> For the complete documentation index, see [llms.txt](https://navixy.com/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://navixy.com/docs/analytics/id/explorer-for-iotquery/historical-reports.md).
# Laporan historis
Laporan historis mengubah data operasional Anda menjadi wawasan strategis dengan menganalisis pola, tren, dan metrik kinerja di seluruh periode waktu yang Anda tentukan, sehingga memungkinkan keputusan berbasis data untuk optimalisasi armada dan perencanaan sumber daya.
## Laporan sensor pengukuran
**Kapan digunakan**: Perencanaan manajemen bahan bakar, penjadwalan perawatan prediktif, dan identifikasi pola kinerja peralatan di berbagai kendaraan dan periode waktu.
**Data yang Anda lihat**: Pengukuran sensor deret waktu yang diagregasikan menjadi ringkasan statistik, yang menampilkan nilai rata-rata, minimum, dan maksimum untuk setiap sensor di seluruh rentang waktu yang Anda pilih.
Logika pemrosesan data
Sistem memproses data sensor melalui analisis deret waktu yang canggih:
* **Agregasi pengelompokan waktu**: Pembacaan sensor mentah dikelompokkan ke dalam interval 15 detik menggunakan `time_bucket` fungsi PostgreSQL, menciptakan titik data yang mudah dikelola dari aliran sensor kontinu. Pendekatan ini menyeimbangkan ketepatan analitis dengan efisiensi pemrosesan.
* **Korelasi multi-sensor**: Kueri menggabungkan `business_data.sensors_data_by_hours` dengan `raw_business_data.objects` untuk menggabungkan pengukuran sensor dengan konteks kendaraan. Setiap pembacaan sensor menyertakan data kalibrasi jika tersedia, mengonversi nilai mentah menjadi satuan yang bermakna (liter untuk bahan bakar, derajat untuk suhu).
* **Perhitungan statistik**: Untuk setiap bucket waktu, sistem menghitung nilai rata-rata, minimum, dan maksimum dari semua pembacaan. Saat data kalibrasi sensor hilang atau tidak valid, nilai mentah ditampilkan tanpa modifikasi untuk menjaga transparansi data.
* **Penyaringan kualitas**: Validasi kualitas GPS memastikan hanya data lokasi yang andal (satelit > 3, koordinat tidak nol) yang berkontribusi pada konteks sensor, sementara pembacaan yang tidak valid dikecualikan dari perhitungan statistik.
Semua stempel waktu dikonversi ke UTC untuk analisis yang konsisten terlepas dari lokasi geografis kendaraan, sehingga memungkinkan identifikasi tren yang akurat di berbagai zona operasional.
## Laporan aktivitas objek
**Kapan digunakan**: Analisis optimalisasi rute, penilaian pemanfaatan kendaraan, dan pengukuran efisiensi operasional di seluruh periode waktu dan segmen armada yang ditentukan.
**Data yang Anda lihat**: Metrik aktivitas komprehensif termasuk total jarak tempuh, durasi perjalanan, kecepatan rata-rata, dan pola rute untuk setiap kendaraan dalam subset armada yang Anda pilih.
Logika pemrosesan data
Laporan ini menggabungkan data historis dan real-time melalui pembuatan track yang kompleks:
* **Sumber data hibrida**: Sistem secara cerdas memilih antara `processed_common_data.trips` untuk analisis historis dan `raw_telematics_data.tracking_data_core` untuk data terbaru, tergantung pada rentang waktu Anda. Periode lebih dari 12 jam menggunakan perjalanan yang telah diproses sebelumnya untuk kinerja optimal, sedangkan periode terbaru menghasilkan perjalanan dari data telematika mentah.
* **Rekonstruksi track**: Untuk analisis real-time, sistem menerapkan algoritma deteksi pergerakan menggunakan ambang batas kecepatan (≥3 km/jam) dan celah waktu (>300 detik) untuk mengidentifikasi perjalanan yang berbeda. Data koordinat mentah (disimpan sebagai bilangan bulat) dikonversi menjadi derajat desimal melalui pembagian 10.000.000 untuk perhitungan geografis.
