CN110892738B - 一种交通数据的处理方法及服务器 - Google Patents

Abstract

本发明公开了一种交通数据的处理方法及服务器，用于提高云端数据库的数据的精确度。该方法包括：获取目标地点的目标数据，所述目标数据为车载客户端在所述目标地点采集的交通数据，所述目标数据中包括若干个子数据；将所述目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定所述目标数据中的各子数据的级别，所述第一交通数据为云端数据库中存储的所述目标地点的交通数据，且所述第一交通数据中的各子数据为已经进行分级的数据；根据所述目标数据中各子数据的级别对所述第一交通数据进行更新。

Description

一种交通数据的处理方法及服务器

技术领域

本发明涉及通信领域，尤其涉及一种交通数据的处理方法及服务器。

背景技术

车载系统通过视觉系统采集当前车辆的数据，且将采集当前车辆的数据上传至云端数据库，供其它车辆当作有效数据使用。此时，问题有两个：

(1)当前车辆采集的数据是否正确？

(2)不同车辆在不同时段，不同角度将数据上传到云端，上传的多个数据中哪些数据是可以使用的，哪些数据是不会被使用的。少数的数据是正确的还是错误的数据？

针对这些问题，现有技术中，一般会通过机器学习等算法，通常都会将大量样本数据作为正向增强，也就是说数据出现的次数越多，该数据的正确性就越高，该数据就会被保存，而当该数据中的某个数据发生变化的时会把该发生变化的数据当做无效数据舍弃。

但是，当交通标识或者建筑发生变化时，例如某地的一个交通标识被替换为另一个交通标识，新出现一个交通标识或者建筑等情况。按照现有技术中将大量样本数据作为正向增加的做法是需要删除新出现的交通标识或者被替换的交通标识或者新出现的建筑对应的数据。然而新出现的交通标识或者被替换的交通标识或者新出现的建筑对应的数据恰恰是需要发送到云端数据库进行更新的数据，这样就没有办法对路段中的交通数据进行维护。

发明内容

本发明实施例提供了一种交通数据的处理方法及服务器，用于保证云端数据库中的数据的正确率。

本发明实施例第一方面提供一种交通数据的处理方法，包括：

获取目标地点的目标数据，所述目标数据为车载客户端在所述目标地点采集的交通数据，所述目标数据中包括若干个子数据；

将所述目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定所述目标数据中的各子数据的级别，所述第一交通数据为云端数据库中存储的所述目标地点的交通数据，且所述第一交通数据中的各子数据为已经进行分级的数据；

根据所述目标数据中各子数据的级别对所述第一交通数据进行更新。

结合第一方面，在第一方面的第一种可能的实现方式中，所述将所述目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定所述目标数据中各子数据的级别包括：

将所述目标数据中的各子数据分别与所述第一交通数据中的各子数据进行匹配，以确定目标数据中的各子数据与第一交通数据中的各子数据的匹配度；

并根据各子数据与第一交通数据中的各子数据的匹配度确定目标数据中各子数据的级别。

本发明实施例第二方面提供了一种服务器，具体包括：

中央处理器，存储介质以及输入输出接口；

所述存储介质上存储有云端数据库以及程序代码，所述中央处理器调用并执行所述程序代码，用于：

获取目标地点的目标数据，所述目标数据为车载客户端在所述目标地点采集的交通数据，所述目标数据中包括若干个子数据；

将所述目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定所述目标数据中的各子数据的级别，所述第一交通数据为云端数据库中存储的所述目标地点的交通数据，且所述第一交通数据中的各子数据为已经进行分级的数据；

根据所述目标数据中各子数据的级别对所述第一交通数据进行更新。

本发明实施例提供的技术方案中，当云端服务器需要对目标地点的交通数据进行更新时或者在接收到车辆上传的目标地点的目标数据时，可以获取目标地点的目标数据，并将目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定目标数据中各子数据的级别，并根据目标数据中的各子数据的级别对云端数据库中的目标地点的交通数据进行更新。由此可见，可以在有新数据添加至云端数据库的时候，根据现有数据库中的已分级的数据来自动对新添加的数据进行分级，从而自动对云端数据库中的数据进行维护，提高云端数据库的数据的正确率。

附图说明

图1为本发明实施例中交通数据的处理方法的一个实施例示意图；

图2为本发明实施例中交通数据的处理方法的另一实施例示意图；

图3为本发明实施例中服务器的硬件结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”和“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

请参阅图1，本发明实施例中交通数据的处理方法的一个实施例包括：

101、获取目标地点的目标数据。

本实施例中，当云端服务器需要对云端数据库中存储的目标地点的交通数据进行维护的时候或者在接收到车辆上传的目标地点的目标数据时，可以获取目标地点的目标数据，该目标数据为车辆在目标地点采集的交通数据，该目标数据中包含若干个子数据，该交通数据包括目标地点的视觉数据以及其他一些数据，例如目标地点的天气数据、目标地点的交通标识以及目标地点的海拔高度数据等数据，云端服务器中包括云端数据库以及一些其他的功能模块(例如接收命令，发送数据，存储数据等模块)，云端服务器与车辆通过无线方式连接。

102、将目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定目标数据中各子数据的级别。所述第一交通数据为云端数据库中存储的所述目标地点的交通数据。所述每个交通数据均包括若干个子数据，且每个子数据均为已经分级的数据。同时需要说明的是，每个交通数据中可以包括相同或者相似的子数据，例如，不同车辆针对同一地点的交通标识采集并上传的多个子数据。

本实施例中，当服务器得到目标地点的目标数据之后，由于该目标数据中包含有若干个子数据，且云端数据库中存储的目标地点的第一交通数据中的各数据已经进行分级，服务器可以将目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定目标数据中各子数据的级别。具体方案请参见下文。

需要说明的是，在本实施例中，所述云端数据库中的数据分级为：正常-精确数据、正常数据、待增加数据、杂数据、待删除数据、已删除数据，其中，

正常-精确数据表示：精确数据；

正常数据表示：大概率确定是正确数据；

待增加数据表示：不确定的数据；

杂数据表示：可被忽略的数据；

待删除数据表示：大概率确定是错误数据；

已删除数据表示：错误数据。

其中，这些分级数据的等级分别为正常精确数据，正常数据，待增加数据，杂数据，待删除数据，已删除数据，正常精确数据的等级最高，已删除数据的登记最低，可以供用户使用的是正常数据以及正常精确数据。

上述的分级仅以正常数据、正常-精确数据、待增加数据、杂数据、待删除数据、已删除数据为例进行说明，也可以为第一档数据、第二档数据、第三档数据、第四档数据、第五档数据以及第六档数据，具体的分级名称不做限定。

103、根据目标数据中各子数据的级别对第一交通数据进行更新。

本实施例中，当云端服务器在确定目标数据中各子数据的级别后，将确定级别后的子数据添加到第一交通数据中。具体的，将确定级别后的子数据添加到第一交通数据的子数据集合中。

本实施例中，当云端服务器需要对目标地点的交通数据进行更新时或者在接收到车辆上传的目标地点的目标数据时，可以获取目标地点的目标数据，并将目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定目标数据中各子数据的级别，并根据目标数据中的各子数据的级别对云端数据库中的目标地点的交通数据进行更新。由此可见，可以在有新数据添加至云端数据库的时候，根据现有数据库中的已分级的数据来自动对新添加的数据进行分级，从而自动对云端数据库中的数据进行维护，提高云端数据库的数据的正确率。

请参阅图2，本发明实施例中交通数据的处理方法的另一实施例包括：

201、获取目标地点的目标数据。

本实施例中，当云端服务器需要对云端数据库中存储的目标地点的交通数据进行维护的时候或者在接收到车辆上传的目标地点的目标数据时，可以获取目标地点的目标数据，该目标数据为车辆在目标地点采集的交通数据，该目标数据中包含若干个子数据，该交通数据包括目标地点的视觉数据以及其他一些数据，例如目标地点的天气数据、目标地点的交通标识以及目标地点的海拔高度数据等数据，云端服务器中包括云端数据库以及一些其他的功能模块(例如接收命令，发送数据，存储数据等模块)，云端服务器与车辆通过无线方式连接。

202、将目标数据的各子数据分别与第一交通数据中的各子数据进行匹配，以确定目标数据中各子数据的级别。所述第一交通数据为云端数据库中存储的所述目标地点的交通数据。所述每个交通数据均包括若干个子数据，且每个子数据均为已经分级的数据。同时需要说明的是，每个交通数据中可以包括相同或者相似的子数据，例如，不同车辆针对同一地点的交通标识采集并上传的多个子数据。

本实施例中，云端服务器在获取到目标地点的目标数据之后，由于目标数据中包括由若干个子数据，且云端数据库中存储的目标地点的第一交通数据，可以将目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定目标数据中的各子数据与第一交通数据中的各子数据的匹配度，并根据各子数据与第一交通数据中的各子数据的匹配度确定目标数据中各子数据的级别。例如，将目标数据中的子数据的级别设置为与该子数据匹配度最高的子数据的级别，或者将目标数据中的子数据的级别设置为与该子数据匹配度达到预设阈值(例如90％)的子数据的级别。

在另一实施例中，云端服务器在获取到目标地点的目标数据之后，由于目标数据中包括由若干个子数据，且云端数据库中存储的目标地点的第一交通数据，可以将目标数据中的各子数据分别与第一交通数据中同类别的各子数据进行匹配，以确定目标数据中的各子数据与第一交通数据中同类别的各子数据的匹配度，并根据各子数据与第一交通数据中的各子数据的匹配度确定目标数据中各子数据的级别。例如，将目标数据中的子数据的级别设置为与该子数据匹配度最高的子数据的级别，或者将目标数据中的子数据的级别设置为与该子数据匹配度达到预设阈值(例如90％)的子数据的级别。

同时需要说明的是，当云端服务器将目标数据中的子数据的级别设置为与该子数据匹配度达到预设阈值(例如90％)的子数据的级别时，且具有多个匹配度达到预设阈值的子数据时，所述云端服务器可以将所述目标数据中的子数据的级别设置为与该子数据匹配度最高的子数据的级别，或者将所述目标数据中的子数据的级别设置为时间与当前时间最近的子数据的级别。

下面进行举例说明，云端服务器获取到目标数据，假如该目标数据中包含两个数据，一个是目标地点的第一交通标识数据，另一是目标地点的第一标志性建筑数据，云端服务器将第一交通标识数据与云端数据库中存储的该目标地点的所有的交通标识数据进行匹配，并将第一标志性建筑数据与云端数据库中存储的该目标地点的所有标志性建筑数据进行匹配，由于云端数据库中存储的目标地点的所有的交通标识数据以及所有的标志性建筑数据都有分级的属性，例如是正常数据、正常精确数据、杂数据、待增加数据、待删除数据或者已删除数据，假如该云端数据库中存储的目标地点的交通标识数据中的某一第二交通标识数据与第一交通标识数据的匹配度达到预设的阈值(例如90％，也可以是其他数值，具体不做限定)，则将该第一交通标识数据的级别设置为该第二交通标识数据的级别，如果该第二交通标识数据的分级为正常数据，即在该第一交通标识数据的属性上增加正常数据的分级标定。同理，如果该云端数据库中存储的目标地点的标志性建筑数据中的某一第二标志性建筑数据与第一标志性建筑数据的匹配度达到预设的阈值，则将该第一标志性建筑数据的级别设置为该第二标志性数据的级别，如果该第二标志性建筑数据的级别为带增加数据，则将该第一标志性建筑数据的级别设置为待增加数据，也即在该第一标志性建筑数据的属性上增加待增加数据的分级标定。

203、根据在预置时间内获取的相似子数据的次数调整该目标数据中的子数据的级别。需要说明的是，所述相似子数据指的是匹配度大于预设的阈值(例如大于90％，也可以是其他数值，具体不做限定)。

在本实施例中，当云端服务器确定目标数据中的各子数据的分级之后，还会根据在预置时间内获取的相似子数据的次数来调整该目标数据中的该子数据的级别。例如，根据所述次数所属的范围来调整所述子数据的级别。

例如在第一预置时间内(例如1天内，可以是其他数值，具体不做限定)获取到的与第一子数据相似的子数据的次数小于第一预设值(例如20次，可以是其他数值，具体不做限定)，则将该第一子数据的级别降低一档，例如从步骤202确定的正常精确数据降低为正常数据；同时，在第二预置时间(例如3天内)内获取到的与第一子数据相似的子数据的次数大于第二预设值(例如200次)，则将该第二子数据的级别提升一档，例如从步骤202确定的待增加数据提升为正常数据。

需要说明的是，当云端服务器确定云端服务器中存储的目标地点的交通数据中有数据的级别为待删除数据的级别，且在第三预置时间内(例如1个月，还可以是其他数值，具体不做限定)该数据始终处于该级别，此时可以将该数据标定为已删除数据。

需要说明的是，云端服务器可以定期清理云端数据库中的分级为已删除数据标签的数据，以使得云端数据库中的空间得到更加优化的利用，防止分级为已删除数据标签的数据占据云端数据库的存储空间。

204、根据目标数据中各子数据的级别对第一交通数据进行更新。

本实施例中，当云端服务器在确定目标数据中各子数据的级别后，将确定级别后的子数据添加到第一交通数据中。具体的，将确定级别后的子数据添加到第一交通数据的子数据集合中。

综上所述，当云端服务器需要对目标地点的交通数据进行更新时或者在接收到车辆上传的目标地点的目标数据时，可以先获取目标地点的目标数据，并将目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配确定目标数据中的各子数据的级别，根据在预置时间内获取的相似子数据的次数调整该目标数据中的子数据的级别，并根据目标数据中各子数据的级别对第一交通数据进行更新。由此可见，云端数据库可以在目标地点的交通数据实际发生改变时，根据获取的目标数据的子数据的频率来调整对该子数据的评级，从而实现在目标地点的交通数据发生改变时，自动对云端数据库中的数据进行维护，从而提到云端数据库这种的数据的正确率。

上面从交通数据的处理方法的角度对本发明实施例进行描述，下面从服务器的角度对本发明实施例进行描述。

请参阅图3，图3是本发明实施例提供的一种服务器的结构示意图，该服务器300可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(centralprocessing units，CPU)310(例如，一个或一个以上处理器)，一个或一个以上存储程序代码331或数据332的存储介质330(存储介质可以为一个或一个以上海量存储设备，也可以为一个或一个以上内存等临时存储设备，也可以为一个或一个硬盘，也可以是一个或一个以上的内存以及硬盘共同使用，具体此处不作限定)。其中，存储介质330可以是短暂存储或持久存储。更进一步地，中央处理器310可以设置为与存储介质330通信，以调用并执行存储介质330中的一系列程序代码。所述存储介质330中还存储有云端数据库，所述云端数据库中至少存储有目标地点的交通数据，也即至少存储有目标地点的第一交通数据。所述服务器还包括一个或一个以上输入输出接口320，所述输入输出接口320可以为一个或一个以上有线或无线网络接口。

所述服务器的中央处理器310调用并执行所述程序代码，用于获取目标地点的目标数据，所述目标数据为车载客户端在所述目标地点采集的交通数据，所述目标数据中包括若干个子数据；将所述目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定所述目标数据中的各子数据的级别，所述第一交通数据为云端数据库中存储的所述目标地点的交通数据，且所述第一交通数据中的各子数据为已经进行分级的数据；根据所述目标数据中各子数据的级别对所述第一交通数据进行更新。

其中所述将所述目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定所述目标数据中各子数据的级别包括：将所述目标数据中的各子数据分别与所述第一交通数据中的各子数据进行匹配，以确定目标数据中的各子数据与第一交通数据中的各子数据的匹配度；并根据各子数据与第一交通数据中的各子数据的匹配度确定目标数据中各子数据的级别。

在一个实施例中，所述根据各子数据与第一交通数据中的各子数据的匹配度确定目标数据中各子数据的级别包括：将目标数据中的子数据的级别设置为与该子数据匹配度最高的子数据的级别。

在另一实施例中，所述根据各子数据与第一交通数据中的各子数据的匹配度确定目标数据中各子数据的级别包括：将目标数据中的子数据的级别设置为与该子数据匹配度达到预设阈值的子数据的级别。

在将所述目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定所述目标数据中的各子数据的级别之后，所述中央处理器还：根据在预置时间内获取的相似子数据的次数调整该目标数据中的子数据的级别。

所述根据在预置时间内获取的相似子数据的次数调整该目标数据中的子数据的级别包括：当在第一预置时间内获取的相似子数据的次数小于第一预设值，则将该子数据的级别降低一档；当在第二预置时间内获取的相似子数据的次数大于第二预设值，则将该子数据的级别提升一档。

所述根据所述目标数据中各子数据的级别对所述第一交通数据进行更新包括：将确定级别后的各子数据添加到所述第一交通数据的子数据集合中。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种交通数据的处理方法，其特征在于，包括：

当云端数据库中的存储的目标地点的交通数据需要更新时，获取目标地点的目标数据，所述目标数据为车载客户端在所述目标地点采集的交通数据，所述目标数据中包括若干个子数据；

将所述目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定所述目标数据中的各子数据的级别，所述第一交通数据为云端数据库中存储的所述目标地点的交通数据，且所述第一交通数据中的各子数据为已经进行分级的数据；

根据所述目标数据中各子数据的级别对所述第一交通数据进行更新；

所述将所述目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定所述目标数据中的各子数据的级别之后，所述方法还包括：

根据在预置时间内获取的相似子数据的次数调整该目标数据中的子数据的级别；

所述根据在预置时间内获取的相似子数据的次数调整该目标数据中的子数据的级别包括：

当在第一预置时间内获取的相似子数据的次数小于第一预设值，则将该子数据的级别降低一档；

当在第二预置时间内获取的相似子数据的次数大于第二预设值，则将该子数据的级别提升一档。

2.根据权利要求1所述的方法，其特征在于，所述将所述目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定所述目标数据中各子数据的级别包括：

将所述目标数据中的各子数据分别与所述第一交通数据中的各子数据进行匹配，以确定目标数据中的各子数据与第一交通数据中的各子数据的匹配度；

并根据各子数据与第一交通数据中的各子数据的匹配度确定目标数据中各子数据的级别。

3.根据权利要求2所述的方法，其特征在于，所述根据各子数据与第一交通数据中的各子数据的匹配度确定目标数据中各子数据的级别包括：将目标数据中的子数据的级别设置为与该子数据匹配度最高的子数据的级别。

4.根据权利要求2所述的方法，其特征在于，所述根据各子数据与第一交通数据中的各子数据的匹配度确定目标数据中各子数据的级别包括：将目标数据中的子数据的级别设置为与该子数据匹配度达到预设阈值的子数据的级别。

5.根据权利要求1所述的方法，其特征在于，所述根据所述目标数据中各子数据的级别对所述第一交通数据进行更新包括：

将确定级别后的各子数据添加到所述第一交通数据的子数据集合中。

6.一种服务器，其特征在于，包括：中央处理器，存储介质以及输入输出接口；

所述存储介质上存储有云端数据库以及程序代码，所述中央处理器调用并执行所述程序代码，用于：

当云端数据库中的存储的目标地点的交通数据需要更新时，获取目标地点的目标数据，所述目标数据为车载客户端在所述目标地点采集的交通数据，所述目标数据中包括若干个子数据；

将所述目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定所述目标数据中的各子数据的级别，所述第一交通数据为云端数据库中存储的所述目标地点的交通数据，且所述第一交通数据中的各子数据为已经进行分级的数据；

根据所述目标数据中各子数据的级别对所述第一交通数据进行更新；

所述将所述目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定所述目标数据中的各子数据的级别之后，还包括：

根据在预置时间内获取的相似子数据的次数调整该目标数据中的子数据的级别；

所述根据在预置时间内获取的相似子数据的次数调整该目标数据中的子数据的级别包括：

当在第一预置时间内获取的相似子数据的次数小于第一预设值，则将该子数据的级别降低一档；

当在第二预置时间内获取的相似子数据的次数大于第二预设值，则将该子数据的级别提升一档。

7.根据权利要求6所述的服务器，其特征在于，所述将所述目标数据中的各子数据分别与第一交通数据中的各子数据进行匹配，以确定所述目标数据中各子数据的级别包括：

将所述目标数据中的各子数据分别与所述第一交通数据中的各子数据进行匹配，以确定目标数据中的各子数据与第一交通数据中的各子数据的匹配度；

并根据各子数据与第一交通数据中的各子数据的匹配度确定目标数据中各子数据的级别。

8.根据权利要求7所述的服务器，其特征在于，所述根据各子数据与第一交通数据中的各子数据的匹配度确定目标数据中各子数据的级别包括：将目标数据中的子数据的级别设置为与该子数据匹配度最高的子数据的级别。

9.根据权利要求7所述的服务器，其特征在于，所述根据各子数据与第一交通数据中的各子数据的匹配度确定目标数据中各子数据的级别包括：将目标数据中的子数据的级别设置为与该子数据匹配度达到预设阈值的子数据的级别。

10.根据权利要求6所述的服务器，其特征在于，所述根据所述目标数据中各子数据的级别对所述第一交通数据进行更新包括：

将确定级别后的各子数据添加到所述第一交通数据的子数据集合中。

Images