JP2021509978A - 運転行為評価方法、装置及びコンピュータが読み取り可能な記憶媒体 - Google Patents
運転行為評価方法、装置及びコンピュータが読み取り可能な記憶媒体 Download PDFInfo
- Publication number
- JP2021509978A JP2021509978A JP2019554753A JP2019554753A JP2021509978A JP 2021509978 A JP2021509978 A JP 2021509978A JP 2019554753 A JP2019554753 A JP 2019554753A JP 2019554753 A JP2019554753 A JP 2019554753A JP 2021509978 A JP2021509978 A JP 2021509978A
- Authority
- JP
- Japan
- Prior art keywords
- sample
- driving
- data
- staircase
- evaluation
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 197
- 238000009825 accumulation Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims description 32
- 238000013210 evaluation model Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005315 distribution function Methods 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 132
- 238000012545 processing Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000013450 outlier detection Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 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
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (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)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
Description
サンプル運転手のサンプル運転データ及びサンプル保険契約データを含むサンプルデータを蓄積すること、
前記サンプル運転データ及びサンプル保険契約データの蓄積量に基づいて、前記サンプルデータの現在蓄積階段を確定すること、
前記現在蓄積階段に対応する運転評価方法を使用し、蓄積されたサンプルデータを利用して現在運転手の運転行為を評価すること、を含む運転行為評価方法を提供する。
前記第一の階段に対応する運転評価方法を使用し、蓄積されたサンプルデータにおけるサンプル運転データを利用して前記現在運転手の運転行為を評価する。
前記第二の階段に対応する運転評価方法を使用し、蓄積されたサンプルデータにおけるサンプル運転データ及びサンプル保険契約データを利用して前記現在運転手の運転行為を評価する。
前記現在蓄積階段が前記第三の階段である時、前記現在運転手の運転行為を評価することは、
前記現在運転手の運転データを取得し、前記現在運転手の運転特徴を抽出すること、
予設の評価標準に基づいて、前記現在運転手の運転特徴の評価を前記現在運転手の運転行為評価として取得すること、を含む。
前記現在蓄積階段が前記第四の階段である時、前記現在運転手の運転行為を評価することは、
前記サンプル運転手のサンプル運転データから、前記サンプル運転手のサンプル運転特徴を抽出すること、
前記サンプル運転手のサンプル運転特徴に基づいて、前記サンプル運転特徴の分布パラメータを計算すること、
前記現在運転手の運転データを取得し、前記現在運転手の運転特徴を抽出すること、
前記サンプル運転特徴の分布パラメータに基づいて、前記現在運転手の運転特徴の累積分布関数を前記現在運転手の運転行為評価として計算すること、を含む。
前記現在蓄積階段が前記第五の階段である時、前記現在運転手の運転行為を評価することは、
前記サンプル保険契約データに基づいて、該サンプル保険契約データに対応する複数のサンプル運転手の運転評価を取得すること、
前記複数のサンプル運転手の運転データをクラスタリング分析し、複数のクラスターの中心を取得し、クラスター毎を一つのリスクレベルクラスターとし、前記複数のサンプル運転手の運転評価に基づいて、各リスクレベルクラスターの運転評価を計算すること、
前記現在運転手の運転データを取得し、前記現在運転手の運転データと前記複数のクラスターの中心との類似度距離を計算すること、
前記類似度距離の計算結果に基づいて、前記現在運転手に対応するリスクレベルクラスターを確定し、確定された前記リスクレベルクラスターの運転評価を前記現在運転手の運転評価とすること、を含む。
