[发明专利]一种基于SVM聚类的车险特征的有效性分析方法

权利要求书

1.一种基于SVM聚类的车险特征的有效性分析方法，其特征在于，所述有效性分析方法包括：

步骤一、获取车联网数据，通过车联网采集设备提供的卫星定位数据获取车联网数据；

步骤二、对车辆网数据进行预处理并补全道路限速信息；

步骤三、车联网数据的行程化处理，将离散的GPS点按照特定规则合并成多段行程；

步骤四、补天气以及补poi数据；

步骤五、提取计算各个风险因子的值；

步骤六、选取风险因子进行聚类分析；

步骤七、以聚类中心为特征进行建模分析。

2.根据权利要求1所述的一种基于SVM聚类的车险特征的有效性分析方法，其特征在于：所述步骤一中，所述车联网数据的采集装备包括前装设备T-Box、后采集装备OBD、后视镜、行车记录仪；所述车联网数据包括卫星定位经度、卫星定位纬度、卫星定位时间、系统设备时间、卫星精度。

3.根据权利要求1所述的一种基于SVM聚类的车险特征的有效性分析方法，其特征在于，所述步骤二中，车联网数据的预处理和补全道路信息包括：

A.对所有车联网数据进行清洗，过滤掉有缺失字段的数据并对时间字段进行转换；

B.对预处理后的数据进行补限速操作。

4.根据权利要求1所述的一种基于SVM聚类的车险特征的有效性分析方法，其特征在于，所述步骤五中，调用算法包计算出121个风险因子。

5.根据权利要求1所述的一种基于SVM聚类的车险特征的有效性分析方法，其特征在于，所述步骤六中，对其要分析的风险因子进行聚类分析，具体步骤如下：

1)计算特征空间中球体内或球体上的点对x_i和x_i之间的邻接矩阵A_ij，它的元素取值规则如下，其中i,j＝1,...,N，采样方法为随机采样；

2)计算A_ij对应数据集的联通状态，每个连通分量代表一个类别，采用深度优先算法遍历全部样本，确定每个类别的标号；

3)由于受限支持向量在超球体的外部，因此无法通过以上方式确定它们的类别标号，把它们标记为未分类状态；

4)在构造最优超平面的时候，决策函数看成是支持向量关于核函数的展开式，因而算法的复杂度只与支持向量的个数有关，而与特征空间的维数无关；

5)数据空间中封闭轮廓的形状由两个参数决定：高斯核的尺度参数q和惩罚因子C。

6.根据权利要求1所述的一种基于SVM聚类方法的车险特征因子的有效性分析方法，其特征在于，所述步骤七中，对步骤七中聚出的聚类中心进行建模分析。