一种基于里程和驾驶行为安全性的保费扣减方法
【专利摘要】本发明属于车辆保险技术领域，具体涉及一种基于里程和驾驶行为安全性的保费扣减方法。所述方法包括如下步骤：(1)采集数据源；(2)根据数据源初步设定表示驾驶行为风险因子的变量，用Logistic回归模型对变量进行建模，根据Logistic回归模型求概率的方法求出用于评价驾驶行为安全性的风险概率；(3)求出每公里的安全得分和安全驾驶系数；(4)构建保费扣减模型。本发明所述方法通过记录使用行为数据，建模分析并量化驾驶行为，构建基于行为科学的安全评分体系，显著提高了保费的定价和扣减的公平性、科学性。
【专利说明】
-种基于里程和驾驶行为安全性的保费扣减方法
技术领域
[0001] 本发明属于车辆保险技术领域，具体设及一种基于里程和驾驶行为安全性的保费 扣减方法。
【背景技术】
[0002] 在车辆保险的发展过程中，定价模式一直是推动车辆保险进步的重要因素。中国 目前基本仍处于保额定价阶段，并正在向半保额、半车型定价过渡。无论是保额定价还是车 型定价，在运些传统的定价模式中，定价因子包括从车、从地、从用和从人等因素。其中，"从 用"指使用类别，即是营业用车还是家庭自用车；"从人"是静态概念下的因素，如年龄、性 另IJ、婚姻和职业等。运些定价因子在一定程度上反映了风险差异，但仍然不能客观的反映风 险状况，因为，"基于使用的风险"是车辆保险的最重要风险因素，如驾驶行为习惯；即使是 年龄、性别、婚姻和职业均相同的人，他们之间的驾驶行为习惯可能存在天壤之别，出险率 可能大不相同。因此，传统的保额定价和车型定价运种"静态模式"均面临科学性和公平性 的挑战。上述现有技术存在准确性低、不够科学公平的缺陷。
[0003] 车联网和大数据技术的出现，给破解传统定价模式局限带来可能。在本发明提出 的"基于里程和驾驶行为安全性的保费扣减方法"定价模式中，"用"和"人"更多的是指动态 概念，基于个体的实际使用情况，包括行驶里程、时间、区域及驾驶行为习惯等，其中驾驶行 为是考量的重点。
【发明内容】
[0004] 本发明的目的是针对现有技术的不足，提供一种准确性高、更为科学和公平的基 于里程和驾驶行为安全性的保费扣减方法。
[0005] 本发明解决问题的技术方案是：一种基于里程和驾驶行为安全性的保费扣减方 法，包括如下步骤：
[0006] (1)采集数据源，所述数据源包括驾驶员的信息、车辆信息、天气信息、道路信息、 路况信息、车辆传感器数据；
[0007] (2)根据数据源初步设定表示驾驶行为风险因子的变量，用Logistic回归模型对 变量进行建模，根据Logistic回归模型求概率的方法求出用于评价驾驶行为安全性的风险 概率；
[000引（3)求出每公里的安全得分和安全驾驶系数：
[0009] 安全得分的计算公式为：
[0010] Si=100-(p 广 0.5)X20，
[OOW 其中，S康示第i公里的安全得分，Pi表示第i公里的风险概率，1 = 1，2，。'11，11表示 行驶的公里数；
[0012]根据每公里的安全得分，得出每公里所对应的安全驾驶系数，安全得分和安全驾 驶系数的对应关系如下：
[0013] 安全得分为[96~100]，[90~95]，[80~89]，[60~79]，[40~59]，[20~39]，[0~ 19]对应的安全驾驶系数分别为0.5,0.75，1，1.5,2,3,5;
[0014] (4)构建保费扣减模型：所述保费扣减模型的公式为：
[0015]
[0016] 其中，B表示保费余额，IP表示保费总金额，Cl表示第i公里的安全驾驶系数，U表示 每公里基础单价，U的计算公式为：
[0017]
[0018] 其中，D表示车辆对应的车型的年行驶里程数，所述D通过获取所述车辆的车辆品 牌，查询车辆品牌的年行驶里程数据库获得。
[0019] 进一步地，所述步骤(2)包括如下步骤：
[0020] (2.1)根据数据源初步设定表示驾驶行为风险因子的变量；
[0021] (2.2)用Logistic回归模型对变量数据进行建模；
[0022] (2.3)采用AIC信息准则（Akaike Information Criterion,赤池信息量准则）对 Logistic回归模型的回归结果进行变量筛选，筛选出的变量的数目为k;
[0023] (2.4)基于筛选出的k个变量，计算每公里的风险概率，计算公式为：
[0024]
