差分算法模型的评测、确定更新地图数据的方法及装置与流程

1.本公开涉及地图数据处理技术领域，尤其涉及一种差分算法模型的评测方法、确定更新地图数据的方法及装置。


背景技术：

2.高精地图是自动驾驶的基础，由于道路的基建设施翻新较快，“旧数据”会降低用户的自动驾驶体验、甚至造成安全隐患。针对高精地图的快速更新显得越来越重要，因此，需要高效的评测高精地图的更新地图数据。评测高精地图的更新地图数据时，可以从更新后的高精地图中随机挑选评测集，并与更新前的高精地图通过差分算法模型进行处理，以在更新后的高精地图中标注出高精地图的更新地图数据。但是目前通过差分算法模型所对比出的更新地图数据中大多数差异为工艺变更和数据清洗，而不是现势性变化(地图要素所发生的实际变化)，因此差分算法模型的准确性可能较低。
3.目前为了评测差分算法模型的准确性，会采用人工检测更新后的高精地图的方式从更新后的高精地图中确定出实际更新地图数据作为真值，然后与差分算法模型标注出的更新地图数据进行对比，得到评测结果。但是，一方面因为现实场景中现势性变化场景的占比非常少，所以导致这种评测方式难以评测出差分算法模型针对现势性变化的地图数据的准确性表现；另一方面，因为这种评测方式需要人工标注得到真值，所以效率和可靠性较低。


技术实现要素：

4.为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种差分算法模型的评测方法、确定更新地图数据的方法及装置。本公开实施例还提供了电子设备、存储介质和计算机程序产品。
5.第一方面，本公开实施例提供了一种差分算法模型的评测方法，包括：
6.获取目标地图数据，其中，所述目标地图数据中地图要素无变化置信度大于预设值；
7.通过对所述目标地图数据按照模拟现势性变化规则更新，得到模拟更新地图数据；
8.将所述目标地图数据和所述模拟更新地图数据输入待测差分算法模型，获取所述待测差分算法模型输出的更新地图数据；
9.根据所述更新地图数据与所述模拟现势性变化规则，确定所述待测差分算法模型的准确性评测结果。
10.第二方面，本公开实施例提供了一种确定更新地图数据的方法，包括：
11.获取候测地图数据和所述候测地图数据对应的原地图数据；
12.将所述候测地图数据和所述候测地图数据对应的原地图数据输入目标差分算法模型，所述目标差分算法模型为根据权利要求4至8任一项所得到的更新后的差分算法模
型；
13.获取所述目标差分算法模型输出的更新地图数据。
14.第三方面，本公开实施例还提供了一种差分算法模型的评测装置，包括：
15.获取模块，用于获取目标地图数据，其中，所述目标地图数据中地图要素无变化置信度大于预设值；
16.仿真模块，用于通过对所述目标地图数据按照模拟现势性变化规则更新，得到模拟更新地图数据；
17.差分模块，用于将所述目标地图数据和所述模拟更新地图数据输入待测差分算法模型，获取所述待测差分算法模型输出的更新地图数据；
18.评测模块，用于根据所述更新地图数据与所述模拟现势性变化规则，确定所述待测差分算法模型的准确性评测结果。
19.第四方面，提供一种确定更新地图数据的装置，包括：
20.获取模块，用于获取候测地图数据和所述候测地图数据对应的原地图数据；
21.差分模块，用于将所述候测地图数据和所述候测地图数据对应的原地图数据输入目标差分算法模型，所述目标差分算法模型为权利要求4至8任一项所得到的更新后的差分算法模型；
22.获取所述目标差分算法模型输出的更新地图数据。
23.第五方面，本公开实施例还提供了一种电子设备，所述电子设备包括：处理器；存储器，用于存储所述处理器可执行指令；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述可执行指令以实现本公开实施例提供的任一所述差分算法模型的评测方法，或者，实现本公开实施例提供的任一所述确定更新地图数据的方法。
24.第六方面，本公开实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本公开实施例提供的任一所述差分算法模型的评测方法，或者，实现本公开实施例提供的任一所述确定更新地图数据的方法。
25.第七方面，本公开实施例还提供了一种计算机程序产品，所述计算机程序产品用于执行本公开实施例提供的任一所述差分算法模型的评测方法，或者，实现本公开实施例提供的任一所述确定更新地图数据的方法。
26.本公开实施例提供的差分算法模型的评测方法，由于可以按照模拟现势性变化规则对目标地图数据进行更新得到模拟更新地图数据，并且由于目标地图数据中地图要素无变化置信度大于预设值，说明目标地图数据中地图要素未变化，这样在将目标地图数据和模拟更新地图数据采用待测差分算法模型进行识别之后，待测差分算法模型得到的更新地图数据理论上应该会符合模拟现势性变化规则，那么根据待测差分算法模型输出的更新地图数据与模拟现势性变化规则，就可以得到用于指示待测差分算法模型的准确性评测结果。一方面该差分算法模型的评测方法通过模拟现势性变化规则的设置，可以在模拟更新地图数据中相对于原地图数据中改变一定量的现势性变化，这样得到的准确性测评结果就可以反映出待测差分算法模型针对现势性变化的表现；另一方面该差分算法模型的评测方法由于将按照模拟现势性变化规则处理得到的模拟更新地图数据作为了真值，因此无需通过人工标注的方式获取真值，提高了评测效率和可靠性。
附图说明
27.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，原件和元素不一定按照比例绘制。
28.图1为相关技术中提供的一种针对差分算法模型的自然评测方法；
29.图2为本公开实施例提供的一种差分算法模型的评测方法的流程示意图；
30.图3为本公开实施例提供的针对差分算法模型的仿真测评方法；
31.图4为本公开实施例提供的另一种差分算法模型的评测方法的流程示意图；
32.图5为本公开实施例提供的一种确定更新地图数据的方法的流程示意图；
33.图6a为本公开实施例提供的一种差分算法模型的评测装置的结构示意图；
34.图6b为本公开实施例提供的一种确定更新地图数据的装置的结构示意图；
35.图7为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
36.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。
37.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
38.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
39.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”。
40.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同对象进行区分，并非用于限定这些对象所执行的功能的顺序或者相互依存关系。
41.目前为了评测差分算法模型的准确性，以判断是否对差分算法模型进行迭代更新提高差分算法模型的准确性，会采用人工标注的方式从更新后的高精地图中标注出高精地图的实际更新地图数据作为真值，然后与差分算法模型标注出的更新地图数据进行对比，得到评测结果。
42.图1为相关技术中提供的一种针对差分算法模型的自然评测方法。
43.如图1所示，可以将一地域范围内的采集的更新后的地图数据最为待测地图数据输入到差分算法模型，并且将产品库中与该待测地图数据处于同一地域范围的原地图数据也输入差分算法模型，以通过差分算法模型确定出待测地图数据相比于原地图数据的更新地图数据，该更新地图数据可以是在待测地图数据中标注了地图要素的更新类别。其中，差分算法模型，是指对离散量使用差分进行的运算。差分，又名差分函数或差分运算，差分的
结果反映了离散量之间的一种变化，是研究离散数学的一种工具，本公开实施例中进行差分时，将地图数据中的地图要素，以及地图要素的位置和属性等作为离散量。
44.其中，上述无变化置信度用于表征地图要素的变化程度，在地物要素无变化置信度大于预设值时，确定地物要素存在变化；在地物要素无变化置信度小于或等于预设值时，确定地物要素未变化。其中，预设值为设置的区分存在变化和未变化两种情况的用于表征变化程度的参数。
45.图1中，还可以通过人工检测待测地图数据，来确定待测地图数据中的实际更新地图数据作为真值，最后将差分算法模型输出的更新地图数据与真值进行对比，根据对比结果得到算法评测报告，通过该算法评测报告来评价差分算法模型的准确性。
46.上述相关技术中的评测方式，一方面因为现实场景中现势性变化场景的占比非常少，所以得到的算法评测报告中针对现势性变化的结果较少，导致这种评测方式难以评测出差分算法模型针对现势性变化的地图数据的准确性表现；另一方面，因为这种评测方式需要人工检测待测地图数据得到真值，所以效率和可靠性较低。
47.图2为本公开实施例提供的一种差分算法模型的评测方法的流程示意图，可以适用于针对差分算法模型进行准确性测评的场景。该模型评测方法可以由模型测评装置执行，该装置可以采用软件和/或硬件实现，并可集成在任意具有计算能力的电子设备上。
48.如图2所示，本公开实施例提供的差分算法模型的评测方法可以包括以下步骤：
49.201、获取目标地图数据。
50.其中，目标地图数据中地图要素无变化置信度大于预设值。
51.在一些实施例中，获取目标地图数据可以包括但不限于：获取待测地图数据和待测地图数据对应的原地图数据，然后确定待测地图数据相比于原地图数据中地图要素无变化置信度大于预设值的目标地图数据。
52.其中，待测地图数据可以是指等待测试是否存在更新的地图数据，上述原地图数据和待测地图数据为同一地域范围内的地图数据。
53.上述无变化置信度用于表征地图要素的变化程度，在地物要素无变化置信度大于预设值时，确定地物要素存在变化；在地物要素无变化置信度小于或等于预设值时，确定地物要素未变化。其中，预设值为设置的用于区分存在变化和未变化两种情况的用于表征变化程度的无变化置信度。
54.本公开实施例中，可以通过对比待测地图数据和原地图数据，确定目标地图数据。
55.在一些实施例中，确定待测地图数据相比于原地图数据中地图要素无变化置信度大于预设值的目标地图数据可以包括但不限于：将待测地图数据和待测地图数据对应的原地图数据，输入初始差分算法模型；获取初始差分算法模型输出的变化地图数据，变化地图数据中地图要素无变化置信度小于或等于预设值；根据变化地图数据，从待测地图数据对应的原地图数据中确定目标地图数据。
56.由于通常差分算法模型针对未更新部分的目标地图数据(即变化地图数据中地图要素无变化置信度小于或等于预设值的地图数据)的识别准确度非常高，因此可以通过差分算法模型来确定目标地图数据，以得到准确的目标地图数据。
57.本公开实施例中，变化地图数据和更新地图数据可以指代同样的概念，也就是说，变化地图数据和更新地图数据均可以指无变化置信度小于或等于预设值的地图数据。
58.示例性的，采集a城市的地图要素资料，从a城市的地图要素资料中可以随机选择任意地域范围(例如，三环范围内)的地图要素资料通过矢量化算法进行矢量化，转化为待测地图数据。其中，矢量化算法是指将采集的地图要素资料(例如、图片、视频等)转换为数据的算法。
59.在一些实施例中，地图要素可以包括多种。示例性的地图要素可以分为包括以下一种或多种：车道线、道路边界、交通灯、地面标识、交通牌、杆。
60.其中，上述原地图数据是指目前产品库中的已有地图数据。该产品库指某个或某些地域范围内的地图数据库。产品库中可以保存多种版本的地图数据，该原地图数据可以是指与待测地图数据处于同一地域范围内，且地图数据库中版本最新的地图数据。
61.示例性的，假设待测地图数据为：2022年新采集的a城市的三环道路范围内的地图数据，那么原地图数据可以为：产品库中2021年a城市的三环道路范围内的地图数据。
62.202、通过对目标地图数据按照模拟现势性变化规则更新，得到模拟更新地图数据。
63.本公开实施例中，可以采用机器仿真的方法，对目标地图数据按照模拟现势性变化规则进行更新，得到模拟更新地图数据。
64.本公开实施例中，按照模拟现势性变化规则进行更新是进行现势性的更新，是在目标地图数据的基础上加入了现势性变化，得到了模拟更新地图数据。
65.其中，模拟现势性变化规则包括：针对以下至少一种更新类别的地图要素修改规则：
66.(1)模拟新增地图要素；
67.如果想要模拟出新增地图要素的变化，那么可以将目标地图数据中的地图要素删除来实现。例如，从目标地图数据中删除一条或多条车道线的数据。
68.(2)模拟删除地图要素；
69.如果想要模拟出删除地图要素的变化，那么可以在目标地图数据中新增要素来实现。例如，从目标地图数据中新增一处或多处交通灯。
70.(3)模拟地图要素的属性变化；
71.如果想要模拟出地图要素的属性变化，需要改变目标地图数据中地图要素的属性。例如，将目标地图数据中的单实线修改为双实线。
72.(4)模拟地图要素的位置变化。
73.如果想要模拟出地图要素的位置变化，可以通过修改地图要素仅需按照位置变化的定义，对目标地图数据中的地图要素的位置信息加入位置随机抖动，位置随机抖动可以是一个随机设置的位置偏移值。
74.例如，针对目标地图数据中处于b路口的交通灯的位置信息，加入位置随机抖动，例如向北偏移100米。
75.上述模拟现势性变化规则可以包括更新类别，以及更新类别中包括的模拟变化的地图要素，以及模拟变化的地图要素的数量等。其中，上述模拟现势性变化规则中，针对每种更新类别中的不同地图要素可以包括固定数据的模拟变化。
76.示例性的，上述模拟现势性变化规则可以包括：针对这几种更新类别中每种类别模拟60处变化，其中，每种更新类别所包括的6种地图要素(车道线、道路边界、交通灯、地面
标识、交通牌、杆)中，每种地图要素仿真出10处变化。
77.203、将目标地图数据和模拟更新地图数据输入待测差分算法模型，获取待测差分算法模型输出的更新地图数据。
78.由于模拟更新地图数据在目标地图数据的基础上模拟出了一些现势性变化，因此通过待测差分算法模型对目标地图数据和模拟更新地图数据进行差分运算时，得到的更新地图数据理论上应该符合模拟现势性变化规则，因此后续判断待测差分算法模型输出的更新地图数据是否与模拟现势性变化规则匹配，就可以知道待测差分算法模型的差分运算是否准确。
79.204、根据更新地图数据与模拟现势性变化规则，确定待测差分算法模型的准确性评测结果。
80.其中，在待测差分算法模型输出的更新地图数据与模拟现势性变化规则的匹配度越高的情况下，说明待测差分算法模型的准确性越高；在待测差分算法模型输出的更新地图数据与模拟现势性变化规则的匹配度越低的情况下，说明待测差分算法模型的准确性越低。上述的待测差分算法模型和初始差分算法模型可以为相同的差分算法模型也可以为不同的差分算法模型。
81.示例性的，假设模拟现势性变化规则包括针对模拟新增地图要素这一修改规则，在原地图数据中删除了60处地图要素，针对地图要素中车道线、道路边界、交通灯、地面标识、交通牌以及杆，每种地图要素均删除了10处，以模拟60处新增地图要素，而此时如果待测差分算法模型输出的更新地图数据中仅包括30处新增的地图要素，那么就说明待测差分算法模型针对部分现势性变化无法通过差分运算识别出来，输出结果不准确；此时如果待测差分算法模型输出的更新地图数据中包括多于60处新增，那么可能将部分非现实性变化识别为了现势性变化输出。
82.其中，准确性评测结果包括：单一更新类别的综合召回率，和/或，整体更新的召回率。可以通过这两种参数来指示待测差分算法模型的准确性。
83.上述单一更新类别的综合召回率根据单一更新类别所包括的不同地图要素的场景占比和每种地图要素的召回率确定。其中，地图要素的召回率根据待测差分算法模型输出的更新地图数据和模拟现势性变化规则中地图要素的更新数量确定。
84.在一些实施例中，准确性评测结果包括：单一更新类别的综合召回率；根据更新地图数据与模拟现势性变化规则，确定待测差分算法模型的准确性评测结果，包括：获取待测差分算法模型输出的更新地图数据中每种地图要素的第一更新数量；获取模拟现势性变化规则中每种地图要素的第二更新数量；根据第一更新数量和第二更新数量，计算每种地图要素的召回率；根据每种地图要素的召回率和单一更新类别所包括的不同地图要素的场景占比，确定单一更新类别的召回率。
85.在一些实施例中，准确性评测结果还包括：整体更新的召回率；在确定单一更新类别的召回率之后，还可以根据每个单一更新类别的综合召回率和不同更新类别的场景占比，确定整体更新的召回率。
86.示例性的，针对新增这一更新类别，假设对车道线这个地图要素在模拟现势性变化规则中模拟了10处新增车道线(也就是说在目标地图数据中删除了10处车道线)，而待测差分算法模型输出的更新地图数据中包括了5处新增车道线，那么针对新增这一更新类别
的综合召回率＝5/10＝50％。
87.其中，针对每种地图要素的场景占比可以根据实际需求设置，本公开实施例中不作限定。
88.在一些实施例中，准确性评测结果还包括：单一更新类别的输出准确率，和/或，整体更新的输出准确率。
89.上述单一更新类别的输出准确率根据单一更新类别所包括的不同地图要素的场景占比和每种地图要素的输出准确率确定。其中，地图要素的输出准确率根据待测差分算法模型输出的更新地图数据的总更新数量以及正确更新数量确定，该正确更新数量为待测差分算法模型输出的更新地图数据中与模拟现势性变化规则匹配的更新数量。
90.示例性的，针对新增这一更新类别，车道线这个地图要素，假设对车道线这个地图要素在模拟现势性变化规则中模拟了10处新增车道线(也就是说在目标地图数据中删除了10处车道线)；针对待测差分算法模型输出了5处新增车道线，而这5处新增车道线中只有4处新增车道线为模拟的10处新增车道线中所包括的新增车道线，那么针对新增这一更新类别的输出准确率＝4/5＝90％。
91.上述整体更新的输出准确率根据每个单一更新类别的输出准确率和不同更新类别的场景占比确定。
92.本公开实施例中，由于单一更新类别的输出准确率和整体更新的输出准确率这两种参数均对待测差分算法模型输出的更新类型，以及地图要素所对应的准确率进行了加权处理，因此通过单一更新类别的输出准确率和整体更新的输出准确率两种参数来指示待测差分算法模型的准确性时，使得评测的指标更具客观性，可以提高准确度。
93.单一更新类别的综合召回率，以及单一更新类别的输出准确率需要考虑各个地图要素的真实变化场景占比。示例性的，均可以通过以下公式一计算：
94.公式一：
95.其中，地图要素总共为n种类别，i为地图要素类别，pi为地图要素类别的场景占比，在index表示单一更新类别的综合召回率时，ri为地图要素的现实场景占比(即召回率)；在index表示单一更新类别的输出准确率时，ri为地图要素的输出准确率。
96.示例性的，以地图要素包括：杆、交通牌、车道线，那么针对新增的综合召回率＝杆的现实新增场景占比*杆新增召回率+交通牌的现实新增场景占比*交通牌的新增召回率+车道线的现实新增场景占比*车道线的新增召回率。
97.上述整体更新的召回率根据每个单一更新类别的综合召回率和不同更新类别的场景占比确定，整体更新的输出准确率根据每个单一更新类别的输出准确率和不同更新类别的场景占比。其中，不同更新类别的场景占比可以根据实际需求设置，本公开实施例不作限定。
98.整体更新的召回率和整体更新的输出准确率需要考虑各个更新类别的现势性变化(新增、删除、位置变化、属性变化)。示例性的，可以通过以下公式二计算：
99.公式二：
100.其中，更新类别总共为m种，j为一种更新类别，sj为针对单一更新类别的场景占比，在comprehensive_index表示整体更新的召回率时，indexj表示针对单一更新类别的综
合召回率；在comprehensive_index表示整体更新的输出准确率时，indexj表示针对单一更新类别的输出准确率。
101.例如，假设更新类别包括：新增、属性变化、位置变化和删除；整体更新的召回率＝新增的综合召回率*新增占比+属性变化的综合召回率*属性变化占比+位置变化的综合召回率*位置变化占比+删除的召回率*删除占比。
102.本公开实施例中，由于单一更新类别的综合召回率和整体更新的召回率这两种参数均对仿真的更新类型，以及地图要素所对应的指标进行了加权处理，因此通过单一更新类别的综合召回率和整体更新的召回率两种参数来指示待测差分算法模型的准确性时，使得评测的指标更具客观性，可以提高准确度。
103.图3为本公开实施例提供的针对差分算法模型的仿真测评方法。
104.如图3所示，该仿真测评方法中可以将待测地图数据和原地图数据输入到初始差分算法模型，以得到待测地图数据相对于原地图数据的目标地图数据，之后针对即目标地图数据按照模拟新增规则得到模拟更新地图数据，在得到模拟更新地图数据后，可以判断该模拟更新地图数据的合理性，针对不合理的数据可以进行人工修改，在确定模拟更新地图数据中数据的合理性之后，可以将模拟更新地图数据和目标地图数据均输入到待测差分算法模型中，以获取待测差分算法模型输出的更新地图数据，最后将更新地图数据与模拟现势性变化规则进行对比，就可以得到准确性评测结果。该准确性评测结果中可以包括单一更新类别的综合召回率，和/或，整体更新的召回率。
105.需要说明的是，本公开实施例中准确性评测结果中还可以包括其他可以指示待测差分算法模型准确性的参数，上述单一更新类别的综合召回率和整体更新的召回率为示例性的说明。
106.本公开实施例提供的差分算法模型的评测方法，由于可以按照模拟现势性变化规则对目标地图数据进行更新得到模拟更新地图数据，并且由于目标地图数据中地图要素无变化置信度大于预设值，说明目标地图数据中地图要素未变化，这样在将目标地图数据和模拟更新地图数据采用待测差分算法模型进行识别之后，待测差分算法模型得到的更新地图数据理论上应该会符合模拟现势性变化规则，那么根据待测差分算法模型输出的更新地图数据与模拟现势性变化规则，就可以得到用于指示待测差分算法模型的准确性评测结果。一方面该差分算法模型的评测方法通过模拟现势性变化规则的设置，可以在模拟更新地图数据中相对于原地图数据中改变一定量的现势性变化，这样得到的准确性测评结果就可以反映出待测差分算法模型针对现势性变化的表现；另一方面该差分算法模型的评测方法由于将按照模拟现势性变化规则处理得到的模拟更新地图数据作为了真值，因此无需通过人工标注的方式获取真值，提高了评测效率和可靠性。
107.在一些实施例中，在根据待测差分算法模型输出的更新地图数据与模拟现势性变化规则，确定待测差分算法模型的准确性评测结果之后，还可以根据准确性评测结果确定是否对待测差分算法模型进行迭代更新。
108.图4为本公开实施例提供的另一种模型评测方法的流程示意图。
109.参照图2，图4所示，在图2所示的步骤204之后，还可以包括但不限于以下步骤：
110.205、在准确性评测结果指示待测差分算法模型的准确性低于准确性门限的情况下，对待测差分算法模型进行更新，得到更新后的差分算法模型。
111.其中，可以首先判断准确性评测结果指示待测差分算法模型的准确性是否低于准确性门限，在准确性评测结果指示待测差分算法模型的准确性低于准确性门限的情况下，说明此时待测差分算法模型的准确性过低，还不能应用在线上去检测更新的地图数据，需要进行迭代训练进行更新，此时可以基于准确性评测结果，对待测差分算法模型进行更新，得到更新后的差分算法模型；相应的，在准确性评测结果指示待测差分算法模型的准确性等于或者大于准确性门限的情况下，说明此时待测差分算法模型的准确性达到设置的准确性门限，此时该待测差分算法模型能够满足目前的准确性要求，可以直接应用在后续线上检测更新的地图数据。
112.需要说明的是，在准确性评测结果指示待测差分算法模型的准确性低于准确性门限的情况下，可以重复基于准确性评测结果，对待测差分算法模型进行迭代更新，直到在准确性评测结果指示待测差分算法模型的准确性等于或高于准确性门限的情况下，可以得到更新后的差分算法模型。也就是说，可以重复执行上述步骤201至205，直到迭代更新后的差分算法模型所对应的准确性评测结果指示准确性等于或高于准确性门限，才将该更新后的差分算法模型在后续线上应用该更新后的差分算法模型去检测待测地图数据相比于原地图数据的更新地图数据。
113.在一些实施例中，准确性评测结果指示待测差分算法模型的准确性低于准确性门限可以包括：单一更新类别的综合召回率小于单一更新类别的召回门限，和/或，整体更新的召回率小于整体更新的召回门限。
114.在单一更新类别的综合召回率小于单一更新类别的召回门限的情况下，从每种地图要素的召回率中，确定地图要素的召回率小于地图要素的召回门限的目标地图要素；基于单一更新类别和目标地图要素生成训练数据集，对差分算法模型进行更新，得到更新后的差分算法模型。
