[发明专利]商用车风险的分析方法

说明书

本发明涉及数据处理领域，公开了一种商用车风险的分析方法，包括：获取待评估商用车的车联网数据；基于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第一特征对应的第一待评估主模型系数；将车联网数据输入至第一辅模型中，得到第一待转换辅模型结果，根据第一待转换辅模型结果和第一结果系数对应关系确定第一待评估辅模型系数；将车联网数据输入至第二辅模型中，得到第二待转换辅模型结果，根据第二待转换辅模型结果和第二结果系数对应关系确定第二待评估辅模型系数，确定待评估商用车的目标风险信息，以考虑各种数据维度，提高商用车风险指数评估的准确性。

技术领域

本发明涉及数据处理领域，尤其涉及一种商用车风险的分析方法。

背景技术

随着车联网技术的普及和发展，车联网技术正在与各行各业相结合。UBI（基于使用量而定保费的保险，Usage-basedinsurance）是车联网技术在车险行业的应用之一，可以理解为一种基于驾驶行为的保险。

目前，商用车风险分析主要使用驾驶时长、驾驶速度、行驶里程等车联网数据作为指标表征，由于使用的指标较为单一，会导致基于这些信息构建出的风险分析方法精准度较差。由于商用车所产生的赔付数据是在真实发生交通事故后，通过事故定责、车损严重程度评估得到的客观结果。因此，商用车的赔付数据（如纯风险保费和发标费赔付率等）能够客观的反应商用车风险，赔付数据越大，商用车风险越大。结合商用车的赔付数据以及车联网数据进行风险预测是亟需解决的问题。

有鉴于此，特提出本发明。

发明内容

为了解决上述技术问题，本发明提供了一种商用车风险的分析方法，实现充分考虑各种数据维度，提高商用车风险分析的准确性。

本发明实施例提供了一种商用车风险的分析方法，该方法包括：

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；

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，所述第一辅模型以及第一结果系数对应关系基于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；

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，所述第二辅模型以及第二结果系数对应关系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。

本发明实施例还提供了一种商用车风险的分析方法，该方法包括：

获取待评估商用车的车辆属性数据；

基于所述车辆属性数据确定与待评估商用车的风险信息相关联的第二特征，基于风险信息与属性特征之间的关联关系确定所述第二特征对应的第二待评估主模型系数，所述第二待评估主模型系数表示所述第二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；