数据处理方法、装置及电子设备、存储介质与流程

阅读：评论：0

1.本技术涉及数字孪生技术领域，尤其涉及一种数据处理方法、装置及电子设备、存储介质。

背景技术：

2.数字孪生城市作为智慧城市发展的新方向，是面向未来可持续发展提出的城市规划建设新理念与新模式，是数字技术革新与城市运行机制创新的有效结合。
3.相关技术中数字孪生城市的数字孪生系统中对于车辆通常都是显示一个id值，这个id值是唯一性的。但是id值也是随机生成的，就是车辆被第一次检测出来的时候赋予的，和车型车主等身份信息都无关。并且在第二天同样一辆车在同样路段行驶时会赋予另一个唯一id值。因为没有真正赋予一个与车辆身份相关联的一个身份信息，无法将不同日期内的历史数据关联在一起。进一步地，无法在数字孪生系统中查询追溯不同日期内车辆的违法违规行为。

技术实现要素：

4.本技术实施例提供了数据处理方法、装置及电子设备、存储介质，以实现将现实场景的车牌信息关联数字孪生系统中的车辆行驶数据。
5.本技术实施例采用下述技术方案：
6.第一方面，本技术实施例提供一种数据处理方法，其中，所述方法包括：
7.识别真实路侧场景中第一车辆的车牌信息；
8.在数字孪生系统中建立所述第一车辆的数字孪生车辆；
9.建立所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系；
10.根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息。
11.在一些实施例中，所述识别真实路侧场景中第一车辆的车牌信息，包括：
12.根据真实路侧场景中所述路侧杆上的第一相机对所述第一车辆的车牌信息识别结果，得到所述第一车辆的车牌信息；
13.所述在数字孪生系统中建立所述第一车辆的数字孪生车辆，包括：
14.根据真实路侧场景中所述路侧杆上的第二相机对所述第一车辆的检测跟踪结果，得到所述第一车辆在数字孪生系统一一对应的数字孪生车辆，其中所述第二相机与所述第一相机的焦距或焦距变换尺度不同。
15.在一些实施例中，所述识别真实路侧场景中第一车辆的车牌信息，还包括：
16.根据真实路侧场景中不同杆上的第一相机对所述第一车辆的车牌信息进行识别并根据所述车牌信息的识别结果纠正所述多杆上的相机的融合跟踪结果，其中所述不同杆之间具有不同或相同间隔距离。
17.在一些实施例中，所述根据所述对应关系，在数字孪生系统中通过所述车牌信息
查询得到所述数字孪生车辆的轨迹信息包括：
18.如果所述真实路侧场景中路侧杆上第一相机，未识别出真实路侧场景中已建立所述对应关系的第一车辆的车牌信息，则根据所述对应关系，追踪得到所述第一车辆的车牌信息对应的数字孪生车辆的车辆行驶轨迹。
19.在一些实施例中，所述根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息，还包括：
20.根据所述车牌信息作为索引记录，在所述数字孪生系统中查询所述第一车辆在真实道路上的历史事故和/或违章违法驾驶行为。
21.在一些实施例中，所述方法还包括：
22.根据所述真实路侧场景中第二车辆的车牌信息，在所述数字孪生系统中查询得到所述第二车辆的数字孪生车辆在当前时间以及历史时间中的行驶轨迹和行驶动态，其中所述第二车辆的车牌信息预先建立了与所述第二车辆的数字孪生车辆之间的对应关系。
23.在一些实施例中，根据所述第二车辆的数字孪生车辆在当前时间的行驶轨迹和行驶动态，得到道路路况信息，其中所述道路路况信息至少包括如下之一：当前时间所述第二车辆行驶轨迹下的交通灯信息、车流量信息；
24.根据所述第二车辆的数字孪生车辆在历史时间中的行驶轨迹和行驶动态，得到道路预警信息，其中所述道路预警信息至少包括如下之一：未来时间与所述第二车辆具有相同行驶轨迹或行驶状态下时的车流量预测信息、道路路况预测信息。
25.第二方面，本技术实施例还提供一种数据处理装置，其中，所述装置包括：
26.识别模块，用于识别真实路侧场景中第一车辆的车牌信息；
27.建立模块，用于在数字孪生系统中建立所述第一车辆的数字孪生车辆；
28.关系模块，用于建立所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系；
29.查询模块，用于根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息。
30.第三方面，本技术实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。
31.第四方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述方法。
32.本技术实施例采用的上述至少一个技术方案能够达到以下有益效果：通过识别真实路侧场景中第一车辆的车牌信息同时在数字孪生系统中建立所述第一车辆的数字孪生车辆，建立得到所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系。根据对应关系，可以在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息，并且轨迹信息包含了历史轨迹和行驶状态、当天轨迹和行驶状态。进一步，通过车牌信息查询还能够对相关道路的路况进行预测以及对事故多发路段进行提前预警。
附图说明
33.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本申
请的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
34.图1为本技术实施例中数据处理方法的流程示意图；
35.图2为本技术实施例中数据处理装置的结构示意图；
36.图3为本技术实施例中一种电子设备的结构示意图。
具体实施方式
37.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
38.以下结合附图，详细说明本技术各实施例提供的技术方案。
39.本技术实施例提供了一种数据处理方法，如图1所示，提供了本技术实施例中数据处理方法流程示意图，所述方法至少包括如下的步骤s110至步骤s140：
40.步骤s110，识别真实路侧场景中第一车辆的车牌信息。
41.数字孪生系统中，可以建立真实城市中的一比一的数字孪生数据，这些数字孪生数据中包括城市道路、城市交通信号灯、道路中行驶的车辆等。
42.在本技术的实施例中针对于真实路侧场景的某个区域内，建立当前真实路侧场景中的数字孪生系统，比如，真实路侧场景主要包括有信号控制的十字路口以及其他同类型的路口。又比如，真实路侧场景主要包括有信号控制的车辆行驶的路段以及其他同类型的路段。
43.路侧场景包括路侧单杆以及路侧多杆的检测、跟踪，每个路侧杆上都至少部署有路侧相机。通过不同的“路侧杆”上部署的路侧相机识别结果进行图像数据处理。以下所述的相机，均为“路侧相机”其用于真实路侧场景，且覆盖不同的路段或路口。
44.对于真实路侧场景中出现在目标路口和/或目标路段中的车辆，识别出车辆的车牌信息。
45.示例性地，首先对图像进行车牌矩形框检测，检测使用深度学习训练的模型。然后对检测出的矩形框进行字符分割，分割使用深度学习训练的模型。最后对分割出的字符进行识别，识别使用深度学习训练的模型。
46.可以理解，检测、分割以及识别可以通过相关技术中的深度卷积网络，通过机器学习训练得到对应的模型。同时，对于检测、分割以及识别需要提前标注得到感兴趣物体的标签以及识别框。
47.优选地，在整个路侧系统中的路侧单元可同时识别真实路侧场景中第一车辆的车牌信息，对于第一车辆其主要包括需要获取车辆车牌信息的车辆。此外，第一车辆的类型可以是具有固定运行路线的车辆，也可以是没有固定运行路线的车辆。
48.这里的第一车辆不仅仅指代一辆车或多辆车，而是针对需要建立真实路侧场景中的车牌信息与数字孪生车辆之间的对应关系的一类型车辆。
49.可选地，识别预设运营区域中真实路侧场景中第一车辆的车牌信息，所述第一车辆按照固定的运营路线运行，在第一车辆行驶的过程中，可以识别真实路侧场景中的车牌信息。这里的真实路侧场景可以是部署有路侧单元的路段或者路口，且路侧单元的相机具
有运算识别能力，可以在路侧单元本地完成车牌信息的识别。
50.步骤s120，在数字孪生系统中建立所述第一车辆的数字孪生车辆。
51.在所述数字孪生系统中建立所述第一车辆的数字孪生车辆时，是与前一个步骤中识别真实路侧场景中第一车辆的车牌信息同步进行的，而其中困难的地方在于如何确定真实路侧场景中第一车辆就是数字孪生系统中的第一车辆的数字孪生车辆。
52.在此步骤中，可以通过在路侧单元上安装不同类型的相机来匹配第一车辆。
53.示例性地，远景相机识别第一车辆后在数字孪生系统中建立所述第一车辆的数字孪生车辆，此时并不赋予uuid；在近景相机同样识别出第一车辆的车牌信息之后，将车牌信息作为身份信息对数字孪生车辆进行赋值。
54.需要注意的是，上述的“远景相机”、“近景相机”是在不同杆或者同一杆上的相机，由于第一车辆会经过多杆，从而可以在此过程中识别车牌信息同时建立数字孪生车辆。
55.对于单杆，“远景相机”、“近景相机”中使用同一个身份标识识别并确定真实路侧场景中第一车辆就是数字孪生系统中的第一车辆的数字孪生车辆。
