CN108446824A - 一种驾驶行为的风险评估方法、装置、设备及存储介质 - Google Patents
一种驾驶行为的风险评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN108446824A CN108446824A CN201810129494.1A CN201810129494A CN108446824A CN 108446824 A CN108446824 A CN 108446824A CN 201810129494 A CN201810129494 A CN 201810129494A CN 108446824 A CN108446824 A CN 108446824A
- Authority
- CN
- China
- Prior art keywords
- driving behavior
- target user
- data
- user
- risk
- 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.)
- Pending
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 230000006399 behavior Effects 0.000 claims description 130
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000003542 behavioural effect Effects 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000001133 acceleration Effects 0.000 description 12
- 238000006243 chemical reaction Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明适用数据处理技术领域,提供了一种驾驶行为的风险评估方法、装置、设备及存储介质,该方法包括:当接收到对目标用户的驾驶行为进行风险评估的请求时,采集目标用户驾驶的行驶数据,根据采集到的行驶数据分析目标用户的驾驶行为,以获得目标用户的驾驶行为数据,根据目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对目标用户的驾驶行为进行风险分析,以得到目标用户驾驶行为的风险评估结果,从而使得车辆商业保险的风险评估更完善、更科学,进而提高了车辆的保费准确度。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及一种驾驶行为的风险评估方法、装置、设备及存储介质。
背景技术
用户在购买车辆后,一般都需要为车辆购买保险,用户除必须要交纳的交强险外,通常还会额外的购买其他的商业保险,目前,汽车保险市场上传统的保险产品主要是使用车辆的静态数据来评估车辆的保费,例如车辆的型号、厂家、车龄等,但风险往往是人的因素造成的,而个人风险因素复杂多样,信息不对称就成为了普遍存在的问题。例如,保险公司无法得知驾驶员的驾驶行为,而投保人可能隐藏个人信息以获得利益。在国内,82.5%的是奉公守法、谨慎驾驶的车主,他们在为17.5%的常出险客户买单,因此传统保险产品的定价模式很不合理。
随着车联网的发展,车联网技术越来越多的被运用到保险行业中,因此,基于UBI(Usage Based Insurance)的创新保险产品出现了,但是目前UBI产品主要还是基于“从车”风险因素来计算保费,只考虑了部分“从行”风险因素,因此计算得到的车辆的保费准确度较低。
发明内容
本发明的目的在于提供一种驾驶行为的风险评估方法、装置、设备及存储介质,旨在解决由于现有技术无法提供一种有效的对驾驶行为进行风险评估的方法,导致车辆商业保险的风险评估不完善的问题。
一方面,本发明提供了一种驾驶行为的风险评估方法,所述方法包括下述步骤:
当接收到对目标用户的驾驶行为进行风险评估的请求时,采集所述目标用户驾驶的行驶数据;
根据所述采集到的行驶数据分析所述目标用户的驾驶行为,以获得所述目标用户的驾驶行为数据;
根据所述目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对所述目标用户的所述驾驶行为进行风险分析,以得到所述目标用户驾驶行为的风险评估结果。
另一方面,本发明提供了一种驾驶行为的风险评估装置,所述装置包括:
行驶数据采集单元,用于当接收到对目标用户的驾驶行为进行风险评估的请求时,采集所述目标用户驾驶的行驶数据;
行为数据获得单元,用于根据所述采集到的行驶数据分析所述目标用户的驾驶行为,以获得所述目标用户的驾驶行为数据;以及
风险分析单元,用于根据所述目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对所述目标用户的所述驾驶行为进行风险分析,以得到所述目标用户驾驶行为的风险评估结果。
另一方面,本发明还提供了一种计算设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如前所述方法的步骤。
另一方面,本发明还提供了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计算机程序,所述计算机程序被处理器执行时实现如前所述方法的步骤。
本发明当接收到对目标用户的驾驶行为进行风险评估的请求时,采集目标用户驾驶的行驶数据,根据采集到的行驶数据分析目标用户的驾驶行为,以获得目标用户的驾驶行为数据,根据目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对目标用户的驾驶行为进行风险分析,以得到目标用户驾驶行为的风险评估结果,从而使得车辆商业保险的风险评估更完善、更科学,进而提高了车辆的保费准确度。
附图说明
图1是本发明实施例一提供的驾驶行为的风险评估方法的实现流程图;
图2是本发明实施例二提供的驾驶行为的风险评估装置的结构示意图;
图3是本发明实施例三提供的驾驶行为的风险评估装置的结构示意图;以及
图4是本发明实施例四提供的计算设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明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仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述:
实施例一:
图1示出了本发明实施例一提供的驾驶行为的风险评估方法的实现流程,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
在步骤S101中,当接收到对目标用户的驾驶行为进行风险评估的请求时,采集目标用户驾驶的行驶数据。
本发明实施例适用于计算设备,例如,个人计算机、智能手机、平板等。目标用户驾驶的行驶数据包括车速、总里程数、单一行程里程数、行程完成时长、停车次数、停车时长、车速加速幅度等。优选地,对采集到的目标用户驾驶的行驶数据进行处理,首先,补全行程起点信息,即相邻两条数据的前一行程终点即为后一行程起点,之后,按照行程的里程数或者行驶日期进行排序,例如里程数多少进行降序排序,之后,根据行程的结束时间与开始时间计算行程完成时长,最后,过滤掉里程数或行程完成时长等于0的行程,并将行驶的空间经纬度数值转化成平面直角坐标系中的点的坐标,从而净化行驶数据,使得后续对目标用户驾驶行为的风险评估结果更准确。
优选地,在采集目标用户驾驶的行驶数据之前,要先建立黑名单库,首先,根据采集的行驶车辆的保险数据,获取行驶车辆的出险次数和理赔金额,之后,当出险次数达到预设的次数或者理赔金额超过预设的金额时,将行驶车辆用户加入黑名单库,以建立黑名单库,从而为后续目标用户驾驶行为的风险评估提供依据。
进一步优选地,在确定将行驶车辆用户加入黑名单库时,将行驶车辆用户的驾驶行为数据、行驶车辆用户的基本属性数据以及行驶车辆的基本属性数据进行关联,从而使得后续对目标用户驾驶行为的风险评估结果更准确。
在步骤S102中,根据采集到的行驶数据分析目标用户的驾驶行为,以获得目标用户的驾驶行为数据。
在本发明实施例中,根据采集到的行驶数据分析目标用户的驾驶行为,作为示例地,目标用户的驾驶行为包括:例如,是否超速、是否疲劳驾驶、是否大角度变向、是否大幅度加速或减速、加速和减速的转换频率是否过高等,根据目标用户的驾驶行为获得驾驶行为数据,作为示例地,例如,百公里急减速次数、百公里急加速次数、速度标准差、转换驾驶时长、转换里程、百公里急转弯次数、疲劳驾驶次数、夜间行驶时长、怠速比例、停留次数、道路陌生度、非绿色出行频率和违章扣分。
在步骤S103中,根据目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对目标用户的驾驶行为进行风险分析,以得到目标用户驾驶行为的风险评估结果。
在本发明实施例中,在根据目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对目标用户的驾驶行为数据进行风险分析时,优选地,首先,根据预设的评估维度以及预设的权重计算算法计算各维度的权重系数,然后,根据计算得到的权重系数以及预设的距离算法计算目标用户与预先建立的黑名单库中用户的加权欧氏距离,最后,将该加权欧氏距离与预设的阈值进行比较分析,以得到目标用户驾驶行为的风险评估结果,从而提高目标用户驾驶行为风险评估结果的准确性。
