本發(fā)明涉及智能選址，具體涉及一種基于車載終端的數(shù)據(jù)分析方法及系統(tǒng)。

背景技術(shù)：

1、車載終端是一類智能設(shè)備，安裝在車輛內(nèi)部，用于實(shí)時(shí)采集、處理并傳輸車輛和道路信息，如位置、速度和車輛狀態(tài)等，提供遠(yuǎn)程監(jiān)控等服務(wù)，保障行車安全和通行效率。

2、車輛保養(yǎng)或出現(xiàn)故障時(shí)，通常需要車主前往固定的售后服務(wù)站進(jìn)行維修或檢測(cè)處理。售后服務(wù)站的地理位置對(duì)于車主而言非常重要，選擇合適的位置設(shè)立售后站點(diǎn)，能夠有效縮短車主前往維修的路程和時(shí)間，從而顯著提高車主的便利程度，不僅能提高客戶對(duì)售后服務(wù)的滿意度，更有利于提升品牌的整體口碑和市場(chǎng)競(jìng)爭(zhēng)力。

3、而在現(xiàn)有技術(shù)中，通常是基于人工經(jīng)驗(yàn)自主選擇位置設(shè)置售后服務(wù)站，這種方式過(guò)于主觀，缺乏科學(xué)合理的評(píng)估依據(jù)，可能導(dǎo)致站點(diǎn)布局不均衡，造成部分區(qū)域售后服務(wù)資源閑置，而其他區(qū)域則出現(xiàn)服務(wù)站不足的情況。由此不僅無(wú)法有效滿足車主的實(shí)際需求，也會(huì)降低客戶體驗(yàn)和滿意度，進(jìn)而對(duì)企業(yè)的品牌形象及市場(chǎng)競(jìng)爭(zhēng)力產(chǎn)生不利的影響。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于車載終端的數(shù)據(jù)分析方法及系統(tǒng)，解決以下技術(shù)問(wèn)題：

2、在現(xiàn)有技術(shù)中，通常是基于人工經(jīng)驗(yàn)自主選擇位置設(shè)置售后服務(wù)站，這種方式過(guò)于主觀，缺乏科學(xué)合理的評(píng)估依據(jù)，可能導(dǎo)致站點(diǎn)布局不均衡，造成部分區(qū)域售后服務(wù)資源閑置，而其他區(qū)域則出現(xiàn)服務(wù)站不足的情況。由此不僅無(wú)法有效滿足車主的實(shí)際需求，也會(huì)降低客戶體驗(yàn)和滿意度，進(jìn)而對(duì)企業(yè)的品牌形象及市場(chǎng)競(jìng)爭(zhēng)力產(chǎn)生不利的影響。

3、本發(fā)明的目的可以通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

4、一種基于車載終端的數(shù)據(jù)分析方法，包括以下步驟：

5、在預(yù)設(shè)的售后區(qū)域內(nèi)，基于車載終端獲取車輛停車時(shí)的坐標(biāo)，對(duì)所述的坐標(biāo)進(jìn)行聚類得到聚類簇；

6、獲取所述的聚類簇的最小外接圓，記作篩選圓，獲取所述的篩選圓內(nèi)的售后服務(wù)站位置，根據(jù)售后服務(wù)站位置修正聚類簇，得到目標(biāo)簇；

7、獲取目標(biāo)簇內(nèi)售后服務(wù)站的待選位置，獲取所述的目標(biāo)簇的理論重心x，獲取與所述的理論重心x距離最近的待選位置x，獲取任意兩個(gè)售后服務(wù)站與待選位置x組成的三角形面積，若最大三角形面積s≥0.8y，則以所述的待選位置x作為新的售后服務(wù)站位置，y=min（y1，y2），y1、y2分別表示所述的目標(biāo)簇的最小外接圓面積和最小外接矩形面積，min（y1，y2）表示選取y1和y2中的最小值。

8、作為本發(fā)明進(jìn)一步的方案：對(duì)所述的坐標(biāo)進(jìn)行聚類的過(guò)程具體包括：

9、設(shè)置第一半徑d，以坐標(biāo)a為中心，計(jì)算第一半徑d內(nèi)的坐標(biāo)密度，設(shè)置第一密度閾值fys，若所述的坐標(biāo)密度大于等于第一密度閾值，則以所述的坐標(biāo)a為中心，生成聚類半徑為d的初始簇a，獲取初始簇a的理論重心a1，以聚類半徑d內(nèi)的坐標(biāo)密度作為理論重心a1的權(quán)重；

10、設(shè)置第二半徑e，以理論重心i為中心，計(jì)算第二半徑內(nèi)的判斷密度，j表示第二半徑e內(nèi)理論重心的總數(shù)，cj表示第二半徑e內(nèi)第j個(gè)理論重心的權(quán)重，若所述的判斷密度h≥fys，以所述的理論重心i為中心，生成聚類半徑為e的聚類簇，fys表示預(yù)設(shè)的第二密度閾值，且fys＞fys。

11、作為本發(fā)明進(jìn)一步的方案：生成聚類簇的過(guò)程中，還包括以下步驟：

12、若所述的判斷密度h＜fys，則將所述的第二半徑e內(nèi)的理論重心標(biāo)記為待定重心；

13、以所述的待定重心為中心，計(jì)算第一半徑d內(nèi)的坐標(biāo)密度，記作待定密度，在預(yù)設(shè)的第一半徑范圍內(nèi)，以預(yù)設(shè)的第一半徑修正值d1增大第一半徑d，η為預(yù)設(shè)系數(shù)且η＞1，并在每次增大第一半徑后得到新的待定密度；

14、獲取單個(gè)待定重心的最大待定密度，若所述的最大待定密度大于等于3fys，獲取最大待定密度對(duì)應(yīng)的第一半徑d，以所述的待定重心為中心，生成聚類半徑為d的聚類簇。

15、作為本發(fā)明進(jìn)一步的方案：根據(jù)售后服務(wù)站位置修正聚類簇，得到目標(biāo)簇的過(guò)程具體包括：

16、設(shè)置篩選半徑r，以所述的售后服務(wù)站位置為圓心，計(jì)算篩選半徑r內(nèi)的坐標(biāo)密度p；

17、設(shè)置坐標(biāo)密度閾值pys，若所述的坐標(biāo)密度p＞pys，則以預(yù)設(shè)的速度緩慢增大所述的篩選半徑r，直至某次調(diào)整篩選半徑后，對(duì)應(yīng)的篩選圓內(nèi)的坐標(biāo)密度p1＝pys；若所述的坐標(biāo)密度p＜pys，則以所述的速度緩慢減小所述的篩選半徑r，直至某次調(diào)整篩選半徑后，對(duì)應(yīng)的篩選圓內(nèi)的坐標(biāo)密度p1＝pys；

18、當(dāng)篩選圓內(nèi)的坐標(biāo)密度等于pys時(shí)，去除篩選圓內(nèi)的坐標(biāo)，得到新的聚類簇，記作目標(biāo)簇。

19、作為本發(fā)明進(jìn)一步的方案：以所述的待選位置x作為新的售后服務(wù)站位置后，還包括以下步驟：

20、設(shè)置最大三角形面積閾值sys，若最大三角形面積s≥sys，執(zhí)行以下步驟：

21、對(duì)所述的三角形面積進(jìn)行降序排序得到第一排序，從所述的第一排序中首位的三角形面積開(kāi)始，確定首個(gè)小于sys的三角形面積，記作目標(biāo)面積，將所述的目標(biāo)面積對(duì)應(yīng)的三角形作為目標(biāo)三角形，將目標(biāo)三角形內(nèi)的坐標(biāo)點(diǎn)去除，得到新的目標(biāo)簇z；

22、獲取目標(biāo)簇z的理論重心z，基于所述的理論重心z再次確定新的售后服務(wù)站位置。

23、作為本發(fā)明進(jìn)一步的方案：若全部的待選位置均被作為新的售后服務(wù)站位置，則發(fā)送信息進(jìn)行上報(bào)，并由人工進(jìn)行選擇。

24、作為本發(fā)明進(jìn)一步的方案：若某一目標(biāo)簇內(nèi)不存在售后服務(wù)站，與目標(biāo)簇的理論重心距離最近的待選位置作為新的售后服務(wù)站位置。

25、一種基于車載終端的數(shù)據(jù)分析系統(tǒng)，包括：

26、聚類模塊：在預(yù)設(shè)的售后區(qū)域內(nèi)，基于車載終端獲取車輛停車時(shí)的坐標(biāo)，對(duì)所述的坐標(biāo)進(jìn)行聚類得到聚類簇；

27、聚類優(yōu)化模塊：獲取所述的聚類簇的最小外接圓，記作篩選圓，獲取所述的篩選圓內(nèi)的售后服務(wù)站位置，根據(jù)售后服務(wù)站位置修正聚類簇，得到目標(biāo)簇；

28、選擇模塊：獲取目標(biāo)簇內(nèi)售后服務(wù)站的待選位置，獲取所述的目標(biāo)簇的理論重心x，獲取與所述的理論重心x距離最近的待選位置x，獲取任意兩個(gè)售后服務(wù)站與待選位置x組成的三角形面積，若最大三角形面積s≥0.8y，則以所述的待選位置x作為新的售后服務(wù)站位置，y=min（y1，y2），y1、y2分別表示所述的目標(biāo)簇的最小外接圓面積和最小外接矩形面積，min（y1，y2）表示選取y1和y2中的最小值。

29、本發(fā)明的有益效果：相較于現(xiàn)有技術(shù)，本發(fā)明中首先通過(guò)設(shè)置第一半徑d與第一密度閾值fys來(lái)對(duì)車輛停車坐標(biāo)進(jìn)行初步聚類，形成初始簇并計(jì)算出理論重心a1，并以坐標(biāo)密度作為重心權(quán)重的好處在于，它能夠在數(shù)據(jù)量較大、分布較為分散的情況下，對(duì)熱點(diǎn)區(qū)域先行識(shí)別并鎖定，從而大幅提高后續(xù)聚類運(yùn)算的效率和準(zhǔn)確性；接著在第二半徑e與第二密度閾值fys的基礎(chǔ)上，通過(guò)計(jì)算判斷密度h并與fys進(jìn)行比較，若h≥fys則生成新的聚類簇，可以有效地剔除噪聲點(diǎn)并對(duì)聚類半徑進(jìn)行更精細(xì)的尺度控制；若h＜fys，則將這些重心標(biāo)記為待定重心，并在隨后的半徑擴(kuò)張范圍內(nèi)逐步增大第一半徑d，通過(guò)預(yù)設(shè)的第一半徑修正值d1反復(fù)對(duì)其進(jìn)行調(diào)整，以尋找能夠使待定重心滿足3fys的最大待定密度閾值，當(dāng)找到該閾值后便能利用實(shí)際數(shù)據(jù)分布的梯度變化來(lái)劃分出最能代表局部熱點(diǎn)的有效聚類簇，這種逐級(jí)修正的做法減少了因?yàn)橐淮涡怨潭ò霃蕉鴮?dǎo)致的聚類劃分粗糙或過(guò)度的風(fēng)險(xiǎn)，從而讓目標(biāo)簇更貼近車輛真實(shí)分布情況；隨后獲取聚類簇的最小外接圓并稱為篩選圓，結(jié)合已有的售后服務(wù)站位置來(lái)修正聚類簇，通過(guò)設(shè)置篩選半徑r并與坐標(biāo)密度閾值pys進(jìn)行比較，從而決定對(duì)篩選半徑r進(jìn)行緩慢增大或減小的策略，這種按需調(diào)整的機(jī)制可以在確保提取出的目標(biāo)簇恰好保持在均衡密度水平的同時(shí)，又避免人為主觀指定半徑帶來(lái)的偏差，進(jìn)而保證了剔除掉的坐標(biāo)點(diǎn)準(zhǔn)確指向那些在售后服務(wù)布局中意義不大的區(qū)域；在對(duì)目標(biāo)簇進(jìn)行進(jìn)一步分析時(shí)，基于該目標(biāo)簇內(nèi)售后服務(wù)站的待選位置以及與理論重心x距離最近的待選位置x，通過(guò)計(jì)算與該位置相關(guān)的任意兩個(gè)售后服務(wù)站形成的三角形面積，若其最大三角形面積s滿足s≥0.8y，則直接將x作為新的售后服務(wù)站位置，保證了新站點(diǎn)的選址在滿足覆蓋需求的同時(shí)具備更高的穩(wěn)定性和區(qū)分度；接下來(lái)引入最大三角形面積閾值sys，通過(guò)對(duì)所有三角形面積進(jìn)行降序排列并逐一對(duì)比，當(dāng)發(fā)現(xiàn)首個(gè)小于sys的面積時(shí)，剔除對(duì)應(yīng)三角形內(nèi)的坐標(biāo)點(diǎn)得到新的目標(biāo)簇z，再次獲取該目標(biāo)簇z的理論重心z并據(jù)此修正或確定新的售后服務(wù)站位置，有助于在排除掉對(duì)服務(wù)布局貢獻(xiàn)度不足或呈邊緣分布的坐標(biāo)點(diǎn)后，實(shí)現(xiàn)對(duì)整個(gè)售后區(qū)域進(jìn)行更優(yōu)的網(wǎng)絡(luò)化布點(diǎn)安排，為最終降低售后成本、提高服務(wù)可及性和資源利用率提供了精準(zhǔn)的數(shù)據(jù)支撐與算法支撐。