CN115273474A - 一种基于人工智能的rpa巡检机器人巡检管理系统 - Google Patents
一种基于人工智能的rpa巡检机器人巡检管理系统 Download PDFInfo
- Publication number
- CN115273474A CN115273474A CN202210919127.8A CN202210919127A CN115273474A CN 115273474 A CN115273474 A CN 115273474A CN 202210919127 A CN202210919127 A CN 202210919127A CN 115273474 A CN115273474 A CN 115273474A
- Authority
- CN
- China
- Prior art keywords
- highway section
- inspection target
- current inspection
- target highway
- picture
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于人工智能的RPA巡检机器人巡检管理系统,本发明通过RPA巡检机器人实时采集当前巡检目标高速公路路段的基本信息,根据当前巡检目标高速公路路段的基本信息,判断当前巡检目标高速公路路段是否拥堵,将当前巡检目标高速公路路段的拥堵类型及编号发送至高速公路管理中心,同时获取当前巡检目标高速公路路段的各违规车辆车牌号,发送至高速公路管理中心,同时判断当前巡检目标高速公路路段的路面是否需要维护,并进行相应处理,同时获取当前巡检目标高速公路路段的各货物易掉落运输车辆,将各货物易掉落运输车辆的车牌号发送至高速公路管理中心,进而能够实时监测高速公路多方面状况,提高巡检的效率与质量。
Description
技术领域
本发明涉及高速公路巡检管理领域,涉及到一种基于人工智能的RPA巡检机器人巡检管理系统。
背景技术
现今,通过高速公路进行人员与物资运输的车辆越来越多,交通拥堵、交通违规和交通事故也频频发生,且运输车辆呈现出重型化,对高速公路的养护也提出了更高的要求和挑战,因此,对高速公路进行巡查管理,及时发现可能出现的各种安全隐患和做好各类安全事故的预防,对于保障高速公路的安全运行有着十分重要的意义。
现有的高速公路巡检管理方法主要采用车辆巡检和徒步巡检,由于巡检周期长和巡检区域范围广,该方法存在着一些弊端:
一方面,在高速公路发生拥堵时,工作人员无法及时监测高速公路拥堵情况并赶赴现场,进而无法加速现场疏通,增加因高速公路车流长时间堵塞带来的安全风险,一方面,在高速公路路面存在异物或需要养护时,不能及时检测并处理,进而给高速公路车辆通行带来极大安全隐患,甚至导致交通事故,另一方面,在高速公路运输车辆货物掉落时,不能及时监测,进而无法预警提醒,不仅给运输人员造成直接经济损失,同时阻碍了高速公路的正常通行。
发明内容
针对上述问题,本发明提出了一种基于人工智能的RPA巡检机器人巡检管理系统,实现对高速公路巡检管理的功能。
本发明解决其技术问题采用的技术方案是:
本发明提供一种基于人工智能的RPA巡检机器人巡检管理系统,包括:
高速公路基本信息采集模块用于通过RPA巡检机器人实时采集当前巡检目标高速公路路段的基本信息,其中基本信息包括视频和编号;
数据库用于存储高速公路路面标准图片、各类型道路拥堵图片和各类型运输车辆装满货物的标准图像;
道路拥堵监测子系统用于根据当前巡检目标高速公路路段的基本信息,判断当前巡检目标高速公路路段是否拥堵,并获取道路拥堵类型,将当前巡检目标高速公路路段的拥堵类型及编号发送至高速公路管理中心;
交通违规监测子系统用于根据当前巡检目标高速公路路段的基本信息,获取当前巡检目标高速公路路段的各违规车辆车牌号,将当前巡检目标高速公路路段的各违规车辆车牌号发送至高速公路管理中心;
路面维护监测子系统用于根据当前巡检目标高速公路路段的基本信息,获取当前巡检目标高速公路路段的路面异物总面积和路面裂纹总长度,进一步判断当前巡检目标高速公路路段的路面是否需要维护,并进行相应处理;
危险隐患监测子系统用于根据当前巡检目标高速公路路段的基本信息,获取当前巡检目标高速公路路段的各货物易掉落运输车辆,将当前巡检目标高速公路路段的各货物易掉落运输车辆的车牌号发送至高速公路管理中心。
在上述实施例的基础上,所述高速公路基本信息采集模块的具体过程为:
通过RPA巡检机器人携带的高清摄像头,采集当前巡检目标高速公路路段的视频,并通过RPA巡检机器人内置的GPS定位系统,得到RPA巡检机器人当前位置,将RPA巡检机器人当前位置与目标高速公路地图进行比对,得到当前巡检目标高速公路路段的编号。
在上述实施例的基础上,所述道路拥堵监测子系统包括道路拥堵判断单元、道路拥堵类型获取单元和道路拥堵处理单元,所述道路拥堵判断单元用于根据当前巡检目标高速公路路段的基本信息,分析得到当前巡检目标高速公路路段的道路拥堵评估系数,根据当前巡检目标高速公路路段的道路拥堵评估系数,判断当前巡检目标高速公路路段是否拥堵,具体过程为:
通过RPA巡检机器人携带的行车速度检测仪,获取当前巡检目标高速公路路段中各车辆的行驶速度,将当前巡检目标高速公路路段中各车辆的行驶速度与预设的车辆行驶速度参考值进行比较,若当前巡检目标高速公路路段中某车辆的行驶速度小于预设的车辆行驶速度参考值,则将当前巡检目标高速公路路段中该车辆记为滞留车辆,统计当前巡检目标高速公路路段中滞留车辆的数量,将其记为c,将当前巡检目标高速公路路段中滞留车辆的数量代入公式得到当前巡检目标高速公路路段的道路拥堵第一指数β1,其中b表示当前巡检目标高速公路路段中车辆的总数量,g1表示当前巡检目标高速公路路段的道路拥堵第一指数修正因子;
提取当前巡检目标高速公路路段的视频,将其记为待分析视频,将待分析视频按照设定的图片提取原则,得到各待分析图片,将各待分析图片按照时间先后的顺序依次编号为1,2,...,j,...,m,获取各待分析图片中路面行驶车辆的总数量,将各待分析图片中路面行驶车辆的总数量与预设的路面车辆数量阈值进行比较,若某待分析图片中路面行驶车辆的总数量大于预设的路面车辆数量阈值,则将该待分析图片记为拥堵图片,统计拥堵图片的数量,将其记为f,将拥堵图片的数量代入公式得到当前巡检目标高速公路路段的道路拥堵第二指数β2,其中m表示待分析图片的总数量,g2表示当前巡检目标高速公路路段的道路拥堵第二指数修正因子;
将当前巡检目标高速公路路段的道路拥堵第一指数β1和道路拥堵第二指数β2代入公式χ=δ*ln(β1+β2+1)得到当前巡检目标高速公路路段的道路拥堵评估系数χ,其中δ表示当前巡检目标高速公路路段的道路拥堵评估系数修正因子,将当前巡检目标高速公路路段的道路拥堵评估系数与预设的高速公路道路拥堵评估系数参考值进行比较,若当前巡检目标高速公路路段的道路拥堵评估系数大于道路拥堵评估系数参考值,表明当前巡检目标高速公路路段拥堵,反之,表明当前巡检目标高速公路路段畅通。
在上述实施例的基础上,所述道路拥堵类型获取单元用于获取当前巡检目标高速公路路段的拥堵类型,具体方法为:
根据当前巡检目标高速公路路段的视频,截取当前巡检目标高速公路拥堵路段视频,得到当前巡检目标高速公路拥堵路段视频最后时刻对应的图片,将其记为目标图片,将目标图片与数据库中存储的各类型道路拥堵图片进行比对,得到目标图片与各类型道路拥堵图片的相似度,将最大相似度对应的道路拥堵类型作为当前巡检目标高速公路路段的拥堵类型。
在上述实施例的基础上,所述道路拥堵处理单元用于根据当前巡检目标高速公路路段的拥堵类型,进行相应处理,具体过程为:
将当前巡检目标高速公路路段的拥堵类型与预设的危险拥堵类型集合进行比对,若当前巡检目标高速公路路段的拥堵类型属于危险拥堵类型集合内,则提取当前巡检目标高速公路路段的编号,将当前巡检目标高速公路路段的拥堵类型及编号发送至高速公路管理中心。
在上述实施例的基础上,所述交通违规监测子系统的具体分析过程为:
提取当前巡检目标高速公路路段的视频,根据当前巡检目标高速公路路段的视频,得到当前巡检目标高速公路路段视频中各违规车辆,进一步获取当前巡检目标高速公路路段视频中各违规车辆车牌图片,利用车牌号识别技术,得到当前巡检目标高速公路路段视频中各违规车辆的车牌号,将当前巡检目标高速公路路段视频中各违规车辆的车牌号发送至高速公路管理中心。
在上述实施例的基础上,所述路面维护监测子系统的具体分析过程为:
提取当前巡检目标高速公路路段的视频,根据当前巡检目标高速公路路段的视频,分别得到当前巡检目标高速公路路段的路面异物总面积和路面裂纹总长度,将其分别记为s异物和l裂纹;
将当前巡检目标高速公路路段的路面异物总面积和路面裂纹总长度代入公式得到当前巡检目标高速公路路段的路面维护需求指数ε,其中Δs、Δl分别为预设的高速公路允许路面异物面积和允许路面裂纹长度,φ1、φ2分别表示预设的当前巡检目标高速公路路段的路面异物总面积和路面裂纹总长度的权重因子,将当前巡检目标高速公路路段的路面维护需求指数与预设的高速公路路段的路面维护需求指数阈值进行比较,若当前巡检目标高速公路路段的路面维护需求指数大于预设的高速公路路段的路面维护需求指数阈值,则表明当前巡检目标高速公路路段的路面需要维护,提取当前巡检目标高速公路路段的编号,将当前巡检目标高速公路路段的编号发送至高速公路管理中心。
在上述实施例的基础上,所述危险隐患监测子系统的具体分析过程为:
根据各待分析图片,获取各待分析图片中各车辆的图像,进一步获取各待分析图片中各运输车辆图像和各运输车辆类型,根据各待分析图片中各运输车辆图像和各运输车辆类型,分析得到各待分析图片中各运输车辆的货物易掉落系数;
将各待分析图片中各运输车辆的货物易掉落系数与预设的运输车辆的货物易掉落系数阈值进行比较,若某待分析图片中某运输车辆的货物易掉落系数大于预设的运输车辆的货物易掉落系数阈值,则将该待分析图片中该运输车辆记为货物易掉落运输车辆,统计各货物易掉落运输车辆,根据各待分析图片中各运输车辆的图像,筛选得到各货物易掉落运输车辆的图像,根据各货物易掉落运输车辆的图像,截取各货物易掉落运输车辆的车牌号图像,利用车牌号识别技术,得到各货物易掉落运输车辆的车牌号,将各货物易掉落运输车辆的车牌号发送至高速公路管理中心。
在上述实施例的基础上,所述根据各待分析图片中各运输车辆图像和各运输车辆类型,分析得到各待分析图片中各运输车辆的货物易掉落系数,具体方法为:
提取数据库中存储的各类型运输车辆装满货物的标准图像,根据各待分析图片中各运输车辆的类型,筛选得到各待分析图片中各运输车辆对应的装满货物标准图像;
根据各待分析图片中各运输车辆的图像,得到各待分析图片中各运输车辆的轮廓面积,根据各待分析图片中各运输车辆对应的装满货物标准图像,得到各待分析图片中各运输车辆对应的装满货物标准轮廓面积;
将各待分析图片中各运输车辆的轮廓面积与对应待分析图片中对应运输车辆对应的装满货物标准轮廓面积进行比对,得到各待分析图片中各运输车辆装载货物超出部分的轮廓面积,将其记为各待分析图片中各运输车辆的货物超出面积,将其记为j表示第j个待分析图片的编号,j=1,2,...,m,x表示第x个运输车辆的编号,x=1,2,...,y,将各待分析图片中各运输车辆的货物超出面积代入公式得到各待分析图片中各运输车辆的货物易掉落系数其中s设表示预设的运输车辆允许货物超出面积,γ表示预设的待分析图片中运输车辆的货物易掉落系数修正因子。
相对于现有技术,本发明所述的一种基于人工智能的RPA巡检机器人巡检管理系统以下有益效果:
本发明提供的一种基于人工智能的RPA巡检机器人巡检管理系统,通过RPA巡检机器人实时采集当前巡检目标高速公路路段的基本信息,根据当前巡检目标高速公路路段的基本信息,判断当前巡检目标高速公路路段是否拥堵,将当前巡检目标高速公路路段的拥堵类型及编号发送至高速公路管理中心,进而及时监测并疏通高速公路拥堵路况,降低因高速公路车流长时间堵塞带来的安全风险,同时判断当前巡检目标高速公路路段的路面是否需要维护,并进行相应处理,进而消除高速公路车辆通行存在的安全隐患,同时获取当前巡检目标高速公路路段的各货物易掉落运输车辆,将各货物易掉落运输车辆的车牌号发送至高速公路管理中心,进而进行相应预警提醒,减少运输人员不必要的经济损失,并保障高速公路的正常通行。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的系统模块连接图。
图2为道路拥堵监测子系统的构造连接图。
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它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供一种基于人工智能的RPA巡检机器人巡检管理系统,包括高速公路基本信息采集模块、数据库、道路拥堵监测子系统、交通违规监测子系统、路面维护监测子系统和危险隐患监测子系统。
所述高速公路基本信息采集模块分别与道路拥堵监测子系统、交通违规监测子系统、路面维护监测子系统和危险隐患监测子系统连接,所述数据库分别与道路拥堵监测子系统、路面维护监测子系统和危险隐患监测子系统连接。
请参阅图2所示,所述道路拥堵监测子系统包括道路拥堵判断单元、道路拥堵类型获取单元和道路拥堵处理单元。
所述道路拥堵类型获取单元分别与道路拥堵判断单元和道路拥堵处理单元连接。
所述高速公路基本信息采集模块用于通过RPA巡检机器人实时采集当前巡检目标高速公路路段的基本信息,其中基本信息包括视频和编号。
进一步地,所述高速公路基本信息采集模块的具体过程为:
通过RPA巡检机器人携带的高清摄像头,采集当前巡检目标高速公路路段的视频,并通过RPA巡检机器人内置的GPS定位系统,得到RPA巡检机器人当前位置,将RPA巡检机器人当前位置与目标高速公路地图进行比对,得到当前巡检目标高速公路路段的编号。
所述数据库用于存储高速公路路面标准图片、各类型道路拥堵图片和各类型运输车辆装满货物的标准图像。
所述道路拥堵监测子系统用于根据当前巡检目标高速公路路段的基本信息,判断当前巡检目标高速公路路段是否拥堵,并获取道路拥堵类型,将当前巡检目标高速公路路段的拥堵类型及编号发送至高速公路管理中心。
进一步地,所述道路拥堵监测子系统包括道路拥堵判断单元、道路拥堵类型获取单元和道路拥堵处理单元,所述道路拥堵判断单元用于根据当前巡检目标高速公路路段的基本信息,分析得到当前巡检目标高速公路路段的道路拥堵评估系数,根据当前巡检目标高速公路路段的道路拥堵评估系数,判断当前巡检目标高速公路路段是否拥堵,具体过程为:
通过RPA巡检机器人携带的行车速度检测仪,获取当前巡检目标高速公路路段中各车辆的行驶速度,将当前巡检目标高速公路路段中各车辆的行驶速度与预设的车辆行驶速度参考值进行比较,若当前巡检目标高速公路路段中某车辆的行驶速度小于预设的车辆行驶速度参考值,则将当前巡检目标高速公路路段中该车辆记为滞留车辆,统计当前巡检目标高速公路路段中滞留车辆的数量,将其记为c,将当前巡检目标高速公路路段中滞留车辆的数量代入公式得到当前巡检目标高速公路路段的道路拥堵第一指数β1,其中b表示当前巡检目标高速公路路段中车辆的总数量,g1表示当前巡检目标高速公路路段的道路拥堵第一指数修正因子;
提取当前巡检目标高速公路路段的视频,将其记为待分析视频,将待分析视频按照设定的图片提取原则,得到各待分析图片,将各待分析图片按照时间先后的顺序依次编号为1,2,...,j,...,m,获取各待分析图片中路面行驶车辆的总数量,将各待分析图片中路面行驶车辆的总数量与预设的路面车辆数量阈值进行比较,若某待分析图片中路面行驶车辆的总数量大于预设的路面车辆数量阈值,则将该待分析图片记为拥堵图片,统计拥堵图片的数量,将其记为f,将拥堵图片的数量代入公式得到当前巡检目标高速公路路段的道路拥堵第二指数β2,其中m表示待分析图片的总数量,g2表示当前巡检目标高速公路路段的道路拥堵第二指数修正因子;
将当前巡检目标高速公路路段的道路拥堵第一指数β1和道路拥堵第二指数β2代入公式χ=δ*ln(β1+β2+1)得到当前巡检目标高速公路路段的道路拥堵评估系数χ,其中δ表示当前巡检目标高速公路路段的道路拥堵评估系数修正因子,将当前巡检目标高速公路路段的道路拥堵评估系数与预设的高速公路道路拥堵评估系数参考值进行比较,若当前巡检目标高速公路路段的道路拥堵评估系数大于道路拥堵评估系数参考值,表明当前巡检目标高速公路路段拥堵,反之,表明当前巡检目标高速公路路段畅通。
更进一步地,所述道路拥堵类型获取单元用于获取当前巡检目标高速公路路段的拥堵类型,具体方法为:
根据当前巡检目标高速公路路段的视频,截取当前巡检目标高速公路拥堵路段视频,得到当前巡检目标高速公路拥堵路段视频最后时刻对应的图片,将其记为目标图片,将目标图片与数据库中存储的各类型道路拥堵图片进行比对,得到目标图片与各类型道路拥堵图片的相似度,将最大相似度对应的道路拥堵类型作为当前巡检目标高速公路路段的拥堵类型。
更进一步地,所述道路拥堵处理单元用于根据当前巡检目标高速公路路段的拥堵类型,进行相应处理,具体过程为:
将当前巡检目标高速公路路段的拥堵类型与预设的危险拥堵类型集合进行比对,若当前巡检目标高速公路路段的拥堵类型属于危险拥堵类型集合内,则提取当前巡检目标高速公路路段的编号,将当前巡检目标高速公路路段的拥堵类型及编号发送至高速公路管理中心。
需要说明的是,本发明通过RPA巡检机器人实时采集当前巡检目标高速公路路段的基本信息,根据当前巡检目标高速公路路段的基本信息,判断当前巡检目标高速公路路段是否拥堵,并获取道路拥堵类型,将当前巡检目标高速公路路段的拥堵类型及编号发送至高速公路管理中心,能够及时监测高速公路拥堵情况、提升勘察进度、降低警力投入和加速现场疏通,从而降低因长时间堵塞引发的交通安全风险。
所述交通违规监测子系统用于根据当前巡检目标高速公路路段的基本信息,获取当前巡检目标高速公路路段的各违规车辆车牌号,将当前巡检目标高速公路路段的各违规车辆车牌号发送至高速公路管理中心。
进一步地,所述交通违规监测子系统的具体分析过程为:
提取当前巡检目标高速公路路段的视频,根据当前巡检目标高速公路路段的视频,得到当前巡检目标高速公路路段视频中各违规车辆,进一步获取当前巡检目标高速公路路段视频中各违规车辆车牌图片,利用车牌号识别技术,得到当前巡检目标高速公路路段视频中各违规车辆的车牌号,将当前巡检目标高速公路路段视频中各违规车辆的车牌号发送至高速公路管理中心。
作为一种优选方案,所述根据当前巡检目标高速公路路段的视频,得到当前巡检目标高速公路路段视频中各违规车辆,具体方法为:
获取当前巡检目标高速公路路段视频中各车辆的行驶区域,将当前巡检目标高速公路路段视频中各车辆的行驶区域和应急车道区域进行比对,若当前巡检目标高速公路路段视频中某车辆的行驶区域和应急车道区域存在重合区域,则当前巡检目标高速公路路段视频中该车辆违规,进而统计得到当前巡检目标高速公路路段视频中各违规车辆。
作为一种优选方案,所述行驶区域指车轮碾过的区域。
需要说明的是,本发明通过RPA巡检机器人实时采集当前巡检目标高速公路路段的基本信息,根据当前巡检目标高速公路路段的基本信息,获取当前巡检目标高速公路路段的各违规车辆车牌号,将当前巡检目标高速公路路段的各违规车辆车牌号发送至高速公路管理中心,能够实时监测高速公路交通违规行为,弥补常规高速公路巡检存在监控死角的缺陷,进而辅助执法,并且提升效率和释放警力。
所述路面维护监测子系统用于根据当前巡检目标高速公路路段的基本信息,获取当前巡检目标高速公路路段的路面异物总面积和路面裂纹总长度,进一步判断当前巡检目标高速公路路段的路面是否需要维护,并进行相应处理。
进一步地,所述路面维护监测子系统的具体分析过程为:
提取当前巡检目标高速公路路段的视频,根据当前巡检目标高速公路路段的视频,分别得到当前巡检目标高速公路路段的路面异物总面积和路面裂纹总长度,将其分别记为s异物和l裂纹;
将当前巡检目标高速公路路段的路面异物总面积和路面裂纹总长度代入公式得到当前巡检目标高速公路路段的路面维护需求指数ε,其中Δs、Δl分别为预设的高速公路允许路面异物面积和允许路面裂纹长度,φ1、φ2分别表示预设的当前巡检目标高速公路路段的路面异物总面积和路面裂纹总长度的权重因子,将当前巡检目标高速公路路段的路面维护需求指数与预设的高速公路路段的路面维护需求指数阈值进行比较,若当前巡检目标高速公路路段的路面维护需求指数大于预设的高速公路路段的路面维护需求指数阈值,则表明当前巡检目标高速公路路段的路面需要维护,提取当前巡检目标高速公路路段的编号,将当前巡检目标高速公路路段的编号发送至高速公路管理中心。
作为一种优选方案,所述根据当前巡检目标高速公路路段的视频,得到当前巡检目标高速公路路段的路面异物总面积,具体方法为:
对当前巡检目标高速公路路段的视频进行剪切提取,得到当前巡检目标高速公路路段中各路面图片,利用图片处理技术,得到当前巡检目标高速公路路段中各路面图片的各灰度值,提取数据库中存储的高速公路路面标准图片,得到高速公路路面标准图片的各灰度值,将当前巡检目标高速公路路段中各路面图片的各灰度值与高速公路路面标准图片的各灰度值进行比对,若当前巡检目标高速公路路段中某路面图片的某灰度值与高速公路路面标准图片的各灰度值均不同,则将当前巡检目标高速公路路段中该路面图片的该灰度值记为特殊灰度值,统计当前巡检目标高速公路路段中各路面图片的各特殊灰度值,进一步得到当前巡检目标高速公路路段中各路面图片的各特殊灰度值对应区域面积,将当前巡检目标高速公路路段中各路面图片的各特殊灰度值对应区域面积进行累加,得到当前巡检目标高速公路路段的路面异物总面积。
