CN109872601A - 一种基于虚拟现实的个性化驾驶习惯训练方案生成方法 - Google Patents
一种基于虚拟现实的个性化驾驶习惯训练方案生成方法 Download PDFInfo
- Publication number
- CN109872601A CN109872601A CN201811422561.5A CN201811422561A CN109872601A CN 109872601 A CN109872601 A CN 109872601A CN 201811422561 A CN201811422561 A CN 201811422561A CN 109872601 A CN109872601 A CN 109872601A
- Authority
- CN
- China
- Prior art keywords
- user
- driving
- scene
- virtual
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明涉及一种基于虚拟现实的个性化驾驶习惯训练方案生成方法，属于虚拟现实技术领域。通过优化算法自动合成出个性化的训练程序，具体通过FOVE虚拟现实头盔获取使用者的视觉数据，通过罗技驾驶模拟器获取使用者的驾驶数据，通过脚本控制虚拟街道上的其他车辆和行人。我们设计了一个预评价实验，以此获取使用者的不良驾驶习惯，如转弯不看后视镜，过十字路口不减速等。再根据每一位使用者的预评价数据，自动合成有针对性的训练方案。在使用者进行完训练后，我们会进行一次评价实验并与预评价实验进行对比。实验结果表明，本发明对改善使用者的不良驾驶习惯有很好的效果。
Description
技术领域
本发明涉及一种基于虚拟现实的个性化驾驶习惯训练方案生成方法，属于虚拟现实技术领域。
背景技术
随着消费级的虚拟现实设备的大量推出，虚拟现实技术可以用较低的成本和较小的空间模拟所需的真实场景，对一些存在危险的场景具有显著优势，虚拟驾驶就是其中一个典型的应用。一类虚拟驾驶技术的应用是汽车厂商对于生产车辆的性能评测，这类应用依赖于高精度的车辆运动的仿真，通过车辆运动的仿真可以在模拟的极端情况下对于车辆的性能进行评价。另外一类虚拟驾驶的应用是采用虚拟现实技术帮助用户进行驾驶训练。在虚拟现实环境下的驾驶训练可以避免真实环境中的危险，并且非常经济环保，只需要一个虚拟现实头盔和一套模拟驾驶设备就能进行训练。
现有的虚拟现实驾驶训练主要是帮助用户熟悉驾驶的操作和基本的交通法规。目前的虚拟驾驶训练主要存在三个问题：(1)当前的虚拟驾驶训练方法对于所有用户使用的训练方案没有差异，无法对用户进行有针对性的指导，即无法发现用户的不良驾驶习惯并予以纠正，所以其训练的效果比较有限。(2)传统的虚拟现实头盔和虚拟驾驶器，主要用于场景的可视化和车辆的控制，这一过程中传统方法并不关注用户的驾驶相关数据，如用户的关注力、车辆的控制等，这使训练的项目非常局限，无法判断用户的驾驶行为是否正确。(3)现有的虚拟驾驶训练中，虚拟城市场景中的交通事件比较简单，大多采用固定的动画播放，无法做到跟用户驾驶的车辆进行真正交互，这使得训练缺乏真实性。
在本发明中，我们使用可采集人的视觉信息的虚拟现实头盔和驾驶模拟设备检测用户的不良驾驶习惯，根据用户不同的不良驾驶习惯，生成个性化的训练方案，以纠正不良驾驶习惯为目标进行个性化训练，可较大提升传统的虚拟驾驶训练方法。
发明内容
本发明的目的是针对现有虚拟驾驶训练方法的不足，如训练没有针对性、无法获取视觉数据以及没有交通事件模拟，提出一种基于虚拟现实的个性化驾驶习惯训练方案生成方法，该方法基于检测到的每个用户的不良驾驶习惯，通过优化算法自动生成个性化的训练方案。
本发明的核心思想是：建立虚拟城市，在该虚拟城市中自动控制虚拟道路上的车辆和行人；建立用户所使用的虚拟驾驶系统，获取用户在虚拟城市场景中进行虚拟驾驶时的用户关注力和驾驶数据；设计一个驾驶习惯检测方法，获取用户的不良驾驶习惯，如转弯不看后视镜，过十字路口不减速等；设计一个个性化训练生成方法，根据每一位用户的不良习惯检测数据，采用优化算法自动生成有针对性的训练方案。
