CN109146694B - 电子装置、用户车险优惠级别确定方法及存储介质 - Google Patents

电子装置、用户车险优惠级别确定方法及存储介质 Download PDF

Info

Publication number
CN109146694B
CN109146694B CN201810768424.0A CN201810768424A CN109146694B CN 109146694 B CN109146694 B CN 109146694B CN 201810768424 A CN201810768424 A CN 201810768424A CN 109146694 B CN109146694 B CN 109146694B
Authority
CN
China
Prior art keywords
user
attribute data
insurance
vehicle insurance
data
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
Application number
CN201810768424.0A
Other languages
English (en)
Other versions
CN109146694A (zh
Inventor
吴壮伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201810768424.0A priority Critical patent/CN109146694B/zh
Priority to PCT/CN2018/107714 priority patent/WO2020010713A1/zh
Publication of CN109146694A publication Critical patent/CN109146694A/zh
Application granted granted Critical
Publication of CN109146694B publication Critical patent/CN109146694B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08Insurance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0224Discounts or incentives, e.g. coupons or rebates based on user history

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Technology Law (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种电子装置、用户车险优惠级别确定方法及存储介质,所述方法包括:获取用户属性数据;根据预先确定的用户出险类别确定方法分析获取的用户属性数据,以确定该用户的出险类别;从预先建立的车险信息图谱中,获取该用户出险类别对应的车险属性数据,所述车险信息图谱包括各出险类别的用户对应的车险属性数据;根据预先存储的车险属性数据与车险优惠级别之间的映射关系,确定该用户对应的车险优惠级别。能够准确公平地使用户享受车险优惠政策。

Description

电子装置、用户车险优惠级别确定方法及存储介质
技术领域
本发明涉及车险优惠领域,尤其涉及一种电子装置、用户车险优惠级别确定方法及存储介质。
背景技术
随着人们生活水平的提高,家家户户基本都有了私家车,同时,近年来随着车联网的飞速发展,与车联网技术结合的基于车主驾驶行为进行定价的车险产品越来越多,对整个车险行业来讲,基于车主驾驶行为进行定价的车险产品的推出具有积极作用,例如帮助驾驶员建立安全驾驶消费观、帮助驾驶员进行驾驶行为的调整,以及根据驾驶行为决定车主是否享受优惠的车险政策及优惠的额度等。
然而,目前业内常用的驾驶行为评分方法,仅仅通过每次采集车辆行驶过程中的一些数据,例如加速度数据,GPS数据等来对用户的当前驾驶行为进行评分,然后根据每次的评分结果以及结合经验,通过人工对用户的一些属性数据进行分析,确定该用户对应的车险优惠级别,导致容易出现误评,使得在享受车险优惠政策的过程中出现不公平的现象。
发明内容
有鉴于此,本发明提出一种电子装置、所述电子装置包括存储器、及与所述存储器连接的处理器,所述处理器用于执行所述存储器上存储的用户车险优惠级别确定程序,所述用户车险优惠级别确定程序被所述处理器执行时实现如下步骤:
A1、获取用户属性数据;
A2、根据预先确定的用户出险类别确定方法分析获取的用户属性数据,以确定该用户的出险类别;
A3、从预先建立的车险信息图谱中,获取该用户出险类别对应的车险属性数据,所述车险信息图谱包括各出险类别的用户对应的车险属性数据;
A4、根据预先存储的车险属性数据与车险优惠级别之间的映射关系,确定该用户对应的车险优惠级别。
优选地,所述用户属性数据包括用户静态数据、用户位置数据、用户行为数据以及用户车险数据;
所述用户静态数据包括性别、年龄、地域、驾龄及职业;
所述用户位置数据包括常住地、偏好商圈及住宅附近商圈;
所述用户行为数据包括网页浏览行为、检索行为及用户驾驶行为;
所述用户车险数据包括车险投保记录及车险出保记录。
优选地,所述步骤A2包括:
获取用户出险类别确定模型,所述用户出险类别确定模型包括至少两个聚类类簇,每一所述聚类类簇对应一确定的用户出险类别;
基于所述用户属性数据和所述用户出险类别确定模型,从所述至少两个聚类类簇中获取与至少一个所述用户属性数据相对应的目标聚类类簇;
确定所述目标聚类类簇对应的用户出险类别为该用户所属的出险类别。
优选地,所述获取所述用户出险类别确定模型之前,还包括如下步骤:
基于训练用户属性数据训练所述用户出险类别确定模型,将训练完成的用户出险类别确定模型存储在预先确定的数据库中;
所述获取用户出险类别确定模型,包括:从所述预先确定的数据库中获取所述用户出险类别确定模型。
优选地,所述预先建立的车险信息图谱包括用于确定不同的出险类别对应的车险属性数据相关的信息;所述车险属性数据包括维修方案、维修工时、修理费用、修理厂信息以及配件信息。
此外,为实现上述目的,本发明还提出一种用户车险优惠级别确定方法,所述方法包括如下步骤:
S1、获取用户属性数据;
S2、根据预先确定的用户出险类别确定方法分析获取的用户属性数据,以确定该用户的出险类别;
S3、从预先建立的车险信息图谱中,获取该用户出险类别对应的车险属性数据,所述车险信息图谱包括各出险类别的用户对应的车险属性数据;
S4、根据预先存储的车险属性数据与车险优惠级别之间的映射关系,确定该用户对应的车险优惠级别。
优选地,所述用户属性数据包括用户静态数据、用户位置数据、用户行为数据以及用户车险数据;
所述用户静态数据包括性别、年龄、地域、驾龄及职业;
所述用户位置数据包括常住地、偏好商圈及住宅附近商圈;
所述用户行为数据包括网页浏览行为、检索行为及用户驾驶行为;
所述用户车险数据包括车险投保记录及车险出保记录。
优选地,所述步骤S2包括:
获取用户出险类别确定模型,所述用户出险类别确定模型包括至少两个聚类类簇,每一所述聚类类簇对应一确定的用户出险类别;
基于所述用户属性数据和所述用户出险类别确定模型,从所述至少两个聚类类簇中获取与至少一个所述用户属性数据相对应的目标聚类类簇;
确定所述目标聚类类簇对应的用户出险类别为该用户所属的出险类别。
优选地,所述获取所述用户出险类别确定模型之前,还包括如下步骤:
基于训练用户属性数据训练所述用户出险类别确定模型,将训练完成的用户出险类别确定模型存储在预先确定的数据库中;
所述获取用户出险类别确定模型,包括:从所述预先确定的数据库中获取所述用户出险类别确定模型。
此外,为实现上述目的,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质存储有用户车险优惠级别确定程序,所述用户车险优惠级别确定程序可被至少一个处理器执行,以使所述至少一个处理器执行如上所述的用户车险优惠级别确定方法的步骤。
本发明所提出的电子装置、用户车险优惠级别确定方法及存储介质,首先
通过获取用户属性数据;然后根据预先确定的用户出险类别确定方法分析获取的用户属性数据,以确定该用户的出险类别;再次从预先建立的车险信息图谱中,获取该用户出险类别对应的车险属性数据,所述车险信息图谱包括各出险类别的用户对应的车险属性数据;最后根据预先存储的车险属性数据与车险优惠级别之间的映射关系,确定该用户对应的车险优惠级别。能够准确公平地使用户享受车险优惠政策。
附图说明
图1是本发明提出的电子装置一可选的硬件架构的示意图;
图2是本发明电子装置一实施例中用户车险优惠级别确定程序的程序模块示意图;
图3是本发明用户车险优惠级别确定方法较佳实施例的实施流程图。
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
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,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,都属于本发明保护的范围。
需要说明的是,在本发明中涉及“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。
参阅图1所示,是本发明提出的电子装置一可选的硬件架构示意图。本实施例中,电子装置10可包括,但不仅限于,可通过通信总线14相互通信连接存储器11、处理器12、网络接口13。需要指出的是,图1仅示出了具有组件11-14的电子装置10,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
其中,存储器11至少包括一种类型的计算机可读存储介质,计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器11可以是电子装置10的内部存储单元,例如电子装置10的硬盘或内存。在另一些实施例中,存储器11也可以是电子装置10的外包存储设备,例如电子装置10上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器11还可以既包括电子装置10的内部存储单元也包括其外包存储设备。本实施例中,存储器11通常用于存储安装于电子装置10的操作系统和各类应用软件,例如车险优惠级别确定程序等。此外,存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。处理器12通常用于控制电子装置10的总体操作。本实施例中,处理器12用于运行存储器11中存储的程序代码或者处理数据,例如运行的车险优惠级别确定程序等。
网络接口13可包括无线网络接口或有线网络接口,网络接口13通常用于在电子装置10与其他电子设备之间建立通信连接。
通信总线14用于实现组件11-13之间的通信连接。
图1仅示出了具有组件11-14以及车险优惠级别确定程序的电子装置10,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
可选地,电子装置10还可以包括用户接口(图1中未示出),用户接口可以包括显示器、输入单元比如键盘,其中,用户接口还可以包括标准的有线接口、无线接口等。
可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED触摸器等。进一步地,显示器也可称为显示屏或显示单元,用于显示在电子装置10中处理信息以及用于显示可视化的用户界面。
可选地,在一些实施例中,电子装置10还可以包括音频单元(音频单元图1中未示出),音频单元可以在电子装置10处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时,将接收的或者存储的音频数据转换为音频信号;进一步地,电子装置10还可以包括音频输出单元,音频输出单元将音频单元转换的音频信号输出,而且音频输出单元还可以提供与电子装置10执行的特定功能相关的音频输出(例如呼叫信号接收声音、消息接收声音等等),音频输出单元可以包括扬声器、蜂鸣器等等。
可选地,在一些实施例中,电子装置10还可以包括警报单元(图中未示出),警报单元可以提供输出已将事件的发生通知给电子装置10。典型的事件可以包括呼叫接收、消息接收、键信号输入、触摸输入等等。除了音频或者视频输出之外,警报单元可以以不同的方式提供输出以通知事件的发生。例如,警报单元可以以震动的形式提供输出,当接收到呼叫、消息或一些其他可以使电子装置10进入通信模式时,警报单元可以提供触觉输出(即,振动)以将其通知给用户。
在一实施例中,存储器11中存储的车险优惠级别确定程序被处理器12执行时,实现如下操作:
A、获取用户属性数据;
其中,用户属性数据是能反应用户及其偏好的数据。可选地,用户属性数据可以从预先确定的数据库,例如开源的保险数据库中获取,也可以从电子地图的检索、浏览和导航的信息中获取,还可以通过搜索引擎获取,本实施例对此并不进行限制。
