Insurance telematics is becoming more and more popular according to the latest technological developments in mobility. The employment of devices for data acquisition provides a better interaction with the client, increasing his fidelity. The driving style of the driver can be defined by tracking his vehicle's dynamics. This allows to customize the insurance policy of the client. Among the new services provided by insurance companies, there is the crash detection. One of the most important data needed by these algorithms is the state of the vehicle after the crash event (standing or moving). This information is usually given by GPS, but it could be absent due to fixing issues. In this work we study the development of a real-time classifier for the detection of the standing state of a vehicle without GPS measurements. To develop the predictor we use only data provided by an inertial measurement unit (IMU). Modern smartphones can be used to acquire data as an alternative to the implementation of telematic boxes on the vehicle. Smartphones are provided with accelerometers, gyroscopes and geolocalisation system like GPS. In this work we propose a solution to automatically recognize the using activity of the smartphone of a driver. Only data provided by smartphone's internal sensor are analysed without using any external instrumentation. In both cases we employ the same methodology to data processing and classification. Data mining and machine learning techniques are combined to develop ad-hoc solutions for the exanimated case studies.
La telematica assicurativa sta diventando sempre più popolare, mettendosi al passo con le evoluzioni tecnologiche nell'ambito della mobilità. L'installazione sul veicolo di dispositivi di acquisizione dati permette l'incremento delle interazioni con i propri clienti, aumentandone la fidelizzazione. Il monitoraggio dei dati relativi alla dinamica del veicolo consente di definire uno stile di guida del conducente, al fine di proporre soluzioni assicurative commisurate al bisogno del cliente. Tra i nuovi servizi offerti dalle compagnie assicurative vi è il riconoscimento automatico di incidente. Una delle informazioni chiave per il corretto funzionamento di questi algoritmi è la conoscenza dello stato del veicolo, fermo o in movimento, a seguito di un sinistro. Questa informazione, solitamente fornita dal GPS, può mancare se quest'ultimo presenta problemi di fixing. In questo lavoro di tesi viene studiato lo sviluppo di un classificatore real-time per il riconoscimento dello stato veicolo fermo in assenza di segnale GPS, tramite l'acquisizione di dati provenienti esclusivamente da un'unità di misura inerziale (IMU). Una soluzione alternativa all'impiego di scatole telematiche per l'acquisizione dei dati è il monitoraggio dei segnali provenienti dai sensori di uno smartphone. Tutti i moderni cellulari sono dotati di accelerometri e giroscopi, congiuntamente al sistema di geo-localizzazione satellitare GPS. In questa tesi viene proposta una soluzione per il riconoscimento automatico dell'utilizzo del cellulare alla guida di un'auto. Vengono elaborati solamente i dati provenienti dai sensori presenti nel dispositivo senza ulteriore strumentazione esterna. In entrambi i casi studio esaminati viene impiegata la medesima metodologia per l'analisi, l'elaborazione e la classificazione dei dati. Sono combinate tecniche di data mining e machine learning per lo sviluppo di soluzioni specifiche alle applicazioni investigate.
Algoritmi di classificazione automatica per applicazioni telematiche in ambito assicurativo
MARTELLOTTA, FABIO
2016/2017
Abstract
Insurance telematics is becoming more and more popular according to the latest technological developments in mobility. The employment of devices for data acquisition provides a better interaction with the client, increasing his fidelity. The driving style of the driver can be defined by tracking his vehicle's dynamics. This allows to customize the insurance policy of the client. Among the new services provided by insurance companies, there is the crash detection. One of the most important data needed by these algorithms is the state of the vehicle after the crash event (standing or moving). This information is usually given by GPS, but it could be absent due to fixing issues. In this work we study the development of a real-time classifier for the detection of the standing state of a vehicle without GPS measurements. To develop the predictor we use only data provided by an inertial measurement unit (IMU). Modern smartphones can be used to acquire data as an alternative to the implementation of telematic boxes on the vehicle. Smartphones are provided with accelerometers, gyroscopes and geolocalisation system like GPS. In this work we propose a solution to automatically recognize the using activity of the smartphone of a driver. Only data provided by smartphone's internal sensor are analysed without using any external instrumentation. In both cases we employ the same methodology to data processing and classification. Data mining and machine learning techniques are combined to develop ad-hoc solutions for the exanimated case studies.| File | Dimensione | Formato | |
|---|---|---|---|
|
2017_12_Martellotta.pdf
non accessibile
Descrizione: Testo della tesi
Dimensione
19.56 MB
Formato
Adobe PDF
|
19.56 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/137444