基于商用车车联网的UBI车险研究与实践

刘剑 张佳羽 王书华

摘要：UBI保险依赖车联网发展提供的庞大用户和数据基础，而得益于国家政策，我国商用车车联网覆盖率很高，因此，基于商用车车联网大数据的UBI车险研究具有理论与实践价值。在对国内外成熟UBI产品研究的基础上，以四急、驾驶里程等为依据，通过加入商车系数，制定出了合理的商用车UBI车险费率模型，并在成熟的商用车车联网平台基础上设计开发了“商用车车联网”UBI车险大数据分析平台。模型与平台通过真实数据进行了验证，证明了模型的可靠性和平台的实际价值。

关键词：车联网；大数据；UBI；车险

中图分类号：TP315 文献标志码：A

文章编号：2095-5383（2019）01-0048-06

Research and Practice of Usagebased Insurance based

on the Internet of Vehicle for Commercial Vehicle

LIU Jian1a，b， ZHANG Jiayu1a，b， WANG Shuhua2

（1. a. School of Materials Engineering； b. Big Data Application Center of IOV， Chengdu Technological University， Chengdu 611730， China； 2. Chengdu Satellite Communication Information Technology Co. ， Ltd. ， Chengdu 610093， China）

Abstract：

UBI insurance relies on the large number of users and Big data provided by the development of internet of vehicle. With the support of national policies， the internet of vehicle for commercial vehicle in China has developed rapidly. Therefore， the research on Usagebased Insurance based on Big Data of Internet of Vehicle for commercial vehicle has theoretical and practical values. Based on the research of domestic and international UBI products， a reasonable model of Usagebased Insurance premium rate for commercial vehicle was established， and a Big Data analysis platform for Usagebased Insurance of commercial vehicle was designed and developed on the basis of mature IOV platform of commercial vehicle. The model and platform were validated by real data， which prove the reliability of the model and the practical value of the platform.

Keywords：

Internet of Vehicles； Big Data； Usagebased Insurance； auto insurance

中國保监会公布的数据显示，中国财产保险行业保费收入在2017年首次突破万亿元大关后，2018年财保收入继续增长，上半年增速超过20%。但车险业务表现并不理想，车险同比增速仅为111%，更为严峻的是，上半年车险承保利润率仅有1%，经营车险的66家财险公司中亏损者有54家[1]。

传统的车险只考虑车价和往年的出险情况，车险定价模式比较单一，没有考虑驾驶行为带来的风险，导致的结果是驾驶行为良好的优质车险用户为有不良驾驶行为的用户买单，因此，把驾驶行为纳入车险定价的综合考虑，是改善车险保费不合理现象的一个关键因素。云、大数据、物联网和通信等新兴技术的发展和应用，汽车与互联网深度融合，利用互联网技术采集和分析驾驶数据，催生出结合了人、车和环境，根据驾驶行为定价的UBI（Usagebased Insurance）车险。

UBI车险未来的市场容量极大。预计到2020年整个中国车险市场规模为9 500亿元左右。若车险费率市场化完全放开，伴随着车联网50%的新车渗透率预期，UBI车险的渗透率到2020年会达到10%～15%，届时，UBI车险面临的是1 400亿元的市场空间。

1车联网、大数据与UBI车险产品

11车联网与大数据的深度融合为UBI车险的诞生提供了基础

车联网（IOV，Internet of Vehicles）是物联网技术在交通领域的典型应用，是“人车路”协同的系统，车联网平台一般有“端管云”三个层次[2]。大数据（Big Data）是巨量数据集合，大数据不仅是大量的数据，更是有别于常规软件工具收集、管理和处理数据的技术集合，大数据具有“大杂低快”4V的特性，即大量（Volume）、多样（Variety）、低价值密度（Value）和高速（Velocity ）。

车联网的“端管云”是UBI车险大数据的数据源。从车载智能终端所获取的车辆动态、位置、交换文字、语音等信息，到利用无线网络传输到云端的实时分析、清洗、存储和运用，处理结果又实时传递回行车中的人和车，构成“人车路”的实时协同系统，不仅可以改善驾乘舒适性、提高安全性，也能为保险公司所用，UBI车险产品就是这些数据的典型应用。

12聚焦“商用车车联网”开展UBI车险研究的价值和意义

UBI车险项目想要成功，需要一个足够庞大的用户基础，在获得足够多的用户后，保险公司才能有效地通过各种手段去降低赔付率。所以，虽然业界一致认为UBI车险是发展趋势，但对该模式的成长性和可持续性一直有专家质疑，主要的理由就是车联网的覆盖率不够，UBI车险产品的投资回报率太低、周期太长。

国内商用车车联网相对成熟，商用车车载终端的高普及率为UBI车险产品提供了一个细分市场快速发展的机会。我国商用车车联网得益于北斗卫星技术和交通部的有关政策，发展较好。2011年2月交通部发布《道路运输车辆卫星定位系统车载终端技术要求》并在同年5月正式实施，《要求》明确规定“两客一危”车辆必须安装车载终端产品[3]，之后在2013年交通部又颁发《关于加快推进“重点运输过程监控管理服务示范系统工程”实施工作的通知》，2014年多部委又联合制定并发布更严格的《道路运输车辆动态监督管理办法》。与政策一致的是市场的热度和商用车车联网平台的不断涌现：九州的“卫通北斗车联网平台”，陕汽的"天行健"车联网系统、中国重汽的智能通智能系统、宇通客车的安节通系统、上汽大通的InteCare行翼通系统、大金龙的龙翼智慧运营管理系统等等。考虑我国商用车车联网高覆盖率的现实，在商用车车险这一细分市场，设计一款与驾驶行为和驾驶信息相关的UBI车险产品，具有很强的可行性，在理论和实践两个方面都具有价值。

13基于“商用车车联网”的UBI车险研究的主要内容

国内外都在积极推广UBI保险，也取得了一定的成效。较之国外成熟的UBI产品和灵活的保险费率，中国在UBI产品上的研究与研发相对落后，需要契合中国市场的UBI车险产品来填补市场空白。因而，基于“商用车车联网”的中国UBI车险产品研究，其主要内容有两点，第一是契合中国市场的“商用车车联网”UBI产品的精算模型研究；第二是针对中国市场的“商用车车联网”UBI平台研发。

首先是UBI模型，将欧美的UBI模型直接套用到中国明显是不合理的，将成熟的国际UBI精算定价模型与国内商用车车险市场需求相结合，同时结合国外UBI成功经验和国内成熟的商用车车联网的运行数据，构建本土化的商用车车联网UBI模型，依據不同情况进行多番调校，才能提供满足国内市场及监管需求的产品。

其次是UBI平台，要综合考虑数据的采集、存储和应用，关键是数据源，可以单独建车联网，用自己的智能终端采集原始数据，也可以与成熟的商用车车联网平台共享数据，二者区别很大。本文的UBI平台是在九州“卫通北斗车联网平台”的基础上开发，同时，通过松耦合的系统架构，让UBI平台在一定程度上保持独立性和扩展性。

2“商用车车联网”UBI车险大数据分析模型

21常见UBI动态保费机制与国内外UBI产品

UBI是根据驾驶员对汽车的使用情况，以及驾驶员的驾驶行为习惯来设计的汽车保险。UBI的原理并不复杂，用车联网的前端设备能够采集到车辆运行状态的数据，基于这些数据可以分析驾驶者的驾驶习惯，依据一定的模型，对驾驶习惯进行风险分级和客户分类，然后针对不同客户类别提供不同的汽车保险费率。UBI车险保费应该综合考虑驾驶里程、时间、环境、驾驶方式等客观指标[4]。如表1所示，传统的车险是静态定价方式，无论单因子还是多因子都一样，因此传统车险的合理性与准确性都不高。UBI车险将驾驶者的因素放入定价模型，属于动态计价方式，因而定价更为客观合理[5]。

国内外UBI产品都离不开保险公司的参与，但相比之下，国外的参与者要单纯一些，国内要复杂很多：除保险公司直接主导的UBI产品外，美欧UBI保险服务商主要有两类，一是电信运营商与保险公司联合，二是TSP（Telematics Service Provider）企业与保险公司联合；中国的UBI产品市场除了保险公司、电信运营商和TSP，主机厂、大型汽配厂、北斗服务商，以及互联网巨头、大数据公司都参加了进来，都想在UBI市场分得一杯羹，竞争情况较为复杂。

