施海

（上海新致软件股份有限公司，上海200120）

经济的发展推动了汽车行业的蓬勃，随着汽车数量的增多车险成为保险行业销售量最大的保险种类之一。传统的车险出险后需要专业的定损人员到现场勘查事故原因，确定责任，对现场取证采集事故照片、车辆信息、人员信息。然后在修理厂或4s 店进行修理报价，最后将相关资料上传到保险公司，由核赔人员进行最终的审核，才能完成整个出险定损。传统模式存在赔付周期长，操作流程复杂，参与人员角色多，整个赔案付出的成本高等问题，所以针对保险公司为了解决上述几个问题，提出了利用人工智能技术结合现有信息化系统建设，实现线上一体化、智能化定损赔付流程。采用人工智能技术主要解决对出险现场的定损，采用人工神经网络对采集图片进行模式识别，实现对车辆受损部位识别和受损程度识别，同时结合保险公司基础数据进行快速赔付。

1 智能图像识别技术介绍

随着人工神经网络技术的不断发展，我国对于人工智能方面的研究取的了很大的进展，并被应用于生活和生产的各个方面，例如：仿真机器人、辅助手术机器人、经济模型分析等。人工神经网络技术的发展突破了传统计算机技术的局限，体现出了良好的智能特性。

1.1 人工神经网络的含义

人工神经网络是人工智能的一个重要分支，为人工智能的发展提供了动力。人工神经网络可以模仿动物或者人的神经网络系统，进行分布式、并行式的数据处理[1]。人类的大脑给了人工神经网络启发，很多学者最初认为人工神经网络的核心是微积分计算，实际上人工神经网络是一种计算机系统，由多个高速处理的神经元组成[2]，计算机网络负责将这些神经元联系在一起，帮助神经元动态的处理数据，增加机器识别物体的性能。

人类的大脑有数十万个神经元，这些神经元与身体的每一个细胞相连，它们之间动态的进行通信，使得身体内的细胞相互协同进行工作。相比于人类的大脑，人工神经网络就简单很多，一般的人工神经网络最多由上千个高速处理元素组成，处理能力远低于人类大脑处理水平。传统计算机系统拥有一个强大的中央处理层，负责从内存中读取和返回数据[3]，但是传统的计算机智能读取内存中存在的数据，一旦面对全新的数据就会返回错误。人工神经网络拥有多种层次，每一个层次都包括接受信息的信息接受层、传输信息的信息传输层以及处理信息的信息处理层[4]，并经过对规则的持续学习，使得人工神经网络判断事物的能力越来越接近于人类大脑。相比于传统计算机系统的查找式处理方法，人工神经网络更像一个推理器，经过对一定规则的学习，即使面对从未见过的事物，也会根据之前别的神经元接收到的规则进行整合给出相似特征的答案[5]。随着人工神经网络学习数量的增多，人工神经网络会判断和识别物体的准确性大大提高。

目前人工神经网络还无法再学习的过程中创造答案，但是已经用接近人类学习的方法去处理数据，人工神经网络的存在大大推动了人工智能和机器学习的发展。

1.2 FASTER R-CNN 图像识别算法

图像识别算法主要实现了从模式空间到类别空间的映射，本文所述一种基于图像识别的车辆智能定损系统是基于FASTER R-CNN 的人工神经网络算法实现的[6]。FASTER R-CNN 算法的整体架构如图1 所示。

从图中可以看出FASTER R-CNN 总共分为四个部分，分别是存储数据的数据库（Dataset），负责提供按照一定格式标准定义的数据内容[7]。特征中心(Extractor)也可以称为Feature Map，负责利用CNN 算法提取图片中的特征。RNP 网络即卷积神经网络（Region Proposal Network），负责将输入的图片转换成为候选区域并经过Rol Pooling 将不同大同的输出区域转换成为固定长度的输出[8]。RoIHead，负责分类的回归，这部分的输出是最终目标，将候选区域进行分类，将候选区域放入正确的归类位置。由此可见，整个FASTER R-CNN 图像识别算法的工作流程如下图2 所示。

图1 FASTER R-CNN 算法的整体架构图

图2 FASTER R-CNN 图像识别算法的工作流程图

从图中可以看出，图片经过神经网络提取出特征，并根据卷积神经网络将输如的照片处理成为各种输出区域，再经历一次输出区域的细化[9]，将大小不同的输出区域统一成为长度相同的输出区域，并进行分类和微调，将图片进行归类，得出最终结论。

2 基于图像识别的智能定损系统设计意义

2.1 传统车险理赔流程

车辆保险以60%的占比量成文保险公司的主要业务之一，也是与大众生活息息相关的一种保险业务。传统的保险业务中车辆定损通常要求保险公司的定损人员进行现场勘探，进而确定车辆的损失情况并记录在案作为车辆保险理赔的依据。其中车辆现场勘探是车辆保险理赔中最重要的一个环节，目前大多数由保险公司人员现场进行处理，需要大量的人力和物力。

在传统的车辆事故理赔过程中，当发生车辆事故的时候，两辆车的车主不可以私自移动车子，需要及时拨打电话给110进行报警，并同时拨打电话给保险公司，由警察出具车辆事故责任认定书，并且等待保险公司人员到达现场进行保险事故现场勘探，对车辆的损坏情况进行确定并拍照，记录在案。当警察和保险公司工作人员都确定好，事故车辆才可进行移动。

上海市拥有400 多万量私家车，由于重型卡车不能进入外环以内，因此大多数交通事故都是小轿车之间的剐蹭，车辆损坏程度并不严重[10]。而传统的理赔流程中，保险公司接到事故报警电话后，事故现场勘探人员往往需要很久才能到达现场，致使事故理赔流程一整套下来需要48 小时左右才可完成，在现场勘探人员到达之前车辆不可私自移动，给原本压力很大的城市交通运输制造了极大的困难，由此可见传统的车辆理赔流程中存在着许多不合理的地方。

2.2 人工智能识别车辆定损的优点

随着科技的不断进步，使用科技的力量推动保险定损的不断进步是保险行业面临的重要问题。目前保险行业从事现场勘探工作的大约有十万之多的工作人员，利用人工智能技术充当现场勘探人员的眼睛和大脑，至少可以减少现场勘探人员50%以上的工作量，仅凭现场的几张照片就可以在几秒之内给出车辆的损伤情况，包括车辆受损部分和理赔方案等，为保险公司在车辆现场勘探减少了大量的投入，也是的轻微事故车辆在拍照之后就可以驶离现场，不会造成城市交通拥堵，减少城市交通压力。同时基于人工神经网络算法的智能定损方式也可以减少汽车车主使用陈年伤痕来骗保的虚假情况。通过对车辆外观保险理赔事故整理可以发现，每年约有10%～20%的外观保险赔付事故属于骗保行为。

但是由于目前人工智能车龄定损技术还处于初级阶段并不能完全的代替现场勘探，但是可以帮助现场勘探人员进行辅助识别和定损。传统定损流程中勘探人员需要到现场拍摄大量的照片，有的事故现场甚至需要拍摄上百张照片，但是由于天气和光线等原因往往给勘探人员进行判断带来了一定的困难。AI 图像识别技术可以帮助定损人员排除这些方面的干扰，根据不同的特征判断车辆的损伤情况，为定损人员提供一定的辅助建议。

人工智能定损系统的出现并不是为了代替工作人员而产生的，旧的岗位的消失也为工作人员提供了新的机遇，原来从事简单现场勘探的人员可以投入更多的精力去提升用户体验，尝试客户服务等更有难度和挑战的工作。

3 一种基于图像识别的车辆智能定损系统

将人工智能结合大数据、云计算等新技术应用于打通线上理赔全流程管理，打造“智能理赔”平台产品。通过该平台产品，车主可以实时的上传受损突破及时获取车辆受损信息和维修方案、完成现场智能查勘，对单方责任的小额事故申请快速线上理赔。从而简化原来的赔付流程，降低赔付费用和赔付风险。新旧保险审核流程对比图如图3 所示。

图3 新旧保险审核流程对比图

现有人工定损的方式，需要车主先报案，保险公司进行查勘人员的调度分配任务，由于查勘人员到现场的路程原因，路途堵车原因，现场定位不准确原因，用户交流中对现场位置描述困难等原因，均会造成查勘人员到达现场实际需要半小时以上，极端情况下需要数小时，车主需要原地等待，用户体验非常不好。

查勘取证的环节，不同查勘人员的专业能力有差异，查勘结果对类似案件也存在差异，无合理的标准可遵循，定损结果不透明性，对车主和保险公司均存在过度消费的情况，核赔环节依赖修理厂或4s 店提供的人工费用和配件价格，无标准价格可遵循。相同品牌不同4s 店报价也存在不一致情形。而赔付费用需要内部风险控制，多级审核，打款周期也比较长，虽然保险公司为了提高用户体验，在赔付周期上做了大量让步，部分保险公司实现了24 小时快速赔付，但这也是建立在保险公司自己承担风险的基础上，助长了骗保理赔。

智能定损平台，可以通过历史理赔数据，历史行车数据，历史违法违纪数据，对于行车记录良好的车主，线上理赔额度高达可以适当提高，通过手机端的APP 上传车损照片，几分钟便可完成赔付。为满足车主多元化、多场景需求，智能理赔平台APP，为车主提供在线车损测算。智能定损平台设计包含了前端车主端APP，智能定损AI 引擎，以及数据分析和抽检系统，赔付基准数据库、零配件标准价格数据库等。智能定损流程图如图4所示。

图4 智能定损流程图

智能定损平台一体化平台设计，打通了保险公司车险理赔各个环节，降低保险公司的赔付风险，对投保车主的赔付速度提升。通过车主直接和保险公司的交互，也避免了查勘定损人员的人员定损差异过大的情况，采用人工智能算法提高了查勘定损的准确性，价格库的直接比对，避免了4s 店、修理厂的报价不透明性。

总之，智能技术引入车险理赔，对原来车险理赔业务有了质的提升，对未来车险理赔业务高速发展也贡献了技术升级带来的价值，充分发挥技术对业务的引导，让业务更加简化，提升了速度，扩大了同时理赔案件的数量，也降低了理赔过程中发生的费用。同时人工智能技术也提高了理赔的专业性，避免了查勘定损人员水平不一，查勘定损案件质量差异，人工智能平台依赖的是专家级的技术，而且随着定损案件的增加，人工智能定损平台也逐步训练的更加智能。具备自我学习提升的能力。人工智能定损平台只是人工智能技术在保险行业的一个具体场景的小应用，而随着人工智能技术的发展，更多、更智能、更通用的人工智能技术将应用在保险行业各个场景中，并发挥其广泛的智慧。