本发明专利技术涉及人工智能技术，揭露了一种基于驾驶行为的用户分级方法，包括：从用户的驾驶行为数据中提取出用户每一次驾驶时预设的驾驶行为的历史峰值、区间总值和区间极值；获取用户的车险赔付总额，将车险赔付总额进行对数归一化处理为归一化赔付参数；对历史峰值、区间总值、区间极值和归一化赔付参数进行特征描述，得到输入特征；对输入特征进行特征筛选，得到筛选特征；计算筛选特征的特征等级，将特征等级作为用户的用户等级。此外，本发明专利技术还涉及区块链技术，驾驶行为数据可存储于区块链的节点。本发明专利技术还提出一种基于驾驶行为的用户分级装置、电子设备以及存储介质。本发明专利技术可以解决对用户进行等级划分的精确度较低的问题。对用户进行等级划分的精确度较低的问题。对用户进行等级划分的精确度较低的问题。
【技术实现步骤摘要】
基于驾驶行为的用户分级方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能
，尤其涉及一种基于驾驶行为的用户分级方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]汽车是人们日常出行中越来越常见的交通工具，各保险公司围绕着汽车展开了大量的保险业务，保险业务中，会根据用户相关数据对用户进行等级划分，进而根据不同的用户等级对用户实现针对性的保险产出。
[0003]现有的用户等级划分方法多为基于结果导向的等级划分，即通过判断用户历史出险次数、赔付额度等数据对用户进行等级划分，该方法中，以结果为导向，无法分析客户开车过程中产生的数据，而客户的驾驶习惯往往是决定是否会出交通事故的关键因素，因此，导致对用户等级的划分不精确。
技术实现思路
[0004]本专利技术提供一种基于驾驶行为的用户分级方法、装置及计算机可读存储介质，其主要目的在于解决对用户进行等级划分的精确度较低的问题。
[0005]为实现上述目的，本专利技术提供的一种基于驾驶行为的用户分级方法，包括：
[0006]获取用户的驾驶行为数据，从所述驾驶行为数据中提取出所述用户每一次驾驶时预设的驾驶行为的区间总值和区间极值以及所有区间的历史峰值；
[0007]获取用户的车险赔付总额，将所述车险赔付总额进行对数归一化处理，得到归一化赔付参数；
[0008]获取预先训练的深度神经网络，所述深度神经网络包括输入层、隐藏层和输出层；
[0009]利用预先训练的深度神经网络的输入层对所述历史峰值、所述区间总值、所述区间极值和所述归一化赔付参数进行特征描述，得到输入特征；
[0010]利用所述深度神经网络的隐藏层对所述输入特征进行特征筛选，得到筛选特征；
[0011]利用所述深度神经网络的输出层计算所述筛选特征的特征等级，将所述特征等级作为所述用户的用户等级。
[0012]可选地，所述从所述驾驶行为数据中提取出所述用户每一次驾驶时预设的驾驶行为的区间总值和区间极值以及所有区间的历史峰值，包括：
[0013]从所述预设的驾驶行为中逐个选取其中一个驾驶行为；
[0014]统计被选取的驾驶行为在所述驾驶行为数据中每次一驾驶时的历史数值，选取所述历史数值中最大值为历史峰值；
[0015]计算预设时间区间内被选取的驾驶行为在所述驾驶行为数据中每次一次驾驶时的历史数值之和，得到区间总值；
[0016]统计被选取的驾驶行为在预设时间区间内的极大值与极小值，并汇集所述极大值与所述极小值为区间极值。
[0017]可选地，所述将所述车险赔付总额进行对数归一化处理，得到归一化赔付参数，包括：
[0018]对所述车险赔付总额进行对数运算，得到对数值；
[0019]判断所述对数值是否大于预设阈值；
[0020]当所述对数值大于所述预设阈值，则将预设第一数值作为所述车险赔付总额的归一化赔付参数；
[0021]当所述对数值小于或等于所述预设阈值，则将预设第二数值作为所述车险赔付总额的归一化赔付参数。
[0022]可选地，所述对所述车险赔付总额进行对数运算，得到对数值，包括：
[0023]利用如下对数函数对所述车险赔付总额进行对数运算，得到对数值：
[0024]W＝logC
[0025]其中，W为所述对数值，C为所述车险赔付总额，log为对数运算符。
[0026]可选地，所述利用预先训练的深度神经网络的输入层对所述历史峰值、所述区间总值、所述区间极值和所述归一化赔付参数进行特征描述，得到输入特征，包括：
[0027]对所述历史峰值、所述区间总值、所述区间极值和所述归一化赔付参数进行数值转换，得到每一个数据对应的数据数值；
[0028]利用预设的映射函数将所述数据数值映射至预先构建的空间坐标系，并将每一个数据数值在所述空间坐标系中的坐标作为该数据数值的输入特征。
[0029]可选地，所述利用所述深度神经网络的隐藏层对所述输入特征进行特征筛选，得到筛选特征，包括：
[0030]利用所述隐藏层对所述输入特征进行批归一化处理，得到归一化特征；
[0031]按照预设权重对所述归一化特征中的特征进行随机丢弃，并对随机丢弃后的归一化特征进行预设次数的全连接处理，得到筛选特征。
[0032]可选地，所述利用所述深度神经网络的输出层计算所述筛选特征的特征等级，包括：
[0033]利用所述深度神经网络的输出层中的激活函数分别计算所述筛选特征与多个预设的特征等级标签之间的相对概率值；
[0034]选取所述相对概率值最大的特征等级标签为目标标签；
[0035]从预设的等级表中查询得到所述目标标签对应的特征等级，并将所述特征等级作为所述筛选特征的特征等级。
[0036]为了解决上述问题，本专利技术还提供一种基于驾驶行为的用户分级装置，所述装置包括：
[0037]数据提取模块，用于获取用户的驾驶行为数据，从所述驾驶行为数据中提取出所述用户每一次驾驶时预设的驾驶行为的区间总值和区间极值以及所有区间的历史峰值；
[0038]对数归一化模块，用于获取用户的车险赔付总额，将所述车险赔付总额进行对数归一化处理，得到归一化赔付参数；
[0039]特征描述模块，用于获取预先训练的深度神经网络，所述深度神经网络包括输入层、隐藏层和输出层，利用预先训练的深度神经网络的输入层对所述历史峰值、所述区间总值、所述区间极值和所述归一化赔付参数进行特征描述，得到输入特征；
[0040]特征筛选模块，用于利用所述深度神经网络的隐藏层对所述输入特征进行特征筛选，得到筛选特征；
[0041]等级确定模块，用于利用所述深度神经网络的输出层计算所述筛选特征的特征等级，将所述特征等级作为所述用户的用户等级。
[0042]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0043]存储器，存储至少一个指令；及
[0044]处理器，执行所述存储器中存储的指令以实现上述所述的基于驾驶行为的用户分级方法。
[0045]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于驾驶行为的用户分级方法。
[0046]本专利技术实施例能够对用户的驾驶行为数据进行历史峰值、区间总值和区间极值等多维度的分析，并结合用户的车险赔付数据，实现行为和结果导向结合的数据分析，有利于提高对用户进行等级划分的精确度。因此本专利技术提出的基于驾驶行为的用户分级方法、装置、电子设备及计算机可读存储介质，可以解决对用户进行等级划分的精确度较低的问题。
附图说明
[0047]图1为本专利技术一实施例提供的基于驾驶行为的用户分级方法的流程示意图；
[0048]图2为本专利技术一实施例提供的进行对数归一化处理的流程示意图；
[0049]图3为本专利技术一实施例提供的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于驾驶行为的用户分级方法，其特征在于，所述方法包括：获取用户的驾驶行为数据，从所述驾驶行为数据中提取出所述用户每一次驾驶时预设的驾驶行为的区间总值和区间极值以及所有区间的历史峰值；获取用户的车险赔付总额，将所述车险赔付总额进行对数归一化处理，得到归一化赔付参数；获取预先训练的深度神经网络，所述深度神经网络包括输入层、隐藏层和输出层；利用预先训练的深度神经网络的输入层对所述历史峰值、所述区间总值、所述区间极值和所述归一化赔付参数进行特征描述，得到输入特征；利用所述深度神经网络的隐藏层对所述输入特征进行特征筛选，得到筛选特征；利用所述深度神经网络的输出层计算所述筛选特征的特征等级，将所述特征等级作为所述用户的用户等级。2.如权利要求1所述的基于驾驶行为的用户分级方法，其特征在于，所述从所述驾驶行为数据中提取出所述用户每一次驾驶时预设的驾驶行为的区间总值和区间极值以及所有区间的历史峰值，包括：从所述预设的驾驶行为中逐个选取其中一个驾驶行为；统计被选取的驾驶行为在所述驾驶行为数据中每次一驾驶时的历史数值，选取所述历史数值中最大值为历史峰值；计算预设时间区间内被选取的驾驶行为在所述驾驶行为数据中每次一次驾驶时的历史数值之和，得到区间总值；统计被选取的驾驶行为在预设时间区间内的极大值与极小值，并汇集所述极大值与所述极小值为区间极值。3.如权利要求1所述的基于驾驶行为的用户分级方法，其特征在于，所述将所述车险赔付总额进行对数归一化处理，得到归一化赔付参数，包括：对所述车险赔付总额进行对数运算，得到对数值；判断所述对数值是否大于预设阈值；当所述对数值大于所述预设阈值，则将预设第一数值作为所述车险赔付总额的归一化赔付参数；当所述对数值小于或等于所述预设阈值，则将预设第二数值作为所述车险赔付总额的归一化赔付参数。4.如权利要求3所述的基于驾驶行为的用户分级方法，其特征在于，所述对所述车险赔付总额进行对数运算，得到对数值，包括：利用如下对数函数对所述车险赔付总额进行对数运算，得到对数值：W＝log C其中，W为所述对数值，C为所述车险赔付总额，log为对数运算符。5.如权利要求1所述的基于驾驶行为的用户分级方法，其特征在于，所述利用预先训练的深度神经网络的输入层对所述历史峰值、所述区间总值、所述区间极值和所述归一化赔付参数进行特征描述，得到输入特征，包括：对所述历史峰值、所述区间总值、所述区间极值和所述归一化赔付参数进行数值转换，...
【专利技术属性】
技术研发人员：严杨扬，
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：
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。