CN116481836A - 车辆数字孪生的测试方法、装置、设备、介质及产品 - Google Patents

Abstract

本公开提供了车辆数字孪生的测试方法、装置、设备、介质及产品，涉及数据处理领域，尤其涉及云技术领域。具体实现方案为：从云端获取车辆的数字孪生数据；从所述数字孪生数据提取车辆的行驶特征，根据所述车辆的行驶特征确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中确定车辆存在的目标异常类型；将满足所述目标异常类型的异常条件对应的行驶特征作为异常行驶特征，并根据所述异常行驶特征和提取的行驶特征确定目标异常类型的异常占比，得到车辆数字孪生的测试结果。本公开的方案通过从数字孪生数据的数据层测试数字孪生效果以及量化数字孪生效果的评估结果，提高了车辆数字孪生测试结果的准确度。

Description

车辆数字孪生的测试方法、装置、设备、介质及产品

技术领域

本公开涉及数据处理领域，尤其涉及云技术领域，具体涉及一种车辆数字孪生的测试方法、装置、设备、介质及产品。

背景技术

数字孪生交通是智慧交通的一部分，数字孪生交通是将实时采集的交通数据实现虚拟数字映射。

但是在虚拟数字映射过程中会出现数字孪生映射异常的问题，需要及时发现异常现象，并对异常现象进行定位修复。

发明内容

本公开提供了一种用于车辆数字孪生的测试方法、装置、设备、介质及产品。

根据本公开的一方面，提供了车辆数字孪生的测试方法，包括：

从云端获取车辆的数字孪生数据；

从所述数字孪生数据提取车辆的行驶特征，根据所述车辆的行驶特征确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中确定车辆存在的目标异常类型；

将满足所述目标异常类型的异常条件对应的行驶特征作为异常行驶特征，并根据所述异常行驶特征和提取的行驶特征确定目标异常类型的异常占比，得到车辆数字孪生的测试结果。

根据本公开的另一方面，提供了一种车辆数字孪生的测试装置，包括：

孪生数据获取模块，用于从云端获取车辆的数字孪生数据；

异常类型确定模块，用于从所述数字孪生数据提取车辆的行驶特征，根据所述车辆的行驶特征确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中确定车辆存在的目标异常类型；

数字孪生测试模块，用于将满足所述目标异常类型的异常条件对应的行驶特征作为异常行驶特征，并根据所述异常行驶特征和提取的行驶特征确定目标异常类型的异常占比，得到车辆数字孪生的测试结果。

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本公开中任一实施例所述的车辆数字孪生的测试方法。

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，所述计算机指令用于使所述计算机执行根据本公开中任一实施例所述的车辆数字孪生的测试方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开中任一实施例所述的车辆数字孪生的测试方法。

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一种车辆数字孪生的测试方法的示意图；

图2是根据本公开实施例的另一种车辆数字孪生的测试方法的示意图；

图3是根据本公开实施例的又一种车辆数字孪生的测试方法的示意图；

图4是根据本公开实施例的又一种车辆数字孪生的测试方法的示意图；

图5是根据本公开实施例的一种车辆数字孪生的测试装置的结构示意图；

图6是用来实现本公开实施例的车辆数字孪生的测试方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本公开实施例的一种车辆数字孪生的测试方法的示意图，本实施例可适用于对车辆数字孪生的测试方式进行优化的情况，该方法可以通过车辆数字孪生的测试装置执行，该装置可以通过软件和/或硬件的方式实现，并集成在电子设备中；本实施例中涉及到的电子设备可以为服务器等具备计算通讯能力的设备等。具体的，参考图1，该方法具体包括如下：

S110、从云端获取车辆的数字孪生数据。

其中，数字孪生数据是指对由路侧设备采集的交通数据进行虚拟映射得到的数据，并依据该数字孪生数据在前端进行车辆孪生效果显示。数字孪生数据中包括该数据对应的车辆特征数据和数据采集来源信息，例如车辆在行驶过程中的经纬度信息、车辆标识信息、车辆速度等。

具体的，路侧设备对路面上的车辆数据进行采集，并将采集到的源数据发送到云端，由云端中的业务处理模块进行虚拟映射，得到数字孪生数据，并根据该数字孪生数据在前端进行显示。为了保证获取到车辆孪生异常的及时性，在云端得到数字孪生数据之后就将该数字孪生数据推送到本实施例中的车辆数字孪生的测试装置中，由该装置从数据层面直接对数字孪生数据进行测试，以得到车辆孪生的测试结果。

示例性的，测试1.5公里范围内车辆的孪生效果，基于该范围内的多个路段上的路侧设备，订阅云端推送与该路侧设备对应的数字孪生数据，记录接收数据的时间并存储。

S120、从数字孪生数据提取车辆的行驶特征，根据车辆的行驶特征确定车辆是否满足候选异常类型的异常条件，并根据确定结果从候选异常类型中确定车辆存在的目标异常类型。

其中，车辆的行驶特征用于表征车辆在行驶过程中的各维度信息，例如时间戳特征、速度特征、经纬度特征或朝向角特征等。候选异常类型是指车辆在虚拟映射过程中可能出现的异常孪生效果，例如包括：车辆倒退、车辆卡顿、车辆闪断、车辆消失、车辆转圈和车辆静止。候选异常类型的异常条件是预先根据孪生数据层面的分析结果确定的异常孪生效果对应的数据异常条件。通过在数据层面对不同异常类型数据进行分析得到对应的孪生异常效果问题。

具体的，预先根据候选异常类型对应的异常数据特征确定对应的异常条件，并根据异常条件所需使用的数据特征从数字孪生数据中提取车辆的行驶特征，并确定该行驶特征和候选异常类型的异常条件的匹配结果，若存在行驶特征与任一候选异常类型的异常条件匹配成功，则确定匹配成功的候选异常类型为车辆在前端显示孪生效果时会出现的目标异常类型。

示例性的，根据异常孪生效果和数据的对应关系，分别确定6种候选异常类型的异常条件，该异常条件可以是时间戳异常或数据重复异常或者数据丢失异常或车辆行驶异常等，根据异常条件从数字孪生数据中提取与候选异常条件对应的车辆特征信息，并根据该车辆特征信息与候选异常条件的一一比对结果，确定是否存在至少一个候选异常类型的异常条件匹配成功，若存在，则确定该至少一个候选异常类型为目标异常类型；若不存在，则表示根据该数字孪生数据进行虚拟映射的车辆数字孪生效果无异常。可选的，目标异常类型可以是一个或至少两个。

在本实施例的另一个可选实现方式中，S120，包括：

从数字孪生数据提取车辆的经纬度特征和/或朝向角特征，并将车辆的经纬度特征和/或朝向角特征，作为车辆的行驶特征；

根据车辆的经纬度特征和/或朝向角特征确定车辆是否满足候选异常类型的异常条件，并根据确定结果从候选异常类型中选择车辆存在的目标异常类型；候选异常类型为车辆倒退异常或车辆转圈异常。

其中，预先确定的候选异常类型包括车辆倒退异常或车辆转圈异常，根据车辆倒退异常和车辆转圈异常对应的数据分析得到，发生车辆倒退异常时对应的车辆经纬度特征异常，发生车辆转圈异常时对应的车辆朝向角异常。

具体的，若确定的候选异常类型为车辆倒退异常时，则从数字孪生数据中提取车辆的经纬度特征，将经纬度特征作为进行车辆倒退异常排查时的车辆的行驶特征；若确定的候选异常类型为车辆转圈异常时，则从数字孪生数据中提取车辆的朝向角特征，将朝向角特征作为进行车辆倒退异常排查时的车辆的行驶特征；若确定的候选异常类型为车辆倒退异常和车辆转圈异常时，则从数字孪生数据中提取车辆的经纬度特征和朝向角特征，将经纬度特征和朝向角特征均作为进行车辆倒退异常排查时的车辆的行驶特征。

确定提取的车辆行驶特征和对应的候选异常类型的异常条件的匹配结果，若匹配成功，则确定该候选异常类型为车辆在前端显示孪生效果时会出现的目标异常类型。

通过对车辆的经纬度特征和/或朝向角特征的提取，并确定所提取的行驶特征与候选异常类型对应的异常条件的匹配结果，根据匹配结果确定车辆进行数字孪生时存在的目标异常类型。实现了从数据层面进行分析即可得到车辆是否存在车辆倒退或车辆转圈的异常孪生效果，提高了对车辆倒退或车辆转圈的异常孪生效果发现的效率。

S130、将满足目标异常类型的异常条件对应的行驶特征作为异常行驶特征，并根据异常行驶特征和提取的行驶特征确定目标异常类型的异常占比，得到车辆数字孪生的测试结果。

在确定目标异常类型后，将与该目标异常类型的异常条件匹配成功的行驶特征作为异常行驶特征，并根据该异常行驶特征和从所有数字孪生数据中提取出的行驶特征的比值确定为目标异常类型的异常占比，根据目标异常类型的异常占比可以定量对车辆数字孪生的效果进行分析，得到车辆数字孪生的测试结果。

示例性的，在上述示例的基础上，若目标异常类型的异常条件为时间戳特征异常，则将与时间戳异常条件匹配成功的时间戳特征作为异常行驶特征，确定异常行驶特征中包括的时间戳数量，并确定所提取的所有时间戳特征的数量，根据异常时间戳数量和总时间戳数量的比值确定目标异常类型的异常占比。又例如，由于每条数字孪生数据中对应一个车辆在一个时间戳下的行驶数据，并且由于一条数字孪生数据中所提取出的行驶特征可能会命中多个候选异常类型的异常条件，因此可以统计异常行驶特征对应的数字孪生数据的异常数量，用异常数量和数字孪生数据的总数量的比值确定数字孪生效果异常的总占比，并根据总占比和各目标异常类型的异常占比确定车辆数字孪生的测试结果。通过异常占比确定车辆数字孪生的测试结果可以实现数据量化孪生效果质量，进而更有效地评估孪生效果。

在本实施例的另一个可选实现方式中，在得到车辆数字孪生的测试结果之前，方法还包括：

基于候选异常类型的异常条件与候选异常来源之间的关联关系，根据车辆满足的候选异常类型的异常条件从候选异常来源中确定目标异常来源；其中，候选异常来源包括源数据和云端孪生数据。

其中，候选异常来源是指异常特征数据的定位结果，即该异常特征数据的错误源头，以便根据确定的目标异常来源对原始错误数据进行定位修复。根据数字孪生的过程确定源数据是由路侧设备采集得到，孪生数据是由云端进行虚拟映射得到，因此在此过程中可能是路侧采集出错或云端进行虚拟映射时出错，即候选异常来源包括源数据和云端孪生数据。

具体的，预先根据候选异常来源对应的数据分析得到，不同候选异常类型的异常条件与候选异常来源之间具有关联关系，因此根据异常行驶特征所满足的异常条件即可确定对应的目标异常来源。

示例性的，候选异常类型为车辆消失时，对应的异常条件为该车辆的连续多条数字孪生数据完全相同，即对应的错误来源是云端对该车辆的该条数字孪生数据重复推送了，因此确定的目标异常来源为云端孪生数据，更进一步的，根据候选异常类型的异常条件可以更进一步得到目标异常原因是云端重复推送孪生数据。

本实施例通过确定候选异常类型的异常条件与候选异常来源之间的关联关系，进而在根据满足的候选异常类型的异常条件确定目标异常类型时，可以进一步确定目标异常来源，进而可以根据目标异常来源提高对异常行驶特征的定位修复效率。

本实施例的方案，通过从数字孪生数据的数据层测试数字孪生效果，避免在孪生效果显示后通过图像发现异常孪生效果的低效率，提高了对异常孪生效果的测试准确率，并且从数据层面进行测试可以提前检测出可能出现的异常孪生效果，提高数字孪生的显示准确度。另一方面通过数据层面进行测试可以量化数字孪生效果的评估结果，提高了测试结果的准确度。

图2是根据本公开实施例的另一种车辆数字孪生的测试方法的示意图，本实施例是对上述技术方案的进一步细化，本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图2所示，车辆数字孪生的测试方法包括如下：

S210、从云端获取车辆的数字孪生数据。

S220、从数字孪生数据提取车辆的经纬度特征，并将车辆的经纬度特征作为车辆的行驶特征。

其中，经纬度特征是指数字孪生数据对应的车辆的位置信息，根据车辆的经纬度特征变化信息可以确定车辆的行驶方向变化信息，根据行驶方向变化信息可以确定车辆在行驶过程中是否出现车辆倒退异常的孪生效果。因此在确定候选异常类型为车辆倒退异常时，将车辆的经纬度特征作为车辆的行驶特征。

S230、根据车辆的经纬度特征确定车辆是否满足候选异常类型的异常条件，并根据确定结果从候选异常类型中选择车辆存在的目标异常类型。

候选异常类型为车辆倒退异常。车辆倒退异常是指车辆出现异常倒退行为。

具体的，由于车辆若发生车辆倒退异常，则车辆的经纬度变化方向也会随之发生变化，因此根据车辆的经纬度特征确定车辆的行驶方向变化特征，进而根据车辆的行驶方向变化特征是否满足车辆倒退的方向异常条件，若满足，则确定根据该经纬度特征对应的数字孪生数据进行虚拟映射时会出现车辆倒退异常的效果；若不满足，则确定根据该经纬度特征对应的数字孪生数据进行虚拟映射时不会出现车辆倒退异常的效果。

示例性的，基于预设路段上采集数据的路侧设备订阅云端推送的对应的数字孪生数据，并将数据落盘。以数字孪生数据中车辆唯一ID为key，将value设定为车辆的经纬度特征，得到目标车辆在各条数字孪生数据中的经纬度信息。不同条数据孪生数据对应的目标车辆在不同时间的特征数据信息，因此根据经纬度信息的连续变化信息可以得到车辆的行驶方向变化特征。

在本实施例的另一个可选实现方式中，S230，包括：

根据车辆的经纬度特征确定车辆在行驶过程中的连续变化方向差；

若连续变化方向差大于预设方向变化阈值，则确定车辆满足车辆倒退异常条件，并将车辆倒退异常作为车辆存在的目标异常类型。

其中，连续变化方向差表示了根据获取到数字孪生数据在连续时间上确定车辆的行驶方向差。

具体的，连续变化方向差表示在目标车辆在三个点位上的行驶方向角度差值，例如，车辆从A点行驶到B点，再从B点行驶到C点，根据A点和B点的经纬度信息可以得到从A点到B点的第一行驶方向，根据B点和C点的经纬度信息可以得到从B点到C点的第二行驶方向，根据第一行驶方向和第二行驶方向可以得到车辆在B点的连续变化方向差。

若车辆属于正常行驶过程中，则连续变化方向差的数值应该小于或等于预设方向变化阈值，若连续变化方向差大于预设方向变化阈值，则确定车辆满足车辆倒退异常条件。

示例性的，获取目标车辆的相邻两个点经纬度，以某一点为原点建立平面直角坐标系，先计算出两点之间的距离以及两点的经度差值、纬度差值，计算出cos值，acos或者asin(反三角函数)来求出夹角对应的弧度值，再将弧度值转换为角度值，该角度值对应的为这两个相邻点的第一行驶方向；再计算相邻两个点的其中一个点和另外一个相邻点的第二行驶方向，根据该第一行驶方向和第二行驶方向计算一组角度值的差值，该差值为连续变化方向差，若该差值绝对值>90度，则确定车辆满足车辆倒退异常条件。

可选的，为了避免由于数据偏差导致的误判，根据道路信息设定车辆存在转弯掉头的经纬度范围，即设置容错范围，若发生连续变化方向差大于预设方向变化阈值的点与相邻点之间的距离小于容错范围，则确定属于车辆正常掉头，否则，认为是车辆满足车辆倒退异常条件。即车辆倒退异常条件不仅包括连续变化方向差大于预设方向变化阈值，还包括经纬度差值大于预设经纬度范围。

本实施例根据经纬度特征确定连续变化方向差，进而根据连续变化方向差确定车辆是否存在倒退异常问题，提高了对车辆倒退异常判断的准确性和效率。

可选的，车辆倒退异常条件还包括时间戳特征是否出现逆序、数据来源对应的路侧设备变化是否发生与车辆行驶方向不同以及数字孪生数据中数据缺失。

具体的，提取数字孪生数据中的时间戳信息，根据时间戳信息的先后顺序判断是否出现逆序，若出现，则确定车辆满足车辆倒退异常条件。示例性的，判断相邻两点时间是否倒退，每一包数字孪生数据中均包含数据上报的时间戳，对于一辆车先后两包的数字孪生数据中的上报时间是否出现时间倒退，如果是则确定车辆渲染会出现倒退行为。

提取数字孪生数据中的数据来源对应的路侧设备编号信息，判断该编号信息的先后顺序是否与车辆行驶方向相同，若不同，则确定车辆满足车辆倒退异常条件。示例性的，每一包数字孪生数据中均会有一个设备id，对应了该数据孪生数据的源数据的采集硬件设备编号信息，若车辆的行驶方向是上行则硬件设备编号信息应该是从小到大，若车辆的行驶方向是上行则硬件设备编号信息应该是从大到小，若顺序接收到的数字孪生数据中的设备编号信息出现了乱序，则确定车辆渲染会出现倒退。

若硬件设备采集数据时出现了数据缺失现象，则在云端进行数字孪生数据确定时，会根据预设预测程序对该缺失数据进行预测，并为该缺失数据添加预测标识。若顺序接收到的数字孪生数据中出现了预测标识，则确定车辆渲染会出现倒退。示例性的，每一包数字孪生数据每一个车中均包含字段source字段，source字段为非预测表示是实际采集到的数据，source字段为预测则是程序预测生成的，如果不同包数据中预测和非预测出现交替，则确定车辆渲染会出现倒退。

S240、将满足目标异常类型的异常条件对应的行驶特征作为异常行驶特征，并根据异常行驶特征和提取的行驶特征确定目标异常类型的异常占比，得到车辆数字孪生的测试结果。

在本实施例的另一个可选实现方式中，车辆倒退异常条件还包括：满足连续变化方向差大于预设方向变化阈值的异常经纬度特征对应的采集时间戳是否满足增长关系；

相应的，根据车辆满足的候选异常类型的异常条件从候选异常来源中确定目标异常来源，包括：

若车辆满足的候选异常类型的异常条件为，连续变化方向差大于预设方向变化阈值，且异常经纬度特征对应的采集时间戳满足增长关系，则确定车辆存在的车辆倒退异常的异常来源为源数据；

若车辆满足的候选异常类型的异常条件为，连续变化方向差大于预设方向变化阈值，且异常经纬度特征对应的采集时间戳不满足增长关系，则确定异常来源为云端孪生数据。

基于候选异常类型的异常条件与候选异常来源之间的关联关系，根据车辆满足的候选异常类型的异常条件从候选异常来源中确定目标异常来源；其中，候选异常来源包括源数据和云端孪生数据。

在根据连续变化方向差大于预设方向变化阈值确定车辆存在倒退异常后，确定异常行驶特征是否存在采集时间戳呈增长关系，若是，则确定车辆存在的车辆倒退异常的异常来源为源数据，即路侧设备在采集数据时发生了异常；否则，确定车辆存在的车辆倒退异常的异常来源为云端孪生数据，即云端在进行数据孪生时发生了乱序异常，如云端推送数据乱序。

本实施例根据车辆倒退异常条件中的时间戳变化关系确定车辆倒退异常发生的异常来源，提高了错误数据定位的效率，以根据异常来源快速对异常数据进行定位修复。

本实施例的方案，通过数字孪生数据的经纬度特征测试车辆倒退异常显示效果，提高了对车辆倒退异常孪生效果的测试准确率，并且从数据层面进行测试可以提前检测出可能出现的异常孪生效果，提高数字孪生的显示准确度。另一方面通过数据层面进行测试可以量化数字孪生效果的评估结果，提高了测试结果的准确度。

图3是根据本公开实施例的又一种车辆数字孪生的测试方法的示意图，本实施例是对上述技术方案的进一步细化，本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图3所示，车辆数字孪生的测试方法包括如下：

S310、从云端获取车辆的数字孪生数据。

S320、从数字孪生数据提取车辆的朝向角特征，并将车辆的朝向角特征，作为车辆的行驶特征。

其中，朝向角特征是指数字孪生数据对应的车辆的车头方向信息，根据车辆的朝向角特征变化信息可以确定车辆的车头方向变化信息，根据车头方向变化信息可以确定车辆在行驶过程中是否出现车辆转圈异常的孪生效果。因此在确定候选异常类型为车辆转圈异常时，将车辆的朝向角特征作为车辆的行驶特征。

S330、根据车辆的朝向角特征确定车辆是否满足候选异常类型的异常条件，并根据确定结果从候选异常类型中选择车辆存在的目标异常类型。

候选异常类型为车辆倒退异常或车辆转圈异常。车辆倒退异常是指车辆出现异常原地转圈行为。

具体的，由于车辆若发生车辆原地转圈异常，则车辆的朝向角变化方向也会随之发生变化，因此根据车辆的朝向角特征确定车辆的朝向角方向变化特征，进而根据车辆的朝向角方向变化特征是否满足车辆转圈的方向异常条件，若满足，则确定根据该朝向角特征对应的数字孪生数据进行虚拟映射时会出现车辆转圈异常的效果；若不满足，则确定根据该朝向角特征对应的数字孪生数据进行虚拟映射时不会出现车辆转圈异常的效果。

示例性的，基于预设路段上采集数据的路侧设备订阅云端推送的对应的数字孪生数据，并将数据落盘。以数字孪生数据中车辆唯一ID为key，将value设定为车辆的朝向角，得到目标车辆在各条数字孪生数据中的朝向角信息。不同条数据孪生数据对应的目标车辆在不同时间的特征数据信息，因此根据朝向角的连续变化信息可以得到车辆的方向变化特征。

在本实施例的另一个可选实现方式中，S330，包括：

根据车辆的朝向角特征确定车辆在行驶过程中的朝向角连续变化差值；

若存在预设数量个朝向角连续变化差值大于预设朝向角阈值，则确定车辆满足车辆转圈异常条件，并将车辆转圈异常作为车辆存在的目标异常类型。

其中，朝向角连续变化差值是指车辆在连续两个点位上的朝向角差值信息。该差值信息可以确定车辆在这两个点位上的车头方向变化情况。

具体的，连续确定车辆在多个点位上的朝向角差值信息，若存在预设数量个朝向角差值信息大于预设朝向角阈值，则确定车辆满足车辆转圈异常条件。

示例性的，基于预设路段上采集数据的路侧设备订阅云端推送的对应的数字孪生数据，并将数据落盘。以数字孪生数据中车辆唯一ID为key，将value设定为车辆的朝向角。以车辆为纬度，对于每辆车获取朝向角信息，并计算出连续3组朝向角差值，如果这些差值的绝对值都大于90度，则确定车辆满足车辆转圈异常条件，并将车辆转圈异常作为车辆存在的目标异常类型。

本实施例根据朝向角特征确定朝向角连续变化信息，进而根据朝向角连续变化信息确定车辆是否存在转圈异常问题，提高了对车辆转圈异常判断的准确性和效率。

基于候选异常类型的异常条件与候选异常来源之间的关联关系，若车辆满足车辆转圈异常条件，则确定车辆存在的车辆转圈异常的异常来源为源数据，错误原因为路侧推送的源数据朝向角异常。

S340、将满足目标异常类型的异常条件对应的行驶特征作为异常行驶特征，并根据异常行驶特征和提取的行驶特征确定目标异常类型的异常占比，得到车辆数字孪生的测试结果。

本实施例的方案，通过数字孪生数据的朝向角特征测试车辆转圈异常显示效果，提高了对车辆转圈异常孪生效果的测试准确率，并且从数据层面进行测试可以提前检测出可能出现的异常孪生效果，提高数字孪生的显示准确度。另一方面通过数据层面进行测试可以量化数字孪生效果的评估结果，提高了测试结果的准确度。

图4是根据本公开实施例的又一种车辆数字孪生的测试方法的示意图，本实施例是对上述技术方案的进一步细化，本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图4所示，车辆数字孪生的测试方法包括如下：

S410、从云端获取车辆的数字孪生数据。

S420、从数字孪生数据提取车辆的行驶特征。

S430、根据车辆的行驶特征确定重复程度参数。

其中，重复程度参数表示了车辆的行驶特征中的特征重复率或推送重复率，即车辆在连续不同的数字孪生数据中的行驶特征的重复率或车辆的数字孪生数据的接收时间间隔。根据重复程度参数可以对数字孪生数据的推送规律进行确定，进而根据该推送规律确定目标异常类型。

具体的，重复程度参数表征车辆的行驶特征中的特征重复率时，从数字孪生数据提取车辆的所有维度特征，包括车辆方向、经纬度、来源、速度等，确定连续的数字孪生数据中所有维度特征比对一致的数字孪生数据条数或接收时间范围，并确定为第一重复程度参数。示例性的，基于预设路段上采集数据的路侧设备订阅云端推送的对应的数字孪生数据，并将数据落盘。以数字孪生数据中车辆唯一ID为key，将value设定为各种信息(如车辆方向、经纬度、来源、速度等)。以车辆为纬度，判断连续数字孪生数据的value完全一样的条数或接收这些连续数字孪生数据的时间范围，如连续5条数字孪生数据的value均一样，或超过2s推送的数字孪生数据均一致，则确定该条数或时间范围为第一重复程度参数。

若确定连续的数字孪生数据中时间戳维度比对不一致，其他维度特征比对一致，则确定对应的数字孪生数据条数或接收时间范围为第二重复程度参数。其中，其他维度特征是指数字孪生数据中除时间戳维度以外的其他维度。示例性的，基于预设路段上采集数据的路侧设备订阅云端推送的对应的数字孪生数据，并将数据落盘。以数字孪生数据中车辆唯一ID为key，将value设定为各种信息(如车辆方向、经纬度、来源、速度、朝向角等)，以车辆为纬度，判断连续数字孪生数据的经纬度信息、来源、速度、朝向角一致，但是上报时间戳不一致对应的条数或接收这些连续数字孪生数据的时间范围，则确定该条数或时间范围为第二重复程度参数。

