CN113628055B - 车辆事故损失评估方法及装置 - Google Patents

车辆事故损失评估方法及装置 Download PDF

Info

Publication number
CN113628055B
CN113628055B CN202110836463.1A CN202110836463A CN113628055B CN 113628055 B CN113628055 B CN 113628055B CN 202110836463 A CN202110836463 A CN 202110836463A CN 113628055 B CN113628055 B CN 113628055B
Authority
CN
China
Prior art keywords
damage
vehicle
collision
core
accident
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
Application number
CN202110836463.1A
Other languages
English (en)
Other versions
CN113628055A (zh
Inventor
周凯
张荣兵
廖明锐
王敏豪
贾云伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Data Enlighten Beijing Co ltd
Original Assignee
Data Enlighten Beijing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Data Enlighten Beijing Co ltd filed Critical Data Enlighten Beijing Co ltd
Priority to CN202110836463.1A priority Critical patent/CN113628055B/zh
Publication of CN113628055A publication Critical patent/CN113628055A/zh
Application granted granted Critical
Publication of CN113628055B publication Critical patent/CN113628055B/zh
Priority to PCT/CN2022/088381 priority patent/WO2023000737A1/zh
Priority to EP22844908.8A priority patent/EP4372658A1/en
Priority to JP2023541640A priority patent/JP2024501066A/ja
Priority to US18/224,323 priority patent/US20230360004A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/20—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
    • 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
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/006—Indicating maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Technology Law (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Geometry (AREA)
  • Fuzzy Systems (AREA)
  • Computer Graphics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提供了一种车辆事故损失评估方法及装置。该方法包括：获取车辆的车辆信息以及维修厂信息；根据所述车辆信息，将所述车辆虚拟为三维坐标系中的对应图形，基于所述图形确定车辆碰撞部位所在的位置，并确定事故形态；根据所述车辆信息以及所述碰撞部位在三维坐标系中的位置和所述事故形态，确定所述碰撞部位涉及的核心配件及其损伤形式；根据所述碰撞部位涉及的核心配件及其损伤形式，计算关联损伤配件，从而得到损伤配件清单；由所述损伤配件清单结合所述维修厂信息生成损失报告，所述损失报告包括定损估值。这种方法及装置是一种高效智能便捷的车辆定损估价模式，打破了目前汽车领域损失较为严重的事故车辆损失评估需要拆检定损的局限。

