CN113378106A - 基于延时状态的目标数据处理系统 - Google Patents

Abstract

本发明涉及一种基于延时状态的目标数据处理系统，包括数据库、存储有计算机程序的存储器和处理器，其中，所述数据库用于存储航班延时状态记录，每一航班延时状态记录实时更新，所述航班延时状态记录包括航班id和当前航班延时状态信息字段，所述当前航班延时状态信息包括{P₁，P₂，…P_K},其中，

,P_k为k个延时标签对应的当前延时概率，K为预设的延时标签总数，T_k为第k个延时标签对应的延时时长，k的取值范围为1到K，T₁<T₂<T₃…<T_K。本发明实现了航班延时险的赔付数据能够根据航班延时状态的变化动态实时调整，从而提高了航班延时险的实际目标赔付率的稳定性。

Description

基于延时状态的目标数据处理系统

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于延时状态的目标数据处理系统。

背景技术

现有的一些航班延时险赔付数据确定方法中，保额数据和保费数据都是相对静态不变的，如果发生航班延时，会确定固定的理赔金额。但由于保额数据主要是基于历史经验数据确定，保费数据一般基于航班历史数据预测的延时状态（具体可为航班延时概率）确定，因此，在一段时期内保险定价数据往往是固定的。在更改保额数据前，如果较长一段时间持续出现恶劣天气或者一些影响航班动态的因素，将无法有效和及时的控制保额风险。另外，申请号为CN202010014677.6的专利申请提出了根据影响航班延误的一些相关特征如出发地和到达地的天气信息、该航班和其前序航班的历史延误信息、出发地和到达地的一些静态信息来通过模型预测得到航班可能的延误时长，确定航班延误险的保费数据。申请号为CN201711330342.X的专利申请提出根据投保人投保的航班信息包括航班日期、航班号、出发地和目的地根据航班延时状态预测系统预测得出航班在不同时段内的延时状态，然后根据保费和预设赔付比确定保额。以上发明均根据航班的一些相对静态的延时特征数据和气象信息预测得到了航班的延时状态，均在一定程度上弥补了航班延误险针对所有航班均为静态保额和保费的缺陷。

但是，上述两个专利申请仍然至少具有以下缺点：航班延时状态在一段时间内往往不是静态不变的，航班延时状态会随着航班链上各个前序航班及本航班相关的出发和到达机场的实时通行状况、航线流量状况、天气预报情况以及航班管制情况等因素发生动态变化。因此，通过航班的历史延时信息所预测得到的延时状态也是不准确的。相应地，基于该预测延时状态所确定的航班延时险的保额数据或保费数据也会与其实际风险概率对应的定价数据有所偏差，无法实现基于航班延时状态动态确定保险定价，无法实现航班延时险的赔付数据能够随着航班延时状态的变化动态实时调整。从而使得现有的航班延时险的实际目标赔付率的不稳定，波动性高。

发明内容

本发明目的在于，提供一种基于延时状态的目标数据处理系统，实现了航班延时险的赔付数据能够根据航班延时状态的变化动态实时调整，从而提高了航班延时险的实际目标赔付率的稳定性。

根据本发明一方面，提供了一种基于延时状态的目标数据处理系统，包括数据库、存储有计算机程序的存储器和处理器，其中，所述数据库用于存储航班延时状态记录，每一航班延时状态记录实时更新，所述航班延时状态记录包括航班id和当前航班延时状态信息字段，所述当前航班延时状态信息包括{P₁，P₂，…P_K},其中，

, P_k为k个延时标签对应的当前延时概率，K为预设的延时标签总数，T_k为第k个延时标签对应的延时时长，k的取值范围为1到K，T₁<T₂<T₃…<T_K；当所述处理器执行所述计算机程序时实现以下步骤：

步骤S1、获取目标航班id，从所述数据库中获取所述目标航班id对应的当前时状态信息{P₁，P₂，…P_K}；

步骤S2、基于预设的保费信息Q、目标赔付率R、赔付起点参数S确定平均每一赔付延时标签下的每一旅客赔付数据U_avg，S小于K；

步骤S3、基于所述目标航班id对应的当前时状态信息{P₁，P₂，…P_K}、平均每一赔付延时标签下的每一旅客赔付数据U_avg以及预设的赔付起点延时标签赔付数据范围（m_Smin，m_Smax）、赔付终点延时标签赔付数据范围（m_Kmin，m_Kmax）、第一赔付调节参数Y确定每一赔付延时标签对应的目标赔付数据。

本发明与现有技术相比具有明显的优点和有益效果。借由上述技术方案，本发明提供的一种基于延时状态的目标数据处理系统可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有下列优点：

本发明能够与航班延时状态实时联动的确定航班延时险赔付数据，实现根据用户投保时刻的航班延时状态，确定每一赔付延时标签对应的目标赔付数据，实现了航班延时险的保额数据能够根据航班延时状态的变化动态实时调整，从而提高了航班延时险的实际目标赔付率的稳定性，减小实际目标赔付率的波动性，且实现针对不同时刻购买对于每一个航班的确定不同目标赔付数据，令航班延时险的实际目标赔付率实现真实的风险可控。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。

附图说明

图1为本发明实施例提供的基于延时状态的目标数据处理系统示意图；

图2为本发明实施例提供的系统得到的赔付率和现有的静态赔付率对比示意图。

具体实施方式

为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的一种基于延时状态的目标数据处理系统的具体实施方式及其功效，详细说明如后。

本发明实施例提供了一种基于延时状态的目标数据处理系统，如图1所述，包括数据库、存储有计算机程序的存储器和处理器，其中，所述数据库用于存储航班延时状态记录，每一航班延时状态记录实时更新，所述航班延时状态记录包括航班id和当前航班延时状态信息字段，所述当前航班延时状态信息包括{P₁，P₂，…P_K},其中，

, P_k为k个延时标签对应的当前延时概率，K为预设的延时标签总数， T_k为第k个延时标签对应的延时时长，k的取值范围为1到K，T₁<T₂<T₃…<T_K，作为一种实施例，每一延时状态对应一个延时时间区间，第一标签表示航班延时W分钟以内的状态，第二标签表示航班延时W分钟至2*W分钟的状态…第K标签表示航班延时K*W至（K+1）*W分钟的状态，第K标签表示航班延时K*W分钟以上的状态，W具体可取值为30分钟，可以理解的是，航班延时即航班延误。当所述处理器执行所述计算机程序时实现以下步骤：

步骤S1、获取目标航班id，从所述数据库中获取所述目标航班id对应的当前时状态信息{P₁，P₂，…P_K}；

步骤S2、基于预设的保费信息Q、目标赔付率R、赔付起点参数S确定平均每一赔付延时标签下的每一旅客赔付数据U_avg，S小于K；

其中，预设的保费信息Q、目标赔付率R具体可根据用户输入来设定，赔付起点参数S具体可基于延时状态对应一个延时时间区间数据设定，也可由用户直接指定。

步骤S3、基于所述目标航班id对应的当前时状态信息{P₁，P₂，…P_K}、平均每一赔付延时标签下的每一旅客赔付数据U_avg以及预设的赔付起点延时标签赔付数据范围（m_Smin，m_Smax）、赔付终点延时标签赔付数据范围（m_Kmin，m_Kmax）、第一赔付调节参数Y确定每一赔付延时标签对应的目标赔付数据。

其中，预设的赔付起点延时标签赔付数据范围（m_Smin，m_Smax）、赔付终点延时标签赔付数据范围（m_Kmin，m_Kmax）、第一赔付调节参数Y具体可根据保费信息Q来设定，也可由用户直接指定。

本发明实施例能够与航班延时状态实时联动的确定航班延时险赔付数据，实现根据用户投保时刻的航班延时状态，确定每一赔付延时标签对应的目标赔付数据，实现了航班延时险的保额数据能够根据航班延时状态的变化动态实时调整，从而提高了航班延时险的实际目标赔付率的稳定性，减小实际目标赔付率的波动性，且实现针对不同时刻购买对于每一个航班的确定不同目标赔付数据，令航班延时险的实际目标赔付率实现真实的风险可控。

作为一种优选实施例，各参数需要满足m_Smin>0，m_Kmin> Q，m_Kmin- m_Smax>

0

m_Kmin/(K-S) m_Kmax>h* Q,h为预设的赔付系数阈值，h>1，这样能够基于保费信息Q合理定义预设的赔付起点延时标签赔付数据范围（m_Smin，m_Smax）、赔付终点延时标签赔付数据范围（m_Kmin，m_Kmax）的取值，提高目标赔付数据的处理效率以及生成目标赔付数据的合理性。

作为一种实施例，所述系统还包括预测航班延时状态的数据处理子系统，当所述处理器执行所述计算机程序时，还实现以下步骤：

步骤S10、实时获取计划起飞时间变更的航班id；

步骤S20、基于所述预测航班延时状态的数据处理子系统获取该航班id以及对应航班链上晚于该航班id的当前航班延时状态信息，更新至所述数据库中，所述航班链为预设周期内同一注册号对应的航班id按照计划起飞时间先后组成的航班id序列。

需要说明的是，基于所述预测航班延时状态的数据处理子系统获取该航班id以及对应航班链上晚于该航班id的当前航班延时状态信息具体实现方法，已在申请人已递交的专利申请号为CN202110408424.1的文件中公开，在此不在赘述。

作为一种实施例，所述步骤S2具体可包括：

步骤S21、基于预设的保费信息Q和目标赔付率R确定平均每一旅客的赔付数据W_avg：

W_avg=Q*R;

步骤S22、基于平均每一旅客的赔付数据W_avg、赔付起点参数S确定平均每一赔付延时标签下的每一旅客赔付数据U_avg：

U_avg=W_avg/（K-S）。

作为一种实施例，所述步骤S3包括：

步骤S31、基于平均每一赔付延时标签下的每一旅客赔付数据U_avg、为K个延时标签对应的当前延时概率P_K确定第K赔付延时标签对应的目标赔付数据M_K： M_K= U_avg/ P_K, 判断M_K是否赔付起点延时标签赔付数据范围（m_Kmin，m_Kmax）内，若M_K> m_Kmax，则更新M_K= m_Kmax；若 M_K<m_Kmin，则更新M_K= m_Kmin；设置i=K-1，执行步骤S32；

步骤S32、基于平均每一赔付延时标签下的每一旅客赔付数据U_avg、为i个延时标签对应的当前延时概率P_i确定第i赔付延时标签对应的目标赔付数据M_i, M_i= U_i/ P_i，比较M_i与M_i+1，若M_i> M_i+1，则基于第一赔付调节参数Y、第i+1赔付延时标签对应的目标赔付数据M_i+1更新第i赔付延时标签对应的目标赔付数据M_i，使得M_i满足M_i

M_i+1；

步骤S33、判断i是否大于赔付起点参数S，若大于，则设置i=i-1,返回执行步骤S32，否则，执行步骤S34；

步骤S34、判断M_i是否在（m_Smin，m_Smax）范围内，若M_i> m_Smax，则更新M_i= m_Smax；若 M_i<m_Smin，则更新M_K= m_Smin；确定赔付延时标签对应的目标赔付数据列表{M_S，M_S+1 ，…M_K}。

需要说明的是，基于目标赔付率R确定平均每一旅客的赔付数据W_avg，再进一步确定平均每一赔付延时标签下的每一旅客赔付数据U_avg，后续在基于U_avg进一步确定赔付延时标签对应的目标赔付数据，能够控制每一赔付延时标签的赔付风险，使得每一赔付延时标签的实际赔付率均稳定在目标赔付率附近，减小实际目标赔付率的波动性，提高了航班延时险的实际目标赔付率的稳定性。

所述步骤S32中，具体可以通过以下两种实施方式来调整第i赔付延时标签对应的目标赔付数据M_i：

实施方式一、

所述步骤S32中，所述基于第一赔付调节参数Y、第i+1赔付延时标签对应的目标赔付数据M_i+1更新第i赔付延时标签对应的目标赔付数据M_i，包括：

步骤S321、更新第i赔付延时标签对应的目标赔付数据M_i= M_i-Y；

步骤S322、判断第i赔付延时标签对应的目标赔付数据M_i、第i+1赔付延时标签对应的目标赔付数据M_i+1是否满足M_i

M_i+1，若满足，则结束步骤S322，否则，返回执行步骤S321。

实施方式一能够在当前获取的目标赔付数据M_i不符合要求时，基于第一赔付调节参数Y逐步调整M_i，尽可能去获取符合要求且合理性高的M_i，提高航班延时险的实际目标赔付率的稳定性。

实施方式二、

所述步骤S32中，所述基于第一赔付调节参数Y、第i+1赔付延时标签对应的目标赔付数据M_i+1更新第i赔付延时标签对应的目标赔付数据M_i，包括：

步骤S323、设置M_i= M_i+1-Y。

实施方式二能够在当前获取的目标赔付数据M_i不符合要求时，基于第一赔付调节参数Y快速调整M_i，相较于实施方式一能够减少计算量，提高数据处理效率，但数据合理性上相较与实施方式一较低，可根据具体应用场景选择对应的实施方式。

为了进一步提高获取目标赔付数据的准确性和合理性，可以进一步进行校验，作为一种实施例，所述系统还包括预设的浮动百分数V、第二赔付调节参数Z,其中，Z小于等于Y，所述步骤S34之后还包括：

步骤S35、基于赔付延时标签对应的目标赔付数据列表{M_S，M_S+1 ，…M_K}、所述目标航班id对应的当前时状态信息{P₁，P₂，…P_K}确定校验参数X：

；

步骤S36、判断是否满足-V

(X-R)/R

：

若(X-R)/R<-V,则更新第j赔付延时标签对应的目标赔付数据M_j=M_j+Z；

若(X-R)/R>-V,则更新第j赔付延时标签对应的目标赔付数据M_j=M_j-Z;

j的取值范围为S到K。

作为一种实施例，最终可根据目标赔付数据列表{M_S，M_S+1 ，…M_K}以及延时时间区间、赔付起点参数S确定输出数据：

航班起飞延时（S-1）*W-S*W时间内，赔付M_S；

航班起飞延时S*W-（S+1）*W时间内，赔付M_S+1；

…

航班起飞延时K*W-（S+1）*（K+1）W时间内，赔付M_K。

本发明实施例能够动态确定航延时保险目标赔付数据，在为旅客购买航延保险提供了更多选择和更大自由度同时，也为控制了赔付风险。本发明实施例所述系统确定的目标赔付数据是随航班延时状态动态变化的，对于每一个航班来说，旅客在不同的时刻购买航班延时险，生成的目标赔付数据可能是不同的，每一时刻的目标赔付数据均是基于旅客购买保险时刻其投保航班的延误状态实时刷新和动态调整的。在预测到航班延时概率较低时，生成的目标赔付数据金额相对较高；相应地当预测到航班延时概率较高时，生成的目标赔付数据金额相对较低。航班延时状态是融合了航班计划起飞时刻机场的天气预报信息、航班状态预测信息及前序航班状态等多源信息通过模型训练预测得到。由于机场和航班状态以及天气等信息随时可能发生变更，因此航班延时状态的预测也是基于这些特征的变更实时触发计算的，能够确保在各个时刻均能够给出相对准确和及时的班延时状态，以供目标赔付数据进行动态决策。

如图2所示，示意出了基于现有技术得出的三个静态航延险（即航班延时险）以及基于本发明实施例所得到的动态航延险的赔付率示意图，对应的方差如表1所示：

	静态航延险1	静态航延险2	静态航延险3	动态航延险
					方差	0.41	0.70	0.63	0.19

表1

在以14天为周期的航班延误险赔付率统计中，动态航延险赔付率为0.19，其赔付率方差远低于其他类型的静态航延险，因此，本发明实施例的系统所生成的目标赔付数据能够在各种时段下以及不同天气状态下使得实际赔付率控制在一个较为稳定的范围之内，且稳定性高于其他类型的静态航延险。

需要说明的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，部分步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (8)

1.一种基于延时状态的目标数据处理系统，其特征在于，

包括数据库、存储有计算机程序的存储器和处理器，其中，所述数据库用于存储航班延时状态记录，每一航班延时状态记录实时更新，所述航班延时状态记录包括航班id和当前航班延时状态信息字段，所述当前航班延时状态信息包括{P₁，P₂，…P_K},其中，

, P_k为k个延时标签对应的当前延时概率，K为预设的延时标签总数，T_k为第k个延时标签对应的延时时长，k的取值范围为1到K，T₁<T₂<T₃…<T_K；当所述处理器执行所述计算机程序时实现以下步骤：

步骤S1、获取目标航班id，从所述数据库中获取所述目标航班id对应的当前时状态信息{P₁，P₂，…P_K}；

步骤S2、基于预设的保费信息Q、目标赔付率R、赔付起点参数S确定平均每一赔付延时标签下的每一旅客赔付数据U_avg，S小于K；

步骤S3、基于所述目标航班id对应的当前时状态信息{P₁，P₂，…P_K}、平均每一赔付延时标签下的每一旅客赔付数据U_avg以及预设的赔付起点延时标签赔付数据范围（m_Smin，m_Smax）、赔付终点延时标签赔付数据范围（m_Kmin，m_Kmax）、第一赔付调节参数Y确定每一赔付延时标签对应的目标赔付数据。

2.根据权利要求1所述的系统，其特征在于，

m_Smin>0，m_Kmin> Q，m_Kmin- m_Smax>

0

m_Kmin/(K-S) m_Kmax>h* Q,h为预设的赔付系数阈值，h>1。

3.根据权利要求1所述的系统，其特征在于，

还包括预测航班延时状态的数据处理子系统，当所述处理器执行所述计算机程序时，还实现以下步骤：

步骤S10、实时获取计划起飞时间变更的航班id；

步骤S20、基于所述预测航班延时状态的数据处理子系统获取该航班id以及对应航班链上晚于该航班id的当前航班延时状态信息，更新至所述数据库中，所述航班链为预设周期内同一注册号对应的航班id按照计划起飞时间先后组成的航班id序列。

4.根据权利要求1所述的系统，其特征在于，

所述步骤S2包括：

步骤S21、基于预设的保费信息Q和目标赔付率R确定平均每一旅客的赔付数据W_avg：

W_avg=Q*R;

步骤S22、基于平均每一旅客的赔付数据W_avg、赔付起点参数S确定平均每一赔付延时标签下的每一旅客赔付数据U_avg：

U_avg=W_avg/（K-S）。

5.根据权利要求1-4中任意一项所述的系统，其特征在于，

所述步骤S3包括：

步骤S31、基于平均每一赔付延时标签下的每一旅客赔付数据U_avg、为K个延时标签对应的当前延时概率P_K确定第K赔付延时标签对应的目标赔付数据M_K： M_K= U_avg/ P_K, 判断M_K是否赔付起点延时标签赔付数据范围（m_Kmin，m_Kmax）内，若M_K> m_Kmax，则更新M_K= m_Kmax；若 M_K<m_Kmin，则更新M_K= m_Kmin；设置i=K-1，执行步骤S32；

步骤S32、基于平均每一赔付延时标签下的每一旅客赔付数据U_avg、为i个延时标签对应的当前延时概率P_i确定第i赔付延时标签对应的目标赔付数据M_i, M_i= U_i/ P_i，比较M_i与M_i+1，若M_i> M_i+1，则基于第一赔付调节参数Y、第i+1赔付延时标签对应的目标赔付数据M_i+1更新第i赔付延时标签对应的目标赔付数据M_i，使得M_i满足M_i

M_i+1；

步骤S33、判断i是否大于赔付起点参数S，若大于，则设置i=i-1,返回执行步骤S32，否则，执行步骤S34；

步骤S34、判断M_i是否在（m_Smin，m_Smax）范围内，若M_i> m_Smax，则更新M_i= m_Smax；若 M_i< m_Smin，则更新M_K= m_Smin；确定赔付延时标签对应的目标赔付数据列表{M_S，M_S+1 ，…M_K}。

6.根据权利要求5所述的系统，其特征在于，

所述步骤S32中，所述基于第一赔付调节参数Y、第i+1赔付延时标签对应的目标赔付数据M_i+1更新第i赔付延时标签对应的目标赔付数据M_i，包括：

步骤S321、更新第i赔付延时标签对应的目标赔付数据M_i= M_i-Y；

步骤S322、判断第i赔付延时标签对应的目标赔付数据M_i、第i+1赔付延时标签对应的目标赔付数据M_i+1是否满足M_i

M_i+1，若满足，则结束步骤S322，否则，返回执行步骤S321。

7.根据权利要求5所述的系统，其特征在于，

所述步骤S32中，所述基于第一赔付调节参数Y、第i+1赔付延时标签对应的目标赔付数据M_i+1更新第i赔付延时标签对应的目标赔付数据M_i，包括：

步骤S323、设置M_i= M_i+1-Y。

8.根据权利要求5所述的系统，其特征在于，

所述系统还包括预设的浮动百分数V、第二赔付调节参数Z,其中，Z小于等于Y，所述步骤S34之后还包括：

步骤S35、基于赔付延时标签对应的目标赔付数据列表{M_S，M_S+1 ，…M_K}、所述目标航班id对应的当前时状态信息{P₁，P₂，…P_K}确定校验参数X：

；

步骤S36、判断是否满足-V

(X-R)/R

：

若(X-R)/R<-V,则更新第j赔付延时标签对应的目标赔付数据M_j=M_j+Z；

若(X-R)/R>-V,则更新第j赔付延时标签对应的目标赔付数据M_j=M_j-Z;

j的取值范围为S到K。

Images