CN116225347A - 一种具有数据安全保护功能的无人驾驶系统数据管理方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种具有数据安全保护功能的无人驾驶系统数据管理方法。该方法首先对采集到的无人驾驶车辆运行过程中的行驶速度序列进行分割，得到行驶速度短序列；计算行驶速度短序列的异常程度；基于行驶速度短序列拟合曲线，连接曲线端点得到端点线段，计算行驶速度短序列中各行驶速度到所述端点线段的距离；根据距离最大值和异常程度计算行驶速度对应的门限值；基于门限值对所述行驶速度短序列进行压缩存储。对不同的行驶速度短序列设置不同的门限值，提高了压缩效率减少了重要数据的压缩误差，实现无人驾驶系统的高效管理。

Description

一种具有数据安全保护功能的无人驾驶系统数据管理方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种具有数据安全保护功能的无人驾驶系统数据管理方法。

背景技术

随着汽车技术发展，无人驾驶车辆已经出现在物流运输、港口输送、公共交通等不同应用场景之中。为了能够发现无人驾驶车辆在运行过程中存在的问题，需要长期记录无人驾驶车辆运行过程中产生各种实时数据，这些长期记录的历史数据需要大量的存储空间，这将为存储介质的容量增加了负担，若将每次的行驶数据进行备份又十分不便。

因此需要一种高效的压缩存储方法，对长期记录的无人驾驶车辆行驶数据进行压缩存储，用以节省大量的存储空间，减少存储介质备份的次数，实现数据的高效管理。现有的旋转门算法是一种具有压缩效率高、实现简单的压缩存储算法，但该算法只有唯一参数门限值，该值的选取直接决定了压缩效果，传统方式通过设定的固定门限值对数据进行压缩存储，当门限值增大时，压缩效率增强，但压缩误差也同步增大，当门限值减小时，压缩误差减小，但压缩效率也同步减小，仅有唯一参数门限值，会出现存在压缩误差较大的情况。

发明内容

为了解决仅有唯一参数门限值，会出现存在压缩误差较大的情况的技术问题，本发明的目的在于提供一种具有数据安全保护功能的无人驾驶系统数据管理方法，所采用的技术方案具体如下：

采集无人驾驶车辆运行过程中的行驶速度；

根据所述行驶速度得到瞬间加速度，基于所述瞬间加速度对行驶速度序列进行分割，得到至少两个行驶速度短序列；

根据行驶速度短序列对应的瞬间加速度序列中各瞬间加速度出现的次数、同一瞬间加速度在瞬间加速度序列中的时序分布、各瞬间加速度的连续时间长度，计算各瞬间加速度对应的影响程度；根据瞬间加速度序列中的最大瞬间加速度、最小瞬间加速度、瞬间加速度出现的次数和瞬间加速度的影响程度得到行驶速度短序列的异常程度；

基于行驶速度短序列拟合曲线，连接曲线端点得到端点线段，计算行驶速度短序列中各行驶速度到所述端点线段的距离；根据距离最大值和所述异常程度计算行驶速度对应的门限值；基于所述门限值对所述行驶速度短序列进行压缩存储。

优选的，所述基于所述瞬间加速度对行驶速度序列进行分割，得到至少两个行驶速度短序列，包括：

任意选取一个行驶速度作为目标运动速度；计算所述目标运动速度和前一个运动速度对应的瞬间加速度，作为第一加速度；计算所述目标运动速度和后一个运动速度对应的瞬间加速度，作为第二加速度；所述第二加速度和所述第一加速度的差值的绝对值大于预设加速度阈值时，将所述目标运动速度作为划分点；

根据多个所述划分点分割行驶速度序列，得到至少两个行驶速度短序列。

优选的，所述根据行驶速度短序列对应的瞬间加速度序列中各瞬间加速度出现的次数、同一瞬间加速度在瞬间加速度序列中的时序分布、各瞬间加速度的连续时间长度，计算各瞬间加速度对应的影响程度，包括：

