本发明涉及汽车导航技术领域，特别是涉及基于经验的导航算法。
背景技术：
现有很多路径导航算法：A*算法、Dijkstra算法、Floyd算法等等。
A*算法：A*算法，A*(A-Star)算法是一种静态路网中求解最短路最有效的方法，估价值与实际值越接近，估价函数取得就越好；Dijkstra算法：是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径，主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止；Floyd算法：是一种用于寻找给定的加权图中多源点之间最短路径的算法。
现有的大部分算法不仅复杂，而且都是以路径的空间距离最短最为最优的目标，但在实际中，不仅用户的需求是多样的，而且可能由于道路的路况、限行、上下班车辆高峰等等确定和不确定因素，从而最短的路径不一定最省时间和满足用户需求。
技术实现要素：
本发明的目的是提供基于经验的导航算法，解决上述现有技术中的一个或者是多个。
本发明提供基于经验的导航算法，包括：
1)根据当前位置以及目的地搜索到相应的结果路径；
2)根据获取的结果路径以及出行的时间匹配不同时间维度的经验路径；
3)对比获取的经验路径所花费的里程与时间，对其进行升序排序；
4)根据需求选择里程最少或者花费时间最短的路径。
在一些实施方式中，步骤1)还包括，输入出发点、出行日期以及车辆尾号；输入目的地；匹配当日限行情况。
在一些实施方式中，步骤输入出发点、出行日期以及车辆尾号还包括用户手动输入指定出发点或者通过GPS定位功能定位用户当前所处的位置指定为出发点。
在一些实施方式中，步骤2)还包括，将时间数据分割成法定节假日、周末休息日以及工作日三段时间数据；将一天分为上班高峰期、下班高峰期以及闲时期三个时间段，形成时间维度。
在一些实施方式中，步骤2)还包括，首先匹配最近三天的时段的经验路段，若匹配的路径条数达不到设定值，则在向上匹配最近一个星期或最近一个月的时段的经验路径，直到匹配的经验路径条数达到设定值。
在一些实施方式中，匹配经验路段的设定值为20条。
本发明的有益效果是：该导航算法调用数据库大量已存经验路线，加上实时路况、限行以及上下班高峰时段等信息的限制条件，根据用户输入的目的地以及综合考虑用户的特定要有，匹配出适合的路径供用户选择，进而缩短导航时间。
附图说明
图1为本发明基于经验的导航算法的流程图。
具体实施方式
下面结合附图对本发明作进一步详细的说明。
本发明提供的基于经验的导航算法，包括以下步骤：
步骤1：根据起点终点、出行日期、具体时间段以及车主尾号搜索到相应经验数据。起点也就是出发点，用户手动输入指定出发点或者通过GPS定位功能定位用户当前所处的位置指定为出发点，终点也就是目的地由用户输入指定。根据出行日期查看当日汽车尾号道路限行情况，并将限行的路段舍去，得到相应的结果路径。
步骤2：提取趟次。在结果路径中，有的路径由于中途堵车严重，车辆基本上不向前行驶，不能一直启动发动机，则会熄火等待，这些路径数据会上传至数据库中。当选出结果路径后，调用数据库，再将结果路径中易熄火的路径排除，得出经验路径。
步骤3：匹配出行日期的时间维度。将时间数据切割成不同的时间维度，先把时间数据分割成法定节假日、周末休息日与工作日三段时间数据，再把一天分成上班高峰、下班高峰以及闲时期三个时间段，形成时间维度。计算出行日期落在哪个时间维度。
步骤4：匹配路况信息的数据字段表。调取出发点至目的地的道路路况(查看近几日道路通行情况，若近几日道路都通行则该道路可通行，反之不通行)以及上下班高峰时段道路拥挤路况，将经验路径中的较差路径排除；
步骤5：根据要出行的时间匹配不同维度的经验路径。根据出行的时间段匹配不同维度的经验路径，首先匹配近日的时间段，限定一下至少匹配多少条经验路径，若匹配的路径太少，则在向上匹配一个星期的或一个月的这一时段的经验路径，直到匹配足够的经验路径(例如设定至少需要匹配20条当前时段经验路径，而匹配近几日的路径只有5条，则在向上匹配一个星期的，还不够的话在匹配近一个月的经验路径，以此类推直到有20条为止)。
步骤6：对比行驶的里程与花费的时间。对比获取的经验路径所花费的里程与时间，对其进行升序排序；
步骤7：选出里程和花费时间都相对较短的路径。选取里程和花费的时间靠前都较少的几条经验路径供用户选择所需要的(例：里程数与花费时间都较少靠前的各三条显示在页面供用户选择)。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。