Swiss Re发布了《汽车行业：今日的驾驶员，未来的乘客，理解各类保险风险，准备迎接自动驾驶的未来》这篇报告。以下是对该报告的部分摘录，完整内容请获取原文查看。社会的变革和发展要素持续对汽车行业带来重大影响。这些要素包括政府对新能源动力车辆的大力倡导、新冠疫情及随之而来的经济后果（例如芯片和原材料短缺）、战争、社会人口结构变化和技术进步。
1.我们对机动车风险的观点
数十年来，车险一直是财产和意外险之中的支柱型细分领域之一，有着低风险、规 模大的特点。因此，保险公司之间的竞争非常激烈，这个领域的任何新事物，只要 对其产品组合的业绩指标有轻微影响，都值得去深入探究，最终也会成为必要考 量因素。
为了在竞争中占据优势，保险公司需要充分考虑汽车行业的技术进步以评估其产 品和风险模型，并及时利用一切可以获得的额外数据源。这一动机对近期发展的 刺激最大，并引出了以下观点：整体而言，车险风险是与在特定环境下使用特定车 辆的特定驾驶员相关的风险。保险公司在核保时应能够估计这些风险因素。为实 现这一目标，保险公司应考虑尽可能详细地描述这些因素的变量 (即指标）：
1. 驾驶员风险 由描述掌控方向盘者的驾驶行为的一组变量表示；
2. 车辆风险 由描述车辆降低事故风险能力的一组变量表示；
3. 环境风险 由描述可能以某种方式影响事故风险的环境特征（例如路况、天 气、位置等）的一组变量表示；
用于此类估计的数据性质可为静态、动态或二者的组合。
说到静态数据，我们通常指的是驾驶员、环境和/或车辆的与时间无关的特征 ( 提供某变量在某时点的快照）。这些特征在特定时间范围内（从保单生效日期到 保单失效日期）不会发生变化，或者记录频率非常低（通常是在每次生成保单或续 签保单时记录），并且/或者通常采用在长时间内不随时间变化的信息形式（如：邮 政编码、职业、驾驶执照验证日期）。
另一方面，由定义可知，动态数据会经常发生变化（例如，加速计数据每秒变化 10 次以上）。此类信息用于识别基于加速的事件，例如急刹车、超速、手机移动和 屏幕交互；可通过专用装置（例如手机应用、硬件设备）收集，也可由车辆本身直 接产出。后一种方案的吸引力在不断提升，因为由此得到的数据具有更高的质量、 精细度和采集频率，可能带来更准确的风险预测（请参阅关于车联网的部分）。
在本出版物中，我们会向读者介绍机动车风险的各个方面，如图 1 所示。我们将 首先阐释如何基于车联网技术，利用动态数据了解驾驶员和环境风险，从而提升 传统风险模型的能力。然后，我们将阐释新兴车辆技术在改善机动车安全（并因 此对保险理赔产生重大影响）方面的重要性。最后，我们会总结对机动车风险进 行评估建模的最佳实践，本质上可以动态地综合考虑所有风险维度。随着交通自 动化程度的逐渐提升，这样的方法将变得格外适用 。
2.逐渐脱离传统风险模型
传统上，车险模型依赖一组主要描述驾驶员特征（例如年龄、职业、历史理赔经 验）的变量，试图根据这些特征推断其行为。其他一些基本变量描述与车辆位置 相关（例如邮政编码）的特征，主要涉及到泊车位置。依赖这些变量的模型，其主 要优势是历来就为保险行业所接受，这主要是由多年来积累的大量理赔相关数据 决定（或导致）的。这一因素允许建立统计学意义上合理且稳健的风险模型。
尽管如此，我们已经证明，这些变量已不足以全面刻画这 样一个快速发展的行业复杂的风险特征。瑞再ADAS 风险评分、瑞再车辆特征评 分、瑞再车睿驾和Motor Market Analyser(MMA)等专属解决方案可提升传统保 险模型的预测能力，我们稍后将会对其进行介绍。它们有这种效果，是因为它们都 能捕捉到有意义的额外风险解释变量，并将其转化为保险相关术语和应用方式。
3.车联网技术的作用
从最广泛的意义上说，车联网涉及两门科学：电信和信息学。应用于机动车辆保险 时，它意为数据收集、数据融合，以及利用先进的机器学习算法来提取融合数据中 的有效信息，并应用精算知识，使有效信息具有可靠的统计学意义。
通过硬件设备、黑盒技术或移动应用等电信设备（我们将在单独的章节中讨论车 内数据的使用），可以捕获大量车辆数据。这些数据通常是高频动态数据，代表驾 驶员在方向盘后的行为和/或车辆行驶环境。对这些数据的分析和使用可以补充 传统风险模型，一览更真实的实时驾驶员表现，同时将该表现与环境结合分析。
因此，理解这些信息后，保险公司就可以制定基于用车行为的保险 (UBI) 计划，例 如PAYD（按里程/时长付费）和PHYD（按驾驶行为付费）。
按里程/时长付费遵循“我只为我行驶的里程付费”原则。长时间停放的车辆通常 比经常在路上行驶的车辆更少发生事故。对于不经常使用车辆的用户，这种产品非 常有吸引力。它还会鼓励人们使用其他交通方式，如公共交通或自行车。可以认为 PAYD 是最简单的车联网形式，主要存在于车联网服务处于萌芽期的市场中。
按驾驶行为付费会向客户收取与其驾驶行为风险相关的保费，这通常意味着如果 驾驶员安全习惯更好，则享受更低保费。这能有效激励驾驶员改善其驾驶行为，与 结构化的培训项目联用时效果尤佳。这使车联网服务提供商或保险公司能够就驾 驶员的驾驶技能及改进方式提供建设性反馈。
基于PHYD（按驾驶行为付费）的保险模型通常建立在以下信息的基础之上：手机 使用、速度（例如超过限速的频率）、操作类型（例如急刹车、急转弯）以及环境信 息（例如天气情况、路况、交通密度、事故多发地段，以及有关车辆行驶区域的其他 事故相关信息）。
4.车辆风险
当今车辆在道路上的驾驶风险主要来自驾驶员。因此，不可否认的是，对驾驶员驾 驶行为（静态或动态）的准确描述及其保险表征，仍在当前的车险风险评估和定 价模型中发挥着重要作用。
随着车辆技术的快速发展，其能够在多种驾驶情景中辅助驾驶员，或在预定义的 关键情况下进行干预；我们应将这种能力充分反映在定价模型中，因为这会对避免 和减弱事故方面产生重大影响，从而影响赔付分布。然而，当下并未充分做到。
各种新型车辆技术可提高客户舒适度和车内整体体验（例如信息娱乐）、减少碳 排放（例如电动和混合动力车辆），控制其动力学和悬架性能，最重要的是提高其 安全性。
对于保险公司而言，重要的是研究和量化这些新技术对风险的实际影响，以便能 够更好地细分风险，提高保单定价的盈利能力和竞争力。概括和评估此类技术性 能方式并不唯一，因为这通常取决于技术类型、成熟度和数据可用性。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
相关报告
汽车行业：今日的驾驶员，未来的乘客，理解各类保险风险，准备迎接自动驾驶的未来.pdf
汽车空气悬架行业研究：高附加值集成部件，国产替代新蓝海.pdf
零跑汽车研究报告：全域自研驱动技术降本，汽车出口盈利前景可期.pdf
华为汽车专题分析：X界智选，鸿蒙智行.pdf
麦肯锡&中国电动汽车百人会-新能源汽车行业驶向2030：全球新能源汽车产业发展格局与展望.pdf
长安汽车研究报告：汽车央企转型新生，产品向上开启新周期.pdf
2024自动驾驶出租车Robotaxi商业化趋势报告.pdf
4D成像毫米波雷达行业专题报告：自动驾驶最佳辅助.pdf
自动驾驶出租车行业（Robotaxi）商业化趋势展望2024：多元共进，聚变开新.pdf
汽车行业专题报告：数据驱动时代“车路云一体化”加速自动驾驶商业化进程.pdf
汽车零部件行业2024年智能驾驶年度策略：自动驾驶开始由创造型行业转向工程型行业.pdf