在本发明实施例中,具体地,在计算各维度的权重系数时,首先,采用去除最大最小之后计算算数平均的方法计算黑名单库中用户在从人、从车和从驾驶行为各维度的指标值的平均数和目标用户在同样维度的指标值的平均数,之后,计算黑名单中用户各指标值与目标用户各指标值的变化量较目标用户各指标值的相对数,最后,根据该相对数计算从人、从车和从驾驶行为各维度的权重系数。
在本发明实施例中,在计算目标用户与预先建立的黑名单库中用户的加权欧氏距离时,优选地,首先,在黑名单库中取10个距离目标用户最近的用户作为近邻用户,之后,根据最大最小归一化公式将近邻用户各维度指标值和目标用户相应维度指标值进行归一化,其中,vi表示第i个原始指标值,v′i表示规范化后的指标值,之后,根据公式计算目标用户与预先建立的黑名单库中近邻用户的加权欧氏距离,其中,(x1,x2,…,xn)和(y1,y2,…,yn)表示用户第i个维度的两点坐标,ωi表示第i个维度的权重系数,之后,将该加权欧氏距离与预设的阈值进行比较分析,以得到目标用户驾驶行为的风险评估结果,例如,当该加权欧氏距离小于等于预设的阈值时,说明该用户为高风险用户,从而提高了风险评估结果的准确度。
在本发明实施例中,当接收到对目标用户的驾驶行为进行风险评估的请求时,采集目标用户驾驶的行驶数据,根据采集到的行驶数据分析目标用户的驾驶行为数据,以获得目标用户的驾驶行为数据,根据该目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对目标用户的驾驶行为进行风险分析,以得到目标用户驾驶行为的风险评估结果,从而使得车辆商业保险的风险评估更完善、更科学,进而提高了车辆的保费准确度。
实施例二:
图2示出了本发明实施例二提供的驾驶行为的风险评估装置的结构,为了便于说明,仅示出了与本发明实施例相关的部分,其中包括:
行驶数据采集单元21,用于当接收到对目标用户的驾驶行为进行风险评估的请求时,采集目标用户驾驶的行驶数据。
本发明实施例适用于计算设备,例如,个人计算机、智能手机、平板等。目标用户驾驶的行驶数据包括车速、总里程数、单一行程里程数、行程完成时长、停车次数、停车时长、车速加速幅度等。优选地,对采集到的目标用户驾驶的行驶数据进行处理,首先,补全行程起点信息,即相邻两条数据的前一行程终点即为后一行程起点,之后,按照行程的里程数或者行驶日期进行排序,例如里程数多少进行降序排序,之后,根据行程的结束时间与开始时间计算行程完成时长,最后,过滤掉里程数或行程完成时长等于0的行程,并将行驶的空间经纬度数值转化成平面直角坐标系中的点的坐标,从而净化行驶数据,使得后续对目标用户驾驶行为的风险评估结果更准确。
行为数据获得单元22,用于根据采集到的行驶数据分析目标用户的驾驶行为,以获得目标用户的驾驶行为数据。
在本发明实施例中,根据采集到的行驶数据分析目标用户的驾驶行为,作为示例地,目标用户的驾驶行为包括:例如,是否超速、是否疲劳驾驶、是否大角度变向、是否大幅度加速或减速、加速和减速的转换频率是否过高等,根据目标用户的驾驶行为获得驾驶行为数据,作为示例地,例如,百公里急减速次数、百公里急加速次数、速度标准差、转换驾驶时长、转换里程、百公里急转弯次数、疲劳驾驶次数、夜间行驶时长、怠速比例、停留次数、道路陌生度、非绿色出行频率和违章扣分。
风险分析单元23,用于根据目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对目标用户的驾驶行为进行风险分析,以得到目标用户驾驶行为的风险评估结果。
在本发明实施例中,驾驶行为的风险评估装置的各单元可由相应的硬件或软件单元实现,各单元可以为独立的软、硬件单元,也可以集成为一个软、硬件单元,在此不用以限制本发明。
实施例三:
图3示出了本发明实施例三提供的驾驶行为的风险评估装置的结构,为了便于说明,仅示出了与本发明实施例相关的部分,其中包括:
保险数据获取单元31,用于根据采集的行驶车辆的保险数据,获取行驶车辆的出险次数和理赔金额。
黑名单库建立单元32,用于当出险次数达到预设的次数或者理赔金额超过预设的金额时,将行驶车辆用户加入黑名单库,以建立黑名单库。
本发明实施例适用于计算设备,例如,个人计算机、智能手机、平板等。优选地,在确定将行驶车辆用户加入黑名单库时,将行驶车辆用户的驾驶行为数据、行驶车辆用户的基本属性数据以及行驶车辆的基本属性数据进行关联,从而使得后续对目标用户驾驶行为的风险评估结果更准确。
行驶数据采集单元33,用于当接收到对目标用户的驾驶行为进行风险评估的请求时,采集目标用户驾驶的行驶数据。
在本发明实施例中,目标用户驾驶的行驶数据包括车速、总里程数、单一行程里程数、行程完成时长、停车次数、停车时长、车速加速幅度等。优选地,对采集到的目标用户驾驶的行驶数据进行处理,首先,补全行程起点信息,即相邻两条数据的前一行程终点即为后一行程起点,之后,按照行程的里程数或者行驶日期进行排序,例如里程数多少进行降序排序,之后,根据行程的结束时间与开始时间计算行程完成时长,最后,过滤掉里程数或行程完成时长等于0的行程,并将行驶的空间经纬度数值转化成平面直角坐标系中的点的坐标,从而净化行驶数据,使得后续对目标用户驾驶行为的风险评估结果更准确。
