CN113299158B - 一种驾驶操稳教学方法和系统 - Google Patents
一种驾驶操稳教学方法和系统 Download PDFInfo
- Publication number
- CN113299158B CN113299158B CN202110514833.XA CN202110514833A CN113299158B CN 113299158 B CN113299158 B CN 113299158B CN 202110514833 A CN202110514833 A CN 202110514833A CN 113299158 B CN113299158 B CN 113299158B
- Authority
- CN
- China
- Prior art keywords
- driving
- vehicle
- driver
- information
- probability
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/16—Control of vehicles or other craft
- G09B19/167—Control of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
Abstract
本发明公开了一种驾驶操稳教学方法和系统,涉及一种驾驶操稳教学方法和系统。该方法包括:采集驾驶员的驾驶信息和车辆状态信息,根据驾驶任务规划行驶路径,根据驾驶规范信息、当前所述行驶路径及所述车辆状态信息,实时生成行驶偏航和最优行驶速度,根据所述行驶偏航和所述最优行驶速度给驾驶员提供实时操作指引。通过采集驾驶员的操作数据,根据驾驶规范、实时轨迹计算,给予驾驶员正确的操作指引。通过稳操教学可以将驾驶稳定性量化,提升驾驶员对车辆的感知能力。
Description
技术领域
本发明涉及车辆驾驶人员培训领域,尤其涉及一种驾驶操稳教学方法和系统。
背景技术
近年来随着生活水平的提高,车辆普及率越来越高,安全驾驶也得到了社会的高度关注。人在驾驶过程中是引发风险的主要因素。无论是初次开车还是长期从事驾驶职业的人,车辆稳定性除了会影响驾乘的舒适度和体验,对行车安全、延长车辆使用寿命等方面都有具有遇重要意义,超出车辆极限操作甚至会导致车毁人亡的严重后果。
人在驾驶过程中的相关车辆操控经验无法量化,不同车型和载重对于行驶的操作也具有特殊性,使得学习成本很高,对于车辆驾驶操作过程的稳定性,现阶段的评价体系不完善,无法建立针对性的教学系统。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种驾驶操稳教学方法和系统。
本发明解决上述技术问题的技术方案如下:
一种驾驶操稳教学方法,包括:
采集驾驶员的驾驶信息和车辆状态信息;
根据驾驶任务规划行驶路径;
根据驾驶规范信息、当前所述行驶路径及所述车辆状态信息,实时生成行驶偏航和最优行驶速度,根据所述行驶偏航和所述最优行驶速度给驾驶员提供实时操作指引。
本发明的有益效果是:本方案根据驾驶规范信息、当前所述行驶路径及所述车辆状态信息,实时生成行驶偏航和最优行驶速度,根据所述行驶偏航和所述最优行驶速度给驾驶员提供实时操作指引,在指定范围内采集高精度的地图数据,通过采集驾驶员的操作数据,根据驾驶规范、实时轨迹计算,给予驾驶员正确的操作指引。通过稳操教学可以将驾驶稳定性量化,提升驾驶员对车辆的感知能力。
进一步地,还包括:构建用于采集驾驶员的驾驶信息和所述车辆状态信息的GNSS差分基准站、用于多个基站间的切换的传输网路架构、车辆模型、三维地图和车载系统。
采用上述进一步方案的有益效果是:本方案通过GNSS差分基准站给定的定位修正数量,提高移动站定位精度。通过传输网路架构实现多个基站间的自动切换。通过车辆模型获取车辆与周围的空间关系,减少压线、与周围物体碰撞的风险。通过三维地图保证地图的通用性。通过车载系统实现车辆信息的采集和信息交互。
进一步地,所述根据驾驶任务规划行驶路径具体包括:
根据驾驶任务的起点和终点,结合缓存地图中可行驶范围内的标记点、行驶区域限速要求和道路车辆统计,通过预设方法计算出行驶路径。
采用上述进一步方案的有益效果是:本方案根据驾驶任务通过预设方法计算出行驶路径,从而获得最优驾驶路径指引驾驶员操作。
进一步地,所述根据所述最优行驶偏航和所述行驶速度给驾驶员提供实时操作指引具体包括:
根据所述行驶偏航和所述最优行驶速度,结合车辆稳定性特征指标和测量驾驶员特征指标,指导驾驶员进行实时操作调整;
还包括:通过对采集的所述车辆状态信息进行扩展卡尔曼滤波,对车辆运行状态进行预测,如果预测到车辆状态超出预设值,则会给出相应的调整操作提示。
采用上述进一步方案的有益效果是:本方案通过根据所述行驶偏航和所述最优行驶速度,结合各项指标指导驾驶员进行实时操作调整,保证车辆速度、方向盘转向角度、离合档位和发动机转速、车辆三个方向加速度等状态之间稳定的线性关系。
通过扩展卡尔曼滤波,对车辆运行状态进行预测,实现一旦车辆状态超出理想值,则给予驾驶员相应操作修正提示。
进一步地,还包括:根据采集到的驾驶员在不同场景下的驾驶信息,建立多个概率模型;
通过多个概率模型预测驾驶员的期望操作和车辆期望状态,并计算出驾驶员的期望操作和车辆期望状态的偏差数据;
当驾驶员进入车内登陆所述车载系统时,显示与驾驶员身份信息对应的所述偏差数据的说明。
采用上述进一步方案的有益效果是:本方案通过获取驾驶员的期望操作和车辆期望状态的偏差数据,来统计驾驶员的错误行驶习惯,通过偏差数据说明可以给予驾驶员针对性的指导。
本发明解决上述技术问题的另一种技术方案如下:
一种驾驶操稳教学系统,包括:信息采集装置、路径计算模块和驾驶指导模块;
所述信息采集装置用于采集驾驶员的驾驶信息和车辆状态信息;
所述路径计算模块用于根据驾驶任务规划行驶路径;
所述驾驶指导模块用于根据驾驶规范信息、当前所述行驶路径及所述车辆状态信息,实时生成行驶偏航和最优行驶速度,根据所述行驶偏航和所述最优行驶速度给驾驶员提供实时操作指引。
本发明的有益效果是:本方案根据驾驶规范信息、当前所述行驶路径及所述车辆状态信息,实时生成行驶偏航和最优行驶速度,根据所述行驶偏航和所述最优行驶速度给驾驶员提供实时操作指引,在指定范围内采集高精度的地图数据,通过采集驾驶员的操作数据,根据驾驶规范、实时轨迹计算,给予驾驶员正确的操作指引。通过稳操教学可以将驾驶稳定性量化,提升驾驶员对车辆的感知能力。
进一步地,还包括:构建用于采集驾驶员的驾驶信息和所述车辆状态信息的GNSS差分基准站、用于多个基站间的切换的传输网路架构、车辆模型、三维地图和车载系统。
采用上述进一步方案的有益效果是:本方案通过GNSS差分基准站给定的定位修正数量,提高移动站定位精度。通过传输网路架构实现多个基站间的自动切换。通过车辆模型获取车辆与周围的空间关系,减少压线、与周围物体碰撞的风险。通过三维地图保证地图的通用性。通过车载系统实现车辆信息的采集和信息交互。
进一步地,所述路径计算模块具体用于根据驾驶任务的起点和终点,结合缓存地图中可行驶范围内的标记点、行驶区域限速要求和道路车辆统计,通过预设方法计算出行驶路径。
采用上述进一步方案的有益效果是:本方案根据驾驶任务通过预设方法计算出行驶路径,从而获得最优驾驶路径指引驾驶员操作。
进一步地,所述驾驶指导模块具体用于根据所述行驶偏航和所述最优行驶速度,结合车辆稳定性特征指标和测量驾驶员特征指标,指导驾驶员进行实时操作调整;
还具体用于通过对采集的所述车辆状态信息进行扩展卡尔曼滤波,对车辆运行状态进行预测,如果预测到车辆状态超出预设值,则会给出相应的调整操作提示。
采用上述进一步方案的有益效果是:本方案通过根据所述行驶偏航和所述最优行驶速度,结合各项指标指导驾驶员进行实时操作调整,保证车辆速度、方向盘转向角度、离合档位和发动机转速、车辆三个方向加速度等状态之间稳定的线性关系。
通过扩展卡尔曼滤波,对车辆运行状态进行预测,实现一旦车辆状态超出理想值,则给予驾驶员相应操作修正提示。
进一步地,还包括:驾驶错误计算显示模块,用于根据采集到的驾驶员在不同场景下的驾驶信息,建立多个概率模型;
通过多个概率模型预测驾驶员的期望操作和车辆期望状态,并计算出驾驶员的期望操作和车辆期望状态的偏差数据;
当驾驶员进入车内登陆所述车载系统时,显示与驾驶员身份信息对应的所述偏差数据的说明。
采用上述进一步方案的有益效果是:本方案通过获取驾驶员的期望操作和车辆期望状态的偏差数据,来统计驾驶员的错误行驶习惯,通过偏差数据说明可以给予驾驶员针对性的指导。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明的实施例提供的一种驾驶操稳教学方法的流程示意图;
图2为本发明的实施例提供的一种驾驶操稳教学系统的结构框图;
图3为本发明的其他实施例提供的一种驾驶操稳教学系统的系统架构图;
图4为本发明的其他实施例提供的期望轨迹的和驾驶轨迹的偏差示意图;
图5为本发明的其他实施例提供的系统使用流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,为本发明实施例提供的一种驾驶操稳教学方法,包括:
采集驾驶员的驾驶信息和车辆状态信息;
根据驾驶任务规划行驶路径;
根据驾驶规范信息、当前行驶路径及车辆状态信息,实时生成行驶偏航和最优行驶速度,根据行驶偏航和最优行驶速度给驾驶员提供实时操作指引。
需要说明的是,本方案的一种驾驶操稳教学方法,可以是在在指定范围内采集高精度的地图数据,通过采集驾驶员的操作数据,根据驾驶规范、实时轨迹计算,给予驾驶员正确的操作指引。后台会将历史统计数据与车辆动力学数据相结合,排查驾驶员错误习惯,并在教学软件中展示。其中驾驶员的操作数据可以包括:驾驶定位信息,加速度,转向角度,油门开度,刹车开度,灯光等状态。操作指引可以是在转向角度,速度控制,车辆灯光等相关器件控制上的指引。
优选地,在某一实施例中,车辆行驶过程中,实时为学员提供操作指引可以包括:行驶过程中,操作稳定行判断模块会根据车辆稳定性特征指标和测量驾驶员特征指标保证车辆速度、方向盘转向角度、离合档位和发动机转速、车辆三个方向加速度等状态之间稳定的线性关系;在某一实施例中,车辆失稳主要是轮胎运动处于非线性状态,主要以下几种情况:1紧急避让情况,车辆纵向加速度和方向盘突然过大;2特殊路面,导致轮胎侧向力饱和,使得车辆脱离原有路径;3紧急避让,方向盘产生较大横摆力矩等等。
检测车辆稳定性特征指标包括车辆速度,惯导获取车辆的加速度,发动机转速信息,车灯信息、刹车信息、转向信息、行驶路线曲率等信息。测量驾驶员特征指标为疲劳检测、手脚协调,动作稳定性,安全意识等。其中驾驶员特征指标可以是系统根据当前实时信息,分析驾驶员相关特征。根据方向盘转动突变情况,可以分析出驾驶员是否处于疲劳驾驶。离合、换挡等操作连续性可以分析手脚协调。过度的转向、加速等操作分析判断驾驶员稳定性,安全意识主要表现在特定地点,例如转弯,车速是否降低或者提高到指定范围,是否加速通过。
优选地,在某一实施例中,在保证车辆速度、方向盘转向角度、离合档位和发动机转速、车辆三个方向加速度等状态之间稳定的线性关系的同时,将车辆运行状态和车辆观测数据进行扩展卡尔曼滤波进行预测,一旦车辆状态超出理想值,则给与相应操作提示,例如:车辆转向角度过大,在一定速度和加速度下,会引发车辆横向控制失控,应适时减速并回正方向盘;车辆速度的增加导致转向动力不足,转向角度也会增加,容易脱轨或侧翻,需要减速;在冰面、雪地、砂石路面等场景下,车辆发动机转速和车辆实际速度间非线性变化,说明车辆打滑,需要降档减速。其中,车辆运行状态和车辆观测数据都为上述车辆传感器、定位数据等采集的值,其中运行状态可以:之前几个时刻的值,用于卡尔曼滤波的输入,观测数据可以是:当前检测的值,用于卡尔曼滤波的更新。
卡尔曼滤波通过历史数据预测当前状态,在通过观测更新滤波器,可以减少由传感器检测携带高斯噪声的影响。
本方案根据驾驶规范信息、当前行驶路径及车辆状态信息,实时生成行驶偏航和最优行驶速度,根据行驶偏航和最优行驶速度给驾驶员提供实时操作指引,在指定范围内采集高精度的地图数据,通过采集驾驶员的操作数据,根据驾驶规范、实时轨迹计算,给予驾驶员正确的操作指引。通过稳操教学可以将驾驶稳定性量化,提升驾驶员对车辆的感知能力。
优选地,在上述任意实施例中,还包括:构建用于采集驾驶员的驾驶信息和车辆状态信息的GNSS(Global Navigation Satellite System全球导航卫星系统)差分基准站、用于多个基站间的切换的传输网路架构、车辆模型、三维地图和车载系统。
需要说明的是,在某一实施例中,GNSS差分基准站可以运用GPS差分技术,精确定位车辆位置,系统主要包括:基准站主机、GNSS天线、通信装置等设备。将基准站固定预定区域内视野宽阔的场地或者顶楼,采集精密定位坐标。基准站实时提供站点在指定坐标系中的三维定位结果,并达到厘米级精度,通过数据通信装置,将已知精确定位和观测定位值发送给移动站。通过基准站给定的定位修正数量,提高移动站定位精度。
用于多个基站间的切换的传输网路架构可以是传输网络采用主干光纤+分支无线的架构设计,中心基站无线接收端采用双模无线网桥,通过光纤链接后台。车载无线网桥发送端,支持漫游切换,自动实现多个基站间的切换。
车辆模型可以包括对车辆模型进行测绘,对教学车辆外轮廓进行定位采集,测绘点包括:车轮的内侧和外侧,车身前方后方各三个点,左右两侧各5点,车辆四角各2个点,车辆上的定位天线。车辆模型数据可以用于在车辆定位后,可根据标定点位获取车辆与周围的空间关系,减少压线、与周围物体碰撞的风险。
三维地图可以通过高精度地图采集,通过采集车采集的道路三维和图像信息,使用LOAM(Lidar Odometry and Mapping in Real-time,)等算法计算生成点云地图,建立和拼接场景模型。后续对地图进行人工标注,包括车道、人行道、路口区域、信号灯、减速带、停车区域、禁止停车、让路标志、停车观察等信息,建立驾驶场景标注道路结构化信息。地图数据可以采用opendrive格式,保证地图的通用性。
车载系统可以包括:车载主机、无线网桥,车辆传感器,CAN通信模块,触摸屏,电源系统,定位定向天线,差分定位接收机。
无线网桥可以用于与无线基站通信,接受差分定位信号,后台学员相关教学数据,发送车辆状态信息;
车辆传感器可以包含超声波雷达、毫米波雷达、激光雷达、相机、定位、惯导等,用于实时监控车辆自身及周围状态;
CAN通信与整车通信可以用于获取车辆相关状态,包括刹车、方向盘、车灯、油门、安全带、手刹、档位、发动机转速等数据。
触摸屏可以用于学员的交互,显示相关数据,还包含扬声器、麦克风等。
电源系统可以负责整个教学系统的供电。
在某一实施例中,还可以包括:系统自检,在车辆启动时系统进行自检,包括异常的传感组件,CAN通信,卫星数量、网络信号等。根据定位查询地图数据是否缓存,否则通过网络模块连接中心服务器进行地图的下载。
本方案通过GNSS差分基准站给定的定位修正数量,提高移动站定位精度。通过传输网路架构实现多个基站间的自动切换。通过车辆模型获取车辆与周围的空间关系,减少压线、与周围物体碰撞的风险。通过三维地图保证地图的通用性。通过车载系统实现车辆信息的采集和信息交互。
优选地,在上述任意实施例中,根据驾驶任务规划行驶路径具体包括:
根据驾驶任务的起点和终点,结合缓存地图中可行驶范围内的标记点、行驶区域限速要求和道路车辆统计,通过预设方法计算出行驶路径。其中预设方法可以包括:图搜索、快速扩展随机树、智能优化算法等算法。
在行驶前设定此次驾驶的起点和终点,车载主机通过定位获取当前车辆位置,然后根据缓存地图中可行驶范围内的标记点中,结合行驶区域限速,道路车辆统计等多种信息,使用基于图搜索、快速扩展随机树、智能优化算法等方法计算最短时间路径和最短路程路径规划,推荐学员选择。其中,其中图搜索、快速扩展随机树和智能优化算法属于现有公知算法,以图搜索计算最短时间路径和最短路程路径的方法可以是以Dijkstra为例,从起点向目标点进行路径展开,每经过的点搜索查找最短路径,并将对应距离记录,从而找出从起点到终点的连接点最优点的集合。其他搜索算法:深度优先搜索、迭代加深的深度优先搜索、广度优先搜索、代价一致搜索、A*算法(A-Star算法);
快速扩展树:基于采样的路径规划算法通过均匀随机采样的方法来探索高维状态空间的连通性。RRT算法(RRT-Rapidly-ExploringRandomTrees快速搜索随机树)首先定义起始点,在环境中随机选点,两点连线没有障碍物则朝连线方向移动一步到新的点。新的点添加至随机树中,直到目标点添加到树上。
智能优化算法:包括蚁群算法、触须算法和智能水滴算法等。蚁群算法是通过迭代来模拟蚂蚁的觅食行为,实现最优路径的选择。在遇到方向选择时,会选择信息素更浓的路径,因为信息素以一定速率挥发,路径较长的信息素浓度会更稀疏。
本方案根据驾驶任务通过预设方法计算出行驶路径,从而获得最优驾驶路径指引驾驶员操作。
优选地,在上述任意实施例中,根据最优行驶偏航和行驶速度给驾驶员提供实时操作指引具体包括:
根据行驶偏航和最优行驶速度,结合车辆稳定性特征指标和测量驾驶员特征指标,指导驾驶员进行实时操作调整;
还包括:通过对采集的车辆状态信息进行扩展卡尔曼滤波,对车辆运行状态进行预测,如果预测到车辆状态超出预设值,则会给出相应的调整操作提示。其中预设值,可以根据车辆在不同状态下车辆保持正常行驶的理想值,可以根据车辆所在的实际情况设定。
本方案通过根据行驶偏航和最优行驶速度,结合各项指标指导驾驶员进行实时操作调整,保证车辆速度、方向盘转向角度、离合档位和发动机转速、车辆三个方向加速度等状态之间稳定的线性关系。
通过扩展卡尔曼滤波,对车辆运行状态进行预测,实现一旦车辆状态超出理想值,则给予驾驶员相应操作修正提示。
优选地,在上述任意实施例中,还包括:根据采集到的驾驶员在不同场景下的驾驶信息,建立多个概率模型;
通过多个概率模型预测驾驶员的期望操作和车辆期望状态,并计算出驾驶员的期望操作和车辆期望状态的偏差数据;
当驾驶员进入车内登陆车载系统时,显示与驾驶员身份信息对应的偏差数据的说明。
优选地,在某一实施例中,还可以包括:学员进入车辆后首先通过人脸或者根据提示选择登录操作,系统会将基本信息及记录数据同步本地,并给与往期常范的错误进行展示。
在某一实施例中,如图5所示,驾驶员操作流程图可以包括:用户可以通过触摸屏登陆,并设置目的地,触摸屏实时显示路径规划;车载端通过CAN通信、传感器和定位装置实时监控车辆状态,并将采集的车辆状态信息上传给服务器和发送给车载主机。
在某一实施例中,服务端可以根据检测信息统计驾驶员行为信息,包括车辆纵向行为、横向行为,在变道、转向、掉头、红绿灯、前方障碍物等特定场景下建立多个概率模型,生成驶热力图,用于预测驾驶员期望操作、车辆期望状态等信息。其中,期望操作可以包括:转向角度、油门角度、离合开度、刹车角度和车灯等。期望状态可以包括:车辆所处制定路径的位置、角度和加速度等。期望轨迹的示意图可以如图4所示。
根据驾驶场景区域放缩为m×n维的矩阵,矩阵中每个元素为某次驾驶行为所有采集归一化数据的均值,在每个元素中建立高斯混合模型,得到对应概率分布。然后将将概率分布生成行驶热力图。
使用统计的热力图带入学员驾驶数据,计算出偏差并输出最终评价结果,在偏差较大的关键点处做详细说明。例如,将指定区域范围分割成m×n维的矩阵,矩阵中每个元素可以通过高斯模型得到概率分布,学员的操作数据:车辆位置,方向,速度,车辆加速度等数值,带入相应的概率分布得到学员所属的概率模型的概率;相对于每个高斯分布,学员的操作数据与其概率分布均值、方差的关系,对于异常操作具有较大偏差可以检测出来指导学员,使得控制在合理范围。最终评价结果可以包括:车速、转向、加速度、车辆操作控制等根据统计的概率分布可以得到概率值,概率较大则逼近某类群体的分布,展示所有分布的情况以及所处类别。挡位、车灯等信号根据统计信息展示不同状态的百分比。
本方案通过获取驾驶员的期望操作和车辆期望状态的偏差数据,来统计驾驶员的错误行驶习惯,通过偏差数据说明可以给予驾驶员针对性的指导。
在某一实施例中,如图2所示,一种驾驶操稳教学系统,包括:信息采集装置11、路径计算模块12和驾驶指导模块13;
信息采集装置11用于采集驾驶员的驾驶信息和车辆状态信息;
路径计算模块12用于根据驾驶任务规划行驶路径;
驾驶指导模块13用于根据驾驶规范信息、当前行驶路径及车辆状态信息,实时生成行驶偏航和最优行驶速度,根据行驶偏航和最优行驶速度给驾驶员提供实时操作指引。
本方案根据驾驶规范信息、当前行驶路径及车辆状态信息,实时生成行驶偏航和最优行驶速度,根据行驶偏航和最优行驶速度给驾驶员提供实时操作指引,在指定范围内采集高精度的地图数据,通过采集驾驶员的操作数据,根据驾驶规范、实时轨迹计算,给予驾驶员正确的操作指引。通过稳操教学可以将驾驶稳定性量化,提升驾驶员对车辆的感知能力。
优选地,在上述任意实施例中,还包括:构建用于采集驾驶员的驾驶信息和车辆状态信息的GNSS差分基准站、用于多个基站间的切换的传输网路架构、车辆模型、三维地图和车载系统。
本方案通过GNSS差分基准站给定的定位修正数量,提高移动站定位精度。通过传输网路架构实现多个基站间的自动切换。通过车辆模型获取车辆与周围的空间关系,减少压线、与周围物体碰撞的风险。通过三维地图保证地图的通用性。通过车载系统实现车辆信息的采集和信息交互。
优选地,在上述任意实施例中,路径计算模块12具体用于根据驾驶任务的起点和终点,结合缓存地图中可行驶范围内的标记点、行驶区域限速要求和道路车辆统计,通过预设方法计算出行驶路径。
本方案根据驾驶任务通过预设方法计算出行驶路径,从而获得最优驾驶路径指引驾驶员操作。
优选地,在上述任意实施例中,驾驶指导模块13具体用于根据行驶偏航和最优行驶速度,结合车辆稳定性特征指标和测量驾驶员特征指标,指导驾驶员进行实时操作调整;
还具体用于通过对采集的车辆状态信息进行扩展卡尔曼滤波,对车辆运行状态进行预测,如果预测到车辆状态超出预设值,则会给出相应的调整操作提示。
本方案通过根据行驶偏航和最优行驶速度,结合各项指标指导驾驶员进行实时操作调整,保证车辆速度、方向盘转向角度、离合档位和发动机转速、车辆三个方向加速度等状态之间稳定的线性关系。
通过扩展卡尔曼滤波,对车辆运行状态进行预测,实现一旦车辆状态超出理想值,则给予驾驶员相应操作修正提示。
优选地,在上述任意实施例中,还包括:驾驶错误计算显示模块,用于根据采集到的驾驶员在不同场景下的驾驶信息,建立多个概率模型;
通过多个概率模型预测驾驶员的期望操作和车辆期望状态,并计算出驾驶员的期望操作和车辆期望状态的偏差数据;
当驾驶员进入车内登陆车载系统时,显示与驾驶员身份信息对应的偏差数据的说明。
本方案通过获取驾驶员的期望操作和车辆期望状态的偏差数据,来统计驾驶员的错误行驶习惯,通过偏差数据说明可以给予驾驶员针对性的指导。
在某一实施例中,如图3所示,一种驾驶操稳教学系统,车载端可以包括:服务器、计算处理模块、交互模块、通讯模块、定位模块、CAN模块和传感装置;
系统需要在特区域搭建定位基站,同时采集区域内高精度地图数据,特定区域可以包括车道、人行道、路口区域、信号灯、减速带、停车区域、禁止停车、让路标志、停车观察等信息,建立驾驶场景。
服务器保存管理用户的相关信息,车辆基本信息,地图数据的管理维护,用户驾驶信息记录和统计。
定位模块通过GNSS(Global Navigation Satellite System全球导航卫星系统)+IMU(Inertial Measurement Unit惯性测量单元)、NDT(Normal Distributions Transform正态分布变换)等算法,实现高频率的获取车辆定位、姿态信息。
计算处理模块用于下载保存地图信息,上传驾驶信息、车辆状态等,其中驾驶信息可以包括:驾驶信息:行驶GPS、惯导、转向记录;车辆状态信息可以包括:发动机、档位、控制器、胎压等设备状态。根据驾驶任务规划导航路径,并根据驾驶规范、当前行驶路线及车辆状态,实时生成最优行驶偏航和行驶速度,并向显示器输出提示信息。在某一实施例中,根据导航生成行驶路径点,结合车辆最小转弯半径可以生成连续的B样条曲线,由于不同车速和车辆质量情况下,车辆转弯半径不同,同时车辆加速度会导致车辆速度的实时变化,计算的最佳行驶路径可以跟随着变化。
交互模块可以包括app、屏显等,用于用户登录、设置用户信息、车辆信息,查询显示驾驶历史数据、评测数据,实时显示地图导航数据,驾驶教学引导信息等。
CAN模块可以用于与整车交互,获取车辆基本数据信息,包含刹车、方向盘、车灯、油门、安全带、手刹、档位、发动机转速等。
传感装置可以包含超声波雷达、毫米波雷达、激光雷达、相机、定位、惯导等,用于实时监控车辆自身及周围状态。
服务端可以包括:服务器,定位基站和高精度地图;
服务器用于保存管理用户的相关信息,车辆基本信息,地图数据的管理维护,用户驾驶信息记录和统计。
定位基站可以用于精确定位车辆位置;
高精度地图可以通过采集车采集的道路三维和图像信息,使用LOAM等算法计算生成点云地图,建立和拼接场景模型。后续对地图进行人工标注,包括车道、人行道、路口区域、信号灯、减速带、停车区域、禁止停车、让路标志、停车观察等信息,建立驾驶场景标注道路结构化信息。
可以理解,在一些实施例中,可以包含如上述各实施例中的部分或全部可选实施方式。
需要说明的是,上述各实施例是与在先方法实施例对应的产品实施例,对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明,在此不再赘述。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,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,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
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发明实施例方案的目的。
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,也可以是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,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种驾驶操稳教学方法,其特征在于,包括:
采集驾驶员的驾驶信息和车辆状态信息;
根据驾驶任务规划行驶路径;
根据驾驶规范信息、当前所述行驶路径及所述车辆状态信息,实时生成行驶偏航和最优行驶速度,根据所述行驶偏航和所述最优行驶速度给驾驶员提供实时操作指引;
还包括:
根据采集到的驾驶员在不同场景下的驾驶信息,建立多个概率模型;
通过多个概率模型预测驾驶员的期望操作和车辆期望状态,并计算出驾驶员的期望操作和车辆期望状态的偏差数据;
当驾驶员进入车内登陆车载系统时,显示与驾驶员身份信息对应的所述偏差数据的说明;
所述根据采集到的驾驶员在不同场景下的驾驶信息,建立多个概率模型,具体包括:
通过驾驶员在不同场景下的车辆纵向行为、横向行为,在变道、转向、掉头、红绿灯、前方障碍物的特定场景下建立多个概率模型,生成驶热力图,用于预测驾驶员期望操作、车辆期望状态;所述期望操作包括:转向角度、油门角度、离合开度、刹车角度和车灯;所述车辆期望状态包括:车辆所处制定路径的位置、角度和加速度;
还包括:根据驾驶场景区域放缩为m×n维的矩阵,矩阵中每个元素为某次驾驶行为所有采集归一化数据的均值,在每个元素中建立高斯混合模型,得到对应概率分布;然后将概率分布生成行驶热力图;
使用统计的热力图带入学员驾驶数据,计算出偏差并输出最终评价结果,在偏差较大的关键点处做详细说明;
将指定区域范围分割成m×n维的矩阵,矩阵中每个元素通过高斯模型得到概率分布,学员的操作数据:车辆位置,方向,速度,车辆加速度数值,带入相应的概率分布得到学员所属的概率模型的概率;相对于每个高斯分布,学员的操作数据与其概率分布均值、方差的关系,对于异常操作具有较大偏差检测出来指导学员,使得控制在合理范围;最终评价结果包括:车速、转向、加速度和车辆操作控制;根据统计的概率分布得到概率值,概率较大则逼近某类群体的分布,展示所有分布的情况以及所处类别;挡位、车灯信号根据统计信息展示不同状态的百分比。
2.根据权利要求1所述的一种驾驶操稳教学方法,其特征在于,还包括:
构建用于采集驾驶员的驾驶信息和所述车辆状态信息的GNSS差分基准站、用于多个基站间的切换的传输网路架构、车辆模型、三维地图和车载系统。
3.根据权利要求1或2所述的一种驾驶操稳教学方法,其特征在于,所述根据驾驶任务规划行驶路径具体包括:
根据驾驶任务的起点和终点,结合缓存地图中可行驶范围内的标记点、行驶区域限速要求和道路车辆统计,通过预设方法计算出行驶路径。
4.根据权利要求1或2所述的一种驾驶操稳教学方法,其特征在于,所述根据最优行驶偏航和所述行驶速度给驾驶员提供实时操作指引具体包括:
根据所述行驶偏航和所述最优行驶速度,结合车辆稳定性特征指标和测量驾驶员特征指标,指导驾驶员进行实时操作调整;
还包括:通过对采集的所述车辆状态信息进行扩展卡尔曼滤波,对车辆运行状态进行预测,如果预测到车辆状态超出预设值,则会给出相应的调整操作提示。
5.一种驾驶操稳教学系统,其特征在于,包括:信息采集装置、路径计算模块和驾驶指导模块;
所述信息采集装置用于采集驾驶员的驾驶信息和车辆状态信息;
所述路径计算模块用于根据驾驶任务规划行驶路径;
所述驾驶指导模块用于根据驾驶规范信息、当前所述行驶路径及所述车辆状态信息,实时生成行驶偏航和最优行驶速度,根据所述行驶偏航和所述最优行驶速度给驾驶员提供实时操作指引;
还包括:驾驶错误计算显示模块,用于根据采集到的驾驶员在不同场景下的驾驶信息,建立多个概率模型;
通过多个概率模型预测驾驶员的期望操作和车辆期望状态,并计算出驾驶员的期望操作和车辆期望状态的偏差数据;
当驾驶员进入车内登陆车载系统时,显示与驾驶员身份信息对应的所述偏差数据的说明;
所述驾驶错误计算显示模块具体用于通过驾驶员在不同场景下的车辆纵向行为、横向行为,在变道、转向、掉头、红绿灯、前方障碍物的特定场景下建立多个概率模型,生成驶热力图,用于预测驾驶员期望操作、车辆期望状态;所述期望操作包括:转向角度、油门角度、离合开度、刹车角度和车灯;所述车辆期望状态包括:车辆所处制定路径的位置、角度和加速度;
根据驾驶场景区域放缩为m×n维的矩阵,矩阵中每个元素为某次驾驶行为所有采集归一化数据的均值,在每个元素中建立高斯混合模型,得到对应概率分布;然后将概率分布生成行驶热力图;
使用统计的热力图带入学员驾驶数据,计算出偏差并输出最终评价结果,在偏差较大的关键点处做详细说明;
将指定区域范围分割成m×n维的矩阵,矩阵中每个元素通过高斯模型得到概率分布,学员的操作数据:车辆位置,方向,速度,车辆加速度数值,带入相应的概率分布得到学员所属的概率模型的概率;相对于每个高斯分布,学员的操作数据与其概率分布均值、方差的关系,对于异常操作具有较大偏差检测出来指导学员,使得控制在合理范围;最终评价结果包括:车速、转向、加速度和车辆操作控制;根据统计的概率分布得到概率值,概率较大则逼近某类群体的分布,展示所有分布的情况以及所处类别;挡位、车灯信号根据统计信息展示不同状态的百分比。
6.根据权利要求5所述的一种驾驶操稳教学系统,其特征在于,还包括:构建用于采集驾驶员的驾驶信息和所述车辆状态信息的GNSS差分基准站、用于多个基站间的切换的传输网路架构、车辆模型、三维地图和车载系统。
7.根据权利要求5或6所述的一种驾驶操稳教学系统,其特征在于,所述路径计算模块具体用于根据驾驶任务的起点和终点,结合缓存地图中可行驶范围内的标记点、行驶区域限速要求和道路车辆统计,通过预设方法计算出行驶路径。
8.根据权利要求5或6所述的一种驾驶操稳教学系统,其特征在于,所述驾驶指导模块具体用于根据所述行驶偏航和所述最优行驶速度,结合车辆稳定性特征指标和测量驾驶员特征指标,指导驾驶员进行实时操作调整;
还具体用于通过对采集的所述车辆状态信息进行扩展卡尔曼滤波,对车辆运行状态进行预测,如果预测到车辆状态超出预设值,则会给出相应的调整操作提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514833.XA CN113299158B (zh) | 2021-05-10 | 2021-05-10 | 一种驾驶操稳教学方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514833.XA CN113299158B (zh) | 2021-05-10 | 2021-05-10 | 一种驾驶操稳教学方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113299158A CN113299158A (zh) | 2021-08-24 |
CN113299158B true CN113299158B (zh) | 2023-04-18 |
Family
ID=77321466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110514833.XA Active CN113299158B (zh) | 2021-05-10 | 2021-05-10 | 一种驾驶操稳教学方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113299158B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105799710A (zh) * | 2016-03-11 | 2016-07-27 | 北京理工大学 | 一种交互式的自主教练车系统 |
CN107274744A (zh) * | 2016-04-07 | 2017-10-20 | 北京通汇定位科技有限公司 | 驾驶教学系统、方法和设备 |
CN108305523A (zh) * | 2017-12-27 | 2018-07-20 | 广州里奇信息科技有限公司 | 辅助学车的方法、系统及教学用车 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104900112B (zh) * | 2015-06-17 | 2017-08-08 | 重庆大学 | 车辆驾驶教学智能辅助指导方法及系统 |
CN105654808A (zh) * | 2016-02-03 | 2016-06-08 | 北京易驾佳信息科技有限公司 | 一种基于实际机动车的机动车驾驶人智能化训练系统 |
CN107640154B (zh) * | 2016-07-20 | 2020-07-31 | 大陆汽车电子(连云港)有限公司 | 新手司机驾驶辅助系统 |
CN106297283A (zh) * | 2016-08-11 | 2017-01-04 | 深圳市元征科技股份有限公司 | 基于车载智能单元的安全驾驶评估方法及系统 |
CN106314428B (zh) * | 2016-09-14 | 2018-10-09 | 中国科学院微电子研究所 | 一种避撞系统、避撞方法及机动车辆 |
CN106297490A (zh) * | 2016-11-09 | 2017-01-04 | 上海海积信息科技股份有限公司 | 驾驶教学装置及方法 |
CN112083725B (zh) * | 2020-09-04 | 2021-11-30 | 湖南大学 | 一种面向自动驾驶车辆的结构共用多传感器融合定位系统 |
