CN115329157A - 挖掘路况事件的方法以及基于路况事件的优化方法 - Google Patents
挖掘路况事件的方法以及基于路况事件的优化方法 Download PDFInfo
- Publication number
- CN115329157A CN115329157A CN202211256723.9A CN202211256723A CN115329157A CN 115329157 A CN115329157 A CN 115329157A CN 202211256723 A CN202211256723 A CN 202211256723A CN 115329157 A CN115329157 A CN 115329157A
- Authority
- CN
- China
- Prior art keywords
- event
- road condition
- events
- characteristic information
- retrieval rule
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 98
- 238000005065 mining Methods 0.000 title claims abstract description 57
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 52
- 230000009467 reduction Effects 0.000 claims abstract description 41
- 230000001960 triggered effect Effects 0.000 claims description 42
- 230000004044 response Effects 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 238000003062 neural network model Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 19
- 238000007418 data mining Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000008713 feedback mechanism Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000003247 decreasing effect Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000009412 basement excavation Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000000265 homogenisation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- 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
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Data Mining & Analysis (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
本公开提供了挖掘路况事件的方法以及基于路况事件的优化方法,涉及数据处理技术领域,尤其涉及自动驾驶、数据挖掘和深度学习技术领域。具体实现方案为:在车辆运行的情况下,对车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息;利用第一事件检索规则,对多个第一特征信息进行检索,确定多个第一特征信息对应的路况事件,以实现基于传感器实时采集的数据挖掘路况事件。根据本公开的技术方案,可以实现在车辆运行的过程中,基于传感器实时采集的数据,挖掘出高价值的路况事件。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及自动驾驶、数据挖掘和深度学习技术领域。
背景技术
相关技术中,车辆为了实现自动驾驶功能,通常会在车辆上搭载多种传感器,从而来实现利用传感器所采集的数据,满足车辆在自动驾驶时的感知功能。
发明内容
本公开提供了一种挖掘路况事件的方法以及基于路况事件的优化方法。
根据本公开的一方面,提供了一种挖掘路况事件的方法,包括:
在车辆运行的情况下,对车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息;以及
利用第一事件检索规则,对多个第一特征信息进行检索,确定多个第一特征信息对应的路况事件,以实现基于传感器实时采集的数据挖掘路况事件。
根据本公开的另一方面,提供了一种挖掘路况事件的装置,包括:
处理模块,用于在车辆运行的情况下,对车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息;以及
确定模块,用于利用第一事件检索规则,对多个第一特征信息进行检索,确定多个第一特征信息对应的路况事件,以实现基于传感器实时采集的数据挖掘路况事件。
根据本公开的另一方面,提供了一种基于路况事件的优化方法,包括:
在车辆运行的情况下,从云端获取第一事件检索规则;
利用第一事件检索规则,根据本公开中任一实施例的挖掘路况事件的方法,挖掘车辆的路况事件;
将路况事件发送至云端;以及
根据云端的反馈信息,优化车辆的自动驾驶策略和/或第一事件检索规则。
根据本公开的另一方面,提供了一种基于路况事件的优化装置,包括:
获取模块,用于在车辆运行的情况下,从云端获取第一事件检索规则;
挖掘模块,用于利用第一事件检索规则,根据本公开中任一实施例的挖掘路况事件的方法,挖掘车辆的路况事件;
回传模块,用于将路况事件发送至云端;以及
优化模块,用于根据云端的反馈信息,优化车辆的自动驾驶策略和/或第一事件检索规则。
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
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开中任一实施例的方法。
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,其中,该计算机指令用于使该计算机执行根据本公开中任一实施例的方法。
根据本公开的技术方案,可以实现在车辆运行的过程中,基于传感器实时采集的数据,挖掘出高价值的路况事件。
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是根据本公开实施例的挖掘路况事件的方法的示意图;
图2是根据本公开实施例的挖掘路况事件的方法的步骤S101的示意图;
图3是根据本公开另一实施例的挖掘路况事件的方法的示意图;
图4是根据本公开另一实施例的挖掘路况事件的方法的示意图;
图5是根据本公开实施例的挖掘路况事件的方法的应用示意图;
图6是根据本公开实施例的挖掘路况事件的装置的示意图;
图7是根据本公开实施例的基于路况事件的优化方法的示意图;
图8是根据本公开实施例的基于路况事件的优化装置的示意图;
图9是用来实现本公开实施例的挖掘路况事件的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。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。
如图1所示,本公开实施例提供了一种挖掘路况事件的方法,包括:
步骤S101:在车辆运行的情况下,对车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息。
步骤S102:利用第一事件检索规则,对多个第一特征信息进行检索,确定多个第一特征信息对应的路况事件,以实现基于传感器实时采集的数据挖掘路况事件。
根据本公开实施例,需要说明的是:
车辆运行,可以理解为车辆通过自动驾驶方式在道路上行驶、可以理解为车辆通过人为驾驶方式在道路上行驶、还可以理解为车辆在停泊但处于启动状态,可以是自动驾驶状态下的启动状态或人为驾驶状态下的启动状态。
车辆的传感器,可以理解为车辆上的一个或多个传感器,传感器包括但不限于车辆上设置的不同朝向和不同焦距的摄像头、毫米波雷达、激光雷达、超声波雷达、陀螺仪、IMU(Inertial Measurement Unit,惯性测量单元)、GNSS(Global Navigation SatelliteSystem,全球导航卫星系统)等。
传感器实时采集的数据,可以是某一采集时刻或某一帧的数据,也可以是多个连续采集时刻或多个连续帧的数据。传感器所采集的数据可以是自车的行为数据、自车周围车辆的行为数据、周围行人的行为数据、道路相关数据、天气相关数据、以及传感器视野相关的数据,在此不做具体限定。
数据降维处理的具体方式可以根据需要进行选择和调整,在此不做具体限定,可以采用现有技术中任何的数据降维方式。
