TWI686759B - 車險定損資料的處理方法、裝置和處理設備 - Google Patents
車險定損資料的處理方法、裝置和處理設備 Download PDFInfo
- Publication number
- TWI686759B TWI686759B TW107132610A TW107132610A TWI686759B TW I686759 B TWI686759 B TW I686759B TW 107132610 A TW107132610 A TW 107132610A TW 107132610 A TW107132610 A TW 107132610A TW I686759 B TWI686759 B TW I686759B
- Authority
- TW
- Taiwan
- Prior art keywords
- component
- damaged
- probability
- conclusion
- fixed loss
- Prior art date
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
- G06Q10/10—Office automation; Time management
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本說明書實施例公開了一種車險定損資料的處理方法、裝置和處理設備,所述方法可以包括:結合歷史定損結論資料中損傷部件組合的案件資訊來計算得到出現定損結論中損傷部件組合的概率,該概率可以表示定損結論的可靠性。若概率大於一定的閾值,可以表示定損結論中的損傷部件組合是常見的損傷組合,為正常的部件組合出現概率。在本說明書提供實施方案中,如果某個部件受損,則可以查看與該部件相關聯的部件是否也出現受損,如果有,則可以進行損傷遺漏部件的推薦,對定損結論進行補充或修正。
Description
本說明書實施例方案屬於電腦資料處理的技術領域,尤其涉及一種車險定損資料的處理方法、裝置和處理設備。
隨著機動車輛的普及,車險業務也呈明顯增加趨勢。當車輛出險時,快速、準確的進行定損可以帶來更好的使用者體驗。 目前業內出現了很多自動定損的方式。該方式中,使用者可以對受損車輛進行拍攝,然後藉由處理設備識別出受損部件,基於拍攝圖像識別出的受損部件得到定損結論。這樣的定損結論依賴於機器學習演算法,會出現自動定損錯誤,出現不合常理的定損結果。並且,這樣不和常理的定損結果也常常難以區分是由於拍攝角度、現場環境的影響還是人為故意欺詐造成。 因此,業內亟需一種可以進一步評估車險定損結論可靠性的處理方案。
本說明書實施例目的在於提供一種車險定損資料的處理方法、裝置和處理設備,從損傷部件組合的角度對定損結論進行處理,可以有效識別出定損結論中的遺漏損傷部件,提高定損結論準確性,提高使用者體驗。 本說明書實施例提供的一種車險定損資料的處理方法、裝置和處理設備是包括以下方式實現的: 一種車險定損資料的處理方法,所述方法包括: 接收車險的定損結論; 基於歷史定損結論資料計算出現所述定損結論中的損傷部件組合的概率,所述損傷部件組合包括至少一個損傷部件; 確定所述概率大於第一閾值時,查詢是否有與所述損傷部件匹配的損傷關聯部件; 若有,則將所述損傷關聯部件作為所述定損結論的遺漏損傷部件。 一種展示介面內容的資料處理裝置,包括: 接收模組,用於接收車險的定損結論; 概率計算模組,用於基於歷史定損結論資料計算出現所述定損結論中的損傷部件組合的概率,所述損傷部件組合包括至少一個損傷部件; 關聯部件確定模組,用於確定所述概率大於第一閾值時,查詢是否有與所述損傷部件匹配的損傷關聯部件; 第一輸出模組,用於查詢到匹配的損傷關聯部件時,將所述損傷關聯部件作為所述定損結論的遺漏損傷部件。 一種處理設備,包括處理器以及用於儲存處理器可執行指令的記憶體,所述處理器執行所述指令時實現: 接收車險的定損結論; 基於歷史定損結論資料計算出現所述定損結論中的損傷部件組合的概率,所述損傷部件組合包括至少一個損傷部件; 確定所述概率大於第一閾值時,查詢是否有與所述損傷部件匹配的損傷關聯部件; 若有,則將所述損傷關聯部件作為所述定損結論的遺漏損傷部件。 一種電子設備,包括至少一個處理器以及用於儲存處理器可執行指令的記憶體,所述處理器執行所述指令時實現: 接收車險的定損結論; 基於歷史定損結論資料計算出現所述定損結論中的損傷部件組合的概率,所述損傷部件組合包括至少一個損傷部件; 確定所述概率大於第一閾值時,查詢是否有與所述損傷部件匹配的損傷關聯部件,若有,則將所述損傷關聯部件作為所述定損結論的遺漏損傷部件; 確定所述概率低於第二閾值時,發送風險提示訊息。 本說明書實施例提供的一種車險定損資料的處理方法、裝置和處理設備,可以結合歷史定損結論資料中損傷部件組合的案件資訊來計算得到出現定損結論中損傷部件組合的概率,該概率可以表示定損結論的可靠性。若概率大於一定的閾值,可以表示定損結論中的損傷部件組合是常見的損傷組合(也可以稱為高頻損傷組合),為正常的部件組合出現概率。在本說明書提供實施方案中,如果某個部件受損,則可以查看與該部件相關聯的部件是否也出現受損,如果有,則可以進行損傷遺漏部件的推薦,對定損結論進行補充或修正,解決一些場景下輸出不合常理的定損結論的問題,有效提高輸出的定損結論的精度和可靠性,提高使用者體驗。
為了使本技術領域的人員更好地理解本說明書中的技術方案,下面將結合本說明書實施例中的圖式,對本說明書實施例中的技術方案進行清楚、完整地描述,顯然,所描述的實施例僅僅是本說明書中的一部分實施例,而不是全部的實施例。基於本說明書中的一個或多個實施例,本領域具有通常知識者在沒有作出創造性勞動前提下所獲得的所有其他實施例,都應當屬於本說明書實施例保護的範圍。 在車輛受損時,多數情況下是受損的部件可能包括多個。如車輛右前方發生碰撞,受損的部件通常可以包括前保險杠、車燈、車胎、擋泥板等多個部件,這些在單次車險中受損的一個或多個損傷部件可以稱為損傷部件組合。在本說明書的一些實施例中,所述的損傷部件組合可以包括在車輛外觀位置上相連接的部件,也可以包括外觀與車輛內部相連接的部件,或者作為一個整體部件的多個子部件的損傷部件組合,如包括後視鏡框與後視鏡玻璃兩個損傷部件的損傷部件組合。其他的一些實施例中,也可以包括位置上不直接相連接的部件,如車輛尾燈與中控台的燈光控制器組成的損傷部件組合。 通常情況下,在車輛發生碰撞時,如果一個部件受損,常常會伴隨周邊位置部件的損壞,霧燈壞了,大概率霧燈框也壞了。例如右後翼子板、右底大邊和右後門是常見的損傷部件組合,而且,基於歷史定損結論資料可以看出,當右後翼子板和右底大邊框同時出現損傷情況下,右後門有較大概率的會同時出現損傷。現有的一些基於拍攝圖像識別損傷部件的方法中,由於拍攝角度、識別演算法自身邏輯、定損圖像品質等,在定損結論中常常會出現遺漏某些損傷部件的情況。本說明書提供的實施方案,至少可以根據歷史定損結論資料,得到在定損處理中出現某些損傷部件時伴隨著其他部件損傷的概率情況,在進行定損結論處理時,可以利用歷史定損結論資料判斷定損結論中的損傷部件組合是否為常規情況(具體可以根據場景定義)的損傷組合。如果是,則可以進一步的查找是否有定損結論中損傷部件的損傷關聯部件,如果有,則可以將其作為遺漏損傷部件,補充或修正定損結論,進而提高定損結論的準確性。 本說明書提供的實施方案可以利用貝氏推論的方法來計算出現所述定損結論中的損傷部件組合的概率。例如可以設計一種貝氏推論引擎,可以從歷史定損案件中得到歷史定損結論資料,儲存在資料庫中,基於大量歷史定損結論中損傷部件出現的先驗概率與條件概率,識別定損結論的可靠性。在本說明書一些利用貝氏推論實施例中,先驗概率和條件概率,對應公式可以如下所示: 先驗概率計算:Pro(損傷組合x)=Num(損傷組合x)/ Num(歷史定損案件); 條件概率計算:Pro(損傷部件y|損傷組合x)=Pro(損傷部件y,損傷組合x)/Pro(損傷組合x)。 條件概率低可以表示相關的損傷部件組合在歷史案件中出現可能性低,可以視為可疑定損結論。先驗概率以及條件概率計算可以藉由資料庫中的歷史定損結論資料更新,當然,在電腦性能允許的情況下,也可以藉由實時流引擎實時計算獲得。 下面以一個定損決策系統來處理定損中包括多個損傷部件的受損結論的過程為應用場景對本說明書實施方案進行說明。具體的,圖1是本說明書提供的所述一種展示介面內容的資料處理方法實施例的流程示意圖。雖然本說明書提供了如下述實施例或圖式所示的方法操作步驟或裝置結構,但基於常規或者無需創造性的勞動在所述方法或裝置中可以包括更多或者部分合併後更少的操作步驟或模組單元。在邏輯性上不存在必要因果關係的步驟或結構中,這些步驟的執行順序或裝置的模組結構不限於本說明書實施例或圖式所示的執行順序或模組結構。所述的方法或模組結構的在實際中的裝置、伺服器或終端產品應用時,可以按照實施例或者圖式所示的方法或模組結構進行順序執行或者並行執行(例如並行處理器或者多線程處理的環境、甚至包括分散式處理、伺服器集群的實施環境)。 具體的一種實施例如圖1所示,本說明書提供的一種頁面存取的資料處理方法的一種實施例中,所述方法可以包括: S0:接收車險的定損結論。 一般的,所述定損結論可以包括識別出的車輛的受損部件的資訊,例如定損結論中可以包括受損部件的部件名稱、受損程度、受損位置等。使用者可以將定損結論輸入所述定損決策系統中,例如人工進行定損得到的定損結論。另一些實施場景中,也可以由其他終端設備將定損結論傳輸給所述定損決策系統,如定損伺服器得藉由定損圖像識別處理得到的定損結論發送給所述定損決策系統,所述定損決策系統可以即時處理或持久化後處理。 S2:基於歷史定損結論資料計算出現所述定損結論中的損傷部件組合的概率,所述損傷部件組合包括至少一個損傷部件。 在本實施例損傷部件遺漏的處理場景中,所述的損傷部件組合可以包括一個損傷部件即可實現。如定損結論中的損傷部件組合為霧燈損壞,則通常情況下有較大概率的出現霧燈框也損壞。因此,本實施例中的損傷部件組合可以包括1個損傷部件,這樣可以基於後續該損傷部件來霧燈的匹配損傷關聯部件霧燈框,得到遺漏的損傷部件。如上述中,可以採用貝氏推論方法,結合資料庫中儲存的歷史定損結論資料來計算定損結論中損傷部件組成出現的概率。當然,本說明書不排除其他的實施方式中,可以使用其他統計或歸納或預測演算法,或者自定義的演算法或模型,並利用歷史定損結論資料來得到定損結論中損傷部件組合出現的概率。 S4:確定所述概率大於第一閾值時,查詢是否有與所述損傷部件匹配的損傷關聯部件。 如果所述損傷部件組合出現的概率大於一定的閾值,則可以表示該損傷部件組合屬於常規的損傷部件組合(或者成為高頻損傷部件組合)。然後可以結合歷史定損結論資料的分析結果查詢是否有與所述損傷部件匹配的損傷關聯部件。具體的,可以對歷史定損結論資料進行統計得到當某個部件損傷時,同時還會出現另一個損傷部件的資訊。或者可以建立訓練簡單學習模型,以歷史定損記錄資料作為樣本資料進行訓練學習,如可以採用CNN((Deep Neural Networks,深度神經網路)、GBDT (GradientBoostingDecisionTree,梯度提升的決策樹演算法)、SVM(Support Vector Machine,支援向量機)等。 通常情況下,如果某個部件受損,則與該部件周邊的部件也存在受損的可能性。因此,本實施例可以進一步查詢是否有與所述受損部件匹配的損傷關聯部件。具體的一個實施例中,所述查詢是否有與所述損傷部件匹配的損傷關聯部件可以包括: S40:在歷史關聯規則中查詢所述損傷部件的損傷關聯部件,所述歷史關聯規則包括基於歷史定損結論資料中當第一損傷部件時出現受損的第二損傷部件確定。 可以根據歷史定損結論資料中各當某個部件(可以稱為第一部件)受損時,還會伴隨著其他部件(可以稱為第二部件)受損的資訊來生成歷史關聯規則。例如,當部件A受損時,在一些歷史定損結論中,出現還會有部件B也會受損,在另一些歷史定損結論中,出現還會有部件C受損而B未受損的情況,當然,可以出現在部件A受損時,部件B和C同樣也會受損的歷史定損結論。這樣,可以根據對歷史定損結論資料的處理構建生成歷史關聯規則,歷史關聯規則中可以記錄有當第一部件受損時,還會發生受損的第二部件的資訊,所述第二部件可以為一個或多個。如可以有“部件A受損時,部件B受損”的歷史關聯規則,也可以有“部件A受損時,部件C受損”的歷史關聯規則。 在歷史定損結論資料中,包含同一個受損部件的不同受損部件組合出現的次數可以不同,則對應著其出現的概率不同。本說明書提供的所述方法的另一個實施例中,某個部件的歷史關聯規則可以有相應的置信度,所述置信度可以包括基於歷史定損結論資料中當所述第一損傷部件時,所述第二損傷部件出現受損的概率確定,在確定損傷部件時可以選取置信度大於閾值的損傷關聯部件作為所述匹配的損傷關聯部件。 置信度越高,可以表示第一部件損傷時第二部件損傷的概率越高。本實施例中採用置信度對歷史關聯規則進行中的損傷關聯部件進行過濾,選取大於閾值的高置信度作為匹配的損傷關聯部件,可以進一步提高識別查找遺漏損傷部件的準確性,提高定損結論的可靠性和準確性。關於選取置信度的閾值,可以結合應用場景進行設置,例如可以設置選擇大於90%的置信度對應的損傷關聯部件。 具體的一個示例中,例如可以設置第一閾值為0.5%,損傷部件組合中包括損傷部件A和損傷部件B。藉由歷史定損結論資料計算該損傷部件組合出現的概率為65%,表示損傷部件A與B的組合是常見的組合。查詢歷史案件關聯規則可知,90%情況下,當同時出現損傷部件A和B時,部件C也有損傷。則,此時可以將部件C作為損傷部件A的損傷關聯部件,也可以作為損傷部件B的損傷關聯部件。 S6:若有,則將所述損傷關聯部件作為所述定損結論的遺漏損傷部件。 在一些應用場景中,若查詢到損傷關聯部件,則可能是使用者人為欺詐或者系統自動定損錯誤。本實施例方案可以將損傷關聯部件作為定損結論中出現的遺漏損傷部件,該遺漏損傷部件可以以推送或提示的資訊發送給指定接收方進行人工審核。另一些實施例中,可以將改遺漏損傷部件作為定損結論中的損傷部件再次核損,這樣,輸出的定損結論中可以包括遺漏損傷部件和原始包括的損傷部件。 利用上述實施例提供的實施方案,可以對定損結論進行完善和修正,解決一些場景下輸出不合常理的定損結論的問題,有效提高輸出的定損結論的精度和可靠性,提高使用者體驗。例如某個車險定損案件中,只輸出了右後翼子板和右底大邊損傷,而實際的定損單和大量歷史資料中都表明右後翼子板、右底大邊和右後門是常見的損傷組合,且當右後翼子板和右底大邊同時出現損傷情況下,右後門損傷概率為90%。藉由本說明書提供的實施例,可以有效解決這類“不合常理輸出”的問題,可以有效提升車險定損輸出結論的精度,帶來更好的使用者體驗。 本申請提供的所述方法的另一個應用場景中,可能會出現另一種不符合常規部件組合的情況,如人為欺詐。惡意使用者可以藉由偽造定損圖像、故意非正常角度拍攝,甚至使用不同車輛的定損圖像來實現車險定損的非法目的。