国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于駕駛行為的駕駛風(fēng)險評估方法及裝置與流程

      文檔序號:11729910閱讀:485來源:國知局
      基于駕駛行為的駕駛風(fēng)險評估方法及裝置與流程

      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。

      當(dāng)前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1