Выявление факторов, определяющих аварийность индивидуальных водителей и прогнозирование вероятности попадания в ДТП

В статье исследуется проблема выявления факторов, влияющих на вероятность попасть в аварию. Это актуально в страховом бизнесе, так как может быть применено для определения стоимости страхования автомобиля. Ныне используемые психологические тесты и сбор персональных данных не позволяют справиться с проблемой моральных рисков, которые могут быть решены путем дифференциации стоимости страховки в зависимости от склонности водителя риску, который можно определить на основании его стиля вождения. Основная гипотеза работы заключается в том, что для определения вероятности попасть в аварию можно использовать характеристики стиля вождения, и, как следствие, решить проблему моральных рисков. На текущий момент подобных моделей на практике не внедрено, так как страховые компании не имеют доступа к трекинговым кинематическим данным с автомобилей, которые в данной работе предлагается использовать для определения рискованности вождения индивидуального водителя. Апробированные в работе алгоритмы машинного обучения позволяют достичь 99% точности идентификации аварии по суточным данным и до 50% точности предсказания аварий, произошедших в следующем месяце, используя агрегированные данные текущей недели. Основный вывод из исследования - логистическая регрессия демонстрирует качество прогноза, сопоставимое с более продвинутыми алгоритмами, а комбинируя их вместе удается достичь 0.72 AUC и 0.77 F1-score для предсказания дорожных инцидентов в следующем месяце, и для такого результата достаточно переменных факта аварии на текущей неделе, максимальной и средней скорости и частоты торможений.