CN116579592A - 一种可视化模式的车辆定损匹配识别方法 - Google Patents
一种可视化模式的车辆定损匹配识别方法 Download PDFInfo
- Publication number
- CN116579592A CN116579592A CN202310864297.5A CN202310864297A CN116579592A CN 116579592 A CN116579592 A CN 116579592A CN 202310864297 A CN202310864297 A CN 202310864297A CN 116579592 A CN116579592 A CN 116579592A
- Authority
- CN
- China
- Prior art keywords
- task
- damage assessment
- vehicle damage
- execution
- vehicle
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000000007 visual effect Effects 0.000 title claims abstract description 20
- 238000012800 visualization Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 230000006735 deficit Effects 0.000 claims description 42
- 230000002159 abnormal effect Effects 0.000 claims description 36
- 238000011156 evaluation Methods 0.000 claims description 28
- 230000006978 adaptation Effects 0.000 claims description 15
- 230000000977 initiatory effect Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 8
- 238000013441 quality evaluation Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 7
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 231100000809 Damage Assessment Model Toxicity 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种可视化模式的车辆定损匹配识别方法,属于车辆定损领域,包括:交互规则数据库并搭建车辆定损可视化平台;将车辆定损任务发送至车辆定损可视化平台;基于规则数据库对任务执行机器进行初始化配置,计算任务时长,并生成任务与任务执行机器的任务关联;将车辆定损任务顺序分配到各任务执行机器;根据任务时长计算结果,生成同级任务时长比例因子,评估各任务执行总执行时长,产生同级调控信息;基于同级调控信息,调整任务分配结果,完成车辆定损任务匹配识别。本申请解决了现有技术中车辆定损匹配识别效率低下、定损精度不高的技术问题,达到了提高车辆定损匹配识别效率和定损精度的技术效果。
Description
技术领域
本发明涉及车辆定损领域,具体涉及一种可视化模式的车辆定损匹配识别方法。
背景技术
车辆定损技术是车险理赔的关键技术之一,对车险理赔精度和效率有重要影响。现有的车辆定损技术主要采用人工定损和计算机辅助定损两种模式。随着车辆技术的发展和车辆配置的复杂化,人工定损模式越来越难以适用,无法满足车辆定损的高效和高精度需求。现有的计算机辅助定损技术通常构建定损模型,基于规则匹配算法实现定损结果推荐,相比人工定损模式有一定的进步。但是,现有计算机辅助定损技术效率还较低和定损精度也难以满足实际需求。
发明内容
本申请通过提供了一种可视化模式的车辆定损匹配识别方法,旨在解决现有技术中车辆定损匹配识别效率低下、定损精度不高的技术问题,达到了提高车辆定损匹配识别效率和定损精度的技术效果。
鉴于上述问题,本申请提供了一种可视化模式的车辆定损匹配识别方法。
本申请公开的第一个方面,提供了一种可视化模式的车辆定损匹配识别方法,该方法包括:交互规则数据库,并对规则数据库进行执行时长标识,其中,每个规则的执行时长标识为M个,与M个机器具有映射关系,M为大于等于1的正整数;依据规则数据库搭建车辆定损可视化平台;配置任务执行机器,并调用车辆定损任务,其中,车辆定损任务带有任务发起的顺序标识;将车辆定损任务发送至车辆定损可视化平台,基于任务执行机器对规则数据库初始化配置;通过初始化配置后的规则数据库对车辆定损任务进行任务时长计算,并根据任务时长计算结果生成车辆定损任务与任务执行机器的第一任务关联;依据顺序标识和第一任务关联将车辆定损任务顺序任务分配至任务执行机器;依据任务时长计算结果基于任务分配结果进行同级任务时长比对,生成同级时长比例因子;通过同级时长比例因子进行全部任务执行机器的总执行时长评价,根据评价结果生成同级调控信息;基于同级调控信息对任务分配结果调整,以完成车辆定损任务的车辆定损识别。
本申请公开的另一个方面,提供了一种可视化模式的车辆定损匹配识别***,该***包括:执行时长标识模块,用于交互规则数据库,并对规则数据库进行执行时长标识,其中,每个规则的执行时长标识为M个,与M个机器具有映射关系,M为大于等于1的正整数;定损平台搭建模块,用于依据规则数据库搭建车辆定损可视化平台;定损任务调用模块,用于配置任务执行机器,并调用车辆定损任务,其中,车辆定损任务带有任务发起的顺序标识;数据初始配置模块,用于将车辆定损任务发送至车辆定损可视化平台,基于任务执行机器对规则数据库初始化配置;任务关联执行模块,用于通过初始化配置后的规则数据库对车辆定损任务进行任务时长计算,并根据任务时长计算结果生成车辆定损任务与任务执行机器的第一任务关联;定损任务分配模块,用于依据顺序标识和第一任务关联将车辆定损任务顺序任务分配至任务执行机器;比例因子生成模块,用于依据任务时长计算结果基于任务分配结果进行同级任务时长比对,生成同级时长比例因子;执行时长评价模块,用于通过同级时长比例因子进行全部任务执行机器的总执行时长评价,根据评价结果生成同级调控信息;分配结果调整模块,基于同级调控信息对任务分配结果调整,以完成车辆定损任务的车辆定损识别。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了首先,交互规则数据库,并对规则数据库进行执行时长标识,依据规则数据库构建车辆定损可视化平台;其次,配置多台任务执行机器,将车辆定损任务发送至车辆定损可视化平台;然后,基于规则数据库对任务执行机器进行初始化配置,计算每个车辆定损任务的任务时长,并生成任务与任务执行机器的任务关联;再然后,根据任务顺序和任务关联,将车辆定损任务顺序分配到各任务执行机器;继而,根据任务时长计算结果,生成同级任务时长比例因子,评估各任务执行机器总执行时长,产生同级调控信息;最后,基于同级调控信息,调整任务分配结果,完成车辆定损任务匹配识别的技术方案,解决了现有技术中车辆定损匹配识别效率低下、定损精度不高的技术问题,达到了提高车辆定损匹配识别效率和定损精度的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种可视化模式的车辆定损匹配识别方法可能的流程示意图;
图2为本申请实施例提供了一种可视化模式的车辆定损匹配识别方法中获得同级调控信息可能的流程示意图;
图3为本申请实施例提供了一种可视化模式的车辆定损匹配识别方法中完成车辆定损任务的车辆定损识别可能的流程示意图;
图4为本申请实施例提供了一种可视化模式的车辆定损匹配识别***可能的结构示意图。
附图标记说明:执行时长标识模块11,定损平台搭建模块12,定损任务调用模块13,数据初始配置模块14,任务关联执行模块15,定损任务分配模块16,比例因子生成模块17,执行时长评价模块18,分配结果调整模块19。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了一种可视化模式的车辆定损匹配识别方法。首先配置多个任务执行机器,并调用车辆定损任务,任务带有顺序标识;然后,将车辆定损任务发送至车辆定损可视化平台,依据规则数据库对任务执行机器进行初始化配置;继而,通过初始化配置计算每个车辆定损任务的任务时长,并生成任务与任务执行机器的任务关联;再然后,根据任务顺序标识和任务关联,将车辆定损任务顺序分配到各任务执行机器;接着,根据任务时长计算结果产生同级任务时长比例因子和同级调控信息,评估各任务执行机器总执行时长;最后,基于同级调控信息调整任务分配结果,完成车辆定损任务的匹配识别。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种可视化模式的车辆定损匹配识别方法,该方法包括:
步骤S100:交互规则数据库,并对所述规则数据库进行执行时长标识,其中,每个规则的执行时长标识为M个,与M个机器具有映射关系,M为大于等于1的正整数;
具体而言,规则数据库中存储了多个规则,每个规则对应一个或多个执行时长标识。执行时长标识反映了机器执行对应规则的时间长短,机器数量M与规则数量成正比。通过执行时长标识,可以判断出哪些规则更适合由哪些机器来执行。例如,如果一条规则的3个执行时长标识分别对应3台机器,并且第2个执行时长标识的时间最短,则该规则最适合由与第2个执行时长标识对应的机器来执行。
通过人机交互方式访问规则数据库,为每条规则配置多个执行时长标识,并将多个执行时长标识与机器建立一一映射关系,为后续的规则-机器映射,以及机器负载均衡提供数据依据。
步骤S200:依据所述规则数据库搭建车辆定损可视化平台;
具体而言,规则数据库存储了各类车辆定损匹配规则以及每个规则的执行复杂度和预计处理时长等信息。依据规则数据库,可以搭建车辆定损可视化平台用于管理和监控定损匹配任务的处理流程。
车辆定损可视化平台,是指通过计算机网络技术搭建的用于车辆定损匹配任务管理的人机交互平台,采用B/S架构或C/S架构,使用可视化开发工具以规则为维度设计,展示每个定损匹配任务需要处理的规则及顺序。同时,平台连接规则数据库,获取每个任务需要处理的规则信息和预计处理参数,用于任务分配和进度管理。
通过搭建车辆定损可视化平台,清晰直观地展现定损匹配处理流程,实时监控每个任务的处理进度和规则执行情况,实现车辆定损匹配处理的精细化管理。
步骤S300:配置任务执行机器,并调用车辆定损任务,其中,所述车辆定损任务带有任务发起的顺序标识;
具体而言,任务执行机器是指实施车辆定损匹配识别的计算机设备,为台式计算机、服务器等。车辆定损任务是指需要进行定损匹配识别的车辆信息,包含车辆图像、车架号等数据。每个定损任务在发起时需要添加顺序标识,用于表示任务的处理顺序和优先级。顺序标识为整数序列,数字越小表示任务优先级越高。
首先,在任务执行机器上部署车辆定损匹配所需的技术模型和算法,如定损匹配模型、特征提取算法等,配置匹配所需的工具和依赖环境;其次,收集车辆定损任务的数据,如车辆图像、车架号信息等,以数字图像、文本等形式对数据进行存储;然后,调用车辆定损任务的数据,格式转换和预处理后发送至任务执行机器,每个定损任务在发送前添加顺序标识,表示任务优先级。
通过配置任务执行机器,并调用车辆定损任务,实现了定损匹配识别所需的技术环境配置和定损任务的加载,满足车辆定损匹配处理的要求,确保定损匹配识别的及时高效完成,有效支撑车辆定损匹配识别的顺利进行。
步骤S400:将所述车辆定损任务发送至所述车辆定损可视化平台,基于所述任务执行机器对所述规则数据库初始化配置;
具体而言,首先将定损任务发送至车辆定损可视化平台,平台在接收到定损任务后,读取任务的顺序标识,用于表示任务的处理顺序和优先级。平台同时连接规则数据库,获取每个定损任务需要处理的规则信息,如规则名称、预计处理时长等。其次,基于任务执行机器对规则数据库进行初始化配置。初始化配置是指根据规则数据库中的规则执行时长标识,确定每个规则将由哪台任务执行机器来执行。
通过使平台获取了定损任务的顺序标识和每个任务需要处理的规则信息,同时根据规则数据库的执行时长标识,对规则和任务执行机器进行了初始化配置,为后续的定损任务分配提供依据。
步骤S500:通过初始化配置后的所述规则数据库对所述车辆定损任务进行任务时长计算,并根据任务时长计算结果生成所述车辆定损任务与所述任务执行机器的第一任务关联;
具体而言,首先,通过初始化配置后的规则数据库,根据规则的难易度、处理流程的复杂程度等因素对每个定损任务进行任务时长计算,预估每个定损任务的处理时长。其次,根据任务时长计算结果,生成定损任务与任务执行机器的第一任务关联,第一任务关联是指根据定损任务的任务时长,匹配相应的任务执行机器,实现定损任务的初步分配。任务关联采用的原则是任务时长较长的定损任务分配至任务负载能力较强的任务执行机器。
通过对定损任务进行了任务时长计算并生成了与任务执行机器的第一任务关联,为后续管理监控和精细分配提供了重要前提和参考依据,有利于优化车辆定损匹配识别的效率和准确性
步骤S600:依据所述顺序标识和所述第一任务关联将所述车辆定损任务顺序任务分配至所述任务执行机器;
具体而言,首先,解析定损任务的顺序标识,顺序标识以整数形式表示定损任务的优先级,数值越小表示优先级越高。然后,根据第一任务关联结果,匹配定损任务至相应的任务执行机器。在分配定损任务时,按照顺序标识从高到低的优先级,将定损任务按顺序分配至第一任务关联匹配的任务执行机器,保证高优先级定损任务的及时处理,提高车辆定损匹配识别的响应速度。同时,车辆定损可视化平台根据规则数据库的信息进行持续监控和调整顺序分配结果,实现定损任务动态最优分配和识别效率的最大化。
通过根据定损任务的时间优先级和第一任务关联的匹配结果实现定损任务的顺序分配,在追求提高响应速度的同时考虑了平衡任务执行机器的任务负载,全面提高识别效率和准确性。
步骤S700:依据所述任务时长计算结果基于任务分配结果进行同级任务时长比对,生成同级时长比例因子;
具体而言,根据获得的任务时长计算结果,以及得到的任务分配结果,识别各任务执行机器上的同级定损任务。同级定损任务是指被分配至同一任务执行机器,且任务时长相近的多个定损任务。然后,对同级定损任务的任务时长进行比对,生成同级时长比例因子。同级时长比例因子表示同级定损任务的任务时长与对应任务执行机器的预计总任务时长的比例关系。例如任务执行机器的预计总任务时长为60min,该机器上有2个同级定损任务,任务时长分别为20min和25min,则同级时长比例因子可以为0.33和0.42。通过同级时长比例因子可以直观了解任务执行机器上各同级定损任务所占的任务时长比重,为定损任务的动态调整提供依据。例如上例中,如果为降低任务执行机器的任务负载,需要调整其中一个定损任务至其他机器,而定损任务2的比例因子0.42大于定损任务1的0.33,所以将定损任务2调整至其他任务执行机器会更加合理。
通过根据定损任务的任务时长计算结果和任务分配结果,识别同级定损任务并生成其同级时长比例因子,表达同级定损任务的任务时长与任务执行机器总体任务时长的比重,为提高车辆定损匹配识别效率和管理精细化提供基础支撑。
步骤S800:通过所述同级时长比例因子进行全部任务执行机器的总执行时长评价,根据评价结果生成同级调控信息;
具体而言,先收集所有任务执行机器的同级时长比例因子,并根据比例因子计算每个任务执行机器的总体任务时长。总体任务时长通过将任务执行机器的预计总任务时长乘以对应同级定损任务的比例因子加总得到。然后,对各任务执行机器的总体任务时长进行评价,评价的标准是判断任务时长是否均衡或者某台机器的任务时长是否过长,表明任务执行机器上定损任务的任务负载分布状况。最后,根据评价结果,生成同级调控信息,用于指导定损任务在任务执行机器间的调整。例如评价结果显示任务执行机器3的总体任务时长过长,则同级调控信息可建议将部分定损任务从任务执行机器3调整至任务执行机器1或2。
通过同级时长比例因子计算各任务执行机器的总体任务时长,并根据时长评价结果生成同级调控信息,对定损任务在不同任务执行机器间的分配进行指导,实现任务时长的均衡和车辆定损匹配识别效率的最大化,为实现定损任务时长的均衡和精细化管理提供支撑。
步骤S900:基于同级调控信息对所述任务分配结果调整,以完成所述车辆定损任务的车辆定损识别。
具体而言,首先,解析得到的同级调控信息,明确需要对哪些任务执行机器上的定损任务进行调整。然后,根据同级调控信息,结合规则数据库中各定损任务需要处理的规则及预计任务时长,对定损任务在任务执行机器间的分配结果进行调整。调整方式为将某台任务执行机器上的部分定损任务移至其他任务执行机器,或在多台任务执行机器间重新分配定损任务,在于降低具有较长总体任务时长的任务执行机器的任务负载,实现定损任务时长在各任务执行机器间的均衡。最后,根据调整后的定损任务分配结果,将定损任务执行于对应的任务执行机器,并完成车辆定损匹配识别。调整后的分配结果继续被车辆定损可视化平台监控,以持续优化定损任务的动态分配。
通过根据同级调控信息对定损任务在任务执行机器间的分配结果进行调整,实现定损任务时长的均衡和精细化管理,提高车辆定损匹配识别效率和准确性。
进一步的,如图2所示,本申请实施例还包括:
步骤S810:设置任务关联阈值;
步骤S820:判断所述第一任务关联是否满足所述任务关联阈值;
步骤S830:当所述第一任务关联满足所述任务关联阈值时,则构建任务强关联集合;
步骤S840:依据所述任务强关联集合对同级调控约束,获得所述同级调控信息。
具体而言,首先,根据规则数据库中规则的复杂程度和任务执行机器的处理能力设置任务关联阈值,阈值以数值形式表示定损任务与任务执行机器匹配程度的标准。其中,任务关联结果越大,表示定损任务与任务执行机器的匹配程度越高。其次,判断第一任务关联的结果是否满足设置的任务关联阈值,如果定损任务与某任务执行机器的第一任务关联的匹配程度达到或超过阈值,则表明定损任务与该任务执行机器强相关,需要优先由该任务执行机器进行处理。如果第一任务关联满足任务关联阈值,将匹配度达到或超过阈值的定损任务与对应的任务执行机器视为一个组合,构建为任务强关联集合,每个任务强关联集合表示一个定损任务与一个任务执行机器的强匹配关联。接着,根据任务强关联集合,对同级调控信息产生约束。同级调控信息是用于指导定损任务在任务执行机器间的调整,但是,如果某定损任务与特定任务执行机器有较强关联,属于任务强关联集合,则在产生同级调控信息时对该定损任务进行限制,避免被调整至其他任务执行机器,保证高度相关的定损任务优先被相应任务执行机器进行车辆定损匹配识别。
通过设置任务关联阈值、判断第一任务关联情况和构建任务强关联集合,对同级调控信息进行约束,产生的同级调控信息能够在最大限度地提高定损匹配识别效率的同时使高度相关的定损任务得到优先保障。
进一步的,本申请实施例还包括:
步骤S610:对齐所述任务执行机器的任务开始执行节点,并生成所述任务执行机器的机器编号;
步骤S620:根据所述顺序标识将所述车辆定损任务依次分配至所述任务执行机器,获得初始任务分布结果;
步骤S630:依据所述第一任务关联对所述初始任务分布结果进行同级任务调整,根据同级任务调整结果完成所述车辆定损任务的顺序分配。
具体而言,对各任务执行机器上的定损任务开始执行的时间点进行对齐,使任务执行机器可以同时开始处理定损任务,然后,为每台任务执行机器生成唯一的机器编号,用于表示不同的任务执行机器。机器编号采用数字形式进行标识,从1开始连续标识,为任务执行机器的标识信息。
接着,根据定损任务的顺序标识,确定任务的优先级和处理顺序,将定损任务依次按处理顺序分配至不同的任务执行机器,获得定损任务在任务执行机器上的初始分布结果。初始分布结果采用整型数组的形式表示,数组下标表示任务执行机器的机器编号,数组元素表示分配至该机器编号的定损任务数量。例如,有5个定损任务和3台任务执行机器,则初始分布结果可以为[2,1,2],表示任务执行机器1被分配2个定损任务,任务执行机器2被分配1个定损任务,任务执行机器3被分配2个定损任务。
然后,解析第一任务关联结果,明确每个定损任务被初步匹配的任务执行机器。根据定损任务的初始分配结果,检查是否有定损任务未被分配至第一任务关联结果所匹配的任务执行机器。如果有,则表明初始分配结果在该定损任务的分配上未达到最优,根据第一任务关联结果,对该定损任务的分配进行调整,将其从当前任务执行机器调整至第一任务关联匹配的任务执行机器,完成对该定损任务在不同任务执行机器间的同级任务调整。
进一步的,如图3所示,本申请实施例还包括:
步骤S910:获得所述任务分配结果的调整结果;
步骤S920:对所述调整结果进行任务的执行时长均衡评价,定位异常任务执行机器;
步骤S930:对所述异常任务执行机器生成相邻级调控指令;
步骤S940:依据所述相邻级调控指令对所述异常任务执行机器进行相邻级任务调整,根据相邻级任务调整结果完成所述车辆定损任务的车辆定损识别。
具体而言,获得产生的任务分配方案的调整结果,调整结果采用与初始分配方案相同的形式表示,反映定损任务在各任务执行机器间的最新分配状态。然后,对调整结果进行任务执行时长均衡性评价,判断定损任务在不同任务执行机器间的时长分布是否合理,如果某任务执行机器的总任务时长过长,表明该机器的任务负载过重,则定位为异常任务执行机器。
接着,对定位的异常任务执行机器生成相邻级调控指令,用于指导异常任务执行机器上的定损任务调整至其相邻级的任务执行机器,以缓解异常机器的任务负载。相邻级任务执行机器根据其机器编号确定,即异常机器的上一级和下一级机器。继而,依据相邻级调控指令,将异常任务执行机器上的部分定损任务调整至相邻级的任务执行机器,调整后的结果同样以数组形式表示,反映定损任务在各任务执行机器间的最新分配状态。最后,根据相邻级任务调整后的最新分配结果,定损任务被执行于对应的任务执行机器,完成车辆定损匹配识别。
通过定位异常任务执行机器并生成相邻级调控指令,完成定损任务在相邻级任务执行机器间的调整,产生定损任务最新分配方案,实现异常任务执行机器上定损任务的分流,有效缓解异常机器的任务负载,提高定损匹配识别的运行效率。
进一步的,本申请实施例还包括:
步骤S931:配置任务的开始时长约束;
步骤S932:当生成所述相邻级调控指令时,通过所述开始时长约束对所述异常任务执行机器的相邻级任务可调整标识;
步骤S933:根据可调整标识结果获得所述相邻级任务调整结果。
具体而言,配置定损任务开始执行后的最短时长,称为任务开始时长约束。开始时长约束用于限制定损任务被调整的时间范围,避免任务开始执行后过快被调整至其他任务执行机器,影响识别的连贯性和质量。在生成相邻级调控指令时,检查指令中建议调整的定损任务是否已经开始执行,以及执行开始后的时长是否达到配置的开始时长约束。如果达到了约束时长,表明该定损任务不适合进行调整;如果未达到约束时长,则标识为可调整状态。
然后,根据标识结果,获得相邻级调整的具体方案。例如,相邻级调控指令建议从异常任务执行机器上调整5个定损任务至相邻级机器,但其中2个任务因开始时长约束标识为不可调整,则相邻级调整结果为只调整3个可调整的定损任务。相邻级调整结果同样采用数组形式表示,用于替代相邻级调控指令的调整建议,作为定损任务最终在相邻级任务执行机器间分配的方案。
通过配置任务开始时长约束,对相邻级调控指令进行约束并产生相邻级调整结果,在考虑到定损任务开始执行后的时序影响下产生,在最大限度地提高定损匹配识别的连贯性的同时扩大任务调配范围,实现管理的多目标优化,更好地兼顾定损匹配识别的效率、质量和管理精细化。
进一步的,本申请实施例还包括:
步骤S641:交互获得所述车辆定损任务的任务质量等级;
步骤S642:通过初始化配置后的所述规则数据库对所述车辆定损任务进行任务执行质量评价,根据评价结果和所述任务质量等级生成第二任务关联;
步骤S643:依据所述顺序标识、所述第一任务关联和所述第二任务关联重新将所述车辆定损任务顺序任务分配至所述任务执行机器。
具体而言,首先,与车辆定损可视化平台的管理人员进行交互,获得定损任务的任务质量等级,用于表示定损任务的识别精度和重要性。等级越高表示定损任务的重要性越大,需要更高的识别精度。然后,通过初始化配置后的规则数据库,根据规则的精确性、复杂程度等判断定损任务在不同任务执行机器上的识别质量对每个定损任务进行任务执行质量评价。评价,根据评价结果和获得的任务质量等级,生成定损任务与任务执行机器的第二任务关联。第二任务关联的生成原则是高质量等级的定损任务优先匹配至可以达到高识别精度的任务执行机器,而低质量等级的定损任务匹配至处理能力一般的机器,追求定损任务识别质量的最大化,与第一任务关联不同的是更加注重定损匹配精度。
接着,综合考虑定损任务的顺序标识、第一任务关联和第二任务关联的结果,将定损任务重新分配至任务执行机器。重新分配的原则是高优先级和高质量等级的定损任务优先选择识别质量高的任务执行机器,其他定损任务选择第一任务关联或第二任务关联匹配的机器,以兼顾效率和精度。重新分配后的结果实现定损匹配管理的多目标优化,既满足高精度定损任务的识别要求,又不影响其他定损任务的处理效率。
进一步的,本申请实施例还包括:
步骤S1010:记录所述车辆定损任务的任务执行结果;
步骤S1020:基于所述任务执行结果进行任务与所述任务执行机器的异常适配标识;
步骤S1030:根据所述异常适配标识进行后续任务分配的分配约束。
具体而言,首先,记录每个定损任务在任务执行机器上的实际执行结果,包括识别精度、识别时长、定损报告生成情况等,以判断定损任务在任务执行机器上的执行与预期是否匹配。然后,根据执行结果,判断定损任务与分配的任务执行机器是否匹配,如果定损任务的执行结果与规则数据库中预估的要求不符,则表明定损任务与任务执行机器存在异常适配,称为异常适配标识。异常适配标识结果以布尔值形式表示,FALSE表示定损任务与任务执行机器异常适配,TRUE表示正常适配。
接着,根据异常适配标识的结果,对后续定损任务在任务执行机器间的分配产生约束,避免不适配的定损任务被错误分配至对应的任务执行机器,提高后续定损匹配识别的准确性和效率。例如,如果定损任务1与任务执行机器2的异常适配标识为FALSE,表明二者存在较大异常,则后续不将类似定损任务1的任务继续分配至任务执行机器2。
通过记录定损任务的执行结果,标识定损任务与任务执行机器的异常适配情况,并据此产生后续分配的约束,避免定损任务被错误分配至不匹配的任务执行机器,提高定损匹配识别质量。
综上所述,本申请实施例所提供的一种可视化模式的车辆定损匹配识别方法具有如下技术效果:
交互规则数据库,并对规则数据库进行执行时长标识,为后续任务时长计算和任务分配提供基础;依据规则数据库搭建车辆定损可视化平台,用于车辆定损任务的接收、任务分配展示和定损结果展示;配置任务执行机器,并调用车辆定损任务,其中,车辆定损任务带有任务发起的顺序标识,为车辆定损任务的自动化分配提供执行主体,并给予每个任务一个顺序标识;将车辆定损任务发送至车辆定损可视化平台,基于任务执行机器对规则数据库初始化配置,为后续任务自动化分配和定损匹配识别提供原始任务数据;通过初始化配置后的规则数据库对车辆定损任务进行任务时长计算,并根据任务时长计算结果生成车辆定损任务与任务执行机器的第一任务关联,为任务分配提供参考依据;依据顺序标识和第一任务关联将车辆定损任务顺序任务分配至任务执行机器;依据任务时长计算结果基于任务分配结果进行同级任务时长比对,生成同级时长比例因子;通过同级时长比例因子进行全部任务执行机器的总执行时长评价,根据评价结果生成同级调控信息;基于同级调控信息对任务分配结果调整,以完成车辆定损任务的车辆定损识别,依据任务时长计算结果和实时任务执行情况,实现车辆定损任务的自动化分配与动态调整,直至所有任务完成匹配识别,实现车辆定损任务自动化和精准化匹配,达到提高车辆定损匹配识别效率和定损精度的技术效果。
实施例二
基于与前述实施例中一种可视化模式的车辆定损匹配识别方法相同的发明构思,如图4所示,本申请实施例提供了一种可视化模式的车辆定损匹配识别***,该***包括:
执行时长标识模块11,用于交互规则数据库,并对所述规则数据库进行执行时长标识,其中,每个规则的执行时长标识为M个,与M个机器具有映射关系,M为大于等于1的正整数;
定损平台搭建模块12,用于依据所述规则数据库搭建车辆定损可视化平台;
定损任务调用模块13,用于配置任务执行机器,并调用车辆定损任务,其中,所述车辆定损任务带有任务发起的顺序标识;
数据初始配置模块14,用于将所述车辆定损任务发送至所述车辆定损可视化平台,基于所述任务执行机器对所述规则数据库初始化配置;
任务关联执行模块15,用于通过初始化配置后的所述规则数据库对所述车辆定损任务进行任务时长计算,并根据任务时长计算结果生成所述车辆定损任务与所述任务执行机器的第一任务关联;
定损任务分配模块16,用于依据所述顺序标识和所述第一任务关联将所述车辆定损任务顺序任务分配至所述任务执行机器;
比例因子生成模块17,用于依据所述任务时长计算结果基于任务分配结果进行同级任务时长比对,生成同级时长比例因子;
执行时长评价模块18,用于通过所述同级时长比例因子进行全部任务执行机器的总执行时长评价,根据评价结果生成同级调控信息;
分配结果调整模块19,基于同级调控信息对所述任务分配结果调整,以完成所述车辆定损任务的车辆定损识别。
进一步的,执行时长评价模块18模块包括以下执行步骤:
设置任务关联阈值;
判断所述第一任务关联是否满足所述任务关联阈值;
当所述第一任务关联满足所述任务关联阈值时,则构建任务强关联集合;
依据所述任务强关联集合对同级调控约束,获得所述同级调控信息。
进一步的,定损任务分配模块16包括以下执行步骤:
对齐所述任务执行机器的任务开始执行节点,并生成所述任务执行机器的机器编号;
根据所述顺序标识将所述车辆定损任务依次分配至所述任务执行机器,获得初始任务分布结果;
依据所述第一任务关联对所述初始任务分布结果进行同级任务调整,根据同级任务调整结果完成所述车辆定损任务的顺序分配。
进一步的,分配结果调整模块19包括以下执行步骤:
获得所述任务分配结果的调整结果;
对所述调整结果进行任务的执行时长均衡评价,定位异常任务执行机器;
对所述异常任务执行机器生成相邻级调控指令;
依据所述相邻级调控指令对所述异常任务执行机器进行相邻级任务调整,根据相邻级任务调整结果完成所述车辆定损任务的车辆定损识别。
进一步的,分配结果调整模块19还包括以下执行步骤:
配置任务的开始时长约束;
当生成所述相邻级调控指令时,通过所述开始时长约束对所述异常任务执行机器的相邻级任务可调整标识;
根据可调整标识结果获得所述相邻级任务调整结果。
进一步的,定损任务分配模块16还包括以下执行步骤:
交互获得所述车辆定损任务的任务质量等级;
通过初始化配置后的所述规则数据库对所述车辆定损任务进行任务执行质量评价,根据评价结果和所述任务质量等级生成第二任务关联;
依据所述顺序标识、所述第一任务关联和所述第二任务关联重新将所述车辆定损任务顺序任务分配至所述任务执行机器。
进一步的,本申请实施例还包括任务分配约束模块,该任务分配约束模块包括以下执行步骤:
记录所述车辆定损任务的任务执行结果;
基于所述任务执行结果进行任务与所述任务执行机器的异常适配标识;
根据所述异常适配标识进行后续任务分配的分配约束。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上所述的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种可视化模式的车辆定损匹配识别方法,其特征在于,所述方法包括:
交互规则数据库,并对所述规则数据库进行执行时长标识,其中,每个规则的执行时长标识为M个,与M个机器具有映射关系,M为大于等于1的正整数;
依据所述规则数据库搭建车辆定损可视化平台;
配置任务执行机器,并调用车辆定损任务,其中,所述车辆定损任务带有任务发起的顺序标识;
将所述车辆定损任务发送至所述车辆定损可视化平台,基于所述任务执行机器对所述规则数据库初始化配置;
通过初始化配置后的所述规则数据库对所述车辆定损任务进行任务时长计算,并根据任务时长计算结果生成所述车辆定损任务与所述任务执行机器的第一任务关联;
依据所述顺序标识和所述第一任务关联将所述车辆定损任务顺序任务分配至所述任务执行机器;
依据所述任务时长计算结果基于任务分配结果进行同级任务时长比对,生成同级时长比例因子;
通过所述同级时长比例因子进行全部任务执行机器的总执行时长评价,根据评价结果生成同级调控信息;
基于同级调控信息对所述任务分配结果调整,以完成所述车辆定损任务的车辆定损识别。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
设置任务关联阈值;
判断所述第一任务关联是否满足所述任务关联阈值;
当所述第一任务关联满足所述任务关联阈值时,则构建任务强关联集合;
依据所述任务强关联集合对同级调控约束,获得所述同级调控信息。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
对齐所述任务执行机器的任务开始执行节点,并生成所述任务执行机器的机器编号;
根据所述顺序标识将所述车辆定损任务依次分配至所述任务执行机器,获得初始任务分布结果;
依据所述第一任务关联对所述初始任务分布结果进行同级任务调整,根据同级任务调整结果完成所述车辆定损任务的顺序分配。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得所述任务分配结果的调整结果;
对所述调整结果进行任务的执行时长均衡评价,定位异常任务执行机器;
对所述异常任务执行机器生成相邻级调控指令;
依据所述相邻级调控指令对所述异常任务执行机器进行相邻级任务调整,根据相邻级任务调整结果完成所述车辆定损任务的车辆定损识别。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
配置任务的开始时长约束;
当生成所述相邻级调控指令时,通过所述开始时长约束对所述异常任务执行机器的相邻级任务可调整标识;
根据可调整标识结果获得所述相邻级任务调整结果。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
交互获得所述车辆定损任务的任务质量等级;
通过初始化配置后的所述规则数据库对所述车辆定损任务进行任务执行质量评价,根据评价结果和所述任务质量等级生成第二任务关联;
依据所述顺序标识、所述第一任务关联和所述第二任务关联重新将所述车辆定损任务顺序任务分配至所述任务执行机器。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
记录所述车辆定损任务的任务执行结果;
基于所述任务执行结果进行任务与所述任务执行机器的异常适配标识;
根据所述异常适配标识进行后续任务分配的分配约束。
8.一种可视化模式的车辆定损匹配识别***,其特征在于,用于实施权利要求1-7任意一项所述的一种可视化模式的车辆定损匹配识别方法,所述***包括:
执行时长标识模块,所述执行时长标识模块用于交互规则数据库,并对所述规则数据库进行执行时长标识,其中,每个规则的执行时长标识为M个,与M个机器具有映射关系,M为大于等于1的正整数;
定损平台搭建模块,所述定损平台搭建模块用于依据所述规则数据库搭建车辆定损可视化平台;
定损任务调用模块,所述定损任务调用模块用于配置任务执行机器,并调用车辆定损任务,其中,所述车辆定损任务带有任务发起的顺序标识;
数据初始配置模块,所述数据初始配置模块用于将所述车辆定损任务发送至所述车辆定损可视化平台,基于所述任务执行机器对所述规则数据库初始化配置;
任务关联执行模块,所述任务关联执行模块用于通过初始化配置后的所述规则数据库对所述车辆定损任务进行任务时长计算,并根据任务时长计算结果生成所述车辆定损任务与所述任务执行机器的第一任务关联;
定损任务分配模块,所述定损任务分配模块用于依据所述顺序标识和所述第一任务关联将所述车辆定损任务顺序任务分配至所述任务执行机器;
比例因子生成模块,所述比例因子生成模块用于依据所述任务时长计算结果基于任务分配结果进行同级任务时长比对,生成同级时长比例因子;
执行时长评价模块,所述执行时长评价模块用于通过所述同级时长比例因子进行全部任务执行机器的总执行时长评价,根据评价结果生成同级调控信息;
分配结果调整模块,所述分配结果调整模块基于同级调控信息对所述任务分配结果调整,以完成所述车辆定损任务的车辆定损识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310864297.5A CN116579592B (zh) | 2023-07-14 | 2023-07-14 | 一种可视化模式的车辆定损匹配识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310864297.5A CN116579592B (zh) | 2023-07-14 | 2023-07-14 | 一种可视化模式的车辆定损匹配识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116579592A true CN116579592A (zh) | 2023-08-11 |
CN116579592B CN116579592B (zh) | 2023-09-08 |
Family
ID=87541770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310864297.5A Active CN116579592B (zh) | 2023-07-14 | 2023-07-14 | 一种可视化模式的车辆定损匹配识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116579592B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021004205A1 (zh) * | 2019-07-11 | 2021-01-14 | 深圳壹账通智能科技有限公司 | 一种车辆部件的定损方法、装置、计算机设备及存储介质 |
CN112990158A (zh) * | 2021-05-14 | 2021-06-18 | 太平金融科技服务(上海)有限公司深圳分公司 | 车险数据处理方法、装置、计算机设备和存储介质 |
CN114022292A (zh) * | 2021-10-28 | 2022-02-08 | 中国平安财产保险股份有限公司 | 基于人工智能的定损规则筛选方法、装置、设备及介质 |
CN114638514A (zh) * | 2022-03-22 | 2022-06-17 | 深圳壹账通智能科技有限公司 | 一种车险作业的监控方法、装置、设备及介质 |
CN114971922A (zh) * | 2022-05-26 | 2022-08-30 | 中国平安财产保险股份有限公司 | 车辆勘察的定损方法、装置、设备及存储介质 |
-
2023
- 2023-07-14 CN CN202310864297.5A patent/CN116579592B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021004205A1 (zh) * | 2019-07-11 | 2021-01-14 | 深圳壹账通智能科技有限公司 | 一种车辆部件的定损方法、装置、计算机设备及存储介质 |
CN112990158A (zh) * | 2021-05-14 | 2021-06-18 | 太平金融科技服务(上海)有限公司深圳分公司 | 车险数据处理方法、装置、计算机设备和存储介质 |
CN114022292A (zh) * | 2021-10-28 | 2022-02-08 | 中国平安财产保险股份有限公司 | 基于人工智能的定损规则筛选方法、装置、设备及介质 |
CN114638514A (zh) * | 2022-03-22 | 2022-06-17 | 深圳壹账通智能科技有限公司 | 一种车险作业的监控方法、装置、设备及介质 |
CN114971922A (zh) * | 2022-05-26 | 2022-08-30 | 中国平安财产保险股份有限公司 | 车辆勘察的定损方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116579592B (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111427681A (zh) | 边缘计算中基于资源监控的实时任务匹配调度***和方法 | |
CN108632365B (zh) | 服务资源调整方法、相关装置和设备 | |
CN109165093B (zh) | 一种计算节点集群弹性分配***及方法 | |
EP3518107B1 (en) | Resource allocation method, related device and system | |
CN112015549B (zh) | 一种基于服务器集群的调度节点的选择抢占方法及*** | |
CN112286659A (zh) | 云计算任务跟踪处理方法及云计算*** | |
CN117294727A (zh) | 一种基于云原生和容器技术的云边端协同管理方法 | |
CN116579592B (zh) | 一种可视化模式的车辆定损匹配识别方法 | |
CN116244086B (zh) | 一种基于多芯片云架构的资源管理优化方法及*** | |
CN117036570B (zh) | 一种3d点云模型贴图的自动生成方法及*** | |
CN112163734A (zh) | 基于云平台整定计算资源动态调度方法及装置 | |
CN113672382B (zh) | 一种业务资源分配方法、装置、电子设备和存储介质 | |
CN116521335A (zh) | 一种倾斜影像模型生产的分布式任务调度方法及*** | |
CN115952098A (zh) | 一种性能测试调优方案推荐方法及*** | |
KR101951527B1 (ko) | 메모리 캐시 자동 관리를 위한 대용량 데이터 실시간 처리 시스템 | |
CN112613626B (zh) | 备调***运行状态的监测方法、装置和计算机设备 | |
CN114610234A (zh) | 一种存储***参数推荐方法及相关装置 | |
CN113301583B (zh) | 网络切片的重映射方法、装置以及存储介质 | |
CN113886086A (zh) | 云平台计算资源分配方法、***、终端及存储介质 | |
CN114880406A (zh) | 一种数据管理方法及装置 | |
CN114168439A (zh) | 一种集群内服务的压测控制方法、装置、存储介质及终端 | |
KR20210093618A (ko) | 학습 모델에 기초하여 응답을 도출하는 장치, 방법 및 컴퓨터 프로그램 | |
CN117938864B (zh) | 基于机器学习的节点负载匹配方法及*** | |
CN111459651A (zh) | 一种负载均衡方法、装置、存储介质及调度*** | |
CN114884969B (zh) | 集群实例的数量调控方法、装置、终端及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |