ENSAE AXA /

Space-time modelling of roads inherent risk using telematics data

Domaine(s)	Mémoire
formation(s)	ENSAE () / resp.: / intervenant:

Informations sur les documents

Type de document	Mémoires
société	AXA
Auteur(s)	GRAPPIN L.
Numéro
Date de référence	11/02/2016

Résumé

Les objets connectés sont en train de progressivement révolutionner l’assurance non-vie. Les dispositifs de géolocalisation satellite et de "tracking" d’activité inclus dansce type d’objets permettent en effet maintenant aux assureurs d’acquérir une compréhension spatio-temporelle du risque porté par leurs assurés. Les données télématiques, issues de projets pilotes, sont pour le moment surtout utilisées pour créer des indicateurs de comportement de conduite susceptibles d’avoir un impact sur les risques d’accident qui débouchent sur des offres d’assurance automobile dites "pay-as-you-drive" et "pay-how-you-drive". Or, certains chercheurs ont démontré qu’au-delà du comportement du conducteur, les risques d’accident étaient aussi fortement liés aux circonstances spatio-temporelles de conduite (météo, intensité du trafic routier, pente de la route, revêtement, etc.). Certaines périodes temporelles et certains lieux seraient intrinsèquement plus risqués pour les automobilistes que d’autres. Ce mémoire a donc pour but de montrer que les conditions spatio-temporelles de conduite doivent être mieux prises en compte par les assureurs pour, d’une part améliorer leurs analyses de risque automobile et leur gestion de sinistres et d’autre part, participer au renforcement de la sécurité routière. L’objectif final de cette étude est de créer un score de risque matérialisant le risque inhérent à chaque route en fonction de ses caractéristiques spatio-temporelles à partir des données télématiques. Pour réaliser cette étude, nous avons utilisé les données de fréquence de sinistres et les données télématiques récoltées par l’entité Suisse d’AXA, AXA-Winterthur, qui a lancé un pilote d’offre télématique à destination des particuliers en 2013. L’étude a été réalisée en trois phases complémentaires. Tout d’abord, nous avons montré que la fréquence journalière de sinistres automobiles pouvait être en très grande partie expliquée par la météo et la temporalité. En particulier, la proportion d’accidents par conducteur augmente de 27% les jours de neige, alors qu’elle diminue de 25% les dimanches. Un important travail de valorisation statistique des données télématiques a ensuite été effectué. Celles-ci ont été traitées et enrichies pour créer des indicateurs spatio-temporels de conduite pertinents. La procédure utilisée ainsi que les problèmes pratiques auxquels un actuaire pourrait être confronté lors de l’analyse de ce type de données sont exposés en détail dans ce mémoire. Enfin, nous avons prouvé grâce à ces données que d’une route à l’autre, le risque pris par le conducteur pouvait être intrinsèquement très différent selon l’environnement géographique de la route ou encore le trafic enregistré sur celle-ci. Les résultats de telles analyses pourraient à l’avenir venir alimenter une application mobile d’assistance à la conduite indiquant au conducteur le risque qu’il prend ad hoc en choisissant tel ou tel itinéraire, et en proposant éventuellement un itinéraire moins risqué. Ces applications pourraient permettre aux assureurs de devenir des acteurs à part entière des politiques d’amélioration de la sécurité routière.

Abstract

Connected devices are currently deeply changing property and casualty insurance. Tracking devices indeed enable insurers to better qualify customers risk from a space-time point of view. Telematics data gathered from pilot projects are for the moment mostly used to derive behavioural features which may affect car crash risk. They are then used to feed "usage-based" motor insurance offers such as "pay-as-you-drive" and "pay-how-you-drive" products. They nevertheless still remain under-exploited with regard to space-time driving circumstances. However, some transportation researchers proved car crash risk was not only caused by drivers risky behaviour, but also by space-time driving circumstances such as the weather, the lighting, the traffic flow, the slope of the road, etc. According to these studies, specific time slots and locations would be inherently more risky than other ones. The overall goal of this thesis is to prove that space-time circumstances must be taken into account by insurers to better monitor car crash risk and thus participate to road safety enhancement. The purpose is to finally create a scoring model that would assign to each road a measure quantifying its inherent risk thanks to telematics data. To carry out this study, we had access to claims count and telematics data collected by AXA-Winterthur, the Swiss AXA entity, which launched a telematics pilot project in 2013 designed for individuals. Analyses were performed in three stages. First, we proved that daily claims count can be largely explained by weather and temporal features. Notably, claims count per driver increases by 27% on snowy days, while it decreases by 25% on Sundays. Then, a specific procedure was designed to deal with telematics data and enrich them to make them statistically valuable. The data processing techniques used are detailed in the report in order to highlight some of the troubles an actuary may face while industrializing telematics motor risk analyses. Finally, telematics data were exploited to show that car crash risk may be inherently very different from one road to another according to its geographical specificities or the traffic flow intensity recorded on it. The outcomes of such risk assessments would for instance feed a driving assistance application displaying warning messages for each road of a route, and proposing alternative less risky roads to drivers, thus making insurers active stakeholders in road safety enhancement.

Mémoire complet

>

GRAPPIN.pdf

Lien permament : https://www.ressources-actuarielles.net/C12574E200674F5B/0/AC55A21EEC4304E6C1257FB9001CA631