CN106327097A - 驾驶员速度估计能力的测试方法与系统 - Google Patents

Abstract

本发明提供一种驾驶员速度估计能力的测试方法及系统，其中，该驾驶员速度估计能力的测试方法包括：在接收到开始测试的指令后，控制车辆图像以预设速度向设置在同一屏幕上第一预设位置的遮挡物图像匀速移动；所述遮挡物图像用于与所述车辆图像重叠时遮挡所述车辆图像，而且所述遮挡物图像中的第二预设位置上设置有障碍物图像；接收用于表征驾驶员判定所述车辆图像与所述障碍物图像相撞时的输入信息；计算接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离，根据所述距离确定所述驾驶员速度估计能力的测试结果。本发明的测试方法及系统能实现驾驶员速度估计能力的自动测试，为后续驾驶员评估选拔提供依据。

Description

驾驶员速度估计能力的测试方法与系统

技术领域

本发明涉及交通测试领域，尤其涉及一种驾驶员速度估计能力的测试方法与系统。

背景技术

司机在行车过程中经常需要对车速进行控制，尤其在进出站过程中，对车速的判读直接决定了火车的停止位置的准确程度，这些能力的高低直接决定了其作业绩效和运行安全。然而现有测评都是人工进行。因此，目前急需开发一套更为客观科学的适合于高铁司机的速度估计能力评估系统，为其选拔提供决策依据。

发明内容

本发明旨在解决上面描述的问题。本发明的一个目的是提供一种驾驶员速度估计能力的测试方法与系统避免现有无法自动测试驾驶员速度估计能力的缺陷。

根据本发明的第一方面，提供一种驾驶员速度估计能力的测试方法，所述方法包括：在接收到开始测试的指令后，控制车辆图像以预设速度向设置在同一屏幕上第一预设位置的遮挡物图像匀速移动；所述遮挡物图像用于与所述车辆图像重叠时遮挡所述车辆图像，而且所述遮挡物图像中的第二预设位置上设置有障碍物图像；接收用于表征驾驶员判定所述车辆图像与所述障碍物图像相撞时的输入信息；计算接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离，根据所述距离确定所述驾驶员速度估计能力的测试结果。

根据本发明的第二方面，提供一种驾驶员速度估计能力的测试系统，包括：图像显示控制单元，用于在接收到开始测试的指令后，控制车辆图像以预设速度向设置在同一屏幕上第一预设位置的遮挡物图像匀速移动；所述遮挡物图像用于与所述车辆图像重叠时遮挡所述车辆图像，而且所述遮挡物图像中的第二预设位置上设置有障碍物图像；信息接收单元，用于接收用于表征驾驶员判定所述车辆图像与所述障碍物图像相撞时的输入信息；速度估计能力测试单元，用于计算接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离，根据所述距离确定所述驾驶员速度估计能力的测试结果。本发明驾驶员速度估计能力的测试方法及测试系统通过控制车辆图像以预设速度向设置在同一屏幕上第一预设位置的遮挡物图像匀速移动，并接收用于表征驾驶员判定所述车辆图像与所述障碍物图像相撞时的输入信息，以及计算接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离，根据所述距离确定所述驾驶员速度估计能力的测试结果，为后续驾驶员评估选拔提供依据。

参照附图来阅读对于示例性实施例的以下描述，本发明的其他特性特征和优点将变得清晰。

附图说明

并入到说明书中并且构成说明书的一部分的附图示出了本发明的实施例，并且与描述一起用于解释本发明的原理。在这些附图中，类似的附图标记用于表示类似的要素。下面描述中的附图是本发明的一些实施例，而不是全部实施例。对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他的附图。

图1示例性地示出了一种驾驶员速度估计能力的测试方法的流程图；

图2示例性地示出了一种驾驶员速度估计能力的测试系统的结构框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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，都属于本发明保护的范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

实施例一

图1示例性地示出了一种驾驶员速度估计能力的测试方法的流程图；如图1所示，一种驾驶员速度估计能力的测试方法，包括：

步骤101：在接收到开始测试的指令后，控制车辆图像以预设速度向设置在同一屏幕上第一预设位置的遮挡物图像匀速移动；所述遮挡物图像用于与所述车辆图像重叠时遮挡所述车辆图像，而且所述遮挡物图像中的第二预设位置上设置有障碍物图像；

具体操作时，所述预设速度包括：依次增大的两个或两个以上预设速度；所述第一预设位置包括与所述车辆图像初始位置距离依次增大的两个或两个以上位置；所述两个或两个以上预设速度与所述两个或两个以上第一预设位置按照递增关系一一对应；

步骤103：接收用于表征驾驶员判定所述车辆图像与所述障碍物图像相撞时的输入信息；

步骤105：计算接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离；具体地，可以计算多次测试时接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离；

步骤107：根据所述距离确定所述驾驶员速度估计能力的测试结果；具体地，可以将多次测试时的所述距离的平均值确定为所述驾驶员速度估计能力的评估值。

本实施例驾驶员速度估计能力的测试方法通过控制车辆图像以预设速度向设置在同一屏幕上第一预设位置的遮挡物图像匀速移动，并接收用于表征驾驶员判定所述车辆图像与所述障碍物图像相撞时的输入信息，以及计算接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离，根据所述距离确定所述驾驶员速度估计能力的测试结果，为后续驾驶员评估选拔提供依据。

此外，本驾驶员速度估计能力的测试方法其它实施例中还至少存在以下一种优选方式：

步骤101具体可以包括：控制车辆图像以不同于上次测试时的预设速度向设置在同一屏幕上第一预设位置的遮挡物图像匀速移动；所述遮挡物图像中异于上次测试时的第二预定位置上设置有障碍物图像。

步骤107具体可以包括：所述距离的平均值根据下述公式计算得到：

$E=\frac{\mathrm{\Σ}\sqrt{{(X-Y)}^2}}{N}$

其中，E为所述距离的平均值，X指所述车辆图像中的车头位置，Y指所述障碍物图像位置；N为测试次数。

具体地，所述的测试方法还包括：对所述距离的平均值进行标准化处理或一致性处理；

假设共有n司机参与测试，共有m项测试指标，设第i个人的第j项测试值为x_ij，其中i＝1,2,…,n，j＝1,2,…,m

其中，标准化处理为：

记第j项测试指标的样本均值为样本方差为其中j为驾驶员速度估计能力的测试序号，则标准化处理后为：

$\begin{array}{ccc}{y}_{ij}=\frac{x_{ij}-{\stackrel{\‾}{x}}_j}{s_j},& i=1,2,...,n,& j=1,2,...,m\end{array}$ ；

一致性处理为：

$\begin{array}{ccc}{z}_{ij}=\frac{M_j-y_{ij}}{M_j-m_j},& i=1,2,...,n,& j=m_1+1,m_1+2,...,m_1+m_2\end{array}$

其中M_j＝max{y_ij,i＝1,2,…,n}，m_j＝min{y_ij,i＝1,2,…,n}，j＝m₁+1,m₁+2,…,m₁+m₂。

具体地，所述的测试方法还包括：对所述距离的平均值进行线性或非线性加权，作为其综合评价结果；其中，

线性加权综合评价模型

$\begin{array}{cc}{f}_i=\underset{j=1}{\overset{m}{\Σ}}{w}_j{z}_{ij},& i=1,2,...,n\end{array}$

其中w_j为第j项指标的权重，反映了该指标对于司机综合评价的影响程度，值越大程度越大，反之越小，权重满足w_j≥0，j＝1,2,…,m；

非线性加权综合评价模型：

$\begin{array}{cc}{f}_i=\underset{j=1}{\overset{m}{\Σ}}{z_{ij}}^{w_j},& i=1,2,...,n\end{array}$

其中w_j为第j项指标的权重，满足w_j≥0，j＝1,2,…,m；

具体地，所述的测试方法还包括：设一批测试司机中，判定为不合格的比例为p₁，判定为合格的比例为p₂，其中p₁+p₂≤1，p₁和p₂参照其中和为标准正态分布的上分位点，a₁和a₂为预设值；

判定准则如下：

如果则判定第i名司机属于不合格；

如果则判定第i名司机属于合格。

实施例二

图2示例性地示出了一种驾驶员速度估计能力的测试系统的结构框图，其为上述各驾驶员速度估计能力的测试方法所示实施例对应的系统，上述各驾驶员速度估计能力的测试方法所示实施例的解释说明适用于本实施例。如图2所示，该测试系统包括：

图像显示控制单元201，用于在接收到开始测试的指令后，控制车辆图像以预设速度向设置在同一屏幕上第一预设位置的遮挡物图像匀速移动；所述遮挡物图像用于与所述车辆图像重叠时遮挡所述车辆图像，而且所述遮挡物图像中的第二预设位置上设置有障碍物图像；

信息接收单元203，用于接收用于表征驾驶员判定所述车辆图像与所述障碍物图像相撞时的输入信息；

速度估计能力测试单元205，用于计算接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离，根据所述距离确定所述驾驶员速度估计能力的测试结果。

优选地，所述预设速度包括：依次增大的两个或两个以上预设速度；所述第一预设位置包括与所述车辆图像初始位置距离依次增大的两个或两个以上位置；所述两个或两个以上预设速度与所述两个或两个以上第一预设位置按照递增关系一一对应。

优选地，所述图像显示控制单元201还用于在接收到开始测试的指令后，控制车辆图像以不同于上次测试时的预设速度在屏幕上匀速移动；所述遮挡物图像中异于上次测试时的预定位置上设置有障碍物图像。

优选地，所述速度估计能力测试单元205还用于计算多次测试时接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离，将多次测试时的所述距离的平均值确定为所述驾驶员速度估计能力的评估值。

具体地，所述的测试系统还包括，数据处理单元，用于对所述距离的平均值进行标准化处理或一致性处理；

假设共有n司机参与测试，共有m项测试指标，设第i个人的第j项测试值为x_ij，其中i＝1,2,…,n，j＝1,2,…,m

其中，标准化处理为：

记第j项测试指标的样本均值为样本方差为其中j为驾驶员速度估计能力的测试序号，则标准化处理后为：

$\begin{array}{ccc}{y}_{ij}=\frac{x_{ij}-{\stackrel{\‾}{x}}_j}{s_j},& i=1,2,...,n,& j=1,2,...,m\end{array}$ ；

一致性处理为：

$\begin{array}{ccc}{z}_{ij}=\frac{M_j-y_{ij}}{M_j-m_j},& i=1,2,...,n,& j=m_1+1,m_1+2,...,m_1+m_2\end{array}$

其中M_j＝max{y_ij,i＝1,2,…,n}，m_j＝min{y_ij,i＝1,2,…,n}，j＝m₁+1,m₁+2,…,m₁+m₂。

具体地，所述的测试系统还包括：评价处理单元，用于对所述距离的平均值进行线性或非线性加权，作为其综合评价结果；其中，线性加权综合评价模型

$\begin{array}{cc}{f}_i=\underset{j=1}{\overset{m}{\Σ}}{w}_j{z}_{ij},& i=1,2,...,n\end{array}$

其中w_j为第j项指标的权重，反映了该指标对于司机综合评价的影响程度，值越大程度越大，反之越小，权重满足w_j≥0，j＝1,2,…,m；

非线性加权综合评价模型：

$\begin{array}{cc}{f}_i=\underset{j=1}{\overset{m}{\Σ}}{z_{ij}}^{w_j},& i=1,2,...,n\end{array}$

其中w_j为第j项指标的权重，满足w_j≥0，j＝1,2,…,m；

具体地，所述的测试系统还包括：评价结果单元，用于设一批测试司机中，判定为不合格的比例为p₁，判定为合格的比例为p₂，其中p₁+p₂≤1，p₁和p₂参照其中和为标准正态分布的上分位点，a₁和a₂为预设值；

判定准则如下：

如果则判定第i名司机属于不合格；

如果则判定第i名司机属于合格。

本驾驶员速度估计能力的测试系统的工作过程简述如下：开始时，在屏幕的最左侧呈现一辆火车，在屏幕的右侧呈现长度为10cm的蓝色不透明掩蔽物，在掩蔽物中有一红色障碍，被试按空格键火车开始运动，当火车进入蓝色栅栏后就无法看见，火车的速度在运动的过程中始终保持不变，为了避免练习效应的影响，火车运行的速度和障碍物每次所在位置都不同，当他们估计到火车撞上障碍物时需要尽快按空格键进行反应。火车运行的速度共有三个水平：慢(60mm/s)、中(80mm/s)和快(100mm/s)；红色的障碍物所在的位置也可以有三种情况：近(56.5mm处)、中(66.5mm处)和远(74.5mm处)。被试的速度估计能力使用估计错误距离来表示，估计错误距离指小车停止的位置与障碍物之间的距离。

本实施例驾驶员速度估计能力的测试系统通过控制车辆图像以预设速度向设置在同一屏幕上第一预设位置的遮挡物图像匀速移动，并接收用于表征驾驶员判定所述车辆图像与所述障碍物图像相撞时的输入信息，以及计算接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离，根据所述距离确定所述驾驶员速度估计能力的测试结果，为后续驾驶员评估选拔提供依据。上面描述的内容可以单独地或者以各种方式组合起来实施，而这些变型方式都在本发明的保护范围之内。

上面描述的内容可以单独地或者以各种方式组合起来实施，而这些变型方式都在本发明的保护范围之内。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (16)

1.一种驾驶员速度估计能力的测试方法，其特征在于，所述方法包括：

在接收到开始测试的指令后，控制车辆图像以预设速度向设置在同一屏幕上第一预设位置的遮挡物图像匀速移动；所述遮挡物图像用于与所述车辆图像重叠时遮挡所述车辆图像，而且所述遮挡物图像中的第二预设位置上设置有障碍物图像；

接收用于表征驾驶员判定所述车辆图像与所述障碍物图像相撞时的输入信息；

计算接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离，根据所述距离确定所述驾驶员速度估计能力的测试结果。

2.根据如权利要求1所述的测试方法，其特征在于，所述预设速度包括：依次增大的两个或两个以上预设速度；所述第一预设位置包括与所述车辆图像初始位置距离依次增大的两个或两个以上位置；所述两个或两个以上预设速度与所述两个或两个以上第一预设位置按照递增关系一一对应。

3.根据如权利要求1或2所述的测试方法，其特征在于，所述控制车辆图像以预设速度向设置在同一屏幕上第一预设位置的遮挡物图像匀速移动的步骤包括：

控制车辆图像以不同于上次测试时的预设速度向设置在同一屏幕上第一预设位置的遮挡物图像匀速移动；所述遮挡物图像中异于上次测试时的第二预定位置上设置有障碍物图像。

4.根据如权利要求3所述的测试方法，其特征在于，所述计算接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离，根据所述距离确定所述驾驶员速度估计能力的测试结果的步骤包括：

计算多次测试时接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离，将多次测试时的所述距离的平均值确定为所述驾驶员速度估计能力的评估值。

5.根据如权利要求4所述的测试方法，其特征在于，所述多次测试时的所述距离的平均值根据下述公式计算得到：

$E=\frac{\mathrm{\Σ}\sqrt{{(X-Y)}^2}}{N}$

其中，E为所述距离的平均值，X指所述车辆图像中的车头位置，Y指所述障碍物图像位置；N为测试次数。

6.根据权利要求5所述的测试方法，其特征在于，还包括：对所述距离的平均值进行标准化处理或一致性处理；

假设共有n司机参与测试，共有m项测试指标，设第i个人的第j项测试值为x_ij，其中i＝1,2,…,n，j＝1,2,…,m

其中，标准化处理为：

记第j项测试指标的样本均值为样本方差为其中j为驾驶员速度估计能力的测试序号，则标准化处理后为：

$y_{ij}=\frac{x_{ij}-\stackrel{\‾}{x_j}}{s_j},i=1,2,...,n,j=1,2,...,m;$

一致性处理为：

$z_{ij}=\frac{M_j-y_{ij}}{M_j-m_j},i=1,2,...,n,j=m_1+1,m_1+2,...,m_1+m_2$

其中M_j＝max{y_ij,i＝1,2,…,n}，m_j＝min{y_ij,i＝1,2,…,n}，j＝m₁+1,m₁+2,…,m₁+m₂。

7.根据权利要求6所述的测试方法，其特征在于，还包括：对所述距离的平均值进行线性或非线性加权，作为其综合评价结果；其中，

线性加权综合评价模型

$f_i=\underset{j=1}{\overset{m}{\Σ}}{w}_j{z}_{ij},i=1,2,...,n$

其中w_j为第j项指标的权重，反映了该指标对于司机综合评价的影响程度，值越大程度越大，反之越小，权重满足w_j≥0，j＝1,2,…,m；

非线性加权综合评价模型：

$f_i=\underset{j=1}{\overset{m}{\Σ}}{z_{ij}}^{w_j},i=1,2,...,n$

其中w_j为第j项指标的权重，满足w_j≥0，j＝1,2,…,m；

8.根据权利要求7所述的测试方法，其特征在于，还包括：设一批测试司机中，判定为不合格的比例为p₁，判定为合格的比例为p₂，其中p₁+p₂≤1，p₁和p₂参照其中和为标准正态分布的上分位点，a₁和a₂为预设值；

判定准则如下：

如果则判定第i名司机属于不合格；

如果则判定第i名司机属于合格。

9.一种驾驶员速度估计能力的测试系统，其特征在于，所述系统包括：

图像显示控制单元，用于在接收到开始测试的指令后，控制车辆图像以预设速度向设置在同一屏幕上第一预设位置的遮挡物图像匀速移动；所述遮挡物图像用于与所述车辆图像重叠时遮挡所述车辆图像，而且所述遮挡物图像中的第二预设位置上设置有障碍物图像；

信息接收单元，用于接收用于表征驾驶员判定所述车辆图像与所述障碍物图像相撞时的输入信息；

速度估计能力测试单元，用于计算接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离，根据所述距离确定所述驾驶员速度估计能力的测试结果。

10.根据如权利要求9所述的测试系统，其特征在于，所述预设速度包括：依次增大的两个或两个以上预设速度；所述第一预设位置包括与所述车辆图像初始位置距离依次增大的两个或两个以上位置；所述两个或两个以上预设速度与所述两个或两个以上第一预设位置按照递增关系一一对应。

11.根据如权利要求9或10所述的测试系统，其特征在于，所述图像显示控制单元还用于在接收到开始测试的指令后，控制车辆图像以不同于上次测试时的预设速度在屏幕上匀速移动；所述遮挡物图像中异于上次测试时的预定位置上设置有障碍物图像。

12.根据如权利要求11所述的测试系统，其特征在于，，所述速度估计能力测试单元还用于计算多次测试时接收所述输入信息时所述车辆图像中的车头位置与所述障碍物图像之间的距离，将多次测试时的所述距离的平均值确定为所述驾驶员速度估计能力的评估值。

13.根据如权利要求12所述的测试系统，其特征在于，，所述多次测试时的所述距离的平均值根据下述公式计算得到：

$E=\frac{\mathrm{\Σ}\sqrt{{\left(X-Y\right)}^2}}{N}$

其中，E为所述距离的平均值，X指所述车辆图像中的车头位置，Y指所述障碍物图像位置；N为测试次数。

14.根据权利要求13所述的测试系统，其特征在于，，还包括，数据处理单元，用于对所述距离的平均值进行标准化处理或一致性处理；

假设共有n司机参与测试，共有m项测试指标，设第i个人的第j项测试值为x_ij，其中i＝1,2,…,n，j＝1,2,…,m

其中，标准化处理为：

记第j项测试指标的样本均值为样本方差为其中j为驾驶员速度估计能力的测试序号，则标准化处理后为：

$y_{ij}=\frac{x_{ij}-\stackrel{\‾}{x_j}}{s_j},i=1,2,...,n,j=1,2,...,m;$

一致性处理为：

$z_{ij}=\frac{M_j-y_{ij}}{M_j-m_j},i=1,2,...,n,j=m_1+1,m_1+2,...,m_1+m_2$

其中M_j＝max{y_ij,i＝1,2,…,n}，m_j＝min{y_ij,i＝1,2,…,n}，j＝m₁+1,m₁+2,…,m₁+m₂。

15.根据权利要求14所述的测试系统，其特征在于，，还包括：评价处理单元，用于对所述距离的平均值进行线性或非线性加权，作为其综合评价结果；其中，

线性加权综合评价模型

$f_i=\underset{j=1}{\overset{m}{\Σ}}{w}_j{z}_{ij},i=1,2,...,n$

其中w_j为第j项指标的权重，反映了该指标对于司机综合评价的影响程度，值越大程度越大，反之越小，权重满足w_j≥0，j＝1,2,…,m；

非线性加权综合评价模型：

$f_i=\underset{j=1}{\overset{m}{\Σ}}{z_{ij}}^{w_j},i=1,2,...,n$

其中w_j为第j项指标的权重，满足w_j≥0，j＝1,2,…,m；

16.根据权利要求15所述的测试系统，其特征在于，还包括：评价结果单元，用于设一批测试司机中，判定为不合格的比例为p₁，判定为合格的比例为p₂，其中p₁+p₂≤1，p₁和p₂参照其中和为标准正态分布的上分位点，a₁和a₂为预设值；

判定准则如下：

如果则判定第i名司机属于不合格；

如果则判定第i名司机属于合格。