[发明专利]基于大数据的车辆应用场景分析方法

权利要求书

1.一种基于大数据的车辆应用场景分析方法，其特征在于：包含以下步骤：

S100.进行车型锁定操作，获得每辆车的运营数据；

S200.进行特征字段调研；

S300.进行特征数据计算；

S400.进行主成分分析；

S500.进行聚类分析；

S600.进行分类车辆特征统计；

S700.进行场景识别；

S800.进行终端验证；

S900.输出场景库。

2.根据权利要求1所述的基于大数据的车辆应用场景分析方法，其特征在于：S100具体包含以下步骤：

S110.确定需要进行场景划分的车辆的在用车型和车辆清单；

S120.根据所述车辆清单从车联网平台逐一导出每辆车的所述运营数据；

S130.输出所述运营数据，作为S100的结果。

3.根据权利要求2所述的基于大数据的车辆应用场景分析方法，其特征在于：S200具体包含以下步骤：

S210.通过市场调研，获取的不同场景下的场景要素的差异点；然后通过所述差异点，确定特征字段；所述特征字段包含直接特征和间接特征；

S220.对所述特征字段进行识别，然后将所述特征字段分为所述直接特征和所述间接特征；

S230.对所述特征字段进行拆分，得到拆分后的特征参数值；

S240.输出所述S220～S240得到的所有的特征参数值，作为S200的结果。

4.根据权利要求3所述的基于大数据的车辆应用场景分析方法，其特征在于：S300具体包含以下步骤：

S310.按人工预设的采样频率和采样窗口，获取每辆车的原始数据；

然后进行数据清洗操作；

S320.根据所述特征参数的定义与所述原始数据，进行特征参数值计算操作；

S330.进行特征参数值计算操作，作为S300的结果。

5.根据权利要求4所述的基于大数据的车辆应用场景分析方法，其特征在于：S400具体包含以下步骤：

S410.进行结果清洗操作；

S420.进行归一化处理操作；

S430.调用主成分分析算法进行样本向量特征值计算和特征向量计算；然后按照特征向量矩阵进行主成分坐标转换操作；

S440.输出进行所述主成分坐标转换操作后的所述特征向量矩阵，作为S400的结果。

6.根据权利要求5所述的基于大数据的车辆应用场景分析方法，其特征在于：S500具体包含以下步骤：

S510.进行动态聚类操作，得到不同的聚类效果；

S520.进行聚类评价操作，得到最合适的聚类数；

S530.按照所述最合适的聚类数，再进行所述动态聚类操作；

S540.根据轮廓系数筛选下四分位以上的样本点；去掉所述四分位以下的离群点后，计算聚类中心；

S550.输出划分好的类，作为S500的结果。

7.根据权利要求6所述的基于大数据的车辆应用场景分析方法，其特征在于：S600具体包含以下步骤：

S610.根据S500中所述划分好的类，对每一个类所包含的车辆进行总体特征分布统计操作，得到总体特征、总体特征分布和不同类之间的特征差异；

S620.输出所述总体特征、所述总体特征分布和所述特征差异，作为S600的结果。

8.根据权利要求7所述的基于大数据的车辆应用场景分析方法，其特征在于：S700具体包含以下步骤：

S710.从每个类中，随机选取人工预设个数的底盘号；然后查询每个所述底盘号对应的车辆当月的运营路线；

S720.根据每类车辆的所述运营路线及统计特征判断车辆运营场景；

S730.将所述车辆运营场景与应用场景定义对比，判断每一类车辆与输入的所述应用场景的对应关系；

S740.对于经过S730无法判断每一类车辆与输入的所述应用场景的对应关系的情况，补充特征，然后进行二次聚类操作。