[发明专利]数据处理时间计算方法、数据处理平台评价方法及系统

说明书

本发明提供一种数据处理时间计算方法、数据处理平台评价方法及系统，计算方法包括：统计目标区域的多个瓦片区域中每一个瓦片区域的多个影响因素和每一个瓦片区域的数据处理时间；建立多个影响因素与数据处理时间之间的多元线性回归模型；基于多元线性回归模型以及目标区域中的每一个瓦片区域的多个影响因素，计算每一个瓦片区域的数据处理时间；将目标区域中的所有瓦片区域的数据处理时间累积求和，得到目标区域的数据处理时间。本发明在计算将传统导航地图数据转换为DSM中精度地图数据的转换时间时，考虑了多个影响因素对数据处理时间的影响，使得计算出的数据处理时间更加精确。

技术领域

本发明数据处理领域，更具体地，涉及一种数据处理时间计算方法、数据处理平台评价方法及系统。

背景技术

在自动驾驶、高精度地图领域，需要将传统的导航地图数据自动转换为符合L2-L3自动驾驶功能的ADAS高精度地图数据(即DGM中精度地图数据)。在进行数据转换处理时，数据处理时间的长短是评价数据处理效率的关键。

目前常规的对数据处理时间计算方法为，在目标地区中选取部分区域比如，24个瓦片区域，通过统计24个瓦片区域的数据处理时间，计算出瓦片区域中单条道路的平均处理时间，来推测整个目标地区的数据处理时间。

但是，通过统计分析发现，区域内道路的复杂程度和数量对单条道路的处理时间有影响。道路网复杂的地区(道路密集，包含多种道路种别等)，同样长度的道路的处理时间却更长。那么，仅用部分瓦片区域内单条道路的平均处理时间来推算整体目标区域的数据处理时间就会误差很大，不够准确。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的一种数据处理时间计算方法、数据处理平台评价方法及系统。

根据本发明实施例的第一方面，提供了一种数据处理时间计算方法，包括：

统计目标区域的多个瓦片区域中每一个瓦片区域的多个影响因素和每一个瓦片区域的数据处理时间；

根据每一个瓦片区域多个影响因素和每一个瓦片区域的数据处理时间，建立多个影响因素与数据处理时间之间的多元线性回归模型；

基于所述多元线性回归模型以及目标区域中的每一个瓦片区域的多个影响因素，计算每一个瓦片区域的数据处理时间；

将目标区域中的所有瓦片区域的数据处理时间累积求和，得到目标区域的数据处理时间；

其中，所述数据处理时间是指将传统导航地图数据转换为DSM中精度地图数据的转换时间。

在上述技术方案的基础上，本发明实施例还可以作出如下改进。

进一步的，所述根据每一个瓦片区域多个影响因素和每一个瓦片区域的数据处理时间，建立多个影响因素与数据处理时间之间的多元线性回归模型包括：

根据每一个瓦片区域的任一个影响因素和数据处理时间，建立所述任一个影响因素与数据处理时间之间的多项式方程；

根据所述任一个影响因素与数据处理时间之间的多项式方程，建立多个影响因素与数据处理时间之间的线性回归模型。

进一步的，所述多个影响因素为道路数量、每一条道路与其它道路的交叉点数量和每一条道路的长度。

进一步的，所述多项式方程为三次多项式方程；所述根据每一个瓦片区域的任一个影响因素和数据处理时间，建立所述任一个影响因素与数据处理时间之间的多项式方程包括：

y₁＝a₁x₁³+b₁x₁²+c₁x₁+d₁；