【技术实现步骤摘要】
基于多源数据融合和模型级联的环卫事件监测方法及系统
[0001]本专利技术涉及环卫作业事件的处理
，具体地，涉及一种基于多源数据融合和模型级联的环卫事件监测方法及系统。
技术介绍
[0002]随着城市化进程的深入，城市规模的不断发展，城市大规模环卫保障是城市正常运转不可或缺的重要基础。但是由于城市大规模运转的耦合性和复杂性，每天会产生大量的突发偶发环卫事件(如道路面出现大规模垃圾丢弃，路面土方积累，交通事故发生时带来的路面脏乱，交通辅道被工业垃圾覆盖等)，这些事件都需要纳入到环卫事件监测预测体系，尽快被云端平台捕捉到。
[0003]目前环卫行业的常规做法是预先派出大量的路面巡检设备和人员，依照设定的路线进行常态化巡检，来尽可能地发现高危环卫事件；然而，由于巡检路线早已由人工经验制定，人工经验在制定巡检计划时需要对全局路面有清晰准确的认知，若精确性不足，会导致制定的巡检路线不能最大程度地涵盖必要的可疑区域，造成浪费人力物力在低事故风险区域，以致高危环卫事件不能得到及时的预警和监测。而且，由于城市交通流在不断动态变...
【技术保护点】
【技术特征摘要】
1.一种基于多源数据融合和模型级联的环卫事件监测方法，其特征在于，包括：步骤S1：采集巡检车辆实时运行数据，并对环卫风险车辆进行AI识别，得到对应的参数；步骤S2：对巡检车辆进行Re
‑
ID建模得到对应的Re
‑
ID特征信息，并把所述Re
‑
ID特征信息和所述参数存储在云端；步骤S3：将所述特征信息和所述参数按照上传云端的固定时间间隔，构建全域环卫风险车辆动态拓扑图；步骤S4：采集实时交通状况数据，并对所述实时交通状况数据进行数据初步清洗和加工，同时根据所述车辆动态拓扑图，构建AI多模型级联，生成环卫事件预测模型；步骤S5：通过所述环卫事件预测模型进行环卫事件监测，进而得到环卫风险区域排名。2.根据权利要求1所述的基于多源数据融合和模型级联的环卫事件监测方法，其特征在于，所述参数包括车辆实时状态参数、高危车辆及所述高危车辆的静态参数；所述车辆实时状态参数包括车辆行驶速度、行驶轨迹、行驶车道、行驶方向和行驶位姿；所述高危车辆是指会造成环卫事件的车辆，通过预先制定的白名单来进行确认；所述静态参数包括车型、车牌和环卫风险特征。3.根据权利要求1所述的基于多源数据融合和模型级联的环卫事件监测方法，其特征在于，所述AI多模型级联包括车辆Re
‑
ID模型、状态判别模型和轨迹预测模型；所述车辆Re
‑
ID模型用来关联车端侧和无人机侧的车辆信息；所述状态判别模型用来判定车辆的行驶异常，所述异常与环卫事件发生相关，包括车体抖动和车体封闭不严；所述轨迹预测模型用来通过多个传感侧信息关联，识别车辆的一致性轨迹。4.根据权利要求3所述的基于多源数据融合和模型级联的环卫事件监测方法，其特征在于，步骤S2包括：步骤S2.1：读取环卫云业务图像采集库中的车辆图像，并对所述车辆图像进行预处理；步骤S2.2：标注预处理后的车辆图像中的关键点；步骤S2.3：通过定位所述关键点和区域分割方法，将当前车辆分为四个面，分别为前面、背面、左面和右面；步骤S2.4：基于所述四个面生成对应的区域掩码，并将所述区域掩码均与所述关键点进行关联，同时所述关联关系至少存在1对且互相不重叠；步骤S2.5：利用CNN卷积神经网络对多个区域分割结果提取区域特征向量；步骤S2.6：将所述区域特征向量与全局特征向量融合；步骤S2.7：对融合后的特征向量进行车辆重识别和检索，得到对应的特征信息。5.根据权利要求1所述的基于多源数据融合和模型级联的环卫事件监测方法，其特征在于，所述步骤S5包括将选取的监测区域中所监测到的车辆实时状态数据和采集的高危车辆静态参数进行匹配，基于所述匹配后的综合数据结算当前区域的风险值，计算公式如下：其中，a
i
表示辆车的当前风险值，m
t
表示当前时间段的路段权重占比，P
t
表示当前时间
段设置的风险预估阈值，f(t+Δt)表示当前区域后续预测风险系数。6.一种基于多源...
【专利技术属性】
技术研发人员：何弢，张亚楠，廖文龙，
申请(专利权)人：酷哇环境技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。