CN114971991A - 数据处理方法、装置、设备和介质 - Google Patents
数据处理方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN114971991A CN114971991A CN202210576993.1A CN202210576993A CN114971991A CN 114971991 A CN114971991 A CN 114971991A CN 202210576993 A CN202210576993 A CN 202210576993A CN 114971991 A CN114971991 A CN 114971991A
- Authority
- CN
- China
- Prior art keywords
- accident
- simulation
- environment
- driver
- vehicle
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 326
- 238000000034 method Methods 0.000 claims abstract description 63
- 230000006399 behavior Effects 0.000 claims description 117
- 238000012795 verification Methods 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 28
- 230000007613 environmental effect Effects 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 9
- 238000005286 illumination Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000013461 design Methods 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME 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
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
- G07C5/0866—Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video camera
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Bioethics (AREA)
- Computer Security & Cryptography (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种数据处理方法、装置、设备和介质，涉及自动驾驶车辆技术领域，该方法包括：获取事故车辆所处的事故环境和在事故发生前预设时间段内驾驶员的驾驶行为数据，根据事故环境、驾驶行为数据和预设仿真环境，构建事故车辆的事故仿真场景，将事故仿真场景发送至校验设备以确定驾驶员在事故发生前的驾驶行为是否正常。该技术方案中，通过利用预设仿真环境，可以基于事故发生前驾驶员的驾驶行为数据和事故环境，仿真得到不包含驾驶员信息的事故仿真场景，在后续利用事故仿真环境进行事故责任判定时不会直接泄露驾驶员个人信息，提高了数据安全性。
Description
技术领域
本申请涉及自动驾驶车辆技术领域，尤其涉及一种数据处理方法、装置、设备和介质。
背景技术
在交通事故中，往往需要判定哪一方存在事故责任，例如如果驾驶员出现超速、未及时踩踏刹车等行为就可能判定驾驶员存在事故责任。
现有技术中，通常情况下校验方可以调取行车记录仪等搭载在事故车辆上的设备抓拍的数据，然后对这些数据进行分析，确定驾驶员在事故前的驾驶操作是否正常，以此来判定驾驶员是否有事故责任。
但是，这些数据中通常都会包含有驾驶员的个人信息，例如驾驶员面部信息、声音信息等等，直接将这些数据提供给校验方容易造成驾驶员个人信息的泄露，数据安全性很低。
发明内容
本申请提供一种数据处理方法、装置、设备和介质，用于解决现有在事故责任判定过程中，个人信息容易泄露，数据安全性低的问题。
第一方面，本申请实施例提供一种数据处理方法，包括：
获取事故车辆所处的事故环境和在事故发生前预设时间段内驾驶员的驾驶行为数据；
根据所述事故环境、驾驶行为数据和预设仿真环境，构建所述事故车辆的事故仿真场景，所述预设仿真环境包括交汇路口仿真环境、车辆变道仿真环境和停车场仿真环境中的至少一种，所述事故仿真场景不包括驾驶员信息；
将所述事故仿真场景发送至校验设备以确定所述驾驶员在事故发生前的驾驶行为是否正常。
在第一方面的一种可能设计中，所述根据所述事故环境、驾驶行为数据和预设仿真环境，构建所述事故车辆的事故仿真场景之前，所述方法还包括：
发送至少两个待共识的仿真环境至所述校验设备；
获取所述校验设备反馈的共识仿真环境并将所述共识仿真环境作为所述预设仿真环境，所述共识仿真环境为所述待共识的仿真环境中一个或多个。
在第一方面的另一种可能设计中，所述根据所述事故环境、驾驶行为数据和预设仿真环境，构建所述事故车辆的事故仿真场景，包括：
根据所述事故环境，在所述预设仿真环境中确定出目标仿真环境；
根据所述驾驶行为数据，在所述目标仿真环境中构建所述事故车辆的事故仿真场景。
在第一方面的再一种可能设计中，所述根据所述事故环境，在所述预设仿真环境中确定出目标仿真环境，包括：
根据所述事故环境，获得所述事故车辆在事故发生前预设时间段内所处的行驶路段和路况信息；
在所述预设仿真环境中获取与所述行驶路段和路况信息匹配的仿真环境，作为所述目标仿真环境。
在第一方面的又一种可能设计中，所述根据所述驾驶行为数据，在所述目标仿真环境中构建所述事故车辆的事故仿真场景，包括：
根据所述驾驶行为数据，获得在事故发生前预设时间段内所述事故车辆的行驶速度、刹车信息和传感器采集的传感器信息；
