【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种基于车辆驾驶行为的保险费用测算方法及系统。
技术介绍
1、随着车辆数量的增加和交通安全问题的日益突出，汽车保险作为一种重要的经济风险保障手段，受到越来越多的关注。目前，保险公司在对车辆的保险费用进行测算时，通常是根据车辆的使用年限和驾驶人员的健康状况进行测算，但是，这种预测方法较为主观，无法准确预测车辆的保险费用。
技术实现思路
1、本申请提供一种基于车辆驾驶行为的保险费用测算方法及系统，以解决上述
技术介绍
提出的问题。
2、第一方面，本申请提供一种基于车辆驾驶行为的保险费用测算方法，包括：
3、采用仿真技术模拟车辆驾驶行为，得到多个模拟车辆驾驶行为；其中，各个所述模拟车辆驾驶行为互不相同；
4、获取云端服务器下发的车辆赔偿事件数据库，并基于所述车辆赔偿事件数据库为各个所述模拟车辆驾驶行为赋予危险系数，得到训练数据集；
5、构建神经网络模型，并基于所述训练数据集训练所述神经网络模型，得到初始驾驶行为风险检测模型；
6、获取车辆的历史驾驶行为信息和历史驾驶环境信息，并基于所述历史驾驶环境信息对所述初始驾驶行为风险检测模型进行调整，得到目标驾驶行为风险检测模型；
7、将所述历史驾驶行为信息输入所述目标驾驶行为风险检测模型，得到驾驶行为危险系数，并基于所述驾驶行为危险系数确定所述车辆的保险费用。
8、在一种可能的实现方式中，所述车辆赔偿事件数据库存储有若干个车辆赔偿事件、各个
9、针对各个所述模拟车辆驾驶行为，判断所述车辆赔偿事件数据库中是否存在与所述模拟车辆驾驶行为匹配的车辆驾驶行为；
10、若所述车辆赔偿事件数据库中存在与所述模拟车辆驾驶行为匹配的车辆驾驶行为，在所述数据库中确定第一数量以及第二数量，并将所述第一数量与第二数量之间的比值作为第一中间危险系数；其中，所述第一数量为所述模拟车辆驾驶行为在所述车辆赔偿事件数据库中对应的所述车辆赔偿事件的数量，所述第二数量为所述车辆赔偿事件数据库存储的所述车辆赔偿事件的总数量；
11、基于所述车辆赔偿事件数据库确定第一赔偿金额以及第二赔偿金额，并将所述第一赔偿金额与第二赔偿金额之间的比值作为第二中间危险系数；其中，所述第一赔偿金额为所述模拟车辆驾驶行为在所述车辆赔偿事件数据库中对应的所述车辆赔偿事件的总赔偿金额，所述第二赔偿金额为所述车辆赔偿事件数据库存储的所述车辆赔偿事件的总赔偿金额；
12、将所述第一中间危险系数和所述第二中间危险系数相加，得到所述危险系数。
13、在一种可能的实现方式中，在将所述第一中间危险系数和所述第二中间危险系数相加，得到所述危险系数之后，所述方法还包括：
14、若所述车辆赔偿事件数据库中不存在与所述模拟车辆驾驶行为匹配的车辆驾驶行为，将所述模拟车辆驾驶行为作为第一对比车辆驾驶行为，并将所述车辆赔偿事件数据库中对应所述车辆赔偿事件的各个所述模拟车辆驾驶行为作为第二对比车辆驾驶行为；
15、基于所述第一对比车辆驾驶行为和各个所述第二对比车辆驾驶行为确定所述第一对比车辆驾驶行为的危险系数。
16、在一种可能的实现方式中，所述基于所述第一对比车辆驾驶行为和各个所述第二对比车辆驾驶行为确定所述第一对比车辆驾驶行为的危险系数，包括：
17、将所述第一对比车辆驾驶行为输入预设的车辆驾驶行为特征提取模型，得到第一特征向量，并将各个所述第二对比车辆驾驶行为分别输入所述车辆驾驶行为特征提取模型，得到多个第二特征向量；
18、计算所述第一特征向量分别与各个所述第二特征向量之间的相似度，并将各个所述相似度分别与预设相似度进行比较，并在所述相似度大于所述预设相似度时，将所述相似度对应的所述第二对比车辆驾驶行为确定为目标车辆驾驶行为；
19、针对各个所述目标车辆驾驶行为，将所述目标车辆驾驶行为对应的相似度与各个所述目标车辆驾驶行为对应的相似度之和的比值作为所述目标车辆驾驶行为的权重系数；
20、针对各个所述目标车辆驾驶行为，计算所述目标车辆驾驶行为对应的所述危险系数和所述目标车辆驾驶行为对应的所述权重系数之间的乘积；
21、将所有所述乘积相加得到所述第一对比车辆驾驶行为的危险系数。
22、在一种可能的实现方式中，所述基于所述训练数据集训练所述神经网络模型，得到初始驾驶行为风险检测模型，包括：
23、将所述训练数据集和所述神经网络模型发放给多个终端，以使各个所述终端分别基于所述训练数据集对所述神经网络模型进行训练，得到中间初始驾驶行为风险检测模型；
24、接收各个所述终端发送的所述中间初始驾驶行为风险检测模型，并将各个所述中间初始驾驶行为风险检测模型的模型参数进行融合，得到第一融合模型参数；
25、基于所述第一融合模型参数调整任一所述中间初始驾驶行为风险检测模型的模型参数，得到所述初始驾驶行为风险检测模型。
26、在一种可能的实现方式中，所述基于所述历史驾驶环境信息对所述初始驾驶行为风险检测模型进行调整，得到目标驾驶行为风险检测模型，包括：
27、对所述历史驾驶环境信息进行聚类分析，得到所述历史驾驶环境信息的类型；
28、获取所述车辆的分类号，并基于所述分类号从预设的数据库中获取目标映射关系表；其中，所述目标映射关系表中的映射关系为驾驶环境的类型与驾驶环境的类型对应的需要调整的模型参数的映射关系；
29、针对所述历史驾驶环境信息的每种类型，判断所述目标映射关系表中是否存在所述类型，并在所述目标映射关系表中存在所述类型时，基于所述类型对应的映射关系对所述初始驾驶行为风险检测模型进行调整，得到中间目标驾驶行为风险检测模型；
30、将各个所述中间目标驾驶行为风险检测模型的模型参数进行融合，得到第二融合模型参数；
31、基于所述第二融合模型参数调整任一所述中间目标驾驶行为风险检测模型的模型参数，得到所述目标驾驶行为风险检测模型。
32、在一种可能的实现方式中，所述基于所述类型对应的映射关系对所述初始驾驶行为风险检测模型进行调整，得到中间目标驾驶行为风险检测模型，包括：
33、获取所述映射关系对应的各个模型参数的序号、第一预设解码表和第二预设解码表；其中，所述第一预设解码表包括第一数字列和第一字符列，所述第二预设解码表包括第二数字列和第二字符列，所述第一数字列和所述第二数字列相同，所述第一字符列对应的字符和所述第二字符列对应的字符属于不同语言的字母；
34、针对各个所述序号，采用所述序号在所述第一预设解码表中对应的第一字符替换所述序号在所述第二预设解码表中对应的第二字符，得到中间目标解码表；
35、在所述本文档来自技高网...
【技术保护点】
1.一种基于车辆驾驶行为的保险费用测算方法，其特征在于，包括：
2.根据权利要求1所述的基于车辆驾驶行为的保险费用测算方法，其特征在于，所述车辆赔偿事件数据库存储有若干个车辆赔偿事件、各个所述车辆赔偿事件对应的车辆驾驶行为以及各个所述车辆赔偿事件对应的赔偿金额，所述基于所述车辆赔偿事件数据库为各个所述模拟车辆驾驶行为赋予危险系数，包括：
3.根据权利要求2所述的基于车辆驾驶行为的保险费用测算方法，其特征在于，在将所述第一中间危险系数和所述第二中间危险系数相加，得到所述危险系数之后，所述方法还包括：
4.根据权利要求3所述的基于车辆驾驶行为的保险费用测算方法，其特征在于，所述基于所述第一对比车辆驾驶行为和各个所述第二对比车辆驾驶行为确定所述第一对比车辆驾驶行为的危险系数，包括：
5.根据权利要求1所述的基于车辆驾驶行为的保险费用测算方法，其特征在于，所述基于所述训练数据集训练所述神经网络模型，得到初始驾驶行为风险检测模型，包括：
6.根据权利要求1所述的基于车辆驾驶行为的保险费用测算方法，其特征在于，所述基于所述历史驾驶环
7.根据权利要求6所述的基于车辆驾驶行为的保险费用测算方法，其特征在于，所述基于所述类型对应的映射关系对所述初始驾驶行为风险检测模型进行调整，得到中间目标驾驶行为风险检测模型，包括：
8.一种基于车辆驾驶行为的保险费用测算系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于车辆驾驶行为的保险费用测算方法，其特征在于，包括：
2.根据权利要求1所述的基于车辆驾驶行为的保险费用测算方法，其特征在于，所述车辆赔偿事件数据库存储有若干个车辆赔偿事件、各个所述车辆赔偿事件对应的车辆驾驶行为以及各个所述车辆赔偿事件对应的赔偿金额，所述基于所述车辆赔偿事件数据库为各个所述模拟车辆驾驶行为赋予危险系数，包括：
3.根据权利要求2所述的基于车辆驾驶行为的保险费用测算方法，其特征在于，在将所述第一中间危险系数和所述第二中间危险系数相加，得到所述危险系数之后，所述方法还包括：
4.根据权利要求3所述的基于车辆驾驶行为的保险费用测算方法，其特征在于，所述基于所述第一对比车辆驾驶行为和各个所述第二对比车辆驾驶行为...
【专利技术属性】
技术研发人员：丁建佳，郭文艺，
申请(专利权)人：广东车卫士信息科技有限公司，
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。