道路運輸車輛運行動態(tài)數(shù)據(jù)在車輛保險中的應(yīng)用

趙維祖，陳邦舉，劉利靜

（中國交通通信信息中心，北京100011）

1 引言

車聯(lián)網(wǎng)是由車輛車載終端、數(shù)據(jù)傳輸鏈路和監(jiān)控服務(wù)平臺組成的信息交互網(wǎng)絡(luò)。通過在車輛上安裝的車載終端采集當(dāng)前速度、正北方向夾角、經(jīng)度、緯度、油量、發(fā)動機狀態(tài)、急轉(zhuǎn)彎、急剎車、加速度、行駛里程、車內(nèi)外視頻圖像等車輛動態(tài)信息，然后通過無線信號將這些數(shù)據(jù)傳輸?shù)奖O(jiān)管服務(wù)平臺，根據(jù)不同的功能需求對汽車進行實時管理，以便于相關(guān)產(chǎn)業(yè)提供多樣化的服務(wù)。

隨著商用車車聯(lián)網(wǎng)的不斷發(fā)展，通過對聯(lián)網(wǎng)數(shù)據(jù)的不斷應(yīng)用，逐步產(chǎn)生了一些新的商業(yè)價值，比如：通過分析車輛行駛數(shù)據(jù)對用戶進行信用評分，不斷優(yōu)化金融風(fēng)控能力和水平；通過分析司機的駕駛數(shù)據(jù)，挖掘司機經(jīng)常行駛的路線，有效融合貨源地地理分布，實現(xiàn)智能化的車禍自動匹配；通過分析車輛在不同區(qū)域的運行熱力分布，結(jié)合車輛投入市場的區(qū)域分布，分析不同車型車輛在不同時段供需關(guān)系的空間分布特征；通過分析車輛行駛數(shù)據(jù)，結(jié)合車輛檢驗檢測數(shù)據(jù)，幫助車企改進優(yōu)化車輛設(shè)計；通過分析車輛是否安全駕駛，挖掘車輛行駛風(fēng)險因子，開發(fā)UBI 商業(yè)保險模型。

2 行業(yè)發(fā)展背景

2009年，交通運輸部以上海世博會安全保障為契機，整合全國道路運輸行業(yè)現(xiàn)有營運車輛動態(tài)監(jiān)控資源，統(tǒng)一車輛動態(tài)數(shù)據(jù)采集終端、車輛動態(tài)監(jiān)控平臺以及終端與平臺間數(shù)據(jù)傳輸標(biāo)準(zhǔn)，建設(shè)了全國重點營運車輛聯(lián)網(wǎng)聯(lián)控系統(tǒng)，全面接入全國跨市運行的班線客車、旅游客車、包車客車以及危險品運輸車輛（即“兩客一危”車輛）的實時動態(tài)位置數(shù)據(jù)，為實現(xiàn)道路運輸車輛跨區(qū)域、跨部門聯(lián)合監(jiān)管提供了有效的技術(shù)支撐。我國營運的普通貨物運輸車輛保有量超過1100 萬輛，占機動車保有量的5.5%。據(jù)不完全統(tǒng)計，2010年貨車的萬車事故率比同期全國交通事故萬車事故率高出1 倍多，大貨車尤其是車貨總重超過12 噸的大貨車，是道路運輸行業(yè)安全管理的重中之重。2011年，國家大力推動我國自主知識產(chǎn)權(quán)的衛(wèi)星導(dǎo)航系統(tǒng)——中國北斗衛(wèi)星導(dǎo)航系統(tǒng)（BeiDou Navigation Satellite System，縮寫B(tài)DS）的民用產(chǎn)業(yè)化。交通運輸部借助北斗導(dǎo)航系統(tǒng)民用應(yīng)用的有利時機，積極推動北斗/GPS 雙模車載定位終端在重載普通貨運車輛上的應(yīng)用，建立了全國道路貨運車輛公共監(jiān)管與服務(wù)平臺。該平臺可為個體貨運車輛及小型貨運企業(yè)提供動態(tài)監(jiān)控服務(wù)，也可為大中型貨運企業(yè)的監(jiān)控平臺提供所屬車輛的動態(tài)數(shù)據(jù)接入服務(wù)，是實現(xiàn)重載普通貨運車輛數(shù)據(jù)匯總、信息交互和第三方監(jiān)管的公益性平臺。目前，全國重點營運車輛聯(lián)網(wǎng)聯(lián)控系統(tǒng)已經(jīng)全面接入全國“兩客一?！避囕v和重載普通貨運車輛，成為了全國乃至全世界最大的道路運輸車輛“車聯(lián)網(wǎng)”，可實時掌握車輛的基本信息和運行動態(tài)信息，不僅能夠為行業(yè)管理提供有效的數(shù)據(jù)支撐，同時也能為行業(yè)服務(wù)、社會公益服務(wù)提供更加安全、智能、高效的信息服務(wù)，讓老百姓出行更加安全便捷，物流運行更加智能高效。

3 車輛保險應(yīng)用分析與設(shè)計

正如業(yè)內(nèi)專家所言，通過深入挖掘分析道路運輸車輛“車聯(lián)網(wǎng)”數(shù)據(jù)，能夠在車輛保險前定價、保險中管控、出險后理賠等車輛保險的全生命周期中都有的極大的應(yīng)用需求，能夠有效地實現(xiàn)從以往的“從車”“從人”因子向“從用”因子轉(zhuǎn)變，使保險公司可以在承保前自動識別風(fēng)險、承保后有效管控風(fēng)險、理賠時全面降低騙保風(fēng)險等方面有效降低保險運行成本。

基于“車聯(lián)網(wǎng)”車輛動態(tài)數(shù)據(jù)在車輛保險中的應(yīng)用，最關(guān)鍵的保險因子定義，不僅包含傳統(tǒng)意義上的保險定價因子，比如車輛的載重，長寬高，發(fā)動機型號，品牌，驅(qū)動形式等，更注重的是要加入大量的車輛駕駛行為特征因子、車輛行駛環(huán)境因子等。例如：車輛的駕駛行為特征因子里面有車輛的行駛里程、每趟次行駛時長、總行駛時長，以及結(jié)合電子地圖計算車輛在不同類型道路上行駛的里程、計算車輛在不同類型的道路上有沒有超過道路限制速度（行業(yè)平均運行速度）、計算車輛在不同省市（特定區(qū)域）行駛的里程、計算車輛常跑區(qū)域及常跑路線，結(jié)合當(dāng)?shù)氐臍庀髷?shù)據(jù)分析車輛在各種氣象特征下行駛的里程、時間等。

3.1 數(shù)據(jù)采集

道路運輸車輛“車聯(lián)網(wǎng)”中的車輛動態(tài)數(shù)據(jù)基于交通運輸部發(fā)布的JT/T 808《道路運輸車輛衛(wèi)星定位系統(tǒng)終端通訊協(xié)議及數(shù)據(jù)格式》、JT/T 809《道路運輸車輛衛(wèi)星定位系統(tǒng)平臺數(shù)據(jù)交換》等平臺與主機之間、平臺與平臺之間進行數(shù)據(jù)傳輸交換的行業(yè)標(biāo)準(zhǔn)進行采集，采集的主要信息除車輛廠牌型號、發(fā)動機型號、車輛外廓尺寸、車輛類型等靜態(tài)數(shù)據(jù)之外，還包括車輛當(dāng)前速度、正北方向夾角、經(jīng)度、緯度、疲勞駕駛報警、超速行駛報警等行駛動態(tài)數(shù)據(jù)。

3.2 數(shù)據(jù)分析框架設(shè)計

由于道路環(huán)境、氣象條件、車載終端質(zhì)量等多種因素的影響，將會導(dǎo)致衛(wèi)星定位數(shù)據(jù)存在一定的質(zhì)量問題，因此，要精確應(yīng)用這些數(shù)據(jù)，首要任務(wù)就是要保證數(shù)據(jù)質(zhì)量。

將實時接收的車輛動態(tài)數(shù)據(jù)存入大數(shù)據(jù)綜合分析平臺，對數(shù)據(jù)進行降噪處理后，關(guān)聯(lián)車輛的靜態(tài)數(shù)據(jù)，關(guān)聯(lián)電子地圖的路網(wǎng)、興趣點（Point of Interest，即POI）、行政區(qū)劃數(shù)據(jù)，并疊加氣象數(shù)據(jù)，統(tǒng)計分析車輛的駕駛行為數(shù)據(jù)和駕駛周邊數(shù)據(jù)，例如：車輛的行駛里程、行駛時間、高速行駛里程、國道行駛里程、疲勞超速違章情況、危險路段經(jīng)過次數(shù)、拐彎速度等特征；關(guān)聯(lián)保險理賠數(shù)據(jù)，構(gòu)建保險精算模型；通過保險精算模型，預(yù)測車輛的案均賠款、出險次數(shù)；有針對性地制定保險價格；保險中實時提醒、降低理賠風(fēng)險。

3.3 多維度分析

根據(jù)道路運輸行業(yè)特點，結(jié)合電子地圖、氣象數(shù)據(jù)、路況數(shù)據(jù)、時間維度等，可以從以下12 個方面對車輛的駕駛行為數(shù)據(jù)和駕駛周邊數(shù)據(jù)進行多維度、多角度數(shù)據(jù)挖掘和融合分析，為建立更加高效的車輛保險模型提供必要的保險因子計算數(shù)據(jù)。多維度的數(shù)據(jù)模型主要包括：①車輛行駛道路的等級狀況，普通公路、高等級公路、高速公路等不同等級的道路所面臨的安全風(fēng)險等級也不一樣；②車輛活動范圍所處的區(qū)域，城市與鄉(xiāng)村、高海拔地區(qū)、臨水臨涯地區(qū)，不同的區(qū)域所面臨的安全風(fēng)險等級不同；③車輛在相同道路行駛速度與該道路行業(yè)平均運行速度的差異，比行業(yè)平均運行速度高出越多，存在的安全風(fēng)險越大；④車輛危險道路行駛次數(shù)；⑤車輛路口通行情況，如通過十字路口不停車次數(shù)，路口左轉(zhuǎn)次數(shù)、直行次數(shù)、右轉(zhuǎn)次數(shù)；⑥車輛行駛路線，什么路線（干線運輸、支線車輛、城市配送），路線是否固定；⑦車輛?？奎c，停靠點類型（客運站、農(nóng)村客運招呼站、港口碼頭、物流集散中心、高速路服務(wù)區(qū)、維修站），?？看螖?shù)（如維修站的?？看螖?shù)）；⑧車輛行駛里程，日均行駛里程、最大行駛里程、高速行駛里程、國道行駛里程等；⑨每趟次駕駛車輛的司機數(shù)量；⑩車輛疲勞駕駛、超速行駛等違章情況；11○車輛行駛期間天氣情況，包括天氣類型、溫度、濕度、能見度、風(fēng)力等級等對安全風(fēng)險的影響；12○車隊屬性，包括車隊規(guī)模、組織形式、車隊主營業(yè)務(wù)等。

3.4 保險建模

傳統(tǒng)的保險精算理論難以處理大量且多維度的數(shù)據(jù)，嘗試使用人工智能、深度學(xué)習(xí)理論重塑傳統(tǒng)保險的精算理論，對車輛保險因子進行建模，形成完整的車隊＆車輛畫像，采用單因子分析、啞變量分析、因子間相關(guān)性分析、廣義線性回歸分析等數(shù)據(jù)分析方法，生成精算費率模型，不僅可以預(yù)測車輛的案均賠款、出險次數(shù)，還可有針對性地制定保險價格，為保險運營提質(zhì)增效。

4 結(jié)語

保險業(yè)要實現(xiàn)持續(xù)盈利，需要降低損失率和減少損失發(fā)生的程度，運用大數(shù)據(jù)工具分析、整合挖掘有價值的信息，將道路運輸車輛運行動態(tài)數(shù)據(jù)應(yīng)用于車輛保險，重塑車險精算模型，能夠減少理賠成本，改善駕駛員的行為和意識，進一步減少理賠的頻率和損失的幅度。運用道路運輸車輛運行動態(tài)數(shù)據(jù)建立的保險模型，可以使保險公司更有效地預(yù)測車輛的賠付率。在駕駛行為不利于車輛安全行駛時，可以實時提醒司機注意行車安全，有效地降低車輛事故風(fēng)險，并且對部分保險騙保的行為進行有效識別。