[发明专利]商用车风险的分析方法

权利要求书

1.一种商用车风险的分析方法，其特征在于，包括：

获取待评估商用车的车联网数据；

基于所述车联网数据确定与待评估商用车的风险信息相关联的第一特征，基于纯风险保费与第一主模型特征和第二主模型特征之间的关联关系确定所述第一特征对应的第一待评估主模型系数，所述第一待评估主模型系数表示所述第一特征对待评估商用车的风险信息的影响程度，所述关联关系基于广义线性模型确定；其中，所述第一主模型特征和所述第二主模型特征基于各历史商用车的车联网数据通过下述方式提取得到：将各历史商用车的车联网数据确定为各历史商用车对应的初始特征，并对各所述初始特征进行特征筛选，得到初选主模型特征；针对各所述初选主模型特征，将所述初选主模型特征划分为预设特征组数，得到扩充主模型特征；根据所述扩充主模型特征以及所述纯风险保费，对广义线性模型进行训练，将满足预设条件的扩充主模型特征确定为第一主模型特征；其中，所述预设条件包括p值小于预设值以及模型收敛；对剩余特征进行特征预处理，得到待分析特征；其中，所述剩余特征为除所述第一主模型特征之外的初始特征；对所述待分析特征进行主成分分析，得到第一数量的待选择主成分，并确定每个所述待选择主成分对应的可解释性；根据各所述可解释性，确定满足解释阈值的待选择主成分为第二主模型特征；

将所述车联网数据输入至预先训练完成的第一辅模型中，得到第一待转换辅模型结果，根据所述第一待转换辅模型结果以及第一结果系数对应关系，确定第一待评估辅模型系数；其中，所述第一辅模型基于xgboost算法以及各历史商用车对应的第一辅模型特征和纯风险保费确定，所述第一待评估辅模型系数表示所述车联网数据对待评估商用车的风险信息的影响程度；所述第一辅模型特征是基于各历史商用车的车联网数据提取的特征；所述第一结果系数对应关系是预先建立的第一辅模型的输出结果与结果系数之间的对应关系，所述第一结果系数对应关系，基于下述方式得到：将各所述第一辅模型特征输入至所述第一辅模型中，得到各第一模型结果；将各所述第一模型结果按照大小排序并划分为预设第一组数的第一结果分组；针对每个第一结果分组，确定所述第一结果分组对应的纯风险保费之和为第一因变量真实值以及所述第一结果分组对应的第一模型结果之和为第一因变量预测值，并将所述第一因变量真实值与所述第一因变量预测值的商确定为所述第一结果分组的第一系数；根据第一系数最大值、第一系数最小值以及各所述第一结果分组对应的第一系数，通过平滑处理，确定第一结果系数对应关系；

将所述车联网数据输入至预先训练完成的第二辅模型中，得到第二待转换辅模型结果，根据所述第二待转换辅模型结果以及第二结果系数对应关系，确定第二待评估辅模型系数；其中，所述第二辅模型基于神经网络算法以及各历史商用车对应的第二辅模型特征和发标费赔付率确定，所述第二待评估辅模型系数表示所述车联网数据对待评估商用车的风险信息的影响程度；所述第二结果系数对应关系是预先建立的第二辅模型的输出结果与结果系数之间的对应关系；所述第二辅模型特征和所述第一辅模型特征是基于各所述历史商用车的车联网数据提取的不同维度的特征；

根据所述第一待评估主模型系数、所述第一待评估辅模型系数以及所述第二待评估辅模型系数，确定与所述待评估商用车相对应的目标风险信息。

2.根据权利要求1所述的方法，其特征在于，所述纯风险保费与第一主模型特征和第二主模型特征之间的关联关系基于下述方式得到：

获取各历史商用车对应的纯风险保费；其中，所述纯风险保费的类型包括商业险和交强险；

基于各历史商用车的车联网数据提取与各历史商用车分别对应的第一主模型特征以及第二主模型特征；

根据各所述纯风险保费以及与各所述纯风险保费对应的第一主模型特征和第二主模型特征，对广义线性模型进行训练，更新所述第一主模型特征以及所述第二主模型特征，得到纯风险保费与第一主模型特征和第二主模型特征之间的关联关系。

3.根据权利要求1所述的方法，其特征在于，所述对各所述初始特征进行特征筛选包括信息贡献度筛选、可解释性筛选、时间一致性筛选以及相关性筛选中的至少一种；所述对剩余特征进行特征预处理包括去除缺失值占比大于预设比例的剩余特征、去除文字类的剩余特征、对字符串类型的剩余特征进行哑变量处理、对所述剩余特征中的缺失值进行中位数填充以及对所述剩余特征进行标准化处理。