115.其中，针对每种地图要素均可以设置召回门限，以判断针对每种地图要素是否均达到要求的召回率。
116.示例性的，假设每种地图要素的召回门限均为85％，针对新增这一更新类别，车道线的召回率为80％，其他地图要素的召回率均大于85％，那么说明待测差分算法模型针对车道线的差分运算不准确，此时可以针对新增这一更新类别中车道线这一地图要素生成训练数据集，并基于该训练数据集对待测差分算法模型进行更新，得到更新后的差分算法模型，这样可以聚焦于待测差分算法模型针对新增这一更新类别中车道线的差分运算不准确的问题，有针对性的提高差分算法模型的准确性。
117.在一些实施例中，在整体更新的召回率小于整体更新的召回门限的情况下，从每个单一更新类别的综合召回率中，确定单一更新类别的综合召回率小于单一更新类别的召回门限的目标更新类别，基于目标更新类别生成训练数据集，对待测差分算法模型进行更新，得到更新后的差分算法模型。
118.示例性的，假设更新类别包括：新增、属性变化、位置变化和删除，针对每种更新类别的整体更新的召回门限均设置为90％，如果针对属性变化、位置变化和删除这几种更新类别的整体更新的召回率均大于90％，而针对新增这一更新类别的整体更新的召回率为80％，那么说明待测差分算法模型针对新增这一更新类别的差分运算不准确，此时可以针对新增这一更新类别生成训练数据集，并基于该训练数据集对待测差分算法模型进行更
新，得到更新后的差分算法模型，这样可以聚焦于待测差分算法模型针对新增这一更新类别的差分运算不准确的问题，有针对性的提高差分算法模型的准确性。
119.在一些实施例中，准确性评测结果指示待测差分算法模型的准确性低于准确性门限可以包括：单一更新类别的输出准确率小于单一更新类别的准确率门限，和/或，整体更新的输出准确率小于整体更新的准确率门限。
120.在单一更新类别的输出准确率小于单一更新类别的准确率门限的情况下，从每种地图要素的输出准确率中，确定地图要素的输出准确率小于地图要素的准确率门限的目标地图要素；基于单一更新类别和目标地图要素生成训练数据集，对待测差分算法模型进行更新，得到更新后的差分算法模型。
121.其中，针对每种地图要素均可以设置准确率门限，以判断针对每种地图要素是否均达到要求的准确率。
122.在整体更新的输出准确率小于整体更新的准确率门限的情况下，从每个单一更新类别的输出准确率中，确定单一更新类别的输出准确率小于单一更新类别的准确率门限的目标更新类别，基于目标更新类别生成训练数据集，对待测差分算法模型进行更新，得到更新后的差分算法模型。
123.上述实施例中，针对输出准确率较低的地图要素和/或更新类别，以及召回率较低的地图要素和/或更新类别生成训练数据集，并基于这些训练数据集对差分算法模型进行更新，得到更新后的差分算法模型，这样可以聚焦于差分算法模型针对某些更新类别和/或地图要素的差分运算不准确的问题，有针对性的提高差分算法模型的准确性。
124.在一些实施例中，在对待测差分算法模型进行更新，得到更新后的差分算法模型之后，还可以在线上应用该更新后的差分算法模型去检测待测地图数据中的更新地图数据。
125.图5为本公开实施例提供的一种确定更新地图数据的方法的流程示意图。
126.参照图4，图5所示，在图4所示的步骤205之后，还可以包括但不限于以下步骤：
127.206、获取候测地图数据和候测地图数据对应的原地图数据。
128.其中，候测地图数据是指待检测是否更新的地图数据，候测地图数据对应的原地图数据为产品库中与候选地图数据处于同一地域范围的已有地图数据。
129.207、将候测地图数据和候测地图数据对应的原地图数据输入目标差分算法模型，获取目标差分算法模型输出的更新地图数据。
130.其中，目标差分算法模型为上述步骤205中得到的更新后的差分算法模型。
131.本公开实施例中，该目标差分算法模型是基于准确定评测结果进行更新后得到的，因此具有更高的准确性，通过更新后的差分算法模型输出的更新地图数据可以准确反应出候测地图数据中相比于候测地图数据对应的原地图数据的现势性变化。
132.图6a为本公开实施例提供的一种模型更新装置的结构示意图，该装置可以采用软件和/或硬件实现，并可集成在任意具有计算能力的电子设备上。
133.如图6a所示，本公开实施例提供的模型更新装置600，可以包括：
134.获取模块601，用于获取目标地图数据，其中，所述目标地图数据中地图要素无变化置信度大于预设值；
135.仿真模块602，用于通过对所述目标地图数据按照模拟现势性变化规则更新，得到
模拟更新地图数据；
136.差分模块603，用于将所述目标地图数据和所述模拟更新地图数据输入待测差分算法模型，获取所述待测差分算法模型输出的更新地图数据；
137.评测模块604，用于根据所述更新地图数据与所述模拟现势性变化规则，确定所述差分算法模型的准确性评测结果。
138.在一些实施例中，所述获取模块601，具体用于：获取待测地图数据和所述待测地图数据对应的原地图数据；确定所述待测地图数据相比于所述原地图数据中所述地图要素无变化置信度大于预设值的目标地图数据。
139.在一些实施例中，所述获取模块601，具体用于：
140.将所述待测地图数据和所述待测地图数据对应的原地图数据，输入初始差分算法模型；
141.获取所述初始差分算法模型输出的变化地图数据，所述变化地图数据中所述地图要素无变化置信度小于或等于所述预设值；
142.根据所述变化地图数据，从所述待测地图数据对应的原地图数据中确定所述目标地图数据。
143.在一些实施例中，所述模型更新装置600还包括：
144.更新模块605，用于在所述准确性评测结果指示所述待测差分算法模型的准确性低于准确性门限的情况下，对所述待测差分算法模型进行更新，得到更新后的差分算法模型。
145.在一些实施例中，所述模拟现势性变化规则包括：针对以下至少一种更新类别的地图要素修改规则：
146.模拟新增地图要素、模拟删除地图要素、模拟地图要素的属性变化、模拟地图要素的位置变化。
147.在一些实施例中，所述准确性评测结果包括：单一更新类别的综合召回率；所述评测模块604，具体用于：
148.获取所述待测差分算法模型输出的更新地图数据中每种地图要素的第一更新数量；
149.获取所述模拟现势性变化规则中每种地图要素的第二更新数量；
150.根据所述第一更新数量和所述第二更新数量，计算每种地图要素的召回率；
151.根据所述每种地图要素的召回率和单一更新类别所包括的不同地图要素的场景占比，确定单一更新类别的召回率。
152.在一些实施例中，所述准确性评测结果还包括：整体更新的召回率；所述评测模块604，还用于：
153.在确定单一更新类别的召回率之后，根据每个所述单一更新类别的综合召回率和不同更新类别的场景占比，确定整体更新的召回率。
154.在一些实施例中，所述更新模块605，具体用于：
155.在所述单一更新类别的综合召回率小于所述单一更新类别的召回门限的情况下，从每种所述地图要素的召回率中，确定所述地图要素的召回率小于所述地图要素的召回门限的目标地图要素；基于所述单一更新类别和所述目标地图要素生成训练数据集，对所述
待测差分算法模型进行更新，得到所述更新后的差分算法模型；
156.和/或，
157.在所述整体更新的召回率小于整体更新的召回门限的情况下，从每个所述单一更新类别的综合召回率中，确定所述单一更新类别的综合召回率小于所述单一更新类别的召回门限的目标更新类别，基于所述目标更新类别生成训练数据集，对所述待测差分算法模型进行更新，得到所述更新后的差分算法模型。
158.图6b为本公开实施例提供的一种确定更新地图数据的装置的结构示意图，该装置可以采用软件和/或硬件实现，并可集成在任意具有计算能力的电子设备上。
159.如图6b所示，本公开实施例提供的确定更新地图数据的装置610，可以包括：
160.获取模块611，用于获取候测地图数据和所述候测地图数据对应的原地图数据；
161.差分模块612，用于将所述候测地图数据和所述候测地图数据对应的原地图数据输入目标差分算法模型，所述目标差分算法模型为上述步骤205中所得到的更新后的差分算法模型；
162.获取所述目标差分算法模型输出的更新地图数据。
163.图7为本公开实施例提供的一种电子设备的结构示意图，用于对实现本公开实施例中模型更新方法的电子设备进行示例性说明，不应理解为对本公开实施例的具体限定。
164.如图7所示，电子设备700可以包括处理器(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储装置708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有电子设备700操作所需的各种程序和数据。处理器701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
165.通常，以下装置可以连接至i/o接口705：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706；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然示出了具有各种装置的电子设备700，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。
166.特别地，根据本公开的实施例，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，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态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。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从rom702被安装。在该计算机程序被处理器701执行时，可以执行本公开实施例提供的模型更新方法中限定的功能。
167.需要说明的是，本公开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、或半导体的系统、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系统、装置或者器件使用或者与其结合使用。而在本公开中，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系统、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。
168.在一些实施方式中，客户端、服务端可以利用诸如http(hypertext transfer protocol，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。
169.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
170.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：
171.获取目标地图数据，其中，目标地图数据中地图要素无变化置信度大于预设值；通过对目标地图数据按照模拟现势性变化规则更新，得到模拟更新地图数据；将目标地图数据和模拟更新地图数据输入待测差分算法模型，获取待测差分算法模型输出的更新地图数据；根据更新地图数据与模拟现势性变化规则，确定待测差分算法模型的准确性评测结果；
172.和/或，
173.获取候测地图数据和候测地图数据对应的原地图数据；
174.将候测地图数据和候测地图数据对应的原地图数据输入目标差分算法模型，目标差分算法模型为上述步骤205中得到的更新后的差分算法模型；获取目标差分算法模型输出的更新地图数据。
175.在本公开实施例中，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操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言，诸如java、smalltalk、c++，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计算机上执行、部分地在计算机上执行、作为一个独立的软件包执行、部分在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端上执行。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)。
176.附图中的流程图和框图，图示了按照本公开各种实施例的系统、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系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
177.描述于本公开实施例中所涉及到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。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
178.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)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
179.在本公开的上下文中，计算机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。计算机可读介质可以是计算机可读信号介质或计算机可读储存介质。计算机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。计算机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。
180.以上描述仅为本公开的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，本公开中所涉及的公开范围，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公开构思的情况下，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。
181.此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
182.尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。