這種情況下可能會出現一些不符合常規部件組合的情況,如右前門碰撞、右前輪、右前A柱發生損壞,但右側轉向燈確沒有損壞,這樣的情況下有可能是車險欺詐或者特定角度發生的碰撞。基於此,本說明書提供的所述方法的另一個實施例中,所述損傷部件組合包括至少兩個損傷部件,若出現損傷部件組合的概率小於一定的閾值,則可以發出風險提示訊息,對該損傷部件組合進行提示,以便進行人工核實或再次識別處理等。因此,本說明書提供的所述方法的另一個實施例中,若所述損傷部件組合包括至少兩個損傷部件,則所述方法還可以包括: S8:確定所述概率低於第二閾值時,發送風險提示訊息。 圖2是本說明書所述方法另一個實施例流程示意圖。通常來說,不符合常規部件組合不完全排除不可能出現的情況,但整體而言在歷史定損結論資料中出現的次數少。 當然,需要說明書的,本說明書的其他實施例中,所述損傷部件組合可以包括一個損傷部件的實施方場景。若該損傷部件組合出現的概率小於一個閾值(在此可以稱為第四閾值),則同樣可以發出風險提示訊息。如,損傷部件組合為一個車輛內部的部件,如扶手箱。而在絕大數車輛出險情況下,僅僅出現扶手箱的損壞的可能性極低。因此,在一些實施場景中,如果損傷部件組合僅包括一個損傷部件並且該損傷部件組合出現的概率小於第四閾值,則可以發送風險提示訊息。因此,所述方法的另一個實施例中,若所述損傷部件組合包括一個損傷部件,且確定所述概率低於第四閾值時,則發送風險提示訊息。 本說明書提供的所述方法的一個實施例中,所述基於歷史定損結論資料計算出現所述損傷部件組合的概率包括: 若所述定損結論中包括的損傷部件在歷史定損結論資料中出現的次數低於第三閾值,則判定所述損傷部件組合出現的概率為0。 例如,損傷部件A和損傷部件M的組合,如果在10000次歷史定損結論中進行出現過1次,低於設定的閾值(為了區別不同閾值,這裡可以稱為第三閾值),則可以判定當前定損結論中的損傷部件A和損傷部件M的組合出現的概率為0。 如前所述,有些不符合常規部件組合的情況還是有可能出現的,例如在某些特定碰撞角度、或撞擊位置、或季節等可能發生極少出現的損傷部件組合情況。因此,本說明書的另一個實施方案中,還可以結合歷史定損結論資料在特定條件下的資料資訊,如指碰撞角度、碰撞強度、地域,車型,時間(季節)、天氣、事故類型等特徵,來與當前定損結論的特定條件進行匹配。如果當前定損結論對應的特定條件與歷史定損結論資料的特定條件相匹配,則可以表示事故發生的環境(特定條件)相同或類型,則是有較大可能出現不符合常規部件組合的情況。因此,本說明書提供的另一個實施例中,在基於歷史定損結論資料計算出現所述定損結論中的損傷部件組合的概率時,還獲取所述定損結論對應的特定條件資料,所述特定條件資料至少包括碰撞角度、碰撞強度、事故發生地、事故發生、事故類型中的至少一種資料資訊; 相應的,若所述定損結論對應的特定條件資料與所述歷史定損結論資料中的特定條件資料相匹配,則確定出現所述定損結論中的損傷部件組的概率大於第一閾值。 如上述扶手箱損壞的實施場景中,特定條件資料可以包括這樣的場景描述:天窗打開、停在地面靠近樓房、高空拋物,在這樣的特定條件下是有可能發送僅僅出險扶手箱損壞的情況的。如果歷史上出現過這樣的場景,並且當前處理的定損結論的特定條件也是這樣的場景,部件損壞現場環境相同或類似,則可以輸出其概率大於第一閾值,表示當前出現的損傷部件組合在這樣特定條件下符合正常的發生概率的。這樣,本實施例結合特定條件下的資料資訊來對定損結論進行處理,可以進一步提高定損結論的可靠性。本說明書的實施例中,用於判斷遺漏或者風險的資料不僅僅可以歷史定損單資料,還包括碰撞痕跡等其他資料。 所述方法的另一個實施例中,經過人工審核或者添加遺漏損傷部件後的定損結論資料可以作為新的歷史定損結論資料,這樣藉由不斷的資料積累,可以使得歷史定損結論資料更加完善可靠,也使得後續的車型定損資料處理結果越來越準確、可靠。具體的,所述方法的另一個實施例中,還可以包括: S10:獲取修正後定損結論,將所述修正後定損結論作為歷史定損結論資料,其中,所述修正後定損結論包括: 在所述概率大於第一閾值時,基於所遺漏損傷部件對所述定損結論進行修改得到的第一修正後定損結論; 或者, 在所述概率低於第二閾值時,基於所述風險提示訊息對所述定損結論進行審核確認得到的第二修正後定損結論。 修正後定損結論可以包括上述第一或第二修正後定損結論中的任意一個,或者包括兩者。 圖7是利用本說明書所述方法構建的一種定損決策系統的系統框架示意圖,其中虛線部分表示在一些實施例中可以不必包括的部分。本說明書實施例提供一套高效準確的車險定損資料的處理方法,可以輸出精度更高的定損結果,並且提供了一套自動化分流可疑定損結論的機制,對定損組合的可疑項目進行風險提示,可以識別存在欺詐嫌疑的案件,同時在演算法結論不可靠的情況,人工介入修正結論定損完整性做補充,提升使用者體驗,降低欺詐風險。 本申請實施例所提供的方法實施例可以在移動終端、電腦終端、伺服器或者類似的運算裝置中執行。以運行在移動終端上為例,圖3是本發明實施例的一種車險定損資料的處理方法的移動終端的硬體結構方塊圖。如圖3所示,移動終端10可以包括一個或多個(圖中僅示出一個)處理器102(處理器102可以包括但不限於微處理器MCU或可程式邏輯裝置FPGA等的處理裝置)、用於儲存資料的記憶體104、以及用於通訊功能的傳輸模組106。本領域具有通常知識者可以理解,圖3所示的結構僅為示意,其並不對上述電子裝置的結構造成限定。例如,移動終端10還可包括比圖7中所示更多或者更少的組件,例如還可以包括其他的處理硬體,或者具有與圖3所示不同的配置。 記憶體104可用於儲存應用軟體的軟體程式以及模組,如本發明實施例中的搜索方法對應的程式指令/模組,處理器102藉由運行儲存在記憶體104內的軟體程式以及模組,從而執行各種功能應用以及資料處理,即實現上述車險定損資料的處理方法。記憶體104可包括高速隨機記憶體,還可包括非易失性記憶體,如一個或者多個磁性儲存裝置、快閃記憶體、或者其他非易失性固態記憶體。在一些實例中,記憶體104可進一步包括相對於處理器102遠端設置的記憶體,這些遠端記憶體可以藉由網路連接至電腦終端10。上述網路的實例包括但不限於網際網路、企業內部網、區域網路、移動通訊網及其組合。 傳輸模組106用於經由一個網路接收或者發送資料。上述的網路具體實例可包括電腦終端10的通訊供應商提供的無線網路。在一個實例中,傳輸模組106包括一個網路介面控制器(Network Interface Controller,NIC),其可藉由基地台與其他網路設備相連從而可與網際網路進行通訊。在一個實例中,傳輸模組106可以為射頻(Radio Frequency,RF)模組,其用於藉由無線方式與網際網路進行通訊。 基於上述所述的圖像物體定位的方法,本說明書還提供一種展示介面內容的資料處理裝置。所述的裝置可以包括使用了本說明書實施例所述方法的系統(包括分散式系統)、軟體(應用程式)、模組、組件、伺服器、客戶端等並結合必要的實施硬體的設備裝置。基於同一創新構思,本說明書提供的一種實施例中的處理裝置如下面的實施例所述。由於裝置解決問題的實現方案與方法相似,因此本說明書實施例具體的處理裝置的實施可以參見前述方法的實施,重複之處不再贅述。儘管以下實施例所描述的裝置較佳地以軟體來實現,但是硬體,或者軟體和硬體的組合的實現也是可能並被構想的。具體的,如圖4所示,圖4是本說明書提供的一種展示介面內容的資料處理裝置實施例的模組結構示意圖,可以包括: 接收模組101,可以用於接收車險的定損結論; 概率計算模組102,可以用於基於歷史定損結論資料計算出現所述定損結論中的損傷部件組合的概率,所述損傷部件組合包括至少一個損傷部件; 關聯部件確定模組103,可以用於確定所述概率大於第一閾值時,查詢是否有與所述損傷部件匹配的損傷關聯部件; 第一輸出模組104,可以用於查詢到匹配的損傷關聯部件時,將所述損傷關聯部件作為所述定損結論的遺漏損傷部件。 圖5是本說明書提供的所述裝置另一種實施例的模組結構示意圖,如圖5所示,所述裝置還可以包括: 第二輸出模組104,可以用於概率計算模組102得到所述概率低於第二閾值時,發送風險提示訊息。 所述裝置另一種實施例中,所述概率計算模組102可以包括: 貝氏推論單元,可以用於採用貝氏推論方法,基於歷史定損結論資料中損傷部件出現的先驗概率與條件概率,計算所述損傷部件組合的概率。 所述裝置另一種實施例中,概率計算模組102基於歷史定損結論資料計算出現所述損傷部件組合的概率包括: 若所述定損結論中包括的損傷部件在歷史定損結論資料中出現的次數低於第三閾值,則判定所述損傷部件組合出現的概率為0。 所述裝置另一種實施例中,在基於歷史定損結論資料計算出現所述定損結論中的損傷部件組合的概率時,還獲取所述定損結論對應的特定條件資料,所述特定條件資料至少包括碰撞角度、碰撞強度、事故發生地、事故發生、事故類型中的至少一種資料資訊; 相應的,若所述定損結論對應的特定條件資料與所述歷史定損結論資料中的特定條件資料相匹配,則確定出現所述定損結論中的損傷部件組的概率大於第一閾值。 所述裝置另一種實施例中,關聯部件確定模組103查詢是否有與所述損傷部件匹配的損傷關聯部件包括: 在歷史關聯規則中查詢所述損傷部件的損傷關聯部件,所述歷史關聯規則包括基於歷史定損結論資料中當第一損傷部件時出現受損的第二損傷部件確定。 所述裝置另一種實施例中,關聯部件確定模組103還可以包括: 篩選單元,可以用於選取置信度大於閾值的損傷關聯部件作為所述匹配的損傷關聯部件,所述置信度包括基於歷史定損結論資料中當所述第一損傷部件時,所述第二損傷部件出現受損的概率確定。 圖6是本說明書提供的所述裝置另一種實施例的模組結構示意圖,如圖6所示,所述裝置還可以包括: 歷史資料更新模組106,可以獲取修正後定損結論,將所述修正後定損結論作為歷史定損結論資料,其中,所述修正後定損結論包括: 在所述概率大於第一閾值時,基於所遺漏損傷部件對所述定損結論進行修改得到的第一修正後定損結論; 或者, 在所述概率低於第二閾值時,基於所述風險提示訊息對所述定損結論進行審核確認得到的第二修正後定損結論。 需要說明的是,本說明書實施例上述所述的處理裝置,具體的實現方式可以參照方法實施例的描述,在此不作一一贅述。 本說明書實施例提供的展示介面內容的資料處理方法可以在電腦中由處理器執行相應的程式指令來實現,如使用windows操作系統的c++語言在PC端實現,或其他例如Linux、android、iOS系統相對應的應用程式設計語言集合必要的硬體實現,或者基於量子電腦的處理邏輯實現等。具體的,本說明書提供的一種處理設備的一種實施例中,所述處理設備可以包括處理器以及用於儲存處理器可執行指令的記憶體,所述處理器執行所述指令時實現: 接收車險的定損結論; 基於歷史定損結論資料計算出現所述定損結論中的損傷部件組合的概率,所述損傷部件組合包括至少一個損傷部件; 確定所述概率大於第一閾值時,查詢是否有與所述損傷部件匹配的損傷關聯部件; 若有,則將所述損傷關聯部件作為所述定損結論的遺漏損傷部件。 上述的指令可以儲存在多種電腦可讀儲存媒體中。所述電腦可讀儲存媒體可以包括用於儲存資訊的物理裝置,可以將資訊數位化後再以利用電、磁或者光學等方式的媒體加以儲存。本實施例所述的電腦可讀儲存媒體有可以包括:利用電能方式儲存資訊的裝置如,各式記憶體,如RAM、ROM等;利用磁能方式儲存資訊的裝置如,硬碟、軟碟、磁帶、磁芯記憶體、磁泡記憶體、USB隨身碟;利用光學方式儲存資訊的裝置如,CD或DVD。當然,還有其他方式的可讀儲存媒體,例如量子記憶體、石墨烯記憶體等等。 基於前述所述,本說明書實施例還提供一種車險定損資料的處理設備,所述的處理設備可以包括移動終端、個人掌聲電腦、智慧型穿戴設備、車機互動設備、個人電腦、伺服器、伺服器集群等。所述處理設備可以包括至少一個處理器以及用於儲存處理器可執行指令的記憶體,所述處理器執行所述指令時實現: 接收車險的定損結論; 基於歷史定損結論資料計算出現所述定損結論中的損傷部件組合的概率,所述損傷部件組合包括至少一個損傷部件; 確定所述概率大於第一閾值時,查詢是否有與所述損傷部件匹配的損傷關聯部件,若有,則將所述損傷關聯部件作為所述定損結論的遺漏損傷部件; 確定所述概率低於第二閾值時,發送風險提示訊息。 需要說明的是,本說明書實施例上述所述的處理裝置、電子設備,根據相關方法實施例的描述還可以包括其他的實施方式,例如。具體的實現方式可以參照方法實施例的描述,在此不作一一贅述。 本說明書中的各個實施例均採用遞進的方式描述,各個實施例之間相同相似的部分互相參見即可,每個實施例重點說明的都是與其他實施例的不同之處。尤其,對於硬體+程式類實施例而言,由於其基本相似於方法實施例,所以描述的比較簡單,相關之處參見方法實施例的部分說明即可。 上述對本說明書特定實施例進行了描述。其它實施例在所附申請專利範圍的範圍內。在一些情況下,在申請專利範圍中記載的動作或步驟可以按照不同於實施例中的順序來執行並且仍然可以實現期望的結果。另外,在圖式中描繪的過程不一定要求示出的特定順序或者連續順序才能實現期望的結果。在某些實施方式中,多任務處理和並行處理也是可以的或者可能是有利的。 需要說明的,上述所述的電腦可讀儲存媒體根據方法或裝置實施例的描述還可以包括其他的實施方式,具體的實現方式可以參照方法實施例的描述,在此不作一一贅述。 本說明書實施例提供的一種車險定損資料的處理方法、裝置和處理設備,可以結合歷史定損結論資料中損傷部件組合的案件資訊來計算得到出現定損結論中損傷部件組合的概率,該概率可以表示定損結論的可靠性。若概率大於一定的閾值,可以表示定損結論中的損傷部件組合是常見的損傷組合(也可以稱為高頻損傷組合),為正常的部件組合出現概率。在本說明書提供實施方案中,如果某個部件受損,則可以查看與該部件相關聯的部件是否也出現受損,如果有,則可以進行損傷遺漏部件的推薦,對定損結論進行補充或修正,解決一些場景下輸出不合常理的定損結論的問題,有效提高輸出的定損結論的精度和可靠性,提高使用者體驗。 雖然本申請提供了如實施例或流程圖所述的方法操作步驟,但基於常規或者無創造性的勞動可以包括更多或者更少的操作步驟。實施例中列舉的步驟順序僅僅為眾多步驟執行順序中的一種方式,不代表唯一的執行順序。在實際中的裝置或客戶端產品執行時,可以按照實施例或者圖式所示的方法順序執行或者並行執行(例如並行處理器或者多線程處理的環境)。 儘管本說明書實施例內容中提到採用貝氏推論計算概率、DNN作為學習模型、多個閾值的設置等之類的資料獲取、定義、互動、計算、判斷等操作和資料描述,但是,本說明書實施例並不局限於必須是符合行業通訊標準、標準電腦資料處理協定、通訊協定和標準資料模型/模板或本說明書實施例所描述的情況。某些行業標準或者使用自定義方式或實施例描述的實施基礎上略加修改後的實施方案也可以實現上述實施例相同、等同或相近、或變形後可預料的實施效果。應用這些修改或變形後的資料獲取、儲存、判斷、處理方式等獲取的實施例,仍然可以屬於本說明書的可選實施方案範圍之內。 在20世紀90年代,對於一個技術的改進可以很明顯地區分是硬體上的改進(例如,對二極體、電晶體、開關等電路結構的改進)還是軟體上的改進(對於方法流程的改進)。