文献综述
论文题目 基于互联网 的道路交通事故车辆查勘定损方案设计
- 前言
随着我国经济的飞速发展以及人民生活水平的日益提高，居民汽车保有量大幅攀升。汽车数量的迅速增加，道路交通基础设施的相对薄弱，交通运输管理的滞后，人民法制观念的淡薄，导致道路交通事故的时有发生，造成人身伤亡，带来经济损失。从造成的道路交通事故起数看，2000年1月1日到2012年12月31日，全国共计发生了562.475万起道路交通事故，合计造成111.93万人死亡，507.967万人受伤。[1]严酷的事实和血的教训，使人们越来越意识到汽车保险的重要性。
定损理赔是车险中非常重要的环节。然而，在定损理赔领域，由于长期以来限制于科技手段，绝大部分保险公司大多依靠查勘定损员人力定损理赔，在一定历史阶段发挥了积极的作用。赵长利在《车辆查勘定损岗位人员所需知识调查与分析》中将机动车辆保险查勘定损人员应具备的知识分为11个模块:风险知识、保险基础知识、机动车辆保险知识、法律知识、车辆知识、事故分析知识、人伤鉴定与赔偿、推销知识、保险职业道德知识、人际交往知识和其他知识。[2]由此可见，查勘定损对查勘员的素质要求极高。并且，随着保险市场的快速发展，赔案量迅速增加，以人力支持为主的定损模式，越来越表现出作业效率低、处理时间长、管理难度高、判定误差大等缺陷，且容易产生内外联合骗保等问题，对保险公司、尤其是中小公司造成了越来越重的负担。[3]因此，越来越多的保险公司开始尝试运用互联网 的现代化科技手段进行道路交通事故的查勘定损。
- 国内相关研究
针对传统查勘定损过程中查勘车辆调度效率不高、现场查勘信息反馈不及时的问题，一些学者在移动互联网、嵌入式设备软硬件大发展的背景下，进行了车险移动查勘系统的研究和开发，车险移动查勘系统是集电子地图显示、定损员和案发地点实时显示、定损员合理安排、定损员最优化调度、现场查勘定损数据采集及实时上传、定损全程监控、客户意见反馈等各项功能为一体的系统。[4]近来，图像识别、生物识别等人工智能技术的突破极大地提升了远程定损的精度及自动化水平，为进一步商业应用提供了坚实的支撑。可以使得保险公司通过远程采集车险事故照片，经人工智能深度学习图像识别检测技术，对受损位置进行分解定位、角度还原、去反光、云端自主学习比对等操作，在几秒钟之内就能给出准确的定损结果。[3]包括受损部件、维修方案、价格以及出险后对来年保费的影响等，可以大大降低车险理赔中的人力以及时间成本，提高自动化程度，显著减少客户等待时间，提升理赔服务满意度；也能帮助保险公司、尤其是新成立的公司迅速构建理赔能力，专注于提供差异化的理赔服务。
通过照片确定车辆损失，以此作为理赔定损的依据，是车险理赔中非常重要的环节，保险公司大多依靠查勘定损员来完成。2017年6月，蚂蚁金融服务集团（以下简称蚂蚁金服）向所有保险行业全面开放技术型产品“定损宝”，通过AI（人工智能）模拟车险查勘定损环节中的查勘定损员的人力作业流程，来帮助保险公司完成快速高效的自动定损，这也是图像识别技术首次应用于车险领域。保险定损将不需太多人力，每年能省数亿成本在传统的理赔流程中，保险公司收到事故照片后，需要核赔、核价，往往最快需要半小时后才能确定理赔金额。现在，应用深度学习图像识别技术的“定损宝”，解决了对不规则车辆损伤进行识别的行业难题，用AI充当定损员的眼睛和大脑，通过算法识别事故照片，与保险公司连接后，几秒内就能给出准确的定损结果，包括受损部件、维修方案及维修价格。[5]业内人士表示，这将帮助保险公司实现简单高效的自动定损。蚂蚁金服方面介绍，“定损宝”定损时间缩短至秒级，准确率达到98%以上，相当于行业10年以上经验的定损专家。[6]
同年9月，中国平安财产保险股份有限公司（以下简称平安产险）推出“智能保险云”，其“智能闪赔”将AI应用于车险理赔，重塑作业流程，实现智能图片识别、秒级定损、自动精准定价和全流程智能风控阻断。传统模式下的车险理赔长期存在痛点，车主用户出险之后要打电话报案，然后在现场等待，保险公司基于风险控制的考虑，要进行单通道、直线式的查勘、定损、核价、核赔、收单、支付等复杂的流程，而如今的在线自助理赔，如果出现单方小额事故后，则只需简单的三步，就能解决原来复杂的理赔。[7]当然，这是平安强大的后台运营系统持续不间断工作的结果。平安产险后台系统基础数据库，已覆盖222个汽车品牌、52519个车型，2.3万家4S店、6.9万家合作修理厂，囊括150万条配件项目、800万条配件价格数据、1200 万条工时价格，通过智能定损平台、超级网银等先进技术的应用，自动识别客户信息、自动审核、自动理算、自动支付，最终实现三步极简操作，现场出赔付金额，客户确定马上到帐的体验。[7]
- 国外相关研究
国际先进保险市场中从事车险理赔服务的中介机构数量较多，而且各自的分工很细。保险公司与车险理赔中介机构基于各自的利益，为了让客户满意这一共同目标，尤其重视相互之间的信任和合作。[8]他们既各司其职，又注重信息和资源共享。在信息技术开发环节方面，赵学林在《移动互联网背景下我国车险理赔模式探讨》一文中提到了一些国家和地区的查勘定损模式及特点：(1)提高查勘调度的时效性和合理性。如美国一些车险公司采用GPS定位技术确定查勘人员位置，通过智能实时排班系统，在很短时间内将查勘人员派到出险现场。(2)提高查勘定损的准确性。如德国一些车险公司使用标准化的车险估损系统，极力避免人为介入，从而保证了车险理赔的规范和透明。(3)提高接报案的及时性和方便性。如日本一些保险公司在车险理赔中使用全天候事故受理报告系统，该系统与全国各地的14个理赔中心及全国252个理赔终端相连接，客户从任何理赔终端和理赔中心都能得到保险公司的理赔处理信息和相应的理赔服务。(4)提高查勘定损效率。如我国台湾地区的一些保险公司，在车险理赔服务中使用远程定损系统，保险公同定损人员既可以现场定损，又可以进行网上远程定损，极大地提高了查勘定损效率。客户和修理厂还可以上网查询定损结果和配件价格、甚至购买配件。
数据量和算法被比作人工智能的燃料和发动机。图片智能识别是智能定损的关键技术能力，在深度学习的框架下，通过计算机视觉处理学习过往海量出险图片数据，前端输入图像数据即能够实现对出险车型、受损部位、损失程度的自动判别。在图片识别技术方面，Facebook签下的人工智能专家Yann LeCun最重大的成就就是在图像识别领域，其提出的LeNet为代表的卷积神经网络，在应用到各种不同的图像识别任务时都取得了不错效果，被认为是通用图像识别系统的代表之一；Google借助模拟神经网络“DistBelief”通过对数百万份YouTube视频的学习自行掌握了猫的关键特征，这是机器在没有人帮助的情况下自己读懂了猫的概念；三维数据云中的三维目标检测和姿态估计是人们广泛关注的问题，在实际环境中往往会出现旋转对称的目标，Figueiredo等人介绍了旋转对称在三维物体检测中如何以数量级提高性能和存储成本，提出了基线法，描述了W.R.T.对称对象的改进，分析了理论增益，并进行了若干评估，以比较鲁棒性和性能到基线方法；[9] 源代码中可以找到最小割/最大流分割作为成熟的分类算法的认可，以及更详细的度量定义和图像转换描述，以满足识别需求。[10]图像识别技术，连接着机器和这个一无所知的世界，帮助它越发了解这个世界，并最终代替我们完成更多的任务。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
