本發(fā)明涉及風(fēng)險預(yù)測領(lǐng)域，具體而言，涉及一種基于駕駛行為的駕駛風(fēng)險評估方法及裝置。

背景技術(shù)：

隨著ubi車聯(lián)網(wǎng)保險和大數(shù)據(jù)的興起，迫切需要一種科學(xué)的方法對駕駛員的駕駛風(fēng)險進行評估，該評估結(jié)果可以作為測試車輛車主的駕駛風(fēng)險數(shù)據(jù)的支撐，提醒和督促車主改善行車習(xí)慣，從而提高車主的安全意識，也可以為保險公司制定不同等級的保費提供依據(jù)，目前在國內(nèi)外關(guān)于ubi的保險評估只是將風(fēng)險因子分配適當(dāng)權(quán)重后，做簡單的擬合和運算即可，但是這個方法獲得的評估結(jié)果，不能準確的反映實際危險的情況，也不能為保險公司針對不同的客戶提供更加準確的依據(jù)。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明實施例的目的在于提供一種基于駕駛行為的駕駛風(fēng)險評估方法及裝置，以改善上述問題。

第一方面，本發(fā)明實施例提供了一種基于駕駛行為的駕駛風(fēng)險評估方法，所述方法包括：獲取第一駕駛行為參數(shù)數(shù)據(jù)；將所述第一駕駛行為參數(shù)數(shù)據(jù)輸入到預(yù)先獲取的風(fēng)險預(yù)測模型進行風(fēng)險預(yù)測；根據(jù)所述第一駕駛行為參數(shù)數(shù)據(jù)及所述風(fēng)險預(yù)測模型獲取評估結(jié)果。

第二方面，本發(fā)明實施例提供了一種基于駕駛行為的駕駛風(fēng)險評估裝置，所述裝置包括：第一獲取模塊，用于獲取第一駕駛行為參數(shù)數(shù)據(jù)；風(fēng)險預(yù)測模塊，用于將所述第一駕駛行為參數(shù)數(shù)據(jù)輸入到預(yù)先獲取的風(fēng)險預(yù)測模型進行風(fēng)險預(yù)測；評估結(jié)果獲取模塊，用于根據(jù)所述第一駕駛行為參數(shù)數(shù)據(jù)及所述風(fēng)險預(yù)測模型獲取評估結(jié)果。

本發(fā)明實施例的有益效果是：

本發(fā)明實施例提供一種基于駕駛行為的駕駛風(fēng)險評估方法及裝置，通過獲取的第一駕駛行為參數(shù)數(shù)據(jù)，并且將該第一駕駛行為參數(shù)數(shù)據(jù)輸入至預(yù)先獲取的風(fēng)險預(yù)測模型進行風(fēng)險預(yù)測，再根據(jù)該第一駕駛行為參數(shù)數(shù)據(jù)和所述風(fēng)險預(yù)測模型即可獲得評估結(jié)果，該評估結(jié)果準確性高，一方面可以為各大保險公司通過數(shù)據(jù)輸出來識別并篩選駕駛風(fēng)險，從而降低其綜合賠付率，實現(xiàn)雙贏；另一方面還可以為車險行業(yè)創(chuàng)新性差異化定價提供技術(shù)支持和數(shù)據(jù)支撐，為安全駕駛的好車主爭取到更加公平合理的商業(yè)險保費定價。

本發(fā)明的其他特征和優(yōu)點將在隨后的說明書闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明實施例了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應(yīng)當(dāng)理解，以下附圖僅示出了本發(fā)明的某些實施例，因此不應(yīng)被看作是對范圍的限定，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。

圖1示出了一種可應(yīng)用于本申請實施例中的電子設(shè)備的結(jié)構(gòu)框圖；

圖2為本發(fā)明第一實施例提供的一種基于駕駛行為的駕駛風(fēng)險評估方法的流程圖；

圖3為本發(fā)明第二實施例提供的一種基于駕駛行為的駕駛風(fēng)險評估方法的流程圖；

圖4為本發(fā)明第三實施例提供的一種基于駕駛行為的駕駛風(fēng)險評估裝置的結(jié)構(gòu)框圖；

圖5為本發(fā)明第四實施例提供的一種基于駕駛行為的駕駛風(fēng)險評估裝置的結(jié)構(gòu)框圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。通常在此處附圖中描述和示出的本發(fā)明實施例的組件可以以各種不同的配置來布置和設(shè)計。因此，以下對在附圖中提供的本發(fā)明的實施例的詳細描述并非旨在限制要求保護的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實施例?；诒景l(fā)明的實施例，本領(lǐng)域技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

應(yīng)注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨后的附圖中不需要對其進行進一步定義和解釋。同時，在本發(fā)明的描述中，術(shù)語“第一”、“第二”等僅用于區(qū)分描述，而不能理解為指示或暗示相對重要性。

請參照圖1，圖1示出了一種可應(yīng)用于本申請實施例中的電子設(shè)備100的結(jié)構(gòu)框圖。電子設(shè)備100可以包括基于駕駛行為的駕駛風(fēng)險評估裝置、存儲器101、存儲控制器102、處理器103、外設(shè)接口104、輸入輸出單元105、音頻單元106、顯示單元107。

所述存儲器101、存儲控制器102、處理器103、外設(shè)接口104、輸入輸出單元105、音頻單元106、顯示單元107各元件相互之間直接或間接地電性連接，以實現(xiàn)數(shù)據(jù)的傳輸或交互。例如，這些元件相互之間可通過一條或多條通訊總線或信號線實現(xiàn)電性連接。所述基于駕駛行為的駕駛風(fēng)險評估裝置包括至少一個可以軟件或固件(firmware)的形式存儲于所述存儲器101中或固化在所述基于駕駛行為的駕駛風(fēng)險評估裝置的操作系統(tǒng)(operatingsystem，os)中的軟件功能模塊。所述處理器103用于執(zhí)行存儲器101中存儲的可執(zhí)行模塊，例如所述基于駕駛行為的駕駛風(fēng)險評估裝置包括的軟件功能模塊或計算機程序。

其中，存儲器101可以是，但不限于，隨機存取存儲器(randomaccessmemory，ram)，只讀存儲器(readonlymemory，rom)，可編程只讀存儲器(programmableread-onlymemory，prom)，可擦除只讀存儲器(erasableprogrammableread-onlymemory，eprom)，電可擦除只讀存儲器(electricerasableprogrammableread-onlymemory，eeprom)等。其中，存儲器101用于存儲程序，所述處理器103在接收到執(zhí)行指令后，執(zhí)行所述程序，前述本發(fā)明實施例任一實施例揭示的流過程定義的服務(wù)器所執(zhí)行的方法可以應(yīng)用于處理器103中，或者由處理器103實現(xiàn)。

處理器103可能是一種集成電路芯片，具有信號的處理能力。上述的處理器103可以是通用處理器，包括中央處理器(centralprocessingunit，簡稱cpu)、網(wǎng)絡(luò)處理器(networkprocessor，簡稱np)等；還可以是數(shù)字信號處理器(dsp)、專用集成電路(asic)、現(xiàn)成可編程門陣列(fpga)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件。可以實現(xiàn)或者執(zhí)行本發(fā)明實施例中的公開的各方法、步驟及邏輯框圖。通用處理器可以是微處理器或者該處理器103也可以是任何常規(guī)的處理器等。

所述外設(shè)接口104將各種輸入/輸出裝置耦合至處理器103以及存儲器101。在一些實施例中，外設(shè)接口104，處理器103以及存儲控制器102可以在單個芯片中實現(xiàn)。在其他一些實例中，他們可以分別由獨立的芯片實現(xiàn)。

輸入輸出單元105用于提供給用戶輸入數(shù)據(jù)實現(xiàn)用戶與所述服務(wù)器(或本地終端)的交互。所述輸入輸出單元105可以是，但不限于，鼠標和鍵盤等。