根据所述行驶速度、刹车信息和传感器信息，在所述目标仿真环境中构建所述事故车辆的事故仿真场景。
在第一方面的又一种可能设计中，所述根据所述行驶速度、刹车信息和传感器信息，在所述目标仿真环境中构建所述事故车辆的事故仿真场景，包括：
根据所述行驶速度、刹车信息和传感器信息，在所述目标仿真环境中还原所述事故车辆在事故发生前预设时间段内的行驶过程，得到事故仿真还原录像；
将所述事故仿真还原录像并作为所述事故仿真场景。
在第一方面的又一种可能设计中，所述将所述事故仿真场景发送至校验设备以确定所述驾驶员在事故发生前的驾驶行为是否正常之后，所述方法还包括：
检测是否接收到所述校验设备发送的场景增加请求；
若接收到所述场景增加请求，则获取所述事故车辆的历史行车记录；
根据所述历史行车记录，确定所述事故车辆在事故发生前是否有途经所述事故环境；
若所述事故车辆在事故发生前有途经所述事故环境，则获取在途经所述事故环境时所述驾驶员的驾驶行为数据；
根据在途经所述事故环境时所述驾驶员的驾驶行为数据和所述事故环境，构建得到辅助仿真场景并发送至所述校验设备，所述辅助仿真场景用于辅助所述校验设备确定所述驾驶员在事故发生前的驾驶行为是否正常。
在第一方面的又一种可能设计中，所述根据在途经所述事故环境时所述驾驶员的驾驶行为数据和所述事故环境，构建得到辅助仿真场景，包括：
获取所述事故环境的环境信息，所述环境信息包括光照强度、所述事故车辆所占车位的区域范围、所述事故车辆周围的其它车辆的数量中的至少一种；
根据预设调整策略，对所述事故环境的至少一种环境信息的数值进行调整以构建得到环境信息的数值互不相同的至少两个仿真事故环境；
根据在途经所述事故环境时所述驾驶员的驾驶行为数据，在各个仿真事故环境中构建得到所述辅助仿真场景。
在第一方面的又一种可能设计中，所述根据在途经所述事故环境时所述驾驶员的驾驶行为数据，在各个仿真事故环境中构建得到所述辅助仿真场景，包括：
根据在途经所述事故环境时所述驾驶员的驾驶行为数据，获得所述事故车辆在途经所述事故环境时的行驶速度、刹车信息和传感器的传感器信息；
根据事故车辆在途经所述事故环境时的行驶速度、刹车信息和传感器的传感器信息，在各个仿真事故环境中还原所述事故车辆的行驶过程，得到仿真还原录像并作为所述辅助仿真场景。
在第一方面的又一种可能设计中，所述根据所述事故环境、驾驶行为数据和预设仿真环境，构建所述事故车辆的事故仿真场景之前，所述方法还包括：
检测所述事故环境中是否包括有所述事故车辆之外的其它车辆；
若所述事故环境中包括有所述事故车辆之外的其它车辆，则对所述其它车辆的车辆信息进行模糊处理，所述车辆信息至少包括车牌号和驾驶员信息。
在第一方面的又一种可能设计中，所述根据所述事故环境、驾驶行为数据和预设仿真环境，构建所述事故车辆的事故仿真场景之前，所述方法还包括
检测所述驾驶行为数据中是否包括有驾驶员信息，所述驾驶员信息至少包括所述驾驶员的面部图像、驾驶员的录音和所处地理位置；
若所述驾驶行为数据中包括有所述驾驶员信息，则对所述驾驶员信息进行模糊处理。
在第一方面的又一种可能设计中，所述将所述事故仿真场景发送至校验设备，包括：
获取预先配置的数据加密算法；
根据所述数据加密算法对所述事故仿真场景进行加密，得到加密数据并发送至所述校验设备。
第二方面，本申请实施例提供一种数据处理装置，包括：
数据获取模块，用于获取事故车辆所处的事故环境和在事故发生前预设时间段内驾驶员的驾驶行为数据；
场景构建模块，用于根据所述事故环境、驾驶行为数据和预设仿真环境，构建所述事故车辆的事故仿真场景，所述预设仿真环境包括交汇路口仿真环境、车辆变道仿真环境和停车场仿真环境中的至少一种，所述事故仿真场景不包括驾驶员信息；
场景发送模块，用于将所述事故仿真场景发送至校验设备以确定所述驾驶员在事故发生前的驾驶行为是否正常。
第三方面，本申请实施例提供计算机设备，包括：处理器，以及与所述处理器通信连接的存储器及收发器；
所述存储器存储计算机执行指令；所述收发器，用于与校验设备之间收发数据；
所述处理器执行所述存储器存储的计算机执行指令，以实现上述的方法。
第四方面，本申请实施例提供一种可读存储介质，所述可读存储介质中存储有计算机指令，所述计算机指令被处理器执行时用于实现上述的方法。
本申请实施例提供的数据处理方法、装置、设备和介质，通过利用预设仿真环境，可以基于事故发生前驾驶员的驾驶行为数据和事故环境，仿真得到不包含驾驶员信息的事故仿真场景，在后续利用事故仿真环境进行事故责任判定时不会直接泄露驾驶员个人信息，提高了数据安全性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理；
图1为本申请实施例提供的数据处理方法的应用场景示意图；
图2为本申请实施例提供的数据处理方法的流程示意图；
图3为本申请实施例提供的事故仿真场景的示意图；
图4为本申请另一实施例提供的数据处理方法的流程示意图；
图5为本申请实施例提供的事故环境示意图；
图6为本申请另一实施例提供的事故仿真场景；
图7为本申请又一实施例提供的数据处理方法的流程示意图；
图8为本申请实施例提供的第一辅助仿真场景的示意图；
图9为本申请实施例提供的第二辅助仿真场景的示意图；
图10为本申请实施例提供的数据处理方法的交互示意图；
图11为本申请实施例提供的数据处理装置的结构示意图；
图12为本申请实施例提供的计算机设备的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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。
图1为本申请实施例提供的数据处理方法的应用场景示意图，如图1所示，车辆100可以是自动驾驶车辆或者非自动驾驶车辆。车辆100在行驶过程中或者停车时由于各种各样不确定的环境因素影响，均有可能会产生交通事故(例如在车辆100变道的过程中，车辆110与其发生追尾)。交通事故产生之后通常都需要第三方来判定各方的事故责任。通常情况下，判据主要来源于一些车载设备(例如车载摄像头、行车记录仪)或者交通云平台。这些车载设备或者交通云平台会采集车辆行驶过程中的相关数据，例如周围车辆、行人、驾驶员信息等等，这些相关数据中有可能会涉及到不便于公开的个人信息，例如驾驶员的身体面貌，驾驶员的驾驶行为等等。但是在现有的相关技术中，为了第三方能够得到准确的判定结果，这些相关数据通常都不会做模糊处理，导致个人信息被泄露。
针对上述问题，本申请实施例提供的数据处理方法、装置、设备和介质，为了能够避免个人信息泄露，需要对上述的相关数据进行处理。具体的，通过利用预设仿真环境，可以仿真得到不包含驾驶员信息的事故仿真场景，实现事故发生前驾驶员的驾驶行为数据以及事故环境的转化，避免了个人信息的泄露，提高了数据安全性。
下面，通过具体实施例对本申请的技术方案进行详细说明。需要说明的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2为本申请实施例提供的数据处理方法的流程示意图，该方法可以应用于计算机设备，计算机设备可以与上述第三方设备进行通信，例如远程无线通信来实现事故仿真场景的传输。如图2所示，该方法包括如下步骤：
步骤S201，获取事故车辆所处的事故环境和在事故发生前预设时间段内驾驶员的驾驶行为数据。
在本实施例中，事故环境是指在事故发生前后一段时间内事故车辆周围的环境，具体可以包括路况、事故车辆的行驶路段、事故车辆所处的位置以及事故车辆周围所存在的其它非事故车辆等等。
其中，路况具体又可以包括有道路阻塞状态(例如道路拥挤状态和稀疏状态)、红路灯、道路行人及数量等等。
在本实施例中，事故发生前预设时间段内驾驶员的驾驶行为数据可以包括在驾驶员面临即将发生的事故时，其主观上为了避免事故发生所做的驾驶操作，例如踩踏刹车、转动方向盘等等。通常事故从即将发生到完成所经历的时间都比较短，预设时间段相应的也较短。例如可以设置预设时间段为事故发生前3-5分钟。
示例性的，事故环境可以通过事故车辆上的行车记录仪采集得到，驾驶行为数据可以通过车载摄像头或者传感器等设备采集得到。其中，事故环境中可能会包含非驾驶员的个人信息(例如非事故车辆的驾驶员的个人信息或者道路行人的个人信息)，驾驶行为数据中则可能会包含驾驶员的个人信息，例如驾驶员的身高面貌，所处位置，具体驾驶行为(例如何时踩踏油门刹车，方向盘转向角度)等等。
步骤S202，根据事故环境、驾驶行为数据和预设仿真环境，构建事故车辆的事故仿真场景。
其中，预设仿真环境包括交汇路口仿真环境、车辆变道仿真环境和停车场仿真环境中的至少一种，事故仿真场景不包括驾驶员信息(例如驾驶员面部图像、音频数据和所处位置)。
在本实施例中，不同的事故环境使用的预设仿真环境不同，例如以事故发生在十字路口为例，事故车辆周围的环境即为交汇路口，对应的预设仿真环境为交汇路口仿真环境，若事故是在停车场停车时发生的，则事故车辆周围的环境为停车场，对应的预设仿真环境为停车场仿真环境。
其中，预设仿真环境可以通过预设的场景算法产生，场景算法可以是直接有校验设备侧提供的输入至计算机设备的，也可以是计算机设备的用户与第三方之间事先共同协商达成的。
在本实施例中，在确定出事故环境对应的预设仿真场景之后，以事故环境和驾驶行为数据作为输入，在事故环境对应的预设仿真场景中可以构建得到事故仿真场景。示例性的，以对应的预设仿真场景为车辆变道仿真环境为例，图3为本申请实施例提供的事故仿真场景的示意图。如图1所示，在事故仿真场景中，事故发生前车辆100在车道A(车道属于环境信息中的一种)上行驶，其周围还存在有一辆在车道B(车道属于环境信息中的一种)上行驶的车辆110，根据驾驶行为数据，仿真得到车辆100在驾驶员未及时提示后方车辆的前提下发生了变道，即从车道A变道到车道B，且车道B上的车辆110的驾驶员未提前减速，最终导致了车辆110与车辆100发生追尾事故。其中，车辆100和车辆110均可以视为事故车辆，事故仿真场景可以是连续播放的画面(即视频录像)，其可以包括事故发生前的仿真画面。
步骤S203，将事故仿真场景发送至校验设备以确定驾驶员在事故发生前的驾驶行为是否正常。
在本实施例中，校验设备为第三方用于校验事故责任的设备，具体可以是电脑等具有显示界面的设备，可通过显示界面显示出事故仿真场景以供第三方查看。示例性的，继续以图1为例，校验设备通过展示出事故仿真场景后，第三方查看发现车辆100在变道时未及时提示后方车辆110，导致了本次的追尾事故，即可以确定出车辆100的驾驶员的驾驶行为是不正常的，其存在有事故责任。
本申请实施例通过事先利用驾驶员的驾驶行为数据构建出事故仿真场景，并提供给校验方校验事故责任，这样驾驶行为数据中包含的驾驶员信息不会直接泄露给校验方，提高了数据安全性，同时校验方也可以基于不包含驾驶员信息的事故仿真场景，得出校验结果，保证事故责任判定的正常进行。
图4为本申请另一实施例提供的数据处理方法的流程示意图，如图4所示，上述数据处理方法还可以包括如下步骤：
步骤S401，发送至少两个待共识的仿真环境至校验设备。
步骤S402，获取校验设备反馈的共识仿真环境并将共识仿真环境作为预设仿真环境。
步骤S403，获取事故车辆所处的事故环境和在事故发生前预设时间段内驾驶员的驾驶行为数据。
步骤S404，根据事故环境、驾驶行为数据和预设仿真环境，构建事故车辆的事故仿真场景。
步骤S405，将事故仿真场景发送至校验设备以确定驾驶员在事故发生前的驾驶行为是否正常。
其中，共识仿真环境为待共识的仿真环境中一个或多个，预设仿真环境包括交汇路口仿真环境、车辆变道仿真环境和停车场仿真环境中的至少一种，事故仿真场景不包括驾驶员信息。
其中，本实施例主要对步骤S401和步骤S402进行解释说明，步骤S403-S405与上述实施例中步骤S201-S203类似，在此不再赘述，
在本实施例中，校验设备可以与计算机设备事先达成共识，确定会使用到的预设仿真场景有哪些。示例性的，预设仿真场景通常可以是仿真实际生活中事故发生概率较多的场景，例如实际生活中交汇路口的事故发生概率较多，则预设仿真场景可以包括交汇路口仿真场景。
其中，共识仿真环境可以是多个，这主要是考虑到可以得到多个预设仿真环境，后续可以基于事故环境和驾驶行为数据，在不同的预设仿真环境中进行仿真，得到不同的事故仿真场景并提供给校验设备以辅助第三方更好的判定出驾驶员是否存在事故责任。
本申请实施例通过与校验设备事先达成共识，确定出预设仿真场景，这样在后续仿真的过程中能够保证事故仿真场景的准确性，提高后续校验设备在判定驾驶行为是否正常时的判定准确性。
在一些实施例中，在构建事故车辆的事故仿真场景时，具体可以通过如下步骤实现：根据事故环境，在预设仿真环境中确定出目标仿真环境；根据驾驶行为数据，在目标仿真环境中构建事故车辆的事故仿真场景。
在本实施例中，在确定目标仿真环境之后，可以基于事故环境，继续对目标仿真环境做进一步的仿真补足，例如事故发生前后交通情况的仿真，具体包括红绿灯仿真、交通参与者的行为仿真和路况仿真。如此可以使得目标仿真环境更加贴合实际的事故环境，在对目标仿真环境完成仿真补足之后，再基于驾驶员的驾驶行为数据，构建出事故车辆的事故仿真场景。即对整个事故发生过程的仿真，最终得到的事故仿真场景可以是一段事故发生前后的仿真视频录像。
本申请实施例通过确定出目标仿真环境，然后再基于驾驶员的驾驶行为数据，在目标仿真环境中构建出不包含驾驶员信息的事故仿真场景，通过构建得到事故仿真场景，一方面可以避免驾驶员个人信息直接泄露给校验方，另一方面也节省了校验方的工作，能够方便校验方直接校验，提高事故责任的判定效率。
进一步的，在上述实施例的基础上，在一些实施例中，在多个预设仿真环境中确定出目标仿真环境具体可以通过如下过程实现：根据事故环境，获得事故车辆在事故发生前预设时间段内所处的行驶路段和路况信息；在预设仿真环境中获取与行驶路段和路况信息匹配的仿真环境，作为目标仿真环境。
在本实施例中，事故环境是指在现实中，事故发生前后一段时间内事故车辆周围的环境，事故环境中通常包括有事故发生前预设时间段内事故车辆所处的行驶路段和路况信息。示例性的，图5为本申请实施例提供的事故环境示意图，如图5所示，以车辆所处的行驶路段为停车场路段为例，车辆500所处的位置为停车位1，车辆510当前所处的位置为停车位2，车辆520和车辆530为事故车辆，事故车辆所处的位置为停车位3，当前的路况信息为无红路灯，无道路行人。通过图5中的提供的事故环境就可以确定出目标仿真场景应当为停车场仿真场景。即只有停车场仿真场景才与当前事故环境匹配。
本申请实施例通过利用事故发生时的行驶路段和路况信息，获取与事故环境匹配的仿真环境作为目标仿真环境，在目标仿真环境中构建事故仿真场景能够更加贴合实际事故情况，以准确的判定出事故责任。
在上述实施例的基础上，在一些实施例中，在构建事故仿真场景时具体可以通过如下过程实现：根据驾驶行为数据，获得在事故发生前预设时间段内事故车辆的行驶速度、刹车信息和传感器采集的传感器信息；根据行驶速度、刹车信息和传感器信息，在目标仿真环境中构建事故车辆的事故仿真场景。
在本实施例中，传感器可以包括激光雷达传感器，超声波传感器，定位传感器，加速度传感器，摄像头传感器，角度传感器等等。在上述实施例确定好目标仿真环境之后，就可以基于驾驶行为数据来在事故仿真场景中仿真得到事故仿真场景。
示例性的，图6为本申请另一实施例提供的事故仿真场景。如图6所示，以上述实施例中提到的事故环境对应的目标仿真场景为停车场仿真场景为例，其中包括有停车位1处停的车辆500，停车位2处停的车辆510和停车位3处停的车辆520。车辆530的驾驶行为数据可以包括转向、踩踏油门加速和踩踏刹车减速。基于车辆530的驾驶行为数据，最终确定出仿真出整个事故发生的过程，即车辆530先向右直行，在靠近停车位3时左转且未及时踩踏刹车减速，导致与车辆520发生碰撞。
在本实施例中，通过查看图6所示的事故仿真场景即可以确定出车辆530存在有事故责任(在转向时未及时踩刹车减速，即驾驶行为不正常)，而不需要第三方再查阅驾驶员的具体驾驶行为数据，如此就避免了驾驶行为数据中涉及到的驾驶员信息的泄露，提高了数据的安全性，并且也可以得到准确的事故判定结果。
进一步的，在构建事故仿真场景时，可以根据行驶速度、刹车信息和传感器信息，在目标仿真环境中还原事故车辆在事故发生前预设时间段内的行驶过程，得到事故仿真还原录像，然后将事故仿真还原录像并作为事故仿真场景。
在本实施例中，事故车辆在事故发生前的每一个时刻都可能具有不同的行驶速度变化、刹车信息变化和不同的传感器信息，由此在仿真过程中，可以仿真还原出每一个时刻事故车辆在目标仿真场景的状态画面，并组合得到事故仿真还原录像作为事故仿真场景。
本申请实施例通过构建出事故仿真还原录像，在第三方通过校验设备判定驾驶员是否存在事故责任时能够更加准确的判断出驾驶员在整个事故过程中哪一个驾驶行为存在不正常，从而更加准确的判定事故责任，提高校验准确性。
在一些实施例中，图7为本申请又一实施例提供的数据处理方法的流程示意图，该方法可以应用于计算机设备上，以计算机设备作为执行主体为例，如图7所示，该数据处理方法在包括上述步骤之外，还可以包括如下步骤：步骤S701，检测是否接收到校验设备发送的场景增加请求；步骤S702，若接收到场景增加请求，则获取事故车辆的历史行车记录；步骤S703，根据历史行车记录，确定事故车辆在事故发生前是否有途经事故环境；步骤S704，若事故车辆在事故发生前有途经事故环境，则获取在途经事故环境时驾驶员的驾驶行为数据；步骤S705，根据在途经事故环境时驾驶员的驾驶行为数据和事故环境，构建得到辅助仿真场景并发送至校验设备。
其中，辅助仿真场景用于辅助校验设备确定驾驶员在事故发生前的驾驶行为是否正常。
在本实施例中，当发送事故仿真场景至校验设备之后，校验设备如果无法准确的判定驾驶行为是否正常，可以继续向计算机设备请求获取更多的辅助仿真场景来作为辅助判据，以更加准确的判定出驾驶员驾驶行为是否正常。
其中，以事故环境为上图5中提供的停车场环境为例，可以通过获取车辆530在发生事故之前的历史行车记录，查找车辆530之前是否有去过类似停车场环境，并采集车辆530在这些类似的停车场环境下驾驶员的驾驶行为数据，然后基于图5提供的停车场环境和这些驾驶行为数据，继续构建得到辅助仿真场景来辅助判定驾驶员在事故发生时的驾驶行为是否正常。
示例性的，例如通过辅助仿真场景发现车辆530在事故发生前曾经去过N个停车场(N为不小于1的正整数)，并且驾驶员在这N个停车场均存在有“在转向时未及时踩刹车减速”这一非正常驾驶操作，那么就可以作为辅助判据，确定驾驶员在事故发生时的也有可能存在有在转向时未及时踩刹车减速”这一非正常驾驶操作。
本申请实施例通过利用历史行车记录，并基于原事故环境增加更多的辅助仿真场景给校验设备，如此在确定驾驶员的驾驶行为是否正常时，可以提供更加充足的判据，提高判定的准确性。
进一步的，在上述实施例的基础上，在一些实施例中，在构建辅助仿真场景时还可以通过如下步骤实现：获取事故环境的环境信息；根据预设调整策略，对事故环境的至少一种环境信息的数值进行调整以构建得到环境信息的数值互不相同的至少两个仿真事故环境；根据在途经事故环境时驾驶员的驾驶行为数据，在各个仿真事故环境中构建得到辅助仿真场景。其中，环境信息包括光照强度、事故车辆所占车位的区域范围、事故车辆周围的其它车辆的数量中的至少一种。
示例性的，以预设调整策略为调整车位大小为例，图8为本申请实施例提供的第一辅助仿真场景的示意图，如图8所示，事故环境依然以上述图5中的停车场环境为例，其中包括有停车位1处停的车辆500，停车位2处停的车辆510和停车位4处停的车辆520。图8中的停车位4所占的区域范围(即事故车辆所占车位的区域范围)相对于图5中的停车位3所占的区域范围更小。此时可以基于驾驶员在途经图5所示的停车场环境时的驾驶行为数据，构建得到第一辅助仿真场景，从第一辅助仿真场景中可以看到此时未发生碰撞事故。图9为本申请实施例提供的第二辅助仿真场景的示意图，如图9所示，事故环境依然以上述图5中的停车场环境为例，其中包括有停车位1处停的车辆500，停车位2处停的车辆510和停车位5处停的车辆520。图9中的停车位5所占的区域范围(即事故车辆所占车位的区域范围)相对于图5中的停车位3所占的区域范围更大。此时依然基于驾驶员在途经图5所示的停车场环境时的驾驶行为数据，可以构建得到第二辅助仿真场景，从第二辅助仿真场景中可以看到此时发生了碰撞事故。
在本实施例中，通过构建上述两个不同的第一辅助仿真场景和第二辅助仿真场景，此时就可以发现驾驶员除了在转向时未及时踩刹车减速这一非正常驾驶行为之外，还有可能存在转向时机把握不准确的非正常驾驶行为。
本申请实施例通过调整环境信息的数值来构建出更多的目标仿真场景并提供给校验设备，这样在校验驾驶员的驾驶行为是否正常时可以发现更多细节的驾驶行为是否正常，使得校验更加准确具体，提高校验的校验准确性。
进一步的，在一些实施例中，辅助仿真场景的数量可以为多个，在构建辅助仿真场景时具体可以通过如下过程实现：根据在途经事故环境时驾驶员的驾驶行为数据，获得事故车辆在途经事故环境时的行驶速度、刹车信息和传感器的传感器信息；根据事故车辆在途经事故环境时的行驶速度、刹车信息和传感器的传感器信息，在各个仿真事故环境中还原事故车辆的行驶过程，得到仿真还原录像并作为辅助仿真场景。
在本实施例中，以事故环境为停车场环境为例，若驾驶员在事故前途经过停车场P1，则可以获取驾驶员在途经停车场P1时的驾驶行为数据D1。然后再分别在上述图8和图9中的仿真事故环境(图8和图9中的事故车辆所占车位的区域范围不相同)中构建出仿真还原录像，即可以得到两个辅助仿真场景。
本申请实施例通过构建出驾驶员在事故环境相似的仿真事故环境中的仿真还原录像，作为辅助仿真场景，可以基于驾驶员在事故环境类似的环境中的历史驾驶习惯，确定出驾驶员是否有可能存在事故责任，从不同维度提供事故判定依据，能够提高事故判定的准确性。
在一些实施例中，在构建事故仿真场景之前，还可以对事故环境和驾驶行为数据进行预处理。具体的，检测事故环境中是否包括有事故车辆之外的其它车辆；若事故环境中包括有事故车辆之外的其它车辆，则对其它车辆的车辆信息进行模糊处理。其中，车辆信息至少包括车牌号和驾驶员信息。
其中，模糊处理可以是涂白或者打马赛克等。驾驶员信息可以包括驾驶员的面部图像、驾驶员的录音和所处地理位置等等。
本申请实施例通过将其他车辆的信息进行模糊处理，可以避免在事故发生过程中涉及到的个人信息的泄露，提高数据安全性。
在一些实施例中，对驾驶行为数据进行预处理具体可以包括检测驾驶行为数据中是否包括有驾驶员信息，驾驶员信息至少包括驾驶员的面部图像、驾驶员的录音和所处地理位置；若驾驶行为数据中包括有驾驶员信息，则对驾驶员信息进行模糊处理。
其中，模糊处理可以是涂白或者打马赛克等。
本申请实施例通过将驾驶员信息进行模糊处理，可以避免在校验驾驶员的驾驶行为的过程中驾驶员信息发生泄露，提高数据安全性。
在另一些实施例，在将事故仿真场景发送至校验设备时，具体可以通过如下步骤实现：获取预先配置的数据加密算法；根据数据加密算法对事故仿真场景进行加密，得到加密数据并发送至校验设备。
示例性的，数据加密算法可以包括高级加密标准(Advanced EncryptionStandard，AES)算法或者RSA加密算法。
本申请实施例通过事故仿真场景进行加密，然后发送至校验设备，能够避免事故仿真场景的泄露，提高数据安全性。
图10为本申请实施例提供的数据处理方法的交互示意图，该数据处理方法的执行主体可以为计算机设备，如图10所示，该方法包括如下步骤：
步骤S1000，计算机设备与校验设备之间达成仿真环境的前验共识；
步骤S1001，发起驾驶员驾驶行为校验请求；
步骤S1002，根据驾驶行为数据产生事故仿真场景；
步骤S1003，是否校验出驾驶员驾驶行为正常/非正常；
步骤S1004，基于驾驶行为确定事故责任划分。
其中，计算机设备在与校验设备达成前验共识时，共识的内容具体可以包括预设仿真场景有哪些、使用的数据加密算法、驾驶数据模糊处理算法等。
在本实施例中，事故仿真场景可以是仿真视频录像，其可以展现出事故车辆是否超速、何时刹车、所处路段以及车辆传感器采集的传感器信息等。同时，当校验设备基于事故仿真场景无法校验出驾驶员驾驶行为正常/非正常时，可以基于向计算机设备请求更多的仿真场景(例如上述的辅助仿真场景)。整个过程中驾驶员信息等个人信息不会提供给校验方，避免了个人信息泄露。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
图11为本申请实施例提供的数据处理装置的结构示意图，该数据处理装置可以集成在计算机设备上。如图11所示，该数据处理装置1100包括数据获取模块1110，场景构建模块1120和场景发送模块1130。其中，数据获取模块1100用于获取事故车辆所处的事故环境和在事故发生前预设时间段内驾驶员的驾驶行为数据。场景构建模块1120用于根据事故环境、驾驶行为数据和预设仿真环境，构建事故车辆的事故仿真场景。场景发送模块1130用于将事故仿真场景发送至校验设备以确定驾驶员在事故发生前的驾驶行为是否正常。
其中，预设仿真环境包括交汇路口仿真环境、车辆变道仿真环境和停车场仿真环境中的至少一种，事故仿真场景不包括驾驶员信息。
可选的，上述数据处理装置还包括共识模块，用于发送至少两个待共识的仿真环境至校验设备；获取校验设备反馈的共识仿真环境并将共识仿真环境作为预设仿真环境。
其中，共识仿真环境为待共识的仿真环境中一个或多个。
可选的，场景构建模块1120具体可以用于根据事故环境，在预设仿真环境中确定出目标仿真环境；以及根据驾驶行为数据，在目标仿真环境中构建事故车辆的事故仿真场景。
可选的，场景构建模块1120具体可以用于根据事故环境，获得事故车辆在事故发生前预设时间段内所处的行驶路段和路况信息；以及在预设仿真环境中获取与行驶路段和路况信息匹配的仿真环境，作为目标仿真环境。
可选的，场景构建模块1120具体可以用于根据驾驶行为数据，获得在事故发生前预设时间段内事故车辆的行驶速度、刹车信息和传感器采集的传感器信息；以及根据行驶速度、刹车信息和传感器信息，在目标仿真环境中构建事故车辆的事故仿真场景。
可选的，场景构建模块1120具体可以用于根据行驶速度、刹车信息和传感器信息，在目标仿真环境中还原事故车辆在事故发生前预设时间段内的行驶过程，得到事故仿真还原录像；以及将事故仿真还原录像并作为事故仿真场景。
可选的，上述数据处理装置还包括场景增加模块，用于：检测是否接收到校验设备发送的场景增加请求；若接收到场景增加请求，则获取事故车辆的历史行车记录；根据历史行车记录，确定事故车辆在事故发生前是否有途经事故环境；若事故车辆在事故发生前有途经事故环境，则获取在途经事故环境时驾驶员的驾驶行为数据；根据在途经事故环境时驾驶员的驾驶行为数据和事故环境，构建得到辅助仿真场景并发送至校验设备。
其中，辅助仿真场景用于辅助校验设备确定驾驶员在事故发生前的驾驶行为是否正常。
可选的，场景增加模块具体可以用于：获取事故环境的环境信息；根据预设调整策略，对事故环境的至少一种环境信息的数值进行调整以构建得到环境信息的数值互不相同的至少两个仿真事故环境；根据在途经事故环境时驾驶员的驾驶行为数据，在各个仿真事故环境中构建得到辅助仿真场景。
其中，环境信息包括光照强度、事故车辆所占车位的区域范围、事故车辆周围的其它车辆的数量中的至少一种。
可选的，场景增加模块具体可以用于：根据在途经事故环境时驾驶员的驾驶行为数据，获得事故车辆在途经事故环境时的行驶速度、刹车信息和传感器的传感器信息；根据事故车辆在途经事故环境时的行驶速度、刹车信息和传感器的传感器信息，在各个仿真事故环境中还原事故车辆的行驶过程，得到仿真还原录像并作为辅助仿真场景。
可选的，上述数据处理装置还可以包括第一信息处理模块，用于检测事故环境中是否包括有事故车辆之外的其它车辆；若事故环境中包括有事故车辆之外的其它车辆，则对其它车辆的车辆信息进行模糊处理，车辆信息至少包括车牌号和驾驶员信息。
可选的，上述数据处理装置还可以包括第二信息处理模块，用于检测驾驶行为数据中是否包括有驾驶员信息；若驾驶行为数据中包括有驾驶员信息，则对驾驶员信息进行模糊处理。
其中，驾驶员信息至少包括驾驶员的面部图像、驾驶员的录音和所处地理位置。
可选的，上述数据处理装置还包括加密模块，用于获取预先配置的数据加密算法；根据数据加密算法对事故仿真场景进行加密，得到加密数据并发送至校验设备。
本申请实施例提供的装置，可用于执行上述实施例中的方法，其实现原理和技术效果类似，在此不再赘述。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，数据获取模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上数据获取模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
图12为本申请实施例提供的计算机设备的结构示意图。如图12所示，该计算机设备1200包括：至少一个处理器1210，以及与处理器1210通信连接的存储器1220及收发器1230。存储器1220存储计算机执行指令；收发器1230用于与校验设备之间收发数据；
处理器1210执行存储器存储的计算机执行指令，以实现如上述的方法。其中：处理器1210、收发器1230以及存储器1220通过总线接口完成相互间的通信。处理器1210可能是中央处理器，或者是特定集成电路(Application Specific Integrated Circuit，ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算机设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。存储器，用于存放计算机执行指令。存储器可能包含高速RAM存储器，也可能还包括非易失性存储器，例如至少一个磁盘存储器。
本实施例还提供一种可读存储介质，可读存储介质中存储有计算机指令，当计算机设备的至少一个处理器执行该计算机指令时，计算机设备执行上述的各种实施方式提供的数据处理方法。
本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，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：单独存在A，同时存在A和B，单独存在B的情况，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；在公式中，字符“/”，表示前后关联对象是一种“相除”的关系。“以下至少一项(个)”或其类似表达，是指的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-b，a-c，b-c，或a-b-c，其中，a，b，c可以是单个，也可以是多个。
可以理解的是，在本申请实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本申请的实施例的范围。在本申请的实施例中，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，而不应对本申请的实施例的实施过程构成任何限定。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (15)
1.一种数据处理方法，其特征在于，包括：
获取事故车辆所处的事故环境和在事故发生前预设时间段内驾驶员的驾驶行为数据；
根据所述事故环境、所述驾驶行为数据和预设仿真环境，构建所述事故车辆的事故仿真场景，所述预设仿真环境包括交汇路口仿真环境、车辆变道仿真环境和停车场仿真环境中的至少一种，所述事故仿真场景不包括驾驶员信息；
将所述事故仿真场景发送至校验设备以确定所述驾驶员在事故发生前的驾驶行为是否正常。
2.根据权利要求1所述的方法，其特征在于，所述根据所述事故环境、所述驾驶行为数据和预设仿真环境，构建所述事故车辆的事故仿真场景之前，所述方法还包括：
发送至少两个待共识的仿真环境至所述校验设备；
获取所述校验设备反馈的共识仿真环境并将所述共识仿真环境作为所述预设仿真环境，所述共识仿真环境为所述待共识的仿真环境中一个或多个。
3.根据权利要求1所述的方法，其特征在于，所述根据所述事故环境、所述驾驶行为数据和预设仿真环境，构建所述事故车辆的事故仿真场景，包括：
根据所述事故环境，在所述预设仿真环境中确定出目标仿真环境；
根据所述驾驶行为数据，在所述目标仿真环境中构建所述事故车辆的事故仿真场景。
4.根据权利要求3所述的方法，其特征在于，所述根据所述事故环境，在所述预设仿真环境中确定出目标仿真环境，包括：
根据所述事故环境，获得所述事故车辆在事故发生前预设时间段内所处的行驶路段和路况信息；
在所述预设仿真环境中获取与所述行驶路段和所述路况信息匹配的仿真环境，作为所述目标仿真环境。
5.根据权利要求3所述的方法，其特征在于，所述根据所述驾驶行为数据，在所述目标仿真环境中构建所述事故车辆的事故仿真场景，包括：
根据所述驾驶行为数据，获得在事故发生前预设时间段内所述事故车辆的行驶速度、刹车信息和传感器采集的传感器信息；
根据所述行驶速度、所述刹车信息和所述传感器信息，在所述目标仿真环境中构建所述事故车辆的事故仿真场景。
6.根据权利要求5所述的方法，其特征在于，所述根据所述行驶速度、刹车信息和传感器信息，在所述目标仿真环境中构建所述事故车辆的事故仿真场景，包括：
根据所述行驶速度、所述刹车信息和所述传感器信息，在所述目标仿真环境中还原所述事故车辆在事故发生前预设时间段内的行驶过程，得到事故仿真还原录像；
将所述事故仿真还原录像并作为所述事故仿真场景。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述将所述事故仿真场景发送至校验设备以确定所述驾驶员在事故发生前的驾驶行为是否正常之后，所述方法还包括：
检测是否接收到所述校验设备发送的场景增加请求；
若接收到所述场景增加请求，则获取所述事故车辆的历史行车记录；
根据所述历史行车记录，确定所述事故车辆在事故发生前是否有途经所述事故环境；
若所述事故车辆在事故发生前有途经所述事故环境，则获取在途经所述事故环境时所述驾驶员的驾驶行为数据；
根据在途经所述事故环境时所述驾驶员的驾驶行为数据和所述事故环境，构建得到辅助仿真场景并发送至所述校验设备，所述辅助仿真场景用于辅助所述校验设备确定所述驾驶员在事故发生前的驾驶行为是否正常。
8.根据权利要求7所述的方法，其特征在于，所述根据在途经所述事故环境时所述驾驶员的驾驶行为数据和所述事故环境，构建得到辅助仿真场景，包括：
获取所述事故环境的环境信息，所述环境信息包括光照强度、所述事故车辆所占车位的区域范围、所述事故车辆周围的其它车辆的数量中的至少一种；
根据预设调整策略，对所述事故环境的至少一种环境信息的数值进行调整以构建得到环境信息的数值互不相同的至少两个仿真事故环境；
根据在途经所述事故环境时所述驾驶员的驾驶行为数据，在各个仿真事故环境中构建得到所述辅助仿真场景。
9.根据权利要求8所述的方法，其特征在于，所述根据在途经所述事故环境时所述驾驶员的驾驶行为数据，在各个仿真事故环境中构建得到所述辅助仿真场景，包括：
根据在途经所述事故环境时所述驾驶员的驾驶行为数据，获得所述事故车辆在途经所述事故环境时的行驶速度、刹车信息和传感器的传感器信息；
根据事故车辆在途经所述事故环境时的行驶速度、刹车信息和传感器的传感器信息，在各个仿真事故环境中还原所述事故车辆的行驶过程，得到仿真还原录像并作为所述辅助仿真场景。
10.根据权利要求1-6任一项所述的方法，其特征在于，所述根据所述事故环境、驾驶行为数据和预设仿真环境，构建所述事故车辆的事故仿真场景之前，所述方法还包括：
检测所述事故环境中是否包括有所述事故车辆之外的其它车辆；
若所述事故环境中包括有所述事故车辆之外的其它车辆，则对所述其它车辆的车辆信息进行模糊处理，所述车辆信息至少包括车牌号和驾驶员信息。
11.根据权利要求1-6任一项所述的方法，其特征在于，所述根据所述事故环境、所述驾驶行为数据和预设仿真环境，构建所述事故车辆的事故仿真场景之前，所述方法还包括
检测所述驾驶行为数据中是否包括有驾驶员信息，所述驾驶员信息至少包括所述驾驶员的面部图像、驾驶员的录音和所处地理位置；
若所述驾驶行为数据中包括有所述驾驶员信息，则对所述驾驶员信息进行模糊处理。
12.根据权利要求1-6任一项所述的方法，其特征在于，所述将所述事故仿真场景发送至校验设备，包括：
获取预先配置的数据加密算法；
根据所述数据加密算法对所述事故仿真场景进行加密，得到加密数据并发送至所述校验设备。
13.一种数据处理装置，其特征在于，包括：
数据获取模块，用于获取事故车辆所处的事故环境和在事故发生前预设时间段内驾驶员的驾驶行为数据；
场景构建模块，用于根据所述事故环境、所述驾驶行为数据和预设仿真环境，构建所述事故车辆的事故仿真场景，所述预设仿真环境包括交汇路口仿真环境、车辆变道仿真环境和停车场仿真环境中的至少一种，所述事故仿真场景不包括驾驶员信息；
场景发送模块，用于将所述事故仿真场景发送至校验设备以确定所述驾驶员在事故发生前的驾驶行为是否正常。
14.一种计算机设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器及收发器；
所述存储器存储计算机执行指令；所述收发器，用于与校验设备之间收发数据；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-12中任一项所述的方法。
15.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机指令，所述计算机指令被处理器执行时用于实现如权利要求1-12任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210576993.1A CN114971991A (zh) | 2022-05-25 | 2022-05-25 | 数据处理方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210576993.1A CN114971991A (zh) | 2022-05-25 | 2022-05-25 | 数据处理方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114971991A true CN114971991A (zh) | 2022-08-30 |
Family
ID=82955392
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210576993.1A Pending CN114971991A (zh) | 2022-05-25 | 2022-05-25 | 数据处理方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114971991A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115601856A (zh) * | 2022-12-15 | 2023-01-13 | 中国汽车技术研究中心有限公司（Cn） | 自动驾驶系统预期功能安全测试场景确定方法和设备 |
-
2022
- 2022-05-25 CN CN202210576993.1A patent/CN114971991A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115601856A (zh) * | 2022-12-15 | 2023-01-13 | 中国汽车技术研究中心有限公司（Cn） | 自动驾驶系统预期功能安全测试场景确定方法和设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108022450B (zh) | 一种基于蜂窝网络的辅助驾驶方法及交通控制单元 | |
| CN105355039A (zh) | 路况信息处理方法及设备 | |
| CN112163543A (zh) | 一种车辆违法占道的检测方法及系统 | |
| CN105355052A (zh) | 一种车辆图像的合成方法和装置 | |
| CN111753639B (zh) | 感知地图生成方法、装置、计算机设备和存储介质 | |
| TWI708696B (zh) | 停車行為評估方法及系統 | |
| CN113888860A (zh) | 车辆异常行驶的检测方法、装置、服务器及可读存储介质 | |
| CN114971991A (zh) | 数据处理方法、装置、设备和介质 | |
| Mishra et al. | ADAS technology: a review on challenges, legal risk mitigation and solutions | |
| JPWO2018150888A1 (ja) | 情報記録装置、情報記録方法及び情報記録用プログラム | |
| CN114724364A (zh) | 车辆管控方法、装置、设备、存储介质和程序产品 | |
| CN110598980A (zh) | 交通场景的风险评估方法及装置 | |
| CN111563425B (zh) | 交通事件识别方法及电子设备 | |
| US20220092313A1 (en) | Method for deep neural network functional module deduplication | |
| CN116872840A (zh) | 车辆防撞预警方法、装置、车辆和存储介质 | |
| CN116101174A (zh) | 车辆的碰撞提醒方法、装置、车辆及存储介质 | |
| CN115359443A (zh) | 交通事故检测方法和装置、电子设备和存储介质 | |
| CN117152945A (zh) | 处理交通事故的方法和系统、以及存储介质 | |
| CN115762153A (zh) | 倒车检测方法及装置 | |
| CN115661014A (zh) | 一种点云数据处理方法、装置和电子设备、存储介质 | |
| CN112053465B (zh) | 停车行为评估方法及系统 | |
| WO2019193830A1 (ja) | 警告処理装置、警告処理方法およびプログラム | |
| CN111862607A (zh) | 一种责任划分方法、装置、设备及存储介质 | |
| CN117912289B (zh) | 一种基于图像识别的车辆群行驶预警方法、装置及系统 | |
| KR102678281B1 (ko) | 객체 인식 영역 가변형 어라운드 뷰 모니터 영상 처리 장치 및 방법 |
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 |