CN113034293A - 一种车险类别的确定方法及装置 - Google Patents
一种车险类别的确定方法及装置 Download PDFInfo
- Publication number
- CN113034293A CN113034293A CN201911361453.6A CN201911361453A CN113034293A CN 113034293 A CN113034293 A CN 113034293A CN 201911361453 A CN201911361453 A CN 201911361453A CN 113034293 A CN113034293 A CN 113034293A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- scene
- insurance
- category
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012502 risk assessment Methods 0.000 claims abstract description 51
- 238000013210 evaluation model Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 12
- 230000006399 behavior Effects 0.000 description 57
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 9
- 230000006855 networking Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 238000012958 reprocessing Methods 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种车险类别的确定方法及装置，包括：获取车辆的场景数据；根据场景数据，确定车辆对应的场景的场景类别；将车辆对应的场景的场景类别输入预设的第一车险评估模型，得到第一车险评估模型输出的车辆对应的第一车险类别，第一车险评估模型包括车险类别与场景类别之间的对应关系。本发明中，通过采集到的车辆的场景数据，确定车辆对应的场景的场景类别，进而根据场景类别，确定适用于该场景类别的车险类别，从而可以基于车辆应用场景的差异，生成并推荐针对特定应用场景的车险，使得用户可以获取针对不同应用场景的个性化车险保单，提高了用户的体验度。
Description
技术领域
本发明涉及数据处理技术领域，特别涉及一种车险类别的确定方法及装置。
背景技术
随着大数据技术的发展，在商业车险费率改革的浪潮下，基于驾驶员驾驶行为数据而定保费的保险(Usage Based Insurance，UBI)，获得了消费者与日俱增的关注和随之而来的需求增长。
现有的UBI车险，是基于驾驶员的驾驶行为以及车辆相关数据相结合的个性化保险产品，保险公司通过与车厂合作，通过远程信息处理技术获取车辆行驶信息，该类信息包括车辆行驶过程中的里程、油耗、时速等数据，保险公司结合时间、路况与车辆状况，计算得出驾驶员各类驾驶行为的发生情况，通过大数据处理与分析技术，评估驾驶员驾车行为的风险等级，通过风险等级指数为其提供个性化保单，从而实现风险与保费定价的匹配，对于出现事故较少的优质车主，在续保或者购保的时候给予最大的价格优惠，而对于事故较多的劣质车主，他们将要承担高额的保费。
但是，在目前的方案中，由于在通过车辆行驶信息，确定驾驶员驾车行为的风险等级，最终确定车险类型及保费定价的过程中，仅根据驾驶员的驾车习惯，推荐个性化的车险保单，从而导致在不同使用场景中，不能基于使用场景的差异，生成并推荐针对特定应用场景的车险。
发明内容
有鉴于此，本发明旨在提出一种车险类别的确定方法及装置，以解决现有技术中基于驾驶员的驾驶行为以及车辆相关数据，确定车险类型的过程中，仅根据驾驶员的驾车习惯，提供个性化的车险保单，从而导致不能基于使用场景的差异，生成针对特定应用场景的车险的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种车险类别的确定方法，所述方法包括：
获取车辆的场景数据；
根据所述场景数据，确定所述车辆对应的场景的场景类别；
将所述车辆对应的场景的场景类别输入预设的第一车险评估模型，得到所述第一车险评估模型输出的所述车辆对应的第一车险类别，所述第一车险评估模型包括车险类别与场景类别之间的对应关系。
进一步的，在所述将所述车辆对应的场景的场景类别输入预设的第一车险评估模型，得到所述第一车险评估模型输出的所述车辆对应的第一车险类别的步骤之后，所述方法还包括：
获取所述车辆的传感器信息，并根据所述传感器信息，确定用于表征用户驾驶习惯的驾驶行为等级；
将所述车辆对应的场景的场景类别和所述驾驶行为等级输入预设的第二车险评估模型，得到所述第二车险评估模型输出的所述车辆对应的第二车险类别，所述第二车险评估模型包括车险类别与场景类别、驾驶行为等级之间的对应关系。
进一步的，所述传感器信息包括：行驶路径数据、车况数据、驾驶行为数据和事件数据中的任意一种或多种，所述驾驶行为数据包括：急加速数据、急减速数据、急转弯数据、超速数据和急刹车数据中的任意一种或多种，所述事件数据包括：碰撞数据和车辆姿态数据中的任意一种或多种。
