CN114936942A - 一种面向保险用户的计算机网络数据处理分析系统及方法 - Google Patents
一种面向保险用户的计算机网络数据处理分析系统及方法 Download PDFInfo
- Publication number
- CN114936942A CN114936942A CN202210858490.3A CN202210858490A CN114936942A CN 114936942 A CN114936942 A CN 114936942A CN 202210858490 A CN202210858490 A CN 202210858490A CN 114936942 A CN114936942 A CN 114936942A
- Authority
- CN
- China
- Prior art keywords
- insurance
- data
- new energy
- selection
- additional
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 17
- 241000894007 species Species 0.000 claims description 78
- 235000012907 honey Nutrition 0.000 claims description 37
- 230000007613 environmental effect Effects 0.000 claims description 30
- 230000003044 adaptive effect Effects 0.000 claims description 19
- 241000256844 Apis mellifera Species 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 15
- 241000257303 Hymenoptera Species 0.000 claims description 12
- 230000007246 mechanism Effects 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 6
- 241000256837 Apidae Species 0.000 claims description 3
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000007418 data mining Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 3
- 239000000446 fuel Substances 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035945 sensitivity Effects 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
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向保险用户的计算机网络数据处理分析系统及方法，属于保险用户的计算机网络数据处理技术领域。该系统包括新能源车辆附加险种数据采集模块、新能源车辆数据采集模块、选择分析模块、计算机网络数据处理模块、客户关系预期判断模块；所述新能源车辆附加险种数据采集模块的输出端与所述新能源车辆数据采集模块的输入端相连接；所述新能源车辆数据采集模块的输出端与所述选择分析模块的输入端相连接；所述选择分析模块的输出端与所述计算机网络数据处理模块的输入端相连接；所述计算机网络数据处理模块的输出端与所述客户关系预期判断模块的输入端相连接。本发明能够生成保险预期客户关系，推动新能源产业发展。
Description
技术领域
本发明涉及保险用户的计算机网络数据处理技术领域，具体为一种面向保险用户的计算机网络数据处理分析系统及方法。
背景技术
近年来随着新能源车辆的使用逐渐广泛，新能源车险作为一个新兴产业，尚具备着多重不足之处，新能源车险的一切还处于探索阶段，赔付概率难以判断，数据表现不明显，车主购买意愿无法知晓，而且由于新能源车要求的驾驶习惯与传统燃油车有较大差别，需要适应的过程。综合来看，目前仍处于新能源车险的“阵痛期”。
燃油车和新能源车两者本质不用，目前纯电动车的保险基本都是沿用传统汽车的保险模式，交强险、车损险、三者险、盗抢险、自燃险等等与燃油车别无二致。而电动车除了强制的交强险是一定要买的，然后建议再购买车损险和三者险，剩下的附加险种，对于电池的保险、车内乘员责任险、电网故障保险和充电桩故障险等等，均属于一些新兴保险，这类保险对于用户的敏感度不高，燃油车的保险经过十数年来的完善，已经完全能够满足用户需求，而相较于新能源的附加车险，保险公司往往不能了解到用户的主要及实际需求，导致用户需要的保费较高，保险明目冗杂，不利于新能源产业的发展。
发明内容
本发明的目的在于提供一种面向保险用户的计算机网络数据处理分析系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种面向保险用户的计算机网络数据处理分析方法，该方法包括以下步骤：
S1、获取新能源车险保险用户购买的新能源车险附加险种数据，获取用车环境区域数据、驾驶数据，并将其作为历史数据集；
S2、基于历史数据集中的用车环境区域数据、驾驶数据构建附加险种选择模型，分析不同环境区域数据的不同用户对附加险种的选择适应度；
S3、利用计算机网络获取待分析的环境区域，基于待分析的环境区域内的新能源车辆驾驶数据，生成保险预期客户关系；
S4、基于保险预期客户关系，对附加险种进行排序选取优质附加险种，输出至管理员端口，供保险公司查询。
根据上述技术方案，所述新能源车险附加险种数据指除去新能源汽车损失险、新能源汽车第三者责任险、新能源汽车驾乘人员责任险外的附加险种；
所述用车环境区域数据包括城市区域、丘陵山地区域、经纬度数据；
所述驾驶数据包括新能源车辆自身起步速度数据、用车频率数据、维修频率数据。
根据上述技术方案，所述构建附加险种选择模型包括：
设置三方用户分别为保险用户方、保险管理方以及系统后台运营方；
构建画像机制，所述画像机制代表任一辆新能源车辆的特征性以及在特征性下的购买的新能源车险附加险种数据，基于用车环境区域数据、驾驶数据生成：
利用人工蜂群算法进行分析：
将附加险种的选择记为一个蜜源；附加险种的选择适应值记为蜜源的花蜜量；
设置采蜜蜂根据画像机制给出附加险种的选择决策、设置观察蜂根据给出的附加险种的选择决策进行选择；设置侦查蜂在提供的附加险种的选择决策不能满足预设条件的情况下提供新的附加险种的选择决策；
获取最终的附加险种的选择决策作为保险客户关系；
构建附加险种的选择的数量最大值A；搜索维度最大值B；最大迭代次数C；
由采蜜蜂在邻域内展开搜索，在蜜源邻域搜索新蜜源公式为：
其中，
代表第
个蜜源
的第
维度值，