前記現在蓄積階段が前記第六の階段である時、前記現在運転手の運転行為を評価することは、
前記サンプル保険契約データに基づいて、該サンプル保険契約データに対応する複数のサンプル運転手の運転評価を取得すること、
前記サンプル運転データから、前記複数のサンプル運転手のサンプル運転特徴を抽出すること、
前記複数のサンプル運転手のサンプル運転特徴及び対応する運転評価に基づいて、運転行為評価モデルを建てること、
前記運転行為評価モデルを使用して前記現在運転手の運転行為を評価すること、を含む。
各前記複数のサンプル運転手のサンプル保険契約データに対して、
前記サンプル保険契約データから、保険金請求数値を取得すること、
予設のマッピング関係表に基づいて、前記保険金請求数値とマッピング関係がある運転評価を、前記サンプル運転手の運転評価として確定すること、を実行する。
サンプル運転手のサンプル運転データ及びサンプル保険契約データを含むサンプルデータを蓄積するように配置された蓄積モジュールと、
前記サンプル運転データ及びサンプル保険契約データの蓄積量に基づいて、前記サンプルデータの現在蓄積階段を確定するように配置された確定モジュールと、
前記現在蓄積階段に対応する運転評価方法を使用し、蓄積されたサンプルデータを利用して現在運転手の運転行為を評価するように配置された評価モジュールと、を含む運転行為評価装置を提供する。
前記第一の階段に対応する運転評価方法を使用し、蓄積されたサンプルデータにおけるサンプル運転データを利用して前記現在運転手の運転行為を評価する。
前記第二の階段に対応する運転評価方法を使用し、蓄積されたサンプルデータにおけるサンプル運転データ及びサンプル保険契約データを利用して前記現在運転手の運転行為を評価する。
前記現在蓄積階段が前記第三の階段である時、前記評価モジュールは、
前記現在運転手の運転データを取得し、前記現在運転手の運転特徴を抽出し、
予設の評価標準に基づいて、前記現在運転手の運転特徴の評価を前記現在運転手の運転行為評価として取得するように配置されている。
前記現在蓄積階段が前記第四の階段である時、前記評価モジュールは、
前記サンプル運転手のサンプル運転データから、前記サンプル運転手のサンプル運転特徴を抽出し、
前記サンプル運転手のサンプル運転特徴に基づいて、前記サンプル運転特徴の分布パラメータを計算し、
前記現在運転手の運転データを取得し、前記現在運転手の運転特徴を抽出し、
前記サンプル運転特徴の分布パラメータに基づいて、前記現在運転手の運転特徴の累積分布関数を前記現在運転手の運転行為評価として計算するように配置されている。
前記現在蓄積階段が前記第五の階段である時、前記評価モジュールは、
前記サンプル保険契約データに基づいて、該サンプル保険契約データに対応する複数のサンプル運転手の運転評価を取得し、
前記複数のサンプル運転手の運転データをクラスタリング分析し、複数のクラスターの中心を取得し、クラスター毎を一つのリスクレベルクラスターとし、前記複数のサンプル運転手の運転評価に基づいて、各リスクレベルクラスターの運転評価を計算し、
前記現在運転手の運転データを取得し、前記現在運転手の運転データと前記複数のクラスターの中心との類似度距離を計算し、
前記類似度距離の計算結果に基づいて、前記現在運転手に対応するリスクレベルクラスターを確定し、確定された前記リスクレベルクラスターの運転評価を前記現在運転手の運転評価とするように配置されている。
前記現在蓄積階段が前記第六の階段である時、前記評価モジュールは、
前記サンプル保険契約データに基づいて、該サンプル保険契約データに対応する複数のサンプル運転手の運転評価を取得し、
前記サンプル運転データから、前記複数のサンプル運転手のサンプル運転特徴を抽出し、
前記複数のサンプル運転手のサンプル運転特徴及び対応する運転評価に基づいて、運転行為評価モデルを建て、
前記運転行為評価モデルを使用して前記現在運転手の運転行為を評価するように配置されている。
各前記複数のサンプル運転手のサンプル保険契約データに対して、
前記サンプル保険契約データから、保険金請求数値を取得すること、
予設のマッピング関係表に基づいて、前記保険金請求数値とマッピング関係がある運転評価を、前記サンプル運転手の運転評価として確定すること、を実行する。
一つ又は複数のプロセッサと、
一つ又は複数のプログラムを記憶するための記憶装置と、を含み、
前記一つ又は複数のプログラムが前記一つ又は複数のプロセッサによって実行される時、前記一つ又は複数のプロセッサに第一の技術案に記載された運転行為評価方法を実現させる運転行為評価装置を提供する。
速度オーバーの回数のスコア=100−速度オーバーの回数*10/運転走程であることができ、下界が0であり、平均的にキロメートル毎に速度オーバーが1回であると10分を差し引くことを表し、平均的にキロメートル毎に速度オーバーの回数>=10であると、該運転特徴スコアが0である。
(外2)
を得る。
図7に示すように、計算設備700は、一つ又は複数のインターフェースに介してバス702と接続する又は通信する一つ又は複数の部品を含むことができる。バス702は、業界標準アーキテクチャ(Industry Standard Architecture,ISA)バス、マイクロチャネルアーキテクチャ(Micro Channel Architecture,MCA)バス、強化ISA(EISA)バス、ビデオエレクトロニクス標準化協会(VESA)ローカルバス、及び周辺機器の相互接続(PCI)バス等を含むことができるが、これに限定されない。計算設備700は、例えば一つ又は複数のプロセッサ704、一つ又は複数の入力設備706、及び一つ又は複数の出力設備708を含むことができる。一つ又は複数のプロセッサ704は、いずれかの種類のプロセッサであることができ、且つ一つ又は複数の通用プロセッサ又は専用プロセッサ(例えば専用処理チップ)を含むことができるが、これに限定されない。プロセッサ704は、例えば図6中の処理回路60に対応することができ、本開示の証明書と持証者とを検査する装置の各モジュールの機能を実現するように配置される。入力設備706は、計算設備へ情報を入力することができるいずれかのタイプの入力設備であることができ、且つマウス、キーボード、タッチスクリーン、マイク及び/又は遠隔コントローラを含むことができるが、これに限定されない。出力設備708は、情報を表すことができるいずれかのタイプの設備であることができ、且つディスプレイ、スピーカー、ビデオ/オーディオ出力端末、バイブレーター及び/又はプリンターを含むことができるが、これに限定されない。
一つ又は複数のプロセッサと、
一つ又は複数のプログラムを記憶するための記憶装置と、を含み、
前記一つ又は複数のプログラムが前記一つ又は複数のプロセッサによって実行される時、前記一つ又は複数のプロセッサに上記のような実施例に記載された運転行為評価方法を実現させる運転行為評価装置を更に提供する。
Claims (18)
- 運転行為評価方法であって、
サンプル運転手のサンプル運転データ及びサンプル保険契約データを含むサンプルデータを蓄積すること、
前記サンプル運転データ及びサンプル保険契約データの蓄積量に基づいて、前記サンプルデータの現在蓄積階段を確定すること、
前記現在蓄積階段に対応する運転評価方法を使用し、蓄積されたサンプルデータを利用して現在運転手の運転行為を評価すること、を含むことを特徴とする運転行為評価方法。 - 前記サンプル保険契約データの蓄積量が第一の閾値より低い時、前記サンプルデータの現在蓄積階段を第一の階段と確定し、
前記第一の階段に対応する運転評価方法を使用し、蓄積されたサンプルデータにおけるサンプル運転データを利用して前記現在運転手の運転行為を評価する
ことを特徴とする請求項1に記載された方法。 - 前記サンプル保険契約データの蓄積量が第一の閾値以上である時、前記サンプルデータの現在蓄積階段を第二の階段と確定し、
前記第二の階段に対応する運転評価方法を使用し、蓄積されたサンプルデータにおけるサンプル運転データ及びサンプル保険契約データを利用して前記現在運転手の運転行為を評価する
ことを特徴とする請求項1に記載された方法。 - 前記第一の階段は、前記サンプル保険契約データの蓄積量が前記第一の閾値より低く且つ前記サンプル運転データの蓄積量が第二の閾値より低い第三の階段を含み、
前記現在蓄積階段が前記第三の階段である時、前記現在運転手の運転行為を評価することは、
前記現在運転手の運転データを取得し、前記現在運転手の運転特徴を抽出すること、
予設の評価標準に基づいて、前記現在運転手の運転特徴の評価を前記現在運転手の運転行為評価として取得すること、を含む
ことを特徴とする請求項2に記載された方法。 - 前記第一の階段は、前記サンプル保険契約データの蓄積量が前記第一の閾値より低く且つ前記サンプル運転データの蓄積量が第二の閾値以上である第四の階段を含み、
前記現在蓄積階段が前記第四の階段である時、前記現在運転手の運転行為を評価することは、
前記サンプル運転手のサンプル運転データから、前記サンプル運転手のサンプル運転特徴を抽出すること、
前記サンプル運転手のサンプル運転特徴に基づいて、前記サンプル運転特徴の分布パラメータを計算すること、
前記現在運転手の運転データを取得し、前記現在運転手の運転特徴を抽出すること、
前記サンプル運転特徴の分布パラメータに基づいて、前記現在運転手の運転特徴の累積分布関数を前記現在運転手の運転行為評価として計算すること、を含む
ことを特徴とする請求項2に記載された方法。 - 前記第二の階段は、前記サンプル保険契約データの蓄積量が前記第一の閾値以上であり、且つ前記サンプル保険契約データの蓄積量が前記サンプル運転データの蓄積量より低い第五の階段を含み、
前記現在蓄積階段が前記第五の階段である時、前記現在運転手の運転行為を評価することは、
前記サンプル保険契約データに基づいて、該サンプル保険契約データに対応する複数のサンプル運転手の運転評価を取得すること、
前記複数のサンプル運転手の運転データをクラスタリング分析し、複数のクラスターの中心を取得し、クラスター毎を一つのリスクレベルクラスターとし、前記複数のサンプル運転手の運転評価に基づいて、各リスクレベルクラスターの運転評価を計算すること、
前記現在運転手の運転データを取得し、前記現在運転手の運転データと前記複数のクラスターの中心との類似度距離を計算すること、
前記類似度距離の計算結果に基づいて、前記現在運転手に対応するリスクレベルクラスターを確定し、確定された前記リスクレベルクラスターの運転評価を前記現在運転手の運転評価とすること、を含む
ことを特徴とする請求項3に記載された方法。 - 前記第二の階段は、前記サンプル保険契約データの蓄積量が前記第一の閾値以上であり、且つ前記サンプル保険契約データの蓄積量が前記サンプル運転データの蓄積量と等しい第六の階段を含み、
前記現在蓄積階段が前記第六の階段である時、前記現在運転手の運転行為を評価することは、
前記サンプル保険契約データに基づいて、該サンプル保険契約データに対応する複数のサンプル運転手の運転評価を取得すること、
前記サンプル運転データから、前記複数のサンプル運転手のサンプル運転特徴を抽出すること、
前記複数のサンプル運転手のサンプル運転特徴及び対応する運転評価に基づいて、運転行為評価モデルを建てること、
前記運転行為評価モデルを使用して前記現在運転手の運転行為を評価すること、を含む
ことを特徴とする請求項3に記載された方法。 - 前記の前記サンプル保険契約データに基づいて、該契約データに対応する複数のサンプル運転手の運転評価を取得することは、
各前記複数のサンプル運転手のサンプル保険契約データに対して、
前記サンプル保険契約データから、保険金請求数値を取得すること、
予設のマッピング関係表に基づいて、前記保険金請求数値とマッピング関係がある運転評価を、前記サンプル運転手の運転評価として確定すること、を実行する
ことを特徴とする請求項6又は7に記載された方法。 - 運転行為評価装置であって、
サンプル運転手のサンプル運転データ及びサンプル保険契約データを含むサンプルデータを蓄積するように配置された蓄積モジュールと、
前記サンプル運転データ及びサンプル保険契約データの蓄積量に基づいて、前記サンプルデータの現在蓄積階段を確定するように配置された確定モジュールと、
前記現在蓄積階段に対応する運転評価方法を使用し、蓄積されたサンプルデータを利用して現在運転手の運転行為を評価するように配置された評価モジュールと、を含むことを特徴とする運転行為評価装置。 - 前記サンプル保険契約データの蓄積量が第一の閾値より低い時、前記サンプルデータの現在蓄積階段を第一の階段と確定し、
前記第一の階段に対応する運転評価方法を使用し、蓄積されたサンプルデータにおけるサンプル運転データを利用して前記現在運転手の運転行為を評価する
ことを特徴とする請求項9に記載された装置。 - 前記サンプル保険契約データの蓄積量が第一の閾値以上である時、前記サンプルデータの現在蓄積階段を第二の階段と確定し、
前記第二の階段に対応する運転評価方法を使用し、蓄積されたサンプルデータにおけるサンプル運転データ及びサンプル保険契約データを利用して前記現在運転手の運転行為を評価する
ことを特徴とする請求項9に記載された装置。 - 前記第一の階段は、前記サンプル保険契約データの蓄積量が前記第一の閾値より低く且つ前記サンプル運転データの蓄積量が第二の閾値より低い第三の階段を含み、
前記現在蓄積階段が前記第三の階段である時、前記評価モジュールは、
前記現在運転手の運転データを取得し、前記現在運転手の運転特徴を抽出し、
予設の評価標準に基づいて、前記現在運転手の運転特徴の評価を前記現在運転手の運転行為評価として取得するように配置されている
ことを特徴とする請求項10に記載された装置。 - 前記第一の階段は、前記サンプル保険契約データの蓄積量が前記第一の閾値より低く且つ前記サンプル運転データの蓄積量が第二の閾値以上である第四の階段を含み、
前記現在蓄積階段が前記第四の階段である時、前記評価モジュールは、
前記サンプル運転手のサンプル運転データから、前記サンプル運転手のサンプル運転特徴を抽出し、
前記サンプル運転手のサンプル運転特徴に基づいて、前記サンプル運転特徴の分布パラメータを計算し、
前記現在運転手の運転データを取得し、前記現在運転手の運転特徴を抽出し、
前記サンプル運転特徴の分布パラメータに基づいて、前記現在運転手の運転特徴の累積分布関数を前記現在運転手の運転行為評価として計算するように配置されている
ことを特徴とする請求項10に記載された装置。 - 前記第二の階段は、前記サンプル保険契約データの蓄積量が前記第一の閾値以上であり、且つ前記サンプル保険契約データの蓄積量が前記サンプル運転データの蓄積量より低い第五の階段を含み、
前記現在蓄積階段が前記第五の階段である時、前記評価モジュールは、
前記サンプル保険契約データに基づいて、該サンプル保険契約データに対応する複数のサンプル運転手の運転評価を取得し、
前記複数のサンプル運転手の運転データをクラスタリング分析し、複数のクラスターの中心を取得し、クラスター毎を一つのリスクレベルクラスターとし、前記複数のサンプル運転手の運転評価に基づいて、各リスクレベルクラスターの運転評価を計算し、
前記現在運転手の運転データを取得し、前記現在運転手の運転データと前記複数のクラスターの中心との類似度距離を計算し、
前記類似度距離の計算結果に基づいて、前記現在運転手に対応するリスクレベルクラスターを確定し、確定された前記リスクレベルクラスターの運転評価を前記現在運転手の運転評価とするように配置されている
ことを特徴とする請求項11に記載された装置。 - 前記第二の階段は、前記サンプル保険契約データの蓄積量が前記第一の閾値以上であり、且つ前記サンプル保険契約データの蓄積量が前記サンプル運転データの蓄積量と等しい第六の階段を含み、
前記現在蓄積階段が前記第六の階段である時、前記評価モジュールは、
前記サンプル保険契約データに基づいて、該サンプル保険契約データに対応する複数のサンプル運転手の運転評価を取得し、
前記サンプル運転データから、前記複数のサンプル運転手のサンプル運転特徴を抽出し、
前記複数のサンプル運転手のサンプル運転特徴及び対応する運転評価に基づいて、運転行為評価モデルを建て、
前記運転行為評価モデルを使用して前記現在運転手の運転行為を評価するように配置されている
ことを特徴とする請求項11に記載された装置。 - 前記の前記サンプル保険契約データに基づいて、該契約データに対応する複数のサンプル運転手の運転評価を取得することは、
各前記複数のサンプル運転手のサンプル保険契約データに対して、
前記サンプル保険契約データから、保険金請求数値を取得すること、
予設のマッピング関係表に基づいて、前記保険金請求数値とマッピング関係がある運転評価を、前記サンプル運転手の運転評価として確定すること、を実行する
ことを特徴とする請求項14又は15に記載された装置。 - 運転行為評価装置であって、
一つ又は複数のプロセッサと、
一つ又は複数のプログラムを記憶するための記憶装置と、を含み、
前記一つ又は複数のプログラムが前記一つ又は複数のプロセッサによって実行される時、前記一つ又は複数のプロセッサが請求項1〜8のいずれかに記載された運転行為評価方法を実現することを特徴とする運転行為評価装置。 - コンピュータプログラムを記憶しているコンピュータが読み取り可能な記憶媒体であって、
前記プログラムがプロセッサによって実行される時、請求項1〜8のいずれかに記載された運転行為評価方法を実現することを特徴とするコンピュータが読み取り可能な記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811433626.6 | 2018-11-28 | ||
CN201811433626.6A CN109670970B (zh) | 2018-11-28 | 2018-11-28 | 一种驾驶行为评分方法、装置及计算机可读存储介质 |
PCT/CN2019/095164 WO2020107894A1 (zh) | 2018-11-28 | 2019-07-09 | 一种驾驶行为评分方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021509978A true JP2021509978A (ja) | 2021-04-08 |
JP6918137B2 JP6918137B2 (ja) | 2021-08-11 |
Family
ID=66143248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019554753A Active JP6918137B2 (ja) | 2018-11-28 | 2019-07-09 | 運転行為評価方法、装置及びコンピュータが読み取り可能な記憶媒体 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP6918137B2 (ja) |
CN (1) | CN109670970B (ja) |
SG (1) | SG11202005593WA (ja) |
WO (1) | WO2020107894A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670970B (zh) * | 2018-11-28 | 2020-12-22 | 众安信息技术服务有限公司 | 一种驾驶行为评分方法、装置及计算机可读存储介质 |
CN112749721A (zh) * | 2019-10-31 | 2021-05-04 | 彩虹无线(北京)新技术有限公司 | 驾驶风险评价模型训练方法及装置 |
CN112937591B (zh) * | 2019-12-11 | 2023-04-07 | 彩虹无线(北京)新技术有限公司 | 驾驶安全监测方法、装置、设备及计算机可读存储介质 |
CN113119981B (zh) * | 2021-04-09 | 2022-06-17 | 东风汽车集团股份有限公司 | 车辆主动安全控制方法、***及存储介质 |
CN113298361A (zh) * | 2021-05-06 | 2021-08-24 | 深圳市锐明技术股份有限公司 | 一种危险驾驶行为的评价方法、装置、电子设备及*** |
CN113635915B (zh) * | 2021-08-24 | 2023-01-06 | 中国人民解放军陆军装甲兵学院 | 车辆驾驶预警方法、装置、电子设备和存储介质 |
CN114407904A (zh) * | 2022-02-11 | 2022-04-29 | 西北工业大学 | 驾驶员侵略性驾驶行为监测方法、装置及*** |
CN115953858A (zh) * | 2022-11-29 | 2023-04-11 | 摩尔线程智能科技(北京)有限责任公司 | 一种基于车载dms的驾驶评分方法、装置及电子设备 |
CN116821805A (zh) * | 2023-06-28 | 2023-09-29 | 运脉云技术有限公司 | 一种驾驶行为监控的车务平台***及驾驶行为监控方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012079325A (ja) * | 2011-11-16 | 2012-04-19 | Nissan Motor Co Ltd | 車両用運転支援装置および車両用運転支援方法 |
WO2018116862A1 (ja) * | 2016-12-22 | 2018-06-28 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127586A (zh) * | 2016-06-17 | 2016-11-16 | 上海经达信息科技股份有限公司 | 大数据时代下车险费率辅助决策*** |
CN107784587B (zh) * | 2016-08-25 | 2021-09-14 | 大连楼兰科技股份有限公司 | 一种驾驶行为评价*** |
CN107784251A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 基于图像识别技术对驾驶行为评价的方法 |
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 |
CN107038860B (zh) * | 2016-11-18 | 2019-07-23 | 杭州好好开车科技有限公司 | 一种基于adas技术及回归模型的用户驾驶行为评分方法 |
CN106651133B (zh) * | 2016-11-18 | 2020-07-10 | 杭州好好开车科技有限公司 | 一种使用手机实现基于adas的用户驾驶行为评分方法 |
CN106815312A (zh) * | 2016-12-21 | 2017-06-09 | 东软集团股份有限公司 | 一种驾驶员评价方法及装置 |
WO2018180347A1 (ja) * | 2017-03-29 | 2018-10-04 | ソニー株式会社 | 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム |
CN107203943A (zh) * | 2017-04-06 | 2017-09-26 | 北京保程保险公估有限公司 | 机动车商业保险定价*** |
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 |
CN108492053A (zh) * | 2018-04-11 | 2018-09-04 | 北京汽车研究总院有限公司 | 驾驶员风险评估模型训练、风险评估方法和装置 |
CN109670970B (zh) * | 2018-11-28 | 2020-12-22 | 众安信息技术服务有限公司 | 一种驾驶行为评分方法、装置及计算机可读存储介质 |
-
2018
- 2018-11-28 CN CN201811433626.6A patent/CN109670970B/zh active Active
-
2019
- 2019-07-09 JP JP2019554753A patent/JP6918137B2/ja active Active
- 2019-07-09 SG SG11202005593WA patent/SG11202005593WA/en unknown
- 2019-07-09 WO PCT/CN2019/095164 patent/WO2020107894A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012079325A (ja) * | 2011-11-16 | 2012-04-19 | Nissan Motor Co Ltd | 車両用運転支援装置および車両用運転支援方法 |
WO2018116862A1 (ja) * | 2016-12-22 | 2018-06-28 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
Also Published As
Publication number | Publication date |
---|---|
SG11202005593WA (en) | 2020-07-29 |
WO2020107894A1 (zh) | 2020-06-04 |
CN109670970A (zh) | 2019-04-23 |
JP6918137B2 (ja) | 2021-08-11 |
CN109670970B (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6918137B2 (ja) | 運転行為評価方法、装置及びコンピュータが読み取り可能な記憶媒体 | |
US11842404B2 (en) | Enhancement using analytics based on vehicle kinematic data | |
WO2021135653A1 (zh) | 一种识别车辆的异常停留的方法和*** | |
Papadimitriou et al. | Analysis of driver behaviour through smartphone data: The case of mobile phone use while driving | |
KR101617349B1 (ko) | 운전 습관 분석 진단 시스템 및 방법 | |
Osafune et al. | Analysis of accident risks from driving behaviors | |
JP2021168193A (ja) | テレマティックス接続サーチエンジンを使用する動的なスコアベースの危険性測定及び集約のためのインテリジェントな自己適応型車両用装置及びその対応する方法 | |
US20140081675A1 (en) | Systems, methods, and apparatus for optimizing claim appraisals | |
CN110968839B (zh) | 驾驶风险评估方法、装置、设备及存储介质 | |
JP2017004504A (ja) | 車両、車両の通信モジュールと通信するシステム、および1組の車両と通信するシステム | |
US12038294B2 (en) | Machine learning platform for dynamic device and sensor quality evaluation | |
Kontaxi et al. | Trip characteristics impact on the frequency of harsh events recorded via smartphone sensors | |
Wu et al. | Clustering of several typical behavioral characteristics of commercial vehicle drivers based on GPS data mining: Case study of highways in China | |
CN106651133B (zh) | 一种使用手机实现基于adas的用户驾驶行为评分方法 | |
US20230058076A1 (en) | Method and system for auto generating automotive data quality marker | |
CN116011995A (zh) | 车辆保养信息推送方法、装置、电子设备及存储介质 | |
Silva et al. | Traffic expression through ubiquitous and pervasive sensorization: Smart cities and assessment of driving behaviour | |
CN113808388A (zh) | 综合考虑小汽车和公共交通运行的交通拥堵分析方法 | |
Malik et al. | Enhancing transportation safety: An integrated approach using FLFS and OSNCA for advanced driving behavior analysis | |
Kontaxi et al. | Discovering the influence of feedback on driver behavior through a multiphase experiment based on a smartphone application | |
US11934364B2 (en) | System and method facilitating determination of automotive signal quality marker | |
US20240013310A1 (en) | Fully integrated and embedded measuring system directed to a score-indexing parameter essentially based on directly measured connected motor vehicle sensory data and method thereof | |
US20230133248A1 (en) | Utilization-specific vehicle selection and parameter adjustment | |
Gulati et al. | Insurance Automotive Application Using Edge Computing | |
CN115626169A (zh) | 基于gps行程数据评估驾驶路线熟悉度的方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191004 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210420 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210630 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210713 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210720 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6918137 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |