摘 要：移动互联网技术是当前最具颠覆性的技术，正在改变着我们的生活、商业模式和全球经济。随着车联网技术向汽车保险业渗透，汽车保险业将会进入移动互联网商业模式时代。本文阐述了车联网、大数据和车联网保险的技术背景和发展趋势，分析汽车保险业所面临的机遇和挑战，最后还提出了我国发展车联网保险的对策和建议。

关键词：车联网；大数据；汽车保险；车联网保险

中图分类号：F840.69  文献标识码：A

The Opportunities and Challenges of Automobile Insurance Industry in the Era of Telematics and Big Data

Yu Jia-min

(Institute of Insurance, Shanghai Finance University, Shanghai 201209, China)

Abstract: Mobile Internet is one of the most disruptive technologies transforming life, business, and the global economy. With the integration of automotive telematics technology and vehicle insurance, the automobile insurance industry will enter an era of Mobile Internet business model. In this paper, we investigate the technical background and trends of Telematics, Big Data and Telematics Based Insurance. Then, we discuss the opportunities and challenges, which automobile insurance industry is facing. Finally, we put forward the suggestions on the development of China's TBI .

Key words: Telematics; Big Data; automobile insurance; Telematics-based insurance (TBI)

基金项目：上海市教委重点学科建设资助项目(J51601)、2010 年上海市人才发展资金资助项目《基于物联网的风险管理—新兴金融（保险）服务外包技术研究》（项目编号：2010015）

作者简介：郁佳敏（1974-），男，江苏无锡人。上海金融学院保险研究所所长，中国精算师，管理学博士，副教授。入选南京市第四批领军型创业人才计划（321）项目资助，现任南京爱世佳电子科技有限公司总经理。研究方向：保险精算和风险管理。

联系方式：上海市上川路995号上海金融学院保险研究所（201209）

手机：13817889258. Email：yujm@shfc.edu.cn

前言

2013年初，微信用户突破3亿，从其诞生之日起尚不到2年时间。微信的崛起表明了移动互联网已成为技术发展最快，市场潜力最大，前景最广阔的新兴产业。移动互联网正在向经济社会各领域进行广泛渗透，带动了电子商务、金融投资等各方面的应用和创新，推动着各行业的升级转型和发展。

同样属于移动互联网范畴的车联网技术，也正在向汽车保险业渗透，基于车联网的汽车保险有可能是保险业的“微信”，将面临巨大的市场发展前景。车联网技术，加上云计算、大数据技术，是未来汽车保险产业升级的核心驱动力。发展车联网保险产业链，是传统汽车保险业与信息化和工业化的深度融合，不仅能提升汽车保险业核心竞争力、推动保险业“二次创业”；也将带动物联网、大数据等相关产业的发展，对我国实现经济发展方式的升级转型具有重要意义。

一、 车联网和大数据

(一) 车联网（Telematics）定义

20世纪80年代起，汽车进入了数字化智能化时代，具体表现为：汽车控制系统由机械液压的模拟控制方式升级为数字控制方式；汽车加入了车辆智能传感功能。汽车的数字化和智能化极大地推动了车联网技术的发展，随即国际上出现了专有技术名字Telematics。Telematics从字面上理解就是通讯技术（Telecommunications）和信息科学（Informatics）的结合，而现今，Telematics主要是指公路车辆（汽车）通过无线通信技术、卫星导航系统、网络通信技术和车载电脑实现的车辆联网服务系统或技术，也被称作Automotive Telematics，或Vehicle Telematics。车联网主要的技术组成有：无线通信技术（例如GSM，GPRS等通信方式）；地理位置定位技术（例如GPS，LSB定位）；汽车传感器技术（汽车总线CAN-bus）；以及行车记录仪技术^[1]。

(二) 车联网的应用和服务

上世纪90年代后期，由于人们对通信的需求急速增长，导致接入互联网的计算机和移动电话大幅增加，市场对通信的渴求也促进车联网技术和车联网服务的发展。

1996年，通用汽车公司第一个推出了车联网系统OnStar（安吉星），成为了车载信息服务行业的全球领导者，OnStar多次获得汽车安全大奖。OnStar目前在美国约600万用户，为通用车主提供包括碰撞自动求助、路边救援协助、全音控免提电话和全程音控导航等服务。 

车联网系统通过无线网络向驾驶员提供GPS导航、定位、远程诊断和监控、交通信息、道路安全、娱乐信息等内容的服务。汽车厂商和电信运营商是车联网技术的主要推动者，在欧美日发达国家市场得到了迅速发展。近几年来，车联网技术已经在一些行业取得了成功。尤其是在物流运输和车队管理方面，利用车联网技术，可以监测车辆、货物在运输途中的去向；管理者还可以借助车联网数据，管理司机的驾驶行为，以达到节油、省时和安全的目的，从而提高经营效益。

(三) 车联网和大数据技术的必然融合

从2009年起，“大数据”（Big Data）迅速成为我们这个网络时代的热点词汇，是继云计算、物联网之后IT行业的又一次颠覆性的技术变革。根据美国互联网数据中心的报告，人类收集的数据每年将以50%的速度增长，即每两年将翻一番，而目前世界上90%以上的数据是最近几年才产生的^[2]。大数据时代中数据的来源主要是互联网、物联网、各类信息系统，数据不仅涵盖互联网上发布的各种信息数据，还包括全世界的工业设备、汽车、仪表安装的各种传感器，随时采集和传输着有关位置、运动、温度等海量数据信息。大数据的特征可以用4个V表示：Volume-海量的数据规模；Variety-多样的数据类型；Velocity-快速的处理；Value-巨大的数据价值。

车联网将加速大数据时代来临。目前，物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布全球各个角落的众多传感器，无一不是数据来源或者承载的方式。就车联网而言，就可以采集诸如位置轨迹，速度、加速度，温度，压力，亮度多种传感器数据，将驾驶员驾驶操作、汽车运动状态和工况、车辆周围环境等人车路数据信息传输和存储。根据市场研究机构IHS iSuppli的预测，至2018年，美国80%和全球46%的新车将直接安装车联网系统^[3]。显而易见，车联网系统的普及将促进车联网大数据的发展。以下是海内外主要汽车制造厂商的车联网平台系统及时发布时间表。

表1主要汽车厂商的车联网系统及其发布时间

大数据技术将提升车联网的价值。目前车联网的发展面临三大瓶颈：发展主导缺失，产业处于“无政府”混沌状态；车联网海量数据智能化处理和分析技术难题；缺乏健康的商业模式，普遍是汽车厂商买单。而大数据技术有助于上述车联网发展瓶颈。据麦肯锡的分析，大数据技术将催生新一波的生产力增长和消费者剩余，大数据将在政府公共服务、医疗服务、零售业、制造业、以及涉及个人位置服务等领域得到广泛应用，并产生巨大的社会价值和产业空间^[4]。通过大数据的商业智能分析挖据（BI&A）后，实现车联网数据的增值，即数据之和的价值远远大于数据的价值之和，例如利用数据挖掘技术帮助客户开拓精准营销。车联网借助大数据技术实现商业智能挖据技术突破，提升整个产业链价值增值，为公司和客户带来价值，从而实现良性循环的商业模式。

可以预见的是，随着车联网数据的指数级增长，新的技术和商业模式将诞生，大数据车联网产业链将具有更大的市场和利润空间，也将给汽车保险市场带来巨大的投资机会。

二、 车联网汽车保险的发展历史和趋势

(一) 思想启蒙-源于对NCD的批评

20世纪50年代，在法国总统戴高乐的倡导下，汽车保险业进入后验估费定价时代。1968年，也就是在国际精算界热衷于研究和推广无赔款优待（NCD）费率系统的时候，诺贝尔奖经济学家William Vickrey(1968)却提出汽车保险费既没有反映事故的外部成本，也没有提供促使驾驶员调整行程和驾驶习惯的激励，即传统年付保险费的方式下，费率和行驶里程无关，不产生任何激励促使被保险人减少驾驶^[5]。尽管Vickrey最早提出了保险费率应该与行驶里程挂钩的思想，但是他认为保险费应该和汽油或者轮胎进行捆绑销售，因为汽车里程表的读数会被修改和瞒报。

Patrick Butler和Twiss Butler (1989)认为如何驾驶、驾驶了多少里程才应该最终决定投保人的汽车保险费^[6]。保险公司以相同驾驶记录为由对不同行驶里程的汽车收取同样的保险费，显然是缺乏精算公平性和商业诚信的。他们认为现有的定价机制（后验估费）不按实际行驶里程分摊汽车保险费，会强迫低里程驾驶员向高里程驾驶员补贴保费。

车险精算界的权威学者Lemaire(1995)也质疑无赔款优待系统（或奖惩系统）的精算公平性^[7]。他认为假定所有影响风险的因素（人、车和环境）都能被测量且引入费率系统，如果仅仅是因为偶然运气而发生了事故，那么索赔记录将不能成为调整保费的依据。Lemaire还得出以下结论：费率系统越是忽略重要的定价因子（比如汽车是否开动），那么依据索赔记录调整浮动未来保费的风险错配机会成本就越高（即错误定价可能性越大）。

总结上述研究，可以得出两点结论：一、行驶里程是汽车保险精算定价中非常重要的风险因子，但由于信息不对称造成里程统计缺乏准确和可靠性，只能放弃引入费率系统；二、缺少里程因子的车险费率系统存在很大的风险错配可能性。

(二) 车联网汽车保险的理论和产品发展

Vickrey开创了汽车保险信息经济学和激励理论的研究，学者们开始重视以驾驶里程收取保险费车险产品的研究，相继提出了新型基于使用的保险产品（Usage-based insurance，即UBI），UBI考虑那些Lemaire认为以往被忽略的重要的定价因子。

第一代UBI产品也被称作UBP（Usage-Based Premiums），主要的优点是提高精算定价的准确性，即被保险人的实际行驶里程会与其保险费挂钩。第一代UBP产品按概念可分为两大类：纯里程因子定价（Mileage Rate Factor）和以燃油量付费保险（Pay-at-the-Pump）^[8]。

纯里程定价MRF产品概念中，里程可以在汽车定期年检或排放测试时读取复核里程读数。目前比利时Corona Direct和荷兰 Polis Direct保险使用汽车里程表定价，里程表读数是由年度车检取得的，而以色列保险公司Aryeh和南非Nedbank保险，则在客户加油时读取里程表并收取保险费。

以燃油量付费保险（PATP），即汽油价格中直接包含了汽车保险费，Bernstein、Wenzel等学者研究并推崇PATP产品^[8][9]。汽油附加保险费PATP，由于存在向节油车辆过度收费、跨境规避保险费、产品固定无选择权等问题，而且排除了商业保险公司运作，遭到商业保险公司、汽油公司、律师的反对（涉及无过错侵权），实际上并没有得到实施。

第二代UBI产品是基于车联网的保险产品TBI（Telematics-based insurance）。车联网Telematics技术的发展为保险公司和精算师获取正确可靠的里程数创造了技术条件，因此车联网保险可以视作第一代基于里程保险产品+ Telematics的整合创新。

加拿大Victoria省运输研究所的Todd Litman是第一个讨论使用GPS技术来计算汽车保险费的学者。他认为由于高昂的技术成本和隐私保护，GPS汽车保险定价方案只适合用于强制汽车保险。Litman（1997）认为按单位里程收取保费的车联网保险有多种好处，例如鼓励和吸引驾驶员的安全意识、减低事故后保险理赔成本等^[10]。Litman (2001)还认为基于车联网的里程保险优于其他形式的里程保险，例如自我里程估计保险，或者里程表读数汽车保险^[11]。

以Litman为代表的学者们提出的第二代UBI产品，实际上就是第一代车联网保险产品PAYD（Pay-As-You-Drive）。PAYD产品的保险费是由固定保险期间（保单年）内车联网测定的行驶里程来决定的。在PAYD的研究基础上，很快就有学者提出了第二代车联网保险产品PHYD（Pay-How-You-Drive），即保险费不仅取决于行驶里程还会受驾驶员驾驶安全方式的影响。例如:Coroama (2006) 设计“智能行车记录仪”来计算基于个人驾驶行为的保险费率，除里程之外，速度、制动和加速等都会影响保险费率^[12]；Muermann和Straka（2011）认为保险费率不仅取决于驾驶行为的where（里程）和when（时间），更应关注how（驾驶方式），例如车道保持、跟车距离、方向盘操作、后视镜检查、观察信号灯、超速行为等都应纳入保险定价因子^[13]。

一些学者提出未来第三代车联网保险产品将是MHYD（Manage-How-You-Drive），使用类似驾驶监督或教练方式技术来改善驾驶员安全水平，以达到降低保险费的目标。据我们判断，MHYD保险产品很大程度上将取决于未来智能驾驶和自动驾驶技术的普及。 

(三) 车联网保险的业界应用

根据Ptolemus咨询集团2012年的统计，全球已经有54个车联网保险项目投入商业运营，涉及约300万的保险用户；欧美发达是车联网保险较为成熟地区，美国、英国、意大利和法国是车联网保险最普及的国家^[14]。Ptolemus还预测至2020年，全球车联网保险用户将超过1.4亿。下表是主流保险公司的车联网保险项目（资料来自保险公司官方网站）。

表2全球主要保险公司的车联网保险项目

从上表可以看到：主流的车联网保险数据采集方式主要通过GPS或者OBD接口（车载诊断接口）；车载设备可以是前装的（通用OnStar和丰田G-Book），但大部分是后装的；数据输出技术主要是GPRS方式；除前进保险少数保险公司自营车联网平台，大多数保险公司采用第三方车联网平台，且并不乏Hughes、通用电气和电信运营商等大公司参与其中。

目前欧美发达保险市场的车联网保险已经过了技术萌芽期（即前进保险和诺威奇联合保险最早的研发推广）、期望膨胀期和泡沫化的谷底期 （前进保险和诺威奇联合暂停车联网项目），正进入了稳步爬升的光明期。车联网保险产品由针对特定客户（例如GMAC针对通用安吉星用户、爱和谊Aioi保险针对年轻雷克萨斯驾驶员，利宝互助针对营运车客户），逐步向所有客户提供车联网保险服务。最高的保险优惠也越来越大，例如GMAC提供最高54%优惠折扣，美国州立农业和利宝互助的最高折扣也达40%。

(四) 大数据时代的车联网汽车保险

车联网将直接收集远超传统汽车保险精算数据的海量“大数据”，将汽车保险业引入大数据经营时代。大数据时代的汽车保险业也将呈现以下4V特征。

Volume-海量的数据规模。车联网大数据不再是精算师的专有领域，保险公司的数据库需要升级成数据中心来存储数据。

Variety-多样的数据类型。传统保单承保理赔信息仅仅是数据的一小部分，更多海量位置轨迹、传感器数据以及其他非结构化信息数据将依靠车联网来产生。

Velocity-快速的风险管理。汽车保险的风险管理不但是事故后的理赔和续保风险选择，保险公司将可以依靠车联网实时介入风险预警和事前控制。

Value-巨大的数据价值。车联网大数据将是未来汽车保险公司一种非常重要的新资产。保险公司的数据资产和大数据处理能力将是未来汽车保险经营的核心竞争力，将改变汽车保险经营方式、产业链生态系统。保险公司将直接受益于车联网大数据，用于降低骗赔风险和诉讼费用，提供更优惠费率，更个性化的车险产品。

三、 机遇和挑战

从技术层面看，车联网的数据采集和传输已经是成熟技术，而大数据也正成为现实中可获取的技术方案。在这车联网大数据时代，如何应用车联网和大数据技术帮助汽车保险业创造更贴身的服务和更多的盈利空间，是汽车保险业和相关产业链面临的巨大商机和挑战。

(一) 机遇

1. 精确定价，扩大优质客户目标市场

基于车联网的汽车保险可为保险公司提供前所未有的多种精确数据，使保险公司更了解事故原因，更正确地洞悉不同驾驶方式所造成的事故风险，有效降低车险定价中存在的严重信息不对称，最终帮助保险公司和精算师更好地调整保险费计算公式。

传统的无赔款优待系统（NCD，或BMS），其费率变动只与索赔事故的发生情况挂钩，费率浮动并没有反映过去事故驾驶行为的变化。基于车联网的汽车保险将有助于保险公司将车险费率浮动与驾驶员驾驶行为挂钩，从而优化未来的汽车保险费率系统，实现车险定价“从车”向“从人”定价的跨越，使得风险定价更加公平和合理。

一旦保险公司借助车联网掌握了精确定价技术，就能给低风险驾驶员提供高折扣保险费优惠，在确保利润的前提条件下，实现针对优质低风险驾驶员的积极扩张市场战略。根据Lauszus和Schmidt-Gallas (2004)的研究，保险公司在确保利润不变的前提条件下，汽车保险费率下降5%将带来客户25%的扩张，即车险的需求价格弹性为5倍^[15]。而精算咨询公司韬睿惠悦调查发现，安全水平最优10%和最差10%驾驶员的车险赔付率差距超过10倍。显然，车联网保险高达40-50%费率优惠，将给保险公司带来优质客户的高速扩张。有助于扩大优质客户目标市场，是车联网保险产品最吸引保险公司管理层的地方。

2. 降低汽车保险理赔成本

车联网保险通过信息技术让保险公司能以低成本方式实时（7×24小时）风险管理，有效地改善和提高驾驶员安全驾驶水平、识别虚假赔案和骗赔行为，从而降低汽车保险的理赔成本。

车联网保险首先能对驾驶员进行主动的风险管理和干预，促使驾驶员改善驾驶方式。大量交通安全实证研究表明，实时监控驾驶员会产生“安慰剂效应”（Placebo Effect），可以让营运车队事故率降低50-75%。Edlin(1999)、Coroama和Höckl（2004）、Bordoff和Noel（2008）等学者都认为车联网保险能降低理赔成本^{[16] [17] [18]}。Ippisch（2010）对1598位意大利驾驶员的车联网保险数据进行研究，发现事故后驾驶员会显著改善驾驶行为：在事故发生的下一个月中，事故驾驶员平均会减少驾车11.4%，月里程减少13.9%，平均行驶速度降低7.5%^[19]。Tooth(2012) 认为车联网技术可以通过监控驾驶行为帮助保险公司向安全驾驶员提供奖励，保险公司通过车联网保险产品，可以激励投保人购买更安全的汽车、更安全地驾驶车辆以及提高安全驾驶技能^[20]。

车联网保险还能识别虚假赔案和骗赔行为。通过实时跟踪监测车辆驾驶轨迹和行为，帮助保险公司确定事故责任和损失，减少案件理赔中欺诈和骗赔的风险、大幅降低理赔现场查勘费用和骗赔成本（目前虚假赔案导致的赔款占理赔成本的30%以上）。

3. 政策扶持

车联网保险是信息科技和保险服务业的融合，能带动传感器、物（车）联网、移动通讯等相关产业的发展，是对传统汽车保险业的创新和升级，因此将会得到政府的扶持，特别在中国将得到政府在“物联网”、“车联网”产业政策的扶持。能得到政府的政策优惠和扶持，也是吸引很多企业加入车联网保险产业链的原因之一。

2012年工信部发布的《物联网“十二五”发展规划》提出推动发展物联网应用示范工程，带动和提升物联网的应用过程产业链的整体价值。今年国务院又发布了《“十二五”国家自主创新能力建设规划》，在金融服务、现代物流、商贸服务、高技术服务等领域，加强公共技术创新平台建设，开发和推广应用新技术，发展服务新产品，推进服务业结构优化升级。目前车联网已成为我国物联网产业“十二五”规划中的重要融合推广和示范应用平台，车联网保险应用推广必将在政策扶持下大有可为。

(二) 挑战

基于车联网的汽车保险商业模式给保险商、电信运营商、物联网车联网厂商和大数据商带来了巨大的商业机会，但是整个产业链也面临着众多挑战。

1. 投入成本高

车联网保险比传统汽车保险需要更多的人员、硬件和知识资本等研发投入。首先，基于车联网的汽车保险涉及信息科学、电子工程、交通安全研究以及精算科学等学科交叉，而保险公司缺乏除精算师以外的其他专业人才，为开展研发必须增加大笔人力资源投入。其次，车联网保险增加了车载终端设备和车联网信息网络平台，必然引起硬件投入和通信流量成本的大幅增加。Finnegan 和Sirota（2004)就认为车联网保险应用的主要缺点是纪录仪器的高额成本，由于高额的成本导致了像前进保险公司暂停该项计划^[21]。最后，车联网保险的实施还需要投入大幅度知识产权费用，因为主要的专利技术掌握在通用、丰田和前进保险等公司的手里，如果要突破这些技术壁垒必须支付相应的知识产权费用。

因此，研发车联网保险投入高，风险大，对于中小保险公司而言失败可能性太大；对大型保险公司车联网保险则会冲击以往的平台投入（例如车险电话销售平台、网络销售平台），意味着很高的机会成本。

2. 隐私保护问题

车联网保险的应用推广遇到的主要困难就是驾驶员的隐私保护问题。保险公司向低风险驾驶员提供高额优惠折扣的前提是驾驶员必须首先提供驾驶时间轨迹、车联网传感器等隐私数据，驾驶员出于对自身隐私保护的需要，必然产生对车联网保险的抵触情绪，降低与保险公司配合和合作的意愿。例如英国诺维奇联合保险公司，在2008年就暂停了基于车联网的保险产品“Pay-as-you-drive”，主要是因为被保险人的不合作和抵制，仅有1万多人参加这个项目，远低于当初研发时的预期。

车联网的隐私保护问题还将引起价格歧视的社会公平性问题。Hollis 和 Strauss (2007) 、Filipova (2007)都认为高隐私保护要求的车险客户将会受到和高风险客户一样的遭遇-保险费率上升，在车联网保险中的处境会越来越差^{[22] [23]}。Filipova甚至认为即便是在事故后让被保险人选择是否公开gps轨迹数据仍然不是一个好的隐私保护策略。

3. 监管问题

车联网保险在精算定价方法、产品条款费率上发生很大的变化，例如定价风险暴露由车辆年改为单位里程、产品条款更个性化、种类更多。这些变化将带来一系列监管困难、例如车联网保险的消费者权益保护问题、新的准备金偿付能力监管标准问题。

保险公司在车联网保险上的创新可能会遭遇监管风险而受到阻碍。Guensler等(2003) 的实证研究显示了这种监管风险的存在：在美国43个州保险监督委员会的车联网保险计划支持政策调查中，37%的州不允许开展车联网保险；在其他州，保险公司必须向监管当局证明费率结构的公平和透明性才能获得业务许可^[24]。

从长远来看，监管机构必须提升自己的监管能力，以适应车联网保险产业链的升级和发展。

4. 缺乏好的商业模式

车联网保险面临最大的挑战是一个良性循环的商业模式。除保险公司外、汽车制造商、电信运营商、车联网服务商都认为车联网保险是未来汽车保险的发展趋势，并热衷于投入车联网保险技术的研发。

尽管业界在对车联网保险寄予厚望，但是车联网保险的商业价值、商业模式问题依然困扰着保险产业链。首先是车联网保险的商业价值问题：高科技投入带来的保费折扣有违于保险公司的市场原则，保险公司既放弃了保费又减少了既有利润、使得车联网汽车保险对保险公司缺乏吸引力^[19]。其次，如果不能证明该车联网保险投资能为保险公司带来利润，保险公司如何能收回先前的技术投资。再次，车联网保险存在投资外部性问题。车联网保险能够促使驾驶员安全驾驶降低事故率，会降低所有保险公司的理赔成本(因为相互碰撞事故概率下降)，车联网投资保险公司并不能从其他保险公司得到投资回报。

事实上，保险公司已经面临车联网保险投入的囚徒困境两难问题：主动投资车联网技术可能不能取得成功，但是被动接受可能危及已经存在的传统商业模式。一个良性的商业模式是车联网保险产业链最迫切希望解决的问题。

四、 应对之策

(一) 商业模式创新-成立联合投资主体

目前，正处于起步阶段的车联网保险，尚未形成完整的产业链，其商业模式还存在着不少问题。汽车厂商、电讯运营商、设备制造商、软件开发商、保险公司等产业链内的分工并不明确，更多的是各自为政，各做各的。想进入车联网保险产业链的公司很多，但多数都处在摸索阶段，有些公司的研发投入尚没有找到买家，国内的一些车联网服务商（TSP）仍然停留在“卖车联网数据”给保险公司的模式中，而保险公司的反馈是“买来的车联网数据有啥用”。整个车联网保险产业链还未形成一个能盈利和可持续发展的商业模式。

建议成立由汽车制造商、电信运营商和保险公司等多方车联网保险联合投资主体，进行车联网保险的研发、销售和经营活动，推动汽车保险产业与通信、电子信息、大数据产业的融合。联合投资主体在商业模式上存在以下优势，更好地发现车联网保险产业链的商业价值、提高研发投入回报，降低技术投资风险；便于吸引各类专业人才组成研发团队，形成强强联合的技术平台优势；便于协调调动各方的资源和需求，有效保障车联网保险产业的健康发展。

(二) 设立专项基金-加大资金支持力度

政府部门应加大车联网保险资金支持力度，明确由政府积极引导、形成产学研合作的机制，围绕车联网保险关键技术开展攻关，促进资源共享，实现关键技术领域的协同突破。

设立专项基金对车联网保险应用示范工程、核心技术开发、系统集成、信息服务平台建设、标准制定等关键环节进行重点资金支持，通过“局部试点，重点示范”的产业发展模式来带动整个车联网保险产业的持续健康发展。

将现有高新技术产业化专项资金、科技型中小企业技术创新基金、企业自主创新资金等专项资金适当向车联网保险（大数据）产业倾斜，设立车联网保险专项扶持基金，发挥财政资金的引导作用，推动风险投资和民间资本投向车联网保险产业链，促进金融机构加大信贷支持力度。

(三) 放松监管限制-营造良好创新环境

保险高度监管将会阻止车联网保险的推广，而推广车联网保险必须在法律、监管等方面得到社会和环境政策的支持。因此建议放松法律和监管限制，允许车联网汽车保险产品和技术创新。

保险监管方在制度和政策上为车联网保险创新提供更为宽松的环境，鼓励IT企业、大数据等服务商参与汽车保险产业链创新，促进汽车保险从传统方式向增值服务和个性化产品创新转型。具体建议：第一，放松车险业务市场监管，转向加强消费者权益保护和监督。在制度上为车险产业链中新业态提供支持，减少具体业务经营限制，鼓励车联网、大数据与车险的交叉型业务创新，允许车联网保险的TSP和大数据商成为新型保险中介；第二，放松创新产品管制，减少创新产品数量、品类的限制，降低创新审批成本，为车联网保险商和中介理顺创新渠道，营造良好的创新环境。

(四) 建立车联网碳交易机制-补偿经济外部性

2013年6月，深圳市在中国七个试点地区中最先启动碳排放许可交易。我国一直在积极推动碳交易市场机制建设，而车联网保险的开展也给汽车的碳排放交易提供了技术条件，参加车联网保险的汽车直接可以通过燃油传感器统计汽车实际的碳排放量。因此，可以为保险公司和被保险人建立碳交易市场机制，无偿（或有偿）给保险企业一定的碳排放配额，如果排放超标则必须另外购买碳配额，不购买则实施一定的罚款。在这种车险碳交易机制下，因为承保出行少排放少的驾驶员而有碳配额盈余的保险公司，可以出售其碳配额盈余获得一定的经济利益，以补偿他们投资车联网实施积极风险管理造成降低全社会交通事故的经济外部性贡献。

五、 总结和展望

2013年8月14日，国务院发布了《关于促进信息消费扩大内需的若干意见》，明确提出“拓展新兴信息服务业态”、“发展移动互联网产业，鼓励企业设立移动应用开发创新基金，推进网络信息技术与服务模式融合创新”“大力发展地理信息产业，拓宽地理信息服务市场”。车联网保险服务创新，既能促进信息消费、拉动信息产业需求，又能加快汽车保险产业升级和转型，将在行政审批、财税优惠、融资上市、项目试点和示范等方面得到支持和帮助，真正引领中国的汽车保险业进入移动互联网时代。

参考文献

[1] Juliussen E. The future of automotive telematics[J]. Business briefing: global automotive manufacturing & technology, 2003.

[2] Lohr S. The age of big data[J]. New York Times, 2012, 11.

[3] IHS iSuppli. Embedded Telematics in the Automotive Industry[EB/OL]. (2011-11-30). http://gallery.mailchimp.com/e68b454409061ef6bb1540e01/files/Embedded_Telematics_in_the_Automotive_Industry_sw_iS.pdf.

[4] Brown B, Chui M, Manyika J. Are you ready for the era of ‘big data’?[J]. McKinsey Quarterly, 2011, 4: 24-35.

[5] Vickrey W．Automobile Accidents, Tort Law, Externalities and Insurance: An Economist's Critique［J］．Law and Contemporary Problems, 1968, 33: 464-470．

[6] Butler P, Butler T. Driver Record: a Political Red Herring That Reveals the Basic Flaw in Automobile Insurance Pricing［J］．Journal of Insurance Regulation, 1989，8(2)：200-234.

[7] Lemaire J. Bonus-malus Systems in Automobile insurance[M]. Kluwer Academic Pub, 1995.

[8] Bernstein R. Modeling Personal Lines Automobile Insurance in California: Development and Application of a Pay-at-the-Pump Proposal［J］．Journal of Insurance Regulation, 1994, 13(1): 33-52.

[9] Wenzel T. Analysis of national pay-as-you-drive insurance systems and other variable driving charges[R]. Energy Analysis Program, Energy and Environment Division, Lawrence Berkeley National Laboratory, University of California, 1995. 

[10] Litman T. Distance-based vehicle insurance as a TDM strategy[J]. Transportation Quarterly, 1997, 51（3）: 119-137.

[11] Litman T. Distance-Based Vehicle Insurance Feasibility，Benefits and Costs: Comprehensive Technical Report［R］．Victoria Transport Policy Institute，2001．

[12] Coroama V. The smart tachograph–individual accounting of traffic costs and its implications [M]. Pervasive Computing. Springer Berlin Heidelberg, 2006: 135-152.

[13] Muermann A, Straka D. Asymmetric information in automobile insurance: new evidence from telematics data[R]. Working paper, Vienna University of Economics and Business, 2011.

[14] Ptolemus Consulting. How UBI Will Radically Change Insurance Economics[EB/OL]. Telematics Update, (2013-1-30). http://us.telematicsupdate.com/fc_tele_evupdatelz/lz.aspx?p1=05900062S2941&CC=&p=1&cID=0&cValue=1.

[15] Lauszus D, Schmidt-Gallas D. Ertragsfalle Vertrieb? Wenn der Fuchs die Höner bewacht oder: Wie das Pricing die Wertschöfung im Vertrieb steigert[J]. Versicherungswirtschaft, 2004，59(20), pp. 1554-1557.

[16] Edlin A S. Per-mile premiums for auto insurance[R]. National Bureau of Economic Research, 1999. 

[17] Coroama V, Höckl N. Pervasive insurance markets and their consequences[C]. First International Workshop on Sustainable Pervasive Computing at Pervasive 2004, 2004.

[18] Bordoff J, Noel P. Pay-As-You-Drive auto insurance: A simple way to reduce driving-related harms and increase equity[J]. Hamilton Project Discussion Paper, 2008.

[19] Ippisch T. Telematics Data in Motor Insurance: Creating Value by Understanding the Impact of Accidents on Vehicle Use[D]. University of St. Gallen, 2010.

[20] Tooth R. An insurance based approach to safer road use[C]. Australasian College of Road Safety Conference 2012, Sydney, New South Wales, Australia. 2012.

[21] Finnegan D, Sirota C. 2004. Is Vehicle Data Recording Auto Insurance’s Future? [EB/OL]. (2014-6-16). http://www.qualityplanning.com/qpc_resources_public/reports/Vehicle Data Recording. v5links.pdf.

[22] Hollis A, Strauss J. Privacy, Driving Data and Automobile Insurance: An Economic Analysis[J/OL]. (2007-10-9). Department of Economics, University of Calgary. http://mpra.ub.unimuenchen. de/11091/1/MPRA_paper_11091.pdf.

[23] Filipova L. Monitoring and privacy in automobile insurance markets with moral hazard[R]. Volkswirtschaftliche Diskussionsreihe, Institut für Volkswirtschaftslehre der Universität Augsburg, 2007.

[24] Guensler R, Amekudzi A, Williams J, Mergelsberg S, Ogle J. Current State Regulatory Support for Pay-as-You-Drive Automobile Insurance Options[J]. Journal of Insurance Regulation, 2003, 21(3): 31-52.