环卫作业调度问数垂类大模型语料数据

本数据来源于公司在环卫作业调度与车辆GPS定位的融合数据采集，采集范围涵盖统计日期、项目名称、区域类型、路段名称、垃圾清运量、进场车数、作业人员、作业班次、车辆类型及节假日标识等核心字段。 通过构建自然语言问数解析模型与SQL生成校验机制，将业务人员的自然语言查询（如'查询某月某路段垃圾清运量'）转化为可执行的标准SQL语句并输出精确结果，解决环卫行业调度指令模糊、数据查询门槛高、跨系统数据调取困难等核心痛点。 该数据集面向环卫运营企业、城市管理部门及智慧环卫平台开发商，为其提供标准化的Text-to-SQL垂类训练语料，支撑作业调度指令的智能解析与数据自动查询，降低人工排班与统计工作量，提升跨路段、跨班次、跨车型的运力调度精准度。 同时，该数据集的特征工程体系与问数标注规范经过标准化处理，可为环卫作业调度领域的垂类大模型提供结构化训练样本，推动行业从'人工查询统计'向'自然语言问数+AI自动生成'演进。 BERT-Sanitation编码：基于BERT预训练模型对环卫领域自然语言查询进行语义编码，提取'时间维度（年/月/日/季度）'、'空间维度（路段/区域/项目）'、'指标维度（垃圾量/车次/人员/班次/车型）'及'聚合方式（SUM/AVG/COUNT/MIN/MAX）'四类关键槽位，编码向量维度768，槽位识别准确率≥94%。 Seq2Seq解析：采用Encoder-Decoder架构将编码后的语义向量映射为标准SQL语句，编码器为6层Transformer，解码器为6层Transformer with Attention，支持WHERE条件组合、GROUP BY分组、ORDER BY排序及子查询嵌套，SQL语法正确率≥96%。 IsolationForest异常检测：对自然语言查询中的歧义表述、缺失关键槽位及超出数据范围的时间/空间参数进行异常识别， contamination=0.05，n_estimators=200，异常查询自动标记并返回引导性纠错提示，异常识别覆盖率≥92%。 CJJ/T 312-2021标准校验：依据《城市环境卫生设施运行维护技术规范》对SQL执行结果进行合理性校验，包括单车次载重≤8吨、日垃圾量波动率≤50%、月度作业天数≥25天、车辆利用率≥60%，未达标结果自动触发二次校验机制。

搜集汇总

背景与挑战

背景概述

该数据集融合环卫作业调度与车辆GPS定位数据，涵盖统计日期、项目名称、路段名称、垃圾清运量、作业人员等核心字段，通过自然语言问数解析与SQL生成校验机制，将业务人员的自然语言查询转化为可执行的标准SQL语句并输出精确结果。数据集面向环卫运营企业、城市管理部门及智慧环卫平台开发商，提供标准化的Text-to-SQL垂类训练语料，支撑作业调度指令的智能解析与数据自动查询，降低人工统计工作量，提升运力调度精准度。同时，数据集经过特征工程体系与问数标注规范标准化处理，并采用BERT-Sanitation编码、Seq2Seq解析、IsolationForest异常检测及CJJ/T 312-2021标准校验等算法，为环卫作业调度领域的垂类大模型提供高质量结构化训练样本，推动行业向自然语言问数与AI自动生成演进。