* **Perhitungan jarak**: Jarak geografis menggunakan fungsi PostGIS untuk pengukuran yang presisi antara titik GPS berurutan, sementara perhitungan durasi diturunkan dari perbedaan stempel waktu antara titik awal dan akhir track.
* **Integrasi zona**: Analisis geografis mencocokkan posisi kendaraan dengan zona yang ditentukan menggunakan `ST_DWithin` perhitungan, memberikan konteks operasional untuk lokasi awal dan akhir perjalanan.
Struktur kueri yang mendasarinya menyesuaikan berdasarkan parameter yang Anda pilih, mengoptimalkan antara pengambilan data historis dan pembuatan track real-time untuk menghasilkan analisis aktivitas yang komprehensif.
## Laporan eco-driving
**Kapan digunakan**: Analisis keselamatan pengemudi, pelaporan kepatuhan asuransi, dan penilaian manajemen risiko armada untuk mengembangkan program pelatihan yang ditargetkan dan mengurangi biaya operasional.
**Data yang Anda lihat**: Analisis perilaku mengemudi yang komprehensif termasuk pelanggaran kecepatan, kejadian mengemudi agresif, dan skor keselamatan yang dihitung untuk setiap kendaraan, dengan koordinat GPS dan stempel waktu yang presisi untuk setiap insiden.
Logika pemrosesan data
Analisis eco-driving memproses data telematika melalui deteksi pola perilaku yang canggih:
* **Deteksi pelanggaran kecepatan**: Sistem terus memantau kecepatan kendaraan terhadap batas yang dapat dikonfigurasi, menerapkan periode toleransi dan struktur penalti berbasis tingkat keparahan. Kejadian ngebut memerlukan pelanggaran yang berlangsung lama (>60 detik) agar tidak menghukum lonjakan kecepatan sesaat, sementara poin penalti diskalakan dari pelanggaran ringan (0-20 km/jam di atas batas) hingga pelanggaran berat (>60 km/jam di atas batas).
* **Analisis mengemudi agresif**: Perhitungan akselerasi real-time menganalisis perubahan kecepatan dari waktu ke waktu untuk mendeteksi pengereman keras (>3,5 m/s² deselerasi), akselerasi keras (>3,0 m/s²), dan belokan tajam menggunakan ambang perubahan arah (>30° pada kecepatan >30 km/jam). Setiap kejadian menyertakan koordinat GPS untuk analisis pola berdasarkan lokasi.
* **Sistem penilaian dinamis**: Skor keselamatan berasal dari akumulasi poin penalti yang dinormalisasi per jarak tempuh, sehingga memungkinkan perbandingan yang adil di berbagai panjang rute dan pola operasional. Sistem menggunakan skor maksimum yang dapat dikonfigurasi dengan normalisasi berbasis jarak untuk memastikan evaluasi yang konsisten.
* **Dokumentasi pelanggaran**: Setiap kejadian yang terdeteksi menangkap koordinat GPS, stempel waktu, dan pengukuran tingkat keparahan yang presisi, menciptakan log insiden yang komprehensif untuk pembinaan pengemudi dan pelaporan kepatuhan.
Algoritma yang mendasarinya memproses data GPS yang diagregasikan per 15 detik dari `raw_telematics_data.tracking_data_core`, menerapkan perhitungan jarak haversine untuk analisis geografis yang akurat dan perhitungan akselerasi berbasis stempel waktu untuk penilaian perilaku.
## Laporan shift
**Kapan digunakan**: Analisis produktivitas tenaga kerja, identifikasi pola operasional, dan pengukuran efisiensi shift untuk optimalisasi penjadwalan armada.
**Data yang Anda lihat**: Ringkasan aktivitas harian yang menampilkan total waktu operasional, kecepatan rata-rata, kecepatan maksimum, dan periode aktivitas untuk setiap kendaraan, dikelompokkan berdasarkan tanggal dan shift operasional.
Logika pemrosesan data
Analisis shift memproses data pelacakan mentah melalui deteksi pola operasional:
* **Klasifikasi pergerakan**: Sistem menganalisis pembacaan kecepatan dan interval waktu untuk membedakan antara pergerakan aktif (≥3 km/jam), pemberhentian sementara, dan periode parkir. Celah waktu yang melebihi 300 detik memicu deteksi periode aktivitas baru.
* **Deteksi batas shift**: Segmentasi track menggunakan ambang batas kecepatan yang dapat dikonfigurasi dan analisis celah waktu untuk mengidentifikasi periode operasional yang berbeda. Setiap periode shift mencakup stempel waktu awal dan akhir yang presisi beserta perhitungan durasinya.
* **Agregasi aktivitas**: Ringkasan harian menggabungkan semua periode operasional untuk setiap kendaraan, menghitung total durasi aktivitas, kecepatan operasional rata-rata, dan kecepatan maksimum yang dicapai selama periode aktif.
* **Metrik kinerja**: Sistem menghasilkan statistik pemanfaatan dengan membandingkan waktu operasional aktif terhadap total waktu berlalu, memberikan wawasan efisiensi untuk keputusan manajemen armada.
Validasi koordinat GPS memastikan hanya data penentuan posisi yang berkualitas yang berkontribusi pada perhitungan jarak dan kecepatan, sementara standardisasi stempel waktu ke UTC memungkinkan analisis shift yang konsisten di berbagai lokasi geografis.
## Laporan jarak tempuh
**Kapan digunakan**: Analisis pemanfaatan armada, penilaian efisiensi operasional, dan identifikasi pola penggunaan waktu kerja versus waktu non-kerja untuk mengoptimalkan penempatan kendaraan dan mengidentifikasi penggunaan tanpa izin.
**Data yang Anda lihat**: Jarak tempuh yang dikategorikan berdasarkan jam kerja, jam non-kerja, dan akhir pekan, dengan tren distribusi mingguan, perbandingan departemen, dan rincian terperinci yang menunjukkan hari aktif dan jarak tempuh perjalanan maksimum.
Logika pemrosesan data
Analisis jarak tempuh kendaraan memproses data track GPS melalui klasifikasi berbasis waktu dan agregasi jarak:
* **Klasifikasi kategori waktu**: Sistem mengevaluasi setiap segmen track GPS terhadap jam kerja dan hari kalender yang dapat dikonfigurasi untuk mengklasifikasikan jarak tempuh ke dalam tiga kategori yang berbeda. Jarak tempuh saat kerja mencatat jarak yang ditempuh selama jam operasional bisnis yang dikonfigurasi pada hari kerja, waktu non-kerja mewakili perjalanan di luar jam kerja pada hari kerja, dan jarak tempuh akhir pekan mencakup semua pergerakan pada hari Sabtu dan Minggu tanpa memandang waktu. Klasifikasi ini terjadi pada tingkat segmen track, dengan setiap bagian perjalanan ditetapkan berdasarkan stempel waktunya.
* **Perhitungan jarak**: Pengukuran jarak geografis menggunakan algoritma geometri koordinat untuk menghitung jarak yang ditempuh antara titik GPS berurutan. Sistem memproses data posisi mentah dari `raw_telematics_data.tracking_data_core`, mengonversi koordinat yang disimpan sebagai bilangan bulat (dibagi 10.000.000) menjadi derajat desimal untuk perhitungan jarak haversine yang akurat.
* **Agregasi temporal**: Analisis pola mingguan mengelompokkan segmen track berdasarkan nomor minggu ISO, menjumlahkan jarak di dalam setiap kategori waktu. Sistem menghasilkan total jarak tempuh absolut (dalam kilometer) dan distribusi persentase untuk mengungkap bagaimana pola operasional berubah dari minggu ke minggu.
* **Analisis pengelompokan**: Perbandingan departemen, objek, dan pengemudi mengagregasikan data kendaraan individual ke dalam unit organisasi. Sistem menghitung jarak tempuh bulanan rata-rata per kendaraan dengan membagi total jarak dengan jumlah hari aktif dan menormalkannya ke bulan 30 hari, sehingga memungkinkan perbandingan yang adil di berbagai periode analisis.
* **Deteksi aktivitas**: Perhitungan hari aktif mengidentifikasi tanggal kalender dengan jarak tempuh tercatat dengan menganalisis stempel waktu track. Penentuan jarak tempuh track maksimum memproses segmen perjalanan individual untuk mengidentifikasi perjalanan berkelanjutan terpanjang untuk setiap pengelompokan, menggunakan ambang deteksi pergerakan (≥3 km/jam) dan analisis celah waktu (>300 detik) untuk memisahkan perjalanan yang berbeda.
Validasi kualitas GPS memastikan hanya data penentuan posisi yang andal (satelit > 3, koordinat tidak nol) yang berkontribusi pada perhitungan jarak, sementara standardisasi stempel waktu ke UTC memungkinkan klasifikasi waktu yang konsisten terlepas dari lokasi geografis kendaraan.
## Laporan perjalanan
**Kapan digunakan**: Analisis pola perjalanan, penilaian optimalisasi rute, dan evaluasi perilaku operasional untuk memahami frekuensi perjalanan, distribusi jarak, dan mengidentifikasi pola perjalanan yang tidak biasa.
**Data yang Anda lihat**: Metrik perjalanan individual termasuk jarak, durasi, dan kecepatan rata-rata, dengan tren volume mingguan, perbandingan tingkat grup, dan detail lengkap per perjalanan yang menunjukkan waktu mulai/selesai dan penugasan pengemudi.
Logika pemrosesan data
Analisis perjalanan kendaraan mengidentifikasi dan memproses perjalanan individual melalui deteksi pergerakan yang cerdas:
* **Algoritma deteksi perjalanan**: Sistem menganalisis data track GPS dan informasi status kendaraan untuk mengidentifikasi perjalanan yang berbeda menggunakan ambang batas kecepatan dan waktu. Suatu perjalanan dimulai ketika kecepatan kendaraan melebihi ambang batas kecepatan idle minimum (default 3 km/jam) dan berakhir ketika kecepatan turun di bawah ambang batas ini selama durasi waktu idle minimum (default 5 menit). Pemberhentian singkat yang lebih pendek dari ambang batas waktu idle diperlakukan sebagai jeda dalam perjalanan yang sama, bukan sebagai batas perjalanan, sehingga menyaring pemberhentian lalu lintas sesaat atau keterlambatan pemuatan.
* **Parameter deteksi yang disempurnakan**: Jika tersedia, sistem menggabungkan status ignition dan data sensor gerak untuk menyempurnakan akurasi deteksi perjalanan. Pendekatan multi-faktor ini mencegah akhir perjalanan yang salah selama periode diam singkat ketika mesin masih menyala, memastikan hanya kejadian parkir yang bermakna yang memicu penyelesaian perjalanan.
* **Perhitungan jarak dan durasi**: Untuk setiap perjalanan yang terdeteksi, sistem menghitung total jarak menggunakan fungsi geografis PostGIS antara titik GPS berurutan dari `raw_telematics_data.tracking_data_core`. Durasi perjalanan berasal dari selisih waktu antara titik track pertama dan terakhir dari perjalanan. Perhitungan kecepatan rata-rata membagi total jarak dengan durasi, memberikan kecepatan operasional yang realistis yang mencakup pemberhentian singkat selama perjalanan.
* **Agregasi temporal**: Analisis mingguan mengelompokkan perjalanan berdasarkan nomor minggu ISO, menghitung jumlah perjalanan dan jarak kumulatif. Pendekatan metrik ganda ini mengungkap apakah perubahan volume operasional berkorelasi dengan variasi panjang perjalanan rata-rata—jumlah perjalanan yang tinggi dengan total jarak yang rendah menunjukkan banyak perjalanan pendek, sedangkan kebalikannya menunjukkan lebih sedikit tetapi perjalanan yang lebih panjang.
* **Analitik perbandingan grup**: Pengelompokan departemen, objek, pengemudi, dan garasi mengagregasikan data perjalanan untuk memungkinkan analisis perbandingan. Sistem menjumlahkan total jarak, menghitung perjalanan individual, dan menghitung durasi perjalanan rata-rata untuk setiap unit. Metrik ini memungkinkan identifikasi perbedaan peran operasional—armada pengiriman menunjukkan banyak perjalanan pendek sementara kendaraan layanan lapangan mungkin memiliki lebih sedikit tetapi perjalanan yang lebih panjang.
* **Ketersediaan data kecepatan**: Ketika kualitas sinyal GPS tidak memadai atau penangkapan data kecepatan gagal, sistem tidak dapat menghitung kecepatan rata-rata secara andal. Kondisi ini biasanya terjadi selama hilangnya sinyal GPS di area dengan visibilitas satelit yang buruk (terowongan, area perkotaan padat, parkir bawah tanah) atau selama anomali pemrosesan data. Laporan menampilkan "Tidak ada data kecepatan yang tersedia" untuk periode yang terdampak, yang menunjukkan bahwa perjalanan ini memerlukan pemeriksaan atau memiliki rekaman telematika yang tidak lengkap.
Semua stempel waktu perjalanan dikonversi ke UTC untuk analisis yang konsisten di berbagai zona operasional, sementara validasi kualitas GPS (satelit > 3, koordinat tidak nol) memastikan hanya data penentuan posisi yang andal yang berkontribusi pada deteksi perjalanan dan perhitungan jarak.
## Laporan waktu henti
**Kapan digunakan**: Optimalisasi pemanfaatan kendaraan, analisis biaya waktu idle, penilaian efisiensi operasional, dan identifikasi waktu henti berlebihan di lokasi tertentu untuk meningkatkan produktivitas armada dan mengurangi pemborosan bahan bakar.
**Data yang Anda lihat**: Analisis waktu idle yang komprehensif menampilkan jam berhenti dan parkir, persentase pemanfaatan, distribusi status aktivitas di berbagai waktu dan zona, serta rincian terperinci yang mengidentifikasi lokasi waktu henti utama untuk setiap kendaraan.
Logika pemrosesan data
Analisis waktu henti memproses data GPS dan kecepatan melalui klasifikasi pergerakan yang canggih untuk mengidentifikasi dan mengukur waktu kendaraan yang tidak produktif:
* **Deteksi ambang pergerakan**: Sistem menerapkan ambang kecepatan minimum yang dapat dikonfigurasi (default 3 km/jam) untuk mengklasifikasikan status aktivitas kendaraan. Ketika kecepatan turun di bawah ambang ini, kendaraan masuk ke status berhenti. Ambang ini menyesuaikan dengan konteks operasional yang berbeda—kendaraan konstruksi dapat menggunakan ambang yang lebih rendah sementara armada jalan raya menggunakan nilai yang lebih tinggi untuk menangkap periode idle yang bermakna secara akurat.
* **Klasifikasi berhenti versus parkir**: Sistem membedakan antara pemberhentian singkat dan parkir yang diperpanjang melalui analisis berbasis waktu. Kendaraan tetap berada dalam status berhenti saat tidak bergerak, tetapi hanya beralih ke parkir setelah mempertahankan kecepatan nol atau hampir nol selama durasi parkir minimum (default 5 menit). Klasifikasi hierarkis ini memastikan pemberhentian lalu lintas singkat, keterlambatan pemuatan, atau jeda sesaat tidak memicu klasifikasi parkir, sementara kejadian parkir yang sebenarnya tercatat secara akurat. Semua waktu parkir juga merupakan waktu berhenti, tetapi tidak semua waktu berhenti memenuhi syarat sebagai parkir.
* **Agregasi status aktivitas**: Untuk setiap kendaraan, sistem menghitung total jam yang dihabiskan di setiap status—bergerak, berhenti, dan parkir—dengan memproses data track GPS dari `raw_telematics_data.tracking_data_core`. Pembacaan kecepatan dievaluasi secara terus-menerus terhadap ambang pergerakan, dengan transisi status dicatat pada stempel waktu yang presisi. Perhitungan durasi menjumlahkan waktu yang berlalu di setiap status selama periode analisis.
* **Perhitungan waktu henti**: Total waktu henti mewakili seluruh waktu tidak bergerak (jam berhenti + parkir). Sistem menghitung waktu henti sebagai kebalikan dari pemanfaatan—ketika kendaraan tidak bergerak, waktu henti bertambah. Metrik ini memberikan pandangan yang komprehensif tentang waktu idle terlepas dari apakah kendaraan hanya berhenti sebentar atau benar-benar diparkir.
* **Metrik pemanfaatan**: Persentase pemanfaatan berasal dari rasio waktu bergerak terhadap total waktu aktivitas: (jam bergerak / total jam) × 100. Pemanfaatan rata-rata di beberapa kendaraan menggunakan perhitungan berbobot berdasarkan total waktu aktivitas masing-masing kendaraan. Metrik ini memungkinkan perbandingan produktivitas yang adil di antara kendaraan dengan pola operasional atau periode analisis yang berbeda.
* **Analisis waktu henti geografis**: Sistem mencocokkan lokasi berhenti dan parkir dengan geofence yang ditentukan dari `processed_common_data.zones_geom` menggunakan fungsi spasial PostGIS. Untuk setiap periode idle, koordinat GPS dievaluasi terhadap batas zona untuk menentukan apakah waktu henti terjadi di dalam lokasi yang dikenal. Zona waktu henti utama mewakili geofence tempat kendaraan mengumpulkan jam berhenti atau parkir paling banyak selama periode analisis.
* **Mode visualisasi linimasa**: Mode tampilan Status menunjukkan pola aktivitas temporal yang diberi warna berdasarkan status pergerakan (bergerak, berhenti, parkir), mengungkap kapan kendaraan berpindah antar status sepanjang hari. Mode tampilan Zona memberi warna pada segmen linimasa berdasarkan lokasi geografis, bukan status aktivitas, sehingga menunjukkan zona mana yang ditempati kendaraan dari waktu ke waktu. Pendekatan visualisasi ganda ini memungkinkan analisis pola temporal sekaligus penilaian distribusi geografis.
* **Agregasi berbasis zona**: Saat menganalisis waktu henti berdasarkan zona, sistem mengelompokkan semua periode idle berdasarkan lokasi geografisnya, menghitung total jam berhenti dan parkir di dalam setiap geofence. Agregasi ini mengidentifikasi lokasi hambatan tempat kendaraan menghabiskan terlalu banyak waktu idle—seperti dermaga pemuatan dengan waktu tunggu lama, lokasi pelanggan dengan proses yang tidak efisien, atau lokasi berhenti yang tidak sah.
Validasi kualitas GPS memastikan hanya data penentuan posisi yang andal (satelit > 3, koordinat tidak nol) yang berkontribusi pada klasifikasi status dan analisis geografis, sementara standardisasi stempel waktu ke UTC memungkinkan pelacakan waktu henti yang konsisten di berbagai zona operasional.
## Langkah berikutnya
Ketika analisis historis mengungkap peluang optimalisasi atau menimbulkan pertanyaan operasional tertentu, lanjutkan ke [Custom Analysis & SQL Configurator](/docs/analytics/id/explorer-for-iotquery/custom-analysis-sql-configurator.md) untuk membuat investigasi yang disesuaikan yang memenuhi kebutuhan manajemen armada Anda yang unik dan mengembangkan solusi analitis khusus.
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://navixy.com/docs/analytics/id/explorer-for-iotquery/historical-reports.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.