CN116933978B - 一种基于人工智能的车载设备应用管理系统及方法 - Google Patents

一种基于人工智能的车载设备应用管理系统及方法 Download PDF

Info

Publication number
CN116933978B
CN116933978B CN202311177954.5A CN202311177954A CN116933978B CN 116933978 B CN116933978 B CN 116933978B CN 202311177954 A CN202311177954 A CN 202311177954A CN 116933978 B CN116933978 B CN 116933978B
Authority
CN
China
Prior art keywords
cleaning
bus route
monitoring
route
optimization iteration
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.)
Active
Application number
CN202311177954.5A
Other languages
English (en)
Other versions
CN116933978A (zh
Inventor
王宇
崔海龙
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.)
Jiangsu Xinrui Qingzhi Technology Co ltd
Original Assignee
Jiangsu Xinrui Qingzhi Technology 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 Jiangsu Xinrui Qingzhi Technology Co ltd filed Critical Jiangsu Xinrui Qingzhi Technology Co ltd
Priority to CN202311177954.5A priority Critical patent/CN116933978B/zh
Publication of CN116933978A publication Critical patent/CN116933978A/zh
Application granted granted Critical
Publication of CN116933978B publication Critical patent/CN116933978B/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于人工智能的车载设备应用管理系统及方法，属于人工智能技术领域。对城市范围进行区域属性划分，对城市公交路线进行捕捉；统筹每一条公交路线经过的全部监测区域，对公交路线进行清洗选择；首先对公交路线进行去除重复清洗，再对公交路线进行交叉重叠清洗，设置交叉重叠清洗优化迭代模型，对行驶在交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线上的公交车安装车载设备；对每一条公交路线进行评分，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理；进而在避免造成车载设备应用浪费的同时，避免监测范围的遗漏，并降低车载设备的维护难度。

Description

一种基于人工智能的车载设备应用管理系统及方法
技术领域
本发明涉及人工智能技术领域，具体为一种基于人工智能的车载设备应用管理系统及方法。
背景技术
随着人工智能技术的快速发展，人工智能技术在生活中的普及越来越广泛；同时，随着硬件设备性能的不断提高，人工智能技术应用在生活中的各个方面也得到了更好的完善；尤其在汽车和城市环境管理方面，通过在汽车上安装不同的车载设备，再结合交通信息，车载设备能够对城市的很多方面信息进行实时监测；
在申请公布日2021.04.30、申请号202011472380.0、名称为一种基于5G的移动式城市环境监测系统及方法的专利中，通过将监测终端设置在公交车上，借用公交车的形式实现对城市环境的流动监测，从而只需要较少数量的监测设备就可以对城市区域进行拉网式的监测，监测的范围度更广，同时省略了固定监测基站占地等费用，也节省了大量的成本；
但是上述专利中，仍然存在以下问题：由于不同城市的规划格局不同，如果盲目的在每条公交路线上安装车载设备，势必会造成设备应用的浪费；同时，对于规划格局较大的城市，如果不能精准化的选择设备的应用方式，也势必会导致设备应用的范围遗漏，并且也导致加大对后期设备维护的难度。
发明内容
本发明的目的在于提供一种基于人工智能的车载设备应用管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：
一种基于人工智能的车载设备应用管理系统，本系统包括：划分捕捉模块、清洗选择模块、车载设备应用分析模块和车载设备维护分析模块；
所述划分捕捉模块，用于对城市范围进行区域属性划分，所述区域属性包括住宅区、办公商场区和城市绿化区，并生成监测区域集合；对城市公交路线进行捕捉，并生成公交路线集合；
所述清洗选择模块，用于统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合；根据路线闭环区域集合，对公交路线进行清洗选择，所述清洗选择包括去除重复清洗和交叉重叠清洗；
所述车载设备应用分析模块，用于对公交路线进行去除重复清洗；去除重复清洗完成后，对公交路线进行交叉重叠清洗，设置交叉重叠清洗优化迭代模型，优化迭代完成后，输出交叉重叠清洗优化迭代样本公交路线集，对行驶在交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线上的公交车安装车载设备，所述车载设备为安装在公交车上的用于监测城市环境信息的传感器；
所述车载设备维护分析模块，用于优化迭代完成后，对输出的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线进行评分，将优化迭代完成后的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理。
进一步的，所述划分捕捉模块还包括区域划分单元和路线捕捉单元；
所述区域划分单元，根据城市控制性详细规划图，对城市范围进行区域属性划分，共得到n个监测区域，所述区域属性包括住宅区、办公商场区和城市绿化区；对划分的监测区域进行统一编号，并生成监测区域集合，记为MTC={R1，R2，...，Rn}，其中，R1，R2，...，Rn分别表示第1，2，...，n个监测区域；
所述路线捕捉单元，根据城市公交路线图，对城市公交路线进行捕捉，共得到m条公交路线，对公交路线进行统一编号，并生成公交路线集合，记为BRC={W1，W2，...，Wm}，其中，W1，W2，...，Wm分别表示第1，2，...，m条公交路线。
进一步的，所述清洗选择模块还包括路线闭环统筹单元和清洗选择单元；
所述路线闭环统筹单元，用于统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合，记为BM|Wx，其中，BM|Wx表示任意一条公交路线Wx对应生成的路线闭环区域集合，且Wx∈BRC；
所述清洗选择单元，根据路线闭环区域集合，对公交路线进行清洗选择，所述清洗选择包括去除重复清洗和交叉重叠清洗，所述清洗选择的关系为先进行去除重复清洗，后进行交叉重叠清洗，且前一种清洗的结果作为后一种清洗的对象。
进一步的，所述车载设备应用分析模块还包括去除重复清洗单元和交叉重叠清洗单元；
所述去除重复清洗单元，用于获取任意两个路线闭环区域集合BM|Wx和BM|Wy，如果BM|Wy⊆BM|Wx，则对路线闭环区域集合BM|Wy对应的公交路线进行去除重复清洗，并且对公交路线集合BRC进行去除后的更新，去除更新后对公交路线重新进行统一编号，将去除更新后的公交路线集合BRC作为去除重复清洗的结果及交叉重叠清洗的对象；否则不对路线闭环区域集合BM|Wy对应的公交路线进行去除重复清洗；
所述交叉重叠清洗单元，用于统筹经过每一个监测区域的全部公交路线，并生成区域闭环路线集合，记为MB|Ri，其中，MB|Ri表示任意一个监测区域Ri对应生成的区域闭环路线集合，且Ri∈MTC；
设置交叉重叠清洗优化迭代模型，令第K次交叉重叠清洗优化迭代样本公交路线集为BRCK，且第一次交叉重叠清洗优化迭代样本公交路线集为BRC1，且BRC1=BRC，其中，BRC1为去除更新后的公交路线集合；
