自動車保険の配達運転行動調査の優先順位付けのためのベイズ的アプローチ

Core Concepts

自動車保険会社は、テレマティクスデータを活用して、個人の自動車を商用目的で使用している可能性のある加入者を効率的に特定することができる。

Abstract

本研究では、自動車保険会社がテレマティクスデータを活用して、個人の自動車を商用目的で使用している可能性のある加入者を効率的に特定する方法を提案している。
まず、GPS データと加速度センサーデータを使って、個々の走行ルートを配達運転と非配達運転に分類する機械学習モデルを構築した。しかし、この分類モデルには一定の誤りが含まれるため、全ての走行ルートを人手で確認することは現実的ではない。
そこで、加入者ごとの配達運転の可能性を確率的に推定するベイズ的アプローチを提案した。この方法では、個々の走行ルートの分類結果を集計し、配達運転を行う少数派グループと非配達運転を行う多数派グループの2つのグループに分類する。そして、各加入者がどちらのグループに属する可能性が高いかを算出する。この確率に基づいて加入者を優先順位付けし、人手による調査対象を絞り込むことで、効率的な運用が可能となる。
1年間の運用の結果、調査対象とした加入者の99.6%が実際に配達運転を行っていることが確認された。このように、本手法は限られた人的リソースの中で、効率的に配達運転を行う加入者を特定することができる。

Stats

配達運転と判断された走行ルートの割合が高い加入者ほど、配達運転を行っている可能性が高い。

Quotes

「自動車保険会社は、テレマティクスデータを活用して、個人の自動車を商用目的で使用している可能性のある加入者を効率的に特定することができる。」

Key Insights Distilled From

A Bayesian Approach for Prioritising Driving Behaviour Investigations in Telematic Auto Insurance Policies

by Mark McLeod,... at arxiv.org 04-23-2024

https://arxiv.org/pdf/2404.14276.pdf

Deeper Inquiries

配達運転以外にも、自動車保険会社が関心を持つ運転行動パターンはあるか。

本手法を応用して、他の不正行為の検出にも活用できる可能性はあるか。