自动驾驶事件上云平台的性能监测方法、系统与流程

1.本发明涉及自动驾驶数据平台的技术领域，具体涉及一种自动驾驶事件上云平台的性能监测方法、系统。


背景技术：

2.随着自动驾驶技术越来越成熟，自动驾驶控制器收集的数据种类和数据规模都在随之变得越来越庞大，因此，保证自动驾驶控制器收集的数据在一定时间内无瓶颈上传到云端，成了自动驾驶数据平台性能评价的关键环节。
3.目前，自动驾驶数据平台的架构包括自动驾驶控制器(c2)、车载计算机(edc)组成的硬件端和云端三大部分，三大部分透过数据通道传输自动驾驶事件。自动驾驶控制器作为产生自动驾驶事件后的控制硬件，收集各类自动驾驶事件后再发送到车载计算机。车载计算机作为中间转发设备将自动驾驶事件发送到云端。云端具体接收的设备为云平台服务器。
4.现有技术在评估自动驾驶事件上传到云端的网络架构中的数据通道性能时，是根据在云端对硬件端上传的自动驾驶事件的总数、上传所有事件花费的总时间进行一个大致的估算，根据估算结果判断向云端上传自动驾驶事件的过程是否出现性能减退或瓶颈。
5.但是，现有技术对中整个网络架构的数据通道和平台处理性能评估方式，在面对庞大的数据量时，无法用来自行定位自动驾驶事件数据上传云端的过程是哪部分的数据通道出现瓶颈导致的传输性能下降，使得维护人员难以及时进行远程处理。


技术实现要素：

6.本发明的目的之一在于提供一种自动驾驶事件上云平台的性能监测方法，以解决现有技术中难以定位哪部分的数据通道出现瓶颈的问题；目的之二在于提供一种自动驾驶事件上云平台的性能监测系统。
7.为了实现上述目的，本发明采用的技术方案如下：
8.一种自动驾驶事件上云平台的性能监测方法，在自动驾驶控制器、车载计算机、云平台组成的系统上执行；自动驾驶控制器与车载计算机之间设有第一数据通道，车载计算机与云平台之间设有第二数据通道；步骤如下：
9.自动驾驶控制器统计通过第一数据通道所发送的自动驾驶事件每秒处理量，记为tps1，然后将tps1通过第一数据通道发送到车载计算机；
10.车载计算机统计通过第一数据通道所接收的自动驾驶事件每秒处理量tps2；
11.云平台统计通过第二数据通道所接收的自动驾驶事件每秒处理量tps3，然后将tps3通过第二数据通道发送到车载计算机；
12.车载计算机统计通过第二数据通道所接收的自动驾驶事件每秒处理量tps4；
13.车载计算机比较tps1、tps2、tps3、tps4之间的差值，然后根据比较结果判断第一数据通道、第二数据通道是否出现性能瓶颈。
14.进一步的，比较差值的具体过程为：
15.车载计算机分别比较tps1与tps2、tps2与tps3、tps3与tps4各自差值的大小是否处于设定范围内。
16.进一步的，判断是否出现性能瓶颈的过程具体为：
17.若出现tps1大于tps2且差值的大小超出设定范围的情况，则表示第一数据通道出现性能瓶颈；
18.若出现tps2大于tps3且差值的大小超出设定范围的情况，则表示第二数据通道的上传出现性能瓶颈；
19.若出现tps3大于tps4且差值的大小超出设定范围的情况，则表示第二数据通道的下载出现性能瓶颈。
20.进一步的，比较tps1与tps2时，设定范围为tps1减去tps2的差值大小占tps1大小的比例低于百分之五；
21.比较tps2与tps3时，设定范围为tps2减去tps3的差值大小占tps2大小的比例低于百分之五；
22.比较tps3与tps4时，设定范围为tps3减去tps4的差值大小占tps3大小的比例低于百分之五。
23.进一步的，在车载计算机比较出性能瓶颈后，车载计算机生成与性能瓶颈对应的消息文件，并通过第二数据通道发送到云平台进行定位告警。
24.进一步的，在tps1、tps2、tps3、tps4进行比较前还进行了延时处理，具体过程为：
25.比较tps1与tps2前，将tps2在原有大小的基础上加上第一设定值；
26.比较tps2与tps3前，将tps3在原有大小的基础上加上第二设定值；
27.比较tps3与tps4前，将tps4在原有大小的基础上加上第三设定值。
28.一种自动驾驶事件上云平台的性能监测系统，包括自动驾驶控制器、车载计算机、云平台；在自动驾驶控制器与车载计算机之间设有第一数据通道，在车载计算机与云平台之间设有第二数据通道；自动驾驶控制器设有第一统计模块；车载计算机设有第二统计模块、比较判断模块；
29.第一统计模块用于统计自动驾驶控制器通过第一数据通道所发送的自动驾驶事件每秒处理量tps1；
30.第二统计模块用于统计车载计算机通过第一数据通道所接收的自动驾驶事件每秒处理量tps2、车载计算机通过第二数据通道所接收的自动驾驶事件每秒处理量tps4、云平台通过第二数据通道所接收的自动驾驶事件每秒处理量tps3；
31.比较判断模块用于比较tps1、tps2、tps3、tps4之间的差值，并根据比较结果判断第一数据通道、第二数据通道是否出现性能瓶颈。
32.进一步的，比较判断模块包括第一计算模块、第二计算模块、第三计算模块、判断模块；
33.第一计算模块用于比较tps1减去tps2的差值大小占tps1大小的比例是否超出设定范围；
34.第二计算模块用于比较tps2减去tps3的差值大小占tps1大小的比例是否超出设定范围；
35.第三计算模块用于比较tps3减去tps4的差值大小占tps1大小的比例是否超出设定范围；
36.判断模块用于分别根据第一比较模块、第二比较模块、第三比较模块各自比例的计算结果判断是否超出设定范围，以此定位第一数据通道、第二数据通道是否有性能瓶颈。
37.进一步的，车载计算机还设有延时处理模块；
38.延时处理模块用于在比较判断模块比较tps1、tps2、tps3、tps4之间的大小之前，分别将tps2在原有大小的基础上加上第一设定值、将tps3在原有大小的基础上加上第二设定值、将tps4在原有大小的基础上加上第三设定值。
39.进一步的，车载计算机还设有消息文件生成模块；
40.消息文件生成模块用于生成与性能瓶颈对应的消息文件。
41.本发明自动驾驶事件上云平台的性能监测方法、系统的有益效果在于：
42.在面对日益庞大数据量的自动驾驶控制需求下，相比现有技术无法自动进行性能瓶颈地位的问题，本发明通过比较在环节的自动驾驶事件每秒处理量tps之间的差值，得到数据通道具体出现性能瓶颈的位置，实现对自动驾驶事件上传到云平台数据传输过程的性能监测，便于维护人员进行远程优化性能瓶颈。
附图说明
43.图1为本发明的自动驾驶事件上云平台的性能监测方法的流程图；
44.图2为本发明的自动驾驶事件上云平台的性能监测系统的结构框架图。
具体实施方式
45.以下将参照附图和优选实施例来说明本发明的实施方式，本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
46.需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
47.实施例1
48.本实施例提出了一种自动驾驶事件上云平台的性能监测方法，如图1所示。
49.本实施例的自动驾驶事件上云平台的性能监测方法，基于由自动驾驶控制器、车载计算机、云平台组成的系统进行，自动驾驶控制器与车载计算机之间设有第一数据通道，车载计算机与云平台之间设有第二数据通道，第一数据通道、第二数据通道均用于传输自动驾驶事件及其相关的消息，具体步骤如下：
50.s1、自动驾驶控制器统计通过第一数据通道所发送的自动驾驶事件每秒处理量，记为tps1，然后将tps1通过第一数据通道发送到车载计算机；
51.s2、车载计算机统计通过第一数据通道所接收的自动驾驶事件每秒处理量，记为
tps2；
52.s3、云平台统计通过第二数据通道所接收的自动驾驶事件每秒处理量，记为tps3，然后将tps3通过第二数据通道发送到车载计算机；
53.s4、车载计算机统计通过第二数据通道所接收的自动驾驶事件每秒处理量，记为tps4；
54.s5、在车载计算机中进行延时处理，再分别比较tps1与加上第一设定值后的tps2、tps2与加上第二设定值后的tps3、tps3与加上第三设定值后的tps4各自的情况；具体过程为：
55.s51、比较tps1与tps2前，将tps2在原有统计到的大小的基础上加上第一设定值，计算tps1减去在加上第一设定值后的tps2的差值，再计算该差值与tps1的比例，记为比例1；
56.s52、比较tps2与tps3前，将tps3在原有统计到的大小的基础上加上第二设定值，计算tps2减去在加上第二设定值后的tps3的差值，再计算该差值与tps2的比例，记为比例2；
57.s53、比较tps3与tps4前，将tps4在原有统计到的大小的基础上加上第三设定值，计算tps3减去在加上第三设定值后的tps4的差值，再计算该差值与tps3的比例，记为比例3；
58.s6、根据步骤s5的计算结果，在车载计算机中判断比例1、比例2、比例3的大小是否超出设定范围，从而定位出现性能瓶颈的位置，设定范围为零到百分之五，性能瓶颈包括性能瓶颈和性能瓶颈；具体过程为：
59.s61、若比例1的数值大小超过百分之五，则表示第一数据通道出现性能瓶颈；
60.s62、若比例2的数值大小超过百分之五，则表示第二数据通道在上传自动驾驶事件时出现性能瓶颈；
61.s63、若比例3的数值大小超过百分之五，则表示第二数据通道在下载自动驾驶事件时出现性能瓶颈；
62.s7、根据步骤s6定位到的性能瓶颈，在车载计算机中生成性能瓶颈相对应的消息文件，消息文件内记载有第一数据通道丢失的自动驾驶事件数量、第二数据通道在上传时丢失的自动驾驶事件数量、第二数据通道在下载时丢失的自动驾驶事件数量；然后车载计算机将消息文件通过第二数据通道发送到云平台协助维护人员进行远程定位告警，实现对自动驾驶事件传输到云平台过程的性能监测。
63.与现有技术相比，本实施例的有益效果在于：
64.在面对日益庞大数据量的自动驾驶控制需求下，相比现有技术无法自动进行性能瓶颈地位的问题，本实施例通过比较tps1、tps2、tps3、tps4之间的差值占比是否处于合理的范围内，并结合tps在传输过程由于延迟可能引起的误差，得到数据通道具体出现性能瓶颈的位置，实现对自动驾驶事件上传到云平台数据传输过程自动化的性能监测，便于维护人员进行远程优化性能瓶颈。
65.实施例2
66.本实施例提出了一种自动驾驶事件上云平台的性能监测系统，如图2所示。
67.本实施例的自动驾驶事件上云平台的性能监测系统，包括自动驾驶控制器、车载
计算机、云平台。自动驾驶控制器与车载计算机之间设有第一数据通道。车载计算机与云平台之间设有第二数据通道。
68.自动驾驶控制器内设有第一统计模块。第一统计模块用于统计自动驾驶控制器通过第一数据通道所发送的自动驾驶事件每秒处理量tps1。第一统计模块与第一数据通道连接。
69.车载计算机内设有第二统计模块、延时处理模块、比较判断模块、消息文件生成模块。比较判断模块用于。比较判断模块内包括第一计算模块、第二计算模块、第三计算模块、判断模块。云平台与第二数据通道连接，第二数据通道分别与判断模块、消息文件生成模块、第二统计模块连接。第二数据通道在逻辑上分化有上传链路和下载链路，上传链路、下载链路均用于传输自动驾驶事件、tps、消息文件。
70.第二统计模块与第一数据通道连接。第二统计模块用于统计车载计算机通过第一数据通道所接收的自动驾驶事件每秒处理量tps2、车载计算机通过第二数据通道所接收的自动驾驶事件每秒处理量tps4、云平台通过第二数据通道所接收的自动驾驶事件每秒处理量tps3。第二统计模块于第二数据通道连接。
71.第二统计模块与延时处理模块连接。延时处理模块用于在比较判断模块比较tps1、tps2、tps3、tps4之间的差值之前，分别将tps2在原有大小的基础上加上第一设定值、将tps3在原有大小的基础上加上第二设定值、将tps4在原有大小的基础上加上第三设定值。
72.第一计算模块、第二计算模块、第三计算模块均分别与延时处理模块连接。
73.第一计算模块用于计算tps1减去在加上第一设定值后的tps2的差值，再计算该差值与tps1的比例，记为比例1。第二计算模块用于计算tps2减去在加上第二设定值后的tps3的差值，再计算该差值与tps2的比例，记为比例2。第三计算模块计算tps3减去在加上第三设定值后的tps4的差值，再计算该差值与tps3的比例，记为比例3。
74.第一计算模块、第二计算模块、第三计算模块均分别与判断模块连接。判断模块用于判断比例1、比例2、比例3的数值大小是否超过百分之五。若比例1大于百分之五，则表示第一数据通道出现性能瓶颈。若比例2超过百分之五，则表示第二数据通道上传链路出现性能瓶颈。若比例3大于百分之五，则表示第二数据通道下载链路出现性能瓶颈。
75.判断模块分别与第二数据通道、消息文件生成模块连接。消息文件生成模块与第二数据通道连接。消息文件生成模块用于生成性能瓶颈相对应的消息文件，消息文件内记载有第一数据通道丢失的自动驾驶事件数量、第二数据通道在上传时丢失的自动驾驶事件数量、第二数据通道在下载时丢失的自动驾驶事件数量。消息文件通过第二数据通道的上传链路发送到云平台进行定位告警，协助维护人员远程定位优化性能瓶颈。
76.与现有技术相比，本实施例的有益效果在于：
77.本实施例在传输自动驾驶事件到云平台的过程中，关键在于通过延时处理模块、比较判断模块的结合，在考虑到自动驾驶事件的传输过程由于延迟可能引起的误差的情况下，通过比较tps1、tps2、tps3、tps4之间的差值占比是否处于合理的范围内，实现对数据通道具体出现性能瓶颈的位置进行自动化的定位，从而达到自动监测的功能，便于维护人员进行远程优化性能瓶颈。
78.以上实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不
限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。