行为数据获得单元34,用于根据采集到的行驶数据分析目标用户的驾驶行为,以获得目标用户的驾驶行为数据。
在本发明实施例中,根据采集到的行驶数据分析目标用户的驾驶行为,作为示例地,目标用户的驾驶行为包括:例如,是否超速、是否疲劳驾驶、是否大角度变向、是否大幅度加速或减速、加速和减速的转换频率是否过高等,根据目标用户的驾驶行为获得驾驶行为数据,作为示例地,例如,百公里急减速次数、百公里急加速次数、速度标准差、转换驾驶时长、转换里程、百公里急转弯次数、疲劳驾驶次数、夜间行驶时长、怠速比例、停留次数、道路陌生度、非绿色出行频率和违章扣分。
风险分析单元35,用于根据目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对目标用户的驾驶行为进行风险分析,以得到目标用户驾驶行为的风险评估结果。
在本发明实施例中,在根据目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对目标用户的驾驶行为进行风险分析时,优选地,首先,根据预设的评估维度以及预设的权重计算算法计算各维度的权重系数,然后,根据计算得到的权重系数以及预设的距离算法计算目标用户与预先建立的黑名单库中用户的加权欧氏距离,最后,将该加权欧氏距离与预设的阈值进行比较分析,以得到目标用户驾驶行为的风险评估结果,从而提高目标用户驾驶行为风险评估结果的准确性。
在本发明实施例中,具体地,在计算各维度的权重系数时,首先,采用去除最大最小之后计算算数平均的方法计算黑名单库中用户在从人、从车和从驾驶行为各维度的指标值的平均数和目标用户在同样维度的指标值的平均数,之后,计算黑名单中用户各指标值与目标用户各指标值的变化量较目标用户各指标值的相对数,最后,根据该相对数计算从人、从车和从驾驶行为各维度的权重系数。
在本发明实施例中,在计算目标用户与预先建立的黑名单库中用户的加权欧氏距离时,优选地,首先,在黑名单库中取10个距离目标用户最近的用户作为近邻用户,之后,根据最大最小归一化公式将近邻用户各维度指标值和目标用户相应维度指标值进行归一化,其中,vi表示第i个原始指标值,v′i表示规范化后的指标值,之后,根据公式计算目标用户与预先建立的黑名单库中近邻用户的加权欧氏距离,其中,(x1,x2,…,xn)和(y1,y2,…,yn)表示用户第i个维度的两点坐标,ωi表示第i个维度的权重系数,之后,将该加权欧氏距离与预设的阈值进行比较分析,以得到目标用户驾驶行为的风险评估结果,例如,当该加权欧氏距离小于等于预设的阈值时,说明该用户为高风险用户,从而提高了风险评估结果的准确度。
因此,优选地,其中,黑名单库建立单元32包括:
参数关联单元321,用于将行驶车辆用户的驾驶行为数据、行驶车辆用户的基本属性数据以及行驶车辆的基本属性数据进行关联。
风险分析单元35包括:
权重系数计算单元351,用于根据预设的评估维度以及预设的权重计算算法计算各维度的权重系数;
欧氏距离计算单元352,用于根据计算得到的权重系数以及预设的距离算法计算目标用户与预先建立的黑名单库中用户的加权欧氏距离;以及
风险分析子单元353,用于将加权欧氏距离与预设的阈值进行比较分析,以得到目标用户驾驶行为的风险评估结果。
在本发明实施例中,驾驶行为的风险评估装置的各单元可由相应的硬件或软件单元实现,各单元可以为独立的软、硬件单元,也可以集成为一个软、硬件单元,在此不用以限制本发明。
实施例四:
图4示出了本发明实施例四提供的计算设备的结构,为了便于说明,仅示出了与本发明实施例相关的部分。
本发明实施例的计算设备4包括处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42。该处理器40执行计算机程序42时实现上述各个驾驶行为的风险评估方法实施例中的步骤,例如图1所示的步骤S101至S103。或者,处理器40执行计算机程序42时实现上述各装置实施例中各单元的功能,例如图2所示单元21至23的功能。
在本发明实施例中,当接收到对目标用户的驾驶行为进行风险评估的请求时,采集目标用户驾驶的行驶数据,根据采集到的行驶数据分析目标用户的驾驶行为,以获得目标用户的驾驶行为数据,根据目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对目标用户的驾驶行为进行风险分析,以得到目标用户驾驶行为的风险评估结果,从而使得车辆商业保险的风险评估更完善、更科学,进而提高了车辆的保费准确度。
本发明实施例的计算设备可以为个人计算机、手机以及平板。该计算设备4中处理器40执行计算机程序42时实现驾驶行为的风险评估方法时实现的步骤可参考前述方法实施例的描述,在此不再赘述。
