技术摘要：
本发明公开了一种基于车联网数据的换车指数的计算方法，包括获取车辆的基本信息数据并分析对车辆置换的影响；获取车辆的车联网数据并分析对车辆置换的影响；判断车辆的所属运输行业并分析对车辆置换的影响；计算车辆的换车指数。本发明主要针对重卡市场，通过综合分析  全部
背景技术：
根据世界汽车组织(OICA)统计数据，2010-2018年中国的中重卡产量每年  都约占 全球市场的50％左右，是全球最大的重卡市场。2018年中国商用车市  场销售为433万辆，其 中重卡销量为110万辆，占比为25％左右，重卡汽 车销量再创新高，重卡市场潜力巨大。 为了积极推进物联网发展，深度挖掘重卡市场商机，为将车联网数据应  用于重卡 领域，本发明致力于通过重卡的基础数据、车辆的运营数据以及地 图POI位置数据综合分 析，判断车辆的置换情况，帮助企业制定销售及生产  计划。
技术实现要素：
本发明的目的就在于为了解决上述问题而提供一种基于车联网数据的换  车指数 的计算方法。 本发明通过以下技术方案来实现上述目的：一种基于车联网数据的换车  指数的 计算方法，包括以下步骤： (1)、获取车辆的基础数据和车联网数据； (2)、抽取车辆网数据中的关键特征； (3)、根据车辆的车联网数据判断车辆的所属行业； (4)、基于上述特征的影响，计算车辆的换车指数。 作为本发明进一步的方案：所述车辆的基础数据包括： 车辆的车牌号码、车架号、车辆类型、车辆出厂时间、车辆入网时间、  车辆品牌、核 定吨位数、车辆所属企业以及车辆更换所属企业时间等。 作为本发明进一步的方案：所述车辆的车联网数据包括： 对所取得的卫星定位数据进行行程切分，根据行程数据计算车辆的驾驶  行为特 征，包括：营运总里程、营运总时长、运营区域、活跃天比例、前三  常跑路线占比、活动范围 集中度、路线分布程度、活动半径等。 作为本发明进一步的方案：所述判断车辆所属的运输行业的步骤包括： 根据车辆的车联网数据和地图POI位置数据，判断车辆所属的运输行业。  其中运 输行业划分包括但不限于本发明涉及的车辆运输行业包括煤炭运输、  冷链运输、快递运 输、钢铁运输、渣土运输、农产品运输、瓜果蔬菜运输、  批发市场、港口运输、危化品运输及 其他行业类型。 作为本发明进一步的方案：所述计算车辆的换车指数的步骤包括： 根据车辆的基本信息和车联网数据对车辆更换频率影响的重要程度进行  权重定 量配置，对各评价指标进行按权重求和计算车辆的换车指数。 3 CN 111612536 A 说　明　书 2/4 页 本发明的有益效果是：该基于车联网数据的换车指数的计算方法设计合  理，从车 辆的静态信息出发，考虑车辆基本信息对车辆置换的影响。进一步  地，本发明综合考虑了 车辆的动态的驾驶行为信息。进一步地，本发明通过  对驾驶行为的分析，增加对车辆行为 及所属行业的判断。进一步地，本发明  综合考虑各方面因素对车辆换车行为的影响，并按 照影响程度计算车辆的换 车指数。 附图说明 图1为本发明计算车辆换车指数的流程示意图； 图2为本发明一实施例中对车辆基本信息类进行单因子换车评分的流程 示意图； 图3为本发明一实施例中对车辆车联网数据特征类进行单因子换车评分  的流程 示意图。