Telemetribasert modellering og prediksjon av bilisters trafikkrisiko - TELMOP

Telematics can be used to create smart cars. These solutions can use the electric system of the car to collect information about road and driving data, but also data describing the cars condition. These data can again be connected to data describing Nordic driving conditions. Thus it becomes possible to connect the drivers driving skills with road and traffic conditions specific for the Nordics and connect these data with the drivers own perception of risk. This project develops applications that uses a high quality driving score to reduce driving risk for Nordic drivers in Nordic conditions. The project develops models and algorithms that can evaluate and give feedback on a drivers risk of accident. These models will be based upon the drivers driving behavior, self-reported data and weather and road conditions for the specific trips. In the first part of the project, key driving data variables were identified and a first version of the risk model was implemented, and presented through a smartphone app. The traffic data was measured at close to 1000 cars / pilot users, and compared with insurance company claims. About 250 of the pilot users are still active and collect data. In the second stage of the project, weather data and time / light as factors were combined and implemented in the driving score. At the same time, self-reported data from about 100 pilot users were collected, in the form of a NTNU research-based questionnaire that identifies and classifies the respondent's attitude to risk and own traffic behavior. The self-reported data was then compared to actual driving data. In the last stage of the project is now focusing on behavioral impact measures in cooperation with actors that can motivate safer driving on Nordic roads. The goal is to reveal what kind of actions and feedback, such as feedback in the smartphone app, or a company's impact on their employees through information about the relative driving behavior of the departments, which best affects driving and driving behavior in the right direction. Project partner Tryg has in 2018 launched the insurance program "Sidekick" for young drivers, which uses the knowledge about driving scores from the project. However, the commercial need for using driver score information is considered to be greatest for businesses, and therefore a comprehensive web-based reporting system has been developed that allows for comparison of driving behavior and driving scores across different departments of a company, while maintaining the privacy of the individual driver. This system is tested in collaboration with a company customer in the project´s last stage. The driving score algorithm is adjusted and optimized several times during the project, and will be completed during 2019. The company's driving score is considered the most advanced in the Nordic region. There is now a growing focus on driving behavior and driving score related to driving log solutions in the public sector, and a requirement for such scoring system is implemented in tenders. This is expected to be required from the private sector as well, over time. For privacy reasons, the focus is then on statistics at the aggregate level (department) and not at the individual level. The driving score is also expected to be linked to companies' environmental reports over time, since fuel consumption typically correlates with the driving score.

Prosjektets hovedmål var å utvikle modeller og algoritmer som vurderer og gir tilbakemelding på bilisters skaderisiko basert på deres kjøreadferd, selvrapporterte data og eksterne data. Selv om vi gjennom prosjektet skulle hatt mer data enn vi hadde, så er vår vurdering at vi har oppnådd det vi ønsket med prosjektet. Gjennom prosjektet har vi utviklet det vi mener er Nordens mest avanserte tjeneste for algoritmisk kalkulasjon av kjørescore, ved å benytte data både fra bilen, egen kjørelogger, vei- og værdata, samt data om bilisten. Det kommersielle potensialet for denne type kjørescore har på kort/mellomlang sikt vist seg å være større i bedriftsmarkedet enn mot privatforsikringsmarkedet. FoU-resultatene fra prosjektet har vært avgjørende for den rolle selskapet nå får mot bedriftsmarkedet. For Tryg har prosjektet medvirket til styrking av kompetanse innenfor dataanalyse og innovasjon. TØI benytter nå Telemotix som en teknologipartner også i helt andre FoU-prosjekter.

Telemotix utvikler løsninger for å samle og bruke data fra biler, og er først i Norden med å tilby tjenester for bruksbasert bilforsikring: Forsikring som prises basert på hvor risikabelt man kjører. Vår teknologiplattform samler data fra bilen ved hjelp av en "sort boks" og sender dem til vår skyserver der de kobles med vei- og værdata og evt. andre data om føreren. Så får forsikringsselskapet indikatorer om hvordan kunden har kjørt slik at de kan gi en tilpasset pris. Slik kan forsikringsselskaper incentivere kundene sine til å kjøre mindre risikabelt, og bilførere med dårlige vilkår kan påvirke sin egen forsikring. Løsningen blir den mest avanserte av sin sort i verden, da ingen andre tjenester utnytter så mange typer data: kjøredata, vei- og værdata, selvrapporterte data og demografiske data. Forskningsutfordringer - Tolkning av kjøredata: data om fart, akselerasjon, bremsing og svinging skal tolkes i form av tallverdier for risiko - Tolkning av vei- og værdata: data om føre, temperatur og andre værforhold skal tolkes i form av tallverdier for risiko - Selvrapportert data skal tolkes i form av tallverdier for risiko - Utvikle incentivmodeller: ulike personer vil påvirkes ulikt av ulike typer tilbakemeldinger, eksempelvis tilbakemeldinger av risiko for skade, økonomisk gevinst eller råd. Vi må teste flere typer incentivers virkning på førere med ulik oppfatning av risiko. - Utvikle risikoindekser: av hensyn til personvern vil forsikringsselskaper kun motta data om kundenes atferd i form av risikoindekser. Slike indekser er utfordrende å utvikle da de må tilfredsstille forsikringsselskapenes krav til nøyaktighet samtidig som de må være på et format de kan utnytte i sine prismodeller. Resultatene fra prosjektet vil kunne gi lavere priser for forsikringstakere med lav risiko, reduserte erstatningskostnader og økt fortjeneste for forsikringsselskaper, og kan bidra til å redde inntil 60 liv i trafikken hvert år.