https://virgool.io/feed/@mehran_advand Front-end Developer fa 2026-06-17 01:02:40 https://files.virgool.io/upload/users/1070004/avatar/VdsS77.jpeg?height=120&width=120 https://virgool.io/@mehran_advand https://virgool.io/ibgooo/%D8%A8%D8%A7-%D8%B1%D8%A7%D9%86%D9%86%D8%AF%DA%AF%DB%8C-%D8%A8%D9%87%D8%AA%D8%B1-%D8%AD%D9%82-%D8%A8%DB%8C%D9%85%D9%87-%DA%A9%D9%85%D8%AA%D8%B1%DB%8C-%D9%BE%D8%B1%D8%AF%D8%A7%D8%AE%D8%AA-%DA%A9%D9%86%DB%8C%D8%AF-afliwliouxfz قسمت اول : مقدمه امروزه یکی از چالش های شرکت های بیمه خودرو ، شخصی سازی حق بیمه برای هر نفر می باشد. که برای این منظور راه حلی به نام بیمه مبتنی بر استفاده (UBI) ارائه شده است و به دنبال آن شرکت های IT زیادی ایجاد شدند تا این راه حل را برای شرکت های بیمه پیاده سازی کنند. برای مثال دو شرکت بیمه آمریکایی به نام های Metromile و Progressive بیمه هوشمند مبتنی بر UBI را پیاده سازی کرده اند و راه کار های مختلف جهت بهبود این سیستم و همچنین افزایش دقت اطلاعات کسب شده از رفتار راننده را ارائه و اجرایی کرده اند.دو سوال مهم که مردم نسبت به پرداخت حق بیمه مبتنی بر استفاده و رفتار رانندگی می پرسند این است که آیا شرکت های بیمه با پیاده سازی UBI واقعا حق بیمه را کاهش می دهند؟ و آیا اگر شرکت های بیمه اطلاعات بیشتری از راننده ها داشته باشند حق بیمه آنها افزایش خواد یافت؟این دو سوال فوق و سوالات دیگر باعث شده است شرکت های بیمه برای جلب اعتماد مشتریان نسبت به این طرح نهایت سعی خود را برای پیاده سازی دقیق و عادلانه این طرح داشته باشند و برای همین با استفاده که سنسور های خودرو و ردیاب تعبیه شده در آن اطلاعات جاده ای و میزان ترافیک و همچنین رفتار راننده جمع آوری و توسط big data و machine learning تحلیل می کنند تا بتوانند به درستی و با دقت بالا حق بیمه هر فرد را شخصی سازی کنند.شیوه رایج دریافت حق بیمه در شرکت های بیمه استفاده از یک سری آمار نظیر سن و جنسیت راننده ، نوع و مدل خودرو می باشد و با استناد به این اطلاعات حق بیمه هر مشتری محاسبه می شود ولی در شیوه UBI علاوه بر این آمار، نحوی رانندگی فرد و میزان استفاده از خودرو در طول سال و همچنین عوامل محیطی نظیر شرایط جاده ای اهمیت دارد. مطالعات درباره بیمه هوشمند از سال 1994 شروع شده است و شرکت Progressive جزء پیشگامان شخصی سازی بیمه خودرو در جهان بوده است این شرکت تا به حال چند شیوه برای محاسبه حق بیمه سالیانه هر نفر ارائه و اجرا کرده است که برای مثال محاسبه حق بیمه بر اساس میزان مصرف سوخت که البته با استقبال زیادی همراه نشد و در ادامه از میزان حرکت خودرو برای شخصی سازی بیمه استفاده شد و هم اکنون از روش پرداخت حق بیمه با توجه به شیوه رانندگی(pay how you drive) استفاده می کند که علاوه بر مسافت طی شده سالیانه خودرو به رفتار های راننده هم توجه دارد.شرکت بیمه Progressive آمریکاشرکت های بیمه با تحلیل اطلاعات جمع آوری شده از هر خودرو نظیر سرعت،شتاب و شدت ترمز و... راننده را به سه دسته پر خطر ،کم خطر و متغیر رفتار تقسیم می کنند و همچنین عوامل محیطی مثل وضعیت جاده ،ترافیک و وضعیت آب و هوایی را به پنج بخش تقسیم می کند و با توجه به این دو تقسیم بندی هر فرد در یک بخش رفتاری و یک یا چند بخش محیطی قرار خواهد گرفت و حق بیمه سالیانه او محاسبه می شود. برای این تقسیم بندی ها روش های مختلفی ارائه شده است که از بین آنها روش های logistic regression و Neural Network عملکرد بهتری داشته اند و تجزیه و تحلیل اطلاعات بر اساس آنها آمار دقیق تری را به شرکت های بیمه ارائه داده است.منبع:Good drivers pay less: A study of usage-based vehicle insurance models Mehran Advand Mehran Advand Wed, 04 Aug 2021 10:31:12 +0430 https://virgool.io/ibgooo/%D8%A8%D8%B1%D8%B1%D8%B3%DB%8C-%D8%B1%D9%81%D8%AA%D8%A7%D8%B1-%D8%B1%D8%A7%D9%86%D9%86%D8%AF%DA%AF%DB%8C-%D8%A8%D8%A7-%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%D8%A7%D8%B2-big-data-%D8%AF%D8%B1-%D8%A8%DB%8C%D9%85%D9%87-%D9%87%D9%88%D8%B4%D9%85%D9%86%D8%AF-jbenq3e66iog قسمت آخر: راه حل های شخصی سازی حق بیمهچالش اصلی شرکت های بیمه برای شخصی سازی حق بیمه،محاسبه میزان حق بیمه هر فرد متناسب با رفتار رانندگی او می باشد.رتبه بندی کردن رانندگان بر اساس چگونگی راننده شان در شرکت های بیمه مورد توجه قرار گرفته است و همچنین تلاش می کنند که به صورت آنلاین هشدارهایی برای راننده در زمان انجام رفتار پر خطر ارسال کنند تا امنیت آنها را بالا ببرند. محاسبه رفتار رانندگان به دو صورت زیر انجام می شود:ردیابی همزمان : در این شیوه از هنگام حرکت خودرو تا زمانی که می ایستد اطلاعات خودرو به صورت برخط ارسال و مورد تجزیه و تحلیل قرار می گیرد.ردیابی غیر همزمان: در این نوع تمام اطلاعات هر سفر راننده پس از سفر و به یکباره در مورد تجزیه و تحلیل قرار می گیرد و رفتار راننده جهت شخصی سازی حق بیمه مشخص می شود. فاکتورهایی که در تعیین رفتار راننده دخالت دارند عبارتند از:عوامل رفتاری: که شامل نحوی رانندگی ،میزان حواس پرتی،خستگی و خواب آلودگی راننده می باشد.عوامل محیطی: ترافیک و شرایط جادهعوامل جسمانی و روانی: فشار خون و سطح الکل خونعوامل عاطفی: استرس ، ترس ،ضربان قلب و هیجانامروزه شرکت های بیمه از بین موارد بالا دو مورد اول را ملاک قرار می دهند و حق بیمه هر فرد را بر اساس آن تعیین می کنند هر چند در MHYD سعی می شود تا همه ی عوامل را مورد بررسی قرار دهد و راننده ها را بر این اساس به چهار گروه راننده خوب، نامنظم،ناسالم و راننده خشمگین تقسیم می کنند و علاوه بر شخصی سازی حق بیمه در زمانی که رفتار پرخطر از راننده سر بزند سیستم هشدار آنلاین به راننده پیام صوتی ارسال می کند تا رفتار رانندگی خود را ایمن تر کند.برای محاسبه حق بیمه هوشمند هر فرد در شرکت های بیمه موارد زیر طی می شود.