加入中国保险汽车安全指数指标的车险索赔次数研究

在车险定价模型已改进、汽车碰撞测试结果已发布的背景下,研究不同模型以及纳入模型中解释变量的组合方式对索赔次数预测效果的影响。由于广义线性模型（Generalized Linear Models,GLM）存在局限性,仅包括线性预测部份,对连续型变量解释性较差,所以采用了广义线性可加模型（Generalized Linear Additive Models ,GAM）对车险数据进行拟合,同时研究中国保险汽车安全指数 （China Insurance Automotive Safety Index,C-IASI） 指标的3种不同风险因子组合方式对模型效果的影响。结果表明,广义线性可加模型对车险索赔次数的拟合效果优于广义线性模型;维修经济性得分与耐撞性得分作为自变量时的拟合效果优于其他组合。     

城市道路无信号控制路段行人过街风险分级预警模型

为量化城市无信号控制路段下的行人过街风险,避免人车冲突事故频发,提出基于K-means算法的行人过街风险量化分级方法,并在此基础上建立了基于随机森林的行人过街风险分级预警模型。考虑时空接近程度及潜在碰撞伤害大小,选取冲突时间差、潜在碰撞距离与潜在碰撞能量3个指标,准确刻画出实际的人车交互场景,并利用K-means算法对行人过街风险状态进聚类划分,明确相应的行人过街风险等级。综合行人过街场景中包含的天气状况、道路交通设施、行人交通特征、机动车交通特征与历史事故等5类风险隐患因素,提出了30项行人过街风险二级指标,依据基尼不纯度对风险指标进行筛选并构建出最优的预警指标集,以此为模型输入,利用随机森林算法建立了能对行人过街风险进行细化、量化预测的分级预警模型。以山西省某市3处行人过街样本数据为算例验证模型的可行性。算例分析表明：行人过街风险等级分为5级时,量化分级结果能与实际行人过街情景较好吻合;本文提出的分级预警模型对各风险等级预测的整体正确率可达86.67%,其中对一级与四级风险的预警能力最为突出,一级风险识别准确率达到100%,四级风险识别准确率达到94.7%。本研究提出的行人过街风险...     

智能联网环境下驾驶行为研究发展趋势与挑战——基于行车风险的保险精算

基于远程信息处理技术实时获取车辆行驶信息,并结合大数据挖掘、处理分析技术等探索影响UBI(UsageBased Insurance)车险费用厘定的驾驶行为指标,通过行车风险评价模型评估驾驶人的风险等级,可以为其提供风险与保费定价相匹配的个性化保单。UBI的发展主要分为两个阶段,基于驾驶里程付费的车辆保险(Pay-As-You-Drive,PAYD)和基于驾驶行为付费的车辆保险(Pay-How-You-Drive,PHYD),逐渐建立"人-车"保险定价模型,对增强交通安全、缓解交通拥堵以及保护环境等方面具有重大的意义。通过整理国内外汽车保险行业UBI产品的发展情况、UBI保险变量以及考虑不同变量的车险费用厘定模型,对该领域的现状和面临的挑战进行了归纳总结,结合"环境"因素可为车险定价提供更为可靠的依据,是下一代UBI定价的发展方向。     

基于改进BP神经网络的城市交通拥塞环境下车辆运行风险识别研究

交通拥塞在形成和消散过程中车辆运行风险均处于较高的水平,而拥塞环境下影响车辆运行风险的因素较多,分析复杂。如何准确识别城市交通拥塞环境下车辆运行风险的关键因素并对其进行评估,在缓解城市交通拥塞以及降低行车风险方面具有重要的意义。首先,将城市道路交通拥塞环境下车辆运行风险解析为拥塞形成过程和拥塞消散过程中的车辆运行风险。根据交通系统四要素"人、车、路、环境",初步选取换道频次、车型比例、拥塞时长等11个风险因子。其次,通过专家打分法将车辆运行风险等级划分为低风险、中等风险、高风险、极高风险。结合主成分分析法对标准的BP神经网络进行改进,并对模型进行训练。将改进前后的模型进行对比分析,改进后的模型拟合优度判定系数达97.13%,较改进前高出5.67%。最后,进行实例应用。采用改进的BP神经网络,建立了5+8+1模式的拥塞环境下车辆运行风险识别模型。研究表明换道频次、车型比例、平均密度、拥塞时长、拥塞等级、天气情况等6个因子对车辆运行风险影响较大,其中换道频次权重最高,其次为拥塞时长。11个影响因子中车头时距主成分系数平均值最小为0.109,其影响最小。建立的风险识别模型能够为规避城市道路拥塞环境下的车辆运行风险以及拥塞治理提供参考。     

基于驾驶行为和信息熵的道路交通安全风险预估

为了精准有效地进行交通事故预防预警，基于车辆OBD驾驶行为数据及信息熵理论，提出了城市道路交通安全风险预估方法。首先，分析异常驾驶行为高发位置与道路交通事故发生位置的关联性；其次，构建以道路交通安全熵为一级指标，急加速率、急减速率、急转弯率、超速率、高速空挡滑行率为二级指标的道路交通安全风险预估指标体系，提出了基于改进熵权法的道路交通安全熵计算方法；然后，基于密度聚类、K-means聚类提出了道路交通安全风险等级数确定方法，并基于K-means聚类建立了风险等级阈值计算方法。研究结果表明：异常驾驶行为高发位置与交通事故发生位置具有一致性；通过对log对数底数选择优化、二级指标零值处理、指标权重分段计算3个步骤改进的熵权法，可弥补log对数函数无法计算零值指标熵值的缺陷，避免指标权重为负、指标熵值与权重反映信息不一致的现象；两步聚类避免了孤立数据点对安全风险等级划分的影响。以重庆市4条城市道路（总长约38 km）进行实例验证后得出，道路交通安全熵与交通事故表征的道路交通安全状态趋势一致；道路交通安全风险等级可划分为高、低风险2级，道路交通安全熵优化阈值为0.042，最后，风险等级划分准确率为87.88%。研究成果可为道路交通安全风险点辨识、交通事故预防预警提供有效的技术支持。     

基于电动出租车数据的充电桩选址聚类方法比较

为有效降低出租车运营企业及经营者的经济成本,通过分析出租车的卫星轨迹数据,比较和选取用于电动出租车充电桩选址规划的聚类方法。以上海市电动出租车充电站的选址规划为研究对象,分别基于孤立森林和聚类算法设计异常值检测方法,对相关时段的出租车卫星数据进行清理以及数据可视化处理;比较层次聚类（Agglomerative Clustering）、高斯混合模型（Gaussian Mixture Model, GMM）、K-means聚类、Mean-Shift聚类以及谱聚类（Spectral Clustering） 5种算法的聚类效果,并选取K-means算法作为充电桩选址规划参考算法。从城市区域划分及企业运营角度确定充电桩选址方案,为未来上海市区电动出租车充电桩的数量和容量配置提供设计依据。     

上海市二级公路事故风险等级预测模型及致因分析

随着上海市规划建成区不断向郊区扩大,原有的二级公路很多转变为过境和集散功能兼具的城镇化道路。现收集了2017年上海市33条典型二级公路的历史事故数据和路段基础设施数据,对事故率进行了负二项分布拟合,拟合通过了K-S检验,以事故率为初始因变量,道路基础设施属性为变量,构建二级公路事故预测模型。将事故率进行风险等级划分作为最终因变量,构建事故风险等级预测模型。该模型训练集预测整体准确率为90.3%,测试集预测准确率为89.3%。通过模型结果对上海市二级公路事故致因进行分析,发现:路面宽度、人非隔离形式、机非隔离形式、接入口密度和机非分隔带开口密度对事故风险有显著的影响,应作为设计和管理中的控制对象。     

基于指数模型的危险货物道路运输风险评价与管理研究

开展危险货物道路运输风险评价可有效降低事故发生概率与后果损失,对提升企业安全管理水平具有重要意义。为提高危险货物道路运输风险评价的可靠性与实用性,在对国内多家危险货物运输企业的调研和大量线路风险的试算、数据拟合与参数调整基础上,对前人所做的风险分级指数模型进行了改进,构建了新的危险货物道路运输风险评价指数模型,主要包括4方面工作:(1)在危险货物自身风险计算中增加考量危险货物腐蚀性的指标;(2)将运输量因子、距离因子和扩散因子的最低级分值修正为0.5,在运输量因子中将剧毒化学品、爆炸品、强腐蚀性货物与一般性危险货物予以区分,并对液态和固态危险货物的扩散因子取值进行了明确;(3)修正了路线影响因子中有关指标的取值;(4)是给出了安全措施补偿因子的简化算法。在此基础上,依据最低合理可行原则,设计了基于指数评价模型的集成化风险管控流程,以切实强化定量评价对风险管理与决策的指导作用。该流程综合考察模型最终的风险指数值、构成指数的各风险参数以及风险辨识中的具体因素风险值这3个层次的风险信息,并且与各层次风险分级标准相集成。最后通过实例,展现了所提出的改进模型和管控流程的可行性与有效性,可以为企业提供一整套规范、实用的风险管理与决策支持服务。     

基于路面设计的河北省高速公路交通特性分析

利用河北省不同区域高速公路收费站载重汽车的动态称重系统数据,按新的车辆类型分类方法,分析了高速公路车型、车道和轴载分布特点。提出了适合河北省的高速公路车辆类型分布系数和行车道超载增大系数的确定方法,并对特重交通等级进行了细化分级,为路面结构设计和性能分析提供参考。     

汽车总布置尺寸链设计方法与应用

本文提出总布置尺寸链的设计方法，将总布置尺寸中间参数通过链条形式直观展示。利用遗传算法（GA）对BP神经网络进行优化，在总布置尺寸链基础上建立车辆总布置数据预测模型，实现未知车型的总布置尺寸预测。利用K-means聚类分析建立竞品对标模型，根据自身车型、成本调整产品设计。该研究为车辆设计、制造、组装和质保等提供参考。     

有的放矢——途观投保方案推荐

说起购买车险,相信许多车主都会无奈地摇头,是的,作为过来人,大家可能都经历过购买车险时的彷徨,尤其是一些对车险一无所知的新车主,他们中的许多人第一次购买车险基本都是听从了车险代理人员或者4S店服务人员的建议,而之后不得不为他们的"言听计从"付出代价。要么花了冤枉钱,购买了一些几乎用不着的险种或者部分险种投保额度过高,要么就是发生事故之后索赔无门,原因就是个别保险代理人员利用车主对保险条款不甚了解的情况,对车主进行误导;或者因为一味追求低价格而忽略了保险公司的服务,导致理赔时间过长,理赔过程过于冗杂,而导致自己出行的不便。为了消除车主车险投保误区,也为了让消费者不至于在购车时被4S店销售人员"忽悠"而花冤枉钱,或者车辆发生事故时手忙脚乱,索赔无门,而致使自己蒙受损失,从本期开始,本栏目将针对一些上市不久的新车、热销车型或者保有量较大的车型推出保险导购方案。我们会采访保险专业人士,为大家制定出合理的险种方案,并通过记者实际咨询为不同方案寻找到一个合理的价格,给那些即将购车或者投保的车主提供必要的参考,时下销售形势火爆的途观成为本期座上客。     

基于高斯混合模型的车辆自由流速度分布

基于车辆速度参数是描述交通流运行的最基本参数之一,在交通状态评价与交通安全性分析中具有的重要作用,针对城市道路不同种类车型混合运行的特征,提出采用高斯混合模型来描述自由流状态下的车辆速度分布.结合实测速度数据中的双峰分布特性,将混合车流车型分为大型车与小型车2类,进而建立了2类型的高斯混合模型,并采用期望最大化算法对模型参数进行估计.通过实测数据验证结果表明,模型能够很好的拟合观测速度数据,并能够有效区分不同类型车辆速度,为确定不同类型车辆限速标准、分析不同类型车辆相互影响提供理论依据.     

基于蒙特卡洛方法的飞机襟翼不对称风险预测

为了研究民航飞机在飞行时后缘襟翼不对称引起的飞行安全问题,基于蒙特卡洛模拟方法,利用飞行QAR数据建立了后缘襟翼不对称风险预测模型.使用某航空公司机型为B737-800的2架飞机航班数据作为模型样本数据,运用Matlab编程进行8000次模拟抽样试验,得到了飞机在稳定飞行状态下,后缘襟翼不对称风险预测曲线,根据曲线分布特征将风险值定量划分为4个等级.研究结果表明,飞机稳态飞行时,不同飞机同一风险值下对应的后缘襟翼左右角度差值并不相同.通过制定风险值等级,确定差异化的监控阈值,可以更准确有效地监控后缘襟翼不对称故障,为航空公司关于襟翼不对称超限事件维修工程管理提供一定的技术参考.      

基于非完备贝叶斯网络的车型识别方法

针对BP神经网络等车型识别算法不能很好地适应我国车型复杂状况，分析了贝叶斯网络（IDS-BN）算法中完备数据集的问题，提出了基于非完备数据集的贝叶斯网络车型识别方法和车型识别系统结构模块，基于该模块拟定了车型特征变量．构建了车型识别网络模型，并给出了模型参数学习、车型分类器等算法，包括MDL评分和贪婪搜索的结构学习、EM参数学习、随机模拟采样推理等。实验表明，该方法识别率较高，鲁棒性好，满足我国车型识别的实际要求。     

基于智能交通检测数据的车型换算系数研究

为将智能交通检测数据资源应用于交通规划研究和管理决策以提高交通规划和管理水平,文中基于时空消耗法原理建立了车型换算系数模型,并通过选取10%的检测路段样本进行实际调查和对比分析,对检测数据进行校正,解决了检测数据在车型划分上与实际交通情况不符的问题;采用所建立的车型换算系数模型对检测数据进行计算,按照误差最小的原则,得出了检测数据车型与实际车型之间的换算系数,为实现检测数据有效利用提供理论基础。     

基于K-means算法的行人检测方法研究

行人作为交通事故易受伤群体之一,其安全保障越发受到重视.结合车载激光测距仪实时采集的车辆前方障碍物距离信息,提出基于K-means算法的行人检测方法.首先对激光测距仪接收的距离信息进行报文解析,形成激光云点图.其次,对激光云点图进行预处理,消除冗余数据.再应用K-means聚类算法对前方障碍物进行分类,最后建立行人宽度模型甄别行人目标.试验结果表明,基于K-means聚类算法能从激光云点图中快速提取行人目标,为汽车主动安全及交通安全研究提供基础.     

城市道路网络功能匹配度建模与实证分析

为定量评价城市道路等级配置、功能定位和网络结构的合理性,借助功能匹配度（道路实际使用功能与规划设计功能的吻合程度）概念,从道路所承载交通的方式划分、距离分布及行车速度3类分流特征出发,利用层次分析法和模糊综合评判的数学方法,建立城市快速路、主干路、次干路、支路以及整个网络的功能匹配度分析模型。在大量实际城市交通调查数据的基础上,对模型参数进行了详细计算和标定。基于通用交通分析软件EMME/3的交通分配-路径分析功能,提取路段平均车速、分车型流量以及流量的起讫点信息等分流特征,进而获取模型所需的变量值。算例分析结果表明：该模型能够实现实际城市道路网络功能匹配度的定量计算,且具有实用性和可操作性。     

情感分类器结合Norton模型预测汽车销量

为了在"互联网+大数据+人工智能+区块链+物联网"高度信息化的社会精准预测汽车销量,本文首先利用词图、维特比等算法对汽车评价内容进行分词操作来获取关键词语;其次利用朴素贝叶斯分类器的方法对分词的结果进行计算,获得每条评论内容的情感指数;再次利用Norton模型的三代产品模型结合情感指数来组成拟合模型,同时利用最小二乘原理估计拟合模型的参数;最后利用估计的参数结合某款汽车的评论数据以及每个季度的汽车销量来验证模型,验证结果的准确性高达91.29%。基于此模型,企业可进行车型的销量预测,为合理规划生产和战略布局提供参考和依据。     

车车通信环境下考虑交通拥堵状态的碰撞时间混合分布建模研究

碰撞时间（TTC）是评价车车碰撞风险的有效指标，然而该指标分布规律受到交通状态影响。为研究车车（V2V）通信环境下不同交通状态的TTC分布规律，通过构建基于LTE-V技术的车车通信环境，开展实车实验获取4种典型城市道路中的驾驶数据。考虑加速度和航向角建立动态冲突辨识模型，计算车辆以任意角度接近时的TTC值；针对TTC值的结果出现多峰值现象，将交通流分为“拥堵、缓行、畅通”这3种状态，构建了考虑交通流状态的高斯混合模型以描述不同交通状态下的TTC分布规律，并采用最大期望（EM）算法进行参数求解。将所建高斯混合模型与负指数分布、对数正态分布、负指数/对数正态混合分布这3种传统的TTC分布模型进行对比，采用校正决定系数R2评价模型的拟合优度，并通过K-S检验验证模型的有效性。在此基础上，将所建高斯混合模型应用于非车车通信条件下不同交通状态的TTC分布拟合描述，进一步验证模型的适用性。结果表明:车车通信环境下“拥堵、缓行、畅通”这3种交通状态下的高斯分布均值逐渐增大，所处交通场景的碰撞风险依次降低；考虑交通状态的TTC高斯混合模型拟合优度为0.950 5，相较于其他TTC混合分布模型，拟合优度提升了0.057 5。      

基于VMD-MD-Clustering方法的航班延误等级分类

针对航班数量逐年增加导致的航班延误日益频繁问题,研究对航班延误等级分类的方法,从而为制定针对性措施,降低航班延误造成的损失提供理论基础。从时间、空间和效率3个方面确定航班延误时间、航班飞行时间、延误影响人数和航程这4个数值属性指标,以及过站是否经停、飞机载客量2个类属性指标,共计6个评估指标构建航班延误等级分类模型。提出了1种基于变分模态分解（VMD）、马氏深度（MD）函数和K-means数据聚类（Clustering）的航班延误等级分类方法（以下简称V-M-C方法）。V-M-C方法将非正态、非平稳的多维航班延误数据视作含噪声的信号序列进行处理,通过VMD降噪获得正态、稳定的多维信号数据;利用MD函数进行降维处理得到一维的稳定信号数据;使用K-means方法对得到的一维数据进行聚类,对航班延误等级分类。为确定航班延误等级分类精确性,采用带惩罚权重的支持向量机（SVM）对分类结果进行分析,可以在一定程度上提高V-M-C方法的普适性。以某大型枢纽机场某月的航班运行数据为例,只使用K-means算法的航班延误等级分类精度为81.9%,而V-M-C方法对航班延误等级分类精度可提升至95.41%。实验结果表明,V-M-C方法的分类准确率更高,能够帮助机场根据相应延误等级制定预案,保障航班整体运行正点率。