원래 이름 기록: 杭州市城市建设投资集团有限公司

本公开是关于一种用于自然语言转SQL语句的模型训练方法、装置及系统。其中，方法包括：通过将自然语言问题样本输入至大语言模型LLM中进行SQL语句推理，基于推理结果确定执行正确率；执行正确率落入任意一个第一预设区间，按照第一映射关系确定与执行正确率匹配的样本难度级别；执行正确率落入任意一个第二预设区间，对自然语言问题样本进行SQL骨架复杂度判别，基于判别结果对自然语言问题样本进行难度分级；按照样本难度级别确定奖励函数的基础权重；将自然语言问题输入至自然语言转换模型，得到多个候选SQL语句，确定满足预设条件的语句数量；利用语句数量对奖励函数的动态权重进行调整。本方案提升了自然语言问题难度分级的准确性。

本申请提出一种集置点垃圾量预测方法、装置、电子设备和存储介质，其中，方法包括：将集置点相关的环境数据和垃圾量数据转化为特征化数据；根据所述特征化数据构建成适用于预测模型的时序预测训练数据；使用所述时序预测训练数据训练所述预测模型；将待预测数据转化为特征化数据，输入到训练好的所述预测模型中，得到各集置点的垃圾量预测值。通过将相关数据转化为特征化数据，并构建成适用于预测模型的时序预测训练数据，为后续利用预测模型进行准确的垃圾量预测奠定了基础，提高了集置点垃圾量预测的准确性。

本申请提出一种清运点定位方法、装置及电子设备，其中，方法包括：获取车辆的位置信息；基于所述车辆的位置信息确定预设范围内的候选清运点；在所述候选清运点的数量大于设定数量的情况下，获取每个所述候选清运点的第一关键帧，以及提取所述车辆采集的清运点图像的第二关键帧；计算每个所述候选清运点的第一关键帧和所述第二关键帧之间的相似度；基于每个所述相似度，确定所述车辆所在的目标清运点。可以提高清运点识别效率和可靠性。

本申请提出一种基于大模型的物体识别方法、装置及网络设备，其中，基于大模型的物体识别方法包括：获取目标车辆发送的图像集合，其中，图像集合为目标车辆对目标车辆在当前工作区域的工作过程进行采集，并对采集的图像集合进行视频截取得到的关键视频片段集合；根据大模型的提示词，采用大模型对图像集合对应的关键帧图像集合中各关键帧图像进行识别，获取各关键帧图像对应的第一目标物体信息；根据各关键帧图像对应的第一目标物体信息，获取目标车辆当前工作区域的第二目标物体信息；根据第二目标物体信息，获取目标车辆对应的资源分配信息和调度信息，解决了针对目标物体识别需要人工进行规则设置的问题，导致识别效率较低且准确性较低的问题。

本申请提出了一种基于多通道时空特征融合的车辆抛洒物检测定位方法及系统，该方法包括：获取道路场景的连续时序图像帧序列，通过光流算法生成光流图像序列；通过深度神经网络目标检测模型，输出各个标准化图像中每个车辆的检测框，根据检测框生成兴趣区域；针对每个兴趣区域生成融合特征向量，构建时空融合特征序列，基于时空融合特征序列和多分支全连接网络，生成每个兴趣区域的抛洒物分类结果和定位结果；基于抛洒物分类结果和定位结果，将得到的抛洒物疑似区域坐标输入球形摄像机进行追踪。该方法能够对抛洒物进行高效且精准的自动化检测与定位，提高了抛洒物检测的准确率与实时性，降低了误报率，且提高了抛洒物位置定位的精确程度。

本公开提出一种基于多模态大模型的公交客流检测方法及装置，涉及智慧公交技术领域。其中，方法包括：通过视觉模型对公交监控视频进行ROI区域识别，确定公交监控视频中的下车区域；基于目标检测模型提取公交监控视频中下车区域的乘客图像补丁；通过ViT图像编码模块提取乘客图像补丁中的第一视觉特征；通过模态适配器将第一视觉特征转换为与LLM大语言模型输入语义对齐的第二视觉特征；将第二视觉特征向量和提示文本特征输入至LLM大语言模型中，得到与提示文本特征对应的公交客流信息。本公开可识别细粒度的公交客流信息，丰富客流信息包含的乘客特征，为深度客流分析提供多维数据支撑，并且在公交车复杂场景内具有较高识别率和适应率。

本公开提供一种驾驶风险检测方法、装置、设备、存储介质及程序产品，涉及自动驾驶技术领域。在本公开的一些实施例中，采集车辆在行驶过程中的驾驶员行为特征、车内环境信息、路况信息、车辆运行参数和导航信息，对车辆进行自动监管；将历史行驶轨迹、行驶线路基础信息和车辆静态参数输入异常检测模型中，得到是否需要异常检测的检测结果；在需要异常检测的情况下，将驾驶员行为特征、车内环境信息、路况信息、车辆运行参数和导航信息输入多模态大模型中进行驾驶风险检测，得到驾驶风险类型和驾驶风险类型对应的风险等级；根据驾驶风险类型和风险等级，对车辆进行驾驶预警操作；本公开提高驾驶风险检测效率，提高驾驶风险检测准确度。