重复程度参数表征推送重复率时，从数字孪生数据提取车辆的时间戳特征，并将时间戳特征作为车辆的行驶特征，根据车辆的时间戳特征确定车辆在行驶过程中的时间间隔；若存在时间间隔大于预设时间阈值未接收到新的数字孪生数据，确定该超时未接收时间间隔为第三重复程度参数。示例性的，基于多个路段，订阅云端推送的车辆数据，并记录接收数据的时间并落盘。然后，通过分析每组数据的时间间隔来确定第三重复程度参数。

S440、根据重复程度参数确定车辆是否满足候选异常类型的异常条件。

其中，候选异常类型为车辆闪断异常、车辆消失异常或车辆静止异常。

若根据车辆的行驶特征确定的重复程度参数为第一重复程度参数，则在第一重复程度参数大于预设一致性阈值时，确定车辆满足车辆闪断或车辆消失。示例性的，以车辆为纬度，判断连续数字孪生数据的value完全一样的条数或接收这些连续数字孪生数据的时间范围，如连续5条数字孪生数据的value均一样，或超过2s推送的数字孪生数据均一致，确定车辆满足车辆闪断或车辆消失。如果在value均一样数字孪生数据后续无该车辆新的数字孪生数据，则确定车辆消失，若出现了新的数字孪生数据，则确定车辆闪断。

基于候选异常类型的异常条件与候选异常来源之间的关联关系，若车辆满足第一重复程度参数异常条件，则确定车辆存在的车辆闪断或车辆消失异常的异常来源为云端推送数据重复。

若根据车辆的行驶特征确定的重复程度参数为第二重复程度参数，则在第二重复程度参数大于预设一致性阈值时，确定车辆满足车辆静止。示例性的，以车辆为纬度，判断连续多条数字孪生数据的经纬度信息、来源、速度、朝向角一致，但是上报时间戳不一致，则确定车辆静止。

基于候选异常类型的异常条件与候选异常来源之间的关联关系，若车辆满足第二重复程度参数异常条件，则确定车辆存在的车辆静止异常的异常来源为源数据，错误原因为路侧推送数据除上班时间不一致其他信息均重复。

若根据车辆的行驶特征确定的重复程度参数为第三重复程度参数，则在第三重复程度参数大于预设时间间隔时，确定车辆满足车辆消失或车辆闪断。示例性的，在超过预设时间间隔未接收到目标车辆的数字孪生数据之后，确定车辆消失；在超过预设时间间隔后接收到目标车辆的数字孪生数据，确定车辆闪断。

基于候选异常类型的异常条件与候选异常来源之间的关联关系，若车辆满足第三重复程度参数异常条件，则确定车辆存在的车辆消失或车辆闪断异常的异常来源为云端推送数据规律性。

S450、根据确定结果从候选异常类型中确定车辆存在的目标异常类型。

在本实施例的另一个可选实现方式中，在S410之后，该方法还包括：

监测孪生效果显示前端的内存性能信息；

根据内存性能信息确定车辆是否满足候选异常类型的异常条件，并根据确定结果从候选异常类型中确定车辆存在的目标异常类型。

其中，孪生效果显示前端是指对车辆进行渲染显示的前端设备，如显示设备等，内存性能信息用于表征前端在进行车辆渲染时的服务器内存信息，示例性的，内存性能信息包括内存占用率、CPU使用率和显示帧率。

具体的，为了及时确定前端性能对孪生效果的影响，对前端进行性能监控，包括内存占用率、CPU使用率和显示帧率。

使用内存占用率可以监测当前页面使用的内存大小，如果内存持续增长并未释放，即内存大于预设内存值，则可能存在内存泄漏问题，确定车辆满足候选异常类型的异常条件。通过CPU使用率可以监测页面的CPU使用情况，如果CPU使用率大于预设CPU阈值，则可能存在性能问题，导致车辆卡顿、静止或消失。使用显示帧率可以监测页面的渲染性能，如果帧率小于预设帧率阈值，导致车辆卡顿、静止或消失。其中，帧率根据在未对当前帧进行更新时，当前帧的初始显示时间和当前时间的差值进行确定。

本实施例通过对前端内存性能信息进行监控，提高因性能问题导致的车辆孪生异常现象的发现效率，进而提高对车辆数字孪生的测试效率，并且可以确定车辆异常的来源。

S460、将满足目标异常类型的异常条件对应的行驶特征作为异常行驶特征，并根据异常行驶特征和提取的行驶特征确定目标异常类型的异常占比，得到车辆数字孪生的测试结果。

本实施例的方案，通过数字孪生数据的重复程度参数测试车辆其他异常显示效果，提高了对车辆其他异常孪生效果的测试准确率。

图5是根据本公开实施例的一种车辆数字孪生的测试装置的结构示意图，该装置可以执行本公开任一实施例中涉及到的车辆数字孪生的测试方法；参考图5，车辆数字孪生的测试装置500，包括：孪生数据获取模块510、异常类型确定模块520以及数字孪生测试模块530。

孪生数据获取模块510，用于从云端获取车辆的数字孪生数据；

异常类型确定模块520，用于从所述数字孪生数据提取车辆的行驶特征，根据所述车辆的行驶特征确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中确定车辆存在的目标异常类型；

数字孪生测试模块530，用于将满足所述目标异常类型的异常条件对应的行驶特征作为异常行驶特征，并根据所述异常行驶特征和提取的行驶特征确定目标异常类型的异常占比，得到车辆数字孪生的测试结果。

本实施例的方案，通过从数字孪生数据的数据层测试数字孪生效果，避免在孪生效果显示后通过图像发现异常孪生效果的低效率，提高了对异常孪生效果的测试准确率，并且从数据层面进行测试可以提前检测出可能出现的异常孪生效果，提高数字孪生的显示准确度。另一方面通过数据层面进行测试可以量化数字孪生效果的评估结果，提高了测试结果的准确度。

在本实施例的一个可选实现方式中，异常类型确定模块，包括：

行驶特征提取单元，用于从所述数字孪生数据提取车辆的经纬度特征和/或朝向角特征，并将所述车辆的经纬度特征和/或朝向角特征，作为车辆的行驶特征；

异常类型确定单元，用于根据所述车辆的经纬度特征和/或朝向角特征确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中选择车辆存在的目标异常类型；所述候选异常类型为车辆倒退异常或车辆转圈异常。

在本实施例的一个可选实现方式中，异常类型确定单元，具体用于：

根据所述车辆的经纬度特征确定车辆在行驶过程中的连续变化方向差；

若所述连续变化方向差大于预设方向变化阈值，则确定车辆满足车辆倒退异常条件，并将车辆倒退异常作为车辆存在的目标异常类型。

在本实施例的一个可选实现方式中，所述装置还包括异常来源确定模块，用于：

在得到车辆数字孪生的测试结果之前，基于候选异常类型的异常条件与候选异常来源之间的关联关系，根据车辆满足的候选异常类型的异常条件从所述候选异常来源中确定目标异常来源；其中，所述候选异常来源包括源数据和云端孪生数据。

在本实施例的一个可选实现方式中，所述车辆倒退异常条件还包括：满足所述连续变化方向差大于预设方向变化阈值的异常经纬度特征对应的采集时间戳是否满足增长关系；

相应的，异常来源确定模块，具体用于：

若所述车辆满足的候选异常类型的异常条件为，所述连续变化方向差大于预设方向变化阈值，且异常经纬度特征对应的采集时间戳满足增长关系，则确定所述车辆存在的车辆倒退异常的异常来源为源数据；

若所述车辆满足的候选异常类型的异常条件为，所述连续变化方向差大于预设方向变化阈值，且异常经纬度特征对应的采集时间戳不满足增长关系，则确定所述异常来源为云端孪生数据。

在本实施例的一个可选实现方式中，异常类型确定单元，具体用于：

根据所述车辆的朝向角特征确定车辆在行驶过程中的朝向角连续变化差值；

若存在预设数量个朝向角连续变化差值大于预设朝向角阈值，则确定车辆满足车辆转圈异常条件，并将车辆转圈异常作为车辆存在的目标异常类型。

在本实施例的一个可选实现方式中，异常类型确定模块，包括异常条件匹配单元，具体用于：

根据所述车辆的行驶特征确定重复程度参数；

根据所述重复程度参数确定所述车辆是否满足候选异常类型的异常条件；其中，所述候选异常类型为车辆闪断、车辆消失或车辆静止。

在本实施例的一个可选实现方式中，所述装置还包括：前端监测模块，用于：

在从云端获取车辆的数字孪生数据之后，监测孪生效果显示前端的内存性能信息；

根据所述内存性能信息确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中确定车辆存在的目标异常类型。

上述车辆数字孪生的测试装置可执行本公开任意实施例所提供的车辆数字孪生的测试方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开任意实施例提供的车辆数字孪生的测试方法。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备600操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备600中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501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501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501执行上文所描述的各个方法和处理，例如车辆数字孪生的测试方法。例如，在一些实施例中，车辆数字孪生的测试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508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备600上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的车辆数字孪生的测试方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法车辆数字孪生的测试。

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、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)、区块链网络和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (19)

1.一种车辆数字孪生的测试方法，包括：

从云端获取车辆的数字孪生数据；

从所述数字孪生数据提取车辆的行驶特征，根据所述车辆的行驶特征确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中确定车辆存在的目标异常类型；

将满足所述目标异常类型的异常条件对应的行驶特征作为异常行驶特征，并根据所述异常行驶特征和提取的行驶特征确定目标异常类型的异常占比，得到车辆数字孪生的测试结果。

2.根据权利要求1所述的方法，其中，从所述数字孪生数据提取车辆的行驶特征，根据所述车辆的行驶特征确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中确定车辆存在的目标异常类型，包括：

从所述数字孪生数据提取车辆的经纬度特征和/或朝向角特征，并将所述车辆的经纬度特征和/或朝向角特征，作为车辆的行驶特征；

根据所述车辆的经纬度特征和/或朝向角特征确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中选择车辆存在的目标异常类型；所述候选异常类型为车辆倒退异常或车辆转圈异常。

3.根据权利要求2所述的方法，其中，根据车辆的经纬度特征确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中选择车辆存在的目标异常类型，包括：

根据所述车辆的经纬度特征确定车辆在行驶过程中的连续变化方向差；

若所述连续变化方向差大于预设方向变化阈值，则确定车辆满足车辆倒退异常条件，并将车辆倒退异常作为车辆存在的目标异常类型。

4.根据权利要求3所述的方法，在得到车辆数字孪生的测试结果之前，所述方法还包括：

基于候选异常类型的异常条件与候选异常来源之间的关联关系，根据车辆满足的候选异常类型的异常条件从所述候选异常来源中确定目标异常来源；其中，所述候选异常来源包括源数据和云端孪生数据。

5.根据权利要求4所述的方法，其中，所述车辆倒退异常条件还包括：满足所述连续变化方向差大于预设方向变化阈值的异常经纬度特征对应的采集时间戳是否满足增长关系；

相应的，根据车辆满足的候选异常类型的异常条件从所述候选异常来源中确定目标异常来源，包括：

若所述车辆满足的候选异常类型的异常条件为，所述连续变化方向差大于预设方向变化阈值，且异常经纬度特征对应的采集时间戳满足增长关系，则确定所述车辆存在的车辆倒退异常的异常来源为源数据；

若所述车辆满足的候选异常类型的异常条件为，所述连续变化方向差大于预设方向变化阈值，且异常经纬度特征对应的采集时间戳不满足增长关系，则确定所述异常来源为云端孪生数据。

6.根据权利要求2所述的方法，其中，根据车辆的朝向角特征确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中选择车辆存在的目标异常类型，包括：

根据所述车辆的朝向角特征确定车辆在行驶过程中的朝向角连续变化差值；

若存在预设数量个朝向角连续变化差值大于预设朝向角阈值，则确定车辆满足车辆转圈异常条件，并将车辆转圈异常作为车辆存在的目标异常类型。

7.根据权利要求1所述的方法，其中，根据所述车辆的行驶特征确定所述车辆是否满足候选异常类型的异常条件，包括：

根据所述车辆的行驶特征确定重复程度参数；

根据所述重复程度参数确定所述车辆是否满足候选异常类型的异常条件；其中，所述候选异常类型为车辆闪断、车辆消失或车辆静止。

8.根据权利要求1所述的方法，在从云端获取车辆的数字孪生数据之后，所述方法还包括：

监测孪生效果显示前端的内存性能信息；

根据所述内存性能信息确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中确定车辆存在的目标异常类型。

9.一种车辆数字孪生的测试装置，包括：

孪生数据获取模块，用于从云端获取车辆的数字孪生数据；

异常类型确定模块，用于从所述数字孪生数据提取车辆的行驶特征，根据所述车辆的行驶特征确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中确定车辆存在的目标异常类型；

数字孪生测试模块，用于将满足所述目标异常类型的异常条件对应的行驶特征作为异常行驶特征，并根据所述异常行驶特征和提取的行驶特征确定目标异常类型的异常占比，得到车辆数字孪生的测试结果。

10.根据权利要求9所述的装置，其中，异常类型确定模块，包括：

行驶特征提取单元，用于从所述数字孪生数据提取车辆的经纬度特征和/或朝向角特征，并将所述车辆的经纬度特征和/或朝向角特征，作为车辆的行驶特征；

异常类型确定单元，用于根据所述车辆的经纬度特征和/或朝向角特征确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中选择车辆存在的目标异常类型；所述候选异常类型为车辆倒退异常或车辆转圈异常。

11.根据权利要求10所述的装置，其中，异常类型确定单元，具体用于：

根据所述车辆的经纬度特征确定车辆在行驶过程中的连续变化方向差；

若所述连续变化方向差大于预设方向变化阈值，则确定车辆满足车辆倒退异常条件，并将车辆倒退异常作为车辆存在的目标异常类型。

12.根据权利要求11所述的装置，所述装置还包括异常来源确定模块，用于：

在得到车辆数字孪生的测试结果之前，基于候选异常类型的异常条件与候选异常来源之间的关联关系，根据车辆满足的候选异常类型的异常条件从所述候选异常来源中确定目标异常来源；其中，所述候选异常来源包括源数据和云端孪生数据。

13.根据权利要求12所述的装置，其中，所述车辆倒退异常条件还包括：满足所述连续变化方向差大于预设方向变化阈值的异常经纬度特征对应的采集时间戳是否满足增长关系；

相应的，异常来源确定模块，具体用于：

若所述车辆满足的候选异常类型的异常条件为，所述连续变化方向差大于预设方向变化阈值，且异常经纬度特征对应的采集时间戳满足增长关系，则确定所述车辆存在的车辆倒退异常的异常来源为源数据；

若所述车辆满足的候选异常类型的异常条件为，所述连续变化方向差大于预设方向变化阈值，且异常经纬度特征对应的采集时间戳不满足增长关系，则确定所述异常来源为云端孪生数据。

14.根据权利要求10所述的装置，其中，异常类型确定单元，具体用于：

根据所述车辆的朝向角特征确定车辆在行驶过程中的朝向角连续变化差值；

若存在预设数量个朝向角连续变化差值大于预设朝向角阈值，则确定车辆满足车辆转圈异常条件，并将车辆转圈异常作为车辆存在的目标异常类型。

15.根据权利要求9所述的装置，其中，异常类型确定模块，包括异常条件匹配单元，具体用于：

根据所述车辆的行驶特征确定重复程度参数；

根据所述重复程度参数确定所述车辆是否满足候选异常类型的异常条件；其中，所述候选异常类型为车辆闪断、车辆消失或车辆静止。

16.根据权利要求9所述的装置，所述装置还包括：前端监测模块，用于：

在从云端获取车辆的数字孪生数据之后，监测孪生效果显示前端的内存性能信息；

根据所述内存性能信息确定所述车辆是否满足候选异常类型的异常条件，并根据确定结果从所述候选异常类型中确定车辆存在的目标异常类型。

17.一种电子设备，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1-8中任一项所述的方法。

18.一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1-8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现根据权利要求1-8中任一项所述方法的步骤。