【技术实现步骤摘要】
车队风险识别方法、电子装置及可读存储介质
本专利技术涉及风险预测
,尤其涉及一种车队风险识别方法、电子装置及可读存储介质。
技术介绍
车辆风险识别是道路交通安全领域中的一个重要课题,在对确保驾驶人员安全、驾驶行为改善及道路交通事故预防等多方面有着重要的意义。当前的车辆风险识别通常是针对单个车辆进行识别,而当一个车队中包括不同车型、不同性能、不同车龄的多辆车时,如何对整个车队进行风险识别,当前通常是分别识别每辆车的风险值,然后汇总求得风险平均值,将风险平均值作为车队的风险值,这种方法得到的车队的风险值准确度不高。因此,亟需一种车队风险识别方法,以提高车队风险识别准确度。
技术实现思路
鉴于以上内容,有必要提供一种车队风险识别方法,旨在提高车队风险识别准确度。本专利技术提供的车队风险识别方法,包括:数据获取步骤:响应用户通过客户端发送的车队风险识别请求,获取所述车队中每辆车的第一数据、第二数据,根据所述第一数据、第二数据确定所述车队的特征因子集;车辆分组步骤:对所述特征因子集执行第一处理得到所述车队中每辆车的特征因子值,对所述特征因子值执行第二处理,得到所述车队中每辆车的第一风险分值,根据所述第一风险分值对所述车队中的车辆进行分组得到多个车辆组;风险识别步骤:计算所述多个车辆组中每个车辆组的第二风险分值,根据所述第二风险分值计算所述车队的风险识别分值。可选的,所述对所述特征因子集执行第一处理得到所述车队中每辆车的特征因子值包括:根据所述特征 ...
【技术保护点】
1.一种车队风险识别方法,应用于电子装置,其特征在于,所述方法包括:/n数据获取步骤:响应用户通过客户端发送的车队风险识别请求,获取所述车队中每辆车的第一数据、第二数据,根据所述第一数据、第二数据确定所述车队的特征因子集;/n车辆分组步骤:对所述特征因子集执行第一处理得到所述车队中每辆车的特征因子值,对所述特征因子值执行第二处理,得到所述车队中每辆车的第一风险分值,根据所述第一风险分值对所述车队中的车辆进行分组得到多个车辆组;/n风险识别步骤:计算所述多个车辆组中每个车辆组的第二风险分值,根据所述第二风险分值计算所述车队的风险识别分值。/n
【技术特征摘要】
1.一种车队风险识别方法,应用于电子装置,其特征在于,所述方法包括:
数据获取步骤:响应用户通过客户端发送的车队风险识别请求,获取所述车队中每辆车的第一数据、第二数据,根据所述第一数据、第二数据确定所述车队的特征因子集;
车辆分组步骤:对所述特征因子集执行第一处理得到所述车队中每辆车的特征因子值,对所述特征因子值执行第二处理,得到所述车队中每辆车的第一风险分值,根据所述第一风险分值对所述车队中的车辆进行分组得到多个车辆组;
风险识别步骤:计算所述多个车辆组中每个车辆组的第二风险分值,根据所述第二风险分值计算所述车队的风险识别分值。
2.如权利要求1所述的车队风险识别方法,其特征在于,所述对所述特征因子集执行第一处理得到所述车队中每辆车的特征因子值包括:
根据所述特征因子集、第一数据、第二数据确定所述车队中每辆车的各个特征因子的初始值;
从预设数据库中分别获取所述各个特征因子的初始值对应的历史出险次数;
根据所述历史出险次数、出险次数与评分之间的映射关系确定所述车队中每辆车的各个特征因子的第一分值;
根据所述第一分值及预先确定的各个特征因子对应的权重参数计算得到所述车队中每辆车的各个特征因子的第二分值;
加总所述第二分值得到所述车队中每辆车的特征因子值。
3.如权利要求2所述的车队风险识别方法,其特征在于,所述方法还包括:
计算所述特征因子集中每个特征因子的参考值,根据所述参考值确定所述车队的高风险因子,将所述高风险因子发送给所述客户端。
4.如权利要求3所述的车队风险识别方法,其特征在于,所述计算所述特征因子集中每个特征因子的参考值,根据所述参考值确定所述车队的高风险因子包括:
根据所述第一分值、预设计算公式计算所述车队中每辆车的各个特征因子的第一参考值;
根据所述第一参考值计算所述车队的各个特征因子的第二参考值;
按照从高到低的顺序对所述第二参考值进行排序,将排序靠前的预设数量的特征因子作为高风险因子。
5.如权利要求4所述的车队风险识别方法,其特征在于,所述预设计算公式为:
Cij=γj*(Eij-D)
其中,Cij为车队中第i辆车的第j个特征因子的第一参考值,γj为第j个...
【专利技术属性】
技术研发人员:陈真,易方彦,
申请(专利权)人:中国平安财产保险股份有限公司,
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。