CN112668779A (zh) * | 2020-12-28 | 2021-04-16 | 重庆大学 | 基于自适应高斯过程的前车运动状态预测方法 |
-
2021
- 2021-05-10 CN CN202110514833.XA patent/CN113299158B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105799710A (zh) * | 2016-03-11 | 2016-07-27 | 北京理工大学 | 一种交互式的自主教练车系统 |
CN107274744A (zh) * | 2016-04-07 | 2017-10-20 | 北京通汇定位科技有限公司 | 驾驶教学系统、方法和设备 |
CN108305523A (zh) * | 2017-12-27 | 2018-07-20 | 广州里奇信息科技有限公司 | 辅助学车的方法、系统及教学用车 |
Also Published As
Publication number | Publication date |
---|---|
CN113299158A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10943414B1 (en) | Simulating virtual objects | |
US20220229439A1 (en) | Mapping active and inactive construction zones for autonomous driving | |
JP6959450B2 (ja) | 車両ルーティングのシーン難易度予測モデルの使用 | |
US8954217B1 (en) | Determining when to drive autonomously | |
US9255805B1 (en) | Pose estimation using long range features | |
US10896122B2 (en) | Using divergence to conduct log-based simulations | |
US11852492B1 (en) | Method and apparatus to transition between levels using warp zones | |
CN103339010B (zh) | 车辆及操纵车辆的方法和系统 | |
CN109100155A (zh) | 一种无人车在环快速仿真测试系统和方法 | |
US11774259B2 (en) | Mapping off-road entries for autonomous vehicles | |
US20240083458A1 (en) | Using simulations to identify differences between behaviors of manually-driven and autonomous vehicles | |
EP3869341A1 (en) | Play-forward planning and control system for an autonomous vehicle | |
US20240125619A1 (en) | Generating scouting objectives | |
US20220204009A1 (en) | Simulations of sensor behavior in an autonomous vehicle | |
US20230031130A1 (en) | Open door reconstruction for sensor simulation | |
US11126763B1 (en) | Realism metric for testing software for controlling autonomous vehicles | |
CN113918615A (zh) | 一种基于仿真的驾驶经验数据挖掘模型构建方法及系统 | |
CN113299158B (zh) | 一种驾驶操稳教学方法和系统 | |
US20220413510A1 (en) | Targeted driving for autonomous vehicles | |
US11685408B1 (en) | Driving difficulty heat maps for autonomous vehicles | |
CN113928335A (zh) | 用于控制具有自主驾驶模式的车辆的方法和系统 | |
CN115457798B (zh) | 自动驾驶车辆停车位导引方法、装置、设备及存储介质 | |
CN115096323A (zh) | 一种用于无人驾驶的高精度地图模型及自主导航系统 |
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 |