CN111950238B - 自动驾驶故障评分表生成方法、装置、电子设备 - Google Patents
自动驾驶故障评分表生成方法、装置、电子设备 Download PDFInfo
- Publication number
- CN111950238B CN111950238B CN202010752077.XA CN202010752077A CN111950238B CN 111950238 B CN111950238 B CN 111950238B CN 202010752077 A CN202010752077 A CN 202010752077A CN 111950238 B CN111950238 B CN 111950238B
- Authority
- CN
- China
- Prior art keywords
- fault
- value
- grading
- score
- scoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了自动驾驶故障评分表生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取自动驾驶***的故障类型信息集合;获取自动驾驶***的设备故障评分值集合;对设备故障评分值集合中的每个设备故障评分值和与设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分权重;对故障评分权重集合中的每个故障评分权重、与故障评分权重对应的设备故障评分值和与设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分值;基于各个设备故障评分值分别对应的各个设备故障的故障类型和故障评分值集合,生成故障评分表。该实施方式实现了对车辆故障的评分,有助于车载***提高对自动驾驶故障检测的准确度。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及自动驾驶故障评分表生成方法、装置、电子设备和计算机可读介质。
背景技术
自动驾驶故障是指车辆在自动驾驶过程中出现的功能故障。目前常用的方法是人工检测车辆故障,此种方法对于故障检测的准确度不高。期待对自动驾驶过程中出现的故障建立合理的评分机制,以提高对自动驾驶故障检测的准确度。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了自动驾驶故障评分表生成方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种自动驾驶故障评分表生成方法,该方法包括:获取自动驾驶***的故障类型信息集合,其中,上述故障类型信息包括故障类型、与上述故障类型对应的故障等级和与上述故障等级对应的故障等级评分值;获取上述自动驾驶***的设备故障评分值集合;确定上述设备故障评分值集合中每个设备故障评分值对应的设备故障的故障类型和与上述故障类型对应的故障等级评分值,得到故障等级评分值集合;对上述设备故障评分值集合中的每个设备故障评分值和与上述设备故障评分值对应的上述故障等级评分值集合中的故障等级评分值进行数据处理以生成故障评分权重,得到故障评分权重集合;对上述故障评分权重集合中的每个故障评分权重、与上述故障评分权重对应的设备故障评分值和与上述设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分值,得到故障评分值集合;基于各个设备故障评分值分别对应的各个设备故障的故障类型和上述故障评分值集合,生成故障评分表。
第二方面,本公开的一些实施例提供了一种自动驾驶故障评分表生成装置,装置包括:第一获取单元,被配置成获取自动驾驶***的故障类型信息集合,其中,上述故障类型信息包括故障类型、与上述故障类型对应的故障等级和与上述故障等级对应的故障等级评分值;第二获取单元,被配置成获取上述自动驾驶***的设备故障评分值集合;确定单元,被配置成确定上述设备故障评分值集合中每个设备故障评分值对应的设备故障的故障类型和与上述故障类型对应的故障等级评分值,得到故障等级评分值集合;第一生成单元,被配置成对上述设备故障评分值集合中的每个设备故障评分值和与上述设备故障评分值对应的上述故障等级评分值集合中的故障等级评分值进行数据处理以生成故障评分权重,得到故障评分权重集合;第二生成单元,被配置成对上述故障评分权重集合中的每个故障评分权重、与上述故障评分权重对应的设备故障评分值和与上述设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分值,得到故障评分值集合;第三生成单元,被配置成基于各个设备故障评分值分别对应的各个设备故障的故障类型和上述故障评分值集合,生成故障评分表。
在一些实施例中,所述对所述故障评分权重集合中的每个故障评分权重、与所述故障评分权重对应的设备故障评分值和与所述设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分值,包括:
