一种基于人工智能的车载设备应用管理系统及方法技术方案

本发明专利技术公开了一种基于人工智能的车载设备应用管理系统及方法，属于人工智能技术领域。对城市范围进行区域属性划分，对城市公交路线进行捕捉；统筹每一条公交路线经过的全部监测区域，对公交路线进行清洗选择；首先对公交路线进行去除重复清洗，再对公交路线进行交叉重叠清洗，设置交叉重叠清洗优化迭代模型，对行驶在交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线上的公交车安装车载设备；对每一条公交路线进行评分，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理；进而在避免造成车载设备应用浪费的同时，避免监测范围的遗漏，并降低车载设备的维护难度。护难度。护难度。

【技术实现步骤摘要】
一种基于人工智能的车载设备应用管理系统及方法


[0001]本专利技术涉及人工智能
，具体为一种基于人工智能的车载设备应用管理系统及方法。

技术介绍

[0002]随着人工智能技术的快速发展，人工智能技术在生活中的普及越来越广泛；同时，随着硬件设备性能的不断提高，人工智能技术应用在生活中的各个方面也得到了更好的完善；尤其在汽车和城市环境管理方面，通过在汽车上安装不同的车载设备，再结合交通信息，车载设备能够对城市的很多方面信息进行实时监测；在申请公布日2021.04.30、申请号202011472380.0、名称为一种基于5G的移动式城市环境监测系统及方法的专利中，通过将监测终端设置在公交车上，借用公交车的形式实现对城市环境的流动监测，从而只需要较少数量的监测设备就可以对城市区域进行拉网式的监测，监测的范围度更广，同时省略了固定监测基站占地等费用，也节省了大量的成本；但是上述专利中，仍然存在以下问题：由于不同城市的规划格局不同，如果盲目的在每条公交路线上安装车载设备，势必会造成设备应用的浪费；同时，对于规划格局较大的城市，如果不能精准化的选择设备的应用方式，也势必会导致设备应用的范围遗漏，并且也导致加大对后期设备维护的难度。

技术实现思路

[0003]本专利技术的目的在于提供一种基于人工智能的车载设备应用管理系统及方法，以解决上述
技术介绍
中提出的问题。
[0004]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的车载设备应用管理系统，本系统包括：划分捕捉模块、清洗选择模块、车载设备应用分析模块和车载设备维护分析模块；所述划分捕捉模块，用于对城市范围进行区域属性划分，所述区域属性包括住宅区、办公商场区和城市绿化区，并生成监测区域集合；对城市公交路线进行捕捉，并生成公交路线集合；所述清洗选择模块，用于统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合；根据路线闭环区域集合，对公交路线进行清洗选择，所述清洗选择包括去除重复清洗和交叉重叠清洗；所述车载设备应用分析模块，用于对公交路线进行去除重复清洗；去除重复清洗完成后，对公交路线进行交叉重叠清洗，设置交叉重叠清洗优化迭代模型，优化迭代完成后，输出交叉重叠清洗优化迭代样本公交路线集，对行驶在交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线上的公交车安装车载设备，所述车载设备为安装在公交车上的用于监测城市环境信息的传感器；
所述车载设备维护分析模块，用于优化迭代完成后，对输出的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线进行评分，将优化迭代完成后的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理。
[0005]进一步的，所述划分捕捉模块还包括区域划分单元和路线捕捉单元；所述区域划分单元，根据城市控制性详细规划图，对城市范围进行区域属性划分，共得到n个监测区域，所述区域属性包括住宅区、办公商场区和城市绿化区；对划分的监测区域进行统一编号，并生成监测区域集合，记为MTC={R1，R2，...，R
n
}，其中，R1，R2，...，R
n
分别表示第1，2，...，n个监测区域；所述路线捕捉单元，根据城市公交路线图，对城市公交路线进行捕捉，共得到m条公交路线，对公交路线进行统一编号，并生成公交路线集合，记为BRC={W1，W2，...，W
m
}，其中，W1，W2，...，W
m
分别表示第1，2，...，m条公交路线。
[0006]进一步的，所述清洗选择模块还包括路线闭环统筹单元和清洗选择单元；所述路线闭环统筹单元，用于统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合，记为BM|W
x
，其中，BM|W
x
表示任意一条公交路线W
x
对应生成的路线闭环区域集合，且W
x
∈BRC；所述清洗选择单元，根据路线闭环区域集合，对公交路线进行清洗选择，所述清洗选择包括去除重复清洗和交叉重叠清洗，所述清洗选择的关系为先进行去除重复清洗，后进行交叉重叠清洗，且前一种清洗的结果作为后一种清洗的对象。
[0007]进一步的，所述车载设备应用分析模块还包括去除重复清洗单元和交叉重叠清洗单元；所述去除重复清洗单元，用于获取任意两个路线闭环区域集合BM|W
x
和BM|W
y
，如果BM|W
y
⊆
BM|W
x
，则对路线闭环区域集合BM|W
y
对应的公交路线进行去除重复清洗，并且对公交路线集合BRC进行去除后的更新，去除更新后对公交路线重新进行统一编号，将去除更新后的公交路线集合BRC作为去除重复清洗的结果及交叉重叠清洗的对象；否则不对路线闭环区域集合BM|W
y
对应的公交路线进行去除重复清洗；所述交叉重叠清洗单元，用于统筹经过每一个监测区域的全部公交路线，并生成区域闭环路线集合，记为MB|R
i
，其中，MB|R
i
表示任意一个监测区域R
i
对应生成的区域闭环路线集合，且R
i
∈MTC；设置交叉重叠清洗优化迭代模型，令第K次交叉重叠清洗优化迭代样本公交路线集为BRC
K
，且第一次交叉重叠清洗优化迭代样本公交路线集为BRC1，且BRC1=BRC，其中，BRC1为去除更新后的公交路线集合；随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线，并根据去除的任意一条公交路线，对区域闭环路线集合进行更替，令区域闭环路线集合在第K次交叉重叠清洗优化迭代中对应的更替结果为MB
K
|R
i
；所述随机去除的方式为：如果随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线后，导致更替结果MB
K
|R
i
=
∅
，则该任意一条公交路线无法去除，选择第K次交叉重叠清洗优化迭代样本公交路线集BRC
K
中的另一条公交路线进行随机去除；否则该任意一条公交路线可以去除；
根据车载设备的监测范围，确定更替结果MB
K
|R
i
中每一条公交路线在监测区域R
i
中的监测覆盖面积，记为MCA
r
(MB
K
|R
i
)，其中，MCA
r
(MB
K
|R
i
)表示更替结果MB
K
|R
i
中第r条公交路线在监测区域R
i
中的监测覆盖面积；根据更替结果MB
K
|R
i
中每一条公交路线在监测区域R
i
中的监测覆盖面积，确定监测区域R
i
在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的车载设备应用管理方法，其特征在于，该方法包括以下步骤：步骤S100：对城市范围进行区域属性划分，所述区域属性包括住宅区、办公商场区和城市绿化区，并生成监测区域集合；对城市公交路线进行捕捉，并生成公交路线集合；步骤S200：统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合；根据路线闭环区域集合，对公交路线进行清洗选择，所述清洗选择包括去除重复清洗和交叉重叠清洗；步骤S300：对公交路线进行去除重复清洗；去除重复清洗完成后，对公交路线进行交叉重叠清洗，设置交叉重叠清洗优化迭代模型，优化迭代完成后，输出交叉重叠清洗优化迭代样本公交路线集，对行驶在交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线上的公交车安装车载设备，所述车载设备为安装在公交车上的用于监测城市环境信息的传感器；步骤S400：优化迭代完成后，对输出的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线进行评分，将优化迭代完成后的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理。2.根据权利要求1所述的一种基于人工智能的车载设备应用管理方法，其特征在于，所述步骤S100的具体实施过程包括：步骤S101：根据城市控制性详细规划图，对城市范围进行区域属性划分，共得到n个监测区域，所述区域属性包括住宅区、办公商场区和城市绿化区；对划分的监测区域进行统一编号，并生成监测区域集合，记为MTC={R1，R2，...，R
n
}，其中，R1，R2，...，R
n
分别表示第1，2，...，n个监测区域；步骤S102：根据城市公交路线图，对城市公交路线进行捕捉，共得到m条公交路线，对公交路线进行统一编号，并生成公交路线集合，记为BRC={W1，W2，...，W
m
