9月26日,,“數(shù)據(jù)賦能 乘數(shù)而上——汽車數(shù)據(jù)創(chuàng)新應(yīng)用大賽”頒獎盛典在上海嘉定舉行,。本次大賽由中國汽車工業(yè)協(xié)會主辦,,聚焦利用數(shù)據(jù)空間,、大數(shù)據(jù)分析,、人工智能,、區(qū)塊鏈、物聯(lián)網(wǎng)等數(shù)據(jù)科學(xué)技術(shù),,解決汽車行業(yè)的實際問題,,旨在提升汽車智能化、網(wǎng)聯(lián)化水平,,推動數(shù)據(jù)要素在智能汽車和交通領(lǐng)域的創(chuàng)新應(yīng)用,。聯(lián)友科技“基于AI的端云一體風(fēng)險評估應(yīng)用”從全國60余家參賽企業(yè)中脫穎而出,榮獲賽題二“數(shù)據(jù)賦能汽車金融保險和汽車交易”創(chuàng)意獎,。
AI端云一體風(fēng)險評估應(yīng)用
賦能保險售后服務(wù)數(shù)智升級
隨著全球機動車數(shù)量的快速增長,,交通事故頻發(fā),傳統(tǒng)的保險費率計算方法主要依賴歷史數(shù)據(jù),,忽略了個體駕駛者的差異性和實時風(fēng)險變化,,導(dǎo)致保費定價不夠精準(zhǔn),無法有效激勵安全駕駛行為和反映實際駕駛風(fēng)險,?;诖吮尘埃?b>聯(lián)友 “基于 AI 的端云一體風(fēng)險評估應(yīng)用” 應(yīng)運而生,,通過大數(shù)據(jù)、機器學(xué)習(xí)等技術(shù),,提供精準(zhǔn)預(yù)測與個性化服務(wù),,構(gòu)建駕駛風(fēng)險評估模型、用戶出險評估模型,、用戶續(xù)保意愿預(yù)測模型等,,對用戶續(xù)保進行差異化營銷,為車主,、主機廠和保險公司提供更精準(zhǔn)的服務(wù),。
聯(lián)友科技采用端云一體化架構(gòu),構(gòu)建綜合模型體系,,輔助用戶風(fēng)險評估模型精準(zhǔn)預(yù)測,。該體系充分利用車載單元(車端)采集的高頻CAN總線信號實時監(jiān)測駕駛行為,并計算出潛在的危險駕駛特征,。
ü 在車端,,部署一系列專門針對危險駕駛特征捕捉的輕量化模型,包括頻繁變換車道識別、超速駕駛識別以及未按規(guī)定使用轉(zhuǎn)向燈識別等輕量級模型,,用于即時分析駕駛行為的安全性,。
ü 在云端,負(fù)責(zé)處理更復(fù)雜的數(shù)據(jù)分析任務(wù),,包括但不限于基于過往事故數(shù)據(jù)識別事故多發(fā)區(qū)域,,用戶駕駛評分模型等;通過深度學(xué)習(xí)技術(shù)構(gòu)建循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)評估整體的用戶出險風(fēng)險,。
為了確保數(shù)據(jù)的安全傳輸,,系統(tǒng)采用非對稱加密算法RSA,所有敏感信息在通過網(wǎng)關(guān)之前都會經(jīng)過加密認(rèn)證,,增強車聯(lián)網(wǎng)環(huán)境下的數(shù)據(jù)保護,。在模型管理層面,聯(lián)友科技引入集中的模型管理平臺,,支持車端模型的持續(xù)更新與迭代,,不僅簡化開發(fā)流程,還提升算法模型的管理效率,,實現(xiàn)算法模型的平臺化開發(fā)與維護,。
在應(yīng)用層面,通過標(biāo)準(zhǔn)化的API接口,,確保與各類終端應(yīng)用如移動應(yīng)用程序(APP),、經(jīng)銷商(DLR)、客戶關(guān)系管理系統(tǒng)(CRM)以及保險公司等無縫對接,。友場景
ü 提供個性化保險服務(wù)
通過精準(zhǔn)預(yù)測每位車主的出險概率,,保險公司可制定差異化的保險產(chǎn)品和服務(wù),如UBI保險模式,,根據(jù)用戶駕駛行為動態(tài)調(diào)整保費,,增強客戶忠誠度,提高公司盈利能力,。用戶通過了解駕駛風(fēng)險,,改善不良駕駛習(xí)慣,降低出險幾率,,享受更具針對性的增值服務(wù)和更低的保險費用,。
ü 賦能主機廠售后服務(wù)
借助駕駛風(fēng)險評估模型和用戶出險評估模型,通過模型判斷車主的駕駛風(fēng)格,、駕駛環(huán)境以及未來一年的出險概率和續(xù)保意愿,,為售后保險服務(wù)及各回廠板塊的利潤提升提供更多線索和助力。通過對用戶出險概率的預(yù)測,,合理分配資源,,減少不必要的成本支出,。
ü 交通規(guī)劃優(yōu)化
利用模型數(shù)據(jù)識別事故高發(fā)路段,優(yōu)化交通規(guī)劃,,提升整體交通安全水平,。友案例
該項目已在某主機廠落地應(yīng)用,并基于多方安全計算平臺與大型保險公司展開合作,。通過用戶出險評估模型,,將用戶未來一年出險風(fēng)險等級從低到高評為 5 個等級,輔助售后對用戶進行差異化營銷,。經(jīng)過長達(dá)兩年的上線驗證,,高風(fēng)險群體出險率是原始整體出險率的 3.5 倍。同時,,通過對用戶續(xù)保意愿預(yù)測模型不斷訓(xùn)練及優(yōu)化,,可以準(zhǔn)確區(qū)分低續(xù)保意愿人群,且該部分人群續(xù)保率僅 30% 左右,。
*相關(guān)數(shù)據(jù)為測算估值