CN116757663A - 车辆定损方法、车辆定损装置、设备及存储介质 - Google Patents

车辆定损方法、车辆定损装置、设备及存储介质 Download PDF

Info

Publication number
CN116757663A
CN116757663A CN202310497898.7A CN202310497898A CN116757663A CN 116757663 A CN116757663 A CN 116757663A CN 202310497898 A CN202310497898 A CN 202310497898A CN 116757663 A CN116757663 A CN 116757663A
Authority
CN
China
Prior art keywords
vehicle
price
damage assessment
target
preset
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
Application number
CN202310497898.7A
Other languages
English (en)
Inventor
罗善扬
张燕红
史光辉
王建明
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202310497898.7A priority Critical patent/CN116757663A/zh
Publication of CN116757663A publication Critical patent/CN116757663A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Technology Law (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及人工智能技术领域，提供了一种车辆定损方法、车辆定损装置、设备及存储介质，方法部分包括：车辆定损员通过定损员客户端将车辆定损信息上传至服务端，其中车辆定损信息包括事故车辆的目标车辆信息与车辆定损员预估的第一车辆定损价格。然后服务端通过按照预设模型训练策略训练得到的目标车辆定损模型与目标车辆信息计算出事故车辆的第二车辆定损价格。服务端最终通过综合车辆定损员预估的第一车辆定损价格与目标车辆定损模型计算的第二车辆定损价格，确定出目标车辆定损价格，克服了仅依赖车辆定损员对事故车辆进行车辆定损，造成的保险公司额外的成本支出，实现了对事故车辆更精确的车辆定损，从而提高了车辆定损效率。

Description

车辆定损方法、车辆定损装置、设备及存储介质
技术领域
本申请涉及人工智能技术领域，尤其涉及一种车辆定损方法、车辆定损装置、设备及存储介质。
背景技术
车辆定损工作是一项专业技术型很强的工作，车辆的定损涉及到维修、制造及车主多方面的技术和利益，需要专业的车辆定损员客户端对事故车辆进行定损定价。现有的车辆定损方案中，对事故车辆进行定损定价依赖于车辆定损员客户端的专业经验，而由于车辆定损员客户端的专业经验难以统一，容易出现对事故车辆的定损价格虚高的情况，从而造成保险公司额外的成本支出，降低保险公司的营收，车辆定损效率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种车辆定损方法、车辆定损装置、设备及存储介质，以解决现有的车辆定损方案中存在车辆定损效率较低的问题。
本申请实施例的第一方面提供了一种车辆定损方法，所述车辆定损方法包括：接收定损员客户端上传的事故车辆的车辆定损信息，所述车辆定损信息包括所述事故车辆的目标车辆信息与第一车辆定损价格；基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，所述目标车辆定损模型是按照预设模型训练策略训练得到的；基于所述第一车辆定损价格与所述第二车辆定损价格，确定出目标车辆定损价格。
在一些实施例中，在所述基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格的步骤之前，所述方法还包括：利用预设年份段的社会平均工资数据训练第一社会平均工资预估模型，得到第一目标社会平均工资预估模型，并根据所述第一目标社会平均工资预估模型，确定所述预设年份段中各个预设年份的第一社会平均工资预测值；利用各个所述预设年份的经济活动变化数据与所述第一社会平均工资预测值训练第二社会平均工资预估模型，得到第二目标社会平均工资预估模型，并根据所述第二目标社会平均工资预估模型，确定各个所述预设年份的第二社会平均工资预测值，所述经济活动变化数据至少包括消费者价格指数、地区生产总值指数；基于预设训练数据集与各个所述预设年份的所述第二社会平均工资预测值训练初始车辆定损模型，得到所述目标车辆定损模型，所述预设训练数据集至少包括不同样本车辆的样本车辆信息。
在一些实施例中，所述根据所述第一目标社会平均工资预估模型，确定所述预设年份段中各个预设年份的第一社会平均工资预测值，包括：按照公式计算各个所述预设年份的第一社会平均工资预测值，式中，x0表示所述预设年份段中基础年份的第一社会平均工资预测值；t表示所述预设年份与所述基础年份的差值大小；x(t)表示所述预设年份的第一社会平均工资预测值；xm表示社会平均工资预估峰值；r表示社会平均工资固有增长率，所述社会平均工资固有增长率是利用所述预设年份段的社会平均工资数据对所述第一社会平均工资预估模型训练得到的。
在一些实施例中，所述根据所述第二目标社会平均工资预估模型，确定各个所述预设年份的第二社会平均工资预测值，包括：按照公式y(t)＝a1*
