WO2019061992A1 - 查勘网格优化方法、电子设备及计算机可读存储介质 - Google Patents

查勘网格优化方法、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
WO2019061992A1
WO2019061992A1 PCT/CN2018/076179 CN2018076179W WO2019061992A1 WO 2019061992 A1 WO2019061992 A1 WO 2019061992A1 CN 2018076179 W CN2018076179 W CN 2018076179W WO 2019061992 A1 WO2019061992 A1 WO 2019061992A1
Authority
WO
WIPO (PCT)
Prior art keywords
hotspot
area
hot spot
time period
survey
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/CN2018/076179
Other languages
English (en)
French (fr)
Inventor
邓坤
王建明
肖京
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Publication of WO2019061992A1 publication Critical patent/WO2019061992A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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

Definitions

  • the present application relates to the field of computer information technology, and in particular, to a survey grid optimization method, an electronic device, and a computer readable storage medium.
  • the present application proposes a survey grid optimization method, an electronic device and a computer readable storage medium.
  • the existing survey grid can be optimized to improve the overall survey work efficiency.
  • the present application provides an electronic device including a memory and a processor, where the memory stores a search grid optimization system operable on the processor, the survey network
  • the grid optimization system is implemented by the processor to implement the following steps:
  • the grid of the survey area set in advance in the database is adjusted.
  • the obtaining of the hotspot area and the hotspot period of the auto insurance case comprises:
  • the hotspot area of the auto insurance case under different thresholds is analyzed, and the optimal threshold and the best hotspot area meeting the predetermined condition are obtained;
  • cluster analysis of the hot spot time segment is performed to obtain the hot spot time period of the car insurance case.
  • determining that the area is a hotspot area if the number of vehicle insurance reports in a certain area within a preset time period is greater than or equal to a preset threshold, determining that the area is a hotspot area;
  • the different thresholds required for the cluster analysis of the hotspot area include a first preset threshold, a second preset threshold, and a third preset threshold.
  • the hotspot area for calculating a car insurance case under different thresholds includes:
  • the optimal hotspot area is the most hotspot area group that meets the predetermined condition
  • the optimal threshold is a preset threshold corresponding to the optimal hotspot area.
  • the predetermined condition is a workload of the surveying personnel
  • the pre-set survey area grid in the adjustment database includes: adding survey personnel of the hot spot area and the hot spot time period, reducing survey personnel of non-hot spot areas and non-hot spot time periods, or merging non-hot spot areas.
  • the present application further provides a method for optimizing a survey grid, which is applied to an electronic device, and the method includes:
  • the pre-set survey area grid in the database is adjusted according to the case hotspot area and the hot spot time period obtained by the cluster analysis.
  • the obtaining of the hotspot area and the hotspot period of the auto insurance case comprises:
  • the hotspot area of the auto insurance case under different thresholds is analyzed, and the optimal threshold and the best hotspot area meeting the predetermined condition are obtained;
  • cluster analysis of the hot spot time segment is performed to obtain the hot spot time period of the car insurance case.
  • determining that the area is a hotspot area if the number of vehicle insurance reports in a certain area within a preset time period is greater than or equal to a preset threshold, determining that the area is a hotspot area;
  • the different thresholds required for the cluster analysis of the hotspot area include a first preset threshold, a second preset threshold, and a third preset threshold.
  • the hotspot area for calculating a car insurance case under different thresholds includes:
  • the optimal hotspot area is the hotspot area group with the largest number of the predetermined hot conditions, and the optimal threshold is a preset threshold corresponding to the best hotspot area;
  • the predetermined condition is a workload of the surveying personnel.
  • the grid of the survey area preset in the adjustment database includes: a survey person who increases the hotspot area and the hot spot time period of the case, and reduces the non-hot spot area and the non-hot spot time section of the survey personnel or merges the non-hot spot area.
  • the present application further provides a computer readable storage medium storing a survey grid optimization system, the survey grid optimization system being executable by at least one processor, The step of causing the at least one processor to perform the survey grid optimization method as described above.
  • the electronic device, the survey grid optimization method and the computer readable storage medium proposed by the present application perform cluster analysis on key information of the extracted vehicle insurance report (such as report city, region, and time distribution). Obtain the hotspot area of the auto insurance case and the hotspot time period, and adjust the grid of the existing survey area according to the results of the cluster analysis.
  • This application can optimize the existing survey grid and improve the overall survey work efficiency, and can be based on the latest network.
  • the grid data is dynamically updated.
  • 1 is a schematic diagram of an optional hardware architecture of an electronic device of the present application
  • FIG. 2 is a schematic diagram of a program module of an embodiment of a survey grid optimization system in an electronic device of the present application
  • FIG. 3 is a schematic diagram of an implementation process of an embodiment of a method for optimizing a survey grid according to the present application.
  • first, second and the like in the present application are for the purpose of description only, and are not to be construed as indicating or implying their relative importance or implicitly indicating the number of technical features indicated. .
  • features defining “first” and “second” may include at least one of the features, either explicitly or implicitly.
  • the technical solutions between the various embodiments may be combined with each other, but must be based on the realization of those skilled in the art, and when the combination of the technical solutions is contradictory or impossible to implement, it should be considered that the combination of the technical solutions does not exist. Nor is it within the scope of protection required by this application.
  • FIG. 1 it is a schematic diagram of an optional hardware architecture of the electronic device 2 of the present application.
  • the electronic device 2 may include, but is not limited to, a memory 21, a processor 22, and a network interface 23 that can communicate with each other through a system bus. It is pointed out that FIG. 1 only shows the electronic device 2 with the components 21-23, but it should be understood that not all illustrated components are required to be implemented, and more or fewer components may be implemented instead.
  • the electronic device 2 may be a computing device such as a rack server, a blade server, a tower server, or a rack server.
  • the electronic device 2 may be an independent server or a server cluster composed of multiple servers. .
  • the memory 21 includes at least one type of readable storage medium including a flash memory, a hard disk, a multimedia card, a card type memory (eg, SD or DX memory, etc.), a random access memory (RAM), a static Random access memory (SRAM), read only memory (ROM), electrically erasable programmable read only memory (EEPROM), programmable read only memory (PROM), magnetic memory, magnetic disk, optical disk, and the like.
  • the memory 21 may be an internal storage unit of the electronic device 2, such as a hard disk or memory of the electronic device 2.
  • the memory 21 may also be an external storage device of the electronic device 2, such as a plug-in hard disk equipped on the electronic device 2, a smart memory card (SMC), and a secure digital device. (Secure Digital, SD) card, flash card, etc.
  • the memory 21 may also include both an internal storage unit of the electronic device 2 and an external storage device thereof.
  • the memory 21 is generally used to store an operating system and various application software installed in the electronic device 2, such as program codes of the survey grid optimization system 20. Further, the memory 21 can also be used to temporarily store various types of data that have been output or are to be output.
  • the processor 22 may be a Central Processing Unit (CPU), controller, microcontroller, microprocessor, or other data processing chip in some embodiments.
  • the processor 22 is typically used to control the overall operation of the electronic device 2, such as performing control and processing related to data interaction or communication with the electronic device 2.
  • the processor 22 is configured to run program code or process data stored in the memory 21, such as running the survey grid optimization system 20 and the like.
  • the network interface 23 may comprise a wireless network interface or a wired network interface, which is typically used to establish a communication connection between the electronic device 2 and other electronic devices.
  • the network interface 23 is configured to connect the electronic device 2 to an external data platform through a network, and establish a data transmission channel and a communication connection between the electronic device 2 and an external data platform.
  • the network may be an intranet, an Internet, a Global System of Mobile communication (GSM), a Wideband Code Division Multiple Access (WCDMA), a 4G network, or a 5G network.
  • Wireless or wired networks such as network, Bluetooth, Wi-Fi, etc.
  • the survey grid optimization system 20 may be divided into one or more program modules, the one or more program modules being stored in the memory 21 and being processed by one or more processors. (Processing in the present embodiment for the processor 22) to complete the application.
  • the survey grid optimization system 20 can be divided into an extraction module 201, an acquisition module 202, and an optimization module 203.
  • a program module as referred to in the present application refers to a series of computer program instruction segments capable of performing a specific function, which is more suitable than the program to describe the execution process of the survey grid optimization system 20 in the electronic device 2. The function of each program module 201-203 will be described in detail below.
  • the extraction module 201 is configured to extract pre-stored vehicle insurance report information in a database (such as the memory 21 of the electronic device 2).
  • the vehicle insurance report information includes, but is not limited to, information on the city, region, and time distribution (such as different time periods, working days, non-working days, holidays, etc.) of the automobile insurance report.
  • the obtaining module 202 is configured to perform cluster analysis on the extracted vehicle insurance report information, and obtain a hotspot area (such as a city center area) and a hotspot time period (such as 7:00-9:00 on the working day). 5:30-7:30 pm).
  • a hotspot area such as a city center area
  • a hotspot time period such as 7:00-9:00 on the working day. 5:30-7:30 pm.
  • the DBSCAN clustering algorithm may be used to perform cluster analysis on the extracted vehicle insurance report information.
  • the obtaining of the hotspot area and the hotspot period of the auto insurance case comprises the following steps:
  • different thresholds required for cluster analysis of the hotspot region include, but are not limited to, a first preset threshold (eg, 3 times), a second preset threshold (eg, 5 times), Three preset thresholds (such as 7 times).
  • all hotspots whose number of car insurance reports is greater than or equal to the first preset threshold are counted in the preset time period, and the first group of hotspots (such as 10) are obtained; the number of car insurance reports in the preset time period is greater than or equal to
  • the second hotspot area is obtained by using the second hotspot area (for example, 15); and the hotspot report period is greater than or equal to the third preset threshold in the preset preset period, and the third hotspot area is obtained.
  • the first group of hotspots such as 10
  • the optimal hotspot area is the hotspot area group (such as the second set of hotspot areas) that meets the predetermined condition.
  • the optimal threshold is a preset threshold corresponding to the best hotspot area. For example, if the best hotspot area is the second set of hotspot areas, the optimal threshold is a second preset threshold corresponding to the second set of hotspot areas.
  • the predetermined condition may be a workload of the surveying personnel.
  • the best hotspot area is determined to be the second hotspot area (the number is 15), and the optimal threshold is the second preset threshold (5 times). ).
  • the DBSCAN clustering algorithm may also be used to perform hotspot time segment clustering analysis, and details are not described herein again.
  • the optimization module 203 is configured to adjust a pre-set survey area grid in the database according to the case hotspot area and the hotspot time period acquired by the cluster analysis.
  • the preset survey area grid in the adjustment database includes: a survey person who increases the hotspot area and the hot spot time period of the case, and reduces the survey personnel of the non-hot spot area and the non-hot spot time period. Or merge non-hot spots.
  • the optimization module 203 is further configured to:
  • update grid data such as map data in the grid area
  • case data such as the latest accident point report data
  • the survey grid optimization system 20 proposed by the present application clusters the key information of the extracted vehicle insurance reports (such as the report city, region, and time distribution), and obtains hotspot areas and hotspots of the automobile insurance cases.
  • the time period and the division of the grid of the existing survey area are adjusted according to the results of the cluster analysis.
  • This application can optimize the existing survey grid, improve the overall survey work efficiency, and can dynamically update according to the latest grid data.
  • the present application also proposes a survey grid optimization method.
  • FIG. 3 it is a schematic flowchart of an implementation process of an embodiment of the search grid optimization method of the present application.
  • the order of execution of the steps in the flowchart shown in FIG. 3 may be changed according to different requirements, and some steps may be omitted.
  • the vehicle insurance report information pre-stored in the database (such as the memory 21 of the electronic device 2) is extracted.
  • the vehicle insurance report information includes, but is not limited to, information on the city, region, and time distribution (such as different time periods, working days, non-working days, holidays, etc.) of the automobile insurance report.
  • Step S32 performing cluster analysis on the extracted vehicle insurance report information, obtaining a hot spot area of the auto insurance case (such as a city center area) and a hotspot time period (eg, 7:00-9:00 on the working day, 5:30 pm) 7:30).
  • a hot spot area of the auto insurance case such as a city center area
  • a hotspot time period eg, 7:00-9:00 on the working day, 5:30 pm
  • the DBSCAN clustering algorithm may be used to perform cluster analysis on the extracted vehicle insurance report information.
  • the obtaining of the hotspot area and the hotspot period of the auto insurance case comprises the following steps:
  • different thresholds required for cluster analysis of the hotspot region include, but are not limited to, a first preset threshold (eg, 3 times), a second preset threshold (eg, 5 times), Three preset thresholds (such as 7 times).
  • all hotspots whose number of car insurance reports is greater than or equal to the first preset threshold are counted in the preset time period, and the first group of hotspots (such as 10) are obtained; the number of car insurance reports in the preset time period is greater than or equal to
  • the second hotspot area is obtained by using the second hotspot area (for example, 15); and the hotspot report period is greater than or equal to the third preset threshold in the preset preset period, and the third hotspot area is obtained.
  • the first group of hotspots such as 10
  • the optimal hotspot area is the hotspot area group (such as the second set of hotspot areas) that meets the predetermined condition.
  • the optimal threshold is a preset threshold corresponding to the best hotspot area. For example, if the best hotspot area is the second set of hotspot areas, the optimal threshold is a second preset threshold corresponding to the second set of hotspot areas.
  • the predetermined condition may be a workload of the surveying personnel.
  • the best hotspot area is determined to be the second hotspot area (the number is 15), and the optimal threshold is the second preset threshold (5 times). ).
  • the DBSCAN clustering algorithm may also be used to perform hotspot time segment clustering analysis, and details are not described herein again.
  • Step S33 Adjust the pre-set survey area grid in the database according to the case hotspot area and the hotspot time period obtained by the cluster analysis.
  • the preset survey area grid in the adjustment database includes: a survey person who increases the hotspot area and the hot spot time period of the case, and reduces the survey personnel of the non-hot spot area and the non-hot spot time period. Or merge non-hot spots.
  • the survey grid optimization method further includes the following steps:
  • update grid data such as map data in the grid area
  • case data such as the latest accident point report data
  • the survey grid optimization method proposed by the present application clusters the key information of the extracted vehicle insurance report (such as the report city, region, and time distribution), and obtains the hotspot area and the hot spot time period of the auto insurance case. And according to the results of the cluster analysis, the division of the grid of the existing survey area is adjusted.
  • This application can optimize the existing survey grid, improve the overall survey work efficiency, and can dynamically update according to the latest grid data.
  • the present application further provides a computer readable storage medium (such as a ROM/RAM, a magnetic disk, an optical disk), where the computer readable storage medium stores a survey grid optimization system 20, the survey The grid optimization system 20 can be executed by at least one processor 22 to cause the at least one processor 22 to perform the steps of the survey grid optimization method as described above.
  • a computer readable storage medium such as a ROM/RAM, a magnetic disk, an optical disk
  • the foregoing embodiment method can be implemented by means of software plus a necessary general hardware platform, and can also be implemented by hardware, but in many cases, the former is A better implementation.
  • the technical solution of the present application which is essential or contributes to the prior art, may be embodied in the form of a software product stored in a storage medium (such as ROM/RAM, disk,
  • the optical disc includes a number of instructions for causing a terminal device (which may be a mobile phone, a computer, a server, an air conditioner, or a network device, etc.) to perform the methods described in various embodiments of the present application.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请公开了一种查勘网格优化方法，该方法包括步骤：抽取资料库中预先存储的车险报案信息；针对所述抽取的车险报案信息进行聚类分析，获取车险案件热点区域和热点时间段；根据所述聚类分析获取的案件热点区域和热点时间段，调整资料库中预先设置的查勘区域网格。本申请可以优化现有查勘网格，提升整体查勘工作效率。

Description

查勘网格优化方法、电子设备及计算机可读存储介质
本申请要求于2017年09月30日提交中国专利局、申请号为201710916177.X、发明名称为“查勘网格优化方法、电子设备及计算机可读存储介质”的中国专利申请的优先权，其全部内容通过引用结合在申请中。
技术领域
本申请涉及计算机信息技术领域，尤其涉及一种查勘网格优化方法、电子设备及计算机可读存储介质。
背景技术
目前车险行业在进行车险查勘网格划分的时候，普遍采用传统城市行政区域划分的方式，此种网格划分方式无法有效地对网格进行优化以及动态调整。故，现有技术中的车险查勘网格划分方法不够合理，亟需改进。
发明内容
有鉴于此，本申请提出一种查勘网格优化方法、电子设备及计算机可读存储介质，通过对抽取的车险报案关键信息进行聚类分析，可以优化现有查勘网格，提升整体查勘工作效率。
首先，为实现上述目的，本申请提出一种电子设备，所述电子设备包括存储器及处理器，所述存储器上存储有可在所述处理器上运行的查勘网格优化系统，所述查勘网格优化系统被所述处理器执行时实现如下步骤：
抽取资料库中预先存储的车险报案信息；
针对所述抽取的车险报案信息进行聚类分析，获取车险案件热点区域和热点时间段；及
根据所述聚类分析获取的案件热点区域和热点时间段，调整资料库中预 先设置的查勘区域网格。
优选地，所述车险案件热点区域和热点时间段的获取包括：
提取预设时间段内车险案件发生的位置信息和时间信息；
设置热点区域聚类分析所需的不同阈值，根据车险案件发生的位置信息进行热点区域聚类分析，计算不同阈值下车险案件的热点区域；
根据预定条件分析不同阈值下车险案件的热点区域，得到符合该预定条件的最佳阈值以及最佳热点区域；及
根据所述最佳热点区域中车险案件发生的时间信息，进行热点时间段聚类分析，获取车险案件的热点时间段。
优选地，若预设时间段内某区域的车险报案次数大于或等于预设阈值，则判定该区域为热点区域；及
所述热点区域聚类分析所需的不同阈值包括第一预设阈值、第二预设阈值、及第三预设阈值，所述计算不同阈值下车险案件的热点区域包括：
统计预设时间段内车险报案次数大于或等于第一预设阈值的所有热点区域，得到第一组热点区域，统计预设时间段内车险报案次数大于或等于第二预设阈值的所有热点区域，得到第二组热点区域，统计预设时间段内车险报案次数大于或等于第三预设阈值的所有热点区域，得到第三组热点区域。
优选地，所述最佳热点区域为符合该预定条件的数量最多的热点区域组，所述最佳阈值为该最佳热点区域对应的预设阈值。
优选地，所述预定条件为查勘人员的工作负荷；
所述调整资料库中预先设置的查勘区域网格包括：增加所述案件热点区域及热点时间段的查勘人员，减少非热点区域及非热点时间段的查勘人员或者合并非热点区域。
此外，为实现上述目的，本申请还提供一种查勘网格优化方法，该方法应用于电子设备，所述方法包括：
抽取资料库中预先存储的车险报案信息；
针对所述抽取的车险报案信息进行聚类分析，获取车险案件热点区域和热点时间段；及
根据所述聚类分析获取的案件热点区域和热点时间段，调整资料库中预先设置的查勘区域网格。
优选地，所述车险案件热点区域和热点时间段的获取包括：
提取预设时间段内车险案件发生的位置信息和时间信息；
设置热点区域聚类分析所需的不同阈值，根据车险案件发生的位置信息进行热点区域聚类分析，计算不同阈值下车险案件的热点区域；
根据预定条件分析不同阈值下车险案件的热点区域，得到符合该预定条件的最佳阈值以及最佳热点区域；及
根据所述最佳热点区域中车险案件发生的时间信息，进行热点时间段聚类分析，获取车险案件的热点时间段。
优选地，若预设时间段内某区域的车险报案次数大于或等于预设阈值，则判定该区域为热点区域；及
所述热点区域聚类分析所需的不同阈值包括第一预设阈值、第二预设阈值、及第三预设阈值，所述计算不同阈值下车险案件的热点区域包括：
统计预设时间段内车险报案次数大于或等于第一预设阈值的所有热点区域，得到第一组热点区域，统计预设时间段内车险报案次数大于或等于第二预设阈值的所有热点区域，得到第二组热点区域，统计预设时间段内车险报案次数大于或等于第三预设阈值的所有热点区域，得到第三组热点区域。
优选地，所述最佳热点区域为符合该预定条件的数量最多的热点区域组，所述最佳阈值为该最佳热点区域对应的预设阈值；
所述预定条件为查勘人员的工作负荷；及
所述调整资料库中预先设置的查勘区域网格包括：增加所述案件热点区域及热点时间段的查勘人员，减少非热点区域及非热点时间段的查勘人员或 者合并非热点区域。
进一步地，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有查勘网格优化系统，所述查勘网格优化系统可被至少一个处理器执行，以使所述至少一个处理器执行如上述的查勘网格优化方法的步骤。
相较于现有技术，本申请所提出的电子设备、查勘网格优化方法及计算机可读存储介质，通过对抽取的车险报案关键信息(如报案城市、区域、时间分布)进行聚类分析，获取车险案件的热点区域以及热点时间段，并根据聚类分析的结果调整现有查勘区域网格的划分，利用本申请可以优化现有查勘网格，提升整体查勘工作效率，而且可以根据最新网格数据进行动态更新。
附图说明
图1是本申请电子设备一可选的硬件架构的示意图；
图2是本申请电子设备中查勘网格优化系统一实施例的程序模块示意图；
图3为本申请查勘网格优化方法一实施例的实施流程示意图。
附图标记：
电子设备 2
存储器 21
处理器 22
网络接口 23
查勘网格优化系统 20
抽取模块 201
获取模块 202
优化模块 203
流程步骤 S31-S33
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，在本申请中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
进一步需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
首先，本申请提出一种电子设备2。
参阅图1所示，是本申请电子设备2一可选的硬件架构的示意图。本实施例中，所述电子设备2可包括，但不限于，可通过系统总线相互通信连接存储器21、处理器22、网络接口23。需要指出的是，图1仅示出了具有组件21-23的电子设备2，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
其中，所述电子设备2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等计算设备，该电子设备2可以是独立的服务器，也可以是多个服务器所组成的服务器集群。
所述存储器21至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器21可以是所述电子设备2的内部存储单元，例如该电子设备2的硬盘或内存。在另一些实施例中，所述存储器21也可以是所述电子设备2的外部存储设备，例如该电子设备2上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器21还可以既包括所述电子设备2的内部存储单元也包括其外部存储设备。本实施例中，所述存储器21通常用于存储安装于所述电子设备2的操作系统和各类应用软件，例如所述查勘网格优化系统20的程序代码等。此外，所述存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制所述电子设备2的总体操作，例如执行与所述电子设备2进行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器22用于运行所述存储器21中存储的程序代码或者处理数据，例如运行所述的查勘 网格优化系统20等。
所述网络接口23可包括无线网络接口或有线网络接口，该网络接口23通常用于在所述电子设备2与其它电子设备之间建立通信连接。例如，所述网络接口23用于通过网络将所述电子设备2与外部数据平台相连，在所述电子设备2与外部数据平台之间的建立数据传输通道和通信连接。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication，GSM)、宽带码分多址(Wideband Code Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
至此，己经详细介绍了本申请各个实施例的应用环境和相关设备的硬件结构和功能。下面，将基于上述应用环境和相关设备，提出本申请的各个实施例。
参阅图2所示，是本申请电子设备2中查勘网格优化系统20一实施例的程序模块图。本实施例中，所述的查勘网格优化系统20可以被分割成一个或多个程序模块，所述一个或者多个程序模块被存储于所述存储器21中，并由一个或多个处理器(本实施例中为所述处理器22)所执行，以完成本申请。例如，在图2中，所述的查勘网格优化系统20可以被分割成抽取模块201、获取模块202、以及优化模块203。本申请所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述查勘网格优化系统20在所述电子设备2中的执行过程。以下将就各程序模块201-203的功能进行详细描述。
所述抽取模块201，用于抽取资料库(如电子设备2的存储器21)中预先存储的车险报案信息。优选地，在本实施例中，所述车险报案信息包括，但不限于，车险报案城市、区域、时间分布(如不同时间段、工作日、非工作日、节假日等)信息。
所述获取模块202，用于针对所述抽取的车险报案信息进行聚类分析，获取车险案件热点区域(如城市中心区域)和热点时间段(如工作日的早7:00-9:00，晚5:30-7:30)。优选地，在本实施例中，可以采用DBSCAN聚类算法，针对所述抽取的车险报案信息进行聚类分析。
优选地，在本实施例中，所述车险案件热点区域和热点时间段的获取包括如下步骤：
(1)提取预设时间段内(如过去24小时内)车险案件发生的位置信息(如经纬度坐标信息)和时间信息。
(2)设置热点区域聚类分析所需的不同阈值，根据车险案件发生的位置信息进行热点区域聚类分析，计算不同阈值下车险案件的热点区域。其中，若预设时间段内某区域的车险报案次数大于或等于预设阈值(如5次)，则判定该区域为热点区域。
优选地，在本实施例中，所述热点区域聚类分析所需的不同阈值包括，但不限于，第一预设阈值(如3次)、第二预设阈值(如5次)、第三预设阈值(如7次)。对应地，统计预设时间段内车险报案次数大于或等于第一预设阈值的所有热点区域，得到第一组热点区域(如10个)；统计预设时间段内车险报案次数大于或等于第二预设阈值的所有热点区域，得到第二组热点区域(如15个)；统计预设时间段内车险报案次数大于或等于第三预设阈值的所有热点区域，得到第三组热点区域(如20个)。
(3)根据预定条件分析不同阈值下车险案件的热点区域，得到符合该预定条件的最佳阈值以及最佳热点区域。其中，所述最佳热点区域为符合该预定条件的数量最多的热点区域组(如第二组热点区域)，所述最佳阈值为该最佳热点区域对应的预设阈值。例如，如果最佳热点区域为第二组热点区域，则最佳阈值为第二组热点区域对应的第二预设阈值。
优选地，在本实施例中，所述预定条件可以是查勘人员的工作负荷。例 如，如果现有查勘人员的工作负荷最多只能支持18个热点区域，则确定最佳热点区域为第二组热点区域(数量为15个)，最佳阈值为第二预设阈值(5次)。
(4)根据所述最佳热点区域中车险案件发生的时间信息，进行热点时间段聚类分析，获取车险案件的热点时间段(如工作日的早7:00-9:00，晚5:30-7:30)。在本实施例中，也可以采用DBSCAN聚类算法，进行热点时间段聚类分析，在此不再赘述。
所述优化模块203，用于根据所述聚类分析获取的案件热点区域和热点时间段，调整资料库中预先设置的查勘区域网格。
优选地，在本实施例中，所述调整资料库中预先设置的查勘区域网格包括：增加所述案件热点区域及热点时间段的查勘人员，减少非热点区域及非热点时间段的查勘人员或者合并非热点区域。
进一步地，在其它实施例中，所述优化模块203还用于：
每隔预定时间间隔(如1天)，更新网格数据(如网格区域的地图数据等)和案件数据(如最新的事故点报案数据)，实现对查勘区域网格的动态调整优化。
通过上述程序模块201-203，本申请所提出的查勘网格优化系统20，对抽取的车险报案关键信息(如报案城市、区域、时间分布)进行聚类分析，获取车险案件的热点区域以及热点时间段，并根据聚类分析的结果调整现有查勘区域网格的划分。利用本申请可以优化现有查勘网格，提升整体查勘工作效率，而且可以根据最新网格数据进行动态更新。
此外，本申请还提出一种查勘网格优化方法。
参阅图3所示，是本申请查勘网格优化方法一实施例的实施流程示意图。 在本实施例中，根据不同的需求，图3所示的流程图中的步骤的执行顺序可以改变，某些步骤可以省略。
步骤S31，抽取资料库(如电子设备2的存储器21)中预先存储的车险报案信息。优选地，在本实施例中，所述车险报案信息包括，但不限于，车险报案城市、区域、时间分布(如不同时间段、工作日、非工作日、节假日等)信息。
步骤S32，针对所述抽取的车险报案信息进行聚类分析，获取车险案件热点区域(如城市中心区域)和热点时间段(如工作日的早7:00-9:00，晚5:30-7:30)。优选地，在本实施例中，可以采用DBSCAN聚类算法，针对所述抽取的车险报案信息进行聚类分析。
优选地，在本实施例中，所述车险案件热点区域和热点时间段的获取包括如下步骤：
(1)提取预设时间段内(如过去24小时内)车险案件发生的位置信息(如经纬度坐标信息)和时间信息。
(2)设置热点区域聚类分析所需的不同阈值，根据车险案件发生的位置信息进行热点区域聚类分析，计算不同阈值下车险案件的热点区域。其中，若预设时间段内某区域的车险报案次数大于或等于预设阈值(如5次)，则判定该区域为热点区域。
优选地，在本实施例中，所述热点区域聚类分析所需的不同阈值包括，但不限于，第一预设阈值(如3次)、第二预设阈值(如5次)、第三预设阈值(如7次)。对应地，统计预设时间段内车险报案次数大于或等于第一预设阈值的所有热点区域，得到第一组热点区域(如10个)；统计预设时间段内车险报案次数大于或等于第二预设阈值的所有热点区域，得到第二组热点区域(如15个)；统计预设时间段内车险报案次数大于或等于第三预设阈值的所有热点区域，得到第三组热点区域(如20个)。
(3)根据预定条件分析不同阈值下车险案件的热点区域，得到符合该预定条件的最佳阈值以及最佳热点区域。其中，所述最佳热点区域为符合该预定条件的数量最多的热点区域组(如第二组热点区域)，所述最佳阈值为该最佳热点区域对应的预设阈值。例如，如果最佳热点区域为第二组热点区域，则最佳阈值为第二组热点区域对应的第二预设阈值。
优选地，在本实施例中，所述预定条件可以是查勘人员的工作负荷。例如，如果现有查勘人员的工作负荷最多只能支持18个热点区域，则确定最佳热点区域为第二组热点区域(数量为15个)，最佳阈值为第二预设阈值(5次)。
(4)根据所述最佳热点区域中车险案件发生的时间信息，进行热点时间段聚类分析，获取车险案件的热点时间段(如工作日的早7:00-9:00，晚5:30-7:30)。在本实施例中，也可以采用DBSCAN聚类算法，进行热点时间段聚类分析，在此不再赘述。
步骤S33，根据所述聚类分析获取的案件热点区域和热点时间段，调整资料库中预先设置的查勘区域网格。
优选地，在本实施例中，所述调整资料库中预先设置的查勘区域网格包括：增加所述案件热点区域及热点时间段的查勘人员，减少非热点区域及非热点时间段的查勘人员或者合并非热点区域。
进一步地，在其它实施例中，所述查勘网格优化方法还包括如下步骤：
每隔预定时间间隔(如1天)，更新网格数据(如网格区域的地图数据等)和案件数据(如最新的事故点报案数据)，实现对查勘区域网格的动态调整优化。
通过上述步骤S31-S33，本申请所提出的查勘网格优化方法，对抽取的车险报案关键信息(如报案城市、区域、时间分布)进行聚类分析，获取车险 案件的热点区域以及热点时间段，并根据聚类分析的结果调整现有查勘区域网格的划分。利用本申请可以优化现有查勘网格，提升整体查勘工作效率，而且可以根据最新网格数据进行动态更新。
进一步地，为实现上述目的，本申请还提供一种计算机可读存储介质(如ROM/RAM、磁碟、光盘)，所述计算机可读存储介质存储有查勘网格优化系统20，所述查勘网格优化系统20可被至少一个处理器22执行，以使所述至少一个处理器22执行如上所述的查勘网格优化方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件来实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
以上参照附图说明了本申请的优选实施例，并非因此局限本申请的权利范围。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。另外，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本领域技术人员不脱离本申请的范围和实质，可以有多种变型方案实现本申请，比如作为一个实施例的特征可用于另一实施例而得到又一实施例。凡是利用本申请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，均同理包括在本申请的专利保护范围内。

Claims (20)

  1. 一种电子设备，其特征在于，所述电子设备包括存储器及处理器，所述存储器上存储有可在所述处理器上运行的查勘网格优化系统，所述查勘网格优化系统被所述处理器执行时实现如下步骤：
    抽取资料库中预先存储的车险报案信息；
    针对所述抽取的车险报案信息进行聚类分析，获取车险案件热点区域和热点时间段；及
    根据所述聚类分析获取的案件热点区域和热点时间段，调整资料库中预先设置的查勘区域网格。
  2. 如权利要求1所述的电子设备，其特征在于，所述车险案件热点区域和热点时间段的获取包括：
    提取预设时间段内车险案件发生的位置信息和时间信息；
    设置热点区域聚类分析所需的不同阈值，根据车险案件发生的位置信息进行热点区域聚类分析，计算不同阈值下车险案件的热点区域；
    根据预定条件分析不同阈值下车险案件的热点区域，得到符合该预定条件的最佳阈值以及最佳热点区域；及
    根据所述最佳热点区域中车险案件发生的时间信息，进行热点时间段聚类分析，获取车险案件的热点时间段。
  3. 如权利要求2所述的电子设备，其特征在于，若预设时间段内某区域的车险报案次数大于或等于预设阈值，则判定该区域为热点区域；及
    所述热点区域聚类分析所需的不同阈值包括第一预设阈值、第二预设阈值、及第三预设阈值，所述计算不同阈值下车险案件的热点区域包括：
    统计预设时间段内车险报案次数大于或等于第一预设阈值的所有热点区域，得到第一组热点区域，统计预设时间段内车险报案次数大于或等于第二 预设阈值的所有热点区域，得到第二组热点区域，统计预设时间段内车险报案次数大于或等于第三预设阈值的所有热点区域，得到第三组热点区域。
  4. 如权利要求2所述的电子设备，其特征在于，所述最佳热点区域为符合该预定条件的数量最多的热点区域组，所述最佳阈值为该最佳热点区域对应的预设阈值。
  5. 如权利要求3所述的电子设备，其特征在于，所述最佳热点区域为符合该预定条件的数量最多的热点区域组，所述最佳阈值为该最佳热点区域对应的预设阈值。
  6. 如权利要求4所述的电子设备，其特征在于，所述预定条件为查勘人员的工作负荷；
    所述调整资料库中预先设置的查勘区域网格包括：增加所述案件热点区域及热点时间段的查勘人员，减少非热点区域及非热点时间段的查勘人员或者合并非热点区域。
  7. 如权利要求5所述的电子设备，其特征在于，所述预定条件为查勘人员的工作负荷；
    所述调整资料库中预先设置的查勘区域网格包括：增加所述案件热点区域及热点时间段的查勘人员，减少非热点区域及非热点时间段的查勘人员或者合并非热点区域。
  8. 一种查勘网格优化方法，应用于电子设备，其特征在于，所述方法包括：
    抽取资料库中预先存储的车险报案信息；
    针对所述抽取的车险报案信息进行聚类分析，获取车险案件热点区域和热点时间段；及
    根据所述聚类分析获取的案件热点区域和热点时间段，调整资料库中预先设置的查勘区域网格。
  9. 如权利要求8所述的查勘网格优化方法，其特征在于，所述车险案件热点区域和热点时间段的获取包括：
    提取预设时间段内车险案件发生的位置信息和时间信息；
    设置热点区域聚类分析所需的不同阈值，根据车险案件发生的位置信息进行热点区域聚类分析，计算不同阈值下车险案件的热点区域；
    根据预定条件分析不同阈值下车险案件的热点区域，得到符合该预定条件的最佳阈值以及最佳热点区域；及
    根据所述最佳热点区域中车险案件发生的时间信息，进行热点时间段聚类分析，获取车险案件的热点时间段。
  10. 如权利要求9所述的查勘网格优化方法，其特征在于，若预设时间段内某区域的车险报案次数大于或等于预设阈值，则判定该区域为热点区域；及
    所述热点区域聚类分析所需的不同阈值包括第一预设阈值、第二预设阈值、及第三预设阈值，所述计算不同阈值下车险案件的热点区域包括：
    统计预设时间段内车险报案次数大于或等于第一预设阈值的所有热点区域，得到第一组热点区域，统计预设时间段内车险报案次数大于或等于第二预设阈值的所有热点区域，得到第二组热点区域，统计预设时间段内车险报案次数大于或等于第三预设阈值的所有热点区域，得到第三组热点区域。
  11. 如权利要求9所述的查勘网格优化方法，其特征在于，所述最佳热点 区域为符合该预定条件的数量最多的热点区域组，所述最佳阈值为该最佳热点区域对应的预设阈值。
  12. 如权利要求10所述的查勘网格优化方法，其特征在于，所述最佳热点区域为符合该预定条件的数量最多的热点区域组，所述最佳阈值为该最佳热点区域对应的预设阈值。
  13. 如权利要求11所述的查勘网格优化方法，其特征在于，所述预定条件为查勘人员的工作负荷；
    所述调整资料库中预先设置的查勘区域网格包括：增加所述案件热点区域及热点时间段的查勘人员，减少非热点区域及非热点时间段的查勘人员或者合并非热点区域。
  14. 如权利要求12所述的查勘网格优化方法，其特征在于，所述预定条件为查勘人员的工作负荷；
    所述调整资料库中预先设置的查勘区域网格包括：增加所述案件热点区域及热点时间段的查勘人员，减少非热点区域及非热点时间段的查勘人员或者合并非热点区域。
  15. 一种计算机可读存储介质，所述计算机可读存储介质存储有查勘网格优化系统，所述查勘网格优化系统可被至少一个处理器执行，所述查勘网格优化系统被所述处理器执行时实现如下步骤：
    抽取资料库中预先存储的车险报案信息；
    针对所述抽取的车险报案信息进行聚类分析，获取车险案件热点区域和热点时间段；及
    根据所述聚类分析获取的案件热点区域和热点时间段，调整资料库中预 先设置的查勘区域网格。
  16. 如权利要求15所述的计算机可读存储介质，其特征在于，所述车险案件热点区域和热点时间段的获取包括：
    提取预设时间段内车险案件发生的位置信息和时间信息；
    设置热点区域聚类分析所需的不同阈值，根据车险案件发生的位置信息进行热点区域聚类分析，计算不同阈值下车险案件的热点区域；
    根据预定条件分析不同阈值下车险案件的热点区域，得到符合该预定条件的最佳阈值以及最佳热点区域；及
    根据所述最佳热点区域中车险案件发生的时间信息，进行热点时间段聚类分析，获取车险案件的热点时间段。
  17. 如权利要求16所述的计算机可读存储介质，其特征在于，若预设时间段内某区域的车险报案次数大于或等于预设阈值，则判定该区域为热点区域；及
    所述热点区域聚类分析所需的不同阈值包括第一预设阈值、第二预设阈值、及第三预设阈值，所述计算不同阈值下车险案件的热点区域包括：
    统计预设时间段内车险报案次数大于或等于第一预设阈值的所有热点区域，得到第一组热点区域，统计预设时间段内车险报案次数大于或等于第二预设阈值的所有热点区域，得到第二组热点区域，统计预设时间段内车险报案次数大于或等于第三预设阈值的所有热点区域，得到第三组热点区域。
  18. 如权利要求16所述的计算机可读存储介质，其特征在于，所述最佳热点区域为符合该预定条件的数量最多的热点区域组，所述最佳阈值为该最佳热点区域对应的预设阈值。
  19. 如权利要求17所述的计算机可读存储介质，其特征在于，所述最佳热点区域为符合该预定条件的数量最多的热点区域组，所述最佳阈值为该最佳热点区域对应的预设阈值。
  20. 如权利要求18或19所述的计算机可读存储介质，其特征在于，所述预定条件为查勘人员的工作负荷；
    所述调整资料库中预先设置的查勘区域网格包括：增加所述案件热点区域及热点时间段的查勘人员，减少非热点区域及非热点时间段的查勘人员或者合并非热点区域。
PCT/CN2018/076179 2017-09-30 2018-02-10 查勘网格优化方法、电子设备及计算机可读存储介质 Ceased WO2019061992A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710916177.XA CN107844851B (zh) 2017-09-30 2017-09-30 查勘网格优化方法、电子设备及计算机可读存储介质
CN201710916177.X 2017-09-30

Publications (1)

Publication Number Publication Date
WO2019061992A1 true WO2019061992A1 (zh) 2019-04-04

Family

ID=61661565

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/076179 Ceased WO2019061992A1 (zh) 2017-09-30 2018-02-10 查勘网格优化方法、电子设备及计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN107844851B (zh)
WO (1) WO2019061992A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110457653A (zh) * 2019-07-30 2019-11-15 青岛海信网络科技股份有限公司 一种警情热点区域的确定方法及装置
CN110659997A (zh) * 2019-08-15 2020-01-07 中国平安财产保险股份有限公司 数据聚类识别方法、装置、计算机系统及可读存储介质
CN113032607A (zh) * 2019-12-09 2021-06-25 深圳云天励飞技术有限公司 关键人员分析方法、装置、电子设备及存储介质
CN114630077A (zh) * 2022-02-28 2022-06-14 高新兴科技集团股份有限公司 事件聚集地的监控设备优化部署方法、装置、介质及设备

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108959389B (zh) * 2018-06-01 2023-03-14 平安科技（深圳）有限公司 服务器、查勘网格的优化方法及存储介质
CN109300046A (zh) * 2018-08-01 2019-02-01 平安科技（深圳）有限公司 电子装置、基于路况因子的车险查勘调度方法及存储介质
CN109685667A (zh) * 2018-08-27 2019-04-26 平安科技（深圳）有限公司 查勘任务处理方法、装置、设备及计算机可读存储介质
CN109447318B (zh) * 2018-09-25 2024-05-07 平安科技（深圳）有限公司 一种网格划分方法、计算机可读存储介质及终端设备
CN109447319B (zh) * 2018-09-26 2023-06-16 中国平安财产保险股份有限公司 一种网格划分方法、计算机可读存储介质及终端设备
CN109543947A (zh) * 2018-10-19 2019-03-29 中国平安财产保险股份有限公司 基于查勘网格的任务分配的方法、装置及终端设备
CN109544098B (zh) * 2018-10-19 2024-08-02 中国平安财产保险股份有限公司 一种智能排班方法、装置、存储介质和终端设备
CN112084281B (zh) * 2020-09-04 2023-11-03 中国平安财产保险股份有限公司 绘制查勘网格的方法、装置、计算机设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104317918A (zh) * 2014-10-29 2015-01-28 深圳先进技术研究院 基于复合大数据gis的异常行为分析及报警系统
CN105206057A (zh) * 2015-09-30 2015-12-30 哈尔滨工业大学深圳研究生院 基于浮动车居民出行热点区域的检测方法及系统
CN105808784A (zh) * 2016-03-31 2016-07-27 北京小度信息科技有限公司 推荐方法和装置
WO2016127879A1 (zh) * 2015-02-12 2016-08-18 阿里巴巴集团控股有限公司 一种确定热点区域的方法和装置
CN106296366A (zh) * 2016-08-19 2017-01-04 北京恒天易开科技股份有限公司 一种基于电动汽车租赁行业车辆调价方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020284A (zh) * 2012-12-28 2013-04-03 刘建勋 一种基于时空聚类的出租车载客点推荐方法
US20170228507A1 (en) * 2014-08-08 2017-08-10 Icahn School Of Medicine At Mount Sinai Automatic disease diagnoses using longitudinal medical record data
CN104867065B (zh) * 2015-06-05 2021-07-02 北京嘀嘀无限科技发展有限公司 处理订单的方法和设备
CN106373387A (zh) * 2016-10-25 2017-02-01 先锋智道（北京）科技有限公司 一种车辆调度方法、装置及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104317918A (zh) * 2014-10-29 2015-01-28 深圳先进技术研究院 基于复合大数据gis的异常行为分析及报警系统
WO2016127879A1 (zh) * 2015-02-12 2016-08-18 阿里巴巴集团控股有限公司 一种确定热点区域的方法和装置
CN105206057A (zh) * 2015-09-30 2015-12-30 哈尔滨工业大学深圳研究生院 基于浮动车居民出行热点区域的检测方法及系统
CN105808784A (zh) * 2016-03-31 2016-07-27 北京小度信息科技有限公司 推荐方法和装置
CN106296366A (zh) * 2016-08-19 2017-01-04 北京恒天易开科技股份有限公司 一种基于电动汽车租赁行业车辆调价方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110457653A (zh) * 2019-07-30 2019-11-15 青岛海信网络科技股份有限公司 一种警情热点区域的确定方法及装置
CN110457653B (zh) * 2019-07-30 2023-09-01 青岛海信网络科技股份有限公司 一种警情热点区域的确定方法及装置
CN110659997A (zh) * 2019-08-15 2020-01-07 中国平安财产保险股份有限公司 数据聚类识别方法、装置、计算机系统及可读存储介质
CN110659997B (zh) * 2019-08-15 2023-06-27 中国平安财产保险股份有限公司 数据聚类识别方法、装置、计算机系统及可读存储介质
CN113032607A (zh) * 2019-12-09 2021-06-25 深圳云天励飞技术有限公司 关键人员分析方法、装置、电子设备及存储介质
CN114630077A (zh) * 2022-02-28 2022-06-14 高新兴科技集团股份有限公司 事件聚集地的监控设备优化部署方法、装置、介质及设备

Also Published As

Publication number Publication date
CN107844851B (zh) 2021-09-03
CN107844851A (zh) 2018-03-27

Similar Documents

Publication Publication Date Title
WO2019061992A1 (zh) 查勘网格优化方法、电子设备及计算机可读存储介质
CN108566618B (zh) 获取用户驻留规律的方法、装置、设备及存储介质
EP3098798B1 (en) Data processing method, server and terminal for internet of vehicles
WO2019085471A1 (zh) 数据库同步方法、应用服务器及计算机可读存储介质
WO2019062009A1 (zh) 电子装置、信贷风险控制方法及存储介质
WO2019062189A1 (zh) 电子装置、数据表归档处理的方法、系统及存储介质
CN111177129B (zh) 标签体系的构建方法、装置、设备及存储介质
CN109670091B (zh) 一种基于数据标准的元数据智能维护方法和装置
WO2021103626A1 (zh) 用户地理画像生成方法、装置、计算机设备和存储介质
CN103607463A (zh) 定位数据存储系统和存储方法
CN111372242A (zh) 欺诈识别方法、装置、服务器及存储介质
CN105992338A (zh) 一种定位方法和装置
US11368901B2 (en) Method for identifying a type of a wireless hotspot and a network device thereof
WO2019085120A1 (zh) 协同过滤推荐方法、电子设备及计算机可读存储介质
PH12020551558A1 (en) Access node selection in 5g network for non-3gpp and non-cellular access, also indicating regional requirement according to lawful interception
CN105550270A (zh) 数据库查询方法和装置
WO2019071897A1 (zh) 实时推荐方法、电子设备及计算机可读存储介质
CN104484460A (zh) 一种分布式文件系统元数据热度统计方法
CN108984687B (zh) 基于用户行为的自动加群控制方法、装置及存储介质
WO2019085475A1 (zh) 项目推荐方法、电子设备及计算机可读存储介质
CN110503563B (zh) 风险控制方法及系统
WO2019071968A1 (zh) 薪资计算方法、应用服务器及计算机可读存储介质
CN111797181B (zh) 用户职住地的定位方法、装置、控制设备及存储介质
WO2019062192A1 (zh) 业务员行为风险甄别管理方法、应用服务器及计算机可读存储介质
CN110807546A (zh) 社区网格人口变化预警方法及系统

Legal Events

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

Ref country code: DE

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) EPC (EPO FORM 1205 DATED 29/09/2020)

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) EPC (EPO FORM 1205 DATED 29/09/2020)

122 Ep: pct application non-entry in european phase

Ref document number: 18860223

Country of ref document: EP

Kind code of ref document: A1