摘 要： 针对传统车险中用户关系管理不明显、个性化增值服务少、保费不合理等问题，基于GID技术对UBI系统进行研究。在车联网“端-管-云”架构的基础上，提出了新型的UBI系统模型，从信息感知、初步数据处理、数据传递、云端的驾驶行为数据挖掘和车主的费率等方面对UBI系统进行模块化功能描述和分析。系统的功能分析表明，基于GID的UBI系统在车险行业有很好的应用前景。
关键词： GID；UBI；车联网；车险
0 引言
传统模式中，车险服务定价理赔依据于违章、出险、车辆行驶里程三个数据条件和用户驾驶行为等[1]，但由于报险时间延迟、事故车辆位置移动、车主主观恶意逃避事发责任等影响，传统理赔依据已不能满足各类情况发生时法定判定条件。另外，传统车险对于驾驶者在车险机构的个性化增值服务提供得很少，用户关系管理维护效果不明显，保险公司无法了解用户的驾驶行为，无法提供基于不同用户的个性化服务。因此，必须提出新型的互联网时代的汽车保险系统。
新型的车险是在车辆和道路的信息感知、采集、发送、接收和存储、处理等技术的基础上实现费率差异化的目的[2]。参考文献[3]把手机作为信息感知器和初步数据处理器，研究了利用手机对车辆进行检测，采集和处理车辆的相关数据信息。但与车险相关的车辆数据信息量大，而手机处理性能有限，无法满足车险服务的时效性和稳定性的要求。
本文创新性地提出了基于全球智能身份识别（Global Intelligent iDentity，GID）的基于驾驶行为的汽车保险（Usage-Based Insurance，UBI）系统，以车主的驾驶习惯、驾驶行为、行驶里程等数据为支撑，分析、判定驾驶者的安全级别，为车主制定个性化保险政策，提供更多的增值服务。
1 GID智能感知车载终端
GID是一种汽车智慧感知与通信的终端，它与车辆发动机控制单元（Engine Control Unit，ECU）通过控制器局部网（Controller Aver Network，CAN）总线相连，具备标准的车载诊断（On-Board Diagnostics，OBD）系统接口、智能传感器、CAN解析和汽车标识等功能。GID是车联网（Internet of Vihicle，IOV）中最核心的技术之一，融合了汽车智能信息传感器、汽车联网和汽车网络车牌三大功能[4]，如图1所示。
2 “端-管-云”架构上的UBI系统
基于GID的UBI系统以车联网“端-管-云”架构为基础，主要由移动终端（端）、智能车载信息感知端（管）和车云网（云）三部分组成，如图2所示。该系统融合了GID智能车载感知技术、无线蜂窝网络技术、数据挖掘方法，通过对车辆运行状况和车行环境等信息的采集和提取，采用无线技术将数据信息传送至车辆监控中心和车险机构，后台从大量的车辆数据信息中挖掘出与驾驶行为相关的数据信息，依据驾驶行为的安全等级制定个性化UBI车险服务，实现风险管理精确化。
2.1 端
车联网的各种服务内容通过智能手机终端或PC向终端用户进行延伸和展现，可以全方位展现车辆的全息状态。移动终端是面向车主、面向车辆管理者和车辆使用者的UBI应用业务的无缝融合手段，提供了车下、线上的全方位服务。
2.2 管
装载在车辆上的GID终端插入到车辆OBD接口，读取车辆的所有动态和静态信息。目前主要采集的数据有OBD、GPS和G-Sensor，GID利用智能算法对CAN数据、GPS数据、3D传感器等数据进行初步处理，利用内嵌的GSM模块通过泛在网络将初步分析处理与驾驶行为相关的车辆数据信息发送至云端以及手机端。
2.3 云
云端中挖掘的数据信息涉及车辆故障统计分析、百公里油耗分析、燃油消耗量分析、保养提醒、里程统计分析、行驶时间统计分析、转速统计分析、三急（急加速、急减速、急刹车）分析等，以云端中挖掘出的车辆数据信息为基础，得出驾驶者的安全等级，针对不同级别制定个性化保费增值服务和合理的保费[5]。
3 UBI系统模型
UBI系统是在车联网“端-管-云”基础上提出的，涉及信息感知、初步数据处理、数据传递、云端的驾驶行为数据挖掘和车主的费率等，可分为6层：（1）端：终端用户激励层；（2）管：GID信息感知层、GID本地信息处理层和无线传输层；（3）云：中心存储和数据挖掘层以及软件生命周期管理层。
3.1 终端用户激励层
终端用户激励层的主要功能是从人群中发现潜在用户，刺激鼓励其成为UBI客户。让车主时刻了解爱车车况，给予保养、驾驶行为分析等服务，方便车主用车养车，并给保险公司提供位置服务及盗抢控制，为车主提供防盗功能。根据不同的行为等级给予不同的保费，刺激用户发现UBI车险增值服务个性化、车险保费的合理化等优势。
3.2 GID信息感知层
信息感知层是指车辆中的传感器与GID之间数据通信，GID通过CAN总线、OBD II获取车辆在启动、行车、驻车等过程中的所有动态和静态信息的这一数据传输过程。该层的主要功能是建立和终止与传感器之间的通信链路。
3.3 GID本地信息处理层
GID本地信息处理层的主要功能是从感知层获取的原始数据中初步分析出驾驶行为相关参数及属性。UBI不仅仅需要正常的行车数据，还需要用户的一些特殊的驾驶行为和设备操作等数据信息。这些驾驶行为和操作包括超速、三急、碰撞、急刹车、设备插入、车辆设备拔出、车辆点火、熄火。GID本地信息处理层根据获取的原始数据信息进行本地信息处理，初步判断出超速、三急、碰撞、急刹车等6类事件。
3.4 无线传输层
无线传输层是车辆中的GID与云端、云端与手机以及车与车之间上下行链路的无线传输通道，保证车联网中正常数据通信。当无线信号弱或干扰严重时，GID会把数据暂时存储在Flash内，当无线信号恢复正常之后，及时补传暂存数据，防止数据遗漏。
3.5 中心存储和数据挖掘层
中心存储和数据挖掘层主要功能是存储数据信息，并从大量的车险相关数据信息中挖掘出驾驶行为和驾驶习惯。GID采集车辆的原始数据信息，初步进行数据信息处理后，将与驾驶行为相关的数据信息实时上传至云端，云端接收、存储上传的数据信息，并且对存储的车辆数据信息进行统计分析，根据挖掘出的数据信息分析出车况、驾驶行为和驾驶员的驾驶习惯。云端的数据处理如图3所示。
（1）安装在车辆上的GID通过CAN总线、OBD II获取车辆的信息，利用智能算法对CAN数据、GPS数据和3D传感器数据进行综合判断分析，把指定类型的驾驶行为数据上传至云端中的车机网关。
（2）车机网关按照相关协议对这些数据进行解析处理后，按照指定的格式将解析处理后的数据传给状态网关（SSGW）。
（3）SSGW对接收到的这些数据进行进一步解析和组装，并将最终组装的数据存储到数据库DataBase（DB）中。
（4）运营管理系统OMP定期对这些驾驶行为数据进行计算、组装、汇总并存储到指定的列表中。
（5）运营操作员通过OMP界面查看驾驶行为数据明细和统计信息。
3.6 软件生命周期管理层
软件生命周期管理包括技术规范、软件更新、版本分布等，许多理论和时间方法因软件生命周期管理和系统更新而存在。UBI车险的相关应用必须通过手机或PC来展示，交互模式通过手机端APP进行车联网下的UBI服务功能展示和体验。软件需要实时维护和定期更新，以正常交互。
4 系统功能分析
（1）稳定性
智能车载感知终端GID在工作中不会引起车辆故障，不会大量耗费车辆的电池电量，在各种气温、各种辐射等恶劣环境下均能够正常感知环境、采集数据。当移动网络异常时，暂时存储采集的数据信息，一旦网络恢复正常，补发车辆的数据信息。
（2）及时性
各类型的用户获得信息都没有延时。当车辆熄火时驾驶者就可以获得本次行程的详细分析结果；4S店通过数据分析后尽快提示车主爱车维修时间；遇到紧急事故，车辆管理中心可以通过车云网中的数据分析结果在最短的时间内得到事故的详细过程以便采取应对措施。
（3）智能性
面对不同的用户，数据的分析结果是可读、准确的。根据GID获取的车辆信息分析出车辆的状况，告知车主车辆的故障问题、故障程度以及保养维修建议等。
（4）可持续性
基于GID的UBI系统直接检测和评估驾驶行为而非通过传统保单使用的指标来对风险理解的规则重整，降低保险公司的赔付成本，同时督促驾驶者规范自身行为，为驾驶者自身及家庭提供安全和保障的增值车保服务。
5 结论
基于GID的UBI系统从车联网中端、管、云三个层面进行模块化功能描述和分析，以三急、行驶里程、油耗等数据为依据，判定驾驶者的安全级别。该系统直接评估驾驶行为，便于为车主制定合理保费和个性化增值服务，在车险行业有很好的应用前景。
参考文献
[1] 迪纳科技.保险行业车联网解决方案白皮书[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] 刘南杰.崛起中的车联网[J].营赢，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.