楊金永 梁鈞奉 陳慧思

【摘 要】基于OBD技術(shù)確定的駕駛行為分析影響因子為：疲勞駕駛、變速行駛、轉(zhuǎn)彎行駛，同時根據(jù)駕駛行為指標選取的系統(tǒng)、可操作、客觀、和獨立四大原則。又選取了與駕駛?cè)税踩庾R、道路交通法規(guī)相關(guān)的兩個變量。用層析分析法對五個變量進行權(quán)重分析。應(yīng)用SPSS尋找與附件一提供的NCD的對應(yīng)關(guān)系。

【關(guān)鍵詞】AHP;車聯(lián)網(wǎng)保險UB1保費;

1.引言

本文針對A HP中判斷矩陣排序的行和歸一化方法進行了靈敏度分析，給出了在某一準則下，任意兩個方案排序位置不變的情況下判斷矩陣中各個元素變化范圍的計算公式，可以看出，所得到的理論分析結(jié)果較為完美，計算公式簡單，這為今后進-一步研究基于AHP的排序穩(wěn)定性以及群組決策分析等問題打下了堅實的基礎(chǔ)，也可以看到，雖然本文給出的僅僅是基于行和歸一化方法的靈敏度分析，但它給出了有關(guān)類似研究的一個重要思路。

2.AHP法分析車聯(lián)網(wǎng)保險

（1）評價指標的建立

駕駛習慣信息與電商的銷售效率密切相關(guān)，以駕駛習慣信息作為目標層，結(jié)合第一階段選取的五個指標作為方案層，精神狀態(tài)、安全意識、道路交通法規(guī)等條件作為準則層。首先，建立AHP模型，計算疲勞駕駛、分心駕駛、變速行駛、轉(zhuǎn)彎行駛、搶時駕駛這五種因素對于駕駛行為的權(quán)重。然后，篩選出權(quán)重最大的三種因素疲勞駕駛、分心駕駛、搶時駕駛作為可提供的客戶駕駛習慣信息。在運用模糊綜合評價法，計算出三種因素得分。最后，畫出駕駛行為得分與歷史出現(xiàn)次數(shù)的散點圖，直觀看出，評分越高，車輛出險次數(shù)越少，驗證了三種因素的重要性。

利用SPSS軟件對附件一提供的數(shù)據(jù)信息進行處理。為了實例化評定駕駛行為安全等級，確定駕駛行為指標和分值下的若干備選選項是在先前的動態(tài)評分機制進行安全等級評分工作基礎(chǔ)上的。通過對數(shù)據(jù)進行整合、去除異常及無效數(shù)據(jù)后，選取100名客戶的駕駛行為數(shù)據(jù)信息分析和處理后作為本文駕駛行為評分的數(shù)據(jù)依據(jù)。

圖2中給出了10名駕駛員的駕駛行為數(shù)據(jù)信息經(jīng)過駕駛行為評分模型后的得分情況，圖中紅色部分表示得分情況低于60分的有14名，其中有一名駕駛員的駕駛行為習慣非常不好，得分情況高于90分的有6名，大部分駕駛行為評分在70-90分之間。該100名駕駛員行車行為表現(xiàn)通過駕駛行為評分等級進行量化，為車聯(lián)網(wǎng)保險UB1保費差異化定價奠定了基礎(chǔ)。

駕駛行為識別算法的基礎(chǔ)上，提出了一種針對確定駕駛行為評分因子權(quán)重值的算法，該算法不是單純結(jié)合了層次分析法和熵權(quán)法兩種方法，而是對兩種方法的中間計算過程進行結(jié)合。最后通過隨機抽取附件一提供的100名車主的駕駛行為數(shù)據(jù)信息進行分析和統(tǒng)計，得出對應(yīng)駕駛行為事件數(shù)目，然后輸入到駕駛行為評分機制中得出相應(yīng)編號的駕駛員的評分結(jié)果。

為檢驗本文提出的駕駛行為評分模型的是否具有合理性，利用SPSS 軟件對駕駛行為評分結(jié)果進行評價。將這100名駕駛員在過去的一年里面出險理賠情況統(tǒng)計次數(shù)與本文中駕駛行為評分機制所得的駕駛評分進行對應(yīng)，分析駕駛員出險情況與本文提出的UBI駕駛行為評分間的相關(guān)性。圖表示的是100名編號客戶的駕駛行為評分與歷史出險次數(shù)對照，從圖可以看出，駕駛行為評分低于60分的編號客戶基本上都出現(xiàn)過歷史出險理賠情況，而駕駛行為評分高于80分的編號司機基本上沒有出險理賠現(xiàn)象發(fā)生。

上圖是駕駛行為得分與歷史出險次數(shù)的散列圖，該圖中表明大多數(shù)車主的駕駛行為得分超過60分，且駕駛行為得分主要集中在60分到85分之間，雖然有少量的駕駛行為得分大于60分的車主也存在一次、兩次的出險理賠事件，但大部分的車主幾乎沒有歷史出險理賠事件記錄。另外，從圖4中我們還可以看出，隨著駕駛行為得分的增加，車主的出險理賠事件有了明顯降低的趨勢。駕駛行為得分在80分以上的出現(xiàn)次數(shù)幾乎為零，這表明駕駛行為評分越高，該駕駛員的駕駛行為安全等級越高，行車風險越小，因而出險次數(shù)越少。所以從圖4中可以得出本文提出的駕駛行為評分機制是合理的，符合實際規(guī)律的。

小結(jié)

在駕駛行為識別算法的基礎(chǔ)上，提出了一種針對確定駕駛行為評分因子權(quán)重值的算法，該算法不是單純結(jié)合了層次分析法和熵權(quán)法兩種方法，而是對兩種方法的中間計算過程進行結(jié)合。然后借鑒前人的研究工作以及在本人在研究生期間的研究成果基礎(chǔ)上，依據(jù)-AHP算法得出駕駛行為相關(guān)指標的權(quán)重值，并以此設(shè)定對應(yīng)指標在駕駛行為評分機制中所占分值情況。最后通過隨機抽取附件一提供的100名車主的駕駛行為數(shù)據(jù)信息進行分析和統(tǒng)計，得出對應(yīng)駕駛行為事件數(shù)目，然后輸入到駕駛行為評分機制中得出相應(yīng)編號的駕駛員的評分結(jié)果。利用SPSS軟件對本文車聯(lián)網(wǎng)保險UB1中的駕駛行為評分機制進行驗證，通過駕駛行為得分和歷史出險次數(shù)之間斯皮爾曼相關(guān)系數(shù)表明兩者之間存在顯著的負相關(guān)性，最后通過駕駛行為得分和歷史出險次數(shù)散列圖表明駕駛行為得分越高，出行越安全，行車風險越小。從而驗證了本章節(jié)中駕駛行為選區(qū)的三種因素的合理性。

參考文獻：

[1]戴建國，& 陳欣然.基于UBI減少車險信息不對稱問題的研究.常州工學院學報，28（1）.（2015）.

[2] 張嫣.掘金UBI車險.經(jīng)營者：汽車商業(yè)評論（12），208-211.（2015）.

[3] 朱仁棟.UBI車險實踐與思考.當代金融家（Z1），114-117.（2016）.

[4]朱仁棟.UBI車險實踐與思考.當代金融家（Z1），114-117.（2016）.

[5] 陳文書.大數(shù)據(jù)視角下共享汽車保險定價機制研究——與UBI車險對比論證.中國商論，No.758（19），14-15.（2018）.

[6] 孟生旺，& 黃一凡.駕駛行為保險的風險預(yù)測模型研究.保險研究（8），21-34.（2018）.

作者簡介：

姓名：楊金永，性別：男，出生年月：1998年4月，民族：滿，籍貫：河北省易縣，學歷：大學本科，學校：華北理工大學，學校郵編：063210，專業(yè)：電氣工程及其自動化

（作者單位：華北理工大學電氣工程學院）