基于多租戶的高性能地震保險損失評估SaaS云平臺設計與實現(xiàn)1

王小東 粟春晨 宋圣楠 馮 鍵 翟亮亮 熊政輝 馬騰飛

1）中再巨災風險管理股份有限公司，重慶 400023

2）中國再保險（集團）股份有限公司，北京 100033

3）中國再保險（集團）股份有限公司博士后工作站，北京 100033

引言

我國位于世界兩大地震帶?環(huán)太平洋地震帶與地中海喜馬拉雅山地震帶交匯處，因此地震災害頻發(fā)。1990?2020 年，成災地震造成直接經(jīng)濟損失11 210.81 億元（樓寶棠，1996；國家地震局等，1996；中國地震局監(jiān)測預報司，2001；中國地震局震災應急救援司，2010，2015），其中2020 年我國大陸地區(qū)共發(fā)生5.0 級以上地震20 次（5.0～5.9 級地震17 次，6.0～6.9 級地震3 次），造成5 人死亡，30 人受傷，直接經(jīng)濟損失約18.47 億元（林向洋等，2020；應急管理部國家減災中心，2021）。從國際經(jīng)驗來看，自然災害的商業(yè)保險賠付金額約占直接經(jīng)濟損失的30%～40%，而我國商業(yè)保險賠付率尚不足1%（馮鍵，2019）。推動地震巨災保險發(fā)展的技術核心在于對地震風險的量化與管理。孟生旺等（2018）使用極值理論對地震災害事件進行了統(tǒng)計分析，建模并測算地震風險保費。牛方曲等（2012）基于全國縣級尺度人口、房屋結構數(shù)據(jù)庫、中國地震烈度區(qū)劃圖和地震對房屋的破壞參數(shù)，建立了區(qū)域中長期房屋震災損失評估系統(tǒng)。陳洪富等（2013）基于WebGIS 平臺，將已有震害預測、地震應急指揮、地震現(xiàn)場損失評估、災后科學考察和恢復重建等業(yè)務功能集成為有機整體，建立了綜合性地震災害損失評估系統(tǒng)。熊政輝（2019）結合我國地震風險特點和保險行業(yè)需求，構建了具有良好可拓展性的地震巨災模型EQCat。

本文基于前人研究成果，結合地震巨災保險定價與風險管理需求，構建多租戶的高性能地震保險損失評估SaaS（Software as a Service, 軟件即服務）云平臺。該平臺通過集成風險暴露模塊、致災因子模塊、工程易損性模塊、金融模塊，實現(xiàn)了地震保險損失評估功能；通過采用快速隨機事件篩選方法、針對地震事件影響場特征設計的數(shù)據(jù)結構與檢索方法等實現(xiàn)了高性能的計算引擎；采用基于數(shù)據(jù)隔離方案的多租戶模式，保證用戶數(shù)據(jù)安全；設計基于業(yè)務單元的資源彈性伸縮方法，以滿足保險業(yè)業(yè)務集中需求，且可針對用戶不同需要進行配置，提供個性化使用需求。

1 云平臺技術架構

傳統(tǒng)的地震風險評估軟件或巨災模型常以軟件授權的方式交付用戶?；谲浖跈嗟膯螜C模式在軟件使用率低時無法及時釋放計算資源，且業(yè)務集中，需大量使用時無法動態(tài)增加計算資源，從而導致計算資源的浪費，同時又無法滿足地震風險快速評估的商業(yè)化需求。而云計算技術可通過虛擬化技術合理管理計算資源，打破傳統(tǒng)單機模式的局限性。本文在綜合分析國內(nèi)外地震巨災風險評估的需求后，基于云計算技術，以每次上傳的風險暴露為單元進行數(shù)據(jù)隔離、計算引擎隔離，實現(xiàn)了多租戶的地震風險評估SaaS 云平臺。根據(jù)用戶提交的任務優(yōu)先級、數(shù)量，動態(tài)增加或銷毀計算節(jié)點，滿足用戶不同的算力需求。地震風險評估SaaS 云平臺系統(tǒng)架構如圖1 所示。

圖1 地震保險損失評估SaaS 云平臺技術架構Fig. 1 Technical architecture

1.1 展現(xiàn)層

根據(jù)多租戶、多用戶彈性計算的業(yè)務需求，采用B/S 架構構建地震風險評估系統(tǒng)。采用前后端分離的架構思想，使用基于HTTP 協(xié)議的API（Application Programming Interface，應用程序接口）將展現(xiàn)層、服務層分離。展現(xiàn)層基于SPA（Single Page Web Application，單頁面應用）架構，使用主流的H5+JavaScript 技術、WebGL 等GIS 可視化技術構建交互友好的用戶界面。展現(xiàn)層為用戶提供高效的風險暴露上傳接口、風險暴露數(shù)據(jù)可視化展示界面、地震保險損失評估模式選擇界面、地震保險損失評估參數(shù)設置界面、地震保險損失評估結果展示界面、風險累積和保險方案設計界面。

1.2 服務層

服務層即后端服務器層，根據(jù)展現(xiàn)層的請求，與數(shù)據(jù)層、算力層交互并為展現(xiàn)層提供API 接口。展現(xiàn)層與服務層采用易于擴展的微服務架構，可通過容器技術或者虛擬化技術實現(xiàn)資源彈性伸縮與負載均衡。

1.3 數(shù)據(jù)層

根據(jù)高性能計算及多租戶的需求，在深入分析業(yè)務特點的基礎上，系統(tǒng)按照用戶上傳的業(yè)務數(shù)據(jù)（即風險暴露數(shù)據(jù)）進行分庫、按“分析”（即地震保險損失評估計算）將不同分析結果存放在不同數(shù)據(jù)庫表中，達到數(shù)據(jù)隔離與數(shù)據(jù)庫橫向擴展的目的。

數(shù)據(jù)層包括元數(shù)據(jù)庫與業(yè)務數(shù)據(jù)庫。元數(shù)據(jù)庫用于存儲業(yè)務數(shù)據(jù)的數(shù)據(jù)庫地址、配置信息等，不包括風險暴露數(shù)據(jù)與計算結果數(shù)據(jù)，同時采用一主一備的高可用架構。業(yè)務數(shù)據(jù)庫中有若干實例，實例間交互隔離，當用戶上傳風險暴露數(shù)據(jù)時，系統(tǒng)會根據(jù)元數(shù)據(jù)庫的配置信息，在指定的服務器節(jié)點上創(chuàng)建數(shù)據(jù)庫實例作為業(yè)務數(shù)據(jù)庫，用于存儲風險暴露數(shù)據(jù)。系統(tǒng)根據(jù)多個數(shù)據(jù)庫服務器節(jié)點的負載與存儲情況，可調(diào)整業(yè)務數(shù)據(jù)庫的創(chuàng)建策略，實現(xiàn)數(shù)據(jù)庫的負載均衡，從而避免訪問集中于單個服務器節(jié)點造成的卡頓與其他服務器節(jié)點的資源浪費。

1.4 算力層

算力層為系統(tǒng)提供地震保險損失評估分析的算力，包括調(diào)度器與計算引擎。云計算技術（包括虛擬化、容器化技術等）的彈性伸縮通常是基于CPU 或者內(nèi)存的使用率調(diào)整服務器資源，如CPU 在指定時間間隔內(nèi)使用率超過設定的閾值會增加新的服務器節(jié)點。但地震保險損失評估計算涉及大量科學計算，屬于CPU 密集型計算場景。一旦開始計算，必須極大程度地利用CPU 與內(nèi)存資源，這與傳統(tǒng)的SaaS 應用場景不同。同時基于多租戶的地震保險損失評估系統(tǒng)，要求用戶間對計算資源的使用不能相互影響，用戶須有獨享的使用體驗。因此需要有針對性地設計調(diào)度器的資源分配邏輯。

調(diào)度器將不同用戶提交的任務賦予不同優(yōu)先級，并提交到任務隊列，分別分配計算引擎。調(diào)度器維護1 套可配置的計算引擎調(diào)度策略，并根據(jù)該策略利用虛擬化技術或容器技術增加或銷毀計算引擎節(jié)點。調(diào)度器可根據(jù)配置的調(diào)度策略，維護多個不同的任務隊列，實現(xiàn)不同性能的計算資源的調(diào)配，滿足客戶對算力的個性化需求，如圖2 所示。

圖2 任務隊列的計算引擎調(diào)度策略Fig. 2 Engine scheduling strategy based on task queue

計算引擎實現(xiàn)了地震保險損失評估系統(tǒng)的核心算法，集成了風險暴露數(shù)據(jù)計算、地震危險性計算、工程易損性計算、費率厘定及風險累積計算等算法，并將計算結果保存到風險暴露數(shù)據(jù)對應的業(yè)務數(shù)據(jù)庫中。

1.5 基礎設施層

基礎設施層使用云計算技術，為展現(xiàn)層、服務層、數(shù)據(jù)層、計算層提供穩(wěn)定的運行環(huán)境，并通過虛擬化技術、容器化技術為用戶提供動態(tài)分配、銷毀、管理計算資源的服務。

2 云平臺功能架構

為滿足地震巨災保險費率厘定的需求，地震保險損失評估SaaS 平臺提供了風險暴露處理模塊、地震保險損失評估模塊、損失結果匯總模塊、費率厘定模塊及系統(tǒng)管理模塊，云平臺功能架構如圖3 所示。

圖3 地震保險損失評估SaaS 云平臺功能架構Fig. 3 Functional architecture

風險暴露處理模塊包括可視化的交互界面與API 接口，可為用戶提供風險暴露上傳接口。用戶通過該接口將待評估的風險暴露上傳到平臺，同時平臺可對風險暴露數(shù)據(jù)進行地址解析、匯總風險暴露數(shù)據(jù)（Aggregate Exposure Data，AED）的拆分。

地震保險損失評估模塊包括中長期損失評估、歷史地震重現(xiàn)損失評估、設定地震損失評估、自定義影響場損失評估等，可為用戶提供多種損失評估模式，如圖4 所示。

圖4 多種損失評估模式Fig. 4 Multiple options for loss assessment

損失結果匯總模塊將地震保險損失評估模塊計算結果按照保單、區(qū)域、事件等多維度進行匯總計算，用戶可從多維度進行結果分析。此模塊采用WebGL 等GIS 可視化渲染技術進行展示，如圖5 所示。

圖5 損失匯總及展示Fig. 5 Loss aggregate and display

費率厘定模塊在損失結果匯總模塊的基礎上用于純風險費率、超越概率曲線、超賠合約費率的計算，以列表和圖形展示不同形式的超越概率曲線，用戶可對損失結果進行深入分析。費率厘定模塊如圖6 所示。

圖6 費率厘定模塊Fig. 6 Module of rate making

系統(tǒng)管理模塊包括用戶及權限管理功能、日志管理功能、計算資源管理功能，保證系統(tǒng)穩(wěn)定運行，合理分配、實時監(jiān)控計算資源的使用情況。

3 云平臺業(yè)務架構

本文采用蒙特卡洛方法產(chǎn)生大量地震隨機事件（徐偉進等，2020）。針對各地震事件，使用地震動參數(shù)衰減關系模型計算在風險暴露位置產(chǎn)生的地震動強度；然后根據(jù)工程易損性計算損失；最后依據(jù)風險暴露的保險條款計算保險損失，各地震事件保險損失計算方法為：

由式（1）可知地震保險損失評估平臺包括：風險暴露模塊、致災因子模塊、工程易損性模塊和金融模塊，如圖7 所示。風險暴露模塊用于解析、存儲用戶上傳的風險暴露數(shù)據(jù)；致災因子模塊用于計算風險暴露所在位置的地震動強度；工程易損性模塊用于計算風險暴露在特定強度地震動影響下的損壞情況；金融模塊用于在風險暴露損壞的情況下計算保險損失。

圖7 地震保險損失評估SaaS 云平臺業(yè)務架構示意圖Fig. 7 Business architecture

3.1 風險暴露模塊

風險暴露模塊包含3 類風險暴露數(shù)據(jù)：

（1）用戶上傳的需進行地震風險評估的詳細風險暴露數(shù)據(jù)（Detailed Exposure Data，DED），包括保單、標的、保險責任等信息。

（2）用戶上傳的需進行地震風險評估的匯總風險暴露數(shù)據(jù)（Aggregate Exposure Data，AED），包括風險暴露所在區(qū)域、標的數(shù)量、保額、限額、免賠額及各種建筑屬性標的占比。

（3）系統(tǒng)內(nèi)置的全行業(yè)不同用途、不同結構的行業(yè)風險暴露的價值及地理位置數(shù)據(jù)，包括位置信息、功能用途信息（住宅、商業(yè)、工業(yè)等）、建筑重置價值等。系統(tǒng)內(nèi)置的行業(yè)風險暴露數(shù)據(jù)主要用于：①評估行業(yè)范圍內(nèi)的經(jīng)濟、保險損失；②當用戶僅能提供匯總風險暴露數(shù)據(jù)時，用于分析匯總風險暴露數(shù)據(jù)各標的位置、建筑屬性、保險額度等信息，從而評估地震風險。系統(tǒng)內(nèi)置的行業(yè)風險暴露數(shù)據(jù)示例數(shù)據(jù)如表1 所示。

表1 系統(tǒng)內(nèi)置的行業(yè)風險暴露數(shù)據(jù)示例數(shù)據(jù)Table 1 Sample data for built-in industial exposure

3.2 致災因子模塊

致災因子模塊為地震危險性分析模塊，包括地震隨機事件集和場地類型數(shù)據(jù)、地震隨機事件集快速檢索算法、地震動參數(shù)衰減關系算法和場地放大系數(shù)算法。致災因子模塊根據(jù)用戶上傳的風險暴露位置信息，使用地震隨機事件集檢索算法，從隨機地震事件集數(shù)據(jù)中篩選出對風險暴露有潛在影響的地震隨機事件數(shù)據(jù)，通過地震動參數(shù)衰減關系算法分別計算地震事件在風險暴露所在位置造成的地震動強度（本文采用地震動參數(shù)峰值加速度PGA），從而通過場地放大系數(shù)算法計算地表地震動參數(shù)。

3.2.1 地震隨機事件集

本文采用的地震隨機事件集是基于我國最新版的潛在震源區(qū)模型及地震活動性參數(shù)，采用蒙特卡洛方法生成的符合我國地震時空分布特征的模擬地震事件集（徐偉進等，2020），共模擬了中國及周緣地區(qū)面波震級5.0 級以上500 萬年的地震事件集，生成的事件集示例數(shù)據(jù)如表2 所示。

表2 隨機地震事件集示例數(shù)據(jù)Table 2 Sample data for random earthquake event set

3.2.2 地震隨機事件集快速檢索算法

本文針對地震衰減關系特征，設計了從隨機事件集中快速檢索地震事件的方法，該方法能快速檢索出可能造成損失的地震事件，步驟如下：

（1）預處理：①將隨機事件集按震中位置劃分至不同的等經(jīng)緯度網(wǎng)格中；②將歸屬同一網(wǎng)格的地震事件作為一頁進行連續(xù)存儲。根據(jù)空間局部性原理，每個網(wǎng)格中的數(shù)據(jù)往往需要同時使用或者都不使用，將空間相鄰的數(shù)據(jù)存儲到一起，避免頻繁讀取文件；③將每頁數(shù)據(jù)按其網(wǎng)格中心點經(jīng)緯度坐標創(chuàng)建空間索引。

（2）檢索地震事件：①計算風險暴露附近網(wǎng)格中心點經(jīng)緯度及經(jīng)緯度對應索引的key 值；②查詢空間索引中key 值對應的數(shù)據(jù)頁地址，并將該頁數(shù)據(jù)（即對風險暴露有潛在風險的地震事件）全量加載到內(nèi)存中。

3.2.3 地震動參數(shù)衰減關系計算方法

參考《中國地震動參數(shù)區(qū)劃圖》（GB 18306?2015）（中華人民共和國國家質(zhì)量監(jiān)督檢驗檢疫總局等，2016）和俞言祥（2016）的相關研究成果，同一個地震衰減分區(qū)中，斷層走向相同、震級相同的地震事件服從參數(shù)相同的衰減關系，而斷層走向不同的地震事件衰減關系都可以斷層走向為0°的衰減關系旋轉(zhuǎn)得到。因此，本文根據(jù)地震動參數(shù)衰減關系理論將不同地震衰減分區(qū)、不同震級地震的影響場提前計算并存儲。當實時進行地震風險評估時，僅需根據(jù)震中位置所在的衰減分區(qū)、震級查詢其影響場即可。

傳統(tǒng)的等經(jīng)緯度或等距離的柵格空間數(shù)據(jù)結構需要占用巨大的存儲空間，以模擬一百萬年為例，需要占用TB 級的空間。且地震動參數(shù)呈指數(shù)型衰減，柵格數(shù)據(jù)在距震中較近的區(qū)域參數(shù)誤差較大，而距震中較遠的區(qū)域參數(shù)非常接近，造成存儲空間浪費。本文根據(jù)地震動參數(shù)衰減關系模型特征，采用環(huán)形空間網(wǎng)格的數(shù)據(jù)結構，同時以該結構進行存儲數(shù)據(jù)，既可以提高數(shù)據(jù)精度，又能大幅度節(jié)約存儲空間。

（1）基于環(huán)形空間網(wǎng)格數(shù)據(jù)結構的地震影響場計算

根據(jù)地震動衰減橢圓模型（俞言祥，2016），對于已知分區(qū)和震級的地震，長軸、短軸上地震動參數(shù)與距離的關系為：

式中：Y為地震動參數(shù)，R為震中距，M為震級。對于已知震級與地震所在分區(qū)，長軸和短軸對應A、B、C、D、E為已知的回歸系數(shù)。因此可得知推導出：

可根據(jù)式（3）計算出所有（離散化的）地震動參數(shù)對應的長軸Ra和短軸Rb，即組成了該地震的環(huán)形網(wǎng)格。

（2）基于環(huán)形空間網(wǎng)格數(shù)據(jù)結構的地震動參數(shù)檢索

當已知風險暴露的位置時，根據(jù)地震斷層走向角度與震中距R計算出風險暴露坐標x、y；然后再由地震分區(qū)與地震震級，利用地震動參數(shù)衰減關系模型公式計算長軸Yl與短軸YS。最后根據(jù)Yl與YS確定數(shù)據(jù)范圍，由橢圓公式檢索出對應的地震動參數(shù)。

3.2.4 場地類型數(shù)據(jù)與場地放大系數(shù)模型

Li 等（2019）首先使用坡度法，按照《建筑抗震設計規(guī)范》（GB 50011?2010）（中華人民共和國住房和城鄉(xiāng)建設部等，2010）中場地類型的分類體系，計算得到全國范圍場地分類圖。本文將該場地類型數(shù)據(jù)預處理為1 km 精度的柵格數(shù)據(jù)，由風險暴露位置查詢場地類型。并按照《中國地震動參數(shù)區(qū)劃圖》（GB 18306?2015）（中華人民共和國國家質(zhì)量監(jiān)督檢驗檢疫總局等，2016）中場地類型對應的地震動峰值加速度調(diào)整系數(shù)對地震動進行調(diào)整，最終得到考慮場地條件的地表地震動參數(shù)。

3.3 工程易損性模塊

工程易損性模塊用于確定風險暴露在災害（地震）中遭受的平均損失率，主要由風險暴露易損性曲線、易損性曲線檢索器組成。易損性曲線指不同建筑屬性的風險暴露在不同地震動強度下的平均損失率（Mean Damage Ratio，MDR）及其不確定性（Uncertainty）（熊政輝，2019）。先使用熊政輝（2019）按照建筑結構類型、功能用途、建造年代、建筑高度和設防烈度等屬性信息構建的風險暴露建筑分類體系及采用震害統(tǒng)計方法和數(shù)值分析方法研發(fā)的一系列易損性曲線集；然后利用易損性檢索器，根據(jù)風險暴露的各建筑屬性取值，匹配和檢索對應曲線，以便后續(xù)進行損失計算。

3.4 金融模塊

金融模塊根據(jù)工程易損性模塊輸出的損失率及風險暴露的（再）保險條款，計算風險暴露（承保標的）的損失。主要包括地震造成的實際經(jīng)濟損失，又稱為總損失（Ground Up Loss，GULoss），以及考慮保險條款限制（如免賠額和限額）的保險損失，又稱為毛損失（Gross Loss，GRLoss）。

式中：TIV（Total Insured Value）為風險暴露的總價值，MDR 為地震對風險暴露造成的平均損失率。Ded（Deductible）為免賠額，Lim（Limit）為限額。

地震隨機事件集中每個事件均可能對風險暴露造成損失（包含經(jīng)濟損失和保險損失），表3 所示為事件損失表（Event Loss Table，ELT）。

表3 事件損失表示例數(shù)據(jù)Table 3 Sample data for ELT

將事件損失表中同一年的損失進行匯總，得到年累積損失表（Year Loss Table，YLT），如表4 所示。

表4 年累積損失表示例數(shù)據(jù)Table 4 Sample data for YLT

事件損失表和年累積損失表是地震風險評估SaaS 云平臺的基本輸出結果，通過事件損失表可以計算年期望損失（Annual Average Loss，AAL）、損失標準差（Standard Deviation，SD）、在線費率（Rate On Line，ROL）、超越概率曲線（Exceedance Probability Curve，EP Curve）、各回歸周期在險價值（Value at Risk，VaR）、各分位數(shù)的尾部在險價值（Tail Value at Risk，TVaR）等。

根據(jù)式（9）可計算出不同超越概率損失的序號n。若n不為整數(shù)，損失取序號為n」（即取≥n的最大整數(shù)）與「n（即取大于或等于n的最小整數(shù)）對應的損失的插值。按此方法以保險損失為橫坐標、超越概率為縱坐標可繪制年累積超越概率曲線（Annual Aggregate Exceedance Probability Curve，AEP Curve）。超越概率p對應的損失為分位數(shù)為1?p的在險價值，即VaR1?p。尾部險位價值TVaR1?p為所有超越概率≤p所對應的損失（VaR1?p）的平均值。

4 總結與展望

地震巨災保險損失評估技術是推廣地震巨災保險，分散地震巨災風險的技術基礎。本文基于“五代圖”最新數(shù)據(jù)，集成了基于潛在震源區(qū)模型的地震隨機事件集與地震動參數(shù)衰減關系模型，用于計算地震事件在風險暴露位置的地震動強度。根據(jù)風險暴露的建筑屬性檢索對應的工程易損性曲線，計算其在特定地震動強度下的損失，匯總成事件損失表。在事件損失表的基礎上計算風險暴露年期望損失、標準差、超越概率曲線。但本文未考慮余震和相關次生災害對風險暴露造成的損失，相應的功能模塊有待完善。本文對地震保險損失評估SaaS 云平臺的多租戶及高性能技術架構進行了論述，并進行了部署投產(chǎn)。100 萬風險暴露的地震保險損失可在1 h 以內(nèi)完成，且可供多用戶同時使用。隨著處理器技術的發(fā)展，基于GPU 的云計算平臺廣泛應用于科學計算領域。為進一步提高快速損失評估性能，計劃研發(fā)基于GPU 的地震保險損失評估SaaS 云平臺。