音頻單元106向用戶提供音頻接口，其可包括一個或多個麥克風(fēng)、一個或者多個揚聲器以及音頻電路。

顯示單元107在所述電子設(shè)備100與用戶之間提供一個交互界面(例如用戶操作界面)或用于顯示圖像數(shù)據(jù)給用戶參考。在本實施例中，所述顯示單元107可以是液晶顯示器或觸控顯示器。若為觸控顯示器，其可為支持單點和多點觸控操作的電容式觸控屏或電阻式觸控屏等。支持單點和多點觸控操作是指觸控顯示器能感應(yīng)到來自該觸控顯示器上一個或多個位置處同時產(chǎn)生的觸控操作，并將該感應(yīng)到的觸控操作交由處理器103進行計算和處理。

所述外設(shè)接口104將各種輸入/輸入裝置耦合至處理器103以及存儲器101。在一些實施例中，外設(shè)接口104，處理器103以及存儲控制器102可以在單個芯片中實現(xiàn)。在其他一些實例中，他們可以分別由獨立的芯片實現(xiàn)。

輸入輸出單元105用于提供給用戶輸入數(shù)據(jù)實現(xiàn)用戶與處理終端的交互。所述輸入輸出單元105可以是，但不限于，鼠標和鍵盤等。

可以理解，圖1所示的結(jié)構(gòu)僅為示意，所述電子設(shè)備100還可包括比圖1中所示更多或者更少的組件，或者具有與圖1所示不同的配置。圖1中所示的各組件可以采用硬件、軟件或其組合實現(xiàn)。

第一實施例

請參照圖2，圖2為本發(fā)明第一實施例提供的一種基于駕駛行為的駕駛風(fēng)險評估方法的流程圖，所述方法具體包括如下步驟：

步驟s110：獲取第一駕駛行為參數(shù)數(shù)據(jù)。

首先獲取第一駕駛行為參數(shù)數(shù)據(jù)，所述第一駕駛行為參數(shù)數(shù)據(jù)可以包括車輛行駛里程數(shù)、夜間駕駛比例、高峰期駕駛比例、熟悉路段駕駛占比、每段路程最大速度均值、百公里急剎車次數(shù)、百公里急加速次數(shù)、疲勞駕駛時間占比、出險數(shù)據(jù)等數(shù)據(jù)。其中，將夜間駕駛時間定義為21:00-24:00pm，高峰期時間定義為8:00-9:00am及16:00-18:00pm，熟悉路段定義為最常出現(xiàn)的三個熄火點，熟悉路段駕駛占比定義為總行駛次數(shù)中的熟悉路段行駛次數(shù)占比。

出險數(shù)據(jù)為車主在預(yù)設(shè)時間內(nèi)的出險次數(shù)、賠付金額等，例如，在獲取該出險數(shù)據(jù)前的上一個保險年度內(nèi)的出險次數(shù)為3，只要其中一次的賠付金額大于500即可定義出險數(shù)據(jù)為1，可以理解為出險概率為1，又或者，在獲取該出險數(shù)據(jù)前的上一個保險年度內(nèi)的出險次數(shù)為3，每次的賠付金額小于或等于500以及在獲取該出險數(shù)據(jù)前的上一個保險年度內(nèi)的出險次數(shù)為0，即可定義出險數(shù)據(jù)為0，可以理解為出險概率也為0，因為根據(jù)2016年商車費改后，前一年的出險情況會導(dǎo)致車主次年的保費大幅上漲，因此費改后車主對于一些小額理賠更傾向于不報出險，自行解決，所以在建模過程中，為了充分體現(xiàn)費改后車主向保險公司報出險的這一變化，特別對費改前理賠數(shù)據(jù)做了上述優(yōu)化處理。

所述第一駕駛行為參數(shù)數(shù)據(jù)的獲取可以通過手機車寶app中車主上傳的數(shù)據(jù)和該app上記錄的該車主駕駛的車輛的相關(guān)物理參數(shù)數(shù)據(jù)，其出險數(shù)據(jù)可以從保險公司獲取。

