CN109617942B

CN109617942B - 产品数据推送方法、装置、计算机设备及存储介质

Info

Publication number: CN109617942B
Application number: CN201811229696.XA
Authority: CN
Inventors: 韩伟; 邓坤; 王建明; 肖京
Original assignee: Ping An Technology Shenzhen Co Ltd
Current assignee: Ping An Technology Shenzhen Co Ltd
Priority date: 2018-10-22
Filing date: 2018-10-22
Publication date: 2022-05-17
Anticipated expiration: 2038-10-22
Also published as: CN109617942A

Abstract

本发明公开了一种产品数据推送方法、装置、计算机设备及存储介质，其方法包括：判断车辆的工作状态是否发生变化；若所述车辆的工作状态发生变化，则获取所述车辆的实时环境参数；根据所述实时环境参数计算与所述车辆变化后的工作状态相关联的车险险种的实时风险系数；计算所述车险险种在指定周期内实时风险系数的累计值；若所述累计值大于所述车险险种的风险阈值，确定购买所述车险险种。当车辆的实时风险系数的累计值较低时，可以少交或不交车险费用，帮助投保人节省费用，当车辆的实时风险系数的累计值较高时，可以及时购买相应的险种，为车辆提供全面的保险服务，为车辆提供保障。

Description

产品数据推送方法、装置、计算机设备及存储介质

技术领域

本发明涉及智能推荐领域，尤其涉及一种产品数据推送方法、装置、计算机设备及存储介质。

背景技术

现有车辆保险险种众多，除了一些强制性保险外，还有不少商业车辆保险。如果选择购买大部分的商业车辆保险，对于投保人来讲，会产生较大的经济支出。如果只购买少数的商业车辆保险，则在发生被保项目外的事故时，无法得到相应的保障。如何合理选择的险种对于投保人来讲常常是一件令人困扰的问题。而对于保险人而言，如何帮助投保人解决此问题也是相当重要。

发明内容

基于此，有必要针对上述技术问题，提供一种产品数据推送方法、装置、计算机设备及存储介质，可以根据实时环境参数计算出车辆的实时风险系数，进而为该车辆确定合适的车险险种。

本发明的第一方面，提出了一种产品数据推送方法，包括：

判断车辆的工作状态是否发生变化；

若所述车辆的工作状态发生变化，则获取所述车辆的实时环境参数；

根据所述实时环境参数计算与所述车辆变化后的工作状态相关联的车险险种的实时风险系数；

计算所述车险险种在指定周期内实时风险系数的累计值；

若所述累计值大于所述车险险种的风险阈值，确定购买所述车险险种。

本发明的第二方面，提出了一种产品数据推送装置，包括：

状态判断模块，用于判断车辆的工作状态是否发生变化；

获取参数模块，用于若所述车辆的工作状态发生变化，则获取所述车辆的实时环境参数；

风险计算模块，用于根据所述实时环境参数计算与所述车辆变化后的工作状态相关联的车险险种的实时风险系数；

累计风险计算模块，用于计算所述车险险种在指定周期内实时风险系数的累计值；

确定险种模块，用于若所述累计值大于所述车险险种的风险阈值，确定购买所述车险险种。

本发明的第三方面，提出了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述产品数据推送方法的步骤。

本发明的第四方面，提出了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计算机程序，所述计算机程序被处理器执行时实现如上述产品数据推送方法的步骤。

本发明提供了一种产品数据推送方法、装置、计算机设备及存储介质，其中，通过判断车辆的工作状态是否发生变化，获取车辆的实时环境参数，并根据实时环境参数计算出实时风险系数，并计算在指定周期内的实时风险系数的累计值，进而为车辆确定合适的车险险种。当车辆的实时风险系数的累计值较低时，可以不交车险费用，帮助投保人节省费用，当车辆的实时风险系数的累计值较高时，可以及时购买相应的险种，为车辆提供全面的保险服务，为车辆提供保障。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中产品数据推送方法的一应用环境示意图；

