分析大数据在车辆保险风险管理中的应用

1引言

2015年2月，中华人民共和国保险监督管理委员会印发《关于深化商业车险条款费率管理制度改革的意见》，要求商业车险费率市场化，保险公司将拥有自主拟定商业车险费率的权力。保险公司可以依据消费者驾驶行为、违规(章)记录、车辆零配件价格、维修成本、历史出险记录等一系列因子，对每张保单进行差异化定价。目前与之相对应的保险形式是基于驾驶行为的保险——UBI[2]。对于UBI的定义，通常有两种解释：一种是usagebasedinsurance，即按车辆使用里程数付费的保险;另一种是userbehaviorinsurance，即按驾驶人行为来设计的保险。

简单的UBI项目根据车辆实际的里程数收取保费，而更先进的UBI项目则根据使用车辆的时间、位置以及个人驾驶习惯计算风险暴露。UBI的传统实现方式依赖于OBD(onboarddiagnostics，车载诊断系统)对车辆各方面数据的读取技术，但OBD使用功能单一、涉及用户隐私问题，用户缺少使用驱动力，在国内私家车用户中推广尤其缓慢。如今随着智能手机的普及和4G通信的迅速铺开，可以通过车主手机实现车辆位置信息的实时传输，从而可以对车主习惯的驾驶区域和路线进行客观风险分析，这将对车险相关的定价、理赔以及后续服务提供支持。

本文主要就通过手机定位的车辆位置信息在车辆保险风险管理中的应用问题进行了讨论，介绍了位置数据的概念;分析讨论了位置大数据在车辆保险风险管理中的应用，并给出了应用方法路径;最后对位置大数据在保险行业的应用前景进行了展望。

2位置数据

本文讨论的位置数据涉及位置场景构画和标的轨迹定位两个方面，分别如下。

(1)地理信息数据地理信息数据即GIS(geographicinformationsystem，地理信息系统)数据。该数据是关于地球表面特定位置的信息，包括地理要素的空间位置信息(经纬度、海拔高度、相对位置等)、属性信息(公路、房屋、田地等)和时域特征信息(记录地理数据采集或地理现象发生的时刻或时段)。地理信息数据是场景构画的基础，也是定位信息得以应用的核心。

(2)气象数据气象条件是道路交通事故成因中影响最大的因素之一。对行车安全造成影响的天气条件主要有雨、雪、雾、大风、阴、沙尘、高低温等，其中雨、雪、雾是造成交通事故的主要气象灾害。气象数据包括气象要素信息(降水强度、风力、温度等)、时间维度和区域信息。气象数据与地理信息数据结合可以对不同时间和区域的客观风险环境进行构画和展现。

(3)定位数据本文讨论的定位数据特指通过移动通信运营商提供的基于位置的服务(locationbasedservice，LBS)得到的定位信息。LBS起源于20世纪90年代的美国，旨在通过手机定位技术向广大移动通信用户提供与地理位置相关的服务。目前国内三大运营商都可以提供准实时的LBS，一般以经纬度坐标的形式提供位置信息数据。定位数据是对标的位置轨迹构画的基础，同时，同一区域和时刻通过定位信息统计人流量也是对场景构画的有效补充。

3在车辆保险风险管理中的应用

3.1位置大数据在车辆保险风险管理中的作用车辆保险主要承保在各类自然灾害、交通事故以及偷盗、抢劫等犯罪活动中车辆遭受的风险损失以及对第三

方造成的风险损失。

车辆保险的风险管理工作涉及人、车、环境三大方面，保险管理中将其分解为众多的风险因素，位置大数据在车辆保险风险管理中属于外部环境类影响因素。通过对车辆事故发生时的位置信息和位置场景的分析，得到位置因素对车辆出险的影响，可以为车辆保险的承保和理赔工作提供精细化的决策依据。另外，这些分析结果还可以作为道路和交通管理部门进行道路管理优化的参考资料。国内对于位置数据在车辆保险方面的应用目前还主要集中在理赔端，基于3G网络的移动车险查勘方法及系统通过为理赔人员配备相关GPS设备对其进行定位，提高了查勘调度响应速度，同时通过3G技术实现前后台同步的理赔作业提升了理赔效率。人保财险、太平洋财险等众多保险公司都已在生产中应用了3G快速理赔系统。位置数据在承保端的应用，目前已经有各类基于卫星定位技术的驾驶习惯分析系统，但由于需要在车辆上加装信息采集设备，车主接受度较差，尚未能普及应用。

3.2位置大数据在车辆保险风险管理中的应用思路

根据地理信息数据和气象数据构建场景信息，结合出险车辆的位置信息进行关联分析，对不同时间段、不同气象条件和不同地理环境下的事故发生位置进行风险计算，对城市各个地段的事故发生率进行评级和预测，分析结果作为保险公司实施UBI的风险因子和优化理赔资源配置的决策依据使用。考虑到我国幅员辽阔、地理环境多样，甚至同一个行政区内的地理环境和道路建设情况也会有很大差异，笔者采用将地理区域以网格划分的形式进行风险划分和计算，即按风险分析需求以不同的网格精度(如5km×5km、1km×1km等)将待分析区域进行划分，以每个网格为单位进行数据采集、场景构画和轨迹定位，计算每个网格的

风险暴露等级

4车辆出险位置风险评估车辆出险位置风险评估是在将地理信息数据进行网格化处理的基础上，对每一个网格进行风险评估。

4.1数据处理阶段

(1)地理区域网格化将待分析的地理区域进行网格化。网格的精度(如5km×5km、1km×1km等)应根据待分析区域的人口密度、城市化建设程度等情况进行选择。原则上人口密度越大、城市化建设程度越高的区域，网格精度应越高。

(2)网格数据采集以每一个网格为单位进行地理信息数据采集。这里所说的地理信息数据是指网格区域内的地形、地貌信息以及各类建筑的属性和分布信息等。

5结束语

近年来国家对保险业的发展越来越重视，鼓励发展适合市场需求的个性化、定制化的保险产品。使用大数据分析技术以及“互联网+”为保险公司精细化风险管理和定制性产品服务是保险业发展的趋势。

本文从位置大数据在车辆保险风险管理应用的角度进行了讨论，探讨了位置大数据在车辆保险业务中的应用形式。随着各行各业数据互通以及智能移动可穿戴设备的普及，保险业的数据来源将由自有数据扩充为社会各界数据，由历史数据扩充为实时数据。未来有待通过大数据分析技术挖掘客户个性化的保险需求、对风险进行预测、实时预警和管理。