本发明涉及数据挖掘，尤其涉及一种车联网智能路径规划方法、系统及管理平台。
背景技术：
1、车联网智能路径规划方法的背景可以追溯到20世纪末和21世纪初，当时随着信息技术的飞速发展，物联网和智能交通系统开始成为学术界和工业界关注的热点。早期的车联网概念主要集中在基础设施和车辆之间的简单数据交换，如车辆位置跟踪和远程监控。然而，这些系统往往缺乏互操作性和实时性，限制了其在实际应用中的广泛采用。随着移动通信技术的发展(如2g、3g，后来是4g和5g网络的普及)，以及传感器技术的进步，车辆和交通基础设施能够更加高效地进行实时数据交换。这为智能运营系统的建立奠定了基础。2000年代初，一些先进的城市开始实验性地引入智能交通管理系统，旨在通过实时数据采集和分析来优化交通流动性和减少拥堵。随着时间的推移，智能交通系统逐渐演变为更为复杂和全面的车联网智能路径规划方法。这些系统不仅涉及车辆位置和路径规划，还包括车辆健康状况监测、乘客信息服务、车辆安全管理等多方面内容。云计算和大数据分析的兴起为车联网系统提供了强大的数据处理能力，使得从大规模数据中提取有价值的信息变得更加可行。传统车联网运营方法通常局限于基本的数据收集和显示功能，缺乏深度的数据分析和智能决策支持。这意味着系统不能够充分利用大数据和人工智能技术，进行复杂场景下的预测、优化和自动化决策，从而限制了系统在复杂环境中的应用和效果。同时传统车联网运营方法在数据采集、传输和处理上往往存在延迟，无法实现实时监控和响应。这对于需要快速决策的应用场景(如交通管理中的拥堵疏导或紧急情况下的救援响应)尤为显著。较低的实时性和响应速度会导致系统反应不及时或效率低下，影响运营的实际效果和用户体验。
技术实现思路
1、基于此，本发明有必要提供车联网智能路径规划方法、系统及管理平台，以解决至少一个上述技术问题。
2、为实现上述目的，一种车联网智能路径规划方法，包括以下步骤：
3、步骤s1：获取区域车联网数据，对区域车联网数据进行异常交通状况分析，从而获得异常交通状况数据；
4、步骤s2：根据区域车联网数据以及异常交通状况数据进行区域道路环境数字化建模，从而获得区域道路环境模型，并根据区域道路环境模型进行交通流量预测，从而获得区域交通流量预测数据；
5、步骤s3：获取实时车辆车联网数据，并对实时车辆车联网数据进行车辆能耗特征提取以及车辆导航需求特征提取，从而获得车辆能耗数据以及车辆导航需求数据；对车辆能耗数据以及车辆导航需求数据进行车辆路径规划，从而获得车辆路径规划数据集；
6、步骤s4：根据区域交通流量预测数据对车辆路径规划数据集进行最优车辆路径选择，从而获得最优车辆路径数据集，并将最优车辆路径数据集上传至车联网平台，以执行路径推荐任务；
7、步骤s5：获取实时车辆路径选择数据，并根据区域交通流量预测数据以及车辆能耗数据对实时车辆路径选择数据进行车辆路径环境预测，从而获得车辆路径环境数据；根据车辆路径环境数据进行车辆语言播报策略分析，从而获得车辆语言播报数据，并上传至车联网平台，以执行车辆语言播报任务。
8、本发明通过对区域车联网数据进行异常交通状况分析，系统可以实时识别和定位交通拥堵、事故或其他异常情况。这种实时的异常检测有助于交通管理者快速响应，及时采取措施减少拥堵或疏导车流。通过建立区域道路环境模型，并基于该模型进行交通流量预测，系统能够精确预测未来的交通状况。这为交通管理者提供了重要的决策支持，例如优化信号灯控制、调整道路使用政策或提供实时导航建议，从而最大程度地减少拥堵和提升交通效率。通过实时提取车辆的能耗特征和导航需求特征，系统可以为每辆车辆个性化规划最优路径。这不仅有助于减少车辆之间的碰撞和能耗，还能提升乘客的舒适度和安全性。基于区域交通流量预测数据，系统能够为每辆车选择最优路径，并将这些路径数据上传至车联网平台。这样的路径推荐任务可以减少总体行车时间、燃料消耗和环境污染，同时提升道路的整体流动性。通过预测实时车辆路径的环境情况，并根据这些数据进行车辆语言播报策略分析，系统能够提供更智能和个性化的服务。例如，根据路况变化实时调整导航建议或提供重要的警示信息，以帮助驾驶员安全、高效地完成行程。综上所述，车联网智能路径规划方法的每个步骤都在不同层面上增强了交通管理的能力和效率。从实时异常检测到个性化路径规划和智能语音播报，这些技术和方法的结合有助于优化城市交通流动性、提升用户出行体验，并在紧急情况下提供迅速而有效的应对措施。
9、可选地，步骤s1具体为：
10、步骤s11：获取区域车联网数据，并根据区域车辆网数据进行区域交通特征提取，从而获得区域交通数据；
11、步骤s12：对区域交通数据进行交通网络分类，从而获得桥梁交通数据以及道路交通数据；
12、步骤s13：对桥梁交通数据进行桥梁异常交通状况分析，从而获得桥梁异常交通数据；
13、步骤s14：对桥梁异常交通数据以及道路交通数据进行道路异常交通状况分析，从而获得道路异常交通数据；
14、步骤s15：根据道路异常交通数据以及桥梁异常交通数据对区域交通数据进行异常交通路段标记，从而获得异常交通状况数据。
15、本发明通过区域车联网(v2x)数据，可以实时获取到车辆的位置、速度、行驶方向等信息，这些数据是实现交通管理的基础。根据车联网数据，可以分析区域内的交通流量、密度、流速等交通特征，帮助理解和描述区域交通状况。将区域内的道路网络和桥梁网络进行分类，可以有针对性地分析不同类别的交通数据。分类后可以更精确地分析桥梁和道路的交通状况，有助于后续的异常检测和管理。监测桥梁上的交通数据，例如车辆密度、车速变化等，检测是否存在异常情况(如拥堵、事故等)，可以及时发现桥梁上的交通安全隐患，采取预防或应急措施，保障桥梁结构和交通安全。分析道路上的交通流量、车速等数据，检测是否出现异常情况，如交通拥堵、违规停车等。通过异常检测结果，可以优化信号灯控制、路线规划等，改善道路交通状况，提升通行效率。结合道路和桥梁的异常交通数据，标记出具体的异常交通路段，可以提供决策者有关如何调度交通资源、如何响应交通事件的重要信息，以改善整体的区域交通管理。
16、可选地，步骤s13具体为：
17、步骤s131：对桥梁交通数据进行车辆流量特征提取以及桥梁结构健康特征提取，从而获得桥梁车辆流量数据以及桥梁结构健康数据；
18、步骤s132：对桥梁结构健康数据进行频谱转换，从而获得桥梁健康频谱，并对桥梁健康频谱进行最高结构挠度峰值统计，从而获得最高结构挠度峰值频谱；
19、步骤s133：对最高结构挠度峰值频谱进行逆傅里叶变换，从而获得最高桥梁结构健康数据；
20、步骤s134：对桥梁车辆流量数据进行桥梁车辆平均车速计算，从而获得桥梁平均车速数据，并对桥梁平均车速数据进行车辆低速时段统计，从而获得桥梁车辆低速时段数据；
21、步骤s135：对桥梁车辆低速时段数据以及最高桥梁结构健康数据进行时段关联，从而获得桥梁交通异常时段数据；
22、步骤s136：对桥梁交通异常时段数据进行交通特征提取，从而获得桥梁异常交通数据。
23、本发明通过分析桥梁上的车辆流量数据，可以获取桥梁上不同时间段内的车流量情况，包括高峰期、低峰期等，有助于评估桥梁的交通负荷和通行能力。分析桥梁结构的传感器数据或监测数据，提取出桥梁结构的健康指标，如挠度、应力等，评估桥梁的结构健康状况。将桥梁结构健康数据进行频谱转换，得到频域上的结构健康数据，这有助于检测桥梁结构中的异常或故障信号。确定在频谱中的最高挠度峰值，即桥梁结构的最大变形程度，这是评估桥梁结构承载能力和安全性的重要指标。将最高结构挠度峰值频谱反转回时域，以获取具体的桥梁结构健康数据，如最高挠度的时间和位置信息，有助于进一步分析和处理结构健康问题。分析车辆流量数据，计算出桥梁上的平均车速，用以评估交通流畅度和效率。识别桥梁上车辆低速通行的时间段，帮助分析可能的交通拥堵或异常情况。将桥梁上的低速时段数据与结构健康数据进行关联，以确定是否有结构健康问题与交通异常时段相关联。确定桥梁上的交通异常时段，即结构健康问题可能导致的交通异常表现，如交通堵塞、通行速度下降等。从异常时段数据中提取出具体的交通特征，如车流密度变化、车速降低等，有助于识别和描述交通异常的具体表现。提供有关桥梁交通异常情况的详细数据，为进一步的管理和修复工作提供依据。
24、可选地，步骤s14具体为：
25、步骤s141：基于道路交通数据进行区域道路网络构建，从而获得区域道路网络；
