一种基于TBOX的用户驾驶习惯的能耗预测分析系统及方法专利检索-预测分析数学与统计专利检索查询-专利查询网

一种基于TBOX的用户驾驶习惯的能耗预测分析系统及方法

阅读：614发布：2020-05-11

专利汇可以提供一种基于TBOX的用户驾驶习惯的能耗预测分析系统及方法专利检索，专利查询，专利分析的服务。并且针对现有技术中确定车辆的最优消耗路线的问题，本发明提供一种基于TBOX的用户驾驶习惯的能耗预测分析系统及方法，属于数据分析处理领域。本发明包括：S1、利用TBOX平台从TBOX智能终端中获取用户驾驶习惯数据，作为训练数据集；S2、根据各品牌车型分别构建决策树模型；S3、利用训练数据集训练决策树模型；S4、将训练完的决策树模型更新TBOX智能终端中的相应模型；S5、根据用户的目的地，利用TBOX智能终端中的模型计算最优消耗路线；S6、TBOX智能终端将计算的最优消耗路线展示给驾驶人。，下面是一种基于TBOX的用户驾驶习惯的能耗预测分析系统及方法专利的具体信息内容。

权利要求

1.一种基于TBOX的用户驾驶习惯的能耗预测分析方法，其特征在于，所述方法包括：
S1、利用TBOX平台从TBOX智能终端中获取用户驾驶习惯数据，作为训练数据集；
S2、根据各品牌车型分别构建决策树模型；
S3、利用训练数据集训练决策树模型；
S4、将训练完的决策树模型更新TBOX智能终端中的相应模型；
S5、根据用户的目的地，利用TBOX智能终端中的模型计算最优消耗路线；
S6、TBOX智能终端将计算的最优消耗路线展示给驾驶人。
2.根据权利要求1所述的一种基于TBOX的用户驾驶习惯的能耗预测分析方法，其特征在于，所述S1中，所述训练数据集包括城市气象信息、道桥坡路、车型适配、司机驾驶行的数据。
3.根据权利要求1所述的一种基于TBOX的用户驾驶习惯的能耗预测分析方法，其特征在于，所述S3中，利用随机森林算法训练决策树模型，
利用随机森林算法基于多种数据训练数据集构建多棵决策树，组合成一个新的模型，模型的输出结果是所有决策树输出的组合，每棵树的预测结果都视为一张投票，获得投票数最多的类别就是预测的类别。
4.一种基于TBOX的用户驾驶习惯的能耗预测分析系统，其特征在于，所述系统包括：
数据导入模块，用于将TBOX平台中的用户驾驶习惯数据导入，作为训练数据集；
构建模块，用于根据各品牌车型分别构建决策树模型；
训练模块，用于利用训练数据集训练决策树模型；
更新模块，用于将训练完的决策树模型更新TBOX智能终端中的相应模型；
消耗分析模块，根据用户的目的地，利用TBOX智能终端中的模型计算最优消耗路线；
显示模块，用于利用TBOX智能终端将计算的最优消耗路线展示给驾驶人。
5.根据权利要求4所述的一种基于TBOX的用户驾驶习惯的能耗预测分析系统，其特征在于，所述数据导入模块中，训练数据集包括城市气象信息、道桥坡路、车型适配、司机驾驶行的数据。
6.根据权利要求4所述的一种基于TBOX的用户驾驶习惯的能耗预测分析系统，其特征在于，所述训练模块中，利用随机森林算法训练决策树模型，
利用随机森林算法基于多种数据训练数据集构建多棵决策树，组合成一个新的模型，模型的输出结果是所有决策树输出的组合，每棵树的预测结果都视为一张投票，获得投票数最多的类别就是预测的类别。

说明书全文

一种基于TBOX的用户驾驶习惯的能耗预测分析系统及方法

技术领域

[0001] 本发明涉及一种用户驾驶习惯的能耗预测分析系统及方法，属于数据分析处理领域。

背景技术

[0002] 随着全球能源需求不断增长，资源日趋枯竭，汽柴油等传统矿物燃料价格高涨，城市交通导致的污染日益严重。对于传统燃料动力车辆，拥堵会大大增加燃料消耗，但驾驶员往往无法在行程中及时了解路况、气象及各种信息，不能及时调整线路规划，可能浪费大量时间和能源。

[0003] 在此背景下，急需一种能够分析、预测车辆能耗的系统，确定最优消耗路线。现有确定最优消耗路线的已知方法的共同点在于这些方法都基于区段简化的消耗模型，因此经常只给出关于节能路线的粗略预计。

发明内容

[0004] 针对现有技术中确定车辆的最优消耗路线的问题，本发明提供一种基于TBOX(Telematics BOX，车联网系统)的用户驾驶习惯的能耗预测分析系统及方法。

[0005] 本发明的一种基于TBOX的用户驾驶习惯的能耗预测分析方法，所述方法包括：

[0006] S1、利用TBOX平台从TBOX智能终端中获取用户驾驶习惯数据，作为训练数据集；

[0007] S2、根据各品牌车型分别构建决策树模型；

[0008] S3、利用训练数据集训练决策树模型；

[0009] S4、将训练完的决策树模型更新TBOX智能终端中的相应模型；

[0010] S5、根据用户的目的地，利用TBOX智能终端中的模型计算最优消耗路线；

[0011] S6、TBOX智能终端将计算的最优消耗路线展示给驾驶人。

[0012] 作为优选，所述S1中，所述训练数据集包括城市气象信息、道桥坡路、车型适配、司机驾驶行为的数据。

[0013] 作为优选，所述S3中，利用随机森林算法训练决策树模型，

[0014] 利用随机森林算法基于多种数据训练数据集构建多棵决策树，组合成一个新的模型，模型的输出结果是所有决策树输出的组合，每棵树的预测结果都视为一张投票，获得投票数最多的类别就是预测的类别。

[0015] 本发明还提供一种基于TBOX的用户驾驶习惯的能耗预测分析系统，所述系统包括：

[0016] 数据导入模块，用于将TBOX平台中的用户驾驶习惯数据导入，作为训练数据集；

[0017] 构建模块，用于根据各品牌车型分别构建决策树模型；

[0018] 训练模块，用于利用训练数据集训练决策树模型；

[0019] 更新模块，用于将训练完的决策树模型更新TBOX智能终端中的相应模型；

[0020] 消耗分析模块，根据用户的目的地，利用TBOX智能终端中的模型计算最优消耗路线；

[0021] 显示模块，用于利用TBOX智能终端将计算的最优消耗路线展示给驾驶人。

[0022] 作为优选，所述数据导入模块中，训练数据集包括城市气象信息、道桥坡路、车型适配、司机驾驶行为的数据。

[0023] 作为优选，所述训练模块中，利用随机森林算法训练决策树模型，[0024] 利用随机森林算法基于多种数据训练数据集构建多棵决策树，组合成一个新的模型，模型的输出结果是所有决策树输出的组合，每棵树的预测结果都视为一张投票，获得投票数最多的类别就是预测的类别。

[0025] 本发明的有益效果，本发明实现了一套应用于航天科技TBOX智能终端采集的大规模数据样本下，利用一种随机森林的机器学习算法，进行多因子间计算预测车辆耗能的分析方法。结合地理空间信息系统，以及气象信息、道桥坡路、车型适配、司机驾驶行为等相关要素，对车辆用能耗差进行综合分析研判。可以在指定导航路径时，优化计算出能耗较低的出行路线，辅助节能环保、低碳减排等方面。附图说明

[0026] 图1为本发明的原理示意图。

具体实施方式

[0027] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0028] 需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

[0029] 下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

[0030] 本实施方式的一种基于TBOX的用户驾驶习惯的能耗预测分析方法，所述方法包括：

[0031] S1、利用TBOX平台从TBOX智能终端中获取用户驾驶习惯数据，作为训练数据集；

[0032] S2、根据各品牌车型分别构建决策树模型；

[0033] S3、利用训练数据集训练决策树模型；

[0034] S4、利用OTA将训练完的决策树模型无线远程更新TBOX智能终端中的相应模型；

[0035] S5、根据用户的目的地，利用TBOX智能终端中的模型计算最优消耗路线；

[0036] S6、TBOX智能终端将计算的最优消耗路线展示给驾驶人。

[0037] 本实施方式的S1中，所述训练数据集包括城市气象信息、道桥坡路、车型适配、司机驾驶行为的数据。

[0038] 本实施方式的城市气象信息包括每个途径路段的环境及气象状况信息，包括环境温度、雨、雪、路面结冰预警信息等；

[0039] 本实施方式的道桥坡路包括途径每个路段的路况、海拔高度和路线特征(比如高速、高架快速路、城市中心干线、微循环小路等)，车型适配包括品牌车型，司机驾驶行为为TBOX平台从TBOX智能终端中获取用户驾驶习惯数据，包括各路段的消耗。

[0040] 本实施方式的S3中，利用随机森林算法训练决策树模型，利用随机森林算法基于多种数据训练数据集构建多棵决策树，组合成一个新的模型，模型的输出结果是所有决策树输出的组合，每棵树的预测结果都视为一张投票，获得投票数最多的类别就是预测的类别。

[0041] 本实施方式的随机森林算法是分类和回归问题中一类常用的融合学习方法，结合了多个机器学习的算法，从而得到了效果更好的模型。预测结果是所有决策树输出的组合，这样能够减少波动，并且提高预测的准确度。本发明简单直观，模型可导出流程树结构视图；

[0042] 本实施方式还提供一种基于TBOX的用户驾驶习惯的能耗预测分析系统，包括：

[0043] 数据导入模块，用于将TBOX平台中的用户驾驶习惯数据导入，作为训练数据集；

[0044] 构建模块，用于根据各品牌车型分别构建决策树模型；

[0045] 训练模块，用于利用训练数据集训练决策树模型；

[0046] 更新模块，用于将训练完的决策树模型更新TBOX智能终端中的相应模型；

[0047] 消耗分析模块，根据用户的目的地，利用TBOX智能终端中的模型计算最优消耗路线；

[0048] 显示模块，用于利用TBOX智能终端将计算的最优消耗路线展示给驾驶人。

[0049] 本实施方式的数据导入模块中，训练数据集包括城市气象信息、道桥坡路、车型适配、司机驾驶行为的数据。

[0050] 本实施方式的训练模块中，利用随机森林算法训练决策树模型，[0051] 利用随机森林算法基于多种数据训练数据集构建多棵决策树，组合成一个新的模型，模型的输出结果是所有决策树输出的组合，每棵树的预测结果都视为一张投票，获得投票数最多的类别就是预测的类别。

[0052] 虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。

标题	发布/更新时间	阅读量
音频信号重采样方法/装置以及音频信号编/解码器	2020-05-13	482
一种基于储层质量主控因素分析的致密砂岩孔隙度、渗透率预测方法	2020-05-14	98
一种沙门氏菌噬菌体SEE-1及其应用	2020-05-14	388
一种历史名城新城区规划辅助设计系统	2020-05-13	969
一种检测阿司匹林中水杨酸含量的方法	2020-05-11	891
一种基于土壤重金属污染途径分析的风险评估方法	2020-05-12	555
一种基于轨道站点的接驳特征分析方法	2020-05-11	972
一种混凝土坝安全监测智能反馈系统及方法	2020-05-12	463
一种基于TBOX的用户驾驶习惯的能耗预测分析系统及方法	2020-05-11	614
一种烟叶病虫害监测系统	2020-05-08	603

一种基于TBOX的用户驾驶习惯的能耗预测分析系统及方法

一种基于TBOX的用户驾驶习惯的能耗预测分析系统及方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：