[发明专利]运营车辆的风险监控方法、装置、存储介质及计算机设备在审

专利信息
申请号: 202111071044.X 申请日: 2021-09-13
公开(公告)号: CN113743815A 公开(公告)日: 2021-12-03
发明(设计)人: 邹于佳;冯鑫;舒国藩;刘军辉;齐艳民 申请(专利权)人: 一汽出行科技有限公司
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q30/06;G06K9/62;G06F16/25
代理公司: 北京中强智尚知识产权代理有限公司 11448 代理人: 贾依娇
地址: 300456 天津市滨海新区自贸试验区(*** 国省代码: 天津;12
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 运营 车辆 风险 监控 方法 装置 存储 介质 计算机 设备
【权利要求书】:

1.一种运营车辆的风险监控方法,其特征在于,所述方法包括:

周期性获取待监测车辆在各维度上的属性数据,其中,所述属性数据包括轨迹数据、驻停数据、设备报警数据、保证金数据、车辆价值数据和驾驶行为数据中的至少一种数据;

根据所述待监测车辆在各维度上的属性数据,得到待监测车辆在各维度上的风险监测值;

根据所述待监测车辆在各维度上的风险监测值,通过预先训练的风险预测模型,得到待监测车辆的风险监测结果。

2.根据权利要求1所述的方法,其特征在于,所述周期性获取待监测车辆在各维度上的属性数据,包括:

通过安装在所述待监测车辆上的GPS装置,实时采集所述待监测车辆的位置数据和设备报警数据,并将所述设备报警数据保存至数据库中;

根据所述实时采集的待监测车辆的位置数据,生成所述待监测车辆的轨迹数据和驻停数据,并将所述轨迹数据和驻停数据保存至数据库中;

周期性的从所述数据库中获取待监测车辆在上一时间周期内的轨迹数据、驻停数据、设备报警数据、保证金数据、车辆价值数据和驾驶行为数据中的至少一种数据。

3.根据权利要求1所述的方法,其特征在于,所述属性数据包括轨迹数据,所述风险监测值包括轨迹风险值;则所述根据待监测车辆在各维度上的属性数据,得到待监测车辆在各维度上的风险监测值,包括:

获取所述待监测车辆的业务类型;

根据所述待监测车辆的业务类型,确定所述待监测车辆对应的轨迹预测模型,其中,所述轨迹预测模型基于孤立森林算法和随机森林算法训练得到;

将所述待监测车辆的轨迹数据输入到所述轨迹预测模型中,得到所述待监测车辆的轨迹风险值。

4.根据权利要求1所述的方法,其特征在于,所述属性数据包括驻停数据和/或设备报警数据,所述风险监测值包括驻停风险值和设备报警风险值;则所述根据待监测车辆在各维度上的属性数据,得到待监测车辆在各维度上的风险监测值,包括:

利用预设的驻停评分规则,根据所述待监测车辆的驻停数据中的驻停位置和驻停时间,得到所述待监测车辆的驻停风险值;

和/或根据所述待监测车辆的设备报警数据中的当前设备报警类别和预设的报警类别评分表,得到所述待监测车辆的设备报警风险值。

5.根据权利要求1所述的方法,其特征在于,所述属性数据包括保证金数据、车辆价值数据和驾驶行为数据,所述风险监测值包括保证金风险值、车辆价值风险值和驾驶行为风险值;则所述根据待监测车辆在各维度上的属性数据,得到待监测车辆在各维度上的风险监测值,包括:

根据所述待监测车辆的保证金数据中的当前保证金数额与保证金总额之间的比值,得到所述待监测车辆的保证金风险值;

根据所述待监测车辆的车辆价值数据中的车辆品牌价值和车辆残值,得到所述待监测车辆的车辆价值风险值;

根据所述待监测车辆的驾驶行为数据中的一个记分周期内的违章次数和/或扣分分数,以及一个保险周期内的出险次数和/或出险金额,得到所述待监测车辆的驾驶行为风险值。

6.根据权利要求1所述的方法,其特征在于,所述根据待监测车辆在各维度上的风险监测值,通过预先训练的风险预测模型,得到待监测车辆的风险监测结果,包括:

根据所述预先训练的风险预测模型,确定所述待监测车辆在各维度上的风险监测值分别对应的权值;

根据所述待监测车辆在各维度上的风险监测值分别对应的权值,对所述待监测车辆在各维度上的风险监测值进行加权求和,得到所述待监测车辆的风险监测结果。

7.根据权利要求1所述的方法,其特征在于,所述方法还包括:

利用预设组件,对所述待监测车辆在各维度上的风险监测值和风险监测结果进行展示;

和/或接收用户发送的数据查询请求,并根据所述数据查询请求,查询出所述待监测车辆在各维度上的属性数据,展示给用户进行查看。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于一汽出行科技有限公司,未经一汽出行科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111071044.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top