一種基于圖像識別的車輛智能定損系統(tǒng)

施海

（上海新致軟件股份有限公司，上海200120）

經(jīng)濟(jì)的發(fā)展推動(dòng)了汽車行業(yè)的蓬勃，隨著汽車數(shù)量的增多車險(xiǎn)成為保險(xiǎn)行業(yè)銷售量最大的保險(xiǎn)種類之一。傳統(tǒng)的車險(xiǎn)出險(xiǎn)后需要專業(yè)的定損人員到現(xiàn)場勘查事故原因，確定責(zé)任，對現(xiàn)場取證采集事故照片、車輛信息、人員信息。然后在修理廠或4s 店進(jìn)行修理報(bào)價(jià)，最后將相關(guān)資料上傳到保險(xiǎn)公司，由核賠人員進(jìn)行最終的審核，才能完成整個(gè)出險(xiǎn)定損。傳統(tǒng)模式存在賠付周期長，操作流程復(fù)雜，參與人員角色多，整個(gè)賠案付出的成本高等問題，所以針對保險(xiǎn)公司為了解決上述幾個(gè)問題，提出了利用人工智能技術(shù)結(jié)合現(xiàn)有信息化系統(tǒng)建設(shè)，實(shí)現(xiàn)線上一體化、智能化定損賠付流程。采用人工智能技術(shù)主要解決對出險(xiǎn)現(xiàn)場的定損，采用人工神經(jīng)網(wǎng)絡(luò)對采集圖片進(jìn)行模式識別，實(shí)現(xiàn)對車輛受損部位識別和受損程度識別，同時(shí)結(jié)合保險(xiǎn)公司基礎(chǔ)數(shù)據(jù)進(jìn)行快速賠付。

1 智能圖像識別技術(shù)介紹

隨著人工神經(jīng)網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，我國對于人工智能方面的研究取的了很大的進(jìn)展，并被應(yīng)用于生活和生產(chǎn)的各個(gè)方面，例如：仿真機(jī)器人、輔助手術(shù)機(jī)器人、經(jīng)濟(jì)模型分析等。人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展突破了傳統(tǒng)計(jì)算機(jī)技術(shù)的局限，體現(xiàn)出了良好的智能特性。

1.1 人工神經(jīng)網(wǎng)絡(luò)的含義

人工神經(jīng)網(wǎng)絡(luò)是人工智能的一個(gè)重要分支，為人工智能的發(fā)展提供了動(dòng)力。人工神經(jīng)網(wǎng)絡(luò)可以模仿動(dòng)物或者人的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，進(jìn)行分布式、并行式的數(shù)據(jù)處理[1]。人類的大腦給了人工神經(jīng)網(wǎng)絡(luò)啟發(fā)，很多學(xué)者最初認(rèn)為人工神經(jīng)網(wǎng)絡(luò)的核心是微積分計(jì)算，實(shí)際上人工神經(jīng)網(wǎng)絡(luò)是一種計(jì)算機(jī)系統(tǒng)，由多個(gè)高速處理的神經(jīng)元組成[2]，計(jì)算機(jī)網(wǎng)絡(luò)負(fù)責(zé)將這些神經(jīng)元聯(lián)系在一起，幫助神經(jīng)元?jiǎng)討B(tài)的處理數(shù)據(jù)，增加機(jī)器識別物體的性能。

人類的大腦有數(shù)十萬個(gè)神經(jīng)元，這些神經(jīng)元與身體的每一個(gè)細(xì)胞相連，它們之間動(dòng)態(tài)的進(jìn)行通信，使得身體內(nèi)的細(xì)胞相互協(xié)同進(jìn)行工作。相比于人類的大腦，人工神經(jīng)網(wǎng)絡(luò)就簡單很多，一般的人工神經(jīng)網(wǎng)絡(luò)最多由上千個(gè)高速處理元素組成，處理能力遠(yuǎn)低于人類大腦處理水平。傳統(tǒng)計(jì)算機(jī)系統(tǒng)擁有一個(gè)強(qiáng)大的中央處理層，負(fù)責(zé)從內(nèi)存中讀取和返回?cái)?shù)據(jù)[3]，但是傳統(tǒng)的計(jì)算機(jī)智能讀取內(nèi)存中存在的數(shù)據(jù)，一旦面對全新的數(shù)據(jù)就會(huì)返回錯(cuò)誤。人工神經(jīng)網(wǎng)絡(luò)擁有多種層次，每一個(gè)層次都包括接受信息的信息接受層、傳輸信息的信息傳輸層以及處理信息的信息處理層[4]，并經(jīng)過對規(guī)則的持續(xù)學(xué)習(xí)，使得人工神經(jīng)網(wǎng)絡(luò)判斷事物的能力越來越接近于人類大腦。相比于傳統(tǒng)計(jì)算機(jī)系統(tǒng)的查找式處理方法，人工神經(jīng)網(wǎng)絡(luò)更像一個(gè)推理器，經(jīng)過對一定規(guī)則的學(xué)習(xí)，即使面對從未見過的事物，也會(huì)根據(jù)之前別的神經(jīng)元接收到的規(guī)則進(jìn)行整合給出相似特征的答案[5]。隨著人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)數(shù)量的增多，人工神經(jīng)網(wǎng)絡(luò)會(huì)判斷和識別物體的準(zhǔn)確性大大提高。

目前人工神經(jīng)網(wǎng)絡(luò)還無法再學(xué)習(xí)的過程中創(chuàng)造答案，但是已經(jīng)用接近人類學(xué)習(xí)的方法去處理數(shù)據(jù)，人工神經(jīng)網(wǎng)絡(luò)的存在大大推動(dòng)了人工智能和機(jī)器學(xué)習(xí)的發(fā)展。

1.2 FASTER R-CNN 圖像識別算法

圖像識別算法主要實(shí)現(xiàn)了從模式空間到類別空間的映射，本文所述一種基于圖像識別的車輛智能定損系統(tǒng)是基于FASTER R-CNN 的人工神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)的[6]。FASTER R-CNN 算法的整體架構(gòu)如圖1 所示。

從圖中可以看出FASTER R-CNN 總共分為四個(gè)部分，分別是存儲數(shù)據(jù)的數(shù)據(jù)庫（Dataset），負(fù)責(zé)提供按照一定格式標(biāo)準(zhǔn)定義的數(shù)據(jù)內(nèi)容[7]。特征中心(Extractor)也可以稱為Feature Map，負(fù)責(zé)利用CNN 算法提取圖片中的特征。RNP 網(wǎng)絡(luò)即卷積神經(jīng)網(wǎng)絡(luò)（Region Proposal Network），負(fù)責(zé)將輸入的圖片轉(zhuǎn)換成為候選區(qū)域并經(jīng)過Rol Pooling 將不同大同的輸出區(qū)域轉(zhuǎn)換成為固定長度的輸出[8]。RoIHead，負(fù)責(zé)分類的回歸，這部分的輸出是最終目標(biāo)，將候選區(qū)域進(jìn)行分類，將候選區(qū)域放入正確的歸類位置。由此可見，整個(gè)FASTER R-CNN 圖像識別算法的工作流程如下圖2 所示。

圖1 FASTER R-CNN 算法的整體架構(gòu)圖

圖2 FASTER R-CNN 圖像識別算法的工作流程圖

從圖中可以看出，圖片經(jīng)過神經(jīng)網(wǎng)絡(luò)提取出特征，并根據(jù)卷積神經(jīng)網(wǎng)絡(luò)將輸如的照片處理成為各種輸出區(qū)域，再經(jīng)歷一次輸出區(qū)域的細(xì)化[9]，將大小不同的輸出區(qū)域統(tǒng)一成為長度相同的輸出區(qū)域，并進(jìn)行分類和微調(diào)，將圖片進(jìn)行歸類，得出最終結(jié)論。

2 基于圖像識別的智能定損系統(tǒng)設(shè)計(jì)意義

2.1 傳統(tǒng)車險(xiǎn)理賠流程

車輛保險(xiǎn)以60%的占比量成文保險(xiǎn)公司的主要業(yè)務(wù)之一，也是與大眾生活息息相關(guān)的一種保險(xiǎn)業(yè)務(wù)。傳統(tǒng)的保險(xiǎn)業(yè)務(wù)中車輛定損通常要求保險(xiǎn)公司的定損人員進(jìn)行現(xiàn)場勘探，進(jìn)而確定車輛的損失情況并記錄在案作為車輛保險(xiǎn)理賠的依據(jù)。其中車輛現(xiàn)場勘探是車輛保險(xiǎn)理賠中最重要的一個(gè)環(huán)節(jié)，目前大多數(shù)由保險(xiǎn)公司人員現(xiàn)場進(jìn)行處理，需要大量的人力和物力。

在傳統(tǒng)的車輛事故理賠過程中，當(dāng)發(fā)生車輛事故的時(shí)候，兩輛車的車主不可以私自移動(dòng)車子，需要及時(shí)撥打電話給110進(jìn)行報(bào)警，并同時(shí)撥打電話給保險(xiǎn)公司，由警察出具車輛事故責(zé)任認(rèn)定書，并且等待保險(xiǎn)公司人員到達(dá)現(xiàn)場進(jìn)行保險(xiǎn)事故現(xiàn)場勘探，對車輛的損壞情況進(jìn)行確定并拍照，記錄在案。當(dāng)警察和保險(xiǎn)公司工作人員都確定好，事故車輛才可進(jìn)行移動(dòng)。

上海市擁有400 多萬量私家車，由于重型卡車不能進(jìn)入外環(huán)以內(nèi)，因此大多數(shù)交通事故都是小轎車之間的剮蹭，車輛損壞程度并不嚴(yán)重[10]。而傳統(tǒng)的理賠流程中，保險(xiǎn)公司接到事故報(bào)警電話后，事故現(xiàn)場勘探人員往往需要很久才能到達(dá)現(xiàn)場，致使事故理賠流程一整套下來需要48 小時(shí)左右才可完成，在現(xiàn)場勘探人員到達(dá)之前車輛不可私自移動(dòng)，給原本壓力很大的城市交通運(yùn)輸制造了極大的困難，由此可見傳統(tǒng)的車輛理賠流程中存在著許多不合理的地方。

2.2 人工智能識別車輛定損的優(yōu)點(diǎn)

隨著科技的不斷進(jìn)步，使用科技的力量推動(dòng)保險(xiǎn)定損的不斷進(jìn)步是保險(xiǎn)行業(yè)面臨的重要問題。目前保險(xiǎn)行業(yè)從事現(xiàn)場勘探工作的大約有十萬之多的工作人員，利用人工智能技術(shù)充當(dāng)現(xiàn)場勘探人員的眼睛和大腦，至少可以減少現(xiàn)場勘探人員50%以上的工作量，僅憑現(xiàn)場的幾張照片就可以在幾秒之內(nèi)給出車輛的損傷情況，包括車輛受損部分和理賠方案等，為保險(xiǎn)公司在車輛現(xiàn)場勘探減少了大量的投入，也是的輕微事故車輛在拍照之后就可以駛離現(xiàn)場，不會(huì)造成城市交通擁堵，減少城市交通壓力。同時(shí)基于人工神經(jīng)網(wǎng)絡(luò)算法的智能定損方式也可以減少汽車車主使用陳年傷痕來騙保的虛假情況。通過對車輛外觀保險(xiǎn)理賠事故整理可以發(fā)現(xiàn)，每年約有10%～20%的外觀保險(xiǎn)賠付事故屬于騙保行為。

但是由于目前人工智能車齡定損技術(shù)還處于初級階段并不能完全的代替現(xiàn)場勘探，但是可以幫助現(xiàn)場勘探人員進(jìn)行輔助識別和定損。傳統(tǒng)定損流程中勘探人員需要到現(xiàn)場拍攝大量的照片，有的事故現(xiàn)場甚至需要拍攝上百張照片，但是由于天氣和光線等原因往往給勘探人員進(jìn)行判斷帶來了一定的困難。AI 圖像識別技術(shù)可以幫助定損人員排除這些方面的干擾，根據(jù)不同的特征判斷車輛的損傷情況，為定損人員提供一定的輔助建議。

人工智能定損系統(tǒng)的出現(xiàn)并不是為了代替工作人員而產(chǎn)生的，舊的崗位的消失也為工作人員提供了新的機(jī)遇，原來從事簡單現(xiàn)場勘探的人員可以投入更多的精力去提升用戶體驗(yàn)，嘗試客戶服務(wù)等更有難度和挑戰(zhàn)的工作。

3 一種基于圖像識別的車輛智能定損系統(tǒng)

將人工智能結(jié)合大數(shù)據(jù)、云計(jì)算等新技術(shù)應(yīng)用于打通線上理賠全流程管理，打造“智能理賠”平臺產(chǎn)品。通過該平臺產(chǎn)品，車主可以實(shí)時(shí)的上傳受損突破及時(shí)獲取車輛受損信息和維修方案、完成現(xiàn)場智能查勘，對單方責(zé)任的小額事故申請快速線上理賠。從而簡化原來的賠付流程，降低賠付費(fèi)用和賠付風(fēng)險(xiǎn)。新舊保險(xiǎn)審核流程對比圖如圖3 所示。

圖3 新舊保險(xiǎn)審核流程對比圖

現(xiàn)有人工定損的方式，需要車主先報(bào)案，保險(xiǎn)公司進(jìn)行查勘人員的調(diào)度分配任務(wù)，由于查勘人員到現(xiàn)場的路程原因，路途堵車原因，現(xiàn)場定位不準(zhǔn)確原因，用戶交流中對現(xiàn)場位置描述困難等原因，均會(huì)造成查勘人員到達(dá)現(xiàn)場實(shí)際需要半小時(shí)以上，極端情況下需要數(shù)小時(shí)，車主需要原地等待，用戶體驗(yàn)非常不好。

查勘取證的環(huán)節(jié)，不同查勘人員的專業(yè)能力有差異，查勘結(jié)果對類似案件也存在差異，無合理的標(biāo)準(zhǔn)可遵循，定損結(jié)果不透明性，對車主和保險(xiǎn)公司均存在過度消費(fèi)的情況，核賠環(huán)節(jié)依賴修理廠或4s 店提供的人工費(fèi)用和配件價(jià)格，無標(biāo)準(zhǔn)價(jià)格可遵循。相同品牌不同4s 店報(bào)價(jià)也存在不一致情形。而賠付費(fèi)用需要內(nèi)部風(fēng)險(xiǎn)控制，多級審核，打款周期也比較長，雖然保險(xiǎn)公司為了提高用戶體驗(yàn)，在賠付周期上做了大量讓步，部分保險(xiǎn)公司實(shí)現(xiàn)了24 小時(shí)快速賠付，但這也是建立在保險(xiǎn)公司自己承擔(dān)風(fēng)險(xiǎn)的基礎(chǔ)上，助長了騙保理賠。

智能定損平臺，可以通過歷史理賠數(shù)據(jù)，歷史行車數(shù)據(jù)，歷史違法違紀(jì)數(shù)據(jù)，對于行車記錄良好的車主，線上理賠額度高達(dá)可以適當(dāng)提高，通過手機(jī)端的APP 上傳車損照片，幾分鐘便可完成賠付。為滿足車主多元化、多場景需求，智能理賠平臺APP，為車主提供在線車損測算。智能定損平臺設(shè)計(jì)包含了前端車主端APP，智能定損AI 引擎，以及數(shù)據(jù)分析和抽檢系統(tǒng)，賠付基準(zhǔn)數(shù)據(jù)庫、零配件標(biāo)準(zhǔn)價(jià)格數(shù)據(jù)庫等。智能定損流程圖如圖4所示。

圖4 智能定損流程圖

智能定損平臺一體化平臺設(shè)計(jì)，打通了保險(xiǎn)公司車險(xiǎn)理賠各個(gè)環(huán)節(jié)，降低保險(xiǎn)公司的賠付風(fēng)險(xiǎn)，對投保車主的賠付速度提升。通過車主直接和保險(xiǎn)公司的交互，也避免了查勘定損人員的人員定損差異過大的情況，采用人工智能算法提高了查勘定損的準(zhǔn)確性，價(jià)格庫的直接比對，避免了4s 店、修理廠的報(bào)價(jià)不透明性。

總之，智能技術(shù)引入車險(xiǎn)理賠，對原來車險(xiǎn)理賠業(yè)務(wù)有了質(zhì)的提升，對未來車險(xiǎn)理賠業(yè)務(wù)高速發(fā)展也貢獻(xiàn)了技術(shù)升級帶來的價(jià)值，充分發(fā)揮技術(shù)對業(yè)務(wù)的引導(dǎo)，讓業(yè)務(wù)更加簡化，提升了速度，擴(kuò)大了同時(shí)理賠案件的數(shù)量，也降低了理賠過程中發(fā)生的費(fèi)用。同時(shí)人工智能技術(shù)也提高了理賠的專業(yè)性，避免了查勘定損人員水平不一，查勘定損案件質(zhì)量差異，人工智能平臺依賴的是專家級的技術(shù)，而且隨著定損案件的增加，人工智能定損平臺也逐步訓(xùn)練的更加智能。具備自我學(xué)習(xí)提升的能力。人工智能定損平臺只是人工智能技術(shù)在保險(xiǎn)行業(yè)的一個(gè)具體場景的小應(yīng)用，而隨著人工智能技術(shù)的發(fā)展，更多、更智能、更通用的人工智能技術(shù)將應(yīng)用在保險(xiǎn)行業(yè)各個(gè)場景中，并發(fā)揮其廣泛的智慧。