然而,隨著技術的發展,當今的很多方法流程的改進已經可以視為硬體電路結構的直接改進。設計人員幾乎都藉由將改進的方法流程編程到硬體電路中來得到相應的硬體電路結構。因此,不能說一個方法流程的改進就不能用硬體實體模組來實現。例如,可程式邏輯裝置(Programmable Logic Device, PLD)(例如現場可程式閘陣列(Field Programmable Gate Array,FPGA))就是這樣一種集成電路,其邏輯功能由使用者對裝置編程來確定。由設計人員自行編程來把一個數位系統“集成”在一片PLD上,而不需要請晶片製造廠商來設計和製作專用的集成電路晶片。而且,如今,取代手工地製作集成電路晶片,這種編程也多半改用“邏輯編譯器(logic compiler)”軟體來實現,它與程式開發撰寫時所用的軟體編譯器相類似,而要編譯之前的原始碼也得用特定的編程語言來撰寫,此稱之為硬體描述語言(Hardware Description Language,HDL),而HDL也並非僅有一種,而是有許多種,如ABEL (Advanced Boolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL (Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby Hardware Description Language)等,目前最普遍使用的是VHDL (Very-High-Speed Integrated Circuit Hardware Description Language)與Verilog。本領域技術人員也應該清楚,只需要將方法流程用上述幾種硬體描述語言稍作邏輯編程並編程到集成電路中,就可以很容易得到實現該邏輯方法流程的硬體電路。 控制器可以按任何適當的方式實現,例如,控制器可以採取例如微處理器或處理器以及儲存可由該(微)處理器執行的電腦可讀程式碼(例如軟體或韌體)的電腦可讀媒體、邏輯閘、開關、專用集成電路(Application Specific Integrated Circuit,ASIC)、可程式邏輯控制器和嵌入微控制器的形式,控制器的例子包括但不限於以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,記憶體控制器還可以被實現為記憶體的控制邏輯的一部分。本領域技術人員也知道,除了以純電腦可讀程式碼方式實現控制器以外,完全可以藉由將方法步驟進行邏輯編程來使得控制器以邏輯閘、開關、專用集成電路、可程式邏輯控制器和嵌入微控制器等的形式來實現相同功能。因此這種控制器可以被認為是一種硬體部件,而對其內包括的用於實現各種功能的裝置也可以視為硬體部件內的結構。或者甚至,可以將用於實現各種功能的裝置視為既可以是實現方法的軟體模組又可以是硬體部件內的結構。 上述實施例闡明的系統、裝置、模組或單元,具體可以由電腦晶片或實體實現,或者由具有某種功能的產品來實現。一種典型的實現設備為電腦。具體的,電腦例如可以為個人電腦、筆記型電腦、車載人機互動設備、行動電話、相機電話、智慧型電話、個人數位助理、媒體播放器、導航設備、電子郵件設備、遊戲控制台、平板電腦、可穿戴設備或者這些設備中的任何設備的組合。 雖然本說明書實施例提供了如實施例或流程圖所述的方法操作步驟,但基於常規或者無創造性的手段可以包括更多或者更少的操作步驟。實施例中列舉的步驟順序僅僅為眾多步驟執行順序中的一種方式,不代表唯一的執行順序。在實際中的裝置或終端產品執行時,可以按照實施例或者圖式所示的方法順序執行或者並行執行(例如並行處理器或者多線程處理的環境,甚至為分散式資料處理環境)。術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含,從而使得包括一系列要素的過程、方法、產品或者設備不僅包括那些要素,而且還包括沒有明確列出的其他要素,或者是還包括為這種過程、方法、產品或者設備所固有的要素。在沒有更多限制的情況下,並不排除在包括所述要素的過程、方法、產品或者設備中還存在另外的相同或等同要素。 為了描述的方便,描述以上裝置時以功能分為各種模組分別描述。當然,在實施本說明書實施例時可以把各模組的功能在同一個或多個軟體和/或硬體中實現,也可以將實現同一功能的模組由多個子模組或子單元的組合實現等。以上所描述的裝置實施例僅僅是示意性的,例如,所述單元的劃分,僅僅為一種邏輯功能劃分,實際實現時可以有另外的劃分方式,例如多個單元或組件可以結合或者可以集成到另一個系統,或一些特徵可以忽略,或不執行。另一點,所顯示或討論的相互之間的耦合或直接耦合或通訊連接可以是藉由一些介面,裝置或單元的間接耦合或通訊連接,可以是電性,機械或其它的形式。 本領域技術人員也知道,除了以純電腦可讀程式碼方式實現控制器以外,完全可以藉由將方法步驟進行邏輯編程來使得控制器以邏輯閘、開關、專用集成電路、可程式邏輯控制器和嵌入微控制器等的形式來實現相同功能。因此這種控制器可以被認為是一種硬體部件,而對其內部包括的用於實現各種功能的裝置也可以視為硬體部件內的結構。或者甚至,可以將用於實現各種功能的裝置視為既可以是實現方法的軟體模組又可以是硬體部件內的結構。 本發明是參照根據本發明實施例的方法、設備(系統)、和電腦程式產品的流程圖和/或方塊圖來描述的。應理解可由電腦程式指令實現流程圖和/或方塊圖中的每一流程和/或方塊、以及流程圖和/或方塊圖中的流程和/或方塊的結合。可提供這些電腦程式指令到通用電腦、專用電腦、嵌入式處理機或其他可程式資料處理設備的處理器以產生一個機器,使得藉由電腦或其他可程式資料處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能的裝置。 這些電腦程式指令也可儲存在能引導電腦或其他可程式資料處理設備以特定方式工作的電腦可讀記憶體中,使得儲存在該電腦可讀記憶體中的指令產生包括指令裝置的製造品,該指令裝置實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能。 這些電腦程式指令也可裝載到電腦或其他可程式資料處理設備上,使得在電腦或其他可程式設備上執行一系列操作步驟以產生電腦實現的處理,從而在電腦或其他可程式設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方塊圖一個方塊或多個方塊中指定的功能的步驟。 在一個典型的配置中,計算設備包括一個或多個處理器(CPU)、輸入/輸出介面、網路介面和記憶體。 記憶體可能包括電腦可讀媒體中的非永久性記憶體,隨機存取記憶體(RAM)和/或非易失性記憶體等形式,如唯讀記憶體(ROM)或快閃記憶體(flash RAM)。記憶體是電腦可讀媒體的示例。 電腦可讀媒體包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存媒體的例子包括,但不限於相變記憶體(PRAM)、靜態隨機存取記憶體(SRAM)、動態隨機存取記憶體(DRAM)、其他類型的隨機存取記憶體(RAM)、唯讀記憶體(ROM)、電可抹除可程式化唯讀記憶體(EEPROM)、快閃記憶體或其他記憶體技術、唯讀光碟(CD-ROM)、數位化多功能光碟(DVD)或其他光學儲存、磁盒式磁帶,磁帶磁磁碟儲存或其他磁性儲存設備或任何其他非傳輸媒體,可用於儲存可以被計算設備存取的資訊。按照本文中的界定,電腦可讀媒體不包括暫存電腦可讀媒體(transitory media),如調變的資料信號和載波。 