CN110020755B - 基于人机协同的城市管理*** - Google Patents
基于人机协同的城市管理*** Download PDFInfo
- Publication number
- CN110020755B CN110020755B CN201910294926.9A CN201910294926A CN110020755B CN 110020755 B CN110020755 B CN 110020755B CN 201910294926 A CN201910294926 A CN 201910294926A CN 110020755 B CN110020755 B CN 110020755B
- Authority
- CN
- China
- Prior art keywords
- urban
- case
- files
- management
- city
- 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
Links
- 238000007405 data analysis Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 44
- 238000004458 analytical method Methods 0.000 claims description 29
- 230000007246 mechanism Effects 0.000 claims description 20
- 238000012795 verification Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 5
- 238000007726 management method Methods 0.000 abstract description 137
- 238000000034 method Methods 0.000 abstract description 25
- 230000006399 behavior Effects 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000011161 development Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 19
- 239000003086 colorant Substances 0.000 description 7
- 239000010813 municipal solid waste Substances 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 4
- 241000282472 Canis lupus familiaris Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000004916 vomit Anatomy 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G06Q10/04—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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于人机协同的城市管理***,包括发现问题算法模块、识别问题算法模块、大数据分析算法模块、生成案卷模块和案卷分派处置模块,所述发现问题算法模块,用于将城市管理历史案卷信息结合环境和社会因素通过大数据分析对发生的城市问题进行预测,根据预测结果形成城市问题。本发明的基于人机协同的城市管理***为满足城市管理需求的发展趋势,基于图像识别技术,结合大数据分析服务应用于城市管理业务平台中,实现发现问题、处置问题、解决问题全流程自动化闭环服务能力。且通过此模式建立管理对象诚信管理体系,让管理对象自行处理个人的违规行为,由于是借助智能化的管理***则能释放更多的人工工作。
Description
技术领域
本发明涉及城市管理技术领域,尤其涉及一种基于人机协同的城市管理***。
背景技术
城市管理的重点工作是负责市政设施、市容环境、街面秩序、户外广告、渣土、犬类等事、部件各类问题的监管与处置。城市管理问题主要是通过发现问题、处置问题、解决问题的闭环流程进行处理,传统的方式都是以人工形式进行处理,当前已开始通过视频识别技术手段自动发现问题,但因识别准确率不高,需要人工对每个视频识别的问题进行核实,所以目前仍旧是以人工为主的形式对城市管理问题进行闭环处理。
目前这种形式存在的缺陷很多,包括以下几点:
一、发现问题的手段仍旧以人工为主,无法提升工作效率,主要表现在:
1、视频图像识别没有按照城市管理问题的业务场景(多分类、区域范围、动态性)进行精细化的识别分析,导致准确率不高,需要人工对每一个视频识别发现的问题进行审核,无法替代人工发现问题。
2、图像识别服务只能基于视频识别,缺少照片的识别能力,无法满足城市管理全过程的照片识别服务,只能通过人工对照片进行核实。
3、图像识别未能利用其他技术或手段,通过与案卷信息数据的碰撞分析,解决重复案卷、误报等问题的处理机制,来提升识别准确率。
4、对于人工采集城市管理问题,往往是采集员自行对所负责片区进行巡查发现城市管理问题,随意性大,容易忽略城市管理问题的发生,导致问题的滞留,无法得到有效的处理,缺少有效的推进手段来加强城市问题的采集效率。
二、处置问题无法自动流转,管理成本不断升高,主要表现在:
1、城市管理问题的处置过程缺少管理对象资源库,无法识别问题归属的管理对象,不能进行自动分派。
2、问题的处置过程都需人工对案卷的信息(类型、地点、描述)、案卷图片逐一进行核实处理,需要花费大量人工现场处置。
3、缺少对于处置问题前后的图像智能化对比分析,无法实现案卷的自动结案,因此需要人工进行审核处理。
三、缺少长效机制来遏制城市问题重复发生,主要表现在:
没有形成一个基于管理对象画像的长效管理机制,导致违法成本低,各类城市问题反复发生,缺少治本方案,由此带来管理资源的极大浪费。
综上所述,当前对于发现问题、处置问题、解决问题的闭环流程,仍旧是采用以人工为主处理,一方面是图像识别技术未采用精细化的识别,识别准确率不高,无法满足行业业务需求;二是处置问题缺少有效的技术手段减少人工处置工作量,三是对于解决问题没有有效的管控机制从根源上杜绝问题的再次发生。因此对于城市管理的闭环流程是需要通过有效的技术手段与管理方法替代人工为主的工作模式。
发明内容
本发明针对现有技术中的缺点,提供了一种基于人机协同的城市管理***。
为了解决上述技术问题,本发明通过下述技术方案得以解决:
一种基于人机协同的城市管理***,包括发现问题算法模块、识别问题算法模块、大数据分析算法模块、生成案卷模块和案卷分派处置模块,
所述发现问题算法模块,用于将城市管理历史案卷信息结合环境和社会因素通过大数据分析对发生的城市问题进行预测,得到预测结果,根据预测结果形成城市问题;
所述识别问题算法模块,用于对形成的城市问题进行识别,若城市问题存在并有效,则将识别出城市问题发送至大数据分析算法模块;
所述大数据分析算法模块,用于对已经被识别的城市问题进行业务与逻辑分析与判定,判断城市问题是否重复或者有效,得到判断结果;
所述生成案卷模块,用于将判定结果生成城市问题案卷;
所述案卷分派处置模块,用于将生成的城市问题案卷进行分派和处置。
作为一种可实施方式,所述将城市管理历史案卷信息结合环境和社会因素通过大数据分析对发生的城市问题进行预测具体为:通过城市管理历史案卷的各类信息进行分析预测,预测出何时何地会发生城市管理问题;
其中,城市管理历史案卷的各类信息包括案卷的类型、案卷对应的经纬度、案卷发生的时间、案卷的描述、案卷图片信息、案卷对应的环境以及案卷对应的社会因素。
作为一种可实施方式,所述识别问题算法模块是通过调用图像识别服务平台来识别形成的城市问题是否有效,若城市问题有效,则产生城市问题告警信息;
其中,图像识别服务平台是通过图像识别算法对接各路视频源,图像识别精细化服务识别城市管理问题,或,对城市管理人员上传的案卷图片信息进行有效识别。
作为一种可实施方式,所述图像识别算法包括多分类图像识别、区域范围图像识别以及动态特性图像识别;
其中,所述多分类图像识别能基于一张静态画面根据城市管理业务标准识别和输出多种类型的城市问题;
所述区域范围图像识别结合业务场景,针对特定区域内多维度的进行识别;
所述动态特性图像识别针对违法问题具有动态特征的城市问题,并根据业务规则进行多次识别对比分析。
作为一种可实施方式,所述对已经被识别的城市问题进行业务与逻辑分析与判定,判断城市问题是否重复或者有效,得到判断结果,具体为:
将当前产生的城市问题案卷与当日一定时间范围内已经生成的案卷进行对比分析,若与已经生成的案卷属于重复案卷,则判定为重复案卷,结束相应的城市问题案卷,若不属于重复案卷则流转到历史数据对比分析;
将问题案卷与历史案卷进行对比分析,若与历史案卷信息一致,则增加相应城市问题案卷的置信度,并判定其为有效案卷;若不一致,则修正相对应的城市问题类型。
作为一种可实施方式,还包括多维度的城市问题案卷对比分析步骤,得到其他维度的城市问题案卷对比分析结果,若对比分析结果属于过滤范围内的问题案卷,则结束相应城市问题的案卷,若不满足条件则进入所述生成案卷模块。
作为一种可实施方式,所述案卷分派处置模块包括案卷分派模块和案卷处置模块;
所述案卷分派模块,用于识别城市问题案卷的归属管理对象,并将城市问题案卷分派到相对应的管理对象进行处理,并对于违章产生多次城市问题案卷的管理对象,则将直接分派至城市管理人员处;
所述案卷处置模块,用于配置城市问题案卷处理时间,若超过处理时间,则将经过所述案卷处置模块进行处置的相关结果进行进一步处理。
作为一种可实施方式,所述管理对象为商家或车主,根据商家信息或车主信息生成管理对象资源库,并基于管理对象建立诚信管理机制;
其中,所述诚信管理机制是对管理对象每一次的违章行为进行记录备案并且设定违章阈值,首次超出违章阈值则提醒管理对象并告知超出违章阈值能产生的后果,后续的违章行为不再进行提醒告知,则基于自由裁量形成处罚通知单或现场执法人员进行处罚。
作为一种可实施方式,还包括案卷核实算法模块,所述案卷核实算法模块用于:
接收所述案卷处置模块进行处置的相关结果,并进行进一步处理,将处置的相关结果与当前时间节点的案卷图像信息进行对比分析判断是否已经进行处理,若已处理则将城市问题案卷进行结案;若未处理,则发送至城市管理人员处,并进行现场处理;
对城市管理人员现场处理城市问题案卷的前后图像进行对比,确认城市问题案卷是否已经处理完毕,若处理完毕,则进行结案。
作为一种可实施方式,所述发现问题算法模块、识别问题算法模块、大数据分析算法模块、和案卷核实算法模块能进行不断学习和演进。
本发明由于采用了以上技术方案,具有显著的技术效果:
本发明的基于人机协同的城市管理***为满足城市管理需求的发展趋势,基于图像识别技术,结合大数据分析服务应用于城市管理业务平台中,实现发现问题、处置问题、解决问题全流程自动化闭环服务能力。且通过此模式建立管理对象诚信管理体系,让管理对象自行处理个人的违规行为,由于是借助智能化的管理***则能释放更多的人工工作。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的整体结构示意图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
本发明是以现有的城市管理为背景,在现有技术中,城市管理的重点工作是负责市政设施、市容环境、街面秩序、户外广告、渣土、犬类等事、部件各类问题的监管与处置。城市管理问题主要是通过发现问题、处置问题、解决问题的闭环流程进行处理,传统的方式都是以人工形式进行处理,当前已开始通过视频识别技术手段自动发现问题,但因识别准确率不高,需要人工对每个视频识别的问题进行核实,所以目前仍旧是以人工为主的形式对城市管理问题进行闭环处理。参见下表,在
某地级市一年主要事、部件的案卷量有72万余件的城市管理问题。
表1:地市一年主要事、部件的案卷数量
通过以上案卷数据统计可以看出,每年需要处理的城市管理问题非常多,而随着城市管理精细化的提升,所需要投入的人工投入成本将更大。因此自动化处理能力替代人工发现问题、处置问题、解决问题闭环流程是将来发展的必然趋势,实现自动化的处理流程,才能体现智慧城市管理的建设成效。
本发明就是建立了一种基于人机协同的城市管理***,能够替代人工来发现问题解决问题。
实施例1:
一种基于人机协同的城市管理***包括发现问题算法模块100、识别问题算法模块200、大数据分析算法模块300、生成案卷模块400和案卷分派处置模块500,
所述发现问题算法模块100,用于将城市管理历史案卷信息结合环境和社会因素通过大数据分析对发生的城市问题进行预测,得到预测结果,根据预测结果形成城市问题;
所述识别问题算法模块200,用于对形成的城市问题进行识别,若城市问题存在并有效,则将识别出城市问题发送至大数据分析算法模块;
所述大数据分析算法模块300,用于对已经被识别的城市问题进行业务与逻辑分析与判定,判断城市问题是否重复或者有效,得到判断结果;
所述生成案卷模块400,用于将判定结果生成城市问题案卷;
所述案卷分派处置模块500,用于将生成的城市问题案卷进行分派和处置。
整个***其实就是能够自动化的来对城市管理历史案卷信息进行处理,其实际上实现的处理流程是对发现问题、识别问题、大数据分析、生成案卷、分派案卷、处置案卷以及核实结束案卷实现全流程自动化处理。
在发现问题算法模块100中,所述将城市管理历史案卷信息结合环境和社会因素通过大数据分析对发生的城市问题进行预测具体为:通过城市管理历史案卷的各类信息进行分析预测,预测出何时何地会发生城市管理问题;其中,城市管理历史案卷的各类信息包括案卷的类型、案卷对应的经纬度、案卷发生的时间、案卷的描述、案卷图片信息、案卷对应的环境以及案卷对应的社会因素。
发现问题算法模块100中,提供发生的城市问题的渠道一般为自动预测与人工收集两种方式,自动预测是通过大数据分析城市管理历史案卷的各类信息,包括案卷类型、案卷经纬度、案卷时间、案卷描述、案卷图片信息、结合环境、社会等因素分析预测什么时间、什么地方可能会发生哪些城市管理问题,形成了城市问题发现新渠道。对各类预测的问题自动发送采集指令,若预测问题属于监控范围内自动向图像识别服务平台发起对视频源特定的时间、地点进行智能化的识别来发现城市管理问题;若预测问题在特殊区域内的自动向城市管理人员发送采集指令。***在没有产生采集指令时,则图像识别服务平台自动对视频源轮询的智能识别城市管理问题,无需人工进行操作。
