【技术实现步骤摘要】
驾驶风险评估方法、装置、设备及存储介质
本专利技术涉及互联网
,尤其涉及一种驾驶风险评估方法、装置、设备及存储介质。
技术介绍
随着汽车数量的日渐增多,人们与车险关联性正在不断增加。现有的车险费率定价三原则“从车”、“从用”、“从人”,车险费率定价从开始仅由受保车辆状况确定,开始向由受保车辆状况、车辆使用情况、驾驶员的个人状况进行综合评估,获取该车辆的驾驶风险后确定。通过采用大数据分析技术,建立对受保车辆状况、车辆使用情况和驾驶员个人状况进行综合考虑的风险评估模型,能够获得用于表示驾驶风险的驾驶风险准确性评估结果。但现有风险评估模型的分析准确性往往不高,这常常导致利用现有风险分析模型对车辆驾驶风险进行评估时,车辆驾驶风险的准确性评估结果准确性低。
技术实现思路
有鉴于此,本专利技术实施例提供了一种驾驶风险评估方法、装置、设备及存储介质。利用该驾驶风险评估方法、装置、设备及存储介质所建立的驾驶风险评估模型,能够在一定程度上提高车辆驾驶风险评估的准确性。本专利技术实施例一方面,提供了一种驾驶风险评估方法,所述方法包括:步骤S1:采集预设数量车辆中每一所述车辆在第一设定时长内的驾驶数据;步骤S2:针对所述预设数量车辆中的一车辆,向已建立的一个或多个风险评估模型中均输入该车辆的所述驾驶数据,从而利用所述一个或多个风险评估模型分别对该车辆的所述驾驶数据进行分析,获取各所述风险评估模型输出的能够表示该车辆驾驶风险的风险评估数据;步骤S3:针对所述一个或多个风险评估 ...
【技术保护点】
1.一种驾驶风险评估方法,其特征在于,所述方法包括:/n步骤S1:采集预设数量车辆中每一所述车辆在第一设定时长内的驾驶数据;/n步骤S2:针对所述预设数量车辆中的一车辆,向已建立的一个或多个风险评估模型中均输入该车辆的所述驾驶数据,从而利用所述一个或多个风险评估模型分别对该车辆的所述驾驶数据进行分析,获取各所述风险评估模型输出的能够表示该车辆驾驶风险的风险评估数据;/n步骤S3:针对所述一个或多个风险评估模型中的一所述风险评估模型,利用该风险评估模型输出的各所述风险评估数据,对该风险评估模型的准确性进行评估,获取准确性评估结果;/n步骤S4:根据一个或多个所述准确性评估结果,确立对车辆的驾驶风险进行评估的驾驶风险评估模型。/n
【技术特征摘要】
1.一种驾驶风险评估方法,其特征在于,所述方法包括:
步骤S1:采集预设数量车辆中每一所述车辆在第一设定时长内的驾驶数据;
步骤S2:针对所述预设数量车辆中的一车辆,向已建立的一个或多个风险评估模型中均输入该车辆的所述驾驶数据,从而利用所述一个或多个风险评估模型分别对该车辆的所述驾驶数据进行分析,获取各所述风险评估模型输出的能够表示该车辆驾驶风险的风险评估数据;
步骤S3:针对所述一个或多个风险评估模型中的一所述风险评估模型,利用该风险评估模型输出的各所述风险评估数据,对该风险评估模型的准确性进行评估,获取准确性评估结果;
步骤S4:根据一个或多个所述准确性评估结果,确立对车辆的驾驶风险进行评估的驾驶风险评估模型。
2.根据权利要求1所述的驾驶风险评估方法,其特征在于,步骤S2包括:
步骤S201:针对所述预设数量车辆中的一所述车辆,对该车辆的所述驾驶数据进行分析,获得表示所述驾驶数据与驾驶风险关系的多个风险因子;
步骤S202:对各所述风险因子进行处理,获得表示该车辆驾驶风险的风险评估数据。
3.根据权利要求2所述的驾驶风险评估方法,其特征在于,当所述驾驶数据包括驾驶员个人数据、车辆数据、行驶里程数据、出行时间数据、行驶路线数据中的一个或多个时,所述步骤S201包括:对所述驾驶员个人数据、所述车辆数据、所述行驶里程数据、所述出行时间数据、所述行驶路线数据中的一个或多个进行分析,获得表示所述驾驶数据与驾驶风险关系的多个风险因子;
当所述驾驶风险数据包括行驶里程数据和与行程里程对应的时间数据时,所述步骤S201包括:对所述行驶里程数据和与所述行程里程对应的时间数据进行分析,获得表示一段时间内的所述行驶里程与所述驾驶风险关系的风险因子;
当所述驾驶风险数据包括行驶里程数据和该行驶里程内驾驶危险事件发生次数时,所述步骤S201包括:对所述行驶里程数据与该行驶里程内驾驶危险事件发生次数进行处理,获取表示所述行驶里程内驾驶危险事件发生次数的风险因子。
4.根据权利要求2所述的驾驶风险评估方法,其特征在于,所述驾驶风险数据包括:行驶时间数据和与所述行驶时间数据相对应的行驶速度数据;
步骤S201包括:
步骤S2016:根据与所述行驶时间数据相对应的行驶速度数据,将所述行驶速度划分为不同的类别;
步骤S2017:分别获取各速度类别在一行驶时段内的行驶时间;
步骤S2018:将各速度类别所对应的行驶时间分别除以该行驶时段,获得多个速度因子;
步骤S2019:对各所述速度因子进行处理,获得表示行驶速度与所述驾驶风险关系的风险因子。
5.根据权利要求1所述的驾驶风险评估方法,其特征在于,所述风险评估模型包括:GLM模型、决策树模型和神经网络模型中的一个或多个;
步骤S2包括:针对所述预设数量车辆中的一所述车辆,将该车辆的各所述驾驶数据输入所述GLM模型、所述决策树模型和所述神经网络模型中的一个或多个中,获得各所述风险评估模型分别输出的表示该车辆驾驶风险的所述风险评估数据。
6.根据权利要求1至5任一项所述的驾驶风险评估方法,其特征在于,所述驾驶风险评估模型包括计算公式:
步骤S4包括:通过计算公式:获取所述驾驶风险准确性评估结果;
其中i...
【专利技术属性】
技术研发人员:于忠华,邹家伟,代小朋,郭学提,
申请(专利权)人:深圳鼎然信息科技有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。