2. UBI基础概念
在UBI定价引擎的整个体系中，最先需要厘清的不是算法，而是“按什么计费”。Usage Based Insurance（基于使用的保险）并不是单一产品，而是一组以驾驶行为或行驶里程为定价核心的保险模式统称。它把传统车险“按年、按车、按静态因子”定价的逻辑，转向“按实际使用、按行为、按风险暴露”定价。理解PAYD、PHYD、MHYD之间的差异，是后续数据采集、特征工程与定价引擎设计的前提。
一、核心原理：从“为车付费”到“为使用付费”
传统车险的定价因子主要是车辆价值、车龄、车型、车主年龄、历史理赔、地区等静态或低频变量。它隐含一个假设：同类车辆、同类人群的风险大致相同。但现实中，两辆同款车一年行驶5000公里与50000公里，风险暴露相差近十倍；一个急刹频繁的司机与一个平稳驾驶的司机，出险概率也显著不同。UBI的核心原理，就是用“使用量”和“使用方式”替代或补充静态因子，让保费更贴近真实风险。
从精算视角看，UBI把风险暴露单位从“车年”细化为“公里”“行程”“驾驶事件”等。定价引擎需要处理的不再是一张静态费率表，而是随里程、时间、行为动态变化的费率函数。可以将其抽象为：
保费 = 基础保费 + 里程费率 × 行驶里程 + 行为调整因子 × 风险评分
其中：
里程费率 —— 每公里或每千公里对应的基准成本
行为调整因子 —— 基于急加速、急刹、超速、夜间行驶等事件的系数
风险评分 —— 由UBI模型输出的综合风险分（如0~100）不同模式对上述公式的取舍不同：PAYD只关注里程，PHYD关注驾驶行为，MHYD则同时纳入两者。下面这张图展示了三种模式在“数据输入—定价维度—风险刻画”上的结构差异。
二、方法流程：三种模式的定价链路
无论哪种模式，UBI定价引擎的基本链路都包含“数据采集—特征计算—风险评分—费率映射—账单生成”五个环节，但各环节的输入与权重不同。PAYD链路最短：采集里程，按里程区间映射费率，直接生成账单。PHYD链路在特征计算环节引入事件识别，需要定义急刹、急加速、超速、夜间行驶等事件的阈值，再聚合成行为评分。MHYD链路最长，需要同时处理里程流与行为流，并在评分层做加权融合。
以PHYD为例，事件识别的典型参数配置如下：
event_config:
harsh_brake:
accel_threshold: -0.35g # 纵向减速度阈值
min_duration: 0.5s # 最短持续时间
cooldown: 3s # 事件冷却，避免重复计数
harsh_accel:
accel_threshold: 0.30g
min_duration: 0.5s
speeding:
over_limit_ratio: 1.15 # 超过限速15%判定
min_duration: 5s
night_driving:
time_window: "23:00-05:00"这些参数直接决定行为评分的敏感度。阈值过松，风险区分度不足；阈值过严，事件泛滥，评分失去意义。定价引擎需要支持参数可配置，以便按地区、车队、产品版本做差异化调优。
三、案例与场景：模式选择取决于业务目标
不同模式适用于不同业务场景，选择的关键在于“想改变什么行为”。
| 模式 | 核心输入 | 典型场景 | 优势 | 局限 |
|---|---|---|---|---|
| PAYD | 里程、OBD读数 | 低里程私家车、共享汽车、按需用车 | 实施简单，用户理解成本低 | 无法区分同里程下的驾驶风险 |
| PHYD | 急刹、急加速、超速、夜间行驶 | 年轻司机、车队安全考核、驾驶培训 | 直接激励安全驾驶，风险区分度高 | 依赖手机或车机传感器，数据质量要求高 |
| MHYD | 里程+行为+时间+路况 | 大型车队、网约车、商用车险 | 风险刻画最全面，定价最精细 | 模型复杂，数据治理与隐私合规成本高 |
例如，一家网约车平台希望降低事故率并控制保费，若只采用PAYD，司机可能通过减少空驶里程来降费，但驾驶风格并未改善；若采用PHYD，平台可以针对急刹频发的司机推送培训，并将行为评分与保费挂钩；若采用MHYD，则能同时反映“跑得多”和“开得猛”两类风险，定价更公平。再如，共享汽车场景中，车辆使用碎片化、单次里程短，PAYD按次或按公里计费最自然；而长途货运车队更关注疲劳驾驶与夜间行驶，PHYD或MHYD更合适。
四、误区与复盘：不要混淆“模式”与“技术实现”
常见误区之一，是把UBI等同于“装OBD”。OBD只是数据采集手段，PAYD、PHYD、MHYD才是定价模式。同一个OBD设备，既可以只传里程做PAYD，也可以传加速度做PHYD。误区之二，是认为MHYD一定优于PAYD。实际上，若数据质量差、样本不足，复杂的MHYD模型可能还不如稳定的PAYD费率表。误区之三，是忽视隐私与合规。行为数据涉及位置、时间、驾驶习惯，必须在用户授权、数据脱敏、存储期限等方面做好设计，否则定价引擎再先进也无法落地。