本申请提出一种基于人工智能的车辆配件定损方法、装置、电子设备及存储介质，基于人工智能的车辆配件定损方法包括：采集不同车辆的历史定损数据以生成车辆定损数据集；基于所述车辆定损数据集训练预设的神经网络模型以预测基准价格；拟合预设的阻滞增长模型以预估待定损车辆所在地区的人均可支配收入；基于所述定损数据对所述车辆定损数据集进行划分以获取历史平均价格；基于所述车辆定损数据集、基准价格、人均可支配收入和历史平均价格训练预设的机器学习模型以获取待定损车辆的配件定损额度；基于所述配件定损额度对待定损车辆的配件进行定损。本申请能够综合多种因素对车辆配件进行定损，从而提高车辆配件定损的准确性。性。性。
【技术实现步骤摘要】
基于人工智能的车辆配件定损方法、装置、设备及介质
[0001]本申请涉及人工智能
，尤其涉及一种基于人工智能的车辆配件定损方法、装置、电子设备及存储介质。
技术介绍
[0002]车辆的定损涉及到维修、制造和车主多方面的技术和利益，它是整个车险服务中矛盾比较突出的部分，需要专业人员进行，而在定损工作中的配件选择则在定损工作中具有突出的意义。
[0003]在对车辆配件进行定损的具体落实过程中，需要一线工作人员调研后确定该区域内某车系某配件的合理价格，这种定损方式不仅费时费力，且容易存在部分车系配件价格变动维护更新不及时，无法同步市场需求变化，导致不能准确的对实际定损理赔的成本进行管控。
技术实现思路
[0004]鉴于以上内容，有必要提出一种基于人工智能的车辆配件定损方法、装置、电子设备及存储介质，以解决如何更为准确的对车辆配件进行定损这一技术问题。
[0005]本申请提供一种基于人工智能的车辆配件定损方法，所述方法包括：
[0006]采集不同车辆的历史定损数据以生成车辆定损数据集，所述定损数据包括车辆的基本数据、配件数据和维修数据；
[0007]基于所述车辆定损数据集训练预设的神经网络模型获得配件基准价格预测模型，所述配件基准价格预测模型用以预测待定损车辆不同配件的基准价格；
[0008]拟合预设的阻滞增长模型获得人均可支配收入预估模型，所述人均可支配收入预估模型用以预估待定损车辆所在地区的人均可支配收入；
[0009]基于所述定损数据对所述车辆定损数据集进行划分以获取待定损车辆不同配件的历史平均价格；
[0010]基于所述车辆定损数据集、基准价格、人均可支配收入和历史平均价格训练预设的机器学习模型获得强学习器，所述强学习器用以获取待定损车辆的配件定损额度；
[0011]基于所述配件定损额度对待定损车辆的配件进行定损。
[0012]在一些实施例中，所述采集不同车辆的历史定损数据以生成车辆定损数据集包括：
[0013]获取车辆的车辆识别码；
[0014]基于所述车辆识别码采集所述车辆的历史定损数据；
[0015]基于所述车辆识别码将所述车辆的历史定损数据存储至定损数据库中获得车辆定损数据集。
[0016]在一些实施例中，所述基于所述车辆定损数据集训练预设的神经网络模型获得配件基准价格预测模型，包括：
[0017]对所述车辆定损数据集设置标签以获取车辆配件定损标签集；
[0018]对所述车辆定损数据集进行编码以构建车辆定损特征向量；
[0019]将所述车辆定损特征向量分别输入预设的神经网络模型的第一结构层和第二结构层获得车辆定损低阶特征和车辆定损高阶特征；
[0020]依据激活函数计算所述车辆定损低阶特征和车辆定损高阶特征以获取配件价格预测数据集；
[0021]依据损失函数计算所述车辆配件定损标签集和配件价格预测数据集之间的训练损失，并基于所述训练损失对所述神经网络模型进行迭代优化获得配件基准价格预测模型；
[0022]采集待定损车辆的定损信息并输入至所述配件基准价格预测模型以获取待定损车辆不同配件的基准价格。
[0023]在一些实施例中，所述拟合预设的阻滞增长模型获得人均可支配收入预估模型，包括：
[0024]依据爬虫技术统计待定损车辆所在地区的历史人均可支配收入数据；
[0025]基于所述历史人均可支配收入数据拟合阻滞增长模型获得人均可支配收入预估模型；
[0026]基于所述人均可支配收入预估模型预估出待定损车辆所在地区的人均可支配收入。
[0027]在一些实施例中，所述基于所述定损数据对所述车辆定损数据集进行划分以获取待定损车辆不同配件的历史平均价格，包括：
[0028]基于所述车辆的基本数据对所述车辆定损数据集进行划分获得多个第一分组数据集；
[0029]基于所述车辆的配件数据对所述第一分组数据集进行划分获得多个第二分组数据集；
[0030]计算所述第二分组数据集中的维修数据的平均值以获取车辆不同配件的历史平均价格。
[0031]在一些实施例中，所述基于所述车辆定损数据集、基准价格、人均可支配收入和历史平均价格训练预设的机器学习模型获得强学习器，包括：
[0032]基于所述车辆定损数据集、基准价格、人均可支配收入和历史平均价格构建样本数据集；
[0033]依据基于梯度的单边采样算法抽取所述样本数据集中的样本数据对预设的机器学习模型进行训练以获取强学习器；
[0034]将所述待定损车辆的定损信息输入所述强学习器以获取待定损车辆的配件定损额度。
[0035]在一些实施例中，所述基于所述配件定损额度对待定损车辆的配件进行定损包括：
[0036]依据预设方式获取待定损车辆的配件定损价格；
[0037]计算所述配件定损额度和所述配件定损价格之间的价格偏差；
[0038]对比所述价格偏差和预设的价格偏差阈值，若所述价格偏差小于预设的价格偏差
阈值，则基于所述配件定损价格对待定损车辆的配件进行定损；若所述价格偏差不小于预设的价格偏差阈值，则进行预警以对待定损车辆的配件进行二次定损。
[0039]本申请实施例还提供一种基于人工智能的车辆配件定损装置，所述装置包括采集模块、训练模块、拟合模块、划分模块、获取模块以及定损模块：
[0040]所述采集模块，用于采集不同车辆的历史定损数据以生成车辆定损数据集，所述定损数据包括车辆的基本数据、配件数据和维修数据；
[0041]所述训练模块，用于基于所述车辆定损数据集训练预设的神经网络模型获得配件基准价格预测模型，所述配件基准价格预测模型用以预测待定损车辆不同配件的基准价格；
[0042]所述拟合模块，用于拟合预设的阻滞增长模型获得人均可支配收入预估模型，所述人均可支配收入预估模型用以预估待定损车辆所在地区的人均可支配收入；
[0043]所述划分模块，用于基于所述定损数据对所述车辆定损数据集进行划分以获取待定损车辆不同配件的历史平均价格；
[0044]所述获取模块，用于基于所述车辆定损数据集、基准价格、人均可支配收入和历史平均价格训练预设的机器学习模型获得强学习器，所述强学习器用以获取待定损车辆的配件定损额度；
[0045]所述定损模块，用于基于所述配件定损额度对待定损车辆的配件进行定损。
[0046]本申请实施例还提供一种电子设备，所述电子设备包括：
[0047]存储器，存储至少一个指令；
[0048]处理器，执行所述存储器中存储的指令以实现所述的基于人工智能的车辆配件定损方法。
[0049]本申请实施例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所述的基于人工智能的车辆配件定损方法。
[0050]本申请通过获取影响车辆配件定损的多重因素，并利用这些影本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的车辆配件定损方法，其特征在于，所述方法包括：采集不同车辆的历史定损数据以生成车辆定损数据集，所述定损数据包括车辆的基本数据、配件数据和维修数据；基于所述车辆定损数据集训练预设的神经网络模型获得配件基准价格预测模型，所述配件基准价格预测模型用以预测待定损车辆不同配件的基准价格；拟合预设的阻滞增长模型获得人均可支配收入预估模型，所述人均可支配收入预估模型用以预估待定损车辆所在地区的人均可支配收入；基于所述定损数据对所述车辆定损数据集进行划分以获取待定损车辆不同配件的历史平均价格；基于所述车辆定损数据集、基准价格、人均可支配收入和历史平均价格训练预设的机器学习模型获得强学习器，所述强学习器用以获取待定损车辆的配件定损额度；基于所述配件定损额度对待定损车辆的配件进行定损。2.如权利要求1所述的基于人工智能的车辆配件定损方法，其特征在于，所述采集不同车辆的历史定损数据以生成车辆定损数据集包括：获取车辆的车辆识别码；基于所述车辆识别码采集所述车辆的历史定损数据；基于所述车辆识别码将所述车辆的历史定损数据存储至定损数据库中获得车辆定损数据集。3.如权利要求1所述的基于人工智能的车辆配件定损方法，其特征在于，所述基于所述车辆定损数据集训练预设的神经网络模型获得配件基准价格预测模型，包括：对所述车辆定损数据集设置标签以获取车辆配件定损标签集；对所述车辆定损数据集进行编码以构建车辆定损特征向量；将所述车辆定损特征向量分别输入预设的神经网络模型的第一结构层和第二结构层获得车辆定损低阶特征和车辆定损高阶特征；依据激活函数计算所述车辆定损低阶特征和车辆定损高阶特征以获取配件价格预测数据集；依据损失函数计算所述车辆配件定损标签集和配件价格预测数据集之间的训练损失，并基于所述训练损失对所述神经网络模型进行迭代优化获得配件基准价格预测模型；采集待定损车辆的定损信息并输入至所述配件基准价格预测模型以获取待定损车辆不同配件的基准价格。4.如权利要求1所述的基于人工智能的车辆配件定损方法，其特征在于，所述拟合预设的阻滞增长模型获得人均可支配收入预估模型，包括：依据爬虫技术统计待定损车辆所在地区的历史人均可支配收入数据；基于所述历史人均可支配收入数据拟合阻滞增长模型获得人均可支配收入预估模型；基于所述人均可支配收入预估模型预估出待定损车辆所在地区的人均可支配收入。5.如权利要求1所述的基于人工智能的车辆配件定损方法，其特征在于，所述基于所述定损数据对所述车辆定损数据集进行划分以获取待定损车辆不同配件的历史平均价格，包括：基于所述车辆的基本数据对所述车辆定损数据集进行划分获得多个第一分组数据集；
基于所述车辆的配...
【专利技术属性】
技术研发人员：罗善扬，张燕红，史光辉，王建明，
申请(专利权)人：平安科技深圳有限公司，
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。