，将数据上传到云平 台做统一处理，形成标准的用户驾驶行为数据。
[0042] 本发明系统采用多方式采集，基于GPS的深度分析，同时可以支持0BD的数据分 析，没有苛刻的设备要求，对于推广将极为便利。对于UBI的采集可以通过一种寄生方式采 集，例如在CarNet中植入UBI模块。对保险公司来讲，不用单独推广相关的设备就可以能 从本系统获取到UBI数据；对于个人来说，在获取到其他应用享受的同时提供了 UBI数据， 为自己的打折保险积累了数据，这是一个兼容性和可操作性很强的方案。
[0043] 本发明系统能提供多种数据，在与保险公司的合作上，即可以提供已经分析过的 用户的安全系数，也可以将半加工数据提供给保险公司，让保险公司自己加工来体现自己 与其他保险公司的差异化产品，同时也可以接入保险公司自己的GLM系统。
【附图说明】
[0044] 图1为本发明基于车辆保险业务的大数据分析系统的组成示意图。
[0045] 图2为本发明基于车辆保险业务的大数据分析方法的流程图。
【具体实施方式】
[0046] 下面结合附图详细说明本发明的优选实施例。
[0047] 实施例一
[0048] 请参阅图1、图2,本发明揭示了一种基于车辆保险业务的大数据分析系统，所述 大数据分析系统包括：历史数据库、评分因子库、评分模块、排名模块、学习模块。
[0049] 历史数据库用以记录用户的历史驾驶行为、历史积分、历史排名数据，同时记录第 三方保险理赔数据；主要用于智能学习，优化评分因子库。
[0050] 所述历史数据库记录的信息包括：个人信息、地理维度信息、时间维度信息、驾驶 习惯信息、驾驶里程信息。个人信息包含年龄、驾龄、教育程度、职业；地理维度信息通过对 各个省份和城市的历年的数据的采集分析，得出各个区域的事故的发生概率，从而影响最 终的事故发生率；时间维度信息方面，采集用户的驾驶时长，驾驶时间区间；驾驶习惯信息 中，对于用户的急加速、急减速和急刹车分析，确定用户的驾驶习惯的良好，同时通过驾驶 时的速度区间和关键速度指标，衡量用户的驾驶水平和路况等与事故相关的信息；驾驶里 程信息中，对于驾驶总里程的计算，越低里程，越低风险，越优价格；做到预交保险，根据里 程的多少退还多交的保费。
[0051] 评分因子库作为供评分模块的主要参照库。评分模块用以按照设定规则对用户的 驾驶行为数据逐项评分，即数据项对应的评分因子，再将结果相加为当期分值；其结果直接 作为排名模块的输入。所述评分模块利用设定规则建立数据分析模型，根据时间维度信息、 地理维度信息、驾驶里程信息、驾驶习惯信息给出车主的驾驶安全系数；该系数对应保险的 优惠额度。
[0052] 排名模块用以将当期的所有用户的得分进行排序；利用插入排序法排序；排序过 程中，利用二分法找到新值的位置，插入即可；排名的最终结果，一方面作为最后的输出，另 一方面与原始行为数据一起，进入历史数据库，作为下一轮评分因子学习训练的输入。
[0053] 学习模块用以根据大量的历史数据，分为k个类别；以空间中k个点为中心进行聚 类，对最靠近他们的对象归类；然后通过多次迭代的方法，逐次更新各聚类中心的值，直至 得到最佳的聚类结果和各个属性的权值weight ;学习模块的步骤如下：当有新的数据加入 时，判断该数据是否和上次加入的数据值一致，如果不一致，则对任意一个样本，求其到各 中心的距离，将该样本归到距离最短的中心所在的类；修正各个属性的因子值，因子值带入 计算，利用均值等方法更新该类的中心值。
[0054] 本发明系统UBI业务的数据来源基于GPS，相比较于基于0BD的UBI，GPS的采集 和兼容性更好，不存在车型不兼容的问题，可以通过手机就可以完成UBI业务。同时，对于 有0BD数据的车辆，依然可以使用0BD来完成UBI数据分析。
[0055] 本发明系统UBI的数据分析在云平台，避免了车主在采集设备上作弊骗保等可能 性，算法策略更新快，与保险公司的数据交换方便。
[0056] 本发明系统UBI在多设备多应用上采集，多个产品都可以对某个用户的行车数据 做采集，用户的开拓没有增加用户成本，覆盖面广泛，采集成本低，数据信息全。
[0057] 本发明系统UBI支持第三方设备，在与第三方合作后，第三方设备集成UBI模块， UBI模块会将数据上传到云平台。
[0058] 本发明系统在基于上述数据维度基础上，创建了 PLAYDS算法，对车主的驾驶水平 和驾驶行为做出评分。根据不同的评分，给出该车主的驾驶安全系数，该系数即可对应相应 的保险的优惠额度。
[0059]
[0060] 综上所述，本发明提出的基于车辆保险业务的大数据分析系统，在保障了 UBI产 品数据不限量存储分析基础之上，提出了一个更加完整的车险评分标准，解决了目前UBI 车险判断标准单一的问题，为未来的UBI产品提供了相应的指导性的发展模式。
[0061] (1)首创的评分分析模块，可以更加全面地，均衡地分析每个UBI产品车主的驾驶 行为，为驾驶者和保险公司提供更加符合自身的车险产品。
[0062] (2)建立在大数据分析平台之上的分析系统，保证了数据几乎可以无限存储，并极 大的提高了数据的分析能力，并能随着数据的增加而无限扩展其分析能力，保障了 UBI产 品数据存储和处理能力。
[0063] (3)采用多终端采集。不限于使用UBI车载硬件产品，而是通过多途径获取到驾驶 者的驾驶行为。包括但不限于智能手机APP，内外置导航仪等。
[0064] 这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例 中。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实 施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是，在不脱离本发明 的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、 材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进 行其它变形和改变。
【主权项】
1. 一种基于车辆保险业务的大数据分析系统，其特征在于，所述大数据分析系统包 括： 历史数据库，用以记录用户的历史驾驶行为、历史积分、历史排名数据，同时记录第三 方保险理赔数据；主要用于智能学习，优化评分因子库； 评分因子库，作为供评分模块的主要参照库； 评分模块，用以按照设定规则对用户的驾驶行为数据逐项评分，即数据项对应的评分 因子，再将结果相加为当期分值；其结果直接作为排名模块的输入； 排名模块，用以将当期的所有用户的得分进行排序；利用插入排序法排序；排序过程 中，利用二分法找到新值的位置，插入即可；排名的最终结果，一方面作为最后的输出，另一 方面与原始行为数据一起，进入历史数据库，作为下一轮评分因子学习训练的输入； 学习模块，用以根据大量的历史数据，分为k个类别；以空间中k个点为中心进行聚类， 对最靠近他们的对象归类；然后通过多次迭代的方法，逐次更新各聚类中心的值，直至得到 最佳的聚类结果和各个属性的权值weight;学习模块的步骤如下：当有新的数据加入时， 判断该数据是否和上次加入的数据值一致，如果不一致，则对任意一个样本，求其到各中心 的距离，将该样本归到距离最短的中心所在的类；修正各个属性的因子值，因子值带入计 算，利用均值方法更新该类的中心值。2. 根据权利要求1所述的基于车辆保险业务的大数据分析系统，其特征在于： 所述历史数据库记录的信息包括： 个人信息，包含年龄、驾龄、教育程度、职业； 地理维度信息，通过对各个省份和城市的历年的数据的采集分析，得出各个区域的事 故的发生概率，从而影响最终的事故发生率； 时间维度信息，采集用户的驾驶时长，驾驶时间区间； 驾驶习惯信息，对于用户的急加速、急减速和急刹车分析，确定用户的驾驶习惯的良 好，同时通过驾驶时的速度区间和关键速度指标，衡量用户的驾驶水平和路况等与事故相 关的彳目息； 驾驶里程信息，对于驾驶总里程的计算，越低里程，越低风险，越优价格；做到预交保 险，根据里程的多少退还多交的保费。3. 根据权利要求2所述的基于车辆保险业务的大数据分析系统，其特征在于： 所述评分模块利用设定规则建立数据分析模型，根据时间维度信息、地理维度信息、驾 驶里程信息、驾驶习惯信息给出车主的驾驶安全系数；该系数对应保险的优惠额度。
【专利摘要】本发明揭示了一种基于车辆保险业务的大数据分析系统，所述大数据分析系统包括：历史数据库、评分因子库、评分模块、排名模块、学习模块。历史数据库主要用于智能学习，优化评分因子库；评分因子库作为供评分模块的主要参照库；评分模块用以按照设定规则对用户的驾驶行为数据逐项评分，即数据项对应的评分因子，再将结果相加为当期分值；其结果直接作为排名模块的输入；排名模块用以将当期的所有用户的得分进行排序；学习模块用以根据大量的历史数据修正各个属性的因子值，因子值带入计算，利用均值等方法更新该类的中心值。
【IPC分类】G06Q40/08, G06F17/30
【公开号】CN105488046
【申请号】CN201410472548
【发明人】翟强, 齐舰
【申请人】钛马信息网络技术有限公司
【公开日】2016年4月13日
【申请日】2014年9月16日