汽车行业：今日的驾驶员，未来的乘客，理解各类保险风险，准备迎接自动驾驶的未来

Swiss Re发布了《汽车行业：今日的驾驶员，未来的乘客，理解各类保险风险，准备迎接自动驾驶的未来》这篇报告。以下是对该报告的部分摘录，完整内容请获取原文查看。社会的变革和发展要素持续对汽车行业带来重大影响。这些要素包括政府对新能源动力车辆的大力倡导、新冠疫情及随之而来的经济后果（例如芯片和原材料短缺）、战争、社会人口结构变化和技术进步。

1.我们对机动车风险的观点

数十年来，车险一直是财产和意外险之中的支柱型细分领域之一，有着低风险、规 模大的特点。因此，保险公司之间的竞争非常激烈，这个领域的任何新事物，只要 对其产品组合的业绩指标有轻微影响，都值得去深入探究，最终也会成为必要考 量因素。

为了在竞争中占据优势，保险公司需要充分考虑汽车行业的技术进步以评估其产 品和风险模型，并及时利用一切可以获得的额外数据源。这一动机对近期发展的 刺激最大，并引出了以下观点：整体而言，车险风险是与在特定环境下使用特定车 辆的特定驾驶员相关的风险。保险公司在核保时应能够估计这些风险因素。为实 现这一目标，保险公司应考虑尽可能详细地描述这些因素的变量 (即指标）：

1. 驾驶员风险 由描述掌控方向盘者的驾驶行为的一组变量表示；

2. 车辆风险 由描述车辆降低事故风险能力的一组变量表示；

3. 环境风险 由描述可能以某种方式影响事故风险的环境特征（例如路况、天 气、位置等）的一组变量表示；

用于此类估计的数据性质可为静态、动态或二者的组合。

说到静态数据，我们通常指的是驾驶员、环境和/或车辆的与时间无关的特征 ( 提供某变量在某时点的快照）。这些特征在特定时间范围内（从保单生效日期到 保单失效日期）不会发生变化，或者记录频率非常低（通常是在每次生成保单或续 签保单时记录），并且/或者通常采用在长时间内不随时间变化的信息形式（如：邮 政编码、职业、驾驶执照验证日期）。

另一方面，由定义可知，动态数据会经常发生变化（例如，加速计数据每秒变化 10 次以上）。此类信息用于识别基于加速的事件，例如急刹车、超速、手机移动和 屏幕交互；可通过专用装置（例如手机应用、硬件设备）收集，也可由车辆本身直 接产出。后一种方案的吸引力在不断提升，因为由此得到的数据具有更高的质量、 精细度和采集频率，可能带来更准确的风险预测（请参阅关于车联网的部分）。

在本出版物中，我们会向读者介绍机动车风险的各个方面，如图 1 所示。我们将 首先阐释如何基于车联网技术，利用动态数据了解驾驶员和环境风险，从而提升 传统风险模型的能力。然后，我们将阐释新兴车辆技术在改善机动车安全（并因 此对保险理赔产生重大影响）方面的重要性。最后，我们会总结对机动车风险进 行评估建模的最佳实践，本质上可以动态地综合考虑所有风险维度。随着交通自 动化程度的逐渐提升，这样的方法将变得格外适用 。

2.逐渐脱离传统风险模型

传统上，车险模型依赖一组主要描述驾驶员特征（例如年龄、职业、历史理赔经 验）的变量，试图根据这些特征推断其行为。其他一些基本变量描述与车辆位置 相关（例如邮政编码）的特征，主要涉及到泊车位置。依赖这些变量的模型，其主 要优势是历来就为保险行业所接受，这主要是由多年来积累的大量理赔相关数据 决定（或导致）的。这一因素允许建立统计学意义上合理且稳健的风险模型。

尽管如此，我们已经证明，这些变量已不足以全面刻画这 样一个快速发展的行业复杂的风险特征。瑞再ADAS 风险评分、瑞再车辆特征评 分、瑞再车睿驾和Motor Market Analyser(MMA)等专属解决方案可提升传统保 险模型的预测能力，我们稍后将会对其进行介绍。它们有这种效果，是因为它们都 能捕捉到有意义的额外风险解释变量，并将其转化为保险相关术语和应用方式。

3.车联网技术的作用

从最广泛的意义上说，车联网涉及两门科学：电信和信息学。应用于机动车辆保险 时，它意为数据收集、数据融合，以及利用先进的机器学习算法来提取融合数据中 的有效信息，并应用精算知识，使有效信息具有可靠的统计学意义。

通过硬件设备、黑盒技术或移动应用等电信设备（我们将在单独的章节中讨论车 内数据的使用），可以捕获大量车辆数据。这些数据通常是高频动态数据，代表驾 驶员在方向盘后的行为和/或车辆行驶环境。对这些数据的分析和使用可以补充 传统风险模型，一览更真实的实时驾驶员表现，同时将该表现与环境结合分析。

因此，理解这些信息后，保险公司就可以制定基于用车行为的保险 (UBI) 计划，例 如PAYD（按里程/时长付费）和PHYD（按驾驶行为付费）。

按里程/时长付费遵循“我只为我行驶的里程付费”原则。长时间停放的车辆通常 比经常在路上行驶的车辆更少发生事故。对于不经常使用车辆的用户，这种产品非 常有吸引力。它还会鼓励人们使用其他交通方式，如公共交通或自行车。可以认为 PAYD 是最简单的车联网形式，主要存在于车联网服务处于萌芽期的市场中。

按驾驶行为付费会向客户收取与其驾驶行为风险相关的保费，这通常意味着如果 驾驶员安全习惯更好，则享受更低保费。这能有效激励驾驶员改善其驾驶行为，与 结构化的培训项目联用时效果尤佳。这使车联网服务提供商或保险公司能够就驾 驶员的驾驶技能及改进方式提供建设性反馈。

基于PHYD（按驾驶行为付费）的保险模型通常建立在以下信息的基础之上：手机 使用、速度（例如超过限速的频率）、操作类型（例如急刹车、急转弯）以及环境信 息（例如天气情况、路况、交通密度、事故多发地段，以及有关车辆行驶区域的其他 事故相关信息）。

4.车辆风险

当今车辆在道路上的驾驶风险主要来自驾驶员。因此，不可否认的是，对驾驶员驾 驶行为（静态或动态）的准确描述及其保险表征，仍在当前的车险风险评估和定 价模型中发挥着重要作用。

随着车辆技术的快速发展，其能够在多种驾驶情景中辅助驾驶员，或在预定义的 关键情况下进行干预；我们应将这种能力充分反映在定价模型中，因为这会对避免 和减弱事故方面产生重大影响，从而影响赔付分布。然而，当下并未充分做到。

各种新型车辆技术可提高客户舒适度和车内整体体验（例如信息娱乐）、减少碳 排放（例如电动和混合动力车辆），控制其动力学和悬架性能，最重要的是提高其 安全性。

对于保险公司而言，重要的是研究和量化这些新技术对风险的实际影响，以便能 够更好地细分风险，提高保单定价的盈利能力和竞争力。概括和评估此类技术性 能方式并不唯一，因为这通常取决于技术类型、成熟度和数据可用性。

编辑：999感冒灵