CN111127228A - 风险因子识别方法、系统及终端 - Google Patents
风险因子识别方法、系统及终端 Download PDFInfo
- Publication number
- CN111127228A CN111127228A CN201911393083.4A CN201911393083A CN111127228A CN 111127228 A CN111127228 A CN 111127228A CN 201911393083 A CN201911393083 A CN 201911393083A CN 111127228 A CN111127228 A CN 111127228A
- Authority
- CN
- China
- Prior art keywords
- insurance
- vehicle
- data
- risk factor
- risk
- 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 51
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000003860 storage Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims abstract description 16
- 230000001419 dependent effect Effects 0.000 claims description 47
- 238000004891 communication Methods 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 15
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 5
- 238000013210 evaluation model Methods 0.000 claims description 5
- 238000012821 model calculation Methods 0.000 claims description 5
- 230000002265 prevention Effects 0.000 abstract description 8
- 238000011835 investigation Methods 0.000 abstract description 4
- 238000012954 risk control Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract 1
- 238000007689 inspection Methods 0.000 description 9
- 230000006378 damage Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000008439 repair process Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 238000005728 strengthening Methods 0.000 description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000009954 braiding Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000209202 Bromus secalinus Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及保险业务风险因子识别方法、系统及终端,针对车险投保前基于后台规则进行风险因子预估,建立风险因子系数,将风险因子系数作为投保费率的系数,从而预判断投保风险同时通过实时数据进行测算后给通过终端或APP对驾驶员、车主进行风险指标提示。另一方面针对车险理赔期间借助无死角实时采集、防欺诈等多种功能于一体的保险业务终端,解决保险公司风险查勘工作,完善标的物实时监控实现风险可控的方法和装置;业务风险因子收集,便于分析,从而细化风险概率与保费挂钩的要求,有助于财险公司的车业务结构调整;采集数据的实时传输与存储,可有效保户意外发生时真实而直接的参考依据,实现精细化服务,提高用户满意度,降低人力成本。
Description
技术领域
本发明涉及保险业务技术领域,具体是指车险业务风险因子实时识别方法、系统及终端。
背景技术
车险主要承保各类机动车因自然灾害或者意外事故而导致的车辆本身和相关利益的损失以及采取救护措施所支付的合理费用,以及被保险人对第三者和本车车上人员人身伤害以及财产损失应付的民事赔偿责任,其包括交强险和商业车险。车险理赔流程一般包括:出险-报案-查勘-定损-核价-核损-核赔-支付的过程,其过程中的查勘和定损,是指事故发生地就近的保险公司网点工作人员进行查堪和定损,这是理赔的关键环节,查勘是指检验人员在接保险公司内勤通知后1个工作日内完成现场查勘和检验工作,重在收集现场物理资料并作为定损依据。车险理赔一方面,针对正常出险的情况进行理赔,但也会遇到非正常出险的情况,如一些人为了骗保,经常采取的方式有:编造事故、编造原因、制造事故;扩大损失、重复索赔、故意碰撺、联合骗保;更换劣件、酒后换驾、无证换驾等。其中扩大损失和重复索赔最为常见。常用方式如下:
一、虚假告知:出于某种目的或期望在较低的缴费水平上获得较高的保障程度,往往采取虚报、漏报、错报、高报等手段,提供假的证明材料,扩大保险损失的发生概率。
二、先险后保:汽车出险时尚未投保,出险后才投保,然后伪装成合同期内出险,达到获取汽车保险赔款的目的。
三、先险后保:没有出现事故,无中生有提出索赔的行为,如通过“制造”虚假事故、更换车辆报废零部件、骗取修理金等。
四、一险多赔:1、一次事故向多个保险人素赔;2、一次事故多险索赔;3、先由事故责任者给予赔偿然后再向保险公司索赔。
五、移花接木:1、换人:无证或酒后驾车,事故发生后,找人顶替驾驶人;2、换车:已经定损、索赔了的车,被换上另外的牌照后,再次索赔;3、换件:正常维修的车辆,被换上损坏了的旧件,假冒原车件索赔;4、换货:在事故现场,原本没有损坏的车载或地面物品,被更换成损坏的物品。
六、夸大损失:出险汽车损失很小,被保险人却故意夸大损失程度或损失项目,以小抵大,骗取赔款。例如,被保险人将事故车上未损坏零部件用损坏零部件进行替换后再向保险公司报案。目前的一些汽车修理企业,为拉拢客户,有时会帮着客户进行欺诈骗赔。修理企业中与事故车同类型车辆的损坏零配件比较多,再加上专业人员的“参与帮忙”,所以此类案件识别较难,这就要求车辆定损人员具有较强的专业知识和丰富的理赔经验。
七、二次撞击:保险事故发生后,汽车修理厂或个别保户为获高额赔偿,故意制造二次碰撞,扩大损失程度。
八、故意造案:1、汽车趋于报废,价值较低而车辆损失大保险的保额又较高。在被保险人期望获取高额暗款的欲望驱动下,故意造成汽车出险。如价值三万元的旧年以十万元投保,然后在偏僻地区将车推下山坡等。这类条件往往具有出险时间、地点精心选择的特点,所以查处难度较大,有时尽管会怀疑它可能是骗案,但却很难找到证据;2、由于保险条款将一些特定损坏规定为责任免除,被保险人为获取赔款故意造成保险责任范围内的事故,把不应赔偿的变成应赔偿的。如停放在家属院中的汽车左侧前照灯單出现不明原因损坏,保险公司是不予赔偿的,于是驾驶人故意撞墙,导致保险杠左侧、前照灯、角灯等一起损坏,报案者谎称自己不小心撞上的,保险公司如不能识别其诈骗企图,则很容易从车损险中给子赔偿;3、汽车修理厂为了获得更大收益,利用客户前来维修的汽车,故意制造保险“责任”事故,扩大车辆损失,通过保险公司理赔,获得更多的维修费。
九、编造原因:事故发生后,或者属于保险合同的免责范围,或者需要自己承担较高免赔率的,被保险人就想方设法编造事故原因、隐瞒事故真相,以此来欺骗交警、欺骗查勘人员,以便改换成有资格的理由骗取保险公司赔款。往往采用骗取警方事故证明,或篡改事故责任认定书,或伪造事故责任认定书等,从而达到自己不可告人的目的。通常保险公司理赔人员自行调查疑似欺诈案件时经常会遇到驾驶员不配合且故意刁难、交警部门不予受理、经侦刑侦管辖权及警力不足等困难导致无法有效取得关键证据造成无畏的损失。车险理赔另一方面,随着车险不断进行费率改革导致大部分中小规模财险公司车险业务紧张,保费充实度降低直接带来的影响是成本指标不断上升。致使各家以车险为主要业务结构的财险公司不得不想尽办法降低其成本指标,降低成本指标无非是几种常见的方法:1、降低销售费用;2、调整业务结构;3、压缩人力成本;4、加强理赔成本指标控制:控制零配件、工时,控制人伤赔付金额,加强诉讼调解以避免诉讼率过高;加强反欺诈工作,加强追偿力度等;但见效甚微。
针对上述问题,目前各家财险公司基本采用下列做法:
1、从自身数据分析续保优质业务;2、借助外来数据分析机构进行风险防控;3、借助高佣金策略从代理公司购买所谓优质业务,但这就造成风险滞后,同时从有保险的那一天开始就有可能存在保险欺诈行为,对此保险公司对反保险欺诈工作相当重视,联合各种领域对保险欺诈行为进行严厉打击。财产保险公司的欺诈行为较为普遍是因为财产欺诈门槛低且犯罪代价较小所以屡禁不止。综上所述,针对现有车险理赔流程及车险费改后要求财产险保险公司对车辆承保具有一定的风险鉴别能力,才能更有效地进行风险防控。
发明内容
本发明为了解决上述技术问题提供保险业务风险因子识别方法、系统及终端,一方面针对车险投保前基于后台规则进行风险因子预估,建立风险因子系数,将风险因子系数作为投保费率的系数,从而预判断投保风险。另一方面针对车险理赔期间借助无死角实时采集、防欺诈等多种功能于一体的保险业务终端,实现与财险公司保险单号绑定,并兼容保险业务APP与其互通。
本发明是通过如下技术方案实现的:一方面,一种风险因子识别方法包括:S01:基于车险投保数据的因变量规则进行风险因子筛选,分析车险投保数据,参照因变量事件组进行评价,建立风险因子系数;S02:确定风险因子系数,利用所述车险投保数据组成因变量事件组,对所述因变量规则进行统计;S03:建立风险因子预估值模型,方法如下;对所述因变量规则指数进行线性求和,计算出风险因子值;
进一步的,步骤S03中,确定风险因子值的具体步骤如下;
所述因变量规则:若事件A1,A2,…,An互不相容,且A1+A2+…+An=P,则称A1,A2,…,An构成因变量事件组,其中A1,A2,…,An:按下表所示对车险投保数据的系数进行确定。采用上述方法,针对车险理赔的风险因子数据信息提取并与后台规则分析比对,从而论证风险因子,应对财产标的风险识别从而达到财险公司对其标的物的风险评估。进一步的,步骤S03中,所述因变量规则如下表:
判断方法:基于因变量规则的实际车险投保数据
若系数P<1,则投保风险较低
若系数1<P<1.5,则投保风险低
若系数1.5<P<2,则投保风险高
若系数P>2,则投保风险极高
进一步的,步骤S03中,建立风险因子值的模型计算公式如下:
另一方面,一种风险因子识别系统包括:通过终端发送与保单号相绑定的标的物信息;根据所述标的物信息采集并上传现场实时监控数据至云端服务器;所述标的物信息为所述终端有且只有一个编号与保单号相关联,对应同一标的物的各不同险种保单号唯一或多项,依据保单有效期开始时通过所述云端服务器上一致的标的物信息及投保人信息认证后予以激活使用,且使用期限同保单有效期限比对,确认保单生效。
进一步的,所述标的物信息包括:车辆信息、驾驶员信息、保单信息、位置信息、车速、行驶里程、天气状况和现场实时监控数据。
进一步的,还包括:标的物信息生成模块:用于标的物绑定的唯一终端编号与保单号相关联;通信传输存储模块:用于无线通信实现数据实时传输并将数据予以存储;设备运行状态附带后台监控实现一键报案功能。
优选的,所述云端服务器基于所述标的物信息和风险因子识别方法计算出风险因子值,传输至所述终端,通过终端可提示标的物当前的风险状态。采用上述方案后,能够实现标的物端即车辆现场的实时传输的风险因子全部相关数据信息达到实时监控、提醒及预估风险的目的。
进一步的,一种终端包括:监控器:用于实时记录标的物实时位置、行驶轨迹、位移速度及天气状况,捕捉标的物四周实时视频资料;用于通过无线通讯网络连接可与终端连接交换关于标的物状态的数据,实时传输至云端服务器进行存储;云端服务器通过相关规则或指令调取相关数据;存储器:用于存储计算机可执行指令且存储监控器视频资料,并更新至云端服务器进行云端存储备份;图形显示模块:用于实时显示监控器采集的数据;供电器:用于为所述监控器、通讯器、处理器、存储器提供不间断电源;处理器;用于控制监控器、存储器、图形显示模块及供电器运行;其中,所述处理器被配置为:将所述标的物信息发送至云端服务器的数据处理;
当所述处理器执行所述计算机可执行指令时,用于执行控制所述的风险因子识别系统的控制监控器、存储器、图形显示模块及供电器运行。
进一步的,所述监控器设置有全景摄像头和声音采集模块,通过实时通讯器实时传输标的物状态的数据至云端服务器,并备份当前标的物状态的数据。
进一步的,一种终端还包括:快速支付模块:采用RFID射频卡或ETC进行快捷支付;电子牌号模块:通过设置户外用电子显示屏,内置无线联网通讯系统;并配备有电子芯片和电池,通过车辆管理部门绑定机动车牌号;电子强检标志模块:通过设置电子显示屏,绑定机动车检验合格标志、保险标志;通讯扩展模块:采用有线接口或无线传输方式,连接其它车载设备:行车记录仪、车载电脑、车载摄像头、车载通讯导航定位设备、手机等,用于读取车辆各种参数数据,如车辆行驶数据、行车电脑数据和车辆故障信息等;自动驾驶辅助模块:采用许可通讯协议连接车载电脑,协助车辆远程控制、实现人车智能互联。
进一步的,所述的终端,所述终端用于车险、财险业务风险因子识别设备及人机交互;所述终端设有保单到期提示功能,可根据保险期限提前提示,所述提示方式采用语音警示或图形警示;所述供电器采用不间断电源或太阳能供电方式。采用上述方案后,能够实现实时传输的风险因子全部相关数据信息达到实时监控的目的。
本发明的有益效果为:
1、通过使用风险评估方法,区分存在不同风险因子投保人,基于投保变量控制可能存在高风险的投保人可选择的保障系数,该方法可在投保前预估风险分类,针对车险投保前基于后台规则进行风险因子预估,提供成本较低的预投保解决方案。同时,针对后期车险理赔期间风险因子数据信息提取并与后台规则,基于决策树式最近邻分类法、随机算法建立控制分类系统分析比对,从而二次论证风险因子,应对财产标的风险识别从而达到财险公司对其标的物的实时监控及风险评估,排出人工经验判断的方式方法。2、借助无死角实时采集、防欺诈等多种功能于一体的保险业务终端,实现与财险公司保险单号绑定,并兼容保险业务APP与其互通,实时传输的风险因子全部相关数据信息可有效解决赔案调查不能实时监控的缺陷,准确快速的鉴别案件真伪。3、实现理赔方式加垂直化,大幅提升了理赔服务的行业效率;有助于行业服务标准化。完善服务体系规范标准、服务水平质量进一步提升。彻底改变传统的车险理赔服务环节比较落后,理赔效率极为低下的不足,提高保险公司服务效能降低人力成本;为业务选择、业务机构调整提供准确的可参考数据,降低业务销售成本;可准确收集掌握业务信息提高互动效能,精细化服务于用户,可广泛应用于保险业务领域。4、与车主互动,提高宣传力度;可通过天气、路况、本车数据等相关出行信息实时计算自驾出行风险概率指标,为车主提供自驾出行、预测保费等相关信息,有助于车主日常用车的选择。5、同时车主可借助本发明进行自助娱乐影音制作,记录车辆使用过程。6、也可广泛应用于全社会出行类财险行业。
附图说明
图1为本发明风险因子识别方法的流程示意图;
图2为本发明风险因子识别系统示意图;
图3为本发明的一种终端的结构示意图;
具体实施方式
在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
参照附图1-3,如图1所示,一种风险因子识别方法包括:
S01:基于车险投保数据的因变量规则进行风险因子筛选,分析车险投保数据,参照因变量事件组进行评价,建立风险因子系数;S02:确定风险因子系数,利用所述车险投保数据组成因变量事件组,对所述因变量规则进行统计;S03:建立风险因子预估值模型,方法如下;对所述因变量规则指数进行线性求和,计算出风险因子值;进一步的,步骤S03中,确定风险因子值的具体步骤如下;
所述因变量规则:若事件A1,A2,…,An互不相容,且A1+A2+…+An=P,则称A1,A2,…,An构成因变量事件组,其中A1,A2,…,An:按下表所示对车险投保数据的系数进行确定。
进一步的,步骤S03中,所述因变量规则如下表:
上述车险投保数据的因变量规则中的类别及风险系数,是由现有车险保险业务投保项目确定,其中车险保险业务投保类别符合行业规定的投保标准的划分标准。
基于车险投保数据的因变量规则进行风险因子筛选,分析车险投保数据,参照因变量事件组进行评价,建立风险因子系数;
S02:确定风险因子系数,
进一步的,步骤S03中,建立风险因子值的模型计算公式如下:
判断方法:基于因变量规则的实际车险投保数据
若系数P<1,则投保风险较低
若系数1<P<1.5,则投保风险低
若系数1.5<P<2,则投保风险高
若系数P>2,则投保风险极高
另一方面,一种风险因子识别系统包括:通过终端发送与保单号相绑定的标的物信息;根据所述标的物信息采集并上传现场实时监控数据至云端服务器;所述标的物信息为所述终端有且只有一个编号与保单号相关联,对应同一标的物的各不同险种保单号唯一或多项,依据保单有效期开始时通过所述云端服务器上一致的标的物信息及投保人信息认证后予以激活使用,且使用期限同保单有效期限比对,确认保单生效。
进一步的,所述标的物信息包括:车辆信息、驾驶员信息、保单信息、位置信息和现场实时监控数据。
进一步的,还包括:标的物信息生成模块:用于标的物绑定的唯一终端编号与保单号相关联;通信传输存储模块:用于无线通信实现数据实时传输并将数据予以存储;设备运行状态附带后台监控实现一键报案功能。
优选的,所述云端服务器基于所述标的物信息和风险因子识别方法计算出风险因子值,传输至所述终端,通过终端可提示标的物当前的风险状态。采用上述方案后,能够实现标的物端即车辆现场的实时传输的风险因子全部相关数据信息达到实时监控、提醒及预估风险的目的。
进一步的,一种终端包括:监控器:用于实时记录标的物实时位置、行驶轨迹、及位移速度,捕捉标的物四周实时视频资料;用于通过无线通讯网络连接可与终端连接交换关于标的物状态的数据,实时传输至云端服务器进行存储;云端服务器通过相关规则或指令调取相关数据;存储器:用于存储计算机可执行指令且存储监控器视频资料,并更新至云端服务器进行云端存储备份;图形显示模块:用于实时显示监控器采集的数据;供电器:用于为所述监控器、通讯器、处理器、存储器提供不间断电源;处理器;用于控制监控器、存储器、图形显示模块及供电器运行;其中,所述处理器被配置为:将所述标的物信息发送至云端服务器的数据处理;
当所述处理器执行所述计算机可执行指令时,用于执行控制所述的风险因子识别系统的控制监控器、存储器、图形显示模块及供电器运行。
进一步的,一种终端还包括:快速支付模块:采用RFID射频卡或ETC进行快捷支付;电子牌号模块:通过设置户外用电子显示屏,内置无线联网通讯系统,并配备有电子芯片和电池,通过车辆管理部门绑定机动车牌号。电子强检标志模块:通过设置电子显示屏,绑定机动车检验合格标志、保险标志;通讯扩展模块:采用有线接口或无线传输方式,连接其它车载设备:行车记录仪、车载电脑、车载摄像头、车载通讯导航定位设备、手机等,用于读取车辆各种参数数据,如车辆行驶数据、行车电脑数据和车辆故障信息等;自动驾驶辅助模块:采用许可通讯协议连接车载电脑,协助车辆远程控制、实现人车智能互联。
进一步的,所述监控器设置有全景摄像头和声音采集模块,通过实时通讯器实时传输标的物状态的数据至云端服务器,并备份当前标的物状态的数据。
进一步的,所述终端用于车险、财险业务风险因子识别设备及人机交互;所述终端设有保单到期提示功能,可根据保险期限提前提示,所述提示方式采用语音警示或图形警示;所述供电器采用不间断电源或太阳能供电方式。
下面通过具体实施例对本发明作进一步详细描述。
实施例一:一种风险因子识别方法,用于车龄(270天以内为新车)且初次投保,无记录可追溯:
S01:基于初次投保车险投保数据的因变量规则I进行风险因子筛选,分析车险投保数据,参照因变量事件组进行评价,建立风险因子系数;
S02:确定风险因子系数,利用所述车险投保数据组成因变量事件组,对所述因变量规则进行统计;
S03:建立风险因子预估值模型,方法如下;对所述因变量规则指数进行线性求和,计算出风险因子值;
进一步的,步骤S03中,确定风险因子值的具体步骤如下;
所述因变量规则:若事件A1,A2,…,An互不相容,且A1+A2+…+An=P,则称A1,A2,…,An构成因变量事件组,其中A1,A2,…,An:按下表所示对车险投保数据的系数进行确定。
进一步的,步骤S03中,所述因变量规则如下表:
判断方法:基于因变量规则的实际车险投保数据
若系数P<1,则投保风险较低
若系数1<P<1.5,则投保风险低
若系数1.5<P<2,则投保风险高
若系数P>2,则投保风险极高
参照步骤S03中,建立风险因子值的模型计算公式如下:
P=A1+A3+A6-A10+A11-A17+A19-A26=1.22
上述A1、A3、A6-A10、A11-A17、A19-A26是按实际车险投保数据的系数进行确定。由风险因子值的模型计算出的风险因子为1.22,属于1<P<1.5范围,则投保风险低,可进行常规投保,当然上述实际车险投保数据还需根据具体工况确认。
对车险理赔期间借助风险因子识别系统及终端,可无死角实时采集、防欺诈等多种功能于一体的保险业务终端,实现与财险公司保险单号绑定,并兼容保险业务APP与其互通;
所述云端服务器基于所述标的物信息和风险因子识别方法计算出风险因子值,传输至所述终端,通过终端可提示标的物当前的风险状态。能够实现标的物端即车辆现场的实时传输的风险因子全部相关数据信息达到实时监控、提醒及预估风险的目的。
终端包括:监控器:用于实时记录标的物实时位置、行驶轨迹、及位移速度,捕捉标的物四周实时视频资料;用于通过无线通讯网络连接可与终端连接交换关于标的物状态的数据,实时传输至云端服务器进行存储;云端服务器通过相关规则或指令调取相关数据;存储器:用于存储计算机可执行指令且存储监控器视频资料,并更新至云端服务器进行云端存储备份;图形显示模块:用于实时显示监控器采集的数据;供电器:用于为所述监控器、通讯器、处理器、存储器提供不间断电源;处理器;用于控制监控器、存储器、图形显示模块及供电器运行;其中,所述处理器被配置为:将所述标的物信息发送至云端服务器的数据处理;
当所述处理器执行所述计算机可执行指令时,用于执行控制所述的风险因子识别系统的控制监控器、存储器、图形显示模块及供电器运行。
一种终端还包括:快速支付模块:采用RFID射频卡或ETC,实现快捷支付,该模块可自带或兼容现有车载设备;电子牌号模块:通过设置户外用电子显示屏(图中未示出),内置无线联网通讯系统,并配备有电子芯片和电池,通过车辆管理部门绑定机动车牌号,该模块采用自带或可扩展方式;电子强检标志模块:通过设置电子显示屏(图中未示出),绑定机动车检验合格标志、保险标志,省去了到期后需跟换电子强检标志的不足,该模块采用自带或可扩展方式;通讯扩展模块:采用有线接口或无线传输方式,连接其它车载设备:行车记录仪、车载电脑、车载摄像头、车载通讯导航定位设备、手机等,用于读取车辆各种参数数据,如车辆行驶数据、行车电脑数据和车辆故障信息等,能够更好的实现与现行的车载设备兼容,该模块采用自带或可扩展方式;自动驾驶辅助模块:采用许可通讯协议连接车载电脑,协助车辆远程控制,实现自动驾驶,人车智能互联。
所述监控器设置有全景摄像头和声音采集模块,通过实时通讯器实时传输标的物状态的数据至云端服务器,并备份当前标的物状态的数据。
所述终端用于车险、财险业务风险因子识别设备及人机交互;
所述终端设有保单到期提示功能,可根据保险期限提前提示,所述提示方式采用语音警示或图形警示;
所述供电器采用不间断电源或太阳能供电方式。
如图3所示,所述终端30设有外壳,所述终端30与LCD触摸显示屏并电连接的处理器303;所述处理器303分别电连接有5G通信模块、MESH模块、GPS模块、监控器、存储器、供电器;所述MESH模块、GPS模块、5G通信模块分别电连天线。
所述监控器设置:全景摄像头、声音采集模块麦克风及微型音箱(图中未示出),通过双向音视频传输模块与具有MESH模块的音视频采集设备相结合使用。通过上述模块,可无死角实时采集、接收现场传输的音视频,提高了使用便捷性和应急反应能力。所述供电器设置有用于供电的锂电池(图中未示出)。
所述终端30设有外壳分别设置有多个USB接口、电缆线接口及开关(图中未示出)。
所述外壳设置有用于安装于前挡风玻璃的连接件,所述连接件可采用吸盘或支架(图中未示出)。
如图2所示,风险因子识别系统,出险后通过终端发送与保单号相绑定的标的物信息,标的物信息指的是出险车辆相关信息包括:车辆信息、驾驶员信息、保单信息、位置信息和现场实时监控数据。
根据所述标的物信息采集并上传现场实时监控数据至云端服务器;
所述标的物信息为所述终端有且只有一个编号与保单号相关联,对应同一标的物的各不同险种保单号唯一或多项,依据保单有效期开始时通过所述云端服务器上一致的标的物信息及投保人信息认证后予以激活使用,且使用期限同保单有效期限比对,确认保单生效,上述过程投保前会与所述终端绑定。
还包括:标的物信息生成模块:用于标的物绑定的唯一终端编号与保单号相关联;通信传输存储模块:用于无线通信实现数据实时传输并将数据予以存储;设备运行状态附带后台监控实现一键报案功能。
实施例二:一种风险因子识别方法,用于已投保再次续保,有历史记录可追溯:S01:基于初次投保车险投保数据的因变量规则I进行风险因子筛选,分析车险投保数据,参照因变量事件组进行评价,建立风险因子系数;
S02:确定风险因子系数,利用所述车险投保数据组成因变量事件组,对所述因变量规则进行统计;S03:建立风险因子预估值模型,方法如下;对所述因变量规则指数进行线性求和,计算出风险因子值;
进一步的,步骤S03中,确定风险因子值的具体步骤如下;
所述因变量规则:若事件A1,A2,…,An互不相容,且A1+A2+…+An=P,则称A1,A2,…,An构成因变量事件组,其中A1,A2,…,An:按下表所示对车险投保数据的系数进行确定。
进一步的,步骤S03中,所述因变量规则如下表:
判断方法:基于因变量规则的实际车险投保数据
若系数P<1,则投保风险较低
若系数1<P<1.5,则投保风险低
若系数1.5<P<2,则投保风险高
若系数P>2,则投保风险极高
参照步骤S03中,建立风险因子值的模型计算公式如下:
P=A1+A2+A5-A25+A27-A41=2.16
上述A1+A2+A5-A25+A27-A41是按实际车险投保数据的系数进行确定。
由风险因子值的模型计算出的风险因子为2.16,属于P>2,则投保风险极高,需对常规投保项和保费根据需要进行适当调整,当然上述实际车险投保数据还需根据具体工况确认。对车险理赔期间借助风险因子识别系统及终端,可无死角实时采集、防欺诈等多种功能于一体的保险业务终端,实现与财险公司保险单号绑定,并兼容保险业务APP与其互通。
优选的,所述云端服务器基于所述标的物信息和风险因子识别方法计算出风险因子值,传输至所述终端,通过终端可提示标的物当前的风险状态。能够实现标的物端即车辆现场的实时传输的风险因子全部相关数据信息达到实时监控、提醒及预估风险的目的。
终端包括:监控器:用于实时记录标的物实时位置、行驶轨迹、及位移速度,捕捉标的物四周实时视频资料;用于通过无线通讯网络连接可与终端连接交换关于标的物状态的数据,实时传输至云端服务器进行存储;云端服务器通过相关规则或指令调取相关数据;存储器:用于存储计算机可执行指令且存储监控器视频资料,并更新至云端服务器进行云端存储备份;图形显示模块:用于实时显示监控器采集的数据;供电器:用于为所述监控器、通讯器、处理器、存储器提供不间断电源;处理器;用于控制监控器、存储器、图形显示模块及供电器运行;其中,所述处理器被配置为:将所述标的物信息发送至云端服务器的数据处理;
当所述处理器执行所述计算机可执行指令时,用于执行控制所述的风险因子识别系统的控制监控器、存储器、图形显示模块及供电器运行。
快速支付模块:采用RFID射频卡或ETC,实现快捷支付,该模块可自带或兼容现有车载设备;电子牌号模块:通过设置户外用电子显示屏图中未示出,内置无线联网通讯系统,并配备有电子芯片和电池,通过车辆管理部门绑定机动车牌号,该模块采用自带或可扩展方式;电子强检标志模块:通过设置电子显示屏图中未示出,绑定机动车检验合格标志、保险标志,省去了到期后需跟换电子强检标志的不足,该模块采用自带或可扩展方式;
通讯扩展模块:采用有线接口或无线传输方式,连接其它车载设备:行车记录仪、车载电脑、车载摄像头、车载通讯导航定位设备、手机等,用于读取车辆各种参数数据,如车辆行驶数据、行车电脑数据和车辆故障信息等,能够更好的实现与现行的车载设备兼容,该模块采用自带或可扩展方式;自动驾驶辅助模块:采用许可通讯协议连接车载电脑,协助车辆远程控制,实现自动驾驶,人车智能互联。所述监控器设置有全景摄像头和声音采集模块,通过实时通讯器实时传输标的物状态的数据至云端服务器,并备份当前标的物状态的数据。所述终端用于车险、财险业务风险因子识别设备及人机交互;所述终端设有保单到期提示功能,可根据保险期限提前提示,所述提示方式采用语音警示或图形警示;所述供电器采用不间断电源或太阳能供电方式。
如图3所示,所述终端30设有外壳,所述终端30与LCD触摸显示屏并电连接的处理器303;所述处理器303分别电连接有5G通信模块、MESH模块、GPS模块、监控器、存储器、供电器;所述MESH模块、GPS模块、5G通信模块分别电连天线。
所述监控器设置:全景摄像头、声音采集模块麦克风及微型音箱(图中未示出),通过双向音视频传输模块与具有MESH模块的音视频采集设备相结合使用。通过上述模块,可无死角实时采集、接收现场传输的音视频,提高了使用便捷性和应急反应能力。所述供电器设置有用于供电的锂电池图中未示出。所述终端30设有外壳分别设置有多个USB接口、电缆线接口及开关图中未示出。所述外壳设置有用于安装于前挡风玻璃的连接件,所述连接件可采用吸盘或支架图中未示出。如图2所示,风险因子识别系统,出险后通过终端发送与保单号相绑定的标的物信息,标的物信息指的是出险车辆相关信息包括:车辆信息、驾驶员信息、保单信息、位置信息和现场实时监控数据。根据所述标的物信息采集并上传现场实时监控数据至云端服务器;
所述标的物信息为所述终端有且只有一个编号与保单号相关联,对应同一标的物的各不同险种保单号唯一或多项,依据保单有效期开始时通过所述云端服务器上一致的标的物信息及投保人信息认证后予以激活使用,且使用期限同保单有效期限比对,确认保单生效,上述过程投保前会与所述终端绑定。优选的,所述云端服务器基于所述标的物信息和风险因子识别方法计算出风险因子值,传输至所述终端,通过终端可提示标的物当前的风险状态。能够实现标的物端即车辆现场的实时传输的风险因子全部相关数据信息达到实时监控、提醒及预估风险的目的。还包括:标的物信息生成模块:用于标的物绑定的唯一终端编号与保单号相关联;通信传输存储模块:用于无线通信实现数据实时传输并将数据予以存储;设备运行状态附带后台监控实现一键报案功能。
综上所述,本发明涉及保险业务风险因子识别方法、系统及终端,一方面针对车险投保前基于后台规则进行风险因子预估,建立风险因子系数,将风险因子系数作为投保费率的系数,从而预判断投保风险同时通过实时数据进行测算后给通过终端或APP对驾驶员、车主进行风险指标提示。另一方面针对车险理赔期间借助无死角实时采集、防欺诈等多种功能于一体的保险业务终端,实现与财险公司保险单号绑定,并兼容保险业务APP与其互通。还可以通过实时数据进行测算后给通过终端或APP对驾驶员/车主(车辆财产承包公司)进行风险指标提示。本发明的有益效果在于:解决保险公司风险查勘工作,完善标的物实时监控实现风险可控的方法和装置;业务风险因子收集,便于分析,从而细化风险概率与保费挂钩的要求,有助于财险公司的车业务结构调整;所采集数据的实时传输与存储,可有效保户意外发生时真实而直接的参考依据,实现精细化服务,提高用户满意度,降低人力成本。
当然,上述说明也并不仅限于上述举例,本发明未经描述的技术特征可以通过或采用现有技术实现,如终端也可采用成本低廉的手机加保险业务APP与服务器端互通,同时图中未示出的硬件可借助现有技术实现,此不再赘述。
Claims (10)
1.一种风险因子识别方法,其特征在于,所述方法包括:
S01:基于车险投保数据的因变量规则进行风险因子筛选,分析车险投保数据,参照因变量事件组进行评价,建立风险因子系数;
S02:确定风险因子系数,利用所述车险投保数据组成因变量事件组,对所述因变量规则进行统计;
S03:建立风险因子预估值模型,方法如下;对所述因变量规则指数进行线性求和,计算出风险因子值。
2.根据权利要求1所述的一种风险因子识别方法,其特征在于:
步骤S03中,确定风险因子值的具体步骤如下;
所述因变量规则:若事件A1,A2,…,An互不相容,且A1+A2+…+An=P,则称A1,A2,…,An构成因变量事件组,其中A1,A2,…,An:按车险投保数据的系数进行确定。
3.根据权利要求2所述的一种风险因子识别方法,其特征在于:
步骤S03中,所述因变量规则的事件An包括:车速、行驶里程、天气状况、车龄、新车购置价、座位数、排量被保险人性别、被保险人年龄、车辆种类、三者险保额、续保信息、上上年出险次数、上年出险次数、上年出险类型和最大责任比例、上年案均赔款、车辆品牌、实际价值、行驶区域、每年平均历程、交通违法情况、多险种投保、被保险人婚否、厂商类型、距离最近一次出险的间隔月数、支公司、渠道类型、车系分类、划痕险限额、是否投保交强险、车系类别、被保险人是否为车主本人、被保险人是否为本地、车牌是否为本地、险别组合、是否投保盗窃险、品牌、是否投保三者不计免赔、是否投保划痕不计免赔项目。
5.一种风险因子识别系统,其特征在于,包括:
通过终端发送与保单号相绑定的标的物信息;
根据所述标的物信息采集并上传现场实时监控数据至云端服务器;
所述标的物信息为所述终端有且只有一个编号与保单号相关联,对应同一标的物的各不同险种保单号唯一或多项,依据保单有效期开始时通过所述云端服务器上一致的标的物信息及投保人信息认证后予以激活使用,且使用期限同保单有效期限比对,确认保单生效。
6.根据权利要求5所述的风险因子识别系统,其特征在于,
所述标的物信息包括:车辆信息、驾驶员信息、保单信息、位置信息、车速、行驶里程、天气状况和现场实时监控数据。
7.根据权利要求5所述的风险因子识别系统,其特征在于,还包括:
标的物信息生成模块:用于标的物绑定的唯一终端编号与保单号相关联;
通信传输存储模块:用于无线通信实现数据实时传输并将数据予以存储;设备运行状态附带后台监控实现一键报案功能。
8.根据权利要求7所述的风险因子识别系统,其特征在于,
所述云端服务器基于所述标的物信息和风险因子识别方法计算出风险因子值,传输至所述终端,通过终端可提示标的物当前的风险状态。
9.一种终端,其特征在于,包括:
监控器:用于实时记录标的物实时位置、行驶轨迹、位移速度及天气状况,捕捉标的物四周实时视频资料;
用于通过无线通讯网络连接可与终端连接交换关于标的物状态的数据,实时传输至云端服务器进行存储;云端服务器通过相关规则或指令调取相关数据;
存储器:用于存储计算机可执行指令且存储监控器视频资料,并更新至云端服务器进行云端存储备份;
图形显示模块:用于实时显示监控器采集的数据;
供电器:用于为所述监控器、通讯器、处理器、存储器提供不间断电源;
处理器;用于控制监控器、存储器、图形显示模块及供电器运行;
其中,所述处理器被配置为:将所述标的物信息发送至云端服务器的数据处理;
当所述处理器执行所述计算机可执行指令时,所述处理器执行权利要求5-8任一项所述的风险因子识别系统。
10.根据权利要9所述的终端,其特征在于,所述监控器设置有全景摄像头和声音采集模块,通过实时通讯器实时传输标的物状态的数据至云端服务器,并备份当前标的物状态的数据;优选的,所述终端用于车险、财险业务风险因子识别设备及人机交互;所述终端设有保单到期提示功能,可根据保险期限提前提示,所述提示方式采用语音警示或图形警示;所述供电器采用不间断电源或太阳能供电方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911393083.4A CN111127228A (zh) | 2019-12-30 | 2019-12-30 | 风险因子识别方法、系统及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911393083.4A CN111127228A (zh) | 2019-12-30 | 2019-12-30 | 风险因子识别方法、系统及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111127228A true CN111127228A (zh) | 2020-05-08 |
Family
ID=70504878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911393083.4A Pending CN111127228A (zh) | 2019-12-30 | 2019-12-30 | 风险因子识别方法、系统及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111127228A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330472A (zh) * | 2020-11-17 | 2021-02-05 | 中国平安财产保险股份有限公司 | 业务数据处理方法、装置、计算机设备及存储介质 |
CN112668956A (zh) * | 2020-09-04 | 2021-04-16 | 浙江万里学院 | 一种物流保险数据的智能核保方法 |
CN113222770A (zh) * | 2021-06-15 | 2021-08-06 | 杭州链驾科技有限公司 | Defi车险经济互助方法、装置 |
CN113849485A (zh) * | 2021-10-12 | 2021-12-28 | 江苏泰扬金属制品有限公司 | 用于模式切换的大数据应用系统 |
CN114333320A (zh) * | 2021-12-31 | 2022-04-12 | 重庆市城投金卡信息产业(集团)股份有限公司 | 基于rfid的车辆驾驶行为风险评估系统 |
WO2022267456A1 (zh) * | 2021-06-24 | 2022-12-29 | 平安科技(深圳)有限公司 | 车辆定损方法、装置、设备及存储介质 |
WO2023187851A1 (ja) * | 2022-03-28 | 2023-10-05 | 日産自動車株式会社 | 車両データ分析方法および装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101577653A (zh) * | 2008-05-08 | 2009-11-11 | 韩军 | 使用定位技术进行车险理赔辅助认证的系统和方法 |
CN202662060U (zh) * | 2012-01-19 | 2013-01-09 | 北京赛德斯汽车信息技术有限公司 | 利用车载信息的汽车保险信息服务系统 |
CN103353974A (zh) * | 2013-08-03 | 2013-10-16 | 甘木林 | 一种保险理赔系统及其方法 |
CN104318477A (zh) * | 2014-11-11 | 2015-01-28 | 西红柿科技(武汉)有限公司 | 一种基于大数据的车辆保险评估的方法 |
CN106651602A (zh) * | 2016-12-28 | 2017-05-10 | 清华大学苏州汽车研究院(吴江) | 一种基于adas智能车载终端的车险管理服务系统 |
CN206684779U (zh) * | 2016-12-28 | 2017-11-28 | 清华大学苏州汽车研究院(吴江) | 一种基于adas智能车载终端的车险管理服务系统 |
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 |
-
2019
- 2019-12-30 CN CN201911393083.4A patent/CN111127228A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101577653A (zh) * | 2008-05-08 | 2009-11-11 | 韩军 | 使用定位技术进行车险理赔辅助认证的系统和方法 |
CN202662060U (zh) * | 2012-01-19 | 2013-01-09 | 北京赛德斯汽车信息技术有限公司 | 利用车载信息的汽车保险信息服务系统 |
CN103353974A (zh) * | 2013-08-03 | 2013-10-16 | 甘木林 | 一种保险理赔系统及其方法 |
CN104318477A (zh) * | 2014-11-11 | 2015-01-28 | 西红柿科技(武汉)有限公司 | 一种基于大数据的车辆保险评估的方法 |
CN106651602A (zh) * | 2016-12-28 | 2017-05-10 | 清华大学苏州汽车研究院(吴江) | 一种基于adas智能车载终端的车险管理服务系统 |
CN206684779U (zh) * | 2016-12-28 | 2017-11-28 | 清华大学苏州汽车研究院(吴江) | 一种基于adas智能车载终端的车险管理服务系统 |
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 |
Non-Patent Citations (2)
Title |
---|
崔茹肖: ""基于GLM及其拓展模型的车险定价因素研究"", 《中国优秀硕士学位论文全文数据库基础科学辑》, no. 12, pages 9 - 19 * |
童丽娟: ""GAM在汽车保险定价中的应用研究"", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》, no. 03, pages 6 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668956A (zh) * | 2020-09-04 | 2021-04-16 | 浙江万里学院 | 一种物流保险数据的智能核保方法 |
CN112668956B (zh) * | 2020-09-04 | 2023-09-22 | 浙江万里学院 | 一种物流保险数据的智能核保方法 |
CN112330472A (zh) * | 2020-11-17 | 2021-02-05 | 中国平安财产保险股份有限公司 | 业务数据处理方法、装置、计算机设备及存储介质 |
CN112330472B (zh) * | 2020-11-17 | 2023-10-27 | 中国平安财产保险股份有限公司 | 业务数据处理方法、装置、计算机设备及存储介质 |
CN113222770A (zh) * | 2021-06-15 | 2021-08-06 | 杭州链驾科技有限公司 | Defi车险经济互助方法、装置 |
WO2022267456A1 (zh) * | 2021-06-24 | 2022-12-29 | 平安科技(深圳)有限公司 | 车辆定损方法、装置、设备及存储介质 |
CN113849485A (zh) * | 2021-10-12 | 2021-12-28 | 江苏泰扬金属制品有限公司 | 用于模式切换的大数据应用系统 |
CN114333320A (zh) * | 2021-12-31 | 2022-04-12 | 重庆市城投金卡信息产业(集团)股份有限公司 | 基于rfid的车辆驾驶行为风险评估系统 |
WO2023187851A1 (ja) * | 2022-03-28 | 2023-10-05 | 日産自動車株式会社 | 車両データ分析方法および装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111127228A (zh) | 风险因子识别方法、系统及终端 | |
US11830079B2 (en) | Evidence oracles | |
US11158002B1 (en) | Automated accident detection, fault attribution and claims processing | |
US10891694B1 (en) | Using vehicle mode for subrogation on a distributed ledger | |
US11734770B2 (en) | Using a distributed ledger to determine fault in subrogation | |
US10417713B1 (en) | Determining whether a vehicle is parked for automated accident detection, fault attribution, and claims processing | |
US20210342946A1 (en) | Using a Distributed Ledger for Line Item Determination | |
CN102521986B (zh) | 一种套牌车辆自动检测系统的控制方法 | |
CN102426776B (zh) | 机动车代驾网络监控方法 | |
US20210326992A1 (en) | Using a Distributed Ledger for Subrogation Recommendations | |
US11657460B2 (en) | Using historical data for subrogation on a distributed ledger | |
KR102296004B1 (ko) | 전기차 충전소 관리 시스템 | |
CN105931384B (zh) | 车辆分享过程中的自助取车方法及基于自助取车的车辆分享方法 | |
CN107784739B (zh) | 一种基于视频的车辆分享过程中的自助还车方法及基于自助还车的车辆分享方法 | |
CN202306814U (zh) | 机动车代驾网络监控系统 | |
CN109345395A (zh) | 一种保险理赔的反欺诈系统及方法 | |
CN104978620A (zh) | Rfid路内停车服务管理平台 | |
CN116911610A (zh) | 运输车辆驾驶安全风险监控及评估预警的方法和系统 | |
CN112258666A (zh) | 一种非机动车车库智能管理系统 | |
CN213485169U (zh) | 基于gps的车辆预警系统 | |
CN113569746A (zh) | 一种基于车牌识别结合人脸识别双重认证的车辆防盗管理系统 | |
CN114742585A (zh) | 一种二手车评估系统 | |
CN115547043A (zh) | 一种肇事逃逸货运车辆查扣辅助系统及方法 | |
CN117437784A (zh) | 一种基于云平台的出租车营运监管方法及系统 | |
CN114693092A (zh) | 一种建立用户驾驶特征库的方法和系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200508 |
|
WD01 | Invention patent application deemed withdrawn after publication |