تحلیل سبک رانندگی با استفاده از دستگاه‌های تلماتیک و روش‌های هوش مصنوعی
الفبا: سعید هاشمی - بیمه اتومبیل یکی از انواع رشته هاي بیمه اي است که سهم فراوانی از حق بیمه تولیدي کشور را به خود اختصاص داده است.
الفبا: سعید هاشمی - بیمه اتومبیل یکی از انواع رشته هاي بیمه اي است که سهم فراوانی از حق بیمه تولیدي کشور را به خود اختصاص داده است.
متأسفانه شواهد روزمره در کشورمان بیانگر این مطلب است که بیمه اتومبیل نه تنها در کاهش تصادفات نقش بازدارنده ندارد بلکه گاهی مشوقی در جهت کاهش ریسک گریزي رانندگانی است که حوادث جبران ناپذیري را به وجود می‌آورند. حق بیمه اتومبیل در ایران براساس ویژگی‌هاي وسیله نقلیه تعیین می‌شود و ویژگی‌هاي فردي راننده در تعیین حق بیمه نقشی ندارد، در نتیجه رانندگان با ریسک متفاوت ، حق بیمه یکسانی می‌پردازند. این روش تعیین حق بیمه عادلانه نیست و نمی‌تواند نقشی در کاهش تصادفات داشته باشد. شرکت بیمه می‌تواند بیمه‌گذاران خود را با توجه به فراوانی و همچنین شدت خسارات وارده، در سطوح ریسکی مناسبی قرار دهد و حق بیمه‌ها را براساس میزان ریسک تعیین نماید. دراین صورت زیان شرکت‌هاي بیمه کاهش پیدا می‌کند و اگر فرد پرخطر حاضر به پرداخت حق بیمه بیشتر نباشد، شرکت بیمه فقط یک راننده پر‌ریسک را از دست می‌دهد.
امروزه محاسبه میزان ریسک‌پذیری راننده با نصب دستگاه‌های تلماتیک (جعبه سیاه) بر روی هر خودرو فراهم شده
پارامترهای مرتبط با خودرو و اطلاعات رانندگی در زمان واقعی می‌توانند توسط دستگاه‌های تلماتیک در پلت‌فرم شبکه خودرو آپلود شوند. در این سیستم از خروجی حسگرها می‌توان برای شناسایی حرکات رانندگی خشن ( مثل شتاب سریع، ترمز ناگهانی و... ) به عنوان پایه‌ی محاسبات امتیاز راننده استفاده کرد.
شبکه های عصبی که جزو الگوریتم‌های یادگیری ماشین هستند،یکی از روش‌های مؤثر در رده‌بندی و تحلیل سبک رانندگی می‌باشند. در این روش ابتدا داده‌های رانندگی را به منظور آموزش و تست شبکه عصبی جمع‌آوری می‌کنیم. جمع‌آوری داده‌ها باید توسط راننده با تجربه صورت بگیرد و رویدادهای متنوعی را حین رانندگی ثبت و ضبط نماید. این رویدادها شامل ترمز خطرناک، شتاب خطرناک، گردش به چپ خطرناک، گردش به راست خطرناک، تغییر خط به چپ خطرناک، تغییر خط به سمت راست خطرناک و رویداد های غیر خطرناک می‌باشند.
درصدی از داده‌ها در شبکه عصبی برای آموزش و بقیه برای تست به کار می‌رود. در نهایت پس از اجرای شبکه عصبی، مدلی به دست می‌آید که طی آن با بررسی خروجی‌های حسگرهای دستگاه تلماتیک، رفتار رانندگان را به گروه‌های ذکر شده، رده بندی کند. در قدم بعدی استفاده از شبکه‌های عصبی عمیق در تحلیل سبک رانندگی نتایج بهتری را به ارمغان می‌آورد.
شبکه‌های عصبی عمیق جزو الگوریتم‌های یادگیری عمیق هستند که استخراج ویژگی در آن‌ها با استفاده از نورون‌های لایه پنهان صورت می‌گیرد. پژوهش‌های انجام گرفته بر روی شبکه‌های عصبی عمیق، دقت بالای ۹۷ درصد را در رده‌بندی رفتار راننده نشان می‌دهد.
با وجود این دقت در الگوریتم‌های بررسی سبک رانندگی، می‌توان امید داشت که به زودی شاهد فراگیر شدن استفاده از این سیستم‌ها در صنعت بیمه و سایر صنایع مربوط به حمل و نقل و ترافیک باشیم. شایان ذکر است با روند رو به رشد استارتاپ های اینشورتکی در صنعت بیمه کشور، همچون بیمه بدنه هوشمند مرکوری، بیمه آوانس و ... نمونه هایی از بیمه هوشمند و متناسب با رفتار راننده را شاهد هستیم.
انتهای پیام
عناوین مهم :