}，其中，W1，W2，...，W
m
分别表示第1，2，...，m条公交路线。3.根据权利要求2所述的一种基于人工智能的车载设备应用管理方法，其特征在于，所述步骤S200的具体实施过程包括：步骤S201：统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合，记为BM|W
x
，其中，BM|W
x
表示任意一条公交路线W
x
对应生成的路线闭环区域集合，且W
x
∈BRC；步骤S202：根据路线闭环区域集合，对公交路线进行清洗选择，所述清洗选择包括去除重复清洗和交叉重叠清洗，所述清洗选择的关系为先进行去除重复清洗，后进行交叉重叠清洗，且前一种清洗的结果作为后一种清洗的对象。4.根据权利要求3所述的一种基于人工智能的车载设备应用管理方法，其特征在于，所述步骤S300的具体实施过程包括：步骤S301：所述去除重复清洗的方式为：获取任意两个路线闭环区域集合BM|W
x
和BM|W
y
，如果BM|W
y
⊆
BM|W
x
，则对路线闭环区域集合BM|W
y
对应的公交路线进行去除重复清洗，并且对公交路线集合BRC进行去除后的更新，去除更新后对公交路线重新进行统一编号，将去除更新后的公交路线集合BRC作为去除重复清洗的结果及交叉重叠清洗的对象；否则不对路线闭环区域集合BM|W
y
对应的公交路线进行去除重复清洗；步骤S302：所述交叉重叠清洗的方式为：
统筹经过每一个监测区域的全部公交路线，并生成区域闭环路线集合，记为MB|R
i
，其中，MB|R
i
表示任意一个监测区域R
i
对应生成的区域闭环路线集合，且R
i
∈MTC；设置交叉重叠清洗优化迭代模型，令第K次交叉重叠清洗优化迭代样本公交路线集为BRC
K
，且第一次交叉重叠清洗优化迭代样本公交路线集为BRC1，且BRC1=BRC，其中，BRC1为去除更新后的公交路线集合；随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线，并根据去除的任意一条公交路线，对区域闭环路线集合进行更替，令区域闭环路线集合在第K次交叉重叠清洗优化迭代中对应的更替结果为MB
K
|R
i
；所述随机去除的方式为：如果随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线后，导致更替结果MB
K
|R
i
=
∅
，则该任意一条公交路线无法去除，选择第K次交叉重叠清洗优化迭代样本公交路线集BRC
K
中的另一条公交路线进行随机去除；否则该任意一条公交路线可以去除；根据车载设备的监测范围，确定更替结果MB
K
|R
i
中每一条公交路线在监测区域R
i
中的监测覆盖面积，记为MCA
r
(MB
K
|R
i
)，其中，MCA
r
(MB
K
|R
i
)表示更替结果MB
K
|R
i
中第r条公交路线在监测区域R
i
中的监测覆盖面积；根据更替结果MB
K
|R
i
中每一条公交路线在监测区域R
i
中的监测覆盖面积，确定监测区域R
i
在第K次交叉重叠清洗优化迭代中的监测覆盖面积的重叠面积总和，记为OA(MB
K
|R
i
)；计算第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，具体计算公式如下：MCQ
K
=∑
i=1n
{OA(MB
K
|R
i
)/∑
r=1R
MCA
r
(MB
K
|R
i
)
×
{[∑
r=1R
MCA
r
(MB
K
|R
i
)
‑
OA(MB
K
|R
i
)]/AR(R
i
)}}其中，MCQ
K
表示第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，R表示更替结果MB
K
|R
i
中的公交路线总数，AR(R
i
)表示监测区域R
i
的总面积；预设监测覆盖准度阈值，如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度小于等于监测覆盖准度阈值，则停止优化迭代，并输出第K次交叉重叠清洗优化迭代样本公交路线集BRC
K
；如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度大于监测覆盖准度阈值，则随机去除第K次交叉重叠清洗优化迭代样本公交路线集BRC
K
中的任意一条公交路线，并令K=K+1，对区域闭环路线集合进行更替，令区域闭环路线集合在第K+1次交叉重叠清洗优化迭代中对应的更替结果为MB
K+1
|R
i
，进行第K+1次交叉重叠清洗优化迭代。5.根据权利要求4所述的一种基于人工智能的车载设备应用管理方法，其特征在于，所述步骤S400的具体实施过程包括：步骤S401：对任意一个监测区域R
i
中包含的住宅区、办公商场区和城市绿化区进行位置标点，并生成监测目标点集合，记为MTP(R
i
)={q1，q2，...，q
v
}，其中q1，q2，...，q
v
分别表示任意一个监测区域R
i
中包含的第1，2，...，v个监测目标点；步骤S402：停止优化迭代后，识别第K次交叉重叠清洗优化迭代样本公交路线集BRC
K
中任意一条公交路线在监测区域R
i
中的覆盖监测到的监测目标点，并生成更替目标点集合，记为CTP(R
i
|W
e
)={Q1，Q2，...，Q
u
}，其中，Q1，Q2，...，Q
u
分别表示任意一条公交路线W
e
在监测区域R
i
中的覆盖监测到的第1，2，...，u个更替目标点，W
e
∈BRC
K
，e表示公交路线编号；步骤S403：根据监测目标点集合和更替目标点集合，计算停止优化迭代后第K次交叉重
叠清洗优化迭代样本公交路线集BRC
K
的每一条公交路线的应用得分，具体计算公式如下：G(W
e
)=∑
i=1n
G[CTP(R
i
|W
e
)]G[CTP(R
i
|W
e
)]=∑
f=1u
F(Q
f
)F(Q
f
)=lg{[19+NUM(Q
f
，MTP(R
i
))]/[NUM(Q
f
，MTP(R
i
))+1]}其中，G(W
e
)表示停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRC
K
中任意一条公交路线W
e
的应用得分，G[CTP(R
i
|W
e
)]表示任意一条公交路线W
e
在监测区域R
i
中的应用得分，F(Q
f
)表示更替目标点集合CTP(R
i
|W
e
)中任意一个更替目标点Q
f
的匹配得分，NUM(Q
f
，MTP(R
i
))表示任意一个更替目标点Q
f
在监测目标点集合MTP(R
i
)中的匹配成功的监测目标点的个数；如果F(Q
f
)=1，则表示任意一个更替目标点Q
f
在监测目标点集合MTP(R
i
)中的匹配成功；如果F(Q
f
)≠1，则表示任意一个更替目标点Q
f
在监测目标点集合MTP(R
i
)中的匹配不成功，并令F(Q
f
)=0；将停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRC
K
的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理。6.一种基于人工智能的车载设备应用管理系统，其特征在于，所述系统包括：划分捕捉模块、清洗选择模块、车载设备...

【专利技术属性】
技术研发人员：王宇，崔海龙，
申请(专利权)人：江苏新睿清智科技有限公司，
类型：发明
国别省市：