CN112015838A - 道路测试数据的处理方法、系统和服务器 - Google Patents
道路测试数据的处理方法、系统和服务器 Download PDFInfo
- Publication number
- CN112015838A CN112015838A CN202010884087.9A CN202010884087A CN112015838A CN 112015838 A CN112015838 A CN 112015838A CN 202010884087 A CN202010884087 A CN 202010884087A CN 112015838 A CN112015838 A CN 112015838A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- processing
- rule
- scene
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供了一种道路测试数据的处理方法、系统和服务器,其中,该方法先通过接收并根据用户通过终端设备发起的数据处理请求,从保存有多个自动驾驶系统的道路测试数据的预设的数据库中获取目标数据;再通过接收并根据来自终端设备用户定义的第一处理规则来确定目标处理规则;并根据该目标处理规则,对目标数据进行数据筛选等处理,以得到的目标数据的数据处理结果,从而可以配合用户的多样化要求,灵活地综合利用多个自动驾驶系统的数据,自动、高效地完成与道路测试数据相关的数据处理,简化了用户操作,提高了道路测试数据的处理效率和处理精度,解决了现有方法中存在的道路测试数据处理效率低、用户操作复杂、误差大的技术问题。
Description
技术领域
本申请涉及自动驾驶技术领域,特别涉及一种道路测试数据的处理方法、系统和服务器。
背景技术
在自动驾驶技术领域,常常需要对基于自动驾驶的车辆进行道路测试。
基于现有方法,往往需要通过技术人员人工对测试过程中所采集到的道路测试数据进行处理,得到相应处理结果;再根据上述处理结果对车辆所基于的算法模型进行相应调试。
但是,由于道路测试数据的数据量较为庞大,上述方法具体实施时,往往存在数据处理效率低、用户操作复杂、误差大的技术问题。
针对上述问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种道路测试数据的处理方法、系统和服务器,以解决现有方法中存在数据处理效率低、用户操作复杂、误差大的技术问题。
一种道路测试数据的处理方法,所述方法包括:
接收来自终端设备的数据处理请求,其中,所述数据处理请求至少携带有用于标识第一道路测试数据的标识信息;
根据所述标识信息,从预设的数据库中识别并提取出所述第一道路测试数据作为目标数据,其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据;
接收来自终端设备的至少一个第一处理规则,并根据所述至少一个第一处理规则确定出目标处理规则;
使用所述目标处理规则来对所述目标数据进行数据筛选,以得到目标数据的数据处理结果。
在一个实施例中,所述方法还包括:
从所述预设的数据库中识别并提取出与所述目标数据相关的至少一个第二道路测试数据作为关联数据;
根据所述关联数据,确定与所述目标数据相关的至少一个第二处理规则;
通过对所述至少一个第一处理规则和所述至少一个第二处理规则进行逻辑计算来得到所述目标处理规则。
在一个实施例中,所述多个自动驾驶系统包括:自动驾驶的感知系统、自动驾驶的定位系统、自动驾驶的规划系统和自动驾驶的控制系统。
在一个实施例中,接收来自终端设备的至少一个第一处理规则,包括:
响应用户发起的第一类处理指示,向用户展示出关于所述目标数据的特征提取参数设置界面;
通过所述特征提取参数设置界面,接收用户定义的关于所述目标数据的目标特征的单个提取规则,和/或,用户定义的关于目标数据的多个目标特征的组合提取规则;
根据所述单个提取规则和/或所述组合提取规则,确定所述第一处理规则。
在一个实施例中,根据所述目标处理规则对所述目标数据进行数据筛选,包括:
根据所述目标处理规则和所述关联数据,计算所述目标数据的目标特征;
根据所述目标处理规则,检测所述目标特征是否满足预设的特征触发条件;
从所述目标数据中筛选出所述目标特征满足所述预设的特征触发条件的第一类目标数据片段。
在一个实施例中,所述方法还包括:
接收用户设置的目标裁剪规则和目标数据格式。
在一个实施例中,在从所述目标数据中筛选出所述目标特征满足所述预设的特征触发条件的第一类目标数据片段之后,所述方法还包括:
从所述预设的数据库中获取与所述第一类目标数据片段对应的原始的目标道路测试数据;
根据所述目标裁剪规则,裁剪所述原始的目标道路测试数据,得到裁剪后的数据;
将所述裁剪后的数据转换为目标数据格式,得到格式转换后的数据;
根据所述格式转换后的数据,生成关于目标数据的数据处理报告,作为目标数据的数据处理结果。
在一个实施例中,在根据所述格式转换后的数据,生成关于所述目标数据的数据处理报告,作为所述目标数据的数据处理结果之后,所述方法还包括:
向用户展示所述数据处理报告;
接收用户针对所述数据处理报告的历史比对请求;
根据所述历史比对请求,从所述预设的数据库中获取与所述目标数据相关的历史数据;
根据所述历史数据和所述数据处理报告,对所述目标数据进行性能比对,以生成关于所述目标数据和所述历史数据的性能比对报告。
在一个实施例中,在根据所述格式转换后的数据,生成关于所述目标数据的数据处理报告,作为所述目标数据的数据处理结果之后,所述方法还包括:
向用户展示所述数据处理报告;
接收用户针对所述数据处理报告的并行比对请求;
根据所述并行比对请求,从并行处理得到的多个第三道路测试数据的数据处理结果中获取与所述目标数据相关的比对数据;
根据所述比对数据和所述数据处理报告,对所述目标数据进行性能比对,以生成相应的性能比对报告。
在一个实施例中,接收来自终端设备的至少一个第一处理规则,还包括:
响应用户发起的第二类处理指示,向用户展示出关于所述目标数据的指标评估参数设置界面;
通过所述指标评估参数设置界面,接收用户定义的关于所述目标数据的目标指标的单个评估规则,和/或,用户定义的关于目标数据的多个目标指标的组合评估规则;
根据所述单个评估规则和/或所述组合评估规则,确定所述第一处理规则。
在一个实施例中,根据所述目标处理规则对所述目标数据进行数据筛选,包括:
根据所述目标处理规则和所述关联数据,计算所述目标数据的目标指标;
根据所述目标处理规则,检测所述目标指标是否满足预设的指标触发条件;
从所述目标数据中筛选出所述目标指标满足所述预设的指标触发条件的数据片段,作为第二类目标数据片段。
在一个实施例中,所述标识信息还包括场景标识,其中,所述场景标识对应以下场景类型中的一个:研发场景、集成场景、测试场景。
在一个实施例中,所述方法还包括:
确定出与所述场景标识对应的场景类型,作为目标场景类型;
从所述预设的数据库中获取与所述目标场景类型匹配的道路测试数据,和/或,道路测试数据的数据处理结果。
在一个实施例中,在使用所述目标处理规则来对所述目标数据进行数据筛选,以得到目标数据的数据处理结果之后,所述方法还包括:
确定出与所述场景标识对应的场景类型,作为目标场景类型;
将所述目标数据的数据处理结果,与存储在所述预设的数据库中的与所述目标场景类型匹配的道路测试数据关联。
本申请还提供了一种道路测试数据的处理系统,所述系统包括:
接收模块,用于接收来自终端设备的数据处理请求,其中,所述数据处理请求至少携带有用于标识第一道路测试数据的标识信息;
提取模块,用于根据所述标识信息,从预设的数据库中识别并提取出所述第一道路测试数据作为目标数据,其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据;
确定模块,用于接收来自终端设备的至少一个第一处理规则,并根据所述至少一个第一处理规则确定出目标处理规则;
处理模块,用于使用所述目标处理规则来对所述目标数据进行数据筛选,以得到目标数据的数据处理结果。
在一个实施例中,所述确定模块还用于从所述预设的数据库中识别并提取出与所述目标数据相关的至少一个第二道路测试数据作为关联数据;根据所述关联数据,确定与所述目标数据相关的至少一个第二处理规则;通过对所述至少一个第一数据处理规则和所述至少一个第二处理规则进行逻辑计算来得到所述目标处理规则。
在一个实施例中,所述多个自动驾驶系统包括:自动驾驶的感知系统、自动驾驶的定位系统、自动驾驶的规划系统和自动驾驶的控制系统。
在一个实施例中,所确定模块包括:
展示单元,用于响应用户发起的第一类处理指示,向用户展示出关于所述目标数据的特征提取参数设置界面;
接收单元,用于通过所述特征提取参数设置界面,接收用户定义的关于所述目标数据的目标特征的单个提取规则,和/或,用户定义的关于目标数据的多个目标特征的组合提取规则;
确定单元,用于根据所述单个提取规则和/或所述组合提取规则,确定所述第一处理规则。
在一个实施例中,所述处理模块包括:
计算单元,用于根据所述目标处理规则和所述关联数据,计算所述目标数据的目标特征;
检测单元,用于根据所述目标处理规则,检测所述目标特征是否满足预设的特征触发条件;
筛选单元,用于从所述目标数据中筛选出所述目标特征满足所述预设的特征触发条件的第一类目标数据片段。
在一个实施例中,所述接收模块还用于接收用户设置的目标裁剪规则和目标数据格式。
在一个实施例中,所述处理模块还用于从所述预设的数据库中获取与所述第一类目标数据片段对应的原始的目标道路测试数据;根据所述目标裁剪规则,裁剪所述原始的目标道路测试数据,得到裁剪后的数据;将所述裁剪后的数据转换为目标数据格式,得到格式转换后的数据;根据所述格式转换后的数据,生成关于目标数据的数据处理报告,作为目标数据的数据处理结果。
在一个实施例中,所述系统还用于向用户展示所述数据处理报告;接收用户针对所述数据处理报告的历史比对请求;根据所述历史比对请求,从所述预设的数据库中获取与所述目标数据相关的历史数据;根据所述历史数据和所述数据处理报告,对所述目标数据进行性能比对,以生成关于所述目标数据和所述历史数据的性能比对报告。
在一个实施例中,所述系统还用于向用户展示所述数据处理报告;接收用户针对所述数据处理报告的并行比对请求;根据所述并行比对请求,从并行处理得到的多个第三道路测试数据的数据处理结果中获取与所述目标数据相关的比对数据;根据所述比对数据和所述数据处理报告,对所述目标数据进行性能比对,以生成相应的性能比对报告。
在一个实施例中,所确定模块还用于响应用户发起的第二类处理指示,向用户展示出关于所述目标数据的指标评估参数设置界面;通过所述指标评估参数设置界面,接收用户定义的关于所述目标数据的目标指标的单个评估规则,和/或,用户定义的关于目标数据的多个目标指标的组合评估规则;根据所述单个评估规则和/或所述组合评估规则,确定所述第一处理规则。
在一个实施例中,所述计算单元,还用于根据所述目标处理规则和所述关联数据,计算所述目标数据的目标指标;
所述检测单元,还用于根据所述目标处理规则,检测所述目标指标是否满足预设的指标触发条件;
所述筛选单元,还用于从所述目标数据中筛选出所述目标指标满足所述预设的指标触发条件的数据片段,作为第二类目标数据片段。
在一个实施例中,所述标识信息还包括场景标识,其中,所述场景标识对应以下场景类型中的一个:研发场景、集成场景、测试场景。
在一个实施例中,所述系统还用于确定出与所述场景标识对应的场景类型,作为目标场景类型;从所述预设的数据库中获取与所述目标场景类型匹配的道路测试数据,和/或,道路测试数据的数据处理结果。
在一个实施例中,所述系统还用于确定出与所述场景标识对应的场景类型,作为目标场景类型;将所述目标数据的数据处理结果,与存储在所述预设的数据库中的与所述目标场景类型匹配的道路测试数据关联。
在一个实施例中,所述方法应用于多个场景类型,所述多个场景类型包括针对自动驾驶系统的研发场景、集成场景、测试场景,所述方法包括:
接收第一场景下的数据处理请求;
根据所述第一场景下的数据处理请求,从预设的数据库中识别并提取出第一道路测试数据作为所述第一场景下的目标数据;其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据,以及多个场景下的道路测试数据的数据处理结果;
根据所述第一场景下的目标处理规则,对所述第一场景下的目标数据进行数据处理,得到第一数据;
从预设的数据库中识别并提取出第二场景下的道路测试数据的数据处理结果作为第二数据;
根据所述第一数据和所述第二数据进行性能比对,以确定出所述自动驾驶系统在不同场景下的性能比对结果。
在一个实施例中,所述方法还包括:
根据所述自动驾驶系统在不同场景下的性能比对结果,在确定所述第一数据的性能高于所述第二数据的情况下,根据所述第一数据,修改所述自动驾驶系统所基于的算法模型。
本申请还提供了一种道路测试数据的处理系统,所述系统应用于多个场景类型,所述多个场景类型包括针对自动驾驶系统的研发场景、集成场景、测试场景,所述系统包括:
接收模块,用于接收第一场景下的数据处理请求;
确定模块,用于根据所述第一场景下的数据处理请求,从预设的数据库中识别并提取出第一道路测试数据作为第一场景下的目标数据;其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据,以及多个场景下的道路测试数据的数据处理结果;
处理模块,用于根据第一场景下的目标处理规则,对所述第一场景下的目标数据进行数据处理,得到第一数据;
提取模块,用于从预设的数据库中识别并提取出第二场景下的道路测试数据的数据处理结果作为第二数据;
比对模块,用于根据所述第一数据和所述第二数据进行性能比对,以确定出所述自动驾驶系统在不同场景下的性能比对结果。
在一个实施例中,所述处理模块还用于根据所述自动驾驶系统在不同场景下的性能比对结果,在确定所述第一数据的性能高于所述第二数据的情况下,根据所述第一数据,修改所述自动驾驶系统所基于的算法模型。
本申请还提供了一种服务器,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现接收来自终端设备的数据处理请求,其中,所述数据处理请求至少携带有用于标识第一道路测试数据的标识信息;根据所述标识信息,从预设的数据库中识别并提取出所述第一道路测试数据作为目标数据,其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据;接收来自终端设备的至少一个第一处理规则,并根据所述至少一个第一处理规则确定出目标处理规则;使用所述目标处理规则来对所述目标数据进行数据筛选,以得到目标数据的数据处理结果。
本申请还提供了一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现接收来自终端设备的数据处理请求,其中,所述数据处理请求至少携带有用于标识第一道路测试数据的标识信息;根据所述标识信息,从预设的数据库中识别并提取出所述第一道路测试数据作为目标数据,其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据;接收来自终端设备的至少一个第一处理规则,并根据所述至少一个第一处理规则确定出目标处理规则;使用所述目标处理规则来对所述目标数据进行数据筛选,以得到目标数据的数据处理结果。
在本申请实施例中,通过先接收并根据用户通过终端设备发起的数据处理请求,从保存有多个自动驾驶系统的道路测试数据的预设的数据库中获取目标数据;再通过接收并根据来自终端设备用户定义的第一处理规则来确定目标处理规则;根据该目标处理规则,对目标数据进行数据筛选等处理,以得到的目标数据的数据处理结果,从而可以配合用户的多样化要求,灵活地综合利用多个自动驾驶系统的数据,自动、高效地完成与道路测试数据相关的数据处理,简化了用户操作,提高了道路测试数据的处理效率和处理精度,解决了现有方法中存在的道路测试数据处理效率低、用户操作复杂、误差大的技术问题。
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中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是根据本申请实施例提供的道路测试数据的处理方法的处理流程图;
图2是根据本申请实施例提供的道路测试数据的处理方法的一个实施例示意图;
图3是根据本申请实施例提供的道路测试数据的处理方法的一个实施例示意图;
图4是根据本申请实施例提供的道路测试数据的处理方法的一个实施例示意图;
图5是根据本申请实施例提供的道路测试数据的处理系统的组成结构图;
图6是根据本申请实施例提供的道路测试数据的处理方法的处理流程图;
图7是根据本申请实施例提供的道路测试数据的处理系统的组成结构图;
图8是基于本申请实施例提供的服务器的组成结构示意图;
图9是在一个场景示例中应用本申请实施例提供的道路测试数据的处理方法一个实施例示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,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,都应当属于本申请保护的范围。
考虑到现有的道路测试数据的处理方法大多需要依赖于技术人员人根据自身的处理经验来人工分析、处理道路测试数据。而道路测试数据通常数据量较为庞大,导致道路测试数据处理难度较大、处理效率较低、处理成本较高。
此外,对于技术人员个体而言,往往只精通于基于自动驾驶的车辆中的某一个或两个系统模块,而对其他的系统模块往往缺少处理经验,导致基于现有方法很难将多个不同的系统模块的道路测试数据结合起来进行综合的分析处理,影响道路测试数据的处理精度。
进一步,还由于现有方法强烈依赖于技术人员的人工处理,而不同技术人员的处理经验、处理能力是存在差异的,且处理过程中还会受到技术人员个体的主观影响,导致基于现有方法处理道路测试数据时稳定性差,容易出现误差,进一步影响道路测试数据的处理精度。
针对产生上述技术问题的根本原因,本申请考虑可以先通过接收并根据用户发起的数据处理请求,从保存有多个自动驾驶系统的道路测试数据的预设的数据库中识别并提取出相应目标数据。进一步,再通过接收并根据用户自定义的第一处理规则,确定目标处理规则。再根据上述目标处理规则,自动对目标数据进行具体的数据处理,从而可以配合用户的多样化的要求,综合利用多个不同自动驾驶系统的道路测试数据,高效地完成与目标道路测试数据相关的数据处理,以简化用户操作,提高了道路测试数据的处理效率和处理精度,解决了现有方法中存在的道路测试数据处理效率低、用户操作复杂、误差大的技术问题。
基于上述思考思路,本申请实施例提供了一种道路测试数据的处理方法。具体请参阅图1所示。本申请实施例提供的道路测试数据的处理方法,具体实施时,可以包括以下内容。
S101:接收来自终端设备的数据处理请求,其中,所述数据处理请求至少携带有用于标识第一道路测试数据的标识信息。
在一个实施例中,具体实施前,可以预先基于Python或C++等编程语言编制能够执行本申请实施例所提供的道路测试数据的处理方法的程序包。其中,该程序包中具体可以集成有包括:数据处理模块、特征提取模块、数据裁剪模块、指标评估模块和报告生成模块等多个相关的功能模块。具体实施时,用户可以通过在服务器等设备上运行上述程序包来完成所需要的道路测试数据的处理。上述服务器可以接收并响应用户的数据处理请求为用户提供道路测试数据的自动处理服务。
在一个实施例中,上述数据处理请求具体可以包括用于指示对目标数据进行相应处理的请求数据。其中,上述目标数据具体可以是一种由用户指定或者用户关注的待处理的道路测试数据。上述道路测试数据具体可以包含在进行道路测试的过程中,从多个自动驾驶系统获取的数据。例如,自动驾驶的感知系统中的传感器数据,或者是自动驾驶的定位系统中的卫星定位数据,还或者是自动驾驶的规划系统中的处理器运行数据等等。当然,上述所列举的目标数据只是一种示意性说明。具体实施时,根据具体的处理场景和用户需求,还可以引入除上述所列举的目标数据以外其他类型的与自动驾驶的道路测试相关的参数数据作为目标数据。对此,本说明书不作限定。
在一个实施例中,上述目标数据具体可以包括一种目标数据,也可以包括多种不同的目标数据。
在一个实施例中,上述数据处理请求至少可以携带有用于标识第一道路测试数据的标识信息。进而,服务器可以根据上述标识信息找到对应的第一道路测试数据作为目标数据。其中,上述第一道路测试数据具体可以理解为一种目标数据。上述标识信息具体可以理解为一种用于指示该目标数据,区别于其他数据的标识信息。
具体的,上述标识信息可以是目标数据的名称,例如“惯性测量单元IMU的传感器数据”等。上述标识信息也可以是目标数据的编号,例如“NO.0021”等等。
进一步,上述标识信息中还可以携带有与所指示的目标数据相关的时间信息。例如,目标数据的标识信息中还可以包括有以下字符:“2020/07/09”,用于表征目标数据的采集时间。
在一个实施例中,参阅图2所示,用户可以根据当前所处的处理场景,结合当前具体的处理需求,在终端设备(例如,布设于用户一侧的电脑等)一侧进行相应的操作,以确定出需要进行处理的目标数据。终端设备可以采集并根据用户的操作,生成并向服务器发送相应的数据处理请求。其中,上述数据处理请求可以携带有用于标识第一道路测试数据的标识信息。相应的,服务器接收上述用户发起的数据处理请求。
在一个实施例中,上述数据处理请求除了可以携带有用于标识第一道路测试数据的标识信息外,还可以携带有用于指示目标处理场景的场景类型的场景标识。即,数据处理请求中的标识信息还可以包括用于指示场景类型的场景标识。其中,上述场景类型包括以下至少之一:研发场景、集成场景、测试场景等。
在本实施例中,为了能够更加精准地配合用户的实际需求来对道路测试数据进行针对性的处理,为用户设计的自动驾驶系统所基于的算法模型提供更高的参考价值,具体实施之前,还可以根据不同时间段的任务处理特点,将用户设计自动驾驶的算法模型的一个完整周期划分成多个不同的时间段,即:研发阶段、集成阶段和测试阶段。进一步,可以将上述各个时间段中的道路测试数据的处理确定为一种类型的处理场景。例如,可以将研发阶段中的道路测试数据处理确定为研发场景,将集成阶段的道路测试数据处理确定为集成场景,将测试阶段中的道路测试数据确定为测试场景等。这样可以将不同时间段的不同处理场景下的道路测试数据的数据处理区分开来,以便后续具体实施时,可以对某一个类型的处理场景的道路测试数据进行有针对性的处理,以提高处理效果。
在一个实施例中,具体实施之前,还可以预先根据不同类型的处理场景中道路测试数据的处理特点,配置好对应于不同处理场景的多个预设的场景模式。关于预设的场景模式后续将再作具体说明。
S102:根据所述标识信息,从预设的数据库中识别并提取出所述第一道路测试数据作为目标数据,其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据。
在一个实施例中,上述预设的数据库中具体可以存储有关于自动驾驶车辆的道路测试的多个自动驾驶系统的道路测试数据。
在一个实施例中,上述多个自动驾驶系统具体可以包括:自动驾驶的感知系统、自动驾驶的定位系统、自动驾驶的规划系统和自动驾驶的控制系统等。当然,上述所列举的系统只是一种示意性说明。具体实施时,根据所涉及的自动驾驶的算法模型的具体特点,上述系统还可以包含有其他类型的自动驾驶系统。例如,自动驾驶的应急处理系统等。对此,本说明书不作限定。
在一个实施例中,服务器可以与预设的数据库相连。服务器可以将每次接收到的各个自动驾驶系统的道路测试数据记录保存在预设的数据库中。在具体保存时,服务器还可以在预设的数据库中记录下各个自动驾驶系统的道路测试数据的数据名称或编号、所对应的系统等基本信息。进一步的,服务器还可以在预设的数据库中记录下各个道路测试数据的采集时间、与各个道路测试数据的存在关联关系的道路测试数据的名称或编号、具体关联方式等附加信息。此外,服务器还可以将不同场景下得到的目标数据的数据处理结果也存储在预设的数据库中。
相应的,可以参阅图2所示,预设的数据库中可以保存有多个不同自动驾驶系统的道路测试数据,例如,自动驾驶的感知系统的道路测试数据、自动驾驶的定位系统的道路测试数据、自动驾驶的规划系统的道路测试数据和自动驾驶的控制系统的道路测试数据等等。
在一个实施例中,上述预设的数据库中可以保存有当前实时采集得到的当前时间段的道路测试数据,还可以保存有之前采集得到的历史数据等。
在一个实施例中,上述预设的数据库中可以保存有通过实地路测等方式采集得到的真实的实测道路测试数据,还可以保存有通过模拟仿真等方式采集得到的虚拟的仿真道路测试数据等。
在一个实施例中,具体实施时,可以通过检索预设的数据库,从预设的数据库所保存的道路测试数据提取出与标识信息匹配的第一道路测试数据作为目标数据。
在一个实施例中,在从预设的数据库中确定出匹配的道路测试数据作为目标数据之后,所述方法具体实施时,还可以包括:从多个预设的预处理方式中,确定出与目标数据匹配的预设的预处理方式作为目标预处理方式;根据所述目标预处理方式对目标数据进行预处理。其中,上述预设的预处理方式具体可以包括滤波处理、降噪处理等等。
在一个实施例中,在对目标数据进行预处理后,可以将预处理后的目标数据保存在缓存中,以备后续处理使用。
S103:接收来自终端设备的至少一个第一处理规则,并根据所述至少一个第一处理规则确定出目标处理规则。
在一个实施例中,上述目标处理规则具体可以理解为在按照某种指定的数据处理方式处理目标数据时所依赖的规则数据。对应不同类型的数据处理,上述目标处理规则可以是不同的。
在一个实施例中,上述目标处理规则具体可以是用户针对目标数据自定义的处理规则,也可以是服务器根据目标数据所匹配到的默认的预设的处理规则。
在一个实施例中,在确定出目标数据后,可以先确定出用户针对目标数据的处理指示;再进一步确定具体的目标处理规则。
具体的,可以接收用户通过终端设备定义的至少一个第一处理规则,并根据所述至少一个第一处理规则确定出目标处理规则。
在一个实施例中,具体实施时,在确定出目标数据后,可以根据目标数据,向用户展示相应的处理指示类型设置界面,并通过该界面接收用户设置的处理指示。
在一个实施例中,用户在发起数据处理请求时,还可以同时在该数据处理请求中设置处理指示,相应的,服务器可以根据数据处理请求确定出用户所设置的处理指示。
在一个实施例中,上述处理指示具体可以包括第一类处理指示和第二类处理指示等。其中,上述第一类处理指示用于指示对目标数据进行与特征提取相关的数据处理。上述第二类处理指示用于指示对目标数据进行与指标评估相关的数据处理。当然,需要说明的是,上述所列举的两种处理指示,以及两种处理指示所对应的两种数据处理类型只是一种示意性说明。具体实施时,根据具体情况和处理需求,还可以引入其他的处理指示,以及其他类型的数据处理。对此,本说明书不作限定。
在一个实施例中,上述处理指示还可以包括多个不同类型的处理指示。例如,用户设置的处理指示中可以同时包含有第一类处理指示和第二类处理指示,以指示要对目标数据同时进行与特征提取相关的数据处理和与指标评估相关的数据处理。
在一个实施例中,具体实施时,可以根据上述处理指示,向用户展示出与处理指示对应的参数设置界面;再通过上述参数设置界面接收来自终端设备的至少一个第一处理规则,并根据上述至少一个第一处理处理规则确定出目标处理规则。
在一个实施例中,以处理指示只包含有第一类处理指示为例。在所述处理指示只包括第一类处理指示的情况下,上述接收来自终端设备的至少一个第一处理规则,具体实施时,可以包括以下内容。
S1:响应用户发起的第一类处理指示,向用户展示出关于所述目标数据的特征提取参数设置界面;
S2:通过所述特征提取参数设置界面,接收用户定义的关于所述目标数据的目标特征的单个提取规则,和/或,用户定义的关于目标数据的多个目标特征的组合提取规则;
S3:根据所述单个提取规则和/或所述组合提取规则,确定所述第一处理规则。
其中,上述第一处理规则具体可以是上述通过特征提取参数设置界面所接收到的由用户定义的关于目标数据的目标特征的单个提取规则,和/或,组合提规则。
在一个实施例中,具体可以参阅图3所示,在确定是第一类处理指示时,服务器可以通过终端设备向用户展示出特征提取参数设置界面。在该特征提取参数设置界面中,用户可以自定义某个具体特征作为目标特征(例如,目标特征1)。并根据指示,在界面中的相应的输入框中自定义关于目标特征的计算方式作为针对该目标特征的单个提取规则。以有效挖掘出单个感兴趣的特征数据。
如果用户需要提取多个不同的目标特征,用户还可以在该特征提取参数设置界面中进行相应操作(例如,点击界面中的图标“+”),以增加新的目标特征(例如,目标特征2),并针对新增加的目标特征自定义该特征的提取规则。
进一步,用户还可以根据指示,在上述特征提取参数设置界面中相应的输入框中自定义多个目标特征之间的组合逻辑,作为针对多个目标特征的组合提取规则。以有效地挖掘出多个感兴趣的特征数据。
进而,服务器可以通过上述特征提取参数设置界面接收用户所定义的上述规则作为用户针对目标数据的第一处理规则,并将上述第一处理规则确定为针对目标数据的目标处理规则,以便后续可以按照上述目标处理规则来响应用户的个性化要求处理目标数据。
例如,用户可以在上述特征提取参数设置界面中进行相应设置,以定义第一个目标特征的单个提取规则为:速度(v)大于5m/s;定义第二个目标特征的单个提取规则为:加速度(a)小于或等于3m/s2;定义两个目标特征的组合逻辑为取并作为两个目标特征的组合提取规则。服务器可以获取并将上述单个提取规则和组合提取规则作为第一处理规则。
在一个实施例中,具体实施前,还可以对历史上用户设置的处理规则进行统计,筛选出多个与目标数据关联性较强,且使用较为频繁的处理规则,作为与该数据对应的预设的处理规则。
具体实施时,服务器可以根据目标数据,从事先准备好的多个预设的处理规则中找到与目标数据对应的多个预设的处理规则,并在上述特征提取参数设置界面中展示出多个预设的处理规则,供用户选择使用。这样用户可以不需要再重新另外地设置处理规则,可以直接选中所需要的预设的处理规则,或者在选中的预设的处理规则的基础上进行较小的改动,得到符合自己要求的处理规则。从而可以进一步简化用户操作,进一步提高用户的使用体验。
S104:使用所述目标处理规则来对所述目标数据进行数据筛选,以得到目标数据的数据处理结果。
在一个实施例中,具体实施时,可以根据上述目标处理规则,自动对目标数据进行相应的数据处理(例如,数据筛选等),从而得到用户所需要的目标数据的数据处理结果。当然,需要说明的是,上述所列举的数据筛选只是一种示意性说明。具体实施时,根据具体情况,根据目标处理规则,还可以对目标数据进行其他类型的数据处理。例如,特征提取处理、指标评估处理、数据计算等等。对此,本说明书不作限定。
在一个实施例中,考虑到在处理自动驾驶系统的道路测试数据时,往往需要联合使用到其他自动驾驶系统的道路测试数据,所述方法具体实施时,还可以包括以下内容。
S1:从所述预设的数据库中识别并提取出与所述目标数据相关的至少一个第二道路测试数据作为关联数据。
S2:根据所述关联数据,确定与所述目标数据相关的至少一个第二处理规则。
S3:通过对所述至少一个第一数据处理规则和所述至少一个第二处理规则进行逻辑计算来得到所述目标处理规则。
S4:使用所述目标处理规则来对所述目标数据进行数据筛选,以得到目标数据的数据处理结果。
在一个实施例中,上述关联数据具体可以理解为一种后续在对目标数据进行具体处理时会直接使用到或者间接使用到的数据。具体的,上述关联数据可以是基于目标数据计算某个结果数据时需要使用到的中间数据。例如,上述关联数据可以是基于距离数据计算速度数据时需要使用到的时间数据。上述关联数据也可以是在基于目标数据的计算结果进行跟踪比较时可选的一种参照数据。例如,上述关联数据可以是历史上基于相同的目标数据得到的计算结果。当然,上述所列举的关联数据只是一种示意性说明。具体实施时,根据具体情况和处理需求,上述关联数据还可以包括其他与目标数据相关的数据。对此,本说明书不作限定。
在一个实施例中,上述关联数据可以是与目标数据属于不同自动驾驶系统的道路测试数据,还可以是与目标数据属于同一自动驾驶系统的道路测试数据。
在一个实施例中,进一步,服务器可以根据所找到的目标数据在预设的数据库中的附加信息,或者根据基于目标数据自动匹配到的关联关系,从预设的数据库中确定出与目标数据相关的道路测试数据,作为所述关联数据。
在一个实施例中,上述数据处理请求中还可以携带有用户设置的用于指示关联数据的标识信息。相应的,具体实施时,还可以根据数据处理请求中所携带的用于指示关联数据的标识信息,从预设的数据库检索并获取相应的数据,作为所述关联数据。
在一个实施例中,具体实施时,可以先根据关联数据,确定出在处理目标数据的过程中需要使用到的数据阈值或者触发条件;并根据上述数据阈值或者触发条件构建至少一个第二处理规则。再将上述第一处理规则和第二处理规则通过逻辑计算等方式,得到最终的目标处理规则。利用上述目标处理规则对目标数据进行例如数据筛选等具体的数据处理,以得到目标数据的数据处理结果。
具体的,例如,目标数据可以为自动驾驶的感知系统的加速度数据。相应的,服务器可以根据目标数据的标识信息,从预设的数据库中获取上述加速度数据作为目标数据。同时,服务器还可以根据基于加速度所匹配到的关联关系,确定出自动驾驶的定位系统的距离目的地位置的距离数据作为关联数据。服务器可以从预设的数据库中获取上述距离数据作为关联数据。
接着,服务器可以接收并将用户定义的关于上述加速度的目标指标的单个评估规则作为第一处理规则。同时,服务器还可以根据距离数据,计算不同距离情况下的合适的加速度阈值;并根据上述加速度阈值构建第二处理规则。再将上述第一处理规则和第二处理规则组合,得到针对目标数据的目标处理规则。
进而服务器可以根据上述目标处理规则,对目标数据(即目标数据)进行具体的数据处理。例如,服务器可以根据目标处理规则,计算不同距离情况下的加速度的指标数据作为目标指标。同时,服务器还可以根据基于关联数据(即距离数据)计算出的对应不同距离情况的加速度阈值作为一种预设的指标触发条件。进而可以从加速度数据中筛选出目标指标满足预设的指标触发条件的数据片段。再根据上述数据片段生成对应的关于加速度的数据处理报告,完成关于加速度的数据处理。
当然,上述所列举的获取并利用关联数据参与关于目标数据的数据处理的实施例只是一种示意性说明。具体实施时,根据具体情况,还可以采用其他合适的方式获取并利用关联数据来进行关于的目标数据的数据处理。例如,利用关联数据计算目标数据的目标特征。或者,利用关联数据计算目标数据的评估指标等等。对此,本说明书不作限定。
在一个实施例中,以与特征提取相关的数据处理为例,上述使用所述目标处理规则来对所述目标数据进行数据筛选,以得到目标数据的数据处理结果,具体实施时,可以包括以下内容:
S1:根据所述目标处理规则和所述关联数据,计算目标数据的目标特征;
S2:根据所述目标处理规则,检测所述目标特征是否满足预设的特征触发条件;
S3:从目标数据中筛选出目标特征满足预设的特征触发条件的数据片段,作为第一类目标数据片段。
在一个实施例中,在针对单个目标特征进行与特征提取相关的数据处理时,可以按照上述方式处理,找到满足用户要求的包含有目标特征的第一类目标数据片段。
在针对多个目标特征进行与特征提取相关的数据处理时,则可以先按照上述方式根据所述目标处理规则和所述关联数据,计算目标数据的多个目标特征;再针对多个目标特征分别确定出包含有目标特征的多个目标数据片段。进一步,可以根据多个目标特征的组合提取规则,对上述多个数据片段进行综合处理(例如,取并处理、取交处理等),得到最终的合并后的数据片段作为第一类目标数据片段。
在一个实施例中,上述预设的特征触发条件具体可以是一种特征阈值。例如,速度特征大于8m/s。
相应的,满足预设的特征触发条件的数据片段可以理解为目标数据中目标特征满足上述特征阈值的一段数据。
在一个实施例中,在按照上述方式确定出第一类目标数据片段后,可以根据上述第一类目标数据片段生成对应的关于目标数据的数据处理报告,作为目标数据的数据处理结果,再通过终端设备反馈并展示给用户。可以参阅图2所示。
其中,上述数据处理报告中可以通过可视化的方式向用户展示出按照用户要求所提取到的包含有用户自定义的目标数据的目标特征的数据片段,量化出具体的目标数据的数据处理结果,为用户修改、调整自动驾驶的算法模型提供数据参考。同时,上述数据处理报告中还可以向用户展示出上述数据片段的具体获取过程,以及获取过程中所涉及到的特征提取的计算、关联数据的使用等细节信息,为用户提供更为详实、丰富的参考数据。
在一个实施例中,上述数据处理报告还可以支持用户进行缩放操作、拖动操作、标注操作、图形化操作等等。
具体的,例如,用户可以根据需要通过相应的操作来对数据处理报告进行放大或缩小。又例如,用户可以根据需要通过相应的操作将数据处理报告拖动其他的文件夹,或者相关的处理程序中。又例如,用户可以根据需要通过相应的操作,根据数据处理报告中的数据自动生成相应的曲线图形等,以方便用户读取该数据处理报告中的相关信息。还例如,用户可以根据需要通过相应的操作,从数据处理报告中标识出某个较关注的目标特征,相应的,可以在该数据处理报告中单独抽取出该目标特征的相关数据,并单独展示给用户等。通过上述方式,可以方便用户使用数据处理报告,使得用户可以高效、便捷地利用上述数据处理报告来对自动驾驶的算法模型进行修改,进一步提高了用户的使用体验。
在本申请实施例中,相较于现有方法,先通过接收并根据用户发起的数据处理请求,从保存有多个系统的道路测试数据的预设的数据库中确定出目标数据,以及与目标数据相关的其他系统的关联数据;再通过接收并根据用户自定义的目标处理规则,结合关联数据对目标数据进行具体的数据处理,从而可以配合用户的多样化要求,综合多个不同系统的道路测试数据,自动、高效地完成与目标数据相关的数据处理,简化了用户操作,提高了道路测试数据的处理效率和处理精度,解决了现有方法中存在的道路测试数据处理效率低、用户操作复杂、误差大的技术问题。
在一个实施例中,为了进一步满足用户多样化的要求,生成符合用户要求的数据处理报告,所述方法具体实施时,还可以包括以下内容:接收用户设置的目标裁剪规则和目标数据格式。
相应的,在从目标数据中筛选出目标特征满足预设的特征触发条件的数据片段,作为第一类目标数据片段之后,所述方法还可以包括:从预设的数据库中获取与第一类目标数据片段对应的原始的目标道路测试数据;根据所述目标裁剪规则,裁剪所述原始的目标道路测试数据,得到裁剪后的数据;将所述裁剪后的数据转换为目标数据格式,得到格式转换后的数据;根据所述格式转换后的数据,生成关于目标数据的数据处理报告,作为目标数据的数据处理结果。
在一个实施例中,具体实施时,服务器可以通过终端设备向用户展示的裁剪参数设置界面来接收用户设置的裁剪规则作为目标裁剪规则,接收用户设置的数据格式作为目标数据格式。当然,在用户没有设置裁剪规则和数据格式的情况,也可以从基于历史数据所确定的裁剪规则和数据格式中找到与目标数据和/或目标数据的目标特征匹配的裁剪规则和数据格式作为默认的目标裁剪规则和默认的目标数格式。
在一个实施例中,在根据所述格式转换后的数据,生成关于目标数据的数据处理报告,作为目标数据的数据处理结果之后,所述方法具体实施时,还可以包括以下内容:通过终端设备向用户展示所述数据处理报告;接收用户针对所述数据处理报告的历史比对请求;根据所述历史比对请求,从预设的数据库中获取与所述目标数据相关的历史数据;根据所述历史数据和所述数据处理报告,对目标数据进行性能比对,以生成关于目标数据和历史数据的性能比对报告。从而可以方便用户进行历史数据的跟踪比对,从而可以更好地从数据处理报告中挖掘出有价值的特征信息,为自动驾驶的算法模型的修改提供更有效的数据参考。
在一个实施例中,具体实施时,上述数据处理报告中还可以展示有性能比对的图标。用户可以通过点击数据处理报告中的性能比对图标发起针对该数据处理报告的历史比对请求。
在一个实施例中,在接收到上述历史比对请求后,服务器可以通过终端设备向用户展示出参与性能比对的历史数据的设置窗口,以接收用户设置的历史数据的标识信息。进而可以根据用户设置的历史数据的标识信息,从预设的数据库中获取相应的历史数据。此外,服务器也可以根据目标数据的标识信息,自动检索预设的数据库,找到与目标数据相同或相关,且采集时间相对最近的道路测试数据作为上述历史数据。
在一个实施例中,服务器可以根据上述历史数据,将目标数据与历史数据进行相应的性能比对处理,进而可以单独生成一个关于目标数据和历史数据的性能对比报告,反馈给用户。也可以在原有的目标数据的数据处理报告的基础上,增加关于目标数据和历史数据的性能对比结果,再通过终端设备反馈给用户。从而可以使得用户能够通过数据处理报告中所展示的性能对比结果,获得更多有价值的参考信息。
在一个实施例中,在根据所述格式转换后的数据,基于第一类目标数据片段生成关于目标数据的数据处理报告之后,所述方法具体实施时,还可以包括以下内容:在根据所述格式转换后的数据,生成关于目标数据的数据处理报告,作为目标数据的数据处理结果之后,所述方法还包括:向用户展示所述数据处理报告;接收用户针对所述数据处理报告的并行比对请求;根据所述并行比对请求,从并行处理得到的多个第三道路测试数据的数据处理结果中获取与目标数据相关的比对数据;根据所述比对数据和所述数据处理报告,对目标数据进行性能比对,以生成相应的性能比对报告。
在一个实施例中,上述服务器还可以支持同时对多个不同数据进行并行处理。上述第三道路测试数据具体可以理解为在处理目标数据的过程中服务器并行处理的道路测试数据。
在一个实施例中,在一些情况下,服务器在处理当前的目标数据,得到当前的目标数据的数据处理报告的过程中,还可以以并行处理的方式,并行处理多个第三道路测试数据,得到第三道路测试数的数据处理报告。用户在使用当前的目标数据的数据处理报告时,还可以按照上述方式同时调用并行处理得到的第三道路测试数的数据处理报告,进而可以将第三道路测试数的数据处理报告中相关的数据处理结果作为参考数据,来与当前目标数据进行性能比对,以获取更多的有价值的参考信息。
在一个实施例中,在处理指示只包括第二类处理指示的情况下,类似于第一类处理指示,上述接收来自终端设备的至少一个第一处理规则,具体实施时,还可以包括以下内容:
S1:响应用户发起的第二类处理指示,向用户展示出关于所述目标数据的指标评估参数设置界面;
S2:通过所述指标评估参数设置界面,接收用户定义的关于所述目标数据的目标指标的单个评估规则,和/或,用户定义的关于目标数据的多个目标指标的组合评估规则;
S3:根据所述单个评估规则和/或所述组合评估规则,确定所述第一处理规则。
在一个实施例中,在确定是第二类处理指示时,服务器可以通过终端设备向用户展示出指标评估参数设置界面。在该指标评估参数设置界面中,用户可以自定义某个具体指标作为目标指标,并自定义关于目标指标的计算方式作为针对该目标指标的单个评估规则。以及时发现单个出现异常的数据。
如果用户需要提取多个不同的目标指标,用户还可以在该指标评估参数设置界面中进行相应操作,增加目标指标,并针对新增加的目标指标自定义该指标的评估规则。
进一步,用户还可以在上述指标评估参数设置界面中自定义多个目标指标之间的组合逻辑,作为针对多个目标指标的组合评估规则。以及时发现多个出现异常的数据。
进而,服务器可以通过上述指标评估参数设置界面接收用户所定义的上述规则作为用户针对目标数据的处理规则,将上述处理规则确定为针对目标数据的目标处理规则,以便后续可以按照上述目标处理规则来相应用户的个性化要求处理目标数据。
在一个实施例中,上述根据所述目标处理规则和所述关联数据,进行关于目标数据的数据处理,具体实施时,可以包括以下内容:根据所述目标处理规则和所述关联数据,计算目标数据的目标指标;根据所述目标处理规则,检测所述目标指标是否满足预设的指标触发条件;从目标数据中筛选出目标指标满足预设的指标触发条件的数据片段,作为第二类目标数据片段。
在一个实施例中,上述预设的指标触发条件具体可以是一种指标阈值。相应的,满足预设的指标触发条件的数据片段可以理解为目标数据中目标指标满足上述指标阈值的一段数据。
在一个实施例中,所述方法还可以包括:接收用户设置的与第二类目标数据片段相关的目标裁剪规则和目标数据格式。
在一个实施例中,在按照上述方式确定出第二类目标数据片段后,还可以根据上述第二类目标数据片段生成对应的关于目标数据的数据处理报告,作为目标数据的数据处理结果,再通过终端设备反馈并展示给用户。
在一个实施例中,具体实施时,还可以接收用户设置的目标裁剪规则和目标数据格式;相应的,在从目标数据中筛选出目标指标满足预设的指标触发条件的数据片段,作为第二类目标数据片段之后,所述方法还包括:从预设的数据库中获取与第二类目标数据片段对应的原始的目标道路测试数据;根据所述目标裁剪规则,裁剪所述原始的目标道路测试数据,得到裁剪后的数据;将所述裁剪后的数据转换为目标数据格式,得到格式转换后的数据;根据所述格式转换后的数据,生成关于目标数据的数据处理报告,作为目标数据的数据处理结果。
在一个实施例中,在按照上述方式,基于第二类目标数据片段,生成对应的目标数据的数据处理报告之后,所述方法具体实施时,还可以包括以下内容:向用户展示所述数据处理报告;接收用户针对所述数据处理报告的历史比对请求;根据所述历史比对请求,从预设的数据库中获取与所述目标数据相关的历史数据;根据所述历史数据和所述数据处理报告,对目标数据进行性能比对,以生成关于目标数据和历史数据的性能比对报告。从而可以方便用户进行历史数据的跟踪比对,从而可以更好地从数据处理报告中挖掘出有价值的特征信息,为自动驾驶的算法模型的修改提供更有效的数据参考。
在一个实施例中,在按照上述方式,基于第二类目标数据片段,生成对应的目标数据的数据处理报告之后,所述方法具体实施时,还可以包括以下内容:向用户展示所述数据处理报告;接收用户针对所述数据处理报告的并行比对请求;根据所述并行比对请求,从并行处理得到的多个其他数据的数据处理结果中获取与目标数据相关的比对数据;根据所述比对数据和所述数据处理报告,对目标数据进行性能比对,以生成相应的性能比对报告。
在一个实施例中,上述处理指示具体还可以包括多种不同类型的处理指示。在上述处理指示包括多种不同类型的处理指示,例如,同时包括第一类处理指示和第二类处理指示的情况下,可以参照上述方式,获取用户针对各种类型的处理指示所设置的不同类型的处理规则(例如,同时包括与特征提取相关的处理规则,以及与指标评估相关的处理规则),并将上述处理规则确定为针对目标数据的处理规则。进而可以根据目标处理规则得到多种类型的目标数据片段。并基于上述多种类型的目标数据片段生成相对更加丰富、详实,参考价值更高的处理报告。
在一个实施例中,响应第一类处理指示,通过进行与特征提取相关的数据处理得到的目标数据的数据处理结果可以是用户感兴趣或关注的数据。响应第二类处理指示,通过进行与指标评估相关的数据处理得到的目标数据的数据处理结果可以是不符合要求或出现异常的数据。
在一个实施例中,所述数据处理请求具体还可以携带有用于标识场景类型的场景标识。其中,所述场景类型具体可以包括以下至少之一:研发场景、集成场景、测试场景等。当然,需要说明的是,上述所列举的场景类型只是一种示意性说明。具体实施时,根据具体情况和处理需求,还可以引入除上述所列举的场景类型以外其他合适的场景类型。
在一个实施例中,多个不同场景类型的处理场景可以按照时间先后顺序排列连接在一起,即:研发场景、集成场景、测试场景,分别对应的研发阶段、集成阶段、测试阶段,上述连接在一起的多个处理场景可以覆盖一个完整的自动驾驶的算法模型(或者称自动驾驶的算法模型)的设计周期。具体实施时,用户可以在每个设计周期的不同阶段所对应的处理场景中,有针对性、有区分地来处理目标数据,得到不同阶段的目标数据的数据处理结果,进而可以根据该数据处理结果完成所对应阶段的自动驾驶系统所基于的算法模型的调整和修改。从而可以实现针对一个设计周期中的道路测试数据的闭环处理,使得在不同阶段对自动驾驶系统所基于的算法模型的调整和修改更有针对性,得到相对更好的改进效果,提高关于自动驾驶的算法模型的设计效率。
在一个实施例中,所述方法具体实施时,还可以包括以下内容:确定出与所述场景标识对应的场景类型,作为目标场景类型;从所述预设的数据库中获取与所述目标场景类型匹配的道路测试数据,和/或,道路测试数据的数据处理结果。
在一个实施例中,上述预设的数据库中具体还可以存储有道路测试数据的数据处理结果。并且,服务器在预设的数据库中存储道路测试数据,和/或,道路测试数据的数据处理结果时,还会标注出该道路测试数据,和/或,道路测试数据的数据处理结果所对应的场景类型。
这样,用户在进行当前场景下的目标数据处理时,可以根据具体的场景需要,很方便地通过预设的数据库调取使用与目标场景类型匹配的道路测试数据,和/或,道路测试数据的数据处理结果。
例如,用户在进行当前研发场景下的关于速度的数据处理时,可以调用集成场景下的速度进行比较。
在一个实施例中,在使用所述目标处理规则来对所述目标数据进行数据筛选,以得到目标数据的数据处理结果之后,所述方法具体实施时,还可以包括以下内容:确定出与所述场景标识对应的场景类型,作为目标场景类型;将所述目标数据的数据处理结果,与存储在所述预设的数据库中的与所述目标场景类型匹配的道路测试数据关联。
这样,用户在进行当前场景下的目标数据处理,得到目标数据的数据处理结果后,还可以根据具体的场景需要,很方便地通过预设的数据库将当前场景下的目标数据的数据处理结果与目标场景类型匹配的数据进行关联。
例如,用户在进行当前测试场景下的速度的数据处理,得到当前场景下的速度的数据处理结果后,发现当前测试场景下的速度的数据处理结果存在异常,这时用户可以通过上述方式将该数据处理结果与之前的研发场景下的速度进行关联,从而可以根据通过对比当前测试场景下的速度的数据处理结果与之前研发场景下的速度,找到出现异常的原因。
在一个实施例中,所述方法具体实施时,还可以包括以下内容:根据所述场景标识,从预设的数据库中获取与所述场景标识对应的第一场景类型的数据处理结果,作为当前场景的目标数据;根据所述目标处理规则和所述关联数据,对所述当前场景的目标数据进行处理,以得到目标特征满足所述预设的特征触发条件的第一类目标数据片段,作为当前场景的数据处理结果;将所述当前场景的数据处理结果与所述预设的数据库中的第二场景类型的数据关联。
在一个实施例中,所述第一场景类型和所述第二场景类型具体可以为相同的场景类型,也可以为不同的场景类型。
在本实施例中,具体实施时,根据具体的场景需要,还可以通过预设的数据库调取使用其他场景下的道路数据的数据处理结果,作为当前场景下的目标数据进行处理。并将当前场景下的目标数据处理结果与其他场景下的数据进行关联,以便后续在进行其他场景下的数据处理时,可以很方便地使用当前场景下的目标数据的数据处理结果。
具体的,例如,在研发场景中,得到了一个优化后的发动机的运行参数作为研发场景下的数据处理结果。在当前的测试场景中可以调用上述优化后的发动机的运行参数进行进一步的优化处理,得到效果更好的发动机的运行参数。
在一个实施例中,还可以将上述研发场景、集成场景、测试场景下的数据处理按照时间先后顺序组合连接在一起,构成一个研发-集成-测试的闭环链路。
具体的,例如,可以参阅图4所示,在当前轮的研发-集成-测试的闭环链路中,用户可以通过终端设备获取并利用研发场景中得到的第一目标数据的数据处理结果,参与进行研发场景之后的集成场景中的关于第二目标数据的数据处理,得到第二目标数据的数据处理结果。再利用上述第二目标数据的数据处理结果,参与进行集成场景之后的测试场景中的关于第三目标数据的数据处理,得到第三目标数据的数据处理结果。最后可以利用上述第三目标数据的数据处理结果,结合第一目标数据的数据处理结果与第二目标数据的数据处理结果,有针对性地调整、改进研发场景中的自动驾驶的算法模型。再基于改进后的自动驾驶的算法模型进行下一轮的研发-集成-测试闭环链路。从而可以更有效帮助用户不断地改进、优化自动驾驶的算法模型。
在一个实施例中,还可以根据不同场景类型的处理场景下目标数据的处理特点,预先针对各个不同场景类型的处理场景配置好对应的预设的场景模式。其中,对于不同的预设的场景模式,所涉及到的目标数据的获取方式和/或处理方式可以存在差异。
在一个实施例中,具体实施前,可以先将大量历史数据的处理记录按照所对应的时间段,划分为不同类型的处理场景下的历史数据的处理记录。再分别对各个类型的处理场景下的历史数据的处理记录进行学习,以建立得到与各个类型的处理场景分别对应的预设的场景模式。
在一个实施例中,所述方法具体实施时,还可以包括以下内容:
S1:根据所述场景标识,确定出目标处理场景的场景类型;
S2:从多个预设的场景模式中检索与所述目标处理场景的场景类型匹配的预设的场景模式,作为目标场景模式;
S3:根据所述目标场景模式,获取目标数据,和/或,处理目标数据。
在一个实施例中,具体的,在确定目标处理场景为研发场景的情况下,可以根据与研发场景匹配的预设的场景模式,从预设的数据库中获取与标识信息匹配的仿真测试数据作为目标数据;进而可以根据该预设的场景模式,对目标数据进行与研发相关的数据处理,得到对应的目标数据的数据处理结果。
在确定目标处理场景为集成场景的情况下,可以根据与集成场景匹配的预设的场景模式,从预设的数据库中获取与标识信息匹配的仿真测试数据和/或实测测试数据作为目标数据;进而可以根据该预设的场景模式,对目标数据进行与集成相关的数据处理,得到对应的目标数据的数据处理结果。
在确定目标处理场景为测试场景的情况下,可以根据与测试场景匹配的预设的场景模式,从预设的数据库中获取与标识信息匹配的实测测试数据作为目标数据;进而可以根据该预设的场景模式,对目标数据进行与测试相关的数据处理,得到对应的目标数据的数据处理结果。
在一个实施例中,所述目标数据还可以包括多个目标数据,且所述多个目标数据相互关联。相应的,根据所述目标处理规则和所述关联数据,进行关于目标数据的数据处理,具体实施实施,可以包括以下内容:根据不同的目标处理规则和关联数据,并行处理多个目标数据。具体的,在处理当前目标数据的过程中,还可以根据与当前目标数据对应的目标处理规则,调用与当前目标数据相关的关联目标数据的数据处理过程中的中间数据和/或数据处理结果,来参与进行当前目标数据的数据处理。
在一个实施例中,在一些情况下,有时针对目标数据的数据处理不需要使用到其他系统的关联数据。这时,可以根据目标数据确定对应的关联数据为空,进而可以根据目标处理规则,进行关于目标数据的数据处理,得到目标数据的数据处理结果。
在一个实施例中,在完成针对目标数据的数据处理,得到目标数据的数据处理结果之后,所述方法还可以包括:通过终端设备将所述数据处理结果反馈给用户,以便用户可以根据数据处理结果,有针对性地调整、改进自动驾驶的算法模型,为自动驾驶的算法模型的设计提供数据支持。
从以上的描述中,可以看出,本申请实施例提供的道路测试数据的处理方法,先通过接收并根据用户发起的数据处理请求,从保存有多个系统的道路测试数据的预设的数据库中确定出目标数据,以及与目标数据相关的其他系统的关联数据;再通过接收并根据用户自定义的目标处理规则,结合关联数据对目标数据进行具体的数据处理,从而可以配合用户的多样化要求,综合多个不同系统的道路测试数据,自动、高效地完成与目标数据相关的数据处理,简化了用户操作,提高了道路测试数据的处理效率和处理精度,解决了现有方法中存在的道路测试数据处理效率低、用户操作复杂、误差大的技术问题。还通过接收并根据用户针对数据处理报告的历史比对请求,自动从预设的数据库中获取与目标数据相关的历史数据,再对目标数据进行性能比对,生成关于目标数据和历史数据的性能比对报告,以对目标数据的历史变化情况进行跟踪比对,为用户调整、改进自动驾驶的算法模型提供更有价值的参考,从而可以进一步简化用户操作,提高用户的使用体验。还通过根据数据处理请求中所携带的场景标识,确定出目标处理场景的场景类型;进而再确定出与目标处理场景的场景类型匹配的目标场景模式,并根据目标场景模式来有针对性地获取目标数据,和/或,处理目标数据,从而可以适配于用户所处的具体处理场景,准确地获取并处理目标数据,进一步提高了处理精度,提高了用户的使用体验。
基于同一发明构思,本申请实施例中还提供了一种道路测试数据的处理系统,如下面的实施例所述。由于道路测试数据的处理系统解决问题的原理与道路测试数据的处理方法相似,因此道路测试数据的处理系统的实施可以参见道路测试数据的处理方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的道路测试数据的处理系统较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。请参阅图5所示,是本申请实施例提供的道路测试数据的处理系统的一种组成结构图,该系统具体可以包括:接收模块501、提取模块502、确定模块503和处理模块504,下面对该结构进行具体说明。
接收模块501,具体可以用于接收来自终端设备的数据处理请求,其中,所述数据处理请求至少携带有用于标识第一道路测试数据的标识信息;
提取模块502,具体可以用于根据所述标识信息,从预设的数据库中识别并提取出所述第一道路测试数据作为目标数据,其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据;
确定模块503,具体可以用于接收来自终端设备的至少一个第一处理规则,并根据所述至少一个第一处理规则确定出目标处理规则;
处理模块504,具体可以用于使用所述目标处理规则来对所述目标数据进行数据筛选,以得到目标数据的数据处理结果。
在一个实施例中,所述确定模块503具体还可以用于从所述预设的数据库中识别并提取出与所述目标数据相关的至少一个第二道路测试数据作为关联数据;根据所述关联数据,确定与所述目标数据相关的至少一个第二处理规则;通过对所述至少一个第一数据处理规则和所述至少一个第二处理规则进行逻辑计算来得到所述目标处理规则。
在一个实施例中,所述多个自动驾驶系统具体可以包括:自动驾驶的感知系统、自动驾驶的定位系统、自动驾驶的规划系统和自动驾驶的控制系统等。
在一个实施例中,所确定模块503具体可以包括以下的结构单元:
展示单元,具体可以用于响应用户发起的第一类处理指示,向用户展示出关于所述目标数据的特征提取参数设置界面;
接收单元,具体可以用于通过所述特征提取参数设置界面,接收用户定义的关于所述目标数据的目标特征的单个提取规则,和/或,用户定义的关于目标数据的多个目标特征的组合提取规则;
确定单元,具体可以用于根据所述单个提取规则和/或所述组合提取规则,确定所述第一处理规则。
在一个实施例中,所述处理模块504具体可以包括以下结构单元:
计算单元,具体可以用于根据所述目标处理规则和所述关联数据,计算所述目标数据的目标特征;
检测单元,具体可以用于根据所述目标处理规则,检测所述目标特征是否满足预设的特征触发条件;
筛选单元,具体可以用于从所述目标数据中筛选出所述目标特征满足所述预设的特征触发条件的第一类目标数据片段。
在一个实施例中,所述接收模块501具体还可以用于接收用户设置的目标裁剪规则和目标数据格式。
在一个实施例中,所述处理模块504具体还可以用于从所述预设的数据库中获取与所述第一类目标数据片段对应的原始的目标道路测试数据;根据所述目标裁剪规则,裁剪所述原始的目标道路测试数据,得到裁剪后的数据;将所述裁剪后的数据转换为目标数据格式,得到格式转换后的数据;根据所述格式转换后的数据,生成关于目标数据的数据处理报告,作为目标数据的数据处理结果。
在一个实施例中,所述系统具体还可以用于向用户展示所述数据处理报告;接收用户针对所述数据处理报告的历史比对请求;根据所述历史比对请求,从所述预设的数据库中获取与所述目标数据相关的历史数据;根据所述历史数据和所述数据处理报告,对所述目标数据进行性能比对,以生成关于所述目标数据和所述历史数据的性能比对报告。
在一个实施例中,所述系统具体还可以用于向用户展示所述数据处理报告;接收用户针对所述数据处理报告的并行比对请求;根据所述并行比对请求,从并行处理得到的多个第三道路测试数据的数据处理结果中获取与所述目标数据相关的比对数据;根据所述比对数据和所述数据处理报告,对所述目标数据进行性能比对,以生成相应的性能比对报告。
在一个实施例中,所确定模块503具体还可以用于响应用户发起的第二类处理指示,向用户展示出关于所述目标数据的指标评估参数设置界面;通过所述指标评估参数设置界面,接收用户定义的关于所述目标数据的目标指标的单个评估规则,和/或,用户定义的关于目标数据的多个目标指标的组合评估规则;根据所述单个评估规则和/或所述组合评估规则,确定所述第一处理规则。
在一个实施例中,所述计算单元,具体还用于根据所述目标处理规则和所述关联数据,计算所述目标数据的目标指标;所述检测单元,具体还用于根据所述目标处理规则,检测所述目标指标是否满足预设的指标触发条件;所述筛选单元,具体还用于从所述目标数据中筛选出所述目标指标满足所述预设的指标触发条件的数据片段,作为第二类目标数据片段。
在一个实施例中,所述标识信息还包括场景标识,其中,所述场景标识具体可以对应以下场景类型中的一个:研发场景、集成场景、测试场景等。
在一个实施例中,所述系统具体还可以用于确定出与所述场景标识对应的场景类型,作为目标场景类型;从所述预设的数据库中获取与所述目标场景类型匹配的道路测试数据,和/或,道路测试数据的数据处理结果。
在一个实施例中,所述系统具体还可以用于确定出与所述场景标识对应的场景类型,作为目标场景类型;将所述目标数据的数据处理结果,与存储在所述预设的数据库中的与所述目标场景类型匹配的道路测试数据关联。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,上述实施方式阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。为了描述的方便,在本说明书中,描述以上系统时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
此外,在本说明书中,诸如第一和第二这样的形容词仅可以用于将一个元素或动作与另一元素或动作进行区分,而不必要求或暗示任何实际的这种关系或顺序。在环境允许的情况下,参照元素或部件或步骤(等)不应解释为局限于仅元素、部件、或步骤中的一个,而可以是元素、部件、或步骤中的一个或多个等。
从以上的描述中,可以看出,本申请实施例提供的道路测试数据的处理系统,可以配合用户的多样化要求,灵活地综合利用多个自动驾驶系统的数据,自动、高效地完成与道路测试数据相关的数据处理,简化了用户操作,提高了道路测试数据的处理效率和处理精度,解决了现有方法中存在的道路测试数据处理效率低、用户操作复杂、误差大的技术问题。
本申请还提供了一种道路测试数据的处理方法。该方法具体可以应用于多个场景类型。其中,所述多个场景类型具体可以包括针对自动驾驶系统的研发场景、集成场景、测试场景等。参阅图6所示。该方法具体实施时,可以包括以下内容。
S601:接收第一场景下的数据处理请求;
S602:根据所述第一场景下的数据处理请求,从预设的数据库中识别并提取出第一道路测试数据作为所述第一场景下的目标数据;其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据,以及多个场景下的道路测试数据的数据处理结果;
S603:根据所述第一场景下的目标处理规则,对所述第一场景下的目标数据进行数据处理,得到第一数据;
S604:从预设的数据库中识别并提取出第二场景下的道路测试数据的数据处理结果作为第二数据;
S605:根据所述第一数据和所述第二数据进行性能比对,以确定出所述自动驾驶系统在不同场景下的性能比对结果。
在一个实施例中,上述第一场景具体可以理解为一种用户关注的且与当前场景下的目标数据的数据处理相关联的处理场景。
在一个实施例中,上述第一场景具体可以理解为当前正在处理的当前场景。
在一个实施例中,具体实施时,服务器可以根据第一数据,自动匹配到与当前场景(即第一场景)类型关联的处理场景为第二场景,再获取第二场景下的道路测试数据的数据处理结果作为上述第二数据。服务器也可以从用户通过终端设备所发起的数据处理请求中提取出场景标识,再根据场景标识确定出与当前场景关联的处理场景为第二场景,再获取第二场景下的道路测试数据的数据处理结果作为上述第二数据。
在一个实施例中,所述方法具体实施时,还可以包括:根据所述自动驾驶系统在不同场景下的性能比对结果,在确定所述第一数据的性能高于所述第二数据的情况下,根据所述第一数据,修改所述自动驾驶系统所基于的算法模型。
具体的,例如,用户在得到当前测试场景下的速度的数据处理结果作为第一数据后,还可以通过预设的数据数据库调取使用研发场景下的相关数据的数据处理结果作为第二数据;进一步,可以将上述第一数据和第二数据进行性能比对,得到性能比对结果。如果根据性能比对结果,发现第一数据的性能优于所述第二数据,可以根据第一数据所对应的速度数据,修改自动驾驶的算法模型中的模型参数。相对的,如果根据性能比对结果,发现第二数据的性能优于所述第一数据,可以根据第二数据所对应的速度数据,修改自动驾驶的算法模型中的模型参数。
基于上述方法,通过有效地利用不同场景下的数据,对不同场景下的数据处理结果进行性能比对,找到性能最好的数据来地优化、改进算法模型。
本申请还提供了另一种道路测试数据的处理系统。其中,该系统具体可以应用于多个场景类型,所述多个场景类型具体可以包括针对自动驾驶系统的研发场景、集成场景、测试场景等。参阅图7所示,所述系统具体可以包括以下结构模块。
接收模块701,具体可以用于接收当前场景下的数据处理请求;
确定模块702,具体可以用于根据所述当前场景下的数据处理请求,从预设的数据库中识别并提取出第一道路测试数据作为当前场景下的目标数据;其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据,以及多个场景下的道路测试数据的数据处理结果;
处理模块703,具体可以用于根据当前场景下的目标处理规则,对所述当前场景下的目标数据进行数据处理,得到第一数据;
提取模块704,具体可以用于从预设的数据库中识别并提取出第一场景的道路测试数据的数据处理结果作为第二数据;
比对模块705,具体可以用于根据所述第一数据和所述第二数据进行性能比对,以确定出所述自动驾驶系统在不同场景下的性能比对结果。
在一个实施例中,所述处理模块703具体还可以用于根据所述自动驾驶系统在不同场景下的性能比对结果,在确定所述第一数据的性能高于所述第二数据的情况下,根据所述第一数据,修改所述自动驾驶系统所基于的算法模型。
基于上述系统,通过有效地利用不同场景下的数据,对不同场景下的数据处理结果进行性能比对,找到性能最好的数据来地优化、改进算法模型。
本说明书实施例还提供一种服务器,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器具体实施时可以根据指令执行以下步骤:接收来自终端设备的数据处理请求,其中,所述数据处理请求至少携带有用于标识第一道路测试数据的标识信息;根据所述标识信息,从预设的数据库中识别并提取出所述第一道路测试数据作为目标数据,其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据;接收来自终端设备的至少一个第一处理规则,并根据所述至少一个第一处理规则确定出目标处理规则;使用所述目标处理规则来对所述目标数据进行数据筛选,以得到目标数据的数据处理结果。
为了能够更加准确地完成上述指令,参阅图8所示,本说明书实施例还提供了另一种具体的服务器,其中,所述服务器包括网络通信端口801、处理器802以及存储器803,上述结构通过内部线缆相连,以便各个结构可以进行具体的数据交互。
其中,所述网络通信端口801,具体可以用于接收来自终端设备的数据处理请求,其中,所述数据处理请求至少携带有用于标识第一道路测试数据的标识信息。
所述处理器802,具体可以用于根据所述标识信息,从预设的数据库中识别并提取出所述第一道路测试数据作为目标数据,其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据;接收来自终端设备的至少一个第一处理规则,并根据所述至少一个第一处理规则确定出目标处理规则;使用所述目标处理规则来对所述目标数据进行数据筛选,以得到目标数据的数据处理结果。
所述存储器803,具体可以用于存储相应的指令程序。
在本实施例中,所述网络通信端口801可以是与不同的通信协议进行绑定,从而可以发送或接收不同数据的虚拟端口。例如,所述网络通信端口可以是负责进行web数据通信的端口,也可以是负责进行FTP数据通信的端口,还可以是负责进行邮件数据通信的端口。此外,所述网络通信端口还可以是实体的通信接口或者通信芯片。例如,其可以为无线移动网络通信芯片,如GSM、CDMA等;其还可以为Wifi芯片;其还可以为蓝牙芯片。
在本实施例中,所述处理器802可以按任何适当的方式实现。例如,处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。本说明书并不作限定。
在本实施例中,所述存储器803可以包括多个层次,在数字系统中,只要能保存二进制数据的都可以是存储器;在集成电路中,一个没有实物形式的具有存储功能的电路也叫存储器,如RAM、FIFO等;在系统中,具有实物形式的存储设备也叫存储器,如内存条、TF卡等。
本申请实施例还提供了一种基于道路测试数据的处理方法的计算机存储介质,所述计算机存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现:接收来自终端设备的数据处理请求,其中,所述数据处理请求至少携带有用于标识第一道路测试数据的标识信息;根据所述标识信息,从预设的数据库中识别并提取出所述第一道路测试数据作为目标数据,其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据;接收来自终端设备的至少一个第一处理规则,并根据所述至少一个第一处理规则确定出目标处理规则;使用所述目标处理规则来对所述目标数据进行数据筛选,以得到目标数据的数据处理结果。
在本实施方式中,上述存储介质包括但不限于随机存取存储器(RandomAccessMemory,RAM)、只读存储器(Read-OnlyMemory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(MemoryCard)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的,用于进行网络连接通信的接口。
在本实施方式中,该计算机存储介质存储的程序指令具体实现的功能和效果,可以与其它实施方式对照解释,在此不再赘述。
在一个具体实施场景示例中,可以参阅图9所示,应用本申请实施例所提供的道路测试数据的处理方法来构建一种面向用户(例如,负责自动驾驶的算法模型设计的技术人员,或者负责自动驾驶的道路测试的技术人员)的用于处理道路测试数据的程序包,进而后续可以利用上述程序包协助用户高效地进行道路测试数据的数据处理。
具体的,可以基于Python语言(或C++语言等)编写相应的函数,来构建多个具体的功能模块(包括:数据处理模块、特征提取模块、指标评估模块、数据裁剪模块和报告生成模块),以得到对应的程序包。
其中,各功能模块可设计相应的类,通过面向对象编程来实现各个模块所对应功能,并实现各个模块的功能组合。
具体实施时,以数据处理模块为例,可先设计类为:DataContainer。进一步,可以根据数据处理模块所涉及到的功能编写相应的函数。例如,可以编写使用函数:extract_raw_data()以从预设的道路测试数据中提取所需的原始数据(即目标数据)。还可以编写使用函数:process_raw_data()以对所提取的原始数据进行预处理,如滤波处理等。还可以编写使用函数:store_raw_data()以存储已提取到的数据。还可以编写使用函数:load_raw_data()以加载存储的已提取到的数据。还可以编写使用函数:visualize_raw_data()以可视化已提取到的数据。从而得可以到对应的数据处理模块。
以指标评估模块为例,可先设计类为:MetricEvaluator。进一步,可以根据指标评估模块所涉及到的功能编写相应的函数。例如,可以编写使用函数:load_metrics()以加载预定义的指标计算函数。还可以编写使用函数:evaluate_metrics()以评估加载的指标,并返回触发指标的数据片段信息。还可以编写使用函数:merge_candidates()以根据预定义的指标组合逻辑运算方式,将评估后的指标触发数据片段信息进行综合,例如可以合并或取交集等处理等。从而得可以到对应的指标评估模块。
按照类似的方式,可以构建得到对应的特征提取模块、数据裁剪模块和报告生成模块。再将上述多个功能模块组合在一起进行封装,得到用于处理道路测试数据的程序包。
基于该程序包,通过数据处理模块可以从道路测试数据中提取出用户关注的数据(例如惯性测量单元IMU的传感器数据),再对数据进行相应的预处理(例如滤波等),并存储提取后的数据。
通过特征提取模块可以针对提取后的数据,定义特征的计算方式(例如,目标特征的单个提取规则),定义多种特征之间的组合逻辑运算(例如多个目标特征的组合提取规则),并能够自动化计算数据中的特征。针对满足特征触发条件的数据片段,能够根据定义的组合逻辑,自动进行综合,得到合并后的触发数据片段(例如,第一类目标数据片段)。
通过指标评估模块可以针对提取后的数据,定义评价指标的计算方式(例如,目标指标的当个评估规则),定义多种评价指标之间的组合逻辑运算(例如,多个目标指标的组合评估规则),并能够自动化地计算数据中的指标。针对满足指标触发条件的数据片段,能够根据定义的组合逻辑,自动进行综合,得到合并后的触发数据片段(例如,第二类目标数据片段)。
通过数据剪裁模块可以根据特征或指标触发数据片段,自动对原始的路测数据(即道路测试数据)进行剪裁,并完成自定义的数据格式转换。
通过报告生成模块可以生成道路测试数据量化评价报告(例如,数据处理报告),能够实现对用户的交互式可视化展示。用户能够自由缩放、拖动报告内容,并自由获得报告中的数据标签及数据点所含数据。进一步,还可以支持用户提取数据可视化、特征触发可视化、指标触发可视化、裁剪数据可视化;允许用户进行多份报告的合成和比对分析。
同时,通过上述程序包处理道路测试数据,可以较好地适用于实际道路测试(例如,实测测试数据)及仿真道路测试数据(例如,仿真测试数据)等,也可以适用于多种应用场景,覆盖全研发周期。进而可应用于自动驾驶技术研发与测试的全周期中,能够有效提升数据评价的一致性、连续性、完备性,有效加速数据驱动的研发测试闭环。
具体的,例如,利用上述程序包可以实现路测数据的可视化,能够在研发与测试过程中,使得用户可以对路测数据(包含实际数据与仿真数据)进行交互式动态可视化展示,并自由操作可视化内容,帮助参与研发的用户更好地洞察数据。
又例如,利用上述程序包可以实现路测数据特征自动计算,能够对路测数据中的特征进行自动计算提取,可为数据驱动的人工智能算法提供数据支撑。
又例如,利用上述程序包可以实现路测数据指标自动评估,能够对路测数据自动进行性能指标量化评估,指导研发工作的开展。
又例如,利用上述程序包可以实现特定数据自动剪裁,能够根据特征计算或指标评估,自动剪裁研发人员感兴趣的数据,形成测试、研发自动闭环。
又例如,利用上述程序包可以实现路测数据自动比对,能够批量运行多批次路测数据,自动进行数据比对。
又例如,利用上述程序包可以实现道路测试数据库自动集成,能够在数据服务器上与道路测试数据库自动集成,并自动生成可视化及指标触发报告等。
又例如,利用上述程序包还可以实现自动嵌入持续集成系统(ContinuousIntegration,CI),进而能够嵌入CI系统运行,自动评估比对新测试数据与基准测试数据,确保不发生性能回归。
从而,可以实现自动化的数据量化评价方案;实现面向研发测试全周期的数据量化评价方案;实现面向多种应用场景的数据量化评价方案;实现对数据驱动的研发测试闭环的提升;实现对自动化持续集成系统的提升。
通过上述场景示例,验证了本申请实施例提供的道路测试数据的处理方法,确实可以智能配合用户的多样化要求,综合多个系统的数据,自动、高效地完成与道路测试数据相关的数据处理,简化了用户操作,提高了道路测试数据的处理效率和处理精度,进而解决现有方法中存在的道路测试数据处理效率低、用户操作复杂、误差大的技术问题。
尽管本申请内容中提到不同的具体实施例,但是,本申请并不局限于必须是行业标准或实施例所描述的情况等,某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、处理、输出、判断方式等的实施例,仍然可以属于本申请的可选实施方案范围之内。
虽然本申请提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
上述实施例阐明的系统或模块等,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。为了描述的方便,描述以上系统时以功能分为各种模块分别描述。当然,在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块的组合实现等。以上所描述的系统实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的系统也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的系统视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,移动终端,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
虽然通过实施例描绘了本申请,本领域普通技术人员知道,本申请有许多变形和变化而不脱离本申请的精神,希望所附的实施方式包括这些变形和变化而不脱离本申请。
Claims (34)
1.一种道路测试数据的处理方法,其特征在于,所述方法包括:
接收来自终端设备的数据处理请求,其中,所述数据处理请求至少携带有用于标识第一道路测试数据的标识信息;
根据所述标识信息,从预设的数据库中识别并提取出所述第一道路测试数据作为目标数据,其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据;
接收来自终端设备的至少一个第一处理规则,并根据所述至少一个第一处理规则确定出目标处理规则;
使用所述目标处理规则来对所述目标数据进行数据筛选,以得到所述目标数据的数据处理结果。
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:
从所述预设的数据库中识别并提取出与所述目标数据相关的至少一个第二道路测试数据作为关联数据;
根据所述关联数据,确定与所述目标数据相关的至少一个第二处理规则;
通过对所述至少一个第一处理规则和所述至少一个第二处理规则进行逻辑计算来得到所述目标处理规则。
3.根据权利要求1所述的方法,其特征在于,所述多个自动驾驶系统包括:自动驾驶的感知系统、自动驾驶的定位系统、自动驾驶的规划系统和自动驾驶的控制系统。
4.根据权利要求1所述的方法,其特征在于,接收来自终端设备的至少一个第一处理规则,包括:
响应用户发起的第一类处理指示,向用户展示出关于所述目标数据的特征提取参数设置界面;
通过所述特征提取参数设置界面,接收用户定义的关于所述目标数据的目标特征的单个提取规则,和/或,用户定义的关于目标数据的多个目标特征的组合提取规则;
根据所述单个提取规则和/或所述组合提取规则,确定所述第一处理规则。
5.根据权利要求2所述的方法,其特征在于,根据所述目标处理规则对所述目标数据进行数据筛选,包括:
根据所述目标处理规则和所述关联数据,计算所述目标数据的目标特征;
根据所述目标处理规则,检测所述目标特征是否满足预设的特征触发条件;
从所述目标数据中筛选出所述目标特征满足所述预设的特征触发条件的第一类目标数据片段。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
接收用户设置的目标裁剪规则和目标数据格式。
7.根据权利要求6所述的方法,其特征在于,在从所述目标数据中筛选出所述目标特征满足所述预设的特征触发条件的第一类目标数据片段之后,所述方法还包括:
从所述预设的数据库中获取与所述第一类目标数据片段对应的原始的目标道路测试数据;
根据所述目标裁剪规则,裁剪所述原始的目标道路测试数据,得到裁剪后的数据;
将所述裁剪后的数据转换为目标数据格式,得到格式转换后的数据;
根据所述格式转换后的数据,生成关于所述目标数据的数据处理报告,作为所述目标数据的数据处理结果。
8.根据权利要求7所述的方法,其特征在于,在根据所述格式转换后的数据,生成关于所述目标数据的数据处理报告,作为所述目标数据的数据处理结果之后,所述方法还包括:
向用户展示所述数据处理报告;
接收用户针对所述数据处理报告的历史比对请求;
根据所述历史比对请求,从所述预设的数据库中获取与所述目标数据相关的历史数据;
根据所述历史数据和所述数据处理报告,对所述目标数据进行性能比对,以生成关于所述目标数据和所述历史数据的性能比对报告。
9.根据权利要求7所述的方法,其特征在于,在根据所述格式转换后的数据,生成关于所述目标数据的数据处理报告,作为所述目标数据的数据处理结果之后,所述方法还包括:
向用户展示所述数据处理报告;
接收用户针对所述数据处理报告的并行比对请求;
根据所述并行比对请求,从并行处理得到的多个第三道路测试数据的数据处理结果中获取与所述目标数据相关的比对数据;
根据所述比对数据和所述数据处理报告,对所述目标数据进行性能比对,以生成相应的性能比对报告。
10.根据权利要求2所述的方法,其特征在于,接收来自终端设备的至少一个第一处理规则,还包括:
响应用户发起的第二类处理指示,向用户展示出关于所述目标数据的指标评估参数设置界面;
通过所述指标评估参数设置界面,接收用户定义的关于所述目标数据的目标指标的单个评估规则,和/或,用户定义的关于所述目标数据的多个目标指标的组合评估规则;
根据所述单个评估规则和/或所述组合评估规则,确定所述第一处理规则。
11.根据权利要求10所述的方法,其特征在于,根据所述目标处理规则对所述目标数据进行数据筛选,包括:
根据所述目标处理规则和所述关联数据,计算所述目标数据的目标指标;
根据所述目标处理规则,检测所述目标指标是否满足预设的指标触发条件;
从所述目标数据中筛选出所述目标指标满足所述预设的指标触发条件的数据片段,作为第二类目标数据片段。
12.根据权利要求5所述的方法,其特征在于,所述标识信息还包括场景标识,其中,所述场景标识对应以下场景类型中的一个:研发场景、集成场景、测试场景。
13.根据权利要求12所述的方法,其特征在于,所述方法还包括:
确定出与所述场景标识对应的场景类型,作为目标场景类型;
从所述预设的数据库中获取与所述目标场景类型匹配的道路测试数据,和/或,道路测试数据的数据处理结果。
14.根据权利要求12所述的方法,其特征在于,在使用所述目标处理规则来对所述目标数据进行数据筛选,以得到所述目标数据的数据处理结果之后,所述方法还包括:
确定出与所述场景标识对应的场景类型,作为目标场景类型;
将所述目标数据的数据处理结果,与存储在所述预设的数据库中的与所述目标场景类型匹配的道路测试数据关联。
15.一种道路测试数据的处理系统,其特征在于,所述系统包括:
接收模块,用于接收来自终端设备的数据处理请求,其中,所述数据处理请求至少携带有用于标识第一道路测试数据的标识信息;
提取模块,用于根据所述标识信息,从预设的数据库中识别并提取出所述第一道路测试数据作为目标数据,其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据;
确定模块,用于接收来自终端设备的至少一个第一处理规则,并根据所述至少一个第一处理规则确定出目标处理规则;
处理模块,用于使用所述目标处理规则来对所述目标数据进行数据筛选,以得到所述目标数据的数据处理结果。
16.根据权利要求15所述的系统,其特征在于,所述确定模块还用于从所述预设的数据库中识别并提取出与所述目标数据相关的至少一个第二道路测试数据作为关联数据;根据所述关联数据,确定与所述目标数据相关的至少一个第二处理规则;通过对所述至少一个第一数据处理规则和所述至少一个第二处理规则进行逻辑计算来得到所述目标处理规则。
17.根据权利要求15所述的系统,其特征在于,所述多个自动驾驶系统包括:自动驾驶的感知系统、自动驾驶的定位系统、自动驾驶的规划系统和自动驾驶的控制系统。
18.根据权利要求15所述的系统,其特征在于,所确定模块包括:
展示单元,用于响应用户发起的第一类处理指示,向用户展示出关于所述目标数据的特征提取参数设置界面;
接收单元,用于通过所述特征提取参数设置界面,接收用户定义的关于所述目标数据的目标特征的单个提取规则,和/或,用户定义的关于所述目标数据的多个目标特征的组合提取规则;
确定单元,用于根据所述单个提取规则和/或所述组合提取规则,确定所述第一处理规则。
19.根据权利要求16所述的系统,其特征在于,所述处理模块包括:
计算单元,用于根据所述目标处理规则和所述关联数据,计算所述目标数据的目标特征;
检测单元,用于根据所述目标处理规则,检测所述目标特征是否满足预设的特征触发条件;
筛选单元,用于从所述目标数据中筛选出所述目标特征满足所述预设的特征触发条件的第一类目标数据片段。
20.根据权利要求19所述的系统,其特征在于,所述接收模块还用于接收用户设置的目标裁剪规则和目标数据格式。
21.根据权利要求20所述的系统,其特征在于,所述处理模块还用于从所述预设的数据库中获取与所述第一类目标数据片段对应的原始的目标道路测试数据;根据所述目标裁剪规则,裁剪所述原始的目标道路测试数据,得到裁剪后的数据;将所述裁剪后的数据转换为目标数据格式,得到格式转换后的数据;根据所述格式转换后的数据,生成关于所述目标数据的数据处理报告,作为所述目标数据的数据处理结果。
22.根据权利要求21所述的系统,其特征在于,所述系统还用于向用户展示所述数据处理报告;接收用户针对所述数据处理报告的历史比对请求;根据所述历史比对请求,从所述预设的数据库中获取与所述目标数据相关的历史数据;根据所述历史数据和所述数据处理报告,对所述目标数据进行性能比对,以生成关于所述目标数据和所述历史数据的性能比对报告。
23.根据权利要求21所述的系统,其特征在于,所述系统还用于向用户展示所述数据处理报告;接收用户针对所述数据处理报告的并行比对请求;根据所述并行比对请求,从并行处理得到的多个第三道路测试数据的数据处理结果中获取与所述目标数据相关的比对数据;根据所述比对数据和所述数据处理报告,对所述目标数据进行性能比对,以生成相应的性能比对报告。
24.根据权利要求19所述的系统,其特征在于,所确定模块还用于响应用户发起的第二类处理指示,向用户展示出关于所述目标数据的指标评估参数设置界面;通过所述指标评估参数设置界面,接收用户定义的关于所述目标数据的目标指标的单个评估规则,和/或,用户定义的关于所述目标数据的多个目标指标的组合评估规则;根据所述单个评估规则和/或所述组合评估规则,确定所述第一处理规则。
25.根据权利要求24所述的系统,其特征在于,
所述计算单元,还用于根据所述目标处理规则和所述关联数据,计算所述目标数据的目标指标;
所述检测单元,还用于根据所述目标处理规则,检测所述目标指标是否满足预设的指标触发条件;
所述筛选单元,还用于从所述目标数据中筛选出所述目标指标满足所述预设的指标触发条件的数据片段,作为第二类目标数据片段。
26.根据权利要求19所述的系统,其特征在于,所述标识信息还包括场景标识,其中,所述场景标识对应以下场景类型中的一个:研发场景、集成场景、测试场景。
27.根据权利要求26所述的系统,其特征在于,所述系统还用于确定出与所述场景标识对应的场景类型,作为目标场景类型;从所述预设的数据库中获取与所述目标场景类型匹配的道路测试数据,和/或,道路测试数据的数据处理结果。
28.根据权利要求26所述的系统,其特征在于,所述系统还用于确定出与所述场景标识对应的场景类型,作为目标场景类型;将所述目标数据的数据处理结果,与存储在所述预设的数据库中的与所述目标场景类型匹配的道路测试数据关联。
29.一种道路测试数据的处理方法,其特征在于,所述方法应用于多个场景类型,所述多个场景类型包括针对自动驾驶系统的研发场景、集成场景、测试场景,所述方法包括:
接收第一场景下的数据处理请求;
根据所述第一场景下的数据处理请求,从预设的数据库中识别并提取出第一道路测试数据作为所述第一场景下的目标数据;其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据,以及多个场景下的道路测试数据的数据处理结果;
根据所述第一场景下的目标处理规则,对所述第一场景下的目标数据进行数据处理,得到第一数据;
从预设的数据库中识别并提取出第二场景下的道路测试数据的数据处理结果作为第二数据;
根据所述第一数据和所述第二数据进行性能比对,以确定出所述自动驾驶系统在不同场景下的性能比对结果。
30.根据权利要求29所述的方法,其特征在于,所述方法还包括:
根据所述自动驾驶系统在不同场景下的性能比对结果,在确定所述第一数据的性能高于所述第二数据的情况下,根据所述第一数据,修改所述自动驾驶系统所基于的算法模型。
31.一种道路测试数据的处理系统,其特征在于,所述系统应用于多个场景类型,所述多个场景类型包括针对自动驾驶系统的研发场景、集成场景、测试场景,所述系统包括:
接收模块,用于接收第一场景下的数据处理请求;
确定模块,用于根据所述第一场景下的数据处理请求,从预设的数据库中识别并提取出第一道路测试数据作为第一场景下的目标数据;其中,所述预设的数据库中存储有多个自动驾驶系统的道路测试数据,以及多个场景下的道路测试数据的数据处理结果;
处理模块,用于根据第一场景下的目标处理规则,对所述第一场景下的目标数据进行数据处理,得到第一数据;
提取模块,用于从预设的数据库中识别并提取出第二场景下的道路测试数据的数据处理结果作为第二数据;
比对模块,用于根据所述第一数据和所述第二数据进行性能比对,以确定出所述自动驾驶系统在不同场景下的性能比对结果。
32.根据权利要求31所述的系统,其特征在于,所述处理模块还用于根据所述自动驾驶系统在不同场景下的性能比对结果,在确定所述第一数据的性能高于所述第二数据的情况下,根据所述第一数据,修改所述自动驾驶系统所基于的算法模型。
33.一种服务器,其特征在于,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现权利要求1至14中任一项所述方法的步骤。
34.一种计算机可读存储介质,其特征在于,其上存储有计算机指令,所述指令被执行时实现权利要求1至14中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010884087.9A CN112015838B (zh) | 2020-08-28 | 2020-08-28 | 道路测试数据的处理方法、系统和服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010884087.9A CN112015838B (zh) | 2020-08-28 | 2020-08-28 | 道路测试数据的处理方法、系统和服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112015838A true CN112015838A (zh) | 2020-12-01 |
CN112015838B CN112015838B (zh) | 2022-09-09 |
Family
ID=73502866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010884087.9A Active CN112015838B (zh) | 2020-08-28 | 2020-08-28 | 道路测试数据的处理方法、系统和服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112015838B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364439A (zh) * | 2020-12-02 | 2021-02-12 | 腾讯科技(深圳)有限公司 | 自动驾驶系统的仿真测试方法、装置以及存储介质 |
CN112598819A (zh) * | 2020-12-17 | 2021-04-02 | 北京百度网讯科技有限公司 | 自动驾驶系统的测试方法、装置、电子设备及存储介质 |
CN112820366A (zh) * | 2020-12-23 | 2021-05-18 | 京东方科技集团股份有限公司 | 数据处理方法、装置、系统、设备和存储介质 |
CN113641583A (zh) * | 2021-08-16 | 2021-11-12 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法、装置、电子设备、存储介质及程序产品 |
CN114077218A (zh) * | 2022-01-19 | 2022-02-22 | 浙江吉利控股集团有限公司 | 道路数据评估报告生成方法、装置、设备及存储介质 |
CN114141018A (zh) * | 2021-12-15 | 2022-03-04 | 阿波罗智联(北京)科技有限公司 | 用于生成测试结果的方法、装置 |
WO2022179531A1 (zh) * | 2021-02-23 | 2022-09-01 | 北京三快在线科技有限公司 | 自动驾驶控制及无人设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376981A (zh) * | 2018-08-31 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 数据处理方式的确定方法、装置、服务器和数据处理方法 |
CN109520744A (zh) * | 2018-11-12 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的驾驶性能测试方法和装置 |
CN109827781A (zh) * | 2018-12-29 | 2019-05-31 | 中国汽车技术研究中心有限公司 | 一种车辆测试数据处理方法、装置及系统 |
US20190220753A1 (en) * | 2018-01-12 | 2019-07-18 | Target Brands, Inc. | Reducing redundancy in data rules |
CN110297840A (zh) * | 2019-05-22 | 2019-10-01 | 平安银行股份有限公司 | 基于规则引擎的数据处理方法、装置、设备及存储介质 |
-
2020
- 2020-08-28 CN CN202010884087.9A patent/CN112015838B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190220753A1 (en) * | 2018-01-12 | 2019-07-18 | Target Brands, Inc. | Reducing redundancy in data rules |
CN109376981A (zh) * | 2018-08-31 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 数据处理方式的确定方法、装置、服务器和数据处理方法 |
CN109520744A (zh) * | 2018-11-12 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的驾驶性能测试方法和装置 |
CN109827781A (zh) * | 2018-12-29 | 2019-05-31 | 中国汽车技术研究中心有限公司 | 一种车辆测试数据处理方法、装置及系统 |
CN110297840A (zh) * | 2019-05-22 | 2019-10-01 | 平安银行股份有限公司 | 基于规则引擎的数据处理方法、装置、设备及存储介质 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364439A (zh) * | 2020-12-02 | 2021-02-12 | 腾讯科技(深圳)有限公司 | 自动驾驶系统的仿真测试方法、装置以及存储介质 |
CN112598819A (zh) * | 2020-12-17 | 2021-04-02 | 北京百度网讯科技有限公司 | 自动驾驶系统的测试方法、装置、电子设备及存储介质 |
CN112598819B (zh) * | 2020-12-17 | 2022-07-01 | 北京百度网讯科技有限公司 | 自动驾驶系统的测试方法、装置、电子设备及存储介质 |
CN112820366A (zh) * | 2020-12-23 | 2021-05-18 | 京东方科技集团股份有限公司 | 数据处理方法、装置、系统、设备和存储介质 |
WO2022179531A1 (zh) * | 2021-02-23 | 2022-09-01 | 北京三快在线科技有限公司 | 自动驾驶控制及无人设备 |
CN113641583A (zh) * | 2021-08-16 | 2021-11-12 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法、装置、电子设备、存储介质及程序产品 |
CN114141018A (zh) * | 2021-12-15 | 2022-03-04 | 阿波罗智联(北京)科技有限公司 | 用于生成测试结果的方法、装置 |
CN114141018B (zh) * | 2021-12-15 | 2023-02-28 | 阿波罗智联(北京)科技有限公司 | 用于生成测试结果的方法、装置 |
CN114077218A (zh) * | 2022-01-19 | 2022-02-22 | 浙江吉利控股集团有限公司 | 道路数据评估报告生成方法、装置、设备及存储介质 |
CN114077218B (zh) * | 2022-01-19 | 2022-04-22 | 浙江吉利控股集团有限公司 | 道路数据评估报告生成方法、装置、设备及存储介质 |
WO2023137863A1 (zh) * | 2022-01-19 | 2023-07-27 | 浙江吉利控股集团有限公司 | 道路数据评估报告生成方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112015838B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112015838B (zh) | 道路测试数据的处理方法、系统和服务器 | |
US20170364821A1 (en) | Method and system for analyzing driver behaviour based on telematics data | |
CN109408102B (zh) | 一种版本比对方法和装置、家电设备、网络设备 | |
US9235493B2 (en) | System and method for peer-based code quality analysis reporting | |
CN111814951B (zh) | 调试深度神经网络 | |
US20150143335A1 (en) | System and method for identifying, analyzing and integrating risks associated with source code | |
CN109726100A (zh) | 应用性能测试方法、装置、设备及计算机可读存储介质 | |
CN110782123B (zh) | 决策方案的匹配方法、装置、计算机设备及存储介质 | |
CN104298679A (zh) | 应用业务推荐方法及装置 | |
KR101588027B1 (ko) | 소프트웨어 현지화를 위한 테스트 케이스 생성 장치 및 방법 | |
CN111106965B (zh) | 用于复杂系统的日志智能分析方法、工具、设备及介质 | |
CN114490375B (zh) | 应用程序的性能测试方法、装置、设备及存储介质 | |
CN113268403B (zh) | 时间序列的分析预测方法、装置、设备及存储介质 | |
CN109376981B (zh) | 数据处理方式的确定方法、装置、服务器和数据处理方法 | |
CN114327983A (zh) | 一种基于日志的故障确定方法、装置、设备和介质 | |
CN113502870A (zh) | 挖掘机工况判定方法及装置 | |
CN111382183A (zh) | 一种数据查询方法及装置 | |
CN109408383A (zh) | 一种Java内存泄漏分析方法及装置 | |
CN116257663A (zh) | 面向无人地面车辆的异常检测与关联分析方法及相关设备 | |
CN111157245A (zh) | 一种轨道交通走行部轴承的监管方法及系统 | |
CN114419631A (zh) | 一种基于rpa的网管虚拟系统 | |
CN112115182A (zh) | 时序数据的处理方法、装置、设备及存储介质 | |
CN112905451A (zh) | 应用程序的自动化测试方法及装置 | |
CN115309506A (zh) | 一种应用于云服务的容器动态扩缩容方法及系统 | |
CN110955709B (zh) | 一种数据的处理方法、装置及电子设备 |
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 |