[發明專利]事故車輛理賠方法和裝置、電子設備

在審

• 申請號: 201910308224.1
• 申請日: 2019-04-17
• 公開（公告）號: CN110136009A
• 公開（公告）日: 2019-08-16
• 發明（設計）人: 張泰瑋;程丹妮
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q40/08
• 分類號: G06Q40/08;G06Q10/04
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

1.一種事故車輛理賠方法，所述方法包括：

獲取事故車輛的圖像數據；

將所述圖像數據輸入至預測模型，以由所述預測模型基于所述圖像數據預測所述事故車輛的車輛受損時長；其中，所述預測模型為基于若干被標注了車輛受損時長的車輛圖像樣本訓練出的機器學習模型；

將預測出的車輛受損時長與預設的受損時長閾值進行比較，并基于比較結果針對所述事故車輛進行理賠決策。

2.根據權利要求1所述的方法，所述圖像數據包括：所述事故車輛的多張圖像；所述預測出的車輛受損時長包括：由所述預測模型分別基于所述多張圖像預測出的多個車輛受損時長。

3.根據權利要求2所述的方法，所述將預測出的車輛受損時長與預設的受損時長閾值進行比較，并基于比較結果針對所述事故車輛進行理賠決策，包括：

對預測出的所述多個車輛受損時長進行加權平均計算，得到所述事故車輛的平均受損時長，并將所述平均受損時長與預設的受損時長閾值進行比較；

如果所述平均受損時長小于所述受損時長閾值時，則確定針對所述事故車輛進行理賠處理；如果所述平均受損時長大于或等于所述受損時長閾值時，則將所述事故車輛所屬的理賠案件標記為風險案件。

4.根據權利要求2所述的方法，所述將預測出的車輛受損時長與預設的受損時長閾值進行比較，并基于比較結果針對所述事故車輛進行理賠決策，包括：

將預測出的所述多個車輛受損時長分別與所述受損時長閾值進行比較；

確定所述多個車輛受損時長中小于所述受損時長閾值的車輛受損時長的目標數量；

如果所述目標數量大于或等于預設的數量閾值時，則確定針對所述事故車輛進行理賠處理；如果所述目標數量小于所述數量閾值，則將所述事故車輛所屬的理賠案件標記為風險案件。

5.根據權利要求2所述的方法，所述將預測出的車輛受損時長與預設的受損時長閾值進行比較，并基于比較結果針對所述事故車輛進行理賠決策，包括：

將預測出的所述多個車輛受損時長分別與所述受損時長閾值進行比較；

確定所述多個車輛受損時長中小于所述受損時長閾值的車輛受損時長的數量，對應于所述多個車輛受損時長的數量的目標比值；

如果所述目標比例大于或等于預設的比值閾值，則確定針對所述事故車輛進行理賠處理；如果所述目標比例小于所述比值閾值，則將所述事故車輛所屬的理賠案件標記為風險案件。

6.根據權利要求3至5任一所述的方法，所述方法還包括：

將被標記為風險案件的理賠案件向所述理賠案件的相關責任人輸出，以由所述相關責任人針對所述理賠案件進行調查取證。

7.根據權利要求1所述的方法，所述方法還包括：

獲取預設數量的車輛圖像樣本；其中，所述車輛圖像樣本被標注了對應的車輛受損時長；

基于預設的機器學習算法針對所述車輛圖像樣本進行訓練，以得到所述預測模型。

8.根據權利要求1所述的方法，所述預測模型為以下模型中的任意一個：Faster-RCNN模型，YOLOv3模型，SSD模型。

9.一種事故車輛理賠裝置，所述裝置包括：

第一獲取模塊，用于獲取事故車輛的圖像數據；

預測模塊，用于將所述圖像數據輸入至預測模型，以由所述預測模型基于所述圖像數據預測所述事故車輛的車輛受損時長；其中，所述預測模型為基于若干被標注了車輛受損時長的車輛圖像樣本訓練出的機器學習模型；

比較模塊，用于將預測出的車輛受損時長與預設的受損時長閾值進行比較，并基于比較結果針對所述事故車輛進行理賠決策。

10.根據權利要求1所述的裝置，所述圖像數據包括：所述事故車輛的多張圖像；所述預測出的車輛受損時長包括：由所述預測模型分別基于所述多張圖像預測出的多個車輛受損時長。