车载导航数据分析及在车险行业的应用

摘要

随着信息科学技术的不断发展，越来越多的设备可以产生数据，而硬件存储设备却越来越便宜，我们因此步入了数据爆炸式增长的时代。大数据如雨后春笋般地出现在各行各业中，许多行业已经开始对大数据进行分析，并从分析中得到了惊人的价值，如互联网行业、大型零售超市，等等。然而有很大一部分行业，他们迎来了大数据，却只是简单的存储了数据，还并没有开展对数据价值的探索。如果能够有效地使用大数据，无疑将扩大企业的竞争优势。如果一个企业忽略了大数据，并将导致在竞争中逐渐落后。
　　伴随着我国汽车市场的飞速发展，车载导航软件近几年的发展非常迅速，使用车载导航软件行车的人越来越多，车载导航迎来了大数据。大数据是机遇，同时也是挑战，如何从导航数据中获取价值成了车载导航软件公司的难题。而与此同时，中国车险市场随着我国汽车市场发展不断扩大，竞争也越来越激烈。车险行业的竞争主要是服务与价格的竞争，归根到底是风险评估能力的竞争，而目前的广泛采用的车险定价策略存在难以区分投保人真实风险的不足。
　　本文结合车险领域风险评估的情况以及车载导航数据的特点，提出通过对车载导航数据的分析，对用户的统计驾驶情况进行评估，将评估的结果称作为驾驶统计安全系数（简称DSCF）。该系数综合考虑了用户驾驶路程、驾驶速度、驾驶区域、夜间驾驶、疲劳驾驶等情况，是用户驾驶行为和习惯的真实体现。相对我国目前保险公司所采用的车险费率因子来说，该系数更接近用户的真实驾驶风险。车险公司可以将该系数作为保费定价的主要费率因子或者将其作为保费调整的次要费率因子，还可以将该系数与传统的费率因子相结合，对车险服务品种以及定价策略进行改进和创新。
　　本文首先提出了驾驶统计安全系数（DSCF）的概念，然后对DSCF分析方法进行设计，主要包括驾驶统计安全评价模型和导航数据分析处理两个方面。其中驾驶统计安全评价模型主要包括评价指标体系的构建以及指标权重的分配，本文借助综合评价法，结合安全驾驶的领域知识以及现有车载导航数据，设计了评估模型的指标体系，然后采用层次分析法对指标的权重进行了分配。导航数据分析处理包括对源数据进行理解、数据选择、重组、驾驶统计分析等等。最后本文以某车载导航软件公司提供的真实数据为例，对23752个用户的DSCF进行了计算，验证DSCF分析方法的有效性。

目录

声明

第一章 绪论

1 .1 选题背景

1 .2 车载导航数据应用价值及其在车险行业的应用

1 .3 研究方法和技术路线

1 .5 章节组织

第二章 综合评价方法及数据挖掘基础知识

2 .2 基于AHP的权重分配方法

2 .3 数据挖掘分析过程

2 .4 本章小结

第三章 DSCF分析方法设计

3.2 DSCF工作过程中主要活动的任务描述及方法设计

3 .3 本章小结

第四章 DSC F评价模型的实现

4.1 DSCF评价指标体系构建

4 .2 指标权重的分配

4 .3 本章小结

第五章 基于真实数据的评价指标获取与DSCF计算

5 .1 理解数据

5 .2 数据准备

5 .3 驾驶统计分析

5 .4 评价指标的提取和转换

5.5 DSCF计算与结果分析

5 .6 本章小结

第六章 总结与展望

6 .2 前景展望

致谢

参考文献

作者在学期间取得的学术成果