自动驾驶场景的挖掘方法、装置、设备以及存储介质与流程

自动驾驶场景的挖掘方法、装置、设备以及存储介质
1.本技术是发明创造名称为“自动驾驶场景的挖掘方法、装置、设备以及存储介质”，申请号为“202211630717.5”，申请日为2022年12月19日的中国案件的分案申请。
技术领域
2.本公开涉及数据处理技术领域，尤其涉及自动驾驶、云计算、深度学习等技术领域。


背景技术：

3.自动驾驶数据驱动自动驾驶系统升级迭代的思路，是业内普遍认可的方案。但是如何从海量的自动驾驶数据中提取高价值的数据，一直是业界面对的难题。


技术实现要素：

4.本公开提供了一种自动驾驶场景的挖掘方法、装置、设备以及存储介质。
5.根据本公开的一方面，提供了一种自动驾驶场景的挖掘方法，包括：
6.根据接收的挖掘任务，确定待挖掘的自动驾驶数据和目标自动驾驶场景；其中，自动驾驶数据包括具有标签的多个数据片段；
7.根据目标自动驾驶场景，至少确定预设挖掘架构中的标签变量和逻辑变量；
8.根据标签变量和逻辑变量，基于预设挖掘架构，生成挖掘逻辑；以及
9.根据挖掘逻辑，从多个数据片段中挖掘出与目标自动驾驶场景对应的目标数据片段。
10.根据本公开的另一方面，提供了一种自动驾驶场景的挖掘装置，包括：
11.第一确定模块，用于根据接收的挖掘任务，确定待挖掘的自动驾驶数据和目标自动驾驶场景；其中，自动驾驶数据包括具有标签的多个数据片段；
12.第二确定模块，用于根据目标自动驾驶场景，至少确定预设挖掘架构中的标签变量和逻辑变量；
13.生成模块，用于根据标签变量和逻辑变量，基于预设挖掘架构，生成挖掘逻辑；以及
14.挖掘模块，用于根据挖掘逻辑，从多个数据片段中挖掘出与目标自动驾驶场景对应的目标数据片段。
15.根据本公开的另一方面，提供了一种电子设备，包括：
16.至少一个处理器；以及
17.与该至少一个处理器通信连接的存储器；其中，
18.该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一的方法。
19.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，该计算机指令用于使该计算机执行根据本公开实施例中任一的方法。
20.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，该计算机程序在被处理器执行时实现根据本公开实施例中任一的方法。
21.根据本公开技术，可以基于目标自动驾驶场景，方便快捷的生成挖掘逻辑，并基于挖掘逻辑从自动驾驶数据中准确的挖掘出与目标自动驾驶场景对应的目标数据片段。
22.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
23.附图用于更好地理解本方案，不构成对本公开的限定。其中：
24.图1是根据本公开实施例的自动驾驶场景的挖掘方法的流程示意图；
25.图2是根据本公开实施例的自动驾驶场景的挖掘方法的自动驾驶数据划分数据片段的示意图；
26.图3是根据本公开另一实施例的自动驾驶场景的挖掘方法的流程示意图；
27.图4是根据本公开实施例的自动驾驶场景的挖掘方法的预设标签维度的示意图；
28.图5是根据本公开实施例的自动驾驶场景的挖掘装置的示意图；
29.图6是用来实现本公开实施例的自动驾驶场景的挖掘方法的电子设备的框图。
具体实施方式
30.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。
31.如图1所示，本公开实施例提供了一种自动驾驶场景的挖掘方法，包括：
32.步骤s101：根据接收的挖掘任务，确定待挖掘的自动驾驶数据和目标自动驾驶场景。其中，自动驾驶数据包括具有标签的多个数据片段。
33.步骤s102：根据目标自动驾驶场景，至少确定预设挖掘架构中的标签变量和逻辑变量。
34.步骤s103：根据标签变量和逻辑变量，基于预设挖掘架构，生成挖掘逻辑。以及
35.步骤s104：根据挖掘逻辑，从多个数据片段中挖掘出与目标自动驾驶场景对应的目标数据片段。
36.根据本公开实施例，需要说明的是：
37.自动驾驶数据，可以理解为自动驾驶车辆在通过自动驾驶功能行驶的过程中采集到的数据。
38.目标自动驾驶场景，可以理解为需要从待挖掘的自动驾驶数据中找到的自动驾驶场景。例如，目标自动驾驶场景为主车连续右变道场景、主车直行有障碍车并线场景、主车经过路口有行人经过场景等等。在一个示例中，若目标自动驾驶场景为主车连续右变道，则需要从待挖掘的自动驾驶数据中挖掘与主车连续右变道对应的数据片段。
39.自动驾驶数据的多个数据片段的划分规则，可以根据需要进行选择和调整。多个数据片段拼接组合后，可以得到完整的自动驾驶数据。自动驾驶数据包括具有标签的多个
数据片段，如图2所示，可以理解为将自动驾驶数据中主车行为的数据划分为多个数据片段并相应打标签，可以将自动驾驶数据中的障碍物(例如，行人、车辆、非机动车等)行为的数据划分为多个数据片段并相应打标签。需要说明的是，多个数据片段的长度可以不相等。每个数据片段可以具有一个或多个标签，根据标签维度决定。例如，在主车0秒至5秒的直行过程中，主车该时间段对应的数据片段可以具备车辆直行的主车行为标签。同时，若在该时间段有障碍物与主车交互，则主车该时间段对应的数据片段还可以具备车辆减速的交互标签。以及，该时间段的障碍物对应的数据片段可以具备从主车左前方经过的障碍物行为标签。
40.标签变量，可以理解为在对自动驾驶数据进行场景挖掘时，用来匹配数据片段的标签的标签。例如，在目标自动驾驶场景为主车先左变道然后马上右变道时，标签变量为主车左变道和主车右变道。基于该标签变量，可以从多个数据片段中找到所有具备主车左变道标签的数据片段，以及所有具备主车右变道标签的数据片段。
41.逻辑变量，可以理解为在对自动驾驶数据进行场景挖掘时，用来对基于标签变量得到的数据片段进行进一步运算的运算逻辑。例如，在目标自动驾驶场景为主车连续右变道时，基于标签变量(主车右变道)，从自动驾驶数据的多个数据片段中得到了所有具备主车右变道标签的数据片段，在此基础上，需要利用逻辑变量(两个主车右变道时间连续)对得到了所有具备主车右变道标签的数据片段进行运算，从而找到是否具有两个时间连续的具备主车右变道标签的数据片段。若找到，则在自动驾驶数据中挖掘到了主车连续右变道场景对应的数据片段。
42.预设挖掘架构，可以理解为是挖掘逻辑的固有基础结构。在预设挖掘框架中加入所需的标签变量和逻辑变量后，才能够生成完整的挖掘逻辑。由于预设挖掘架构是固有基础结构，在挖掘不同的目标驾驶场景时，无需对其进行调整，仅需要改变预设挖掘框架中的标签变量和逻辑变量即可生成不同的挖掘逻辑。
43.例如，预设挖掘框架为：
44.$_name_＝
″
xx
″
；
45.$_brief_＝
″
xx
″
；
46.$_express_＝{xx}；
47.其中，“$_name_”和“$_brief_”用于填写挖掘逻辑的名称变量；“$_express_”用于填写逻辑变量和标签变量。
48.当在预设挖掘框架中加入所需的标签变量和逻辑变量后，预设挖掘框架构成了挖掘逻辑，例如：
49.$name＝
″
continuous_right_change_lanes
″
；
50.$_brief_＝
″
continuous_right_change_lanes
″
；
51.$_express_＝{
52.$right_change1＝right_change＞＞1；
53.$right_change2＝right_change；
54.$matched＝$right_change1＜＜？＝$right_change2；
55.$last_res＝merge($matched)；
56.}；
57.其中，“continuous_right_change_lanes”为挖掘逻辑的名称变量，“$right_change1＝right_change”、“$right_change2＝right_change”为主车右变道的标签变量，“$right_change1＝right_change＞＞1”为主车右转标签的时间进行1秒推迟的逻辑变量；“$matched＝$right_change1＜＜？＝$right_change2”为两个主车右变道时间比较的逻辑变量，该逻辑变量用于判断两个主车右变道是否时间连续，“$last_res＝merge($matched)”为计算结果。
58.目标数据片段可以包含具备标签的多个数据片段。例如，目标驾驶场景为主车连续右变道，并基于挖掘逻辑找到了两个主车右变道且时间连续的数据片段，此时这两个主车右变道且时间连续的数据片段构成了一个目标数据片段。
59.根据本公开技术，可以基于目标自动驾驶场景，方便快捷的生成挖掘逻辑，并基于挖掘逻辑从自动驾驶数据中准确的挖掘出与目标自动驾驶场景对应的目标数据片段。由于预设挖掘架构是固有基础结构，在挖掘不同的目标驾驶场景时，无需对其进行调整，仅需要改变预设挖掘框架中的标签变量和逻辑变量即可快速定制不同自动驾驶场景需求的挖掘逻辑。这样不仅节省了针对不同目标自动驾驶场景开发不同挖掘逻辑的周期，而且根据不同标签变量和逻辑变量的组合，可以满足不同复杂度的自动驾驶场景挖掘。由于标签变量和逻辑变量可以根据自动驾驶场景的挖掘需求随意改变，因此具有较强的挖掘逻辑扩展性，可以使得挖掘逻辑持续升级优化。
60.根据本公开的方法可以快速的生成所需挖掘逻辑，从而快速的实现目标自动驾驶场景的挖掘，进而能够满足海量自动驾驶数据中高价值数据的快速挖掘。有效实现了基于自动驾驶数据驱动自动驾驶系统升级迭代的目的。
61.在一个示例中，本公开实施例的方法可以应用于交通流数据的挖掘业务中，服务于决策规划模块的专项测试以及场景库的建设指导。
62.在一种实施方式中，本公开实施例的自动驾驶场景的挖掘方法，包括步骤s101至步骤s104，还包括：
63.步骤s105：根据自动驾驶数据和目标数据片段的时段信息，确定目标数据片段对应的运动参数信息。
64.步骤s106：将目标数据片段的时段信息和运动参数信息进行回传。
65.根据本公开实施例，需要说明的是：
66.目标数据片段的时段信息，可以理解为目标数据片段所对应的时间区间。例如，挖掘出的主车连续右变道的目标数据片段，是主车在时间10:01至10:02的时间段内行驶时所采集到的自动驾驶数据，则目标数据片段的时段信息为10:01至10:02。
67.目标数据片段对应的运动参数信息，可以理解为在目标数据片段内所包含的主车驾驶行为信息。例如，主车速度信息、主车加速度信息、主车与障碍物的相对位置信息、主车碰撞时间信息等。
68.根据本公开技术，通过将目标数据片段的时段信息和运动参数信息进行回传，可以便于后续利用该目标数据片段的信息对自动驾驶场景进行分析。
69.在一个示例中，本公开实施例的方法可以由分布式系统的各节点(服务器)执行。分布式系统至少包括主节点和多个工作节点。具体实现过程为：
70.主节点，将多个挖掘任务分别一一对应的发送至多个工作节点。
71.多个工作节点并发执行挖掘任务。其中，每个工作节点执行步骤s101至步骤s106。
72.回收节点，接收每个工作节点回传的目标数据片段的时段信息和运动参数信息。其中，回收节点可以是主控节点，也可以是任一个工作节点。
73.在一个示例中，如图3所示，主节点负责分发任务，每个工作节点负责处理任务，回收节点负责回收任务。
74.主节点通过集群调度，确定多个工作节点；
75.主节点将挖掘任务下发至多个工作节点；
76.每个工作节点的处理任务包括：
77.准备原始数据，这部分自动驾驶数据可以来自自动驾驶车辆的道路采集，并经过降噪、平滑等必要的预处理。
78.标签提取环节，对原始数据进行解析，得到多个数据片段，并按一定的维度对每个数据片段进行标签提取，标签维度包括道路拓扑维度、车辆(主车)行为维度、交通参与者(障碍物)行为维度、交互行为维度进行拆解挖掘，以生成标签。
79.挖掘逻辑定制：该部分定制工作发生在挖掘任务启动前，基于待挖掘的目标自动驾驶场景，根据特定语法(预设挖掘架构+标签变量+逻辑变量)进行编写，得到挖掘逻辑。
80.语法解析器解析：语法解析器以多个数据片段的标签作为原料，对挖掘逻辑进行解释和执行，从多个数据片段中挖掘出与目标自动驾驶场景对应的目标数据片段。
81.目标场景输出：经过语法解析器的解析执行，最终会得到目标数据片段，其中，目标数据片段除了包含片段的时段信息外还包括运动参数，如速度、加速度、相对位置、碰撞时间等参数信息。
82.回收节点接收目标场景片段信息并进行数据回收，用于后续的业务应用等情形。
83.在一种实施方式中，本公开实施例的自动驾驶场景的挖掘方法，包括步骤s101至步骤s104，其中，步骤s101：根据接收的挖掘任务，确定待挖掘的自动驾驶数据和目标自动驾驶场景，之前，还包括：
84.步骤s201：将待挖掘的自动驾驶数据划分为多个数据片段。
85.步骤s202：根据预设标签维度，确定多个数据片段中的每个数据片段的标签。
86.根据本公开实施例，需要说明的是：
87.预设标签维度可以根据需要进行选择和调整，在此不做具体限定。例如，预设标签维度可以包括路网拓扑维度、主车行为维度、障碍物行为维度和交互行为维度中的至少一个标签维度。
88.将待挖掘的自动驾驶数据划分为多个数据片段，可以理解为对自动驾驶数据中涉及的每个行为对象的数据分别进行划分。例如，自动驾驶数据中行为对象包括主车、障碍车(障碍物)、行人，则可以基于主车、障碍车、行人的数据分别进行划分，使主车包括多个数据片段，障碍车包括多个数据片段，行人多个数据片段。
89.多个数据片段的长度可以不相等。每个数据片段可以具有一个或多个标签，根据标签维度决定。例如，在主车0秒至5秒的直行过程中，主车该时间段对应的数据片段可以具备车辆直行的主车行为标签。同时，若在该时间段有障碍物与主车交互，则主车在该时间段对应的数据片段还可以具备车辆减速的交互标签。以及，该时间段的障碍物对应的数据片段可以具备从主车左前方经过的障碍物行为标签。
90.根据本公开技术，通过给每个数据片段预先打标签，可以便于后续利用挖掘逻辑对自动驾驶数据进行场景挖掘。
91.在一个示例中，如图4所示，示例性的示出了路网拓扑维度、主车行为维度、障碍物行为维度和交互行为维度可以包含的具体标签。
92.例如，路网拓扑维度的场景标签可以包括：直线道路、弯曲道路、主路、辅路、多车道道路、少车道道路等标签。
93.主车行为维度的标签可以包括：左变道、右变道、左转弯、右转弯、直行、停车等标签。
94.障碍物行为维度的标签可以包括：障碍物位于主车正前方、右前方、正后方的位置标签，还可以包括障碍物为行人、自行车、机动车的类别标签。
95.交互行为维度的标签可以包括：障碍物切入主车、障碍物与主车逆向行驶等标签。
96.在一种实施方式中，本公开实施例的自动驾驶场景的挖掘方法，包括步骤s101至步骤s104，以及步骤s201和步骤s202，其中，步骤s201：将待挖掘的自动驾驶数据划分为多个数据片段，包括：
97.从待挖掘的自动驾驶数据中，确定主车数据和障碍物数据。
98.根据主车数据中的驾驶行为数据，将主车数据划分为多个第一数据片段。
99.根据障碍物数据中的障碍物行为数据，将障碍物数据划分为多个第二数据片段。
100.根据本公开实施例，需要说明的是：
101.主车数据，可以理解为与主车相关联的数据，例如主车的自车行为数据，又如主车与障碍物交互的行为数据。
102.障碍物数据，可以理解为障碍物相关联的数据，例如障碍物的自身行为数据，又如主车与障碍物交互的行为数据。
103.多个第一数据片段的长度可以不相等。每个第一数据片段可以具有一个或多个标签，根据标签维度决定。
104.多个第二数据片段的长度可以不相等。每个第二数据片段可以具有一个或多个标签，根据标签维度决定。
105.根据本公开技术，可以实现为自动驾驶数据中的不同行为对象进行打标签。以便于在基于挖掘逻辑对自动驾驶数据进行挖掘时，能够根据标签更加精准的挖掘到与目标自动驾驶场景对应的目标数据片段。
106.在一种实施方式中，本公开实施例的自动驾驶场景的挖掘方法，包括步骤s101至步骤s104，以及步骤s201和步骤s202，其中，步骤s202：根据预设标签维度，确定多个数据片段中的每个数据片段的标签，包括：
107.根据驾驶行为数据，确定多个第一数据片段的主车行为标签。
108.根据障碍物行为数据，确定多个第二数据片段的障碍物行为标签。
109.根据自动驾驶数据中的道路数据，确定多个第一数据片段和多个第二数据片段的路网拓扑标签。
110.根据自动驾驶数据中的交互数据，确定多个第一数据片段和多个第二数据片段的交互行为标签。
111.根据本公开技术，可以使第一数据片段和第二数据片段具备不同维度的标签信
息，更加全面的实现对数据片段打标签。以便于在基于挖掘逻辑对自动驾驶数据进行挖掘时，能够根据标签更加精准的挖掘到与目标自动驾驶场景对应的目标数据片段。
112.在一种实施方式中，本公开实施例的自动驾驶场景的挖掘方法，包括步骤s101至步骤s104，其中，步骤s102：根据目标自动驾驶场景，至少确定预设挖掘架构中的标签变量和逻辑变量，包括：
113.根据目标自动驾驶场景中的场景对象和场景对象行为，确定预设挖掘架构中的标签变量。
114.根据目标自动驾驶场景中的行为关系，确定预设挖掘架构中的逻辑变量。
115.根据本公开实施例，需要说明的是：
116.场景对象，可以理解为目标自动驾驶场景中的行为主体。例如，目标自动驾驶场景为主车连续右变道，则主车是场景对象。
117.场景对象行为，可以理解为目标自动驾驶场景中的场景对象所执行的行为。例如，目标自动驾驶场景为主车连续右变道，则右变道是场景对象行为。
118.预设挖掘架构中的标签变量，根据场景对象和场景对象的行为综合生成。例如，目标自动驾驶场景为主车连续右变道，主车是场景对象，右变道是场景对象行为，则标签变量为主车右变道标签。
119.行为关系，可以理解为目标自动驾驶场景中的多个场景对象行为之间的关系。例如，目标自动驾驶场景为主车连续右变道，则连续右变道是行为关系，逻辑变量为计算两个主车右变道标签对应的数据片段之间时间是否连续。其中，当两个主车右变道标签对应的数据片段之间的时间连续时，说明主车连续右变道。
120.根据本公开技术，利用目标自动驾驶场景中的场景对象、场景对象行为和行为关系，可以准确的确定出构建目标自动驾驶场景的挖掘逻辑所需的标签变量和逻辑变量。
121.在一种实施方式中，本公开实施例的自动驾驶场景的挖掘方法，包括步骤s101至步骤s104，其中，步骤s102：根据目标自动驾驶场景，至少确定预设挖掘架构中的标签变量和逻辑变量，包括：
122.根据目标自动驾驶场景中的场景对象和场景对象行为，确定预设挖掘架构中的标签变量。
123.根据目标自动驾驶场景中的行为关系，确定预设挖掘架构中的逻辑变量。
124.根据目标自动驾驶场景中的道路限定条件和行为限定条件，确定预设挖掘架构中的约束变量。
125.根据本公开实施例，需要说明的是：
126.道路限定条件，可以理解为限定自动驾驶场景所发生的道路环境。例如，自动驾驶场景为主车连续右变道且非路口路段，则路口路段为道路限定条件。
127.行为限定条件，可以理解为限定自动驾驶场景中的行为对象的行为要满足某些条件。例如，自动驾驶场景为主车以40迈以下速度连续右变道，则40迈以下速度为行为限定条件。
128.约束变量，可以理解为在基于标签变量和逻辑变量从多个数据片段中挖掘目标数据时，还需要满足的约束条件。
129.根据本公开技术，利用目标自动驾驶场景中的场景对象、场景对象行为、行为关
系、道路限定条件和行为限定条件，可以准确的确定出构建目标自动驾驶场景的挖掘逻辑所需的标签变量、逻辑变量和约束变量。
130.在一种实施方式中，本公开实施例的自动驾驶场景的挖掘方法，包括步骤s101至步骤s104，其中，步骤s104：根据挖掘逻辑，从多个数据片段中挖掘出与目标自动驾驶场景对应的目标数据片段，包括：
131.步骤s1041：根据挖掘逻辑的标签变量，从多个数据片段中获取与标签变量对应的候选数据片段。
132.步骤s1042：根据挖掘逻辑的逻辑变量，基于候选数据片段的时段信息，确定出符合逻辑变量的目标数据片段。
133.根据本公开技术，通过挖掘逻辑的标签变量和逻辑变量，可以准确的从多个数据片段中挖掘出与目标自动驾驶场景对应的目标数据片段。
134.在一个示例中，目标自动驾驶场景为主车连续右变道，标签变量为主车右变道，则从多个数据片段中获取与标签变量对应的候选数据片段为自动驾驶数据中所有的主车右变道数据片段。逻辑变量为两次右变道时间要连续，则从所有的主车右变道数据片段中找到时间连续的两个主车右变道数据片段作为目标片段。
135.在一种实施方式中，本公开实施例的自动驾驶场景的挖掘方法，包括步骤s101至步骤s104、步骤s1041和步骤s1042，其中，步骤s1042：根据挖掘逻辑的逻辑变量，基于候选数据片段的时段信息，确定出符合逻辑变量的目标数据片段，包括：
136.根据逻辑变量中的时段逻辑变量，基于候选数据片段的时段信息，确定出符合时段逻辑变量的第一数据片段。
137.根据逻辑变量中的比较运算逻辑变量，基于第一数据片段的时段信息，确定出符合比较运算逻辑变量的目标数据片段。
138.根据本公开实施例，需要说明的是：
139.时段逻辑变量，可以理解为用于限定数据片段的时段信息的变量。例如，行人横穿时间可以发生在主车经过路口后的3秒(时段逻辑变量)，也即是说与主车经过路口时间无直接交集，但符合3秒条件的行人的候选数据片段也可以保留作为第一数据片段。
140.比较运算逻辑变量，可以理解为多个第一数据片段之间的运算逻辑。例如，目标自动驾驶场景为主车连续右变道，则比较运算逻辑变量为比较两个第一数据片段的首尾时间是否连续。若连续，则说明两个第一数据片段是符合比较运算逻辑变量的目标数据片段。
141.根据本公开技术，利用时段逻辑变量和比较运算逻辑变量，可以准确的从多个数据片段中挖掘出与目标自动驾驶场景对应的目标数据片段。
142.在一种实施方式中，本公开实施例的自动驾驶场景的挖掘方法，包括步骤s101至步骤s104，其中，步骤s104：根据挖掘逻辑，从多个数据片段中挖掘出与目标自动驾驶场景对应的目标数据片段，包括：
143.步骤s1043：根据挖掘逻辑的标签变量，从多个数据片段中获取与标签变量对应的第一候选数据片段。
144.步骤s1044：根据挖掘逻辑的约束变量，基于第一候选数据片段，确定符合约束变量的第二候选数据片段。
145.步骤s1045：根据挖掘逻辑的逻辑变量，基于第二候选数据片段，确定出符合逻辑
变量的目标数据片段。
146.根据本公开技术，通过挖掘逻辑的标签变量、逻辑变量和约束变量，可以准确的从多个数据片段中挖掘出与目标自动驾驶场景对应的目标数据片段。
147.在一种实施方式中，本公开实施例的自动驾驶场景的挖掘方法，包括步骤s101至步骤s104，以及步骤s1043至步骤s1045，其中，步骤s1045：根据挖掘逻辑的逻辑变量，基于第二候选数据片段，确定出符合逻辑变量的目标数据片段，包括：
148.根据逻辑变量中的时段逻辑变量，基于第二候选数据片段的时段信息，确定出符合时段逻辑变量的第一数据片段。
149.根据逻辑变量中的比较运算逻辑变量，基于第一数据片段的时段信息，确定出符合比较运算逻辑变量的目标数据片段。
150.根据本公开实施例，需要说明的是：
151.时段逻辑变量，可以理解为用于限定数据片段的时段信息的变量。例如，行人横穿时间可以发生在主车经过路口后的3秒(时段逻辑变量)，也即是说与主车经过路口时间无直接交集，但符合3秒条件的行人的候选数据片段也可以保留作为第一数据片段。
152.比较运算逻辑变量，可以理解为多个第一数据片段之间的运算逻辑。例如，目标自动驾驶场景为主车连续右变道，则比较运算逻辑变量为比较两个第一数据片段的首尾时间是否连续。若连续，则说明两个第一数据片段是符合比较运算逻辑变量的目标数据片段。
153.根据本公开技术，利用时段逻辑变量和比较运算逻辑变量，可以准确的从多个数据片段中挖掘出与目标自动驾驶场景对应的目标数据片段。
154.在一个示例中，挖掘逻辑可以包括多个子挖掘逻辑，每个子挖掘逻辑可以基于标签变量生成，也可以基于标签变量和逻辑变量生成。各个子挖掘逻辑按一定逻辑顺序执行后，即可实现对自动驾驶数据的自动驾驶场景挖掘。其中，每个子挖掘逻辑的执行结果，可以进行缓存。
155.根据挖掘逻辑找到目标数据片段后，若挖掘结果不理想，可以查看每个子挖掘逻辑的执行结果，并针对性的调整某个子挖掘逻辑的标签变量和/或逻辑变量，无需重新设计整体挖掘逻辑，节省了挖掘逻辑的开发周期和设计难度。
156.如图5所示，本公开实施例提供了一种自动驾驶场景的挖掘装置，包括：
157.第一确定模块510，用于根据接收的挖掘任务，确定待挖掘的自动驾驶数据和目标自动驾驶场景。其中，自动驾驶数据包括具有标签的多个数据片段。
158.第二确定模块520，用于根据目标自动驾驶场景，至少确定预设挖掘架构中的标签变量和逻辑变量。
159.生成模块530，用于根据标签变量和逻辑变量，基于预设挖掘架构，生成挖掘逻辑。以及
160.挖掘模块540，用于根据挖掘逻辑，从多个数据片段中挖掘出与目标自动驾驶场景对应的目标数据片段。
161.在一种实施方式中，第二确定模块520包括：
162.第一确定子模块，用于根据目标自动驾驶场景中的场景对象和场景对象行为，确定预设挖掘架构中的标签变量。
163.第二确定子模块，用于根据目标自动驾驶场景中的行为关系，确定预设挖掘架构
中的逻辑变量。
164.在一种实施方式中，第二确定模块520还包括：
165.第三确定子模块，用于根据目标自动驾驶场景中的道路限定条件和行为限定条件，确定预设挖掘架构中的约束变量。
166.在一种实施方式中，挖掘模块540包括：
167.第一获取子模块，用于根据挖掘逻辑的标签变量，从多个数据片段中获取与标签变量对应的候选数据片段。
168.第四确定子模块，用于根据挖掘逻辑的逻辑变量，基于候选数据片段的时段信息，确定出符合逻辑变量的目标数据片段。
169.在一种实施方式中，第四确定子模块还用于：
170.根据逻辑变量中的时段逻辑变量，基于候选数据片段的时段信息，确定出符合时段逻辑变量的第一数据片段。
171.根据逻辑变量中的比较运算逻辑变量，基于第一数据片段的时段信息，确定出符合比较运算逻辑变量的目标数据片段。
172.在一种实施方式中，挖掘模块540包括：
173.第二获取子模块，用于根据挖掘逻辑的标签变量，从多个数据片段中获取与标签变量对应的第一候选数据片段。
174.第五确定子模块，用于根据挖掘逻辑的约束变量，基于第一候选数据片段，确定符合约束变量的第二候选数据片段。
175.第六确定子模块，用于根据挖掘逻辑的逻辑变量，基于第二候选数据片段，确定出符合逻辑变量的目标数据片段。
176.在一种实施方式中，第六确定子模块用于：
177.根据逻辑变量中的时段逻辑变量，基于第二候选数据片段的时段信息，确定出符合时段逻辑变量的第一数据片段。
178.根据逻辑变量中的比较运算逻辑变量，基于第一数据片段的时段信息，确定出符合比较运算逻辑变量的目标数据片段。
179.在一种实施方式中，自动驾驶场景的挖掘装置还包括：
180.第三确定模块，用于根据自动驾驶数据和目标数据片段的时段信息，确定目标数据片段对应的运动参数信息。
181.回传模块，用于将目标数据片段的时段信息和运动参数信息进行回传。
182.在一种实施方式中，自动驾驶场景的挖掘装置还包括：
183.划分模块，用于将待挖掘的自动驾驶数据划分为多个数据片段。
184.第四确定模块，用于根据预设标签维度，确定多个数据片段中的每个数据片段的标签。
185.在一种实施方式中，预设标签维度包括路网拓扑维度、主车行为维度、障碍物行为维度和交互行为维度中的至少一个标签维度。
186.在一种实施方式中，划分模块用于：
187.从待挖掘的自动驾驶数据中，确定主车数据和障碍物数据。
188.根据主车数据中的驾驶行为数据，将主车数据划分为多个第一数据片段。
189.根据障碍物数据中的障碍物行为数据，将障碍物数据划分为多个第二数据片段。
190.在一种实施方式中，第四确定模块用于：
191.根据驾驶行为数据，确定多个第一数据片段的主车行为标签。
192.根据障碍物行为数据，确定多个第二数据片段的障碍物行为标签。
193.根据自动驾驶数据中的道路数据，确定多个第一数据片段和多个第二数据片段的路网拓扑标签。
194.根据自动驾驶数据中的交互数据，确定多个第一数据片段和多个第二数据片段的交互行为标签。
195.本公开实施例的装置的各模块、子模块的具体功能和示例的描述，可以参见上述方法实施例中对应步骤的相关描述，在此不再赘述。
196.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。
197.根据本公开的实施例，本公开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。
198.图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，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，个人数字助理、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。
199.如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储单元608加载到随机访问存储器(ram)603中的计算机程序，来执行各种适当的动作和处理。在ram 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
200.设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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。
201.计算单元601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601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601执行上文所描述的各个方法和处理，例如自动驾驶场景的挖掘方法。例如，在一些实施例中，自动驾驶场景的挖掘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608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到ram 603并由计算单元601执行时，可以执行上文描述的自动驾驶场景的挖掘方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行自动驾驶场景的挖掘方法。
202.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、现场可编程门阵列(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。
203.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。
204.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。
205.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。
206.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。
207.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。
208.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执行也可以不同的次序执行，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。
209.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：
1.一种自动驾驶场景的挖掘方法，包括：根据接收的挖掘任务，确定待挖掘的自动驾驶数据和目标自动驾驶场景；其中，所述自动驾驶数据包括具有标签的多个数据片段；根据所述目标自动驾驶场景，至少确定预设挖掘架构中的标签变量、逻辑变量和约束变量；其中，所述约束变量用于限定基于所述多个数据片段挖掘所需满足的约束条件；根据所述标签变量、所述逻辑变量和所述约束变量，基于所述预设挖掘架构，生成挖掘逻辑；以及根据所述挖掘逻辑，从所述多个数据片段中挖掘出与所述目标自动驾驶场景对应的目标数据片段。2.根据权利要求1所述的方法，确定预设挖掘架构中的标签变量和逻辑变量，包括：根据所述目标自动驾驶场景中的场景对象和场景对象行为，确定预设挖掘架构中的标签变量；根据所述目标自动驾驶场景中的行为关系，确定所述预设挖掘架构中的逻辑变量。3.根据权利要求1所述的方法，确定预设挖掘架构中的约束变量，包括：根据所述目标自动驾驶场景中的道路限定条件和行为限定条件，确定所述预设挖掘架构中的约束变量。4.根据权利要求1所述的方法，其中，所述根据所述挖掘逻辑，从所述多个数据片段中挖掘出与所述目标自动驾驶场景对应的目标数据片段，包括：根据所述挖掘逻辑的所述标签变量，从所述多个数据片段中获取与所述标签变量对应的候选数据片段；根据所述挖掘逻辑的所述逻辑变量，基于所述候选数据片段的时段信息，确定出符合所述逻辑变量的目标数据片段。5.根据权利要求4所述的方法，其中，所述根据所述挖掘逻辑的所述逻辑变量，基于所述候选数据片段的时段信息，确定出符合所述逻辑变量的目标数据片段，包括：根据所述逻辑变量中的时段逻辑变量，基于所述候选数据片段的时段信息，确定出符合所述时段逻辑变量的第一数据片段；根据所述逻辑变量中的比较运算逻辑变量，基于所述第一数据片段的时段信息，确定出符合所述比较运算逻辑变量的目标数据片段。6.根据权利要求3所述的方法，其中，所述根据所述挖掘逻辑，从所述多个数据片段中挖掘出与所述目标自动驾驶场景对应的目标数据片段，包括：根据所述挖掘逻辑的所述标签变量，从所述多个数据片段中获取与所述标签变量对应的第一候选数据片段；根据所述挖掘逻辑的所述约束变量，基于所述第一候选数据片段，确定符合所述约束变量的第二候选数据片段；根据所述挖掘逻辑的所述逻辑变量，基于所述第二候选数据片段，确定出符合所述逻辑变量的目标数据片段。7.根据权利要求6所述的方法，其中，所述根据所述挖掘逻辑的所述逻辑变量，基于所述第二候选数据片段，确定出符合所述逻辑变量的目标数据片段，包括：根据所述逻辑变量中的时段逻辑变量，基于所述第二候选数据片段的时段信息，确定
出符合所述时段逻辑变量的第一数据片段；根据所述逻辑变量中的比较运算逻辑变量，基于所述第一数据片段的时段信息，确定出符合所述比较运算逻辑变量的目标数据片段。8.根据权利要求1至7任一项所述的方法，还包括：根据所述自动驾驶数据和所述目标数据片段的时段信息，确定所述目标数据片段对应的运动参数信息；将所述目标数据片段的时段信息和所述运动参数信息进行回传。9.根据权利要求1至7任一项所述的方法，其中，所述根据接收的挖掘任务，确定待挖掘的自动驾驶数据和目标自动驾驶场景，之前，还包括：将待挖掘的自动驾驶数据划分为多个数据片段；根据预设标签维度，确定所述多个数据片段中的每个数据片段的标签。10.根据权利要求9所述的方法，其中，所述预设标签维度包括路网拓扑维度、主车行为维度、障碍物行为维度和交互行为维度中的至少一个标签维度。11.根据权利要求9所述的方法，其中，所述将待挖掘的自动驾驶数据划分为多个数据片段，包括：从待挖掘的自动驾驶数据中，确定主车数据和障碍物数据；根据所述主车数据中的驾驶行为数据，将所述主车数据划分为多个第一数据片段；根据所述障碍物数据中的障碍物行为数据，将所述障碍物数据划分为多个第二数据片段。12.根据权利要求11所述的方法，其中，所述根据预设标签维度，确定所述多个数据片段中的每个数据片段的标签，包括：根据所述驾驶行为数据，确定所述多个第一数据片段的主车行为标签；根据所述障碍物行为数据，确定所述多个第二数据片段的障碍物行为标签；根据所述自动驾驶数据中的道路数据，确定所述多个第一数据片段和所述多个第二数据片段的路网拓扑标签；根据所述自动驾驶数据中的交互数据，确定所述多个第一数据片段和所述多个第二数据片段的交互行为标签。13.一种自动驾驶场景的挖掘装置，包括：第一确定模块，用于根据接收的挖掘任务，确定待挖掘的自动驾驶数据和目标自动驾驶场景；其中，所述自动驾驶数据包括具有标签的多个数据片段；第二确定模块，用于根据所述目标自动驾驶场景，至少确定预设挖掘架构中的标签变量、逻辑变量和约束变量；其中，所述约束变量用于限定基于所述多个数据片段挖掘所需满足的约束条件；生成模块，用于根据所述标签变量、所述逻辑变量和所述约束变量，基于所述预设挖掘架构，生成挖掘逻辑；以及挖掘模块，用于根据所述挖掘逻辑，从所述多个数据片段中挖掘出与所述目标自动驾驶场景对应的目标数据片段。14.根据权利要求13所述的装置，其中，所述第二确定模块包括：第一确定子模块，用于根据所述目标自动驾驶场景中的场景对象和场景对象行为，确
定预设挖掘架构中的标签变量；第二确定子模块，用于根据所述目标自动驾驶场景中的行为关系，确定所述预设挖掘架构中的逻辑变量。15.根据权利要求14所述的装置，其中，所述第二确定模块还包括：第三确定子模块，用于根据所述目标自动驾驶场景中的道路限定条件和行为限定条件，确定所述预设挖掘架构中的约束变量。16.根据权利要求13所述的装置，其中，所述挖掘模块包括：第一获取子模块，用于根据所述挖掘逻辑的所述标签变量，从所述多个数据片段中获取与所述标签变量对应的候选数据片段；第四确定子模块，用于根据所述挖掘逻辑的所述逻辑变量，基于所述候选数据片段的时段信息，确定出符合所述逻辑变量的目标数据片段。17.根据权利要求16所述的装置，其中，所述第四确定子模块还用于：根据所述逻辑变量中的时段逻辑变量，基于所述候选数据片段的时段信息，确定出符合所述时段逻辑变量的第一数据片段；根据所述逻辑变量中的比较运算逻辑变量，基于所述第一数据片段的时段信息，确定出符合所述比较运算逻辑变量的目标数据片段。18.根据权利要求15所述的装置，其中，所述挖掘模块包括：第二获取子模块，用于根据所述挖掘逻辑的所述标签变量，从所述多个数据片段中获取与所述标签变量对应的第一候选数据片段；第五确定子模块，用于根据所述挖掘逻辑的所述约束变量，基于所述第一候选数据片段，确定符合所述约束变量的第二候选数据片段；第六确定子模块，用于根据所述挖掘逻辑的所述逻辑变量，基于所述第二候选数据片段，确定出符合所述逻辑变量的目标数据片段。19.根据权利要求18所述的装置，其中，所述第六确定子模块用于：根据所述逻辑变量中的时段逻辑变量，基于所述第二候选数据片段的时段信息，确定出符合所述时段逻辑变量的第一数据片段；根据所述逻辑变量中的比较运算逻辑变量，基于所述第一数据片段的时段信息，确定出符合所述比较运算逻辑变量的目标数据片段。20.根据权利要求13至19任一项所述的装置，还包括：第三确定模块，用于根据所述自动驾驶数据和所述目标数据片段的时段信息，确定所述目标数据片段对应的运动参数信息；回传模块，用于将所述目标数据片段的时段信息和所述运动参数信息进行回传。21.根据权利要求13至19任一项所述的装置，还包括：划分模块，用于将待挖掘的自动驾驶数据划分为多个数据片段；第四确定模块，用于根据预设标签维度，确定所述多个数据片段中的每个数据片段的标签。22.根据权利要求21所述的装置，其中，所述预设标签维度包括路网拓扑维度、主车行为维度、障碍物行为维度和交互行为维度中的至少一个标签维度。23.根据权利要求21所述的装置，其中，所述划分模块用于：
从待挖掘的自动驾驶数据中，确定主车数据和障碍物数据；根据所述主车数据中的驾驶行为数据，将所述主车数据划分为多个第一数据片段；根据所述障碍物数据中的障碍物行为数据，将所述障碍物数据划分为多个第二数据片段。24.根据权利要求23所述的装置，其中，所述第四确定模块用于：根据所述驾驶行为数据，确定所述多个第一数据片段的主车行为标签；根据所述障碍物行为数据，确定所述多个第二数据片段的障碍物行为标签；根据所述自动驾驶数据中的道路数据，确定所述多个第一数据片段和所述多个第二数据片段的路网拓扑标签；根据所述自动驾驶数据中的交互数据，确定所述多个第一数据片段和所述多个第二数据片段的交互行为标签。25.一种电子设备，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权利要求1至12中任一项所述的方法。26.一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根据权利要求1至12中任一项所述的方法。27.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至12中任一项所述的方法。

技术总结
本公开提供了自动驾驶场景的挖掘方法、装置、设备以及存储介质，本公开涉及数据处理技术领域，尤其涉及自动驾驶、云计算、深度学习等技术领域。具体实现方案为：根据接收的挖掘任务，确定待挖掘的自动驾驶数据和目标自动驾驶场景；自动驾驶数据包括具有标签的多个数据片段；根据目标自动驾驶场景，至少确定预设挖掘架构中的标签变量和逻辑变量；根据标签变量和逻辑变量，基于预设挖掘架构，生成挖掘逻辑；根据挖掘逻辑，从多个数据片段中挖掘出与目标自动驾驶场景对应的目标数据片段。根据本公开技术，可以基于目标自动驾驶场景，方便快捷的生成挖掘逻辑，并基于挖掘逻辑从自动驾驶数据中准确的挖掘出与目标自动驾驶场景对应的目标数据片段。数据片段。数据片段。


技术研发人员：朱建华
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2022.12.19
技术公布日：2023/7/25