[发明专利]一种驾驶行为评分方法、装置及计算机可读存储介质

说明书

本发明公开了一种驾驶行为评分方法、装置及计算机可读存储介质，属于车辆驾驶行为分析技术领域。方法包括：积累样本数据，包括样本驾驶员的驾驶数据及保险保单数据；确定样本数据在积累过程中的当前阶段，其中，积累过程包括冷启动阶段和冷启动阶段之后的其他阶段；使用当前积累阶段对应的驾驶评分方法对当前驾驶员的驾驶行为进行评分。本发明实施例能够实现在数据积累的不同阶段均可进行驾驶行为评分。

技术领域

本发明涉及车辆驾驶行为分析技术领域，尤其涉及一种驾驶行为评分方法、装置及计算机可读存储介质。

背景技术

近年来，机动车辆的数量越来越多，同时随着车联网飞速发展，与车联网技术结合的基于驾驶员驾驶行为进行定价的车险产品也越来越多。

UBI(Usage Based Insurance)车险是指基于驾驶行为以及车辆使用数据定价的车辆保险，是在车险费率自由化的背景下出现的新型车险。保险公司通过收集驾驶行为数据以及车辆运行数据，经过数据分析处理，评估驾驶人员的驾驶行为风险等级。对于驾驶行为好的车主，保险公司可以给予较多优惠，对于驾驶行为不好的车主，保险公司可以相应地提高保费。由此，有助于车主培养良好的驾驶行为，减少事故发生，减少出险与理赔，从而改善交通状况，降低社会成本。

因此，对于保险公司，在为车险产品进行定价前首先需要基于驾驶人员的驾驶数据作出驾驶行为风险的评估，目前通常是采用机器学习中监督学习的方法，获得驾驶行为与驾驶风险之间的关系，训练样本需要同时包含驾驶行为和车辆使用数据以及出险理赔数据。采集驾驶行为以及车辆使用数据，通常通过车载OBD(On-Board Diagnostic)设备或者智能手机等设备，由设备内的传感器获得车辆行驶数据，如果设备附带摄像头，还可以由摄像头获取行驶视频从而得到体现驾驶习惯的进一步数据。作为风险程度的准确衡量，需要知道被观测的驾驶人员在驾驶行为观测的同一周期内是否发生交通事故，以及向保险公司索赔的情况，以出险率或者赔付率作为驾驶风险的表征。在获得以上两者以后，驾驶数据作为监督算法中的特征，出险率或赔付率作为监督算法中的监督信号，监督算法基于训练数据得到特征与监督信号的关系，也就是驾驶数据与出险率、理赔率的关系。对于需要判断驾驶行为风险的目标样本，也就是只有驾驶数据的驾驶人员，由监督算法得到的推断关系获得其驾驶行为风险。

由此，这一类监督学习的方法需要积累大量的驾驶数据与出险理赔数据，而且出险理赔周期需要与驾驶数据采集周期一致，如果没有出险理赔数据，或者数据达不到一定数量，算法就难以启动。而在实际操作中，在系统运行之初，往往是驾驶数据比较方便采集，但出险与理赔通常不会马上发生，所以并不能在采集驾驶数据的同时就获得出险理赔数据，同时随着驾驶行程与数据的积累，即使发生出险，由于理赔流程包含查勘、定损、维修、理赔等多个步骤，需要一定时间，出险以及理赔数据的获取可能还存在一段时间的延迟，进而使得监督算法也难以启动。

发明内容

本发明实施例的目的是提供一种驾驶行为评分方法、装置及计算机可读存储介质，在数据积累的不同阶段中，通过使用不同的驾驶评分方法对目标驾驶员准确地进行驾驶行为评分预测。本发明实施例的具体技术方案如下：

第一方面，本发明实施例提供了一种驾驶行为评分方法，所述方法包括：

积累样本数据，包括样本驾驶员的驾驶数据及保险保单数据；

确定所述样本数据在积累过程中的当前阶段，其中，所述积累过程包括冷启动阶段和所述冷启动阶段之后的其他阶段；

使用所述当前积累阶段对应的驾驶评分方法对当前驾驶员的驾驶行为进行评分。

在一些实施例中，所述其他阶段包括初期阶段、中期阶段和后期阶段；

所述冷启动阶段时的样本数据不包括样本驾驶员的保险保单数据；

所述初期阶段时的样本数据包括多个样本驾驶员的驾驶数据和极少量的保险保单数据；