Моделирование рисков в умном страховании автотранспорта на основе телематических данных

Моделирование рисков в умном страховании автотранспорта на основе телематических данных

Автор: Петрова Д.А., Пильник Н.П., Станкевич И.П., Абушова Е.Е.

Журнал: Петербургский экономический журнал @gukit-journal

Рубрика: Экономика и управление хозяйствующими субъектами

Статья в выпуске: 2 (44), 2024 года.

Бесплатный доступ

В статье исследуется возможность использования телематических устройств, собирающих в онлайн режиме информацию об особенностях передвижения транспортного средства, для прогнозирования наступления страховых случаев. В процессе разработки моделей, использующих эти данные, проведен сравнительный анализ разных типов устройств, позволяющих собирать информацию о положении, скорости, ускорениях, совершаемых автомобилем при передвижении, и формировать представление о стиле вождения ее водителя. Описаны преимущества и недостатки основных видов этих устройств, особенности хранения и сбора данных и выявлены наиболее эффективные с точки зрения задач страхования. Описаны форматы поступающих с телематических устройств данных и предложены механизмы их агрегации в удобный, с точки зрения дальнейшего моделирования, массив информации. Эмпирическое исследование проводилось с использованием высокочастотных телематических данных, обработанных с помощью статистических методов и использованных для построения эконометрических моделей. Предложена типизация аварий, в которые попадали водители, входящие в изучаемую выборку. На основе доступной информации об условиях вождения все наблюдения разделены не несколько кластеров. С использованием всей доступной информации построены модели оценки риска для разных типов аварий для разных кластеров наблюдений, и для каждого из них найден оптимальный набор факторов, определяющих уровень аварийности. Произведена оценка качества моделей и показано, в какой степени происходит повышение качества моделей с использованием данных по ускорениям. В работе показано, как на основе модели оценки вероятности аварии может быть сформирован сервис по подготовке рекомендаций по стилю вождения для клиентов страховых компаний.

Еще

Телематические данные, автотранспорт, страхование, вероятность аварии, модели вероятности аварии, логистическая регрессия

Короткий адрес: https://sciup.org/140306770

IDR: 140306770

Список литературы Моделирование рисков в умном страховании автотранспорта на основе телематических данных

  • Quddus M. A. Time series count data models: an empirical application to traffic accidents // Accident Analysis & Prevention. 2008. Vol. 40(5). Р. 1732–1741.
  • Anderson T. Comparison of spatial methods for measuring road accident ‘hotspots’: a case study of London // J. of Maps. 2007. Vol. 3(1). P. 55–63.
  • Kashani A. T., Mohaymany A. S. Analysis of the traffi c injury severity on two-lane, twoway rural roads based on classifi cation tree models // Safety Science. 2011. Vol. 49(10). P. 1314–1320.
  • Kashani A. T., Shariat-Mohaymany A., Ranjbari A. Analysis of factors associated with traffi c injury severity on rural roads in Iran // J. of injury and violence research. 2012. Vol. 4(1). P. 36.
  • Bíl M., Andrášik R., Janoška Z. Identifi cation of hazardous road locations of traffi c accidents by means of kernel density estimation and cluster signifi cance evaluation // Accident Analysis & Prevention. 2013. Vol. 55. P. 265–273.
  • Pedestrian fatality risk in accidents at unsignalized zebra crosswalks in Poland / P. Olszewski, P. Szagała, M. Wolański, A. Zielińska // Accident Analysis & Prevention.2015. Vol. 84. P. 83–91.
  • Geographical information systems aided traffi c accident analysis system case study: city of Afyonkarahisar / S. Erdogan, I. Yilmaz, T. Baybura, M. Gullu // Accident Analysis & Prevention. 2008. Vol. 40(1). P. 174–181.
  • Tesema T. B., Abraham A., Grosan C. Rule mining and classifi cation of road traffi c accidents using adaptive regression trees // International J. of Simulation. 2005. Vol. 6(10). P. 80–94.
  • Decision-making style, driving style, and self-reported involvement in road traffi c accidents D. J. French, R. J. West, J. Elander, J. M. Wilding // Ergonomics. 1993. Vol. 36(6). P. 627–644.
  • Elliott M., Christopher J. A., Christopher J. B. Drivers' compliance with speed limits: an application of the theory of planned behavior // J. of Applied Psychology. 2003. Vol. 88(5). P. 964.
  • Taubman-Ben-Ari O., Mikulincer M., Gillath O. The multidimensional driving style inventory – scale construct and validation // Accident Analysis & Prevention. 2004. Vol. 36.3. P. 323–332.
  • Predictors of driving outcomes including both crash involvement and driving cessation in a prospective study of Japanese older drivers / R. Kosuge, K. Okamura, M. Kihira, Y. Nakano, G. Fujita // Accident Analysis & Prevention. 2017. Vol. 106. P. 131–140.
  • Cross-classifi ed multilevel models for severity of commercial motor vehicle crashes considering heterogeneity among companies and regions / H. C. Park, D. K. Kim, S. Y. Kho, P. Y. Park // Accident Analysis & Prevention. 2017. Vol. 106. P. 305–314.
  • Повышение безопасности движения автомобилей на основе анализа аварийности и моделирования ДТП / В. А. Корчагин, С. А. Ляпин, В. Э. Клявин, В. В. Ситников // Фундаментальные исследования. 2015. № 6-2. С. 251–256
  • Новиков А. Н. Анализ существующих методов оценки вероятности возникновения ДТП на участках улично-дорожной сети города // Вестн. гражданских инженеров. 2021. № 2. С. 222–231.
  • Моисеева О. В., Клевеко В. И. Анализ аварийных случаев с участием пешеходов в г. Перми // Вестн. Перм. нац. исслед. политехн. ун-та. Строительство и архитектура. 2015. № 4. С. 134–143.
  • Павел П., Новиков А. Н., Пржибыл О. Ассоциированые системы и транспортная телематика // Мир транспорта и технологических машин. 2015. № 2. С. 96–102.
  • Stankevich I. Usage-based vehicle insurance: Driving style factors of accident probability and severity // J. of Transportation Safety & Security. 2022. Vol. 14, no. 10. P. 1633–1654.
  • Якушин А. Б. Страховая телематика и ее роль в развитии рынка добровольного страхования Российской Федерации // Корпоративная экономика. 2016. № 3. С. 45–49.
  • Беляев М. В., Четвергов М. А. К вопросу о современных способах моделирования дорожно-транспортных происшествий // Вестн. Моск. ун-та МВД России. 2018. № 4. С. 11–15.
  • Валиев Ш. Н. Моделирование риска возникновения дорожно-транспортных происшествий с учетом вариативности макрошероховатости покрытий проезжей части на автомобильных дорогах и мостовых сооружениях // Строительные материалы. 2016. № 5. С. 22–26.
  • Энглези И. П., Пахно А. Е. Моделирование вероятности возникновения ДТП на участке транспортной сети // Вестн. Донецкой академии автомобильного транспорта. 2010. № 4. С. 36–42.
  • Сулоева С. Б., Абушова Е. Е., Бурова Е. В. Разработка референтной модели учета информации в системе стратегического управленческого учета // Организатор производства. 2020. Т. 28, № 1. С. 56–65.
  • Кузьмина С. Н., Черникова А. В., Астраханцева А. Л. Практика использования технологии блокчейн в аудиторской деятельности // Петерб. эконом. журн. 2023. № 1. С. 85–94.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp