本发明涉及人工智能，具体是涉及基于路况环境识别的行驶路径优化导航方法及系统。
背景技术：
1、行驶路径优化导航是指利用先进的定位技术和算法，通过分析实时交通数据和地图信息，为用户提供从起点到目的地的最佳的路线选择，并实时更新路径以适应路况变化，同时辅以视觉和语音提示，确保用户能够准确、安全地到达目的地的过程。
2、而现有的行驶路径优化导航的底层策略依旧是静态路径规划，采用的导航方案按照最短路径进行规划，或者依托于大数据的历史车辆相似导航记录进行匹配性生成规划路径，使得导航道路路径规划不准确，造成行驶效率低下，无法满足不同用户的需求。
技术实现思路
1、为解决上述技术问题，提供基于路况环境识别的行驶路径优化导航方法及系统，本技术方案解决了上述的而现有的行驶路径优化导航的底层策略依旧是静态路径规划，采用的导航方案按照最短路径进行规划，或者依托于大数据的历史车辆相似导航记录进行匹配性生成规划路径，使得导航道路路径规划不准确，造成行驶效率低下，无法满足不同用户的需求的问题。
2、为达到以上目的，本发明采用的技术方案为：
3、基于路况环境识别的行驶路径优化导航方法，包括：
4、获取汽车ecu控制单元接口；
5、基于汽车ecu控制单元接口，实时读取用户的驾驶数据，评估用户的驾驶能力；
6、获取交通数据平台接口；
7、基于交通数据平台接口，获取交通大数据，以用户的当前位置作为起点，确定所有可达到目标位置的道路，进行分析所有道路的综合路况状态指标；
8、将用户的驾驶能力作为常量，将道路的综合状态指标作为变量，评估用户实时驾驶风险指标；
9、基于用户的驾驶能力、道路的综合状态指标和用户实时驾驶风险指标，建立动态行驶路径优化模型，生成道路路径规划方案。
10、优选的，基于汽车ecu控制单元接口，实时读取用户的驾驶数据，评估用户的驾驶能力具体包括：
11、基于ecu控制单元下的多个子连接车载设备，实时读取行车驾驶数据，组合为用户驾驶数据；
12、基于用户驾驶数据，划分为若干个驾驶事件，并通过独热编码转换为用户驾驶特征向量，组建为用户驾驶事件特征向量数据集a；，其中为用户的第个驾驶事件的驾驶特征向量，为驾驶事件的总数；
13、针对驾驶事件特征向量数据集，通过异常识别算法，筛选出用户驾驶特征向量数据集中的异常驾驶事件，组合为异常驾驶事件特征向量数据集合；
14、基于异常驾驶事件特征向量数据集合中每一个异常驾驶事件的驾驶特征向量进行标准化处理，通过遍历标准化异常驾驶事件的驾驶特征向量，得到异常驾驶事件的驾驶特征向量属性值；
15、根据每一次异常驾驶事件的驾驶特征向量属性值，为每一个驾驶特征向量属性值赋予权重；
16、根据异常驾驶事件的驾驶特征向量属性值与驾驶特征向量属性值权重，通过驾驶评分公式，进行计算异常驾驶事件的异常驾驶得分；
17、根据异常驾驶事件的异常驾驶得分，确定用户的驾驶能力；
18、其中，异常识别算法表达式为：
19、
20、式中，为异常驾驶事件特征向量数据集合，为第个驾驶事件的异常驾驶特征向量，为驾驶特征向量的均值，c为异常阈值，为驾驶特征向量的标准差；
21、其中，驾驶评分公式为：
22、
23、式中，为用户的驾驶能力，为用户的初始化驾驶得分，为第个异常驾驶事件特征向量的属性值，为第i个异常驾驶事件特征向量的权重。
24、优选的，基于交通数据平台接口，获取交通大数据，以用户的当前位置作为起点，确定所有可达到目标位置的道路，进行分析所有道路的综合路况状态指标具体包括：
25、基于交通大数据，筛选出若干个道路影响因素，组建为道路影响因素数据；
26、筛选出用户当前位置到达目标位置的所有道路，记为可通行规划道路；
27、基于道路影响因素数据中可通行规划道路的历史交通流数据，建立交通流预测模型，按照单位时间对可通行规划道路交通流数据进行预测，确定可通行规划道路的通行指数；
28、基于道路影响因素数据中的道路状态数据，筛选出道路的历史维护数据，及道路的实时维护数据，进行分析道路的状态，确定可通行规划道路的基础状态指标；
29、基于道路影响因素中的实时道路环境数据，确定若干个环境影响因子，计算可通行规划道路的环境影响系数；
30、基于可通行规划道路的环境影响系数对可通行规划道路的基础状态指标进行修正，获得动态可通行规划道路的状态指标；
31、根据可通行规划道路的通行指数与动态可通行规划道路的状态指标，通过拟合公式，拟合分析道路的综合路况状态指标；
32、其中，交通流预测模型表达式为：
33、
34、式中，为可通行规划道路的通行指数，为预测的t个单位时间下的交通流，为个单位时间下的基线交通流，为自回归项的阶数，为第i个自回归项索引的回归系数，为第i个自回归项索引的滞后算子，为差分阶数，为t个单位时间下的交通流实际值，为移动平均项的阶数，为第j个移动平均项索引的移动平均系数，为第j个移动平均项索引的滞后算子，为t个单位时间下的随机误差；
35、其中，拟合公式为：
36、式中，为道路的综合路况状态指标，为动态可通行规划道路的状态指标，、均为拟合系数，为可通行规划道路的基础状态指标，为可通行规划道路的环境影响系数，为第k个维护事件的权重，该权重维护事件的等级决定，为第k个维护事件的量化值，为第v个环境影响因子，为环境影响因子的总数，、、、均为回归系数。
37、优选的，将用户的驾驶能力作为常量，将道路的综合状态指标作为变量，评估用户实时驾驶风险指标具体包括：
38、获取用户的驾驶能力与道路的综合状态指标；
39、基于逻辑回归，建立风险评估模型；
40、基于风险评估模型以用户的驾驶能力作为常量，以道路的综合状态指标作为变量，分析评估用户的实时驾驶风险指标；
41、其中，风险评估模型表达式为：
42、
43、式中，为用户的实时驾驶风险指标，()为风险评估模型函数，为对数函数，为用户的驾驶能力，为道路的综合路况状态指标，、、均为模型的回归系数。
44、优选的，基于用户的驾驶能力、道路的综合状态指标和用户实时驾驶风险指标，建立动态行驶路径优化模型，生成道路路径规划方案具体包括：
45、确定每一条可通行规划道路及若干条分支道路，组合为可通行规划道路集合；
46、根据可通行规划道路集合，基于用户的驾驶能力，将可通行规划道路在单位时间下的道路的综合状态指标作为影响条件，评估每一条可通行规划道路及若干条分支道路的预计通行时长；
47、将每一条可通行规划道路及若干条分支道路的预计通行时长与用户实时驾驶风险指标进行关联映射，组合为道路通行风险矩阵b；
48、其中，为第r条道路可通行规划道路及若干条分支道路的预计通行时长h，q为用户实时驾驶风险指标，为可通行规划道路及若干条分支道路的总数，可通行规划道路及若干条分支道路的预计通行总时长；
49、将预计通行时长和用户实时驾驶风险指标作为限制条件的最小值作为限制条件；
50、建立动态行驶路径优化模型；
51、基于道路通行风险矩阵b，随机生成若干条规划道路，计算在限制条件下的若干条规划道路的适应度；
52、根据若干条规划道路的适应度进行标准化处理，获得若干条规划道路的选择概率；
53、基于建立动态行驶路径优化模型，将若干条规划道路的选择概率进行随机迭代交叉重组代入动态行驶路径优化模型中，分析适应度最小值规划道路，作为最优规划道路；
54、其中，动态行驶路径优化模型具体为：
55、
56、式中，为第r条规划道路的适应度，为预计通行时长的权重，为用户实时驾驶风险指标的权重，为交叉重组后的第r条规划道路，、为参与交叉重组的第r个规划道路，为规划道路交叉点，为规划道路的总长度。
57、进一步的，提出基于路况环境识别的行驶路径优化导航系统，用于实现如上所述基于路况环境识别的行驶路径优化导航方法，包括：
58、车辆数据采集模块，车辆数据采集模块用于获取汽车ecu控制单元接口；
59、驾驶能力评估模块，驾驶能力评估模块与车辆数据采集模块电性连接，驾驶能力评估模块用于基于汽车ecu控制单元接口，实时读取用户的驾驶数据，评估用户的驾驶能力；
60、交通数据平台，交通数据平台用于获取交通数据平台接口；
61、道路综合评估模块，道路综合评估模块与交通数据平台电性连接，道路综合评估模块用于基于交通数据平台接口，获取交通大数据，以用户的当前位置作为起点，确定所有可达到目标位置的道路，进行分析所有道路的综合路况状态指标；
62、风险评估模块，风险评估模块与驾驶能力评估模块和道路综合评估模块电性连接，风险评估模块用于将用户的驾驶能力作为常量，将道路的综合状态指标作为变量，评估用户实时驾驶风险指标；
63、道路规划模块，道路规划模块与驾驶能力评估模块、道路综合评估模块和风险评估模块电性连接，道路规划模块用于基于用户的驾驶能力、道路的综合状态指标和用户实时驾驶风险指标，建立动态行驶路径优化模型，生成道路路径规划方案。
64、可选的，驾驶能力评估模块内部包括：
65、驾驶数据获取单元，基于ecu控制单元下的多个子连接车载设备，实时读取行车驾驶数据，组合为用户驾驶数据；
66、驾驶数据集单元，基于用户驾驶数据，划分为若干个驾驶事件，并通过独热编码转换为用户驾驶特征向量，组建为用户驾驶事件特征向量数据集；
67、异常驾驶数据集单元，针对驾驶事件特征向量数据集，通过异常识别算法，筛选出用户驾驶特征向量数据集中的异常驾驶事件，组合为异常驾驶事件特征向量数据集合；
68、属性赋值单元，基于异常驾驶事件特征向量数据集合中每一个异常驾驶事件的驾驶特征向量进行标准化处理，通过遍历标准化异常驾驶事件的驾驶特征向量，得到异常驾驶事件的驾驶特征向量属性值；
69、权重赋值单元，根据每一次异常驾驶事件的驾驶特征向量属性值，为每一个驾驶特征向量属性值赋予权重；
70、评分单元，根据异常驾驶事件的驾驶特征向量属性值与驾驶特征向量属性值权重，通过驾驶评分公式，进行计算异常驾驶事件的异常驾驶得分；
71、驾驶能力评估单元，根据异常驾驶事件的异常驾驶得分，确定用户的驾驶能力。
72、可选的，道路综合评估模块内部包括：
73、交通大数据获取单元，基于交通大数据，筛选出若干个道路影响因素，组建为道路影响因素数据；
74、道路初筛单元，筛选出用户当前位置到达目标位置的所有道路，记为可通行规划道路；
75、通行状态预测单元，基于道路影响因素数据中可通行规划道路的历史交通流数据，建立交通流预测模型，按照单位时间对可通行规划道路交通流数据进行预测，确定可通行规划道路的通行指数；
76、道路基础状态评估单元，基于道路影响因素数据中的道路状态数据，筛选出道路的历史维护数据，及道路的实时维护数据，进行分析道路的状态，确定可通行规划道路的基础状态指标；
77、环境影响系数单元，基于道路影响因素中的实时道路环境数据，确定若干个环境影响因子，计算可通行规划道路的环境影响系数；
78、路况修正单元，基于可通行规划道路的环境影响系数对可通行规划道路的基础状态指标进行修正，获得动态可通行规划道路的状态指标；
79、动态监测单元，根据可通行规划道路的通行指数与动态可通行规划道路的状态指标，通过拟合公式，拟合分析道路的综合路况状态指标。
80、可选的，风险评估模块内部包括：
81、关联数据确认单元，获取用户的驾驶能力与道路的综合状态指标；
82、模型构建单元，基于逻辑回归，建立风险评估模型；
83、风险评估单元，基于风险评估模型以用户的驾驶能力作为常量，以道路的综合状态指标作为变量，分析评估用户的实时驾驶风险指标。
84、可选的，道路规划模块内部包括：
85、道路集合单元，确定每一条可通行规划道路及若干条分支道路，组合为可通行规划道路集合；
86、通行时长评估单元，根据可通行规划道路集合，基于用户的驾驶能力，将可通行规划道路在单位时间下的道路的综合状态指标作为影响条件，评估每一条可通行规划道路及若干条分支道路的预计通行时长；
87、通行风险矩阵单元，将每一条可通行规划道路及若干条分支道路的预计通行时长与用户实时驾驶风险指标进行关联映射，组合为道路通行风险矩阵；
88、条件单元，将预计通行时长和用户实时驾驶风险指标作为限制条件的最小值作为限制条件；
89、模型构建单元，建立动态行驶路径优化模型；
90、适应度单元，基于道路通行风险矩阵，随机生成若干条规划道路，计算在限制条件下的若干条规划道路的适应度；
91、概率单元，根据若干条规划道路的适应度进行标准化处理，获得若干条规划道路的选择概率；
92、最优规划道路单元，基于建立动态行驶路径优化模型，将若干条规划道路的选择概率进行随机迭代交叉重组代入动态行驶路径优化模型中，分析适应度最小值规划道路，作为最优规划道路。
93、与现有技术相比，本发明的有益效果在于：
94、本发明提出基于路况环境识别的行驶路径优化导航方案，通过整合汽车ecu控制单元接口和交通数据平台接口，实时获取并分析用户的驾驶行为和当前路况信息，利用动态行驶路径优化模型，为用户提供定制、安全、高效的道路规划服务，同时根据用户的实时驾驶风险，为用户做出最优的驾驶决策，提升驾驶体验并降低行驶风险，适应快速变化的交通环境。
1.基于路况环境识别的行驶路径优化导航方法，其特征在于，包括：
2.根据权利要求1所述的基于路况环境识别的行驶路径优化导航方法，其特征在于，基于汽车ecu控制单元接口，实时读取用户的驾驶数据，评估用户的驾驶能力具体包括：
3.根据权利要求2所述的基于路况环境识别的行驶路径优化导航方法，其特征在于，基于交通数据平台接口，获取交通大数据，以用户的当前位置作为起点，确定所有可达到目标位置的道路，进行分析所有道路的综合路况状态指标具体包括：
4.根据权利要求3所述的基于路况环境识别的行驶路径优化导航方法，其特征在于，将用户的驾驶能力作为常量，将道路的综合状态指标作为变量，评估用户实时驾驶风险指标具体包括：
5.根据权利要求4所述的基于路况环境识别的行驶路径优化导航方法，其特征在于，基于用户的驾驶能力、道路的综合状态指标和用户实时驾驶风险指标，建立动态行驶路径优化模型，生成道路路径规划方案具体包括：
6.基于路况环境识别的行驶路径优化导航系统，其特征在于，用于实现如权利要求1-5任一项所述基于路况环境识别的行驶路径优化导航方法，包括：
7.根据权利要求6所述的基于路况环境识别的行驶路径优化导航系统，其特征在于，驾驶能力评估模块内部包括：
8.根据权利要求6所述的基于路况环境识别的行驶路径优化导航系统，其特征在于，道路综合评估模块内部包括：
9.根据权利要求6所述的基于路况环境识别的行驶路径优化导航系统，其特征在于，风险评估模块内部包括：
10.根据权利要求6所述的基于路况环境识别的行驶路径优化导航系统，其特征在于，道路规划模块内部包括：