Description

车辆事故损失评估方法及装置
技术领域
本发明涉及汽车信息技术及汽车定损技术，更为具体来说，本发明涉及一种车辆事故损失评估方法及装置。
背景技术
在保险理赔、保险公估、交通事故损失评估、以及汽车维修等涉及车辆损失确定的应用领域，如何通过互联网技术、IT技术、以及/或者人工智能等技术提高工作效率，降低人力成本，提升服务水平，赢得客户满意，成为行业与市场共同的迫切需求。交通事故损失评估过程中，受场地、设备、以及/或者时间紧迫性等因素所限，对于损失较为严重的车辆，需要在不拆检的情况下进行快速评估。保险理赔定损过程中，对于损失较为严重的车辆，首先需要评估车辆是否存在维修价值，也需要在不拆检的情况下进行快速评估，从而确定是按正常维修定损还是按推定全损方式定损。
目前，保险公司对于损失较为严重的车辆定损的痛点在于：
一是拆检定损时间周期长；
二是拆检定损一般在维修企业进行，即使最终保险公司确定要按推定全损方式定损，进行车辆残值拍卖，维修企业百般阻扰；
三是因此增加不必要的车辆拆检费用。
对于损失较为严重、按正常维修定损方式的事故车辆，配件损失项目大都在几十甚至上百个，人工制作定损单本身是一件很耗时的事，往往需要一个小时以上。快速评估，少量修偏，几分钟完成定损单制作，这无疑会大大提高工作效率，降低人力成本。
发明内容
本发明创新地提供了一种车辆事故损失评估方法及装置，突破了传统定损的操作模式和理念，对汽车碰撞损伤形式建模，以大量历史数据进行挖掘分析，实现了车辆碰撞损伤模型与损失明细之间的关联算法。
为实现上述的技术目的，一方面，本发明公开了一种车辆事故损失评估方法。所述车辆事故损失评估方法包括：获取车辆的车辆信息以及维修厂信息；根据所述车辆信息，将所述车辆虚拟为三维坐标系中的对应图形，基于所述图形确定车辆碰撞部位所在的位置，并确定事故形态；根据所述车辆信息以及所述碰撞部位在三维坐标系中的位置和所述事故形态，确定所述碰撞部位涉及的核心配件及其损伤形式；根据所述碰撞部位涉及的核心配件及其损伤形式，计算关联损伤配件，从而得到损伤配件清单；由所述损伤配件清单结合所述维修厂信息生成损失报告，所述损失报告包括定损估值。
进一步地，对于所述车辆事故损失评估方法，所述车辆信息包括车辆品牌和配置车型信息。
进一步地，对于所述车辆事故损失评估方法，计算关联损伤配件包括：根据所述碰撞部位涉及的核心配件及其损伤形式，确定碰撞损伤类型；根据所确定的碰撞损伤类型，选取对应的关联密度模型；利用所选取的关联密度模型计算关联损伤配件。
进一步地，对于所述车辆事故损失评估方法，碰撞损伤类型与所述核心配件及其损伤形式有第一对应关系，碰撞损伤类型与所述关联密度模型有第二对应关系，所述第一对应关系和所述第二对应关系的生成过程包括：收集历史案例数据，根据历史案例数据中的车辆信息进行车型划分；将历史案例中各个汽车虚拟为三维坐标系中的对应图形，基于所述图形确定车辆碰撞部位所在的位置；依据不同品牌不同配置车型的车辆中各配件在三维坐标系中的安装位置，并根据车辆碰撞部位所在的位置和历史案例数据中汽车碰撞损伤程度数据，确定汽车碰撞部位名称、汽车碰撞车身高度和汽车碰撞损伤程度；按照汽车碰撞部位、汽车碰撞车身高度和汽车碰撞损伤程度，划分碰撞损伤类型；对于不同汽车外形的车辆的不同碰撞损伤类型，分别确定对应的核心配件及其损伤形式，将碰撞损伤类型与所述核心配件及其损伤形式对应保存；对于不同汽车外形的车辆的车辆的不同碰撞损伤类型，分别建立对应的关联密度模型，将碰撞损伤类型与所述关联密度模型对应保存。
进一步地，对于所述车辆事故损失评估方法，对于不同汽车外形的车辆的不同碰撞损伤类型，分别确定对应的核心配件及其损伤形式，包括：以历史案例数据中历史事故车辆定损记录为样本数据，进行大数据挖掘分析，把样本数据按照损失金额进行划分；分析不同金额段样本数据涉及的各种车辆损伤类型中各种配件损伤发生的概率，从而确定对应的核心配件及其损伤形式。
进一步地，对于所述车辆事故损失评估方法，对于不同汽车外形的车辆的车辆的不同碰撞损伤类型，分别建立对应的关联密度模型，包括：以历史案例数据中历史事故车辆定损记录为样本数据，进行大数据挖掘分析；分析配件之间损伤发生概率，从而生成关联密度模型。
进一步地，对于所述车辆事故损失评估方法，由所述损伤配件清单结合所述维修厂信息生成损失报告，所述损失报告包括定损估值，包括：由所述损伤配件清单结合所述维修厂信息生成预览损失报告；对预览损失报告中的配件清单进行修偏；根据修偏后的配件清单结合所述维修厂信息生成损失报告，所述损失报告包括定损估值。
为实现上述的技术目的，另一方面，本发明公开了一种车辆事故损失评估装置。所述车辆事故损失评估装置包括：信息获取单元，用于获取车辆的车辆信息以及维修厂信息；碰撞位置和事故形态确定单元，用于根据所述车辆信息，将所述车辆虚拟为三维坐标系中的对应图形，基于所述图形确定车辆碰撞部位所在的位置，并确定事故形态；核心配件损伤界定单元，用于根据所述车辆信息以及所述碰撞部位在三维坐标系中的位置和所述事故形态，确定所述碰撞部位涉及的核心配件及其损伤形式；关联损伤配件计算单元，用于根据所述碰撞部位涉及的核心配件及其损伤形式，计算关联损伤配件，从而得到损伤配件清单；损失报告生成单元，用于由所述损伤配件清单结合所述维修厂信息生成损失报告，所述损失报告包括定损估值。
为实现上述的技术目的，又一方面，本发明公开了一种计算设备。所述计算设备包括：一个或多个处理器，以及与所述一个或多个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行上述方法。
为实现上述的技术目的，再一方面，本发明公开了一种机器可读存储介质。所述机器可读存储介质存储有可执行指令，所述指令当被执行时使得所述机器执行上述方法。
本发明的有益效果为：
