随着大数据技术的发展与车联网应用的普及,我国车险市场面临着新一轮的市场化改革,各大保险公司拥有保费厘定的决定权,这为公司的发展带来巨大的机遇和挑战,而当前所使用的车险费率厘定模式和方法已难以满足车险定价的要求。值得注意的是,UBI已成为车险发展的必然趋势,其费率厘定的方法也受到了广泛关注。目前,针对UBI的研究主要从驾驶行为指标和驾驶行为综合评价两方面展开,而对于驾驶行为综合评价的方法主要有层次分析法、熵权-层次分析法、支持向量机等,这些方法具有较强的主观性,影响实际效果。本文应用熵权-Topsis模型和聚类技术实现UBI费率厘定,主要工作如下:(1)阐述了研究背景、意义和国内外研究现状。(2)利用Lasso回归对初步确定的驾驶行为指标进行筛选,在此基础上建立了出险概率预测模型——Logistic模型和随机森林模型,通过比较发现:Logistic模型预测驾驶员出险的准确率更高、F值最大,所以选取Logistic模型为理想的出险概率预测模型,由此也进一步说明筛选后的驾驶行为指标的代表性,同时求得测试集中驾驶员的出险概率预测值。(3)构建了对驾驶员的驾驶行为进行综合评价的熵权-Topsis模型,根据评价结果,由K-means聚类法确定风险区间,将驾驶员的出险概率预测值和驾驶风险类型进行比较分析,确定不同等级风险驾驶员的费率调整系数,最终确定其费率。(4)根据研究结论提出了若干政策建议。