CN112991130B - 基于人工智能的城市治理事件处理方法及装置 - Google Patents
基于人工智能的城市治理事件处理方法及装置 Download PDFInfo
- Publication number
- CN112991130B CN112991130B CN202110279064.XA CN202110279064A CN112991130B CN 112991130 B CN112991130 B CN 112991130B CN 202110279064 A CN202110279064 A CN 202110279064A CN 112991130 B CN112991130 B CN 112991130B
- Authority
- CN
- China
- Prior art keywords
- image data
- urban
- target
- determined
- scene
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000003672 processing method Methods 0.000 claims abstract description 12
- 238000010276 construction Methods 0.000 claims description 55
- 230000006378 damage Effects 0.000 claims description 17
- 238000003062 neural network model Methods 0.000 claims description 8
- 239000000428 dust Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000009430 construction management Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 21
- 230000004044 response Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 1
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 1
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于人工智能的城市治理事件处理方法及装置，该方法包括：获取目标区域在目标时间段的目标影像数据，根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件；当判断出所述目标区域发生城市治理事件时，从相关影像区块链中获取所述目标区域的附近区域在所述目标时间段的所有相关影像数据；基于城市治理事件分析模型，对所述目标影像数据和所述所有相关影像数据进行分析，确定所述城市治理事件对应的处理信息和处理方案。可见，本发明实现了通过人工智能算法来自动对城市治理事件进行应对和处理，相比于现有的使用人工巡逻或市民监督的方式，其处理效率更高，处理效果更好。
Description
技术领域
本发明涉及智慧城市技术领域，尤其涉及一种基于人工智能的城市治理事件处理方法及装置。
背景技术
随着城市智慧化，政府部门对于城市治理事件的防范力度也日渐提高，而随着城市人口的上升和密集，城市治理事件的预防也显得越来越重要。如何高效且及时地获知城市治理事件，成为智慧城市治理的一个关键的技术难点。
现有的城市治理事件的处理技术，仍然停留在利用人工的城市巡逻队伍或发挥市民的监督职能，在发现城市治理事件时进行举报和处理的层面，没有意识到城市越来越遍布的摄像头所带来的目标影像数据的优势，同时其在确定城市治理事件的处理方案时，仍然采用的是人为决策的方式，效率低，在应发一些紧急的城市治理事件时，其处理效果不尽如人意。
发明内容
本发明所要解决的技术问题在于，提供一种基于人工智能的城市治理事件处理方法及装置，能够根据目标影像数据判断出目标区域内的城市治理事件，并结合其他附近区域的相关影像数据，基于分析模型自动得到对应的处理信息和处理方案，从而实现了通过人工智能算法来自动对城市治理事件进行应对和处理，相比于现有的使用人工巡逻或市民监督的方式，其处理效率更高，处理效果更好。
为了解决上述技术问题，本发明第一方面公开了一种基于人工智能的城市治理事件处理方法，所述方法包括：
获取目标区域在目标时间段的目标影像数据，根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件；
当判断出所述目标区域发生城市治理事件时，从相关影像区块链中获取所述目标区域的附近区域在所述目标时间段的所有相关影像数据；
基于城市治理事件分析模型，对所述目标影像数据和所述所有相关影像数据进行分析，确定所述城市治理事件对应的处理信息和处理方案；所述处理信息包括所述城市治理事件对应的问责对象信息、各对象担责比例信息、受害对象信息和负责部门信息中的一种或多种。
作为一种可选的实施方式，在本发明第一方面中，所述城市治理事件包括夜间施工事件、设施破坏事件、交通拥堵事件和违规摆摊事件中的一种或多种；所述相关影像区块链包括行车记录仪影像区块链、街道摄像头影像区块链、商铺摄像头影像区块链中的一种或多种；所述相关影像数据包括所述附近区域的车辆的行车记录仪影像、所述附近区域的街道摄像头影像、所述附近区域的商铺摄像头影像中的一种或多种；所述负责部门信息包括施工管理部门、设施管理部门、交通管理部门和城市执法管理部门中的一种或多种。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件，包括：
基于图像识别算法，识别出所述目标影像数据中的当前时间信息和施工影像；所述施工影像包括施工工人影像、施工设备运动影像、施工建筑变化影像、施工尘土影像中的一种或多种；
当判断到所述当前时间信息为夜间，且存在所述施工影像时，判断出所述目标区域发生夜间施工事件。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件，包括：
基于图像识别算法，判断所述目标影像数据中是否存在城市设施影像；所述城市设施影像包括电力设施影像、排水设施影像、交通设施影像和便民设施影像中的一种或多种；
将所述城市设施影像与预设的城市设施模板匹配，判断所述城市设施影像是否存在缺失影像的情况；
当判断到所述城市设施影像存在缺失影像的情况时，判断出所述目标区域发生设施破坏事件；
和/或，
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景；所述城市场景为街道场景、商场区域场景或交通设施区域场景；
将所述目标影像数据与所述城市场景对应的城市设施模板匹配，判断所述目标影像数据是否存在缺失所述城市设施影像的情况；
当判断到所述目标影像数据存在缺失所述城市设施影像的情况时，判断出所述目标区域发生设施破坏事件。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件，包括：
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景是否为交通道路场景；
当判断到所述目标影像数据的城市场景为交通道路场景时，判断所述目标影像数据中是否存在拥堵车辆影像集合；所述拥堵车辆影像集合中所有车辆影像的平均行进速度低于预设的速度阈值；
当判断到所述目标影像数据中存在所述拥堵车辆影像集合时，判断出所述目标区域发生交通拥堵事件。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件，包括：
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景是否为商业区域街道场景；
当判断到所述目标影像数据属于商业区域街道场景时，判断所述目标影像数据中是否存在违规摊位影像集合；所述违规摊位影像集合中的摊位影像的位置在预设的合规区域外；
当判断到所述目标影像数据中存在所述违规摊位影像集合时，判断出所述目标区域发生违规摆摊事件；
和/或，
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景是否为商业区域街道场景；
当判断到所述目标影像数据属于商业区域街道场景时，判断所述目标影像数据所属的商业区域街道是否为禁止摆摊街道区域以及所述目标影像数据中是否存在摊位影像集合；
当判断到所述目标影像数据所属的商业区域街道为禁止摆摊街道区域且所述目标影像数据中存在摊位影像集合时，判断出所述目标区域发生违规摆摊事件。
作为一种可选的实施方式，在本发明第一方面中，所述从相关影像区块链中获取所述目标区域的附近区域在所述目标时间段的所有相关影像数据，包括：
获取所述目标区域的附近区域的所有摄像主体的标识；所述摄像主体包括车辆的行车记录仪、街道摄像头、商铺摄像头中的一种或多种；
根据所述摄像主体的标识，从相关影像区块链中下载该摄像主体在所述目标时间段的记录的所有相关影像数据。
作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
发送所述城市治理事件对应的处理信息和处理方案至相应的处理设备；所述处理设备包括政府部门终端设备、区域广播设备和目标用户的移动终端设备中的一种或多种。
本发明第二方面公开了一种基于人工智能的城市治理事件处理装置，所述装置包括：
判断模块，用于获取目标区域在目标时间段的目标影像数据，根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件；
获取模块，用于当判断出所述目标区域发生城市治理事件时，从相关影像区块链中获取所述目标区域的附近区域在所述目标时间段的所有相关影像数据；
分析模块，用于基于城市治理事件分析模型，对所述目标影像数据和所述所有相关影像数据进行分析，确定所述城市治理事件对应的处理信息和处理方案；所述处理信息包括所述城市治理事件对应的问责对象信息、受害对象信息和负责部门信息中的一种或多种。
作为一种可选的实施方式，在本发明第二方面中，所述城市治理事件包括夜间施工事件、设施破坏事件、交通拥堵事件和违规摆摊事件中的一种或多种；所述相关影像区块链包括行车记录仪影像区块链、街道摄像头影像区块链、商铺摄像头影像区块链中的一种或多种；所述相关影像数据包括所述附近区域的车辆的行车记录仪影像、所述附近区域的街道摄像头影像、所述附近区域的商铺摄像头影像中的一种或多种；所述负责部门信息包括施工管理部门、设施管理部门、交通管理部门和城市执法管理部门中的一种或多种。
作为一种可选的实施方式，在本发明第二方面中，所述判断模块根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件的具体方式，包括：
基于图像识别算法，识别出所述目标影像数据中的当前时间信息和施工影像；所述施工影像包括施工工人影像、施工设备运动影像、施工建筑变化影像、施工尘土影像中的一种或多种；
当判断到所述当前时间信息为夜间，且存在所述施工影像时，判断出所述目标区域发生夜间施工事件。
作为一种可选的实施方式，在本发明第二方面中，所述判断模块根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件的具体方式，包括：
基于图像识别算法，判断所述目标影像数据中是否存在城市设施影像；所述城市设施影像包括电力设施影像、排水设施影像、交通设施影像和便民设施影像中的一种或多种；
将所述城市设施影像与预设的城市设施模板匹配，判断所述城市设施影像是否存在缺失影像的情况；
当判断到所述城市设施影像存在缺失影像的情况时，判断出所述目标区域发生设施破坏事件；
和/或，
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景；所述城市场景为街道场景、商场区域场景或交通设施区域场景；
将所述目标影像数据与所述城市场景对应的城市设施模板匹配，判断所述目标影像数据是否存在缺失所述城市设施影像的情况；
当判断到所述目标影像数据存在缺失所述城市设施影像的情况时，判断出所述目标区域发生设施破坏事件。
作为一种可选的实施方式，在本发明第二方面中，所述判断模块根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件的具体方式，包括：
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景是否为交通道路场景；
当判断到所述目标影像数据的城市场景为交通道路场景时，判断所述目标影像数据中是否存在拥堵车辆影像集合；所述拥堵车辆影像集合中所有车辆影像的平均行进速度低于预设的速度阈值；
当判断到所述目标影像数据中存在所述拥堵车辆影像集合时，判断出所述目标区域发生交通拥堵事件。
作为一种可选的实施方式，在本发明第二方面中，所述判断模块根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件的具体方式，包括：
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景是否为商业区域街道场景；
当判断到所述目标影像数据属于商业区域街道场景时，判断所述目标影像数据中是否存在违规摊位影像集合；所述违规摊位影像集合中的摊位影像的位置在预设的合规区域外；
当判断到所述目标影像数据中存在所述违规摊位影像集合时，判断出所述目标区域发生违规摆摊事件；
和/或，
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景是否为商业区域街道场景；
当判断到所述目标影像数据属于商业区域街道场景时，判断所述目标影像数据所属的商业区域街道是否为禁止摆摊街道区域以及所述目标影像数据中是否存在摊位影像集合；
当判断到所述目标影像数据所属的商业区域街道为禁止摆摊街道区域且所述目标影像数据中存在摊位影像集合时，判断出所述目标区域发生违规摆摊事件。
作为一种可选的实施方式，在本发明第二方面中，所述获取模块从相关影像区块链中获取所述目标区域的附近区域在所述目标时间段的所有相关影像数据的具体方式，包括：
获取所述目标区域的附近区域的所有摄像主体的标识；所述摄像主体包括车辆的行车记录仪、街道摄像头、商铺摄像头中的一种或多种；
根据所述摄像主体的标识，从相关影像区块链中下载该摄像主体在所述目标时间段的记录的所有相关影像数据。
作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
发送模块，用于发送所述城市治理事件对应的处理信息和处理方案至相应的处理设备；所述处理设备包括政府部门终端设备、区域广播设备和目标用户的移动终端设备中的一种或多种。
本发明第三方面公开了另一种基于人工智能的城市治理事件处理装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的基于人工智能的城市治理事件处理方法中的部分或全部步骤。
本发明实施例第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明实施例第一方面公开的基于人工智能的城市治理事件处理方法中的部分或全部步骤。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，获取目标区域在目标时间段的目标影像数据，根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件；当判断出所述目标区域发生城市治理事件时，从相关影像区块链中获取所述目标区域的附近区域在所述目标时间段的所有相关影像数据；基于城市治理事件分析模型，对所述目标影像数据和所述所有相关影像数据进行分析，确定所述城市治理事件对应的处理信息和处理方案；所述处理信息包括所述城市治理事件对应的问责对象信息、各对象担责比例信息、受害对象信息和负责部门信息中的一种或多种。可见，本发明能够根据目标影像数据判断出目标区域内的城市治理事件，并结合其他附近区域的相关影像数据，基于分析模型自动得到对应的处理信息和处理方案，从而实现了通过人工智能算法来自动对城市治理事件进行应对和处理，相比于现有的使用人工巡逻或市民监督的方式，其处理效率更高，处理效果更好。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是本发明实施例公开的一种基于人工智能的城市治理事件处理方法的流程示意图；
图2是本发明实施例公开的一种基于人工智能的城市治理事件处理装置的结构示意图；
图3是本发明实施例公开的又一种基于人工智能的城市治理事件处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于人工智能的城市治理事件处理方法及装置，能够根据目标影像数据判断出目标区域内的城市治理事件，并结合其他附近区域的相关影像数据，基于分析模型自动得到对应的处理信息和处理方案，从而实现了通过人工智能算法来自动对城市治理事件进行应对和处理，相比于现有的使用人工巡逻或市民监督的方式，其处理效率更高，处理效果更好。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种基于人工智能的城市治理事件处理方法的流程示意图。如图1所示，该基于人工智能的城市治理事件处理方法可以包括以下操作：
101、获取目标区域在目标时间段的目标影像数据，根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件。
在本发明实施例中，城市治理事件包括夜间施工事件、设施破坏事件、交通拥堵事件和违规摆摊事件中的一种或多种。
102、当判断出目标区域发生城市治理事件时，从相关影像区块链中获取目标区域的附近区域在目标时间段的所有相关影像数据。
在本发明实施例中，相关影像区块链包括行车记录仪影像区块链、街道摄像头影像区块链、商铺摄像头影像区块链中的一种或多种。
在本发明实施例中，相关影像数据包括所述附近区域的车辆的行车记录仪影像、所述附近区域的街道摄像头影像、所述附近区域的商铺摄像头影像中的一种或多种。
103、基于城市治理事件分析模型，对目标影像数据和所有相关影像数据进行分析，确定城市治理事件对应的处理信息和处理方案。
本发明实施例中，处理信息包括所述城市治理事件对应的问责对象信息、各对象担责比例信息、受害对象信息和负责部门信息中的一种或多种。可选的，负责部门信息包括施工管理部门、设施管理部门、交通管理部门和城市执法管理部门中的一种或多种。
可见，通过实施本发明实施例，能够根据目标影像数据判断出目标区域内的城市治理事件，并结合其他附近区域的相关影像数据，基于分析模型自动得到对应的处理信息和处理方案，从而实现了通过人工智能算法来自动对城市治理事件进行应对和处理，相比于现有的使用人工巡逻或市民监督的方式，其处理效率更高，处理效果更好。
作为一种可选的实施例，步骤101中的，根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件，包括：
基于图像识别算法，识别出目标影像数据中的当前时间信息和施工影像；施工影像包括施工工人影像、施工设备运动影像、施工建筑变化影像、施工尘土影像中的一种或多种；
当判断到当前时间信息为夜间，且存在施工影像时，判断出目标区域发生夜间施工事件。
可见，通过实施本可选的实施例，能够根据目标影像数据判断出目标区域内的夜间施工事件，从而实现了通过算法来自动对城市治理事件进行识别，相比于现有的使用人工识别响应的方式，其识别效率更高，识别效果更好。
作为一种可选的实施例，步骤101中的，根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件，包括：
基于图像识别算法，判断目标影像数据中是否存在城市设施影像；城市设施影像包括电力设施影像、排水设施影像、交通设施影像和便民设施影像中的一种或多种；
将城市设施影像与预设的城市设施模板匹配，判断城市设施影像是否存在缺失影像的情况；
当判断到城市设施影像存在缺失影像的情况时，判断出目标区域发生设施破坏事件。
可见，通过实施本可选的实施例，能够根据目标影像数据判断出目标区域内的设施是否被破坏，从而实现了通过算法来自动对城市治理事件进行识别，相比于现有的使用人工识别响应的方式，其识别效率更高，识别效果更好。
作为一种可选的实施例，步骤101中的，根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件，包括：
基于图像识别算法以及预设的城市场景模板，判断目标影像数据的城市场景；城市场景为街道场景、商场区域场景或交通设施区域场景；
将目标影像数据与城市场景对应的城市设施模板匹配，判断目标影像数据是否存在缺失城市设施影像的情况；
当判断到目标影像数据存在缺失城市设施影像的情况时，判断出目标区域发生设施破坏事件。
可见，通过实施本可选的实施例，能够根据目标影像数据判断出目标区域内的设施是否缺失，如井盖是否缺失，从而实现了通过算法来自动对城市治理事件进行识别，相比于现有的使用人工识别响应的方式，其识别效率更高，识别效果更好。
作为一种可选的实施例，步骤101中的，根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件，包括：
基于图像识别算法以及预设的城市场景模板，判断目标影像数据的城市场景是否为交通道路场景；
当判断到目标影像数据的城市场景为交通道路场景时，判断目标影像数据中是否存在拥堵车辆影像集合；拥堵车辆影像集合中所有车辆影像的平均行进速度低于预设的速度阈值；
当判断到目标影像数据中存在拥堵车辆影像集合时，判断出目标区域发生交通拥堵事件。
可见，通过实施本可选的实施例，能够根据目标影像数据判断出目标区域内的交通拥堵事件，从而实现了通过算法来自动对城市治理事件进行识别，相比于现有的使用人工识别响应的方式，其识别效率更高，识别效果更好。
作为一种可选的实施例，步骤101中的，根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件，包括：
基于图像识别算法以及预设的城市场景模板，判断目标影像数据的城市场景是否为商业区域街道场景；
当判断到目标影像数据属于商业区域街道场景时，判断目标影像数据中是否存在违规摊位影像集合；违规摊位影像集合中的摊位影像的位置在预设的合规区域外；
当判断到目标影像数据中存在违规摊位影像集合时，判断出目标区域发生违规摆摊事件。
可见，通过实施本可选的实施例，能够根据目标影像数据判断出目标区域内的违规摆摊事件，从而实现了通过算法来自动对城市治理事件进行识别，相比于现有的使用人工识别响应的方式，其识别效率更高，识别效果更好。
作为一种可选的实施例，步骤101中的，根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件，包括：
基于图像识别算法以及预设的城市场景模板，判断目标影像数据的城市场景是否为商业区域街道场景；
当判断到目标影像数据属于商业区域街道场景时，判断目标影像数据所属的商业区域街道是否为禁止摆摊街道区域以及目标影像数据中是否存在摊位影像集合；
当判断到目标影像数据所属的商业区域街道为禁止摆摊街道区域且目标影像数据中存在摊位影像集合时，判断出目标区域发生违规摆摊事件。
可见，通过实施本可选的实施例，能够根据目标影像数据判断出目标区域内的违规摆摊事件，从而实现了通过算法来自动对城市治理事件进行识别，相比于现有的使用人工识别响应的方式，其识别效率更高，识别效果更好。
作为一种可选的实施例，步骤102中的，从相关影像区块链中获取目标区域的附近区域在目标时间段的所有相关影像数据，包括：
获取目标区域的附近区域的所有摄像主体的标识；
根据摄像主体的标识，从相关影像区块链中下载该摄像主体在目标时间段的记录的所有相关影像数据。
本发明实施例中，摄像主体包括车辆的行车记录仪、街道摄像头、商铺摄像头中的一种或多种。
可见，通过实施本可选的实施例，能够从相关影像区块链中下载该摄像主体在目标时间段的记录的所有相关影像数据，从而利用了区块链技术保证了偶去到的目标影像数据的真实性和可靠性，相比于现有的调取影像资料的方式，其真实性更高。
作为一种可选的实施例，该方法还包括：
发送城市治理事件对应的处理信息和处理方案至相应的处理设备。
本发明实施例中，处理设备包括政府部门终端设备、区域广播设备和目标用户的移动终端设备中的一种或多种。
可见，通过实施本可选的实施例，能够发送城市治理事件对应的处理信息和处理方案至相应的处理设备，从而可以通过处理设备通知相关部门进行城市治理事件的获知、记录和应急处理，或通知相关人员进行撤离现场。
作为一种可选的实施例，步骤103中的城市治理事件分析模型，可以包含有多种城市治理事件与处理信息和处理方案的对应关系的关系数据库，也可以为预先采用包含有城市治理事件信息和对应的处理信息和处理方案的训练数据进行训练得到的预测神经网络模型，其中，城市治理事件信息可以包括有城市治理事件的类型、规模、时间以及地点等信息。
在进一步的实施例中，步骤103中的对目标影像数据和所有相关影像数据进行分析，确定城市治理事件对应的处理信息和处理方案，可以包括：
基于图像识别算法对目标影像数据和所有相关影像数据进行处理，识别出目标影像数据和所有相关影像数据中的城市治理事件的类型；
根据城市治理事件的类型，根据关系数据库和/或预测神经网络模型确定出城市治理事件对应的处理信息和处理方案。
可见，通过实施本进一步的实施例，能够基于图像识别算法对目标影像数据和所有相关影像数据进行分析，确定城市治理事件对应的处理信息和处理方案，从而通过人工智能算法来自动对城市治理事件的处理信息进行确定，相比于现有的使用人工巡逻或市民监督的方式，其处理效率更高，处理效果更好。
实施例二
请参阅图2，图2是本发明实施例公开的一种基于人工智能的城市治理事件处理装置的结构示意图。如图2所示，该装置可以包括：
判断模块201，用于获取目标区域在目标时间段的目标影像数据，根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件。
在本发明实施例中，城市治理事件包括夜间施工事件、设施破坏事件、交通拥堵事件和违规摆摊事件中的一种或多种。
获取模块202，用于当判断出目标区域发生城市治理事件时，从相关影像区块链中获取目标区域的附近区域在目标时间段的所有相关影像数据。
在本发明实施例中，相关影像区块链包括行车记录仪影像区块链、街道摄像头影像区块链、商铺摄像头影像区块链中的一种或多种。
在本发明实施例中，相关影像数据包括所述附近区域的车辆的行车记录仪影像、所述附近区域的街道摄像头影像、所述附近区域的商铺摄像头影像中的一种或多种。
分析模块203，用于基于城市治理事件分析模型，对目标影像数据和所有相关影像数据进行分析，确定城市治理事件对应的处理信息和处理方案。
本发明实施例中，处理信息包括所述城市治理事件对应的问责对象信息、各对象担责比例信息、受害对象信息和负责部门信息中的一种或多种。可选的，负责部门信息包括施工管理部门、设施管理部门、交通管理部门和城市执法管理部门中的一种或多种。
可见，通过实施本发明实施例，能够根据目标影像数据判断出目标区域内的城市治理事件，并结合其他附近区域的相关影像数据，基于分析模型自动得到对应的处理信息和处理方案，从而实现了通过人工智能算法来自动对城市治理事件进行应对和处理，相比于现有的使用人工巡逻或市民监督的方式，其处理效率更高，处理效果更好。
作为一种可选的实施例，判断模块201根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件的具体方式，包括：
基于图像识别算法，识别出目标影像数据中的当前时间信息和施工影像；施工影像包括施工工人影像、施工设备运动影像、施工建筑变化影像、施工尘土影像中的一种或多种；
当判断到当前时间信息为夜间，且存在施工影像时，判断出目标区域发生夜间施工事件。
可见，通过实施本可选的实施例，能够根据目标影像数据判断出目标区域内的夜间施工事件，从而实现了通过算法来自动对城市治理事件进行识别，相比于现有的使用人工识别响应的方式，其识别效率更高，识别效果更好。
作为一种可选的实施例，判断模块201根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件的具体方式，包括：
基于图像识别算法，判断目标影像数据中是否存在城市设施影像；城市设施影像包括电力设施影像、排水设施影像、交通设施影像和便民设施影像中的一种或多种；
将城市设施影像与预设的城市设施模板匹配，判断城市设施影像是否存在缺失影像的情况；
当判断到城市设施影像存在缺失影像的情况时，判断出目标区域发生设施破坏事件。
可见，通过实施本可选的实施例，能够根据目标影像数据判断出目标区域内的设施是否被破坏，从而实现了通过算法来自动对城市治理事件进行识别，相比于现有的使用人工识别响应的方式，其识别效率更高，识别效果更好。
作为一种可选的实施例，判断模块201根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件的具体方式，包括：
基于图像识别算法以及预设的城市场景模板，判断目标影像数据的城市场景；城市场景为街道场景、商场区域场景或交通设施区域场景；
将目标影像数据与城市场景对应的城市设施模板匹配，判断目标影像数据是否存在缺失城市设施影像的情况；
当判断到目标影像数据存在缺失城市设施影像的情况时，判断出目标区域发生设施破坏事件。
可见，通过实施本可选的实施例，能够根据目标影像数据判断出目标区域内的设施是否缺失，如井盖是否缺失，从而实现了通过算法来自动对城市治理事件进行识别，相比于现有的使用人工识别响应的方式，其识别效率更高，识别效果更好。
作为一种可选的实施例，判断模块201根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件的具体方式，包括：
基于图像识别算法以及预设的城市场景模板，判断目标影像数据的城市场景是否为交通道路场景；
当判断到目标影像数据的城市场景为交通道路场景时，判断目标影像数据中是否存在拥堵车辆影像集合；拥堵车辆影像集合中所有车辆影像的平均行进速度低于预设的速度阈值；
当判断到目标影像数据中存在拥堵车辆影像集合时，判断出目标区域发生交通拥堵事件。
可见，通过实施本可选的实施例，能够根据目标影像数据判断出目标区域内的交通拥堵事件，从而实现了通过算法来自动对城市治理事件进行识别，相比于现有的使用人工识别响应的方式，其识别效率更高，识别效果更好。
作为一种可选的实施例，判断模块201根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件的具体方式，包括：
基于图像识别算法以及预设的城市场景模板，判断目标影像数据的城市场景是否为商业区域街道场景；
当判断到目标影像数据属于商业区域街道场景时，判断目标影像数据中是否存在违规摊位影像集合；违规摊位影像集合中的摊位影像的位置在预设的合规区域外；
当判断到目标影像数据中存在违规摊位影像集合时，判断出目标区域发生违规摆摊事件。
可见，通过实施本可选的实施例，能够根据目标影像数据判断出目标区域内的违规摆摊事件，从而实现了通过算法来自动对城市治理事件进行识别，相比于现有的使用人工识别响应的方式，其识别效率更高，识别效果更好。
作为一种可选的实施例，判断模块201根据目标影像数据，基于图像识别算法，判断目标区域是否发生城市治理事件的具体方式，包括：
基于图像识别算法以及预设的城市场景模板，判断目标影像数据的城市场景是否为商业区域街道场景；
当判断到目标影像数据属于商业区域街道场景时，判断目标影像数据所属的商业区域街道是否为禁止摆摊街道区域以及目标影像数据中是否存在摊位影像集合；
当判断到目标影像数据所属的商业区域街道为禁止摆摊街道区域且目标影像数据中存在摊位影像集合时，判断出目标区域发生违规摆摊事件。
可见，通过实施本可选的实施例，能够根据目标影像数据判断出目标区域内的违规摆摊事件，从而实现了通过算法来自动对城市治理事件进行识别，相比于现有的使用人工识别响应的方式，其识别效率更高，识别效果更好。
作为一种可选的实施例，获取模块202从相关影像区块链中获取目标区域的附近区域在目标时间段的所有相关影像数据的具体方式，包括：
获取目标区域的附近区域的所有摄像主体的标识；
根据摄像主体的标识，从相关影像区块链中下载该摄像主体在目标时间段的记录的所有相关影像数据。
本发明实施例中，摄像主体包括车辆的行车记录仪、街道摄像头、商铺摄像头中的一种或多种。
可见，通过实施本可选的实施例，能够从相关影像区块链中下载该摄像主体在目标时间段的记录的所有相关影像数据，从而利用了区块链技术保证了偶去到的目标影像数据的真实性和可靠性，相比于现有的调取影像资料的方式，其真实性更高。
作为一种可选的实施例，该装置还包括：
发送模块，用于发送城市治理事件对应的处理信息和处理方案至相应的处理设备。
本发明实施例中，处理设备包括政府部门终端设备、区域广播设备和目标用户的移动终端设备中的一种或多种。
可见，通过实施本可选的实施例，能够发送城市治理事件对应的处理信息和处理方案至相应的处理设备，从而可以通过处理设备通知相关部门进行城市治理事件的获知、记录和应急处理，或通知相关人员进行撤离现场。
作为一种可选的实施例，分析模块103中的城市治理事件分析模型，可以包含有多种城市治理事件与处理信息和处理方案的对应关系的关系数据库，也可以为预先采用包含有城市治理事件信息和对应的处理信息和处理方案的训练数据进行训练得到的预测神经网络模型，其中，城市治理事件信息可以包括有城市治理事件的类型、规模、时间以及地点等信息。
在进一步的实施例中，分析模块103对目标影像数据和所有相关影像数据进行分析，确定城市治理事件对应的处理信息和处理方案的具体方式，可以包括：
基于图像识别算法对目标影像数据和所有相关影像数据进行处理，识别出目标影像数据和所有相关影像数据中的城市治理事件的类型；
根据城市治理事件的类型，根据关系数据库和/或预测神经网络模型确定出城市治理事件对应的处理信息和处理方案。
可见，通过实施本进一步的实施例，能够基于图像识别算法对目标影像数据和所有相关影像数据进行分析，确定城市治理事件对应的处理信息和处理方案，从而通过人工智能算法来自动对城市治理事件的处理信息进行确定，相比于现有的使用人工巡逻或市民监督的方式，其处理效率更高，处理效果更好。
实施例三
请参阅图3，图3是本发明实施例公开的又一种基于人工智能的城市治理事件处理装置的结构示意图。如图3所示，该装置可以包括：
存储有可执行程序代码的存储器301；
与存储器301耦合的处理器302；
处理器302调用存储器301中存储的可执行程序代码，执行本发明实施例一公开的基于人工智能的城市治理事件处理方法中的部分或全部步骤。
实施例四
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一公开的基于人工智能的城市治理事件处理方法中的部分或全部步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种基于人工智能的城市治理事件处理方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (6)
1.一种基于人工智能的城市治理事件处理方法，其特征在于，所述方法包括：
获取目标区域在目标时间段的目标影像数据，根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件；
当判断出所述目标区域发生城市治理事件时，从相关影像区块链中获取所述目标区域的附近区域在所述目标时间段的所有相关影像数据；
基于城市治理事件分析模型，对所述目标影像数据和所述所有相关影像数据进行分析，确定所述城市治理事件对应的处理信息和处理方案；所述处理信息包括所述城市治理事件对应的问责对象信息、各对象担责比例信息、受害对象信息和负责部门信息中的一种或多种；
其中，所述相关影像区块链包括行车记录仪影像区块链、街道摄像头影像区块链、商铺摄像头影像区块链中的一种或多种，所述相关影像数据包括所述附近区域的车辆的行车记录仪影像、所述附近区域的街道摄像头影像、所述附近区域的商铺摄像头影像中的一种或多种；
所述根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件，包括：
基于图像识别算法，判断所述目标影像数据中是否存在城市设施影像；所述城市设施影像包括电力设施影像、排水设施影像、交通设施影像和便民设施影像中的一种或多种；
将所述城市设施影像与预设的城市设施模板匹配，判断所述城市设施影像是否存在缺失影像的情况；
当判断到所述城市设施影像存在缺失影像的情况时，判断出所述目标区域发生设施破坏事件；和/或，
基于图像识别算法，识别出所述目标影像数据中的当前时间信息和施工影像；所述施工影像包括施工工人影像、施工设备运动影像、施工建筑变化影像、施工尘土影像中的一种或多种；
当判断到所述当前时间信息为夜间，且存在所述施工影像时，判断出所述目标区域发生夜间施工事件；和/或，
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景；所述城市场景为街道场景、商场区域场景或交通设施区域场景；
将所述目标影像数据与所述城市场景对应的城市设施模板匹配，判断所述目标影像数据是否存在缺失所述城市设施影像的情况；
当判断到所述目标影像数据存在缺失所述城市设施影像的情况时，判断出所述目标区域发生设施破坏事件；和/或，
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景是否为交通道路场景；
当判断到所述目标影像数据的城市场景为交通道路场景时，判断所述目标影像数据中是否存在拥堵车辆影像集合；所述拥堵车辆影像集合中所有车辆影像的平均行进速度低于预设的速度阈值；
当判断到所述目标影像数据中存在所述拥堵车辆影像集合时，判断出所述目标区域发生交通拥堵事件；和/或，
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景是否为商业区域街道场景；
当判断到所述目标影像数据属于商业区域街道场景时，判断所述目标影像数据中是否存在违规摊位影像集合；所述违规摊位影像集合中的摊位影像的位置在预设的合规区域外；
当判断到所述目标影像数据中存在所述违规摊位影像集合时，判断出所述目标区域发生违规摆摊事件；和/或，
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景是否为商业区域街道场景；
当判断到所述目标影像数据属于商业区域街道场景时，判断所述目标影像数据所属的商业区域街道是否为禁止摆摊街道区域以及所述目标影像数据中是否存在摊位影像集合；
当判断到所述目标影像数据所属的商业区域街道为禁止摆摊街道区域且所述目标影像数据中存在摊位影像集合时，判断出所述目标区域发生违规摆摊事件；
其中，所述城市治理事件分析模型包括多个城市治理事件与处理信息和处理方案的对应关系的关系数据库，和/或，所述城市治理事件分析模型表示为预先采用包含有城市治理事件信息和对应的处理信息和处理方案的训练数据进行训练得到的预测神经网络模型，所述城市治理事件信息包括城市治理事件的类型、规模、时间以及地点；
所述对所述目标影像数据和所述所有相关影像数据进行分析，确定所述城市治理事件对应的处理信息和处理方案，包括：
基于图像识别算法对目标影像数据和所有相关影像数据进行处理，识别出目标影像数据和所有相关影像数据中的城市治理事件的类型；
根据城市治理事件的类型，根据关系数据库和/或预测神经网络模型确定出城市治理事件对应的处理信息和处理方案。
2.根据权利要求1所述的基于人工智能的城市治理事件处理方法，其特征在于，所述城市治理事件包括夜间施工事件、设施破坏事件、交通拥堵事件和违规摆摊事件中的一种或多种；所述负责部门信息包括施工管理部门、设施管理部门、交通管理部门和城市执法管理部门中的一种或多种。
3.根据权利要求2所述的基于人工智能的城市治理事件处理方法，其特征在于，所述从相关影像区块链中获取所述目标区域的附近区域在所述目标时间段的所有相关影像数据，包括：
获取所述目标区域的附近区域的所有摄像主体的标识；所述摄像主体包括车辆的行车记录仪、街道摄像头、商铺摄像头中的一种或多种；
根据所述摄像主体的标识，从相关影像区块链中下载该摄像主体在所述目标时间段的记录的所有相关影像数据。
4.根据权利要求1所述的基于人工智能的城市治理事件处理方法，其特征在于，所述方法还包括：
发送所述城市治理事件对应的处理信息和处理方案至相应的处理设备；所述处理设备包括政府部门终端设备、区域广播设备和目标用户的移动终端设备中的一种或多种。
5.一种基于人工智能的城市治理事件处理装置，其特征在于，包括：
判断模块，用于获取目标区域在目标时间段的目标影像数据，根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件；
获取模块，用于当判断出所述目标区域发生城市治理事件时，从相关影像区块链中获取所述目标区域的附近区域在所述目标时间段的所有相关影像数据；
分析模块，用于基于城市治理事件分析模型，对所述目标影像数据和所述所有相关影像数据进行分析，确定所述城市治理事件对应的处理信息和处理方案；所述处理信息包括所述城市治理事件对应的问责对象信息、受害对象信息和负责部门信息中的一种或多种；
其中，所述相关影像区块链包括行车记录仪影像区块链、街道摄像头影像区块链、商铺摄像头影像区块链中的一种或多种，所述相关影像数据包括所述附近区域的车辆的行车记录仪影像、所述附近区域的街道摄像头影像、所述附近区域的商铺摄像头影像中的一种或多种；
所述判断模块根据所述目标影像数据，基于图像识别算法，判断所述目标区域是否发生城市治理事件的具体方式，包括：
基于图像识别算法，判断所述目标影像数据中是否存在城市设施影像；所述城市设施影像包括电力设施影像、排水设施影像、交通设施影像和便民设施影像中的一种或多种；
将所述城市设施影像与预设的城市设施模板匹配，判断所述城市设施影像是否存在缺失影像的情况；
当判断到所述城市设施影像存在缺失影像的情况时，判断出所述目标区域发生设施破坏事件；和/或，
基于图像识别算法，识别出所述目标影像数据中的当前时间信息和施工影像；所述施工影像包括施工工人影像、施工设备运动影像、施工建筑变化影像、施工尘土影像中的一种或多种；
当判断到所述当前时间信息为夜间，且存在所述施工影像时，判断出所述目标区域发生夜间施工事件；和/或，
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景；所述城市场景为街道场景、商场区域场景或交通设施区域场景；
将所述目标影像数据与所述城市场景对应的城市设施模板匹配，判断所述目标影像数据是否存在缺失所述城市设施影像的情况；
当判断到所述目标影像数据存在缺失所述城市设施影像的情况时，判断出所述目标区域发生设施破坏事件；和/或，
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景是否为交通道路场景；
当判断到所述目标影像数据的城市场景为交通道路场景时，判断所述目标影像数据中是否存在拥堵车辆影像集合；所述拥堵车辆影像集合中所有车辆影像的平均行进速度低于预设的速度阈值；
当判断到所述目标影像数据中存在所述拥堵车辆影像集合时，判断出所述目标区域发生交通拥堵事件；和/或，
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景是否为商业区域街道场景；
当判断到所述目标影像数据属于商业区域街道场景时，判断所述目标影像数据中是否存在违规摊位影像集合；所述违规摊位影像集合中的摊位影像的位置在预设的合规区域外；
当判断到所述目标影像数据中存在所述违规摊位影像集合时，判断出所述目标区域发生违规摆摊事件；和/或，
基于图像识别算法以及预设的城市场景模板，判断所述目标影像数据的城市场景是否为商业区域街道场景；
当判断到所述目标影像数据属于商业区域街道场景时，判断所述目标影像数据所属的商业区域街道是否为禁止摆摊街道区域以及所述目标影像数据中是否存在摊位影像集合；
当判断到所述目标影像数据所属的商业区域街道为禁止摆摊街道区域且所述目标影像数据中存在摊位影像集合时，判断出所述目标区域发生违规摆摊事件；
其中，所述城市治理事件分析模型包括多个城市治理事件与处理信息和处理方案的对应关系的关系数据库，和/或，所述城市治理事件分析模型表示为预先采用包含有城市治理事件信息和对应的处理信息和处理方案的训练数据进行训练得到的预测神经网络模型，所述城市治理事件信息包括城市治理事件的类型、规模、时间以及地点；
所述对所述目标影像数据和所述所有相关影像数据进行分析，确定所述城市治理事件对应的处理信息和处理方案的具体方式，包括：
基于图像识别算法对目标影像数据和所有相关影像数据进行处理，识别出目标影像数据和所有相关影像数据中的城市治理事件的类型；
根据城市治理事件的类型，根据关系数据库和/或预测神经网络模型确定出城市治理事件对应的处理信息和处理方案。
6.一种基于人工智能的城市治理事件处理装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-4任一项所述的基于人工智能的城市治理事件处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110279064.XA CN112991130B (zh) | 2021-03-16 | 2021-03-16 | 基于人工智能的城市治理事件处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110279064.XA CN112991130B (zh) | 2021-03-16 | 2021-03-16 | 基于人工智能的城市治理事件处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112991130A CN112991130A (zh) | 2021-06-18 |
| CN112991130B true CN112991130B (zh) | 2024-10-15 |
Family
ID=76335679
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110279064.XA Active CN112991130B (zh) | 2021-03-16 | 2021-03-16 | 基于人工智能的城市治理事件处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112991130B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112991129B (zh) * | 2021-03-16 | 2024-10-18 | 广东省电信规划设计院有限公司 | 基于人工智能的公共安全事件处理方法及装置 |
| CN113326812A (zh) * | 2021-07-01 | 2021-08-31 | 安徽金晥泵业科技股份有限公司 | 一种基于互联网的区域分片调蓄处理排水系统 |
| CN114118933A (zh) * | 2021-08-24 | 2022-03-01 | 泰华智慧产业集团股份有限公司 | 城市管理事件的记录方法及系统 |
| CN113869201A (zh) * | 2021-09-27 | 2021-12-31 | 杭州海康威视系统技术有限公司 | 一种图像识别方法及电子设备 |
| CN114444578A (zh) * | 2021-12-31 | 2022-05-06 | 深圳云天励飞技术股份有限公司 | 训练任务创建方法、装置、服务器及存储介质 |
| CN116412854A (zh) * | 2022-01-05 | 2023-07-11 | 深圳市威宇智通科技有限公司 | 基于5g车联网的路面信息数据采集系统 |
| CN115471090A (zh) * | 2022-09-21 | 2022-12-13 | 杭州数梦工场科技有限公司 | 主动治理指数的生成方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070004A (zh) * | 2020-09-07 | 2020-12-11 | 北京软通智慧城市科技有限公司 | 一种智能城市违章监管方法、系统、服务器和存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110020755B (zh) * | 2019-04-12 | 2021-01-29 | 城云科技（中国）有限公司 | 基于人机协同的城市管理系统 |
| CN110363426B (zh) * | 2019-07-15 | 2025-05-27 | 软通智慧信息技术有限公司 | 一种云平台远程执法方法、装置、服务器和存储介质 |
| CN110443727A (zh) * | 2019-08-15 | 2019-11-12 | 刘德建 | 一种识别施工现场安全行为的方法 |
| CN112488659A (zh) * | 2020-12-11 | 2021-03-12 | 浪潮云信息技术股份公司 | 一种基于遥感的城市事件智能发现及自动派单的方法 |
-
2021
- 2021-03-16 CN CN202110279064.XA patent/CN112991130B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070004A (zh) * | 2020-09-07 | 2020-12-11 | 北京软通智慧城市科技有限公司 | 一种智能城市违章监管方法、系统、服务器和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112991130A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112991130B (zh) | 基于人工智能的城市治理事件处理方法及装置 | |
| CN111429726B (zh) | 一种监控视频违停车辆检测、管理方法及对应的系统 | |
| CN101930668B (zh) | 车牌识别的道路交通od信息采集系统的处理方法 | |
| CN106971552B (zh) | 套牌现象检测方法和系统 | |
| CN110309735A (zh) | 异常侦测方法、装置、服务器及存储介质 | |
| CN109714576B (zh) | 基于视频监控的车辆识别方法、装置、系统及服务器 | |
| CN111125290B (zh) | 一种基于河长制的智能巡河方法、装置及存储介质 | |
| CN107886595A (zh) | 基于行车记录仪的违章识别方法、行车记录仪和存储介质 | |
| CN109670673A (zh) | 露天矿生产管控系统 | |
| CN111127507A (zh) | 一种抛洒物的确定方法和系统 | |
| CN115936356A (zh) | 一种基于物联网技术的交通养护规划方法 | |
| CN105355045A (zh) | 一种辅助确定驾驶员身份的方法及装置 | |
| CN113191273A (zh) | 基于神经网络的油田井场视频目标检测与识别方法及系统 | |
| WO2018176191A1 (zh) | 套牌车识别方法及装置 | |
| CN111222587A (zh) | 基于特征融合的失证人员危险驾驶行为预测方法及系统 | |
| CN114782883B (zh) | 基于群体智能的异常行为检测方法、装置和设备 | |
| CN118571022B (zh) | 一种基于多目标跟踪的路口拥堵检测方法 | |
| CN118378819A (zh) | 一种疏散策略的生成方法、系统和电子设备 | |
| CN112991129B (zh) | 基于人工智能的公共安全事件处理方法及装置 | |
| CN117437781A (zh) | 一种基于数字视网膜的交通路口秩序管控方法及电子设备 | |
| CN115908493A (zh) | 一种小区人员轨迹管理与展示方法及其系统 | |
| CN111611904B (zh) | 基于无人车行驶过程中的动态目标识别方法 | |
| Yang et al. | A deep learning approach for automated detection of railroad trespassers | |
| CN112633163A (zh) | 一种基于机器学习算法实现非法运营车辆检测的检测方法 | |
| CN117275232B (zh) | 基于车路协同的动态感知方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |