CN110490752A - 基于驾驶行为数据的车辆保险分析与自动推荐服务系统及其工作方法 - Google Patents

Abstract

本发明涉及基于驾驶行为数据的车辆保险分析与自动推荐服务系统及其工作方法，提供一个结合第三方轨迹服务的车辆保险估算与推荐自动服务平台，包括客户端、服务端和数据库；客户端为用户提供服务交互界面，在接受用户输入后呈现数据输出；客户端通过在驾驶过程中用户手机端内置的GPS传感器和加速度传感器采集地理信息和速度信息，并上传到第三方轨迹服务平台进行数据分析生成用户驾驶行为数据；服务器端通过定时任务向第三方轨迹服务平台提供的接口发送HTTP请求，将接口返回的JSON数据进行解析处理获取数据，并保存至所述数据库，用于服务端对购买保险的统计分析与推荐。本发明无需付出额外的硬件开销，并且软硬件系统结构简单，减少了后期的维护成本。

Description

基于驾驶行为数据的车辆保险分析与自动推荐服务系统及其 工作方法

技术领域

本发明涉及驾驶行为数据分析领域，特别是基于驾驶行为数据的车辆保险分析与自动推荐服务系统及其工作方法。

背景技术

持续的城市化发展使现代都市的规模呈现爆炸式扩张的趋势，为了满足日常生活和工作的需要，我国的汽车数量逐年增多。于此同时，驾驶或乘坐汽车出行已然成为越来越多人的必然选择。但是，需求与发展不平衡的矛盾导致如今交通状况日益复杂，人们对于行车出行在安全方面的需求也日益提高，尤其是如何选择一个为自己量身定做的车辆保险方案是每一位车主每年都要面对的问题。智能手机的发展早就不局限于通讯用途，功能的多样化使其普及率大大提升，逐渐成为人们生活中必不可少的信息获取工具。安装于智能手机的客户端应用程序以其便携性和易用性受到人们的欢迎，集成于手机中的摄像头和GPS（Global Positioning System，全球定位系统）定位等功能为车辆出行服务提供了用户的实时地理位置信息。基于LBS（Location based Services, 基于位置的服务）的车辆保险自动推荐服务拥有广阔的发展前景。市面已有的保险推荐服务解决方案大多是采用车载系统的内置传感器来进行数据的采集和分析。这类方法一方面对车载硬件兼容性有一定的要求；另一方面，传感器集成度过高使得用户的采购成本较高，系统的复杂度也提高了后期的维修难度。

发明内容

有鉴于此，本发明的目的是提出基于驾驶行为数据的车辆保险分析与自动推荐服务系统及其工作方法，无需付出额外的硬件开销，并且软硬件系统结构，减少了后期的维护成本。

本发明采用以下方案实现：一种基于驾驶行为数据的车辆保险分析与自动推荐服务系统，包括客户端、服务端和数据库；提供一个第三方轨迹服务平台，用以为服务器提供数据分析的参考。

所述客户端采用安卓平台的应用程序并安装在用户手机上，用以为用户提供服务交互界面，在接受用户输入后呈现数据输出；所述客户端通过在驾驶过程中用户手机端内置的GPS传感器和加速度传感器采集地理信息和速度信息，并上传到第三方轨迹服务平台进行数据分析生成用户驾驶行为数据；所述服务器端每日通过定时任务向第三方轨迹服务平台提供的接口发送HTTP请求，然后将接口返回的JSON数据进行解析处理，用以获取第三方轨迹服务平台分析得出的用户驾驶行为数据，并将所述用户驾驶行为数据保存至所述数据库，用于后续在服务端实施购买保险的统计分析与推荐；

所述服务端部署在服务器上，采用的是基于Spring Boot、Spring MVC和Spring DataJPA的框架，用以对业务进行逻辑处理；所述服务端为客户端提供数据和服务的获取接口，结合第三方轨迹服务平台提供的数据进行计算，用以实现用户保险价格的估算分析；服务端在完成分析后，将分析结果推荐给客户端；所述数据库部署在服务器上，采用的是MySQL，用以保存用户个人信息、保险信息和用户驾驶行为数据信息；所述第三方轨迹服务平台采用的是百度鹰眼、高德地图或谷歌地图。

进一步地，所述定时任务具体为：服务端每隔24小时就向第三方轨迹服务平台提供的数据获取接口发送HTTP请求，轨迹服务平台会根据请求参数返回需要的JSON格式数据，服务端接收到返回的JSON数据后对其进行解析处理，将其转化为Java数据类（POJO），最后把携带了用户驾驶行为的数据存入数据库。

进一步地，本发明还提供一种基于驾驶行为数据的车辆保险分析与自动推荐服务系统的工作方法，包括以下步骤：

步骤S1：获取数据；所述分析数据包括用户驾驶行为数据、用户保险记录数据和各险种的权重系数；

步骤S2：对步骤S1中获取的数据进行分析，得到车辆保险的价格估算；

步骤S3：对步骤S2中分析后的结果进行可视化呈现。

进一步地，步骤S1中所述用户驾驶行为数据通过所述客户端通过在驾驶过程中用户手机端内置的GPS传感器和加速度传感器采集地理信息和速度信息，并上传到第三方轨迹服务平台进行数据分析生成用户驾驶行为数据来获取；所述用户保险记录数据和各险种的权重系数由服务端通过向保险公司数据接口发送HTTP请求获取。

进一步地，所述步骤S2具体包括以下内容：所述服务器从数据库取出用户驾驶行为的历史记录并进行统计，得出用户的驾驶行为数据，同时通过保险公司的数据接口获取各险种的权重系数；最后根据用户驾驶行为数据和各保险公司各险种的权重系数进行加权计算估计保险价格区间。

进一步地，所述步骤S3具体包括以下内容：所述系统的服务端检查用户的保险记录进行判断，当检测到用户当前购买的车辆保险即将到期之前，主动向用户推送车辆保险的价格估算，用以为用户做出最终决定提供参考；推荐结果在移动客户端以图表的形式展现给用户；所述显示的图表包括驾驶行为数据统计图表和车辆保险分析图表。

进一步地，所述根据用户驾驶行为数据和各保险公司各险种的权重系数进行加权计算估计保险价格区间的具体内容为：总行程、总行驶时间和平均速度的统计结果计算过程：

取得驾驶行为数据统计结果后，通过保险公司的数据接口获取各险种的权重系数；令甲保险公司车辆损失险的价格对应于平均速度、最高速度、超速次数、急转弯次数、急加速次数和急刹车次数的权重系数分别为A、B、C、D、E和F，乙保险公司车辆损失险的价格对应于平均速度、最高速度、超速次数、急转弯次数、急加速次数和急刹车次数的权重系数分别为G、H、I、J、K和L，则：

。

；

重复上述计算车辆损失险的过程，在服务端分别计算出各保险公司车辆损失险的价格，并通过HTTP通信将计算的最终结果发送给移动客户端，移动客户端将数据以图表的形式直观呈现给用户，为用户的参保选择提供参考依据。

与现有技术相比，本发明有以下有益效果：

本发明不需要车载传感器和生理传感器的支持，而是仅采用在日常中每个人都会随身携带的智能手机内置的传感器作为分析用的数据来源。由于智能手机的轻便和普及，对于大部分用户来说，本发明无需付出额外的硬件开销，并且本发明的软硬件系统结构较为简单，一定程度上减少了后期的维护成本。

附图说明

图1为本发明实施例的系统结构框图。

图2为本发明实施例的数据采集过程图。

图3为本发明实施例的驾驶行为数据采集过程图。

图4为本发明实施例的数据分析过程图。

图5为本发明实施例的数据推荐过程图。

图6为本发明实施例的驾驶行为数据统计图。

图7为本发明实施例的车辆保险分析图，图7（a）为用户选择显示全部险种数据时的图表呈现效果，图7（b）为用户选择显示部分险种时的图表呈现效果。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

如图1所示，本实施例提供了一种基于驾驶行为数据的车辆保险分析与自动推荐服务系统，其特征在于：包括客户端、服务端和数据库；此外，采纳一个用于数据分析参考的第三方轨迹服务平台，为服务器提供数据分析的参考；

所述客户端采用安卓平台的应用程序并安装在用户手机上，用以为用户提供服务交互界面，在接受用户输入后呈现数据输出；所述客户端通过在驾驶过程中用户手机端内置的GPS传感器和加速度传感器采集地理信息和速度信息，并上传到第三方轨迹服务平台进行数据分析生成用户驾驶行为数据；所述服务器端每日通过定时任务向第三方轨迹服务平台提供的接口发送HTTP请求，然后将接口返回的JSON数据进行解析处理，用以获取第三方轨迹服务平台分析得出的用户驾驶行为数据，并将所述用户驾驶行为数据保存至所述数据库，用于后续在服务端实施购买保险的统计分析与推荐；

所述服务端部署在服务器上，采用的是基于Spring Boot、Spring MVC和Spring DataJPA的框架，用以对业务进行逻辑处理；所述服务端为客户端提供数据和服务的获取接口，结合第三方轨迹服务平台提供的数据进行计算，用以实现用户保险价格的估算分析；服务端在完成分析后，将分析结果推荐给客户端；所述数据库部署在服务器上，采用的是MySQL，用以保存用户个人信息、保险信息和用户驾驶行为数据信息；所述第三方轨迹服务平台采用的是百度鹰眼、高德地图或谷歌地图。

在本实施例中，所述定时任务具体为：服务端每隔24小时就向第三方轨迹服务平台提供的数据获取接口发送HTTP请求，轨迹服务平台会根据请求参数返回需要的JSON格式数据，服务端接收到返回的JSON数据后对其进行解析处理，将其转化为Java数据类（POJO），最后把携带了用户驾驶行为的数据存入数据库。

进一步地，在本实施例还提供一种基于驾驶行为数据的车辆保险分析与自动推荐服务系统的工作方法，包括以下步骤：

步骤S1：获取数据；所述分析数据包括用户驾驶行为数据、用户保险记录数据和各险种的权重系数；

步骤S2：对步骤S1中获取的数据进行分析，得到车辆保险的价格估算；

步骤S3：对步骤S2中分析后的结果进行可视化呈现。

在本实施例中，步骤S1中所述用户驾驶行为数据通过所述客户端通过在驾驶过程中用户手机端内置的GPS传感器和加速度传感器采集地理信息和速度信息，并上传到第三方轨迹服务平台进行数据分析生成用户驾驶行为数据来获取；所述用户保险记录数据和各险种的权重系数由服务端通过向保险公司数据接口发送HTTP请求获取。

在本实施例中，所述步骤S2具体包括以下内容：所述服务器从数据库取出用户驾驶行为的历史记录并进行统计，得出用户的驾驶行为数据，同时通过保险公司的数据接口获取各险种的权重系数；最后根据用户驾驶行为数据和各保险公司各险种的权重系数进行加权计算估计保险价格区间。

在本实施例中，所述步骤S3具体包括以下内容：所述系统的服务端检查用户的保险记录进行判断，当检测到用户当前购买的车辆保险即将到期之前，主动向用户推送车辆保险的价格估算，用以为用户做出最终决定提供参考；推荐结果在移动客户端以图表的形式展现给用户；所述显示的图表包括驾驶行为数据统计图表和车辆保险分析图表。

在本实施例中，所述根据用户驾驶行为数据和各保险公司各险种的权重系数进行加权计算估计保险价格区间的具体内容为：总行程、总行驶时间和平均速度的统计结果计算过程：

取得驾驶行为数据统计结果后，通过保险公司的数据接口获取各险种的权重系数；令甲保险公司车辆损失险的价格对应于平均速度、最高速度、超速次数、急转弯次数、急加速次数和急刹车次数的权重系数分别为A、B、C、D、E和F，乙保险公司车辆损失险的价格对应于平均速度、最高速度、超速次数、急转弯次数、急加速次数和急刹车次数的权重系数分别为G、H、I、J、K和L，则：

。

；

重复上述计算车辆损失险的过程，在服务端分别计算出各保险公司车辆损失险的价格，并通过HTTP通信将计算的最终结果发送给移动客户端，移动客户端将数据以图表的形式直观呈现给用户，为用户的参保选择提供参考依据。

较佳的，本实施例的具体实施方案如下：

驾驶行为数据如表1所示，本实施例所用到的驾驶行为数据包括用户的行驶时间、行程、平均速度、最高速度、超速次数、急转弯次数、急加速次数和急刹车次数。这些数据来自第三方轨迹服务平台，并由系统服务端进一步分析处理产生。其中行驶时间和行程反映了用户使用车辆的时长和使用频率，长期使用会加快车辆的损耗速度，如果连续长时间驾驶容易造成驾驶员的疲劳，提高事故发生的风险，因此行驶时间和行程可用于保险区间的分析。速度相关的信息也能在一定程度上反映车辆的耗损情况和用户的驾驶行为风格，一般行驶速度较快说明发生事故的可能会有所提高，所以保险价格会有所提高。超速次数、急转弯次数、急加速次数和急刹车次数直观反映了用户的驾驶行为习惯，频繁发生急转弯、急刹车等行为，说明用户的驾驶行为相对激进，不够谨慎，容易导致事故的发生，发生碰撞或其他事故的概率较高，故在保险分析得出的风险级别会较高，保险价格估算结果会提高。

表1 驾驶行为数据归纳表

驾驶行为数据	反映事项
		行驶时间	车辆耗损情况、驾驶员疲劳情况
行程	车辆耗损情况、驾驶员疲劳情况
		平均速度	用户驾驶行为
最高速度	用户驾驶行为
		超速次数	用户驾驶行为
急转弯次数	用户驾驶行为
		急加速次数	用户驾驶行为
急刹车次数	用户驾驶行为

（1）数据采集

首先需要进行数据采集，有了数据以后就能够通过系统分析，为用户筛选并搭配适用于个人需求的保险方案。图2显示了数据采集过程。需要采集的数据包括用户驾驶行为数据、用户保险记录数据和各险种的权重系数。用户驾驶行为数据来自第三方轨迹服务平台，用户保险记录数据和各险种的权重系数来自保险公司数据接口。从第三方平台获取的车辆轨迹服务数据用于后续数据分析，可根据所提供服务区域的实际情况选用目前常用的国内外主流的地图服务平台，如百度鹰眼，高德地图或谷歌地图等。

用户保险记录数据和各险种的权重系数通过向保险公司数据接口发送HTTP请求获取。以下重点叙述用户驾驶行为数据的采集过程：

图3显示了驾驶行为数据的采集过程。首先移动客户端通过移动设备内置的GPS传感器和加速度传感器获取用户行驶过程中的位置信息和速度信息，并将采集的数据上传第三方轨迹服务平台进行数据分析，以生成用户驾驶行为数据。服务器端每日通过定时任务向第三方轨迹服务平台提供的接口发送HTTP请求，然后将接口返回的JSON数据进行解析处理，以获取第三方轨迹服务平台分析得出的用户驾驶行为数据，最后将用户驾驶行为数据保存至数据库，用于日后的统计分析。

（2）数据分析

完成数据采集后需要进行分析处理，得出车辆保险的价格估算。图4显示了数据分析的过程。服务器从数据库取出用户驾驶行为的历史记录并进行统计，得出用户的驾驶行为数据，同时通过保险公司的数据接口获取各险种的权重系数。最终根据用户驾驶行为数据和各保险公司各险种的权重系数进行加权计算估计保险价格区间。

（3）数据推荐

数据分析的结果需要在合适的时机向用户推送，实现保险推荐。图5显示了数据推荐的过程。系统定期检查用户的保险记录进行判断，当检测到用户当前购买的车辆保险已经到期或者即将到期时，主动向用户推送保险分析数据，并在移动客户端以图表的形式直观展现给用户，为用户参保提供参考依据。显示的图表包括驾驶行为数据统计图表和车辆保险分析图表，数据的可视化通过开源的JavaScript可视化库ECharts实现。

图6显示了驾驶行为数据统计图表具体的具体呈现效果，采用雷达图的形式呈现。图表主要展示了行程里程、平均时速和超速次数等用户驾驶行为数据的统计结果，让用户对自身的驾驶行为状况有一个直观的了解，对车辆保险的选择指明初步的方向。

图7显示了车辆保险分析图表具体的呈现效果，采用堆积柱状图的形式呈现。其中X坐标为可选范围内的各保险公司名称，Y坐标为当前所选险种的价格，不同种类的险种价格通过不同的颜色在堆积柱状图上进行区分，并在鼠标移动至堆积柱状图上时显示具体的数值信息。用户可通过点击图例选择需要进行比较的各保险种类，图7(a)表示用户选择显示全部险种数据时的图表呈现效果，图7(b)表示用户选择显示部分险种时的图表呈现效果。通过图表的呈现，使用户能够直观了解到各保险公司和各保险种类之间的预期价格差异，减少用户对信息的处理负担，为用户对车辆保险的参保选择提供数据参考。

特别的，本实施例行驶过程中自动采集数据，当用户的车辆保险即将到期时自动推送分析结果以及推荐信息，并在移动终端直观展示，更人性化，符合用户使用习惯。

采用堆积柱状图实现数据的可视化，通过不同颜色区分不同险种的预期价格，使用户能够直观了解到各保险公司和各保险种类之间的预期价格差异，减少用户对信息的处理负担。

结合了地理信息数据，参考用户具体驾驶行为进行保险分析，考虑的因素更为多元、全面，更符合实际情况。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (7)

