一種基于歷史里程的車輛風險判斷方法和裝置制造方法及圖紙

一種基于歷史里程的車輛風險判斷方法和裝置，首先構建里程統計條件，接著依據在不同條件下里程數據的統計信息，建立事故里程矩陣和普通里程矩陣：得到兩類矩陣信息后，對其進行數據訓練，對每一個里程統計條件給予一個風險判斷系數，以風險判斷系數與里程數線性組合求和的方法，構建事故線性方程組和普通線性方程組，令事故線性方程組中每一個方程輸出結果為1，普通線性方程組中每一個方程等于0。最后用最大似然估計的方法得到線性方程組的解，即風險判斷系數的解，得到訓練結果。依據訓練得到的風險判斷系數，可以用其它車輛的里程統計數據計算其風險概率，從而判斷該車輛發生事故的可能性，為動態調整車輛保險費用提供了更切合車輛實際的參考。

【技術實現步驟摘要】

本專利技術涉及車輛事故風險評估領域，特別是一種基于歷史里程的車輛風險判斷方法和裝置。
技術介紹
在計算車輛保險費率時，傳統方法比較難準確判斷車輛的實際使用風險以動態調整最合適的保險費用，傳統的車輛保險費用由固定的用戶數據(如車主年齡、駕齡、車型參數、整車價格)和簡單的統計數據(如歷史出險次數)決定，沒有考慮實際車輛使用情況，并不能反應車輛通常在什么時候駕駛、駕駛路況如何、駕駛行為如何。造成市場上的商業車險均屬于無差異的保單，不利于保險企業構建差別化保單。
技術實現思路
本專利技術的主要目的在于克服現有技術中的上述缺陷，提出一種基于歷史里程的車輛風險判斷方法和裝置。本專利技術采用如下技術方案：一種基于歷史里程的車輛風險判斷方法，其特征在于：對于車聯網數據庫中的數據，預先建立n個里程統計條件，判斷步驟如下:1)將所有有事故記錄的車輛在事故發生時間前M個月內的歷史里程數據進行統計，構建以里程統計條件為列、事故車輛為行的事故里程矩陣mij，i＝1,2,...,L為不同車輛，j＝1,2,...,n為不同里程統計條件，L＞n+1；將所有在M個月內無事故記錄的車輛的歷史里程數據進行統計，構建以里程統計條件為列、無事故車輛為行的普通里程矩陣m'ij，i＝1,2,...,K為不同車輛，j＝1,2,...,n為不同里程統計條件，K＞n+1；2)將事故里程矩陣和普通里程矩陣分別進行歸一化處理得到歸一化的事故里程矩陣aij，i＝1,2,...,L為不同車輛，j＝1,2,...,n為不同里程統計條件，L＞n+1，及歸一化的普通里程矩陣cij，i＝1,2,...,K為不同車輛，j＝1,2,...,n為不同里程統計條件，K＞n+1；3)建立由線性方程構成的回歸模型：其中j＝1,2,...,n，β0,β1,β2,…,βn為n+1個風險系數值，g為風險概率，概率值介于0-1之間，0表示肯定不發生事故，1表示肯定發生事故；4)將歸一化的事故里程矩陣aij中的每一行帶入并設定g＝1，構成一個事故線性方程組；將歸一化的普通里程矩陣cij中的每一行帶入并設定g＝0，構成一個普通線性方程組；將事故線性方程組和普通線性方程組合并得到如下訓練方程組：β0+Σj=1nβja1j=1...β0+Σj=1nβjaKj=1β0+Σj=1nβjc1j=0...β0+Σj=1nβjcLj=0;]]>而后，求解該訓練方程組，得到風險系數值β0,β1,β2,…,βn；5)對于任意一輛車E，根據n個里程統計條件分別計算該車在最近M個月內的行駛里程矩陣mj，j＝1,2,...,n，將該行駛里程矩陣mj進行歸一化，得到歸一化的行駛里程矩陣ej，j＝1,2,...,n；6)根據步驟4)的風險系數值，計算得到該車E的事故風險概率：g'＝β0+β1e1+β2e2+…+βnen。優選的，在步驟2)中，所述的將事故里程矩陣mij進行歸一化處理，具體為：將事故里程矩陣mij的每一行數據進行累加，得到行累加里程值Di，將事故里程矩陣mij的每一行數據除以對應的Di，從而得到所述歸一化事故里程矩陣aij=mijDi.]]>優選的，在步驟2)中，將普通里程矩陣分別進行歸一化處理，具體為：將普通里程矩陣m'ij的每一行數據進行累加，得到行累加里程值D＇i，將普通里程矩陣m'ij的每一行數據除以對應的D＇i，從而得到所述歸一化普通里程矩陣cij=m′ijD′i.]]>優選的，所述里程統計條件包括車輛在不同速度區間或不同星期日期或一天內的不同時段或不同區域道路的里程。優選的，在步驟5)中，將行駛里程矩陣mj進行歸一化，是指：將行駛里程矩陣mj的每個數據進行累加得到再將行駛里程矩陣mj中每個數據除以D得到所述歸一化的行駛里程矩陣優選的，所述里程統計條件n取27，包括有若干個速度區間、若干個星期日期、若干個不同時段及若干個不同區域道路。優選的，在步驟4)中，采用最大似然估計法求解所述訓練方程組，得到所述風險系數值β0,β1,β2,…,βn。一種基于歷史里程的車輛風險判斷裝置，其特征在于：包括里程統計模塊，用于根據里程統計條件對車聯網數據庫中的數據進行分類統計；風險系數訓練模塊，與里程統計模塊相連，包括事故車輛里程處理單元和無事故車輛里程處理單元及風險系數計算單元；該事故車輛里程處理單元用于根據里程統計模塊統計的數據構建事故里程矩陣并進行歸一化處理；該無事故車輛里程處理單元用于根據里程統計模塊統計的數據構建普通里程矩陣并進行歸一化處理；該風險系數計算單元應用根據歸一化的事故里程矩陣和歸一化的普通里程矩陣構建訓練方程組并采用最大似然估計法求解該訓練方程組，從而得到風險系數值；風險判斷模塊，與里程統計模塊和風險系數訓練模塊相連，用于根據里程統計模塊統計的數據得到任一車輛的行駛里程矩陣并進行歸一化處理，再結合得到的風險系數值計算得到事故風險概率；車聯網數據庫，與里程統計模塊相連，用于存儲所有車輛的歷史行駛數據，包括有GPS位置、里程、時間、車速和事故記錄。由上述對本專利技術的描述可知，與現有技術相比，本專利技術具有如下有益效果：本專利技術利用車聯網數據庫中的這些信息自動判斷車輛風險情況，首先構建里程統計條件，里程統計條件由不同時間、速度、線路等條件構成，在這些條件下統計里程反映了在不同因素下車輛的使用傾向。接著依據在不同條件下里程數據的統計信息，建立事故里程矩陣和普通里程矩陣：事故里程矩陣由發生事故報警車輛在事故前的一個時間段內各里程統計條件下的里程數據組成；普通里程矩陣由在一個時間段內沒發生事故的車輛在各里程統計條件下的里程數據組成。得到兩類矩陣信息后，對其進行數據訓練，對每一個里程統計條件給予一個風險判斷系數，以風險判斷系數與里程數線性組合求和的方法，構建事故線性方程組和普通線性方程組，令事故線性方程組中每一個方程輸出結果為1，表示肯定發生事故，普通線性方程組中每一個方程等于0，表示肯定不發生事故。最后用最大似然估計的方法得到線性方程組的解，即風險判斷系數的解，得到訓練結果。依據訓練得到的風險判斷系數，可以用其它車輛的里程統計數據計算其風險概率，從而判斷該車輛發生事故的可能性，為動態調整車輛保險費用提供了更切合車輛實際的參考。附圖說明圖1為本專利技術裝置示意圖。具體實施方式以下本文檔來自技高網...

【技術保護點】
一種基于歷史里程的車輛風險判斷方法，其特征在于：對于車聯網數據庫中的數據，預先建立n個里程統計條件，判斷步驟如下:1)將所有有事故記錄的車輛在事故發生時間前M個月內的歷史里程數據進行統計，構建以里程統計條件為列、事故車輛為行的事故里程矩陣mij，i＝1,2,...,L為不同車輛，j＝1,2,...,n為不同里程統計條件，L＞n+1；將所有在M個月內無事故記錄的車輛的歷史里程數據進行統計，構建以里程統計條件為列、無事故車輛為行的普通里程矩陣m'ij，i＝1,2,...,K為不同車輛，j＝1,2,...,n為不同里程統計條件，K＞n+1；2)將事故里程矩陣和普通里程矩陣分別進行歸一化處理得到歸一化的事故里程矩陣aij，i＝1,2,...,L為不同車輛，j＝1,2,...,n為不同里程統計條件，L＞n+1，及歸一化的普通里程矩陣cij，i＝1,2,...,K為不同車輛，j＝1,2,...,n為不同里程統計條件，K＞n+1；3)建立由線性方程構成的回歸模型：其中j＝1,2,...,n，β0,β1,β2,…,βn為n+1個風險系數值，g為風險概率，概率值介于0?1之間，0表示肯定不發生事故，1表示肯定發生事故；4)將歸一化的事故里程矩陣aij中的每一行帶入并設定g＝1，構成一個事故線性方程組；將歸一化的普通里程矩陣cij中的每一行帶入并設定g＝0，構成一個普通線性方程組；將事故線性方程組和普通線性方程組合并得到如下訓練方程組：β0+Σj=1nβja1j=1···β0+Σj=1nβjaKj=1β0+Σj=1nβjc1j=0···β0+Σj=1nβjcLj=0;]]>而后，求解該訓練方程組，得到風險系數值β0,β1,β2,…,βn；5)對于任意一輛車E，根據n個里程統計條件分別計算該車在最近M個月內的行駛里程矩陣mj，j＝1,2,...,n，將該行駛里程矩陣mj進行歸一化，得到歸一化的行駛里程矩陣ej，j＝1,2,...,n；6)根據步驟4)的風險系數值，計算得到該車E的事故風險概率：g'＝β0+β1e1+β2e2+…+βnen。...

【技術特征摘要】
1.一種基于歷史里程的車輛風險判斷方法，其特征在于：對于車聯網數
據庫中的數據，預先建立n個里程統計條件，判斷步驟如下:
1)將所有有事故記錄的車輛在事故發生時間前M個月內的歷史里程數據進
行統計，構建以里程統計條件為列、事故車輛為行的事故里程矩陣mij，
i＝1,2,...,L為不同車輛，j＝1,2,...,n為不同里程統計條件，L＞n+1；將所有
在M個月內無事故記錄的車輛的歷史里程數據進行統計，構建以里程統計條件
為列、無事故車輛為行的普通里程矩陣m'ij，i＝1,2,...,K為不同車輛，
j＝1,2,...,n為不同里程統計條件，K＞n+1；
2)將事故里程矩陣和普通里程矩陣分別進行歸一化處理得到歸一化的事故
里程矩陣aij，i＝1,2,...,L為不同車輛，j＝1,2,...,n為不同里程統計條件，L
＞n+1，及歸一化的普通里程矩陣cij，i＝1,2,...,K為不同車輛，j＝1,2,...,n
為不同里程統計條件，K＞n+1；
3)建立由線性方程構成的回歸模型：其中j＝1,2,...,n，
β0,β1,β2,…,βn為n+1個風險系數值，g為風險概率，概率值介于0-1之間，0表
示肯定不發生事故，1表示肯定發生事故；
4)將歸一化的事故里程矩陣aij中的每一行帶入并設定g＝1，
構成一個事故線性方程組；將歸一化的普通里程矩陣cij中的每一行帶入
并設定g＝0，構成一個普通線性方程組；將事故線性方程組和普
通線性方程組合并得到如下訓練方程組：
β0+Σj=1nβja1j=1···β0+Σj=1nβjaKj=1β0+Σj=1nβjc1j=0···β0+Σj=1nβjcLj=0;]]>而后，求解該訓練方程組，得到風險系數值β0,β1,β2,…,βn；
5)對于任意一輛車E，根據n個里程統計條件分別計算該車在最近M個月
內的行駛里程矩陣mj，j＝1,2,...,n，將該行駛里程矩陣mj進行歸一化，得到歸
一化的行駛里程矩陣ej，j＝1,2,...,n；
6)根據步驟4)的風險系數值，計算得到該車E的事故風險概率：
g'＝β0+β1e1+β2e2+…+βnen。
2.如權利要求1所述的一種基于歷史里程的車輛風險判斷方法，其特征在
于:在步驟2)中，所述的將事故里程矩陣mij進行歸一化...

【專利技術屬性】
技術研發人員：涂巖愷，陳義華，時宜，黃家乾，季剛，
申請(專利權)人：廈門雅迅網絡股份有限公司，
類型：發明
國別省市：福建;35