，
代表邻域蜜源，
；
为取值在
区间上的随机数；
代表新蜜源
的第
维度值；
利用观察蜂对搜索的新蜜源
与旧蜜源
进行初步选择，所述初步选择采用贪婪选择策略，比较新旧蜜源适应值，选择优者：
若存在新蜜源为优者，建立最终选择：
其中，
为第i个解的适应值，对应附加险种的选择的丰富程度，附加险种的选择越丰富，被选择的概率越大；
代表概率；
输出最终的附加险种的选择决策；
构建蒙特卡罗模拟分析模型，利用SPSS软件进行数据挖掘，设置自变量，以附加险种的选择适应值作为因变量，建立线性回归函数，记为F（v）；
所述自变量包括计算机网络获取的待分析的环境区域，基于待分析的环境区域内的新能源车辆驾驶数据；
构建置信水平与运行次数，在SPSS软件中获取仿真结果，将仿真结果作为附加险种的选择适应值；
建立附加险种的选择适应值的阈值，对不满足阈值的附加险种的选择进行抛弃，并将被抛弃的附加险种的选择对应的采蜜蜂转换成为侦查蜂；
利用侦查蜂开启新的搜索，获取新的蜜源：
其中；
、
分别代表第
维度的上界和下界；
指在0到1区间内的随机数；
每次新搜索记为一次迭代，根据侦查蜂的新搜索，重复对新蜜源与旧蜜源的选择，并继续以蒙特卡罗模拟分析模型进行仿真分析，生成新的附加险种的选择适应值，满足阈值的保留，不满足的继续抛弃，进入下一次迭代；
在迭代次数达到C时，终止本次附加险种的选择，并将最终保留的所有的附加险种的选择作为保险预期客户关系。
根据上述技术方案，基于保险预期客户关系，生成在待分析的环境区域内的用户对于附加险种的预期选择，设置相应阈值，对于不满足阈值的预期选择对应的附加险种进行标记；
对于满足阈值的预期选择对应的附加险种进行排序，选取靠前的
项附加险种作为优质附加险种，输出至管理员端口，供保险公司查询，其中
为系统预制常数。
一种面向保险用户的计算机网络数据处理分析系统，该系统包括新能源车辆附加险种数据采集模块、新能源车辆数据采集模块、选择分析模块、计算机网络数据处理模块、客户关系预期判断模块；
所述新能源车辆附加险种数据采集模块用于采集获取新能源车险保险用户购买的新能源车险附加险种数据；所述新能源车辆数据采集模块用于获取用车环境区域数据、驾驶数据，所述用车环境区域数据包括城市区域、丘陵山地区域、经纬度数据；所述驾驶数据包括新能源车辆自身起步速度数据、用车频率数据、维修频率数据；所述选择分析模块用于构建附加险种选择模型，分析不同环境区域数据的不同用户对附加险种的选择适应度；所述计算机网络数据处理模块用于构建保险用户计算机网络后台，获取待分析的环境区域，基于待分析的环境区域内的新能源车辆驾驶数据，生成保险预期客户关系；所述客户关系预期判断模块基于保险预期客户关系，对附加险种进行排序选取优质附加险种，输出至管理员端口，供保险公司查询；
所述新能源车辆附加险种数据采集模块的输出端与所述新能源车辆数据采集模块的输入端相连接；所述新能源车辆数据采集模块的输出端与所述选择分析模块的输入端相连接；所述选择分析模块的输出端与所述计算机网络数据处理模块的输入端相连接；所述计算机网络数据处理模块的输出端与所述客户关系预期判断模块的输入端相连接。
根据上述技术方案，所述新能源车辆附加险种数据采集模块包括新能源车辆附加险种购买单元、新能源车辆登记单元；
所述新能源车辆登记单元用于登记购买保险的新能源车辆信息数据，所述登记购买保险指购买任何保险；所述新能源车辆附加险种购买单元用于采集购买了附加险种的新能源车辆用户以及购买的具体附加险种信息；
所述新能源车辆登记单元的输出端与所述新能源车辆附加险种购买单元的输入端相连接，车主授权车辆与保险公司计算机网络连接；所述新能源车辆附加险种购买单元的输出端与所述新能源车辆数据采集模块的输入端相连接。
根据上述技术方案，所述新能源车辆数据采集模块包括用户区域单元、用车数据单元；
所述用户区域单元用于获取用户新能源车辆所在地的用车环境区域数据；所述用车数据单元用于根据车辆与保险公司计算机网络连接获取用车频率数据，根据维修信息获取维修频率数据，根据车辆信息获取新能源车辆自身起步速度数据；
所述用户区域单元、用车数据单元的输出端与所述选择分析模块的输入端相连接。
根据上述技术方案，所述选择分析模块包括模型构建单元、选择分析单元；
所述模型构建单元用于基于历史数据集中的用车环境区域数据、驾驶数据构建附加险种选择模型；所述选择分析单元用于分析不同环境区域数据的不同用户对附加险种的选择适应度；
所述模型构建单元的输出端与所述选择分析单元的输入端相连接；所述选择分析单元的输出端与所述计算机网络数据处理模块的输入端相连接。
根据上述技术方案，所述计算机网络数据处理模块包括计算机网络连接单元、网络数据处理单元；
所述计算机网络连接单元用于构建网络连接，构建购买保险的新能源车辆与保险公司计算机网络的连接；所述网络数据处理单元用于通过计算机网络获取待分析的环境区域，基于待分析的环境区域内的新能源车辆驾驶数据，生成保险预期客户关系。
根据上述技术方案，所述客户关系预期判断模块包括保险预期客户关系记录单元、选择单元；
所述保险预期客户关系记录单元对输出的保险预期客户关系进行记录，以备调用；所述选择单元基于保险预期客户关系，对附加险种进行排序选取优质附加险种，输出至管理员端口，供保险公司查询；
所述保险预期客户关系记录单元的输出端与所述选择单元的输入端相连接。
与现有技术相比，本发明所达到的有益效果是：
本发明利用新能源车辆附加险种数据采集模块采集获取新能源车险保险用户购买的新能源车险附加险种数据；利用新能源车辆数据采集模块获取用车环境区域数据、驾驶数据，所述用车环境区域数据包括城市区域、丘陵山地区域、经纬度数据；所述驾驶数据包括新能源车辆自身起步速度数据、用车频率数据、维修频率数据；利用选择分析模块构建附加险种选择模型，分析不同环境区域数据的不同用户对附加险种的选择适应度；利用计算机网络数据处理模块构建保险用户计算机网络后台，获取待分析的环境区域，基于待分析的环境区域内的新能源车辆驾驶数据，生成保险预期客户关系；利用客户关系预期判断模块基于保险预期客户关系，对附加险种进行排序选取优质附加险种，输出至管理员端口，供保险公司查询；本发明能够创建保险公司与用户之间的联系，在新能源车险上，深刻了解用户选择，提出保险预期客户关系，推动新能源车险的更新与发展，舍弃非必要附加险名目，提高保险购买意向，推动新能源产业链。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种面向保险用户的计算机网络数据处理分析系统及方法的流程示意图。
具体实施方式
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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，在本实施例一中：
获取新能源车险保险用户购买的新能源车险附加险种数据，获取用车环境区域数据、驾驶数据，并将其作为历史数据集；
在本实施例中，附加险种以车轮单独损失险、新增设备损失险、自用电桩损失险、外部电网故障损失险为例；
所述用车环境区域数据包括城市区域、丘陵山地区域、经纬度数据；
