CN111915892A - 数据请求的响应方法、装置、计算机设备以及介质 - Google Patents
数据请求的响应方法、装置、计算机设备以及介质 Download PDFInfo
- Publication number
- CN111915892A CN111915892A CN202010744166.XA CN202010744166A CN111915892A CN 111915892 A CN111915892 A CN 111915892A CN 202010744166 A CN202010744166 A CN 202010744166A CN 111915892 A CN111915892 A CN 111915892A
- Authority
- CN
- China
- Prior art keywords
- target
- time delay
- historical
- target area
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000004044 response Effects 0.000 title abstract description 37
- 230000005540 biological transmission Effects 0.000 claims abstract description 83
- 230000002159 abnormal effect Effects 0.000 claims abstract description 55
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 230000000875 corresponding effect Effects 0.000 claims description 66
- 206010039203 Road traffic accident Diseases 0.000 claims description 33
- 230000001934 delay Effects 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 41
- 238000005516 engineering process Methods 0.000 description 24
- 238000012545 processing Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000002547 anomalous effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008846 dynamic interplay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种数据请求的响应方法、装置、计算机设备及介质，其中方法包括：接收在目标周期内，处于目标区域中的各个目标交通工具发送的数据请求；根据所述各个目标交通工具的数据请求的传输时延，确定所述目标区域在所述目标周期内的目标时延信息；根据目标区域在历史周期内的历史时延信息，对所述目标时延信息进行异常检测；若检测到所述目标时延信息是非异常的，则向所述各个目标交通工具发送所述目标区域的路况数据。本申请实施例可有效节省网络传输资源。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种数据请求的响应方法、一种数据请求的响应装置、一种计算机设备及一种计算机存储介质。
背景技术
车路协同技术是通过交通工具与交通工具、交通工具与道路之间的实时信息动态交互，开展的交通工具的安全控制和道路协同管理，实现人、交通工具、道路之间的高效协同。在车路协同系统中，不同交通工具需要向计算机设备发起数据请求以获得路况数据，从而根据路况数据进行自动行驶。
目前，计算机设备在接收到任一交通工具的数据请求后，均会直接响应该交通工具的数据请求，并向该交通工具发送路况数据的。可见，现有的响应方法较为简单；且每次均直接响应数据请求而发送路况数据，容易导致网络传输资源的浪费。
发明内容
本申请实施例提供了一种数据请求的响应方法、装置、计算机设备及介质，可有效节省网络传输资源。
一方面，本申请实施例提供了一种数据请求的响应方法，该数据请求的响应方法包括：
接收在目标周期内，处于目标区域中的各个目标交通工具发送的数据请求，任一目标交通工具的数据请求用于请求获取所述目标区域的路况数据；
根据所述各个目标交通工具的数据请求的传输时延，确定所述目标区域在所述目标周期内的目标时延信息；
根据目标区域在历史周期内的历史时延信息，对所述目标时延信息进行异常检测；所述历史时延信息是根据在历史周期内，处于所述目标区域中的各个历史交通工具发送的数据请求的传输时延计算得到的；
若检测到所述目标时延信息是非异常的，则向所述各个目标交通工具发送所述目标区域的路况数据。
另一方面，本申请实施例提供了一种数据请求的响应装置，该数据请求的响应装置包括：
接收单元，用于接收在目标周期内，处于目标区域中的各个目标交通工具发送的数据请求，任一目标交通工具的数据请求用于请求获取所述目标区域的路况数据；
确定单元，用于根据所述各个目标交通工具的数据请求的传输时延，确定所述目标区域在所述目标周期内的目标时延信息；
检测单元，用于根据目标区域在历史周期内的历史时延信息，对所述目标时延信息进行异常检测；所述历史通信时延信息是根据在历史周期内，处于所述目标区域中的各个历史交通工具发送的数据请求的传输时延得到的；
发送单元，用于若检测到所述目标时延信息是非异常的，则向所述各个目标交通工具发送所述目标区域的路况数据。
再一方面，本申请实施例提供了一种计算机设备，该计算机设备包括输入接口、输出接口，该计算机设备还包括：
处理器，适于实现一条或多条指令；以及，
计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行如下步骤：
接收在目标周期内，处于目标区域中的各个目标交通工具发送的数据请求，任一目标交通工具的数据请求用于请求获取所述目标区域的路况数据；
根据所述各个目标交通工具的数据请求的传输时延，确定所述目标区域在所述目标周期内的目标时延信息；
根据目标区域在历史周期内的历史时延信息，对所述目标时延信息进行异常检测；所述历史时延信息是根据在历史周期内，处于所述目标区域中的各个历史交通工具发送的数据请求的传输时延计算得到的；
若检测到所述目标时延信息是非异常的，则向所述各个目标交通工具发送所述目标区域的路况数据。
再一方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行如下步骤：
接收在目标周期内，处于目标区域中的各个目标交通工具发送的数据请求，任一目标交通工具的数据请求用于请求获取所述目标区域的路况数据；
根据所述各个目标交通工具的数据请求的传输时延，确定所述目标区域在所述目标周期内的目标时延信息；
根据目标区域在历史周期内的历史时延信息，对所述目标时延信息进行异常检测；所述历史时延信息是根据在历史周期内，处于所述目标区域中的各个历史交通工具发送的数据请求的传输时延计算得到的；
若检测到所述目标时延信息是非异常的，则向所述各个目标交通工具发送所述目标区域的路况数据。
本申请实施例在计算机设备响应各个目标交通工具的数据请求时，是将在当前周期内处于目标区域中的各交通工具视为一个整体的。并且需要根据历史周期内的历史时延信息对目标周期内的目标时延信息进行异常检测；在确定目标时延信息是非异常的情况下，计算机设备才向目标周期内的各目标交通工具发送路况数据；这样可有效节省网络传输资源。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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，对于本领域普通技术人员来讲，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。
图1a是本申请实施例提供的一种数据请求的响应系统的系统架构示意图；
图1b是本申请实施例提供的另一种数据请求的响应系统的系统架构示意图；
图1c是本申请实施例提供的另一种数据请求的响应系统的系统架构示意图；
图2是本申请实施例提供的一种数据请求的响应方法的流程示意图；
图3是本申请实施例提供的另一种数据请求的响应方法的流程示意图；
图4是本申请实施例提供的一种数据请求的响应装置的结构示意图；
图5是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
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，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做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。
人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、安全辅助驾驶、智慧出行、智慧公路、无人机、机器人、智能医疗、智能客服等。相信随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。
人工智能技术所涉及的无人驾驶、自动驾驶及安全辅助驾驶常常运用在车路协同系统中。本申请的相关技术提及：在车路协同系统中，道路中的交通工具通常会向计算机设备发起数据请求以获取该目标区域的路况数据，从而使得交通工具可以根据该目标区域的路况数据判断驾驶的安全性。为了更好地对该数据请求执行反馈处理，本申请实施例提出了一种数据请求的响应系统以及相应的数据请求的响应方案。其中，该数据请求的响应系统可至少包括：计算机设备11以及多个交通工具12。其中，计算机设备11是指具有数据计算功能的任一设备；该计算机设备可包括决策模块和响应模块；其中，决策模块用于根据历史时延信息对目标时延信息进行异常检测；响应模块用于根据上述异常检测结果对交通工具发送的数据请求执行反馈处理。
在一种实施方式中，该计算机设备11可以是具有计算功能的服务器，此处的服务器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、内容分发网络(Content Delivery Network，CDN)、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；在此情况下，可将该计算机设备11部署在云平台中，如图1a所示。在一种实施方式中，计算机设备还可以是车载设备(如车载电脑)或者终端设备(如智能手机、平板、可穿戴设备等)。在此情况下，可将计算机设备11部署在各交通工具上；如图1b所示，可将计算机设备11(如终端设备)部署在交通工具121上。
多个交通工具12可包括任意携带有车载单元(On Board Unit，OBU)的交通工具，如汽车、公交车等；如图1a或者图1b中所示的由121、122、123、124、125等数字标记的交通工具。在实际应用中，任一交通工具均可与计算机设备之间建立数据连接。在一种实施方式中，任一交通工具可与计算机设备直接建立数据连接；例如在图1a中，交通工具124与计算机设备11直接建立数据连接。在一种实施方式中，任一交通工具可通过边缘计算节点(EdgeComputing Node，ECN)与计算机设备建立数据连接；例如在图1a中，交通工具122可以通过交通工具与道路设备(Vehicle to Infrastructure，V2I)技术与ECN中的道路设备(RoadSide Unit，RSU)建立数据连接，使得在ECN的RSU接收到交通工具122的数据请求后，ECN可通过光纤通信将该数据请求转发至计算机设备11。在一种实施方式中，任一交通工具可通过移动云及基站与计算机设备建立数据连接；例如在图1a中，交通工具123可通过全球移动通讯系统(global system for mobile communications，GSM)、通用分组无线服务(general packet radio service，GPRS)、码分多址接入(code division multipleaccess，CDMA)、宽带码分多址(wideband code division multiple access，WCDMA)、时分码分多址(time-division code division multiple access，TD-SCDMA)、长期演进(longterm evolution，LTE)、第五代移动通信技术(5th generation mobile networks，5G)等技术与基站建立数据连接，使得在基站接收到交通工具123的数据请求后，基站通过光纤通信将数据请求发送至移动云，并由移动云通过光纤通信将该数据请求转发至计算机设备11。
可选的，在上述的数据请求的响应系统中，任一交通工具还可采用交通工具与交通工具(Vehicle to Vehicle，V2V)技术与其他交通工具建立数据连接；例如在图1a中，交通工具122与交通工具123通过V2V技术建立数据连接。可选的，任一交通工具还可采用交通工具与网络(Vehicle to Network，V2N)技术与基站建立数据连接；例如在图1a中，交通工具123与基站通过V2N技术建立数据连接。可选的，任一交通工具还可采用交通工具与用户设备(Vehicle to Pedestrian，V2P)技术与用户对应的终端建立数据连接；例如在图1a中，交通工具122与用户对应的设备13通过V2P技术建立数据连接，等等。
可以理解的是，本申请实施例描述的系统架构示意图是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着系统架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。例如，边缘计算节点中还可包括摄像机、雷达等设备，从而使得该边缘计算节点可通过摄像机及雷达获取道路中的路况数据，并对路况数据进行融合，以得到该道路路况数据的可靠信息等。
在具体实现中，本申请实施例所提出的数据请求的响应方案可由上述数据请求的响应系统中的计算机设备执行。参见图1c所示，该响应方案的大致原理如下：计算机设备可将道路中的交通工具与计算机设备的数据通信分为若干个周期。在每个周期内，计算机设备均可接收处于该目标区域中的各个交通工具发送的数据请求。针对当前周期，计算机设备可接收当前周期内处于目标区域中的各个交通工具发送的数据请求，并根据当前周期内所接收到的各数据请求的传输时延确定目标区域在当前周期内的时延信息。其次，计算机设备可调用内部的决策模块根据目标区域在历史周期内的时延信息，对目标区域在当前周期内的时延信息进行异常检测。然后，可调用内部的响应模块根据异常检测结果对当前周期内的各个交通工具的数据请求执行反馈处理。若异常检测结果指示目标区域在当前周期内的时延信息是非异常的，则可调用内部的响应模块响应当前周期内的各个交通工具的数据请求，并向当前周期内的各个交通工具发送目标区域的路况数据。若异常检测结果指示目标区域在当前周期内的时延信息是异常的，则可执行拒绝响应当前周期内的各个交通工具的数据请求等反馈处理。
可见本申请实施例所提出的数据请求的响应方案，是将在当前周期内处于目标区域中的各交通工具视为一个整体的。在根据当前周期内的各个交通工具的数据请求的传输时延所得到的时延信息是非异常(即正常)时，才响应当前周期内的各个交通工具的数据请求，这样可有效节省网络传输资源；并且，还可在一定程度上保证路况数据的实时性。
基于上述的描述，本申请实施例提出的一种数据请求的响应方法；该数据请求的响应方法可以由上述所提及的计算机设备执行。参见图2所示，该数据请求的响应方法可包括以下步骤S201-S204：
S201，接收在目标周期内，处于目标区域中的各个目标交通工具发送的数据请求。
在具体实现中，在目标周期内且处于目标区域中的目标交通工具均可向计算机设备发送数据请求。相应的，计算机设备可在目标周期内接收各个目标交通工具发送的数据请求。其中，任一交通工具发送至计算机设备的数据请求可用于请求获取目标区域的路况数据，从而使得该交通工具可根据路况数据开展安全控制和道路协同管理(例如为驾驶员提供碰撞预警、改变交通工具的行驶状态等)，保证交通工具行驶的安全性。
S202，根据各个目标交通工具的数据请求的传输时延，确定该目标区域在目标周期内的目标时延信息。
其中，任一目标交通工具的数据请求的传输时延可以是计算机设备接收该目标交通工具的数据请求的接收时刻与该目标交通工具发送该数据请求的发送时刻的差值。在具体实施过程，任一目标交通工具的数据请求中可携带有记录发送数据请求时刻的时间戳；那么计算机设备在接收到任一目标交通工具的数据请求后，可解析任一目标交通工具的数据请求，得到任一目标交通工具所对应的时间戳，并将该时间戳所指示的时刻作为任一目标交通工发送数据请求的发送时刻，从而计算该数据请求的发送时刻和接收时刻之间的差值，得到该任一交通工具的传输时延。
目标时延信息可以指：根据目标区域内各个目标交通工具的数据请求的传输时延计算得到的目标时延总和。在一些可行的实施方式中，该目标时延总和可以是直接对目标区域内各个目标交通工具的数据请求的传输时延进行求和得到的。具体的，计算机设备获取到在目标周期内处于该目标区域中的各个目标交通工具的数据请求的传输时延后，可以直接累加传输时延得到该目标区域在目标周期内的目标时延总和。在另一些可行的实施方式中，该目标时延总和可以是根据各目标交通工具所对应的权重，对目标区域内各个目标交通工具的数据请求的传输时延进行加权求和得到的。具体的，计算机设备获取到在目标周期内处于该目标区域中的各个目标交通工具的数据请求的传输时延后，可以采用各目标交通工具对应的权重以及各目标交通工具对应的传输时延进行加权求和，得到该目标区域在目标周期内的目标时延总和。其中，各目标交通工具所对应的权重可以是根据各个目标交通工具的的地理位置设置的，例如，该目标区域位置中的目标交通工具距离目标区域中心点越近，该目标交通工具对应的权重越大。
S203，根据目标区域在历史周期内的历史时延信息，对目标时延信息进行异常检测。
其中，历史周期的数量可为一个或多个，一个历史周期对应一个历史时延信息。任一历史周期对应的历史时延信息包括：根据在任一历史周期内，处于目标区域中的各个历史交通工具发送的数据请求的传输时延计算得到的历史时延总和。与目标时延总和类似，历史时延总和可以是直接对目标区域内各个历史交通工具的数据请求的传输时延进行求和得到的；也可以是根据各历史交通工具所对应的权重，对目标区域内各个历史交通工具的数据请求的传输时延进行加权求和得到的。
在一种具体实现中，可根据目标区域在历史周期内的历史时延总和与目标区域在目标周期内的目标时延总和之间的差值，对目标时延信息进行异常检测。具体的，若历史时延总和与目标时延总和之间的差值大于差值阈值，则确定目标时延信息是异常的；若历史时延总和与目标时延总和之间的差值小于或等于差值阈值，则确定目标时延信息是非异常的。其中，差值阈值可根据经验值或者业务需求设置。再一种具体实现中，可获取该目标区域中各个历史周期对应的历史交通工具的传输时延的数据特征，并根据获取到的数据特征确定关于该目标区域对应的时延总和的概率密度函数；然后，获取该目标区域中目标周期对应的目标时延总和所属的置信区间，并采用概率密度函数计算目标时延总和所属置信区间的置信度，从而可以根据目标时延总和所属置信区间的置信度对目标时延信息进行异常检测；若目标时延总和所属置信区间的置信度大于有效置信阈值，则确定目标时延信息是非异常的；若目标时延总和所属置信区间的置信度小于或等于有效置信阈值，则确定目标时延信息是异常的。
S204，若检测到目标时延信息是非异常的，则向各个目标交通工具发送目标区域的路况数据。
其中，路况数据可以包括路况信息和环境信息。进一步的，任一目标交通工具的路况信息可包括指示道路状况的信息(如目标交通工具行驶道路的拥堵信息、目标交通工具行驶道路的地面凹凸信息)以及指示该目标交通工具附近其他交通工具的行驶状态信息(如其他交通工具的行驶速度、如其他交通工具的行驶方向)；任一目标交通工具的环境信息可包括该目标交通工具所处位置的风沙信息、能见度信息、温湿度信息等。
本申请实施例在计算机设备响应各个目标交通工具的数据请求时，需要根据历史周期内的历史时延信息对目标周期内的目标时延信息进行异常检测；在确定目标时延信息是非异常的情况下，计算机设备才向目标周期内的各目标交通工具发送路况数据；这样可有效节省网络传输资源。
基于上述图2所示的实施例，本申请实施例还提出了一种数据请求的响应方法；参见图3所示，该数据请求的响应方法可包括以下步骤S301-S308：
S301，接收在目标周期内，处于目标区域中的各个目标交通工具发送的数据请求。
S302，根据各个目标交通工具的数据请求的传输时延，确定该目标区域在目标周期内的目标时延信息。
S303，根据各个历史交通工具的数据请求的传输时延，确定该目标区域在各个历史周期内的历史时延信息。
S304，获取各个历史周期对应的历史交通工具的传输时延的数据特征，并根据获取到的数据特征确定关于目标区域对应的时延总和的概率密度函数。
经研究表明，各个交通工具的传输时延通常是由于在行驶过程中各个交通工具的网络通信芯片不同，或者交通工具的时钟系统不同而产生的，因此可获取到任一历史周期对应的历史交通工具的传输时延的数据特征如下：在任一历史周期内处于该目标区域中的各个历史交通工具所对应的传输时延是不关联(即相互独立的)；并且，任一历史周期对应的各个历史交通工具的传输时延通常为有限值。在获取到各历史周期对应的历史交通工具的传输时延的数据特征后，可根据获取到的数据特征确定关于目标区域对应的时延总和的概率密度函数。
具体的，由前述可知，获取到的数据特征指示每个历史周期对应的任意两个历史交通工具的传输时延不关联，且每个历史周期对应的各历史交通工具的传输时延均为有限值；因此可根据获取到的数据特征，确定各个历史周期对应的历史时延总和满足正态分布。那么计算机设备可计算得到各个历史时延总和的均值(用μn表示)及方差(用
表示)，并将该均值及方差代入到正态分布的概率密度函数的均值参数和方差参数中，以得到关于目标区域对应的时延总和的概率密度函数。需要说明的是，在将该均值及方差代入到正态分布的概率密度函数的均值参数和方差参数中，先得到的是目标区域在各个历史周期内的历史时延总和的概率密度函数，如式1.1所示：
其中，x1的取值用于表示该目标区域中任一历史周期内的历史时延总和。
经实践证明，基于目标区域的历史数据中的历史时延总和的规律与目标区域在所有周期(如历史周期和目标周期)内的时延总和的规律类似，因此本发明实施例可根据目标区域在各个历史周期内的历史时延总和的概率密度函数，得到关于目标区域的时延总和的概率密度函数。如式1.2所示：
其中，x2的取值用于表示关于该目标区域对应的时延总和。
S305，获取目标时延总和所属的置信区间。
在一种具体实现中，可以采用预设的校准值对目标时延总和进行校准处理得到目标时延总和所属的置信区间。具体的，计算机设备可根据目标时延总和与经验值的差值，及目标时延总和与经验值的总和构建置信区间。
再一种具体实现中，可根据历史交通事故率对目标时延总和进行校准处理，得到目标时延总和所属的置信区间。
由于交通工具的芯片的误差，交通工具的时钟的误差，或者网络传输信道的干扰，计算机设备的真实目标时延总和与目标时延总和可能不相等。因此可以利用历史交通事故率(用phistory表示)对该目标时延总和进行校准处理，得到真实目标时延总和的取值区间，即该目标时延总和所属的置信区间。其中，由于目标交通工具的传输时延影响了数据请求的实时性，会导致交通事故的发生。为了保证交通工具行驶的安全性，计算机设备需要使得目标交通工具传输时延的影响程度小于历史交通事故率。可选的，可以用真实目标时延总和与该目标时延总和之间的绝对值误差，相对于该真实的目标时延总和的比值表征目标交通工具传输时延的影响程度。基于此，该置信区间中的任一取值满足如下检验条件：任一取值(即真实的目标时延总和)与该目标时延总和之间的绝对值误差，与该任一取值(即真实的目标时延总和)的比值小于历史交通事故率。即该校验条件可表示为：
|真实的目标时延总和-T|/真实的目标时延总和≤phistory
基于此，计算机设备在具体执行步骤S305时，可先获取历史交通事故率，该历史交通事故率可以是目标区域的历史交通事故率，或者目标区域所在城市的历史交通事故率。具体的，计算机设备可以从交通管理部门的后台服务器获取该历史交通事故率。在获取到历史交通事故率之后，计算机设备可根据该历史交通事故率计算得到第一校准因子和第二校准因子。其中，第一校准因子小于该第二校准因子；具体的，第一校准因子可表示为：
第二校准因子可表示为：
在得到第一校准因子和第二校准因子之后，可采用该第一校准因子对目标时延总和(用T表示)进行校准处理，得到第一校准值，如下式所示：
同理，还可采用该第二校准因子对目标时延总和(用T表示)进行校准处理，得到第二校准值，如下式所示：
在得到第一校准值和第二校准值后，可采用第一校准值和第二校准值，构建置信区间。具体的，该第一校准值作为置信区间的取值下限，并采用第二校准值作为置信区间的取值上限，以构建得到目标时延总和所属的置信区间，即该置信区间可表示为：
S306，利用关于目标区域对应的时延总和的概率密度函数计算置信区间的置信度，并根据该置信度对目标时延信息进行异常检测。
具体的，计算机设备可利用关于目标区域对应的时延总和的概率密度函数对置信区间进行积分，以得到该目标周期的目标时延总和所属置信区间真实存在的概率(即置信区间的置信度)，该置信度可以用pconfirmed表示，由前述可知，关于该目标区域对应的时延总和的概率密度函数为：
则该置信度可以表示为：
基于此，在利用关于该目标区域对应的时延总和的概率密度函数计算得到置信区间的置信度后，可以根据该置信度对目标时延信息进行异常检测。在一个实施方式中，为了将交通事故率降低到历史交通事故率以内，可控制目标交通工具传输时延的影响程度小于历史交通事故率。在此实施方式中，可根据历史交通事故率设置一个有效置信阈值，该有效置信阈值可表示为1-phistory。那么，在根据置信度对目标时延信息进行异常检测时，可将该置信度与有效置信阈值进行比较，以确定该目标时延信息是否异常。若置信度大于有效置信阈值，则可表明在目标周期内计算得到的目标时延信息(即目标时延总和T)有利于降低现有的历史交通事故率；此时可确定目标时延信息是非异常的，并执行步骤S307。若置信度小于或等于有效置信阈值，则可表明在目标周期内计算得到的目标时延信息(即目标时延总和T)不利于降低现有的历史交通事故率；此时可确定目标时延信息是异常的，并执行步骤S308。
S307，若检测到目标时延信息是非异常的，则向各个目标交通工具发送目标区域的路况数据。
S308，若检测到目标时延信息是异常的，则禁止向目标交通工具发送目标区域的路况数据。
具体的，在检测到目标时延信息是异常之后，计算机设备可以直接丢弃该目标周期内接收到的各个目标交通工具发送的数据请求，禁止向该目标区域中的各目标交通工具发送目标区域的路况数据。可选的，在其他实施例中，若检测到目标时延信息是异常的，则获取目标区域的路况数据的可靠信息，向各个目标交通工具发送路况数据以及路况数据的可靠信息，以使得各个目标交通工具根据可靠信息以及路况数据进行行驶决策。需要说明的是，上述所提及的可靠信息可以是在检测到目标时延信息是异常时，直接发送给各目标交通工具的。可选的，在检测到目标时延信息是异常之后，还可以比较该置信度与无效置信阈值，若该置信度小于无效置信阈值，则禁止向该目标区域中的各目标交通工具发送目标区域的路况数据。其中，无效置信阈值可以根据经验值或者业务需求设置。若该置信度大于或等于无效置信阈值，则获取目标区域的路况数据的可靠信息，并向各个目标交通工具发送路况数据以及路况数据的可靠信息，以使得各个目标交通工具根据该可靠信息以及路况数据进行行驶决策。
其中，计算机设备发送至任一目标交通工具的路况数据的可靠信息用于指示路况数据的可靠性；其具体可包括路况数据的可靠度。相应的，任一目标交通工具在根据可靠信息以及路况数据进行行驶决策时，可先根据该路况数据确定一个行驶策略。然后，根据该可靠信息确定执行该行驶策略的执行概率；具体的，可直接将可靠信息中的可靠度作为该执行概率；或者，可从包含多个可靠度和执行概率之间的映射关系表，查找可靠信息中所包括的可靠度所对应的执行概率。若执行概率大于概率阈值，则可按照该行驶策略进行行驶；若执行概率小于或等于概率阈值，则可执行刹车处理。例如，假设计算机设备发送至该目标交通工具的路况数据指示该目标交通工具前方存在障碍物，且路况数据的可靠度为98％；那么目标交通工具可根据该路况数据生成行驶策略如下：减速行驶且在减速过程中进行变道行驶。然后，目标交通工具可根据该可靠信息得到执行概率为98％。若概率阈值为95％，则执行概率大于概率阈值；此情况下，目标交通工具可按照该行驶策略进行行驶；若概率阈值为99％，则执行概率小于概率阈值；此情况下，目标交通工具可执行刹车处理。
进一步的，为了验证本申请实施例所提出的数据请求的响应方法的有益效果，对本申请实施例重复进行仿真实验10次。在一个目标周期内，计算机设备统计该目标周期内的目标时延总和以及网络传输资源节约量；其中，可以在实验之前针对现有技术和本申请实施例提供相同的网络传输资源，在实验结束时，再分别统计现有技术剩下的网络传输资源以及本申请实施例剩下的网络传输资源。可以将现有技术中剩下的网络传输资源作为现有技术中目标周期内的网络传输资源节约量以及将本申请实施例中剩下的网络传输资源作为本申请实施例中目标周期内的网络传输资源节约量。具体实验结果可如表1所示：
表1
本申请实施例在响应目标区域中的目标交通工具的数据请求时，可根据目标区域在历史周期内的历史时延信息得到关于该目标区域对应的时延总和的概率密度函数，然后利用关于该目标区域对应的时延总和的概率密度函数对计算得到目标时延信息所属置信区间的置信度，并根据该置信区间的置信度确定目标时延信息的异常检测结果，并根据该异常检测结果对目标交通工具的数据请求进行处理。
本申请实施例在计算机设备响应目标周期内的各个交通工具的数据请求时，需要根据各个历史交通工具的传输时延的数据特征确定关于目标区域对应的时延总和的概率密度函数，然后利用该概率密度函数计算得到目标时延总和所属置信区间的置信度，并根据该置信度对目标时延信息进行异常检测，在确定目标时延信息是非异常的，或者，在确定目标时延信息是异常的且置信度大于无效置信阈值时，计算机设备才会向目标周期内的各个交通工具发送路况数据，否则计算机设备禁止向目标周期内的各个交通工具发送路况数据，从而，计算机设备在响应当前周期内的各个交通工具的数据请求时可节省网络传输资源。
基于上述数据请求的响应方法实施例的描述，本申请实施例还公开了一种数据请求的响应装置，所述数据请求的响应装置可以是运行于上述所提及的计算机设备中的一个计算机程序(包括程序代码)。该数据请求的响应装置可以执行图2或图3所示的方法。请参见图4，所述数据请求的响应装置可以运行如下单元：
接收单元401，用于接收在目标周期内，处于目标区域中的各个目标交通工具发送的数据请求，任一目标交通工具的数据请求用于请求获取所述目标区域的路况数据；
确定单元402，用于根据所述各个目标交通工具的数据请求的传输时延，确定所述目标区域在所述目标周期内的目标时延信息；
检测单元403，用于根据目标区域在历史周期内的历史时延信息，对所述目标时延信息进行异常检测；所述历史通信时延信息是根据在历史周期内，处于所述目标区域中的各个历史交通工具发送的数据请求的传输时延得到的；
发送单元404，用于若检测到所述目标时延信息是非异常的，则向所述各个目标交通工具发送所述目标区域的路况数据。
在一种实施方式中，所述目标时延信息包括：根据所述各个目标交通工具的数据请求的传输时延计算得到的目标时延总和；所述历史周期的数量为多个，一个历史周期对应一个历史时延信息；且任一历史周期对应的历史时延信息包括：根据在所述任一历史周期内，处于所述目标区域中的各个历史交通工具发送的数据请求的传输时延计算得到的历史时延总和；
相应的，所述检测单元403根据目标区域在历史周期内的历史时延信息，对所述目标时延信息进行异常检测，包括：
获取各个历史周期对应的历史交通工具的传输时延的数据特征，并根据获取到的数据特征确定关于所述目标区域对应的时延总和的概率密度函数；
获取所述目标时延总和所属的置信区间，并采用所述概率密度函数计算所述置信区间的置信度；
若所述置信度大于有效置信阈值，则确定所述目标时延信息是非异常的；否则，则确定所述目标时延信息是异常的。
再一种实施方式中，所述获取到的数据特征指示每个历史周期对应的任意两个历史交通工具的传输时延不关联且所述每个历史周期对应的各历史交通工具的传输时延均为有限值；所述检测单元403根据目标区域在历史周期内的历史时延信息，对所述目标时延信息进行异常检测所述根据获取到的数据特征确定关于所述目标区域对应的时延总和的概率密度函数，具体包括：
根据获取到的数据特征，确定各个历史周期对应的历史时延总和满足正态分布；
计算所述各个历史周期对应的历史时延总和的均值及方差，并将所述均值及所述方差代入正态分布的概率密度函数的均值参数和方差参数中，以得到关于所述目标区域对应的时延总和的概率密度函数。
再一种实施方式中，所述检测单元403获取所述目标时延总和所属的置信区间，具体包括：
获取所述目标区域的历史交通事故率；
采用所述历史交通事故率对所述目标时延总和进行校准处理，得到置信区间；其中，所述有效置信阈值是根据所述目标区域的历史交通事故率确定的。
再一种实施方式中，所述检测单元403采用所述历史交通事故率对所述目标时延总和进行校准处理，得到置信区间，包括：
根据所述历史交通事故率，计算第一校准因子和第二校准因子；其中，第一校准因子小于所述第二校准因子；
采用所述第一校准因子对所述目标时延总和进行校准处理，得到第一校准值；以及采用所述第二校准因子对所述目标时延总和进行校准处理，得到第二校准值；
采用所述第一校准值和所述第二校准值，构建置信区间。
再一种实施方式中，所述检测单元403还包括：
若检测到所述目标时延信息是异常的，则禁止向所述目标交通工具发送所述目标区域的路况数据；或者，
若检测到所述目标时延信息是异常的，则获取所述目标区域的路况数据的可靠信息，向所述各个目标交通工具发送所述路况数据以及所述路况数据的可靠信息，以使得所述各个目标交通工具根据所述可靠信息以及所述路况数据进行行驶决策。
再一种实施方式中，所述检测单元403还包括：
若检测到所述目标时延信息是异常的，则检测所述置信度是否大于无效置信阈值；
若所述置信度大于或等于所述无效置信阈值，则执行获取所述目标区域的路况数据的可靠信息的步骤；若所述置信度小于所述无效置信阈值，则禁止向所述目标交通工具发送所述目标区域的路况数据。
根据本申请的一个实施例，图2或图3所示的方法所涉及的各个步骤均可以是由图4所示的数据请求的响应装置中的各个单元执行的。例如，图2所示的步骤S201由图4中所示的接收单元401来执行，步骤S202由图4中所示的确认单元402来执行，步骤S203由图4中所示的检测单元403来执行，步骤S204由图4中所示的发送单元404来执行。又如，图3所示的步骤S301由图4中所示的接收单元401来执行，步骤S302由图4中所示的确认单元402来执行，步骤S303-S306由图4中所示的检测单元403来执行，步骤S307-S308由图4中所示的发送单元404来执行。
根据本申请的另一个实施例，图4所示的数据请求的响应装置中的各个单元可以分别或者全部合并为一个或若干个另外的单元来构成，或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成，这可以实现同样的操作，而不影响本申请实施例的技术效果的实现。上述单元是基于逻辑功能划分的，在实际应用中，一个单元的功能也可以是由多个单元来实现，或者多个单元的功能由一个单元实现。在本申请的其他实施例中，基于数据请求的响应装置也可以包括其他单元，在实际应用中，这些功能也可以由其他单元协助实现，并且可以由多个单元协作实现。
根据本申请的另一个实施例，可以通过包括中央处理单元(Central ProcessingUnit，CPU)，随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件。例如计算机的通用计算设备上运行能够执行如图2或图3中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码)，来构造如图4所示的数据请求的响应装置，以及来实现本申请实施例的数据请求的响应方法。所述的计算机程序可以记载于例如计算机可读记录介质上，并通过计算机可读记录介质装载于上述计算机设备中，并在其中运行。
本申请实施例在响应目标周期内的各个交通工具的数据请求时，需要根据各个历史交通工具的传输时延的数据特征确定关于目标区域对应的时延总和的概率密度函数，然后利用该概率密度函数计算得到目标时延总和所属置信区间的置信度，并根据该置信度对目标时延信息进行异常检测，在确定目标时延信息是非异常的，或者，在确定目标时延信息是异常的且置信度大于无效置信阈值时，才会向目标周期内的各个交通工具发送路况数据，否则禁止向目标周期内的各个交通工具发送路况数据，从而，在响应当前周期内的各个交通工具的数据请求时可节省网络传输资源。
基于上述数据请求的响应方法实施例的描述，本申请实施例还公开了一种计算机设备。请参见图5，该计算机设备至少包括处理器501、输入接口502、输出接口503以及计算机存储介质504可通过总线或其他方式连接。
所述计算机存储介质504是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质504既可以包括计算机设备的内置存储介质，当然也可以包括计算机设备支持的扩展存储介质。计算机存储介质504提供存储空间，该存储空间存储了计算机设备的操作系统。并且，在该存储空间中还存放了适于被处理器501加载并执行的一条或多条指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机存储介质可以是高速RAM存储器；可选的，还可以是至少一个远离前述处理器的计算机存储介质、所述处理器可以称为中央处理单元(Central ProcessingUnit，CPU)，是计算机设备的核心以及控制中心，适于被实现一条或多条指令，具体加载并执行一条或多条指令从而实现相应的方法流程或功能。
在一个实施例中，可由处理器501加载并执行计算机存储介质504中存放的一条或多条指令，以实现执行如图2或图3中所示的相应方法所涉及的各步骤，具体实现中，计算机存储介质504中的一条或多条指令由处理器501加载并执行以下步骤：
接收在目标周期内，处于目标区域中的各个目标交通工具发送的数据请求，任一目标交通工具的数据请求用于请求获取所述目标区域的路况数据；
根据所述各个目标交通工具的数据请求的传输时延，确定所述目标区域在所述目标周期内的目标时延信息；
根据目标区域在历史周期内的历史时延信息，对所述目标时延信息进行异常检测；所述历史时延信息是根据在历史周期内，处于所述目标区域中的各个历史交通工具发送的数据请求的传输时延计算得到的；
若检测到所述目标时延信息是非异常的，则向所述各个目标交通工具发送所述目标区域的路况数据。
在一种实施方式中，所述目标时延信息包括：根据所述各个目标交通工具的数据请求的传输时延计算得到的目标时延总和；所述历史周期的数量为多个，一个历史周期对应一个历史时延信息；且任一历史周期对应的历史时延信息包括：根据在所述任一历史周期内，处于所述目标区域中的各个历史交通工具发送的数据请求的传输时延计算得到的历史时延总和；
相应的，处理器501根据目标区域在历史周期内的历史时延信息，对所述目标时延信息进行异常检测，包括：
获取各个历史周期对应的历史交通工具的传输时延的数据特征，并根据获取到的数据特征确定关于所述目标区域对应的时延总和的概率密度函数；
获取所述目标时延总和所属的置信区间，并采用所述概率密度函数计算所述置信区间的置信度；
若所述置信度大于有效置信阈值，则确定所述目标时延信息是非异常的；否则，则确定所述目标时延信息是异常的。
再一种实施方式中，所述获取到的数据特征指示每个历史周期对应的任意两个历史交通工具的传输时延不关联，且所述每个历史周期对应的各历史交通工具的传输时延均为有限值；相应的，处理器501根据获取到的数据特征确定关于所述目标区域对应的时延总和的概率密度函数，包括：
根据获取到的数据特征，确定各个历史周期对应的历史时延总和满足正态分布；
计算所述各个历史周期对应的历史时延总和的均值及方差，并将所述均值及所述方差代入正态分布的概率密度函数的均值参数和方差参数中，以得到关于所述目标区域对应的时延总和的概率密度函数。
再一种实施方式中，相应的，处理器501获取所述目标时延总和所属的置信区间，包括：
获取所述目标区域的历史交通事故率；
采用所述历史交通事故率对所述目标时延总和进行校准处理，得到置信区间；其中，所述有效置信阈值是根据所述目标区域的历史交通事故率确定的。
再一种实施方式中，相应的，处理器501采用所述历史交通事故率对所述目标时延总和进行校准处理，得到置信区间，包括：
根据所述历史交通事故率，计算第一校准因子和第二校准因子；其中，第一校准因子小于所述第二校准因子；
采用所述第一校准因子对所述目标时延总和进行校准处理，得到第一校准值；以及采用所述第二校准因子对所述目标时延总和进行校准处理，得到第二校准值；
采用所述第一校准值和所述第二校准值，构建置信区间。
再一种实施方式中，相应的，处理器501还包括：
若检测到所述目标时延信息是异常的，则禁止向所述目标交通工具发送所述目标区域的路况数据；或者，
若检测到所述目标时延信息是异常的，则获取所述目标区域的路况数据的可靠信息，向所述各个目标交通工具发送所述路况数据以及所述路况数据的可靠信息，以使得所述各个目标交通工具根据所述可靠信息以及所述路况数据进行行驶决策。
再一种实施方式中，相应的，处理器501获取所述目标区域的路况数据的可靠信息之前，还包括：
若检测到所述目标时延信息是异常的，则检测所述置信度是否大于无效置信阈值；
若所述置信度大于或等于所述无效置信阈值，则执行获取所述目标区域的路况数据的可靠信息的步骤；若所述置信度小于所述无效置信阈值，则禁止向所述目标交通工具发送所述目标区域的路况数据。
本申请实施例处理器在响应目标周期内的各个交通工具的数据请求时，需要根据各个历史交通工具的传输时延的数据特征确定关于目标区域对应的时延总和的概率密度函数，然后利用该概率密度函数计算得到目标时延总和所属置信区间的置信度，并根据该置信度对目标时延信息进行异常检测，在确定目标时延信息是非异常的，或者，在确定目标时延信息是异常的且置信度大于无效置信阈值时，才会向目标周期内的各个交通工具发送路况数据，否则禁止向目标周期内的各个交通工具发送路况数据，从而，在响应当前周期内的各个交通工具的数据请求时可节省网络传输资源。
需要说明的是，本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述数据请求的响应方法实施例图2或图3中所执行的步骤。
以上所揭露的仅为本申请一种较佳实施例而已，当然不能以此来限定本申请之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本申请权利要求所作的等同变化，仍属于申请所涵盖的范围。
Claims (10)
1.一种数据请求的响应方法，其特征在于，所述方法包括：
接收在目标周期内，处于目标区域中的各个目标交通工具发送的数据请求，任一目标交通工具的数据请求用于请求获取所述目标区域的路况数据；
根据所述各个目标交通工具的数据请求的传输时延，确定所述目标区域在所述目标周期内的目标时延信息；
根据目标区域在历史周期内的历史时延信息，对所述目标时延信息进行异常检测；所述历史时延信息是根据在历史周期内，处于所述目标区域中的各个历史交通工具发送的数据请求的传输时延计算得到的；
若检测到所述目标时延信息是非异常的，则向所述各个目标交通工具发送所述目标区域的路况数据。
2.如权利要求1所述的方法，其特征在于，所述目标时延信息包括：根据所述各个目标交通工具的数据请求的传输时延计算得到的目标时延总和；所述历史周期的数量为多个，一个历史周期对应一个历史时延信息；且任一历史周期对应的历史时延信息包括：根据在所述任一历史周期内，处于所述目标区域中的各个历史交通工具发送的数据请求的传输时延计算得到的历史时延总和；
所述根据目标区域在历史周期内的历史时延信息，对所述目标时延信息进行异常检测，包括：
获取各个历史周期对应的历史交通工具的传输时延的数据特征，并根据获取到的数据特征确定关于所述目标区域对应的时延总和的概率密度函数；
获取所述目标时延总和所属的置信区间，并采用所述概率密度函数计算所述置信区间的置信度；
若所述置信度大于有效置信阈值，则确定所述目标时延信息是非异常的；否则，则确定所述目标时延信息是异常的。
3.如权利要求2所述的方法，其特征在于，所述获取到的数据特征指示每个历史周期对应的任意两个历史交通工具的传输时延不关联，且所述每个历史周期对应的各历史交通工具的传输时延均为有限值；所述根据获取到的数据特征确定关于所述目标区域对应的时延总和的概率密度函数，包括：
根据获取到的数据特征，确定各个历史周期对应的历史时延总和满足正态分布；
计算所述各个历史周期对应的历史时延总和的均值及方差，并将所述均值及所述方差代入正态分布的概率密度函数的均值参数和方差参数中，以得到关于所述目标区域对应的时延总和的概率密度函数。
4.如权利要求2所述的方法，其特征在于，所述获取所述目标时延总和所属的置信区间，包括：
获取所述目标区域的历史交通事故率；
采用所述历史交通事故率对所述目标时延总和进行校准处理，得到置信区间；其中，所述有效置信阈值是根据所述目标区域的历史交通事故率确定的。
5.如权利要求4所述的方法，其特征在于，所述采用所述历史交通事故率对所述目标时延总和进行校准处理，得到置信区间，包括：
根据所述历史交通事故率，计算第一校准因子和第二校准因子；其中，第一校准因子小于所述第二校准因子；
采用所述第一校准因子对所述目标时延总和进行校准处理，得到第一校准值；以及采用所述第二校准因子对所述目标时延总和进行校准处理，得到第二校准值；
采用所述第一校准值和所述第二校准值，构建置信区间。
6.如权利要求2所述的方法，其特征在于，所述方法还包括：
若检测到所述目标时延信息是异常的，则禁止向所述目标交通工具发送所述目标区域的路况数据；或者，
若检测到所述目标时延信息是异常的，则获取所述目标区域的路况数据的可靠信息，向所述各个目标交通工具发送所述路况数据以及所述路况数据的可靠信息，以使得所述各个目标交通工具根据所述可靠信息以及所述路况数据进行行驶决策。
7.如权利要求6所述的方法，其特征在于，所述获取所述目标区域的路况数据的可靠信息之前，还包括：
若检测到所述目标时延信息是异常的，则检测所述置信度是否大于无效置信阈值；
若所述置信度大于或等于所述无效置信阈值，则执行获取所述目标区域的路况数据的可靠信息的步骤；若所述置信度小于所述无效置信阈值，则禁止向所述目标交通工具发送所述目标区域的路况数据。
8.一种数据请求的响应装置，其特征在于，所述装置包括：
接收单元，用于接收在目标周期内，处于目标区域中的各个目标交通工具发送的数据请求，任一目标交通工具的数据请求用于请求获取所述目标区域的路况数据；
确定单元，用于根据所述各个目标交通工具的数据请求的传输时延，确定所述目标区域在所述目标周期内的目标时延信息；
检测单元，用于根据目标区域在历史周期内的历史时延信息，对所述目标时延信息进行异常检测；所述历史通信时延信息是根据在历史周期内，处于所述目标区域中的各个历史交通工具发送的数据请求的传输时延得到的；
发送单元，用于若检测到所述目标时延信息是非异常的，则向所述各个目标交通工具发送所述目标区域的路况数据。
9.一种计算机设备，包括输入接口、输出接口，其特征在于，还包括：
处理器，适于实现一条或多条指令；以及，
计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行如权利要求1-7任意一项所述的数据请求的响应方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行如权利要求1-7任意一项所述的数据请求的响应方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010744166.XA CN111915892B (zh) | 2020-07-29 | 2020-07-29 | 数据请求的响应方法、装置、计算机设备以及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010744166.XA CN111915892B (zh) | 2020-07-29 | 2020-07-29 | 数据请求的响应方法、装置、计算机设备以及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111915892A true CN111915892A (zh) | 2020-11-10 |
| CN111915892B CN111915892B (zh) | 2023-10-20 |
Family
ID=73286662
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010744166.XA Active CN111915892B (zh) | 2020-07-29 | 2020-07-29 | 数据请求的响应方法、装置、计算机设备以及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111915892B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114706396A (zh) * | 2022-04-01 | 2022-07-05 | 北京京东乾石科技有限公司 | 可移动设备的控制方法、装置、存储介质与可移动设备 |
| US20220383224A1 (en) * | 2021-05-25 | 2022-12-01 | Adobe Inc. | Leading indicators and monitor business kpis and metrics for preemptive action |
| CN115440038A (zh) * | 2022-08-31 | 2022-12-06 | 青岛海信网络科技股份有限公司 | 一种交通信息确定方法以及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010220011A (ja) * | 2009-03-18 | 2010-09-30 | Ntt Pc Communications Inc | 通信制御装置、及びプログラム |
| JP2011053819A (ja) * | 2009-08-31 | 2011-03-17 | Pioneer Electronic Corp | 情報処理装置、情報処理方法及び情報処理プログラム |