实施例五:
在本发明实施例中,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述各个驾驶行为的风险评估方法实施例中的步骤,例如,图1所示的步骤S101至S103。或者,该计算机程序被处理器执行时实现上述各装置实施例中各单元的功能,例如图2所示单元21至23的功能。
在本发明实施例中,当接收到对目标用户的驾驶行为进行风险评估的请求时,采集目标用户驾驶的行驶数据,根据采集到的行驶数据分析目标用户的驾驶行为,以获得目标用户的驾驶行为数据,根据目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对目标用户的驾驶行为进行风险分析,以得到目标用户驾驶行为的风险评估结果,从而使得车辆商业保险的风险评估更完善、更科学,进而提高了车辆的保费准确度。
本发明实施例的计算机可读存储介质可以包括能够携带计算机程序代码的任何实体或装置、记录介质,例如,ROM/RAM、磁盘、光盘、闪存等存储器。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种驾驶行为的风险评估方法,其特征在于,所述方法包括下述步骤:
当接收到对目标用户的驾驶行为进行风险评估的请求时,采集所述目标用户驾驶的行驶数据;
根据所述采集到的行驶数据分析所述目标用户的驾驶行为,以获得所述目标用户的驾驶行为数据;
根据所述目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对所述目标用户的所述驾驶行为进行风险分析,以得到所述目标用户驾驶行为的风险评估结果。
2.如权利要求1所述的方法,其特征在于,采集所述目标用户驾驶的行驶数据的步骤之前,所述方法还包括:
根据采集的行驶车辆的保险数据,获取行驶车辆的出险次数和理赔金额;
当所述出险次数达到预设的次数或者所述理赔金额超过预设的金额时,将所述行驶车辆用户加入所述黑名单库,以建立所述黑名单库。
3.如权利要求2所述的方法,其特征在于,当所述出险次数达到预设的次数或者所述理赔金额超过预设的金额时,将所述行驶车辆用户加入黑名单库的步骤还包括:
将所述行驶车辆用户的驾驶行为数据、所述行驶车辆用户的基本属性数据以及所述行驶车辆的基本属性数据进行关联。
4.如权利要求1所述的方法,其特征在于,对所述目标用户的所述驾驶行为进行风险分析,以得到所述目标用户驾驶行为的风险评估结果的步骤还包括:
根据预设的评估维度以及预设的权重计算算法计算各维度的权重系数;
根据计算得到的所述权重系数以及预设的距离算法计算所述目标用户与所述预先建立的黑名单库中用户的加权欧氏距离;
将所述加权欧氏距离与预设的阈值进行比较分析,以得到所述目标用户驾驶行为的风险评估结果。
5.一种驾驶行为的风险评估装置,其特征在于,所述装置包括:
行驶数据采集单元,用于当接收到对目标用户的驾驶行为进行风险评估的请求时,采集所述目标用户驾驶的行驶数据;
行为数据获得单元,用于根据所述采集到的行驶数据分析所述目标用户的驾驶行为,以获得所述目标用户的驾驶行为数据;以及
风险分析单元,用于根据所述目标用户的驾驶行为数据、预先建立的黑名单库中用户的驾驶行为数据以及预设的风险评估算法,对所述目标用户的所述驾驶行为进行风险分析,以得到所述目标用户驾驶行为的风险评估结果。
6.如权利要求5所述的装置,其特征在于,所述装置还包括:
保险数据获取单元,用于根据采集的行驶车辆的保险数据,获取行驶车辆的出险次数和理赔金额;以及
黑名单库建立单元,用于当所述出险次数达到预设的次数或者所述理赔金额超过预设的金额时,将所述行驶车辆用户加入所述黑名单库,以建立所述黑名单库。
7.如权利要求6所述的装置,其特征在于,所述黑名单库建立单元包括:
参数关联单元,用于将所述行驶车辆用户的驾驶行为数据、所述行驶车辆用户的基本属性数据以及所述行驶车辆的基本属性数据进行关联。
8.如权利要求5所述的装置,其特征在于,所述风险分析单元还包括:
权重系数计算单元,用于根据预设的评估维度以及预设的权重计算算法计算各维度的权重系数;
欧氏距离计算单元,用于根据计算得到的所述权重系数以及预设的距离算法计算所述目标用户与所述预先建立的黑名单库中用户的加权欧氏距离;以及
风险分析子单元,用于将所述加权欧氏距离与预设的阈值进行比较分析,以得到所述目标用户驾驶行为的风险评估结果。
9.一种计算设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810129494.1A CN108446824A (zh) | 2018-02-08 | 2018-02-08 | 一种驾驶行为的风险评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810129494.1A CN108446824A (zh) | 2018-02-08 | 2018-02-08 | 一种驾驶行为的风险评估方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108446824A true CN108446824A (zh) | 2018-08-24 |
Family
ID=63192065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810129494.1A Pending CN108446824A (zh) | 2018-02-08 | 2018-02-08 | 一种驾驶行为的风险评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108446824A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447127A (zh) * | 2018-09-29 | 2019-03-08 | 深圳市元征科技股份有限公司 | 数据处理方法及装置 |
CN109448211A (zh) * | 2018-09-18 | 2019-03-08 | 平安科技(深圳)有限公司 | 基于大数据的车牌发放方法、装置、介质和设备 |
CN109800984A (zh) * | 2019-01-16 | 2019-05-24 | 平安科技(深圳)有限公司 | 驾驶水平评估方法、装置、计算机设备和存储介质 |
CN109885033A (zh) * | 2019-03-18 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 车辆控制指令的安全处理方法和装置 |
CN110163762A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 车险保费调整方法、装置、计算机设备及存储介质 |
CN110334696A (zh) * | 2019-07-31 | 2019-10-15 | 爱驰汽车有限公司 | 驾驶舱模拟体验***、方法、设备及存储介质 |
CN110968839A (zh) * | 2019-12-05 | 2020-04-07 | 深圳鼎然信息科技有限公司 | 驾驶风险评估方法、装置、设备及存储介质 |
CN111249691A (zh) * | 2018-11-30 | 2020-06-09 | 百度在线网络技术(北京)有限公司 | 一种基于形体识别的运动员训练方法和*** |
CN111582754A (zh) * | 2020-05-19 | 2020-08-25 | 深圳前海微众银行股份有限公司 | 风险排查方法、装置、设备及计算机可读存储介质 |
CN112183984A (zh) * | 2020-09-21 | 2021-01-05 | 长城汽车股份有限公司 | 驾驶行为处理方法、装置、存储介质和电子设备 |
CN112288334A (zh) * | 2020-11-27 | 2021-01-29 | 上海评驾科技有限公司 | 一种基于lightgbm的车联网风险因子的提取方法 |
CN112597835A (zh) * | 2020-12-11 | 2021-04-02 | 国汽(北京)智能网联汽车研究院有限公司 | 驾驶行为的评估方法、装置、电子设备及可读存储介质 |
WO2021121377A1 (en) * | 2019-12-20 | 2021-06-24 | Beijing Didi Infinity Technology And Development Co., Ltd. | Abnormal trip monitor |
CN113077348A (zh) * | 2020-01-06 | 2021-07-06 | 泰康保险集团股份有限公司 | 基于驾驶行为的风险获取*** |
CN113255815A (zh) * | 2021-06-10 | 2021-08-13 | 平安科技(深圳)有限公司 | 用户行为异常分析方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488046A (zh) * | 2014-09-16 | 2016-04-13 | 钛马信息网络技术有限公司 | 基于车辆保险业务的大数据分析*** |
CN106651162A (zh) * | 2016-12-09 | 2017-05-10 | 思建科技有限公司 | 一种基于大数据的驾驶风险评估方法 |
CN106850790A (zh) * | 2017-01-23 | 2017-06-13 | 上海保橙网络科技有限公司 | 使用手机自动判断驾驶行为的方法 |