所述驾驶数据包括新能源车辆自身起步速度数据、用车频率数据、维修频率数据；
以某新能源车为例，其不同型号的新能源汽车可以分别达到百公里加速速度为3秒、5.6秒和8秒；例如5.6秒这个速度已经超过路面95%的车辆，同样的起步动作，传统燃油车花费8秒的时间完成就算很快了。如果是3秒的启动速度，驾驶人甚至可能来不及反应，加速越快，意味着车速也就越快，事故概率可能更高。反应在车辆的保险上，就会造成巨大影响；同时地理位置经纬度也是考虑因素之一，例如以长沙和广东地区作比较，长沙是丘陵地区，行车的事故概率较大，广东地理条件较之长沙会有不同，因此风险概率更低，反映至保险上，影响也是巨大的；同时维修成本上，配件的高昂费用和维修工时，会推高车辆的零整比，也在一定程度上带动了保险公司案均赔付的金额，对于保险的选择影响也是很大的。
基于历史数据集中的用车环境区域数据、驾驶数据构建附加险种选择模型，分析不同环境区域数据的不同用户对附加险种的选择适应度；
所述构建附加险种选择模型包括：
设置三方用户分别为保险用户方、保险管理方以及系统后台运营方；
其中系统后台运营方负责对整个系统进行维护和运维管理；
构建画像机制，所述画像机制代表任一辆新能源车辆的特征性以及在特征性下的购买的新能源车险附加险种数据，基于用车环境区域数据、驾驶数据生成：
例如一辆长沙本地车购买了车轮单独损失险、新增设备损失险、自用电桩损失险、外部电网故障损失险；其起步数据为5.6秒；用车频率为每月30天均用车；上述内容记为该长沙本地车的画像机制；
利用人工蜂群算法进行分析：
将附加险种的选择记为一个蜜源；附加险种的选择适应值记为蜜源的花蜜量；
设置采蜜蜂根据画像机制给出附加险种的选择决策、设置观察蜂根据给出的附加险种的选择决策进行选择；设置侦查蜂在提供的附加险种的选择决策不能满足预设条件的情况下提供新的附加险种的选择决策；
获取最终的附加险种的选择决策作为保险客户关系；
构建附加险种的选择的数量最大值A；搜索维度最大值B；最大迭代次数C；
由采蜜蜂在邻域内展开搜索，在蜜源邻域搜索新蜜源公式为：
其中，
代表第
个蜜源
的第
维度值，
，
代表邻域蜜源，
；
为取值在
区间上的随机数；
代表新蜜源
的第
维度值；
利用观察蜂对搜索的新蜜源
与旧蜜源
进行初步选择，所述初步选择采用贪婪选择策略，比较新旧蜜源适应值，选择优者：
若存在新蜜源为优者，建立最终选择：
其中，
为第i个解的适应值，对应附加险种的选择的丰富程度，附加险种的选择越丰富，被选择的概率越大；
代表概率；
输出最终的附加险种的选择决策；
构建蒙特卡罗模拟分析模型，利用SPSS软件进行数据挖掘，设置自变量，以附加险种的选择适应值作为因变量，建立线性回归函数，记为F（v）；
所述自变量包括计算机网络获取的待分析的环境区域，基于待分析的环境区域内的新能源车辆驾驶数据；
构建置信水平与运行次数，在SPSS软件中获取仿真结果，将仿真结果作为附加险种的选择适应值；
建立附加险种的选择适应值的阈值，对不满足阈值的附加险种的选择进行抛弃，并将被抛弃的附加险种的选择对应的采蜜蜂转换成为侦查蜂；
利用侦查蜂开启新的搜索，获取新的蜜源：
其中；
、
分别代表第
维度的上界和下界；
指在0到1区间内的随机数；
每次新搜索记为一次迭代，根据侦查蜂的新搜索，重复对新蜜源与旧蜜源的选择，并继续以蒙特卡罗模拟分析模型进行仿真分析，生成新的附加险种的选择适应值，满足阈值的保留，不满足的继续抛弃，进入下一次迭代；
在迭代次数达到C时，终止本次附加险种的选择，并将最终保留的所有的附加险种的选择作为保险预期客户关系。
基于保险预期客户关系，生成在待分析的环境区域内的用户对于附加险种的预期选择，设置相应阈值，对于不满足阈值的预期选择对应的附加险种进行标记；
对于满足阈值的预期选择对应的附加险种进行排序，选取靠前的
项附加险种作为优质附加险种，输出至管理员端口，供保险公司查询，其中
为系统预制常数。
在本实施例二中：
提供一种面向保险用户的计算机网络数据处理分析系统，该系统包括新能源车辆附加险种数据采集模块、新能源车辆数据采集模块、选择分析模块、计算机网络数据处理模块、客户关系预期判断模块；
所述新能源车辆附加险种数据采集模块用于采集获取新能源车险保险用户购买的新能源车险附加险种数据；所述新能源车辆数据采集模块用于获取用车环境区域数据、驾驶数据，所述用车环境区域数据包括城市区域、丘陵山地区域、经纬度数据；所述驾驶数据包括新能源车辆自身起步速度数据、用车频率数据、维修频率数据；所述选择分析模块用于构建附加险种选择模型，分析不同环境区域数据的不同用户对附加险种的选择适应度；所述计算机网络数据处理模块用于构建保险用户计算机网络后台，获取待分析的环境区域，基于待分析的环境区域内的新能源车辆驾驶数据，生成保险预期客户关系；所述客户关系预期判断模块基于保险预期客户关系，对附加险种进行排序选取优质附加险种，输出至管理员端口，供保险公司查询；
所述新能源车辆附加险种数据采集模块的输出端与所述新能源车辆数据采集模块的输入端相连接；所述新能源车辆数据采集模块的输出端与所述选择分析模块的输入端相连接；所述选择分析模块的输出端与所述计算机网络数据处理模块的输入端相连接；所述计算机网络数据处理模块的输出端与所述客户关系预期判断模块的输入端相连接。
所述新能源车辆附加险种数据采集模块包括新能源车辆附加险种购买单元、新能源车辆登记单元；
所述新能源车辆登记单元用于登记购买保险的新能源车辆信息数据，所述登记购买保险指购买任何保险；所述新能源车辆附加险种购买单元用于采集购买了附加险种的新能源车辆用户以及购买的具体附加险种信息；
所述新能源车辆登记单元的输出端与所述新能源车辆附加险种购买单元的输入端相连接，车主授权车辆与保险公司计算机网络连接；所述新能源车辆附加险种购买单元的输出端与所述新能源车辆数据采集模块的输入端相连接。
所述新能源车辆数据采集模块包括用户区域单元、用车数据单元；
所述用户区域单元用于获取用户新能源车辆所在地的用车环境区域数据；所述用车数据单元用于根据车辆与保险公司计算机网络连接获取用车频率数据，根据维修信息获取维修频率数据，根据车辆信息获取新能源车辆自身起步速度数据；
所述用户区域单元、用车数据单元的输出端与所述选择分析模块的输入端相连接。
所述选择分析模块包括模型构建单元、选择分析单元；
所述模型构建单元用于基于历史数据集中的用车环境区域数据、驾驶数据构建附加险种选择模型；所述选择分析单元用于分析不同环境区域数据的不同用户对附加险种的选择适应度；
所述模型构建单元的输出端与所述选择分析单元的输入端相连接；所述选择分析单元的输出端与所述计算机网络数据处理模块的输入端相连接。
所述计算机网络数据处理模块包括计算机网络连接单元、网络数据处理单元；
所述计算机网络连接单元用于构建网络连接，构建购买保险的新能源车辆与保险公司计算机网络的连接；所述网络数据处理单元用于通过计算机网络获取待分析的环境区域，基于待分析的环境区域内的新能源车辆驾驶数据，生成保险预期客户关系。
所述客户关系预期判断模块包括保险预期客户关系记录单元、选择单元；