第一特征信息,可以是表示车辆行使过程中车辆自身或周围环境的任何信息,能够实现对车辆周围环境信息或车辆自身状态信息进行描述即可,在此不做具体限定,可以根据路况事件的检索需求进行调整。例如,在车辆的传感器感知到自车前方有车辆时,从感知到前方有车辆的各传感器所采集的数据中通过数据降维处理所提取出的第一特征信息,可以包括:自车前方车辆的连续多帧的速度特征信息、自车前方车辆的连续多帧的位置特征信息、自车前方车辆的连续多帧的朝向特征信息等等。同理,在通过传感器感知到自车周围道路元素,例如,路障、安全岛、道路施工区,或在通过传感器感知到VRU(Vulnerableroad users,易受伤害道路使用者)时,均可以基于传感器采集的数据,提取到相应的表征道路元素、行人的第一特征信息。
得到多个第一特征信息,可以理解为基于多个传感器实时采集的数据,分别进行数据降维处理,一共所得到的多个第一特征信息。也可以理解为基于一个传感器实时采集的数据,进行数据降维处理,所得到的基于该数据的多个第一特征信息。
第一事件检索规则,可以根据所需要挖掘的目标事件的需求进行设定。如果第一事件检索规则中定义的多个第二特征信息均在对多个第一特征信息进行检索时被命中,则可以认为第一事件检索规则所对应的路况事件基于多个第一特征信息被挖掘到,也即是说,存在与多个第一特征信息对应的路况事件。需要说明的是,路况事件对应的第一特征信息可以是通过数据降维处理所得到的多个第一特征信息中的至少一个。需要说明的是,第二特征信息可以包含条件信息、参数信息、具体对象信息等,例如,CIPV(Closest In-PathVehicle,当前规划路径上的最近车辆)的大货车切车路况事件的第一事件检索规则中所包含的第二特征信息有:车辆为大货车、大货车是新出现的车辆、大货车相对自车的朝向角、大货车的纵向速度要大于Y,Y表示阈值速度。
第一事件检索规则可以为多个,各个第一事件检索规则均可以对多个第一特征信息进行一次检索,即,基于多个第一特征信息可能得到多个路况事件。
路况事件,可以是“碰撞事件”、“碰撞风险事件”,也可以是 “样本较少”、“内部指标判定亚健康”、“自动需要优化特定场景体验”等不实际触发碰撞风险情况的路况事件。例如,路况事件可以是自车与周围环境交互所产生的事件,如自车被货车别车事件、导航路径上突然出现施工区域事件。又如,路况事件可以是周围环境的事件,如某区域自车所在道路的相邻道路的施工事件、高速公路上突然闯入行人事件、行驶至未知的道路的数据收集事件等。再如,路况事件可以是自车所产生的事件,如多个传感器所采集的数据冲突的事件,在此不做具体限定。
根据本公开实施例,至少具有以下技术效果:
第一,可以实现在车辆运行的过程中,基于车辆的多个传感器实时采集的数据,高效挖掘检索出高价值的路况事件。进而可以实现使车辆能够根据路况事件和路况事件的第一特征信息优化自动驾驶策略,例如,对不常见路况或场景事件进行学习和改进,实现“数据驱动”自动驾驶策略的更新。
第二,在车辆运行的过程中,每个车辆所搭载的各种高精度传感器,每秒可产生高达数GB(Gigabyte,十亿字节)的原始数据,即传感器所采集的数据。受限于实际的计算能力、网络带宽、成本等方面的约束,车辆无法直接从海量的原始数据中快速准确的挖掘出路况事件,且路况事件的挖掘速度也无法跟上传感器的采集数据的速度,从而造成对传感器所采集的数据的漏检。为了解决该问题,本公开实施例在基于传感器所实时采集的数据进行路况事件检索前,会对传感器所采集的数据进行降维处理,这样可以有效降低传感器所采集数据的数据量,同时还能够保留表征车辆周围环境的语义的第一特征信息,提升了第一事件检索规则基于传感器所采集的数据实时且快速挖掘路况事件的能力。使得在车辆运行过程中可以实时的检索出有价值的路况事件。
第三,相比于从车辆的自动驾驶行驶数据中挖掘车辆自身所经历的事件,基于车辆的各传感器所采集的环境数据挖掘周围环境中所遇到的路况事件,是更有价值的,更具普适性的。相当于基于车辆所“看到”的数据进行路况事件挖掘,这个路况事件的挖掘检索过程是早于基于车辆所“做出行为”的数据进行路况事件的,进而该路况事件的挖掘更具参考价值,不会受到车辆自身驾驶决策的干扰。
第四,本公开实施例通过将传感器采集的数据抽象成第一特征信息,能指导和标准化数据降维的预处理建模过程。进而实现对环境中的自动驾驶技术概念和路况事件的描述。本公开实施例的第一事件检索规则可以根据需要进行调整,高效的组合出新的第一事件检索规则,同时这一第一事件检索规则的创建能力可以在不同车辆之间移植。可以高效迭代第一事件检索规则,这对自动驾驶能力的持续进化非常重要。
第五,相比仅仅使用车辆自身“碰撞状态位”、“三维加速度”等车体状态信号指标来判断车辆事件,本公开实施例通过多个传感器采集的车辆周围环境数据挖掘路况事件,对环境的表达能力更强,能更加有效的感知周围信息,挖掘出更具价值的路况事件。
在一个示例中,多个第一特征信息可以统一写入检索池,第一事件检索规则对写入检索池内的多个第一特征信息进行检索。检索池可以理解为数据库或缓存等,当第一事件检索规则需要基于多个连续采集时刻的传感器所采集的数据对应的第一特征信息进行检索时,可以将多个连续采集时刻的传感器所采集的数据对应的第一特征信息存入其中,以便于第一事件检索规则通过检索池便利检索。
在一个示例中,为了节省检索池的缓存压力,可以对多个第一特征信息的数据格式进行转换,节省检索池的存储空间,以及提升第一事件检索规则的检索效率,满足第一事件检索规则实时检索的需求。
在一种实施方式中,本公开实施例的挖掘路况事件的方法,包括步骤S101和步骤S102,其中,步骤S101:在车辆运行的情况下,对车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息,可以进一步包括:
在车辆运行的情况下,利用预设神经网络模型,对车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息。
根据本公开实施例,需要说明的是:
第一特征信息可以理解为通过对传感器采集的数据进行特征提取,所得到的特征向量。
预设神经网络模型,可以采用现有技术中的任一个模型或多个拼接的模型,在此不做具体限定,能够实现对传感器采集的数据进行数据降维处理,得到所需的第一特征信息即可。
根据本公开实施例,利用神经网络模型进行数据降维处理,可以更加高效的得到传感器所采集的数据的第一特征信息。
在一个示例中,如图2所示,将车辆的多个传感器实时采集的数据,输入预设神经网络模型中,通过预设神经网络模型进行数据降维处理后,得到传感器所采集到的不同对象的第一特征信息。例如,包括自车前方车辆的与朝向、速度、大小、位置、轨迹相关的第一特征信息,以及描述自车前方车辆的特征向量、自车前方车辆的ReID(Re-identification,重识别)。又如,包括自车周围的行人的朝向、速度、位置相关的信息,以及描述自车周围的行人的特征向量、ReID。再如,包括道路中的路障的与大小和位置相关的第一特征信息。
在一种实施方式中,本公开实施例的挖掘路况事件的方法,包括步骤S101和步骤S102,其中,步骤S101:在车辆运行的情况下,对车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息,可以进一步包括:
根据第二事件检索规则,确定车辆的目标传感器。
在车辆运行的情况下,对目标传感器实时采集的数据进行数据降维处理,得到多个第一特征信息。
根据本公开实施例,需要说明的是:
目标传感器,可以为车辆上安装的所有传感器中任意的一个或多个传感器,在此不做具体限定。在目标传感器为多个的情况下,多个目标传感器可以是用于采集不同类别数据的传感器,例如,多个目标传感器包括:摄像头、激光雷达和超声波雷达。
第二事件检索规则,可以理解为是与第一事件检索规则相同的事件检索规则,即第二事件检索规则为第一事件检索规则。其中,第一事件检索规则包括有第二特征信息,第二特征信息用于作为对多个第一特征信息进行检索的匹配指标。第二特征信息所对应的传感器数据的采集主体即为目标传感器。
第二事件检索规则,也可以理解为不同于第一事件检索规则的事件检索规则。第二事件检索规则用于指示仅可获取某些特定的传感器所采集的数据,即目标传感器。这些特定的传感器所采集的数据通过数据降维处理后所得到的第一特征信息,在被第一事件检索规则检索时,存在较大概率能够挖掘到路况事件。
根据本公开实施例,可以实现仅基于所需的目标传感器所采集的数据进行路况事件检索挖掘,无需对车辆各个传感器所采集的海量传感器数据进行处理,提高了所需的特定路况事件的检索效率。
在一种实施方式中,本公开实施例的挖掘路况事件的方法,包括步骤S101和步骤S102,其中,步骤S102:利用第一事件检索规则,对多个第一特征信息进行检索,确定多个第一特征信息对应的路况事件,可以进一步包括:
利用第一事件检索规则,对多个第一特征信息进行检索,其中,第一事件检索规则包括第二特征信息,多个第一特征信息至少对应传感器同一采集时刻的数据。
在从多个第一特征信息中检索到与第二特征信息匹配的目标特征信息的情况下,确定目标特征信息对应的路况事件。
根据本公开实施例,需要说明的是:
第一事件检索规则所包含的第二特征信息的数量,可以根据需要进行编排设置。第一事件检索规则中可以包含一个第二特征信息,也可以包含有多个第二特征信息,在此不做具体限定。
在从多个第一特征信息中检索到与第二特征信息匹配的目标特征信息的情况下,确定目标特征信息对应的路况事件,可以理解为:第一事件检索规则包括N个第二特征信息,多个第一特征信息数量为M个,其中,M和N均为正整数,且M≥N。如果多个第一特征信息中检索到N个第一特征信息与N个第二特征信息一一匹配,则确定N个第一特征信息为目标特征信息。
多个第一特征信息可以是同一采集时刻的多个传感器所采集的数据进行数据降维处理后所得到的。多个第一特征信息也可以是多个连续采集时刻的多个传感器所采集的数据进行数据降维处理后所得到的。
根据本公开实施例,通过利用第一事件检索规则的第二特征信息与多个第一特征信息进行检索,可以准确快速的从多个第一特征信息中确定是否存在与第一事件检索规则对应的路况事件所需的特征信息。
在一种实施方式中,本公开实施例的挖掘路况事件的方法,包括步骤S101和步骤S102,其中,第一事件检索规则的创建过程,包括:
基于历史数据,确定高价值事件。
对高价值事件对应的传感器采集的数据进行数据降维处理,得到第二特征信息。
根据第二特征信息,创建第一事件检索规则。
根据本公开实施例,需要说明的是:
历史数据可以是以往任何车辆所采集的数据。
高价值事件,可以是基于历史数据所确定的车辆实际遇到过的事件。例如,车辆被大货车别车的事件、行人突然闯入车辆的行车路径的事件、车辆驶入复杂路口的事件等。
根据本公开实施例,基于历史数据,可以创建出具备能够检索到高价值事件能力的第一事件检索规则。
在一种实施方式中,本公开实施例的挖掘路况事件的方法,包括步骤S101和步骤S102,其中,第一事件检索规则的创建过程,包括:
根据自定义事件,确定第二特征信息。
根据第二特征信息,创建第一事件检索规则。
根据本公开实施例,需要说明的是:
自定义事件可以是以往未发生过的,不存在相应历史数据,推测出的有价值的路况事件,可以自定义该自定义事件所包含的第二特征信息。
例如,自定义事件可以是在高速车道上有行人的事件、在同一视野的不同传感器结果互相矛盾的事件、前方车辆搭载的物体跌落的事件等。基于这些事件确定判断这些事件发生所需要的第二特征信息。
根据本公开实施例,基于自定义事件,可以创建出具备检索到业务所需但未发生过的高价值事件能力的第一事件检索规则。
在一个示例中,自定义事件为两个同一视野的不同传感器的采集结果相互矛盾的事件。根据该自定义事件,可以将同一采集视野的A、B传感器作为第二特征信息、可以将A、B传感器在同一采集时刻所采集的图像信息作为第二特征信息。如果车辆的A、B传感器所采集的数据通过数据降维处理后,得到的多个第一特征信息包含A、B传感器在同一采集时刻所采集的图像信息不同,则确定检索到该自定义事件。
在一个示例中,自定义事件为地图更新事件。根据该自定义事件,可以将云端高精地图中记录的当前道路的车道线位置、角度、长度与实际所采集的当前道路的车道线位置、角度、长度不一致,作为第二特征信息。如果车辆经过A高速公路时,传感器所采集的数据通过数据降维处理后得到的多个第一特征信息包括A高速道路的车道线位置、角度、长度,且其与云端高精地图中记录的当前高速道路的车道线位置、角度、长度有差异,则确定检索到地图更新事件。
在一种实施方式中,本公开实施例的挖掘路况事件的方法,包括步骤S101和步骤S102,还可以包括:
根据确定的K个路况事件分别对应的第一事件检索规则的第一权重,对K个路况事件进行重要程度排序。
根据排序的结果,对前N个路况事件进行响应。
其中,K和N均为正整数,且K≥N。
根据本公开实施例,需要说明的是:
K个路况事件分别对应的第一事件检索规则的第一权重,可以理解为K个路况事件中的每一个路况事件所对应的第一事件检索规则的第一权重。
第一权重可以自定义,根据需要检索到的路况事件的重要程度,为每一个路况事件对应的第一事件检索规则配置相应的第一权重。
对K个路况事件进行重要程度排序,可以理解为当第一事件检索规则检索到匹配的第一特征信息时,为该第一特征信息对应的路况事件赋予第一事件检索规则的第一权重。基于第一权重对K个路况事件从重要到次要进行排序。
根据排序的结果,对前N个路况事件进行响应,可以理解为基于第一权重对K个路况事件从重要到次要进行排序后,将重要程度靠前的前N个路况事件进行响应。其中,对前N个路况事件进行响应,可以理解为将前N个路况事件进行上报,其余的路况事件直接忽略。
根据本公开实施例,通过配置权重,可以将更重要的路况事件进行响应,提高路况事件的检索挖掘效率,节省检索成本和响应成本。
在一种实施方式中,本公开实施例的挖掘路况事件的方法,包括步骤S101和步骤S102,还可以包括:
根据确定的K个路况事件分别对应的第一事件检索规则的第二权重,对K个路况事件进行重要程度排序;其中,第二权重根据第一事件检索规则的至少一个第二特征信息的第三权重确定。
根据排序的结果,对前N个路况事件进行响应。
其中,K和N均为正整数,且K≥N。
根据本公开实施例,需要说明的是:
K个路况事件分别对应的第一事件检索规则的第二权重,可以理解为K个路况事件中的每一个路况事件所对应的第一事件检索规则的第二权重。
第三权重可以自定义,根据第二特征信息在第一事件检索规则中的重要程度,为第一事件检索规则的第二特征信息配置相应的第三权重。其中,当第一事件检索规则包含多个第二特征信息时,根据每一个第二特征信息在第一事件检索规则中的重要程度,分别为每一个第二特征信息配置相应的第三权重。
对K个路况事件进行重要程度排序,可以理解为当第一事件检索规则检索到匹配的第一特征信息时,将第二特征信息的第三权重赋予第一事件检索规则,第一事件检索规则基于第二特征信息的第三权重,确定第一事件检索规则的第二权重,然后为该第一特征信息对应的路况事件赋予第一事件检索规则的第二权重。基于第二权重对K个路况事件从重要到次要进行排序。其中,当第一事件检索规则检索到匹配的第一特征信息时,将多个第二特征信息的第三权重均赋予第一事件检索规则,第一事件检索规则基于多个第二特征信息的第三权重,确定第一事件检索规则的第二权重。
根据排序的结果,对前N个路况事件进行响应,可以理解为基于第二权重对K个路况事件从重要到次要进行排序后,将重要程度靠前的前N个路况事件进行响应。其中,对前N个路况事件进行响应,可以理解为将前N个路况事件进行上报,其余的路况事件直接忽略。
根据本公开实施例,通过配置权重,可以将更重要的路况事件进行响应,提高路况事件的检索挖掘效率,节省检索成本和响应成本。
在一种实施方式中,本公开实施例的挖掘路况事件的方法,包括步骤S101和步骤S102,还可以包括:
根据确定的K个路况事件分别对应的第一事件检索规则的第一权重,和确定的K个路况事件分别对应的第一事件检索规则的第二权重,对K个路况事件进行重要程度排序;其中,第二权重根据第一事件检索规则的至少一个第二特征信息的第三权重确定。
根据排序的结果,对前N个路况事件进行响应。
其中,K和N均为正整数,且K≥N。
根据本公开实施例,需要说明的是:
K个路况事件分别对应的第一事件检索规则的第一权重,可以理解为K个路况事件中的每一个路况事件所对应的第一事件检索规则的第一权重。
第一权重可以自定义,根据需要检索到的路况事件的重要程度,为每一个路况事件对应的第一事件检索规则配置相应的第一权重,
K个路况事件分别对应的第一事件检索规则的第二权重,可以理解为K个路况事件中的每一个路况事件所对应的第一事件检索规则的第二权重。
第三权重可以自定义,根据第二特征信息在第一事件检索规则中的重要程度,为第一事件检索规则的第二特征信息配置相应的第三权重。
对K个路况事件进行重要程度排序,可以理解为当第一事件检索规则检索到匹配的第一特征信息时,为该第一特征信息对应的路况事件赋予第一事件检索规则的第一权重。以及,将第二特征信息的第三权重赋予第一事件检索规则,第一事件检索规则基于第二特征信息的第三权重,确定第一事件检索规则的第二权重,然后为该第一特征信息对应的路况事件赋予第一事件检索规则的第二权重。基于第一权重和第二权重对K个路况事件从重要到次要进行排序。其中,当第一事件检索规则检索到匹配的第一特征信息时,将多个第二特征信息的第三权重均赋予第一事件检索规则,第一事件检索规则基于多个第二特征信息的第三权重,确定第一事件检索规则的第二权重。
根据排序的结果,对前N个路况事件进行响应,可以理解为基于第一权重和第二权重对K个路况事件从重要到次要进行排序后,将重要程度靠前的前N个路况事件进行响应。其中,对前N个路况事件进行响应,可以理解为将前N个路况事件进行上报,其余的路况事件直接忽略。
根据本公开实施例,通过配置权重,可以将更重要的路况事件进行响应,提高路况事件的检索挖掘效率,节省检索成本和响应成本。
在一个示例中,如图3所示,本公开实施例的挖掘路况事件的方法,包括:
在车辆运行的情况下,确定车辆的多个传感器所基于周围环境所采集的传感器数据;
通过信号转换方式,对传感器数据进行数据降维处理,得到多个原子信号,即第一特征信息,将多个原子信号写入检索池;
根据历史高价值事件或自定义事件,通过语义编排确定多个第二特征信息,基于多个第二特征信息,构建多个事件检索器,即第一事件检索规则;
利用多个事件检索器对检索池内的原子信号进行检索;
将检索得到的多个路况事件,根据权重进行排序;
将其中靠前的N个,即top N个路况事件进行响应。
在一种实施方式中,确定K个路况事件分别对应的第一事件检索规则的第一权重,可以包括:
确定K个路况事件中的每一个路况事件被触发的总次数。
根据每一个路况事件被触发的总次数,确定每一个路况事件对应的第一事件检索规则的第一权重。
其中,第一事件检索规则配置有多个第一权重,多个第一权重中的每一个第一权重分别设置事件触发次数。事件触发次数对应每一个路况事件被触发的总次数。
根据本公开实施例,需要说明的是:
第一事件检索规则可以配置有至少两个第一权重。第一事件检索规则的多个第一权重可以随某一函数关系规律性变化、也可以不规则变化。不同的第一事件检索规则,其所配置的多个第一权重的数量可以不同。
事件被触发的总次数,可以理解为通过检索多个第一特征信息,第一事件检索规则对应的路况事件被检索到的次数,或被检索到的路况事件被响应的次数。随着事件触发次数的增加,对应的权重可以递增或衰减,在此不做具体限定,可以根据第一事件检索规则的重要程度进行调整。
确定K个路况事件分别对应的第一事件检索规则的第一权重,可以理解为确定K个路况事件中的每一个路况事件所对应的第一事件检索规则的第一权重。
根据本公开实施例,通过为第一事件检索规则设置权重反馈机制,可以实现动态调节路况事件的响应频率,使能够被响应的路况事件更加多元化,实现路况事件的充分挖掘。
在一个示例中,第一事件检索规则的多个第一权重构成了反馈权重数组:[90,60,10,1……],其中,当第一事件检索规则对应的路况事件被触发1次时,第一事件检索规则的第一权重为90;当第一事件检索规则对应的路况事件被触发2次时,第一事件检索规则的第一权重为60;当第一事件检索规则对应的路况事件被触发3次时,第一事件检索规则的第一权重为10;当第一事件检索规则对应的路况事件被触发4次以上(以上包含本数)时,第一事件检索规则的第一权重始终为1或默认值。需要说明的是,反馈权重数组:[90,60,10,1……]中的数字表示第一事件检索规则的占比,例如,90是指90%,是第一事件检索规则的权重系数。
在一个示例中,第一事件检索规则的多个权重构成了反馈权重数组:[90,80,70,60,50,40,……],其中,当第一事件检索规则对应的路况事件被触发1次时,第一事件检索规则的第一权重为90;当第一事件检索规则对应的路况事件被触发2次时,第一事件检索规则的第一权重为80;当第一事件检索规则对应的路况事件被触发3次时,第一事件检索规则的第一权重为70;当第一事件检索规则对应的路况事件被触发4次时,第一事件检索规则的第一权重为60;以此类推。需要说明的是,反馈权重数组:[90,80,70,60,50,40,……]中的数字表示第一事件检索规则的占比,例如,90是指90%,是第一事件检索规则的权重系数。
在一种实施方式中,确定K个路况事件分别对应的第一事件检索规则的第一权重,可以包括:
确定K个路况事件中的每一个路况事件相邻两次被触发的间隔时长。
根据每一个路况事件相邻两次被触发的间隔时长,确定每一个路况事件对应的第一事件检索规则的第一权重。
其中,第一事件检索规则配置有多个第一权重,多个第一权重中的每一个第一权重分别设置事件触发间隔。事件触发间隔对应每一个路况事件相邻两次被触发的间隔时长。
根据本公开实施例,需要说明的是:
第一事件检索规则可以配置有至少两个第一权重。第一事件检索规则的多个第一权重可以随某一函数关系规律性变化、也可以不规则变化。不同的第一事件检索规则,其所配置的多个第一权重的数量可以不同。
每一个路况事件相邻两次被触发的间隔时长,可以理解为通过检索多个第一特征信息,第一事件检索规则对应的路况事件相邻两次被检索到的时间间隔长度,或被检索到的路况事件相邻两次被响应的时间间隔长度。随着触发间隔时长的改变,对应的第一权重可以递增或衰减,在此不做具体限定,可以根据第一事件检索规则的重要程度进行调整。
确定K个路况事件分别对应的第一事件检索规则的第一权重,可以理解为确定K个路况事件中的每一个路况事件所对应的第一事件检索规则的第一权重。
根据本公开实施例,通过为第一事件检索规则设置权重反馈机制,可以实现动态调节路况事件的响应频率,使能够被响应的路况事件更加多元化,实现路况事件的充分挖掘。
在一种实施方式中,确定K个路况事件分别对应的第一事件检索规则的第一权重,可以包括:
确定K个路况事件中的每一个路况事件被触发的总次数。
确定K个路况事件中的每一个路况事件相邻两次被触发的间隔时长。
根据每一个路况事件被触发的总次数和每一个路况事件相邻两次被触发的间隔时长,确定每一个路况事件对应的第一事件检索规则的第一权重。
其中,第一事件检索规则配置有多个第一权重,多个第一权重中的每一个第一权重分别设置事件触发间隔和事件触发次数;事件触发间隔对应每一个路况事件相邻两次被触发的间隔时长,事件触发次数对应每一个路况事件被触发的总次数。
根据本公开实施例,通过为第一事件检索规则设置权重反馈机制,可以实现动态调节路况事件的响应频率,使能够被响应的路况事件更加多元化,实现路况事件的充分挖掘。
在一种实施方式中,确定K个路况事件分别对应的第一事件检索规则的第二权重,包括:
确定K个路况事件中的每一个路况事件被触发的总次数。
根据每一个路况事件被触发的总次数,确定每一个路况事件对应的第一事件检索规则的至少一个第二特征信息的第三权重。
根据至少一个第二特征信息的第三权重,确定每一个路况事件对应的第一事件检索规则的第二权重。
其中,至少一个第二特征信息配置有多个第三权重,多个第三权重中的每一个第三权重分别设置事件触发次数。事件触发次数对应每一个路况事件被触发的总次数。
根据本公开实施例,需要说明的是:
第二特征信息可以配置有至少两个第三权重。第二特征信息的多个第三权重可以随某一函数关系规律性变化、也可以不规则变化。不同的第二特征信息,其所配置的多个第三权重的数量可以不同。
事件被触发的总次数,可以理解为通过检索多个第一特征信息,第一事件检索规则对应的路况事件被检索到的次数,或被检索到的路况事件被响应的次数。随着事件触发次数的增加,对应的第三权重可以递增或衰减,在此不做具体限定,可以根据第一事件检索规则的重要程度进行调整。
根据本公开实施例,通过为第一事件检索规则设置权重反馈机制,可以实现动态调节路况事件的响应频率,使能够被响应的路况事件更加多元化,实现路况事件的充分挖掘。
在一种实施方式中,确定K个路况事件分别对应的第一事件检索规则的第二权重,包括:
确定K个路况事件中的每一个路况事件相邻两次被触发的间隔时长。
根据每一个路况事件相邻两次被触发的间隔时长,确定每一个路况事件对应的第一事件检索规则的至少一个第二特征信息的第三权重。
根据至少一个第二特征信息的第三权重,确定每一个路况事件对应的第一事件检索规则的第二权重。
其中,至少一个第二特征信息配置有多个第三权重,多个第三权重中的每一个第三权重分别设置事件触发间隔。事件触发间隔对应每一个路况事件相邻两次被触发的间隔时长。
根据本公开实施例,需要说明的是:
第二特征信息可以配置有至少两个第三权重。第二特征信息的多个第三权重可以随某一函数关系规律性变化、也可以不规则变化。不同的第二特征信息,其所配置的多个第三权重的数量可以不同。
每一个路况事件相邻两次被触发的间隔时长,可以理解为通过检索多个第一特征信息,第一事件检索规则对应的路况事件相邻两次被检索到的时间间隔长度,或被检索到的路况事件相邻两次被响应的时间间隔长度。随着触发间隔时长的改变,对应的第三权重可以递增或衰减,在此不做具体限定,可以根据第一事件检索规则的重要程度进行调整。
根据本公开实施例,通过为第一事件检索规则设置权重反馈机制,可以实现动态调节路况事件的响应频率,使能够被响应的路况事件更加多元化,实现路况事件的充分挖掘。
在一种实施方式中,确定K个路况事件分别对应的第一事件检索规则的第二权重,包括:
确定K个路况事件中的每一个路况事件被触发的总次数。
确定K个路况事件中的每一个路况事件相邻两次被触发的间隔时长。
根据每一个路况事件被触发的总次数和每一个路况事件相邻两次被触发的间隔时长,确定每一个路况事件对应的第一事件检索规则的至少一个第二特征信息的第三权重。
根据至少一个第二特征信息的第三权重,确定每一个路况事件对应的第一事件检索规则的第二权重。
其中,至少一个第二特征信息配置有多个第三权重,多个第三权重中的每一个第三权重分别设置事件触发次数和事件触发间隔。事件触发次数对应每一个路况事件被触发的总次数。事件触发间隔对应每一个路况事件相邻两次被触发的间隔时长。
根据本公开实施例,通过为第一事件检索规则设置权重反馈机制,可以实现动态调节路况事件的响应频率,使能够被响应的路况事件更加多元化,实现路况事件的充分挖掘。
在一个示例中,同一个第一事件检索规则或第二特征信息的权重,可以逐渐的减小或增加。例如,第一事件检索规则配置的多个权重形成的反馈权重数组为[90,80,70,1……],即为前三次触发权重为90、80、70,后若干次权重均为1或默认值,也可使用函数配置第一事件检索规则的多个权重,进行多个权重逐渐衰减或累积的调整,不同的第一事件检索规则可配置不同的权重反馈机制,即配置的多个权重可以不同。第二特征信息同理,根据触发的间隔和总触发次数进行第二特征信息的权重加权或衰减,不同第二特征信息可配置不同的权重反馈机制。需要说明的是,反馈权重数组:[90,80,70,1……]中的数字表示第一事件检索规则的占比,例如,90是指90%,是第一事件检索规则的权重系数。
在一种实施方式中,本公开实施例的挖掘路况事件的方法,包括步骤S101和S102,还可以包括:
在对前N个路况事件进行响应后,调整K个路况事件分别对应的第一事件检索规则的第一权重。
和/或
在对前N个路况事件进行响应后,调整K个路况事件分别对应的第一事件检索规则的至少一个第二特征信息的第三权重。其中,至少一个第二特征信息用于作为对多个第一特征信息进行检索的匹配指标。
根据本公开实施例,需要说明的是:
在对前N个路况事件进行响应后,调整K个路况事件分别对应的第一事件检索规则的第一权重,可以理解为前N个路况事件响应过一定次数后,再调整K个路况事件分别对应的第一事件检索规则的第一权重。
在对前N个路况事件进行响应后,调整K个路况事件分别对应的第一事件检索规则的至少一个第二特征信息的第三权重,可以理解为前N个路况事件响应过一定次数后,再调整K个路况事件分别对应的第一事件检索规则的至少一个第二特征信息的第三权重。
调整K个路况事件分别对应的第一事件检索规则的第一权重,可以理解为将第一权重调高,也可以理解为将第一权重调低。例如,已经响应的路况事件,可以降低其对应的第一事件检索规则的第一权重。未响应的路况事件可以提高其对应的第一事件检索规则的第一权重。
调整K个路况事件分别对应的第一事件检索规则的至少一个第二特征信息的第三权重,可以理解为将第三权重调高,也可以理解为将第三权重调低。例如,已经响应的路况事件,可以降低其对应的第一事件检索规则的至少一个第二特征信息的第三权重。未响应的路况事件可以提高其对应的第一事件检索规则的至少一个第二特征信息的第三权重。
根据本公开实施例,可有效解决路况事件检索过程中,检索出的路况事件同质化问题。如同搜索引擎也需要返回多样化的信息。通过调整第二特征信息的第三权重和/或第一事件检索规则的第一权重,实现部分重要路况事件优先响应,非重要路况事件丢弃或次优先响应,使得路况事件的检索更加多样化。
在一种实施方式中,本公开实施例的挖掘路况事件的方法,包括步骤S101至步骤S105,还可以包括:
在对前N个路况事件进行响应后,调整前N个路况事件对应的第一事件检索规则的权重。
和/或
在对前N个路况事件进行响应后,调整前N个路况事件对应的第一事件检索规则的至少一个第二特征信息的权重。其中,第二特征信息用于作为对多个第一特征信息进行检索的匹配指标。
根据本公开实施例,需要说明的是:
在对前N个路况事件进行响应后,调整前N个路况事件分别对应的第一事件检索规则的第一权重,可以理解为前N个路况事件响应过一定次数后,再调整前N个路况事件分别对应的第一事件检索规则的第一权重。
在对前N个路况事件进行响应后,调整前N路况事件分别对应的第一事件检索规则的至少一个第二特征信息的第三权重,可以理解为前N个路况事件响应过一定次数后,再调整前N个路况事件分别对应的第一事件检索规则的至少一个第二特征信息的第三权重。
调整前N个路况事件分别对应的第一事件检索规则的第一权重,可以理解为将第一权重调高,也可以理解为将第一权重调低。例如,已经响应的前N个路况事件,可以降低其对应的第一事件检索规则的第一权重。
调整K个路况事件分别对应的第一事件检索规则的至少一个第二特征信息的第三权重,可以理解为将第三权重调高,也可以理解为将第三权重调低。例如,已经响应的前N个路况事件,可以降低其对应的第一事件检索规则的至少一个第二特征信息的第三权重。
根据本公开实施例,可有效解决路况事件检索过程中,检索出的路况事件同质化问题。如同搜索引擎也需要返回多样化的信息。通过调整第二特征信息的权重和/或路况事件的权重,实现部分重要路况事件优先响应,非重要路况事件丢弃或次优先响应,使得路况事件的检索更加多样化。
在一个示例中,不同的原子信号,即第一特征信息,可配置不同权重,用于归一化不同的策略逻辑相互之间的优先级关系。检索query,即第一事件检索规则,也可以自带权重;当某个“检索query”,或者某个“原子信号”被触发时,可以根据触发结果反馈到检索query权重,根据检索query或者原子信号的预设逻辑,对权重进行调整,从而避免反复触发同质路况事件,反馈过程如图4所示。基于传感器实时采集的图像数据和激光反射数据,通过数据降维处理,得到多个第一特征信息,即原子信号,并写入检索池。通过第一事件检索规则,如,大车高速切车第一事件检索规则、前车横向位移检索规则,对检索池内的可检索的原子信号进行实时检索,将得到的路况事件根据权重排序并输出,即响应。在路况事件输出后,进行反馈,调整第一事件检索规则或第二特征信息的权重。
在一种实施方式中,本公开实施例的挖掘路况事件的方法,包括步骤S101和步骤S102,还可以包括:
更新第一事件检索规则。
利用更新后的第一事件检索规则,对多个第一特征信息进行检索,确定多个第一特征信息对应的路况事件。
根据本公开实施例,可根据需要增减第一事件检索规则的条件、添加新的阈值,实现对环境事件的准确描述。其中,条件和阈值均可以对应一个第二特征信息,也可以分别对应一个第二特征信息。第一事件检索规则的更新成本低,当需求发生变化时,可灵活更新第一事件检索规则,无需调整得到第一特征信息的过程即可更新路况事件的检索过程,极大的提升变更灵活性。在量产车场景,传感器的设置相对固定,无需OTA(Over-the-AirTechnology,空中下载技术)升级车载软件,可实现需求可灵活变化。
在一个应用示例中,如图5所示,本公开实施例的挖掘路况事件的方法,可以由车辆的MCU(Microcontroller Unit,微控制单元)执行。车辆通过Lidar(激光雷达)、Camera(摄像头)、Radar(雷达)等传感器实时采集数据,并通过各传感器接口(sensor interface)发送至MCU,MCU在接收到传感器接口传输的数据的情况下,执行本公开任意实施例的挖掘路况事件的方法,从而基于Lidar(激光雷达)、Camera(摄像头)、Radar(雷达)等传感器实时采集数据,检索挖掘路况事件。检索到的路况事件可以通过TCAM(Telematics &Connectivity Antenna Module,网联模块)发送至云端或服务器。以使云端或服务器能够根据路况事件和路况事件对应的第一特征信息优化自动驾驶策略。
如图6所示,本公开实施例的挖掘路况事件的装置,包括:
处理模块610,用于在车辆运行的情况下,对车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息。以及
确定模块620,用于利用第一事件检索规则,对多个第一特征信息进行检索,确定多个第一特征信息对应的路况事件,以实现基于传感器实时采集的数据挖掘路况事件。
在一种实施方式中,处理模块610用于:
在车辆运行的情况下,利用预设神经网络模型,对车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息。
在一种实施方式中,处理模块610用于:
根据第二事件检索规则,确定车辆的目标传感器。
在车辆运行的情况下,对目标传感器实时采集的数据进行数据降维处理,得到多个第一特征信息。
在一种实施方式中,确定模块620用于:
利用第一事件检索规则,对多个第一特征信息进行检索,其中,第一事件检索规则包括第二特征信息,多个第一特征信息至少对应传感器同一采集时刻的数据。
在从多个第一特征信息中检索到与第二特征信息匹配的目标特征信息的情况下,确定目标特征信息对应的路况事件。
在一种实施方式中,第一事件检索规则的创建过程,包括:
基于历史数据,确定高价值事件。
对高价值事件对应的传感器采集的数据进行数据降维处理,得到第二特征信息。
根据第二特征信息,创建第一事件检索规则。
在一种实施方式中,第一事件检索规则的创建过程,包括:
其中,第一事件检索规则的创建过程,包括:
根据自定义事件,确定第二特征信息。
根据第二特征信息,创建第一事件检索规则。
在一种实施方式中,挖掘路况事件的装置还包括:
排序模块,用于在路况事件为K个的情况下,根据确定的K个路况事件分别对应的第一事件检索规则的第一权重,和/或,根据确定的K个路况事件分别对应的第一事件检索规则的第二权重,对K个路况事件进行重要程度排序。其中,第二权重根据第一事件检索规则的至少一个第二特征信息的第三权重确定。
响应模块,用于根据排序的结果,对前N个路况事件进行响应。
其中,K和N均为正整数,且K≥N。
在一种实施方式中,确定K个路况事件分别对应的第一事件检索规则的第一权重,包括:
确定K个路况事件中的每一个路况事件被触发的总次数。
根据每一个路况事件被触发的总次数,确定每一个路况事件对应的第一事件检索规则的第一权重。
其中,第一事件检索规则配置有多个第一权重,多个第一权重中的每一个第一权重分别设置事件触发次数。事件触发次数对应每一个路况事件被触发的总次数。
和/或
确定K个路况事件中的每一个路况事件相邻两次被触发的间隔时长。
根据每一个路况事件相邻两次被触发的间隔时长,确定每一个路况事件对应的第一事件检索规则的第一权重。
其中,第一事件检索规则配置有多个第一权重,多个第一权重中的每一个第一权重分别设置事件触发间隔。事件触发间隔对应每一个路况事件相邻两次被触发的间隔时长。
在一种实施方式中,确定K个路况事件分别对应的第一事件检索规则的第二权重,包括:
确定K个路况事件中的每一个路况事件被触发的总次数。
根据每一个路况事件被触发的总次数,确定每一个路况事件对应的第一事件检索规则的至少一个第二特征信息的第三权重。
根据至少一个第二特征信息的第三权重,确定每一个路况事件对应的第一事件检索规则的第二权重。
其中,至少一个第二特征信息配置有多个第三权重,多个第三权重中的每一个第三权重分别设置事件触发次数。事件触发次数对应每一个路况事件被触发的总次数。
和/或
确定K个路况事件中的每一个路况事件相邻两次被触发的间隔时长。
根据每一个路况事件相邻两次被触发的间隔时长,确定每一个路况事件对应的第一事件检索规则的至少一个第二特征信息的第三权重。
根据至少一个第二特征信息的第三权重,确定每一个路况事件对应的第一事件检索规则的第二权重。
其中,至少一个第二特征信息配置有多个第三权重,多个第三权重中的每一个第三权重分别设置事件触发间隔。事件触发间隔对应每一个路况事件相邻两次被触发的间隔时长。
在一种实施方式中,挖掘路况事件的装置还包括:
第一调整模块,用于在对前N个路况事件进行响应后,调整K个路况事件分别对应的第一事件检索规则的第一权重。
和/或
用于在对前N个路况事件进行响应后,调整K个路况事件分别对应的第一事件检索规则的至少一个第二特征信息的第三权重。其中,至少一个第二特征信息用于作为对多个第一特征信息进行检索的匹配指标。
在一种实施方式中,挖掘路况事件的装置还包括:
第二调整模块,用于在对前N个路况事件进行响应后,调整前N个路况事件分别对应的第一事件检索规则的第一权重。
和/或
用于在对前N个路况事件进行响应后,调整前N个路况事件分别对应的第一事件检索规则的至少一个第二特征信息的第三权重。其中,至少一个第二特征信息用于作为对多个第一特征信息进行检索的匹配指标。
在一种实施方式中,挖掘路况事件的装置还包括:
更新模块,用于利用更新后的第一事件检索规则,对多个第一特征信息进行检索,确定多个第一特征信息对应的路况事件。
本公开实施例的装置的各模块、子模块的具体功能和示例的描述,可以参见上述方法实施例中对应步骤的相关描述,在此不再赘述。
如图7所示,本公开实施例提供了一种基于路况事件的优化方法,包括:
步骤S701:在车辆运行的情况下,从云端获取第一事件检索规则。
步骤S702:利用第一事件检索规则,根据本公开任一实施例的挖掘路况事件的方法,挖掘车辆的路况事件。
步骤S703:将路况事件发送至云端。
步骤S704:根据云端的反馈信息,优化车辆的自动驾驶策略和/或第一事件检索规则。
根据本公开实施例,需要说明的是:
车辆运行,可以理解为车辆通过自动驾驶方式在道路上行驶、可以理解为车辆通过人为驾驶方式在道路上行驶、还可以理解为车辆在停泊但处于启动状态,可以是自动驾驶状态下的启动状态或人为驾驶状态下的启动状态。
根据本公开实施例,可以实现在车辆运行的过程中,基于车辆的多重传感器实时采集的数据,高效挖掘检索出高价值的路况事件。进而可以实现使车辆能够根据路况事件和路况事件的第一特征信息优化自动驾驶策略和/或第一事件检索规则,例如,对不常见路况或场景事件进行学习和改进,实现“数据驱动”自动驾驶策略的更新。
如图8所示,本公开实施例提供了一种基于路况事件的优化装置,包括:
获取模块810,用于在车辆运行的情况下,从云端获取第一事件检索规则。
挖掘模块820,用于利用第一事件检索规则,根据本公开中任一实施例的挖掘路况事件的方法,挖掘车辆的路况事件。
回传模块830,用于将路况事件发送至云端。
优化模块840,用于根据云端的反馈信息,优化车辆的自动驾驶策略和/或第一事件检索规则。
本公开实施例的装置的各模块、子模块的具体功能和示例的描述,可以参见上述方法实施例中对应步骤的相关描述,在此不再赘述。
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和一种可读存储介质。
图9示出了可以用来实施本公开的实施例的示例电子设备900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,个人数字助理、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9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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901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901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901执行上文所描述的各个方法和处理,例如挖掘路况事件的方法和/或基于路况事件的优化方法。例如,在一些实施例中,挖掘路况事件的方法和/或基于路况事件的优化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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM903并由计算单元901执行时,可以执行上文描述的挖掘路况事件的方法和/或基于路况事件的优化方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行挖掘路况事件的方法和/或基于路况事件的优化方法。
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)、负载可编程逻辑设备(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 (28)
1.一种挖掘路况事件的方法,包括:
在车辆运行的情况下,对所述车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息;以及
利用第一事件检索规则,对所述多个第一特征信息进行检索,确定所述多个第一特征信息对应的路况事件,以实现基于所述传感器实时采集的数据挖掘路况事件。
2.根据权利要求1所述的方法,其中,所述在车辆运行的情况下,对所述车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息,包括:
在车辆运行的情况下,利用预设神经网络模型,对所述车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息。
3.根据权利要求1所述的方法,其中,所述在车辆运行的情况下,对所述车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息,包括:
根据第二事件检索规则,确定车辆的目标传感器;
在所述车辆运行的情况下,对所述目标传感器实时采集的数据进行数据降维处理,得到多个第一特征信息。
4.根据权利要求1所述的方法,其中,所述利用第一事件检索规则,对所述多个第一特征信息进行检索,确定所述多个第一特征信息对应的路况事件,包括:
利用第一事件检索规则,对所述多个第一特征信息进行检索,其中,所述第一事件检索规则包括第二特征信息,所述多个第一特征信息至少对应所述传感器同一采集时刻的数据;
在从所述多个第一特征信息中检索到与所述第二特征信息匹配的目标特征信息的情况下,确定所述目标特征信息对应的路况事件。
5.根据权利要求1所述的方法,其中,所述第一事件检索规则的创建过程,包括:
基于历史数据,确定高价值事件;
对所述高价值事件对应的传感器采集的数据进行数据降维处理,得到第二特征信息;
根据所述第二特征信息,创建所述第一事件检索规则。
6.根据权利要求1所述的方法,其中,所述第一事件检索规则的创建过程,包括:
根据自定义事件,确定第二特征信息;
根据所述第二特征信息,创建所述第一事件检索规则。
7.根据权利要求1至6任一项所述的方法,还包括:
在所述路况事件为K个的情况下,根据确定的所述K个路况事件分别对应的第一事件检索规则的第一权重,和/或,根据确定的所述K个路况事件分别对应的第一事件检索规则的第二权重,对所述K个路况事件进行重要程度排序;其中,所述第二权重根据所述第一事件检索规则的至少一个第二特征信息的第三权重确定;
根据排序的结果,对前N个路况事件进行响应;
其中,K和N均为正整数,且K≥N。
8.根据权利要求7所述的方法,其中,确定所述K个路况事件分别对应的第一事件检索规则的第一权重,包括:
确定所述K个路况事件中的每一个路况事件被触发的总次数;
根据所述每一个路况事件被触发的总次数,确定所述每一个路况事件对应的第一事件检索规则的第一权重;
其中,所述第一事件检索规则配置有多个第一权重,所述多个第一权重中的每一个第一权重分别设置事件触发次数;所述事件触发次数对应所述每一个路况事件被触发的总次数;
和/或
确定所述K个路况事件中的每一个路况事件相邻两次被触发的间隔时长;
根据所述每一个路况事件相邻两次被触发的间隔时长,确定所述每一个路况事件对应的第一事件检索规则的第一权重;
其中,所述第一事件检索规则配置有多个第一权重,所述多个第一权重中的每一个第一权重分别设置事件触发间隔;所述事件触发间隔对应所述每一个路况事件相邻两次被触发的间隔时长。
9.根据权利要求7所述的方法,其中,确定所述K个路况事件分别对应的第一事件检索规则的第二权重,包括:
确定所述K个路况事件中的每一个路况事件被触发的总次数;
根据所述每一个路况事件被触发的总次数,确定所述每一个路况事件对应的第一事件检索规则的至少一个第二特征信息的第三权重;
根据所述至少一个第二特征信息的第三权重,确定所述每一个路况事件对应的第一事件检索规则的第二权重;
其中,所述至少一个第二特征信息配置有多个第三权重,所述多个第三权重中的每一个第三权重分别设置事件触发次数;所述事件触发次数对应所述每一个路况事件被触发的总次数;
和/或
确定所述K个路况事件中的每一个路况事件相邻两次被触发的间隔时长;
根据所述每一个路况事件相邻两次被触发的间隔时长,确定所述每一个路况事件对应的第一事件检索规则的至少一个第二特征信息的第三权重;
根据所述至少一个第二特征信息的第三权重,确定所述每一个路况事件对应的第一事件检索规则的第二权重;
其中,所述至少一个第二特征信息配置有多个第三权重,所述多个第三权重中的每一个第三权重分别设置事件触发间隔;所述事件触发间隔对应所述每一个路况事件相邻两次被触发的间隔时长。
10.根据权利要求7所述的方法,还包括:
在对所述前N个路况事件进行响应后,调整所述K个路况事件分别对应的第一事件检索规则的第一权重;
和/或
在对所述前N个路况事件进行响应后,调整所述K个路况事件分别对应的第一事件检索规则的至少一个第二特征信息的第三权重;其中,所述至少一个第二特征信息用于作为对所述多个第一特征信息进行检索的匹配指标。
11.根据权利要求7所述的方法,还包括:
在对所述前N个路况事件进行响应后,调整所述前N个路况事件分别对应的第一事件检索规则的第一权重;
和/或
在对所述前N个路况事件进行响应后,调整所述前N个路况事件分别对应的第一事件检索规则的至少一个第二特征信息的第三权重;其中,所述至少一个第二特征信息用于作为对所述多个第一特征信息进行检索的匹配指标。
12.根据权利要求1至6任一项所述的方法,还包括:
更新所述第一事件检索规则;
利用更新后的第一事件检索规则,对所述多个第一特征信息进行检索,确定所述多个第一特征信息对应的路况事件。
13.一种挖掘路况事件的装置,包括:
处理模块,用于在车辆运行的情况下,对所述车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息;以及
确定模块,用于利用第一事件检索规则,对所述多个第一特征信息进行检索,确定所述多个第一特征信息对应的路况事件,以实现基于所述传感器实时采集的数据挖掘路况事件。
14.根据权利要求13所述的装置,其中,所述处理模块用于:
在车辆运行的情况下,利用预设神经网络模型,对所述车辆的传感器实时采集的数据进行数据降维处理,得到多个第一特征信息。
15.根据权利要求13所述的装置,其中,所述处理模块用于:
根据第二事件检索规则,确定车辆的目标传感器;
在所述车辆运行的情况下,对所述目标传感器实时采集的数据进行数据降维处理,得到多个第一特征信息。
16.根据权利要求13所述的装置,其中,所述确定模块用于:
利用第一事件检索规则,对所述多个第一特征信息进行检索,其中,所述第一事件检索规则包括第二特征信息,所述多个第一特征信息至少对应所述传感器同一采集时刻的数据;
在从所述多个第一特征信息中检索到与所述第二特征信息匹配的目标特征信息的情况下,确定所述目标特征信息对应的路况事件。
17.根据权利要求13所述的装置,其中,所述第一事件检索规则的创建过程,包括:
基于历史数据,确定高价值事件;
对所述高价值事件对应的传感器采集的数据进行数据降维处理,得到第二特征信息;
根据所述第二特征信息,创建所述第一事件检索规则。
18.根据权利要求13所述的装置,其中,所述第一事件检索规则的创建过程,包括:
根据自定义事件,确定第二特征信息;
根据所述第二特征信息,创建所述第一事件检索规则。
19.根据权利要求13至18任一项所述的装置,还包括:
排序模块,用于在所述路况事件为K个的情况下,根据确定的所述K个路况事件分别对应的第一事件检索规则的第一权重,和/或,根据确定的所述K个路况事件分别对应的第一事件检索规则的第二权重,对所述K个路况事件进行重要程度排序;其中,所述第二权重根据所述第一事件检索规则的至少一个第二特征信息的第三权重确定;
响应模块,用于根据排序的结果,对前N个路况事件进行响应;
其中,K和N均为正整数,且K≥N。
20.根据权利要求19所述的装置,其中,确定所述K个路况事件分别对应的第一事件检索规则的第一权重,包括:
确定所述K个路况事件中的每一个路况事件被触发的总次数;
根据所述每一个路况事件被触发的总次数,确定所述每一个路况事件对应的第一事件检索规则的第一权重;
其中,所述第一事件检索规则配置有多个第一权重,所述多个第一权重中的每一个第一权重分别设置事件触发次数;所述事件触发次数对应所述每一个路况事件被触发的总次数;
和/或
确定所述K个路况事件中的每一个路况事件相邻两次被触发的间隔时长;
根据所述每一个路况事件相邻两次被触发的间隔时长,确定所述每一个路况事件对应的第一事件检索规则的第一权重;
其中,所述第一事件检索规则配置有多个第一权重,所述多个第一权重中的每一个第一权重分别设置事件触发间隔;所述事件触发间隔对应所述每一个路况事件相邻两次被触发的间隔时长。
21.根据权利要求19所述的装置,其中,确定所述K个路况事件分别对应的第一事件检索规则的第二权重,包括:
确定所述K个路况事件中的每一个路况事件被触发的总次数;
根据所述每一个路况事件被触发的总次数,确定所述每一个路况事件对应的第一事件检索规则的至少一个第二特征信息的第三权重;
根据所述至少一个第二特征信息的第三权重,确定所述每一个路况事件对应的第一事件检索规则的第二权重;
其中,所述至少一个第二特征信息配置有多个第三权重,所述多个第三权重中的每一个第三权重分别设置事件触发次数;所述事件触发次数对应所述每一个路况事件被触发的总次数;
和/或
确定所述K个路况事件中的每一个路况事件相邻两次被触发的间隔时长;
根据所述每一个路况事件相邻两次被触发的间隔时长,确定所述每一个路况事件对应的第一事件检索规则的至少一个第二特征信息的第三权重;
根据所述至少一个第二特征信息的第三权重,确定所述每一个路况事件对应的第一事件检索规则的第二权重;
其中,所述至少一个第二特征信息配置有多个第三权重,所述多个第三权重中的每一个第三权重分别设置事件触发间隔;所述事件触发间隔对应所述每一个路况事件相邻两次被触发的间隔时长。
22.根据权利要求19所述的装置,还包括:
第一调整模块,用于在对所述前N个路况事件进行响应后,调整所述K个路况事件分别对应的第一事件检索规则的第一权重;
和/或
用于在对所述前N个路况事件进行响应后,调整所述K个路况事件分别对应的第一事件检索规则的至少一个第二特征信息的第三权重;其中,所述至少一个第二特征信息用于作为对所述多个第一特征信息进行检索的匹配指标。
23.根据权利要求19所述的装置,还包括:
第二调整模块,用于在对所述前N个路况事件进行响应后,调整所述前N个路况事件分别对应的第一事件检索规则的第一权重;
和/或
用于在对所述前N个路况事件进行响应后,调整所述前N个路况事件分别对应的第一事件检索规则的至少一个第二特征信息的第三权重;其中,所述至少一个第二特征信息用于作为对所述多个第一特征信息进行检索的匹配指标。
24.根据权利要求13至18任一项所述的装置,还包括:
更新模块,用于利用更新后的第一事件检索规则,对所述多个第一特征信息进行检索,确定所述多个第一特征信息对应的路况事件。
25.一种基于路况事件的优化方法,包括:
在车辆运行的情况下,从云端获取第一事件检索规则;
利用所述第一事件检索规则,根据权利要求1至12任一项所述的方法,挖掘所述车辆的路况事件;
将所述路况事件发送至所述云端;以及
根据所述云端的反馈信息,优化所述车辆的自动驾驶策略和/或所述第一事件检索规则。
26.一种基于路况事件的优化装置,包括:
获取模块,用于在车辆运行的情况下,从云端获取第一事件检索规则;
挖掘模块,用于利用所述第一事件检索规则,根据权利要求1至12任一项所述的方法,挖掘所述车辆的路况事件;
回传模块,用于将所述路况事件发送至所述云端;以及
优化模块,用于根据所述云端的反馈信息,优化所述车辆的自动驾驶策略和/或所述第一事件检索规则。
27.一种电子设备,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至12或权利要求25中任一项所述的方法。
28.一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至12或权利要求25中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211256723.9A CN115329157B (zh) | 2022-10-14 | 2022-10-14 | 挖掘路况事件的方法以及基于路况事件的优化方法 |
CN202310362474.XA CN116226476A (zh) | 2022-10-14 | 2022-10-14 | 挖掘路况事件的方法以及基于路况事件的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211256723.9A CN115329157B (zh) | 2022-10-14 | 2022-10-14 | 挖掘路况事件的方法以及基于路况事件的优化方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310362474.XA Division CN116226476A (zh) | 2022-10-14 | 2022-10-14 | 挖掘路况事件的方法以及基于路况事件的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115329157A true CN115329157A (zh) | 2022-11-11 |
CN115329157B CN115329157B (zh) | 2023-04-18 |
Family
ID=83913875
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310362474.XA Pending CN116226476A (zh) | 2022-10-14 | 2022-10-14 | 挖掘路况事件的方法以及基于路况事件的优化方法 |
CN202211256723.9A Active CN115329157B (zh) | 2022-10-14 | 2022-10-14 | 挖掘路况事件的方法以及基于路况事件的优化方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310362474.XA Pending CN116226476A (zh) | 2022-10-14 | 2022-10-14 | 挖掘路况事件的方法以及基于路况事件的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN116226476A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932812A (zh) * | 2012-11-06 | 2013-02-13 | 武汉大学 | 一种面向道路路况的车载传感器协同监测方法 |
CN104596531A (zh) * | 2014-05-28 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 一种导航路线的生成方法、装置及服务器 |
WO2015124105A1 (zh) * | 2014-02-23 | 2015-08-27 | 曾昭兴 | 一种同地点出发的计程车拼车方法、系统及服务器 |
CN107729404A (zh) * | 2017-09-25 | 2018-02-23 | 安徽畅通行交通信息服务有限公司 | 一种区域车辆统计分析管理系统 |
CN110083514A (zh) * | 2019-03-19 | 2019-08-02 | 深圳壹账通智能科技有限公司 | 软件测试缺陷评估方法、装置、计算机设备及存储介质 |
CN110386145A (zh) * | 2019-06-28 | 2019-10-29 | 北京理工大学 | 一种目标驾驶员驾驶行为实时预测系统 |
CN110807436A (zh) * | 2019-11-07 | 2020-02-18 | 深圳鼎然信息科技有限公司 | 危险驾驶行为识别与危险事件预测方法、装置及存储介质 |
CN112560932A (zh) * | 2020-12-10 | 2021-03-26 | 山东建筑大学 | 一种基于双分支网络特征融合的车辆重识别方法 |
CN115195748A (zh) * | 2022-08-15 | 2022-10-18 | 中汽研(天津)汽车工程研究院有限公司 | 基于数据驱动的智能汽车拟人化决策规划系统及方法 |
-
2022
- 2022-10-14 CN CN202310362474.XA patent/CN116226476A/zh active Pending
- 2022-10-14 CN CN202211256723.9A patent/CN115329157B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932812A (zh) * | 2012-11-06 | 2013-02-13 | 武汉大学 | 一种面向道路路况的车载传感器协同监测方法 |
WO2015124105A1 (zh) * | 2014-02-23 | 2015-08-27 | 曾昭兴 | 一种同地点出发的计程车拼车方法、系统及服务器 |
CN104596531A (zh) * | 2014-05-28 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 一种导航路线的生成方法、装置及服务器 |
CN107729404A (zh) * | 2017-09-25 | 2018-02-23 | 安徽畅通行交通信息服务有限公司 | 一种区域车辆统计分析管理系统 |
CN110083514A (zh) * | 2019-03-19 | 2019-08-02 | 深圳壹账通智能科技有限公司 | 软件测试缺陷评估方法、装置、计算机设备及存储介质 |
CN110386145A (zh) * | 2019-06-28 | 2019-10-29 | 北京理工大学 | 一种目标驾驶员驾驶行为实时预测系统 |
CN110807436A (zh) * | 2019-11-07 | 2020-02-18 | 深圳鼎然信息科技有限公司 | 危险驾驶行为识别与危险事件预测方法、装置及存储介质 |
CN112560932A (zh) * | 2020-12-10 | 2021-03-26 | 山东建筑大学 | 一种基于双分支网络特征融合的车辆重识别方法 |
CN115195748A (zh) * | 2022-08-15 | 2022-10-18 | 中汽研(天津)汽车工程研究院有限公司 | 基于数据驱动的智能汽车拟人化决策规划系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116226476A (zh) | 2023-06-06 |
CN115329157B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7314213B2 (ja) | 車両測位方法、装置、電子デバイス、記憶媒体及びプログラム | |
CN113741485A (zh) | 车路协同自动驾驶的控制方法、装置、电子设备及车辆 | |
US20230103040A1 (en) | Vehicle travel control method and apparatus | |
CN115221722B (zh) | 自动驾驶车辆的仿真测试方法、模型训练方法和设备 | |
EP4345773A1 (en) | Lane line extraction method and apparatus, vehicle and storage medium | |
US20230136659A1 (en) | Method of determining traveling trajectory of vehicle, vehicle, electronic device and storage medium | |
US20230159052A1 (en) | Method for processing behavior data, method for controlling autonomous vehicle, and autonomous vehicle | |
EP4145408A1 (en) | Obstacle detection method and apparatus, autonomous vehicle, device and storage medium | |
CN115909749A (zh) | 车辆运行道路风险预警方法、装置、设备及存储介质 | |
CN114596709A (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN114111813A (zh) | 高精地图元素更新方法、装置、电子设备及存储介质 | |
CN115329157B (zh) | 挖掘路况事件的方法以及基于路况事件的优化方法 | |
CN115675528A (zh) | 基于相似场景挖掘的自动驾驶方法和车辆 | |
CN113656526B (zh) | 电子地图的实现方法、装置、电子设备和介质 | |
US20230065341A1 (en) | Road data monitoring method and apparatus, electronic device and storage medium | |
CN115973190A (zh) | 自动驾驶车辆的决策方法、装置和电子设备 | |
EP4258128A1 (en) | High-precision map updating method and apparatus | |
CN115876183A (zh) | 电子地图的更新方法、设备以及自动驾驶车辆 | |
CN115206102A (zh) | 确定交通路径的方法、装置、电子设备和介质 | |
CN114689061A (zh) | 自动驾驶设备的导航路线处理方法、装置及电子设备 | |
CN114689069A (zh) | 自动驾驶设备的导航路线处理方法、装置及电子设备 | |
CN113587937A (zh) | 车辆的定位方法、装置、电子设备和存储介质 | |
CN113276888A (zh) | 基于自动驾驶的乘车方法、装置、设备和存储介质 | |
CN114572233B (zh) | 基于模型集合的预测方法、电子设备及自动驾驶车辆 | |
CN115329024B (zh) | 一种地图数据更新方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |