KR20220111235A - 사고 성향에 기반하여 운전자를 평가하는 방법, 장치 및 프로그램 - Google Patents

Abstract

컴퓨터에 의하여 수행되는 방법에 있어서, 제1 운전자에 대하여 기록된 데이터를 획득하는 단계, 상기 획득된 데이터로부터 하나 이상의 사고 데이터를 추출하는 단계, 상기 하나 이상의 사고 데이터에 기반하여 상기 제1 운전자에 대한 하나 이상의 사고 성향을 판단하는 단계 및 상기 제1 운전자의 사고 성향에 기반하여 상기 제1 운전자에 대한 평가정보를 획득하는 단계를 포함하는, 사고 성향에 기반하여 운전자를 평가하는 방법이 개시된다.

Description

사고 성향에 기반하여 운전자를 평가하는 방법, 장치 및 프로그램 {METHOD, APPARATUS AND PROGRAM FOR EVALUATING DRIVERS BASED ON ACCIDENT TENDENCY}

본 발명은 사고 성향에 기반하여 운전자를 평가하는 방법에 관한 것이다.

자동차 보험에 있어서 운전자가 사고를 일으킬 확률과, 이에 따른 배상액을 추정하는 것은 매우 중요하다. 이는 보험 상품의 수익과 직결되며, 이에 대한 예상이 잘못되는 경우 적자가 발생할 수도 있다.

보험사에서는 다양한 방법으로 이를 추정하여 운전자별로 보험금을 결정하는 데 활용하고 있으며, 주로 각 운전자의 개인정보와 차종, 사고여부를 참조한다. 최근에는 운전자의 운전성향에 대한 정보를 수집하여, 이에 기반한 분석을 수행하는 경우도 있다.

또한, 보험사 및 보험 관리업체에서는 전산시스템을 활용하여 보험 가입자 및 보험상품에 대한 정보를 관리하는데, 전산시스템에 오류나 누락이 발생하는 경우 큰 문제가 발생할 수 있으므로, 이를 방지하기 위한 수단의 마련이 요구된다.

나아가, 전산시스템에 기록된 정보에 기반하여 다양한 통계분석을 수행할 수 있도록 하고, 기존과는 상이한 기준에 의거하여 운전자를 평가할 수 있도록 하는 기술의 개발이 요구되고 있다.

본 발명이 해결하고자 하는 과제는 사고 성향에 기반하여 운전자를 평가하는 방법을 제공하는 것이다.

본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 사고 성향에 기반하여 운전자를 평가하는 방법은, 제1 운전자에 대하여 기록된 데이터를 획득하는 단계, 상기 획득된 데이터로부터 하나 이상의 사고 데이터를 추출하는 단계, 상기 하나 이상의 사고 데이터에 기반하여 상기 제1 운전자에 대한 하나 이상의 사고 성향을 판단하는 단계 및 상기 제1 운전자의 사고 성향에 기반하여 상기 제1 운전자에 대한 평가정보를 획득하는 단계를 포함할 수 있다.

또한, 상기 사고 성향은, 상기 제1 운전자의 사고여부, 사고빈도 및 사고의 내용에 대한 정보를 포함하는 것을 특징으로 할 수 있다.

또한, 상기 사고 성향은, 상기 제1 운전자의 평균 과실률, 사고주기, 경과년손해액, 고액사고건수, 중대사고건수, 범칙금정보, 사고장소이격도 및 심야사고도 중 적어도 하나를 포함하고, 상기 평균 과실률은, 상기 제1 운전자가 운행중에 발생한 사고건들의 과실률의 평균에 기반하여 획득되고, 상기 사고주기는, 상기 제1 운전자의 계약경과 기간 대비 사고건수에 기반하여 획득되고, 상기 경과년손해액은, 상기 제1 운전자의 계약경과 기간 대비 총 손해액에 기반하여 획득되고, 상기 고액사고건수는, 기 설정된 기준을 초과하는 고액사고 건수에 기반하여 획득되고, 상기 중대사고건수는, 기 설정된 항목에 해당하는 중대사고의 수를 의미하고, 상기 범칙금정보는, 기 설정된 항목에 해당하는 범칙금 횟수 및 그 내용을 포함하고, 상기 사고장소이격도는, 상기 제1 운전자와 연관된 사고들의 사고발생 순서에 따라 각각의 이격도를 산출한 결과에 기반하여 획득되고, 상기 심야사고도는, 기 설정된 심야시간에 발생한 사고에 대한 정보를 포함할 수 있다.

또한, 상기 평가정보를 획득하는 단계는, 상기 제1 운전자에 대한 사고 성향에 기반하여 상기 제1 운전자에 대한 평가점수를 산출하는 단계를 더 포함하고, 상기 평가점수는, 상기 제1 운전자의 평균 과실률, 사고주기, 경과년손해액, 고액사고건수, 중대사고건수, 범칙금정보, 사고장소이격도 및 심야사고도 중 적어도 하나에 대하여 기 설정된 채점기준에 기반하여 산출된 점수와, 상기 제1 운전자의 개인정보에 기반하여 산출된 점수를 종합하여 획득되는 것을 특징으로 할 수 있다.

또한, 기 설정된 심층경보 항목에 대한 정보를 획득하는 단계, 상기 제1 운전자에 대한 정보에 상기 심층경보 항목에 해당하는 하나 이상의 항목이 있는지 여부를 탐색하는 단계 및 상기 제1 운전자에 대한 정보로부터 상기 심층경보 항목에 해당하는 하나 이상의 항목이 탐색되는 경우, 이에 대응하는 알림을 제공하는 단계를 더 포함할 수 있다.

또한, 상기 평가정보를 획득하는 단계는, 상기 제1 운전자의 사고 성향에 대한 정보로부터 하나 이상의 파라미터를 추출하는 단계, 상기 추출된 파라미터를 기 학습된 인공지능 모델에 입력하는 단계 및 상기 인공지능 모델의 출력으로부터, 상기 제1 운전자에 대한 예상 손해액을 산출하는 단계를 더 포함할 수 있다.

또한, 상기 예상 손해액을 산출하는 단계는, 상기 제1 운전자의 사고횟수를 예측하는 단계, 상기 제1 운전자의 사고 유형을 예측하는 단계, 상기 제1 운전자의 사고 유형에 따른 예상비용을 산출하는 단계 및 상기 제1 운전자의 사고횟수 및 예상비용에 기초하여, 상기 제1 운전자에 대한 예상 손해액을 산출하는 단계를 포함할 수 있다.

또한, 예상 손해액 산출과 관련된 하나 이상의 법 또는 규정의 개정정보를 획득하는 단계, 상기 인공지능 모델의 학습에 사용된 학습 데이터를 획득하는 단계, 상기 학습 데이터의 내용을 상기 개정정보에 기초하여 수정하는 단계, 상기 개정정보가 반영된 학습 데이터를 증강시키는 단계 및 상기 수정 및 증강된 학습 데이터를 이용하여 상기 인공지능 모델을 재학습시키는 단계를 더 포함할 수 있다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 장치는, 하나 이상의 인스트럭션을 저장하는 메모리 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 개시된 실시 예에 따른 사고 성향에 기반하여 운전자를 평가하는 방법을 수행한다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 컴퓨터프로그램은, 하드웨어인 컴퓨터와 결합되어, 개시된 실시 예에 따른 사고 성향에 기반하여 운전자를 평가하는 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된다.

본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

개시된 실시 예에 따르면, 사고 횟수나 사고 여부, 배상액 등의 단순한 지표뿐 아니라, 사고 성향이라는 구체적인 요소들에 기반하여 운전자를 평가할 수 있도록 하는 방법을 제공하는 차별화된 효과가 존재한다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 일 실시 예에 따른 시스템을 도시한 도면이다.
도 2는 일 실시 예에 따른 자동차보험의 계약관리 및 이를 위한 오류 및 누락 검증방법을 도시한 흐름도이다.
도 3은 갱신건의 오류를 검증하는 화면의 일 예를 도시한 도면이다.
도 4는 분납건의 오류를 검증하는 화면의 일 예를 도시한 도면이다.
도 5는 실적기반 검증화면의 일 예를 도시한 도면이다.
도 6은 자료의 누락여부를 검증하는 화면의 일 예를 도시한 도면이다.
도 7은 일 실시 예에 따른 통계분석 방법을 도시한 흐름도이다.
도 8 및 도 9는 계약유형에 따른 통계정보 검색 및 이에 따른 통계정보를 제공하는 화면의 일 예를 도시한 도면이다.
도 10 및 도 11은 사고형태에 따른 통계정보 검색 및 이에 따른 통계정보를 제공하는 화면의 일 예를 도시한 도면이다.
도 12는 일 실시 예에 따라 사고성향에 기반하여 운전자를 평가하는 방법을 도시한 흐름도이다.
도 13은 일 실시 예에 따른 인공지능 모델의 학습방법을 도시한 도면이다.
도 14는 일 실시 예에 따른 장치의 구성도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.

본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.

본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.

도 1은 일 실시 예에 따른 시스템을 도시한 도면이다.

도 1을 참조하면, 개시된 실시 예에 따른 방법을 수행하는 서버(100)와, 보험사 서버(10), 관리단말(20) 및 사용자 단말(30)이 도시되어 있다.

개시된 실시 예에 따른 방법들은 서버(100) 및 관리단말(20)에 의하여 수행될 수 있으며, 개시된 실시 예에 따른 방법에 포함되는 단계들의 적어도 일부 또는 전부가 서버(100) 및 관리단말(20)에서 각각 수행되거나, 서로 다른 단계들을 나누어서 수행할 수도 있다.

단, 이는 예시로서 개시되는 것이고, 개시된 실시 예에 따른 방법의 주체는 이에 제한되지 않는다.

관리단말(20) 및 서버(100)는 자동차 보험을 중개 및 관리하는 업체가 운영하는 단말 및 서버를 의미할 수 있다. 개시된 실시 예에 따른 방법은 관리단말(20) 및 서버(100)에 의하여 수행되며, 자동차 보험을 중개 및 관리하기 위한 방법에 관한 것이나, 반드시 이에 제한되는 것은 아니다.

보험사 서버(10)는 서버(100)에 의하여 관리되는 보험 서비스를 제공하는 보험사의 서버로서, 보험 상품에 대한 정보와 보험 가입자에 대한 정보, 보험 가입 이후의 관리정보 등을 저장한다.

서버(100) 또한 보험 상품에 대한 정보와 보험 가입자에 대한 정보, 보험 가입 이후의 관리정보 등을 저장하며, 이는 사용자 단말(30), 관리단말(20) 등으로부터 획득되거나, 서버(100)에 의하여 생성되어 관리될 수도 있고, 보험사 서버(10)로부터 획득하여 관리될 수도 있다.

서버(100)는 단말로부터 입력되거나 보험사 서버로부터 획득되는 정보를 오류나 누락없이 관리하여야 하며, 따라서 이를 위한 검증방법 및 인터페이스를 제공할 필요가 있다.

즉, 서버(100)는 보험사와 별도로 자체 전산시스템을 보유하며, 이를 활용하여 보험사 전산시스템보다 더 체계적이고 관리 및 열람이 용이한 시스템을 제공할 수 있다.

단, 자체 전산시스템을 운영함에 따라 보험사의 전산과 차이가 발생할 수 있으며, 이를 없애거나 최소화할 수 있도록 소정의 주기로(예를 들어, 매달) 보험사의 전산시스템과 자체 전산시스템 간의 오류를 검증하고, 이에 따라 오류나 누락이 발생하지 않도록 관리할 수 있다.

또한, 자동차보험의 경우 1년마다 갱신되는 시스템을 가지고 있으므로 갱신건을 관리하기 위한 수단이 필요하며, 갱신시 변경사항을 반영하여야 한다. 이러한 갱신단계에서의 오류나 누락을 방지하기 위한 시스템이 함께 제공될 필요가 있다.

이하에서는, 도 2 내지 도 6을 참조하여 다양한 방법으로 자동차 보험과 관련된 정보를 관리 및 검증하는 방법에 대하여 구체적으로 설명한다.

도 2는 일 실시 예에 따른 자동차보험의 계약관리 및 이를 위한 오류 및 누락 검증방법을 도시한 흐름도이다.

단계 S110에서, 컴퓨터는 갱신건에 대한 오류검증단계를 수행한다.

*도 3을 참조하면, 갱신건의 오류를 검증하는 화면의 일 예가 도시되어 있다. 도 3에 도시된 검색부(210)를 참조하면, 보험사, 검증유무, 오류상태, 기준년월 등에 기반하여 데이터 검색이 가능한 검색 필드가 포함되어 있다.

또한, 도 3에 도시된 검증부(212)를 참조하면, 특히 차량번호, 보험사 및 보험종기에 대한 내용을 검증하기 위한 필드가 포함되어 있다.

일 실시 예에서, 컴퓨터는 자체 전산시스템을 토대로 보험사 전산시스템의 내용을 비교함으로써 차량번호, 보험사 및 보험종기를 포함하는 내용을 비교하여 잘못된 부분을 검증할 수 있다.

또한, 컴퓨터는 반대로 보험사 전산시스템을 토대로 자체 전산시스템의 차량번호, 보험사 및 보험종기를 비교하여 잘못된 부분을 검증하며, 수정할 수 있다.

자동차 보험의 갱신에 있어서 가장 중요한 것은 보험 종기를 놓치지 않는 것이며, 각 보험건의 차량번호 및 보험사를 정확하게 확인하는 것이다.

따라서, 도 3에 도시된 화면을 참조하면 차량번호, 보험사 및 보험 종기를 교차검증하는 구성이 도시되어 있으며, 이외에도 다양한 요소에 대한 교차검증을 통해 자동차 보험 갱신건의 오류검증을 수행할 수 있음은 물론이다.

단계 S120에서, 컴퓨터는 분납건의 오류를 검증한다.

도 4를 참조하면, 분납건의 오류를 검증하는 화면의 일 예가 도시되어 있다. 도 4에 도시된 검색부(220)를 참조하면, 보험사, 검증유무, 오류상태, 기준년월 등에 기반하여 데이터 검색이 가능한 검색 필드가 포함되어 있다.

또한, 도 4에 도시된 검증부(222)를 참조하면, 특히 차량번호, 보험사, 회차 및 보험료에 대한 내용을 검증하기 위한 필드가 포함되어 있다.

일 실시 예에서, 컴퓨터는 자체 전산시스템을 토대로 보험사 전산시스템의 내용을 비교함으로써 차량번호, 보험사, 회차 및 보험료를 포함하는 내용을 비교하여 잘못된 부분을 검증할 수 있다.

또한, 컴퓨터는 반대로 보험사 전산시스템을 토대로 자체 전산시스템의 차량번호, 보험사, 회차 및 보험료를 비교하여 잘못된 부분을 검증하며, 수정할 수 있다.

자동차 보험의 분납관리에 있어서 가장 중요한 것은 분납 회차 및 보험료를 관리하는 것이며, 각 보험건의 차량번호 및 보험사를 정확하게 확인하는 것이다.

따라서, 도 4에 도시된 화면을 참조하면 차량번호, 보험사, 회차 및 보험료를 교차검증하는 구성이 도시되어 있으며, 이외에도 다양한 요소에 대한 교차검증을 통해 자동차 보험 분납건의 오류검증을 수행할 수 있음은 물론이다.

단계 S130에서, 컴퓨터는 보험사 실적정보에 기반한 검증을 수행한다.

도 5를 참조하면, 실적기반 검증화면의 일 예가 도시되어 있다. 도 5에 도시된 검색부(230)를 참조하면, 보험사, 검증유무, 오류상태, 기준년월 등에 기반하여 데이터 검색이 가능한 검색 필드가 포함되어 있다.

도 5에 도시된 화면을 참조하면, 계약번호, 피보험자, 차량번호, 담당자, 원수사오류, 상태, 오류기준 및 오류구분을 포함하는 검증필드(232)가 도시되어 있으며, 이를 통해 상기한 갱신, 분납뿐 아니라 변경, 해지 및 기타 다양한 형태의 계약들을 비교 검증할 수 있다.

이러한 검증은 보험사 전산시스템의 내용을 토대로 자체 전산시스템의 내용을 비교함으로써 수행되며, 특히 보험사 전산시스템의 실적정보를 기준으로 하여 각각의 보험료 및 계약내용들이 자체 전산시스템에 오류나 누락 등의 문제없이 잘 입력되어 있는지 여부를 검증하는 방식으로 수행될 수 있다.

단계 S140에서, 컴퓨터는 그 외 기타자료들의 누락여부를 검증한다.

도 6을 참조하면, 자료의 누락여부를 검증하는 화면의 일 예가 도시되어 있다. 도 6에 도시된 화면의 검색부(240)를 참조하면, 피보험자명, 보유자코드, 차량번호, 보험기간, 사업자/주민번호, 차량정보, 기본정보, 분납 합계보험료, 첨부서류, 운전자 및 특약, 담보내용, 임차인정보, 보험시기 등의 항목들을 포함하는 검색 필드가 도시되어 있다.

또한, 검증 필드(242)를 참조하면, 다양한 항목들에 대한 누락검증을 위한 인터페이스가 도시되어 있다.

즉, 도 6에 도시된 화면은 고객사(보험 가입자)들의 자동차보험 및 차량등록증, 가입증명서 등 계약조회시 입력 및 업로드되어야 하는 자료들 중 누락된 자료가 있는지 여부를 확인하기 위한 것이다.

이러한 자료들은 가입시 입력 및 업로드되는 것이 바람직하나, 일부 자료가 늦게 전달되기도 하며, 이러한 정보들은 보험 관리는 물론 이를 활용한 빅데이터 분석에도 필요한 바 누락여부를 검증하는 과정이 수행될 필요가 있다.

누락검증 항목은 제한되지 않으나, 예를 들어 보험기간, 분납합계보험료, 본사구분, 기본정보, 차명, 배기량, 담보별보험료, 연령, 운전자한정, 등록증, 가입증, 임차유형, 임차성별/업종, 임차인명, 임차사업자/주민번호 등을 포함할 수 있다.

컴퓨터는 도 2에 도시된 바와 같은 검증단계들을 수행할 수 있으며, 이는 사용자의 요청에 기반하여 수행될 수도 있지만, 기 설정된 주기로 백그라운드에서 자동으로 수행될 수도 있다.

이후, 컴퓨터는 사용자의 요청에 기반하여 특정 검색어에 대응하는 정보들의 검증결과를 출력하거나, 특이사항(예를 들어, 오류나 누락 등)이 있는 검증결과만을 별도로 취합하여 출력할 수도 있으며, 자료 및 검증결과의 검색 및 출력방법은 특정한 방법으로 제한되는 것은 아니다.

컴퓨터는 상술한 방법에 따라 자체 전산시스템의 보험계약 관련 정보를 관리하며, 관리하는 내용의 오류나 누락을 방지한다.

이러한 자료들은 보험 계약의 관리에 사용되는 것은 물론이고, 나아가 이를 포함하는 빅데이터에 기반하여 다양한 통계분석이 수행될 수 있다. 통계분석 결과는 보험상품 설계, 가입자 관리, 상품추천, 수익률 제고 등 다양한 분야에서 활용될 수 있다.

*

이하에서는, 도 7 내지 도 11을 참조하여 개시된 실시 예에 따른 빅데이터 통계분석 방법에 대하여 구체적으로 설명한다.

도 7은 일 실시 예에 따른 통계분석 방법을 도시한 흐름도이다.

단계 S210에서, 컴퓨터는 계약유형에 따른 통계분석 방법을 수행할 수 있다.

도 8 및 도 9를 참조하면, 계약유형에 따른 통계정보 검색 및 이에 따른 통계정보를 제공하는 화면의 일 예가 도시되어 있다.

도 8을 참조하면, 검색부(310)에는 구분, 보유자코드, 사업자/주민번호, 상품명, 세부상품명, 월별, 구간별합산 및 기준년월을 포함하는 검색필드가 도시되어 있다.

또한, 조건 설정부(312)를 참조하면 연령, 운전자한정, 렌트유형, 보험사별, 차종별, 국산/외산, 특수유형, 차명, 배기량, 지점, 담보, 임차성별, 임차유형, 임차업종 등을 포함하는 기준을 하나 이상 설정할 수 있는 필드가 도시되어 있다.

도 8 및 도 9에 도시된 바와 같이, 기준은 하나 혹은 복수 개 설정될 수 있으며, 이러한 하나 이상의 기준들에 맞추어서 검색 및 정렬된 정보들을 열람할 수 있도록 구성된다.

열람할 수 있는 정보의 종류는 제한되지 않으나, 예를 들어 자동차 사고와 관련된 정보들이 검색 및 정렬되어 제공될 수 있다.

도 9를 참조하면, 검색부(320)와 기준 설정부(322) 및 통계정보 제공부(324)가 도시되어 있으며, 통계정보 제공부(324)를 참조하면 각 기준별로 유효대수, 사고건수, 사고율, 손해율, 중과실건수, 중과실율, 고액사고건수, 고액사고율, 건당손해액 및 평균과실률 등을 포함하는 정보가 검색 및 정렬되어 제공된다.

이러한 정보들은 설정된 기준에 해당하는 그룹의 교통사고 위험성 및 예상되는 손해액을 추정하는 데 활용될 수 있다.

추정된 정보는 추후 보험상품을 설계하는 데 활용될 수 있으며, 또한 보험가입시 가입자가 속한 그룹의 사고 위험성 및 예상 손해액에 기반하여 보험료를 산정하거나 보험 가입 승인여부를 결정하는 데에도 활용될 수 있다.

단계 S220에서, 컴퓨터는 사고형태에 따른 통계분석 방법을 수행할 수 있다.

도 10 및 도 11을 참조하면, 사고형태에 따른 통계정보 검색 및 이에 따른 통계정보를 제공하는 화면의 일 예가 도시되어 있다.

도 10을 참조하면, 검색부(330)에는 구분, 보유자코드, 사업자/주민번호, 상품명, 세부상품명 및 기간설정을 포함하는 검색필드가 도시되어 있다.

또한, 조건 설정부(332)를 참조하면 사고유형별, 사고형태별, 사고운전자연령, 중과실사고, 사고차성별, 사고요일별, 총사고금액별, 사고시간대별, 사고월별 등을 포함하는 기준을 하나 이상 설정할 수 있는 필드가 도시되어 있다.

도 10 및 도 11에 도시된 바와 같이, 기준은 하나 혹은 복수 개 설정될 수 있으며, 이러한 하나 이상의 기준들에 맞추어서 검색 및 정렬된 정보들을 열람할 수 있도록 구성된다.

열람할 수 있는 정보의 종류는 제한되지 않으나, 예를 들어 자동차 사고와 관련된 정보들이 검색 및 정렬되어 제공될 수 있다.

*도 11을 참조하면, 검색부(340)와 기준 설정부(342) 및 통계정보 제공부(344)가 도시되어 있으며, 통계정보 제공부(344)를 참조하면 각 기준별로 사고건수, 사고비율, 건당손해액, 손해비율, 중과실건, 중과실비율, 고액사고건, 고액사고비율 및 평균과실률 등을 포함하는 정보가 검색 및 정렬되어 제공된다.

이러한 정보들은 설정된 기준에 해당하는 사고형태의 교통사고 건수 및 해당 사고형태에 따른 손해액 등을 분석 및 예측하는 데 활용될 수 있다.

추정된 정보는 추후 보험상품을 설계하는 데 활용될 수 있으나, 이에 제한되는 것은 아니다.

즉, 컴퓨터는 하나 이상의 기준에 해당하는 사고기록을 검색하고, 각 사고기록의 구체적인 내용에 대한 통계치를 제공함으로써, 추후 사고형태에 기반한 분석을 위한 자료를 제공할 수 있다.

이하에서는, 상기한 방법에 따라 검증 및 관리되는 전산 시스템에 기반하며, 마찬가지로 상기한 방법에 따라 관리되는 빅 데이터를 활용하여 각각의 운전자를 평가하기 위한 방법에 대하여 구체적으로 설명한다.

도 12는 일 실시 예에 따라 사고성향에 기반하여 운전자를 평가하는 방법을 도시한 흐름도이다.

단계 S310에서, 컴퓨터는 제1 운전자에 대하여 기록된 데이터를 획득한다.

개시된 실시 예에서, 제1 운전자는 개시된 실시 예에 따른 시스템을 통하여 자동차보험에 가입하거나, 자동차보험에 가입된 차량을 운전하는 운전자를 의미할 수 있으나, 이에 제한되는 것은 아니다.

일 예로, 제1 운전자는 개시된 실시 예에 따른 시스템을 통하여 자동차보험에 가입된 렌터카를 운전하는 운전자를 의미할 수 있다.

단계 S320에서, 컴퓨터는 상기 획득된 데이터로부터 하나 이상의 사고 데이터를 추출한다.

일 실시 예에서, 컴퓨터는 제1 운전자가 연관된 사고 기록에 대한 정보를 획득할 수 있다. 경우에 따라, 제1 운전자가 연관된 사고 기록이 없을 수도 있다.

단계 S330에서, 컴퓨터는 상기 하나 이상의 사고 데이터에 기반하여 상기 제1 운전자에 대한 하나 이상의 사고 성향을 판단한다.

일 실시 예에서, 상기한 사고 성향은, 제1 운전자의 사고여부, 사고빈도 및 사고의 내용에 대한 정보를 포함할 수 있다.

예를 들어, 운전자의 사고 성향은, 상기 제1 운전자의 평균 과실률, 사고주기, 경과년손해액, 고액사고건수, 중대사고건수, 범칙금정보, 사고장소이격도 및 심야사고도 중 적어도 하나를 포함할 수 있으나, 이에 제한되는 것은 아니다.

상기한 사고 성향 판단요소 중 적어도 하나가 생략되거나, 개시되지 않은 다른 판단요소가 추가되는 것 또한 가능하다.

일 실시 예에서, 상기 평균 과실률은, 상기 제1 운전자가 운행중에 발생한 사고건들의 과실률의 평균에 기반하여 획득될 수 있다.

예를 들어, 평균 과실률은 제1 운전자의 운행중 발생한 사고건만을 평가할 수 있으며, 무과실, 가해자불명, 도난, 자연재해, 화재 등의 특정한 사고유형은 판단 기준에서 제외할 수 있다.

일 실시 에에서, 컴퓨터는 평균 과실률에 기반하여 아래와 같이 점수를 부여할 수 있으나, 이는 예시로서 개시되는 것으로 이에 제한되는 것은 아니다.

0% ~ 30% = 1점

31% ~ 50% = 2점

51% ~ 70% = 3점

71% ~ 90% = 4점

91% ~ 100% = 5점

일 실시 예에서, 상기 사고주기는, 상기 제1 운전자의 계약경과 기간 대비 사고건수에 기반하여 획득될 수 있다. 구체적으로, 계약경과 기간은 계약경과 월에 기반하여 획득될 수 있으나, 이에 제한되는 것은 아니다. 여기에서, 무과실 사고 및 가해자불명 건 중 구상건은 제외할 수 있다.

또한, 6개월 이내 신계약평가시 중간 기본값으로 평가하며, 이는 1건의 경우에만 이와 같이 평가하며 2건 이상의 경우 원래 기준에 따라 평가한다.

일 예로, 사고주기에 따라 아래와 같이 점수가 부여될 수 있으나, 이는 예시로서 개시되는 것으로 이에 제한되는 것은 아니다.

0 ~ 5개월 = 5점

6개월 ~ 12개월 = 4점

13개월 ~ 18개월 = 3점

19개월 ~ 24개월 = 2점

25개월이상 = 1점

일 실시 예에서, 상기 경과년손해액은 상기 제1 운전자의 계약경과 기간 대비 총 손해액에 기반하여 획득될 수 있다. 여기에서, 계약경과 기간은 1년을 기준으로 할 수 있으나, 이에 제한되는 것은 아니다.

여기에서 무과실 사고 및 가해자불명 건 중 구상건은 판단 기준에서 제외될 수 있으나, 이에 제한되는 것은 아니다.

일 예로, 경과년손해액에 따라 아래와 같이 점수가 부여될 수 있으나, 이는 예시로서 개시되는 것으로 이에 제한되는 것은 아니다.

0 ~ 150만원 = 1점

151만원 ~ 300만원 = 2점

301만원 ~ 500만원 = 3점

501만원 ~ 800만원 = 4점

801만원이상 = 5점

일 실시 예에서, 상기 고액사고건수는, 기 설정된 기준을 초과하는 고액사고 건수에 기반하여 획득될 수 있다.

예를 들어, 1000만원 이상의 건은 1건으로 간주하며, 금액에 따라 건별당 추가 점수가 부여된다. 이는 건별로 누적되어 산출될 수 있다.

일 예로, 고액사고건수에 따라 아래와 같이 점수가 부여될 수 있으나, 이는 예시로서 개시되는 것으로 이에 제한되는 것은 아니다.

1000만원 ~ 2000만원 = 건당 1점 추가

2001만원 ~ 3000만원 = 건당 2점 추가

3001만원 ~ 4000만원 = 건당 3점 추가

4001만원 ~ 5000만원 = 건당 4점 추가

5001만원 이상 = 플러스 5점

일 실시 예에서, 중대사고건수는, 기 설정된 항목에 해당하는 중대사고의 수를 의미할 수 있다. 예를 들어, 중대사고는 음주, 무면허, 뺑소니, 보험사기 등의 악성사고를 의미할 수 있다.

일 예로, 중대사고건수에 따라 아래와 같이 점수가 부여될 수 있으나, 이는 예시로서 개시되는 것으로 이에 제한되는 것은 아니다.

음주, 무면허, 보험사기 = 5점

뺑소니 = 4점

12대 중과실 = 3점

일 실시 예에서, 상기 범칙금정보는, 기 설정된 항목에 해당하는 범칙금 횟수 및 그 내용을 포함할 수 있다. 예를 들어, 범칙금정보는 소위 딱지를 뗀다고 표현하는 교통규칙 위반에 대한 정보를 포함하며, 예를 들어 속도위반시 10~20km/h 이내의 위반은 1점, 20km/h 이상의 위반은 2점, 버스전용차선위반의 경우 1점을 부여하는 식으로, 범칙금정보에 기반하여 점수가 부여될 수 있다.

일 실시 예에서, 상기 사고장소이격도는, 상기 제1 운전자와 연관된 사고들의 사고발생 순서에 따라 각각의 이격도를 산출한 결과에 기반하여 획득될 수 있다.

즉, 제1 운전자가 연관된 복수의 사고정보가 있는 경우, 순차적으로 각각의 사고정보 간의 거리를 산출한 후, 그 평균을 획득함으로써 사고장소이격도가 산출될 수 있으나, 이에 제한되는 것은 아니다.

일 예로, 사고장소이격도에 따라 아래와 같이 점수가 부여될 수 있으나, 이는 예시로서 개시되는 것으로 이에 제한되는 것은 아니다.

0km ~ 50km = 1점

51km ~ 100km = 2점

101km ~ 150km = 3점

151km ~ 200km = 4점

201km 이상 = 5점

상기 심야사고도는, 기 설정된 심야시간에 발생한 사고에 대한 정보를 포함할 수 있다. 예를 들어, 오후 10시부터 오전 4시 사이에 발생한 사고에 대해서는, 2회 이상 발생시 건당 2점을 추가로 부여할 수 있으나, 이에 제한되는 것은 아니다.

일 실시 예에서, 복수 운전자에 의한 사고 발생여부 또한 사고성향 판단의 한 요소로서 고려될 수 있다. 예를 들어, 렌트 기간 중에 하나의 운전자에 의하여 2회 사고가 발생한 것보다, 서로 다른 두 명의 운전자에 의하여 각각 한 번씩 총 2회의 사고가 발생한 것에 더 높은 가점을 부여할 수 있다. 이 경우 해당 차량은 복수 운전자에 의하여 운전되는 것으로 판단할 수 있으며, 기존의 통계에 따르면 복수 운전자에 의하여 운전되는 차량의 사고율 혹은 손해율이 더 높은 것으로 확인되는 바, 이에 대하여 가점을 부여할 수 있다.

즉, 개시된 실시 예에서 제1 운전자의 사고 성향이라고 언급된 내용은 제1 운전자 본인의 사고 성향을 의미할 수도 있으나, 제1 운전자가 계약한 보험 계약 혹은 보험 계약된 차량에 대한 사고 성향을 의미할 수도 있다. 개시된 실시 예에 따른 사고성향 분석방법은 운전자 개인에 대하여 적용될 수도 있고, 특정 차량이나 보험 계약에 대하여서도 적용될 수 있다.

특히 법인차량의 경우 복수의 운전자(예를 들어, 직원들)가 운전하는 경우가 많으므로, 이 경우 운전자 각각에 대한 사고성향 분석보다는 해당 차량 자체의 사고성향을 분석하는 것이 더 유의미할 수도 있다.

이 경우, 해당 차량에 대하여 사고를 발생시킨 운전자 혹은 해당 차량을 운행하는 것으로 확인되거나 운행 가능성이 있는 운전자 개인에 대한 사고성향을 종합하여 해당 차량에 대한 사고성향을 판단하기 위한 자료로 활용할 수도 있고, 해당 차량 자체에 대하여 발생한 사고들의 사고성향을 분석하여 차량의 사고성향을 판단할 수도 있다.

판단 결과는 해당 차량의 보험계약 갱신시 보험 가입여부 혹은 보험금 산출에 활용될 수 있으나, 이에 제한되는 것은 아니다.

실시 예에 따라서, 특정 차량의 사고성향은 해당 차량에 대하여 보험에 가입한 법인이나 단체의 사고성향인 것으로 판단할 수도 있다. 이 경우, 해당 법인이나 단체가 다른 보험에 가입하고자 하는 경우에도 해당 판단 결과에 기초하여 보험 가입여부 결정 혹은 보험금 산정을 수행할 수 있다.

단계 S340에서, 컴퓨터는 상기 제1 운전자의 사고 성향에 기반하여 상기 제1 운전자에 대한 평가정보를 획득한다.

즉, 컴퓨터는 제1 운전자의 운전성향에 기반하여 자동차보험 관리를 위한 정보를 획득하는 것이 아니고, 제1 운전자의 사고 기록으로부터 제1 운전자의 사고 성향을 획득하고, 이에 기반하여 제1 운전자에 대한 평가정보를 획득하는 것을 주요한 특징으로 한다.

평가정보 획득에 있어서, 컴퓨터는 제1 운전자에 대한 사고 성향에 기반하여 상기 제1 운전자에 대한 평가점수를 산출할 수 있으며, 상기 평가점수는, 상기 단계 S330과 관련하여 설명한 바와 같이 상기 제1 운전자의 평균 과실률, 사고주기, 경과년손해액, 고액사고건수, 중대사고건수, 범칙금정보, 사고장소이격도 및 심야사고도 중 적어도 하나에 대하여 기 설정된 채점기준에 기반하여 산출된 점수에 기반하여 획득될 수 있다. 실시 예에 따라서, 평가점수 산정에는 상기 제1 운전자의 개인정보에 기반하여 산출된 점수가 함께 고려될 수 있다.

예를 들어, 운전자 연령이 만 26세 미만이거나 만 70세 이상인 경우, 점수에 가점 1점이 추가로 부여될 수 있으나, 이에 제한되는 것은 아니다.

기존 통계에 따르면, 만 26세 미만자 및 만 70세 이상자의 사고율이 높은 것으로 조사되었다. 이에 상기한 만 26세 미만자 및 만 70세 이상자의 사고율 통계를 추출하여 분석함으로써 그 추이를 지속적으로 업데이트할 수 있다.

실시 예에 따라서, 연령별 사고율 통계를 소정의 주기로 추출 및 분석할 수 있다. 이에 따라, 상기한 만 26세 미만 및 만 70세 이상으로 설정된 가점 연령범위가 상하로 조절될 수 있으며, 실시 예에 따라 서로 다른 복수의 연령범위가 설정되며, 각각의 연령범위별로 서로 상이한 가점 혹은 감점이 부여될 수 있다. 예를 들어, 사고율이 기 설정된 기준 이상인 연령 또는 연령 범위에 대하여 가점이 부여될 수 있으며, 사고율이 기 설정된 기준 이하인 연령 또는 연령 범위에 대하여 감점이 부여될 수 있으나, 이에 제한되는 것은 아니다.

일 실시 예에서, 컴퓨터는 기 설정된 심층경보 항목에 대한 정보를 획득하고, 상기 제1 운전자에 대한 정보에 상기 심층경보 항목에 해당하는 하나 이상의 항목이 있는지 여부를 탐색할 수 있다.

상기 제1 운전자에 대한 정보로부터 상기 심층경보 항목에 해당하는 하나 이상의 항목이 탐색되는 경우, 컴퓨터는 이에 대응하는 알림(경보)을 제공할 수 있다.

심층경보 항목이란 해당 운전자에 대하여 주의해야 할 사항들을 별도로 분류한 것으로, 이에 해당하는 내용이 있는 경우 추가 경보를 통해 관리자로 하여금 해당 운전자에 대한 심층적인 검토를 하도록 안내할 수 있다.

예를 들어, 심층조사 항목은 아래와 같은 항목들을 포함할 수 있으나, 이에 제한되는 것은 아니다.

1. 접수일자와 사고일자가 상이한 건

2. 배서후 10일 안에 사고가 발생한 건

3. 심야사고건(22시 ~ 05시)

4. 대인 4명이상 사고

5. 외제차 미수선수리비건 500만원 이상 건

도 13은 일 실시 예에 따른 인공지능 모델의 학습방법을 도시한 도면이다.

개시된 실시 예에서, 인공지능 모델은 머신러닝 기술에 기반하여 학습된 모델을 의미할 수 있으나, 이에 제한되는 것은 아니다.

일 실시 예에서, 컴퓨터는 상기 제1 운전자의 사고 성향에 대한 정보로부터 하나 이상의 파라미터를 추출할 수 있다.

파라미터의 종류나 단위 및 구체적인 수치 등은 제한되지 않으며, 예를 들어 파라미터는 인공지능 모델의 입력으로 사용될 수 있는 벡터의 형태로 구성될 수 있으나, 이에 제한되는 것은 아니다.

예를 들어, 추출되는 파라미터는 상기한 사고 성향의 항목별 점수 혹은 사고 성향의 항목별 수치를 포함할 수 있으나, 이에 제한되는 것은 아니다. 예를 들어, 도 12와 관련하여 설명한 사고 항목별 점수를 벡터화한 파라미터가 획득될 수도 있다.

일 실시 예에서, 컴퓨터는 상기 추출된 파라미터를 기 학습된 인공지능 모델에 입력할 수 있다. 인공지능 모델의 형태는 제한되지 않으나, 상술한 바와 같이 머신러닝에 기반하여 기 학습된 인공지능 모델을 의미할 수 있다.

일 실시 예에서, 컴퓨터는 상기 인공지능 모델의 출력으로부터, 상기 제1 운전자에 대한 예상 손해액을 산출할 수 있다.

일 실시 예에서, 인공지능 모델은 파라미터 입력에 따라 예상 손해액을 바로 출력할 수도 있으나, 예상 손해액 산출을 위한 정보를 출력할 수도 있다. 이 경우, 인공지능 모델은 운전자들의 사고 성향을 나타내는 파라미터와, 해당 운전자의 손해액(예를 들어, 1년간 손해액)에 대한 정보 쌍을 포함하는 학습 데이터에 기반하여 학습된 것일 수 있다. 여기에서, 운전자들의 사고 성향 정보를 수집한 시점과, 운전자의 손해액을 수집한 시점은 상이할 수 있다. 예를 들어, 사고 성향 정보를 수집한 시점이 2017년까지라고 했을 때, 운전자의 손해액을 수집한 시점은 그 후 1년간인 2018년 한 해 동안이 되도록 설정하여, 기존 사고성향 정보에 기반하여 이후 1년(계약기간)의 손해액을 예측할 수 있도록 학습 데이터가 구성될 수 있다.

이후 해당 운전자에 대하여 2019년 1년간 정보가 수집되면, 수집된 정보에 기반하여 손해액 정보를 2019년 정보로 업데이트하고, 2018년까지의 사고 성향 정보와 2019년의 손해액 정보를 이용하여 인공지능 모델을 학습하도록 할 수 있다.

일 실시 예에서, 사고 성향에 대한 정보는 누적하여 학습할 수도 있으며, 실시 예에 따라 1년간의 정보만을 반영할 수도 있고, 이를 종합할 수도 있다.

예를 들어, 2018년 한 해의 사고 성향 정보와, 2019년 한 해의 손해액 정보에 기반하여 인공지능 모델이 학습될 수 있다. 다른 예로, 2018년까지의 누적된 사고 성향 정보와, 2019년 한 해의 손해액 정보에 기반하여 인공지능 모델이 학습될 수 있다. 실시 예에 따라, 동일한 운전자에 대해서도 손해액 정보 기준연도와, 사고 성향 정보의 누적 연도수(예를 들어, 1년간의 정보, 2년간의 누적 정보, 3년간의 누적 정보 … 등)에 따라 학습 데이터를 다양하게 증강할 수도 있다. 실시 예에 따라, 누적되는 데이터는 평균을 구하여 학습에 이용할 수도 있다.

실시 예에 따라서, 복수의 인공지능 모델을 통해 예상 손해액 산출을 위한 정보들을 획득하고, 이에 기반하여 예상 손해액을 산출할 수도 있다.

일 실시 예에서, 예상 손해액은 소정의 계약기간 단위로 산출될 수 있으며, 예를 들어 1년간 예상 손해액을 의미할 수도 있다. 여기에서 손해액이란, 보험 가입시 사고 발생 등으로 인하여 보험사에서 지불하여야 하는 예상 금액을 의미할 수 있다.

일 실시 예에서, 컴퓨터는 예상 손해액 산출을 위하여, 제1 운전자의 사고횟수 및 제1 운전자에 대하여 예상되는 사고 유형을 예측할 수 있다.

예를 들어, 컴퓨터는 운전자들의 기존 사고 성향을 나타내는 파라미터와, 해당 운전자의 이후 소정 기간(예를 들어, 1년) 내 사고횟수에 대한 정보 쌍을 포함하는 학습 데이터에 기반하여 학습된 제1 인공지능 모델을 이용하여 제1 운전자의 사고횟수를 예측할 수 있다. 실시 예에 따라서, 사고횟수는 사고 발생 확률의 형태로 획득될 수도 있고, 소정 기간(예를 들어, 1년)내 예상되는 사고 횟수의 형태로 획득될 수도 있다.

컴퓨터는 학습된 제1 인공지능 모델을 이용하여 제1 운전자의 앞으로 1년간의 예상 사고횟수를 예측할 수 있다.

또한, 컴퓨터는 제2 인공지능 모델을 이용하여 제1 운전자가 발생시킬 수 있는 사고의 유형을 예측할 수 있다. 제2 인공지능 모델은 운전자들의 기존 사고 성향을 나타내는 파라미터와, 해당 운전자의 이후 소정 기간(예를 들어, 1년) 내 발생시킨 사고의 유형에 대한 정보를 통해 학습될 수 있다.

컴퓨터는 예측된 사고의 유형과, 제1 운전자가 운전하는 차량에 대한 정보 등에 기반하여 해당 사고의 예상 손해액을 추정할 수 있다.

컴퓨터는 예상 사고 횟수와, 예상 손해액을 조합하여 제1 운전자의 예상 손해액을 산출할 수 있다.

일 실시 예에서, 법이나 규정의 개정으로 인하여 기존의 데이터와 현실 간에 차이가 발생하게 될 수 있다. 예를 들어, 법이 개정되어 동일한 상황에 대한 과실비율이 변경될 수 있으며, 기존에는 중과실이 아니었던 사항에 대해 중과실이 적용될 수도 있고, 기존에는 위법이 아니었던 사항이 위법이 될 수도 있다.

또한, 보험사 내부 규정 변경으로 인하여 배상액 산정방법이 상이해질 수도 있다.

컴퓨터는 이와 같이 예상 손해액 산출과 관련된 하나 이상의 법 또는 규정의 개정정보를 획득할 수 있다.

컴퓨터는 인공지능 모델의 학습에 사용된 학습 데이터를 획득할 수 있으며, 학습 데이터의 내용을 개정정보에 기초하여 수정할 수 있다. 예를 들어, 각각의 학습 데이터에 대응하는 운전자의 사고기록정보를 획득하고, 이에 기반하여 해당 운전자의 과실비율이나 중과실 여부, 배상액 등에 대한 정보를 수정할 수 있다.

또한, 컴퓨터는 수정된 학습 데이터를 증강시킬 수 있다. 예를 들어, 수정된 학습 데이터 및 수정에 이용된 개정정보에 기반하여, 기존 학습 데이터와 유사한 내용 및 수치를 갖는 학습 데이터를 다수 생성함으로써, 데이터 증강을 수행할 수 있다.

일 실시 예에서, 컴퓨터는 수정 및 증강된 학습 데이터를 이용하여 상기 인공지능 모델을 재학습시킬 수 있다.

이를 통하여, 컴퓨터는 법이나 규정의 개정사항을 인공지능 모델에 반영하여, 현 시점의 법이나 규정에 따른 결과물을 출력할 수 있도록 인공지능 모델을 업데이트할 수 있다.

이하에서는, 본 발명에 적용될 수 있는 다른 일 실시 예에 대하여 설명한다.

일 실시 예에서, 컴퓨터는 각 운전자의 사고 성향에 기반하여, 각 운전자가 사고를 일으킬 확률이 높은 시간대와 위치를 추정할 수 있다. 컴퓨터는 운전자가 해당 시간대와 위치 중 적어도 하나에 해당하는 상황에서 운전중인 것으로 판단되는 경우, 사고 발생에 유의하라는 푸시 메시지를 보험관리 앱을 통해 사용자 단말에 전달할 수 있다.

실시 예에 따라, 컴퓨터는 각 운전자의 사고 성향과, 나아가 다른 운전자들의 사고 기록에 기반하여 고액사고 발생확률이 높은 하나 이상의 지역 및 시간대에 대한 정보를 획득할 수 있다. 마찬가지로, 컴퓨터는 고액사고 발생확률이 높은 지역 및 시간대에 운전중인 운전자에게 푸시 알림을 제공할 수도 있다.

단, 사용자 단말(30)이 일시적으로, 혹은 기본적으로 푸시 메시지를 수신할 수 없는 상황이 존재할 수 있다. 예를 들어, 사용자 단말(30)이 스마트폰이 아니어서 개시된 실시 예에 따른 방법을 수행하기 위한 애플리케이션을 설치할 수 없을 수 있다.

다른 예로, 사용자 단말(30)에 애플리케이션이 설치되어 있지 않을 수 있다.

또 다른 예로, 사용자 단말(30)에 애플리케이션이 설치되었으나, 푸시 메시지를 수신할 수 있도록 백그라운드에서 동작중인 상태가 아닐 수 있다.

사용자 단말(30)이 푸시 메시지를 수신할 수 없는 상태는 위 예시들로 제한되지 않는다.

일 실시 예에서, 사용자 단말(30)이 푸시 메시지를 수신할 수 없는 경우, 서버는 다른 단말을 통하여 사용자 단말(30)에 문자 메시지를 발송할 수도 있다.

마찬가지로, 다른 단말이 푸시 메시지를 수신할 수 없는 경우, 서버는 사용자 단말(30)을 이용하여 다른 단말에 문자 메시지를 발송할 수도 있다.

일 실시 예에서, 서버에 의하여 서로 문자 메시지를 발송할 수 있는 단말은 각각의 단말로부터의 신청 혹은 신청 및 승인에 근거하여 서버에 기 등록된 단말들일 수 있다.

예를 들어, 제1 사용자 단말에 대하여 제2 사용자 단말이 상호 간 신청 및 승인에 기반하여 서버에 등록되어 있는 경우, 제1 사용자 단말이 푸시 메시지를 받을 수 없는 단말이거나, 푸시 메시지를 받을 수 없는 상태에 있는 경우 서버는 제2 사용자 단말에 푸시 메시지를 전송하고, 제2 사용자 단말은 푸시 메시지에 대응하는 문자 메시지를 생성하여 제1 사용자 단말에 전송할 수 있다.

사용자 간 메시지 전송은 비용이 발생하지 않거나, 기업의 메시지 전송에 비해 비용 부담이 적을 수 있다. 따라서, 제1 사용자 단말이 푸시 메시지를 받을 수 없는 경우 서버는 제2 사용자 단말을 통하여 제1 사용자 단말에 문자 메시지를 발송하도록 하고, 대신 서버는 제2 사용자 단말에 소정의 포인트를 제공할 수 있다. 제공되는 포인트는 현금으로 교환되거나, 온라인 쇼핑에 활용될 수 있는 포인트일 수 있으나, 이에 제한되는 것은 아니다.

다른 예로, 서버에 의하여 서로 문자 메시지를 발송할 수 있는 단말은 서버의 요청을 승인하여 특정한 풀에 등록된 단말들일 수 있다.

예를 들어, 상술한 예와 같이 일대일로 등록되는 것과 달리, 본 실시 예에 따르면 복수의 사용자 단말들이 사전 승인에 기반하여 서버에 풀로서 등록되어 있을 수 있다.

서버는 제1 사용자 단말에 대하여 푸시 메시지 수신이 가능한지 여부를 확인하기 위한 질의 메시지를 전송하고, 제1 사용자 단말로부터 질의 메시지에 대한 회신이 수신되는 경우 제1 사용자 단말에 푸시 메시지를 전송하고, 제1 사용자 단말로부터 회신이 수신되지 않는 경우, 풀에 등록된 사용자 단말들 중 푸시 메시지 수신이 가능한 적어도 하나의 단말을 선택하고, 해당 단말에 푸시 메시지를 전송하면서 제1 사용자 단말에 문자 메시지 발송을 요청할 수 있다.

일 실시 예에서, 서버는 풀에 등록된 사용자 단말들에게 소정의 포인트를 지급할 수 있다. 포인트 지급의 주기, 정도 및 방법은 제한되지 않는다.

상기한 실시 예를 수행하기 위하여, 사용자 단말(30)은 서버로부터 제1 사용자 단말에 대한 문자 메시지 발송 승인요청을 수신하는 단계, 상기 승인요청에 대한 승인정보를 상기 서버에 전송하는 단계, 상기 제1 사용자 단말의 전화번호를 포함하는, 상기 제1 사용자 단말에 대한 정보를 저장하는 단계, 상기 서버로부터 상기 제1 사용자 단말에 대한 메시지 발송 요청정보를 포함하는 제1 푸시 메시지를 수신하는 단계, 상기 제1 푸시 메시지에 포함된 콘텐츠를 획득하는 단계, 상기 제1 푸시 메시지에 포함된 콘텐츠를 이용하여 제1 문자 메시지를 생성하는 단계, 상기 제1 푸시 메시지에 포함된 제1 전화번호를 획득하는 단계, 상기 제1 전화번호와 상기 제1 사용자 단말의 전화번호를 비교하는 단계, 상기 제1 전화번호와 상기 제1 사용자 단말의 전화번호가 일치하는 경우, 상기 제1 전화번호로 상기 제1 문자 메시지를 전송하는 단계, 상기 서버에 상기 제1 문자 메시지의 전송결과를 전송하는 단계, 상기 서버로부터 상기 제1 문자 메시지 전송결과에 대응하는 포인트를 획득하는 단계, 상기 서버로부터 제1 풀에 대한 등록요청을 수신하는 단계, 상기 등록요청에 대한 승인정보를 상기 서버에 전송하는 단계, 상기 서버로부터 상기 제1 풀에 대응하는 암호화 키를 수신하는 단계, 상기 서버로부터 상기 제1 풀에 포함된 제2 사용자 단말에 대한 메시지 발송 요청정보를 포함하는 제2 푸시 메시지를 수신하는 단계, 상기 제2 푸시 메시지에 포함된 콘텐츠를 획득하는 단계, 상기 제2 푸시 메시지에 포함된 콘텐츠를 이용하여 제2 문자 메시지를 생성하는 단계, 상기 암호화 키를 이용하여 상기 제2 문자 메시지를 암호화하는 단계, 상기 제2 푸시 메시지에 포함된 제2 전화번호를 획득하는 단계, 상기 암호화된 제2 문자 메시지를 상기 제2 전화번호로 전송하는 단계, 상기 서버에 상기 제2 문자 메시지의 전송결과를 전송하는 단계 및 상기 서버로부터 상기 제2 문자 메시지 전송결과에 대응하는 포인트를 획득하는 단계를 수행할 수 있다.

또한, 사용자 단말(30)은, 제3 사용자 단말로부터 제3 문자 메시지를 수신하는 단계, 상기 제3 문자 메시지의 암호화 여부를 확인하는 단계, 상기 제3 문자 메시지가 암호화되어 있는 경우, 상기 암호화 키를 이용하여 상기 제3 문자 메시지를 복호화하는 단계, 상기 푸시 메시지의 콘텐츠와 상기 제3 문자 메시지에 포함된 콘텐츠를 비교하는 단계 및 상기 푸시 메시지의 콘텐츠와 상기 제3 문자 메시지에 포함된 콘텐츠가 일치하는 경우, 상기 서버에 상기 제3 문자 메시지 획득사실을 전송하는 단계를 수행할 수 있다.

도 14는 일 실시 예에 따른 장치의 구성도이다.

프로세서(102)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.

일 실시예에 따른 프로세서(102)는 메모리(104)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 도 1 내지 도 13과 관련하여 설명된 방법을 수행한다.

한편, 프로세서(102)는 프로세서(102) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(102)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.

메모리(104)에는 프로세서(102)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(104)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.

이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

Claims (10)

1. 컴퓨터에 의하여 수행되는 방법에 있어서,
   제1 운전자에 대하여 기록된 데이터를 획득하는 단계;
   상기 획득된 데이터로부터 하나 이상의 사고 데이터를 추출하는 단계;
   상기 하나 이상의 사고 데이터에 기반하여 상기 제1 운전자에 대한 하나 이상의 사고 성향을 판단하는 단계; 및
   상기 제1 운전자의 사고 성향에 기반하여 상기 제1 운전자에 대한 평가정보를 획득하는 단계; 를 포함하는,
   사고 성향에 기반하여 운전자를 평가하는 방법.
2. 제1 항에 있어서,
   상기 사고 성향은,
   상기 제1 운전자의 사고여부, 사고빈도 및 사고의 내용에 대한 정보를 포함하는 것을 특징으로 하는,
   사고 성향에 기반하여 운전자를 평가하는 방법.
3. 제2 항에 있어서,
   상기 사고 성향은,
   상기 제1 운전자의 평균 과실률, 사고주기, 경과년손해액, 고액사고건수, 중대사고건수, 범칙금정보, 사고장소이격도 및 심야사고도 중 적어도 하나를 포함하고,
   상기 평균 과실률은,
   상기 제1 운전자가 운행중에 발생한 사고건들의 과실률의 평균에 기반하여 획득되고,
   상기 사고주기는,
   상기 제1 운전자의 계약경과 기간 대비 사고건수에 기반하여 획득되고,
   상기 경과년손해액은,
   상기 제1 운전자의 계약경과 기간 대비 총 손해액에 기반하여 획득되고,
   상기 고액사고건수는,
   기 설정된 기준을 초과하는 고액사고 건수에 기반하여 획득되고,
   상기 중대사고건수는,
   기 설정된 항목에 해당하는 중대사고의 수를 의미하고,
   상기 범칙금정보는,
   기 설정된 항목에 해당하는 범칙금 횟수 및 그 내용을 포함하고,
   상기 사고장소이격도는,
   상기 제1 운전자와 연관된 사고들의 사고발생 순서에 따라 각각의 이격도를 산출한 결과에 기반하여 획득되고,
   상기 심야사고도는,
   기 설정된 심야시간에 발생한 사고에 대한 정보를 포함하는,
   사고 성향에 기반하여 운전자를 평가하는 방법.
4. 제3 항에 있어서,
   상기 평가정보를 획득하는 단계는,
   상기 제1 운전자에 대한 사고 성향에 기반하여 상기 제1 운전자에 대한 평가점수를 산출하는 단계; 를 더 포함하고,
   상기 평가점수는,
   상기 제1 운전자의 평균 과실률, 사고주기, 경과년손해액, 고액사고건수, 중대사고건수, 범칙금정보, 사고장소이격도 및 심야사고도 중 적어도 하나에 대하여 기 설정된 채점기준에 기반하여 산출된 점수와, 상기 제1 운전자의 개인정보에 기반하여 산출된 점수를 종합하여 획득되는 것을 특징으로 하는,
   사고 성향에 기반하여 운전자를 평가하는 방법.
5. 제1 항에 있어서,
   기 설정된 심층경보 항목에 대한 정보를 획득하는 단계;
   상기 제1 운전자에 대한 정보에 상기 심층경보 항목에 해당하는 하나 이상의 항목이 있는지 여부를 탐색하는 단계; 및
   상기 제1 운전자에 대한 정보로부터 상기 심층경보 항목에 해당하는 하나 이상의 항목이 탐색되는 경우, 이에 대응하는 알림을 제공하는 단계; 를 더 포함하는,
   사고 성향에 기반하여 운전자를 평가하는 방법.
6. 제1 항에 있어서,
   상기 평가정보를 획득하는 단계는,
   상기 제1 운전자의 사고 성향에 대한 정보로부터 하나 이상의 파라미터를 추출하는 단계;
   상기 추출된 파라미터를 기 학습된 인공지능 모델에 입력하는 단계; 및
   상기 인공지능 모델의 출력으로부터, 상기 제1 운전자에 대한 예상 손해액을 산출하는 단계; 를 더 포함하는,
   사고 성향에 기반하여 운전자를 평가하는 방법.
7. 제6 항에 있어서,
   상기 예상 손해액을 산출하는 단계는,
   상기 제1 운전자의 사고횟수를 예측하는 단계;
   상기 제1 운전자의 사고 유형을 예측하는 단계;
   상기 제1 운전자의 사고 유형에 따른 예상비용을 산출하는 단계; 및
   상기 제1 운전자의 사고횟수 및 예상비용에 기초하여, 상기 제1 운전자에 대한 예상 손해액을 산출하는 단계; 를 포함하는,
   사고 성향에 기반하여 운전자를 평가하는 방법.
8. 제6 항에 있어서,
   예상 손해액 산출과 관련된 하나 이상의 법 또는 규정의 개정정보를 획득하는 단계;
   상기 인공지능 모델의 학습에 사용된 학습 데이터를 획득하는 단계;
   상기 학습 데이터의 내용을 상기 개정정보에 기초하여 수정하는 단계;
   상기 개정정보가 반영된 학습 데이터를 증강시키는 단계; 및
   상기 수정 및 증강된 학습 데이터를 이용하여 상기 인공지능 모델을 재학습시키는 단계; 를 더 포함하는,
   사고 성향에 기반하여 운전자를 평가하는 방법.
9. 하나 이상의 인스트럭션을 저장하는 메모리; 및
   상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,
   상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
   제1 항의 방법을 수행하는, 장치.
10. 하드웨어인 컴퓨터와 결합되어, 제1 항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램.

Images