作为一种优选方案,所述根据当前巡检目标高速公路路段的视频,得到当前巡检目标高速公路路段的路面裂纹总长度,具体方法为:
将当前巡检目标高速公路路段中各路面图片的各灰度值与预设的高速公路路面裂纹图像灰度值范围进行比较,若当前巡检目标高速公路路段中某路面图片的某灰度值处于预设的高速公路路面裂纹图像灰度值范围内,则将当前巡检目标高速公路路段中该路面图片的该灰度值记为裂纹灰度值,统计当前巡检目标高速公路路段中各路面图片的各裂纹灰度值,得到当前巡检目标高速公路路段中各路面图片的各裂纹灰度值对应区域,进一步得到当前巡检目标高速公路路段中各路面图片的各裂纹灰度值对应区域的最长长度,对当前巡检目标高速公路路段中各路面图片的各裂纹灰度值对应区域的最长长度进行累加,得到当前巡检目标高速公路路段的路面裂纹总长度。
需要说明的是,本发明通过RPA巡检机器人实时采集当前巡检目标高速公路路段的基本信息,根据当前巡检目标高速公路路段的基本信息,获取当前巡检目标高速公路路段的路面异物总面积和路面裂纹总长度,进一步判断当前巡检目标高速公路路段的路面是否需要维护,并进行相应处理,能够及时检测高速公路路面异物和路面需要养护的情况,帮助指挥中心精准投放人力物力和及时做出针对性处理,为高速公路车辆的安全通行提供保障。
所述危险隐患监测子系统用于根据当前巡检目标高速公路路段的基本信息,获取当前巡检目标高速公路路段的各货物易掉落运输车辆,将当前巡检目标高速公路路段的各货物易掉落运输车辆的车牌号发送至高速公路管理中心。
进一步地,所述危险隐患监测子系统的具体分析过程为:
根据各待分析图片,获取各待分析图片中各车辆的图像,进一步获取各待分析图片中各运输车辆图像和各运输车辆类型,根据各待分析图片中各运输车辆图像和各运输车辆类型,分析得到各待分析图片中各运输车辆的货物易掉落系数;
将各待分析图片中各运输车辆的货物易掉落系数与预设的运输车辆的货物易掉落系数阈值进行比较,若某待分析图片中某运输车辆的货物易掉落系数大于预设的运输车辆的货物易掉落系数阈值,则将该待分析图片中该运输车辆记为货物易掉落运输车辆,统计各货物易掉落运输车辆,根据各待分析图片中各运输车辆的图像,筛选得到各货物易掉落运输车辆的图像,根据各货物易掉落运输车辆的图像,截取各货物易掉落运输车辆的车牌号图像,利用车牌号识别技术,得到各货物易掉落运输车辆的车牌号,将各货物易掉落运输车辆的车牌号发送至高速公路管理中心。
作为一种优选方案,获取各待分析图片中各运输车辆图像和各运输车辆类型,具体方法为:
将各待分析图片中各车辆的图像与预设的各类型运输车辆图像进行比对,得到各待分析图片中各车辆的图像与各类型运输车辆图像的相似度,将各待分析图片中各车辆的图像与各类型运输车辆图像的相似度与预设的相似度阈值进行比较,若某待分析图片中某车辆的图像与某类型运输车辆图像的相似度大于预设的相似度阈值,则该待分析图片中该车辆为运输车辆,且将最大相似度对应的运输车辆类型作为该车辆的类型,筛选得到该待分析图片中各运输车辆和各运输车辆类型,进而统计得到各待分析图片中各运输车辆图像和各运输车辆类型。
更进一步地,所述根据各待分析图片中各运输车辆图像和各运输车辆类型,分析得到各待分析图片中各运输车辆的货物易掉落系数,具体方法为:
提取数据库中存储的各类型运输车辆装满货物的标准图像,根据各待分析图片中各运输车辆的类型,筛选得到各待分析图片中各运输车辆对应的装满货物标准图像;
根据各待分析图片中各运输车辆的图像,得到各待分析图片中各运输车辆的轮廓面积,根据各待分析图片中各运输车辆对应的装满货物标准图像,得到各待分析图片中各运输车辆对应的装满货物标准轮廓面积;
将各待分析图片中各运输车辆的轮廓面积与对应待分析图片中对应运输车辆对应的装满货物标准轮廓面积进行比对,得到各待分析图片中各运输车辆装载货物超出部分的轮廓面积,将其记为各待分析图片中各运输车辆的货物超出面积,将其记为j表示第j个待分析图片的编号,j=1,2,...,m,x表示第x个运输车辆的编号,x=1,2,...,y,将各待分析图片中各运输车辆的货物超出面积代入公式得到各待分析图片中各运输车辆的货物易掉落系数其中s设表示预设的运输车辆允许货物超出面积,γ表示预设的待分析图片中运输车辆的货物易掉落系数修正因子。
需要说明的是,本发明通过RPA巡检机器人实时采集当前巡检目标高速公路路段的基本信息,根据当前巡检目标高速公路路段的基本信息,获取当前巡检目标高速公路路段的各货物易掉落运输车辆,将当前巡检目标高速公路路段的各货物易掉落运输车辆的车牌号发送至高速公路管理中心,能够及时监测车辆货物掉落情况,进而减少运输人员不必要的经济损失,同时保证高速公路的正常通行。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种基于人工智能的RPA巡检机器人巡检管理系统,其特征在于,包括:
高速公路基本信息采集模块用于通过RPA巡检机器人实时采集当前巡检目标高速公路路段的基本信息,其中基本信息包括视频和编号;
数据库用于存储高速公路路面标准图片、各类型道路拥堵图片和各类型运输车辆装满货物的标准图像;
道路拥堵监测子系统用于根据当前巡检目标高速公路路段的基本信息,判断当前巡检目标高速公路路段是否拥堵,并获取道路拥堵类型,将当前巡检目标高速公路路段的拥堵类型及编号发送至高速公路管理中心;
