具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能和CIM的垃圾中转站选址评估方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于人工智能和CIM的垃圾中转站选址评估方法及系统的具体方案。

本发明实施例的应用场景为：预选多个候选垃圾中转站地址，通过对候选垃圾中转站地址的分析，选出最优的地址。

请参阅图1，其示出了本发明一个实施例提供的一种基于人工智能和CIM的垃圾中转站选址评估方法流程图，该方法包括：

步骤S1：通过CIM模型获得垃圾中转站信息，垃圾中转站信息包括现有垃圾中转站信息和候选垃圾中转站信息。

CIM模型是以建筑信息模型、地理信息系统、物联网等技术为基础，整合城市地上地下、室内室外、历史现状等多位多尺度信息模型数据和城市感知数据，构建三维数字空间的城市信息有机综合体。本发明实施例为了对候选垃圾中转站进行选址，因此需要针对现有垃圾中转站信息分析候选垃圾中转站信息。通过CIM模型获得垃圾中转站信息，垃圾中转站信息包括现有垃圾中转站信息和候选垃圾中转站信息。

步骤S2：通过CIM模型获得垃圾运输终点和垃圾产生区域。以候选垃圾中转站位置到垃圾运输终点和垃圾产生区域距离之和作为运输指标。

垃圾中转站作为城市垃圾处理的中枢，需要接收垃圾产生区域的垃圾，进行处理后运送到垃圾掩埋场或者垃圾焚烧厂等垃圾运输终点。因此在选址过程中，需要考虑候选垃圾中转站垃圾运输路线的长度。

通过CIM模型获得垃圾运输终点和垃圾产生区域，候选垃圾中转站与垃圾运输终点和垃圾产生区域之间的路线存在有多条，以所有路线距离之和作为运输指标。具体的，道路距离计算公式为：

其中，L为路线距离，n为道路数量，D_i为第i条路线距离，σ_i为第i条路线的路线权值。在本发明实施例中，按照距离的远近对路线进行划分，最近的路线作为主道路，次近的为次道路，以及其他道路。主道路的路线权值为0.7，次道路的路线权值为0.25，其他道路的路线权值为0.05。

步骤S3：以垃圾中转站位置为原点设定服务邻域，根据服务邻域内垃圾产量调整服务邻域大小，获得候选垃圾中转站与现有垃圾中转站之间的服务邻域交集面积。

根据步骤S1获得的垃圾中转站信息获得所有垃圾中转站的位置。以每个垃圾中转站位置为原点，根据预设的邻域半径设定服务邻域。在本发明实施例中邻域半径为一百米。根据邻域半径设置的服务邻域需要根据实际情况下服务邻域内的垃圾产量对服务邻域大小进行调整。获取城市中所有垃圾中转站的服务邻域，进而获得候选垃圾中转站与其他垃圾中转站之间的服务邻域交集面积。

垃圾产量的具体获取方法包括：

在城市中存在多种垃圾产生区域，如商场、居民区等。通过CIM模型获取垃圾产生区域中通过垃圾站点附近的监控采集的垃圾产生区域图像。垃圾产生区域图像为一天中垃圾清理前垃圾站点堆积垃圾的图像数据。

在垃圾产生区域图像中分割出垃圾图像。获得垃圾图像中垃圾所在垃圾站点的规模。在本发明实施例中，通过预先训练好的垃圾分割网络处理垃圾产生区域图像，输出垃圾图像。垃圾分割网络的训练数据为包含垃圾的垃圾产生区域图像。将垃圾产生区域图像中的垃圾像素点进行标注获得标注数据，垃圾像素点标注为1，其他标注为0。采用交叉熵损失函数训练垃圾分割网络。

通过连通域分析获得垃圾图像面积，将垃圾图像和垃圾产生区域图像的面积比值作为垃圾占比，根据垃圾占比和垃圾中转站的规模获得垃圾产量。具体通过垃圾产量公式获得垃圾产量：

其中，a为垃圾产量，V为垃圾中转站规模，S为垃圾图像面积，S₀为垃圾产生区域图像面积，ε为垃圾量浮动参数。ε可根据实际的垃圾产生区域进行设置。在本发明实施例中，以居民区为垃圾产生区域，ε设置为2。

需要说明的是，服务邻域内包含多个垃圾产生区域，将所有垃圾产生区域的垃圾产量求和获得服务邻域的垃圾产量。

根据服务邻域内的垃圾产量调整服务邻域大小具体包括：

当垃圾产量和所述垃圾中转站规模的差值大于预设的第一阈值时，依照预设调整步长减小服务邻域大小；

当垃圾中转站规模和所述垃圾产量的差值大于所述第一阈值时，依照调整步长增大服务邻域大小；

当垃圾产量和所述垃圾中转站规模差值的绝对值小于等于所述第一阈值时，服务邻域大小不变。

在本发明实施例中，调整步长设置为十米。

候选垃圾中转站与其他垃圾中转站的服务邻域交集面积表示两个垃圾中转站的冲突范围，在选址过程中，需要尽可能的减小服务邻域交集面积，避免资源浪费。

步骤S4：通过现有垃圾中转站的恶臭等级获取对应候选垃圾中转站规模和人流量的负面影响指标。

垃圾中转站处理垃圾造成的恶臭气味会对人员生活造成影响，在候选垃圾中转站选址过程中需要考虑候选垃圾中转站规模和所在位置的人流量对应的负面影响。

获取现有垃圾中转站距离相近道路的道路图像。获得道路图像中人员的运动信息。运动信息包括人员加速度和人员姿态。根据恶臭等级获得对应人员流量和垃圾中转站规模的负面影响指标。

具体地，获得道路图像中人员的运动信息包括：

将道路图像送入预先训练好的人员检测网络中，输出人员关键点信息。在本发明实施例中人员检测网络具体包括：

1)以包含人员信息的道路图像作为训练数据。以人员手部、肘部、肩部中心点和两脚中心点作为人员关键点对训练数据进行标注，以高斯核卷积生成以关键点为中心的热斑进行标注，获得标注数据。将训练数据和标注数据都经过归一化处理。

2)人员检测网络为编码-解码结构。将训练数据和标签数据作为输入数据送入网络中端到端的训练网络。人员检测编码器对输入数据进行特征提取，输出特征图。人员检测解码器对特征图进行上采样。手部、肘部、肩部关键点为一个输出通道，脚部关键点为一个输出通道，输出与原图等大的人员关键点热图。人员关键点热图包含人员关键点信息。

3)采用均方差损失函数训练。

根据人员关键点信息可获取人员姿态和人员流量。垃圾产生的恶臭气味会对路过人员有影响，人路过垃圾中转站时会掩着口鼻通过，因此在本发明实施例中，将手肘关键点连线与肘肩关键点连线的夹角反应人员姿态。

将脚部关键点在时序上进行叠加，获得人员移动轨迹。根据人员移动轨迹获得人员加速度。垃圾中转站的产生的恶臭会使行人通过时速度加快，因此人员加速度越大，人员姿态变化越大则恶臭等级越大。在本发明实施例中，在时序上以0.2秒一帧基于遗忘算法进行叠加。遗忘算法叠加的具体计算方法为：

X＝αx+(1-α)x′

其中，x为当前帧结果，x′为之前帧的叠加结果，X为包含当前帧的叠加计算结果，(1-α)为遗忘系数，在本发明实施例中，α的取值为0.05。

在本发明实施例中，将恶臭等级分为3级，当人员姿态和人员加速度都不变时，恶臭等级为1；当人员姿态发生变化并持续一段时间，人员加速度不变时，恶臭等级为2；当人员姿态和人员加速度都发生变化时，恶臭等级为3。

因为通过垃圾中转站的人员个体间受影响的反应不同，根据运动信息获得每个人员对应的初始恶臭等级，以人员数量最多的初始恶臭等级作为最终的恶臭等级。

以候选垃圾中转站的规模和该候选垃圾中转站位置的人流量获得对应的恶臭等级，以该恶臭等级作为该候选垃圾中转站的负面影响指标。在本发明实施例中，通过将候选垃圾中转站和对应位置的人流量送入预先训练好的分类网络中，输出对应的负面影响指标。

步骤S5：根据服务邻域交集面积、运输指标和负面影响指标获得候选垃圾中转站位置的合适度。

将运输指标、服务邻域交集面积和负面影响指标归一化后，获得表示候选垃圾中转站的特征指标[τ_a，τ_b，τ_c]。在本发明实施例中，合适度计算公式为：

其中，为合适度，τ_a为运输指标，τ_b为服务邻域交集面积，τ_c为负面影响指标，ω₁、ω₂、ω₃为对应特征指标的权重，在本发明实施例中设置为：ω₁＝0.25、ω₂＝0.25、ω₃＝0.5。

通过合适度大小可以综合评定候选垃圾中转站位置，从多个候选垃圾中转站位置中找出最优的候选垃圾中转站。

综上所述，本发明实施例通过CIM模型获得垃圾中转站信息，获得垃圾运输终点和垃圾产生区域。以候选垃圾中转站位置到垃圾运输终点和垃圾产生区域距离之和作为运输指标。以垃圾中转站位置为原点设定服务邻域，根据服务邻域内垃圾产量调整服务邻域大小，获得候选垃圾中转站与现有垃圾中转站之间的服务邻域交集面积。通过现有垃圾中转站的恶臭等级获取对应候选垃圾中转站规模和人流量的负面影响指标。根据服务邻域交集面积、运输指标和负面影响指标获得候选垃圾中转站位置的合适度。考虑了多方面对候选垃圾中转站选址的影响，使得选址更科学高效。

请参阅图2，其示出本发明一个实施例提供的一种基于人工智能和CIM的垃圾中转站选址评估系统框图。该系统包括：

垃圾中转站信息获取模块101，用于通过CIM模型获得垃圾中转站信息。垃圾中转站信息包括现有垃圾中转站信息和候选垃圾中转站信息。

运输指标获取模块102，用于通过CIM模型获得垃圾运输终点和垃圾产生区域，以候选垃圾中转站位置到所述垃圾运输终点和垃圾产生区域路线距离之和作为运输指标；

服务邻域交集面积获取模块103，用于以每个垃圾中转站位置为原点，根据预设邻域半径设定服务邻域，根据每个服务邻域内垃圾产量调整服务邻域大小，获得候选垃圾中转站与其他垃圾中转站之间的服务邻域交集面。

负面影响指标获取模块104，用于获取现有垃圾中转站距离相近道路的道路图像。获得道路图像中人员的运动信息和人员流量。运动信息包括人员加速度和人员姿态。根据运动信息获得恶臭等级。根据恶臭等级获得对应人员流量和垃圾中转站规模的负面影响指标。

合适度获取模块105，用于根据服务邻域交集面积、运输指标和负面影响指标获得候选垃圾中转站位置的合适度。

优选的，服务邻域交集面积获取模块103还包括垃圾产量获取模块。垃圾产量获取模块用于获取服务邻域内垃圾产生区域图像。在垃圾产生区域图像中分割出垃圾图像。获得垃圾图像中垃圾所在垃圾站点规模。将垃圾图像和垃圾产生区域图像的面积比值作为垃圾占比。根据垃圾占比和垃圾站点规模获得垃圾产量。

优选的，服务邻域交集面积获取模块103还包括服务邻域大小调整模块。服务邻域大小调整模块用于当垃圾产量和所述垃圾中转站规模的差值大于预设的第一阈值时，依照预设调整步长减小服务邻域大小。当垃圾中转站规模和垃圾产量的差值大于第一阈值时，依照调整步长增大所述服务邻域大小。当垃圾产量和垃圾中转站规模差值的绝对值小于等于第一阈值时，服务邻域大小不变。

优选的，负面影响指标获取模块104还包括恶臭等级筛选模块。恶臭等级筛选模块用于根据运动信息获得每个人员对应的初始恶臭等级。以人员数量最多的初始恶臭等级作为恶臭等级。

优选的，负面影响指标获取模块104还包括道路图像处理模块。道路图像处理模块用于，将道路图像送入预先训练好的人员检测网络中，输出人员关键点信息。通过人员关键点信息获取人员姿态和所述人员流量。将人员关键点在时序上叠加，获得人员移动轨迹。根据人员移动轨迹获得所述人员加速度。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，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。