CN114925114A - 一种场景数据挖掘方法、装置、电子设备和存储介质 - Google Patents

一种场景数据挖掘方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN114925114A
CN114925114A CN202210551471.6A CN202210551471A CN114925114A CN 114925114 A CN114925114 A CN 114925114A CN 202210551471 A CN202210551471 A CN 202210551471A CN 114925114 A CN114925114 A CN 114925114A
Authority
CN
China
Prior art keywords
event
data
time
traffic scene
information
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
Application number
CN202210551471.6A
Other languages
English (en)
Inventor
杨健
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.)
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Apollo Zhixing Technology Guangzhou Co Ltd
Original Assignee
Apollo Intelligent Connectivity Beijing Technology 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 Apollo Intelligent Connectivity Beijing Technology Co Ltd filed Critical Apollo Intelligent Connectivity Beijing Technology Co Ltd
Priority to CN202210551471.6A priority Critical patent/CN114925114A/zh
Publication of CN114925114A publication Critical patent/CN114925114A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开提供了一种场景数据挖掘方法、装置、电子设备和存储介质，涉及数据处理技术领域，尤其涉及车路协同和自动驾驶技术领域。具体实现方案包括：响应于对目标交通场景事件的数据挖掘指令，获取所述目标交通场景事件的事件信息，以及所述目标交通场景事件所关联的自动驾驶车辆的行驶数据信息；根据所述事件信息和所述行驶数据信息，确定所述目标交通场景事件对应的有效落盘时间；根据所述有效落盘时间，从所述自动驾驶车辆的落盘数据中截取相应数据作为所述目标交通场景事件对应的真实场景数据。本公开方案可提升交通场景数据挖掘的效率。

Description

一种场景数据挖掘方法、装置、电子设备和存储介质
技术领域
本公开涉及数据处理技术领域，尤其涉及车路协同和自动驾驶技术领域，具体涉及一种场景数据挖掘方法、装置、电子设备、存储介质和计算机程序产品。
背景技术
车辆与万物(vehicle-to-everything，V2X)互联技术实现交通信息在车辆与车辆、车辆与交通设施之间的实时传播。V2X的具体实现中，提出车路协同技术。车路协同技术采用无线通信等技术，通过实时信息交互，充分实现人车路的有效协同，保证交通安全的同时提升通行效率。
发明内容
本公开提供了一种场景数据挖掘方法、装置、电子设备、存储介质和计算机程序产品。
根据本公开的一方面，提供了一种场景数据挖掘方法，包括：
响应于对目标交通场景事件的数据挖掘指令，获取目标交通场景事件的事件信息，以及目标交通场景事件所关联的自动驾驶车辆的行驶数据信息；
根据事件信息和行驶数据信息，确定目标交通场景事件对应的有效落盘时间；
根据有效落盘时间，从自动驾驶车辆的落盘数据中截取相应数据作为目标交通场景事件对应的真实场景数据。
根据本公开的一方面，提供了一种场景数据挖掘装置，包括：
数据获取模块，用于响应于对目标交通场景事件的数据挖掘指令，获取目标交通场景事件的事件信息，以及目标交通场景事件所关联的自动驾驶车辆的行驶数据信息；
有效时间确定模块，用于根据事件信息和行驶数据信息，确定目标交通场景事件对应的有效落盘时间；
数据截取模块，用于根据有效落盘时间，从自动驾驶车辆的落盘数据中截取相应数据作为目标交通场景事件对应的真实场景数据。
根据本公开的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开任意实施例的场景数据挖掘方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本公开任意实施例的场景数据挖掘方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开任意实施例的场景数据挖掘方法。
根据本公开的技术，可提升交通场景数据挖掘的效率。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开实施例提供的一种场景数据挖掘方法的流程示意图；
图2是本公开实施例提供的又一种场景数据挖掘方法的流程示意图；
图3是本公开实施例提供的又一种场景数据挖掘方法的流程示意图；
图4是本公开实施例提供的又一种场景数据挖掘方法的流程示意图；
图5是本公开实施例提供的一种场景数据挖掘装置的结构示意图；
图6是用来实现本公开实施例的场景数据挖掘方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本公开方案中，在车路协同区域内部署有路侧感知系统，该系统可以是由部署在每个路口处的路侧感知设备组成，路侧感知系统中部署并运行有车路协同的感知算法，也即本公开方案是在感知算法上线或灰度阶段进行的，通过该感知算法的场景检测功能，路侧感知系统可以检测每个路口处发生的交通场景事件，并将检测的事件信息上报到云端。由于路侧感知系统存储限制，路侧感知系统并不会将采集的路口实况数据都进行落盘存储。因此，本公开方案提出通过自动驾驶车辆来触发路侧感知系统进行数据落盘，由此可得到自动驾驶车辆在每个路口的落盘数据，其中，落盘数据可以包括采集的路口的图像数据以及图像的识别结果数据(例如识别出的路口中车辆数量、速度等数据)等。具体的，针对车路协同区域内的每个路口，预先划定路口感知范围，例如，路口感知范围可选的是以路口中心为原点，预设距离为半径的圆形区域。路侧感知系统与自动驾驶车辆可进行数据通信交互，进而可获取自动驾驶车辆的实时位置信息，在自动驾驶车辆驶入路口感知范围时，开始落盘对应的数据，当自动驾驶车辆驶出路口感知范围，则停止落盘数据。需要说明的是，为了保证落盘数据的准确与充足，自动驾驶车辆在经过的每个路口的落盘数据还可以为驶入路口感知范围前1分钟的数据+驶入期间的数据+驶离路口感知范围后1分钟的数据。除此之外，路侧感知系统还会记录并落盘自动驾驶车辆的行驶数据，例如进入每个路口的时间和驶离每个路口的时间。在此基础上，场景数据挖掘方法的流程可参见如下实施例。
图1为本公开实施例的一种场景数据挖掘方法的流程示意图，本实施例可适用于车路协同场景中，对交通场景事件进行数据挖掘的情况。该方法可由一种场景数据挖掘装置来执行，该装置采用软件和/或硬件的方式实现，并集成在电子设备上。
具体的，参见图1，场景数据挖掘方法如下：
S101、响应于对目标交通场景事件的数据挖掘指令，获取目标交通场景事件的事件信息，以及目标交通场景事件所关联的自动驾驶车辆的行驶数据信息。
其中，目标交通场景事件可以是任一指定类型的交通场景事件，示例性的，目标交通场景事件可以是车辆逆行事件、车辆超速事件、占道事件或未按规定车道行驶事件。响应于对目标交通场景事件的数据挖掘指令，可以从路侧感知系统上报到云端的交通场景事件检测结果中，获取目标交通场景事件的事件信息，其中，事件信息至少包括发生目标交通场景事件的路口标识、事件类型以及事件起止时间等。在自动驾驶车辆驶入某一路口感知范围期间，该路口如果有目标交通场景事件发生，则将自动驾驶车辆在该路口的行驶数据信息(例如驶入/驶出路口的时间)作为与目标交通场景事件相关联的行驶数据信息。除此之外，还可以将自动驾驶车辆在该路口的落盘数据作为与该目标交通场景事件相关联的落盘数据。在此需要说明的是，目标交通场景事件与自动驾驶车辆的行驶数据信息之间的关联关系或自动驾驶车辆在该路口的落盘数据与该目标交通场景事件的关联关系，均可通过数据预处理确定并存储的，因此本步骤中可以直接从数据预处理结果中获取与目标交通场景事件相关联的数据。
