CN113065902A - 基于数据处理的费用设定方法、装置和计算机设备 - Google Patents
基于数据处理的费用设定方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN113065902A CN113065902A CN202110435236.8A CN202110435236A CN113065902A CN 113065902 A CN113065902 A CN 113065902A CN 202110435236 A CN202110435236 A CN 202110435236A CN 113065902 A CN113065902 A CN 113065902A
- Authority
- CN
- China
- Prior art keywords
- driving
- user
- track
- optimal
- grid
- 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
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
Abstract
本申请涉及数据分析技术领域,揭示了一种基于数据处理的费用设定方法、装置和计算机设备,其中方法包括:接收用户发起的车辆保险制定请求,并根据车辆保险制定请求中提取的用户信息查询用户在预设时间段内的驾驶轨迹及其驾驶操作数据;将驾驶地图的驾驶轨迹进行网格化处理,得到多个网格;分析各个网格内用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定用户在各个网格的最优驾驶标签;根据各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将各个网格的驾驶分数进行累加后得到用户的驾驶评分,确定用户的车辆保费,实现对用户驾驶风格的精细化分析,以使得车辆保险的风险评估更完善、更科学,提高了车辆保费的准确度。
Description
技术领域
本申请涉及到数据分析技术领域,特别是涉及到一种基于数据处理的费用设定方法、装置和计算机设备。
背景技术
用户在购买车辆后,一般都需要为车辆购买保险,用户除必须要交纳的交强险外,通常还会额外的购买其他的商业保险,目前,汽车保险市场上传统的保险产品主要是使用车辆的静态数据来评估车辆的保费,例如车辆的型号、厂家、车龄等,但风险往往是人的因素造成的,而个人风险因素复杂多样,信息不对称就成为了普遍存在的问题。例如,保险公司无法得知驾驶员的驾驶行为,而投保人可能隐藏个人信息以获得利益。因此传统保险产品的定价模式很不合理。
随着车联网的发展,车联网技术越来越多的被运用到保险行业中,因此,基于UBI(Usage Based Insurance)的创新保险产品出现了,但是目前的UBI通过里程定价,存在严重缺陷,比如:经常开车的人驾驶技术好、习惯好,里程多但出险概率反而低;极少开车的人出险概率更高,因此这种定价方式使设定的车辆保费的准确度较低。
发明内容
本申请的主要目的为提供一种基于数据处理的费用设定方法、装置和计算机设备,旨在解决目前的基于数据处理的费用设定方式较为粗糙、准确度较低的技术问题。
为了实现上述发明目的,本申请提出一种基于数据处理的费用设定方法,包括:
接收用户发起的车辆保险制定请求,并从所述车辆保险制定请求中提取所述用户的用户信息;
根据所述用户信息查询所述用户在预设时间段内的驾驶轨迹,以及所述用户在所述驾驶轨迹上的驾驶操作数据;其中,所述驾驶轨迹预先存储于驾驶地图上;
将所述驾驶地图的驾驶轨迹进行网格化处理,得到多个网格;
分析各个网格内所述用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定所述用户在所述各个网格的最优驾驶标签;其中,所述子驾驶轨迹为单个网格内的所述驾驶轨迹,所述子驾驶操作数据为所述用户在所述子驾驶轨迹上的驾驶操作数据;
根据所述各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将所述各个网格的驾驶分数进行累加后,得到所述用户在所述驾驶轨迹上的驾驶评分,根据所述驾驶评分确定所述用户的车辆保费。
优选地,所述分析各个网格内所述用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定所述用户在所述各个网格的最优驾驶标签的步骤,包括:
获取同一网格内除所述用户之外的其他用户的驾驶操作数据;
分析各个网格内所述用户的子驾驶轨迹、子驾驶操作数据以及其他用户的驾驶操作数据,确定所述用户在所述各个网格的最优驾驶标签。
进一步地,所述根据分析结果确定所述用户在所述各个网格的最优驾驶标签的步骤之后,还包括:
从各个网格的最优驾驶标签中筛选出影响安全驾驶的目标驾驶标签;
计算相同目标驾驶标签的网格数量,按照所述网格数量由多到少的顺序对所述目标驾驶标签进行排序,得到网格数量排在前N位的目标驾驶标签,其中N为大于或等于1的整数;
根据所述排在前N位的目标驾驶标签为所述用户推荐相应的保险产品;其中,所述保险产品中含有针对所述排在前N位的目标驾驶标签的保险条款。
进一步地,所述根据所述用户信息查询所述用户在预设时间段内的驾驶轨迹的步骤之前,还包括:
获取用户在各个时间点的轨迹点;
对所述轨迹点进行滤波及去噪处理,得到目标轨迹点;