具体地,所述用户属性数据可以包括下述至少一项:用户静态数据、用户位置数据、用户行为数据以及用户车险数据。其中,用户位置数据可以通过用户终端定位系统获取,例如全球定位系统或北斗卫星定位系统;也可以通过采集的用户基于位置服务属性信息数据获得。
进一步地,所述用户静态数据可以包括下述至少一项:性别、年龄、地域、驾龄和职业;所述用户位置数据可以包括下述至少一项:常住地、偏好商圈及住宅附近商圈;用户行为数据可以包括下述至少一项:网页浏览行为、检索行为、以及用户驾驶行为;用户车险数据可以包括下述至少一项:车险投保记录、以及车险出保记录。
B、根据预先确定的用户出险类别确定方法分析获取的用户属性数据,以确定该用户的出险类别;
具体地,所述根据预先确定的用户出险类别确定方法分析获取的用户属性数据的步骤,包括:获取用户出险类别确定模型,所述用户出险类别确定模型包括至少两个聚类类簇,每一所述聚类类簇对应一确定的用户出险类别;基于所述用户属性数据和所述用户出险类别确定模型,从所述至少两个聚类类簇中获取与至少一个所述用户属性数据相对应的目标聚类类簇;确定所述目标聚类类簇对应的用户出险类别为该用户所属的用户类别。
具体地,所述用户出险类别确定模型为预先训练好的用于识别当前用户属性数据对应的用户出险类别确定模型。该用户出险类别确定模型基于训练用户属性数据得到并存储在预先确定的数据库中,具体地,预先确定的数据库可以是MySQL、Oracle等数据库,在终端设备进行用户出险类别确定时,可以从预先确定的数据库中调取该用户出险类别确定模型。本实施例中,用户出险类别确定模型是通过K-means聚类算法对训练用户属性数据进行聚类处理之后获得的模型。该训练用户属性数据是获取的能反映用户及其偏好的数据,该用户属性数据包括但不限于用户静态数据、用户位置数据、用户行为数据以及用户车险数据中的至少一个。其中,K-means聚类算法是一种基于距离确定相似度的聚类算法,即两个对象的距离越近,其相似度越大的聚类算法。确定用户出险类别是指每一聚类类簇中训练用户属性数据所对应的用户出险类别。
具体地,采用K-means聚类算法进行聚类后获取的用户出险类别确定模型包括至少两个聚类类簇,每一聚类类簇对应一确定的用户出险类别。其中,每一聚类类簇包括一质心用户属性数据,质心用户属性数据对应的用户出险类别为确定的用户出险类别。本实施例中,该训练好的用户出险类别确定模型至少包括四个聚类类簇,每个聚类类簇分别代表严重车险定损、较严重车险定损、轻微车险定损、无车险定损;即每个聚类类簇代表一种用户属性数据对应的用户出险类别。训练该用户属性数据到聚类类簇的质心聚类越小,则该训练属性数据越有可能属于该聚类类簇对应的用户出险类别。
C、从预先建立的车险信息图谱中,获取该用户出险类别对应的车险属性数据,所述车险信息图谱包括各出险类别的用户对应的车险属性数据;
具体地,在本实施例中,预先建立的车险信息图谱,主要包括用于确定不同的出险类别对应的车险属性数据相关的信息,例如包括不同的出险类别对应的维修方案、维修工时、修理费用、修理厂信息以及配件等信息。例如可以在车险数据库中获取各个不同的出险类别对应的车险属性数据,对这些数据进行筛选和整理,并按照预设的数据结构对每个车险属性数据进行组织,得到每个车险属性数据的结构化数据,这些车险属性数据的结构化数据构成车险信息图谱。
D、根据预先存储的车险属性数据与车险优惠级别之间的映射关系,确定该用户对应的车险优惠级别。
由上述事实施例可知,本发明提出的电子装置,首先通过获取用户属性数据;然后根据预先确定的用户出险类别确定方法分析获取的用户属性数据,以确定该用户的出险类别;再次从预先建立的车险信息图谱中,获取该用户出险类别对应的车险属性数据,所述车险信息图谱包括各出险类别的用户对应的车险属性数据;最后根据预先存储的车险属性数据与车险优惠级别之间的映射关系,确定该用户对应的车险优惠级别。能够准确公平地使用户享受车险优惠政策。
此外,本发明的车险优惠级别确定程序依据其各部分所实现的功能不同,可用具有相同功能的程序模块进行描述。请参阅图2所示,是本发明电子装置一实施例中车险优惠级别确定程序的程序模块示意图。本实施例中,车险优惠级别确定程序依据其各部分所实现的功能的不同,可以被分割成第一获取模块201、分析模块202、第二获取模块203以及确定模块204。由上面的描述可知,本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述车险优惠级别确定程序在电子装置10中的执行过程。所述模块201-204所实现的功能或操作步骤均与上文类似,此处不再详述,示例性地,例如其中:
第一获取模块201用于获取用户属性数据;
分析模块202用于根据预先确定的用户出险类别确定方法分析获取的用户属性数据,以确定该用户的出险类别;第二获取模块203用于从预先建立的车险信息图谱中,获取该用户出险类别对应的车险属性数据,所述车险信息图谱包括各出险类别的用户对应的车险属性数据;
确定模块204用于根据预先存储的车险属性数据与车险优惠级别之间的映射关系,确定该用户对应的车险优惠级别。
此外,本发明还提出一种用户车险优惠级别确定方法,请参阅图3所示,所述用户车险优惠级别确定方法包括如下步骤:
S301、获取用户属性数据;
其中,用户属性数据是能反应用户及其偏好的数据。可选地,用户属性数据可以从预先确定的数据库,例如开源的保险数据库中获取,也可以从电子地图的检索、浏览和导航的信息中获取,还可以通过搜索引擎获取,本实施例对此并不进行限制。
具体地,所述用户属性数据可以包括下述至少一项:用户静态数据、用户位置数据、用户行为数据以及用户车险数据。其中,用户位置数据可以通过用户终端定位系统获取,例如全球定位系统或北斗卫星定位系统;也可以通过采集的用户基于位置服务属性信息数据获得。
进一步地,所述用户静态数据可以包括下述至少一项:性别、年龄、地域、驾龄和职业;所述用户位置数据可以包括下述至少一项:常住地、偏好商圈及住宅附近商圈;用户行为数据可以包括下述至少一项:网页浏览行为、检索行为、以及用户驾驶行为;用户车险数据可以包括下述至少一项:车险投保记录、以及车险出保记录。
S302、根据预先确定的用户出险类别确定方法分析获取的用户属性数据,以确定该用户的出险类别;
具体地,所述根据预先确定的用户出险类别确定方法分析获取的用户属性数据的步骤,包括:获取用户出险类别确定模型,所述用户出险类别确定模型包括至少两个聚类类簇,每一所述聚类类簇对应一确定的用户出险类别;基于所述用户属性数据和所述用户出险类别确定模型,从所述至少两个聚类类簇中获取与至少一个所述用户属性数据相对应的目标聚类类簇;确定所述目标聚类类簇对应的用户出险类别为该用户所属的出险类别。
具体地,所述用户出险类别确定模型为预先训练好的用于识别当前用户属性数据对应的用户出险类别确定模型。该用户出险类别确定模型基于训练用户属性数据得到并存储在预先确定的数据库中,具体地,预先确定的数据库可以是MySQL、Oracle等数据库,在终端设备进行用户出险类别确定时,可以从预先确定的数据库中调取该用户出险类别确定模型。本实施例中,用户出险类别确定模型是通过K-means聚类算法对训练用户属性数据进行聚类处理之后获得的模型。该训练用户属性数据是获取的能反映用户及其偏好的数据,该用户属性数据包括但不限于用户静态数据、用户位置数据、用户行为数据以及用户车险数据中的至少一个。其中,K-means聚类算法是一种基于距离确定相似度的聚类算法,即两个对象的距离越近,其相似度越大的聚类算法。确定用户出险类别是指每一聚类类簇中训练用户属性数据所对应的用户出险类别。
具体地,采用K-means聚类算法进行聚类后获取的用户出险类别确定模型包括至少两个聚类类簇,每一聚类类簇对应一确定的用户出险类别。其中,每一聚类类簇包括一质心用户属性数据,质心用户属性数据对应的用户出险类别为确定的用户出险类别。本实施例中,该训练好的用户出险类别确定模型至少包括四个聚类类簇,每个聚类类簇分别代表严重车险定损、较严重车险定损、轻微车险定损、无车险定损;即每个聚类类簇代表一种用户属性数据对应的用户出险类别。训练该用户属性数据到聚类类簇的质心聚类越小,则该训练属性数据越有可能属于该聚类类簇对应的用户出险类别。
S303、从预先建立的车险信息图谱中,获取该用户出险类别对应的车险属性数据,所述车险信息图谱包括各出险类别的用户对应的车险属性数据;
具体地,在本实施例中,预先建立的车险信息图谱,主要包括用于确定不同的出险类别对应的车险属性数据相关的信息,例如包括不同的出险类别对应的维修方案、维修工时、修理费用、修理厂信息以及配件等信息。例如可以在车险数据库中获取各个不同的出险类别对应的车险属性数据,对这些数据进行筛选和整理,并按照预设的数据结构对每个车险属性数据进行组织,得到每个车险属性数据的结构化数据,这些车险属性数据的结构化数据构成车险信息图谱。
S304、根据预先存储的车险属性数据与车险优惠级别之间的映射关系,确定该用户对应的车险优惠级别。
由上述事实施例可知,本发明提出的用户车险优惠级别确定方法,首先通过获取用户属性数据;然后根据预先确定的用户出险类别确定方法分析获取的用户属性数据,以确定该用户的出险类别;再次从预先建立的车险信息图谱中,获取该用户出险类别对应的车险属性数据,所述车险信息图谱包括各出险类别的用户对应的车险属性数据;最后根据预先存储的车险属性数据与车险优惠级别之间的映射关系,确定该用户对应的车险优惠级别。能够准确公平地使用户享受车险优惠政策。
此外,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有用户车险优惠级别确定程序,所述用户车险优惠级别确定程序被处理器执行时实现如下操作:
获取用户属性数据;
其中,用户属性数据是能反应用户及其偏好的数据。可选地,用户属性数据可以从预先确定的数据库,例如开源的保险数据库中获取,也可以从电子地图的检索、浏览和导航的信息中获取,还可以通过搜索引擎获取,本实施例对此并不进行限制。
具体地,所述用户属性数据可以包括下述至少一项:用户静态数据、用户位置数据、用户行为数据以及用户车险数据。其中,用户位置数据可以通过用户终端定位系统获取,例如全球定位系统或北斗卫星定位系统;也可以通过采集的用户基于位置服务属性信息数据获得。
进一步地,所述用户静态数据可以包括下述至少一项:性别、年龄、地域、驾龄和职业;所述用户位置数据可以包括下述至少一项:常住地、偏好商圈及住宅附近商圈;用户行为数据可以包括下述至少一项:网页浏览行为、检索行为、以及用户驾驶行为;用户车险数据可以包括下述至少一项:车险投保记录、以及车险出保记录。
根据预先确定的用户出险类别确定方法分析获取的用户属性数据,以确定该用户的出险类别;
具体地,所述根据预先确定的用户出险类别确定方法分析获取的用户属性数据的步骤,包括:获取用户出险类别确定模型,所述用户出险类别确定模型包括至少两个聚类类簇,每一所述聚类类簇对应一确定的用户出险类别;基于所述用户属性数据和所述用户出险类别确定模型,从所述至少两个聚类类簇中获取与至少一个所述用户属性数据相对应的目标聚类类簇;确定所述目标聚类类簇对应的用户出险类别为该用户所属的出险类别。
具体地,所述用户出险类别确定模型为预先训练好的用于识别当前用户属性数据对应的用户出险类别确定模型。该用户出险类别确定模型基于训练用户属性数据得到并存储在预先确定的数据库中,具体地,预先确定的数据库可以是MySQL、Oracle等数据库,在终端设备进行用户出险类别确定时,可以从预先确定的数据库中调取该用户出险类别确定模型。本实施例中,用户出险类别确定模型是通过K-means聚类算法对训练用户属性数据进行聚类处理之后获得的模型。该训练用户属性数据是获取的能反映用户及其偏好的数据,该用户属性数据包括但不限于用户静态数据、用户位置数据、用户行为数据以及用户车险数据中的至少一个。其中,K-means聚类算法是一种基于距离确定相似度的聚类算法,即两个对象的距离越近,其相似度越大的聚类算法。确定用户出险类别是指每一聚类类簇中训练用户属性数据所对应的用户出险类别。
具体地,采用K-means聚类算法进行聚类后获取的用户出险类别确定模型包括至少两个聚类类簇,每一聚类类簇对应一确定的用户出险类别。其中,每一聚类类簇包括一质心用户属性数据,质心用户属性数据对应的用户出险类别为确定的用户出险类别。本实施例中,该训练好的用户出险类别确定模型至少包括四个聚类类簇,每个聚类类簇分别代表严重车险定损、较严重车险定损、轻微车险定损、无车险定损;即每个聚类类簇代表一种用户属性数据对应的用户出险类别。训练该用户属性数据到聚类类簇的质心聚类越小,则该训练属性数据越有可能属于该聚类类簇对应的用户出险类别。
从预先建立的车险信息图谱中,获取该用户出险类别对应的车险属性数据,所述车险信息图谱包括各出险类别的用户对应的车险属性数据;
具体地,在本实施例中,预先建立的车险信息图谱,主要包括用于确定不同的出险类别对应的车险属性数据相关的信息,例如包括不同的出险类别对应的维修方案、维修工时、修理费用、修理厂信息以及配件等信息。例如可以在车险数据库中获取各个不同的出险类别对应的车险属性数据,对这些数据进行筛选和整理,并按照预设的数据结构对每个车险属性数据进行组织,得到每个车险属性数据的结构化数据,这些车险属性数据的结构化数据构成车险信息图谱。
根据预先存储的车险属性数据与车险优惠级别之间的映射关系,确定该用户对应的车险优惠级别。
本发明计算机可读存储介质具体实施方式与上述电子装置以及用户车险优惠级别确定方法各实施例基本相同,在此不作累述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上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,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种电子装置,其特征在于,所述电子装置包括存储器、及与所述存储器连接的处理器,所述处理器用于执行所述存储器上存储的用户车险优惠级别确定程序,所述用户车险优惠级别确定程序被所述处理器执行时实现如下步骤:
A1、获取用户属性数据;
A2、根据预先确定的用户出险类别确定方法分析获取的用户属性数据,以确定该用户的出险类别,包括:获取用户出险类别确定模型,所述用户出险类别确定模型包括至少两个聚类类簇,每一所述聚类类簇对应一确定的用户出险类别,基于所述用户属性数据和所述用户出险类别确定模型,从所述至少两个聚类类簇中获取与至少一个所述用户属性数据相对应的目标聚类类簇,确定所述目标聚类类簇对应的用户出险类别为该用户所属的出险类别;