S102、根据事件信息和行驶数据信息，确定目标交通场景事件对应的有效落盘时间。
本公开实施例中，以目标交通场景事件发生在目标路口为例进行说明，目标交通场景事件发生的时机存在如下几种情况：(1)目标交通场景事件可以是在自动驾驶车辆驶入目标路口感知范围之前发生，并在自动驾驶车辆驶入目标路口感知范围期间结束。(2)目标交通场景事件可以是在自动驾驶车辆驶入目标路口感知范围之后发生，并在自动驾驶车辆驶离目标路口感知范围之前结束，也即目标交通场景事件是在自动驾驶车辆驶入目标路口感知范围期间发生并结束。(3)目标交通场景事件可以是在自动驾驶车辆驶入目标路口感知范围之后发生，并在自动驾驶车辆驶离目标路口感知范围之后结束。
由于自动驾驶车辆在每个路口的落盘数据为自动驾驶车辆驶入每个路口期间的写入磁盘的数据，针对上述几种情况，动驾驶车辆在发生目标交通场景事件的路口的落盘数据中必然存在与目标交通场景事件无关的无效场景数据，因此需要对自动驾驶车辆在该路口的落盘数据进行筛选。需要说明的是，如果目标交通场景事件是在自动驾驶车辆驶入目标路口感知范围之前发生，并在自动驾驶车辆驶离目标路口感知范围之后结束，则可直接将自动驾驶车辆在该路口的落盘数据作为目标交通场景事件的真实场景数据。
而要进行数据筛选，则需要现确定目标交通场景事件对应的有效落盘时间，其中，有效落盘时间是指在目标交通场景事件发生阶段对自动驾驶车辆进行数据落盘的时间。可选的，有效落盘时间可根据目标交通场景事件的事件信息(例如事件起止时间)和自动驾驶车辆在发生目标交通场景事件的路口的行驶数据(例如驶入驶离路口时间)确定。示例性的，目标交通场景事件在10:00:00发生，并于10:10:00结束；而目标交通场景事件关联的行驶数据为：自动驾驶车辆在10:05:00驶入发生目标交通场景事件的路口，并于10:12:00驶离。则自动驾驶车辆在该路口的落盘数据的落盘时间可以为10:05:00-10:12:00；而在目标交通场景事件发生阶段的对自动驾驶车辆进行数据落盘的时间为10:05:00-10:10:00，也即10:05:00-10:10:00即为有效落盘时间。
在此需要说明的是，不同类型的交通场景事件，对场景数据的时长有不同的要求，因此在确定有效落盘时间后，可判断有效落盘时间对应的时长是否满足要求，若满足，则执行S103，否则，结束。
S103、根据有效落盘时间，从自动驾驶车辆的落盘数据中截取相应数据作为目标交通场景事件对应的真实场景数据。
在通过S102得到有效落盘时间后，直接在自动驾驶车辆的落盘数据中截取相同时间段的数据，并将其作为目标交通场景事件对应的真实场景数据。
本公开实施例中，并不需要人工构造交通场景，可直接从落盘数据中挖掘不同交通场景事件对应的真实场景数据，不仅提升了场景数据的获取效率，而且本公开方案不受路口交通和地域限制。
图2是根据本公开实施例的又一场景数据挖掘方法的流程示意图。参见图2，场景数据挖掘方法具体如下：
S201、响应于对目标交通场景事件的数据挖掘指令，获取目标交通场景事件的事件信息，以及目标交通场景事件所关联的自动驾驶车辆的行驶数据信息。
其中，目标交通场景事件的事件信息可以包括事件起止时间和事件发生的路口位置等；目标交通场景事件所关联的自动驾驶车辆的行驶数据信息可以包括自动驾驶车辆在发生目标交通场景事件的路口的车辆行驶时间，例如车辆驶入和驶离路口的时间。
S202、确定事件信息中的事件起止时间与行驶数据信息中的车辆行驶时间之间的位置关系。
其中，事件起止时间与车辆行驶时间之间的位置关系可以包括如下三种：(1)事件开始时间早于车辆驶入路口时间，事件截止时间处于驶入路口时间之后且处于驶离路口时间之前，也即目标交通场景事件是在自动驾驶车辆驶入路口感知范围之前发生，并在自动驾驶车辆驶入路口感知范围期间结束。(2)时间起止时间处于车辆驶入和驶离路口时间范围内，也即目标交通场景事件是在自动驾驶车辆驶入路口感知范围期间发生并结束。(3)事件开始时间处于驶入路口时间之后且处于驶离路口时间之前，事件截止时间晚于车辆驶离路口时间，也即目标交通场景事件是在自动驾驶车辆驶入目标路口感知范围之后发生，并在自动驾驶车辆驶离目标路口感知范围之后结束。
S203、根据位置关系，确定目标交通场景事件对应的有效落盘时间。
在一种可选的实施方式中，根据位置关系，若确定事件起止时间与车辆行驶时间之间存在交集，则将相交的时间片段作为目标交通场景事件对应的有效落盘时间，如此求交集运算可以快速精准的确定有效落盘时间，为高效挖掘场景数据提供保证。示例性的，目标交通场景事件在10:00:00发生，并于10:10:00结束；而目标交通场景事件关联的行驶数据为：自动驾驶车辆在10:05:00驶入发生目标交通场景事件的路口，并于10:12:00驶离。则自动驾驶车辆在该路口的落盘数据的落盘时间可以为10:05:00-10:12:00；而在目标交通场景事件发生阶段对自动驾驶车辆进行数据落盘的时间为10:05:00-10:10:00，也即10:05:00-10:10:00即为有效落盘时间。
S204、根据有效落盘时间，从自动驾驶车辆的落盘数据中截取相应数据作为目标交通场景事件对应的真实场景数据。
在通过S203得到有效落盘时间后，直接在自动驾驶车辆的落盘数据中截取相同时间段的数据，并将其作为目标交通场景事件对应的真实场景数据。
本公开实施例中，通过事件起止时间与车辆行驶时间之间的位置关可以精准确定有效落盘时间，为高效挖掘场景数据提供保证；而且整体方案不需要人工构造交通场景，可直接从落盘数据中挖掘不同交通场景事件对应的真实场景数据，使得场景数据的挖掘不仅提升了场景数据的获取效率，而且该方案不受路口交通和地域限制。
进一步的，本公开方案还需要关注事件信息中的事件生成时间，事件生成时间是指路口发生某一类场景之后从发生的时刻起到路侧感知算法识别判断出该事件为止的时间段，例如占道车等场景需要在一定时间内停止不动才可判定为占道车事件。之所有需要关注这个时间，是因为大部分路侧落盘数据是根据车辆驶入驶离相关的，当某一类交通场景事件需要很长时间才能生成，而在生成期间，自动驾驶车辆未经过路口，则这部分数据不会进行落盘，使得此类数据不可用。因此，本公开方案还会获取事件生成时间，进而根据事件生成时间对事件信息中的事件起止时间与行驶数据信息中的车辆行驶时间之间的位置关系进行校验和修正。可选的，针对第一种和第二种位置关系，将事件开始时间向前移动一定时长，得到新的事件开始时间，其中，一定时长等于事件生成时间；进而根据新的事件开始时间校验和修正这两种位置关系，并根据新位置关系确定有效落盘时间。同理，针对第三种位置关系，事件截止时间向后移动一定时长，得到新的事件截止时间，其中，一定时长等于事件生成时间；进而根据新的事件截止时间校验和修正这种位置关系，并根据新位置关系确定有效落盘时间。
示例性的，在未考虑事件生成时间的情况下，识别到目标交通场景事件在10:05:00发生，并于10:10:00结束；目标交通场景事件关联的行驶数据为：自动驾驶车辆在10:00:00驶入发生目标交通场景事件的路口，并于10:12:00驶离，则确定有效落盘时间为10:05:00-10:12:00。而在考虑事件生成时间的情况下，若事件生成时间为1分钟，则新的事件开始时间为10:04:00；则新确定的有效落盘时间为10:04:00-10:10:00。如此将事件生成时间内的落盘数据纳入了对应的场景数据中，使得最终获得的真实场景数据更加准确。
图3是根据本公开实施例的又一场景数据挖掘方法的流程示意图。参见图3，场景数据挖掘方法具体如下：
S301、获取车路协同区域内各路口发生的交通场景事件的事件信息。
本公开实施例中，路侧感知系统将车路协同区域内发生的交通场景事件的相关信息实时上报给云端存储，由此可直接从云端获取车路协同区域内各路口发生的交通场景事件的事件信息，其中，事件信息中可以包括事件起止时间、事件类型、事件发生的路口位置的标识(如路口号)以及事件生成时间等。
S302、获取自动驾驶车辆经过车路协同区域各路口时的行驶数据信息。
本公开实施例中，路侧感知系统可通过与自动驾驶车辆通信交互，可以获取自动驾驶车辆经过车路协同区域内各路口时的行驶数据信息，并将其落盘存储。由此，可直接在自动驾驶车辆的落盘数据中获取自动驾驶车辆经过车路协同区域各路口时的行驶数据信息，其中，行驶数据信息可以包括自动驾驶车辆经过的每个路口的路口号，以及在每个路口的驶入和驶离时间。
S303、将事件信息与行驶数据信息按照预设参数进行对齐处理，以确定交通场景事件与行驶数据信息之间的关联关系。
