大型工程车辆的风险分析方法、装置和计算机设备

技术领域

本申请涉及数据处理技术领域，特别是涉及一种大型工程车辆的风险分析方法、装置和计算机设备。

背景技术

目前，对车辆的保费进行评估，一般是对车辆的潜在风险进行预判，从而预估出车辆的保费，在累计一定的行驶数据之后，才会引入行驶数据以此对车辆保费进行调整。

而在大型工程车领域，保费的评估存在极大的困难，一方面工程车辆挂靠在企业名下，无法结合驾驶员的驾驶行为预判车辆的风险，从而对保费进行评定，另外一方面，大型工程车辆在不同时间，作业环境差异较大，因此对大型工程车辆的保费无法准确进行预判评估。

发明内容

基于此，有必要针对上述技术问题，提供一种大型工程车辆的风险分析方法、装置和计算机设备，通过对大型工程车辆的风险进行分析，从而将风险与保费进行关联，从而准确的对保费进行预测。

一种大型工程车辆的风险分析方法，所述方法包括：

从车辆运营商调取上一评估周期中大型工程车辆的作业数据以及驾驶员信息，以及获取待评估大型工程车辆的车辆信息、违章信息和出险记录；

根据所述驾驶员信息、车辆信息、所述违章信息以及所述出险记录，构建待评估大型工程车辆的第一风险评估指标；

从所述作业数据中提取大型工程车辆的第一关系网络，以及驾驶员的第二关系网络；

对待评估大型工程车辆利用所述第一关系网络和所述第二关系网络进行嵌入，得到车辆嵌入信息；

根据所述车辆嵌入信息，构建待评估大型工程车辆的第二风险评估指标；

根据所述第一风险评估指标和所述第二风险评估指标，得到待评估大型工程车辆的风险评估结果。

在其中一个实施例中，还包括： 以待评估大型工程车辆为中心，根据所述作业数据，建立待评估大型工程车辆与同一作业任务的大型工程车辆的第一层连接关系，然后依次以第一层连接关系的大型工程车辆为中心，建立不少于三层连接关系，得到第一关系网络；以驾驶员为中心，根据所述作业数据，建立驾驶员与同一作业任务的驾驶员的第一层连接关系，然后依次以第一层连接关系的驾驶员为中心，建立不少于三层连接关系，得到第二关系网络。

在其中一个实施例中，还包括：根据所述第二关系网络中的邻居节点，对驾驶员进行嵌入，得到驾驶员嵌入表示；根据驾驶员与大型工程车辆的对应关系，将所述驾驶员嵌入表示嵌入至第一关系网络的大型工程车辆中；根据所述第一关系网络中的邻居节点，对待评估大型工程车辆进行嵌入，得到待评估大型工程车辆的车辆嵌入信息。

在其中一个实施例中，对驾驶员进行嵌入表示对驾驶员的风险因子进行嵌入，对待评估大型工程车辆进行嵌入表示对待评估大型工程车辆的故障因子进行嵌入；还包括：根据所述车辆嵌入信息中嵌入的风险因子和故障因子，得到待评估大型工程车辆的第二风险评估指标。

在其中一个实施例中，还包括：根据所述第二关系网络中的邻居节点，采用Node2Vec模型对驾驶员进行嵌入，得到驾驶员嵌入。

在其中一个实施例中，还包括：根据所述第一风险评估指标构建基础评估特征，根据所述第二风险评估指标构建拓展评估特征；将所述基础评估特征和所述拓展评估特征进行拼接后，输入预训练的评估模型，输出待评估大型工程车辆的风险评估结果。

一种大型工程车辆的风险分析装置，所述装置包括：

信息获取模块，用于从车辆运营商调取上一评估周期中大型工程车辆的作业数据以及驾驶员信息，以及获取待评估大型工程车辆的车辆信息、违章信息和出险记录；

第一评估指标构建模块，用于根据所述驾驶员信息、车辆信息、所述违章信息以及所述出险记录，构建待评估大型工程车辆的第一风险评估指标；

第二评估指标构建模块，用于从所述作业数据中提取大型工程车辆的第一关系网络，以及驾驶员的第二关系网络；对待评估大型工程车辆利用所述第一关系网络和所述第二关系网络进行嵌入，得到车辆嵌入信息；根据所述车辆嵌入信息，构建待评估大型工程车辆的第二风险评估指标；

评估模块，用于根据所述第一风险评估指标和所述第二风险评估指标，得到待评估大型工程车辆的风险评估结果。

在其中一个实施例中，第二评估指标构建模块还用于以待评估大型工程车辆为中心，根据所述作业数据，建立待评估大型工程车辆与同一作业任务的大型工程车辆的第一层连接关系，然后依次以第一层连接关系的大型工程车辆为中心，建立不少于三层连接关系，得到第一关系网络；以驾驶员为中心，根据所述作业数据，建立驾驶员与同一作业任务的驾驶员的第一层连接关系，然后依次以第一层连接关系的驾驶员为中心，建立不少于三层连接关系，得到第二关系网络。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

从车辆运营商调取上一评估周期中大型工程车辆的作业数据以及驾驶员信息，以及获取待评估大型工程车辆的车辆信息、违章信息和出险记录；

根据所述驾驶员信息、车辆信息、所述违章信息以及所述出险记录，构建待评估大型工程车辆的第一风险评估指标；

从所述作业数据中提取大型工程车辆的第一关系网络，以及驾驶员的第二关系网络；

对待评估大型工程车辆利用所述第一关系网络和所述第二关系网络进行嵌入，得到车辆嵌入信息；

根据所述车辆嵌入信息，构建待评估大型工程车辆的第二风险评估指标；

根据所述第一风险评估指标和所述第二风险评估指标，得到待评估大型工程车辆的风险评估结果。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

从车辆运营商调取上一评估周期中大型工程车辆的作业数据以及驾驶员信息，以及获取待评估大型工程车辆的车辆信息、违章信息和出险记录；

根据所述驾驶员信息、车辆信息、所述违章信息以及所述出险记录，构建待评估大型工程车辆的第一风险评估指标；

从所述作业数据中提取大型工程车辆的第一关系网络，以及驾驶员的第二关系网络；

对待评估大型工程车辆利用所述第一关系网络和所述第二关系网络进行嵌入，得到车辆嵌入信息；

根据所述车辆嵌入信息，构建待评估大型工程车辆的第二风险评估指标；

根据所述第一风险评估指标和所述第二风险评估指标，得到待评估大型工程车辆的风险评估结果。

上述大型工程车辆的风险分析方法、装置、计算机设备和存储介质，首先，从车辆运营商调取上一评估周期中大型工程车辆的作业数据以及驾驶员信息，以及获取待评估大型工程车辆的车辆信息、违章信息和出险记录，可以知道的是，驾驶员信息以及待评估大型工程车辆的车辆信息、违章信息和出险记录均是较为常规的信息，也是进行风险评估的基础数据，可以基本评估大型工程车辆的风险信息，因此，设置了第一风险评估指标，于此通过，本发明创造性的基于作业数据，提取大型工程车辆的第一关系网络以及驾驶员的第二关系网络，通过图嵌入技术，构建第二风险评估指标，以此体现大型工程车辆作业集中化以及驾驶员不固定化的特点，从而以第二风险评估指标来辅助第一风险评估指标进行风险评估，结果更加准确。

附图说明

图1为一个实施例中大型工程车辆的风险分析方法的流程示意图；

图2为一个实施例中大型工程车辆的风险分析装置的结构框图；

图3为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种大型工程车辆的风险分析方法，包括以下步骤：

步骤102，从车辆运营商调取上一评估周期中大型工程车辆的作业数据以及驾驶员信息，以及获取待评估大型工程车辆的车辆信息、违章信息和出险记录。

值得说明的是，对于大型工程车辆而言，一般会安装车辆追踪和传感器，以此收集有关车辆使用情况的数据，如速度、行驶路线等，也会安装地理信息系统（GIS），以此确定车辆作业的地区风险情况。

本步骤中的车辆数据指的是大量的工程车辆的数据，通过对其传感器、地理信息系统（GIS）以及提供的文本信息，通过数据清洗后，对作业任务与大型工程车辆进行对应，一般而言，对于一个作业任务，需要多个大型工程车辆参与，在相同的地理环境、作业任务强度、天气等因素的影响下，大型工程车辆所面对的风险是相似的。

举例而言，在上一年度，某个工程车未出现违章以及没有出险，但是长期与其一起作业的车辆出现了故障而出险的情况，若按照常规的线性计算指标的方式，则认为未出险的工程车下一年度风险值较小，但是，实际情况是，长期高强度作业出现故障的概率必然会增大，而本发明考虑到这一点，因此可以更加精确的预估到工程车可能的风险。同样的，某个工程车未出现违章以及没有出险，长期与其一起作业的车辆的出险数据较好，意味着工程车整体作业的风险值较低，因此未出现违章以及没有出险的风险值较低。

步骤104，根据驾驶员信息、车辆信息、违章信息以及出险记录，构建待评估大型工程车辆的第一风险评估指标。

一般而言，可以采用广义线性乘法或者加法模型，来构建第一风险评估指标。

步骤106，从作业数据中提取大型工程车辆的第一关系网络，以及驾驶员的第二关系网络。

本步骤中，通过数据清洗后，通过作业数据，可以提取到大型工程车辆的第一关系网络，第一关系网络是以工程车为节点，工程车之间是否参与同一作业任务认为是否存在连边，以此构建第一关系网络。

相同的，对于驾驶员而言，是否参与同一作业任务认为是否存在连边，以此构建第二关系网络。

对于上述第一关系网络和第二关系网络 ，从未来作业上，可以一定程度反映出工程车辆未来的作业任务的风险程度，从而驾驶员而言，同一批驾驶员参与同一批作业任务的可能性也非常高，上述信息均可以通过第一关系网络和第二关系网络来体现。

步骤108，对待评估大型工程车辆利用第一关系网络和第二关系网络进行嵌入，得到车辆嵌入信息。

根据工程车与驾驶员之间的联系，建立起第一关系网络和第二关系网络之间的关系，然后对待评估大型工程车辆进行嵌入，可以得到车辆嵌入信息。

步骤110，根据车辆嵌入信息，构建待评估大型工程车辆的第二风险评估指标。

步骤112，根据第一风险评估指标和第二风险评估指标，得到待评估大型工程车辆的风险评估结果。

上述大型工程车辆的风险分析方法中，首先，从车辆运营商调取上一评估周期中大型工程车辆的作业数据以及驾驶员信息，以及获取待评估大型工程车辆的车辆信息、违章信息和出险记录，可以知道的是，驾驶员信息以及待评估大型工程车辆的车辆信息、违章信息和出险记录均是较为常规的信息，也是进行风险评估的基础数据，可以基本评估大型工程车辆的风险信息，因此，设置了第一风险评估指标，于此通过，本发明创造性的基于作业数据，提取大型工程车辆的第一关系网络以及驾驶员的第二关系网络，通过图嵌入技术，构建第二风险评估指标，以此体现大型工程车辆作业集中化以及驾驶员不固定化的特点，从而以第二风险评估指标来辅助第一风险评估指标进行风险评估，结果更加准确。

在其中一个实施例中，以待评估大型工程车辆为中心，根据作业数据，建立待评估大型工程车辆与同一作业任务的大型工程车辆的第一层连接关系，然后依次以第一层连接关系的大型工程车辆为中心，建立不少于三层连接关系，得到第一关系网络；以驾驶员为中心，根据作业数据，建立驾驶员与同一作业任务的驾驶员的第一层连接关系，然后依次以第一层连接关系的驾驶员为中心，建立不少于三层连接关系，得到第二关系网络。本实施例中，在进行车辆评估时，为了尽可能的发现潜在的关系，建立了不少于三层连接的第一关系网络和第二关系网络。

在其中一个实施例中，根据第二关系网络中的邻居节点，对驾驶员进行嵌入，得到驾驶员嵌入表示；根据驾驶员与大型工程车辆的对应关系，将驾驶员嵌入表示嵌入至第一关系网络的大型工程车辆中；根据第一关系网络中的邻居节点，对待评估大型工程车辆进行嵌入，得到待评估大型工程车辆的车辆嵌入信息。

本实施例中，是将驾驶员的信息融合至大型工程车辆中，因此，首先是将第二关系网络中的邻居节点，对驾驶员进行嵌入，得到驾驶员嵌入表示，然后根据驾驶员与大型工程车辆的对应关系，将驾驶员嵌入表示嵌入至第一关系网络的大型工程车辆中，值得说明的是，其他邻居节点融合了与其对应的驾驶员的信息。

在其中一个实施例中，对驾驶员进行嵌入表示对驾驶员的风险因子进行嵌入，对待评估大型工程车辆进行嵌入表示对待评估大型工程车辆的故障因子进行嵌入；根据车辆嵌入信息中嵌入的风险因子和故障因子，得到待评估大型工程车辆的第二风险评估指标。

本实施例中，通过对驾驶员进行分析，可以对驾驶员采用风险因子进行标定，风险因子的标定一般根据驾驶年限、年龄、性别、违章信息等实现的，目的是评估驾驶员的风险因子，而车辆的故障因子一般是根据车辆的使用年限、作业任务强度、维修次数等因素综合计算得到的。对于第二关系网络而言，通过驾驶员的嵌入，可以实现对风险因子融合，融合后的风险因子与待评估车辆相对应，而对于第一关系网络而言，是通过对工程车辆的嵌入，实现故障因子的融合，因此，对于待评估车辆而言，车辆嵌入信息包括了融合后的风险因子和融合后的故障因子。

在另外一个实施例中，可以采用拼接的方式结合上述风险因子和故障因子，从而得到第二风险评估指标。

在其中一个实施例中，根据第二关系网络中的邻居节点，采用Node2Vec模型对驾驶员进行嵌入，得到驾驶员嵌入。同样的，大型工程车辆的嵌入也是采用相同方式。

在其中一个实施例中，根据第一风险评估指标构建基础评估特征，根据第二风险评估指标构建拓展评估特征；将基础评估特征和拓展评估特征进行拼接后，输入预训练的评估模型，输出待评估大型工程车辆的风险评估结果。

本实施例中，摒弃了传统的广义线性乘法或者加法模型，而采用模型预测的方式，一方面是因为本发明中第二风险评估指标仅为数据挖掘后的指标，与第一风险评估指标的维度完全不同，因此通过线性方法或者加法模型，很难给与第二风险评估指标相应的权重，从而发挥第二风险评估指标的作用。另外一方面，以第一风险评估指标和第二风险评估指标构建的样本量充足，对于已结算年度的数据变化可以通过模型准确感知，从而通过对模型的不断优化，可以体现出第二风险评估指标的作用，从而准确的预测出大型工程车辆的风险评估结果。

值得说明的是，风险评估结果反映了大型工程车辆未来出现故障、违章等风险的可能性，风险的大小与保费的多少是直接挂钩的，再次不在赘述。

应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图2所示，提供了一种大型工程车辆的风险分析装置，包括：信息获取模块202、第一评估指标构建模块204、第二评估指标构建模块206和评估模块208，其中：

信息获取模块202，用于从车辆运营商调取上一评估周期中大型工程车辆的作业数据以及驾驶员信息，以及获取待评估大型工程车辆的车辆信息、违章信息和出险记录；

第一评估指标构建模块204，用于根据所述驾驶员信息、车辆信息、所述违章信息以及所述出险记录，构建待评估大型工程车辆的第一风险评估指标；

第二评估指标构建模块206，用于从所述作业数据中提取大型工程车辆的第一关系网络，以及驾驶员的第二关系网络；对待评估大型工程车辆利用所述第一关系网络和所述第二关系网络进行嵌入，得到车辆嵌入信息；根据所述车辆嵌入信息，构建待评估大型工程车辆的第二风险评估指标；

评估模块208，用于根据所述第一风险评估指标和所述第二风险评估指标，得到待评估大型工程车辆的风险评估结果。

在其中一个实施例中，第二评估指标构建模块206还用于以待评估大型工程车辆为中心，根据所述作业数据，建立待评估大型工程车辆与同一作业任务的大型工程车辆的第一层连接关系，然后依次以第一层连接关系的大型工程车辆为中心，建立不少于三层连接关系，得到第一关系网络；以驾驶员为中心，根据所述作业数据，建立驾驶员与同一作业任务的驾驶员的第一层连接关系，然后依次以第一层连接关系的驾驶员为中心，建立不少于三层连接关系，得到第二关系网络。

在其中一个实施例中，第二评估指标构建模块206还用于根据所述第二关系网络中的邻居节点，对驾驶员进行嵌入，得到驾驶员嵌入表示；根据驾驶员与大型工程车辆的对应关系，将所述驾驶员嵌入表示嵌入至第一关系网络的大型工程车辆中；根据所述第一关系网络中的邻居节点，对待评估大型工程车辆进行嵌入，得到待评估大型工程车辆的车辆嵌入信息。

在其中一个实施例中，对驾驶员进行嵌入表示对驾驶员的风险因子进行嵌入，对待评估大型工程车辆进行嵌入表示对待评估大型工程车辆的故障因子进行嵌入；第二评估指标构建模块206还用于根据所述车辆嵌入信息中嵌入的风险因子和故障因子，得到待评估大型工程车辆的第二风险评估指标。

在其中一个实施例中，第二评估指标构建模块206还用于根据所述第二关系网络中的邻居节点，采用Node2Vec模型对驾驶员进行嵌入，得到驾驶员嵌入。

在其中一个实施例中，评估模块208还用于根据所述第一风险评估指标构建基础评估特征，根据所述第二风险评估指标构建拓展评估特征；将所述基础评估特征和所述拓展评估特征进行拼接后，输入预训练的评估模型，输出待评估大型工程车辆的风险评估结果。

关于大型工程车辆的风险分析装置的具体限定可以参见上文中对于大型工程车辆的风险分析方法的限定，在此不再赘述。上述大型工程车辆的风险分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种大型工程车辆的风险分析方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述实施例中方法的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。