[0025] 其中，Pi表示第i公里的风险概率，Xk表示第k个变量，故表示第k个变量在第i公里 的回归系数。
[0026] 进一步地，所述步骤(2.1)中，初步设定的变量的数目为96个，包括1个因变量和95 个自变量。
[0027] 进一步地，所述步骤(2.3)中，所述筛选出的变量的数目k = 13。
[0028] 进一步地，13个所述筛选出的变量为年化累计里程、累积出行天数、日均出行数、 平均瞬时油耗、平均正向方向盘转角、平均负向方向盘转角的绝对值、时速标准差、方向盘 转角标准差、加速度标准差、最小加速度的绝对值、百公里急减速次数、夜间出行时长占总 出行时间比例、90km A W上速度出行时间占比。
[0029] 进一步地，所述步骤（1)中，所述车辆传感器数据通过在车辆前安装车载T-BOX (Telematics BOX,远程信息处理器)设备或在车辆后安装OBD(On-Board Dia即OStic，车载 诊断系统)设备获取。
[0030] 进一步地，所述车辆传感器数据包括车架号、数据接收时间、经度、缔度、公里里 程、前左轮的胎压、前右轮的胎压、后左轮的胎压、后右轮的胎压、瞬时油耗、纵向加速度、W 转角计量的方向盘的位置、方向盘的转速、车速、发动机速度，W及前左口、前右口、后左口、 后右口、后备箱、方向盘传感器的状态，所述状态为开或关。
[0031] 优选地，所述步骤（1)中，所述驾驶员的信息包括:性别、年龄、教育程度、婚否、收 入、职业、驾龄、工作地、居住地；
[0032] 所述车辆信息包括:车型、车龄、手自动、燃料种类、车价、车颜色；
[0033] 所述天气信息包括：正常、小雨、中雨、大雨、小雪、中雪、大雪、微风、大风、赃风、 雾、雾靈；
[0034] 所述道路信息包括:高速、国道、省道、县道、乡道、县乡村内部道、城市快速道、主 要道路、次要道路、普通道路、小路；
[0035] 所述路况信息包括:杨通、缓行、拥堵、车流平均速度。
[0036] 优选地，所述步骤(2.1)中，96个所述初步设定的变量如下表所示：
[0037]
[00；3 引
[0043]
[0044] 本发明的有益效果为:本发明所述方法通过感应系统，记录使用行为数据，建模分 析并量化驾驶行为，构建基于行为科学的安全评分体系，显著提高了保费的定价和扣减的 公平性、科学性。同时，通过对风险因子进行甄选，明确了和风险高度相关的风险因子及各 自权重，为科学评价每一段驾驶表现的风险概率提供依据。
【附图说明】
[0045] 图1是本发明所述基于里程和驾驶行为安全性的保费扣减方法的流程图。
【具体实施方式】
[0046] 下面结合附图和【具体实施方式】，对本发明作进一步的说明。
[0047] 如图1所示，一种基于里程和驾驶行为安全性的保费扣减方法，包括如下步骤：
[004引（1)采集数据源，所述数据源包括驾驶员的信息、车辆信息、天气信息、道路信息、 路况信息、车辆传感器数据；
[0049] (2)根据数据源初步设定表示驾驶行为风险因子的变量，用Logistic回归模型对 变量进行建模，根据Logistic回归模型求概率的方法求出用于评价驾驶行为安全性的风险 概率；
[0050] (3)求出每公里的安全得分和安全驾驶系数：
[0051] 安全得分的计算公式为：
[0052] Si=100-(pr0.5)X20，
[0053] 其中，Si表示第i公里的安全得分，Pi表示第i公里的风险概率，1 = 1，2，-'11，11表示 行驶的公里数；
[0054] 根据每公里的安全得分，得出每公里所对应的安全驾驶系数，安全得分和安全驾 驶系数的对应关系如下：
[0055] 安全得分为[96~100]，[90~95]，[80~89]，[60~79]，[40~59]，[20~39]，[0~ 19]对应的安全驾驶系数分别为0.5,0.75，1，1.5,2,3,5;
[0化6] (4)构律保费扣减橫巧：所沐保费扣减模型的公式为：
[0化7]
[005引其中，B表示保费余额，IP表示保费总金额，Cl表示第i公里的安全驾驶系数，U表示 每公里基础单价，U的计算公式为：
[0化9]
[0060] 其中，D表示车辆对应的车型的年行驶里程数，所述D通过获取所述车辆的车辆品 牌，查询车辆品牌的年行驶里程数据库获得。
[0061] 所述步骤(2)包括如下步骤：
[0062] (2.1)根据数据源初步设定表示驾驶行为风险因子的变量；
[0063] (2.2)用Logistic回归模型对变量数据进行建模；
[0064] (2.3)采用AIC信息准则对Logistic回归模型的回归结果进行变量筛选，筛选出的 变量的数目为k;
[0065] (2.4)基于筛选出的k个变量，计算每公里的风险概率，计算公式为：
[0066]
,
[0067] 其中，Pi表示第i公里的风险概率，Xk表示第k个变量，故表示第k个变量在第i公里 的回归系数。
[0068] 所述步骤(2.1)中，初步设定的变量的数目为96个，包括1个因变量和95个自变量。
[0069] 所述步骤(2.3)中，所述筛选出的变量的数目k = 13。
[0070] 13个所述筛选出的变量为年化累计里程、累积出行天数、日均出行数、平均瞬时油 耗、平均正向方向盘转角、平均负向方向盘转角的绝对值、时速标准差、方向盘转角标准差、 加速度标准差、最小加速度的绝对值、百公里急减速次数、夜间出行时长占总出行时间比 例、90km A W上速度出行时间占比。
[0071] 所述步骤(1)中，所述车辆传感器数据通过在车辆前安装T-box设备或在车辆后安 装OBD设备获取。
[0072] 所述车辆传感器数据包括车架号、数据接收时间、经度、缔度、公里里程、前左轮的 胎压、前右轮的胎压、后左轮的胎压、后右轮的胎压、瞬时油耗、纵向加速度、W转角计量的 方向盘的位置、方向盘的转速、车速、发动机速度，W及前左口、前右口、后左口、后右口、后 备箱、方向盘传感器的状态，所述状态为开或关。
[0073] 实施例一
[0074] -种基于里程和驾驶行为安全性的保费扣减方法，包括如下步骤：
[0075] (1)采集数据源，所述数据源包括驾驶员的信息、车辆信息、天气信息、道路信息、 路况信息、车辆传感器数据；
[0076] 所述驾驶员的信息包括:性别、年龄、教育程度、婚否、收入、职业、驾龄、工作地、居 住地；
[0077] 所述车辆信息包括:车型、车龄、手自动、燃料种类、车价、车颜色；
[0078] 所述天气信息包括：正常、小雨、中雨、大雨、小雪、中雪、大雪、微风、大风、赃风、 雾、雾靈；
[0079] 所述道路信息包括:高速、国道、省道、县道、乡道、县乡村内部道、城市快速道、主 要道路、次要道路、普通道路、小路；
[0080] 所述路况信息包括:杨通、缓行、拥堵、车流平均速度。
[0081] 所述车辆传感器数据包括车架号、数据接收时间、经度、缔度、公里里程、前左轮的 胎压、前右轮的胎压、后左轮的胎压、后右轮的胎压、瞬时油耗、纵向加速度、W转角计量的 方向盘的位置、方向盘的转速、车速、发动机速度，W及前左口、前右口、后左口、后右口、后 备箱、方向盘传感器的各自的状态，所述状态为开或关。
[0082] 所述车辆传感器数据通过在车辆前安装车载T-BOX(Telematics BOX,远程信息处 理器)设备或在车辆后安装OBDWn-Board Diagnostic,车载诊断系统)设备获取；
[0083] (2)求取风险概率，具体包括如下步骤：
[0084] (2.1)根据数据源初步设定96个表示驾驶行为风险因子的变量;96个所述初步设 定的变量如下表所示：
[0094]
[OOM] (2.4)基于筛选出的13个变量，计算每公里的风险概率，计算公式为：
[0096]
[0097] 其中，Pi表示第i公里的风险概率，X13表示第13个变量，013表示第13个变量在第i公 里的回归系数。其中，上式中的：
[0098] 00+01X1+...+013X13 = 0+cumdays_yea;r*0.427+cumdays_yea;r*0.254+1:;ripday*- 0.282+mean_consum*-〇.154+mean_psteer*-〇.287+mean_nsteer*-〇.296+sd_speed*- 0.14化sd_stee;r*0.421+sd_acce*-〇. 2：M+accemin*0.135+accen3_pe;r100 *0.386+night_ ratio*0.082+speed90_ratio*-0.182;
[0099] 计算出的风险概率如上表中P值一列所示；
[0100] (3)求出每公里的安全得分和安全驾驶系数：
[0101] 安全得分的计算公式为：
[0102] Si=100-(p 广 0.5)X20，
[0103] 其中，Si表示第i公里的安全得分，Pi表示第i公里的风险概率，1 = 1，2，-'11，11表示 行驶的公里数；
[0104] 根据每公里的安全得分，得出每公里所对应的安全驾驶系数，安全得分和安全驾 驶系数的对应关系如下：
[0105]
~(4)构建保费扣减模型:所述保费扣减模型的公式为:
[0107]
[0108] 其中，B表示保费余额，IP表示保费总金额，Cl表示第i公里的安全驾驶系数，U表示 每公里基础单价，U的计算公式为：
[0109]
[0110] 其中，D表示车辆对应的车型的年行驶里程数，所述D通过获取所述车辆的车辆品 牌，查询车辆品牌的年行驶里程数据库获得。
[0111] 本发明并不限于上述实施方式，在不背离本发明实质内容的情况下，本领域技术 人员可W想到的任何变形、改进、替换均落入本发明的保护范围。
【主权项】
1. 一种基于里程和驾驶行为安全性的保费扣减方法，其特征在于，包括如下步骤： (1) 采集数据源，所述数据源包括驾驶员的信息、车辆信息、天气信息、道路信息、路况 信息、车辆传感器数据； (2) 根据数据源初步设定表示驾驶行为风险因子的变量，用Logistic回归模型对变量 进行建模，根据Logistic回归模型求概率的方法求出用于评价驾驶行为安全性的风险概 率； (3) 求出每公里的安全得分和安全驾驶系数： 安全得分的计算公式为： Si = 100-(pi-0.5) X20， 其中，S1表示第i公里的安全得分，Pl表示第i公里的风险概率，1 = 1，2，~11，11表示行驶 的公里数； 根据每公里的安全得分，得出每公里所对应的安全驾驶系数，安全得分和安全驾驶系 数的对应关系如下： 安全得分为[96~100]，[90~95]，[80~89]，[60~79]，[40~59]，[20~39]，[0~19] 对应的安全驾驶系数分别为0.5,0.75，1，1.5,2,3,5; (4) 构建保费扣减模型:所述保费扣减模型的公式为： B = IP X 60% - X ' 其中，B表示保费余额，IP表示保费总金额，C1表示第i公里的安全驾驶系数，U表示每公 里基础单价，U的计算公式为：兵甲，U衣不半辆对奴的半型的年行驶里程数，所述D通过获取所述车辆的车辆品牌，查 询车辆品牌的年行驶里程数据库获得。2. 根据权利要求1所述的基于里程和驾驶行为安全性的保费扣减方法，其特征在于，所 述步骤(2)包括如下步骤： (2.1) 根据数据源初步设定表示驾驶行为风险因子的变量； (2.2) 用Logi st i c回归模型对变量数据进行建模； (2.3) 采用AIC信息准则对Logistic回归模型的回归结果进行变量筛选，筛选出的变量 的数目为k; (2.4) 基于筛选出的k个变量，计算每公里的风险概率，计算公式为：其中，P1表示第i公里的风险概率，Xk表示第k个变量，&表示第k个变量在第i公里的回 归系数。3. 根据权利要求2所述的基于里程和驾驶行为安全性的保费扣减方法，其特征在于，所 述步骤(2.1)中，初步设定的变量的数目为96个，包括1个因变量和95个自变量。4. 根据权利要求2所述的基于里程和驾驶行为安全性的保费扣减方法，其特征在于，所 述步骤(2.3)中，所述筛选出的变量的数目k=13。5. 根据权利要求4所述的基于里程和驾驶行为安全性的保费扣减方法，其特征在于，13 个所述筛选出的变量为年化累计里程、累积出行天数、日均出行数、平均瞬时油耗、平均正 向方向盘转角、平均负向方向盘转角的绝对值、时速标准差、方向盘转角标准差、加速度标 准差、最小加速度的绝对值、百公里急减速次数、夜间出行时长占总出行时间比例、90km/h 以上速度出行时间占比。6. 根据权利要求1所述的基于里程和驾驶行为安全性的保费扣减方法，其特征在于，所 述步骤（1)中，所述车辆传感器数据通过在车辆前安装车载T-BOX设备或在车辆后安装OBD 设备获取。7. 根据权利要求6所述的基于里程和驾驶行为安全性的保费扣减方法，其特征在于，所 述车辆传感器数据包括车架号、数据接收时间、经度、炜度、公里里程、前左轮的胎压、前右 轮的胎压、后左轮的胎压、后右轮的胎压、瞬时油耗、纵向加速度、以转角计量的方向盘的位 置、方向盘的转速、车速、发动机速度，以及前左门、前右门、后左门、后右门、后备箱、方向盘 传感器的状态，所述状态为开或关。
【文档编号】G06Q10/06GK106022926SQ201610353220
【公开日】2016年10月12日
【申请日】2016年5月25日
【发明人】黄亮
【申请人】彩虹无线（北京）新技术有限公司