一种基于AI服务的交通数据处理方法、装置、存储介质及终端与流程

一种基于ai服务的交通数据处理方法、装置、存储介质及终端
技术领域
1.本发明涉及智慧交通技术领域，特别涉及一种基于ai服务的交通数据处理方法、装置、存储介质及终端。


背景技术：

2.随着人工智能ai的大力发展，ai模型应用到智能交通领域的场景越来越多，是实现智慧交通中不可或缺的技术，同时随着5g+智能交通产业升级及车联网技术的发展，在城市交通路口、智慧高速等多场景中均需要利用ai模型分析多类交通数据，根据分析出的结果对目标事件进行提前预测。
3.在现有预测方案中，当收到请求后，根据请求获取数据，然后将数据直接发送至ai模型中进行处理，但是交通行业是一个典型的长尾效应行业，场景复杂，涉及主体多，且因交通行业的信息化升级处于起步阶段，部分数据不全、加之交通场景容错率低、低时延、高可靠性等要求，也使得针对每个智能交通场景训练ai识别及决策模型几乎不可能，从而降低了模型识别的准确性，。
4.因此，亟需提升ai模型对场景的适应性。


技术实现要素：

5.本技术实施例提供了一种基于ai服务的交通数据处理方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
6.第一方面，本技术实施例提供了一种基于ai服务的交通数据处理方法，用于智能交通数据处理，方法包括：
7.获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据；
8.按照预设规则预处理智能交通标准服务请求，生成多个交通服务子请求；
9.从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感知数据；
10.将每个交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果；
11.根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。
12.可选的，获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据，包括：
13.确定预先生成的智能交通标准服务请求所在的位置；
14.根据智能交通标准服务请求所在的位置获取交通场景原始数据；
15.根据预设规则将交通场景原始数据划分为gis基本数据和多个目标数据；
16.将gis基本数据和多个目标数据确定为预处理后的交通场景原始数据。
17.可选的，从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感知数据，包括：
18.确定每个交通服务子请求的所在区域位置的请求位置数据；
19.从预处理后的交通场景原始数据中获取多个目标数据；其中，多个目标数据中每个目标数据包括生成目标数据的设备位置数据及所述设备位置数据与所述目标数据的映射关系数据；
20.将请求位置数据与多个设备位置数据进行逐一匹配，生成每个交通服务子请求的目标数据；
21.根据目标识别算法对所述每个交通服务子请求的目标数据进行分类，并从分类后的数据中提取出所述每个交通服务子请求对应的特征数据；
22.将特征数据确定为每个交通服务子请求的目标感知数据。
23.可选的，ai服务模型包括数据接入层、数据处理层、数据输出层；
24.将每个交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果，包括：
25.数据接入层接收交通服务子请求对应的感知数据；
26.数据处理层将交通服务子请求对应的感知数据进行处理后，生成响应结果；
27.数据输出层输出交通服务子请求的响应结果。
28.可选的，根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果，包括：
29.初始化数据融合算法；
30.将每个交通服务子请求的响应结果与gis基本数据进行融合，生成gis场景的识别结果；
31.将gis场景的识别结果输入初始化数据融合算法中进行融合计算；
32.输出智能交通标准服务请求的目标识别结果。
33.可选的，获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据之前，还包括：
34.当接收到智能交通初始服务请求时，识别智能交通初始服务请求中存在的不可识别或未能拆解的冗余数据；
35.将冗余数据从智能交通初始服务请求中剔除，生成可用的智能交通初始服务请求；
36.加载标准服务请求数据表；
37.根据可用的智能交通初始服务请求从标准服务请求数据表中匹配出智能交通标准服务请求。
38.可选的，预设规则是按照ai模型对应的处理的数据类型或目标来划分的。
39.第二方面，本技术实施例提供了一种基于ai服务的数据处理装置，装置包括：
40.原始数据获取模块，用于获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据；
41.服务请求预处理模块，用于按照预设规则预处理智能交通标准服务请求，生成多
个交通服务子请求；
42.感知数据匹配模块，用于从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感知数据；
43.响应结果输出模块，用于将每个交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果；
44.识别结果生成模块，用于根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。
45.第三方面，本技术实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
46.第四方面，本技术实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
47.本技术实施例提供的技术方案可以包括以下有益效果：
48.在本技术实施例中，基于ai服务的数据处理装置首先获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据，然后按照预设规则预处理智能交通标准服务请求，生成多个交通服务子请求，再从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感知数据，其次将每个交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果，最后根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。由于本技术将交通标准服务请求按照预设规则处理成多个交通服务子请求，并匹配出每个子请求的数据发送至与每个子请求对应的ai模型进行处理，使得每个ai模型仅处理与其相关的数据，从而降低了每个ai模型的数据处理量，同时降低了背景噪音，进而提高了ai模型识别的准确性。
49.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
50.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
51.图1是本技术实施例提供的一种基于ai服务的交通数据处理方法的流程示意图；
52.图2本技术实施例提供的一种基于ai服务的数据处理过程的过程示意框图；
53.图3是本技术实施例提供的一种多个服务从ai模型库中匹配模型的示意图；
54.图4是本技术实施例提供的另一种基于ai服务的交通数据处理方法的流程示意图；
55.图5是本技术实施例提供的一种基于ai服务的数据处理装置的结构示意图；
56.图6是本技术实施例提供的另一种基于ai服务的数据处理装置的结构示意图；
57.图7是本技术实施例提供的一种终端的结构示意图。
具体实施方式
58.以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
59.应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
60.下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
61.在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
62.本技术提供了一种基于ai服务的交通数据处理方法、装置、存储介质及终端，以解决上述相关技术问题中存在的问题。本技术提供的技术方案中，由于本技术将交通标准服务请求按照预设规则处理成多个交通服务子请求，并匹配出每个子请求的数据发送至与每个子请求对应的ai模型进行处理，使得每个ai模型仅处理与其相关的数据，相比于现有技术中直接将原始数据发送至ai模型的做法，本技术根据服务请求进行模块化划分的方式，可以有效降低了每个ai模型的数据处理量，同时降低了背景噪音，进而提高了ai模型识别的准确性，下面采用示例性的实施例进行详细说明。
63.下面将结合附图1-附图4，对本技术实施例提供的基于ai服务的数据处理方法进行详细介绍。该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的基于ai服务的数据处理装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。
64.请参见图1，为本技术实施例提供了一种基于ai服务的交通数据处理方法的流程示意图，用于智能交通数据处理。如图1所示，本技术实施例的方法可以包括以下步骤：
65.s101，获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据；
66.其中，智能交通标准服务请求是例如车辆紧急刹车预警，车辆闯红灯预警、分合流预警、协作式优先车辆通行等智能交通场景中的请求。智能交通标准服务请求是ai数据中台接收到初始服务请求后进一步处理生成的ai数据中台可识别的服务请求。交通场景原始数据是部署在交通道路上的终端设备采集的交通场景的gis数据以及设备感知数据，设备感知数据例如摄像头获取的某个图像。
67.通常，设备感知数据通常是保存在iot中台，gis数据不限于iot中台中的数据，也可以是保存在数据中台中感知设备的设备编号或位置信息。ai数据中台与iot中台连接。
68.在本技术实施例中，按照以下方法得到预先生成的智能交通标准服务请求，首先当接收到智能交通初始服务请求时，识别智能交通初始服务请求中存在的不可识别或未能拆解的冗余数据，然后将冗余数据从智能交通初始服务请求中剔除，生成可用的智能交通初始服务请求，其次加载标准服务请求数据表，最后根据可用的智能交通初始服务请求从标准服务请求数据表中匹配出智能交通标准服务请求。
69.例如，数据中台收到交通初始服务请求后，经数据中台预处理，具体是将交通初始服务请求中未能拆解或识别的部分作为背景噪声舍弃，然后将舍弃后剩余的数据信息与数据中台的标准服务进行匹配，最后得到至少一个标准服务请求。