56.对于多杆，“远景相机”、“近景相机”中使用融合后的身份标识识别并确定真实路侧场景中第一车辆就是数字孪生系统中的第一车辆的数字孪生车辆。
57.步骤s130，建立所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系。
58.根据多杆相机对第一车辆的检测、跟踪可以得到车辆在数字孪生系统上的行驶动态和轨迹。根据上述步骤中检测识别出真实路侧场景中第一车辆的车牌信息给数字孪生系统上的该目标赋予车牌号码属性，并显示在数字孪生系统中。
59.所述对应关系，具体是指在数字孪生系统的后台数据库中具有映射关系的数据。且映射关系是唯一确定的，并不受到单杆或多杆的影响。
60.步骤s140，根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息。
61.需要注意的是，数字孪生车辆的轨迹信息包括但不限于车辆轨迹和车辆行为。车辆轨迹包括但不限于多帧检测跟踪位置连接之后得到的结果。车辆行为包括但不限于车辆航向角、车辆速度、车辆加速度、车辆位置等。
62.根据所述对应关系，可以在数字孪生系统中通过查询车牌信息就可以得到数字孪生车辆的轨迹信息。同时数字孪生车辆的轨迹信息可以显示在数字孪生系统上。
63.区别于相关技术中，如果第一车辆被第一次检测出来的时候赋予一个id值，并且在第二天同样一辆车在同样路段行驶时会赋予另一个唯一id的情况。本技术中无论第一车辆出现在哪条路段上，都会使用车牌信息这个唯一身份信息。
64.同时，车牌信息并不是对于数字孪生系统中全局使用的，而是对应于真实路侧场景中的路口或路段，进行统一的赋值。也就是说，为了保证跟踪的效果，使用车牌信息的情况仅作为可以对第一车辆进行跟踪的路侧场景使用，如果驶离路侧场景，则不会继续跟踪第一车辆，直到第一车辆重新进入路侧场景，此时所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系会再次生效。
65.本技术实施例中的数据处理方法，通过建立所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系，可以检测第一车辆的车牌并通过跟踪车牌对应的第
一车辆，将第一车辆多天历史数据关联起来能够查询到第一车辆多日行驶轨迹和行为。
66.在本技术的一个实施例中，所述识别真实路侧场景中第一车辆的车牌信息，包括：根据真实路侧场景中路侧杆上的第一相机对所述第一车辆的车牌信息识别结果，得到所述第一车辆的车牌信息；所述在数字孪生系统中建立所述第一车辆的数字孪生车辆，包括：根据真实路侧场景中所述路侧杆上的第二相机对所述第一车辆的检测跟踪结果，得到所述第一车辆在数字孪生系统一一对应的数字孪生车辆，其中所述第二相机与所述第一相机的焦距或焦距变换尺度不同。
67.如果想要确定第一车辆在真实路侧场景与在数字孪生系统中建立的所述第一车辆的数字孪生车辆的关系，需要通过在目标路段或目标路口的多杆和单杆上的相机识别对第一车辆的检测和跟踪。
68.路侧杆包括单杆或者多杆，其上的相机用于在真实路侧场景中识别并跟踪车辆。
69.之后根据真实路侧场景中路侧杆上第一相机对所述第一车辆的车牌信息识别结果，得到所述第一车辆的车牌信息。第一相机优选为近景相机，可以识别第一车辆的车牌信息。
70.同时，根据真实路侧场景中路侧杆上第二相机对所述第一车辆的检测跟踪结果，得到所述第一车辆在数字孪生系统一一对应的数字孪生车辆。第二相机优选为远景相机，可以对第一车辆进行持续检测跟踪。从而得到所述第一车辆在数字孪生系统一一对应的数字孪生车辆。
71.需要注意的是，“对于单杆”或“对于多杆”是预先进行联合标定的，其相机检测、跟踪的结果可以确定出所述第一车辆在数字孪生系统一一对应的数字孪生车辆，从而将识别到的第一车辆的车牌信息在数字孪生系的数字孪生车辆上赋值。
72.优选地，所述第二相机与所述第一相机的焦距或焦距变换尺度不同，即可以都采用可变焦的相同相机，或者采用定焦(焦距可不同)或变焦(焦距变换尺度可不同)的不同相机。
73.可选地，所述第二相机与所述第一相机可以位于同一个路侧杆上，或者位于不同的路侧杆上，但都需要进行预先标定。
74.在本技术的一个实施例中，所述识别真实路侧场景中第一车辆的车牌信息，还包括：根据真实路侧场景中不同杆上的第一相机对所述第一车辆的车牌信息进行识别并根据所述车牌信息的识别结果纠正所述多杆上的相机的融合跟踪结果，其中所述不同杆之间具有不同或相同的间隔距离。
75.为了获得更好地检测跟踪结果，可以对通过不同杆的近景相机对车辆的车牌识别可以纠正多杆相机的融合跟踪结果。
76.示例性地，不同杆之间的间隔可以是200m、300m或150m，通过两两之间具有不同或相同间隔的杆上的相机，可以对多杆的融合跟踪结果进行修正。
77.在本技术的一个实施例中，所述根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息包括：如果所述真实路侧场景中路侧杆上第一相机，未识别出真实路侧场景中已建立所述对应关系的第一车辆的车牌信息，则根据所述对应关系，追踪得到所述第一车辆的车牌信息对应的数字孪生车辆的车辆行驶轨迹。
78.为了弥补可能出现错误的跟踪结果提高系统容错率，可以在没有检测出车牌的时
候，根据跟踪结果也能追踪到该车牌号的车辆行驶的轨迹。即如果所述真实路侧场景中路侧杆上第一相机，未识别出真实路侧场景中已建立所述对应关系的第一车辆的车牌信息，则按照所述对应关系进行车辆追踪，仍然可以得到第一车辆的车牌信息对应的数字孪生车辆的车辆行驶轨迹。
79.在本技术的一个实施例中，所述根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息，还包括：根据所述车牌信息作为索引记录，在所述数字孪生系统中查询所述第一车辆在真实道路上的历史事故和/或违章违法驾驶行为。
80.根据得到的车牌号与数字孪生车辆的对应关系，可以在数字孪生系统增加车牌号查询功能，根据车牌号可以查询到该车辆的当天以及以往所有时候的历史轨迹。因为通过车牌号可以使得每天的每一段轨迹都关联在一起。
81.由于查询的过程是在数据库中完成，查询结果的响应速度较快，且能够进行可视化查询结果展示。
82.在本技术的一个实施例中，所述方法还包括：根据所述真实路侧场景中第二车辆的车牌信息，在所述数字孪生系统中查询得到所述第二车辆的数字孪生车辆在当前时间以及历史时间中的行驶轨迹和行驶动态，其中所述第二车辆的车牌信息预先建立了与所述第二车辆的数字孪生车辆之间的对应关系。
83.第二车辆是与数字孪生系统建立了对应关系的车辆，即第二车辆的车牌信息预先建立了与所述第二车辆的数字孪生车辆之间的对应关系。所以在查询是，通过数字孪生系统中查询得到所述第二车辆的数字孪生车辆在当前时间以及历史时间中的行驶轨迹。
84.此外，还包括数字孪生车辆在当前时间以及历史时间中的车辆航向角、车辆速度、车辆加速度、车辆位置等行驶动态。
85.在本技术的一个实施例中，根据所述第二车辆的数字孪生车辆在当前时间的行驶轨迹和行驶动态，得到道路路况信息，其中所述道路路况信息至少包括如下之一：当前时间所述第二车辆行驶轨迹下的交通灯信息、车流量信息；根据所述第二车辆的数字孪生车辆在历史时间中的行驶轨迹和行驶动态，得到道路预警信息，其中所述道路预警信息至少包括如下之一：未来时间与所述第二车辆具有相同行驶轨迹或行驶状态下时的车流量预测信息、道路路况预测信息。
86.在真实路侧场景中的路侧相机监控下的车辆行为以及交通事故都可以通过车牌号作为索引记录。通过查询第二车辆的车牌号，可以得到道路预警信息。由于第二车辆的车牌号关联了所述第二车辆的数字孪生车辆在当前时间中的行驶轨迹和行驶动态，所以通过车牌号即可查询出：当前时间所述第二车辆行驶轨迹下的交通灯信息、车流量信息。
87.进一步地，通过查询第二车辆的车牌号，还可得到道路预警信息。由于第二车辆的车牌号关联了所述第二车辆的数字孪生车辆在历史时间中的行驶轨迹和行驶动态，所以通过车牌号即可查询出：未来时间与所述第二车辆具有相同行驶轨迹或行驶状态下时的车流量预测信息、道路路况预测信息。对于本领领域技术人员而言，根据历史习惯或者数据，是可以预测出未来一段时间内的数据情况的。
88.并且通过车牌号查询出的是未来时间与所述第二车辆具有相同行驶轨迹或行驶状态下时的车流量预测信息，道路路况预测信息。比如，对于目标路段针对性地预测交通信
息。又比如，对于之前上报过施工的路口，针对性地提供避险/避障的预警信息。
89.需要注意的是，对于当前时间所述第二车辆行驶轨迹下的交通灯信息、车流量信息是根据第二车辆的当前行驶轨迹和行驶状态实时预测并得到的。这里的第二车辆不仅仅指代一辆车或多辆车，而是具有将车牌信息预先建立了与所述第二车辆的数字孪生车辆之间的对应关系的一类型车辆。
90.本技术实施例还提供了数据处理装置200，如图2所示，提供了本技术实施例中数据处理装置的结构示意图，所述数据处理装置200至少包括：识别模块210、建立模块220、关系模块230以及查询模块240，其中：
91.在本技术的一个实施例中，所述识别模块210具体用于：识别真实路侧场景中第一车辆的车牌信息。
92.数字孪生系统中，可以建立真实城市中的一比一的数字孪生数据，这些数字孪生数据中包括城市道路、城市交通信号灯、道路中行驶的车辆等。
93.在本技术的实施例中针对于真实路侧场景的某个区域内，建立当前真实路侧场景中的数字孪生系统，比如，真实路侧场景主要包括有信号控制的十字路口以及其他同类型的路口。又比如，真实路侧场景主要包括有信号控制的车辆行驶的路段以及其他同类型的路段。
94.路侧场景包括路侧单杆以及路侧多杆的检测、跟踪，每个路侧杆上都至少部署有路侧相机。通过不同的“路侧杆”上部署的路侧相机识别结果进行图像数据处理。以下所述的相机，均为“路侧相机”其用于真实路侧场景，且覆盖不同的路段或路口。
95.对于真实路侧场景中出现在目标路口和/或目标路段中的车辆识别出车辆的车牌信息。
96.示例性地，首先对图像进行车牌矩形框检测，检测使用深度学习训练的模型。然后对检测出的矩形框进行字符分割，分割使用深度学习训练的模型。最后对分割出的字符进行识别，识别使用深度学习训练的模型。
97.可以理解，检测、分割以及识别可以通过相关技术中的深度卷积网络，通过机器学习训练得到对应的模型。同时，对于检测、分割以及识别需要提前标注得到感兴趣物体的标签以及识别框。
98.优选地，在整个路侧系统中的路侧单元可同时识别真实路侧场景中第一车辆的车牌信息，对于第一车辆其主要包括需要获取车辆车牌信息的车辆。此外，第一车辆的类型可以是具有固定运行路线的车辆，也可以是没有固定运行路线的车辆。
99.这里的第一车辆不仅仅指代一辆车或多辆车，需要建立真实路侧场景中的车牌信息与数字孪生车辆之间的对应关系的一类型车辆。
100.可选地，识别预设运营区域中真实路侧场景中第一车辆的车牌信息，所述第一车辆按照固定的运营路线运行，在第一车辆行驶的过程中，可以识别真实路侧场景中的车牌信息。这里的真实路侧场景可以是部署有路侧单元的路段或者路口，且路侧单元的相机具有运算识别能力，可以在路侧单元本地完成车牌信息的识别。
101.在本技术的一个实施例中，所述建立模块220具体用于：在数字孪生系统中建立所述第一车辆的数字孪生车辆。
102.在所述数字孪生系统中建立所述第一车辆的数字孪生车辆时，是与前一个步骤中
识别真实路侧场景中第一车辆的车牌信息同步进行的，而其中困难的地方在于如何确定真实路侧场景中第一车辆就是字孪生系统中的第一车辆的数字孪生车辆。
103.在此步骤中，可以通过路侧单元上安装不同类型的相机来匹配第一车辆。
104.示例性地，远景相机识别第一车辆后在数字孪生系统中建立所述第一车辆的数字孪生车辆，此时并不赋予uuid；而是在近景相机同样识别第一车辆的车牌信息之后，将车牌信息作为身份信息对数字孪生车辆进行赋值。
105.需要注意的是，上述的“远景相机”、“近景相机”是在不同杆或者同一杆上的相机，由于第一车辆会经过多杆，从而可以在此过程中识别车牌信息同时建立数字孪生车辆。
106.对于单杆，“远景相机”、“近景相机”中使用同一个身份标识识别并确定确定真实路侧场景中第一车辆就是字孪生系统中的第一车辆的数字孪生车辆。
107.对于多杆，“远景相机”、“近景相机”中融合后的身份标识识别并确定确定真实路侧场景中第一车辆就是字孪生系统中的第一车辆的数字孪生车辆。
108.在本技术的一个实施例中，所述关系模块230具体用于：建立所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系。
109.根据多杆相机对第一车辆的检测、跟踪可以得到车辆在数字孪生系统上的行驶动态和轨迹。根据上述步骤中检测识别的真实路侧场景中第一车辆的车牌信息给数字孪生系统上的该目标赋予车牌号码属性，并显示在数字孪生系统中。
110.所述对应关系，具体是指在数字孪生系统的后台数据库中具有映射关系的数据。且映射关系是一对一唯一确定的，并不受到单杆或多杆的影响。
111.在本技术的一个实施例中，所述查询模块240具体用于：根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息。
112.需要注意的是，数字孪生车辆的轨迹信息包括但不限于车辆轨迹和车辆行为。车辆行驶轨迹包括但不限于多帧检测跟踪位置连接之后得到的结果。车辆行为包括但不限于车辆航向角、车辆速度、车辆加速度、车辆位置等。
113.根据所述对应关系，可以在数字孪生系统中通过查询车牌信息就可以得到数字孪生车辆的轨迹信息。同时数字孪生车辆的轨迹信息可以显示在数字孪生系统上。
114.区别于相关技术中，如果第一车辆被第一次检测出来的时候赋予一个id值，并且在第二天同样一辆车在同样路段行驶时会赋予另一个唯一id的情况。无论第一车辆出现在哪条路段上，都会使用车牌信息这个唯一身份信息。
