學術研究

您當前的位置: 首頁 > 學術研究 > 企業案例 > 正文

中交興路:“UBI保險助力平臺型運輸企業生態轉型”

發布時間:2021-07-22 09:31:55 中國物流與采購網

一、項目詳述

1.行業分析

1.1行業現狀及發展趨勢

近年來隨著互聯網+產業的高度發展,各省市網絡貨運平臺開始興起?;ヂ摼W+貨運的實施方式為通過智能化實現了把車輛、貨主以及司機的信息共享的同時進行合理匹配來提高物流行業運輸效率。從而滿足了用戶更加多元化和個性化的貨運新需求,解決傳統物流行業的供需不匹配的行業困境。

2020年1月1日,交通運輸部、國家稅務總局發布的《網絡平臺道路貨物運輸經營管理暫行辦法》(以下簡稱《辦法》)正式實施,標志著網絡物流行業開始步入了一個全新的發展時代,為平臺型物流企業實現健康、有序的發展奠定了堅實的基礎。同時,《辦法》也為傳統貨運行業開辟了轉型升級的通道。

在這種趨勢下,基于平臺型物流企業搭建完善的貨運生態體系,深度融合AI技術、大數據、云計算、衛星定位等先進技術,為貨運行業群體帶來完善的服務和效益是未來發展的核心方向.

1.2網絡貨運行業痛點

(1)運輸安全管理漏洞較大

?  從業資質缺乏監管手段:據權威部門調查,部分平臺運營企業無法做到有效源頭管理,導致運輸安全風險居高不下。

?  運輸過程缺乏安全性監控:由于運輸計劃復雜,貨主沒有渠道進行車輛的監管,導致運輸過程的安全性無法有效跟蹤。

(2)運輸效率和成本管控手段缺乏

?  時效性監控缺乏:車輛運輸過程不透明,導致車輛是否晚發晚點通常不可獲知,而這類風險的發生將降低運輸效率,造成資源不能高效利用;

?  車輛等貨時間長,空置率高、運價難以下降:根據數據統計,目前中國汽車物流企業公路運輸車輛空駛率高達39%,導致貨運行業成本居高不下,以及環境、交能耗的浪費;

運輸計劃復雜,結算規則繁瑣:貨物運輸整體流程較為復雜,在運輸過程中,涉及等貨拼車,整車串點運輸,多點卸貨等各種運輸場景,這其中監管困難,難以跟蹤整體運輸進程,且結算過程無節點跟蹤,未形成統一計算流程。

(3)平臺用戶粘性不高

生態圈不完善:盡管平臺型物流企業興起,但整體生態圈不完善,除了解決車貨匹配等運輸效率問題外,網絡物流還包括貨車風控監管、金融服務、油卡、ETC等面向貨主、車主、司機的增值服務有待開發和解決;

保障缺失:由于目前貨運行業的經營主體普遍為個人為單位,難以承擔安全監管責任,更無力承擔貨運行業的高風險;故貨運保險尤為重要。

1.3貨運大數據成功應用于貨運車輛保險風控業務

2014年,交通部、公安部、國家安全生產監督管理總局聯合發布《道路運輸車輛動態監督管理辦法》(2014年第5號,簡稱5號部令),在部令中要求全部重型載貨汽車和半掛牽車在2015年12月31日要安裝衛星定裝置并接入全國道路貨運車輛公共監管與服務平臺。

中交興路作為《全國道路貨運車輛監管與服務平臺》(以下簡稱:全國貨運平臺)的建設和運營方,截止目前已接入貨運車輛600余萬,基本實現了全國重載普貨車輛與半掛牽引車輛的全覆蓋,動態數據接入3萬億條。平臺結合大數據技術、智能分析、實時計算技術,對車輛行駛行為、駕駛員行為進行分析,并實時提醒,可有效糾正駕駛者的不良駕駛習慣,提高駕駛安全系數。

基于《全國道路貨運車輛監管與服務平臺》海量數據,中交興路在法律法規框架內展開了一系列運輸過程管控和駕駛行為數據挖掘和市場應用,并在車險定價方面做了大量創新研究。

2.技術方案

2.1系統業務架構

本項目以中交興路貨運大數據和數據中臺服務為底層支撐,結合風控AI云平臺以及UBI保險產品系,圍繞平臺型物流企業提供軟件產品服務、UBI保險服務和保中風控服務,助力平臺型物流企業打造自己的生態圈.

2.2系統技術架構

本項目系統架構主要分為三層:數據層、計算層和業務支撐層,技術架構如下圖所示。

數據層:從車輛、APP、第三方渠道采集的車輛位置及狀態數據、天氣數據、GIS數據、UGC數據、征信數據等。

計算層:基于海量數據和分析模型進行實時計算和T+1運算,為業務支撐層提供分析結果,包括UBI模型、保前風控模型、反欺詐模型、事故發現引擎等。

業務支撐層:主要由UBI保險業務支撐系統和AI風控云平臺系統構成,其中UBI保險業務支撐系統提供投保、試算、支付和保單管理等應用功能和API接口服務,AI風控云平臺提供在途車輛監控、在途貨物跟蹤、預警消息提醒、行為分析統計等應用工和API接口服務。

對保險業務的實時分析業務流程進行抽象后,保險業務的實時分析整體架構如下,其中實時計算引擎考慮到業務特點,采用的是業務比較流行的SparkStreaming和FlinkStreaming兩套計算引擎,對于準實時業務,用SparkStreaming引擎,對于實施要求高的業務用FlinkStreaming引擎計算,計算結果根據不同業務特點進入相應的存儲系統;

2.3接口服務方案

本項目面向國內平臺型物流企業的信息系統提供開放服務接口,采用https API方式對外提供接口服務。

系統為開發者提供安全證書,開發者在客戶端開發中導入證書,遵循API接口規范,發送https請求,支持POST、GET兩種,接口將驗證API用戶的合法性和安全性,然后提供接口服務,接口數據采用UTF-8格式編碼。

基于中交興路成熟的“智運開放”系統框架,定制開發了UBI保險接口和風控服務接口。

2.4平臺服務方案

(1)平臺型物流企業服務方案

針對貨運行業全新發展趨勢帶來的挑戰,中交根據國家相關的規范要求和自身數據價值對平臺進行了改進和完善,以此順應新物流時代的發展。

基于智運AI技術,平臺從時效、結算、安全三方面打造互聯網+物流的服務方案。針對大宗行業運輸、貿易批零運輸、干支線運輸、生產制造運輸四大行業場景,打造業務流、信息流、資金流、票據流、貨物軌跡流“五流合一”的科技物流平臺。

(2)運單+保單全程可視化

車輛調度生成運單,同步生成保單。全程透明高效,運輸過程可以實時查看。

2.5關鍵技術

(1)基于貨運大數據的UBI保險分析模型

作為一款面向市場的具有真正意義上的根據用戶實時行駛情況來定價的保險產品,UBI保險基于多種風險因子的計算模型,對貨車每趟行駛過程,從多個維度實時的分析,計算相應分數,依據模型權重,最終得出實際應付保費,在整個模型中,實時計算模塊對整個運輸過程實時分析,實時得出各種特征因子,如運輸距離,天氣因素、駕駛行為、道路因素等,在模型中,分為主要因子、次要因子,輔助因子等,最后調用模型計算,得出最終保費。

傳統保險只能在承保前根據用戶歷史賠付情況判斷大概的風險情況,UBI保險可精準識別用戶每趟行程的實時風險,做到千人千面、精準定價。

中交興路基于深度學習、XGBoost、GAM等領先的機器學習算法,獨創車聯網貨運風險模型該分析模型結合路線特征,天氣特征等開發貨運險專屬模,該車險模型已經保險公司全面應用,日查詢量超40萬,已成全行業標桿產品。

(2)基于GAM算法的保險風險成本預測模型

廣義可加模型(Generalized Addictive Model,簡稱GAM)是對廣義線性模型(Generalized Linear Model,簡稱GLM)的擴展。GLM要求自變量x(即車聯網駕駛行為數據因子)與因變量y(即保險風險)之間必須是線性關系,或者可轉化為線性關系。GAM突破了這一限制,在自變量x與因變量y之間的關系不確定時,采用非參數擬合算法,用一組樣條基(knots)函數代替原自變量(如圖所示),使擬合后的曲線連續且至少具有二階導數,并通過對懲罰系數的調節,調整曲線的平滑度,減緩過度擬合。

由于保險風險的發生具有偶然性和不確定性,車聯網駕駛行為數據因子具有連續性和動態性,二者之間的關系是低信噪比(Signal-Noise Ratio)的復雜非線性關系,因此,GAM算法比深度學習、支持向量回歸等其它高級統計學習算法更適用于保險風險預測場景。使用該算法可以很好地擬合出駕駛行為數據因子與保險風險之間復雜的非線性關系,并且使擬合結果具有可解釋性。

(3)基于馬爾科夫模型的車輛位置點道路匹配算法

道路匹配算法核心技術采用隱馬爾科夫模型(HMM)將GPS點采樣數據作為觀察值,認為該點所屬道路為隱藏值,核心問題即轉換為在一系列觀察值前提下,找到可聯通的隱藏值序列,滿足該隱藏值(即匹配的道路集合)代價和最小。每個gps點對應的可能隱藏值(即可選匹配道路)有多個,自概率和點到道路距離的對數相關,轉移概率為前一個gps點某個可匹配道路到當前gps點某個可匹配道路的距離和的cost,該cost值與途徑道路距離和的對數相關,這樣建立起整張狀態轉移圖之后,采用viterbi動態規劃算法,計算從第一個gps點到最后一個gps點的可選道路集合中cost最小的解,即為該gps點集所對應的道路匹配解。

二、先進性和創新點

經綜合分析國內外面向平臺型運輸企業提供的網絡貨運平臺解決方案,尚未發現同時向平臺型運輸企業提供UBI保險產品和風控云平臺開放接口服務, 本項目創新性將區塊鏈、AI、大數據、風控模型深度融合,并創新性應用于網絡貨運行業。

總體來說,本項目屬于國內領先水平,具體表現在:

將區塊鏈技術應用貨運行業,創建分布式記賬

著眼于中交的SaaS平臺,中交根據四大貨運場景分析,運用智運AI組件,在時效、安全、結算方面協助客戶進行智能管控。并首次將區塊鏈技術應用到貨運行業,采用區塊鏈技術互聯并分布式記賬,每個司機的行車記錄都記錄到統一賬本。根據真實可靠不可篡改的詳細運單記錄信息,替代中心化的結算中心,降低現有清算中心負擔,提升運營效率,降低運營成本。

基于海量貨運數據和云計算技術實現信息共享化

此外中交基于貨運平臺大數據,智能衛星定位系統,已擁有超過640萬車輛用戶,貨車覆蓋率在行業內首屈一指,可對車輛進行24小時數據采集。

首創基于UBI保險的互聯網貨運生態體系

鑒于貨運行業的高風險、高賠付特征,大貨車承保逐漸邊緣化。中交基于貨運大數據以及風控服務,打造了UBI智能保險體系,并與中國平安財產保險有限公司合作,推出了基于用戶行為的貨運險產品:優駕?!BI網絡貨運物責險。

開辟創新保險體系,引入風險監控與AI閃賠技術

此外對于UBI保險,中交也打造了車輛風險管控和快速理賠的增值服務,創建智能科技保險的生態閉環,為投??蛻舸蛟煲粭l龍便捷服務。

風險管控:所有投保用戶均可享受免費風控托管服務,通過全鏈路數據監控網絡,客戶可以追蹤到旗下車隊、車輛的動態信息。包括運輸途中的異常情況報警、疲勞超速危險行為提醒、惡劣天氣和危險路段預警等。

l  快速理賠:傳統理賠流程復雜且流程繁瑣,而基于車輛數據采集和區塊鏈技術,可將車輛行駛信息,駕駛行為信息,事故信息等記錄在區塊鏈分布式賬本中,基于區塊鏈分布式存儲,不可篡改的特點,確保了信息的真實可靠,達到理賠快速查勘、定損,提高理賠效率。因此中交不僅打造UBI科技保險,也著眼于提升用戶理賠服務,并推出了智能化AI理賠助手。

三、推廣應用情況或預期推廣應用前景

1.推廣應用情況

中交興路是國內領先的數據科技公司,已為3000多家道路運輸相關單位提供各類信息服務,并與300多家平臺型物流企業建立深度合作關系,除了提供網絡貨運平臺產品和數據服務外,提供科技保險服務與風險管控服務,通過智能化理賠助手實現快速賠付,針對貨損事故,通過反欺詐模型計算以及AI技術分析可實現1個工作日內協助平安財險完成事故定性,從而助力中小企業搭建網絡物流生態閉環。

截止目前,已交付并投入使用的網絡貨運平臺數量接近200家,2019年為近10000家貨主企業提供運力服務,累計風控AI云平臺收入8500萬元,UBI保險投保數突破100萬單,保費規模逾5000萬元。

2.預期應用前景

中交打造的物流生態圈未來應用場景非常巨大。隨著國家《辦法》的正式實施,中交興路網絡貨運平臺用戶和其承接運單數快速增長,UBI保險產品服務和風控服務也將快速增長,預計2020年開始至未來三年內,每年可帶來3到5億元直接保費收入,并帶來5到10億元風控服務收入,其中ubi保險占貨運險市場的20%左右。

2.1經濟效益

建立貨運生態圈,多舉措賦能實體經濟,降本增效

融合UBI科技保險與風控AI云平臺,無疑給平臺型物流企業附加了更高的經濟價值。建立完善的物流生態閉環,不僅為客戶提供車貨匹配和資源智能分配服務,同時通過提升各環節服務體驗感,如油卡、ETC、保險金融服務解決貨運主體的行業痛點,滿足貨運市場需求。中交產品應用以來,貨車司機月收入增加30%-40%,較傳統貨運降低交易成本6%—8%,其帶來的經濟效益是非常顯著的。

開辟保險新模式,為投保主體和保險公司建立共贏關系

中交在UBI智能保險體系的創新,為貨運行業開辟了新的發展方向。UBI智能保險是將司機行為與定價捆綁在一起,通過風控AI云平臺監控評估貨車運輸風險,這也使合作保險公司能夠更好地監控和控制他們的風險敞口,潛在地提高他們的風險承受力,并使他們能夠接觸到新的客戶群。而對投保主體而言,基于中交的UBI保險體系,合作保險公司有能力向駕駛員收取更低的安全駕駛費用,這為消費者提供了強大的購買動力,促使他們通過改善駕駛行為,以達到降低保費的目的,滿足消費者獲取低價的消費心理。

2.2社會效益

結合風控科技手段,實現車貨資源高效利用

中交打造的平臺型物流企業生態閉環,以貨運群體的需求點出發,響應國家政策,創建了結合風控大數據、人工智能、云計算、科技保險為一體的物流生態網絡。中交創建貨運生態圈以來,截至目前已提高車輛利用率效率約70%;平均等貨時間由2-3天縮短至6-8小時;極大提高了貨運行業運輸效率。

應用AI安全技術實現健康、有序的物流行業發展

通過智運AI安全體系,建立“人車企”認證流程,以國家稅務總局發布的《網絡平臺道路貨物運輸經營管理暫行辦法》為核心,保證互聯網貨運環境的健康與有序發展。

打破傳統保險模式,重塑貨運行業保險新秩序

中交借助自身的貨運大數據,充分地利用了個體用戶的駕駛數據來創建保險定價模型,建立行業導向,即車輛動態行為數據在提交保險報價時,比靜態基礎信息和保障方案更為重要。中交基于數據采集,可以依據這些不同場景下的真實駕車數據為用戶量身打造一套保單。


首頁
av无码一区二vs三区,午夜在线亚洲一区,伊人网在线免费观看,先锋男人资源站