CN114245303A - 一种数据采集方法、装置、可读存储介质和车辆 - Google Patents
一种数据采集方法、装置、可读存储介质和车辆 Download PDFInfo
- Publication number
- CN114245303A CN114245303A CN202111585285.6A CN202111585285A CN114245303A CN 114245303 A CN114245303 A CN 114245303A CN 202111585285 A CN202111585285 A CN 202111585285A CN 114245303 A CN114245303 A CN 114245303A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- acquisition
- determining
- passenger
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000001914 filtration Methods 0.000 claims description 28
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 8
- 238000005406 washing Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种数据采集方法、装置、可读存储介质和车辆,属于数据处理技术领域。本申请实施例根据车辆的第一当前位置信息,确定车辆所处的第一驾驶场景;并在预先建立的数据采集策略库中,确定第一驾驶场景对应的第一目标数据采集策略,使得车辆可以根据第一目标数据采集策略,对车辆进行数据采集。本申请实施例基于车辆的位置信息及对应的驾驶场景,匹配对应目标数据采集策略,并根据目标数据采集策略中的采集项以及所述采集项对应的采集频率,对车辆进行数据采集,可以有效减少采集的数据量和采集频次,实现按需采集,从而减少内存占用量、减轻车载终端CPU负荷,同时减少冗余数据的上传,减少流量的消耗。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种数据采集方法、装置、可读存储介质和车辆。
背景技术
现有的车载终端在后台实时不间断的采集用户数据和车辆数据,并实时将采集的数据打包传送到后台服务器,大量的数据采集项加之高频率的采集将产生大量冗余数据,不仅会占用大量内存,加重车载终端CPU负荷,影响车辆性能,还会增加本地数据传送到服务端的流量消耗。
发明内容
本申请提供一种数据采集方法、装置、可读存储介质和车辆,以解决现有的车载终端在采集用户数据和车辆数据时,内存占用多、CPU负荷大、流量消耗高的问题。
为了解决上述问题,本申请采用了以下的技术方案:
第一方面,本申请实施例提供了一种数据采集方法,所述方法包括:
获取车辆的第一当前位置信息;
根据所述第一当前位置信息,确定所述车辆所处的第一驾驶场景;
在预先建立的数据采集策略库中,确定所述第一驾驶场景对应的第一目标数据采集策略;其中,所述数据采集策略库中包括针对多种驾驶场景的数据采集策略,每种所述数据采集策略均包括至少一个采集项以及所述采集项对应的采集频率;
根据所述第一目标数据采集策略,对所述车辆进行数据采集。
在本申请一实施例中,所述方法还包括:
获得与多个驾驶场景一一对应的多个电子围栏;
根据所述第一当前位置信息,确定所述车辆所处的第一驾驶场景,包括:
确定所述第一当前位置信息对应的第一电子围栏;
根据所述第一电子围栏内的地理围栏信息,确定所述车辆所处的第一驾驶场景。
在本申请一实施例中,根据所述第一目标数据采集策略,对所述车辆进行数据采集,包括:
根据所述第一目标数据采集策略,对所述车辆的车辆数据和所述车辆内的乘客数据进行采集;
所述方法还包括:
将采集得到的所述车辆数据和所述乘客数据输入预先训练的数据过滤模型,以得到过滤后的车辆数据和乘客数据;
按照预设传输频率将所述过滤后的车辆数据和乘客数据上传到云服务端。
在本申请一实施例中,将采集得到的所述车辆数据和所述乘客数据输入预先训练的数据过滤模型,以得到过滤后的车辆数据和乘客数据,包括:
通过所述数据过滤模型判断所述车辆数据和所述乘客数据中的数值数据是否在各自对应的阈值范围内,并将未在所述阈值范围内的车辆数据和乘客数据确定为非有效数值数据;和,
通过所述数据过滤模型判断所述车辆数据和所述乘客数据中的图像数据是否高于各自对应的相似度阈值,并将高于所述相似度阈值的车辆数据和乘客数据确定为冗余图像数据;
对所述非有效数值数据和所述冗余图像数据进行清洗,以得到过滤后的车辆数据和所述乘客数据。
第二方面,基于相同发明构思,本申请实施例提供了一种数据采集装置,所述装置包括:
位置获取模块,用于获取车辆的第一当前位置信息;
场景确定模块,用于根据所述第一当前位置信息,确定所述车辆所处的第一驾驶场景;
策略确定模块,用于在预先建立的数据采集策略库中,确定所述第一驾驶场景对应的第一目标数据采集策略;其中,所述数据采集策略库中包括针对多种驾驶场景的数据采集策略,每种所述数据采集策略均包括至少一个采集项以及所述采集项对应的采集频率;
采集模块,用于根据所述第一目标数据采集策略,对所述车辆进行数据采集。
在本申请一实施例中,所述装置还包括:
电子围栏获取模块,用于获得与多个驾驶场景一一对应的多个电子围栏;
所述场景确定模块包括:
电子围栏确定子模块,用于确定所述第一当前位置信息对应的第一电子围栏;
场景确定子模块,用于根据所述第一电子围栏内的地理围栏信息,确定所述车辆所处的第一驾驶场景。
在本申请一实施例中,所述采集模块包括:
数据采集子模块,用于根据所述第一目标数据采集策略,对所述车辆的车辆数据和所述车辆内的乘客数据进行采集;
所述装置还包括:
过滤模块,用于将采集得到的所述车辆数据和所述乘客数据输入预先训练的数据过滤模型,以得到过滤后的车辆数据和乘客数据;
上传模块,用于按照预设传输频率将所述过滤后的车辆数据和乘客数据上传到云服务端。
在本申请一实施例中,所过滤模块包括:
判断子模块,用于通过所述数据过滤模型判断所述车辆数据和所述乘客数据中的数值数据是否在各自对应的阈值范围内,并将未在所述阈值范围内的车辆数据和乘客数据确定为非有效数值数据;和,通过所述数据过滤模型判断所述车辆数据和所述乘客数据中的图像数据是否高于各自对应的相似度阈值,并将高于所述相似度阈值的车辆数据和乘客数据确定为冗余图像数据;
清洗子模块,用于对所述非有效数值数据和所述冗余图像数据进行清洗,以得到过滤后的车辆数据和所述乘客数据。
第三方面,基于相同发明构思,本申请实施例提供了一种可读存储介质,所述存储介质存储数据采集程序,所述数据采集程序被处理器执行实现本申请第一方面提出的数据采集方法的步骤。
第四方面,基于相同发明构思,本申请实施例提供了一种车辆,包括处理器,所述处理器用于执行本申请第一方面提出的数据采集方法。
与现有技术相比,本申请包括以下优点:
本申请实施例提供的一种数据采集方法,根据车辆的第一当前位置信息,确定车辆所处的第一驾驶场景;并在预先建立的数据采集策略库中,确定第一驾驶场景对应的第一目标数据采集策略,使得车辆可以根据第一目标数据采集策略,对车辆进行数据采集。本申请实施例基于车辆的位置信息及对应的驾驶场景,匹配对应目标数据采集策略,并根据目标数据采集策略中的采集项以及所述采集项对应的采集频率,对车辆进行数据采集,可以有效减少采集的数据量和采集频次,实现按需采集,从而减少内存占用量、减轻车载终端CPU负荷,同时减少冗余数据的上传,减少流量的消耗。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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是本申请一实施例中的数据采集方法的步骤流程图。
图2是本申请一实施例中的数据采集装置的功能模块示意图。
附图标记:200-数据采集装置;201-位置获取模块;202-场景确定模块;203-策略确定模块;204-采集模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
需要说明的是,现有的车载信息采集系统,通过车载终端实现对行车信息的采集并分析,并将行车信息通过无线网络发送给大数据服务系统处理。采集的数据包括卫星定位数据、加速度、角速度传感器,油量、油耗、车辆环境数据(pm2.5、室内外温度等)、空调、净化器、发动机、变速器、安全带、座椅、轮胎、方向盘、维保、电瓶、车窗、车门等车辆各种数据。
现有的车载终端在后台实时不间断的采集用户数据和车辆数据,并实时将采集的数据打包传送到后台服务器,大量的数据采集项加之高频率的采集将产生大量冗余数据,不仅会占用大量内存,加重车载终端CPU负荷,影响终端性能,还会增加本地数据传送到服务端的流量消耗。
针对现有技术存在的问题,本申请旨在提供一种数据采集方法,基于车辆的位置信息,为不同的驾驶场景适配不同的数据采集策略,使得车辆随着位置信息的变化能够动态更新数据采集策略,并按照对应数据采集策略的采集项以及采集项对应的采集频率对车辆进行数据采集,可以有效减少无用数据或者冗余数据的采集,从而减少内存占用量、减轻车载终端CPU负荷,避免影响车辆性能,同时减少冗余数据的上传,减少流量的消耗。
参照图1,示出了本申请一种数据采集方法,该方法的执行主体为车载终端,该方法可以包括以下步骤:
步骤S101:获取车辆的第一当前位置信息。
在本实施方式中,可以通过车载GPS定位系统配合移动网络获取车辆的当前位置信息,并结合车辆的行驶速度,将该当前位置信息进行实时更新。
步骤S102:根据第一当前位置信息,确定车辆所处的第一驾驶场景。
在本实施方式中,以位置信息作为决策点,通过获取该位置对应的一定范围内的场景信息,确定车辆所处的驾驶场景。其中,场景信息可基于大数据进行实时获取与更新,如在当前位置的一定范围内存在人员密集区域或道路拥堵区域,则对应的驾驶场景则为人员密集驾驶场景或道路拥堵驾驶场景;而在当前位置的一定范围内为人员稀少区域或道路通畅区域,则对应的驾驶场景则为人员稀少驾驶场景或道路通畅驾驶场景。当车辆从人员密集区域或道路拥堵区域行驶至人员稀少区域或道路通畅区域时,随着场景的更换,将采用更少的采集项以及更低的采集频率对车辆进行数据采集。
步骤S103:在预先建立的数据采集策略库中,确定第一驾驶场景对应的第一目标数据采集策略;其中,数据采集策略库中包括针对多种驾驶场景的数据采集策略,每种数据采集策略均包括至少一个采集项以及采集项对应的采集频率。
在本实施方式中,针对多种驾驶场景的采集需求可定制对应的数据采集策略。其中,数据采集策略可以以数据采集策略表的形式进行存储,数据采集策略表可以但不限于包括对应的采集项、采集项对应的采集频率或采集项对应的采集数量等。车辆即可根据数据采集策略表作为控制依据,控制对应采集开关开启或关闭,以执行相应的数据采集策略。
步骤S104:根据第一目标数据采集策略,对车辆进行数据采集。
在本实施方式中,基于车辆的位置信息,通过匹配对应驾驶场景所需要上传的采集项,并根据对应的采集频率对采集项进行采集,可以有效减少采集的数据量和采集频次,从而减少内存占用量、减轻车载终端CPU负荷,避免影响车辆性能,同时减少冗余数据的上传,减少流量的消耗。
在一个可行的实施方式中,考虑到车载终端在执行算法时,会对车载终端CPU造成算法占用而影响车辆性能,因此在本实施方式中,将算法的执行主体分为车载终端和云服务端,其中,云服务端执行步骤S102和步骤S103,车辆执行步骤S101和S104,即车载终端仅需将车辆的第一当前位置信息发送给云服务端,而云服务端负责进行驾驶场景以及目标数据采集策略的确认,并将对应的目标数据采集策略同步至车载终端,车载终端再根据目标数据采集策略,对车辆进行数据采集。
具体地,车载终端通过车载GPS定位系统配合移动网络获取车辆的第一当前位置信息,并结合车辆的行驶速度,将该第一当前位置信息实时更新至云服务端;云服务端根据第一当前位置信息,在预先建立的数据采集策略库中匹配对应的第一目标数据采集策略,并将对应的数据采集策略表下发至车载终端;车载终端根据数据采集策略表中的内容,开启车辆对应的采集开关,并按照对应的采集频率对车辆进行数据采集,并将采集得到的数据同步上传至云服务端进行存储,以便进行后续的数据分析。
在本实施方式中,车辆仅需提供车辆的位置信息,算法主要在云服务端完成,可以进一步减少车载终端的算法占用,以减轻车辆CPU的负荷,提高车辆的运行性能。
在一个可行的实施方式中,该方法还可以包括以下步骤:
步骤S201:获得与多个驾驶场景一一对应的多个电子围栏。
在本实施方式中,可以在本地根据驾驶场景生成对应的电子围栏;也可以在云服务端基于大数据根据驾驶场景生成对应的电子围栏,并将生产的电子围栏通过同步网络从云端同步到车辆。车辆即可根据车辆所处的当前位置所在的电子围栏,确定车辆所处的第一驾驶场景,具体地,步骤S102可以具体包括以下子步骤:
子步骤S102-1:确定第一当前位置信息对应的第一电子围栏。
子步骤S102-2:根据第一电子围栏内的地理围栏信息,确定车辆所处的第一驾驶场景。
需要说明的是,地理围栏信息指第一电子围栏中的POI(Point of Interest,兴趣点),一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等,每个POI包含四方面信息,名称、类别、坐标、分类,全面的POI讯息是丰富导航地图的必备资讯,及时的POI信息点能提醒用户路况的分支及周边建筑的详尽信息,也能方便导航中查到你所需要的各个地方,选择最为便捷和通畅的道路来进行路径规划。一个区域内POI数量的多少和类别可以表征该区域的场景信息。
在本实施方式中,根据第一电子围栏内的地理围栏信息,可以确定车辆所处的第一驾驶场景。在一个例子中,车辆所处的第一电子围栏内包含有学校、商业街、购物中心等较多POI,则可确定车辆所处的第一驾驶场景为人员密集驾驶场景,在该驾驶场景下,为保证车辆和行人安全,车辆将启用更多的采集项和更高的采集频率进行采集,以完整的记录车辆的行驶路况、行驶状态和驾驶行为;而当车辆行驶至POI较少的非城区时,将采用更少的采集项以及更低的采集频率对车辆进行数据采集,以减少冗余数据的采集和上传。
在一个可行的实施方式中,在子步骤S102-2之后,步骤S102还可以包括:
子步骤S102-3:在车辆驶出第一电子围栏的边界的情况下,根据车辆的第二当前位置信息,确定第二当前位置信息对应的第二电子围栏;
子步骤S102-4:根据第二电子围栏,确定车辆所处的第二驾驶场景;
子步骤S102-5:将第一目标数据采集策略更新为第二驾驶场景对应的第二目标数据采集策略;
子步骤S102-6:根据第二目标数据采集策略,对车辆进行数据采集。
在本实施方式中,车载终端会将车辆的行驶速度同步至本地或者云服务端,因此在车辆驶出第一电子围栏的边界时,本地或云服务端会根据电子围栏的变化,同步更新相应的数据采集策略。
在一个例子中,用户驾驶车辆自驾游,从A城市出发驶向B城市,则在A城市至B城市的行驶路径上基于大数据生成若干个电子围栏,如在城区设置对应的城区电子围栏,在A城市至B城市的高速路区域上设置对应的高速路电子围栏;在事故多发区域设置对应的事故多发电子围栏,在道口通畅区域设置对应的道路通畅电子围栏。
需要说明的是,不同的电子围栏可以进行数据采集策略的合并,即某一位置区域即为城区电子围栏的范围内,也为事故多发电子围栏的范围内,则将对应的两个数据采集策略中的采集项取并集,以在不同的地点自适应不同的数据采集策略。
在一个可行的实施方式中,根据步骤S104对车辆进行数据采集时,采集的数据包括车辆的车辆数据和车辆内的乘客数据。考虑到车辆数据和车辆内的乘客数据还可能包含一些无效数据,为实现对这部分无效数据的清洗,方法还可以包括以下步骤:
步骤S105:将采集得到的车辆数据和乘客数据输入预先训练的数据过滤模型,以得到过滤后的车辆数据和乘客数据。
具体地,步骤S105还可以具体包括以下子步骤:
子步骤S105-1:通过数据过滤模型判断车辆数据和乘客数据中的数值数据是否在各自对应的阈值范围内,并将未在阈值范围内的车辆数据和乘客数据确定为非有效数值数据;和,通过数据过滤模型判断车辆数据和乘客数据中的图像数据是否高于各自对应的相似度阈值,并将高于相似度阈值的车辆数据和乘客数据确定为冗余图像数据。
在本实施方式中,将车辆数据和乘客数据划分为数值数据和图像数据。其中,针对数值数据通过设置对应的阈值范围进行判断,该阈值范围可以理解为有效数据范围,如室外温度检测到100摄氏度,即为非有效数值数据;而图像数据由于数据量较大,占用内存较多,且存在较多的冗余数据,因此针对图像数据在进行上传云服务端前,通过进行相似度的判断,可以有效剔除大量冗余数据,如在车辆驻车或者在平直道路等驾驶场景简单的情况下,通过车载摄像头拍摄的车内车外的环境数据以及乘客的图像数据,通常具有很大的相似度,通过将相似高于相似度阈值的图像数据进行清除,能够在异常情况下保证有效记录车辆数据和乘客数据的同时,可以有效清洗掉冗余数据。
本实施方式需要说明的是,在训练数据过滤模型阶段,可以先获取图像识别训练集,该图像识别训练集以“图片对”为单位,“相似度”为标签,并将图像识别训练集输入基于神经网络构建的数据过滤模型中,最终数据过滤模型回归出输入图片对的相似度,已完成对数据过滤模型的训练。
子步骤S105-2:对非有效数值数据和冗余图像数据进行清洗,以得到过滤后的车辆数据和乘客数据。
步骤S106:按照预设传输频率将过滤后的车辆数据和乘客数据上传到云服务端。
本实施方式需要说明的是,预设传输频率可以根据驾驶场景的不同进行设置,如在人员密集驾驶场景或道路拥堵驾驶场景中,采用较高频率的第一预设传输频率进行采集,如此,可以在车辆行驶状态不稳定或存在驾驶风险时,及时将车辆数据和乘客数据进行上报,以实现该驾驶场景下数据的完整采集;而在人员稀少驾驶场景或道路通畅驾驶场景中,则可以低于第一预设传输频率的第二预设传输频率进行数据的上报。
第二方面,基于相同发明构思,参照图2,本申请实施例提供了一种数据采集装置200,数据采集装置200包括:
位置获取模块201,用于获取车辆的第一当前位置信息;
场景确定模块202,用于根据第一当前位置信息,确定车辆所处的第一驾驶场景;
策略确定模块203,用于在预先建立的数据采集策略库中,确定第一驾驶场景对应的第一目标数据采集策略;其中,数据采集策略库中包括针对多种驾驶场景的数据采集策略,每种数据采集策略均包括至少一个采集项以及采集项对应的采集频率;
采集模块204,用于根据第一目标数据采集策略,对车辆进行数据采集。
在一个可行的实施方式中,数据采集装置200还包括:
电子围栏获取模块,用于获得与多个驾驶场景一一对应的多个电子围栏;
场景确定模块202包括:
电子围栏确定子模块,用于确定第一当前位置信息对应的第一电子围栏;
场景确定子模块,用于根据第一电子围栏内的地理围栏信息,确定车辆所处的第一驾驶场景。
在一个可行的实施方式中,采集模块204包括:
数据采集子模块,用于根据第一目标数据采集策略,对车辆的车辆数据和车辆内的乘客数据进行采集;
数据采集装置200还包括:
过滤模块,用于将采集得到的车辆数据和乘客数据输入预先训练的数据过滤模型,以得到过滤后的车辆数据和乘客数据;
上传模块,用于按照预设传输频率将过滤后的车辆数据和乘客数据上传到云服务端。
在一个可行的实施方式中,所过滤模块包括:
判断子模块,用于通过数据过滤模型判断车辆数据和乘客数据中的数值数据是否在各自对应的阈值范围内,并将未在阈值范围内的车辆数据和乘客数据确定为非有效数值数据;和,通过数据过滤模型判断车辆数据和乘客数据中的图像数据是否高于各自对应的相似度阈值,并将高于相似度阈值的车辆数据和乘客数据确定为冗余图像数据;
清洗子模块,用于对非有效数值数据和冗余图像数据进行清洗,以得到过滤后的车辆数据和乘客数据。
需要说明的是,本申请实施例的数据采集装置的具体实施方式参照前述本申请实施例第一方面提出的数据采集方法的具体实施方式,在此不再赘述。
第三方面,基于相同发明构思,本申请实施例提供了一种可读存储介质,存储介质存储数据采集程序,数据采集程序被处理器执行实现本申请第一方面提出的数据采集方法的步骤。
需要说明的是,本申请实施例的可读存储介质的具体实施方式参照前述本申请实施例第一方面提出的数据采集方法的具体实施方式,在此不再赘述。
第四方面,基于相同发明构思,本申请实施例提供了一种车辆,包括处理器,处理器用于执行本申请第一方面提出的数据采集方法。
需要说明的是,本申请实施例的车辆的具体实施方式参照前述本申请实施例第一方面提出的数据采集方法的具体实施方式,在此不再赘述。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者终端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、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种数据采集方法、装置、可读存储介质和车辆,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种数据采集方法,其特征在于,所述方法包括:
获取车辆的第一当前位置信息;
根据所述第一当前位置信息,确定所述车辆所处的第一驾驶场景;
在预先建立的数据采集策略库中,确定所述第一驾驶场景对应的第一目标数据采集策略;其中,所述数据采集策略库中包括针对多种驾驶场景的数据采集策略,每种所述数据采集策略均包括至少一个采集项以及所述采集项对应的采集频率;
根据所述第一目标数据采集策略,对所述车辆进行数据采集。
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:
获得与多个驾驶场景一一对应的多个电子围栏;
根据所述第一当前位置信息,确定所述车辆所处的第一驾驶场景,包括:
确定所述第一当前位置信息对应的第一电子围栏;
根据所述第一电子围栏内的地理围栏信息,确定所述车辆所处的第一驾驶场景。
3.根据权利要求1所述的方法,其特征在于,根据所述第一目标数据采集策略,对所述车辆进行数据采集,包括:
根据所述第一目标数据采集策略,对所述车辆的车辆数据和所述车辆内的乘客数据进行采集;
所述方法还包括:
将采集得到的所述车辆数据和所述乘客数据输入预先训练的数据过滤模型,以得到过滤后的车辆数据和乘客数据;
按照预设传输频率将所述过滤后的车辆数据和乘客数据上传到云服务端。
4.根据权利要求3所述的方法,其特征在于,将采集得到的所述车辆数据和所述乘客数据输入预先训练的数据过滤模型,以得到过滤后的车辆数据和乘客数据,包括:
通过所述数据过滤模型判断所述车辆数据和所述乘客数据中的数值数据是否在各自对应的阈值范围内,并将未在所述阈值范围内的车辆数据和乘客数据确定为非有效数值数据;和,
通过所述数据过滤模型判断所述车辆数据和所述乘客数据中的图像数据是否高于各自对应的相似度阈值,并将高于所述相似度阈值的车辆数据和乘客数据确定为冗余图像数据;
对所述非有效数值数据和所述冗余图像数据进行清洗,以得到过滤后的车辆数据和所述乘客数据。
5.一种数据采集装置,其特征在于,所述装置包括:
位置获取模块,用于获取车辆的第一当前位置信息;
场景确定模块,用于根据所述第一当前位置信息,确定所述车辆所处的第一驾驶场景;
策略确定模块,用于在预先建立的数据采集策略库中,确定所述第一驾驶场景对应的第一目标数据采集策略;其中,所述数据采集策略库中包括针对多种驾驶场景的数据采集策略,每种所述数据采集策略均包括至少一个采集项以及所述采集项对应的采集频率;
采集模块,用于根据所述第一目标数据采集策略,对所述车辆进行数据采集。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括:
电子围栏获取模块,用于获得与多个驾驶场景一一对应的多个电子围栏;
所述场景确定模块包括:
电子围栏确定子模块,用于确定所述第一当前位置信息对应的第一电子围栏;
场景确定子模块,用于根据所述第一电子围栏内的地理围栏信息,确定所述车辆所处的第一驾驶场景。
7.根据权利要求5所述的装置,其特征在于,所述采集模块包括:
数据采集子模块,用于根据所述第一目标数据采集策略,对所述车辆的车辆数据和所述车辆内的乘客数据进行采集;
所述装置还包括:
过滤模块,用于将采集得到的所述车辆数据和所述乘客数据输入预先训练的数据过滤模型,以得到过滤后的车辆数据和乘客数据;
上传模块,用于按照预设传输频率将所述过滤后的车辆数据和乘客数据上传到云服务端。
8.根据权利要求7所述的装置,其特征在于,所过滤模块包括:
判断子模块,用于通过所述数据过滤模型判断所述车辆数据和所述乘客数据中的数值数据是否在各自对应的阈值范围内,并将未在所述阈值范围内的车辆数据和乘客数据确定为非有效数值数据;和,通过所述数据过滤模型判断所述车辆数据和所述乘客数据中的图像数据是否高于各自对应的相似度阈值,并将高于所述相似度阈值的车辆数据和乘客数据确定为冗余图像数据;
清洗子模块,用于对所述非有效数值数据和所述冗余图像数据进行清洗,以得到过滤后的车辆数据和所述乘客数据。
9.一种可读存储介质,其特征在于,所述存储介质存储数据采集程序,所述数据采集程序被处理器执行实现如权利要求1-4任一项所述的数据采集方法的步骤。
10.一种车辆,其特征在于,包括处理器,所述处理器用于执行如权利要求1-4任一项所述的数据采集方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111585285.6A CN114245303A (zh) | 2021-12-22 | 2021-12-22 | 一种数据采集方法、装置、可读存储介质和车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111585285.6A CN114245303A (zh) | 2021-12-22 | 2021-12-22 | 一种数据采集方法、装置、可读存储介质和车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114245303A true CN114245303A (zh) | 2022-03-25 |
Family
ID=80761695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111585285.6A Pending CN114245303A (zh) | 2021-12-22 | 2021-12-22 | 一种数据采集方法、装置、可读存储介质和车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114245303A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114785784A (zh) * | 2022-04-14 | 2022-07-22 | 中国第一汽车股份有限公司 | 数据处理方法、装置、电子设备 |
CN114915646A (zh) * | 2022-06-16 | 2022-08-16 | 上海伯镭智能科技有限公司 | 一种无人驾驶矿车的数据分级上传方法和装置 |
CN115134383A (zh) * | 2022-06-24 | 2022-09-30 | 重庆长安汽车股份有限公司 | 一种车联网数据上云任务动态配置方法、系统、设备和介质 |
CN115140060A (zh) * | 2022-07-29 | 2022-10-04 | 中汽创智科技有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485241A (zh) * | 2016-12-07 | 2017-03-08 | 云赛智联股份有限公司 | 一种数据分析系统 |