而人工渠道是根据***发送的采集指令进行城市问题的发现,通过***生成预测问题的采集时间与线路规划,引导采集员在指定的时间有序的发现城市管理问题,节省采集工作时间,提升问题发现效率。
所述识别问题算法模块200是通过调用图像识别服务平台来识别形成的城市问题是否有效,若城市问题有效,则产生城市问题告警信息;其中,图像识别服务平台是通过图像识别算法对接各路视频源,图像识别精细化服务识别城市管理问题,或,对城市管理人员上传的案卷图片信息进行有效识别。更进一步地,所述图像识别算法包括多分类图像识别、区域范围图像识别以及动态特性图像识别;其中,所述多分类图像识别能基于一张静态画面根据城市管理业务标准识别和输出多种类型的城市问题;所述区域范围图像识别结合业务场景,针对特定区域内多维度的进行识别;所述动态特性图像识别针对违法问题具有动态特征的城市问题,并根据业务规则进行多次识别对比分析。
在识别问题算法模块200中,是通过图像识别服务平台对接各路视频源通过结精细化识别服务来识别城市管理问题识别存在则产生问题告警信息(包含案卷类型、经纬度、图像识别结果、识别图像的坐标等)。对于公众及其他来源上报的问题通过图像识别平台,针对上报案卷的图片进行有效性识别,识别图片中反馈的问题类型及所体现的信息(如违停、则识别车牌号、形状、颜色等,如垃圾则识别是否垃圾袋还是呕吐物等)。
图像识别精细化服务规则:1、如出店经营需是沿街店家门前的物体与店家所经营范围关联关系;2、区域逻辑-沿街店家门前1至2米内相对而言一般情况下不存在垃圾或流动摊贩;3、机动车乱停放识别问题后,需要经过3分钟再次识别判定(通过车牌、形状、颜色等维度进行对比分析),该车辆是否仍旧停放未驶离;4、一张静态画面根据城市管理业务标准,识别和输出多种类型的城市问题。
若图像识别平台对发现、上报的问题无法识别,则由人工辅助判定城市问题案卷上报的正确性。
在所述大数据分析算法模块300中对已经被识别的城市问题进行业务与逻辑分析与判定,判断城市问题是否重复或者有效,得到判断结果,具体包含以下步骤:
S100、将当前产生的城市问题案卷与当日一定时间范围内已经生成的案卷进行对比分析,若与已经生成的案卷属于重复案卷,则判定为重复案卷,结束相应的城市问题案卷,若不属于重复案卷则流转到历史数据对比分析;
S200、将问题案卷与历史案卷进行对比分析,若与历史案卷信息一致,则增加相应城市问题案卷的置信度,并判定其为有效案卷;若不一致,则修正相对应的城市问题类型。
以上步骤中还包括多维度的城市问题案卷对比分析步骤,得到其他维度的城市问题案卷对比分析结果,若对比分析结果属于过滤范围内的问题案卷,则结束相应城市问题的案卷,若不满足条件则进入所述生成案卷模块。
在大数据分析算法模块300中的处理步骤简单来说,就是对于已经识别或人工辅助确认的城市管理问题,则经过大数据分析进行相应的业务与逻辑判定:
1、当前产生的问题案卷与当日一定时间范围内已经生成的案卷进行对比分析,通过案卷类型、案卷时间、案卷经纬度、图像/图片识别结果信息(如人行道路违停车辆,包含车牌号、形状、颜色、车标等)判定是否与已经生成的案卷属于重复案卷,若各类信息基本一致,则归属为重复案卷,自动结束此问题案卷,若不一致则流转到历史数据对比分析;
2、问题案卷通过与历史案卷进行对比分析,分析的维度有案卷类型、案卷经纬度、图像/图片识别的结果信息(识别类型、识别坐标、识别物体、图像来源等),若经过分析对比,发现与历史实际发生的案卷信息一致,则将判定为有效问题,若不一致则判定为无效问题。
而多维度的数据对比分析是为满足不同区域、在各类环境、时间、识别类型判定规则等条件的服务机制,并支持多种可配置服务的自动化处理能力,如非营业时间内对出店经营的识别告警进行过滤,若大数据分析结果是归属于过滤范围内的问题案卷,则自动结束此问题案卷,若不满足条件则流转到下一流程节点处理。
更进一步地,所述案卷分派处置模块500包括案卷分派模块510和案卷处置模块520;
所述案卷分派模块510,用于识别城市问题案卷的归属管理对象,并将城市问题案卷分派到相对应的管理对象进行处理,并对于违章产生多次城市问题案卷的管理对象,则将直接分派至城市管理人员处;
所述案卷处置模块520,用于配置城市问题案卷处理时间,若超过处理时间,则将经过所述案卷处置模块进行处置的相关结果进行进一步处理。
在案卷分派模块510中,更加具体地来说是以下过程:
生成案卷后,由***自动将案卷分派到对应的管理对象进行处理,如人行道路违停,则通过相关渠道(114、车管所等)根据车辆的车牌号(图像识别服务自动识别车牌号)通知车主将违停信息反馈至车主要求其尽快挪车;对于出店经营,根据识别的店家点位信息判断出所属店家则直接通知店家(事前收集城市道路各店家的负责人、经营范围等信息);
2、若无法自动分派,则由人工进行分派对应处置人员进行现场处理;
3、对于多次违章的管理对象,***将直接分派给城市管理人员,对其现场直接进行处罚,加大其违章成本。促使约束自我行为,减少违章现象的发生。
另外,在所述案卷处置模块520中是管理对象对接收到的违规现象进行处理,而处理时间是有时间限定要求,超出时间(时间可配置)则将进入下一个自动化流程;同时也是针对需要城市管理人员处置的案卷,到现场进行案卷的处置,处置完成后提交处置结果,并进入到下一自动化处理流程。
在所述案卷分派模块510中,所述管理对象为商家或车主,根据商家信息或车主信息生成管理对象资源库,并基于管理对象建立诚信管理机制;其中,所述诚信管理机制是对管理对象每一次的违章行为进行记录备案并且设定违章阈值,首次超出违章阈值则提醒管理对象并告知超出违章阈值能产生的后果,后续的违章行为不再进行提醒告知,则基于自由裁量形成处罚通知单或现场执法人员进行处罚。诚信管理机制其实就是对监管对象(沿街店家负责人、机动车车主等)处理自身存在的违规现象进行约束的一种机制,能够记录管理对象的违章行为,对于多次违章的管理对象,采取自由裁量的处罚机制,加大违章成本,杜绝管理对象的违章行为。
整个***还包括案卷核实算法模块600,所述案卷核实算法模块600用于:
接收所述案卷处置模块520进行处置的相关结果,并进行进一步处理,将处置的相关结果与当前时间节点的案卷图像信息进行对比分析判断是否已经进行处理,若已处理则将城市问题案卷进行结案;若未处理,则发送至城市管理人员处,并进行现场处理;
对城市管理人员现场处理城市问题案卷的前后图像进行对比,确认城市问题案卷是否已经处理完毕,若处理完毕,则进行结案。所述发现问题算法模块100、识别问题算法模块200、大数据分析算法模块300、和案卷核实算法模块600能进行不断学习和演进,通过对城市问题的业务场景、现象的细分逐步实现对各类物体、颜色、形状及特征的精细化学习,从而达到算法的不断演进形成算法组,提升算法的识别能力与准确性,如一辆渣土车可识别出车牌、车标、形状、颜色、外观特征等,可有效的便于渣土车监管与跟踪定位,并结合大数据不断的对各类历史案卷数据进行碰撞分析,提升城市问题“第六感”预测能力的时效性与精准度。
另外,整个处理的过程中,还需要城市管理人员进行协作处理,处理之后将结果反馈给案卷核实算法模块600,这一方面的处理一般是整个***无法处理城市问题案卷才会由城市管理人员对***进行辅助判断与处置工作。
案卷核实算法模块600是针对处置结果进行核实处理,具体包含以下几种情况:
情况1:由***对管理对象处理的案卷到达规定时间后开始自动化识别,通过调取视频源进行处理前,与当前时间节点的图像进行对比分析确认是否已经处理,若已处理则案卷自动结案,若未处理,则自动分派到城市管理人员进行现场处置。
情况2:对于由城市管理人员现场处置完成的案卷,***进行处置结果的照片识别,并可支持前后照片对比识别,确认案卷是否已经处理,已处理则自动结案。
情况3:对于***无法自动核实的案卷,或处置人员处置完成但仍旧识别未处理(该条件可配置)则提交城市管理人员,进行人工辅助核实判断,确认案卷是否完成,若完成则结案,若未完成则仍旧反馈至城市管理人员重新进行现场处置。
本发明的***能实现以下这些优点:
一、运用大数据分析预测城市问题,提升问题发现及时性:
大数据分析预测城市问题,是通过城市管理历史案卷的各类信息,包括案卷类型、案卷经纬度、案卷时间、案卷描述、案卷图片信息,结合环境、社会等因素分析预测什么时间、什么地方将会发生哪些城市管理问题,形成城市问题发现新渠道,有效的***并及时发现城市问题,并由大数据分析对各类预测的问题自动发送采集指令,若预测问题属于监控范围内的自动调用视频源采集图像,若预测问题在特殊区域内的自动向城市管理人员发送采集任务,自动规划人员对问题采集路线与时间,使人员少走弯路,节省发现问题的时间,提升问题发现的效率。
二、发现问题的改进与创新:
1、精细化图像识别能力,提升问题发现准确率;
通过深入研究行业规范,结合实际的业务场景,本专利的图像识别具备多分类、特定区域、动态性、逻辑性的精细化识别服务。
多分类图像识别能力:基于一张静态画面根据城市管理业务标准,识别和输出多种类型的城市问题,如一个画面中既有流动摊贩、暴露垃圾、人行道违停等,有效提升图像识别效率,减少重复操作处理工作。
区域范围图像识别能力:结合业务场景,不同的区域所需要识别的方向有所不同,实现特定区域多维度的效识别服务能力。一个场景区域,应该有沿街店铺门前区域、店铺与店铺间区域、人行道路区域、非机动车/机动车区域等。如沿街店铺门前1至2米范围内,基本不存在垃圾、流动摊贩现象(店家会自行清理否则将影响店家生意,流动摊贩挡住店面影响生意,店家会自行驱赶),因此若存在暴露垃圾、流动摊贩则有可能是识别异常,可直接进行识别过滤,减少图像识别的误报率。
动态特性图像识别能力:对于具有动态特征的城市问题,可对视频源进行多次识别对比分析,判断城市管理问题的有效性,提升识别的正确率。如非机动车乱停放、人行道违停,两种违规现象都有动态性,因此需要在识别出该类问题后,延迟3分钟(时间可自定义)后再次进行识别判定,两次图像识别的对象信息进行对比(类型、坐标、形状、颜色等),识别对比一致则形成违规案卷,以此才能有效的提升识别正确率,减少误报。
逻辑特性的图像识别能力:结合城市管理业务标准,根据识别物体与管理对象结合的关联分析,实现多分类的识别服务能力,提升识别结果的正确性。如出店经营违章现象(出店物体须与店家经营内容有直接或间接联系)。以此方式能够有效判断违章行为的准确性。
2、图像识别不仅支持视频图像识别,还具备对照片图像的识别能力,有效满足城市管理全过程的图像、照片识别服务,减少人工对各环节的图片审核工作。
3、运用图像识别与大数据碰撞分析技术,提升识别准确率。
利用大数据技术对图像识别结果与其他途径案卷数据进行碰撞分析,通过案卷类型、案卷时间、案卷经纬度、案卷来源、图像/图片识别结果信息(识别类型、识别物体、形状、颜色、坐标等)具备重复案卷的过滤,误报案卷的过滤能力,减少人工的重复审核及图像识别的误报率。
通过实现图像识别精细化的处理能力,结合大数据分析技术有效提升图像识别正确率,减少人工对问题的发现及巡查机制,根据自动化的发现手段与人工处理效率对比(从问题发现到生成实际案卷的时间),能够有效节省73%的时间成本。
三、实现处置问题自动流转,减少人工处置工作量:
通过建立管理对象资源库(沿街店家负责人、机动车车主等),由***、识别出违规案卷归属的管理对象,***直接将通知管理对象,由其自行处理及反馈,减少了执法人员现场处置;
整个***根据管理对象处置机制(5分钟必须自行解决),自动对对管理对象处置结果进行视频识别分析,或管理对象提交处置信息的前后照片对比,自动验证处置结果,减少人工核实机制。
四、建立管理对象的诚信管理机制,遏制问题的反复发生:
通过建立管理对象资源库,形成诚信考核模式,加大管理对象违章成本,加强管理对象形成知法守法意识。具体说明如下:
1、建立管理对象资源库:通过收集城市管理对象资源,如沿街店家信息(负责人、负责人身份证号、负责人电话、经营范围、地址、商户税号等)、车主信息(姓名、身份证号、联系电话、车牌号、车辆颜色、车辆型号等)形成管理对象库。
2、形成诚信考核机制:管理对象每一次的违章行为进行记录备案,设定违章阈值规则,超出阈值则提醒管理对象会产生的后果(后续违章不在提醒直接进行处罚)。
3、加大管理对象违章成本:对于超出违章阈值,则***对管理对象每一次的违章行为不再进行提醒告知,结合自由裁量直接形成处罚通知单或现场执法人员处罚,同时可将该对象的诚信信息提交至其他部门,降低或减少该对象的特殊补助或福利等,加大管理对象的违章成本。
通过以上的管理机制,能够有效减少管理对象的违章行为,从根源上解决问题的再次发生。
五、实现算法的不断学习和演进,提升算法识别与预测能力:
通过对城市问题的业务场景、现象的细分逐步实现对各类物体、颜色、形状及特征的精细化学习,从而达到算法的不断演进形成算法组,提升算法的识别能力与准确性,如一辆渣土车可识别出车牌、车标、形状、颜色、外观特征等,可有效的便于渣土车监管与跟踪定位,并结合大数据不断的对各类历史案卷数据进行碰撞分析,提升城市问题预测能力的时效性与精准度。
此外,需要说明的是,本说明书中所描述的具体实施例,其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化,均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以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,只要不偏离本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。
Claims (9)
1.一种基于人机协同的城市管理***,其特征在于,包括发现问题算法模块、识别问题算法模块、大数据分析算法模块、生成案卷模块和案卷分派处置模块,
所述发现问题算法模块,用于将城市管理历史案卷信息结合环境和社会因素通过大数据分析对发生的城市问题进行预测,得到预测结果,根据预测结果形成城市问题;
所述识别问题算法模块,用于对形成的城市问题进行识别,若城市问题存在并有效,则将识别出城市问题发送至大数据分析算法模块;所述识别问题算法模块包括图像识别算法,所述图像识别算法包括多分类图像识别、区域范围图像识别以及动态特性图像识别;
其中,所述多分类图像识别能基于一张静态画面根据城市管理业务标准识别和输出多种类型的城市问题;
所述区域范围图像识别结合业务场景,针对特定区域内多维度的进行识别;
所述动态特性图像识别针对违法问题具有动态特征的城市问题,并根据业务规则进行多次识别对比分析;
所述大数据分析算法模块,用于对已经被识别的城市问题进行业务与逻辑分析与判定,判断城市问题是否重复或者有效,得到判断结果;
所述生成案卷模块,用于将判定结果生成城市问题案卷;
所述案卷分派处置模块,用于将生成的城市问题案卷进行分派和处置。
2.根据权利要求1所述的基于人机协同的城市管理***,其特征在于,所述将城市管理历史案卷信息结合环境和社会因素通过大数据分析对发生的城市问题进行预测具体为:通过城市管理历史案卷的各类信息进行分析预测,预测出何时何地会发生城市管理问题;
其中,城市管理历史案卷的各类信息包括案卷的类型、案卷对应的经纬度、案卷发生的时间、案卷的描述、案卷图片信息、案卷对应的环境以及案卷对应的社会因素。
3.根据权利要求2所述的基于人机协同的城市管理***,其特征在于,所述识别问题算法模块是通过调用图像识别服务平台来识别形成的城市问题是否有效,若城市问题有效,则产生城市问题告警信息;
其中,图像识别服务平台是通过图像识别算法对接各路视频源,图像识别精细化服务识别城市管理问题,或,对城市管理人员上传的案卷图片信息进行有效识别。
4.根据权利要求1所述的基于人机协同的城市管理***,其特征在于,所述对已经被识别的城市问题进行业务与逻辑分析与判定,判断城市问题是否重复或者有效,得到判断结果,具体为:
将当前产生的城市问题案卷与当日一定时间范围内已经生成的案卷进行对比分析,若与已经生成的案卷属于重复案卷,则判定为重复案卷,结束相应的城市问题案卷,若不属于重复案卷则流转到历史数据对比分析;
将问题案卷与历史案卷进行对比分析,若与历史案卷信息一致,则增加相应城市问题案卷的置信度,并判定其为有效案卷;若不一致,则修正相对应的城市问题类型。
5.根据权利要求4所述的基于人机协同的城市管理***,其特征在于,还包括多维度的城市问题案卷对比分析步骤,得到其他维度的城市问题案卷对比分析结果,若对比分析结果属于过滤范围内的问题案卷,则结束相应城市问题的案卷,若不满足条件则进入所述生成案卷模块。
6.根据权利要求1所述的基于人机协同的城市管理***,其特征在于,所述案卷分派处置模块包括案卷分派模块和案卷处置模块;
所述案卷分派模块,用于识别城市问题案卷的归属管理对象,并将城市问题案卷分派到相对应的管理对象进行处理,并对于违章产生多次城市问题案卷的管理对象,则将直接分派至城市管理人员处;
所述案卷处置模块,用于配置城市问题案卷处理时间,若超过处理时间,则将经过所述案卷处置模块进行处置的相关结果进行进一步处理。
7.根据权利要求6所述的基于人机协同的城市管理***,其特征在于,所述管理对象为商家或车主,根据商家信息或车主信息生成管理对象资源库,并基于管理对象建立诚信管理机制;
其中,所述诚信管理机制是对管理对象每一次的违章行为进行记录备案并且设定违章阈值,首次超出违章阈值则提醒管理对象并告知超出违章阈值能产生的后果,后续的违章行为不再进行提醒告知,则基于自由裁量形成处罚通知单或现场执法人员进行处罚。
8.根据权利要求6所述的基于人机协同的城市管理***,其特征在于,还包括案卷核实算法模块,所述案卷核实算法模块用于:
接收所述案卷处置模块进行处置的相关结果,并进行进一步处理,将处置的相关结果与当前时间节点的案卷图像信息进行对比分析判断是否已经进行处理,若已处理则将城市问题案卷进行结案;若未处理,则发送至城市管理人员处,并进行现场处理;
对城市管理人员现场处理城市问题案卷的前后图像进行对比,确认城市问题案卷是否已经处理完毕,若处理完毕,则进行结案。
9.根据权利要求1所述的基于人机协同的城市管理***,其特征在于,所述发现问题算法模块、识别问题算法模块、大数据分析算法模块、和案卷核实算法模块能进行不断学习和演进。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910294926.9A CN110020755B (zh) | 2019-04-12 | 2019-04-12 | 基于人机协同的城市管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910294926.9A CN110020755B (zh) | 2019-04-12 | 2019-04-12 | 基于人机协同的城市管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110020755A CN110020755A (zh) | 2019-07-16 |
CN110020755B true CN110020755B (zh) | 2021-01-29 |
Family
ID=67191231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910294926.9A Active CN110020755B (zh) | 2019-04-12 | 2019-04-12 | 基于人机协同的城市管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110020755B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458082B (zh) * | 2019-08-05 | 2022-05-03 | 城云科技(中国)有限公司 | 一种城市管理案件分类识别方法 |
CN111105121A (zh) * | 2019-08-16 | 2020-05-05 | 北京金和网络股份有限公司 | 去中心化式城市管理*** |
CN112991130A (zh) * | 2021-03-16 | 2021-06-18 | 广东省电信规划设计院有限公司 | 基于人工智能的城市治理事件处理方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8407281B2 (en) * | 2000-07-25 | 2013-03-26 | Newton Howard | Intention-based automated conflict prediction and notification system |
US20120047187A1 (en) * | 2010-08-17 | 2012-02-23 | Daus Steven J | System for multi-phase management of a natural disaster incident |
CN105023188B (zh) * | 2015-01-07 | 2019-12-10 | 泰华智慧产业集团股份有限公司 | 一种基于云数据的数字化城市管理数据共享*** |
CN106251271A (zh) * | 2016-07-29 | 2016-12-21 | 北京云海寰宇信息技术有限责任公司 | 城市智能管理平台 |
CN108229174A (zh) * | 2017-12-28 | 2018-06-29 | 陕西山利科技发展有限责任公司 | 基于云数据的安全隐患管理***及管理方法 |
CN109447878A (zh) * | 2018-11-08 | 2019-03-08 | 四川坤翔科技有限公司 | 城市大数据治安管理平台 |
-
2019
- 2019-04-12 CN CN201910294926.9A patent/CN110020755B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110020755A (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110020755B (zh) | 基于人机协同的城市管理*** | |
CN111429726B (zh) | 一种监控视频违停车辆检测、管理方法及对应的*** | |
CN104952255A (zh) | 一种智能终端及其交通违章监督方法、*** | |
CN105355053B (zh) | 路边违停车辆自动检测*** | |
CN101271624B (zh) | 基于个人身份串码认证的停车位管理*** | |
CN113487877A (zh) | 一种道路车辆违规停车监控方法 | |
CN110457653B (zh) | 一种警情热点区域的确定方法及装置 | |
CN110880243A (zh) | 基于高位视频路侧停车收费设备的道路违法停车治理方法 | |
CN114446287A (zh) | 一种基于nlp和gis的城市事件分拨方法及*** | |
CN112288262A (zh) | 基于监督网格和业务网格的城市管理扁平化自动派遣方法 | |
CN112885106A (zh) | 基于车辆大数据的区域禁行检测***、方法及存储介质 | |
CN107665577B (zh) | 一种交通警情处理方法和装置 | |
CN115272924A (zh) | 一种基于模块化视频智能分析引擎的治理*** | |
CN115457777A (zh) | 一种特定车辆溯源分析方法 | |
CN111651551B (zh) | 一种智慧城市监管***和方法 | |
CN201233653Y (zh) | 基于个人身份串码认证的停车位控制器和停车位管理*** | |
CN114202919A (zh) | 一种非机动车电子车牌遮挡的识别方法、装置及*** | |
CN112633678A (zh) | 一种基于sop设计方法的智慧城市事件处置*** | |
CN114511110A (zh) | 一种基于物联网的智慧运维***及方法 | |
CN110852804A (zh) | 一种基于深度学习的智能车实时巡视*** | |
CN114141050B (zh) | 一种基于智慧城市的智能泊车监管方法、*** | |
CN112257674B (zh) | 一种视觉数据处理的方法和装置 | |
CN113592432B (zh) | 工单判重方法、装置、电子设备及存储介质 | |
CN117893152A (zh) | 一种基于事件特征的事件处置管理方法及*** | |
CN113051419B (zh) | 一种基于物联网应用的智能交通监控远程数据采集和分析处理*** |
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 |