一种自适应行驶数据的智能车险策略生成系统及方法技术方案

本发明专利技术公开了一种自适应行驶数据的智能车险策略生成系统及方法，包括步骤：

【技术实现步骤摘要】
一种自适应行驶数据的智能车险策略生成系统及方法


[0001]本专利技术涉及保险自动处理
，具体涉及一种自适应行驶数据的智能车险策略生成系统及方法
。

技术介绍

[0002]在现代交通系统中，汽车保险是不可或缺的一环
。
传统的汽车保险定价通常基于个人的基本信息，如年龄
、
驾驶经验以及车辆的型号和年龄
。
然而，这些静态的信息往往不能准确反应驾驶员的驾驶行为和相应的风险水平
。
且保险都是按年度收费，无论驾驶情况如何都是缴费相同金额，不能够根据每次出现进行针对性的提出保险方案，随着信息技术的发展，尤其是车联网
、
大数据和机器学习技术的崛起，为汽车保险领域带来了新的可能性
。
在传统的车险定价模型中，保险费率通常基于静态的因素，如驾驶员的年龄
、
驾驶经验
、
车辆类型等
。
然而，这种方法很难准确反映驾驶员的实际驾驶行为和风险水平
。
近年来，随着车联网
、...

【技术保护点】

【技术特征摘要】
1.
一种自适应行驶数据的智能车险策略生成方法，其特征在于，包括步骤：
S1
：收集车辆的实时行驶数据，包括速度
、
加速度
、
刹车次数
、
天气条件
、
转向角度
、
刹车频率
、
平均速度
、
急加速次数；
S2
：采用
DBSCAN
算法对行驶数据进行聚类，识别出驾驶行为模式，为每个驾驶事件分配一个驾驶行为模式标签；驾驶行为模式标签包括正常驾驶或高速或低速或急加速或急刹车；
S21
：选择
DBSCAN
参数包括：一个点的邻域半径，一个簇的最小点数
;
其中，一个点表示单次驾驶事件，即一次急刹车和
/
或急加速和
/
或一段时间的平均速度和
/
或刹车频率；邻域半径为特定值，在邻域半径范围内的速度变化和
/
或加速度变化和
/
或刹车次数变化则认定为相同驾驶行为，归为同一类别；特定路段上至少需要个驾驶事件才能形成一个独立的驾驶行为模式；
S22:
对数据集中的每个点单次驾驶事件进行遍历，查询点驾驶事件在领域内的所有点：其中，
D
为数据集包括速度和
/
或加速度和
/
或刹车频率和
/
或急加速次数数据，
dist
是距离函数；为数据集中两个不同的点即两个不同的驾驶事件，为对于点邻域中的点数；其中，
、
为数据集中点驾驶事件和点驾驶事件分别对应的特征向量；是一个全为1的
n
×
n
矩阵，
n
是数据点的数量
;
为径向基函数作为核函数计算出的
、
之间的核矩阵；
S23:
如果中的点数即驾驶事件数大于或等于，标记为核心点；并创建一个新的聚类；将和中的所有点添加到该聚类中；如果中的点数小于，则为边界点；对于每个边界点，找到最近的核心点，并将其分配到相应的聚类；数据集中未分配到任何聚类的点被标记为噪声点
;S24
：得到聚类结果后，根据一个聚类的平均速度或急加速次数或急刹车次数与分别对应的设定阈值进行比较，若大于阈值，则为高速或急加速或急刹车标签；
S3
：基于驾驶数据
、
路网信息构建交通网络图，使用训练好的图神经网络
GNN
对交通网络图进行分析；判断此次行驶的驾驶风险程度；
S4
：如果是高风险则自动生成高保费保险策略，否则输出低保费保险策略；：如果是高风险则自动生成高保费保险策略，否则输出低保费保险策略；是节点的保险费率，是基本保费率，是一个调整因子，是由
GNN
模型计算出的驾驶风险
。
2.
如权利要求1所述的一种自适应行驶数据的智能车险策略生成方法，其特征在于，所述
S3
：使用训练好的图神经网络
GNN
对交通网络图进行分析；判断此次行驶的驾驶风险程度，包括：
S31
：基于驾驶数据
、
路网信息构建交通网络图，节点代表车辆
、
交叉口或道路段；边代表车辆之间的距离
、
道路连接；
,
是图，是节点集，是边集；
S32
：为每个节点和边分配特征向量；对于车辆节点，特征包括速度
、
加速度
、
由
DBSCAN
得到的驾驶行为标签；
S33
：使用训练好的
GNN
模型分析交通网络和驾驶数据，以识别高风险和低风险的驾驶行为，输出此次行驶的驾驶风险程度
。3.
如权利要求1所述的一种自适应行驶数据的智能车险策略生成方法，其特征在于，所述收集车辆的实时行驶数据，包括速度
、
加速度
、
刹车次数
、
行驶路线
、
天气条件
、
转向角度
、
刹车频率
、
平均速度
、
急加速次数；其中天气条件包括温度
、
湿度
、
风速
、
降雨量
、
雪量
。4.
如权利要求1所述的一种自适应行驶数据的智能车险策略生成方法，其特征在于，所述
S2
：采用
DBSCAN
算法对行驶数据进行聚类，识别出驾驶行为模式，为每个驾驶事件分配一个驾驶行为模式标签；驾驶行为模式标签包括正常驾驶或高速或低速或急加速或急刹车；其中驾驶事件为从时间点
A
到时间点
B
的行驶记录，或者从地点
X
到地点
Y
的行驶记录
。5.
如权利要求2所述的一种自适应行驶数据的智能车险策略生成方法，其特征在于，所述
S33
：使用训练好的
GNN
模型分析交通网络和驾驶数据，以识别高风险和低风险的驾驶行为，输出此次行驶的驾驶风险程度，其中，
GNN
模型包括多层图卷积层
,
图卷积操作如下：其中，表示节点在层的特征向量即某个车辆的速度或加速度特征或某个交叉路口的交通流量特征或道路段的拥堵程度特征，其中节点是车辆或交叉口或道路段，
、
分别表示层的权重和偏置，是训练过程中学习到的参数；是
ReLU
激活函数；是节点的领域节点集合，在交通网络中，一个车辆节点，它的领域包括小于设定距离阈值的车辆或交叉口；在通过多层图卷积操作后，每个节点将获得一个新的特征表示，通过一个全连接层和
sigmoid
激活函数，计算出每个节点的风险程度
:
其中，
、
分别表示全连接层的权重和偏置，
L
是
GN...

【专利技术属性】
技术研发人员：房永斌，高云，肖振峰，姚磊，
申请(专利权)人：国任财产保险股份有限公司，
类型：发明
国别省市：