一种综合车辆风险分级及测算风险保费方法技术

本发明专利技术涉及驾驶风险量化领域，具体涉及一种综合车辆风险分级及测算风险保费方法。结合了传统风险因子、ODB驾驶行为数据和危险驾驶行文图像、车辆当年出险四类数据，对实时、中期、年度的车辆风险进行评价和量化，弥补了只使用一种数据带来的不稳定性和片面性。车辆风险分级平台能够完成数据采集、上传和模型计算的完整闭环流程，并能兼顾日常车辆风险预警、分级和保监会年度纯风险保费拟定等需求。分级和保监会年度纯风险保费拟定等需求。分级和保监会年度纯风险保费拟定等需求。

【技术实现步骤摘要】
一种综合车辆风险分级及测算风险保费方法


[0001]本专利技术涉及驾驶风险量化领域，具体涉及一种综合车辆风险分级及测算风险保费方法。

技术介绍

[0002]传统的车辆保险风险纯保费定价和车辆风险评级，多采用广义线性乘法或者加法模型，利用车辆的常规指标数据，例如：上年出险情况、驾驶员性别、车辆使用年限等相对车辆的风险等级进行预判和拟定风险保费，缺点是没有使用有效的驾驶行为数据，只能长期评价。
[0003]而近期腾讯科技(深圳)有限公司公开的专利“车辆驾驶风险的预警方法、装置和计算机设备”，专利号CN112202890A，主要是采用驾驶行为在车辆之间的相关性和差异性，对目标车辆进行风险预警和提示，缺陷是没有使用真实的车辆出险数据，只能短期评价。
[0004]上述两种评价方式都具有一定的片面性，因此，需要将一种能够将常规车辆风险指标、车辆网设备采集的驾驶员行为指标、车辆出险指标、危险驾驶行为图像联合建模，对车辆风险等级进行测算和分类的方法，实现对车辆风险分级及测算风险保费，并参照相关评价结果进行纯风险保费拟定。

技术实现思路

[0005]本专利技术意在提供一种综合车辆风险分级及测算风险保费方法，以针对不同实际风险场景需求，进行数据和模型模块组合切换，实现对车辆风险分级及测算风险保费。
[0006]为达到上述目的，本专利技术采用如下技术方案：一种综合车辆风险分级及测算风险保费方法，包括以下步骤：
[0007]第一步，将需要进行风险分级的车辆接入车辆风险分级平台；
[0008]第二步，车辆短期风险指标采集，通过采集装置记录驾驶员的驾驶行为，出现危险驾驶行为时，发出危险预警提示，并将数据上传车辆风险分级平台的服务器形成车辆短期风险指标；
[0009]第三步，车辆中期风险指标采集，车辆风险分级平台通过车载的ODB设备，对风险间接相关指标进行收集并上传车辆风险分级平台服务器，形成车辆中期风险指标；
[0010]第四步，车辆出险数据指标采集，负责采集车辆的保险报案数据并上传车辆风险分级平台，形成车辆出险数据指标；
[0011]第五步，车辆中期风险GLM模型更新，车辆风险分级平台通过收集到的车辆短期风险指标和车辆中期风险指标，对车辆中期风险GLM模型的参数进行拟合更新；
[0012]第六步，车辆中期风险等级评价，使用第五步更新的车辆中期风险GLM模型计算平台内每个车辆的纯风险数值，并根据聚类算法，对车辆风险分级平台内的每台车辆进行中期风险等级的划分；
[0013]第七步，车辆长期风险GLM模型更新，车辆风险分级平台通过收集到的车辆短期风
险指标和车辆中期风险指标，加入车辆前几年的出险情况以及包括驾驶人员性别、驾驶人员年龄、车辆类型、车辆用途的长期指标，对车辆风险分级平台内车辆长期风险GLM模型的参数进行拟合更新；
[0014]第八步，车辆长期风险等级评价，使用第七步更新好的车辆长期风险GLM模型计算车辆风险分级平台内每个车辆的纯风险数值，并根据聚类算法，对车辆风险分级平台内的每台车辆进行长期风险等级的划分。
[0015]优选的，作为一种改进，第二步中，记录驾驶员的驾驶行为，包括对驾驶员经常性闭眼、打哈切的疲劳驾驶状态、驾驶时使用手机、车距离过近等危险行为，直接危险预警提示，并将数据上传平台服务器形成车辆短期风险指标。
[0016]优选的，作为一种改进，第三步中，风险间接相关指标包括急刹车、急减速、急转弯、夜间驾驶时长、拥堵路段驾驶距离。
[0017]优选的，作为一种改进，第四步中，车辆出险数据采集，从保监会公布的车辆出险平台采集。
[0018]优选的，作为一种改进，第五步中，车辆中期风险模型的更新间隔为15天、30天、3个月，之后更新间隔保持在3个月；第七步，车辆长期风险模型的更新间隔为1年。
[0019]优选的，作为一种改进，所使用的系统架构包括应用层、业务层、数据层、数据库四个层次。
[0020]优选的，作为一种改进，所述数据层的中期风险GLM模型存储了车辆短期风险指标加工得到的累加惩戒指标项；所述累加惩戒指标项＝驾驶员疲劳行为出现次数所属区间*疲劳惩戒系数+驾驶员玩手机次数所属区间*手机惩戒系数+车距过近次数所属区间*车距惩戒系数。
[0021]优选的，作为一种改进，所述业务层中包括车辆聚类风险划分模块，采用Kmeans聚类方法将车辆按所属性质进行分类，在不同类别上按GLM模型计算的纯风险保费为分类指标进行聚类计算。
[0022]本方案的原理及优点是：数据采集上，使用集成视觉设备采集疲劳驾驶等直接风险指标，使用自主研发的ODB数据采集设备对驾驶行为数据进行采集，并通过车载互联网设备回传服务器进行保存。风险模型判定上，对于短期风险，除直接预警风险外，会使用“图像匹配算法”对严重违规行为，累加惩戒系数到中长期风险数据中；对于中、长期风险采用广义乘法线性和广义加法线性模型加权结果计算纯风险暴露，结合聚类方法对车辆进行风险等级分类；对于风险保费测算，系统使用驾驶图像、驾驶行为、常规因子、出险等全口径数据，按保监会标准GLM法生成测算结果。
[0023]该方法解决了：1、车辆实时风险预警，采用摄像头对诸如驾驶员疲劳、前后车距过近、驾驶时使用手机等直接危险行为进行预警提示；2、车辆中期风险预警，系统通过采集车辆ODB和风险间接相关的诸如急刹车、急减速、急转弯、夜间驾驶时长等中风险驾驶行为数据，对一段时间的车辆风险等级进行评价；3、车辆年度风险预警，综合上年出险、本年实际出险(或碰撞)、驾驶人员性别、年龄等指标，对年度风险保费和年度风险等级进行评测。4、针对不同实际风险场景需求，进行数据和模型模块组合切换。本专利技术结合了传统风险因子、ODB驾驶行为数据和危险驾驶行文图像、车辆当年出险四类数据，对实时、中期、年度的车辆风险进行评价和量化，弥补了只使用一种数据带来的不稳定性和片面性。车辆风险分级平
台能够完成数据采集、上传和模型计算的完整闭环流程，并能兼顾日常车辆风险预警、分级和保监会年度纯风险保费拟定等需求。
附图说明
[0024]图1为本专利技术实施例的系统架构示意图。
具体实施方式
[0025]下面通过具体实施方式进一步详细说明：
[0026]实施例基本如附图1所示，具体实施过程如下：
[0027]本专利技术一种综合车辆风险分级及测算风险保费方法，包括以下步骤：
[0028]第一步，将需要进行风险分级的车辆接入车辆风险分级平台；
[0029]第二步，车辆短期风险指标采集，通过采集装置记录驾驶员的驾驶行为，包括对驾驶员经常性闭眼、打哈切的疲劳驾驶状态、驾驶时使用手机、车距离过近等危险行为记录；出现危险驾驶行为时，发出危险预警提示，并将数据上传车辆风险分级平台的服务器形成车辆短期风险指标；
[0030]第三步，车辆中期风险指标采集，车辆风险分级平台通过车载的ODB设备，对风险间接相关指标包括急刹车、急减速、急转弯、夜间驾驶时长、拥堵路段驾驶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种综合车辆风险分级及测算风险保费方法，其特征在于：包括以下步骤：第一步，将需要进行风险分级的车辆接入车辆风险分级平台；第二步，车辆短期风险指标采集，通过采集装置记录驾驶员的驾驶行为，出现危险驾驶行为时，发出危险预警提示，并将数据上传车辆风险分级平台的服务器形成车辆短期风险指标；第三步，车辆中期风险指标采集，车辆风险分级平台通过车载的ODB设备，对风险间接相关指标进行收集并上传车辆风险分级平台服务器，形成车辆中期风险指标；第四步，车辆出险数据指标采集，负责采集车辆的保险报案数据并上传车辆风险分级平台，形成车辆出险数据指标；第五步，车辆中期风险GLM模型更新，车辆风险分级平台通过收集到的车辆短期风险指标和车辆中期风险指标，对车辆中期风险GLM模型的参数进行拟合更新；第六步，车辆中期风险等级评价，使用第五步更新的车辆中期风险GLM模型计算平台内每个车辆的纯风险数值，并根据聚类算法，对车辆风险分级平台内的每台车辆进行中期风险等级的划分；第七步，车辆长期风险GLM模型更新，车辆风险分级平台通过收集到的车辆短期风险指标和车辆中期风险指标，加入车辆前几年的出险情况以及包括驾驶人员性别、驾驶人员年龄、车辆类型、车辆用途的长期指标，对车辆风险分级平台内车辆长期风险GLM模型的参数进行拟合更新；第八步，车辆长期风险等级评价，使用第七步更新好的车辆长期风险GLM模型计算车辆风险分级平台内每个车辆的纯风险数值，并根据聚类算法，对车辆风险分级平台内的每台车辆进行长期风险等级的划分。2.根据权利要求1所述的一种综合车辆风险分级及测算风险保费方法，其特征在于：第...

【专利技术属性】
技术研发人员：罗锋，彭书遥，谷雨，江畅，陶俊阳，
申请(专利权)人：重庆臻链汇物联网科技有限公司，
类型：发明
国别省市：