆处于停车状态时所面临的风险进行评估，获得所述目标车辆的停车风险数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810837642.5A CN109064002A (zh) | 2018-07-26 | 2018-07-26 | 车辆风险评估方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810837642.5A CN109064002A (zh) | 2018-07-26 | 2018-07-26 | 车辆风险评估方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109064002A true CN109064002A (zh) | 2018-12-21 |
Family
ID=64836424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810837642.5A Pending CN109064002A (zh) | 2018-07-26 | 2018-07-26 | 车辆风险评估方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109064002A (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110033614A (zh) * | 2019-03-22 | 2019-07-19 | 山西省交通科学研究院有限公司 | 一种基于物联网技术的道路危险货物运输动态风险预警系统 |
| CN110059952A (zh) * | 2019-04-12 | 2019-07-26 | 中国人民财产保险股份有限公司 | 车险风险评估方法、装置、设备和存储介质 |
| CN110288096A (zh) * | 2019-06-28 | 2019-09-27 | 江苏满运软件科技有限公司 | 预测模型训练及预测方法、装置、电子设备、存储介质 |
| CN110782111A (zh) * | 2019-02-21 | 2020-02-11 | 北京嘀嘀无限科技发展有限公司 | 一种风险评估方法和系统 |
| CN110827152A (zh) * | 2019-10-16 | 2020-02-21 | 上海擎感智能科技有限公司 | 一种保险评估方法、系统及服务器 |
| CN111126528A (zh) * | 2019-12-26 | 2020-05-08 | 成都路行通信息技术有限公司 | 参考标签生成方法、系统和碰撞标签质量评估方法和系统 |
| CN111540071A (zh) * | 2020-04-22 | 2020-08-14 | 广西大学行健文理学院 | 一种基于大数据的停车场智能监控系统 |
| CN111598369A (zh) * | 2019-02-21 | 2020-08-28 | 北京嘀嘀无限科技发展有限公司 | 一种基于信号丢失异常的风险防范的方法和系统 |
| CN111598372A (zh) * | 2019-02-21 | 2020-08-28 | 北京嘀嘀无限科技发展有限公司 | 一种风险防范的方法和系统 |
| CN111598368A (zh) * | 2019-02-21 | 2020-08-28 | 北京嘀嘀无限科技发展有限公司 | 基于行程结束后停留异常的风险识别方法、系统及装置 |
| CN111724007A (zh) * | 2019-03-18 | 2020-09-29 | 马上消费金融股份有限公司 | 风险评价方法、评价装置、智能系统及存储装置 |
| CN111768094A (zh) * | 2020-06-23 | 2020-10-13 | 上海擎感智能科技有限公司 | 危险车辆的自动评估方法、系统、可读存储介质及车机端 |
| CN111882382A (zh) * | 2020-06-30 | 2020-11-03 | 上海万位科技有限公司 | 基于数据和风险关联模型的共享汽车数据存储管理方法 |
| CN112164244A (zh) * | 2020-09-29 | 2021-01-01 | 长城汽车股份有限公司 | 停车控制的方法和装置 |
| CN113015667A (zh) * | 2020-05-11 | 2021-06-22 | 华为技术有限公司 | 一种车辆自我保护方法、系统以及包括该系统的自动驾驶车辆 |
| CN113033978A (zh) * | 2021-03-10 | 2021-06-25 | 北京嘀嘀无限科技发展有限公司 | 停车风险确定方法、位置推荐方法、装置和电子设备 |
| CN113112391A (zh) * | 2020-01-10 | 2021-07-13 | 北京嘀嘀无限科技发展有限公司 | 一种订单处理方法及装置 |
| CN115095205A (zh) * | 2022-06-24 | 2022-09-23 | 张青霞 | 一种基于云服务的智能型立体停车设备 |
| CN116091254A (zh) * | 2023-04-11 | 2023-05-09 | 天津所托瑞安汽车科技有限公司 | 商用车风险的分析方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020188479A1 (en) * | 2001-06-05 | 2002-12-12 | Renwick Glenn M. | Method of processing vehicle damage claims |
| DE102009035709A1 (de) * | 2009-07-31 | 2011-02-03 | Burkhard Kuzniak | Vertriebssteuerung über die Darstellung echter Kundendaten in der virtuellen Welt eines Computerspiels |
