一种场所类型识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请提供一种场所类型识别方法、装置、计算机设备和存储介质，应用于场所类型识别技术领域，该方法包括获取多个施工设备的位置信息和工况信息，基于多个施工设备的位置信息，构建至少一副无向图，根据至少一副无向图中的顶点进行聚类，获取相应的顶点簇，其中，任一顶点簇对应一个聚集场所，根据顶点簇中各顶点对应的施工设备的工况信息和预训练的类型识别模型，获取顶点簇对应的聚集场所的场所类型。本方案能够自动确定聚集场所的类型，例如，确定聚集场所为停车场类型，还是为工厂建设施工类型、地铁建设施工类型或桥梁建设施工类型等，不再需要人工进行统计，不但节约人力和物力，还能够有效提高统计效率。还能够有效提高统计效率。还能够有效提高统计效率。

【技术实现步骤摘要】
一种场所类型识别方法、装置、计算机设备和存储介质


[0001]本申请涉及场所类型识别领域，具体涉及一种场所类型识别方法、装置、计算机设备和存储介质。

技术介绍

[0002]在实际应用中，有很多会出现设备大量聚集的场所，比如停车场、工厂建设工地、地铁建设工地以及桥梁建设工地等，为了对各种类型的场所进行高效管理和提供针对性的服务，需要对场所类型进行识别。
[0003]现有技术一般采用人工方式确认场所类型。比如，针对某起重机大量聚集的场所，需要确定该场所是停车场还是工地，若该该场所为工地，还要进一步确认是前述工厂建设工地、地铁建设工地，还是桥梁建筑工地，这些确认工作都是采用人工完成的。显然，这种人工识别的方式不仅会耗费大量的人力和物力，并且识别效率也相对较低。
[0004]因此，如何在节省人力和物力的情况下高效的识别场所类型，是本领域技术人员亟待解决的技术问题。

技术实现思路

[0005]有鉴于此，本申请实施例致力于提供一种场所类型识别方法、装置、计算机设备和存储介质，以解决现有技术中人工识别场所类型不仅会耗费大量的人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种场所类型识别方法，其特征在于，包括：获取多个施工设备的位置信息和工况信息；基于多个所述施工设备的所述位置信息，构建至少一副无向图；根据至少一副所述无向图中的顶点进行聚类，获取相应的顶点簇；其中，任一所述顶点簇对应一个聚集场所；根据所述顶点簇中各所述顶点对应的所述施工设备的所述工况信息和预训练的类型识别模型，获取所述顶点簇对应的所述聚集场所的场所类型。2.根据权利要求1所述的方法，其特征在于，所述基于多个所述施工设备的所述位置信息，构建至少一副无向图，包括：基于多个所述施工设备的所述位置信息获取任意两个所述施工设备之间的距离；以所述施工设备为顶点，在任意两个距离小于预设距离阈值的所述施工设备所对应的所述顶点之间生成边，获取至少一副无向图。3.根据权利要求1所述的方法，其特征在于，所述根据至少一副所述无向图中的顶点进行聚类，获取相应的顶点簇，包括：以任一无向图中，所连接边的数量大于等于预设数量阈值的目标顶点为起始点，根据广度优先搜索算法获取所述目标顶点以外的其他顶点；将所连接边的数量大于等于预设数量阈值的所述顶点作为一个集合，获取相应的顶点簇。4.根据权利要求1所述的方法，其特征在于，所述根据所述顶点簇中各所述顶点对应的所述施工设备的所述工况信息和预训练的类型识别模型，获取所述顶点簇对应的所述聚集场所的场所类型之前，还包括：对所述顶点簇中各所述顶点对应的所述施工设备的所述工况信息进行归一化处理。5.根据权利要求1所述的方法，其特征在于，还包括：根据训练样本和LSTM神经网络，获取时间窗数据特征；所述训练样本包括样本工况信息；根据所述时间窗数据特征和CNN神经网络，获取所述训练样本的输出结果；基于各所述训练样本的输出结果与对应的标签之间的误差，得到各训练样本相对应的误差；所述标签包括所述训练样本对应的样本场所类型；以各训练样本相对应的误差处于预设范围内为训练目标，调整所述LSTM神经网络和/或所述CNN神经网络的参数，获取所述类型识别模型。6.根据权利要求1所述的方法，其特征在于，所述根据至少一副所述无向图中的顶点进行聚类，获取相应的顶点...

【专利技术属性】
技术研发人员：彭徵，付惠斌，唐熹微，
申请(专利权)人：三一汽车起重机械有限公司，
类型：发明
国别省市：