1.一种基于驾驶行为数据的车辆保险分析与自动推荐服务系统，其特征在于：包括客户端、服务端和数据库；提供一个第三方轨迹服务平台，用以为服务器提供数据分析的参考；

所述客户端采用安卓平台的应用程序并安装在用户手机上，用以为用户提供服务交互界面，在接受用户输入后呈现数据输出；所述客户端通过在驾驶过程中用户手机端内置的GPS传感器和加速度传感器采集地理信息和速度信息，并上传到第三方轨迹服务平台进行数据分析生成用户驾驶行为数据；所述服务器端每日通过定时任务向第三方轨迹服务平台提供的接口发送HTTP请求，然后将接口返回的JSON数据进行解析处理，用以获取第三方轨迹服务平台分析得出的用户驾驶行为数据，并将所述用户驾驶行为数据保存至所述数据库，用于后续在服务端实施购买保险的统计分析与推荐；

所述服务端部署在服务器上，采用的是基于Spring Boot、Spring MVC和Spring DataJPA的框架，用以对业务进行逻辑处理；所述服务端为客户端提供数据和服务的获取接口，结合第三方轨迹服务平台提供的数据进行计算，用以实现用户保险价格的估算分析；服务端在完成分析后，将分析结果推荐给客户端；所述数据库部署在服务器上，采用的是MySQL，用以保存用户个人信息、保险信息和用户驾驶行为数据信息；所述第三方轨迹服务平台采用的是百度鹰眼、高德地图或谷歌地图。

2.根据权力要求1所述的一种基于驾驶行为数据的车辆保险分析与自动推荐服务系统，其特征在于，所述定时任务具体为：服务端每隔24小时就向第三方轨迹服务平台提供的数据获取接口发送HTTP请求，轨迹服务平台会根据请求参数返回需要的JSON格式数据，服务端接收到返回的JSON数据后对其进行解析处理，将其转化为Java数据类，最后把携带了用户驾驶行为的数据存入数据库。

3.一种根据权利要求1至2任一项所述的基于驾驶行为数据的车辆保险分析与自动推荐服务系统的工作方法，其特征在于：包括以下步骤：

步骤S1：获取数据；所述分析数据包括用户驾驶行为数据、用户保险记录数据和各险种的权重系数；

步骤S2：对步骤S1中获取的数据进行分析，得到车辆保险的价格估算；

步骤S3：对步骤S2中分析后的结果进行可视化呈现。

4.根据权利要求3所述的一种基于驾驶行为数据的车辆保险分析与自动推荐服务系统的工作方法，其特征在于：步骤S1中所述用户驾驶行为数据通过所述客户端通过在驾驶过程中用户手机端内置的GPS传感器和加速度传感器采集地理信息和速度信息，并上传到第三方轨迹服务平台进行数据分析生成用户驾驶行为数据来获取；所述用户保险记录数据和各险种的权重系数由服务端通过向保险公司数据接口发送HTTP请求获取。

5.根据权利要求3所述的一种基于驾驶行为数据的车辆保险分析与自动推荐服务系统的工作方法，其特征在于：所述步骤S2具体包括以下内容：所述服务器从数据库取出用户驾驶行为的历史记录并进行统计，得出用户的驾驶行为数据，同时通过保险公司的数据接口获取各险种的权重系数；最后根据用户驾驶行为数据和各保险公司各险种的权重系数进行加权计算估计保险价格区间。

6.根据权利要求3所述的一种基于驾驶行为数据的车辆保险分析与自动推荐服务系统的工作方法，其特征在于：所述步骤S3具体包括以下内容：所述系统的服务端检查用户的保险记录进行判断，当检测到用户当前购买的车辆保险即将到期之前，主动向用户推送车辆保险的价格估算，用以为用户做出最终决定提供参考；推荐结果在移动客户端以图表的形式展现给用户；所述显示的图表包括驾驶行为数据统计图表和车辆保险分析图表。

7.根据权利要求5所述的一种基于驾驶行为数据的车辆保险分析与自动推荐服务系统的工作方法，其特征在于：所述根据用户驾驶行为数据和各保险公司各险种的权重系数进行加权计算估计保险价格区间的具体内容为：总行程、总行驶时间和平均速度的统计结果计算过程：

取得驾驶行为数据统计结果后，通过保险公司的数据接口获取各险种的权重系数；令甲保险公司车辆损失险的价格对应于平均速度、最高速度、超速次数、急转弯次数、急加速次数和急刹车次数的权重系数分别为A、B、C、D、E和F，乙保险公司车辆损失险的价格对应于平均速度、最高速度、超速次数、急转弯次数、急加速次数和急刹车次数的权重系数分别为G、H、I、J、K和L，则：

；

；

重复上述计算车辆损失险的过程，在服务端分别计算出各保险公司车辆损失险的价格，并通过HTTP通信将计算的最终结果发送给移动客户端，移动客户端将数据以图表的形式直观呈现给用户，为用户的参保选择提供参考依据。