进一步的，所述场景数据包括：所述车辆的导航数据和/或所述车辆的异常车况数据。
进一步的，在所述将所述车辆对应的场景的场景类别输入预设的第一车险评估模型，得到所述第一车险评估模型输出的所述车辆对应的第一车险类别的步骤之后，所述方法还包括：
从车险服务器获取所述第一车险类别对应的车险信息，并将所述车险信息在用户客户端的显示界面中进行展示；
在通过所述显示界面接收到用户针对所述车险信息的浏览操作的情况下，根据浏览操作信息，生成所述用户针对所述第一车险类别的购买意向信息。
进一步的，在所述从车险服务器获取所述第一车险类别对应的车险信息，并将所述车险信息在用户客户端的显示装置中进行展示的步骤之后，所述方法还包括：
在通过所述显示界面接收到所述用户针对所述车险信息的购买操作的情况下，根据购买操作信息，进行所述第一车险类别的在线购买操作。
一种车险类别的确定装置，所述装置包括：
获取模块，用于获取车辆的场景数据；
第一确定模块，用于根据所述场景数据，确定所述车辆对应的场景的场景类别；
第二确定模块，用于将所述车辆对应的场景的场景类别输入预设的第一车险评估模型，得到所述第一车险评估模型输出的所述车辆对应的第一车险类别，所述第一车险评估模型包括车险类别与场景类别之间的对应关系。
进一步的，所述装置还包括：
第三确定模块，用于获取所述车辆的传感器信息，并根据所述传感器信息，确定用于表征用户驾驶习惯的驾驶行为等级；
第四确定模块，用于将所述车辆对应的场景的场景类别和所述驾驶行为等级输入预设的第二车险评估模型，得到所述第二车险评估模型输出的所述车辆对应的第二车险类别，所述第二车险评估模型包括车险类别与场景类别、驾驶行为等级之间的对应关系。
进一步的，所述传感器信息包括：行驶路径数据、车况数据、驾驶行为数据和事件数据中的任意一种或多种，所述驾驶行为数据包括：急加速数据、急减速数据、急转弯数据、超速数据和急刹车数据中的任意一种或多种，所述事件数据包括：碰撞数据和车辆姿态数据中的任意一种或多种。
进一步的，所述场景数据包括：所述车辆的导航数据和/或所述车辆的异常车况数据。
进一步的，所述装置还包括：
第二获取模块，用于从车险服务器获取所述第一车险类别对应的车险信息，并将所述车险信息在用户客户端的显示界面中进行展示；
生成模块，用于在通过所述显示界面接收到用户针对所述车险信息的浏览操作的情况下，根据浏览操作信息，生成所述用户针对所述第一车险类别的购买意向信息。
进一步的，所述装置还包括：
操作模块，用于在通过所述显示界面接收到所述用户针对所述车险信息的购买操作的情况下，根据购买操作信息，进行所述第一车险类别的在线购买操作。
相对于现有技术，本发明所述的一种车险类别的确定方法及装置具有以下优势：
本发明提供的一种车险类别的确定生成方法及装置，包括：获取车辆的场景数据；根据场景数据，确定车辆对应的场景的场景类别；将车辆对应的场景的场景类别输入预设的第一车险评估模型，得到第一车险评估模型输出的车辆对应的第一车险类别，第一车险评估模型包括车险类别与场景类别之间的对应关系。本发明中，通过采集到的车辆的场景数据，确定车辆对应的场景的场景类别，进而根据场景类别，确定适用于该场景类别的车险类别，从而可以基于车辆应用场景的差异，生成并推荐针对特定应用场景的车险，使得用户可以获取针对不同应用场景的个性化车险保单，提高了用户的体验度。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的一种车险类别的确定方法的步骤流程图；
图2为本发明实施例所述的一种车险类别的确定方法的数据流示意图；
图3为本发明实施例所述的一种车险类别的确定***结构图；
图4为本发明实施例所述的另一种车险类别的确定方法的步骤流程图；
图5为本发明实施例所述的一种车险类别的确定***的功能示意图；
图6为本发明实施例所述的一种车险类别的确定方法的业务流程图；
图7为本发明实施例所述的一种车险类别的确定装置的结构框图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
参照图1，示出了本发明实施例所述的一种车险类别的确定方法的步骤流程图。
步骤101，获取车辆的场景数据。
参照图2，示出了本发明实施例所述的一种车险类别的确定方法的数据流示意图，车险类别的确定方法的数据源可以包括：远程信息处理器(Telematics BOX，T-BOX)、车载主机(HUT)、手机软件(Application，APP)、保险平台对接和软件开发工具包(SoftwareDevelopment Kit，SDK)。
其中，车载T-BOX可深度读取汽车控制器局域网络(Controller Area Network，CAN)总线数据和私有协议，通过***移动通信及其技术(4G)、全球定位***(GlobalPositioning System，GPS)卫星定位、加速度传感和CAN通讯等功能，为整车提供远程通讯接口，提供包括行车数据采集、行驶轨迹记录、车辆故障监控、车辆远程查询和控制(开闭锁、空调控制、车窗控制、发送机扭矩限制、发动机启停)、驾驶行为分析、4G无线热点分享等服务。
所述车辆的HUT，是专门针对汽车特殊运行环境及电器电路特点开发的，能与汽车电子电路相融合的专用汽车信息化产品，一种高度集成化的车用多媒体娱乐信息中心，能够实现所有家用电脑功能，支持车内上网、影音娱乐、卫星定位、语音导航、游戏、电话等功能。
所述手机APP，可以是能够与车辆实现远程连接的APP，除了能实现车辆控制，手机APP还能够查看车辆状态，如查看总里程、剩余油量、平均百公里油耗以及网络流量使用情况。
所述保险平台对接，可以与车险服务器进行数据的传输，从而获取所述车辆的车险信息。
所述SDK与车辆中的蓝牙模块一起构成蓝牙钥匙，用于为手机APP和车辆蓝牙模块的信息交互，提供接口并进行通信的安全加密。
在该步骤中，可以通过车载T-BOX和车辆的HUT，获取车辆的场景数据。
可选的，所述场景数据可以包括：所述车辆的导航数据和/或所述车辆的异常车况数据。
其中，所述车辆的导航数据可以通过HUT，采集用户在HUT中输入的导航数据，从而确定用户此时的目的地，例如，若采集到的用户在国庆假期期间，在车辆的HUT进行了导航数据的输入，且该导航数据为前往某旅游景点的行驶路径，则可以确定用户此时想要在国庆假期期间进行自驾出游。
其中，所述车辆的异常车况数据可以通过车载T-BOX，在车辆处于异常状况时，获取车辆的异常车况数据，例如，若T-BOX通过整车网络，检测到车门在停车状态下被强制打开，或者在车门被锁定状态下被强制打开，则可以确定车辆此时可能发生盗窃或抢劫。
此外，在手机APP或SDK与车辆之间存在数据交互时，也可以通过手机APP或SDK，获取车辆的场景数据。
步骤102，根据所述场景数据，确定所述车辆对应的场景的场景类别。
参照图2，在获取到车辆的场景数据之后，可以对场景数据进行存储、清洗和分析，从而确定车辆对应的场景的场景类别。
具体的，车联网服务器从车载T-BOX、HUT、收集APP或SDK获取到车辆的场景数据，包括所有的车辆的导航数据和/或所述车辆的异常车况数据之后，将所述场景数据存储在车联网服务器的存储模块中，以供在用户购买车险，并发生事故进行车险理赔业务时，可以通过查询存储模块中存储的场景数据，还原事故发生的过程，达到理赔反欺诈的目的。
进一步的，车联网服务器对获取的车辆的场景数据，进行清洗，从而筛选出用于判断车辆对应的场景的场景类别的数据，减少数据分析过程中的数据处理量，提高确定场景类别过程的效率和准确度。
进一步的，对清洗之后的车辆的场景数据进行分析，从而确定车辆对应的场景的场景类别。
需要说明的是，所述车辆的场景数据可以是车辆当前的场景数据，相应的，根据所述车辆当前的场景数据，可以确定车辆的当前所处场景的场景类别；此外，所述车辆的场景数据也可以是车辆的历史场景数据，相应的，根据所述车辆的历史场景数据，可以确定车辆的历史所处场景的场景类别。
进一步的，可以根据车辆历史场景数据，确定车辆经常所处的场景类别，从而判断用户的出行习惯，进而更准确的为用户提供保险信息。
例如，若所述场景数据为车联网服务器通过HUT，获取的用户在HUT中输入的导航数据，且该导航数据为在国庆假期期间前往某旅游景点的行驶路径导航，则可以确定车辆对应的场景的场景类别为节假日远程出行；若所述场景数据为用户经常在节假日期间前往某旅游景点，则可以确定车辆对应的场景的场景类别为节假日远程出行；若所述场景数据为车联网服务器通过车载T-BOX，获取的车辆的车门在停车状态下被强制打开的数据，则可以确定车辆对应的场景的场景类别为车门异常打开；若所述场景数据为车联网服务器通过保险平台对接，获取的车辆当前购买的车险即将到期的数据，则可以确定车辆对应的场景的场景类别为车险到期；若所述场景数据为车联网服务器通过车载T-BOX，获取的车辆的轮胎胎压低于安全胎压值的数据，则可以确定车辆对应的场景的场景类别为胎压异常。
此外，还可以将收集到的数据，进行存储、清洗和分析，形成数据沉淀，即从大量的数据中通过算法搜索隐藏于其中的信息，从而从大量的数据集合中找出所有的高频项目组，再由这些高频项目组中产生关联规则。
步骤103，将所述车辆对应的场景的场景类别输入预设的第一车险评估模型，得到所述第一车险评估模型输出的所述车辆对应的第一车险类别，所述第一车险评估模型包括车险类别与场景类别之间的对应关系。
参照图3，示出了本发明实施例所述的一种车险类别的确定***的结构图，该***包括：车险服务器10、车联网服务器20和用户客户端30，其中，车险服务器10中预先设定有第一车险评估模型，用于确定与不同的场景类别匹配的车险类别。
在该步骤中，车联网服务器通过包括导航数据和异常车况数据的场景数据，确定车辆对应的场景的场景类别，将所述场景类别输入车险服务器中设置的第一车险评估模型，由于所述第一车险评估模型包括车险类别与场景类别之间的对应关系，因而可以通过所述对应关系，确定步骤102中确定的车辆对应的场景的场景类别对应的第一车险类别。从而可以实现基于车辆的不同使用场景，生成针对特定应用场景的车险，实现场景化车险精准推送，将车辆的使用场景因素也作为UBI车险的影响因素，从而提高车险确定过程的准确性，提高保险的成交率。
例如，在步骤102中确定车辆对应的场景的场景类别为节假日远程出行，则可以通过第一车险评估模型中车险类别与场景类别之间的对应关系，确定与车辆当前所述场景对应的第一车险类别为自驾游车险或意外险；在步骤102中确定车辆对应的场景的场景类别为车门异常打开，则可以通过第一车险评估模型中车险类别与场景类别之间的对应关系，确定与车辆当前所述场景对应的第一车险类别为盗抢险；在步骤102中确定车辆对应的场景的场景类别为车险到期，则可以通过第一车险评估模型中车险类别与场景类别之间的对应关系，确定与车辆当前所述场景对应的第一车险类别为续保提醒；在步骤102中确定车辆对应的场景的场景类别为胎压异常，则可以通过第一车险评估模型中车险类别与场景类别之间的对应关系，确定与车辆当前所述场景对应的第一车险类别为“轮胎宝”车险。
