一种新型基础测绘移动采集协同作业方法及系统与流程

本发明涉及数据处理，特别涉及一种新型基础测绘移动采集协同作业方法及系统。

背景技术：

1、新型基础测绘移动采集协同作业技术是指利用先进的移动设备和网络通信技术，以及协同工作平台，实现多个测绘人员在现场进行测绘数据采集，并实时协同作业的一种技术。该技术通常包括移动设备、网络通信、协同工作平台和实时协同作业等特点。新型基础测绘移动采集协同作业技术的应用范围广泛，包括土地测绘、地理信息系统（gis）数据采集、城市规划、设施管理等领域。在实际应用过程中，由于该技术所涉及的智能化通信设备较多，如何确保新型基础测绘移动采集系统的安全稳定运行是当下其中一个技术难题。

技术实现思路

1、为改善相关技术中存在的技术问题，本发明提供了一种新型基础测绘移动采集协同作业方法及系统。

2、第一方面，本发明实施例提供了一种新型基础测绘移动采集协同作业方法，应用于ai协同作业辅助决策系统，所述方法包括：

3、获得第一过往协同作业任务指令；其中，所述第一过往协同作业任务指令包含若干个阶段性任务文本，不同任务描述细粒度的阶段性任务文本所属的任务描述细粒等级不同；

4、通过自然语言处理模型对所述若干个阶段性任务文本进行解析，得到所述若干个阶段性任务文本中的第一阶段性任务文本和第二阶段性任务文本；其中，所述自然语言处理模型包含局部聚焦变量，所述自然语言处理模型依据所述局部聚焦变量确定对所述第一阶段性任务文本的偏心权重大于对所述第二阶段性任务文本的偏心权重；

5、依据所述自然语言处理模型对所述第一阶段性任务文本的偏心权重，为所述第一阶段性任务文本配置第一判别注释，并依据所述自然语言处理模型对所述第二阶段性任务文本的偏心权重，为所述第二阶段性任务文本配置第二判别注释；其中，所述第一判别注释表征所述第一阶段性任务文本属于第一任务描述细粒等级判别结果；所述第二判别注释表征所述第二阶段性任务文本属于第二任务描述细粒等级判别结果；所述第一任务描述细粒等级判别结果所表征的任务描述细粒度大于所述第二任务描述细粒等级判别结果所表征的任务描述细粒度；

6、获得所述第一阶段性任务文本的第一先验注释和所述第二阶段性任务文本的第二先验注释；其中，所述第一先验注释表征所述第一阶段性任务文本属于第一先验任务描述细粒等级；所述第二先验注释表征所述第二阶段性任务文本属于第二先验任务描述细粒等级；

7、依据所述第一判别注释与所述第一先验注释之间的区别，以及所述第二判别注释与所述第二先验注释之间的区别，优化所述局部聚焦变量；其中，所述自然语言处理模型用于依据优化后的局部聚焦变量提取待处理协同作业任务指令的连续性文本语义，所述连续性文本语义用于对所述待处理协同作业任务指令的任务控制策略种类进行决策。

8、优选的，所述通过自然语言处理模型对所述若干个阶段性任务文本进行解析，得到所述若干个阶段性任务文本中的第一阶段性任务文本和第二阶段性任务文本，包括：

9、通过所述自然语言处理模型依据所述局部聚焦变量，确定所述若干个阶段性任务文本中每个阶段性任务文本的聚焦系数；其中，任一阶段性任务文本的聚焦系数表征所述自然语言处理模型对该任一阶段性任务文本的偏心权重；

10、将所述若干个阶段性任务文本中聚焦系数在第一系数区间内的阶段性任务文本，作为所述第一阶段性任务文本，并将所述若干个阶段性任务文本中聚焦系数在第二系数区间内的阶段性任务文本，作为所述第二阶段性任务文本；其中，所述第一系数区间内的系数大于所述第二系数区间内的系数。

11、优选的，所述自然语言处理模型为任务控制策略决策模型的子模型，所述优化后的局部聚焦变量在所述任务控制策略决策模型中处于固定状态，所述任务控制策略决策模型还包含控制策略决策分支；所述方法还包括：

12、获得第二过往协同作业任务指令；其中，所述第二过往协同作业任务指令是对过往任务控制策略识别所得的协同作业任务指令，所述第二过往协同作业任务指令携带控制策略注释，所述控制策略注释表征所述过往任务控制策略的已认证种类；

13、通过所述自然语言处理模型依据所述优化后的局部聚焦变量，对所述第二过往协同作业任务指令进行特征映射，生成所述第二过往协同作业任务指令的过往连续性文本语义；

14、通过所述控制策略决策分支依据所述过往连续性文本语义，对所述过往任务控制策略进行决策分析，得到所述过往任务控制策略的类别决策观点；

15、依据所述已认证种类与所述类别决策观点之间的区别，优化所述任务控制策略决策模型中除处于固定状态的所述优化后的局部聚焦变量之外的模型变量，得到完成调试的任务控制策略决策模型。

16、优选的，所述第二过往协同作业任务指令有若干个，若干个第二过往协同作业任务指令是从若干个特征维度对所述过往任务控制策略识别所得的协同作业任务指令，一个特征维度用于识别出所述过往任务控制策略的一个第二过往协同作业任务指令；所述通过所述自然语言处理模型依据所述优化后的局部聚焦变量，对所述第二过往协同作业任务指令进行特征映射，生成所述第二过往协同作业任务指令的过往连续性文本语义，包括：

17、通过所述自然语言处理模型依据所述优化后的局部聚焦变量，分别对每个第二过往协同作业任务指令进行特征映射，生成所述每个第二过往协同作业任务指令的连续性文本语义向量；

18、对所述若干个第二过往协同作业任务指令的连续性文本语义向量进行语义拼接，生成所述过往连续性文本语义。

19、优选的，所述对所述若干个第二过往协同作业任务指令的连续性文本语义向量进行语义拼接，生成所述过往连续性文本语义，包括：

20、对所述若干个第二过往协同作业任务指令的连续性文本语义向量进行组合，生成所述过往连续性文本语义；

21、或者，对所述若干个第二过往协同作业任务指令的连续性文本语义向量进行求和，生成所述过往连续性文本语义。

22、优选的，所述完成调试的任务控制策略决策模型包含完成调试的自然语言处理模型和完成调试的控制策略决策分支；所述方法还包括：

23、获得待处理协同作业任务指令；其中，所述待处理协同作业任务指令是对目标任务控制策略识别所得的协同作业任务指令；

24、通过所述完成调试的自然语言处理模型，对所述待处理协同作业任务指令进行特征映射，生成所述待处理协同作业任务指令的目标连续性文本语义；

25、通过所述完成调试的控制策略决策分支依据所述目标连续性文本语义，对所述目标任务控制策略进行决策分析，得到所述目标任务控制策略的目标控制策略种类。

26、优选的，所述待处理协同作业任务指令有若干个，若干个待处理协同作业任务指令是从若干个特征维度对所述目标任务控制策略识别所得的协同作业任务指令，一个特征维度用于识别出所述目标任务控制策略的一个待处理协同作业任务指令；所述通过所述完成调试的自然语言处理模型，对所述待处理协同作业任务指令进行特征映射，生成所述待处理协同作业任务指令的目标连续性文本语义，包括：

27、通过所述完成调试的自然语言处理模型，分别对每个待处理协同作业任务指令进行特征映射，生成所述每个待处理协同作业任务指令的连续性文本语义向量；

28、对所述若干个待处理协同作业任务指令的连续性文本语义向量进行语义拼接，生成所述目标连续性文本语义。

29、优选的，所述获得所述第一阶段性任务文本的第一先验注释和所述第二阶段性任务文本的第二先验注释，包括：

30、通过完成调试的任务描述细粒度判别模型对第一阶段性任务文本的任务描述细粒度进行决策分析，得到所述第一阶段性任务文本的所述第一先验任务描述细粒等级；

31、通过所述完成调试的任务描述细粒度判别模型对第二阶段性任务文本的任务描述细粒度进行决策分析，得到所述第二阶段性任务文本的所述第二先验任务描述细粒等级；

32、依据所述第一先验任务描述细粒等级为所述第一阶段性任务文本配置所述第一先验注释，并依据所述第二先验任务描述细粒等级为所述第二阶段性任务文本配置所述第二先验注释。

33、优选的，所述方法还包括：

34、获得第三过往协同作业任务指令及拟调试的任务描述细粒度判别模型；其中，所述第三过往协同作业任务指令携带任务描述细粒度注释，所述任务描述细粒度注释表征所述第三过往协同作业任务指令的已认证任务描述细粒等级；

35、通过所述拟调试的任务描述细粒度判别模型对所述第三过往协同作业任务指令的任务描述细粒等级进行决策分析，得到所述第三过往协同作业任务指令的任务描述细粒等级判别结果；

36、依据所述已认证任务描述细粒等级与所述任务描述细粒等级判别结果之间的区别，优化所述拟调试的任务描述细粒度判别模型的模型变量，得到所述完成调试的任务描述细粒度判别模型。

37、优选的，所述获得所述第一阶段性任务文本的第一先验注释和所述第二阶段性任务文本的第二先验注释，包括：

38、通过完成调试的文本拆解模型对所述第一过往协同作业任务指令进行任务文本拆解处理，得到所述第一过往协同作业任务指令的若干个协同作业子任务，一个协同作业子任务对应一种任务描述细粒等级；

39、将所述若干个协同作业子任务中与所述第一阶段性任务文本之间的交叠指数最高的协同作业子任务，作为所述第一阶段性任务文本的第一细粒度关联任务，并依据所述第一细粒度关联任务对应的任务描述细粒等级，为所述第一阶段性任务文本配置所述第一先验注释；

40、将所述若干个协同作业子任务中与所述第二阶段性任务文本之间的交叠指数最高的协同作业子任务，作为所述第二阶段性任务文本的第二细粒度关联任务，并依据所述第二细粒度关联任务对应的任务描述细粒等级，为所述第二阶段性任务文本配置所述第二先验注释；

41、其中，所述第一先验任务描述细粒等级是所述第一细粒度关联任务对应的任务描述细粒等级，所述第二先验任务描述细粒等级是所述第二细粒度关联任务对应的任务描述细粒等级。

42、第二方面，本发明还提供了一种ai协同作业辅助决策系统，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。

43、第三方面，本发明还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

44、本发明可以获得第一过往协同作业任务指令；第一过往协同作业任务指令包含若干个阶段性任务文本，不同任务描述细粒度的阶段性任务文本所属的任务描述细粒等级不同；并可以通过自然语言处理模型对若干个阶段性任务文本进行解析，得到若干个阶段性任务文本中的第一阶段性任务文本和第二阶段性任务文本；自然语言处理模型包含局部聚焦变量，自然语言处理模型依据局部聚焦变量确定对第一阶段性任务文本的偏心权重大于对第二阶段性任务文本的偏心权重；进而，可以依据自然语言处理模型对第一阶段性任务文本的偏心权重，为第一阶段性任务文本配置第一判别注释，并依据自然语言处理模型对第二阶段性任务文本的偏心权重，为第二阶段性任务文本配置第二判别注释；第一判别注释表征第一阶段性任务文本属于第一任务描述细粒等级判别结果；第二判别注释表征第二阶段性任务文本属于第二任务描述细粒等级判别结果；第一任务描述细粒等级判别结果所表征的任务描述细粒度大于第二任务描述细粒等级判别结果所表征的任务描述细粒度；还可以获得第一阶段性任务文本的第一先验注释和第二阶段性任务文本的第二先验注释；第一先验注释表征第一阶段性任务文本属于第一先验任务描述细粒等级；第二先验注释表征第二阶段性任务文本属于第二先验任务描述细粒等级；从而，可以依据第一判别注释与第一先验注释之间的区别，以及第二判别注释与第二先验注释之间的区别，优化局部聚焦变量；自然语言处理模型用于依据优化后的局部聚焦变量提取待处理协同作业任务指令的连续性文本语义，所述连续性文本语义用于对待处理协同作业任务指令的任务控制策略种类进行决策。如此，本发明提供的设计思路可以利用自然语言处理模型对第一过往协同作业任务指令中的阶段性任务文本的偏心权重，来为第一过往协同作业任务指令的阶段性任务文本配置判别注释，且为偏心权重更高的阶段性任务文本配置的判别注释所表征的任务描述细粒等级的任务描述细粒度可以更高，这样便能够利用阶段性任务文本的已认证注释（如先验注释）与判别注释（如预测结果）之间的区别，来优化局部聚焦变量，这样一来，自然语言处理模型便能够利用优化后的局部聚焦变量，对待处理协同作业任务指令中任务描述细粒度更高的阶段性任务文本配置更高的偏心权重，并对待处理协同作业任务指令中任务描述细粒度越低的阶段性任务文本配置更低的偏心权重，以便尽可能倾向于挖掘待处理协同作业任务指令中任务描述细粒度更高的阶段性任务文本的文本语义，以挖掘出待处理协同作业任务指令尽可能精准的连续性文本语义，利用待处理协同作业任务指令的尽可能精准的连续性文本语义，从而实现待处理协同作业任务指令的任务控制策略种类的精准决策分析。