(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111651916.X (22)申请日 2021.12.3 0 (71)申请人 武汉东湖大 数据交易中心 股份有限 公司 地址 430000 湖北省武汉市东湖新 技术开 发区高新大道999号龙山创新园一期 F3栋2101室 (72)发明人 杜登斌　杜小军　杜乐　 (74)专利代理 机构 武汉红观 专利代理事务所 (普通合伙) 42247 专利代理师 徐春燕 (51)Int.Cl. G06Q 40/08(2012.01) G06Q 30/02(2012.01) G06K 9/62(2022.01) (54)发明名称 一种车辆的保险赔付率定价方法、 系统、 设 备及存储介质 (57)摘要 本发明提出了一种车辆的保险赔付率定价 方法、 系统、 设备及存储介质， 通过获取待投保车 辆的VIN码和违章数据并融合， 从包括国际国内 保险市场数据和同行业保险公司 数据中获取对 应的赔付率数据以及赔付案例数据， 进行归一化 处理， 得到对应的特征数据， 筛选对模型预测价 值高于预设阈值的赔付率数据， 组成赔付率数据 集， 利用融合逻辑回归的Adaboo st算法构建赔付 率预测模型， 将赔付案例数据作为样本， 结合赔 付率数据集， 对预测模型进行训练， 通过预测模 型对待投保车辆进行预测， 得到待投保车辆VIN 码+违章数据的保险赔付率定价类别。 本发明结 合车主及车辆因素建立合理的车险定价体系， 基 于广义线性模 型风险建模识别更多的风险因子， 区分优质客户和劣质客户。 权利要求书3页 说明书7页 附图1页 CN 114493895 A 2022.05.13 CN 114493895 A 1.一种车辆的保险赔付率定价方法， 其特征在于， 所述一种车辆的保险赔付率定价方 法包括以下步骤： S1， 获取待投保车辆的VIN码和违章数据， 所述VIN码中含有车辆的制造厂家、 生产年 代、 车型、 车身形式、 发动机的信息， 所述违章数据包括： 违章、 违法、 交通事故次数、 级别和 强度； S2， 将车辆的VIN码与其违章数据对应存入车辆信息数据库， 通过VIN码与违章数据对 应的方法融合车辆VIN码和车辆违章数据， 并从包括国际国内保险市场数据和同行业保险 公司数据中获取对应的赔付率数据以及赔付案例数据， 进行归一化处理， 得到对应的特征 数据； S3， 筛选所述赔付率数据， 得到对模型预测价值高于预设阈值的赔付率数据， 组成赔付 率数据集； S4， 利用融合逻辑回归的Adaboost算法构建赔付率预测模型， 将所述赔付案例数据作 为样本， 结合所述赔付率数据集， 对所述预测模型进行训练， 所述预测模型用于计算车辆 VIN码和违章数据融合后的保险赔付 率定价所属分类 类别； S5， 通过预测模型对待投保车辆进行预测， 得到待投保车辆VIN码和违章数据融合后的 保险赔付 率定价类别。 2.如权利要求1所述的一种车辆的保险赔付率定价方法， 其特征在于， 所述步骤S3具体 包括： 计算每个赔付率数据的特征数据的IV值， 得到赔付率数据的IV值， 筛选出IV值大于预 设阈值的赔付 率数据， 组合成为赔付 率数据集。 3.如权利要求2所述的一种车辆的保险赔付率定价方法， 其特征在于， 所述计算每个赔 付率数据的特 征数据的IV值， 得到赔付 率数据的IV值， 具体包括： 对于某一个赔付率数据的每个特征数据， 根据赔率设置n个分段， 则产生n个赔付率特 征数据分组， 计算每 个分组的WOE值： 其中， pyi为一个分组中响应数据数量占所有赔付率特征数据中响应数据数量的比例， pni为该分组中未响应数据占所有赔付率特征数据中所有未响应数据的比例， #yi为该组中 响应数据的数量， # ni为该组中未响应数据的数量， #yT为所有赔付率特征数据中所有响应数 据的数量， #nT为所有赔付 率特征数据中所有未响应数据的数量； 对于分组i， 计算 其IV值： 根据该赔付 率数据的n个 赔付率特征数据分组的IV值， 得到该赔付 率数据的IV值：权　利　要　求　书 1/3 页 2 CN 114493895 A 24.如权利要求1所述的一种车辆的保险赔付率定价方法， 其特征在于， 所述步骤S4具体 包括： S4‑1， 以多个LR分类器构建弱分类器， 初始化样本数据的权重值， 采用one ‑VS‑rest形 式， 训练基于L R的弱分类器； 将 赔付率概率值最大的作为每个弱分类器的输出， 每个弱分类 器中LR分类 器的个数等于赔付 率风险类别数； S4‑2， 计算所述弱分类器的输出权重值， 同时， 基于多个弱分类器更新强分类器， 并计 算强分类器分类的错误率； 判断是否达到循环结束 条件， 若是， 结束循环， 否则依据第i个弱 分类器的分类错误率重新计算样本权重值， 将新的样本权重值加入样本中进行训练； 所述 循环结束 条件为判断强分类器的分类错误率是否为0， 如果是则结束循环， 否则判断弱分类 器个数是否大于等于设定的弱分类 器最大个数， 如果是则结束循环。 5.如权利要求4所述的一种车辆的保险赔付率定价方法， 其特征在于， 所述更新强分类 器具体包括： 更新强分类 器的表达式为： 其中a为每个弱分类中LR分类器的编号， Hfq为更新前的强分类器， 为更新后的强 分类器， η1∈[0,1]为学习率， αj为第j个弱分类器的输出权重值， 为弱分类器的输入， l为 argmax函数的返回值即脑卒中风险类别等级预测值。 6.如权利要求4所述的一种车辆的保险赔付率定价方法， 其特征在于， 所述计算强分类 器分类的错 误率具体包括： 计算强分类 器分类的错 误率的表达式为： 其中sign为符号函数， Tk为第k个训练样本的特征， 如果第k样本为正样本， Sk为对应Tk 的赔付率风险等级， m为训练集样本个数。 7.如权利要求4所述的一种车辆的保险赔付率定价方法， 其特征在于， 所述依据第i个 弱分类器的分类错 误率重新计算样本 权重值， 将新的样本 权重值加入样本中具体包括： 根据第i个弱分类 器的分类错 误率计算第i+1个弱分类 器的新的样本 权重值： ei+1k＝eik·exp( αi·[Hifq(Tk)≠Sk]),k∈[1,2, …,m] αi为第i个弱分类器的输出权重值， eik为第i个弱分类器的第k个样本权重值， ei+1k为第i +1个弱分类 器的第k个样本 权重值； 处理样本新产生的权 重值并进行归一 化处理。 8.一种车辆的保险赔付 率定价系统， 其特 征在于， 所述系统包括： 数据获取模块： 用于获取待投保车辆的VIN码和违章数据， 所述VIN码中含有车辆的制 造厂家、 生产年代、 车型、 车身 形式、 发动机以及其它装备的信息， 所述违章数据包括： 违章、权　利　要　求　书 2/3 页 3 CN 114493895 A 3