车险风险预测方法、装置及服务器制造方法及图纸

本说明书实施例提供一种车险风险预测方法、装置及服务器。所述方法的一个实施例可以包括：获取车险用户的人属性特征信息，所述人属性特征信息包括自然人的自然属性信息、社会属性信息、行为数据中的至少一种信息数据；利用预先构建的车险风险预测算法对所述人属性特征信息进行处理，得到所述车险用户的车险风险预测结果。

Vehicle insurance risk prediction method, device and server

The implementation of the manual provides a method, device and server for predicting the risk of auto insurance. As an embodiment of the method may include: attribute information auto users, the attribute feature information including natural natural attributes and social attributes of information, information behavior data of at least one of the information data of the people; the prediction algorithm attribute information processing using pre construction insurance the risk prediction results to obtain the user's risk of motor vehicle insurance.

【技术实现步骤摘要】
车险风险预测方法、装置及服务器
本说明书实施例属于计算机数据处理
，尤其涉及一种车险风险预测方法、装置及服务器。
技术介绍
随着车辆保有量的逐年增加，各保险公司的车险业务量也随之增加。如何对被保险车辆进行准确的车险风险评估，以制定合理的车辆承保、定价、服务项目等车险保险业务，是保险公司重要的研究方向之一。目前，保险公司主要依靠车辆自身的属性信息进行定价建模，针对不同的被保险车辆情况制定相应车险业务，提供给用户。例如，根据被保险车辆的外观新旧度、车辆使用年限、车辆里程等。实际的车辆保险业务中，影响车辆是否出险以及出险费用的因素还可以包括其他方面，如车辆所在地的自然环境、经常驾驶路况等。因此，业内还需要更加全面、准确的预测车险风险的解决方案。
技术实现思路
本说明书的一个或多个实施例目的在于提供一种车险风险预测方法、装置及服务器，可以使用车险用户的人属性信息进行车险风险预测，提供更加全面、准确、可靠的车辆风险预测依据，整体上提高车险风险评估的准确性和可靠性。本说明书的一个或多个提供的一种车险风险预测方法、装置及服务器是包括以下方式实现的：一种车险风险预测方法，所述方法包括：获取车险用户的人属性特征信息，所述人属性特征信息包括自然人的自然属性信息、社会属性信息、行为数据中的至少一种信息数据；利用预先构建的车险风险预测算法对所述人属性特征信息进行处理，得到所述车险用户的车险风险预测结果。一种车险风险预测装置，所述装置包括：人属性特征获取模块，用于获取车险用户的人属性特征信息，所述人属性特征信息包括自然人的自然属性信息、社会属性信息、行为数据中的至少一种信息数据；风险预测模块，用于利用预先构建的车险风险预测算法对所述人属性特征信息进行处理，得到所述车险用户的车险风险预测结果。一种车险风险预测装置，所述装置包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现：获取车险用户的人属性特征信息，所述人属性特征信息包括自然人的自然属性信息、社会属性信息、行为数据中的至少一种信息数据；利用预先构建的车险风险预测算法对所述人属性特征信息进行处理，得到所述车险用户的车险风险预测结果。一种服务器，包括至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现本说明书实施例任意一个方法所述的数据处理步骤。本说明书实施例提供的一种车险风险预测方法、装置及服务器，可以利用预先采集整理的人属性特征信息建立车险风险预测算法，利用预先构建的车险风险预测算对被预测的车险用户的人属性特征信息进行处理，从自然人的角度预测车险用户对车辆风险的影响。在实际车辆使用中，人的因素影响对车辆是否出险以及出险的具体赔付金额等车险业务影响通常较大，而本说明书实施例提供的实施方案，使用人的属性特征信息进行车辆风险预测，提供更加准确、可靠的车险风险评估依据，可以有效提高车险风险评估的准确性和可靠性。附图说明为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本说明书提供的一个实施例实现车险风险预测的实施场景示意图；图2是本说明书提供的所述方法的一个实施例的处理过程示意图；图3是本说明书提供的所述方法中一种构建预测模型的实施方法流程示意图；图4是本说明书提供的所述方法中另一种构建预测模型的实施方法流程示意图图5是本说明书提供的所述方法中另一种构建预测模型的实施方法流程示意图；图6是本说明书提供的所述方法中另一种构建预测模型的实施方法流程示意图；图7是本说明书提供的一种车险风险预测装置实施例的模块结构示意图；图8是本说明书提供的另一种车险风险预测装置实施例的模块结构示意图；图9是本说明书提供的另一种车险风险预测装置实施例的模块结构示意图；图10是本说明书提供的服务器一种实施例的结构示意图。具体实施方式为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本说明书一个或多个实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。本说明书一个或多个实施例可以在多种车辆风险预测的业务系统中实施。所述的业务系统可以包括保险公司车险风险评估的业务系统，也可以包括提供车险风险预测服务的第三方服务系统，如为保险公司提供车险用户的车险风险评估分值的服务方。本说明书提供的一个或多个实施例在业务系统中具体实施时，可以预先采集(收集)车险用户的人属性特征信息，可以对这些采集的人属性特征信息进行预处理，然后选取适用于业务场景的车险风险预测算法进行建模、训练等。建模或训练后的车险风险预测算法可以用来对被预测的车险用户进行车险风险预测。所述的车险风险预测算法可以根据业务场景需求选取相应的线性预测模型、网络预测模型、计算公式或者自定义拟合的算法等。选取的车险风险预测算法可以直接使用，进行车险风险预测，也可以经过人属性特征信息的样本数据训练后构建生成。所述的车险风险预测算法可以输出车险用户的车险风险预测结果，具体的可以包括表示车险用户车险风险高低的分值、发生风险种类、出险的概率值、赔付金额区间、所属风险人群等类型的车险风险预测结果。图1是本说明书提供的一个实施例实现车险风险预测的实施场景示意图。如图1所示，可以根据保险公司提供的保单数据获取与人属性特征信息相关的变量，以这些变量作为模型训练的样本变量。一般的，保险公司一侧可以记录有车险用户一些信息数据，如填写的保单数据，具体的可以包括车主用户的姓名、证件类型及证件号码、手机号码等。这些样本变量经过整理后可以使用广义线性模型进行建模，构建车险风险预测模型，然后可以使用该模型进行预测，输出表示车险用户车险风险高低的分值。本说明书提供的一种车险风险预测方法具体的一个实施例如图2所示，所述方法可以包括：S2：获取车险用户的人属性特征信息，所述人属性特征信息可以包括基于自然人的自然属性信息、社会属性信息、行为数据中的至少一种信息数据；S4：利用预先构建的车险风险预测算法对所述人属性特征信息进行处理，得到所述车险用户的车险风险预测结果。所述的人属性特征信息可以包括与人的属性相关联的信息，或者与人的行为相关联的数据。这里所述的人通常指自然人，如车辆的车主用户。所述的人特征属性信息具体本文档来自技高网...

【技术保护点】
一种车险风险预测方法，所述方法包括：获取车险用户的人属性特征信息，所述人属性特征信息包括自然人的自然属性信息、社会属性信息、行为数据中的至少一种信息数据；利用预先构建的车险风险预测算法对所述人属性特征信息进行处理，得到所述车险用户的车险风险预测结果。

【技术特征摘要】
1.一种车险风险预测方法，所述方法包括：获取车险用户的人属性特征信息，所述人属性特征信息包括自然人的自然属性信息、社会属性信息、行为数据中的至少一种信息数据；利用预先构建的车险风险预测算法对所述人属性特征信息进行处理，得到所述车险用户的车险风险预测结果。2.如权利要求1所述的一种车险风险预测方法，所述车险风险预测算法包括采用下述方式构建生成的预测模型：采集预设类型的人属性特征样本；确定使用的广义线性模型以及所述广义线性模型的建模目标；以包括所述人属性特征样本的数据作为广义线性模型的输入，对所述建模目标进行建模，确定车险风险预测模型，所述车险风险预测模型包括至少一项表示车险用户的车险风险高低的输出结果。3.如权利要求1所述的一种车险风险预测方法，所述车险风险预测算法包括采用下述方式构建生成的预测模型：采集预设类型的人属性特征样本；使用梯度提升决策树对选取的建模目标进行建模，确定车险风险预测模型，所述的建模目标包括实际建模目标值与预测建模目标值的差值，以及使用伽马回归的目标函数作为建模时的目标函数，所述实际建模目标值与预测建模目标值基于所述属性特征样本计算得到。4.如权利要求1所述的一种车险风险预测方法，所述车险风险预测算法包括采用下述方式构建生成的预测模型：采集预设类型的人属性特征样本；使用梯度提升决策树对选取的建模目标进行建模，确定车险风险预测模型，所述的建模目标包括实际建模目标值与预测建模目标值的商值，以及使用特维迪回归的目标函数作为建模时的目标函数，所述实际建模目标值与预测建模目标值基于所述属性特征样本计算得到。5.如权利要求1所述的一种车险风险预测方法，所述车险风险预测算法包括采用下述方式构建生成：采集预设类型的人属性特征样本；将所述人属性特征样本在对应的特征类型中划分成不同取值区间的特征样本；根据设置的N个特征类型抽取所述特征样本的特征数据，生成N维的离散型特征向量；按照预设方式将所述特征样本的单个所述离散型特征向量映射成M维的连续型特征向量；将所述N维的离散型特征对应的连续型特征向量拼接后形成(N*M)维的连续型特征向量X，以所述连续型特征向量X作为选取的深度神经网络的输入，构建生成车险风险预测模型。6.如权利要求2至4中任意一项所述的一种车险风险预测方法，所述建模目标包括下述中的至少一种：所述车险用户的赔付率、出险频率、出险金额。7.如权利要求2至5中任意一项所述的一种车险风险预测方法，所述预设类型的人属性特征样本包括下述中至少一个类型的变量数据：驾驶习惯、职业特性、身份特质、信用历史、消费习惯、稳定性。8.如权利要求7所述的一种车险风险预测方法，在获取所述人属性特征信息的变量数据之后，还对所述变量数据进行整理处理，所述整理处理包括下述中的至少一项处理：设置所述变量数据的权重；对所述变量数据中的残缺值进行补充；确定属于重复变量数据的数据使用选择方式；所述变量数据之间的交互效应处理；基于所述变量数据生成新的变量数据；相应的，所述利用预先构建的车险风险预测算法对所述人属性特征信息进行处理包括利用预先构建的车险风险预测算法对包括所述整理处理后的变量数据进行处理。9.如权利要求1所述的一种车险风险预测方法，若在构建所述车险风险预测算法时产生至少两个的候选车险风险预测算法，则所述方法还包括：计算预定类型的统计指标，所述统计指标包括在所述人属性特征信息作为所述候选车险风险预测算法的自变量时，用于表示对所述候选车险风险预测算法输出结果影响程度的统计量；通过所述统计指标的比较处理，从所述候选车险风险算法中选出使用的车险风险预测算法。10.一种车险风险预测装置，所述装置包括：人属性特征获取模块，用于获取车险用户的人属性特征信息，所述人属性特征信息包括自然人的自然属性信息、社会属性信息、行为数据中的至少一种信息数据；风险预测模块，用于利用预先构建的车险风险预测算法对所述人属性特征信息进行处理，得到所述车险用户的车险风险预测结果。11.如权利要求10所述的一种车险风险预测装置，所述风险预测模块包括：样本获取单元，...

【专利技术属性】
技术研发人员：雷宇翔，李冠如，丁炜，黄靖，谭纯平，陈诗奕，施鸣骞，赵沛霖，李龙飞，张志强，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY