CN113077182B - 一种车辆维保异常监测系统及方法 - Google Patents
一种车辆维保异常监测系统及方法 Download PDFInfo
- Publication number
- CN113077182B CN113077182B CN202110444072.5A CN202110444072A CN113077182B CN 113077182 B CN113077182 B CN 113077182B CN 202110444072 A CN202110444072 A CN 202110444072A CN 113077182 B CN113077182 B CN 113077182B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- maintenance
- vehicle maintenance
- information
- data
- 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.)
- Active
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明属于车险理赔技术领域,具体涉及一种车辆维保异常监测系统及方法,该系统包括车辆维修信息采集终端,用于采集车辆维修信息;车辆维修数据库,用于存储车辆维修信息采集终端上传的车辆维修信息;算法分析模块,用于对车辆维修数据进行算法分析,得到维修车辆簇群信息;车辆数据筛选模块,用于将在每一个簇群里车辆维修次数达到预设阈值的车辆维修数据调出;保险异常提醒模块,用于针对维修频率高的车辆信息发出保险异常提醒。本发明能够有效地防止骗保情况的发生,减少保险公司的经济损失。
Description
技术领域
本发明属于车险理赔技术领域,具体涉及一种车辆维保异常监测系统及方法。
背景技术
车辆保险是指对机动车辆由于自然灾害或意外事故所造成的人身伤亡或财产损失负赔偿责任的一种商业保险。车险主要可分为交强险,第三者责任险,车辆损失险,全车盗抢险,划痕险等。近年来,随着社会经济的飞速发展,人们的社会活动日益频繁,城市中机动车交通量、行人交通量等急剧上升,极大地增加了人车事故、车与车事故的发生概率。另一方面,由于目前大部分城市,特别是中小型城市的交通设施建设不完善,道路规划与车流实际情况不匹配,也增加了人车事故、车与车事故的发生概率。在车辆行驶的过程中产生各种各样不可预料的情况和事故,由于事故发生后保险理赔过程存在许多漏洞,故存在一台车辆多次出现在汽车修理厂的情况,针对汽车保险骗保行为的不断发生,导致保险公司被轻易骗取理赔金,造成不必要的损失。
发明内容
为了解决现有技术中存在的缺陷,本发明的目的是提供一种车辆维保异常监测系统及方法,能够有效地防止骗保情况的发生,减少保险公司的经济损失。
为了实现上述目的,本发明采用以下的技术方案:
本发明提供了一种车辆维保异常监测系统,包括:
车辆维修信息采集终端,用于采集车辆维修信息;
车辆维修数据库,用于存储车辆维修信息采集终端上传的车辆维修信息;
算法分析模块,用于对车辆维修数据进行算法分析,得到维修车辆簇群信息;
车辆数据筛选模块,用于将在每一个簇群里车辆维修次数达到预设阈值的车辆维修数据调出;
保险异常提醒模块,用于针对维修频率高的车辆信息发出保险异常提醒。
进一步地,所述车辆维修信息采集终端设置在各汽车修理厂,车辆维修信息包括通过汽车修理厂的闸机拍照设备获取汽车的车牌号、车型和车颜色外观特征信息,以及通过维修人员登记汽车维修部位、维修时间、维修成本和车主信息。
进一步地,该系统还包括网络传输模块,设置在车辆维修信息采集终端上,用于将采集的车辆维修信息上传至车辆维修数据库。
进一步地,所述网络传输模块通过以太网、内置SIM卡或者WiFi方式连入车辆维修数据库。
进一步地,所述车辆维修数据库包括数据处理模块和数据存储模块,所述数据处理模块用于对车辆维修数据进行预处理,以供算法分析模块识别分析,数据存储模块用于存储车辆维修数据。
进一步地,所述算法分析模块对车辆维修数据进行密度簇群识别算法处理,得到维修车辆簇群跨度时间和对应车辆信息。
进一步地,所述密度簇群识别算法具体包括:
对车辆维修数据预处理,将日期时间进行归一化x={(M-1)*30+D}/365,其中M表示某月,D表示某日;
将维修时间和车辆信息组成一个二维数据集S={(xi,,yi)|xi∈R,i=1,2,……,N},xi表示时间点,yi表示xi对应的车辆信息;
采用基于快速查找密度峰值聚类算法对时间维的xi进行聚类分析;
从得到的簇群信息中得到维修车辆簇群跨度时间和对应车辆信息。
进一步地,所述基于快速查找密度峰值聚类算法具体步骤如下:
步骤a,初始化及预处理
给定截断距离dc;
步骤c,计算xi的局部密度ρi,ρi=∑jχ(dij-dc),其中若x≥0,χ(x)=0,否则χ(x)=1;
步骤d,确定ni和δi
步骤e,从决策图中查看得出聚类中心xr,由二维数据集S={(xi,,yi)|xi∈R,i=1,2,……,N}对应关系,得到x;对应的y;;
步骤f,对非聚类中心的数据对象进行归类,按ρi值从大到小遍历,借助ni逐层扩充每一个簇群。
进一步地,所述保险异常提醒模块将疑似保险异常的车辆信息推送至保险业务人员,提醒保险业务人员前往查证是否确实涉及骗保问题。
本发明还提供了一种车辆维保异常监测方法,包含以下步骤:
当汽车修理厂接收到需要维修的车辆时,通过车辆维修信息采集终端记录车辆维修信息,并暂存至本地,同时上传至车辆维修数据库;
车辆维修数据库对车辆维修数据进行预处理与存储,以供算法分析模块识别分析;
算法分析模块针对车辆维修数据进行算法分析,得到维修车辆簇群信息;
根据保险业务人员设定的阈值,车辆数据筛选模块将在每一个簇群里车辆维修次数达到预设阈值的车辆维修数据调出;
保险异常提醒模块将疑似保险异常的车辆信息推送至保险业务人员,提醒对该车辆进行查证。
与现有技术相比,本发明具有以下优点:
本发明的车辆维保异常监测方法,首先通过车辆维修信息采集终端记录车辆维修信息,并上传至车辆维修数据库,再通过算法分析模块对车辆维修数据进行算法分析得到维修车辆簇群信息,车辆数据筛选模块在每一个簇群里筛选出车辆维修次数达到预设阈值的车辆维修数据,进而可以得到疑似保险异常车辆,最后将疑似保险异常车辆信息推送至保险业务人员,提醒保险业务人员前往查证是否确实涉及骗保问题。本发明利用密度簇群识别算法检测出某一时间段维修较为频繁的车辆,算法简单可行,计算结果具有可参考性,大大提高了保险业务人员的排查工作效率,能够有效地防止骗保情况的发生,减少保险公司的经济损失。
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,对于本领域普通技术人员而言,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是本发明实施例的车辆维保异常监测系统的结构框图;
图2是本发明实施例的车辆维保异常监测方法的流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
如图1所示,本实施例的车辆维保异常监测系统,包括依次顺序连接的车辆维修信息采集终端11、网络传输模块12、车辆维修数据库13、算法分析模块14、车辆数据筛选模块15和保险异常提醒模块16。
车辆维修信息采集终端设置在各汽车修理厂,用于采集车辆维修信息,其中车辆维修信息包括通过汽车修理厂的闸机拍照设备获取汽车的车牌号、车型和车颜色等外观特征信息,以及通过维修人员登记汽车维修部位、维修时间、维修成本和车主信息等信息。
网络传输模块设置在车辆维修信息采集终端上,用于将采集的车辆维修信息上传至车辆维修数据库,优选的,网络传输模块可以通过以太网、内置SIM卡或者WiFi等方式连入车辆维修数据库。
车辆维修数据库用于存储车辆维修信息采集终端上传的车辆维修信息,车辆维修数据库具体包括数据处理模块和数据存储模块,数据处理模块用于对车辆维修数据进行预处理,以供算法分析模块识别分析,数据存储模块用于存储车辆维修数据。
算法分析模块用于对车辆维修数据进行密度簇群识别算法处理,得到维修车辆簇群跨度时间和对应车辆信息,具体包括以下步骤:
步骤S11,对车辆维修数据预处理,将日期时间进行归一化,假设日期是M月D日,时间归一化x={(M-1)*30+D}/365;
步骤S12,将维修时间和车辆信息组成一个二维数据集S={(xi,,yi)|xi∈R,i=1,2,……,N},xi表示时间点,yi表示xi对应的车辆信息;
步骤S13,采用基于快速查找密度峰值聚类(Fast Search and Find of DensityPeaks,FSFDP)算法对时间维的xi进行聚类分析;
FSFDP聚类算法是基于以下的设想提出的:聚类中心被局部密度相对较低的邻近点所围绕,并且聚类中心距离其他有高局部密度的点的距离都比较大,对于每一个时间点xi都要计算两个值:一个是局部密度ρi,另一个是局部密度高于该点的所有数据点与该点距离的最小值δi,利用这两个值来刻画聚类中心,然后对每个聚类确定其边界区域,再将其中的数据对象划分为cluster halo和cluster core,从而实现聚类方法。假设输入N个数据对象,输出得到K个类簇,步骤如下:
步骤S131,初始化及预处理
给定截断距离dc,dc推荐值是待聚类数据集中所有数据点之间相互距离按照升序排列的2%位置的距离数值。
步骤S133,计算xx的局部密度ρi,ρi=∑jχ(dij-dc),其中若x≥0,χ(x)=0,否则χ(x)=1。
步骤S134,确定ni和δi
步骤S135,从决策图中查看得出聚类中心x;,由二维数据集S={(xi,,yi)|xi∈R,i=1,2,……,N}对应关系,得到x;对应的y;。
步骤S136,对非聚类中心的数据对象进行归类,按ρi值从大到小遍历,借助ni逐层扩充每一个簇群。
步骤S14,从得到的簇群信息中得到维修车辆簇群跨度时间和对应车辆信息。
车辆数据筛选模块可以设定任意阈值,假设阈值设置为5次,针对算法分析模块分析结果得到的维修车辆簇群信息,若在一个簇群里车辆维修次数达到5次,将其车辆以及车主信息数据调出。
保险异常提醒模块用于针对维修频率高的车辆信息发出保险异常提醒。具体是,将疑似保险异常的车辆信息通过网站、APP或者微信小程序等方式推送至保险业务人员,提醒保险业务人员前往查证是否确实涉及骗保问题。
与上述车辆维保异常监测系统相应地,如图2所示,本实施例还提出一种车辆维保异常监测方法,包含以下步骤:
步骤S21,当汽车修理厂接收到需要维修的车辆时,通过车辆维修信息采集终端记录车辆维修信息,并暂存至本地,同时上传至车辆维修数据库。
步骤S22,车辆维修数据库对车辆维修数据进行预处理与存储,以供算法分析模块识别分析。
步骤S23,算法分析模块针对车辆维修数据进行算法分析,得到维修车辆簇群信息。
步骤S24,根据保险业务人员设定的阈值,车辆数据筛选模块将在每一个簇群里车辆维修次数达到预设阈值的车辆维修数据调出。
步骤S25,保险异常提醒模块将疑似保险异常的车辆信息推送至保险业务人员,提醒对该车辆进行查证。
本发明通过密度簇群识别算法对车辆维修数据进行处理分析,得到一段时间内维修频率高的车辆信息,并将其列为疑似保险异常车辆,最后将疑似保险异常车辆信息推送至保险公司,有效地避免了骗保情况的发生,减少保险公司的经济损失。
除非另作定义,此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本申请说明书以及权利要求书中使用的“一个”或者“一”等类似词语也不必然表示数量限制。“包括”或者“包含”等类似的词语意指出现该词前面的元件或物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似词语并非现定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。
最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (7)
1.一种车辆维保异常监测系统,其特征在于,包括:
车辆维修信息采集终端,用于采集车辆维修信息;
车辆维修数据库,用于存储车辆维修信息采集终端上传的车辆维修信息;
算法分析模块,用于对车辆维修数据进行密度簇群识别算法处理,得到维修车辆簇群跨度时间和对应车辆信息;
车辆数据筛选模块,用于将在每一个簇群里车辆维修次数达到预设阈值的车辆维修数据调出;
保险异常提醒模块,用于针对维修频率高的车辆信息发出保险异常提醒;
所述密度簇群识别算法具体包括:
对车辆维修数据预处理,将日期时间进行归一化x={(M-1)*30+D}/365,其中M表示某月,D表示某日;
将维修时间和车辆信息组成一个二维数据集S={(xi,yi)|xi∈R,i=1,2,……,N},xi表示时间点,yi表示xi对应的车辆信息;
采用基于快速查找密度峰值聚类算法对时间维的xi进行聚类分析;
从得到的簇群信息中得到维修车辆簇群跨度时间和对应车辆信息;
所述基于快速查找密度峰值聚类算法具体步骤如下:
步骤a,初始化及预处理
给定截断距离dc;
步骤c,计算xi的局部密度ρi,ρi=∑jχ(dij-dc),其中若x≥0,χ(x)=0,否则χ(x)=1;
步骤d,确定ni和δi
步骤e,从决策图中查看得出聚类中心xr,由二维数据集S={(xi,yi)|xi∈R,i=1,2,……,N}对应关系,得到xr对应的yr;
步骤f,对非聚类中心的数据对象进行归类,按ρi值从大到小遍历,借助ni逐层扩充每一个簇群。
2.根据权利要求1所述的车辆维保异常监测系统,其特征在于,所述车辆维修信息采集终端设置在各汽车修理厂,车辆维修信息包括通过汽车修理厂的闸机拍照设备获取汽车的车牌号、车型和车颜色外观特征信息,以及通过维修人员登记汽车维修部位、维修时间、维修成本和车主信息。
3.根据权利要求1所述的车辆维保异常监测系统,其特征在于,该系统还包括网络传输模块,设置在车辆维修信息采集终端上,用于将采集的车辆维修信息上传至车辆维修数据库。
4.根据权利要求3所述的车辆维保异常监测系统,其特征在于,所述网络传输模块通过以太网、内置SIM卡或者WiFi方式连入车辆维修数据库。
5.根据权利要求1所述的车辆维保异常监测系统,其特征在于,所述车辆维修数据库包括数据处理模块和数据存储模块,所述数据处理模块用于对车辆维修数据进行预处理,以供算法分析模块识别分析,数据存储模块用于存储车辆维修数据。
6.根据权利要求1所述的车辆维保异常监测系统,其特征在于,所述保险异常提醒模块将疑似保险异常的车辆信息推送至保险业务人员,提醒保险业务人员前往查证是否确实涉及骗保问题。
7.一种车辆维保异常监测方法,其特征在于,包含以下步骤:
当汽车修理厂接收到需要维修的车辆时,通过车辆维修信息采集终端记录车辆维修信息,并暂存至本地,同时上传至车辆维修数据库;
车辆维修数据库对车辆维修数据进行预处理与存储,以供算法分析模块识别分析;
算法分析模块针对车辆维修数据进行密度簇群识别算法处理,得到维修车辆簇群跨度时间和对应车辆信息;
根据保险业务人员设定的阈值,车辆数据筛选模块将在每一个簇群里车辆维修次数达到预设阈值的车辆维修数据调出;
保险异常提醒模块将疑似保险异常的车辆信息推送至保险业务人员,提醒对该车辆进行查证;
所述密度簇群识别算法具体包括:
对车辆维修数据预处理,将日期时间进行归一化x={(M-1)*30+D}/365,其中M表示某月,D表示某日;
将维修时间和车辆信息组成一个二维数据集S={(xi,yi)|xi∈R,i=1,2,……,N},xi表示时间点,yi表示xi对应的车辆信息;
采用基于快速查找密度峰值聚类算法对时间维的xi进行聚类分析;
从得到的簇群信息中得到维修车辆簇群跨度时间和对应车辆信息;
所述基于快速查找密度峰值聚类算法具体步骤如下:
步骤a,初始化及预处理
给定截断距离dc;
步骤c,计算xi的局部密度ρi,ρi=∑jχ(dij-dc),其中若x≥0,χ(x)=0,否则χ(x)=1;
步骤d,确定ni和δi
步骤e,从决策图中查看得出聚类中心xr,由二维数据集S={(xi,yi)|xi∈R,i=1,2,……,N}对应关系,得到xr对应的yr;
步骤f,对非聚类中心的数据对象进行归类,按ρi值从大到小遍历,借助ni逐层扩充每一个簇群。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110444072.5A CN113077182B (zh) | 2021-04-23 | 2021-04-23 | 一种车辆维保异常监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110444072.5A CN113077182B (zh) | 2021-04-23 | 2021-04-23 | 一种车辆维保异常监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113077182A CN113077182A (zh) | 2021-07-06 |
CN113077182B true CN113077182B (zh) | 2023-01-24 |
Family
ID=76618467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110444072.5A Active CN113077182B (zh) | 2021-04-23 | 2021-04-23 | 一种车辆维保异常监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113077182B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113609408B (zh) * | 2021-08-10 | 2023-05-02 | 公安部交通管理科学研究所 | 一种基于距离计算的机动车信息查询异常判别方法及系统 |
CN113610652A (zh) * | 2021-08-18 | 2021-11-05 | 合肥启悟网络科技有限公司 | 一种预防汽车索赔保单造假的系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107123054A (zh) * | 2017-04-07 | 2017-09-01 | 平安科技(深圳)有限公司 | 车险理赔数据分析方法和系统 |
US10115246B1 (en) * | 2016-01-29 | 2018-10-30 | State Farm Mutual Automobile Insurance Company | Driver identification for trips associated with anonymous vehicle telematics data |
CN108876642A (zh) * | 2018-09-12 | 2018-11-23 | 北京精友世纪软件技术有限公司 | 一种车险理赔智能风控系统 |
CN109658260A (zh) * | 2018-12-10 | 2019-04-19 | 泰康保险集团股份有限公司 | 基于区块链的欺诈行为确定方法及装置、介质和电子设备 |
-
2021
- 2021-04-23 CN CN202110444072.5A patent/CN113077182B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10115246B1 (en) * | 2016-01-29 | 2018-10-30 | State Farm Mutual Automobile Insurance Company | Driver identification for trips associated with anonymous vehicle telematics data |
CN107123054A (zh) * | 2017-04-07 | 2017-09-01 | 平安科技(深圳)有限公司 | 车险理赔数据分析方法和系统 |
CN108876642A (zh) * | 2018-09-12 | 2018-11-23 | 北京精友世纪软件技术有限公司 | 一种车险理赔智能风控系统 |
CN109658260A (zh) * | 2018-12-10 | 2019-04-19 | 泰康保险集团股份有限公司 | 基于区块链的欺诈行为确定方法及装置、介质和电子设备 |
Non-Patent Citations (2)
Title |
---|
An efficient clustering method for medical data applications;Shuai Li 等;《2015 IEEE International Conference on Cyber Technology in Automation, Control, and Intelligent Systems (CYBER)》;20151005;第134-138页 * |
融合时间序列与多尺度特征的虚假评论识别方法;狄瑞彤 等;《计算机工程》;20190315;第45卷(第3期);第278-285页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113077182A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11823365B2 (en) | Automatic image based object damage assessment | |
US20220284517A1 (en) | Automobile Monitoring Systems and Methods for Detecting Damage and Other Conditions | |
US10950124B2 (en) | License plate recognition | |
US20150332411A1 (en) | Insurance Claims and Rate Evasion Fraud System Based Upon Vehicle History | |
US10373262B1 (en) | Image processing system for vehicle damage | |
CN113077182B (zh) | 一种车辆维保异常监测系统及方法 | |
US10878507B1 (en) | Feedback loop in mobile damage assessment and claims processing | |
US8510196B1 (en) | Feedback loop in mobile damage assessment and claims processing | |
US7579965B2 (en) | Vehicle data collection and processing system | |
US10380696B1 (en) | Image processing system for vehicle damage | |
US20230289887A1 (en) | Optical Fraud Detector for Automated Detection Of Fraud In Digital Imaginary-Based Automobile Claims, Automated Damage Recognition, and Method Thereof | |
US11410287B2 (en) | System and method for artificial intelligence based determination of damage to physical structures | |
CN102426786A (zh) | 一种自动识别套牌车辆的智能视频分析系统及方法 | |
Maiano et al. | A deep-learning–based antifraud system for car-insurance claims | |
TWM602258U (zh) | 車體定損輔助系統 | |
CN116911882B (zh) | 一种基于机器学习的保险防欺诈预测方法及系统 | |
CN114494994A (zh) | 车辆异常聚集监控方法、装置、计算机设备及存储介质 | |
CN113470369B (zh) | 一种基于多维度信息判断套牌车辆真实号牌的方法及系统 | |
Al Nasim et al. | An automated approach for the recognition of bengali license plates | |
CN118195620A (zh) | 一种多案关联反欺诈风险检测方法及系统 | |
CN114155363A (zh) | 换流站车辆识别方法、装置、计算机设备和存储介质 | |
CN116524725B (zh) | 一种智能驾驶的交通标志图像数据识别系统 | |
CN116993517A (zh) | 一种车险理赔欺诈识别方法、装置、设备及存储介质 | |
CN114201530B (zh) | 一种疑似非正常营运客车提前甄别及预防式监管方法 | |
CN117010893A (zh) | 基于生物识别的交易风险控制方法、装置和计算机设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |