CN112233419A - 一种数据处理方法、装置、设备及存储介质 - Google Patents

一种数据处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112233419A
CN112233419A CN202011077545.4A CN202011077545A CN112233419A CN 112233419 A CN112233419 A CN 112233419A CN 202011077545 A CN202011077545 A CN 202011077545A CN 112233419 A CN112233419 A CN 112233419A
Authority
CN
China
Prior art keywords
vehicle
mode
candidate
information
cloud server
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
Application number
CN202011077545.4A
Other languages
English (en)
Other versions
CN112233419B (zh
Inventor
侯琛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202011077545.4A priority Critical patent/CN112233419B/zh
Publication of CN112233419A publication Critical patent/CN112233419A/zh
Application granted granted Critical
Publication of CN112233419B publication Critical patent/CN112233419B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00Registering or indicating the working of vehicles
    • G07C5/08Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841Registering performance data
    • G07C5/085Registering performance data using electronic data carriers
    • G07C5/0866Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video camera
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例公开了一种数据处理方法、装置、设备及存储介质,该方法适用于云计算领域,包括:云服务器在获取到车载辅助参数时,确定车载设备的第一可用模式和对应的数据处理速率;获取延时容忍度以及信息堆积量,在第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式;在获取到第一候选模式的业务置信度时,基于业务置信度、第一候选模式对应的数据处理速率、延时容忍度以及信息堆积量,在第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式;基于第二候选模式确定车载设备对应的待下发数据量,将待下发数据量发送给车载设备。采用本申请实施例,可以控制下发的数据量的合理度,以减少车载设备的信息堆积量。

Description

一种数据处理方法、装置、设备及存储介质
技术领域
本申请涉及计算机技术领域,尤其涉及一种数据处理方法、装置、设备及存储介质。
背景技术
目前当安装有车载设备的车辆在行驶过程时,该车载设备对应的云服务器可以通过路侧感知装置(例如,路边摄像头)采集该车辆的路况信息,进而可以将所采集到的路况信息下发至该车载设备。然后,由于该车载设备的资源有限,当云服务器不断地下发的路况信息到该车载设备时,势必会造成大量的路况信息被堆积的现象。比如,在路况信息的堆积已经存在的情况下,云服务器依然会无差别地向该车载设备推送自己所采集的所有路况信息,以至于随着时间的推移,车载设备中将会堆积越来越多的待处理的路况信息,进而增加了车载设备中的路况信息的堆积量。
发明内容
本申请实施例提供一种数据处理方法、装置、设备及存储介质,可以控制下发的数据量的合理度,以减少车载设备的信息堆积量。
本申请实施例一方面提供一种数据处理方法,包括:
在获取到与车载设备相关联的车载辅助参数时,从车载辅助参数中确定车载设备的第一可用模式和第一可用模式对应的数据处理速率;
获取与车载辅助参数相关联的延时容忍度以及车载设备的信息堆积量,基于延时容忍度以及信息堆积量,在第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式;
在获取到第一候选模式的业务置信度时,基于业务置信度、第一候选模式对应的数据处理速率、延时容忍度以及信息堆积量,在第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式;
基于第二候选模式确定车载设备对应的待下发数据量,将待下发数据量发送给车载设备。
本申请实施例一方面提供一种数据处理方法,包括:
将获取到的车载辅助参数以及信息堆积量发送至云服务器;车载辅助参数用于指示云服务器确定第一可用模式和第一可用模式对应的数据处理速率;信息堆积量用于指示云服务器在获取到与车载辅助参数相关联的延时容忍度时,在第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式;信息堆积量还用于指示云服务器在获取到第一候选模式的业务置信度时,基于业务置信度、第一候选模式对应的数据处理速率、延时容忍度,在第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式;
接收云服务器基于第二候选模式所确定的待下发数据量。
本申请实施例一方面提供一种数据处理装置,包括:
可用模式确定模块,用于在获取到与车载设备相关联的车载辅助参数时,从车载辅助参数中确定车载设备的第一可用模式和第一可用模式对应的数据处理速率;
第一候选模式确定模块,用于获取与车载辅助参数相关联的延时容忍度以及车载设备的信息堆积量,基于延时容忍度以及信息堆积量,在第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式;
第二候选模式确定模块,用于在获取到第一候选模式的业务置信度时,基于业务置信度、第一候选模式对应的数据处理速率、延时容忍度以及信息堆积量,在第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式;
待下发数据量确定模块,用于基于第二候选模式确定车载设备对应的待下发数据量,将待下发数据量发送给车载设备。
其中,车载辅助参数中包括安全距离、运动速度以及加速度;安全距离是由车载设备在行驶方向上所识别到的道路类型所确定;运动速度是由车载设备在行驶方向上行驶时所读取到的;加速度是由车载设备的运动速度随时间变化所得到的;第一可用模式中包括x个可用模式;x为车载设备在第一发送时间戳时所发送的可用模式的总数量;
该第一候选模式确定模块包括:
延时容忍度确定单元,用于将安全距离、运动速度以及加速度作为车载设备的车辆运动参数,基于车辆运动参数对应的延时计算规则,确定车辆运动参数对应的延时容忍度;延时容忍度用于描述车载设备在安全距离内按照运动速度行驶时的最大延时;
参考速率值确定单元,用于获取车载设备的信息堆积量,将信息堆积量以及延时容忍度之间的比值,作为车载设备对应的参考速率值;信息堆积量是由车载设备所接收到的初始路况信息的总数量和车载设备已处理的初始路况信息的数量所确定的;初始路况信息是由与车载设备相关联的路侧感知设备所获取到的初始图像帧确定的;
第一候选模式确定单元,用于从x个可用模式对应的数据处理速率中,将数据处理速率大于参考速率值的可用模式,作为满足第一业务条件的第一候选模式。
其中,x个可用模式中包括可用模式Mi;i为小于或者等于x的正整数;
该装置还包括:
历史时长获取模块,用于获取与第一发送时间戳相关联的历史时长;
发送次数统计模块,用于统计车载设备在历史时长内的第一发送次数,且在历史时长内统计可用模式Mi的第二发送次数;
第一业务置信度确定模块,用于将第二发送次数与第一发送次数之间的比值,作为可用模式Mi的业务置信度;
第二业务置信度确定模块,用于基于可用模式Mi的业务置信度,确定第一候选模式的业务置信度。
其中,第一候选模式中包括y个候选模式;y为小于或者等于x的正整数;第一候选模式包括候选模式Nj;j为小于或者等于y的正整数;
该第二候选模式确定模块包括:
第一期望数据量确定单元,用于在获取到候选模式Nj的业务置信度时,将业务置信度、候选模式Nj对应的数据处理速率以及延时容忍度之间的乘积,作为候选模式Nj的期望数据量;
第二期望数据量确定单元,用于基于候选模式Nj的期望数据量,确定y个候选模式的期望数据量;
第二候选模式确定单元,用于从y个候选模式的期望数据量中,将期望数据量大于信息堆积量的候选模式,作为满足第二业务条件的第二候选模式。
其中,第二候选模式的数量为z,z为小于或者等于y的正整数;第二候选模式包括候选模式Oh;h为小于或者等于z的正整数;
该待下发数据量确定模块包括:
待下发数据量确定单元,用于确定候选模式Oh的期望数据量与信息堆积量之间的差值,将差值确定为候选模式Oh对应的待下发数据量;
待下发数据量发送单元,用于基于候选模式Oh对应的待下发数据量,确定z个候选模式分别对应的待下发数据量,将z个候选模式分别所对应的待下发数据量发送给车载设备。
其中,该待下发数据量确定模块还包括:
待匹配速率确定单元,用于将候选模式Oh的业务置信度以及候选模式Oh的数据处理速率之间的乘积作为与候选模式Oh相关联的待下发数据量所对应的待匹配速率;
待匹配速率发送单元,用于基于与候选模式Oh相关联的待下发数据量所对应的待匹配速率,确定z个待下发数据量分别对应的待匹配速率,将z个待下发数据量分别对应的待匹配速率发送给车载设备。
其中,该装置还包括:
通知消息生成模块,用于基于每个待下发数据量以及每个待匹配速率,生成用于发送至车载设备的业务通知消息;业务通知消息用于指示车载设备在第二发送时间戳时发送所获取的关键辅助参数;第二发送时间戳为第一发送时间戳的下一发送时间戳;
目标数据量确定模块,用于在接收到关键辅助参数时,基于关键辅助参数中的第二可用模式,从每个待下发数据量以及每个待匹配速率中,确定目标信息数据量以及目标信息数据量对应的目标待匹配速率;
目标路况信息发送模块,用于将目标信息数据量对应的目标路况信息以及目标待匹配速率发送至车载设备,以使车载设备确定用于处理目标路况信息的目标模式。
其中,关键辅助参数包括车载设备对应的车辆位置信息;
该目标路况信息发送模块包括:
路侧感知设备确定单元,用于基于车辆位置信息,确定车辆位置信息对应的路侧感知设备;路侧感知设备用于采集与车辆位置信息相关联的目标图像帧;
待筛选路况信息确定单元,用于在接收到路侧感知设备所发送的目标图像帧时,将采集目标图像帧的时间戳确定为采集时间戳,且对目标图像帧进行图像识别,得到待筛选路况信息;
目标路况信息发送单元,用于从待筛选路况信息中获取目标信息数据量对应的目标路况信息,将目标路况信息以及目标待匹配速率发送至车载设备。
其中,该装置还包括:
反馈信息获取模块,用于获取车载设备接收到目标路况信息时所生成的反馈信息;反馈信息包括目标路况信息对应的分析时间戳;
路况延时确定模块,用于确定采集时间戳与分析时间戳之间的差值,得到目标路况信息对应的路况延时。
本申请一方面提供了一种计算机设备,包括:处理器、存储器、网络接口;
该处理器与存储器、网络接口相连,其中,网络接口用于提供数据通信功能,该存储器用于存储计算机程序,该处理器用于调用该计算机程序,以执行本申请实施例中上述一方面中的方法。
本申请一方面提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序包括程序指令,该程序指令当被处理器执行时,执行本申请实施例中上述一方面中的方法。
本申请一方面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一方面中的方法。
本申请实施例一方面提供一种数据处理装置,包括:
车载参数发送模块,用于将获取到的车载辅助参数以及信息堆积量发送至云服务器;车载辅助参数用于指示云服务器确定第一可用模式和第一可用模式对应的数据处理速率;信息堆积量用于指示云服务器在获取到与车载辅助参数相关联的延时容忍度时,在第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式;信息堆积量还用于指示云服务器在获取到第一候选模式的业务置信度时,基于业务置信度、第一候选模式对应的数据处理速率、延时容忍度,在第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式;
数据量接收模块,用于接收云服务器基于第二候选模式所确定的待下发数据量。
关键参数确定模块,用于将发送车载辅助参数的时间戳记为第一发送时间戳,在接收到云服务器所生成的业务通知消息时,通过定位系统确定车辆位置信息,且获取车辆位置信息对应的第二可用模式,将车辆位置信息以及第二可用模式确定为关键辅助参数;业务通知消息是由云服务器在确定出待下发数据量时所生成的;
关键参数发送模块,用于将关键辅助参数在第一发送时间戳的下一发送时间戳时发送至云服务器,将第一发送时间戳的下一发送时间戳记为第二发送时间戳;关键辅助参数用于指示云服务器从待下发数据量中,确定目标信息数据量;
路况信息接收模块,用于接收云服务器基于目标信息数据量发送的目标路况信息。
本申请一方面提供了一种计算机设备,包括:处理器、存储器、网络接口;
该处理器与存储器、网络接口相连,其中,网络接口用于提供数据通信功能,该存储器用于存储计算机程序,该处理器用于调用该计算机程序,以执行本申请实施例中上述一方面中的方法。
本申请一方面提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序包括程序指令,该程序指令当被处理器执行时,执行本申请实施例中上述一方面中的方法。
本申请一方面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一方面中的方法。
在本申请实施例中,云服务器在向车辆的车载设备推送路况信息之前,可以先获取与车载设备相关联的车载辅助参数,进而可以从该车载辅助参数中确定该车载设备的第一可用模式和该第一可用模式对应的数据处理速率。这里的第一可用模式是指车载辅助参数中处于可使用状态的工作模式。进一步地,为了保证车载设备处理路况信息的实时性,云服务器需要从该第一可用模式中筛选满足第一业务条件的第一可用模式。换言之,该云服务器还可以获取与该车载辅助参数相关联的延时容忍度以及该车载设备的信息堆积量,进而可以基于该延时容忍度以及该信息堆积量,在该第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式。应当理解,为了确保第一候选模式能够处理完信息堆积量,云服务器需要从该第一候选模式筛选满足第二业务条件的第一候选模式。换言之,云服务器在获取到该第一候选模式的业务置信度时,可以基于该业务置信度、该第一候选模式对应的数据处理速率、该延时容忍度以及该信息堆积量,在该第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式。进一步地,云服务器可以基于该第二候选模式确定该车载设备对应的待下发数据量,并将该待下发数据量发送给该车载设备。由此可见,云服务器在向车辆的车载设备推送路况信息之前,可以先获取与车载设备相关联的车载辅助参数,考虑该车载设备中的处于可使用状态的工作模式(即第一可用模式),并且可以基于第一业务条件以及第二业务条件的筛选,确定出该车载设备能够处理的待下发数据量,进而可以控制下发的数据量的合理度,以减少车载设备的信息堆积量。
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1是本申请实施例提供的一种网络架构的结构示意图;
图2是本申请实施例提供的一种进行数据交互的场景示意图;
图3是本申请实施例提供的一种数据处理方法的流程示意图;
图4是本申请实施例提供的一种车载设备与云服务器之间进行数据交互的场景示意图;
图5是本申请实施例提供的一种数据处理方法的流程示意图;
图6是本申请实施例提供的一种获取目标路况信息的场景示意图;
图7是本申请实施例提供的一种数据处理装置的结构示意图;
图8是本申请实施例提供的一种计算机设备的示意图;
图9是本申请实施例提供的一种数据处理装置的结构示意图;
图10是本申请实施例提供的一种计算机设备的示意图;
图11是本申请实施例提供的一种数据处理系统的结构示意图。
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。
请参见图1,图1是本申请实施例提供的一种网络架构的结构示意图。如图1所示,该网络架构可以包括服务器10和车辆集群。该车辆集群可以包括一个或者多个车辆,这里将不对车辆的数量进行限制。如图1所示,具体可以包括车辆100a、车辆100b、车辆100c、…、车辆100n。如图1所示,车辆100a、车辆100b、车辆100c、…、车辆100n可以分别与上述服务器10进行网络连接,以便于每个车辆可以通过该网络连接与服务器10进行数据交互。
其中,该车辆集群中的每个车辆均可以包括:私家车辆、客运车辆、货运车辆、冷链车、混凝土车辆、校车等具有数据处理功能的车辆。应当理解,如图1所示的车辆集群中的每个车辆可以安装有车载设备(例如,车机),该车载设备可以是指安装在车辆里面的车载信息娱乐产品的简称,能够使得用户与车辆以及车辆与外界之间进行通讯。其中,该车载设备中可以具备多种工作模式,不同的工作模式可以对应的不同的数据处理速率。在车辆行驶过程中,可以分别与上述图1所示的服务器10之间进行数据交互。
为便于理解,本申请实施例可以在图1所示的多个车辆中选择一个车辆作为目标车辆。例如,本申请实施例可以将图1所示的车辆100a作为目标车辆,该目标车辆中可以集成有具备该数据处理功能的车载设备。此时,该目标车辆可以通过该车载设备对应的业务数据平台与服务器10之间实现数据交互。
如图1所示,本申请实施例中的服务器10可以为该车载设备对应的服务器。该服务器10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、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。
本申请实施例提供的数据处理方法可以涉及人工智能领域中的安全驾驶等场景,属于车联网、车路协同以及智能缓堵等领域,例如,自动驾驶、半自动驾驶、安全辅助驾驶、车辆导航、车路协同产品等,可选的,本申请实施例中的数据处理方法还可以运用到应用客户端中,该应用客户端可以为独立的客户端中,例如,地图类客户端,也可以为集成在某客户端中的嵌入式子客户端(例如,小程序),在此不做限定。
可以理解的是,所谓人工智能(Artificial Intelligence,简称AI)是指利用数字计算机或者数据计算机控制的计算机设备(例如,图1所示服务器10)来进行模拟、延伸和扩展人的智能的理论、方法、技术以及应用系统的一门新的技术科学。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
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/深度学习等方向。
其中,云计算(cloud computing)是一种计算模式,它将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的,并且可以随时获取,按需使用,随时扩展,按使用付费。作为云计算的基础能力提供商,会建立云计算资源池(简称云平台,一般称为IaaS(Infrastructure as a Service,基础设施即服务)平台,在资源池中部署多种类型的虚拟资源,供外部客户选择使用。云计算资源池中主要包括:计算设备(为虚拟化机器,包括操作系统)、存储设备、网络设备。
为便于理解,进一步地,请参见图2,图2是本申请实施例提供的一种进行数据交互的场景示意图。如图2所示,本申请实施例中的车辆21可以安装有车载设备,该车辆21可以为上述图1所示的车辆集群中的任意一个车辆,例如,车辆100a。本申请实施例中的云服务器20可以为该车载设备对应的服务器,该云服务器20可以为上述图1所示的服务器10。
应当理解,该车辆21的车载设备中可以具备多种工作模式,且每种工作模式可以分别对应不同的数据处理速率。在车辆行驶过程中,车辆21对应的车载设备可以实时向云服务器20发送车载辅助参数。其中,本申请实施例可以将在车辆行驶过程中发送车载辅助参数的某一时间戳称之为第一发送时间戳,这里的车载辅助参数中可以包括处于可使用状态的工作模式(例如,第一可用模式),该第一可用模式对应的数据处理速率。
可以理解的是,在云服务器20获取到与车载设备相关联的车载辅助参数时,可以从车载辅助参数中确定车载设备的第一可用模式和第一可用模式对应的数据处理速率。如图2所示,该第一可用模式可以为模式M1,模式M2,…,以及模式Mx。其中,x可以为该车载设备在第一发送时间戳时所发送的可用模式的总数量。
进一步地,该云服务器20能够从车辆行驶的安全性角度考虑处理路况信息的延时容忍度。可以理解的是,云服务器20可以获取与车载辅助参数相关联的延时容忍度以及车载设备的信息堆积量。这里的延时容忍度可以为该车辆21的车载设备基于该车载设备所获得的安全距离、运动速度以及加速度所确定的。其中,该安全距离可以是由该车载设备在该车辆21的行驶方向上所识别到的道路类型所确定的;该运动速度可以是由该车载设备在行驶方向上行驶时所读取到的;该加速度可以是由该车载设备的运动速度随时间变化所得到的。可选的,这里的延时容忍度还可以为该云服务器20基于该车载设备所发送的车载辅助参数中的安全距离、运动速度以及加速度所确定的。
此时,为了保证路况信息处理的实时性,该云服务器20可以基于该延时容忍度以及该信息堆积量确定第一业务条件中的参考速率值。其中,这里的第一业务条件可以用于选取数据处理速率大于参考速率值的第一可用模式。进一步地,该云服务器可以在图2所示的第一可用模式中,基于该第一业务条件对第一可用模式进行筛选。其中,可以理解的是,该云服务器20筛选出不满足该第一业务条件的第一可用模式,进而可以将满足第一业务条件的第一可用模式作为第一候选模式。如图2所示,本申请实施例中的云服务器20从第一可用模式中选取的第一候选模式可以为模式N1,模式N2,…,以及模式Ny。其中,y可以为小于或者等于x的正整数。
