运输环境数据服务制造技术

所公开的是提供运输环境数据服务的实施例。运输环境数据服务包括抓取路边基础设施解决方案、以获得从物理地定位在路边基础设施处的传感器收集到的传感器数据的收获服务。在一些情况下，路边基础设施解决方案对传感器数据执行附加的处理。例如，一些路边基础设施执行对象检测和/或对象识别。当遇到这些解决方案时，边缘或收获服务也会收集对象检测和/或对象识别信息。客户可以订阅由运输环境数据服务提供的各种数据服务。例如，一些订阅者指示对特定区域的任何环境数据更新感兴趣。其他订阅者对与由运输环境数据服务检测到的任何交通工具事故相关联的视频数据感兴趣。工具事故相关联的视频数据感兴趣。工具事故相关联的视频数据感兴趣。

【技术实现步骤摘要】
运输环境数据服务


[0001]本公开涉及用于运输环境的数据服务。具体而言，所公开的实施例中的至少一些实施例实现运输环境数据服务。

技术介绍

[0002]智能运输解决方案、高级驾驶辅助系统(ADAS)和自主驾驶(AD)需要在质量和数量上丰富的多模态数据集来支持其复杂的人工智能(AI)算法的训练。智能运输解决方案(诸如用于道路基础设施的解决方案)、AD交通工具和ADAS系统中的感知、环境建模和规划算法需要高质量、代表性、深度、高清晰度和最新的多模式数据集。由AI算法做出的决策的准确性、有效性和质量也取决于用于训练它们的数据集的深度和广度。
[0003]用于提高AI算法的准确性和可靠性的一种成功技术是用于收获表示故障事件的数据集，并且随后使用该数据集重新训练算法。这被称为难分样本挖掘(hard negative mining)。因此，从故障事件得出的数据集的可用性对于确保AI算法的稳健性也是重要的。
附图说明
[0004]在所附附图中以示例方式而非限制方式图示本公开，在附图中，类似的附图标记指示类似的要素，其中：
[0005]图1是图示出所公开的实施例中的至少一些实施例中的多模态数据湖的组件的概览图。
[0006]图2是人工智能算法栈200的概览图。
[0007]图3A
‑
图3B是示出所公开的实施例中的一个或多个实施例内的并行处理流水线的概览图。
[0008]图4示出了根据本公开的一些示例的机器学习模块400的示例。
[0009]图5是提供运输环境数据的示例方法的流程图。
[0010]图6图示了可在其上执行本文中所讨论的技术(例如，方法)中的任何一项或多项的示例机器600的框图。
具体实施方式
[0011]所公开的实施例认识到，对于AI开发者来说，各自构建表示各种各样的潜在场景、状况、和事件(如在真实世界的交通模式或场景下发生的那些场景、状况、和事件)的训练数据集可能是非常具有挑战性、昂贵的和耗时的。许多现有的数据集通常提供表示单个模态的数据(例如，通常是相机图像和/或视频)。此外，当使用现有的光检测和测距(LIDAR)和/或无线电检测和测距(RADAR)数据集时，标识对应的相机投影(其可以促进传感器融合算法的训练)通常是困难的。
[0012]进一步增加复杂性的是真实世界环境的动态性质。充分表示真实世界场景的数据集相对快速地老化，并且因此必须不断被更新。因此，有效的AI算法需要在最近被更新的数
据集上进行训练，以反映它们操作所处的当前环境状况。即使是环境中的小的改变或趋势，如果不被数据集表示，也会导致AI算法的准确性显著降级。在人类健康或安全性处于风险中的任务关键型应用中，此种降级是不可接受的。依赖于AI训练数据集的自组织或手动收集的AI供应商无法满足AI应用的苛刻需求。此外，ADAS和AD领域的许多AI算法使用监督学习技术来训练，并且因此需要每个数据集的基础事实信息。这对于许多AI供应商来说，手动管理他们的数据集以提供该基础事实信息可能是成本过高的。
[0013]一些供应商力图通过经由其现有产品收集训练数据来增强其训练数据。例如，这些供应商将他们的产品配备了持续监测其环境、并伺机将训练数据上传到基于云的训练系统的相机或其他传感器。该方法也经历若干挑战。例如，产品上传数据的能力将取决于产品与基于云的训练系统的连接性以及带宽。由于许多产品被设计用于使硬件成本最小化，因此在适当的连接性和带宽可用于上传数据之前的产品的用于存储大量训练数据的能力可能是有限的。该有限的存储可能会导致产品丢弃或以其他方式删除有时收集到的训练数据的大部分，这是由于在竞争本地存储空间的新数据到来之前无法上传这些数据。
[0014]此外，在一些产品环境中，上传由产品捕获的数据存在隐私问题。一些客户可能不提供对提供数据的许可，从而将训练数据限制在客户环境的非随机样本中。此外，发展中的法律环境给依赖于收集客户数据进行AI训练的任何AI训练策略增加了风险。例如，一些提出的法律框架禁止上传客户数据，即使具有客户的许可。
[0015]为了解决与获得AI算法的稳健的训练集相关联的技术问题，所公开的实施例提出了一种使AI算法供应商(诸如交通工具OEM、交通工具OEM供应商、数据集管理者、研究机构、执法机构、保险提供商、车队所有者、移动性即服务提供商或公用事业公司)能够访问运输环境数据湖的技术解决方案。该交通环境数据湖可以被这些实体用来改善其AI算法的准确性和稳健性。其他实体也可能具有对所提出的运输环境数据湖中包括的数据的某种需求。例如，交通工具所有者(或车队所有者)和/或他们的保险公司可能会订阅与他们的交通工具或交通工具车队相关的数据通知。因此，当交通工具涉及事故时，交通工具所有者、车队所有者或保险提供商经由访问事故的视频录像而受益。车队所有者可以使用视频数据来增强驾驶员培训。执法机构和/或保险公司可以在法律诉讼中使用可用的视频数据。另外，一些车队所有者发现，维护其交通工具所访问的位置的历史记录是有利的。此类历史记录经由从路边基础设施解决方案传感器捕获交通工具数据而变得可能。作为另一示例，公用事业公司可以订阅所提出的运输环境数据湖服务，以便在公用事业公司所拥有的资产(例如路灯或井盖)涉及事故或需要维修时接收通知。
[0016]所公开的实施例中的一些实施例利用现有的道路基础设施解决方案(诸如路边单元(又称为RSU)、台架、停车解决方案、MEC)。该道路基础设施经常配备有多模态传感器、计算平台、连接性解决方案(例如，包括交通工具对外界(V2X))、本地存储和解决方案基础设施。道路基础设施现在越来越多地配备有AI算法(例如感知、环境建模和规划算法)，以及具有与由AD和ADAS解决方案所使用的传感器模态相重叠的模态的传感器。一般来说，部署在基础设施解决方案内的传感器在功率、尺寸、成本等方面具有较少的约束，因此它们是强大的、高分辨率的并且提供相对高质量的数据。至少在一些情况下，这些传感器还被策略性地放置，以便收集有价值的传感器数据。在一些情况下，例如，基础设施解决方案被放置在升降平台上或被放置在自然升高的位置。在一些情况下，被定位在交通交叉路口或台架附近
的基础设施具有被配置成用于提供区域的无缝覆盖范围的多个传感器。因此，通过从这些基础设施解决方案中收获数据，可以为AI算法的训练提供事件的整体视图。
[0017]一些道路基础设施还包括足以处理传感器数据和确定基础事实信息的处理能力。如上文所讨论，基础事实信息被应用在监督学习环境中。因此，所公开的实施例中的一些实施例从路边基础设施设备内的稳定存储中收集经估计的基础事实信息，并使该信息可用于训练AI算法。在一些实施例中，在所估计的基础事实信息被提供用于训练AI算法之前，监督实体被添加以基于其他数据源(例如事故报告、交通传感器)或人类提供的信息(例如由评估监视监测器的人类道路操作者接收到的信息)来验证所估计的基础事实信息。在一些其他实施例中，如果场景已经被多个传感器从多个角度捕获，并且从多个传感器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种系统，包括：运输环境数据服务被配置成用于：从边缘服务接收多个路边基础设施解决方案的传感器数据；将所接收的传感器数据存储在数据储存库内；经由订阅者API接收对运输数据集的请求；所述请求指定对所述运输数据集的要求；管理所述传感器数据以满足所述要求；以及响应于所述请求，提供满足所述要求的经管理的传感器数据。2.如权利要求1所述的系统，其特征在于，所述运输环境数据服务进一步被配置成用于：经由通知API接收对接收传感器数据更新的请求，所述请求指定交通工具的路线；经由所述通知API接收指示所述交通工具沿所述路线的位置的周期性更新；响应于周期性更新，搜索所述数据储存库以获得所述交通工具的所述位置的预定义距离内的经更新的传感器数据；基于所述搜索来标识经更新的传感器数据；以及将所述经更新的传感器数据提供给所述交通工具。3.如权利要求2所述的系统，其特征在于，所述运输环境数据服务进一步被配置成用于：将来自所述数据储存库的所述经更新的传感器数据提供给机器学习模型；从所述机器学习模型获得在预期时间段期间的传感器数据的预测；以及将所述传感器数据的预测提供给所述交通工具。4.如权利要求1所述的系统，其特征在于，所述多个路边基础设施解决方案包括以下各项中的一项或多项：路边单元、台架、收费站、高速公路或收费公路匝道、停车场、隧道或桥梁。5.如权利要求4所述的系统，其特征在于，所述多个路边基础设施解决方案中的每一者包括至少一个环境传感器和存储从所述环境传感器收集到的数据的历史的稳定存储设备，并且其中所述边缘服务访问所述稳定存储设备以获得所述传感器数据。6.如权利要求1所述的系统，其特征在于，所述传感器数据包括元数据，其中所述运输环境数据服务进一步被配置成用于分析所述元数据以确认所述传感器数据满足基础事实要求，基于所述传感器数据来生成基础事实信息，经由所述订阅者API接收对所述基础事实信息的请求，以及响应于所述请求提供所述基础事实信息。7.如权利要求6所述的系统，其特征在于，所述运输环境数据服务进一步被配置成用于确定所述传感器数据元数据中的至少一些传感器数据元数据不满足基础事实要求，以及响应于所述确定而生成基础事实信息。8.如权利要求1所述的系统，其特征在于，所述运输环境数据服务进一步被配置成用于基于所述传感器数据来检测交通事件和所述交通事件的类型；从订阅者API接收对指示检测到的类型的事件的数据的请求，以及生成对指示检测到的交通事件的请求的响应。9.如权利要求1所述的系统，其特征在于，所述要求指示以下各项中的一项或多项：收集所述运输数据集的传感器的类型、由所述运输数据集表示的天气状况、由所述运输数据集表示的交通工具数量、由所述运输数据集表示的时间范围。
10.如权利要求1所述的系统，其特征在于，所述运输环境数据服务进一步被配置成用于经由边缘系统注册应用编程接口API接收所述多个路边基础设施解决方案的注册信息，所述注册信息包括所述路边基础设施解决方案中的每一者的访问凭证，其中所述边缘服务经由所述访问凭证访问所述传感器数据。11.如权利要求10所述的系统，其特征在于，所述运输环境数据服务进一步被配置成用于经由所述访问凭证访问由所述多个路边基础设施解决方案中的至少一者所存储的对象检测数据，其中所述请求进一步定义所述运输数据集的对象类型标准，以及所述管理包括管理所述对象检测数据以满足...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：