综上所述，本发明实施例提供的一种车险类别的确定生成方法，包括：获取车辆的场景数据；根据场景数据，确定车辆对应的场景的场景类别；将车辆对应的场景的场景类别输入预设的第一车险评估模型，得到第一车险评估模型输出的车辆对应的第一车险类别，第一车险评估模型包括车险类别与场景类别之间的对应关系。本发明实施例中，通过采集到的车辆的场景数据，确定车辆对应的场景的场景类别，进而根据场景类别，确定适用于该场景类别的车险类别，从而可以基于车辆应用场景的差异，生成并推荐针对特定应用场景的车险，使得用户可以获取针对不同应用场景的个性化车险保单，提高了用户的体验度。
参照图4，示出了本发明实施例所述的另一种车险类别的确定方法的步骤流程图。
步骤201，获取车辆的场景数据。
该步骤具体可以参照上述步骤101，此处不再赘述。
步骤202，根据所述场景数据，确定所述车辆对应的场景的场景类别。
该步骤具体可以参照上述步骤102，此处不再赘述。
步骤203，将所述车辆对应的场景的场景类别输入预设的第一车险评估模型，得到所述第一车险评估模型输出的所述车辆对应的第一车险类别，所述第一车险评估模型包括车险类别与场景类别之间的对应关系。
该步骤具体可以参照上述步骤103，此处不再赘述。
可选的，在一种实现方式中，步骤203之后，可以执行步骤204，在另一种实现方式中，步骤203之后，可以执行步骤206。
步骤204，获取所述车辆的传感器信息，并根据所述传感器信息，确定用于表征用户驾驶习惯的驾驶行为等级。
在该步骤中，可以通过车辆中安装的各种传感器，获取各传感器采集到的信息，并根据所述传感器信息，确定用户的驾驶行为等级，从而对用户的驾驶行为进行等级评定。
参照图2，对传感器信息进行存储、清洗和分析，其中，所述分析过程包括，根据获取的传感器信息，对车主画像、驾驶评分、出行习惯和车况信息分析，从而确定可以表征用户驾驶习惯的驾驶行为等级。
可选的，所述传感器信息包括：行驶路径数据、车况数据、驾驶行为数据和事件数据中的任意一种或多种，所述驾驶行为数据包括：急加速数据、急减速数据、急转弯数据、超速数据和急刹车数据中的任意一种或多种，所述事件数据包括：碰撞数据和车辆姿态数据中的任意一种或多种。
例如，可以通过车辆中的陀螺仪，获取车辆姿态数据和碰撞数据，其中，若车辆发生车祸事件，则车辆会生成碰撞数据，同时，车辆的运动姿态会出现异常，因而车辆生成异常的车辆姿态数据，由此可以说明用户的驾驶行为较差，用户在驾驶车辆的过程中发生过车祸事件，具有较低的驾驶行为等级。
此外，可以通过车辆中的三轴加速度传感器，获取车辆前进方向和横向加速度的值，从而得到车辆的急加速数据、急减速数据、急转弯数据、超速数据和急刹车数据，进一步而判断用户在驾驶车辆的过程中是否发生过急加速、急减速、急转弯、超速、急刹车行为，若用户在驾驶车辆的过程中发生过急加速、急减速、急转弯、超速、急刹车行为，则可以说明用户的驾驶行为较差，具有较低的驾驶行为等级。
进一步的，可以通过车辆中的GPS模块，获取车辆行驶路径数据，若车辆的行驶路径为高危路段，则可以说明用户的驾驶行为较差，具有较低的驾驶行为等级。
进一步的，可以通过车载T-BOX，获取车辆各传感器获取的车辆的车况数据，若车况良好，则可以说明用户的驾驶行为良好，具有较高的驾驶行为等级。
在本发明实施例中，可以综合多个传感器信息，根据各传感器信息的重要度，为不同的传感器信息分配不同的占比系数，从而对用户的驾驶行为进行等级评定，确定用于表征用户驾驶习惯的驾驶行为等级，使得基于驾驶员的驾驶行为以及车辆相关数据个性化保险产品UBI车险，可以更加全面和准确的为用户提供个性化保单。
步骤205，将所述车辆对应的场景的场景类别和所述驾驶行为等级输入预设的第二车险评估模型，得到所述第二车险评估模型输出的所述车辆对应的第二车险类别，所述第二车险评估模型包括车险类别与场景类别、驾驶行为等级之间的对应关系。
参照图3，车险服务器10中还预先设定有第二车险评估模型，用于确定与不同的场景类别和驾驶行为等级匹配的车险类别。
在该步骤中，车联网服务器通过包括导航数据和异常车况数据的场景数据，确定车辆对应的场景的场景类别，通过包括行驶路径数据、车况数据、驾驶行为数据和事件数据的传感器信息，确定用户的驾驶行为等级，将所述场景类别和所述驾驶行为等级输入车险服务器中设置的第二车险评估模型，由于所述第二车险评估模型包括车险类别与场景类别、驾驶行为等级之间的对应关系，因而可以通过所述对应关系，确定车辆对应的场景的场景类别，以及用户的驾驶行为等级对应的第二车险类别。从而可以实现基于车辆的不同使用场景，以及用户的驾驶行为习惯，生成针对特定应用场景及特定用户的车险，综合考虑车辆的使用场景因素和用户的驾驶行为习惯，将车险的推送业务进行多场景、多人群划分，从而提高车险确定过程的准确性。
在本发明实施例中，参照图3，车险服务器10中还预先设定有保险定价模型，用于确定与不同的场景类别和驾驶行为等级匹配的车险定价，从而可以实现基于车辆的不同使用场景，以及用户的驾驶行为习惯，生成针对特定应用场景及特定用户的车险类别以及相应的定价，从而实现风险与保费定价的匹配，对于出现事故较少的优质车主，在续保或者购保的时候给予最大的价格优惠，而对于事故较多的劣质车主，他们将要承担高额的保费。
步骤206，从车险服务器获取所述第一车险类别对应的车险信息，并将所述车险信息在用户客户端的显示界面中进行展示。
在该步骤中，在确定了第一车险类别之后，参照图3，车联网服务器20可以根据第一车险类别，从车险服务器10中的保险服务模块，获取与所述第一车险类别对应的车险信息及车险标签，并将所述第一车险类别对应的车险信息及车险标签进行场景化精准推送，将其推送至用户客户端30，所述用户客户端30接收所述第一车险类别对应的车险信息及车险标签，并在用户客户端30的显示界面中进行展示，实现如图2所示的数据呈现过程，完成车险相关数据的可是化过程、数据交互过程和数据对接过程，从而实现车主和合作保险公司之间的信息交互，用户可以通过用户客户端30，进行车险理赔、续保、获取车险报价以及智能下单的操作。
在本发明实施例中，所述用户客户端可以包括车机端和手机端，所述车机端可以是车辆的HUT，所述手机端可以是安装有上述手机APP的用户手机。
步骤207，在通过所述显示界面接收到用户针对所述车险信息的浏览操作的情况下，根据浏览操作信息，生成所述用户针对所述第一车险类别的购买意向信息。
在该步骤中，若在用户客户端的显示界面中，接收到用户针对所述车险信息的浏览操作，说明用户对于显示界面中显示的第一车险类别具有购买意向，则可以根据浏览操作信息，生成用户针对所述第一车险类别的购买意向信息。
需要说明的是，在用户客户端生成所述购买意向信息之后，可以定期形成包括所述购买意向信息的车险报告，并将所述车险报告发送至车联网服务器，并由车联网服务器将其转发至车险服务器，从而保险公司可以根据定期接收到的车险报告，获取用户对推送的保险信息的购买意向，并形成数据的沉淀，为后期保险设计及***的迭代奠定数据基础。
步骤208，在通过所述显示界面接收到所述用户针对所述车险信息的购买操作的情况下，根据购买操作信息，进行所述第一车险类别的在线购买操作。
在该步骤中，若在用户客户端的显示界面中，接收到用户针对所述车险信息的购买操作，则可以根据购买操作，进行所述第一车险类别的在线购买操作，即如图3所述的智能下单之后，进行在线交易。
具体的，当用户接收到场景化精准推送的第一车险类别对应的车险信息及车险标签，并通过用户客户端进行智能下单之后，可以通过车联网服务器进行在线支付，并将保险交易数据实时同步至车险服务器，所述保险交易数据可以包括车主信息、车辆信息和成交渠道等。
需要说明的是，参照图5，示出了本发明实施例所述的一种车险类别的确定***的功能示意图，包括车险服务器、车联网服务器和用户客户端的车险类别的确定***，可以实现的功能包括：
(1)基于车辆的各项数据，建立用户画像，从而对用户的驾驶行为进行分析；
(2)基于车辆的场景数据，确定车辆对应的场景的场景类别，并基于不同的场景类别，确定不同的车险类别，从而可以实现场景化精准推送；
(3)提供在线交易渠道，以供用户可以在线进行只能下单；
(4)用户可以通过车险类别确定***，进行车险的理赔对接，由于车险类别确定***中存储有采集到的车辆的导航数据、车辆的异常车况数据，以及传感器信息，因而在进行理赔时，可以通过查询存储模块中存储的数据，还原事故发生的过程，达到理赔反欺诈的目的。
综上所述，本发明实施例提供的一种车险类别的确定方法，包括：获取车辆的场景数据；根据场景数据，确定车辆对应的场景的场景类别；将车辆对应的场景的场景类别输入预设的第一车险评估模型，得到第一车险评估模型输出的车辆对应的第一车险类别，第一车险评估模型包括车险类别与场景类别之间的对应关系。本发明实施例中，通过采集到的车辆的场景数据，确定车辆对应的场景的场景类别，进而根据场景类别，确定适用于该场景类别的车险类别，从而可以基于车辆应用场景的差异，生成并推荐针对特定应用场景的车险，使得用户可以获取针对不同应用场景的个性化车险保单，提高了用户的体验度。
在上述实施例的基础上，本发明实施例还提供了另一种车险类别的确定方法。
参照图6，示出了本发明实施例所述的一种车险类别的确定方法的业务流程图，具体包括：
S1，智能终端采集车辆数据。
在该步骤中，安装在车辆中的智能终端，可以通过HUT和车载T-BOX采集车辆数据，并将车辆数据通过4G、第五代移动通信及其技术(5G)或无线保证(Wireless Fidelity，wifi)的方式上报到车辆网汽车远程服务器(TelematicsService Provider，TSP)。
具体的，所述车辆数据可以包括车辆导航数据、异常车况数据、行驶路径数据、车况数据、驾驶行为数据和事件数据。
S2，上报数据到车联网TSP平台。
S3，车辆/用户/驾驶行为及保险数据再加工存储。
在该步骤中，对上报至车联网TSP平台的车辆数据进行车辆/用户/驾驶行为及保险数据再加工存储，并对所述车辆数据进行清洗和分析，确定对应的车险类别。
S4.1，核心数据在线查看、追溯。
在该步骤中，用户和保险公司方可以在线查看、追溯存储在车联网TSP平台的车辆数据中的核心数据，从而了解车辆的历史数据，保险公司方也可以在发生事故进行车险理赔业务时，通过在线查看、追溯车辆数据，还原事故发生的过程，达到理赔反欺诈的目的。
S4.2，手机端保险推送。
在确定车险类别之后，可以将所述车险类别及对应的车险信息，推送至手机端，所述手机端可以是安装相关手机APP的用户手机，以供用户可以通过手机端进行所述车险类别及对应的车险信息的在线浏览或在线购买。
S4.3，车机端保险推送。
在确定车险类别之后，可以将所述车险类别及对应的车险信息，推送至车机端，所述手机端可以是车辆的HUT，以供用户可以通过车机端进行所述车险类别及对应的车险信息的在线浏览或在线购买。
在上述实施例的基础上，本发明实施例还提供了一种车险类别的确定装置。
参照图7，示出了本发明实施例所述的一种车险类别的确定装置的结构框图，具体可以包括如下模块：
获取模块301，用于获取车辆的场景数据；
可选的，所述场景数据包括：所述车辆的导航数据和/或所述车辆的异常车况数据。
第一确定模块302，用于根据所述场景数据，确定所述车辆对应的场景的场景类别；
第二确定模块303，用于将所述车辆对应的场景的场景类别输入预设的第一车险评估模型，得到所述第一车险评估模型输出的所述车辆对应的第一车险类别，所述第一车险评估模型包括车险类别与场景类别之间的对应关系。
可选的，所述装置还包括：
第三确定模块，用于获取所述车辆的传感器信息，并根据所述传感器信息，确定用于表征用户驾驶习惯的驾驶行为等级；
第四确定模块，用于将所述车辆对应的场景的场景类别和所述驾驶行为等级输入预设的第二车险评估模型，得到所述第二车险评估模型输出的所述车辆对应的第二车险类别，所述第二车险评估模型包括车险类别与场景类别、驾驶行为等级之间的对应关系。
可选的，所述传感器信息包括：行驶路径数据、车况数据、驾驶行为数据和事件数据中的任意一种或多种，所述驾驶行为数据包括：急加速数据、急减速数据、急转弯数据、超速数据和急刹车数据中的任意一种或多种，所述事件数据包括：碰撞数据和车辆姿态数据中的任意一种或多种。
可选的，所述装置还包括：
第二获取模块，用于从车险服务器获取所述第一车险类别对应的车险信息，并将所述车险信息在用户客户端的显示界面中进行展示；
生成模块，用于在通过所述显示界面接收到用户针对所述车险信息的浏览操作的情况下，根据浏览操作信息，生成所述用户针对所述第一车险类别的购买意向信息。
可选的，所述装置还包括：
操作模块，用于在通过所述显示界面接收到所述用户针对所述车险信息的购买操作的情况下，根据购买操作信息，进行所述第一车险类别的在线购买操作。
综上所述，本发明实施例提供的一种车险类别的确定装置，包括：获取车辆的场景数据；根据场景数据，确定车辆对应的场景的场景类别；将车辆对应的场景的场景类别输入预设的第一车险评估模型，得到第一车险评估模型输出的车辆对应的第一车险类别，第一车险评估模型包括车险类别与场景类别之间的对应关系。本发明实施例中，通过采集到的车辆的场景数据，确定车辆对应的场景的场景类别，进而根据场景类别，确定适用于该场景类别的车险类别，从而可以基于车辆应用场景的差异，生成并推荐针对特定应用场景的车险，使得用户可以获取针对不同应用场景的个性化车险保单，提高了用户的体验度。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
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。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种车险类别的确定方法，其特征在于，所述方法包括：
获取车辆的场景数据；
根据所述场景数据，确定所述车辆对应的场景的场景类别；
将所述车辆对应的场景的场景类别输入预设的第一车险评估模型，得到所述第一车险评估模型输出的所述车辆对应的第一车险类别，所述第一车险评估模型包括车险类别与场景类别之间的对应关系。
2.根据权利要求1所述的方法，其特征在于，在所述将所述车辆对应的场景的场景类别输入预设的第一车险评估模型，得到所述第一车险评估模型输出的所述车辆对应的第一车险类别的步骤之后，所述方法还包括：
获取所述车辆的传感器信息，并根据所述传感器信息，确定用于表征用户驾驶习惯的驾驶行为等级；
将所述车辆对应的场景的场景类别和所述驾驶行为等级输入预设的第二车险评估模型，得到所述第二车险评估模型输出的所述车辆对应的第二车险类别，所述第二车险评估模型包括车险类别与场景类别、驾驶行为等级之间的对应关系。
3.根据权利要求2所述的方法，其特征在于，所述传感器信息包括：行驶路径数据、车况数据、驾驶行为数据和事件数据中的任意一种或多种，所述驾驶行为数据包括：急加速数据、急减速数据、急转弯数据、超速数据和急刹车数据中的任意一种或多种，所述事件数据包括：碰撞数据和车辆姿态数据中的任意一种或多种。
4.根据权利要求1所述的方法，其特征在于，所述场景数据包括：所述车辆的导航数据和/或所述车辆的异常车况数据。
5.根据权利要求1所述的方法，其特征在于，在所述将所述车辆对应的场景的场景类别输入预设的第一车险评估模型，得到所述第一车险评估模型输出的所述车辆对应的第一车险类别的步骤之后，所述方法还包括：
从车险服务器获取所述第一车险类别对应的车险信息，并将所述车险信息在用户客户端的显示界面中进行展示；
在通过所述显示界面接收到用户针对所述车险信息的浏览操作的情况下，根据浏览操作信息，生成所述用户针对所述第一车险类别的购买意向信息。
6.根据权利要求5所述的方法，其特征在于，在所述从车险服务器获取所述第一车险类别对应的车险信息，并将所述车险信息在用户客户端的显示装置中进行展示的步骤之后，所述方法还包括：
在通过所述显示界面接收到所述用户针对所述车险信息的购买操作的情况下，根据购买操作信息，进行所述第一车险类别的在线购买操作。
7.一种车险类别的确定装置，其特征在于，所述装置包括：
获取模块，用于获取车辆的场景数据；
第一确定模块，用于根据所述场景数据，确定所述车辆对应的场景的场景类别；
第二确定模块，用于将所述车辆对应的场景的场景类别输入预设的第一车险评估模型，得到所述第一车险评估模型输出的所述车辆对应的第一车险类别，所述第一车险评估模型包括车险类别与场景类别之间的对应关系。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第三确定模块，用于获取所述车辆的传感器信息，并根据所述传感器信息，确定用于表征用户驾驶习惯的驾驶行为等级；
第四确定模块，用于将所述车辆对应的场景的场景类别和所述驾驶行为等级输入预设的第二车险评估模型，得到所述第二车险评估模型输出的所述车辆对应的第二车险类别，所述第二车险评估模型包括车险类别与场景类别、驾驶行为等级之间的对应关系。
9.根据权利要求8所述的装置，其特征在于，所述传感器信息包括：行驶路径数据、车况数据、驾驶行为数据和事件数据中的任意一种或多种，所述驾驶行为数据包括：急加速数据、急减速数据、急转弯数据、超速数据和急刹车数据中的任意一种或多种，所述事件数据包括：碰撞数据和车辆姿态数据中的任意一种或多种。
10.根据权利要求7所述的装置，其特征在于，所述场景数据包括：所述车辆的导航数据和/或所述车辆的异常车况数据。
11.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第二获取模块，用于从车险服务器获取所述第一车险类别对应的车险信息，并将所述车险信息在用户客户端的显示界面中进行展示；
生成模块，用于在通过所述显示界面接收到用户针对所述车险信息的浏览操作的情况下，根据浏览操作信息，生成所述用户针对所述第一车险类别的购买意向信息。
12.根据权利要求11所述的装置，其特征在于，所述装置还包括：
操作模块，用于在通过所述显示界面接收到所述用户针对所述车险信息的购买操作的情况下，根据购买操作信息，进行所述第一车险类别的在线购买操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911361453.6A CN113034293A (zh) | 2019-12-25 | 2019-12-25 | 一种车险类别的确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911361453.6A CN113034293A (zh) | 2019-12-25 | 2019-12-25 | 一种车险类别的确定方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113034293A true CN113034293A (zh) | 2021-06-25 |
Family
ID=76458501
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911361453.6A Pending CN113034293A (zh) | 2019-12-25 | 2019-12-25 | 一种车险类别的确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113034293A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113095889A (zh) * | 2021-04-28 | 2021-07-09 | 中国第一汽车股份有限公司 | 一种保险定价方法、装置、服务器及存储介质 |
| CN114092267A (zh) * | 2022-01-18 | 2022-02-25 | 成都车晓科技有限公司 | 基于机器学习的高风险车辆保险客户车险评估方法及*** |
| CN114936942A (zh) * | 2022-07-21 | 2022-08-23 | 深圳市绽放工场科技有限公司 | 一种面向保险用户的计算机网络数据处理分析***及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106204288A (zh) * | 2016-08-01 | 2016-12-07 | 深圳市永兴元科技有限公司 | 车险购买方法和装置 |
| CN107845039A (zh) * | 2016-09-20 | 2018-03-27 | 得道车联网络科技（上海）有限公司 | 一种无尺度自适应的车联网车险评分模型 |
| CN108734592A (zh) * | 2018-05-11 | 2018-11-02 | 深圳市图灵奇点智能科技有限公司 | 车辆保险业务数据分析方法和*** |
| CN109242700A (zh) * | 2018-07-13 | 2019-01-18 | 平安科技（深圳）有限公司 | 智能车险报案方法、***、计算机设备及存储介质 |
| CN109559130A (zh) * | 2018-10-26 | 2019-04-02 | 阿里巴巴集团控股有限公司 | 一种保险业务的处理方法、装置及设备 |
-
2019
- 2019-12-25 CN CN201911361453.6A patent/CN113034293A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106204288A (zh) * | 2016-08-01 | 2016-12-07 | 深圳市永兴元科技有限公司 | 车险购买方法和装置 |
| CN107845039A (zh) * | 2016-09-20 | 2018-03-27 | 得道车联网络科技（上海）有限公司 | 一种无尺度自适应的车联网车险评分模型 |
| CN108734592A (zh) * | 2018-05-11 | 2018-11-02 | 深圳市图灵奇点智能科技有限公司 | 车辆保险业务数据分析方法和*** |
| CN109242700A (zh) * | 2018-07-13 | 2019-01-18 | 平安科技（深圳）有限公司 | 智能车险报案方法、***、计算机设备及存储介质 |
| CN109559130A (zh) * | 2018-10-26 | 2019-04-02 | 阿里巴巴集团控股有限公司 | 一种保险业务的处理方法、装置及设备 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113095889A (zh) * | 2021-04-28 | 2021-07-09 | 中国第一汽车股份有限公司 | 一种保险定价方法、装置、服务器及存储介质 |
| CN114092267A (zh) * | 2022-01-18 | 2022-02-25 | 成都车晓科技有限公司 | 基于机器学习的高风险车辆保险客户车险评估方法及*** |
| CN114936942A (zh) * | 2022-07-21 | 2022-08-23 | 深圳市绽放工场科技有限公司 | 一种面向保险用户的计算机网络数据处理分析***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11037107B1 (en) | Automatic determination of rental car term associated with a vehicle collision repair incident | |
| US10592990B1 (en) | Accident detection and recovery | |
| JP6668497B2 (ja) | テレマティクスシステム及びその対応する方法 | |
| JP6849705B2 (ja) | 自動化されたリスク制御システムを含む自律的又は部分的に自律的な自動車及びそれに対応する方法 | |
| US11443388B2 (en) | Detecting transportation company trips in a vehicle based upon on-board audio signals | |
| JP5889761B2 (ja) | サービス提供システム、情報提供装置、サービス提供方法及びプログラム | |
| CA3035541C (en) | Generating an output based on processed sensor data | |
| US20140279707A1 (en) | System and method for vehicle data analysis | |
| US20150112800A1 (en) | Targeted advertising using vehicle information | |
| CN113034293A (zh) | 一种车险类别的确定方法及装置 | |
| CA2809689C (en) | System and method for vehicle data analysis | |
| US20180268621A1 (en) | Usage-based vehicle leasing and other services with a dongle module | |
| JP2015513330A (ja) | ３ｄ慣性センサ付きテレマティクス・システム | |
| US11468533B1 (en) | Vehicle rating system | |
| JP6418566B2 (ja) | 情報処理装置および情報処理方法 | |
| CA3065731C (en) | Systems and methods for system generated damage analysis | |
| US11930089B2 (en) | Highway detection system for generating customized notifications | |
| WO2020072501A1 (en) | Roadside assistance system | |
| JP2015152954A (ja) | 情報処理装置および情報処理方法 | |
| JP7443493B2 (ja) | 燃料経済性の推定 | |
| US10528989B1 (en) | Vehicle rating system | |
| CN115689774A (zh) | 优化车辆事件过程的方法和*** | |
| US20210142590A1 (en) | System generated damage analysis using scene templates | |
| US10789663B1 (en) | Vehicle rating system |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210625 |