31
刘耘礽1 刘 禹1 任 聪2
1.西南财经大学经济管理实验教学中心 四川成都 611130
2.西南财经大学保险学院 四川成都 611130
摘 要：为克服UBI 车险定价理论教学中学生在数据认知、处理和建模方面的实践欠缺，运用大数据与虚拟现实技术，开发设计基于驾驶行为的UBI 车险定价虚拟仿真实验，为学生提供完整的驾驶风险评估和UBI 车险实践平台。学生通过完成驾驶行为数据获取、UBI 车险数据处理、风险建模和优化、车险经营模拟4个方面的实验内容，能够将UBI 车险定价理论知识应用于实践操作，促进专业理论与实践操作的紧密融合。关键词：驾驶行为；UBI ；虚拟仿真；实验教学 作者简介：刘耘礽，管理学硕士，实验师；刘禹，管理学硕士，助理研究员；任聪，工学硕士。
基金项目：西南财经大学虚拟仿真实验教学项目“车联网大数据情境下驾驶者行为虚拟仿真实验”(编号：XF2019ZD03)；西南财经大学研究生教育教学改革专项“虚拟仿真技术在保险精算课程教学中的探索与实践”(编号：2021YJG043)。
塑料光纤收发器
1 研究背景
虚拟仿真实验教学是推进现代信息技术与实验教学深度融合、拓展实验教学内容广度和深度、延伸实验教学时间和空间、提升实验教学质量和水平的重要举措[1]。在教育信息化建设和虚拟仿真实验教学中心建设的基础上，进一步开展虚拟仿真实验教学项目建设，依托虚拟现实、人机交互、大数据等技术，构建高度仿真的虚拟实验环境，实现真实实验条件不具备或实际运行困难的教学内容，为学生开展自主式、合作式、探究式实验提供信息化手段和平台[2]。
UBI 车险(Usage Based Insurance)是使用车载设备(OBD)采集的车辆行驶数据对驾驶人的行为进行分析和评估，从而制订差异化车险费率的保险产品，是未来汽车保险发展的趋势。以往汽车保险产品定价主要使用从车因子和从人因子衡量被保险人的风险水平，确定车险费率，但是上述因子并不能很好地反映驾驶人的风险水平，导致车险费率无法与车辆实际风险合理匹配。为了使车险费率更好地趋近被保险人的实际出险费率，需要引入更多的动态风险因子到车险定价中，基于驾驶行为的UBI 车险成为车险定价的关键[3]。
作为汽车保险研究的前沿，基于驾驶行为的UBI 车险定价实验是“非寿险精算”课程的重要实践环节。由于以往的实验教学方式受实验场所、实验设备等条件限制，无法开展UBI 车险定价综合训练，学生对UBI 车险无法形成全局认知，且UBI 车险作为一种新兴的保险产品尚处于探索阶段，车辆网设备配备不
足，基础数据积累不够，保险公司相应业务开展不充分，学生无法到保险公司开展业务实训[4]。因此，针对UBI 车险定价实验教学中存在的问题，利用信息技术构建虚拟仿真的实验对象和实验环境，还原UBI 车险业务全流程，模拟驾驶行为数据获取、UBI 车险定价和经营的过程，能够有效弥补实验教学短板，帮助学生掌握相关实验原理和知识点，启发学生关注技术进步的前沿问题，实现理论教学与实践教学的有机融合。
2 UBI 车险定价虚拟仿真实验目的
基于驾驶行为的UBI 车险定价虚拟仿真实验构建了保险公司模拟经营环境，设定了驾驶人、精算师等虚拟人物，通过对虚拟人物的角扮演让学生更好地体验UBI 车险定价的过程。通过虚拟仿真实验中的交互式操作和自主式学习，可以实现以下目的：理解UBI 车险数据产生的方法和途径；学习基本的车险大数据处理方法，了解影响驾驶风险的重要风险因子；学习精算模型以及当下前沿的机器学习算法模型；熟悉车险定价和经营流程，理解定价的合理性、公平性要求；使学生将UBI 车险定价理论知识应用于实践操作，提升学生的综合应用能力。
3 UBI 车险定价虚拟仿真实验内容
基于驾驶行为的UBI 车险定价虚拟仿真实验的基本原理是从驾驶人行为信息中提取关键变量应用在保
32
险精算模型中，通过数据分析，选择合适的预测模型，对驾驶行为进行评分，确定不同风险类别的客户相应的车险费率，并通过模拟经营验证车险定价结果的合理性[5]。实验设计遵循“以学生为中心、以问题为导向”的理念，学生在沉浸式、交互式的虚拟环境中进行操作，实验内容分为驾驶行为数据获取、UBI 车险数据处理、风险建模和优化、车险模拟经营4个环节。
3.1 驾驶行为数据获取
驾驶行为数据获取实验通过搭建特定场景的3D 仿真驾驶环境, 结合模拟驾驶器、耳机等设备，模拟驾驶人道路行为。学生在虚拟驾驶环境中，不仅可以立体地、生动地感知驾驶中道路的变化、环境的变化[6]，还可以清晰地看到自己的驾驶速度、驾驶时长、坐标位置等驾驶行为信息，以第一视角了解UB
I 车险数据生成的过程，感知驾驶行为与费率水平之间的关系。驾驶行为数据获取实验能够帮助学生深入理解UBI车险数据产生的方法和途径。
一是实验准备。为学生生成识别号(ID)，学生使用ID登录模拟驾驶实验系统，根据系统预设的操作指引，以任务驱动的方式快速了解系统及相关模拟驾驶操作。
二是模拟驾驶。学生根据预设选项选取特定场景进行模拟驾驶测试。例如在无障碍场景下，进行自由驾驶测试，完成起步、加速、刹车、直行等操作；在正常天气、人多的城市道路场景下，进行密集人驾驶测试；在正常天气、人少、弯多的山区道路场景下，进行危险路段驾驶测试；在大雾、暴雨等极端天气场景下，进行极端天气驾驶测试。如图1所示。
图1 模拟驾驶场景
三是数据提取。完成模拟驾驶后，系统会自动生成相应的驾驶行为数据，学生提取在测试中生成的元数据，初步了解驾驶行为数据的构成，为后续实验做准备。
3.2 UBI车险数据处理
UBI车险数据变量众多，本实验数据来源于某保险公司，包含若干份某段时期内的车险保单的承保信息和出险信息，以及在这期间的驾驶行为原始数据。学生通过分析数据描述性统计结果，处理异常值和无效数据，以及创建风险特征集3个环节的操作，理解各变量背后的含义，厘清各变量间的关系，学习UBI 车险大数据的处理方法。
一是数据描述性统计。系统提供包含驾驶人属性、车辆属性、驾驶行为属性的多个变量，学生查看各变量对应的均值、方差、中位数、最大值、最小值等，通过描述性统计结果分析数据的基本特征、维度和分布等，并提交分析结果。
二是数据清洗。系统提供多组驾驶行为原始记录数据，数据记录了对应车辆在一段行程中不同时点上的行驶状态，包括车辆ID、时间、经纬度、里程数、瞬时速度、加速度等。学生判断该组数据是否正常有效，如果存在异常，则根据异常情况对数据进行处理。例如某条数据记录的瞬时速度为380公里/
小时，则判定该条记录异常，应该将其从组内删除，取其前后两组正常的瞬时速度的平均值代替。如图2
所示。
图2 数据清洗示例
三是特征提取。系统预设由驾驶行为原始记录数据计算得出的驾驶行为特征数据，包括累计行驶里程、累计行驶天数、平均速度、百公里急加减速次数、早晚高峰行驶比例、夜间行驶比例等[7]。学生根据对驾驶风险的理解，在已有数据的基础上选择可能会对驾驶风险产生影响的特征，创建新的特征集，供风险建模使用。
3.3 风险建模和优化
风险建模和优化实验引导学生使用精算模型、机器学习算法两种方式建立车险定价模型。系统预置了广义线性模型(GLM)和梯度提升机模型(GBM)的生成模块，学生根据理解选取预设选项、设置相关参数、完成模型构建。系统自动对比模型的生成结
33
果和真实值的差异，学生通过多次调整参数来优化模型。
其一，广义线性模型。GLM 模型的生成涉及变量选择、分布选择、连接函数选择3个模块。变量选择包括驾驶人属性、车辆属性、驾驶行为属性；分布选择包括二项分布、正态分布、伽马分布等；连接函数选择包括identity 连接、log 连接、logit 连接等。学生根据之前学习的理论知识和经验，选取相应变量和参数，系统根据各模块的选择情况建立车险定价的GLM 模型。如图3
所示。
图3 广义线性模型构建
其二，梯度提升机模型。GBM 模型的生成涉及变量选择、树参数、Boosting 参数的选择。变量选择包括驾驶人属性、车辆属性、驾驶行为属性；树参数调整最大特征数量、树的最大深度、叶子节点数等；Boosting 参数调节学习速率、基学习器个数等。学生分别对各参数进行设定，系统根据参数设定情况建立车险定价的GBM 模型。
其三，模型优化。系统预置了包含承保信息、出险信息、驾驶行为特征集的数据，模型构建完成后，系统自动计算预测定价结果，并根据预测值和真实情况的比较对模型进行评分。学生根据评分结果，通过多次调整参数增强模型的预测能力。
3.4 车险经营模拟
学生难以参与到保险产品的设计与经营中是精算教学中的一大问题，车险经营模拟实验模拟UBI 车险产品的运营过程，经过UBI 车险产品运营N 期后，各项运营指标的变化情况，验证前面实验建立的车险定价模型的有效性，实现对车险定价环节的效果反馈。车险经营模拟实验为学生提供了虚拟仿真的实践环境，帮助学生熟悉UBI 车险定价、经营流程，理解车险定价的合理性、公平性要求[8]。
一是环境构建。学生随机分组，多人一组模拟经营保险市场中的一家保险公司，共同负责车险产品设
计和运营，未成功分组的人担任保险监管机构人员。
二是产品设计和费率调整。各保险公司根据前面实验获得的知识和经验，在系统中建立车险定价模型，设计UBI 车险产品。系统分N 次下发包括驾驶行为数据和承保理赔数据的实验数据，每下发一次数据，代表这一期将要产生的客户体。系统根据各公司设计的UBI 车险产品，生成不同风险类别客户相应的车险费率。各保险公司在保险监管机构的监督下，每期可以进行一次费率调整。
三是模拟经营。实验数据下发完毕后，系统对各保险公司的模拟经营情况进行计算，跟踪原保险保费收入、承保规模、赔付率、综合成本率、承保盈余等指标的变化情况。学生根据承保盈利或亏损情况判定产品设计的优劣，验证车险定价模型的合理性，完成UBI 车险定价虚拟仿真实验全流程，如图4
所示。
图4 模拟经营数据分析
4 结语
基于驾驶行为的UBI 车险定价虚拟仿真实验是现代信息技术和实验教学项目融合创新的一次实践探索。通过虚拟仿真的实验环境，采用虚实结合的教学方法，在时间和空间上对精算教学进行了延伸与拓展，有效解决了真实UBI 车险定价过程中驾驶行为研究受限、学生对UBI 车险定价原理理解困难、无法到保险公司进行真实业务实训等问题[7]。基于驾驶行为的UBI 车险定价虚拟仿真实验将学科发展前沿引入实验教学，帮助学生掌握相关原理和知识，培养学生自主学习、团队协作和实践动手能力[9]。实验中UBI 车险业务的相关研究也为保险公司进行UBI 产品设计及风险评估，政府监管部门建立车辆网数据采集标准提供
了支持和参考。
(下转36页)
36
电容传感器发送信号“1”给控制器、电感传感器和光电传感器发送信号“0”给控制器，控制器根据接收到的总信号“100”可以判断该物料材质为铝。当塑料物料依次经过电容传感器、电感传感器和光电传感器时，电容传感器和电感传感器均发送信号“0”给控制器、光电传感器发送信号“1”给控制器，控制器根据接收到的总信号“001”可以判断出该物料材质为塑料。最后，按下设备暂停运行按钮，并关闭总开关。
6 结语
经过实训课程验证，此设备结构紧凑、成本低、
操作便捷。教学过程中，学生可独立对该设备进行组装、调试和运行，不仅提高了学生对机电一体化理论知识的理解和领悟，而且锻炼了学生的实践能力，满
体验台
足了高校对教学质量的要求。参考文献
[1]
喜崇彬.自动分拣系统市场现状与发展趋势[J].物流技术与应用,2019,24(1):80-84.
[2]
刘继超.自动分拣系统及应用[J].数字技术与应用,2018,36(4):220-221.
Design of Portable Sorting Equipment for MEMS Automation Practice
Wang Lirong
School of Electronics and Automation, Beijing Information Technology College , Beijing, 100015, China
Abstract: Design of a micro electromechanical automation practice training equipment has great practical signifi cance for improving the training education equipment, improving the training education effect and promoting the upgrading of higher education training courses.Key words: training; portable; electromechanical; equipment
Virtual Simulation Experiment Design and Practice of UBI Auto Insurance Pricing Based on Driving Behavior
Liu Yunreng 1, Liu Yu 1, Ren Cong 2
苯并芘结构式1.Economic Management Experimental Teaching Center, Southwestern University of Finance and Economics, Chengdu, 611130, China
2. School of Insurance, Southwest University of Finance and Economics, Chengdu, 611130, China
Abstract: In order to overcome the lack of practice in data cognition, processing and modeling in the teaching of UBI auto insurance pricing theory, we use big data and virtual reality technology to develop a virtual simulation experiment of UBI car insurance pricing based on driving behavior. Students complete the four aspects of experimental content: driving behavior data acquisition, UBI auto insurance data processing, risk modeling and optimization, and auto insurance business simulation, to promote the integration of professional theory and practical operation.
Key words: driving behavior; UBI; virtual simulation; experimental teaching
(上接33页)参考文献
[1]
丝瓜伤流液教育部办公厅关于2017—2020年开展示范性虚拟仿真实验教学项目建设的通知[EB/OL].(2017-07-13).v/srcsite/A08/s7945/s7946/201707/t20170721_309819.html.[2]
教育部.关于开展国家级虚拟仿真实验教学中心建设工作的通知[EB/OL].(2013-08-13).v/s78/A08/tongzhi/201308/t20130821_156121.html.
新方法[3]
单鹏，华晓东，邓颖璐.驾驶行为对车辆风险评级的实证分析[J].保险研究,2017(1):68-79.
[4] 姜宇.UBI 车险面临的困境与对策研究[J].上海保险,2020(3):31-37.[5] 王翌光.基于机器学习算法的UBI 车险赔付率预测[D].成都：西南财经大学,2019.
[6] 方艳红，庄永智，王学渊，等.基于增强现实的汽车驾驶仿真实验系统[J].实验技术与管理,2020,37(4):147-150.
蒸压砂加气混凝土板[7] 高岩.基于驾驶行为分类的UBI 费率厘定模型[D].北京：北京交通大学,2017.
[8] 陈世珍.提高车险经营管理能力策略[J ].现代经济信息,2019(2):87.
[9]
葛艳，卢晓东.“以学生为中心”的实践教学案例设计与实现[J].实验技术与管理,2020,37(2):178-181.
