一种基于自动驾驶行为资产的精准车险保费评估方法技术

本发明专利技术公开了一种基于自动驾驶行为资产的精准车险保费评估方法，包括数据采集模块：车端平台利用设备进行采集，并针对不同情况采用不同措施以获得车辆完整信息数据；自动驾驶能力评估模块：对车辆采集后的感知结果数据进行标准校对，并使用校对后的数据集进行模型评测，对评测结果进行辅助驾驶能力ABC的评级，且能力评级越高所需要的建议车险费用越少；驾驶员经验行为评估模块：对驾驶员的人群经验及行为进行评估，并结合以上评估结果的影响因子，对最终的车险保费进行权重升级，从而实现精准的车险保费评估方法，本发明专利技术可以对车辆的辅助驾驶能力进行评估，并且充分考虑司机的人群类别以及行为信息。别以及行为信息。别以及行为信息。

【技术实现步骤摘要】
一种基于自动驾驶行为资产的精准车险保费评估方法


[0001]本专利技术涉及自动驾驶数据处理领域，特别是涉及一种基于自动驾驶行为资产的精准车险保费评估方法。

技术介绍

[0002]当前，绝大多数保险公司的车险保费基本取决于新车购置价格，车险保费未将驾驶员的驾驶经验和车辆是否具备辅助驾驶系统考虑在内，对于刚拿到驾照的新手司机和拥有数十年驾龄熟练司机保费并无差别，对于车辆是否具备辅助驾驶系统的保费也无差别，保费的价格设定存在不合理。
[0003]现阶段，有部分技术是通过车载设备进行车险定价的系统,使用传感器完成车辆行驶及使用数据收集,并对收集的数据进行分析，进而完成保费的个性化计算。但这类方法的评估模型简单、仅仅考虑到车辆的行驶数据，并不具备普适性，同时也没有考虑到车辆是否具有辅助驾驶功能和司机的经验以及司机的驾驶行为数据。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术提供一种基于自动驾驶行为资产的精准车险保费评估方法，可以对车辆的辅助驾驶能力进行评估，并且充分考虑司机的人群类别以及行为信息，再结合车身信号来生成精准的车险保费评估模型，实现全自动化评估方式，节约了人力资源。
[0005]为解决上述技术问题，本专利技术提供如下技术方案：一种基于自动驾驶行为资产的精准车险保费评估方法，包括数据采集模块：车端平台利用设备进行采集，并针对不同情况采用不同措施以获得车辆完整信息数据；自动驾驶能力评估模块：对车辆采集后的感知结果数据进行标准校对，并使用校对后的数据集进行模型评测，对评测结果进行辅助驾驶能力ABC的评级，且能力评级越高所需要的建议车险费用越少；驾驶员经验行为评估模块：对驾驶员的人群经验及行为进行评估，并结合以上评估结果的影响因子，对最终的车险保费进行权重升级，从而实现精准的车险保费评估方法。
[0006]作为本专利技术的一种优选技术方案，所述数据采集模块中的设备包括摄像头、激光雷达、毫米波雷达、超声波雷达等传感器，对车身上的挡位、底盘、轮胎等信号进行采集，并保存采集到的车身数据及道路感知数据。
[0007]作为本专利技术的一种优选技术方案，所述自动驾驶能力评估模块中的模型测评包括准确率测评、召回率测评、难例场景、特殊工况测评、规划控制能力测评。
[0008]作为本专利技术的一种优选技术方案，所述自动驾驶能力评估模块中的A级为较好的驾驶能力，后续车险评估影响因子为0.9；B级为一般的驾驶能力，后续车险评估影响因子为0.95；C级为较差或没有自动驾驶能力，后续车险评估影响因子为1。
[0009]作为本专利技术的一种优选技术方案，所述驾驶员经验行为评估模块中需要对驾驶员实际驾驶年龄、车辆长期行驶路况、驾驶员驾驶过程中的情绪进行评估。
[0010]作为本专利技术的一种优选技术方案，所述驾驶员实际驾驶年龄分为0
‑
3年、4
‑
8年、9年及以上。
[0011]作为本专利技术的一种优选技术方案，所述驾驶员驾驶情绪评估主要依赖于车内的驾驶员监控摄像头数据。
[0012]作为本专利技术的一种优选技术方案，所述驾驶员情绪评估利用驾驶员监控模型进行分级评估，其中较好的驾驶情绪控制后续车险评估影响因子为0.9，一般的驾驶情绪控制后续车险评估影响因子为0.95，较差的驾驶情绪控制后续车险评估影响因子为1。
[0013]与现有技术相比，本专利技术能达到的有益效果是：
[0014]本专利技术可以对车辆的辅助驾驶能力进行评估，并且充分考虑司机的人群类别以及行为信息，再结合车身信号来生成精准的车险保费评估模型，实现全自动化评估方式，节约了人力资源。
附图说明
[0015]图1为本专利技术的整体流程方框图；
[0016]为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例，进一步阐述本专利技术，但下述实施例仅仅为本专利技术的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其它实施例，都属于本专利技术的保护范围。下述实施例中的实验方法，如无特殊说明，均为常规方法，下述实施例中所用的材料、试剂等，如无特殊说明，均可从商业途径得到。
实施例:
[0017]实施例1：
[0018]如图1所示，本专利技术提供，一种基于自动驾驶行为资产的精准车险保费评估方法，包括数据采集模块：车端平台利用设备进行采集，并针对不同情况采用不同措施以获得车辆完整信息数据，所述设备包括摄像头、激光雷达、毫米波雷达、超声波雷达等传感器，对车身上的挡位、底盘、轮胎等信号进行采集，并保存采集到的车身数据及道路感知数据；自动驾驶能力评估模块：对车辆采集后的感知结果数据进行标准校对，并使用校对后的数据集进行模型评测，对评测结果进行辅助驾驶能力ABC的评级，且能力评级越高所需要的建议车险费用越少；驾驶员经验行为评估模块：对驾驶员的人群经验及行为进行评估，并结合以上评估结果的影响因子，对最终的车险保费进行权重升级，从而实现精准的车险保费评估方法，所述自动驾驶能力评估模块中的模型测评包括准确率测评、召回率测评、难例场景、特殊工况测评、规划控制能力测评，所述驾驶员经验行为评估模块中需要对驾驶员实际驾驶年龄、车辆长期行驶路况、驾驶员驾驶过程中的情绪进行评估；
[0019]本专利技术通过数据采集模块进行数据采集工作，其中包括利用摄像头、激光雷达、毫米波雷达、超声波雷达等传感器对车身上的挡位、底盘、轮胎等信号进行采集，并保存采集到的车身数据及道路感知数据，通过自动驾驶能力评估模块对车辆采集后的感知结果数据进行标准校对，并使用校对后的数据集进行模型评测，对评测结果进行辅助驾驶能力ABC的评级，且能力评级越高所需要的建议车险费用越少，所述自动驾驶能力评估模块中的模型测评包括准确率测评、召回率测评、难例场景、特殊工况测评、规划控制能力测评，驾驶员经
验行为评估模块对驾驶员的人群经验及行为进行评估，所述驾驶员经验行为评估模块中需要对驾驶员实际驾驶年龄、车辆长期行驶路况、驾驶员驾驶过程中的情绪进行评估，并结合以上评估结果的影响因子，对最终的车险保费进行权重升级，从而实现精准的车险保费评估方法，得出车险保费的最佳推荐，可以对车辆的辅助驾驶能力进行评估，并且充分考虑司机的人群类别以及行为信息，再结合车身信号来生成精准的车险保费评估模型，实现全自动化评估方式，节约了人力资源。
[0020]实施例2：
[0021]如图1所示，本专利技术提供，一种基于自动驾驶行为资产的精准车险保费评估方法，并在实施例1的基础上进行改进，其中，所述自动驾驶能力评估模块中的A级为较好的驾驶能力，后续车险评估影响因子为0.9；B级为一般的驾驶能力，后续车险评估影响因子为0.95；C级为较差或没有自动驾驶能力，后续车险评估影响因子为1，所述驾驶员实际驾驶年龄分为0
‑
3年、4
‑
8年、9年及以上，所述驾驶员驾驶情绪评估主要依赖于车内的驾驶员监控摄像头数据，所述驾驶员情绪评估利用驾驶员监控模型进行分级评估，其中较好的驾驶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自动驾驶行为资产的精准车险保费评估方法，其特征在于：包括：数据采集模块：车端平台利用设备进行采集，并针对不同情况采用不同措施以获得车辆完整信息数据；自动驾驶能力评估模块：对车辆采集后的感知结果数据进行标准校对，并使用校对后的数据集进行模型评测，对评测结果进行辅助驾驶能力ABC的评级，且能力评级越高所需要的建议车险费用越少；驾驶员经验行为评估模块：对驾驶员的人群经验及行为进行评估，并结合以上评估结果的影响因子，对最终的车险保费进行权重升级，从而实现精准的车险保费评估方法。2.根据权利要求1所述的一种基于自动驾驶行为资产的精准车险保费评估方法，其特征在于：所述数据采集模块中的设备包括摄像头、激光雷达、毫米波雷达、超声波雷达等传感器，对车身上的挡位、底盘、轮胎等信号进行采集，并保存采集到的车身数据及道路感知数据。3.根据权利要求1所述的一种基于自动驾驶行为资产的精准车险保费评估方法，其特征在于：所述自动驾驶能力评估模块中的模型测评包括准确率测评、召回率测评、难例场景、特殊工况测评、规划控制能力测评。4.根据权利要求1所述的一种基于自动驾驶行为资产的精准车险保费评估方法，其特征在于：所述自...

【专利技术属性】
技术研发人员：李鑫武，丁华杰，赵佳佳，谷俊，
申请(专利权)人：上海寻序人工智能科技有限公司，
类型：发明
国别省市：