MoCha: Large-Scale Driving Pattern Characterization for Usage-based Insurance
MoCha: Large-Scale Driving Pattern Characterization for Usage-based Insurance
复制标题
MoCha：基于使用的保险的大规模驾驶模式表征
DOI：
10.1145/3447548.3467114
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Zhang, Desheng
中科院分区：
文献类型：
--
作者：
Fang, Zhihan;Yang, Guang;Zhang, Dian;Xie, Xiaoyang;Wang, Guang;Yang, Yu;Zhang, Fan;Zhang, Desheng
由于车辆跟踪技术被广泛采用，基于使用的保险在过去几年中一直是一个不断增长的市场。在保险公司提供潜在折扣的情况下，客户自愿为保险公司在其车辆中安装传感设备，这些传感设备用于分析其历史驾驶模式以得出未来驾驶的风险。然而，表征和预测驾驶模式是具有挑战性的，特别是对于具有有限数据的新用户。为了解决这个问题，我们提出并评估了一个名为MoCha的系统，以准确地描述基于使用的保险的驾驶模式。我们旨在通过MoCha探索的关键问题是，我们是否可以通过利用其他用户的丰富数据和上下文信息，在只有有限的历史数据的情况下充分探索新用户的长期驾驶模式。为了回答这个问题，我们设计了（i）一个多层次的驾驶模式建模组件，以捕获个人和群体水平上的时空依赖性，以及（ii）一个多任务学习方法，利用驾驶指标的底层关系，同时预测多个驾驶指标。我们使用来自一家拥有34万多辆汽车的大型保险公司的真实车载诊断数据来实施和评估MoCha。此外，我们验证了MoCha的有用性，预测驾驶风险的基础上，在中国城市，深圳的真实世界索赔数据。
Given widely adopted vehicle tracking technologies, usage-based insurance has been a rising market over the past few years. With potential discounts from insurance companies, customers voluntarily install sensing devices in their vehicles for insurance companies, which are utilized to analyze their historical driving patterns to derive the risks of future driving. However, it is challenging to characterize and predict driving patterns, especially for new users with limited data. To address this issue, we propose and evaluate a system called MoCha to accurately characterize driving patterns for usage-based insurance. The key question we aim to explore with MoCha is whether we can fully explore long-term driving patterns of new users with only limited historical data of themselves by leveraging abundant data of other users and contextual information. To answer this question, we design (i) a multi-level driving pattern modeling component to capture the spatial-temporal dependency on both individual and group level, and (ii) a multi-task learning method to utilize underlying relations of driving metrics and predict multiple driving metrics simultaneously. We implement and evaluate MoCha with real-world on-board diagnostics data from a large insurance company with more than 340,000 vehicles. Further, we validate the usefulness of MoCha by predicting driving risks based on real-world claim data in a Chinese city, Shenzhen.
VeMo：以完全渗透的方式实现各个级别的透明车辆移动建模
影响因子：
7.9
作者：
Yang, Yu;Xie, Xiaoyang;Fang, Zhihan;Zhang, Fan;Wang, Yang;Zhang, Desheng
通讯作者：
Zhang, Desheng
初学者使用驾驶行为数据的路线图
DOI：
--
发表时间：
2012
期刊：
影响因子：
--
作者：
J. Weiss
通讯作者：
J. Weiss
基于车辆操作计算驾驶员分数以获取前瞻性保险费
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
US 20070027726A;Frohwein Tempel Greenlee
通讯作者：
Frohwein Tempel Greenlee