随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线，并根据去除的任意一条公交路线，对区域闭环路线集合进行更替，令区域闭环路线集合在第K次交叉重叠清洗优化迭代中对应的更替结果为MBK|Ri；
所述随机去除的方式为：如果随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线后，导致更替结果MBK|Ri=∅，则该任意一条公交路线无法去除，选择第K次交叉重叠清洗优化迭代样本公交路线集BRCK中的另一条公交路线进行随机去除；否则该任意一条公交路线可以去除；
根据车载设备的监测范围，确定更替结果MBK|Ri中每一条公交路线在监测区域Ri中的监测覆盖面积，记为MCAr(MBK|Ri)，其中，MCAr(MBK|Ri)表示更替结果MBK|Ri中第r条公交路线在监测区域Ri中的监测覆盖面积；
根据更替结果MBK|Ri中每一条公交路线在监测区域Ri中的监测覆盖面积，确定监测区域Ri在第K次交叉重叠清洗优化迭代中的监测覆盖面积的重叠面积总和，记为OA(MBK|Ri)；
计算第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，具体计算公式如下：
MCQK=∑i=1 n{OA(MBK|Ri)/∑r=1 RMCAr(MBK|Ri)×{[∑r=1 RMCAr(MBK|Ri)-OA(MBK|Ri)]/AR(Ri)}}
其中，MCQK表示第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，R表示更替结果MBK|Ri中的公交路线总数，AR(Ri)表示监测区域Ri的总面积；
预设监测覆盖准度阈值，如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度小于等于监测覆盖准度阈值，则停止优化迭代，并输出第K次交叉重叠清洗优化迭代样本公交路线集BRCK；
如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度大于监测覆盖准度阈值，则随机去除第K次交叉重叠清洗优化迭代样本公交路线集BRCK中的任意一条公交路线，并令K=K+1，对区域闭环路线集合进行更替，令区域闭环路线集合在第K+1次交叉重叠清洗优化迭代中对应的更替结果为MBK+1|Ri，进行第K+1次交叉重叠清洗优化迭代。
进一步的，所述车载设备维护分析模块还包括目标点识别单元和应用评分单元；
所述目标点识别单元，用于对任意一个监测区域Ri中包含的住宅区、办公商场区和城市绿化区进行位置标点，并生成监测目标点集合，记为MTP(Ri)={q1，q2，...，qv}，其中q1，q2，...，qv分别表示任意一个监测区域Ri中包含的第1，2，...，v个监测目标点；停止优化迭代后，识别第K次交叉重叠清洗优化迭代样本公交路线集BRCK中任意一条公交路线在监测区域Ri中的覆盖监测到的监测目标点，并生成更替目标点集合，记为CTP(Ri|We)={Q1，Q2，...，Qu}，其中，Q1，Q2，...，Qu分别表示任意一条公交路线We在监测区域Ri中的覆盖监测到的第1，2，...，u个更替目标点，We∈BRCK，e表示公交路线编号；
所述应用评分单元，根据监测目标点集合和更替目标点集合，计算停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK的每一条公交路线的应用得分，具体计算公式如下：
G(We)=∑i=1 nG[CTP(Ri|We)]
G[CTP(Ri|We)]=∑f=1 uF(Qf)
F(Qf)=lg{[19+NUM(Qf，MTP(Ri))]/[NUM(Qf，MTP(Ri))+1]}
其中，G(We)表示停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK中任意一条公交路线We的应用得分，G[CTP(Ri|We)]表示任意一条公交路线We在监测区域Ri中的应用得分，F(Qf)表示更替目标点集合CTP(Ri|We)中任意一个更替目标点Qf的匹配得分，NUM(Qf，MTP(Ri))表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配成功的监测目标点的个数；
如果F(Qf)=1，则表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配成功；如果F(Qf)≠1，则表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配不成功，并令F(Qf)=0；
将停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理。
一种基于人工智能的车载设备应用管理方法，本方法包括以下步骤：
步骤S100：对城市范围进行区域属性划分，所述区域属性包括住宅区、办公商场区和城市绿化区，并生成监测区域集合；对城市公交路线进行捕捉，并生成公交路线集合；
步骤S200：统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合；根据路线闭环区域集合，对公交路线进行清洗选择，所述清洗选择包括去除重复清洗和交叉重叠清洗；
步骤S300：对公交路线进行去除重复清洗；去除重复清洗完成后，对公交路线进行交叉重叠清洗，设置交叉重叠清洗优化迭代模型，优化迭代完成后，输出交叉重叠清洗优化迭代样本公交路线集，对行驶在交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线上的公交车安装车载设备，所述车载设备为安装在公交车上的用于监测城市环境信息的传感器；
步骤S400：优化迭代完成后，对输出的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线进行评分，将优化迭代完成后的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理。
进一步的，所述步骤S100的具体实施过程包括：
步骤S101：根据城市控制性详细规划图，对城市范围进行区域属性划分，共得到n个监测区域，所述区域属性包括住宅区、办公商场区和城市绿化区；对划分的监测区域进行统一编号，并生成监测区域集合，记为MTC={R1，R2，...，Rn}，其中，R1，R2，...，Rn分别表示第1，2，...，n个监测区域；
步骤S102：根据城市公交路线图，对城市公交路线进行捕捉，共得到m条公交路线，对公交路线进行统一编号，并生成公交路线集合，记为BRC={W1，W2，...，Wm}，其中，W1，W2，...，Wm分别表示第1，2，...，m条公交路线。
进一步的，所述步骤S200的具体实施过程包括：
步骤S201：统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合，记为BM|Wx，其中，BM|Wx表示任意一条公交路线Wx对应生成的路线闭环区域集合，且Wx∈BRC；
步骤S202：根据路线闭环区域集合，对公交路线进行清洗选择，所述清洗选择包括去除重复清洗和交叉重叠清洗，所述清洗选择的关系为先进行去除重复清洗，后进行交叉重叠清洗，且前一种清洗的结果作为后一种清洗的对象。
进一步的，所述步骤S300的具体实施过程包括：
步骤S301：所述去除重复清洗的方式为：获取任意两个路线闭环区域集合BM|Wx和BM|Wy，如果BM|Wy⊆BM|Wx，则对路线闭环区域集合BM|Wy对应的公交路线进行去除重复清洗，并且对公交路线集合BRC进行去除后的更新，去除更新后对公交路线重新进行统一编号，将去除更新后的公交路线集合BRC作为去除重复清洗的结果及交叉重叠清洗的对象；否则不对路线闭环区域集合BM|Wy对应的公交路线进行去除重复清洗；
步骤S302：所述交叉重叠清洗的方式为：
统筹经过每一个监测区域的全部公交路线，并生成区域闭环路线集合，记为MB|Ri，其中，MB|Ri表示任意一个监测区域Ri对应生成的区域闭环路线集合，且Ri∈MTC；
设置交叉重叠清洗优化迭代模型，令第K次交叉重叠清洗优化迭代样本公交路线集为BRCK，且第一次交叉重叠清洗优化迭代样本公交路线集为BRC1，且BRC1=BRC，其中，BRC1为去除更新后的公交路线集合；
随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线，并根据去除的任意一条公交路线，对区域闭环路线集合进行更替，令区域闭环路线集合在第K次交叉重叠清洗优化迭代中对应的更替结果为MBK|Ri；
所述随机去除的方式为：如果随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线后，导致更替结果MBK|Ri=∅，则该任意一条公交路线无法去除，选择第K次交叉重叠清洗优化迭代样本公交路线集BRCK中的另一条公交路线进行随机去除；否则该任意一条公交路线可以去除；
根据车载设备的监测范围，确定更替结果MBK|Ri中每一条公交路线在监测区域Ri中的监测覆盖面积，记为MCAr(MBK|Ri)，其中，MCAr(MBK|Ri)表示更替结果MBK|Ri中第r条公交路线在监测区域Ri中的监测覆盖面积；
根据更替结果MBK|Ri中每一条公交路线在监测区域Ri中的监测覆盖面积，确定监测区域Ri在第K次交叉重叠清洗优化迭代中的监测覆盖面积的重叠面积总和，记为OA(MBK|Ri)；
计算第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，具体计算公式如下：
MCQK=∑i=1 n{OA(MBK|Ri)/∑r=1 RMCAr(MBK|Ri)×{[∑r=1 RMCAr(MBK|Ri)-OA(MBK|Ri)]/AR(Ri)}}
其中，MCQK表示第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，R表示更替结果MBK|Ri中的公交路线总数，AR(Ri)表示监测区域Ri的总面积；
预设监测覆盖准度阈值，如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度小于等于监测覆盖准度阈值，则停止优化迭代，并输出第K次交叉重叠清洗优化迭代样本公交路线集BRCK；
如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度大于监测覆盖准度阈值，则随机去除第K次交叉重叠清洗优化迭代样本公交路线集BRCK中的任意一条公交路线，并令K=K+1，对区域闭环路线集合进行更替，令区域闭环路线集合在第K+1次交叉重叠清洗优化迭代中对应的更替结果为MBK+1|Ri，进行第K+1次交叉重叠清洗优化迭代。
根据上述方法，不同城市的规划格局不同，导致对城市的环境监测区域也存在差异，进而本申请发明根据根据城市控制性详细规划图，对城市范围进行区域属性划分，同时结合城市的公交路线图，进一步分析得到路线闭环区域集合，能够智能化的适应不同城市的情况；考虑到公交路线在城市区域存在重叠或者重复的情况，进而进一步对公交路线进行清洗选择；在对公交路线进行清洗选择时，首先对存在重复行驶轨迹的公交路线进行清洗，以使后续交叉重叠清洗时，对车载设备的应用更加精确，避免车载设备应用的浪费；由于车载传感器监测的范围有限，进而构建交叉重叠清洗优化迭代模型，通过监测覆盖面积、重叠面积总和，以及监测区域面积，三个维度进行监测覆盖准度的计算，在计算监测覆盖准度，既不能一味的减少重叠面积而导致监测区域的遗漏，也不能增加实际监测面积而导致设备应用的重复浪费，公式OA(MBK|Ri)/∑r=1 RMCAr(MBK|Ri)表示重叠面积总和占据监测覆盖面积的比值，该比值越大使监测覆盖准度越低，公式[∑r=1 RMCAr(MBK|Ri)-OA(MBK|Ri)]/AR(Ri)表示实际监测面积占据监测区域的比值，继而计算出总体监测覆盖准度，预设监测覆盖准度阈值，在保证监测范围要求时，人工智能化调整车载设备在公交车上的应用；
进一步的，所述步骤S400的具体实施过程包括：
步骤S401：对任意一个监测区域Ri中包含的住宅区、办公商场区和城市绿化区进行位置标点，并生成监测目标点集合，记为MTP(Ri)={q1，q2，...，qv}，其中q1，q2，...，qv分别表示任意一个监测区域Ri中包含的第1，2，...，v个监测目标点；
步骤S402：停止优化迭代后，识别第K次交叉重叠清洗优化迭代样本公交路线集BRCK中任意一条公交路线在监测区域Ri中的覆盖监测到的监测目标点，并生成更替目标点集合，记为CTP(Ri|We)={Q1，Q2，...，Qu}，其中，Q1，Q2，...，Qu分别表示任意一条公交路线We在监测区域Ri中的覆盖监测到的第1，2，...，u个更替目标点，We∈BRCK，e表示公交路线编号；
步骤S403：根据监测目标点集合和更替目标点集合，计算停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK的每一条公交路线的应用得分，具体计算公式如下：
G(We)=∑i=1 nG[CTP(Ri|We)]
G[CTP(Ri|We)]=∑f=1 uF(Qf)
F(Qf)=lg{[19+NUM(Qf，MTP(Ri))]/[NUM(Qf，MTP(Ri))+1]}
其中，G(We)表示停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK中任意一条公交路线We的应用得分，G[CTP(Ri|We)]表示任意一条公交路线We在监测区域Ri中的应用得分，F(Qf)表示更替目标点集合CTP(Ri|We)中任意一个更替目标点Qf的匹配得分，NUM(Qf，MTP(Ri))表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配成功的监测目标点的个数；
如果F(Qf)=1，则表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配成功；如果F(Qf)≠1，则表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配不成功，并令F(Qf)=0；
将停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理；
根据上述方法，当车载设备在公交路线上的应用优化迭代选择好后，对行驶在交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线上的公交车安装车载设备，并进一步分析公交路线在城市范围内的覆盖情况，通过每一条公交路线经过的监测区域与实际划分的监测区域的匹配情况，确定公交路线的应用得分，得分越大表示该条公交路线对城市环境监测的重要性越大，进而该公交路线上的车载设备维护重要度也越大。
与现有技术相比，本发明所达到的有益效果是：本发明提供的一种基于人工智能的车载设备应用管理系统及方法中，对城市范围进行区域属性划分，对城市公交路线进行捕捉；统筹每一条公交路线经过的全部监测区域，对公交路线进行清洗选择；首先对公交路线进行去除重复清洗，再对公交路线进行交叉重叠清洗，设置交叉重叠清洗优化迭代模型，对行驶在交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线上的公交车安装车载设备；对每一条公交路线进行评分，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理；进而在避免造成车载设备应用浪费的同时，避免监测范围的遗漏，并降低车载设备的维护难度。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并且不构成对本发明的限制。在附图中：
图1是本发明一种基于人工智能的车载设备应用管理系统的结构示意图；
图2是本发明一种基于人工智能的车载设备应用管理方法的步骤示意图。
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做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。
请参阅图1-图2，本发明提供技术方案：
请参阅图1，在本实施例一中：提供一种基于人工智能的车载设备应用管理系统，该系统包括：划分捕捉模块、清洗选择模块、车载设备应用分析模块和车载设备维护分析模块；
划分捕捉模块，用于对城市范围进行区域属性划分，区域属性包括住宅区、办公商场区和城市绿化区，并生成监测区域集合；对城市公交路线进行捕捉，并生成公交路线集合；
其中，划分捕捉模块还包括区域划分单元和路线捕捉单元；
区域划分单元，根据城市控制性详细规划图，对城市范围进行区域属性划分，共得到n个监测区域，区域属性包括住宅区、办公商场区和城市绿化区；对划分的监测区域进行统一编号，并生成监测区域集合，记为MTC={R1，R2，...，Rn}，其中，R1，R2，...，Rn分别表示第1，2，...，n个监测区域；
路线捕捉单元，根据城市公交路线图，对城市公交路线进行捕捉，共得到m条公交路线，对公交路线进行统一编号，并生成公交路线集合，记为BRC={W1，W2，...，Wm}，其中，W1，W2，...，Wm分别表示第1，2，...，m条公交路线；
清洗选择模块，用于统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合；根据路线闭环区域集合，对公交路线进行清洗选择，清洗选择包括去除重复清洗和交叉重叠清洗；
其中，清洗选择模块还包括路线闭环统筹单元和清洗选择单元；
路线闭环统筹单元，用于统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合，记为BM|Wx，其中，BM|Wx表示任意一条公交路线Wx对应生成的路线闭环区域集合，且Wx∈BRC；
清洗选择单元，根据路线闭环区域集合，对公交路线进行清洗选择，清洗选择包括去除重复清洗和交叉重叠清洗，清洗选择的关系为先进行去除重复清洗，后进行交叉重叠清洗，且前一种清洗的结果作为后一种清洗的对象；
车载设备应用分析模块，用于对公交路线进行去除重复清洗；去除重复清洗完成后，对公交路线进行交叉重叠清洗，设置交叉重叠清洗优化迭代模型，优化迭代完成后，输出交叉重叠清洗优化迭代样本公交路线集，对行驶在交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线上的公交车安装车载设备，车载设备为安装在公交车上的用于监测城市环境信息的传感器；
其中，车载设备应用分析模块还包括去除重复清洗单元和交叉重叠清洗单元；
去除重复清洗单元，用于获取任意两个路线闭环区域集合BM|Wx和BM|Wy，如果BM|Wy⊆BM|Wx，则对路线闭环区域集合BM|Wy对应的公交路线进行去除重复清洗，并且对公交路线集合BRC进行去除后的更新，去除更新后对公交路线重新进行统一编号，将去除更新后的公交路线集合BRC作为去除重复清洗的结果及交叉重叠清洗的对象；否则不对路线闭环区域集合BM|Wy对应的公交路线进行去除重复清洗；
交叉重叠清洗单元，用于统筹经过每一个监测区域的全部公交路线，并生成区域闭环路线集合，记为MB|Ri，其中，MB|Ri表示任意一个监测区域Ri对应生成的区域闭环路线集合，且Ri∈MTC；
设置交叉重叠清洗优化迭代模型，令第K次交叉重叠清洗优化迭代样本公交路线集为BRCK，且第一次交叉重叠清洗优化迭代样本公交路线集为BRC1，且BRC1=BRC，其中，BRC1为去除更新后的公交路线集合；
随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线，并根据去除的任意一条公交路线，对区域闭环路线集合进行更替，令区域闭环路线集合在第K次交叉重叠清洗优化迭代中对应的更替结果为MBK|Ri；
随机去除的方式为：如果随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线后，导致更替结果MBK|Ri=∅，则该任意一条公交路线无法去除，选择第K次交叉重叠清洗优化迭代样本公交路线集BRCK中的另一条公交路线进行随机去除；否则该任意一条公交路线可以去除；
根据车载设备的监测范围，确定更替结果MBK|Ri中每一条公交路线在监测区域Ri中的监测覆盖面积，记为MCAr(MBK|Ri)，其中，MCAr(MBK|Ri)表示更替结果MBK|Ri中第r条公交路线在监测区域Ri中的监测覆盖面积；
根据更替结果MBK|Ri中每一条公交路线在监测区域Ri中的监测覆盖面积，确定监测区域Ri在第K次交叉重叠清洗优化迭代中的监测覆盖面积的重叠面积总和，记为OA(MBK|Ri)；
计算第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，具体计算公式如下：
MCQK=∑i=1 n{OA(MBK|Ri)/∑r=1 RMCAr(MBK|Ri)×{[∑r=1 RMCAr(MBK|Ri)-OA(MBK|Ri)]/AR(Ri)}}
其中，MCQK表示第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，R表示更替结果MBK|Ri中的公交路线总数，AR(Ri)表示监测区域Ri的总面积；
预设监测覆盖准度阈值，如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度小于等于监测覆盖准度阈值，则停止优化迭代，并输出第K次交叉重叠清洗优化迭代样本公交路线集BRCK；
如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度大于监测覆盖准度阈值，则随机去除第K次交叉重叠清洗优化迭代样本公交路线集BRCK中的任意一条公交路线，并令K=K+1，对区域闭环路线集合进行更替，令区域闭环路线集合在第K+1次交叉重叠清洗优化迭代中对应的更替结果为MBK+1|Ri，进行第K+1次交叉重叠清洗优化迭代；
车载设备维护分析模块，用于优化迭代完成后，对输出的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线进行评分，将优化迭代完成后的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理；
其中，车载设备维护分析模块还包括目标点识别单元和应用评分单元；
目标点识别单元，用于对任意一个监测区域Ri中包含的住宅区、办公商场区和城市绿化区进行位置标点，并生成监测目标点集合，记为MTP(Ri)={q1，q2，...，qv}，其中q1，q2，...，qv分别表示任意一个监测区域Ri中包含的第1，2，...，v个监测目标点；停止优化迭代后，识别第K次交叉重叠清洗优化迭代样本公交路线集BRCK中任意一条公交路线在监测区域Ri中的覆盖监测到的监测目标点，并生成更替目标点集合，记为CTP(Ri|We)={Q1，Q2，...，Qu}，其中，Q1，Q2，...，Qu分别表示任意一条公交路线We在监测区域Ri中的覆盖监测到的第1，2，...，u个更替目标点，We∈BRCK，e表示公交路线编号；
应用评分单元，根据监测目标点集合和更替目标点集合，计算停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK的每一条公交路线的应用得分，具体计算公式如下：
G(We)=∑i=1 nG[CTP(Ri|We)]
G[CTP(Ri|We)]=∑f=1 uF(Qf)
F(Qf)=lg{[19+NUM(Qf，MTP(Ri))]/[NUM(Qf，MTP(Ri))+1]}
其中，G(We)表示停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK中任意一条公交路线We的应用得分，G[CTP(Ri|We)]表示任意一条公交路线We在监测区域Ri中的应用得分，F(Qf)表示更替目标点集合CTP(Ri|We)中任意一个更替目标点Qf的匹配得分，NUM(Qf，MTP(Ri))表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配成功的监测目标点的个数；
如果F(Qf)=1，则表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配成功；如果F(Qf)≠1，则表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配不成功，并令F(Qf)=0；
将停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理。
请参阅图2，在本实施例二中：提供一种基于人工智能的车载设备应用管理方法，该方法包括以下步骤：
对城市范围进行区域属性划分，区域属性包括住宅区、办公商场区和城市绿化区，并生成监测区域集合；对城市公交路线进行捕捉，并生成公交路线集合；
根据城市控制性详细规划图，对城市范围进行区域属性划分，共得到n个监测区域，区域属性包括住宅区、办公商场区和城市绿化区；对划分的监测区域进行统一编号，并生成监测区域集合，记为MTC={R1，R2，...，Rn}，其中，R1，R2，...，Rn分别表示第1，2，...，n个监测区域；
根据城市公交路线图，对城市公交路线进行捕捉，共得到m条公交路线，对公交路线进行统一编号，并生成公交路线集合，记为BRC={W1，W2，...，Wm}，其中，W1，W2，...，Wm分别表示第1，2，...，m条公交路线；
统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合；根据路线闭环区域集合，对公交路线进行清洗选择，清洗选择包括去除重复清洗和交叉重叠清洗；
统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合，记为BM|Wx，其中，BM|Wx表示任意一条公交路线Wx对应生成的路线闭环区域集合，且Wx∈BRC；
根据路线闭环区域集合，对公交路线进行清洗选择，清洗选择包括去除重复清洗和交叉重叠清洗，清洗选择的关系为先进行去除重复清洗，后进行交叉重叠清洗，且前一种清洗的结果作为后一种清洗的对象；
对公交路线进行去除重复清洗；去除重复清洗完成后，对公交路线进行交叉重叠清洗，设置交叉重叠清洗优化迭代模型，优化迭代完成后，输出交叉重叠清洗优化迭代样本公交路线集，对行驶在交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线上的公交车安装车载设备，车载设备为安装在公交车上的用于监测城市环境信息的传感器；
去除重复清洗的方式为：获取任意两个路线闭环区域集合BM|Wx和BM|Wy，如果BM|Wy⊆BM|Wx，则对路线闭环区域集合BM|Wy对应的公交路线进行去除重复清洗，并且对公交路线集合BRC进行去除后的更新，去除更新后对公交路线重新进行统一编号，将去除更新后的公交路线集合BRC作为去除重复清洗的结果及交叉重叠清洗的对象；否则不对路线闭环区域集合BM|Wy对应的公交路线进行去除重复清洗；
例如，对某个城市的区域进行划分，共得到10个监测区域，获取该城市的公交路线，共得到20条公交路线；其中，公交路线W1经过的监测区域生成的路线闭环区域集合BM|W1={监测区域1，监测区域2，监测区域4，监测区域5}，公交路线W2经过的监测区域生成的路线闭环区域集合BM|W2={监测区域1，监测区域2，监测区域4}，则BM|W2⊆BM|W1，对公交路线W2进行去除重复清洗；对每一条公交路线进行去除重复清洗后，对公交路线集合BRC进行去除后的更新；
交叉重叠清洗的方式为：
统筹经过每一个监测区域的全部公交路线，并生成区域闭环路线集合，记为MB|Ri，其中，MB|Ri表示任意一个监测区域Ri对应生成的区域闭环路线集合，且Ri∈MTC；
设置交叉重叠清洗优化迭代模型，令第K次交叉重叠清洗优化迭代样本公交路线集为BRCK，且第一次交叉重叠清洗优化迭代样本公交路线集为BRC1，且BRC1=BRC，其中，BRC1为去除更新后的公交路线集合；
随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线，并根据去除的任意一条公交路线，对区域闭环路线集合进行更替，令区域闭环路线集合在第K次交叉重叠清洗优化迭代中对应的更替结果为MBK|Ri；
例如，统筹经过监测区域R1的全部公交路线生成区域闭环路线集合MB|R1={W1，W3，W4}；第1次交叉重叠清洗优化迭代样本公交路线集BRC1={W1，W3，W4，W5，W6}；随机去除公交路线W1，对区域闭环路线集合MB|R1进行更替，得到MB1|R1={W3，W4}；
随机去除的方式为：如果随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线后，导致更替结果MBK|Ri=∅，则该任意一条公交路线无法去除，选择第K次交叉重叠清洗优化迭代样本公交路线集BRCK中的另一条公交路线进行随机去除；否则该任意一条公交路线可以去除；
例如，统筹经过监测区域R2的全部公交路线生成区域闭环路线集合MB|R2={W2}，随机去除公交路线W2，对区域闭环路线集合MB|R2进行更替，得到MB1|R2=∅，则公交路线W2无法去除；统筹经过监测区域R3的全部公交路线生成区域闭环路线集合MB|R3={W1，W3}，随机去除公交路线W1，对区域闭环路线集合MB|R3进行更替，得到MB1|R3={W3}，则公交路线W1可以去除；
根据车载设备的监测范围，确定更替结果MBK|Ri中每一条公交路线在监测区域Ri中的监测覆盖面积，记为MCAr(MBK|Ri)，其中，MCAr(MBK|Ri)表示更替结果MBK|Ri中第r条公交路线在监测区域Ri中的监测覆盖面积；
根据更替结果MBK|Ri中每一条公交路线在监测区域Ri中的监测覆盖面积，确定监测区域Ri在第K次交叉重叠清洗优化迭代中的监测覆盖面积的重叠面积总和，记为OA(MBK|Ri)；
计算第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，具体计算公式如下：
MCQK=∑i=1 n{OA(MBK|Ri)/∑r=1 RMCAr(MBK|Ri)×{[∑r=1 RMCAr(MBK|Ri)-OA(MBK|Ri)]/AR(Ri)}}
其中，MCQK表示第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，R表示更替结果MBK|Ri中的公交路线总数，AR(Ri)表示监测区域Ri的总面积；
预设监测覆盖准度阈值，如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度小于等于监测覆盖准度阈值，则停止优化迭代，并输出第K次交叉重叠清洗优化迭代样本公交路线集BRCK；
如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度大于监测覆盖准度阈值，则随机去除第K次交叉重叠清洗优化迭代样本公交路线集BRCK中的任意一条公交路线，并令K=K+1，对区域闭环路线集合进行更替，令区域闭环路线集合在第K+1次交叉重叠清洗优化迭代中对应的更替结果为MBK+1|Ri，进行第K+1次交叉重叠清洗优化迭代；
例如，更替结果MB1|R1={W3，W4}中每一条公交路线在监测区域R1中的监测覆盖面积，其中，公交路线W3在监测区域R1中的监测覆盖面积MCA3(MB1|R1)=20，公交路线W3在监测区域R1中的监测覆盖面积为MCA4(MB1|R1)=30；公交路线W3和W4监测覆盖面积的重叠面积总和OA(MB1|R1)=10，监测区域R1的总面积AR(R1)=80，单位平方公里；则OA(MB1|R1)/∑r=3 4MCAr(MB1|R1)×{[∑r=3 4MCAr(MBK|R1)-OA(MB1|R1)]/AR(R1)}=10/(20+30)×(20+30-10)/80=0.1；
优化迭代完成后，对输出的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线进行评分，将优化迭代完成后的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理；
对任意一个监测区域Ri中包含的住宅区、办公商场区和城市绿化区进行位置标点，并生成监测目标点集合，记为MTP(Ri)={q1，q2，...，qv}，其中q1，q2，...，qv分别表示任意一个监测区域Ri中包含的第1，2，...，v个监测目标点；
停止优化迭代后，识别第K次交叉重叠清洗优化迭代样本公交路线集BRCK中任意一条公交路线在监测区域Ri中的覆盖监测到的监测目标点，并生成更替目标点集合，记为CTP(Ri|We)={Q1，Q2，...，Qu}，其中，Q1，Q2，...，Qu分别表示任意一条公交路线We在监测区域Ri中的覆盖监测到的第1，2，...，u个更替目标点，We∈BRCK，e表示公交路线编号；
根据监测目标点集合和更替目标点集合，计算停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK的每一条公交路线的应用得分，具体计算公式如下：
G(We)=∑i=1 nG[CTP(Ri|We)]
G[CTP(Ri|We)]=∑f=1 uF(Qf)
F(Qf)=lg{[19+NUM(Qf，MTP(Ri))]/[NUM(Qf，MTP(Ri))+1]}
其中，G(We)表示停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK中任意一条公交路线We的应用得分，G[CTP(Ri|We)]表示任意一条公交路线We在监测区域Ri中的应用得分，F(Qf)表示更替目标点集合CTP(Ri|We)中任意一个更替目标点Qf的匹配得分，NUM(Qf，MTP(Ri))表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配成功的监测目标点的个数；
如果F(Qf)=1，则表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配成功；如果F(Qf)≠1，则表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配不成功，并令F(Qf)=0；
例如，对监测区域R1中包含的住宅区、办公商场区和城市绿化区进行位置标点，并生成监测目标点集合，记为MTP(R1)={q1，q2，q3，q4}；停止优化迭代后，识别第3次交叉重叠清洗优化迭代样本公交路线集BRC3中公交路线W3在监测区域R1中的覆盖监测到的监测目标点，并生成更替目标点集合，记为CTP(R1|W3)={Q1，Q2，Q3}，且q1=Q1，q2=Q2，q3=Q3，则NUM(Q1，MTP(R1))=1，F(Q1)=lg{[19+NUM(Q1，MTP(R1))]/[NUM(Q1，MTP(R1))+1]}=1，则更替目标点Q1在监测目标点集合MTP(R1)中的匹配成功，NUM(Q4，MTP(R1))=0，则更替目标点Q4在监测目标点集合MTP(R1)中的匹配不成功；G[CTP(R1|W3)]=∑f=1 3F(Qf)=1+1+1=3；
将停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并且不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于人工智能的车载设备应用管理方法，其特征在于，该方法包括以下步骤：
步骤S100：对城市范围进行区域属性划分，所述区域属性包括住宅区、办公商场区和城市绿化区，并生成监测区域集合；对城市公交路线进行捕捉，并生成公交路线集合；
步骤S200：统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合；根据路线闭环区域集合，对公交路线进行清洗选择，所述清洗选择包括去除重复清洗和交叉重叠清洗；
步骤S300：对公交路线进行去除重复清洗；去除重复清洗完成后，对公交路线进行交叉重叠清洗，设置交叉重叠清洗优化迭代模型，优化迭代完成后，输出交叉重叠清洗优化迭代样本公交路线集，对行驶在交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线上的公交车安装车载设备，所述车载设备为安装在公交车上的用于监测城市环境信息的传感器；
步骤S400：优化迭代完成后，对输出的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线进行评分，将优化迭代完成后的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理；
所述步骤S100的具体实施过程包括：
步骤S101：根据城市控制性详细规划图，对城市范围进行区域属性划分，共得到n个监测区域，所述区域属性包括住宅区、办公商场区和城市绿化区；对划分的监测区域进行统一编号，并生成监测区域集合，记为MTC={R1，R2，...，Rn}，其中，R1，R2，...，Rn分别表示第1，2，...，n个监测区域；
步骤S102：根据城市公交路线图，对城市公交路线进行捕捉，共得到m条公交路线，对公交路线进行统一编号，并生成公交路线集合，记为BRC={W1，W2，...，Wm}，其中，W1，W2，...，Wm分别表示第1，2，...，m条公交路线；
所述步骤S200的具体实施过程包括：
步骤S201：统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合，记为BM|Wx，其中，BM|Wx表示任意一条公交路线Wx对应生成的路线闭环区域集合，且Wx∈BRC；
步骤S202：根据路线闭环区域集合，对公交路线进行清洗选择，所述清洗选择包括去除重复清洗和交叉重叠清洗，所述清洗选择的关系为先进行去除重复清洗，后进行交叉重叠清洗，且前一种清洗的结果作为后一种清洗的对象；
所述步骤S300的具体实施过程包括：
步骤S301：所述去除重复清洗的方式为：获取任意两个路线闭环区域集合BM|Wx和BM|Wy，如果BM|Wy⊆BM|Wx，则对路线闭环区域集合BM|Wy对应的公交路线进行去除重复清洗，并且对公交路线集合BRC进行去除后的更新，去除更新后对公交路线重新进行统一编号，将去除更新后的公交路线集合BRC作为去除重复清洗的结果及交叉重叠清洗的对象；否则不对路线闭环区域集合BM|Wy对应的公交路线进行去除重复清洗；
步骤S302：所述交叉重叠清洗的方式为：
统筹经过每一个监测区域的全部公交路线，并生成区域闭环路线集合，记为MB|Ri，其中，MB|Ri表示任意一个监测区域Ri对应生成的区域闭环路线集合，且Ri∈MTC；
设置交叉重叠清洗优化迭代模型，令第K次交叉重叠清洗优化迭代样本公交路线集为BRCK，且第一次交叉重叠清洗优化迭代样本公交路线集为BRC1，且BRC1=BRC，其中，BRC1为去除更新后的公交路线集合；
随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线，并根据去除的任意一条公交路线，对区域闭环路线集合进行更替，令区域闭环路线集合在第K次交叉重叠清洗优化迭代中对应的更替结果为MBK|Ri；
所述随机去除的方式为：如果随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线后，导致更替结果MBK|Ri=∅，则该任意一条公交路线无法去除，选择第K次交叉重叠清洗优化迭代样本公交路线集BRCK中的另一条公交路线进行随机去除；否则该任意一条公交路线可以去除；
根据车载设备的监测范围，确定更替结果MBK|Ri中每一条公交路线在监测区域Ri中的监测覆盖面积，记为MCAr(MBK|Ri)，其中，MCAr(MBK|Ri)表示更替结果MBK|Ri中第r条公交路线在监测区域Ri中的监测覆盖面积；
根据更替结果MBK|Ri中每一条公交路线在监测区域Ri中的监测覆盖面积，确定监测区域Ri在第K次交叉重叠清洗优化迭代中的监测覆盖面积的重叠面积总和，记为OA(MBK|Ri)；
计算第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，具体计算公式如下：
MCQK=∑i=1 n{OA(MBK|Ri)/∑r=1 RMCAr(MBK|Ri)×{[∑r=1 RMCAr(MBK|Ri)-OA(MBK|Ri)]/AR(Ri)}}
其中，MCQK表示第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，R表示更替结果MBK|Ri中的公交路线总数，AR(Ri)表示监测区域Ri的总面积；
预设监测覆盖准度阈值，如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度小于等于监测覆盖准度阈值，则停止优化迭代，并输出第K次交叉重叠清洗优化迭代样本公交路线集BRCK；
如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度大于监测覆盖准度阈值，则随机去除第K次交叉重叠清洗优化迭代样本公交路线集BRCK中的任意一条公交路线，并令K=K+1，对区域闭环路线集合进行更替，令区域闭环路线集合在第K+1次交叉重叠清洗优化迭代中对应的更替结果为MBK+1|Ri，进行第K+1次交叉重叠清洗优化迭代；
所述步骤S400的具体实施过程包括：
步骤S401：对任意一个监测区域Ri中包含的住宅区、办公商场区和城市绿化区进行位置标点，并生成监测目标点集合，记为MTP(Ri)={q1，q2，...，qv}，其中q1，q2，...，qv分别表示任意一个监测区域Ri中包含的第1，2，...，v个监测目标点；
步骤S402：停止优化迭代后，识别第K次交叉重叠清洗优化迭代样本公交路线集BRCK中任意一条公交路线在监测区域Ri中的覆盖监测到的监测目标点，并生成更替目标点集合，记为CTP(Ri|We)={Q1，Q2，...，Qu}，其中，Q1，Q2，...，Qu分别表示任意一条公交路线We在监测区域Ri中的覆盖监测到的第1，2，...，u个更替目标点，We∈BRCK，e表示公交路线编号；
步骤S403：根据监测目标点集合和更替目标点集合，计算停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK的每一条公交路线的应用得分，具体计算公式如下：
G(We)=∑i=1 nG[CTP(Ri|We)]
G[CTP(Ri|We)]=∑f=1 uF(Qf)
F(Qf)=lg{[19+NUM(Qf，MTP(Ri))]/[NUM(Qf，MTP(Ri))+1]}
其中，G(We)表示停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK中任意一条公交路线We的应用得分，G[CTP(Ri|We)]表示任意一条公交路线We在监测区域Ri中的应用得分，F(Qf)表示更替目标点集合CTP(Ri|We)中任意一个更替目标点Qf的匹配得分，NUM(Qf，MTP(Ri))表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配成功的监测目标点的个数；
如果F(Qf)=1，则表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配成功；如果F(Qf)≠1，则表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配不成功，并令F(Qf)=0；
将停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理。
2.一种基于人工智能的车载设备应用管理系统，其特征在于，所述系统包括：划分捕捉模块、清洗选择模块、车载设备应用分析模块和车载设备维护分析模块；
所述划分捕捉模块，用于对城市范围进行区域属性划分，所述区域属性包括住宅区、办公商场区和城市绿化区，并生成监测区域集合；对城市公交路线进行捕捉，并生成公交路线集合；
所述清洗选择模块，用于统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合；根据路线闭环区域集合，对公交路线进行清洗选择，所述清洗选择包括去除重复清洗和交叉重叠清洗；
所述车载设备应用分析模块，用于对公交路线进行去除重复清洗；去除重复清洗完成后，对公交路线进行交叉重叠清洗，设置交叉重叠清洗优化迭代模型，优化迭代完成后，输出交叉重叠清洗优化迭代样本公交路线集，对行驶在交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线上的公交车安装车载设备，所述车载设备为安装在公交车上的用于监测城市环境信息的传感器；
所述车载设备维护分析模块，用于优化迭代完成后，对输出的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线进行评分，将优化迭代完成后的交叉重叠清洗优化迭代样本公交路线集中的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理；
所述划分捕捉模块还包括区域划分单元和路线捕捉单元；
所述区域划分单元，根据城市控制性详细规划图，对城市范围进行区域属性划分，共得到n个监测区域，所述区域属性包括住宅区、办公商场区和城市绿化区；对划分的监测区域进行统一编号，并生成监测区域集合，记为MTC={R1，R2，...，Rn}，其中，R1，R2，...，Rn分别表示第1，2，...，n个监测区域；
所述路线捕捉单元，根据城市公交路线图，对城市公交路线进行捕捉，共得到m条公交路线，对公交路线进行统一编号，并生成公交路线集合，记为BRC={W1，W2，...，Wm}，其中，W1，W2，...，Wm分别表示第1，2，...，m条公交路线；
所述清洗选择模块还包括路线闭环统筹单元和清洗选择单元；
所述路线闭环统筹单元，用于统筹每一条公交路线经过的全部监测区域，并生成路线闭环区域集合，记为BM|Wx，其中，BM|Wx表示任意一条公交路线Wx对应生成的路线闭环区域集合，且Wx∈BRC；
所述清洗选择单元，根据路线闭环区域集合，对公交路线进行清洗选择，所述清洗选择包括去除重复清洗和交叉重叠清洗，所述清洗选择的关系为先进行去除重复清洗，后进行交叉重叠清洗，且前一种清洗的结果作为后一种清洗的对象；
所述车载设备应用分析模块还包括去除重复清洗单元和交叉重叠清洗单元；
所述去除重复清洗单元，用于获取任意两个路线闭环区域集合BM|Wx和BM|Wy，如果BM|Wy⊆BM|Wx，则对路线闭环区域集合BM|Wy对应的公交路线进行去除重复清洗，并且对公交路线集合BRC进行去除后的更新，去除更新后对公交路线重新进行统一编号，将去除更新后的公交路线集合BRC作为去除重复清洗的结果及交叉重叠清洗的对象；否则不对路线闭环区域集合BM|Wy对应的公交路线进行去除重复清洗；
所述交叉重叠清洗单元，用于统筹经过每一个监测区域的全部公交路线，并生成区域闭环路线集合，记为MB|Ri，其中，MB|Ri表示任意一个监测区域Ri对应生成的区域闭环路线集合，且Ri∈MTC；
设置交叉重叠清洗优化迭代模型，令第K次交叉重叠清洗优化迭代样本公交路线集为BRCK，且第一次交叉重叠清洗优化迭代样本公交路线集为BRC1，且BRC1=BRC，其中，BRC1为去除更新后的公交路线集合；
随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线，并根据去除的任意一条公交路线，对区域闭环路线集合进行更替，令区域闭环路线集合在第K次交叉重叠清洗优化迭代中对应的更替结果为MBK|Ri；
所述随机去除的方式为：如果随机去除第K次交叉重叠清洗优化迭代样本公交路线集中的任意一条公交路线后，导致更替结果MBK|Ri=∅，则该任意一条公交路线无法去除，选择第K次交叉重叠清洗优化迭代样本公交路线集BRCK中的另一条公交路线进行随机去除；否则该任意一条公交路线可以去除；
根据车载设备的监测范围，确定更替结果MBK|Ri中每一条公交路线在监测区域Ri中的监测覆盖面积，记为MCAr(MBK|Ri)，其中，MCAr(MBK|Ri)表示更替结果MBK|Ri中第r条公交路线在监测区域Ri中的监测覆盖面积；
根据更替结果MBK|Ri中每一条公交路线在监测区域Ri中的监测覆盖面积，确定监测区域Ri在第K次交叉重叠清洗优化迭代中的监测覆盖面积的重叠面积总和，记为OA(MBK|Ri)；
计算第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，具体计算公式如下：
MCQK=∑i=1 n{OA(MBK|Ri)/∑r=1 RMCAr(MBK|Ri)×{[∑r=1 RMCAr(MBK|Ri)-OA(MBK|Ri)]/AR(Ri)}}
其中，MCQK表示第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度，R表示更替结果MBK|Ri中的公交路线总数，AR(Ri)表示监测区域Ri的总面积；
预设监测覆盖准度阈值，如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度小于等于监测覆盖准度阈值，则停止优化迭代，并输出第K次交叉重叠清洗优化迭代样本公交路线集BRCK；
如果第K次交叉重叠清洗优化迭代的车载设备的监测覆盖准度大于监测覆盖准度阈值，则随机去除第K次交叉重叠清洗优化迭代样本公交路线集BRCK中的任意一条公交路线，并令K=K+1，对区域闭环路线集合进行更替，令区域闭环路线集合在第K+1次交叉重叠清洗优化迭代中对应的更替结果为MBK+1|Ri，进行第K+1次交叉重叠清洗优化迭代；
所述车载设备维护分析模块还包括目标点识别单元和应用评分单元；
所述目标点识别单元，用于对任意一个监测区域Ri中包含的住宅区、办公商场区和城市绿化区进行位置标点，并生成监测目标点集合，记为MTP(Ri)={q1，q2，...，qv}，其中q1，q2，...，qv分别表示任意一个监测区域Ri中包含的第1，2，...，v个监测目标点；停止优化迭代后，识别第K次交叉重叠清洗优化迭代样本公交路线集BRCK中任意一条公交路线在监测区域Ri中的覆盖监测到的监测目标点，并生成更替目标点集合，记为CTP(Ri|We)={Q1，Q2，...，Qu}，其中，Q1，Q2，...，Qu分别表示任意一条公交路线We在监测区域Ri中的覆盖监测到的第1，2，...，u个更替目标点，We∈BRCK，e表示公交路线编号；
所述应用评分单元，根据监测目标点集合和更替目标点集合，计算停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK的每一条公交路线的应用得分，具体计算公式如下：
G(We)=∑i=1 nG[CTP(Ri|We)]
G[CTP(Ri|We)]=∑f=1 uF(Qf)
F(Qf)=lg{[19+NUM(Qf，MTP(Ri))]/[NUM(Qf，MTP(Ri))+1]}
其中，G(We)表示停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK中任意一条公交路线We的应用得分，G[CTP(Ri|We)]表示任意一条公交路线We在监测区域Ri中的应用得分，F(Qf)表示更替目标点集合CTP(Ri|We)中任意一个更替目标点Qf的匹配得分，NUM(Qf，MTP(Ri))表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配成功的监测目标点的个数；
如果F(Qf)=1，则表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配成功；如果F(Qf)≠1，则表示任意一个更替目标点Qf在监测目标点集合MTP(Ri)中的匹配不成功，并令F(Qf)=0；
将停止优化迭代后第K次交叉重叠清洗优化迭代样本公交路线集BRCK的每一条公交路线，按照每一条公交路线的应用得分进行从大到小排序，监督人员按照排序结果进行车载设备应用的人工智能维护管理。
CN202311177954.5A 2023-09-13 2023-09-13 一种基于人工智能的车载设备应用管理系统及方法 Active CN116933978B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311177954.5A CN116933978B (zh) 2023-09-13 2023-09-13 一种基于人工智能的车载设备应用管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311177954.5A CN116933978B (zh) 2023-09-13 2023-09-13 一种基于人工智能的车载设备应用管理系统及方法

Publications (2)

Publication Number Publication Date
CN116933978A CN116933978A (zh) 2023-10-24
CN116933978B true CN116933978B (zh) 2023-12-22

Family

ID=88375635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311177954.5A Active CN116933978B (zh) 2023-09-13 2023-09-13 一种基于人工智能的车载设备应用管理系统及方法

Country Status (1)

Country Link
CN (1) CN116933978B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104215744A (zh) * 2014-09-23 2014-12-17 山东省分析测试中心 基于城市公交网的大气监测系统及方法
CN106845371A (zh) * 2016-12-31 2017-06-13 中国科学技术大学 一种城市路网机动车尾气排放遥感监控系统
CN109878400A (zh) * 2018-10-19 2019-06-14 南京大学 模块化全功能拓展大气监测移动平台及监测使用方法
CN112368563A (zh) * 2017-07-29 2021-02-12 山东诺方电子科技有限公司 一种利用公共交通工具监测空气质量的系统
EP3793227A1 (en) * 2019-09-13 2021-03-17 Honeywell International Inc. Systems and methods for detecting vehicle or environmental changes from data from automated vehicles
CN112730173A (zh) * 2020-12-15 2021-04-30 南京中诚签信息科技有限公司 一种基于5g的移动式城市环境监测系统及方法
CN116109118A (zh) * 2023-04-17 2023-05-12 江苏新睿清智科技有限公司 一种基于物联网的污染溯源追踪分析系统及方法
CN116628455A (zh) * 2023-07-25 2023-08-22 中路高科交通科技集团有限公司 一种城市交通碳排放监测与决策支持方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104215744A (zh) * 2014-09-23 2014-12-17 山东省分析测试中心 基于城市公交网的大气监测系统及方法
CN106845371A (zh) * 2016-12-31 2017-06-13 中国科学技术大学 一种城市路网机动车尾气排放遥感监控系统
CN112368563A (zh) * 2017-07-29 2021-02-12 山东诺方电子科技有限公司 一种利用公共交通工具监测空气质量的系统
CN112639439A (zh) * 2017-07-29 2021-04-09 山东诺方电子科技有限公司 一种利用公交车进行大气监测时提高监测覆盖率的方法
CN109878400A (zh) * 2018-10-19 2019-06-14 南京大学 模块化全功能拓展大气监测移动平台及监测使用方法
EP3793227A1 (en) * 2019-09-13 2021-03-17 Honeywell International Inc. Systems and methods for detecting vehicle or environmental changes from data from automated vehicles
CN112730173A (zh) * 2020-12-15 2021-04-30 南京中诚签信息科技有限公司 一种基于5g的移动式城市环境监测系统及方法
CN116109118A (zh) * 2023-04-17 2023-05-12 江苏新睿清智科技有限公司 一种基于物联网的污染溯源追踪分析系统及方法
CN116628455A (zh) * 2023-07-25 2023-08-22 中路高科交通科技集团有限公司 一种城市交通碳排放监测与决策支持方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
AQMoD: An IoT Implementation of Air Quality Monitoring, Mapping, and Warning System Using Drone Technology;Marie France Therese Babierra等;《TENCON 2022 - 2022 IEEE Region 10 Conference (TENCON)》;第1-5页，全文 *
Automobile gross emitter screening with remote sensing data using objective-oriented neural network;Chen ho wen等;《SCIENCE OF THE TOTAL ENVIRONMENT》;第407卷(第22期);第5811-5817页，全文 *
基于移动监测的城市道路交通碳排放形成机理――以上海市为例;孙健;张颖;薛睿;张毅;;《中国公路学报》;30(05);第122-131页，全文 *
大气污染天地空一体化监测技术体系建立研究;王维维;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》(第12期);第B027-365页，全文 *

Also Published As

Publication number Publication date
CN116933978A (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
Rahman et al. Analysis of bus travel time distributions for varying horizons and real-time applications
CN102157075B (zh) 公交到站的预测方法
CN104778836B (zh) 基于手机信令数据质量感知的高速公路交通状态识别方法
CN101930668B (zh) 车牌识别的道路交通od信息采集系统的处理方法
CN108335377B (zh) 一种基于gis技术的道路巡查车辆业务自动考核的方法
CN110363984B (zh) 交通流量预测方法和设备
CN107545763B (zh) 一种车辆定位方法、终端、服务器及系统
CN103295414A (zh) 一种基于海量历史gps轨迹数据的公交车到站时间预测方法
CN103065468A (zh) 交通信息的评估方法和装置
CN115577939A (zh) 基于水安全的城市防汛调度指挥系统
CN115100848A (zh) 一种地面交通拥堵的出行溯源方法和系统
CN112016735A (zh) 一种基于交通违法热点预测的巡逻路线规划方法、系统和可读存储介质
CN114419897A (zh) 一种基于v2x技术的城市交通cim系统及其展示方法
CN111143769B (zh) 一种基于大数据的出行方式分担率的预测方法和预测装置
CN114692962A (zh) 一种基于大数据的充电基础设施满足度评估方法和系统
CN113438605B (zh) 轨道站点客流集散空间分布识别方法、装置及电子设备
CN116933978B (zh) 一种基于人工智能的车载设备应用管理系统及方法
CN117409584B (zh) 基于碳中和的新型智慧城市交通管理方法和系统
CN104700616B (zh) 城市交通压力预测方法及系统
CN116862697A (zh) 一种收费公路收费额仿真预测方法、系统、设备及终端
CN108596381B (zh) 基于od数据的城市停车需求预测方法
CN115587503A (zh) 基于多模式仿真的个体出行链还原方法
CN115169588A (zh) 电像计算时空轨迹车码关联方法、装置、设备及存储介质
CN118071234B (zh) 基于输入输出隐马尔可夫模型的运渣车运输活动预测方法
CN117894192B (zh) 一种基于手机信令数据的路段车辆平均载客数估计方法

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