[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

说明书

本发明涉及数据处理技术领域，具体涉及一种基于路况特征抽取的运输任务智能分配方法。该方法获取运输视频帧的字典矩阵和稀疏矩阵。根据字典矩阵之间的行列相似性和交并比获得整体相似性。根据整体相似性将字典矩阵对应的运输视频帧分类，获得多个路况类别。获取路况类别中相邻运输视频帧对应的稀疏矩阵之间相似度的波动程度，结合路况类别对应的字典矩阵的熵，获得每个路况类别下的路况平稳度。将路况平稳度累加获得运输视频的运输平稳度。根据运输平稳度对运输人员的运输能力进行评级，根据评级结果进行分配任务。本发明通过K‑SVD算法对运输视频进行分析，获得参考性强的运输平稳度，方便运输系统对运输人员的任务分配。

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于路况特征抽取的运输任务智能分配方法。

背景技术

公路货物运输中，单个车辆的运载量通常较大，需要专门的集装箱车、散装车进行运输。特别是在运输货物为玻璃、化学液体等容易受到震动影响的物品，需要在运输过程中对车辆平稳程度进行较高的要求。在运输管理系统中，运输人员的基本职业能力和职业素养可在运输工作中体现出来，在运输过程中运输人员驾驶的运输车辆的平稳度可通过安装大量传感器进行数据反馈。但是传感器安装成本较高且在运输过程中会因为环境因素导致出现误差，无法实现对运输人员运输过程中的平稳度进行准确评估。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于路况特征抽取的运输任务智能分配方法，所采用的技术方案具体如下：

本发明提出了一种基于路况特征抽取的运输任务智能分配方法，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。

进一步地，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。

进一步地，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。

进一步地，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：