De uitdaging
Een verzekeraar wilde zijn klanten een gebruiksafhankelijke verzekering aanbieden. Verzekeraars willen goede bestuurders al lang belonen met lagere tarieven, maar rijgedrag nauwkeurig beoordelen en eerlijke kortingen toekennen op basis van individuele prestaties bleek lastig.
Traditionele methoden steunen op beperkte gegevens en subjectieve beoordeling, wat tot inconsistente resultaten leidt. Het doel was een systeem dat telematicadata kon verwerken en analyseren om rijgedrag nauwkeurig te beoordelen en persoonlijke kortingen te berekenen.
Onze oplossing
Met deep-learningalgoritmen bouwden wij een model dat telematicadata van de telefoon van de bestuurder analyseert, waaronder gegevens van de versnellingsmeter, gyroscoop, gps en andere sensoren. Het systeem herkent de rijmodus, bijvoorbeeld of de gebruiker zelf rijdt of passagier is, en registreert gedrag zoals te hard rijden, onnodig accelereren en abrupt hard remmen.
Een scoringsalgoritme geeft vervolgens elke rit een totaalscore, en op basis van die scores wordt voor elke bestuurder een persoonlijke korting berekend. Het systeem geeft bestuurders ook aanbevelingen die veilig rijden stimuleren.
- Analyse van gegevens van de versnellingsmeter, gyroscoop, gps en andere smartphonesensoren
- Herkenning van de rijmodus: bestuurder of passagier
- Herkenning van te hard rijden, onnodig accelereren en abrupt hard remmen
- Ritscore en berekening van een persoonlijke korting voor elke bestuurder
- Aanbevelingen voor veilig rijden
Het resultaat
De verzekeraar kan bestuurders beoordelen op hun werkelijke rijgedrag en wie goed rijdt belonen. Persoonlijke kortingen geven bestuurders een prikkel om veiliger te rijden. Dat bevordert de verkeersveiligheid en kan het aantal ongevallen en schadeclaims verminderen.
Het project bouwt voort op ons eerdere werk voor verzekeraars, waaronder risico-inschatting en risicobeheer.
