本發(fā)明涉及人工智能，應用于金融服務相關的車險風險識別場景中，具體涉及一種車險風險識別方法、裝置、計算機設備以及非易失性計算機可讀存儲介質。

背景技術：

1、目前，在車險行業(yè)中，風險行為一直是保險公司面臨的重大挑戰(zhàn)。其中，車單方故意碰撞、車多方故意碰撞以及事故現場偽造是最常見的風險類型。這些風險行為通常涉及購買高端二手車，通過故意制造事故來騙取保險公司的高額保費。這種行為不僅損害了保險公司的經濟利益，還可能破壞公共設施，對社會秩序造成不良影響。

2、目前，保險公司在識別這類車險風險行為時，主要依賴于調查駕駛員的歷史出險記錄，查看是否存在頻繁發(fā)生碰撞的情況，或者依賴查勘員現場查勘痕跡，判斷痕跡是否合理。然而，這兩種方式存在著一定的局限性：

3、1、歷史記錄分析：這種方式依賴于駕駛員的歷史數據，但歷史數據可能不全面，導致風險識別的準確性較差，且無法預測未來的行為；

4、2、現場查勘：這種方式依賴于查勘員的經驗和判斷，這可能導致主觀性強、效率低下，且難以形成標準化的評估流程；

5、此外，盡管部分車輛檢測儀器能夠檢測到車輛碰撞前油門和剎車的狀況，但這些數據往往無法作為被認可的證據，限制了其在車險風險識別中的應用。

6、因此，現有技術還有待改進和發(fā)展。

技術實現思路

1、鑒于上述現有技術的不足之處，本發(fā)明的目的在于提供一種可用于金融科技或其他相關領域的車險風險識別方法、裝置、計算機設備以及非易失性計算機可讀存儲介質，旨在解決如何可以實現自動、高效且準確地識別車險風險行為的問題。

2、為了達到上述目的，本發(fā)明采取了以下技術方案：

3、一種車險風險識別方法，其中，包括：

4、獲取目標車險案件的報案信息；

5、將所述報案信息輸入報案因子模型進行風險評估，生成所述目標車險案件的第一風險結果；

6、當所述第一風險結果超過第一預設閾值時，將所述報案信息輸入文本查勘模型進行風險評估，生成所述目標車險案件的第二風險結果；

7、當所述第二風險結果超過第二預設閾值時，將所述報案信息輸入車單方故意碰撞模型、車多方故意碰撞模型與事故現場偽造模型中的一種或者多種進行風險評估，生成所述目標車險案件的第三風險結果；

8、基于所述第三風險結果，判斷所述目標車險案件是否為車險風險案件。

9、在進一步的技術方案中，所述的車險風險識別方法，其中，所述獲取目標車險案件的報案信息，包括：

10、獲取目標用戶關于目標車險案件上傳的案件信息；

11、對所述案件信息進行信息整合，生成對應的報案信息。

12、在進一步的技術方案中，所述的車險風險識別方法，其中，所述將所述報案信息輸入報案因子模型進行風險評估，生成所述目標車險案件的第一風險結果，包括：

13、預先構建報案因子模型；

14、將所述報案信息輸入所述報案因子模型進行風險評估，生成所述目標車險案件的第一風險結果。

15、在進一步的技術方案中，所述的車險風險識別方法，其中，所述當所述第一風險結果超過第一預設閾值時，將所述報案信息輸入文本查勘模型進行風險評估，生成所述目標車險案件的第二風險結果，包括：

16、預先構建文本查勘模型；

17、當所述第一風險結果超過第一預設閾值時，將所述報案信息輸入所述文本查勘模型進行風險評估，生成所述目標車險案件的第二風險結果。

18、在進一步的技術方案中，所述的車險風險識別方法，其中，所述當所述第二風險結果超過第二預設閾值時，將所述報案信息輸入車單方故意碰撞模型、車多方故意碰撞模型與事故現場偽造模型中的一種或者多種進行風險評估，生成所述目標車險案件的第三風險結果，包括：

19、預先構建車單方故意碰撞模型、車多方故意碰撞模型與事故現場偽造模型；

20、當所述第二風險結果超過第二預設閾值時，獲取所述目標車險案件的查勘員備注信息，并根據所述查勘員備注信息確定所述目標車險案件的風險類型；

21、基于所述風險類型，將所述報案信息輸入所述車單方故意碰撞模型、所述車多方故意碰撞模型與所述事故現場偽造模型中的一種進行風險評估，生成所述目標車險案件的第三風險結果。

22、在進一步的技術方案中，所述的車險風險識別方法，其中，所述基于所述第三風險結果，判斷所述目標車險案件是否為車險風險案件，包括：

23、將所述第三風險結果與第三預設閾值進行對比，生成對比結果；

24、基于所述對比結果，判斷所述目標車險案件是否為車險風險案件。

25、在進一步的技術方案中，所述的車險風險識別方法，其中，所述基于所述第三風險結果，判斷所述目標車險案件是否為車險風險案件，還包括：

26、當所述目標車險案件為車險風險案件時，進行告警提示；

27、將所述第一風險結果作為所述目標車險案件的最終風險評估結果返回給所述目標用戶。

28、一種車險風險識別裝置，其中，包括：

29、獲取模塊，用于獲取目標車險案件的報案信息；

30、第一評估模塊，用于將所述報案信息輸入報案因子模型進行風險評估，生成所述目標車險案件的第一風險結果；

31、第二評估模塊，用于當所述第一風險結果超過第一預設閾值時，將所述報案信息輸入文本查勘模型進行風險評估，生成所述目標車險案件的第二風險結果；

32、第三評估模塊，用于當所述第二風險結果超過第二預設閾值時，將所述報案信息輸入車單方故意碰撞模型、車多方故意碰撞模型與事故現場偽造模型中的一種或者多種進行風險評估，生成所述目標車險案件的第三風險結果；

33、判斷模塊，用于基于所述第三風險結果，判斷所述目標車險案件是否為車險風險案件。

34、一種計算機設備，其中，所述計算機設備包括至少一個處理器；以及，

35、與所述至少一個處理器通信連接的存儲器；其中，

36、所述存儲器上存儲有可被所述至少一個處理器執(zhí)行的計算機程序，所述計算機程序被所述至少一個處理器執(zhí)行時，可實現如上述任一項所述的車險風險識別方法。

37、一種非易失性計算機可讀存儲介質，其中，所述非易失性計算機可讀存儲介質存儲有計算機程序，所述計算機程序被至少一個處理器執(zhí)行時，可實現如上述任一項所述的車險風險識別方法。

38、相較于現有技術，本發(fā)明提供了一種車險風險識別方法、裝置、計算機設備以及非易失性計算機可讀存儲介質，其中，所述方法包括：獲取目標車險案件的報案信息；將所述報案信息輸入報案因子模型進行風險評估，生成所述目標車險案件的第一風險結果；當所述第一風險結果超過第一預設閾值時，將所述報案信息輸入文本查勘模型進行風險評估，生成所述目標車險案件的第二風險結果；當所述第二風險結果超過第二預設閾值時，將所述報案信息輸入車單方故意碰撞模型、車多方故意碰撞模型與事故現場偽造模型中的一種或者多種進行風險評估，生成所述目標車險案件的第三風險結果；基于所述第三風險結果，判斷所述目標車險案件是否為車險風險案件。這樣，通過本發(fā)明的方法可以實現自動、高效且準確地識別車險風險行為。