CN113011260A - 一种结合线路实景的高速动车模拟驾驶仿真实训系统 - Google Patents

一种结合线路实景的高速动车模拟驾驶仿真实训系统 Download PDF

Info

Publication number
CN113011260A
CN113011260A CN202110182676.7A CN202110182676A CN113011260A CN 113011260 A CN113011260 A CN 113011260A CN 202110182676 A CN202110182676 A CN 202110182676A CN 113011260 A CN113011260 A CN 113011260A
Authority
CN
China
Prior art keywords
scene
data
simulated
information
processing
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
Application number
CN202110182676.7A
Other languages
English (en)
Other versions
CN113011260B (zh
Inventor
居彦
魏峰
余为
田葆萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongyan Zhichuang Rail Transit Equipment (Hubei) Co.,Ltd.
Original Assignee
Zhuzhou Laien Rail Transit Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhuzhou Laien Rail Transit Technology Co ltd filed Critical Zhuzhou Laien Rail Transit Technology Co ltd
Priority to CN202110182676.7A priority Critical patent/CN113011260B/zh
Publication of CN113011260A publication Critical patent/CN113011260A/zh
Application granted granted Critical
Publication of CN113011260B publication Critical patent/CN113011260B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/41Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00Simulators for teaching or training purposes
    • G09B9/02Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/04Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00Simulators for teaching or training purposes
    • G09B9/02Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/04Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
    • G09B9/05Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles the view from a vehicle being simulated

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Business, Economics & Management (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种结合线路实景的高速动车模拟驾驶仿真实训系统,利用数据采集单元采集模拟驾驶信息和场景视频信息;利用数据处理单元接收模拟驾驶信息和场景视频信息,对模拟驾驶信息进行处理,得到模拟驾驶处理信息,对场景视频信息进行处理,得到场景视频处理信息;利用定位单元对模拟驾驶的移动进行定位并实时生成模拟坐标数据;利用数据分析单元对模拟驾驶处理信息和场景视频处理信息进行分析,得到分析信息集,并将分析信息集传输至预警提示单元;利用预警提示单元接收分析信息集并进行预警提示;本发明可以解决不能检测线路视频的场景与模拟操纵的场景是否匹配并进行预警提示的问题。

Description

一种结合线路实景的高速动车模拟驾驶仿真实训系统
技术领域
本发明涉及模拟驾驶技术领域,具体为一种结合线路实景的高速动车模拟驾驶仿真实训系统。
背景技术
司机在取得驾驶资格之前必须经过严格的培训,在可以到实际线路练习之前的培训,传统的作法是学员长期跟车添乘学习和熟悉线路。这种培养方案所需时间长,以国铁司机为例,最短也要2年。如果采用结合线路实景视频动车组仿真模拟培训系统对新司机进行培训,学员可以在真实的场景中进行操作动车组,相当于在不具备驾驶资格时,学员就可以进入真实的驾驶列车状态,并开始积累操作经验、熟悉线路。这种培养司机的方式更符合现代教育学的观点,也大大节约了人力成本。
现有的高速动车模拟驾驶仿真实训系统存在的缺陷包括:不能检测线路视频的场景与模拟操纵的场景是否匹配并进行预警提示的问题。
发明内容
本发明的目的在于提供一种结合线路实景的高速动车模拟驾驶仿真实训系统,本发明所要解决的技术问题为:
如何解决不能检测线路视频的场景与模拟操纵的场景是否匹配并进行预警提示的问题。
本发明的目的可以通过以下技术方案实现:一种结合线路实景的高速动车模拟驾驶仿真实训系统,包括数据采集单元、数据处理单元、数据分析单元、定位单元和预警提示单元;
所述数据采集单元用于采集模拟驾驶信息和场景视频信息,该模拟驾驶信息包含模拟速度数据、模拟转向数据和模拟坐标数据;该场景视频信息包含视频关键帧数据、视频播放数据和场景坐标数据;将模拟驾驶信息和场景视频信息传输至数据处理单元;
所述数据处理单元用于接收模拟驾驶信息和场景视频信息,对模拟驾驶信息进行处理,得到模拟驾驶处理信息,模拟驾驶处理信息包含模拟速度处理数据、模拟转向处理数据和模拟坐标处理数据,对场景视频信息进行处理,得到场景视频处理信息,场景视频处理信息包含视频关键帧处理数据、视频播放处理数据和场景坐标处理数据,将模拟驾驶处理信息和场景视频处理信息一同发送至数据分析单元;
所述定位单元用于对模拟驾驶的移动进行定位并实时生成模拟坐标数据;
所述数据分析单元用于对模拟驾驶处理信息和场景视频处理信息进行分析,得到分析信息集,并将分析信息集传输至预警提示单元;具体的步骤包括:
步骤一:接收模拟驾驶处理信息和场景视频处理信息,获取模拟驾驶处理信息中标记的模拟移动速度MYSi、模拟转向角度MZJi、若干个坐标轴ZBZi和坐标点ZBDi以及路长预设值LYCi,获取场景视频处理信息中标记的若干个关键帧SGZi、关键帧移动速率SGSi、关键帧坐标SZZi和关键帧权重集GQJi;
步骤二:利用公式计算获取模拟驾驶的模匹值,该公式为:
Figure BDA0002941863620000021
其中,Hmp表示为模匹值,μ表示为预设的模匹修正因子,α表示为预设的坐标修正因子,a1、a2、a3表示为预设的不同比例系数;
步骤三:将若干个模匹值进行降序排列得到模匹排序集;
步骤四:利用公式计算获取模拟驾驶的景匹值,该公式为:
Figure BDA0002941863620000031
其中,Hjp表示为景匹值,η表示为预设的景匹修正因子,b1、b2表示为预设的不同比例系数,t表示为模拟驾驶的持续时间;
步骤五:将若干个景匹值进行降序排列得到景匹排序集,将模匹排序集与景匹排序集分类组合,得到分析信息集;
所述预警提示单元用于接收分析信息集并进行预警提示。
作为本发明的进一步改进方案:对模拟驾驶信息进行处理,得到模拟驾驶处理信息,具体的操作步骤包括:
S21:获取模拟驾驶信息中的模拟速度数据、模拟转向数据和模拟坐标数据;
S22:将模拟速度数据中不同的模拟移动速度标记为MYSi,i=1,2...n;将标记的若干个模拟移动速度组合得到模拟速度处理数据;
S23:将模拟转向数据中不同的模拟转向角度标记为MZJi,i=1,2...n;将标记的若干个模拟转向角度组合得到模拟转向处理数据;
S24:将模拟坐标数据中移动的路线设定为坐标轴,设定出发点为起点,将前进的方向设定为正方向,将若干个坐标轴标记为ZBZi,i=1,2...n;将模拟坐标数据中路线上的信号灯设定为坐标点,将若干个坐标点标记为ZBDi,i=1,2...n;设定不同的路径长度对应不同的路长预设值,将模拟移动的路线长度与所有的路径长度进行匹配获取对应的路长预设值并将其标记为LYCi,i=1,2...n;将标记的若干个坐标轴和坐标点以及路长预设值分类组合,得到模拟坐标处理数据;
S25:将模拟速度处理数据、模拟转向处理数据和模拟坐标处理数据分类组合,得到模拟驾驶处理信息。
作为本发明的进一步改进方案:对场景视频信息进行处理,得到场景视频处理信息,具体的工作步骤包括:
S31:获取场景视频信息中的视频关键帧数据、视频播放数据和场景坐标数据;
S32:将视频关键帧数据中的若干个关键帧标记为SGZi,i=1,2...n;设定不同的关键帧对应不同的关键帧权重,将若干个关键帧与所有的关键帧进行匹配获取对应的关键帧权重并将其组合得到关键帧权重集,将关键帧权重集标记为GQJi,i=1,2...n;将标记的若干个关键帧和关键帧权重集组合,得到视频关键帧处理数据;
S33:将视频播放数据中的若干个关键帧移动速率标记为SGSi,i=1,2...n;将标记的若干个关键帧移动速率组合,得到视频播放处理数据;
S34:将场景坐标数据中的关键帧坐标标记为SZZi,i=1,2...n;将标记的若干个关键帧坐标组合,得到场景坐标处理数据;
S35:将视频关键帧处理数据、视频播放处理数据和场景坐标处理数据分类组合,得到场景视频处理信息。
作为本发明的进一步改进方案:所述预警提示单元用于接收分析信息集并进行预警提示,具体的工作步骤包括:
S41:接收分析信息集获取模匹排序集和景匹排序集;
S42:将模匹排序集中若干个降序排列的模匹值与预设的模匹阈值进行对比,若模匹值不大于模匹阈值,则生成第一同步信号;若模匹值大于模匹阈值,则生成第二同步信号;
S43:将景匹排序集中若干个降序排列的景匹值与预设的景匹阈值进行对比,若景匹值不大于景匹阈值,则生成第一匹配信号;若景匹值大于景匹阈值,则生成第二匹配信号;
S44:当第一同步信号和第一匹配信号同时存在,则判定模拟驾驶移动时与画面场景的移动同步;当第一同步信号和第一匹配信号不同时存在,则判定模拟驾驶移动时与画面场景的移动不同步并生成预警信号;
S45:根据预警信号提示关键帧移动速率异常。
本发明的有益效果:
本发明公开的各个方面,利用数据采集单元采集模拟驾驶信息和场景视频信息,该模拟驾驶信息包含模拟速度数据、模拟转向数据和模拟坐标数据;该场景视频信息包含视频关键帧数据、视频播放数据和场景坐标数据;将模拟驾驶信息和场景视频信息传输至数据处理单元;通过采集模拟驾驶信息和场景视频信息并进行处理,从两方面综合分析线路视频的场景与模拟操纵的场景是否匹配,从而提高检测的准确性为数据分析提供支撑;
利用数据处理单元接收模拟驾驶信息和场景视频信息,对模拟驾驶信息进行处理,得到模拟驾驶处理信息,对场景视频信息进行处理,得到场景视频处理信息;通过模拟驾驶信息和场景视频信息进行处理使得各个数据项之间建立联系,便于进行数据分析;
利用定位单元对模拟驾驶的移动进行定位并实时生成模拟坐标数据;利用数据分析单元对模拟驾驶处理信息和场景视频处理信息进行分析,得到分析信息集,并将分析信息集传输至预警提示单元;利用预警提示单元接收分析信息集并进行预警提示;通过对模拟驾驶处理信息和场景视频处理信息进行计算得到模匹值和景匹值并分析,可以达到分析检测线路视频的场景与模拟操纵的场景是否匹配并进行预警提示的目的。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明一种结合线路实景的高速动车模拟驾驶仿真实训系统的模块框图。
具体实施方式
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,所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种结合线路实景的高速动车模拟驾驶仿真实训系统,包括数据采集单元、数据处理单元、数据分析单元、定位单元和预警提示单元;
所述数据采集单元用于采集模拟驾驶信息和场景视频信息,该模拟驾驶信息包含模拟速度数据、模拟转向数据和模拟坐标数据;该场景视频信息包含视频关键帧数据、视频播放数据和场景坐标数据;将模拟驾驶信息和场景视频信息传输至数据处理单元;
所述数据处理单元用于接收模拟驾驶信息和场景视频信息,对模拟驾驶信息进行处理,得到模拟驾驶处理信息,具体的操作步骤包括:
获取模拟驾驶信息中的模拟速度数据、模拟转向数据和模拟坐标数据;
将模拟速度数据中不同的模拟移动速度标记为MYSi,i=1,2...n;将标记的若干个模拟移动速度组合得到模拟速度处理数据;
将模拟转向数据中不同的模拟转向角度标记为MZJi,i=1,2...n;将标记的若干个模拟转向角度组合得到模拟转向处理数据;
将模拟坐标数据中移动的路线设定为坐标轴,设定出发点为起点,将前进的方向设定为正方向,将若干个坐标轴标记为ZBZi,i=1,2...n;将模拟坐标数据中路线上的信号灯设定为坐标点,将若干个坐标点标记为ZBDi,i=1,2...n;设定不同的路径长度对应不同的路长预设值,将模拟移动的路线长度与所有的路径长度进行匹配获取对应的路长预设值并将其标记为LYCi,i=1,2...n;将标记的若干个坐标轴和坐标点以及路长预设值分类组合,得到模拟坐标处理数据;
将模拟速度处理数据、模拟转向处理数据和模拟坐标处理数据分类组合,得到模拟驾驶处理信息,模拟驾驶处理信息包含模拟速度处理数据、模拟转向处理数据和模拟坐标处理数据;
对场景视频信息进行处理,得到场景视频处理信息,具体的工作步骤包括:
获取场景视频信息中的视频关键帧数据、视频播放数据和场景坐标数据;
将视频关键帧数据中的若干个关键帧标记为SGZi,i=1,2...n;设定不同的关键帧对应不同的关键帧权重,将若干个关键帧与所有的关键帧进行匹配获取对应的关键帧权重并将其组合得到关键帧权重集,将关键帧权重集标记为GQJi,i=1,2...n;将标记的若干个关键帧和关键帧权重集组合,得到视频关键帧处理数据;
将视频播放数据中的若干个关键帧移动速率标记为SGSi,i=1,2...n;将标记的若干个关键帧移动速率组合,得到视频播放处理数据;
将场景坐标数据中的关键帧坐标标记为SZZi,i=1,2...n;将标记的若干个关键帧坐标组合,得到场景坐标处理数据;
将视频关键帧处理数据、视频播放处理数据和场景坐标处理数据分类组合,得到场景视频处理信息,场景视频处理信息包含视频关键帧处理数据、视频播放处理数据和场景坐标处理数据,将模拟驾驶处理信息和场景视频处理信息一同发送至数据分析单元;
所述定位单元用于对模拟驾驶的移动进行定位并实时生成模拟坐标数据;
所述数据分析单元用于对模拟驾驶处理信息和场景视频处理信息进行分析,得到分析信息集,并将分析信息集传输至预警提示单元;具体的步骤包括:
步骤一:接收模拟驾驶处理信息和场景视频处理信息,获取模拟驾驶处理信息中标记的模拟移动速度MYSi、模拟转向角度MZJi、若干个坐标轴ZBZi和坐标点ZBDi以及路长预设值LYCi,获取场景视频处理信息中标记的若干个关键帧SGZi、关键帧移动速率SGSi、关键帧坐标SZZi和关键帧权重集GQJi;
步骤二:利用公式计算获取模拟驾驶的模匹值,该公式为:
Figure BDA0002941863620000081
其中,Hmp表示为模匹值,μ表示为预设的模匹修正因子,α表示为预设的坐标修正因子,a1、a2、a3表示为预设的不同比例系数;
步骤三:将若干个模匹值进行降序排列得到模匹排序集;
步骤四:利用公式计算获取模拟驾驶的景匹值,该公式为:
Figure BDA0002941863620000082
其中,Hjp表示为景匹值,η表示为预设的景匹修正因子,b1、b2表示为预设的不同比例系数,t表示为模拟驾驶的持续时间;
步骤五:将若干个景匹值进行降序排列得到景匹排序集,将模匹排序集与景匹排序集分类组合,得到分析信息集;
所述预警提示单元用于接收分析信息集并进行预警提示,具体的工作步骤包括:
接收分析信息集获取模匹排序集和景匹排序集;
将模匹排序集中若干个降序排列的模匹值与预设的模匹阈值进行对比,若模匹值不大于模匹阈值,则生成第一同步信号;若模匹值大于模匹阈值,则生成第二同步信号;
将景匹排序集中若干个降序排列的景匹值与预设的景匹阈值进行对比,若景匹值不大于景匹阈值,则生成第一匹配信号;若景匹值大于景匹阈值,则生成第二匹配信号;
当第一同步信号和第一匹配信号同时存在,则判定模拟驾驶移动时与画面场景的移动同步;当第一同步信号和第一匹配信号不同时存在,则判定模拟驾驶移动时与画面场景的移动不同步并生成预警信号;
根据预警信号提示关键帧移动速率异常。
本发明的工作原理,本发明实施例中,利用数据采集单元采集模拟驾驶信息和场景视频信息,该模拟驾驶信息包含模拟速度数据、模拟转向数据和模拟坐标数据;该场景视频信息包含视频关键帧数据、视频播放数据和场景坐标数据;将模拟驾驶信息和场景视频信息传输至数据处理单元;通过采集模拟驾驶信息和场景视频信息并进行处理,从两方面综合分析线路视频的场景与模拟操纵的场景是否匹配,从而提高检测的准确性为数据分析提供支撑;
利用数据处理单元接收模拟驾驶信息和场景视频信息,对模拟驾驶信息进行处理,得到模拟驾驶处理信息,对场景视频信息进行处理,得到场景视频处理信息;通过模拟驾驶信息和场景视频信息进行处理使得各个数据项之间建立联系,便于进行数据分析;
利用定位单元对模拟驾驶的移动进行定位并实时生成模拟坐标数据;利用数据分析单元对模拟驾驶处理信息和场景视频处理信息进行分析,得到分析信息集,并将分析信息集传输至预警提示单元;利用预警提示单元接收分析信息集并进行预警提示;利用公式
Figure BDA0002941863620000091
计算获取模拟驾驶的模匹值;将若干个模匹值进行降序排列得到模匹排序集;利用公式
Figure BDA0002941863620000101
计算获取模拟驾驶的景匹值,将若干个景匹值进行降序排列得到景匹排序集,将模匹排序集与景匹排序集分类组合,得到分析信息集;通过对模拟驾驶处理信息和场景视频处理信息进行计算得到模匹值和景匹值并分析,可以达到分析检测线路视频的场景与模拟操纵的场景是否匹配并进行预警提示的目的。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方法的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。

Claims (4)

1.一种结合线路实景的高速动车模拟驾驶仿真实训系统,其特征在于,包括数据采集单元、数据处理单元、数据分析单元、定位单元和预警提示单元;
所述数据采集单元用于采集模拟驾驶信息和场景视频信息,该模拟驾驶信息包含模拟速度数据、模拟转向数据和模拟坐标数据;该场景视频信息包含视频关键帧数据、视频播放数据和场景坐标数据;将模拟驾驶信息和场景视频信息传输至数据处理单元;
所述数据处理单元用于接收模拟驾驶信息和场景视频信息,对模拟驾驶信息进行处理,得到模拟驾驶处理信息,模拟驾驶处理信息包含模拟速度处理数据、模拟转向处理数据和模拟坐标处理数据,对场景视频信息进行处理,得到场景视频处理信息,场景视频处理信息包含视频关键帧处理数据、视频播放处理数据和场景坐标处理数据,将模拟驾驶处理信息和场景视频处理信息一同发送至数据分析单元;
所述定位单元用于对模拟驾驶的移动进行定位并实时生成模拟坐标数据;
所述数据分析单元用于对模拟驾驶处理信息和场景视频处理信息进行分析,得到分析信息集,并将分析信息集传输至预警提示单元;具体的步骤包括:
步骤一:接收模拟驾驶处理信息和场景视频处理信息,获取模拟驾驶处理信息中标记的模拟移动速度MYSi、模拟转向角度MZJi、若干个坐标轴ZBZi和坐标点ZBDi以及路长预设值LYCi,获取场景视频处理信息中标记的若干个关键帧SGZi、关键帧移动速率SGSi、关键帧坐标SZZi和关键帧权重集GQJi;
步骤二:利用公式计算获取模拟驾驶的模匹值,该公式为:
Figure FDA0002941863610000011
其中,Hmp表示为模匹值,μ表示为预设的模匹修正因子,α表示为预设的坐标修正因子,a1、a2、a3表示为预设的不同比例系数;
步骤三:将若干个模匹值进行降序排列得到模匹排序集;
步骤四:利用公式计算获取模拟驾驶的景匹值,该公式为:
Figure FDA0002941863610000021
其中,Hjp表示为景匹值,η表示为预设的景匹修正因子,b1、b2表示为预设的不同比例系数,t表示为模拟驾驶的持续时间;
步骤五:将若干个景匹值进行降序排列得到景匹排序集,将模匹排序集与景匹排序集分类组合,得到分析信息集;
所述预警提示单元用于接收分析信息集并进行预警提示。
2.根据权利要求1所述的一种结合线路实景的高速动车模拟驾驶仿真实训系统,其特征在于,对模拟驾驶信息进行处理,得到模拟驾驶处理信息,具体的操作步骤包括:
S21:获取模拟驾驶信息中的模拟速度数据、模拟转向数据和模拟坐标数据;
S22:将模拟速度数据中不同的模拟移动速度标记为MYSi,i=1,2...n;将标记的若干个模拟移动速度组合得到模拟速度处理数据;
S23:将模拟转向数据中不同的模拟转向角度标记为MZJi,i=1,2...n;将标记的若干个模拟转向角度组合得到模拟转向处理数据;
S24:将模拟坐标数据中移动的路线设定为坐标轴,设定出发点为起点,将前进的方向设定为正方向,将若干个坐标轴标记为ZBZi,i=1,2...n;将模拟坐标数据中路线上的信号灯设定为坐标点,将若干个坐标点标记为ZBDi,i=1,2...n;设定不同的路径长度对应不同的路长预设值,将模拟移动的路线长度与所有的路径长度进行匹配获取对应的路长预设值并将其标记为LYCi,i=1,2...n;将标记的若干个坐标轴和坐标点以及路长预设值分类组合,得到模拟坐标处理数据;
S25:将模拟速度处理数据、模拟转向处理数据和模拟坐标处理数据分类组合,得到模拟驾驶处理信息。
3.根据权利要求1所述的一种结合线路实景的高速动车模拟驾驶仿真实训系统,其特征在于,对场景视频信息进行处理,得到场景视频处理信息,具体的工作步骤包括:
S31:获取场景视频信息中的视频关键帧数据、视频播放数据和场景坐标数据;
S32:将视频关键帧数据中的若干个关键帧标记为SGZi,i=1,2...n;设定不同的关键帧对应不同的关键帧权重,将若干个关键帧与所有的关键帧进行匹配获取对应的关键帧权重并将其组合得到关键帧权重集,将关键帧权重集标记为GQJi,i=1,2...n;将标记的若干个关键帧和关键帧权重集组合,得到视频关键帧处理数据;
S33:将视频播放数据中的若干个关键帧移动速率标记为SGSi,i=1,2...n;将标记的若干个关键帧移动速率组合,得到视频播放处理数据;
S34:将场景坐标数据中的关键帧坐标标记为SZZi,i=1,2...n;将标记的若干个关键帧坐标组合,得到场景坐标处理数据;
S35:将视频关键帧处理数据、视频播放处理数据和场景坐标处理数据分类组合,得到场景视频处理信息。
4.根据权利要求1所述的一种结合线路实景的高速动车模拟驾驶仿真实训系统,其特征在于,所述预警提示单元用于接收分析信息集并进行预警提示,具体的工作步骤包括:
S41:接收分析信息集获取模匹排序集和景匹排序集;
S42:将模匹排序集中若干个降序排列的模匹值与预设的模匹阈值进行对比,若模匹值不大于模匹阈值,则生成第一同步信号;若模匹值大于模匹阈值,则生成第二同步信号;
S43:将景匹排序集中若干个降序排列的景匹值与预设的景匹阈值进行对比,若景匹值不大于景匹阈值,则生成第一匹配信号;若景匹值大于景匹阈值,则生成第二匹配信号;
S44:当第一同步信号和第一匹配信号同时存在,则判定模拟驾驶移动时与画面场景的移动同步;当第一同步信号和第一匹配信号不同时存在,则判定模拟驾驶移动时与画面场景的移动不同步并生成预警信号;
S45:根据预警信号提示关键帧移动速率异常。
CN202110182676.7A 2021-02-08 2021-02-08 一种结合线路实景的高速动车模拟驾驶仿真实训系统 Active CN113011260B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110182676.7A CN113011260B (zh) 2021-02-08 2021-02-08 一种结合线路实景的高速动车模拟驾驶仿真实训系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110182676.7A CN113011260B (zh) 2021-02-08 2021-02-08 一种结合线路实景的高速动车模拟驾驶仿真实训系统

Publications (2)

Publication Number Publication Date
CN113011260A true CN113011260A (zh) 2021-06-22
CN113011260B CN113011260B (zh) 2022-05-10

Family

ID=76402132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110182676.7A Active CN113011260B (zh) 2021-02-08 2021-02-08 一种结合线路实景的高速动车模拟驾驶仿真实训系统

Country Status (1)

Country Link
CN (1) CN113011260B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113496634A (zh) * 2021-07-20 2021-10-12 广州星锐传媒信息科技有限公司 一种基于单向视频交互的模拟驾驶训练方法
CN114567783A (zh) * 2022-01-10 2022-05-31 上海哲奥实业有限公司 一种驾车游戏的处理方法、装置及计算机存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200092110A (ko) * 2019-01-24 2020-08-03 주식회사 애드락애드버테인먼트 스마트디바이스의 모의 운전 시뮬레이션
US20200283030A1 (en) * 2017-07-05 2020-09-10 Cortica Ltd. Driving policies determination
US20200353943A1 (en) * 2019-05-07 2020-11-12 Foresight Ai Inc. Driving scenario machine learning network and driving environment simulation
CN112180605A (zh) * 2020-10-20 2021-01-05 江苏濠汉信息技术有限公司 一种基于增强现实的辅助驾驶系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200283030A1 (en) * 2017-07-05 2020-09-10 Cortica Ltd. Driving policies determination
KR20200092110A (ko) * 2019-01-24 2020-08-03 주식회사 애드락애드버테인먼트 스마트디바이스의 모의 운전 시뮬레이션
US20200353943A1 (en) * 2019-05-07 2020-11-12 Foresight Ai Inc. Driving scenario machine learning network and driving environment simulation
CN112180605A (zh) * 2020-10-20 2021-01-05 江苏濠汉信息技术有限公司 一种基于增强现实的辅助驾驶系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113496634A (zh) * 2021-07-20 2021-10-12 广州星锐传媒信息科技有限公司 一种基于单向视频交互的模拟驾驶训练方法
CN114567783A (zh) * 2022-01-10 2022-05-31 上海哲奥实业有限公司 一种驾车游戏的处理方法、装置及计算机存储介质
CN114567783B (zh) * 2022-01-10 2023-02-07 上海哲奥实业有限公司 一种驾车游戏的处理方法、装置及计算机存储介质

Also Published As

Publication number Publication date
CN113011260B (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
CN113011260B (zh) 一种结合线路实景的高速动车模拟驾驶仿真实训系统
CN110633610A (zh) 一种基于yolo的学员状态检测算法
CN104463903B (zh) 一种基于目标行为分析的行人图像实时检测方法
CN111967313B (zh) 一种深度学习目标检测算法辅助的无人机图像标注方法
EP4020312B1 (en) Traffic light recognition method, apparatus, storage medium and program product
CN112446437A (zh) 一种基于机器视觉的货架商品规格识别方法
CN112488065A (zh) 一种基于云平台的远程教育系统
CN111209880A (zh) 车辆行为识别方法、装置
CN112381954A (zh) 一种动态模型显示方法、装置及设备
CN115588233A (zh) 一种基于计算机视觉的跑步违规检测系统
CN111986235A (zh) 一种提取车辆轨迹特征运动模式的方法
CN117763423A (zh) 一种基于深度学习的智能汽车激光雷达点云异常检测方法
CN111540171A (zh) 疲劳驾驶预警系统、相应的预警方法及构建方法
CN114722631A (zh) 车辆测试仿真场景生成方法、装置、电子设备及存储介质
CN113159146A (zh) 样本生成、目标检测模型训练、目标检测方法及装置
CN113239609A (zh) 一种用于智能车单目摄像头目标识别监测的试验系统及检测方法
CN110942531A (zh) 行车记录仪采集数据的方法和装置
CN112417945A (zh) 基于专有神经网络的分心驾驶实时监测方法及设备
CN109934172B (zh) 高速列车受电弓免gps全运行线故障视觉检测定位方法
CN112193245A (zh) 一种考虑驾驶员模糊感知的深度学习跟驰预测方法
CN109670085B (zh) 一种车辆碰撞事故等级的判别方法
CN116301464A (zh) 展示道路数字孪生信息的方法、装置及终端设备
CN110889378A (zh) 一种多视图融合交通标志检测识别方法及其系统
CN115002425A (zh) 一种车厢显示屏运行状况智能监测管理系统
CN214429632U (zh) 一种模拟驾驶器培训监控系统

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
TA01 Transfer of patent application right

Effective date of registration: 20220329

Address after: 412000 room 306, workshop D-3, No. 1986, Taishan Road, Tianyuan District, Zhuzhou City, Hunan Province

Applicant after: Hunan Zhongyan Zhichuang Rail Transit Equipment Co.,Ltd.

Address before: 412000 Room 201, factory building C-16, 9 Zhongda Road, Tianyuan District, Zhuzhou City, Hunan Province

Applicant before: Zhuzhou Laien Rail Transit Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240320

Address after: No. 1301, Weijia Diandian Building, No. 30 Wenchang Road, Hongshan District, Wuhan City, Hubei Province, 430070

Patentee after: Zhongyan Zhichuang Rail Transit Equipment (Hubei) Co.,Ltd.

Country or region after: Zhong Guo

Address before: 412000 room 306, workshop D-3, No. 1986, Taishan Road, Tianyuan District, Zhuzhou City, Hunan Province

Patentee before: Hunan Zhongyan Zhichuang Rail Transit Equipment Co.,Ltd.

Country or region before: Zhong Guo

TR01 Transfer of patent right