CN116739258A - 一种基于大数据的一网统管指挥调度系统及方法 - Google Patents

一种基于大数据的一网统管指挥调度系统及方法 Download PDF

Info

Publication number
CN116739258A
CN116739258A CN202310678098.5A CN202310678098A CN116739258A CN 116739258 A CN116739258 A CN 116739258A CN 202310678098 A CN202310678098 A CN 202310678098A CN 116739258 A CN116739258 A CN 116739258A
Authority
CN
China
Prior art keywords
time point
industrial park
acquisition time
dredging
industrial
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
CN202310678098.5A
Other languages
English (en)
Other versions
CN116739258B (zh
Inventor
邵贤兵
宋康
吴其勇
杨超
冯绍剑
方凯
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.)
Nanjing Xiaowei Network Software Co ltd
Original Assignee
Nanjing Xiaowei Network Software 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 Nanjing Xiaowei Network Software Co ltd filed Critical Nanjing Xiaowei Network Software Co ltd
Priority to CN202310678098.5A priority Critical patent/CN116739258B/zh
Publication of CN116739258A publication Critical patent/CN116739258A/zh
Application granted granted Critical
Publication of CN116739258B publication Critical patent/CN116739258B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Multimedia (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (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

本发明涉及一网统管指挥调度技术领域，具体公开一种基于大数据的一网统管指挥调度系统及方法，包括包括工业园区信息获取模块、工业园区拥堵分析模块、工业园区疏通分析模块、城市管理信息获取模块、工业园区疏通调度模块和云数据库，通过对各采集时间点中各工业园区的拥堵情况进行分析，进而筛选出各采集时间点对应的各目标疏通工业园区，进而对各采集时间点中各目标疏通工业园区的城市管理人员进行调度，解决了当前技术存在的人员调配智能化不足的问题，实现了城市管理人员的灵活性和智能性的调度，大大的降低了工作人员的工作量，同时也降低了城市管理人员的到岗时间，同时也提高了工业园区的疏通效率。

Description

一种基于大数据的一网统管指挥调度系统及方法
技术领域
本发明涉及一网统管指挥调度领域，尤其涉及一种基于大数据的一网统管指挥调度系统及方法。
背景技术
随着数字化的不断发展，城市和区域的发展也越来越离不开数字技术，尤其是在城市和区域的管理中，其中工业园区的秩序影响着人们的日常生活，所以需要对工业园区进行管理，而工业园区在早晚上下班高峰期最常出现的秩序问题就是拥挤，因此对工业园区的疏通调度十分重要。
由申请公开号为CN110933613A的中国专利，专利名称：指挥调度系统中实现对车辆、人员的一体化指挥调度。指挥调度系统包括K个车载终端和L个手持终端，K≥2，L≥2；所述K个车载终端为宽窄带融合终端，所述L个手持终端为窄带终端；所述K个车载终端之间通过宽带自组网进行通信；所述L个手持终端之间通过窄带自组网进行通信；车载终端与手持终端之间窄带通信。用于车载终端、手持终端之间的通信；
当前技术对工业园区的管理主要对工业园区的视频安全进行管理，而对工业园区的疏通管理主要是人工通过监控的方式对工业园区的人流量进行观察，进而派遣城市管理人员进行疏通，很显然这种分析方式至少存在以下方面问题：
1、通过人工监控对工业园区的情况进行监控，无法降低工作人员的工作量，进而无法有效的保障工作人员监控过程中的专注力，从而无法有效的及时发现工业园区的拥堵状态，同时当前技术没有对工业园区进行智能化的分析，无法有效的保障工业园区拥堵分析的科学性和可靠性，并且也无法为后续城市管理人员调度提供准确的数据。
2、当前城市管理人员管理的工业园区是固定的，无法根据工业园区的拥挤情况和距离，灵活的对城市管理人员进行调度，进而无法提高城市管理人员调度的灵活性和智能性，同时也无法降低城市管理人员到岗的时间，并且也无法有效的提高工业园区疏通的效率，导致工业园区的拥挤和踩踏事故的发生。
发明内容
本发明针对现有技术的不足，提供了一种基于大数据的一网统管指挥调度系统。
根据本发明的一个方面，提供了一种基于大数据的一网统管指挥调度系统，包括；
工业园区信息获取模块，用于获取指定区域各采集时间点对应各工业园区的图像，并获取各工业园区对应的园区信息；
工业园区拥堵分析模块，用于根据各采集时间点对应各工业园区的图像，分析各采集时间点中各工业园区对应的拥堵评估系数；
工业园区疏通分析模块，用于筛选出各采集时间点对应的各目标疏通工业园区，并分析各采集时间点对应各目标疏通工业园区的城市管理人员数量；
城市管理信息获取模块，用于获取指定区域内各城市管理中心对应的中心信息，其中中心信息包括位置和各采集时间点对应的可调度城市管理人员数量；
工业园区疏通调度模块，用于分析各采集时间点中各目标疏通工业园区对应的疏通调度信息，并进行城市管理人员的调度；
云数据库，用于存储各工业园区对应的园区信息，存储各城市管理中心对应的中心信息。
优选地，各工业园区对应的园区信息包括位置、面积、办公区域标准数量、各办公区域对应的标准办公区域面积和标准位置。
优选地，从各采集时间点对应各工业园区的图像中提取各工业园区对应的通勤人数和车辆数量，并分别标记为Rit和Cit，其中，i表示各工业园区对应的编号，i＝1,2......n，t表示各采集时间点对应的编号，t＝1,2......p，进而通过计算得到各采集时间点中各工业园区对应的道路拥挤评估系数，并记为
从各采集时间点对应各工业园区的图像中提取企业实际数量、各企业对应的实际位置和实际办公区域面积，进而通过计算得到各采集时间点中各工业园区对应的企业规范评估系数，并记为
根据计算公式得到各采集时间点中各工业园区对应的拥堵评估系数/>其中ε1、ε2分别为设定的道路拥挤评估系数、企业规范评估系数对应的权重因子，e表示自然常数。
优选地，计算得到各采集时间点中各工业园区对应的道路拥挤评估系数，具体计算过程如下：将各工业园区对应的面积与设定的各工业园区面积对应的参考许可通勤人数和参考许可车辆数量进行对比，得到各工业园区对应的参考许可通勤人数和参考许可车辆数量，并分别标记为Ri′和Ci′；
将各采集时间点中各工业园区对应的通勤人数和车辆数量代入计算公式中，得到各采集时间点中各工业园区对应的道路拥挤评估系数/>其中γ1、γ2分别为设定的通勤人数、车辆数量对应的权重因子。
优选地，计算得到各采集时间点中各工业园区对应的企业规范评估系数，具体计算过程如下：将各采集时间点中各工业园区对应各企业的实际位置与其对应的标准位置进行对比，得到各采集时间点各工业园区对应的企业位置规范评估系数，并记为
根据计算公式得到各采集时间点中各工业园区对应的企业办公区域规范评估系数/>v表示各工业园区中企业数量，u表示各工业园区中企业对应的编号，u＝1,2......v其中M′i表示第i个工业园区对应的办公区域标准数量，S′i u表示第i个工业园区中第u个企业对应的标准办公区域面积，Mit表示第t个采集时间点中第i个工业园区对应的企业实际数量，/>表示第t个采集时间点第i个工业园区中第u个企业对应的实际办公区域面积，η1、η2分别为设定的办公区域数量、办公区域面积对应的权重因子；
通过计算公式得到各采集时间点中各工业园区对应的企业规范评估系数/>其中κ1、κ2分别为设定的企业位置规范评估系数、企业办公区域规范评估系数对应的权重因子，e表示自然常数。
优选地，筛选出各采集时间点对应的各目标疏通工业园区，具体筛选过程如下：将各采集时间点中各工业园区对应的拥堵评估系数与设定的标准拥堵评估系数进行对比，若某采集时间点中某工业园区对应的拥堵评估系数大于或者等于标准拥堵评估系数，则判定该采集时间点的该工业园区处于拥挤状态，并将该工业园区记为目标疏通工业园区，以此方式得到各采集时间点对应的各目标疏通工业园区。
优选地，分析各采集时间点对应各目标疏通工业园区的城市管理人员数量，具体分析过程如下：提取各采集时间点中各目标疏通工业园区对应的拥堵评估系数，进而将其与设定的各城市管理人员数量对应的拥堵评估系数区间进行对比，若某采集时间点中某目标疏通工业园区对应的拥堵评估系数在某城市管理人员数量对应的拥堵评估系数区间内，则将该城市管理人员数量作为该采集时间点中该目标疏通工业园区对应的城市管理人员数量，以此方式得到各采集时间点对应各目标疏通工业园区的城市管理人员数量。
优选地，基于各城市管理中心对应的位置和各目标疏通工业园区对应的位置，得到各目标疏通工业园区与各城市管理中心对应的距离，并记为其中j表示各城市管理中心对应的编号，j＝1,2......m，f表示各目标疏通工业园区对应的编号，f＝1,2......d；
根据计算公式得到各采集时间点中各目标疏通工业园区与各城市管理中心之间的调度优先评估系数/>其中L′为设定的许可工业园区与城市管理中心对应的距离，Qft表示第t个采集时间点中第f个目标疏通工业园区的城市管理人员数量，Qjt表示第j个城市管理中心在第t个采集时间点对应的可调度城市管理人员数量，λ1、λ2分别为设定的距离、城市管理人员数量对应的权重因子；
将各采集时间点中各目标疏通工业园区与各城市管理中心之间的调度优先评估系数按照从大到小的顺序进行排序，并根据排序结果得到各采集时间点中各目标疏通工业园区对应的调度城市管理中心，进而获取各采集时间点中各目标疏通工业园区对应的疏通调度信息。
优选地，获取各采集时间点中各目标疏通工业园区对应的疏通调度信息，具体获取步骤如下：A1：将各采集时间点中各目标疏通工业园区的城市管理人员数量与其对应调度城市管理中心在该采集时间点的可调度城市管理人员数量进行对比；
A2：若某采集时间点中某目标疏通工业园区城市管理人员数量大于其对应调度城市管理中心在该采集时间点的可调度城市管理人员数量，则将该采集时间点中该目标疏通工业园区为协调工业园区，并将该调度城市管理中心在该采集时间点的可调度城市管理人员数量作为该调度城市管理中心对应的调度管理人员数量，同时获取该采集时间点中该协调工业园区对应的协调城市管理人员数量；
A3：若某采集时间点中某目标疏通工业园区城市管理人员数量等于对应调度城市管理中心在该采集时间点的可调度城市管理人员数量，则该采集时间点中该目标疏通工业园区不需要协调，且将该调度城市管理中心在该采集时间点的可调度城市管理人员数量作为该调度城市管理中心对应的调度管理人员数量；
A4：若某采集时间点中某目标疏通工业园区城市管理人员数量小于对应调度城市管理中心在该采集时间点的可调度城市管理人员数量，则该采集时间点中该目标疏通工业园区不需要协调，且将该调度城市管理中心记为协调工业园区，将该采集时间点中该目标疏通工业园区城市管理人员数量记为该调度城市管理中心对应的调度管理人员数量，并获取该调度城市管理中心在该时间点对应的可协调城市管理人员数量；
A5：提取各采集时间点中各协调工业园区与各可协调城市管理中心之间的调度优先评估系数，并按照降序进行排序，并将排序第一可协调城市管理中心记为第一协调城市管理中心，进而按照步骤A1-A4的分析方式，分析得到各采集时间点中各协调工业园区对应的各协调城市管理中心和各协调城市管理中心对应的协调城市管理人员数量，并将调度城市管理中心对应的调度管理人员数量和各协调城市管理中心对应的协调城市管理人员数量记为疏通调度信息。
根据本发明的另一个方面，提供了一种基于大数据的一网统管指挥调度方法，包括；
用于获取指定区域各采集时间点对应各工业园区的图像，并获取各工业园区对应的园区信息；
用于根据各采集时间点对应各工业园区的图像，分析各采集时间点中各工业园区对应的拥堵评估系数；
用于筛选出各采集时间点对应的各目标疏通工业园区，并分析各采集时间点对应各目标疏通工业园区的城市管理人员数量；
用于获取指定区域内各城市管理中心对应的中心信息，其中中心信息包括位置和各采集时间点对应的可调度城市管理人员数量；
用于分析各采集时间点中各目标疏通工业园区对应的疏通调度信息，并进行城市管理人员的调度。
根据本发明的又一个方面，提供了一种电子设备，其特征在于，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行上述一种基于大数据的一网统管指挥调度系统。
根据本发明的再一个方面，提供了一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行上述一种基于大数据的一网统管指挥调度系统
本发明的有益效果：
本发明提供的一种基于大数据的一网统管指挥调度系统，通过对各采集时间点中各工业园区的拥堵情况进行分析，进而筛选出各采集时间点对应的各目标疏通工业园区，进而分析各采集时间点中各目标疏通工业园区与各城市管理中心之间的调度优先评估系数，从而对各采集时间点中各目标疏通工业园区的城市管理人员进行调度，解决了当前技术存在的智能化不足的问题，实现了城市管理人员的灵活性和智能性的调度，大大的降低了工作人员的工作量，同时也降低了城市管理人员的到岗时间，并且也提高了工业园区的疏通效率，有效的减少了人员拥挤和踩踏事故的发生。
附图说明
图1为本发明的系统模块连接结构示意图；
图2为本发明的调度方法流程图；
图3为本发明的一种电子设备的系统结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
实施例1
请参阅图1所示，一种基于大数据的一网统管指挥调度系统，包括工业园区信息获取模块、工业园区拥堵分析模块、工业园区疏通分析模块、城市管理信息获取模块、工业园区疏通调度模块和云数据库。
所述云数据库分别与工业园区信息获取模块、工业园区拥堵分析模块、城市管理信息获取模块和工业园区疏通调度模块连接，所述工业园区拥堵分析模块还与工业园区信息获取模块和工业园区疏通分析模块连接，所述工业园区疏通调度模块还与工业园区疏通分析模块和城市管理信息获取模块连接。
工业园区信息获取模块，用于获取指定区域各采集时间点对应各工业园区的图像，并获取各工业园区对应的园区信息；
上述中，通过无人机搭载的摄像头获取指定区域各采集时间点对应各工业园区的图像，并从云数据库中提取各工业园区对应的园区信息。
需要说明的，将指定区域内指定时间段按照预设时长划分为各采集时间点。
在一个具体的实施例中，各工业园区对应的园区信息包括位置、面积、办公区域标准数量、各办公区域对应的标准办公区域面积和标准位置。
工业园区拥堵分析模块，用于根据各采集时间点对应各工业园区的图像，分析各采集时间点中各工业园区对应的拥堵评估系数；
在一个具体的实施例中，从各采集时间点对应各工业园区的图像中提取各工业园区对应的通勤人数和车辆数量，并分别标记为Rit和Cit，其中，i表示各工业园区对应的编号，i＝1,2......n，t表示各采集时间点对应的编号，t＝1,2......p，进而通过计算得到各采集时间点中各工业园区对应的道路拥挤评估系数，并记为
上述中，计算得到各采集时间点中各工业园区对应的道路拥挤评估系数，具体计算过程如下：将各工业园区对应的面积与设定的各工业园区面积对应的参考许可通勤人数和参考许可车辆数量进行对比，得到各工业园区对应的参考许可通勤人数和参考许可车辆数量，并分别标记为R′i和C′i；
将各采集时间点中各工业园区对应的通勤人数和车辆数量代入计算公式中，得到各采集时间点中各工业园区对应的道路拥挤评估系数/>其中γ1、γ2分别为设定的通勤人数、车辆数量对应的权重因子。
从各采集时间点对应各工业园区的图像中提取企业实际数量、各企业对应的实际位置和实际办公区域面积，进而通过计算得到各采集时间点中各工业园区对应的企业规范评估系数，并记为
上述中，计算得到各采集时间点中各工业园区对应的企业规范评估系数，具体计算过程如下：将各采集时间点中各工业园区对应各企业的实际位置与其对应的标准位置进行对比，得到各采集时间点各工业园区对应的企业位置规范评估系数，并记为
具体地，得到各采集时间点各工业园区对应的企业位置规范评估系数，具体分析过程如下：若某采集时间点中某工业园区对应某企业的实际位置与其对应的标准位置不相同，则将该企业记为目标企业，由此统计各采集时间点中各工业园区对应的目标企业数量，并记为Mi′t′，进而代入计算公式中，得到各采集时间点各工业园区对应的企业位置规范评估系数/>其中M为设定的许可目标企业数量，Mi′表示第i个工业园区对应的办公区域标准数量，σ为设定的企业位置规范评估系数对应的修正因子。
根据计算公式得到各采集时间点中各工业园区对应的企业办公区域规范评估系数/>v表示各工业园区中企业数量，u表示各工业园区中企业对应的编号，u＝1,2......v其中M′i表示第i个工业园区对应的办公区域标准数量，/>表示第i个工业园区中第u个企业对应的标准办公区域面积，Mit表示第t个采集时间点中第i个工业园区对应的企业实际数量，/>表示第t个采集时间点第i个工业园区中第u个企业对应的实际办公区域面积，η1、η2分别为设定的办公区域数量、办公区域面积对应的权重因子；
通过计算公式得到各采集时间点中各工业园区对应的企业规范评估系数/>其中κ1、κ2分别为设定的企业位置规范评估系数、企业办公区域规范评估系数对应的权重因子，e表示自然常数。
根据计算公式得到各采集时间点中各工业园区对应的拥堵评估系数/>其中ε1、ε2分别为设定的道路拥挤评估系数、企业规范评估系数对应的权重因子，e表示自然常数。
工业园区疏通分析模块，用于筛选出各采集时间点对应的各目标疏通工业园区，并分析各采集时间点对应各目标疏通工业园区的城市管理人员数量；
在一个具体的实施例子，筛选出各采集时间点对应的各目标疏通工业园区，具体筛选过程如下：将各采集时间点中各工业园区对应的拥堵评估系数与设定的标准拥堵评估系数进行对比，若某采集时间点中某工业园区对应的拥堵评估系数大于或者等于标准拥堵评估系数，则判定该采集时间点的该工业园区处于拥挤状态，并将该工业园区记为目标疏通工业园区，以此方式得到各采集时间点对应的各目标疏通工业园区。
在另一个具体的实施例中，分析各采集时间点对应各目标疏通工业园区的城市管理人员数量，具体分析过程如下：提取各采集时间点中各目标疏通工业园区对应的拥堵评估系数，进而将其与设定的各城市管理人员数量对应的拥堵评估系数区间进行对比，若某采集时间点中某目标疏通工业园区对应的拥堵评估系数在某城市管理人员数量对应的拥堵评估系数区间内，则将该城市管理人员数量作为该采集时间点中该目标疏通工业园区对应的城市管理人员数量，以此方式得到各采集时间点对应各目标疏通工业园区的城市管理人员数量。
城市管理信息获取模块，用于获取指定区域内各城市管理中心对应的中心信息，其中中心信息包括位置和各采集时间点对应的可调度城市管理人员数量；
上述中，从云数据库中提取指定区域内各城市管理中心对应的中心信息。
工业园区疏通调度模块，用于分析各采集时间点中各目标疏通工业园区对应的疏通调度信息，并进行城市管理人员的调度；
在一个具体的实施例中，分析各采集时间点中各目标疏通工业园区对应的疏通调度信息，具体分析过程如下：基于各城市管理中心对应的位置和各目标疏通工业园区对应的位置，得到各目标疏通工业园区与各城市管理中心对应的距离，并记为其中j表示各城市管理中心对应的编号，j＝1,2......m，f表示各目标疏通工业园区对应的编号，f＝1,2......d；
根据计算公式得到各采集时间点中各目标疏通工业园区与各城市管理中心之间的调度优先评估系数/>其中L′为设定的许可工业园区与城市管理中心对应的距离，Qft表示第t个采集时间点中第f个目标疏通工业园区的城市管理人员数量，Qjt表示第j个城市管理中心在第t个采集时间点对应的可调度城市管理人员数量，λ1、λ2分别为设定的距离、城市管理人员数量对应的权重因子；
将各采集时间点中各目标疏通工业园区与各城市管理中心之间的调度优先评估系数按照从大到小的顺序进行排序，并根据排序结果得到各采集时间点中各目标疏通工业园区对应的调度城市管理中心，进而获取各采集时间点中各目标疏通工业园区对应的疏通调度信息。
在另一个具体的实施例中，获取各采集时间点中各目标疏通工业园区对应的疏通调度信息，具体获取步骤如下：A1：将各采集时间点中各目标疏通工业园区的城市管理人员数量与其对应调度城市管理中心在该采集时间点的可调度城市管理人员数量进行对比；
A2：若某采集时间点中某目标疏通工业园区城市管理人员数量大于其对应调度城市管理中心在该采集时间点的可调度城市管理人员数量，则将该采集时间点中该目标疏通工业园区为协调工业园区，并将该调度城市管理中心在该采集时间点的可调度城市管理人员数量作为该调度城市管理中心对应的调度管理人员数量，同时获取该采集时间点中该协调工业园区对应的协调城市管理人员数量；
A3：若某采集时间点中某目标疏通工业园区城市管理人员数量等于对应调度城市管理中心在该采集时间点的可调度城市管理人员数量，则该采集时间点中该目标疏通工业园区不需要协调，且将该调度城市管理中心在该采集时间点的可调度城市管理人员数量作为该调度城市管理中心对应的调度管理人员数量；
A4：若某采集时间点中某目标疏通工业园区城市管理人员数量小于对应调度城市管理中心在该采集时间点的可调度城市管理人员数量，则该采集时间点中该目标疏通工业园区不需要协调，且将该调度城市管理中心记为协调工业园区，将该采集时间点中该目标疏通工业园区城市管理人员数量记为该调度城市管理中心对应的调度管理人员数量，并获取该调度城市管理中心在该时间点对应的可协调城市管理人员数量；
A5：提取各采集时间点中各协调工业园区与各可协调城市管理中心之间的调度优先评估系数，并按照降序进行排序，并将排序第一可协调城市管理中心记为第一协调城市管理中心，进而按照步骤A1-A4的分析方式，分析得到各采集时间点中各协调工业园区对应的各协调城市管理中心和各协调城市管理中心对应的协调城市管理人员数量，并将调度城市管理中心对应的调度管理人员数量和各协调城市管理中心对应的协调城市管理人员数量记为疏通调度信息。
本发明实施例通过对各采集时间点中各工业园区的拥堵情况进行分析，进而筛选出各采集时间点对应的各目标疏通工业园区，进而分析各采集时间点中各目标疏通工业园区与各城市管理中心之间的调度优先评估系数，从而对各采集时间点中各目标疏通工业园区的城市管理人员进行调度，解决了当前技术存在的智能化不足的问题，实现了城市管理人员的灵活性和智能性的调度，大大的降低了工作人员的工作量，同时也降低了城市管理人员的到岗时间，并且也提高了工业园区的疏通效率，有效的减少了人员拥挤和踩踏事故的发生。
云数据库，用于存储各工业园区对应的园区信息，存储各城市管理中心对应的中心信息。
实施例2
请参阅图2所示，本实施例未详细叙述部分见实施例1描述内容，本实施例提供一种基于大数据的一网统管指挥调度系统，包括；
用于获取指定区域各采集时间点对应各工业园区的图像，并获取各工业园区对应的园区信息；
用于根据各采集时间点对应各工业园区的图像，分析各采集时间点中各工业园区对应的拥堵评估系数；
用于筛选出各采集时间点对应的各目标疏通工业园区，并分析各采集时间点对应各目标疏通工业园区的城市管理人员数量；
用于获取指定区域内各城市管理中心对应的中心信息，其中中心信息包括位置和各采集时间点对应的可调度城市管理人员数量；
用于分析各采集时间点中各目标疏通工业园区对应的疏通调度信息，并进行城市管理人员的调度。
所述各工业园区对应的园区信息包括位置、面积、办公区域标准数量、各办公区域对应的标准办公区域面积和标准位置。
根据权利要求2所述的一种基于大数据的一网统管指挥调度系统，其特征在于，所述分析各采集时间点中各工业园区对应的拥堵评估系数，具体分析过程如下：
从各采集时间点对应各工业园区的图像中提取各工业园区对应的通勤人数和车辆数量，并分别标记为Rit和Cit，其中，i表示各工业园区对应的编号，i＝1,2......n，t表示各采集时间点对应的编号，t＝1,2......p，进而通过计算得到各采集时间点中各工业园区对应的道路拥挤评估系数，并记为
从各采集时间点对应各工业园区的图像中提取企业实际数量、各企业对应的实际位置和实际办公区域面积，进而通过计算得到各采集时间点中各工业园区对应的企业规范评估系数，并记为
根据计算公式得到各采集时间点中各工业园区对应的拥堵评估系数/>其中ε1、ε2分别为设定的道路拥挤评估系数、企业规范评估系数对应的权重因子，e表示自然常数。
所述计算得到各采集时间点中各工业园区对应的道路拥挤评估系数，具体计算过程如下：
将各工业园区对应的面积与设定的各工业园区面积对应的参考许可通勤人数和参考许可车辆数量进行对比，得到各工业园区对应的参考许可通勤人数和参考许可车辆数量，并分别标记为Ri′和Ci′；
将各采集时间点中各工业园区对应的通勤人数和车辆数量代入计算公式中，得到各采集时间点中各工业园区对应的道路拥挤评估系数/>其中γ1、γ2分别为设定的通勤人数、车辆数量对应的权重因子。
所述计算得到各采集时间点中各工业园区对应的企业规范评估系数，具体计算过程如下：
将各采集时间点中各工业园区对应各企业的实际位置与其对应的标准位置进行对比，得到各采集时间点各工业园区对应的企业位置规范评估系数，并记为
根据计算公式得到各采集时间点中各工业园区对应的企业办公区域规范评估系数/>v表示各工业园区中企业数量，u表示各工业园区中企业对应的编号，u＝1,2......v其中M′i表示第i个工业园区对应的办公区域标准数量，S′i u表示第i个工业园区中第u个企业对应的标准办公区域面积，Mit表示第t个采集时间点中第i个工业园区对应的企业实际数量，/>表示第t个采集时间点第i个工业园区中第u个企业对应的实际办公区域面积，η1、η2分别为设定的办公区域数量、办公区域面积对应的权重因子；
通过计算公式得到各采集时间点中各工业园区对应的企业规范评估系数/>其中κ1、κ2分别为设定的企业位置规范评估系数、企业办公区域规范评估系数对应的权重因子，e表示自然常数。
所述筛选出各采集时间点对应的各目标疏通工业园区，具体筛选过程如下：
将各采集时间点中各工业园区对应的拥堵评估系数与设定的标准拥堵评估系数进行对比，若某采集时间点中某工业园区对应的拥堵评估系数大于或者等于标准拥堵评估系数，则判定该采集时间点的该工业园区处于拥挤状态，并将该工业园区记为目标疏通工业园区，以此方式得到各采集时间点对应的各目标疏通工业园区。
所述分析各采集时间点对应各目标疏通工业园区的城市管理人员数量，具体分析过程如下：
提取各采集时间点中各目标疏通工业园区对应的拥堵评估系数，进而将其与设定的各城市管理人员数量对应的拥堵评估系数区间进行对比，若某采集时间点中某目标疏通工业园区对应的拥堵评估系数在某城市管理人员数量对应的拥堵评估系数区间内，则将该城市管理人员数量作为该采集时间点中该目标疏通工业园区对应的城市管理人员数量，以此方式得到各采集时间点对应各目标疏通工业园区的城市管理人员数量。
所述分析各采集时间点中各目标疏通工业园区对应的疏通调度信息，具体分析过程如下：
基于各城市管理中心对应的位置和各目标疏通工业园区对应的位置，得到各目标疏通工业园区与各城市管理中心对应的距离，并记为其中j表示各城市管理中心对应的编号，j＝1,2......m，f表示各目标疏通工业园区对应的编号，f＝1,2......d；
根据计算公式得到各采集时间点中各目标疏通工业园区与各城市管理中心之间的调度优先评估系数/>其中L′为设定的许可工业园区与城市管理中心对应的距离，Qft表示第t个采集时间点中第f个目标疏通工业园区的城市管理人员数量，Qjt表示第j个城市管理中心在第t个采集时间点对应的可调度城市管理人员数量，λ1、λ2分别为设定的距离、城市管理人员数量对应的权重因子；
将各采集时间点中各目标疏通工业园区与各城市管理中心之间的调度优先评估系数按照从大到小的顺序进行排序，并根据排序结果得到各采集时间点中各目标疏通工业园区对应的调度城市管理中心，进而获取各采集时间点中各目标疏通工业园区对应的疏通调度信息。
所述获取各采集时间点中各目标疏通工业园区对应的疏通调度信息，具体获取步骤如下
A1：将各采集时间点中各目标疏通工业园区的城市管理人员数量与其对应调度城市管理中心在该采集时间点的可调度城市管理人员数量进行对比；
A2：若某采集时间点中某目标疏通工业园区城市管理人员数量大于其对应调度城市管理中心在该采集时间点的可调度城市管理人员数量，则将该采集时间点中该目标疏通工业园区为协调工业园区，并将该调度城市管理中心在该采集时间点的可调度城市管理人员数量作为该调度城市管理中心对应的调度管理人员数量，同时获取该采集时间点中该协调工业园区对应的协调城市管理人员数量；
A3：若某采集时间点中某目标疏通工业园区城市管理人员数量等于对应调度城市管理中心在该采集时间点的可调度城市管理人员数量，则该采集时间点中该目标疏通工业园区不需要协调，且将该调度城市管理中心在该采集时间点的可调度城市管理人员数量作为该调度城市管理中心对应的调度管理人员数量；
A4：若某采集时间点中某目标疏通工业园区城市管理人员数量小于对应调度城市管理中心在该采集时间点的可调度城市管理人员数量，则该采集时间点中该目标疏通工业园区不需要协调，且将该调度城市管理中心记为协调工业园区，将该采集时间点中该目标疏通工业园区城市管理人员数量记为该调度城市管理中心对应的调度管理人员数量，并获取该调度城市管理中心在该时间点对应的可协调城市管理人员数量；
A5：提取各采集时间点中各协调工业园区与各可协调城市管理中心之间的调度优先评估系数，并按照降序进行排序，并将排序第一可协调城市管理中心记为第一协调城市管理中心，进而按照步骤A1-A4的分析方式，分析得到各采集时间点中各协调工业园区对应的各协调城市管理中心和各协调城市管理中心对应的协调城市管理人员数量，并将调度城市管理中心对应的调度管理人员数量和各协调城市管理中心对应的协调城市管理人员数量记为疏通调度信息。
实施例3
根据示例性实施例示出的一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行上述的一种基于大数据的一网统管指挥调度系统。
图3是本申请实施例提供的一种电子设备的结构示意图，该电子设备可因配置或性能不同而产生比较大的差异，能够包括一个或一个以上处理器(Central ProcessingUnits，CPU)和一个或一个以上的存储器，其中，该存储器中存储有至少一条计算机程序，该至少一条计算机程序由该处理器加载并执行以实现上述各个方法实施例提供的基于深度神经网络的股票算法交易方法。该电子设备还能够包括其他用于实现设备功能的部件，例如，该电子设备还能够具有有线或无线网络接口以及输入输出接口等部件，以便进行输入输出。本申请实施例在此不做赘述。
实施例4
根据示例性实施例示出的一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行上述的一种基于大数据的一网统管指挥调度系统。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括至少一条计算机程序的存储器，上述至少一条计算机程序由可由处理器执行以完成上述实施例中的基于深度神经网络的股票算法交易方法。例如，计算机可读存储介质能够是只读存储器(Read-Only Memory，简称：ROM)、随机存取存储器(Random Access Memory，简称：RAM)、只读光盘(Compact Disc Read-Only Memory，简称：CD-ROM)、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或该计算机程序包括一条或多条程序代码，该一条或多条程序代码存储在计算机可读存储介质中。电子设备的一个或多个处理器能够从计算机可读存储介质中读取所述一条或多条程序代码，所述一个或多个处理器执行所述一条或多条程序代码，使得电子设备能够执行上述基于深度神经网络的股票算法交易方法。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
应理解，根据A确定B并不意味着仅仅根据A确定B，还能够根据A和/或其它信息确定B。
以上内容仅仅是对本发明结构所作的举例和说明，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，只要不偏离发明的结构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。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可做很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (12)

1.一种基于大数据的一网统管指挥调度系统，其特征在于，包括；
工业园区信息获取模块，用于获取指定区域各采集时间点对应各工业园区的图像，并获取各工业园区对应的园区信息；
工业园区拥堵分析模块，用于根据各采集时间点对应各工业园区的图像，分析各采集时间点中各工业园区对应的拥堵评估系数；
工业园区疏通分析模块，用于筛选出各采集时间点对应的各目标疏通工业园区，并分析各采集时间点对应各目标疏通工业园区的城市管理人员数量；
城市管理信息获取模块，用于获取指定区域内各城市管理中心对应的中心信息，其中中心信息包括位置和各采集时间点对应的可调度城市管理人员数量；
工业园区疏通调度模块，用于分析各采集时间点中各目标疏通工业园区对应的疏通调度信息，并进行城市管理人员的调度；
云数据库，用于存储各工业园区对应的园区信息，存储各城市管理中心对应的中心信息。
2.根据权利要求1所述的一种基于大数据的一网统管指挥调度系统，其特征在于，所述各工业园区对应的园区信息包括位置、面积、办公区域标准数量、各办公区域对应的标准办公区域面积和标准位置。
3.根据权利要求2所述的一种基于大数据的一网统管指挥调度系统，其特征在于，所述分析各采集时间点中各工业园区对应的拥堵评估系数，具体分析过程如下：
从各采集时间点对应各工业园区的图像中提取各工业园区对应的通勤人数和车辆数量，并分别标记为Rit和Cit，其中，i表示各工业园区对应的编号，i＝1,2......n，t表示各采集时间点对应的编号，t＝1,2......p，进而通过计算得到各采集时间点中各工业园区对应的道路拥挤评估系数，并记为
从各采集时间点对应各工业园区的图像中提取企业实际数量、各企业对应的实际位置和实际办公区域面积，进而通过计算得到各采集时间点中各工业园区对应的企业规范评估系数，并记为
根据计算公式得到各采集时间点中各工业园区对应的拥堵评估系数/>其中ε1、ε2分别为设定的道路拥挤评估系数、企业规范评估系数对应的权重因子，e表示自然常数。
4.根据权利要求3所述的一种基于大数据的一网统管指挥调度系统，其特征在于，所述计算得到各采集时间点中各工业园区对应的道路拥挤评估系数，具体计算过程如下：
将各工业园区对应的面积与设定的各工业园区面积对应的参考许可通勤人数和参考许可车辆数量进行对比，得到各工业园区对应的参考许可通勤人数和参考许可车辆数量，并分别标记为R′i和C′i；
将各采集时间点中各工业园区对应的通勤人数和车辆数量代入计算公式中，得到各采集时间点中各工业园区对应的道路拥挤评估系数/>其中γ1、γ2分别为设定的通勤人数、车辆数量对应的权重因子。
5.根据权利要求3所述的一种基于大数据的一网统管指挥调度系统，其特征在于，所述计算得到各采集时间点中各工业园区对应的企业规范评估系数，具体计算过程如下：
将各采集时间点中各工业园区对应各企业的实际位置与其对应的标准位置进行对比，得到各采集时间点各工业园区对应的企业位置规范评估系数，并记为
根据计算公式得到各采集时间点中各工业园区对应的企业办公区域规范评估系数/>v表示各工业园区中企业数量，u表示各工业园区中企业对应的编号，u＝1,2......v其中M′i表示第i个工业园区对应的办公区域标准数量，/>表示第i个工业园区中第u个企业对应的标准办公区域面积，Mit表示第t个采集时间点中第i个工业园区对应的企业实际数量，/>表示第t个采集时间点第i个工业园区中第u个企业对应的实际办公区域面积，η1、η2分别为设定的办公区域数量、办公区域面积对应的权重因子；
通过计算公式得到各采集时间点中各工业园区对应的企业规范评估系数/>其中κ1、κ2分别为设定的企业位置规范评估系数、企业办公区域规范评估系数对应的权重因子，e表示自然常数。
6.根据权利要求3所述的一种基于大数据的一网统管指挥调度系统，其特征在于，所述筛选出各采集时间点对应的各目标疏通工业园区，具体筛选过程如下：
将各采集时间点中各工业园区对应的拥堵评估系数与设定的标准拥堵评估系数进行对比，若某采集时间点中某工业园区对应的拥堵评估系数大于或者等于标准拥堵评估系数，则判定该采集时间点的该工业园区处于拥挤状态，并将该工业园区记为目标疏通工业园区，以此方式得到各采集时间点对应的各目标疏通工业园区。
7.根据权利要求6所述的一种基于大数据的一网统管指挥调度系统，其特征在于，所述分析各采集时间点对应各目标疏通工业园区的城市管理人员数量，具体分析过程如下：
提取各采集时间点中各目标疏通工业园区对应的拥堵评估系数，进而将其与设定的各城市管理人员数量对应的拥堵评估系数区间进行对比，若某采集时间点中某目标疏通工业园区对应的拥堵评估系数在某城市管理人员数量对应的拥堵评估系数区间内，则将该城市管理人员数量作为该采集时间点中该目标疏通工业园区对应的城市管理人员数量，以此方式得到各采集时间点对应各目标疏通工业园区的城市管理人员数量。
8.根据权利要求7所述的一种基于大数据的一网统管指挥调度系统，其特征在于，所述分析各采集时间点中各目标疏通工业园区对应的疏通调度信息，具体分析过程如下：
基于各城市管理中心对应的位置和各目标疏通工业园区对应的位置，得到各目标疏通工业园区与各城市管理中心对应的距离，并记为其中j表示各城市管理中心对应的编号，j＝1,2......m，f表示各目标疏通工业园区对应的编号，f＝1,2......d；
根据计算公式得到各采集时间点中各目标疏通工业园区与各城市管理中心之间的调度优先评估系数/>其中L′为设定的许可工业园区与城市管理中心对应的距离，Qft表示第t个采集时间点中第f个目标疏通工业园区的城市管理人员数量，Qjt表示第j个城市管理中心在第t个采集时间点对应的可调度城市管理人员数量，λ1、λ2分别为设定的距离、城市管理人员数量对应的权重因子；
将各采集时间点中各目标疏通工业园区与各城市管理中心之间的调度优先评估系数按照从大到小的顺序进行排序，并根据排序结果得到各采集时间点中各目标疏通工业园区对应的调度城市管理中心，进而获取各采集时间点中各目标疏通工业园区对应的疏通调度信息。
9.根据权利要求8所述的一种基于大数据的一网统管指挥调度系统，其特征在于，所述获取各采集时间点中各目标疏通工业园区对应的疏通调度信息，具体获取步骤如下
A1：将各采集时间点中各目标疏通工业园区的城市管理人员数量与其对应调度城市管理中心在该采集时间点的可调度城市管理人员数量进行对比；
A2：若某采集时间点中某目标疏通工业园区城市管理人员数量大于其对应调度城市管理中心在该采集时间点的可调度城市管理人员数量，则将该采集时间点中该目标疏通工业园区为协调工业园区，并将该调度城市管理中心在该采集时间点的可调度城市管理人员数量作为该调度城市管理中心对应的调度管理人员数量，同时获取该采集时间点中该协调工业园区对应的协调城市管理人员数量；
A3：若某采集时间点中某目标疏通工业园区城市管理人员数量等于对应调度城市管理中心在该采集时间点的可调度城市管理人员数量，则该采集时间点中该目标疏通工业园区不需要协调，且将该调度城市管理中心在该采集时间点的可调度城市管理人员数量作为该调度城市管理中心对应的调度管理人员数量；
A4：若某采集时间点中某目标疏通工业园区城市管理人员数量小于对应调度城市管理中心在该采集时间点的可调度城市管理人员数量，则该采集时间点中该目标疏通工业园区不需要协调，且将该调度城市管理中心记为协调工业园区，将该采集时间点中该目标疏通工业园区城市管理人员数量记为该调度城市管理中心对应的调度管理人员数量，并获取该调度城市管理中心在该时间点对应的可协调城市管理人员数量；
A5：提取各采集时间点中各协调工业园区与各可协调城市管理中心之间的调度优先评估系数，并按照降序进行排序，并将排序第一可协调城市管理中心记为第一协调城市管理中心，进而按照步骤A1-A4的分析方式，分析得到各采集时间点中各协调工业园区对应的各协调城市管理中心和各协调城市管理中心对应的协调城市管理人员数量，并将调度城市管理中心对应的调度管理人员数量和各协调城市管理中心对应的协调城市管理人员数量记为疏通调度信息。
10.一种基于大数据的一网统管指挥调度方法，其特征在于，包括；
获取指定区域各采集时间点对应各工业园区的图像，并获取各工业园区对应的园区信息；
根据各采集时间点对应各工业园区的图像，分析各采集时间点中各工业园区对应的拥堵评估系数；
筛选出各采集时间点对应的各目标疏通工业园区，并分析各采集时间点对应各目标疏通工业园区的城市管理人员数量；
获取指定区域内各城市管理中心对应的中心信息，其中中心信息包括位置和各采集时间点对应的可调度城市管理人员数量；
用于分析各采集时间点中各目标疏通工业园区对应的疏通调度信息，并进行城市管理人员的调度。
11.一种电子设备，其特征在于，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行权利要求1-9任一项所述的一种基于大数据的一网统管指挥调度系统。
12.一种计算机可读存储介质，其特征在于：储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-9任意一项所述的一种基于大数据的一网统管指挥调度系统。
CN202310678098.5A 2023-06-08 2023-06-08 一种基于大数据的一网统管指挥调度系统及方法 Active CN116739258B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310678098.5A CN116739258B (zh) 2023-06-08 2023-06-08 一种基于大数据的一网统管指挥调度系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310678098.5A CN116739258B (zh) 2023-06-08 2023-06-08 一种基于大数据的一网统管指挥调度系统及方法

Publications (2)

Publication Number Publication Date
CN116739258A true CN116739258A (zh) 2023-09-12
CN116739258B CN116739258B (zh) 2023-11-07

Family

ID=87900605

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310678098.5A Active CN116739258B (zh) 2023-06-08 2023-06-08 一种基于大数据的一网统管指挥调度系统及方法

Country Status (1)

Country Link
CN (1) CN116739258B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112669474A (zh) * 2020-12-17 2021-04-16 安徽省经建技术有限公司 一种基于互联网的智慧园区停车管理系统
CN113743812A (zh) * 2021-09-13 2021-12-03 江明权 基于智慧园区的运载车辆装载量调度方法及中心云平台
US11587436B1 (en) * 2022-03-29 2023-02-21 Chengdu Qinchuan Iot Technology Co., Ltd. Methods for controlling traffic scheduling strategies in smart cities and Internet of Things (IoT) systems thereof
WO2023082313A1 (zh) * 2021-11-15 2023-05-19 苏州联健元和产业园管理有限公司 一种智慧园区管理方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112669474A (zh) * 2020-12-17 2021-04-16 安徽省经建技术有限公司 一种基于互联网的智慧园区停车管理系统
CN113743812A (zh) * 2021-09-13 2021-12-03 江明权 基于智慧园区的运载车辆装载量调度方法及中心云平台
WO2023082313A1 (zh) * 2021-11-15 2023-05-19 苏州联健元和产业园管理有限公司 一种智慧园区管理方法及系统
US11587436B1 (en) * 2022-03-29 2023-02-21 Chengdu Qinchuan Iot Technology Co., Ltd. Methods for controlling traffic scheduling strategies in smart cities and Internet of Things (IoT) systems thereof

Also Published As

Publication number Publication date
CN116739258B (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
CN110674861A (zh) 一种输变电巡检图像智能分析方法及装置
CN111210094A (zh) 一种基于实时客流预测的机场出租车自动调度方法及装置
CN112991130A (zh) 基于人工智能的城市治理事件处理方法及装置
CN113450573A (zh) 基于无人机图像识别的交通监测方法和交通监测系统
CN110782653A (zh) 一种道路信息采集方法和系统
CN116863708A (zh) 一种智慧城市调度分配系统
CN112487894A (zh) 基于人工智能的轨道交通保护区自动巡查方法及装置
CN112836683A (zh) 用于便携式摄像设备的车牌识别方法、装置、设备和介质
Bhat et al. Traffic violation detection in India using genetic algorithm
CN116739258B (zh) 一种基于大数据的一网统管指挥调度系统及方法
CN112562315B (zh) 一种获取车流信息的方法、终端及存储介质
CN113221760A (zh) 一种高速公路摩托车检测方法
CN112183498A (zh) 一种基于动物识别的边缘计算系统
CN114913447B (zh) 基于场景识别的警务智慧指挥室系统及方法
CN110765900A (zh) 一种基于dssd的自动检测违章建筑方法及系统
CN108596473B (zh) 一种流域污染管理系统和新核算方法
CN113593256B (zh) 基于城市管理的无人机智能驱离控制方法、系统及云平台
Haryono et al. Accuracy in Object Detection Based on Image Processing at the Implementation of Motorbike Parking on the Street
CN115375237A (zh) 一种冷链物流智能管理方法、系统、设备和存储介质
CN114417698A (zh) 一种轨道交通沿线外部环境的风险监测系统及评估方法
CN115187886A (zh) 一种车辆违规行为检测方法、装置及电子设备
CN112907041A (zh) 一种基于无人机的应急物资联运调度方法、系统及可读存储介质
Ouseph et al. Machine Learning Based Smart Parking Management for Intelligent Transportation Systems
DUMAN et al. YOLOv5-based Vehicle Objects Detection Using UAV Images
CN111309954B (zh) 景区导购行为识别系统

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