基于数据Petri网的车险理赔流程建模和分析

张孙敏,方 欢,2

(1.安徽理工大学 数学与大数据学院,安徽 淮南 232001;2.安徽省煤矿安全大数据分析与预警技术工程实验室,安徽 淮南 232001)

近年来,随着车辆的普及,相应的机动车保险理赔业务得到了飞速发展。但根据实践表明,在现有的车险理赔流程中,仍然存在各种问题,使得一些不法分子利用车险理赔流程中的漏洞骗保,因此,有必要对车险理赔流程进行建模分析。因为流程是工作流管理中一个主要因素,所以使用一个已经建立的框架来建模和分析工作流流程非常重要。Petri网就是一种基础良好的流程建模技术,因此,被用来对各种各样的流程进行建模和分析,如文献[1-4]。但由于信息系统中事件数据不断增长,若能够以更全面的方式捕获流程中的重要信息、流程中许多其他特征如时间、资源、数据流,对目前的流程分析至关重要[5]。因此,传统的Petri网在颜色、时间和层次上都得到了扩展。如文献[6]利用时空混成Petri网对无人机集群系统的离散状态和连续过程进行建模,有效解决了系统中物理和计算之间的融合以及事件交互问题。文献[7]使用逻辑延时Petri网对停车预定系统进行建模并构建可达图,对系统中的重分配问题以及车位的利用率问题进行分析。文献[8]基于着色Petri网对城市地下物流服务供应链的流程进行设计,使用着色Petri网相关性质对供应链运作流程的效率和可靠性进行分析。文献[9]使用博弈Petri网对地铁应急决策过程进行建模,并构建可达图对问题进行分析。

然而,关于车险理赔流程的研究大多是从管理学的角度,运用管理学的相关知识对车险理赔流程进行分析和优化,很少有使用类似Petri网这样的系统模型来描述和刻画车险理赔流程结构并进行系统分析。另外,在整个车险理赔流程中,会涉及到时间、资源、赔付金额等多个变量,使用数据Petri网可以更好地将车险理赔流程的工作流网与决策、案例数据以及相应的数据更新结合起来,在流程的表达性和简单性之间实现适当平衡。因此,文中使用数据Petri网对车险理赔流程进行建模,以捕获流程中控制流视角和数据视角之间的交互,并对所建模型的相关性质以及数据感知稳健性进行分析,从而确保车险理赔流程规范、安全、高效。

1 基本概念

定义1[10]满足下列条件的三元组N=(P,T,F)称作一个网。

1)P∪T≠Ø;

2)P∩T=Ø;

3)F⊆(P×T)∪(T×P);

4)dom(F)∪cod(F)=P∪T。

定义2[10]设Σ=(P,T,F,M)为一个Petri网,P={p1,p2,…,pm},T={t1,t2,…,tn},则Petri网N的结构(P,T,F)可以用一个n行m列矩阵A=|aij|表示,其中:

j∈{1,2,…,m}.

称A为网N=(P,T,F)的关联矩阵。

定义3[11](数据Petri网)N=(P,T,F,V,dom,αI,read,write,guard)是一个带有附加条件的Petri网(P,T,F),用于描述流程附加视角,变量含义如下:

1)V:流程中所涉及变量的有限集合;

2)dom:V→D,为每个v∈V分配一个域D;

3)αI:V→U∪{⊥},为初始状态变量赋值,其中,U为可能值集合,⊥表示未定义值;

4)read:T→pwr(V),返回由变迁t∈T读取的变量集;

5)write:T→pwr(V),返回由变迁t∈T写的变量集;

6)guard:T→Φ(V),返回与变迁t∈T相关的守卫。

利用数据Petri网构建车险理赔流程,如图1所示,在该模型中涉及5个变量,即V={time,check,collect,amount,ok},在模型中使用六边形表示,针对每个变量的含义以及域已在表1中进行描述;对于所有的v∈V,α0(v)=⊥,即初始状态未定义值;每个变量都与相关变迁t关联,表示该变迁对变量进行写操作,例如:write(t2)=time,write(t7)=check;在该模型中,守卫用“[]”括起来,并在相关变迁的输入弧上表示出来,例如:变迁t4,它的守卫为guard(t4)=[time>48],变迁t9的守卫为guard(t9)=[check=no];并且与守卫相关联的变迁都会对相应变量进行读操作,如read(t4)=time,read(t15)=amount。

定义4[12](数据感知稳健性)N为数据Petri网,N的可能状态集由二元组(M,α)组成,其中,M∈(P),即Petri网的标识,MI为初始标识,MF为最终标识;数据Petri网为数据感知稳健当且仅当满足以下条件:

P1要求最终标识MF是可达的,即通过触发合法的变迁,总是能够到达最终标识;P2要求输出状态总是以一种“干净”的方式到达,即在模型中的其余部分不存在剩余的token;P3要求网中不存在死变迁。

定义5[13](颜色Petri网)颜色Petri网是一个多元组(P,T,A,Σ,V,C,N,E,G,I),满足以下条件:

1)P为库所集合,T为变迁集合,A为弧;

2)Σ为一组有限颜色集,V为变量集合;

3)C:P→Σ∪{·},颜色函数;

4)N:A→(P×T)∪(T×P),节点函数,将弧a映射到每一对(p,t);

5)E:A→V∪{v·},弧表达函数,将变量赋给弧;

6)G:T→Φ(V),守卫函数,将每个变迁t映射到G(t);

7)I:P→(Σ∪{·}),为每个库所分配颜色值的初始化函数。

2 交通保险理赔流程Petri模型

2.1 模型构建

根据实际发生交通事故的保险公司理赔流程进行数据Petri网建模,理赔流程主要包括5个环节:报案、查勘定损、制定赔案、赔案审核、付款结案[14-15]。在该流程中涉及到5个变量,如表1所示。整个理赔流程从报案开始,报案方式有线上报案(t2)和线下报案(t3)两种,若报案人选择线上报案,此时写入变量time,当案发时间距离报案时间已超过48 h,则保险公司有权拒绝赔付(t4),并通知报案人(t20);若还未超过48h,则进行线上勘查(t5)。如果报案人是现场报案,则进行现场勘察(t6),并对相关信息进行核验(t7),此时写入变量check,若信息不准确,则通知报案人重新报案(t9),重新登记信息。如果核验信息准确,则收集赔付材料(t8),并检查赔付材料是否齐全(t10),此时写入变量collect,如果赔付材料不齐全,则通知客户一次性补全相关材料(t12),如果赔付材料齐全,则将材料录入系统(t11),根据实际情况制定赔付方案(t13),并将赔付方案录入系统(t14),此时写入变量amount。如果赔付金额小于10 000元,则直接现金赔付(t15),如果赔付金额在10 000～50 000元,则需要理赔负责人审核(t16),当赔付金额大于50 000元时,则需要重案中心对赔付方案进行审核(t17)。在上述两个审核过程中会写入变量ok,如果相关部门同意赔付方案,则进行赔付(t18),否则重新协商赔付方案(t19)。根据赔付流程构建的数据Petri网模型如图1所示,其中,各变迁含义如表2所示。

表2 变迁含义

2.2 模型分析

2.2.1 控制流分析

针对所构建的模型,主要从控制流和数据感知的角度进行分析。控制流方面考虑网结构的有界性、安全性以及活性。

根据定义2可得图1所示Petri网Σ的关联矩阵如下:

1)根据网N为结构有界网的充分必要条件可得:设A为网N=(P,T,F)的关联矩阵,若存在m(m=|P|)维正整数向量Y,使得AY≤0,则N为结构有界网。通过计算,得到一个正整数向量

使得AY=0,因此,图1所示的Petri网Σ是有界的。

2)根据Petri网为守恒网的条件:若存在m维向量X使得AX=0,则该Petri网为一个守恒网,因此,网Σ为一个守恒网。

3)对于图1所示Petri网Σ,通过观察它的运行可以发现,库所p0,p1,…,p13是有界的,并且它们的界都为1,因此,Petri网Σ是安全的。

4)如图1所示Petri网Σ,通过分析它的运行可知,在任一可达标识下,网中的每个变迁都有可能再次获得发生权,即该网系统是活的。

2.2.2 数据感知稳健性分析

数据感知方面根据定义4所述,判定是否需要满足以下3个条件:最终状态标识MF是可达的;当达到最终状态标识MF时,网中的其他部分没有剩余token;网中不存在死变迁,当3个条件都满足时,则称模型是数据感知稳健的。因为文中针对保险公司理赔流程所构建的数据Petri网模型涉及的过程变量包括数值域和非数值域,另外,由于数据和相应更新的存在,该类模型可能会诱导一个存在无限状态的状态空间。因此,采用文献[12]提出的方法,利用ProM工具将输入的数据Petri网转换为具有有界颜色域的颜色Petri网来验证其数据感知稳健性。

数据感知稳健性是利用M.de Leoni等在ProM工具中实现的Compute Soundness of a Data Petri net插件将输入的数据Petri网转换为具有颜色域的颜色Petri网来判断有无死变迁与死锁,从而实现数据感知稳健性分析。将数据Petri网DPNN=(P,T,F,V,dom,αI,read,write,guard)转换为颜色Petri网CPNNc=(Pc,Tc,Ac,Σc,Vc,Cc,Nc,Ec,Gc,Ic)的步骤如下[12]:

1)库所:将DPN的库所保存至CPN中,并将DPN中涉及的变量转换为变量库所添加到颜色Petri网中,即Pc=P∪ξ(V);

2)变迁:DPN中的库所完全保留到CPN中,即Tc=T;

3)弧:DPN中的弧全部保留,对于每个变迁t,若该变迁包含写变量或者读变量,则在CPN添加另外两条弧,即该变迁指向变量库所的和变量库所指向变迁的,即Ac=F∪{(t,ξ(v)),(ξ(v),t)};

4)颜色集:在CPN中,支持与DPN同样的变量类型,一般为整型、实数、布尔类型、字符串,即Σc={Ζ,R,bool,String};

5)变量:CPN中的变量包括DPN中每个变量的读和写,即Vc={vr,vw|v∈V}∪{v.};

6)颜色函数:在CPN 中每个库所都关联一个颜色集,不同的库所类型对应不同的颜色集,若库所p为非变量库所,则该库所没有颜色集,若库所为变量库所,则颜色集为相应的变量类型,即若库所p=ξ(vZ),则Cc=Z,若库所p=ξ(vbool),则Cc=bool;若p=ξ(vStrings),则Cc=Strings;若p=ξ(vR),则Cc=R;

7)守卫:DPN中的守卫依然保持不变,即Gc(t)=guard(t);

8)弧表达函数:若该弧存在于DPN中,则该弧无弧表达函数,若源节点s为变量库所ξ(v),目标节点d为变迁,或者源节点s为变迁,目标节点d为变量库所,并且该变量不属于变迁s的写变量,则弧(s,d)对应的弧表达函数Ec((s,d))=vr,若源节点s为变迁,目标节点d为变量库所,而该库所对应的变量属于变迁s的写变量,则弧(s,d)对应的弧表达函数为Ec((s,d))=vw;

9)初始化:在CPN与DPN中同样的库所具有相同数量的token,对于变量库所,都由DPN初始状态变量赋值所指定值的token进行初始化,即Ic(p)=[αI(v)]。

使用ProM工具中Create DPN插件绘制的数据Petri网如图2所示。稳健性分析结果如图3所示,所构建的数据Petri网无死锁,也无死变迁,因此,在数据感知方面是稳健的。

图2 数据Petri网

图3 稳健性分析结果

3 结束语

基于数据Petri网对保险公司车险理赔流程建模,从控制流角度和数据感知方面对模型进行分析。通过使用Petri网相关理论知识,证明所构建模型的网结构是有界、安全的。另外,通过使用ProM工具将所构建的数据Petri网模型作为输入,转化为有界颜色域的颜色Petri网验证其数据稳健性,实验结果表明模型中不存在死锁和死变迁,确保了所构建的模型是可靠稳健的。