基于人工智能的共享电动车智能巡检系统的制作方法
本发明涉及共享交通设备巡检相关领域,具体为基于人工智能的共享电动车智能巡检系统。
背景技术:
1、随着共享经济的快速发展,共享电动车已成为城市居民短途出行的重要交通工具,极大地解决了“最后一公里”的出行难题。但与此同时,共享电动车乱停乱放的乱象日益突出,尤其是占用盲道、消防通道等特定区域的非合规停放行为,不仅破坏了城市交通秩序,还带来了严重的安全隐患。当前,共享电动车的巡检工作主要依赖人工巡检或传统的智能巡检系统,其中人工巡检效率低下、成本高,且难以实现全天候、全方位覆盖;传统智能巡检系统多采用常规的目标检测算法(如yolo系列、faster r-cnn等)进行车辆识别,存在明显的技术缺陷。
2、现有传统智能巡检系统的核心问题的是,对非合规停放的识别准确率受场景影响极大,在光照强度变化(如强光、弱光、逆光)、车辆部分遮挡(如被树木、其他车辆遮挡)等复杂场景下,识别准确率大幅下降,无法精准区分合规停放与非合规停放(尤其是占用盲道、消防通道等特定区域的停放行为);同时,传统系统的特征提取与识别过程相互独立,未考虑环境因素对识别结果的影响,导致识别结果存在滞后性,预警指令传递不及时,无法实现非合规停放行为的快速管控,最终导致共享电动车违停乱象屡禁不止,给城市管理带来了极大的压力。
3、此外,现有技术中也存在部分基于ai的共享电动车巡检专利,但其核心技术多聚焦于车辆故障检测、电量检测等方面,未针对非合规停放的特定场景进行优化,且未解决复杂环境下识别准确率低、预警滞后的问题,无法满足城市共享电动车精细化管理的需求。因此,研发一种能够精准解决上述特定问题的共享电动车智能巡检系统,具有重要的现实意义和应用价值。
技术实现思路
1、本发明的目的在于提供基于人工智能的共享电动车智能巡检系统,以解决上述背景技术中提出的问题。
2、为实现上述目的,本发明提供如下技术方案:基于人工智能的共享电动车智能巡检系统,包括多源巡检数据采集终端、场景自适应非合规识别模块、通信传输模块、预警调度模块及终端管理平台;所述多源巡检数据采集终端用于采集共享电动车的图像数据、位置数据及环境光照数据;所述通信传输模块用于实现各模块间的数据交互;所述预警调度模块用于接收识别结果并发出预警及调度指令;所述终端管理平台用于数据存储、指令下发及巡检状态监控;所述场景自适应非合规识别模块采用改进的场景自适应加权特征融合巡检识别算法(sa-wffa),用于对采集到的多源数据进行处理,实现共享电动车非合规停放的精准识别,其具体工作步骤包括:
3、步骤1:数据预处理,对多源巡检数据采集终端采集到的图像数据进行去噪、尺寸归一化处理,对位置数据进行坐标校准,对环境光照数据进行标准化处理,得到标准化数据集;
4、步骤2:特征提取,分别提取标准化数据集中共享电动车的几何特征、纹理特征,以及环境的光照特征、遮挡特征,其中几何特征包括车辆长宽比、车轮间距,纹理特征包括车身纹理灰度值、车标特征,光照特征为光照强度归一化值,遮挡特征为遮挡面积占比;
5、步骤3:场景自适应因子计算,基于光照特征和遮挡特征,通过改进的自适应因子计算公式,得到光照影响因子和遮挡影响因子;
6、步骤4:特征加权融合,根据场景自适应因子,即光照影响因子和遮挡影响因子,对提取的车辆特征进行动态加权融合,得到融合特征向量;
7、步骤5:非合规识别与输出,将融合特征向量输入预设的识别模型,判断车辆是否属于非合规停放,若为非合规停放,输出识别结果及车辆位置信息,若为合规停放,返回识别成功信号。
8、优选的,所述多源巡检数据采集终端用于采集共享电动车的多源数据,为后续识别提供数据支撑,包括无人机巡检单元、路面固定摄像头单元及电动车车载传感器单元;其中,无人机巡检单元采用多旋翼无人机,搭载高清摄像头和光照传感器,用于大范围区域的巡检,采集区域内共享电动车的图像数据和环境光照数据;路面固定摄像头单元安装在盲道、消防通道等重点区域的周边,采用高清红外摄像头,用于定点采集该区域内共享电动车的图像数据,实现夜间巡检;车载传感器单元集成在共享电动车内部,包括gps定位模块和姿态传感器,用于采集车辆的实时位置数据(经纬度坐标)和车身姿态数据,辅助判断车辆停放状态。采集到的所有数据均通过通信传输模块传输至场景自适应非合规识别模块。
9、优选的,所述步骤1中数据预处理具体包括对图像数据进行高斯去噪处理,去除图像中的噪声干扰,再将图像尺寸归一化至640×480像素,确保后续特征提取的统一性;对gps定位数据进行坐标校准,消除定位误差,得到车辆的精准经纬度坐标;对环境光照数据进行标准化处理,将光照强度值归一化至区间,记为,便于后续场景自适应因子的计算。
