基于Petri网的机动车保险业务流程优化分析

毛 古 宝

(安徽理工大学 数学与大数据学院，安徽 淮南 232001)

业务流程模型管理在各个行业领域起了很大的作用，而网络建模已经成为了分析解决业务流程问题的主要方法.Petri网是分布式系统的建模和分析工具，它可以清楚地描述系统中各类情况的交互行为，以及发现其中存在的问题.利用行为轮廓的相关理论加以优化模型，能精确和具体的刻画行为间的内部关系，从而有利于模型的交互行为和组合验证分析.

目前，国内外很多学者在对通过Petri网建模解决一些实际问题进行了研究.文献[1]介绍了Petri的原理和基本知识，并利用相关知识对生活中的实际问题进行建模分析和求解.文献[2]借助Petri网和行为轮廓理论知识，给出了一种计算业务流程交互的行为的一致性的方法,以及非一致行为下的变化域识别和研究算法.文献[3]提出了基于行为包含的业务流程变化域融合Petri网分析方法.文献[4]使用了一种基于Petri网控制转移的算法，对柔性制造系统进行建模.文献[5]介绍了基于Petri网的柔性工作流建模方法, 对保险的业务流程建立了工作流模型.文献[6]分析了汽车保险理赔中查勘定损的模式，给出了精确定损的方法.文献[7]从经济学和犯罪学角度分析的机动车保险欺诈行为发生的原因以及预防措施.

本文基于Petri网和行为轮廓相关知识理论，以合理的自由选择网为基础，给出了机动车保险业务流程模型的实际操作模型.为了优化机动车保险赔付流程，提高保险赔偿的效率，以及更精确地识别现实生活中可能存在的骗保行为，本文结合Petri网中库所和变迁的行为关系分析优化保险赔付工作流模型，使模型能够更好地应用于生活中的实际场景.

1 基本概念

定义 1[1](流程模型Petri网)一个流程模型Petri网，PM=(P,T,F,C,s,e)是一个六元组，满足下列条件：

1)P是有限库所集，T是有限活动变迁集；

2)P≠Ø，T≠Ø且P∩T≠Ø；

3)F⊆(P×T)∪(T×P)表示PN的流关系且(P∪T,F)是强连通图；

4)dom(F)∪cod(F)=P∪T,其中:

dom(F){x∈P∪T|∃y∈P∪T,(x,y∈F)}

cod(F)={x∈P∪T|∃y∈P∪T,(x,y∈F)}

5)C={and, xor,or}是流程网的结构类型；

6)M0是网的初始标识，Mi是网的终止标识，且Mi是死标识；

7)s∈T,e∈T是分别是是活动开始和终止的变迁.

则称该网为流程模型Petri网.在此定义上，我们定义了网的前集和网的后集[8-10].

定义 2[1，11]((可达性) 已知Petri网PN=(P，T;F，M)，如果存在t∈T，使M[t>M′，则称M′为从M直接可达的.如果存在变迁序列t1,t2,…,tk和标识序列使得M[t1>M1[t2>M2…Mk-1[tk>Mk则称Mk为从M可达的.从M可达的一切标识的集合记为R(M).

定义 3[9](行为轮廓)设有网PN=(P,T,F,C)，初始标识为M0，对任意给定的变迁满足下列关系：

1)若t1>t2,且t2≯t1，则称t1和t2为严格序关系，记作t1→t2.

2)若t1≯t2,且t2>t1，则称t1和t2为严格逆序关系，记作t1→-1t2；

3)若t1≯t2,且t2≯t1，则称t1和t2为排他序关系，记作t1+t2；

4)若t1>t2且t2>t1，则称t1和t2为交叉序关系，记作t1‖t2.

2 基于Petri网的机动车保险业务流程的建模优化分析

当前,随着机动车的数量不断增加，事故发生率也越来越高，机动车保险就显得非常重要，它已成为保险业务中最大的险种.机动车驾驶员在行驶过程中受到财产损失时，可通过保险索赔程序向保险公司申请理赔，但是实际生活中，保险公司给出了一些事故情况的拒赔类型，这可能造成很多驾驶员通过非正当行为规避这些规则.本文重点分析如何提高赔付效率和识别这些骗保行为.利用Petri网对机动车保险业务流程建模分析，如图1所示.

图1 机动车保险业务流程建模分析图Figure 1 Modeling and analysis of motor vehicle insurance business process

图1给出了保险业务流程的过程模型，机动车保险索赔程序包括：出险-报案-查勘-定损-核价-核损-核赔-支付8个环节[6].当驾驶员发生事故，车辆有损坏时，立即拨打报案电话(t1)给保险公司，准备好保单申请理赔(t2)；保险公司接到电话后会派工作人员进行现场勘验(t3),如果驾驶员出示的保单文件不全，会退回，让驾驶员寻找并出示(t4)；保险文件正常后继续下一步，此时在勘验时包括2个并发操作：驾驶员既要证件齐全(t5)又要保险种类正确(t6)，如果有一个没有通过就拒绝赔付(t9)，直接结束交易;如果通过，则审核本次事故类型(t8),此时t10和t11是排他关系，如果此次事故类型在拒赔情况内(t10),则拒绝(t12)结束交易，若无问题，则开始制定车辆损失(t11),最后赔付保险款项(t13),交易结束.

通过分析得知，上述模型在应用中有以下问题：

1)用户申请理赔以后，保险公司会派人到现场进行现场勘验，如果证件、保单审核不通过，保险公司就会拒绝赔偿.

2)现实中的机动车事故类型有很多，图1的模型没有详细给出，且没有给出识别所有事故类型的方法.

3)保险公司在处理单方事故时，制定了一些拒赔情况(比如车灯或者倒车镜单独破损的不赔)，有些车主为了骗取保险，故意将车辆损坏，使得车辆达到赔付条件.图1的模型没有给出精确的识别方法.

针对图1所出现的问题，在进行建模优化时，本文主要考虑了增加线上验证和视频识别这两个控制结构，模型如图2所示，首先增加了一个线上认证模块(t3,t4,t5,t7)，驾驶员可以在保险公司的线上系统上传车辆证件、保单、现场图片等信息，保险公司在线上核查后，决定是否进行现场勘验(t8),这样可以提高保险公司效率，审核不通过，可以不用去现场；在现场勘查事故类型时，通过拍照取证(t9)和事故分析(t10),来判断此次的事故类型(t11),增加了一个排他结构(t12，t19),保险公司工作人员可以选择事故类型进行相应的理赔程序；如果是单方事故，本文增加了一个控制结构，通过调取行车记录仪(t20)中的行车视频，通过视频识别(t21)此次事故，若是正常事故，则进行事故确认(t22)后，进行定损(t17)和申请赔偿(t18),最后保险公司进行赔付(t31)直至交易结束;若通过视频识别，鉴定此次事故有故意损坏行为，就列入到拒赔情况内(t24),拒赔情况有撞到自家人(t25)，车灯、车镜单独损坏(t26),机动车未年检(t27),酒、醉驾行为(t28),有此类情况，则保险公司会做出拒赔行动(t29),记录此次过程，结束.如果此次事故是多方肇事(t12),则进行现场处理(t13),做出责任认定，若现场有人员受伤，则可以通过医疗定损(t17),车辆定损修理(t18)；若有人死亡，则可以根据死亡证明(t19),向保险公司直接申请赔偿(t20),最后保险公司进行赔付(t34)，本次流程结束.经过优化后的模型可以提高保险赔付的效率，同时提高的单方事故的识别精确度，阻止一些骗保行为.

图2 机动车保险业务优化模型Petri网结构图Figure 2 Petri net structure of vehicle insurance business optimization model

3 仿真模拟分析

定义4[10]一个工作流网是合理的当且仅当：

1)对于任意的标识，都存在一个发生序列M，使得初始库所可以通过M到达目标库所.

2)通过一个初始标识发生而发生的中间标识，如果此时在终止库所里至少有一个托肯，该状态就是终止状态，终止时，该工作流网终止库所σ中有且仅有一个标识，并且整个工作流程只有唯一的一个标识[12-13].

3)无死锁，即该Petri网是活的.

对图2中的模型进行如下分析.

为验证优化后模型在实践上的正确性，使用Tina软件对模型进行仿真模拟运行如图4所示，仿真结果如图5所示，对模型的运行状态及结构进行分析可知该模型是正确且有界的，由此可知优化后的模型是有效的且有一定的适用性.

4 结 语

本文基于Petri网给出了机动车保险赔付过程的一种优化模型，根据Petri网的变迁发生规则和行为轮廓的基本理论，通过增加相应的验证控制结构对其进行优化.优化后的模型包含多种顺序关系的流程图和具有交叉序、排他关系的变迁发生序列，使模型应用更加全面，增加了该模型在实际生活中的适用性，解决了一些可能出现的问题.未来研究方向在对机动车的行驶日志进行挖掘和建模研究，使得行为识别更加准确.

图3 Tina软件模拟图Figure 3 Tina software simulation diagram

图4 模型仿真结果图Figure 4 Model simulation result chart