CN106952002A (zh) * | 2017-04-05 | 2017-07-14 | 南京人人保网络技术有限公司 | 基于驾驶行为的驾驶风险评估方法及装置 |
CN107203945A (zh) * | 2017-06-12 | 2017-09-26 | 清华大学苏州汽车研究院(吴江) | 车险分级评估方法及装置 |
CN107463901A (zh) * | 2017-08-07 | 2017-12-12 | 中国科学院遥感与数字地球研究所 | 多尺度区域洪涝灾害危险性遥感评估方法和*** |
-
2018
- 2018-02-08 CN CN201810129494.1A patent/CN108446824A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488046A (zh) * | 2014-09-16 | 2016-04-13 | 钛马信息网络技术有限公司 | 基于车辆保险业务的大数据分析*** |
CN106651162A (zh) * | 2016-12-09 | 2017-05-10 | 思建科技有限公司 | 一种基于大数据的驾驶风险评估方法 |
CN106850790A (zh) * | 2017-01-23 | 2017-06-13 | 上海保橙网络科技有限公司 | 使用手机自动判断驾驶行为的方法 |
CN106952002A (zh) * | 2017-04-05 | 2017-07-14 | 南京人人保网络技术有限公司 | 基于驾驶行为的驾驶风险评估方法及装置 |
CN107203945A (zh) * | 2017-06-12 | 2017-09-26 | 清华大学苏州汽车研究院(吴江) | 车险分级评估方法及装置 |
CN107463901A (zh) * | 2017-08-07 | 2017-12-12 | 中国科学院遥感与数字地球研究所 | 多尺度区域洪涝灾害危险性遥感评估方法和*** |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109448211A (zh) * | 2018-09-18 | 2019-03-08 | 平安科技(深圳)有限公司 | 基于大数据的车牌发放方法、装置、介质和设备 |
CN109447127A (zh) * | 2018-09-29 | 2019-03-08 | 深圳市元征科技股份有限公司 | 数据处理方法及装置 |
CN111249691A (zh) * | 2018-11-30 | 2020-06-09 | 百度在线网络技术(北京)有限公司 | 一种基于形体识别的运动员训练方法和*** |
CN109800984A (zh) * | 2019-01-16 | 2019-05-24 | 平安科技(深圳)有限公司 | 驾驶水平评估方法、装置、计算机设备和存储介质 |
CN109800984B (zh) * | 2019-01-16 | 2024-03-01 | 平安科技(深圳)有限公司 | 驾驶水平评估方法、装置、计算机设备和存储介质 |
CN109885033A (zh) * | 2019-03-18 | 2019-06-14 | 百度在线网络技术(北京)有限公司 | 车辆控制指令的安全处理方法和装置 |
CN110163762A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 车险保费调整方法、装置、计算机设备及存储介质 |
CN110334696A (zh) * | 2019-07-31 | 2019-10-15 | 爱驰汽车有限公司 | 驾驶舱模拟体验***、方法、设备及存储介质 |
CN110968839A (zh) * | 2019-12-05 | 2020-04-07 | 深圳鼎然信息科技有限公司 | 驾驶风险评估方法、装置、设备及存储介质 |
WO2021121377A1 (en) * | 2019-12-20 | 2021-06-24 | Beijing Didi Infinity Technology And Development Co., Ltd. | Abnormal trip monitor |
CN113077348A (zh) * | 2020-01-06 | 2021-07-06 | 泰康保险集团股份有限公司 | 基于驾驶行为的风险获取*** |
CN113077348B (zh) * | 2020-01-06 | 2024-05-17 | 泰康保险集团股份有限公司 | 基于驾驶行为的风险获取*** |
CN111582754A (zh) * | 2020-05-19 | 2020-08-25 | 深圳前海微众银行股份有限公司 | 风险排查方法、装置、设备及计算机可读存储介质 |
CN112183984A (zh) * | 2020-09-21 | 2021-01-05 | 长城汽车股份有限公司 | 驾驶行为处理方法、装置、存储介质和电子设备 |
CN112288334A (zh) * | 2020-11-27 | 2021-01-29 | 上海评驾科技有限公司 | 一种基于lightgbm的车联网风险因子的提取方法 |
CN112288334B (zh) * | 2020-11-27 | 2024-04-16 | 上海评驾科技有限公司 | 一种基于lightgbm的车联网风险因子的提取方法 |
CN112597835A (zh) * | 2020-12-11 | 2021-04-02 | 国汽(北京)智能网联汽车研究院有限公司 | 驾驶行为的评估方法、装置、电子设备及可读存储介质 |
CN113255815A (zh) * | 2021-06-10 | 2021-08-13 | 平安科技(深圳)有限公司 | 用户行为异常分析方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446824A (zh) | 一种驾驶行为的风险评估方法、装置、设备及存储介质 | |
US11842404B2 (en) | Enhancement using analytics based on vehicle kinematic data | |
US10023200B2 (en) | Driver profiling system and method | |
US10223935B2 (en) | Using telematics data including position data and vehicle analytics to train drivers to improve efficiency of vehicle use | |
JP2020530578A (ja) | 運転行為の採点方法及び装置 | |
CN107784587A (zh) | 一种驾驶行为评价*** | |
CN109887283B (zh) | 一种基于卡口数据的道路拥堵预测方法、***及装置 | |
CN105930771A (zh) | 一种驾驶行为评分方法及装置 | |
Kovaceva et al. | Identification of aggressive driving from naturalistic data in car-following situations | |
CN109670970A (zh) | 一种驾驶行为评分方法、装置及计算机可读存储介质 | |
CN106022846A (zh) | 车险定价及二手车定价方法和装置 | |
Liu et al. | A comparative study of driving performance in metropolitan regions using large-scale vehicle trajectory data: Implications for sustainable cities | |
CN111612334A (zh) | 一种基于车联网数据的驾驶行为风险评级的判定方法 | |
CN109344903A (zh) | 基于车载感知数据的城市道路路面故障实时检测方法 | |
Gordon et al. | Analysis of crash rates and surrogate events: unified approach | |
US20130260344A1 (en) | Method and System for Evaluating Driving Performance | |
CN113282638B (zh) | 一种城建用车识别方法和装置 | |
CN113095584B (zh) | 一种基于交通流特征的交叉口安全水平短时预测方法、***、终端及可读存储介质 | |
CN110827152A (zh) | 一种保险评估方法、***及服务器 | |
Piao et al. | Estimating road surface condition using crowdsourcing | |
CN109447127A (zh) | 数据处理方法及装置 | |
CN111968365B (zh) | 一种非信号交叉口车辆行为分析方法、***及存储介质 | |
Xu et al. | Assessing the impact of passenger compliance behavior in CAVs on environmental benefits | |
CN116977943A (zh) | 道路要素的识别方法、装置、电子设备和计算机存储介质 | |
CN116993156A (zh) | 驾驶行为安全等级识别方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180824 |