基于駕駛人行為的車險費率研究

朱琦章

摘 要：本文基于駕駛人行為，對國內的車輛保險費率進行分析，通過研究發現：我國的車險費率厘定研究一直處于不斷摸索與完善的修正過程中，國際范圍內，許多國家都開始支持駕駛行為保險，即UBI車險，駕駛行為車險的研究主要集中在駕駛人行為數據的采集，駕駛人風險等級的確定等幾個技術問題。

關鍵詞：風險等級；大數據；駕駛人行為；車險費率

DOI：10.16640/j.cnki.37-1222/t.2018.05.166

0 引言

我國的汽車保有量逐年增加，據公安部交管局統計，截止2016年底，全國機動車保量高達2.9億輛，其中汽車1.94億輛，其中汽車駕駛人超過3.1億人，跟汽車和駕駛人緊密相關的汽車保險市場規模也在逐年增大。對于每個人承擔的車險費率公平性越來越受到重視，基于駕駛人行為的車險費用厘定在國外較為成熟，即UBI車險，但是國內對此的認識度和推廣度并不夠。

1 駕駛人行為

駕駛人行為是指駕駛人的心理要素、駕駛習慣、車況環境等等。在一段行駛過程中會遇到很多紅綠燈、超車、避讓行人的情況，這需要駕駛人根據交通規則作出合理的判斷。駕駛人作出正確的判斷尤為重要，在不同的情況下不同駕駛人的心率值、呼吸值、腎上腺素值都不一樣，這些決定了駕駛人是否能做出正確的判斷，很多交通事故都是因為駕駛人有僥幸心理而造成了錯誤的判斷，或者因為緊張的心理而無法做出判斷而導致車禍，駕駛人心理素質的高低直接影響了駕駛人的駕駛習慣。

駕駛習慣包括在碰到超車、讓車、紅綠燈或者遇到行人以及其他的情況下駕駛人的處理習慣，而這些情況又跟駕駛人出行的車況習慣有關，有的人住在市中心，車輛冗雜，車況復雜，行駛速度不高；有的又在郊區，車況良好，行人稀少，車速偏高；有的駕駛人因為工作關系經常出差，行駛路段在高速上偏多。這三種截然不同的行駛習慣也會造成駕駛習慣的不同。

2 車險費用厘定與駕駛人行為的關系

車輛保險是指我們的汽車所購買的保險，當汽車發生交通事故時，由保險公司來承擔責任的保險，其中主要包括交強險和商業險。交強險的全稱是機動車交通事故責任強制保險，這是由國家法律強制駕駛人需要繳納的保險，是在行駛過程中因交通事故造成人身傷亡及財產損失的時候，由保險公司根據責任情況給予的賠償。商業險則是起到補充交強險的作用，在交強險的金額不足以用來賠償交通事故中的費用，商業險則可以順利解決所有問題以及車輛本身的一些保障。

我國傳統的汽車保險產品費率厘定體系只是從車的因素來確定風險，比如說車輛使用性質、車齡、車輛的購買價格、座位數量、車輛的用途，這是不公平的，也極不合理。而在車險事故中，情況復雜，車的基本因素占比不大，真正應該關心的應該是當時駕駛人的駕車習慣和判斷，駕駛人行為是造成事故的主要因素。 在車險費率厘定的精算模型中，對投保人的風險等級劃分過于粗略，欠缺公平性，不同投保人之間的差異性很難表現出來。

有些駕駛人性格急躁，加速超車、搶黃燈的次數比較多，這樣的駕駛習慣極易發生交通事故；而有的駕駛人習慣慢速，開車較穩，避讓行人，這樣的發生交通事故的概率就低。這兩種風格迥異的駕駛人在駕駛同樣的車輛發生同樣事故時如果按照傳統的費率厘定體系算保險費則沒有任何區別。

駕駛行為車險是基于車主駕駛行為的差異化車險。保險公司將收集而來的諸如行駛里程、駕駛時間、急加速急剎車次數以及駕駛路線等駕駛行為數據進行計算和分析，對駕駛行為相對安全和平穩的優質車主在續保或者購保的時候給予最大的折扣優惠價格，相反地，有激烈駕駛和危險駕駛傾向的車主在投保時應該合理的提高費用。

3 車聯網大數據下的駕駛人行為車險

隨著科技的發展和消費方向的改變，“互聯網+”已經深入到生活的各個領域，仿佛只要加上互聯網的概念，就能足不出戶解決所有問題。尤其是汽車保險這類標準化的保險產品。縱觀國外，車險業務早已因互聯網而發生了本質上的變化。在英國，2013年全年互聯網車險保費己占到車險總保費的44%。在美國，73%的美國人在選購車險時利用互聯網收集信息。由此可見，互聯網保險的代際效應明顯，年輕的消費者更愿意在線購買保險產品。

保險行業從形成的那天起，就是帶著以數據采集和分析為核心基因的行業。在過去，保險公司的歷史數據主要還是限于自身的承保系統（保單管理）、理賠系統（賠案管理）和財務系統（財務數據）。但到了今時今日的數據爆炸性增長的年代，互聯網、車聯網的快速發展，保險的商業模式也隨之而演變成為紛繁復雜的大數據行業。

就車險行業而言，首先，車聯網產生的數據量是巨大的。車載硬件設備在每一秒都會產生一條數據，這條數據可包含日期、時間、速度、經度、緯度、加速度或減速度、累計里程數以及耗油量等。取決于開車頻率高低以及行程長短，一個客戶一年的秒級的數據記錄大約會從5M到15M（而傳統模式可能僅為一條記錄數據）。若客戶量到達了10萬，這就意味著一年產生的數據量將達到TB量級！

除數據量爆炸性增長外，保險公司還需應對不同車聯網硬件設備以及相應的不同數據格式。比如2009年，美國第五大財險公司Liberty Mutual為營業團車啟動車聯網項目時，至少使用了來自五家不同硬件設備供應商的數據。

只有通過對駕駛行為數據的深度挖掘及分析，保險公司才能夠構建精準的UBI定價模型，才能夠評估和衡量車聯網提供的成百上千的新變量是否有效。UBI車險徹底打破了上述不合理的現象，還給車主一個公平的保費，也幫助保險公司有效地控制了風險，改善了盈利狀況。雖然很多反對者擔心UBI 所帶來的隱私問題，但有一點大家都是認同的：UBI車險提高了定價的透明度；通過UBI系統，被保險人了解到他們的保費是如何計算的，同時他們知道好的駕駛行為是被認可的。

UBI使得保險公司能夠向個人客戶展示其駕駛行為信息，并鼓勵、促使客戶駕駛更安全。駕駛行為信息可以通過駕駛行為儀表盤以及KPI指標的方式展示。例如英國保險公司- Young Marmalade的UBI產品，當客戶駕駛行為出現惡化，風險指示顏色進入紅色區域，公司會及時給客戶發送預警郵件。

4 總結

本文通過閱讀國內外文獻中我國對駕駛行為車險的研究得出我國在UBI車險方面有待發展。駕駛行為車險因其公平客觀性越來越受到國內各保險公司的重視，在車輛網和大數據的背景下，數據的采集、風險模型的建立成為駕駛行為車險發展的兩大難題。駕駛行為數據是在駕駛人駕駛過程中實時采集，可以該類數據的采集方法有前裝、后裝和手機APP三種，在分析三種方式的利弊后，合適地安裝在不同形式的汽車上定能將駕駛行為車險合理地運用。

參考文獻：

[1]胡伊.基于多源數據的車輛風險分析與保險定價模型研究[F].中央財經大學，2016.

[2]朱向雷.基于單車的大數據技術在車險中的應用研究[TP].汽車工業研究.

[3]郁佳敏.車聯網大數據時代汽車保險業的機遇和挑[F].南方金融.