一种基于车端数据的道路问题检测方法及可读存储介质与流程

技术特征：
1.一种基于车端数据的道路问题检测方法，其特征在于，包括以下步骤：s1：获取车辆的行车辅助功能异常事件记录数据，以及对应行车辅助功能异常事件发生前后的用户操作数据；s2：关联行车辅助功能异常事件记录数据以及对应的用户操作数据；s3：基于用户操作数据判断对应的行车辅助功能异常事件是否为非人为原因造成；s4：对非人为原因造成的行车辅助功能异常事件的发生地点进行聚类，以获取非人为原因造成的行车辅助功能异常事件的发生集中道路，并作为问题道路。2.如权利要求1所述的基于车端数据的道路问题检测方法，其特征在于：步骤s1中，行车辅助功能异常事件记录数据包括但不限于行车辅助功能异常事件的事件类型、发生时间和发生地点；其中，事件类型包括但不限于退出行车辅助和提示用户接管驾驶。3.如权利要求1所述的基于车端数据的道路问题检测方法，其特征在于：步骤s1中，用户操作数据包括但不限于刹车踏板深度、油门踏板深度、方向盘手力矩、转向灯状态和辅助驾驶功能按键状态及语音接口状态。4.如权利要求1所述的基于车端数据的道路问题检测方法，其特征在于：步骤s2中，在行车辅助功能异常事件记录数据和对应用户操作数据间增加事件标识字段以完成关联。5.如权利要求1所述的基于车端数据的道路问题检测方法，其特征在于：步骤s3中，基于刹车踏板深度变化幅度、油门踏板深度变化幅度、方向盘手力矩最大值、转向灯激活状态和辅助驾驶功能按键使用状态及语音接口使用状态判断行车辅助功能异常事件是否为非人为原因造成。6.如权利要求1所述的基于车端数据的道路问题检测方法，其特征在于：步骤s4中，通过dbscan聚类模型对非人为原因造成的行车辅助功能异常事件的发生地点进行聚类。7.如权利要求6所述的基于车端数据的道路问题检测方法，其特征在于：dbscan聚类模型的扫描半径设置为30m至80m，最少点数设置为3至8。8.如权利要求6所述的基于车端数据的道路问题检测方法，其特征在于：dbscan聚类模型通过欧氏距离算法计算两点之间的距离。9.如权利要求6所述的基于车端数据的道路问题检测方法，其特征在于：通过dbscan聚类模型完成聚类后，排除噪音点，剩下的每个类别即为一个问题道路。10.一种可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-9任一项所述的基于车端数据的道路问题检测方法的步骤。

技术总结
本发明涉及车辆数据处理技术领域，具体涉及一种基于车端数据的道路问题检测方法及可读存储介质。所述方法包括：获取车辆的行车辅助功能异常事件记录数据，以及对应行车辅助功能异常事件发生前后的用户操作数据；关联行车辅助功能异常事件记录数据以及对应的用户操作数据；基于用户操作数据判断对应的行车辅助功能异常事件是否为非人为原因造成；对非人为原因造成的行车辅助功能异常事件的发生地点进行聚类，以获取非人为原因造成的行车辅助功能异常事件的发生集中道路，并作为问题道路。本发明的道路问题检测方法能够降低硬件成本并降低数据处理复杂度和难度，从而能够提升道路问题检测的效率并降低道路问题检测的成本。路问题检测的效率并降低道路问题检测的成本。路问题检测的效率并降低道路问题检测的成本。


技术研发人员：于明礼
受保护的技术使用者：重庆长安汽车股份有限公司
技术研发日：2022.01.30
技术公布日：2022/4/29