图2是本发明一实施例中产品数据推送方法的一流程示意图；

图3是本发明一实施例中产品数据推送方法的一流程示意图；

图4是本发明一实施例中产品数据推送方法的一流程示意图；

图5是本发明一实施例中产品数据推送方法的一流程示意图；

图6是本发明一实施例中产品数据推送方法的一流程示意图；

图7是本发明一实施例中产品数据推送方法的一流程示意图；

图8是本发明一实施例中产品数据推送方法的一流程示意图；

图9是本发明一实施例中产品数据推送方法的一流程示意图；

图10是本发明一实施例中产品数据推送方法的一流程示意图；

图11是本发明一实施例中产品数据推送装置的一结构示意图；

图12是本发明一实施例中计算机设备的一示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。

本申请提供的产品数据推送方法，可应用在如图1的应用环境中，其中，数据收集设备通过网络与服务端进行通信。其中，数据收集设备包括但不限于各种行车记录仪、导航终端、驾驶人携带的智能手机和便携式可穿戴设备、设置于交通网络的物联网设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一实施例中，如图2所示，提供一种产品数据推送方法，以该方法应用在图1中的服务端为例进行说明，包括如下步骤：

S10、判断车辆的工作状态是否发生变化。

具体的，车辆的工作状态可以包括运行状态和非运行状态。若车辆正在行驶中，则可认定其为运行状态。车辆停靠在停车场内，则可以认定其为非运行状态。可以通过车上的传感器获知车辆的工作状态，例如，可监测车辆的发动机是否运转来判断车辆的工作状态，若发动机运转，则判定车辆处于运行状态，若发动机不运转，则判定车辆处于非运行状态。

一般情况下，车辆的工作状态变化包括车辆从运行状态转变为非运行状态，或者从非运行状态转换为运行状态。也即是说，车辆发动机开始运转之后，则可认为从非运行状态转换为运行状态；车辆发动机停止运转之后，则可认为从运行状态转换为非运行状态。但也存在特别的情况，例如车辆的临时性停车，从停车到重新启动的时间间隔小于预设时间期限，则不被认为车辆的工作状态发生变化。在此处，预设时间期限可以根据实际情况进行设定，例如可以设置为30min。可以设立一些预设规则来确定车辆的工作状态是否发生变化，以减少保险费用计算的次数。

S20、若所述车辆的工作状态发生变化，则获取所述车辆的实时环境参数。

本实施例中，服务端可以从不同的数据收集设备获取实时环境参数。实时环境参数可以包括第一实时环境参数和第二实时环境参数。第一实时环境参数为处于运行状态下的所述车辆的环境参数。第一实时环境参数包括但不限于车辆所处的路况、天气、车辆运行状况、驾驶人状态。第二实时环境参数为处于非运行状态下的所述车辆的环境参数。第二实时环境参数包括但不限于车辆所处的环境、治安情况。若车辆的工作状态不发生变化，则继续检测所述车辆的工作状态是否发生变化。

S30、根据所述实时环境参数计算与所述车辆变化后的工作状态相关联的车险险种的实时风险系数。

本实施例中，车辆的工作状态可与一个或多个车辆险种相关联。例如，车辆处于非运行状态时，与之关联的车辆险种可以是全车盗抢险、玻璃单独破碎险、自燃损失险、车身划痕险等。车辆处于运行状态时，与之关联的车辆险种可以是第三者责任险、车上人员责任险、车辆损失险等。同一个车辆险种可以同时与车辆的两种工作状态相关联。例如车身划痕险，车身划痕可能在车辆行驶中产生，也可能在停车时产生。然而，在不同工作状态下，同一车险险种计算出的实时风险系数可以不同。

具体的，车辆的工作状态与车辆险种之间的关联关系可以由系统设定，也可以由投保人自主设置。例如，系统提供与车辆非运行状态关联的车辆险种包括全车盗抢险、玻璃单独破碎险、自燃损失险、车身划痕险，投保人可在这四个车辆险种中选择部分或全部车辆险种。

