Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 成都东信丰汇商务服务有限公司康红伟获国家专利权

成都东信丰汇商务服务有限公司康红伟获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉成都东信丰汇商务服务有限公司申请的专利多因素融合的保险产品动态风险定价优化方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120182012B

龙图腾网通过国家知识产权局官网在2025-09-02发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510159542.1,技术领域涉及:G06Q40/08;该发明授权多因素融合的保险产品动态风险定价优化方法是由康红伟设计研发完成,并于2025-02-13向国家知识产权局提交的专利申请。

多因素融合的保险产品动态风险定价优化方法在说明书摘要公布了:本申请属于保险产品定价技术领域,更具体地说,涉及多因素融合的保险产品动态风险定价优化方法;采集多源信息数据,进行数据预处理;基于车载OBD数据的出行轨迹分析,结合高风险路段、驾驶行为和环境因子,构建了时空累计风险指数,使用图卷积网络对车主社交圈中的风险传递效应进行建模,捕捉社交圈内车主间的互相影响,基于多任务学习的神经网络,综合处理动态风险、社交风险特征和其他相关数据,通过共享网络层优化出险概率和损失金额的预测,并结合外部市场数据生成保险定价,确保了保险定价的全面性和精确性;解决了传统定价方法中存在的盲区,使得保险定价更加智能化、精准化,能够实时反映车主的实际风险状况。

本发明授权多因素融合的保险产品动态风险定价优化方法在权利要求书中公布了:1.多因素融合的保险产品动态风险定价优化方法,其特征在于,包括以下步骤: 步骤1:采集车主保单记录、理赔数据、车载OBD数据、气象数据以及地理信息数据,并对采集的数据进行预处理; 步骤2:基于车载OBD数据获取车主的出行轨迹,基于出行轨迹与高风险路段结合,构建车主的整体路段风险,再融入车主的驾驶行为与环境因子,得到时空累计风险指数; 高风险路段标定:通过历史数据和实时交通监测,确定每条路段的事故风险值: ; 式中:表示事故衰减系数;表示路段i在时刻t的事故数;表示当前时间戳;k表示时间窗口大小;表示路段i在时刻t的事故风险值;表示自然对数的底数; 动态风险路径分配:对于每次出行,计算车主在不同路段上的风险权重: ; 式中:表示车主行驶该路段的时间;表示车主行驶路径的整体路径风险; 驾驶行为修正因子计算:危险驾驶行为通过加权因子与当前风险评估值相乘来修正风险: ; 式中:表示急刹车的权重因子;表示在时刻t的急刹车强度;表示急刹车的最大值; 天气修正因子: ; 式中:表示降水影响因子;表示雾霾影响因子;表示区域i在时刻t的降雨量;表示区域i在时刻t的能见度;和表示权重因子; 路况修正因子: ; 式中:表示区域i在时刻t的交通流量;表示区域i的历史最大流量; 时空累计风险指数计算: ; 式中:表示急刹车修正因子;表示天气修正因子;表示交通流量修正因子; 步骤3:构建图结构,车主为节点,车主的社交圈为节点间的边,使用图卷积网络对该图结构进行卷积操作,学习社交圈内的风险传导效应,生成社交风险特征; 步骤4:基于预处理后的数据、社交风险特征以及累积风险指数构建多任务学习的神经网络,通过共享网络层来学习出险概率和损失金额的共同特征,输出出险概率和预测的损失金额; 步骤5:基于多任务学习的神经网络输出的风险评分和预测的损失金额,以及外部市场数据生成保险定价。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人成都东信丰汇商务服务有限公司,其通讯地址为:610000 四川省成都市高新区吉泰五路88号2栋16层9号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。