需要說明的是，一個車主對應(yīng)一輛車，即獲取的第一駕駛行為參數(shù)數(shù)據(jù)是指獲取的一個車主的對應(yīng)一輛車的駕駛行為參數(shù)數(shù)據(jù)。并且，該第一駕駛行為參數(shù)數(shù)據(jù)之間相互獨立沒有相關(guān)性。

步驟s120：將所述第一駕駛行為參數(shù)數(shù)據(jù)輸入到預(yù)先獲取的風(fēng)險預(yù)測模型進行風(fēng)險預(yù)測。

將上述步驟中獲得的第一駕駛行為參數(shù)數(shù)據(jù)輸入到預(yù)先獲取的風(fēng)險預(yù)測模型中進行風(fēng)險預(yù)測。其中，再將所述第一駕駛行為參數(shù)數(shù)據(jù)輸入進風(fēng)險預(yù)測模型時，需要對第一駕駛行為參數(shù)數(shù)據(jù)進行量化后輸入，例如，車輛行駛里程數(shù)為2萬km、夜間駕駛比例為30％、高峰期駕駛比例為20％、熟悉路段駕駛占比為50％、每段路程最大速度均值為60km/h、百公里急剎車次數(shù)為3次、百公里急加速次數(shù)為2次、疲勞駕駛時間占比為10％，出險數(shù)據(jù)為1。

該風(fēng)險預(yù)測模型可以根據(jù)輸入的第一駕駛行為參數(shù)數(shù)據(jù)獲得，作為一種實施方式，該風(fēng)險預(yù)測模型可以表示為其中，系數(shù)β0,β1,β2...βn可以由統(tǒng)計軟件計算出，其中，統(tǒng)計軟件可以采用sas、spss、s-plus等。

步驟s130：根據(jù)所述第一駕駛行為參數(shù)數(shù)據(jù)及所述風(fēng)險預(yù)測模型獲取評估結(jié)果。

將所述第一駕駛行為參數(shù)數(shù)據(jù)輸入至風(fēng)險預(yù)測模型中進行風(fēng)險預(yù)測，則可獲得評估結(jié)果，即該車主的出險概率，則可根據(jù)評估結(jié)果來進行對車主的駕駛風(fēng)險進行分析，以提醒和督促車主改善行車習(xí)慣，從而提高車主的安全意識，另外，通過該評估結(jié)果一方面可以為各大保險公司識別并篩選駕駛風(fēng)險，從而降低其綜合賠付率，實現(xiàn)盈利；另一方面還可以為車險行業(yè)創(chuàng)新性差異化定價提供技術(shù)支持和數(shù)據(jù)支撐，為安全駕駛的好車主爭取到更加公平合理的保費優(yōu)惠。

當(dāng)然，在實際應(yīng)用過程中，可能由于條件限制并不會獲取到全部的第一駕駛行為參數(shù)數(shù)據(jù)，所以為了進行風(fēng)險預(yù)測，得到評估結(jié)果，本實施例中獲取的風(fēng)險預(yù)測模型也可以用來針對單獨的風(fēng)險因素進行評估，例如，針對第一駕駛行為參數(shù)數(shù)據(jù)中的至少一個數(shù)據(jù)輸入進風(fēng)險預(yù)測模型進行風(fēng)險預(yù)測，例如，可以將總駕駛次數(shù)的熟悉路段駕駛占比為87％、總駕駛時長的高峰駕駛時長占比為25％、百公里急剎車次數(shù)為3次、年行駛里程數(shù)為1萬km、每段路程最大速度均值為70km/h這些數(shù)據(jù)中的一種或多種數(shù)據(jù)輸入至風(fēng)險預(yù)測模型，最后可得出出險概率，即該車主的評估結(jié)果，通過該風(fēng)險預(yù)測模型進行風(fēng)險預(yù)測，最后獲得的評估結(jié)果準確性較高，可以有效提高車主駕駛安全性，也為保險公司制定不同等級的保費提供有力的依據(jù)。

本發(fā)明第一實施例提供的一種基于駕駛行為的駕駛風(fēng)險評估方法，通過獲取的第一駕駛行為參數(shù)數(shù)據(jù)，并且將該第一駕駛行為參數(shù)數(shù)據(jù)輸入至預(yù)先獲取的風(fēng)險預(yù)測模型進行風(fēng)險預(yù)測，再根據(jù)該第一駕駛行為參數(shù)數(shù)據(jù)和所述風(fēng)險預(yù)測模型即可獲得評估結(jié)果，該評估結(jié)果準確性高，一方面可以為各大保險公司通過數(shù)據(jù)輸出來識別并篩選駕駛風(fēng)險，從而降低其綜合賠付率，實現(xiàn)雙贏；另一方面還可以為車險行業(yè)創(chuàng)新性差異化定價提供技術(shù)支持和數(shù)據(jù)支撐，為安全駕駛的好車主爭取到更加公平合理的商業(yè)險保費定價。

第二實施例

請參照圖3，圖3為本發(fā)明第二實施例提供的一種基于駕駛行為的駕駛風(fēng)險評估方法的流程圖，所述方法具體包括如下步驟：

步驟s210：獲取多個第二駕駛行為參數(shù)數(shù)據(jù)。

為了構(gòu)建風(fēng)險預(yù)測模型，提高評估結(jié)果的準確性，則需要獲取多個第二駕駛行為參數(shù)數(shù)據(jù)，每個所述第二駕駛行為參數(shù)數(shù)據(jù)包括車輛行駛里程數(shù)、夜間駕駛比例、高峰期駕駛比例、熟悉路段駕駛占比、每段路程最大速度均值、百公里急剎車次數(shù)、百公里急加速次數(shù)、疲勞駕駛時間占比、出險數(shù)據(jù)等數(shù)據(jù)，該出險數(shù)據(jù)為車主在預(yù)設(shè)時間內(nèi)的出險次數(shù)、賠付金額等。

所述多個第二駕駛行為參數(shù)數(shù)據(jù)的獲取可以通過手機車寶app中車主上傳的數(shù)據(jù)和該app上記錄的該車主駕駛的車輛的相關(guān)物理參數(shù)數(shù)據(jù)，其出險數(shù)據(jù)可以從保險公司獲取。

需要說明的是，一個車主對應(yīng)一輛車，即獲取的多個第二駕駛行為參數(shù)數(shù)據(jù)是指獲取的多個車主的駕駛行為參數(shù)數(shù)據(jù)。并且，這些駕駛行為參數(shù)數(shù)據(jù)之間相互獨立沒有相關(guān)性。

本步驟可具體參考步驟s110中的描述，在此不再過多贅述。

步驟s220：根據(jù)所述多個第二駕駛行為參數(shù)數(shù)據(jù)獲取邏輯回歸函數(shù)。

若將所述多個第二駕駛行為參數(shù)數(shù)據(jù)所構(gòu)成的向量表示為x＝(x1,x2,x3...xn)，y為出險概率，y＝1表示的是百分之百出險，y＝0表示的是出險概率為0，則條件概率的表達式可以表示為p(y＝1|x)＝p，則邏輯回歸函數(shù)的表達式可以表示為其中，g(x)＝β0+β1x1+β2x2+…+βnxn。

步驟s230：基于所述邏輯回歸函數(shù)獲取概率函數(shù)。

在獲取了邏輯回歸函數(shù)的表達式：后，因為所以即可獲取概率函數(shù)的表達式，該概率函數(shù)的表達式表示為

步驟s240：基于所述概率函數(shù)獲取風(fēng)險預(yù)測模型。

因為概率函數(shù)表達式為即為出險與不出險的概率之比，則可得出又因為g(x)＝β0+β1x1+β2x2+…+βnxn，再通過統(tǒng)計軟件，可以計算出g(x)＝β0+β1x1+β2x2+…+βnxn中的系數(shù)β0,β1,β2...βn，所以可以推出風(fēng)險預(yù)測模型的表達式可以表示為

步驟s250：獲取第一駕駛行為參數(shù)數(shù)據(jù)。

若需要對某個車主進行風(fēng)險預(yù)測，則需先獲取該車主的第一駕駛行為參數(shù)數(shù)據(jù)，其具體實現(xiàn)方法可參照步驟s110，為了描述的簡潔，在此不再過多贅述。

步驟s260：將所述第一駕駛行為參數(shù)數(shù)據(jù)輸入到預(yù)先獲取的風(fēng)險預(yù)測模型進行風(fēng)險預(yù)測。

將獲取的所述第一駕駛行為參數(shù)數(shù)據(jù)輸入到上述步驟s240中獲得的風(fēng)險預(yù)測模型中進行風(fēng)險預(yù)測。其具體實現(xiàn)方法可參照步驟s120，為了描述的簡潔，在此不再過多贅述。

步驟s270：根據(jù)所述第一駕駛行為參數(shù)數(shù)據(jù)及所述風(fēng)險預(yù)測模型獲取評估結(jié)果。

將獲取的第一駕駛行為參數(shù)數(shù)據(jù)輸入至所述風(fēng)險預(yù)測模型，即將第一駕駛行為參數(shù)數(shù)據(jù)帶入算式中，從而可以計算出出險概率p的值。其具體實現(xiàn)方法可參照步驟s130，為了描述的簡潔，在此不再過多贅述。

需要說明的是，在本實施例中，獲取的邏輯回歸函數(shù)的過程中，在利用統(tǒng)計軟件求取g(x)＝β0+β1x1+β2x2+…+βnxn中的系數(shù)β0,β1,β2...βn時，該統(tǒng)計軟件會將輸入的多個第二駕駛行為參數(shù)數(shù)據(jù)，即輸入的n個第二駕駛行為參數(shù)數(shù)據(jù)中的與出險概率不相關(guān)的數(shù)據(jù)進行剔除，也就是當(dāng)某個單獨的數(shù)據(jù)，例如年行駛里程數(shù)，輸入到風(fēng)險預(yù)測模型中進行檢測時，得出的出險概率大于預(yù)設(shè)的置信水平時，則就說明該年行駛里程數(shù)變量與出險概率不相關(guān)，則剔除該年行駛里程數(shù)變量，從而在創(chuàng)建風(fēng)險預(yù)測模型時只輸入與出險概率相關(guān)的數(shù)據(jù)變量，即最后將剔除后的剩余m個第二駕駛行為參數(shù)數(shù)據(jù)輸入至該風(fēng)險預(yù)測模型，從而提高了通過該風(fēng)險預(yù)測模型獲得的評估結(jié)果的準確性。

另外，通過該評估結(jié)果一方面可以為各大保險公司識別并篩選駕駛風(fēng)險，從而降低其綜合賠付率，實現(xiàn)盈利；另一方面還可以為車險行業(yè)創(chuàng)新性差異化定價提供技術(shù)支持和數(shù)據(jù)支撐，為安全駕駛的好車主爭取到更加公平合理的保費優(yōu)惠。

針對上述方法的執(zhí)行過程，下面以一個具體的實施例來詳細說明本發(fā)明所述的基于駕駛行為的駕駛風(fēng)險評估方法。

利用統(tǒng)計軟件sas軟件對近500萬條數(shù)據(jù)進行統(tǒng)計合并，其中包括第二駕駛行為參數(shù)數(shù)據(jù)16個，將這些數(shù)據(jù)進行邏輯回歸的統(tǒng)計建模。邏輯回歸函數(shù)里面的駕駛行為檢驗假設(shè)(h0)表示所給的第二駕駛行為參數(shù)數(shù)據(jù)變量與出險概率不相關(guān)。所以當(dāng)p值(pr>chisq)小于置信水平(0.05)時，拒絕檢驗假設(shè)；而當(dāng)p值大于置信水平時，不拒絕檢驗假設(shè)。

當(dāng)統(tǒng)計軟件的輸出結(jié)果中某個變量對應(yīng)的p值顯著大于0.05時，不拒絕駕駛行為檢驗假設(shè)(h0)，即不拒絕所給的第二駕駛行為參數(shù)數(shù)據(jù)變量與出險概率不相關(guān)的假設(shè)(認為是與出險概率不相關(guān))，因此在進行下一步之前剔除這些不顯著的變量。從軟件輸出的結(jié)果來看，第一次回歸篩選掉的因子分別為日均駕駛次數(shù)(p＝0.25)、連續(xù)行駛一小時頻次占比(p＝0.76)、每段路程平均速度(p＝0.29)、夜間駕駛比例(p＝0.97)。

剔除上述數(shù)據(jù)后，重復(fù)上述邏輯回歸步驟，得到某地區(qū)車型結(jié)合第二駕駛行為參數(shù)數(shù)據(jù)的模型為：

g(x)＝β0+β1x1+β2x2+…βnxn，其中，可得系數(shù)β0＝-1.0926，β1＝-0.4766，β2＝0.0291，β3＝0.00895，β4＝6.932*10^-6，β5＝0.747。

例如，38歲車主駕駛一臺3年新前置前驅(qū)的馬自達6，該車主高峰期出行比例為30％，年行駛里程為1萬公里，每段行程最大速度均值為40公里/小時，熟悉路段占比30％，代入公式得到g(x)＝-0.528，那么該用戶的出險概率大概為0.37，略低于樣本平均出險率0.4。

本發(fā)明第二實施例提供的一種基于駕駛行為的駕駛風(fēng)險評估方法，通過獲取多個第二駕駛行為參數(shù)數(shù)據(jù)，再根據(jù)該多個第二駕駛行為參數(shù)數(shù)據(jù)獲取邏輯回歸函數(shù)，然后基于所述邏輯回歸函數(shù)即可獲得概率函數(shù)，基于概率函數(shù)獲取風(fēng)險預(yù)測模型，再獲取第一駕駛行為參數(shù)數(shù)據(jù)，將該第一駕駛行為參數(shù)數(shù)據(jù)輸入至該風(fēng)險預(yù)測模型進行風(fēng)險預(yù)測，從而獲得準確性較高的評估結(jié)果，一方面可以為各大保險公司識別并篩選駕駛風(fēng)險，從而降低其綜合賠付率，實現(xiàn)盈利；另一方面還可以為車險行業(yè)創(chuàng)新性差異化定價提供技術(shù)支持和數(shù)據(jù)支撐，為安全駕駛的好車主爭取到更加公平合理的保費優(yōu)惠。

第三實施例

請參照圖4，圖4為本發(fā)明第三實施例提供的一種基于駕駛行為的駕駛風(fēng)險評估裝置200的結(jié)構(gòu)框圖，所述裝置具體包括：

第一獲取模塊210，用于獲取第一駕駛行為參數(shù)數(shù)據(jù)。

風(fēng)險預(yù)測模塊220，用于將所述第一駕駛行為參數(shù)數(shù)據(jù)輸入到預(yù)先獲取的風(fēng)險預(yù)測模型進行風(fēng)險預(yù)測。

評估結(jié)果獲取模塊230，用于根據(jù)所述第一駕駛行為參數(shù)數(shù)據(jù)及所述風(fēng)險預(yù)測模型獲取評估結(jié)果。

第四實施例

請參照圖5，圖5為本發(fā)明第四實施例提供的一種基于駕駛行為的駕駛風(fēng)險評估裝置300的結(jié)構(gòu)框圖，所述裝置具體包括：

第二獲取模塊310，用于獲取多個第二駕駛行為參數(shù)數(shù)據(jù)。

邏輯回歸函數(shù)獲取模塊320，用于根據(jù)所述多個第二駕駛行為參數(shù)數(shù)據(jù)獲取邏輯回歸函數(shù)。

概率函數(shù)獲取模塊330，用于基于所述邏輯回歸函數(shù)獲取概率函數(shù)。

風(fēng)險預(yù)測模型獲取模塊340，用于基于所述概率函數(shù)獲取風(fēng)險預(yù)測模型。

第一獲取模塊350，用于獲取第一駕駛行為參數(shù)數(shù)據(jù)。

風(fēng)險預(yù)測模塊360，用于將所述第一駕駛行為參數(shù)數(shù)據(jù)輸入到預(yù)先獲取的風(fēng)險預(yù)測模型進行風(fēng)險預(yù)測。

評估結(jié)果獲取模塊370，用于根據(jù)所述第一駕駛行為參數(shù)數(shù)據(jù)及所述風(fēng)險預(yù)測模型獲取評估結(jié)果。

其中，所述邏輯回歸函數(shù)為

其中，x＝(x1,x2,x3...xn)為所述多個第二駕駛行為參數(shù)數(shù)據(jù)所構(gòu)成的向量，y為出險概率，g(x)＝β0+β1x1+β2x2+…+βnxn。

所述邏輯回歸函數(shù)獲取模塊330包括：第一運算子模塊，用于基于獲得概率函數(shù)，其中，所述概率函數(shù)為

所述風(fēng)險預(yù)測模型獲取模塊340包括：第二運算子模塊，用于基于獲得風(fēng)險預(yù)測模型，其中，所述風(fēng)險預(yù)測模型為

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，上述描述的裝置的具體工作過程，可以參考前述方法中的對應(yīng)過程，在此不再過多贅述。

綜上所述，本發(fā)明實施例提供一種基于駕駛行為的駕駛風(fēng)險評估方法及裝置，通過獲取的第一駕駛行為參數(shù)數(shù)據(jù)，并且將該第一駕駛行為參數(shù)數(shù)據(jù)輸入至預(yù)先獲取的風(fēng)險預(yù)測模型進行風(fēng)險預(yù)測，再根據(jù)該第一駕駛行為參數(shù)數(shù)據(jù)和所述風(fēng)險預(yù)測模型即可獲得評估結(jié)果，該評估結(jié)果準確性高，一方面可以為各大保險公司通過數(shù)據(jù)輸出來識別并篩選駕駛風(fēng)險，從而降低其綜合賠付率，實現(xiàn)雙贏；另一方面還可以為車險行業(yè)創(chuàng)新性差異化定價提供技術(shù)支持和數(shù)據(jù)支撐，為安全駕駛的好車主爭取到更加公平合理的商業(yè)險保費定價。

在本申請所提供的幾個實施例中，應(yīng)該理解到，所揭露的裝置和方法，也可以通過其它的方式實現(xiàn)。以上所描述的裝置實施例僅僅是示意性的，例如，附圖中的流程圖和框圖顯示了根據(jù)本發(fā)明的多個實施例的裝置、方法和計算機程序產(chǎn)品的可能實現(xiàn)的體系架構(gòu)、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部分，所述模塊、程序段或代碼的一部分包含一個或多個用于實現(xiàn)規(guī)定的邏輯功能的可執(zhí)行指令。也應(yīng)當(dāng)注意，在有些作為替換的實現(xiàn)方式中，方框中所標注的功能也可以以不同于附圖中所標注的順序發(fā)生。例如，兩個連續(xù)的方框?qū)嶋H上可以基本并行地執(zhí)行，它們有時也可以按相反的順序執(zhí)行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執(zhí)行規(guī)定的功能或動作的專用的基于硬件的系統(tǒng)來實現(xiàn)，或者可以用專用硬件與計算機指令的組合來實現(xiàn)。

另外，在本發(fā)明各個實施例中的各功能模塊可以集成在一起形成一個獨立的部分，也可以是各個模塊單獨存在，也可以兩個或兩個以上模塊集成形成一個獨立的部分。

所述功能如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質(zhì)中。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：u盤、移動硬盤、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)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、物品或者設(shè)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、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。應(yīng)注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨后的附圖中不需要對其進行進一步定義和解釋。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)所述以權(quán)利要求的保護范圍為準。

需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)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、物品或者設(shè)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、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。