数据处理方法、数据处理装置、电子设备和介质与流程

1.本公开涉及计算机技术领域，尤其涉及自动驾驶技术，具体涉及一种数据处理方法、数据处理装置、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.人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
3.在自动驾驶技术中，为了为自动驾驶系统提供有效的自动驾驶算法，需要在前期对自动驾驶系统中使用的各种算法和模型进行验证。例如，可以基于仿真系统对各种自动驾驶算法进行调试。
4.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：

5.本公开提供了一种数据处理方法、数据处理装置、电子设备、计算机可读存储介质和计算机程序产品。
6.根据本公开的一方面，提供了一种数据处理方法，包括：确定对应于至少一个场景的多个动力学驾驶数据段，其中，所述动力学驾驶数据是通过对真实路测数据进行场景挖掘得到的；针对所述至少一个场景中的每个场景，确定对应于该场景的动力学驾驶数据段中的控制数据和对应于所述控制数据的车辆输出，利用对应于所述车辆的动力学模型对所述控制数据进行处理，以得到对应于所述控制数据的模拟输出，以及确定该场景下所述车辆输出和所述模拟输出之间的差异；以及基于所述至少一个场景中所述车辆输出和所述模拟输出之间的差异确定所述动力学模型的评价数据。
7.根据本公开的另一方面，提供了一种数据处理装置，包括：数据挖掘单元，被配置成确定对应于至少一个场景的多个动力学驾驶数据段，其中，所述动力学驾驶数据是通过对真实路测数据进行场景挖掘得到的；差异确定单元，被配置成：针对所述至少一个场景中的每个场景，确定对应于该场景的动力学驾驶数据段中的控制数据和对应于所述控制数据的车辆输出，利用对应于所述车辆的动力学模型对所述控制数据进行处理，以得到对应于所述控制数据的模拟输出，以及确定该场景下所述车辆输出和所述模拟输出之间的差异；以及评价单元，被配置成基于所述至少一个场景中所述车辆输出和所述模拟输出之间的差异确定所述动力学模型的评价数据。
8.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；以及与所
述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开的实施例的方法。
9.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，所述计算机指令用于使所述计算机执行本公开的实施例的方法。
10.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，所述计算机程序在被处理器执行时实现本公开的实施例的方法。
11.根据本公开的一个或多个实施例，可以利用从真实的路测数据中挖掘的典型场景中的驾驶数据对车辆的动力学模型进行评价。这样能够方便地获取能够用于对动力学模型的表现进行评价的不同场景下的大量数据，从而实现以高效的方式实现动力学模型的评价。
12.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
13.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。
14.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；
15.图2示出了根据本公开的实施例的数据处理方法的示例性的流程图；
16.图3示出了根据本公开的实施例的动力学模型评价方法的示例性过程；
17.图4示出了根据本公开的实施例的数据处理装置的示例性框图；
18.图5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
19.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。
20.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要素与另一要素区分开。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。
21.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。
22.下面将结合附图详细描述本公开的实施例。
23.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包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
24.在本公开的实施例中，服务器120可以运行使得能够执行根据本公开的实施例的数据处理方法的一个或多个服务或软件应用。
25.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。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(saas)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
26.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。操作客户端设备101、102、103、104、105和/或106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。
27.用户可以使用客户端设备101、102、103、104、105和/或106来获取本公开的实施例中使用的驾驶数据。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
28.客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如microsoft windows、apple ios、类unix操作系统、linux或类linux操作系统(例如google chrome os)；或包括各种移动操作系统，例如microsoft windows mobile os、ios、windows phone、android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(pda)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(sms)应用程序，并且可以使用各种通信协议。
29.网络110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(例如蓝牙、wifi)和/或这些和/或其他网络的任意组合。
30.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。
31.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。
32.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，以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
33.在一些实施方式中，服务器120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。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(vps，virtual private server)服务中存在的管理难度大、业务扩展性弱的缺陷。
34.系统100还可以包括一个或多个数据库130。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130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。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器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。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。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。
35.在某些实施例中，数据库130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。
36.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。
37.为了对自动驾驶系统中使用的各种自动驾驶算法进行前期验证，可以利用仿真系统对自动驾驶算法进行调试从而有效发现算法中存在的风险。在仿真系统中，可以使用动力学模型模拟车辆的动力学特性。仿真系统中动力学模型的准确度将决定仿真系统的仿真结果的置信度。因此，在仿真系统中应用车辆的动力学模型之前，需要对动力学模型进行评价以判断动力学模型的准确度是否满足需求。
38.在相关技术中，通过为动力学模型设计实车试验采集用于评价动力学模型的数据。然而，为了保证评价的准确性，需要为不同的试验场景单独设计实车试验并对同一试验场景进行多次数据采集，需要耗费大量的时间和人力成本。
39.为了提高动力学模型的评价效率和准确性，本公开提供了一种新的用于评价动力学模型的数据处理方法。
40.图2示出了根据本公开的实施例的数据处理方法的示例性的流程图。可以利用图1
中示出的客户端或服务器实现图2中示出的方法200。
41.如图2所示，在步骤s202中，确定对应于至少一个场景的多个动力学驾驶数据段。其中，动力学驾驶数据是通过对真实路测数据进行场景挖掘得到的。
42.在步骤s204中，针对至少一个场景中的每个场景，确定对应于该场景的动力学驾驶数据段的控制数据和对应于控制数据的车辆输出，利用对应于车辆的动力学模型对控制数据进行处理，以得到对应于控制数据的模拟输出，以及确定车辆输出和模拟输出之间的差异。
43.在步骤s206中，基于至少一个场景中车辆输出和模拟输出之间的差异确定动力学模型的评价数据。
44.利用本公开的实施例提供的方法，可以利用从真实的路测数据中挖掘的典型场景中的驾驶数据对车辆的动力学模型进行评价。这样能够方便地获取能够用于对动力学模型的表现进行评价的不同场景下的大量数据，从而实现以高效的方式实现动力学模型的评价。通过利用大量数据对动力学模型进行批量评价能够有效地排除偶发因素，对动力学模型的评价结果的影响，从而能够提高动力学模型评价的准确性。
45.以下将详细描述本公开的实施例的原理。
46.在步骤s202中，可以确定对应于至少一个场景的多个动力学驾驶数据段。其中，动力学驾驶数据是通过对真实路测数据进行场景挖掘得到的。
47.其中，真实路测数据可以是在任何真实的驾驶行为中产生的数据的集合。其中，真实路测数据可以包括驾驶过程中车辆的传感器采集到的任何感测数据，包括但不限于与车辆的行驶过程本身有关的数据(如速度、加速度、方向等)、车辆周围的环境数据(如车道信息、天气情况、光照情况、车辆周围的其他交通对象(例如车辆、行人等)等)、与车辆行驶有关的控制数据(如转向数据、油门数据、制动数据等)。
48.可以利用各种场景挖掘技术对真实路测数据进行场景挖掘，从而得到对应于至少一个场景的多个动力学驾驶数据段。例如，可以预先确定需要挖掘的至少一个场景的类型。在一些示例中，至少一个场景可以包括直行、转弯、掉头、变道、环岛以及车辆异常操作中的至少一个。这些场景能够涵盖用于评价动力学模型的典型场景。其中，车辆异常操作的场景指的是车辆未能实现期望的驾驶行为的场景。例如，在控制车辆进行转弯或变道时，车辆可能出现画龙前进等不期望的驾驶行为。在这样的场景中，可能是车辆接收的指令和车辆的动力学控制之间的配合出现了问题。
49.以掉头场景为例，可以预先确定掉头场景下的路测数据的特征，并对真实路测数据进行遍历以挖掘路测数据中符合掉头场景的数据特征的数据段，并将挖掘到的数据段作为对应于掉头场景的驾驶数据段。其中，可以利用基于视觉的方式(如基于路测时采集到的车辆周围的图像数据)、基于数据分析的方式(如对一段时间内车辆的速度、位置等数据进行数据分析)等方式确定掉头场景的数据特征，从而实现场景挖掘。对于除掉头场景以外的其他场景，也可以利用类似的方法进行场景挖掘，从而得到对应于各个场景的路测数据的数据段。
50.为了对动力学模型进行评价，所挖掘的对应于掉头场景的数据段应当包括驾驶过程中车辆的各种动力学数据(如油门数据、制动数据、车辆速度、车辆加速度等)。在本文中，这种包含动力学数据的数据段将被称作是动力学数据段。
51.通过对真实路测数据进行场景挖掘获取不同场景下的动力学驾驶数据段，能够利用先前积累的实车试验的结果快速获取大量的动力学驾驶数据段用于评价动力学模型，而无需专门设计相应的实车试验并采集数据。由此可以提高用于评价动力学模型的数据的采集效率并降低了数据采集成本。
52.在步骤s204中，针对至少一个场景中的每个场景，可以确定对应于该场景的动力学驾驶数据段的控制数据和对应于控制数据的车辆输出。可以利用对应于车辆的动力学模型对控制数据进行处理，以得到对应于控制数据的模拟输出，并确定车辆输出和模拟输出之间的差异。
53.其中，动力学模型可以是基于对应车辆的车型确定的。例如，可以针对小轿车、货车、公交车等不同类型的车辆设计不同的动力学模型。在此不对动力学模型的具体类型进行限制，只要动力学模型能够反映对应于路测数据的车辆的动力学特性即可。
54.在一些实施例中，可以从利用步骤s202获取的对应于场景的动力学驾驶数据段中获取车辆的控制数据。其中，控制数据指示车辆接收到的与动力学改变有关的控制输入。在接收到这样的控制输入后，车辆将响应于控制输入的信息产生动力学系统的反馈，从而改变车辆的动力学特性，例如速度、方向等。上述动力学特性的改变可以控制车辆实现加速、减速、变道、转弯等驾驶需求。在一些示例中，在利用步骤s202获取大量的动力学驾驶数据段的情况下，可以对同一场景的动力学驾驶数据段进行批量处理以提取对应于该场景的多个动力学驾驶数据段中的控制数据和车辆输出。利用这种方式能够提高数据处理的效率并降低时间成本。
55.控制数据可以包括车辆的油门踏板开度、制动踏板开度、方向盘转角和目标挡位中的至少一个。可以理解的是，控制数据的类型不限于此，本领域技术人员可以基于实际应用选择任何合适的数据作为控制数据。
56.响应于上述控制数据而产生的对应的车辆输出可以包括位置(纵向位置和/或横向位置)、速度(纵向速度和/或横向速度)、加速度(纵向加速度和/或横向加速度)、横摆角、横摆角速度中的至少一个。通过利用对应于车辆的动力学模型对上述控制数据进行处理以得到对应于控制数据的模拟输出。例如，模拟输出可以包括车辆的模拟位置、模拟速度、模拟加速度、模拟横摆角、模拟横摆角速度中的至少一个。可以理解的是，车辆输出和模拟输出的类型不限于此，本领域技术人员可以基于实际应用选择任何合适的数据用于评价动力学模型。
57.步骤s204中确定的车辆输出和模拟输出之间的差异可以反映车辆的动力学模型的准确性。在理想情况下，动力学模型的模拟输出应当是与真实路测数据中的车辆输出一致的，这表示动力学模型能够很好地对车辆的动力学特性进行仿真。反之，如果在输入的控制数据相同的情况下动力学模型的模拟输出与真实路测数据中的车辆输出具有较大差别，则可以认为动力学模型的准确度不高，无法实现对车辆的动力学特性的准确仿真。
58.在步骤s206中，可以基于至少一个场景中车辆输出和模拟输出之间的差异确定动力学模型的评价数据。
59.在一些实施例中，对于上述至少一个场景中的每个场景，可以确定该场景中车辆输出和模拟输出之间的差异。
60.对于对应于该场景的多个动力学驾驶数据段中的每个动力学驾驶数据段，可以确
定该动力学驾驶数据段中车辆输出和模拟输出之间的误差。例如，针对每个动力学驾驶数据段对应的时间段，可以针对该时间段中每个时间点上车辆输出和模拟输出之间的误差，并将各个时间点对应的误差的平均值(或加权平均值)作为该时间段中车辆输出和模拟输出之间的误差。又例如，也可以利用任何方式对该时间段内的数据进行采样(如采样该时间段内的多个离散和/或连续的时间点)，并基于采样得到的时间点对应的误差的平均值(或加权平均值)作为该时间段中车辆输出和模拟输出之间的误差。
61.如前所述，利用步骤s202可以为同一场景挖掘到多个动力学驾驶数据段，因此，可以对对应于该场景的多个动力学驾驶数据段进行数据统计，以得到该场景下车辆输出和模拟输出之间的误差的统计结果作为该场景下车辆输出和模拟输出之间的差异。例如，可以确定同一场景下不同动力学驾驶数据段对应的车辆输出和模拟输出之间的误差的标准差(或其它任何合适的统计量)作为该场景下车辆输出和模拟输出之间的误差的差异。利用这样的方法，可以基于大量数据获取同一场景下动力学模型的评价结果，从而能够排除偶然的异常数据对评价结果的影响，并提高动力学模型的评价准确性。
62.如前所述，车辆输出和模拟输出可以包括多个不同的参数。例如，车辆输出可以包括多个车辆参数，包括但不限于车辆的纵向位置、横向位置、纵向速度、横向速度、纵向加速度、横向加速度、横摆角、横摆角速度中的一个或多个。相应地，动力学模型的模拟输出可以包括分别对应于各个车辆参数的多个模拟参数。在车辆输出和模拟输出包括多个不同的参数的情况下，可以对每个车辆参数和对应于该车辆参数的模拟参数的参数统计结果进行加权求和作为该场景下车辆输出和模拟输出之间的差异。例如，可以分别确定每个动力学驾驶数据段中各个车辆参数和对应的模拟参数之间的误差的参数标准差，并对各个参数标准差进行加权求和作为该场景下车辆输出和模拟输出之间的差异。
63.可以基于各个场景下车辆输出和模拟输出之间的差异确定该场景下动力学模型的评价等级。在一些示例中，可以将每个场景下确定的车辆输出和模拟输出之间的差异与预定义的评价等级阈值进行比较，从而确定各个场景下动力学模型的评价等级。例如，当车辆输出和模拟输出之间的差异小于或等于预定义的评价等级阈值时，可以确定该场景下动力学模型的评价等级为“合格”。相应地，当车辆输出和模拟输出之间的差异大于预定义的评价等级阈值时，可以确定该场景下动力学模型的评价等级为“不合格”。可以理解的是，在不脱离本公开原理的情况下，本领域技术人员可以根据实际情况为动力学模型设置更多数量的评价等级，以对动力学模型进行更细化的评价。
64.对于步骤s202中确定的至少一个场景，可以基于上述至少一个场景中车辆输出和模拟输出之间的差异的统计结果确定评价数据。
65.在一些示例中，可以对动力学模型的评价等级为“合格”(或优于合格)的场景进行统计作为动力学模型的评价数据。当至少一个场景中动力学模型的评价等级为“合格”(或优于合格)的场景的绝对数量或相对数量高于预设的数量阈值时，可以认为动力学模型的评价数据指示动力学模型符合准确度需求。反之，则评价数据指示动力学模型需要进一步优化以提高仿真准确度。
66.在另一些示例中，可以对各个场景的下车辆输出和模拟输出之间的差异进行加权求和，以得到至少一个场景下动力学模型评价的综合结果作为动力学模型的评价数据。当动力学模型评价的综合结果小于或等于预设的差异阈值时，可以认为动力学模型的评价数
据指示动力学模型符合准确度需求。反之，则评价数据指示动力学模型需要进一步优化以提高仿真准确度。
67.在另一些情况下，也可以直接将针对每个场景确定的车辆输出和模拟输出之间的差异的集合确定为动力学模型的评价数据。在这种情况下，可以为动力学模型提供关于具有较低准确度的场景的针对性的优化，从而使得动力学模型在不同的场景下均能有符合要求的表现。
68.图3示出了根据本公开的实施例的动力学模型评价方法的示例性过程300。
69.如图3所示，在步骤s301中，可以获取路测数据库中的路测数据。其中，路侧数据库可以是包括正常路测数据的常规路测数据库，也可以是包括路测中出现的问题数据的路测问题数据库。其中路测数据库中可以包括在历史道路测试中采集的各种驾驶数据。
70.在步骤s302中，可以对路测数据库中的数据进行场景挖掘。在一些实施例中，待挖掘的场景可以是用于评价动力学模型的典型场景，包括但不限于直行、转弯、掉头、变道、环岛等场景。可以从上述常规在另一些实施例中，待挖掘的场景可以是典型问题场景，例如其中车辆未能实现期望的驾驶行为的场景。例如，在控制车辆进行转弯或变道时，车辆可能出现画龙前进等不期望的驾驶行为。在这样的场景中，可能是车辆接收的指令和车辆的动力学控制之间的配合出现了问题。利用这样的问题场景的数据对动力学模型进行评价，可以评估在极端情况下动力学模型是否还能很好地对车辆的动力学特性进行仿真。
71.在步骤s303中，可以确定一场景下挖掘的动力学驾驶数据段中的控制数据。其中，控制数据可以包括车辆的油门踏板开度、制动踏板开度、方向盘转角和目标挡位中的至少一个。
72.在步骤s304中，可以确定挖掘到的动力学驾驶数据段中对应于控制数据的车辆输出。其中车辆输出可以包括车辆的位置、速度、加速度、横摆角、横摆角速度中的至少一个。
73.在步骤s305中，可以将步骤s303中确定的控制数据输入车辆的动力学模型，并得到动力学模型的模拟输出。其中，模拟输出可以包括车辆的模拟位置、模拟速度、模拟加速度、模拟横摆角、模拟横摆角速度中的至少一个。
74.在步骤s306中，可以确定步骤s304中得到的车辆输出和步骤s305中得到的模拟输出之间的差异。
75.在步骤s307中，可以基于步骤s306中确定的车辆输出和模拟输出之间的差异对动力学模型进行评价。
76.表1示出了示例性的动力学模型测试结果的汇总。
77.表1动力学模型测试结果汇总
[0078][0079]
表1中示出了针对不同参数的模拟输出和车辆输出之间的误差，以及基于上述误差计算的标准差。如表1所示出的，可以为不同参数设置不同的权重值，并基于下式(1)确定该场景下动力学模型的评价数据score
sum
：
[0080][0081]
其中σ
x
、σy、σ
vx
、σ
vy
、σ
ax
、σ
ay
、σ
ω
分别是纵向位置、横向位置、纵向速度、横向速度、纵向加速度、横向加速度、横摆角、横摆角速度的标准差，f
x
、fy、f
vx
、f
vy
、f
ax
、f
ay
、f
ω
分别是用于纵向位置、横向位置、纵向速度、横向速度、纵向加速度、横向加速度、横摆角、横摆角速度的标准差的权重。利用公式(1)计算得到的score
sum
可以用于评价在该场景下动力学模型的表现。例如，如前文所述，可以通过比较score
sum
和预定义的评价等级阈值来确定动力学模型在该场景下的评价等级。
[0082]
图4示出了根据本公开的实施例的数据处理装置的示例性框图。
[0083]
如图4所示，数据处理装置400可以包括数据挖掘单元410、差异确定单元420和评价单元430。
[0084]
数据挖掘单元410可以被配置成确定对应于至少一个场景的多个动力学驾驶数据段，其中，动力学驾驶数据是通过对真实路测数据进行场景挖掘得到的。差异确定单元420可以被配置成：针对至少一个场景中的每个场景，确定对应于该场景的动力学驾驶数据段中的控制数据和对应于控制数据的车辆输出，利用对应于车辆的动力学模型对控制数据进行处理，以得到对应于控制数据的模拟输出，以及确定该场景下车辆输出和模拟输出之间的差异。评价单元430可以被配置成基于至少一个场景中车辆输出和模拟输出之间的差异确定动力学模型的评价数据。
[0085]
在一些实施例中，至少一个场景包括直行、转弯、掉头、变道、环岛以及车辆异常操作中的至少一个。
[0086]
在一些实施例中，控制数据包括油门踏板开度、制动踏板开度、方向盘转角和目标挡位中的至少一个。
[0087]
在一些实施例中，车辆输出包括车辆的位置、速度、加速度、横摆角、横摆角速度中的至少一个，模拟输出包括车辆的模拟位置、模拟速度、模拟加速度、模拟横摆角、模拟横摆角速度中的至少一个。
[0088]
在一些实施例中，差异确定单元被配置成：批量提取对应于该场景的多个动力学
驾驶数据段中的控制数据和车辆输出。
[0089]
在一些实施例中，差异确定单元被配置成：对于对应于该场景的多个动力学驾驶数据段中的每个动力学驾驶数据段，确定该动力学驾驶数据段中车辆输出和模拟输出之间的误差；对对应于该场景的多个动力学驾驶数据段进行数据统计，以得到该场景下车辆输出和模拟输出之间的误差的统计结果作为该场景下车辆输出和模拟输出之间的差异。
[0090]
在一些实施例中，车辆输出包括多个车辆参数，模拟输出包括分别对应于每个车辆参数的多个模拟参数，差异确定单元被配置成：对每个车辆参数和对应于该车辆参数的模拟参数的参数统计结果进行加权求和作为该场景下车辆输出和模拟输出之间的差异。
[0091]
在一些实施例中，评价单元被配置成：基于至少一个场景中车辆输出和模拟输出之间的差异的统计结果确定评价数据。
[0092]
可以利用图4中示出的单元410～540执行图2中示出的步骤s202～s206，在此不再加以赘述。
[0093]
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
[0094]
根据本公开的实施例，还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，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根据本公开的实施例的方法。
[0095]
根据本公开的实施例，还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根据本公开的实施例的方法。
[0096]
参考图5，现将描述可以作为本公开的服务器或客户端的电子设备500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。
[0097]
如图5所示，电子设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram 503中，还可存储电子设备500操作所需的各种程序和数据。计算单元501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
[0098]
电子设备500中的多个部件连接至i/o接口505，包括：输入单元506、输出单元507、存储单元508以及通信单元509。输入单元506可以是能向电子设备500输入信息的任何类型的设备，输入单元506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507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508可以包括但不限于磁盘、光盘。通信单元509允许电子设备500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、802.11设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
[0099]
计算单元501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501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501执行上文所描述的各个方法和处理，例如方法200、300。例如，在一些实施例中，方法200、300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508。在一些实施例中，计算机程序的部分或者全部可以经由rom 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到ram 503并由计算单元501执行时，可以执行上文描述的方法200、300的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200、300。
[0100]
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)、复杂可编程逻辑设备(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。
[0101]
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。
[0102]
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。
[0103]
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。
[0104]
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。
[0105]
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，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。
[0106]
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。
[0107]
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。