| CN106660482A (zh) * | 2014-09-29 | 2017-05-10 | 宝马股份公司 | 自动停车警告系统 |
| CN107195016A (zh) * | 2017-05-09 | 2017-09-22 | 上海移为通信技术股份有限公司 | 基于震动传感器的停车监控系统 |
| CN107705047A (zh) * | 2017-11-08 | 2018-02-16 | 泰康保险集团股份有限公司 | 一种保险核保风险预测方法及装置 |
| CN107784251A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 基于图像识别技术对驾驶行为评价的方法 |
| CN107845039A (zh) * | 2016-09-20 | 2018-03-27 | 得道车联网络科技（上海）有限公司 | 一种无尺度自适应的车联网车险评分模型 |
| CN108256714A (zh) * | 2016-12-29 | 2018-07-06 | 得道车联网络科技（上海）有限公司 | 一种基于车联网大数据的行车轨迹实时风险评估模型 |
-
2018
- 2018-07-26 CN CN201810837642.5A patent/CN109064002A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020188479A1 (en) * | 2001-06-05 | 2002-12-12 | Renwick Glenn M. | Method of processing vehicle damage claims |
| DE102009035709A1 (de) * | 2009-07-31 | 2011-02-03 | Burkhard Kuzniak | Vertriebssteuerung über die Darstellung echter Kundendaten in der virtuellen Welt eines Computerspiels |
| CN106660482A (zh) * | 2014-09-29 | 2017-05-10 | 宝马股份公司 | 自动停车警告系统 |
| CN107784251A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 基于图像识别技术对驾驶行为评价的方法 |
| CN107845039A (zh) * | 2016-09-20 | 2018-03-27 | 得道车联网络科技（上海）有限公司 | 一种无尺度自适应的车联网车险评分模型 |
| CN108256714A (zh) * | 2016-12-29 | 2018-07-06 | 得道车联网络科技（上海）有限公司 | 一种基于车联网大数据的行车轨迹实时风险评估模型 |
| CN107195016A (zh) * | 2017-05-09 | 2017-09-22 | 上海移为通信技术股份有限公司 | 基于震动传感器的停车监控系统 |
| CN107705047A (zh) * | 2017-11-08 | 2018-02-16 | 泰康保险集团股份有限公司 | 一种保险核保风险预测方法及装置 |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110782111B (zh) * | 2019-02-21 | 2023-04-25 | 北京嘀嘀无限科技发展有限公司 | 一种风险评估方法和系统 |
| CN111598372A (zh) * | 2019-02-21 | 2020-08-28 | 北京嘀嘀无限科技发展有限公司 | 一种风险防范的方法和系统 |
| CN110782111A (zh) * | 2019-02-21 | 2020-02-11 | 北京嘀嘀无限科技发展有限公司 | 一种风险评估方法和系统 |
| CN111598368A (zh) * | 2019-02-21 | 2020-08-28 | 北京嘀嘀无限科技发展有限公司 | 基于行程结束后停留异常的风险识别方法、系统及装置 |
| CN111598369A (zh) * | 2019-02-21 | 2020-08-28 | 北京嘀嘀无限科技发展有限公司 | 一种基于信号丢失异常的风险防范的方法和系统 |
| CN111598368B (zh) * | 2019-02-21 | 2023-09-05 | 北京嘀嘀无限科技发展有限公司 | 基于行程结束后停留异常的风险识别方法、系统及装置 |
| CN111724007A (zh) * | 2019-03-18 | 2020-09-29 | 马上消费金融股份有限公司 | 风险评价方法、评价装置、智能系统及存储装置 |
| CN111724007B (zh) * | 2019-03-18 | 2022-12-06 | 马上消费金融股份有限公司 | 风险评价方法、评价装置、智能系统及存储装置 |
| CN110033614A (zh) * | 2019-03-22 | 2019-07-19 | 山西省交通科学研究院有限公司 | 一种基于物联网技术的道路危险货物运输动态风险预警系统 |
| CN110059952A (zh) * | 2019-04-12 | 2019-07-26 | 中国人民财产保险股份有限公司 | 车险风险评估方法、装置、设备和存储介质 |
| CN110288096B (zh) * | 2019-06-28 | 2021-06-08 | 满帮信息咨询有限公司 | 预测模型训练及预测方法、装置、电子设备、存储介质 |
| CN110288096A (zh) * | 2019-06-28 | 2019-09-27 | 江苏满运软件科技有限公司 | 预测模型训练及预测方法、装置、电子设备、存储介质 |
| CN110827152A (zh) * | 2019-10-16 | 2020-02-21 | 上海擎感智能科技有限公司 | 一种保险评估方法、系统及服务器 |
| CN111126528A (zh) * | 2019-12-26 | 2020-05-08 | 成都路行通信息技术有限公司 | 参考标签生成方法、系统和碰撞标签质量评估方法和系统 |
| CN111126528B (zh) * | 2019-12-26 | 2023-04-25 | 成都路行通信息技术有限公司 | 参考标签生成方法、系统和碰撞标签质量评估方法和系统 |
| CN113112391A (zh) * | 2020-01-10 | 2021-07-13 | 北京嘀嘀无限科技发展有限公司 | 一种订单处理方法及装置 |
| CN111540071A (zh) * | 2020-04-22 | 2020-08-14 | 广西大学行健文理学院 | 一种基于大数据的停车场智能监控系统 |
| CN113015667B (zh) * | 2020-05-11 | 2022-07-29 | 华为技术有限公司 | 一种车辆自我保护方法、系统和包括该系统的自动驾驶车辆 |
| CN113015667A (zh) * | 2020-05-11 | 2021-06-22 | 华为技术有限公司 | 一种车辆自我保护方法、系统以及包括该系统的自动驾驶车辆 |
| CN111768094A (zh) * | 2020-06-23 | 2020-10-13 | 上海擎感智能科技有限公司 | 危险车辆的自动评估方法、系统、可读存储介质及车机端 |
| CN111882382A (zh) * | 2020-06-30 | 2020-11-03 | 上海万位科技有限公司 | 基于数据和风险关联模型的共享汽车数据存储管理方法 |
| CN112164244A (zh) * | 2020-09-29 | 2021-01-01 | 长城汽车股份有限公司 | 停车控制的方法和装置 |
| CN113033978A (zh) * | 2021-03-10 | 2021-06-25 | 北京嘀嘀无限科技发展有限公司 | 停车风险确定方法、位置推荐方法、装置和电子设备 |
| CN115095205A (zh) * | 2022-06-24 | 2022-09-23 | 张青霞 | 一种基于云服务的智能型立体停车设备 |
| CN115095205B (zh) * | 2022-06-24 | 2023-12-26 | 普智城市科技(深圳)有限公司 | 一种基于云服务的智能型立体停车设备 |
| CN116091254A (zh) * | 2023-04-11 | 2023-05-09 | 天津所托瑞安汽车科技有限公司 | 商用车风险的分析方法 |
| CN116091254B (zh) * | 2023-04-11 | 2023-08-01 | 天津所托瑞安汽车科技有限公司 | 商用车风险的分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109064002A (zh) | 车辆风险评估方法、装置及设备 | |
| US11565654B2 (en) | Methods of providing insurance savings based upon telematics and driving behavior identification | |
| US11726763B2 (en) | Autonomous vehicle automatic parking | |
| US11080794B2 (en) | Autonomous vehicle technology effectiveness determination for insurance pricing | |
| US11847667B2 (en) | Road segment safety rating system | |
| US11565695B2 (en) | Route risk mitigation | |
| US11126184B1 (en) | Autonomous vehicle parking | |
| US20230325936A1 (en) | Collision risk-based engagement and disengagement of autonomous control of a vehicle | |
| CA2988134C (en) | Route risk mitigation | |
| CN109791678A (zh) | 用于基于分数的动态风险测量并聚合有远程信息处理连接搜索引擎的智能自适应汽车装置及其相应方法 | |
| US20130144805A1 (en) | Geospatial data based measurement of risk associated with a vehicular security interest in a vehicular loan portfolio | |
| WO2016122881A1 (en) | Road segment safety rating | |
| CN110175791B (zh) | 滞留点确定方法和滞留点确定装置 |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40002013 Country of ref document: HK |
|
| TA01 | Transfer of patent application right |
Effective date of registration: 20200924 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20200924 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |
|
| RJ01 | Rejection of invention patent application after publication |