WO2017161896A1 - 基于健身数据的健康险精算系统及方法 - Google Patents

基于健身数据的健康险精算系统及方法 Download PDF

Info

Publication number
WO2017161896A1
WO2017161896A1 PCT/CN2016/105116 CN2016105116W WO2017161896A1 WO 2017161896 A1 WO2017161896 A1 WO 2017161896A1 CN 2016105116 W CN2016105116 W CN 2016105116W WO 2017161896 A1 WO2017161896 A1 WO 2017161896A1
Authority
WO
WIPO (PCT)
Prior art keywords
fitness
data
health insurance
date
user
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.)
Ceased
Application number
PCT/CN2016/105116
Other languages
English (en)
French (fr)
Inventor
张贯京
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.)
Shenzhen Qianhai AnyCheck Information Technology Co Ltd
Original Assignee
Shenzhen Qianhai AnyCheck Information Technology 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 Shenzhen Qianhai AnyCheck Information Technology Co Ltd filed Critical Shenzhen Qianhai AnyCheck Information Technology Co Ltd
Publication of WO2017161896A1 publication Critical patent/WO2017161896A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Definitions

  • the present invention relates to the field of insurance actuarial calculations, and more particularly to a health insurance actuarial system and method based on fitness data.
  • Big data technology can accelerate the risk prediction of actuarial insurance: With the growing privacy and publicity of user information, big data technology helps people extract value from large, high-complexity fitness data.
  • the actuarial system for the analysis and processing of medical data does not consider the positive factors that the user exerts on the body.
  • the risk of the insurance company is increased.
  • the main object of the present invention is to provide a health insurance actuarial system and method based on fitness data, aiming at solving the technical problem that the existing actuarial system does not perform insurance actuarial calculation based on fitness data.
  • the present invention provides a health insurance actuarial system based on fitness data, which is operated in a data center, and the data center is connected to a fitness information platform through a network, and the fitness information platform passes through the network and The wearable fitness device is connected, and the system comprises:
  • an obtaining module configured to obtain, from the fitness information platform, fitness data generated by the user wearing the wearable fitness device, wherein the fitness data includes date and heart rate data;
  • a classification module configured to classify the fitness data according to the date;
  • an extraction module configured to extract fitness data corresponding to a date from the classified fitness data
  • a generating module configured to generate a fitness qualified mark when the heart rate data in the fitness data corresponding to the date is within a preset heart rate range
  • a calculation module configured to: when the classified fitness data is all extracted, calculate the number of the markers, obtain a fitness qualification rate of the user, and calculate according to a preset health insurance actuarial algorithm and the fitness qualification rate The user's health insurance premium.
  • the fitness data includes a user name, a weight, a height, an age, a gender, a date, a fitness start, a fitness end, a fitness mileage, a fitness area, a fitness name, a fitness program, and a heart rate. Data and fitness steps.
  • Alx (2-P) xA2xA3 , A2 l+A21, where S is the health insurance premium, A is the medical compensation fee, B is the preventive health care fee, C is the management fee, D is the reserve fund, and A1 is the medical fee baseline data. A2 is the insurance factor, A3 is the compensation ratio, and P is the fitness pass rate.
  • S is the health insurance premium
  • A is the medical compensation fee
  • B is the preventive health care fee
  • C the management fee
  • D the reserve fund
  • A1 is the medical fee baseline data
  • A2 is the insurance factor
  • A3 is the compensation ratio
  • P is the fitness pass rate.
  • the parameters B, C, D, A1, and A3 in the formula are fixed values
  • A21 is the increase rate of medical service utilization.
  • the present invention further provides a health insurance actuarial method based on fitness data, which is applied to a data center, wherein the data center is connected to a fitness information platform through a network, and the fitness information platform passes through the network and the The wearable fitness device is connected, and the method includes:
  • the number of the markers is calculated to obtain the fitness qualification rate of the user, and the user's health insurance is calculated according to the preset health insurance actuarial algorithm and the fitness qualification rate. Premium.
  • the fitness data includes a user name, a weight, a height, an age, a gender, a date, a fitness start, a fitness end, a fitness mileage, a fitness area, a fitness name, a fitness program, and a heart rate. And the number of fitness steps.
  • Alx (2-P) xA2xA3 , A2 l+A21, where S is the health insurance premium, A is the medical compensation fee, B is the preventive health care fee, C is the management fee, D is the reserve fund, and A1 is the medical fee baseline data. A2 is the insurance factor, A3 is the compensation ratio, and P is the fitness pass rate.
  • S is the health insurance premium
  • A is the medical compensation fee
  • B is the preventive health care fee
  • C the management fee
  • D the reserve fund
  • A1 is the medical fee baseline data
  • A2 is the insurance factor
  • A3 is the compensation ratio
  • P is the fitness pass rate.
  • the parameters B, C, D, A1, and A3 in the formula are fixed values
  • A21 is the increase rate of medical service utilization.
  • the present invention adopts the above technical solution, and brings the technical effects as follows:
  • the health insurance actuarial system and method based on fitness data according to the present invention the user fitness data is combined with the user fitness data to understand the fitness rate of the user, and the health is adjusted according to the fitness qualification rate.
  • Insurance premiums reduce the risk of health insurance and increase the profitability of insurance companies.
  • FIG. 1 is a schematic diagram of an application environment of a health insurance actuarial system based on fitness data according to the present invention
  • FIG. 2 is a functional block diagram of a preferred embodiment of a health insurance actuarial system based on fitness data according to the present invention
  • FIG. 3 is a flow chart of a preferred embodiment of the health insurance actuarial method based on fitness data of the present invention.
  • FIG. 1 is a schematic diagram of an application environment of a health insurance actuarial system based on fitness data according to the present invention.
  • the fitness data-based health insurance actuarial system 20 in the present invention operates in the data center 2.
  • the data center 2 is connected to the fitness information platform 5 via the network 3.
  • the fitness information platform 5 is also communicatively coupled via a network 3 to one or more wearable fitness devices 4 (illustrated in three in FIG. 1 as an example).
  • the fitness information platform 5 is configured to provide a fitness service, and record fitness data generated by the user wearing the wearable fitness device 4 to perform fitness exercises.
  • the fitness data includes, but is not limited to, user name, weight, height, age, gender, date, fitness time, fitness end time, fitness mileage, fitness area, fitness site name, fitness program (eg, Running, swimming, boarding, etc., heart rate and fitness steps.
  • the wearable fitness device 4 is worn on the user's body and is used to record the fitness data generated by the user's fitness.
  • the wearable fitness device 4 is also connected to the fitness information platform 5 via the network 3 for uploading the fitness data to the fitness information platform 5.
  • the fitness information platform 5 provides a data import interface (eg, an application interface, Application)
  • the device or system accessing the API interface can obtain the fitness data of the wearable fitness device 4 using the Internet service from the fitness information platform 5.
  • the data center 2 obtains the fitness data based on the authorization of the fitness information platform 5 (ie, authorized access to the API interface provided by the fitness information platform 5), and parses the fitness data to obtain user use.
  • the keyword entered by the search engine may be a wired communication network or a wireless communication network.
  • the network 3 is preferably a wireless communication network, including but not limited to a GSM network, a GPRS network, a CDMA network, a TD-SCDMA network, a WiMAX network, a TD-LTE network, an FDD-LTE network, and the like.
  • the data center 2 is connected to the wearable fitness device 4 via a network 3.
  • the data center 2 is a server in the cloud platform or the cloud platform, and the data transmission capability and data storage capability of the data center 2 can better manage and/or assist with the data center.
  • the connected wearable fitness device 4 facilitates understanding of the fitness data generated by the user through the wearable fitness device 4.
  • the wearable fitness device 4 may be, but not limited to, a smart watch, a smart bracelet, and the like, any other suitable wearable device having a heart rate monitoring function.
  • FIG. 2 it is a functional block diagram of a preferred embodiment of the health insurance actuarial system based on fitness data of the present invention.
  • the fitness data-based health insurance actuarial system 20 is applied to the data center 2 .
  • the data center 2 includes, but is not limited to, a health insurance actuarial system 20 based on fitness data, a storage unit 22, a processing unit 24, and a communication unit 26.
  • the storage unit 22 may be a read only storage unit ROM, an electrically erasable storage unit EEPRO M, a flash storage unit FLASH or a solid hard disk.
  • the processing unit 24 may be a central processing unit (CPU), a microcontroller (MCU), a data processing chip, or an information processing unit having a data processing function.
  • CPU central processing unit
  • MCU microcontroller
  • data processing chip or an information processing unit having a data processing function.
  • the communication unit 26 is a wireless communication interface with remote wireless communication functions, for example, supports communication technologies such as GSM, GPRS, WCDMA, CDMA, TD-SCDMA, WiMAX, TD-LTE, and FDD-LT E. Communication interface.
  • communication technologies such as GSM, GPRS, WCDMA, CDMA, TD-SCDMA, WiMAX, TD-LTE, and FDD-LT E. Communication interface.
  • the fitness data-based health insurance actuarial system 20 includes, but is not limited to, an acquisition module 200, a classification module 210, an extraction module 220, a determination module 230, a generation module 240, and a calculation module 250, which are referred to in the present invention.
  • a module refers to a series of computer program instructions that can be executed by the processing unit 24 of the data center 2 and that are capable of performing a fixed function, which is stored in the storage unit 22 of the data center 2.
  • the obtaining module 200 is configured to obtain, from the fitness information platform 5, fitness data generated by the user wearing the wearable fitness device.
  • the fitness information platform 5 provides an API interface, and the device or system that accesses the API interface can obtain the fitness data from the fitness information platform 5.
  • the obtaining module 200 calls the health
  • the information platform 5 provides an API interface to obtain the fitness data.
  • the fitness data belongs to private information
  • the fitness data is sent to the data center 2 and the encryption and decryption algorithm is adopted (for example, the MD5 encryption and decryption algorithm and the RSA encryption and decryption algorithm).
  • DES encryption and decryption algorithm for example, the MD5 encryption and decryption algorithm and the RSA encryption and decryption algorithm.
  • DSA encryption and decryption algorithm for example, the DSA encryption and decryption algorithm
  • AES encryption and decryption algorithm etc.
  • the classification module 210 is configured to classify the fitness data by date. Specifically, since the fitness data includes a date, the extraction module 220 extracts dates in the fitness data and classifies the fitness data according to the date.
  • the fitness data after classification forms multiple fitness data by date, for example, fitness data on January 1st, fitness data on January 2, and so on. The user can extract the fitness data corresponding to the period through the date.
  • the extraction module 220 is configured to extract fitness data corresponding to a date from the classified fitness data.
  • the extraction module 220 extracts the fitness data corresponding to the current period according to the date sequence (for example, from January 1 to December 31).
  • the determining module 230 is configured to determine whether the heart rate data in the fitness data corresponding to the date is in a preset heart rate range.
  • the preset heart rate ranges from 120 beats/minute to 180 beats/minute.
  • the generating module 240 is configured to generate a fitness qualified mark when the heart rate data in the fitness data corresponding to the date is within a preset heart rate range, the mark indicating that the fitness data of the user is qualified on the date.
  • the calculation module 250 is configured to calculate the number of the markers after the classified fitness data is all extracted, to obtain the fitness qualification rate of the user.
  • the value of N is 370.
  • the calculation module 250 is further configured to calculate the health insurance premium of the user according to the fitness qualification rate and a preset health insurance actuarial algorithm.
  • the parameters B, C, D, A1 and A3 in the formula are fixed values.
  • Insurance factor is the use of medical services by the insured
  • the higher the fitness pass rate means that the possibility of insurance payment is lowered, which also means that the health insurance premium is reduced.
  • the lower the fitness pass rate the higher the likelihood of insurance claims, and the increase in health insurance premiums.
  • X is the standard premium set by the insurance company
  • P is the fitness pass rate
  • k is a constant (for example, it can be a number
  • the above-mentioned health insurance actuarial algorithm is merely an example, and the health insurance actuarial algorithm in the present invention may also be other existing actuarial algorithms including fitness qualification rates.
  • FIG. 3 it is a flow chart of a preferred embodiment of the health insurance actuarial method based on fitness data of the present invention. As shown in FIG. 2, in the embodiment, the health insurance actuarial method based on fitness data is applied to the data center 2, and the method includes the following steps:
  • Step S10 The obtaining module 200 acquires the fitness data generated by the user wearing the wearable fitness device 4 from the fitness information platform 5.
  • the fitness information platform 5 provides an API interface, and the device or system that accesses the API interface can obtain the fitness data from the fitness information platform 5.
  • the obtaining module 200 invokes an API interface provided by the fitness information platform 5 to obtain the fitness data.
  • the fitness data belongs to private information
  • the fitness data is sent to the data center 2
  • the encryption and decryption algorithm is adopted (for example, the MD5 encryption and decryption algorithm and the RSA encryption and decryption algorithm).
  • DES encryption and decryption algorithm DSA encryption and decryption algorithm, AES encryption and decryption algorithm, etc.)
  • the fitness data is first encrypted and then transmitted to the data center 2.
  • Step S11 The classification module 210 classifies the fitness data according to a date. Specifically, since the fitness data includes a date, the extraction module 220 extracts dates in the fitness data, and classifies the fitness data according to a flood season.
  • the fitness data after classification forms multiple fitness data by date, for example, fitness data on January 1st, fitness data on January 2, and so on. The user can extract the fitness data corresponding to the date by date.
  • Step S12 The extraction module 220 extracts fitness data corresponding to a date from the classified fitness data.
  • the extraction module 220 is in date order (for example, from January 1 to December 31)
  • Step S13 The determining module 230 determines whether the heart rate data in the fitness data corresponding to the date is in the preset heart rate range.
  • the preset heart rate ranges from 120 beats/minute to 180 beats/minute. If the heart rate data in the fitness data corresponding to the current period is equal to or exceeds the preset value, the flow proceeds to step S14. No. 1J, if the heart rate data in the fitness data corresponding to the date is less than the preset value, the flow returns to step S12.
  • Step S14 The generating module 240 generates a fitness qualified mark indicating that the fitness data of the user is qualified in the date.
  • Step S15 When the classified fitness data is all extracted, the calculation module 250 calculates the number of the markers to obtain the fitness qualification rate of the user.
  • Step S16 The calculating module 250 calculates the health insurance premium of the user according to the fitness qualification rate and a preset health insurance actuarial algorithm.
  • the parameters B, C, D, A1 and A3 in the formula are fixed values.
  • the insurance factor is the degree of increase in the use of medical services by the insured.
  • the above-mentioned health insurance actuarial algorithm is merely an example, and the health insurance actuarial algorithm in the present invention may also be other existing actuarial algorithms including fitness qualification rates.
  • the present invention adopts the above technical solution, and brings the technical effects as follows:
  • the health insurance actuarial system and method based on fitness data according to the present invention the user fitness data is combined with the user fitness data to understand the fitness rate of the user, and the health is adjusted according to the fitness qualification rate.
  • Insurance premiums reduce the risk of health insurance and increase the profitability of insurance companies.

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

一种基于健身数据的健康险精算方法，该方法包括：从健身信息平台获取用户佩戴可穿戴健身装置时所产生的健身数据，所述健身数据中包括日期；按照所述日期对所述健身数据分类；从分类后的健身数据中提取一日期对应的健身数据；当该日期对应的健身数据中的心率数据均在预设心率范围时，生成一个健身合格的标记；当分类后的健身数据全部提取时，计算所述标记的数量，以获得用户的健身合格率，以及根据所述健身合格率及预设的健康险精算算法计算出该用户的健康险保费。通过用户的健身数据动态调整健康险保费，降低了健康险的风险，提高了保险公司的盈利能力。

Description

基于健身数据的健康险精算系统及方法 技术领域
[0001] 本发明涉及保险精算领域， 尤其涉及一种基于健身数据的健康险精算系统及方 法。
背景技术
[0002] 近年来随着互联网、 云计算、 移动通信和物联网等技术的迅猛发展， 无所不在 的移动设备、 RFID、 无线传感器每分每秒都在产生数据， 数以亿计用户的互联 网服务吋吋刻刻在产生巨量的交互， 要处理的数据量巨大， 数据一直都在以每 年 50%的速度增长， 而业务需求和竞争压力对数据处理的实吋性、 有效性又提出 了更高要求， 传统的常规技术手段根本无法应付， 因此， 大数据技术 （Big Data ) 成为近来的一个技术热点， 引起了广泛的重视。
[0003] 通过大数据技术可以加速保险精算的风险预测： 借助于不断增长的私密和公幵 用户信息， 大数据技术帮助人们从大体量、 高复杂的健身数据中提取价值。
[0004] 然而， 现阶段的保险精算系统在针对医疗数据进行分析处理吋， 并没有考虑用 户平吋健身对身体产生的积极因素， 在网络大数据吋代， 增加了保险公司的风 险。
技术问题
[0005] 本发明的主要目的在于提供一种基于健身数据的健康险精算系统及方法， 旨在 解决现有保险精算系统中没有基于健身数据进行保险精算的技术问题。 问题的解决方案
技术解决方案
[0006] 为实现上述目的， 本发明提供了一种基于健身数据的健康险精算系统， 运行于 数据中心， 所述数据中心通过网络与健身信息平台连接， 所述健身信息平台通 过所述网络与所述可穿戴健身装置连接， 该系统包括：
[0007] 获取模块， 用于从健身信息平台获取用户佩戴可穿戴健身装置吋所产生的健身 数据， 所述健身数据中包括日期及心率数据； [0008] 分类模块， 用于按照所述日期对所述健身数据分类；
[0009] 提取模块， 用于从分类后的健身数据中提取一日期对应的健身数据；
[0010] 生成模块， 用于当该日期对应的健身数据中的心率数据均在预设心率范围吋， 生成一个健身合格的标记； 及
[0011] 计算模块， 用于当分类后的健身数据全部提取吋， 计算所述标记的数量， 以获 得用户的健身合格率， 以及根据预设的健康险精算算法及所述健身合格率计算 出该用户的健康险保费。
[0012] 优选的， 所述健身数据包括用户姓名、 体重、 身高、 年齢、 性别、 日期、 健身 幵始吋间、 健身结束吋间、 健身里程、 健身所在区域、 健身场所名称、 健身项 目、 心率数据及健身步数。
[0013] 优选的， 所述健身合格率的计算公式为： P=M/N， 其中， P为健身合格率， M 为标记的数量， 所述 N为该用户的健身数据中最早日期至最晚日期之间的总天数
[0014] 优选的， 所述预设的健康险精算算法采用如下公式： S=A+B+C+D， A =
Alx (2-P) xA2xA3 , A2=l+A21， 其中， S为健康险保费、 A为医药补偿费、 B 为预防保健费、 C为管理费、 D为储备金、 A1为医药费基线数据、 A2为保险因子 、 A3为补偿比、 P为健身合格率， 所述公式中的参数 B、 C、 D、 A1及 A3为固定 值， A21为医疗服务利用的增加率。
[0015] 优选的， 所述预设的健康险精算算法采用如下公式： Z=X-kxP， 其中， Z为健 康险保费， X为保险公司设定的标准保费， P为健身合格率， k为常数。
[0016] 另一方面， 本发明还提供一种基于健身数据的健康险精算方法， 应用于数据中 心， 所述数据中心通过网络与健身信息平台连接， 所述健身信息平台通过所述 网络与所述可穿戴健身装置连接， 该方法包括：
[0017] 从健身信息平台获取用户佩戴可穿戴健身装置吋所产生的健身数据， 所述健身 数据中包括日期及心率数据；
[0018] 按照所述日期对所述健身数据分类；
[0019] 从分类后的健身数据中提取一日期对应的健身数据；
[0020] 当该日期对应的健身数据中的心率数据均在预设心率范围吋， 生成一个健身合 格的标记； 及
[0021] 当分类后的健身数据全部提取吋， 计算所述标记的数量， 以获得用户的健身合 格率， 以及根据预设的健康险精算算法及所述健身合格率计算出该用户的健康 险保费。
[0022] 优选的， 所述健身数据包括用户姓名、 体重、 身高、 年齢、 性别、 日期、 健身 幵始吋间、 健身结束吋间、 健身里程、 健身所在区域、 健身场所名称、 健身项 目、 心率及健身步数。
[0023] 优选的， 所述健身合格率的计算公式为： P=M/N， 其中， P为健身合格率， M 为标记的数量， 所述 N为该用户的健身数据中最早日期至最晚日期之间的总天数
[0024] 优选的， 所述预设的健康险精算算法采用如下公式： S=A+B+C+D， A =
Alx (2-P) xA2xA3 , A2=l+A21， 其中， S为健康险保费、 A为医药补偿费、 B 为预防保健费、 C为管理费、 D为储备金、 A1为医药费基线数据、 A2为保险因子 、 A3为补偿比、 P为健身合格率， 所述公式中的参数 B、 C、 D、 A1及 A3为固定 值， A21为医疗服务利用的增加率。
[0025] 优选的， 所述预设的健康险精算算法采用如下公式： Z=X-kxP， 其中， Z为健 康险保费， X为保险公司设定的标准保费， P为健身合格率， k为常数。
发明的有益效果
有益效果
[0026] 本发明采用上述技术方案， 带来的技术效果为： 本发明所述基于健身数据的健 康险精算系统及方法， 结合用户健身数据了解用户健身合格率， 并根据健身合 格率相应调整健康险的保费， 降低了健康险的风险， 提高了保险公司的盈利能 力。
对附图的简要说明
附图说明
[0027] 图 1是本发明基于健身数据的健康险精算系统的应用环境示意图；
[0028] 图 2是本发明基于健身数据的健康险精算系统的优选实施例的功能模块图；
[0029] 图 3是本发明基于健身数据的健康险精算方法的优选实施例的流程图。 [0030]
[0031] 本发明目的的实现、 功能特点及优点将结合实施例， 参照附图做进一步说明。
实施该发明的最佳实施例
本发明的最佳实施方式
[0032] 为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效， 以下结 合附图及较佳实施例， 对本发明的具体实施方式、 结构、 特征及其功效， 详细 说明如下。 应当理解， 此处所描述的具体实施例仅仅用以解释本发明， 并不用 于限定本发明。
[0033] 参照图 1所示， 图 1是本发明基于健身数据的健康险精算系统的应用环境示意图
[0034] 本发明中的基于健身数据的健康险精算系统 20运行于数据中心 2。 所述数据中 心 2通过网络 3与健身信息平台 5连接。
[0035] 所述健身信息平台 5还通过网络 3与一个或多个可穿戴健身装置 4 (图 1中以三个 为例进行说明） 通信连接。
[0036] 所述健身信息平台 5用于提供健身服务， 并记录用户佩戴所述可穿戴健身装置 4 进行健身吋所产生的健身数据。 所述健身数据包括， 但不限于， 用户姓名、 体 重、 身高、 年齢、 性别、 日期、 健身幵始吋间、 健身结束吋间、 健身里程、 健 身所在区域、 健身场所名称、 健身项目 （例如， 跑步、 游泳、 登上等） 、 心率 及健身步数等。
[0037] 具体的说， 所述可穿戴健身装置 4佩戴于用户身体上， 用于记录用户健身吋所 产生的健身数据。 所述可穿戴健身装置 4还通过网络 3与所述健身信息平台 5连接 ， 用于将所述健身数据上传至所述健身信息平台 5。
[0038] 所述健身信息平台 5提供数据导入接口 （例如， 应用程序接口， Application
Program Interface, API) ， 接入该 API接口的设备或系统都可以从所述健身信息 平台 5中获取可穿戴健身装置 4使用互联网服务的健身数据。 所述数据中心 2在所 述健身信息平台 5授权的基础上 （即授权接入所述健身信息平台 5提供的 API接口 ) 获取所述健身数据， 并对所述健身数据进行解析以得到用户使用搜索引擎所 输入的关键字。 [0039] 所述网络 3可以是有线通讯网络或无线通讯网络。 所述网络 3优选为无线通讯网 络， 包括但不限于， GSM网络、 GPRS网络、 CDMA网络、 TD-SCDMA网络、 W iMAX网络、 TD-LTE网络、 FDD-LTE网络等无线传输网络。
[0040] 此外， 所述数据中心 2通过网络 3与所述可穿戴健身装置 4连接。 需要说明的是 ， 所述数据中心 2是云平台或云平台中的某一台服务器， 通过数据中心 2的数据 传输能力及数据存储能力， 可以更好地管理及 /或协助与该数据中心 2连接的可穿 戴健身装置 4， 有利于了解用户通过所述可穿戴健身装置 4所产生的健身数据。
[0041] 所述可穿戴健身装置 4可以是， 但不限于， 智能手表、 智能手环等其它任意合 适的具有心率监测功能的可穿戴设备。
[0042] 参照图 2所示， 是本发明基于健身数据的健康险精算系统的优选实施例的功能 模块图。 在本实施例中， 所述基于健身数据的健康险精算系统 20应用于数据中 心 2。 该数据中心 2包括， 但不仅限于， 基于健身数据的健康险精算系统 20、 存 储单元 22、 处理单元 24及通讯单元 26。
[0043] 所述的存储单元 22可以为一种只读存储单元 ROM, 电可擦写存储单元 EEPRO M、 快闪存储单元 FLASH或固体硬盘等。
[0044] 所述的处理单元 24可以为一种中央处理器 （Central Processing Unit, CPU) 、 微控制器 （MCU) 、 数据处理芯片、 或者具有数据处理功能的信息处理单元。
[0045] 所述的通讯单元 26为一种具有远程无线通讯功能的无线通讯接口， 例如， 支持 GSM、 GPRS、 WCDMA、 CDMA、 TD-SCDMA、 WiMAX、 TD-LTE、 FDD-LT E等通讯技术的通讯接口。
[0046] 所述基于健身数据的健康险精算系统 20包括， 但不局限于， 获取模块 200、 分 类模块 210、 提取模块 220、 判断模块 230、 生成模块 240及计算模块 250， 本发明 所称的模块是指一种能够被所述数据中心 2的处理单元 24执行并且能够完成固定 功能的一系列计算机程序指令段， 其存储在所述数据中心 2的存储单元 22中。
[0047] 所述获取模块 200用于从健身信息平台 5获取用户佩戴可穿戴健身装置 4吋所产 生的健身数据。
[0048] 具体而言， 所述健身信息平台 5提供 API接口， 接入该 API接口的设备或系统都 可以从所述健身信息平台 5中获取所述健身数据。 所述获取模块 200调用所述健 身信息平台 5提供的 API接口以获取所述健身数据。
[0049] 需要说明的是， 由于所述健身数据属于隐私信息， 为了确保信息安全， 所述健 身数据发送给数据中心 2吋， 会通过加解密算法 （例如， MD5加解密算法、 RSA 加解密算法、 DES加解密算法、 DSA加解密算法、 AES加解密算法等） 先对健身 数据进行加密处理， 之后传输给所述数据中心 2。
[0050] 所述分类模块 210用于按照日期对所述健身数据分类。 具体而言， 由于所述健 身数据中包括日期， 所述提取模块 220提取所述健身数据中的日期， 并根据日期 对所述健身数据进行分类。 分类之后的健身数据按照日期形成多笔健身数据， 例如， 1月 1日的健身数据， 1月 2日的健身数据等等。 用户通过日期可以提取出 该曰期对应的健身数据。
[0051] 所述提取模块 220用于从分类后的健身数据中提取一日期对应的健身数据。 在 本实施例中， 所述提取模块 220按照日期顺序 （例如， 从 1月 1日至 12月 31日） 提 取曰期对应的健身数据。
[0052] 所述判断模块 230用于判断该日期对应的健身数据中的心率数据是否均在预设 心率范围。 在本实施例中， 所述预设心率范围为 120次 /分至 180次 /分。
[0053] 所述生成模块 240用于当该日期对应的健身数据中的心率数据均在预设心率范 围吋， 生成一个健身合格的标记， 该标记标明用户在该日期的健身数据合格。
[0054] 所述计算模块 250用于当分类后的健身数据全部提取吋， 计算所述标记的数量 ， 以获得用户的健身合格率。 所述健身合格率的计算公式为： P=M/N， 其中， P 为健身合格率， M为标记的数量， 所述 N为该用户的健身数据中最早日期至最晚 日期之间的总天数， 例如， 健身数据中最早日期为 2015年 1月 1日， 最晚日期为 2 016年 1月 4日， 则 N的值为 370。
[0055] 所述计算模块 250还用于根据所述健身合格率及预设的健康险精算算法计算出 该用户的健康险保费。 所述预设的健康险精算算法包括如下公式： S=A+B+C+D ， A = Alx (2-P) xA2xA3; 其中， S为健康险保费、 A为医药补偿费、 B为预防 保健费、 C为管理费 （即保险公司管理健康险的管理费） 、 D为储备金、 A1为医 药费基线数据、 A2为保险因子、 A3为补偿比， P为健身合格率。 其中， 所述公 式中的参数 B、 C、 D、 A1及 A3为固定值。 保险因子是参保人对医疗服务利用的 增加程度， 其计算公式为 A2=l+A21， A21为医疗服务利用的增加率 （即连续两 年医疗结构就诊人数的差值与医疗机构最大负荷就诊人数之间的比例） 。
[0056] 从上述公式可知， 具体地说， 健身合格率越高， 意味着发生保险赔付的可能性 降低， 也意味着健康险保费的减少。 反之， 健身合格率越低， 意味着发生保险 赔付的可能性提高， 也意味着健康险保费的增加。
[0057] 所述预设的健康险精算算法包括如下公式： Z=X-kxP， 其中， Z为健康险保费
， X为保险公司设定的标准保费， P为健身合格率， k为常数 （例如， 可以是数字
5000) 。 需要说明的是， 所述标准保费的计算方式为现有的， 在此不再赘述。
[0058] 此外， 上述健康险精算算法仅仅是举例说明， 本发明中的所述健康险精算算法 还可以是其它现有的包含健身合格率的保险精算算法。
[0059] 参照图 3所示， 是本发明基于健身数据的健康险精算方法的优选实施例的流程 图。 结合图 2所示， 在本实施例中， 所述的基于健身数据的健康险精算方法应用 于数据中心 2， 该方法包括以下步骤：
[0060] 步骤 S10: 所述获取模块 200从健身信息平台 5获取用户佩戴可穿戴健身装置 4吋 所产生的健身数据。
[0061] 具体而言， 所述健身信息平台 5提供 API接口， 接入该 API接口的设备或系统都 可以从所述健身信息平台 5中获取所述健身数据。 所述获取模块 200调用所述健 身信息平台 5提供的 API接口以获取所述健身数据。
[0062] 需要说明的是， 由于所述健身数据属于隐私信息， 为了确保信息安全， 所述健 身数据发送给数据中心 2吋， 会通过加解密算法 （例如， MD5加解密算法、 RSA 加解密算法、 DES加解密算法、 DSA加解密算法、 AES加解密算法等） 先对健身 数据进行加密处理， 之后传输给所述数据中心 2。
[0063] 步骤 S11 : 所述分类模块 210按照日期对所述健身数据分类。 具体而言， 由于所 述健身数据中包括日期， 所述提取模块 220提取所述健身数据中的日期， 并根据 曰期对所述健身数据进行分类。 分类之后的健身数据按照日期形成多笔健身数 据， 例如， 1月 1日的健身数据， 1月 2日的健身数据等等。 用户通过日期可以提 取出该日期对应的健身数据。
[0064] 步骤 S12: 所述提取模块 220从分类后的健身数据中提取一日期对应的健身数据 。 在本实施例中， 所述提取模块 220按照日期顺序 （例如， 从 1月 1日至 12月 31日
) 提取日期对应的健身数据。
[0065] 步骤 S13: 所述判断模块 230判断该日期对应的健身数据中的心率数据是否均在 预设心率范围。 在本实施例中， 所述预设心率范围为 120次 /分至 180次 /分。 若该 曰期对应的健身数据中的心率数据均等于或超过预设值， 流程进入步骤 S14。 否 贝 1J， 若该日期对应的健身数据中的心率数据均小于预设值， 流程返回步骤 S12。
[0066] 步骤 S14: 所述生成模块 240生成一个健身合格的标记， 该标记标明用户在该日 期的健身数据合格。
[0067] 步骤 S15: 当分类后的健身数据全部提取吋， 所述计算模块 250计算所述标记的 数量， 以获得用户的健身合格率。 所述健身合格率的计算公式为： P=M/N， 其 中， P为健身合格率， M为标记的数量， 所述 N为该用户的健身数据中最早曰期 至最晚日期之间的总天数， 例如， 健身数据中最早日期为 2015年 1月 1日， 最晚 日期为 2016年 1月 4日， 则 N的值为 370。
[0068] 步骤 S16: 所述计算模块 250根据所述健身合格率及预设的健康险精算算法计算 出该用户的健康险保费。 所述预设的健康险精算算法包括如下公式： S=A+B+C+ D， A = Alx (2-P) xA2xA3; 其中， S为健康险保费、 A为医药补偿费、 B为预 防保健费、 C为管理费 （即保险公司管理健康险的管理费） 、 D为储备金、 A1为 医药费基线数据、 A2为保险因子、 A3为补偿比， P为健身合格率。 其中， 所述 公式中的参数 B、 C、 D、 A1及 A3为固定值。 保险因子是参保人对医疗服务利用 的增加程度， 其计算公式为 A2=l+A21， A21为医疗服务利用的增加率 （即连续 两年医疗结构就诊人数的差值与医疗机构最大负荷就诊人数之间的比例） 。
[0069] 从上述公式可知， 健身合格率越高， 意味着发生保险赔付的可能性降低， 也意 味着健康险保费的减少， 也就是说， 用户健身越多， 健康险保费越低。 反之， 健身合格率越低， 意味着发生保险赔付的可能性提高， 也意味着健康险保费的 增加， 也就是说， 用户健身越少， 健康险保费越高。
[0070] 所述预设的健康险精算算法包括如下公式： Z=X-kxP， 其中， Z为健康险保费 ， X为保险公司设定的标准保费， P为健身合格率， k为常数 （例如， 可以是数字 5000) 。 需要说明的是， 所述标准保费的计算方式为现有的， 在此不再赘述。 [0071] 此外， 上述健康险精算算法仅仅是举例说明， 本发明中的所述健康险精算算法 还可以是其它现有的包含健身合格率的保险精算算法。
[0072] 以上仅为本发明的优选实施例， 并非因此限制本发明的专利范围， 凡是利用本 发明说明书及附图内容所作的等效结构或等效流程变换， 或直接或间接运用在 其他相关的技术领域， 均同理包括在本发明的专利保护范围内。
工业实用性
[0073] 本发明采用上述技术方案， 带来的技术效果为： 本发明所述基于健身数据的健 康险精算系统及方法， 结合用户健身数据了解用户健身合格率， 并根据健身合 格率相应调整健康险的保费， 降低了健康险的风险， 提高了保险公司的盈利能 力。

Claims

权利要求书
一种基于健身数据的健康险精算系统， 运行于数据中心， 其特征在于 ， 所述数据中心通过网络与健身信息平台连接， 所述健身信息平台通 过所述网络与可穿戴健身装置连接， 该系统包括： 获取模块， 用于从 健身信息平台获取用户佩戴可穿戴健身装置吋所产生的健身数据， 所 述健身数据中包括日期及心率数据； 分类模块， 用于按照所述日期对 所述健身数据分类； 提取模块， 用于从分类后的健身数据中提取一曰 期对应的健身数据； 生成模块， 用于当该日期对应的健身数据中的心 率数据均在预设心率范围吋， 生成一个健身合格的标记； 及计算模块 ， 用于当分类后的健身数据全部提取吋， 计算所述标记的数量， 以获 得用户的健身合格率， 以及根据所述健身合格率及预设的健康险精算 算法计算出该用户的健康险保费。
如权利要求 1所述的基于健身数据的健康险精算系统， 其特征在于， 所述健身数据包括用户姓名、 体重、 身高、 年齢、 性别、 健身幵始吋 间、 健身结束吋间、 健身里程、 健身所在区域、 健身场所名称、 健身 项目、 心率数据及健身步数。
如权利要求 1所述的基于健身数据的健康险精算系统， 其特征在于， 所述健身合格率的计算公式为： P=M/N， 其中， P为健身合格率， M 为标记的数量， 所述 N为该用户的健身数据中最早日期至最晚日期之 间的总天数。
如权利要求 3所述的基于健身数据的健康险精算系统， 其特征在于， 所述预设的健康险精算算法采用如下公式： S=A+B+C+D， Α = Α1χ
(2-P) xA2xA3 , A2=l+A21， 其中， S为健康险保费、 A为医药补偿 费、 B为预防保健费、 C为管理费、 D为储备金、 A1为医药费基线数 据、 A2为保险因子、 A3为补偿比、 P为健身合格率， 所述公式中的参 数 C、 D、 A1及 A3为固定值， A21为医疗服务利用的增加率。 如权利要求 3所述的基于健身数据的健康险精算系统， 其特征在于， 所述预设的健康险精算算法采用如下公式： Z=X-kxP， 其中， Z为健 康险保费， X为保险公司设定的标准保费， P为健身合格率， k为常数 一种基于健身数据的健康险精算方法， 应用于数据中心， 其特征在于 ， 所述数据中心通过网络与健身信息平台连接， 所述健身信息平台通 过所述网络与可穿戴健身装置连接， 该方法包括： 从健身信息平台获 取用户佩戴可穿戴健身装置吋所产生的健身数据， 所述健身数据中包 括曰期及心率数据； 按照所述日期对所述健身数据分类； 从分类后的 健身数据中提取一日期对应的健身数据； 当该日期对应的健身数据中 的心率数据均在预设心率范围吋， 生成一个健身合格的标记； 及当分 类后的健身数据全部提取吋， 计算所述标记的数量， 以获得用户的健 身合格率， 以及根据所述健身合格率及预设的健康险精算算法计算出 该用户的健康险保费。
如权利要求 6所述的基于健身数据的健康险精算方法， 其特征在于， 所述健身数据包括用户姓名、 体重、 身高、 年齢、 性别、 日期、 健身 幵始吋间、 健身结束吋间、 健身里程、 健身所在区域、 健身场所名称 、 健身项目、 心率数据及健身步数。
如权利要求 6所述的基于健身数据的健康险精算方法， 其特征在于， 所述健身合格率的计算公式为： P=M/N， 其中， P为健身合格率， M 为标记的数量， 所述 N为该用户的健身数据中最早日期至最晚日期之 间的总天数。
如权利要求 8所述的基于健身数据的健康险精算方法， 其特征在于， 所述预设的健康险精算算法采用如下公式： S=A+B+C+D， Α = Α1χ
(2-P) xA2xA3 , A2=l+A21， 其中， S为健康险保费、 A为医药补偿 费、 B为预防保健费、 C为管理费、 D为储备金、 A1为医药费基线数 据、 A2为保险因子、 A3为补偿比、 P为健身合格率， 所述公式中的参 数 C、 D、 A1及 A3为固定值， A21为医疗服务利用的增加率。 如权利要求 8所述的基于健身数据的健康险精算方法， 其特征在于， 所述预设的健康险精算算法采用如下公式： Z=X-kxP， 其中， Z为健 康险保费， X为保险公司设定的标准保费， P为健身合格率， k为常数
PCT/CN2016/105116 2016-03-19 2016-11-08 基于健身数据的健康险精算系统及方法 Ceased WO2017161896A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201610165427.6 2016-03-19
CN201610165427.6A CN105844529A (zh) 2016-03-19 2016-03-19 基于健身数据的健康险精算系统及方法

Publications (1)

Publication Number Publication Date
WO2017161896A1 true WO2017161896A1 (zh) 2017-09-28

Family

ID=56588096

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2016/105116 Ceased WO2017161896A1 (zh) 2016-03-19 2016-11-08 基于健身数据的健康险精算系统及方法

Country Status (2)

Country Link
CN (1) CN105844529A (zh)
WO (1) WO2017161896A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105844529A (zh) * 2016-03-19 2016-08-10 深圳市前海安测信息技术有限公司 基于健身数据的健康险精算系统及方法
CN108257030A (zh) * 2017-11-08 2018-07-06 中国平安人寿保险股份有限公司 一种保费调整方法、装置、终端设备及存储介质
CN109711857A (zh) * 2018-08-20 2019-05-03 中国平安人寿保险股份有限公司 保费优惠额度计算方法、设备、装置及可读存储介质
CN110969534A (zh) * 2018-09-30 2020-04-07 上海笛乐护斯健康科技有限公司 智能健康管理和生命安全保险系统及其实现方法
CN109615545A (zh) * 2018-12-13 2019-04-12 平安医疗健康管理股份有限公司 基于数据分析的特药医保定价方法、装置、设备和介质
CN109447831B (zh) * 2018-12-28 2022-01-14 武汉大学 一种基于可穿戴设备的医疗保险合同设计方法
CN110136005A (zh) * 2019-04-02 2019-08-16 阿里巴巴集团控股有限公司 互助项目成员审核方法、装置、电子设备及存储介质
CN110148060A (zh) * 2019-04-15 2019-08-20 深圳壹账通智能科技有限公司 基于健康数据的保费调整方法、装置、设备及存储介质
CN111192684A (zh) * 2019-11-25 2020-05-22 泰康保险集团股份有限公司 一种健康数据处理的方法及装置、电子设备、存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1758281A (zh) * 2005-10-13 2006-04-12 徐汇丰 人寿保险公司对保险标的风险评估数据库系统
CN102713960A (zh) * 2009-08-17 2012-10-03 大都会人寿保险公司 保险承保的在线系统和方法
CN103366323A (zh) * 2012-04-08 2013-10-23 三星电子株式会社 执行用户定制的健康管理的用户终端装置和系统及其方法
CN105844529A (zh) * 2016-03-19 2016-08-10 深圳市前海安测信息技术有限公司 基于健身数据的健康险精算系统及方法
CN105844093A (zh) * 2016-03-19 2016-08-10 深圳市前海安测信息技术有限公司 基于社交数据的保险精算系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1758281A (zh) * 2005-10-13 2006-04-12 徐汇丰 人寿保险公司对保险标的风险评估数据库系统
CN102713960A (zh) * 2009-08-17 2012-10-03 大都会人寿保险公司 保险承保的在线系统和方法
CN103366323A (zh) * 2012-04-08 2013-10-23 三星电子株式会社 执行用户定制的健康管理的用户终端装置和系统及其方法
CN105844529A (zh) * 2016-03-19 2016-08-10 深圳市前海安测信息技术有限公司 基于健身数据的健康险精算系统及方法
CN105844093A (zh) * 2016-03-19 2016-08-10 深圳市前海安测信息技术有限公司 基于社交数据的保险精算系统及方法

Also Published As

Publication number Publication date
CN105844529A (zh) 2016-08-10

Similar Documents

Publication Publication Date Title
CN105844529A (zh) 基于健身数据的健康险精算系统及方法
Manduva Scalable AI: Leveraging Cloud and Edge Computing for Real-Time Analytics
Morera et al. Security recommendations for mHealth apps: Elaboration of a developer’s guide
WO2017161895A1 (zh) 基于社交数据的保险精算系统及方法
US20160125170A1 (en) Dynamic analysis of health and medical data applied to clinical trials
WO2018129914A1 (zh) 医院辅助决策系统和方法
CN107242854A (zh) 一种基于安全通信的智能医疗系统
WO2018129912A1 (zh) 医疗信息化辅助医生诊疗系统和方法
CN112420187A (zh) 一种基于迁移联邦学习的医疗疾病分析方法
TW201944336A (zh) 處理業務的可用資源的方法和裝置
Chen et al. Temporal data analytics on COVID-19 data with ubiquitous computing
WO2017148170A1 (zh) 医疗大数据分析及预警系统及方法
CN205883297U (zh) 一种基于人脸和指纹识别的账号登录系统
Sharma et al. Security and privacy aspects of electronic health records: A review
WO2017152636A1 (zh) 基于医疗大数据的疾病预警系统及方法
Blakely et al. Updated New Zealand health system cost estimates from health events by sex, age and proximity to death: further improvements in the age of'big data'
Rajadevi et al. Proof of Activity Protocol for IoMT Data Security.
US11710189B2 (en) Determining body characteristics based on images
Behan et al. Are Irish adult general practice consultation rates as low as official records suggest? A cross sectional study at six general practices
Kumar et al. Enhancing security and scalability of IoMT systems using blockchain: addressing key challenges and limitations
WO2018129913A1 (zh) 医生诊疗辅助系统和方法
CN114913990B (zh) 基于隐私保护的呼吸道传染病密接目标追踪方法
CN113764089B (zh) 就诊医院的绑定方法、装置、设备及存储介质
TWI592895B (zh) 溫室氣體減量銀行系統
CN115394454A (zh) 数据核验方法及相关设备

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16895241

Country of ref document: EP

Kind code of ref document: A1

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) (EPO FORM 1205A DATED 19.03.2019)

122 Ep: pct application non-entry in european phase

Ref document number: 16895241

Country of ref document: EP

Kind code of ref document: A1