货运险次单的反欺诈识别方法、装置、存储介质及终端与流程

1.本发明涉及货运险技术领域，更为具体来说，本发明涉及一种货运险次单的反欺诈识别方法、装置、存储介质及终端。


背景技术：

2.随着社会的发展进步，保险越来越引起了人们的重视。保险是分摊意外事故损失的一种财务安排，是社会经济保障制度的重要组成部分，保险行业的发展稳定了社会生产和社会生活。
3.随着人们生活水平的提高，货运汽车的需求量显著增加，车险业务量的大幅度提高，导致了车险欺诈案件的层出不穷，货物运输领域的保险反欺诈现象成为了人们普遍关注的问题。
4.本技术提供的一种货运险次单的反欺诈识别方法、装置、存储介质及终端。能够识别车辆的货运欺诈行为、确定货运欺诈风险；应用于保险公司判断某次货运险次单的投保车辆的理赔信息是否符合理赔要求。


技术实现要素：

5.本技术实施例提供了一种货运险次单的反欺诈识别方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
6.第一方面，本技术实施例提供了一种货运险次单的反欺诈识别方法，该方法包括：
7.获取车辆的车辆信息、上报出险信息和保单信息；
8.判断车辆信息是否存在于全国货运平台中；
9.若车辆信息存在于全国货运平台中，则根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子；
10.根据事故特征因子、上报出险信息和保单信息，确定车辆的货运欺诈风险。
11.可选的，事故特征因子包括保单信息和上报出险信息对应的具体地理区域、疑似出险信息、实际行驶数据以及推荐行驶数据；
12.根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子，包括：
13.根据上报出险信息和保单信息，获取车辆的加速度；
14.将加速度符合预设加速度范围值的地点作为疑似出险地点，获取车辆的疑似出险信息。
15.可选的，根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子，还包括：
16.根据保单信息和上报出险信息，得到车辆的保单信息和上报出险信息对应的具体地理区域。
17.可选的，根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子，还包括：
18.根据车辆信息、上报出险信息、保单信息和保单信息对应的具体地理区域，结合事故判断服务，获取车辆的实际行驶数据。
19.可选的，根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子，还包括：
20.根据保单信息和路径规划服务，获取车辆的推荐行驶数据。
21.可选的，根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子，包括：
22.根据上报出险信息，提取车辆的事故类型；
23.根据车辆信息、上报出险信息和保单信息，计算车辆对应的事故类型的事故特征因子。
24.可选的，根据事故特征因子、上报出险信息和保单信息，确定车辆的货运欺诈风险，包括：
25.根据事故类型，确定车辆的事故特征因子对应的权重；
26.根据事故特征因子、事故特征因子对应的权重、上报出险信息和保单信息，确定车辆的货运欺诈风险。
27.第二方面，本技术实施例提供了一种货运险次单的反欺诈识别装置，该装置包括：
28.信息获取模块，用于获取用户的车辆信息、上报出险信息和保单信息；
29.车辆查询模块，用于判断车辆信息是否存在于全国货运平台中；
30.事故特征获取模块，用于在车辆信息存在于全国货运平台中时，根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子；
31.欺诈风险确定模块，用于根据事故特征因子、上报出险信息和保单信息，确定车辆的货运欺诈风险。
32.第三方面，本技术实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
33.第四方面，本技术实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
34.本技术实施例提供的技术方案可以包括以下有益效果：
35.在本技术实施例中，所述货运险次单的反欺诈识别方法，首先获取车辆的车辆信息、上报出险信息和保单信息；然后再判断车辆信息是否存在于全国货运平台中，若车辆信息存在于全国货运平台中，则根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子；最后根据事故特征因子、上报出险信息和保单信息，确定车辆的货运欺诈风险。本技术实施例能够识别车辆的货运欺诈行为、确定货运欺诈风险；应用于保险公司判断某次货运险次单的车辆的理赔信息是否符合理赔要求、识别所述车辆的货运险次单的理赔真实性。
36.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
37.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
38.图1是本技术实施例提供的一种货运险次单的反欺诈识别方法的流程示意图；
39.图2是本技术实施例提供的另一种货运险次单的反欺诈识别方法的流程示意图；
40.图3是本技术实施例提供的一种货运险次单的反欺诈识别装置的装置示意图；
41.图4是本技术实施例提供的一种终端示意图。
具体实施方式
42.以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
43.应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
44.下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的系统和方法的例子。
45.在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
46.保险是指投保人根据合同约定向保险人支付保险费，保险人对于合同约定的可能发生的事故因其发生所造成的财产损失承担赔偿保险金责任、或者在被保险人死亡、伤残、疾病或达到合同约定的年龄和期限等条件时承担给付保险金责任的商业保险行为。
47.保险欺诈案件的层出不穷，损害了社会经济保障制度。
48.货物运输领域的安全问题，是物流行业的重要问题，在保障货物安全的同时，也应杜绝货物运输时的欺诈现象。
49.本技术提供的一种货运险次单的反欺诈识别方法、装置、存储介质及终端，能够根据车辆的车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子，并根据事故特征因子、上报出险信息和保单信息，确定车辆的货运欺诈风险，本技术实施例能够对货运险的欺诈现象进行识别，应用于保险公司判断某次货运险次单的投保车辆的理赔信息是否符合理赔要求、识别所述车辆的货运险次单的理赔真实性。
50.下面将结合附图1和附图2，对本技术实施例提供的一种货运险次单的反欺诈识别方法进行详细介绍。
51.请参见图1，为本技术实施例提供了一种货运险次单的反欺诈识别方法的流程示意图。如图1所示，本技术实施例的方法可以包括以下步骤：
52.s110,获取车辆的车辆信息、上报出险信息和保单信息。车辆信息包括：车牌号和车架号；上报出险信息包括：出险时间、出险地点和事故类型；保单信息包括：起保时间、终保时间、保单起运地点和保单起运终点。
53.在本技术实施例中，用户可通过智能终端等输入报案信息，即车辆的车辆信息、上报出险信息和保单信息，以便于保险公司根据车辆的车辆信息、上报出险信息和保单信息来判断车辆的货运欺诈风险。
54.s120,判断车辆信息是否存在于全国货运平台中。
55.在本技术实施例中，可根据车辆信息包括的车牌号判断车辆是否存在于全国货运平台中，只有在车辆的车牌号存在于全国货运平台中时，才会继续进行车辆的货运欺诈风险的判断。
56.s130,若车辆信息存在于全国货运平台中，则根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子。
57.在本技术实施例中，根据车辆的车辆信息、上报出险信息和保单信息，通过查询轨迹服务、地理信息服务、分词服务、输入提示服务和路径规划服务等来计算出车辆的事故特征因子。其中，所述事故特征因子包括保单信息和上报出险信息对应的具体地理区域、疑似出险信息、实际行驶数据以及推荐行驶数据。
58.具体地，所述s130包括：
59.s131,根据上报出险信息和保单信息，获取车辆的加速度。
60.在本技术实施例中，通过查询轨迹服务查询保单信息包括的起保时间之前的24小时至上报出险信息包括的出险时间之后的24小时之间的轨迹数据，去除轨迹数据内的行驶轨迹漂移点，提取车辆的有效轨迹数据。通过有效轨迹数据获取到车辆的加速度。
61.s132,将加速度符合预设加速度范围值的地点作为疑似出险地点，获取车辆的疑似出险信息。所述疑似出险信息包括疑似出险地点的个数和速度。
62.在本技术实施例中，通过计算有效轨迹数据内车辆的加速度，能够获取到在起保时间到出险时间的车辆最大加速度轨迹点经纬度和所述最大加速度对应的时间；获取到急减速最小的轨迹点经纬度和所述急减速最小时对应的时间。对于碰撞挤压的事故类型，可将加速度过大的地点作为疑似出险地点。所述预设加速度范围值的设定是基于车辆失控时的加速度和车辆急刹车时的加速度(此时车辆处于急减速状态)设定的。
63.s133,根据保单信息和上报出险信息，得到车辆的保单信息和上报出险信息对应的具体地理区域。
64.在本技术实施例中，根据保单信息包括的保单起运地点和保单起运终点，以及上报出险信息包括的出险地点，获取保单起运地点、保单起运终点和出险地点对应的具体地理区域。
65.在一种可能的实施方式中，所述具体地理区域包括标准省市县城镇路段等区域。可根据保单信息包括的保单起运地点和保单起运终点，以及上报出险信息包括的出险地点等通过分词服务进行分词，辅助进行输入提示服务(即输入提示api服务)解析得到对应的标准省市县城镇路段等区域。比如，可将保单起运地点：晋中市榆次区源涡村东外环十字路口转换为标准的山西省晋中市榆次区源涡村东外环十字路口。
66.s134,根据车辆信息、上报出险信息、保单信息和保单信息对应的具体地理区域，
结合事故判断服务，获取车辆的实际行驶数据。所述实际行驶数据包括：实际出险地点、实际出险时间、起运停靠点、起运停靠点的开始时间和结束时间、终点停靠点、终点停靠点的开始时间和结束时间、实际行驶路线、实际行驶次数、实际通过城市序列、实际行驶时长、实际行驶里程和实际起运时间等。
67.在本技术实施例中，根据上报出险信息包括的出险时间和保单信息包括的起保时间提取出的有效轨迹数据，按照轨迹时间轴进行计算，得到车辆的停靠点。可将速度小于5公里/时的行驶轨迹数据作为基点,若逐个计算的后续每个轨迹点与基点的距离持续小于等于200米，车辆在该基点的持续时间大于30分钟，则可标记该基点为停靠开始点，将基点的停靠开始时间作为本次停靠开始点的开始时间、基点停靠经纬度作为本次停靠点经纬度；继续判断后续所有的行驶轨迹数据，找到一个与该基点位置距离大于200米的轨迹点，若车辆在该轨迹点的持续时长超过2分钟，标记这一次停靠结束，该轨迹点作为停靠结束点，停靠结束点与停靠开始点之间的时间差即为本次停靠的停靠时长。此外，当连续两个轨迹点的时间差大于30分钟，将所述两个轨迹点之间的后一轨迹点作为停靠结束点，前一轨迹点作为基准点(即停靠开始点)来计算车辆的停靠时长；若在上报出险信息包括的出险时间的前后3小时存在最后一个轨迹点(再无其它轨迹点)，将这最后一个轨迹点作为停靠点，可默认停靠时长为4小时。在本技术实施例中，由于车祸的发生时间始终在报案时间之前，所以在计算车辆的停靠点时，需过滤掉停靠时间大于报案时间的停靠点。
68.在本技术实施例中，根据所述有效轨迹数据，计算出车辆在起保时间之后第一次驶离起运地省市县城镇路段等区域的轨迹点时间，作为车辆的实际起运时间。
69.在本技术实施例中，根据停靠点和保单信息包括的保单起运地点对应的具体地理区域的匹配情况，获取车辆的起运停靠点，以及起运停靠点的停靠时长。具体来说，首先根据获取到的停靠点经纬度，通过地理信息服务得到停靠点对应的标准省市县城镇路段等区域，然后判断停靠点和起运地省市县是否匹配，若匹配，优先选择与起运地省市县匹配的停靠点，若不匹配，选择与起运地省市匹配的停靠点；在匹配成功的情况下，可选择上报出险信息包括的出险时间之前最后一个匹配成功的停靠点作为起运停靠点，获取起运停靠点的开始时间和结束时间，得到所述起运停靠点的停靠时长。
70.在本技术实施例中，根据停靠点和保单信息包括的保单起运终点对应的具体地理区域的匹配情况，获取车辆的终点停靠点，以及终点停靠点的停靠时长。具体来说，首先根据获取到的停靠点经纬度，通过地理信息服务得到停靠点对应的标准省市县城镇路段等区域，然后将停靠点和终点省市县匹配，若存在停靠点与终点地省市县匹配的情况，优先选择与终点地省市县匹配的停靠点，其次，选择与终点地省市匹配的停靠点；在匹配成功的前提下，可将实际起运时间后第一个匹配成功的停靠点作为终点停靠点，获取终点停靠点的开始时间和结束时间，得到终点停靠点的停靠时长。
71.在本技术实施例中，根据车辆的起运停靠点和终点停靠点，获取车辆的实际行驶次数。可按照时间顺序将车辆的起运停靠点和终点停靠点记作一次路线，从而根据记作的路线次数确定车辆在保单路线的实际行驶路线和实际行驶次数。
72.在本技术实施例中，根据车辆信息包括的车牌号和车架号，以及上报出险信息包括的出险时间和出险地点，结合事故判断服务，计算得到所述车辆的实际出险地点、实际出险时间和事故类型风险等级。所述事故判断服务包括调用的事故回溯判断反欺诈评测服
务。可根据分词服务解析得到实际出险地点对应的标准省市县城镇路段等区域，以及车辆在实际出险地点的逗留时长。
73.在本技术实施例中，根据车辆的实际起运时间和实际出险时间，计算车辆的实际行驶时长。
74.在本技术实施例中，根据实际起运时间和实际出险时间之间的轨迹数据，计算相邻轨迹点的距离，将相邻轨迹点的距离进行相加，得到车辆的实际行驶里程。
75.在本技术实施例中，根据实际起运时间和实际出险时间之间的轨迹数据，计算车辆的实际通过城市序列。
76.s135,根据保单信息和路径规划服务，获取车辆的推荐行驶数据。
77.在本技术实施例中，根据保单信息包括的保单起运地点和保单起运终点，以及路径规划服务(即路径规划api服务)，获取车辆行驶的推荐路线，进而根据车辆行驶的推荐路线，确定车辆的推荐途径城市序列、推荐行驶时长和推荐行驶里程。所述推荐途径城市序列、推荐行驶时长和推荐行驶里程即为推荐行驶数据。
78.具体地，s130又包括：
79.根据上报出险信息，提取车辆的事故类型。事故类型包括：交通事故、碰撞挤压和异常装卸货等。
80.在本技术实施例中，用户在上报出险信息时，也将事故类型进行上报，保险公司根据车辆的上报出险信息提取车辆的事故类型。
81.根据车辆信息、上报出险信息和保单信息，计算车辆对应的事故类型的事故特征因子。
82.在本技术实施例中，当事故类型为交通事故时，可以设置计算的事故特征因子为实际行驶路线、实际出险时间、实际行驶路线与保单行驶路线的匹配程度、实际起运时间等；当事故类型为异常装卸货时，可以设置计算的事故特征因子为实际出险地点、实际出险地点的逗留时长、实际行驶路线与保单行驶路线的匹配程度和实际起运时间等；当事故类型为碰撞挤压，可以设置计算的事故特征因子为疑似出险信息、实际起运时间、实际行驶路线、实际行驶次数、实际行驶路线与保单行驶路线的匹配程度。
83.s140,根据事故特征因子、上报出险信息和保单信息，确定车辆的货运欺诈风险。
84.具体地，s140包括：
85.s141,根据事故类型，确定车辆的事故特征因子对应的权重。
86.在本技术实施例中，当事故类型为异常装卸货、且事故特征因子为实际出险地点、实际出险地点的逗留时长、实际行驶路线与保单行驶路线的匹配程度和实际起运时间时，事故特征因子对应的权重可以设置为实际出险地点与保单信息包括的保单起运地点、保单起运终点一致所占的权重为60％、实际出险地点的逗留时长所占的权重为20％、实际行驶路线与保单行驶路线的匹配程度所占的权重为10％、实际起运时间早于起保时间所占的权重为10％。
87.在本技术实施例中，当事故类型为交通事故，且事故特征因子为实际行驶路线、实际出险时间、实际行驶路线与保单行驶路线的匹配程度和实际起运时间时，事故特征因子对应的权重可以设置为：实际行驶路线经过上报出险地点所占的权重为20％、实际出险时间所占的权重为60％、实际行驶路线与保单行驶路线的匹配程度所占的权重为10％、实际
起运时间早于起保时间所占的权重为10％。
88.在本技术实施例中，当事故类型为碰撞挤压，且事故特征因子为疑似出险信息、实际起运时间、实际行驶路线、实际行驶次数、实际行驶路线与保单行驶路线的匹配程度时，事故特征因子对应的权重可以设置为疑似出险信息所占的权重为40％、实际起运时间早于起保时间所占的权重为10％、实际行驶轨迹经过上报出险点所占的权重为20％、实际行驶次数所占的权重为20％、实际行驶路线与保单行驶路线的匹配程度所占的权重为10％。其中，所述疑似出险信息包括疑似出险地点的个数和速度；在本技术实施例中，所述疑似出险地点的个数即为加速度不符合预设加速度范围值的次数，可设置疑似出险地点的加速度为-2.5m/s2，在疑似出险地点的个数为0时，疑似出险信息对应的权重为0，在疑似出险地点的个数为0-5时，疑似出险信息对应的权重为40％
×
20％，疑似出险地点的个数为5-10时，疑似出险信息对应的权重为40％
×
40％，疑似出险地点的个数大于10时，疑似出险信息对应的权重为40％
×
100％。
89.s142,根据事故特征因子、事故特征因子对应的权重、上报出险信息和保单信息，确定车辆的货运欺诈风险。
90.在本技术实施例中，当事故特征因子为保单信息和上报出险信息对应的具体地理区域时，若保单信息包括的保单起运地点和保单起运终点，和/或上报出险信息包括的出险地点未能通过分词服务和路径规划服务得到标准的具体地理区域，则结束本次货运欺诈风险的判断，输出未评测，无法计算出此次车辆的路线行驶情况，需用户重新提供准确的保单起运地点、保单起运终点，和/或上报出险信息包括的出险地点进行评测；
91.当事故特征因子为起运停靠点时，若车辆的实际行驶数据为无起运停靠点，则车辆的货运欺诈风险为保单虚假风险；
92.当事故特征因子为实际出险地点时，将实际出险地点和上报出险信息包括的出险地点进行比较，若实际出险地点未到达上报出险信息包括的出险地点，则车辆的货运欺诈风险为保单虚假风险；
93.当事故特征因子为实际行驶次数时，若车辆在上报出险信息包括的出险时间之前的实际行驶次数大于1，则车辆的货运欺诈风险为二次投保风险；
94.当事故特征因子为起运停靠点的结束时间时，若起运停靠点的结束时间小于起保时间，则车辆的货运欺诈风险为倒途中投保风险；
95.当事故特征因子为实际行驶数据和推荐行驶数据时，根据实际行驶数据包括的实际行驶时长、实际行驶里程和实际通过城市序列，以及推荐行驶数据包括的推荐行驶时长、推荐行驶里程和推荐途径城市序列的相似度，来评估车辆的实际行驶路线和保单行驶路线的匹配程度。具体地，可将实际行驶时长和推荐行驶时长的比值、实际行驶里程和推荐行驶里程的比值、实际通过城市序列的城市数量和推荐途径城市序列的城市数量的比值进行相加，来获取到车辆的实际行驶路线和保单行驶路线的匹配程度；
96.此外，在本技术实施例中，当事故类型为异常装卸货，事故特征因子为起运停靠点和终点停靠点时，若上报出险信息包括的出险时间不在起运停靠点和终点停靠点的时间范围内，则车辆的货运欺诈风险为保单虚假风险；当车辆的事故类型为交通事故，事故特征因子为实际出险时间时，若上报出险信息包括的出险时间与实际出险时间不一致，则车辆的货运欺诈风险为保单虚假风险。
97.上述为本技术实施例中，车辆的货运欺诈风险的部分评测规则，在车辆的报案信息不符合上述情况时，车辆的货运欺诈风险也可通过下述评测规则进行车辆的货运欺诈风险的评测：
98.当事故类型为异常装卸货时，可根据车辆的实际行驶情况，将车辆的事故类型为异常装卸货时的事故特征因子所占的权重进行相加，即可获得事故类型为异常装卸货时所述车辆的货运欺诈风险；
99.当事故类型为交通事故时，可根据车辆的实际行驶情况，将车辆的事故类型为交通事故时的事故特征因子对应的权重进行相加，即可获得事故类型为交通事故时所述车辆的货运欺诈风险；
100.当事故类型为碰撞挤压时，可根据车辆的实际行驶情况，将车辆的事故类型为碰撞挤压时的事故特征因子对应的权重进行相加，即可获得车辆事故类型为碰撞挤压时所述车辆的货运欺诈风险。
101.在本技术实施例中，所述货运险次单的反欺诈识别方法，首先获取车辆的车辆信息、上报出险信息和保单信息；然后再判断车辆信息是否存在于全国货运平台中，若车辆信息存在于全国货运平台中，则根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子；最后根据事故特征因子、上报出险信息和保单信息，确定车辆的货运欺诈风险。本技术实施例能够识别车辆的货运欺诈行为、确定货运欺诈风险；应用于保险公司判断某次货运险次单的投保车辆的理赔信息是否符合理赔要求、识别车辆的货运险次单的理赔真实性。
102.请参见图2为本技术实施例提供了一种货运险次单的反欺诈识别方法的流程示意图。如图2所示，本技术实施例的方法可以包括以下步骤：
103.s201,获取车辆的车辆信息、上报出险信息和保单信息；
104.s202,判断车辆信息是否存在于全国货运平台中；
105.s203,若车辆信息存在于全国货运平台中，根据上报出险信息和保单信息，获取车辆的加速度；
106.s204,将加速度符合预设加速度范围值的地点作为疑似出险地点，获取车辆的疑似出险信息；
107.s205,根据保单信息和上报出险信息，得到车辆的保单信息和上报出险信息对应的具体地理区域；
108.s206,根据车辆信息、上报出险信息、保单信息和保单信息对应的具体地理区域，结合事故判断服务，获取车辆的实际行驶数据；
109.s207,根据保单信息和路径规划服务，获取车辆的推荐行驶数据；
110.s208,根据上报出险信息，提取车辆的事故类型；
111.s209,根据事故类型，确定车辆的事故特征因子对应的权重；
112.s210,根据事故特征因子、事故特征因子对应的权重、上报出险信息和保单信息，确定车辆的货运欺诈风险。
113.在本技术实施例中，所述货运险次单的反欺诈识别方法，首先获取车辆的车辆信息、上报出险信息和保单信息；然后再判断车辆信息是否存在于全国货运平台中，若车辆信息存在于全国货运平台中，则根据车辆信息、上报出险信息和保单信息，计算车辆的事故特
征因子；最后根据事故特征因子、上报出险信息和保单信息，确定车辆的货运欺诈风险。本技术实施例能够识别车辆的货运欺诈行为、确定货运欺诈风险；应用于保险公司判断某次货运险次单的投保车辆的理赔信息是否符合理赔要求、识别车辆的货运险次单的理赔真实性。
114.下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
115.请参见图3，其示出了本发明一个示例性实施例提供的一种货运险次单的反欺诈识别装置的结构示意图。该装置1包括：信息获取模块10、车辆查询模块20、事故特征获取模块30和欺诈风险确定模块40。
116.信息获取模块10，用于获取用户的车辆信息、上报出险信息和保单信息；
117.车辆查询模块20，用于判断车辆信息是否存在于全国货运平台中；
118.事故特征获取模块30，用于在车辆信息存在于全国货运平台中时，根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子；
119.欺诈风险确定模块40，用于根据事故特征因子、上报出险信息和保单信息，确定车辆的货运欺诈风险。
120.需要说明的是，上述实施例提供的货运险次单的反欺诈识别装置在执行货运险次单的反欺诈识别方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的货运险次单的反欺诈识别装置与货运险次单的反欺诈识别方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
121.上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
122.在本技术实施例中，所述货运险次单的反欺诈识别装置，首先获取车辆的车辆信息、上报出险信息和保单信息；然后再判断车辆信息是否存在于全国货运平台中，若车辆信息存在于全国货运平台中，则根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子；最后根据事故特征因子、上报出险信息和保单信息，确定车辆的货运欺诈风险。本技术实施例能够识别车辆的货运欺诈行为、确定货运欺诈风险；应用于保险公司判断某次货运险次单的投保车辆的理赔信息是否符合理赔要求、识别车辆的货运险次单的理赔真实性。
123.本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的货运险次单的反欺诈识别方法。
124.本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例的货运险次单的反欺诈识别方法。
125.请参见图4，为本技术实施例提供了一种终端的结构示意图。如图4所示，终端1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
126.其中，通信总线1002用于实现这些组件之间的连接通信。
127.其中，用户接口1003可以包括显示屏(display)、摄像头(camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。
128.其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。
129.其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(digital signal processing，dsp)、现场可编程门阵列(field-programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(central processing unit，cpu)、图像处理器(graphics processing unit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
130.其中，存储器1005可以包括随机存储器(random access memory，ram)，也可以包括只读存储器(read-only memory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图4所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆运行轨迹数据的可用度分析应用程序。
131.在图4所示的终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的货运险次单的反欺诈识别应用程序，并具体执行以下操作：
132.获取车辆的车辆信息、上报出险信息和保单信息；
133.判断车辆信息是否存在于全国货运平台中；
134.若车辆信息存在于全国货运平台中，则根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子；事故特征因子包括保单信息和上报出险信息对应的具体地理区域、疑似出险信息、实际行驶数据以及推荐行驶数据；
135.根据事故特征因子、上报出险信息和保单信息，确定车辆的货运欺诈风险。
136.在一个实施例中，处理器1001在执行根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子时，具体执行以下操作：
137.根据上报出险信息和保单信息，获取车辆的加速度；
138.将加速度符合预设加速度范围值的地点作为疑似出险地点，获取车辆的疑似出险信息。
139.在一个实施例中，处理器1001在执行根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子时，具体执行以下操作：
140.根据保单信息和上报出险信息，得到车辆的保单信息和上报出险信息对应的具体地理区域。
141.在一个实施例中，处理器1001在执行根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子时，具体执行以下操作：
142.根据车辆信息、上报出险信息、保单信息和保单信息对应的具体地理区域，结合事故判断服务，获取车辆的实际行驶数据。
143.在一个实施例中，处理器1001在执行根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子时，具体执行以下操作：
144.根据保单信息和路径规划服务，获取车辆的推荐行驶数据。
145.在一个实施例中，处理器1001在执行根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子时，具体执行以下操作：
146.根据上报出险信息，提取车辆的事故类型；
147.根据车辆信息、上报出险信息和保单信息，计算车辆对应的事故类型的事故特征因子。
148.在一个实施例中，处理器1001在执行根据事故特征因子和上报出险信息，确定车辆的货运欺诈风险时，具体执行以下操作：
149.根据事故类型，确定车辆的事故特征因子对应的权重；
150.根据事故特征因子、事故特征因子对应的权重、上报出险信息和保单信息，确定车辆的货运欺诈风险。
151.在本技术实施例中，所述货运险次单的反欺诈识别方法，首先获取车辆的车辆信息、上报出险信息和保单信息；然后再判断车辆信息是否存在于全国货运平台中，若车辆信息存在于全国货运平台中，则根据车辆信息、上报出险信息和保单信息，计算车辆的事故特征因子；最后根据事故特征因子、上报出险信息和保单信息，确定车辆的货运欺诈风险。本技术实施例能够识别车辆的货运欺诈行为、确定货运欺诈风险；应用于保险公司判断某次货运险次单的投保车辆的理赔信息是否符合理赔要求、识别车辆的货运险次单的理赔真实性。
152.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的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
153.以上所揭露的仅为本技术较佳实施例而已，当然不能以此来限定本技术之权利范围，因此依本技术权利要求所作的等同变化，仍属本技术所涵盖的范围。