CN115762169B - 一种环卫车无人驾驶的智能控制系统及方法 - Google Patents

Abstract

本发明公开了一种环卫车无人驾驶的智能控制系统及方法，属于车辆智能控制技术领域；通过获取环卫车无人驾驶的所有路线并根据道路类型实施模块化的监测分析，可以对环卫车无人驾驶路线上不同位置的实施更高效的驾驶状态监测分析；基于整合获取的行估值来对环卫车无人驾驶在不同道路的行驶状态进行监测分析和分类，可以有效提高环卫车无人驾驶智能管控的整体效果；本发明用于解决现有方案中没有对环卫车无人驾驶实施模块化的监测分析，并将模块化的分析结果进行整合来动态实施告警和管控，导致环卫车无人驾驶智能控制的整体效果不佳的技术问题。

Description

一种环卫车无人驾驶的智能控制系统及方法

技术领域

本发明涉及车辆智能控制技术领域，具体涉及一种环卫车无人驾驶的智能控制系统及方法。

背景技术

无人驾驶技术是传感器、计算机、人工智能、通信、导航定位、模式识别、机器视觉、智能控制等多门前沿学科的综合体。

经检索，公开号为CN108983788A、名称为一种基于大数据挖掘的无人驾驶环卫车智能控制系统及方法的现有技术，公开了包含：GPS模块，检测环卫车位置信息；车载称重装置，测量垃圾量信息；MCU模块，获取环卫车的位置信息和垃圾量信息；行车监控系统，接收MCU模块发送的环卫车的位置信息、垃圾量数据；深度学习模块，接收并分析处理行车监控系统发送的垃圾量数据，预测出清扫路段并规划出的作业路径，MCU模块接收作业路径信息；该发明采用深度学习框架下的数据挖掘技术，对无人驾驶环卫车前期清扫作业时采集得到的大量垃圾量数据及气象部门得来的天气数据进行分析处理，预测下一时间段内各个街道对应的垃圾量，自主规划出环卫车的最优行车路径，从而实现节省无人驾驶环卫车资源消耗。

现有的环卫车无人驾驶控制方案在实施时存在一定的缺陷，没有对环卫车无人驾驶所在的不同道路实施模块化的监测，无法实施差异化的数据分析和管控，也没有将单向路线的所有监测结果进行整合来对其整体行车状态进行评估，不能对后续返回路线的控制提供可靠的数据支持，导致环卫车无人驾驶智能控制的整体效果不佳。

发明内容

本发明的目的在于提供一种环卫车无人驾驶的智能控制系统及方法：解决现有方案中没有对环卫车无人驾驶实施模块化的监测分析，并将模块化的分析结果进行整合来动态实施告警和管控，导致环卫车无人驾驶智能控制的整体效果不佳的技术问题。

本发明的目的可以通过以下技术方案实现：

一种环卫车无人驾驶的智能控制系统，包括：

路线监测模块：对环卫车无人驾驶的所有路线进行数据统计和预处理，得到路线监测集；

移动监测模块：根据路线监测集对环卫车无人驾驶的状态实施模块化监测分析以及数据处理，将处理后的各项数据进行整合获取行估值；

移动分析模块，根据行估值对环卫车无人驾驶在对应道路上的行驶状态进行整体评估时，根据道路名称获取对应的行估阈值，并将行估值与行估阈值进行匹配分析；

若行估值小于行估阈值，则生成行正信号并将该道路关联行正标签；若行估值不小于行估阈值且不大于行估阈值的Y%，则生成行轻信号并将该道路关联行轻标签；Y为大于一百的实数；若行估值大于行估阈值的Y%，则生成行中信号并将该道路关联行中标签；

行估值以及对应的行正信号和行正标签、行轻信号和行轻标签、行中信号和行中标签构成道路监测数据并上传至数据库；通过道路监测数据来实现环卫车无人驾驶的移动路线模块化监测分析。

优选地，路线监测集的获取步骤包括：获取环卫车无人驾驶的所有移动路线对应的道路名称和道路坐标，根据环卫车无人驾驶前进的顺序依次对通过的道路进行编号并按顺序排列组合，得到道路排序集；

根据道路排序集中排序的道路名称依次获取对应的道路类型和道路权重；统计各个道路上设置的垃圾箱个数；并根据道路的历史垃圾数据获取对应的垃圾最大量；

将各项数据按对应道路的编号进行排列组合，得到路线监测集并上传至数据库。

优选地，移动监测模块的工作步骤包括：

获取环卫车无人驾驶出发时的电量并标记为开始电量，根据路线监测集依次对环卫车无人驾驶在各个道路上的通行情况进行监测分析；

将环卫车无人驾驶进入至道路和离开道路的时间点分别获取对应道路的通行时长TS以及该道路对应的消耗电量HD；

统计在道路上收纳的垃圾重量LZ；

提取标记的各项数据的数值并联立整合获取环卫车无人驾驶所在道路对应的行估值XG。

优选地，行估值XG的计算公式为：式中，g1、g2、g3为预设的不同比例系数且1＜g1≤g2≤g3；DQ为道路对应的道路权重；TS0为道路对应的标准通行时长，HD0为道路对应的标准消耗电量，LY为道路对应的标准垃圾总量，LG为道路对应设置的垃圾箱个数；α为环境补偿因子；

其中，环境补偿因子α的获取步骤包括：

获取当日通行路线所在区域的平均温度；

统计环卫车无人驾驶行驶的充电总次数和充电总时长；

将获取的平均温度、充电总次数和充电总时长排列组合得到训练数据；

将训练数据输入至预构建的环境评估模型中获取对应的参数并将其标记为环境补偿因子α。

优选地，环境评估模型的构建步骤包括：

获取样本训练数据；其中，样本训练数据在测试环境下获取，包括若干样本平均温度、样本充电总次数和样本充电总时长以及对应的参数；

构建人工智能模型；人工智能模型包括但不限于深度卷积神经网络模型或者RBF神经网络模型；

通过样本训练数据训练人工智能模型，并将训练完成的人工智能模型标记为环境评估模型。

优选地，还包括整合评估模块，将环卫车无人驾驶的所有移动路线对应的道路监测数据进行整合，根据整合结果来对其驾驶状态自适应的实施动态管控以及告警提示；包括：

依次对环卫车无人驾驶的道路对应的道路监测数据进行遍历，若遍历结果中存在连续的k个连续的行轻标签或者行中标签，k为正整数，则判定环卫车无人驾驶的连续行车状态整体异常并生成第一管控指令，根据第一管控指令实施告警并提示环卫车无人驾驶所处的道路坐标，以便工作人员介入来对后续环卫车无人驾驶的行驶进行管控。

优选地，若遍历结果中不存在连续的k个连续的行轻标签或者行中标签，则判定环卫车无人驾驶的连续行车状态整体正常并生成第二管控指令，根据第二管控指令实施环卫车无人驾驶的间断行车状态评估。

优选地，获取环卫车无人驾驶的移动路线上各个道路对应的标签，获取行轻标签和行中标签的总数并分别标记为第一标签总数YB和第二标签总数EB；提取第一标签总数YB和第二标签总数EB的数值并联立整合，通过计算获取环卫车无人驾驶的间断行车状态对应的驾估值JG；驾估值JG的计算公式为：JG=(j1×YB+j2×EB)/CZ；

式中，j1、j2为预设的均大于零的比例系数且2*j1=j2；CZ为环卫车无人驾驶在移动路线上已经通行的道路总数；根据驾估值对环卫车无人驾驶的间断行车状态进行整体评估。

优选地，根据环卫车无人驾驶的移动路线获取对应的驾估阈值，将驾估值与驾估阈值进行匹配分析；

若驾估值不小于驾估阈值，则判定环卫车无人驾驶的间断行车状态整体异常并生成第三管控指令，根据第三管控指令实施告警并提示环卫车无人驾驶所处的道路坐标，以便工作人员介入来对后续环卫车无人驾驶的行驶进行管控。

为了解决问题，本发明还公开了一种环卫车无人驾驶的智能控制方法，包括：

对环卫车无人驾驶的所有路线进行数据统计和预处理，得到路线监测集；

根据路线监测集对环卫车无人驾驶的状态实施模块化监测分析以及数据处理，将处理后的各项数据进行整合获取行估值；

根据行估值对环卫车无人驾驶在对应道路上的行驶状态进行整体评估时，根据道路名称获取对应的行估阈值，并将行估值与行估阈值进行匹配分析，得到道路监测数据；

将环卫车无人驾驶的所有移动路线对应的道路监测数据进行整合，根据整合结果来对其驾驶状态自适应的实施动态管控以及告警提示。

相比于现有方案，本发明实现的有益效果：

1、本发明通过获取环卫车无人驾驶的所有路线并根据道路类型实施模块化的监测分析，可以对环卫车无人驾驶路线上不同位置的实施更高效的驾驶状态监测分析；基于整合获取的行估值来对环卫车无人驾驶在不同道路的行驶状态进行监测分析和分类，既可以获取到环卫车无人驾驶的实时行驶状态，还可以为后续环卫车无人驾驶的整体行驶状态进行整体评估和分类，以便管理人员可以及时高效的发现环卫车无人驾驶的异常并及时介入管控，可以有效提高环卫车无人驾驶智能管控的整体效果。

2、本发明通过对不同路线的行驶状态监测结果进行整合，通过实施连续行车状态整合分析以及间断行车状态整合分析，来对环卫车无人驾驶的整体行驶状态进行评估，并根据评估结果来对环卫车无人驾驶的单向路线实施动态管控，以便可以为后续返回路线的控制提供可靠的数据支持。

附图说明

下面结合附图对本发明作进一步的说明。

图1为本发明一种环卫车无人驾驶的智能控制系统的模块框图。

图2为本发明一种环卫车无人驾驶的智能控制方法的流程框图。

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。

实施例一

如图1所示，本发明为一种环卫车无人驾驶的智能控制系统，包括路线监测模块、移动监测模块、移动分析模块、整合评估模块和数据库；

路线监测模块：对环卫车无人驾驶的所有路线进行数据统计和预处理，得到路线监测集；包括：

获取环卫车无人驾驶的所有移动路线对应的道路名称和道路坐标，根据环卫车无人驾驶前进的顺序依次对通过的道路进行编号并按顺序排列组合，得到道路排序集；其中，环卫车无人驾驶的动力为蓄电池；

根据道路排序集中排序的道路名称依次获取对应的道路类型，设定不同的道路类型均对应一个不同的道路权重，将获取的道路类型与数据库中预存储的所有道路类型进行匹配获取对应的道路权重；

其中，道路权重用于对不同的道路类型进行数字化表示，可以为后续的不同道路上环卫车无人驾驶的状态差异化分析提供可靠的数据支持；不同的道路类型预先设置一个对应的道路权重，道路权重的具体数值可以自定义；

统计各个道路上设置的垃圾箱个数；并根据道路的历史垃圾数据获取对应的垃圾最大量；其中，历史垃圾数据可以为前30天内该垃圾箱产生的不同日垃圾重量；

将各项数据按对应道路的编号进行排列组合，得到路线监测集并上传至数据库；

本发明实施例中，通过获取环卫车无人驾驶的所有路线并根据道路类型实施模块化的监测分析，可以对环卫车无人驾驶路线上不同位置的实施更高效的驾驶状态监测分析，可以提高环卫车无人驾驶过程中不同位置的控制效果；

移动监测模块：根据路线监测集对环卫车无人驾驶的状态实施模块化监测分析以及数据处理，将处理后的各项数据进行整合获取行估值；包括：

获取环卫车无人驾驶出发时的电量并标记为开始电量，开始电量可以为后续返回路线的控制提供可靠的数据支持，根据路线监测集依次对环卫车无人驾驶在各个道路上的通行情况进行监测分析；

将环卫车无人驾驶进入至道路和离开道路的时间点分别标记为第一时间和第二时间，以及将第一时间和第二时间对应的电量分别标记为第一电量和第二电量；

根据第一时间和第二时间获取对应道路的通行时长并标记为TS；通行时长的单位为分钟；以及根据第一电量和第二电量获取该道路对应的消耗电量并标记为HD；

统计在道路上收纳的垃圾重量并标记为LZ；垃圾重量的单位为千克；

提取标记的各项数据的数值并联立整合，通过计算获取环卫车无人驾驶所在道路对应的行估值XG；行估值XG的计算公式为：式中，g1、g2、g3为预设的不同比例系数且1＜g1≤g2≤g3，g1可以取值为1.537，g2可以取值为2.625，g3可以取值为3.743；DQ为道路对应的道路权重；TS0为道路对应的标准通行时长，HD0为道路对应的标准消耗电量，LY为道路对应的标准垃圾总量，LG为道路对应设置的垃圾箱个数；α为环境补偿因子；其中，道路对应的标准通行时长、标准消耗电量、标准垃圾总量可以基于现有的环卫车无人驾驶大数据来进行设定；

需要说明的是，行估值是用于将环卫车无人驾驶在对应道路上行驶时的各项数据进行整合来对其行驶状态进行整体评估的数值；行估值越小，表示环卫车无人驾驶在对应道路上的行驶状态越正常；

其中，环境补偿因子α的获取步骤包括：

获取当日通行路线所在区域的平均温度；

统计环卫车无人驾驶行驶的充电总次数和充电总时长；充电总时长的单位为小时；

将获取的平均温度、充电总次数和充电总时长排列组合得到训练数据；

将训练数据输入至预构建的环境评估模型中获取对应的参数并将其标记为环境补偿因子α；环境补偿因子起到降低环境方面对环卫车无人驾驶管控方面造成的影响；比如温度方面会对环卫车无人驾驶的蓄电池的运行产生负面影响；

其中，环境评估模型的构建步骤包括：

获取样本训练数据；其中，样本训练数据在测试环境下获取，包括若干样本平均温度、样本充电总次数和样本充电总时长以及对应的参数；

构建人工智能模型；人工智能模型包括但不限于深度卷积神经网络模型或者RBF神经网络模型；

通过样本训练数据训练人工智能模型，并将训练完成的人工智能模型标记为环境评估模型；

本发明实施例中，环卫车无人驾驶在不同道路对应的行驶状态不同，通过实施模块化的监测分析并将监测处理后的各项数据进行整合获取的行估值来实施整体评估，可以更精准的对不同路线上环卫车无人驾驶在对应道路上的行驶状态进行监测分析，以便可以更及时高效的实施管控；

移动分析模块，根据行估值对环卫车无人驾驶在对应道路上的行驶状态进行整体评估时，根据道路名称获取对应的行估阈值，并将行估值与行估阈值进行匹配分析；

若行估值小于行估阈值，则判定环卫车无人驾驶在该道路上的行驶状态正常并生成行正信号，根据行正信号将该道路关联行正标签；

若行估值不小于行估阈值且不大于行估阈值的Y%，则判定环卫车无人驾驶在该道路上的行驶状态轻度异常并生成行轻信号，根据行轻信号将该道路关联行轻标签；Y为大于一百的实数；

若行估值大于行估阈值的Y%，则判定环卫车无人驾驶在该道路上的行驶状态中度异常并生成行中信号，根据行中信号将该道路关联行中标签；

行估值以及对应的行正信号和行正标签、行轻信号和行轻标签、行中信号和行中标签构成道路监测数据并上传至数据库；

本发明实施例中，基于整合获取的行估值来对环卫车无人驾驶在不同道路的行驶状态进行监测分析和分类，既可以获取到环卫车无人驾驶的实时行驶状态，还可以为后续环卫车无人驾驶的整体行驶状态进行整体评估和分类，以便管理人员可以及时高效的发现环卫车无人驾驶的异常并及时介入管控，可以有效提高环卫车无人驾驶智能管控的整体效果。

实施例二

在实施例一的基础上，还包括：

整合评估模块：将环卫车无人驾驶的所有移动路线对应的道路监测数据进行整合，根据整合结果来对其驾驶状态自适应的实施动态管控以及告警提示；包括：

依次对环卫车无人驾驶的道路对应的道路监测数据进行遍历，若遍历结果中存在连续的k个连续的行轻标签或者行中标签，k为正整数，则判定环卫车无人驾驶的连续行车状态整体异常并生成第一管控指令，根据第一管控指令实施告警并提示环卫车无人驾驶所处的道路坐标，以便工作人员介入来对后续环卫车无人驾驶的行驶进行管控；

反之，若遍历结果中不存在连续的k个连续的行轻标签或者行中标签，则判定环卫车无人驾驶的连续行车状态整体正常并生成第二管控指令，根据第二管控指令实施环卫车无人驾驶的间断行车状态评估；

具体的，获取环卫车无人驾驶的移动路线上各个道路对应的标签，获取行轻标签和行中标签的总数并分别标记为第一标签总数YB和第二标签总数EB；提取第一标签总数YB和第二标签总数EB的数值并联立整合，通过计算获取环卫车无人驾驶的间断行车状态对应的驾估值JG；驾估值JG的计算公式为：JG=(j1×YB+j2×EB)/CZ；

式中，j1、j2为预设的均大于零的比例系数且2*j1=j2，j1可以取值为1.626，j2可以取值为3.252；CZ为环卫车无人驾驶在移动路线上已经通行的道路总数；

需要说明的是，驾估值是用于将环卫车无人驾驶的不同移动路线的监测结果进行整合来对其间断行车状态进行整体评估的数值；

根据驾估值对环卫车无人驾驶的间断行车状态进行整体评估时，根据环卫车无人驾驶的移动路线获取对应的驾估阈值，将驾估值与驾估阈值进行匹配分析；

若驾估值小于驾估阈值，则判定环卫车无人驾驶的间断行车状态整体正常并生成提示指令；

若驾估值不小于驾估阈值，则判定环卫车无人驾驶的间断行车状态整体异常并生成第三管控指令，根据第三管控指令实施告警并提示环卫车无人驾驶所处的道路坐标，以便工作人员介入来对后续环卫车无人驾驶的行驶进行管控。

本发明实施例中，通过对不同路线的行驶状态监测结果进行整合，通过实施连续行车状态整合分析以及间断行车状态整合分析，来对环卫车无人驾驶的整体行驶状态进行评估，并根据评估结果来对环卫车无人驾驶的单向路线实施动态管控，以便可以为后续返回路线的控制提供可靠的数据支持。

需要说明的是，上述中涉及的公式均是去除量纲取其数值计算，是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的比例系数以及分析过程中各个预设的阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

实施例三

如图2所示，本发明为一种环卫车无人驾驶的智能控制方法，包括：

对环卫车无人驾驶的所有路线进行数据统计和预处理，得到路线监测集；

根据路线监测集对环卫车无人驾驶的状态实施模块化监测分析以及数据处理，将处理后的各项数据进行整合获取行估值；

根据行估值对环卫车无人驾驶在对应道路上的行驶状态进行整体评估时，根据道路名称获取对应的行估阈值，并将行估值与行估阈值进行匹配分析，得到道路监测数据；

将环卫车无人驾驶的所有移动路线对应的道路监测数据进行整合，根据整合结果来对其驾驶状态自适应的实施动态管控以及告警提示。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，可以通过其它的方式实现。例如，以上所描述的发明实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的基本特征的情况下，能够以其他的具体形式实现本发明。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (3)

1.一种环卫车无人驾驶的智能控制系统，其特征在于，包括：

路线监测模块：对环卫车无人驾驶的所有路线进行数据统计和预处理，得到路线监测集；

移动监测模块：根据路线监测集对环卫车无人驾驶的状态实施模块化监测分析以及数据处理，将处理后的各项数据进行整合获取行估值；包括：

获取环卫车无人驾驶出发时的电量并标记为开始电量，根据路线监测集依次对环卫车无人驾驶在各个道路上的通行情况进行监测分析；

将环卫车无人驾驶进入至道路和离开道路的时间点分别获取对应道路的通行时长TS以及该道路对应的消耗电量HD；

统计环卫车无人驾驶在道路上停留的总次数TC和总时长TS；以及统计在道路上收纳的垃圾重量LZ；

提取标记的各项数据的数值并联立整合获取环卫车无人驾驶所在道路对应的行估值XG，行估值是用于将环卫车无人驾驶在对应道路上行驶时的各项数据进行整合来对其行驶状态进行整体评估的数值；

行估值XG的计算公式为：式中，g1、g2、g3为预设的不同比例系数且1＜g1≤g2≤g3；TS为道路对应的标准通行时长，HD为道路对应的标准消耗电量，LY为道路对应的标准垃圾总量，LG为道路对应的垃圾箱个数；α为环境补偿因子；

其中，环境补偿因子α的获取步骤包括：

获取当日通行路线所在区域的平均温度；

统计环卫车无人驾驶行驶的充电总次数和充电总时长；

将获取的平均温度、充电总次数和充电总时长排列组合得到训练数据；

将训练数据输入至预构建的环境评估模型中获取对应的参数并将其标记为环境补偿因子α；

环境评估模型的构建步骤包括：

获取样本训练数据；其中，样本训练数据在测试环境下获取，包括若干样本平均温度、样本充电总次数和样本充电总时长以及对应的参数；

构建人工智能模型；人工智能模型包括但不限于深度卷积神经网络模型或者RBF神经网络模型；

通过样本训练数据训练人工智能模型，并将训练完成的人工智能模型标记为环境评估模型；

移动分析模块，根据行估值对环卫车无人驾驶在对应道路上的行驶状态进行整体评估时，根据道路名称获取对应的行估阈值，并将行估值与行估阈值进行匹配分析；

若行估值小于行估阈值，则生成行正信号并将该道路关联行正标签；若行估值不小于行估阈值且不大于行估阈值的Y%，则生成行轻信号并将该道路关联行轻标签；Y为大于一百的实数；若行估值大于行估阈值的Y%，则生成行中信号并将该道路关联行中标签；

行估值以及对应的行正信号和行正标签、行轻信号和行轻标签、行中信号和行中标签构成道路监测数据并上传至数据库；通过道路监测数据来实现环卫车无人驾驶的移动路线模块化监测分析。

2.根据权利要求1所述的一种环卫车无人驾驶的智能控制系统，其特征在于，路线监测集的获取步骤包括：获取环卫车无人驾驶的所有移动路线对应的道路名称和道路坐标，根据环卫车无人驾驶前进的顺序依次对通过的道路进行编号并按顺序排列组合，得到道路排序集；

根据道路排序集中排序的道路名称依次获取对应的道路类型和道路权重；统计各个道路上设置的垃圾箱个数；并根据道路的历史垃圾数据获取对应的垃圾最大量；

将各项数据按对应道路的编号进行排列组合，得到路线监测集并上传至数据库。

3.根据权利要求1所述的一种环卫车无人驾驶的智能控制系统，其特征在于，还包括整合评估模块，将环卫车无人驾驶的所有移动路线对应的道路监测数据进行整合，根据整合结果来对其驾驶状态自适应的实施动态管控以及告警提示；包括：

依次对环卫车无人驾驶的道路对应的道路监测数据进行遍历，若遍历结果中存在连续的k个连续的行轻标签或者行中标签，k为正整数，则判定环卫车无人驾驶的连续行车状态整体异常并生成第一管控指令，根据第一管控指令实施告警并提示环卫车无人驾驶所处的道路坐标，以便工作人员介入来对后续环卫车无人驾驶的行驶进行管控；

若遍历结果中不存在连续的k个连续的行轻标签或者行中标签，则判定环卫车无人驾驶的连续行车状态整体正常并生成第二管控指令，根据第二管控指令实施环卫车无人驾驶的间断行车状态评估；

获取环卫车无人驾驶的移动路线上各个道路对应的标签，获取行轻标签和行中标签的总数并分别标记为第一标签总数YB和第二标签总数EB；提取第一标签总数YB和第二标签总数EB的数值并联立整合，通过计算获取环卫车无人驾驶的间断行车状态对应的驾估值JG；驾估值JG的计算公式为：JG=(j1×YB+j2×EB)/CZ；

式中，j1、j2为预设的均大于零的比例系数且2*j1=j2；CZ为环卫车无人驾驶在移动路线上已经通行的道路总数；根据驾估值对环卫车无人驾驶的间断行车状态进行整体评估；

根据环卫车无人驾驶的移动路线获取对应的驾估阈值，将驾估值与驾估阈值进行匹配分析；

若驾估值不小于驾估阈值，则判定环卫车无人驾驶的间断行车状态整体异常并生成第三管控指令，根据第三管控指令实施告警并提示环卫车无人驾驶所处的道路坐标，以便工作人员介入来对后续环卫车无人驾驶的行驶进行管控。

Images