CN114863087A - 一种基于人工智能的共享单车用户质量评估方法及装置 - Google Patents

一种基于人工智能的共享单车用户质量评估方法及装置 Download PDF

Info

Publication number
CN114863087A
CN114863087A CN202210791376.3A CN202210791376A CN114863087A CN 114863087 A CN114863087 A CN 114863087A CN 202210791376 A CN202210791376 A CN 202210791376A CN 114863087 A CN114863087 A CN 114863087A
Authority
CN
China
Prior art keywords
shared bicycle
key point
saddle
center
parking
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210791376.3A
Other languages
English (en)
Other versions
CN114863087B (zh
Inventor
郑兰花
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ruichuang Software Technology Qidong Co ltd
Original Assignee
Ruichuang Software Technology Qidong Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ruichuang Software Technology Qidong Co ltd filed Critical Ruichuang Software Technology Qidong Co ltd
Priority to CN202210791376.3A priority Critical patent/CN114863087B/zh
Publication of CN114863087A publication Critical patent/CN114863087A/zh
Application granted granted Critical
Publication of CN114863087B publication Critical patent/CN114863087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于人工智能的共享单车用户质量评估方法及装置，涉及人工智能技术领域，本发明有效地实现了共享单车的等级评估及管理，改善了城市市容。要点为：获取共享单车停放图像以及对应用户骑行数据，进行预处理，提取车座中心关键点、把手中心关键点以及车身直线，判断各共享单车是否违规停放，若违规停放时，计算所有车座中心关键点的纵坐标均值，并计算其与车座中心关键点纵坐标值的差值，进而根据差值与预设第一阈值，判断违规等级，对于倾斜停放共享单车，计算其与标准共享单车的夹角，判断倾斜等级，实现根据用户骑行数据、违规等级和倾斜等级，进行用户质量评估及用户管理。本发明用于共享单车管理中。

Description

一种基于人工智能的共享单车用户质量评估方法及装置
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的共享单车用户质量评估方法及装置。
背景技术
作为解决公共交通最后一公里的共享单车，通过加入互联网技术和智能设备的运用，解决了传统锁桩式共享自行车带来的不便之处，对自行车的寻找、使用和停放过程中，实现了对自行车随取、随停和随放，真正体现了自行车的便利性。
然而共享单车在实际应用中却出现了很多的问题。由于部分用户为了最大限度的方便自己，对城市管理规定视若无睹，将共享单车随意违规停放，乱停乱放，给城市管理带来了很大的麻烦，现有技术对其也没有相应的实质性的管理措施，所以研发出一种对共享单车的有效评估管理方法成为当前亟需解决的问题。
发明内容
本发明提供一种基于人工智能的共享单车用户质量评估方法及装置，包括：
获取共享单车停放图像以及对应用户骑行数据，进行预处理，提取车座中心关键点、把手中心关键点以及车身直线，根据各车座中心关键点和标准停放区间，判断各共享单车是否违规停放，若当前共享单车违规停放时，计算所有车座中心关键点的纵坐标均值，并计算车座中心关键点纵坐标值与均值的差值，进而根据差值与预设第一阈值，判断共享单车违规等级，进而对于倾斜停放共享单车，计算倾斜停放共享单车与标准共享单车的夹角，判断倾斜停放共享单车倾斜等级，最终实现根据用户骑行数据、违规等级和倾斜等级，进行用户质量评估，以及用户管理，相比于现有技术，本发明通过科学地分析，有效地实现了共享单车的等级评估及管理，改善了城市市容。
本发明第一方面提供一种基于人工智能的共享单车用户质量评估方法，包括：
获取共享单车停放图像以及对应用户骑行数据；停放图像中包含多辆共享单车。
对停放图像进行预处理，获取预处理后停放图像。
提取预处理后停放图像中各共享单车的车座中心关键点、把手中心关键点以及车身直线；各车身直线由对应车座中心关键点和对应把手中心关键点连接形成。
根据各车座中心关键点获取标准停放区间。
根据各车座中心关键点和标准停放区间，判断各共享单车是否违规停放。
若当前共享单车违规停放时，计算所有车座中心关键点的纵坐标均值，并计算车座中心关键点纵坐标值与均值的差值，进而根据差值与预设第一阈值，判断共享单车违规等级。
通过判断各车身直线是否平行，获取倾斜停放共享单车。
对于倾斜停放共享单车，计算倾斜停放共享单车与标准停放共享单车的夹角，进而根据夹角与预设第二阈值，判断倾斜停放共享单车倾斜等级。
根据用户骑行数据、违规等级和倾斜等级，进行用户质量评估，获取评估结果，以便根据评估结果对所述用户进行管理。
进一步的，根据各车座中心关键点获取标准停放区间，包括：
通过最大似然法获取所述标准停放区间。
进一步的，通过最大似然法获取所述标准停放区间，包括：
建立线性模型：
Figure 566749DEST_PATH_IMAGE001
式中，
Figure 749730DEST_PATH_IMAGE002
表示参数方程，
Figure 355986DEST_PATH_IMAGE003
为参数。
计算各所述车座中心关键点对应的高斯似然：
Figure 633820DEST_PATH_IMAGE004
式中，p为当前所述车座中心关键点的坐标概率，
Figure 400919DEST_PATH_IMAGE005
表示当前所述车座中心关键点的横坐标，
Figure 998030DEST_PATH_IMAGE006
表示当前所述车座中心关键点的纵坐标，
Figure 23623DEST_PATH_IMAGE007
表示超参数。
计算所有所述车座中心关键点的对数似然：
Figure 710957DEST_PATH_IMAGE008
式中，n为所述车座中心关键点的个数，为常数，
Figure 914536DEST_PATH_IMAGE005
表示当前所述车座中心关键点的横坐标，
Figure 54530DEST_PATH_IMAGE006
表示当前所述车座中心关键点的纵坐标，
Figure 883815DEST_PATH_IMAGE007
表示超参数。
将所有所述车座中心关键点的对数似然的最大化高斯似然转换为最小化损失函数：
Figure 425655DEST_PATH_IMAGE009
式中，n为所述车座中心关键点的个数，
Figure 800135DEST_PATH_IMAGE010
为常数，
Figure 427426DEST_PATH_IMAGE005
表示当前所述车座中心关键点的横坐标，
Figure 794822DEST_PATH_IMAGE006
表示当前所述车座中心关键点的纵坐标，
Figure 191168DEST_PATH_IMAGE007
表示超参数。
进一步的，根据各车座中心关键点和所述标准停放区间，判断各共享单车是否违规停放，包括：
当车座中心关键点坐标在标准停放区间内时，则确定对应共享单车为合规停车。
当车座中心关键点坐标在标准停放区间外时，则确定对应共享单车为违规停车。
进一步的，用户骑行数据，包括：
使用日期、骑行次数、骑行里程和违规次数。
进一步的，提取预处理后停放图像中各共享单车的车座中心关键点、把手中心关键点，包括：
利用预设神经网络提取所述预处理后停放图像中各所述共享单车的车座中心关键点和把手中心关键点。
本发明第二方面提供一种基于人工智能的共享单车用户质量评估装置,包括：
第一获取单元，用于获取共享单车停放图像以及对应用户骑行数据；停放图像中包含多辆共享单车。
预处理单元，用于对停放图像进行预处理，获取预处理后停放图像。
提取单元，用于提取预处理后停放图像中各共享单车的车座中心关键点、把手中心关键点以及车身直线；各车身直线由对应所述车座中心关键点和对应把手中心关键点连接形成。
第二获取单元，用于根据各车座中心关键点获取标准停放区间。
第一判断单元，用于根据各车座中心关键点和所述标准停放区间，判断各共享单车是否违规停放。
第二判断单元，用于若当前共享单车违规停放时，计算所有车座中心关键点的纵坐标均值，并计算车座中心关键点纵坐标值与均值的差值，进而根据差值与预设第一阈值，判断共享单车违规等级。
第三判断单元，用于判断各车身直线是否平行，并获取倾斜停放共享单车。
第四判断单元，用于对于倾斜停放共享单车，计算倾斜停放共享单车与标准停放共享单车的夹角，进而根据夹角与预设第二阈值，判断倾斜停放共享单车倾斜等级。
评估单元，用于根据用户骑行数据、违规等级和倾斜等级，进行用户质量评估，获取评估结果，以便根据评估结果对所述用户进行管理。
本发明提供一种基于人工智能的共享单车用户质量评估方法及装置，包括：获取共享单车停放图像以及对应用户骑行数据，进行预处理，提取车座中心关键点、把手中心关键点以及车身直线，根据各车座中心关键点和标准停放区间，判断各共享单车是否违规停放，若当前共享单车违规停放时，计算所有车座中心关键点的纵坐标均值，并计算车座中心关键点纵坐标值与均值的差值，进而根据差值与预设第一阈值，判断共享单车违规等级，进而对于倾斜停放共享单车，计算倾斜停放共享单车与标准共享单车的夹角，判断倾斜停放共享单车倾斜等级，最终实现根据用户骑行数据、违规等级和倾斜等级，进行用户质量评估，以及用户管理，相比于现有技术，本发明通过科学地分析，有效地实现了共享单车的等级评估及管理，改善了城市市容。
附图说明
为了更清楚地说明本发明实施例的技术方案，以下将对实施例描述中所需要使用的附图作简单地介绍，附图仅用于示出实施方式的目的，而并不认为是对本发明的限制。
图1为本发明实施例中一种基于人工智能的共享单车用户质量评估方法流程示意图；
图2为本发明实施例中另一种基于人工智能的共享单车用户质量评估方法流程示意图；
图3为本发明实施例中一种基于人工智能的共享单车用户质量评估装置组成结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另有定义，本发明所使用的所有的技术和科学术语与属于本发明术领域的技术人员通常理解的含义相同；本发明中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。
在本发明实施例的描述中，技术术语“第一”“第二”等仅用于区别不同对象，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、特定顺序或主次关系。在本发明实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。
在本发明实施例的描述中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
在本发明实施例的描述中，术语“多个”指的是两个以上（包括两个），同理，“多组”指的是两组以上（包括两组），“多片”指的是两片以上（包括两片）。
在本发明实施例的描述中，除非另有明确的规定和限定，技术术语“安装”“相连”“连接”“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；也可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明例中的具体含义。
实施例1
本发明实施例提供一种基于人工智能的共享单车用户质量评估方法，如图1所示，包括：
101、获取共享单车停放图像以及对应用户骑行数据；停放图像中包含多辆共享单车。
本实施例通过摄像机或相机获取共享单车停放图像，为了后续有效分析共享单车停放图像，本实施例所获取的共享单车停放图像中需包含多辆共享单车。
本实施例通过共享单车当前用户扫码移动设备（如手机）获取用户骑行数据，其中用户骑行数据包括：使用日期、骑行次数、骑行里程和违规次数，如表一所示：
Figure 736550DEST_PATH_IMAGE011
表一 骑行数据表格
102、对停放图像进行预处理，获取预处理后停放图像。
本实施例为了准确有效地对停放图像进行分析处理，对停放图像进行了灰度化，排除了外界光线对本实施例结果准确度的影响。
103、提取预处理后停放图像中各共享单车的车座中心关键点、把手中心关键点以及车身直线；各车身直线由对应车座中心关键点和对应把手中心关键点连接形成。
对于一辆共享单车而言，车座中心是其整个车身的中心位置，能够定位整个共享单车的位置。把手中心关键点是共享单车两个把手连线的中心位置，本实施例通过对应车座中心关键点和对应把手中心关键点连接组成车身直线，科学有效的定位了共享单车相关位置信息。
104、根据各车座中心关键点获取标准停放区间。
本实施例对标准停放区间的具体获取方法不作限制，实施者可根据实际需求进行选择。例如，直线拟合法或最大似然法。
105、根据各车座中心关键点和标准停放区间，判断各共享单车是否违规停放。
本实施例可通过判断车座中心关键点是否位于标准停放区间内，判断各共享单车是否违规停放。
106、若当前共享单车违规停放时，计算所有车座中心关键点的纵坐标均值，并计算车座中心关键点纵坐标值与均值的差值，进而根据差值与预设第一阈值，判断共享单车违规等级。
107、通过判断各车身直线是否平行，获取倾斜停放共享单车。
108、对于倾斜停放共享单车，计算倾斜停放共享单车与标准停放共享单车的夹角，进而根据夹角与预设第二阈值，判断倾斜停放共享单车倾斜等级。
109、根据用户骑行数据、违规等级和倾斜等级，进行用户质量评估，获取评估结果，以便根据评估结果对用户进行管理。
本实施例此处提供一种根据评估结果对用户进行管理的措施，以供实施者参考：首先，根据用户的骑行数据对用户进行分类，具体如表二所示：
用户类别 新用户 正常用户 老用户
骑行次数 1-20 20-80 大于80
表二 用户分类表
其次，获取该用户违规等级以及倾斜等级，根据其具体的违规级别和倾斜级别，结合上述用户类别对该用户进行管理，如：用户A的类别为“老用户”，此次共享单车停放违规级别为“合规”、倾斜级别为“无倾斜”，则评估用户A为最高星级用户，相应地，可对用户A进行优惠措施。
本发明提供一种基于人工智能的共享单车用户质量评估方法，包括：获取共享单车停放图像以及对应用户骑行数据，进行预处理，提取车座中心关键点、把手中心关键点以及车身直线，根据各车座中心关键点和标准停放区间，判断各共享单车是否违规停放，若当前共享单车违规停放时，计算所有车座中心关键点的纵坐标均值，并计算车座中心关键点纵坐标值与均值的差值，进而根据差值与预设第一阈值，判断共享单车违规等级，进而对于倾斜停放共享单车，计算倾斜停放共享单车与标准共享单车的夹角，判断倾斜停放共享单车倾斜等级，最终实现根据用户骑行数据、违规等级和倾斜等级，进行用户质量评估，以及用户管理，相比于现有技术，本发明通过科学地分析，有效地实现了共享单车的等级评估及管理，改善了城市市容。
实施例2
本发明实施例提供一种基于人工智能的共享单车用户质量评估方法，如图2所示，包括：
201、获取共享单车停放图像以及对应用户骑行数据；停放图像中包含多辆共享单车。
202、对停放图像进行预处理，获取预处理后停放图像。
本实施例通过照相机获取共享单车停放图像，其中共享单车停放图像中包含多辆共享单车，进一步通过各共享单车在扫码使用时用户的移动终端（手机）获取用户骑行数据，其中用户骑行数据包含：使用日期、骑行次数、骑行里程和违规次数。例如：共享单车停放图像其中一辆共享单车C的用户为张三，张三在开始通过手机扫码共享单车C预使用时，通过现有信息获取技术，获取张三以往用户骑行数据包含：使用日期、骑行次数、骑行里程和违规次数。
本实施例中预处理为图像灰度化处理，其主要目的是为后续步骤提供更加准确的共享单车停放图像，实施者也可根据自身经验及实际需要进行更加优化的预处理，本实施例对预处理具体方式不作限制。
203、提取预处理后停放图像中各共享单车的车座中心关键点、把手中心关键点以及车身直线；各车身直线由对应车座中心关键点和对应把手中心关键点连接形成。
利用预设DNN神经网络提取所述预处理后停放图像中各所述共享单车的车座中心关键点和把手中心关键点: 标注两类标签，即为车座中心关键点和把手中心关键点，标注各关键点对应的像素位置，而后采用高斯模糊，使标注点处形成关键点热斑，其中，loss函数使用均方差损失函数。
