趙維祖，陳邦舉，劉利靜

（中國(guó)交通通信信息中心，北京100011）

1 引言

車(chē)聯(lián)網(wǎng)是由車(chē)輛車(chē)載終端、數(shù)據(jù)傳輸鏈路和監(jiān)控服務(wù)平臺(tái)組成的信息交互網(wǎng)絡(luò)。通過(guò)在車(chē)輛上安裝的車(chē)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(dòng)機(jī)狀態(tài)、急轉(zhuǎn)彎、急剎車(chē)、加速度、行駛里程、車(chē)內(nèi)外視頻圖像等車(chē)輛動(dòng)態(tài)信息，然后通過(guò)無(wú)線信號(hào)將這些數(shù)據(jù)傳輸?shù)奖O(jiān)管服務(wù)平臺(tái)，根據(jù)不同的功能需求對(duì)汽車(chē)進(jìn)行實(shí)時(shí)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(chē)車(chē)聯(lián)網(wǎng)的不斷發(fā)展，通過(guò)對(duì)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(jià)值，比如：通過(guò)分析車(chē)輛行駛數(shù)據(jù)對(duì)用戶(hù)進(jìn)行信用評(píng)分，不斷優(yōu)化金融風(fēng)控能力和水平；通過(guò)分析司機(jī)的駕駛數(shù)據(jù)，挖掘司機(jī)經(jīng)常行駛的路線，有效融合貨源地地理分布，實(shí)現(xiàn)智能化的車(chē)禍自動(dòng)匹配；通過(guò)分析車(chē)輛在不同區(qū)域的運(yùn)行熱力分布，結(jié)合車(chē)輛投入市場(chǎng)的區(qū)域分布，分析不同車(chē)型車(chē)輛在不同時(shí)段供需關(guān)系的空間分布特征；通過(guò)分析車(chē)輛行駛數(shù)據(jù)，結(jié)合車(chē)輛檢驗(yàn)檢測(cè)數(shù)據(jù)，幫助車(chē)企改進(jìn)優(yōu)化車(chē)輛設(shè)計(jì)；通過(guò)分析車(chē)輛是否安全駕駛，挖掘車(chē)輛行駛風(fēng)險(xiǎn)因子，開(kāi)發(fā)UBI 商業(yè)保險(xiǎn)模型。

2 行業(yè)發(fā)展背景

2009年，交通運(yùn)輸部以上海世博會(huì)安全保障為契機(jī)，整合全國(guó)道路運(yùn)輸行業(yè)現(xiàn)有營(yíng)運(yùn)車(chē)輛動(dòng)態(tài)監(jiān)控資源，統(tǒng)一車(chē)輛動(dòng)態(tài)數(shù)據(jù)采集終端、車(chē)輛動(dòng)態(tài)監(jiān)控平臺(tái)以及終端與平臺(tái)間數(shù)據(jù)傳輸標(biāo)準(zhǔn)，建設(shè)了全國(guó)重點(diǎn)營(yíng)運(yùn)車(chē)輛聯(lián)網(wǎng)聯(lián)控系統(tǒng)，全面接入全國(guó)跨市運(yùn)行的班線客車(chē)、旅游客車(chē)、包車(chē)客車(chē)以及危險(xiǎn)品運(yùn)輸車(chē)輛（即“兩客一?！避?chē)輛）的實(shí)時(shí)動(dòng)態(tài)位置數(shù)據(jù)，為實(shí)現(xiàn)道路運(yùn)輸車(chē)輛跨區(qū)域、跨部門(mén)聯(lián)合監(jiān)管提供了有效的技術(shù)支撐。我國(guó)營(yíng)運(yùn)的普通貨物運(yùn)輸車(chē)輛保有量超過(guò)1100 萬(wàn)輛，占機(jī)動(dòng)車(chē)保有量的5.5%。據(jù)不完全統(tǒng)計(jì)，2010年貨車(chē)的萬(wàn)車(chē)事故率比同期全國(guó)交通事故萬(wàn)車(chē)事故率高出1 倍多，大貨車(chē)尤其是車(chē)貨總重超過(guò)12 噸的大貨車(chē)，是道路運(yùn)輸行業(yè)安全管理的重中之重。2011年，國(guó)家大力推動(dòng)我國(guó)自主知識(shí)產(chǎn)權(quán)的衛(wèi)星導(dǎo)航系統(tǒng)——中國(guó)北斗衛(wèi)星導(dǎo)航系統(tǒng)（BeiDou Navigation Satellite System，縮寫(xiě)B(tài)DS）的民用產(chǎn)業(yè)化。交通運(yùn)輸部借助北斗導(dǎo)航系統(tǒng)民用應(yīng)用的有利時(shí)機(jī)，積極推動(dòng)北斗/GPS 雙模車(chē)載定位終端在重載普通貨運(yùn)車(chē)輛上的應(yīng)用，建立了全國(guó)道路貨運(yùn)車(chē)輛公共監(jiān)管與服務(wù)平臺(tái)。該平臺(tái)可為個(gè)體貨運(yùn)車(chē)輛及小型貨運(yùn)企業(yè)提供動(dòng)態(tài)監(jiān)控服務(wù)，也可為大中型貨運(yùn)企業(yè)的監(jiān)控平臺(tái)提供所屬車(chē)輛的動(dòng)態(tài)數(shù)據(jù)接入服務(wù)，是實(shí)現(xiàn)重載普通貨運(yùn)車(chē)輛數(shù)據(jù)匯總、信息交互和第三方監(jiān)管的公益性平臺(tái)。目前，全國(guó)重點(diǎn)營(yíng)運(yùn)車(chē)輛聯(lián)網(wǎng)聯(lián)控系統(tǒng)已經(jīng)全面接入全國(guó)“兩客一?！避?chē)輛和重載普通貨運(yùn)車(chē)輛，成為了全國(guó)乃至全世界最大的道路運(yùn)輸車(chē)輛“車(chē)聯(lián)網(wǎng)”，可實(shí)時(shí)掌握車(chē)輛的基本信息和運(yùn)行動(dòng)態(tài)信息，不僅能夠?yàn)樾袠I(yè)管理提供有效的數(shù)據(jù)支撐，同時(shí)也能為行業(yè)服務(wù)、社會(huì)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(yùn)行更加智能高效。

3 車(chē)輛保險(xiǎn)應(yīng)用分析與設(shè)計(jì)

正如業(yè)內(nèi)專(zhuān)家所言，通過(guò)深入挖掘分析道路運(yùn)輸車(chē)輛“車(chē)聯(lián)網(wǎng)”數(shù)據(jù)，能夠在車(chē)輛保險(xiǎn)前定價(jià)、保險(xiǎn)中管控、出險(xiǎn)后理賠等車(chē)輛保險(xiǎn)的全生命周期中都有的極大的應(yīng)用需求，能夠有效地實(shí)現(xiàn)從以往的“從車(chē)”“從人”因子向“從用”因子轉(zhuǎn)變，使保險(xiǎn)公司可以在承保前自動(dòng)識(shí)別風(fēng)險(xiǎn)、承保后有效管控風(fēng)險(xiǎn)、理賠時(shí)全面降低騙保風(fēng)險(xiǎn)等方面有效降低保險(xiǎn)運(yùn)行成本。

基于“車(chē)聯(lián)網(wǎng)”車(chē)輛動(dòng)態(tài)數(shù)據(jù)在車(chē)輛保險(xiǎn)中的應(yīng)用，最關(guān)鍵的保險(xiǎn)因子定義，不僅包含傳統(tǒng)意義上的保險(xiǎn)定價(jià)因子，比如車(chē)輛的載重，長(zhǎng)寬高，發(fā)動(dòng)機(jī)型號(hào)，品牌，驅(qū)動(dòng)形式等，更注重的是要加入大量的車(chē)輛駕駛行為特征因子、車(chē)輛行駛環(huán)境因子等。例如：車(chē)輛的駕駛行為特征因子里面有車(chē)輛的行駛里程、每趟次行駛時(shí)長(zhǎng)、總行駛時(shí)長(zhǎng)，以及結(jié)合電子地圖計(jì)算車(chē)輛在不同類(lèi)型道路上行駛的里程、計(jì)算車(chē)輛在不同類(lèi)型的道路上有沒(méi)有超過(guò)道路限制速度（行業(yè)平均運(yùn)行速度）、計(jì)算車(chē)輛在不同省市（特定區(qū)域）行駛的里程、計(jì)算車(chē)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(chē)輛在各種氣象特征下行駛的里程、時(shí)間等。

3.1 數(shù)據(jù)采集

道路運(yùn)輸車(chē)輛“車(chē)聯(lián)網(wǎng)”中的車(chē)輛動(dòng)態(tài)數(shù)據(jù)基于交通運(yùn)輸部發(fā)布的JT/T 808《道路運(yùn)輸車(chē)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(yùn)輸車(chē)輛衛(wèi)星定位系統(tǒng)平臺(tái)數(shù)據(jù)交換》等平臺(tái)與主機(jī)之間、平臺(tái)與平臺(tái)之間進(jìn)行數(shù)據(jù)傳輸交換的行業(yè)標(biāo)準(zhǔn)進(jìn)行采集，采集的主要信息除車(chē)輛廠牌型號(hào)、發(fā)動(dòng)機(jī)型號(hào)、車(chē)輛外廓尺寸、車(chē)輛類(lèi)型等靜態(tài)數(shù)據(jù)之外，還包括車(chē)輛當(dāng)前速度、正北方向夾角、經(jīng)度、緯度、疲勞駕駛報(bào)警、超速行駛報(bào)警等行駛動(dòng)態(tài)數(shù)據(jù)。

3.2 數(shù)據(jù)分析框架設(shè)計(jì)

由于道路環(huán)境、氣象條件、車(chē)載終端質(zhì)量等多種因素的影響，將會(huì)導(dǎo)致衛(wèi)星定位數(shù)據(jù)存在一定的質(zhì)量問(wèn)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(shí)時(shí)接收的車(chē)輛動(dòng)態(tài)數(shù)據(jù)存入大數(shù)據(jù)綜合分析平臺(tái)，對(duì)數(shù)據(jù)進(jìn)行降噪處理后，關(guān)聯(lián)車(chē)輛的靜態(tài)數(shù)據(jù)，關(guān)聯(lián)電子地圖的路網(wǎng)、興趣點(diǎn)（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(jì)分析車(chē)輛的駕駛行為數(shù)據(jù)和駕駛周邊數(shù)據(jù)，例如：車(chē)輛的行駛里程、行駛時(shí)間、高速行駛里程、國(guó)道行駛里程、疲勞超速違章情況、危險(xiǎn)路段經(jīng)過(guò)次數(shù)、拐彎速度等特征；關(guān)聯(lián)保險(xiǎn)理賠數(shù)據(jù)，構(gòu)建保險(xiǎn)精算模型；通過(guò)保險(xiǎn)精算模型，預(yù)測(cè)車(chē)輛的案均賠款、出險(xiǎn)次數(shù)；有針對(duì)性地制定保險(xiǎn)價(jià)格；保險(xiǎn)中實(shí)時(shí)提醒、降低理賠風(fēng)險(xiǎn)。

3.3 多維度分析

根據(jù)道路運(yùn)輸行業(yè)特點(diǎn)，結(jié)合電子地圖、氣象數(shù)據(jù)、路況數(shù)據(jù)、時(shí)間維度等，可以從以下12 個(gè)方面對(duì)車(chē)輛的駕駛行為數(shù)據(jù)和駕駛周邊數(shù)據(jù)進(jìn)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(chē)輛保險(xiǎn)模型提供必要的保險(xiǎn)因子計(jì)算數(shù)據(jù)。多維度的數(shù)據(jù)模型主要包括：①車(chē)輛行駛道路的等級(jí)狀況，普通公路、高等級(jí)公路、高速公路等不同等級(jí)的道路所面臨的安全風(fēng)險(xiǎn)等級(jí)也不一樣；②車(chē)輛活動(dòng)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(xiǎn)等級(jí)不同；③車(chē)輛在相同道路行駛速度與該道路行業(yè)平均運(yùn)行速度的差異，比行業(yè)平均運(yùn)行速度高出越多，存在的安全風(fēng)險(xiǎn)越大；④車(chē)輛危險(xiǎn)道路行駛次數(shù)；⑤車(chē)輛路口通行情況，如通過(guò)十字路口不停車(chē)次數(shù)，路口左轉(zhuǎn)次數(shù)、直行次數(shù)、右轉(zhuǎn)次數(shù)；⑥車(chē)輛行駛路線，什么路線（干線運(yùn)輸、支線車(chē)輛、城市配送），路線是否固定；⑦車(chē)輛?？奎c(diǎn)，停靠點(diǎn)類(lèi)型（客運(yùn)站、農(nóng)村客運(yùn)招呼站、港口碼頭、物流集散中心、高速路服務(wù)區(qū)、維修站），停靠次數(shù)（如維修站的?？看螖?shù)）；⑧車(chē)輛行駛里程，日均行駛里程、最大行駛里程、高速行駛里程、國(guó)道行駛里程等；⑨每趟次駕駛車(chē)輛的司機(jī)數(shù)量；⑩車(chē)輛疲勞駕駛、超速行駛等違章情況；11○車(chē)輛行駛期間天氣情況，包括天氣類(lèi)型、溫度、濕度、能見(jiàn)度、風(fēng)力等級(jí)等對(duì)安全風(fēng)險(xiǎn)的影響；12○車(chē)隊(duì)屬性，包括車(chē)隊(duì)規(guī)模、組織形式、車(chē)隊(duì)主營(yíng)業(yè)務(wù)等。

3.4 保險(xiǎn)建模

傳統(tǒng)的保險(xiǎn)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(xiǎn)的精算理論，對(duì)車(chē)輛保險(xiǎn)因子進(jìn)行建模，形成完整的車(chē)隊(duì)＆車(chē)輛畫(huà)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(fèi)率模型，不僅可以預(yù)測(cè)車(chē)輛的案均賠款、出險(xiǎn)次數(shù)，還可有針對(duì)性地制定保險(xiǎn)價(jià)格，為保險(xiǎn)運(yùn)營(yíng)提質(zhì)增效。

4 結(jié)語(yǔ)

保險(xiǎn)業(yè)要實(shí)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(yùn)用大數(shù)據(jù)工具分析、整合挖掘有價(jià)值的信息，將道路運(yùn)輸車(chē)輛運(yùn)行動(dòng)態(tài)數(shù)據(jù)應(yīng)用于車(chē)輛保險(xiǎn)，重塑車(chē)險(xiǎn)精算模型，能夠減少理賠成本，改善駕駛員的行為和意識(shí)，進(jìn)一步減少理賠的頻率和損失的幅度。運(yùn)用道路運(yùn)輸車(chē)輛運(yùn)行動(dòng)態(tài)數(shù)據(jù)建立的保險(xiǎn)模型，可以使保險(xiǎn)公司更有效地預(yù)測(cè)車(chē)輛的賠付率。在駕駛行為不利于車(chē)輛安全行駛時(shí)，可以實(shí)時(shí)提醒司機(jī)注意行車(chē)安全，有效地降低車(chē)輛事故風(fēng)險(xiǎn)，并且對(duì)部分保險(xiǎn)騙保的行為進(jìn)行有效識(shí)別。