Para una compañía de seguros especializada que opera en el ámbito médico/salud, desarrollamos una predicción modelo basado en aprendizaje automático para estimar el riesgo de una pérdida económica. El modelo de aprendizaje automático se basa en redes neuronales y se construye consumiendo datos médicos históricos durante cinco años consecutivos. El modelo desarrollado superó significativamente los enfoques estadísticos. Con este modelo, el cliente pudo optimizar sus políticas de precios lo que resultó en importantes ahorros.
Cómo la Inteligencia Artificial puede ayudar con la Gestión de Riesgos
Tecnología
Aprendizaje automático central
Industria
Seguro
Industrias potenciales
Banca financiera
Cliente
Compañía de seguros
Resumen
Desafío
El cliente, un integrador de sistemas que ejecuta proyectos gubernamentales, necesitaba un sistema de análisis de tráfico vial que identificara diferentes entidades viales (automóviles, peatones, bicicletas, etc.), las rastreara y realizara análisis adicionales, por ejemplo, identificar el tipo de automóvil, el modelo y marca, color y otros. El principal desafío fue crear un sistema de ciencia de datos sólido que pudiera transferirse fácilmente entre diferentes tipos de cámaras y puntos de vista, así como funcionar en diferentes entornos.
Solución de AI Superior
El sistema que desarrollamos incluye múltiples componentes analíticos:
- Detección de entidades viales (coches, peatones, bicicletas, camiones, autobuses, motos)
- Seguimiento de objetos
- Estimación de la velocidad del coche
- Reconocimiento de color del coche
- Reconocimiento de tipo, marca y modelo de automóvil (más de 7000 modelos únicos)
- Reconocimiento y validación de matrículas
- Análisis de la intensidad del tráfico.
- Detección de anomalías (por ejemplo, un peatón en una carretera)
- Análisis de estacionamiento ilegal
Los componentes se desarrollaron como módulos independientes permitiendo la personalización de todo el sistema. Las características únicas del sistema son:
- Capacidad para detectar y clasificar objetos parcialmente ocluidos.
- Identificar el año de producción del modelo de automóvil.
- Admite el reconocimiento de vehículos comerciales.
- Se puede ajustar a diferentes entornos de tráfico.
- Permite actualizarse con nuevos modelos de coches.
- Permite más funciones, por ejemplo, seguimiento avanzado o detección de eventos.
Resultado e implicaciones
El sistema de ciencia de datos fue implementado por el municipio de una ciudad y funciona con éxito las 24 horas del día, los 7 días de la semana, cubriendo cientos de cámaras.