一种车辆数据处理的方法及装置制造方法及图纸

本申请公开了一种车辆数据处理的方法及装置，应用于云端服务器中，其中所述方法包括：获取各车辆对象的原始采集数据；从所述原始采集数据中挖掘出目标数据；确定所述目标数据的标签信息，并为所述目标数据添加所述标签信息，所述标签信息包括如下的一种或结合：车辆感知标签、决策规划标签、路径标签、定位标签、地图标签；以所述标签信息作为索引，存储所述目标数据。从而实现了数据的标签化和结构化存储，优化了车辆数据的存储，为后续的数据分析和回放提供了便于查询的数据基础。和回放提供了便于查询的数据基础。和回放提供了便于查询的数据基础。

【技术实现步骤摘要】
一种车辆数据处理的方法及装置


[0001]本申请实施例涉及数据处理技术，尤其涉及一种车辆数据处理的方法及装置。

技术介绍

[0002]近年来，随着人工智能技术的发展，自动驾驶技术也快速发展起来。在自动驾驶领域，无需驾驶员对车辆进行操作，而是由车辆的自动驾驶控制电子控制单元(ElectronicControl Unit，ECU)自动控制车辆行驶。自动驾驶控制ECU根据自动驾驶车辆所处的环境信息规划车辆行驶的路线，以及控制车辆转向、加速或减速等。
[0003]自动驾驶系统应用多种传感器进行数据采集，用于实现规划车辆行驶的路线、控制车辆转向、加速或减速等功能。然而，自动驾驶汽车采集的数据是海量的，而能够用于算法开发的有效数据占比并不高，比如，一辆信息采集车在路测过程中，每秒就会产生720MB的数据，一天下来会产生数十TB的数据量，其中有很多重复以及对算法训练没有价值的信息。自动驾驶数据来源于多个不同类型的传感器，其中大部分是非结构化数据，若不对原始数据进行处理，会导致算法训练过程复杂，算力利用率低，影响系统运行。

技术实现思路

[0004]本申请提供一种车辆数据处理的方法及装置，以解决现有的非结构化的车辆数据带来的数据量大、算力利用率低的问题。
[0005]第一方面，本申请实施例提供了一种车辆数据处理的方法，所述方法应用于云端服务器中，所述方法包括：
[0006]获取各车辆对象的原始采集数据；
[0007]从所述原始采集数据中挖掘出目标数据；
[0008]确定所述目标数据的标签信息，并为所述目标数据添加所述标签信息，所述标签信息包括如下的一种或结合：车辆感知标签、决策规划标签、路径标签、定位标签、地图标签；
[0009]以所述标签信息作为索引，存储所述目标数据。
[0010]可选地，所述以所述标签信息作为索引，存储所述目标数据，包括：
[0011]以所述标签信息作为索引，将所述目标数据写入HBase数据库中。
[0012]可选地，在所述以所述标签信息作为索引，存储所述目标数据之后，所述方法还包括：
[0013]确定目标标签信息，并获取与所述目标标签信息对应的目标数据；
[0014]将与所述目标标签信息对应的目标数据发送至请求方，或者，对所述与所述目标标签信息对应的目标数据按照指定的处理策略进行处理。
[0015]可选地，所述方法还包括：
[0016]对外提供数据获取接口；
[0017]所述确定目标标签信息，包括：
[0018]接收请求方通过所述数据获取接口发送的数据获取请求，所述数据获取请求包括所需的目标标签信息。
[0019]可选地，所述从所述原始采集数据中挖掘出目标数据，包括：
[0020]对所述原始采集数据进行数据清洗；
[0021]将清洗后的数据输入至预先生成的数据挖掘模型中，并获得所述数据挖掘模型输出的各数据的预测概率；
[0022]将预测概率大于预设阈值的数据作为目标数据。
[0023]可选地，所述确定所述目标数据的标签信息，包括：
[0024]将所述目标数据输入至预先生成的标签生成器，由所述标签生成器对所述目标数据进行分析，判断所述目标数据是否存在某个标签信息所具有的特征，若是，则将该目标数据的标签确定为该标签信息。
[0025]可选地，所述车辆感知标签具有的特征包括：红绿灯信息、交通流信息；
[0026]所述决策规划标签具有的特征包括：横向加速度信息、纵向加速度信息、变道超车信息、让车信息；
[0027]所述路径标签具有的特征包括：路由信息、换道信息；
[0028]所述定位标签具有的特征包括：从起点到终点的轨迹信息、转弯信息；
[0029]所述地图标签具有的特征包括：路口信息、人行道信息、高速路信息。
[0030]第二方面，本申请实施例还提供了一种车辆数据处理的装置，所述装置位于云端服务器中，所述装置包括：
[0031]原始数据获取模块，用于获取各车辆对象的原始采集数据；
[0032]数据挖掘模块，用于从所述原始采集数据中挖掘出目标数据；
[0033]标签添加模块，用于确定所述目标数据的标签信息，并为所述目标数据添加所述标签信息，所述标签信息包括如下的一种或结合：车辆感知标签、决策规划标签、路径标签、定位标签、地图标签；
[0034]数据存储模块，用于以所述标签信息作为索引，存储所述目标数据。
[0035]第三方面，本申请实施例还提供了一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法。
[0036]第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的方法。
[0037]本申请具有如下有益效果：
[0038]在本实施例中，针对各车辆采集的原始采集数据，云端服务器可以从所得到的原始采集数据中挖掘出目标数据，然后确定目标数据的标签信息，为根据该标签信息为目标数据打标签，并以各目标数据的标签信息作为索引对目标数据进行存储，从而实现了数据的标签化和结构化存储，优化了车辆数据的存储，为后续的数据分析和回放提供了便于查询的数据基础。
附图说明
[0039]图1是本申请实施例一提供的一种车辆数据处理的方法实施例的流程图；
[0040]图2是本申请实施例二提供的一种车辆数据处理的方法实施例的流程图；
[0041]图3是本申请实施例三提供的一种车辆数据处理的装置实施例的流程图；
[0042]图4是本申请实施例四提供的一种服务器的结构示意图。
具体实施方式
[0043]下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
[0044]随着机器学习、智能网联和大数据开发的高速发展，通过模拟人的驾驶行为来将人工智能与汽车驾驶相结合，依靠视觉计算、雷达以及全球定位系统等协同工作，让机器可以在没有任何人类主动的操作下，自动安全地操作机动车辆，从而实现自动驾驶。自动驾驶技术是汽车产业乃至人类科技领域的一次重大变革，近年来受到了世界范围各方的密切关注和大量投入。要使自动驾驶汽车安全运行，能够在道路上做出明智决策，就需要通过大规模的数据集来提升算法的成熟度。数据作为自动驾驶汽车的燃料，贯穿在自动驾驶算法开发、测试、应用、改进的全流程。自动驾驶系统应用多种传感器采集得到海量数据，从这些混杂的海量数据中提取挖掘出精品数据，用于环境感知、地图及定位、规划与控制等关键任务中，对系统的平稳、安全、有效运行具有重要意义。
[0045]如何应对海量数据的提取和存储是自动驾驶数据平台所面临的主要问题。自动驾驶汽车采集的数据是海量的，而能够用于算法开发的有效数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆数据处理的方法，其特征在于，所述方法应用于云端服务器中，所述方法包括：获取各车辆对象的原始采集数据；从所述原始采集数据中挖掘出目标数据；确定所述目标数据的标签信息，并为所述目标数据添加所述标签信息，所述标签信息包括如下的一种或结合：车辆感知标签、决策规划标签、路径标签、定位标签、地图标签；以所述标签信息作为索引，存储所述目标数据。2.根据权利要求1所述的方法，其特征在于，所述以所述标签信息作为索引，存储所述目标数据，包括：以所述标签信息作为索引，将所述目标数据写入HBase数据库中。3.根据权利要求1或2所述的方法，其特征在于，在所述以所述标签信息作为索引，存储所述目标数据之后，所述方法还包括：确定目标标签信息，并获取与所述目标标签信息对应的目标数据；将与所述目标标签信息对应的目标数据发送至请求方，或者，对所述与所述目标标签信息对应的目标数据按照指定的处理策略进行处理。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：对外提供数据获取接口；所述确定目标标签信息，包括：接收请求方通过所述数据获取接口发送的数据获取请求，所述数据获取请求包括所需的目标标签信息。5.根据权利要求1所述的方法，其特征在于，所述从所述原始采集数据中挖掘出目标数据，包括：对所述原始采集数据进行数据清洗；将清洗后的数据输入至预先生成的数据挖掘模型中，并获得所述数据挖掘模型输出的各数据的预测概率；将预测概率大于预设阈值的数据作为目标数据。6.根据权利要求1或2或5所述的方法，其特征在于，所述确定所述目标数据的标签信...

【专利技术属性】
技术研发人员：刘坤鹏，张伟德，王栋梁，王振东，段锐，王秋，孙建蕾，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：