26、步骤s142：对区域道路网络进行高车流量统计，从而获得高车流量路段数据；
27、步骤s143：基于桥梁交通数据对区域道路网络进行桥梁道路区域划分，从而获得桥梁道路区域数据；
28、步骤s144：根据桥梁异常交通数据对桥梁道路区域数据进行桥梁道路区域异常交通标记，从而获得桥梁道路区域异常交通数据；
29、步骤s145：根据高车流量路段数据对区域道路网络进行路段堵塞度评估，从而获得堵塞路段交通数据；
30、步骤s146：对堵塞路段交通数据以及桥梁道路区域异常交通数据进行空间合并，从而获得道路异常交通数据。
31、本发明基于实际的道路交通数据，建立精确的区域道路网络模型，包括道路的拓扑结构、连接关系及属性信息。整合不同来源的道路数据，确保道路网络的完整性和准确性，为后续分析提供可靠的基础数据。通过对区域道路网络进行车流量统计，识别出车流量较高的特定路段，这些路段是交通拥堵的主要瓶颈，提供了定位交通瓶颈的数据支持，有助于优化交通管理和规划，改善道路通行效率。结合桥梁交通数据，将区域道路网络分成不同的桥梁道路区域，这种划分基于桥梁对整体道路网络交通流的影响，有助于针对桥梁所在的道路区域进行精细化的交通分析和管理，识别特定区域内的交通异常情况。根据桥梁异常交通数据，将有异常情况的桥梁道路区域进行标记，如交通拥堵、事故多发等情况，提供了即时的交通异常信息，有利于快速定位和响应桥梁所在区域的交通问题。基于高车流量路段数据，对区域道路网络中的每个路段进行堵塞度评估，量化路段的通行效率和拥堵程度。根据评估结果，制定有效的交通管理策略和调度措施，优化道路的交通流动性。将高车流量路段数据和桥梁道路区域异常交通数据进行空间整合和分析，找出两者之间的关联性和影响。提供综合的道路异常交通数据，揭示不同因素(如结构健康、交通量)对道路系统运行的复杂影响，有助于全面理解和解决交通问题。
32、可选地，步骤s2具体为：
33、步骤s21：对区域车联网数据进行区域道路空间特征提取，从而获得区域道路空间数据；
34、步骤s22：基于区域道路空间数据进行三维空间坐标系构建，从而获得区域三维空间坐标系；
35、步骤s23：对异常交通状况数据进行独热编码，从而获得交通状况编码数据；
36、步骤s24：根据交通状况编码数据对区域三维空间坐标系进行空间编码映射，从而获得区域道路环境模型；
37、步骤s25：对区域道路环境模型进行道路交通流量蒙特卡罗模拟，从而获得道路交通流量模拟数据；
38、步骤s26：根据道路交通流量模拟数据进行交通流量预测，从而获得区域交通流量预测数据。
39、本发明从车联网数据中提取道路空间特征，这些特征包括道路宽度、弯曲程度、交叉口位置等。对车联网数据进行初步处理，为后续步骤提供干净且具有代表性的数据集。发现和理解不同区域道路空间特征之间的关联性，为三维空间坐标系构建奠定基础。基于区域道路空间数据，建立精确的三维空间坐标系模型，考虑道路的立体空间结构和特征。提高空间数据的精度和准确性，为后续的交通状况编码和模拟提供可靠的空间参考。将异常交通状况数据转换为独热编码形式，使得每种交通状态都可以用向量表示。方便机器学习算法处理，提高数据的表达能力和模型的训练效果。根据交通状况编码数据，将其映射到区域三维空间坐标系上，形成区域道路环境模型。分析不同交通状况在空间上的分布和时序变化，帮助理解道路交通的动态特性。使用蒙特卡罗模拟方法生成道路交通流量的可能性分布，考虑随机性因素对交通流量的影响。评估不同交通状况下的道路流量分布，量化预测结果的置信度和可靠性。基于道路交通流量模拟数据，进行区域交通流量的长期和短期预测。提供交通管理者和规划者未来交通流量变化的预测数据，支持交通流量优化、道路规划和资源分配决策。
40、可选地，步骤s3具体为：
41、步骤s31：获取实时车辆车联网数据，并对实时车辆车联网数据进行车辆能耗特征提取以及车辆导航需求特征提取，从而获得车辆能耗数据以及车辆导航需求数据；
42、步骤s32：通过区域道路环境模型对车辆导航需求数据进行车辆导航路径规划，从而获得车辆导航路径数据集；
43、步骤s33：对区域道路环境模型进行能源补给站空间特征提取，从而获得能源补给站位置数据；
44、步骤s34：根据能源补给站位置数据对车辆导航路径数据集进行能源补给站位置标记，从而获得车辆路径数据集；
45、步骤s35：根据车辆能耗数据对车辆路径数据集进行车辆导航路径筛选，从而获得车辆路径规划数据集。
46、本发明从实时车联网数据中提取车辆的能耗相关特征，例如车速、加速度、负载等。这些特征有助于理解车辆的能耗模式和消耗情况。提取导航相关的特征，如起点、终点、途径地点等，以及导航优先级和时间限制。这些信息帮助确定车辆导航的具体需求和约束条件。基于区域道路环境模型和车辆导航需求数据，进行车辆导航路径规划。这包括确定最佳路径，考虑道路条件、交通状况和导航约束。提高导航路径的效率和准确性，减少车辆行驶时间和能源消耗，同时满足导航需求的约束条件。从区域道路环境模型中提取能源补给站的空间特征，如位置、容量、服务范围等，为车辆路径规划提供能源补给站的位置和相关信息，以便后续在路径规划中考虑能源补给的需求。根据能源补给站的位置数据，将其标记在车辆导航路径数据集中。这样车辆在导航过程中可以考虑在哪些点进行能源补给。可以提高路径规划的实用性和全面性，确保车辆在长途行驶中有足够的能源支持。根据车辆能耗数据，对候选的车辆路径数据集进行筛选和优化。选择能耗较低的路径作为最终的车辆导航路径。通过减少能耗高的路径选项，提高车辆的能效和行驶效率，降低运营成本和环境影响。
47、可选地，步骤s35具体为：
48、步骤s351：对实时车辆车联网数据进行车辆剩余能源特征提取，从而获得实时车辆剩余能源数据；
49、步骤s352：根据实时车辆剩余能源数据以及车辆能耗数据进行车辆剩余里程计算，从而获得车辆剩余里程数据；
50、步骤s353：对车辆剩余里程数据以及车辆路径数据集进行路径完成度估计，从而获得路径预计完成度数据；
51、步骤s354：根据路径预计完成度数据对车辆路径数据集进行分类计算，从而获得剩余里程充足路径数据以及剩余里程不足路径数据；
52、步骤s355：对车辆剩余里程数据以及剩余里程不足路径数据进行车辆能源补给及时度估计，从而获得车辆能源补给预计及时度数据；
53、步骤s356：根据车辆能源补给预计及时度数据对剩余里程不足路径数据进行聚类计算，从而获得可能源补给路径数据；
54、步骤s357：对剩余里程充足路径数据以及可能源补给路径数据进行数据合并，从而获得车辆路径规划数据集。
55、本发明从实时车联网数据中提取车辆的剩余能源特征，如电量、油量等。这些特征用于评估车辆当前的能源状态。结合实时剩余能源数据和车辆能耗数据，计算车辆当前能够行驶的剩余里程。这提供了对车辆可用能源的实时估计。评估车辆在当前剩余能源下能够完成路径的概率或完成程度，这有助于预测车辆是否能够按照计划完成行程。根据路径预计完成度数据，将车辆路径数据集分类为剩余里程充足路径和剩余里程不足路径。确保车辆在导航时优先选择剩余里程充足的路径，减少因能源不足而导致的行程中断或需要额外能源补给的情况。对剩余里程不足的路径数据进行能源补给的及时度估计。即预测在当前路径上何时需要进行能源补给。根据能源补给预计及时度数据，对剩余里程不足路径进行聚类分析。这有助于确定最佳的能源补给策略和位置。将剩余里程充足路径数据和可能源补给路径数据进行合并，形成完整的车辆路径规划数据集，在考虑能源状态和补给需求的情况下，为车辆提供最优的导航路径选择，可以保证行程的顺利进行和最低的能源消耗。
56、可选地，步骤s4具体为：
57、步骤s41：根据车辆路径规划数据集对区域交通流量预测数据进行规划路径交通流量数据提取，从而获得规划路径交通流量预测数据；
58、步骤s42：根据规划路径交通流量预测数据对车辆路径规划数据集进行完成时间预测，从而获得车辆规划路径完成时间数据；
59、步骤s43：根据车辆规划路径完成时间数据对车辆路径规划数据集进行最短时间路径选择，从而获得最短时间路径数据；
60、步骤s44：对车辆能耗数据进行车辆待机能耗特征提取，从而获得车辆待机能耗数据；
61、步骤s45：根据车辆待机能耗数据对规划路径交通流量预测数据进行车辆能耗预测，从而获得车辆规划路径能耗数据；
62、步骤s46：根据车辆规划路径能耗数据对车辆路径规划数据集进行最短能耗路径选择，从而获得最低能耗路径数据；
63、步骤s47：对最短时间路径数据以及最低能耗路径数据进行数据合并，从而获得最优车辆路径数据集，并将最优车辆路径数据集上传至车联网平台，以执行路径推荐任务。
64、本发明基于车辆路径规划数据和区域交通流量预测数据，提取规划路径的交通流量预测数据。这有助于预测道路交通状况，为路径规划提供参考。根据规划路径交通流量预测数据，预测车辆在该路径上的完成时间。这可以帮助车辆和驾驶员更好地规划行程时间。在考虑完成时间预测的基础上，选择车辆规划路径中最短时间的路径。这有助于减少行驶时间，提高效率。通过对车辆能耗数据进行分析，提取车辆的待机能耗数据。这可用于评估车辆在停车状态下的能耗情况。基于待机能耗数据和规划路径交通流量预测数据，预测车辆在规划路径上的能耗情况。这为车辆能源管理提供重要参考。结合车辆规划路径能耗数据，选择能耗最低的路径。这有助于减少能源消耗，延长续航里程。将最短时间路径数据和最低能耗路径数据合并成最优车辆路径数据集，并上传至车联网平台，以执行路径推荐任务。这可以为车辆提供最佳的导航推荐，促进交通效率和能源节约。
65、可选地，本说明书还提供一种车联网智能路径规划系统，用于执行如上所述的一种车联网智能路径规划方法，该车联网智能路径规划系统包括：
66、异常交通状况分析模块，用于获取区域车联网数据，对区域车联网数据进行异常交通状况分析，从而获得异常交通状况数据；
67、道路环境建模模块，用于根据区域车联网数据以及异常交通状况数据进行区域道路环境数字化建模，从而获得区域道路环境模型，并根据区域道路环境模型进行交通流量预测，从而获得区域交通流量预测数据；
68、车辆路径规划模块，用于获取实时车辆车联网数据，并对实时车辆车联网数据进行车辆能耗特征提取以及车辆导航需求特征提取，从而获得车辆能耗数据以及车辆导航需求数据；对车辆能耗数据以及车辆导航需求数据进行车辆路径规划，从而获得车辆路径规划数据集；
69、最优车辆路径选择模块，用于根据区域交通流量预测数据对车辆路径规划数据集进行最优车辆路径选择，从而获得最优车辆路径数据集，并将最优车辆路径数据集上传至车联网平台，以执行路径推荐任务；
70、语言播报策略分析模块，用于获取实时车辆路径选择数据，并根据区域交通流量预测数据以及车辆能耗数据对实时车辆路径选择数据进行车辆路径环境预测，从而获得车辆路径环境数据；根据车辆路径环境数据进行车辆语言播报策略分析，从而获得车辆语言播报数据，并上传至车联网平台，以执行车辆语言播报任务。
71、本发明的车联网智能路径规划系统，该系统能够实现本发明任意一种车联网智能路径规划方法，用于联合各个模块之间的操作与信号传输的媒介，以完成车联网智能路径规划方法，系统内部模块互相协作，从而提高车辆运营的运输效率。
72、可选地，本说明书还提供一种智能运营管理平台，包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机控制程序，用于执行如上所述的车联网智能路径规划方法。
1.一种车联网智能路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的车联网智能路径规划方法，其特征在于，步骤s1具体为：
3.根据权利要求2所述的车联网智能路径规划方法，其特征在于，步骤s13具体为：
4.根据权利要求2所述的车联网智能路径规划方法，其特征在于，步骤s14具体为：
5.根据权利要求1所述的车联网智能路径规划方法，其特征在于，步骤s2具体为：
6.根据权利要求1所述的车联网智能路径规划方法，其特征在于，步骤s3具体为：
7.根据权利要求6所述的车联网智能路径规划方法，其特征在于，步骤s35具体为：
8.根据权利要求1所述的车联网智能路径规划方法，其特征在于，步骤s4具体为：
9.一种车联网智能路径规划系统，其特征在于，用于执行如权利要求1所述的车联网智能路径规划方法，该车联网智能路径规划系统包括：
10.一种智能运营管理平台，其特征在于，包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机控制程序，用于执行如权利要求1所述的车联网智能路径规划方法。