对于行驶速度短序列对应的瞬间加速度序列中的任意瞬间加速度，获取所述瞬间加速度的重复次数和同一瞬间加速度的连续时间长度，计算同一瞬间加速度对应的时间值的方差；

计算瞬间加速度序列中的瞬间加速度对应的多个连续时间长度的平方之和；

将所述平方之和比上所述重复次数，作为瞬间加速度对应的第一连续均值；所述方差和所述第一连续均值的比值为瞬间加速度对应的影响程度。

优选的，所述根据瞬间加速度序列中的最大瞬间加速度、最小瞬间加速度、瞬间加速度出现的次数和瞬间加速度的影响程度得到行驶速度短序列的异常程度，包括：

计算瞬间加速度序列中最大瞬间加速度和最小瞬间加速度的差值，作为最大差值；将最大差值和瞬间加速度序列中不同的瞬间加速度的数量的乘积作为第一指标；

对同一瞬间加速度在瞬间加速度序列中的重复次数进行负相关映射得到第二指标；将瞬间加速度序列中各瞬间加速度对应的第二指标和所述影响程度的乘积之和，作为综合指标；将归一化后的所述综合指标和所述第一指标的乘积作为瞬间加速度序列对应的行驶速度短序列的异常程度。

优选的，所述根据距离最大值和所述异常程度计算行驶速度对应的门限值，包括：

计算预设门限阈值和所述异常程度的差值作为门限差值；所述门限差值和所述距离最大值的乘积为所述行驶速度对应的门限值。

优选的，所述基于所述门限值对所述行驶速度短序列进行压缩存储，包括：

利用旋转门限算法，基于门限值对行驶速度短序列进行压缩存储。

优选的，所述基于所述门限值对所述行驶速度短序列进行压缩存储之后，还包括：

根据压缩后的相邻的两个压缩数据值和时间间隔，计算对应的加速度；根据所述加速度，计算时间间隔内对应的行驶速度。

本发明实施例至少具有如下有益效果：

本发明涉及数据处理技术领域。该方法首先对采集到的行驶速度序列进行分割，得到至少两个行驶速度短序列，将瞬间加速度相似的行驶速度划分至同一行驶速度短序列，后续对行驶速度短序列实时调整门限值进行压缩，相对于对整个行驶速度序列直接进行压缩，提高了压缩效果，避免将瞬间加速差异较大的行驶速度划分至同一行驶速度短序列中进行压缩；根据瞬间加速度序列中的最大瞬间加速度、最小瞬间加速度、瞬间加速度出现的次数和瞬间加速度的影响程度得到行驶速度短序列的异常程度，根据计算得到的异常程度对不同的行驶速度短序列赋予不同的门限值，以便于更好的保护重要的行驶速度数据；基于行驶速度短序列拟合曲线，连接曲线端点得到端点线段，计算行驶速度短序列中各行驶速度到所述端点线段的距离；根据距离最大值和所述异常程度计算行驶速度对应的门限值；基于所述门限值对所述行驶速度进行压缩存储，实现对不同的行驶速度数据进行不同的程度的压缩。实现对异常的行驶速度数据和正常的行驶速度数据设置不同的门限值，用以保护重要数据，提高压缩效率，由此节省大量的存储空间的同时，减少了重要数据的压缩误差，实现无人驾驶系统的高效管理。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种具有数据安全保护功能的无人驾驶系统数据管理方法的方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种具有数据安全保护功能的无人驾驶系统数据管理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

本发明实施例提供了一种具有数据安全保护功能的无人驾驶系统数据管理方法的具体实施方法，该方法适用于数据管理场景。该场景下为了解决在仅有唯一参数门限值，难以根据实时数据的重要程度或者异常程度实时调整门限值，会出现存在压缩误差较大的情况的技术问题。本发明通过对采集的数据进行分类，计算各类数据的异常程度，对异常的数据设置较小的门限值，用以保护重要数据，对正常的数据设置较大的门限值，用以提高压缩效率，由此节省大量的存储空间的同时，减少了重要数据的压缩误差，实现无人驾驶系统的高效管理。

下面结合附图具体的说明本发明所提供的一种具有数据安全保护功能的无人驾驶系统数据管理方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种具有数据安全保护功能的无人驾驶系统数据管理方法的步骤流程图，该方法包括以下步骤：

步骤S100，采集无人驾驶车辆运行过程中的行驶速度。

为了能够及时发现无人驾驶车辆在运行过程中存在的问题，需要长期记录无人驾驶车辆运行过程中产生各种实时数据，为无人驾驶车辆的故障诊断和维修提供必要的历史数据作为参考。

由于无人驾驶车辆行驶数据中的行驶速度的变化数据可以非常直观的表现出无人驾驶车辆运行过程中是否出现异常。因此本方案对无人驾驶车辆行驶时的行驶速度进行记录，根据时序顺序获取行驶速度数据

，其中下标i表示每个行驶速度采集的时间，其单位为秒，/>

为第n秒的行驶速度对应的行驶速度序列；/>

为行驶速度序列中第1秒的行驶速度；/>

为行驶速度序列中第2秒的行驶速度；/>

表示行驶速度序列中第n秒的行驶速度，n表示时序数据的长度，也即时间长度。令该行驶速度序列作为当前的待压缩数据。

步骤S200，根据所述行驶速度得到瞬间加速度，基于所述瞬间加速度对行驶速度序列进行分割，得到至少两个行驶速度短序列。

根据行驶速度数据对应的加速度的变化，对行驶速度数据进行分类，也即对行驶速度序列进行分割，得到至少两个行驶速度短序列。进而根据各类行驶速度数据对应的瞬间加速度数据的特征分析，获取各类行驶速度数据的异常程度。最后根据异常程度对各类行驶速度数据赋予不同的门限值。

本发明实现行驶数据压缩的过程为：对行驶速度数据进行分类处理；获取各行驶速度的异常程度，进一步的实现对行驶速度数据的压缩存储。

对行驶速度数据进行分类处理，也即根据所述行驶速度得到瞬间加速度，基于所述瞬间加速度对行驶速度序列进行分割，得到至少两个行驶速度短序列，具体的：

首先取获取的无人驾驶车辆的行驶速度数据，然后以无人驾驶车辆的行驶时间为横轴，以无人驾驶车辆的行驶速度为纵轴，建立行驶速度数据的变化曲线图。

无人驾驶车辆行驶速度的变化一般为加速、减速和匀速状态，其加速度的变化由车辆提供的动力决定。已知旋转门算法是利用线性线段拟合和容差来压缩数据的一种有损压缩算法。若某一时间段内的加速度相似，则该时间段内的速度值变化符合线性分布。而传统旋转门算法的门限值选取固定，若直接对整个速度时序数据进行压缩时，当门限值选取较小时，可能造成加速度相似的时序数据需要多次旋转门压缩，导致压缩效果较差，当门限值选取较大时，可能造成加速度差异较大的时序数据被一次旋转门压缩，导致数据损失较大，因此本方案通过加速度的变化对运行速度数据进行分类，按照时间顺序将瞬间加速度相似的数据划分为一类，令同一类运行速度数据的速度变化更接近于匀加速、匀减速或者匀速状态，防止加速度差异较大的时序数据被一次旋转门压缩。

故先根据运行速度得到瞬间加速度，依次计算运行速度序列

中相邻两数据的差值，得到无人驾驶车辆行驶时每秒的瞬时加速度/>

为：

其中，

为第i秒的瞬间加速度；/>

为第i秒的行驶速度；/>

为第1秒的行驶速度；/>

为第2秒的行驶速度。由于i为1时无法求取瞬时加速度，也即只有第1秒的运行速度时无法求取瞬间加速度，因此令第一秒的瞬时加速度等于第二秒的瞬时加速度，由此获得瞬时加速度集合/>

。需要说明的是，加速度为速度的变化量比上时间的变化量，在本发明实施例中相邻两秒运行速度的差值，即为速度的变化量，由于该运行速度为每秒采集一次，故对应的时间的变化量为1，即在瞬间加速度的计算公式里，分母为1。

进一步的，基于瞬间加速度对行驶速度序列进行分割，得到至少两个行驶速度短序列，具体的：任意选取一个行驶速度作为目标运动速度；计算所述目标运动速度和前一个运动速度对应的瞬间加速度，作为第一加速度；计算所述目标运动速度和后一个运动速度对应的瞬间加速度，作为第二加速度；所述第二加速度和所述第一加速度的差值的绝对值大于预设加速度阈值时，将所述目标运动速度作为划分点；根据多个所述划分点分割行驶速度序列，得到至少两个行驶速度短序列。也可以说，依次计算瞬时加速度的变化为

，其为每秒的瞬间加速度变化，每秒的瞬间加速度变化表示加速度变化的快慢，其中/>

。在本发明实施例中预设加速度阈值的取值为0.05，在其他实施例中实施者可根据实际情况调整该取值。当/>

时，记录此时的i值为x，在运动速度序列/>

划分出时间i小于x的数据，然后对剩余的运行速度数据继续进行划分，直至划分完成。

通过瞬间加速度的变化对行驶速度数据进行分类，按照时间顺序将瞬间加速度相似的数据划分为一类，令同一类数据的速度变化接近匀加速、匀减速或者匀速状态，防止加速度差异较大的时序数据被一次旋转门压缩。由于各类数据值的变化与理想的线性分布依然存在一些差异，故需要进一步分析这些差异的变化是否为异常数据。

步骤S300，根据行驶速度短序列对应的瞬间加速度序列中各瞬间加速度出现的次数、同一瞬间加速度在瞬间加速度序列中的时序分布、各瞬间加速度的连续时间长度，计算各瞬间加速度对应的影响程度；根据瞬间加速度序列中的最大瞬间加速度、最小瞬间加速度、瞬间加速度出现的次数和瞬间加速度的影响程度得到行驶速度短序列的异常程度。

由于旋转门算法相当于根据数据构建一个又一个的高度固定的平行四边形去“套住”数据，在不能“套住”时将前一个数据点进行归档，旋转门算法中门限值是该算法的唯一参数，传统门限算法中门限值固定，当门限值选取较小时，会保留更多的数据，导致压缩效率较低，当门限值选取较大时，会舍弃更多的数据点，提高压缩效率。而本方案是为了根据车辆行驶异常时的数据分析，对车辆故障进行诊断，因此需要分析步骤S100获取的各类行驶速度数据是否为异常数据。对于异常的行驶速度数据类赋予较小的门限值，保留更多的数据，为车辆故障诊断提供准确的参数，对于正常的行驶速度数据类赋予较大的门限值，提高压缩效率。

首先取瞬时加速度数据中经过划分后的一类数据为例，也即对于任意行驶速度短序列为例，该类速度时序数据为

，其对应的瞬时加速度序列数据为/>

，其中m+1表示该行驶速度短序列中行驶速度的数量。根据步骤S200的划分方式可知举例的行驶速度短序列数据应接近为匀加速、匀减速或者匀速变化，因此统计瞬间加速度数据/>

中数据值的类型和对应的数量，数据值的类型也即不同瞬间加速度在瞬间加速度序列的数量，数据值对应的数量为瞬间加速度在瞬间加速度序列中出现的次数，如瞬间加速度序列为{6,5,3,3,4,5,5,6,8,8,8,5}时，该瞬间加速度序列对应的数据值集合为{3,4,5,6,8}，共五种类型数量，数据值对应的数量为数据值3对应的数量为2；数据值4对应的数量为1；数据值5对应的数量为4，数据值6对应的数量为2；数据值8对应的数量为3。获得瞬间加速度的数据值集合/>

和对应的数量集合

，其中d表示数据值的类型数量。

然后取一个瞬间加速度数据值

为例，该瞬间加速度对应的数量为/>

，已知行驶速度短序列数据的变化曲线的变化越平稳，旋转门算法压缩时造成的压缩误差越小，因此根据行驶速度短序列对应的瞬间加速度序列中各瞬间加速度出现的次数、同一瞬间加速度在瞬间加速度序列中的时序分布、各瞬间加速度的连续时间长度计算各瞬间加速度对应的影响程度，具体的：对于行驶速度短序列对应的瞬间加速度序列中的任意瞬间加速度，获取瞬间加速度的重复次数和同一瞬间加速度的连续时间长度，如对于瞬间加速度序列{6,5,3,3,4,5,5,6,8,8,8,5}来说，瞬间加速度5对应的连续时间分别为1,2,1，瞬间加速度8对应的连续时间分别为3。计算同一瞬间加速度对应的时间值的方差；计算瞬间瞬间加速度序列中的瞬间加速度对应的多个连续时间长度的平方之和；将平方之和比上所述重复次数，作为瞬间加速度对应的第一连续均值；所述方差和所述第一连续均值的比值为瞬间加速度对应的影响程度。

该瞬间加速度

对瞬间加速度序列对应的行驶速度短序列的影响程度/>

的计算公式为：

其中，

为瞬间加速度/>

对瞬间加速度序列对应的行驶速度短序列的影响程度；

为瞬时加速度序列内每个瞬间加速度/>

对应的时间值的方差；/>

为瞬间加速度序列内多个瞬间加速度/>

对应的第k个连续相邻的数据链的长度，也即瞬间加速度序列内每个瞬间加速度/>

对应的第k个连续时间长度；q为瞬间加速度序列内瞬间加速度/>

的连续相邻的数据链的数量；/>

为瞬间加速度序列内第g个类型的瞬间加速度/>

对应重复次数。

当瞬间加速度

在瞬间加速度序列内位置集中，且连续相邻时，该部分数据对应的变化曲线的变化越平稳，因此方差/>

越小，瞬间加速度/>

的数据所处位置越集中，/>

表示瞬间加速度序列内瞬间加速度/>

对应的第k个连续相邻的数据数量占瞬间加速度序列内瞬间加速度/>

的数据数量的比例，/>

值越大，表示瞬间加速度序列内瞬间加速度/>

大部分为连续相邻数据，因此以/>

为权值，当/>

越大，瞬间加速度/>

的数据连续性越好，对应的影响程度/>

越小，瞬间加速度/>

在瞬间加速度序列对应的行驶速度短序列的变化曲线上越平稳。

同理获得瞬间加速度序列中各类数据值对行驶速度短序列的变化曲线的影响程度集合

，其中d表示数据值的类型数量。

车辆在正常变速时，速度平稳变化，即行驶速度短序列的变化曲线的变化越平稳，数据的异常程度越小，而当曲线趋势改变的时候一般是状态发生变化或者有外部扰动的时候，这个时刻的数据往往具有比较重要的意义，其异常程度较大。根据瞬间加速度序列中各瞬间加速度对行驶速度短序列对应的变化曲线的影响，获取整个行驶速度短序列的异常程度。故进一步的，根据瞬间加速度序列中最大瞬间加速度、最小瞬间加速度、瞬间加速度出现的次数和瞬间加速度的影响程度得到行驶速度的异常程度。具体的：计算瞬间加速度序列中最大瞬间加速度和最小瞬间加速度的最大差值；将最大差值和瞬间加速度序列中不同瞬间加速度的数量的乘积作为第一指标。对同一瞬间加速度在瞬间加速度序列中的重复次数进行负相关映射得到第二指标；瞬间加速度序列中各瞬间加速度对应的第二指标和影响程度的乘积之和，作为综合指标；将归一化后的综合指标和第一指标的乘积作为瞬间加速度序列对应的行驶速度的异常程度。

该行驶速度短序列的异常程度的计算公式为：

其中，

为行驶速度短序列的异常程度；/>

为行驶速度短序列对应的瞬间加速度序列中不同瞬间加速度的数量；/>

为行驶速度短序列对应的瞬间加速度序列内的最大瞬间加速度；/>

为行驶速度短序列对应的瞬间加速度序列内的最小瞬间加速度；/>

为行驶速度短序列对应的瞬间加速度序列内第j个类型的瞬间加速度对应的重复次数；/>

为瞬间加速度序列内第j个类型的瞬间加速度对行驶速度短序列的影响程度；/>

为归一化函数；/>

为自然常数。

当瞬间加速度序列内的瞬间加速度数据值类型越少，数据值波动越小，即

越小时，表示行驶速度短序列越接近于匀加速、匀减速或者匀速变化。

越小，表示瞬间加速度序列内大量数据为同一数据值，其/>

处于[0,1]区间内，以/>

为权值，影响程度/>

越小，表示该瞬间加速度数据值越集中且连续相邻，因此/>

越小，表示瞬间加速度序列内数据值的连续变化越稳定，即行驶速度短序列对应的变化曲线越平稳，则对应的行驶速度短序列的异常程度E的取值越小，则行驶速度短序列的异常程度越小。

根据行驶速度短序列对应的瞬时加速度序列的变化，获取行驶速度短序列的异常程度，对异常的行驶速度数据赋予较小的门限值，令其解码之后的行驶速度数据能较好的表现原来曲线的特性，用以保护重要数据，对正常的行驶速度数据赋予较大的门限值，提高压缩效率。

步骤S400，基于行驶速度短序列拟合曲线，连接曲线端点得到端点线段，计算行驶速度短序列中各行驶速度到所述端点线段的距离；根据距离最大值和所述异常程度计算行驶速度对应的门限值；基于所述门限值对所述行驶速度短序列进行压缩存储。

基于行驶速度短序列拟合曲线得到对应的变化曲线，在曲线上标记做两个端点之间的线段，也即连线曲线端点得到端点线段，计算行驶速度短序列中除端点外其他行驶速度到端点线段的距离，得到距离集合，取距离集合中的最大值为作为距离最大值

。根据旋转门算法的平行四边形原理，对行驶速度短序列进行旋转门算法压缩时，令门限值为距离最大值/>

可以刚好将行驶速度短序列的所有数据“套住”，根据距离最大值/>

和异常程度计算行驶速度短序列的门限值。具体的：计算预设门限阈值和异常程度的差值，作为门限差值；该门限差值和距离最大值的乘积为行驶速度对应的门限值。在本发明实施例中预设门限阈值的取值为1，在其他实施例中实施者可根据实际情况调整该取值。

该门限值的计算公式为：

其中，

为门限值；/>

为行驶速度短序列的异常程度；/>

为距离最大值。

行驶速度短序列对应的异常程度越大，对行驶速度短序列赋予的门限值越小，用以保护重要数据；反之，行驶速度短序列对应的异常程度越小，对应速度短序列赋予的门限值越大。

同理获取各行驶速度短序列的门限值P，然后利用旋转门限算法，对行驶速度短序列使用其对应的门限值进行压缩存储，也即利用旋转门限算法基于门限值对行驶速度短序列进行压缩存储。若某一行驶速度短序列内行驶速度的数量小于3，则对该行驶速度短序列直接进行存储。解码时，对存在时间间隔的相邻两个压缩数据值，根据相邻的两个压缩数据值和时间间隔计算对应的加速度，再根据加速度公式计算该时间间隔内的每秒对应的行驶速度，由此完成解码。由此节省大量的存储空间的同时，减少了重要数据的压缩误差，实现无人驾驶系统的高效管理。

综上所述，本发明涉及数据处理技术领域。该方法首先通过采集无人驾驶车辆运行过程中的行驶速度；对行驶速度序列进行分割，得到至少两个行驶速度短序列；根据行驶速度短序列对应的瞬间加速度序列中各瞬间加速度出现的次数、同一瞬间加速度在瞬间加速度序列中的时序分布、各瞬间加速度的连续时间长度计算各瞬间加速度对应的影响程度；根据瞬间加速度序列中的最大瞬间加速度、最小瞬间加速度、瞬间加速度出现的次数和瞬间加速度的影响程度得到行驶速度短序列的异常程度；基于行驶速度短序列拟合曲线，连接曲线端点得到端点线段，计算行驶速度短序列中各行驶速度到所述端点线段的距离；根据距离最大值和所述异常程度计算行驶速度对应的门限值；基于所述门限值对所述行驶速度进行压缩存储。本发明对采集的数据进行分类，计算各类数据的异常程度，对异常的数据设置较小的门限值，用以保护重要数据，对正常的数据设置较大的门限值，用以提高压缩效率，由此节省大量的存储空间的同时，减少了重要数据的压缩误差，实现无人驾驶系统的高效管理。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (7)

1.一种具有数据安全保护功能的无人驾驶系统数据管理方法，其特征在于，该方法包括以下步骤：

采集无人驾驶车辆运行过程中的行驶速度；

根据所述行驶速度得到瞬间加速度，基于所述瞬间加速度对行驶速度序列进行分割，得到至少两个行驶速度短序列；

根据行驶速度短序列对应的瞬间加速度序列中各瞬间加速度出现的次数、同一瞬间加速度在瞬间加速度序列中的时序分布、各瞬间加速度的连续时间长度，计算各瞬间加速度对应的影响程度；根据瞬间加速度序列中的最大瞬间加速度、最小瞬间加速度、瞬间加速度出现的次数和瞬间加速度的影响程度得到行驶速度短序列的异常程度；

基于行驶速度短序列拟合曲线，连接曲线端点得到端点线段，计算行驶速度短序列中各行驶速度到所述端点线段的距离；根据距离最大值和所述异常程度计算行驶速度对应的门限值；基于所述门限值对所述行驶速度短序列进行压缩存储。

2.根据权利要求1所述的一种具有数据安全保护功能的无人驾驶系统数据管理方法，其特征在于，所述基于所述瞬间加速度对行驶速度序列进行分割，得到至少两个行驶速度短序列，包括：

任意选取一个行驶速度作为目标运动速度；计算所述目标运动速度和前一个运动速度对应的瞬间加速度，作为第一加速度；计算所述目标运动速度和后一个运动速度对应的瞬间加速度，作为第二加速度；所述第二加速度和所述第一加速度的差值的绝对值大于预设加速度阈值时，将所述目标运动速度作为划分点；

根据多个所述划分点分割行驶速度序列，得到至少两个行驶速度短序列。

3.根据权利要求1所述的一种具有数据安全保护功能的无人驾驶系统数据管理方法，其特征在于，所述根据行驶速度短序列对应的瞬间加速度序列中各瞬间加速度出现的次数、同一瞬间加速度在瞬间加速度序列中的时序分布、各瞬间加速度的连续时间长度，计算各瞬间加速度对应的影响程度，包括：

对于行驶速度短序列对应的瞬间加速度序列中的任意瞬间加速度，获取所述瞬间加速度的重复次数和同一瞬间加速度的连续时间长度，计算同一瞬间加速度对应的时间值的方差；

计算瞬间加速度序列中的瞬间加速度对应的多个连续时间长度的平方之和；

将所述平方之和比上所述重复次数，作为瞬间加速度对应的第一连续均值；所述方差和所述第一连续均值的比值为瞬间加速度对应的影响程度。

4.根据权利要求1所述的一种具有数据安全保护功能的无人驾驶系统数据管理方法，其特征在于，所述根据瞬间加速度序列中的最大瞬间加速度、最小瞬间加速度、瞬间加速度出现的次数和瞬间加速度的影响程度得到行驶速度短序列的异常程度，包括：

计算瞬间加速度序列中最大瞬间加速度和最小瞬间加速度的差值，作为最大差值；将最大差值和瞬间加速度序列中不同的瞬间加速度的数量的乘积作为第一指标；

对同一瞬间加速度在瞬间加速度序列中的重复次数进行负相关映射得到第二指标；将瞬间加速度序列中各瞬间加速度对应的第二指标和所述影响程度的乘积之和，作为综合指标；将归一化后的所述综合指标和所述第一指标的乘积作为瞬间加速度序列对应的行驶速度短序列的异常程度。

5.根据权利要求1所述的一种具有数据安全保护功能的无人驾驶系统数据管理方法，其特征在于，所述根据距离最大值和所述异常程度计算行驶速度对应的门限值，包括：

计算预设门限阈值和所述异常程度的差值作为门限差值；所述门限差值和所述距离最大值的乘积为所述行驶速度对应的门限值。

6.根据权利要求1所述的一种具有数据安全保护功能的无人驾驶系统数据管理方法，其特征在于，所述基于所述门限值对所述行驶速度短序列进行压缩存储，包括：

利用旋转门限算法，基于门限值对行驶速度短序列进行压缩存储。

7.根据权利要求1所述的一种具有数据安全保护功能的无人驾驶系统数据管理方法，其特征在于，所述基于所述门限值对所述行驶速度短序列进行压缩存储之后，还包括：

根据压缩后的相邻的两个压缩数据值和时间间隔，计算对应的加速度；根据所述加速度，计算时间间隔内对应的行驶速度。

Images