[发明专利]一种基于TBOX的用户驾驶习惯的能耗预测分析系统及方法

说明书

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。

技术领域

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

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。

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

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。

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：

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。

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。

作为优选，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。

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：

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。

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。

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，