确定所述故障等级评分值集合中故障等级评分值的数量;
将所述差值绝对值、所述故障评分权重、所述故障等级评分值的数量、所述故障等级评分值和所述设备故障评分值输入至下式中以生成故障评分值:
Ri=α×Δi×Wi+α×T×Wi+α×Wi×(si+ri),
其中,Ri表示第i种故障类型的故障评分值,Δi表示差值绝对值,Wi表示第i种故障类型的故障评分权重,ri表示第i种故障类型的设备故障评分值,si表示第i种故障类型的故障等级评分值,T表示故障等级评分值集合中各个故障等级评分值的和,α表示故障等级评分值的数量。
第三方面,本申请实施例提供了一种电子设备,该网络设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果:首先,通过对自动驾驶***的故障类型信息集合和自动驾驶***中的设备故障评分值集合的获取,可以准确地确定上述设备故障评分值集合中每个设备故障评分值对应的设备故障的故障类型和与上述故障类型对应的故障等级评分值。从而,可以得出故障评分权重。然后,通过对故障评分权重、故障等级评分值和设备故障评分值进行数据处理,可以生成故障评分值。基于各个设备故障评分值分别对应的各个设备故障的故障类型和上述故障评分值集合可以准确地得出故障评分表。最后,可选的,上述执行主体可以将上述故障评分表输入至车载设备终端,以供车载设备终端基于上述故障评分表对车辆进行控制。从而,有助于车辆安全地在道路上行驶。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是本公开的一些实施例的自动驾驶故障评分表生成方法的一个应用场景的示意图;
图2是根据本公开的一些实施例的自动驾驶故障评分表生成方法的一些实施例的流程图;
图3是根据本公开的一些实施例的自动驾驶故障评分表生成装置的一些实施例的流程图;
图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的一些实施例的自动驾驶故障评分表生成方法的一个应用场景的示意图。
如图1所示,首先,计算设备101可以根据故障类型信息102和设备故障评分值103,确定故障等级评分值和设备故障评分值104。然后,计算设备101可以对故障等级评分值和设备故障评分值104进行数据处理确定故障评分权重105。再然后,计算设备101可以根据故障评分权重105,确定故障评分值106。其次,计算设备101可以根据故障类型信息102和故障评分值106,生成故障评分表107。最后,可选的,计算设备101可以将故障评分表107输出到显示屏108。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中用户设备信息数目仅仅是示意性的。根据实现需要,可以具有任意数目的用户设备信息。
继续参考图2,示出了根据本公开的自动驾驶故障评分表生成方法的一些实施例的流程200。上述自动驾驶故障评分表生成方法,包括以下步骤:
步骤201,获取自动驾驶***的故障类型信息集合。
在一些实施例中,自动驾驶故障评分表生成方法的执行主体(例如图1所示的计算设备101)可以通过有线连接方式或者无线连接方式从终端获取自动驾驶***的故障类型信息集合。其中,上述故障类型信息包括故障类型、与上述故障类型对应的故障等级和与上述故障等级对应的故障等级评分值。需要指出的是,上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
作为示例,上述执行主体可以通过网络来对自动驾驶***发出采集自动驾驶***的故障类型信息集合的申请,上述自动驾驶***收到上述申请,将故障类型信息通过网络传入上述执行主体。上述故障类型信息可以是“故障类型:车巡航子功能故障;故障等级:A类;故障等级评分值:80分”。
步骤202,获取上述自动驾驶***的设备故障评分值集合。
在一些实施例中,自动驾驶故障评分表生成方法的执行主体可以通过有线连接方式或者无线连接方式从终端获取自动驾驶***的设备故障评分值集。其中,设备故障评分值是指设备功能故障的分数值。
作为示例,上述执行主体可以通过网络来对车载终端发出采集设备故障评分值集的申请,上述车载终端收到上述申请,将设备故障评分值集通过网络传入上述执行主体。上述自动驾驶***的设备故障评分值集合可以是“前视主相机通信丢失,分数为60分;前视主相机遮挡,分数为60分;前视主相机出现过丢帧,连续丢帧不超过1秒,分数为20分;前角雷达信号丢失,分数为10分;后角雷达信号丢失,分数为0分;后视相机通信丢失,分数为0分”。
步骤203,确定上述设备故障评分值集合中每个设备故障评分值对应的设备故障的故障类型和与上述故障类型对应的故障等级评分值,得到故障等级评分值集合。
在一些实施例中,上述执行主体可以通过获取上述故障类型信息,得到故障类型、与上述故障类型对应的故障等级和与上述故障等级对应的故障等级评分值。将上述设备故障评分值对应的设备故障的故障类型与上述故障类型信息中的故障类型进行对比,得到上述设备故障评分值对应的设备故障的故障类型的故障等级评分值。故障等级是指不同故障的故障级别。
作为示例,故障类型信息可以是“故障类型:车巡航子功能故障;故障等级:A类;故障等级评分值:80”。设备故障评分值对应的设备故障的故障类型可以是“车巡航子功能故障”。可以得到上述设备故障评分值对应的设备故障的故障类型的故障等级评分值是“80”。
步骤204,对上述设备故障评分值集合中的每个设备故障评分值和与上述设备故障评分值对应的上述故障等级评分值集合中的故障等级评分值进行数据处理以生成故障评分权重。
在一些实施例中,上述执行主体可以对上述设备故障评分值和上述故障等级评分值进行归一化处理以生成故障评分权重。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤生成故障评分权重:
第一步,确定上述故障等级评分值和上述设备故障评分值对应的故障等级评分值的差值绝对值。
作为示例,故障等级评分值可以是“90”,表示“车巡航子功能故障对应的故障等级评分值是90分”。设备故障评分值可以是“50”,表示“车巡航子功能故障的故障评分为50分”。将上述故障等级评分值和上述设备故障评分值输入至下式:Δi=|90-50|=40,得到差值绝对值是“40”。
第二步,对上述故障等级评分值集合中的故障等级评分值按照数值从大到小进行排序,生成故障等级评分值序列。
作为示例,故障等级评分值集合可以是“80,90,100”。对故障等级评分值集合中的故障等级评分值进行排序之后,得到故障等级评分值序列为:{100;90;80}。
第三步,对上述故障等级评分值序列中相邻的两个故障等级评分值进行差值处理以生成故障等级评分差值,得到故障等级评分差值序列。
作为示例,故障等级评分值序列为:{100;90;80}。对故障等级评分值序列中相邻的两个故障等级评分值进行差值处理以生成故障等级评分差值:100-90=10,90-80=10。得到故障等级评分差值序列是{10;10}。
第四步,确定上述故障等级评分差值序列的故障等级评分差值平均值。
第五步,确定上述故障等级评分值集合中各个故障等级评分值的和。
第六步,将上述设备故障评分值、上述故障等级评分差值平均值、上述故障等级评分值和上述差值绝对值输入至下式中以生成故障评分权重:
其中,Wi表示第i种故障类型的故障评分权重,保留小数点后两位有效数字。ri表示第i种故障类型的设备故障评分值。si表示第i种故障类型的故障等级评分值。T表示故障等级评分值集合中各个故障等级评分值的和。θ表示故障等级评分差值平均值。Δi表示差值绝对值。
作为示例,第1种故障类型“车巡航子功能故障”的设备故障评分值r1可以是“50分”。第1种故障类型“车巡航子功能故障”的故障等级评分值s1可以是“90分”。故障等级评分值集合可以是“80分,90分,100分”。上述故障等级评分值集合中各个故障等级评分值的和T是“270”。故障等级评分差值平均值θ是“10”。差值绝对值Δi是“40”。将上述数据输入至上式中得到第1种故障类型“车巡航子功能故障”的故障评分权重是:
步骤205,对上述故障评分权重集合中的每个故障评分权重、与上述故障评分权重对应的设备故障评分值和与上述设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分值。
在一些实施例中,上述执行主体可以对上述故障评分权重集合中的每个故障评分权重、与上述故障评分权重对应的设备故障评分值和与上述设备故障评分值对应的故障等级评分值进行相乘处理以生成故障评分值。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤生成故障评分值:
第一步,确定上述故障等级评分值集合中故障等级评分值的数量。
作为示例,故障等级评分值集合可以是“80,90,100”。故障等级评分值的数量是“3”。
第二步,将上述差值绝对值、上述故障评分权重、上述故障等级评分值的数量、上述故障等级评分值和上述设备故障评分值输入至下式中以生成故障评分值:
Ri=α×Δi×Wi+α×T×Wi+α×Wi×(si+ri)。
其中,Ri表示第i种故障类型的故障评分值。Δi表示差值绝对值。Wi表示第i种故障类型的故障评分权重。ri表示第i种故障类型的设备故障评分值。si表示第i种故障类型的故障等级评分值。T表示故障等级评分值集合中各个故障等级评分值的和。α表示故障等级评分值的数量。
作为示例,故障等级评分值集合可以是“80;90;100”,上述故障等级评分值集合中各个故障等级评分值的和T是“270”。故障等级评分值的数量α是“3”。第1种故障类型“车巡航子功能故障”的设备故障评分值r1可以是“50”。第1种故障类型“车巡航子功能故障”的故障等级评分值s1可以是“90”。差值绝对值Δi是“40”。第1种故障类型“车巡航子功能故障”的故障评分权重W1是“0.04”。将上述数据带入到公式中以生成故障评分值:R1=3×40×0.04+3×(80+90+100)×0.04+3×0.04×(90+50)=54。
在一些实施例中,上述执行主体通过对设备故障评分值、故障等级评分值进行数据处理,可以得到上述故障相关的故障评分权重。通过计算自动驾驶***中出现的设备故障在整个设备故障评分值集合中的故障评分权重,以及考虑得到故障类型的影响,自动驾驶检测***能够通过故障评分权重提高自动驾驶***对故障的检测。考虑到故障评分权重对自动驾驶***故障检测的影响,将故障评分权重作为计算故障评分值的重要因素,故障等级评分值可以确定上述设备故障的故障等级,故障等级评分值的数量是考虑到该故障等级评分值在整个故障等级评分中的占比。通过对上述差值绝对值、上述故障评分权重、上述故障等级评分值的数量、上述故障等级评分值和上述设备故障评分值进行数据处理,可以准确地确定上述设备故障的故障评分值。汽车自动驾驶***可以根据故障评分值对自动驾驶***中出现的故障进行检测,有助于车载***提高对自动驾驶故障检测的准确度。
步骤206,基于各个设备故障评分值分别对应的各个设备故障的故障类型和上述故障评分值集合,生成故障评分表。
在一些实施例中,上述执行主体可以将上述各个设备故障评分值分别对应的各个设备故障的故障类型和上述故障评分值集合进行组合,生成故障评分表。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤生成上述故障评分表:
第一步,将上述各个设备故障评分值中的每个设备故障评分值对应的设备故障的故障类型和与上述故障类型对应的上述故障评分值集合中的故障评分值进行组合以成二元组,得到二元组集合。
第二步,建立故障评分空表,将上述二元组集合中的每个二元组输入至上述故障评分空表中,生成上述故障评分表。
作为示例,上述各个设备故障的故障类型可以是“车巡航子功能故障;前视主相机遮挡;前视主相机出现丢帧;前视主相机出现丢帧;高精地图丢失;后视相机通信丢失”。上述故障评分值是“54;60;55;68;25”。组成二元组得到“车巡航子功能故障:54;前视主相机遮挡:60;前视主相机出现丢帧:55;高精地图丢失:68;后视相机通信丢失:25”。将上述二元组集合中的每个二元组输入至故障评分空表中,生成上述故障评分表。
序号 | 故障类型 | 故障评分值 |
1 | 车巡航子功能故障 | 54 |
2 | 前视主相机遮挡 | 60 |
3 | 前视主相机出现丢帧 | 55 |
4 | 高精地图丢失 | 68 |
5 | 后视相机通信丢失 | 25 |
可选的,上述执行主体可以将上述故障评分表传输至车载设备终端,以供上述车载设备终端基于上述故障评分表对车辆进行控制。
作为示例,上述执行主体可以将上述故障评分表传输至车载设备终端。车载设备终端获取到故障评分表中的故障评分之后,对故障评分对应的故障类型进行语音播报,或者是对故障进行自动维护,或者对车辆的速度进行控制。
本公开的上述各个实施例中的一个实施例具有如下有益效果:首先,通过对自动驾驶***的故障类型信息集合和自动驾驶***中的设备故障评分值集合的获取,可以准确地确定上述设备故障评分值集合中每个设备故障评分值对应的设备故障的故障类型和与上述故障类型对应的故障等级评分值。从而,可以得出故障评分权重。然后,通过对故障评分权重、故障等级评分值和设备故障评分值进行数据处理,可以生成故障评分值。基于各个设备故障评分值分别对应的各个设备故障的故障类型和上述故障评分值集合可以准确地得出故障评分表。最后,可选的,上述执行主体可以将上述故障评分表输入至车载设备终端,以供车载设备终端基于上述故障评分表对车辆进行控制。从而,有助于车辆安全地在道路上行驶。
进一步参考图3,作为对上述各图上述方法的实现,本公开提供了一种自动驾驶故障评分表生成的装置的一些实施例,这些装置实施例与图2上述的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,一些实施例的自动驾驶故障评分表生成装置300包括:第一获取单元301、第二获取单元302、确定单元303、第一生成单元304、第二生成单元305、第三生成单元306。其中,第一获取单元301,被配置成获取自动驾驶***的故障类型信息集合,其中,上述故障类型信息包括故障类型、与上述故障类型对应的故障等级和与上述故障等级对应的故障等级评分值;第二获取单元302,被配置成获取上述自动驾驶***的设备故障评分值集合;确定单元303,被配置成确定上述设备故障评分值集合中每个设备故障评分值对应的设备故障的故障类型和与上述故障类型对应的故障等级评分值,得到故障等级评分值集合;第一生成单元304,被配置成对上述设备故障评分值集合中的每个设备故障评分值和与上述设备故障评分值对应的上述故障等级评分值集合中的故障等级评分值进行数据处理以生成故障评分权重,得到故障评分权重集合;第二生成单元305,被配置成对上述故障评分权重集合中的每个故障评分权重、与上述故障评分权重对应的设备故障评分值和与上述设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分值,得到故障评分值集合;第三生成单元306,被配置成基于各个设备故障评分值分别对应的各个设备故障的故障类型和上述故障评分值集合,生成故障评分表。
在一些实施例的一些可选的实现方式中,自动驾驶故障评分表生成装置300的第三生成单元306被进一步配置成:将各个设备故障评分值分别对应的各个设备故障的故障类型和上述故障评分值集合组成二元组,得到二元组集合;建立故障评分空表,将上述二元组集合中的每个二元组输入至故障评分空表中以生成故障评分表。
可以理解的是,该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元,在此不再赘述。
下面参考图4,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)400的结构示意图。图4示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备406与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取自动驾驶***的故障类型信息集合,其中,上述故障类型信息包括故障类型、与上述故障类型对应的故障等级和与上述故障等级对应的故障等级评分值;获取上述自动驾驶***的设备故障评分值集合;确定上述设备故障评分值集合中每个设备故障评分值对应的设备故障的故障类型和与上述故障类型对应的故障等级评分值,得到故障等级评分值集合;对上述设备故障评分值集合中的每个设备故障评分值和与上述设备故障评分值对应的上述故障等级评分值集合中的故障等级评分值进行数据处理以生成故障评分权重,得到故障评分权重集合;对上述故障评分权重集合中的每个故障评分权重、与上述故障评分权重对应的设备故障评分值和与上述设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分值,得到故障评分值集合;基于各个设备故障评分值分别对应的各个设备故障的故障类型和上述故障评分值集合,生成故障评分表。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一获取单元、第二获取单元、确定单元、第一生成单元、第二生成单元、第三生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第二生成单元还可以被描述为“对上述故障评分权重集合中的每个故障评分权重、与上述故障评分权重对应的设备故障评分值和与上述设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分值,得到故障评分值集合的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (6)
1.一种自动驾驶故障评分表生成方法,包括:
获取自动驾驶***的故障类型信息集合,其中,所述故障类型信息包括故障类型、与所述故障类型对应的故障等级和与所述故障等级对应的故障等级评分值;
获取所述自动驾驶***的设备故障评分值集合;
确定所述设备故障评分值集合中每个设备故障评分值对应的设备故障的故障类型和与所述故障类型对应的故障等级评分值,得到故障等级评分值集合;
对所述设备故障评分值集合中的每个设备故障评分值和与所述设备故障评分值对应的所述故障等级评分值集合中的故障等级评分值进行数据处理以生成故障评分权重,得到故障评分权重集合;
对所述故障评分权重集合中的每个故障评分权重、与所述故障评分权重对应的设备故障评分值和与所述设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分值,得到故障评分值集合;
基于各个设备故障评分值分别对应的各个设备故障的故障类型和所述故障评分值集合,生成故障评分表;
其中,所述对所述设备故障评分值集合中的每个设备故障评分值和与所述设备故障评分值对应的所述故障等级评分值集合中的故障等级评分值进行数据处理以生成故障评分权重,包括:
确定所述故障等级评分值和所述设备故障评分值对应的故障等级评分值的差值绝对值;
对所述故障等级评分值集合中的故障等级评分值按照数值从大到小进行排序,生成故障等级评分值序列;
对所述故障等级评分值序列中相邻的两个故障等级评分值进行差值处理以生成故障等级评分差值,得到故障等级评分差值序列;
确定所述故障等级评分差值序列的故障等级评分差值平均值;
确定所述故障等级评分值集合中各个故障等级评分值的和;
将所述设备故障评分值、所述故障等级评分差值平均值、所述故障等级评分值和所述差值绝对值输入至下式中以生成故障评分权重:
其中,Wi表示第i种故障类型的故障评分权重,ri表示第i种故障类型的设备故障评分值,si表示第i种故障类型的故障等级评分值,T表示故障等级评分值集合中各个故障等级评分值的和,θ表示故障等级评分差值平均值,Δi表示差值绝对值;
其中,所述对所述故障评分权重集合中的每个故障评分权重、与所述故障评分权重对应的设备故障评分值和与所述设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分值,包括:
确定所述故障等级评分值集合中故障等级评分值的数量;
将所述差值绝对值、所述故障评分权重、所述故障等级评分值的数量、所述故障等级评分值和所述设备故障评分值输入至下式中以生成故障评分值:
Ri=α×Δi×Wi+α×T×Wi+α×Wi×(si+ri),
其中,Ri表示第i种故障类型的故障评分值,Δi表示差值绝对值,Wi表示第i种故障类型的故障评分权重,ri表示第i种故障类型的设备故障评分值,Si表示第i种故障类型的故障等级评分值,T表示故障等级评分值集合中各个故障等级评分值的和,α表示故障等级评分值的数量。
2.根据权利要求1所述的方法,其中,所述基于各个设备故障评分值分别对应的各个设备故障的故障类型和所述故障评分值集合,生成故障评分表,包括:
将所述各个设备故障评分值中的每个设备故障评分值对应的设备故障的故障类型和与所述故障类型对应的所述故障评分值集合中的故障评分值进行组合以成二元组,得到二元组集合;
建立故障评分空表,将所述二元组集合中的每个二元组输入至所述故障评分空表中,生成所述故障评分表。
3.根据权利要求2所述的方法,其中,所述方法还包括:
将所述故障评分表传输至车载设备终端,以供所述车载设备终端基于所述故障评分表对车辆进行控制。
4.一种自动驾驶故障评分表生成装置,包括:
第一获取单元,被配置成获取自动驾驶***的故障类型信息集合,其中,所述故障类型信息包括故障类型、与所述故障类型对应的故障等级和与所述故障等级对应的故障等级评分值;
第二获取单元,被配置成获取所述自动驾驶***的设备故障评分值集合;
确定单元,被配置成确定所述设备故障评分值集合中每个设备故障评分值对应的设备故障的故障类型和与所述故障类型对应的故障等级评分值,得到故障等级评分值集合;
第一生成单元,被配置成对所述设备故障评分值集合中的每个设备故障评分值和与所述设备故障评分值对应的所述故障等级评分值集合中的故障等级评分值进行数据处理以生成故障评分权重,得到故障评分权重集合;第一生成单元,被进一步配置成:
确定所述故障等级评分值和所述设备故障评分值对应的故障等级评分值的差值绝对值;
对所述故障等级评分值集合中的故障等级评分值按照数值从大到小进行排序,生成故障等级评分值序列;
对所述故障等级评分值序列中相邻的两个故障等级评分值进行差值处理以生成故障等级评分差值,得到故障等级评分差值序列;
确定所述故障等级评分差值序列的故障等级评分差值平均值;
确定所述故障等级评分值集合中各个故障等级评分值的和;
将所述设备故障评分值、所述故障等级评分差值平均值、所述故障等级评分值和所述差值绝对值输入至下式中以生成故障评分权重:
其中,Wi表示第i种故障类型的故障评分权重,ri表示第i种故障类型的设备故障评分值,si表示第i种故障类型的故障等级评分值,T表示故障等级评分值集合中各个故障等级评分值的和,θ表示故障等级评分差值平均值,Δi表示差值绝对值;
第二生成单元,被配置成对所述故障评分权重集合中的每个故障评分权重、与所述故障评分权重对应的设备故障评分值和与所述设备故障评分值对应的故障等级评分值进行数据处理以生成故障评分值,得到故障评分值集合;第二生成单元,被进一步配置成:
确定所述故障等级评分值集合中故障等级评分值的数量;
将所述差值绝对值、所述故障评分权重、所述故障等级评分值的数量、所述故障等级评分值和所述设备故障评分值输入至下式中以生成故障评分值:
Ri=α×Δi×Wi+α×T×Wi+α×Wi×(si+ri),
其中,Ri表示第i种故障类型的故障评分值,Δi表示差值绝对值,Wi表示第i种故障类型的故障评分权重,ri表示第i种故障类型的设备故障评分值,Si表示第i种故障类型的故障等级评分值,T表示故障等级评分值集合中各个故障等级评分值的和,α表示故障等级评分值的数量;
第三生成单元,被配置成基于各个设备故障评分值分别对应的各个设备故障的故障类型和所述故障评分值集合,生成故障评分表。
5.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。
6.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-3中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010752077.XA CN111950238B (zh) | 2020-07-30 | 2020-07-30 | 自动驾驶故障评分表生成方法、装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010752077.XA CN111950238B (zh) | 2020-07-30 | 2020-07-30 | 自动驾驶故障评分表生成方法、装置、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111950238A CN111950238A (zh) | 2020-11-17 |
CN111950238B true CN111950238B (zh) | 2023-06-13 |
Family
ID=73339807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010752077.XA Active CN111950238B (zh) | 2020-07-30 | 2020-07-30 | 自动驾驶故障评分表生成方法、装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111950238B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633708B (zh) * | 2020-12-25 | 2024-03-22 | 同方威视科技江苏有限公司 | 机械设备故障检测方法、装置、介质及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378034A (zh) * | 2019-07-22 | 2019-10-25 | 中国中车股份有限公司 | 一种机车发动机故障诊断方法、***及实现装置 |
CN111123730A (zh) * | 2018-10-31 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 无人驾驶故障仿真方法、装置、设备及计算机可读介质 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0521625D0 (en) * | 2005-10-24 | 2005-11-30 | Ricardo Uk Ltd | A method of modelling the effect of a fault on the behaviour of a system |
US8508353B2 (en) * | 2009-01-26 | 2013-08-13 | Drivecam, Inc. | Driver risk assessment system and method having calibrating automatic event scoring |
EP1980964B1 (en) * | 2007-04-13 | 2016-03-23 | Yogitech Spa | Method and computer program product for performing failure mode and effects analysis of an integrated circuit |
US9077614B2 (en) * | 2012-12-17 | 2015-07-07 | Hewlett-Packard Development Company, L.P. | Prioritizing network faults |
CN104050392A (zh) * | 2014-07-07 | 2014-09-17 | 联车(上海)信息科技有限公司 | 一种新型车辆故障评分方法 |
US20160063418A1 (en) * | 2014-09-03 | 2016-03-03 | General Electric Company | System and Method for Inferring Vehicle Health |
CN106096836B (zh) * | 2016-06-12 | 2018-07-06 | 中国电信股份有限公司广东号百信息服务分公司 | 一种用于车辆健康度评分的车联网***及其评分方法 |
CN109895787B (zh) * | 2019-03-25 | 2020-08-11 | 新石器慧通(北京)科技有限公司 | 一种车辆驾驶的控制方法及控制装置 |
CN110562269A (zh) * | 2019-08-08 | 2019-12-13 | 驭势科技(北京)有限公司 | 一种智能驾驶车辆故障处理的方法、车载设备和存储介质 |
CN110781914B (zh) * | 2019-09-12 | 2024-04-16 | 腾讯科技(深圳)有限公司 | 一种设备故障的监控处理方法、装置、设备和存储介质 |
CN111160685A (zh) * | 2019-09-23 | 2020-05-15 | 上海安恪企业管理咨询有限公司 | 一种基于设备综合健康状况分析和管理的维修决策方法 |
CN110682876B (zh) * | 2019-09-26 | 2021-12-28 | 坤泰车辆***(常州)有限公司 | 车辆自动驾驶方法、***、存储介质及自动驾驶汽车 |
CN110795696A (zh) * | 2019-10-29 | 2020-02-14 | 北京航空航天大学 | 一种基于灰色关联的风险优先数计算方法 |
CN111144717B (zh) * | 2019-12-12 | 2024-02-09 | 东软集团股份有限公司 | 确定设备状态的方法、装置、存储介质及电子设备 |
-
2020
- 2020-07-30 CN CN202010752077.XA patent/CN111950238B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123730A (zh) * | 2018-10-31 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 无人驾驶故障仿真方法、装置、设备及计算机可读介质 |
CN110378034A (zh) * | 2019-07-22 | 2019-10-25 | 中国中车股份有限公司 | 一种机车发动机故障诊断方法、***及实现装置 |
Non-Patent Citations (2)
Title |
---|
Towards Corner Case Detection for Autonomous Driving;Jan-Aike Bolte ET AL;2019 IEEE Intelligent Vehicles Symposium (IV);438-445 * |
基于S3C2440的军用车辆故障检测及保养管理***设计;朱志雄;雷威;俞妍;刘金华;;军事交通学院学报(第03期);41-45 * |
Also Published As
Publication number | Publication date |
---|---|
CN111950238A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598762B (zh) | 三维车道线信息生成方法、装置、电子设备和介质 | |
CN115257727B (zh) | 障碍物信息融合方法、装置、电子设备和计算机可读介质 | |
CN112328731B (zh) | 车辆车道级定位方法、装置、电子设备和计算机可读介质 | |
CN112348029B (zh) | 局部地图调整方法、装置、设备和计算机可读介质 | |
CN113674357B (zh) | 相机外参标定方法、装置、电子设备和计算机可读介质 | |
CN112598731B (zh) | 车辆定位方法、装置、电子设备和计算机可读介质 | |
WO2022105622A1 (zh) | 图像分割方法、装置、可读介质及电子设备 | |
CN115817463B (zh) | 车辆避障方法、装置、电子设备和计算机可读介质 | |
CN116182878B (zh) | 道路曲面信息生成方法、装置、设备和计算机可读介质 | |
CN111950238B (zh) | 自动驾驶故障评分表生成方法、装置、电子设备 | |
CN111965383B (zh) | 车速信息生成方法、装置、电子设备和计算可读介质 | |
CN112017462B (zh) | 用于生成场景信息的方法、装置、电子设备和介质 | |
CN113793128A (zh) | 业务故障原因信息生成方法、装置、设备和计算机可读介质 | |
CN112373471B (zh) | 用于控制车辆行驶的方法、装置、电子设备和可读介质 | |
CN115937046A (zh) | 道路地面信息生成方法、装置、设备和计算机可读介质 | |
CN112346870B (zh) | 模型处理方法及*** | |
CN112598897B (zh) | 交通参与者行为检测方法、装置、电子设备和介质 | |
CN111897903A (zh) | 船舶位置预测方法、装置、电子设备和计算机可读介质 | |
CN116630436B (zh) | 相机外参修正方法、装置、电子设备和计算机可读介质 | |
CN116125961B (zh) | 车辆控制指标生成方法、装置、设备和计算机可读介质 | |
CN115991235B (zh) | 车辆转向控制方法、装置、电子设备和计算机可读介质 | |
CN116051657B (zh) | 雷达外参标定方法、装置、电子设备和计算机可读介质 | |
CN114863025B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN112036821B (zh) | 基于网格图规划专线的量化方法、装置、介质和电子设备 | |
CN115659154B (zh) | 数据发送方法、装置、服务器和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806 Patentee after: Heduo Technology (Guangzhou) Co.,Ltd. Address before: 100095 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. |