本发明包括虚拟城市建立、用户驾驶数据获取、驾驶习惯检测及个性化训练方法生成四部分，具体为：
步骤1构造虚拟城市场景；
步骤1中的构造虚拟城市场景包括静态城市场景和动态城市场景；
其中，构造静态城市场景包括构建虚拟城市布局、选取三维模型及放置三维模型；
构造动态城市场景主要包括交通事件仿真和用户驾驶车辆仿真，具体为：
步骤1.1构建虚拟城市布局，包括建筑物的布局和道路网；
步骤1.2选取城市建筑物、道路、车辆及行人的三维模型；
步骤1.3基于步骤1.1的城市布局和道路网以及步骤1.2中选取的三维模型，随机放置三维模型构造虚拟城市场景；
步骤1.4基于步骤1.3生成的虚拟城市场景，在道路上进行交通事件的仿真，交通事件包括两部分：
(1)行人交通事件仿真。本发明为场景中的行人模型(由步骤1.2生成)随机生成行走路线，行人模型根据生成的路线自动在场景中移动。
(2)车辆交通事件仿真。本发明为场景中的车辆模型(由步骤1.2生成)随机生成驾驶路线，车辆模型根据生成的路线自动在场景中移动。
步骤1.5基于步骤1.3生成的虚拟城市场景，在道路上进行用户驾驶车辆的仿真，根据用户使用的驾驶模拟器的方向盘转角、油门和刹车，由车辆的运动学方程，生成场景中用户驾驶车辆的速度、加速度以及朝向；
步骤2获取用户数据；
其中，用户数据包括关注力数据和驾驶数据；
步骤2，具体为：
步骤2.1获取关注力数据，具体为：用户在虚拟城市场景中驾驶时，获得所有时刻用户的视线信息，并将该视线信息与虚拟城市场景中的三维模型相匹配，以获得用户在任意时刻视线所关注的目标的数据即关注力数据；
步骤2.2获取驾驶数据，具体为：用户在虚拟城市场景中驾驶时，通过虚拟驾驶方向盘和脚踏板，获取在所有时刻方向盘的转角以及脚踏板的受力，同时获取虚拟城市场景中用户所驾驶车辆模型的位置及运动速度；
其中，驾驶数据主要包括所有时刻方向盘的转角数据、所有时刻脚踏板的受力数据、所有时刻用户驾驶车辆模型的位置数据以及所有时刻用户驾驶车辆模型的运动速度；
步骤3检测驾驶习惯：
其中，驾驶习惯主要包括如下六类：转弯时是否观察后视镜、转弯时是否开转向灯、变换车道是否观察后视镜、变换车道是否开转向灯、遇到十字路口是否减速以及遇到行人是否停车；
步骤3，具体包括如下子步骤：
步骤3.1在步骤1中所描述的虚拟城市场景中，随机生成一条路线，用户再按照该条生成路线在虚拟城市场景中驾驶；
步骤3.2在步骤3.1中用户的驾驶过程中，获取关注力数据和驾驶数据；
其中，关注力数据通过如下操作获取：获取所有时刻用户的视线信息，并将该视线信息与虚拟城市场景中的三维模型相匹配，以获得用户在任意时刻视线所关注的目标的数据即关注力数据；
驾驶数据通过如下操作获取：用户通过虚拟驾驶方向盘和脚踏板，获取在所有时刻方向盘的转角以及脚踏板的受力，同时获取虚拟城市场景中用户所驾驶车辆模型的位置及运动速度；
步骤3.3分别针对六类驾驶习惯，在转弯处、用户变换车道时、十字路口以及行人出现时设置行为触发器，检测用户的驾驶数据，并根据驾驶数据对各驾驶习惯进行评分；
步骤4基于步骤3输出的驾驶习惯评分生成个性化的训练方案，具体为：
步骤4.1建立评价训练方案的能量函数；
其中，能量函数计算该训练方案与对驾驶员训练目标的符合程度；
步骤4.2对于步骤4.1中的能量函数进行优化，获得最优解；
其中，该最优解即为个性化训练方案，该个性化训练方案为最符合驾驶员训练的目标的训练方案。
有益效果
一种基于虚拟现实的个性化驾驶习惯训练方案生成方法，与现有技术相比，具有如下有益效果：
1.本发明能够检测不同用户的不良驾驶习惯，并根据检测到的不良习惯进行个性化的训练方案的生成；
2.本发明对改善用户的不良驾驶习惯有很好的效果；
3.本发明充分的考虑用户在驾驶过程中的关注力以及车辆控制对于驾驶行为的影响，并将这些用户的数据用于训练方案的生成中。
附图说明
图1是本发明一种基于虚拟现实的个性化驾驶习惯训练方案生成方法所基于的系统示意图；
图2是本发明一种基于虚拟现实的个性化驾驶习惯训练方案生成方法实施例1中根据地图生成的道路网；
图3是本发明一种基于虚拟现实的个性化驾驶习惯训练方案生成方法定义的不同道路之间的连接规则,即道路连接约束；
图4是本发明一种基于虚拟现实的个性化驾驶习惯训练方案生成方法具体实施例1中生成的虚拟城市实例；
图5是本发明一种基于虚拟现实的个性化驾驶习惯训练方案生成方法具体实施例1中生成的个性化训练方案。
具体实施方式
下面基于附图及具体实施例对本发明所述的发明题目进行详细阐述。
实施例1
本发明提出的基于虚拟现实的个性化驾驶习惯训练方案生成方法的实施框架如图1所示，包括如下步骤：
步骤A构建虚拟城市；
(1)随机从在线地图上获取大约为5km*5km的区域，采用霍夫变换的方法识别地图中的主干道，识别出的所有主干道作为道路网。如图2所示为基于真实地图建造的道路网。
(2)构建道路和车辆的三维模型素材库。道路有弯道、直道、单向车道、双向车道、双向四车道等；车辆有私人轿车、出租车、公交车、工程车等；行人有老人、成年人、小孩儿；建筑物有1层到20层楼，楼的外轮廓有方形、圆形和不规则形状。
(3)按照道路网，将道路模型放置其中。首先从道路模型中随机任意选取一段道路模型放置到道路网的起点，然后通过随机选取模型的方式依次铺设虚拟道路。选取的道路模型要符合与已铺设的道路连接的约束。如图3所示为道路连接约束。
然后，在道路网中的主干道所围成的区域中，随机放置建筑物模型。
最后根据虚拟城市的道路分布，为其中的每一个车辆和每一个行人随机产生一条运动路线，车辆和行人将按照产生的路线进行自动行驶。
如图4所示为构造的虚拟城市实例。
为了尽可能多的发现用户在驾驶过程中的不良驾驶习惯，本发明在构建的虚拟城市中放置了透明的触发器，当用户的车辆途径触发区域，车辆、行人等将被触发开始运动。这一策略使用户车辆在行进中，会尽可能多的与其他车辆和行人在轨迹上相遇。
步骤2用户数据获取。
本发明通过使用内置摄像头的虚拟现实头盔和驾驶模拟器，搭建可以同时采集用户视觉数据和驾驶数据的系统。
虚拟现实头盔中放置的摄像头可以拍摄人的眼球运动；基于人的眼球的运动，标定不同的眼球运动对应场景中的模型，从而建立眼球运动与场景中模型的关联关系；任意时刻眼球的运动所对应的场景中的物体模型即为用户的关注力数据；
驾驶模拟器可以提供任意时刻的方向盘的转角以及油门和刹车的受力，这些数据将直接控制场景中用户所驾驶的车辆。同时，这些数据和场景中车辆的状态(位置、速度、加速度) 将做为用户的驾驶数据，用于评价用户的驾驶行为。
步骤3驾驶习惯检测。
本实例检测用户的六类驾驶习惯，并为六类习惯分别定义分数s1～s6分别为：s1转弯时是否看后视镜的分数、s2转弯时是否开转向灯的分数、s3遇到十字路口是否减速的分数、s4遇到行人是否停车的分数、s5变换车道是否开后视镜的分数、s6变换车道是否开转向灯的分数。
驾驶习惯的检测方法为：
(1)在道路的弯道和十字路口出设置触发器，当车辆结果过时，触发检测器，根据用户当前时刻的关注力数据和驾驶数据计算s1，s2，s3三种驾驶习惯评分。
(2)在虚拟行人前后5米范围内放置触发器，当用户进入到触发区域后，触发检测器，根据用户的驾驶数据计算s4这一驾驶习惯评分。
(3)实时检测车辆的驾驶数据，当方向盘转向角大于20度时，认为该用户在变换车道，根据用户当前时刻的关注力数据和驾驶数据计算s5和s6两种驾驶习惯评分。
步骤4个性化的训练方案生成。
本发明基于马尔科夫蒙特卡洛算法设计个性化驾驶习惯训练方案生成方法。具体到本实施方案，个性化训练方案主要体现在不同的驾驶路线的生成。不同的路线上，用户将遇到不同的交通事件，每一个交通事件将针对一种特定的不良驾驶习惯进行训练。
首先，定义一个总的能量方程：
Ctotal(R)＝Cstatic(R)+Cdynamic(R) (1)
其中R为一个驾驶路线，该能量函数由两部分组成：
(1)静态物体能量函数Cstatic(R)，该能量函数计算用户驾驶车辆行进路线中将经过的直道数、弯道数以及十字路口的数量；
其中|R|为路线中所有节点的个数，Fs(r)和FT(r)分别表示经过的直道和路口的个数，λs和λT分别代表直道和路口的权重，该权重由用户驾驶习惯中和直道与路口中检测的习惯的评分进行定义。
λS＝3-s2-s5
λT＝3-s1-s6
(2)动态物体能量函数Cdynamic(R)，该能量函数计算用户驾驶车辆行进路线中将途径车辆和街上的行人的数量。
其中|R|为路线中所有节点的个数，Fp(r)和Fc(r)分别表示经过的行人和超车的个数，λP和λC分别代表行人和超车事件之间的权重。该权重由用户驾驶习惯中和行人以及超车事件有关的检测的习惯的评分进行定义。
λP＝1-s4
λc＝2-s3
根据步骤3中检测到的用户的不良驾驶习惯，设定训练方案的优化目标，该优化目标将使用户被检测到的不良驾驶习惯得到最大次数的训练。
采用马尔科夫蒙特卡洛方法，对构建的能量方程进行优化。优化过程如下：
(1)初始化时，给定一个路线的起点和终点，随机产生一条路线可以连接起点和终点；
(2)产生一条新的路线R’，路线产生的方法是，在前一次路线中随机取两个点ra和rb，随机产生一条以ra和rb为开始和结束的路线替代当前ra和rb之间的所有路径点；
(3)使用公式(1)计算产生的新的路线R’对应的能量值。
(4)采用Metropolis准则，接受或者拒绝当前产生的路线R’。
循环执行(2)-(4)，直到两次之间的能量下降比例小于5％，停止迭代，这条产生的路线就是最佳的个性化训练方案，一组生成示例如图5所示。
以上所述为本发明的较佳实施例而已，本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。
Claims (4)
1.一种基于虚拟现实的个性化驾驶习惯训练方案生成方法，其特征在于：包括虚拟城市建立、用户驾驶数据获取、驾驶习惯检测及个性化训练方法生成四部分，具体为：
步骤1构造虚拟城市场景；
其中，构造虚拟城市场景包括静态城市场景和动态城市场景；
构造静态城市场景包括构建虚拟城市布局、选取三维模型及放置三维模型；
构造动态城市场景主要包括交通事件仿真和用户驾驶车辆仿真，具体为：
步骤1.1构建虚拟城市布局，包括建筑物的布局和道路网；
步骤1.2选取城市建筑物、道路、车辆及行人的三维模型；
步骤1.3基于步骤1.1的城市布局和道路网以及步骤1.2中选取的三维模型，随机放置三维模型构造虚拟城市场景；
步骤1.4基于步骤1.3生成的虚拟城市场景，在道路上进行交通事件的仿真，交通事件包括两部分：
(1)行人交通事件仿真，具体为：由步骤1.2生成场景中的行人模型随机生成行走路线，行人模型根据生成的路线自动在场景中移动；
(2)车辆交通事件仿真，具体为：由步骤1.2生成场景中的车辆模型随机生成驾驶路线，车辆模型根据生成的路线自动在场景中移动；
步骤1.5基于步骤1.3生成的虚拟城市场景，在道路上进行用户驾驶车辆的仿真，根据用户使用的驾驶模拟器的方向盘转角、油门和刹车，由车辆的运动学方程，生成场景中用户驾驶车辆的速度、加速度以及朝向；
步骤2获取用户数据；
其中，用户数据包括关注力数据和驾驶数据；
步骤3检测驾驶习惯：
其中，驾驶习惯主要包括如下六类：转弯时是否观察后视镜、转弯时是否开转向灯、变换车道是否观察后视镜、变换车道是否开转向灯、遇到十字路口是否减速以及遇到行人是否停车；
步骤3，具体包括如下子步骤：
步骤3.1在步骤1中所描述的虚拟城市场景中，随机生成一条路线，用户再按照该条生成路线在虚拟城市场景中驾驶；
步骤3.2在步骤3.1中用户的驾驶过程中，获取关注力数据和驾驶数据；
其中，关注力数据通过如下操作获取：获取所有时刻用户的视线信息，并将该视线信息与虚拟城市场景中的三维模型相匹配，以获得用户在任意时刻视线所关注的目标的数据即关注力数据；
驾驶数据通过如下操作获取：用户通过虚拟驾驶方向盘和脚踏板，获取在所有时刻方向盘的转角以及脚踏板的受力，同时获取虚拟城市场景中用户所驾驶车辆模型的位置及运动速度；
步骤3.3分别针对六类驾驶习惯，在转弯处、用户变换车道时、十字路口以及行人出现时设置行为触发器，检测用户的驾驶数据，并根据驾驶数据对各驾驶习惯进行评分；
步骤4基于步骤3输出的驾驶习惯评分生成个性化的训练方案，具体为：
步骤4.1建立评价训练方案的能量函数；
其中，能量函数计算该训练方案与对驾驶员训练目标的符合程度；
步骤4.2对于步骤4.1中的能量函数进行优化，获得最优解；
其中，该最优解即为个性化训练方案，该个性化训练方案为最符合驾驶员训练的目标的训练方案。
2.根据权利要求1所述的一种基于虚拟现实的个性化驾驶习惯训练方案生成方法，其特征在于：步骤2中获取关注力数据，具体为：用户在虚拟城市场景中驾驶时，获得所有时刻用户的视线信息，并将该视线信息与虚拟城市场景中的三维模型相匹配，以获得用户在任意时刻视线所关注的目标的数据即关注力数据。
3.根据权利要求1所述的一种基于虚拟现实的个性化驾驶习惯训练方案生成方法，其特征在于：步骤2中获取驾驶数据，具体为：用户在虚拟城市场景中驾驶时，通过虚拟驾驶方向盘和脚踏板，获取在所有时刻方向盘的转角以及脚踏板的受力，同时获取虚拟城市场景中用户所驾驶车辆模型的位置及运动速度。
4.根据权利要求1所述的一种基于虚拟现实的个性化驾驶习惯训练方案生成方法，其特征在于：步骤2中驾驶数据主要包括所有时刻方向盘的转角数据、所有时刻脚踏板的受力数据、所有时刻用户驾驶车辆模型的位置数据以及所有时刻用户驾驶车辆模型的运动速度。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810187697 | 2018-03-07 | ||
| CN2018101876976 | 2018-03-07 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109872601A true CN109872601A (zh) | 2019-06-11 |
| CN109872601B CN109872601B (zh) | 2021-04-27 |
Family
ID=66916984
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811422561.5A Active CN109872601B (zh) | 2018-03-07 | 2018-11-27 | 一种基于虚拟现实的个性化驾驶习惯训练方案生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109872601B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110599850A (zh) * | 2019-09-19 | 2019-12-20 | 长沙理工大学 | 一种基于vr驾驶模拟器的驾考模拟方法和系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001075470A (ja) * | 1999-09-07 | 2001-03-23 | Hitachi Ltd | シミュレーションライド制御装置 |
| CN101236702A (zh) * | 2008-01-29 | 2008-08-06 | 武汉理工大学 | 基于虚拟现实的驾驶员注视物体识别系统 |
| CN101923669A (zh) * | 2008-07-18 | 2010-12-22 | 史迪芬·凯斯 | 智能的适应式设计 |
| CN102184659A (zh) * | 2011-06-09 | 2011-09-14 | 公安部交通管理科学研究所 | 一种汽车交通安全模拟驾驶教育训练系统 |
| CN104605820A (zh) * | 2015-01-21 | 2015-05-13 | 清华大学 | 驾驶员风险倾向行为的诊断系统 |
| CN104765842A (zh) * | 2015-04-15 | 2015-07-08 | 中山大学 | 一种最佳学习方案推送方法及系统 |
| CN105426638A (zh) * | 2015-12-24 | 2016-03-23 | 吉林大学 | 一种驾驶员行为特性辨识装置 |
| CN106205273A (zh) * | 2016-09-20 | 2016-12-07 | 山西省交通科学研究院 | 一种基于vr模拟技术的汽车驾驶模拟系统及方法 |
| CN106548679A (zh) * | 2016-02-03 | 2017-03-29 | 北京易驾佳信息科技有限公司 | 一种智能驾驶训练系统 |
| CN107221222A (zh) * | 2017-07-03 | 2017-09-29 | 扬州大学 | 一种面向工效评定的多模式驾驶模拟系统及其评定方法 |
-
2018
- 2018-11-27 CN CN201811422561.5A patent/CN109872601B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001075470A (ja) * | 1999-09-07 | 2001-03-23 | Hitachi Ltd | シミュレーションライド制御装置 |
| CN101236702A (zh) * | 2008-01-29 | 2008-08-06 | 武汉理工大学 | 基于虚拟现实的驾驶员注视物体识别系统 |
| CN101923669A (zh) * | 2008-07-18 | 2010-12-22 | 史迪芬·凯斯 | 智能的适应式设计 |
| CN102184659A (zh) * | 2011-06-09 | 2011-09-14 | 公安部交通管理科学研究所 | 一种汽车交通安全模拟驾驶教育训练系统 |
| CN104605820A (zh) * | 2015-01-21 | 2015-05-13 | 清华大学 | 驾驶员风险倾向行为的诊断系统 |
| CN104765842A (zh) * | 2015-04-15 | 2015-07-08 | 中山大学 | 一种最佳学习方案推送方法及系统 |
| CN105426638A (zh) * | 2015-12-24 | 2016-03-23 | 吉林大学 | 一种驾驶员行为特性辨识装置 |
| CN106548679A (zh) * | 2016-02-03 | 2017-03-29 | 北京易驾佳信息科技有限公司 | 一种智能驾驶训练系统 |
| CN106683521A (zh) * | 2016-02-03 | 2017-05-17 | 北京易驾佳信息科技有限公司 | 一种基于驾驶人操作行为感知的智能驾驶训练系统 |
| CN106205273A (zh) * | 2016-09-20 | 2016-12-07 | 山西省交通科学研究院 | 一种基于vr模拟技术的汽车驾驶模拟系统及方法 |
| CN107221222A (zh) * | 2017-07-03 | 2017-09-29 | 扬州大学 | 一种面向工效评定的多模式驾驶模拟系统及其评定方法 |
Non-Patent Citations (2)
| Title |
|---|
| 童厚健: "基于汽车驾驶模拟器的车辆自动驾驶研究", 《中国优秀博硕士学位论文全文数据库（硕士）工程科技Ⅱ辑》 * |
| 赵铭超 等: "虚拟仿真实验教学的探索与实践", 《实验室研究与探索》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110599850A (zh) * | 2019-09-19 | 2019-12-20 | 长沙理工大学 | 一种基于vr驾驶模拟器的驾考模拟方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109872601B (zh) | 2021-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11554785B2 (en) | Driving scenario machine learning network and driving environment simulation | |
| CN203366572U (zh) | 汽车驾驶模拟器 | |
| US6146143A (en) | Dynamically controlled vehicle simulation system, and methods of constructing and utilizing same | |
| CN100589148C (zh) | 面向训练的汽车驾驶模拟机实现方法 | |
| Schönauer et al. | Modeling concepts for mixed traffic: Steps toward a microscopic simulation tool for shared space zones | |
| CN110427682A (zh) | 一种基于虚拟现实的交通场景模拟实验平台和方法 | |
| CN112677983B (zh) | 一种识别驾驶员驾驶风格的系统 | |
| US7487074B2 (en) | Road traffic simulation apparatus | |
| CN108982117A (zh) | 一种无人车测试系统和方法 | |
| CN105788401B (zh) | 基于实车体的防御性驾驶模拟体验训练系统 | |
| CN104157158B (zh) | 行人夜间安全过街提醒装置 | |
| CN113050455A (zh) | 一种用于智能网联汽车的数字孪生测试系统及控制方法 | |
| CN109887372A (zh) | 驾驶培训模拟方法、电子设备及存储介质 | |
| CN106710358A (zh) | 基于操作精度模拟的交通工具高度仿真操作系统及其模型 | |
| CN108319250A (zh) | 智能驾驶汽车试验方法 | |
| CN104820763B (zh) | 一种基于vissim的交通事故三维仿真方法 | |
| CN115048972B (zh) | 交通场景解构分类方法及虚实结合自动驾驶测试方法 | |
| CN109658519A (zh) | 基于现实路况信息图像处理的车载多模式增强现实系统 | |
| Kühn | Fundamentals of road design | |
| CN109872601A (zh) | 一种基于虚拟现实的个性化驾驶习惯训练方案生成方法 | |
| CN116917828A (zh) | 基于日志数据在仿真环境中实例化对象 | |
| CN116597690B (zh) | 智能网联汽车的高速公路测试场景生成方法、设备及介质 | |
| Yang et al. | CAVTest: A closed connected and automated vehicles test field of Chang’an university in China | |
| JP2023156266A (ja) | シミュレーション方法、コンピューティングデバイス及び記憶媒体 | |
| CN113257074A (zh) | 一种基于驾驶人操作行为感知的智能驾驶训练系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211109 Address after: 271000 floor 22, West Tower, national high tech entrepreneurship service center, high tech Zone, Tai'an City, Shandong Province Patentee after: Leike Zhitu (Tai'an) Automobile Technology Co.,Ltd. Address before: 100081 No. 5 South Main Street, Haidian District, Beijing, Zhongguancun Patentee before: BEIJING INSTITUTE OF TECHNOLOGY |
|
| TR01 | Transfer of patent right |