本公开涉及数据处理，具体而言，涉及一种驾驶数据处理方法、装置、计算机设备及程序产品。
背景技术：
1、组合惯导传感器(inertial measurement unit，imu)是自动驾驶系统中很重要的传感器，用于提供车辆的运动状态信息。在自动驾驶中，高精度和低延迟的imu数据对于确保行车安全至关重要。
2、一般的，imu在采集数据之后，需要借助处理器内核对imu数据进行进一步处理。现在车辆上配备的中央处理器(central processing unit，cpu)一般是多核处理器，imu数据在处理时，一般是需要在cpu的多个内核之间进行跨核调度传输，这样就有可能会导致数据丢帧，影响定位精度。
技术实现思路
1、本公开实施例至少提供一种驾驶数据处理方法、装置、计算机设备及程序产品。
2、第一方面，本公开实施例提供了一种驾驶数据处理方法，包括：
3、获取目标车辆当前运行的功能模块的运行数据，以及所述目标车辆的资源使用数据；其中，所述资源使用数据包括中央处理器内核的占用率；
4、将所述运行数据和所述资源使用数据输入至预先训练的分析模型中，确定所述目标车辆对应的绑定决策结果；
5、将用于处理组合惯导数据的目标进程绑定至所述绑定决策结果所指示的中央处理器的内核，以在绑定的内核上执行所述目标进程。
6、一种可能的实施方式中，所述方法还包括：
7、响应于检测到所述运行数据和/或所述资源使用数据满足预设条件，重新获取所述运行数据和/或所述资源，并将重新获取的运行数据和变化后的资源使用数据重新输入至所述分析模型，确定更新后的绑定决策结果；
8、将所述目标进程绑定至所述更新后的绑定决策结果所指示的内核。
9、一种可能的实施方式中，所述运行数据和/或所述资源使用数据满足预设条件，包括以下至少一种：
10、前一次调用所述分析模型的时间距离当前时间满足预设条件、所述运行数据和/或所述资源使用数据达到预设阈值、任一功能模块被启动/被关闭。
11、一种可能的实施方式中，所述资源使用数据还包括以下至少一项：
12、内存使用量、磁盘的数据输入量、磁盘的数据输出量、网络数据输入量、网络数据输出量。
13、一种可能的实施方式中，所述方法还包括根据以下方法训练所述分析模型：
14、获取样本运行数据和与所述样本运行数据对应的样本资源使用数据；
15、将所述样本运行数据和所述样本资源使用数据输入至待训练的分析模型中，确定所述待训练的分析模型输出的样本决策结果；
16、在车辆模拟系统中，将所述车辆模拟系统中用于处理组合惯导数据的目标进程绑定至所述样本决策结果指示的中央处理器的内核中；
17、确定所述车辆模拟系统中所述目标进程的运行结果，并基于所述运行结果对所述待训练的分析模型的模型参数进行调整。
18、一种可能的实施方式中，所述功能模块包括以下至少一种：
19、感知模块、建图模块、定位模块、规划模块、组合惯导数据获取模块；
20、所述功能模块的运行数据包括以下至少一个类型的数据：
21、任务执行的开始时间、任务执行频率、任务持续时间。
22、一种可能的实施方式中，所述功能模块的运行数据携带有时间戳；
23、在将所述运行数据和所述资源使用数据输入至所述预先训练的分析模型之前，所述方法还包括：
24、基于所述运行数据携带的时间戳，将所述运行数据和所述资源使用数据进行匹配处理。
25、第二方面，本公开实施例还提供一种驾驶数据处理装置，包括：
26、获取模块，用于获取目标车辆当前运行的功能模块的运行数据，以及所述目标车辆的资源使用数据；其中，所述资源使用数据包括中央处理器内核的占用率；
27、确定模块，用于将所述运行数据和所述资源使用数据输入至预先训练的分析模型中，确定所述目标车辆对应的绑定决策结果；
28、执行模块，永不将用于处理组合惯导数据的目标进程绑定至所述绑定决策结果所指示的中央处理器的内核，以在绑定的内核上执行所述目标进程。
29、一种可能的实施方式中，所述确定模块，还用于：
30、响应于检测到所述运行数据和/或所述资源使用数据满足预设条件，重新获取所述运行数据和/或所述资源，并将重新获取的运行数据和变化后的资源使用数据重新输入至所述分析模型，确定更新后的绑定决策结果；
31、所述执行模块，还用于将所述目标进程绑定至所述更新后的绑定决策结果所指示的内核。
32、一种可能的实施方式中，所述运行数据和/或所述资源使用数据满足预设条件，包括以下至少一种：
33、前一次调用所述分析模型的时间距离当前时间满足预设条件、所述运行数据和/或所述资源使用数据达到预设阈值、任一功能模块被启动/被关闭。
34、一种可能的实施方式中，所述资源使用数据还包括以下至少一项：
35、内存使用量、磁盘的数据输入量、磁盘的数据输出量、网络数据输入量、网络数据输出量。
36、一种可能的实施方式中，所述装置还包括训练模块，用于根据以下方法训练所述分析模型：
37、获取样本运行数据和与所述样本运行数据对应的样本资源使用数据；
38、将所述样本运行数据和所述样本资源使用数据输入至待训练的分析模型中，确定所述待训练的分析模型输出的样本决策结果；
39、在车辆模拟系统中，将所述车辆模拟系统中用于处理组合惯导数据的目标进程绑定至所述样本决策结果指示的中央处理器的内核中；
40、确定所述车辆模拟系统中所述目标进程的运行结果，并基于所述运行结果对所述待训练的分析模型的模型参数进行调整。
41、一种可能的实施方式中，所述功能模块包括以下至少一种：
42、感知模块、建图模块、定位模块、规划模块、组合惯导数据获取模块；
43、所述功能模块的运行数据包括以下至少一个类型的数据：
44、任务执行的开始时间、任务执行频率、任务持续时间。
45、一种可能的实施方式中，所述功能模块的运行数据携带有时间戳；
46、在将所述运行数据和所述资源使用数据输入至所述预先训练的分析模型之前，所述确定模块，还用于：
47、基于所述运行数据携带的时间戳，将所述运行数据和所述资源使用数据进行匹配处理。
48、第三方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
49、第四方面，本公开实施例还提供一种计算机程序产品，包括计算机程序，当所述计算机程序被执行时实现上述第一方面，或第一方面中任一种可能的实施方式中所述的方法。
50、本公开实施例提供了一种驾驶数据处理方法、装置、计算机设备及程序产品，可以基于目标车辆当前运行的功能模块的运行数据，以及资源使用数据，通过预先训练的分析模型，为处理组合惯导数据的目标进程选择最合适的内核。这样，进一步的，当运行数据和资源使用数据发生变化时，再基于分析模型重新选择内核，相较于直接在多个内核之间进行跨核调度，本公开所提供的方法降低了跨核调度的次数，降低了数据丢帧的概率，进而可以提升定位精度。
51、为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
1.一种驾驶数据处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述运行数据和/或所述资源使用数据满足预设条件，包括以下至少一种：
4.根据权利要求1所述的方法，其特征在于，所述资源使用数据还包括以下至少一项：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括根据以下方法训练所述分析模型：
6.根据权利要求1所述的方法，其特征在于，所述功能模块包括以下至少一种：
7.根据权利要求1所述的方法，其特征在于，所述功能模块的运行数据携带有时间戳；
8.一种驾驶数据处理装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一项所述的驾驶数据处理方法的步骤。
10.一种计算机程序产品，其特征在于，该计算机程序产品被处理器运行时执行如权利要求1至7任一项所述的驾驶数据处理方法的步骤。
