“好司机”却在交高车险?来看看AI如何帮你省银子!

2023-10-22 11:59

本文主要是介绍“好司机”却在交高车险?来看看AI如何帮你省银子!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

640?wx_fmt=gif

硅谷Live / 实地探访 / 热点探秘 / 深度探讨

提到汽车保险,相信在北美开车的老司机们都有一箩筐和保险公司斗争的心酸血泪史:年龄未满25?加保费。性别男?加保费。车辆有事故记录?加保费……各项莫须有指标齐飞,高额保费与贫穷吃土共长天一色。

 

有研究数据表明,在北美现有的保险测评体系下,65%具有优良驾驶记录的司机在支付过量保费,而倒数35%拥有不良驾驶习惯的司机造成至少50%以上的车祸。好司机在贴补那些经常出车祸的坏司机保费 。保险公司之间的相互竞争也是希望吸引续保好司机客户,把风险高的坏司机最好留给竞争对手。

 

近日,小探采访的一家坐标硅谷的横跨汽车和金融科技的公司Wavelength就紧抓保险公司这个需求:精准判断驾驶风险,用于精算定价。Wavelength利用高级智能驾驶辅助系统(Advanced Driver Assistance Systems ,简称“ADAS”)技术和驾驶员监测系统(Driver Monitoring System,简称“DMS”)采集的数据实时判断驾驶风险,提供给保险公司定价所需的数据分析,跨界车险行业拯救水深火热中的你我他。

 

传统车险测评模式僵硬老化

 

现在你的车险保费是怎么测定的呢?

 

在传统几十年的车险定价体系中,保险公司除了考量车主的客观条件因素,如年龄、驾龄、住址,车型等,最重要的是DMV的历史记录,还有信用等级(credit score,当然有些州的法律是禁止用credit score的,比如加州,麻省,夏威夷)。

近年来,许多保险公司推出基于驾驶行为的保险(Usage Based Insurance,简称“UBI”)作为用户理赔率及保险费用的判断依据。

 

在UBI的估价模型中,保险公司可通过在车上安装一个车载诊断系统(On-Board Diagnostic,简称“OBD”)OBD小插件或者用户手机装载一个行车应用APP 来记录每台车的远程车载数据(telematics data),如紧急制动次数、突然加速次数、转弯过急行为等风险因素,有效监测司机在驾驶过程中的“过激 ”行为。

640?wx_fmt=png

OBD盒子(图片来源于网络,版权属于原作者)

 

然而,传统的估价模型仅能机械性记录车辆的使用情况,却忽略了将司机驾驶行为习惯结合实际道路环境下司机对不同情况反应处理进行风险评估考量。

 

例如,在实际驾驶情况中,激进的驾驶习惯(agressive  driving:紧急制动,突然加速等)并不一定会带来更多交通事故,同样,保守的驾驶习惯(smooth  driving)也可能缺少对于各种复杂情况的驾驭能力,从而无法进行正确判断的潜在车祸风险。

因此,仅以这些因素作为指标的车载数据(telematics data)会极大程度降低对司机安全驾驶能力的判断精准度。所以许多保险公司反馈现有的telematics data并不是最好的判断风险的依据    

评估司机驾驶能力,“行车环境”数据不可或缺

 

驾驶行为风险难以精准量化一直是后UBI车险时代的行业痛点。在这一点上,将ADAS和DMS技术跨界应用到传统保险行业的解决方案便为车厂以及保险公司找到了一个极佳的契合点。

除去一般车辆使用数据,ADAS技术更注重对驾驶实时环境的数据监测。小探这次采访的Wavelength便是将人工智能和ADAS技术,结合大数据的运算分析能力,融入到保险风险预测中,打开了汽车智能的跨界新局面。

 

Wavelength 创立于2018年,位于美国加州硅谷,通过由人工智能技术研发出的嵌入式深度学习软件为ADAS及无人驾驶系统提供边缘计算解决方案。Wavelength研发的小型化边缘计算处理能力 在行业内处于领先地位,可通过安装在车内的传感器收集行车环境数据,再将原始数据通过边缘计算进行分析,得出实时驾驶违章风险预测,获得具有更高精度的驾驶行为洞察。

640?wx_fmt=png

Wavelength 新模式与传统模式的差别(图片来源于Wavelength     ,版权属于原作者

不同于传统的OBD+UBI的车险模型,Wavelength将ADAS技术跨界应用于汽车保险行业,形成基于视觉的UBI车险新模式。除了考量车辆的使用情况数据,Wavelength更注重将人工智能与ADAS技术相结合,能够实时根据各种路况,红路灯,车辆,行人,车行道的识别,司机的驾驶反应状况,判断司机是否有违章风险,比如超速,撞车,追尾,偏离航行道,不停Stop sign,闯红灯,急闯黄灯等,增加平台对实时驾驶环境的理解。

640?wx_fmt=png 传统保险定价模型 v.s.Pay How You Drive 实时驾驶风险保险新模型(图片来源于Wavelength     ,版权属于原作者)

Wavelength以驾驶能力(driving ability)为首要风险判断因素,打造了全新的保险估价模型:驾驶能力定价模型(Pay How You Drive Model)。

 

在新的估价体系中,Wavelength主要从物理因素(行驶速度,车距等)、驾驶习惯(实际路况反应以及是否车内打电话开小差等),是否遵守当地交通规则等三方面出发,为司机的驾驶安全系数进行测评打分。

驾驶员也可以通过基于手机端的应用平台看到自己的驾驶分数。Wavelength提供的手机APP可以指导司机如何安全驾驶,改变不良驾驶习惯,从而变成好司机,减少理赔率,降低保费。

 

当然,ADAS系统支持实时事故预警:大量实际数据显示提前2秒的潜在车祸防范预警能有效降低40%的事故发生率。    

 

你可能会好奇,这些海量的数据是怎样通过数据分析转变为司机的驾驶分数的呢?

 

Wavelength 通过在车内安装的计算机视觉传感器记录司机实时行驶环境数据,在边缘端进行数据处理判断,99%的数据保留在车内,不保存图片或视频,不涉及隐私。只有当风险发生后的处理过的文本数据结合云端的其他数据比如天气交通等进行大数据分析,为驾驶员的驾驶行为评分定级。

通过预测算法(prediction algorithm)以及边缘计算(edge computing)两大核心技术,Wavelength成功打造了行业内第一个基于视觉传感器的远程车载手机应用平台。

640?wx_fmt=png

 Wavelength 应用平台(图片来源于Wavelength ,版权属于原作者)

 

跟据Wavelength 的实际测试结果显示,Wavelength一个月内收集的驾驶风险预测数据精度可与DMV十年的行车数据媲美。

 

ADAS渗透车险UBI,新赛道实现行业双赢

 

通过开发新型汽车智能技术来提高行驶安全系数一直是汽车行业各个机构不断努力的目标。从简单的行驶环境记录到反应干预,再到算法预测,安全驾驶相关的产品也从车载信息服务(Telematics)、系统安全(Security)、行车记录仪(Smart  Dash Cam)逐步升级为今天的ADAS系统和无人驾驶(Auto-pilot and Autonomous Driving)。

            

当然,再好的技术想要真正占领市场都需要好的商业模式支撑。根据研究机构Gartner发布的新兴技术成熟度显示,目前ADAS技术已成熟并进入产业化高速发展时期。通过安装ADAS产品,汽车安全技术从碰撞安全保护逐渐转化为智能碰撞避免。此时UBI新赛道可有效拉动ADAS技术产业化以及保险生态链创新,实现行业双赢。

 

640?wx_fmt=png

在人工智能技术与保险行业融合方面,最简单的形式就是保险公司和ADAS企业签订合作协议,将ADAS安全产品以买保险送安全套餐的形式提供给用户,同时签订协议:如果用户在使用ADAS安全产品后在道路上的安全事故概率明显下降,保险公司可降低理赔率。

 

同时,基于大数据和人工智能技术,结合最新的ADAS技术,无人驾驶科技公司也可以将产品渗透到汽车保险行业的各个环节。例如,目前Wavelength正通过与第三方平台如汽车保险、共享汽车、汽车租赁等企业的合作,将基于视觉人工智能的UBI模型商业化。

合作方从中国的平安保险、AAA,Metromile,Tokio Marine保险公司等保险类机构,到小鹏汽车、电装株式会社等汽车类供应商,都会成为这个模式新蓝海,机遇无限。

 

通过对海量行车环境数据的收集与分析,ADAS技术结合汽车保险行业对于定价、产品更新迭代、创新保险险种、开发市场渠道等方面都能带来良性循环,实现双赢。

 

玩跨界,政策也得跟得上

当前,ADAS产品在汽车驾驶安全系数的提升问题上扮演着越来越重要的角色。各个国家逐渐将汽车配备ADAS系统列入安全监管范围内。

 

2018年5月,美国高速公路安全管理局(NHTSA)规定所有在美销售的重量不到1万磅的新车,必须安装ADAS后视技术。此外,NHTSA还宣布,占领美国汽车市场份额99%以上的20家汽车制造商已承诺在2022年9月前为几乎所有车辆配备自动紧急制动系统。

 

日本国土交通省(MLIT)自2014年开始将自动紧急制动AEB纳入安全评分体系;欧洲新车碰撞测试项目NCAP同样在汽车安全评分中列入了自动紧急制动,自适应巡航等系统。

 

聚焦中国市场,与ADAS系统相关的汽车安全法规的修订与完善虽与其他国家比相对滞后,但作为世界上最大的汽车市场和互联网技术的领导者,中国在汽车智能领域的潜能将在法制完善的促进下不断激发。

 

根据《中国制造2025》报告,中国将在2020年前掌握与智能辅助驾驶技术有关的技术,并建立初步自主研发系统,支持智能网联汽车的生产。另外,中国汽车技术研究中心启动了中国新车评价规程(C-NCAP),将主动安全措施纳入其中。

2017年1月12日,C-NCAP的官方网站发布了《C-NCAP管理规则(2018年版)》征求意见稿,标志着包括AEB在内的主动安全的重要性在中国日益上升。2018国家115号文件规定所有“两客一危”车辆必须安装DMS和ADAS系统以防范车祸发生。中国市场在这个方面可能比其他国家先实行这个基于计算机视觉的后装市场的解决方案。

 

近日,全国汽车标准化技术委员会在官方平台公布,中国、欧盟、日本和美国共同提出的《自动驾驶汽车框架文件》已在2019年6月举行的联合国WP.29第178次全体会议审议通过。这些法案的修订与实施将有效提升ADAS在中国汽车行业的普及率并促进中国智能汽车的发展。在市场需求、技术发展和法律政策的多方面推动下,相信我们也能看到更多智能汽车技术的跨界新玩法。

最后,道路千万条,安全第一条。行车不规范,ADAS全在看。技术再发达,减少事故安全驾驶还要靠每个人的努力。那么,你知道你现在汽车保费评估模式是如何运作的么?你觉得保费有什么地方最让人头疼吗?欢迎大家留言讨论!


推荐阅读

640?wx_fmt=jpeg

区块链报告 | 脑机接口报告 

硅谷人工智能 | 斯坦福校长

卫哲 | 姚劲波 | 胡海泉 

垂直种植 | 无人车

王者荣耀 | 返老还童 


640?wx_fmt=jpeg

这篇关于“好司机”却在交高车险?来看看AI如何帮你省银子!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/261320

相关文章

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Spring AI ectorStore的使用流程

《SpringAIectorStore的使用流程》SpringAI中的VectorStore是一种用于存储和检索高维向量数据的数据库或存储解决方案,它在AI应用中发挥着至关重要的作用,本文给大家介... 目录一、VectorStore的基本概念二、VectorStore的核心接口三、VectorStore的

Spring AI集成DeepSeek三步搞定Java智能应用的详细过程

《SpringAI集成DeepSeek三步搞定Java智能应用的详细过程》本文介绍了如何使用SpringAI集成DeepSeek,一个国内顶尖的多模态大模型,SpringAI提供了一套统一的接口,简... 目录DeepSeek 介绍Spring AI 是什么?Spring AI 的主要功能包括1、环境准备2

Spring AI集成DeepSeek实现流式输出的操作方法

《SpringAI集成DeepSeek实现流式输出的操作方法》本文介绍了如何在SpringBoot中使用Sse(Server-SentEvents)技术实现流式输出,后端使用SpringMVC中的S... 目录一、后端代码二、前端代码三、运行项目小天有话说题外话参考资料前面一篇文章我们实现了《Spring

Spring AI与DeepSeek实战一之快速打造智能对话应用

《SpringAI与DeepSeek实战一之快速打造智能对话应用》本文详细介绍了如何通过SpringAI框架集成DeepSeek大模型,实现普通对话和流式对话功能,步骤包括申请API-KEY、项目搭... 目录一、概述二、申请DeepSeek的API-KEY三、项目搭建3.1. 开发环境要求3.2. mav

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

Spring AI集成DeepSeek的详细步骤

《SpringAI集成DeepSeek的详细步骤》DeepSeek作为一款卓越的国产AI模型,越来越多的公司考虑在自己的应用中集成,对于Java应用来说,我们可以借助SpringAI集成DeepSe... 目录DeepSeek 介绍Spring AI 是什么?1、环境准备2、构建项目2.1、pom依赖2.2

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首

SpringBoot整合DeepSeek实现AI对话功能

《SpringBoot整合DeepSeek实现AI对话功能》本文介绍了如何在SpringBoot项目中整合DeepSeekAPI和本地私有化部署DeepSeekR1模型,通过SpringAI框架简化了... 目录Spring AI版本依赖整合DeepSeek API key整合本地化部署的DeepSeek