Авторы: Мэтью Уокер (Mobikit Intern), Коул Смит (Data Engineer, Mobikit)
Каждое лето мы принимаем талантливых студентов-стажеров для работы над сложными проектами в области науки о данных и инженерии данных в Mobikit. В этой статье мы расскажем о некоторых подробностях летнего проекта, который этим летом завершил наш стажер по анализу данных Мэтью Уокер. Мэтью набирает обороты в штате Огайо, изучает аналитику данных. Его работа теперь обеспечивает функцию обогащения солнце в твоих глазах на нашей платформе. (PS: мы всегда ищем классных товарищей по команде, свяжитесь с нами!)
Когда дело доходит до анализа рисков водителя и безопасности, контекст имеет значение. Поведение во время вождения во многих случаях является функцией множества внешних факторов (например, погоды, дорожного движения, географии). Один из многих способов, с помощью которых Mobikit позволяет нашим страховым компаниям и клиентам автопарков привнести этот контекст в риски и безопасность водителя, - это наши возможности по реконструкции событий. Например, если мы обнаруживаем событие, близкое к столкновению, мы можем предоставить менеджеру по контролю рисков подробную информацию об этом событии (например, профили скорости, серьезность, состояние дороги). Хотя это само по себе представляет собой сдвиг парадигмы в том, как анализируются и согласовываются аварии с коммерческими транспортными средствами, нас отличает то, как мы вводим новые переменные в эти рабочие процессы. Одна из многих переменных, которые мы включили в оценку рисков. ориентация автомобиля относительно солнца.
Солнце - относительно неизвестный, но доказанный фактор риска. Согласно исследованию, проведенному NHTSA, основной причиной ~ 16% наблюдаемых аварий были атмосферные блики. Другое исследование, опубликованное NCBI, показало, что вождение при ярком солнечном свете почти так же опасно, как снег и дождь.
Определить, повлияло ли солнце на зрение водителя во время вождения, сложно, но мы можем объединить данные о погоде и телематические данные, чтобы сделать приблизительное значение. Используя серию геометрических расчетов, мы разработали модель, основанную только на три переменные, которые описывают событие вождения: отметка времени, заголовок и координаты.
Как это работает. Для начала мы сначала находим положение солнца (т. е. азимут и высоту) в это точное время и местоположение события по GPS, запоминая вычисления эфемерид, чтобы сбалансировать потребности как в точности, так и в скорости вычислений. После определения местоположения солнца мы рассчитываем курс транспортного средства во время события на основе его траектории движения GPS, чтобы приблизительно определить, где находится водитель по отношению к солнцу. Однако классификация события как солнечного требует настройки точного поля зрения, которое зависит от поля зрения водителя и управляемого транспортного средства. Мы настраиваем эти параметры на основе эмпирического тестирования и моделирования и позволяем корректировать их постфактум либо с помощью камер, обращенных к водителю, либо с помощью ручных аннотаций. Наконец, мы сверяем результаты модели с погодными условиями и видимостью дороги. Например, если событие произошло в дождливую или пасмурную погоду, маловероятно, что солнце повлияло на это событие.
С помощью всего трех функций мы можем получить исчерпывающее представление о рисках, связанных с водителями. Поскольку автомобильные убытки продолжают расти, несмотря на внедрение телематики, Mobikit позволяет специалистам по рискам использовать такие ключевые аналитические данные на основе данных, чтобы перевернуть отрасль. Если вас интересует реконструкция событий или какие-либо наши аналитические возможности, отправьте нам сообщение на [email protected].
Изображение предоставлено: FlatIcon и Pixabay.
