CN115017198B - 车辆数据处理方法、装置和设备 - Google Patents

车辆数据处理方法、装置和设备 Download PDF

Info

Publication number
CN115017198B
CN115017198B CN202210941010.XA CN202210941010A CN115017198B CN 115017198 B CN115017198 B CN 115017198B CN 202210941010 A CN202210941010 A CN 202210941010A CN 115017198 B CN115017198 B CN 115017198B
Authority
CN
China
Prior art keywords
data
information
analysis time
target
test
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.)
Active
Application number
CN202210941010.XA
Other languages
English (en)
Other versions
CN115017198A (zh
Inventor
尚进
丛炜
张玉峰
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.)
Guoqi Intelligent Control Beijing Technology Co Ltd
Original Assignee
Guoqi Intelligent Control 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 Guoqi Intelligent Control Beijing Technology Co Ltd filed Critical Guoqi Intelligent Control Beijing Technology Co Ltd
Priority to CN202210941010.XA priority Critical patent/CN115017198B/zh
Publication of CN115017198A publication Critical patent/CN115017198A/zh
Application granted granted Critical
Publication of CN115017198B publication Critical patent/CN115017198B/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
    • 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
    • G06F16/2455—Query execution
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本申请提供一种车辆数据处理方法、装置和设备。该方法包括：根据预设的自动驾驶测试场景库中的触发动作信息确定数据分析时刻；通过预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景；通过自动驾驶测试场景库中的期望状态信息对自动驾驶车辆的CAN数据进行分析处理，并确定CAN数据的测试结果，这个过程中，实现了对实车测试过程中记录的数据的充分利用，进而可以实现对车辆的自动驾驶性能进行全面评估。

Description

车辆数据处理方法、装置和设备
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种车辆数据处理方法、装置和设备。
背景技术
在自动驾驶领域，实车测试能够真实反映自动驾驶硬件和算法的性能好坏，是自动驾驶开发中的重要一环。在实车测试过程中，会录制大量车辆数据，例如能反应整车运行状态的控制器域网（Controller Area Network，简称CAN）数据，CAN数据一方面可以辅助测试工程师更准确的描述问题，另一方面可以帮助初步定位问题。
现有技术中，因为实车测试录制的数据量大、时间跨度长，测试工程师只会对实车测试过程中问题时刻的数据进行分析。
然而现有技术中，对大量的实车测试过程中记录的数据缺乏分析，导致不能有效的利用实车测试数据对车辆的自动驾驶性能进行全面、准确的评估。
发明内容
本申请提供一种车辆数据处理方法、装置和设备，用以解决大量的实车测试过程中记录的数据缺乏分析，难以有效的利用实车测试数据对车辆的自动驾驶性能进行全面、准确的评估的问题。
第一方面，本申请提供一种车辆数据处理方法，所述方法包括：
获取自动驾驶车辆的控制器局域网络CAN数据；
根据预设的自动驾驶测试场景库中的触发动作信息，对所述CAN数据进行数据处理，得到数据分析时刻；其中，所述数据分析时刻表征可进行数据测试时的数据产生时刻；其中，所述预设的自动驾驶测试场景库中包括初始状态信息的第一集合、触发动作信息的第二集合和期望状态信息的第三集合；所述第一集合中包括多个初始状态信息，所述第二集合中包括多个触发动作信息，所述第三集合中包括多个期望状态信息；所述初始状态信息用于确定数据分析时刻对应的测试场景；所述触发动作信息用于确定数据分析时刻；所述期望状态信息用于确定CAN数据的测试结果；
根据所述预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景；其中，与所得到的数据分析时刻对应的CAN数据，为从所得到的数据分析时刻下的CAN数据；
根据所述预设的自动驾驶测试场景库中的期望状态信息，对与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据进行测试处理，得到测试结果；其中，所述测试结果表征该目标CAN数据的数据实际信息是否符合该目标CAN数据的期望状态信息。
在可选的一种实施方式中，根据预设的自动驾驶测试场景库中的触发动作信息，对所述CAN数据进行数据处理，得到数据分析时刻，包括：
根据所述触发动作信息，识别所述CAN数据中的触发动作数据，其中，所述触发动作数据为所述自动驾驶车辆在预设触发动作下产生的CAN数据；
根据所述触发动作数据，得到与所述触发动作数据对应的数据分析时刻。
在可选的一种实施方式中，根据所述触发动作数据，得到与所述触发动作数据对应的数据分析时刻，包括：
确定所述触发动作数据与第一预设阈值之前的物理量差值，并根据预设符号函数对所述物理量差值进行转化处理，确定与所述触发动作数据对应的符号向量；
对与所述触发动作数据对应的符号向量进行差分处理，确定与所述触发动作数据对应的差分向量；
根据与所述触发动作数据对应的符号向量、与所述触发动作数据对应的差分向量，得到与所述触发动作数据对应的数据分析时刻。
在可选的一种实施方式中，所述初始状态信息中包括第一数据信息；根据所述预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景，包括：
根据所述第一数据信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景，其中，所述第一数据信息指示了不同测试场景对应的CAN数据的数据类型信息、以及不同测试场景对应的CAN数据的数据物理量信息。
在可选的一种实施方式中，所述期望状态信息包括第二数据信息和数据期望信息，其中，所述第二数据信息用于确定与数据分析时刻、测试场景两者均对应的目标CAN数据；根据所述预设的自动驾驶测试场景库中的期望状态信息，对与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据进行测试处理，得到测试结果，包括：
根据所述第二数据信息，对所述自动驾驶车辆的CAN数据进行匹配处理，并确定与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据；
根据所述目标CAN数据对应的数据期望信息和所述目标CAN数据的数据实际信息，对所述目标CAN数据进行测试处理，得到测试结果。
在可选的一种实施方式中，所述第二数据信息中包括第一预设规则和第二预设规则；根据所述第二数据信息，对所述自动驾驶车辆的CAN数据进行匹配处理，并确定与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据，包括：
若确定与所得到的数据分析时刻对应的测试场景为状态机跳转类测试场景，则根据所述数据分析时刻、所述测试场景以及所述第一预设规则中的滞后时间信息，确定所述数据分析时刻对应的目标分析时刻，并根据所述目标分析时刻、所述第一预设规则中的数据类型信息以及与所得到的数据分析时刻对应的测试场景，确定目标CAN数据，其中，所述第一预设规则指示了不同状态机跳转类测试场景下的目标CAN数据的数据类型信息、不同状态机跳转类测试场景下目标分析时刻相对于数据分析时刻的滞后时间信息；
若确定与所得到的数据分析时刻对应的测试场景为功能控制类测试场景，则根据所述第二预设规则、所述数据分析时刻以及与所述数据分析时刻对应的测试场景，确定目标CAN数据，其中，所述第二预设规则指示了不同功能控制类测试场景下的目标CAN数据的数据类型信息、不同目标CAN数据所对应的时间区间信息。
在可选的一种实施方式中，根据所述目标CAN数据对应的数据期望信和所述目标CAN数据的数据实际信息，对所述目标CAN数据进行测试处理，得到测试结果，包括：
根据所述目标CAN数据对应的数据期望信息，对所述目标CAN数据的数据实际信息进行数据转化处理，确定所述目标CAN数据对应的转化数据信息；
若确定所述转化数据信息与第一预设阈值一致，则确定所述目标CAN数据的测试结果表征所述目标CAN数据的数据实际信息，符合所述目标CAN数据的期望状态信息；
若确定所述转化数据信息与所述第一预设阈值不一致，则确定所述目标CAN数据的测试结果表征所述目标CAN数据的数据实际信息，不符合所述目标CAN数据的期望状态信息。
在可选的一种实施方式中，所述自动驾驶测试场景库中还包括数据预处理信息，其中，所述数据预处理信息包括对所述自动驾驶车辆的车辆数据对应的插值规则信息和滤波规则信息；在获取自动驾驶车辆的控制器局域网络CAN数据之前，所述方法还包括：
根据所述插值规则信息，对所述车辆数据进行插值处理，确定插值后的车辆数据，其中，所述插值规则信息指示了不同车辆数据对应的不同插值规则；
根据所述滤波规则信息，对插值后的车辆数据进行降噪处理，确定所述自动驾驶车辆的CAN数据，其中，所述滤波规则信息指示了需进行滤波处理的车辆数据类型和过滤规则。
在可选的一种实施方式中，根据所述插值规则信息，对所述车辆数据进行插值处理，确定插值后的车辆数据，包括：
若确定车辆数据的数据类型为离散数据，则对所述车辆数据进行近邻点插值处理；
若确定车辆数据的数据类型为连续数据，则对所述车辆数据进行线性插值处理。
第二方面，本申请提供一种车辆数据处理装置，所述装置包括：
获取单元，用于获取自动驾驶车辆的控制器局域网络CAN数据；
第一处理单元，用于根据预设的自动驾驶测试场景库中的触发动作信息，对所述CAN数据进行数据处理，得到数据分析时刻；其中，所述数据分析时刻表征可进行数据测试时的数据产生时刻；其中，所述预设的自动驾驶测试场景库中包括初始状态信息的第一集合、触发动作信息的第二集合和期望状态信息的第三集合；所述第一集合中包括多个初始状态信息，所述第二集合中包括多个触发动作信息，所述第三集合中包括多个期望状态信息；所述初始状态信息用于确定数据分析时刻对应的测试场景；所述触发动作信息用于确定数据分析时刻；所述期望状态信息用于确定CAN数据的测试结果；
第二处理单元，用于根据所述预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景；其中，与所得到的数据分析时刻对应的CAN数据，为从所得到的数据分析时刻下的CAN数据；
第三处理单元，用于根据所述预设的自动驾驶测试场景库中的期望状态信息，对与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据进行测试处理，得到测试结果；其中，所述测试结果表征该目标CAN数据的数据实际信息是否符合该目标CAN数据的期望状态信息。
在可选的一种实施方式中，所述第一处理单元，包括：
识别子单元，用于根据所述触发动作信息，识别所述CAN数据中的触发动作数据，其中，所述触发动作数据为所述自动驾驶车辆在预设触发动作下产生的CAN数据；
确定子单元，用于根据所述触发动作数据，得到与所述触发动作数据对应的数据分析时刻。
在可选的一种实施方式中，所述确定子单元包括：
第一确定模块，用于确定所述触发动作数据与第一预设阈值之前的物理量差值，并根据预设符号函数对所述物理量差值进行转化处理，确定与所述触发动作数据对应的符号向量；
第一处理模块，用于对与所述触发动作数据对应的符号向量进行差分处理，确定与所述触发动作数据对应的差分向量；
第二确定模块，用于根据与所述触发动作数据对应的符号向量、与所述触发动作数据对应的差分向量，得到与所述触发动作数据对应的数据分析时刻。
在可选的一种实施方式中，所述初始状态信息中包括第一数据信息；所述第二处理单元，具体用于：
根据所述第一数据信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景，其中，所述第一数据信息指示了不同测试场景对应的CAN数据的数据类型信息、以及不同测试场景对应的CAN数据的数据物理量信息。
在可选的一种实施方式中，所述期望状态信息包括第二数据信息和数据期望信息，其中，所述第二数据信息用于确定与数据分析时刻、测试场景两者均对应的目标CAN数据；所述第三处理单元，包括：
第一处理子单元，用于根据所述第二数据信息，对所述自动驾驶车辆的CAN数据进行匹配处理，并确定与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据；
第二处理子单元，用于根据所述目标CAN数据对应的数据期望信息和所述目标CAN数据的数据实际信息，对所述目标CAN数据进行测试处理，得到测试结果。
在可选的一种实施方式中，所述第二数据信息中包括第一预设规则和第二预设规则；所述第一处理子单元，包括：
第二处理模块，用于若确定与所得到的数据分析时刻对应的测试场景为状态机跳转类测试场景，则根据所述数据分析时刻、所述测试场景以及所述第一预设规则中的滞后时间信息，确定所述数据分析时刻对应的目标分析时刻，并根据所述目标分析时刻、所述第一预设规则中的数据类型信息以及与所得到的数据分析时刻对应的测试场景，确定目标CAN数据，其中，所述第一预设规则指示了不同状态机跳转类测试场景下的目标CAN数据的数据类型信息、不同状态机跳转类测试场景下目标分析时刻相对于数据分析时刻的滞后时间信息；
第三处理模块，用于若确定与所得到的数据分析时刻对应的测试场景为功能控制类测试场景，则根据所述第二预设规则、所述数据分析时刻以及与所述数据分析时刻对应的测试场景，确定目标CAN数据，其中，所述第二预设规则指示了不同功能控制类测试场景下的目标CAN数据的数据类型信息、不同目标CAN数据所对应的时间区间信息。
在可选的一种实施方式中，所述第二处理子单元，包括：
第三确定模块，用于根据所述目标CAN数据对应的数据期望信息，对所述目标CAN数据的数据实际信息进行数据转化处理，确定所述目标CAN数据对应的转化数据信息；
第四处理模块，用于若确定所述转化数据信息与第一预设阈值一致，则确定所述目标CAN数据的测试结果表征所述目标CAN数据的数据实际信息，符合所述目标CAN数据的期望状态信息；
第五处理模块，用于若确定所述转化数据信息与所述第一预设阈值不一致，则确定所述目标CAN数据的测试结果表征所述目标CAN数据的数据实际信息，不符合所述目标CAN数据的期望状态信息。
在可选的一种实施方式中，所述自动驾驶测试场景库中还包括数据预处理信息，其中，所述数据预处理信息包括对所述自动驾驶车辆的车辆数据对应的插值规则信息和滤波规则信息；在所述获取单元之前，所述装置还包括：
第一确定单元，用于根据所述插值规则信息，对所述车辆数据进行插值处理，确定插值后的车辆数据，其中，所述插值规则信息指示了不同车辆数据对应的不同插值规则；
第二确定单元，用于根据所述滤波规则信息，对插值后的车辆数据进行降噪处理，确定所述自动驾驶车辆的CAN数据，其中，所述滤波规则信息指示了需进行滤波处理的车辆数据类型和过滤规则。
在可选的一种实施方式中，所述第一确定单元，包括：
第三处理子单元，用于若确定车辆数据的数据类型为离散数据，则对所述车辆数据进行近邻点插值处理；
第四处理子单元，用于若确定车辆数据的数据类型为连续数据，则对所述车辆数据进行线性插值处理。
第三方面，本申请提供一种电子设备，所述电子设备包括：
存储器，用于存储计算机执行指令；
处理器，用于读取所述存储器存储的计算机执行指令，并根据所述存储器中的计算机执行指令执行如第一方面所述的车辆数据处理方法。
第四方面，本申请提供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计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的车辆数据处理方法。
本申请提供的车辆数据处理方法、装置和设备，根据预设的自动驾驶测试场景库中的触发动作信息确定数据分析时刻；通过预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景；通过自动驾驶测试场景库中的期望状态信息对自动驾驶车辆的CAN数据进行分析处理，并确定CAN数据的测试结果，这个过程中，实现了对实车测试过程中记录的数据的充分利用，进而可以实现对车辆的自动驾驶性能进行全面评估。
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一种车辆数据处理方法的流程图；
图2为本申请实施例提供的另一种车辆数据处理方法的流程图；
图3为本申请实施例提供的车辆CAN数据测试结果图；
图4为本申请实施例提供的一种车辆数据处理装置的结构示意图；
图5为本申请实施例提供的一种电子设备的结构示意图；
图6是根据一示例性实施例示出的一种终端设备的框图。
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
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在自动驾驶领域，实车测试能够真实反映自动驾驶硬件和算法的性能好坏，是自动驾驶开发中的重要一环。在实车测试过程中，会录制大量车辆数据，例如能反应整车运行状态的控制器域网CAN数据，CAN数据一方面可以辅助测试工程师更准确的描述问题，另一方面可以帮助初步定位问题。而汽车CAN网络上每个通道上通信的报文数量一般比较大，以智能驾驶相关的CAN通道为例，每小时约可以产生近千万条CAN报文，每条报文包含数量不等的CAN数据。实车测试时每台车每天平均可以记录8小时左右的数据。所以，需要分析的离线CAN数据的数据量很大。
一个示例中，因为实车测试过程中所录制数据的数据量大、时间跨度长，通常测试工程师只会对实车测试过程中问题时刻的数据进行分析，这就导致了绝大部分实车测试过程中记录的数据缺乏分析，而这部分数据同样记录了自动驾驶硬件和算法的实车表现，通过分析能够提取出有价值的信息。
本申请提供的车辆数据处理方法，通过导入预设的自动驾驶测试场景库，从实车测试记录的CAN数据中提取出测试过的场景、测试结果和导致异常的数据。同时，通过设置需要分析的实车测试场景，可以提取出目标场景下实车性能指标。有效的利用实车测试数据，实现对车辆的自动驾驶性能进行全面、准确的评估。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。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。下面将结合附图，对本申请的实施例进行描述。
图1为本申请实施例提供的一种车辆数据处理方法的流程图，如图1所示，该方法包括：
101、获取自动驾驶车辆的控制器局域网络CAN数据。
示例性地，获取自动驾驶车辆在实车测试过程中录制的控制器局域网络CAN数据。其中，CAN数据可以包括CAN数据及其CAN数据对应的物理量数据。
102、根据预设的自动驾驶测试场景库中的触发动作信息，对CAN数据进行数据处理，得到数据分析时刻；其中，数据分析时刻表征可进行数据测试时的数据产生时刻；其中，预设的自动驾驶测试场景库中包括初始状态信息的第一集合、触发动作信息的第二集合和期望状态信息的第三集合；第一集合中包括多个初始状态信息，第二集合中包括多个触发动作信息，第三集合中包括多个期望状态信息；初始状态信息用于确定数据分析时刻对应的测试场景；触发动作信息用于确定数据分析时刻；期望状态信息用于确定CAN数据的测试结果。
示例性地，预先导入有一个自动驾驶测试场景库，该自动驾驶测试中有包括初始状态信息的第一集合、触发动作信息的第二集合以及期望状态信息的第三集合；第一集合中包括多个初始状态信息，第二集合中包括多个触发动作信息，第三集合中包括多个期望状态信息；初始状态信息用于确定数据分析时刻对应的测试场景；触发动作信息用于确定数据分析时刻；期望状态信息用于确定CAN数据的测试结果。其中，各初始状态信息、触发动作信息以及期望状态信息可以由CAN数据名、标识符、关系运算符以及数据对应的物理量等数据字段构成。对数据进行分析处理，首先需要确定进行分析的时刻点，即数据分析时刻，该数据分析时刻表征可进行数据测试时的数据产生时刻。而自动驾驶测试场景库中的触发动作信息中存储指示了可以确定数据分析时刻的信息，根据预设的自动驾驶测试场景库中的触发动作信息，对CAN数据进行数据处理，得到数据分析时刻。
103、根据预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景；其中，与所得到的数据分析时刻对应的CAN数据，为从所得到的数据分析时刻下的CAN数据。
示例性地，确定了数据分析时刻后，可以确定所得到的数据分析时刻下的CAN数据，即与数据分析时刻对应的CAN数据，再根据预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景，其中，初始状态信息中可以包括有CAN数据与测试场景之间的对应关系，或者不同测试场景所需的CAN数据。
104、根据预设的自动驾驶测试场景库中的期望状态信息，对与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据进行测试处理，得到测试结果；其中，测试结果表征该目标CAN数据的数据实际信息是否符合该目标CAN数据的期望状态信息。
示例性地，确定了数据分析时刻对应的测试场景之后，可以得到与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据，再根据预设的自动驾驶测试场景库中的期望状态信息，对目标CAN数据进行测试处理，得到测试结果；其中，测试结果表征该目标CAN数据的数据实际信息是否符合该目标CAN数据的期望状态信息。
综上，本实施例提供的车辆数据处理方法，根据预设的自动驾驶测试场景库中的触发动作信息确定数据分析时刻；通过预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景；通过自动驾驶测试场景库中的期望状态信息对自动驾驶车辆的CAN数据进行分析处理，并确定CAN数据的测试结果，这个过程中，实现了对实车测试过程中记录的数据的充分利用，进而可以实现对车辆的自动驾驶性能进行全面评估。
图2为本申请实施例提供的另一种车辆数据处理方法的流程图，如图1所示，该方法包括：
201、获取自动驾驶车辆的控制器局域网络CAN数据。
示例性地，本步骤参见步骤101，不再赘述。
202、根据触发动作信息，识别CAN数据中的触发动作数据，其中，触发动作数据为自动驾驶车辆在预设触发动作下产生的CAN数据。
示例性地，对数据进行分析处理，首先需要确定进行分析的时刻点，即数据分析时刻，该数据分析时刻表征可进行数据测试时的数据产生时刻。而数据产生时刻意味着此时有预设触发动作进行了触发，所以首先需要根据触发动作信息，识别CAN数据中的触发动作数据。其中，触发动作数据为自动驾驶车辆在预设触发动作下产生的CAN数据。而触发动作可以是可以得到动作数据和动作数据的触发行为。基础触发行为为动作数据跳变到等于某一特定值、大于某一特定值、小于某一特定值。其他的如连续拨动功能拨杆所对应的触发行为，可以通过组合多个基础触发行为进行表示。
203、根据触发动作数据，得到与触发动作数据对应的数据分析时刻。
一个示例中，步骤203包括以下步骤：
确定触发动作数据与第一预设阈值之前的物理量差值，并根据预设符号函数对物理量差值进行转化处理，确定与触发动作数据对应的符号向量；对与触发动作数据对应的符号向量进行差分处理，确定与触发动作数据对应的差分向量；根据与触发动作数据对应的符号向量、与触发动作数据对应的差分向量，得到与触发动作数据对应的数据分析时刻。
示例性地，根据识别到的触发动作数据，根据预设的数据处理逻辑，例如确定触发动作数据与对应的特定值，即第一预设阈值之前的物理量差值，并根据预设符号函数对物理量差值进行转化处理，确定与触发动作数据对应的符号向量，该符号向量只包含0、-1、1，并对该符号向量进行差分处理，确定与触发动作数据对应的差分向量；根据与触发动作数据对应的符号向量、与触发动作数据对应的差分向量，得到与触发动作数据对应的数据分析时刻。
204、根据预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景。
一个示例中，初始状态信息中包括第一数据信息；步骤204包括以下步骤：
根据第一数据信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景，其中，第一数据信息指示了不同测试场景对应的CAN数据的数据类型信息、以及不同测试场景对应的CAN数据的数据物理量信息。
示例性地，确定了数据分析时刻后，可以确定所得到的数据分析时刻下的CAN数据，即与数据分析时刻对应的CAN数据，再根据预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景，其中，初始状态信息中可以包括有CAN数据与测试场景之间的对应关系，或者不同测试场景所需的CAN数据。例如，初始状态信息中包括第一数据信息，第一数据信息指示了不同测试场景对应的CAN数据的数据类型信息、以及不同测试场景对应的CAN数据的数据物理量信息，进而可以根据第一数据信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景。
205、根据预设的自动驾驶测试场景库中的期望状态信息，对与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据进行测试处理，得到测试结果；其中，测试结果表征该目标CAN数据的数据实际信息是否符合该目标CAN数据的期望状态信息。
一个示例中，步骤205包括以下步骤：
期望状态信息包括第二数据信息和数据期望信息，其中，第二数据信息用于确定与数据分析时刻、测试场景两者均对应的目标CAN数据；根据第二数据信息，对自动驾驶车辆的CAN数据进行匹配处理，并确定与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据；
根据目标CAN数据对应的数据期望信息和目标CAN数据的数据实际信息，对目标CAN数据进行测试处理，得到测试结果。
示例性地，期望状态信息与初始状态信息为一一对应关系，确定了数据分析时刻所对应的测试场景也就确定了该时刻所对应的期望状态信息。确定了数据分析时刻对应的测试场景之后，可以得到与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据，再根据预设的自动驾驶测试场景库中的期望状态信息，对目标CAN数据进行测试处理，确定该目标CAN数据的数据实际信息是否符合该目标CAN数据的期望状态信息，得到测试结果。
一个示例中，期望状态信息包括第二数据信息和数据期望信息，第二数据信息用于确定与数据分析时刻、测试场景两者均对应的目标CAN数据；首先根据第二数据信息，对自动驾驶车辆的CAN数据进行匹配处理，并确定与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据，并且确定了目标CAN数据的数据实际信息，再根据目标CAN数据对应的数据期望信息和目标CAN数据的数据实际信息，对目标CAN数据进行验证判断，确定该目标CAN数据的数据实际信息是否符合该目标CAN数据的期望状态信息，得到测试结果。
综上，本实施例提供的车辆数据处理方法，根据预设的自动驾驶测试场景库中的触发动作信息对车辆的CAN数据中的触发动作进行识别，进而确定数据分析时刻；根据初始状态信息中的第一数据信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景；根据期望状态信息中的第二数据信息确定目标CAN数据，再根据期望状态信息中的数据期望信息，对目标CAN数据进行分析处理，并确定CAN数据的测试结果，这个过程中，实现了对实车测试过程中记录的数据的充分利用，并提高了车辆数据分析的准确性，进而可以实现对车辆的自动驾驶性能进行全面、准确的评估。
本申请的一个或多个实施例中还可以包括：自动驾驶测试场景库中还包括数据预处理信息，其中，数据预处理信息包括对自动驾驶车辆的车辆数据对应的插值规则信息和滤波规则信息；在获取自动驾驶车辆的控制器局域网络CAN数据之前：根据插值规则信息，对车辆数据进行插值处理，确定插值后的车辆数据，其中，插值规则信息指示了不同车辆数据对应的不同插值规则；根据滤波规则信息，对插值后的车辆数据进行降噪处理，确定自动驾驶车辆的CAN数据，其中，滤波规则信息指示了需进行滤波处理的车辆数据类型和过滤规则。
示例性地，自动驾驶测试场景库中还包括数据预处理信息，其中，数据预处理信息包括对自动驾驶车辆的车辆数据对应的插值规则信息和滤波规则信息；其中，插值规则信息指示了不同车辆数据对应的不同插值规则根据插值规则信息，根据这些插值规则信息，对车辆数据进行插值处理，使不同车辆数据拥有相同的时间戳信息和矩阵大小；根据滤波规则信息中指示的需进行滤波处理的车辆数据类型和过滤规则，对插值后的车辆数据进行降噪处理，去除数据噪声，确定自动驾驶车辆的CAN数据。
一个示例中，同一时间同一条CAN通道只能发送一条CAN报文，所以理论上同一通道上每条CAN报文的时间戳是不一样的。同时，CAN报文一般为周期发送，而不同CAN报文的发送周期可能存在差异，发送周期可以为10毫秒、20毫秒、50毫秒、100毫秒、1000毫秒等。综上，如果以时间戳为横坐标，CAN数据的物理量为纵坐标，不同CAN数据数据点的横坐标不完全相同，同时不同数据所包含CAN数据数据点的数量不同，矩阵大小存在差异，不利于后续的计算和分析。
一个示例中，完成对所有提取的CAN数据的插值之后，需要对一部分的连续量CAN数据进行滤波处理，如加速度数据。因为这部分数据包含有一定量的噪声，数据在时间域的曲线含有很多毛刺，会对后续的数据分析产生影响。可以采用12阶巴特沃斯滤波器进行滤波，截止频率6赫兹，巴特沃斯滤波器振幅的平方对频率的公式可以表示为：
Figure DEST_PATH_IMAGE001
其中，H(
Figure 192375DEST_PATH_IMAGE002
)为巴特沃斯滤波器振幅，n为滤波器的阶数，
Figure 110128DEST_PATH_IMAGE003
为截止频率，
Figure 36495DEST_PATH_IMAGE004
为通频带边缘频率，
Figure 257392DEST_PATH_IMAGE005
为在通频带边缘的数值。
一个示例中，完成上述CAN数据数据处理工作之后，将处理后的CAN数据的物理量依次存放在一个n×m的矩阵中，n为提取的数据数量，m为数据包含的数据点的个数。因为这些数据经过插值之后拥有相同的时间戳向量，所以矩阵每一列的CAN数据的时间戳相同。这样，在后续的数据分析中，不同的场景可以直接根据数据索引在上述CAN数据矩阵中提取某一时刻或某一区间内的CAN数据物理量。
综上，本实施例中，根据自动驾驶测试场景库中的数据预处理信息对车辆数据进行插值处理和滤波数据，对齐了不同CAN数据的时间戳和矩阵大小，并消除了数据噪声，提高了数据处理的快速准确性。
本申请的一个或多个实施例中，还可以包括：若确定车辆数据的数据类型为离散数据，则对车辆数据进行近邻点插值处理；若确定车辆数据的数据类型为连续数据，则对车辆数据进行线性插值处理。
示例性地，根据不同的数据类型，对车辆数据采取不同的插值方法，CAN数据物理量有离散量和连续量之分，如功能状态机状态量为离散量，车速、转矩等为连续量。对以上两种类型的数据需要采取不同的插值方法，若确定车辆数据的数据类型为离散数据，则对车辆数据进行近邻点插值处理；若确定车辆数据的数据类型为连续数据，则对车辆数据进行线性插值处理。
一个示例中，离散量一般为不超过20的自然数，在插值时需要保证不会引入不同于已有状态值的量。对离散量类型的CAN数据采取近邻点插值的方式，使插值点与离其最近的采样点物理值保持一致。连续量一般为一定范围内的实数，在插值时需要保证插值点的物理量连续变化，没有大的跳变。因此，对连续量类型的CAN数据采取线性插值的方式，使插值点在每个相邻采样点区间内连续变化。两种插值方式的频率为提取的CAN数据发送周期的最大公约数。
综上，本实施例中，根据CAN数据类型进行近邻点插值和线性插值，保证了CAN数据的准确性，进一步提高了车辆数据处理的准确性。
本申请的一个或多个实施例中，期望状态信息中的第二数据信息包括第一预设规则和第二预设规则；若确定与所得到的数据分析时刻对应的测试场景为状态机跳转类测试场景，则根据数据分析时刻、测试场景以及第一预设规则中的滞后时间信息，确定数据分析时刻对应的目标分析时刻，并根据目标分析时刻、第一预设规则中的数据类型信息以及与所得到的数据分析时刻对应的测试场景，确定目标CAN数据，其中，第一预设规则指示了不同状态机跳转类测试场景下的目标CAN数据的数据类型信息、不同状态机跳转类测试场景下目标分析时刻相对于数据分析时刻的滞后时间信息；若确定与所得到的数据分析时刻对应的测试场景为功能控制类测试场景，则根据第二预设规则、数据分析时刻以及与数据分析时刻对应的测试场景，确定目标CAN数据，其中，第二预设规则指示了不同功能控制类测试场景下的目标CAN数据的数据类型信息、不同目标CAN数据所对应的时间区间信息。
示例性地，期望状态信息与初始状态信息为一一对应关系，确定了数据分析时刻所对应的测试场景也就确定了该时刻所对应的期望状态信息。根据期望状态信息，可以得到测试场景的类型和判断自动驾驶表现是否通过特定测试场景所需的CAN数据和对应的数据期望信息。即，第二数据信息和数据期望信息，其中，第二数据信息用于确定与数据分析时刻、测试场景两者均对应的目标CAN数据，第二数据信息包括第一预设规则和第二预设规则。第一预设规则指示了不同状态机跳转类测试场景下的目标CAN数据的数据类型信息、不同状态机跳转类测试场景下目标分析时刻相对于数据分析时刻的滞后时间信息，第二预设规则指示了不同功能控制类测试场景下的目标CAN数据的数据类型信息、不同目标CAN数据所对应的时间区间信息。
第一预设规则应用于状态机跳转类测试场景下确定目标CAN数据：若确定与所得到的数据分析时刻对应的测试场景为状态机跳转类测试场景，则根据数据分析时刻、测试场景以及第一预设规则中的滞后时间信息，确定数据分析时刻对应的目标分析时刻，并根据目标分析时刻、第一预设规则中的数据类型信息以及与所得到的数据分析时刻对应的测试场景，确定目标CAN数据。
一个示例中，有的测试场景是为了验证功能能否正常开启关闭以及不同状态量之间的能否按条件正常跳转，称之为状态机跳转类测试场景。状态机跳转类测试场景触发动作发生后很短时间内，系统就能做出响应，并将包含状态数据的CAN报文发送到CAN总线上。这类测试场景的目标分析时刻滞后时间一般小于1秒，本申请对状态机跳转类测试场景设置的目标分析时刻滞后时间为1秒。
第二预设规则应用于功能控制类测试场景下确定目标CAN数据：若确定与所得到的数据分析时刻对应的测试场景为功能控制类测试场景，则根据第二预设规则、数据分析时刻以及与数据分析时刻对应的测试场景，确定目标CAN数据，其中，第二预设规则指示了不同功能控制类测试场景下的目标CAN数据的数据类型信息、不同目标CAN数据所对应的时间区间信息。
一个示例中，有的测试场景则是为了验证自动驾驶功能开启后，对车辆控制效果的好坏，称之为功能控制类测试场景，实车测试过程中验证功能控制类测试场景需要观测车辆在一段时间内的性能表现，有无产生危险工况，控制效果是否符合功能定义，是否满足舒适性要求。因此，需要对功能控制的时间区间内的CAN数据进行分析，功能控制完成的时间可以根据表征控制状态的CAN数据进行确定。
综上，本实施例中，针对不同类型的测试场景，采用对应的不同预设规则确定目标CAN数据及其目标CAN数据分析时间，进一步提高了车辆数据处理的准确性，可以更加全面准确的体现自动驾驶车辆的性能指标。
本申请的一个或多个实施例中，还可以包括：根据目标CAN数据对应的数据期望信息，对目标CAN数据的数据实际信息进行数据转化处理，确定目标CAN数据对应的转化数据信息；若确定转化数据信息与第一预设阈值一致，则确定目标CAN数据的测试结果表征目标CAN数据的数据实际信息，符合目标CAN数据的期望状态信息；若确定转化数据信息与第一预设阈值不一致，则确定目标CAN数据的测试结果表征目标CAN数据的数据实际信息，不符合目标CAN数据的期望状态信息。
示例性地，根据目标CAN数据对应的数据期望信息，对目标CAN数据的数据实际信息进行数据转化处理，确定目标CAN数据对应的转化数据信息；若确定转化数据信息与第一预设阈值一致，则确定目标CAN数据的测试结果表征目标CAN数据的数据实际信息，符合目标CAN数据的期望状态信息；若确定转化数据信息与第一预设阈值不一致，则确定目标CAN数据的测试结果表征目标CAN数据的数据实际信息，不符合目标CAN数据的期望状态信息。
一个示例中，通过对目标CAN数据进行算术运算和符号运算，可以将符合数据期望信息的目标CAN数据的数据实际信息转化为0值，而不符合将符合数据期望信息的目标CAN数据的数据实际信息转化为一个正整数。如果某时刻某测场景所有目标CAN数据的测试结果的累加和为0值，则该时刻该测试场景的测试结果为通过。反之，测试结果不通过，通过查找不为0的值，可以确定导致不通过的CAN数据。
一个示例中，完成所有数据分析时刻的期望状态分析后，输出实车测试数据的分析结果，内容包括该段实车测试数据对应的实车测试过程中，自动驾驶测试场景库中测试场景完成的数量和测试通过情况。将自动驾驶测试场景库导入后，对录制的一段20分钟长的实车测试数据进行分析，输出结果为一个元胞数组，长度等于自动驾驶测试场景库包含的测试场景的数量。每一个元胞包含一个测试场景的CAN数据的测试结果，包括目标分析时刻的每个目标CAN数据是否符合期望。图3为本申请实施例提供的车辆CAN数据测试结果图，在该图所对应的测试场景下，共10个分析时刻点，如图3所示，在第9个分析时刻点，测试时间的1130.51秒，测试结果为不通过，导致不通过的原因为刹车踏板状态数据与期望状态不符。
综上，本实施例中，根据目标CAN数据的数据期望信息对目标CAN数据的数据实际信息进行数据转化处理，使得测试结果更加简洁直观，可以使得测试人员快速的确定自动驾驶车辆的性能指标。
图4为本申请实施例提供的一种车辆数据处理装置的结构示意图，如图4所示，该装置包括：
获取单元31，用于获取自动驾驶车辆的控制器局域网络CAN数据。
第一处理单元32，用于根据预设的自动驾驶测试场景库中的触发动作信息，对CAN数据进行数据处理，得到数据分析时刻；其中，数据分析时刻表征可进行数据测试时的数据产生时刻；其中，预设的自动驾驶测试场景库中包括初始状态信息的第一集合、触发动作信息的第二集合和期望状态信息的第三集合；第一集合中包括多个初始状态信息，第二集合中包括多个触发动作信息，第三集合中包括多个期望状态信息；初始状态信息用于确定数据分析时刻对应的测试场景；触发动作信息用于确定数据分析时刻；期望状态信息用于确定CAN数据的测试结果。
第二处理单元33，用于根据预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景；其中，与所得到的数据分析时刻对应的CAN数据，为从所得到的数据分析时刻下的CAN数据。
第三处理单元34，用于根据预设的自动驾驶测试场景库中的期望状态信息，对与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据进行测试处理，得到测试结果；其中，测试结果表征该目标CAN数据的数据实际信息是否符合该目标CAN数据的期望状态信息。
一个示例中，第一处理单元32，包括：
识别子单元，用于根据触发动作信息，识别CAN数据中的触发动作数据，其中，触发动作数据为自动驾驶车辆在预设触发动作下产生的CAN数据。
确定子单元，用于根据触发动作数据，得到与触发动作数据对应的数据分析时刻。
一个示例中，确定子单元包括：
第一确定模块，用于确定触发动作数据与第一预设阈值之前的物理量差值，并根据预设符号函数对物理量差值进行转化处理，确定与触发动作数据对应的符号向量。
第一处理模块，用于对与触发动作数据对应的符号向量进行差分处理，确定与触发动作数据对应的差分向量。
第二确定模块，用于根据与触发动作数据对应的符号向量、与触发动作数据对应的差分向量，得到与触发动作数据对应的数据分析时刻。
一个示例中，初始状态信息中包括第一数据信息；第二处理单元33，具体用于：
根据第一数据信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景，其中，第一数据信息指示了不同测试场景对应的CAN数据的数据类型信息、以及不同测试场景对应的CAN数据的数据物理量信息。
一个示例中，期望状态信息包括第二数据信息和数据期望信息，其中，第二数据信息用于确定与数据分析时刻、测试场景两者均对应的目标CAN数据；第三处理单元34，包括：
第一处理子单元，用于根据第二数据信息，对自动驾驶车辆的CAN数据进行匹配处理，并确定与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据。
第二处理子单元，用于根据目标CAN数据对应的数据期望信息和目标CAN数据的数据实际信息，对目标CAN数据进行测试处理，得到测试结果。
一个示例中，第二数据信息中包括第一预设规则和第二预设规则；第一处理子单元，包括：
第二处理模块，用于若确定与所得到的数据分析时刻对应的测试场景为状态机跳转类测试场景，则根据数据分析时刻、测试场景以及第一预设规则中的滞后时间信息，确定数据分析时刻对应的目标分析时刻，并根据目标分析时刻、第一预设规则中的数据类型信息以及与所得到的数据分析时刻对应的测试场景，确定目标CAN数据，其中，第一预设规则指示了不同状态机跳转类测试场景下的目标CAN数据的数据类型信息、不同状态机跳转类测试场景下目标分析时刻相对于数据分析时刻的滞后时间信息。
第三处理模块，用于若确定与所得到的数据分析时刻对应的测试场景为功能控制类测试场景，则根据第二预设规则、数据分析时刻以及与数据分析时刻对应的测试场景，确定目标CAN数据，其中，第二预设规则指示了不同功能控制类测试场景下的目标CAN数据的数据类型信息、不同目标CAN数据所对应的时间区间信息。
一个示例中，第二处理子单元，包括：
第三确定模块，用于根据目标CAN数据对应的数据期望信息，对目标CAN数据的数据实际信息进行数据转化处理，确定目标CAN数据对应的转化数据信息。
第四处理模块，用于若确定转化数据信息与第一预设阈值一致，则确定目标CAN数据的测试结果表征目标CAN数据的数据实际信息，符合目标CAN数据的期望状态信息。
第五处理模块，用于若确定转化数据信息与第一预设阈值不一致，则确定目标CAN数据的测试结果表征目标CAN数据的数据实际信息，不符合目标CAN数据的期望状态信息。
一个示例中，自动驾驶测试场景库中还包括数据预处理信息，其中，数据预处理信息包括对自动驾驶车辆的车辆数据对应的插值规则信息和滤波规则信息；在获取单元之前，装置还包括：
第一确定单元，用于根据插值规则信息，对车辆数据进行插值处理，确定插值后的车辆数据，其中，插值规则信息指示了不同车辆数据对应的不同插值规则。
第二确定单元，用于根据滤波规则信息，对插值后的车辆数据进行降噪处理，确定自动驾驶车辆的CAN数据，其中，滤波规则信息指示了需进行滤波处理的车辆数据类型和过滤规则。
一个示例中，第一确定单元，包括：
第三处理子单元，用于若确定车辆数据的数据类型为离散数据，则对车辆数据进行近邻点插值处理。
第四处理子单元，用于若确定车辆数据的数据类型为连续数据，则对车辆数据进行线性插值处理。
图5为本申请实施例提供的一种电子设备的结构示意图，如图5所示，电子设备包括：
存储器41，用于存储计算机执行指令。
处理器42，用于读取存储器存储的计算机执行指令，并根据存储器中的计算机执行指令执行如上述实施例的车辆数据处理方法。
图6是根据一示例性实施例示出的一种终端设备的框图，该设备可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出（I/ O）接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（SRAM），电可擦除可编程只读存储器（EEPROM），可擦除可编程只读存储器（EPROM），可编程只读存储器（PROM），只读存储器（ROM），磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器（LCD）和触摸面板（TP）。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入数据。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频数据。例如，音频组件810包括一个麦克风（MIC），当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频数据。所接收的音频数据可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频数据。
I/ O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播数据或广播相关信息。在一个示例性实施例中，通信组件816还包括近场通信（NFC）模块，以促进短程通信。例如，在NFC模块可基于射频识别（RFID）技术，红外数据协会（IrDA）技术，超宽带（UWB）技术，蓝牙（BT）技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路（ASIC）、数字数据处理器（DSP）、数字数据处理设备（DSPD）、可编程逻辑器件（PLD）、现场可编程门阵列（FPGA）、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本申请实施例还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (20)

1.一种车辆数据处理方法，其特征在于，所述方法包括：
获取自动驾驶车辆的控制器局域网络CAN数据；
根据预设的自动驾驶测试场景库中的触发动作信息，对所述CAN数据进行数据处理，得到数据分析时刻；其中，所述数据分析时刻表征可进行数据测试时的数据产生时刻；其中，所述预设的自动驾驶测试场景库中包括初始状态信息的第一集合、触发动作信息的第二集合和期望状态信息的第三集合；所述第一集合中包括多个初始状态信息，所述第二集合中包括多个触发动作信息，所述第三集合中包括多个期望状态信息；所述初始状态信息用于确定数据分析时刻对应的测试场景；所述触发动作信息用于确定数据分析时刻；所述期望状态信息用于确定CAN数据的测试结果；
根据所述预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景；其中，与所得到的数据分析时刻对应的CAN数据，为从所得到的数据分析时刻下的CAN数据；
根据所述预设的自动驾驶测试场景库中的期望状态信息，对与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据进行测试处理，得到测试结果；其中，所述测试结果表征该目标CAN数据的数据实际信息是否符合该目标CAN数据的期望状态信息。
2.根据权利要求1所述的方法，其特征在于，根据预设的自动驾驶测试场景库中的触发动作信息，对所述CAN数据进行数据处理，得到数据分析时刻，包括：
根据所述触发动作信息，识别所述CAN数据中的触发动作数据，其中，所述触发动作数据为所述自动驾驶车辆在预设触发动作下产生的CAN数据；
根据所述触发动作数据，得到与所述触发动作数据对应的数据分析时刻。
3.根据权利要求2所述的方法，其特征在于，根据所述触发动作数据，得到与所述触发动作数据对应的数据分析时刻，包括：
确定所述触发动作数据与第一预设阈值之前的物理量差值，并根据预设符号函数对所述物理量差值进行转化处理，确定与所述触发动作数据对应的符号向量；
对与所述触发动作数据对应的符号向量进行差分处理，确定与所述触发动作数据对应的差分向量；
根据与所述触发动作数据对应的符号向量、与所述触发动作数据对应的差分向量，得到与所述触发动作数据对应的数据分析时刻。
4.根据权利要求1所述的方法，其特征在于，所述初始状态信息中包括第一数据信息；根据所述预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景，包括：
根据所述第一数据信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景，其中，所述第一数据信息指示了不同测试场景对应的CAN数据的数据类型信息、以及不同测试场景对应的CAN数据的数据物理量信息。
5.根据权利要求1所述的方法，其特征在于，所述期望状态信息包括第二数据信息和数据期望信息，其中，所述第二数据信息用于确定与数据分析时刻、测试场景两者均对应的目标CAN数据；根据所述预设的自动驾驶测试场景库中的期望状态信息，对与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据进行测试处理，得到测试结果，包括：
根据所述第二数据信息，对所述自动驾驶车辆的CAN数据进行匹配处理，并确定与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据；
根据所述目标CAN数据对应的数据期望信息和所述目标CAN数据的数据实际信息，对所述目标CAN数据进行测试处理，得到测试结果。
6.根据权利要求5所述的方法，其特征在于，所述第二数据信息中包括第一预设规则和第二预设规则；根据所述第二数据信息，对所述自动驾驶车辆的CAN数据进行匹配处理，并确定与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据，包括：
若确定与所得到的数据分析时刻对应的测试场景为状态机跳转类测试场景，则根据所述数据分析时刻、所述测试场景以及所述第一预设规则中的滞后时间信息，确定所述数据分析时刻对应的目标分析时刻，并根据所述目标分析时刻、所述第一预设规则中的数据类型信息以及与所得到的数据分析时刻对应的测试场景，确定目标CAN数据，其中，所述第一预设规则指示了不同状态机跳转类测试场景下的目标CAN数据的数据类型信息、不同状态机跳转类测试场景下目标分析时刻相对于数据分析时刻的滞后时间信息；
若确定与所得到的数据分析时刻对应的测试场景为功能控制类测试场景，则根据所述第二预设规则、所述数据分析时刻以及与所述数据分析时刻对应的测试场景，确定目标CAN数据，其中，所述第二预设规则指示了不同功能控制类测试场景下的目标CAN数据的数据类型信息、不同目标CAN数据所对应的时间区间信息。
7.根据权利要求5所述的方法，其特征在于，根据所述目标CAN数据对应的数据期望信和所述目标CAN数据的数据实际信息，对所述目标CAN数据进行测试处理，得到测试结果，包括：
根据所述目标CAN数据对应的数据期望信息，对所述目标CAN数据的数据实际信息进行数据转化处理，确定所述目标CAN数据对应的转化数据信息；
若确定所述转化数据信息与第一预设阈值一致，则确定所述目标CAN数据的测试结果表征所述目标CAN数据的数据实际信息，符合所述目标CAN数据的期望状态信息；
若确定所述转化数据信息与所述第一预设阈值不一致，则确定所述目标CAN数据的测试结果表征所述目标CAN数据的数据实际信息，不符合所述目标CAN数据的期望状态信息。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述自动驾驶测试场景库中还包括数据预处理信息，其中，所述数据预处理信息包括对所述自动驾驶车辆的车辆数据对应的插值规则信息和滤波规则信息；在获取自动驾驶车辆的控制器局域网络CAN数据之前，所述方法还包括：
根据所述插值规则信息，对所述车辆数据进行插值处理，确定插值后的车辆数据，其中，所述插值规则信息指示了不同车辆数据对应的不同插值规则；
根据所述滤波规则信息，对插值后的车辆数据进行降噪处理，确定所述自动驾驶车辆的CAN数据，其中，所述滤波规则信息指示了需进行滤波处理的车辆数据类型和过滤规则。
9.根据权利要求8所述的方法，其特征在于，根据所述插值规则信息，对所述车辆数据进行插值处理，确定插值后的车辆数据，包括：
若确定车辆数据的数据类型为离散数据，则对所述车辆数据进行近邻点插值处理；
若确定车辆数据的数据类型为连续数据，则对所述车辆数据进行线性插值处理。
10.一种车辆数据处理装置，其特征在于，所述装置包括：
获取单元，用于获取自动驾驶车辆的控制器局域网络CAN数据；
第一处理单元，用于根据预设的自动驾驶测试场景库中的触发动作信息，对所述CAN数据进行数据处理，得到数据分析时刻；其中，所述数据分析时刻表征可进行数据测试时的数据产生时刻；其中，所述预设的自动驾驶测试场景库中包括初始状态信息的第一集合、触发动作信息的第二集合和期望状态信息的第三集合；所述第一集合中包括多个初始状态信息，所述第二集合中包括多个触发动作信息，所述第三集合中包括多个期望状态信息；所述初始状态信息用于确定数据分析时刻对应的测试场景；所述触发动作信息用于确定数据分析时刻；所述期望状态信息用于确定CAN数据的测试结果；
第二处理单元，用于根据所述预设的自动驾驶测试场景库中的初始状态信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景；其中，与所得到的数据分析时刻对应的CAN数据，为从所得到的数据分析时刻下的CAN数据；
第三处理单元，用于根据所述预设的自动驾驶测试场景库中的期望状态信息，对与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据进行测试处理，得到测试结果；其中，所述测试结果表征该目标CAN数据的数据实际信息是否符合该目标CAN数据的期望状态信息。
11.根据权利要求10所述的装置，其特征在于，所述第一处理单元，包括：
识别子单元，用于根据所述触发动作信息，识别所述CAN数据中的触发动作数据，其中，所述触发动作数据为所述自动驾驶车辆在预设触发动作下产生的CAN数据；
确定子单元，用于根据所述触发动作数据，得到与所述触发动作数据对应的数据分析时刻。
12.根据权利要求11所述的装置，其特征在于，所述确定子单元包括：
第一确定模块，用于确定所述触发动作数据与第一预设阈值之前的物理量差值，并根据预设符号函数对所述物理量差值进行转化处理，确定与所述触发动作数据对应的符号向量；
第一处理模块，用于对与所述触发动作数据对应的符号向量进行差分处理，确定与所述触发动作数据对应的差分向量；
第二确定模块，用于根据与所述触发动作数据对应的符号向量、与所述触发动作数据对应的差分向量，得到与所述触发动作数据对应的数据分析时刻。
13.根据权利要求10所述的装置，其特征在于，所述初始状态信息中包括第一数据信息；所述第二处理单元，具体用于：
根据所述第一数据信息，对与所得到的数据分析时刻对应的CAN数据进行匹配处理，得到与所得到的数据分析时刻对应的测试场景，其中，所述第一数据信息指示了不同测试场景对应的CAN数据的数据类型信息、以及不同测试场景对应的CAN数据的数据物理量信息。
14.根据权利要求10所述的装置，其特征在于，所述期望状态信息包括第二数据信息和数据期望信息，其中，所述第二数据信息用于确定与数据分析时刻、测试场景两者均对应的目标CAN数据；所述第三处理单元，包括：
第一处理子单元，用于根据所述第二数据信息，对所述自动驾驶车辆的CAN数据进行匹配处理，并确定与所得到的数据分析时刻、与所得到的数据分析时刻对应的测试场景两者均对应的目标CAN数据；
第二处理子单元，用于根据所述目标CAN数据对应的数据期望信息和所述目标CAN数据的数据实际信息，对所述目标CAN数据进行测试处理，得到测试结果。
15.根据权利要求14所述的装置，其特征在于，所述第二数据信息中包括第一预设规则和第二预设规则；所述第一处理子单元，包括：
第二处理模块，用于若确定与所得到的数据分析时刻对应的测试场景为状态机跳转类测试场景，则根据所述数据分析时刻、所述测试场景以及所述第一预设规则中的滞后时间信息，确定所述数据分析时刻对应的目标分析时刻，并根据所述目标分析时刻、所述第一预设规则中的数据类型信息以及与所得到的数据分析时刻对应的测试场景，确定目标CAN数据，其中，所述第一预设规则指示了不同状态机跳转类测试场景下的目标CAN数据的数据类型信息、不同状态机跳转类测试场景下目标分析时刻相对于数据分析时刻的滞后时间信息；
第三处理模块，用于若确定与所得到的数据分析时刻对应的测试场景为功能控制类测试场景，则根据所述第二预设规则、所述数据分析时刻以及与所述数据分析时刻对应的测试场景，确定目标CAN数据，其中，所述第二预设规则指示了不同功能控制类测试场景下的目标CAN数据的数据类型信息、不同目标CAN数据所对应的时间区间信息。
16.根据权利要求14所述的装置，其特征在于，所述第二处理子单元，包括：
第三确定模块，用于根据所述目标CAN数据对应的数据期望信息，对所述目标CAN数据的数据实际信息进行数据转化处理，确定所述目标CAN数据对应的转化数据信息；
第四处理模块，用于若确定所述转化数据信息与第一预设阈值一致，则确定所述目标CAN数据的测试结果表征所述目标CAN数据的数据实际信息，符合所述目标CAN数据的期望状态信息；
第五处理模块，用于若确定所述转化数据信息与所述第一预设阈值不一致，则确定所述目标CAN数据的测试结果表征所述目标CAN数据的数据实际信息，不符合所述目标CAN数据的期望状态信息。
17.根据权利要求10-16任一项所述的装置，其特征在于，所述自动驾驶测试场景库中还包括数据预处理信息，其中，所述数据预处理信息包括对所述自动驾驶车辆的车辆数据对应的插值规则信息和滤波规则信息；在所述获取单元之前，所述装置还包括：
第一确定单元，用于根据所述插值规则信息，对所述车辆数据进行插值处理，确定插值后的车辆数据，其中，所述插值规则信息指示了不同车辆数据对应的不同插值规则；
第二确定单元，用于根据所述滤波规则信息，对插值后的车辆数据进行降噪处理，确定所述自动驾驶车辆的CAN数据，其中，所述滤波规则信息指示了需进行滤波处理的车辆数据类型和过滤规则。
18.根据权利要求17所述的装置，其特征在于，所述第一确定单元，包括：
第三处理子单元，用于若确定车辆数据的数据类型为离散数据，则对所述车辆数据进行近邻点插值处理；
第四处理子单元，用于若确定车辆数据的数据类型为连续数据，则对所述车辆数据进行线性插值处理。
19.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储计算机执行指令；
处理器，用于读取所述存储器存储的计算机执行指令，并根据所述存储器中的计算机执行指令执行如权利要求1-9任一项所述的车辆数据处理方法。
20.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至9任一项所述的车辆数据处理方法。
CN202210941010.XA 2022-08-08 2022-08-08 车辆数据处理方法、装置和设备 Active CN115017198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210941010.XA CN115017198B (zh) 2022-08-08 2022-08-08 车辆数据处理方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210941010.XA CN115017198B (zh) 2022-08-08 2022-08-08 车辆数据处理方法、装置和设备

Publications (2)

Publication Number Publication Date
CN115017198A CN115017198A (zh) 2022-09-06
CN115017198B true CN115017198B (zh) 2022-10-14

Family

ID=83065972

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210941010.XA Active CN115017198B (zh) 2022-08-08 2022-08-08 车辆数据处理方法、装置和设备

Country Status (1)

Country Link
CN (1) CN115017198B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102610914B1 (ko) * 2023-02-20 2023-12-07 델타인덱스주식회사 히스테리시스 곡선으로부터 테스트 시나리오 자동 생성 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3438901A1 (de) * 2017-08-01 2019-02-06 Ford Global Technologies, LLC Testfahrtszenario-datenbanksystem für realitätsnahe virtuelle testfahrtszenarien
CN112567374A (zh) * 2020-10-21 2021-03-26 华为技术有限公司 一种仿真交通场景文件生成方法及装置
WO2022041717A1 (zh) * 2020-08-24 2022-03-03 华为技术有限公司 一种仿真交通流的构建方法及仿真设备
WO2022160900A1 (zh) * 2021-01-29 2022-08-04 华为技术有限公司 一种测试场景构建方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3438901A1 (de) * 2017-08-01 2019-02-06 Ford Global Technologies, LLC Testfahrtszenario-datenbanksystem für realitätsnahe virtuelle testfahrtszenarien
WO2022041717A1 (zh) * 2020-08-24 2022-03-03 华为技术有限公司 一种仿真交通流的构建方法及仿真设备
CN112567374A (zh) * 2020-10-21 2021-03-26 华为技术有限公司 一种仿真交通场景文件生成方法及装置
WO2022160900A1 (zh) * 2021-01-29 2022-08-04 华为技术有限公司 一种测试场景构建方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于危险场景聚类分析的前车随机运动状态预测研究;郭景华等;《汽车工程》;20200725(第07期);第5-11+17页 *
基于数字孪生的网联自动驾驶测试方法研究;葛雨明等;《中兴通讯技术》;20200221(第01期);第29-33页 *

Also Published As

Publication number Publication date
CN115017198A (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN108632081B (zh) 网络态势评估方法、装置及存储介质
CN106528389B (zh) 系统流畅性的性能评测方法、装置及终端
CN111539443A (zh) 一种图像识别模型训练方法及装置、存储介质
CN111708584A (zh) 一种车辆诊断方法、装置、诊断设备及存储介质
CN115017198B (zh) 车辆数据处理方法、装置和设备
CN112241361A (zh) 测试用例生成方法及装置、问题场景自动复现方法及装置
CN111614990A (zh) 加载时长的获取方法、装置及电子设备
CN116069612A (zh) 一种异常定位方法、装置和电子设备
CN111047049B (zh) 基于机器学习模型处理多媒体数据的方法、装置及介质
CN111209195B (zh) 一种生成测试用例的方法及装置
CN112256563A (zh) 安卓应用稳定性测试方法、装置、电子设备及存储介质
CN115878358A (zh) 异常日志分析方法、装置、电子设备及存储介质
CN108228433B (zh) 电子设备、移动应用访次停留时长统计方法及装置
CN112383661B (zh) 移动端自动化测试方法、装置、电子设备及存储介质
CN106155863A (zh) 终端预期行为控制方法及终端
CN112346968B (zh) 一种多媒体文件清晰度的自动化检测方法及装置
CN112733141B (zh) 一种信息处理方法及装置
CN115687157B (zh) 测试方法、系统、存储介质、电子设备及车辆
CN111611156B (zh) 功能测试方法、功能测试装置及计算机可读存储介质
CN115688187B (zh) 硬链接数据的安全管理方法、装置、设备及存储介质
CN107749914B (zh) 卡顿数据获取方法及装置
CN110162966B (zh) 数据处理方法、装置、电子设备及存储介质
CN106598811A (zh) 异常事件处理方法、装置及终端
CN113918469A (zh) 页面调试方法、装置、电子设备及存储介质
CN117932936A (zh) 系统功能测试的评价装置、方法及测试系统

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