一种车险数据的评估方法技术

本申请公开了一种车险数据的评估方法

【技术实现步骤摘要】
一种车险数据的评估方法、装置、设备及介质


[0001]本申请涉及数据处理领域，尤其涉及一种车险数据的评估方法
、
装置
、
设备及介质
。

技术介绍

[0002]随着近年来国民经济的快速发展，人民生活水平持续提高，居民汽车拥有量也快速提升，车险也成为财险公司占比最大的业务
。
财险公司为车主提供准确的车险数据评估结果，既可以为广大车主提供保险保障服务，专业地为保险事故中的车主解决烦恼和弥补损失，同时，财险公司也可以通过良好的管理创造利润
。
[0003]目前，车险数据的评估主要采用广义线性模型
。
其中，广义线性模型通常假设车险相关数据是符合某种连续型的概率分布，如泊松回归模型
、
伽马回归模型或
Tweedie
回归模型等
。
但在实际车险赔付场景中，车险数据往往存在过离散现象，在这种情况下，使用传统广义线性模型可能会导致较差的预测性能
。
[0004]因此，如何提供一种能够准确对车险数据进行评估的技术方案，是本领域技术人员亟待解决的技术问题
。

技术实现思路

[0005]本申请提供了一种车险数据的评估方法
、
装置
、
设备及介质，通过对车辆的驾驶特征进行分析以预测损失强度和赔付频率，实现车险数据的评估，提高了车险数据的评估精度
。
[0006]根据本申请的一方面，提供了一种车险数据的评估方法，该方法包括：
[0007]获取待评估车辆的特征因子；其中，所述特征因子为影响所述待评估车辆驾驶特征的因素；
[0008]将所述特征因子分别输入至预先训练好的损失强度预测模型以及预先训练好的赔付频率预测模型中，分别确定与所述待评估车辆损失强度对应的第一概率分布函数以及与所述待评估车辆赔付频率对应的第二概率分布函数；
[0009]根据所述第一概率分布函数和所述第二概率分布函数，确定所述待评估车辆车险数据的评估结果
。
[0010]根据本申请的另一方面，提供了一种车险数据的评估装置，该装置包括：
[0011]特征因子获取模块，用于获取待评估车辆的特征因子；其中，所述特征因子为影响所述待评估车辆驾驶特征的因素；
[0012]概率分布函数确定模块，用于将所述特征因子分别输入至预先训练好的损失强度预测模型以及预先训练好的赔付频率预测模型中，分别确定与所述待评估车辆损失强度对应的第一概率分布函数以及与所述待评估车辆赔付频率对应的第二概率分布函数；
[0013]车险数据评估模块，用于根据所述第一概率分布函数和所述第二概率分布函数，确定所述待评估车辆车险数据的评估结果
。
[0014]根据本申请的另一方面，提供了一种车险数据的评估设备，该设备包括：
[0015]至少一个处理器；以及
[0016]与所述至少一个处理器通信连接的存储器；其中，
[0017]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任一实施例所述的车险数据的评估方法
。
[0018]根据本申请的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本申请任一实施例所述的车险数据的评估方法
。
[0019]本申请提供的技术方案，通过获取待评估车辆的特征因子；其中，特征因子为影响待评估车辆驾驶特征的因素；将特征因子分别输入至预先训练好的损失强度预测模型以及预先训练好的赔付频率预测模型中，分别确定与待评估车辆损失强度对应的第一概率分布函数以及与待评估车辆赔付频率对应的第二概率分布函数；根据第一概率分布函数和第二概率分布函数，确定待评估车辆车险数据的评估结果
。
本技术方案，通过对车辆的驾驶特征进行分析以预测损失强度和赔付频率，实现车险数据的评估，提高了车险数据的评估精度
。
[0020]应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围
。
本申请的其它特征将通过以下的说明书而变得容易理解
。
附图说明
[0021]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0022]图1为本申请实施例一提供的一种车险数据的评估方法的流程图；
[0023]图2为本申请实施例二提供的一种车险数据的评估方法的流程图；
[0024]图3为本申请实施例三提供的一种车险数据的评估装置的结构示意图；
[0025]图4是实现本申请实施例的一种车险数据的评估方法的设备的结构示意图
。
具体实施方式
[0026]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例
。
基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围
。
[0027]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“历史”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序
。
应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施
。
此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程
、
方法
、
系统
、
产
品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程
、
方法
、
产品或设备固有的其它步骤或单元
。
[0028]实施例一
[0029]图1为本申请实施例一提供的一种车险数据的评估方法的流程图，本实施例可适用于对车险数据进行评估的情况，该方法可以由车险数据的评估装置来执行，该车险数据的评估装置可以采用硬件和
/
或软件的形式实现，该车险数据的评估装置可配置于具有数据处理能力的设备中
。
如图1所示，该方法包括：
[0030]S110、
获取待评估车辆的特征因子
。
其中，所述特征因子为影响所述待评估车辆驾驶特征的因素
。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种车险数据的评估方法，其特征在于，所述方法包括：获取待评估车辆的特征因子；其中，所述特征因子为影响所述待评估车辆驾驶特征的因素；将所述特征因子分别输入至预先训练好的损失强度预测模型以及预先训练好的赔付频率预测模型中，分别确定与所述待评估车辆损失强度对应的第一概率分布函数以及与所述待评估车辆赔付频率对应的第二概率分布函数；根据所述第一概率分布函数和所述第二概率分布函数，确定所述待评估车辆车险数据的评估结果
。2.
根据权利要求1所述的方法，其特征在于，将所述特征因子分别输入至预先训练好的损失强度预测模型中，确定与所述待评估车辆损失强度对应的第一概率分布函数，包括：将所述特征因子输入至预先训练好的损失强度预测模型中，得到所述待评估车辆在各损失强度时的第一概率值；根据各所述第一概率值，确定与所述待评估车辆损失强度对应的第一概率分布函数；相应地，将所述特征因子输入至预先训练好的赔付频率预测模型中，确定与所述待评估车辆赔付频率对应的第二概率分布函数，包括：将所述特征因子分别输入至预先训练好的赔付频率预测模型中，得到所述待评估车辆在各赔付频率时的第二概率值；根据各所述第二概率值，确定与所述待评估车辆赔付频率对应的第二概率分布函数
。3.
根据权利要求1所述的方法，其特征在于，所述损失强度预测模型的训练过程，包括：获取带有标签数据的历史车险数据样本集；其中，所述标签数据为历史损失强度；将所述历史车险数据样本集输入至初始模型，采用预设损失函数对所述初始模型进行训练，得到损失强度预测模型
。4.
根据权利要求3所述的方法，其特征在于，所述预设损失函数的构建过程，包括：根据预设车险赔付规则，确定赔付强度的概率密度函数和生存函数；其中所述概率密度函数用于表示损失强度低于限额时赔付强度的概率密度分布，所述生存函数用于表示损失强度高于限额时时赔付强度概率密度分布；根据所述概率密度函数和所述生存函数，确定预设损失函数
。5.
根据权利要求4所述的方法，其特征在于，根据所述概率密度函数和所述生存函数，确定预设损失函数，包括：采用如下公式确定预设损失函数：式中，
x
为赔付强度，
l(...

【专利技术属性】
技术研发人员：徐赛花，张柠，汤颖民，
申请(专利权)人：上海金润联汇数字科技有限公司，
类型：发明
国别省市：