CN112511610A - 基于城市精细化管理条件的车载巡视智能方法和系统 - Google Patents

Abstract

本申请涉及一种基于城市精细化管理条件的车载巡视智能方案，包括：采集巡视区域的环境数据；获取车辆的当前位置数据；将所采集的环境数据和所述当前位置数据存储在存储器中；对所述环境数据进行分析处理以识别异常问题，其中，如果分析结果存在异常问题，则：在所述环境数据中标识出出现异常问题的区域，自动生成问题报告并将所述问题报告上传给远程服务器，其中所述问题报告包括出现异常问题的经标识的环境数据和相关联的位置数据，远程服务器根据所述问题报告生成整治任务并派单给相关部门；如果分析结果不存在异常问题，则返回到所述采集步骤以重新采集下一位置处的环境数据。

Description

基于城市精细化管理条件的车载巡视智能方法和系统

技术领域

本申请涉及城市环境的综合整治领域，更具体而言，涉及一种基于城市精细化管理条件的车载巡视智能技术。

背景技术

随着城市的快速发展，城市管理也从粗放型向着精细化发展。城市精细化管理，是从旧式城市化转向新型城市化的代名词。对于城市发展来说，这种阶段的跨越是一个变革性问题，更是一个战略性问题。

城市精细化管理体系建设主要包括制定城市精细化管理标准和建立精细化管理体系两方面内容。建立管理标准，就是按照执法标准化、管理标准化、公共服务标准化的要求，在各部门建立管理标准，实现城市管理的制度化、规范化。建立精细化管理体系，就是在各部门管理标准的基础上，形成整体的管理体系，从服务工作流程、岗位工作要求、服务质量要求、质量评价考核等方面对城市管理行为进行规范。

一种典型的精细化管理样板就是设立风貌保护区，风貌保护区是指经国家有关部门、省、市、县人民政府批准并公布的文物古迹比较集中，能较完整地反映某一历史时期的传统风貌和地方、民族特色，具有较高历史文化价值的街区、镇、村、建筑群等等。特别是在一些历史悠久的大城市，例如上海、北京等，风貌保护区是这些城市成为具有丰富历史文化内涵、文化氛围、高品质文化气息的现代化国际大都市的重要载体。在风貌保护区中的很多建筑既具有浓厚的历史文化底蕴，也具有风格迥异的建筑特色。

因此，越来越多各具特色的风貌保护区从城市规划中被单独划分出来以便保护其环境并对它们进行精细化管理，从而提升风貌区的街区厚度，着力塑造风貌保护区的优雅品质。

具体而言，风貌保护区精细化管理通常可以包括下述几个方面：

1)历史建筑的保护。根据例如上海市城市风貌保护规划，风貌保护区的保护应注重区域整体风貌的保持与延续，风貌保护区内建筑设置店招店牌时，应首先考虑其对建筑功能的保护，不应破坏建筑外观和建筑整体形象。

2)保护区内的市容环境整治。需要尽早尽快发现和解决影响市容环境的各种问题。例如建筑物外立面脱落、架空线污染、空调外机安装无序、道路上随意乱丢的垃圾、地面污水横流等问题都需要能够及时发现并尽快处理，以为市民提供整洁有序的生活环境。

3)优化商业结构。规范商铺装修和统一店招店牌的风格，形成与区域历史风貌相协调的沿街商业形态。严禁店外经营、占道经营、噪声扰民、夜间声光污染等问题。

而在风貌保护区的管理工作中，通常采用的是人工巡查，即通过网格化管理划分巡查区域，再由专人在指定时间在各个网格中进行步行巡查，或者由专人驾驶执法车辆流动巡查。但无论是步行巡查还是车辆巡查，上述诸如路面垃圾、店外经营、占道经营以及噪声扰民等问题还是需要依靠执法人员的肉眼或耳朵来分辨，速度慢效率低，并且容易受人为因素的影响。因此，无法做到全覆盖、全过程、全天候、无疏漏这些精细化管理规范要求。例如在执法人员发现问题后，有些无法现场整治的问题(例如不规范的店招或店面设计)就需要先回到单位提交问题报告，再由上级部门给出整改意见，再通知商家如何整改，最后再在指定期限内回访商家确认有没有及时整改，整个流程可能耗费数天乃至数星期，大大影响了整改进度，破坏了风貌保护区的整体形象。

而城市其他区域的精细化管理虽然不如风貌保护区那么严格，但却面临着覆盖面更大、执法力量匮乏、监控盲点较多等问题。

因此，存在一种需求，希望能提供一种更加快捷、方便、更加智能化、集成化程度更高的城市精细化综合整治管理方案。

发明内容

为了能够提供一套高效、智能、自动化的城市精细化综合整治管理方案，在本申请的第一方面，提供了一种基于城市精细化管理条件的车载巡视智能方法，包括：采集巡视区域的环境数据；获取车辆的当前位置数据；将所采集的环境数据和所述当前位置数据存储在存储器中；对所述环境数据进行分析处理以识别异常问题，其中，如果分析结果存在异常问题，则：在所述环境数据中标识出出现异常问题的区域，自动生成问题报告并将所述问题报告上传给远程服务器，远程服务器根据所述问题报告生成整治任务并派单给相关部门；如果分析结果不存在异常问题，则返回到所述采集步骤以采集并分析下一位置处的环境数据。

而在本申请的第二方面，则提供了一种基于城市精细化管理条件的车载巡视智能系统，包括：数据监控部分，被配置成利用各种传感器来从四周环境中采集所需的环境数据并将所述环境数据发送给数据处理平台；数据处理平台，被配置成对所采集的环境数据进行分析处理并将分析结果上传到远程服务器以派发整治任务；其中，对所采集的环境数据进行分析处理还包括：如果分析结果存在异常问题，则：在所述环境数据中标识出出现异常问题的区域，自动生成问题报告并将所述问题报告上传给所述远程服务器，所述远程服务器根据所述问题报告生成整治任务并派单给相关部门；如果分析结果不存在异常问题，则所述数据监控部分采集并分析下一位置处的环境数据。

提供本概述以便以简化的形式介绍以下在详细描述中进一步描述的一些概念。本概述并不旨在标识所要求保护主题的关键特征或必要特征，也不旨在用于限制所要求保护主题的范围。

附图说明

为了描述可获得本公开的上述和其它优点和特征的方式，将通过参考附图中示出的本公开的具体实施例来呈现以上简要描述的本公开的更具体描述。可以理解，这些附图只描绘了本公开的各典型实施例，并且因此不被认为是对其范围的限制，将通过使用附图并利用附加特征和细节来描述和解释本公开，在附图中：

图1示出了根据本申请的一个实施例的车载巡视智能系统的示例运行环境。

图2a示出了根据本申请的一个实施例的车载巡视智能系统的数据监控部分的示例系统框图。

图2b示出了根据本申请的一个实施例的车载巡视智能系统的数据处理平台的示例系统框图。

图3示出了根据本申请的一个实施例的用于实现基于城市精细化管理条件的智能巡视的方法的示例流程。

图4(a)示出了根据本申请的一个实施例的经标识出异常问题的示例视频截图。

图4(b)示出了根据本申请的一个实施例的经标识出异常问题的另一个示例视频截图。

提供本概述以便以简化的形式介绍以下在详细描述中进一步描述的一些概念。本概述并不旨在标识所要求保护主题的关键特征或必要特征，也不旨在用于限制所要求保护主题的范围。

具体实施方式

如前所述，城市的环境保护和日常精细化管理，已成为了各省市政府的重点工作之一。为了提高整治效率，执法人员越来越倾向于驾驶执法车辆进行快速区域巡逻来取代传统的沿街步行排查。而本申请正是针对车辆巡查提供了一种基于城市精细化管理条件的车载巡视智能方案，该智能方案可以将发现问题、上传问题报告、将问题整治任务下单到相关执法部门以及再次回访集成到一个系统中，从而提供一种基于城市精细化管理条件的高度集成化、智能化的车载巡视智能方案。

首先，图1示出了根据本申请的一个实施例的车载巡视智能系统的示例运行环境。如图所示，所述车载巡视智能系统主要包括两个部分，数据监控部分1和数据处理平台2。在巡查进行时，数据监控部分1通过利用各种传感器等等来从四周环境中采集所需的监控数据，而所述数据处理平台2则负责对所采集的监控数据进行智能分析处理并将分析结果以问题报告形式通过网络上传到位于远程服务器3上的相关的整治管理平台以便所述整治管理平台根据所述问题报告执行相应的整治任务。所述数据监控部分1和数据处理平台2彼此之间可以通过有线线缆或无线网络进行连接通信，而数据处理平台2则可借助于无线网络，特别是诸如高速5G蜂窝通信网络来实现与整治管理平台的实时通信。另外，所述数据监控部分1和数据处理平台2可以利用车辆原有的蓄电池供电，或者也可以利用自身电池来供电。

接着，在图2a中示出了根据本申请的一个实施例的车载巡视智能系统的数据监控部分1的示例系统框图。

如图所述，所述数据监控部分1可以包括例如摄像头10、红外线传感器12、麦克风14等等传感器模块，以及诸如扬声器16、警灯18之类的输出模块。它们可以例如被集成安置在车顶的底座之中或分布在车辆的各个位置处。这些模块通过有线线缆或无线网络都与通信模块19相连以进行通信。

摄像头10可以包括各种常用类型的监控摄像头。举例而言，所述摄像头可以具有300万的高像素，逐行扫描1/2.8”CMOS，提供2048X1536的最大分辨率以保证图像真实细腻清晰，并支持三码流输出，可方便的接入球机、云台等安装底座，其还可以具有光学变倍(例如焦距为4.7-94mm的20倍变焦功能)，以实现实时的大视野监控。另外，其可以支持最新的编码，例如H264、H265等编码技术，来提供高质量的视频图像。而且，其他诸如自动聚焦和自动曝光、点光源聚焦、图像稳定、低照明度、智能3D降噪技术等都可以被运用在所述摄像机上。利用所述摄像机10，可以在车辆巡查过程中获取巡视区域的视频图像，例如机动车道、非机动车道、人行道、两旁建筑外立面、沿街商铺的外观等的实时高质量的视频图像数据。应该理解，可以根据具体的巡查任务的需求将多个摄像机以多种角度配置在车辆的不同位置上以获取更广阔的视野的视频图像。

除了摄像头10之外，数据监控部分1还可以配备有红外传感器12，例如红外线热成像仪。红外线热成像仪可以根据视野中各个物体之间的红外辐射差异来生成场景的红外图像。利用所述红外传感器12，可以发现一些普通摄像头拍摄的视频图像中无法捕捉到的问题，例如建筑物外墙面的鼓包、脱落等。具体而言，红外热像法检测建筑外立面空鼓的主要原理是通过红外热像成像反映出外墙面正常部位与空鼓部位产生的温度差，根据温度差确定空鼓位置和范围。当外墙的表面温度比主体温度高，热就从外墙表面传到主体中，当外墙的表面温度更低时，热就由里传到外。如果墙体饰面材料有剥落，外墙和主体之间的热传导变小。因此，当外墙表面从日照或外部升温的空气中吸收热量时，有剥落层的部位温度变化比正常情况大。通常，当暴露在太阳光或升温的空气中时，外墙表面的温度升高，剥落部位的温度比正常部位的温度高；相反，当阳光减弱或气温降低，外墙表面温度下降时，剥落部位的温度比正常部位的温度低。由于空气的热导远低于瓷砖、砖、混凝土等建筑材料，因此当热流从表面进入建筑物饰面层时，即会在“空鼓”等缺陷部位受到空气阻挡发生“热堆积”，使该处的红外热像呈“热斑”等特征。这样就能从红外热像“热斑”出现的部位、持续时间等特征推知出存在饰面砖粘结质量的区域范围。而且，当在夜间巡查时由于光照条件不好而导致摄像头无法正常工作时，所述红外传感器12能够通过感测路面和垃圾之间的红外辐射温度差及时发现垃圾。还有，当路边店铺在夜间开启诸如霓虹灯、广告灯的情况下，所述红外传感器12还可以通过热成像及时发现可能存在的店招灯光污染(例如亮度超标)的问题。

麦克风14主要被用于采集巡查过程中周围的环境噪声，并且优选地可以具有对超标声源进行定位的功能。例如当巡视区域中的某个商家为了招揽顾客而使用高分贝喇叭播放高噪声广告语或音乐时，巡查车辆在经过该商家路段时，所述麦克风14就能根据所捕捉到的超标噪声来自动定位发出该噪声的噪声源。通过将该噪声源的坐标提供给数据处理平台2，可以生成针对该商家的整治任务。

尽管在上述实施例中，所述摄像头10、红外传感器12和麦克风14分别工作以收集不同来源的数据。但应该理解，这些监控设备也可以被组合使用以采集更全面的违规证据。例如，当麦克风14识别出噪声源后，摄像头10可以被自动定向到该噪声源以拍摄商家的高清视频照片，通过所述高清照片可以从中直接识别出商家的店名、地址、电话等信息，以便执法人员可以直接联系该商家进行及时整改。再比如，当红外传感器12根据红外图像判断出某建筑物外墙面可能存在鼓包时，摄像头10可以根据红外传感器提供的方位数据，以放大倍率拍摄该墙面出问题区域的高清视频照片，以便进行复核。应该理解，这些检测设备仅仅是出于说明的目的示出，并不局限于此，实际上根据不同的需求，还可以为巡查车辆配备更多的传感器以采集其他环境数据，例如大气传感器以捕捉风貌区中的大气污染(例如违规排放的油烟)，电波传感器以捕捉风貌区内的无线电波异常(例如发送违规短信的私人基站)等等。

从这些监控设备采集到的各种视频、音频、红外等环境数据都会通过通信模块19被传送给数据处理平台2以进行分析处理。所述通信模块19可以是无线模块或有线模块。例如所述通信模块19可以通过有线线缆与数据处理平台2相连，或者，所述通信模块19可以利用无线技术(例如蓝牙、MFC、WIFI、热点、WLAN以及蜂窝网络等等)技术将从各监控设备采集到的各种监控数据传送给数据处理平台2。

除了上述这些输入设备之外，数据监控部分1还可以包括一些输出设备，例如扬声器16、警灯18。

所述扬声器16可以是高音喇叭，警报器等等。当通过对从监控设备所采集的数据进行分析发现所巡查的巡视区域确实存在问题时，对于一些可以现场就纠正的问题，车载巡视智能系统可以通过扬声器16向存在问题的人员例如商家喊话来指导其立刻进行整治。例如，当车载巡视智能系统通过分析摄像头10中所采集的视频图像发现沿街商家存在占道经营的情况，可以立刻通知驾驶巡查车辆的执法人员，该执法人员可以将车辆停在路边或缓慢行驶，并同时通过扬声器16向该商家喊话通报问题并立刻督促其进行整治。在整治完成后，继续驾驶车辆巡查。这样，利用所述扬声器16，可以在无需执法人员下车的情况下就能实现发现、通知和整治一系列操作，提高了效率。

而警灯18可以在巡查时闪烁起来，以告知后方车辆，该巡查车辆正在执行巡查任务，请绕行。

所述扬声器16和警灯18也通过通信模块19与数据处理平台2通信，并根据来自数据处理平台2的指令工作。

应该理解，上述这些部件仅仅是数据监控部分1的示例部件，技术人员可以根据实际工作需要配置更多或更少的部件来实现所述数据监控部分1，这都属于本申请的范畴。

图2b中示出了根据本申请的一个实施例的车载巡视智能系统的数据处理平台2的示例系统框图。

如图所示，数据处理平台2可以包括通信模块22、GPS(全球卫星定位系统)模块24、车载服务器26、存储器28以及智能网关29。数据处理平台2的这些设备可以通过有线线缆或无线网络相互通信。在一些实施例中，出于体积和便携性的考虑，所述数据处理平台2可以由高性能的集成计算平台(例如平板电脑、笔记本电脑、专门设计的服务器)来实现，但在另一些情况下也可以利用巡查车辆本身的设备来实现，例如现今的许多智能互联网车辆已经配备有大尺寸高性能的液晶操控平板(PAD)，其具有高性能的处理器、GPS模块、5G联网通信模块以及存储器等设备，利用这些车辆现有的设备通过安装所述车载巡视智能系统的软件并进行适当配置，这些车载设备就能被配置成数据处理平台2。

具体而言，通信模块22被用于与数据监控部分1的通信模块19进行通信以从其接收所采集的各种环境数据或向其发送指令以操作诸如扬声器16和警灯18之类的输出设备。所述通信模块22可以是无线模块或有线模块。例如所述通信模块22可以通过有线线缆与数据监控部分1相连，或者，所述通信模块22可以利用无线技术(例如蓝牙、MFC、WIFI、热点、WLAN以及蜂窝网络等等)技术与数据监控部分1通信。

GPS模块24被配置自动为所采集的视频、音频、红外等环境数据提供精确的采集点坐标以方便定位存在异常问题的地点。所述定位可以具有下述特点：多系统卫星定位、厘米级定位精度、高性能惯导以及快速在线标定。除了使用GPS模块24，还可以采用其他卫星定位技术来代替，例如北斗定位系统、伽利略定位系统等等，这些定位系统都能提供车辆所在位置的精确定位。这些定位数据在车辆巡查期间一直不断提供给车载服务器并与数据监控部分1所采集的数据同步相关联。

车载服务器26可以是专门设计的车载式高性能GPU边缘计算服务器、高性能的便携式笔记本等等具有较强计算能力的计算设备，或如上所述由车载高性能平板来实现。例如，所述服务器可以是具有16核32线程*2的CPU，16G内存*4，2T SSD存储*3，GPU NVIDIATesla T4*2，并且搭载了CentOS系统(社区企业操作系统)的高性能服务器。服务器的配置越高，能够分析和处理的数据量就越多，同时分析的速度就越快。所述车载服务器26主要配置用于对从数据监控部分1接收到的与巡视区域环境监测有关的环境数据进行智能分析，根据城市精细化管理条件从中识别出不符合规范的异常问题，并将其作为分析结果输出并提供给相关的人员以便于进行整治。具体的过程将在涉及方法的实施例中加以具体描述。

存储器28存储了用于实现城市精细化综合整治管理的车载巡视智能方案的软件，并存储相关的数据。所述数据包括由数据监控部分1所采集的环境数据、与环境能够数据相关联的位置数据、经分析后的结果报告，并且还可以包括整治进度数据、反馈数据等等。利用该存储器，相关人员可以及时调取所采集的数据作为执法依据、调取分析报告来进行问题排查等等。

智能网关29被配置用于在需要的情况下将车载服务器分析后的结果报告上传到例如位于远程的服务器3处的综合整治管理平台，以进行后续的派单(即针对报告中的每个异常问题分派相应的整治任务)处置流程。并且，如果需要，所述智能网关29还可以将从数据监控部分1所采集的实时视频数据转发给例如位于远程的服务器3处的管理平台中的图控中心，这样，可以通过人工分析所述视频图像来进行远程人工指挥整治行动。一种典型的智能网关29可以具有下述特性：5G/4G全网通、向下兼容、8个天线接□(SMA-K□头)、开放式系统架构设计、支持边缘计算和二次开发、具有1个RESET按键、1个WAN接□(10/100/1000Mbps□适应)、3个LAN接□(10/100/1000Mbps□适应)、1个USB2.0接□、1个多功能接□(2串□、ACC、CAN、GND)。

除了上述设备之外，在一些实施例中，为了满足车载巡视智能系统的连续工作条件，还专门配备了车载式UPS电力单元(考虑到重量和体积，优选的是例如具有6-8小时供电能力)的UPS。例如可以采用主机机架式2U 3000VA 2700W的UPS电池包，其内置12节9AH电池，用于3000VA的后备时间扩展。通过配置该UPS电池包，使得所述车载巡视智能系统可以在无需借助车辆电源的情况下(例如无需启动车辆的情况下)就能自主连续工作。

在介绍了基于城市精细化管理条件的车载巡视智能系统的硬件结构之后，下面结合附图3来说明根据本申请的一个实施例的基于城市精细化管理条件的车载巡视智能方法的示例流程。

首先，巡查车辆开始在需要巡视的区域中执行巡查任务，为了方便说明和理解，在此以在风貌保护区中执行巡查任务为例，但可以理解所述方案完全可以适用于对城市的其他区域的精细化管理。巡查执法人员启动所述车载巡视智能系统。在步骤310处，数据监控部分1开始利用各种传感器从周围环境中采集各种环境数据。所述采集可以包括：利用一个或多个摄像头10(通常配置左中右三个摄像头以做到全覆盖监控)采集例如路面、人行道、店铺和建筑物等重点区域的实时视频图像数据；利用红外传感器12捕捉诸如路面、店铺招牌和建筑物外立面的红外图像数据；利用全向麦克风14捕捉行驶过程中的噪声数据等等。这些环境数据一边被采集一边由各监控设备同时进行编码处理，例如视频数据可能被直接编码成H264/H265的形式，而音频数据则可能以WAV形式被编码。随后通过数据监控部分1的通信模块19将所采集的环境数据发送给数据处理平台2。

在数据监控部分1采集环境数据的同时，在步骤320，数据处理平台2的诸如GPS模块24之类的定位模块同时获取车辆的当前位置数据以确定相应环境数据被采集时的当前位置。

在步骤330，数据处理平台2通过其通信模块22从数据监控部分1接收所采集的环境数据。接着，执行下述处理：将所述环境数据与采集该环境数据时所获取的位置信息相关联，并将它们存储到存储器28中。这样，当在环境数据中发现异常问题(也可称为“病害”)时可以很容易地根据其关联的位置信息找到发生该问题的具体位置地址以方便整治。应该理解，如果环境数据是视频流，则该视频流的例如每一秒所包括的视频帧可以对应一个相应的位置地址，也即持续拍摄的视频流的各帧所关联的位置也会随着车辆移动而不断变化，而非关联同一地址，从而使得拍摄到的视频帧与拍摄时的地点能够精确对应。

在步骤340，数据处理平台2的车载服务器对环境数据进行分析处理以识别是否存在异常问题。根据风貌保护区的环境整治规范，所述问题分析主要可以包括下述几个方面，即：路面垃圾分析、非机动车停放分析、店铺装修分析、机动车道路病害分析、建筑物外立面病害分析、噪声超标分析、光污染分析等等。换句话说，在风貌保护区的环境整治中，路面乱丢垃圾、非机动车违规停放、店铺违规(例如店招风格不统一、占道经营、灯光污染、噪声扰民)、机动车道路面不平、建筑物外立面的鼓包和脱落等问题，是综合整治的重点和难点。针对上述问题，已经开发了很多分析处理算法以方便自动从所捕获的视频图像中标识出上述各种问题。

下面以通过视频图像检测例如风貌区的路边车辆违停的问题为例来描述车载服务器可使用一种典型的视频分析处理算法。所述视频分析处理算法主要包括视频预处理、图像灰度化、图像去噪声、关键帧提取、图像增强处理以及问题识别这几个阶段。

视频预处理阶段是指针对监控摄像头拍摄的高清视频图像进行预处理修正，所述修改可以包括运动补偿、动态稳像及数据矫正等功能。之所以在分析之前需要对视频图像数据进行预处理，是因为由于环境和拍摄自身等因素的影响，使得在需要处理的图像中或多或少总存在一定的问题，如果不预先处理到这些问题可能对后续分析产生干扰。同时，由于操作上的要求，也需要在分析前对图像进行一定的转换。所以，在分析处理图像之前，要对图像做出预处理，方便后期操作。

随后，对经处理的图像进行图像灰度化。图像灰度化的原理就是在RGB模型中，假定三个通道的值相等，然后用统一的灰度值表征该点的色彩信息，灰度值的范围是0到255。

接着，对灰度化的图像进行图像去噪声处理。图像中的噪声主要包括两类：一类是椒盐噪声，即由图像传感器、传输通道以及解码操作等环节产生的亮暗点噪声，它们的幅值基本相同且分布较为随机；第二类是高斯噪声，这类噪声的幅度服从高斯分布。通过去噪声处理，去除了图像中这两类噪声。

然后，进行关键帧提取，关键帧提取是在视频数据流中提取待处理检测的目标关键帧，包括形变检测的相关小间隔多帧数据。

在此基础上进行图像增强处理，图像增强是针对上一步提取的关键帧进行数据优化，完成曝光补偿、色阶平衡调整、特征数据修正等处理。

最后，基于增强的关键帧执行问题识别算法，该算法针对不同检测目的，采用不同的问题数据模型对关键帧进行几何特征提取、检测、标注、计算以及阈值比较，并根据比较结果检测是否存在异常问题，并在发现问题时进行告警，例如用各种颜色的方框从图像中圈出异常区域，随后，生成相应的分析结果。

所述算法对每一种要被识别物(例如车辆、垃圾、广告等)都会进行相应的模型建模，针对性地去强化每个识别物的特征，比如颜色较为明显车辆，将会优先提高画面反差度，而针对车把，则会优先考虑提高锐度，将物理线条结构突出，以方便算法进行识别。而对于经过问题识别算法处理的视频，在后续步骤中将会有标记框标记需要被识别的内容，当同一画面有不同的识别内容时，算法会以不同的颜色标记出来，方便工作人员识别和记录，在标注被识别物的同时，最大程度的保留画面的信息。

在其他实施例中，还可以对音频、红外图像等环境数据进行问题分析处理，这些处理算法也可以采用技术人员常用的音频和红外识别模型和算法来实现，在此不再累述。

在对环境数据的问题分析处理完成后，在步骤350判断分析结果中是否存在异常问题。如上所述，所述异常问题可以包括路面存在垃圾、人行道上有违停的自行车、店铺招牌违规、灯光污染、噪声超标、建筑物外立面脱落等问题。

尽管在上述实施例中，所述摄像头10、红外传感器12和麦克风14分别工作以收集不同来源的数据。但应该理解，这些监控设备也可以被组合使用以采集更全面的违规证据。在一些较佳实施例中，可以组合使用各种类型的监测设备从多个源采集不同类型的环境数据，并通过对这些不同类型的环境数据的分析汇总来准确识别出比较复杂的环境问题。例如，以红外传感器为例，当通过对红外传感器所采集的某建筑物的红外图像进行分析之后判断出该建筑物的外墙面的某个区域可能存在鼓包时，车载服务器可以向摄像头发送控制指令以指令摄像头在定向到建筑物可能出现问题的方位后以放大倍率(例如4-10倍)拍摄该区域的高分辨率视频图像，随后，通过对该高分辨率视频图像进行进一步的图像分析处理，来复核到底是鼓包还是其他问题(例如有飞鸟站立墙面上也可能导致红外图像误识别)，进而提供更加全面的违规证据。又比如，当麦克风识别出噪声源后，摄像头可以被自动定向到该噪声源以拍摄商家的高清视频照片，通过所述高清照片可以从中直接识别出商家的店名、地址、电话等信息，以便执法人员可以直接联系该商家进行及时整改。再比如，当监测设备是大气传感器的情况下，在监测到大气环境数据中存在大气污染问题时，例如浓烈的烟尘，红外传感器和摄像头可以被同时调用以快速查找可能的火源位置并拍摄照片以及时预警。还有其他各种类型的环境数据的组合方式，在此不再一一描述。

如果确定分析结果中不存在异常问题，则流程可以直接返回到开始处以重新采集下一地点的环境数据。或者，在数据监控部分是自动连续工作模式时，可以直接从其获得后一时段的诸如视频图像之类的新环境数据，并重复上述步骤操作以识别新环境数据中是否存在异常问题。

而如果确定分析结果中存在异常问题，则流程行进至步骤360，在该处，车载服务器26可以根据所述异常问题在环境数据中标识出出现该异常问题的区域。例如，如果环境数据是摄像头10采集的视频流，则车载服务器26可以根据分析结果中与异常问题相关联的区域坐标，在视频流的相应帧中以特定颜色的例如方框等标记标识出所述问题区域。例如，如图4(a)所示，通过分析视频流可以发现有人在机动车道上放置了一个大的柜子，该柜子对机动车的行驶产生了影响。因此，通过利用AI图像识别模型算法，该柜子被识别出来，并且车载服务器26利用专门的标识算法通过在其图像四周添加某种醒目颜色的方框以生成经标识的视频流(环境数据)，这样，在浏览所述经标识的视频时用户可以被方框吸引而及时从视频中发现所圈出的问题。又如图4(b)所示，非机动车位于机动车道内处于静止状态且无人骑行，因此，可以判定其为违停状态。通过AI图像识别模型算法从视频图像中识别出该非机动车，并利用标识算法在其图像四周添加方框以生成经标识的视频图像流。所述标识算法可以采用各种手段来突出所述方框，例如采用红、蓝、绿等鲜艳的颜色，或者可以采用闪烁等方式，并且也可以采用其他形状来圈出问题区域，例如圆形、三角形等等。这些标识算法和技术已经在图像识别领域广泛应用。本申请的方案可以借助于这些标识技术来实现。

随后，在步骤370，车载服务器26根据分析结果自动生成问题报告。接着，将所述报告和经标识的环境数据存储到存储器28中存档，并上传给远程的服务器3。所述问题报告可以包括与异常问题相关的环境数据(例如经标识的照片、音频或视频片段)、与发生异常问题的环境数据相关联的位置、发生异常问题时的地址、发现时间以及问题类型等等内容。

在步骤380，处于远程的服务器3处的综合整治管理平台在接收到所述问题报告之后，根据所述报告中的相关信息生成与异常问题相关联的任务(例如工单)，并根据问题类型将所述工单派单给相应的执法部门的相关人员以下达整治任务。在接到任务之后，执法或养护人员到达出现异常问题的现场进行现场整治或养护以解决所述异常问题。随后，可以拍摄整治后的照片并上传给管理平台以反馈任务完成情况。在管理平台审核完相关反馈信息后，所述任务的状态变成“完成”，并将完成的任务报告显示给管理人员。

至此，整个综合整治流程结束。

但应该理解，上述整治流程在执法车辆的巡查期间是持续执行的，也即数据监控部分1所采集的环境数据被源源不断地提供给车载服务器26以进行分析，从而识别出沿途经过的路段中存在的各种异常问题。这些异常问题可以生成单独的问题报告，也可以被集中在例如根据路段划分的统一的问题报告中。

另外，尽管在上述流程中把将问题报告上传给服务器3并基于所述报告进行派单和整治也列为所述方法的一部分，但可以理解，对于巡查车辆配置的车载巡视智能系统而言，实际上当在步骤370生成、存储并上传了问题报告之后，所述流程对于车载巡视智能系统而言就可以结束了，后续任务的派单、现场整治和审核等流程实际上已经不属于车载巡视智能系统的职能范畴。

在一些实施例中，如管理平台并未在规定时间内收到执行整治任务的反馈或反馈信息并未通过审核，则任务的状态可被标记为“过期”或“不合格”。这样，当下次车辆巡视时又自动分析识别到相关病害时，可以先进入系统数据库中进行相关任务及坐标的匹配查询，如果存在相同位置相同类型的任务记录，则系统判断为未处理任务，并在大屏幕上显示警报信息，以警告处置人员需要仔细核查为何先前的任务没有被完成。

在另一些实施例中，如果车载巡视智能设备分析出的异常问题类型属于可以当场就解决的类型，例如占道经营问题只需要将违规摆放的物品搬回店内，或者有路面垃圾的附近正好有保洁人员，则利用数据监控部分1的扬声器16，车内的巡查人员可以直接通过向相关人员进行喊话来实现现场快速处理。对于快速处理完的异常问题就无需再将该异常问题通过智能网关上传给管理平台，进而提高效率，节省资源。

在另一些实施例中，如果车载巡视智能系统的硬件结构足够强大，例如采用了高性能的计算平台并且配备了例如5G超高速网络，则可以将原本由远程的服务器3处的综合整治管理平台执行的生成、派发和审核任务的各功能也集成到车载巡视智能系统中来实现。换句话说，仅仅依靠巡查车辆本身的硬件平台，就能实现采集数据、发现问题、派单、整治和审核等一整套完整的整治流程，而无需借助于远程的服务器3。当然，出于今后的汇总统计的需要，提供单独的服务器3则更加有利。

场景应用

还是以风貌保护区巡查为应用实例，实际描述下整个巡查过程。装载有车载巡视智能系统的巡查车辆在风貌保护区中开始巡查。在第一阶段(环境数据收集阶段)，在车载高精度面阵摄像机视频拍摄的有效可视范围内，针对机动车道、非机动车道、人行道、两旁建筑外立面进行视频图像的拍摄。而且，可以利用搭载的红外线热成像仪，对风貌区历史保护建筑的外墙立面进行全面检测。在进行视频巡查的同时，麦克风可以收集环境噪声，并追踪和记录噪声超标的具体位置。

在应用场景的第二阶段(环境数据的分析处理阶段)，车载式高性能计算服务器及配套设备主要负责时效性要求高的应用场景轻量级的数据(如：路面垃圾、非机动车乱停乱放等)的分析处理，并且在巡查车辆上边巡视边分析处理，实时输出的分析结果通过5G车联网智能网关上传到远程服务器处的管理平台进行后续的派单处置流程，同时，车载的实时视频可对接到管理平台的图控中心。所述问题分析包括：路面垃圾分析识别(如：偷倒建筑垃圾、生活垃圾等)、非机动车乱停乱放分析识别、店铺装修状态分析识别、机动车道路面损坏识别、店招店牌是否合规、建筑外立面的墙面开裂及脱落等各种病害分析。

在应用场景的第三阶段(综合整治阶段)，管理平台根据分析结果报告将相应的整治任务派单给相关的部门，一线处置人员接到派发的任务后到达指定的位置进行处理，并将处理完成的信息及照片反馈给管理平台并记录以供平台审核。

在上述车载巡视智能系统和方法中，引入了5G车载巡视智能巡查方案，在巡查过程中，首先可以利用车载前端高精度摄像机获取风貌保护区中诸如机动车道、非机动车道、人行道、两旁建筑外立面等重点区域的实时视频、音频、红外等环境数据，接着，通过车载式高性能计算服务器和算法模型对环境进行智能问题分析实时处理，最后把分析得到的结果数据通过5G车联网智能网关上传到综合整治管理平台以进行综合整治。所述方案可以应用到多个领域以实现城管、环卫、绿化、市政等条线问题的综合性智能巡查，利用智能感知设备提升了综合巡查发现、及时处置的能力。整个巡查过程可以实现智能化和自动化，无需花费大量人力就能让各类违规行为无机可乘、无处遁形，进而，可以推动城市管理全覆盖、全过程、全天候和法治化、社会化、智能化、标准化(三全四化)为导向，全面实施精细化管理，提升社区治理水平。

应该理解，尽管在实施例中是以风貌保护区作为实例进行了说明，但本申请的方案还可以应用于城市其他区域的管理。它们之间的区别仅在于其他区域的城市精细化管理条件可能没有风貌保护区那么严格，例如在其他区域的巡查中店招的统一风格可能就不作为异常问题的考虑因素。因此，当巡查车辆行进到其他区域时，所述车载服务器进行问题分析时所基于的城市精细化管理条件也会相应地发生变化。但除此之外，其他流程与风貌保护区的巡查流程是基本一致的，在此不再累述。

上述内容对本公开特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。而且，相关领域的技术人员将领会，在不偏离如所附权利要求书所定义的本公开的精神和范围的情况下，所述实施例可以在形式和细节方面进行各种修改。因此，此处所公开的本公开的宽度和范围不应被上述所公开的示例性实施例所限制，而应当仅根据所附权利要求书及其等同替换来定义。

Claims (10)

1.一种基于城市精细化管理条件的车载巡视智能方法，包括：

采集巡视区域的环境数据；

获取车辆的当前位置数据；

将所采集的环境数据和所述当前位置数据关联地存储在存储器中；

对所述环境数据进行分析处理以识别异常问题，其中，

如果分析结果存在异常问题，则：

在所述环境数据中标识出出现异常问题的区域，

自动生成问题报告并将所述问题报告上传给远程服务器，其中所述问题报告包括出现异常问题的经标识的环境数据和相关联的位置数据，

远程服务器根据所述问题报告生成整治任务并派单给相关部门；

如果分析结果不存在异常问题，则采集并分析下一位置处的环境数据。

2.如权利要求1所述的车载巡视智能方法，其特征在于，所述环境数据可以由多种类型的传感器分别从多个源采集，并且，通过组合来自所述多个源的各环境数据的分析结果以提供全面的违规证据。

3.如权利要求1所述的车载巡视智能方法，其特征在于，所述环境数据包括摄像机采集的视频图像数据、红外传感器采集的红外图像、麦克风采集的音频数据以及其他环境数据。

4.如权利要求3所述的车载巡视智能方法，其特征在于，所述对所述环境数据进行分析处理以识别异常问题的步骤还可以包括：

对所述音频数据进行分析以识别出所述巡视区域中的噪声污染问题；

对所述红外图像进行分析以识别出所述巡视区域中的建筑物外墙的鼓包、外立面脱落以及店铺的光污染问题。

5.如权利要求4所述的车载巡视智能方法，其特征在于，所述方法还包括：

如果分析结果存在噪声污染问题，则所述摄像头被定向到发出该噪声的噪声源并拍摄与该噪声源相关的视频图像，以便从中识别出商家的信息；

如果分析结果存在建筑物外墙的鼓包、外立面脱落或店铺光污染问题，则指令所述摄像头对存在问题的位置拍摄放大的视频图像以进行进一步的分析处理。

6.如权利要求1所述的车载巡视智能方法，其特征在于，所述方法还包括：如果所述异常问题是当场可解决的问题，则可利用扬声器直接向相关人员喊话来进行现场处理。

7.如权利要求1所述的车载巡视智能方法，其特征在于，所述远程服务器可以与执行所述车载巡视智能方法的车载服务器集成在一起。

8.一种基于城市精细化管理条件的车载巡视智能系统，包括：

数据监控部分，被配置成利用各种传感器来从四周环境中采集所需的环境数据并将所述环境数据发送给数据处理平台；

数据处理平台，被配置成对所采集的环境数据进行分析处理并将分析结果上传到远程服务器以派发整治任务；

其中，对所采集的环境数据进行分析处理包括：

如果分析结果存在异常问题，则：

在所述环境数据中标识出出现异常问题的区域，

自动生成问题报告并将所述问题报告上传给所述远程服务器，其中所述问题报告包括出现异常问题的经标识的环境数据和相关联的位置数据，

所述远程服务器根据所述问题报告生成整治任务并派单给相关部门；

如果分析结果不存在异常问题，则所述数据监控部分采集并分析下一位置处的环境数据。

9.如权利要求8所述的车载巡视智能系统，其特征在于，所述数据监控部分还包括输出设备，以方便现场整治。

10.如权利要求9所述的车载巡视智能系统，其特征在于，所述数据监控部分包括多种类型的传感器，所述多种类型的传感器可分别从多个源采集不同类型的环境数据，并且，所述数据处理平台可通过组合来自所述多个源的各环境数据的分析结果以提供全面的违规证据。

Images