x(t)+a2*x1(t)+a3*x2(t)计算各个所述预设年份的第二社会平均工资预测值，式中，t表示所述预设年份与所述基础年份的差值大小；y(t)表示所述预设年份的第二社会平均工资预测值；x(t)表示所述预设年份的第一社会平均工资预测值；x1(t)表示所述预设年份的所述消费者价格指数；x2(t)表示所述预设年份的所述地区生产总值指数；a1、a2、a3表示回归系数，a1、a2、a3的值是利用各个所述预设年份的经济活动变化数据与所述第一社会平均工资预测值对第二社会平均工资预估模型训练得到的。
在一些实施例中，所述基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，包括：读取所述目标车辆信息中的车辆定损项目；判断所述车辆定损项目与预设车辆定损项目列表是否匹配；若确定所述车辆定损项目与预设车辆定损项目列表匹配，利用所述目标车辆定损模型对所述事故车辆进行车辆定损，得到第二车辆定损价格；若确定所述车辆定损项目与预设车辆定损项目列表不匹配，退出车辆定损流程。
在一些实施例中，所述目标车辆定损模型包括目标参数，所述目标参数用于表征所述目标车辆信息与所述第二车辆定损价格的相关程度；所述基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，包括：利用目标车辆定损模型构建所述目标车辆信息对应的目标特征向量；利用目标车辆定损模型根据所述目标参数与所述目标特征向量，计算得到所述第二车辆定损价格。
在一些实施例中，所述基于所述第一车辆定损价格与所述第二车辆定损价格，确定出目标车辆定损价格，包括：计算所述第一车辆定损价格与所述第二车辆定损价格的差值；判断所述差值的绝对值是否大于预设阈值；若所述差值的绝对值大于所述预设阈值，向审核客户端发送预警提示，所述预警提示用于提示所述审核客户端对所述第一车辆定损价格进行审核，并根据所述第一车辆定损价格与所述第二车辆定损价格，确定目标车辆定损价格；接收所述审核客户端发送的所述目标车辆定损价格；若所述差值的绝对值等于或小于所述预设阈值，将所述第一车辆定损价格或所述第二车辆定损价格作为所述目标车辆定损价格。
本申请实施例的第二方面提供了一种车辆定损装置，所述车辆定损装置包括：接收模块，用于接收定损员客户端上传的事故车辆的车辆定损信息，所述车辆定损信息包括所述事故车辆的目标车辆信息与第一车辆定损价格；第一定损模块，用于基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，所述目标车辆定损模型是按照预设模型训练策略训练得到的；第二定损模块，用于基于所述第一车辆定损价格与所述第二车辆定损价格，确定出目标车辆定损价格。
本申请实施例的第三方面提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述车辆定损方法。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述车辆定损方法。
本申请实施例第一方面提供的一种车辆定损方法，在对事故车辆进行车辆定损的过程中，车辆定损员通过定损员客户端将车辆定损信息上传至服务端，其中车辆定损信息包括事故车辆的目标车辆信息与车辆定损员预估的第一车辆定损价格。然后服务端通过按照预设模型训练策略训练得到的目标车辆定损模型与目标车辆信息计算出事故车辆的第二车辆定损价格。服务端最终通过综合车辆定损员预估的第一车辆定损价格与目标车辆定损模型计算的第二车辆定损价格，确定出目标车辆定损价格，克服了仅依赖车辆定损员对事故车辆进行车辆定损，造成的保险公司额外的成本支出，实现了对事故车辆更精确的车辆定损，从而提高了车辆定损效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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是本申请实施例提供的车辆定损方法的应用环境示意图；
图2是本申请实施例提供的车辆定损方法的实现流程示意图；
图3是本申请另一实施例提供的车辆定损方法的实现流程示意图；
图4是本申请实施例提供的车辆定损装置的结构示意图；
图5是本申请实施例提供的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参阅图1所示，为本申请实施例提供的车辆定损方法的应用环境示意图，如图1所示，本申请实施例提供的车辆定损方法，可应用在如图1的应用环境中，车辆定损员对事故车辆进行估损，确定出车辆定损信息后，通过定损员客户端将事故车辆的车辆定损信息上传至服务端，服务端接收定损员客户端上传的车辆定损信息，并对车辆定损信息进行解析，得到事故车辆的目标车辆信息与第一车辆定损价格。服务端基于目标车辆定损模型与目标车辆信息，计算出第二车辆定损价格，最后服务端基于第一车辆定损价格与第二车辆定损价格确定出最终的目标车辆定损价格。通过综合车辆定损员预估的第一车辆定损价格与通过目标车辆定损模型计算出的第二车辆定损价格，最终确定出事故车辆的目标车辆定损价格，实现了对事故车辆更精确的车辆定损，从而提高了车辆定损效率。其中，定损员客户端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑、便携式可穿戴设备中的应用程序及网页浏览器。服务端可以用独立的服务器或者是多个服务器组成的服务器集群，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
本申请实施例提供的车辆定损方法可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
在本申请的一个实施例中，还可以是由具备存储器、处理器以及存储在存储器中并可在处理器上运行的计算机可读指令的终端实现上述车辆定损过程。
请参阅图2，图2所示为本申请实施例提供的车辆定损方法的实现流程图，以该方法应用在图1中的服务端为例进行说明，包括如下步骤：
S11：接收定损员客户端上传的事故车辆的车辆定损信息，所述车辆定损信息包括所述事故车辆的目标车辆信息与第一车辆定损价格。
在步骤S11中，定损员客户端是指面向车辆定损员的程序。定损员登录定损员客户端，通过定损员客户端与服务端进行信息交互。车辆定损信息是指涉及事故车辆，以及事故车辆定损相关的信息，包括目标车辆信息与第一车辆定损价格。其中，目标车辆信息至少包括事故车辆的车辆品牌、车辆编号、车辆车系、车辆定损项目、车辆车损险保额、车辆维修时间、车辆修理厂编号、车辆修理厂类型、车辆修理厂所在的地理位置及车辆修理厂历史维修价格。第一车辆定损价格是指车辆定损员根据专业经验与目标车辆信息对事故车辆对应车辆定损项目进行估损得到的车辆定损价格。
在本实施例中，当被保险车辆发生事故时，首先由车辆定损员前往事故现场，根据专业经验对事故车辆进行初步估损，确定出车辆定损项目与车辆定损项目对应的第一车辆定损价格。然后车辆定损员登录对应的定损员客户端，将事故车辆的目标车辆信息与第一车辆定损价格发送至服务端。由于不同专业经验的车辆定损员，对事故车辆的车辆定损项目预测出的第一车辆定损价格不同，容易出现车辆定损价格虚高的情况，因此需要服务端进一步的进行综合判断处理，确定出较精确地车辆定损价格，以减少保险公司的额外支出，提高车辆定损效率。
步骤S12：基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格；所述目标车辆定损模型是按照预设模型训练策略训练得到的。
在步骤S12中，目标车辆定损模型为预先训练的深层网络学习模型，能够根据事故车辆对应的目标车辆信息预测出车辆定损价格。预设模型训练策略能够表征目标车辆定损模型的训练样本特征及目标车辆定损模型的获取过程。第二车辆定损价格为通过目标车辆定损模型预测出的事故车辆对应车辆定损项目的车辆定损价格。
在本实施例中，服务端接收到定损员客户端发送的车辆定损信息，对车辆定损信息进行解析，读取车辆定损信息中的目标车辆信息与第一车辆定损价格。由于目标车辆定损模型是以影响车辆定损价格的不同车辆的车辆信息为特征进行学习训练得到深层网络模型，因此将事故车辆的车辆定损信息输入目标车辆定损模型，目标车辆定损模型能够根据目标车辆信息预测出事故车辆的车辆定损价格，将目标车辆模型预测出的车辆定损价格作为第二车辆定损价格。可以利用目标车辆模型预测出的第二车辆定损价格来评估车辆定损员确定的第一车辆定损价格是否合理。
在本申请的一个实施例中，所述基于目标车辆定损模型与事故车辆的目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，包括：读取所述目标车辆信息中的车辆定损项目；判断所述车辆定损项目与预设车辆定损项目列表是否匹配；若确定所述车辆定损项目与预设车辆定损项目列表匹配，利用所述目标车辆定损模型对所述事故车辆进行车辆定损，得到第二车辆定损价格；若确定所述车辆定损项目与预设车辆定损项目列表不匹配，退出车辆定损流程。
在本实施例中，车辆定损项目包括维修工时项目与非维修工时项目。其中，维修工时项目是指按工时计费的车辆维修项目，例如喷漆、钣金等。预设车辆定损项目列表包含维修工时项目信息。服务端利用目标车辆定损模型对事故车辆进行车辆定损，也即利用目标车辆定损模型预估事故车辆的维修工时项目对应的维修价格。因此，在对事故车辆进行车辆定损的过程中，服务端需要先判断目标车辆信息中的车辆定损项目是否为维修工时项目，对于确定为维修工时项目的车辆定损项目，计算该车辆定损项目对应的车辆定损价格。
在本申请的一个实施例中，服务端对目标车辆信息进行解析，读取目标车辆信息中的车辆定损项目。由于预设车辆定损项目列表包含维修工时项目信息，因此服务端将读取到的车辆定损项目与预设车辆定损项目列表进行匹配，通过判断车辆定损项目与预设车辆定损项目列表是否匹配，来判断车辆定损项目是否是维修工时项目。服务端若确定车辆定损项目与预设车辆定损项目列表匹配，即确定车辆定损项目为维修工时项目，服务端则利用目标车辆定损模型对事故车辆进行车辆定损，预测该车辆定损项目对应的维修价格，从而确定第二车辆定损价格。服务端若确定车辆定损项目与预设车辆定损项目列表不匹配，即确定车辆定损项目为非维修工时项目，服务端则退出车辆定损流程。
在本申请的一个实施例中，第二车辆定损价格是指利用目标车辆定损模型对事故车辆单个车辆定损项目(确定为维修工时项目时)预测的车辆定损价格。在实际应用场景中，事故车辆的目标车辆信息可能包括多个维修工时项目，此时，可以利用目标车辆定损模型对每一维修工时项目的车辆定损价格进行预测，得到多个第二车辆定损价格。每一维修工时项目对应一个第一车辆定损价格。根据每一维修工时项目对应的第一车辆定损价格与第二车辆定损价格，确定出各个维修工时项目对应的目标车辆定损价格。
在本申请的一个实施例中，目标车辆定损模型包括目标参数；所述目标参数用于表征所述目标车辆信息与所述第二车辆定损价格的相关程度；所述基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，包括：构建所述目标车辆信息对应的目标特征向量；根据所述目标参数与所述目标特征向量，计算得到所述第二车辆定损价格。
在本实施例中，训练车辆定损模型是指利用已有的车辆品牌，车辆车系，维修工时项目，社会平均工资，车辆车损险保额，修理厂类型，修理厂对维修工时项目的历史车辆定损价格等车辆信息作为训练车辆定损模型时的模型数据特征，进行模型训练，使得车辆定损模型拟合车辆信息的规律，确定车辆定损模型中的目标参数。由于不同的模型数据特征可能对应着不同模型参数，因此目标车辆定损模型对应的目标参数包括至少一个模型参数。目标车辆定损模型中的目标参数表征目标车辆信息中各个数据特征与目标车辆定损模型预测的第二车辆定损价格的相关程度。在利用目标车辆定损模型对事故车辆进行车辆定损的过程中，服务端在确定目标车辆信息中的车辆定损项目为维修工时项目时，先利用目标车辆定损模型将目标车辆信息中各个模型数据特征转化为对应的目标特征向量，然后利用目标车辆定损模型根据训练得到的目标参数与目标特征向量进行卷积计算，从而计算出事故车辆的车辆定损项目对应的第二车辆定损价格。
步骤S13：基于所述第一车辆定损价格与所述第二车辆定损价格，确定出目标车辆定损价格。
在步骤S13中，目标车辆定损价格为最终确定的事故车辆的车辆定损价格，也即保险公司确认针对于事故车辆确定理赔的价格。
在本实施例中，第一车辆定损价格是指车辆定损员对该车辆定损项目进行定损价格预测得到的车辆定损价格。第二车辆定损价格是指服务端利用目标车辆定损模型对该车辆定损项目进行定损价格预测得到的车辆定损价格。为了避免由于车辆定损员专业经验不统一，造成保险公司额外成本支出，服务端综合比较目标车辆定损模型预测出的较精确的第二车辆定损价格与车辆定损员预测的第一车辆定损价格，确定出目标车辆定损价格作为事故车辆对应车辆定损项目的最终车辆定损价格，而不仅依赖车辆定损员对事故车辆进行车辆定损，提高了车辆定损效率。
在本申请的一个实施例中，基于所述第一车辆定损价格与所述第二车辆定损价格，确定出目标车辆定损价格，包括：计算所述第一车辆定损价格与所述第二车辆定损价格的差值；判断所述差值的绝对值是否大于预设阈值；若所述差值的绝对值大于所述预设阈值，向审核客户端发送预警提示，所述预警提示用于提示所述审核客户端对所述第一车辆定损价格进行审核，并根据所述第一车辆定损价格与所述第二车辆定损价格，确定目标车辆定损价格；接收所述审核客户端发送的所述目标车辆定损价格；若所述差值的绝对值等于或小于所述预设阈值，将所述第一车辆定损价格或所述第二车辆定损价格作为所述目标车辆定损价格。
在本实施例中，由于车辆定损员的专业经验参差不一，车辆定损员预测出的第一车辆定损价格可能过高或过低。服务端以目标车辆定损模型预测出的第二车辆定损价格为参考标准，对车辆定损员预测出的第一车辆定损价格进行评估。具体地，服务端通过判断第一车辆定损价格与第二车辆定损价格的差值的绝对值是否大于预设阈值，来判断第一车辆定损价格是否合理。其中，预设阈值根据经验值设定。服务端若确定出第一车辆定损价格与第二车辆定损价格差值的绝对值大于预设阈值，也即服务端确定出第一车辆定损价格存在过高或过低，服务端则向审核客户端发送预警提示，以提示审核客户端对第一车辆定损价格进行二次审核，并根据第一车辆定损价格与第二车辆定损价格，确定目标车辆定损价格。其中，审核客户端是直面向审核定损员的程序。审核客户端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑、便携式可穿戴设备及网页浏览器。服务端若确定第一车辆定损价格与第二车辆定损价格差值的绝对值等于或小于所述预设阈值，即确定第一车辆定损价格为较为精确的车辆定损价格，服务端则将第一车辆定损价格或第二车辆定损价格作为目标车辆定损价格。
在本申请的一个实施例中，服务端还可以通过判断计算第一车辆定损价格与所述第二车辆定损价格差值与第二车辆定损价格的比值大小是否大于预设比值阈值来确定目标车辆定损价格，其中预设比值阈值根据经验值设定，可以取30％、15％等。
本申请实施例第一方面提供的一种车辆定损方法，在对事故车辆进行车辆定损的过程中，车辆定损员通过定损员客户端将车辆定损信息上传至服务端，其中车辆定损信息包括事故车辆的目标车辆信息与车辆定损员预估的第一车辆定损价格。然后服务端通过按照预设模型训练策略训练得到的目标车辆定损模型与目标车辆信息计算出事故车辆的第二车辆定损价格。服务端最终通过综合比较车辆定损员预估的第一车辆定损价格与目标车辆定损模型计算的第二车辆定损价格，确定出目标车辆定损价格，克服了仅依赖车辆定损员对事故车辆进行车辆定损，造成的保险公司额外的成本支出，实现了对事故车辆更精确的车辆定损，从而提高了车辆定损效率。
请参阅图3所示，为本申请另一实施例提供的车辆定损方法的实现流程示意图，如图3所示，在步骤S12之前，还包括步骤S21～S23，具体内容如下：
S21：利用预设年份段的社会平均工资数据训练第一社会平均工资预估模型，得到第一目标社会平均工资预估模型，并根据所述第一目标社会平均工资预估模型，确定所述预设年份段中各个预设年份的第一社会平均工资预测值。
在步骤S21中，预设年份段可以是事故车辆进行车辆定损时所在年份之前的任意年份段，例如对事故车辆进行车辆定损时的年份是2022年，那么预设年份段可以取2022年之前的任意年份段，可以是连续的年份段，例如预设年份段为2000年至2020年，也可以是不连续的多个年份段，例如预设年份段为2000年至2005年，2007年至2020年。其中，预设年份段的社会平均工资数据可以通过爬虫技术抓取。第一社会平均工资模型可以采用阻滞增长模型，对应地，第一目标社会平均工资预估模型为训练完毕的阻滞增长模型。
在本实施例中，对第一社会平均工资模型进行训练包括利用已有预设年份段的社会平均工资数据使得社会平均工资模型拟合预设年份段的社会平均工资数据的规律，确定社会平均工资模型中的参数，其中，参数可以是社会平均工资的固有增长率。利用预设年份段的社会平均工资数据训练第一社会平均工资预估模型，得到第一目标社会平均工资预估模型可以是无监督的模型训练，也可以是有监督的模型训练。
以无监督的模型训练为例，预设年份段的社会平均工资数据没有标注，将预设年份段中各个预设年份的社会平均工资数据依次输入至第一社会平均工资预估模型，由第一社会平均工资预估模型逐步识别各个预设年份的社会平均工资数据之间的关联和潜在规则，优化第一社会平均工资预估模型中的参数，直到第一社会平均工资预估模型可以用于判断或识别输入的数据的类型或特征，训练完成，得到第一目标社会平均工资预估模型。利用第一目标社会平均工资预估模型能够预测任一年份的社会平均工资，得到社会平均工资预测值。
在本申请的一个实施例中，所述根据所述第一目标社会平均工资预估模型，确定所述预设年份段中各个预设年份的第一社会平均工资预测值，包括：按照下式计算各个所述预设年份的第一社会平均工资预测值：
式中，x0表示所述预设年份段中基础年份的第一社会平均工资预测值；t表示所述预设年份与所述基础年份的差值大小；x(t)表示所述预设年份的第一社会平均工资预测值；xm表示社会平均工资预估峰值；r表示社会平均工资固有增长率，所述社会平均工资固有增长率是利用所述预设年份段的社会平均工资数据对所述第一社会平均工资预估模型训练得到的。
在本实施例中，预设年份段中基础年份是指预设年份段中的起始年份。例如预设年份段2000年-2020年，那么2000年即基础年份。社会平均工资预估峰值是指人为预估的在持续的一段时间中社会平均工资能够达到的一个峰值，可以根据经验设定。在本申请的一个实施例中，上述公式可以用于计算预设年份段之后任意年份的社会平均工资预测值。
S22：利用各个所述预设年份的经济活动变化数据与所述第一社会平均工资预测值训练第二社会平均工资预估模型，得到第二目标社会平均工资预估模型，并根据所述第二目标社会平均工资预估模型，确定各个所述预设年份的第二社会平均工资预测值。
在步骤S22中，经济活动变化数据是指进行经济活动产生的数据，可以是消费者价格指数、地区生产总值指数等等，可以通过爬虫技术抓取经济活动变化数据。第二社会平均工资预估模型可以是基于分布式梯度提升框架(LightGradient Boosting Machine，LightGBM)的回归模型。第二社会平均工资预估模型作为社会平均工资修正模型，利用训练得到的第二目标社会平均工资预估模型，确定的各个所述预设年份的第二社会平均工资预测值相较于第一社会平均工资预测值更加精确。
在本实施例中，由于第一社会平均工资预估模型的训练数据仅与预设年份段的社会平均工资数据相关，而并未考虑每年经济活动变化对社会平均工资数据的实际影响，因此采用训练得到的第一目标社会平均工资预估模型预测的社会平均工资预测值与实际社会平均工资误差较大，预测值不准确。本实施例采集预设年份段的经济活动变化数据，通过将各个预设年份的经济活动变化数据与第一社会平均工资预测值作为训练集，训练第二社会平均工资预估模型，将训练得到的第二目标社会平均工资预估模型作为社会平均工资修正模型，预测出各个预设年份的第二社会平均工资预测值。第二社会平均工资预测值相较于第一社会平均工资预测值与实际社会平均工资误差较小，精确度较高。其中，第二目标社会平均工资预估模型同样可以用于预测预设年份段之后任意年份的社会平均工资数据。
在本申请的一个实施例中，根据所述第二目标社会平均工资预估模型，确定各个所述预设年份的第二社会平均工资预测值，包括：按照下式计算各个所述预设年份的第二社会平均工资预测值：
y(t)＝a1*x(t)+a2*x1(t)+a3*x2(t)；
式中，t表示所述预设年份与所述基础年份的差值大小；y(t)表示所述预设年份的第二社会平均工资预测值；x(t)表示所述预设年份的第一社会平均工资预测值；x1(t)表示所述预设年份的所述消费者价格指数；x2(t)表示所述预设年份的所述地区生产总值指数；a1、a2、a3表示回归系数，a1、a2、a3的值是利用各个所述预设年份的经济活动变化数据与所述第一社会平均工资预测值对第二社会平均工资预估模型训练得到的。
在本实施例中，y(t)在本方案中表示所述预设年份的第二社会平均工资预测值，实际可以表征第二社会平均工资预测值，可以通过上述公式计算预设年份段之后的任意年份的社会平均工资预测值。a1表示第一社会平均工资预测值与第二社会平均工资预测值的相关关系、a2表示消费者价格指数与第二社会平均工资预测值的相关关系、a3表示地区生产总值指数与第二社会平均工资预测值的相关关系。在利用各个预设年份的经济活动变化数据与第一社会平均工资预测值训练第二社会平均工资预估模型的过程中，拟合回归公式y＝a1*
x(t)+a2*x1(t)+a3*x2(t)，确定出a1、a2、a3的值，其中回归公式中y表示对应各个预设年份的实际社会平均工资数据。
S23：基于预设训练数据集与各个所述预设年份的所述第二社会平均工资预测值训练初始车辆定损模型，得到所述目标车辆定损模型。
在步骤S23中，所述预设训练数据集至少包括不同样本车辆的样本车辆信息。样本车辆包括不同类型的车辆。样本车辆信息至少包括样本车辆的车辆品牌、车辆编号、车辆车系、维修工时项目、车辆车损险保额、车辆维修时间、车辆修理厂编号、车辆修理厂类型、车辆修理厂所在的地理位置及车辆修理厂对各个维修工时项目的历史车辆定损价格。
在本实施例中，通过加入不同样本车辆的样本车辆信息与各个预设年份的第二社会平均工资预测值作为特征训练初始车辆定损模型，综合考虑影响车辆定损项目对应车辆定损价格的影响因素，使得利用训练得到的目标车辆定损模型的预测值更精确。其中，可以采集车辆修理厂基于位置的服务(location basedservices，LBS)作为车辆修理厂所在的地理位置。在处理车辆修理厂对各个维修工时项目的历史车辆定损价格的特征时，可以将车辆修理厂对于不同车辆各个维修工时项目的历史平均维修价格作为不同车辆各个维修工时项目的历史车辆定损价格。若目标车辆信息中的车辆修理厂对于部分车辆的一些维修工时项目没有对应的历史车辆定损价格，则根据车辆修理厂的地理位置获取地理距离最近的附近车辆修理厂对于上述部分车辆的一些维修工时项目的历史车辆定损价格数据。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在本申请的一个实施例中，提供一种车辆定损装置400，该车辆定损装置与上述实施例中车辆定损方法一一对应。如图4所示，该车辆定损装置400包括接收模块401、第一定损模块402、第二定损模块403。各功能模块详细说明如下：
接收模块401，用于接收定损员客户端上传的事故车辆的车辆定损信息，所述车辆定损信息包括所述事故车辆的目标车辆信息与第一车辆定损价格；
第一定损模块402，用于基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，所述目标车辆定损模型是按照预设模型训练策略训练得到的；
第二定损模块403，用于基于所述第一车辆定损价格与所述第二车辆定损价格，确定出目标车辆定损价格。
所述车辆定损装置400还包括模型训练模块，所述模型训练模块用于利用预设年份段的社会平均工资数据训练第一社会平均工资预估模型，得到第一目标社会平均工资预估模型，并根据所述第一目标社会平均工资预估模型，确定所述预设年份段中各个预设年份的第一社会平均工资预测值；利用各个所述预设年份的经济活动变化数据与所述第一社会平均工资预测值训练第二社会平均工资预估模型，得到第二目标社会平均工资预估模型，并根据所述第二目标社会平均工资预估模型，确定各个所述预设年份的第二社会平均工资预测值，所述经济活动变化数据至少包括消费者价格指数、地区生产总值指数；基于预设训练数据集与各个所述预设年份的所述第二社会平均工资预测值训练初始车辆定损模型，得到所述目标车辆定损模型，所述预设训练数据集至少包括不同样本车辆的样本车辆信息。
其中，所述根据所述第一目标社会平均工资预估模型，确定所述预设年份段中各个预设年份的第一社会平均工资预测值，包括：按照公式 计算各个所述预设年份的第一社会平均工资预测值，式中，x0表示所述预设年份段中基础年份的第一社会平均工资预测值；t表示所述预设年份与所述基础年份的差值大小；x(t)表示所述预设年份的第一社会平均工资预测值；xm表示社会平均工资预估峰值；r表示社会平均工资固有增长率，所述社会平均工资固有增长率是利用所述预设年份段的社会平均工资数据对所述第一社会平均工资预估模型训练得到的。
其中，所述根据所述第二目标社会平均工资预估模型，确定各个所述预设年份的第二社会平均工资预测值，包括：按照公式y(t)＝a1*x(t)+a2*
x1(t)+a3*x2(t)计算各个所述预设年份的第二社会平均工资预测值，式中，t表示所述预设年份与所述基础年份的差值大小；y(t)表示所述预设年份的第二社会平均工资预测值；x(t)表示所述预设年份的第一社会平均工资预测值；
x1(t)表示所述预设年份的所述消费者价格指数；x2(t)表示所述预设年份的所述地区生产总值指数；a1、a2、a3表示回归系数，a1、a2、a3的值是利用各个所述预设年份的经济活动变化数据与所述第一社会平均工资预测值对第二社会平均工资预估模型训练得到的。
所述基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，包括：读取所述目标车辆信息中的车辆定损项目；判断所述车辆定损项目与预设车辆定损项目列表是否匹配；若确定所述车辆定损项目与预设车辆定损项目列表匹配，利用所述目标车辆定损模型对所述事故车辆进行车辆定损，得到第二车辆定损价格；若确定所述车辆定损项目与预设车辆定损项目列表不匹配，退出车辆定损流程。
其中，所述目标车辆定损模型包括目标参数，所述目标参数用于表征所述目标车辆信息与所述第二车辆定损价格的相关程度；所述基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，包括：利用目标车辆定损模型构建所述目标车辆信息对应的目标特征向量；利用目标车辆定损模型根据所述目标参数与所述目标特征向量，计算得到所述第二车辆定损价格。
第二定损模块403，用于计算所述第一车辆定损价格与所述第二车辆定损价格的差值；判断所述差值的绝对值是否大于预设阈值；若所述差值的绝对值大于所述预设阈值，向审核客户端发送预警提示，所述预警提示用于提示所述审核客户端对所述第一车辆定损价格进行审核，并根据所述第一车辆定损价格与所述第二车辆定损价格，确定目标车辆定损价格；接收所述审核客户端发送的所述目标车辆定损价格；若所述差值的绝对值等于或小于所述预设阈值，将所述第一车辆定损价格或所述第二车辆定损价格作为所述目标车辆定损价格。
关于车辆定损装置的具体限定可以参见上文中对于车辆定损方法的限定，在此不再赘述。上述车辆定损装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5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，该计算机设备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计算机可读存储介质、内存储器。该计算机可读存储介质存储有操作系统、计算机可读指令和数据库。该内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的数据库用于存储车辆定损方法所涉及的数据。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。该计算机可读指令被处理器执行时以实现一种车辆定损方法。本实施例所提供的计算机可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。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、显示屏和输入装置。其中，该计算机设备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计算机可读存储介质、内存储器。该计算机可读存储介质存储有操作系统和计算机可读指令。该内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的网络接口用于与外部服务器通过网络连接通信。该计算机可读指令被处理器执行时以实现一种车辆定损方法。本实施例所提供的计算机可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令，处理器执行计算机可读指令时实现以下步骤：
接收定损员客户端上传的事故车辆的车辆定损信息，所述车辆定损信息包括所述事故车辆的目标车辆信息与第一车辆定损价格；
基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，所述目标车辆定损模型是按照预设模型训练策略训练得到的；
基于所述第一车辆定损价格与所述第二车辆定损价格，确定出目标车辆定损价格。
在一个实施例中，提供了一个或多个存储有计算机可读指令的计算机可读存储介质，本实施例所提供的计算机可读存储介质包括非易失性可读存储介质和易失性可读存储介质。计算机可读存储介质上存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时实现以下步骤：
接收定损员客户端上传的事故车辆的车辆定损信息，所述车辆定损信息包括所述事故车辆的目标车辆信息与第一车辆定损价格；
基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，所述目标车辆定损模型是按照预设模型训练策略训练得到的；
基于所述第一车辆定损价格与所述第二车辆定损价格，确定出目标车辆定损价格。
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，是可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一非易失性可读取存储介质或易失性可读存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各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)、双数据率SDRAM(DDRSDRAM)、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。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种车辆定损方法，其特征在于，所述车辆定损方法包括：
接收定损员客户端上传的事故车辆的车辆定损信息，所述车辆定损信息包括所述事故车辆的目标车辆信息与第一车辆定损价格；
基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，所述目标车辆定损模型是按照预设模型训练策略训练得到的；
基于所述第一车辆定损价格与所述第二车辆定损价格，确定出目标车辆定损价格。
2.如权利要求1所述的车辆定损方法，其特征在于，在所述基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格的步骤之前，所述方法还包括：
利用预设年份段的社会平均工资数据训练第一社会平均工资预估模型，得到第一目标社会平均工资预估模型，并根据所述第一目标社会平均工资预估模型，确定所述预设年份段中各个预设年份的第一社会平均工资预测值；
利用各个所述预设年份的经济活动变化数据与所述第一社会平均工资预测值训练第二社会平均工资预估模型，得到第二目标社会平均工资预估模型，并根据所述第二目标社会平均工资预估模型，确定各个所述预设年份的第二社会平均工资预测值，所述经济活动变化数据至少包括消费者价格指数、地区生产总值指数；
基于预设训练数据集与各个所述预设年份的所述第二社会平均工资预测值训练初始车辆定损模型，得到所述目标车辆定损模型，所述预设训练数据集至少包括不同样本车辆的样本车辆信息。
3.如权利要求2所述的车辆定损方法，其特征在于，所述根据所述第一目标社会平均工资预估模型，确定所述预设年份段中各个预设年份的第一社会平均工资预测值，包括：
按照公式计算各个所述预设年份的第一社会平均工资预测值，式中，x0表示所述预设年份段中基础年份的第一社会平均工资预测值；t表示所述预设年份与所述基础年份的差值大小；x(t)表示所述预设年份的第一社会平均工资预测值；xm表示社会平均工资预估峰值；r表示社会平均工资固有增长率，所述社会平均工资固有增长率是利用所述预设年份段的社会平均工资数据对所述第一社会平均工资预估模型训练得到的。
4.如权利要求3所述的车辆定损方法，其特征在于，所述根据所述第二目标社会平均工资预估模型，确定各个所述预设年份的第二社会平均工资预测值，包括：
按照公式y(t)＝a1*x(t)+a2*x1(t)+a3*x2(t)计算各个所述预设年份的第二社会平均工资预测值，式中，t表示所述预设年份与所述基础年份的差值大小；y(t)表示所述预设年份的第二社会平均工资预测值；x(t)表示所述预设年份的第一社会平均工资预测值；x1(t)表示所述预设年份的所述消费者价格指数；x2(t)表示所述预设年份的所述地区生产总值指数；a1、a2、a3表示回归系数，a1、a2、a3的值是利用各个所述预设年份的经济活动变化数据与所述第一社会平均工资预测值对第二社会平均工资预估模型训练得到的。
5.如权利要求1所述的车辆定损方法，其特征在于，所述基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，包括：
读取所述目标车辆信息中的车辆定损项目；
判断所述车辆定损项目与预设车辆定损项目列表是否匹配；
若确定所述车辆定损项目与预设车辆定损项目列表匹配，利用所述目标车辆定损模型对所述事故车辆进行车辆定损，得到第二车辆定损价格；
若确定所述车辆定损项目与预设车辆定损项目列表不匹配，退出车辆定损流程。
6.如权利要求1-5任意一项所述的车辆定损方法，其特征在于，所述目标车辆定损模型包括目标参数，所述目标参数用于表征所述目标车辆信息与所述第二车辆定损价格的相关程度；所述基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，包括：
利用目标车辆定损模型构建所述目标车辆信息对应的目标特征向量；
利用目标车辆定损模型根据所述目标参数与所述目标特征向量，计算得到所述第二车辆定损价格。
7.如权利要求1所述的车辆定损方法，其特征在于，所述基于所述第一车辆定损价格与所述第二车辆定损价格，确定出目标车辆定损价格，包括：
计算所述第一车辆定损价格与所述第二车辆定损价格的差值；
判断所述差值的绝对值是否大于预设阈值；
若所述差值的绝对值大于所述预设阈值，向审核客户端发送预警提示，所述预警提示用于提示所述审核客户端对所述第一车辆定损价格进行审核，并根据所述第一车辆定损价格与所述第二车辆定损价格，确定目标车辆定损价格；
接收所述审核客户端发送的所述目标车辆定损价格；
若所述差值的绝对值等于或小于所述预设阈值，将所述第一车辆定损价格或所述第二车辆定损价格作为所述目标车辆定损价格。
8.一种车辆定损装置，其特征在于，所述车辆定损装置包括：
接收模块，用于接收定损员客户端上传的事故车辆的车辆定损信息，所述车辆定损信息包括所述事故车辆的目标车辆信息与第一车辆定损价格；
第一定损模块，用于基于目标车辆定损模型与所述目标车辆信息，对所述事故车辆进行车辆定损，得到第二车辆定损价格，所述目标车辆定损模型是按照预设模型训练策略训练得到的；
第二定损模块，用于基于所述第一车辆定损价格与所述第二车辆定损价格，确定出目标车辆定损价格。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时以实现权利要求1至7任意一项所述的车辆定损方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7任意一项所述的车辆定损方法。
CN202310497898.7A 2023-05-05 2023-05-05 车辆定损方法、车辆定损装置、设备及存储介质 Pending CN116757663A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310497898.7A CN116757663A (zh) 2023-05-05 2023-05-05 车辆定损方法、车辆定损装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310497898.7A CN116757663A (zh) 2023-05-05 2023-05-05 车辆定损方法、车辆定损装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116757663A true CN116757663A (zh) 2023-09-15

Family

ID=87946719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310497898.7A Pending CN116757663A (zh) 2023-05-05 2023-05-05 车辆定损方法、车辆定损装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116757663A (zh)

Similar Documents

Publication Publication Date Title
CN110400022B (zh) 自助柜员机现金用量预测方法及装置
US20140310059A1 (en) System , method and computer program forecasting energy price
KR20210030182A (ko) 인공지능 모델을 이용한 물류창고의 공실률 관리 방법 및 장치
KR102453582B1 (ko) Ai 수요 예측 방법 및 시스템
WO2021004324A1 (zh) 资源数据的处理方法、装置、计算机设备和存储介质
CN108734591A (zh) 欺诈案件的评估方法、装置、存储介质及终端
US20210350337A1 (en) Systems and methods for managing populations of utility poles
CN110415036B (zh) 用户等级的确定方法、装置、计算机设备和存储介质
CN111738504A (zh) 企业财务指标资金量预测方法和装置、设备及存储介质
CN117252564A (zh) 资源调度方法、装置、计算机设备及存储介质
CN117196322B (zh) 智能风控方法、装置、计算机设备及存储介质
CN110826867B (zh) 车辆管理方法、装置、计算机设备和存储介质
CN117237085A (zh) 一种信息处理方法、设备及计算机可读存储介质
CN116843483A (zh) 一种车险理赔方法、装置、计算机设备及存储介质
CN112308293A (zh) 违约概率预测方法及装置
US20140297334A1 (en) System and method for macro level strategic planning
CN116757663A (zh) 车辆定损方法、车辆定损装置、设备及存储介质
CN115271531A (zh) 数据处理方法、装置、设备及存储介质
CN113743994A (zh) 一种供应商的旺季预测方法、系统、设备及存储介质
Liu A study of short-term forecasting of raw material prices using a combined LSTM-ARIMA model
CN114548463A (zh) 线路信息预测方法、装置、计算机设备和存储介质
CN113837435B (zh) 用电负荷估计方法、装置和终端设备
CN118195280B (zh) 基于集成嵌套模型的整合式任务调度方法、系统及装置
CN116862561B (zh) 基于卷积神经网络的产品热度分析方法和系统
CN117993879B (zh) 一种基于机器学习模型对考勤异常的预测及处理方法

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