نحوی محاسبه بیمه هوشمند وسیستم ارسال هشدار به راننده در موقع خطرمرحله جمع آوری اطلاعات: به وسیله ردیاب اطلاعات هر سفر خودرو جمع آوری و توسط علم Big data ذخیره سازی و آماده تجزیه و تحلیل قرار می گیرد.مرحله تعیین میزان خشم و پرخاشگری راننده: اطلاعات ذخیره شده راننده توسط الگوریتم های مختلف machine learning مورد بررسی قرار می گیرد و رفتار های پرخاش جویانه راننده در هر سفر مشخص می شود و این رفتارها به دو صورت آنلاین و آفلاین به راننده گزارش داده می شود در حالت آفلاین پس از هر سفر میزان تخلفات راننده به تلفن همراه او ارسال می شود و در شیوه آنلاین رفتارهای خطرناک راننده به او هشدار داده می شود.مرحله اقدام : در این مرحله تعداد سفرهای راننده،تعداد هشدار های ارسالی برای راننده و امتیاز هر سفر به شرکت های بیمه ارسال می شود و با توجه به این موارد حق بیمه هر فرد شخصی سازی می گردد.این مجموع که به نام "بررسی رفتار رانندگی با استفاده از big data در بیمه هوشمند" در چهار قسمت تهیه شد که چکیده معرفی بیمه هوشمند،معیار ها و علومی بود که در آن استفاده می شود و این مطالب خلاصه شده مقاله A survey on driving behavior analysis in usage based insurance using big data می باشد که توسط آقایان Subramanian Arumugam and R. Bhargavi نوشته شده است.منبع:Subramanian Arumugam and R. Bhargavi :A survey on driving behavior analysis in usage based insurance using big data Mehran Advand Mehran Advand Sat, 31 Jul 2021 10:32:07 +0430 https://virgool.io/ibgooo/%D8%A8%D8%B1%D8%B1%D8%B3%DB%8C-%D8%B1%D9%81%D8%AA%D8%A7%D8%B1-%D8%B1%D8%A7%D9%86%D9%86%D8%AF%DA%AF%DB%8C-%D8%A8%D8%A7-%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%D8%A7%D8%B2-big-data-%D8%AF%D8%B1-%D8%A8%DB%8C%D9%85%D9%87-%D9%87%D9%88%D8%B4%D9%85%D9%86%D8%AF-rkpohduej11e قسمت سوم : PHYD و MHYDدر قسمت پیش PHYD به عنوان یکی از روش های استفاده از بیمه هوشمند توضیح داده شد به این صورت که اطلاعات راننده و خودرو با استفاده از سنسور های تعبیه شده در اتومبیل و همین طور ردیاب و گوشی هوشمند جمع آوری و توسط Big data تجزیه و تحلیل می شود و نتیجه ی آن به شرکت های بیمه گزارش داده می شوند و آنها بر اساس این نتایج حق بیمه هر نفر را متناسب با رفتار رانندگی اش تعیین می کنند طبق بررسی های صورت گرفته از جانب IBM شرکت های بیمه ای که از بیمه هوشمند استفاده کرده اند رضایت مشتریان و همچنین سود بیشتری کسب کرده اند به علاوه که 12 درصد هم از آمار تصادفات کاهش یافته است.شرکت های بیمه ای که در اروپا و آمریکا از بیمه هوشمند با شیوه پرداخت متناسب با رفتار رانندگی (PHYD) استفاده کرده اند، پارامترهایی نظیر سرعت،شدت شتاب،شدت ترمز و شدت چرخش خودرو را ملاک داده اند در حالی که این شرکت ها تلاش می کنند تا در آینده ی نزدیک از شیوه مدیرت چگونگی رانندگی(MHYD) استفاده کنند این روش علاوه بر امکانات روش قبلی در لحظه توانایی تحلیل اطلاعات و پیش بینی خطر و اعلام آن را راننده را دارند و اگر راننده این هشدارها را جدی بگیرد و حالت رانندگی خود را تغییر دهد تخفیف بیشتری دریافت خواهد کرد چرا که از ایجاد تصادف احتمالی پیشگیری کرده است.در ادامه به معرفی چند شرکت بیمه ی خودرو می پردازیم که از بیمه هوشمند استفاده می کنند:شرکت TD Insurance : این شرکت بیمه در کانادا سیستمی به نام TD My Advantage راه اندازی کرده است و با توجه به پارامترهای ذکر شده حق بیمه هر نفر را شخصی سازی می کند به علاوه زمانی که خودرو از سرعت مجاز خارج می شود هشدار برای راننده ارسال می شد تا از سرعت خود بکاهد و از خطرات احتمالی جلوگیری کند. این اقدام اولین گام برای تبدیل PHYD به MHYD می باشد و برنامه ریزی این شرکت توسعه سیستم MHYD و افزایش هشدار های لحظه ای به راننده در مواقع خطر می باشد.شرکت Nationwide: این شرکت آمریکایی هم سیستمی برای تشخیص رفتار رانندگان پیاده سازی کرده است که بر اساس اطلاعات آن تخفیف بیمه ای بین 4% تا 50% به مشتریان خود می دهد و علاوه بر آن امکاناتی نظیر امداد جاده ای،اعلام خراب اجزای مختلف خودرو در هنگام حادثه و... را ارائه می دهند. برنامه آینده این شرکت هم استفاده MHYD و توسعه بیمه هوشمند می باشد.در نوع MHYD بیمه هوشمند علاوه بر تجزیه و تحلیل چگونگی رانندگی فرد نکاتی دیگر مثل وضعیت جسمانی و سلامت روانی راننده مورد بررسی قرار می گیرد تا در زمان تصادف مشخص شود که راننده در چه شرایط روحی و روانی بوده است. این موارد عبارتند از:بررسی میزان خستگی راننده: در این روش میزان خستگی راننده با استفاده از سنسور های داخل خودرو و همچنین دوربین تلفن همراه توسط big data و data mining به راننده گزارش داده می شود. پیاده سازی این سیستم پیچیده و پرهزینه است و سنسورهای مختلف خودرو و دوربین تلفن همراه هوشمند میزان پلک زدن ، خمیازه کشیدن ، حرکات سر و نحوی نگاه راننده را بررسی می کنند و در صورتی که راننده خواب آلود تشخیص داده شود به او هشدار می دهد که خودرو را متوفق کند و یا راننده ی خودرو تغییر کند.بررسی میزان حواس پرتی راننده: در این روش با استفاده از اسکن لحظه ای صورت راننده میزان مکالمات هر فرد، خوردن و آشامیدن او و همچنین توجه راننده به جلو بررسی می شود و در صورت نیاز به راننده هشدار داده می شود. این متد بسیار کارآمد است زیرا درصد قابل توجهی از تصادفات به دلیل حواس پرتی راننده می باشد و با این سیستم می توان از وقوع تصادفات و خسارات ناشی از آن برای شخص و شرکت های بیمه جلوگیری کرد و اگر راننده به این هشدار ها بی توجهی کنند قطعا در خسارتی که بیمه پرداخت خواهد کرد تاثیر گذار خواهد بود.بررسی سلامت جسمانی راننده : در این روش سلامت جسمانی راننده نظیر فشار خون ، ضربان قلب و میزان الکل موجود در خون راننده در طول سفر اندازه گیری می شود.در صورت کلی MHYD به چهار دسته اقدام تقسیم می شود:1- بررسی رفتار رانندگی 2-بررسی میزان حواس پرتی راننده 3-بررسی میزان خواب آلودگی راننده 4- بررسی میزان خستگی رانندهشیوه های مختلف MHYDو در بین موارد فوق بررسی رفتار رانندگی فرد، شیوه متداول تری می باشد که بر اساس آن اطلاعات راننده و خودرو توسط GPS،تلفن همراه هوشمند و سنسورهای خودرو جمع آوری و توسط علم machine learning و تکنولوژی Big data تجزیه و تحلیل می شود و مطابق آن حق بیمه هر فرد شخصی سازی می گردد.منبع:Subramanian Arumugam and R. Bhargavi :A survey on driving behavior analysis in usage based insurance using big data Mehran Advand Mehran Advand Wed, 28 Jul 2021 20:38:46 +0430 https://virgool.io/ibgooo/%D8%A8%D8%B1%D8%B1%D8%B3%DB%8C-%D8%B1%D9%81%D8%AA%D8%A7%D8%B1-%D8%B1%D8%A7%D9%86%D9%86%D8%AF%DA%AF%DB%8C-%D8%A8%D8%A7-%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%D8%A7%D8%B2-big-data-%D8%AF%D8%B1-%D8%A8%DB%8C%D9%85%D9%87-%D9%87%D9%88%D8%B4%D9%85%D9%86%D8%AF-sercxki2ndx2 قسمت دوم: Big dataرشد چشمگیر تولید،ارسال،ذخیره سازی و تجزیه و تحلیل اطلاعات توسط علم Big data باعث شد صنایع مختلف نگاهی ویژه تر به این علم داشته باشند و سرمایه گذاری کلانی در این حوزه انجام دهند مانند شرکت های بیمه در سراسر جهان که با سرمایه گذاری در این زمینه، هوشمند سازی بیمه ها را کلید زدند.علم Big data اطلاعات زیاد و خام را به واقعیت نزدیکتر می کند و توسط الگوریتم های پیچیده آنها را تحلیل و به شکل نمودار های مختلف آنها را گزارش می کند و ویژگی بصری اطلاعات را تقویت می کند این امر باعث شد تا شرکت های بیمه پیشگام در استفاده از آن باشند به طوری که طبق گزارش IBM،حدود 75 درصد از شرکت های بیمه در سراسر دنیا سالیانه حجم زیادی از اطلاعات بیمه شوندگان را توسط Big data تجزیه و تحلیل می کنند و این عدد در مقایسه با صنایع دیگر بسیار بیشتر و قابل توجه می باشد.میزان سرمایه گذاری در علم Big data دلیل اصلی استفاده شرکت های بیمه از علم Big data،تجزیه و تحلیل اطلاعات گذشته برای پیش بینی حوادث آینده، محاسبه خسارات احتمالی ناشی از آنها و حق بیمه ای که باید در قبال آن پرداخت شود، است. در زمینه بیمه خودرو بررسی اطلاعات به منظور کشف نحوی رانندگی هر نفر است به طوری با توجه به سرعت، شدت شتاب،شدت ترمز،شدت چرخش خودرو و رعایت قوانین راهنمایی و رانندگی، مشخص می شود که یک راننده رفتار پرخطر دارد و یا با رعایت اصول رانندگی می کند و در نتیجه این امر موجب پرداخت بیشتر حق بیمه توسط راننده پرخطر می شود و همچنین هر بیمه شونده می تواند تحلیل کامل و درستی از وضعیت رانندگی خود در هر زمان را داشته باشد.در حال حاضر تحلیل اطلاعات در شرکت های بیمه ی خودرویی به سه شکل زیر انجام می شود:پرداخت حق بیمه باتوجه به مسافت طی شده سالیانه (PAYD): در این روش حق بیمه با توجه به مسافتی که خودرو در سال طی می کند محاسبه می شود بدون توجه به نحوی رانندگی فرد.پرداخت حق بیمه باتوجه به نحوی رانندگی (PHYD): در این نوع، نحوی رانندگی فرد در هر سفر بر اساس پارامتر های ذکرشده محاسبه می شود و امتیازی به آن راننده داده می شود و مجموع این امتیاز ها نحوی رانندگی فرد را مشخص می کند و بر اساس آن حق بیمه متفاوت از افراد گرفته می شود.پرداخت حق بیمه بر اساس مدیریت چگونگی رانندگی (MHYD): در این نوع علاوه بر تعیین رفتار راننده ، با استفاده از سنسور های خودرو و تلفن همراه هوشمند اطلاعاتی جهتی بررسی میزان حواس پرتی و خواب آلودگی راننده جمع آوری و به وسلیه big data تحلیل می شود و اگر راننده رفتار خطرناکی در حین رانندگی انجام دهد به صورت آنلاین به او هشدار داده می شود تا نحوی رانندگی خود را اصلاح و به شیوه ی امن تری رانندگی کند.سیر و تحول بیمهدر میان این سه روش استفاده از بیمه هوشند بر اساس Big data، دو مورد اول در کشور های مختلف پیاده سازی شده است ولی در حال حاضر سرمایه گذاری و تلاش برای پیاده سازی مورد سوم در شرکت های بیمه است چون صحت اطلاعات تحلیل شده برای شرکت های بیمه بسیار مهم و حیاتی می باشد.منبع:Subramanian Arumugam and R. Bhargavi :A survey on driving behavior analysis in usage based insurance using big data Mehran Advand Mehran Advand Tue, 27 Jul 2021 01:34:04 +0430 https://virgool.io/ibgooo/%D8%A8%D8%B1%D8%B1%D8%B3%DB%8C-%D8%B1%D9%81%D8%AA%D8%A7%D8%B1-%D8%B1%D8%A7%D9%86%D9%86%D8%AF%DA%AF%DB%8C-%D8%A8%D8%A7-%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%D8%A7%D8%B2-big-data-%D8%AF%D8%B1-%D8%A8%DB%8C%D9%85%D9%87-%D9%87%D9%88%D8%B4%D9%85%D9%86%D8%AF-easllnb44n7m قسمت اول : مقدمهبا افزایش سطح رفاه و توسعه زندگی شهرنشینی استفاده از خودرو های شخصی افزایش یافته است به طوری که طبق آمار تعداد افرادی که خودرو شخصی دارند در سال 2011،در حدود 800 میلیون نفر بوده است که این عدد در سال 2018 به نزدیک یک میلیارد خودرو در سرتاسر دنیا رسیده است و همچنین پیش بینی می شود که در سال 2050 تعداد افرادی که از خودرو شخصی استفاده می کنند به بیش از 2 میلیارد برسد.با افزایش تعداد اتومبیل ها متاسفانه تعداد تصادفات نیز افزایش یافته است به طوری که تعداد قربانیان تصادفات جاده ای در سال 2018 به حدود 1.35میلیون نفر در جهان رسیده که است و مرگ و میر ناشی از سوانح جاده ای نهمین رتبه را در مرگ و میر و 2.2% از مرگ و میر جهانی را شامل می شود و پیش بینی می شود که تا سال 2030 در جایگاه هفتم علت مرگ مردم دنیا قرار گیرد. درصد تصادفات جاده ای در مقیاس یک میلیون نفر در نقاط مختلف دنیاافزایش تلفات ناشی از تصادفات سبب افزایش دریافت خسارت توسط بیمه شوندگان از شرکت های بیمه می شود، بنابراین شرکت های بیمه به دنبال راه های دقیق و قابل اعتماد هستند تا بتوانند رانندگان پر خطر را شناسایی کنند و حق بیمه بیشتر از آنها دریافت کنند و از طرف دیگر خودروهایی که در طول سال مدت زمان بیشتری را در جاده ها سپری می کنند باید پول بیشتری نسبت به سایر خودرو ها به بیمه پرداخت کنند چراکه در معرض خطر بیشتری قرار می گیرند. بنابراین شرکت های بیمه نیاز به فناوری هایی دارند که بتوان به وسلیه آن اطلاعاتی از رفتار رانندگان در طول سال را بدست آورده و تحلیل کنند که در اینجا به بررسی چند مدل از این فناوری ها می پردازیم:جعبه سیاه: یک قطعه الکترونیکی می باشند و توسط شرکت سازنده خودرو در آن جاسازی می شود و اطلاعات خودرو را پس هر تصادف ضبط می کنند.دانگل: یک قطعه الکترونیکی می باشد که توسط شرکت بیمه در خودرو نصب می شود و ارتباط بین سرور های آن شرکت و خودرو را برقرار می کنند و می تواند در هر زمان اطلاعات را به صورت یک طرفه به سرور ارسال کند.امکانات جاسازی شده: شرکت های خودرو سازی برای محاسبه پارامتر های مختلف نظیر سرعت و شتاب و... سنسورهای مختلفی را در خودرو ها تعبیه کرده اند تا اطلاعاتی از رفتار راننده را بدست بیاورند . مانند: سنسور های عیب یابی، موقعیت یابی و سرویس جمع آوری اطلاعات.تلفن های هوشمند: یکی از راه های جمع آوری اطلاعات از وضعیت رانندگی راننده ها ، تلفن همراه هوشمندی می باشد که در خودرو وجود دارد زیرا اکثر این دستگاه ها شامل سرعت سنج ، شتاب سنج ، قطب نما و ژیروسکوپ می باشند. مریت استفاده از تلفن های هوشمند، هزینه کم آنها می باشد در حالی که در بعضی نقاط سنسورهای آن ها پایدار نیستند و اطلاعات درستی را نمایش نمی دهند.سیستم موقعیت یابی(GPS) : یکی دیگر از راه های بررسی رفتار رانندگان استفاده از GPS برای جمع آوری اطلاعاتی نظیر موقعیت جغرافیایی و سرعت می باشد و با تجزیه و تحلیل این اطلاعات در علم Big data با استفاده از الگوریتم های مختلف می توان میزان شدت سرعت، شدت شتاب و شدت ترمز را در طول زمان حرکت خودرو محاسبه کرد و بر اساس آن نحوی رانندگی شخص را تعیین کرد. مزیت این سیستم پایداری بیشتر آن نسبت به سنسور های تلفن همراه است در حالی که پیچیدگی پیاده سازی و هزینه بالای آن از نقاط ضعف این سیستم می باشد.سنسور های خودروبرای بررسی رفتار رانندگان و تخصیص حق بیمه عادلانه میان رانندگان پر خطر و رانندگان با احتیاط ، اطلاعاتی که توسط سنسور های خودرو و دستگاه های ردیاب جمع آوری شده است مورد تجزیه و تحلیل قرار می گیرد . در بین این دو منبع بیشتر سعی می شود از اطلاعات ردیاب ها استفاده شوند چون همه ی خودرو ها مجهز به سنسور نیستند. ردیاب ها از هنگام شروع حرکت اتومبیل اطلاعات مختلف نظیر موقعیت جغرافیایی ، سرعت و شتاب اتومبیل را در هر لحظه به سرور ارسال می کنند ولی این حجم از اطلاعات را هیچ دستگاهی نمی توانند ذخیره سازی و تحلیل کند که در اینجا علم Big data توانایی انجام این کار را فراهم می کند و با استفاده از الگوریتم های مختلف از پارامترهای فرستاده شده توسط ردیاب نظیر شدت شتاب ، شدت سرعت ، شدت ترمز و شدت پیچیدن، پرخطر و یا محتاط بودن رانندگان را مشخص می کنند بر اساس آن حق بیمه هر راننده محاسبه میشود.منبع :Subramanian Arumugam and R. Bhargavi :A survey on driving behavior analysis in usage based insurance using big data Mehran Advand Mehran Advand Sun, 25 Jul 2021 21:14:37 +0430