根据所述目标轨迹点的时间间隔对所述目标轨迹点进行分段,得到至少一个轨迹段;
将所述至少一个轨迹段贴合到实际驾驶道路上,绘制得到所述用户在预设时间段内的驾驶轨迹。
优选地,所述根据所述各个网格的最优驾驶标签确定相应各个网格的驾驶分数的步骤,包括:
根据所述各个网格的最优驾驶标签从对照表中查询各最优驾驶标签的最优驾驶标签值;其中,所述对照表中预先存储有各类最优驾驶标签对应的最优驾驶标签值;
将所述各最优驾驶标签的最优驾驶标签值作为相应各个网格的驾驶分数。
进一步地,所述根据所述各个网格的最优驾驶标签从对照表中查询各最优驾驶标签的最优驾驶标签值的步骤之前,还包括:
获取预先收集的车辆保险赔偿记录;
根据所述车辆保险赔偿记录统计各类最优驾驶标签在历史交通事故中造成的总保险赔偿额;
根据所述总保险赔偿额设定各类最优驾驶标签的最优驾驶标签值,将各类最优驾驶标签的最优驾驶标签值存储在对照表中。
优选地,所述根据所述车辆保险赔偿记录统计各类最优驾驶标签在历史交通事故中造成的总保险赔偿额的步骤,包括:
根据所述车辆保险赔偿记录查询各类最优驾驶标签在历史交通事故中发生的交通事故次数及每次交通事故造成的保险赔偿额;
根据所述交通事故次数及每次交通事故造成的保险赔偿额计算所述总保险赔偿额。
本申请还提供一种基于数据处理的费用设定装置,包括:
提取模块,用于接收用户发起的车辆保险制定请求,并从所述车辆保险制定请求中提取所述用户的用户信息;
查询模块,用于根据所述用户信息查询所述用户在预设时间段内的驾驶轨迹,以及所述用户在所述驾驶轨迹上的驾驶操作数据;其中,所述驾驶轨迹预先存储于驾驶地图上;
网格化处理模块,用于将所述驾驶地图的驾驶轨迹进行网格化处理,得到多个网格;
分析模块,用于分析各个网格内所述用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定所述用户在所述各个网格的最优驾驶标签;其中,所述子驾驶轨迹为单个网格内的所述驾驶轨迹,所述子驾驶操作数据为所述用户在所述子驾驶轨迹上的驾驶操作数据;
确定模块,用于根据所述各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将所述各个网格的驾驶分数进行累加后,得到所述用户在所述驾驶轨迹上的驾驶评分,根据所述驾驶评分确定所述用户的车辆保费。
本申请还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的基于数据处理的费用设定方法、装置和计算机设备,接收用户发起的车辆保险制定请求,并从车辆保险制定请求中提取用户的用户信息;根据用户信息查询用户在预设时间段内的驾驶轨迹,以及用户在驾驶轨迹上的驾驶操作数据;将驾驶轨迹进行网格化处理,得到多个网格;并分析各个网格内用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定用户在各个网格的最优驾驶标签;根据各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将各个网格的驾驶分数进行累加后,得到用户在所述驾驶轨迹上的驾驶评分,根据驾驶评分确定用户的车辆保费,从而通过对用户在预设时间段内的每段驾驶轨迹进行分析,得到该用户每段驾驶轨迹的最优驾驶标签,实现对用户驾驶风格的精细化分析,以为每个用户制定相匹配的车辆保费提供有力依据,使最后获得的驾驶分数及车辆保费更符合每个用户的实际情况,实现个性化定制,也使得车辆保险的风险评估更完善、更科学,进而提高了车辆保费的准确度。
附图说明
图1为本申请一实施例的基于数据处理的费用设定方法的流程示意图;
图2为本申请一实施例的基于数据处理的费用设定装置的结构示意框图;
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、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
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参照图1,本申请实施例中提供的一种基于数据处理的费用设定方法,该基于数据处理的费用设定方法包括步骤:
S1、接收用户发起的车辆保险制定请求,并从所述车辆保险制定请求中提取所述用户的用户信息;
S2、根据所述用户信息查询所述用户在预设时间段内的驾驶轨迹,以及所述用户在所述驾驶轨迹上的驾驶操作数据;其中,所述驾驶轨迹预先存储于驾驶地图上;
S3、将所述驾驶地图的驾驶轨迹进行网格化处理,得到多个网格;
S4、分析各个网格内所述用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定所述用户在所述各个网格的最优驾驶标签;其中,所述子驾驶轨迹为单个网格内的所述驾驶轨迹,所述子驾驶操作数据为所述用户在所述子驾驶轨迹上的驾驶操作数据;
S5、根据所述各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将所述各个网格的驾驶分数进行累加后,得到所述用户在所述驾驶轨迹上的驾驶评分,根据所述驾驶评分确定所述用户的车辆保费。
如步骤S1所述,用户在为车辆申请保险时,可通过移动终端或保险公司的自助终端机登录保险申请界面,并发起车辆保险制定请求,服务器接收到该车辆保险制定请求后,从车辆保险制定请求中提取出该用户的用户信息,该用户信息包括用户名、身份证号、保险账号中的至少一种。
如步骤S2所述,可预先通过奖励的方式鼓励每个用户在移动终端的APP上传驾驶轨迹及用户在所述驾驶轨迹上的驾驶操作数据,或者与厂商合作获取车联网数据,从车联网数据中提取驾驶轨迹及用户在所述驾驶轨迹上的驾驶操作数据,并将上传的驾驶轨迹及其驾驶操作数据保存在数据库中,以便后续查询使用。当服务器接收到用户的车辆保险制定请求时,根据用户信息查询用户在最近一段时间内的驾驶轨迹,以对最近一段时间内的驾驶轨迹进行分析,确定用户的驾驶风格。其中,驾驶轨迹可以是以秒为单位的向量,包括:时间、经纬度、海拔、方向、速度。驾驶操作数据为用户在该驾驶轨迹上的行为数据,如踩刹车减速、踩油门加速、右转等等。
如步骤S3所述,本步骤可将驾驶轨迹按照驾驶时间段进行网格化处理,形成以10*10KM为单位的多个网格,每个网格作为一个计算单元,且每个网格中都至少含有驾驶轨迹的一段。
如步骤S4所述,本步骤将驾驶轨迹以网格为单位分为多段子驾驶轨迹,以及将用户在该子驾驶轨迹上的驾驶操作数据作为子驾驶操作数据,根据每个网格内的子驾驶轨迹及子驾驶操作数据分析确定用户在各个网格的至少一个驾驶标签,从至少一个驾驶标签中筛选出最符合该用户在该子驾驶轨迹上的最优驾驶标签。其中,该驾驶数据包括:百公里平均速度、百公里急加速次数、百公里急减速次数、百公里急转弯次数、百公里超速次数、百公里堵车时间、每行程平均行驶里程、每行程平均行驶速度、每行程平均急加速次数、每行程平均急减速次数、每行程平均急转弯次数、每行程平均超速次数、最高行驶速度、最大急加速次数、最大急减速次数、最大急转弯次数、最大超速次数及最长疲劳驾驶时间中的一个或多个。该最优驾驶标签用于表征最符合该用户的驾驶行为特征,如超速、急刹车、不打转向灯、闯红灯等等。
如步骤S5所述,根据各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将所有网格的驾驶分数进行累加后,得到用户在所述驾驶轨迹上的驾驶评分,并根据驾驶评分确定用户的车辆保费,实现对用户驾驶风格的精细化分析,以为每个用户制定相匹配的车辆保费提供有力依据,使得车辆保险的风险评估更完善、更科学,进而提高了车辆保费的准确度。其中,驾驶分数的高低由最优驾驶标签所反映的用户驾驶风险的高低决定。例如,当最优驾驶标签反映用户存在危险驾驶行为时,则对应网格的驾驶分数较低;反之,当最优驾驶标签反映用户并不存在危险驾驶行为时,则对应网格的驾驶分数较高,以此确定各最优驾驶标签对应的驾驶分数。此外,用户的车辆保费与驾驶评分成反比,即当用户的驾驶评分越高时,则表明该用户驾驶习惯越好,此时为该用户的车辆保费就越低。
本申请的基于数据处理的费用设定方法,接收用户发起的车辆保险制定请求,并从车辆保险制定请求中提取用户的用户信息;根据用户信息查询用户在预设时间段内的驾驶轨迹,以及用户在驾驶轨迹上的驾驶操作数据;将驾驶轨迹进行网格化处理,得到多个网格;并分析各个网格内用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定用户在各个网格的最优驾驶标签;根据各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将各个网格的驾驶分数进行累加后,得到用户在所述驾驶轨迹上的驾驶评分,根据驾驶评分确定用户的车辆保费,从而通过对用户在预设时间段内的每段驾驶轨迹进行分析,得到该用户每段驾驶轨迹的最优驾驶标签,实现对用户驾驶风格的精细化分析,以为每个用户制定相匹配的车辆保费提供有力依据,使最后获得的驾驶分数及车辆保费更符合每个用户的实际情况,实现个性化定制,也使得车辆保险的风险评估更完善、更科学,进而提高了车辆保费的准确度。
在一实施例中,所述根据所述驾驶评分确定所述用户的车辆保费的步骤,可具体包括:
从驾驶操作数据中提取出所述用户在所述驾驶轨迹的驾驶次数,基于所述驾驶次数确定驾驶权重;其中,所述驾驶权重与所述驾驶次数成反比;
根据所述驾驶评分及驾驶权重确定所述用户的车辆保费。
在本实施例中,可根据用户在不同的驾驶轨迹的驾驶次数设定驾驶权重,例如,当用户在驾驶次数较少的驾驶轨迹上进行驾驶时,表明该用户对该驾驶轨迹较为陌生,则对应设置的驾驶权重较高,此时即使在同一驾驶评分的基础上,驾驶权重较高所计算得到的数值较大,则表明该用户在陌生的驾驶轨迹的驾驶习惯也一样良好,则为该用户对应设置的车辆保费较低。反之,当用户在驾驶次数较多的驾驶轨迹上进行驾驶时,表明该用户对该驾驶轨迹较为熟悉,则对应设置的驾驶权重较低,此时即使在同一驾驶评分的基础上,驾驶权重较低所计算得到的数值也较小,则为该用户对应设置的车辆保费较高。因此,通过进一步结合用户对驾驶轨迹的熟悉程度确定车辆保险,使计算得到的车辆保费更符合用户的实际驾驶情况。
在一实施例中,在步骤S4中,所述分析各个网格内所述用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定所述用户在所述各个网格的最优驾驶标签的步骤,可具体包括:
S41、获取同一网格内除所述用户之外的其他用户的驾驶操作数据;
S42、分析各个网格内所述用户的子驾驶轨迹、子驾驶操作数据以及其他用户的驾驶操作数据,确定所述用户在所述各个网格的最优驾驶标签。
在本实施例中,用户驾驶行为习惯的好坏,除了与本人驾驶行为外,还与道路环境、同一区域内其他驾驶员的驾驶操作相关,在同一区域内通过与其他驾驶员比较,更能刻画出用户驾驶习惯的好坏。因此,本实施例分析各个网格内用户的子驾驶轨迹、子驾驶操作数据,并结合其他用户的驾驶操作数据,确定用户在各个网格的最优驾驶标签,使分析得到的最优驾驶标签更加精准。
其中,同一网格内其他用户的驾驶操作数据可包括用户在同一区域网格内与其他驾驶员的相对车速、急加速事件与其他驾驶员对比的量、角速度超过阀值与其他驾驶员对比的量。
此外,还可进一步结合道路环境数据分析确定用户的最优驾驶标签,道路环境数据可通过下载开源的数据集,比如国家公布的OpenStreetMap,获取驾驶轨迹上的道路环境数据。该道路环境数据包括道路经纬度、道路类型、限速等信息。
在一实施例中,在步骤S4中,所述根据分析结果确定所述用户在所述各个网格的最优驾驶标签的步骤之后,还可包括:
从各个网格的最优驾驶标签中筛选出影响安全驾驶的目标驾驶标签;
计算相同目标驾驶标签的网格数量,按照所述网格数量由多到少的顺序对所述目标驾驶标签进行排序,得到网格数量排在前N位的目标驾驶标签,其中N为大于或等于1的整数;
根据所述排在前N位的目标驾驶标签为所述用户推荐相应的保险产品;其中,所述保险产品中含有针对所述排在前N位的目标驾驶标签的保险条款。
本实施例基于所有最优驾驶标签筛选出影响安全驾驶的目标驾驶标签,如超速、急刹车、不打转向灯等类型的目标驾驶标签,并按照同一目标驾驶标签对应网格数量的多少对目标驾驶标签进行排序,筛选出网格数量排在前N位的目标驾驶标签,按照网格数量排在前N位的目标驾驶标签推荐相应的保险产品。其中,所述N位可根据实际需要进行设定。例如,当用户排在前三位的最优驾驶标签包括涉水时,即该用户长期在地势较低的道路行驶或长期在地势低的车库停车时,则可为该用户推荐涉水险,涉水险中包括涉水后的保险条款,从而实现保险的精准推荐。又如,如果用户频繁发生急转弯、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,故可推荐保险额度较高的保险产品。
在一实施例中,所述根据所述用户信息查询所述用户在预设时间段内的驾驶轨迹的步骤之前,还可包括:
获取用户在各个时间点的轨迹点;
对所述轨迹点进行滤波及去噪处理,得到目标轨迹点;
根据所述目标轨迹点的时间间隔对所述目标轨迹点进行分段,得到至少一个轨迹段;
将所述至少一个轨迹段贴合到实际驾驶道路上,绘制得到所述用户在预设时间段内的驾驶轨迹。
本实施例可获取用户车辆的定位设备或放置在车辆上的移动终端获取用户在各个时间点的轨迹点,该轨迹点可以坐标的形式进行表示,并对获取的轨迹点进行数据处理,如滤波及去噪处理,以滤除含有噪声的轨迹点,得到目标轨迹点;然后,根据目标轨迹点的时间间隔对目标轨迹点进行分段,得到至少一个轨迹段;利用该至少一个轨迹段绘制出用户的驾驶轨迹。
其中,轨迹段内轨迹点去噪处理,将上述分段形成的多个轨迹段分别对轨迹段内的轨迹点采用去噪算法进行处理。在去噪处理过程中,可以预先针对各轨迹段内的轨迹点的特征对去噪算法的参数进行调整,然后根据调整后的去噪算法对相应轨迹段中的轨迹点进行去噪处理。首先,在获取到待去噪的轨迹段后,提取当前轨迹段中轨迹点的特征数据,比如轨迹点的个数、相邻两个轨迹点的间隔时间、实际距离以及轨迹场景速度等特征;基于这些特征对当次采用的去噪算法的参数进行调整,以使调整后的去噪算法更适用于对当前轨迹段内的轨迹点数据进行去噪处理,得到更贴近实际情况的轨迹点。然后,利用参数值被调整后的去噪算法对当前轨迹段内的轨迹点数据进行去噪处理,保留非噪声轨迹点。其中,去噪算法的类型包括各种空间聚类算法或者是滤波算法。
另外,为了确保每个轨迹段中包含的轨迹点的数目在一定范围内,方便后续的数据处理,还可以将包含轨迹点数据较多的轨迹段,再次换分成多个轨迹段,以维持每个轨迹段中的轨迹点数目在指定范围内。
进一步地,本实施例把偏离实际驾驶道路一定范围内的轨迹点贴合到距离最近的路网上,以还原轨迹点对应的真实驾驶道路轨迹,确保驾驶轨迹的准确性。
在一实施例中,所述根据所述各个网格的最优驾驶标签确定相应各个网格的驾驶分数的步骤,可具体包括:
根据所述各个网格的最优驾驶标签从对照表中查询各最优驾驶标签的最优驾驶标签值;其中,所述对照表中预先存储有各类最优驾驶标签对应的最优驾驶标签值;
将所述各最优驾驶标签的最优驾驶标签值作为相应各个网格的驾驶分数。
本实施例可通过对照表的形式将各类最优驾驶标签的最优驾驶标签值进行保存,如超速的最优驾驶标签值为-5,不打转向灯的最优驾驶标签值为-3,闯红灯的最优驾驶标签值为-10,正常驾驶的最优驾驶标签值为5,礼让行人的最优驾驶标签值为8。还可将最优驾驶标签值直接或乘于权重后作为各个网格的驾驶分数,以简单快速地确定各个网格的驾驶分数。
进一步地,所述根据所述各个网格的最优驾驶标签从对照表中查询各最优驾驶标签的最优驾驶标签值的步骤之前,还可包括:
获取预先收集的车辆保险赔偿记录;
根据所述车辆保险赔偿记录统计各类最优驾驶标签在历史交通事故中造成的总保险赔偿额;
根据所述总保险赔偿额设定各类最优驾驶标签的最优驾驶标签值,将各类最优驾驶标签的最优驾驶标签值存储在对照表中。
在本实施例中,驾驶分数与用户的保险赔偿情况直接或间接相关,因此最优驾驶标签值可根据各类最优驾驶标签所造成的总保险赔偿额确定。例如,当闯红灯造成的交通事故所产生的总保险赔偿额较高时,则设定的最优驾驶标签值较低,对应得到的驾驶分数也较低,因此为该用户制定的车辆保费较高,以根据历史保险赔偿额确定最优驾驶标签值,更符合实际情况。
优选地,所述根据所述车辆保险赔偿记录统计各类最优驾驶标签在历史交通事故中造成的总保险赔偿额的步骤,可具体包括:
根据所述车辆保险赔偿记录查询各类最优驾驶标签在历史交通事故中发生的交通事故次数及每次交通事故造成的保险赔偿额;
根据所述交通事故次数及每次交通事故造成的保险赔偿额计算所述总保险赔偿额。
本实施例可查询各类最优驾驶标签在历史交通事故中发生的交通事故次数及每次交通事故造成的保险赔偿额,将每次交通事故造成的保险赔偿额进行累加后,得到所述总保险赔偿额,计算方式简单。
参照图2,本申请实施例中还提供一种基于数据处理的费用设定装置,包括:
提取模块1,用于接收用户发起的车辆保险制定请求,并从所述车辆保险制定请求中提取所述用户的用户信息;
查询模块2,用于根据所述用户信息查询所述用户在预设时间段内的驾驶轨迹,以及所述用户在所述驾驶轨迹上的驾驶操作数据;其中,所述驾驶轨迹预先存储于驾驶地图上;
网格化处理模块3,用于将所述驾驶地图的驾驶轨迹进行网格化处理,得到多个网格;
分析模块4,用于分析各个网格内所述用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定所述用户在所述各个网格的最优驾驶标签;其中,所述子驾驶轨迹为单个网格内的所述驾驶轨迹,所述子驾驶操作数据为所述用户在所述子驾驶轨迹上的驾驶操作数据;
确定模块5,用于根据所述各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将所述各个网格的驾驶分数进行累加后,得到所述用户在所述驾驶轨迹上的驾驶评分,根据所述驾驶评分确定所述用户的车辆保费。
用户在为车辆申请保险时,可通过移动终端或保险公司的自助终端机登录保险申请界面,并发起车辆保险制定请求,服务器接收到该车辆保险制定请求后,从车辆保险制定请求中提取出该用户的用户信息,该用户信息包括用户名、身份证号、保险账号中的至少一种。
本实施例可预先通过奖励的方式鼓励每个用户在移动终端的APP上传驾驶轨迹及用户在所述驾驶轨迹上的驾驶操作数据,或者与厂商合作获取车联网数据,从车联网数据中提取驾驶轨迹及用户在所述驾驶轨迹上的驾驶操作数据,并将上传的驾驶轨迹及其驾驶操作数据保存在数据库中,以便后续查询使用。当服务器接收到用户的车辆保险制定请求时,根据用户信息查询用户在最近一段时间内的驾驶轨迹,以对最近一段时间内的驾驶轨迹进行分析,确定用户的驾驶风格。其中,驾驶轨迹可以是以秒为单位的向量,包括:时间、经纬度、海拔、方向、速度。驾驶操作数据为用户在该驾驶轨迹上的行为数据,如踩刹车减速、踩油门加速、右转等等。
此外,本实施例还可将驾驶轨迹按照驾驶时间段进行网格化处理,形成以10*10KM为单位的多个网格,每个网格作为一个计算单元,且每个网格中都至少含有驾驶轨迹的一段。
将驾驶轨迹以网格为单位分为多段子驾驶轨迹,以及将用户在该子驾驶轨迹上的驾驶操作数据作为子驾驶操作数据,根据每个网格内的子驾驶轨迹及子驾驶操作数据分析确定用户在各个网格的至少一个驾驶标签,从至少一个驾驶标签中筛选出最符合该用户在该子驾驶轨迹上的最优驾驶标签。其中,该驾驶数据包括:百公里平均速度、百公里急加速次数、百公里急减速次数、百公里急转弯次数、百公里超速次数、百公里堵车时间、每行程平均行驶里程、每行程平均行驶速度、每行程平均急加速次数、每行程平均急减速次数、每行程平均急转弯次数、每行程平均超速次数、最高行驶速度、最大急加速次数、最大急减速次数、最大急转弯次数、最大超速次数及最长疲劳驾驶时间中的一个或多个。该最优驾驶标签用于表征最符合该用户的驾驶行为特征,如超速、急刹车、不打转向灯、闯红灯等等。
根据各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将所有网格的驾驶分数进行累加后,得到用户在所述驾驶轨迹上的驾驶评分,并根据驾驶评分确定用户的车辆保费,实现对用户驾驶风格的精细化分析,以为每个用户制定相匹配的车辆保费提供有力依据,使得车辆保险的风险评估更完善、更科学,进而提高了车辆保费的准确度。其中,驾驶分数的高低由最优驾驶标签所反映的用户驾驶风险的高低决定。例如,当最优驾驶标签反映用户存在危险驾驶行为时,则对应网格的驾驶分数较低;反之,当最优驾驶标签反映用户并不存在危险驾驶行为时,则对应网格的驾驶分数较高,以此确定各最优驾驶标签对应的驾驶分数。此外,用户的车辆保费与驾驶评分成反比,即当用户的驾驶评分越高时,则表明该用户驾驶习惯越好,此时为该用户的车辆保费就越低。
如上所述,可以理解地,本申请中提出的所述基于数据处理的费用设定装置的各组成部分可以实现如上所述基于数据处理的费用设定方法任一项的功能,具体结构不再赘述。
参照图3,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3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,该计算机设计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关系抽取模型、药物发现模型等数据。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基于数据处理的费用设定方法。
上述处理器执行上述的基于数据处理的费用设定方法,包括:
接收用户发起的车辆保险制定请求,并从所述车辆保险制定请求中提取所述用户的用户信息;
根据所述用户信息查询所述用户在预设时间段内的驾驶轨迹,以及所述用户在所述驾驶轨迹上的驾驶操作数据;其中,所述驾驶轨迹预先存储于驾驶地图上;
将所述驾驶地图的驾驶轨迹进行网格化处理,得到多个网格;
分析各个网格内所述用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定所述用户在所述各个网格的最优驾驶标签;其中,所述子驾驶轨迹为单个网格内的所述驾驶轨迹,所述子驾驶操作数据为所述用户在所述子驾驶轨迹上的驾驶操作数据;
根据所述各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将所述各个网格的驾驶分数进行累加后,得到所述用户在所述驾驶轨迹上的驾驶评分,根据所述驾驶评分确定所述用户的车辆保费。
本申请一实施例还提供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一种基于数据处理的费用设定方法,包括步骤:
接收用户发起的车辆保险制定请求,并从所述车辆保险制定请求中提取所述用户的用户信息;
根据所述用户信息查询所述用户在预设时间段内的驾驶轨迹,以及所述用户在所述驾驶轨迹上的驾驶操作数据;其中,所述驾驶轨迹预先存储于驾驶地图上;
将所述驾驶地图的驾驶轨迹进行网格化处理,得到多个网格;
分析各个网格内所述用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定所述用户在所述各个网格的最优驾驶标签;其中,所述子驾驶轨迹为单个网格内的所述驾驶轨迹,所述子驾驶操作数据为所述用户在所述子驾驶轨迹上的驾驶操作数据;
根据所述各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将所述各个网格的驾驶分数进行累加后,得到所述用户在所述驾驶轨迹上的驾驶评分,根据所述驾驶评分确定所述用户的车辆保费。
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,本申请所提供的和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。非易失性存储器可以包括只读存储器(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)、双速据率SDRAM(SSRSDRAM)、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。
综上所述,本申请的最大有益效果在于:
本申请的基于数据处理的费用设定方法、装置和计算机设备,接收用户发起的车辆保险制定请求,并从车辆保险制定请求中提取用户的用户信息;根据用户信息查询用户在预设时间段内的驾驶轨迹,以及用户在驾驶轨迹上的驾驶操作数据;将驾驶轨迹进行网格化处理,得到多个网格;并分析各个网格内用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定用户在所述各个网格的最优驾驶标签;根据各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将各个网格的驾驶分数进行累加后,得到用户在所述驾驶轨迹上的驾驶评分,根据驾驶评分确定用户的车辆保费,从而通过对用户在预设时间段内的每段驾驶轨迹进行分析,得到该用户每段驾驶轨迹的最优驾驶标签,实现对用户驾驶风格的精细化分析,以为每个用户制定相匹配的车辆保费提供有力依据,使最后获得的驾驶分数及车辆保费更符合每个用户的实际情况,实现个性化定制,也使得车辆保险的风险评估更完善、更科学,进而提高了车辆保费的准确度。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请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,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于数据处理的费用设定方法,其特征在于,包括:
接收用户发起的车辆保险制定请求,并从所述车辆保险制定请求中提取所述用户的用户信息;
根据所述用户信息查询所述用户在预设时间段内的驾驶轨迹,以及所述用户在所述驾驶轨迹上的驾驶操作数据;其中,所述驾驶轨迹预先存储于驾驶地图上;
将所述驾驶地图的驾驶轨迹进行网格化处理,得到多个网格;
分析各个网格内所述用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定所述用户在所述各个网格的最优驾驶标签;其中,所述子驾驶轨迹为单个网格内的所述驾驶轨迹,所述子驾驶操作数据为所述用户在所述子驾驶轨迹上的驾驶操作数据;
根据所述各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将所述各个网格的驾驶分数进行累加后,得到所述用户在所述驾驶轨迹上的驾驶评分,根据所述驾驶评分确定所述用户的车辆保费。
2.根据权利要求1所述的方法,其特征在于,所述分析各个网格内所述用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定所述用户在所述各个网格的最优驾驶标签的步骤,包括:
获取同一网格内除所述用户之外的其他用户的驾驶操作数据;
分析各个网格内所述用户的子驾驶轨迹、子驾驶操作数据以及其他用户的驾驶操作数据,确定所述用户在所述各个网格的最优驾驶标签。
3.根据权利要求1所述的方法,其特征在于,所述根据分析结果确定所述用户在所述各个网格的最优驾驶标签的步骤之后,还包括:
从各个网格的最优驾驶标签中筛选出影响安全驾驶的目标驾驶标签;
计算相同目标驾驶标签的网格数量,按照所述网格数量由多到少的顺序对所述目标驾驶标签进行排序,得到网格数量排在前N位的目标驾驶标签,其中N为大于或等于1的整数;
根据所述排在前N位的目标驾驶标签为所述用户推荐相应的保险产品;其中,所述保险产品中含有针对所述排在前N位的目标最优驾驶标签的保险条款。
4.根据权利要求1所述的方法,其特征在于,所述根据所述用户信息查询所述用户在预设时间段内的驾驶轨迹的步骤之前,还包括:
获取用户在各个时间点的轨迹点;
对所述轨迹点进行滤波及去噪处理,得到目标轨迹点;
根据所述目标轨迹点的时间间隔对所述目标轨迹点进行分段,得到至少一个轨迹段;
将所述至少一个轨迹段贴合到实际驾驶道路上,绘制得到所述用户在预设时间段内的驾驶轨迹。
5.根据权利要求1所述的方法,其特征在于,所述根据所述各个网格的最优驾驶标签确定相应各个网格的驾驶分数的步骤,包括:
根据所述各个网格的最优驾驶标签从对照表中查询各最优驾驶标签的最优驾驶标签值;其中,所述对照表中预先存储有各类最优驾驶标签对应的最优驾驶标签值;
将所述各最优驾驶标签的最优驾驶标签值作为相应各个网格的驾驶分数。
6.根据权利要求5所述的方法,其特征在于,所述根据所述各个网格的最优驾驶标签从对照表中查询各最优驾驶标签的最优驾驶标签值的步骤之前,还包括:
获取预先收集的车辆保险赔偿记录;
根据所述车辆保险赔偿记录统计各类最优驾驶标签在历史交通事故中造成的总保险赔偿额;
根据所述总保险赔偿额设定各类最优驾驶标签的最优驾驶标签值,将各类最优驾驶标签的最优驾驶标签值存储在对照表中。
7.根据权利要求6所述的方法,其特征在于,所述根据所述车辆保险赔偿记录统计各类最优驾驶标签在历史交通事故中造成的总保险赔偿额的步骤,包括:
根据所述车辆保险赔偿记录查询各类最优驾驶标签在历史交通事故中发生的交通事故次数及每次交通事故造成的保险赔偿额;
根据所述交通事故次数及每次交通事故造成的保险赔偿额计算所述总保险赔偿额。
8.一种基于数据处理的费用设定装置,其特征在于,包括:
提取模块,用于接收用户发起的车辆保险制定请求,并从所述车辆保险制定请求中提取所述用户的用户信息;
查询模块,用于根据所述用户信息查询所述用户在预设时间段内的驾驶轨迹,以及所述用户在所述驾驶轨迹上的驾驶操作数据;其中,所述驾驶轨迹预先存储于驾驶地图上;
网格化处理模块,用于将所述驾驶地图的驾驶轨迹进行网格化处理,得到多个网格;
分析模块,用于分析各个网格内所述用户的子驾驶轨迹及子驾驶操作数据,根据分析结果确定所述用户在所述各个网格的最优驾驶标签;其中,所述子驾驶轨迹为单个网格内的所述驾驶轨迹,所述子驾驶操作数据为所述用户在所述子驾驶轨迹上的驾驶操作数据;
确定模块,用于根据所述各个网格的最优驾驶标签确定相应各个网格的驾驶分数,将所述各个网格的驾驶分数进行累加后,得到所述用户在所述驾驶轨迹上的驾驶评分,根据所述驾驶评分确定所述用户的车辆保费。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述基于数据处理的费用设定方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述基于数据处理的费用设定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110435236.8A CN113065902A (zh) | 2021-04-22 | 2021-04-22 | 基于数据处理的费用设定方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110435236.8A CN113065902A (zh) | 2021-04-22 | 2021-04-22 | 基于数据处理的费用设定方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113065902A true CN113065902A (zh) | 2021-07-02 |
Family
ID=76567472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110435236.8A Pending CN113065902A (zh) | 2021-04-22 | 2021-04-22 | 基于数据处理的费用设定方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113065902A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094830A (zh) * | 2023-10-20 | 2023-11-21 | 国任财产保险股份有限公司 | 一种人工智能保险全链条应用方法及系统 |
CN117196318A (zh) * | 2023-11-02 | 2023-12-08 | 湖南机械之家信息科技有限公司 | 大型工程车辆的风险分析方法、装置和计算机设备 |
CN117473003A (zh) * | 2023-12-28 | 2024-01-30 | 山东街景智能制造科技股份有限公司 | 一种用于车辆定制的数据库管理方法 |
-
2021
- 2021-04-22 CN CN202110435236.8A patent/CN113065902A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094830A (zh) * | 2023-10-20 | 2023-11-21 | 国任财产保险股份有限公司 | 一种人工智能保险全链条应用方法及系统 |
CN117094830B (zh) * | 2023-10-20 | 2024-03-26 | 国任财产保险股份有限公司 | 一种人工智能保险全链条应用方法及系统 |
CN117196318A (zh) * | 2023-11-02 | 2023-12-08 | 湖南机械之家信息科技有限公司 | 大型工程车辆的风险分析方法、装置和计算机设备 |
CN117196318B (zh) * | 2023-11-02 | 2024-01-30 | 湖南机械之家信息科技有限公司 | 大型工程车辆的风险分析方法、装置和计算机设备 |
CN117473003A (zh) * | 2023-12-28 | 2024-01-30 | 山东街景智能制造科技股份有限公司 | 一种用于车辆定制的数据库管理方法 |
CN117473003B (zh) * | 2023-12-28 | 2024-03-22 | 山东街景智能制造科技股份有限公司 | 一种用于车辆定制的数据库管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113065902A (zh) | 基于数据处理的费用设定方法、装置和计算机设备 | |
CN107784587B (zh) | 一种驾驶行为评价系统 | |
CN110843794B (zh) | 驾驶场景理解方法、装置和轨迹规划方法、装置 | |
US20200134735A1 (en) | Enhancement using analytics based on vehicle kinematic data | |
US10295360B2 (en) | Assistance when driving a vehicle | |
CN113574524A (zh) | 用于障碍物检测的方法和系统 | |
CN115035491A (zh) | 一种基于联邦学习的驾驶行为路况预警方法 | |
WO2020007589A1 (en) | Training a deep convolutional neural network for individual routes | |
DE102019114595A1 (de) | Intelligente fahrzeugnavigationssysteme, verfahren und steuerlogik zum ableiten von strassenabschnittgeschwindigkeitsgrenzwerten | |
CN117836829A (zh) | 用于监测车辆的系统和方法 | |
CN113401130B (zh) | 基于环境信息的驾驶风格识别方法、设备及存储介质 | |
US11661072B1 (en) | Systems and methods of determining effectiveness of vehicle safety features | |
CN111401690B (zh) | 车队风险识别方法、电子装置及可读存储介质 | |
CN111341106B (zh) | 交通预警方法、装置和设备 | |
CN114802264A (zh) | 车辆控制方法、装置、电子设备 | |
CN114677254A (zh) | 一种货车事故识别方法、装置、存储介质及程序产品 | |
CN113147781A (zh) | 一种汽车智能驾驶信息展示系统 | |
CN113386776A (zh) | 载货车辆疲劳驾驶主动干预方法、系统、电子设备及介质 | |
CN112257869A (zh) | 基于随机森林的套牌车分析方法、系统及计算机介质 | |
Islam et al. | An exploratory analysis of two-vehicle crashes for distracted driving with a mixed approach: Machine learning algorithm with unobserved heterogeneity | |
CN113505955A (zh) | 一种基于tsp系统的用户驾驶行为评分方法 | |
CN112712696A (zh) | 确定发生违章停车的路段方法和装置 | |
CN111612140A (zh) | 基于路侧单元的自动驾驶安全判别方法、设备、存储介质 | |
CN110827152A (zh) | 一种保险评估方法、系统及服务器 | |
CN116091254B (zh) | 商用车风险的分析方法 |
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 |