CN116579589A

CN116579589A - 一种环卫车辆作业状况智能监管系统

Info

Publication number: CN116579589A
Application number: CN202310851201.1A
Authority: CN
Inventors: 陈卫彬; 陈东海
Original assignee: Beijing Yunshanghui Information Technology Co ltd
Current assignee: Beijing Yunshanghui Information Technology Co ltd
Priority date: 2023-07-12
Filing date: 2023-07-12
Publication date: 2023-08-11

Abstract

本发明公开了一种环卫车辆作业状况智能监管系统，涉及智能监管技术领域，本发明通过传感器系统和数据处理技术进行实时的环卫车辆的作业状态、运行状况以及装置运行时长监测，同时利用数据分析技术及时提供异常情况预警，而智能监管系统能够整合多源数据，通过数据分析技术进行多维度数据分析和关联分析，可以更好地理解作业效率和资源消耗因素之间的关系，便于优化作业调度和资源分配，智能监管系统基于作业效率和资源消耗因素之间的关系分析并利用优化算法和数据分析结果，生成最优的车辆调度方案，帮助管理部门更好地监控和管理环卫车辆的作业状况，提高作业效率、资源利用率和安全性，实现精细化管理和优化决策。

Description

一种环卫车辆作业状况智能监管系统

技术领域

本发明涉及智能监管技术领域，具体为一种环卫车辆作业状况智能监管系统。

背景技术

环卫车辆是专门用于城市环境卫生和清洁工作的车辆。它们通常由政府或城市管理部门购买和运营，旨在维护城市的卫生状况，保持公共区域的整洁和清洁。环卫车辆的种类和功能各不相同，根据具体的清洁任务和需求，可以包括，垃圾收集车辆，清扫车辆、洗车车辆、除雪车辆、环保车辆，环卫车辆在城市管理中起着重要的作用，它们的运行和管理对于维护城市环境的清洁和卫生至关重要。

对环卫车辆来说，监控作业状况可以帮助管理人员了解环卫车辆的作业量和清洁面积等数据，从而更好地分配资源和人力，确保在需要清洁的区域投入足够的车辆和人员，避免资源的浪费和不必要的成本，同时通过监控环卫车辆的作业状况，可以及时发现和解决问题，确保作业质量达到要求。管理人员可以对作业数据进行分析和评估，及时采取纠正措施，提高作业标准和效果。

然而传统环卫车辆作业状况监管系统只提供基本的作业状态监控，如位置、时间和行驶轨迹等，而缺乏对作业效率、资源消耗关键指标的综合监测和分析，这使得管理部门无法全面了解作业状况，无法及时发现问题和进行有针对性的改进，而同时传统系统的调度功能相对有限，往往仅依靠人工的经验和规则进行调度决策，无法确定合适的作业调度方案，导致作调度不够灵活，因此亟须一种环卫车辆作业状况智能监管系统来解决此类问题。

发明内容

本发明的目的是为了解决现有技术中存在的缺乏对作业效率、资源消耗关键指标的综合监测和分析，仅依靠人工的经验和规则进行调度决策，无法确定合适的作业调度方案，导致作业调度不够灵活的问题。

为实现上述目的，本发明提供了如下技术方案：

本发明提供了一种环卫车辆作业状况智能监管系统，其特征在于，该系统包括：

监管系统，对多维度数据进行分析以及异常数据的对比检测和报警；

传感器系统，在环卫车辆的作业装置系统上安装传感器，监测作业装置的运行状态和作业时长；

数据采集、传输系统，传感器实时采集作业装置数据，并通过无线通信传输到监管系统；

数据处理系统，对监管系统接收传输的数据，进行实时分析和评估作业装置的状态，发现异常情况并发送预警通知；

数据可视化系统，用于展示关键指标和数据，并根据监测系统的实时数据变化进行刷新和展示；

车辆调度管理系统，用于进行车辆调度优化并将调度指令下发给环卫车辆。

本发明进一步地设置为：所述监管系统包括多维度数据分析系统和异常检测、预警系统，所述多维度数据分析系统包括数据采集系统、整合系统、数据分析系统、关联系统和实时监测、反馈系统，

所述数据采集、整合系统，通过传感器系统收集环卫车辆的多维度数据，包括实时位置、行驶轨迹、油耗，并整合到统一到数据库中；

所述数据分析、关联系统，利用数据分析技术对数据进行关联分析，确定作业效率、资源消耗因素之间的关系；

所述实时监测、反馈系统，基于数据分析的结果，实时监测环卫车辆的运行状态，并向管理人员提供实时反馈和报告；

所述异常检测和预警系统，利用机器学习技术，建立环卫车辆作业的异常检测模型，学习正常和异常状态的特征；

本发明进一步地设置为：所述异常检测模型建立的具体步骤包括：

步骤1.收集传感器所获取的数据，包括作业状态、传感器数据、行驶数据；

步骤2.选用统计学方法、时间序列分析方法、信号处理方法等从收集到的数据中提取有用的特征，提取包括作业时间、作业速度、油耗在内的特征；

步骤3.根据已知的正常和异常状态，对数据进行标记，将正常状态的数据标记为0，将异常状态的数据标记为1；

步骤4.选用支持向量机（SVM）、随机森林（Random Forest）、深度学习模型来建立异常检测模型，并利用标记好的数据进行模型训练；

步骤5.使用评价指标对模型进行评估，判断模型的性能和效果，评估指标包括准确率、召回率、F1分数；

步骤6.将训练好的模型应用于实时数据，对环卫车辆作业状态进行异常检测；

本发明进一步地设置为：所述异常检测和预警系统包括实时监测、比对系统和预警、通知系统，

所述实时监测、比对系统，监管系统实时监测环卫车辆的作业状态和行为，将采集到的数据与异常模型进行比对，发现异常情况；

所述预警、通知系统，发现异常时，系统发送预警通知给工作人员；

本发明进一步地设置为：所述车辆调度管理系统，包括数据集成、分析系统和调度指令下发系统，

所述数据集成、分析系统，获取并同步环卫车所属城市的交通信息，整合实时监测的环卫车辆数据、作业需求和交通情况信息，进行数据可视化系统的综合分析和评估，利用优化算法结合数据分析结果，进行车辆调度优化，生成最优的调度方案；

所述调度指令下发系统，将优化的调度方案以指令形式下发给环卫车辆；

本发明进一步地设置为：所述利用优化算法进行的环卫车辆调度优化，并将调度指令下发给环卫车辆步骤具体如下：

步骤1.收集实时监测的环卫车辆数据、作业需求和交通情况，对数据进行整合和预处理，进行综合分析和评估，选用数据分析技术、统计学方法进行数据处理和分析；

步骤2. 采用遗传算法建立环卫车辆调度优化模型

定义优化目标函数，包括最小化作业时间、最小化车辆成本，根据具体需求进行设定；

利用数据分析结果作为模型输入，使用优化算法求解最优的调度方案；

步骤3.根据优化算法得到的最优调度方案，生成调度指令，将调度指令通过通信网络或移动应用程序下发给环卫车辆；

本发明进一步地设置为：所述传感器系统中的传感器，包括压力传感器、温度传感器、湿度传感器、倾斜传感器、距离传感器、摄像头和图像传感器、GPS定位传感器和加速度传感器。

采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：

本发明通过传感器系统和数据处理技术进行实时的环卫车辆的作业状态、运行状况以及装置运行时长监测，同时利用数据分析技术及时提供异常情况预警，便于及时采取纠正措施，防止问题扩大化，而智能监管系统能够整合多源数据，通过数据分析技术进行多维度数据分析和关联分析，可以更好地理解作业效率和资源消耗因素之间的关系，便于优化作业调度和资源分配，智能监管系统基于作业效率和资源消耗因素之间的关系分析并利用优化算法和数据分析结果，生成最优的车辆调度方案，通过综合考虑作业需求、交通情况和车辆状态因素，系统能够有效地提高车辆利用率、降低成本，并提升作业效率和响应能力，帮助管理部门更好地监控和管理环卫车辆的作业状况，提高作业效率、资源利用率和安全性，实现精细化管理和优化决策，解决了现有技术中存在的缺乏对作业效率、资源消耗关键指标的综合监测和分析，仅依靠人工的经验和规则进行调度决策，无法确定合适的作业调度方案，导致作调度不够灵活的问题。

附图说明

图1为本发明的一种环卫车辆作业状况智能监管系统的流程图；

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，所描述的实施条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，本发明提供一种技术方案：一种环卫车辆作业状况智能监管系统，其特征在于，该系统包括：

传感器系统，在环卫车辆的作业装置系统上安装传感器，监测作业装置的运行状态和作业时长，传感器，包括压力传感器、温度传感器、湿度传感器、倾斜传感器、距离传感器、摄像头和图像传感器、GPS定位传感器和加速度传感器，传感器，包括压力传感器，安装在垃圾桶压实装置上，温度传感器，安装在垃圾箱、发动机、液压系统，度传感器，用于检测环境湿度，安装在作业装置周围的空气流通位置，倾斜传感器，用于检测车辆和作业装置的倾斜角度，安装在车辆底盘和作业装置上，距离传感器，用于测量与障碍物之间的距离，安装在车辆的前、后、侧部和作业装置的边缘位置，摄像头和图像传感器，用于实时监测作业装置周围的视野，安装在车辆的前、后、侧部位。GPS定位传感器，用于获取车辆的实时位置信息，安装在车辆顶部和导航系统中，加速度传感器，用于检测车辆的加速度和震动情况，安装在车辆底盘和作业装置上。

数据采集、传输系统，传感器实时采集作业装置数据，并通过无线通信传输到监管系统，数据处理系统，对监管系统接收传输的数据，进行实时分析和评估作业装置的状态，发现异常情况并发送预警通知，监管系统包括多维度数据分析系统和异常检测、预警系统。

多维度数据分析系统包括数据采集系统、整合系统、数据分析系统、关联系统和实时监测、反馈系统，数据采集、整合系统，通过传感器系统收集环卫车辆的多维度数据，包括实时位置、行驶轨迹、油耗，并整合到统一到数据库中；数据分析、关联系统，利用数据分析技术对数据进行关联分析，确定作业效率、资源消耗因素之间的关系；实时监测、反馈系统，基于数据分析的结果，实时监测环卫车辆的运行状态，并向管理人员提供实时反馈和报告。

异常检测和预警系统，利用机器学习技术，建立环卫车辆作业的异常检测模型，学习正常和异常状态的特征。

以下为使用Python的scikit-learn库实现异常检测模型的代码：

# 获取的环卫车辆作业的特征数据features和对应的标记labels

# 特征缩放

scaler = StandardScaler()

scaled_features = scaler.fit_transform(features)

# 构建异常检测模型

model = OneClassSVM()

model.fit(scaled_features)

# 在训练集上进行异常检测

train_predictions = model.predict(scaled_features)

# 在新数据上进行异常检测

new_data = scaler.transform(new_data_features)

new_predictions = model.predict(new_data)

先对特征数据进行特征缩放，再使用OneClassSVM算法构建异常检测模型，模型训练后在训练集上进行异常检测，并在新数据上进行异常检测，实现对于异常检测模型的建立和异常检测。

异常检测和预警系统包括实时监测、比对系统和预警、通知系统：实时监测、比对系统，监管系统实时监测环卫车辆的作业状态和行为，将采集到的数据与异常模型进行比对，发现异常情况；预警、通知系统，一旦发现异常，系统发送预警通知给工作人员，便于工作人员及时采取纠正措施，防止问题扩大化。

数据可视化系统，用于展示关键指标和数据，并根据监测系统的实时数据变化进行刷新和展示；车辆调度管理系统，包括数据集成、分析系统和调度指令下发系统：数据集成、分析系统，获取并同步环卫车所属城市的交通信息，整合实时监测的环卫车辆数据、作业需求和交通情况信息，进行数据可视化系统的综合分析和评估；利用优化算法结合数据分析结果，进行车辆调度优化，生成最优的调度方案，获取环卫车所属城市的交通信息跟当地交通管理部门确定后进行信息获取，调度指令下发，将优化的调度方案以指令形式下发给环卫车辆，信息的实时获取确保了及时更新和调整，提高车辆利用率和作业效率。

使用遗传算法进行环卫车辆调度优化和指令下发代码：

# 已获取环卫车辆调度优化的相关数据和需求

# 定义适应度函数（优化目标函数）

def fitness_function(individual):

# 根据个体表示的调度方案计算适应度（优化目标值）

fitness = ... # 根据具体需求计算适应度

return fitness,

# 定义问题和个体表示

creator.create("FitnessMin", base.Fitness, weights=(-1.0,))

creator.create("Individual", list, fitness=creator.FitnessMin)

# 初始化遗传算法相关参数

toolbox = base.Toolbox()

toolbox.register("individual", ... ) # 定义个体的初始化方法

toolbox.register("population", tools.initRepeat, list,toolbox.individual)

toolbox.register("evaluate", fitness_function)

toolbox.register("mate", ...) # 定义交叉操作方法

toolbox.register("mutate", ...) # 定义变异操作方法

toolbox.register("select", ...) # 定义选择操作方法

# 定义遗传算法的主要步骤

def main():

# 初始化种群

population = toolbox.population(n=100)

# 运行遗传算法

algorithms.eaSimple(population, toolbox, cxpb=0.5, mutpb=0.2,ngen=50)

# 获取最优解

best_individual = tools.selBest(population, k=1)[0]

# 根据最优解生成调度指令

schedule_instructions = ... # 根据具体需求生成调度指令

# 将调度指令下发给环卫车辆

# 执行主函数

if __name__ == "__main__":

main()

先定义适应度函数，根据个体表示的调度方案计算适应度，然后使用遗传算法优化框架（`deap`库）进行环卫车辆调度优化，包括初始化种群、定义遗传算子（交叉、变异、选择），最后根据最优解生成调度指令，并将其下发给环卫车辆。

本发明所提供的环卫车辆作业状况智能监管系统通过传感器系统和数据处理技术进行实时的环卫车辆的作业状态、运行状况以及装置运行时长监测，同时利用数据分析技术及时提供异常情况预警，便于及时采取纠正措施，防止问题扩大化，而智能监管系统能够整合多源数据，包括环卫车辆作业数据、交通情况、作业需求，通过数据分析技术进行多维度数据分析和关联分析，可以更好地理解作业效率和资源消耗因素之间的关系，便于优化作业调度和资源分配。

智能监管系统基于作业效率和资源消耗因素之间的关系分析并利用优化算法和数据分析结果，生成最优的车辆调度方案，通过综合考虑作业需求、交通情况和车辆状态因素，系统能够有效地提高车辆利用率、降低成本，并提升作业效率和响应能力，帮助管理部门更好地监控和管理环卫车辆的作业状况，提高作业效率、资源利用率和安全性，实现精细化管理和优化决策。

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

1.一种环卫车辆作业状况智能监管系统，其特征在于，该系统包括：

2.根据权利要求1所述的一种环卫车辆作业状况智能监管系统，其特征在于，所述监管系统包括多维度数据分析系统和异常检测、预警系统，所述多维度数据分析系统包括数据采集系统、整合系统、数据分析系统、关联系统和实时监测、反馈系统，

所述异常检测和预警系统，利用机器学习技术，建立环卫车辆作业的异常检测模型，学习正常和异常状态的特征。

3.根据权利要求2所述的一种环卫车辆作业状况智能监管系统，其特征在于，所述异常检测模型建立的具体步骤包括：

步骤6.将训练好的模型应用于实时数据，对环卫车辆作业状态进行异常检测。

4.根据权利要求2所述的一种环卫车辆作业状况智能监管系统，其特征在于，所述异常检测和预警系统包括实时监测、比对系统和预警、通知系统，

所述预警、通知系统，发现异常时，系统发送预警通知给工作人员。

5.根据权利要求1所述的一种环卫车辆作业状况智能监管系统，其特征在于，所述车辆调度管理系统，包括数据集成、分析系统和调度指令下发系统，

所述调度指令下发系统，将优化的调度方案以指令形式下发给环卫车辆。

6.根据权利要求5所述的一种环卫车辆作业状况智能监管系统，其特征在于，所述利用优化算法进行的环卫车辆调度优化，并将调度指令下发给环卫车辆步骤具体如下：

步骤2. 采用遗传算法建立环卫车辆调度优化模型

步骤3.根据优化算法得到的最优调度方案，生成调度指令，将调度指令通过通信网络或移动应用程序下发给环卫车辆。

7.根据权利要求1所述的一种环卫车辆作业状况智能监管系统，其特征在于，所述传感器系统中的传感器，包括压力传感器、温度传感器、湿度传感器、倾斜传感器、距离传感器、摄像头和图像传感器、GPS定位传感器和加速度传感器。