[发明专利]一种基于路况特征抽取的运输任务智能分配方法

权利要求书

1.一种基于路况特征抽取的运输任务智能分配方法，其特征在于，所述方法包括：

通过运输车辆前方的摄像头获得运输人员运输过程中路面的运输视频；根据K-SVD算法获得每个运输视频帧的字典矩阵和稀疏矩阵；

获得所述字典矩阵之间的行列相似性；获得所述字典矩阵之间的交并比；根据所述行列相似性和所述交并比获得所述字典矩阵之间的整体相似性；根据所述整体相似性对对应的所述运输视频帧进行分类，获得多个路况类别；

获得所述路况类别中相邻所述运输视频帧对应的所述稀疏矩阵之间相似度，获得相似度序列；以所述路况类别对应的所述字典矩阵的熵作为所述路况类别的路况复杂度；根据所述路况复杂度和所述相似度序列的波动程度获得对应的所述路况类别的路况平稳度；

以所述运输视频中所有所述路况类别的所述路况平稳度的累加值作为所述运输人员的运输平稳度；根据所述运输平稳度对所述运输人员的运输能力进行评级，根据评级结果对所述运输人员分配运输任务。

2.根据权利要求1所述的一种基于路况特征抽取的运输任务智能分配方法，其特征在于，所述获得所述字典矩阵之间的行列相似性包括：

根据行列相似性公式获得所述行列相似性，所述行列相似性公式包括：

其中，为第帧所述运输视频帧与第帧所述运输视频帧之间的所述行列相似性，为第帧所述运输视频帧的所述字典矩阵的行，为第帧所述运输视频帧的所述字典矩阵的列，为第帧所述运输视频帧的所述字典矩阵的行，为第帧所述运输视频帧的所述字典矩阵的列，为最小值函数，为最大值函数。

3.根据权利要求1所述的一种基于路况特征抽取的运输任务智能分配方法，其特征在于，所述获得所述字典矩阵之间的交并比包括：

将两个所述字典矩阵进行匹配过程，以匹配结果中对应交集位置的最小元素值和最大值元素值的比值作为所述位置的交集值，将所述交集位置的所述交集值累加，获得整体交集值；所述匹配过程包括：

获取两个所述字典矩阵的多个初始匹配结果，获得每个所述初始匹配结果的所述整体交集值，以最大的所述整体交集值对应的所述初始匹配结果作为所述匹配结果；

以所述匹配结果中所述交集位置外的元素数量和所述整体交集值的和作为整体并集值；以所述整体交集值与所述整体并集值的比值作为所述交并比。

4.根据权利要求1所述的一种基于路况特征抽取的运输任务智能分配方法，其特征在于，所述根据所述行列相似性和所述交并比获得所述字典矩阵之间的整体相似性包括：

以所述行列相似性和所述交并比的乘积作为所述字典矩阵之间的所述整体相似性。

5.根据权利要求4所述的一种基于路况特征抽取的运输任务智能分配方法，其特征在于，所述根据所述整体相似性对对应的所述运输视频帧进行分类，获得多个路况类别包括：

将所述整体相似性大于预设相似性阈值的两个所述字典矩阵作为一类，获得多个路况类别。

6.根据权利要求1所述的一种基于路况特征抽取的运输任务智能分配方法，其特征在于，所述获得所述路况类别中相邻所述运输视频帧对应的所述稀疏矩阵之间相似度包括：

将所述稀疏矩阵相邻列数据首尾相连，获得对应的列向量；以所述列向量之间的余弦相似度作为所述稀疏矩阵之间的相似度。

7.根据权利要求1所述的一种基于路况特征抽取的运输任务智能分配方法，其特征在于，所述根据所述路况复杂度和所述相似度序列的波动程度获得对应的所述路况类别的路况平稳度包括：

以所述相似度序列的标准差与均值的比值作为所述波动程度；以所述波动程度与所述路况复杂度的乘积作为所述路况平稳度。