CN117667903A - 数据补全方法、电子设备及可读存储介质 - Google Patents
数据补全方法、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN117667903A CN117667903A CN202211016476.5A CN202211016476A CN117667903A CN 117667903 A CN117667903 A CN 117667903A CN 202211016476 A CN202211016476 A CN 202211016476A CN 117667903 A CN117667903 A CN 117667903A
- Authority
- CN
- China
- Prior art keywords
- data
- data item
- vehicle
- item
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 92
- 230000000295 complement effect Effects 0.000 title claims abstract description 62
- 230000008569 process Effects 0.000 claims abstract description 40
- 230000004044 response Effects 0.000 claims abstract description 20
- 238000012217 deletion Methods 0.000 claims description 87
- 230000037430 deletion Effects 0.000 claims description 87
- 238000013499 data model Methods 0.000 claims description 41
- 238000004458 analytical method Methods 0.000 claims description 38
- 238000004088 simulation Methods 0.000 claims description 24
- 238000012795 verification Methods 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 8
- 230000000153 supplemental effect Effects 0.000 claims 2
- 238000012545 processing Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000010207 Bayesian analysis Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30268—Vehicle interior
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请的实施方式提供了一种数据补全方法、电子设备及可读存储介质。在一些实施方式中,数据补全方法包括:对用户驾驶过程中产生的车辆操作数据和车辆状态数据进行缺失检测,其中,车辆操作数据中的各操作数据项与车辆状态数据中的、受操作数据项所对应的操作影响的状态数据项相关联;响应于检测到车辆操作数据和/或车辆状态数据存在数据缺失,确定车辆操作数据或车辆状态数据中需要补全的第一数据项,以及与第一数据项关联的第二数据项;利用第二数据项完成对第一数据项的补全操作。
Description
技术领域
本申请的实施方式涉及数据处理领域,更具体地,涉及一种数据补全方法、电子设备及可读存储介质。
背景技术
在实际的技术运用中,数据采集过程中可能无法保证每次收集的数据都是完整的。采集过程中可能会因为某些原因造成部分数据存在缺失的问题。因而,在数据缺失的情况下,如何更好地补全数据是亟需解决的问题。
发明内容
本申请的实施方式提供了一种可至少部分解决现有技术中存在的上述问题或其他问题的数据补全方法、电子设备及可读存储介质。
本申请的实施方式第一方面提供了一种数据补全方法,包括:对用户驾驶过程中产生的车辆操作数据和车辆状态数据进行缺失检测,其中,车辆操作数据中的各操作数据项与车辆状态数据中的、受操作数据项所对应的操作影响的状态数据项相关联;响应于检测到车辆操作数据和/或车辆状态数据存在数据缺失,确定车辆操作数据或车辆状态数据中需要补全的第一数据项,以及与第一数据项关联的第二数据项;利用第二数据项完成对第一数据项的补全操作。
本申请的实施方式第二方面提供了一种电子设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如上述实施方式提及的数据补全方法。
本申请的实施方式第三方面提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,实现如上述实施方式提及的数据补全方法。
根据本申请的实施方式,车辆或服务器对用户驾驶过程中采集的车辆操作数据和车辆状态数据进行缺失检测,可减少数据缺失导致后续操作异常的情况。车辆或服务器在确定车辆操作数据和/或车辆状态数据存在缺失的时候,基于车辆操作数据或车辆状态数据中需要补全的数据项的关联数据项进行补全操作,使得能够完善用户驾驶过程中采集的数据,有利于形成完整的数据模型。
附图说明
通过阅读参照以下附图所作的对非限制性实施例的详细描述,本申请的其它特征、目的和优点将会变得更明显。其中:
图1是根据本申请的一些实施方式的数据补全方法的流程示意图;
图2是根据本申请的一些实施方式中利用第二数据项对第一数据项的补全操作的流程示意图;
图3A和图3B是根据本申请的一些实施方式的虚拟视频图像的效果图;
图4是根据本申请的一些实施方式的电子设备的示意性框图。
具体实施方式
为了更好地理解本申请,将参考附图对本申请的各个方面做出更详细的说明。应理解,这些详细说明只是对本申请的示例性实施方式的描述,而非以任何方式限制本申请的范围。在说明书全文中,相同的附图标号指代相同的元件。表述“和/或”包括相关联的所列项目中的一个或多个的任何和全部组合。
还应理解的是,诸如“包括”、“包括有”、“具有”、“包含”和/或“包含有”等表述在本说明书中是开放性而非封闭性的表述,其表示存在所陈述的特征、元件和/或部件,但不排除一个或多个其它特征、元件、部件和/或它们的组合的存在。此外,当诸如“...中的至少一个”的表述出现在所列特征的列表之后时,其修饰整列特征,而非仅仅修饰列表中的单独元件。此外,当描述本申请的实施方式时,使用“可”表示“本申请的一个或多个实施方式”。并且,用语“示例性的”旨在指代示例或举例说明。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。另外,除非明确限定或与上下文相矛盾,否则本申请所记载的方法中包含的具体步骤不必限于所记载的顺序,而可以任意顺序执行或并行地执行。下面将参考附图并结合实施例来详细说明本申请。
在本申请的一些实施方式中,经常会有一些驾驶爱好者拍摄视频分享一些生活中的驾驶技巧,一方面是想展示自己高超的驾驶技巧,另一方面也是为了帮助其他人提升驾驶能力。例如,驾驶爱好者可通过一系列的操作在无需借助第三方的方式将车辆从困境中解救出来,如一些特殊的驾驶场景下的停车挪车、窄路窄桥的会车、车轮被卡自救等等。车辆在用户希望分析驾驶技巧的时候,将车辆操作数据(例如,方向盘数据、脚刹数据、油门系统数据、手上数据、离合数据等)和车辆状态数据(例如,转向系统数据、减速系统数据、加速系统数据、驻车系统数据、变速系统数据等)按照采集时间点一一对应的记录,以更全面地反应驾驶爱好者的驾驶操作,形成车辆操作数据模型。然而,由于车辆的各类传感器可能存在失灵的情况,这将导致缺失部分数据,记录的数据不完整,给后续构建车辆操作数据模型形成困难。
在本申请的一些实施方式中,图1是根据本申请的一些实施方式的数据补全方法1000的流程示意图。该数据补全方法1000可通过车辆或者能够获取车辆的相关数据的其他电子设备等执行。如图1所示,数据补全方法1000可包括以下步骤:
S11,对用户驾驶过程中产生的车辆操作数据和车辆状态数据进行缺失检测。其中,车辆操作数据中的各操作数据项与车辆状态数据中的、受操作数据项所对应的操作影响的状态数据项相关联。
S12,响应于检测到车辆操作数据和/或车辆状态数据存在数据缺失,确定车辆操作数据或车辆状态数据中需要补全的第一数据项,以及与第一数据项关联的第二数据项。
S13,利用第二数据项完成对第一数据项的补全操作。
根据本申请的实施方式,车辆或服务器对用户驾驶过程中采集的车辆操作数据和车辆状态数据进行缺失检测,可减少数据缺失导致后续操作异常的情况。车辆或服务器在确定车辆操作数据和/或车辆状态数据存在缺失的时候,基于车辆操作数据或车辆状态数据中需要补全的数据项的关联数据项进行补全操作,使得能够完善用户驾驶过程中采集的数据,有利于形成完整的数据模型。
为了便于理解,下面以车辆执行本申请的实施方式提及的数据补全方法的过程进行示例性说明。
首先,下文对数据采集的相关内容进行示例性说明。
在本申请的一些实施方式中,在对用户驾驶过程中产生的车辆操作数据和车辆状态数据进行缺失检测之前,数据补全方法1000还包括:响应于接收到用户的驾驶操作录制请求,实时记录用户驾驶过程中产生的车辆操作数据和车辆状态数据。换言之,车辆在用户触发驾驶操作录制请求的情况下,开始各类数据的录制(或记录)操作。其中,车辆操作数据用于反应用户的操作行为,车辆状态数据用于反应车辆在用户操作行为下的反应情况。车辆在用户触发驾驶操作录制请求后采集相关数据,可保障用户隐私。
作为一个示例,车辆操作数据可以是被用户操作的车辆部件上的检测传感器采集的数据。例如,可以被用户操作的车辆部件可以包括但不限于:方向盘、手刹、脚刹、油门、离合等,操作数据项包括但不限于:方向盘数据、手刹数据、脚刹数据、油门数据、离合数据等。车辆状态数据可以是受用户操作影响的车辆系统反馈的数据。例如,车辆系统包括但不限于:转向系统、驻车系统、减速系统、加速系统、变速系统等,车辆状态数据包括但不限于:转向系统数据、驻车系统数据、减速系统数据、加速系统数据、变速系统数据等。车辆操作数据和车辆状态数据之间的关联关系可根据各个车辆部件被用户操作后对各车辆系统是否存在影响确定。例如,用户转动方向盘,车辆的转向系统将基于用户操作对车轮的转向进行控制,方向盘数据和转向系统数据相对应。又如,用户踩下或松开车辆的离合,车辆的变速系统状态发生变化(例如变速箱和发动机逐渐分离或逐渐接合),以切断或传递发动机向变速器输入的动力,离合数据和变速系统数据相关联。以此类推,一些实施方式中,可设定手刹数据关联驻车系统数据,脚刹数据关联减速系统数据,油门数据关联加速系统数据等。
应当理解的是,为了便于理解,本实施方式中以车辆部件和该车辆部件影响较大的车辆系统状态进行示例性说明,在其他实施方式中,用户操作各个车辆部件可能影响一个或多个车辆系统,即一个车辆操作数据与一个或多个车辆状态数据关联,本申请对此不做限制。
应当理解的是,在未背离本申请教导的情况下,车辆也可以通过其他方式获取车辆操作数据和车辆状态数据,例如,车辆在接收到驾驶操作录制请求后,采集至少包括车辆内部的视频图像和车辆外部的视频图像的车辆视频数据,基于车辆内部的视频图像的图像分析结果确定车辆操作数据,基于车辆外部的视频图像的图像分析结果确定车辆状态数据。本申请对车辆获取车辆操作数据和车辆状态数据的方式不作限制。
作为一种选择,车辆还可以基于其他目的采集车辆视频数据。示例地,采集的车辆视频数据可作为后期补全操作的数据基础,例如,车辆或服务器基于车辆数据确定待补全的数据项的模拟值。采集的车辆视频数据也可以用于确定车辆周围的环境数据,例如,车辆或服务器通过对车辆外部的视频图像进行分析以确定车辆周围的环境数据。采集的车辆视频数据还可以用于完善车辆操作数据模型,例如,车辆或服务器利用车辆操作数据和车辆状态数据构建车辆操作数据模型以形成虚拟视频图像,基于车辆视频数据确定虚拟视频图像中的车辆各部件的颜色等。本申请对车辆视频数据的使用方式不作限制。
作为一个示例,车辆视频数据包括车辆内部的视频图像和车辆外部的视频图像。车辆内部的视频图像可包括用户开启驾驶操作功能后的操作的视频图像。示例地,车辆可通过一个或多个内部摄像头采集用户驾驶车辆的操作的视频图像。车辆外部的视频图像可包括用户开启驾驶操作功能后车辆本体移动的视频图像以及车辆的外部环境的视频图像。示例地,车辆可通过搭载在车辆上的一个或多个外部摄像头采集车外视频图像。
应当理解的是,在未背离本申请教导的情况下,在其他实施方式中,也可以通过与车辆通信连接的具有摄像功能的外部移动设备(例如手机)采集车辆内部的视频图像和车辆外部的视频图像,本申请对车辆内部的视频图像和车辆外部的视频图像的采集方式不作限制。
在本申请的一些实施方式中,车辆接收到用户的驾驶操作录制请求后,还可以获取用户驾驶过程中车辆周围的环境数据以确定所述车辆操作数据和所述车辆状态数据对应的驾驶场景。示例地,在用户驾驶车辆的过程中,可通过车辆上的多个传感器采集车辆周围的环境数据。其中,传感器可以包括但不限于距离传感器,车辆周围的环境数据包括但不限于车辆与车辆周围的物体(例如其他车辆和障碍物等)之间的距离。
应当理解的是,在未背离本申请教导的情况下,车辆还可以对其他数据进行采集和记录,此处不一一列举,本申请对此不作限制。
上面对车辆采集数据的过程进行了示例性说明,下面对车辆采集的数据的处理过程进行示例性说明。
在本申请的一些实施方式中,车辆可在用户确认停止驾驶操作录制后,结束录制,并由车辆或与车辆通信连接的指定的服务器对录制的所有数据进行整理。示例地,车辆或服务器先对所有数据进行分类。其中,对所有数据分类的依据可以是数据的来源,例如,来自于同一传感器的数据划分为一个类型的数据,或者,来自于同一车辆操作部件(如方向盘)的相关数据划分为一个类型的数据,但不限于此。可选择的,同一类型的数据将作为一个数据项记录于同一数据集中。车辆或服务器在对数据分类后,根据采集时间对各类型的数据进行顺序排序,并将各类型的数据对齐,即根据各类型的数据采集的时间点将各类型的数据对应。例如,数据整理过程中,可将同一秒内采集的车内方向盘的数据(如旋转角度)、油门的数据(如踩踏压力大小)、刹车的数据(如踩踏压力大小)、车轮的数据(如车轮转速和方向)、变速系统数据(如变速箱的功率等)、视频图像数据等进行对齐。
应当理解的是,在未背离本申请教导的情况下,在采集数据之后,进行数据补全操作前,还可以对车辆采集的数据进行其他处理操作,本申请对此不作限制。
上面对数据处理过程进行了示例性说明,下面对数据缺失检测的相关内容进行示例性说明。
在本申请的一些实施方式中,车辆或服务器完成数据整理后,对整理后的数据进行缺失检测,以判断是否存在数据缺失、存在缺失的数据项以及缺失的数据的数量等。
作为一个示例,由于在数据完整的情况下车辆操作数据和车辆状态数据是一一对应的,车辆或服务器在数据整理过程中将车辆操作数据和车辆状态数据对齐后,若检测到某一时刻存在车辆操作数据但不存在与其对应的车辆状态数据,则可确定该时刻的车辆状态数据缺失。同理,车辆或服务器若检测到某一时刻存在车辆状态数据但不存在与其对应的车辆操作数据,则可确定该时刻的车辆操作数据缺失。车辆或服务器通过上述方式对车辆采集的所有数据进行缺失检测后,即可确定出存在缺失的数据项和缺失的数据的数量。可选择的,为了方便后续进行补全操作的过程中锁定需要补全的数据,可在对缺失检测的过程中,记录存在数据缺失的数据项和各数据项中缺失的数据的数量。
应该理解的是,在未背离本申请的教导的情况下,车辆或服务器也可以通过其他方式检测数据是否缺失、存在缺失的数据项以及缺失的数据的数量,例如,基于同一数据项中各个数据之间的采集间隔是否规律来判断数据是否缺失,本申请对检测数据缺失的方式不作限制。
在本申请的一些实施方式中,车辆或服务器可在确定车辆操作数据和/或车辆状态数据存在缺失后,基于预定义的补全可行性分析规则进行补全可行性分析,并在分析结果指示进行补全操作,进行数据补全操作,可减少由于数据缺失过多等情况下补全意义不大的问题,进而减少了计算资源的消耗。
为了便于理解,下面对可定义的补全可行性分析规则的进行示例性说明。
实施例1
在本申请的一些实施方式中,预定义的补全可行性分析规则指示至少基于以下操作进行补全可行性分析:响应于车辆周围的环境数据的缺失率小于环境缺失率阈值,确定分析结果指示进行补全操作。示例地,由于车辆采集上述数据的目的在于构建反应用户操作的车辆操作数据模型以便用户进行驾驶技巧分享或便于自动驾驶车辆完善自动驾驶,而一些用户操作是针对特定环境录制的,故一些车辆操作数据模型是基于特定环境建立的。因此,一些情况下,若车辆周围的环境是较为重要的因素。若车辆周围的环境相关的数据项存在缺失或缺失率较高,即使车辆操作数据和车辆状态数据完整且能够建立相关的车辆操作数据模型,由于无法确定数据模型是在哪种场景下的应用,该车辆数据模型的利用率较低。因此,车辆或服务器可以在确定车辆周围的环境相关的数据项缺失率较高的情况下,确定分析结果指示不进行补全操作,且不进行后续的构建车辆操作数据模型的操作,以减少计算资源消耗。
实施例2
在本申请的一些实施方式中,预定义的补全可行性分析规则可指示至少基于以下操作对车辆操作数据和车辆状态数据进行补全可行性分析:确定存在数据的数据项的缺失率;响应于存在数据的数据项的缺失率符合数据补全要求,确定分析结果指示进行补全操作。其中,数据补全要求包括以下至少之一:所有存在数据缺失的数据项的缺失率的和小于总缺失率阈值;各存在数据缺失的数据项的缺失率和该数据项的关联数据项的缺失率的和小于关联数据缺失率阈值。
下面结合数据补全要求的具体内容对实施例2中车辆或服务器进行补全可行性分析的过程进行示例性说明。
作为一个示例,数据补全要求包括所有存在数据缺失的数据项的缺失率的和小于总缺失率阈值。换言之,车辆或服务器基于车辆操作数据和车辆状态数据的总缺失率进行补全可行性分析。示例地,车辆或服务器判断车辆操作数据和车辆状态数据的总缺失率是否小于预定义的总缺失率阈值;若本次采集的车辆操作数据和车辆状态数据的总缺失率小于总缺失率阈值,确定分析结果指示进行补全操作,若本次采集的车辆操作数据和车辆状态数据的总缺失率大于等于总缺失率阈值,说明数据缺失率较高,补全意义不大,即使进行补全操作也需要消耗大量的计算资源,效率低,分析结果指示不直接进行后续关于数据补全的操作。
作为另一示例,数据补全要求包括各存在数据缺失的数据项的缺失率和该数据项的关联数据项的缺失率的和小于关联数据缺失率阈值。换言之,车辆或服务器基于存在缺失的数据项的缺失率和该存在缺失的数据项的关联数据项的缺失率进行补全可行性分析。由于本申请的实施方式中需要基于关联数据项进行数据补全,相关联的数据项的总缺失率对数据补全效果存在一些影响,车辆或服务器在确定相关联的数据项的总缺失率较小后再进行数据补全,可为补全效果提供保障。
示例地,车辆或服务器针对存在缺失的数据项,判断该存在缺失的数据项的缺失率和该存在缺失的数据项的关联数据项的缺失率的和是否小于关联数据缺失率阈值,若所有存在缺失的数据项的缺失率和该存在缺失的数据项的关联数据项的缺失率的和小于关联数据缺失率阈值,确定分析结果指示进行补全操作,若任一存在缺失的数据项的缺失率和该存在缺失的数据项的关联数据项的缺失率的和大于等于关联数据缺失率阈值,分析结果指示不直接进行后续关于数据补全的操作。
作为又一示例,数据补全要求包括所有存在数据缺失的数据项的缺失率的和小于总缺失率阈值,以及各存在数据缺失的数据项的缺失率和该存在数据缺失的数据项的关联数据项的缺失率的和小于关联数据缺失率阈值。换言之,车辆或服务器通过判断车辆操作数据和车辆状态数据的总缺失率是否小于总缺失率阈值,以及判断相关联的数据项的缺失率的和是否小于关联数据缺失率阈值的方式,进行补全可行性分析。示例地,车辆或服务器在车辆操作数据和车辆状态数据的总缺失率小于总缺失率阈值,且相关联的数据项的缺失率的和小于关联数据缺失率阈值的情况下,分析结果指示进行补全操作,否则,分析结果指示不直接进行补全操作。
应当理解的是,在未背离本申请教导的情况下,车辆或服务器还可以基于其他因素对补全可行性进行分析。本申请对补全可行性分析规则不作限制。
应当理解的是,在未背离本申请教导的情况下,可根据用户需求指定车辆或服务器在分析结果指示不直接进行补全操作的情况下执行的操作。例如,车辆或服务器在分析结果指示不直接进行补全操作后,可通过车辆或车辆绑定的移动终端提醒用户本次录制过程中缺失的数据较多,建议重新录制。又如,车辆或服务器在分析结果指示不直接进行补全操作后,可通过车辆或车辆绑定的移动终端提醒用户本次录制过程中缺失的数据较多,补全操作将占据较大的计算资源,提醒用户确认是否进行补全操作。再如,车辆或服务器在分析结果指示不直接进行补全操作后,可通过车辆或车辆绑定的移动终端提醒用户本次录制过程中缺失的数据较多,并根据存在数据缺失的数据项提醒用户对车辆部件进行检修。本申请对采集的数据缺失较多的情况下车辆或服务器执行的操作不作限制。
在本申请的一些实施方式中,车辆或服务器可以以秒为帧数单位计数,分析各数据项的计数时长和开始录制到结束录制这段时间内的总计数时长的百分比来确定缺失率。例如,各数据项的缺失率=(1-该数据项的计数时长/总计数时长)*100%,总缺失率=各数据项的缺失率的和。
应当理解的是,在未背离本申请教导的情况下,本领域技术人员还可以基于其他依据计算缺失率,本申请对此不作限制。
为了便于理解,下面以数据补全要求包括所有存在数据缺失的数据项的缺失率的和小于总缺失率阈值,以及各存在数据缺失的数据项的缺失率和该存在数据缺失的数据项的关联数据项的缺失率的和小于关联数据缺失率阈值为例,对车辆或服务器补全可行性分析过程进行示例性说明。
示例地,车辆操作数据包括方向盘数据、脚刹数据、油门数据、手刹数据和离合数据,车辆状态数据包括转向系统数据、减速系统数据、加速系统数据、驻车系统数据、变速系统数据。本次驾驶操作录制过程中,从开始录制到结束录制的总计数时长为S,方向盘数据的计数时长为S1,脚刹数据的计数时长为S2,油门数据的计数时长为S3,手刹数据的计数时长为S4,离合数据的计数时长为S5(若车辆为自动挡可没有该数据项),转向系统数据的计数时长为T1,减速系统数据的计数时长为T2,加速系统数据的计数时长为T3,驻车系统数据的计数时长为T4,变速系统数据的计数时长为T5。上述数据项的关联关系如表1所示。
表1
车辆操作数据 | 车辆状态数据 |
方向盘数据 | 转向系统数据 |
脚刹数据 | 减速系统数据 |
油门数据 | 加速系统数据 |
手刹数据 | 驻车系统数据 |
离合数据 | 变速系统数据 |
上述数据项的缺失率分别为:方向盘数据的缺失率AS1=(1-S1/S)*100%;脚刹数据的缺失率AS2=(1-S2/S)*100%;油门数据的缺失率AS3=(1-S3/S)*100%;手刹数据的缺失率AS4=(1-S4/S)*100%;离合数据的缺失率AS5=(1-S5/S)*100%;转向系统数据的缺失率AT1=(1-T1/S)*100%;减速系统数据的缺失率AT2=(1-T2/S)*100%;加速系统数据的缺失率AT3=(1-T3/S)*100%;驻车系统数据的缺失率AT4=(1-T4/S)*100%;变速系统数据的缺失率AT5=(1-T5/S)*100%;以及总缺失率A0=(AS1+AS2+...+AT5)*100%。
车辆或服务器判断A0是否小于预定义的总缺失率阈值(例如,40%),若确定A0小于总缺失率阈值,判断表1中的每对相关联的数据项的缺失率的和是否小于关联数据缺失率阈值(例如,20%),若确定A0大于等于总缺失率阈值,分析结果指示不直接进行补全操作。在判断每对相关联的数据项的缺失率的和的过程中,若每对相关联的数据项的缺失率的和均小于关联数据缺失率阈值,分析结果指示进行补全操作,否则,分析结果指示不直接进行补全操作。例如,关联数据缺失率阈值为20%,方向盘数据与转向系统数据为对应关联数据,计算(AS1+AT1)*100%,若(AS1+AT1)*100%超过20%,则认为数据缺失率较高,不直接进行补全操作,若(AS1+AT1)*100%不超过20%,且其他关联的数据项的缺失率的和也不超过20%,则进行补全操作。
应当理解的是,在未背离本申请教导的情况下,可根据用户或服务商对补全效果的要求等,对本文中提及的各类阈值进行赋值,本申请对此不作限制。
上面对数据缺失检测的过程进行了示例性说明,下面对数据补全过程进行示例性说明。
在本申请的一些实施方式中,车辆或服务器在确定进行补全操作后,针对各个存在缺失的数据项进行补全操作。示例地,在一次补全操作中,车辆或服务器现确定本次补全操作中需要补全的第一数据项和与第一数据项关联的第二数据项,并利用第二数据项完成对第一数据项的补全操作。在完成本次补全操作后,判断是否还存在需要补全的数据项,若确定存在,将剩余的需要补全的数据项中的任意一个作为第一数据项以进行下一次补全操作,直至不存在需要补全的数据项。示例地,车辆或服务器利用第二数据项完成对第一数据项的补全操作的方式包括但不限于方式一和方式二。
方式一
在本申请的一些实施方式中,车辆或服务器将第二数据项输入表征车辆操作数据和车辆状态数据的约束关系的第一预测模型,并根据第一预测模型的输出对第一数据项进行补全。示例地,车辆或服务器中预存有第一预测模型,该第一预测模型可以基于车辆操作数据预测车辆状态数据,也可以基于车辆状态数据预测车辆操作数据。应当理解的是,基于车辆操作数据预测车辆状态数据的功能和基于车辆状态数据预测车辆操作数据的功能可通过第一预测模型中的两个子模型分别实现,此处不作限制。车辆或服务器将第二数据项作为第一预测模型的输入层,即可预测与第二数据项相关联的第一数据项的值。
应当理解的是,在未背离本申请教导的情况下,第一预测模型可以是针对所有车辆操作数据和车辆状态数据的预测模型,即针对不同的第一数据项进行补全操作的过程中调用同一第一预测模型,也可以是针对第一数据项的预测模型,即针对不同的第一数据项进行补全操作的过程中调用各自对应的第一预测模型。本申请对此不作限制。
应当理解的是,在未背离本申请教导的情况下,训练第一预测模型的过程中所使用的训练集可以是与本车辆相同型号的所有车辆的车辆操作数据和车辆状态数据,也可以是本车辆的车辆操作数据和车辆状态数据,还可以是本次驾驶过程中采集的车辆操作数据和车辆状态数据,本申请第一预测模型的训练过程不作限制。
方式二
在本申请的一些实施方式中,车辆或服务器利用第二数据项完成对第一数据项的补全操作的过程中,可依据第二数据项是否缺失而采取不同的补全操作。
作为一个示例,图2是根据本申请的一些实施方式中利用第二数据项对第一数据项的补全操作的流程示意图。如图2所示,步骤S13包括以下子步骤。
S131,判断第二数据项是否存在缺失。若确定第二数据项不存在缺失,执行步骤S132,否则,执行步骤S133。
S132,将第二数据项输入第一预测模型,并根据第一预测模型的输出对第一数据项进行补全。之后结束第一数据项的补全操作。其中,第一预测模型表征车辆操作数据和车辆状态数据的约束关系。需要说明的是,步骤S132的执行过程可参考方式一中的相关描述,此处不做赘述。
S133,将第一数据项和第二数据项中的一个作为模拟数据项,另一个作为校验数据项。
作为一种选择,车辆或服务器可根据第二数据项的缺失率和第一数据项的缺失率的大小关系确定模拟数据项和校验数据项。示例地,车辆或服务器响应于第二数据项的缺失率小于第一数据项的缺失率,将第二数据项作为模拟数据项,并将第一数据项作为校验数据项;响应于第二数据项的缺失率大于等于第一数据项的缺失率,将第二数据项作为校验数据项,并将第一数据项作为模拟数据项。对缺失率较小的数据项进行模拟,可减少需要模拟的数据量,提高效率和准确率。
应当理解的是,在未背离本申请教导的情况下,还可以基于其他原则确定第一数据项和第二数据项中的模拟数据项和校验数据项。例如,车辆或服务器将第一数据项和第二数据项中属于车辆操作数据的数据项作为模拟数据项,属于车辆状态数据的数据项作为校验数据项。考虑到一个车辆状态数据的改变可能与多个车辆操作数据有关,将属于车辆操作数据的数据项作为模拟数据项可降低预测难度,提高预测准确度。本申请对此不作限制。
S134,确定模拟数据项中缺失的数据的模拟值和校验数据项的预测值。示例地,车辆或服务器基于模拟数据项的模拟值和模拟数据项的实际值确定校验数据项的预测值。其中,模拟值是指车辆或服务器通过计算机程序模拟的数值,实际值是指车辆实际采集的数值,预测值是指车辆或服务器基于模拟数据项预测的数值。
作为一个示例,车辆或服务器确定模拟数据项中缺失的数据的模拟值的方式包括但不限于方式1、方式2和方式3。
方式1
在本申请的一些实施方式中,车辆或服务器随机生成模拟数据项中缺失的数据的模拟值。示例地,车辆或服务器可通过贝叶斯分析算法或随机森林算法等对模拟数据项中的实际值(即车辆实际采集的数据)进行分析,以确定模拟数据项中缺失的数据的随机值(即模拟值)。应当理解的是,随机算法可根据需要选择,本申请对此不作限制。
方式2
在本申请的一些实施方式中,车辆或服务器根据预存储的车辆操作数据模型确定模拟数据项中缺失的数据的模拟值。其中,车辆操作数据模型指示车辆操作数据模型对应的驾驶操作过程中产生的车辆操作数据和车辆状态数据。在一些示例中,车辆或服务器中预先存储有基于该用户或其他用户在一些特定场景下的驾驶操作生成的车辆操作数据模型。车辆或服务器可从预存的车辆驾驶操作模型中选择与用户当前的驾驶操作相似的车辆操作数据模型,并根据选择出的车辆驾驶操作数据模型确定模拟数据项中缺失的数据的模拟值。
示例地,用户当前的驾驶操作是倒车操作,模拟数据项为方向盘数据,车辆或服务器可基于预先存储的与倒车操作相关的车辆操作数据模型中的方向盘数据确定模拟值。例如,车辆或服务器可从所有的与倒车操作相关的车辆操作数据模型中,筛选出方向盘数据与本次采集的方向盘数据最相似的车辆操作数据模型,并基于筛选出的车辆操作数据模型确定该模拟数据项中缺失的数据的模拟值。其中,车辆或服务器基于筛选出的车辆操作数据模型确定该模拟数据项中缺失的数据的模拟值的方式可根据需要选择。例如,若各个车辆操作数据中各数据的时间戳的标定方式相同,如从用户实际开始操作时刻开始标定各数据的时间戳(即将实际开始操作时刻对应的数据的时间戳标定为0:00),车辆或服务器可将车辆操作数据模型中与模拟数据项中缺失的数据对应的时间戳相同的方向盘数据作为模拟值。又如,车辆或服务器在车辆操作数据模型的方向盘数据中查找与模拟数据项中缺失的数据前后文的相似度最大的数据段,基于该数据段确定模拟值,如将该数据段中位于中间的数据值作为模拟值。
应当理解的是,在未背离本申请教导的情况下,基于筛选出的车辆操作数据模型确定该模拟数据项中缺失的数据的模拟值的方式可根据需要调整,本申请对此不作限制。
方式3
在本申请的一些实施方式中,车辆或服务器根据用户驾驶过程中的车辆视频数据确定模拟数据项中缺失的数据的模拟值。示例地,若步骤S11中分析的车辆操作数据和车辆状态数据不是从车辆视频数据中分析得到的数据,车辆或服务器还可基于车辆采集的车辆视频数据来确定缺失的数据的模拟值。具体地,由于在前期数据处理过程中,车辆或服务器已经将各类型的数据对齐,在本步骤中,车辆或服务器可确定车辆内部的视频图像或车辆外部的视频图像中与缺失的数据对应的视频帧。车辆或服务器对确定出的视频帧进行图像分析,确以确定模拟数据项的模拟值。例如,模拟数据项是方向盘数据,若车辆上具有反应方向盘转动圈数的标识,车辆或服务器可识别视频帧中的标识以确定方向盘数据,若车辆上不具有该标识或该标识失效,车辆或服务器可识别该视频帧中用户动作(例如将方向盘左转或将方向盘右转),基于识别出的用户动作和缺失的数据的前后文,确定缺失的数据的模拟值。
应当理解的是,在未背离本申请教导的情况下,还可以基于其他方式模拟模拟数据项中缺失的数据,本申请对此不作限制。
作为一个示例,基于模拟数据项的模拟值和模拟数据项的实际值确定校验数据项的预测值可包括:将模拟数据项的模拟值和模拟数据项的实际值输入至少表征模拟数据项和校验数据项的约束关系的第二预测模型;根据第二预测模型的输出确定校验数据项的预测值。
应当理解的是,在未背离本申请教导的情况下,第二预测模型可通过模拟数据项的实际值和校验数据项的实际值训练得到,也可基于所有的车辆状态数据和车辆操作数据训练得到,本申请对此不作限制。
S135,判断校验数据项的预测值与校验数据项的实际值是否匹配。若两者不匹配,执行步骤S136,若确定两者匹配,执行步骤S137。
作为一个示例,车辆或服务器可通过相似度算法计算校验数据项的预测值与校验数据项的实际值的相似度,根据相似度的大小确定两者是否匹配。例如,若相似度大于等于95%,则确定两者匹配,若相似度小于95%,则确定两者不匹配。
应当理解的是,在未背离本申请教导的情况下,可以根据需要选择相似度算法,例如,可选择余弦相似度算法、杰卡德相似度算法等,本申请对此不作限制。
S136,调整模拟数据项的模拟值,并基于调整后的模拟值重新确定校验数据项的预测值。之后执行步骤S135,直至校验数据项的预测值与校验数据项的实际值匹配。
作为一个示例,车辆或服务器可根据模拟数据项的可选值对模拟值进行调整。例如,模拟数据项为方向盘数据,其不同的值分别指示方向盘左转一圈半、左转一圈、左转半圈、回正、右转半圈、右转一圈和右转一圈半,在步骤S136中,先判断步骤S134中的方向盘数据的模拟值是否是端点值(即指示方向盘左转一圈半的值和指示方向盘右转一圈半的值),若确定是,将模拟值依次调整为该端点值到另一端点值之间的值,直至在步骤S135中计算的相似度达到要求。若确定不是,可先任意选择一个调整方向,并根据基于调整后的模拟值得到的相似度大小的变化锁定后续调整方向。例如,步骤S134中得到的方向盘数据的模拟值指示方向盘左转半圈,则在步骤S136,先将其调整至指示方向盘左转一圈,若调整后的相似度高于调整前的相似度,但仍未达到步骤S135的要求,继续朝增加方向盘左转圈数的方向调整,若调整后的相似度低于等于调整前的相似度,朝减少方向盘左转圈数的方向调整。
应当理解的是,在未背离本申请教导的情况下,可根据其他方式确定模拟值的调整策略,本申请对此不作限制。
S137,利用模拟数据项的模拟值对模拟数据项进行补全,利用校验数据项的预测值对校验数据项进行补全。
示例地,车辆或服务器将模拟数据项的各个模拟值相应的填充至模拟数据项的实际值中,将校验数据项的预测值相应的填充至校验数据项的实际值中。
在本申请的一些实施方式中,车辆或服务器在逐项完成各个需要补全的数据项的补全操作后,可对补全的数据进行整体性校验。示例地,车辆或服务器将补全后的车辆操作数据输入第一预测模型,并根据第一预测模型的输出确定车辆状态数据的预测值;响应于车辆状态数据的预测值与车辆状态数据的实际值不匹配,对车辆操作数据或车辆状态数据中被补全的数据进行调整,直至车辆状态数据的预测值与车辆状态数据的实际值匹配;响应于车辆状态数据的预测值与车辆状态数据的实际值匹配,结束补全操作。其中,判断车辆状态数据的预测值与车辆状态数据的实际值是否匹配的过程可参考判断校验数据项的预测值与校验数据项的实际值是否匹配的过程的相关描述,此处不做赘述。
作为一个示例,车辆或服务器在步骤S135中,若确定校验数据项的预测值与校验数据项的实际值匹配,可记录校验数据项的预测值和校验数据项的实际值的匹配度,以作为整体性校验过程中确定被补全的数据中需要调整的数据的依据。其中,校验数据项的预测值和校验数据项的实际值的匹配度可以是上文提及的校验数据项的预测值和校验数据项的实际值的相似度。示例地,车辆或服务器对车辆操作数据或车辆状态数据中被补全的数据进行调整的过程可包括:确定在各第一数据项的补全操作中记录的匹配度中的最小值;对最小值对应的第一数据项和第二数据项中补全的数据进行调整。应当理解的是,补全的数据调整的过程可参考模拟值调整过程的相关描述,此处不做赘述。
在本申请的一些实施方式中,车辆或服务器在完成对所有的需要补全的第一数据项的补全操作后,利用补全后的车辆操作数据和车辆状态数据构建反应用户操作的车辆操作数据模型,以用于驾驶技巧分享或自动驾驶。
作为一个示例,车辆或服务器可基于车辆操作数据、车辆状态数据和车辆周围的环境数据构建车辆操作数据模型以形成虚拟视频图像,以便用户驾驶技巧分享。示例地,车辆或服务器中构建有虚拟视频图像模板,在形成虚拟视频图像时,可基于车辆操作数据模型调整该虚拟视频图像模板以形成虚拟视频图像。
例如,图3A和图3B示出了根据本申请示例性实施方式的虚拟视频图像的效果图。在图3A中的虚拟视频图像中包含方向盘、离合、刹车、油门以及档位等信息,还包含了从后视镜和前挡风玻璃看到的周边环境。而图3B中的虚拟视频图像中还包含了常规仪表例如车速里程表、转速表等。该虚拟视频图像中每一视频帧内的上述信息的值或图样是基于车辆操作数据模型中的数据确定的。应当理解的是,虚拟视频图像中还可以示出机油压力表、水温表、燃油表、充电表等,本申请不限制虚拟视频图像中的内容,用户可以根据实际情况进行设置。
可选择的,车辆或服务器还可以将车辆的虚拟视频图像、车辆内部的视频图像、车辆外部的视频图像按照采集时间点相对应的方式合成为多路分屏视频。该多路分屏视频可保存在服务器中。当某一驾驶员希望学习该多路分屏视频中的驾驶技巧时,从服务器下载该多路分屏视频至自己的车辆。该车辆播放该多路分屏视频,以在同一时间点内同时播放车辆内部的视频图像(即用户操作视频)、车辆外部的视频图像(即车辆周围的环境视频和/或车辆状态视频)和虚拟视频图像。
示例地,车辆接收到多路分屏视频后,先判断该车辆的显示屏数量和多路分屏视频中的需要同时播放的视频图像(例如此实施例中为3)的数量的关系,以合理调用车辆的显示屏。具体地,若该车辆的显示屏数量大于等于多路分屏视频中的需要同时播放的视频图像的数量,车辆可在解析出多路分屏视频中各个视频图像的数据流后,将各个视频图像的数据流分别传输至不同的显示屏上。若该车辆的显示屏数量小于多路分屏视频中的需要同时播放的视频图像的数量,可将多路分屏视频中的需要同时播放的视频图像分别显示于同一显示屏的不同显示区域,或者是,将多路分屏视频中的需要同时播放的视频图像分配至不同的显示屏,若某一显示屏分配到的视频图像数量大于1,则将分配到的视频图像显示于该显示屏的不同显示区域。
可选择的,车辆或服务器可基于多路分屏视频的内容,为多路分屏视频增加机器语音解说和/或文字说明。示例性地,机器语音解说或文字说明可包括车辆的方向盘数据、油门数据、刹车数据、手刹数据等。
作为另一示例,一个或多个特定场景下的车辆操作数据模型被用于自动驾驶车辆的自动驾驶学习,使得自动驾驶车辆具备在相同或相似的特定场景下的自动驾驶功能。
为了便于理解,下面结合用户在一特定场景开启驾驶操作录制后车辆或服务器执行的操作进行示例性说明。
示例地,车主A取车时发现前后车辆停车距离非常狭小,很难通过常规方式将车辆A开出去,但是这对车主A来说不是什么困难,他想分享一下该场景下的驾驶技巧,开启了车辆A上的驾驶分享功能。车辆A在检测到用户开启驾驶分享功能后,触发驾驶操作录制请求,实时记录车主A操作行为下的车辆操作数据、车辆状态数据、车辆A内部的视频图像、车辆A外部的视频图像和车辆A周围的环境数据等,并将记录的数据打包发送至服务器。然而,由于车辆A的发动机传感器失灵,造成记录的与发动机相关的数据项不完整,缺失部分数据。服务端解析车辆A打包的数据后,对解析得到的数据进行处理。在处理过程中,服务器检测到与发动机相关的数据项存在数据缺失,通过本实施方式中提及的数据补全操作对该数据项进行补全,并利用补全后的数据构建车辆操作数据模型。可选择的,服务器保存该车辆操作数据模型,并可在指定的平台上发布消息(文本消息或视频消息),消息的标题可以是关于该车辆操作数据模型对应的特定场景的简要说明。该简要说明可以是用户输入的,也可以是服务器对车辆A发送的数据进行应用场景识别得到。其中,应用场景识别的方式可根据需要选择,例如,通过应用场景识别模型对数据中的车辆A外部的视频图像中的特定视频帧(例如第一帧视频帧)进行应用场景识别,以确定该车辆操作数据模型对应于预定的几种应用场景中的哪一种。车主B在车辆B或移动终端B上登录该指定的平台后看到了服务器发布的消息,通过车辆B或移动终端B向服务器发起人工驾驶学习请求。服务器接收到该人工驾驶学习请求后,可将基于该车辆操作数据模型生成的虚拟视频图像或多路投屏视频传输至车辆B或移动终端B,以便车主B学习该驾驶技巧。车主C在车辆C或移动终端C登录该指定的平台后也看到了服务器发布的消息,并通过车辆C或移动终端C向服务器发起自动驾驶学习请求。其中,车辆C和移动终端C绑定。服务器在接收到该自动驾驶学习请求后,可将该车辆操作数据模型发送至车辆C,以丰富车辆C的自动驾驶学习数据库,提高自动驾驶能力。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本申请的一个实施方式还提供了一种电子设备,该电子设备包括至少一个处理器以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述数据补全方法。其中,电子设备可以是车辆或服务器。
本申请的一个实施方式还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序被处理器执行时,实现数据补全方法。
图4示出了可以用来实施本申请的实施方式的示例电子设备400的示意性框图。电子设备400旨在表示各种形式的车载设备,例如车机。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/或者要求的本申请的实现。
如图4所示,电子设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储电子设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
电子设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如,车辆的触控屏等;输出单元407,与例如各种类型的显示器、扬声器等连接,以输出各种形式的信号;存储单元408,包括用于存储计算机可执行程序的任意媒介;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许电子设备400通过诸如局域网或其它无线通信网络与其他设备交换信息/数据。
计算单元401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401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401执行上文所描述的各个方法和处理,例如数据补全方法。例如,在一些实施方式中,数据补全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408。在一些实施方式中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到电子设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的数据补全方法的一个或多个步骤。备选地,在其他实施方式中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行数据补全方法。
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、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。
用于实施本申请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。
在本申请的上下文中,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。
以上描述仅为本申请的实施方式以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的保护范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离技术构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种数据补全方法,其特征在于,包括:
对用户驾驶过程中产生的车辆操作数据和车辆状态数据进行缺失检测,其中,所述车辆操作数据中的各操作数据项与所述车辆状态数据中的、受所述操作数据项所对应的操作影响的状态数据项相关联;
响应于检测到所述车辆操作数据和/或所述车辆状态数据存在数据缺失,确定所述车辆操作数据或所述车辆状态数据中需要补全的第一数据项,以及与所述第一数据项关联的第二数据项;
利用所述第二数据项完成对所述第一数据项的补全操作。
2.根据权利要求1所述的方法,其中,所述利用所述第二数据项完成对所述第一数据项的补全操作包括:
响应于所述第二数据项不存在缺失,将所述第二数据项输入表征所述车辆操作数据和所述车辆状态数据的约束关系的第一预测模型,并根据第一预测模型的输出对所述第一数据项进行补全。
3.根据权利要求1所述的方法,其中,所述利用所述第二数据项完成对所述第一数据项的补全操作包括:
响应于所述第二数据项存在缺失,将所述第一数据项和所述第二数据项中的一个作为模拟数据项,另一个作为校验数据项;
确定所述模拟数据项中缺失的数据的模拟值,并基于所述模拟数据项的模拟值和所述模拟数据项的实际值确定所述校验数据项的预测值;
响应于所述校验数据项的预测值与所述校验数据项的实际值不匹配,调整所述模拟数据项的模拟值,并基于调整后的模拟值重新确定所述校验数据项的预测值,直至所述校验数据项的预测值与所述校验数据项的实际值匹配;以及
响应于所述校验数据项的预测值与所述校验数据项的实际值匹配,利用所述模拟数据项的模拟值对所述模拟数据项进行补全,利用所述校验数据项的预测值对所述校验数据项进行补全。
4.根据权利要求3所述的方法,其中,所述将所述第一数据项和所述第二数据项中的一个作为模拟数据项,另一个作为校验数据项包括:
响应于所述第二数据项的缺失率小于所述第一数据项的缺失率,将所述第二数据项作为所述模拟数据项,并将所述第一数据项作为所述校验数据项;或者,
响应于所述第二数据项的缺失率大于等于所述第一数据项的缺失率,将所述第二数据项作为所述校验数据项,并将所述第一数据项作为所述模拟数据项。
5.根据权利要求3所述的方法,其中,所述确定所述模拟数据项中缺失的数据的模拟值包括:
随机生成所述模拟数据项中缺失的数据的模拟值;或者,
根据预存储的车辆操作数据模型确定所述模拟数据项中缺失的数据的模拟值,所述车辆操作数据模型指示所述车辆操作数据模型对应的驾驶操作过程中产生的车辆操作数据和车辆状态数据;或者,
根据所述用户驾驶过程中的车辆视频数据确定所述模拟数据项中缺失的数据的模拟值。
6.根据权利要求3所述的方法,其中,所述基于所述模拟数据项的模拟值和所述模拟数据项的实际值确定所述校验数据项的预测值包括:
将所述模拟数据项的模拟值和所述模拟数据项的实际值输入至少表征所述模拟数据项和所述校验数据项的约束关系的第二预测模型;以及
根据所述第二预测模型的输出确定所述校验数据项的预测值。
7.根据权利要求1至6中任一项所述的数据补全方法,其中,所述响应于检测到所述车辆操作数据和/或所述车辆状态数据存在数据缺失,确定所述车辆操作数据或所述车辆状态数据中需要补全的第一数据项,以及与所述第一数据项关联的第二数据项包括:
响应于检测到所述车辆操作数据和/或所述车辆状态数据存在数据缺失,基于预定义的补全可行性分析规则进行补全可行性分析;以及,
响应于分析结果指示进行补全操作,确定所述车辆操作数据或所述车辆状态数据中需要补全的第一数据项,以及与所述第一数据项关联的第二数据项。
8.根据权利要求7所述的数据补全方法,其中,所述预定义的补全可行性分析规则指示至少基于以下操作对所述车辆操作数据和所述车辆状态数据进行补全可行性分析:
确定存在数据的数据项的缺失率;以及
响应于所述存在数据的数据项的缺失率符合数据补全要求,确定所述分析结果指示进行补全操作;
其中,所述数据补全要求包括以下至少之一:
所有所述存在数据缺失的数据项的缺失率的和小于总缺失率阈值;
各所述存在数据缺失的数据项的缺失率和所述存在数据缺失的数据项的关联数据项的缺失率的和小于关联数据缺失率阈值。
9.根据权利要求7所述的数据补全方法,其中,所述方法还包括:
获取所述用户驾驶过程中所述车辆周围的环境数据以确定所述车辆操作数据和所述车辆状态数据对应的驾驶场景;
其中,所述预定义的补全可行性分析规则指示至少基于以下操作进行补全可行性分析:
响应于所述车辆周围的环境数据的缺失率小于环境缺失率阈值,确定所述分析结果指示进行补全操作。
10.根据权利要求3所述的数据补全方法,其中,所述方法还包括:
响应于完成对所有的所述需要补全的第一数据项的补全操作,将补全后的车辆操作数据输入表征所述车辆操作数据和所述车辆状态数据的约束关系的第一预测模型,并根据第一预测模型的输出确定所述车辆状态数据的预测值;以及
响应于所述车辆状态数据的预测值与所述车辆状态数据的实际值不匹配,对所述车辆操作数据或所述车辆状态数据中被补全的数据进行调整,直至所述车辆状态数据的预测值与所述车辆状态数据的实际值匹配。
11.根据权利要求10所述的方法,其中,所述方法还包括:
响应于所述校验数据项的预测值与所述校验数据项的实际值匹配,记录所述校验数据项的预测值和所述校验数据项的实际值的匹配度;
其中,所述对所述车辆操作数据或所述车辆状态数据中被补全的数据进行调整包括:
确定在各所述第一数据项的补全操作中记录的匹配度中的最小值;以及
对所述最小值对应的第一数据项和第二数据项中补全的数据进行调整。
12.根据权利要求1所述的方法,其中,在所述对用户驾驶过程中产生的车辆操作数据和车辆状态数据进行缺失检测之前,所述方法还包括:
响应于接收到用户的驾驶操作录制请求,实时记录用户驾驶过程中产生的车辆操作数据和车辆状态数据;
在所述利用所述第二数据项完成对所述第一数据项的补全操作之后,所述方法还包括:
响应于完成对所有的所述需要补全的第一数据项的补全操作,利用补全后的车辆操作数据和车辆状态数据构建反应所述用户操作的车辆操作数据模型,以用于驾驶技巧分享或自动驾驶。
13.一种电子设备,其特征在于,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如权利要求1至12中任一项所述的数据补全方法。
14.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至12中任一项所述的数据补全方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211016476.5A CN117667903A (zh) | 2022-08-24 | 2022-08-24 | 数据补全方法、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211016476.5A CN117667903A (zh) | 2022-08-24 | 2022-08-24 | 数据补全方法、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117667903A true CN117667903A (zh) | 2024-03-08 |
Family
ID=90077388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211016476.5A Pending CN117667903A (zh) | 2022-08-24 | 2022-08-24 | 数据补全方法、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117667903A (zh) |
-
2022
- 2022-08-24 CN CN202211016476.5A patent/CN117667903A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10949672B1 (en) | Visual inspection support using extended reality | |
CN111483470B (zh) | 车辆交互系统、车辆交互方法、计算设备以及存储介质 | |
KR101984762B1 (ko) | 네트워크 플랫폼을 적용한 자율주행차량 시뮬레이터 | |
US12005922B2 (en) | Toward simulation of driver behavior in driving automation | |
FR3054684A1 (fr) | Systeme de pilotage d’un vehicule autonome | |
CN108985530A (zh) | 车辆危险行为管理方法及装置 | |
CN112233428B (zh) | 车流量预测方法、装置、存储介质及设备 | |
CN113423063A (zh) | 基于车载t-box的车辆监控方法、装置、车辆及介质 | |
JP2019032681A (ja) | デジタルサイネージ制御装置、デジタルサイネージ制御方法、プログラム、記録媒体 | |
Chen et al. | Comparisons of machine learning algorithms for driving behavior recognition using in-vehicle CAN bus data | |
KR20200134040A (ko) | 보험료를 산정하기 위하여 자율 주행 차량의 운전자 개입 여부를 판단하는 시스템 및 방법 | |
CN111199083A (zh) | 复现无人驾驶车辆事故数据的方法和装置 | |
CN117667903A (zh) | 数据补全方法、电子设备及可读存储介质 | |
CN115859219A (zh) | 多模态交互方法、装置、设备及存储介质 | |
CN117035142A (zh) | 车辆碰撞检测方法、装置、计算机设备和存储介质 | |
CN113085861A (zh) | 自动驾驶车辆的控制方法及装置、自动驾驶车辆 | |
CN112766149A (zh) | 吸烟检测方法、系统及计算机介质 | |
US20240221438A1 (en) | Data processing apparatus and non-transitory recording medium | |
US11734909B2 (en) | Machine learning | |
US20240248824A1 (en) | Tools for performance testing autonomous vehicle planners | |
US20240256419A1 (en) | Tools for performance testing autonomous vehicle planners | |
WO2022248694A1 (en) | Tools for performance testing autonomous vehicle planners. | |
CN116674576A (zh) | 基于行为预测的车辆控制方法和装置 | |
WO2022248692A1 (en) | Tools for performance testing autonomous vehicle planners | |
CN118229476A (zh) | 车辆事故的处理方法、装置和介质 |
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 |