CN118025201A - 自动驾驶系统数据处理的方法和装置 - Google Patents

Abstract

本申请实施例公开了一种自动驾驶系统数据处理的方法和装置，属于汽车技术领域。所述方法包括：将目标车辆由第一状态切换至第二状态的时间点，确定为数据统计起始时间点，将所述数据统计起始时间点之后所述目标车辆由所述第二状态切换至所述第一状态的时间点，确定为数据统计结束时间点，其中，所述第一状态是所述目标车辆处于停止或非自动驾驶的状态，所述第二状态是所述目标车辆处于行驶且自动驾驶的状态；获取所述数据统计起始时间点与所述数据统计结束时间点之间所述目标车辆的车辆行驶数据并进行处理。采用本申请实施例，可以提高数据处理的准确性。

Description

自动驾驶系统数据处理的方法和装置

技术领域

本申请涉及汽车技术领域，特别涉及一种自动驾驶系统数据处理的方法和装置。

背景技术

随着技术的发展，无人送货车已经开始被应用到实际生活中。无人送货车属于自动驾驶车辆，是通过自动驾驶算法来控制的。

车辆在正常行驶过程下(使用已经比较完备可靠的自动驾驶算法来控制车辆行驶)会采集车辆行驶数据，如速度、刹车值等。进而可以基于车辆行驶数据进行各类型的数据处理，例如，对自动驾驶算法进行测试。

发明内容

本申请实施例提供了一种自动驾驶系统数据处理的方法、装置、设备和存储介质，能够解决相关技术的问题。技术方案如下：

第一方面，提供了一种自动驾驶系统数据处理的方法，所述方法包括：

将目标车辆由第一状态切换至第二状态的时间点，确定为数据统计起始时间点，将所述数据统计起始时间点之后所述目标车辆由所述第二状态切换至所述第一状态的时间点，确定为数据统计结束时间点，其中，所述第一状态是所述目标车辆处于停止或非自动驾驶的状态，所述第二状态是所述目标车辆处于行驶且自动驾驶的状态；

获取所述数据统计起始时间点与所述数据统计结束时间点之间所述目标车辆的车辆行驶数据并进行处理。

在一种可能的实现方式中，所述将目标车辆由第一状态切换至第二状态的时间点，确定为数据统计起始时间点，将所述数据统计起始时间点之后所述目标车辆由所述第二状态切换至所述第一状态的时间点，确定为数据统计结束时间点，包括：

在目标车辆的运行时间段中，将所述目标车辆在自动驾驶状态下速度由0切换为非0的时间点，确定为第一类时间点，将所述目标车辆在自动驾驶状态下速度由非0切换为0的时间点，以及所述目标车辆由自动驾驶状态切换为非自动驾驶状态的时间点，确定为第二类时间点；

在目标车辆的运行时间段中，按时间由先至后的顺序，逐个获取所述第一类时间点，每获取一个第一类时间点，将获取的第一类时间点，确定为数据统计起始时间点，将获取的第一类时间点之后最近的第二类时间点，确定为所述数据统计起始时间点对应的数据统计结束时间点。

在一种可能的实现方式中，所述车辆行驶数据由多个检测时间点的数据单元组成，所述数据单元包括本车行驶数据、本车操作数据和环境数据中的至少一种。

在一种可能的实现方式中，所述车辆行驶数据由多个检测时间点的数据单元组成；

所述进行处理，包括：

对于所述多个检测时间点中的每个检测时间点，基于自动驾驶算法，对所述检测时间点对应的数据单元进行处理，以确定在所述检测时间点所述目标车辆的状态，其中，所述状态包括安全状态或非安全状态；

基于每个检测时间点所述目标车辆的状态，确定第一安全时间信息，其中，所述第一安全时间信息用于指示所述目标车辆处于安全状态的时间；

基于所述第一安全时间信息和基准安全时间信息，对所述自动驾驶算法进行测试。

在一种可能的实现方式中，所述基于所述第一安全时间信息和基准安全时间信息，对所述自动驾驶算法进行测试之前，所述方法还包括：

对于所述多个检测时间点中的每个检测时间点，获取所述检测时间点的数据单元中指定参数的取值，基于所述指定参数的取值，确定所述检测时间点的基准状态，其中，所述基准状态包括安全状态或非安全状态；

基于所述每个检测时间点的基准状态，确定所述基准安全时间信息。

在一种可能的实现方式中，所述基于所述指定参数的取值，确定所述检测时间点的基准状态，包括：

如果所述指定参数的取值未超出所述指定参数对应的预设安全值范围，则确定所述检测时间点的基准状态为安全状态，如果所述指定参数的取值超出所述指定参数对应的预设安全值范围，则确定所述检测时间点的基准状态为非安全状态。

在一种可能的实现方式中，所述基于所述指定参数的取值，确定所述检测时间点的基准状态，包括：

将所述指定参数的取值，输入安全性检测模型，得到所述检测时间点的基准状态。

在一种可能的实现方式中，所述数据单元中包括所述目标车辆向至少一个方向拍摄的图像，所述至少一个方向包括前方；

所述基于所述第一安全时间信息和基准安全时间信息，对所述自动驾驶算法进行测试之前，所述方法还包括：

基于各数据单元中所述目标车辆向至少一个方向拍摄的图像，进行视频播放；

响应于时间信息输入操作，获取输入的基准安全时间信息。

在一种可能的实现方式中，所述车辆行驶数据由多个检测时间点的数据单元组成；

所述获取所述数据统计起始时间点与所述数据统计结束时间点之间所述目标车辆的车辆行驶数据之后，所述方法还包括：

基于多个检测时间点的数据单元，确定所述数据统计起始时间点与所述数据统计结束时间点之间的至少一个紧急制动时间段；

对于每个紧急制动时间段，将检测时间在所述紧急制动时间段内的数据单元，输入紧急制动分析模型，得到所述紧急制动时间段对应的紧急制动原因信息。

在一种可能的实现方式中，其特征在于，所述非自动驾驶的状态为遥控状态。

第二方面，提供了一种自动驾驶系统数据处理的装置，所述装置包括：

确定模块，用于将目标车辆由第一状态切换至第二状态的时间点，确定为数据统计起始时间点，将所述数据统计起始时间点之后所述目标车辆由所述第二状态切换至所述第一状态的时间点，确定为数据统计结束时间点，其中，所述第一状态是所述目标车辆处于停止或非自动驾驶的状态，所述第二状态是所述目标车辆处于行驶且自动驾驶的状态；

处理模块，用于获取所述数据统计起始时间点与所述数据统计结束时间点之间所述目标车辆的车辆行驶数据并进行处理。

在一种可能的实现方式中，所述确定模块，用于：

在目标车辆的运行时间段中，将所述目标车辆在自动驾驶状态下速度由0切换为非0的时间点，确定为第一类时间点，将所述目标车辆在自动驾驶状态下速度由非0切换为0的时间点，以及所述目标车辆由自动驾驶状态切换为非自动驾驶状态的时间点，确定为第二类时间点；

在目标车辆的运行时间段中，按时间由先至后的顺序，逐个获取所述第一类时间点，每获取一个第一类时间点，将获取的第一类时间点，确定为数据统计起始时间点，将获取的第一类时间点之后最近的第二类时间点，确定为所述数据统计起始时间点对应的数据统计结束时间点。

在一种可能的实现方式中，所述车辆行驶数据由多个检测时间点的数据单元组成，所述数据单元包括本车行驶数据、本车操作数据和环境数据中的至少一种。

在一种可能的实现方式中，所述车辆行驶数据由多个检测时间点的数据单元组成；

所述处理模块，用于：

对于所述多个检测时间点中的每个检测时间点，基于自动驾驶算法，对所述检测时间点对应的数据单元进行处理，以确定在所述检测时间点所述目标车辆的状态，其中，所述状态包括安全状态或非安全状态；

基于每个检测时间点所述目标车辆的状态，确定第一安全时间信息，其中，所述第一安全时间信息用于指示所述目标车辆处于安全状态的时间；

基于所述第一安全时间信息和基准安全时间信息，对所述自动驾驶算法进行测试。

在一种可能的实现方式中，所述处理模块，还用于：

对于所述多个检测时间点中的每个检测时间点，获取所述检测时间点的数据单元中指定参数的取值，基于所述指定参数的取值，确定所述检测时间点的基准状态，其中，所述基准状态包括安全状态或非安全状态；

基于所述每个检测时间点的基准状态，确定所述基准安全时间信息。

在一种可能的实现方式中，所述处理模块，用于：

如果所述指定参数的取值未超出所述指定参数对应的预设安全值范围，则确定所述检测时间点的基准状态为安全状态，如果所述指定参数的取值超出所述指定参数对应的预设安全值范围，则确定所述检测时间点的基准状态为非安全状态。

在一种可能的实现方式中，所述处理模块，用于：

将所述指定参数的取值，输入安全性检测模型，得到所述检测时间点的基准状态。

在一种可能的实现方式中，所述数据单元中包括所述目标车辆向至少一个方向拍摄的图像，所述至少一个方向包括前方；

所述处理模块，还用于：

基于各数据单元中所述目标车辆向至少一个方向拍摄的图像，进行视频播放；

响应于时间信息输入操作，获取输入的基准安全时间信息。

在一种可能的实现方式中，所述车辆行驶数据由多个检测时间点的数据单元组成；

所述处理模块，还用于：

基于多个检测时间点的数据单元，确定所述数据统计起始时间点与所述数据统计结束时间点之间的至少一个紧急制动时间段；

对于每个紧急制动时间段，将检测时间在所述紧急制动时间段内的数据单元，输入紧急制动分析模型，得到所述紧急制动时间段对应的紧急制动原因信息。

在一种可能的实现方式中，其特征在于，所述非自动驾驶的状态为遥控状态。

第三方面，提供了一种计算机设备，计算机设备包括存储器和处理器，存储器用于存储计算机指令；处理器执行存储器存储的计算机指令，以使计算机设备执行第一方面及其可能的实现方式的方法。

第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序代码，响应于计算机程序代码被计算机设备执行，计算机设备执行第一方面及其可能的实现方式的方法。

第五方面，提供了一种计算机程序产品，计算机程序产品包括计算机程序代码，响应于计算机程序代码被计算机设备执行，计算机设备执行第一方面及其可能的实现方式的方法。

本申请的实施例提供的技术方案可以包括以下有益效果：

通过本申请实施例提供的方法，可以通过确定目标车辆由停止或非自动驾驶的状态切换至行驶且处于自动驾驶的状态的时间点，确定出数据统计起始时间点，将数据统计起始时间点之后目标车辆由行驶且处于自动驾驶的状态切换至停止或非自动驾驶的状态的时间点，确定为数据统计结束时间点。基于确定出的数据统计起始时间点和数据统计结束时间点，可以得到多个统计时间段的车辆行驶数据。这样确定出的车辆行驶数据不包括车辆在停止状态或非自动驾驶状态下产生的车辆行驶数据，可以排除停止状态或非自动驾驶状态的车辆行驶数据对后续的数据处理的影响，可以提高数据处理的准确性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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他的附图。

图1是本申请实施例提供的一种终端的结构示意图；

图2是本申请实施例提供的一种服务器的结构示意图；

图3是本申请实施例提供的一种自动驾驶系统数据处理方法的流程示意图；

图4是本申请实施例提供的一种自动驾驶系统数据处理方法的流程示意图；

图5是本申请实施例提供的一种基准安全时间信息和第一安全时间信息的对比的示意图；

图6是本申请实施例提供的一种自动驾驶系统数据处理方法的流程示意图；

图7是本申请实施例提供的一种基准安全时间信息相关界面的示意图；

图8是本申请实施例提供的一种自动驾驶系统数据处理方法的流程示意图；

图9是本申请实施例提供的一种基准安全时间信息相关界面的示意图；

图10是本申请实施例提供的一种自动驾驶系统数据处理方法的流程示意图；

图11是本申请实施例提供的一种自动驾驶系统数据处理装置的结构示意图；

图12是本申请实施例提供的一种计算机设备的结构示意图。

具体实施方式

本申请实施例提供了一种自动驾驶系统数据处理的方法，该方法用于筛选车辆行驶数据进行后续数据处理，常见的数据处理可以是使用车辆行驶数据测试自动驾驶算法的各项功能的实现程度，例如测试自动驾驶算法识别安全场景和危险场景的功能。该方法可以由计算机设备来实现，计算机设备可以是终端或服务器。终端可以是台式计算机、笔记本电脑等。

从硬件组成上来看，终端的结构可以如图1所示，包括处理器110、存储器120和显示部件130。

处理器110可以是CPU(central processing unit，中央处理器)或SoC(system onchip，系统级芯片)等，处理器210可以用于执行该方法涉及的各种指令等。

存储器120可以包括各种易失性存储器或非易失性存储器，如SSD(solid statedisk，固态硬盘)、DRAM(dynamic random access memory，动态随机存取存储器)内存等。存储器120可以用于存储获取车辆行驶数据过程中的预存数据、中间数据和结果数据，例如，车辆行驶数据等。

显示部件130可以是独立的屏幕、或与终端机身一体的屏幕、投影仪等，屏幕可以为触控屏、也可以为非触控屏，显示部件用于显示目标车辆拍摄的图像等。

除了处理器、存储器，终端还可以包括音频采集部件、音频输出部件和通信部件等。

音频采集部件可以为麦克风，用于采集用户的语音。音频输出部件可以为音箱、耳机等，用于播放音频。

通信部件可以是有线网络连接器、WiFi(wireless fidelity，无线保真)模块、蓝牙模块、蜂巢网通信模块等。通信部件可以用于与其他设备进行数据传输，其他设备可以是服务器、也可以是其他终端等。

从硬件组成上来看，服务器的结构可以如图2所示，包括处理器210、存储器220和通信部件230。

处理器210可以是CPU或SoC等，处理器210可以用于执行该方法涉及的各种指令等。

存储器220可以包括各种易失性存储器或非易失性存储器，如SSD、DRAM内存等。存储器220可以用于存储获取车辆行驶数据过程中的预存数据、中间数据和结果数据，例如，车辆行驶数据等。

除了处理器、存储器，服务器还可以包括通信部件等。

通信部件可以是有线网络连接器、WiFi模块、蓝牙模块、蜂巢网通信模块等。通信部件可以用于与其他设备进行数据传输，其他设备可以是服务器、也可以是其他终端等。

本申请实施例针对上述的应用场景，提供了一种自动驾驶系统数据处理的方法，该方法的处理流程可以如图3所示，包括如下处理步骤：

301，将目标车辆由第一状态切换至第二状态的时间点，确定为数据统计起始时间点，将数据统计起始时间点之后目标车辆由第二状态切换至第一状态的时间点，确定为数据统计结束时间点。

其中，目标车辆是具有自动驾驶功能的车辆。第一状态是目标车辆处于停止或非自动驾驶的状态。第二状态是目标车辆处于行驶且自动驾驶的状态。非自动驾驶的状态可以为遥控状态，当然对于有驾驶座的车辆，非自动驾驶的状态还可以是驾驶员通过方向盘、油门踏板、刹车踏板等进行驾驶的状态。

在实施中，目标车辆在运行的过程中，由目标车辆和自动驾驶服务器组成的自动驾驶系统来运行自动驾驶算法，以控制目标车辆。在此过程中，会产生大量的车辆行驶数据，这些车辆行驶数据是目标车辆按周期检测到并存储的，周期可以是100毫秒。目标车辆在运行过程中产生的车辆行驶数据可以上传至后台的计算机设备，用于数据分析和自动驾驶算法的测试等。

其中，车辆行驶数据由多个检测时间点的数据单元组成，数据单元包括本车行驶数据、本车操作数据和环境数据等。本车行驶数据是车辆自身的形式状态的数据，可以包括目标车辆的速度、加速度、与前方车辆的相对速度和距离等信息中的至少一种。本车操作数据是对车辆进行驾驶操作的数据，是指目标车辆在某一时刻进行了刹车、停车和变道等操作，可以包括油门值、刹车值、转向角度等信息中的至少一种。环境数据是车辆周围的其他事物的相关数据，可以包括目标车辆的摄像头拍摄的图像，或者可以包括前车速度(也可以采用前车与本车的相对速度)、前车加速度(也可以采用前车与本车的相对加速度)、前车距离、侧方车辆距离、侧方车道线距离等信息中的至少一种，这些信息可以是对拍摄的图像进行分析得到的，也可以是通过其他传感器检测得到的，另外，环境数据还可以包括天气信息、路面信息等。

上述计算机设备对目标车辆在运行过程中产生的车辆行驶数据的处理可以是，将整个车辆行驶数据划分为多个统计时间段的车辆行驶数据，一个统计时间段的车辆行驶数据可以称为trip(行程)，多个统计时间段的车辆行驶数据可以称为trip集合。在对整个车辆行驶数据划分之前，需要确定统计时间段的起始和结束时间点，具体处理步骤可以如下：

步骤一，在目标车辆的运行时间段中，将目标车辆在自动驾驶状态下速度由0切换为非0的时间点，确定为第一类时间点，将目标车辆在自动驾驶状态下速度由非0切换为0的时间点，以及目标车辆由自动驾驶状态切换为非自动驾驶状态的时间点，确定为第二类时间点。

在实施中，在整个车辆行驶数据中，可以对除第一个检测时间点之外的每个时间点的数据单元与其上一检测时间点的数据单元中的数据进行查看，如果该检测时间点的速度是非0、其上一检测时间点的速度是0且目标车辆处于自动驾驶状态下时，则将该检测时间点确定为第一类时间点；如果该检测时间点的速度是0、其上一检测时间点的速度是非0且目标车辆处于自动驾驶状态时，则将该检测时间点确定为第二类时间点；如果该检测时间点目标车辆处于非自动驾驶状态，其上一检测时间点目标车辆处于自动驾驶状态，则将该时间点确定为第二类时间点。这样，可以确定出多个第一类时间点和多个第二类时间点。

步骤二，在目标车辆的运行时间段中，按时间由先至后的顺序，逐个获取第一类时间点，每获取一个第一类时间点，将获取的第一类时间点，确定为数据统计起始时间点，将获取的第一类时间点之后最近的第二类时间点，确定为数据统计起始时间点对应的数据统计结束时间点。

其中，数据统计起始时间点即为trip的统计起点，数据统计结束时间点即为trip的统计终点。数据统计起始时间点与对应的数据统计结束时间点之间的时间段，即为统计时间段。

302，获取数据统计起始时间点与数据统计结束时间点之间目标车辆的车辆行驶数据。

在实施中，基于步骤301确定出的数据统计起始时间点与数据统计结束时间点，得到多个统计时间段，将整个车辆行驶数据依据统计时间段进行划分，获取每个统计时间段对应的数据单元。这样，可以将目标车辆处于行驶且自动驾驶状态下产生车辆行驶数据筛选出来。

303，对车辆行驶数据进行处理。

基于实际需求的不同，对车辆行驶数据的处理可以多种多样。例如，可以基于车辆行驶数据进行自动驾驶算法的测试，等等。

自动驾驶车辆是通过自动驾驶算法实现无人驾驶的汽车，自动驾驶算法一般包括感知算法和决策算法等多个模块。感知算法用于自动驾驶车辆的定位、道路测绘、移动障碍物的检测等，决策算法用于道路规划、对自动驾驶车辆的操作等。自动驾驶车辆通过感知算法可以确定出当前的场景是安全场景还是危险场景，基于确定出的场景，通过决策算法确定下一步的操作。因此，对自动驾驶算法识别安全场景和危险场景的功能的测试是对自动驾驶算法测试的一个重要环节。

本申请实施例提供了基于上述流程获取的车辆行驶数据对自动驾驶算法进行测试的方法，处理流程可以如图4所示，包括如下步骤：

401，对于统计时间段中多个检测时间点中的每个检测时间点，基于目标自动驾驶算法，对检测时间点对应的数据单元进行处理，以确定在检测时间点目标车辆的状态。

其中，状态包括安全状态或非安全状态。

402，基于每个检测时间点目标车辆的状态，确定第一安全时间信息。

其中，第一安全时间信息是通过目标自动驾驶算法估计的目标车辆处于安全状态的时间，可以表示为时间段，也可以表示为多个时间点。

在实施中，可以获取目标车辆的状态为安全状态的所有检测时间点。进而，可以将这些检测时间点的集合作为第一安全时间信息。或者，可以将连续的检测时间点确定为一个时间段，记录这个时间段的首端的检测时间点和末端的检测时间点，将确定出的所有时间段的首端的检测时间点和末端的检测时间点，作为第一安全时间信息。

403，基于第一安全时间信息和基准安全时间信息，对目标自动驾驶算法进行测试。

其中，目标自动驾驶算法是被测的自动驾驶算法，可以是还未正式投入使用的算法。目标车辆在采集车辆行驶数据时使用的自动驾驶算法可以称作基准自动驾驶算法，可以是较为完善的算法。

当第一安全时间信息和基准安全时间信息表示为时间段时，第一安全时间信息可以对应有多个时间段(可称作第一时间段)，基准安全时间信息可以对应有多个时间段(可称作基准时间段)。可以确定所有第一时间段与所有基准时间段的重合时长，并确定所有基准时间段的总时长。进而确定重合时长与总时长的比值，作为第一安全时间信息与基准安全时间信息的匹配度。该匹配度可以作为目标自动驾驶算法的测试结果，匹配度低则说明目标自动驾驶算法存在较大的安全性问题，匹配度高则说明目标自动驾驶算法安全度相对较高。

当第一安全时间信息和基准安全时间信息表示为多个时间点时，确定基准安全时间信息和第一安全时间信息中相同时间点的数目，并确定基准安全时间信息中的时间点的总数目。确定该数目与总数目的比值，作为目标自动驾驶算法的测试结果，该比值低则说明目标自动驾驶算法存在较大的安全性问题，该比值高则说明目标自动驾驶算法安全度相对较高。

例如，在第一安全时间信息中，与基准安全时间信息中的时间点相同的时间点的数目为90000，统计时间段的检测时间点的数目为100000，测试结果为0.9。

除了得到测试结果，也可以将每个统计时间段的车辆行驶数据的第一安全时间信息和基准安全时间信息对比以图的形式进行表示，可以如图5所示。将多个统计时间段的车辆行驶数据的第一安全时间信息和基准安全时间信息的对比进行总结，得到目标自动驾驶算法的测试报告。

另外，还有一种对目标自动驾驶算法进行测试的方法：一方面，通过上述处理方式确定目标自动驾驶算法的测试报告；另一方面，对于统计时间段中多个检测时间点中的每个检测时间点，基于基准自动驾驶算法，对检测时间点对应的数据单元进行处理，以确定在检测时间点目标车辆的状态，基于每个检测时间点目标车辆的状态，确定第二安全时间信息(确定第二安全时间信息的处理与确定第一安全时间信息的处理类似，此处不进行赘述)，基于第二安全时间信息和基准安全时间信息，确定基准自动驾驶算法的测试报告(确定基准自动驾驶算法的测试报告的处理与确定目标自动驾驶算法的测试报告的处理类似，此处不进行赘述)；然后，计算机设备对目标自动驾驶算法的测试报告和基准自动驾驶算法的测试报告进行显示。此即完成对目标自动驾驶算法进行测试。

下面给了一种自动确定基准安全时间信息的方法，处理流程可以如图6所示，包括如下步骤：

601，对于统计时间段中多个检测时间点中的每个检测时间点，获取检测时间点的数据单元中指定参数的取值，基于指定参数的取值，确定检测时间点的基准状态。

其中，基准状态可以为安全状态或非安全状态。

基于指定参数的取值，确定检测时间点的基准状态的方式有多种。

方式一，指定参数可以是速度。将指定参数的取值与预设安全值范围进行比较。如果指定参数的取值未超出指定参数对应的预设安全值范围，则确定检测时间点的基准状态为安全状态，如果指定参数的取值超出指定参数对应的预设安全值范围，则确定检测时间点的基准状态为非安全状态。

方式二，指定参数可以是速度、加速度、前车距离等，通过计算，得到目标车辆以当前的速度和加速度行驶与前车发生碰撞的预计碰撞时间，将计算出的预计碰撞时间与预设阈值进行比较，如果预计碰撞时间小于或等于预设阈值，则将对应的检测时间点的基准状态确定为非安全状态。如果预计碰撞时间大于预设阈值，则将对应的检测时间点的基准状态确定为安全状态。

方式三，将对应检测时间点的指定参数输入到预先训练的安全性检测模型中，由安全性检测模型输出该时间点的基准状态。安全性检测模型可以是机器学习模型，如神经网络模型、线性回归模型和决策树模型等。

602，基于每个检测时间点的基准状态，确定基准安全时间信息。

其中，基准安全时间信息是目标车辆实际处于安全状态的时间，可以表示为时间段，也可以表示为多个时间点。例如，一个统计时间段的车辆行驶数据的时长为30分钟，基准安全时间信息可以是3分钟到15分钟的时间段、20分钟到25分钟的时间段、27分钟到30分钟的时间段。

在实施中，可以获取所有基准状态为安全状态的检测时间点。进而，可以将这些检测时间点的集合作为基准安全时间信息。或者，可以将连续的检测时间点确定为一个时间段，记录这个时间段的首端的检测时间点和末端的检测时间点，将确定出的所有时间段的首端的检测时间点和末端的检测时间点，作为基准安全时间信息。还可以对基准安全时间信息进行标注，进行标注后的统计时间段的车辆行驶数据对应的显示界面可以如图7所示。

下面给了一种人工确定基准安全时间信息的方法，处理流程可以如图8所示，包括如下步骤：

801，基于各数据单元中目标车辆向至少一个方向拍摄的图像，进行视频播放。

在实施中，车辆行驶数据中存储有目标车辆在运行过程中拍摄的各个方向的图像，技术人员可以选择其中一个方向的视频进行播放，也可以同时对多个方向的视频进行播放。

802，响应于时间信息输入操作，获取输入的基准安全时间信息。

在实施中，技术人员通过播放的视频，可以确定出车辆行驶数据中的基准安全时间信息。技术人员将确定出的基准安全时间信息对应的首端的检测时间点和末端的检测时间点进行记录，并输入到计算机设备对应的界面中的输入框中，界面可以如图9所示，用于标明在该时间段内目标车辆处于安全状态。

下面给出了一种确定紧急制动原因信息的方法，处理流程可以如图10所示，包括如下步骤：

1001，基于多个检测时间点的数据单元，确定数据统计起始时间点与数据统计结束时间点之间的至少一个紧急制动时间段。

确定紧急制动时间段的方式有多种。

方式一，基于各数据单元中目标车辆向至少一个方向拍摄的图像，进行视频播放，响应于时间信息输入操作，获取输入的紧急制动时间段。

在实施中，车辆行驶数据中存储有目标车辆在运行过程中拍摄的各个方向的图像，技术人员可以选择其中一个方向的视频进行播放，也可以同时对多个方向的视频进行播放。技术人员通过播放的视频，可以确定出紧急制动事件的起始时间和终止时间，将起始时间点和终止时间点输入到计算机设备中，用于标明车辆行驶数据中的紧急制动时间段。

方式二，将车辆行驶数据中每个检测时间点的数据单元输入到预先训练的检测事件类型的模型中，由该模型输出紧急制动时间段。检测时间类型的模型可以是机器学习模型，例如，神经网络模型等。

1002，对于每个紧急制动时间段，将检测时间在紧急制动时间段内的数据单元，输入紧急制动分析模型，得到紧急制动时间段对应的紧急制动原因信息。

其中，紧急制动分析模型可以是机器学习模型，例如，神经网络模型等。紧急制动原因信息可以包括目标车辆自身的原因和外部环境的原因，目标车辆自身的原因可以包括目标车辆感知错误和目标车辆决策较晚等。外部环境的原因可以包括其他车辆的碰撞等。

通过本申请实施例提供的方法，可以通过确定目标车辆由停止或非自动驾驶的状态切换至行驶且处于自动驾驶的状态的时间点，确定出数据统计起始时间点，将数据统计起始时间点之后目标车辆由行驶且处于自动驾驶的状态切换至停止或非自动驾驶的状态的时间点，确定为数据统计结束时间点。基于确定出的数据统计起始时间点和数据统计结束时间点，可以得到多个统计时间段的车辆行驶数据。这样确定出的车辆行驶数据不包括车辆在停止状态或非自动驾驶状态下产生的车辆行驶数据，可以排除停止状态或非自动驾驶状态的车辆行驶数据对后续的数据处理的影响，可以提高数据处理的准确性。

基于相同的技术构思，本申请实施例还提供了一种自动驾驶系统数据处理的装置，如图11所示，该装置包括：

确定模块1110，用于将目标车辆由第一状态切换至第二状态的时间点，确定为数据统计起始时间点，将所述数据统计起始时间点之后所述目标车辆由所述第二状态切换至所述第一状态的时间点，确定为数据统计结束时间点，其中，所述第一状态是所述目标车辆处于停止或非自动驾驶的状态，所述第二状态是所述目标车辆处于行驶且自动驾驶的状态；

处理模块1120，用于获取所述数据统计起始时间点与所述数据统计结束时间点之间所述目标车辆的车辆行驶数据并进行处理。

在一种可能的实现方式中，所述确定模块1110，用于：

在目标车辆的运行时间段中，将所述目标车辆在自动驾驶状态下速度由0切换为非0的时间点，确定为第一类时间点，将所述目标车辆在自动驾驶状态下速度由非0切换为0的时间点，以及所述目标车辆由自动驾驶状态切换为非自动驾驶状态的时间点，确定为第二类时间点；

在目标车辆的运行时间段中，按时间由先至后的顺序，逐个获取所述第一类时间点，每获取一个第一类时间点，将获取的第一类时间点，确定为数据统计起始时间点，将获取的第一类时间点之后最近的第二类时间点，确定为所述数据统计起始时间点对应的数据统计结束时间点。

在一种可能的实现方式中，所述车辆行驶数据由多个检测时间点的数据单元组成，所述数据单元包括本车行驶数据、本车操作数据和环境数据中的至少一种。

在一种可能的实现方式中，所述车辆行驶数据由多个检测时间点的数据单元组成；

所述处理模块1120，用于：

对于所述多个检测时间点中的每个检测时间点，基于自动驾驶算法，对所述检测时间点对应的数据单元进行处理，以确定在所述检测时间点所述目标车辆的状态，其中，所述状态包括安全状态或非安全状态；

基于每个检测时间点所述目标车辆的状态，确定第一安全时间信息，其中，所述第一安全时间信息用于指示所述目标车辆处于安全状态的时间；

基于所述第一安全时间信息和基准安全时间信息，对所述自动驾驶算法进行测试。

在一种可能的实现方式中，所述处理模块1120，还用于：

对于所述多个检测时间点中的每个检测时间点，获取所述检测时间点的数据单元中指定参数的取值，基于所述指定参数的取值，确定所述检测时间点的基准状态，其中，所述基准状态包括安全状态或非安全状态；

基于所述每个检测时间点的基准状态，确定所述基准安全时间信息。

在一种可能的实现方式中，所述处理模块1120，用于：

如果所述指定参数的取值未超出所述指定参数对应的预设安全值范围，则确定所述检测时间点的基准状态为安全状态，如果所述指定参数的取值超出所述指定参数对应的预设安全值范围，则确定所述检测时间点的基准状态为非安全状态。

在一种可能的实现方式中，所述处理模块1120，用于：

将所述指定参数的取值，输入安全性检测模型，得到所述检测时间点的基准状态。

在一种可能的实现方式中，所述数据单元中包括所述目标车辆向至少一个方向拍摄的图像，所述至少一个方向包括前方；

所述处理模块1120，还用于：

基于各数据单元中所述目标车辆向至少一个方向拍摄的图像，进行视频播放；

响应于时间信息输入操作，获取输入的基准安全时间信息。

在一种可能的实现方式中，所述车辆行驶数据由多个检测时间点的数据单元组成；

所述处理模块1120，还用于：

基于多个检测时间点的数据单元，确定所述数据统计起始时间点与所述数据统计结束时间点之间的至少一个紧急制动时间段；

对于每个紧急制动时间段，将检测时间在所述紧急制动时间段内的数据单元，输入紧急制动分析模型，得到所述紧急制动时间段对应的紧急制动原因信息。

在一种可能的实现方式中，其特征在于，所述非自动驾驶的状态为遥控状态。

通过本申请实施例提供的装置，可以通过确定目标车辆由停止或非自动驾驶的状态切换至行驶且处于自动驾驶的状态的时间点，确定出数据统计起始时间点，将数据统计起始时间点之后目标车辆由行驶且处于自动驾驶的状态切换至停止或非自动驾驶的状态的时间点，确定为数据统计结束时间点。基于确定出的数据统计起始时间点和数据统计结束时间点，可以得到多个统计时间段的车辆行驶数据。这样确定出的车辆行驶数据不包括车辆在停止状态或非自动驾驶状态下产生的车辆行驶数据，可以排除停止状态或非自动驾驶状态的车辆行驶数据对后续的数据处理的影响，可以提高数据处理的准确性。

需要说明的是：上述实施例提供的自动驾驶系统数据处理的装置在进行自动驾驶系统数据处理时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将计算机设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的自动驾驶系统数据处理的装置与自动驾驶系统数据处理的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图12示出了本申请实施例提供的计算机设备1200的结构框图。该计算机设备1200可以是便携式移动终端，比如：智能手机、平板电脑、MP3播放器(moving picture expertsgroup audio layer III，动态影像专家压缩标准音频层面3)、MP4(moving pictureexperts group audio layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。计算机设备1200还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，计算机设备1200包括有：处理器1201和存储器1202。

处理器1201可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1201可以采用DSP(digital signal processing，数字信号处理)、FPGA(field－programmable gate array，现场可编程门阵列)、PLA(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1201也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1201可以集成有GPU(graphics processing unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1201还可以包括AI(artificial intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器1202可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1202还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1202中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1201所执行以实现本申请实施例提供的方法。

在一些实施例中，计算机设备1200还可选包括有：外围设备接口1203和至少一个外围设备。处理器1201、存储器1202和外围设备接口1203之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1203相连。具体地，外围设备包括：射频电路1204、显示屏1205、摄像头组件1206、音频电路1207、定位组件1208和电源1209中的至少一种。

外围设备接口1203可被用于将I/O(input/output，输入/输出)相关的至少一个外围设备连接到处理器1201和存储器1202。在一些实施例中，处理器1201、存储器1202和外围设备接口1203被集成在同一芯片或电路板上；在一些其他实施例中，处理器1201、存储器1202和外围设备接口1203中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路1204用于接收和发射RF(radio frequency，射频)信号，也称电磁信号。射频电路1204通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1204将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1204包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1204可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi网络。在一些实施例中，射频电路1204还可以包括NFC(near field communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏1205用于显示UI(user interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1205是触摸显示屏时，显示屏1205还具有采集在显示屏1205的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1201进行处理。此时，显示屏1205还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1205可以为一个，设置在计算机设备1200的前面板；在另一些实施例中，显示屏1205可以为至少两个，分别设置在计算机设备1200的不同表面或呈折叠设计；在另一些实施例中，显示屏1205可以是柔性显示屏，设置在计算机设备1200的弯曲表面上或折叠面上。甚至，显示屏1205还可以设置成非矩形的不规则图形，也即异形屏。显示屏1205可以采用LCD(liquid crystal display，液晶显示屏)、OLED(organiclight-emitting diode，有机发光二极管)等材质制备。

摄像头组件1206用于采集图像或视频。可选地，摄像头组件1206包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(virtual reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1206还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路1207可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1201进行处理，或者输入至射频电路1204以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在计算机设备1200的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1201或射频电路1204的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1207还可以包括耳机插孔。

定位组件1208用于定位计算机设备1200的当前地理位置，以实现导航或LBS(location based service，基于位置的服务)。定位组件1208可以是基于GPS(globalpositioning system，全球定位系统)、北斗系统的定位组件。

电源1209用于为计算机设备1200中的各个组件进行供电。电源1209可以是交流电、直流电、一次性电池或可充电电池。当电源1209包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。

在一些实施例中，计算机设备1200还包括有一个或多个传感器1210。该一个或多个传感器1210包括但不限于：加速度传感器1211、陀螺仪传感器1212、压力传感器1213、指纹传感器1214、光学传感器1215以及接近传感器1216。

加速度传感器1211可以检测以计算机设备1200建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1211可以用于检测重力加速度在三个坐标轴上的分量。处理器1201可以根据加速度传感器1211采集的重力加速度信号，控制显示屏1205以横向视图或纵向视图进行用户界面的显示。加速度传感器1211还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器1212可以检测计算机设备1200的机体方向及转动角度，陀螺仪传感器1212可以与加速度传感器1211协同采集用户对计算机设备1200的3D动作。处理器1201根据陀螺仪传感器1212采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器1213可以设置在计算机设备1200的侧边框和/或显示屏1205的下层。当压力传感器1213设置在计算机设备1200的侧边框时，可以检测用户对计算机设备1200的握持信号，由处理器1201根据压力传感器1213采集的握持信号进行左右手识别或快捷操作。当压力传感器1213设置在显示屏1205的下层时，由处理器1201根据用户对显示屏1205的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器1214用于采集用户的指纹，由处理器1201根据指纹传感器1214采集到的指纹识别用户的身份，或者，由指纹传感器1214根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器1201授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1214可以被设置在计算机设备1200的正面、背面或侧面。当计算机设备1200上设置有物理按键或厂商Logo时，指纹传感器1214可以与物理按键或厂商Logo集成在一起。

光学传感器1215用于采集环境光强度。在一个实施例中，处理器1201可以根据光学传感器1215采集的环境光强度，控制显示屏1205的显示亮度。具体地，当环境光强度较高时，调高显示屏1205的显示亮度；当环境光强度较低时，调低显示屏1205的显示亮度。在另一个实施例中，处理器1201还可以根据光学传感器1215采集的环境光强度，动态调整摄像头组件1206的拍摄参数。

接近传感器1216，也称距离传感器，通常设置在计算机设备1200的前面板。接近传感器1216用于采集用户与计算机设备1200的正面之间的距离。在一个实施例中，当接近传感器1216检测到用户与计算机设备1200的正面之间的距离逐渐变小时，由处理器1201控制显示屏1205从亮屏状态切换为息屏状态；当接近传感器1216检测到用户与计算机设备1200的正面之间的距离逐渐变大时，由处理器1201控制显示屏1205从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图12中示出的结构并不构成对计算机设备1200的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

在本申请实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述实施例中执行互动操作的方法。该计算机可读存储介质可以是非暂态的。例如，所述计算机可读存储介质可以是ROM(read-onlymemory，只读存储器)、RAM(random access memory，随机存取存储器)、CD-ROM、磁带、软盘和光数据存储设备等。

需要说明的是，本申请所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)以及信号(包括但不限于用户终端与其他设备之间传输的信号等)，均为经用户授权或者经过各方充分授权的，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本申请的部分可能的实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (11)

1.一种自动驾驶系统数据处理的方法，其特征在于，所述方法包括：

将目标车辆由第一状态切换至第二状态的时间点，确定为数据统计起始时间点，将所述数据统计起始时间点之后所述目标车辆由所述第二状态切换至所述第一状态的时间点，确定为数据统计结束时间点，其中，所述第一状态是所述目标车辆处于停止或非自动驾驶的状态，所述第二状态是所述目标车辆处于行驶且自动驾驶的状态；

获取所述数据统计起始时间点与所述数据统计结束时间点之间所述目标车辆的车辆行驶数据并进行处理。

2.根据权利要求1所述的方法，其特征在于，所述将目标车辆由第一状态切换至第二状态的时间点，确定为数据统计起始时间点，将所述数据统计起始时间点之后所述目标车辆由所述第二状态切换至所述第一状态的时间点，确定为数据统计结束时间点，包括：

在目标车辆的运行时间段中，将所述目标车辆在自动驾驶状态下速度由0切换为非0的时间点，确定为第一类时间点，将所述目标车辆在自动驾驶状态下速度由非0切换为0的时间点，以及所述目标车辆由自动驾驶状态切换为非自动驾驶状态的时间点，确定为第二类时间点；

在目标车辆的运行时间段中，按时间由先至后的顺序，逐个获取所述第一类时间点，每获取一个第一类时间点，将获取的第一类时间点，确定为数据统计起始时间点，将获取的第一类时间点之后最近的第二类时间点，确定为所述数据统计起始时间点对应的数据统计结束时间点。

3.根据权利要求1所述的方法，其特征在于，所述车辆行驶数据由多个检测时间点的数据单元组成，所述数据单元包括本车行驶数据、本车操作数据和环境数据中的至少一种。

4.根据权利要求1所述的方法，其特征在于，所述车辆行驶数据由多个检测时间点的数据单元组成；

所述进行处理，包括：

对于所述多个检测时间点中的每个检测时间点，基于自动驾驶算法，对所述检测时间点对应的数据单元进行处理，以确定在所述检测时间点所述目标车辆的状态，其中，所述状态包括安全状态或非安全状态；

基于每个检测时间点所述目标车辆的状态，确定第一安全时间信息，其中，所述第一安全时间信息用于指示所述目标车辆处于安全状态的时间；

基于所述第一安全时间信息和基准安全时间信息，对所述自动驾驶算法进行测试。

5.根据权利要求4所述的方法，其特征在于，所述基于所述第一安全时间信息和基准安全时间信息，对所述自动驾驶算法进行测试之前，所述方法还包括：

对于所述多个检测时间点中的每个检测时间点，获取所述检测时间点的数据单元中指定参数的取值，基于所述指定参数的取值，确定所述检测时间点的基准状态，其中，所述基准状态包括安全状态或非安全状态；

基于所述每个检测时间点的基准状态，确定所述基准安全时间信息。

6.根据权利要求5所述的方法，其特征在于，所述基于所述指定参数的取值，确定所述检测时间点的基准状态，包括：

如果所述指定参数的取值未超出所述指定参数对应的预设安全值范围，则确定所述检测时间点的基准状态为安全状态，如果所述指定参数的取值超出所述指定参数对应的预设安全值范围，则确定所述检测时间点的基准状态为非安全状态。

7.根据权利要求5所述的方法，其特征在于，所述基于所述指定参数的取值，确定所述检测时间点的基准状态，包括：

将所述指定参数的取值，输入安全性检测模型，得到所述检测时间点的基准状态。

8.根据权利要求4所述的方法，其特征在于，所述数据单元中包括所述目标车辆向至少一个方向拍摄的图像，所述至少一个方向包括前方；

所述基于所述第一安全时间信息和基准安全时间信息，对所述自动驾驶算法进行测试之前，所述方法还包括：

基于各数据单元中所述目标车辆向至少一个方向拍摄的图像，进行视频播放；

响应于时间信息输入操作，获取输入的基准安全时间信息。

9.根据权利要求1-8任一项所述的方法，所述车辆行驶数据由多个检测时间点的数据单元组成；

所述获取所述数据统计起始时间点与所述数据统计结束时间点之间所述目标车辆的车辆行驶数据之后，所述方法还包括：

基于多个检测时间点的数据单元，确定所述数据统计起始时间点与所述数据统计结束时间点之间的至少一个紧急制动时间段；

对于每个紧急制动时间段，将检测时间在所述紧急制动时间段内的数据单元，输入紧急制动分析模型，得到所述紧急制动时间段对应的紧急制动原因信息。

10.根据权利要求1-8任一项所述的方法，其特征在于，所述非自动驾驶的状态为遥控状态。

11.一种自动驾驶系统数据处理的装置，其特征在于，所述装置包括：

确定模块，用于将目标车辆由第一状态切换至第二状态的时间点，确定为数据统计起始时间点，将所述数据统计起始时间点之后所述目标车辆由所述第二状态切换至所述第一状态的时间点，确定为数据统计结束时间点，其中，所述第一状态是所述目标车辆处于停止或非自动驾驶的状态，所述第二状态是所述目标车辆处于行驶且自动驾驶的状态；

处理模块，用于获取所述数据统计起始时间点与所述数据统计结束时间点之间所述目标车辆的车辆行驶数据并进行处理。