数据处理方法、设备和介质与流程
本申请涉及数据处理,尤其涉及一种数据处理方法、设备和介质。
背景技术:
1、随着自动驾驶技术快速迭代,海量真实道路数据与仿真数据是模型训练、场景评估的重要基础,实际数据中常出现瞬移、速度突变、过度反应等物理或逻辑层面的反常识行为。当前主流检测方案包含多专家集成检测、数据驱动异常检测、驾驶行为机理建模、大模型语义理解检测四类,分别从多模型融合、学习正常数据模式、交通行为机理、语义推理角度实现异常识别,可应用于自动驾驶场景的异常挖掘工作。
2、然而,当前检测方案仅做异常识别,难以将场景中的异常行为以空间地图的形式直观呈现,导致无法精准定位异常区域。
技术实现思路
1、本申请实施例提供一种数据处理方法、设备和介质,以解决上述技术问题。该方案通过将抽象的异常行为转化为可解释的时空分布地图,显著提升了异常检测的可解释性。
2、第一方面,本申请实施例提供一种数据处理方法,方法包括:
3、对目标场景数据进行预构建,以生成各交通参与主体在各时刻对应的状态向量、目标场景对应的空间单元集合和交互关系图;
4、基于状态向量和交互关系图,计算在各时刻下各交通参与主体对应的异常行为评分;
5、根据各交通参与主体对应的异常行为评分和空间单元集合,生成异常行为分布地图,所述异常行为分布地图包括在各时刻下各空间单元对应的异常得分。
6、在一个可能的实施例中,计算异常行为评分,包括:
7、基于当前主体的速度和加速度计算动力一致性评分;
8、计算当前主体与存在交互主体的交互一致性评分;
9、基于当前主体的加速度计算行为合理一致性评分;
10、根据动力一致性评分、交互一致性评分、行为合理一致性评分计算异常行为评分。
11、在一个可能的实施例中,生成异常行为分布地图,包括:
12、基于各空间单元包括的交通参与主体对应的异常行为评分,计算在各时刻下各空间单元对应的异常得分;
13、根据各空间单元对应的异常得分生成目标场景对应的异常行为分布地图。
14、在一个可能的实施例中,还包括:
15、计算各空间单元的不确定性程度值;
16、基于不确定性程度值确定在各时刻下各空间单元对应的置信度;
17、根据置信度修正在各时刻下各空间单元的异常得分。
18、在一个可能的实施例中,还包括:
19、基于各空间单元修正得到的上一时刻异常得分、预设自保持系数、存在交互空间单元的上一时刻异常扩散得分以及各存在交互空间单元的扩散权重,计算在各时刻下各空间单元的异常扩散得分;
20、根据异常扩散得分生成异常扩散分布地图。
21、在一个可能的实施例中,还包括:
22、根据多个预设异常指标和预设判定规则生成目标场景数据的处理结果;多个预设异常指标包括异常区域占比、平均异常程度和异常扩散指数,处理结果包括删除或复核优化。
23、在一个可能的实施例中,生成处理结果,包括:
24、基于多个预设异常指标计算目标异常指数;
25、若异常区域占比大于预设占比阈值,和/或平均异常程度大于预设异常阈值,则生成删除目标场景数据的处理结果;
26、若不满足删除处理,且目标异常指数大于预设目标阈值,则生成复核优化的处理结果。
27、在一个可能的实施例中,状态向量包括位置、速度、加速度、运动朝向、尺寸和类型;进行预构建,包括:
28、将目标场景的连续空间划分为若干离散的空间单元,以得到空间单元集合;
29、基于交通参与主体之间的空间距离以及运动交互类型构建交互关系图。
30、第二方面,本申请实施例提供一种电子设备,包括:存储器,处理器;
31、存储器存储计算机执行指令;
32、处理器执行存储器存储的计算机执行指令,使得处理器执行上述提供的方法。
33、第三方面,本申请实施例提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现上述提供的方法。
34、本申请实施例提供的数据处理方法、设备和介质,对目标场景数据进行预构建,完成原始非结构化场景数据到三层结构化模型的转换,把原始数据里的物体、运动、空间、相互影响显式建模,为后续全流程计算提供统一、规范、可计算的数据底座。利用预构建得到的状态向量和交互关系图开展计算,实现以交通参与主体为单元的时序异常量化输出,为后续生成分布地图提供颗粒度为交通参与主体的基础评分数据。将个体层面的异常行为评分映射至离散的空间单元,构建出同时覆盖时刻、空间单元两个维度的异常行为分布地图。该地图以空间单元为载体承载各时刻的异常得分,完成异常信息的空间化组织,得到可表征不同时刻下场景各个区域异常情况的标准化输出结果,精确定位异常发生的时空单元。
1.一种数据处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,计算异常行为评分,包括:
3.根据权利要求1所述的方法,其特征在于,生成异常行为分布地图,包括:
4.根据权利要求1所述的方法,其特征在于,还包括:
5.根据权利要求4所述的方法,其特征在于,还包括:
6.根据权利要求5所述的方法,其特征在于,还包括:
7.根据权利要求6所述的方法,其特征在于,生成处理结果,包括:
8.根据权利要求1所述的方法,其特征在于,状态向量包括位置、速度、加速度、运动朝向、尺寸和类型;进行预构建,包括:
9.一种电子设备,其特征在于,包括:存储器,处理器;
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-8任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com