由北京中交兴路信息科技股份有限公司（以下简称：中交兴路）与中国银行保险信息技术管理有限公司（以下简称：中国银保信）联合推出的重载货车保险风险评测模型，自2018年11月上线以来， 已成为国内主流保险公司在承保重载货车保险业务前进行定价决策与核保的必要工具，有效提升了保险公司在业务经营上的风险管理水平。
近日，在中交兴路与中国银保信的通力合作下，重载货车保险风险评测模型完成了又一次全面升级，实现了对保险赔付率更加精准的预测。经过历时6个月的建模、部署和校验，新版模型已于 12 月 4 日正式上线！
新版重载货车保险风险评测模型在建模过程中，使用的数据量规模之大，超过此前任何一次升级，并且在模型算法、数据因子、适用车辆类型等方面有着诸多创新。
【分地市建模】
针对预测效率的提升，双方依托各自优势，提取覆盖河北、河南、山东、山西、江苏、安徽、广东、广西、四川、云南、陕西、辽宁共12个省市的多年度全量数据进行分地市建模。
为了让全国每个地市对于赔付率预测的精度都有提升，双方以省为单位，先建立省级模型，再在省模型基础上分地市进行调整、优化；最后，再把建模过程中得到的规律性结论应用于其它省份和地区，使得新版模型效果在全国所有省份都有所提升。
【引入残差神经网络（ResNet）深度学习算法】
随着可使用的数据因子呈现指数级增长的态势，保险精算工作需要更多、更先进的模型算法用以不断提高保险风险预测的精度。
基于此前已应用的广义线性模型（GLM）、广义可加模型（GAM）、广义可加混合模型（GAMM）、极端梯度提升模型（XGBoost）等算法，中交兴路和中国银保信进一步引入残差神经网络（ResNet）深度学习算法，最终使部分重点地区的模型预测效果得到显著提升。
残差神经网络（ResNet）是微软亚洲研究院于2015年提出的深度学习神经网络结构，曾获当年ImageNet竞赛冠军，以及2023年“未来科学大奖-数学与计算机科学奖”。本次建模时，双方首次将这一模型引入到保险风险评测模型领域，并自定义在保险模型中常用的Tweedie分布损失函数。在双方的实践中发现，对于特定的建模数据，只要网络结构、激活函数、损失函数等参数设置得当，使用以残差神经网络为代表的深度学习模型既能达到很好的预测效果，又不会产生严重的过度拟合，有望成为新一代保险风险评测模型可供选择的建模算法。
【引入车机提醒纠正率因子】
重载货车保险风险评测模型的数据因子可归纳为运营强度、道路特征、驾驶行为三大品类，其中每一类又囊括数十种子项因子作为建模分析预测的数据支撑。此次模型升级重点在驾驶行为方面，开发了车机提醒纠正率因子。
依托物联网、大数据等技术，能够做到对所有重载货运车辆实时下发超速、疲劳、违规停车等危险驾驶行为语音提醒，并准确记录车机提醒后的纠正情况。纠正率越高，说明司机的安全驾驶意识越强，经过有效提醒后的赔付率越低。因此，对车机提醒纠正率因子的引入，能够让保险公司在制定保险产品价格时可以更加客观、公正；而对货车司机来说，只要保持安全驾驶意识，不断改善驾驶行为，持续提高纠正率，便能更好、更快地提高保险评分，以更低价格购买保险产品。
【新增新能源重载货车的支持】
使用动力电池驱动的新能源重载货车是近些年来国家重点发展的车辆类型之一。目前，该类车辆在河北唐山、四川攀枝花等应用较多，在国家“双碳”战略和多式联运等政策推动下，新能源重载货车或有望在全国范围被大规模推广使用。
以中短途货运为主的新能源重载货车，其行驶路线既与自卸车的场内运输相似，又承担中短距离的专线运输任务。对此，双方开发了能体现上述运输场景和风险特征的多项数据因子，并将其应用于新能源车、自卸车等特殊车型，使新版模型对特定类型车辆的风险预测能力和风险原因解释能力都得到了质的提升。
为直观展现建模成效，中交兴路与中国银保信将2020保单年的数据作为训练数据，将2021保单年的数据作为测试数据进行验证。
以云南省市为例，先粗略按照本省评分将测试数据车辆分成A、B、C、D、E五个风险等级，再分省、分地市对比建模前后每个等级的含NCD系数基准保费赔付率。其中，分类方法为：
对比结果在下表中列出（需要说明的是，这一分类方法较为粗糙，只是为了比对新旧模型的差异，保险公司实际使用时可将评分做更细致的划分）。
云南省各地市建模成效对比
《保险业标准化“十四五”规划》提出促进保险业在依法合规的前提下与第三方合作机构、数据服务提供商、其他行业产业合作，发挥更大的协同效应。原银保监会年初发布的《关于财产保险业积极开展风险减量服务的意见》提出在新形势下，保险业深耕风险减量服务，应深入了解客户需求和风险状况，优化风险减量模式。中交兴路与中国银保信强强联合，结合全国全量以重载货车为核心的“人、车、货、企、场”海量物流与车联网大数据及保单数据，充分激活数据要素潜能，在使我国保险行业的重载货车风险识别能力达到先进水平的同时，更进一步创新合作模式，为重载货车保险业务的风险减量提供了决策依据。 未来，双方还将深化合作，基于人工智能、大数据、物联网等前沿技术，面向保险科技应用领域，不断为广大物流货运行业相关人员提供更优质的产品和服务。
