[發明專利]駕駛風險等級識別方法、裝置、電子設備及可讀存儲介質

有效

• 申請號: 202110440059.2
• 申請日: 2021-04-22
• 公開（公告）號: CN113178071B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 張超亞
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及數據處理，揭露一種駕駛風險等級識別方法，包括：獲取多個用戶的駕駛行為數據和理賠數據，確定初始風險等級識別模型；獲取多個用戶的基本信息數據，訓練初始風險等級識別模型得到第一風險等級識別模型，確定基本信息數據中與駕駛風險等級相關的特征因子；當沒有指定用戶的駕駛行為數據時，獲取指定用戶的基本信息數據；基于指定用戶的基本信息數據及特征因子確定指定用戶對應的特征矩陣，將特征矩陣輸入第一風險等級識別模型，得到指定用戶的預測駕駛風險等級。本發明還提供一種駕駛風險等級識別裝置、電子設備及可讀存儲介質。本發明實現了對缺乏駕駛行為數據的用戶進行精準的駕駛風險等級識別。

技術領域

本發明涉及數據處理領域，尤其涉及一種駕駛風險等級識別方法、裝置、電子設備及可讀存儲介質。

背景技術

隨著科技的發展，智能模型在人們生活中的應用越來越廣泛，例如，將用戶的駕駛行為數據輸入風險等級識別模型得到用戶的駕駛風險等級。然而，駕駛風險等級識別的準確性依賴于豐富的駕駛行為數據，對于新手車主來說，當前并沒有駕駛行為數據，也就無法識別新手車主的駕駛風險等級。因此，亟需一種駕駛風險等級識別方法，以對缺乏駕駛行為數據的用戶進行精準的駕駛風險等級識別。

發明內容

鑒于以上內容，有必要提供一種駕駛風險等級識別方法，旨在對缺乏駕駛行為數據的用戶進行精準的駕駛風險等級識別。

本發明提供的駕駛風險等級識別方法，包括：

從第一數據庫中獲取多個用戶的駕駛行為數據，從第二數據庫中獲取所述多個用戶的理賠數據，基于所述理賠數據確定所述多個用戶的歷史駕駛風險等級，基于所述駕駛行為數據及所述歷史駕駛風險等級確定初始風險等級識別模型；

從第三數據庫中獲取所述多個用戶的基本信息數據，采用所述基本信息數據訓練所述初始風險等級識別模型得到第一風險等級識別模型，并對所述基本信息數據及所述歷史駕駛風險等級執行相關性分析，基于相關性分析結果確定所述基本信息數據中與駕駛風險等級相關的特征因子；

響應客戶端發出的針對指定用戶的駕駛風險等級識別請求，判斷所述第一數據庫中是否有所述指定用戶的駕駛行為數據，當所述第一數據庫中沒有所述指定用戶的駕駛行為數據時，從所述第三數據庫中獲取所述指定用戶的基本信息數據；

基于所述指定用戶的基本信息數據及所述特征因子確定所述指定用戶對應的特征矩陣，將所述特征矩陣輸入所述第一風險等級識別模型，得到所述指定用戶的預測駕駛風險等級。

可選的，所述基于所述駕駛行為數據及所述歷史駕駛風險等級確定初始風險等級識別模型包括：

將所述多個用戶的駕駛行為數據分別輸入多個預設模型，每個所述預設模型分別輸出所述多個用戶中的每個用戶對應的初始駕駛風險等級；

基于所述初始駕駛風險等級及所述歷史駕駛風險等級確定所述每個預設模型的預測準確率，將預測準確率最高的預設模型作為初始風險等級識別模型。

可選的，所述基本信息數據包括用戶身份信息數據及用戶經歷過的事件數據，所述對所述基本信息數據及所述歷史駕駛風險等級執行相關性分析，基于相關性分析結果確定所述基本信息數據中與駕駛風險等級相關的特征因子包括：

識別所述用戶身份信息數據中的實體類別，將識別到的實體類型的集合作為初始指標集；

基于所述歷史駕駛風險等級分析所述事件數據中與駕駛風險等級相關的目標事件；

將所述目標事件添加至所述初始指標集，得到目標指標集，將所述目標指標集中各個指標的穩定性參數作為與駕駛風險等級相關的特征因子。

可選的，所述基于所述歷史駕駛風險等級分析所述事件數據中與駕駛風險等級相關的目標事件包括：

將每個用戶對應的歷史駕駛風險等級添加至每個用戶對應的第一事件集合中，得到每個用戶對應的第二事件集合；