A3、从预先建立的车险信息图谱中,获取该用户出险类别对应的车险属性数据,所述车险信息图谱包括各出险类别的用户对应的车险属性数据,所述预先建立的车险信息图谱包括用于确定不同的出险类别对应的车险属性数据相关的信息,所述车险属性数据包括维修方案、维修工时、修理费用、修理厂信息以及配件信息,所述车险信息图谱的建立步骤包括:在车险数据库中获取各个不同的出险类别对应的车险属性数据,并按照预设的数据结构对每个车险属性数据进行结构化,得到每个车险属性数据的结构化数据,将所述结构化数据构成车险信息图谱;
A4、根据预先存储的车险属性数据与车险优惠级别之间的映射关系,确定该用户对应的车险优惠级别。
2.如权利要求1所述的电子装置,其特征在于,所述用户属性数据包括用户静态数据、用户位置数据、用户行为数据以及用户车险数据;
所述用户静态数据包括性别、年龄、地域、驾龄及职业;
所述用户位置数据包括常住地、偏好商圈及住宅附近商圈;
所述用户行为数据包括网页浏览行为、检索行为及用户驾驶行为;
所述用户车险数据包括车险投保记录及车险出保记录。
3.如权利要求1所述的电子装置,其特征在于,所述获取所述用户出险类别确定模型之前,还包括如下步骤:
基于训练用户属性数据训练所述用户出险类别确定模型,将训练完成的用户出险类别确定模型存储在预先确定的数据库中;
所述获取用户出险类别确定模型,包括:从所述预先确定的数据库中获取所述用户出险类别确定模型。
4.一种用户车险优惠级别确定方法,其特征在于,所述方法包括如下步骤:
S1、获取用户属性数据;
S2、根据预先确定的用户出险类别确定方法分析获取的用户属性数据,以确定该用户的出险类别,包括:获取用户出险类别确定模型,所述用户出险类别确定模型包括至少两个聚类类簇,每一所述聚类类簇对应一确定的用户出险类别,基于所述用户属性数据和所述用户出险类别确定模型,从所述至少两个聚类类簇中获取与至少一个所述用户属性数据相对应的目标聚类类簇,确定所述目标聚类类簇对应的用户出险类别为该用户所属的出险类别;
S3、从预先建立的车险信息图谱中,获取该用户出险类别对应的车险属性数据,所述车险信息图谱包括各出险类别的用户对应的车险属性数据,所述预先建立的车险信息图谱包括用于确定不同的出险类别对应的车险属性数据相关的信息,所述车险属性数据包括维修方案、维修工时、修理费用、修理厂信息以及配件信息,所述车险信息图谱的建立步骤包括:在车险数据库中获取各个不同的出险类别对应的车险属性数据,并按照预设的数据结构对每个车险属性数据进行结构化,得到每个车险属性数据的结构化数据,将所述结构化数据构成车险信息图谱;
S4、根据预先存储的车险属性数据与车险优惠级别之间的映射关系,确定该用户对应的车险优惠级别。
5.如权利要求4所述的用户车险优惠级别确定方法,其特征在于,所述用户属性数据包括用户静态数据、用户位置数据、用户行为数据以及用户车险数据;
所述用户静态数据包括性别、年龄、地域、驾龄及职业;
所述用户位置数据包括常住地、偏好商圈及住宅附近商圈;
所述用户行为数据包括网页浏览行为、检索行为及用户驾驶行为;
所述用户车险数据包括车险投保记录及车险出保记录。
6.如权利要求4所述的用户车险优惠级别确定方法,其特征在于,所述获取所述用户出险类别确定模型之前,还包括如下步骤:
基于训练用户属性数据训练所述用户出险类别确定模型,将训练完成的用户出险类别确定模型存储在预先确定的数据库中;
所述获取用户出险类别确定模型,包括:从所述预先确定的数据库中获取所述用户出险类别确定模型。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有用户车险优惠级别确定程序,所述用户车险优惠级别确定程序可被至少一个处理器执行,以使所述至少一个处理器执行如权利要求4-6中任一项所述的用户车险优惠级别确定方法的步骤。
CN201810768424.0A 2018-07-13 2018-07-13 电子装置、用户车险优惠级别确定方法及存储介质 Active CN109146694B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810768424.0A CN109146694B (zh) 2018-07-13 2018-07-13 电子装置、用户车险优惠级别确定方法及存储介质
PCT/CN2018/107714 WO2020010713A1 (zh) 2018-07-13 2018-09-26 电子装置、用户车险优惠级别确定方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810768424.0A CN109146694B (zh) 2018-07-13 2018-07-13 电子装置、用户车险优惠级别确定方法及存储介质

Publications (2)

Publication Number Publication Date
CN109146694A CN109146694A (zh) 2019-01-04
CN109146694B true CN109146694B (zh) 2024-02-02

Family

ID=64800513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810768424.0A Active CN109146694B (zh) 2018-07-13 2018-07-13 电子装置、用户车险优惠级别确定方法及存储介质

Country Status (2)

Country Link
CN (1) CN109146694B (zh)
WO (1) WO2020010713A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110493189A (zh) * 2019-07-12 2019-11-22 深圳壹账通智能科技有限公司 保险数据获取方法、装置及存储介质、服务器

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010108695A (ko) * 2000-05-30 2001-12-08 강창현 통신망 사용자에 대한 보험 서비스 제공 시스템 및 이를이용한 보험 서비스 제공방법
CN103310223A (zh) * 2013-03-13 2013-09-18 四川天翼网络服务有限公司 一种基于图像识别的车辆定损系统及方法
CN106204202A (zh) * 2016-06-29 2016-12-07 百度在线网络技术(北京)有限公司 一种车险信息推荐方法和装置
CN107784597A (zh) * 2017-09-19 2018-03-09 平安科技(深圳)有限公司 出行方式识别方法、装置、终端设备及存储介质
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447496A (zh) * 2015-08-06 2017-02-22 平安科技(深圳)有限公司 车险保单自动生成方法、车辆、电子设备及保险服务器
CN106204286A (zh) * 2016-07-18 2016-12-07 深圳市永兴元科技有限公司 车辆保费生成方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010108695A (ko) * 2000-05-30 2001-12-08 강창현 통신망 사용자에 대한 보험 서비스 제공 시스템 및 이를이용한 보험 서비스 제공방법
CN103310223A (zh) * 2013-03-13 2013-09-18 四川天翼网络服务有限公司 一种基于图像识别的车辆定损系统及方法
CN106204202A (zh) * 2016-06-29 2016-12-07 百度在线网络技术(北京)有限公司 一种车险信息推荐方法和装置
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
CN107784597A (zh) * 2017-09-19 2018-03-09 平安科技(深圳)有限公司 出行方式识别方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
WO2020010713A1 (zh) 2020-01-16
CN109146694A (zh) 2019-01-04

Similar Documents

Publication Publication Date Title
CN108860162B (zh) 电子装置、基于用户驾驶行为的安全预警方法及存储介质
US9468031B2 (en) Method and system for managing communications between a mobile device and a machine
CN108983748B (zh) 一种车辆故障检测方法及终端设备
EP2639752A2 (en) Method and apparatus for providing late return detection of a shared vehicle
CN110335139B (zh) 基于相似度的评估方法、装置、设备及可读存储介质
CN105100218B (zh) 基于行车记录仪的车辆评价方法、装置及系统
WO2020010715A1 (zh) 电子装置、驾驶行为评分方法及存储介质
CN110930765A (zh) 预警优先级判定方法、设备、存储介质及装置
US10708729B2 (en) Outputting an entry point to a target service
CN109146694B (zh) 电子装置、用户车险优惠级别确定方法及存储介质
US20190180382A1 (en) Methods and systems for driver and/or itinerary identification
US9858809B2 (en) Augmenting handset sensors with car sensors
CN113611007B (zh) 一种数据处理方法及数据采集系统
CN115457750A (zh) 乘车安全提示方法、装置、终端设备及存储介质
KR20170050051A (ko) 사용자 스마트 단말기를 활용한 타이어 모니터링 장치 및 방법
CN108985950B (zh) 电子装置、用户骗保风险预警方法及存储介质
CN108860158B (zh) 车辆、车险防欺诈预警及存储介质
CN112261586A (zh) 一种利用车载机器人自动识别驾驶员限制其行使范围的方法
CN112533208A (zh) 模型训练方法、虚假终端识别方法和装置、电子设备
US20160127294A1 (en) Method and Apparatus for Location Related Social Reminder Provision
CN111382883A (zh) 网约车接单权限控制方法、装置及设备
CN113850240B (zh) 一种物流园区车辆违停识别方法及装置
CN116881118B (zh) 冲突检测方法、装置、电子设备以及存储介质
US20230056485A1 (en) Server apparatus, information provision system, and method of operating information provision system
US11562762B2 (en) Systems and methods of assessing driver safety based on vehicle noise levels

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