US20170291548A1 (en) * | 2016-04-07 | 2017-10-12 | Lg Electronics Inc. | Interior Camera Apparatus, Driver Assistance Apparatus Having The Same And Vehicle Having The Same |
JP2019022205A (ja) * | 2017-07-11 | 2019-02-07 | 日本電信電話株式会社 | センシングデータ処理システムとそのエッジサーバ、伝送トラフィック削減方法およびプログラム |
CN109857002A (zh) * | 2019-01-15 | 2019-06-07 | 北京百度网讯科技有限公司 | 数据采集方法、装置、设备及计算机可读存储介质 |
CN110084137A (zh) * | 2019-04-04 | 2019-08-02 | 百度在线网络技术(北京)有限公司 | 基于驾驶场景的数据处理方法、装置和计算机设备 |
CN112637264A (zh) * | 2020-11-23 | 2021-04-09 | 北京百度网讯科技有限公司 | 一种信息交互方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-22 CN CN202111585285.6A patent/CN114245303A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170291548A1 (en) * | 2016-04-07 | 2017-10-12 | Lg Electronics Inc. | Interior Camera Apparatus, Driver Assistance Apparatus Having The Same And Vehicle Having The Same |
CN106485241A (zh) * | 2016-12-07 | 2017-03-08 | 云赛智联股份有限公司 | 一种数据分析系统 |
JP2019022205A (ja) * | 2017-07-11 | 2019-02-07 | 日本電信電話株式会社 | センシングデータ処理システムとそのエッジサーバ、伝送トラフィック削減方法およびプログラム |
CN109857002A (zh) * | 2019-01-15 | 2019-06-07 | 北京百度网讯科技有限公司 | 数据采集方法、装置、设备及计算机可读存储介质 |
CN110084137A (zh) * | 2019-04-04 | 2019-08-02 | 百度在线网络技术(北京)有限公司 | 基于驾驶场景的数据处理方法、装置和计算机设备 |
CN112637264A (zh) * | 2020-11-23 | 2021-04-09 | 北京百度网讯科技有限公司 | 一种信息交互方法、装置、电子设备及存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114785784A (zh) * | 2022-04-14 | 2022-07-22 | 中国第一汽车股份有限公司 | 数据处理方法、装置、电子设备 |
CN114785784B (zh) * | 2022-04-14 | 2023-10-24 | 中国第一汽车股份有限公司 | 数据处理方法、装置、电子设备 |
CN114915646A (zh) * | 2022-06-16 | 2022-08-16 | 上海伯镭智能科技有限公司 | 一种无人驾驶矿车的数据分级上传方法和装置 |
CN114915646B (zh) * | 2022-06-16 | 2024-04-12 | 上海伯镭智能科技有限公司 | 一种无人驾驶矿车的数据分级上传方法和装置 |
CN115134383A (zh) * | 2022-06-24 | 2022-09-30 | 重庆长安汽车股份有限公司 | 一种车联网数据上云任务动态配置方法、系统、设备和介质 |
CN115134383B (zh) * | 2022-06-24 | 2023-03-28 | 重庆长安汽车股份有限公司 | 一种车联网数据上云任务动态配置方法、系统、设备和介质 |
CN115140060A (zh) * | 2022-07-29 | 2022-10-04 | 中汽创智科技有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11565654B2 (en) | Methods of providing insurance savings based upon telematics and driving behavior identification | |
CN114245303A (zh) | 一种数据采集方法、装置、可读存储介质和车辆 | |
US11776391B2 (en) | Generating and transmitting parking instructions for autonomous and non-autonomous vehicles | |
US11060882B2 (en) | Travel data collection and publication | |
US20230232185A1 (en) | Generating and Transmitting Parking Instructions for Autonomous and Non-Autonomous Vehicles | |
US11175152B2 (en) | Method and system for risk determination of a route | |
CN111240328B (zh) | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 | |
US11735046B2 (en) | Designing preferred vehicle routes based on driving scores from other vehicles | |
EP3139131B1 (en) | Methods and systems for driver assistance | |
US20180053237A1 (en) | Generating and Transmitting Parking Instructions for Autonomous and Non-Autonomous Vehicles | |
CA3033215C (en) | Generating and transmitting parking instructions for autonomous and non-autonomous vehicles | |
US11064324B2 (en) | Systems and methods for automatic breakdown detection and roadside assistance | |
EP2603770A1 (en) | Parking lot detection using probe data | |
CN102954800A (zh) | 车载装置及其行车辅助系统与行车辅助信息提供方法 | |
CN113935441B (zh) | 汽车自动驾驶功能测试道路的选取方法、设备和存储介质 | |
CN103942853A (zh) | 基于lbs数据库的汽车信息采集装置和风险分析方法 | |
CN115691203A (zh) | 一种城市道路泊位诱导方法、装置、设备及可读存储介质 | |
WO2021234393A1 (en) | Telematics device | |
Mon et al. | GPS Data Enrichment for Detecting Driver’s Real-time Behaviour in Myanmar | |
CN111540209B (zh) | 一种车辆聚集监测方法及计算机可读存储介质 | |
Vahdat-Nejad et al. | Vehicular Communications |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220729 Address after: 211100 floor 10, No. 7, Zijin research and innovation center, No. 89, Shengli Road, Jiangning District, Nanjing, Jiangsu Province (Jiangning Development Zone) Applicant after: Nobo Automotive Technology Nanjing Co.,Ltd. Address before: No. 2288 Chaoyang South Street, Lianchi District, Baoding City, Hebei Province Applicant before: NOBO AUTOMOTIVE SYSTEM Co.,Ltd. |
|
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220325 |