提取行车数据的方法、装置、设备和介质与流程

1.本公开涉及车辆技术领域，尤其涉及自动驾驶、车辆检测技术领域，具体涉及一种提取行车数据的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。


背景技术：

2.自动驾驶技术可以涉及环境感知、行为决策、路径规划以及运动控制等多个方面。依赖于人工智能、视觉计算、雷达、监控装置和全球定位系统的协同合作，自动驾驶车辆可以在没有驾驶员主动操作的情况下，自动安全地运行。
3.在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。


技术实现要素：

4.本公开提供了一种提取行车数据的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
5.根据本公开的一方面，提供了一种用于从自动驾驶车辆中提取行车数据的方法，包括：响应于检测到自动驾驶车辆发生故障，确定故障发生的故障时刻以及故障的故障类型；基于故障时刻，确定待提取的行车数据所属的时间段；基于故障类型，确定待提取的行车数据的数据类型；以及基于时间段和数据类型，从自动驾驶车辆的行车数据源文件中提取待提取的行车数据。
6.根据本公开的另一方面，提供了一种用于从自动驾驶车辆中提取行车数据的装置，包括：检测单元，被配置为响应于检测到自动驾驶车辆发生故障，确定故障发生的故障时刻以及故障的故障类型；第一确定单元，被配置为基于故障时刻，确定待提取的行车数据所属的时间段；第二确定单元，被配置为基于故障类型，确定待提取的行车数据的数据类型；以及第一提取单元，被配置为基于时间段和数据类型，从自动驾驶车辆的行车数据源文件中提取待提取的行车数据。
7.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，这些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提取行车数据的方法。
8.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，计算机指令用于使计算机执行上述提取行车数据的方法。
9.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，其中，计算机程序在被处理器执行时实现上述提取行车数据的方法。
10.根据本公开的一个或多个实施例，可以通过对故障发生时间的无人车数据按照时间段和数据类型进行切片和分类提取，减少冗余数据的提取，从而提高数据提取的效率。
11.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
12.附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
13.图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
14.图2示出了根据本公开的实施例的提取行车数据的方法的流程图；
15.图3示出了根据本公开的实施例的提取待提取的行车数据的流程图；
16.图4示出了根据本公开的实施例的确定故障类型的流程图；
17.图5示出了根据本公开的实施例的提取行车数据的方法的流程图；
18.图6示出了根据本公开的实施例的并行流水线处理机制的示意图；
19.图7示出了根据本公开的实施例的进度保存的流程图；
20.图8示出了根据本公开的实施例的提取行车数据的装置的结构框图；
21.图9示出了根据本公开的实施例的第二确定单元的结构框图；
22.图10示出了根据本公开的实施例的第一提取单元的结构框图；
23.图11示出了根据本公开的实施例的提取行车数据的装置的结构框图；
24.图12示出了根据本公开的实施例的并行处理单元的结构框图；
25.图13示出了根据本公开的实施例的提取行车数据的装置的结构框图；
26.图14示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
27.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。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。
28.在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
29.在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
30.相关技术中，当自动驾驶车辆发生故障时，开发人员需要获取车辆行驶期间产生的数据，通过这些数据对车辆故障原因进行分析。但由于车辆行驶期间产生的数据量巨大，因此仅能将数据存储在本地，当故障发生后，通过人工复制的方式将数据传送给开发人员。
31.为解决上述问题，本公开通过对故障发生时间的无人车数据按照时间段和数据类
型进行切片和分类提取，减少冗余数据的提取，从而提高数据提取的效率。
32.下面将结合附图详细描述本公开的实施例。
33.图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括机动车辆110、服务器120以及将机动车辆110耦接到服务器120的一个或多个通信网络130。
34.在本公开的实施例中，机动车辆110可以包括根据本公开实施例的计算设备和/或被配置以用于执行根据本公开实施例的方法。
35.服务器120可以运行使得能够提取行车数据的方法的一个或多个服务或软件应用。在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。机动车辆110的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
36.服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如pc(个人计算机)服务器、unix服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
37.服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括http服务器、ftp服务器、cgi服务器、java服务器、数据库服务器等。
38.在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从机动车辆110接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由机动车辆110的一个或多个显示设备来显示数据馈送和/或实时事件。
39.网络130可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于tcp/ip、sna、ipx等)来支持数据通信。仅作为示例，一个或多个网络110可以是卫星通信网络、局域网(lan)、基于以太网的网络、令牌环、广域网(wan)、因特网、虚拟网络、虚拟专用网络(vpn)、内部网、外部网、公共交换电话网(pstn)、红外网络、无线网络(包括例如蓝牙、wifi)和/或这些与其他网络的任意组合。
40.系统100还可以包括一个或多个数据库150。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库150中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库150可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库150可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
41.在某些实施例中，数据库150中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
42.机动车辆110可以包括传感器111用于感知周围环境。传感器111可以包括下列传感器中的一个或多个：视觉摄像头、红外摄像头、超声波传感器、毫米波雷达以及激光雷达(lidar)。不同的传感器可以提供不同的检测精度和范围。摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外，通过对视觉摄像头捕获的画面进行分析，可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等信息。红外摄像头可以在夜视情况下捕捉物体。超声波传感器可以安装在车辆的四周，用于利用超声波方向性强等特点来测量车外物体距车辆的距离。毫米波雷达可以安装在车辆的前方、后方或其他位置，用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置，用于检测物体边缘、形状信息，从而进行物体识别和追踪。由于多普勒效应，雷达装置还可以测量车辆与移动物体的速度变化。
43.机动车辆110还可以包括通信装置112。通信装置112可以包括能够从卫星141接收卫星定位信号(例如，北斗、gps、glonass以及galileo)并且基于这些信号产生坐标的卫星定位模块。通信装置112还可以包括与移动通信基站142进行通信的模块，移动通信网络可以实施任何适合的通信技术，例如gsm/gprs、cdma、lte等当前或正在不断发展的无线通信技术(例如5g技术)。通信装置112还可以具有车联网或车联万物(vehicle
‑
to
‑
everything，v2x)模块，被配置用于实现例如与其它车辆143进行车对车(vehicle
‑
to
‑
vehicle，v2v)通信和与基础设施144进行车辆到基础设施(vehicle
‑
to
‑
infrastructure，v2i)通信的车与外界的通信。此外，通信装置112还可以具有被配置为例如通过使用ieee802.11标准的无线局域网或蓝牙与用户终端145(包括但不限于智能手机、平板电脑或诸如手表等可佩戴装置)进行通信的模块。利用通信装置112，机动车辆110还可以经由网络130接入服务器120。
44.机动车辆110还可以包括控制装置113。控制装置113可以包括与各种类型的计算机可读存储装置或介质通信的处理器，例如中央处理单元(cpu)或图形处理单元(gpu)，或者其他的专用处理器等。控制装置113可以包括用于自动控制车辆中的各种致动器的自动驾驶系统。自动驾驶系统被配置为经由多个致动器响应来自多个传感器111或者其他输入设备的输入而控制机动车辆110(未示出的)动力总成、转向系统以及制动系统等以分别控制加速、转向和制动，而无需人为干预或者有限的人为干预。控制装置113的部分处理功能可以通过云计算实现。例如，可以使用车载处理器执行某一些处理，而同时可以利用云端的计算资源执行其他一些处理。控制装置113可以被配置以执行根据本公开的方法。此外，控制装置113可以被实现为根据本公开的机动车辆侧(客户端)的计算设备的一个示例。
45.图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
46.根据本公开的一方面，提供了一种用于从自动驾驶车辆中提取行车数据的方法。如图2所示，提取行车数据的方法包括：步骤s201、响应于检测到自动驾驶车辆发生故障，确定故障发生的故障时刻以及故障的故障类型；步骤s202、基于故障时刻，确定待提取的行车数据所属的时间段；步骤s203、基于故障类型，确定待提取的行车数据的数据类型；以及步
骤s204、基于时间段和数据类型，从自动驾驶车辆的行车数据源文件中提取待提取的行车数据。
47.由此，通过对故障发生时间的无人车数据按照时间段和数据类型进行切片和分类提取，减少冗余数据的提取，从而提高数据提取的效率。
48.自动驾驶车辆发生的故障是车辆系统无法执行规定功能的状态。在一些实施例中，自动驾驶车辆发生的故障可以是车辆无法正常运行、车辆行为不符合预期、紧急状况出现后由人力接管等。
49.对于自动驾驶车辆故障的检测，可以通过跟车调试人员进行检测与识别。在一些实施例中，车辆的一些模块也可以通过检测车辆的传感器的输出状态是否出现异常，从而检测车辆是否出现故障。对于自动驾驶车辆故障时刻及故障类型的确定，可以由跟车调试人员进行确定，也可以由检测到车辆故障的模块进行确定。
50.对于车辆故障原因的确定，一般需要对故障时刻的前后一段时间内的行驶数据进行分析，因此需要根据故障时刻，确定待提取的行车数据所属的时间段。在一些实施例中，待提取的行车数据的所属时间段可以是通过确定故障时刻和该时刻前后的各一段预设时间段来确定。在一些实施例中，待提取的行车数据的所属时间段也可以是通过确定该时间段的起始时刻与终止时刻来确定。
51.对于不同类型的车辆故障，对其进行故障原因分析时所需要的行驶数据的类型不同。一般所确定的待提取行车数据的数据类型是对该故障的原因分析较为重要的数据类型。
52.自动驾驶车辆的行车数据源文件是具有时间标识的数据文件，其中包括其时间标识所示的时间范围内全部的车辆行驶数据。在一些实施例中，首先通过时间段和源文件的时间标识。对行车数据源文件进行初步查找，所查找出的行车数据源文件的时间范围覆盖所确定的时间段，进而在所查找出的行车数据源文件中，进一步根据时间段和数据类型，对所需要的行车数据进行提取。由此，可以进一步缩小数据提取的范围，从而提高数据提取的效率。
53.根据一些实施例，基于时间段和数据类型，从自动驾驶车辆的行车数据源文件中提取待提取的行车数据包括：根据时间段，从自动驾驶车辆的行车数据源文件中提取文本日志数据。
54.文本日志数据是按照时间存储的记录自动驾驶车辆系统操作和系统操作结果的数据。在一些实施例中，文本日志数据包括时间戳、系统操作数据、以及系统操作结果数据。通过对故障时刻的前后一段时间内的文本日志数据的分析，可以获取该故障发生前后系统进行的操作、操作结果、系统操作是否存在错误等信息，基于这些信息，可以实现故障原因的分析与定位。
55.优选的，文本日志数据可以通过二分文本检索算法进行提取。由于文本日志数据是具有时间戳的有序数据集合，因此可应用二分法的原理对文本日志数据进行检索。由此可以进一步提升数据提取的效率。
56.根据一些实施例，基于时间段和数据类型，从自动驾驶车辆的行车数据源文件中提取待提取的行车数据还包括：根据时间段和数据类型，从自动驾驶车辆的行车数据源文件中提取状态信息数据。
57.状态信息数据包括自动驾驶车辆在行驶过程中各传感器实时采集的数据以及系统各模块实时计算产生的过程数据，其中，各传感器实时采集数据的数据量较大，系统各模块实时计算产生的过程数据的数据量较小。在一些实施例中，可以通过基于机器人操作系统(robot operating system，ros)开发的自动驾驶操作系统中所提供的数据提取工具，对状态信息数据进行提取。
58.在一些实施例中，状态信息数据的数据类型可以分为默认、感知、规划、控制等类型。可选的，状态信息数据的数据类型可以根据实际需要进行设置与增加。
59.在一些实施例中，将状态信息数据分为不同的数据类型，并根据数据类型进行分类提取，可以进一步减小冗余数据的提取，从而提高数据提取的效率。
60.根据一些实施例，如图3所示，基于时间段和数据类型，从自动驾驶车辆的行车数据源文件中提取待提取的行车数据还包括：步骤s303、基于文本日志数据和状态信息数据，获取待提取的行车数据。由于文本日志数据和状态信息数据的数据量差别较大，因此通过不同的提取条件，分别对文本日志数据和状态信息数据进行提取，可以进一步提高数据提取的效率，进而高效的获取所需行车数据。图3中的步骤s301、步骤s302与上述实施例类似，在此不做赘述。
61.根据一些实施例，基于故障类型，确定待提取的行车数据的数据类型可以包括：基于故障类型，调取相应的预设配置文件。根据所确定的故障类型，调用预先设置好的配置文件，对于每一种故障类型，均有其相对应的预设配置文件。预设配置文件中包括该故障类型相应的所需提取的车辆状态信息数据的数据类型。可选的，预设配置文件也可以根据实际需要，由开发人员自行配置所需要提取的数据类型。
62.根据一些实施例，如图4所示，基于故障类型，确定待提取的行车数据的数据类型还可以包括：步骤s402、基于相应的预设配置文件，确定数据类型。通过对预设配置文件的读取，提取其中所配置的数据类型信息，进而根据该数据类型信息对状态信息数据进行提取。图4中的步骤s401与上述实施例类似，在此不做赘述。由此，当故障发生时，可以在确定故障类型后，自动快速的确定所需提取的状态信息数据类型，无需开发人员在每次故障发生时进行手动配置，进一步提高了数据提取的效率。
63.根据一些实施例，提取行车数据的方法还包括：将待提取的行车数据压缩为数据压缩包。数据压缩是指在不丢失有用信息的前提下，缩减数据量以减少存储空间，提高其传输、存储和处理效率，或按照一定的算法对数据进行重新组织，减少数据的冗余和存储的空间的一种技术方法。可以理解的是，本领域技术人员可以自行设置数据压缩的方式与压缩文件的类型，在此不做限定。
