15、基于无监督学习的驾驶风格识别

基于无监督学习的驾驶风格识别

1 引言

从优化保险定价准确性的角度来看，能够通过驾驶风格识别驾驶员是很有必要的。利用惯性传感器数据，我们可以分析和了解驾驶风格，这种分析有助于减少危险驾驶。

如今，全球有超过10亿辆汽车，不同驾驶员在道路上相互影响。每个驾驶员都有自己的驾驶风格，这会对安全、燃油经济性和道路拥堵等诸多方面产生影响。虽然“激进”驾驶（如超速、急刹车或急转弯）大多有负面影响已达成普遍共识，但驾驶风格与其影响之间的确切关系尚未得到很好的描述。

在传统保险系统中，消费者向保险公司提供基本信息，保险公司根据汽车类型、年龄、性别、婚姻状况、位置、驾驶历史和信用历史等属性给出汽车保险报价。这些属性是汽车风险的代理指标，风险越高，提出索赔的可能性就越大。保险公司基于这些属性进行平均风险的猜测。

近年来，人们积极研究开发使驾驶更安全的系统。目前保险市场中，消费者拒绝“按驾驶付费”保险模式，主要原因是车辆需安装“黑匣子”，驾驶员认为这侵犯隐私，且安装和操作这些设备会增加保险公司和消费者的成本。一种替代方法是使用智能手机应用程序，它由用户自主操作，更像是驾驶支持工具而非“黑匣子”监控设备。

1.1 基于使用情况的保险

基于使用情况的保险（UBI）由来已久，最初是“按里程付费”项目，驾驶员行驶里程低于设定值可获得保险费折扣，后来发展为“按驾驶方式付费”项目，由Progressive率先推出，该项目跟踪驾驶习惯，为“安全”驾驶提供折扣。

UBI不再需要基于猜测的代理指标，它能根据个人实际驾驶习惯描绘出具体的风险状况，将检查时间缩短至几个月，保证了更相关的信息，还让消费者能控制自己的保险费。