一、项目详述

1.行业分析

1.1行业现状及发展趋势

近年来随着互联网+产业的高度发展，各省市网络货运平台开始兴起。互联网+货运的实施方式为通过智能化实现了把车辆、货主以及司机的信息共享的同时进行合理匹配来提高物流行业运输效率。从而满足了用户更加多元化和个性化的货运新需求，解决传统物流行业的供需不匹配的行业困境。

2020年1月1日，交通运输部、国家税务总局发布的《网络平台道路货物运输经营管理暂行办法》（以下简称《办法》）正式实施，标志着网络物流行业开始步入了一个全新的发展时代，为平台型物流企业实现健康、有序的发展奠定了坚实的基础。同时，《办法》也为传统货运行业开辟了转型升级的通道。

在这种趋势下，基于平台型物流企业搭建完善的货运生态体系，深度融合AI技术、大数据、云计算、卫星定位等先进技术，为货运行业群体带来完善的服务和效益是未来发展的核心方向.

1.2网络货运行业痛点

（1）运输安全管理漏洞较大

Ø  从业资质缺乏监管手段：据权威部门调查，部分平台运营企业无法做到有效源头管理，导致运输安全风险居高不下。

Ø  运输过程缺乏安全性监控：由于运输计划复杂，货主没有渠道进行车辆的监管，导致运输过程的安全性无法有效跟踪。

（2）运输效率和成本管控手段缺乏

Ø  时效性监控缺乏：车辆运输过程不透明，导致车辆是否晚发晚点通常不可获知，而这类风险的发生将降低运输效率，造成资源不能高效利用；

Ø  车辆等货时间长，空置率高、运价难以下降：根据数据统计，目前中国汽车物流企业公路运输车辆空驶率高达39%，导致货运行业成本居高不下，以及环境、交能耗的浪费；

运输计划复杂，结算规则繁琐：货物运输整体流程较为复杂，在运输过程中，涉及等货拼车，整车串点运输，多点卸货等各种运输场景，这其中监管困难，难以跟踪整体运输进程，且结算过程无节点跟踪，未形成统一计算流程。

（3）平台用户粘性不高

生态圈不完善：尽管平台型物流企业兴起，但整体生态圈不完善，除了解决车货匹配等运输效率问题外，网络物流还包括货车风控监管、金融服务、油卡、ETC等面向货主、车主、司机的增值服务有待开发和解决；

保障缺失：由于目前货运行业的经营主体普遍为个人为单位，难以承担安全监管责任，更无力承担货运行业的高风险；故货运保险尤为重要。

1.3货运大数据成功应用于货运车辆保险风控业务

2014年，交通部、公安部、国家安全生产监督管理总局联合发布《道路运输车辆动态监督管理办法》（2014年第5号，简称5号部令），在部令中要求全部重型载货汽车和半挂牵车在2015年12月31日要安装卫星定装置并接入全国道路货运车辆公共监管与服务平台。

中交兴路作为《全国道路货运车辆监管与服务平台》（以下简称：全国货运平台）的建设和运营方，截止目前已接入货运车辆600余万，基本实现了全国重载普货车辆与半挂牵引车辆的全覆盖，动态数据接入3万亿条。平台结合大数据技术、智能分析、实时计算技术，对车辆行驶行为、驾驶员行为进行分析，并实时提醒，可有效纠正驾驶者的不良驾驶习惯，提高驾驶安全系数。

基于《全国道路货运车辆监管与服务平台》海量数据，中交兴路在法律法规框架内展开了一系列运输过程管控和驾驶行为数据挖掘和市场应用，并在车险定价方面做了大量创新研究。

2.技术方案

2.1系统业务架构

本项目以中交兴路货运大数据和数据中台服务为底层支撑，结合风控AI云平台以及UBI保险产品系，围绕平台型物流企业提供软件产品服务、UBI保险服务和保中风控服务，助力平台型物流企业打造自己的生态圈.

2.2系统技术架构

本项目系统架构主要分为三层：数据层、计算层和业务支撑层，技术架构如下图所示。

数据层：从车辆、APP、第三方渠道采集的车辆位置及状态数据、天气数据、GIS数据、UGC数据、征信数据等。

计算层：基于海量数据和分析模型进行实时计算和T+1运算，为业务支撑层提供分析结果，包括UBI模型、保前风控模型、反欺诈模型、事故发现引擎等。

业务支撑层：主要由UBI保险业务支撑系统和AI风控云平台系统构成，其中UBI保险业务支撑系统提供投保、试算、支付和保单管理等应用功能和API接口服务，AI风控云平台提供在途车辆监控、在途货物跟踪、预警消息提醒、行为分析统计等应用工和API接口服务。

对保险业务的实时分析业务流程进行抽象后，保险业务的实时分析整体架构如下，其中实时计算引擎考虑到业务特点，采用的是业务比较流行的SparkStreaming和FlinkStreaming两套计算引擎，对于准实时业务，用SparkStreaming引擎，对于实施要求高的业务用FlinkStreaming引擎计算，计算结果根据不同业务特点进入相应的存储系统;

2.3接口服务方案

本项目面向国内平台型物流企业的信息系统提供开放服务接口，采用https API方式对外提供接口服务。

系统为开发者提供安全证书，开发者在客户端开发中导入证书，遵循API接口规范，发送https请求，支持POST、GET两种，接口将验证API用户的合法性和安全性，然后提供接口服务，接口数据采用UTF-8格式编码。

基于中交兴路成熟的“智运开放”系统框架，定制开发了UBI保险接口和风控服务接口。

2.4平台服务方案

（1）平台型物流企业服务方案

针对货运行业全新发展趋势带来的挑战，中交根据国家相关的规范要求和自身数据价值对平台进行了改进和完善，以此顺应新物流时代的发展。

基于智运AI技术，平台从时效、结算、安全三方面打造互联网+物流的服务方案。针对大宗行业运输、贸易批零运输、干支线运输、生产制造运输四大行业场景，打造业务流、信息流、资金流、票据流、货物轨迹流“五流合一”的科技物流平台。

（2）运单+保单全程可视化

车辆调度生成运单，同步生成保单。全程透明高效，运输过程可以实时查看。

2.5关键技术

（1）基于货运大数据的UBI保险分析模型

作为一款面向市场的具有真正意义上的根据用户实时行驶情况来定价的保险产品，UBI保险基于多种风险因子的计算模型，对货车每趟行驶过程，从多个维度实时的分析，计算相应分数，依据模型权重，最终得出实际应付保费，在整个模型中，实时计算模块对整个运输过程实时分析，实时得出各种特征因子，如运输距离，天气因素、驾驶行为、道路因素等，在模型中，分为主要因子、次要因子，辅助因子等，最后调用模型计算，得出最终保费。

传统保险只能在承保前根据用户历史赔付情况判断大概的风险情况，UBI保险可精准识别用户每趟行程的实时风险，做到千人千面、精准定价。

中交兴路基于深度学习、XGBoost、GAM等领先的机器学习算法，独创车联网货运风险模型该分析模型结合路线特征，天气特征等开发货运险专属模，该车险模型已经保险公司全面应用，日查询量超40万，已成全行业标杆产品。

（2）基于GAM算法的保险风险成本预测模型

广义可加模型（Generalized Addictive Model，简称GAM）是对广义线性模型（Generalized Linear Model，简称GLM）的扩展。GLM要求自变量x（即车联网驾驶行为数据因子）与因变量y（即保险风险）之间必须是线性关系，或者可转化为线性关系。GAM突破了这一限制，在自变量x与因变量y之间的关系不确定时，采用非参数拟合算法，用一组样条基（knots）函数代替原自变量（如图所示），使拟合后的曲线连续且至少具有二阶导数，并通过对惩罚系数的调节，调整曲线的平滑度，减缓过度拟合。

由于保险风险的发生具有偶然性和不确定性，车联网驾驶行为数据因子具有连续性和动态性，二者之间的关系是低信噪比（Signal-Noise Ratio）的复杂非线性关系，因此，GAM算法比深度学习、支持向量回归等其它高级统计学习算法更适用于保险风险预测场景。使用该算法可以很好地拟合出驾驶行为数据因子与保险风险之间复杂的非线性关系，并且使拟合结果具有可解释性。

（3）基于马尔科夫模型的车辆位置点道路匹配算法

道路匹配算法核心技术采用隐马尔科夫模型（HMM）将GPS点采样数据作为观察值，认为该点所属道路为隐藏值，核心问题即转换为在一系列观察值前提下，找到可联通的隐藏值序列，满足该隐藏值（即匹配的道路集合）代价和最小。每个gps点对应的可能隐藏值（即可选匹配道路）有多个，自概率和点到道路距离的对数相关，转移概率为前一个gps点某个可匹配道路到当前gps点某个可匹配道路的距离和的cost，该cost值与途径道路距离和的对数相关，这样建立起整张状态转移图之后，采用viterbi动态规划算法，计算从第一个gps点到最后一个gps点的可选道路集合中cost最小的解，即为该gps点集所对应的道路匹配解。

二、先进性和创新点

经综合分析国内外面向平台型运输企业提供的网络货运平台解决方案，尚未发现同时向平台型运输企业提供UBI保险产品和风控云平台开放接口服务， 本项目创新性将区块链、AI、大数据、风控模型深度融合，并创新性应用于网络货运行业。

总体来说，本项目属于国内领先水平，具体表现在：

将区块链技术应用货运行业，创建分布式记账

着眼于中交的SaaS平台，中交根据四大货运场景分析，运用智运AI组件，在时效、安全、结算方面协助客户进行智能管控。并首次将区块链技术应用到货运行业，采用区块链技术互联并分布式记账，每个司机的行车记录都记录到统一账本。根据真实可靠不可篡改的详细运单记录信息，替代中心化的结算中心，降低现有清算中心负担，提升运营效率，降低运营成本。

基于海量货运数据和云计算技术实现信息共享化

此外中交基于货运平台大数据，智能卫星定位系统，已拥有超过640万车辆用户，货车覆盖率在行业内首屈一指，可对车辆进行24小时数据采集。

首创基于UBI保险的互联网货运生态体系

鉴于货运行业的高风险、高赔付特征，大货车承保逐渐边缘化。中交基于货运大数据以及风控服务，打造了UBI智能保险体系，并与中国平安财产保险有限公司合作，推出了基于用户行为的货运险产品：优驾保·UBI网络货运物责险。

开辟创新保险体系，引入风险监控与AI闪赔技术

此外对于UBI保险，中交也打造了车辆风险管控和快速理赔的增值服务，创建智能科技保险的生态闭环，为投保客户打造一条龙便捷服务。

风险管控：所有投保用户均可享受免费风控托管服务，通过全链路数据监控网络，客户可以追踪到旗下车队、车辆的动态信息。包括运输途中的异常情况报警、疲劳超速危险行为提醒、恶劣天气和危险路段预警等。

l  快速理赔：传统理赔流程复杂且流程繁琐，而基于车辆数据采集和区块链技术，可将车辆行驶信息，驾驶行为信息，事故信息等记录在区块链分布式账本中，基于区块链分布式存储，不可篡改的特点，确保了信息的真实可靠，达到理赔快速查勘、定损，提高理赔效率。因此中交不仅打造UBI科技保险，也着眼于提升用户理赔服务，并推出了智能化AI理赔助手。

三、推广应用情况或预期推广应用前景

1.推广应用情况

中交兴路是国内领先的数据科技公司，已为3000多家道路运输相关单位提供各类信息服务，并与300多家平台型物流企业建立深度合作关系，除了提供网络货运平台产品和数据服务外，提供科技保险服务与风险管控服务，通过智能化理赔助手实现快速赔付，针对货损事故，通过反欺诈模型计算以及AI技术分析可实现1个工作日内协助平安财险完成事故定性，从而助力中小企业搭建网络物流生态闭环。

截止目前，已交付并投入使用的网络货运平台数量接近200家，2019年为近10000家货主企业提供运力服务，累计风控AI云平台收入8500万元，UBI保险投保数突破100万单，保费规模逾5000万元。

2.预期应用前景

中交打造的物流生态圈未来应用场景非常巨大。随着国家《办法》的正式实施，中交兴路网络货运平台用户和其承接运单数快速增长，UBI保险产品服务和风控服务也将快速增长，预计2020年开始至未来三年内，每年可带来3到5亿元直接保费收入，并带来5到10亿元风控服务收入，其中ubi保险占货运险市场的20%左右。

2.1经济效益

建立货运生态圈，多举措赋能实体经济，降本增效

融合UBI科技保险与风控AI云平台，无疑给平台型物流企业附加了更高的经济价值。建立完善的物流生态闭环，不仅为客户提供车货匹配和资源智能分配服务，同时通过提升各环节服务体验感，如油卡、ETC、保险金融服务解决货运主体的行业痛点，满足货运市场需求。中交产品应用以来，货车司机月收入增加30%-40%，较传统货运降低交易成本6%—8%，其带来的经济效益是非常显著的。

开辟保险新模式，为投保主体和保险公司建立共赢关系

中交在UBI智能保险体系的创新，为货运行业开辟了新的发展方向。UBI智能保险是将司机行为与定价捆绑在一起，通过风控AI云平台监控评估货车运输风险，这也使合作保险公司能够更好地监控和控制他们的风险敞口，潜在地提高他们的风险承受力，并使他们能够接触到新的客户群。而对投保主体而言，基于中交的UBI保险体系，合作保险公司有能力向驾驶员收取更低的安全驾驶费用，这为消费者提供了强大的购买动力，促使他们通过改善驾驶行为，以达到降低保费的目的，满足消费者获取低价的消费心理。

2.2社会效益

结合风控科技手段，实现车货资源高效利用

中交打造的平台型物流企业生态闭环，以货运群体的需求点出发，响应国家政策，创建了结合风控大数据、人工智能、云计算、科技保险为一体的物流生态网络。中交创建货运生态圈以来，截至目前已提高车辆利用率效率约70%；平均等货时间由2-3天缩短至6-8小时；极大提高了货运行业运输效率。

应用AI安全技术实现健康、有序的物流行业发展

通过智运AI安全体系，建立“人车企”认证流程，以国家税务总局发布的《网络平台道路货物运输经营管理暂行办法》为核心，保证互联网货运环境的健康与有序发展。

打破传统保险模式，重塑货运行业保险新秩序

中交借助自身的货运大数据，充分地利用了个体用户的驾驶数据来创建保险定价模型，建立行业导向，即车辆动态行为数据在提交保险报价时，比静态基础信息和保障方案更为重要。中交基于数据采集，可以依据这些不同场景下的真实驾车数据为用户量身打造一套保单。