本發明涉及智能選址，具體涉及一種基于車載終端的數據分析方法及系統。
背景技術：
1、車載終端是一類智能設備，安裝在車輛內部，用于實時采集、處理并傳輸車輛和道路信息，如位置、速度和車輛狀態等，提供遠程監控等服務，保障行車安全和通行效率。
2、車輛保養或出現故障時，通常需要車主前往固定的售后服務站進行維修或檢測處理。售后服務站的地理位置對于車主而言非常重要，選擇合適的位置設立售后站點，能夠有效縮短車主前往維修的路程和時間，從而顯著提高車主的便利程度，不僅能提高客戶對售后服務的滿意度，更有利于提升品牌的整體口碑和市場競爭力。
3、而在現有技術中，通常是基于人工經驗自主選擇位置設置售后服務站，這種方式過于主觀，缺乏科學合理的評估依據，可能導致站點布局不均衡，造成部分區域售后服務資源閑置，而其他區域則出現服務站不足的情況。由此不僅無法有效滿足車主的實際需求，也會降低客戶體驗和滿意度，進而對企業的品牌形象及市場競爭力產生不利的影響。
技術實現思路
1、本發明的目的在于提供一種基于車載終端的數據分析方法及系統，解決以下技術問題：
2、在現有技術中，通常是基于人工經驗自主選擇位置設置售后服務站，這種方式過于主觀，缺乏科學合理的評估依據，可能導致站點布局不均衡，造成部分區域售后服務資源閑置，而其他區域則出現服務站不足的情況。由此不僅無法有效滿足車主的實際需求，也會降低客戶體驗和滿意度，進而對企業的品牌形象及市場競爭力產生不利的影響。
3、本發明的目的可以通過以下技術方案實現：
4、一種基于車載終端的數據分析方法，包括以下步驟：
5、在預設的售后區域內，基于車載終端獲取車輛停車時的坐標，對所述的坐標進行聚類得到聚類簇；
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的售后服務站位置，根據售后服務站位置修正聚類簇，得到目標簇；
7、獲取目標簇內售后服務站的待選位置，獲取所述的目標簇的理論重心x，獲取與所述的理論重心x距離最近的待選位置x，獲取任意兩個售后服務站與待選位置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作為新的售后服務站位置，y=min（y1，y2），y1、y2分別表示所述的目標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、作為本發明進一步的方案：對所述的坐標進行聚類的過程具體包括：
9、設置第一半徑d，以坐標a為中心，計算第一半徑d內的坐標密度，設置第一密度閾值fys，若所述的坐標密度大于等于第一密度閾值，則以所述的坐標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內的坐標密度作為理論重心a1的權重；
10、設置第二半徑e，以理論重心i為中心，計算第二半徑內的判斷密度，j表示第二半徑e內理論重心的總數，cj表示第二半徑e內第j個理論重心的權重，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表示預設的第二密度閾值，且fys＞fys。
11、作為本發明進一步的方案：生成聚類簇的過程中，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內的理論重心標記為待定重心；
13、以所述的待定重心為中心，計算第一半徑d內的坐標密度，記作待定密度，在預設的第一半徑范圍內，以預設的第一半徑修正值d1增大第一半徑d，η為預設系數且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應的第一半徑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、作為本發明進一步的方案：根據售后服務站位置修正聚類簇，得到目標簇的過程具體包括：
16、設置篩選半徑r，以所述的售后服務站位置為圓心，計算篩選半徑r內的坐標密度p；
17、設置坐標密度閾值pys，若所述的坐標密度p＞pys，則以預設的速度緩慢增大所述的篩選半徑r，直至某次調整篩選半徑后，對應的篩選圓內的坐標密度p1＝pys；若所述的坐標密度p＜pys，則以所述的速度緩慢減小所述的篩選半徑r，直至某次調整篩選半徑后，對應的篩選圓內的坐標密度p1＝pys；
18、當篩選圓內的坐標密度等于pys時，去除篩選圓內的坐標，得到新的聚類簇，記作目標簇。
19、作為本發明進一步的方案：以所述的待選位置x作為新的售后服務站位置后，還包括以下步驟：
20、設置最大三角形面積閾值sys，若最大三角形面積s≥sys，執行以下步驟：
21、對所述的三角形面積進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始，確定首個小于sys的三角形面積，記作目標面積，將所述的目標面積對應的三角形作為目標三角形，將目標三角形內的坐標點去除，得到新的目標簇z；
22、獲取目標簇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站位置。
23、作為本發明進一步的方案：若全部的待選位置均被作為新的售后服務站位置，則發送信息進行上報，并由人工進行選擇。
24、作為本發明進一步的方案：若某一目標簇內不存在售后服務站，與目標簇的理論重心距離最近的待選位置作為新的售后服務站位置。
25、一種基于車載終端的數據分析系統，包括：
26、聚類模塊：在預設的售后區域內，基于車載終端獲取車輛停車時的坐標，對所述的坐標進行聚類得到聚類簇；
27、聚類優化模塊：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的售后服務站位置，根據售后服務站位置修正聚類簇，得到目標簇；
28、選擇模塊：獲取目標簇內售后服務站的待選位置，獲取所述的目標簇的理論重心x，獲取與所述的理論重心x距離最近的待選位置x，獲取任意兩個售后服務站與待選位置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作為新的售后服務站位置，y=min（y1，y2），y1、y2分別表示所述的目標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、本發明的有益效果：相較于現有技術，本發明中首先通過設置第一半徑d與第一密度閾值fys來對車輛停車坐標進行初步聚類，形成初始簇并計算出理論重心a1，并以坐標密度作為重心權重的好處在于，它能夠在數據量較大、分布較為分散的情況下，對熱點區域先行識別并鎖定，從而大幅提高后續聚類運算的效率和準確性；接著在第二半徑e與第二密度閾值fys的基礎上，通過計算判斷密度h并與fys進行比較，若h≥fys則生成新的聚類簇，可以有效地剔除噪聲點并對聚類半徑進行更精細的尺度控制；若h＜fys，則將這些重心標記為待定重心，并在隨后的半徑擴張范圍內逐步增大第一半徑d，通過預設的第一半徑修正值d1反復對其進行調整，以尋找能夠使待定重心滿足3fys的最大待定密度閾值，當找到該閾值后便能利用實際數據分布的梯度變化來劃分出最能代表局部熱點的有效聚類簇，這種逐級修正的做法減少了因為一次性固定半徑而導致的聚類劃分粗糙或過度的風險，從而讓目標簇更貼近車輛真實分布情況；隨后獲取聚類簇的最小外接圓并稱為篩選圓，結合已有的售后服務站位置來修正聚類簇，通過設置篩選半徑r并與坐標密度閾值pys進行比較，從而決定對篩選半徑r進行緩慢增大或減小的策略，這種按需調整的機制可以在確保提取出的目標簇恰好保持在均衡密度水平的同時，又避免人為主觀指定半徑帶來的偏差，進而保證了剔除掉的坐標點準確指向那些在售后服務布局中意義不大的區域；在對目標簇進行進一步分析時，基于該目標簇內售后服務站的待選位置以及與理論重心x距離最近的待選位置x，通過計算與該位置相關的任意兩個售后服務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作為新的售后服務站位置，保證了新站點的選址在滿足覆蓋需求的同時具備更高的穩定性和區分度；接下來引入最大三角形面積閾值sys，通過對所有三角形面積進行降序排列并逐一對比，當發現首個小于sys的面積時，剔除對應三角形內的坐標點得到新的目標簇z，再次獲取該目標簇z的理論重心z并據此修正或確定新的售后服務站位置，有助于在排除掉對服務布局貢獻度不足或呈邊緣分布的坐標點后，實現對整個售后區域進行更優的網絡化布點安排，為最終降低售后成本、提高服務可及性和資源利用率提供了精準的數據支撐與算法支撐。