两项车联网数据保险应用研究成果近日发布，数据样本量仅斑马数智的10%

近日，业内机构发布了车联网数据保险应用研究的两项重要成果：《车联网数据驾驶行为因子与车险风险相关性研究报告》、《机动车辆保险车联网数据采集规范》（征求意见稿）。此次研究充分探索车联网数据驾驶行为风险因子，明确了数据采集规范，有利于促进保险行业的车联网数据应用研究能力和水平，并有利于车联网数据共享、引入和应用。

值得关注的是，此项研究尝试将保险行业和车联网行业大规模数据融合研究，汇总了近18万台车、2亿段行程、21亿公里、45亿分钟的行车数据，实现了大样本量的数据碰撞。

而在行车数据量方面，据科技媒体报道，斑马数智旗下的车联网大数据分析和保险智能应用云平台——斑马优驾，目前累计拥有302万台车、10.8亿段行程、153亿公里、320亿分钟的行车数据。整体行车数据量非常惊人。

为满足车联网数据的大规模和复杂性特征，斑马优驾平台支持实时/离线数据计算、深度学习、价值挖掘和交互式查询，可处理PB级别的数据，已经历过百亿级数据的清理、分析和计算的验证。

对于拥有庞大行车数据量和完备大数据平台的斑马数智而言，在车联网大数据与保险应用领域，依赖于海量行车数据构建稳固的分析模型，一方面基于智能驾驶行为分析，提供UBI创新保险服务；另一方面对车辆感知数据分析，为车厂、车联网服务商提供“人、车、场”结合的汽车智能服务，包括用户画像、精准营销、保养监测、维修预警、事故预防、性能改良等等。

统计学的“大数原则”告诉我们，样本越大，统计结果越能稀释掉那些特例，也就越能逼近真实情况。基于业内最为庞大的行车数据量，结合智能数据算法体系和完备的大数据平台架构，斑马优驾做到了准确的驾驶行为综合评估，UBI精算模型的差异定价，充分实践了车联网数据的保险应用场景。

驾驶行为评估 大数据计算“斑马安全指数”

车联网数据保险应用的核心在于计算，结合百亿级的行驶里程数据，斑马优驾综合车主的特质、使用、环境、操控、注意力等5个维度的47项指标，对驾驶安全性进行评估，让驾驶行为被转化为直观的驾驶分数。

驾驶分数及人群分布比例均会被展示在斑马优驾平台，让保险公司能够实时监控自身的业务质量，并据此制定核保及业务拓展策略。这大幅改善了了保险公司过去仅能按月度或季度进行风险特征分析的状况，使保险公司的信息反馈及决策速度有了质的飞跃。

海量车联网数据 洞察驾驶行为风险因子

驾驶行为数据与传统精算及出险数据进行结合，是车联网数据保险应用的重要部分。依托海量的车联网数据，斑马数智构建了驾驶行为因子与车险风险分析模型，显示包括了年化里程、工作日非通勤里程、百公里急加速/急减速/急转弯次数等驾驶行为因子与车险出险率有很明显的关联。

例如，斑马大数据模型显示，年化里程大于20000公里的驾驶人出险率是10000-15000公里的1.6倍。

从驾驶行为来看，百公里急刹车次数超过20次的驾驶员，其出险率是百公里急刹车次数少于5次的驾驶员的2倍。并且急加速、急刹车、急转弯次数这几个特征与出险率呈非常明显的递增关系。

通过智能数据算法还可以判断车主是否将车辆用于专车用途，这也是影响车险风险的一个关键因素。从斑马数智的数据分析中看出，专车司机出险率是自用车的1.5倍。

通过机器学习中的聚类算法将驾驶员的驾驶行为特征作聚类分析，斑马数智可以为不同类型的驾驶员打上标签，如上班族、自由职业者、滴滴司机、夜行者等等，各类型的驾驶员出险率都有非常明显的差异。

随着国内车险产品及费率的逐步市场化，车联网数据与保险应用的真正落地与发展将异常迅速。目前，斑马数智在车联网数据保险应用领域与保险公司、整车厂展开广泛合作，充分利用数据与AI的方式，与合作伙伴一起共谋汽车与保险产业的融合发展。