S40、计算所述车险险种在指定周期内实时风险系数的累计值；

S50、若所述累计值大于所述车险险种的风险阈值，确定购买所述车险险种。

本实施例中，指定周期可以根据实际需要进行设定，可以是一个月，也可以是3个月。在获得指定周期内车辆的各个车险险种对应的实时风险系数之后，可以计算在指定周期内车险险种实时风险系数的累计值。例如，在3个月内，一共获得30个车身划痕险的实时风险系数，则车身划痕险的实时风险系数的累计值则为这30个实时风险系数的和。风险阈值可以根据实际需要进行设定。例如，可以设定车身划痕险的风险阈值为A，若指定周期内车身划痕险的实时风险系数的累计值小于A，则不购买车身划痕险；若指定周期内车身划痕险的实时风险系数的累计值大于或等于A，则购买车身划痕险。车身划痕险预测模型是风险预测模型中的一种。在此处，通过过去一段时间的实时风险系数的累计值来确定是否购买相应的车险险种。若累计值较小，则不需要购买，若累计值较大，则可以提醒车主购买。本发明所指的产品数据即为确定购买车险险种的信息。

在一实例中，一车辆计算出的指定周期内车险险种的实时风险系数的累计值为：险种B、20.36；险种C、50.12；险种D、17.15。该车辆设置的风险阈值为：险种B：50；险种C：50；险种D：20。其中，只有险种C的实时风险系数的累计值大于险种C的风险阈值。所以该车辆更适合购买险种C。

步骤S10-S50中，判断车辆的工作状态是否发生变化，以确定车辆时处于运行状态或非运行状态；若所述车辆的工作状态发生变化，则获取所述车辆的实时环境参数；所述实时环境参数包括处于运行状态下的所述车辆的第一实时环境参数，以及处于非运行状态下的所述车辆的第二实时环境参数，以获取计算车险险种的实时风险系数的依据；根据所述实时环境参数计算与所述车辆变化后的工作状态相关联的车险险种的实时风险系数，以实现对车辆的实时风险进行客观评价，工作状态不同，则车险险种不同，实时风险系数也不同；计算所述车险险种在指定周期内实时风险系数的累计值，以获得过去指定周期内的车辆在某一车险险种上的风险水平。若所述累计值大于所述车险险种的风险阈值，确定购买所述车险险种，以帮助车主购买合适的车险险种。

可选的，如图3所示，步骤S20包括以下步骤：

S201、若所述车辆的工作状态从非运行状态转换为运行状态，获取所述车辆的第一实时环境参数，所述第一实时环境参数包括行驶路线信息和驾驶人状态信息。

本实施例中，第一实时环境参数指的是车辆处于运行状态的环境参数，包括行驶路线信息和驾驶人状态信息。其中，行驶路线信息可以指在车辆即将行驶的路段上的对车辆安全产生影响的各种环境参数。例如，在车辆拥挤路段，容易产生车辆刮擦风险；在十字路口，容易出现车辆追尾事故。驾驶人状态信息可以指收集与驾驶人的精神状态相关的数据，如驾驶人的生理数据等。由于车辆的风险与驾驶人的精神状态具有很大的相关性，因而获取驾驶人状态信息是非常必要的。

本实施例通过获取所述车辆的第一实时环境参数，以采集车辆即将行驶的路线上的多个数据，这些数据可以作为计算实时风险系数的依据。

具体的，在一实施例中，如图4所示，步骤S201包括以下步骤：

S2011、获取所述车辆的行驶路线，所述行驶路线包括所述车辆的位置信息；

S2012、获取所述行驶路线所包含的各路段的路面状况和/或交通状况；和/或获取所述位置信息所对应的天气信息；

S2013、基于所述路面状况、交通状况、和/或天气信息生成所述行驶路线信息。

本实施例中，若车辆的工作状态从非运行状态转换为运行状态，则获取车辆的行驶路线信息。具体包括：服务端与所述车辆的导航终端建立连接，从所述导航终端获取车辆的导航路线，将所述导航路线确定为行驶路线，向指定服务端获取所述行驶路线上的路面信息及交通信息。在此处，导航终端可以指智能手机或者车载的导航仪。导航终端与提供保险服务的服务端建立连接。若驾驶人使用了导航服务，则直接从导航终端获取车辆的导航路线，将获得的导航路线确定为行驶路线。若服务端无法与导航终端建立连接，或者驾驶人未使用导航服务，则可通过预设的路线预测模型进行预测，进而获得车辆的行驶路线。此处路线预测模型是基于车辆的使用习惯而建立的，通过监测车辆的使用时间和出发地点实现对车辆的行驶路线进行预测。例如，用户甲工作日都是在一个时间范围内按固定路线从A地点到B地点上班，则当甲在工作日该时间范围内启动车辆的发动机时，则可判定其行驶路线为从A地点到B地点。

获取行驶路线之后，向指定服务器获取所述行驶路线上的路面信息及交通信息。在此处，指定服务器可提供具体路线的路面信息和交通信息。路面信息包括但不限于路面车道数、可通行方向、路面质量评级等，交通信息包括路段拥塞率、平均车速等。

行驶路线信息还包括车辆所在地的天气信息。可通过获取车辆的所在位置，根据所述位置向指定的天气服务器获取天气信息。若导航路线和行驶路线均不可用，行驶路线信息也可仅包含车辆所在地的天气信息。

在步骤S2011-步骤S2013中，获取所述车辆的行驶路线信息，以获得车辆的实时行驶环境，并将其作为第一实时环境参数。

在一实施例中，驾驶人状态信息包括驾驶人第一状态信息，此时，如图5所示，步骤S201还包括以下步骤：

S2014、获取驾驶人在第一时长内的生理数据；

S2015、根据预设生理数据模型处理所述生理数据，并生成驾驶人第一状态信息。

其中，所述第一时长可以根据需求设定。所述生理数据可以包括心跳、血氧、血压等，通过与驾驶人所佩戴的智能穿戴设备或者智能终端获取相应的生理数据。预设生理数据模型是基于包含大量驾驶人生理数据的样本集训练而获得的。经预设生理数据模型处理后，可生成驾驶人第一状态信息。驾驶人第一状态信息可以用状态等级来标识当前驾驶人的状态，状态等级可以包括优级、良级、中级、劣级。

步骤S2014-S2015中，获取驾驶人在第一时长内的生理数据；根据预设生理数据模型处理所述生理数据，并生成驾驶人第一状态信息，以采集驾驶人的生理数据的方式获取驾驶人第一状态信息，该驾驶人第一状态信息作为计算实时风险系数的依据。

在一实施例中，驾驶人状态信息包括驾驶人第二状态信息，如图6所示，步骤S201还包括以下步骤：

S2016、获取驾驶人在第二时长内的视频数据；

S2017、根据预设视频数据模型处理所述视频数据，并生成驾驶人第二状态信息。

其中，所述第二时长可以根据需求设定。在本实施例中，可在车辆的驾驶室安装摄像设备以获取驾驶人在开车前的一段时间的视频数据。预设视频数据模型是基于包含大量驾驶人视频数据的样本集训练而获得的。经预设视频数据模型处理后，可生成驾驶人第二状态信息。驾驶人第二状态信息可以用状态等级来标识当前驾驶人的状态，状态等级可以包括优级、良级、中级、劣级。其中，通过预设视频数据模型根据视频数据检测驾驶人是否出现打哈欠或其他特定的行为，进而根据这些行为判断驾驶人的状态，生成驾驶人第二状态信息。

步骤S2016-S2017中，获取驾驶人在第二时长内的视频数据；根据预设视频数据模型处理所述视频数据，并生成驾驶人第二状态信息，以采集驾驶人的视频数据的方式获取驾驶人第二状态信息，该驾驶人第二状态信息可以作为计算实时风险系数的依据。

可选的，如图7所示，所述步骤S20还包括以下步骤：

S202、若所述车辆的工作状态从运行状态转换为非运行状态，获取所述车辆的第二实时环境参数。

本实施例中，第二实时环境参数主要用于判断车辆在停车时发生的风险。具体的，获取所述车辆的第二实时环境参数包括：

获取车辆的位置信息；

根据所述位置信息获取第二实时环境参数，所述第二实时环境参数包括车辆的周边信息及预设时间内的天气信息。

值得注意的是，在此处，周边信息指的是车辆周边可能导致车辆受损的因素。例如，车辆停在大树下，可能会发生树枝掉落在车身上，导致车辆受损；又如，车辆停在出入口区域，容易发生刮擦意外。周边信息可以从车辆所在位置附近的物联网设备获得，或者根据车载的摄像头获取具体的周围环境图像，再根据周围环境图像解析出周边信息。

还可根据车辆的位置信息获取预设时间内的天气信息。预设时间可以是一天或者其他设置时间。天气情况对车辆的受损会产生较大影响，在恶劣的天气情况下，车辆受损的概率会大大上升。其中，车辆受损既包括与其他车辆发生事故而产生的受损，也包括因天气情况而造成的受损，如车辆浸水、车身被树枝刮花等。

步骤S202中，获取所述车辆的第二实时环境参数，以采集车辆停车时的多个环境参数，这些环境参数可以作为计算实时风险系数的依据。

可选的，如图8所示，步骤S30包括：

S301、获取与变化后的工作状态相关联的车险险种；

S302、获取与所述车险险种相关联的风险预测模型；

S303、将所述实时环境参数输入所述风险预测模型以计算所述实时风险系数。

本实施例中，可根据步骤S20获取的实时环境参数计算与运行状态相关联的各车险险种的实时风险系数。可针对每个险种构建风险预测模型，然后在相应的风险预测模型输入实时环境参数，输出实时风险系数。以变化后的工作状态为运行状态为例，风险预测模型可以基于同一个地区的第一驾驶风险样本集而建立，第一驾驶风险样本集包括了该地区多个投保人的第一实时环境参数以及相应的理赔情况。实时风险系数可以是风险等级，也可以是具体数值。

若变化后的工作状态为非运行状态，风险预测模型可以基于同一个地区的第二驾驶风险样本集而建立，第二驾驶风险样本集包括了该地区多个投保人的第二实时环境参数以及相应的理赔情况。

在一实施例中，如图9所示，步骤S30还包括：

S304、获取所述车辆的历史评估数据；

S305、根据所述实时环境参数和历史评估数据计算与所述车辆的工作状态相关联的车险险种的所述实时风险系数。

本实施例中，历史评估数据可以是过去一段时期收集到的车辆相关信息，也可以是基于上述车辆相关信息所获得的历史风险系数。车辆相关信息可以包括车辆数据、驾驶数据。车辆数据包括车辆的基础数据以及可测量的车辆运行数据。基础数据包括购买时间、行驶里程、车辆价值、车辆型号中的至少一种。可测量的车辆运行数据包括但不限于主部件的参数，例如发动机、底盘、车身、电器设备的性能参数。历史风险系数可以风险等级表示，也可以具体数值表示。

可采用实时风险系数模型处理上述实时环境参数和历史评估数据，计算出实时风险系数。也就是说，实时风险系数模型包括实时环境参数和历史评估数据两个输入参量，实时风险系数一个输出参量。实时风险系数模型可以基于同一个用户的样本数据构建而成。

步骤S304与步骤S305中，获取所述车辆的历史评估数据，以了解该车辆过去一段时间的安全状况，可辅助计算实时风险系数。根据所述实时环境参数和历史评估数据计算与所述车辆的工作状态相关联的车险险种的所述实时风险系数，以获得一个更为客观的实时风险系数。

可选的，如图10所示，步骤S50之后，还包括：

S60、根据所述车险险种生成保险支付账单；

S70、根据获取的所述车辆绑定账户的预授权信息对所述保险支付账单进行结算。

本实施例中，为了方便投保人购买车险，可采用预授权的方式进行扣费。投保人可预先设置多个意愿投保险种，并设置多个险种的投保阈值。当步骤S40确定好需要购买的车险险种后，根据预授权信息进行相应的扣费操作，不需要投保人每次进行操作。值得注意的是，预先设置的多个意愿投保险种，与设置的多个险种的投保阈值不一定一一对应。投保人可以设置所有车险险种的投保阈值，但仅设置部分车险险种为意愿投保险种。没有设置为意愿投保险种，则不会进行购买对应的险种。例如，投保人可以设置全车盗抢险、玻璃单独破碎险、自燃损失险、车身划痕险的投保阈值，但仅选择玻璃单独破碎险、车身划痕险为意愿投保险种，则在四个险种的实时风险系数超过投保阈值时，只购买玻璃单独破碎险、车身划痕险。另外两个险种以提醒信息的方式告知投保人，若投保人同意购买，则通过相应的确认操作进行购买；若投保人不同意，则不购买。例如，提醒信息中包含确认按键，若投保人同意购买，则点击该确认按钮，即完成相应的确认操作，进而完成相应险种的购买。

步骤S60-步骤S70中，根据所述车险险种生成保险支付账单，以实现自动生成保险支付账单，方便投保人购买。根据获取的所述车辆绑定账户的预授权信息对所述保险支付账单进行结算，以实现保险支付账单自动结付，帮助投保人减少支付的操作。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种产品数据推送装置，该产品数据推送装置与上述实施例中产品数据推送方法一一对应。如图11所示，该产品数据推送装置包括状态判断模块10、获取参数模块20、风险计算模块30、累计风险计算模块和确定险种模块50。各功能模块详细说明如下：

状态判断模块10，用于判断车辆的工作状态是否发生变化；

获取参数模块20，用于若所述车辆的工作状态发生变化，则获取所述车辆的实时环境参数；

风险计算模块30，用于根据所述实时环境参数计算与所述车辆变化后的工作状态相关联的车险险种的实时风险系数；

累计风险计算模块40，用于计算所述车险险种在指定周期内实时风险系数的累计值；

确定险种模块50，用于若所述累计值大于所述车险险种的风险阈值，确定购买所述车险险种。

可选的，获取参数模块20包括：

第一参数单元，用于若所述车辆的工作状态从非运行状态转换为运行状态，获取所述车辆的第一实时环境参数，所述第一实时环境参数包括行驶路线信息和驾驶人状态信息。

可选的，第一参数单元包括：

获取路线单元，用于获取所述车辆的行驶路线，所述行驶路线包括所述车辆的位置信息；

获取数据单元，用于获取所述行驶路线所包含的各路段的路面状况和/或交通状况；和/或获取所述位置信息所对应的天气信息；

生成路线信息单元，用于基于所述路面状况、交通状况和/或天气信息生成所述行驶路线信息。

可选的，所述驾驶人状态信息包括驾驶人第一状态信息，第一参数单元包括：

获取生理数据单元，用于获取驾驶人在第一时长内的生理数据；

第一状态信息单元，用于根据预设生理数据模型处理所述生理数据，并生成驾驶人第一状态信息。

可选的，所述驾驶人状态信息包括驾驶人第二状态信息，第一参数单元包括：

获取视频数据单元，用于获取驾驶人在第二时长内的视频数据；

第二状态信息单元，用于根据预设视频数据模型处理所述视频数据，并生成驾驶人第二状态信息。

可选的，获取参数模块20包括：

第二参数单元，用于若所述车辆的工作状态从运行状态转换为非运行状态，获取所述车辆的第二实时环境参数。

可选的，风险计算模块30包括：

获取历史数据单元，用于获取所述车辆的历史评估数据；

系数计算单元，用于根据所述实时环境参数和历史评估数据计算与所述车辆的工作状态相关联的车险险种的所述实时风险系数。

可选的，风险计算模块30包括：

获取车险险种单元，用于获取与变化后的工作状态相关联的车险险种；

获取预测模型单元，用于获取与所述车险险种相关联的风险预测模型；

计算风险系数单元，用于将所述实时环境参数输入所述风险预测模型以计算所述实时风险系数。

可选的，产品数据推送装置包括：

账单生成模块，用于根据所述车险险种生成保险支付账单；

结算模块，用于根据获取的所述车辆绑定账户的预授权信息对所述保险支付账单进行结算。

关于产品数据推送装置的具体限定可以参见上文中对于产品数据推送方法的限定，在此不再赘述。上述产品数据推送装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

本实施例提供的产品数据推送装置，通过判断车辆的工作状态是否发生变化，获取车辆的实时环境参数，并根据实时环境参数计算出实时风险系数，进而为车辆确定合适的车险险种。当车辆的风险系数较低时，可以少交或不交车险费用，帮助投保人节省费用，当车辆的风险系数较高时，可以为车辆提供全面的保险服务，为车辆提供保障。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储产品数据推送方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种产品数据推送方法。

在一个实施例中，提供了一种计算机设备，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，处理器执行计算机程序时实现以下步骤：

判断车辆的工作状态是否发生变化；

计算所述车险险种在指定周期内实时风险系数的累计值；

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

判断车辆的工作状态是否发生变化；

计算所述车险险种在指定周期内实时风险系数的累计值；

本领域普通技术人员可以理解实现上述实施例方法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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims

1.一种产品数据推送方法，其特征在于，包括：

判断车辆的工作状态是否发生变化；

计算所述车险险种在指定周期内实时风险系数的累计值；

2.如权利要求1所述的产品数据推送方法，其特征在于，所述实时环境参数包括处于运行状态下的所述车辆的第一实时环境参数；

所述若所述车辆的工作状态发生变化，则获取所述车辆的实时环境参数，包括：

若所述车辆的工作状态从非运行状态转换为运行状态，获取所述车辆的第一实时环境参数，所述第一实时环境参数包括行驶路线信息和驾驶人状态信息。

3.如权利要求2所述的产品数据推送方法，其特征在于，所述获取所述车辆的第一实时环境参数，包括：

获取所述车辆的行驶路线，所述行驶路线包括所述车辆的位置信息；

获取所述行驶路线所包含的各路段的路面状况和/或交通状况；和/或获取所述位置信息所对应的天气信息；

基于所述路面状况、交通状况和/或天气信息生成所述行驶路线信息。

4.如权利要求2所述的产品数据推送方法，其特征在于，所述驾驶人状态信息包括驾驶人第一状态信息和/或驾驶人第二状态信息；

所述获取所述车辆的第一实时环境参数，包括：

获取驾驶人在第一时长内的生理数据；根据预设生理数据模型处理所述生理数据，并生成驾驶人第一状态信息；和/或

获取驾驶人在第二时长内的视频数据；根据预设视频数据模型处理所述视频数据，并生成驾驶人第二状态信息。

5.如权利要求1所述的产品数据推送方法，其特征在于，所述实时环境参数包括处于非运行状态下的所述车辆的第二实时环境参数；

若所述车辆的工作状态从运行状态转换为非运行状态，获取所述车辆的第二实时环境参数。

6.如权利要求1所述的产品数据推送方法，其特征在于，所述根据所述实时环境参数计算与所述车辆变化后的工作状态相关联的车险险种的实时风险系数，包括：

获取与变化后的工作状态相关联的车险险种；

获取与所述车险险种相关联的风险预测模型；

将所述实时环境参数输入所述风险预测模型以计算所述实时风险系数。

7.如权利要求1所述的产品数据推送方法，其特征在于，所述若所述累计值大于所述车险险种的风险阈值，确定购买所述车险险种之后，包括：

根据所述车险险种生成保险支付账单；

根据获取的所述车辆绑定账户的预授权信息对所述保险支付账单进行结算。

8.一种产品数据推送装置，其特征在于，包括：

状态判断模块，用于判断车辆的工作状态是否发生变化；

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述产品数据推送方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述产品数据推送方法的步骤。