应当理解,虽然该云服务器20能够获取到该车载设备的第一可用模式,进而也能从这些第一可用模式中挑选出满足第一业务条件的第一可用模式,但车载设备的发送第一可用模式的发送时间戳与云服务器20基于第一业务条件进行筛选的时间戳不是同一时刻,为了确保该车载设备能够在延时容忍度内处理完该车载设备的信息堆积量,该云服务器20需要基于该第一候选模式的业务置信度、第一候选模式对应的数据处理速率、所获取的延时容忍度,确定出第一候选模式的期望数据量,进而可以基于第二业务条件对第一候选模式进行筛选。其中,这里的业务置信度可以用于描述该第一候选模式处于可使用状态的概率。这里的第二业务条件可以用于选取期望数据量大于信息堆积量的第一候选模式。
可以理解的是,若在第一候选模式中,云服务器20基于第一候选模式的期望数据量以及信息堆积量,确定出第一候选模式均不满足第二业务条件,则云服务器20不能够向该车载设备发送待下发数据量。若在第一候选模式中,云服务器20基于第一候选模式的期望数据量以及信息堆积量,确定出第一候选模式满足第二业务条件,则云服务器20可以将满足第二业务条件的第一候选模式作为第二候选模式。如图2所示,本申请实施例中的云服务器20从第一候选模式中选取的第二候选模式可以为模式O1,模式O2,…,以及模式Oz。其中,z可以为小于或者等于y的正整数。
此时,云服务器20可以基于第二候选模式,确定该车载设备对应的待下发数据量,进而可以将待下发数据量发送给车载设备。应当理解,一个第二候选模式可以对应一个待下发数据量。如图2所示,模式O1对应的待下发数据量可以为数据量1,模式O2对应的待下发数据量可以为数据量2,…,模式Oz对应的待下发数据量可以为数据量z。
由此可见,本申请实施例中的云服务器20在向车辆21的车载设备下发待下发数据量时,需要考虑该车载设备的车载负担程度,即可以获取该车载设备所发送的车载辅助参数以及信息堆积量,进而可以基于第一业务条件和第二业务条件对车载辅助参数中的第一可用模式进行筛选,以确定出合理的待下发数据量,从而可以减少该车载设备的信息堆积量。
其中,云服务器在获取到与车载设备相关联的车载辅助参数以及信息堆积量时,可以确定该车载设备中处于可使用状态的工作模式,进而可以确定出能够下发至该车载设备的合理的待下发数据量的具体实现方式可以参见下述图3-图6所对应的实施例。
进一步地,请参见图3,图3是本申请实施例提供的一种数据处理方法的流程示意图。如图3所示,该方法可以由车载设备对应的计算机设备执行。例如,该计算机设备可以为云服务器,该云服务器可以为上述图1所示的服务器10。该方法至少可以包括以下步骤S101-步骤S104:
步骤S101,在获取到与车载设备相关联的车载辅助参数时,从车载辅助参数中确定车载设备的第一可用模式和第一可用模式对应的数据处理速率。
应当理解,安装车载设备的车辆可以获取与该车载设备相关联的车载辅助参数,进而可以在第一发送时间戳时将该车载辅助参数发送至云服务器。此时,该云服务器可以在获取到与该车载辅助参数时,可以从该车载辅助参数中确定处于可使用状态的工作模式。其中,本申请实施例可以将在第一发送时间戳时所发送的车载辅助参数中处于可使用状态的工作模式称之为第一可用模式。进一步地,该云服务器可以从该车载辅助参数中确定该第一可用模式对于的数据处理速率。
其中,可以理解的是,应当理解,车载设备与云服务器之间可以通过该云服务器的网关直接进行数据交互。例如,该车载设备可以通过蜂窝移动通信技术(例如,4G技术或者5G技术)将该车载辅助参数发送至该云服务器的网关,该网关可以将所接收到的车载辅助参数转发至该云服务器。可选的,车载设备与云服务器之间还可以通过车辆上的车载单元(On board Unit,简称OBU)、路边架设的路侧单元(Road Side Unit,简称RSU)以及该云服务器的网关进行数据交互。
为便于理解,请参见图4,图4是本申请实施例提供的一种车载设备与云服务器之间进行数据交互的场景示意图。如图4所示,安装有车载设备的车辆41可以为上述图1所示的车辆集群中的任意一个车辆,例如,车辆100a。本申请实施例中的云服务器40可以为该车载设备对应的云服务器,该云服务器40上述图1所示服务器10。
其中,该车载设备可以具备多种工作模式,且不同的工作模式对应不同的数据处理速率。可以理解的是,本申请实施例可以以5种工作模式为例,具体可以包括:工作模式a,工作模式b,工作模式c,工作模式d以及工作模式e。
可以理解的是,该车载设备可以确定处于可使用状态的工作模式以及对应的数据处理速率。例如,工作模式a以及速率1,工作模式b以及速率2,工作模式c以及速率3,工作模式d以及速率4。此外,车辆41中的图像采集设备(例如,该车内摄像头或者行车记录仪)可以采集该车辆41在行驶过程中的图像帧(例如,图像帧1),此时,该车载设备可以对所采集的图像帧1进行图像识别,进而可以获取该车辆1所行驶的环境信息。例如,道路类型。这里的道路类型可以是指高速公路、快速公路、普通公路等。进一步的,该车载设备可以根据所识别到的道路类型,确定该车辆的安全距离。例如,高速公路的驾驶安全距离可以是150米。此外,该车载设备还可以获取该车辆41在行驶方向上行驶时从车内表盘所读取的运动速度,进而可以根据该运动速度随时间的变化,得到该车辆41的加速度。
应当理解,该车载设备可以基于所获取到的安全距离、运动速度、加速度、处于可使用状态的工作模式以及对应的数据处理速率,确定与该车载设备相关联的车载辅助参数。进一步地,当车载设备与车载单元之间的数据连接方式为无线传输方式(例如,蓝牙或者局部网等)时,该车载设备可以通过该无线数据传输方式将该车载辅助参数发送至该车载单元。可选的,当车载设备与车载单元之间的数据连接方式为有线传输方式(例如,数据线)时,该车载设备可以通过该有线数据传输方式将该车载辅助参数发送至该车载单元。此时,该车辆41可以通过该车载单元与图4所示的路侧单元之间的数据传输方式1(例如,微波通讯方式),以使该路侧单元能够获取该车载辅助参数。进一步地,该路侧单元可以将该车载辅助参数通过数据传输方式2(例如,互联网通讯方式)发送至网关,进而可以通过该网关发送至云服务器40,以使该云服务器40可以根据该车载辅助参数,确定出能够下发至该车辆41的待下发数据量。
步骤S102,获取与车载辅助参数相关联的延时容忍度以及车载设备的信息堆积量,基于延时容忍度以及信息堆积量,在第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式。
具体地,该云服务器可以将该车辆辅助参数中所包括的安全距离、运动速度以及加速度作为该车载设备的车辆运动参数,进而可以基于该车辆运动参数对应的延时计算规则,确定车辆运动参数对应的延时容忍度。进一步地,该云服务器还可以获取该车载设备的信息堆积量,进而可以将该信息堆积量以及延时容忍度之间的比值,作为该车载设备对应的参考速率值。可以理解的是,第一可用模式中可以包括x个可用模式;这里的x可以为该车载设备在第一发送时间戳时所发送的可用模式的总数量。进一步地,该云服务器可以从x个可用模式对应的数据处理速率中,将数据处理速率大于参考速率值的可用模式,作为满足第一业务条件的第一候选模式。
其中,延时容忍度可以是由该云服务器所确定的,该延时容忍度的延时计算规则可以如下述公式(1)所示:
s=vt+0.5at2, (1)
其中,s是指该车载设备所获取到的安全距离,该安全距离可以是由车载设备在行驶方向上所识别到的道路类型所确定。v是该车载设备从车内表盘所读取到的运动速度,该运动速度可以是由车载设备在行驶方向上行驶时所读取到的。a是指该车载设备所获取到的加速度,该加速度可以是由车载设备的运动速度随时间变化所得到的。t是延时容忍度,该延时容忍度可以用于描述该车载设备在该安全距离内按照该运动速度行驶时的最大延时。
例如,该车载设备所获取到的安全距离可以为150米,运动速度可以为80公里/时,加速度可以为5公里/时,此时,根据上述公式(1)所示的延时计算规则,可以确定出该车载设备的延时容忍度为7秒。当然,由于实际过程中,车辆的速度、加速度等参数会存在动态变化,且车辆在行驶过程中会有变道、超速等情况,所以计算出的延时容忍度可以根据实际情况具有一定的误差允许范围,例如,在能见度较低、行驶车辆过多的情况下,该延时容忍度可以适当加上一定的误差阈值。
可选的,该延时容忍度还可以是由该车载设备基于所获取到的安全距离、运动速度以及加速度所确定的。应当理解,车载设备可以将所确定的延时容忍度在第一发送时间戳时发送至该云服务器,以使该云服务器可以快速确定出第一候选模式。
进一步地,为了确保信息实时性,云服务器可以获取该车载设备的信息堆积量,进而可以基于该信息堆积量以及延时容忍度,确定该车载设备应该采取的参考速率值。可以理解的是,该参考速率值q的计算方式可以如下述公式(2)所示:
q=k/t, (2)
其中,k是指该车载设备的信息堆积量,该信息堆积量可以是由车载设备所接收到的初始路况信息的总数量和该车载设备已处理的初始路况信息的数量所确定的。这里的初始路况信息可以是由与该车载设备相关联的路侧感知设备(例如,路侧摄像头、路侧雷达传感器等)所获取到的初始图像帧确定的。t是指该车载设备对应的延时容忍度。
例如,该车载设备的信息堆积量k可以为500帧,延时容忍度可以为7秒,此时,云服务器根据上述公式(2),可以确定出该车载设备的参考速率值为71帧/秒。
应当理解,云服务器在步骤S101中可以从车载辅助参数中确定第一可用模式以及该第一可用模式对应的数据处理速率。例如,该第一可用模式可以包括上述图4所对应实施例中的4个可用模式,具体可以为工作模式a、工作模式b、工作模式c以及工作模式d。其中,工作模式a对应的数据处理速率可以为速率1(例如,100帧/秒),工作模式b对应的数据处理速率可以为速率2(例如,95帧/秒),工作模式c对应的数据处理速率可以为速率3(例如,80帧/秒),工作模式d对应的数据处理速率可以为速率4(例如,60帧/秒)。
此时,云服务器可以从这4个可用模式中,将数据处理速率大于参考速率值(例如,71帧/秒)的可用模式作为满足第一业务条件的第一候选模式。例如,工作模式a、工作模式b以及工作模式c。
步骤S103,在获取到第一候选模式的业务置信度时,基于业务置信度、第一候选模式对应的数据处理速率、延时容忍度以及信息堆积量,在第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式。
其中,第一候选模式中可以包括y个候选模式。这里的y可以为小于或者等于x的正整数。该第一候选模式可以包括候选模式Nj。这里的j可以为小于或者等于y的正整数。具体地,在云服务器获取到候选模式Nj的业务置信度时,可以将业务置信度、候选模式Nj对应的数据处理速率以及延时容忍度之间的乘积,作为候选模式Nj的期望数据量。进一步地,该云服务器可以基于候选模式Nj的期望数据量,确定y个候选模式的期望数据量,进而可以从y个候选模式的期望数据量中,将期望数据量大于信息堆积量的候选模式,作为满足第二业务条件的第二候选模式。
应当理解,为了提高获取第一候选模式的业务置信度的效率,本申请实施例在执行完步骤S101,确定出车载辅助参数中第一可用模式后,可以在执行步骤S102的同时,确定该第一可用模式的业务置信度,从而可以在执行完步骤S102后,快速的从第一可用模式的业务置信度中筛选出第一候选模式的业务置信度。
其中,第一可用模式中可以包括x个可用模式,这x个可用模式中可以包括可用模式Mi。这里的i可以为小于或者等于该x的正整数。可以理解的是,云服务器可以获取与该第一发送时间戳(例如,2020年9月13日,16:40)相关联的历史时长。这里的历史时长可以为过去的一个小时或者半个小时,在此不做限定。进一步地,云服务器可以统计该车载设备在该历史时长内的第一发送次数,且在该历史时长内可以统计该可用模式Mi的第二发送次数,进而可以将该第二发送次数与该第一发送次数之间的比值,作为该可用模式Mi的业务置信度。此时,云服务器可以基于该可用模式Mi的业务置信度,确定该第一候选模式的业务置信度。
例如,第一可用模式可以包括4个可用模式,具体可以包括工作模式a,工作模式b,工作模式c以及工作模式d。云服务器可以获取与第一发送时间戳相关联的历史时长,进而可以统计该车载设备在该历史时长内的第一发送次数m(例如,50次)。进一步地,云服务器可以分别统计这4个可用模式的发送次数,进而可以确定每个可用模式的业务置信度。比如,若工作模式a的发送次数m1为45次,则该工作模式a的业务置信度p1可以为90%;若工作模式b的发送次数m2为30次,则该工作模式b的业务置信度p2可以为60%;若工作模式c的发送次数m3为49次,则该工作模式c的业务置信度p3可以为98%;若工作模式d的发送次数m4为48次,则该工作模式d的业务置信度p4可以为96%。此时,在云服务器确定出第一候选模式时,云服务器可以直接筛选为工作模式a的业务置信度p1、工作模式b的业务置信度p2以及工作模式c的业务置信度p3
可选的,云服务器还可以在执行完步骤S102获得第一候选模式(例如,工作模式a、工作模式b以及工作模式c)后,直接统计第一候选模式的发送次数,而不需要统计第一可用模式中的每个可用模式(例如,工作模式a、工作模式b、工作模式c以及工作模式d)的发送次数,进而可以确定第一候选模式的业务置信度。由此可见,云服务器直接确定第一候选模式的业务制度,可以减少不必要资源的获取,例如,云服务器可以不需要获取工作模式d在历史时长内的发送次数,从而可以有效利用云服务器的资源。其中,云服务器直接确定第一候选模式的业务置信度的具体实施方式可以参见上述云服务器确定第一可用模式的业务置信度的具体实施方式,这里将不再继续进行赘述。
应当理解,在云服务器获取到候选模式Nj的业务置信度时,可以将业务置信度、候选模式NjNj对应的数据处理速率以及延时容忍度之间的乘积,作为候选模式Nj的期望数据量,进而可以基于候选模式的期望数据量,确定y个候选模式的期望数据量。其中,候选模式Nj的期望数据量kj的计算公式可以如下述公式(3)所示:
kj=pj·qj·t, (3)
其中,pj是指候选模式Nj的业务置信度,qj是指该候选模式Nj的数据处理速率,t是指延时容忍度。
比如,第一候选模式可以包括工作模式a、工作模式b以及工作模式c。云服务器所获取的车载设备的延时容忍度t可以为7秒。若候选模式N1(例如,工作模式a)的业务置信度p1可以为90%,数据处理速率q1可以为速率1(例如,100帧/秒),则工作模式a的期望数据量k1可以为630帧;若候选模式N2(例如,工作模式b)的业务置信度p2可以为60%,数据处理速率q2可以为速率2(例如,95帧/秒),则工作模式b的期望数据量k2可以为399帧;若候选模式N3(例如,工作模式c)的业务置信度p3可以为98%,数据处理速率q3可以为速率3(例如,80帧/秒),则工作模式c的期望数据量k3可以为548帧。
此时,云服务器可以从工作模式a、工作模式b以及工作模式c这3个候选模式的期望数据量中,将期望数据量大于信息堆积量(例如,K=500)的候选模式,作为满足第二业务条件的第二候选模式。比如,若工作模式a的期望数据量k1为630帧;工作模式b的期望数据量k2为399帧;工作模式c的期望数据量k3为548帧,则云服务器所筛选的满足第二业务条件的第二候选模式可以为工作模式a以及工作模式c。
步骤S104,基于第二候选模式确定车载设备对应的待下发数据量,将待下发数据量发送给车载设备。
其中,云服务器可以所确定的第二候选模式的数量可以为z,这里的z可以为小于或者等于y的正整数。第二候选模式可以包括候选模式Oh,这里的h为小于或者等于z的正整数。具体地,云服务器可以确定候选模式Oh的期望数据量与信息堆积量之间的差值,进而可以将差值确定为候选模式Oh对应的待下发数据量。进一步地,云服务器可以基于候选模式Oh对应的待下发数据量,确定z个候选模式分别对应的待下发数据量,将z个候选模式分别所对应的待下发数据量发送给车载设备。
应当理解,云服务器执行步骤S103后所确定的第二候选模式的数量可以以2为例,具体可以包括候选模式O1(例如,工作模式a)以及候选模式O2(例如,工作模式c)。其中,该工作模式a的期望数据量k1可以为630帧;该工作模式c的期望数据量k3可以为548帧。此时,云服务器可以确定工作模式a的期望数据量k1与信息堆积量(以k=500帧为例)之间的差值1,进而可以将该差值1确定为候选模式O1对应的待下发数据量(例如,数据量1,即130帧)。与此同时,云服务器还可以确定工作模式c的期望数据量k3与信息堆积量(以k=500帧为例)之间的差值2,进而可以将该差值2确定为候选模式O2对应的待下发数据量(例如,数据量2,即48帧)。进一步地,云服务器可以将数据量1(例如,130帧)和数据量2(例如,48帧)发送至该车载设备。
由此可见,云服务器在向车载设备发送待下发数据量之前,能够考虑该车载设备的工作模式以及不同工作模式能够正常工作的概率,进而可以从统计学角度说明云服务器所确定的待下发数据量的准确率得到了提高。此外,该云服务器还能够从驾驶安全性角度考虑该车载设备的延时容忍度,进而可以基于第一业务条件以及第二业务条件,确定出合理的待下发数据量,以减少该车载设备的信息堆积量。
进一步地,请参见图5,图5是本申请实施例提供的一种数据处理方法的流程示意图。如图5所示,该方法可以由安装在车辆的车载设备以及该车载设备对应的计算机设备共同执行。例如,该车辆可以为上述图1所示车辆集群中的任意一个车辆,例如,车辆100a。该计算机设备可以为云服务器,该云服务器可以为上述图1所示的服务器10。该方法至少可以包括以下步骤S201-步骤S209:
步骤S201,车载设备在第一发送时间戳时将获取到的车载辅助参数以及信息堆积量发送至云服务器。
具体地,车辆上的车载设备可以通过车辆上的图像采集设备(例如,该车内摄像头或者行车记录仪)获取到该车辆在行驶过程中的图像帧,进而可以对该图像采集设备所采集到的图像帧进行图像识别,从而可以得到该车辆所行驶的环境信息。例如,道路类型。进一步地,该车载设备可以根据所识别到的道路类型,确定该车辆的安全距离。此外,该车载设备还可以获取该车辆在行驶方向上行驶时从车内表盘所读取的运动速度,进而可以根据该运动速度随时间的变化,得到该车辆的加速度。此时,该车载设备可以基于所获取到的安全距离、运动速度、加速度、处于可使用状态的工作模式以及对应的数据处理速率,确定与该车载设备相关联的车载辅助参数。此外,该车载设备还可以该车载设备的信息堆积量,进而可以在第一发送时间戳时将该车载辅助参数以及信息堆积量发送至云服务器。
步骤S202,云服务器在获取到与车载设备相关联的车载辅助参数时,从车载辅助参数中确定车载设备的第一可用模式和第一可用模式对应的数据处理速率。
具体地,云服务器可以在获取到与该车载辅助参数时,可以从该车载辅助参数中确定处于可使用状态的工作模式。其中,本申请实施例可以将在第一发送时间戳时所发送的车载辅助参数中处于可使用状态的工作模式称之为第一可用模式。进一步地,该云服务器可以从该车载辅助参数中确定该第一可用模式对于的数据处理速率。
步骤S203,云服务器获取与车载辅助参数相关联的延时容忍度以及车载设备的信息堆积量,基于延时容忍度以及信息堆积量,在第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式。
步骤S204,云服务器在获取到第一候选模式的业务置信度时,基于业务置信度、第一候选模式对应的数据处理速率、延时容忍度以及信息堆积量,在第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式。
其中,该步骤S201-步骤S204的具体实施方式可参见上述图3所对应实施例中对步骤S101-步骤S103的描述,这里将不再赘述。
步骤S205,云服务器基于第二候选模式确定车载设备对应的待下发数据量以及待下发数据量对应的待匹配速率。
其中,云服务器可以所确定的第二候选模式的数量可以为z,这里的z可以为小于或者等于y的正整数。第二候选模式可以包括候选模式Oh,这里的h为小于或者等于z的正整数。具体地,云服务器可以确定候选模式Oh的期望数据量与信息堆积量之间的差值,进而可以将差值确定为候选模式Oh对应的待下发数据量。进一步地,云服务器可以基于候选模式Oh对应的待下发数据量,确定z个候选模式分别对应的待下发数据量,将z个候选模式分别所对应的待下发数据量发送给车载设备。可以理解的是,云服务器还可以将候选模式Oh的业务置信度以及候选模式Oh的数据处理速率之间的乘积,作为与候选模式Oh相关联的待下发数据量所对应的待匹配速率,进而可以基于与该候选模式Oh相关联的待下发数据量所对应的待匹配速率,确定z个待下发数据量分别对应的待匹配速率,并可以将这z个待下发数据量分别对应的待匹配速率发送给该车载设备。
比如,若候选模式O1(例如,工作模式a)的业务置信度(例如,业务置信度p1)可以为90%,候选模式O1对应的数据处理速率(例如,工作模式a对应的数据处理速率q1)可以为速率1(例如,100帧/秒),则该云服务器可以将业务置信度p1与数据处理速率q1之间的乘积作为与该候选模式O1的待下发数据量(例如,数据量1)所对应的待匹配速率(例如,待匹配速率1,即90帧/秒)。若候选模式O2(例如,工作模式c)的业务置信度(例如,业务置信度p3)可以为98%,候选模式O2对应的数据处理速率(例如,工作模式c对应的数据处理速率q3)可以为速率3(例如,80帧/秒),则该云服务器可以将业务置信度p3与数据处理速率q3之间的乘积作为与该候选模式O2的待下发数据量(例如,数据量2)所对应的待匹配速率(例如,待匹配速率2,即78.4帧/秒)。
步骤S206,云服务器基于每个待下发数据量以及每个待匹配速率,生成用于发送至车载设备的业务通知消息。
具体地,云服务器可以基于每个待下发数据量以及每个待匹配速率,生成用于发送至车载设备的业务通知消息。其中,该业务通知消息可以用于指示车载设备在第二发送时间戳时发送所获取的关键辅助参数;第二发送时间戳为第一发送时间戳的下一发送时间戳。
应当理解,云服务器在执行完步骤S205时所获取到的待下发数据量可以而数据量1和数据量2。其中,该数据量1可以为130帧,且数据量1对应的待匹配速率1可以为90帧/秒。该数据量2可以为48帧,且该数据量2对应的待匹配速率2可以为78.4帧/秒。此时,云服务器可以基于每个待下发数据量以及每个待匹配速率,生成用于发送至车载设备的业务通知消息。例如,该业务通知消息可以为“本车辆能够接收的路况信息可以为130帧或者48帧,其中,130帧数据量所采用的工作模式的速率不能低于90帧/秒,130帧数据量所采用的工作模式的速率不能低于78.4帧/秒。”
步骤S207,车载设备在接收到云服务器所生成的业务通知消息时,将所获取到的关键辅助参数在第二发送时间戳时发送至云服务器。
具体地,车辆上所安装的车载设备可以将发送该车载辅助参数的时间戳记为第一发送时间戳,在接收到该云服务器所生成的业务通知消息时,通过该车辆上的定位系统,可以确定该车辆当前的车辆位置信息。与此同时,该车载设备还可以获取该车辆位置信息对应的第二可用模式(即处于可使用状态的工作模式)。进一步地,该车载设备可以将该车辆位置信息以及该第二可用模式确定为关键辅助参数,进而可以将该关键辅助参数在该第一发送时间戳的下一发送时间戳时发送至该云服务器,且将该第一发送时间戳的下一发送时间戳记为第二发送时间戳。其中,该关键辅助参数可以用于指示该云服务器从该待下发数据量中,确定目标信息数据量。
比如,该车载设备所确定的第二可用模式可以为工作模式a、工作模式b、以及工作模式e。其中,工作模式a对应的数据处理速率可以为速率1(例如,100帧/秒),工作模式b对应的数据处理速率可以为速率2(例如,95帧/秒),工作模式e对应的数据处理速率可以为速率5(例如,50帧/秒)。此时,车载设备可以将工作模式a、工作模式b、以及工作模式e以及车辆位置信息在第二发送时间戳时发送至该云服务器。
步骤S208,云服务器在接收到关键辅助参数时,从每个待下发数据量以及每个待匹配速率中,确定目标信息数据量以及目标信息数据量对应的目标待匹配速率。
具体地,云服务器在接收到关键辅助参数时,可以获取与该关键辅助参数中的车辆位置信息相关联的第一业务策略。其中,该第一业务策略可以用于指示云服务器确定目标信息数据量。进一步地,云服务器可以基于该第一业务策略以及关键辅助参数中的第二可用模式,从每个待下发数据量以及每个待匹配速率中,确定目标信息数据量以及目标信息数据量对应的目标待匹配速率。
为便于理解,进一步地,请参见表1,表1是本申请实施例提供的一种与云服务器相关联的业务策略表。
表1
业务策略名称 业务策略内容
业务策略10 在高速公路上优先选取最小待下发数据量
业务策略11 在快速公路上优先选取较大待下发数据量
业务策略12 在普通公路上优先选取最大待下发数据量
其中,如上述表1所示,业务策略10的业务策略内容可以为“在高速公路上优先选取最小待下发数据量”,业务策略11的业务策略内容可以为“在快速公路上优先选取较大待下发数据量”,业务策略12的业务策略内容可以为“在普通公路上优先选取最大待下发数据量”。当然,表1所示的业务策略表还可以为其他形式,在此不做限定。
比如,当云服务器基于关键辅助参数中的车辆位置信息确定出该车辆处于高速公路时,云服务器可以在表1中选取业务策略1作为第一业务策略。进一步地,云服务器可以基于该第一业务策略和关键辅助参数中所确定的第二可用模式(例如,工作模式a、工作模式b、以及工作模式e),从每个待下发数据量以及每个待匹配速率中,综合确定下发至该车辆中的目标信息数据量可以为48帧,且该目标信息数据量对应的目标待匹配速率可以为78.4帧/秒。
步骤S209,云服务器将目标信息数据量对应的目标路况信息以及目标待匹配速率发送至车载设备,以使车载设备确定用于处理目标路况信息的目标模式。
具体地,云服务器可以基于该车辆位置信息,确定该车辆位置信息对应的路侧感知设备。其中,该路侧感知设备可以用于采集与该车辆位置信息相关联的目标图像帧。在接收到该路侧感知设备所发送的该目标图像帧时,该云服务器可以将采集该目标图像帧的时间戳确定为采集时间戳,且对该目标图像帧进行图像识别,得到待筛选路况信息。进一步地,云服务器可以从该待筛选路况信息中获取该目标信息数据量对应的目标路况信息,进而可以将该目标路况信息以及该目标待匹配速率发送至该车载设备。其中,目标路况信息可以包括:道路宽度、车道数量、车道弯度、坡度、粘度、能见度、其他车辆的行驶状态(如车速、加速度、行驶方向、车型)、道路标志等。此时,该车载设备可以获取与该关键辅助参数中的车辆位置信息相关联的第二业务策略。其中,该第二业务策略可以用于指示车载设备确定用于处理目标路况信息对应的目标模式。
为便于理解,进一步地,请参见图6,图6是本申请实施例提供的一种获取目标路况信息的场景示意图。如图6所示,本申请实施例中的车辆61可以安装有车载设备,该车辆61可以为上述图1所示的车辆集群中的任意一个车辆,例如,车辆100a。图6所示的云服务器60可以为该车载设备对应的云服务器,该云服务器可以为上述图1所示的服务器10。
如图6所示,本申请实施例中的云服务器60可以为道路管理方所在的中心机房,图6所示的专网/互联网可以是指该道路管理方所对应的私有网。应当理解,云服务器60可以基于车辆61中的车载设备所发送的关键辅助参数中的车辆位置信息,确定该车辆位置信息对应的路侧感知设备(例如,图6所示的路侧感知设备600)。其中,该路侧感知设备600可以用于采集与该车辆位置信息相关联的目标图像帧。
在接收到该路侧感知设备600所发送的该目标图像帧时,该云服务器60可以将采集该目标图像帧的时间戳确定为采集时间戳,且对该目标图像帧进行图像识别,得到待筛选路况信息。进一步地,云服务器60可以从该待筛选路况信息中获取该目标信息数据量对应的目标路况信息,进而可以将该目标路况信息以及该目标待匹配速率发送至该车辆61的车载设备。
为便于理解,进一步地,请参见表2,表2是本申请实施例提供的一种与车载设备相关联的业务策略表。
表2
业务策略名称 业务策略内容
业务策略20 在高速公路上优先选取最大数据处理速率对应的工作模式
业务策略21 在快速公路上优先选取较大数据处理速率对应的工作模式
业务策略22 在普通公路上优先选取最小数据处理速率对应的工作模式
其中,如上述表2所示,业务策略20的业务策略内容可以为“在高速公路上优先选取最大数据处理速率对应的工作模式”,业务策略21的业务策略内容可以为“在快速公路上优先选取较大数据处理速率对应的工作模式”,业务策略12的业务策略内容可以为“在普通公路上优先选取最小数据处理速率对应的工作模式”。当然,表2所示的业务策略表还可以为其他形式,在此不做限定。
比如,当云服务器基于关键辅助参数中的车辆位置信息确定出该车辆处于高速公路时,云服务器可以在表2中选取业务策略1作为第二业务策略。进一步地,云服务器可以基于该第二业务策略、目标信息数量(例如,48帧)以及该目标信息数据量对应的目标待匹配速率(例如,78.4帧/秒),从关键辅助参数中所确定的第二可用模式(例如,工作模式a、工作模式b、以及工作模式e),中,综合确定用于处理目标路况信息对应的目标模式。其中,工作模式a对应的数据处理速率可以为速率1(例如,100帧/秒),工作模式b对应的数据处理速率可以为速率2(例如,95帧/秒),工作模式e对应的数据处理速率可以为速率5(例如,50帧/秒)。因此,该车载设备可以基于第二业务策略,确定出工作模式a为用于处理目标路况信息对应的目标模式。
应当理解,本申请实施例中的路况延时可以由云服务器所确定。可以理解的是,车载设备在接收到该目标路况信息时可以生成反馈信息。其中,该反馈信息可以用于通知云服务器目标路况信息的处理情况。该反馈信息还可以包括该目标路况信息对应的分析时间戳。此时,该车载设备可以将反馈信息发送至云服务器,此时,云服务器可以确定该目标路况信息的采集时间戳与该分析时间戳之间的差值,从而可以得到该目标路况信息对应的路况延时。
其中,路况延时T的计算公式可以如下述公式(4)所示:
Figure BDA0002718020150000251
其中,g可以是指目标信息数据量,t0是指目标路况信息f的采集时间戳,tf是指目标路况信息f的分析时间戳。
比如,云服务器所确定的目标信息数据量可以以5个为例,即目标信息数据量对应的目标路况信息可以为路况信息1,路况信息2,路况信息3,路况信息4以及路况信息5。其中,目标路况信息中的每个路况信息的采集时间戳均可以为时间戳t0。云服务器可以从车载设备所发送的反馈信息中,获取路况信息1的分析时间戳为时间戳t1,路况信息2的分析时间戳为时间戳t2,路况信息3的分析时间戳为时间戳t3,路况信息4的分析时间戳为时间戳t4,路况信息5的分析时间戳为时间戳t5。此时,目标路况信息对应的路况延时可以根据上述公式(4)计算得到。
可选的,本申请实施例中的路况延时还可以由车载设备所确定。应当理解,云服务器在下发目标信息数据量对应的目标路况信息时,可以携带该目标路况信息的采集时间戳。进一步地,该车载设备在接收到该目标路况信息后,可以对该目标路况信息进行分析,进而可以将分析出目标路况信息的时间戳记为分析时间戳。此时,该车载设备可以基于该采集时间戳、分析时间戳,通过上述公式(4)确定该目标路况信息对应的路况延时。
应当理解,本申请实施例在模拟器中进行了多次实验,统计了每次实验的路况信息对应的路况延时,从而可以有效体现出本申请实施例能够提高路况信息数据处理的实时性,进而可以使得该车载设备能够根据所下发的目标路况信息快速得到预警信息,以提高车辆行驶的安全性。进一步地,请参见表3,表3是本申请实施例提供的一种实验结果对比表。
表3
实验级序 本申请确定的路况延时 现有技术确定的路况延时
第一级实验 290ms 680ms
第二级实验 305ms 675ms
第三级实验 297ms 687ms
第四级实验 299ms 669ms
第五级实验 301ms 681ms
第六级实验 303ms 693ms
第七级实验 295ms 675ms
第八级实验 289ms 659ms
第九级实验 303ms 693ms
第十级实验 300ms 690ms
如上述表3所示,本申请实施例以10次实验为例,可以明显对比出本申请实施例中的数据处理方法所得到的路况延时比现有技术所得到的路况延时的时长短,进而能够确定本申请实施例中的数据处理方法所得到的目标路况信息的实时性有所提高。
进一步地,请参见图7,图7是本申请实施例提供的一种数据处理装置的结构示意图。该数据处理装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如,该数据处理装置为一个应用软件;该数据处理装置可以用于执行本申请实施例提供的方法中的相应步骤。如图7所示,该数据处理装置1可以运行于云服务器,该云服务器可以为上述图2所对应实施例中的云服务器20。该数据处理装置1可以包括:可用模式确定模块71,第一候选模式确定模块72,第二候选模式确定模块73,待下发数据量确定模块74,历史时长获取模块75,发送次数统计模块76,第一业务置信度确定模块77,第二业务置信度确定模块78,通知消息生成模块79,目标数据量确定模块80,目标路况信息发送模块81,反馈信息获取模块82以及路况延时确定模块83。
该可用模式确定模块71,用于在获取到与车载设备相关联的车载辅助参数时,从车载辅助参数中确定车载设备的第一可用模式和第一可用模式对应的数据处理速率;
该第一候选模式确定模块72,用于获取与车载辅助参数相关联的延时容忍度以及车载设备的信息堆积量,基于延时容忍度以及信息堆积量,在第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式。
其中,车载辅助参数中包括安全距离、运动速度以及加速度;安全距离是由车载设备在行驶方向上所识别到的道路类型所确定;运动速度是由车载设备在行驶方向上行驶时所读取到的;加速度是由车载设备的运动速度随时间变化所得到的;第一可用模式中包括x个可用模式;x为车载设备在第一发送时间戳时所发送的可用模式的总数量;
该第一候选模式确定模块72包括:延时容忍度确定单元721,参考速率值确定单元722以及第一候选模式确定单元723。
该延时容忍度确定单元721,用于将安全距离、运动速度以及加速度作为车载设备的车辆运动参数,基于车辆运动参数对应的延时计算规则,确定车辆运动参数对应的延时容忍度;延时容忍度用于描述车载设备在安全距离内按照运动速度行驶时的最大延时;
该参考速率值确定单元722,用于获取车载设备的信息堆积量,将信息堆积量以及延时容忍度之间的比值,作为车载设备对应的参考速率值;信息堆积量是由车载设备所接收到的初始路况信息的总数量和车载设备已处理的初始路况信息的数量所确定的;初始路况信息是由与车载设备相关联的路侧感知设备所获取到的初始图像帧确定的;
该第一候选模式确定单元723,用于从x个可用模式对应的数据处理速率中,将数据处理速率大于参考速率值的可用模式,作为满足第一业务条件的第一候选模式。
其中,该延时容忍度确定单元721,参考速率值确定单元722以及第一候选模式确定单元723的具体实现方式可以参见上述图3所对应实施例中对步骤S102的描述,这里将不再继续进行赘述。
该第二候选模式确定模块73,用于在获取到第一候选模式的业务置信度时,基于业务置信度、第一候选模式对应的数据处理速率、延时容忍度以及信息堆积量,在第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式。
其中,第一候选模式中包括y个候选模式;y为小于或者等于x的正整数;第一候选模式包括候选模式Nj;j为小于或者等于y的正整数;
该第二候选模式确定模块73包括:第一期望数据量确定单元731,第二期望数据量确定单元732以及第二候选模式确定单元733。
该第一期望数据量确定单元731,用于在获取到候选模式Nj的业务置信度时,将业务置信度、候选模式Nj对应的数据处理速率以及延时容忍度之间的乘积,作为候选模式Nj的期望数据量;
该第二期望数据量确定单元732,用于基于候选模式Nj的期望数据量,确定y个候选模式的期望数据量;
该第二候选模式确定单元733,用于从y个候选模式的期望数据量中,将期望数据量大于信息堆积量的候选模式,作为满足第二业务条件的第二候选模式。
其中,该第一期望数据量确定单元731,第二期望数据量确定单元732以及第二候选模式确定单元733的具体实现方式可以参见上述图3所对应实施例中对步骤S103的描述,这里将不再继续进行赘述。
该待下发数据量确定模块74,用于基于第二候选模式确定车载设备对应的待下发数据量,将待下发数据量发送给车载设备。
其中,第二候选模式的数量为z,z为小于或者等于y的正整数;第二候选模式包括候选模式Oh;h为小于或者等于z的正整数;
该待下发数据量确定模块74包括:待下发数据量确定单元741,待下发数据量发送单元742,待匹配速率确定单元743以及待匹配速率发送单元744。
该待下发数据量确定单元741,用于确定候选模式Oh的期望数据量与信息堆积量之间的差值,将差值确定为候选模式Oh对应的待下发数据量;
该待下发数据量发送单元742,用于基于候选模式Oh对应的待下发数据量,确定z个候选模式分别对应的待下发数据量,将z个候选模式分别所对应的待下发数据量发送给车载设备。
该待匹配速率确定单元743,用于将候选模式Oh的业务置信度以及候选模式Oh的数据处理速率之间的乘积作为与候选模式Oh相关联的待下发数据量所对应的待匹配速率;
该待匹配速率发送单元744,用于基于与候选模式Oh相关联的待下发数据量所对应的待匹配速率,确定z个待下发数据量分别对应的待匹配速率,将z个待下发数据量分别对应的待匹配速率发送给车载设备。
其中,该待下发数据量确定单元741,待下发数据量发送单元742,待匹配速率确定单元743以及待匹配速率发送单元744的具体实现方式可以参见上述图5所对应实施例中对步骤S205-步骤S206的描述,这里将不再继续进行赘述。
其中,x个可用模式中包括可用模式Mi;i为小于或者等于x的正整数;
该历史时长获取模块75,用于获取与第一发送时间戳相关联的历史时长;
该发送次数统计模块76,用于统计车载设备在历史时长内的第一发送次数,且在历史时长内统计可用模式Mi的第二发送次数;
该第一业务置信度确定模块77,用于将第二发送次数与第一发送次数之间的比值,作为可用模式Mi的业务置信度;
该第二业务置信度确定模块78,用于基于可用模式Mi的业务置信度,确定第一候选模式的业务置信度。
该通知消息生成模块79,用于基于每个待下发数据量以及每个待匹配速率,生成用于发送至车载设备的业务通知消息;业务通知消息用于指示车载设备在第二发送时间戳时发送所获取的关键辅助参数;第二发送时间戳为第一发送时间戳的下一发送时间戳;
该目标数据量确定模块80,用于在接收到关键辅助参数时,基于关键辅助参数中的第二可用模式,从每个待下发数据量以及每个待匹配速率中,确定目标信息数据量以及目标信息数据量对应的目标待匹配速率;
该目标路况信息发送模块81,用于将目标信息数据量对应的目标路况信息以及目标待匹配速率发送至车载设备,以使车载设备确定用于处理目标路况信息的目标模式。
其中,关键辅助参数包括车载设备对应的车辆位置信息;
该目标路况信息发送模块81包括:路侧感知设备确定单元811,待筛选路况信息确定单元812以及目标路况信息发送单元813。
该路侧感知设备确定单元811,用于基于车辆位置信息,确定车辆位置信息对应的路侧感知设备;路侧感知设备用于采集与车辆位置信息相关联的目标图像帧;
该待筛选路况信息确定单元812,用于在接收到路侧感知设备所发送的目标图像帧时,将采集目标图像帧的时间戳确定为采集时间戳,且对目标图像帧进行图像识别,得到待筛选路况信息;
该目标路况信息发送单元813,用于从待筛选路况信息中获取目标信息数据量对应的目标路况信息,将目标路况信息以及目标待匹配速率发送至车载设备。
其中,该路侧感知设备确定单元811,待筛选路况信息确定单元812以及目标路况信息发送单元813的具体实现方式可以参见上述图5所对应实施例中对步骤S209的描述,这里将不再继续进行赘述。
该反馈信息获取模块82,用于获取车载设备接收到目标路况信息时所生成的反馈信息;反馈信息包括目标路况信息对应的分析时间戳;
该路况延时确定模块83,用于确定采集时间戳与分析时间戳之间的差值,得到目标路况信息对应的路况延时。
其中,该可用模式确定模块71,第一候选模式确定模块72,第二候选模式确定模块73,待下发数据量确定模块74,历史时长获取模块75,发送次数统计模块76,第一业务置信度确定模块77,第二业务置信度确定模块78,通知消息生成模块79,目标数据量确定模块80,目标路况信息发送模块81,反馈信息获取模块82以及路况延时确定模块83的具体实现方式可以参见上述图5所对应实施例中对步骤S201-步骤S209的描述,这里将不再继续进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
进一步地,请参见图8,图8是本申请实施例提供的一种计算机设备的示意图。如图8所示,该计算机设备1000可以为上述图2对应实施例中的云服务器20,该计算机设备1000可以包括:至少一个处理器1001,例如CPU,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,用户接口1003可以包括显示屏(Display)、键盘(Keyboard),网络接口1004可选地可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1005可选地还可以是至少一个位于远离前述处理器1001的存储装置。如图8所示,作为一种计算机存储介质的存储器1005可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图8所示的计算机设备1000中,网络接口1004主要用于与图2所示的车辆21的车载设备进行网络通信;而用户接口1003主要用于为用户提供输入的接口;而处理器1001可以用于调用存储器1005中存储的设备控制应用程序,以实现:
在获取到与车载设备相关联的车载辅助参数时,从车载辅助参数中确定车载设备的第一可用模式和第一可用模式对应的数据处理速率;
获取与车载辅助参数相关联的延时容忍度以及车载设备的信息堆积量,基于延时容忍度以及信息堆积量,在第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式;
在获取到第一候选模式的业务置信度时,基于业务置信度、第一候选模式对应的数据处理速率、延时容忍度以及信息堆积量,在第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式;
基于第二候选模式确定车载设备对应的待下发数据量,将待下发数据量发送给车载设备。
应当理解,本申请实施例中所描述的计算机设备1000可执行前文图3和图5所对应实施例中对该数据处理方法的描述,也可执行前文图7所对应实施例中对该数据处理装置1的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
此外,这里需要指出的是:本申请实施例还提供了一种计算机可读存储介质,且该计算机可读存储介质中存储有前文提及的数据处理装置1所执行的计算机程序,且该计算机程序包括程序指令,当该处理器执行该程序指令时,能够执行前文图3或者图5所对应实施例中对该数据处理方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。作为示例,程序指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行,分布在多个地点且通过通信网络互连的多个计算设备可以组成区块链系统。
本申请一方面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,使得该计算机设备可执行前文图3或者图5所对应实施例中对数据处理方法的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
进一步地,请参见图9,图9是本申请实施例提供的一种数据处理装置的结构示意图。该数据处理装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如,该数据处理装置为一个应用软件;该数据处理装置可以用于执行本申请实施例提供的方法中的相应步骤。如图9所示,该数据处理装置2可以运行于车载设备,该车载设备可以为上述图2所对应实施例中的车辆21所安装的车载设备。该数据处理装置2可以包括:车载参数发送模块100,数据量接收模块200,关键参数确定模块300,关键参数发送模块400以及路况信息接收模块500。
该车载参数发送模块100,用于将获取到的车载辅助参数以及信息堆积量发送至云服务器;车载辅助参数用于指示云服务器确定第一可用模式和第一可用模式对应的数据处理速率;信息堆积量用于指示云服务器在获取到与车载辅助参数相关联的延时容忍度时,在第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式;信息堆积量还用于指示云服务器在获取到第一候选模式的业务置信度时,基于业务置信度、第一候选模式对应的数据处理速率、延时容忍度,在第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式;
该数据量接收模块200,用于接收云服务器基于第二候选模式所确定的待下发数据量。
该关键参数确定模块300,用于将发送车载辅助参数的时间戳记为第一发送时间戳,在接收到云服务器所生成的业务通知消息时,通过定位系统确定车辆位置信息,且获取车辆位置信息对应的第二可用模式,将车辆位置信息以及第二可用模式确定为关键辅助参数;业务通知消息是由云服务器在确定出待下发数据量时所生成的;
该关键参数发送模块400,用于将关键辅助参数在第一发送时间戳的下一发送时间戳时发送至云服务器,将第一发送时间戳的下一发送时间戳记为第二发送时间戳;关键辅助参数用于指示云服务器从待下发数据量中,确定目标信息数据量;
该路况信息接收模块500,用于接收云服务器基于目标信息数据量发送的目标路况信息。
其中,该车载参数发送模块100,数据量接收模块200,关键参数确定模块300,关键参数发送模块400以及路况信息接收模块500的具体实现方式可以参见上述图5所对应实施例中对步骤S201-步骤S209的描述,这里将不再继续进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
进一步地,请参见图10,图10是本申请实施例提供的一种计算机设备的示意图。如图10所示,该计算机设备3000可以为上述图2对应实施例中的车辆21所安装的车载设备,该计算机设备3000可以包括:至少一个处理器3001,例如CPU,至少一个网络接口3004,用户接口3003,存储器3005,至少一个通信总线3002。其中,通信总线3002用于实现这些组件之间的连接通信。其中,用户接口3003可以包括显示屏(Display)、键盘(Keyboard),网络接口3004可选地可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器3005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储3005可选地还可以是至少一个位于远离前述处理器3001的存储装置。如图10所示,作为一种计算机存储介质的存储器3005可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图10所示的计算机设备3000中,网络接口3004主要用于与图2所示的云服务器20进行网络通信;而用户接口3003主要用于为用户提供输入的接口;而处理器3001可以用于调用存储器3005中存储的设备控制应用程序,以实现:
将获取到的车载辅助参数以及信息堆积量发送至云服务器;车载辅助参数用于指示云服务器确定第一可用模式和第一可用模式对应的数据处理速率;信息堆积量用于指示云服务器在获取到与车载辅助参数相关联的延时容忍度时,在第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式;信息堆积量还用于指示云服务器在获取到第一候选模式的业务置信度时,基于业务置信度、第一候选模式对应的数据处理速率、延时容忍度,在第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式;
接收云服务器基于第二候选模式所确定的待下发数据量。
应当理解,本申请实施例中所描述的计算机设备3000可执行前文图5所对应实施例中对该数据处理方法的描述,也可执行前文图9所对应实施例中对该数据处理装置2的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
此外,这里需要指出的是:本申请实施例还提供了一种计算机可读存储介质,且该计算机可读存储介质中存储有前文提及的数据处理装置2所执行的计算机程序,且该计算机程序包括程序指令,当该处理器执行该程序指令时,能够执行前文图5所对应实施例中对该数据处理方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。作为示例,程序指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行,分布在多个地点且通过通信网络互连的多个计算设备可以组成区块链系统。
本申请一方面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,使得该计算机设备可执行前文图3或者图5所对应实施例中对数据处理方法的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
进一步的,请参见图11,图11是本申请实施例提供的一种数据处理系统的结构示意图。该数据处理系统3可以包括数据处理装置1a和数据处理装置2a。其中,数据处理装置1a可以为上述图7所对应实施例中的数据处理装置1,可以理解的是,该数据处理装置1a可以集成在上述图2所对应实施例中的云服务器20,因此,这里将不再进行赘述。其中,数据处理装置2a可以为上述图9所对应实施例中的数据处理装置2,可以理解的是,该数据处理装置2a可以集成在上述图2所对应实施例中的车辆21中的车载设备,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的数据处理系统实施例中未披露的技术细节,请参照本申请方法实施例的描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。

Claims (15)

1.一种数据处理方法,其特征在于,包括:
在获取到与车载设备相关联的车载辅助参数时,从所述车载辅助参数中确定所述车载设备的第一可用模式和所述第一可用模式对应的数据处理速率;
获取与所述车载辅助参数相关联的延时容忍度以及所述车载设备的信息堆积量,基于所述延时容忍度以及所述信息堆积量,在所述第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式;
在获取到所述第一候选模式的业务置信度时,基于所述业务置信度、所述第一候选模式对应的数据处理速率、所述延时容忍度以及所述信息堆积量,在所述第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式;
基于所述第二候选模式确定所述车载设备对应的待下发数据量,将所述待下发数据量发送给所述车载设备。
2.根据权利要求1所述的方法,其特征在于,所述车载辅助参数中包括安全距离、运动速度以及加速度;所述安全距离是由所述车载设备在行驶方向上所识别到的道路类型所确定;所述运动速度是由所述车载设备在所述行驶方向上行驶时所读取到的;所述加速度是由所述车载设备的所述运动速度随时间变化所得到的;所述第一可用模式中包括x个可用模式;所述x为所述车载设备在第一发送时间戳时所发送的可用模式的总数量;
所述获取与所述车载辅助参数相关联的延时容忍度以及所述车载设备的信息堆积量,基于所述延时容忍度以及所述信息堆积量,在所述第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式,包括:
将所述安全距离、所述运动速度以及所述加速度作为所述车载设备的车辆运动参数,基于所述车辆运动参数对应的延时计算规则,确定所述车辆运动参数对应的延时容忍度;所述延时容忍度用于描述所述车载设备在所述安全距离内按照所述运动速度行驶时的最大延时;
获取所述车载设备的信息堆积量,将所述信息堆积量以及所述延时容忍度之间的比值,作为所述车载设备对应的参考速率值;所述信息堆积量是由所述车载设备所接收到的初始路况信息的总数量和所述车载设备已处理的初始路况信息的数量所确定的;所述初始路况信息是由与所述车载设备相关联的路侧感知设备所获取到的初始图像帧确定的;
从所述x个可用模式对应的数据处理速率中,将数据处理速率大于所述参考速率值的可用模式,作为满足第一业务条件的第一候选模式。
3.根据权利要求2所述的方法,其特征在于,所述x个可用模式中包括可用模式Mi;所述i为小于或者等于所述x的正整数;
所述方法还包括:
获取与所述第一发送时间戳相关联的历史时长;
统计所述车载设备在所述历史时长内的第一发送次数,且在所述历史时长内统计所述可用模式Mi的第二发送次数;
将所述第二发送次数与所述第一发送次数之间的比值,作为所述可用模式Mi的业务置信度;
基于所述可用模式Mi的业务置信度,确定所述第一候选模式的业务置信度。
4.根据权利要求2所述的方法,其特征在于,所述第一候选模式中包括y个候选模式;所述y为小于或者等于所述x的正整数;所述第一候选模式包括候选模式Nj;所述j为小于或者等于y的正整数;
在获取到所述第一候选模式的业务置信度时,基于所述业务置信度、所述第一候选模式对应的数据处理速率、所述延时容忍度以及所述信息堆积量,在所述第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式,包括:
在获取到所述候选模式Nj的业务置信度时,将所述业务置信度、所述候选模式Nj对应的数据处理速率以及所述延时容忍度之间的乘积,作为所述候选模式Nj的期望数据量;
基于所述候选模式Nj的期望数据量,确定所述y个候选模式的期望数据量;
从所述y个候选模式的期望数据量中,将期望数据量大于所述信息堆积量的候选模式,作为满足第二业务条件的第二候选模式。
5.根据权利要求4所述的方法,其特征在于,所述第二候选模式的数量为z,所述z为小于或者等于y的正整数;所述第二候选模式包括候选模式Oh;所述h为小于或者等于所述z的正整数;
所述基于所述第二候选模式确定所述车载设备对应的待下发数据量,将所述待下发数据量发送给所述车载设备,包括:
确定所述候选模式Oh的期望数据量与所述信息堆积量之间的差值,将所述差值确定为所述候选模式Oh对应的待下发数据量;
基于所述候选模式Oh对应的待下发数据量,确定所述z个候选模式分别对应的待下发数据量,将所述z个候选模式分别所对应的待下发数据量发送给所述车载设备。
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:
将所述候选模式Oh的业务置信度以及所述候选模式Oh的数据处理速率之间的乘积作为与所述候选模式Oh相关联的待下发数据量所对应的待匹配速率;
基于与所述候选模式Oh相关联的待下发数据量所对应的待匹配速率,确定z个待下发数据量分别对应的待匹配速率,将所述z个待下发数据量分别对应的待匹配速率发送给所述车载设备。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
基于每个所述待下发数据量以及每个所述待匹配速率,生成用于发送至所述车载设备的业务通知消息;所述业务通知消息用于指示所述车载设备在第二发送时间戳时发送所获取的关键辅助参数;所述第二发送时间戳为所述第一发送时间戳的下一发送时间戳;
在接收到所述关键辅助参数时,基于所述关键辅助参数中的第二可用模式,从每个所述待下发数据量以及每个所述待匹配速率中,确定目标信息数据量以及目标信息数据量对应的目标待匹配速率;
将所述目标信息数据量对应的目标路况信息以及所述目标待匹配速率发送至所述车载设备,以使所述车载设备确定用于处理所述目标路况信息的目标模式。
8.根据权利要求7所述的方法,其特征在于,所述关键辅助参数包括所述车载设备对应的车辆位置信息;
将所述目标信息数据量对应的目标路况信息以及所述目标待匹配速率发送至所述车载设备,包括:
基于所述车辆位置信息,确定所述车辆位置信息对应的路侧感知设备;所述路侧感知设备用于采集与所述车辆位置信息相关联的目标图像帧;
在接收到所述路侧感知设备所发送的所述目标图像帧时,将采集所述目标图像帧的时间戳确定为采集时间戳,且对所述目标图像帧进行图像识别,得到待筛选路况信息;
从所述待筛选路况信息中获取所述目标信息数据量对应的目标路况信息,将所述目标路况信息以及所述目标待匹配速率发送至所述车载设备。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
获取所述车载设备接收到所述目标路况信息时所生成的反馈信息;所述反馈信息包括所述目标路况信息对应的分析时间戳;
确定所述采集时间戳与所述分析时间戳之间的差值,得到所述目标路况信息对应的路况延时。
10.一种数据处理方法,其特征在于,包括:
将获取到的车载辅助参数以及信息堆积量发送至云服务器;所述车载辅助参数用于指示所述云服务器确定第一可用模式和所述第一可用模式对应的数据处理速率;所述信息堆积量用于指示所述云服务器在获取到与所述车载辅助参数相关联的延时容忍度时,在所述第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式;所述信息堆积量还用于指示所述云服务器在获取到所述第一候选模式的业务置信度时,基于所述业务置信度、所述第一候选模式对应的数据处理速率、所述延时容忍度,在所述第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式;
接收所述云服务器基于所述第二候选模式所确定的待下发数据量。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
将发送所述车载辅助参数的时间戳记为第一发送时间戳,在接收到所述云服务器所生成的业务通知消息时,通过定位系统确定车辆位置信息,且获取所述车辆位置信息对应的第二可用模式,将所述车辆位置信息以及所述第二可用模式确定为关键辅助参数;所述业务通知消息是由所述云服务器在确定出所述待下发数据量时所生成的;
将所述关键辅助参数在所述第一发送时间戳的下一发送时间戳时发送至所述云服务器,将所述第一发送时间戳的下一发送时间戳记为第二发送时间戳;所述关键辅助参数用于指示所述云服务器从所述待下发数据量中,确定目标信息数据量;
接收所述云服务器基于所述目标信息数据量发送的目标路况信息。
12.一种数据处理装置,其特征在于,包括:
可用模式确定模块,用于在获取到与车载设备相关联的车载辅助参数时,从所述车载辅助参数中确定所述车载设备的第一可用模式和所述第一可用模式对应的数据处理速率;
第一候选模式确定模块,用于获取与所述车载辅助参数相关联的延时容忍度以及所述车载设备的信息堆积量,基于所述延时容忍度以及所述信息堆积量,在所述第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式;
第二候选模式确定模块,用于在获取到所述第一候选模式的业务置信度时,基于所述业务置信度、所述第一候选模式对应的数据处理速率、所述延时容忍度以及所述信息堆积量,在所述第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式;
待下发数据量确定模块,用于基于所述第二候选模式确定所述车载设备对应的待下发数据量,将所述待下发数据量发送给所述车载设备。
13.一种数据处理装置,其特征在于,包括:
车载参数发送模块,用于将获取到的车载辅助参数以及信息堆积量发送至云服务器;所述车载辅助参数用于指示所述云服务器确定第一可用模式和所述第一可用模式对应的数据处理速率;所述信息堆积量用于指示所述云服务器在获取到与所述车载辅助参数相关联的延时容忍度时,在所述第一可用模式中将满足第一业务条件的第一可用模式作为第一候选模式;所述信息堆积量还用于指示所述云服务器在获取到所述第一候选模式的业务置信度时,基于所述业务置信度、所述第一候选模式对应的数据处理速率、所述延时容忍度,在所述第一候选模式中将满足第二业务条件的第一候选模式作为第二候选模式;
数据量接收模块,用于接收所述云服务器基于所述第二候选模式所确定的待下发数据量。
14.一种计算机设备,其特征在于,包括:处理器、存储器、网络接口;
所述处理器与存储器、网络接口相连,其中,网络接口用于提供数据通信功能,所述存储器用于存储计算机程序,所述处理器用于调用所述计算机程序,以执行权利要求1-11任一项所述的方法。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时,执行权利要求1-11任一项所述的方法。
CN202011077545.4A 2020-10-10 2020-10-10 一种数据处理方法、装置、设备及存储介质 Active CN112233419B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011077545.4A CN112233419B (zh) 2020-10-10 2020-10-10 一种数据处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011077545.4A CN112233419B (zh) 2020-10-10 2020-10-10 一种数据处理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112233419A true CN112233419A (zh) 2021-01-15
CN112233419B CN112233419B (zh) 2023-08-25

Family

ID=74111874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011077545.4A Active CN112233419B (zh) 2020-10-10 2020-10-10 一种数据处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112233419B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862404A (zh) * 2021-02-24 2021-05-28 招商局国际信息技术有限公司 港口作业自动化管理方法、装置、设备及介质
CN113559497A (zh) * 2021-09-24 2021-10-29 腾讯科技(深圳)有限公司 一种数据处理方法、装置、设备以及可读存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106874361A (zh) * 2016-12-29 2017-06-20 财付通支付科技有限公司 应用于海关申报的数据处理方法和装置
CN108683613A (zh) * 2018-05-10 2018-10-19 Oppo广东移动通信有限公司 一种资源调度的方法、装置及计算机存储介质
CN110248256A (zh) * 2019-06-25 2019-09-17 腾讯科技(深圳)有限公司 数据的处理方法及装置、存储介质和电子装置
CN110390739A (zh) * 2019-07-24 2019-10-29 浙江吉利汽车研究院有限公司 一种车辆数据处理方法及车辆数据处理系统
CN110599080A (zh) * 2019-08-05 2019-12-20 江苏苏宁物流有限公司 业务数据分发处理方法、装置、计算机设备和存储介质
CN111090502A (zh) * 2018-10-24 2020-05-01 阿里巴巴集团控股有限公司 一种流数据任务调度方法和装置
CN111710158A (zh) * 2020-05-28 2020-09-25 深圳市元征科技股份有限公司 一种车辆数据处理方法及相关设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106874361A (zh) * 2016-12-29 2017-06-20 财付通支付科技有限公司 应用于海关申报的数据处理方法和装置
CN108683613A (zh) * 2018-05-10 2018-10-19 Oppo广东移动通信有限公司 一种资源调度的方法、装置及计算机存储介质
CN111090502A (zh) * 2018-10-24 2020-05-01 阿里巴巴集团控股有限公司 一种流数据任务调度方法和装置
CN110248256A (zh) * 2019-06-25 2019-09-17 腾讯科技(深圳)有限公司 数据的处理方法及装置、存储介质和电子装置
CN110390739A (zh) * 2019-07-24 2019-10-29 浙江吉利汽车研究院有限公司 一种车辆数据处理方法及车辆数据处理系统
CN110599080A (zh) * 2019-08-05 2019-12-20 江苏苏宁物流有限公司 业务数据分发处理方法、装置、计算机设备和存储介质
CN111710158A (zh) * 2020-05-28 2020-09-25 深圳市元征科技股份有限公司 一种车辆数据处理方法及相关设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王雪;施岩龙;袁家斌;: "雷达预警系统多目标轨迹预测的并行处理方法", 小型微型计算机系统, no. 04 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862404A (zh) * 2021-02-24 2021-05-28 招商局国际信息技术有限公司 港口作业自动化管理方法、装置、设备及介质
CN112862404B (zh) * 2021-02-24 2023-09-05 招商局国际科技有限公司 港口作业自动化管理方法、装置、设备及介质
CN113559497A (zh) * 2021-09-24 2021-10-29 腾讯科技(深圳)有限公司 一种数据处理方法、装置、设备以及可读存储介质

Also Published As

Publication number Publication date
CN112233419B (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
CN104851295B (zh) 获取路况信息的方法和系统
CN112839320B (zh) 交通信息的传输方法、装置、存储介质和电子设备
CN104424812B (zh) 一种公交到站时间预测系统和方法
US11042159B2 (en) Systems and methods for prioritizing data processing
WO2018141403A1 (en) System, device and method for managing traffic in a geographical location
CN109584567A (zh) 基于车路协同的交通管理方法
CN113808389A (zh) 车路协同系统、边缘计算单元、中心云平台及信息处理方法
CN112233419A (zh) 一种数据处理方法、装置、设备及存储介质
CN105788280A (zh) 一种基于车联网的智慧城市车辆自动追踪系统
US20220324467A1 (en) Driving safety systems
KR20160073056A (ko) 차량간 통신을 이용한 교통 상황정보 제공장치 및 그 방법
CN111091222A (zh) 人流量预测方法、装置及系统
CN111951548A (zh) 一种车辆驾驶风险确定方法、装置、系统及介质
CN109979211A (zh) 车联网系统、交通规划方法、装置、雾计算设备及介质
DE112022000476T5 (de) Gemeinsame optimierung von fahrzeugmobilität, datenübertragungsnetzwerken und datenverarbeitungsressourcen
CN108470451A (zh) 一种基于大数据的智能交通系统
CN116758746A (zh) 高速公路数据收集及共享方法和平台
CN114495505B (zh) 拥堵路段通过时长的预测方法、装置、介质及服务器
CN112504291B (zh) 一种车辆导航的方法及装置
CN113269339A (zh) 一种网约车任务自动创建和分发的方法及系统
CN106781470B (zh) 城市道路的运行速度的处理方法及装置
CN113240917A (zh) 一种将深度神经网络应用于智慧交通的交通管理系统
GB2586485A (en) Lane information system and method
KR102332939B1 (ko) 실시간 교통 정보 제공 방법, 시스템 및 디바이스
CN112887916B (zh) 一种定位方法、装置以及便携式定位器

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