【技术实现步骤摘要】
本申请涉及智能调度领域，且更为具体地，涉及一种基于深度学习的智能调度管理系统及方法。
技术介绍
1、共享单车在全球范围内得到了广泛的普及和应用。许多城市都有共享单车服务，成为人们出行的一种便捷选择。它能够代替部分近距离出行的私家车，减少了交通拥堵和碳排放。能够随时随地借用，不需要提早预订或排队等待，用户只需通过手机app扫码即可解锁车辆，方便快捷。选用人力或电动驱动，不发生尾气和噪音污染，对环境友好。比较轿车和摩托车，共享单车的碳排放量更低，有助于减少空气污染和交通拥堵。
2、但还是一些地区可能存在车辆过剩的问题，而其他地区可能缺乏足够的车辆供应。这导致了不均匀的车辆分布，一些停车点可能过于拥挤，而其他停车点可能几乎没有车辆可用。而传统共享单车调度通常是基于人工规划和操作的，缺乏智能化和自动化的支持。这导致调度效率低下，调度员需要花费大量时间和精力来调整车辆分布，无法实时响应用户的需求变化，降低了用户使用共享单车的便利性和体验。
3、因此，期待一种优化的基于深度学习的智能调度管理方案。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于深度学习的智能调度管理系统及方法，其采用基于深度神经网络模型的人工智能技术，获取停车点区域的人口热力图和共享单车数量位置分布图，通过空间注意力的卷积网络分别提取人口分布相关的特征和共享单车需求相关的特征，融合后通过高效注意力更加准确地聚焦于融合特征图中的关键特征，再通过分布特征提取器理解不同区域
2、根据本申请的一个方面，提供了一种基于深度学习的智能调度管理系统，其包括：
3、区域人口单车图像采集模块，用于获取停车点区域的人口热力图和共享单车数量位置分布图；
4、空间注意特征提取模块，用于将所述人口热力图和所述共享单车数量位置分布图通过包含空间注意力机制的卷积神经网络模型以得到人口热力特征图和共享单车分布特征图；
5、特征一致性优化模块，用于对所述人口热力特征图和所述共享单车分布特征图进行基于先验秩序性的几何刚性一致化以得到人口单车分布融合特征图；
6、高效注意增强模块，用于将所述人口单车分布融合特征图通过使用高效注意力机制以得到人口单车增强分布特征图；
7、人口单车分布切分模块，用于将所述人口单车增强分布特征图切分以得到多个人口单车增强分布特征向量；
8、分布关联特征提取模块，用于将所述多个人口单车增强分布特征向量通过基于转换器的分布关联特征提取器以得到人口单车分布语义理解特征向量；
9、调度方案生成模块，用于将所述人口单车分布语义理解特征向量通过调度生成器生成调度方案。
10、在上述基于深度学习的智能调度管理系统中，所述空间注意特征提取模块，包括：人口热力卷积编码单元，用于使用所述包含空间注意力机制的卷积神经网络模型的卷积编码部分对所述人口热力图进行深度卷积编码以得到人口热力初始卷积特征图；人口热力空间提取单元，用于将所述人口热力初始卷积特征图输入所述包含空间注意力机制的卷积神经网络模型的空间注意力部分以得到人口热力空间注意力图；注意力激活单元，用于将所述人口热力空间注意力图通过softmax激活函数以得到人口热力空间注意力特征图；以及，特征相乘单元，用于计算所述人口热力空间注意力特征图和所述人口热力初始卷积特征图的按位置点乘以得到所述人口热力特征图。
11、在上述基于深度学习的智能调度管理系统中，所述人口热力空间提取单元，包括:人口热力特征池化子单元，用于对所述人口热力初始卷积特征图分别进行沿通道维度的平均池化和最大值池化以得到人口热力平均特征矩阵和人口热力最大值特征矩阵；通道调整子单元，用于将所述人口热力平均特征矩阵和所述人口热力最大值特征矩阵进行级联和通道调整以得到人口热力通道特征矩阵；以及，空间特征提取子单元，用于使用所述空间注意力机制的卷积层对所述人口热力通道特征矩阵进行卷积编码以得到人口热力空间注意力图。
12、在上述基于深度学习的智能调度管理系统中，所述高效注意增强模块，包括:人口分布全局池化单元，用于对所述人口单车分布融合特征图中各个通道的人口单车分布特征矩阵进行全局特征值池化以得到人口单车分布通道特征向量；通道特征一维卷积单元，用于将所述人口单车分布通道特征向量通过一维卷积层以得到人口单车分布通道间关联向量；向量激活单元，用于并将所述人口单车分布通道间关联向量通过sigmoid激活函数进行激活以得到人口单车分布加权特征向量；以及，特征加权单元，用于以所述人口单车分布加权特征向量中各个位置的特征值作为权重对所述人口单车分布融合特征图中各个位置的人口单车分布特征图进行加权以得到人口单车增强分布特征图。
13、在上述基于深度学习的智能调度管理系统中，所述分布关联特征提取模块，包括：分布关联特征提取单元，用于将所述多个人口单车增强分布特征向量输入所述基于转换器的分布关联特征提取器以得到多个关联人口单车增强分布特征向量；以及，分布关联级联单元，用于将所述多个关联人口单车增强分布特征向量进行级联以得到所述人口单车分布语义理解特征向量。
14、在上述基于深度学习的智能调度管理系统中，所述分布关联特征提取单元，用于：使用所述基于转换器的分布关联特征提取器的bert模型对所述多个人口单车增强分布特征向量中各个人口单车增强分布特征向量进行基于时序全局的上下文语义编码以得到所述多个关联人口单车增强分布特征向量。
15、根据本申请的另一方面，提供了一种基于深度学习的智能调度管理方法，其包括：
16、获取停车点区域的人口热力图和共享单车数量位置分布图；
17、将所述人口热力图和所述共享单车数量位置分布图通过包含空间注意力机制的卷积神经网络模型以得到人口热力特征图和共享单车分布特征图；
18、对所述人口热力特征图和所述共享单车分布特征图进行基于先验秩序性的几何刚性一致化以得到人口单车分布融合特征图；
19、将所述人口单车分布融合特征图通过使用高效注意力机制以得到人口单车增强分布特征图；
20、将所述人口单车增强分布特征图切分以得到多个人口单车增强分布特征向量；
21、将所述多个人口单车增强分布特征向量通过基于转换器的分布关联特征提取器以得到人口单车分布语义理解特征向量；
22、将所述人口单车分布语义理解特征向量通过调度生成器生成调度方案。
23、与现有技术相比，本申请提供的一种基于深度学习的智能调度管理系统及方法，其采用基于深度神经网络模型的人工智能技术，获取停车点区域的人口热力图和共享单车数量位置分布图，通过空间注意力的卷积网络分别提取人口分布相关的特征和共享单车需求相关的特征，融合后通过高效注意力更加准确地聚焦本文档来自技高网...
【技术保护点】
1.一种基于深度学习的智能调度管理系统，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的智能调度管理系统，其特征在于，所述空间注意特征提取模块，包括：
3.根据权利要求2所述的基于深度学习的智能调度管理系统，其特征在于，所述人口热力空间提取单元，包括:
4.根据权利要求3所述的基于深度学习的智能调度管理系统，其特征在于，所述特征一致性优化模块，包括：
5.根据权利要求4所述的基于深度学习的智能调度管理系统，其特征在于，所述先验秩序性位置编码单元，用于：
6.根据权利要求5所述的基于深度学习的智能调度管理系统，其特征在于，所述高效注意增强模块，包括:
7.根据权利要求6所述的基于深度学习的智能调度管理系统，其特征在于，所述分布关联特征提取模块，包括：
8.根据权利要求7所述的基于深度学习的智能调度管理系统，其特征在于，所述分布关联特征提取单元，用于：
9.一种基于深度学习的智能调度管理方法，其特征在于，包括：
10.根据权利要求9所述的基于深度学习的智能调度管理方法
...【技术特征摘要】
1.一种基于深度学习的智能调度管理系统，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的智能调度管理系统，其特征在于，所述空间注意特征提取模块，包括：
3.根据权利要求2所述的基于深度学习的智能调度管理系统，其特征在于，所述人口热力空间提取单元，包括:
4.根据权利要求3所述的基于深度学习的智能调度管理系统，其特征在于，所述特征一致性优化模块，包括：
5.根据权利要求4所述的基于深度学习的智能调度管理系统，其特征在于，所述先验秩序性位置编码单元，用于：
6.根据权利要求5所述的基于深度学习的智能...
【专利技术属性】
技术研发人员：袁建军，杨世利，
申请(专利权)人：东方砌香新能源科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。