CN119539966A 一种基于机器学习的自动驾驶保险定价方法及系统 (广州番禺职业技术学院)_第1页
CN119539966A 一种基于机器学习的自动驾驶保险定价方法及系统 (广州番禺职业技术学院)_第2页
CN119539966A 一种基于机器学习的自动驾驶保险定价方法及系统 (广州番禺职业技术学院)_第3页
CN119539966A 一种基于机器学习的自动驾驶保险定价方法及系统 (广州番禺职业技术学院)_第4页
CN119539966A 一种基于机器学习的自动驾驶保险定价方法及系统 (广州番禺职业技术学院)_第5页
已阅读5页,还剩20页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种基于机器学习的自动驾驶保险定价方本发明公开了一种基于机器学习的自动驾2收集区域内所有接入自动驾驶网络的智能网联汽车数据,对收集到的数据进行清洗、分析各区域群组的环境特征信息,利用空间统计分析区域群组内车辆间的通信数据,构建车辆间根据智能联网汽车数据获取车辆个体风险系数和驾驶行为调整RegionRiskMapt+1表示下一时刻的区域风险分布图,ConvLSTM(.)表示卷积长短期记车辆间交互风险系数后,对车辆间交互风险系数建立机器学习模型进行动态分析和预测,3,型在集成学习中的权重,Modeli(.)表示第i个基础风险评估模型(如XGBoost、数据采集模块:用于收集所在区域接入自动驾驶网络的整体组机器学习模型训练模块:用于基于提取的组群和个体车辆特征形成预测反馈学习模块:用于收集保险赔付结果,将保险赔付结4[0002]随着智能网联汽车技术的快速发展和自动驾驶技术的逐步普及,车辆与车辆之[0005]针对现有技术的不足,本发明旨在提供种基于机器学习的自动驾驶保险定价方[0006]作为一种优选的实施方式:所述组群联网汽车保险定价模型的保险费定价方法5录入自动驾驶网络的事故信息为依据,交通拥堵影响因子根据事发时的实时路况信息确期记忆网络模型,SpatialFeaturest和TemporalFeaturest分别表示空间特征和时间特(.)表示图神经网络模型,VehicleFeaturesu/v表示车辆u/v的特征向量,EdgeFeaturesuv表示车辆u和v之间交互边的特征,GraphStructure表示车辆交互67[0022]所述数据采集模块还收集车辆的实时碳排放数据和自动驾驶系统的运行状态数录入自动驾驶网络的事故信息为依据,交通拥堵影响因子根据事发时的实时路况信息确8积长短期记忆网络模型,SpatialFeaturest和TemporalFeaturest分别表示空间特征险,GNN(.)表示图神经网络模型,VehicleFeaturesu/v表示车辆u/v的特征向量,EdgeFeaturesuv表示车辆u和v之间交互边的特征,GraphStructure表示车辆交互9[0036]在一些较佳的实施例中,区别于当前保险业对车险实行年度固定的静态保险定网联汽车上的多种传感器和数据接收器来实现,传感器包括速度传感器、加速度传感器、[0044]3.机器学习模型训练模块,用于基于提取的组群和个体车辆特征训练的预测模

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论