CN113392903A - 一种工地区域的识别方法、***及装置 - Google Patents

一种工地区域的识别方法、***及装置 Download PDF

Info

Publication number
CN113392903A
CN113392903A CN202110662564.1A CN202110662564A CN113392903A CN 113392903 A CN113392903 A CN 113392903A CN 202110662564 A CN202110662564 A CN 202110662564A CN 113392903 A CN113392903 A CN 113392903A
Authority
CN
China
Prior art keywords
clustering
area
construction site
region
equipment
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.)
Pending
Application number
CN202110662564.1A
Other languages
English (en)
Inventor
黄健
饶康康
刘秀
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.)
Shanghai Huaxing Digital Technology Co Ltd
Original Assignee
Shanghai Huaxing Digital 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 Shanghai Huaxing Digital Technology Co Ltd filed Critical Shanghai Huaxing Digital Technology Co Ltd
Priority to CN202110662564.1A priority Critical patent/CN113392903A/zh
Publication of CN113392903A publication Critical patent/CN113392903A/zh
Priority to PCT/CN2022/096947 priority patent/WO2022262595A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种工地区域的识别方法、***及装置,其中,所述方法包括:获取待检测区域中已知工地的工地信息,并根据所述工地信息,从各个设备聚类区域中确定与所述已知工地最接近的目标设备聚类区域;根据所述已知工地的区域和所述目标设备聚类区域,生成预设聚类标准的聚类置信度;若所述聚类置信度不满足预设条件,对所述预设聚类标准进行调整,并基于调整后的聚类标准重新对所述待检测区域中的工地设备进行聚类,以根据重新聚类的结果在所述待检测区域中确定未知工地的区域。本发明提供的技术方案,能够提高工地识别的效率。