211常见的国外UBI产品及策略

国外的UBI产品很多，比较典型的包括美国的Progressive和Allstate，荷兰的Polis VoorMij，德国的Provinzial。其中Progressive综合了“急刹频率”、“行驶里程”、“凌晨用车频率（0—4点）”等因素，通过多维度的模型计算保费；Allstate综合的因素包括“总行驶里程”、“日行驶时间”、“急刹次数”、“时速超过80英里/小时的占比”等；Polis VoorMij对良好驾驶习惯的车主给与折扣，最高可达20%；Provinzial除对良好驾驶习惯折扣外，还赠送一键救援、紧急呼叫等增值服务。

212常见的国内UBI产品及策略

国内的UBI产品也很多。保险公司中人保财险最先探索UBI车险产品，之后平安、太保、阳光、安邦、安盛、天平等都相继试水，推出了自己的UBI车险产品，其中较有影响的是太保投资的美国Metromile公司，该公司已成为美国UBI领域的标杆性企业；UBI车险创业型公司更多，如斑马、OK车险、手机车保、里程保、车主省钱、车友保、真惠保、迪纳等超过50家企业相继推出UBI车险产品；BAT三巨头也涉足了UBI车险产品，阿里投资众安保险，腾讯有“i车生活平台”，百度有Carlife。

以真惠保和迪纳为例说明国内UBI产品的典型策略。真惠保融合三类因素，第一是驾驶历史，如过往出险情况，赔款额、出险率、赔付率等；第二是里程，如总行驶里程、上下班时段里程、夜间里程、周末里程；第三是驾驶习惯，如三急次数（急加、急减、急停）、疲劳驾驶次数、违章次数、事故次数、高速驾驶次数、停驶次数等等。迪纳通过手机APP，汽车OBD盒子，链接“人”和“车”，综合因素涵盖“人”的社会数据、汽车感知数据、驾驶行为数据、“手机”数据和涉车产业链数据五类，除常见的人、车和环境的驾驶数据外，迪纳还收集了涉车产业链上的数据，例如车型和汽车制造商，常去的维修机构、加油站、停车场等等[6]。

22UBI动态保费机制暨车险大数据分析模型构建

车險行业中车主驾驶行为的评分机制是重点，在驾驶行为评分准确的基础上，才能设计合理的UBI车险定价模型。利用与OBD接口相连的车载智能终端获取包含车辆状况的车主行车数据，然后用行车数据对车主的驾驶行为安全等级进行判定，在考虑“商用车”的特性基础上，用“商用车”挂靠单位的保险调整系数（商车系数）计算后，为车主提供个性化保险费率。如图1所示，基于驾驶行为的动态保费机制依据四急次数（急加/急减/急刹/急转）、里程、驾驶时间段等因素判定车主安全行车级别，通过商车系数调整后确定车主实际保费。

221驾驶行为评分机制

驾驶行为评分机制在可收集的驾驶行为数据基础上提出的，主要影响因子有四急，日总里程、总时间、夜间时间。驾驶行为的评分每日自动汇总，月/年平均即为月度/年度得分。

利用调查问卷向专家收集四急、日行驶总里程、总时间和夜间行驶时间四个维度指标的权重建议。本文共发放10份权重设置的调查问卷，首先是每个专家在调查问卷的判断矩阵中对各指标进行两两比较，然后对全部专家问卷结果进行算术平均后取整，最后计算对应指标的权重，如表2所示。计算结果的一致性检验CR值<01，表明该判断矩阵具有令人满意的一致性，不需要做调整。

为方便后文分析，对表2计算出的四个指标权重简化取整，分别为04/03/02/01。按每日驾驶行为满分100分计，四急、日行驶总里程、总时间、夜间行驶时间的分值分别为40、30、20、10分。

一是四急评分。满分40分，用四急事件发生的次数扣分，其中急加速、急减速事件发生1次扣1分，急转弯、急刹车事件发生1次扣2分，最低得分为0；

二是日行驶总里程评分。满分30分，总里程的扣分起点为200 km，超过起点里程20 km扣2分，最低得分为0；

三是日行驶总时间评分。满分20分，总时间的扣分起点为4 h，超过起点时间1 h扣2分，最低得分为0；

四是日夜行时间评分。满分10分，夜行时间扣分起点为1 h，超过起点时间1 h扣2分。

222UBI定价模型

UBI定价指保险折扣率定价，是指在驾驶行为评分机制和基本车保费率的基础上，对不同安全级别的驾驶行为车主给予不同程度的保费折扣或增收额外费率[7]。“商用车”UBI车险定价原则如下：一是分级，将UBI折扣分为A/B/C/D/E五级，每20分为一个等级：A级（80～100）；B级（60～80）；C级（40～60）；D级（20～40）；E级（0～20）；二是奖惩原则，对A/B/C级用户，即分数高于40分时，车险公司为车主提供不同程度的保费优惠，每2分加1个基点的优惠额度，最高可达基础费率的30%；D级用户的车主无法享受保费优惠，也无需支付额外费用；E级用户的车主需要额外支付保费，费率的计算公式为，每1分加2个基点的惩罚额度，最高可达基础费率的40%。

“商车系数”由挂靠单位与保险公司协商，一般由往年所有车辆评分的平均值、集团往年的赔付率和赔付额，以及购买保险的商用车数量、新旧程度等因素确定。

3“商用车车联网”UBI车险大数据分析平台

31平台的设计原则

“商用车车联网”UBI车险大数据分析平台（本文简称UBI平台）的设计原则包括：实用性原则，即解决实际问题，做细核心功能；安全性原则，应充分考虑系统数据、网络传输和权限设置的安全性和可靠性；易用性原则，要符合互联网操作人员的思维方式和工作习惯，应具有极强的引导性；稳定性原则，平台技术要采用成熟、稳定的技术，保证系统在大数据量、高并发和连续待机情况下长时间的不间断安全运行，并能应付可以预想的异常突发情况；技术先进性和可扩展性原则，支持海量数据分区管理，支持每秒1 000条数据插入，支持亿条级数据存储和管理；低成本原则，在能够满足本系统正常运行的前提下，要尽量降低系统的设计和建设成本，尽可能的选用性价高的硬件设备和易于编写、维护费用低的软件技术，充分利用现有资源。

32平台的技术路线

UBI平台在九州“卫通北斗车联网平台”之上，构建基于车辆、驾驶数据的各类应用系统，包括UBI保险评分、驾驶行为预警、远程故障检测和远程服务等应用。UBI平台采用先进、实用的net架构，为有效保障系统的完整性、规范性与开放性，减少技术风险，避免重复开发，平台提供成熟的SOA服务组件，包括流程服务组件、GIS服务组件、报表服务组件等等。UBI平台的外部接口包括两个主要方面：一个是通过开放的基础支撑网络提供统一开放的外部信息接口，这类接口主要用于提供信息服务；二是通过开放的业务开发接口向新业务开发或服务商提供开发平台。

UBI平台按照数据收集、数据常用算法整理研究、描述性分析研究、数据预处理方法研究、统计与非线性分析方法研究、UBI车险定量预测及评价方法研究、软件平台构建的流程开展工作，具体技术路线流程如图2所示。

33平台的基本功能

UBI平台的主要功能可以分解为三大部分，分别是车载智能终端、云平台、移动客户端。第一是智能终端功能，包括车况体检、寻车定位、报警提醒、GPS/北斗轨迹等；第二是云平台WEB端功能，包括后端的UBI保险评分、驾驶行为预警、用户管理、车辆统计、设备管理、轨迹回放、实时监控、广告管理、预约管理、积分规则和消息管理等；第三是APP用户手机端功能，包括驾驶行为预警、UBI保险自评（与排位）、广告列表、积分消费、车友互动、违章查询、形成查询、预约保养、驾车宝典、消息列表等。

4实验及结果

实验选取100名九州“卫通北斗车联网平台”车主为对象，为方便研究，选取的车辆挂靠同一家运输公司，所有车辆都通过安邦保险汽车金融事业部购买车险，且所有车辆上九州公司的智能车载终端（北斗盒子）都升级为OBD版，以便获得取车辆运行状态的必要数据。

UBI平台对“卫通北斗车联网平台”迁移过来的数据进行实时/非实时的计算和分析，得到实验对象驾驶行为的评分，然后结合安邦保险提供的保险理赔数据做对比实验。实验分两阶段进行，前一个阶段是让已安装ODB盒子的100名商用车车主运行1个月，取得这100个车主的驾驶数据，由于是运输公司设备正常维护升级中更换的设备，并未告知车主UBI实验相关的信息，故获取的车主驾驶行为能作为原驾驶行为，可用往年这100名商用车车主的车险理赔数据做分组对比分析；第二阶段则是在驾驶行为C/D/E三类车主中选取倒数的50名进行跟踪实验。

第一阶段：分析得到100名车主的得分，按照ABCDE五类划分的结果，如图3所示。从图中可以看到选取的100名车主中多数得分较低。E类车主最多，其次是C和D类车主，A类和B类车主较少，说明大多数商用车司机的驾驶习惯不太好。

通过保险公司的数据对比分析，2017年选取的100个样本中，有1次出险赔付的为87人，有2次以上的为40人，有3次以上的为15人。有2个A类车主在保险公司的数据对比分析中发现多次出险，高风险的驾驶员识别的准确率为87%，另外，数显显示，评级D/E类车辆赔付率、出险率是A类的2～3倍。

第二阶段，以第一阶段驾驶行为分值为根据，从这100名车主中选取得分低的50名车主开展了一个月的跟踪实验，实验开始前告知了车主如果保持目前的驾驶习惯，第二年将被收取额外保费，如果改善驾驶习惯，则可以享受不同程度的保费优惠。图4表明驾驶评分机制有效地刺激并鼓励了车主，为获得较高驾驶行为分值，车主一定程度上改善了不良的驾驶行为。一个月的测试，E类驾驶行为人数由初始26人减少到6人，88%的车主驾驶分值在40分以上，没有A类车主是因为排名最低的50个车主大都有驾驶里程太长、驾驶时间太久和夜间驾驶的扣分，这既是他们前一阶段分数偏低的原因，也是他们本阶段分数依然上不去的主因。同时，实验还验证了UBI平台里程和油耗计算误差都在5%以内，在遴选/去掉模型判断最差的10%车辆后，剩余车辆赔付率平均降低7%；在遴选/去掉模型判断最差的20%车辆后，剩余车辆赔付率平均降低10%。

系统测试的结果表明，基于“商用车车联网”的UBI车险大数据分析模型有助于车主增强安全行车意识。车主行车安全意识的增强，低风险驾驶行为的增加，能够减少道路事故发生率和车险赔付费率，进而减少保险公司赔付成本，增加了保险公司的利润额。

5结语

车险对车联网的发展有着更多的期待，随着车联网技术的不断发展，“车联网+保险”在车险行业是大势所趋，两者是一对天生的合作伙伴。同时，考虑我国商用车车联网高覆盖率的现实，研究基于商用车车联网的UBI精算模型、开发UBI平台能满足商用车车险各利益相关方的诉求，形成多赢的局面。

本文从车联网UBI车险大数据分析模型的构建和车联网UBI车险大数据分析平台开发两方面入手，以四急、驾驶里程等为依据，通过加入商车系数，制定出了合理的商用车UBI车险费率模型[8]，在对车联网UBI大数据的获取、存储、分析、建模等方面进行详细研究的基础上，设计开发了国内先进的软件平台。模型与平台通过实验，用卫通公司与安邦车险的真實数据进行验证，证明了模型的可靠性和平台的实际价值。另外，据九州卫通公司的预计，UBI平台成熟后每客户的年服务收入在100万～150万元之间，以3～4个客户计，年服务收入可达600万元，因此，研究成果在北斗商用车联网企业、TSP企业、车险行业具有良好的应用前景。参考文献：

[1]戴梦希. 商车费改进入深水区中小险企差异化发展求突破[EB/OL]. （20181017）[20181223]. http：//www. financialnews. com.

cn/bx/zc/201810/t20181017_147679. html.

[2]刘剑，阳国橙. 车联网背景下应用型本科汽车服务工程专业人才培养探索[J]. 教育现代化，2018，45（11）：810.

[3]甄文媛. 商用车车联网新势力崛起[J]. 汽车纵横，2014（7）：110115.

[4]彭江琴. 基于GID的车联网保险UBI费率与驾驶行为评分研究[D]. 南京：南京邮电大学，2016.

[5]江磊. 互联网车险UBI产品设计[D]. 杭州：浙江大学，2017.

[6]周路佳. 车联网技术在车辆保险领域应用的市场调查研究[D]. 杭州：浙江工业大学，2014.

[7]彭江琴，刘南杰，赵海涛，等. 智能UBI系统研究[J]. 计算机技术与发展，2016，26（1）：142146.

[8]韩家群，刘南杰，黄波，等. 基于车联网大数据的UBI系统研究[J]. 计算机技术与发展，2016，26（12）：2629.