亚洲乳大丰满中文字幕_免费人成激情视频在线观看冫_蜜桃麻豆www久久囤产精品_紫黑粗大噗呲捣出白沫_中文在线√天堂_国内精品久久久久久久影视麻豆 _亚洲精品无播放器在线播放_亚洲精品一区二区三区新线路_女人被公牛进入

北京中交興路信息科技有限公司：基于車聯(lián)網(wǎng)大數(shù)據(jù)的保險(xiǎn)風(fēng)控AI云平臺(tái)建設(shè)與實(shí)施

一、前言

北京中交興路信息科技有限公司（簡(jiǎn)稱“中交興路”）是一家以數(shù)據(jù)為核心，為公路貨運(yùn)行業(yè)提供多元化產(chǎn)品與服務(wù)的科技創(chuàng)新企業(yè)，致力于打造中國(guó)領(lǐng)先的公路貨運(yùn)綜合服務(wù)平臺(tái)。數(shù)據(jù)積累覆蓋全國(guó)96%以上重載貨車的車輛，累計(jì)數(shù)據(jù)量超10pb，是行業(yè)唯一全量數(shù)據(jù)平臺(tái)。

中交興路一直堅(jiān)持?jǐn)?shù)據(jù)驅(qū)動(dòng)、創(chuàng)新引領(lǐng)、開(kāi)放合作三大發(fā)展原則，以數(shù)據(jù)平臺(tái)為基礎(chǔ)，圍繞貨運(yùn)場(chǎng)景，提供數(shù)據(jù)開(kāi)放、保險(xiǎn)風(fēng)控、定位服務(wù)等數(shù)據(jù)服務(wù)，油品、ETC、運(yùn)力等場(chǎng)景的交易服務(wù)和授信用油、ETC記賬卡、經(jīng)營(yíng)貸款等創(chuàng)新金融服務(wù), 推動(dòng)新物流在降本增效提質(zhì)方面飛速發(fā)展。在北京、重慶兩地建有國(guó)家級(jí)車聯(lián)網(wǎng)產(chǎn)業(yè)基地，擁有省級(jí)分支機(jī)構(gòu)三十余家，業(yè)務(wù)范圍覆蓋全國(guó)。2018年12月，中交興路獲螞蟻金服領(lǐng)投、北京車聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展基金跟投的7億元A輪融資.

中交興路經(jīng)過(guò)多年的深入實(shí)施創(chuàng)新發(fā)展戰(zhàn)略，自主創(chuàng)新和自主發(fā)展能力顯著增強(qiáng)。目前企業(yè)共申請(qǐng)專利133項(xiàng)，已授權(quán)專利46項(xiàng)，榮獲國(guó)家貨運(yùn)物流行業(yè)相關(guān)的獎(jiǎng)項(xiàng)逾140項(xiàng)，這些科技創(chuàng)新成果為公司發(fā)展提供了強(qiáng)勁動(dòng)力，推動(dòng)公司經(jīng)營(yíng)質(zhì)量和效益穩(wěn)步提升。

二、實(shí)施背景及內(nèi)涵

（一）實(shí)施背景1、政策引導(dǎo)與技術(shù)創(chuàng)新下的商業(yè)車險(xiǎn)費(fèi)率改革必然要求

2015年6月，原保監(jiān)會(huì)發(fā)布《中國(guó)保監(jiān)會(huì)關(guān)于深化商業(yè)車險(xiǎn)條款費(fèi)率管理制度改革的意見(jiàn)》，驟然打開(kāi)了我國(guó)商業(yè)車險(xiǎn)費(fèi)率改革的大門，施行多年的全國(guó)商業(yè)車險(xiǎn)費(fèi)率全行業(yè)統(tǒng)一的模式終于開(kāi)始松動(dòng)?；谲嚶?lián)網(wǎng)大數(shù)據(jù)技術(shù)的新一代車險(xiǎn)定價(jià)模型呼之欲出。

2、保險(xiǎn)市場(chǎng)主體對(duì)一個(gè)涵蓋全國(guó)范圍車輛的風(fēng)險(xiǎn)管理云平臺(tái)的迫切需要

一方面,重大事故頻發(fā),重載貨車車險(xiǎn)經(jīng)營(yíng)虧損；另一方面，貨車行業(yè)“騙賠”、“詐賠”以及人為擴(kuò)大損失等欺詐行為頻頻發(fā)生。所以對(duì)于車險(xiǎn)行業(yè)經(jīng)營(yíng)情況的整體改善需要一個(gè)覆蓋全量市場(chǎng)的車聯(lián)網(wǎng)平臺(tái)，作為數(shù)據(jù)來(lái)源和管控基礎(chǔ)，建立統(tǒng)一的風(fēng)險(xiǎn)識(shí)別與量化標(biāo)準(zhǔn)。通過(guò)技術(shù)手段的引入和業(yè)務(wù)模式的創(chuàng)新，扭轉(zhuǎn)車險(xiǎn)長(zhǎng)期虧損的局面。

3、防災(zāi)減損、提高道路安全管理水平的多贏選擇

針對(duì)整個(gè)行業(yè)的風(fēng)險(xiǎn)水平改善方面，中交興路積極拓展貨運(yùn)平臺(tái)功能，為駕駛員和車主提供相關(guān)服務(wù)，確保平臺(tái)長(zhǎng)期、安全、穩(wěn)定運(yùn)行。與此同時(shí)，開(kāi)發(fā)出重大交通事故實(shí)時(shí)偵測(cè)預(yù)警功能，對(duì)于重大交通事故第一時(shí)間通知保險(xiǎn)公司、救援機(jī)構(gòu)，迅速采取救援措施，從而實(shí)現(xiàn)有效降低財(cái)產(chǎn)損失、人員傷亡的社會(huì)效益。

（二）成果內(nèi)涵

本項(xiàng)目將基于全國(guó)貨運(yùn)平臺(tái)和以其為基礎(chǔ)構(gòu)建的車聯(lián)網(wǎng)大數(shù)據(jù)平臺(tái)，依托業(yè)內(nèi)高級(jí)分析技術(shù)建立商用車風(fēng)險(xiǎn)管理AI云平臺(tái)，構(gòu)建從承保端到理賠端的全流程風(fēng)控閉環(huán)，向國(guó)內(nèi)外的保險(xiǎn)公司提供全方位的風(fēng)險(xiǎn)管理服務(wù)，包括車輛風(fēng)險(xiǎn)評(píng)測(cè)、運(yùn)營(yíng)安全管理、事故時(shí)預(yù)判及理賠調(diào)查支持等多種服務(wù)，有效幫助保險(xiǎn)公司提高經(jīng)營(yíng)效益，進(jìn)一步改善全社會(huì)商用車安全生產(chǎn)管理水平。

三、主要做法（一）系統(tǒng)總體設(shè)計(jì)

基于豐富、海量的多種數(shù)據(jù)來(lái)源，本項(xiàng)目以“AI安全大腦”為導(dǎo)向構(gòu)建了保險(xiǎn)風(fēng)控AI云平臺(tái)，主要實(shí)現(xiàn)風(fēng)險(xiǎn)智能評(píng)測(cè)、智能引擎提醒以及智能事故預(yù)警等保險(xiǎn)科技服務(wù)，系統(tǒng)業(yè)務(wù)架構(gòu)圖如下圖所示：

圖4-1 系統(tǒng)業(yè)務(wù)架構(gòu)圖

保險(xiǎn)風(fēng)控大數(shù)據(jù)具有數(shù)據(jù)類型多樣異構(gòu)、數(shù)據(jù)體量大、實(shí)時(shí)性要求高等特性，為其采集、整合、存儲(chǔ)管理以及相應(yīng)的分析挖掘均帶來(lái)巨大的挑戰(zhàn)，首先，要求能夠高效地支持各種海量、異構(gòu)（包括非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)）數(shù)據(jù)地高效采集、清洗與全面整合；其次，巨大的數(shù)據(jù)量給數(shù)據(jù)的存儲(chǔ)管理和處理等系統(tǒng)等都提出了新的要求，傳統(tǒng)數(shù)據(jù)存儲(chǔ)和處理基礎(chǔ)設(shè)施難以滿足大數(shù)據(jù)要求；第三，面對(duì)海量的數(shù)據(jù)，需要深度挖掘其潛在價(jià)值，從其中提煉出有用信息，并借助神經(jīng)網(wǎng)路、機(jī)器學(xué)習(xí)等構(gòu)建算法模型建立智能系統(tǒng)使平臺(tái)不斷迭代演進(jìn)。

基于以上原因平臺(tái)系統(tǒng)架構(gòu)設(shè)計(jì)了感知、認(rèn)知、預(yù)知的大數(shù)據(jù)智能云平臺(tái)架構(gòu)體系。大數(shù)據(jù)感知平臺(tái)，實(shí)時(shí)采集、實(shí)時(shí)計(jì)算。大數(shù)據(jù)智能認(rèn)知平臺(tái)，智能分析工具，完成數(shù)據(jù)畫像、風(fēng)控因子、數(shù)據(jù)模型。大數(shù)據(jù)AI運(yùn)算平臺(tái)，提供完整的運(yùn)算分析，涵蓋AI事故偵測(cè)預(yù)警、理賠智能反欺詐、風(fēng)險(xiǎn)智能評(píng)價(jià)、車輛智能預(yù)警，從而實(shí)現(xiàn)針對(duì)貨運(yùn)車輛的保險(xiǎn)風(fēng)險(xiǎn)控制。

（二）應(yīng)用平臺(tái)功能設(shè)計(jì)

應(yīng)用平臺(tái)主要分為業(yè)務(wù)支撐層、產(chǎn)品服務(wù)層和表示層，分別面向車主、司機(jī)、保險(xiǎn)公司和大型運(yùn)輸企業(yè)提供線上及線下服務(wù)。系統(tǒng)架構(gòu)圖如下圖所示：

圖4-2 AI應(yīng)用平臺(tái)系統(tǒng)架構(gòu)示意圖

應(yīng)用平臺(tái)主要功能及其特點(diǎn)描述如下：

1、風(fēng)險(xiǎn)評(píng)測(cè)功能

提供業(yè)務(wù)、運(yùn)營(yíng)、道路、駕駛等四大類22項(xiàng)動(dòng)態(tài)風(fēng)控因子的實(shí)時(shí)查詢服務(wù)，圖表化展現(xiàn)查詢結(jié)果。支持按單車、多車和車隊(duì)維度輸出評(píng)測(cè)結(jié)果, 為單車和團(tuán)車業(yè)務(wù)的風(fēng)險(xiǎn)水平提供科學(xué)、準(zhǔn)確、快速的評(píng)測(cè)。

2、實(shí)時(shí)安全提醒功能

對(duì)車輛的違規(guī)狀態(tài)跟蹤查看，并針對(duì)超速、疲勞等狀況可發(fā)送車機(jī)、短信、人工電話提醒。

3、行駛軌跡查詢功能

車輛行駛過(guò)程中，系統(tǒng)對(duì)車輛的行駛情況進(jìn)行定位，從車速、里程、時(shí)間三個(gè)維度反映車輛行駛路線實(shí)時(shí)查詢。

4、車輛駕駛行為匯總報(bào)告

對(duì)車輛進(jìn)行駕駛數(shù)據(jù)信息匯總，生成報(bào)告，數(shù)據(jù)包括：車輛行駛總時(shí)長(zhǎng)、總里程、報(bào)警總數(shù)、超速和疲勞車輛的數(shù)據(jù)等。

5、違規(guī)統(tǒng)計(jì)報(bào)告

將一天按每?jī)尚r(shí)進(jìn)行劃分，直觀展現(xiàn)所有監(jiān)控車輛在各個(gè)時(shí)間段的疲勞違規(guī)行駛時(shí)間、超速違規(guī)行駛時(shí)間占比情況。

6、車輛地域分布

對(duì)車輛運(yùn)營(yíng)地域分布情況進(jìn)行統(tǒng)計(jì)，按照運(yùn)營(yíng)省份/城市分布車輛數(shù)、分布車輛數(shù)所占比例進(jìn)行展示?？梢苑从吵鰣F(tuán)車整體地域運(yùn)營(yíng)情況。

7、保險(xiǎn)理賠評(píng)估

可以查詢車輛在指定時(shí)間點(diǎn)前、后12小時(shí)的運(yùn)行軌跡，車所處經(jīng)緯度。一方面可以觀察車輛在出險(xiǎn)地點(diǎn)是否匹配，排查套牌可能；一方面對(duì)查詢區(qū)間車輛歷史各經(jīng)停點(diǎn)詳情、疑似事故點(diǎn)進(jìn)行自動(dòng)識(shí)別和判斷，提供理賠欺詐以及道德風(fēng)險(xiǎn)排查。

（三）云平臺(tái)資源配置方案

本項(xiàng)目單位已建立了初步的云IT硬件基礎(chǔ)設(shè)施，建立了企業(yè)級(jí)的云平臺(tái)，擁有處理大數(shù)據(jù)的能力和技術(shù)儲(chǔ)備。本平臺(tái)在現(xiàn)有基礎(chǔ)IT資源上進(jìn)行了合理的規(guī)劃，利用項(xiàng)目單位已有的云計(jì)算節(jié)點(diǎn)，結(jié)合本項(xiàng)目云計(jì)算和大數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)需求，進(jìn)行了針對(duì)性的優(yōu)化和擴(kuò)容，最大化提高了設(shè)備的利用率。

保險(xiǎn)風(fēng)控AI云平臺(tái)基礎(chǔ)資源主要三個(gè)部分：大數(shù)據(jù)存儲(chǔ)群組、大數(shù)據(jù)感知群組和AI分析群組。該資源配置方案基于虛擬化、分布式集群等技術(shù)構(gòu)建的私有云服務(wù)，支持彈性擴(kuò)容、防DDOS，容災(zāi)，滿足高并發(fā)、高性能，高可用，為用戶提供穩(wěn)定高效的服務(wù)。

（四）關(guān)鍵技術(shù)

1、基于GAM算法的保險(xiǎn)風(fēng)險(xiǎn)成本預(yù)測(cè)模型

GAM在自變量x（即車聯(lián)網(wǎng)駕駛行為數(shù)據(jù)因子）與因變量y（即保險(xiǎn)風(fēng)險(xiǎn)）之間的關(guān)系不確定時(shí)，采用非參數(shù)擬合算法，使擬合后的曲線連續(xù)且至少具有二階導(dǎo)數(shù)，并通過(guò)對(duì)懲罰系數(shù)的調(diào)節(jié)，調(diào)整曲線的平滑度，減緩過(guò)度擬合。

2、基于循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）算法的交通事故實(shí)時(shí)預(yù)警模型

應(yīng)用該模型算法，可將每一次車機(jī)上傳的原始報(bào)點(diǎn)數(shù)據(jù)所包含的時(shí)間、位置、速度、方向等信息作為一層輸入神經(jīng)元，將前后連續(xù)的多個(gè)報(bào)點(diǎn)數(shù)據(jù)相連，形成循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過(guò)使用大量樣本數(shù)據(jù)訓(xùn)練模型，使模型能夠準(zhǔn)確識(shí)別出車輛在發(fā)生交通事故時(shí)的獨(dú)有特征。

3、基于馬爾科夫模型的車輛位置點(diǎn)道路匹配算法

道路匹配是一種基于軟件技術(shù)的定位修正方法，其基本思想是將車輛定位軌跡與數(shù)字地圖中的道路網(wǎng)信息聯(lián)系起來(lái)，將行車軌跡的經(jīng)緯度采樣序列與數(shù)字地圖路網(wǎng)匹配的過(guò)程，其本質(zhì)上是平面線段序列的模式匹配問(wèn)題，目的就是有效地提高車輛定位目標(biāo)的精度，并保持定位結(jié)果的穩(wěn)定性。

4、基于Mapreduce的并行計(jì)算模型

本課題基于4PB的貨運(yùn)車輛相關(guān)歷史行駛數(shù)據(jù)建立了MapReduce大數(shù)據(jù)在線與離線協(xié)同處理框架，涉及500多萬(wàn)輛貨車和800多個(gè)數(shù)據(jù)字段，包括車輛類型、道路級(jí)別、交通狀態(tài)、周邊設(shè)施、車輛狀態(tài)、車輛位置、速度等屬性，建立目標(biāo)導(dǎo)向的多維精準(zhǔn)挖掘分析技術(shù)，實(shí)現(xiàn)個(gè)體到群體、過(guò)程到全程的實(shí)時(shí)預(yù)警分析能力，大大提升了平臺(tái)實(shí)時(shí)分析效率。

5、具有道路貨運(yùn)行業(yè)特色的專用地理信息系統(tǒng)引擎

本項(xiàng)目使用了項(xiàng)目單位自主研發(fā)的具有道路貨運(yùn)行業(yè)特色的專用地理信息系統(tǒng)引擎，該引擎有效的解決了海量基礎(chǔ)地理數(shù)據(jù)、行業(yè)深度數(shù)據(jù)、貨車行駛數(shù)據(jù)的融合問(wèn)題，并在此基礎(chǔ)上研發(fā)了一系列滿足道路貨運(yùn)行業(yè)應(yīng)用需求的特色功能。

該引擎具備高性能的海量移動(dòng)目標(biāo)可視化能力，支持二次開(kāi)發(fā)；為道路貨運(yùn)行業(yè)應(yīng)用開(kāi)發(fā)、道路貨運(yùn)行業(yè)開(kāi)放平臺(tái)提供強(qiáng)大的空間數(shù)據(jù)管理能力。同時(shí)也為本課題的軌跡補(bǔ)齊、道路匹配、空間運(yùn)算等技術(shù)提供必要的基礎(chǔ)支撐。

（五）主要?jiǎng)?chuàng)新點(diǎn)1、國(guó)內(nèi)首創(chuàng)運(yùn)用車聯(lián)網(wǎng)大數(shù)據(jù)建立重載貨車保險(xiǎn)風(fēng)險(xiǎn)預(yù)測(cè)模型

根據(jù)重載貨車的日常行駛特征，將車聯(lián)網(wǎng)大數(shù)據(jù)整理、加工成運(yùn)營(yíng)數(shù)據(jù)、道路數(shù)據(jù)、駕駛數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)4大類，具體包括運(yùn)營(yíng)率、日均行駛里程、高速公路行駛里程占比、夜間行駛里程占比、超速行駛時(shí)長(zhǎng)占比、日均疲勞駕駛里程、常跑路線運(yùn)營(yíng)次數(shù)占比等數(shù)十項(xiàng)駕駛行為數(shù)據(jù)因子，結(jié)合中國(guó)保信所提供的商業(yè)車險(xiǎn)承保、理賠數(shù)據(jù)，采用行業(yè)領(lǐng)先的GAM算法建立了保險(xiǎn)風(fēng)險(xiǎn)預(yù)測(cè)模型，通過(guò)分析車輛過(guò)去的日常行駛特征，準(zhǔn)確預(yù)測(cè)其未來(lái)的保險(xiǎn)風(fēng)險(xiǎn)成本。

模型有效地提高了保險(xiǎn)公司對(duì)重載貨車商業(yè)車險(xiǎn)的核保能力，得到了保險(xiǎn)行業(yè)主流大公司的一致認(rèn)可，并被中國(guó)保信相關(guān)負(fù)責(zé)人評(píng)價(jià)為“是保險(xiǎn)行業(yè)首次引入車聯(lián)網(wǎng)從用動(dòng)態(tài)數(shù)據(jù)因子，對(duì)整個(gè)保險(xiǎn)行業(yè)具有重要的戰(zhàn)略性、創(chuàng)新性意義！”。

圖4-3 保險(xiǎn)風(fēng)險(xiǎn)預(yù)測(cè)模型示意圖

2、國(guó)內(nèi)首個(gè)基于RNN和Hadoop技術(shù)的交通事故偵測(cè)云平臺(tái)

在海量車聯(lián)網(wǎng)大數(shù)據(jù)基礎(chǔ)上，本項(xiàng)目有效融合權(quán)威第三方的交通事故歷史記錄、車旺大卡APP（注冊(cè)用戶為450多萬(wàn)車主、司機(jī)用戶，日活用戶超過(guò)200萬(wàn)）位置信息乃至天氣、路況等數(shù)據(jù)，形成多維度的車聯(lián)網(wǎng)大數(shù)據(jù)，并根據(jù)車聯(lián)網(wǎng)數(shù)據(jù)的動(dòng)態(tài)性、時(shí)序性、復(fù)雜性等特征，我們創(chuàng)造性地將循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Networks）算法應(yīng)用于多源數(shù)據(jù)融合后的車聯(lián)網(wǎng)大數(shù)據(jù)，開(kāi)發(fā)出基于車聯(lián)網(wǎng)大數(shù)據(jù)的交通事故識(shí)別模型。同時(shí)采用流式計(jì)算等實(shí)時(shí)數(shù)據(jù)分析處理技術(shù)搭建了國(guó)內(nèi)首個(gè)交通事故實(shí)時(shí)偵測(cè)云平臺(tái)，實(shí)現(xiàn)對(duì)500多萬(wàn)輛貨車駕駛行為的動(dòng)態(tài)監(jiān)測(cè)與實(shí)時(shí)分析運(yùn)算，第一時(shí)間準(zhǔn)確地偵測(cè)出交通事故的發(fā)生，還原事故現(xiàn)場(chǎng)并及時(shí)通知救護(hù)人員，從而降低人身傷亡比率，形成積極地社會(huì)效益。

3、基于多源數(shù)據(jù)融合技術(shù)首創(chuàng)商用車?yán)碣r反欺詐智能引擎

為了防范和識(shí)別保險(xiǎn)欺詐行為，本項(xiàng)目創(chuàng)新性的引入車聯(lián)網(wǎng)大數(shù)據(jù)和用戶手機(jī)數(shù)據(jù)，著重進(jìn)行多源數(shù)據(jù)融合研究和建模，從而在用戶出險(xiǎn)報(bào)警后，云平臺(tái)及時(shí)分析出車輛是否有欺詐嫌疑。

本算法引擎的創(chuàng)新意義在于，所述根據(jù)匹配結(jié)果對(duì)所述用戶上報(bào)的數(shù)據(jù)信息進(jìn)行評(píng)分，并根據(jù)評(píng)分結(jié)果確定所述用戶是否存在欺詐行為，包括：分別對(duì)所述第一數(shù)據(jù)信息的每個(gè)信息進(jìn)行評(píng)分，并將總的評(píng)分結(jié)果和預(yù)設(shè)評(píng)分規(guī)則進(jìn)行對(duì)應(yīng)，根據(jù)對(duì)應(yīng)的結(jié)果確定所述用戶是否存在欺詐行為；或者，分別對(duì)所述第一數(shù)據(jù)信息的每個(gè)信息進(jìn)行評(píng)分，并將每個(gè)信息的評(píng)分結(jié)果和所述預(yù)設(shè)評(píng)分規(guī)則進(jìn)行對(duì)應(yīng)，根據(jù)對(duì)應(yīng)結(jié)果確定所述用戶是否存在欺詐行為。

4、首創(chuàng)基于道路匹配算法評(píng)估商用車運(yùn)營(yíng)安全系數(shù)

當(dāng)前現(xiàn)有的核保政策主要針對(duì)車輛的車價(jià)、車型、車齡等自然屬性以及上一年的出險(xiǎn)次數(shù)，忽略了客戶/司機(jī)的駕駛習(xí)慣、理賠成本等特征信息，基本沒(méi)有綜合考慮風(fēng)險(xiǎn)因素，因而不是對(duì)客戶風(fēng)險(xiǎn)的全面評(píng)估，特別是對(duì)商用車的運(yùn)營(yíng)安全相關(guān)風(fēng)險(xiǎn)沒(méi)有具體的評(píng)估方法和管控手段。

本項(xiàng)目創(chuàng)新性的將道路匹配算法和空間數(shù)據(jù)運(yùn)算進(jìn)行有效整合，通過(guò)確定每種道路的危險(xiǎn)類型并對(duì)每種危險(xiǎn)道路進(jìn)行編號(hào)，然后綜合保險(xiǎn)公司出險(xiǎn)記錄以及全國(guó)貨運(yùn)平臺(tái)的路段安全隱患統(tǒng)計(jì)結(jié)果確定危險(xiǎn)道路的危險(xiǎn)類型和危險(xiǎn)程度，從而確定權(quán)重系數(shù)，然后根據(jù)貨車途經(jīng)危險(xiǎn)道路編號(hào)的次數(shù)統(tǒng)計(jì)出貨車途經(jīng)每種道路類型危險(xiǎn)的頻次，最后通過(guò)對(duì)所頻次求加權(quán)平均值的方式得出貨車危險(xiǎn)程度評(píng)分。

五、實(shí)施效果（一）保前風(fēng)險(xiǎn)評(píng)測(cè)模型準(zhǔn)確可靠，受到行業(yè)一致認(rèn)可

相比于傳統(tǒng)定價(jià)因子，車聯(lián)網(wǎng)數(shù)據(jù)因子具有復(fù)雜性、連續(xù)性、動(dòng)態(tài)性等諸多新特點(diǎn)，行業(yè)內(nèi)普遍采用的GLM模型顯然并不適用。為此，本項(xiàng)目研發(fā)團(tuán)隊(duì)與中國(guó)保信合作，結(jié)合美國(guó)斯坦福大學(xué)等名校的知名教授們所提出的全新理論，根據(jù)車聯(lián)網(wǎng)數(shù)據(jù)獨(dú)有的特征，創(chuàng)造性地建立了基于車聯(lián)網(wǎng)數(shù)據(jù)的保險(xiǎn)風(fēng)險(xiǎn)預(yù)測(cè)模型。該模型在技術(shù)水平上大大領(lǐng)先于行業(yè)，并且經(jīng)過(guò)了人保財(cái)險(xiǎn)、平安財(cái)險(xiǎn)、大地財(cái)險(xiǎn)等十余家大型保險(xiǎn)公司總部的實(shí)際校驗(yàn)，模型評(píng)測(cè)結(jié)果相比傳統(tǒng)車險(xiǎn)定價(jià)模型有本質(zhì)的提升。

圖5-4 保險(xiǎn)風(fēng)險(xiǎn)預(yù)測(cè)模型效果展示圖

如圖所示，模型預(yù)測(cè)結(jié)果與實(shí)際承保結(jié)果非常吻合，充分體現(xiàn)了模型的準(zhǔn)確可靠性，并且每組之間的出險(xiǎn)頻率上升趨勢(shì)明顯，這也體現(xiàn)了模型的靈敏度。一般來(lái)說(shuō)，傳統(tǒng)保險(xiǎn)定價(jià)模型的預(yù)測(cè)結(jié)果，風(fēng)險(xiǎn)最高組與風(fēng)險(xiǎn)最低組的差異（提升度）不會(huì)超過(guò)3倍，而加入了車聯(lián)網(wǎng)數(shù)據(jù)因子后，本模型的提升度達(dá)到了4.3倍，效果遠(yuǎn)超傳統(tǒng)模型。

經(jīng)過(guò)了前期充分的準(zhǔn)備工作后，2018年8月10日，項(xiàng)目組成功向全行業(yè)發(fā)布了首個(gè)面向保險(xiǎn)行業(yè)風(fēng)險(xiǎn)管理應(yīng)用的重載貨車車聯(lián)網(wǎng)數(shù)據(jù)服務(wù)產(chǎn)品。借助該服務(wù)，保險(xiǎn)公司可以獲取多維度的車輛動(dòng)態(tài)從用數(shù)據(jù)因子和風(fēng)險(xiǎn)評(píng)分，精準(zhǔn)識(shí)別車險(xiǎn)運(yùn)營(yíng)風(fēng)險(xiǎn)，實(shí)現(xiàn)重載貨車車險(xiǎn)精準(zhǔn)定價(jià)，并有效實(shí)施風(fēng)險(xiǎn)管控措施。

（二）保中風(fēng)險(xiǎn)管控有效降低了車輛的行駛風(fēng)險(xiǎn)，實(shí)現(xiàn)了司機(jī)、車隊(duì)、保險(xiǎn)主體多方共贏的局面

本平臺(tái)結(jié)合大數(shù)據(jù)技術(shù)、智能分析、實(shí)時(shí)計(jì)算技術(shù)，對(duì)車輛行駛行為、駕駛員行為進(jìn)行分析，并實(shí)時(shí)提醒，可有效糾正駕駛者的不良駕駛習(xí)慣，提高駕駛安全系數(shù)。

根據(jù)占全國(guó)貨車保險(xiǎn)市場(chǎng)份額40%以上的國(guó)內(nèi)第一大財(cái)產(chǎn)保險(xiǎn)公司人保財(cái)險(xiǎn)的數(shù)據(jù)分析報(bào)告顯示，貨運(yùn)車輛出險(xiǎn)率自2013年本平臺(tái)提供危險(xiǎn)駕駛行為實(shí)時(shí)提醒服務(wù)后持續(xù)降低，載重10噸以上的貨車降幅顯著。2016年，貨運(yùn)車輛總體出險(xiǎn)率為24.9%，較2013年下降1.1個(gè)百分點(diǎn)。載重噸位10噸以上貨車出險(xiǎn)率為33.4%，較2013年降低6.1個(gè)百分點(diǎn)；10噸以下出險(xiǎn)率為16.8%，較2013年下降0.9個(gè)百分點(diǎn)可見(jiàn)，隨著本平臺(tái)保中提醒功能的完善和覆蓋車輛范圍的不斷擴(kuò)大，其出險(xiǎn)率有了顯著地改善。

圖5-5 人保財(cái)險(xiǎn)報(bào)告

（三）智能理賠評(píng)估體系，有效協(xié)助保險(xiǎn)公司進(jìn)行賠案反欺詐排查。1、理賠支持-軌跡查詢功能。

以國(guó)內(nèi)某知名險(xiǎn)企為例：2018年4月-8月末，5個(gè)月內(nèi)有效查詢次數(shù)2339次，直接減損數(shù)額515.74萬(wàn)元，次均查詢反欺詐減損0.22萬(wàn)元，案均賠付成本降低5%-10%。結(jié)合實(shí)際使用情況發(fā)現(xiàn)，對(duì)車輛套牌、小案大作、虛假拼湊、換駕逃逸等典型類型事故能做到快速識(shí)別和排查指引，得到業(yè)內(nèi)使用單位的一致認(rèn)可。

2、理賠支持-事故真實(shí)性回溯模型。

對(duì)照險(xiǎn)企歷史車輛出險(xiǎn)信息，通過(guò)模型算法自動(dòng)對(duì)車輛特定時(shí)段在?？繀^(qū)域、?？繒r(shí)長(zhǎng)、停運(yùn)時(shí)長(zhǎng)等事故特征因素進(jìn)行數(shù)據(jù)調(diào)取、匹配校驗(yàn)后給予綜合真實(shí)度評(píng)定。簡(jiǎn)化了原有人工核對(duì)、經(jīng)辦人現(xiàn)場(chǎng)核查的原始排查手段，將簡(jiǎn)易事故回溯定性排查時(shí)效縮短至分鐘級(jí)，讓險(xiǎn)企在賠案審核上增加了AI手段，助力保險(xiǎn)行業(yè)縮短賠付時(shí)效和提升客戶服務(wù)感受。項(xiàng)目開(kāi)發(fā)至今不足1個(gè)月的時(shí)間內(nèi)，已幫助險(xiǎn)企完成賠案回溯1400余筆，發(fā)現(xiàn)問(wèn)題案件20余筆，反欺詐減損170余萬(wàn)元，成效斐然。

（四）實(shí)時(shí)發(fā)現(xiàn)重大交通事故。

通過(guò)后臺(tái)實(shí)時(shí)車輛運(yùn)營(yíng)數(shù)據(jù)的分析，對(duì)重大交通事故產(chǎn)生所具備的常規(guī)特征，例如：非常規(guī)減速度值、特定速度下的非常規(guī)制動(dòng)距離值等核心數(shù)值進(jìn)行實(shí)時(shí)抓取，再結(jié)合實(shí)時(shí)路段情況（擁堵與否、連續(xù)下坡、危險(xiǎn)路段等）對(duì)比路過(guò)車輛的速度變化情況，采集點(diǎn)預(yù)警提示、駕駛員制動(dòng)措施等一系列輔助手段綜合進(jìn)行事故實(shí)時(shí)判定，尤其重點(diǎn)關(guān)注高速公路惡性事故的實(shí)時(shí)發(fā)現(xiàn)。

目前日均發(fā)現(xiàn)并通過(guò)驗(yàn)證確認(rèn)的事故數(shù)30余筆。事故實(shí)時(shí)發(fā)現(xiàn)的初衷是最快的時(shí)間準(zhǔn)確發(fā)現(xiàn)事故，為人員搶救、車輛施救、恢復(fù)交通盡可能地爭(zhēng)取時(shí)間。驗(yàn)證過(guò)程中，很大一部分是早于車主知悉事故，該功能的實(shí)現(xiàn)和初衷，得到當(dāng)事人的普遍認(rèn)可。

六、總結(jié)與展望

保險(xiǎn)風(fēng)控AI云平臺(tái)的建設(shè)和實(shí)施是中交興路針對(duì)貨運(yùn)大數(shù)據(jù)的一次完整的價(jià)值應(yīng)用旅程。在如今貨運(yùn)行業(yè)持續(xù)升級(jí)的時(shí)代，大數(shù)據(jù)已經(jīng)成為助推行業(yè)向更高效、更便捷、更安全方向發(fā)展的有力武器。在人、車、企、貨方面的風(fēng)險(xiǎn)預(yù)測(cè)、業(yè)務(wù)效率的提高、成本的降低、安全監(jiān)管、事故發(fā)現(xiàn)、事故救援方面，以數(shù)據(jù)為基礎(chǔ)、技術(shù)為核心的數(shù)據(jù)應(yīng)用實(shí)現(xiàn)了實(shí)實(shí)在在的效果。不僅改善了保險(xiǎn)行業(yè)的服務(wù)環(huán)境，提高保險(xiǎn)公司業(yè)務(wù)提升，降低投保人員成本負(fù)擔(dān)。同時(shí)在公共道路安全監(jiān)管和服務(wù)方面，能夠?yàn)檎畣挝?、物流、貨主、融資租賃等企業(yè)提供貨運(yùn)車輛、駕駛員等信息驗(yàn)證，實(shí)時(shí)可視化車輛在途監(jiān)測(cè)，規(guī)范駕駛員不良駕駛行為，成功降低貨車事故的發(fā)生比率，為中國(guó)道路運(yùn)輸管理工作加注更智能的安全防線。

在未來(lái)，中交興路依然會(huì)在貨運(yùn)大數(shù)據(jù)的應(yīng)用上，進(jìn)行更加深入的開(kāi)發(fā)和應(yīng)用。圍繞貨運(yùn)場(chǎng)景，包括用油、過(guò)路、保險(xiǎn)、金融、運(yùn)力、管車、找貨等方面提供更加便捷、優(yōu)惠、安全的一站式服務(wù)。為中國(guó)1400萬(wàn)營(yíng)運(yùn)車輛，3000萬(wàn)公路貨運(yùn)從業(yè)者及家庭提供生產(chǎn)、生活服務(wù)于保障。