CN112288287A - 车载信息系统的评估方法及设备 - Google Patents
车载信息系统的评估方法及设备 Download PDFInfo
- Publication number
- CN112288287A CN112288287A CN202011193860.3A CN202011193860A CN112288287A CN 112288287 A CN112288287 A CN 112288287A CN 202011193860 A CN202011193860 A CN 202011193860A CN 112288287 A CN112288287 A CN 112288287A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- evaluation index
- data
- node
- vehicle
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 314
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000003068 static effect Effects 0.000 claims abstract description 31
- 238000013461 design Methods 0.000 claims abstract description 28
- 238000004088 simulation Methods 0.000 claims abstract description 24
- 230000004424 eye movement Effects 0.000 claims abstract description 13
- 230000001815 facial effect Effects 0.000 claims abstract description 10
- 230000003993 interaction Effects 0.000 claims description 34
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000006399 behavior Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 10
- 230000004438 eyesight Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 210000004556 brain Anatomy 0.000 description 5
- 238000012854 evaluation process Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 210000001097 facial muscle Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 231100000430 skin reaction Toxicity 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明提供一种车载信息系统的评估方法及设备。该方法包括：根据车载信息系统的仿真设计模型对所述车载信息系统进行评估得到至少一个静态评估指标；采集用户与所述车载信息系统进行交互时的状态数据，所述状态数据包括如下至少一种：脑电波数据、面部数据、行为数据、眼动数据、生理数据；根据所述状态数据确定至少一个动态评估指标；根据所述静态评估指标和所述动态评估指标确定所述车载信息系统的评估结果数据。本发明的方法在评估车载信息系统时，不仅结合了车载系统的仿真设计模型，还结合了用户在与车载信息系统进行交互时的状态数据，如此使得对车载信息系统的评估结合了多种维度的数据，有助于提高评估的准确度。
Description
技术领域
本发明涉及计算机处理技术领域，尤其涉及一种车载信息系统的评估方法及设备。
背景技术
随着汽车的广泛使用，人们对汽车的车载信息系统的依赖性也逐渐增强，例如，人们可以通过车载信息系统进行导航、搜索、播放音乐、接听电话、拨打电话、调节空调温度等操作，从而使得车载信息系统对安全驾驶以及驾驶体验的影响越来越大。从而需要对车载信息系统进行评估得到车载信息系统的人机交互界面的合理性、可用性、满意度等。
基于此，如何准确的对车载信息系统进行评估成为亟需解决的问题。
发明内容
本发明提供一种车载信息系统的评估方法及设备，用以准确的对车载信息系统进行评估。
第一方面，本发明提供一种车载信息系统的评估方法，包括：
根据车载信息系统的仿真设计模型对所述车载信息系统进行评估得到至少一个静态评估指标；
采集用户与所述车载信息系统进行交互时的状态数据，所述状态数据包括如下至少一种：脑电波数据、面部数据、行为数据、眼动数据、生理数据；
根据所述状态数据确定至少一个动态评估指标；
根据所述静态评估指标和所述动态评估指标确定所述车载信息系统的评估结果数据。
可选地，所述评估结果数据包括：树状结构中的各节点所对应的评估指标，所述静态评估指标和所述动态评估指标为所述树状结构中的叶子节点所对应的评估指标，所述根据所述静态评估指标和所述动态评估指标确定所述车载信息系统的评估结果数据，包括：
根据所述叶子节点所对应的评估指标确定所述树状结构中的非叶子节点所对应的评估指标。
可选地，所述树状结构中的节点对应有权重，所述根据所述叶子节点所对应的评估指标确定所述树状结构中的非叶子节点所对应的评估指标，包括：
对于所述树状结构的其中一个非叶子结点，根据所述非叶子节点的子节点的权重对所述子节点所对应的评估指标进行加权，得到所述非叶子节点所对应的评估指标。
可选地，所述权重是通过如下步骤确定的：
对于其中一个所述节点，根据所述节点的子节点所对应的评估指标对所述节点所对应的评估指标的重要性，生成所述节点所对应的成对比较矩阵，所述成对比较矩阵中的第i行第j列元素代表第i个评估指标相对第j个评估指标对所述节点所对应的评估指标的重要性，其中，所述第i个评估指标为所述节点的第i个子节点所对应的评估指标，第j个评估指标为所述节点的第j个子节点所对应的评估指标；
根据所述成对比较矩阵中的第i行的各元素，确定第i个子节点所对应的评估指标的权重。
可选地，所述静态评估指标包括清晰度，所述根据车载信息系统的仿真设计模型对所述车载信息系统进行评估得到至少一个静态评估指标，包括：
根据所述车载信息系统的仿真设计模型显示所述车载信息系统的人机交互界面，所述人机交互界面中包括目标信息；
显示至少两个清晰度不同的参考信息；
接收用户根据所述参考信息确定的所述目标信息的清晰度。
可选地，所述根据所述状态数据确定至少一个动态评估指标，包括：
对所述状态数据进行归类得到至少一个分类；
根据属于所述分类的状态数据确定所述分类所对应的动态评估指标。
第二方面，本发明提供一种电子设备，包括：
第一评估模块，用于根据车载信息系统的仿真设计模型对所述车载信息系统进行评估得到至少一个静态评估指标；
状态数据采集模块，用于采集用户与所述车载信息系统进行交互时的状态数据，所述状态数据包括如下至少一种：脑电波数据、面部数据、行为数据、眼动数据、生理数据；
第二评估模块，用于根据所述状态数据确定至少一个动态评估指标；
评估结果数据生成模块，用于根据所述静态评估指标和所述动态评估指标确定所述车载信息系统的评估结果数据。
可选地，所述评估结果数据包括：树状结构中的各节点所对应的评估指标，所述静态评估指标和所述动态评估指标为所述树状结构中的叶子节点所对应的评估指标，所述评估结果数据生成模块，还用于根据所述叶子节点所对应的评估指标确定所述树状结构中的非叶子节点所对应的评估指标。
可选地，所述树状结构中的节点对应有权重，所述评估结果数据生成模块，还用于对于所述树状结构的其中一个非叶子结点，根据所述非叶子节点的子节点的权重对所述子节点所对应的评估指标进行加权，得到所述非叶子节点所对应的评估指标。
可选地，所述权重是通过如下模块确定的：
矩阵生成模块，用于对于其中一个所述节点，根据所述节点的子节点所对应的评估指标对所述节点所对应的评估指标的重要性，生成所述节点所对应的成对比较矩阵，所述成对比较矩阵中的第i行第j列元素代表第i个评估指标相对第j个评估指标对所述节点所对应的评估指标的重要性，其中，所述第i个评估指标为所述节点的第i个子节点所对应的评估指标，第j个评估指标为所述节点的第j个子节点所对应的评估指标；
权重确定模块，用于根据所述成对比较矩阵中的第i行的各元素，确定第i个子节点所对应的评估指标的权重。
可选地，所述静态评估指标包括清晰度，所述第一评估模块，还用于根据所述车载信息系统的仿真设计模型显示所述车载信息系统的人机交互界面，所述人机交互界面中包括目标信息；显示至少两个清晰度不同的参考信息；接收用户根据所述参考信息确定的所述目标信息的清晰度。
可选地，所述第二评估模块，还用于对所述状态数据进行归类得到至少一个分类；根据属于所述分类的状态数据确定所述分类所对应的动态评估指标。
第三方面，本发明提供一种电子设备，包括：处理器和用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为实现前述第一方面所述的方法。
第四方面，本发明提供一种计算机程序，所述计算机程序用于实现前述第一方面所述的方法。
第五方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当该存储介质中的计算机执行指令由电子设备的处理器执行时，使得电子设备能够执行前述第一方面所述的方法。
本发明提供的车载信息系统的评估方法及设备，在评估车载信息系统时，不仅结合了车载系统的仿真设计模型，还结合了用户在与车载信息系统进行交互时的状态数据，如此使得对车载信息系统的评估结合了多种维度的数据，有助于提高评估的准确度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1为本发明实施例提供的一种应用场景的示意图；
图2为本发明实施例提供的车载信息系统的评估过程示意图；
图3为本发明实施例提供的车载信息系统的评估方法步骤流程图；
图4为本发明实施例提供的树状结构的评估指标体系示意图；
图5为本发明实施例提供的人机交互界面设计的清晰度评估显示示意图；
图6为本发明实施例提供的电子设备的结构框图；
图7为本发明实施例提供的电子设备的硬件结构示意图；
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
首先对本发明所涉及的名词进行解释：
车载信息系统，是指一种能使驾驶员在驾驶过程中，通过车载电子装备及时了解汽车运行的状况信息和外界信息的装置。车载信息系统包括人机交互界面和通信设备两部分。其中，汽车运行的状况信息可通过观察人机交互界面的显示来得到，而外界信息需要通过与外界联系的通信设备得到。
本发明提供的车载信息系统的评估方法可以适用于电子设备中，如图1所示，电子设备可以根据车载信息系统的仿真设计模型以及状态数据对车载信息系统进行评估，得到评估结果数据，上述状态数据是用户在驾驶过程中通过人机交互界面与车载信息系统进行交互时的状态数据。
基于上述图1所示的应用场景，图2示出了对车载信息系统进行的评估过程示意图，首先，可以从任务范式库中获取任务，以通过车载信息系统的人机交互界面执行该任务，其中，任务包括但不限于：导航、接听电话、拨打电话、播放音乐、空调控制，空调控制包括通风和调节温度，在执行上述任务时，用户存在与车载信息系统的交互行为，该交互行为包括但不限于：输入、选择、搜索、反馈、激活、关闭、调节等；然后，评估平台可以通过仿真评价平台实现对车载信息系统的静态评估，评估平台还可以通过驾驶模拟器模拟驾驶场景，以实现对车载信息系统的动态评估；在动态评估的过程中，还可以通过软件、摄像头、眼动仪、生理信息采集系统、脑电仪、运动捕捉系统等获取用户的状态数据；此外，还可以通过访谈、调查问卷、主观等级量表等方式获取主观数据；最后，对主观数据和状态数据进行数据归类与统计之后输入到评估模型中得到评估结果数据。
其中，上述评估模型可以理解为一个函数模型，这个函数模型是预先确定的，确定过程中采用了知识库、国家标准、专家知识、法律法规、经验等。
可选的，上述电子设备可以是移动电话、计算机、数字广播终端、消息收发设备、游戏控制台、平板设备、医疗设备、健身设备、个人数字助理、智能手表、平板电脑等设备。
下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
图3是根据示例性实施例示出的一种车载信息系统的评估方法的步骤流程图，包括：
S101，根据车载信息系统的仿真设计模型对车载信息系统进行评估得到至少一个静态评估指标。
其中，车载信息系统的仿真设计模型包括表示车载信息系统的若干数据，这些数据中包括的人机交互界面的布局、结构等数据，可以使电子设备在显示屏上显示车载信息系统的人机交互界面，这些数据中包括的处理逻辑数据，可以使电子设备对用户在人机交互界面中的输入操作进行响应。
在本发明实施例中，可以预先将车载信息系统导入评估平台中，然后评估平台可以根据仿真设计模型对车载信息系统进行评估，得到静态评估指标，其中，静态评估指标包括但不限于：对人机交互界面的评估指标和对交互过程的评估指标。
其中，对人机交互界面的评估指标是在评估平台根据仿真设计模型显示人机交互界面之后评估得到的，包括但不限于：图像或文字的形状、大小、色彩、亮度、风格、信息明确、图像清晰。
此外，对交互过程的评估指标是评估平台根据仿真设计模型对用户在人机交互界面中的输入操作进行响应的过程中评估得到的，包括但不限于：交互可达性、可控区域、操作范围、学习时间、记忆时间、可视性、准确(出错率)、容错(易恢复)、清晰性、提供快捷方式、逻辑清晰易于理解等。
当然，在评估过程中，还可以调整仿真设计模型，以评估不同的车载信息系统。
在本申请实施例中，可以将前述各种形式的电子设备作为评估平台。
S102，采集用户与车载信息系统进行交互时的状态数据，状态数据包括如下至少一种：脑电波数据、面部数据、行为数据、眼动数据、生理数据。
可以理解的是，用户可以为驾驶员，驾驶员在驾驶过程中与车载信息系统进行交互，该驾驶过程可以是真实的，也可以是模拟的，例如，驾驶员可以操作模拟驾驶器进行模拟驾驶。
其中，脑电波数据可以通过检测脑电波的设备获取得到，例如，脑电仪。
面部数据是面部肌肉的动作数据，可以通过摄像头或生理信息采集系统采集得到。
行为数据是用户的头部动作数据、肢体动作数据，可以通过摄像头或运动捕捉系统采集得到。
眼动数据也可以称为眼部动作数据，眼部动作数据包括眼球动作数据，可以通过检测眼球运动的设备获取得到，例如，眼动仪。
生理数据可以包括但不限于：心率数据、皮肤电反应数据，皮肤电反映数据也可以称为皮电数据。心率数据可以通过心电图设备、运动手环、心率带等采集得到，生理数据可以通过多导生理信息采集系统获取。
S103，根据状态数据确定至少一个动态评估指标。
可以理解的是，上述状态数据体现了用户在与车载信息系统交互时的状态，这些数据表示了用户对车载信息系统交互的合理性、可用性和满意度，从而可以分析得到如图4所示的评估指标体系中的各叶子节点所对应的评估指标。例如，脑电波数据体现了用户在与车载信息系统交互时的用脑情况，若用脑较多，则表明学习时间较长，逻辑难以理解、记忆时间较长，面部数据体现了用户在与车载信息系统交互时的面部表情，从而可以分析得到分心程度、情绪，行为数据可以分析得到交互流程的步骤数，步骤数越多，则代表效率较低；眼部动作数据可以分析得到视线轨迹，视线轨迹较长，则代表效率较低。
S104，根据静态评估指标和动态评估指标确定车载信息系统的评估结果数据。
具体地，可以将静态评估指标和动态评估指标作为评估结果数据，还可以将静态评估指标和动态评估指标相加作为评估结果数据。
可选地，在本发明实施例的一种示例中，上述评估结果数据包括：树状结构中的各节点所对应的评估指标，上述静态评估指标和动态评估指标为树状结构中的叶子节点所对应的评估指标，上述S104包括S1041：
S1041，根据叶子节点所对应的评估指标确定树状结构中的非叶子节点所对应的评估指标。
其中，树状结构为不同层次、具有归属关系的多个评估指标形成的结构，例如，如图4所示的树状结构的评估指标体系，该树状结构也可以称为车载信息系统的评估指标体系，树状结构中的每个节点均对应评估指标体系中的一个评估指标，根节点对应的评估指标为综合得分，根节点存在三个子节点，这三个子节点分别对应“合理性”、“可用性”、“满意度”三个评估指标，代表综合得分由“合理性”、“可用性”、“满意度”三个评估指标确定；而评估指标“布局”所在的节点的子节点所对应的评估指标包括“可达性”、“可控区域”和“操作范围”，代表评估指标“布局”由“可达性”、“可控区域”和“操作范围”三个评估指标确定，如此，其余节点所对应的评估指标也类似如此确定，在此不再赘述。
具体地，确定非叶子节点所对应的评估指标时，可以按照树状结构从其叶子节点所属的父节点开始，根据其子节点所对应的评估指标确定父节点所对应的评估指标，如此迭代直至得到根节点对应的综合得分。如图4所示的评估指标体系，可以根据信息明确、图像清晰的评估得分确定内容的评估得分，然后，根据外观、内容、布局确定合理性的评估得分；最后，根据合理性、可用性、满意度确定综合得分。
需要说明的是，在实际应用中，可以选取其中部分评估指标作为评估结果数据，这部分评估指标属于同一个父节点对应的评估指标。例如，如图4所示的评估指标体系，可以仅对合理性进行评估，从而评估结果数据中可以包括合理性以及合理性所在节点的子节点所对应的评估指标。
上述节点所对应的评估指标可以是子节点所对应的评估指标的和、或乘积、或加权。后续为了方便说明，对于当前评估指标，可以将其所在节点的子节点所对应的评估指标称为下一级评估指标；可以将其所在节点的父节点所对应的评估指标称为上一级评估指标。
可选地，在本发明实施例的一种示例中，上述树状结构中的节点对应有权重，上述S1041包括S10411：
S10411，对于树状结构的其中一个非叶子结点，根据非叶子节点的子节点的权重对子节点所对应的评估指标进行加权，得到非叶子节点所对应的评估指标。
具体地，非叶子节点所对应的评估指标可以参照如下公式：
其中，SCOREi,j为树状结构中的第i层第j个评估指标，SCOREi,j,k为SCOREi,j所在节点的第k个子节点所对应的评估指标，wi,j,k为SCOREi,j所在节点的第k个子节点所对应的权重，K为SCOREi,j所在节点的子节点的数目。
本发明实施例可以通过不同的权重灵活调整不同的评估指标对车载信息系统的综合得分的影响。
上述权重可以根据实际经验设定，还可以按照步骤S105至S106确定，也可以通过步骤S107确定，或者其中至少两种方案结合。
S105，对于其中一个节点，根据节点的子节点所对应的评估指标对节点所对应的评估指标的重要性，生成节点所对应的成对比较矩阵，成对比较矩阵中的第i行第j列元素代表第i个评估指标相对第j个评估指标对节点所对应的评估指标的重要性，其中，第i个评估指标为节点的第i个子节点所对应的评估指标，第j个评估指标为节点的第j个子节点所对应的评估指标。
其中，重要性可以根据知识库、国家标准、专家知识、法律法规、设计或评估经验等多维数据确定，例如，如图4所示的评估指标系统，对于评估指标“可用性”，综合知识库、国家标准、专家知识、法律法规、设计或评估经验等多维数据确定评估指标“易学”比评估指标“可视性”的重要性高。
在本发明实施例中，每个非叶子节点均对应一个成对比较矩阵，也就是该非叶子节点对应的评估指标对应一个成对比较矩阵，该成对比较矩阵的行数和列数均为该非叶子节点的子节点的数目。基于上述重要性，可以按照如下策略确定成对比较矩阵中的第i行第j列元素Ai,j：
当第i个子节点所对应的评估指标与第j个子节点所对应的评估指标的重要性相同时，Ai,j＝1；
当第i个子节点所对应的评估指标比第j个子节点所对应的评估指标略重要时，Ai,j＝3；
当第i个子节点所对应的评估指标比第j个子节点所对应的评估指标重要时，Ai,j＝5；
当第i个子节点所对应的评估指标比第j个子节点所对应的评估指标重要的多时，Ai,j＝7；
当第i个子节点所对应的评估指标比第j个子节点所对应的评估指标重要的极其多时，Ai,j＝9。
可以理解的是，成对比较矩阵中的Ai,i＝1，并且Ai,i＞0。
基于上述确定的Ai,j可以确定
其中，i≠j。
基于上述生成成对比较矩阵的过程，可以生成如图4所示的评估指标体系中的评估指标“布局”所对应的成对比较矩阵，由于评估指标“布局”的下一级评估指标存在可达性、可控区域、操作范围三个，从而成对比较矩阵的行数和列数均为3，i<＝3，j<＝3；若“可达性”比“可控区域”重要，“可达性”比“操作范围”重要的多，“可控区域”比“操作范围”重要，则A1,2＝5，A1,3＝7，A2,3＝5，根据
确定A2,1＝1/5，A3,1＝1/7，A3,2＝1/5，又由于Ai,i＝1，从而可以得到如下的成对比较矩阵：
S106，根据成对比较矩阵中的第i行的各元素，确定第i个子节点所对应的评估指标的权重。
在本发明实施例的一种示例中，第i个子节点所对应的评估指标的权重可以根据第i行的各元素的乘积确定，即通过几何平均法确定，主要步骤包括：首先，计算第i行的各元素的乘积
J为列数；然后，计算第i行的各元素的乘积的n次方根
n可以为成对比较矩阵的行数或列数；最后，对各行元素的乘积的n次方根进行归一化处理得到第i行所对应的评估指标的权重wi如下：
在本发明实施例的另一种示例中，第i个子节点所对应的评估指标的权重可以根据第i行的各元素的和确定，即通过规范列平均法确定，主要步骤包括：首先，计算第i行的各元素的和
J为列数；然后，对各行元素的和进行归一化处理得到第i行所对应的评估指标的权重wi如下：
对于上述评估指标“布局”所对应的成对比较矩阵A，I＝J＝3，n＝3，从而可以按照上述两个公式计算得到每行的权重。
S107，通过样本数据集对机器模型进行训练得到权重，该样本数据集包括至少一个样本数据，该样本数据包括样本评估指标。
其中，样本数据包括：如图4所示的评估指标体系中的各评估指标，该评估指标在训练时可以称为样本评估指标，从而可以通过机器模型表示指标体系中各样本评估指标之间的关系，该关系中包括确定上一级样本评估指标时当前级样本评估指标所对应的权重，对机器模型的训练过程即为确定权重的过程。当前级样本评估指标对应的节点为上一级样本评估指标对应的节点的子节点，上一级样本评估指标对应的节点为当前级样本评估指标对应的节点的父节点。
上述机器模型可以是神经网络模型或线性回归模型，其中神经网络模型可以为深度神经网络模型(deep neural networks，DNN)，卷积神经网络模型(convolutionalneural networks，CNN)等。
对上述机器模型的训练过程具体可以为：首先，初始化机器模型，即将机器模型中的权重设定为一个初始值，该值可以按照经验随机设定，还可以设定为步骤105至106确定的权重，设定为步骤105至106确定的权重可以有助于减小机器模型的训练时长；然后，进行多轮迭代训练，在每轮迭代训练中，将当前级的样本评估指标输入到机器模型中得到上一级预测评估指标；最后，通过大量的上一级预测评估指标和对应的上一级样本评估指标确定损失值，当损失值满足不预设条件时，调整机器模型中的权重，并进行下一轮迭代训练；当损失值满足预设条件时，结束训练，此时机器模型中的权重就是训练得到的权重。
上述损失值是预测评估指标和样本评估指标之间的差异的数值化表示，可以根据损失函数计算得到，损失函数可以用平方和损失函数、交叉熵损失函数、绝对值损失函数等。本发明实施例对采用的损失函数不加以限制。
上述损失值满足预设条件可以为：损失值在多伦迭代中未继续变小和/或损失值小于或等于预设阈值。
可选地，在本发明实施例的一种示例中，静态评估指标包括清晰度，上述S101包括S1011至S1012：
S1011，根据车载信息系统的仿真设计模型显示车载信息系统的人机交互界面，人机交互界面中包括目标信息。
其中，人机交互界面用于向用户显示如下至少一种目标信息：提示信息、搜索结果信息，提示信息、搜索结果信息可以为图片或文字。
S1012，显示至少两个清晰度不同的参考信息。
其中，参考信息可以是预设的，例如，参考信息可以是用于检测视力的字母“E”。
清晰度可以用大小表示，清晰度较高对应参考信息越大，清晰度较低对应参考信息越小。
在本发明实施例中，可以将清晰度不同的参考信息显示在目标信息的预设距离范围内，以作为判断目标信息的清晰度的参考。参考信息的清晰度可以预先设定，假设用户的视力为目标视力，按照该用户与人机交互界面之间的预设距离，确定该用户可以看清的参考信息的大小，将该目标视力分别取不同的取值可以得到多个参考信息的大小，将这多个参考信息的大小作为多个不同的清晰度。例如，目标视力可以为5.0、4.9、5.1，从而可以得到三个参考信息的大小，即得到三个不同的清晰度。
上述参考信息的大小可以根据相似三角形原理确定，相似三角形原理可以参照如下公式：
由上述公式推导可以得到如下参考信息的大小S1：
其中，D1为用户与人机交互界面之间的预设距离，S2为视力表中的字母“E”的大小，由于人眼最小分辨视角为一分视角，从而S2是按照距离为D2＝5米时人眼可分辨的一分视角的五倍来计算的。
可以理解的是，当用户的目标视力不同时上述S2不同，从而得到的S1也不同。例如，当目标视力为5.0时，S2＝7.3毫米。如此，根据上述公式(5)可以得到用户的目标视力分别为5.0、5.1、4.9时分别对应的参考信息的大小S1，从而可以将这三个不同大小S1的参考信息作为清晰度标尺显示在如图5所示的人机交互界面设计的清晰度评估显示示意图，图中显示有目标信息：“请输入起始地”和“请输入目的地”，同时，在周围显示有不同大小的参考信息“E”，可以看出，最上面的“E”最大，从而其清晰度最好；中间的“E”次之，最下面的“E”最小，从而其清晰度最差。
S1013，接收用户根据参考信息确定的目标信息的清晰度。
其中，清晰度是用户根据参考信息的大小和目标信息的大小确定的，例如，基于上述图5示出的参考信息“E”和目标信息“请输入起始地”、“请输入目的地”，用户发现目标信息比中间的“E”更小，从而确定该目标信息的大小偏小，清晰度不够。
可以理解的是，由于目标信息在显示之前其大小和清晰度无法事先确定，从而评估平台无法直接基于目标信息主动做出是否清晰的判断。本发明实施例可以通过不同清晰度的参考信息辅助用户确定目标信息的清晰度，有助于提高清晰度的准确度。
可选地，在本发明实施例的一种示例中，上述S103包括S1031至S1032：
S1031，对状态数据进行归类得到至少一个分类。
S1032，根据属于分类的状态数据确定分类所对应的动态评估指标。
其中，一个分类可以对应一个动态评估指标，该分类内可以包括一个或多个状态数据，该分类内的状态数据可以共同确定动态评估指标的取值，一个状态数据可以分类到一个或多个分类中，例如，面部数据可以属于准确度(出错率)对应的分类，也可以属于交互体验的对应的分类。
综上所述，本发明提供的车载信息系统的评估方法及设备，在评估车载信息系统时，不仅结合了车载系统的仿真设计模型，还结合了用户在与车载信息系统进行交互时的状态数据，如此使得对车载信息系统的评估结合了多种维度的数据，有助于提高评估的准确度。
图6是根据示例性实施例示出的一种电子设备的结构框图，包括如下模块：
第一评估模块201，用于根据车载信息系统的仿真设计模型对车载信息系统进行评估得到至少一个静态评估指标。
状态数据采集模块202，用于采集用户与车载信息系统进行交互时的状态数据，该状态数据包括如下至少一种：脑电波数据、面部数据、行为数据、眼动数据、生理数据。
第二评估模块203，用于根据状态数据确定至少一个动态评估指标。
评估结果数据生成模块204，用于根据静态评估指标和动态评估指标确定车载信息系统的评估结果数据。
可选地，在本发明实施例的一种示例中，上述评估结果数据包括：树状结构中的各节点所对应的评估指标，上述静态评估指标和动态评估指标为树状结构中的叶子节点所对应的评估指标，上述评估结果数据生成模块204，还用于根据叶子节点所对应的评估指标确定树状结构中的非叶子节点所对应的评估指标。
可选地，在本发明实施例的一种示例中，上述树状结构中的节点对应有权重，上述评估结果数据生成模块204，还用于对于树状结构的其中一个非叶子结点，根据非叶子节点的子节点的权重对子节点所对应的评估指标进行加权，得到非叶子节点所对应的评估指标。
可选地，在本发明实施例的一种示例中，上述权重是通过如下矩阵生成模块和权重确定模块确定的：
矩阵生成模块，用于对于其中一个节点，根据节点的子节点所对应的评估指标对节点所对应的评估指标的重要性，生成节点所对应的成对比较矩阵，成对比较矩阵中的第i行第j列元素代表第i个评估指标相对第j个评估指标对节点所对应的评估指标的重要性，其中，第i个评估指标为节点的第i个子节点所对应的评估指标，第j个评估指标为节点的第j个子节点所对应的评估指标。
权重确定模块，用于根据成对比较矩阵中的第i行的各元素，确定第i个子节点所对应的评估指标的权重。
可选地，在本发明实施例的一种示例中，上述静态评估指标包括清晰度，第一评估模块201，还用于根据车载信息系统的仿真设计模型显示车载信息系统的人机交互界面，人机交互界面中包括目标信息；显示至少两个清晰度不同的参考信息；接收用户根据参考信息确定的目标信息的清晰度。
可选地，在本发明实施例的一种示例中，上述第二评估模块203，还用于对状态数据进行归类得到至少一个分类；根据属于分类的状态数据确定分类所对应的动态评估指标。
本发明提供的电子设备实施例是前述方法实施例对应的装置实施例，也具有前述方法实施例所具有的有益效果，详细说明可以参照方法实施例，在此不再赘述。
图7是根据一示例性实施例示出的一种电子设备的框图，该设备可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。该电子设备包括处理器301和用于存储处理器301可执行指令的存储器302，处理器301用于实现前述车载信息系统的评估方法。
此外，该电子设备还包括接收器303和发送器304，接收器303用于接收从其余装置或设备的信息，并转发给处理器301，发送器304用于将信息发送到其余装置或设备。
本发明实施例还提供了一种计算机程序，所述计算机程序用于实现前述车载信息系统的评估方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当该存储介质中的计算机执行指令由电子设备的处理器执行时，使得电子设备能够执行前述车载信息系统的评估方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (15)
1.一种车载信息系统的评估方法，其特征在于，包括：
根据车载信息系统的仿真设计模型对所述车载信息系统进行评估得到至少一个静态评估指标；
采集用户与所述车载信息系统进行交互时的状态数据，所述状态数据包括如下至少一种：脑电波数据、面部数据、行为数据、眼动数据、生理数据；
根据所述状态数据确定至少一个动态评估指标；
根据所述静态评估指标和所述动态评估指标确定所述车载信息系统的评估结果数据。
2.根据权利要求1所述的方法，其特征在于，所述评估结果数据包括：树状结构中的各节点所对应的评估指标，所述静态评估指标和所述动态评估指标为所述树状结构中的叶子节点所对应的评估指标，根据所述静态评估指标和所述动态评估指标确定所述车载信息系统的评估结果数据，包括：
根据所述叶子节点所对应的评估指标确定所述树状结构中的非叶子节点所对应的评估指标。
3.根据权利要求2所述的方法，其特征在于，所述树状结构中的节点对应有权重，所述根据所述叶子节点所对应的评估指标确定所述树状结构中的非叶子节点所对应的评估指标，包括：
对于所述树状结构的其中一个非叶子结点，根据所述非叶子节点的子节点的权重对所述子节点所对应的评估指标进行加权，得到所述非叶子节点所对应的评估指标。
4.根据权利要求3所述的方法，其特征在于，所述权重是通过如下步骤确定的：
对于其中一个所述节点，根据所述节点的子节点所对应的评估指标对所述节点所对应的评估指标的重要性，生成所述节点所对应的成对比较矩阵，所述成对比较矩阵中的第i行第j列元素代表第i个评估指标相对第j个评估指标对所述节点所对应的评估指标的重要性，其中，所述第i个评估指标为所述节点的第i个子节点所对应的评估指标，第j个评估指标为所述节点的第j个子节点所对应的评估指标；
根据所述成对比较矩阵中的第i行的各元素，确定第i个子节点所对应的评估指标的权重。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述静态评估指标包括清晰度，所述根据车载信息系统的仿真设计模型对所述车载信息系统进行评估得到至少一个静态评估指标，包括：
根据所述车载信息系统的仿真设计模型显示所述车载信息系统的人机交互界面，所述人机交互界面中包括目标信息；显示至少两个清晰度不同的参考信息；
接收用户根据所述参考信息确定的所述目标信息的清晰度。
6.根据权利要求1至4中任一项所述的方法，其特征在于，根据所述状态数据确定至少一个动态评估指标，包括：
对所述状态数据进行归类得到至少一个分类；
根据属于所述分类的状态数据确定所述分类所对应的动态评估指标。
7.一种电子设备，包括：
第一评估模块，用于根据车载信息系统的仿真设计模型对所述车载信息系统进行评估得到至少一个静态评估指标；
状态数据采集模块，用于采集用户与所述车载信息系统进行交互时的状态数据，所述状态数据包括如下至少一种：脑电波数据、面部数据、行为数据、眼动数据、生理数据；
第二评估模块，用于根据所述状态数据确定至少一个动态评估指标；
评估结果数据生成模块，用于根据所述静态评估指标和所述动态评估指标确定所述车载信息系统的评估结果数据。
8.根据权利要求7所述的设备，其特征在于，所述评估结果数据包括：树状结构中的各节点所对应的评估指标，所述静态评估指标和所述动态评估指标为所述树状结构中的叶子节点所对应的评估指标，所述评估结果数据生成模块，还用于根据所述叶子节点所对应的评估指标确定所述树状结构中的非叶子节点所对应的评估指标。
9.根据权利要求8所述的设备，其特征在于，所述树状结构中的节点对应有权重，所述评估结果数据生成模块，还用于对于所述树状结构的其中一个非叶子结点，根据所述非叶子节点的子节点的权重对所述子节点所对应的评估指标进行加权，得到所述非叶子节点所对应的评估指标。
10.根据权利要求9所述的设备，其特征在于，所述权重是通过如下模块确定的：
矩阵生成模块，用于对于其中一个所述节点，根据所述节点的子节点所对应的评估指标对所述节点所对应的评估指标的重要性，生成所述节点所对应的成对比较矩阵，所述成对比较矩阵中的第i行第j列元素代表第i个评估指标相对第j个评估指标对所述节点所对应的评估指标的重要性，其中，所述第i个评估指标为所述节点的第i个子节点所对应的评估指标，第j个评估指标为所述节点的第j个子节点所对应的评估指标；
权重确定模块，用于根据所述成对比较矩阵中的第i行的各元素，确定第i个子节点所对应的评估指标的权重。
11.根据权利要求7至10中任一项所述的设备，其特征在于，所述静态评估指标包括清晰度，所述第一评估模块，还用于根据所述车载信息系统的仿真设计模型显示所述车载信息系统的人机交互界面，所述人机交互界面中包括目标信息；显示至少两个清晰度不同的参考信息；接收用户根据所述参考信息确定的所述目标信息的清晰度。
12.根据权利要求7至10中任一项所述的设备，其特征在于，所述第二评估模块，还用于对所述状态数据进行归类得到至少一个分类；根据属于所述分类的状态数据确定所述分类所对应的动态评估指标。
13.一种电子设备，包括：处理器和用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为实现如权利要求1至6任一项所述的方法。
14.一种计算机程序，所述计算机程序用于实现如权利要求1至6任一项所述的方法。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当该存储介质中的计算机执行指令由电子设备的处理器执行时，使得电子设备执行如权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011193860.3A CN112288287B (zh) | 2020-10-30 | 2020-10-30 | 车载信息系统的评估方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011193860.3A CN112288287B (zh) | 2020-10-30 | 2020-10-30 | 车载信息系统的评估方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112288287A true CN112288287A (zh) | 2021-01-29 |
| CN112288287B CN112288287B (zh) | 2024-10-22 |
Family
ID=74352719
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011193860.3A Active CN112288287B (zh) | 2020-10-30 | 2020-10-30 | 车载信息系统的评估方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112288287B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115409535A (zh) * | 2022-07-20 | 2022-11-29 | 南京航空航天大学 | 一种融合多源异构数据的复杂产品感性交互绩效评价方法 |
| CN115670465A (zh) * | 2022-09-27 | 2023-02-03 | 上汽通用五菱汽车股份有限公司 | 车辆动静态用户体验评价方法、装置、电子设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060199167A1 (en) * | 2004-12-21 | 2006-09-07 | Yang Ung Y | User interface design and evaluation system and hand interaction based user interface design and evaluation system |
| CN107330589A (zh) * | 2017-06-19 | 2017-11-07 | 中国科学院光电研究院 | 卫星网络协调风险的定量化评估方法及系统 |
| CN108009076A (zh) * | 2017-11-29 | 2018-05-08 | 大陆汽车投资（上海）有限公司 | 车载用户界面的评估及优化方法 |
| CN109902904A (zh) * | 2017-12-11 | 2019-06-18 | 清华大学 | 创新性能力分析系统及方法 |
| CN111199205A (zh) * | 2019-12-30 | 2020-05-26 | 科大讯飞股份有限公司 | 车载语音交互体验评估方法、装置、设备及存储介质 |
-
2020
- 2020-10-30 CN CN202011193860.3A patent/CN112288287B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060199167A1 (en) * | 2004-12-21 | 2006-09-07 | Yang Ung Y | User interface design and evaluation system and hand interaction based user interface design and evaluation system |
| CN107330589A (zh) * | 2017-06-19 | 2017-11-07 | 中国科学院光电研究院 | 卫星网络协调风险的定量化评估方法及系统 |
| CN108009076A (zh) * | 2017-11-29 | 2018-05-08 | 大陆汽车投资（上海）有限公司 | 车载用户界面的评估及优化方法 |
| CN109902904A (zh) * | 2017-12-11 | 2019-06-18 | 清华大学 | 创新性能力分析系统及方法 |
| CN111199205A (zh) * | 2019-12-30 | 2020-05-26 | 科大讯飞股份有限公司 | 车载语音交互体验评估方法、装置、设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115409535A (zh) * | 2022-07-20 | 2022-11-29 | 南京航空航天大学 | 一种融合多源异构数据的复杂产品感性交互绩效评价方法 |
| CN115670465A (zh) * | 2022-09-27 | 2023-02-03 | 上汽通用五菱汽车股份有限公司 | 车辆动静态用户体验评价方法、装置、电子设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112288287B (zh) | 2024-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220284327A1 (en) | Resource pushing method and apparatus, device, and storage medium | |
| EP2891454B1 (en) | Concentration ratio measurement device and program | |
| CN111582342B (zh) | 一种图像识别方法、装置、设备以及可读存储介质 | |
| CN112288287B (zh) | 车载信息系统的评估方法及设备 | |
| CN112995652A (zh) | 视频质量评估方法及装置 | |
| CN111026267B (zh) | Vr脑电意念控制接口系统 | |
| US20230080533A1 (en) | Electroencephalogram signal classification method and apparatus, device, storage medium, and program product | |
| CN114495241B (zh) | 一种图像识别方法及装置、电子设备、存储介质 | |
| CN113010557A (zh) | 一种心理测评系统量表随机答题方法及系统 | |
| WO2022070747A1 (ja) | アシストシステム、アシスト方法、およびアシストプログラム | |
| CN112365384B (zh) | 目标事件结果指标权重、影响因素值确定方法及相关装置 | |
| CN117078976A (zh) | 动作评分方法、装置、计算机设备以及存储介质 | |
| CN116682052B (zh) | 一种基于云服务的教学服务平台 | |
| JP6672592B2 (ja) | 発表者選択支援プログラム、発表者選択支援方法、および情報処理装置 | |
| Costagliola et al. | A Novel Approach for Attention Management in E-learning Systems. | |
| CN114969301A (zh) | 在线编程教学的自适应推荐方法、装置、设备及存储介质 | |
| KR102162356B1 (ko) | 생체 정보 기반의 영상 제어 방법 | |
| CN113611416A (zh) | 基于虚拟现实技术心理场景评估方法及系统 | |
| CN115768535A (zh) | 用于无障碍的计算机-用户交互的系统和方法 | |
| CN106023722A (zh) | 视觉空间智能训练装置 | |
| JP7034228B1 (ja) | アイトラッキングシステム、アイトラッキング方法、及びアイトラッキングプログラム | |
| CN118477246B (zh) | 一种基于虚拟现实的心理减压系统及装置 | |
| CN118015712B (zh) | 基于时间窗口的太极拳评分方法、系统、设备及介质 | |
| CN113628080B (zh) | 一种分数预测方法、装置、存储介质和电子设备 | |
| CN116721569B (zh) | 专注力训练方法、专注力训练装置、电子设备及介质 |
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 |