70.在一种可能的实现方式中，在得到标准服务请求后，首先确定预先生成的智能交通标准服务请求所在的位置，然后根据智能交通标准服务请求所在的位置获取交通场景原始数据，其次根据预设规则将交通场景原始数据划分为gis基本数据和多个目标数据，最后将gis基本数据和多个目标数据确定为预处理后的交通场景原始数据。其中，gis基本数据为该交通场景下的道路结构、道路设置、交通信号设备等固定交通设施的空间设置信息。
71.如图2所示，对标准服务请求对应的交通场景原始数据(即交通场景gis数据)进行预处理后得到gis基本数据和多个目标数据，gis数据包括gis基本数据，包括gis地图及各目标在gis地图中所占用的区域或位置，多个目标数据可以包含有目标1的图像数据，包含有目标2的图像数据，包含有目标3的图像数据。以此类推，还包括包含有目标n的图像或类别数据。
72.s102，按照预设规则预处理智能交通标准服务请求，生成多个交通服务子请求；
73.其中，预设规则是按照ai模型库中各ai模型对应的处理的数据类型或目标来划分的。
74.在一种可能的实现方式中，在得到智能交通标准服务请求后，可根据ai模型对应的处理的数据类型或目标对智能交通标准服务请求进行划分，划分后得到多个交通服务子请求。
75.s103，从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感知数据；
76.其中，每个交通服务子请求至少对应一个ai服务模型，每个交通服务子请求均有与其匹配的感知数据。
77.在一种可能的实现方式中，在匹配每个交通服务子请求对应的目标感知数据时，首先确定每个交通服务子请求的所在区域位置的请求位置数据，再从预处理后的交通场景原始数据中获取多个目标数据；其中，多个目标数据中每个目标数据包括生成目标数据的设备位置数据及所述设备位置数据与所述目标数据的映射关系数据，然后将请求位置数据与多个设备位置数据进行逐一匹配，生成每个交通服务子请求的目标数据，其次根据目标识别算法对所述每个交通服务子请求的目标数据进行分类，并从分类后的数据中提取出所述每个交通服务子请求对应的特征数据，最后将特征数据确定为每个交通服务子请求的目标感知数据。
78.例如，对于交通路口的数据，目标1为车辆，目标2为行人，目标3的数据为信号。在交通数据中，每一个感知设备采集的一个单元的感知数据中，按照预设的目标识别算法分类，提取每一类目标数据的特征数据并分别发送至其对应的ai模型进行处理，即发送至ai模型的是预处理的提取的特征数据，从而降低了ai模型的数据处理量，相当于是把原本的一个整体的复杂的数据，如图像数据，按照预设规则，拆分成gis背景数据(gis基本数据)及按照目标类别划分的特征数据，这样可以降低背景噪音的影响，以及降低发送至每个ai模型的数据处理量，提升了识别的准确率。
79.s104，将每个交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输
出每个交通服务子请求的响应结果；
80.其中，ai服务模型包括数据接入层、数据处理层、数据输出层。
81.在一种可能的实现方式中，首先根据每个交通服务子请求从ai模型库中匹配其对应的ai服务模型，例如图3所示，数据接入层接收交通服务子请求对应的感知数据；数据处理层将交通服务子请求对应的感知数据进行处理后，生成响应结果；数据输出层输出交通服务子请求的响应结果。
82.例如，将每个交通服务子请求对应的目标感知数据发送至其对应的ai模型，其中，每个ai服务模型均包括数据接入层、数据处理层、数据输出层，其中，数据接入层用于接收与该ai模型相关的包含有目标n的图像或视频数据，经训练好的ai模型提取特征数据并识别后，经数据输出层将目标n的数据识别结果输出。
83.s105，根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。
84.在一种可能的实现方式中，在生成目标识别结果时，首先初始化数据融合算法，然后将每个交通服务子请求的响应结果与gis基本数据进行融合，生成gis场景的识别结果，其次将gis场景的识别结果输入初始化数据融合算法中进行融合计算，最后输出智能交通标准服务请求的目标识别结果。
85.例如图2所示，图2是本技术提供的一种基于ai服务的数据处理过程的过程示意框图，首先将标准请求的交通场景gis数据进行预处理后得到gis基本数据与多个目标数据，然后将标准请求划分为多个子请求，并找到每个子请求的目标数据以及从ai模型库找到每个子请求的ai模型，其次将每个子请求的目标数据输入到与其对应的ai模型中，得到每个子请求的识别结果，最后将识别结果与gis数据进行数据组装以及融合后得到交通服务响应结果。
86.在本技术实施例中，本技术采用具有ai能力的ai数据中台，ai数据中台设置有基于交通业务场景的智能服务集群，ai数据中台与iot中台连接；ai数据中台还与服务注册中心连接，服务注册中心用于将ai数据中台可提供的服务注册至服务注册中心，当接收到前端转发的交通服务请求后，服务注册中心根据服务注册列表，将服务请求经网关转发至ai数据中台，ai数据中台可调用ai模型集群，ai模型集群中的每一个ai模型均对应一个ai微服务，完成对其对应的交通主体如车、人、路、警示信息等的最下层信息的识别及监测，将识别及监测结果经设置于ai中台的感知融合模型处理后，并将结果反馈至ai中台或者服务请求端。
87.在一些优选的实施方式中，ai数据中台包括数据中台及ai模型库，数据中台与ai模型库可以设置在一起，如ai模型库设置于数据中台，在另一方面，数据中台与ai模型库之间相互独立，ai模型库远程设置，可以通过远程调用ai模型。
88.在一些优选的实施方式中，根据感知设备的设置位置及应用场景，将部分ai模型设置于感知终端，感知终端根据预设模型，识别感知数据中的目标数据，将感知终端未能识别的数据及目标数据的识别结果发送至ai数据中台，终端感知设备中的ai模型与ai数据中台的ai模型集群协同处理，以提升数据处理效率，提升协同响应能力。
89.进一步地，在一些优选的实施方式中，还包括边缘计算端，ai数据中台的部分计算模型设置于边缘计算端，根据服务请求的服务类型，计算边缘计算端对该服务的响应时间，
设边缘计算端的响应时间为第二时间，该服务请求中的时间响应要求为第一时间，ai数据中台的响应时间为第三时间，当边缘计算端能满足该服务请求，且第二时间小于第一时间，即认定优先采用边缘计算端响应该请求。
90.在一些优选的实施方式中，每个服务请求对应的多个子请求的处理实例均在一个容器集群里，每个子请求的响应结果也放置在同一个容器集群里，以方便进行数据融合数据，提升响应时间。
91.在本技术实施例中，基于ai服务的数据处理装置首先获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据，然后按照预设规则预处理智能交通标准服务请求，生成多个交通服务子请求，再从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感知数据，其次将每个交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果，最后根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。由于本技术将交通标准服务请求按照预设规则处理成多个交通服务子请求，并匹配出每个子请求的数据发送至与每个子请求对应的ai模型进行处理，使得每个ai模型仅处理与其相关的数据，从而降低了每个ai模型的数据处理量，同时降低了背景噪音，进而提高了ai模型识别的准确性。
92.请参见图4，为本技术实施例提供了另一种基于ai服务的交通数据处理方法的流程示意图，用于智能交通数据处理。如图4所示，本技术实施例的方法可以包括以下步骤：
93.s201，当接收到智能交通初始服务请求时，识别智能交通初始服务请求中存在的不可识别或未能拆解的冗余数据；
94.通常，智能交通初始服务请求可以包括多项标准服务请求，以协作式交通路口通行这一交通服务场景为例，可拆分为交叉路口每个方向的各车辆通行意图获取、路口信号控制信息、通行决策。
95.其中，每个方向各车辆通行意图获取包括车辆基本信息，车辆行驶数据获取及行驶转向信息获取，其中车辆基本信息包括车辆的车牌号、车辆类型、颜色等，行驶数据包括车辆的速度、转向信息包括直行、左转向、右转向或直行信息。路口信号控制信息包括：当前路口交通控制获取路口信号灯信息及倒计时信息。通行决策是根据各车辆通行意图及信号控制信息，得到各车辆的通行数据，通行决策模型又可以分为两层，一层为交叉路口各方向车队的通行的先后序列的计算，另一层为某一方向的车辆队列的通行顺序。
96.其中，为交叉路口每个方向的各车辆通行数据获取为子请求，子请求又可以根据交叉口分为四个并列的针对交叉口的子请求。
97.s202，将冗余数据从智能交通初始服务请求中剔除，生成可用的智能交通初始服务请求；
98.s203，加载标准服务请求数据表；
99.s204，根据可用的智能交通初始服务请求从标准服务请求数据表中匹配出智能交通标准服务请求；
100.s205，获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据；
101.s206，按照预设规则预处理智能交通标准服务请求，生成多个交通服务子请求；
102.s207，从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感
知数据；
103.s208，将每个交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果；
104.通常，ai服务模型包括全交通主体行为特征的ai识别，支持多类目标的检测、识别，具体包括以下几种：
105.a、车辆特征识别，支持14种细分特征，如车牌号、车牌颜色、车牌类型、车牌状态、车型、车身颜色、违法行为分析、车身、车顶物件等；
106.b、人体特征识别，支持25种细分特征，如性别识别、年龄段识别、头部特征识别、发型识别等；
107.c、非机动车特征识别，支持14种细分特征，如非机动车分类、非机动车颜色识别、民族识别、附属物品识别等；
108.d、人脸特征识别，支持5种细分特征，包括性别、年龄、眼镜款式、附属物识别等。
109.s209，根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。
110.在本技术实施例中，基于ai服务的数据处理装置首先获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据，然后按照预设规则预处理智能交通标准服务请求，生成多个交通服务子请求，再从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感知数据，其次将每个交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果，最后根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。由于本技术将交通标准服务请求按照预设规则处理成多个交通服务子请求，并匹配出每个子请求的数据发送至与每个子请求对应的ai模型进行处理，使得每个ai模型仅处理与其相关的数据，从而降低了每个ai模型的数据处理量，同时降低了背景噪音，进而提高了ai模型识别的准确性。
111.下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
112.请参见图5，其示出了本发明一个示例性实施例提供的基于ai服务的数据处理装置的结构示意图。该基于ai服务的数据处理装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括原始数据获取模块10、服务请求预处理模块20、感知数据匹配模块30、响应结果输出模块40、识别结果生成模块50。
113.原始数据获取模块10，用于获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据；
114.服务请求预处理模块20，用于按照预设规则预处理智能交通标准服务请求，生成多个交通服务子请求；
115.感知数据匹配模块30，用于从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感知数据；
116.响应结果输出模块40，用于将每个交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果；
117.识别结果生成模块50，用于根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。
118.可选的，如图6所示，装置1还包括：
119.冗余数据识别模块60，用于当接收到智能交通初始服务请求时，识别智能交通初始服务请求中存在的不可识别或未能拆解的冗余数据；
120.冗余数据剔除模块70，用于将冗余数据从智能交通初始服务请求中剔除，生成可用的智能交通初始服务请求；
121.数据表加载模块80，用于加载标准服务请求数据表；
122.服务请求匹配模块90，用于根据可用的智能交通初始服务请求从标准服务请求数据表中匹配出智能交通标准服务请求。
123.需要说明的是，上述实施例提供的基于ai服务的数据处理装置在执行基于ai服务的数据处理方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的基于ai服务的数据处理装置与基于ai服务的数据处理方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
124.上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
125.在本技术实施例中，基于ai服务的数据处理装置首先获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据，然后按照预设规则预处理智能交通标准服务请求，生成多个交通服务子请求，再从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感知数据，其次将每个交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果，最后根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。由于本技术将交通标准服务请求按照预设规则处理成多个交通服务子请求，并匹配出每个子请求的数据发送至与每个子请求对应的ai模型进行处理，使得每个ai模型仅处理与其相关的数据，从而降低了每个ai模型的数据处理量，同时降低了背景噪音，进而提高了ai模型识别的准确性。
126.本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的基于ai服务的数据处理方法。
127.本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例的基于ai服务的数据处理方法。
128.请参见图7，为本技术实施例提供了一种终端的结构示意图。如图7所示，终端1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
129.其中，通信总线1002用于实现这些组件之间的连接通信。
130.其中，用户接口1003可以包括显示屏(display)、摄像头(camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。
131.其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。
132.其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(digital signal processing，
dsp)、现场可编程门阵列(field-programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(central processing unit，cpu)、基于ai服务的数据处理器(graphics processing unit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
133.其中，存储器1005可以包括随机存储器(random access memory，ram)，也可以包括只读存储器(read-only memory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图7所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于ai服务的数据处理应用程序。
134.在图7所示的终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的基于ai服务的数据处理应用程序，并具体执行以下操作：
135.获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据；
136.按照预设规则预处理智能交通标准服务请求，生成多个交通服务子请求；
137.从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感知数据；
138.将每个交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果；
139.根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。
140.在一个实施例中，处理器1001在执行获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据时，具体执行以下操作：
141.确定预先生成的智能交通标准服务请求所在的位置；
142.根据智能交通标准服务请求所在的位置获取交通场景原始数据；
143.根据预设规则将交通场景原始数据划分为gis基本数据和多个目标数据；
144.将gis基本数据和多个目标数据确定为预处理后的交通场景原始数据。
145.在一个实施例中，处理器1001在执行从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感知数据时，具体执行以下操作：
146.确定每个交通服务子请求的所在区域位置的请求位置数据；
147.从预处理后的交通场景原始数据中获取多个目标数据；其中，多个目标数据中每个目标数据包括生成目标数据的设备位置数据及所述设备位置数据与所述目标数据的映射关系数据；
148.将请求位置数据与多个设备位置数据进行逐一匹配，生成每个交通服务子请求的目标数据；
149.根据目标识别算法对所述每个交通服务子请求的目标数据进行分类，并从分类后的数据中提取出所述每个交通服务子请求对应的特征数据；
150.将特征数据确定为每个交通服务子请求的目标感知数据。
151.在一个实施例中，处理器1001在执行将每个交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果时，具体执行以下操作：
152.数据接入层接收交通服务子请求对应的感知数据；
153.数据处理层将交通服务子请求对应的感知数据进行处理后，生成响应结果；
154.数据输出层输出交通服务子请求的响应结果。
155.在一个实施例中，处理器1001在执行根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果时，具体执行以下操作：
156.初始化数据融合算法；
157.将每个交通服务子请求的响应结果与gis基本数据进行融合，生成gis场景的识别结果；
158.将gis场景的识别结果输入初始化数据融合算法中进行融合计算；
159.输出智能交通标准服务请求的目标识别结果。
160.在一个实施例中，处理器1001在执行获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据之前时，还执行以下操作：
161.当接收到智能交通初始服务请求时，识别智能交通初始服务请求中存在的不可识别或未能拆解的冗余数据；
162.将冗余数据从智能交通初始服务请求中剔除，生成可用的智能交通初始服务请求；
163.加载标准服务请求数据表；
164.根据可用的智能交通初始服务请求从标准服务请求数据表中匹配出智能交通标准服务请求。
165.在本技术实施例中，基于ai服务的数据处理装置首先获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据，然后按照预设规则预处理智能交通标准服务请求，生成多个交通服务子请求，再从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感知数据，其次将每个交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果，最后根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。由于本技术将交通标准服务请求按照预设规则处理成多个交通服务子请求，并匹配出每个子请求的数据发送至与每个子请求对应的ai模型进行处理，使得每个ai模型仅处理与其相关的数据，从而降低了每个ai模型的数据处理量，同时降低了背景噪音，进而提高了ai模型识别的准确性。
166.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，基于ai服务的数据处理的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
167.以上所揭露的仅为本技术较佳实施例而已，当然不能以此来限定本技术之权利范围，因此依本技术权利要求所作的等同变化，仍属本技术所涵盖的范围。

技术特征：
1.一种基于ai服务的交通数据处理方法，用于智能交通数据处理，其特征在于，所述方法包括：获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据；按照预设规则预处理所述智能交通标准服务请求，生成多个交通服务子请求；从预处理后的所述交通场景原始数据中匹配每个所述交通服务子请求对应的目标感知数据；将每个所述交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果；根据所述每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。2.根据权利要求1所述的方法，其特征在于，所述获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据，包括：确定预先生成的智能交通标准服务请求所在的位置；根据所述智能交通标准服务请求所在的位置获取交通场景原始数据；根据预设规则将所述交通场景原始数据划分为gis基本数据和多个目标数据；将所述gis基本数据和多个目标数据确定为预处理后的交通场景原始数据。3.根据权利要求2所述的方法，其特征在于，所述从预处理后的所述交通场景原始数据中匹配每个所述交通服务子请求对应的目标感知数据，包括：确定每个所述交通服务子请求的所在区域位置的请求位置数据；从预处理后的所述交通场景原始数据中获取多个目标数据；其中，所述多个目标数据中每个目标数据包括生成目标数据的设备位置数据及所述设备位置数据与所述目标数据的映射关系数据；将所述请求位置数据与多个所述设备位置数据进行逐一匹配，获取每个交通服务子请求的目标数据；根据目标识别算法对所述每个交通服务子请求的目标数据进行分类，并从分类后的数据中提取出所述每个交通服务子请求对应的特征数据；将所述特征数据确定为所述每个交通服务子请求的目标感知数据。4.根据权利要求1所述的方法，其特征在于，所述ai服务模型包括数据接入层、数据处理层、数据输出层；所述将每个所述交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果，包括：数据接入层接收所述交通服务子请求对应的感知数据；数据处理层将所述交通服务子请求对应的感知数据进行处理后，生成响应结果；数据输出层输出交通服务子请求的响应结果。5.根据权利要求2所述的方法，其特征在于，所述根据所述每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果，包括：初始化数据融合算法；将所述每个交通服务子请求的响应结果与所述gis基本数据进行融合，生成gis场景的识别结果；
将所述gis场景的识别结果输入所述初始化数据融合算法中进行融合计算；输出智能交通标准服务请求的目标识别结果。6.根据权利要求1所述的方法，其特征在于，所述获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据之前，还包括：当接收到智能交通初始服务请求时，识别所述智能交通初始服务请求中存在的不可识别或未能拆解的冗余数据；将所述冗余数据从所述智能交通初始服务请求中剔除，生成可用的智能交通初始服务请求；加载标准服务请求数据表；根据所述可用的智能交通初始服务请求从所述标准服务请求数据表中匹配出智能交通标准服务请求。7.根据权利要求1所述的方法，其特征在于，所述预设规则是按照ai模型对应的处理的数据类型或目标来划分的。8.一种基于ai服务的数据处理装置，其特征在于，所述装置包括：原始数据获取模块，用于获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据；服务请求预处理模块，用于按照预设规则预处理所述智能交通标准服务请求，生成多个交通服务子请求；感知数据匹配模块，用于从预处理后的所述交通场景原始数据中匹配每个所述交通服务子请求对应的目标感知数据；响应结果输出模块，用于将每个所述交通服务子请求对应的目标感知数据输入对应的ai服务模型中，输出每个交通服务子请求的响应结果；识别结果生成模块，用于根据所述每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1-7任意一项的方法步骤。10.一种终端，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1-7任意一项的方法步骤。

技术总结
本发明公开了一种基于AI服务的交通数据处理方法、装置、存储介质及终端，方法包括：获取并预处理预先生成的智能交通标准服务请求对应的交通场景原始数据；按照预设规则预处理智能交通标准服务请求，生成多个交通服务子请求；从预处理后的交通场景原始数据中匹配每个交通服务子请求对应的目标感知数据；将每个交通服务子请求对应的目标感知数据输入对应的AI服务模型中，输出每个交通服务子请求的响应结果；根据每个交通服务子请求的响应结果进行融合计算，生成智能交通标准服务请求的目标识别结果。本申请使得每个AI模型仅处理与其相关的数据，从而降低了每个AI模型的数据处理量，同时降低了背景噪音，进而提高了AI模型识别的准确性。准确性。准确性。


技术研发人员：安利敏 许平杨 夏曙东 彭富麟 黄华 马晨
受保护的技术使用者：北京千方科技股份有限公司
技术研发日：2021.10.18
技术公布日：2022/3/8