本領域技術人員應明白,本說明書的實施例可提供為方法、系統或電腦程式產品。因此,本說明書實施例可採用完全硬體實施例、完全軟體實施例或結合軟體和硬體方面的實施例的形式。而且,本說明書實施例可採用在一個或多個其中包含有電腦可用程式碼的電腦可用儲存媒體(包括但不限於磁碟記憶體、CD-ROM、光學記憶體等)上實施的電腦程式產品的形式。 本說明書實施例可以在由電腦執行的電腦可執行指令的一般上下文中描述,例如程式模組。一般地,程式模組包括執行特定任務或實現特定抽象資料類型的例程、程式、物件、組件、資料結構等等。也可以在分散式計算環境中實踐本說明書實施例,在這些分散式計算環境中,由藉由通訊網路而被連接的遠端處理設備來執行任務。在分散式計算環境中,程式模組可以位於包括儲存設備在內的本地和遠端電腦儲存媒體中。 本說明書中的各個實施例均採用遞進的方式描述,各個實施例之間相同相似的部分互相參見即可,每個實施例重點說明的都是與其他實施例的不同之處。尤其,對於系統實施例而言,由於其基本相似於方法實施例,所以描述的比較簡單,相關之處參見方法實施例的部分說明即可。在本說明書的描述中,參考術語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結合該實施例或示例描述的具體特徵、結構、材料或者特點包含於本說明書實施例的至少一個實施例或示例中。在本說明書中,對上述術語的示意性表述不必須針對的是相同的實施例或示例。而且,描述的具體特徵、結構、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結合。此外,在不相互矛盾的情況下,本領域的技術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特徵進行結合和組合。 以上所述僅為本說明書實施例的實施例而已,並不用於限制本說明書實施例。對於本領域技術人員來說,本說明書實施例可以有各種更改和變化。凡在本說明書實施例的精神和原理之內所作的任何修改、等同替換、改進等,均應包含在本說明書實施例的申請專利範圍之內。
S0~S8‧‧‧步驟10‧‧‧移動終端101‧‧‧接收模組102‧‧‧處理器/概率計算模組103‧‧‧關聯部件確定模組104‧‧‧記憶體/第一輸出模組105‧‧‧第二輸出模組106‧‧‧傳輸模組/歷史資料更新模組
為了更清楚地說明本說明書實施例或現有技術中的技術方案,下面將對實施例或現有技術描述中所需要使用的圖式作簡單地介紹,顯而易見地,下面描述中的圖式僅僅是本說明書中記載的一些實施例,對於本領域具有通常知識者來講,在不付出創造性勞動性的前提下,還可以根據這些圖式獲得其他的圖式。 圖1是本說明書所述方法實施例的一個處理流程示意圖; 圖2是本說明書所述方法另一個實施例流程示意圖; 圖3是本說明書一種車險定損資料的處理方法的移動終端實施例的硬體結構方塊圖; 圖4是本說明書提供的一種車險定損資料處理裝置實施例的模組結構示意圖; 圖5是本說明書提供的所述裝置另一種實施例的模組結構示意圖; 圖6是本說明書提供的所述裝置另一種實施例的模組結構示意圖; 圖7是利用本說明書所述方法構建的一種定損決策系統的系統框架示意圖。
Claims (17)
- 一種車險定損資料的處理方法,該方法包括:接收車險的定損結論;基於歷史定損結論資料計算出現該定損結論中的損傷部件組合的概率,該損傷部件組合包括至少一個損傷部件;確定該概率大於第一閾值時,查詢是否有與該損傷部件匹配的損傷關聯部件,若有,則將該損傷關聯部件作為該定損結論的遺漏損傷部件;以及確定該概率低於第二閾值時,發送風險提示訊息。
- 如申請專利範圍第1項所述的方法,若該損傷部件組合僅包括一個損傷部件,且確定該概率低於第四閾值時,發送風險提示訊息。
- 如申請專利範圍第1或2項所述的方法,該基於歷史定損結論資料計算出現該損傷部件組合的概率包括:採用貝氏推論方法,基於歷史定損結論資料中損傷部件出現的先驗概率與條件概率,計算該損傷部件組合的概率。
- 如申請專利範圍第1或2項所述的方法,該基於歷史定損結論資料計算出現該損傷部件組合的概率包括: 若該定損結論中包括的損傷部件在歷史定損結論資料中出現的次數低於第三閾值,則判定該損傷部件組合出現的概率為0。
- 如申請專利範圍第4項所述的方法,在基於歷史定損結論資料計算出現該定損結論中的損傷部件組合的概率時,還獲取該定損結論對應的特定條件資料,該特定條件資料至少包括碰撞角度、碰撞強度、事故發生地、事故發生、事故類型中的至少一種資料資訊;相應的,若該定損結論對應的特定條件資料與該歷史定損結論資料中的特定條件資料相匹配,則確定出現該定損結論中的損傷部件組的概率大於第一閾值。
- 如申請專利範圍第1項所述的方法,該查詢是否有與該損傷部件匹配的損傷關聯部件包括:在歷史關聯規則中查詢該損傷部件的損傷關聯部件,該歷史關聯規則包括基於歷史定損結論資料中當第一損傷部件時出現受損的第二損傷部件確定。
- 如申請專利範圍第6項所述的方法,該方法還包括:選取置信度大於閾值的損傷關聯部件作為該匹配的損傷關聯部件,該置信度包括基於歷史定損結論資料中當該第一損傷部件時,該第二損傷部件出現受損的概率確定。
- 如申請專利範圍第1或2項所述的方法,該方法還包括:獲取修正後定損結論,將該修正後定損結論作為歷史定損結論資料,其中,該修正後定損結論包括:在該概率大於第一閾值時,基於所遺漏損傷部件對該定損結論進行修改得到的第一修正後定損結論;或者,在該概率低於第二閾值時,基於風險提示訊息對該定損結論進行審核確認得到的第二修正後定損結論。
- 一種展示介面內容的資料處理裝置,包括:接收模組,用於接收車險的定損結論;概率計算模組,用於基於歷史定損結論資料計算出現該定損結論中的損傷部件組合的概率,該損傷部件組合包括至少一個損傷部件;關聯部件確定模組,用於確定該概率大於第一閾值時,查詢是否有與該損傷部件匹配的損傷關聯部件;第一輸出模組,用於查詢到匹配的損傷關聯部件時,將該損傷關聯部件作為該定損結論的遺漏損傷部件;第二輸出模組,用於概率計算模組得到該概率低於第二閾值時,發送風險提示訊息。
- 如申請專利範圍第9項所述的裝置,該概率計算模組包括: 貝氏推論單元,用於採用貝氏推論方法,基於歷史定損結論資料中損傷部件出現的先驗概率與條件概率,計算該損傷部件組合的概率。
- 如申請專利範圍第9項所述的裝置,該概率計算模組基於歷史定損結論資料計算出現該損傷部件組合的概率包括:若該定損結論中包括的損傷部件在歷史定損結論資料中出現的次數低於第三閾值,則判定該損傷部件組合出現的概率為0。
- 如申請專利範圍第11項所述的裝置,概率計算模組在基於歷史定損結論資料計算出現該定損結論中的損傷部件組合的概率時,還獲取該定損結論對應的特定條件資料,該特定條件資料至少包括碰撞角度、碰撞強度、事故發生地、事故發生、事故類型中的至少一種資料資訊;以及,相應的,若該定損結論對應的特定條件資料與該歷史定損結論資料中的特定條件資料相匹配,則確定出現該定損結論中的損傷部件組的概率大於第一閾值。
- 如申請專利範圍第9項所述的裝置,該關聯部件確定模組查詢是否有與該損傷部件匹配的損傷關聯部件包括:在歷史關聯規則中查詢該損傷部件的損傷關聯部件,該歷史關聯規則包括基於歷史定損結論資料中當第一損傷 部件時出現受損的第二損傷部件確定。
- 如申請專利範圍第13項所述的裝置,該關聯部件確定模組還包括:篩選單元,用於選取置信度大於閾值的損傷關聯部件作為該匹配的損傷關聯部件,該置信度包括基於歷史定損結論資料中當該第一損傷部件時,該第二損傷部件出現受損的概率確定。
- 如申請專利範圍第9項所述的裝置,該裝置還包括:歷史資料更新模組,獲取修正後定損結論,將該修正後定損結論作為歷史定損結論資料,其中,該修正後定損結論包括:在該概率大於第一閾值時,基於所遺漏損傷部件對該定損結論進行修改得到的第一修正後定損結論;或者,在該概率低於第二閾值時,基於風險提示訊息對該定損結論進行審核確認得到的第二修正後定損結論。
- 一種處理設備,包括處理器以及用於儲存處理器可執行指令的記憶體,該處理器執行該指令時實現:接收車險的定損結論;基於歷史定損結論資料計算出現該定損結論中的損傷部件組合的概率,該損傷部件組合包括至少一個損傷部 件;確定該概率大於第一閾值時,查詢是否有與該損傷部件匹配的損傷關聯部件,若有,則將該損傷關聯部件作為該定損結論的遺漏損傷部件;確定該概率低於第二閾值時,發送風險提示訊息。
- 一種電子設備,包括至少一個處理器以及用於儲存處理器可執行指令的記憶體,該處理器執行該指令時實現:接收車險的定損結論;基於歷史定損結論資料計算出現該定損結論中的損傷部件組合的概率,該損傷部件組合包括至少一個損傷部件;確定該概率大於第一閾值時,查詢是否有與該損傷部件匹配的損傷關聯部件,若有,則將該損傷關聯部件作為該定損結論的遺漏損傷部件;確定該概率低於第二閾值時,發送風險提示訊息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
??201711166508.9 | 2017-11-21 | ||
CN201711166508.9 | 2017-11-21 | ||
CN201711166508.9A CN108062712B (zh) | 2017-11-21 | 2017-11-21 | 一种车险定损数据的处理方法、装置和处理设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201928846A TW201928846A (zh) | 2019-07-16 |
TWI686759B true TWI686759B (zh) | 2020-03-01 |
Family
ID=62134906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107132610A TWI686759B (zh) | 2017-11-21 | 2018-09-17 | 車險定損資料的處理方法、裝置和處理設備 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20200334638A1 (zh) |
EP (1) | EP3716194A4 (zh) |
CN (1) | CN108062712B (zh) |
SG (1) | SG11202004728XA (zh) |
TW (1) | TWI686759B (zh) |
WO (1) | WO2019100763A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062712B (zh) * | 2017-11-21 | 2020-11-06 | 创新先进技术有限公司 | 一种车险定损数据的处理方法、装置和处理设备 |
CN110569701B (zh) * | 2018-12-29 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 计算机执行的车辆定损方法及装置 |
CN109920158A (zh) * | 2019-04-23 | 2019-06-21 | 许灵辉 | 租车管理系统及方法 |
CN110334611A (zh) * | 2019-06-18 | 2019-10-15 | 中国平安财产保险股份有限公司 | 一种部件检测方法及装置、服务器、存储介质 |
CN110443718B (zh) * | 2019-07-17 | 2022-11-04 | 卓尔智联(武汉)研究院有限公司 | 车险理赔方法、计算机装置及可读存储介质 |
US11164260B1 (en) | 2019-09-10 | 2021-11-02 | MagMutual Intermediate Holding Company | Systems and methods for simulating and visualizing loss data |
US11435884B1 (en) * | 2019-09-10 | 2022-09-06 | MagMutual Intermediate Holding Company | Impactor, impactor mitigator, and entity structure graphical object visualization system and corresponding methods |
CN111311175A (zh) * | 2020-01-20 | 2020-06-19 | 深圳壹账通智能科技有限公司 | 评残条款智能预测方法、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 |
CN112070250B (zh) * | 2020-11-13 | 2021-05-04 | 深圳壹账通智能科技有限公司 | 车辆定损方法、装置、终端设备及存储介质 |
CN112464164A (zh) * | 2020-11-25 | 2021-03-09 | 北京航空航天大学 | 一种人因可靠性评估的方法、装置和信息处理设备 |
CN114842205B (zh) * | 2022-05-30 | 2024-05-07 | 平安科技(深圳)有限公司 | 车损检测方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103163877A (zh) * | 2011-12-19 | 2013-06-19 | 通用汽车环球科技运作有限责任公司 | 用于系统级故障的根本原因分析和质量监控的方法和系统 |
CN103493051A (zh) * | 2011-02-25 | 2014-01-01 | 奥达特克斯有限责任公司 | 用于估计对汽车的碰撞损伤的系统和方法 |
CN106776681A (zh) * | 2016-11-04 | 2017-05-31 | 中国平安财产保险股份有限公司 | 一种车险配件数据库中配件数据的维护方法和系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4640475B2 (ja) * | 2008-09-11 | 2011-03-02 | トヨタ自動車株式会社 | 車両の修理交換情報管理システム、車両の修理交換情報管理装置、車両の異常原因情報管理システム、車両の異常原因情報管理装置、複数組の教師データの処理方法 |
CN102180170A (zh) * | 2011-04-22 | 2011-09-14 | 林力 | 车辆数据采集存储分析显示装置 |
CN104123312B (zh) * | 2013-04-28 | 2018-02-16 | 国际商业机器公司 | 一种数据挖掘方法和装置 |
CN105719188B (zh) * | 2016-01-22 | 2017-12-26 | 平安科技(深圳)有限公司 | 基于多张图片一致性实现保险理赔反欺诈的方法及服务器 |
US10692050B2 (en) * | 2016-04-06 | 2020-06-23 | American International Group, Inc. | Automatic assessment of damage and repair costs in vehicles |
CN106600422A (zh) * | 2016-11-24 | 2017-04-26 | 中国平安财产保险股份有限公司 | 一种车险智能定损方法和系统 |
CN108062712B (zh) * | 2017-11-21 | 2020-11-06 | 创新先进技术有限公司 | 一种车险定损数据的处理方法、装置和处理设备 |
-
2017
- 2017-11-21 CN CN201711166508.9A patent/CN108062712B/zh active Active
-
2018
- 2018-08-10 SG SG11202004728XA patent/SG11202004728XA/en unknown
- 2018-08-10 EP EP18880390.2A patent/EP3716194A4/en active Pending
- 2018-08-10 WO PCT/CN2018/099998 patent/WO2019100763A1/zh unknown
- 2018-09-17 TW TW107132610A patent/TWI686759B/zh active
-
2020
- 2020-05-21 US US16/880,211 patent/US20200334638A1/en not_active Abandoned
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103493051A (zh) * | 2011-02-25 | 2014-01-01 | 奥达特克斯有限责任公司 | 用于估计对汽车的碰撞损伤的系统和方法 |
CN103163877A (zh) * | 2011-12-19 | 2013-06-19 | 通用汽车环球科技运作有限责任公司 | 用于系统级故障的根本原因分析和质量监控的方法和系统 |
CN106776681A (zh) * | 2016-11-04 | 2017-05-31 | 中国平安财产保险股份有限公司 | 一种车险配件数据库中配件数据的维护方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108062712B (zh) | 2020-11-06 |
US20200334638A1 (en) | 2020-10-22 |
WO2019100763A1 (zh) | 2019-05-31 |
CN108062712A (zh) | 2018-05-22 |
SG11202004728XA (en) | 2020-06-29 |
EP3716194A1 (en) | 2020-09-30 |
TW201928846A (zh) | 2019-07-16 |
EP3716194A4 (en) | 2021-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI686759B (zh) | 車險定損資料的處理方法、裝置和處理設備 | |
TWI704527B (zh) | 車輛損傷識別的處理方法、處理裝置、處理設備、客戶端裝置及處理系統 | |
US10713865B2 (en) | Method and apparatus for improving vehicle loss assessment image identification result, and server | |
CN109145680B (zh) | 一种获取障碍物信息的方法、装置、设备和计算机存储介质 | |
CN108665373B (zh) | 一种车辆定损的交互处理方法、装置、处理设备及客户端 | |
US11475770B2 (en) | Electronic device, warning message providing method therefor, and non-transitory computer-readable recording medium | |
US10043084B2 (en) | Hierarchical context-aware extremity detection | |
US10719863B2 (en) | Method and apparatus for improving vehicle loss assessment image identification result, and server | |
CN110765807B (zh) | 驾驶行为分析、处理方法、装置、设备和存储介质 | |
TWI715932B (zh) | 車輛損傷識別的處理方法及其處理裝置、車輛定損的資料處理設備、定損處理系統、客戶端及伺服器 | |
JP2020504856A (ja) | 画像に基づく車両損傷判定方法、装置および電子デバイス | |
TW201947509A (zh) | 理賠業務的資料處理方法、裝置、設備及伺服器 | |
US9778750B2 (en) | Hand-gesture-based region of interest localization | |
US10945888B2 (en) | Intelligent blind guide method and apparatus | |
CN114419679B (zh) | 基于可穿戴设备数据的数据分析方法、装置及系统 | |
CN110910628B (zh) | 车损图像拍摄的交互处理方法、装置、电子设备 | |
WO2020164331A1 (zh) | 理赔业务的处理方法及装置 | |
Nieto et al. | On creating vision‐based advanced driver assistance systems | |
EP4438429A1 (en) | Vehicle lane change control method and apparatus, electronic device, and storage medium | |
CN113591758A (zh) | 一种人体行为识别模型训练方法、装置及计算机设备 | |
Velez et al. | Embedded platforms for computer vision-based advanced driver assistance systems: a survey | |
Hao | 3D Object Detection from Point Cloud Based on Deep Learning | |
CN110032956B (zh) | 危险物品识别方法和装置 | |
Maruyama et al. | Accident Prediction Model Using Divergence Between Visual Attention and Focus of Expansion in Vehicle-mounted Camera Images | |
CN118762340A (zh) | 一种防撞方法、装置、电子设备及起重机 |