64.根据一些实施例，如图5所示，提取行车数据的方法还包括：步骤s506、将数据压缩包上传至云端。在一些示例性实施例中，数据压缩包可以通过4g或5g无线网络进行传输。可以理解的是，本领域技术人员可以自行选择上传方式及上传目标，在此不做限定。图5中的步骤s501
‑
步骤s505与上述实施例类似，在此不做赘述。由此，通过对数据进行压缩，可以进一步减小数据量，进而提升传输效率；同时，通过将数据压缩包上传至云端，可以实现无需人工即可将数据上传，进而缩短了开发人员获取到所需行车数据的时间，提高了故障原因分析的效率。
65.根据一些实施例，提取行车数据的方法还包括：响应于检测到自动驾驶车辆发生
多项故障，基于并行流水线处理机制针对多项故障的每一项故障提取相应的行车数据。并行流水线处理机制是指将一个重复的处理过程分解为若干子过程，每一个子过程都可在相应的流水线功能段上实现，并可与其它子过程同时执行。
66.根据一些实施例，响应于检测到自动驾驶车辆发生多项故障，基于并行流水线处理机制针对多项故障的每一项故障提取相应的行车数据包括：响应于检测到自动驾驶车辆发生多项故障，建立相应的多项提取行车数据任务，其中多项提取行车数据任务的每一项提取行车数据任务包括多个数据提取子过程。
67.根据一些示例性实施例，如图6所示，对于每一项提取行车数据任务，都可以分解为数据查找子过程601、数据提取子过程602、数据压缩子过程603、以及数据上传子过程604。其中，四个子过程两两之间存在时序依赖关系，即该项任务的前序子过程执行完成后，才可开启后序子过程。可选的，数据提取子过程也可以进一步分解为文本日志数据提取子过程、状态信息数据提取子过程等并行的子过程，在一项任务中，依据时序依赖关系，当数据查找子过程执行完成后，可同时启动文本日志数据提取子过程、状态信息数据提取子过程，而当该两项子过程全部执行完成后，方可开启数据压缩子过程。
68.根据一些实施例，响应于检测到自动驾驶车辆发生多项故障，基于并行流水线处理机制针对多项故障的每一项故障提取相应的行车数据还包括：响应于当前提取行车数据任务的第一数据提取子过程执行完成，进行后序提取行车数据任务的第一数据提取子过程。根据一些示例性实施例，如图6所示，响应于检测到三项故障，分别建立了任务6100、任务6200、以及任务6300这三项任务。首先进行任务6100的数据查找子过程6101，当数据查找子过程6101完成时，即启动任务6200的数据查找子过程6201；类似的，当数据查找子过程6201完成时，即启动任务6300的数据查找子过程6301。
69.根据一些实施例，响应于检测到自动驾驶车辆发生多项故障，基于并行流水线处理机制针对多项故障的每一项故障提取相应的行车数据还包括：响应于当前提取行车数据任务的第一数据提取子过程执行完成，并且前序提取行车数据任务的第二数据提取子过程执行完成，进行当前提取行车数据任务的第二数据提取子过程。根据一些示例性实施例，如图6所示，当任务6100的数据查找子过程6101完成时，在启动任务6200的数据查找子过程6201的同时，启动任务6100的数据提取子过程6102；当任务6200的数据查找子过程6201完成，且任务6100的数据提取子过程6102完成时，启动任务6200的数据提取子过程6202。
70.由此，通过上述处理机制，可以实现不同任务的不同子过程的并行处理，在同时存在多项故障，需要对多项故障进行行车数据提取的时候，可以进一步提升处理速度，进而提高多项行车数据提取的效率。
71.根据一些实施例，如图7所示，提取行车数据的方法还包括：响应于自动驾驶车辆断电或关机，保存当前的提取行车数据的进程的进度；以及响应于自动驾驶车辆重新启动，基于该进度继续提取行车数据的进程。由此，当自动驾驶车辆在系统断电或存在严重故障导致系统无法运行等情况下，可以保存数据提取进度，在车辆系统重新启动时，可以根据所保存的进度继续进行数据提取。
72.根据本公开的另一方面，还提供了一种用于从自动驾驶车辆中提取行车数据的装置800，如图8所示，包括：检测单元810，被配置为响应于检测到自动驾驶车辆发生故障，确定故障发生的故障时刻以及故障的故障类型；第一确定单元820，被配置为基于故障时刻，
确定待提取的行车数据所属的时间段；第二确定单元830，被配置为基于故障类型，确定待提取的行车数据的数据类型；以及第一提取单元840，被配置为基于时间段和数据类型，从自动驾驶车辆的行车数据源文件中提取待提取的行车数据。
73.提取行车数据装置800的单元810
‑
单元840的操作和上述提取行车数据方法的步骤s201
‑
步骤s204的操作类似，在此不做赘述。
74.根据一些实施例，如图9所示，第二确定单元9300包括：调取单元9310，被配置为基于故障类型，调取相应的预设配置文件；以及第一确定子单元9320，被配置为基于相应的预设配置文件，确定数据类型。
75.根据一些实施例，如图10所示，第一提取单元10400包括：第一提取子单元10410，被配置为根据时间段，从自动驾驶车辆的行车数据源文件中提取文本日志数据；第二提取子单元10420，被配置为根据时间段和数据类型，从自动驾驶车辆的行车数据源文件中提取状态信息数据；以及获取单元10430，被配置为基于文本日志数据和状态信息数据，获取待提取的行车数据。
76.根据一些实施例，如图11所示，提取行车数据的装置1100还包括：压缩单元1150，被配置为将待提取的行车数据压缩为数据压缩包；以及上传单元1160，被配置为将数据压缩包上传至云端。
77.提取行车数据装置1100的单元1110
‑
单元1140的操作和上述提取行车数据方法的步骤s201
‑
步骤s204的操作类似，在此不做赘述。
78.根据一些实施例，提取行车数据的装置还包括：并行处理单元，被配置为响应于检测到自动驾驶车辆发生多项故障，基于并行流水线处理机制针对多项故障的每一项故障提取相应的行车数据。
79.根据一些实施例，并行处理单元包括：任务建立单元，被配置为响应于检测到自动驾驶车辆发生多项故障，建立多项提取行车数据任务，其中多项提取行车数据任务的每一项提取行车数据任务包括多个数据提取子过程；以及第一启动单元，被配置为响应于当前提取行车数据任务的第一数据提取子过程执行完成，进行后序提取行车数据任务的第一数据提取子过程。
80.根据一些实施例，如图12所示，并行处理单元12700还包括：第二启动单元12730，被配置为响应于当前提取行车数据任务的第一数据提取子过程执行完成，并且前序提取行车数据任务的第二数据提取子过程执行完成，进行当前提取行车数据任务的第二数据提取子过程。图12中的单元12710
‑
12720的操作与上述相应单元的操作类似，在此不做赘述。
81.根据一些实施例，如图13所示，提取行车数据的装置1300还包括：进度保存单元1380，被配置为响应于自动驾驶车辆断电或关机，保存当前的提取行车数据的进程的进度；以及响应于自动驾驶车辆重新启动，基于进度继续提取行车数据的进程。图13中的单元1310
‑
1370的操作与上述相应单元的操作类似，在此不做赘述。
82.根据本公开的实施例，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。
83.参考图14，现将描述可以作为本公开的服务器或客户端的电子设备1400的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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。
84.如图14所示，设备1400包括计算单元1401，其可以根据存储在只读存储器(rom)1402中的计算机程序或者从存储单元1408加载到随机访问存储器(ram)1403中的计算机程序，来执行各种适当的动作和处理。在ram1403中，还可存储设备1400操作所需的各种程序和数据。计算单元1401、rom 1402以及ram 1403通过总线1404彼此相连。输入/输出(i/o)接口1405也连接至总线1404。
85.设备1400中的多个部件连接至i/o接口1405，包括：输入单元1406、输出单元1407、存储单元1408以及通信单元1409。输入单元1406可以是能向设备1400输入信息的任何类型的设备，输入单元1406可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1407可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1408可以包括但不限于磁盘、光盘。通信单元1409允许设备1400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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙tm设备、1302.11设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
86.计算单元1401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1401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1401执行上文所描述的各个方法和处理，例如提取行车数据的方法。例如，在一些实施例中，提取行车数据的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1408。在一些实施例中，计算机程序的部分或者全部可以经由rom 1402和/或通信单元1409而被载入和/或安装到设备1400上。当计算机程序加载到ram 1403并由计算单元1401执行时，可以执行上文描述的提取行车数据的方法的一个或多个步骤。备选地，在其他实施例中，计算单元1401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行提取行车数据的方法。
87.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。
88.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。
89.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。
90.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。
91.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。
92.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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。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。
93.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，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，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。
94.虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。