115.同时，车牌信息并不是对于数字孪生系统中全局使用的，而是对应于真实路侧场景中的路口或路段，进行统一的赋值。也就是说，为了保证跟踪的效果，使用车牌信息的情况仅作为可以对第一车辆进行跟踪的路侧场景，如果驶离路侧场景，则不会继续跟踪第一车辆，直到第一车辆重新进入路侧场景，此时所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系会再次生效。
116.本技术实施例中的数据处理装置，通过建立所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系，可以检测第一车辆的车牌并通过跟踪车牌对应的第一车辆，将第一车辆多天历史数据关联起来能够查询到第一车辆多日行驶轨迹和行为。
117.能够理解，上述数据处理装置，能够实现前述实施例中提供的数据处理装置方法的各个步骤，关于数据处理方法的相关阐释均适用于数据处理装置，此处不再赘述。
118.图3是本技术的一个实施例电子设备的结构示意图。请参考图3，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(random-access memory，ram)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
119.处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是isa(industry standard architecture，工业标准体系结构)总线、pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
120.存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
121.处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成数据处理装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
122.识别真实路侧场景中第一车辆的车牌信息；
123.在数字孪生系统中建立所述第一车辆的数字孪生车辆；
124.建立所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系；
125.根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息。
126.上述如本技术图1所示实施例揭示的数据处理装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
127.该电子设备还可执行图1中数据处理装置执行的方法，并实现数据处理装置在图1所示实施例的功能，本技术实施例在此不再赘述。
128.本技术实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中数据处理装置执行的方法，并具体用于执
行：
129.识别真实路侧场景中第一车辆的车牌信息；
130.在数字孪生系统中建立所述第一车辆的数字孪生车辆；
131.建立所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系；
132.根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息。
133.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
134.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
135.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
136.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
137.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
138.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
139.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
140.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的
包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
141.本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
142.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：

1.一种数据处理方法，所述方法包括：识别真实路侧场景中第一车辆的车牌信息；在数字孪生系统中建立所述第一车辆的数字孪生车辆；建立所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系；根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息。2.如权利要求1所述方法，其中，所述识别真实路侧场景中第一车辆的车牌信息，包括：根据真实路侧场景中路侧杆上第一相机对所述第一车辆的车牌信息识别结果，得到所述第一车辆的车牌信息；所述在数字孪生系统中建立所述第一车辆的数字孪生车辆，包括：根据真实路侧场景中所述路侧杆上的第二相机对所述第一车辆的检测跟踪结果，得到所述第一车辆在数字孪生系统一一对应的数字孪生车辆，其中所述第二相机与所述第一相机的焦距或焦距变换尺度不同。3.如权利要求2所述方法，其中，所述识别真实路侧场景中第一车辆的车牌信息，还包括：根据真实路侧场景中不同杆上的第一相机对所述第一车辆的车牌信息进行识别并根据所述车牌信息的识别结果纠正所述多杆上的相机的融合跟踪结果，其中所述不同杆之间具有不同或相同的间隔距离。4.如权利要求2所述方法，其中，所述根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息包括：如果所述真实路侧场景中路侧杆上第一相机，未识别出真实路侧场景中已建立所述对应关系的第一车辆的车牌信息，则根据所述对应关系，追踪得到所述第一车辆的车牌信息对应的数字孪生车辆的车辆行驶轨迹。5.如权利要求1所述方法，其中，所述根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息，还包括：根据所述车牌信息作为索引记录，在所述数字孪生系统中查询所述第一车辆在真实道路上的历史事故和/或违章违法驾驶行为。6.如权利要求1所述方法，其中，所述方法还包括：根据所述真实路侧场景中第二车辆的车牌信息，在所述数字孪生系统中查询得到所述第二车辆的数字孪生车辆在当前时间以及历史时间中的行驶轨迹和行驶动态，其中所述第二车辆的车牌信息预先建立了与所述第二车辆的数字孪生车辆之间的对应关系。7.如权利要求6所述方法，其中：根据所述第二车辆的数字孪生车辆在当前时间的行驶轨迹和行驶动态，得到道路路况信息，其中所述道路路况信息至少包括如下之一：当前时间所述第二车辆行驶轨迹下的交通灯信息、车流量信息；根据所述第二车辆的数字孪生车辆在历史时间中的行驶轨迹和行驶动态，得到道路预警信息，其中所述道路预警信息至少包括如下之一：未来时间与所述第二车辆具有相同行驶轨迹或行驶状态下时的车流量预测信息、道路路况预测信息。8.一种数据处理装置，其中，所述装置包括：
识别模块，用于识别真实路侧场景中第一车辆的车牌信息；建立模块，用于在数字孪生系统中建立所述第一车辆的数字孪生车辆；关系模块，用于建立所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系；查询模块，用于根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息。9.一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1～7之任一所述方法。10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述方法。

技术总结

本申请公开了一种数据处理方法、装置及电子设备、存储介质，所述方法包括识别真实路侧场景中第一车辆的车牌信息；在数字孪生系统中建立所述第一车辆的数字孪生车辆；建立所述第一车辆的车牌信息与所述第一车辆的数字孪生车辆之间的对应关系；根据所述对应关系，在数字孪生系统中通过所述车牌信息查询得到所述数字孪生车辆的轨迹信息。通过本申请能够实现将现实场景的车牌信息关联数字孪生系统中的车辆行驶数据，并且可以根据查询结果对相关道路的路况进行预测以及对事故多发路段进行提前预警。前预警。前预警。