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(jiǎng)盛典在上海嘉定舉行,。本次大賽由中國(guó)汽車工業(yè)協(xié)會(huì)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(shí)際問(wèn)題，旨在提升汽車智能化,、網(wǎng)聯(lián)化水平,，推動(dòng)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(xiǎn)評(píng)估應(yīng)用”從全國(guó)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(xiǎn)和汽車交易”創(chuàng)意獎(jiǎng),。

AI端云一體風(fēng)險(xiǎn)評(píng)估應(yīng)用

賦能保險(xiǎn)售后服務(wù)數(shù)智升級(jí)

隨著全球機(jī)動(dòng)車數(shù)量的快速增長(zhǎng)，交通事故頻發(fā),，傳統(tǒng)的保險(xiǎn)費(fèi)率計(jì)算方法主要依賴歷史數(shù)據(jù),，忽略了個(gè)體駕駛者的差異性和實(shí)時(shí)風(fēng)險(xiǎn)變化，導(dǎo)致保費(fèi)定價(jià)不夠精準(zhǔn),，無(wú)法有效激勵(lì)安全駕駛行為和反映實(shí)際駕駛風(fēng)險(xiǎn),。基于此背景,，聯(lián)友 “基于 AI 的端云一體風(fēng)險(xiǎn)評(píng)估應(yīng)用” 應(yīng)運(yùn)而生,，通過(guò)大數(shù)據(jù)、機(jī)器學(xué)習(xí)等技術(shù),，提供精準(zhǔn)預(yù)測(cè)與個(gè)性化服務(wù),，構(gòu)建駕駛風(fēng)險(xiǎn)評(píng)估模型、用戶出險(xiǎn)評(píng)估模型,、用戶續(xù)保意愿預(yù)測(cè)模型等,，對(duì)用戶續(xù)保進(jìn)行差異化營(yíng)銷，為車主,、主機(jī)廠和保險(xiǎn)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(xiǎn)評(píng)估模型精準(zhǔn)預(yù)測(cè),。該體系充分利用車載單元（車端）采集的高頻CAN總線信號(hào)實(shí)時(shí)監(jiān)測(cè)駕駛行為，并計(jì)算出潛在的危險(xiǎn)駕駛特征,。

ü 在車端,，部署一系列專門針對(duì)危險(xiǎn)駕駛特征捕捉的輕量化模型,，包括頻繁變換車道識(shí)別、超速駕駛識(shí)別以及未按規(guī)定使用轉(zhuǎn)向燈識(shí)別等輕量級(jí)模型,，用于即時(shí)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(guò)往事故數(shù)據(jù)識(shí)別事故多發(fā)區(qū)域,，用戶駕駛評(píng)分模型等；通過(guò)深度學(xué)習(xí)技術(shù)構(gòu)建循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）評(píng)估整體的用戶出險(xiǎn)風(fēng)險(xiǎn),。

在模型管理層面，聯(lián)友科技引入集中的模型管理平臺(tái),，支持車端模型的持續(xù)更新與迭代,，不僅簡(jiǎn)化開(kāi)發(fā)流程，還提升算法模型的管理效率,，實(shí)現(xiàn)算法模型的平臺(tái)化開(kāi)發(fā)與維護(hù),。

友場(chǎng)景

ü 提供個(gè)性化保險(xiǎn)服務(wù)

通過(guò)精準(zhǔn)預(yù)測(cè)每位車主的出險(xiǎn)概率,，保險(xiǎn)公司可制定差異化的保險(xiǎn)產(chǎn)品和服務(wù)，如UBI保險(xiǎn)模式,，根據(jù)用戶駕駛行為動(dòng)態(tài)調(diào)整保費(fèi),，增強(qiáng)客戶忠誠(chéng)度，提高公司盈利能力,。用戶通過(guò)了解駕駛風(fēng)險(xiǎn),，改善不良駕駛習(xí)慣，降低出險(xiǎn)幾率,，享受更具針對(duì)性的增值服務(wù)和更低的保險(xiǎn)費(fèi)用。

ü 賦能主機(jī)廠售后服務(wù)

借助駕駛風(fēng)險(xiǎn)評(píng)估模型和用戶出險(xiǎn)評(píng)估模型,，通過(guò)模型判斷車主的駕駛風(fēng)格,、駕駛環(huán)境以及未來(lái)一年的出險(xiǎn)概率和續(xù)保意愿，為售后保險(xiǎn)服務(wù)及各回廠板塊的利潤(rùn)提升提供更多線索和助力,。通過(guò)對(duì)用戶出險(xiǎn)概率的預(yù)測(cè),，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

友案例

該項(xiàng)目已在某主機(jī)廠落地應(yīng)用,，并基于多方安全計(jì)算平臺(tái)與大型保險(xiǎn)公司展開(kāi)合作,。通過(guò)用戶出險(xiǎn)評(píng)估模型，將用戶未來(lái)一年出險(xiǎn)風(fēng)險(xiǎn)等級(jí)從低到高評(píng)為 5 個(gè)等級(jí),，輔助售后對(duì)用戶進(jìn)行差異化營(yíng)銷,。經(jīng)過(guò)長(zhǎng)達(dá)兩年的上線驗(yàn)證，高風(fēng)險(xiǎn)群體出險(xiǎn)率是原始整體出險(xiǎn)率的 3.5 倍,。同時(shí),，通過(guò)對(duì)用戶續(xù)保意愿預(yù)測(cè)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(cè)算估值