CN113302614A - 数据管理方法、装置和终端设备 - Google Patents

数据管理方法、装置和终端设备 Download PDF

Info

Publication number
CN113302614A
CN113302614A CN202180001489.2A CN202180001489A CN113302614A CN 113302614 A CN113302614 A CN 113302614A CN 202180001489 A CN202180001489 A CN 202180001489A CN 113302614 A CN113302614 A CN 113302614A
Authority
CN
China
Prior art keywords
data
event
vehicle
volatile memory
accident
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
CN202180001489.2A
Other languages
English (en)
Other versions
CN113302614B (zh
Inventor
罗达新
高鲁涛
马莎
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies 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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Publication of CN113302614A publication Critical patent/CN113302614A/zh
Application granted granted Critical
Publication of CN113302614B publication Critical patent/CN113302614B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/70—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer
    • G06F21/78—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer to assure secure storage of data

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种数据管理方法、装置和终端设备，能够对任何规模的数据进行有效管理，避免出现易失性存储器中存储的数据丢失的情况，而且尤其适用于对数据管理实时性要求较高的场景，还可以延长易失性存储器的运行寿命。数据管理方法包括：先控制将包含与车辆可能发生的事件相关的目标数据存储到易失性存储器，然后直接或者间接控制将与车辆可能发生的事件相关的目标数据存储到非易失性存储器中。

Description

数据管理方法、装置和终端设备
技术领域
本申请涉及存储技术领域，并且更具体地，涉及存储技术领域中的数据管理方法、装置和终端设备。
背景技术
随着交通路况的日益复杂，智能运输设备(如车辆(vehicles))发生事故的概率也越来越大。车辆在发生事故前后一定时间区间内的行驶数据，如传感器数据、车辆状态数据和车辆动力学数据等，对于事故原因分析、事故现场还原和事故责任评定都有着至关重要的作用。
然而，在车辆发生上述事件的情况下，可能会出现数据(如车辆的行驶数据)丢失的情况。数据的丢失会对后续的事故原因分析、事故现场还原和事故责任评定不利。因此，亟需提供一种能够进行数据有效管理的技术方案。
发明内容
本申请实施例提供一种数据管理方法和装置，能够对数据进行有效管理，且尽可能避免由于出现车辆发生事故、车辆故障或者接管事故等事件导致的数据丢失的情况。
第一方面，本发明实施例提供一种数据管理方法，包括：控制将第一参考数据存储到易失性存储器，第一参考数据包含与第一事件相关的目标数据；控制将来自易失性存储器的与第一事件相关的目标数据存储到非易失性存储器。
与通过事故数据记录器实现数据管理的技术方案以及通过持续保存且持续擦除的方式实现行驶数据管理的技术方案相比，本申请实施例提供的数据管理方法能够对数据进行有效管理，且可以最大程度的避免出现数据丢失的情况。
在一种可能的实现方式中，控制将来自易失性存储器的与第一事件相关的目标数据存储到非易失性存储器，包括：向易失性存储器发送指示信息，指示信息用于指示将与第一事件相关的目标数据传输到非易失性存储器中；或者，获取来自易失性存储器的与第一事件相关的目标数据，并发送与第一事件相关的目标数据到非易失性存储器中。
上述控制将来自易失性存储器的与第一事件相关的目标数据存储到非易失性存储器的两种方式，可以对任何规模的行驶数据(即对行驶数据的数据量无限制)实现管理，且对行驶数据存储的实时性无要求(也就是说，不仅能够适用于对存储实时性要求不高的场景，还可以适用于对存储实时性要求高的场景)。且本申请实施例无需对非易失性存储器进行多次擦除等，能够延长非易失性存储器的运行寿命。
在一种可能的实现方式中，第一参考数据包括感知数据、定位数据、地图数据和无线通信技术数据中的至少一项。
本申请实施例可以将感知数据、定位数据、地图数据和无线通信技术数据等数据都存储到易失性存储器，能够提高行驶数据管理的可靠性。
示例的，感知数据可以通过设置在车辆上的摄像头camera、气象雷达、雷达radar、超声波雷达或者激光雷达lidar等感知设备中的一个或多个获取。定位数据可以通过设置在车辆上的全球定位系统对车辆进行定位得到。地图数据可以为通过摄像头camera拍摄的道路结构、标识牌、信号灯、建筑物和绿化带等数据。无线通信技术数据可以是通过车辆上安装的通信模块获得的车辆(如车辆A)与另一车辆(如车辆B)、车辆A与路边设施、车辆A与通信卫星等传输数据。
由上述介绍可知，第一参考数据RD1中的感知数据、定位数据、地图数据和无线通信技术数据等的获取方式较简单，进而使本申请实施例提供的数据管理方法易于实现。
在一种可能的实现方式中，上述第一方面提供的数据管理方法还包括：通过事件预测模型和第一参考数据，获取第一参考结果，第一参考结果用于指示基于第一参考数据得到的第一事件的发生概率。
在一种可能的实现方式中，上述第一方面提供的数据管理方法还包括：通过第一参考数据和辅助数据，获取第二参考结果，第二参考结果用于指示基于第一参考数据和辅助数据得到的第一事件的发生概率，辅助数据包括终端所处的场景类别和/或历史事件统计数据，场景类别包括高速场景、城区场景、山区场景和极端天气场景中的至少一项，历史事件统计数据包括历史发生的至少一次事件和发生至少一次事件中的每次事件时的参考数据。
由于第一参考结果指示基于第一参考数据得到的第一事件的发生概率，第二参考结果用于指示基于第一参考数据和辅助数据得到的第一事件的发生概率，所以可以认为本申请实施例是通过预测的手段得到第一参考结果和第二参考结果的。进而根据第一事件的发生概率确定是否需要控制将来自易失性存储器的与第一事件相关的目标数据存储到非易失性存储器，能够尽可能避免出现在车辆出现/发生第一事件导致行驶数据丢失的情况。
而且，上述辅助数据中的场景类别可以为单一的场景，也可以为不同场景的组合，因此，通过包含各种场景类别的辅助数据进一步提高第二参考结果的准确性。
基于第一方面，在一种可能的实现方式中，与第一事件相关的目标数据对应第一事件的类型和预先定义的数据信息。
由于第一事件的类型和与第一事件相关的目标数据之间存在映射关系，所以基于第一事件的类型得到的与第一事件相关的目标数据准确性较高。
示例的，第一事件的类型包括追尾事故、超车事故、会车事故、行人事故、非机动车事故、车辆故障和接管事故中的至少一项。
上述第一事件E1的类型不仅考虑了车辆发生的交通事故(即追尾事故、超车事故、会车事故、行人事故和非机动车事故)，且考虑了车辆本身出现故障以及车辆接管事故，也就是第一事件的类型基本涵盖了车辆可能发生/出现的所有事件，因此，本申请实施例提供的数据管理方法能够适用于所有因为车辆可能发生/出现的事件而需要对行驶数据进行存储的场景，应用范围广泛。
示例的，数据信息包括数据类型和时间区间。数据类型包括传感器数据、终端状态数据和终端动力学数据中的至少一项，时间区间为第一时间节点和第二时间节点之间的时间区间。
需要说明的是，第一时间节点为以下各项中的任一项：发生第一事件前的时间节点、发生第一事件中的时间节点和发生第一事件后的时间节点，第二时间节点为以下各项中的任一项：发生第一事件前的时间节点、发生第一事件中的时间节点和发生第一事件后的时间节点。
可以理解的，只要车辆处于第一事件E1的发生过程(为一个时间区间(如5秒)，由车辆发生第一事件E1的起始时刻t1和结束时刻t2决定)，就可以认为是发生第一事件E1中。进而，发生第一事件E1前就表征车辆发生第一事件E1的起始时刻t1之前，发生第一事件E1后就表征车辆发生第一事件E1的结束时刻t2之后。
本申请实施例根据第一时间节点T1和第二时间节点T2确定的时间区间涵盖了所有可能产生行驶数据的时刻，进而，可以通过不同的需求，有针对性的对相应时间区间的行驶数据进行存储。
在一种可能的实现方式中，传感器数据包括以下各项中的一项或者多项：终端周围的至少一个目标的位置、至少一个目标的速度、至少一个目标的体积、气象数据、光照数据、摄像头数据或者雷达数据。
其中，目标的位置、目标的速度、目标的体积、气象数据、光照数据或雷达数据中的一项或者多项可以通过车辆上设置的雷达radar、超声波雷达或者激光雷达lidar中的一项或者多项探测到。摄像头数据(如信号灯、标识牌、目标的类型(可以是非机动车、绿化带等)和目标的位置等)可以通过设置在车辆上的摄像头camera(如前置摄像头)获取。
上述所有传感器数据均可以通过设置在车上的传感器设备(如上述的雷达radar、超声波雷达和激光雷达lidar等)获取，也就是传感器数据的获取过程较便捷，提高了数据信息中准确性，进一步提高了与第一事件E1相关的目标数据TD1的准确性。
在另一种可能的实现方式中，终端状态数据包括以下各项中的一项或者多项：终端的行驶速度、行驶加速度、加速踏板开度、制动踏板开度、转向盘角度、转向扭矩或者灯光状态。
其中，灯光状态可以包括车辆处于照明状态(即车辆的灯(如前照灯)处于打开状态)，或者车辆处于非照明状态(即车辆的灯(如前照灯)处于关闭状态)。
上述终端状态数据为车辆自身的数据，获取过程也比较便捷，同样可以提高数据信息中准确性，进而提高与第一事件E1相关的目标数据TD1的准确性。
在另一种可能的实现方式中，终端动力学数据包括终端的质量信息和/或制动延迟参数。
其中，车辆的质量信息表征车辆的重量，车辆的制动延迟参数用于表征驾驶员踩下制动踏板的时刻到车辆开始减速的时刻之间的时间区间，可以为数毫秒，或者数秒。
在一种可能的实现方式中，第一方面提供的数据管理方法还包括：确定发生第二事件；控制将来自于易失性存储器的与第二事件相关的目标数据从易失性存储器存储到非易失性存储器中；
其中，第二事件与第一事件不同，第一参考数据还包含与第二事件相关的目标数据。第二事件的类型包括追尾事故、超车事故、会车事故、行人事故、非机动车事故、车辆故障和接管事故中的至少一项。
需要说明的是，由于第一事件与第二事件不同，所以与第一事件相关的目标数据可以和与第二事件相关的目标数据不同。但是，又由于第一事件可以是前文介绍的第一事件的类型中不同类型的组合，第一事件也可以是前文介绍的第一事件的类型中不同类型的组合，所以与第一事件相关的目标数据和与第二事件相关的目标数据也可以部分相同。
还需要说明的是，如果上述的第二事件为车辆发生交通事故(例如追尾事故、超车事故、会车事故、行人事故、非机动车事故中的任一项)、车辆本身产生故障和车辆发生接管事故以外的其他事件，本申请实施例无需将来自于易失性存储器的与第二事件相关的目标数据从易失性存储器存储到非易失性存储器中。
在一种可能的实现方式中，第一方面提供的数据管理方法还包括：对与第一事件相关的目标数据进行第一处理，第一处理包括加锁、加密、打时间戳和压缩中的至少一项。
在一种可能的实现方式中，若在预设的时长内未发生第一事件，第一方面提供的数据管理方法还包括：对与第一事件相关的目标数据进行第二处理，第二处理包括解锁、解密和/或擦除。
第二方面，本申请实施例提供了一种数据管理装置。该数据管理装置包括处理器。处理器用于：控制将第一参考数据存储到易失性存储器，第一参考数据包含与第一事件相关的目标数据；控制将来自易失性存储器的与第一事件相关的目标数据存储到非易失性存储器。
在一种可能的实现方式中，处理器用于：
向易失性存储器发送指示信息，指示信息用于指示将与第一事件相关的目标数据传输到非易失性存储器中；或者，
获取来自易失性存储器的与第一事件相关的目标数据，并发送与第一事件相关的目标数据到非易失性存储器中。
在一种可能的实现方式中，第一参考数据包括感知数据、定位数据、地图数据和无线通信技术数据中的至少一项。
在一种可能的实现方式中，处理器还用于：通过事件预测模型和第一参考数据，获取第一参考结果，第一参考结果用于指示基于第一参考数据得到的第一事件的发生概率。
在一种可能的实现方式中，处理器还用于：通过第一参考数据和辅助数据，获取第二参考结果，第二参考结果用于指示基于第一参考数据得到的第一事件的发生概率，辅助数据包括终端所处的场景类别和/或历史事件统计数据，场景类别包括高速场景、城区场景、山区场景和极端天气场景中的至少一项，历史事件统计数据包括历史发生的至少一次事件和发生至少一次事件中的每次事件时的参考数据。
在一种可能的实现方式中，与第一事件相关的目标数据对应第一事件的类型和预先定义的数据信息；其中，第一事件的类型包括追尾事故、超车事故、会车事故、行人事故、非机动车事故、车辆故障和接管事故中的至少一项，数据信息包括数据类型和时间区间，数据类型包括传感器数据、终端状态数据和终端动力学数据中的至少一项，时间区间为第一时间节点和第二时间节点之间的时间区间；其中，第一时间节点为以下各项中的任一项：发生第一事件前的时间节点、发生第一事件中的时间节点和发生第一事件后的时间节点，第二时间节点为以下各项中的任一项：发生第一事件前的时间节点、发生第一事件中的时间节点和发生第一事件后的时间节点。
在一种可能的实现方式中，传感器数据包括以下各项中的一项或多项：终端周围的至少一个目标的位置、至少一个目标的速度、至少一个目标的体积、气象数据、摄像头数据或者雷达数据。
终端状态数据包括以下各项中的一项或多项：终端的行驶速度、行驶加速度、加速踏板开度、制动踏板开度、转向盘角度、转向扭矩或者灯光状态。
终端动力学数据包括终端的质量信息和/或制动延迟参数。
在一种可能的实现方式中，处理器还用于：确定发生第二事件，第二事件与第一事件不同，第一参考数据还包含与第二事件相关的目标数据；控制将来自于易失性存储器的与第二事件相关的目标数据从易失性存储器存储到非易失性存储器中。
其中，第二事件的类型包括追尾事故、超车事故、会车事故、行人事故、非机动车事故、车辆故障和接管事故中的至少一项。
在一种可能的实现方式中，处理器还用于：对与第一事件相关的目标数据进行第一处理，第一处理包括加锁、加密、打时间戳和压缩中的至少一项。
在一种可能的实现方式中，若在预设的第一时长内未发生第一事件，处理器还用于：对与第一事件相关的目标数据进行第二处理，第二处理包括解锁、解密和/或擦除。
第三方面，本申请实施例提供了一种数据管理装置，包括接口电路和上述第二方面中的处理器，接口电路与处理器耦合。
在一种可能的实现方式中，接口电路用于连接非易失性存储器或者易失性存储器中的至少一个。
第四方面，本申请实施例提供了一种终端设备，包括上述第二方面提供的数据管理装置，或者包括上述第三方面提供的数据管理装置。
在一种可能的实现方式中，终端设备为智能运输设备或机器人。
第五方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，当指令在计算机上运行时，用于执行上述第一方面及其可能的实现方式中的方法。
第六方面，本申请实施例提供了一种计算机程序产品，计算机程序产品中包含指令，当指令在计算机或处理器上运行时，使得计算机或处理器实现上述第一方面及其可能的实现方式中的方法。
应当理解的是，本申请的第二方面至第五方面与本申请的第一方面的技术方案一致，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。
附图说明
图1是本申请实施例中数据管理方法的一种流程示意图；
图2是本申请实施例中数据信息的时间区间的一种示意图；
图3是本申请实施例中数据信息的时间区间的一种示意图；
图4是本申请实施例中数据信息的时间区间的一种示意图；
图5是本申请实施例中数据信息的时间区间的一种示意图；
图6是本申请实施例中数据信息的时间区间的一种示意图；
图7是本申请实施例中数据信息的时间区间的一种示意图；
图8是本申请实施例中得到第一参考结果RR1的一种流程示意图；
图9是本申请实施例中得到第二参考结果RR2的一种流程示意图；
图10是本申请实施例中过程1000的一种流程示意图；
图11是本申请实施例中过程1100的一种流程示意图；
图12是本申请实施例中数据管理装置120的一种结构示意图；
图13是本申请实施例中处理器121通过方式1实现对与第一事件E1相关的目标数据TD1的存储的一种流程示意图；
图14是本申请实施例中处理器121通过方式2实现对与第一事件E1相关的目标数据TD1的存储的一种流程示意图；
图15是本申请实施例中数据管理装置150的一种结构示意图；
图16是本申请实施例中数据管理装置150与存储器的一种连接示意图；
图17是本申请实施例中数据管理装置150与存储器的另一种连接示意图。
具体实施方式
下面将结合附图，对本申请中的技术方案进行描述。
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书实施例和权利要求书及附图中的术语“第一”、“第二”等仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元。方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
随着科技的飞速发展和交通路况的日益复杂，智能运输设备(如车辆(vehicles))发生事故的概率也越来越大。车辆在发生事故前后一定时间区间内的行驶数据，如传感器数据、车辆状态数据和车辆动力学数据等，对于事故原因分析、事故现场还原和事故责任评定都有着至关重要的作用。现有的车辆大多使用易失性存储器作为缓存器实时存入车辆在发生事故前后一定时间区间内的行驶数据。
然而，在车辆发生交通事故、车辆本身出现故障(如车辆的轮胎因长时间未更换而出现爆胎)或者车辆发生接管事故(如驾驶员未及时接管产生的事故)等事件情况下，可能会出现由于系统掉电或故障而导致易失性存储器中存储的行驶数据丢失的情况。一旦遇到易失性存储器中存储的行驶数据丢失的情况，则会对后续的事故原因分析、事故现场还原和事故责任评定很不利。
为了避免数据丢失，存储行驶数据的系统(可以称之为数据管理系统)要求行驶数据被存储在外部存储器(可以是闪存(即flash存储器)或者固态硬盘(solid state disk，SSD)等非易失性存储器)中。
在一种可能的实现方式中，可以通过事故数据记录器(event data recorder，EDR，事故数据记录器往往集成于车辆上安全气囊控制单元的软件模块中)实现行驶数据的存储。
进一步地，可以通过事故数据记录器中的易失性存储器记录车辆在发生时间前后一定时间区间内的行驶数据。但是，车辆发生事件时，易失性存储器和事故数据记录器非易失性存储器都比较容易出现掉电、接口松动或停止工作的情况。而且，由易失性存储器和非易失性存储器的存储特性可知，在系统掉电或者故障而导致易失性存储器停止工作时，存储在易失性存储器中的行驶数据就会丢失。而在系统掉电或故障而导致非易失性存储器停止工作时，存储在非易失性存储器中的行驶数据不会丢失(也就是说，行驶数据在系统掉电或者停止工作后数据依然存储在该非易失性存储器中)。另外，在对非易失性存储器重新供电后，可继续对存储在非易失性存储器中的行驶数据进行读写操作。非易失性存储器还具有容量大、成本低等优点，可以实现较大规模行驶数据(即形式数据的数据量较大，例如，可以是车辆发生事件前30秒内的所有行驶数据)的存储。
于是，当车辆发生事件时，可以将易失性存储器存储的行驶数据存储至非易失性存储器，在一定程度上避免行驶数据的丢失。
但是，当需要存储大规模行驶数据时，由于非易失性存储器的写入带宽有限，需要较长的传输时间才能把所有的行驶数据存储到非易失性存储器中。需要说明的是，当车辆发生轻微的事件(如轻微的交通事故)时，对于供电和传输的稳定性都比较高的车辆，可以满足较长的传输时间的要求。但是，一旦车辆发生严重的事件(如严重的交通事故)，由于高温高压等环境条件，数据管理系统就会遭到破坏。即使对于供电和传输的稳定性都比较高的车辆，也很难满足较长的传输时间的要求。因此，行驶数据不能全部存储至非易失性存储器，也就是说，没有将全部行驶数据及时存储至非易失性存储器中，导致部分行驶数据丢失。
因此，上述通过事故数据记录器实现数据管理的技术方案往往适用于小规模行驶数据(即行驶数据的数据量较小)，且对存储实时性要求不高的场景。
为了解决上述通过事故数据记录器实现数据管理的技术方案存在的技术问题，本申请实施例还可以通过持续保存且持续擦除的方式实现行驶数据的管理。但是，由于行驶数据的产生速率较高(例如，行驶数据的产生速率可以为740MB/s)，进而在一定时间区间内产生的行驶数据的规模也较大。因此需要较大容量的非易失性存储器，或者多个小容量的非易失性存储器才能实现所有行驶数据的保存。这样就会导致非易失性存储器的带宽长时间被占用，且非易失性存储器在编解码过程中会占用计算资源。同时，受行驶数据写入次数和擦除次数的影响，非易失性存储器的运行寿命会大大缩短。
为了解决上述两种技术方案(即通过事故数据记录器实现数据管理的技术方案，以及通过持续保存且持续擦除的方式实现行驶数据管理的技术方案)存在的技术问题，本申请实施例提供了一种数据管理方法，能够对数据进行有效管理，且可以最大程度的避免出现数据丢失的情况。
需要说明的是，上述数据管理方法可以通过终端设备(如车辆)实现，或者通过电子芯片实现，还可以通过其他具有数据管理功能的介质实现，本申请实施例对实现方式不作限定。
下面，以车辆为例，介绍本申请实施例提供的数据管理方法。数据管理方法的流程示意图如图1所示，过程100可以通过以下步骤S101和步骤S102实现。
步骤S101：控制将第一参考数据RD1存储到易失性存储器。
在一种可能的实现方式中，第一参考数据RD1可以包括感知数据、定位数据、地图数据和无线通信技术(vehicle to everything，V2X)数据中的一项或者多项。当然，第一参考数据RD1还可以包括其他数据，本申请实施例对此不作限定。
可以理解的，可以控制将上述感知数据、定位数据、地图数据和无线通信技术数据中的任一项或者多项存储到易失性存储器。为了提高行驶数据管理的可靠性，可以将感知数据、定位数据、地图数据和无线通信技术V2X数据等数据都存储到易失性存储器。
示例的，感知数据可以通过设置在车辆上的摄像头camera、雷达radar、超声波雷达或者激光雷达lidar等感知设备中的一个或多个获取。
例如，可以通过摄像头camera拍摄到车辆周围是否存在目标。
需要说明的是，车辆周围的目标可以是一个，也可以是多个。另外，目标可以是移动的目标，如行驶中的车辆、行驶中的非机动车、正在行走的行人等。目标还可以是静止的目标，如位于车辆所行驶道路的路边的建筑物、树木，或者停放在路边的非机动车或者车辆等。
由于通过摄像头camera可以确定车辆周围的一个或多个目标，且目标可以是移动的或者静止的，所以本申请实施例提供的数据管理方法能够适用于车辆发生的所有交通事故(如，车辆与目标相撞而导致的交通事故，或者车辆为了躲避目标而发生的交通事故等)。
又例如，可以通过气象雷达获取车辆所处环境的气象数据和光照数据。其中，气象数据可以是降雨强度、降雪强度、云量、云底高度等，光照数据可以是光照强度。
再例如，可以通过雷达radar、超声波雷达和激光雷达lidar中的一项或者多项(可以仅通过雷达radar，或者仅通过超声波雷达，又或者仅通过激光雷达lidar，还可以同时通过雷达radar和激光雷达lidar，又可以同时通过雷达radar、超声波雷达和激光雷达lidar)探测车辆周围的至少一个目标的位置(可以包括至少一个目标的位置以及目标与车辆之间的距离)和至少一个目标的体积。
需要说明的是，当目标与车辆的距离小于预先设定的距离(例如，可以设定数米，数十米等)时，才可以将目标认为是车辆周围的目标。
可以理解的，还可以通过雷达radar和/或激光雷达获取车辆的行驶速度、车辆周围的目标的速度等，进而得到车辆的行驶加速度。当车辆周围的目标为移动的目标时，还可以通过激光雷达或雷达radar获取该移动的目标的移动速度。
示例的，定位数据可以通过设置在车辆上的全球定位系统(global positioningsystem，GPS)对车辆进行定位，或者对车辆周围的目标进行定位。通过全球定位系统GPS可以定位到车辆的位置，即得到车辆所在的经度、维度、海拔等，还可以定位到车辆周围的目标的位置，即得到目标所在的经度、维度、海拔等。
可以理解的，如果车辆周围存在多个目标，可以通过全球定位系统GPS对多个目标所在的经度、维度、海拔等进行定位。
还可以理解的，由于车辆周围的目标为雷达radar、超声波雷达或者激光雷达lidar中的一项或多项可以探测到的目标，所以通过全球定位系统GPS定位得到的车辆海拔与车辆周围的目标海拔基本相同，通过全球定位系统GPS得到的车辆的经度和维度与车辆周围的目标经度和维度可以相同，也可以不同。例如，当全球定位系统GPS得到的车辆的经度和维度与车辆周围的目标的经度和维度相同时，可以确定车辆与目标相撞的概率很大(如果目标是行驶中的车辆，车辆与目标发生的第一事件E1可以为会车事故)。当全球定位系统GPS得到的车辆的经度和维度与车辆周围的目标的经度和维度不同时，可以确定车辆存在与目标相撞的概率，且概率较小。此处的概率可以根据车辆与目标的距离确定，车辆与目标的距离越远，车辆与目标相撞的概率就较小，相反，车辆与目标的距离越近，车辆与目标相撞的概率就较大。
示例的，地图数据可以为通过摄像头camera拍摄的道路结构、标识牌、信号灯、建筑物和绿化带等数据。
示例的，无线通信技术数据可以是通过车辆上安装的通信模块获得的车辆(如车辆A)与另一车辆(如车辆B)、车辆A与通信卫星等传输数据。
由上述介绍可知，第一参考数据RD1中的感知数据、定位数据、地图数据和无线通信技术数据等的获取方式较简单，进而使本申请实施例提供的数据管理方法易于实现。
在一种可能的实现方式中，由于第一参考数据RD1用于预测车辆发生第一事件E1的概率，所以第一参考数据RD1可以包含与第一事件RD1相关的目标数据TD1。因此，与第一事件RD1相关的目标数据TD1可以是上述第一参考数据RD1中的部分数据，也可以是上述第一参考数据RD1中的全部数据，本申请实施例对此不作限定。
例如，与第一事件RD1相关的目标数据TD1可以包括感知数据和定位数据，或者可以包括感知数据、地图数据、无线通信技术数据(也就是包括第一参考数据RD1中的部分数据)。
还例如，与第一事件RD1相关的目标数据TD1可以包括感知数据、定位数据、地图数据和无线通信技术数据等(也就是包括第一参考数据RD1中的全部数据)。
进一步地，上述与第一事件E1相关的目标数据TD1可以对应第一事件E1的类型和预先定义的数据信息。也就是说，与第一事件E1相关的目标数据TD1是由第一事件E1的类型和预先定义的数据信息确定的。由于第一事件E1的类型和与第一事件E1相关的目标数据TD1之间存在映射关系，所以基于第一事件E1的类型得到的与第一事件E1相关的目标数据TD1准确性较高。
在一种可能的实现方式中，上述第一事件E1的类型可以包括车辆发生交通事故、车辆本身产生故障和车辆发生接管事故中的一项或者多项。
例如，第一事件E1的类型可以包括车辆发生交通事故、车辆本身出现故障或者车辆发生接管事故。也就是说，车辆在某个时间区间发生的第一事件E1是车辆发生交通事故、车辆本身出现故障和车辆发生接管事故中的任一项。
还例如，第一事件E1的类型可以包括车辆发生交通事故、车辆本身出现故障和车辆发生接管事故。也就是说，车辆在某个时间区间发生的第一事件E1可以是车辆发生交通事故、车辆本身出现故障和车辆发生接管事故的全部(即车辆在某个时间区间同时发生了交通事故和接管事故，且出现了故障)。
上述第一事件E1的类型不仅考虑了车辆发生的交通事故，且考虑了车辆本身出现故障以及车辆接管事故，也就是第一事件E1的类型基本涵盖了车辆可能发生/出现的所有事件，因此，本申请实施例提供的数据管理方法能够适用于所有因为车辆可能发生/出现的事件而需要对行驶数据进行存储的场景，应用范围广泛。
又例如，第一事件E1的类型还可以包括车辆发生交通事故和接管事故。也就是说，车辆在某个时间区间发生的第一事件E1可以是车辆发生交通事故、车辆本身出现故障和车辆发生接管事故中的部分(即车辆在某个时间区间同时发生了交通事故和接管事故，车辆本身没有出现故障)。
可选地，车辆发生的交通事故可以是追尾事故、超车事故、会车事故、行人事故、非机动车事故中的任一项或者多项。
例如，车辆在行驶过程中因追尾发生了追尾事故，或者，车辆在会车时发生了会车事故等。
又例如，车辆(如车辆A)与另一车辆(如车辆B)发生了追尾，同时，车辆(如车辆A)因追尾撞到车辆(如车辆A)周围的非机动车(非机动车为车辆周围的一个目标)。在该情况下，就可以认为车辆A同时发生了追尾事故和非机动车事故两种交通事故。
可以理解的，上述的追尾事故可以是同车道行驶的车辆(如车辆A和车辆B)尾随而行时，车辆A的车头与车辆B的车尾相撞的交通事故。
又可以理解的，上述的行人事故可以是由于行人过失或违反交通规则而与车辆A发生的交通事故。
还可以理解的，上述的非机动车事故可以是非机动车(可以为自行车或者电动自行车)与车辆A之间发生的交通事故。
需要说明的是，除了上述追尾事故和非机动车事故以外，本申请实施例对车辆发生的其他交通事故不做一一介绍。
可选地，车辆本身出现故障可以是车辆的轮胎因长时间未更换而出现爆胎，或者车辆的制动系统失灵等。
可选地，车辆发生的接管事故可以是驾驶员未及时接管产生的事故等。
在一种可能的实现方式中，上述的数据信息可以包括数据类型和时间区间。
示例的，上述的数据类型可以包括传感器数据、终端状态数据和终端动力学数据中的一项或多项。为了得到更准确的与第一事件E1相关的目标数据TD1，本申请实施例以传感器数据、终端状态数据和终端动力学数据为例介绍数据类型。
例如，传感器数据可以包括车辆周围的目标(本申请实施例以车辆周围存在一个目标为例，如目标A)的位置、目标A的速度、目标A的体积、气象数据、光照数据、摄像头数据和雷达数据中的一项或多项。本申请实施例以包括车辆周围的目标A的位置、目标A的速度、目标A的体积、气象数据、光照数据、摄像头数据和雷达数据为例介绍传感器数据。
可以理解的，不论车辆周围的目标A是静止的目标还是移动的目标，传感器数据都可以包括目标A的速度。需要说明的是，当目标A为静止的目标时，目标A的速度为0。
在一种可能的实现方式中，目标A的位置(包括目标A的位置(如目标A位于车辆的左前方)以及目标A与车辆之间的距离)、目标A的速度、目标A的体积、气象数据、光照数据或雷达数据中的一项或者多项可以通过车辆上设置的雷达radar、超声波雷达或者激光雷达lidar中的一项或者多项探测到。也就是说，可以通过仅通过雷达radar探测目标A的位置、目标A的速度、目标A的体积、气象数据、光照数据和雷达数据，或者仅通过超声波雷达或者激光雷达lidar探测目标A的位置、目标A的速度、目标A的体积、气象数据、光照数据和雷达数据，还可以通过雷达radar探测目标A的位置、目标A的速度、目标A的体积，并通过激光雷达探测lidar气象数据、光照数据和雷达数据，本申请实施例对传感器数据的探测方式不作限定。
可以理解的，不论车辆周围的目标A是静止的目标还是移动的目标，雷达radar、超声波雷达或者激光雷达lidar都可以探测到目标A的位置和体积。
在又一种可能的实现方式中，上述摄像头数据(如信号灯、标识牌、目标的类型(可以是非机动车、绿化带等)和目标A的位置等)可以通过设置在车辆上的摄像头camera(如前置摄像头)获取。
上述所有传感器数据均可以通过设置在车上的传感器设备(如上述的雷达radar、超声波雷达和激光雷达lidar等)获取，也就是传感器数据的获取过程较便捷，提高了数据信息中准确性，进一步提高了与第一事件E1相关的目标数据TD1的准确性。
又例如，终端状态数据可以包括车辆的行驶速度、行驶加速度、加速踏板开度、制动踏板开度、转向盘角度、转向扭矩和灯光状态中的一项或者多项。同样，为了得到更准确的与第一事件E1相关的目标数据TD1，本申请实施例中的终端状态数据包括车辆的行驶速度、行驶加速度、加速踏板开度、制动踏板开度、转向盘角度、转向扭矩和灯光状态。其中，灯光状态可以包括车辆处于照明状态(即车辆的灯(如前照灯)处于打开状态)，或者车辆处于非照明状态(即车辆的灯(如前照灯)处于关闭状态)。
上述终端状态数据为车辆自身的数据，获取过程也比较便捷，同样可以提高数据信息中准确性，进而提高与第一事件E1相关的目标数据TD1的准确性。
又例如，终端动力学数据包括车辆的质量信息和/或制动延迟参数。其中，车辆的质量信息表征车辆的重量，车辆的制动延迟参数用于表征驾驶员踩下制动踏板的时刻到车辆开始减速的时刻之间的时间区间，可以为数毫秒，或者数秒。
上述的终端动力学数据可以通过查阅车辆相关资料(如车辆的说明书等)得到，为与第一事件E1相关的目标数据TD1提供可靠的获取途径。
示例的，上述数据信息的时间区间可以为第一时间节点(用T1表示)和第二时间节点(用T2表示)之间的时间区间。
上述的第一时间节点T1可以为发生第一事件E1前的时间节点、发生第一事件E1中的时间节点或发生第一事件E1后的时间节点。同样，上述的第二时间节点T2也可以为发生第一事件E1前的时间节点、发生第一事件E1中的时间节点或发生第一事件E1后的时间节点。
可以理解的，只要车辆处于第一事件E1的发生过程(为一个时间区间(如5秒)，由车辆发生第一事件E1的起始时刻t1和结束时刻t2决定)，就可以认为是发生第一事件E1中。进而，发生第一事件E1前就表征车辆发生第一事件E1的起始时刻t1之前，发生第一事件E1后就表征车辆发生第一事件E1的结束时刻t2之后。
下面分情况介绍时间区间以及相应时间区间存储的数据：
情况1：如图2所示，第一时间节点T1为发生第一事件E1前的时间节点，且第二时间节点T2为发生第一事件E1后的时间节点。在该情况下，与第一事件E1相关的目标数据涵盖了发生第一事件E1前的时间节点与发生第一事件E1后的时间节点之间的时间区间对应的数据。可以理解的，控制将发生第一事件E1前的时间节点和发生第一事件E1后的时间节点之间的时间区间的数据(即该情况下第一参考数据RD1中的与第一事件E1相关的目标函数TD1)存储至易失性存储器。
情况2：如图3所示，第一时间节点T1为发生第一事件E1前的时间节点，且第二时间节点T2为发生第一事件E1中的时间节点。在该情况下，与第一事件E1相关的目标数据涵盖了发生第一事件E1前的时间节点与发生第一事件E1中的时间节点之间的时间区间对应的数据，不涵盖发生第一事件E1后的时间节点对应的数据。可以理解的，控制将发生第一事件E1前的时间节点和发生第一事件E1中的时间节点之间的时间区间对应的数据(即该情况下第一参考数据RD1中的与第一事件E1相关的目标函数TD1)存储至易失性存储器，无需控制将发生第一事件E1后的时间节点对应的数据存储至易失性存储器。
情况3：如图4所示，第一时间节点T1为发生第一事件E1前的时间节点，且第二时间节点T2为发生第一事件E1前的时间节点。也就是说，第一时间节点T1和第二时间节点T2均为发生第一事件E1前的时间节点。在该情况下，与第一事件E1相关的目标数据TD1涵盖了发生第一事件E1前的两个时间节点之间的时间区间对应的数据，不涵盖发生第一事件E1中时间节点对应的数据和发生第一事件E1后的时间节点对应的数据。可以理解的，控制将发生第一事件E1前的两个时间节点之间的时间区间对应的数据(即该情况下第一参考数据RD1中的与第一事件E1相关的目标函数TD1)存储至易失性存储器，无需控制将发生第一事件E1中的时间节点对应的数据和第一事件E1后的时间节点对应的数据存储至易失性存储器。
情况4：如图5所示，第一时间节点T1为发生第一事件E1中的时间节点，且第二时间节点T2为发生第一事件E1中的时间节点。也就是说，第一时间节点T1和第二时间节点T2均为发生第一事件E1中的时间节点。在该情况下，与第一事件E1相关的目标数据TD1涵盖了发生第一事件E1中的两个时间节点之间的时间区间对应的数据，不涵盖发生第一事件E1前时间节点对应的数据和发生第一事件E1后的时间节点对应的数据。可以理解的，控制将发生第一事件E1中的两个时间节点之间的时间区间对应的数据(即该情况下第一参考数据RD1中的与第一事件E1相关的目标函数TD1)存储至易失性存储器，无需控制将发生第一事件E1前的时间节点对应的数据和第一事件E1后的时间节点对应的数据存储至易失性存储器。
情况5：如图6所示，第一时间节点T1为发生第一事件E1中的时间节点，且第二时间节点T2为发生第一事件E1后的时间节点。在该情况下，与第一事件E1相关的目标数据TD1则涵盖了发生第一事件E1中的时间节点与发生第一事件E1后的时间节点之间的时间区间对应的数据。可以理解的，控制将发生第一事件E1中的时间节点和发生第一事件E1后的时间节点之间的时间区间对应的数据(即该情况下第一参考数据RD1中的与第一事件E1相关的目标函数TD1)存储至易失性存储器，无需控制将发生第一事件E1前的时间节点对应的数据存储至易失性存储器。
情况6：如图7所示，第一时间节点T1为发生第一事件E1后的时间节点，且第二时间节点T2为发生第一事件E1后的时间节点。也就是说，第一时间节点T1和第二时间节点T2均为发生第一事件E1后的时间节点。在该情况下，与第一事件E1相关的目标数据TD1涵盖了发生第一事件E1后的两个时间节点之间的时间区间对应的数据，不涵盖发生第一事件E1前时间节点对应的数据和发生第一事件E1中的时间节点对应的数据。可以理解的，控制将发生第一事件E1后的两个时间节点之间的时间区间对应的数据(即该情况下第一参考数据RD1中的与第一事件E1相关的目标函数TD1)存储至易失性存储器，无需控制将发生第一事件E1前的时间节点对应的数据和第一事件E1中的时间节点对应的数据存储至易失性存储器。
本申请实施例根据第一时间节点T1和第二时间节点T2确定的时间区间涵盖了所有可能产生行驶数据的时刻，进而，可以通过不同的需求，有针对性的对相应时间区间的行驶数据进行存储。
步骤S102：控制将来自易失性存储器的与第一事件E1相关的目标数据TD1存储到非易失性存储器。
进一步地，本申请实施例可以通过以下两种方式执行步骤S102：
方式1：向易失性存储器发送指示信息CI1。
示例的，上述的指示信息CI1用于指示将与第一事件E1相关的目标数据TD1传输到非易失性存储器中。
在一种可能的实现方式中，车辆的处理器(可以为下文的处理器121或处理器152)向易失性存储器发送指示信息CI1，接着，易失性存储器接收指示信息CI1，并将第一事件E1相关的目标数据TD1传输到非易失性存储器进行保存。
可以理解的，处理器在方式1中仅起到发送指示信息CI1给易失性存储器的作用。易失性存储器接收指示信息CI1后，处理器则不再参与易失性存储器将第一事件E1相关的目标数据TD1传输到非易失性存储器进行保存的过程。因此，方式1中的处理器与易失性存储器耦合，且易失性存储器与非易失性存储器耦合，处理器不与非易失性存储器耦合。
方式2：获取来自易失性存储器的与第一事件E1相关的目标数据TD1，并发送与第一事件E1相关的目标数据TD1到非易失性存储器中。
在一种可能的实现方式中，处理器先获取步骤S101中存储到易失性存储器中的与第一事件E1相关的目标数据TD1，接着，处理器将获取的与第一事件E1相关的目标数据TD1发送到非易失性存储器进行保存。
可以理解的，处理器参与了在方式2中的整个过程，其起到主导作用。即：处理器不仅起到从易失性存储器中获取与第一事件E1相关的目标数据TD1的作用，且起到了将获取的与第一事件E1相关的目标数据TD1发送到非易失性存储器进行保存的作用。
因此，方式2中的处理器与易失性存储器耦合，且与非易失性存储器耦合，易失性存储器不与非易失性存储器耦合。
当然，还可以采用除上述两种方式以外的其他方式执行步骤S102，本申请实施例对此不作限定。
上述方式1和方式2均可以对任何规模的行驶数据(即对行驶数据的数据量无限制)实现管理，且对行驶数据存储的实时性无要求(也就是说，不仅能够适用于对存储实时性要求不高的场景，还可以适用于对存储实时性要求高的场景)。且本申请实施例无需对非易失性存储器进行多次擦除等，能够延长非易失性存储器的运行寿命。
在上述步骤S101之前，本申请实施例还可以根据上述的第一参考数据RD1预测车辆发生第一事件E1的概率，也就是根据上述的第一参考数据RD1得到第一事件E1的发生概率P。
在一种可能的实现方式中，可以通过以下过程1和过程2得到第一事件E1的发生概率P，进而根据第一事件E1的发生概率P确定是否需要控制将来自易失性存储器的与第一事件E1相关的目标数据TD1存储到非易失性存储器，能够尽可能避免出现在车辆出现/发生第一事件E1导致行驶数据丢失的情况。
过程1：通过事件预测模型EFM和第一参考数据RD1(可以参见上文相关说明)，可以得到第一参考结果RR1。
其中，事件预测模型EFM可以指示第一参考数据RD1与第一参考结果RR1之间的映射关系，能够通过对历史统计数据进行训练得到。
第一参考结果RR1可以指示基于第一参考数据RD1得到的第一事件E1的发生概率P1。
如图8所示，可以将第一参考数据RD1作为事件预测模型EFM的输入，也就是将第一参考数据RD1输入事件预测模型EFM，即可得到指示基于第一参考数据RD1得到的第一事件E1的发生概率的第一参考结果RR1。
进一步地，得到的第一事件E1的发生概率P1可以为0，0.1，0.5，或者0.9等。可以理解的，第一事件E1的发生概率P1为0表明车辆不可能发生第一事件E1，当然，第一事件E1的发生概率P1的值越大，表明车辆发生第一事件E1的可能性也就越大。
更进一步地，可以设置第一事件E1的发生概率门槛值Pset，例如，第一事件E1的发生概率门槛值Pset可以设置为0.3。接着，当通过过程1得到的第一事件E1的发生概率P1大于等于0.3(即P1≥0.3)时，表明车辆发生第一事件E1的可能性很大，可以认为车辆将发生第一事件E1。在该情况下，可以及时通过上述步骤S101和步骤S102实现与第一事件E1相关的目标数据TD1的存储。
过程2：通过第一参考数据RD1(可以参见上文相关说明)和辅助数据AD，可以获取第二参考结果RR2。
其中，辅助数据AD可以包括车辆所处的场景类别，或者包括历史事件统计数据。当然，辅助数据AD还可以包括车辆所处的场景类别和历史事件统计数据。
需要说明的是，除了上述的车辆所处的场景类别和历史事件统计数据，辅助数据AD还可以包括其他数据，本申请对此不作限定。
可选的，场景类别可以包括高速场景、城区场景、山区场景和极端天气场景中的任一项或者多项。
例如，高速场景可以包括高速匝道场景(车辆行驶在高速匝道上)、高速直道场景(车辆行驶在没有坡度和弯度的直道上)、高速弯道场景(车辆行驶在高速弯道上)和高速坡道场景(车辆行驶在高速坡道上)等。
又例如，城区场景可以包括路口场景和非路口场景等。其中，路口场景可以是十字路口场景(车辆行驶在十字路口)或者丁字路口场景(车辆行驶在丁字路口)。非路口场景可以是城市道路中的单行道场景(车辆行驶在单行道上)或者双行道场景(车辆行驶在双行道上)。
还例如，山区场景可以包括山区弯道场景(车辆行驶在山区中的弯道上)、山区窄道场景(车辆行驶在山区中的窄道上)和山区坡道场景(车辆行驶在山区中的坡道上)等。
又例如，极端天气场景可以包括暴雨、暴雪、冰雹、台风、沙尘暴和大雾等。
在一种示例中，当车辆行驶在高速直道上，且遇到暴雪时，场景类别可以包括高速场景和极端天气场景。
在另一种示例中，当车辆行驶在山区弯道上，且遇到台风时，场景类别可以包括山区场景和极端天气场景。
由上述介绍可知，辅助数据AD中的场景类别可以为单一的场景，也可以为不同场景的组合，因此，通过包含各种场景类别的辅助数据AD进一步提高第二参考结果ED2的准确性。
可选的，历史事件统计数据可以包括历史发生的一次事件或多次事件，以及发生一次事件或多次事件中的每次事件时的参考数据。
需要说明的是，历史事件统计数据可以是从车辆外部的处理器获取的，或者是从车辆内部的处理器(即上文的处理器)获取的。
在一种示例中，历史事件统计数据中的历史发生的一次事件或者多次事件可以是除上文的车辆(上文的车辆为预测可能会发生第一事件E1的车辆，如车辆A)以外的其他车辆(可以是多个车辆，如车辆1至车辆N)曾经(即历史)发生的一次事件或者多次事件。需要说明的是，可以是车辆1至车辆N中每个车辆正经发生的一次事件，也可以是车辆1至车辆N中每个车辆曾经发生的多次事件，本申请实施例对此不作限定。
在另一种示例中，历史事件统计数据中的发生一次事件或者多次事件中的每次事件时的参考数据可以为车辆1至车辆N发生多次事件中每次事件时的感知数据、定位数据、地图数据和无线通信技术数据中的一项或多项。感知数据、定位数据、地图数据和无线通信技术数据的介绍可以参见上文，本申请实施例在此不再赘述。
上述过程2中的第二参考结果RR2可以指示基于第一参考数据RD1和辅助数据AD得到的第一事件E1的发生概率P2。
参考上述过程1，得到的第一事件E1的发生概率P2也可以为0，0.1，0.5，或者0.9等。可以理解的，第一事件E1的发生概率P2为0表明车辆不可能发生第一事件E1，当然，第一事件E1的发生概率P2的值越大，表明车辆发生第一事件E1的可能性也就越大。
仍参考上述过程1，可以设置第一事件E1的发生概率门槛值Pset，例如，第一事件E1的发生概率门槛值Pset可以设置为0.3。接着，当通过过程1得到的第一事件E1的发生概率P2大于等于0.3(即P2≥0.3)时，表明车辆发生第一事件E1的可能性很大，需要及时通过上述步骤S101和步骤S102实现与第一事件E1相关的目标数据TD1的存储。
继续参考上述过程1，如图9所示，可以将第一参考数据RD1和辅助数据AD作为事件预测模型EFM的输入，也就是将第一参考数据RD1和辅助数据AD输入事件预测模型EFM，即可得到指示基于第一参考数据RD1和辅助数据AD得到的第一事件E1的发生概率的第二参考结果RR2。
在一种可能的实现方式中，在上述步骤S102之后，当车辆实际发生的事件(即第二事件E2)与上文的第一事件E1不同时，本申请实施例还可以控制将与第二事件E2相关的目标数据TD2存储至非易失性存储器。如图10所示，过程1000可以通过以下步骤S103a和步骤S103b实现。
步骤S103a：确定车辆实际发生的第二事件E2。
其中，第二事件E2为车辆实际发生的事件，第一事件E1为预测车辆可能会发生的事件。
可以参考前文第一事件E1的类型的相关介绍，第二事件E2也可以为车辆发生交通事故(例如追尾事故、超车事故、会车事故、行人事故、非机动车事故中的任一项)、车辆本身产生故障和车辆发生接管事故中的一项或者多项。但是，第二事件E2与上文的第一事件E1不同。
例如，第一事件E1为车辆发生交通事故(如，追尾事故、超车事故、会车事故、行人事故、非机动车事故中的任一项)，第二事件E2为车辆出现故障(可以参考上文介绍)。
又例如，第一事件E1为车辆发生交通事故，第二事件E2为车辆发生接管事故(可以参考上文介绍)。
再例如，第一事件E1为车辆发生追尾事故，第二事件E2为车辆发生非机动车事故。在该情况下，虽然追尾事故和非机动车事故均为车辆发生的交通事故，仍可以认定第一事件E1与第二事件E2不同。
当然，还可以是第一事件E1为车辆出现故障，且第二事件E2为车辆发生接管事故等其他情况，本申请实施例在此不做一一列举，只要第一事件E1与第二事件E2不同即可。
在一种可能的实现方式中，第一参考数据RD1除了包含上述与第一事件E1相关的目标数据TD1，第一参考数据RD1还包含与第二事件E2相关的目标数据TD2。
参考上文的与第一事件RD1相关的目标数据TD1，与第二事件E2相关的目标数据TD2同样也可以是第一参考数据RD1中的部分数据，也可以是第一参考数据RD1中的全部数据。
例如，与第二事件E2相关的目标数据TD2同样也可以包括感知数据和定位数据，或者可以包括感知数据、地图数据、无线通信技术数据(也就是包括第一参考数据RD1中的部分数据)。
还例如，与第一事件RD1相关的目标数据TD2可以包括感知数据、定位数据、地图数据和无线通信技术数据(也就是包括第一参考数据RD1中的全部数据)。
需要说明的是，由于第一事件E1与第二事件E2不同，所以与第一事件RD1相关的目标数据TD1可以和与第二事件E2相关的目标数据TD2不同。但是，又由于第一事件E1可以是前文介绍的第一事件E1的类型中不同类型的组合，第一事件E2也可以是前文介绍的第一事件E2的类型中不同类型的组合，所以与第一事件RD1相关的目标数据TD1和与第二事件E2相关的目标数据TD2也可以部分相同。
例如，第一事件E1为车辆发生追尾事故且车辆出现故障，第二事件E2为车辆发生非机动车事故且车辆出现故障。在该情况下，第一事件E1与第二事件E2不同，但是由于第一事件E1和第二事件E2中均存在车辆出现故障的情况，所以与第一事件RD1相关的目标数据TD1和与第二事件E2相关的目标数据TD2就可以部分相同。
可以理解的，可以是与第一事件RD1相关的目标数据TD1中与车辆出现故障相关的数据与第二事件E2相关的目标数据TD2中与车辆出现故障相关的数据相同，与第一事件E1相关的目标数据TD1中与追尾事故相关的数据和与第二事件E2相关的目标数据TD2中与非机动车事故相关的数据不同。
又例如，第一事件E1为车辆同时发生追尾事故和超车事故(也就是说，车辆在超车的过程中发生了超车事故。同时由于超车，车辆也发生了追尾事故)，第二事件E2为车辆同时发生超车事故和非机动车事故(也就是说，车辆在超车的过程中发生了超车事故。同时由于超车，车辆发生了非机动车事故(可以是车辆因需要超车而导致车速过快，进而撞到了非机动车)。在该情况下，第一事件E1与第二事件E2也不同，但是由于第一事件E1和第二事件E2中均存在车辆发生的超车事故，所以与第一事件E1相关的目标数据TD1和与第二事件E2相关的目标数据TD2就可以部分相同。
可以理解的，可以是与第一事件E1相关的目标数据TD1中与超车事故相关的数据和与第二事件E2相关的目标数据TD2中与超车事故相关的数据相同，与第一事件RD1相关的目标数据TD1中与追尾事故相关的数据和与第二事件E2相关的目标数据TD2中与非机动车事故相关的数据不同。
步骤S103b：控制将来自于易失性存储器的与第二事件E2相关的目标数据TD2从易失性存储器存储到非易失性存储器中。
在一种可能的实现方式中，可以参考上文步骤S102，通过以下两种方式执行步骤S103b。
方式A：向易失性存储器发送指示信息CI2。
示例的，上述的指示信息CI2用于指示将与第二事件E2相关的目标数据TD2传输到非易失性存储器中。
进一步地，车辆的处理器向易失性存储器发送指示信息CI2，接着，易失性存储器接收指示信息CI2，并将第二事件E2相关的目标数据TD2传输到非易失性存储器进行保存。
可以理解的，处理器在方式A中仅起到发送指示信息CI2给易失性存储器的作用。易失性存储器接收指示信息CI2后，处理器则不再参与易失性存储器将第二事件E2相关的目标数据TD2传输到非易失性存储器进行保存的过程。因此，方式A中的处理器与易失性存储器耦合，且易失性存储器与非易失性存储器耦合，处理器不与非易失性存储器耦合。
方式B：获取来自易失性存储器的与第二事件E2相关的目标数据TD2，并发送与第二事件E2相关的目标数据TD2到非易失性存储器中。
进一步地，处理器先获取存储到易失性存储器中的与第二事件E2相关的目标数据TD2，接着，处理器将获取的与第二事件E2相关的目标数据TD2发送到非易失性存储器进行保存。
可以理解的，处理器参与了方式B中的整个过程，其起到主导作用。即：处理器不仅起到从易失性存储器中获取与第二事件E2相关的目标数据TD2的作用，且起到了将获取的与第二事件E2相关的目标数据TD2发送到非易失性存储器进行保存的作用。
因此，方式B中的处理器与易失性存储器耦合，且与非易失性存储器耦合，易失性存储器不与非易失性存储器耦合。
当然，还可以采用除上述两种方式以外的其他方式执行步骤S103a2，本申请实施例对此不作限定。
需要说明的是，如果上述的第二事件E2为车辆发生交通事故(例如追尾事故、超车事故、会车事故、行人事故、非机动车事故中的任一项)、车辆本身产生故障和车辆发生接管事故以外的其他事件，本申请实施例无需将来自于易失性存储器的与第二事件E2相关的目标数据TD2从易失性存储器存储到非易失性存储器中。
本申请实施例在步骤S102之后，还可以对与第一事件E1相关的目标数据TD1进行加锁、加密、打时间戳和压缩中的一项或多项处理。
进一步地，在对与第一事件E1相关的目标数据TD1进行加锁、加密、打时间戳和压缩中的一项或多项处理之后，如果在预设的时长(如24小时)内，车辆未发生第一事件E1，可以对非易失存储器中的与第一事件E1相关的目标数据TD1进行解锁、解密、擦除中的一项或多项处理。
图11为本申请实施例提供的数据管理方法的又一个流程示意图。如图11所示，过程1100可以通过以下步骤实现。
步骤S1101：根据第一参考数据RD1得到第一事件E1的发生概率P。
步骤S1102：控制将第一参考数据RD1存储到易失性存储器。
步骤S1103：控制将来自易失性存储器的与第一事件E1相关的目标数据TD1存储到非易失性存储器。
步骤S1104：对与第一事件E1相关的目标数据TD1进行第一处理(如加锁、加密、打时间戳和压缩中的一项或多项处理)。
步骤S1105：判断第二事件E2是否与第一事件相同，若是，执行步骤S1106，否则，执行步骤S1107。
步骤S1106：控制将与第二事件E2相关的目标数据TD2存储至非易失性存储器。
步骤S1107：若车辆在经过预设的时长(如24小时)后未发生第一事件E1，对非易失存储器中的与第一事件E1相关的目标数据TD1进行第二处理(如解锁、解密、擦除中的一项或多项处理)。
在一种可能的实现方式中，步骤S1101至步骤S1107的详细执行过程可以参考上文相关介绍实现。
需要说明的是，步骤S1107中，如果车辆在经过预设的时长(如24小时)内未发生第一事件E1，就表明车辆在经过预设的时长(如24小时)后更不可能发生第一事件E1，于是，可以对将非易失存储器中的与第一事件E1相关的目标数据TD1进行解锁、解密、擦除中的一项或多项处理。
图12为本申请实施例提供的数据管理装置的一种结构示意图。如图12所示，该数据管理装置120可以是具备数据管理功能的装置，例如，管理芯片、车辆、车辆中的管理芯片等。该数据管理装置120可以包括处理器121。
在一种可能的实现方式中，处理器121，用于控制将第一参考数据RD1存储到易失性存储器，并控制将来自易失性存储器的与第一事件E1相关的目标数据TD1存储到非易失性存储器。
示例的，与步骤S101中相同，第一参考数据RD1也包含与第一事件E1相关的目标数据TD1。第一参考数据RD1和与第一事件E1相关的目标数据TD1的详细介绍可以参考前文，本申请实施例在此不做赘述。
进一步地，处理器121还可以通过以下两种控制将来自易失性存储器的与第一事件E1相关的目标数据TD1存储到非易失性存储器。
方式1：向易失性存储器发送指示信息CI1。
方式2：获取来自易失性存储器的与第一事件E1相关的目标数据TD1，并发送与第一事件E1相关的目标数据TD1到非易失性存储器中。
需要说明的是，方式1和方式2的详细实现过程可以参考上文相关介绍，本申请实施例在此不做赘述。
在一种可能的实现方式中，处理器121可以包括预测模块1211和处理模块1212。
示例的，处理器121通过上文的方式1实现对与第一事件E1相关的目标数据TD1的存储。如图13所示，预测模块1211可以根据来自于车辆上相关设备的第一参考数据RD1和辅助数据AD(包括场景类别和历史事件统计数据，参考上文介绍)，通过上文的过程1或者过程2(可以参考上文介绍)得到用于指示第一事件的发生概率P。
预测模块1211得到用于指示第一事件的发生概率P之后，处理模块1212根据用于指示第一事件的发生概率P，向控制将易失性存储器A发送指示信息CI，易失性存储器A收到来自处理模块1212的指示信息AI后，易失性存储器A将与第一事件E1相关的目标数据TD1存储至非易失性存储器B。
当然，处理器121还可以通过上文的方式2实现对与第一事件E1相关的目标数据TD1的存储。如图14所示，预测模块1211可以根据来自于车辆上相关设备的第一参考数据RD1和辅助数据AD(包括场景类别和历史事件统计数据，参考上文介绍)，通过上文的过程1或者过程2(可以参考上文介绍)得到用于指示第一事件的发生概率P。
预测模块1211得到用于指示第一事件的发生概率P之后，处理模块1212根据用于指示第一事件的发生概率P，获取来自易失性存储器A的与第一事件E1相关的目标数据TD1，并将与第一事件E1相关的目标数据TD1发送到非易失性存储器B。
在一种可能的实现方式中，处理器121控制将来自易失性存储器的与第一事件E1相关的目标数据TD1存储到非易失性存储器之后，处理器121可以对与第一事件E1相关的目标数据TD1进行加锁、加密、打时间戳和压缩中的一项或多项处理。
在上述的对与第一事件E1相关的目标数据TD1进行加锁、加密、打时间戳和压缩中的一项或多项处理之后，若车辆实际发生与第一事件E1不同的第二事件E2，处理器121控制将与第二事件E2相关的目标数据TD2存储至非易失性存储器。
在另一种可能的实现方式中，若车辆在经过预设的时长(如24小时)后未发生第一事件E1，处理器121将非易失存储器中的与第一事件E1相关的目标数据TD1进行解锁、解密、擦除中的一项或多项处理。
需要说明的是，控制将与第二事件E2相关的目标数据TD2存储至非易失性存储器的详细过程可以参考上文相关介绍，本申请实施例在此不做赘述。
图15为本申请实施例提供的数据管理装置的一种结构示意图。如图15所示，数据管理装置150包括接口电路151和至少一个处理器152。接口电路151与处理器152耦合。
在一种可能的实现方式中，如果处理器152通过上述方式1实现将与第一事件E1相关的目标数据TD1存储到非易失性存储器，接口电路151可以包括接口电路1511。接口电路1511与易失性存储器耦合。
可以理解的，由于处理器152通过1511向易失性存储器发送指示信息CI1，指示信息CI1又用于指示易失性存储器将与第一事件E1相关的目标数据TD1传输到非易失性存储器中，所以，如图16所示，处理器152只通过接口电路151与易失性存储器A耦合，易失性存储器A与非易失性存储器B耦合。
在另一种可能的实现方式中，如果处理器152通过上述方式2实现将与第一事件E1相关的目标数据TD1存储到非易失性存储器，如图17所示，接口电路151可以包括接口电路1511和接口电路1512。处理器152通过接口电路1511与易失性存储器A耦合，且通过接口电路1512与非易失性存储器B耦合。
需要说明的是，数据管理装置150中的处理器152与数据管理装置120中的处理器121相同，且均用于执行上述步骤101和步骤S102。
在实现的过程中，上述实施例中提及的处理器可以是通用处理器、数字信号处理器(digital signal processor，DSP)、特定应用集成电路(application-specificintegrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。本申请实施例公开的方法的步骤可以直接体现为硬件编码处理器执行完成，或者用编码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
上述各实施例中提及的非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasablePROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)、闪存(即flash存储器)，或者固态硬盘(solid state disk，SSD)。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
上述数据管理装置120和数据管理装置150所达到的技术效果与上述数据管理方法类似，此处不再赘述。
在一种可能的实现方式中，本申请实施例提供了一种终端设备，该终端设备可以包括上述实施例提及的数据管理装置120或数据管理装置150。
在一示例中，终端设备可以为智能运输设备(即本申请实施例中的车辆)，还可以为机器人。
在另一种可能的实现方式中，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，当指令在计算机上运行时，用于执行实现如上述实施例中的数据管理装置120的数据管理方法，或者执行上述实施例中的数据管理装置150的数据管理方法。
在再一种可能的实现方式中，本申请实施例提供了计算机程序产品，计算机程序产品中包含指令，当指令在计算机或处理器上运行时，使得计算机或处理器实现如上述实施例中的数据管理装置120的数据管理方法，或者实现上述实施例中的数据管理装置150的数据管理方法。
需要说明的是，上述所有实施例均可以应用于车辆。车辆可以是自动驾驶车辆(autonomous vehicles)，或者是通过驾驶员驾驶的车辆，还可以是其他形式的车辆，本申请实施例对车辆的形式不作限定。
可以理解的，自动驾驶车辆又称无人驾驶汽车、电脑驾驶汽车或轮式移动机器人，是一种依靠人工智能(artificial intelligence，AI)、视觉计算(computationaltheory)、雷达radar、激光雷达lidar、监控装置(monitoring device)和全球定位系统GPS，在没有任何人类主动操作的情况下，通过电脑系统实现无人驾驶的智能汽车。通过驾驶员驾驶的车辆较为常见，本申请实施例不做进一步介绍。
还可以理解的，需要存储的行驶数据往往与车辆自动化程度成正比，也就是说，自动驾驶车辆的自动化程度越高，需要存储的行驶数据的规模也就越大。例如，目前的部分自动驾驶车辆在每天产生的数据量可以为几TB，甚至高达上百TB。本申请上述实施例适用于管理自动驾驶车辆产生的大规模行驶数据，以及对存储实时性要求高的场景。当然，同样适用于管理车辆产生的小规模行驶数据，以及对存储实时性要求不高的场景。需要说明的是，本申请上述实施例除了适用于以上场景外，还可以适用于其他需要存储行驶数据的场景，本申请实施例对适用场景不作限定。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，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，例如多个单元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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (26)

1.一种数据管理方法，其特征在于，包括：
控制将第一参考数据存储到易失性存储器，所述第一参考数据包含与第一事件相关的目标数据；
控制将来自所述易失性存储器的所述与第一事件相关的目标数据存储到非易失性存储器。
2.根据权利要求1所述的方法，所述控制将来自所述易失性存储器的所述与第一事件相关的目标数据存储到非易失性存储器，包括：
向所述易失性存储器发送指示信息，所述指示信息用于指示将所述与第一事件相关的目标数据传输到所述非易失性存储器中；或者，
获取来自所述易失性存储器的所述与第一事件相关的目标数据，并发送所述与第一事件相关的目标数据到所述非易失性存储器中。
3.根据权利要求1或2所述的方法，其特征在于，所述第一参考数据包括感知数据、定位数据、地图数据和无线通信技术数据中的至少一项。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：
通过事件预测模型和所述第一参考数据，获取第一参考结果，所述第一参考结果用于指示基于所述第一参考数据得到的所述第一事件的发生概率。
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：
通过第一参考数据和辅助数据，获取第二参考结果，所述第二参考结果用于指示基于所述第一参考数据和辅助数据得到的所述第一事件的发生概率，所述辅助数据包括终端所处的场景类别和/或历史事件统计数据，所述场景类别包括高速场景、城区场景、山区场景和极端天气场景中的至少一项，所述历史事件统计数据包括历史发生的至少一次事件和发生所述至少一次事件中的每次事件时的参考数据。
6.根据权利要求1至5中任一项所述的方法，其特征在于：
所述与所述第一事件相关的目标数据对应所述第一事件的类型和预先定义的数据信息；其中，所述第一事件的类型包括追尾事故、超车事故、会车事故、行人事故、非机动车事故、车辆故障和接管事故中的至少一项，所述数据信息包括数据类型和时间区间，所述数据类型包括传感器数据、终端状态数据和终端动力学数据中的至少一项，所述时间区间为第一时间节点和第二时间节点之间的时间区间；其中，所述第一时间节点为以下各项中的任一项：发生所述第一事件前的时间节点、发生所述第一事件中的时间节点和发生所述第一事件后的时间节点，所述第二时间节点为以下各项中的任一项：发生所述第一事件前的时间节点、发生所述第一事件中的时间节点和发生所述第一事件后的时间节点。
7.根据权利要求6所述的方法，其特征在于，
所述传感器数据包括以下各项中的一项或多项：终端周围的至少一个目标的位置、所述至少一个目标的速度、所述至少一个目标的体积、气象数据、光照数据、摄像头数据或者雷达数据；
所述终端状态数据包括以下各项中的一项或多项：所述终端的行驶速度、行驶加速度、加速踏板开度、制动踏板开度、转向盘角度、转向扭矩或者灯光状态；和/或，
所述终端动力学数据包括所述终端的质量信息和/或制动延迟参数。
8.根据权利要求1至7中任一项所述的方法，其特征在于，所述方法还包括：
确定发生第二事件，所述第二事件与所述第一事件不同，所述第一参考数据还包含与所述第二事件相关的目标数据；
控制将来自于所述易失性存储器的所述与所述第二事件相关的目标数据从所述易失性存储器存储到所述非易失性存储器中；
其中，所述第二事件的类型包括追尾事故、超车事故、会车事故、行人事故、非机动车事故、车辆故障和接管事故中的至少一项。
9.根据权利要求1至8中任一项所述的方法，其特征在于，所述方法还包括：
对所述与第一事件相关的目标数据进行第一处理，所述第一处理包括加锁、加密、打时间戳和压缩中的至少一项。
10.根据权利要求1至9中任一项所述的方法，其特征在于，若在预设的时长内未发生所述第一事件，所述方法还包括：
对所述与第一事件相关的目标数据进行第二处理，所述第二处理包括解锁、解密和/或擦除。
11.一种数据管理装置，包括处理器，所述处理器用于：
控制将第一参考数据存储到易失性存储器，所述第一参考数据包含与第一事件相关的目标数据；
控制将来自所述易失性存储器的所述与第一事件相关的目标数据存储到非易失性存储器。
12.根据权利要求11所述的装置，其特征在于，所述处理器用于：
向所述易失性存储器发送指示信息，所述指示信息用于指示将所述与第一事件相关的目标数据传输到所述非易失性存储器中；或者，
获取来自所述易失性存储器的所述与第一事件相关的目标数据，并发送所述与第一事件相关的目标数据到所述非易失性存储器中。
13.根据权利要求11或12所述的装置，其特征在于，所述第一参考数据包括感知数据、定位数据、地图数据和无线通信技术数据中的至少一项。
14.根据权利要求11至13中任一项所述的装置，其特征在于，所述处理器还用于：
通过事件预测模型和所述第一参考数据，获取第一参考结果，所述第一参考结果用于指示基于所述第一参考数据得到的所述第一事件的发生概率。
15.根据权利要求11至13中任一项所述的装置，其特征在于，所述处理器还用于：
通过第一参考数据和辅助数据，获取第二参考结果，所述第二参考结果用于指示基于所述第一参考数据得到的所述第一事件的发生概率，所述辅助数据包括终端所处的场景类别和/或历史事件统计数据，所述场景类别包括高速场景、城区场景、山区场景和极端天气场景中的至少一项，所述历史事件统计数据包括历史发生的至少一次事件和发生所述至少一次事件中的每次事件时的参考数据。
16.根据权利要求11至15中任一项所述的装置，其特征在于，
所述与所述第一事件相关的目标数据对应所述第一事件的类型和预先定义的数据信息；其中，所述第一事件的类型包括追尾事故、超车事故、会车事故、行人事故、非机动车事故、车辆故障和接管事故中的至少一项，所述数据信息包括数据类型和时间区间，所述数据类型包括传感器数据、终端状态数据和终端动力学数据中的至少一项，所述时间区间为第一时间节点和第二时间节点之间的时间区间；其中，所述第一时间节点为以下各项中的任一项：发生所述第一事件前的时间节点、发生所述第一事件中的时间节点和发生所述第一事件后的时间节点，所述第二时间节点为以下各项中的任一项：发生所述第一事件前的时间节点、发生所述第一事件中的时间节点和发生所述第一事件后的时间节点。
17.根据权利要求16所述的装置，其特征在于，
所述传感器数据包括以下各项中的一项或多项：终端周围的至少一个目标的位置、所述至少一个目标的速度、所述至少一个目标的体积、气象数据、摄像头数据或者雷达数据；
所述终端状态数据包括以下各项中的或多项：所述终端的行驶速度、行驶加速度、加速踏板开度、制动踏板开度、转向盘角度、转向扭矩或者灯光状态；和/或，
所述终端动力学数据包括所述终端的质量信息和/或制动延迟参数。
18.根据权利要求11至17中任一项所述的装置，其特征在于，所述处理器还用于：
确定发生第二事件，所述第二事件与所述第一事件不同，所述第一参考数据还包含与所述第二事件相关的目标数据；
控制将来自于所述易失性存储器的所述与所述第二事件相关的目标数据从所述易失性存储器存储到所述非易失性存储器中；
其中，所述第二事件的类型包括追尾事故、超车事故、会车事故、行人事故、非机动车事故、车辆故障和接管事故中的至少一项。
19.根据权利要求11至18中任一项所述的装置，其特征在于，所述处理器还用于：
对所述与第一事件相关的目标数据进行第一处理，所述第一处理包括加锁、加密、打时间戳和压缩中的至少一项。
20.根据权利要求11至19中任一项所述的装置，其特征在于，若在预设的第一时长内未发生所述第一事件，所述处理器还用于：
对所述与第一事件相关的目标数据进行第二处理，所述第二处理包括解锁、解密和/或擦除。
21.一种数据管理装置，其特征在于，包括接口电路和如权利要求11至20中任一项所述的处理器，所述接口电路与所述处理器耦合。
22.根据权利要求21所述的装置，其特征在于，所述接口电路用于连接非易失性存储器或者易失性存储器中的至少一个。
23.一种终端设备，其特征在于，包括权利要求11至22中任一项所述的装置。
24.根据权利要求23所述的终端设备，其特征在于，所述终端设备为智能运输设备或机器人。
25.一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，其特征在于，当所述指令在计算机上运行时，用于执行如权利要求1至10中任一项所述的方法。
26.一种计算机程序产品，所述计算机程序产品中包含指令，其特征在于，当所述指令在计算机或处理器上运行时，使得所述计算机或所述处理器实现如权利要求1至10中任一项所述的方法。
CN202180001489.2A 2021-04-25 2021-04-25 数据管理方法、装置和终端设备 Active CN113302614B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2021/089619 WO2022226689A1 (zh) 2021-04-25 2021-04-25 数据管理方法、装置和终端设备

Publications (2)

Publication Number Publication Date
CN113302614A true CN113302614A (zh) 2021-08-24
CN113302614B CN113302614B (zh) 2023-02-03

Family

ID=77331318

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180001489.2A Active CN113302614B (zh) 2021-04-25 2021-04-25 数据管理方法、装置和终端设备

Country Status (2)

Country Link
CN (1) CN113302614B (zh)
WO (1) WO2022226689A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11398117B1 (en) * 2021-09-02 2022-07-26 Rivian Ip Holdings, Llc Method for real-time ECU crash reporting and recovery
CN115454355A (zh) * 2022-10-26 2022-12-09 小米汽车科技有限公司 车辆运行数据存储方法，装置，车辆及存储介质

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102067191A (zh) * 2008-06-30 2011-05-18 罗姆股份有限公司 车辆的行驶信息记录装置
CN105469610A (zh) * 2015-12-31 2016-04-06 清华大学苏州汽车研究院（吴江） 一种基于实时数据交互的高速公路智能obu装置
CN107123312A (zh) * 2017-07-05 2017-09-01 维沃移动通信有限公司 一种交通预警方法及路侧设备
CN109389863A (zh) * 2017-08-02 2019-02-26 华为技术有限公司 提示方法及相关设备
CN109830002A (zh) * 2019-01-23 2019-05-31 征辕科技(宁波)有限公司 行车事件数据记录方法、装置及事件数据记录器
CN109919140A (zh) * 2019-04-02 2019-06-21 浙江科技学院 车辆碰撞事故责任自动判定方法、系统、设备及存储介质
CN110232752A (zh) * 2018-09-05 2019-09-13 蔚来汽车有限公司 数据存储装置和方法、黑匣子、车辆、控制器及介质
CN110570538A (zh) * 2019-08-07 2019-12-13 华为技术有限公司 智能驾驶汽车中黑匣子数据的管理方法、装置和设备
CN110782670A (zh) * 2019-11-05 2020-02-11 北京汽车集团有限公司 基于数据融合的场景还原方法、车辆云平台及存储介质
CN111028382A (zh) * 2018-10-10 2020-04-17 美光科技公司 自主交通工具中待收集数据的实时选择
CN111062240A (zh) * 2019-10-16 2020-04-24 中国平安财产保险股份有限公司 汽车驾驶安全的监控方法、装置、计算机设备及存储介质
CN111475263A (zh) * 2020-04-10 2020-07-31 上海移为通信技术股份有限公司 事件处理方法、设备及存储介质
CN111597507A (zh) * 2020-03-31 2020-08-28 浙江吉利汽车研究院有限公司 一种事件数据记录方法、装置、设备及存储介质
CN111612938A (zh) * 2020-03-31 2020-09-01 浙江吉利汽车研究院有限公司 一种事件记录设备控制方法、装置、设备及存储介质
CN111615717A (zh) * 2018-12-26 2020-09-01 Jvc建伍株式会社 车辆用记录控制装置、车辆用记录装置、车辆用记录控制方法以及程序
CN111669711A (zh) * 2020-06-03 2020-09-15 腾讯科技（深圳）有限公司 车辆信息存储的实现方法、装置及计算机设备
US20200310910A1 (en) * 2016-06-28 2020-10-01 Nippon Seiki Co., Ltd. Display device for vehicle
CN111815986A (zh) * 2020-09-02 2020-10-23 深圳市城市交通规划设计研究中心股份有限公司 一种交通事故预警方法、装置、终端设备及存储介质
CN112258837A (zh) * 2020-10-19 2021-01-22 腾讯科技（深圳）有限公司 一种车辆预警的方法、相关装置、设备以及存储介质
CN112530163A (zh) * 2020-11-23 2021-03-19 腾讯科技（深圳）有限公司 交通事故预测方法、装置、电子设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2340126B8 (es) * 2008-10-20 2011-07-14 Ignacio Grillo Dolset Sistema de grabacion de incidentes de trafico instalado en vehiculos de carretera.
WO2013014765A1 (ja) * 2011-07-27 2013-01-31 トヨタ自動車株式会社 車両用データ記録装置
US20160291887A1 (en) * 2015-03-30 2016-10-06 Kabushiki Kaisha Toshiba Solid-state drive with non-volatile random access memory
CN111669281B (zh) * 2019-03-08 2021-11-30 华为技术有限公司 告警分析方法、装置、设备及存储介质

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102067191A (zh) * 2008-06-30 2011-05-18 罗姆股份有限公司 车辆的行驶信息记录装置
CN105469610A (zh) * 2015-12-31 2016-04-06 清华大学苏州汽车研究院（吴江） 一种基于实时数据交互的高速公路智能obu装置
US20200310910A1 (en) * 2016-06-28 2020-10-01 Nippon Seiki Co., Ltd. Display device for vehicle
CN107123312A (zh) * 2017-07-05 2017-09-01 维沃移动通信有限公司 一种交通预警方法及路侧设备
CN109389863A (zh) * 2017-08-02 2019-02-26 华为技术有限公司 提示方法及相关设备
CN110232752A (zh) * 2018-09-05 2019-09-13 蔚来汽车有限公司 数据存储装置和方法、黑匣子、车辆、控制器及介质
CN111028382A (zh) * 2018-10-10 2020-04-17 美光科技公司 自主交通工具中待收集数据的实时选择
CN111615717A (zh) * 2018-12-26 2020-09-01 Jvc建伍株式会社 车辆用记录控制装置、车辆用记录装置、车辆用记录控制方法以及程序
CN109830002A (zh) * 2019-01-23 2019-05-31 征辕科技(宁波)有限公司 行车事件数据记录方法、装置及事件数据记录器
CN109919140A (zh) * 2019-04-02 2019-06-21 浙江科技学院 车辆碰撞事故责任自动判定方法、系统、设备及存储介质
CN110570538A (zh) * 2019-08-07 2019-12-13 华为技术有限公司 智能驾驶汽车中黑匣子数据的管理方法、装置和设备
CN111062240A (zh) * 2019-10-16 2020-04-24 中国平安财产保险股份有限公司 汽车驾驶安全的监控方法、装置、计算机设备及存储介质
CN110782670A (zh) * 2019-11-05 2020-02-11 北京汽车集团有限公司 基于数据融合的场景还原方法、车辆云平台及存储介质
CN111597507A (zh) * 2020-03-31 2020-08-28 浙江吉利汽车研究院有限公司 一种事件数据记录方法、装置、设备及存储介质
CN111612938A (zh) * 2020-03-31 2020-09-01 浙江吉利汽车研究院有限公司 一种事件记录设备控制方法、装置、设备及存储介质
CN111475263A (zh) * 2020-04-10 2020-07-31 上海移为通信技术股份有限公司 事件处理方法、设备及存储介质
CN111669711A (zh) * 2020-06-03 2020-09-15 腾讯科技（深圳）有限公司 车辆信息存储的实现方法、装置及计算机设备
CN111815986A (zh) * 2020-09-02 2020-10-23 深圳市城市交通规划设计研究中心股份有限公司 一种交通事故预警方法、装置、终端设备及存储介质
CN112258837A (zh) * 2020-10-19 2021-01-22 腾讯科技（深圳）有限公司 一种车辆预警的方法、相关装置、设备以及存储介质
CN112530163A (zh) * 2020-11-23 2021-03-19 腾讯科技（深圳）有限公司 交通事故预测方法、装置、电子设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11398117B1 (en) * 2021-09-02 2022-07-26 Rivian Ip Holdings, Llc Method for real-time ECU crash reporting and recovery
CN115454355A (zh) * 2022-10-26 2022-12-09 小米汽车科技有限公司 车辆运行数据存储方法，装置，车辆及存储介质
CN115454355B (zh) * 2022-10-26 2023-01-10 小米汽车科技有限公司 车辆运行数据存储方法，装置，车辆及存储介质

Also Published As

Publication number Publication date
WO2022226689A1 (zh) 2022-11-03
CN113302614B (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
US11521496B2 (en) Lane-borrowing vehicle driving method and control center
US12037004B2 (en) Controlling driving modes of self-driving vehicles
US11847908B2 (en) Data processing for connected and autonomous vehicles
WO2021196052A1 (zh) 驾驶数据采集方法及装置
WO2023045935A1 (zh) 一种目标检测模型自动化迭代方法、设备及存储介质
CN113302614B (zh) 数据管理方法、装置和终端设备
WO2023045936A1 (zh) 一种模型自动化迭代方法、设备及存储介质
US20240298205A1 (en) Systems and methods for selecting locations to validate automated vehicle data transmission
US20180373266A1 (en) Crowdsource-based virtual sensor generation and virtual sensor application control
CN112785835A (zh) 一种获取路况信息的方法及装置、车载装置
CN113538946A (zh) 一种基于分布式的高速公路突发情况预警系统、方法
US11107227B1 (en) Object detection based on three-dimensional distance measurement sensor point cloud data
CN111063207A (zh) 自适应车辆基础设施通信
CN114407915B (zh) 运行设计域odd的处理方法、装置及存储介质
CN113781786B (zh) 一种不可通行区域确认方法、装置、设备及可读存储介质
CN115571144A (zh) 车辆的事故强度估计
CN115116161A (zh) 车辆数据采集方法、装置、存储介质以及车辆
CN108447290A (zh) 基于车联网的智能避让系统
US20230055974A1 (en) Method of Selecting a Route for Recording Vehicle
US20240219519A1 (en) Weather station for sensor calibration
US20240083465A1 (en) Autonomous vehicle control based on changing weather conditions
US20230243952A1 (en) Unified radar perception architecture
US20240149881A1 (en) Using mapping data for generating perception-impacting environmental features for autonomous vehicles
CN208027580U (zh) 基于车联网的智能避让系统
US20230331256A1 (en) Discerning fault for rule violations of autonomous vehicles for data processing

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