[發明專利]基于路況狀態預測模型的溯源方法、裝置和計算機設備

有效

• 申請號: 202010584408.3
• 申請日: 2020-06-24
• 公開（公告）號: CN111477012B
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 林劍
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G08G1/048
• 分類號: G08G1/048;G08G1/01;G06K9/62;G06N3/04;G06N3/08;G01N33/00
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝

本申請涉及人工智能技術領域，應用于智慧城市領域中，揭示了一種基于路況狀態預測模型的溯源方法、裝置、計算機設備和存儲介質，獲取實時圖像；將實時圖像，輸入路況狀態預測模型中，從而得到預測路況級別；獲取指定尾氣濃度計算公式；計算出模擬尾氣污染濃度，并構建模擬尾氣污染濃度序列[A1,A2,...,An]；獲取真實尾氣濃度，并構建真實尾氣濃度序列[C1,C2,...,Cn]；計算出皮爾森相關系數值；若皮爾森相關系數值大于系數閾值，則判定指定車型的汽車為尾氣污染主要來源，并將指定車型加入限行名單。從而找出尾氣污染主要來源，再將尾氣污染主要來源進行限制，提高尾氣污染的控制效率。此外，本申請還涉及區塊鏈技術，所述路況狀態預測模型可存儲于區塊鏈中。

技術領域

本申請涉及人工智能技術領域，特別是涉及一種基于路況狀態預測模型的溯源方法、裝置、計算機設備和存儲介質。

背景技術

汽車尾氣排放會造成尾氣污染，而尾氣污染已經成為城市空氣污染的主要來源。現有的控制尾氣污染的方案，一般是通過例如單雙號限制汽車出行的方式以減少單位時間內的汽車出行數量，而這種控制尾氣污染的方案，不能找出主要的尾氣污染源，只是機械地限制汽車數量，其對于尾氣污染的控制效率低，反而會對民眾出行和工業生產帶來更多的不便。因此，現有的控制尾氣污染的方案的尾氣污染的控制效率有待提高。

發明內容

本申請提出一種基于路況狀態預測模型的溯源方法，應用于測試終端，所述測試終端位于指定位置，包括：

獲取通過預設的攝像頭采集的指定路段的實時圖像；其中，所述指定位置位于所述指定路段的下風處，從而所述指定路段的氣體能夠擴散至所述指定位置；

將所述指定路段的實時圖像，輸入預設的路況狀態預測模型中，從而得到所述路況狀態預測模型輸出的預測路況級別；其中，所述路況狀態預測模型基于神經網絡模型，并采用訓練集訓練而成，所述訓練集中的數據包括訓練用路況圖片和與對訓練用路況圖片進行人工標識的路況級別；

根據預設的路況級別與尾氣濃度計算公式的對應關系，獲取與所述預測路況級別對應的指定車型的指定尾氣濃度計算公式；

根據所述指定尾氣濃度計算公式，計算出所述指定位置上處于不同時間段的模擬尾氣污染濃度，并構建模擬尾氣污染濃度序列[A1,A2,...,An]；其中，A1,A2,...,An分別指在n個時間點計算得到的模擬尾氣污染濃度；

通過預設于所述指定位置上的氣體濃度檢測器，在所述n個時間點時獲取所述指定位置上的真實尾氣濃度，并構建真實尾氣濃度序列[C1,C2,...,Cn]；其中，C1,C2,...,Cn分別指在所述n個時間點檢測得到的真實尾氣污染濃度；

根據預設的皮爾森相關系數計算公式，計算出所述模擬尾氣污染濃度序列[A1,A2,...,An]與所述真實尾氣濃度序列[C1,C2,...,Cn]對應的皮爾森相關系數值，并判斷所述皮爾森相關系數值是否大于預設的系數閾值；

若所述皮爾森相關系數值大于預設的系數閾值，則判定所述指定車型的汽車為尾氣污染主要來源，并將所述指定車型加入限行名單。

進一步地，所述將所述指定路段的實時圖像，輸入預設的路況狀態預測模型中，從而得到所述路況狀態預測模型輸出的預測路況級別的步驟之前，包括：

從預設的樣本庫中調取指定數量的樣本數據，并按預設的比例將所述指定數量的樣本數據劃分為訓練數據和校驗數據；其中，所述樣本數據由訓練用路況圖片和與對訓練用路況圖片進行人工標識的路況級別所構成；

調取預設的神經網絡模型，并將所述訓練數據輸入所述神經網絡模型中進行訓練，從而得到暫時模型；

利用所述校驗數據驗證所述暫時模型，從而得到驗證結果，并判斷所述驗證結果是否為驗證通過；

若所述驗證結果為驗證通過，則將所述暫時模型作為所述路況狀態預測模型。