赛题答疑 | 道路安全之高速公路货车评分算法赛
2月7日，“数据场景应用创新大赛”——“道路安全之高速公路货车评分算法赛”线上答疑活动成功举办。活动由贵阳大数据交易所主办，贵州数据宝网络科技有限公司协办。赛题设置团队贵州数据宝网络科技有限公司算法专家徐旭彬、保险精算师李晓红对本赛题进行详细解读，并围绕参赛选手及团队提出的问题进行线上答疑解惑。
“道路安全之高速公路货车评分算法赛”是围绕保险公司风控场景，探索建立合理的货车安全建模评分模型和交通安全评价指标体系，希望参赛选手能完成非营业货车风险评分。为激发广大参赛选手的创新意识，比赛不限制选手的模型策略，各位选手可以结合自身经验和理解，对交通场景的分析选择最优模型进行训练比赛，最终大赛将采用均方误差的方式对参赛选手提交的成果进行评分，误差越低，排名越高。
在实际交通运输场景中，保险公司能够掌握的数据来源有限，多以车牌号、车龄、吨位数、使用性质、车辆种类等静态因子为主，建模和业务筛选维度都有限，需要与数据宝这样深度运营高速大数据资源的公司进行合作，通过动态因子与静态因子相结合进行建模，优化模型的预测能力，模型的评分结果可以作为定价因子运用到保险公司的定价策略中，提高保险公司的定价能力。
—答疑环节—
Q：赛题释放的数据集范围和含义？
A：“道路安全之高速公路货车评分算法赛”目前释放的数据集包括高速领域相关数据字段，供参赛选手进行建模和分析，数据集包含范围如下：
样本ID：是指脱敏处理后的车辆信息，一个号码对应一辆车。
承保地区：是指车是指定车险保单的签单地区，不是车牌号对应的地区。
起保日期：是指车险保单中对应的起保日期。
行程数：是指一个高速路口驶入到另一个高速路口驶出，记作一次行程，是对一年内该车的高速行程进行汇总计数。
超载次数：是指定车辆有超载行为的行程数。
超速行驶次数：是指定车辆有超速行为的行程总数。超速行程是指平均速度大于等于90公里每小时的行程。
夜晚行驶次数：是指晚上19点到次日的凌晨五点，它的行驶的总次数就是夜晚行驶次数。
行驶时间：是指保单起保日期往前推一年内，在高速上的总行驶时间，单位是小时。
异地行驶次数：是指车辆在所属省级，所属车在省份外的行程数。
行驶总里程：是指定车辆高速总里程之和，单位是公里。
平均单次出行里程：是指行驶总里程除以总行程数。
平均速度：是指定车辆高速通行均次平均速度，是把所有的行程的平均速度再按照行程数取平均值。
Q：训练集里的指标的时间范围是多久？
A：训练集中所有的指标，它是指从起保日期往前推一年的时间窗口做的汇总统计。
Q：Y值评分是人工进行评分的吗？
A：是人工评分。在实际的场景应用中，因为每张保单的赔付率是保险公司比较机密和而隐私的数据，所以对Y进行了人工处理。此外把它切换成了1到100分，其中1分代表是风险最高，100分是代表风险最低。
Q：超载数据是通过过磅得来的吗？
A：超载数据是货车行驶到高速公路出入口时，高速公路站会对它进行称重，再根据车辆的轴数和车辆核定载量来判断这辆车是否超载。
Q：总里程，行驶时间，平均速度这几个计算的字段和给出的平均速度的差值是现实误差吗？
A：两种计算方式处理手段不同，赛题的数据集里面给出来的平均速度，是每一次行程计算的平均速度，然后再根据一年内的行程数取平均值。比如一辆车一年之内在高速公路行驶了100次，会先计算它在每一趟高速的速度，相加后除以100，求其平均速度。建议参赛选手以赛题释放的数据为准。
Q：按照官方说明里面对多模型的策略进行限制，要求模型组合不能超过三个，这是指对同一套数据进行训练的模型不能超过三个。如果我将训练集按照某些规则进行分群，比如按照承保地区分成不同的群体，再对每个群体分别进行建模，这种方式是否作为多模型策略？
A：这种方式不会判定为多模型策略，可以按照地形、经济发展水平等维度对地区进行分类建模，不同地区的人伤赔付标准不同。