其中，预设参数可选的为路口号，事件时间等。在对齐处理时，针对具有相同道路号的事件信息和行驶数据信息，判断事件起止时间与自动驾驶车辆驶入与驶离时间是否存在交集，若是存在，则建立交通场景事件与自动驾驶车辆的行驶数据信息之间的关联关系；若不存在交集，则表明该路口发生交通场景事件阶段，自动驾驶车辆未驶入该路口，或者在事件发生前已驶离该路口，此时则无需建立交通场景事件与行驶数据信息之间的关联关系。
在此需要说明的是，在交通场景事件发生阶段，若有多个自动驾驶车辆先后连续经过发生该交通场景事件的路口，则对每个自动驾驶车辆的行驶数据进行聚合处理，得到最终的行驶数据。
S304、获取自动驾驶车辆的落盘数据的落盘时间点信息。
S305、对事件信息中的事件起止时间与落盘时间点信息进行对齐处理，以确定交通场景事件关联的落盘数据。
由于自动驾驶车辆在经过每个路口时，会触发执行数据落盘的操作，在进行数据落盘时，会同时记录落盘时间点信息，也即是记录自动驾驶车辆在每个路口的落盘数据的起止时间。在获取到自动驾驶车辆的落盘数据对应的落盘时间点信息后，对事件信息中的事件起止时间与落盘时间点信息进行对齐处理，如果两个时间存有交集，则确定交通场景事件与落盘时间点信息对应的落盘数据之间的关联关系；如果两个时间没有交集，则确定该落盘时间点信息对应落盘数据为冗余数据，也即自动驾驶车辆经过路口时，没有发生交通场景事件。
如此，通过S301-S305的步骤，实现了数据的预处理，为后续的场景数据挖掘提供数据准备。
S306、响应于对目标交通场景事件的数据挖掘指令，获取目标交通场景事件的事件信息，以及目标交通场景事件所关联的自动驾驶车辆的行驶数据信息。
S307、根据事件信息和行驶数据信息，确定目标交通场景事件对应的有效落盘时间。
S308、根据有效落盘时间，从自动驾驶车辆的落盘数据中截取相应数据作为目标交通场景事件对应的真实场景数据。
本公开实施例中，通过上述的数据对齐处理，可以精准确定每个交通场景事件关联的自动驾驶车辆行驶数据和落盘数据，为后续的场景数据挖掘提供了保证。
图4是根据本公开实施例的又一场景数据挖掘方法的流程示意图。参见图4，场景数据挖掘方法具体如下：
S401、响应于对目标交通场景事件的数据挖掘指令，获取目标交通场景事件的事件信息，以及目标交通场景事件所关联的自动驾驶车辆的行驶数据信息。
S402、根据事件信息和行驶数据信息，确定目标交通场景事件对应的有效落盘时间。
S403、根据有效落盘时间，从自动驾驶车辆的落盘数据中截取相应数据作为目标交通场景事件对应的真实场景数据。
S404、对真实场景数据进行抽帧与转码处理，生成对应的事件视频数据，使得根据事件视频数据对目标交通场景事件进行校验。
本公开实施例中，截取到的真实场景数据可以落盘的各个路侧相机所传输的码流(例如h264码流)数据，可先对截取的码流数据进行抽帧处理，以便避免码流数据量过大而造成场景数据挖掘设备的资源的大量消耗，进而可以利用转码工具，将抽帧处理后的码流转换成视频数据。进而可根据视频数据对识别出的目标交通场景事件进行校验，如果校验结果为真，则将挖掘的真实场景是数据作为有效数据，可用于后续的离线算法的验证；如果校验结果为假，则确定路侧系统的感知算法识别错误，后续可统计校验结果，进而确定路侧感知算法的识别准确率；除此之外，针对校验结果过为真的情况，还可以根据视频数据判断挖掘的场景数据是否符合需求规范。
本公开实施例中，通过抽帧转码得到视频数据，进而保证了可基于视频数据校验目标交通事件，达到对交通场景事件进行评估的目的。
图5是根据本公开实施例的场景数据挖掘装置的结构示意图，本实施例可适用于车路协同场景中，对交通场景事件进行数据挖掘的情况。参见图5，包括：
数据获取模块501，用于响应于对目标交通场景事件的数据挖掘指令，获取目标交通场景事件的事件信息，以及目标交通场景事件所关联的自动驾驶车辆的行驶数据信息；
有效时间确定模块502，用于根据事件信息和行驶数据信息，确定目标交通场景事件对应的有效落盘时间；
数据截取模块503，用于根据有效落盘时间，从自动驾驶车辆的落盘数据中截取相应数据作为目标交通场景事件对应的真实场景数据。
在上述实施例的基础上，可选的，有效时间确定模块包括：
关系确定单元，用于确定事件信息中的事件起止时间与行驶数据信息中的车辆行驶时间之间的位置关系；
时间确定单元，用于根据位置关系，确定目标交通场景事件对应的有效落盘时间。
在上述实施例的基础上，可选的，时间确定单元还用于：
根据位置关系，若确定事件起止时间与车辆行驶时间之间存在交集，则将相交的时间片段作为目标交通场景事件对应的有效落盘时间。
在上述实施例的基础上，可选的，事件信息中还包括事件生成时间；
相应的，装置还包括：
验证模块，用于根据事件生成时间，对位置关系进行校验与修正。
在上述实施例的基础上，可选的，还包括：
第一获取模块，用于获取车路协同区域内各路口发生的交通场景事件的事件信息；
第二获取模块，用于获取自动驾驶车辆经过车路协同区域各路口时的行驶数据信息；
第一关系确定模块，用于将事件信息与行驶数据信息按照预设参数进行对齐处理，以确定交通场景事件与行驶数据信息之间的关联关系。
在上述实施例的基础上，可选的，还包括：
第三获取模块，用于获取自动驾驶车辆的落盘数据的落盘时间点信息；
第二关系确定模块，用于对事件信息中的事件起止时间与落盘时间点信息进行对齐处理，以确定交通场景事件关联的落盘数据。
在上述实施例的基础上，可选的，还包括：
转码模块，用于对真实场景数据进行抽帧与转码处理，生成对应的事件视频数据，使得根据事件视频数据对交通场景事件进行校验。
本公开实施例提供的场景数据挖掘装置可执行本公开任意实施例提供的场景数据挖掘方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本公开任意方法实施例中的描述。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如场景数据挖掘方法。例如，在一些实施例中，场景数据挖掘方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM603并由计算单元601执行时，可以执行上文描述的场景数据挖掘方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行场景数据挖掘方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种场景数据挖掘方法，包括：
响应于对目标交通场景事件的数据挖掘指令，获取所述目标交通场景事件的事件信息，以及所述目标交通场景事件所关联的自动驾驶车辆的行驶数据信息；
根据所述事件信息和所述行驶数据信息，确定所述目标交通场景事件对应的有效落盘时间；
根据所述有效落盘时间，从所述自动驾驶车辆的落盘数据中截取相应数据作为所述目标交通场景事件对应的真实场景数据。
2.根据权利要求1所述的方法，其中，根据所述事件信息和所述行驶数据信息，确定所述目标交通场景事件对应的有效落盘时间，包括：
确定所述事件信息中的事件起止时间与所述行驶数据信息中的车辆行驶时间之间的位置关系；
根据所述位置关系，确定所述目标交通场景事件对应的有效落盘时间。
3.根据权利要求2所述的方法，其中，根据所述位置关系，确定所述目标交通场景事件对应的有效落盘时间，包括：
根据所述位置关系，若确定所述事件起止时间与所述车辆行驶时间之间存在交集，则将相交的时间片段作为所述目标交通场景事件对应的有效落盘时间。
4.根据权利要求2所述的方法，其中，所述事件信息中还包括事件生成时间；
相应的，所述方法还包括：
根据所述事件生成时间，对所述位置关系进行校验与修正。
5.根据权利要求1所述的方法，还包括：
获取车路协同区域内各路口发生的交通场景事件的事件信息；
获取自动驾驶车辆经过所述车路协同区域各路口时的行驶数据信息；
将所述事件信息与所述行驶数据信息按照预设参数进行对齐处理，以确定所述交通场景事件与所述行驶数据信息之间的关联关系。
6.根据权利要求5所述的方法，还包括：
获取所述自动驾驶车辆的落盘数据的落盘时间点信息；
对所述事件信息中的事件起止时间与所述落盘时间点信息进行对齐处理，以确定所述交通场景事件关联的落盘数据。
7.根据权利要求1所述的方法，还包括：
对所述真实场景数据进行抽帧与转码处理，生成对应的事件视频数据，使得根据所述事件视频数据对所述交通场景事件进行校验。
8.一种场景数据挖掘装置，包括：
数据获取模块，用于响应于对目标交通场景事件的数据挖掘指令，获取所述目标交通场景事件的事件信息，以及所述目标交通场景事件所关联的自动驾驶车辆的行驶数据信息；
有效时间确定模块，用于根据所述事件信息和所述行驶数据信息，确定所述目标交通场景事件对应的有效落盘时间；
数据截取模块，用于根据所述有效落盘时间，从所述自动驾驶车辆的落盘数据中截取相应数据作为所述目标交通场景事件对应的真实场景数据。
9.根据权利要求8所述的装置，其中，所述有效时间确定模块包括：
关系确定单元，用于确定所述事件信息中的事件起止时间与所述行驶数据信息中的车辆行驶时间之间的位置关系；
时间确定单元，用于根据所述位置关系，确定所述目标交通场景事件对应的有效落盘时间。
10.根据权利要求9所述的装置，其中，所述时间确定单元还用于：
根据所述位置关系，若确定所述事件起止时间与所述车辆行驶时间之间存在交集，则将相交的时间片段作为所述目标交通场景事件对应的有效落盘时间。
11.根据权利要求9所述的装置，其中，所述事件信息中还包括事件生成时间；
相应的，所述装置还包括：
验证模块，用于根据所述事件生成时间，对所述位置关系进行校验与修正。
12.根据权利要求8所述的装置，还包括：
第一获取模块，用于获取车路协同区域内各路口发生的交通场景事件的事件信息；
第二获取模块，用于获取自动驾驶车辆经过所述车路协同区域各路口时的行驶数据信息；
第一关系确定模块，用于将所述事件信息与所述行驶数据信息按照预设参数进行对齐处理，以确定所述交通场景事件与所述行驶数据信息之间的关联关系。
13.根据权利要求12所述的装置，还包括：
第三获取模块，用于获取所述自动驾驶车辆的落盘数据的落盘时间点信息；
第二关系确定模块，用于对所述事件信息中的事件起止时间与所述落盘时间点信息进行对齐处理，以确定交通场景事件关联的落盘数据。
14.根据权利要求8所述的装置，还包括：
转码模块，用于对所述真实场景数据进行抽帧与转码处理，生成对应的事件视频数据，使得根据所述事件视频数据对所述交通场景事件进行校验。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
CN202210551471.6A 2022-05-18 2022-05-18 一种场景数据挖掘方法、装置、电子设备和存储介质 Pending CN114925114A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210551471.6A CN114925114A (zh) 2022-05-18 2022-05-18 一种场景数据挖掘方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210551471.6A CN114925114A (zh) 2022-05-18 2022-05-18 一种场景数据挖掘方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN114925114A true CN114925114A (zh) 2022-08-19

Family

ID=82810669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210551471.6A Pending CN114925114A (zh) 2022-05-18 2022-05-18 一种场景数据挖掘方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN114925114A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115617880A (zh) * 2022-12-19 2023-01-17 北京百度网讯科技有限公司 自动驾驶场景的挖掘方法、装置、设备以及存储介质
CN116778720A (zh) * 2023-08-25 2023-09-19 中汽传媒(天津)有限公司 一种交通工况场景库搭建及应用方法、系统和电子设备
CN117149860A (zh) * 2023-10-31 2023-12-01 安徽中科星驰自动驾驶技术有限公司 一种自动驾驶车辆的行驶数据挖掘方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115617880A (zh) * 2022-12-19 2023-01-17 北京百度网讯科技有限公司 自动驾驶场景的挖掘方法、装置、设备以及存储介质
CN116778720A (zh) * 2023-08-25 2023-09-19 中汽传媒(天津)有限公司 一种交通工况场景库搭建及应用方法、系统和电子设备
CN116778720B (zh) * 2023-08-25 2023-11-24 中汽传媒(天津)有限公司 一种交通工况场景库搭建及应用方法、系统和电子设备
CN117149860A (zh) * 2023-10-31 2023-12-01 安徽中科星驰自动驾驶技术有限公司 一种自动驾驶车辆的行驶数据挖掘方法及系统

Similar Documents

Publication Publication Date Title
CN114925114A (zh) 一种场景数据挖掘方法、装置、电子设备和存储介质
US20220215667A1 (en) Method and apparatus for monitoring vehicle, cloud control platform and system for vehicle-road collaboration
CN112102638B (zh) 信号灯数据展示方法、装置、服务器、终端、系统和介质
CN110782667A (zh) 信号灯分时段配时方法、装置、电子设备及存储介质
CN113129596B (zh) 行驶数据处理方法、装置、设备、存储介质及程序产品
CN112634655B (zh) 基于车道线的变道处理方法、装置、电子设备及存储介质
CN114170797B (zh) 交通限制路口的识别方法、装置、设备、介质及产品
CN113538963A (zh) 用于输出信息的方法、装置、设备以及存储介质
CN113392794A (zh) 车辆跨线识别方法、装置、电子设备和存储介质
CN115601983A (zh) 交通信号灯的周期时长确定方法、装置、设备和存储介质
CN111681428A (zh) 一种溢流检测的方法、装置、电子设备及存储介质
CN113052047A (zh) 交通事件的检测方法、路侧设备、云控平台及系统
CN112559272B (zh) 车载设备的质量信息确定方法、装置、设备及存储介质
CN113722342A (zh) 高精地图要素变更检测方法、装置、设备及自动驾驶车辆
CN111640301A (zh) 故障车辆的检测方法、系统、装置、电子设备及存储介质
EP4174847A1 (en) Navigation broadcast detection method and apparatus, and electronic device and medium
CN115891868A (zh) 自动驾驶车辆的故障检测方法、装置、电子设备和介质
CN113438318B (zh) 云控平台的性能测试系统、方法、电子设备及存储介质
CN114333409A (zh) 目标跟踪方法、装置、电子设备及存储介质
CN114743145A (zh) 交通灯检测方法、装置以及电子设备
CN114596704A (zh) 交通事件处理方法、装置、设备及存储介质
CN110849327B (zh) 拍摄盲区的长度确定方法、装置以及计算机设备
CN113869439A (zh) 一种数据融合方法、装置及电子设备
CN113593227B (zh) 交通拥堵检测方法及服务器
CN113963568B (zh) 停车信息的处理方法、前端设备、电子设备及存储介质

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

Effective date of registration: 20231008

Address after: 100176 Room 101, 1st floor, building 1, yard 7, Ruihe West 2nd Road, economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd.

Applicant after: Apollo Zhixing Technology (Guangzhou) Co.,Ltd.

Address before: 100176 Room 101, 1st floor, building 1, yard 7, Ruihe West 2nd Road, economic and Technological Development Zone, Daxing District, Beijing

Applicant before: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd.

TA01 Transfer of patent application right