10、优选的,所述步骤2中特征提取基于预处理后的标准化数据集,分别提取两类核心特征:一是共享电动车的车辆特征,包括几何特征和纹理特征;二是环境特征,包括光照特征和遮挡特征;其中,几何特征通过边缘检测算法提取,包括车辆长宽比、车轮间距,记为几何特征向量,用于区分共享电动车与其他非机动车;纹理特征通过灰度共生矩阵算法提取,包括车身纹理灰度值、车标特征,记为纹理特征向量,用于精准识别共享电动车的具体停放姿态;光照特征为步骤1中标准化后的光照强度值,用于反映当前巡检场景的光照条件;遮挡特征通过图像分割算法计算得到,即遮挡区域面积与车辆整体面积的比值,记为,用于反映车辆的遮挡程度;所有提取的特征均进行归一化处理,确保特征尺度一致。
11、优选的,所述步骤3的光照影响因子和遮挡影响因子具体内容为:通过改进的自适应因子计算公式,基于光照特征和遮挡特征,分别计算光照影响因子和遮挡影响因子,用于动态调整车辆特征的融合权重,使特征融合过程能够适应不同的场景变化;具体计算公式如下:,,其中,为光照强度阈值,取值为0.5,当光照强度归一化值大于0.5时,说明光照充足,光照对识别的影响较小,趋近于0.9;当小于0.5时,说明光照不足,光照对识别的影响较大,趋近于0.1;为遮挡面积阈值,取值为0.3,当遮挡面积占比大于0.3时,说明遮挡严重,遮挡对识别的影响较大,趋近于0.1;当小于0.3时,说明遮挡较轻,遮挡对识别的影响较小,趋近于0.9;、为调节系数,均取值为5,用于调节因子对光照和遮挡变化的敏感程度,确保因子变化的平滑性,避免因环境突变导致识别结果波动。
12、优选的,所述步骤4的特征加权融合具体基于步骤3计算得到的光照影响因子和遮挡影响因子,对步骤2提取的几何特征向量和纹理特征向量进行动态加权融合,得到融合特征向量;与传统的固定权重融合算法不同,本发明的融合权重能够根据当前场景的光照和遮挡情况动态调整,当光照充足、遮挡较轻时,增加几何特征和纹理特征的权重,提升识别精度;当光照不足、遮挡严重时,动态调整权重分配,减少环境因素对识别结果的影响,确保融合特征能够准确反映车辆的停放状态。具体融合计算公式如下:;公式中,通过四个项的加权求和,实现几何特征和纹理特征的动态融合,其中各项的权重由光照影响因子和遮挡影响因子共同决定,确保融合特征的鲁棒性和准确性。融合后的特征向量传输至下一步进行识别判断。
13、优选的,所述预警调度模块用于接收场景自适应非合规识别模块传输的识别结果,生成预警信号和调度指令;预警调度模块包括分级预警单元和调度指令生成单元:分级预警单元根据非合规停放的严重程度,将预警信号分为一般预警(占用普通非机动停车区域)和严重预警(占用盲道、消防通道等重点区域),一般预警通过短信通知巡检人员,严重预警通过短信、语音双重通知巡检人员,并同步推送至城市管理部门的相关终端;调度指令生成单元根据车辆的精准位置数据,结合巡检人员的实时位置,生成最优的巡检调度指令,明确巡检人员的前往路线和处理要求,确保非合规停放行为能够快速得到处理。
14、优选的,所述终端管理平台存储包括但不限于多源巡检数据、识别结果、预警记录、调度指令数据,存储时间不低于1年;管理人员通过平台下发巡检任务指令,调整巡检范围和重点区域;同时,平台具备数据统计分析功能,可实时统计非合规停放的数量、类型、高发区域信息,为城市共享电动车管理提供数据支撑。
15、与现有技术相比,本发明的有益效果是:精准解决特定技术问题:
16、本发明专门针对现有共享电动车巡检中“非合规停放(占用盲道、消防通道等特定区域)识别准确率低、受光照、遮挡等复杂场景影响大,且识别结果与预警指令传递存在延迟”的特定问题,通过场景自适应非合规识别模块及改进的sa-wffa算法,实现了复杂场景下非合规停放的精准识别,识别准确率提升,识别响应时间缩短至100ms以内,有效解决了传统巡检系统的技术缺陷。
17、本发明通过改进的特征融合算法,动态结合环境因素调整融合权重,突破了传统算法固定权重融合的局限,针对共享电动车非合规停放的特定场景进行优化,创造性明确且实用性强。本系统结构简洁,各模块配合紧密,可实现共享电动车的全天候、全方位巡检,无需大量人工参与,大幅提升了巡检效率,降低了运营管理成本;同时,系统可适配不同城市的共享电动车管理需求,可根据实际情况调整巡检重点区域和识别阈值,具有广泛的应用前景。
18、本系统能够快速识别共享电动车非合规停放行为,尤其是占用盲道、消防通道等重点区域的违规行为,通过实时预警和快速调度,有效遏制共享电动车违停乱象,减少安全隐患,为城市交通管理和精细化治理提供有力支撑。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com