一种基于数据分析的导航时长预测方法技术

本发明专利技术公开了一种基于数据分析的导航时长预测方法，本发明专利技术涉及导航时长预测技术领域，解决了现有技术中，不能够判定车主对导航时长的影响，导致预测的准确性能降低的技术问题，通过车主分析单元用于对车主数据进行分析，从而对当前驾驶员进行检测，获取到车主数据，通过公式获取到车主分析系数Xo，将车主分析系数Xo与车主分析系数阈值进行比较：若车主分析系数Xo≥车主分析系数阈值，则判定车主存在影响，生成车主影响信号并将车主影响信号和对应的车主分析系数一同发送至数据管理平台；判定车主对导航时长的影响，进一步提高预测的准确性能，提高了工作效率，提高用户导航的使用质量。

【技术实现步骤摘要】
一种基于数据分析的导航时长预测方法
本专利技术涉及导航时长预测
，具体为一种基于数据分析的导航时长预测方法。
技术介绍
导航是引导某一设备，从指定航线的一点运动到另一点的方法。导航分两类：(1)自主式导航:用飞行器或船舶上的设备导航，有惯性导航、多普勒导航和天文导航等；(2)非自主式导航:用于飞行器、船舶、汽车等交通设备与有关的地面或空中设备相配合导航，有无线电导航、卫星导航。在军事上，还要配合完成武器投射、侦察、巡逻、反潜和援救等任务。但是在现有技术中，驾驶员在行驶过程中，不能够判定车主对导航时长的影响，导致预测的准确性能降低。
技术实现思路
本专利技术的目的就在于提出一种基于数据分析的导航时长预测方法，通过环境分析单元对不同时刻的环境数据进行分析，从而对行驶环境进行检测，获取到环境数据，通过公式获取到环境分析系数Xi，将环境分析系数Xi与环境分析系数阈值进行比较：若环境分析系数Xi≥环境分析系数阈值，则判定环境存在影响，生成环境影响信号并将环境影响信号和环境分析系数一同发送至数据管理平台；若环境分析系数Xi＜环境分析系数阈值，则判定环境不存在影响，将环境分析系数标记为1，同时生成环境不影响信号并将环境不影响信号和环境分析系数一同发送至数据管理平台；对行驶环境进行实时检测，判定环境对导航时长的影响，提高了时长预测的准确性能，也提高了车主的安全性能。本专利技术的目的可以通过以下技术方案实现：一种基于数据分析的导航时长预测方法，导航时长具体预测方法步骤如下：步骤T1、用户和管理人员通过注册登录单元登录数据管理平台，通过数据管理平台获取分析数据；步骤T2、通过环境分析单元对环境数据进行分析，获取环境分析系数并将环境分析系数发送至数据管理平台，通过车主分析单元对车主数据进行分析，获取车主分析系数并将车主分析系数发送至数据管理平台，通过路况分析单元对路况数据进行分析，获取路况分析系数并将路况分析系数发送至数据管理平台；步骤T3、数据管理平台接收到分析系数后，通过计算获取分析系数总值并将分析系数总值发送至时长预测单元，时长预测单元通过分析系数总值对导航时长进行预测。进一步地，所述环境分析单元用于对不同时刻的环境数据进行分析，从而对行驶环境进行检测，环境数据包括温度数据、能见度数据以及雨量数据，温度数据为车主行驶中当前时刻的周边环境的温度与地面的温度之差，能见度数据为车主在当前时刻的天气条件下还能够看清楚目标轮廓的最大距离，雨量数据为车主行驶中当前时刻的平均每小时降雨量，将时刻标记为i，i＝1，2，……，n，n为正整数，具体分析检测过程如下：步骤一、获取到车主行驶中当前时刻的周边环境的温度与地面的温度之差，并将车主行驶中当前时刻的周边环境的温度与地面的温度之差标记为Wi；步骤二、获取到车主在当前时刻的天气条件下还能够看清楚目标轮廓的最大距离，并将车主在当前时刻的天气条件下还能够看清楚目标轮廓的最大距离标记为Ji；步骤三、获取到车主行驶中当前时刻的平均每小时降雨量，并将车主行驶中当前时刻的平均每小时降雨量标记为Yi；步骤四、通过公式获取到环境分析系数Xi，其中，a1、a2以及a3均为比例系数，且a1＞a2＞a3＞0；步骤五、将环境分析系数Xi与环境分析系数阈值进行比较：若环境分析系数Xi≥环境分析系数阈值，则判定环境存在影响，生成环境影响信号并将环境影响信号和环境分析系数一同发送至数据管理平台；若环境分析系数Xi＜环境分析系数阈值，则判定环境不存在影响，将环境分析系数标记为1，同时生成环境不影响信号并将环境不影响信号和环境分析系数一同发送至数据管理平台。进一步地，所述车主分析单元用于对车主数据进行分析，从而对当前驾驶员进行检测，车主数据为驾龄数据、次数数据以及时长数据，驾龄数据为当前驾驶员驾驶证的领证时间与当前系统时间的差值，次数数据为当前驾驶员一周驾驶车辆的总次数，时长数据为当前驾驶员驾驶车辆的单次平均时长，将车主标记为o，o＝1，2，……，m，m为正整数，具体分析检测过程如下：步骤S1：获取到当前驾驶员驾驶证的领证时间与当前系统时间的差值，并将当前驾驶员驾驶证的领证时间与当前系统时间的差值标记为Co；步骤S2：获取到当前驾驶员一周驾驶车辆的总次数，并将当前驾驶员一周驾驶车辆的总次数标记为So；步骤S3：获取到当前驾驶员驾驶车辆的单次平均时长，并将当前驾驶员驾驶车辆的单次平均时长标记为Po；步骤S4：通过公式Xo＝(Co×c1+So×c2+Po×c3)ec1+c2+c3获取到车主分析系数Xo，其中，c1、c2以及c3均为比例系数，且c1＞c2＞c3＞0，e为自然常数；步骤S5：将车主分析系数Xo与车主分析系数阈值进行比较：若车主分析系数Xo≥车主分析系数阈值，则判定车主存在影响，生成车主影响信号并将车主影响信号和对应的车主分析系数一同发送至数据管理平台；若车主分析系数Xo＜车主分析系数阈值，则判定车主不存在影响，并将对应的车主分析系数标记为1，生成车主影响信号并将车主影响信号和对应的车主分析系数一同发送至数据管理平台。进一步地，所述路况分析单元用于对路况数据进行分析，从而对路况进行检测，路况数据为车速数据、车流量数据以及指示灯数据，车速数据为当前行驶道路上车辆的平均速度，车流量数据为当前行驶道路上每分钟车辆数量的增加量，指示灯数据为当前行驶道路上红绿灯的总数量，具体分析检测过程如下：步骤SS1：获取到当前行驶道路上车辆的平均速度，并将当前行驶道路上车辆的平均速度标记为SD；步骤SS2：获取到当前行驶道路上每分钟车辆数量的增加量，并将当前行驶道路上每分钟车辆数量的增加量标记为SL；步骤SS3：获取到当前行驶道路上红绿灯的总数量，并将当前行驶道路上红绿灯的总数量标记为LD；步骤SS4：通过公式FX＝β(SD×b1+SL×b2+LD×b3)获取到路况分析系数FX，其中，b1、b2以及b3均为比例系数，且b1＞b2＞b3＞0，β为误差修正因子，取值为2.3698546；步骤SS5：将路况分析系数FX与路况分析系数阈值进行比较：若路况分析系数FX≥路况分析系数阈值，则判定路况存在影响，生成路况影响信号并将路况影响信号和对应路况分析系数发送至数据管理平台；若路况分析系数FX＜路况分析系数阈值，则判定路况不存在影响，并将对应路况分析系数标记为1，生成路况不影响信号并将路况不影响信号和对应路况分析系数发送至数据管理平台。进一步地，所述数据管理平台接收到环境分析系数、车主分析系数以及路况分析系数后，将环境分析系数、车主分析系数以及路况分析系数发送至时长预测单元，所述时长预测单元用于接收环境分析系数、车主分析系数以及路况分析系数，随后通过计算获取到分析系数总值，具体计算预测过程如下：步骤L1：获取到环境分析系数Xi、车主分析系数Xo以及路况分析系数FX，并通过公式ZZ＝α(Xi×v1+Xo×v2+FX×v3)获取到本文档来自技高网...

【技术保护点】
1.一种基于数据分析的导航时长预测方法，其特征在于，导航时长具体预测方法步骤如下：/n步骤T1、用户和管理人员通过注册登录单元登录数据管理平台，通过数据管理平台获取分析数据；/n步骤T2、通过环境分析单元对环境数据进行分析，获取环境分析系数并将环境分析系数发送至数据管理平台，通过车主分析单元对车主数据进行分析，获取车主分析系数并将车主分析系数发送至数据管理平台，通过路况分析单元对路况数据进行分析，获取路况分析系数并将路况分析系数发送至数据管理平台；/n步骤T3、数据管理平台接收到分析系数后，通过计算获取分析系数总值并将分析系数总值发送至时长预测单元，时长预测单元通过分析系数总值对导航时长进行预测。/n

【技术特征摘要】
1.一种基于数据分析的导航时长预测方法，其特征在于，导航时长具体预测方法步骤如下：
步骤T1、用户和管理人员通过注册登录单元登录数据管理平台，通过数据管理平台获取分析数据；
步骤T2、通过环境分析单元对环境数据进行分析，获取环境分析系数并将环境分析系数发送至数据管理平台，通过车主分析单元对车主数据进行分析，获取车主分析系数并将车主分析系数发送至数据管理平台，通过路况分析单元对路况数据进行分析，获取路况分析系数并将路况分析系数发送至数据管理平台；
步骤T3、数据管理平台接收到分析系数后，通过计算获取分析系数总值并将分析系数总值发送至时长预测单元，时长预测单元通过分析系数总值对导航时长进行预测。


2.根据权利要求1所述的一种基于数据分析的导航时长预测方法，其特征在于，所述环境分析单元用于对不同时刻的环境数据进行分析，从而对行驶环境进行检测，环境数据包括温度数据、能见度数据以及雨量数据，温度数据为车主行驶中当前时刻的周边环境的温度与地面的温度之差，能见度数据为车主在当前时刻的天气条件下还能够看清楚目标轮廓的最大距离，雨量数据为车主行驶中当前时刻的平均每小时降雨量，将时刻标记为i，i＝1，2，……，n，n为正整数，具体分析检测过程如下：
步骤一、获取到车主行驶中当前时刻的周边环境的温度与地面的温度之差，并将车主行驶中当前时刻的周边环境的温度与地面的温度之差标记为Wi；
步骤二、获取到车主在当前时刻的天气条件下还能够看清楚目标轮廓的最大距离，并将车主在当前时刻的天气条件下还能够看清楚目标轮廓的最大距离标记为Ji；
步骤三、获取到车主行驶中当前时刻的平均每小时降雨量，并将车主行驶中当前时刻的平均每小时降雨量标记为Yi；
步骤四、通过公式获取到环境分析系数Xi，其中，a1、a2以及a3均为比例系数，且a1＞a2＞a3＞0；
步骤五、将环境分析系数Xi与环境分析系数阈值进行比较：
若环境分析系数Xi≥环境分析系数阈值，则判定环境存在影响，生成环境影响信号并将环境影响信号和环境分析系数一同发送至数据管理平台；
若环境分析系数Xi＜环境分析系数阈值，则判定环境不存在影响，将环境分析系数标记为1，同时生成环境不影响信号并将环境不影响信号和环境分析系数一同发送至数据管理平台。


3.根据权利要求1所述的一种基于数据分析的导航时长预测方法，其特征在于，所述车主分析单元用于对车主数据进行分析，从而对当前驾驶员进行检测，车主数据为驾龄数据、次数数据以及时长数据，驾龄数据为当前驾驶员驾驶证的领证时间与当前系统时间的差值，次数数据为当前驾驶员一周驾驶车辆的总次数，时长数据为当前驾驶员驾驶车辆的单次平均时长，将车主标记为o，o＝1，2，……，m，m为正整数，具体分析检测过程如下：
步骤S1：获取到当前驾驶员驾驶证的领证时间与当前系统时间的差值，并将当前驾驶员驾驶证的领证时间与当前系统时间的差值标记为Co；
步骤S2：获取到当前驾驶员一周驾驶车辆的总次数，并将当前驾驶员一周驾驶车辆的总次数标记为So；
步骤S3：获取到当前驾驶员驾驶车辆的单次平均时长，并将当前驾驶员驾驶车辆的单次平均时长标记为Po；
步骤S4：通过公式Xo＝(Co×c1+So×c2+Po×c3)ec1+c2+c3获取到车主分析系数Xo，其中，c1、c2以及c3均为比例系数，且c1＞c2＞c3＞0，e为自然常数；
步骤S5：将车主分析系数Xo与车主分析系数阈值进行比较：

【专利技术属性】
技术研发人员：任杰，
申请(专利权)人：任杰，
类型：发明
国别省市：江苏;32