[發明專利]UBI保險的分類風險方法及裝置

在審

• 申請號: 201811373537.7
• 申請日: 2018-11-19
• 公開（公告）號: CN109377398A
• 公開（公告）日: 2019-02-22
• 發明（設計）人: 李鵬;余效偉
• 申請（專利權）人: 北京金州世紀信息技術有限公司
• 主分類號: G06Q40/08
• 分類號: G06Q40/08
• 代理公司: 北京和信華成知識產權代理事務所(普通合伙) 11390
• 代理人: 胡劍輝

本發明實施例涉及一種UBI保險的分類風險方法及裝置，所述方法包括：采用廣義泊松線性回歸構建車輛的出險次數的模型；采用伽馬回歸構建車輛的案均金額的模型；基于目標因子采用廣義tweedie回歸模型構建車輛的年均理賠金額的模型；根據所述目標因子中存在的分類風險因子，預測所述車輛未來一年內的理賠總金額；根據所述預測理賠總金額與所述車輛的實際理賠總金額和實際理賠次數，確定所述車輛的賠付率和出險率；可以實現綜合考慮車輛本身特征、駕駛行為特征以及潛在風險因子等因素，可以更有效地解釋商用車駕駛風險，并對計算過程進行的統籌優化，對結果驗證進行了清晰的驗證。

技術領域

本發明實施例涉及車險，尤其涉及一種UBI保險的分類風險方法及裝置。

背景技術

當前流行的計算商用車分類風險的模型主要基于車輛的特征數據，而非車輛的駕駛特征數據。車輛本身的特征數據比較局限，不能根據時間變化衡量車輛的風險變化情況。市場上也有一些駕駛行為的保險模型，但是風險因子的計算又太少，對風險的刻畫能力不強。

當前通過采用的車輛基于用戶行為的保險模型(Usage Based Insurance，UBI)有一定的局限性，一方面只采用了車輛自身的特征數據，例如車輛的長寬高、載重、車輛類型、品牌、發動機型號排量；另一方面駕駛行為特征數據類型較少，刻畫風險的能力比較弱。

因此，現有技術中，車輛UBI保險模型計算準確度相對較低，缺少綜合多種因素(如車輛本身特征、駕駛行為特征以及潛在風險因子)保險模型。

發明內容

本發明實施例提供了一種UBI保險的分類風險方法及裝置，可以實現綜合考慮車輛本身特征、駕駛行為特征以及潛在風險因子等因素，可以更有效地解釋商用車駕駛風險，并對計算過程進行的統籌優化，對結果驗證進行了清晰的驗證。

第一方面，本發明實施例提供了一種UBI保險的分類風險方法，包括：

采用廣義泊松線性回歸構建車輛的出險次數的模型；

采用伽馬回歸構建車輛的理賠金額的模型；

基于目標因子采用廣義tweedie回歸模型構建車輛的總理賠金額的模型；

根據所述目標因子中存在風險的分類風險因子，預測所述車輛未來一年內的預測理賠總金額；

根據所述預測理賠總金額與所述車輛的實際理賠總金額和實際理賠次數，確定所述車輛的賠付率和出險率；

其中，所述目標因子至少包括以下之一：

車輛自身特征數據、車輛的駕駛行為特征數據、車輛衛星定位的周邊氣象環境特征數據、車輛駕駛定位的地周邊理環境特征數據、宏觀車輛駕駛特征畫像、車輛的轉向數據或車輛的速度分布特征。

在一個可能的實施方式中，所述方法還包括：

將車輛的安全與否按照預測理賠總金額劃分為多個等級。

在一個可能的實施方式中，所述方法還包括：

對每個所述目標因子進行單因素分析，確定所述每個所述目標因子對所述車輛出險的分類能力；

將存在關聯關系的兩個或多個所述目標因子在構建總理賠金額的模型時，采用主成分分析，提取所述目標因子對風險影響的特征向量；

采用信息熵區分排名不同的因子的對風險的分類能力；

通過多因素分析確定所述目標因子的風險釋放能力是否可以被替代。

在一個可能的實施方式中，所述車輛的實際理賠總金額和實際理賠次數通過以下方式確定：