随着汽车数量的不断增加,汽车事故也越来越多,保险公司对汽车遇险进行正确公估是一项颇为繁重和复杂的工作。目前我国车险公估行业还不是很规范,公估人员的专业素质和市场的不规范化都影响公估的结果。如何利用计算机和人工智能的技术,辅助公估人员进行快速的、准确的定损、公估,如何积累和发展车险公估的经验,确保车险公估行业能够有一定的标准可循是车险公估行业的重要课题。本课题拟应用CBR技术建立一个车险公估案例库模型,并将其应用于“车险公估系统”中,实现科学合理地车险公估,提高工作效率和准确性。论文的主要工作如下:(1)对CBR的理论进行了深入分析研究,针对车险公估的特点,比较了CBR与专家系统、神经网络、机器学习等几种人工智能技术的特点,详细讨论了CBR方法在车险公估系统中的应用。(2)在案例的表示方法上使用了框架表示法和基于特征的表示法相结合的方法,并且在此基础上采用了分类策略来构造车险案例库。(3)在案例的检索中,采用了基于层次分类模型的索引策略,构建了车险公估案例库的分层多级索引树,并在案例的匹配过程中使用带权值的近邻法判断案例间的相似度。(4)将CBR的方法引入车险公估中,构建了车险公估系统的模型,设计并实现了其原型系统,完成了预定的功能。通过原型系统的运行,证明了该设计思想是科学、合理的,实现的方法是有效的。