对于一辆共享单车而言，车座中心是其整个车身的中心位置，能够定位整个共享单车的位置。把手中心关键点是共享单车两个把手连线的中心位置，本实施例通过对应车座中心关键点和对应把手中心关键点连接组成车身直线，科学有效的定位了共享单车相关位置信息。
204、根据各车座中心关键点获取标准停放区间。
本实施例采用最大似然法获取标准停放区间，具体包括：
2041、建立线性模型：
Figure 454988DEST_PATH_IMAGE012
式中，
Figure 891654DEST_PATH_IMAGE002
表示参数方程，
Figure 408086DEST_PATH_IMAGE003
为参数。
2042、计算各所述车座中心关键点对应的高斯似然：
Figure 124370DEST_PATH_IMAGE013
式中，p为当前所述车座中心关键点的坐标概率，
Figure 726252DEST_PATH_IMAGE005
表示当前所述车座中心关键点的横坐标，表示当前所述车座中心关键点的纵坐标，
Figure 435451DEST_PATH_IMAGE007
表示超参数。
2043、计算所有所述车座中心关键点的对数似然：
Figure 806390DEST_PATH_IMAGE008
式中，n为所述车座中心关键点的个数，为常数，
Figure 21470DEST_PATH_IMAGE005
表示当前所述车座中心关键点的横坐标，表示当前所述车座中心关键点的纵坐标，
Figure 720436DEST_PATH_IMAGE007
表示超参数。
2044、将所有所述车座中心关键点的对数似然的最大化高斯似然转换为最小化损失函数：
Figure 108692DEST_PATH_IMAGE009
式中，n为所述车座中心关键点的个数，为常数，
Figure 458771DEST_PATH_IMAGE005
表示当前所述车座中心关键点的横坐标，
Figure 641491DEST_PATH_IMAGE006
表示当前所述车座中心关键点的纵坐标，
Figure 93332DEST_PATH_IMAGE007
表示超参数。
205、根据各车座中心关键点和标准停放区间，判断各共享单车是否违规停放。
其中，当车座中心关键点坐标在标准停放区间内时，则确定对应共享单车为合规停车；当车座中心关键点坐标在标准停放区间外时，则确定对应共享单车为违规停车。
206、若当前共享单车违规停放时，计算所有车座中心关键点的纵坐标均值，并计算车座中心关键点纵坐标值与均值的差值，进而根据差值与预设第一阈值，判断共享单车违规等级。
具体的，本实施例分别提供了所有车座中心关键点的纵坐标均值和车座中心关键点纵坐标值与均值的差值的计算方式，如下所示：
其中，车座中心关键点坐标标记为（
Figure 19699DEST_PATH_IMAGE014
），
计算所有车座中心关键点的纵坐标均值公式：
Figure 224285DEST_PATH_IMAGE015
式中，
Figure 843485DEST_PATH_IMAGE016
表示所有车座中心关键点纵坐标的均值，n表示车座中心关键点的个数，
Figure 517043DEST_PATH_IMAGE006
表示第i个车座中心关键点的纵坐标。
车座中心关键点纵坐标值与均值的差值的计算公式：
ΔY=|
Figure 247101DEST_PATH_IMAGE017
|
式中，ΔY表示车座中心关键点纵坐标值与均值的差值，
Figure 306193DEST_PATH_IMAGE018
表示当前车座中心关键点纵坐标，
Figure 96295DEST_PATH_IMAGE016
表示所有车座中心关键点纵坐标的均值。
本实施例根据经验对预设第一阈值进行设定，ΔY的数值作为衡量目标共享单车对当前区域内停放整齐程度的影响，通过设定第一阈值区间，实现对违规等级的分级。例如：当ΔY数值在（||,i）区间内时，确定为1级违规；当ΔY数值在（i，j）区间内时，确定为2级违规；当ΔY数值大于j时，确定为3级违规。
此处需要说明的是：本实施例对预设第一阈值的具体取值或取值区间不作限制，实施者可根据实际需要或以往经验进行确定。
207、通过判断各车身直线是否平行，获取倾斜停放共享单车。
因为车身直线由对应车座中心关键点和对应把手中心关键点连接形成，能够明确表示对应共享单车的车身位置，所以本实施例通过判断各车身直线是否平行，获取倾斜停放共享单车，即当多辆共享单车对应的车身直线中，存在一条或多条不平行车身直线时，则代表该车身直线对应的共享单车为倾斜停放，此时本实施例获取具体的一条或多条不平行车身直线。
208、对于倾斜停放共享单车，计算倾斜停放共享单车与标准共享单车的夹角，进而根据夹角与预设第二阈值，判断倾斜停放共享单车倾斜等级。
本实施例以标准停放共享单车的车身直线为基准，计算倾斜停放共享单车车身直线与标准停放共享单车车身直线之间的夹角，并根据预设第二阈值进行倾斜等级分级。例如：计算倾斜停放共享单车车身直线与标准停放共享单车车身直线之间的夹角度数在（φ-M）区间范围为1级倾斜；夹角在（M-N）区间范围为2级倾斜；夹角大于N为3级倾斜。
此处需要说明的是：本实施例对预设第二阈值的具体角度取值或角度取值区间不作限制，实施者可根据实际需要或以往经验进行确定。
209、根据用户骑行数据、违规等级和倾斜等级，进行用户质量评估，获取评估结果，以便根据评估结果对所述用户进行管理。
本实施例此处提供一种根据评估结果对用户进行管理的措施，以供实施者参考：首先，根据用户的骑行数据对用户进行分类，具体如表三所示：
用户类别 新用户 正常用户 老用户
骑行次数 1-15 15-70 大于70
表三 用户分类表
其次，获取该用户违规等级以及倾斜等级，根据其具体的违规级别和倾斜级别，结合上述用户类别对该用户进行管理，如：用户李四的类别为“新用户”，此次共享单车停放违规级别为“1级违规”、倾斜级别为“3级倾斜”，则评估用户李四为一星级用户，相应地，可对用户李四进行适当的惩罚措施。
此处需要说明的是：本实施例中具体的用户评估星级，实施者可根据实际需要进行具体划分，本实施例对此不作限制。
本发明提供一种基于人工智能的共享单车用户质量评估方法，包括：获取共享单车停放图像以及对应用户骑行数据，进行预处理，提取车座中心关键点、把手中心关键点以及车身直线，根据各车座中心关键点和标准停放区间，判断各共享单车是否违规停放，若当前共享单车违规停放时，计算所有车座中心关键点的纵坐标均值，并计算车座中心关键点纵坐标值与均值的差值，进而根据差值与预设第一阈值，判断共享单车违规等级，进而对于倾斜停放共享单车，计算倾斜停放共享单车与标准共享单车的夹角，判断倾斜停放共享单车倾斜等级，最终实现根据用户骑行数据、违规等级和倾斜等级，进行用户质量评估，以及用户管理，相比于现有技术，本发明通过科学地分析，有效地实现了共享单车的等级评估及管理，改善了城市市容。
实施例3
本发明实施例提供一种基于人工智能的共享单车用户质量评估装置，如图3所示。包括：
第一获取单元31，用于获取共享单车停放图像以及对应用户骑行数据；停放图像中包含多辆共享单车。
预处理单元32，用于对停放图像进行预处理，获取预处理后停放图像。
提取单元33，用于提取预处理后停放图像中各共享单车的车座中心关键点、把手中心关键点以及车身直线；各车身直线由对应所述车座中心关键点和对应把手中心关键点连接形成。
第二获取单元34，用于根据各车座中心关键点获取标准停放区间。
第一判断单元35，用于根据各车座中心关键点和所述标准停放区间，判断各共享单车是否违规停放。
第二判断单元36，用于若当前共享单车违规停放时，计算所有车座中心关键点的纵坐标均值，并计算车座中心关键点纵坐标值与均值的差值，进而根据差值与预设第一阈值，判断共享单车违规等级。
第三判断单元37，用于判断各车身直线是否平行，并获取倾斜停放共享单车。
第四判断单元38，用于对于倾斜停放共享单车，计算倾斜停放共享单车与标准共享单车的夹角，进而根据夹角与预设第二阈值，判断倾斜停放共享单车倾斜等级。
评估单元39，用于根据用户骑行数据、违规等级和倾斜等级，进行用户质量评估，获取评估结果，以便根据评估结果对所述用户进行管理。
此处需要说明的是：本实施例中各单元的详细介绍，可对应参照其他实施例，此处不再赘述。
本发明提供一种基于人工智能的共享单车用户质量评估装置，各组成单元依次通过获取共享单车停放图像以及对应用户骑行数据，进行预处理，提取车座中心关键点、把手中心关键点以及车身直线，根据各车座中心关键点和标准停放区间，判断各共享单车是否违规停放，若当前共享单车违规停放时，计算所有车座中心关键点的纵坐标均值，并计算车座中心关键点纵坐标值与均值的差值，进而根据差值与预设第一阈值，判断共享单车违规等级，进而对于倾斜停放共享单车，计算倾斜停放共享单车与标准共享单车的夹角，判断倾斜停放共享单车倾斜等级，最终实现根据用户骑行数据、违规等级和倾斜等级，进行用户质量评估，以及用户管理，相比于现有技术，本发明通过科学地分析，有效地实现了共享单车的等级评估及管理，改善了城市市容。
最后应说明的是：以上各实施例仅用以说明本发明技术方案，非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。

Claims (5)

1.一种基于人工智能的共享单车用户质量评估方法,其特征在于，包括：
获取共享单车停放图像以及对应用户骑行数据；所述停放图像中包含多辆共享单车；
对所述停放图像进行预处理，获取预处理后停放图像；
提取所述预处理后停放图像中各所述共享单车的车座中心关键点、把手中心关键点以及车身直线；各所述车身直线由对应所述车座中心关键点和对应所述把手中心关键点连接形成；
根据各所述车座中心关键点获取标准停放区间；
根据各所述车座中心关键点和所述标准停放区间，判断各所述共享单车是否违规停放；
若当前所述共享单车违规停放时，计算所有所述车座中心关键点的纵坐标均值，并计算所述车座中心关键点纵坐标值与所述均值的差值，进而根据所述差值与预设第一阈值，判断所述共享单车违规等级；
通过判断各所述车身直线是否平行，获取倾斜停放共享单车；
对于所述倾斜停放共享单车，计算所述倾斜停放共享单车与标准停放共享单车的夹角，进而根据所述夹角与预设第二阈值，判断所述倾斜停放共享单车倾斜等级；
根据所述用户骑行数据、所述违规等级和所述倾斜等级，进行用户质量评估，获取评估结果，以便根据所述评估结果对所述用户进行管理；
其中各所述车座中心关键点通过最大似然法获取所述标准停放区间，包括：
建立线性模型：
Figure 731026DEST_PATH_IMAGE002
式中，
Figure DEST_PATH_IMAGE003
表示参数方程，
Figure 920567DEST_PATH_IMAGE004
为参数；
计算各所述车座中心关键点对应的高斯似然：
Figure 912794DEST_PATH_IMAGE006
式中，p为当前所述车座中心关键点的坐标概率，
Figure DEST_PATH_IMAGE007
表示当前所述车座中心关键点的横坐标，
Figure 529589DEST_PATH_IMAGE008
表示当前所述车座中心关键点的纵坐标，
Figure DEST_PATH_IMAGE009
表示超参数；
计算所有所述车座中心关键点的对数似然：
Figure 177739DEST_PATH_IMAGE010
式中，n为所述车座中心关键点的个数，
Figure DEST_PATH_IMAGE011
为常数，
Figure 905393DEST_PATH_IMAGE007
表示当前所述车座中心关键点的横坐标，
Figure 814443DEST_PATH_IMAGE008
表示当前所述车座中心关键点的纵坐标，
Figure 821713DEST_PATH_IMAGE009
表示超参数；
将所有所述车座中心关键点的对数似然的最大化高斯似然转换为最小化损失函数：
Figure 19476DEST_PATH_IMAGE012
式中，n为所述车座中心关键点的个数，
Figure 363870DEST_PATH_IMAGE011
为常数，
Figure 579956DEST_PATH_IMAGE007
表示当前所述车座中心关键点的横坐标，
Figure 554866DEST_PATH_IMAGE008
表示当前所述车座中心关键点的纵坐标，
Figure 239925DEST_PATH_IMAGE009
表示超参数。
2.根据权利要求1所述的基于人工智能的共享单车用户质量评估方法,其特征在于，根据各所述车座中心关键点和所述标准停放区间，判断各所述共享单车是否违规停放，包括：
当所述车座中心关键点坐标在所述标准停放区间内时，则确定对应所述共享单车为合规停车；
当所述车座中心关键点坐标在所述标准停放区间外时，则确定对应所述共享单车为违规停车。
3.根据权利要求1所述的基于人工智能的共享单车用户质量评估方法,其特征在于，所述用户骑行数据，包括：
使用日期、骑行次数、骑行里程和违规次数。
4.根据权利要求1所述的基于人工智能的共享单车用户质量评估方法,其特征在于，提取所述预处理后停放图像中各所述共享单车的车座中心关键点和把手中心关键点，包括：
利用预设神经网络提取所述预处理后停放图像中各所述共享单车的车座中心关键点和把手中心关键点。
5.一种基于人工智能的共享单车用户质量评估装置,其特征在于，包括：
第一获取单元，用于获取共享单车停放图像以及对应用户骑行数据；所述停放图像中包含多辆共享单车；
预处理单元，用于对所述停放图像进行预处理，获取预处理后停放图像；
提取单元，用于提取所述预处理后停放图像中各所述共享单车的车座中心关键点、把手中心关键点以及车身直线；各所述车身直线由对应所述车座中心关键点和对应所述把手中心关键点连接形成；
第二获取单元，用于根据各所述车座中心关键点获取标准停放区间；
其中各所述车座中心关键点通过最大似然法获取标准停放区间，包括：
建立线性模型：
Figure 591272DEST_PATH_IMAGE002
式中，
Figure 396286DEST_PATH_IMAGE003
表示参数方程，
Figure 807675DEST_PATH_IMAGE004
为参数；
计算各所述车座中心关键点对应的高斯似然：
Figure 714452DEST_PATH_IMAGE006
式中，p为当前所述车座中心关键点的坐标概率，
Figure 603910DEST_PATH_IMAGE007
表示当前所述车座中心关键点的横坐标，
Figure 342059DEST_PATH_IMAGE008
表示当前所述车座中心关键点的纵坐标，
Figure 908038DEST_PATH_IMAGE009
表示超参数；
计算所有所述车座中心关键点的对数似然：
Figure 302111DEST_PATH_IMAGE010
式中，n为所述车座中心关键点的个数，
Figure 729681DEST_PATH_IMAGE011
为常数，
Figure 525599DEST_PATH_IMAGE007
表示当前所述车座中心关键点的横坐标，
Figure 528059DEST_PATH_IMAGE008
表示当前所述车座中心关键点的纵坐标，
Figure 206165DEST_PATH_IMAGE009
表示超参数；
将所有所述车座中心关键点的对数似然的最大化高斯似然转换为最小化损失函数：
Figure 437426DEST_PATH_IMAGE012
式中，n为所述车座中心关键点的个数，
Figure 822271DEST_PATH_IMAGE011
为常数，
Figure 746364DEST_PATH_IMAGE007
表示当前所述车座中心关键点的横坐标，
Figure 364296DEST_PATH_IMAGE008
表示当前所述车座中心关键点的纵坐标，
Figure 399249DEST_PATH_IMAGE009
表示超参数；
第一判断单元，用于根据各所述车座中心关键点和所述标准停放区间，判断各所述共享单车是否违规停放；
第二判断单元，用于若当前所述共享单车违规停放时，计算所有所述车座中心关键点的纵坐标均值，并计算所述车座中心关键点纵坐标值与所述均值的差值，进而根据所述差值与预设第一阈值，判断所述共享单车违规等级；
第三判断单元，用于判断各所述车身直线是否平行，并获取倾斜停放共享单车；
第四判断单元，用于对于所述倾斜停放共享单车，计算所述倾斜停放共享单车与标准停放共享单车的夹角，进而根据所述夹角与预设第二阈值，判断所述倾斜停放共享单车倾斜等级；
评估单元，用于根据所述用户骑行数据、所述违规等级和所述倾斜等级，进行用户质量评估，获取评估结果，以便根据所述评估结果对所述用户进行管理。
CN202210791376.3A 2022-07-07 2022-07-07 一种基于人工智能的共享单车用户质量评估方法及装置 Active CN114863087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210791376.3A CN114863087B (zh) 2022-07-07 2022-07-07 一种基于人工智能的共享单车用户质量评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210791376.3A CN114863087B (zh) 2022-07-07 2022-07-07 一种基于人工智能的共享单车用户质量评估方法及装置

Publications (2)

Publication Number Publication Date
CN114863087A true CN114863087A (zh) 2022-08-05
CN114863087B CN114863087B (zh) 2022-09-20

Family

ID=82625770

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210791376.3A Active CN114863087B (zh) 2022-07-07 2022-07-07 一种基于人工智能的共享单车用户质量评估方法及装置

Country Status (1)

Country Link
CN (1) CN114863087B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115588008A (zh) * 2022-11-29 2023-01-10 城云科技（中国）有限公司 基于视觉的单车规范摆放的判定方法及其应用

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111222385A (zh) * 2018-11-27 2020-06-02 千寻位置网络有限公司 单车违停的检测方法及装置、共享单车及检测系统
CN111784923A (zh) * 2020-06-09 2020-10-16 深圳市金溢科技股份有限公司 共享单车停放管理方法、系统及服务器
CN111784444A (zh) * 2020-06-09 2020-10-16 深圳市金溢科技股份有限公司 共享单车管理方法和系统
CN113055823A (zh) * 2021-04-01 2021-06-29 超级视线科技有限公司 一种基于路侧停车管理共享单车的方法及装置
CN113313317A (zh) * 2021-06-11 2021-08-27 哈尔滨工业大学 一种基于inla算法的共享单车使用需求预测方法及预测系统
CN114463703A (zh) * 2021-12-31 2022-05-10 珠海华发新科技投资控股有限公司 一种共享单车停放管理系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111222385A (zh) * 2018-11-27 2020-06-02 千寻位置网络有限公司 单车违停的检测方法及装置、共享单车及检测系统
CN111784923A (zh) * 2020-06-09 2020-10-16 深圳市金溢科技股份有限公司 共享单车停放管理方法、系统及服务器
CN111784444A (zh) * 2020-06-09 2020-10-16 深圳市金溢科技股份有限公司 共享单车管理方法和系统
CN113055823A (zh) * 2021-04-01 2021-06-29 超级视线科技有限公司 一种基于路侧停车管理共享单车的方法及装置
CN113313317A (zh) * 2021-06-11 2021-08-27 哈尔滨工业大学 一种基于inla算法的共享单车使用需求预测方法及预测系统
CN114463703A (zh) * 2021-12-31 2022-05-10 珠海华发新科技投资控股有限公司 一种共享单车停放管理系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115588008A (zh) * 2022-11-29 2023-01-10 城云科技（中国）有限公司 基于视觉的单车规范摆放的判定方法及其应用
CN115588008B (zh) * 2022-11-29 2023-02-17 城云科技（中国）有限公司 基于视觉的单车规范摆放的判定方法及其应用

Also Published As

Publication number Publication date
CN114863087B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
US8391559B2 (en) Method and system for image identification and identification result output
US20150086135A1 (en) Method for Image Recombination of a Plurality of Images and Image Identification and System for Image Acquiring and Identification
CN114863087B (zh) 一种基于人工智能的共享单车用户质量评估方法及装置
CN111311540A (zh) 车辆定损方法、装置、计算机设备和存储介质
CN108323209B (zh) 信息处理方法、系统、云处理设备以及计算机存储介质
CN108389392A (zh) 一种基于机器学习的交通事故责任认定系统
CN110135394A (zh) 区域占用和车牌识别方法及装置
CN112115939A (zh) 车辆车牌的识别方法、装置
CN111738228A (zh) 一种面向治超证据链校验的多视角车辆特征匹配方法
CN112183206B (zh) 一种基于路侧单目摄像头的交通参与者定位方法和系统
CN112489436B (zh) 一种车辆身份识别方法、装置、系统、以及电子装置
CN111599208A (zh) 一种停车场出入管理方法、装置和设备及可读存储介质
JP4784932B2 (ja) 車両判別装置及びそのプログラム
CN107403019B (zh) 一种基于移动数据的车主身份识别方法
CN113780244A (zh) 一种车辆防换牌检测方法及系统
CN116152870A (zh) 人脸识别方法、装置、电子设备及计算机可读存储介质
CN112562351B (zh) 一种基于智能识别的智能眼镜
CN112614351B (zh) 基于机器视觉的货车超载检测系统及方法
CN116778434B (zh) 一种基于计算机视觉的交通违章行为检测系统及方法
CN116664112B (zh) 用于车损案件的检修扩损决策方法及系统
CN117079255B (zh) 一种基于人脸识别和语音交互的疲劳驾驶检测方法
CN108398702A (zh) 停车环境识别方法及装置
CN112991134B (zh) 行车路径还原测算方法、装置和电子设备
CN117542023B (zh) 交通标志检测方法、装置、电子设备和存储介质
US20240061917A1 (en) Driving record authentication method, electronic device, storage medium

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant