本申请公开了一种车辆数据的处理方法、装置、车辆以及云端，方法包括：获取车辆在行车过程中的行车数据，行车数据包括至少一个目标类别下的对象的描述信息；根据每个目标类别下的对象的描述信息，生成每个目标类别的结构体数据；对至少一个目标类别的结构体数据进行序列化，得到序列化行车数据。本申请中直接根据每个目标类别下的对象的描述信息，生成每个目标类别的结构体数据，并对至少一个目标类别的结构体数据进行序列化，得到序列化行车数据，使得可以根据实际获取到的每个目标类别下的对象的描述信息，灵活的生成结构体数据，降低了限定消息长度和起止位置导致的数据不准确的情况发生，提高了行车数据的准确度。提高了行车数据的准确度。提高了行车数据的准确度。
【技术实现步骤摘要】
车辆数据的处理方法、装置、车辆以及云端
[0001]本申请涉及车辆控制
，更具体地，涉及一种车辆数据的处理方法、装置、车辆以及云端。
技术介绍
[0002]车联网属于物联网的一种，是指按照一定的通信协议和数据交互标准，在“人
‑
车
‑
路
‑
云”之间进行信息交换的网络，即首先实现汽车智能网联化，再利用各种传感技术，感知车辆状态信息，并借助无线通信网络与大数据分析技术实现交通的智能化管理。
[0003]数据是车联网中的关键部分，智能网联汽车的数据包括行车数据、用户数据、环境数据、生态数据和产业链数据等。其中，行车数据是车辆在运行过程中产生、采集、回传的数据，主要是通过车辆的CAN(Controller Area Network，控制器局域网络)总线传输该行车数据至TBOX，由TBOX将行车数据发送至云端。
[0004]当前基于CAN总线的行车数据上传方案中，行车数据中每个对象(对象主要是车辆传感器或控制器等状态)的信号需要定义消息长度和起止位置，而在自动驾驶过程中，感知或决策的数据常常是长度不固定的数据，因此，采用该固定消息长度和起始位置的手段难以准确的描述行车数据。
技术实现思路
[0005]有鉴于此，本申请提出了一种车辆数据的处理方法、装置、车辆以及云端，以解决上述问题。
[0006]第一方面，本申请实施例提供了一种车辆数据的处理方法，方法包括：获取目标车辆对应的感知轨迹数据以及预测轨迹数据，预测轨迹数据是通过车辆轨迹预测模型对目标车辆的行车数据处理后获得；从预测轨迹数据中获取每个障碍物的预测数据；从感知轨迹数据中获取每个障碍物的感知数据；根据每个障碍物对应的预测数据以及感知数据，得到针对车辆轨迹预测模型的预测评价指标；根据预测评价指标，得到针对车辆数据的处理结果。
[0007]第二方面，本申请实施例提供了一种车辆数据的处理装置，装置包括：第一获取模块，用于获取目标车辆对应的感知轨迹数据以及预测轨迹数据，预测轨迹数据是通过车辆轨迹预测模型对目标车辆的行车数据处理后获得；第二获取模块，用于从预测轨迹数据中获取每个障碍物的预测数据；第三获取模块，用于从感知轨迹数据中获取每个障碍物的感知数据；指标获得模块，用于根据每个障碍物对应的预测数据以及感知数据，得到针对电子设备轨迹预测模型的预测评价指标；结果获得模块，用于根据预测评价指标，得到针对电子设备轨迹预测模型的评估结果。
[0008]第三方面，本申请实施例提供了一种电子设备，电子设备包括：
[0009]一个或多个处理器；
[0010]存储器；
[0011]一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于执行上述第一方面的方法。
[0012]本申请实施例提供一种车辆数据的处理方法、装置、车辆以及云端，在本申请中直接根据每个所述目标类别下的对象的描述信息，生成每个所述目标类别的结构体数据，并对至少一个目标类别的结构体数据进行序列化，得到序列化行车数据，并不需要限定每个对象的信号的消息长度和起止位置，使得可以根据实际获取到的每个所述目标类别下的对象的描述信息，灵活的生成结构体数据，降低了限定消息长度和起止位置导致的数据不准确的情况发生，提高了行车数据的准确度。
[0013]本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
[0014]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0015]图1示出了根据本申请一个实施例提出的一种应用场景的示意图。
[0016]图2示出了根据本申请一个实施例提出的一种车辆数据的处理方法流程图。
[0017]图3示出了根据本申请又一个实施例提出的一种车辆数据的处理方法流程图。
[0018]图4示出了根据本申请再一个实施例提出的一种车辆数据的处理方法流程图。
[0019]图5示出了根据本申请再一个实施例提出的一种车辆数据的处理方法流程图。
[0020]图6示出了本申请实施例中一种行车数据的处理流程示意图。
[0021]图7示出了本申请一个实施例提出的一种车辆数据的处理装置的结构框图。
[0022]图8示出了本申请一个实施例提出的又一种车辆数据的处理装置的结构框图
[0023]图9示出了本申请实施例提供的一种车辆的结构框图。
[0024]图10示出了本申请实施例提供的一种云端的结构框图。
[0025]图11示出了本申请实施例提供的一种计算机可读存储介质的结构框图。
具体实施方式
[0026]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0027]如图1所示，本申请实施例所适用的应用场景包括车辆10和云端20，车辆10和云端20通过有线网络或者无线网络通信连接。车辆10可以是具有自动驾驶功能的轿车、客车、suv以及货车等。
[0028]云端20可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0029]其中，车辆10可以采集行车数据，并对行车数据进行处理，得到序列化行车数据，
并将序列化行车数据发送至云端，由云端20将序列化行车数据存储，得到存储行车数据。
[0030]云端20还可以对存储行车数据进行解析，得到原来的行车数据，以便于用户或云端20对行车数据进行分析或管理。
[0031]参照图2，图2示出了根据本申请一个实施例提出的一种车辆数据的处理方法流程图，方法用于车辆，方法包括：
[0032]S110、获取车辆在行车过程中的行车数据，行车数据包括至少一个目标类别下的对象的描述信息。
[0033]在本申请中，行车数据可以是指车辆在自动驾驶过程中或手动驾驶过程中，通过车辆中的各个传感器采集到的数据，目标类别可以是包括障碍物、行人、路径、车辆状态、红绿灯、车道信息中的一个或多个，每个目标类别下的对象的描述信息包括该目标类别下的至少一个对象的描述信息，其中，路径可以是指车辆正在行驶的道路名称或编号等。
[0034]例如，目标类别包括行人和障碍物，共对应3个行人和2个障碍物，行车数据可以指该三个行人各自对应的描述信息以及该两个障碍物各自对应的描述信息。
[0035本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆数据的处理方法，其特征在于，所述方法包括：获取车辆在行车过程中的行车数据，所述行车数据包括至少一个目标类别下的对象的描述信息；根据每个所述目标类别下的对象的描述信息，生成每个所述目标类别的结构体数据；对所述至少一个目标类别的结构体数据进行序列化，得到序列化行车数据。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过消息队列遥测传输协议，将所述序列化行车数据发送至云端，以使所述云端将所述序列化行车数据存储于预置存储系统，得到存储行车数据。3.根据权利要求1所述的方法，其特征在于，所述对所述至少一个目标类别的结构体数据进行序列化，得到序列化行车数据，包括：获取采集所述行车数据的时间信息，作为目标时间信息；对所述目标时间信息以及所述至少一个目标类别的结构体数据进行序列化，得到序列化行车数据。4.根据权利要求3所述的方法，其特征在于，所述对所述目标时间信息以及所述至少一个目标类别的结构体数据进行序列化，得到序列化行车数据，包括：根据所述目标时间信息以及所述至少一个目标类别的结构体数据，生成目标格式的数据文件；对所述数据文件进行序列化，得到所述序列化行车数据。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述目标类别包括障碍物、行人、路径、车辆状态、红绿灯、车道信息中的一个或多个，每个所述目标类别下的对象的描述信息包括该目标类别下的至少一个对象的描述信息。6.一种车辆数据的处理方法，其特征在于，所述方法包括：从预置存储系统获取存储车辆数据，所述存储车辆数据是根据车辆发送的序列化行车数据获得的，所述序列化行车数据是对至少一个目标类别的结构体数据进行序列化之后获得，每个所述目标类别的结构体数据是根据每个所述目标类别下的对象的描述信息获得，每个所述目标类别下的对象的描述信息是所述车辆在行车过程中获取的...
【专利技术属性】
技术研发人员：石静迎，郭和攀，王坚，郭嘉强，刘锦标，张蓓，
申请(专利权)人：广州汽车集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。