所述保险预期客户关系记录单元对输出的保险预期客户关系进行记录，以备调用；所述选择单元基于保险预期客户关系，对附加险种进行排序选取优质附加险种，输出至管理员端口，供保险公司查询；
所述保险预期客户关系记录单元的输出端与所述选择单元的输入端相连接。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、方法、物品或者设备不仅包括那些要素，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、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种面向保险用户的计算机网络数据处理分析方法，其特征在于：该方法包括以下步骤：
S1、获取新能源车险保险用户购买的新能源车险附加险种数据，获取用车环境区域数据、驾驶数据，并将其作为历史数据集；
S2、基于历史数据集中的用车环境区域数据、驾驶数据构建附加险种选择模型，分析不同环境区域数据的不同用户对附加险种的选择适应度；
S3、利用计算机网络获取待分析的环境区域，基于待分析的环境区域内的新能源车辆驾驶数据，生成保险预期客户关系；
S4、基于保险预期客户关系，对附加险种进行排序选取优质附加险种。
2.根据权利要求1所述的一种面向保险用户的计算机网络数据处理分析方法，其特征在于：所述新能源车险附加险种数据指除去新能源汽车损失险、新能源汽车第三者责任险、新能源汽车驾乘人员责任险外的附加险种；
所述用车环境区域数据包括城市区域、丘陵山地区域、经纬度数据；
所述驾驶数据包括新能源车辆自身起步速度数据、用车频率数据、维修频率数据。
3.根据权利要求2所述的一种面向保险用户的计算机网络数据处理分析方法，其特征在于：所述构建附加险种选择模型包括：
设置三方用户分别为保险用户方、保险管理方以及系统后台运营方；
构建画像机制，所述画像机制代表任一辆新能源车辆的特征性以及在特征性下的购买的新能源车险附加险种数据，基于用车环境区域数据、驾驶数据生成；
利用人工蜂群算法进行分析：
将附加险种的选择记为一个蜜源；附加险种的选择适应值记为蜜源的花蜜量；
设置采蜜蜂根据画像机制给出附加险种的选择决策、设置观察蜂根据给出的附加险种的选择决策进行选择；设置侦查蜂在提供的附加险种的选择决策不能满足预设条件的情况下提供新的附加险种的选择决策；
获取最终的附加险种的选择决策作为保险客户关系；
构建附加险种的选择的数量最大值A；搜索维度最大值B；最大迭代次数C；
由采蜜蜂在邻域内展开搜索，在蜜源邻域搜索新蜜源公式为：
其中，
代表第
个蜜源
的第
维度值，
，
代表邻域蜜源，
；
为取值在
区间上的随机数；
代表新蜜源
的第
维度值；
利用观察蜂对搜索的新蜜源
与旧蜜源
进行初步选择，所述初步选择采用贪婪选择策略，比较新旧蜜源适应值，选择优者：
若存在新蜜源为优者，建立最终选择：
其中，
为第i个解的适应值，对应附加险种的选择的丰富程度，附加险种的选择越丰富，被选择的概率越大；
代表概率；
输出最终的附加险种的选择决策；
构建蒙特卡罗模拟分析模型，利用SPSS软件进行数据挖掘，设置自变量，以附加险种的选择适应值作为因变量，建立线性回归函数，记为F（v）；
所述自变量包括计算机网络获取的待分析的环境区域，基于待分析的环境区域内的新能源车辆驾驶数据；
构建置信水平与运行次数，在SPSS软件中获取仿真结果，将仿真结果作为附加险种的选择适应值；
建立附加险种的选择适应值的阈值，对不满足阈值的附加险种的选择进行抛弃，并将被抛弃的附加险种的选择对应的采蜜蜂转换成为侦查蜂；
利用侦查蜂开启新的搜索，获取新的蜜源：
其中；
、
分别代表第
维度的上界和下界；
指在0到1区间内的随机数；
每次新搜索记为一次迭代，根据侦查蜂的新搜索，重复对新蜜源与旧蜜源的选择，并继续以蒙特卡罗模拟分析模型进行仿真分析，生成新的附加险种的选择适应值，满足阈值的保留，不满足的继续抛弃，进入下一次迭代；
在迭代次数达到C时，终止本次附加险种的选择，并将最终保留的所有的附加险种的选择作为保险预期客户关系。
4.根据权利要求3所述的一种面向保险用户的计算机网络数据处理分析方法，其特征在于：
基于保险预期客户关系，生成在待分析的环境区域内的用户对于附加险种的预期选择，设置相应阈值，对于不满足阈值的预期选择对应的附加险种进行标记；
对于满足阈值的预期选择对应的附加险种进行排序，选取靠前的
项附加险种作为优质附加险种，输出至管理员端口，供保险公司查询，其中
为系统预制常数。
5.一种面向保险用户的计算机网络数据处理分析系统，其特征在于：该系统包括新能源车辆附加险种数据采集模块、新能源车辆数据采集模块、选择分析模块、计算机网络数据处理模块、客户关系预期判断模块；
所述新能源车辆附加险种数据采集模块用于采集获取新能源车险保险用户购买的新能源车险附加险种数据；所述新能源车辆数据采集模块用于获取用车环境区域数据、驾驶数据，所述用车环境区域数据包括城市区域、丘陵山地区域、经纬度数据；所述驾驶数据包括新能源车辆自身起步速度数据、用车频率数据、维修频率数据；所述选择分析模块用于构建附加险种选择模型，分析不同环境区域数据的不同用户对附加险种的选择适应度；所述计算机网络数据处理模块用于构建保险用户计算机网络后台，获取待分析的环境区域，基于待分析的环境区域内的新能源车辆驾驶数据，生成保险预期客户关系；所述客户关系预期判断模块基于保险预期客户关系，对附加险种进行排序选取优质附加险种，输出至管理员端口，供保险公司查询；
所述新能源车辆附加险种数据采集模块的输出端与所述新能源车辆数据采集模块的输入端相连接；所述新能源车辆数据采集模块的输出端与所述选择分析模块的输入端相连接；所述选择分析模块的输出端与所述计算机网络数据处理模块的输入端相连接；所述计算机网络数据处理模块的输出端与所述客户关系预期判断模块的输入端相连接。
6.根据权利要求5所述的一种面向保险用户的计算机网络数据处理分析系统，其特征在于：所述新能源车辆附加险种数据采集模块包括新能源车辆附加险种购买单元、新能源车辆登记单元；
所述新能源车辆登记单元用于登记购买保险的新能源车辆信息数据，所述登记购买保险指购买任何保险；所述新能源车辆附加险种购买单元用于采集购买了附加险种的新能源车辆用户以及购买的具体附加险种信息；
所述新能源车辆登记单元的输出端与所述新能源车辆附加险种购买单元的输入端相连接，车主授权车辆与保险公司计算机网络连接；所述新能源车辆附加险种购买单元的输出端与所述新能源车辆数据采集模块的输入端相连接。
7.根据权利要求6所述的一种面向保险用户的计算机网络数据处理分析系统，其特征在于：所述新能源车辆数据采集模块包括用户区域单元、用车数据单元；
所述用户区域单元用于获取用户新能源车辆所在地的用车环境区域数据；所述用车数据单元用于根据车辆与保险公司计算机网络连接获取用车频率数据，根据维修信息获取维修频率数据，根据车辆信息获取新能源车辆自身起步速度数据；
所述用户区域单元、用车数据单元的输出端与所述选择分析模块的输入端相连接。
8.根据权利要求5所述的一种面向保险用户的计算机网络数据处理分析系统，其特征在于：所述选择分析模块包括模型构建单元、选择分析单元；
所述模型构建单元用于基于历史数据集中的用车环境区域数据、驾驶数据构建附加险种选择模型；所述选择分析单元用于分析不同环境区域数据的不同用户对附加险种的选择适应度；
所述模型构建单元的输出端与所述选择分析单元的输入端相连接；所述选择分析单元的输出端与所述计算机网络数据处理模块的输入端相连接。
9.根据权利要求5所述的一种面向保险用户的计算机网络数据处理分析系统，其特征在于：所述计算机网络数据处理模块包括计算机网络连接单元、网络数据处理单元；
所述计算机网络连接单元用于构建网络连接，构建购买保险的新能源车辆与保险公司计算机网络的连接；所述网络数据处理单元用于通过计算机网络获取待分析的环境区域，基于待分析的环境区域内的新能源车辆驾驶数据，生成保险预期客户关系。
10.根据权利要求5所述的一种面向保险用户的计算机网络数据处理分析系统，其特征在于：所述客户关系预期判断模块包括保险预期客户关系记录单元、选择单元；
所述保险预期客户关系记录单元对输出的保险预期客户关系进行记录，以备调用；所述选择单元基于保险预期客户关系，对附加险种进行排序选取优质附加险种，输出至管理员端口，供保险公司查询；
所述保险预期客户关系记录单元的输出端与所述选择单元的输入端相连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210858490.3A CN114936942B (zh) | 2022-07-21 | 2022-07-21 | 一种面向保险用户的计算机网络数据处理分析系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210858490.3A CN114936942B (zh) | 2022-07-21 | 2022-07-21 | 一种面向保险用户的计算机网络数据处理分析系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114936942A true CN114936942A (zh) | 2022-08-23 |
| CN114936942B CN114936942B (zh) | 2022-11-01 |
Family
ID=82868424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210858490.3A Active CN114936942B (zh) | 2022-07-21 | 2022-07-21 | 一种面向保险用户的计算机网络数据处理分析系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114936942B (zh) |
Citations (48)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140089083A1 (en) * | 2012-09-25 | 2014-03-27 | Xerox Corporation | Method and apparatus for an automated marketing campaign coach |
| CN103927580A (zh) * | 2014-04-25 | 2014-07-16 | 哈尔滨工程大学 | 一种基于改进人工蜂群算法的工程约束参数优化方法 |
| CN104580337A (zh) * | 2013-10-29 | 2015-04-29 | 上海沐风数码科技有限公司 | 基于3g通讯技术的物联网全程监控的多目标优化计算方法 |
| CN104778477A (zh) * | 2015-04-10 | 2015-07-15 | 中国石油大学(华东) | 一种优化的人工蜂群聚类方法 |
| CN105005853A (zh) * | 2015-07-07 | 2015-10-28 | 广州市三信汽车信息咨询有限公司 | 一种汽车后市场服务管理系统 |
| US9253203B1 (en) * | 2014-12-29 | 2016-02-02 | Cyence Inc. | Diversity analysis with actionable feedback methodologies |
| CN106056167A (zh) * | 2016-07-01 | 2016-10-26 | 山东大学 | 一种基于高斯核混合人工蜂群算法的归一化可能性模糊熵聚类方法 |
| CN106097103A (zh) * | 2016-06-01 | 2016-11-09 | 深圳市永兴元科技有限公司 | 机动车辆车险赔偿策略确定方法和装置 |
| CN106204202A (zh) * | 2016-06-29 | 2016-12-07 | 百度在线网络技术（北京）有限公司 | 一种车险信息推荐方法和装置 |
| US20160357188A1 (en) * | 2015-06-05 | 2016-12-08 | Arafat M.A. ANSARI | Smart vehicle |
| CN106528848A (zh) * | 2016-11-25 | 2017-03-22 | 中国平安财产保险股份有限公司 | 基于车险智能定损平台的配件历史报价查询方法及系统 |
| US9610476B1 (en) * | 2016-05-02 | 2017-04-04 | Bao Tran | Smart sport device |
| CN107464186A (zh) * | 2017-08-04 | 2017-12-12 | 缪骁 | 基于车险客户画像的理赔模式推荐方法 |
| CN107784410A (zh) * | 2016-08-26 | 2018-03-09 | 国网上海市电力公司 | 区域能源互联网集成系统以及优化其配置和运行的方法 |
| CN107977898A (zh) * | 2017-12-28 | 2018-05-01 | 无锡英臻科技有限公司 | 一种光伏电站的发电量保险定价评估方法 |
| CN108256809A (zh) * | 2016-12-28 | 2018-07-06 | 平安科技（深圳）有限公司 | 一种附加险的投保请求审核方法和装置 |
| CN108459616A (zh) * | 2018-03-07 | 2018-08-28 | 西安电子科技大学 | 基于人工蜂群算法的无人机群协同覆盖航路规划方法 |
| CN108545043A (zh) * | 2018-06-25 | 2018-09-18 | 安徽知之信息科技有限公司 | 一种新能源汽车用保险杠 |
| US20180285976A1 (en) * | 2006-10-31 | 2018-10-04 | Safeco Insurance Company Of America | Method, computer program product and system for proactive insurance marketing |
| CN108711036A (zh) * | 2018-05-24 | 2018-10-26 | 深圳市航盛车云技术有限公司 | 一种基于保险大数据的车联网云平台管理系统及方法 |
| CN108921661A (zh) * | 2018-06-29 | 2018-11-30 | 上海博泰悦臻电子设备制造有限公司 | 基于车载终端的车险保单生成方法、生成系统 |
| CN108960786A (zh) * | 2018-07-18 | 2018-12-07 | 朱岳天幸 | 一种线上保险综合服务平台 |
| CN109065229A (zh) * | 2018-08-21 | 2018-12-21 | 黄桂芳 | 一种新能源汽车专用屏蔽电缆及其制造方法 |
| CN109118372A (zh) * | 2018-08-31 | 2019-01-01 | 沈文策 | 一种股票选择方法及装置 |
| CN109447728A (zh) * | 2018-09-07 | 2019-03-08 | 平安科技（深圳）有限公司 | 金融产品推荐方法、装置、计算机设备及存储介质 |
| CN109597304A (zh) * | 2018-11-30 | 2019-04-09 | 北京工业大学 | 基于人工蜂群算法的模具库智能分区存储方法 |
| CN109617942A (zh) * | 2018-10-22 | 2019-04-12 | 平安科技（深圳）有限公司 | 产品数据推送方法、装置、计算机设备及存储介质 |
| CN109635335A (zh) * | 2018-11-12 | 2019-04-16 | 平安科技（深圳）有限公司 | 驾驶风险预测方法、装置、计算机设备及存储介质 |
| CN109949171A (zh) * | 2019-03-22 | 2019-06-28 | 何学桢 | 一种应用于旅游保险的安全应急服务系统 |
| CN110020775A (zh) * | 2019-01-30 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种风险交易管控方法及装置 |
| CN110019376A (zh) * | 2017-10-18 | 2019-07-16 | 宁波轩悦行电动汽车服务有限公司 | 电动汽车租赁系统驾驶对比方法 |
| CN110349032A (zh) * | 2018-04-04 | 2019-10-18 | 上海博泰悦臻电子设备制造有限公司 | 基于车辆行驶大数据的车辆保险缴费方法及系统 |
| CN110428279A (zh) * | 2019-07-05 | 2019-11-08 | 深圳壹账通智能科技有限公司 | 车险推荐方法、装置、设备及计算机可读存储介质 |
| CN110490752A (zh) * | 2019-08-21 | 2019-11-22 | 福州大学 | 基于驾驶行为数据的车辆保险分析与自动推荐服务系统及其工作方法 |
| CN110599355A (zh) * | 2019-09-12 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 基于区块链的车险信息系统、保单登记方法及理赔方法 |
| CN110619585A (zh) * | 2019-08-16 | 2019-12-27 | 广州越秀金融科技有限公司 | 推荐数据的方法、装置、存储介质和处理器 |
| CN110674788A (zh) * | 2019-10-09 | 2020-01-10 | 北京百度网讯科技有限公司 | 车辆定损方法和装置 |
| CN110827088A (zh) * | 2019-11-07 | 2020-02-21 | 深圳鼎然信息科技有限公司 | 基于大数据的用车成本预测方法、装置及存储介质 |
| CN110955702A (zh) * | 2019-11-28 | 2020-04-03 | 江南大学 | 一种基于改进遗传算法的模式数据挖掘方法 |
| CN111242324A (zh) * | 2019-12-31 | 2020-06-05 | 王立军 | 基于新能源汽车的专享运营服务系统 |
| CN111292146A (zh) * | 2018-12-07 | 2020-06-16 | 泰康保险集团股份有限公司 | 保险推荐方法及装置、计算机存储介质、电子设备 |
| CN111538950A (zh) * | 2020-04-17 | 2020-08-14 | 中国人民解放军91550部队 | 一种多无人平台干扰资源分配方法 |
| CN112667695A (zh) * | 2020-12-22 | 2021-04-16 | 深圳壹账通智能科技有限公司 | 一种保险数据信息的生成方法、装置、服务器及存储介质 |
| CN112750045A (zh) * | 2019-10-30 | 2021-05-04 | 上海博泰悦臻电子设备制造有限公司 | 用于生成保险信息的方法、移动设备和计算机可读存储介质 |
| CN113034293A (zh) * | 2019-12-25 | 2021-06-25 | 长城汽车股份有限公司 | 一种车险类别的确定方法及装置 |
| CN113626606A (zh) * | 2021-08-31 | 2021-11-09 | 中国平安财产保险股份有限公司 | 信息分类方法、装置、电子设备及可读存储介质 |
| CN113821703A (zh) * | 2020-06-18 | 2021-12-21 | 广州汽车集团股份有限公司 | 一种车联网用户画像生成方法及其系统 |
| CN114491250A (zh) * | 2022-01-21 | 2022-05-13 | 共幸科技(深圳)有限公司 | 一种基于用户画像的车务处理方法及车务平台系统 |
-
2022
- 2022-07-21 CN CN202210858490.3A patent/CN114936942B/zh active Active
Patent Citations (49)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180285976A1 (en) * | 2006-10-31 | 2018-10-04 | Safeco Insurance Company Of America | Method, computer program product and system for proactive insurance marketing |
| US20140089083A1 (en) * | 2012-09-25 | 2014-03-27 | Xerox Corporation | Method and apparatus for an automated marketing campaign coach |
| CN104580337A (zh) * | 2013-10-29 | 2015-04-29 | 上海沐风数码科技有限公司 | 基于3g通讯技术的物联网全程监控的多目标优化计算方法 |
| CN103927580A (zh) * | 2014-04-25 | 2014-07-16 | 哈尔滨工程大学 | 一种基于改进人工蜂群算法的工程约束参数优化方法 |
| US9253203B1 (en) * | 2014-12-29 | 2016-02-02 | Cyence Inc. | Diversity analysis with actionable feedback methodologies |
| CN104778477A (zh) * | 2015-04-10 | 2015-07-15 | 中国石油大学(华东) | 一种优化的人工蜂群聚类方法 |
| US20160357188A1 (en) * | 2015-06-05 | 2016-12-08 | Arafat M.A. ANSARI | Smart vehicle |
| CN105005853A (zh) * | 2015-07-07 | 2015-10-28 | 广州市三信汽车信息咨询有限公司 | 一种汽车后市场服务管理系统 |
| US20180288586A1 (en) * | 2016-05-02 | 2018-10-04 | Bao Tran | Smart device |
| US9610476B1 (en) * | 2016-05-02 | 2017-04-04 | Bao Tran | Smart sport device |
| CN106097103A (zh) * | 2016-06-01 | 2016-11-09 | 深圳市永兴元科技有限公司 | 机动车辆车险赔偿策略确定方法和装置 |
| CN106204202A (zh) * | 2016-06-29 | 2016-12-07 | 百度在线网络技术（北京）有限公司 | 一种车险信息推荐方法和装置 |
| CN106056167A (zh) * | 2016-07-01 | 2016-10-26 | 山东大学 | 一种基于高斯核混合人工蜂群算法的归一化可能性模糊熵聚类方法 |
| CN107784410A (zh) * | 2016-08-26 | 2018-03-09 | 国网上海市电力公司 | 区域能源互联网集成系统以及优化其配置和运行的方法 |
| CN106528848A (zh) * | 2016-11-25 | 2017-03-22 | 中国平安财产保险股份有限公司 | 基于车险智能定损平台的配件历史报价查询方法及系统 |
| CN108256809A (zh) * | 2016-12-28 | 2018-07-06 | 平安科技（深圳）有限公司 | 一种附加险的投保请求审核方法和装置 |
| CN107464186A (zh) * | 2017-08-04 | 2017-12-12 | 缪骁 | 基于车险客户画像的理赔模式推荐方法 |
| CN110019376A (zh) * | 2017-10-18 | 2019-07-16 | 宁波轩悦行电动汽车服务有限公司 | 电动汽车租赁系统驾驶对比方法 |
| CN107977898A (zh) * | 2017-12-28 | 2018-05-01 | 无锡英臻科技有限公司 | 一种光伏电站的发电量保险定价评估方法 |
| CN108459616A (zh) * | 2018-03-07 | 2018-08-28 | 西安电子科技大学 | 基于人工蜂群算法的无人机群协同覆盖航路规划方法 |
| CN110349032A (zh) * | 2018-04-04 | 2019-10-18 | 上海博泰悦臻电子设备制造有限公司 | 基于车辆行驶大数据的车辆保险缴费方法及系统 |
| CN108711036A (zh) * | 2018-05-24 | 2018-10-26 | 深圳市航盛车云技术有限公司 | 一种基于保险大数据的车联网云平台管理系统及方法 |
| CN108545043A (zh) * | 2018-06-25 | 2018-09-18 | 安徽知之信息科技有限公司 | 一种新能源汽车用保险杠 |
| CN108921661A (zh) * | 2018-06-29 | 2018-11-30 | 上海博泰悦臻电子设备制造有限公司 | 基于车载终端的车险保单生成方法、生成系统 |
| CN108960786A (zh) * | 2018-07-18 | 2018-12-07 | 朱岳天幸 | 一种线上保险综合服务平台 |
| CN109065229A (zh) * | 2018-08-21 | 2018-12-21 | 黄桂芳 | 一种新能源汽车专用屏蔽电缆及其制造方法 |
| CN109118372A (zh) * | 2018-08-31 | 2019-01-01 | 沈文策 | 一种股票选择方法及装置 |
| CN109447728A (zh) * | 2018-09-07 | 2019-03-08 | 平安科技（深圳）有限公司 | 金融产品推荐方法、装置、计算机设备及存储介质 |
| CN109617942A (zh) * | 2018-10-22 | 2019-04-12 | 平安科技（深圳）有限公司 | 产品数据推送方法、装置、计算机设备及存储介质 |
| CN109635335A (zh) * | 2018-11-12 | 2019-04-16 | 平安科技（深圳）有限公司 | 驾驶风险预测方法、装置、计算机设备及存储介质 |
| CN109597304A (zh) * | 2018-11-30 | 2019-04-09 | 北京工业大学 | 基于人工蜂群算法的模具库智能分区存储方法 |
| CN111292146A (zh) * | 2018-12-07 | 2020-06-16 | 泰康保险集团股份有限公司 | 保险推荐方法及装置、计算机存储介质、电子设备 |
| CN110020775A (zh) * | 2019-01-30 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种风险交易管控方法及装置 |
| CN109949171A (zh) * | 2019-03-22 | 2019-06-28 | 何学桢 | 一种应用于旅游保险的安全应急服务系统 |
| CN110428279A (zh) * | 2019-07-05 | 2019-11-08 | 深圳壹账通智能科技有限公司 | 车险推荐方法、装置、设备及计算机可读存储介质 |
| CN110619585A (zh) * | 2019-08-16 | 2019-12-27 | 广州越秀金融科技有限公司 | 推荐数据的方法、装置、存储介质和处理器 |
| CN110490752A (zh) * | 2019-08-21 | 2019-11-22 | 福州大学 | 基于驾驶行为数据的车辆保险分析与自动推荐服务系统及其工作方法 |
| CN110599355A (zh) * | 2019-09-12 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 基于区块链的车险信息系统、保单登记方法及理赔方法 |
| CN110674788A (zh) * | 2019-10-09 | 2020-01-10 | 北京百度网讯科技有限公司 | 车辆定损方法和装置 |
| CN112750045A (zh) * | 2019-10-30 | 2021-05-04 | 上海博泰悦臻电子设备制造有限公司 | 用于生成保险信息的方法、移动设备和计算机可读存储介质 |
| CN110827088A (zh) * | 2019-11-07 | 2020-02-21 | 深圳鼎然信息科技有限公司 | 基于大数据的用车成本预测方法、装置及存储介质 |
| CN110955702A (zh) * | 2019-11-28 | 2020-04-03 | 江南大学 | 一种基于改进遗传算法的模式数据挖掘方法 |
| CN113034293A (zh) * | 2019-12-25 | 2021-06-25 | 长城汽车股份有限公司 | 一种车险类别的确定方法及装置 |
| CN111242324A (zh) * | 2019-12-31 | 2020-06-05 | 王立军 | 基于新能源汽车的专享运营服务系统 |
| CN111538950A (zh) * | 2020-04-17 | 2020-08-14 | 中国人民解放军91550部队 | 一种多无人平台干扰资源分配方法 |
| CN113821703A (zh) * | 2020-06-18 | 2021-12-21 | 广州汽车集团股份有限公司 | 一种车联网用户画像生成方法及其系统 |
| CN112667695A (zh) * | 2020-12-22 | 2021-04-16 | 深圳壹账通智能科技有限公司 | 一种保险数据信息的生成方法、装置、服务器及存储介质 |
| CN113626606A (zh) * | 2021-08-31 | 2021-11-09 | 中国平安财产保险股份有限公司 | 信息分类方法、装置、电子设备及可读存储介质 |
| CN114491250A (zh) * | 2022-01-21 | 2022-05-13 | 共幸科技(深圳)有限公司 | 一种基于用户画像的车务处理方法及车务平台系统 |
Non-Patent Citations (2)
| Title |
|---|
| 刘文英 等: ""基于非线性递减选择策略的人工蜂群算法"", 《计算机与数字工程》 * |
| 霍潞露 等: ""专属条款终出台，新能源汽车保险有据可依"", 《汽车与配件》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114936942B (zh) | 2022-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107239575B (zh) | 城市道路暴雨内涝风险分析与预警智联网服务系统及方法 | |
| US20110270486A1 (en) | System, method and computer program for simulating vehicle energy use | |
| CN109697854A (zh) | 多维度的城市道路交通状态评估方法 | |
| CN110836675B (zh) | 一种基于决策树的自动驾驶搜索决策方法 | |
| CN114332825B (zh) | 基于深度学习的道路地形分布识别方法、设备和存储介质 | |
| CN116502960B (zh) | 一种车站区域tod发展潜力评估方法、系统和电子设备 | |
| CN115049124A (zh) | 一种基于贝叶斯网络的深长隧道突涌水预测方法 | |
| CN114936942B (zh) | 一种面向保险用户的计算机网络数据处理分析系统及方法 | |
| CN117829370B (zh) | 一种交通事故严重程度预测方法、系统及计算机设备 | |
| de Sá et al. | Methodological proposal for stated preference scenarios regarding an exploratory evaluation of ride-hailing implications on transit: A Brazilian context analysis | |
| CN117633068A (zh) | 一种建设用地供应监测监管方法及系统 | |
| CN109583632B (zh) | 基于网联数据的电动汽车充电行为预测方法 | |
| CN107194505A (zh) | 一种基于城市大数据预测公共汽车出行量的方法和系统 | |
| CN114707239B (zh) | 电能资源分配规划方法、装置和电子设备 | |
| CN109741597A (zh) | 一种基于改进深度森林的公交车路段运行时间预测方法 | |
| Hecht et al. | Estimation of urban green volume based on last pulse lidar data at leaf-off aerial flight times | |
| CN113282842A (zh) | 一种基于智能手机的出行调查和人工神经网络粒子群优化算法的出行目的识别方法 | |
| Eissa et al. | An Efficient Hybrid Deep Learning Approach for Accurate Remaining EV Range Prediction | |
| Zhong et al. | Estimating Remaining Driving Range of Electric Vehicles Using BPNN Based on Real-world Data | |
| Szarata | Defining shape of membership function for Mamdani’s Fuzzy Inference System within park & ride share modelling | |
| CN114372182B (zh) | 基于od矩阵反推特定时间多种交通方式出行分布分析方法 | |
| CN117573994B (zh) | 一种电动汽车能源管理方法及系统 | |
| Bhatt et al. | Comparative Analysis of Bike Prediction Model | |
| Jasinski et al. | Modelling letter delivery in town areas | |
| CN117523865A (zh) | 基于车流量分析的停车限时管理方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |