成为智能全球首创：能够进行机器学习的商用车驾驶行为评分模型

近日，全球首个商用车驾驶行为评分模型和驾驶行为评分模式库正式上线。它可以为11种类型的商用车模型构建不同的数据模型，并通过机器学习不断优化数据模型，准确判断各类商用车驾驶员的驾驶行为，为保险公司提供更准确的定价因素。事实上，驾驶行为评级模型不再是一个新的话题。在美国，私家车车主可以使用Verisk Analytics计算他们的驾驶分数，并向当地保险公司寻求折扣。放眼全球，还没有一个驾驶行为评级模型可以应用于商用车。而今天，世界顶级UBI巨头没有实现的，一家中国车联网企业实现了！

商用车驾驶行为评分模型更多地利用大数据技术和机器学习对OBD基础数据、维修数据、天气路况数据、交通违法数据、保险理赔数据等海量数据进行预处理和分析。应用于车辆属性识别、驾驶员属性识别、个性化定价、价值参数计算，分类比价和反保险欺诈评估功能，更准确地评估驾驶员的驾驶行为，识别他们的事故风险和风险里程*半监督无监督机器学习：在模型过程中，数据被吞噬，自动训练，自适应模型的关键参数被更新，并且自动输出驾驶行为得分和风险里程。开创性的算法首先提出了风险里程的概念：基于驾驶员行驶100公里产生的驾驶行为数据计算的EW-AHP驾驶行为得分是驾驶员的基线驾驶安全裕度。驾驶安全裕度从1到100分为100个相等的部分，其中1是驾驶安全裕度的最小值，表示最大风险，100是最大值，表示最小风险。根据驾驶分数和风险里程数，可以对驾驶员进行风险分类。例如，如果车主A和B一起跑100公里，使用风险里程算法，可以得出A的风险里程为150公里，B的风险里程是60公里。A行驶了100公里，但相当于一个普通人行驶150公里的风险，而B行驶100公里，仅相当于一名普通人行驶60公里的风险。保险公司可以将汽车保险费率与驾驶行为评分和风险里程数联系起来。当车险费率的确定与驾驶风险更加匹配时，驾驶习惯好、驾驶风险低的驾驶员可以享受更多的费率折扣；在正常驾驶过程中，不良驾驶习惯较多、驾驶风险较高的驾驶员需要承担更高的保费。驾驶行为评级模型的实际应用是基于UBI车险费率确定方法。在计算车险费率时，应根据驾驶员的驾驶行为得分建立车险费率与驾驶行为得分之间的联系模型。应确定驾驶员的费率调整系数，并将基本费率乘以费率调整系数以获得驾驶员的最终汽车保险费。该算法已被实现为一个高性能软件开发包，可以通过Java语言轻松调用，并可以在Linux和Windows等主流服务器系统上运行。这种基于“风险里程”的驾驶行为评分模型已应用于中国十大保险公司。研究表明，驾驶员的驾驶行为是交通事故的重要影响因素之一，但现有的车险费率确定更多是基于车辆和驾驶员的自然属性，没有对驾驶员进行全面的风险评估，尤其是缺乏驾驶行为和风险里程。使用基于UBI的驾驶员汽车保险费率确定是一种趋势。有限公司自2006年成立以来，一直致力于探索车联网领域的核心技术。由行业专家和技术人员联合开发的驾驶行为评分模型和驾驶行为评分模式库可以帮助保险公司选择最优质的司机，并提供更好的对等服务，从而降低赔偿成本。基于驾驶行为评分模型的UBI车险费率确定模型，对于促进车险费率的差异化和合理化，减少交通事故的发生，提高道路安全具有重要的现实意义。

标签：

汽车资讯热门资讯