| JP2012108823A (ja) * | 2010-11-19 | 2012-06-07 | Aisin Aw Co Ltd | 走行履歴情報送信装置、運転支援装置、方法およびプログラム |
| CN105991694A (zh) * | 2015-02-05 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种实现分布式服务调用的方法与设备 |
-
2020
- 2020-07-29 CN CN202010744166.XA patent/CN111915892B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010220011A (ja) * | 2009-03-18 | 2010-09-30 | Ntt Pc Communications Inc | 通信制御装置、及びプログラム |
| JP2011053819A (ja) * | 2009-08-31 | 2011-03-17 | Pioneer Electronic Corp | 情報処理装置、情報処理方法及び情報処理プログラム |
| JP2012108823A (ja) * | 2010-11-19 | 2012-06-07 | Aisin Aw Co Ltd | 走行履歴情報送信装置、運転支援装置、方法およびプログラム |
| CN105991694A (zh) * | 2015-02-05 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种实现分布式服务调用的方法与设备 |
Non-Patent Citations (1)
| Title |
|---|
| 徐桂枝;: "云计算平台监控系统的预测模型设计", 软件工程师, no. 06, pages 30 - 32 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220383224A1 (en) * | 2021-05-25 | 2022-12-01 | Adobe Inc. | Leading indicators and monitor business kpis and metrics for preemptive action |
| US11769100B2 (en) * | 2021-05-25 | 2023-09-26 | Adobe, Inc. | Leading indicators and monitor business KPIs and metrics for preemptive action |
| CN114706396A (zh) * | 2022-04-01 | 2022-07-05 | 北京京东乾石科技有限公司 | 可移动设备的控制方法、装置、存储介质与可移动设备 |
| CN115440038A (zh) * | 2022-08-31 | 2022-12-06 | 青岛海信网络科技股份有限公司 | 一种交通信息确定方法以及电子设备 |
| CN115440038B (zh) * | 2022-08-31 | 2023-11-03 | 青岛海信网络科技股份有限公司 | 一种交通信息确定方法以及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111915892B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200209871A1 (en) | Method and Apparatus for Analyzing Driving Risk and Sending Risk Data | |
| CN111915892B (zh) | 数据请求的响应方法、装置、计算机设备以及介质 | |
| US20180208195A1 (en) | Collaborative risk controller for vehicles using v2v | |
| CN110719570B (zh) | 地图敏感信息的传输方法及通信装置 | |
| CN108064062B (zh) | 一种跨基站的信息处理的方法及装置 | |
| CN109278674B (zh) | 无人驾驶汽车系统安全检测方法、装置、设备及存储介质 | |
| EP3800623B1 (en) | Apparatus, data transmission method and program | |
| JP7293490B2 (ja) | Ｖ２ｘ通信方法、ｖ２ｘ通信装置及び記憶媒体 | |
| US20200234578A1 (en) | Prioritized vehicle messaging | |
| US11297076B2 (en) | Apparatus for detecting in-vehicle external data intrusion by comparing multiple information entropy and operating method thereof | |
| CN110634054B (zh) | 定点还车的方法、装置和电子设备 | |
| CN111612378A (zh) | 潜在碰撞风险预测方法、装置及计算机设备 | |
| US20220314988A1 (en) | Vehicle speed control method, apparatus and device | |
| CN112116809A (zh) | 基于v2x技术的非视距车辆防碰撞方法及装置 | |
| CN111291775B (zh) | 车辆定位方法、设备及系统 | |
| CN114220261A (zh) | 车速管控方法、装置、服务器及存储介质 | |
| CN111710187B (zh) | 确定车辆驾驶风险的方法、装置、介质及电子设备 | |
| CN111709665B (zh) | 车辆安全性的评估方法和装置 | |
| Khamari et al. | Edge-based safety intersection assistance architecture for connected vehicles | |
| CN112929421A (zh) | 智能网联汽车扩展碰撞预警系统 | |
| CN111524389A (zh) | 车辆驾驶方法和装置 | |
| CN112188397A (zh) | 基于车联网络的通信处理方法及电子设备 | |
| SUBBARAO | Knowledge Management in Road Accident Detection based on Developed Deep Learning | |
| Li | A Study on Collective Perception with Realistic Perception Modeling | |
| CN114120651B (zh) | 用于测试感知目标数的方法、装置、设备、介质和产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |