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 PDF

Info

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
Application number
JP2019554753A
Other languages
English (en)
Other versions
JP6918137B2 (ja
Inventor
▲るぅ▼ ▲陸▼
▲るぅ▼ ▲陸▼
▲くん▼ ▲梅▼
▲くん▼ ▲梅▼
▲暢▼ ▲謝▼
▲暢▼ ▲謝▼
浩然 ▲銭▼
浩然 ▲銭▼
恒 王
恒 王
谷▲飛▼ ▲孫▼
谷▲飛▼ ▲孫▼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongan Information Technology Service Co Ltd
Zhongan Information Technology Service Co Ltd
Original Assignee
Zhongan Information Technology Service Co Ltd
Zhongan Information Technology Service Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongan Information Technology Service Co Ltd, Zhongan Information Technology Service Co Ltd filed Critical Zhongan Information Technology Service Co Ltd
Publication of JP2021509978A publication Critical patent/JP2021509978A/ja
Application granted granted Critical
Publication of JP6918137B2 publication Critical patent/JP6918137B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

本開示は、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に関するものである。運転行為評価方法は、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。

Description

本開示は、車両運転行為分析の技術分野に関するものであり、特に運転行為評価方法、装置及びコンピュータが読み取り可能な記憶媒体に関するものである。
近年、自動車の数がますます多くなり、同時に、カーネットワーキングの飛躍な発展に従って、カーネットワーキング技術と組み合わせる運転手の運転行為に基づいて定価を行う自動車保険製品もますます多くなっている。
ＵＢＩ（Ｕｓａｇｅ Ｂａｓｅｄ Ｉｎｓｕｒａｎｃｅ）自動車保険とは、運転行為及び車両使用データに基づいて定価を行う車両保険であり、自動車保険料率の自由化の背景の下に現れた新たな自動車保険である。保険会社は、運転行為データ及び車両運転データを收集することで、データ分析処理に介して、運転者の運転行為リスクレベルを見積もる。運転行為が良い車の所有者にとって、保険会社は、多い割引を与えることができ、運転行為が悪い車の所有者にとって、保険会社は、相応に保険料を向上することができる。これによって、車の所有者が良い運転行為を養うのを助け、事故の発生を減らし、リスクとクレームを減らすことで、交通状況を改善して、社会コストを低下することができる。
従って、保険会社については、自動車保険製品に対して定価を行う前に、先ず、運転者の運転データに基づいて運転行為リスクを見積もり、今常に、機器学習における監督学習の方法を採用して、運転行為と運転リスクとの間の関係を獲得し、トレーニングサンプルにおいて運転行為と車両使用データ及び保険金請求データを同時に含む必要がある。運転行為及び車両使用データの採集において、常に、車載ＯＢＤ（Ｏｎ−Ｂｏａｒｄ Ｄｉａｇｎｏｓｔｉｃ）設備又はスマートフォン等の設備によって、設備内のセンサで車両走行データを獲得し、設備にカメラがあると、カメラで走行ビデオを取得することで、運転習慣を体現する更なるデータを得ることもできる。リスク程度の正しい定規として、観察される運転者が運転行為の観察の同一の周期内に交通事故を起こったか、及び保険会社へ弁償を求める状況を獲得する必要が有り、リスク確率又は賠償率を運転リスクの表徴とする。以上の両方を獲得した後、運転データを監督アルゴリズムにおける特徴とし、リスク確率又は賠償率を監督アルゴリズムにおける監督シグナルとし、監督アルゴリズムは、トレーニングデータに基づいて、特徴と監督シグナルとの関係、即ち運転データとリスク確率、損害賠償率との関係を得る。運転行為リスクを判断する必要がある目標サンプル、即ち運転データのみを有する運転者については、監督アルゴリズムによって得た推断関係に基づいてその運転行為リスクを獲得する。
以下、本開示を簡単に示して、本開示の幾つかの技術案についての基本理解を提供する。しかし、この概要は本開示の網羅的な概要ではないことを理解されたい。本開示の主な部分又は重要な部分を確定することを意図するものではなく、また本開示の範囲を限定することを意図するものでもない。その目的は、単純にこの開示に関する幾つかの概念を簡単な形で示すことであり、これは、後で説明する詳細な説明の前置きとして使用される。
本開示の実施例は、データ蓄積の異なる階段において、異なる運転評価方法を使用することで目標運転手に対して正確に運転行為評価予測を行う運転行為評価方法、装置及びコンピュータが読み取り可能な記憶媒体を提供することを目的とする。本開示の実施例の具体的な技術案は、以下のようである。
第一の方面によると、本開示の実施例は、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、を含む運転行為評価方法を提供する。
幾つかの実施例において、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。
幾つかの実施例において、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。
幾つかの実施例において、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。
幾つかの実施例において、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。
幾つかの実施例において、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。
幾つかの実施例において、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。
幾つかの実施例において、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。
第二の方面によると、本開示の実施例は、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、を含む運転行為評価装置を提供する。
幾つかの実施例において、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。
幾つかの実施例において、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。
幾つかの実施例において、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。
幾つかの実施例において、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。
幾つかの実施例において、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。
幾つかの実施例において、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。
幾つかの実施例において、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。
第三の方面によると、本開示の実施例は、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。
第四の方面によると、本開示の実施例は、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、第一の技術案に記載された運転行為評価方法を実現するコンピュータが読み取り可能な記憶媒体を提供する。
本開示の実施例が提供した運転行為評価方法、装置及びコンピュータが読み取り可能な記憶媒体は、サンプルデータを蓄積し、サンプルの蓄積量に基づいてサンプルデータの現在蓄積階段を確定し、現在蓄積階段に対応する運転評価方法を使用して現在運転手の運転行為を評価する。これによって、データ蓄積の異なる階段のいずれかにおいて運転行為リスクの見積もりを行うことができる。
本開示の実施例における技術案をより明確に説明するために、以下、実施例の記述において使用する図面を簡単に紹介し、明らかに、以下に記述された図面は、本開示の幾つかの実施例だけであり、当業者にとって、創造的な仕事をしないという前提の下で、それらの図面に基づいて他の図面を獲得することもできる。
図１は、本開示の一実施例による運転行為評価方法の典型的なフロー図を示す。 図２は、本開示の他の実施例による運転行為評価方法の典型的なフロー図を示す。 図３は、本開示の他の実施例による運転行為評価方法の典型的なフロー図を示す。 図４は、本開示の他の実施例による運転行為評価方法の典型的なフロー図を示す。 図５は、本開示の他の実施例による運転行為評価方法の典型的なフロー図を示す。 図６は、本開示の他の実施例による運転行為評価装置典型的な配置ブロック図を示す。 図７は、本開示の実施例を実現することができる計算設備の典型的な配置を示す。
本発明の目的、技術案および利点をより明確にするために、以下、本開示の実施例における図面を参照して、本開示の実施例における技術案を明確且つ完全に記述し、明らかに、記述された実施例は、本開示の一部の実施例に過ぎず、すべての実施例でない。本開示における実施例によると、当業者が創造的な仕事をしないという前提の下で得られた全ての他の実施例は、いずれも本開示の保護の範囲に含まれている。
運転者の運転データに基づいて運転行為リスクを見積もる時、本開示の発明者が知る一つの方法は、機器学習における監督学習の方法を採用して、運転行為と運転リスクとの間の関係を獲得するものである。しかしながら、この種類の監督学習の方法は、多い運転データと保険金請求データとを蓄積する必要があり、保険金請求周期は、運転データの採集周期と一致する必要がある。保険金請求データがないと、又はデータが一定の数に到達しないと、アルゴリズムは、起動しにくい。実際の操作において、システム運転の初期に、しばしば運転データの採集が比較的に便利であるが、リスクとクレームは常にすぐに発生しないので、運転データを採集する同時に、保険金請求データを獲得することができない。同時に、運転旅程とデータの蓄積に従って、危険が発生しても、損害賠償フローに調査、事故定損、修理、損害賠償等の複数のステップを含むので、一定の時間が必要であり、リスクとクレームのデータの取得において一定の時間の遅延が存在する可能性もあり、更に監督アルゴリズムも起動しにくい。
本開示の実施例は、データ蓄積の異なる階段において異なる運転行為評価方法を使用することで目標運転手に対して正確に運転行為評価予測を行うことができる運転行為評価方法を提供する。
該運転行為評価方法の実行主体は、サーバであることができる。サーバは、ネットワークに介して移動ＳＤＫ（Ｓｏｆｔｗａｒｅ Ｄｅｖｅｌｏｐｍｅｎｔ Ｋｉｔ）モジュールを搭載している携帯端末及び車載ディープカメラモジュールと通信接続を行うことができる。移動ＳＤＫモジュールは、例えば携帯端末が提供したソフトウェア開発キットであることができ、本開示は、これを限定しない。
サーバは、予設インターフェースによって保険契約システムと接続して、運転手の保険契約データを取得してもよい。本開示に関する予設インターフェースとは、ソフトウェアシステムにおける幾つかの予め定義された関数であり、他のシステムとインターラクティブ、データ伝送等を行うためのものであり、本開示は、予設インターフェースを限定しない。
サーバは、単一のサーバであってもよく、複数のサーバで構成されたサーバ群であってもよく、且つ該サーバ群内に、複数のサーバの間に通信接続を行うことができる。移動ＳＤＫモジュールを搭載している携帯端末は、運転手の携帯端末であることができ、それは移動ＳＤＫモジュールによって運転手の運転行為データを採集してサーバにアップロードすることができる。車載ディープカメラモジュールは、運転手の車両に取り付られることができ、採集された運転ビデオデータをサーバにアップロードすることができる。
図１は、本開示の一実施例による運転行為評価方法の典型的なフロー図を示す。
図１に示すように、ステップＳ１において、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。
幾つかの実施例において、サンプル運転手のサンプル運転データは、運転行為データ、運転環境データ及び運転ビデオデータの少なくとも一つを含むことができる。
幾つかの実施例において、移動ＳＤＫモジュールによってサンプル運転手の運転行為データを取得することができる。運転行為データは、車両が走行している時の色々な基本情報であることができ、運転時間情報、走程情報、速度情報、転向情報、経度緯度情報、標高情報、携帯電話の通話状態情報、急加速情報、急減速情報、及び急カーブ情報等を含むことができる。
具体的な実施過程において、サンプル運転手の携帯端末内の移動ＳＤＫモジュールによってサンプル運転手の運転過程においてＧＰＳ、加速度計とジャイロセンサのデータを採集して、サンプル運転手の運転行為データを取得し、サンプル運転手の運転行為データをサーバにアップロードし、サーバによってサンプル運転手の運転行為データとサンプル運転手のアイデンティティとをバインディング記憶することができる。
幾つかの実施例において、予設インターフェースによってサンプル運転手の運転環境データを取得することができる。運転環境データは、運転が位置する環境における色々な運転行為に関する環境情報であることができ、リンク限速、運転領域、道路タイプ、地形条件、運転の現在天気状況等を含むことができる。予設インターフェースによってサンプル運転手の運転環境データを取得した後、運転環境データをサーバにアップロードし、サーバによってサンプル運転手の運転環境データとサンプル運転手のアイデンティティとをバインディング記憶することができる。
幾つかの実施例において、車載カメラによって運転ビデオデータを取得することができる。運転ビデオデータは、カメラが採集した運転期間のビデオであり、距離測定情報、車線情報、道路状況情報、運転イベント等を含むことができる。車載カメラが運転ビデオデータを採集した後、運転ビデオデータをサーバにアップロードし、サーバによってサンプル運転手の運転ビデオデータとサンプル運転手のアイデンティティとをバインディング記憶することができる。
幾つかの実施例において、予設インターフェースによってサンプル運転手のサンプル保険契約データを取得することができる。保険契約データは、運転手の保険契約に関する色々な情報であることができ、運転手の基本情報、契約購買情報と契約損害賠償件数、契約損害賠償額等を含むことができ、但し、契約購買情報は、保険加入険種、保険加入限度額等の情報を含む。
具体的な実施過程において、サーバは、予設インターフェースによって保険契約システムと接続し、サンプル運転手のアイデンティティに基づいて、業務契約システムからサンプル運転手のアイデンティティに対応する保険契約データを取得することができる。
説明すべきことは、上記の運転手アイデンティティは、運転手の携帯電話番号、ユーザ名、IDカード又は他の一義的に運転手を標識することができる情報であることができる。
ステップＳ２において、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。
幾つかの実施例において、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、サンプルデータの現在蓄積階段を第一の階段として確定する。また、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、サンプルデータの現在蓄積階段を第二の階段として確定する。
サンプルデータの現在蓄積階段が第一の階段である時、サンプル保険契約データの蓄積量が低く、運転行為を評価するのに足りない。従って、サンプル運転データのみを利用して現在運転手の運転行為を評価することができる。この種類の方式によって、サンプルデータの採集の初期に十分な保険契約データがない場合に、運転手の運転行為を評価することもできる。
サンプルデータの現在蓄積階段が第二の階段である時、サンプル保険契約データの蓄積量が比較的に十分であり、運転行為を評価するために用いることができる。従って、サンプル運転データ及びサンプル保険契約データを同時に利用して現在運転手の運転行為を評価することができる。この種類の方式によって、より最適化された運転評価方法を採用して運転手の運転行為を評価することができる。
幾つかの実施例において、第一の階段は、サンプル保険契約データの蓄積量が第一の閾値より低く且つ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むことができる。例えば、第三の階段は、サンプルデータが僅かなサンプル運転データだけ含み且つサンプル保険契約データを含まないコールドスタート階段であることができる。いわゆるコールドスタート階段とは、システム運転の初期に、特定のデータを獲得していない場合に、依然としてシステム運転を起動する階段である。本開示において、コールドスタート階段とは、いずれのサンプル保険契約データもない場合に、サンプル運転データのみに基づいて運転手の運転行為を評価する階段である。
幾つかの実施例において、第一の階段は、サンプル保険契約データの蓄積量が第一の閾値より低く且つ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むことができる。例えば、第四の階段は、サンプルデータが複数のサンプル運転手のサンプル運転データとすごく僅かなサンプル保険契約データを含む初期階段であることができる。
幾つかの実施例において、第二の階段は、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、且つサンプル保険契約データの蓄積量がサンプル運転データの蓄積量より低い第五の階段を含むことができる。例えば、第五の階段は、サンプルデータが複数のサンプル運転手のサンプル運転データと一部のサンプル運転手のサンプル保険契約データを含む中期階段であることができる。
幾つかの実施例において、第二の階段は、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り、且つサンプル保険契約データの蓄積量がサンプル運転データの蓄積量と等しい第六の階段を含むことができる。例えば、第六の階段は、サンプルデータが複数のサンプル運転手のサンプル運転データと対応するサンプル保険契約データを含む後期階段であることができる。
もちろん、上記第一の閾値と第二の閾値は、実際の場合に基づいて予め確定された値であり、本開示は、閾値の選定方式を限定しない。
また、本開示において、サンプル保険契約データの蓄積量がサンプル運転データの蓄積量より低いとは、サンプルデータにおいて複数のサンプル運転手のサンプル運転データを含むが、該複数のサンプル運転手における一部の運転手のサンプル保険契約データしか含まないことである。また、サンプル保険契約データの蓄積量がサンプル運転データの蓄積量と等しいとは、サンプルデータにおいて複数のサンプル運転手のサンプル運転データを含むとともに、該複数のサンプル運転手のサンプル保険契約データを含むことである。
以下の記述において、コールドスタート階段、初期階段、中期階段及び後期階段で、それぞれ、第三の階段、第四の階段、第五の階段及び第六の階段を代表することにより説明する。
ステップＳ３において、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。但し、異なる階段において異なる運転評価方法を使用して運転行為を評価する。
本開示の実施例が提供した運転行為評価方法は、サンプルデータを蓄積し、サンプルデータの現在蓄積階段を確定し、現在蓄積階段に対応する運転評価方法を使用して現在運転手の運転行為を評価する。これによって、運転データの採集の初期に運転行為評価を提供することができ、且つ運転データの蓄積及び損害賠償データの加入に従って、パラメータとモデルとを徐々に最適化することで、データ蓄積の異なる階段のいずれかにおいても運転行為リスクの見積もりを行うことができる。
本開示の一つの実施例において、現在階段がコールドスタート階段である時、サンプル運転手の運転データが蓄積し始めたばかりであり、サンプル運転手の保険契約データがなく、規則と予設重さとに基づく運転評価方法を使用して現在運転手の運転行為を評価することができる。具体的に、図２に示すように、前述のステップＳ３における現在蓄積階段に対応する運転評価方法を使用して現在運転手の運転行為を評価することは、以下のようなステップを含むことができる。
Ｓ３１１、現在運転手の運転データを取得し、現在運転手の一つの種類又は複数の種類の運転特徴を抽出する。
但し、現在運転手の運転データは、運転行為データ、運転環境データ及び運転ビデオデータの少なくとも一つを含むことができる。
具体的に、移動ＳＤＫモジュールによって運転行為データを取得し、運転行為データから旅程毎又は単位時間毎の運転走程、運転時間長さ、最大運転速度、急加速回数、急減速回数、急カーブ回数、急車線変更回数、疲労運転であるかどうか、危険時間段での運転であるかどうかの少なくとも一つを含む運転行為特徴を抽出することができる。
予設インターフェースによって運転環境データを取得し、運転環境データから旅程毎又は単位時間毎の速度オーバーの回数及び時間長さ、危険環境であるかどうか、熟知リンクであるかどうか、悪い天気であるかどうかの少なくとも一つを含む運転環境特徴を抽出することができる。
車載カメラによって運転ビデオデータを取得し、運転ビデオデータから距離スピード比、車線に沿っているかないか、前方イベントの発生の時に減速したかないかの少なくとも一つを含む運転ビデオ特徴を抽出することができる。
Ｓ３１２、運転特徴を幾つかの次元に区別し、各次元は幾つかの種類の運転特徴を含む。
具体的に、抽出された複数の種類の運転特徴を幾つかの次元、例えば速度、走程、時間、環境、運転行為等に区別することができ、次元毎に幾つかの特徴を含む。例えば、「速度」という次元は、速度オーバーの回数、速度オーバーび時間長さ、最高運転速度等の速度に関する幾つかの特徴を含むことができ、「運転行為」という次元は、急加速回数、急減速回数、急カーブ回数、急車線変更回数、距離スピード比、車線に沿っているかないか、前方イベントの発生の時に減速したかないか等の運転操作に関する幾つかの特徴を含むことができる。
Ｓ３１３、予設の評価標準に基づいて、各種類の運転特徴の評価を取得する。
具体的に、各種類の運転特徴それぞれに評価標準を設定することができ、各種類の運転特徴に対応する評価標準は、具体的な場合に基づいて異なる設定を行うことができる。
例えば、速度オーバーの回数という運転特徴の評価標準は、
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。
Ｓ３１４、各次元内の各種類の運転特徴の評価に対して重み付け計算を行って、各次元の評価を得る。
具体的に、各種類の運転特徴に設定した特徴重さ値に基づいて、次元毎内の各項特徴評価を重み付け合計して次元毎の評価を得ることができ、但し、次元毎内の特徴重さ値の和は１である。
次元評価計算数式は、次元評価＝Σ特徴評価＊特徴重さ値である。
Ｓ３１５、各次元の評価に対して重み付け計算を行って、現在運転手の運転行為評価を得る。
具体的に、各次元に設定した次元重さ値に基づいて、各次元評価に対して重み付け合計を行って各運転手の運転行為評価を得ることができ、但し、各次元重さ値の和は１である。
運転行為評価計算数式は、運転行為評価＝Σ次元評価＊次元重さ値である。
幾つかの実施例において、上記の図２を参照して記述したステップＳ３１１〜Ｓ３１５において、現在運転手の運転特徴に対して次元区別を行うことなく、該運転特徴の評価を取得した後、直接に現在運転手の運転行為評価としてもよい。
本開示の実施例において、現在階段がコールドスタート階段である時、サンプル運転手の運転データが蓄積し始めたばかりであり、サンプル運転手の保険契約データがなく、コールドスタート階段に対応する運転評価方法を使用して現在運転手に対して運転行為評価を行うことで、先行技術においてシステム運転初期のサンプルデータ蓄積が十分でないので監督アルゴリズムを起動しにくく、更に運転行為評価を行うことができないことになる問題点を解決することができる。
本開示の一つの実施例において、現在階段がサンプルデータの蓄積過程における初期階段である時、一定の量のサンプル運転手の運転データを蓄積しており、サンプル運転手の保険契約データが依然として非常に少ない又はほとんどなく、運転手の運転データとの関連度が全体で比較的に低く、特徴分布関数に基づく運転評価方法を使用して現在運転手に対して運転行為評価を行うことができる。具体的に、図３に示すように、前述のステップＳ３における現在蓄積階段に対応する運転評価方法を使用して現在運転手の運転行為を評価することは、以下のようなステップを含むことができる。
Ｓ３２１、各サンプル運転手のサンプル運転データから、それぞれに各サンプル運転手の複数の種類のサンプル運転特徴を抽出する。
具体的に、該過程は、ステップＳ３１１を参照することができ、ここで繰り返しない。
Ｓ３２２、各サンプル運転手の一つの種類又は複数の種類のサンプル運転特徴に基づいて、各種類のサンプル運転特徴の分布パラメータを計算する。
具体的に、サンプル運転特徴がある分布に依頼するとし、全てのサンプル運転手の該サンプル運転特徴を纏め、纏めたデータに対して必要な異常値検出、データの正規化を含むフィルタリングを行って、フィルタリング後のデータフィッティングに基づいて、該サンプル運転特徴の依頼する分布関数のパラメータを得、類似に、他のサンプル運転特徴の分布パラメータを得ることができる。
例えば、あるサンプル運転特徴、例えば、平均的にキロメートル毎の急加速回数
（外１）
Figure 2021509978
が指数分布に依頼するとし、累積分布関数は、以下のようであり、但し、
Figure 2021509978
 。
Figure 2021509978
 全てのサンプル運転手の該運転特徴を纏め、必要な異常値検出、データの正規化を行い、フィルタリング後のデータフィッティングに基づいて該特徴を得、即ち平均的にキロメートル毎の急加速回数が依頼する分布関数のパラメータ
（外２）
Figure 2021509978
を得る。
Ｓ３２３、現在運転手の運転データを取得し、現在運転手の一つの種類又は複数の種類の運転特徴を抽出する。
具体的に、該過程は、ステップＳ３１１を参照することができ、ここで繰り返しない。
Ｓ３２４、各種類のサンプル運転特徴の分布パラメータに基づいて、それぞれに現在運転手の各種類の運転特徴の累積分布関数を計算して、各種類の運転特徴に対応する評価とする。
例えば、現在運転手のある運転特徴、例えば、平均的にキロメートル毎の急加速回数
（外３）
Figure 2021509978
について、該運転特徴の依頼する指数分布のパラメータ
（外４）
Figure 2021509978
に従って該運転特徴の累積分布関数値
Figure 2021509978
 を得て、それを該運転特徴に対応する評価とする。
Ｓ３２５、各種類の運転特徴の評価に対して重み付け計算を行って、現在運転手の運転行為評価を得る。
本開示の実施例において、在現在階段が初期階段である時、一定の量のサンプル運転手の運転データを蓄積しており、サンプル運転手の保険契約データが依然として非常に少ない又はほとんどなく、運転手の運転データとの関連度が全体で比較的に低く、初期階段に対応する運転評価方法を使用して現在運転手に対して運転行為評価を行うことで、先行技術においてシステム運転初期のサンプルデータ蓄積が十分でないので監督アルゴリズムを起動しにくく、更に運転行為評価を行うことができないことになる問題点を解決することができる。
本開示の一つの実施例において、現在階段がサンプルデータの蓄積過程における中期階段である時、一定の量のサンプル運転手の運転データと一部のサンプル運転手の保険契約データとを蓄積しており、クラスタリング分析に基づく運転評価方法を使用して現在運転手に対して運転行為評価を行うことができる。具体的に、図４に示すように、前述のステップＳ３における現在蓄積階段に対応する運転評価方法を使用して現在運転手の運転行為を評価することは、具体的に以下のようなステップを含むことができる。
Ｓ３３１、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。
具体的に、各サンプル運転手の保険契約データに対して、以下の操作を実行することができる。
保険契約データから保険金請求数値を取得し、予設のマッピング関係表に基づいて、保険金請求数値とマッピング関係がある運転評価を確定して、サンプル運転手の運転評価とし、但し、予設のマッピング関係表において、損害賠償率が高いほど対応する運転行為評価が低い。
但し、保険金請求数値は、サンプル運転手の保険契約データから抽出されたサンプル運転手のリスク確率又は賠償率であり、リスク確率又は損害賠償率に基づいて予め設定されたマッピング関係表からサンプル運転手の運転行為評価を得て、サンプル運転手の評価ラベルとすることができる。但し、マッピング関係表において、損害賠償率が高いほど対応する運転行為評価が低く、例えば、評価スコアの範囲は、０〜１００であることができる。
Ｓ３３２、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。
但し、Ｋ−ｍｅａｎｓアルゴリズムを使用して一部のサンプル運転手の運転データに対してクラスタリング分析を行うことができ、クラスター毎を一つのリスクレベルクラスターとし、一つのクラスターの中心を獲得し、同一の類別に属する運転手が同じ又は類似なリスクレベルを有すとし、同一の類別におけるサンプル運転手の運転評価の平均値を、該類別（即、該リスクレベルクラスター）の運転評価とすることができる。
Ｓ３３３、現在運転手の運転データを取得し、現在運転手の運転データと複数のクラスターの中心との類似度距離を計算する。
具体的に、本開示の実施例は、具体的な計算過程を限定しない。
Ｓ３３４、類似度距離の計算結果に基づいて、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、確定されたリスクレベルクラスターの運転評価を現在運転手の運転評価とする。
具体的に、類似度距離の計算結果における最小値に対応するリスクレベルクラスターを、現在運転手に対応するリスクレベルクラスターとする。
本開示の実施例において、現在階段がサンプルデータの蓄積過程における中期階段である時、一定の量のサンプル運転手の運転データと一部のサンプル運転手の保険契約データとを蓄積しており、中期階段に対応する運転評価方法を使用することで現在運転手に対して運転行為評価を行うことができ、先行技術においてシステム運転初期のサンプルデータ蓄積が十分でないので監督アルゴリズムを起動しにくく、更に運転行為評価を行うことができないことになる問題点を解決することができる。
本開示の一つの実施例において、現在階段が後期階段である時、サンプル運転手の運転データと損害賠償データとが比較的に整え、運転手の運転データと損害賠償データとの関連が比較的に完備し、トレーニング後の評価モデルに基づく運転評価方法を使用して現在運転手に対して運転行為評価を行うことができる。具体的に、図５に示すように、前述のステップＳ３における現在蓄積階段に対応する運転評価方法を使用して現在運転手の運転行為を評価することは、具体的に以下のようなステップを含むことができる。
Ｓ３４１、サンプル運転手の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、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。
具体的に、このステップにおいて、サンプル運転手の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過程は、ステップＳ３３１と同じであり、ここで繰り返さない。
このステップにおいて、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過程は、ステップＳ３１１と同じであり、ここで繰り返さない。
Ｓ３４２、各サンプル運転手の運転特徴及び各サンプル運転手の運転評価に基づいて、運転行為評価モデルを建てる。
具体的に、各サンプル運転手の運転特徴及び各サンプル運転手の運転評価に対して、伝統的機器学習又はディープラーニング方法によって運転行為評価モデルを建て、運転行為評価モデルを、オンラインの運転行為評価の時に呼び出すことができるように、オフラインに記憶することができる。
但し、線形回帰、ランダムフォレスト、決定木、ｘｇｂｏｏｓｔ等の方法を使用して運転行為評価モデルを建てることができ、本開示は、これを限定しない。
Ｓ３４３、運転行為評価モデルを使用して現在運転手の運転行為を評価する。
具体的に、現在運転手の運転データから現在運転手の運転特徴を抽出し、現在運転手の運転特徴を運転行為評価モデルに入力して、現在運転手の運転行為評価を得て出力する。
本開示の実施例において、現在階段がサンプルデータの蓄積過程における後期階段である時、サンプル運転手の運転データと損害賠償データとが比較的に整え、運転手の運転データと損害賠償データとの関連が比較的に完備するので、機器学習又はディープラーニングを採用してトレーニングにより運転評価モデルを得、更に現在運転手に対して運転行為評価を行うことができる。
図６は、本開示の他の実施例による運転行為評価装置の典型的な配置ブロック図を示す。本開示の実施例が提供した運転行為評価装置は、上記実施例中の運転行為評価方法を実行するために用いることができる。
幾つかの実施例において、装置６００は、処理回路６０を含むことができる。装置６００の処理回路６０は、装置６００の色々な機能を提供する。幾つかの実施例において、装置６００の処理回路６０は、以上図１を参照して記述した運転行為評価方法を実行するように配置されることができる。
処理回路６０とは、計算システムにおいて機能を実行するデジタル回路システム、アナログ回路システム又は混合シグナル（アナログとデジタルとの組み合わせ）回路システムの色々な実現であることができる。処理回路は、例えば集積回路（ＩＣ）、専用集積回路（ＡＳＩＣ）という回路、単一のプロセッサコアの一部又は回路、全体のプロセッサコア、単一のプロセッサ、例えばフィールドプログラマブルゲートアレイ（ＦＰＧＡ）のプログラマブルハードウェア設備、及び／又は複数のプロセッサを含むシステムを含むことができる。
幾つかの実施例において、処理回路６０は、蓄積モジュール６１、確定モジュール６２、評価モジュール６３を含むことができる。
蓄積モジュール６１は、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ており、確定モジュール６２は、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ており、評価モジュール６３は、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ている。上記モジュール６１〜６３は、前述図１に示す運転行為評価方法におけるステップＳ１〜ステップＳ３をそれぞれに実行するように配置されることができる。
幾つかの実施例において、装置６００は、メモリ（図示しない）を含んでもよい。装置６００のメモリは、処理回路６０によって生成された情報及び装置６００の操作に用いるプログラムとデータを記憶することができる。メモリは、揮発性メモリ及び／又は不揮発性メモリであることができる。例えば、メモリは、ランダムアクセスメモリ（ＲＡＭ）、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、読み取り専用メモリ（ＲＯＭ）及びフラッシュメモリを含むことができるが、これに限定されない。また、装置６００は、チップレベルで実現することができ、又は他の周辺部材を含んで設備レベルで実現することもできる。
上記各モジュールは、それが実現した具体的な機能に基づいて区別したロジックモジュールだけであり、具体的な実現方式を限制するためのものでないと理解すべきである。実際に実現する時、上記各モジュールは、独立の物理的実体として実現されることができ、又は単一の実体（例えば、プロセッサ（ＣＰＵ又はＤＳＰ等）、集積回路等）で実現してもよい。
本開示の実施例が提供した運転行為評価装置は、本開示の実施例が提供した運転行為評価方法と同一の発明の構想に属しており、本開示のいずれかの実施例が提供した運転行為評価方法を実行することができ、運転行為評価を実行する方法に相応する機能モジュールと有益な効果を有す。本実施例において詳しく説明していない技術的な詳細は、本開示の実施例が提供した運転行為評価方法を参照することができ、ここで繰り返さない。
図７は、本開示の実施例を実現することができる計算設備７００の典型的な配置を示す。計算設備７００は、本開示の上記技術案を応用することができるハードウェア設備の例である。計算設備７００は、処理及び／又は計算を実行するように配置されるいずれかの機器であることができる。計算設備７００は、ワークステーション、サーバ、デスクトップコンピュータ、ノートコンピュータ、タブレットコンピュータ、パーソナルデータアシスタント（ＰＤＡ）、スマートフォン、車載コンピュータ又は以上の組み合わせであることができるが、これに限定されない
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。
計算設備７００は、不揮発性ストレージ７１４を含む又はそれと接続してもよく、該不揮発性ストレージ７１４は、いずれかの不揮発性且つデータ記憶を実現することができるストレージであることができ、且つディスクドライブ、光ストレージ、ソリッドステートメモリ、フロッピーディスク、フレキシブルディスク、ハードディスク、磁気テープ又はいずれかの他の磁気媒体、圧縮ディスク又はいずれかの他の光媒体、キャッシュメモリ及び／又はいずれかの他のメモリチップ又はモジュール、及び／又はコンピュータがそれからデータ、指令及び／又はコードを読み出することができる他のいずれかの媒体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、ランダムアクセスメモリ（ＲＡＭ）７１０と読み取り専用メモリ（ＲＯＭ）７１２を含んでもよい。ＲＯＭ７１２は、不揮発性方式で実行されるプログラム、実用のプログラム又はコースを記憶することができる。ＲＡＭ７１０は、揮発性データの記憶を提供し、計算設備７００の操作に関する指令を記憶することができる。計算設備７００は、データリンク７１８に接続されるネットワーク／バスインターフェース７１６を含んでもよい。ネットワーク／バスインターフェース７１６は、周辺装置及び／又はネットワークと通信することができるいずれかの種類の設備又はシステムであることができ、且つモデム、ネットワークカード、赤外線通信設備、無線通信設備及び／又はチップセット（例えばＢｌｕｅｔｏｏｔｈ（登録商標）設備、８０２．１１設備、ＷｉＦｉ設備、ＷｉＭａｘ設備、セルラ通信施設等）を含むことができるが、これに限定されない。
なお、本開示の他の実施例は、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。
なお、本開示の他の実施例は、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、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するコンピュータが読み取り可能な記憶媒体を更に提供する。
説明すべきことは、本開示の記述において、「第一の」、「第二の」という術語等は、例示のみを目的としており、相対的な重要性と順序を指示又は暗示するものでない。
当業者にとって、本開示における実施例は、方法、システム、又はコンピュータプログラム製品を提供することができる。従って、本開示の実施例において、全てハードウェアである実施例、全てソフトウェアである実施例、又はソフトウェアとハードウェアとの組合の実施例の形式を採用することができる。更に、本開示の実施例において、一つ又は複数のコンピュータの使用可能なプログラムコードを含むコンピュータの使用可能な記憶媒体（ディスクメモリ、ＣＤ−ＲＯＭ、光学メモリ等を含むが、これに限定されない）上に実施されるコンピュータプログラム製品の形式を採用することができる。
本開示の実施例は、本開示の実施例の方法、設備（システム）、及びコンピュータプログラム製品のフロー図及び／又はブロック図を参照して記述されたものである。理解すべきことは、コンピュータプログラム指令によって、フロー図及び／又はブロック図におけるフロー及び／又はブロック毎、及びフロー図及び／又はブロック図におけるフロー及び／又はブロックの組合を実現することができる。それらのコンピュータプログラム指令を通用コンピュータ、専用コンピュータ、埋め込み処理機又は他のプログラマブルデータ処理設備のプロセッサへ提供して一つの機器を生成して、コンピュータ又は他のプログラマブルデータ処理設備のプロセッサによって実行される指令に、フロー図の一つのフロー又は複数のフロー及び／又はブロック図の一つのブロック又は複数のブロックに指定された機能を実現するための装置を形成させることができる。
それらのコンピュータプログラム指令を、コンピュータ又は他のプログラマブルデータ処理設備を特定の方式で稼働させることができるコンピュータが読み取り可能なメモリに記憶することで、該コンピュータが読み取り可能なメモリに記憶された指令に、フロー図の一つのフロー又は複数のフロー及び／又はブロック図の一つのブロック又は複数のブロックに指定された機能を実現する指令装置を含む製造品を形成させてもよい。
それらのコンピュータプログラム指令を、コンピュータ又は他のプログラマブルデータ処理設備にロードすることで、コンピュータ又は他のプログラマブル設備上に一連の操作ステップを実行してコンピュータの実現する処理を生成することにより、コンピュータ又は他のプログラマブル設備上に実行される指令は、フロー図の一つのフロー又は複数のフロー及び／又はブロック図の一つのブロック又は複数のブロックに指定された機能を実現するためのステップを提供する。
本開示の実施例における好ましい実施例を説明したが、当業者が基本的な進歩性の概念を学習したら、それらの実施例に他の変更と修正を加えることができる。従って、添付の特許請求の範囲は、好ましい実施例及び本開示の実施例の範囲に含まれるすべての修正および変形を含むものとして解釈されることを意図している。
明らかに、当業者は、本開示の精神と範囲を逸脱することなく本開示に対して色々な変更と変形を加えることができる。このように、本発明のこれらの修正および変形が本開示の特許請求の範囲およびその同等の技術の範囲内にある場合、本開示はそれらの修正および変形を含むことも意図している。

Claims (18)

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。
  6. 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。
  7. 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。
  8. 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。
  9. 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。
  10. 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。
  11. 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。
  12. 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。
  13. 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。
  14. 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。
  15. 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。
  16. 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。
  17. 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。
  18. 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。
JP2019554753A 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 Active JP6918137B2 (ja)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
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