CN109859055A - 保费计算方法、装置、计算机设备及存储介质 - Google Patents
保费计算方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109859055A CN109859055A CN201811527435.6A CN201811527435A CN109859055A CN 109859055 A CN109859055 A CN 109859055A CN 201811527435 A CN201811527435 A CN 201811527435A CN 109859055 A CN109859055 A CN 109859055A
- Authority
- CN
- China
- Prior art keywords
- premium
- information
- insuring
- coefficient
- computation model
- 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
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了保费计算方法、装置、计算机设备及存储介质。方法包括:若接收到用户所输入的投保业务信息,根据投保业务信息中的投保作物种类与预设投保模型库进行匹配以获取目标保费计算模型;根据投保业务信息中的地理位置信息获取与该地理位置信息对应的年均气候信息;将所得到的年均气候信息输入目标保费计算模型以计算得到投保作物种类的单位面积保费;通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间。本发明基于预测估值技术,能够结合气候信息所带来的风险对保费进行计算,保障了保险企业及农户双方的利益,实现了结合气候信息对保费进行精确计算。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种保费计算方法、装置、计算机设备及存储介质。
背景技术
在对农作物进行投保的过程中,往往是通过计算农作物种植面积及该农作物种类获取相应的保费并对农作物进行投保,然而现实过程中农作物的收成与气候等其他因素关系密切,在投保过程中无法对气候等因素所造成的风险进行评估,导致投保过程中保费计算出现较大偏差,从而无法保障保险企业以及农户双方的利益。因而,现有的保费计算方法存在无法精确计算保费的问题。
发明内容
本发明实施例提供了一种保费计算方法、装置、计算机设备及存储介质,旨在解决现有技术中的保费计算方法存在无法精确计算保费的问题。
第一方面,本发明实施例提供了一种保费计算方法,其包括:
若接收到用户所输入的投保业务信息,根据投保业务信息中的投保作物种类与预设投保模型库进行匹配以获取目标保费计算模型;
根据投保业务信息中的地理位置信息获取与该地理位置信息对应的年均气候信息;
将所得到的年均气候信息输入目标保费计算模型以计算得到投保作物种类的单位面积保费;
通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间。
第二方面,本发明实施例提供了一种保费计算装置,其包括:
计算模型匹配单元,用于若接收到用户所输入的投保业务信息,根据投保业务信息中的投保作物种类与预设投保模型库进行匹配以获取目标保费计算模型;
年均气候信息获取单元,用于根据投保业务信息中的地理位置信息获取与该地理位置信息对应的年均气候信息;
单位面积保费计算单元,用于将所得到的年均气候信息输入目标保费计算模型以计算得到投保作物种类的单位面积保费;
预估保费区间计算单元,用于通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间。
第三方面,本发明实施例又提供了一种计算机设备,其包括存储器、处理器及存储在所述存储器上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上述第一方面所述的保费计算方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的保费计算方法。
本发明实施例提供了一种保费计算方法、装置、计算机设备及存储介质。通过获取与投保业务信息中地理位置信息相对应的气候信息,并根据相应的保费计算模型及投保业务信息计算得到相应的预估保费区间,能够结合气候信息所带来的风险对保费进行计算,保障了保险企业及农户双方的利益,实现了结合气候信息对保费进行精确计算。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的保费计算方法的流程示意图;
图2为本发明实施例提供的保费计算方法的子流程示意图;
图3为本发明实施例提供的保费计算方法的另一子流程示意图;
图4为本发明实施例提供的保费计算方法的另一子流程示意图;
图5为本发明实施例提供的保费计算方法的另一流程示意图;
图6为本发明实施例提供的保费计算装置的示意性框图;
图7为本发明实施例提供的保费计算装置的子单元示意性框图;
图8为本发明实施例提供的保费计算装置的另一子单元示意性框图;
图9为本发明实施例提供的保费计算装置的另一子单元示意性框图;
图10为本发明实施例提供的保费计算装置的另一示意性框图;
图11为本发明实施例提供的计算机设备的示意性框图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,图1是本发明实施例提供的保费计算方法的流程示意图。该保费计算方法应用于终端设备中,例如台式电脑、笔记本电脑、平板电脑或手机等,该方法通过安装于终端设备中的应用软件进行执行。
如图1所示,该方法包括步骤S110~S150。
S110、若接收到用户所输入的投保业务信息,根据投保业务信息中的投保作物种类与预设投保模型库进行匹配以获取目标保费计算模型。
若接收到用户所输入的投保业务信息,根据投保业务信息中的投保作物种类与预设投保模型库进行匹配以获取目标保费计算模型。投保业务信息即是用户所输入的用于购买保险的业务信息,投保业务信息中具体包括投保作物种类、地理位置信息及实际种植面积等,地理位置信息即是该投保作物所种植的位置信息,实际种植面积即为该投保作物所种植的实际面积。投保计算模型中包含多个保费计算模型,不同种类的作物进行投保适用与该作物种类相对应的保费计算模型,与投保作物种类相匹配的保费计算模型即为目标保费计算模型。
例如,投保业务信息中的投保作物种类为“玉米”,则通过与预设投保模型库进行匹配,获取到“玉米”相匹配的保费计算模型即为目标保费计算模型。S120、根据投保业务信息中的地理位置信息获取与该地理位置信息对应的年均气候信息。
根据投保业务信息中的地理位置信息获取与该地理位置信息相匹配的年均气候信息。为根据气候因素对所投保作物的风险进行分析以根据不同气候因素计算得到更加精确的保费供保险企业的业务员进行参考,需通过投保业务信息中的地理位置信息获取相应的年均气候信息。年均气候信息即是与地理位置信息相匹配的气候年均信息,年均气候信息中包括年均自然灾害(地震、洪涝、台风等灾害)次数、年均降水量、年均日照时长、年均大风天数等。年均自然灾害次数即是该地理位置信息年均发生较严重自然灾害的次数,年均降水量即是该地理位置信息年均降水的总量,年均日照时长即是该地理位置信息年均日照的小时数,年均大风天数即是该地理位置信息年均大风天气的天数。
在一实施例中,如图2所示,步骤S120包括子步骤S121和S122。
S121、根据所述地理位置信息获取与该地理位置信息相匹配的历史气候信息。
根据所述地理位置信息获取与该地理位置信息相匹配的历史气候信息。历史气候信息中包含历年该地理位置信息对应的气候信息,历史气候信息中包括自然灾害次数、降水量、日照时长、大风天数等。具体的,在输入投保业务信息中地理位置信息即可在天气网站上查询得到与该地理位置信息相对应的历年气候信息。
例如,地理位置信息为“广东梅州”,在天气网站上输入“广东梅州”即可查询得到该地历年的气候信息,也即是得到“广东梅州”的历史气候信息。
S122、根据历史气候信息计算得到年均气候信息。
根据历史气候信息计算得到年均气候信息,历史气候信息中包含历年该地理位置信息对应的气候信息,将气候信息中的每一项相加除以总年数即可得到年均气候信息。年均气候信息中包括年均自然灾害次数、年均降水量、年均日照时长、年均大风天数等。
例如,计算得到某一地理位置信息对应的年均气候信息如表1所示。
表1
S130、将所得到的年均气候信息输入目标保费计算模型以计算得到投保作物种类的单位面积保费。
将所得到的年均气候信息输入目标保费计算模型,即可计算得到投保作物种类的单位面积保费。目标保费计算模型中包含与年均气候信息中每一项进行映射的映射关系以及对单位面积保费进行计算的保费计算公式。
在一实施例中,如图3所示,步骤S130包括子步骤S131和S132。
S131、根据目标保费计算模型中的映射关系获取与年均气候信息相对应的自然灾害等级系数A、降水系数B、日照系数C和大风系数D。
根据目标保费计算模型中的映射关系即可获取与年均自然灾害次数相对应的自然灾害系数A、与年均降水量相对应的降水系数B、与年均日照时长相对应的日照系数C、与年均大风天数相对应的大风系数D。具体的,映射关系中包括自然灾害映射关系、降水映射关系、日照映射关系及大风映射关系。通过自然灾害映射关系对年均气候信息中的年均自然灾害次数进行映射即可得到自然灾害等级系数A,通过降水映射关系对年均降水量进行映射即可得到降水系数B,通过日照映射关系对年均日照时长进行映射即可得到日照系数C,通过大风映射关系对年均大风天数进行映射即可得到大风系数D。
例如,映射关系中的降水映射关系如表2所示。
年均降水量 | 降水系数 |
≥4000毫米 | 0.3 |
<4000且≥3000毫米 | 0.4 |
<3000且≥2000毫米 | 0.55 |
<2000且≥1000毫米 | 0.7 |
<1000毫米 | 0.9 |
表2
则根据表1中该地理位置信息的年均降水量进行映射获取得到对应的降水系数B=0.4。
S132、根据目标保费计算模型中的保费计算公式S=T+A×T+(B-B0)×T+(C-C0)×T+(D-D0)×T计算得到单位面积保费,其中,T为基础保费,B0、C0、D0均为保费计算公式中预设的参数值。
根据目标保费计算模型中的保费计算公式S=T+A×T+(B-B0)×T+(C-C0)×T+(D-D0)×T计算得到单位面积保费,其中,T为基础保费,B0为投保作物种类的基础降水系数,C0为投保作物种类的基础日照系数,D0为投保作物种类的基础大风系数,B0、C0、D0均为保费计算公式中根据不同投保作物种类所预设的参数值,由于不同的投保作物种类具有不同的降水量需求、日照需求、抗大风能力等特性,因此不同投保作物种类对应的保费计算公式中B0、C0、D0也存在区别。
S140、通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间。
通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间,目标保费计算模型中包括上浮系数及下浮系数,通过实际种植面积与投保作物种类的单位面积保费相乘即可得到该投保业务信息对应的预估保费,通过上浮系数及下浮系数及预估保费进行计算即可得到预估保费区间。用户可通过参考所得到的预估保费区间,选择合适的实际保费进行投保。通过对气候因素所造成的风险进行评估并计算得到预估保费区间,能够在投保过程中使保费的计算更加精确,从而保障保险企业及农户双方的利益。
在一实施例中,如图4所示,步骤S140包括子步骤S141、S142和S143。
S141、根据目标保费计算模型中的计算公式X=S×V计算得到预估保费,其中S为单位面积保费,V为实际种植面积。
根据目标保费计算模型中的计算公式X=S×V计算得到预估保费,其中S为通过目标保费计算模型计算得到的单位面积保费,V为保业务信息中的实际种植面积。
例如,单位面积保费S=4500/公顷,V=3.25公顷,则计算得到的预估保费X=14625。
S142、根据目标保费计算模型中的上浮系数及预估保费计算得到预估保费区间的最大值。
根据目标保费计算模型中的上浮系数及预估保费计算得到预估保费区间的最大值。为对用户提供更加价值的参考信息,可通过目标保费计算模型中的上浮系数计算得到预估保费区间的最大值,具体的,将上浮系数与计算得到的预估保费相乘即可得到预估保费区间的最大值。
S143、根据目标保费计算模型中的下浮系数及预估保费计算得到预估保费区间的最小值。
根据目标保费计算模型中的下浮系数及预估保费计算得到预估保费区间的最小值。为对用户提供更加价值的参考信息,可通过目标保费计算模型中的下浮系数计算得到预估保费区间的最小值,具体的,将下浮系数与计算得到的预估保费相乘即可得到预估保费区间的最小值。将计算得到的预估保费区间最大值及预估保费区间最小值进行组合即可得到预估保费区间。
例如,下浮系数为0.9、上浮系数为1.05,则计算得到预估保费区间为13162.5≤且≤15356.25。
在一实施例中,如图5所示,步骤S140之后还包括步骤S150和S160。
S150、若接收到用户所输入的实际保费,判断所述实际保费是否处于预估保费区间中。
若接收到用户所输入的实际保费,判断所述实际保费是否处于预估保费区间中。在对投保模型库进行实际使用的过程中,还可对投保模型库中相应保费计算模型中的上浮系数及下浮系数进行调整,以使投保模型库满足实际使用需求。若判断得到实际保费处于预估保费区间中,则不对相应的系数进行调整;若判断得到实际保费不处于预估保费区间中,则需根据预设的系数调整规则对相应的系数进行调整。
S160、若所述实际保费不处于预估保费区间中,根据预设的系数调整规则对所述目标保费计算模型中的上浮系数及下浮系数进行调整。
若所述实际保费不处于预估保费区间中,根据预设的系数调整规则对所述目标保费计算模型中的上浮系数及下浮系数进行调整。其中,系数调整规则即是预设的用于对上浮系数及下浮系数进行调整的规则信息,系数调整规则中包括调整方向及调整幅度,调整方向即是用于对系数进行放大调整或缩小调整的方向信息,调整幅度即是用于对系数的幅度进行调整的信息。
具体的,对下浮系数进行调整的方法为:若所述实际保费小于保费预估保费区间的最小值,预设的系数调整规则对目标保费计算模型中的下浮系数进行调整。例如,预设的系数调整规则为进行放大或缩小调整,每次调整幅度为2%,则若实际保费小于保费预估保费区间的最小值,将下浮系数×(1-2%)以得到进行缩小调整以后的下浮系数。
具体的,对上浮系数进行调整的方法为:若所述实际保费大于保费预估保费区间的最大值,预设的系数调整规则对目标保费计算模型中的上浮系数进行放大调整。例如,预设的系数调整规则为进行放大或缩小调整,每次调整幅度为2%,则若所述实际保费大于保费预估保费区间的最大值,将上浮系数×(1+2%)以得到进行放大调整以后的上浮系数。
通过获取与投保业务信息中地理位置信息相对应的气候信息,并根据相应的保费计算模型及投保业务信息计算得到相应的预估保费区间,能够结合气候信息所带来的风险对保费进行计算,保障了保险企业及农户双方的利益,实现了结合气候信息对保费进行精确计算。
本发明实施例还提供一种保费计算装置,该保费计算装置用于执行前述保费计算方法的任一实施例。具体地,请参阅图6,图6是本发明实施例提供的保费计算装置的示意性框图。该保费计算装置可以配置于台式电脑、笔记本电脑、平板电脑或手机等终端设备中。
如图6所示,保费计算装置100包括计算模型匹配单元110、年均气候信息获取单元120、单位面积保费计算单元130、预估保费区间计算单元140。
计算模型匹配单元110,用于若接收到用户所输入的投保业务信息,根据投保业务信息中的投保作物种类与预设投保模型库进行匹配以获取目标保费计算模型。
若接收到用户所输入的投保业务信息,根据投保业务信息中的投保作物种类与预设投保模型库进行匹配以获取目标保费计算模型。投保业务信息即是用户所输入的用于购买保险的业务信息,投保业务信息中具体包括投保作物种类、地理位置信息及实际种植面积等,地理位置信息即是该投保作物所种植的位置信息,实际种植面积即为该投保作物所种植的实际面积。投保计算模型中包含多个保费计算模型,不同种类的作物进行投保适用与该作物种类相对应的保费计算模型,与投保作物种类相匹配的保费计算模型即为目标保费计算模型。
年均气候信息获取单元120,用于根据投保业务信息中的地理位置信息获取与该地理位置信息对应的年均气候信息。
根据投保业务信息中的地理位置信息获取与该地理位置信息相匹配的年均气候信息。为根据气候因素对所投保作物的风险进行分析以根据不同气候因素计算得到更加精确的保费供保险企业的业务员进行参考,需通过投保业务信息中的地理位置信息获取相应的年均气候信息。年均气候信息即是与地理位置信息相匹配的气候年均信息,年均气候信息中包括年均自然灾害(地震、洪涝、台风等灾害)次数、年均降水量、年均日照时长、年均大风天数等。年均自然灾害次数即是该地理位置信息年均发生较严重自然灾害的次数,年均降水量即是该地理位置信息年均降水的总量,年均日照时长即是该地理位置信息年均日照的小时数,年均大风天数即是该地理位置信息年均大风天气的天数。
其他发明实施例中,如图7所示,所述年均气候信息获取单元120包括子单元:历史气候信息获取单元121和年均气候信息计算单元122。
历史气候信息获取单元121,用于根据所述地理位置信息获取与该地理位置信息相匹配的历史气候信息。
根据所述地理位置信息获取与该地理位置信息相匹配的历史气候信息。历史气候信息中包含历年该地理位置信息对应的气候信息,历史气候信息中包括自然灾害次数、降水量、日照时长、大风天数等。具体的,在输入投保业务信息中地理位置信息即可在天气网站上查询得到与该地理位置信息相对应的历年气候信息。
年均气候信息计算单元122,用于根据历史气候信息计算得到年均气候信息。
根据历史气候信息计算得到年均气候信息,历史气候信息中包含历年该地理位置信息对应的气候信息,将气候信息中的每一项相加除以总年数即可得到年均气候信息。年均气候信息中包括年均自然灾害次数、年均降水量、年均日照时长、年均大风天数等。
单位面积保费计算单元130,用于将所得到的年均气候信息输入目标保费计算模型以计算得到投保作物种类的单位面积保费。
将所得到的年均气候信息输入目标保费计算模型,即可计算得到投保作物种类的单位面积保费。目标保费计算模型中包含与年均气候信息中每一项进行映射的映射关系以及对单位面积保费进行计算的保费计算公式。
其他发明实施例中,如图8所示,所述单位面积保费计算单元130包括子单元:系数获取单元131和保费计算单元132。
系数获取单元131,用于根据目标保费计算模型中的映射关系获取与年均气候信息相对应的自然灾害等级系数A、降水系数B、日照系数C和大风系数D。
根据目标保费计算模型中的映射关系即可获取与年均自然灾害次数相对应的自然灾害系数A、与年均降水量相对应的降水系数B、与年均日照时长相对应的日照系数C、与年均大风天数相对应的大风系数D。具体的,映射关系中包括自然灾害映射关系、降水映射关系、日照映射关系及大风映射关系。通过自然灾害映射关系对年均气候信息中的年均自然灾害次数进行映射即可得到自然灾害等级系数A,通过降水映射关系对年均降水量进行映射即可得到降水系数B,通过日照映射关系对年均日照时长进行映射即可得到日照系数C,通过大风映射关系对年均大风天数进行映射即可得到大风系数D。
保费计算单元132,用于根据目标保费计算模型中的保费计算公式S=T+A×T+(B-B0)×T+(C-C0)×T+(D-D0)×T计算得到单位面积保费,其中,T为基础保费,B0、C0、D0均为保费计算公式中预设的参数值。
根据目标保费计算模型中的保费计算公式S=T+A×T+(B-B0)×T+(C-C0)×T+(D-D0)×T计算得到单位面积保费,其中,T为基础保费,B0为投保作物种类的基础降水系数,C0为投保作物种类的基础日照系数,D0为投保作物种类的基础大风系数,B0、C0、D0均为保费计算公式中根据不同投保作物种类所预设的参数值,由于不同的投保作物种类具有不同的降水量需求、日照需求、抗大风能力等特性,因此不同投保作物种类对应的保费计算公式中B0、C0、D0也存在区别。
预估保费区间计算单元140,用于通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间。
通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间,目标保费计算模型中包括上浮系数及下浮系数,通过实际种植面积与投保作物种类的单位面积保费相乘即可得到该投保业务信息对应的预估保费,通过上浮系数及下浮系数及预估保费进行计算即可得到预估保费区间。用户可通过参考所得到的预估保费区间,选择合适的实际保费进行投保。通过对气候因素所造成的风险进行评估并计算得到预估保费区间,能够在投保过程中使保费的计算更加精确,从而保障保险企业及农户双方的利益。
其他发明实施例中,如图9所示,所述预估保费区间计算单元140包括子单元:预估保费计算单元141、最大值计算单元142和最小值计算单元143。
预估保费计算单元141,用于根据目标保费计算模型中的计算公式X=S×V计算得到预估保费,其中S为单位面积保费,V为实际种植面积。
根据目标保费计算模型中的计算公式X=S×V计算得到预估保费,其中S为通过目标保费计算模型计算得到的单位面积保费,V为保业务信息中的实际种植面积。
最大值计算单元142,用于根据目标保费计算模型中的上浮系数及预估保费计算得到预估保费区间的最大值。
根据目标保费计算模型中的上浮系数及预估保费计算得到预估保费区间的最大值。为对用户提供更加价值的参考信息,可通过目标保费计算模型中的上浮系数计算得到预估保费区间的最大值,具体的,将上浮系数与计算得到的预估保费相乘即可得到预估保费区间的最大值。
最小值计算单元143,用于根据目标保费计算模型中的下浮系数及预估保费计算得到预估保费区间的最小值。
根据目标保费计算模型中的下浮系数及预估保费计算得到预估保费区间的最小值。为对用户提供更加价值的参考信息,可通过目标保费计算模型中的下浮系数计算得到预估保费区间的最小值,具体的,将下浮系数与计算得到的预估保费相乘即可得到预估保费区间的最小值。将计算得到的预估保费区间最大值及预估保费区间最小值进行组合即可得到预估保费区间。
其他发明实施例中,如图10所示,所述保费计算装置100还包括子单元:区间判断单元150和系数调整单元160。
区间判断单元150,用于若接收到用户所输入的实际保费,判断所述实际保费是否处于预估保费区间中。
若接收到用户所输入的实际保费,判断所述实际保费是否处于预估保费区间中。在对投保模型库进行实际使用的过程中,还可对投保模型库中相应保费计算模型中的上浮系数及下浮系数进行调整,以使投保模型库满足实际使用需求。若判断得到实际保费处于预估保费区间中,则不对相应的系数进行调整;若判断得到实际保费不处于预估保费区间中,则需根据预设的系数调整规则对相应的系数进行调整。
系数调整单元160,用于若所述实际保费不处于预估保费区间中,根据预设的系数调整规则对所述目标保费计算模型中的上浮系数及下浮系数进行调整。
若所述实际保费不处于预估保费区间中,根据预设的系数调整规则对所述目标保费计算模型中的上浮系数及下浮系数进行调整。其中,系数调整规则即是预设的用于对上浮系数及下浮系数进行调整的规则信息,系数调整规则中包括调整方向及调整幅度,调整方向即是用于对系数进行放大调整或缩小调整的方向信息,调整幅度即是用于对系数的幅度进行调整的信息。
具体的,对下浮系数进行调整的方法为:若所述实际保费小于保费预估保费区间的最小值,预设的系数调整规则对目标保费计算模型中的下浮系数进行调整。例如,预设的系数调整规则为进行放大或缩小调整,每次调整幅度为2%,则若实际保费小于保费预估保费区间的最小值,将下浮系数×(1-2%)以得到进行缩小调整以后的下浮系数。
具体的,对上浮系数进行调整的方法为:若所述实际保费大于保费预估保费区间的最大值,预设的系数调整规则对目标保费计算模型中的上浮系数进行放大调整。例如,预设的系数调整规则为进行放大或缩小调整,每次调整幅度为2%,则若所述实际保费大于保费预估保费区间的最大值,将上浮系数×(1+2%)以得到进行放大调整以后的上浮系数。
通过获取与投保业务信息中地理位置信息相对应的气候信息,并根据相应的保费计算模型及投保业务信息计算得到相应的预估保费区间,能够结合气候信息所带来的风险对保费进行计算,保障了保险企业及农户双方的利益,实现了结合气候信息对保费进行精确计算。
上述保费计算装置可以实现为计算机程序的形式,该计算机程序可以在如图11所示的计算机设备上运行。
请参阅图11,图11是本发明实施例提供的计算机设备的示意性框图。
参阅图11,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行保费计算方法。
该处理器502用于提供计算和控制能力,支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行保费计算方法。
该网络接口505用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图11中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下功能:若接收到用户所输入的投保业务信息,根据投保业务信息中的投保作物种类与预设投保模型库进行匹配以获取目标保费计算模型;根据投保业务信息中的地理位置信息获取与该地理位置信息对应的年均气候信息;将所得到的年均气候信息输入目标保费计算模型以计算得到投保作物种类的单位面积保费;通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间。
在一实施例中,处理器502在执行根据投保业务信息中的地理位置信息获取与该地理位置信息对应的年均气候信息的步骤时,执行如下操作:根据所述地理位置信息获取与该地理位置信息相匹配的历史气候信息;根据历史气候信息计算得到年均气候信息。
在一实施例中,处理器502在执行将所得到的年均气候信息输入目标保费计算模型以计算得到投保作物种类的单位面积保费的步骤时,执行如下操作:根据目标保费计算模型中的映射关系获取与年均气候信息相对应的自然灾害等级系数A、降水系数B、日照系数C和大风系数D;根据目标保费计算模型中的保费计算公式S=T+A×T+(B-B0)×T+(C-C0)×T+(D-D0)×T计算得到单位面积保费,其中,T为基础保费,B0、C0、D0均为保费计算公式中预设的参数值。
在一实施例中,处理器502在执行通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间的步骤时,执行如下操作:根据目标保费计算模型中的计算公式X=S×V计算得到预估保费,其中S为单位面积保费,V为实际种植面积;根据目标保费计算模型中的上浮系数及预估保费计算得到预估保费区间的最大值;根据目标保费计算模型中的下浮系数及预估保费计算得到预估保费区间的最小值。
在一实施例中,处理器502在执行通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间的步骤之后,还执行如下操作:若接收到用户所输入的实际保费,判断所述实际保费是否处于预估保费区间中;若所述实际保费不处于预估保费区间中,根据预设的系数调整规则对所述目标保费计算模型中的上浮系数及下浮系数进行调整。
本领域技术人员可以理解,图11中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定,在其他实施例中,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实施例中,计算机设备可以仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图11所示实施例一致,在此不再赘述。
应当理解,在本发明实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序,其中计算机程序被处理器执行时实现以下步骤:若接收到用户所输入的投保业务信息,根据投保业务信息中的投保作物种类与预设投保模型库进行匹配以获取目标保费计算模型;根据投保业务信息中的地理位置信息获取与该地理位置信息对应的年均气候信息;将所得到的年均气候信息输入目标保费计算模型以计算得到投保作物种类的单位面积保费;通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间。
在一实施例中,所述根据投保业务信息中的地理位置信息获取与该地理位置信息对应的年均气候信息的步骤,包括:根据所述地理位置信息获取与该地理位置信息相匹配的历史气候信息;根据历史气候信息计算得到年均气候信息。
在一实施例中,所述将所得到的年均气候信息输入目标保费计算模型以计算得到投保作物种类的单位面积保费的步骤,包括:根据目标保费计算模型中的映射关系获取与年均气候信息相对应的自然灾害等级系数A、降水系数B、日照系数C和大风系数D;根据目标保费计算模型中的保费计算公式S=T+A×T+(B-B0)×T+(C-C0)×T+(D-D0)×T计算得到单位面积保费,其中,T为基础保费,B0、C0、D0均为保费计算公式中预设的参数值。
在一实施例中,所述通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间的步骤,包括:根据目标保费计算模型中的计算公式X=S×V计算得到预估保费,其中S为单位面积保费,V为实际种植面积;根据目标保费计算模型中的上浮系数及预估保费计算得到预估保费区间的最大值;根据目标保费计算模型中的下浮系数及预估保费计算得到预估保费区间的最小值。
在一实施例中,所述通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间的步骤之后,还包括:若接收到用户所输入的实际保费,判断所述实际保费是否处于预估保费区间中;若所述实际保费不处于预估保费区间中,根据预设的系数调整规则对所述目标保费计算模型中的上浮系数及下浮系数进行调整。
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,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为逻辑功能划分,实际实现时可以有另外的划分方式,也可以将具有相同功能的单元集合成一个单元,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。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,或者该技术方案的全部或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计算机可读存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种保费计算方法,其特征在于,包括:
若接收到用户所输入的投保业务信息,根据投保业务信息中的投保作物种类与预设投保模型库进行匹配以获取目标保费计算模型;
根据投保业务信息中的地理位置信息获取与该地理位置信息对应的年均气候信息;
将所得到的年均气候信息输入目标保费计算模型以计算得到投保作物种类的单位面积保费;
通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间。
2.根据权利要求1所述的保费计算方法,其特征在于,所述根据投保业务信息中的地理位置信息获取与该地理位置信息对应的年均气候信息,包括:
根据所述地理位置信息获取与该地理位置信息相匹配的历史气候信息;
根据历史气候信息计算得到年均气候信息。
3.根据权利要求1所述的保费计算方法,其特征在于,所述将所得到的年均气候信息输入目标保费计算模型以计算得到投保作物种类的单位面积保费,包括:
根据目标保费计算模型中的映射关系获取与年均气候信息相对应的自然灾害等级系数A、降水系数B、日照系数C和大风系数D;
根据目标保费计算模型中的保费计算公式S=T+A×T+(B-B0)×T+(C-C0)×T+(D-D0)×T计算得到单位面积保费,其中,T为基础保费,B0、C0、D0均为保费计算公式中预设的参数值。
4.根据权利要求1所述的保费计算方法,其特征在于,所述通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间,包括:
根据目标保费计算模型中的计算公式X=S×V计算得到预估保费,其中S为单位面积保费,V为实际种植面积;
根据目标保费计算模型中的上浮系数及预估保费计算得到预估保费区间的最大值;
根据目标保费计算模型中的下浮系数及预估保费计算得到预估保费区间的最小值。
5.根据权利要求1所述的保费计算方法,其特征在于,所述通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间之后,还包括:
若接收到用户所输入的实际保费,判断所述实际保费是否处于预估保费区间中;
若所述实际保费不处于预估保费区间中,根据预设的系数调整规则对所述目标保费计算模型中的上浮系数及下浮系数进行调整。
6.一种保费计算装置,其特征在于,包括:
计算模型匹配单元,用于若接收到用户所输入的投保业务信息,根据投保业务信息中的投保作物种类与预设投保模型库进行匹配以获取目标保费计算模型;
年均气候信息获取单元,用于根据投保业务信息中的地理位置信息获取与该地理位置信息对应的年均气候信息;
单位面积保费计算单元,用于将所得到的年均气候信息输入目标保费计算模型以计算得到投保作物种类的单位面积保费;
预估保费区间计算单元,用于通过目标保费计算模型、投保业务信息中的实际种植面积及投保作物种类的单位面积保费计算得到预估保费区间。
7.根据权利要求6所述的保费计算装置,其特征在于,所述年均气候信息获取单元,包括:
历史气候信息获取单元,用于根据所述地理位置信息获取与该地理位置信息相匹配的历史气候信息;
年均气候信息计算单元,用于根据历史气候信息计算得到年均气候信息。
8.根据权利要求6所述的保费计算装置,其特征在于,所述单位面积保费计算单元,包括:
系数获取单元,用于根据目标保费计算模型中的映射关系获取与年均气候信息相对应的自然灾害等级系数A、降水系数B、日照系数C和大风系数D;
保费计算单元,用于根据目标保费计算模型中的保费计算公式S=T+A×T+(B-B0)×T+(C-C0)×T+(D-D0)×T计算得到单位面积保费,其中,T为基础保费,B0、C0、D0均为保费计算公式中预设的参数值。
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上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5中任一项所述的保费计算方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至5任一项所述的保费计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811527435.6A CN109859055A (zh) | 2018-12-13 | 2018-12-13 | 保费计算方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811527435.6A CN109859055A (zh) | 2018-12-13 | 2018-12-13 | 保费计算方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109859055A true CN109859055A (zh) | 2019-06-07 |
Family
ID=66891178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811527435.6A Pending CN109859055A (zh) | 2018-12-13 | 2018-12-13 | 保费计算方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109859055A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110688513A (zh) * | 2019-08-15 | 2020-01-14 | 平安科技(深圳)有限公司 | 基于视频的农作物查勘方法、装置及计算机设备 |
CN111143482A (zh) * | 2019-12-26 | 2020-05-12 | 新奥数能科技有限公司 | 一种能源物联网的业务数据处理方法、装置及电子设备 |
WO2022001812A1 (zh) * | 2020-06-30 | 2022-01-06 | 浙江网商银行股份有限公司 | 授信额度处理方法及装置、用户资源处理方法及装置 |
WO2022105127A1 (zh) * | 2020-11-17 | 2022-05-27 | 平安科技(深圳)有限公司 | 基于 Hadoop 的数据处理方法、装置、设备及存储介质 |
-
2018
- 2018-12-13 CN CN201811527435.6A patent/CN109859055A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110688513A (zh) * | 2019-08-15 | 2020-01-14 | 平安科技(深圳)有限公司 | 基于视频的农作物查勘方法、装置及计算机设备 |
CN110688513B (zh) * | 2019-08-15 | 2023-08-18 | 平安科技(深圳)有限公司 | 基于视频的农作物查勘方法、装置及计算机设备 |
CN111143482A (zh) * | 2019-12-26 | 2020-05-12 | 新奥数能科技有限公司 | 一种能源物联网的业务数据处理方法、装置及电子设备 |
CN111143482B (zh) * | 2019-12-26 | 2024-03-05 | 新奥数能科技有限公司 | 一种能源物联网的业务数据处理方法、装置及电子设备 |
WO2022001812A1 (zh) * | 2020-06-30 | 2022-01-06 | 浙江网商银行股份有限公司 | 授信额度处理方法及装置、用户资源处理方法及装置 |
WO2022105127A1 (zh) * | 2020-11-17 | 2022-05-27 | 平安科技(深圳)有限公司 | 基于 Hadoop 的数据处理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859055A (zh) | 保费计算方法、装置、计算机设备及存储介质 | |
Miah et al. | Exploring standardized precipitation evapotranspiration index for drought assessment in Bangladesh | |
Sarker et al. | Exploring the relationship between climate change and rice yield in Bangladesh: An analysis of time series data | |
Keller et al. | The origin of spatial interaction | |
Xu et al. | On the systemic nature of weather risk | |
Klaus et al. | Large-scale, seasonal flood risk analysis for agricultural crops in Germany | |
Kasei | Modelling impacts of climate change on water resources in the Volta Basin, West Africa | |
Farré et al. | Analysis of maize growth for different irrigation strategies in northeastern Spain | |
Etemadi et al. | Assessment of climate change downscaling and non-stationarity on the spatial pattern of a mangrove ecosystem in an arid coastal region of southern Iran | |
Peña-Gallardo et al. | Effectiveness of drought indices in identifying impacts on major crops across the USA | |
Purcell et al. | Drought avoidance assessment for summer annual crops using long‐term weather data | |
Weatherhead et al. | Predicting and mapping the future demand for irrigation water in England and Wales | |
Ritchie et al. | Risk management strategies using seasonal climate forecasting in irrigated cotton production: a tale of stochastic dominance | |
Ebrahimpour et al. | Monitoring agricultural drought using the standardized effective precipitation index | |
Rahman et al. | Hydrological impacts of climate change on rice cultivated riparian wetlands in the Upper Meghna River Basin (Bangladesh and India) | |
Saguye | Assessment of Farmers’ Perception of Climate Change and Variability and It’s Implication for Implementation of Climate-Smart Agricultural Practices: The Case of Geze Gofa District, Southern Ethiopia | |
Oruonye | An assessment of the trends of climatic variables in Taraba State Nigeria | |
Haile et al. | Analysis of El Niño Southern Oscillation and its impact on rainfall distribution and productivity of selected cereal crops in Kembata Alaba Tembaro zone | |
Carew et al. | Climate change impacts on hard red spring wheat yield and production risk: evidence from Manitoba, Canada | |
Rowshon et al. | Improving irrigation water delivery performance of a large-scale rice irrigation scheme | |
Uz et al. | Fixed or mixed? Farmer‐level heterogeneity in response to changes in salinity | |
Arandara et al. | Index Insurance: A Viable Solution for Irrigated Farming? | |
Clarke | Assessing the impacts of drought on UK wheat production | |
Hiben et al. | Assessment of Future Water Demand for Resilient Water Allocation under Socioeconomic and Climate Change Scenarios, a Case of Ghba Subbasin, Northern Ethiopia | |
Sarah et al. | Determinants of rural farmers’ decision to adapt to climate change in Ghana |
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 |