交通违规监测子系统用于根据当前巡检目标高速公路路段的基本信息,获取当前巡检目标高速公路路段的各违规车辆车牌号,将当前巡检目标高速公路路段的各违规车辆车牌号发送至高速公路管理中心;
路面维护监测子系统用于根据当前巡检目标高速公路路段的基本信息,获取当前巡检目标高速公路路段的路面异物总面积和路面裂纹总长度,进一步判断当前巡检目标高速公路路段的路面是否需要维护,并进行相应处理;
危险隐患监测子系统用于根据当前巡检目标高速公路路段的基本信息,获取当前巡检目标高速公路路段的各货物易掉落运输车辆,将当前巡检目标高速公路路段的各货物易掉落运输车辆的车牌号发送至高速公路管理中心。
2.根据权利要求1所述的一种基于人工智能的RPA巡检机器人巡检管理系统,其特征在于:所述高速公路基本信息采集模块的具体过程为:
通过RPA巡检机器人携带的高清摄像头,采集当前巡检目标高速公路路段的视频,并通过RPA巡检机器人内置的GPS定位系统,得到RPA巡检机器人当前位置,将RPA巡检机器人当前位置与目标高速公路地图进行比对,得到当前巡检目标高速公路路段的编号。
3.根据权利要求2所述的一种基于人工智能的RPA巡检机器人巡检管理系统,其特征在于:所述道路拥堵监测子系统包括道路拥堵判断单元、道路拥堵类型获取单元和道路拥堵处理单元,所述道路拥堵判断单元用于根据当前巡检目标高速公路路段的基本信息,分析得到当前巡检目标高速公路路段的道路拥堵评估系数,根据当前巡检目标高速公路路段的道路拥堵评估系数,判断当前巡检目标高速公路路段是否拥堵,具体过程为:
通过RPA巡检机器人携带的行车速度检测仪,获取当前巡检目标高速公路路段中各车辆的行驶速度,将当前巡检目标高速公路路段中各车辆的行驶速度与预设的车辆行驶速度参考值进行比较,若当前巡检目标高速公路路段中某车辆的行驶速度小于预设的车辆行驶速度参考值,则将当前巡检目标高速公路路段中该车辆记为滞留车辆,统计当前巡检目标高速公路路段中滞留车辆的数量,将其记为c,将当前巡检目标高速公路路段中滞留车辆的数量代入公式得到当前巡检目标高速公路路段的道路拥堵第一指数β1,其中b表示当前巡检目标高速公路路段中车辆的总数量,g1表示当前巡检目标高速公路路段的道路拥堵第一指数修正因子;
提取当前巡检目标高速公路路段的视频,将其记为待分析视频,将待分析视频按照设定的图片提取原则,得到各待分析图片,将各待分析图片按照时间先后的顺序依次编号为1,2,...,j,...,m,获取各待分析图片中路面行驶车辆的总数量,将各待分析图片中路面行驶车辆的总数量与预设的路面车辆数量阈值进行比较,若某待分析图片中路面行驶车辆的总数量大于预设的路面车辆数量阈值,则将该待分析图片记为拥堵图片,统计拥堵图片的数量,将其记为f,将拥堵图片的数量代入公式得到当前巡检目标高速公路路段的道路拥堵第二指数β2,其中m表示待分析图片的总数量,g2表示当前巡检目标高速公路路段的道路拥堵第二指数修正因子;
将当前巡检目标高速公路路段的道路拥堵第一指数β1和道路拥堵第二指数β2代入公式χ=δ*ln(β1+β2+1)得到当前巡检目标高速公路路段的道路拥堵评估系数χ,其中δ表示当前巡检目标高速公路路段的道路拥堵评估系数修正因子,将当前巡检目标高速公路路段的道路拥堵评估系数与预设的高速公路道路拥堵评估系数参考值进行比较,若当前巡检目标高速公路路段的道路拥堵评估系数大于道路拥堵评估系数参考值,表明当前巡检目标高速公路路段拥堵,反之,表明当前巡检目标高速公路路段畅通。
4.根据权利要求3所述的一种基于人工智能的RPA巡检机器人巡检管理系统,其特征在于:所述道路拥堵类型获取单元用于获取当前巡检目标高速公路路段的拥堵类型,具体方法为:
根据当前巡检目标高速公路路段的视频,截取当前巡检目标高速公路拥堵路段视频,得到当前巡检目标高速公路拥堵路段视频最后时刻对应的图片,将其记为目标图片,将目标图片与数据库中存储的各类型道路拥堵图片进行比对,得到目标图片与各类型道路拥堵图片的相似度,将最大相似度对应的道路拥堵类型作为当前巡检目标高速公路路段的拥堵类型。
5.根据权利要求4所述的一种基于人工智能的RPA巡检机器人巡检管理系统,其特征在于:所述道路拥堵处理单元用于根据当前巡检目标高速公路路段的拥堵类型,进行相应处理,具体过程为:
将当前巡检目标高速公路路段的拥堵类型与预设的危险拥堵类型集合进行比对,若当前巡检目标高速公路路段的拥堵类型属于危险拥堵类型集合内,则提取当前巡检目标高速公路路段的编号,将当前巡检目标高速公路路段的拥堵类型及编号发送至高速公路管理中心。
6.根据权利要求2所述的一种基于人工智能的RPA巡检机器人巡检管理系统,其特征在于:所述交通违规监测子系统的具体分析过程为:
提取当前巡检目标高速公路路段的视频,根据当前巡检目标高速公路路段的视频,得到当前巡检目标高速公路路段视频中各违规车辆,进一步获取当前巡检目标高速公路路段视频中各违规车辆车牌图片,利用车牌号识别技术,得到当前巡检目标高速公路路段视频中各违规车辆的车牌号,将当前巡检目标高速公路路段视频中各违规车辆的车牌号发送至高速公路管理中心。
7.根据权利要求2所述的一种基于人工智能的RPA巡检机器人巡检管理系统,其特征在于:所述路面维护监测子系统的具体分析过程为:
提取当前巡检目标高速公路路段的视频,根据当前巡检目标高速公路路段的视频,分别得到当前巡检目标高速公路路段的路面异物总面积和路面裂纹总长度,将其分别记为s异物和l裂纹;
将当前巡检目标高速公路路段的路面异物总面积和路面裂纹总长度代入公式得到当前巡检目标高速公路路段的路面维护需求指数ε,其中Δs、Δl分别为预设的高速公路允许路面异物面积和允许路面裂纹长度,φ1、φ2分别表示预设的当前巡检目标高速公路路段的路面异物总面积和路面裂纹总长度的权重因子,将当前巡检目标高速公路路段的路面维护需求指数与预设的高速公路路段的路面维护需求指数阈值进行比较,若当前巡检目标高速公路路段的路面维护需求指数大于预设的高速公路路段的路面维护需求指数阈值,则表明当前巡检目标高速公路路段的路面需要维护,提取当前巡检目标高速公路路段的编号,将当前巡检目标高速公路路段的编号发送至高速公路管理中心。
8.根据权利要求3所述的一种基于人工智能的RPA巡检机器人巡检管理系统,其特征在于:所述危险隐患监测子系统的具体分析过程为:
根据各待分析图片,获取各待分析图片中各车辆的图像,进一步获取各待分析图片中各运输车辆图像和各运输车辆类型,根据各待分析图片中各运输车辆图像和各运输车辆类型,分析得到各待分析图片中各运输车辆的货物易掉落系数;
将各待分析图片中各运输车辆的货物易掉落系数与预设的运输车辆的货物易掉落系数阈值进行比较,若某待分析图片中某运输车辆的货物易掉落系数大于预设的运输车辆的货物易掉落系数阈值,则将该待分析图片中该运输车辆记为货物易掉落运输车辆,统计各货物易掉落运输车辆,根据各待分析图片中各运输车辆的图像,筛选得到各货物易掉落运输车辆的图像,根据各货物易掉落运输车辆的图像,截取各货物易掉落运输车辆的车牌号图像,利用车牌号识别技术,得到各货物易掉落运输车辆的车牌号,将各货物易掉落运输车辆的车牌号发送至高速公路管理中心。
9.根据权利要求8所述的一种基于人工智能的RPA巡检机器人巡检管理系统,其特征在于:所述根据各待分析图片中各运输车辆图像和各运输车辆类型,分析得到各待分析图片中各运输车辆的货物易掉落系数,具体方法为:
提取数据库中存储的各类型运输车辆装满货物的标准图像,根据各待分析图片中各运输车辆的类型,筛选得到各待分析图片中各运输车辆对应的装满货物标准图像;
根据各待分析图片中各运输车辆的图像,得到各待分析图片中各运输车辆的轮廓面积,根据各待分析图片中各运输车辆对应的装满货物标准图像,得到各待分析图片中各运输车辆对应的装满货物标准轮廓面积;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210919127.8A CN115273474B (zh) | 2022-08-02 | 2022-08-02 | 一种基于人工智能的rpa巡检机器人巡检管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210919127.8A CN115273474B (zh) | 2022-08-02 | 2022-08-02 | 一种基于人工智能的rpa巡检机器人巡检管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115273474A true CN115273474A (zh) | 2022-11-01 |
CN115273474B CN115273474B (zh) | 2023-04-18 |
Family
ID=83747095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210919127.8A Active CN115273474B (zh) | 2022-08-02 | 2022-08-02 | 一种基于人工智能的rpa巡检机器人巡检管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115273474B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116661467A (zh) * | 2023-08-01 | 2023-08-29 | 山东致远通信网络有限公司 | 基于数字图像处理的agv机器人行走路径智能控制系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016066112A (ja) * | 2014-09-22 | 2016-04-28 | 大阪瓦斯株式会社 | 巡回監視支援システム及び巡回監視支援方法 |
CN109688388A (zh) * | 2019-01-31 | 2019-04-26 | 宁波诠航机械科技有限公司 | 一种使用隧道巡检机器人全方位实时监控的方法 |
CN110085029A (zh) * | 2019-05-31 | 2019-08-02 | 重庆交通大学 | 基于轨道式巡检机器人的高速公路巡检系统与方法 |
FR3093808A1 (fr) * | 2019-03-13 | 2020-09-18 | Diades | Système d’inspection de tunnel à distance |
CN113724503A (zh) * | 2021-08-31 | 2021-11-30 | 山东交通学院 | 基于云平台的高速公路状态自动巡检系统及方法 |
CN114187676A (zh) * | 2021-12-02 | 2022-03-15 | 智慧起源机器人(苏州)有限公司 | 一种巡检方法、装置、设备、系统和存储介质 |
-
2022
- 2022-08-02 CN CN202210919127.8A patent/CN115273474B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016066112A (ja) * | 2014-09-22 | 2016-04-28 | 大阪瓦斯株式会社 | 巡回監視支援システム及び巡回監視支援方法 |
CN109688388A (zh) * | 2019-01-31 | 2019-04-26 | 宁波诠航机械科技有限公司 | 一种使用隧道巡检机器人全方位实时监控的方法 |
FR3093808A1 (fr) * | 2019-03-13 | 2020-09-18 | Diades | Système d’inspection de tunnel à distance |
CN110085029A (zh) * | 2019-05-31 | 2019-08-02 | 重庆交通大学 | 基于轨道式巡检机器人的高速公路巡检系统与方法 |
CN113724503A (zh) * | 2021-08-31 | 2021-11-30 | 山东交通学院 | 基于云平台的高速公路状态自动巡检系统及方法 |
CN114187676A (zh) * | 2021-12-02 | 2022-03-15 | 智慧起源机器人(苏州)有限公司 | 一种巡检方法、装置、设备、系统和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116661467A (zh) * | 2023-08-01 | 2023-08-29 | 山东致远通信网络有限公司 | 基于数字图像处理的agv机器人行走路径智能控制系统 |
CN116661467B (zh) * | 2023-08-01 | 2023-10-13 | 山东致远通信网络有限公司 | 基于数字图像处理的agv机器人行走路径智能控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115273474B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106530733A (zh) | 基于视频联动抓拍的远程桥梁超载执法系统 | |
CN109255955B (zh) | 一种基于地基和空基协同感知的高速公路事故监测方法及系统 | |
CN110136465B (zh) | 基于高速公路自动驾驶专用道的货运监管控制方法及系统 | |
CN111553902B (zh) | 一种基于大数据的公路路面安全监测系统 | |
CN109815912B (zh) | 一种基于人工智能的高速公路安全巡查系统 | |
CN111554097B (zh) | 一种智慧灯杆检测车辆的方法、装置、系统及其电子设备 | |
CN107067730B (zh) | 基于卡口设备的网约车人车不一致监测方法 | |
CN115393993B (zh) | 一种基于视频监控的工程运输车辆进出场智能监测管理系统 | |
CN106448180A (zh) | 一种长大隧道交通事件实时检测系统及其方法 | |
CN112687099B (zh) | 一种超载嫌疑车辆判定方法和装置 | |
CN115273474B (zh) | 一种基于人工智能的rpa巡检机器人巡检管理系统 | |
CN112528208B (zh) | 一种无称重ai智能识别货车超载估算方法、装置及系统 | |
CN111899517B (zh) | 一种高速公路疲劳驾驶违法行为判定方法 | |
CN112071058A (zh) | 基于深度学习的道路交通监控及车辆异常、违禁、火灾的检测方法及系统 | |
WO2017107790A1 (zh) | 一种基于大数据预测路段状况的方法及装置 | |
KR20230091400A (ko) | 위험도 산출을 통한 지능형 교통 관제시스템 | |
CN117576636B (zh) | 一种物流运输过程监控方法及系统 | |
CN109934161B (zh) | 基于卷积神经网络的车辆识别与检测方法及系统 | |
CN117831278A (zh) | 基于云平台的高速公路智能监控系统 | |
CN111986478B (zh) | 车辆分析方法、装置、平台、系统及计算机存储介质 | |
CN116631187A (zh) | 一种案件现场勘查信息智能采集分析系统 | |
CN114724356B (zh) | 基于气象数据整合的gis高速公路事故预警的方法及系统 | |
KR102420854B1 (ko) | 이동형 재난예방 서비스 제공 시스템 및 방법 | |
CN115641555A (zh) | 一种基于ai视觉的货车超载超限预警方法和系统 | |
CN113919571A (zh) | 基于边缘计算的危化品运输保费预估方法 |
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 |