[发明专利]一种根据实时路况进行车险预警的方法及系统

说明书

本发明提供了一种根据实时路况进行车险预警的方法及系统，所述方法包括：获取目标用户的当前行车记录及当前车辆信息，所述当前行车记录包括有出险记录的当前行车记录和无出险记录的当前行车记录；获取预设时间段内所述目标用户的历史行车记录及历史车辆信息，所述历史行车记录包括有出险记录的历史行车记录和无出险记录的历史行车记录；基于预设时间段内所述目标用户的历史行车记录及历史车辆信息，训练得到出险概率预测机器学习模型；基于目标用户当前行车记录及当前车辆信息、出险概率预测机器学习模型，预测目标用户的出险概率。出险概率信息可以提供给保险公司作为制定投保方案的参考或提供给用户作为指导用户进行车辆保养的参考。

技术领域

本发明涉及数据处理技术领域，特别涉及一种根据实时路况进行车险预警的方法及系统。

背景技术

随着用车服务(例如，网约车、租车等)越来越普遍，各种车险的覆盖率也越来越广。现有的保险技术主要使用车辆静态数据来评估车辆的保费，因而现有的保险技术过于简单，计算得到的车辆的保费准确度较低。

在现有技术中，传统车险的精算仅局限于利用用户的历史数据进行方案匹配，但用户当前的行程情况及路况情况都可能对该用户的出险概率产生较大的影响。因此，实时监控用户的行程情况及路况情况并进行进一步分析，对于车险预警是非常重要的。

发明内容

针对现有技术中不能实时监控用户的行程情况及路况情况并进行进一步分析车辆出险概率的问题，本发明的目的在于提供一种通过机器学习模型进行出险概率预测的方法，基于历史数据对机器学习模型进行训练，并基于该机器学习模型对当前用户的出险概率进行预测。

第一方面，本发明披露了一种根据实时路况进行车险预警的方法。该方法包括：获取目标用户当前行车记录及当前车辆信息，所述当前行车记录包括有出险记录的当前行车记录和无出险记录的当前行车记录；获取预设时间段内所述目标用户的历史行车记录及历史车辆信息，所述历史行车记录包括有出险记录的历史行车记录和无出险记录的历史行车记录；基于预设时间段内所述目标用户的历史行车记录及历史车辆信息，训练得到出险概率预测机器学习模型；基于目标用户的当前行车记录及当前车辆信息、出险概率预测机器学习模型，预测目标用户的出险概率。

在一些实施例中，所述基于预设时间段内所述目标用户的历史行车记录及历史车辆信息，训练得到出险概率预测机器学习模型包括：基于预设时间段内的历史行车记录及历史车辆信息，确定训练样本；获取出险概率预测初始机器学习模型，所述出险概率预测初始机器学习模型包含一个或多个参数；基于训练样本及所述出险概率预测初始机器学习模型，训练得到出险概率预测机器学习模型。

在一些实施例中，所述训练样本包括：正训练样本，所述正训练样本包括一个或多个有出险记录的历史行车记录及历史车辆信息；负训练样本，所述负训练样本包括一个或多个无出险记录的历史行车记录及历史车辆信息。

在一些实施例中，所述基于训练样本及出险概率预测初始机器学习模型，训练得到所述出险概率预测机器学习模型，包括：将所述训练样本输入到所述出险概率预测初始机器学习模型；调整所述出险概率预测初始机器学习模型的所述一个或多个参数，确定训练的出险概率预测机器学习模型，其中所述训练的出险概率预测机器学习模型包括一个或多个参数；基于所述训练的出险概率预测机器学习模型和所述训练样本，确定预测出险概率；当所述预测出险概率不满足预设条件时，调整所述训练的出险概率预测机器学习模型的所述一个或多个参数；当所述预测结果满足预设条件时，确定所述训练的出险概率预测机器学习模型为所述出险概率预测机器学习模型。

在一些实施例中，所述预设条件包括：多个所述预测出险概率的方差在一定的范围内。

在一些实施例中，所述当前车辆信息或历史车辆信息包括车辆品牌、车型、零部件编号、维修记录。

在一些实施例中，所述当前行车记录或历史行车记录包括行车时间、行驶的路况占比、事故多发路段占比。