一种基于远程信息处理信号的、以投资组合为锚定的频率-严重度风险指数，用于行程与驾驶员评估

在本文中，我们提出了一种新颖的频率-严重度联合行程级风险指数，该指数将异常驾驶模式的频率与反映此类行为相对于投资组合级基线极端程度的严重度分量相结合。严重度通过逆概率惩罚来量化，该惩罚随着观察到的尾部极值的稀有性而增加，而不是被解释为索赔金额。基于高频远程信息处理数据，我们使用最大重叠离散小波变换（MODWT）构建纵向加速度的多尺度表示，该变换在多个时间尺度上保留局部驾驶模式。为了将严重度捕获为尾部稀有性，我们使用具有分层尾部结构的高斯-均匀混合模型对投资组合分布进行建模，其中高斯分量描述典型驾驶行为，尾部被划分为反映递增极端程度的有序严重度层。我们开发了一种基于似然的估计程序，使该混合模型的推断可行。然后，生成的严重度层用于在行程级别构建多层尾部计数（MLTC），并在泊松-伽马框架内建模，以产生联合反映频率和严重度的闭式后验风险指数。这种共轭结构自然支持顺序更新，从而能够构建动态演化的驾驶员级风险概况。使用UAH-DriveSet受控数据集，我们证明了所提出的指数能够可靠地区分行为驾驶状态、识别高风险行程以及连贯地对驾驶员进行排序，从而产生一种纯粹由行为驱动的风险度量，适用于精算费率制定，并可能缓解与传统协变量相关的公平性问题。