摘 要： 針對傳統車險中用戶關系管理不明顯、個性化增值服務少、保費不合理等問題，基于GID技術對UBI系統進行研究。在車聯網“端-管-云”架構的基礎上，提出了新型的UBI系統模型，從信息感知、初步數據處理、數據傳遞、云端的駕駛行為數據挖掘和車主的費率等方面對UBI系統進行模塊化功能描述和分析。系統的功能分析表明，基于GID的UBI系統在車險行業有很好的應用前景。
關鍵詞： GID；UBI；車聯網；車險
0 引言
傳統模式中，車險服務定價理賠依據于違章、出險、車輛行駛里程三個數據條件和用戶駕駛行為等[1]，但由于報險時間延遲、事故車輛位置移動、車主主觀惡意逃避事發責任等影響，傳統理賠依據已不能滿足各類情況發生時法定判定條件。另外，傳統車險對于駕駛者在車險機構的個性化增值服務提供得很少，用戶關系管理維護效果不明顯，保險公司無法了解用戶的駕駛行為，無法提供基于不同用戶的個性化服務。因此，必須提出新型的互聯網時代的汽車保險系統。
新型的車險是在車輛和道路的信息感知、采集、發送、接收和存儲、處理等技術的基礎上實現費率差異化的目的[2]。參考文獻[3]把手機作為信息感知器和初步數據處理器，研究了利用手機對車輛進行檢測，采集和處理車輛的相關數據信息。但與車險相關的車輛數據信息量大，而手機處理性能有限，無法滿足車險服務的時效性和穩定性的要求。
本文創新性地提出了基于全球智能身份識別（Global Intelligent iDentity，GID）的基于駕駛行為的汽車保險（Usage-Based Insurance，UBI）系統，以車主的駕駛習慣、駕駛行為、行駛里程等數據為支撐，分析、判定駕駛者的安全級別，為車主制定個性化保險政策，提供更多的增值服務。
1 GID智能感知車載終端
GID是一種汽車智慧感知與通信的終端，它與車輛發動機控制單元（Engine Control Unit，ECU）通過控制器局部網（Controller Aver Network，CAN）總線相連，具備標準的車載診斷（On-Board Diagnostics，OBD）系統接口、智能傳感器、CAN解析和汽車標識等功能。GID是車聯網（Internet of Vihicle，IOV）中最核心的技術之一，融合了汽車智能信息傳感器、汽車聯網和汽車網絡車牌三大功能[4]，如圖1所示。
2 “端-管-云”架構上的UBI系統
基于GID的UBI系統以車聯網“端-管-云”架構為基礎，主要由移動終端（端）、智能車載信息感知端（管）和車云網（云）三部分組成，如圖2所示。該系統融合了GID智能車載感知技術、無線蜂窩網絡技術、數據挖掘方法，通過對車輛運行狀況和車行環境等信息的采集和提取，采用無線技術將數據信息傳送至車輛監控中心和車險機構，后臺從大量的車輛數據信息中挖掘出與駕駛行為相關的數據信息，依據駕駛行為的安全等級制定個性化UBI車險服務，實現風險管理精確化。
2.1 端
車聯網的各種服務內容通過智能手機終端或PC向終端用戶進行延伸和展現，可以全方位展現車輛的全息狀態。移動終端是面向車主、面向車輛管理者和車輛使用者的UBI應用業務的無縫融合手段，提供了車下、線上的全方位服務。
2.2 管
裝載在車輛上的GID終端插入到車輛OBD接口，讀取車輛的所有動態和靜態信息。目前主要采集的數據有OBD、GPS和G-Sensor，GID利用智能算法對CAN數據、GPS數據、3D傳感器等數據進行初步處理，利用內嵌的GSM模塊通過泛在網絡將初步分析處理與駕駛行為相關的車輛數據信息發送至云端以及手機端。
2.3 云
云端中挖掘的數據信息涉及車輛故障統計分析、百公里油耗分析、燃油消耗量分析、保養提醒、里程統計分析、行駛時間統計分析、轉速統計分析、三急（急加速、急減速、急剎車）分析等，以云端中挖掘出的車輛數據信息為基礎，得出駕駛者的安全等級，針對不同級別制定個性化保費增值服務和合理的保費[5]。
3 UBI系統模型
UBI系統是在車聯網“端-管-云”基礎上提出的，涉及信息感知、初步數據處理、數據傳遞、云端的駕駛行為數據挖掘和車主的費率等，可分為6層：（1）端：終端用戶激勵層；（2）管：GID信息感知層、GID本地信息處理層和無線傳輸層；（3）云：中心存儲和數據挖掘層以及軟件生命周期管理層。
3.1 終端用戶激勵層
終端用戶激勵層的主要功能是從人群中發現潛在用戶，刺激鼓勵其成為UBI客戶。讓車主時刻了解愛車車況，給予保養、駕駛行為分析等服務，方便車主用車養車，并給保險公司提供位置服務及盜搶控制，為車主提供防盜功能。根據不同的行為等級給予不同的保費，刺激用戶發現UBI車險增值服務個性化、車險保費的合理化等優勢。
3.2 GID信息感知層
信息感知層是指車輛中的傳感器與GID之間數據通信，GID通過CAN總線、OBD II獲取車輛在啟動、行車、駐車等過程中的所有動態和靜態信息的這一數據傳輸過程。該層的主要功能是建立和終止與傳感器之間的通信鏈路。
3.3 GID本地信息處理層
GID本地信息處理層的主要功能是從感知層獲取的原始數據中初步分析出駕駛行為相關參數及屬性。UBI不僅僅需要正常的行車數據，還需要用戶的一些特殊的駕駛行為和設備操作等數據信息。這些駕駛行為和操作包括超速、三急、碰撞、急剎車、設備插入、車輛設備拔出、車輛點火、熄火。GID本地信息處理層根據獲取的原始數據信息進行本地信息處理，初步判斷出超速、三急、碰撞、急剎車等6類事件。
3.4 無線傳輸層
無線傳輸層是車輛中的GID與云端、云端與手機以及車與車之間上下行鏈路的無線傳輸通道，保證車聯網中正常數據通信。當無線信號弱或干擾嚴重時，GID會把數據暫時存儲在Flash內，當無線信號恢復正常之后，及時補傳暫存數據，防止數據遺漏。
3.5 中心存儲和數據挖掘層
中心存儲和數據挖掘層主要功能是存儲數據信息，并從大量的車險相關數據信息中挖掘出駕駛行為和駕駛習慣。GID采集車輛的原始數據信息，初步進行數據信息處理后，將與駕駛行為相關的數據信息實時上傳至云端，云端接收、存儲上傳的數據信息，并且對存儲的車輛數據信息進行統計分析，根據挖掘出的數據信息分析出車況、駕駛行為和駕駛員的駕駛習慣。云端的數據處理如圖3所示。
（1）安裝在車輛上的GID通過CAN總線、OBD II獲取車輛的信息，利用智能算法對CAN數據、GPS數據和3D傳感器數據進行綜合判斷分析，把指定類型的駕駛行為數據上傳至云端中的車機網關。
（2）車機網關按照相關協議對這些數據進行解析處理后，按照指定的格式將解析處理后的數據傳給狀態網關（SSGW）。
（3）SSGW對接收到的這些數據進行進一步解析和組裝，并將最終組裝的數據存儲到數據庫DataBase（DB）中。
（4）運營管理系統OMP定期對這些駕駛行為數據進行計算、組裝、匯總并存儲到指定的列表中。
（5）運營操作員通過OMP界面查看駕駛行為數據明細和統計信息。
3.6 軟件生命周期管理層
軟件生命周期管理包括技術規范、軟件更新、版本分布等，許多理論和時間方法因軟件生命周期管理和系統更新而存在。UBI車險的相關應用必須通過手機或PC來展示，交互模式通過手機端APP進行車聯網下的UBI服務功能展示和體驗。軟件需要實時維護和定期更新，以正常交互。
4 系統功能分析
（1）穩定性
智能車載感知終端GID在工作中不會引起車輛故障，不會大量耗費車輛的電池電量，在各種氣溫、各種輻射等惡劣環境下均能夠正常感知環境、采集數據。當移動網絡異常時，暫時存儲采集的數據信息，一旦網絡恢復正常，補發車輛的數據信息。
（2）及時性
各類型的用戶獲得信息都沒有延時。當車輛熄火時駕駛者就可以獲得本次行程的詳細分析結果；4S店通過數據分析后盡快提示車主愛車維修時間；遇到緊急事故，車輛管理中心可以通過車云網中的數據分析結果在最短的時間內得到事故的詳細過程以便采取應對措施。
（3）智能性
面對不同的用戶，數據的分析結果是可讀、準確的。根據GID獲取的車輛信息分析出車輛的狀況，告知車主車輛的故障問題、故障程度以及保養維修建議等。
（4）可持續性
基于GID的UBI系統直接檢測和評估駕駛行為而非通過傳統保單使用的指標來對風險理解的規則重整，降低保險公司的賠付成本，同時督促駕駛者規范自身行為，為駕駛者自身及家庭提供安全和保障的增值車保服務。
5 結論
基于GID的UBI系統從車聯網中端、管、云三個層面進行模塊化功能描述和分析，以三急、行駛里程、油耗等數據為依據，判定駕駛者的安全級別。該系統直接評估駕駛行為，便于為車主制定合理保費和個性化增值服務，在車險行業有很好的應用前景。
參考文獻
[1] 迪納科技.保險行業車聯網解決方案白皮書[EB/OL].[2014-04-01].http：//www.cpsdna.com/article-545.html.
[2] BRUNETEAU F. Why insurance telematics matters—overview of a future EUR 50 billion market[C]. Telematics Munich， Munich， Germany， 2012.
[3] FAZEEN M， GOZICK B， DANTU R， et al. Safe driving using mobile phones[C]. IEEE Transactions on Intelligent Transportation Systems， 2012， 13（3）：1462-1468.
[4] 劉南杰.崛起中的車聯網[J].營贏，2011，12（2）：17-22.
[5] DESYLLAS P， SAKO M. Profiting from business model innovation： evidence from pay-as-you-drive auto insurance[J]. Research Policy， 2013，42（1）：101-116.