Description

一种工地区域的识别方法、***及装置
技术领域
本发明涉及数据处理技术领域,具体涉及一种工地区域的识别方法、***及装置。
背景技术
为了提高工地施工的安全性,以及实现对工地施工的全面监控,当前需要对区域中存在工地进行记录。但在实际应用中,部分不正规的工地可能会存在瞒报的情况,从而导致工地的位置和数量统计不全面,这将带来较大的安全隐患。
考虑到如果通过人工的方式去统计疑似工地的地点,会耗费大量的人力和物力,并且统计的效率也比较低。因此,目前可以基于渣土车等工地设备的定位信息,分析出疑似工地的地点。具体地,现有技术中的一种方式,可以对已知地点和渣土车的位置分别进行聚类,并通过计算距离的方式判断渣土车所处的位置是已知地点还是未知地点。对于连续的未知地点,如果某个未知地点重复出现,则表明渣土车在该未知地点重复往返,从而确定出该未知地点为疑似工地的地点。
然而,现有技术中的这种方式,需要对渣土车和已知地点分别进行聚类,并且筛选疑似工地的地点的方式也比较繁琐,具备较低的工地识别效率。
发明内容
本发明提供一种工地区域的识别方法、***及装置,能够提高工地识别的效率。
为了解决上述问题,本发明一方面提供了一种工地区域的识别方法,提供有按照预设聚类标准对待检测区域中的工地设备进行聚类得到的设备聚类区域;所述方法包括:获取所述待检测区域中已知工地的工地信息,并根据所述工地信息,从各个所述设备聚类区域中确定与所述已知工地最接近的目标设备聚类区域;根据所述已知工地的区域和所述目标设备聚类区域,生成所述预设聚类标准的聚类置信度;若所述聚类置信度不满足预设条件,对所述预设聚类标准进行调整,并基于调整后的聚类标准重新对所述待检测区域中的工地设备进行聚类,以根据重新聚类的结果在所述待检测区域中确定未知工地的区域。
在一个实施方式中,所述设备聚类区域按照以下方式生成:获取待检测区域中的工地设备上传的定位信息,并根据预设聚类标准对所述定位信息表征的地理位置进行聚类,生成所述待检测区域中的工地设备对应的设备聚类区域。
在一个实施方式中,确定与所述已知工地最接近的目标设备聚类区域包括:在所述已知工地中确定工地中心点,并分别确定各个所述设备聚类区域的聚类中心点;计算所述工地中心点与各个所述聚类中心点之间的距离,并将距离最短的聚类中心点所处的设备聚类区域,作为与所述已知工地最接近的目标设备聚类区域。
在一个实施方式中,生成所述预设聚类标准的聚类置信度包括:确定所述已知工地的区域和所述目标设备聚类区域的并集面积和交集面积,并统计所述并集面积中包含的工地设备的第一数量和所述交集面积中包含的工地设备的第二数量;将所述第一数量和所述第二数量的比值作为所述预设聚类标准的聚类置信度。
在一个实施方式中,生成所述预设聚类标准的聚类置信度包括:统计所述已知工地的区域和所述目标设备聚类区域的并集面积和交集面积,并将所述交集面积与所述并集面积的比值作为所述预设聚类标准的聚类置信度。
在一个实施方式中,所述预设聚类标准为候选的多个聚类标准中的一个;所述聚类置信度不满足预设条件包括:所述聚类置信度在各个候选的聚类标准对应的聚类置信度中不是最大值。
在一个实施方式中,根据重新聚类的结果在所述待检测区域中确定未知工地的区域包括:计算重新聚类的结果所对应的聚类置信度,若所述重新聚类的结果所对应的聚类置信度在各个候选的聚类标准对应的聚类置信度中为最大值,根据所述重新聚类的结果在所述待检测区域中确定未知工地的区域。
在一个实施方式中,根据重新聚类的结果在所述待检测区域中确定未知工地的区域包括:在所述待检测区域中确定各个重新聚类的结果对应的聚类轮廓,并基于所述聚类轮廓确定工地区域;将除所述已知工地的区域以外的其它工地区域,作为所述待检测区域中的未知工地的区域。
为了解决上述问题,本发明另一方面还提供了一种工地区域的识别***,所述***提供有按照预设聚类标准对待检测区域中的工地设备进行聚类得到的设备聚类区域;所述***包括:设备聚类单元,用于获取所述待检测区域中已知工地的工地信息,并根据所述工地信息,从各个所述设备聚类区域中确定与所述已知工地最接近的目标设备聚类区域;置信度生成单元,用于根据所述已知工地的区域和所述目标设备聚类区域,生成所述预设聚类标准的聚类置信度;工地识别单元,用于若所述聚类置信度不满足预设条件,对所述预设聚类标准进行调整,并基于调整后的聚类标准重新对所述待检测区域中的工地设备进行聚类,以根据重新聚类的结果在所述待检测区域中确定未知工地的区域。
为了解决上述问题,本发明另一方面还提供了一种工地区域的识别装置,所述工地区域的识别装置包括存储器和处理器,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时,实现上述的工地区域的识别方法。
为了解决上述问题,本发明另一方面还提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,所述计算机程序被处理器执行时,实现上述的工地区域的识别方法。
本发明具有以下优点:
本申请上述实施方式提供的技术方案,可以利用预设聚类标准初步对待检测区域中的工地设备进行聚类,然后可以针对已知工地,确定出最接近的目标设备聚类区域。理论上来说,已知工地的区域与最接近的目标设备聚类区域应该是基本重合的,但由于预设聚类标准的选择可能不够准确,会导致两者不会重合。鉴于此,可以根据已知工地的实际区域和目标设备聚类区域,生成该预设聚类标准的聚类置信度。如果该聚类置信度不是候选的聚类标准对应的聚类置信度中的最大值,则表明按照当前的预设聚类标准聚类得到的结果并不准确。最终,根据聚类置信度不断地对聚类标准进行调整,从而使得已知工地的实际区域能够与最接近的目标设备聚类区域基本重合。这样,工地设备的聚类区域便可以近似表征工地区域,通过对聚类结果进行分析,便可以在待检测区域中确定出未知工地的区域。
由上可见,通过将已知工地的数据作为参考,能够筛选出最合适的聚类标准,通过最合适的聚类标准生成的聚类结果,能够准确地在待检测区域中识别出未知工地的区域。本申请实施方式中提供的技术方案,不仅能够提高未知工地的识别效率,还能够提高识别准确度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请一个实施方式中工地区域的识别方法所应用的***的结构示意图;
图2示出了本申请另一个实施方式中的工地区域的识别方法示意图;
图3示出了本申请一个实施方式中的工地区域的识别***的功能模块示意图;
图4示出了本申请一个实施方式中的工地区域的识别装置的结构示意图。
具体实施方式
下面将结合附图对本发明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。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本申请提供的工地区域的识别方法,可以应用于如图1所示的***中。在该***中,可以包括工地设备和数据分析服务器。其中,工地设备可以是具备定位功能的挖掘机、桩机等长时间处于工地中的设备。在工地设备中,除了安装定位模块,还可以安装数据上报模块。该数据上报模块可以将定位模块采集的定位信息上报至数据分析服务器。此外,该数据上报模块还可以将工地设备的工况信息上报至数据分析服务器,从而使得数据分析服务器基于接收到的工况信息,对工地设备的工作状态进行监控。其中,该工况信息例如可以包括工地设备的工作时长、油耗、发动机水温等信息。
在本申请的一个实施方式中,数据分析服务器获取到待检测区域中的工地设备上报的定位信息后,可以根据预设聚类标准对这些定位信息表征的地理位置进行聚类,从而生成待检测区域中工地设备对应的设备聚类区域。其中,预设聚类标准可以限定一组参数值:聚类半径r和聚类数量minPts,每个定位信息表征的地理位置都可以视为聚类的点。如果以一个点P为中心,在距离r的范围内(记为r范围)至少包含minPts个点(包含点P自身),那么可以称该点P为一个核心点,并且该r范围内的其它点都是该核心点“直接可达”的。
在定义了核心点和“直接可达”的含义后,对于一条由多个点构成的路径P1、P2、……Pn,如果其中的每个点都可以由相邻的前一个点“直接可达”,那么则可以称点Pn是由P1“可达”的。不难理解,上述的路径中,除了Pn外,其它的点都必然是核心点。
在本实施方式中,无法由任何点“可达”的点,都可以被称为局外点。除了核心点和局外点以外的其它点,都可以称为非核心点。这样,通过上述的定义,待检测区域中各个工地设备根据所在的地理位置,可以被划分为核心点、非核心点或者局外点。在明确了各个工地设备的类型后,可以生成工地设备对应的设备聚类区域。
具体地,如果某个工地设备是核心点,那么可以将该工地设备与其它能够被其“可达”的点作为一个设备聚类区域中的点。可见,在一个设备聚类区域中,至少会包含一个核心点,并且在设备聚类区域中也可以包含非核心点,只不过非核心点通常位于设备聚类区域的“边缘”,因为非核心点无法“可达”其它的点。待检测区域中的局外点可以作为离散的点,不属于任何一个设备聚类区域。
通过上述的方式,可以根据预设聚类标准限定的参数值,对待检测区域中的工地设备进行聚类,从而生成对应的设备聚类区域。需要说明的是,如果参数值发生变化,那么聚类的结果通常也会进行变化,因此,不同的聚类标准,会对应着不同的聚类结果。
请参阅图2,本申请一个实施方式提供的工地区域的识别方法,可以包括以下多个步骤。
S1:获取所述待检测区域中已知工地的工地信息,并根据所述工地信息,从各个所述设备聚类区域中确定与所述已知工地最接近的目标设备聚类区域。
在本实施方式中,可以在权威的官方数据中,获取到待检测区域中已知工地的工地信息。其中,工地信息可以包含工地的占地面积、工地所处的位置、工地中登记的工地设备等信息。在实际应用中,为了提高工地区域的识别效果,可以选择满足以下条件的已知工地:1.工地内的工地设备为挖掘机和桩机;2.工地内工地设备的地理位置分布比较集中;3.工地内工地设备的数量较多。当然,根据实际应用的需求,可以灵活地选择所需的已知工地。
在本实施方式中,在获取了已知工地的工地信息后,可以从前述的设备聚类区域中确定出与该已知工地最接近的目标设备聚类区域。通常而言,由于该已知工地中的工地设备也进行了前述的聚类过程,那么如果聚类的精度较高,与该已知工地最近接的目标设备聚类区域就应当与该已知工地的区域基本重合。然而,由于在实际应用中,基于预设聚类标准限定的参数值进行聚类的结果,可能并不是特别准确。因此,需要将目标设备聚类区域与对应的已知工地的区域进行比较,从而对聚类标准不断进行优化。
具体地,可以在已知工地中确定工地中心点。该已知工地在待检测区域中所占的区域可以用一个不规则的多边形来表示,然后该不规则的多边形的几何中心就可以作为已知工地的工地中心点。在确定出已知工地的工地中心点后,可以分别确定上述各个设备聚类区域的聚类中心点。其中,设备聚类区域的聚类中心点可以是设备聚类区域中各个点的平均经纬度表征的点。
在确定出上述的工地中心点和各个聚类中心点后,可以计算工地中心点与各个聚类中心点之间的距离,并将距离最短的聚类中心点所处的设备聚类区域,作为与已知工地最接近的目标设备聚类区域。
对于每个已知工地而言,都可以通过上述的方式,确定出各自的目标设备聚类区域。
S3:根据所述已知工地的区域和所述目标设备聚类区域,生成所述预设聚类标准的聚类置信度。
在本实施方式中,通过对比已知工地的区域和最接近的目标设备聚类区域,可以生成预设聚类标准的聚类置信度,该聚类置信度可以用于表征预设聚类标准的聚类准确程度。
在实际应用中,该聚类置信度可以通过多种方式来表示。举例来说,在一个具体应用示例中,可以统计已知工地的区域和最接近的目标设备聚类区域的并集面积和交集面积,并将所述交集面积与所述并集面积的比值作为所述预设聚类标准的聚类置信度。
在一个实施方式中,针对每个已知工地,都可以计算出上述的交集面积与并集面积之间的比值,这样,对于多个已知工地而言,就可以得到多个比值,这些比值的平均值就可以作为预设聚类标准的聚类置信度。
在另一个实施方式中,可以将所有的已知工地作为一个整体,同时也可以将确定出的各个目标设备聚类区域作为一个整体,从而统计两个整体之间的交集面积和并集面积,这样求取的交集面积和并集面积之间的比值就可以直接作为预设聚类标准的聚类置信度。
上述的第一种计算方式,通过计算多个比值再进行求平均,尽管过程略微繁琐,但准确度较高。第二种计算方式比较简洁,但准确度相比第一种计算方式可能会稍差一些。在实际应用中可以根据具体的需求选用对应的计算方式。
在一个实施方式中,考虑到工地设备可能并不会分布于工地中的每个角落,因此基于工地设备的聚类结果确定出的目标设备聚类区域可能会比已知工地的区域小,如果按照上述面积比值的计算方式,可能会导致确定出的聚类置信度较小。为了提高聚类置信度的准确度,在本实施方式中可以针对其中包含的工地设备的数量来计算聚类置信度。
具体地,可以先确定出已知工地的区域和最接近的目标设备聚类区域的交集面积和并集面积,然后统计所述交集面积中包含的工地设备的第一数量和所述并集面积中包含的工地设备的第二数量,通过计算所述第一数量和所述第二数量的比值,便可以将该比值作为所述预设聚类标准的聚类置信度。
需要说明的是,在实际应用中,参与比值运算的两个数量的统计方式可以多种多样。例如,在一个应用场景中,可以统计交集面积中包含的工地设备的第一数量,并统计已知工地的区域中包含的工地设备的第三数量,然后将第一数量与第三数量的比值作为预设聚类标准的聚类置信度。
S5:若所述聚类置信度不满足预设条件,对所述预设聚类标准进行调整,并基于调整后的聚类标准重新对所述待检测区域中的工地设备进行聚类,以根据重新聚类的结果在所述待检测区域中确定未知工地的区域。
在本实施方式中,聚类置信度越高,可以表明预设聚类标准的聚类精度越高。在实际应用中,可以预先准备多个候选的聚类标准,上述的预设聚类标准可以是候选的聚类标准中的一个。针对每个候选的聚类标准,都可以按照上述的方式确定出各自的聚类置信度。
在本实施方式中,在计算出预设聚类标准的聚类置信度后,可以判断该聚类置信度在各个候选的聚类标准对应的聚类置信度中是否为最大值,如果不是最大值,则表明该预设聚类标准的聚类置信度不满足预设条件,基于该预设聚类标准产生的聚类结果可能并不准确。鉴于此,可以对预设聚类标准进行调整,调整的方式可以是重新设定聚类半径和聚类数量这一组参数值,从而将预设聚类标准调整为另一个候选的聚类标准。根据调整后的聚类标准,可以重新对待检测区域中的工地设备进行聚类。如果重新聚类的结果所对应的聚类置信度在各个候选的聚类标准对应的聚类置信度中为最大值,则表明按照该调整后的聚类精度得到的聚类结果是当前最准确的。此时,可以根据所述重新聚类的结果在所述待检测区域中确定未知工地的区域。
在本实施方式中,在确定未知工地的区域时,可以在所述待检测区域中确定各个重新聚类的结果对应的聚类轮廓。例如,针对每个重新聚类的结果,都可以计算各自的外接多边形。由于工地设备通常不会遍布于工地的各个角落,因此该外接多边形的区域要小于工地实际的区域。那么可以在该外接多边形的基础上,向外扩展指定距离(例如100米),从而将扩展后的多边形所限定的区域,作为工地实际所占的区域。这样,基于各个重新聚类的结果对应的聚类轮廓,可以确定出待检测区域中的工地区域。针对确定出的工地区域,可以将除已知工地的区域以外的其它工地区域,作为待检测区域中的未知工地的区域。这些未知工地的区域,可以通过经纬度坐标的方式,绘制到待检测区域的地图中,后续可以实地对这些未知工地进行排查,从而提高监督力度。
本申请上述各个实施方式提供的技术方案,通过将已知工地的工地信息作为参考,可以不断地对聚类标准进行优化,最终采用最准确的聚类标准对待检测区域中的工地设备进行聚类,并通过设备聚类区域来表征工地的实际区域,进而能够有效地排查出未知工地的区域。
请参阅图3,本申请一个实施方式还提供一种工地区域的识别***,所述***提供有按照预设聚类标准对待检测区域中的工地设备进行聚类得到的设备聚类区域;所述***包括:
设备聚类单元,用于获取所述待检测区域中已知工地的工地信息,并根据所述工地信息,从各个所述设备聚类区域中确定与所述已知工地最接近的目标设备聚类区域;
置信度生成单元,用于根据所述已知工地的区域和所述目标设备聚类区域,生成所述预设聚类标准的聚类置信度;
工地识别单元,用于若所述聚类置信度不满足预设条件,对所述预设聚类标准进行调整,并基于调整后的聚类标准重新对所述待检测区域中的工地设备进行聚类,以根据重新聚类的结果在所述待检测区域中确定未知工地的区域。
请参阅图4,本申请一个实施方式还提供一种工地区域的识别装置,所述工地区域的识别装置包括存储器和处理器,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时,实现上述的工地区域的识别方法。
其中,处理器可以为中央处理器(Central Processing Unit,CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施方式中的方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施方式中的方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储处理器所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请一个实施方式还提供一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,所述计算机程序被处理器执行时,实现上述的工地区域的识别方法。
本申请上述实施方式提供的技术方案,可以利用预设聚类标准初步对待检测区域中的工地设备进行聚类,然后可以针对已知工地,确定出最接近的目标设备聚类区域。理论上来说,已知工地的区域与最接近的目标设备聚类区域应该是基本重合的,但由于预设聚类标准的选择可能不够准确,会导致两者不会重合。鉴于此,可以根据已知工地的实际区域和目标设备聚类区域,生成该预设聚类标准的聚类置信度。如果该聚类置信度不是候选的聚类标准对应的聚类置信度中的最大值,则表明按照当前的预设聚类标准聚类得到的结果并不准确。最终,根据聚类置信度不断地对聚类标准进行调整,从而使得已知工地的实际区域能够与最接近的目标设备聚类区域基本重合。这样,工地设备的聚类区域便可以近似表征工地区域,通过对聚类结果进行分析,便可以在待检测区域中确定出未知工地的区域。
由上可见,通过将已知工地的数据作为参考,能够筛选出最合适的聚类标准,通过最合适的聚类标准生成的聚类结果,能够准确地在待检测区域中识别出未知工地的区域。本申请实施方式中提供的技术方案,不仅能够提高未知工地的识别效率,还能够提高识别准确度。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (11)

1.一种工地区域的识别方法,其特征在于,提供有按照预设聚类标准对待检测区域中的工地设备进行聚类得到的设备聚类区域;所述方法包括:
获取所述待检测区域中已知工地的工地信息,并根据所述工地信息,从各个所述设备聚类区域中确定与所述已知工地最接近的目标设备聚类区域;
根据所述已知工地的区域和所述目标设备聚类区域,生成所述预设聚类标准的聚类置信度;
若所述聚类置信度不满足预设条件,对所述预设聚类标准进行调整,并基于调整后的聚类标准重新对所述待检测区域中的工地设备进行聚类,以根据重新聚类的结果在所述待检测区域中确定未知工地的区域。
2.根据权利要求1所述的方法,其特征在于,所述设备聚类区域按照以下方式生成:
获取待检测区域中的工地设备上传的定位信息,并根据预设聚类标准对所述定位信息表征的地理位置进行聚类,生成所述待检测区域中的工地设备对应的设备聚类区域。
3.根据权利要求1所述的方法,其特征在于,确定与所述已知工地最接近的目标设备聚类区域包括:
在所述已知工地中确定工地中心点,并分别确定各个所述设备聚类区域的聚类中心点;
计算所述工地中心点与各个所述聚类中心点之间的距离,并将距离最短的聚类中心点所处的设备聚类区域,作为与所述已知工地最接近的目标设备聚类区域。
4.根据权利要求1所述的方法,其特征在于,生成所述预设聚类标准的聚类置信度包括:
确定所述已知工地的区域和所述目标设备聚类区域的并集面积和交集面积,并统计所述交集面积中包含的工地设备的第一数量和所述并集面积中包含的工地设备的第二数量;
将所述第一数量和所述第二数量的比值作为所述预设聚类标准的聚类置信度。
5.根据权利要求1所述的方法,其特征在于,生成所述预设聚类标准的聚类置信度包括:
统计所述已知工地的区域和所述目标设备聚类区域的并集面积和交集面积,并将所述交集面积与所述并集面积的比值作为所述预设聚类标准的聚类置信度。
6.根据权利要求1所述的方法,其特征在于,所述预设聚类标准为候选的多个聚类标准中的一个;
所述聚类置信度不满足预设条件包括:所述聚类置信度在各个候选的聚类标准对应的聚类置信度中不是最大值。
7.根据权利要求6所述的方法,其特征在于,根据重新聚类的结果在所述待检测区域中确定未知工地的区域包括:
若所述重新聚类的结果所对应的聚类置信度在各个候选的聚类标准对应的聚类置信度中为最大值,根据所述重新聚类的结果在所述待检测区域中确定未知工地的区域。
8.根据权利要求1或7所述的方法,其特征在于,根据重新聚类的结果在所述待检测区域中确定未知工地的区域包括:
在所述待检测区域中确定各个重新聚类的结果对应的聚类轮廓,并基于所述聚类轮廓确定工地区域;
将除所述已知工地的区域以外的其它工地区域,作为所述待检测区域中的未知工地的区域。
9.一种工地区域的识别***,其特征在于,所述***提供有按照预设聚类标准对待检测区域中的工地设备进行聚类得到的设备聚类区域;所述***包括:
设备聚类单元,用于获取所述待检测区域中已知工地的工地信息,并根据所述工地信息,从各个所述设备聚类区域中确定与所述已知工地最接近的目标设备聚类区域;
置信度生成单元,用于根据所述已知工地的区域和所述目标设备聚类区域,生成所述预设聚类标准的聚类置信度;
工地识别单元,用于若所述聚类置信度不满足预设条件,对所述预设聚类标准进行调整,并基于调整后的聚类标准重新对所述待检测区域中的工地设备进行聚类,以根据重新聚类的结果在所述待检测区域中确定未知工地的区域。
10.一种工地区域的识别装置,其特征在于,所述工地区域的识别装置包括存储器和处理器,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时,实现如权利要求1至8中任一所述的方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机程序,所述计算机程序被处理器执行时,实现如权利要求1至8中任一所述的方法。
CN202110662564.1A 2021-06-15 2021-06-15 一种工地区域的识别方法、***及装置 Pending CN113392903A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110662564.1A CN113392903A (zh) 2021-06-15 2021-06-15 一种工地区域的识别方法、***及装置
PCT/CN2022/096947 WO2022262595A1 (zh) 2021-06-15 2022-06-02 工地区域的识别方法、***、装置和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110662564.1A CN113392903A (zh) 2021-06-15 2021-06-15 一种工地区域的识别方法、***及装置

Publications (1)

Publication Number Publication Date
CN113392903A true CN113392903A (zh) 2021-09-14

Family

ID=77621212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110662564.1A Pending CN113392903A (zh) 2021-06-15 2021-06-15 一种工地区域的识别方法、***及装置

Country Status (2)

Country Link
CN (1) CN113392903A (zh)
WO (1) WO2022262595A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114333039A (zh) * 2022-03-03 2022-04-12 济南博观智能科技有限公司 一种人像聚类的方法、装置及介质
WO2022262595A1 (zh) * 2021-06-15 2022-12-22 上海华兴数字科技有限公司 工地区域的识别方法、***、装置和计算机可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130108180A1 (en) * 2011-10-26 2013-05-02 Sony Corporation Information processing device, information processing method, and program
CN105844283A (zh) * 2015-01-16 2016-08-10 阿里巴巴集团控股有限公司 用于识别图像类目归属的方法、图像搜索方法及装置
CN110659600A (zh) * 2019-09-19 2020-01-07 北京百度网讯科技有限公司 物体检测方法、装置及设备
CN111488417A (zh) * 2019-01-28 2020-08-04 阿里巴巴集团控股有限公司 信息处理方法、***、装置、设备及计算机存储介质
CN111523786A (zh) * 2020-04-17 2020-08-11 上海华兴数字科技有限公司 电子围栏的调整方法、装置及电子设备
US20200327707A1 (en) * 2019-04-10 2020-10-15 Safemine Ag Gnss-based map generation
CN112035454A (zh) * 2020-08-28 2020-12-04 江苏徐工信息技术股份有限公司 一种基于聚类集成的黑工地检测算法
CN112348091A (zh) * 2020-11-10 2021-02-09 成都福立盟环保大数据有限公司 基于渣土车gps的双聚类的黑工地点位识别算法
CN112508989A (zh) * 2020-11-20 2021-03-16 腾讯科技(深圳)有限公司 一种图像处理方法、装置、服务器以及介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10631129B1 (en) * 2018-10-01 2020-04-21 International Business Machines Corporation First responder feedback-based emergency response floor identification
CN113392903A (zh) * 2021-06-15 2021-09-14 上海华兴数字科技有限公司 一种工地区域的识别方法、***及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130108180A1 (en) * 2011-10-26 2013-05-02 Sony Corporation Information processing device, information processing method, and program
CN105844283A (zh) * 2015-01-16 2016-08-10 阿里巴巴集团控股有限公司 用于识别图像类目归属的方法、图像搜索方法及装置
CN111488417A (zh) * 2019-01-28 2020-08-04 阿里巴巴集团控股有限公司 信息处理方法、***、装置、设备及计算机存储介质
US20200327707A1 (en) * 2019-04-10 2020-10-15 Safemine Ag Gnss-based map generation
CN110659600A (zh) * 2019-09-19 2020-01-07 北京百度网讯科技有限公司 物体检测方法、装置及设备
CN111523786A (zh) * 2020-04-17 2020-08-11 上海华兴数字科技有限公司 电子围栏的调整方法、装置及电子设备
CN112035454A (zh) * 2020-08-28 2020-12-04 江苏徐工信息技术股份有限公司 一种基于聚类集成的黑工地检测算法
CN112348091A (zh) * 2020-11-10 2021-02-09 成都福立盟环保大数据有限公司 基于渣土车gps的双聚类的黑工地点位识别算法
CN112508989A (zh) * 2020-11-20 2021-03-16 腾讯科技(深圳)有限公司 一种图像处理方法、装置、服务器以及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022262595A1 (zh) * 2021-06-15 2022-12-22 上海华兴数字科技有限公司 工地区域的识别方法、***、装置和计算机可读存储介质
CN114333039A (zh) * 2022-03-03 2022-04-12 济南博观智能科技有限公司 一种人像聚类的方法、装置及介质

Also Published As

Publication number Publication date
WO2022262595A1 (zh) 2022-12-22

Similar Documents

Publication Publication Date Title
US20210021956A1 (en) System and Method for Determining a Location Area of a Mobile User
WO2022262595A1 (zh) 工地区域的识别方法、***、装置和计算机可读存储介质
EP3242144B1 (en) Improving a positioning performance
US20170371024A1 (en) Supporting a collaborative collection of data
CN108124267B (zh) 基站自动规划方法及装置
CN104702432B (zh) 基于位置区域划分进行告警的方法及服务器
CN111935820B (zh) 基于无线网络的定位实现方法及相关设备
CN112203293B (zh) 小区过覆盖识别方法、装置、设备及计算机存储介质
US20220342024A1 (en) Reconfiguration of a radio positioning support system
WO2019200139A1 (en) Wireless network service assessment
CN110149654B (zh) 一种基站天馈***故障的确定方法及装置
CN111475746B (zh) 兴趣点位置挖掘方法、装置、计算机设备和存储介质
CN112199453A (zh) 话务热点聚类方法、装置、设备及计算机存储介质
CN109246728B (zh) 一种覆盖异常小区识别方法和装置
CN109947819B (zh) 疑似作弊区域的挖掘方法、装置、计算机设备和存储介质
CN114838704A (zh) 一种高度检测方法、装置及计算机可读存储介质
US20180167779A1 (en) Detection of infrastructure changes in opportunity signal data
CN114419894A (zh) 一种路内停车泊位设置与使用监测的方法与***
CN114117121A (zh) 一种智慧城市的数据采集方法
CN115146007A (zh) 地图数据处理方法及装置
CN113807125A (zh) 应急车道占用检测方法、装置、计算机设备和存储介质
CN107182066B (zh) 一种基于周期性测量数据的全网站点工参核查方法及装置
CN111988807A (zh) 基于大数据的网络问题定位方法、装置及计算设备
CN115327497B (zh) 雷达检测范围确定方法、装置、电子设备及可读介质
CN114760637B (zh) 小区扩容方法和装置

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