本发明实施例提供的车辆事故损失评估方法及装置是一种高效智能便捷的车辆定损估价模式，打破了目前汽车领域损失较为严重的事故车辆损失评估需要拆检定损的局限，可以在不经拆检即确定损失边界，对保险公司制定合理理赔方案从而节约理赔成本意义重大；打破了目前汽车领域损失较为严重的事故车辆损失评估过多依赖员工技能的局限，降低了员工技术要求，极大提高了损失评估的效率；现场出险，快速准确预估，对保险公司未决赔案准备金计算提供了科学保障，彻底改变了过去拍脑门子方式预估方法；在道路交通事故损失评估当中，快速评估事故车辆，对快速处理交通事故和/或快速处理事故纠纷有着深远意义与价值。
附图说明
图中，
图1为本发明一个实施例提供的车辆事故损失评估方法的流程图；
图2为本发明一个示例提供的估价单的示意图；
图3A和图3B分别为本发明示例1提供的雷克萨斯SUV车实车碰撞图和画圈描述车辆碰撞部位并选择事故形态的页面示意图；
图4A和图4B分别为本发明示例2提供的北京现代SUV车实车碰撞图和画圈描述车辆碰撞部位并选择事故形态的页面示意图；
图5A和图5B分别为本发明示例3提供的一汽丰田锐志三厢4门车不同视角的实车碰撞图；图5C为本发明示例3提供的画圈描述车辆碰撞部位并选择事故形态的页面示意图；
图6为本发明示例4所示的核心配件，用户目测并勾选配件损伤形式；
图7为本发明示例5所示的核心配件，用户目测并勾选配件损伤形式；
图8为本发明示例6所示的核心配件，用户目测并勾选配件损伤形式；
图9为本发明示例1提供的可以修偏的损伤报告预览页面的示意图；
图10为本发明一个示例提供的图1所示的方法中步骤S140中第一对应关系和第二对应关系的生成过程的流程图；
图11为本发明另一个实施例提供的车辆事故损失评估装置的结构示意图；
图12为根据本发明实施例的用于车辆事故损失评估处理的计算设备的结构框图。
具体实施方式
下面结合说明书附图对本发明提供的车辆事故损失评估方法及装置进行详细的解释和说明。
图1为本发明一个实施例提供的车辆事故损失评估方法的流程图。
如图1所示，在步骤S110，获取车辆的车辆信息以及维修厂信息。其中，车辆信息可以包括车辆品牌和配置车型信息。
作为可选实施方式，可以通过用户输入车辆的车架号(VIN，VehicleIdentification Number)图像后通过光学字符识别(OCR，Optical CharacterRecognition)或者通过用户手工输入车辆的车架号信息而获取车辆品牌和配置车型信息。获取维修厂信息比如维修厂名称，因为对于不同类型的维修厂，相同的汽车配件的维修价格可能不同，因此可以根据维修厂名称判断维修厂类型，例如维修厂的类型可以包括4S店和综合维修厂，从而根据维修厂的类型确定配件维修价格。车辆信息还可以包括车牌号信息，当损失报告需要发送给保险公司索赔使用时车辆信息就需要包括车牌号信息，车牌号信息也可以由用户手工输入。如果损失报告不需要发送给保险公司只是个人查询，也可以不输入车牌号信息。作为一种替换方式，还可以输入或者生成一个案件标识码。
作为一个具体例子，可以通过创建估价单的过程来生成定损车辆的基本信息，用户可以使用手机移动设备进入APP首页面或者使用台式电脑进入网页首页，输入车牌号信息后，通过用户输入车辆的车架号(VIN)图像后OCR识别或手工输入车辆的车架号信息而获取车架号信息，根据车架号信息对车辆定型，然后选择并完善维修厂信息，从而创建了估价单，估价单的一个例子如图2所示。
在步骤S120，根据车辆信息，将车辆虚拟为三维坐标系中的对应图形，基于图形确定车辆碰撞部位所在的位置，并确定事故形态。
可以把同类汽车品牌车型虚拟成为三维坐标系中对应尺寸的长方体。用户可以在虚拟的长方体上画圈描述车辆碰撞部位，并选择事故形态。
示例1，以右后侧碰撞为例，图3A为本发明示例1提供的雷克萨斯SUV车实车碰撞图，车辆右后侧为碰撞受损区域。按照车辆碰撞实际部位画圈描述，程序智能计算出车辆碰撞受损区域为右后侧。如图3B所示，目测车辆安全气囊已发生爆弹，所以需要勾选“气囊气帘受损”事故形态。
示例2，图4A为本发明示例2提供的北京现代SUV车实车碰撞图，车辆右前角及正前偏右方为碰撞部位。按照车辆碰撞实际部位画圈描述，程序智能计算出车辆碰撞受损区域为右前角和正前面。如图4B所示，目测车辆安全气囊已发生爆弹，发动机进气歧管已损坏，所以需要勾选“气囊气帘受损”和“发动机受损”事故形态。
示例3，图5A和图5B为本发明示例3提供的一汽丰田锐志三厢4门车实车碰撞图，车辆右前角及右后侧为碰撞部位。按照车辆碰撞实际部位画圈描述，程序智能计算出车辆碰撞受损区域为右前角和右后侧。如图5C所示，目测车辆安全气囊已发生爆弹，所以需要勾选“气囊气帘受损”事故形态。
在步骤S130，根据车辆信息以及碰撞部位在三维坐标系中的位置和事故形态，确定碰撞部位涉及的核心配件及其损伤形式。
其中，核心配件以“车辆上的结构件，或者起碰撞缓冲作用件，或者在某一事故形态中配件关联密度最为活跃件”作为特征，如“前纵梁总成(左)为结构件，对碰撞承力最大，如前保险杠骨架，碰撞缓冲作用件，如前保险杠皮，在正前、左前、右前碰撞中配件关联密度最为活跃”。核心配件分布在相应的车辆部位中，画圈描述车辆碰撞部位即弹出对应的核心配件。
具体来说，先把汽车配件装车位置坐标化。依据配件的实际装车位置，建立装车配件坐标系，赋予每个配件装车位置三维坐标。
作为一个具体例子，用户画圈与勾选事故形态操作之后，程序会根据具体的车辆实际装车配件，弹出相应的核心配件清单，需要用户进行损伤类形的判断：受损配件采取更换还是钣金修复处理。其中，核心配件可以是车辆外观可见损伤形式或者可目测损伤形式的配件，不需要拆检即可进行受损形式判断的配件。核心配件的个数可以介于3-12个，可以根据车辆碰撞部位个数和车辆配置而异。图6为本发明示例4所示的核心配件，用户目测并勾选配件损伤形式。图7为本发明示例5所示的核心配件，用户目测并勾选配件损伤形式，以核心配件前纵梁总成为例，如果车辆前纵梁总成损坏，则说明碰撞程度严重；如果车辆前纵梁总成没有损坏，则说明损伤程度轻微。图8为本发明示例6所示的核心配件，用户目测并勾选配件损伤形式。
在步骤S140，根据碰撞部位涉及的核心配件及其损伤形式，计算关联损伤配件，从而得到损伤配件清单。
步骤S140中计算关联损伤配件可以包括以下步骤：根据碰撞部位涉及的核心配件及其损伤形式，确定碰撞损伤类型；根据所确定的碰撞损伤类型，选取对应的关联密度模型；利用所选取的关联密度模型计算关联损伤配件。汇集得到的所有损伤配件名称，针对实际事故车辆装车配件将多余的配件过滤掉，生成损伤配件清单。
在步骤S150，由损伤配件清单结合维修厂信息生成损失报告，损失报告包括定损估值。
步骤S150中由损伤配件清单结合维修厂信息生成损失报告可以包括以下步骤：由损伤配件清单结合维修厂信息生成预览损失报告；对预览损失报告中的配件清单进行修偏；根据修偏后的配件清单结合维修厂信息生成损失报告，损失报告包括定损估值。
作为一个具体例子，如图9所示，仍以上述示例1为例，用户对10个核心配件中的6个判定需要换或修，点击“获取残值报价”，程序智能计算出车辆碰撞模式为“右后侧极重度碰撞”，配件更换项目76项共计102732元，工时项目14728元，估损总计117010元。该车实际定损为109680元，偏差仅为7330元，偏差率为7.05％。点击“查看明细”，可以预览具体损失评估详情。
偏差的原因在于某几个配件是换或修损伤形式有误，需要用户再次修偏就可以准确完整评估了。作为一种可选实施方式，修偏可以由用户对预览损失报告中的受损核心配件列表中的核心配件进行删除和/或添加和/或修改核心配件的损伤形式等。
作为一种可选实施方式，在上述步骤S140中，碰撞损伤类型可以与碰撞部位涉及的核心配件及其损伤形式有第一对应关系，碰撞损伤类型可以与关联密度模型有第二对应关系。如图10所示，第一对应关系和第二对应关系的生成过程可以包括以下步骤：
步骤S1410，收集历史案例数据，根据历史案例数据中的车辆信息进行车型划分。
乘用汽车的车身外形可以主要分为三厢4门、三厢2门、两厢5门、SUV、MPV、以及面包共6种，可以通过车辆车架号(VIN)解析获取到每一辆车的具体外形形式。
步骤S1420，将历史案例中各个汽车虚拟为三维坐标系中的对应图形，基于图形确定车辆碰撞部位所在的位置。
具体来说，需要事先创建汽车碰撞部位及区域三维坐标数据。如图10所示，可以将汽车车身外观划分为正前面碰撞1、左前角碰撞2、左前侧碰撞3、左中侧碰撞4、左后侧碰撞5、左后角碰撞6、正后面碰撞7、右后角碰撞8、右后侧碰撞9、右中侧碰撞10、右前侧碰撞11、右前角碰撞12、前中部碰撞13、中中部碰撞14、以及后中部碰撞15一共15个碰撞部位。按照车身形式对每个碰撞部位区域创建三维坐标数据，用户画圈之后计算机能够计算出车辆碰撞所对应的区域名称。
步骤S1430，依据不同品牌不同配置车型的车辆中各配件在三维坐标系中的安装位置，并根据车辆碰撞部位所在的位置和历史案例数据中汽车碰撞损伤程度数据，确定汽车碰撞部位名称、汽车碰撞车身高度和汽车碰撞损伤程度。
具体来说，事先需要创造汽车配件安装位置三维坐标陀螺仪数据。汽车碰撞事故当中，汽车配件数据库比如TOP2000配件数据库中的配件名称可以覆盖99.90％的汽车配件。
每一辆车实际安装了TOP2000配件数据库中哪些配件可以通过车辆的车架号(VIN)解析获取。在TOP2000配件数据库中，80％的配件分别在三厢4门、三厢2门、两厢5门、SUV、MPV、以及面包这6种车身外形之中的安装位置是相同的，另外20％的配件因汽车品牌以及配置车型不同而异。
可以把6种车身外形分为两类，分别建立两种三维立体配件坐标系如下：
第一种配件坐标系：除“三厢2门”以外车身外形的车辆的配件坐标系OXYZ＝0(9,12,3)，原点O＝(0,0,0)为车辆左前下角点；X轴即为车辆左右方向，最长刻度为12；Y轴为车辆前后方向，最长刻度为12；Z轴为车辆上下方向，最长刻度为3。
第二种配件坐标系：“三厢2门”车身外形的车辆的配件坐标系OXYZ＝0(9,10,3)，原点O＝(0,0,0)为车辆左前下角点；X轴即为车辆左右方向，最长刻度为9，Y轴为车辆前后方向，最长刻度为10；Z轴为车辆上下方向，最长刻度为3。
作为一个具体例子，可以把100多个乘用汽车品牌、20多万种不同配置车型、以及2000个配件名称，依据实际配件安装位置，以计算机方式创建汽车配件安装位置三维坐标陀螺仪数据。
步骤S1440，按照汽车碰撞部位、汽车碰撞车身高度和汽车碰撞损伤程度，划分碰撞损伤类型。
作为一个具体例子，可以按照汽车碰撞部位、汽车碰撞车身高度和汽车碰撞损伤程度，创建156种碰撞损伤类型。如下表1所示，左前角有10种碰撞损伤类型，左前侧有15种碰撞损伤类型。
Figure BDA0003177414800000101
Figure BDA0003177414800000111
表1
作为一个具体例子，通过大数据挖掘分析方法得到核心配件和配件损伤形式与156种碰撞损伤类型的对应关系。步骤S1450，对于不同汽车外形的车辆的不同碰撞损伤类型，分别确定对应的核心配件及其损伤形式，将碰撞损伤类型与核心配件及其损伤形式对应保存。
具体来说，S1450可以包括以下步骤：以历史案例数据中历史事故车辆定损记录为样本数据，进行大数据挖掘分析，把样本数据按照损失金额进行划分；分析不同金额段样本数据涉及的各种车辆损伤类型中各种配件损伤发生的概率，从而确定对应的核心配件及其损伤形式。
作为一个具体例子，具体以千万级历史事故车辆定损记录为样本，采用大数据挖掘分析方法，把样本按照损失金额段进行划分，分析不同金额段样本数据涉及的各种车辆损伤类型中各配件损伤发生的概率，从而确定出156种碰撞损伤类型的核心关键配件名称以及配件损伤形式。反之，当用户画圈并勾选核心配件损伤形式，计算机也就能智能计算出事故车辆损伤类型。
车辆碰撞部位和事故形态与关键核心配件清单之间有强关联关系，可以通过大数据挖掘分析方法得到的。步骤S1460，对于不同汽车外形的车辆的不同碰撞损伤类型，分别建立对应的关联密度模型，将碰撞损伤类型与关联密度模型对应保存。
具体来说，步骤S1460可以包括以下步骤：以历史案例数据中历史事故车辆定损记录为样本数据，进行大数据挖掘分析；分析配件之间损伤发生概率，从而生成关联密度模型。作为一个具体例子，同样可以千万级历史事故车辆定损记录为样本，采用大数据挖掘分析方法，分析配件损伤之间的关联密度。分析配件损伤之间的关联密度可以运用神经密度算法。例如，当配件A发生更换损伤形式时，配件B发生更换损伤形式的密度是多少。再例如，当配件A和配件B均发生更换损伤形式时，配件C发生更换损伤形式的密度是多少。以此类推，找出TOP2000配件数据库中配件强关联的配件损伤形式。
图11为本发明另一个实施例提供的车辆事故损失评估装置的结构示意图。如图11所示，该实施例提供的车辆事故损失评估装置1100包括信息获取单元1110、碰撞位置和事故形态确定单元1120、核心配件损伤界定单元1130、关联损伤配件计算单元1140和损失报告生成单元1150。
信息获取单元1110用于获取车辆的车辆信息以及维修厂信息。信息获取单元1110的操作可以参照上面参考图1描述的步骤S110的操作。
碰撞位置和事故形态确定单元1120用于根据车辆信息，将车辆虚拟为三维坐标系中的对应图形，基于图形确定车辆碰撞部位所在的位置，并确定事故形态。碰撞位置和事故形态确定单元1120的操作可以参照上面参考图1描述的步骤S120的操作。
核心配件损伤界定单元1130用于根据车辆信息以及碰撞部位在三维坐标系中的位置和所述事故形态，确定碰撞部位涉及的核心配件及其损伤形式。核心配件损伤界定单元1130的操作可以参照上面参考图1描述的步骤S130的操作。
关联损伤配件计算单元1140用于根据碰撞部位涉及的核心配件及其损伤形式，计算关联损伤配件，从而得到损伤配件清单。关联损伤配件计算单元1140的操作可以参照上面参考图1描述的步骤S140的操作。
损失报告生成单元1150用于由损伤配件清单结合维修厂信息生成损失报告，损失报告包括定损估值。损失报告生成单元1150的操作可以参照上面参考图1描述的步骤S150的操作。
本发明实施例的提供的车辆事故损失评估方法及装置的特点是将汽车配件装车位置坐标化，把同类汽车品牌车型虚拟成一个长方体，再依据配件的实际装车位置，建立装车配件坐标系，赋予每个配件装车位置三维坐标；同时挖掘分析历史事故车评估记录，运用神经密度算法，计算出车辆配件之间的损伤发生概率，以及车辆配件损伤与车辆碰撞损伤程度之间的关联关系。建立车辆事故碰撞部位、损伤程度与配件损伤关系数学模型，从而快速智能评估出事故车辆损失报告。利用人工智能(AI)对汽车碰撞损伤形式建模，以大量历史数据进行挖掘分析，实现了车辆碰撞损伤模型与损失明细之间的关联算法。用户可以在手机端和网页端便捷操作使用，可以快速评估。
图12为根据本发明实施例的用于车辆事故损失评估处理的计算设备的结构框图。
如图12所示，计算设备1200可以包括至少一个处理器1210、存储器1220、内存1230、通信接口1240以及内部总线1250，并且至少一个处理器1210、存储器1220、内存1230和通信接口1240经由总线1250连接在一起。该至少一个处理器1210执行在计算机可读存储介质(即，存储器1220)中存储或编码的至少一个计算机可读指令(即，上述以软件形式实现的元素)。
在一个实施例中，在存储器1220中存储有计算机可执行指令，其当执行时使得至少一个处理器1210执行：获取车辆的车辆信息以及维修厂信息；根据所述车辆信息，将所述车辆虚拟为三维坐标系中的对应图形，基于所述图形确定车辆碰撞部位所在的位置，并确定事故形态；根据所述车辆信息以及所述碰撞部位在三维坐标系中的位置和所述事故形态，确定所述碰撞部位涉及的核心配件及其损伤形式；根据所述碰撞部位涉及的核心配件及其损伤形式，计算关联损伤配件，从而得到损伤配件清单；由所述损伤配件清单结合所述维修厂信息生成损失报告，所述损失报告包括定损估值。
应该理解的是，在存储器1220中存储的计算机可执行指令当执行时使得至少一个处理器1210进行本发明的各个实施例中以上结合图1-11描述的各种操作和功能。
在本公开中，计算设备1200可以包括但不限于：个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动计算设备、智能电话、平板计算机、蜂窝电话、个人数字助理(PDA)、手持装置、消息收发设备、可佩戴计算设备、消费电子设备等等。
根据一个实施例，提供了一种例如非暂时性机器可读介质的程序产品。非暂时性机器可读介质可以具有指令(即，上述以软件形式实现的元素)，该指令当被机器执行时，使得机器执行本公开的各个实施例中以上结合图1-11描述的各种操作和功能。
具体地，可以提供配有可读存储介质的系统或者装置，在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。
在这种情况下，从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此机器可读代码和存储机器可读代码的可读存储介质构成了本发明的一部分。
可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上或云上下载程序代码。
以上所述仅为本发明的实施例，并非因此限制本发明的权利要求保护范围，凡是利用本发明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，均同理包括在本发明权利要求的保护范围内。

Claims (8)

1.一种车辆事故损失评估方法，其特征在于，包括：
获取车辆的车辆信息以及维修厂信息；
根据所述车辆信息，将所述车辆虚拟为三维坐标系中的对应图形，基于所述图形确定车辆碰撞部位所在的位置，并确定事故形态；
根据所述车辆信息以及所述碰撞部位在三维坐标系中的位置和所述事故形态，确定所述碰撞部位涉及的核心配件及其损伤形式；
根据所述碰撞部位涉及的核心配件及其损伤形式，计算关联损伤配件，得到损伤配件清单；
由所述损伤配件清单结合所述维修厂信息生成损失报告，所述损失报告包括定损估值；
计算关联损伤配件包括：
根据所述碰撞部位涉及的核心配件及其损伤形式，确定碰撞损伤类型；
根据所确定的碰撞损伤类型，选取对应的关联密度模型；
利用所选取的关联密度模型计算关联损伤配件；
碰撞损伤类型与所述核心配件及其损伤形式有第一对应关系，碰撞损伤类型与所述关联密度模型有第二对应关系，所述第一对应关系和所述第二对应关系的生成过程包括：
收集历史案例数据，根据历史案例数据中的车辆信息进行车型划分；
将历史案例中各个汽车虚拟为三维坐标系中的对应图形，基于所述图形确定车辆碰撞部位所在的位置；
依据不同品牌不同配置车型的车辆中各配件在三维坐标系中的安装位置，并根据车辆碰撞部位所在的位置和历史案例数据中汽车碰撞损伤程度数据，确定汽车碰撞部位名称、汽车碰撞车身高度和汽车碰撞损伤程度；
按照汽车碰撞部位、汽车碰撞车身高度和汽车碰撞损伤程度，划分碰撞损伤类型；
对于不同汽车外形的车辆的不同碰撞损伤类型，分别确定对应的核心配件及其损伤形式，将碰撞损伤类型与所述核心配件及其损伤形式对应保存；
对于不同汽车外形的车辆的车辆的不同碰撞损伤类型，分别建立对应的关联密度模型，将碰撞损伤类型与所述关联密度模型对应保存。
2.根据权利要求1所述的车辆事故损失评估方法，其特征在于，所述车辆信息包括车辆品牌和配置车型信息。
3.根据权利要求1所述的车辆事故损失评估方法，其特征在于，对于不同汽车外形的车辆的不同碰撞损伤类型，分别确定对应的核心配件及其损伤形式，包括：
以历史案例数据中历史事故车辆定损记录为样本数据，进行大数据挖掘分析，把样本数据按照损失金额进行划分；
分析不同金额段样本数据涉及的各种车辆损伤类型中各种配件损伤发生的概率，从而确定对应的核心配件及其损伤形式。
4.根据权利要求1所述的车辆事故损失评估方法，其特征在于，对于不同汽车外形的车辆的车辆的不同碰撞损伤类型，分别建立对应的关联密度模型，包括：
以历史案例数据中历史事故车辆定损记录为样本数据，进行大数据挖掘分析；
分析配件之间损伤发生概率，从而生成关联密度模型。
5.根据权利要求1所述的车辆事故损失评估方法，其特征在于，由所述损伤配件清单结合所述维修厂信息生成损失报告，所述损失报告包括定损估值，包括：
由所述损伤配件清单结合所述维修厂信息生成预览损失报告；
对预览损失报告中的配件清单进行修偏；
根据修偏后的配件清单结合所述维修厂信息生成损失报告，所述损失报告包括定损估值。
6.一种车辆事故损失评估装置，其特征在于，包括：
信息获取单元，用于获取车辆的车辆信息以及维修厂信息；
碰撞位置和事故形态确定单元，用于根据所述车辆信息，将所述车辆虚拟为三维坐标系中的对应图形，基于所述图形确定车辆碰撞部位所在的位置，并确定事故形态；
核心配件损伤界定单元，用于根据所述车辆信息以及所述碰撞部位在三维坐标系中的位置和所述事故形态，确定所述碰撞部位涉及的核心配件及其损伤形式；
关联损伤配件计算单元，用于根据所述碰撞部位涉及的核心配件及其损伤形式，计算关联损伤配件，从而得到损伤配件清单；
损失报告生成单元，用于由所述损伤配件清单结合所述维修厂信息生成损失报告，所述损失报告包括定损估值；
所述关联损伤配件计算单元，用于计算关联损伤配件包括：
根据所述碰撞部位涉及的核心配件及其损伤形式，确定碰撞损伤类型；
根据所确定的碰撞损伤类型，选取对应的关联密度模型；
利用所选取的关联密度模型计算关联损伤配件；
碰撞损伤类型与所述核心配件及其损伤形式有第一对应关系，碰撞损伤类型与所述关联密度模型有第二对应关系，所述第一对应关系和所述第二对应关系的生成过程包括：
收集历史案例数据，根据历史案例数据中的车辆信息进行车型划分；
将历史案例中各个汽车虚拟为三维坐标系中的对应图形，基于所述图形确定车辆碰撞部位所在的位置；
依据不同品牌不同配置车型的车辆中各配件在三维坐标系中的安装位置，并根据车辆碰撞部位所在的位置和历史案例数据中汽车碰撞损伤程度数据，确定汽车碰撞部位名称、汽车碰撞车身高度和汽车碰撞损伤程度；
按照汽车碰撞部位、汽车碰撞车身高度和汽车碰撞损伤程度，划分碰撞损伤类型；
对于不同汽车外形的车辆的不同碰撞损伤类型，分别确定对应的核心配件及其损伤形式，将碰撞损伤类型与所述核心配件及其损伤形式对应保存；
对于不同汽车外形的车辆的车辆的不同碰撞损伤类型，分别建立对应的关联密度模型，将碰撞损伤类型与所述关联密度模型对应保存。
7.一种计算设备，其特征在于，包括：
一个或多个处理器，以及
与所述一个或多个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1到5中任一项所述的方法。
8.一种机器可读存储介质，其特征在于，所述机器可读存储介质存储有可执行指令，所述指令当被执行时使得所述机器执行如权利要求1到5中任一项所述的方法。
CN202110836463.1A 2021-07-23 2021-07-23 车辆事故损失评估方法及装置 Active CN113628055B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202110836463.1A CN113628055B (zh) 2021-07-23 2021-07-23 车辆事故损失评估方法及装置
PCT/CN2022/088381 WO2023000737A1 (zh) 2021-07-23 2022-04-22 车辆事故损失评估方法及装置
EP22844908.8A EP4372658A1 (en) 2021-07-23 2022-04-22 Vehicle accident loss assessment method and apparatus
JP2023541640A JP2024501066A (ja) 2021-07-23 2022-04-22 車両事故損失評価方法及び装置
US18/224,323 US20230360004A1 (en) 2021-07-23 2023-07-20 Vehicle accident loss assessment method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110836463.1A CN113628055B (zh) 2021-07-23 2021-07-23 车辆事故损失评估方法及装置

Publications (2)

Publication Number Publication Date
CN113628055A CN113628055A (zh) 2021-11-09
CN113628055B true CN113628055B (zh) 2022-04-01

Family

ID=78380766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110836463.1A Active CN113628055B (zh) 2021-07-23 2021-07-23 车辆事故损失评估方法及装置

Country Status (5)

Country Link
US (1) US20230360004A1 (zh)
EP (1) EP4372658A1 (zh)
JP (1) JP2024501066A (zh)
CN (1) CN113628055B (zh)
WO (1) WO2023000737A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113628055B (zh) * 2021-07-23 2022-04-01 明觉科技（北京）有限公司 车辆事故损失评估方法及装置
US20230035340A1 (en) * 2021-07-29 2023-02-02 GM Global Technology Operations LLC Methods and systems to optimize vehicle event processes
CN115345347A (zh) * 2022-07-11 2022-11-15 清华大学 交通风险预测方法、装置、计算机设备和存储介质
CN115661342B (zh) * 2022-10-17 2023-07-28 上海信宝博通电子商务有限公司 针对车辆损伤点位的显示方法、装置及计算机可读介质
CN115760439B (zh) * 2022-11-01 2023-07-07 德联易控科技(北京)有限公司 一种车辆报告的生成方法、装置、终端设备及存储介质
CN116664082A (zh) * 2023-07-26 2023-08-29 太平金融科技服务(上海)有限公司深圳分公司 一种车辆损失情况确定方法、装置、设备及存储介质
CN116777648B (zh) * 2023-08-23 2023-11-03 山东远硕上池健康科技有限公司 一种车辆出险的人伤理赔信息智能管理方法
CN117422568B (zh) * 2023-11-03 2024-07-09 德联易控科技(北京)有限公司 一种车险理赔配件清单确定方法、装置、设备和可读介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112232849A (zh) * 2020-09-08 2021-01-15 福州本末知源科技有限公司 一种基于智能算法的事故车评估方法与系统

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9508200B1 (en) * 2013-03-15 2016-11-29 State Farm Mutual Automobile Insurance Company System and method for using a specialty vehicle data identifier to facilitate treatment of a vehicle damaged in a crash
US20140279169A1 (en) * 2013-03-15 2014-09-18 Toyota Motor Sales, U.S.A., Inc. Method for generating vehicle repair estimate reports based on predictive estimating
US10360601B1 (en) * 2014-12-11 2019-07-23 Alexander Omeed Adegan Method for generating a repair estimate through predictive analytics
CN105550756B (zh) * 2015-12-08 2017-06-16 优易商业管理成都有限公司 一种基于模拟车辆受损的汽车快速定损方法
US11144889B2 (en) * 2016-04-06 2021-10-12 American International Group, Inc. Automatic assessment of damage and repair costs in vehicles
CN106600418B (zh) * 2016-11-11 2018-04-27 中国平安财产保险股份有限公司 车险智能定损中剔除互为包含定损项目的方法及系统
CN107133876A (zh) * 2017-05-08 2017-09-05 明觉科技（北京）有限公司 车辆定损方法及定损客户端
US20180121888A1 (en) * 2017-12-20 2018-05-03 Patrick Richard O'Reilly System and method for improved vehicle collision damage estimating and repair
US20200327743A1 (en) * 2019-04-15 2020-10-15 Mitchell International, Inc. Methods for automatically processing vehicle collision damage estimation and repair with wearable computing devices
US20210192455A1 (en) * 2019-09-09 2021-06-24 Neural Claim System, Inc. Methods and Systems for Submitting and/or Processing Insurance Claims for Damaged Motor Vehicle Glass
CN111259848A (zh) * 2020-01-22 2020-06-09 苏州华兴源创科技股份有限公司 一种车辆定损方法、车辆定损系统、计算机设备和介质
CN111461905A (zh) * 2020-05-28 2020-07-28 深圳麦亚信科技股份有限公司 车险骗赔规避方法、装置、计算机设备及存储介质
CN111461266B (zh) * 2020-06-18 2020-12-01 爱保科技有限公司 一种车辆定损异常识别方法、装置、服务器以及存储介质
CN112085610B (zh) * 2020-09-07 2023-08-22 中国平安财产保险股份有限公司 目标物定损方法、装置、电子设备及计算机可读存储介质
CN112925287B (zh) * 2020-10-13 2022-11-04 车包包(北京)聚合技术有限责任公司 一种汽车故障精确诊断的大数据智能化系统
CN113628055B (zh) * 2021-07-23 2022-04-01 明觉科技（北京）有限公司 车辆事故损失评估方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112232849A (zh) * 2020-09-08 2021-01-15 福州本末知源科技有限公司 一种基于智能算法的事故车评估方法与系统

Also Published As

Publication number Publication date
WO2023000737A1 (zh) 2023-01-26
US20230360004A1 (en) 2023-11-09
EP4372658A1 (en) 2024-05-22
JP2024501066A (ja) 2024-01-10
CN113628055A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN113628055B (zh) 车辆事故损失评估方法及装置
US20230316417A1 (en) Method and System for Automatically Streamlining the Vehicle Claims Process
US10733814B1 (en) System and method for using a specialty vehicle data identifier to facilitate treatment of a vehicle damaged in a crash
US9218626B1 (en) Automatic prediction and recommendation of parts, materials, and services for vehicle insurance claim estimates and supplements
US6397131B1 (en) Method and system for facilitating vehicle inspection to detect previous damage and repairs
CN110781381B (zh) 基于神经网络的数据验证方法、装置、设备及存储介质
US20140316825A1 (en) Image based damage recognition and repair cost estimation
CN111426486B (zh) 辅助驾驶系统的测试方法、装置、设备及存储介质
JP2022504386A (ja) 組み合わせられた視覚知能のための装置および方法
CN108959795A (zh) 一种试验场载荷谱标准化方法
CN112818462A (zh) 车轮参数模型的生成方法、装置、存储介质和计算机设备
CN106021639B (zh) 基于cae仿真分析结果的受损零件损伤判断和分类方法及维修工时预估方法
CN111709160B (zh) 一种基于卡车底盘的行驶动态性能分析优化方法及系统
JPWO2023000737A5 (zh)
CN112561579A (zh) 一种基于大数据的线上商品价格评估云计算平台
CN112651493A (zh) 基于联合训练模型的事故车判别方法和装置
US20200111170A1 (en) System and method for vehicle crash event data analysis and cost/loss estimation
CN114780591B (zh) 一种检测行程车牌识别错误的计算方法和系统
CN110570317B (zh) 用于车辆核损的方法及装置
Inoue et al. Quantitative estimate of CO2 emission reduction from reuse of automobile parts in Japan
CN112634066B (zh) 通过车辆识别号解析销售车型的方法及装置
CN114169547A (zh) 车辆服务的控制方法和系统
CN116739799B (zh) 车辆事故损失评估风险控制方法、装置、电子设备和存储介质
CN111325244B (zh) 车辆高危地点的检测方法、终端设备及存储介质
JP7457099B1 (ja) 情報提示装置、情報提示方法及び情報提示プログラム

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