CN108961914A - 一种应用于驾校无人驾驶教练车的教学方法 - Google Patents

Abstract

本发明公开了一种应用于驾校无人驾驶教练车的教学方法，包括车辆状态模块、数据处理模块、智能化教学模块、车辆接管模块、驾驶环境显示模块和提醒装置，本发明可以部分替换人工教练员对学员驾驶行为进行评分，提高训练质量，降低训练成本，能够多角度、全方位展示车辆位姿，快速建立正确车感，方便学员认识自己的驾驶水平。

Description

一种应用于驾校无人驾驶教练车的教学方法

技术领域

本发明涉及驾校智能教学领域，尤其涉及一种应用于驾校无人驾驶教练车的教学方法。

背景技术

近些年学车的人数不断地上升，相对于驾培驾考的巨量需求，我国在驾培驾考的技术手段、培训能力等诸多方面存在明显的问题。驾驶培训主要采用教练言传身教的传统方式，这样培训效果与效率不高，对教练能力与素质依赖性过高，工作重复性极高。因此，亟待将数字化、信息化、技术化的先进手段引入驾培驾考领域，为学员提供良好的学习体验。

发明内容

针对上述问题，本发明的目的就在于提供一种应用于驾校无人驾驶教练车的教学方法。

本发明通过以下技术方案来实现上述目的：

本发明包括车辆状态模块、数据处理模块、智能化教学模块、车辆接管模块、驾驶环境显示模块和提醒装置。

所述车辆状态模块，通过安装在车辆不同位置的传感器和高精度定位器，获取车辆操作状态及车辆运行参数，包括但不限于安装在变速器输出轴上的速度传感器、安装在方向盘下方转向管柱内的转角传感器、高精度定位器实时采集车辆操作数据。

所述数据处理模块，对数据信息进行管理，用于接收、存储、处理数据。数据处理模块接收处理传感器、高精度定位器、智能化教学模块的相关数据，还可以根据智能化教学模块的训练数据进行车辆运动轨迹预测，数据处理模块中的存储器中在训练前，存储最优路线以及通过项目的关键点位置和相应的标准操作。

所述智能化教学模块，包括教学模式、教学类型以及教学评判。教学模式为在教学时间内自动驾驶与非自动驾驶的交替形式。在教学类型上，包括不限于过程演示。过程演示，当学员在某阶段出现错误操作时且达到系统接管条件，系统接管无人教练车，回到该阶段起点，演示正确操作后，再回到该阶段起点，由学员操作。教学评判，包括过程综合评价和考试评分规则评价，其中过程综合评价，获取车辆状态模块的数据，以评分方法判别驾驶员训练水平。

所述驾驶环境显示模块，与所述数据处理模块连接，可视化显示道路与车辆的位置。

所述提醒装置，与所述数据处理模块连接，所述提醒装置包括但不限于指示灯、液晶显示仪、震动器和语音系统。

具体地，所述过程综合评价具体步骤如下：

S1、从所述数据处理系统获取预设目标路线。

S2、根据关键点对项目进行分阶段，通过对学员历史数据按日期统计不同阶段不合格率和扣分率(以阶段是否扣分进行统计)，计算阶段难度系数η：

为平均不合格率，为平均扣分率。

S3、建立评分指标体系，包括车辆位置与参考位置的差值实时速度与参考速度的速度差v_e、实时航向角与参考航向角的角度偏差θ_e、控制数据与传感器反馈数据的误差X_e。对指标数据进行数据筛分处理：误差根据误差等级进行扣分，以误差越大，扣分越多的原则，按照误差等级进行分值设定。所有扣分以次数累计，非明确次数间隔T时间计次。

S4、设置每个阶段满分值，以所述评分指标体系进行累计扣分。但当某阶段出现不合格操作以及未训练，该阶段直接记为0分。计算最终综合评分：

δ_i＝max-∑D

其中，i为第i个阶段，η_i为第i阶段的难度系数，δ_i为阶段评分，max为每个阶段的总分数，∑D为累计扣分。

S5、计算项目总分

根据项目总分，对最终综合评分进行等级划分，方便学员掌握自己的水平。

所述车辆接管模块，从数据处理模块实时获取学员阶段评分δ_i，当δ_i＜wη_imax,其中w∈(0,1)时，系统进行接管车辆。

具体地，所述数据筛分的方法：

i.车辆位置与参考位置的差值d_e、实时速度与参考速度的速度差v_e、实时航向角与参考航向角的角度偏差θ_e、控制数据与传感器反馈数据的误差X_e'，传感器包括速度传感器v_e'、安装在离合、刹车、油门踏板下的位移传感器x_e'_i、转角传感器θ_e'。根据历史数据分别统计d_e、v_e,X_e',θ_e的最大值和最小值。当实时得到上述数据时，进行数据处理:

X为d_e，v_e,X_e',θ_e的值，X_e包括v_e'，x′_ei，θ_e'

ii.设置误差等级。根据隶属度函数判断X_e ^*属于哪个等级。

a,b,c分别对应误差对应等级的标准值。根据最大隶属度原则，误差等级为

u(e)＝max{u_i(e)},i＝1,2,…,n，其中n为等级个数

本发明有益效果在于：

本发明可以部分替换人工教练员对学员驾驶行为进行评分，提高训练质量，降低训练成本，能够多角度、全方位展示车辆位姿，快速建立正确车感，方便学员认识自己的驾驶水平。

附图说明

图1为本发明的结构示意图

图2为本发明智能化教学模块综合评价方法流程图

具体实施方式

下面结合附图对本发明作进一步说明：

如图1所示，本发明包括车辆状态模块、数据处理模块、智能化教学模块、车辆接管模块、驾驶环境显示模块、提醒装置。

所述车辆状态模块，通过安装在车辆不同位置的传感器和高精度定位器，获取车辆操作状态及车辆运行参数，包括但不限于安装在变速器输出轴上的速度传感器、安装在方向盘下方转向管柱内的转角传感器、高精度定位器实时采集车辆操作数据。

所述数据处理模块，对数据信息进行管理，用于接收、存储、处理数据。数据处理模块接收处理传感器、高精度定位器、智能化教学模块的相关数据，还可以根据智能化教学模块的训练数据进行车辆运动轨迹预测，数据处理模块中的存储器中在训练前，存储最优路线以及通过项目的关键点位置和相应的标准操作。

所述智能化教学模块，包括教学模式、教学类型以及教学评判。教学模式为在教学时间内自动驾驶与非自动驾驶的交替形式。教学类型包括全程演示、过程演示、日常练习以及模拟考试。全程演示，一般在教学初期，闭环反馈的模式下，自动控制无人教练车按预设标准路径进行演示。在关键特征点处，提醒系统提醒操作要领，过程演示当学员在某阶段出现错误操作时且达到系统接管条件，系统接管无人教练车，回到该阶段起点，演示正确操作后，再回到该阶段起点，由学员操作。日常练习，由学员操作，系统起监管作用。模拟考试，提醒系统提醒错误。教学评判，包括过程综合评价和考试评分规则评价，其中过程评价，获取车辆状态模块、驾所述提醒装置驶员状态模块的数据，以一定的评分方法判别驾驶员训练水平。

所述车辆接管模块，从数据处理模块实时获取学员阶段分数δ_i，当δ_i<40时，系统进行接管车辆。

所述驾驶环境显示模块，与所述数据处理模块连接。可视化显示道路与车辆的位置。

所述提醒装置，与所述数据处理模块连接。所述提醒装置包括但不限于指示灯、液晶显示仪、震动器和语音系统。

所述过程综合评价具体步骤如下：

S1、从所述数据处理系统获取预设目标路线。

S2、根据关键点对项目进行分阶段，通过对学员历史数据按日期统计不同阶段不合格率和扣分率(以阶段是否扣分进行统计)，计算阶段难度系数η：

为平均不合格率，为平均扣分率。

S3、建立评分指标体系，包括车辆位置与参考位置的差值实时速度与参考速度的速度差v_e、实时航向角与参考航向角的角度偏差θ_e、控制数据与传感器反馈数据的误差X_e。对指标数据进行数据筛分处理：误差根据误差等级进行扣分，以误差越大，扣分越多的原则，按照误差等级进行分值设定。所有扣分以次数累计，非明确次数间隔T时间计次。

S4、设置每个阶段满分值，以所述评分指标体系进行累计扣分。但当某阶段出现不合格操作以及未训练，该阶段直接记为0分。计算最终综合评分：

δ_i＝max-∑D

其中，i为第i个阶段，η_i为第i阶段的难度系数，δ_i为阶段评分，max为每个阶段的总分数，∑D为累计扣分。

S5、计算项目总分

根据项目总分，对最终综合评分进行等级划分，方便学员掌握自己的水平。

所述车辆接管模块，从数据处理模块实时获取学员阶段评分δ_i，当δ_i＜wη_imax,其中w∈(0,1)时，系统进行接管车辆。

所述数据筛分的方法：

i.车辆位置与参考位置的差值d_e、实时速度与参考速度的速度差v_e、实时航向角与参考航向角的角度偏差θ_e、控制数据与传感器反馈数据的误差X_e'，传感器包括速度传感器v_e'、安装在离合、刹车、油门踏板下的位移传感器x′_ei、转角传感器θ_e'。根据历史数据分别统计d_e、v_e,X_e',θ_e的最大值和最小值。当实时得到上述数据时，进行数据处理:

X为d_e，v_e,X_e',θ_e的值，X_e包括v_e'，x′_ei，θ_e'

ii.设置误差等级。根据隶属度函数判断X_e ^*属于哪个等级。

a,b,c分别对应误差对应等级的标准值。根据最大隶属度原则，误差等级为

u(e)＝max{u_i(e)},i＝1,2,…,n，其中n为等级个数

如图2所示，在本实施例子中以直角转弯作为实施例说明，设S1、关键点为转弯区域和回正区域。目标路线为f(x)，S2、直角转弯分为三个阶段：直行阶段、转弯阶段、回正阶段。统计各阶段难度系数为0.12、0.41、0.16。S3、设s1、minv_e＝0，maxv_e＝1.3889，minθ_e＝0，maxθ_e＝45，minθ_e'＝0，maxθ_e'＝30

采集学员误差数据v_e＝0.34，θ_e＝2.6，θ_e'＝1.3，则v_e ^*＝0.2448，θ_e ^*＝0.5778，θ_e' ^*＝0.4333

s2、误差分为6个等级，分别为极大(GB)、大(B)、较大(MB)、小(S)、较小(MS)、零(Z)。对应误差对应等级的标准值为0.9、0.75、0.6、0.45、0.3、0.15

u(v_e ^*)＝max{0,0,0,0,0.316,0.368}＝0.368，则v_e ^*为Z等级。

u(θ_e ^*)＝max{0,0,0.852,0.148,0,0}＝0.852，则θ_e ^*为MB等级

u(θ_e' ^*)＝max{00,0.8887,0.1113,0}＝0.8887，则θ_e' ^*为S等级

s3、评分规则

误差根据误差等级设定扣分

等级	GB	B	MB	S	MS	Z
							扣分分值	10	8	6	4	2	0

设置每个阶段满分都为100。学员转弯阶段压线。示例误差数据来源分别来源于转弯阶段、直行阶段、直行阶段。

学员甲的综合评分为

0.12*(100-6*1-4*1)+0.41*0+0.16*100＝26.8

S5、score_max＝(0.l2+0.41+0.16)*100＝69

划分六个等级

该学员本次训练为二星。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围内。

Claims (3)

1.一种应用于驾校无人驾驶教练车的教学方法，其特征在于：包括车辆状态模块、数据处理模块、智能化教学模块、车辆接管模块、驾驶环境显示模块和提醒装置。

所述车辆状态模块，通过安装在车辆不同位置的传感器和高精度定位器，获取车辆操作状态及车辆运行参数，包括但不限于安装在变速器输出轴上的速度传感器、安装在方向盘下方转向管柱内的转角传感器、高精度定位器实时采集车辆操作数据。

所述数据处理模块，对数据信息进行管理，用于接收、存储、处理数据。数据处理模块接收处理传感器、高精度定位器、智能化教学模块的相关数据，还可以根据智能化教学模块的训练数据进行车辆运动轨迹预测，数据处理模块中的存储器中在训练前，存储最优路线以及通过项目的关键点位置和相应的标准操作。

所述智能化教学模块，包括教学模式、教学类型以及教学评判。教学模式为在教学时间内自动驾驶与非自动驾驶的交替形式。在教学类型上，包括不限于过程演示。过程演示，当学员在某阶段出现错误操作时且达到系统接管条件，系统接管无人教练车，回到该阶段起点，演示正确操作后，再回到该阶段起点，由学员操作。教学评判，包括过程综合评价和考试评分规则评价，其中过程综合评价，获取车辆状态模块的数据，以评分方法判别驾驶员训练水平。

所述驾驶环境显示模块，与所述数据处理模块连接，可视化显示道路与车辆的位置。

所述提醒装置，与所述数据处理模块连接，所述提醒装置包括但不限于指示灯、液晶显示仪、震动器和语音系统。

2.根据权利要求1所述的一种应用于驾校无人驾驶教练车的教学方法，其特征在于：所述过程综合评价具体步骤如下：

S1、从所述数据处理系统获取预设目标路线。

S2、根据关键点对项目进行分阶段，通过对学员历史数据按日期统计不同阶段不合格率和扣分率(以阶段是否扣分进行统计)，计算阶段难度系数η：

为平均不合格率，为平均扣分率。

S3、建立评分指标体系，包括车辆位置与参考位置的差值实时速度与参考速度的速度差v_e、实时航向角与参考航向角的角度偏差θ_e、控制数据与传感器反馈数据的误差X_e。对指标数据进行数据筛分处理：误差根据误差等级进行扣分，以误差越大，扣分越多的原则，按照误差等级进行分值设定。所有扣分以次数累计，非明确次数间隔T时间计次。

S4、设置每个阶段满分值，以所述评分指标体系进行累计扣分。但当某阶段出现不合格操作以及未训练，该阶段直接记为0分。计算最终综合评分：

δ_i＝max-∑D

其中，i为第i个阶段，η_i为第i阶段的难度系数，δ_i为阶段评分，max为每个阶段的总分数，∑D为累计扣分。

S5、计算项目总分

根据项目总分，对最终综合评分进行等级划分，方便学员掌握自己的水平。

所述车辆接管模块，从数据处理模块实时获取学员阶段评分δ_i，当δ_i＜wη_imax,其中w∈(0,1)时，系统进行接管车辆。

3.根据权利要求1所述的一种应用于驾校无人驾驶教练车的教学方法，其特征在于：所述数据筛分的方法为：

i.车辆位置与参考位置的差值d_e、实时速度与参考速度的速度差v_e、实时航向角与参考航向角的角度偏差θ_e、控制数据与传感器反馈数据的误差X_e'，传感器包括速度传感器v_e'、安装在离合、刹车、油门踏板下的位移传感器x′_ei、转角传感器θ_e'。根据历史数据分别统计d_e、v_e,X_e',θ_e的最大值和最小值。当实时得到上述数据时，进行数据处理:

X为d_e，v_e,X_e',θ_e的值，X_e包括v_e'，x′_ei，θ_e'

ii.设置误差等级。根据隶属度函数判断X_e ^*属于哪个等级。

a,b,c分别对应误差对应等级的标准值。根据最大隶属度原则，误差等级为u(e)＝max{u_i(e)},i＝1,2,…,n，其中n为等级个数。