CN114419950A - 一种基于大数据分析的驾培教学优化方法及系统 - Google Patents
一种基于大数据分析的驾培教学优化方法及系统 Download PDFInfo
- Publication number
- CN114419950A CN114419950A CN202210083598.XA CN202210083598A CN114419950A CN 114419950 A CN114419950 A CN 114419950A CN 202210083598 A CN202210083598 A CN 202210083598A CN 114419950 A CN114419950 A CN 114419950A
- Authority
- CN
- China
- Prior art keywords
- teaching
- data
- student
- driving training
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000007405 data analysis Methods 0.000 title claims abstract description 36
- 238000005457 optimization Methods 0.000 title claims abstract description 31
- 230000008447 perception Effects 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000006978 adaptation Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 11
- 230000005477 standard model Effects 0.000 description 10
- 230000004044 response Effects 0.000 description 4
- 230000000366 juvenile effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010006100 Bradykinesia Diseases 0.000 description 1
- 208000006083 Hypokinesia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/052—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles characterised by provision for recording or measuring trainee's performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据分析的驾培教学优化方法及系统,该方法获取学员的人脸数据或通过刷卡设备获取学员身份证刷卡信息,确定学员年龄和性别;适配相应的基于大数据分析构建的教学模型,对所述学员进行驾培教学;实时获取在驾培教学过程中所述驾培教学车辆上感知设备采集的感知数据;根据所述学员的属性信息、当前教学训练科目类型以及所述感知数据,判断所述学员操作是否满足对应的预设条件;当不满足对应的预设条件时,则发出对应的指导意见、确定提醒时间点和提醒频次。该方法可以根据学员自身的特点,进行个性的讲解,可优化教学模型,从而完成教学,提高驾培的通过率,显著提高培训的效率和质量。
Description
技术领域
本发明属于驾驶培训及互联网大数据分析领域,特别涉及一种基于大数据分析的驾培教学优化方法及系统。
背景技术
近年来,随着我国机动车的普及,驾驶人员的数量迅速增加,汽车交通工具越来越重要,成为生活中不可或缺的一部分,在增加的人群当中年少和年老的学员也在显著增加中,18-19岁占比3.3%,20-29岁占比55.41%,30-39岁占比25.76%,40-45岁占比8.68%,46-50岁占比4.36%,50岁以上占比2.5%,通过以上数据可以总结出学车年龄主要集中在18-29岁,为学生主力军,占比58.71%的学车份额,这意味着越来越多的年轻人在学车的道路上,学车趋于年轻化。不同的年龄段的人学车对技能的接受能力不同,有快有慢,需要驾培机构在保证合格率的前提下,因材施教,对分层年龄段制定出创新贴切的教学计划,才能快速提高学员的通过率。
比如在科目二练习时,教练在教学中会通过几何原理画相应的点和线给学员做参照,一般采用的是三点一线和平行线的方法,但空间感知弱的学员容易因为这些参照点而忽略了在考试项目中的空间位置。
再比如目前全国驾校男女比例大约是2:1,调查显示女性上路安全系数较高,但在驾校中学开车的表现却比较差,男性的及格率比女性高6%,在科目二中,女性的倒车入库考试中失败的可能性是男性的两倍,在转向考试中的错误也较多。男性容易出错的情况有开车超速、忽略交通信号灯或路标。男女学员通不过考试的共同原因是:没有识别出交叉路口的危险警告标志,以及忘记查看后视镜。
因此,针对上述问题中不同年龄段群体、不同性别群体、部分能力较弱的学员,如何提供一种针对其量身订做的一套教学方案,成为同行从业人员亟待解决的问题。
发明内容
本发明的主要目的在于提供一种至少部分解决上述技术问题的基于大数据分析的驾培教学优化方法及系统,该方法可针对不同年龄段群体、不同性别群体、部分能力较弱的学员,在驾培过程中遇到的问题及时进行纠正性的练习,采取不同的指导策略。
为实现上述目的,本发明采取的技术方案为:
第一方面,本发明提供一种基于大数据分析的驾培教学优化方法,包括:通过驾培教学车辆的人脸识别设备获取学员的人脸数据或通过刷卡设备获取学员身份证刷卡信息,确定学员的属性信息;所述属性信息包括:年龄和性别;
根据所述学员的属性信息,适配相应的基于大数据分析构建的教学模型,对所述学员进行驾培教学;
实时获取在驾培教学过程中所述驾培教学车辆上感知设备采集的感知数据;所述感知数据包括:GPS定位数据、离合数据、档位数据、方向盘角度数据、车速数据、刹车制动数据和车辆环境视频数据;
根据所述学员的属性信息、当前教学训练科目类型以及所述感知数据,判断所述学员操作是否满足对应的预设条件;
当不满足对应的预设条件时,则发出对应的指导意见、确定提醒时间点和提醒频次
进一步地,该方法还包括:
当满足对应的预设条件时,则将所述学员的属性信息、当前教学训练科目类型以及所述感知数据,作为相适配的所述教学模型的一组正样本数据。
进一步地,当不满足对应的预设条件时,还包括:
记录存储所述感知数据,接收回放指令并通过车载显示屏对车辆轨迹回放展示。
进一步地,该方法还包括:当不满足对应的预设条件多次时,分析所述学员的错误原因,生成对应解决方案并优化所述教学模型。
进一步地,所述教学模型为在不同科目练习中根据不同车型、练习科目子项创建的模型组;所述教学模型根据大量不同年龄段群体、不同性别群体、部分能力较弱学员的特点进行统计并训练获得。
第二方面,本发明实施例还提供一种基于大数据分析的驾培教学优化系统,包括:
确定模块,用于通过驾培教学车辆的人脸识别设备获取学员的人脸数据或通过刷卡设备获取学员身份证刷卡信息,确定学员的属性信息;所述属性信息包括:年龄和性别;
适配模块,用于根据所述学员的属性信息,适配相应的基于大数据分析构建的教学模型,对所述学员进行驾培教学;
获取模块,用于实时获取在驾培教学过程中所述驾培教学车辆上感知设备采集的感知数据;所述感知数据包括:GPS定位数据、离合数据、档位数据、方向盘角度数据、车速数据、刹车制动数据和车辆环境视频数据;
判断模块,用于根据所述学员的属性信息、当前教学训练科目类型以及所述感知数据,判断所述学员操作是否满足对应的预设条件;
优化模块,用于当不满足对应的预设条件时,则发出对应的指导意见、确定提醒时间点和提醒频次。
进一步地,所述优化模块,还用于当满足对应的预设条件时,则将所述学员的属性信息、当前教学训练科目类型以及所述感知数据,作为相适配的所述教学模型的一组正样本数据。
进一步地,所述优化模块,还用于当不满足对应的预设条件时,记录存储所述感知数据,接收回放指令并通过车载显示屏对车辆轨迹回放展示。
进一步地,所述优化模块,还用于当不满足对应的预设条件多次时,分析所述学员的错误原因,生成对应解决方案并优化所述教学模型。
进一步地,所述适配模块的所述教学模型为在不同科目练习中根据不同车型、练习科目子项创建的模型组;所述教学模型根据大量不同年龄段群体、不同性别群体、部分能力较弱学员的特点进行统计并训练获得。
与现有技术相比,本发明具有如下有益效果:
一种基于大数据分析的驾培教学优化方法,基于机器人教练做的适应不不同年龄段群体、不同性别群体、部分能力较弱的学员的教学软件,当学员进入科目练习当中,使用自己身份证号登录或人脸识别,识别出学员的年龄和性别,此学员的信息和练习的数据会同步到数据库中,大数据会对所有学员的信息进行分析,找到到一套适应不同年龄段群体、不同性别群体、部分能力较弱学员的教学模型,可以实时的采集学员的当时的操作状况,再根据自身的特点,发现学员的薄弱点,进行个性的讲解,可优化教学模型,从而完成教学,提高驾培的通过率。针对学员遇到的问题及时进行纠正性的练习,而且要根据老少不同的性别采取不同的指导,相比教练更有实时性和高效性,从而可以显著提高培训的效率和质量。
附图说明
图1为本发明实施例提供的基于大数据分析的驾培教学优化方法流程图;
图2为本发明实施例提供的基于老少特征大数据分析的流程示意图;
图3为本发明实施例提供的基于练习行为特征大数据分析的流程示意图;
图4为本发明实施例提供的基于男女特征大数据分析的流程示意图;
图5为本发明实施例提供的基于大数据分析的驾培教学优化系统的框图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
在本发明的描述中,需要说明的是,术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“设置有”、“连接”等,应做广义理解,例如“连接”,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
参照图1所示,本发明提供的一种基于大数据分析的驾培教学优化方法,包括:
S10、通过驾培教学车辆的人脸识别设备获取学员的人脸数据或通过刷卡设备获取学员身份证刷卡信息,确定学员的属性信息;所述属性信息包括:年龄和性别;
S20、根据所述学员的属性信息,适配相应的基于大数据分析构建的教学模型,对所述学员进行驾培教学;
S30、实时获取在驾培教学过程中所述驾培教学车辆上感知设备采集的感知数据;所述感知数据包括:GPS定位数据、离合数据、档位数据、方向盘角度数据、车速数据、刹车制动数据和车辆环境视频数据;
S40、根据所述学员的属性信息、当前教学训练科目类型以及所述感知数据,判断所述学员操作是否满足对应的预设条件;
S50、当不满足对应的预设条件时,则发出对应的指导意见、确定提醒时间点和提醒频次。
本实施例中,该方法可基于机器人教练软件实现,在配有该软件产品的基础上,可针对在科目二、科目三中等针对不同年龄段群体、不同性别群体、部分能力较弱的学员,采取的自动教学。
在步骤S10中,配有该软件产品的学员训练车上,比如配备人脸识别摄像头或刷身份证的装置,可以获取学员的年龄和性别;步骤S20根据学员的年龄和性别进行适配对应的基于大数据分析构建的教学模型,进行驾培教学;
在步骤S30-S50中,驾培教学车辆上比如可通过加载GPS定位装置、离合辅助装置、档位传感器、方向盘传感器、刹车制动装置、摄像头等智能感知设备,可以实时的采集学员的当时的操作状况,针对学员遇到的问题及时进行纠正性的练习,根据不同年龄段群体、不同性别群体、部分能力较弱的学员采取不同的指导策略,相比教练更有实时性和高效性,从而可以显著提高培训的效率和质量。
其中,上述步骤S40-S50中,比如确定学员年少、还是老年,男性还是女性,当前训练的科目二侧方停车项目、及在操作中的打方向盘时机和角度等信息,判断是否符合预期;当不符合时,则发出纠正的指导意见,确定提醒时机和提醒频次。当满足对应的预设条件时,则将学员的属性信息、当前教学训练科目类型以及感知数据,作为相适配的教学模型的一组正样本数据。
另外,当不满足对应的预设条件时,还可以记录存储感知数据,接收回放指令并通过车载显示屏对车辆轨迹回放展示,以便于学员通过第三方视角直观的查看自己车辆轨迹,找出错误原因。进一步地,当不满足对应的预设条件多次时,分析学员的错误原因,生成对应解决方案并优化教学模型;即实现对该学员针对性的教培,比如感知方位较弱时,会出现引导线,辅助学员快速掌握驾驶技能,提高通过率。
下面通过具体三个实施例来详细说明本发明提供的基于大数据分析的驾培教学优化方法:
实施例1:
参照图2所示,以基于老少特征大数据分析为例,学员使用机器人教练车,上车首先需要人脸识别登录或者身份证账号登录,在登录的过程中从而判断年龄,比如将30岁以下归类为年少,将50岁以上归类为老年,将30岁到50岁之间的归类为中年,以实现对不同学员针对教学。下述分别针对年少和老年两个群体进行描述。
在科目二的练习中,选择不同的练习科目进行练习,不同的学员在不同库位机器人教练系统都可以对学员的各种操作行为进行实时采集和存储,例如在练习侧方入库中的倒入侧方时,打方向盘的角度,离合的深度,档位的切换、GPS信息等数据都会进行记录和存储。
建立老年人特性的标准模型,在科目二的练习中根据不同的车型、练习科目子项创建标准的模型组,这个组合的是根据大量老年驾驶员的特点进行统计的,包含驾驶信息、符合老年人标准操作行为信息、车在此科目点位的数据,包含档位值、离合深度范围、刹车深度范围、方向盘角度范围、车速范围、GPS信息等。
建立少年特性的标准模型,在科目二的练习中根据不同的车型、练习科目子项创建标准的模型组,这个组合的是根据大量少年驾驶员的特点进行统计的,包含驾驶信息、符合少年标准操作行为信息、车在此科目点位的数据,包含档位值、离合深度范围、刹车深度范围、方向盘角度范围、车速范围、GPS信息等。
老年学员和少年学员在练习车时有不同的优势和劣势,例如老年人随着年龄的增长,年纪越大的人,对外界刺激的反应能力下降,反应时间长,动作灵活性降低,不稳定,协调性差;动作迟缓,体力降低,活动能力和适应能力都降低,且容易疲劳。而年轻的学员则精力比较旺盛,协调性强,反应比较快,这些都是经过大数据统计分析得出的结果。
当学员练习此科目的时候,会把学员练习的数据和模型的数据进行对比,判断是否符合标准,机器人教练系统会给出更佳符合老年或少年学员的教学方案,会对不同年龄的学员进行针对性的教学。例如会对老年学员多提示会比较多,而且对关键点位会提示多次,从而提高记忆点,根据提示的协调反应距离提示时机相对时间靠前一些,从而找到准确的停车点位;而少年则提示的关键点次数会相对比较少,提示的时机相对靠后一点,从而实现针对不同年龄学员教学。
例如有一个年龄在55周岁的男性在科目二的训练中使用机器人教练车进行练习,首先使用账号登录可判断出他属于老年人,此时会自动匹配老年人的教学模式-“关怀模式”,此模式下的教学针对老年人进行开发设计的。当进行侧方停车的训练时,侧方停车包括驶入项目、倒车入库、驶出侧方三个步骤,在练习过程中会记录驾驶员实时的操作和库位环境信息。
例如在时机判断上进行实时针对性的教学,在倒车入库的时候打方向盘的时机是非常重要的,开始准备,挂倒挡,开始倒车,观察右后视镜,右后轮将于与库前线齐平时,机器人教练系统会提示学员进行方面盘向右打死方向,之后立即转向观察左后视镜,当车身与库内对角点在同一线上时,立即向左回正方向,当车身回正方向后,停车。观察左右两边后视镜,车身两边是否在线内;观察车前盖是否可见前线,若车身前盖未见前线,可判断车身后方未出线,停车成功。
当根据机器人教练的提示正确操作,且最后正确停车成功,数据会把驾驶员的操作记录写入到数据库,并根据艾宾浩斯记忆曲线的模型进行大数据模型归档,按照此模型继续进行教学。
当根据机器人教练的提示未能进行倒车入库的操作时,不但会记录驾驶员的操作,还会记录驾驶员的错误的原因,错误的原因提示“打方向盘的时机晚了”,当连续三次提示打方向盘的时机的过晚的时候,进过数据对比发现提示之后总会比标准的操作晚1s进行操作,再根据他是老年人可判断是反应偏慢,会对此学员的教学打方向盘的时机进行修改,把提示学员打方向盘的操作提前1s,从而提供适配此学员的针对性的教学。
本发明主要是基于机器人教练做的适应不同年龄的教学软件,通过本发明可以能够让新学员快速的熟悉科目二的训练,而且不同年龄的学员提供更适合自己群体的教学软件,当新的学员出现错误时,可根据当时的情况和自身的情况相结合,给出最佳的指导方案,当出现错误的操作时,也可以针对性的提出解决方案,从而提高学员在科目二的通过率。
实施例2:
参照图3所示,以基于练习行为大数据分析为例,比如针对空间感知弱的学员进行说明。空间感知弱的学员往往容易因为参照点而忽略了在考试项目中的空间位置,在这种情况下需要提高学员的空间感知能力才能让学员迅速通过练习和考试。
本实施例中基于机器人教练教学软件,学员使用自己身份证号登录,此学员在练习科目二的练习过程中,不同的库位采取不同的动作,机器人教练系统都会实时的对驾驶员进行数据的采集和数据的存储,例如在练习侧方入库中的倒入侧方时,打方向盘的角度,离合的深度,档位的切换、GPS信息等数据都会进行记录和存储。
在科目二的练习中根据不同的车型、练习科目子项创建标准的模型组,这个组是根据大量的驾驶信息和大量驾驶员的操作行为信息能够成功完成此科目的一个集合,包含车在此科目点位的数据,包含档位值、离合深度范围、刹车深度范围、方向盘角度范围、车速范围、GPS信息等。
当学员练习此科目的时候,会把学员练习的数据和模型的数据进行对比,判断是否在模型的数据范围内,偏差是否多少,设置不同的操作行为对应不同的行为,根据标准模型对学员进行打分,当有较大的差别时,判定学员空间感知弱,需要空间感知辅助练习。
大数据会对当前学员的操作信息进行分析,当学员在科目二的练习当中连续空间感知弱导致科目练习失败的情况下,会触发空间感知的增强功能,在学员需要练习的科目起始位置和结束位置中出现引导线,配合教学软件,帮助学员在正确的位置提示正确的操作,把车辆停到正确的位置,且当引导线被车轮压过后有:引导线会颜色会变浅;从而确定在关键位置是否做出正确的操作,了解车的行进路线,还可以通过轨迹回放查看自己的练习的轨迹。通过提高学员的空间感知能力,提高科目二的通过率。
通过本发明可以在科目二的练习中让空间感知弱的新学员快速提高自己的空间感知能力,培养开车意识,放松心态,提交科目的正确的行进路线,了解自己的弱点,并积极面对错误,总结并改正。这样可以快速的培养新学员的空间感知能力,空间感知差的学员一样可以顺利通过考试。
实施例3:
参照图4所示,以基于男女不同特征大数据分析为例,为了解决男女在科目二的训练中的难题,本发明根据男女特征采取针对性的教学,通过此方法解决了上述的问题,在实际应用中提高了科目二的通过率。
本发明实施例提供的基于大数据分析的驾培教学优化方法,基于机器人教练的产品,在此产品的基础上解决学员在科目二中针对男女不同情况采取的自动教学的技术,在配有此产品的学员训练车上,通过加装GPS定位、离合辅助、档位传感器、方向盘传感器、刹车制动、摄像头等智能感知设备,可以实时的采集学员的当时的操作状况,针对学员遇到的问题及时进行纠正性的练习,而且要根据男女不同的性别采取不同的指导,相比教练更有实时性和高效性,从而可以显著提高培训的效率和质量。
学员使用机器人教练车,上车首先需要人脸识别登录或者身份证账号登录,在登录的过程中从而识别出男女的判断。
在科目二的练习中,选择不同的练习科目进行练习,不同的学员在不同库位机器人教练系统都可以对学员的各种操作行为进行实时采集和存储,例如在练习侧方入库中的倒入侧方时,打方向盘的角度,离合的深度,档位的切换、GPS信息等数据都会进行记录和存储。
建立女性特性的标准模型,在科目二的练习中根据不同的车型、练习科目子项创建标准的模型组,这个组合的是根据大量女驾驶员的特点进行统计的,包含驾驶信息、符合女性标准操作行为信息、在车在此科目点位的数据,包含档位值、离合深度范围、刹车深度范围、方向盘角度范围、车速范围、GPS信息等。
建立男性特性的标准模型,在科目二的练习中根据不同的车型、练习科目子项创建标准的模型组,这个组合是根据大量男驾驶员的特点进行统计的,包含驾驶信息、符合男性标准操作行为信息、车在此科目点位的数据,包含档位值、离合深度范围、刹车深度范围、方向盘角度范围、车速范围、GPS信息等。
男性和女性学员在练习车时有不同的优势和劣势,例如女性更佳细心、稳健,行车速度相对较慢,劣势容易紧张、空间感知和距离感把握不准。而男性学员空间感知强,劣势速度相对比较快等,这些都是经过大数据统计分析得出的结果。
当学员练习此科目的时候,会把学员练习的数据和模型的数据进行对比,判断是否符合标准,机器人教练系统会给出更佳符合女性或男性学员的教学方案,会对不同性别的学员进行针对性的教学。例如会对女性学员多提示些停车点位判断的教学内容,而男性则多提示控制车速从而找到对的停车点位,从而实现针对男女不同教学。
本实施例中,该方法可以是基于机器人教练的适应不同性别的教学软件,当学员进入科目二的练习当中,使用自己身份证号登录或者人脸识别登录识别出学员的性别,此学员的信息和练习的数据会同步到数据库中,大数据会对所有学员的信息进行分析,找到到一套适应不同性别的教学,再根据自身的特点,发现学员的薄弱点,进行个性的讲解,从而完成教学。
可以能够让新学员快速的熟悉科目二的训练,而且不同性别的学员提供更适合自己群体的教学软件,当新的学员出现错误时,可更具当时的情况和自身的情况相结合,给出最佳的指导方案,当出现错误的操作时,也可以针对性的提出解决方案,从而提高学员在科目二的通过率。
基于同一发明构思,本发明实施例还提供了基于大数据分析的驾培教学优化系统,由于该系统所解决问题的原理与前述一种基于大数据分析的驾培教学优化方法相似,因此系统的实施可以参见前述方法的实施,重复之处不再赘述。
参照图5所示,本发明实施例还提供一种基于大数据分析的驾培教学优化系统,包括:
确定模块,用于通过驾培教学车辆的人脸识别设备获取学员的人脸数据或通过刷卡设备获取学员身份证刷卡信息,确定学员的属性信息;所述属性信息包括:年龄和性别;
适配模块,用于根据所述学员的属性信息,适配相应的基于大数据分析构建的教学模型,对所述学员进行驾培教学;
获取模块,用于实时获取在驾培教学过程中所述驾培教学车辆上感知设备采集的感知数据;所述感知数据包括:GPS定位数据、离合数据、档位数据、方向盘角度数据、车速数据、刹车制动数据和车辆环境视频数据;
判断模块,用于根据所述学员的属性信息、当前教学训练科目类型以及所述感知数据,判断所述学员操作是否满足对应的预设条件;
优化模块,用于当不满足对应的预设条件时,则发出对应的指导意见、确定提醒时间点和提醒频次。
进一步地,所述优化模块,还用于当满足对应的预设条件时,则将所述学员的属性信息、当前教学训练科目类型以及所述感知数据,作为相适配的所述教学模型的一组正样本数据。
进一步地,所述优化模块,还用于当不满足对应的预设条件时,记录存储所述感知数据,接收回放指令并通过车载显示屏对车辆轨迹回放展示。
进一步地,所述优化模块,还用于当不满足对应的预设条件多次时,分析所述学员的错误原因,生成对应解决方案并优化所述教学模型。
进一步地,所述适配模块的所述教学模型为在不同科目练习中根据不同车型、练习科目子项创建的模型组;所述教学模型根据大量不同年龄段群体、不同性别群体、部分能力较弱学员的特点进行统计并训练获得。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种基于大数据分析的驾培教学优化方法,其特征在于,包括:
通过驾培教学车辆的人脸识别设备获取学员的人脸数据或通过刷卡设备获取学员身份证刷卡信息,确定学员的属性信息;所述属性信息包括:年龄和性别;
根据所述学员的属性信息,适配相应的基于大数据分析构建的教学模型,对所述学员进行驾培教学;
实时获取在驾培教学过程中所述驾培教学车辆上感知设备采集的感知数据;所述感知数据包括:GPS定位数据、离合数据、档位数据、方向盘角度数据、车速数据、刹车制动数据和车辆环境视频数据;
根据所述学员的属性信息、当前教学训练科目类型以及所述感知数据,判断所述学员操作是否满足对应的预设条件;
当不满足对应的预设条件时,则发出对应的指导意见、确定提醒时间点和提醒频次。
2.根据权利要求1所述的一种基于大数据分析的驾培教学优化方法,其特征在于,该方法还包括:
当满足对应的预设条件时,则将所述学员的属性信息、当前教学训练科目类型以及所述感知数据,作为相适配的所述教学模型的一组正样本数据。
3.根据权利要求2所述的一种基于大数据分析的驾培教学优化方法,其特征在于,当不满足对应的预设条件时,还包括:
记录存储所述感知数据,接收回放指令并通过车载显示屏对车辆轨迹回放展示。
4.根据权利要求2所述的一种基于大数据分析的驾培教学优化方法,其特征在于,该方法还包括:当不满足对应的预设条件多次时,分析所述学员的错误原因,生成对应解决方案并优化所述教学模型。
5.根据权利要求1所述的一种基于大数据分析的驾培教学优化方法,其特征在于,所述教学模型为在不同科目练习中根据不同车型、练习科目子项创建的模型组;所述教学模型根据大量不同年龄段群体、不同性别群体、部分能力较弱学员的特点进行统计并训练获得。
6.一种基于大数据分析的驾培教学优化系统,其特征在于,包括:
确定模块,用于通过驾培教学车辆的人脸识别设备获取学员的人脸数据或通过刷卡设备获取学员身份证刷卡信息,确定学员的属性信息;所述属性信息包括:年龄和性别;
适配模块,用于根据所述学员的属性信息,适配相应的基于大数据分析构建的教学模型,对所述学员进行驾培教学;
获取模块,用于实时获取在驾培教学过程中所述驾培教学车辆上感知设备采集的感知数据;所述感知数据包括:GPS定位数据、离合数据、档位数据、方向盘角度数据、车速数据、刹车制动数据和车辆环境视频数据;
判断模块,用于根据所述学员的属性信息、当前教学训练科目类型以及所述感知数据,判断所述学员操作是否满足对应的预设条件;
优化模块,用于当不满足对应的预设条件时,则发出对应的指导意见、确定提醒时间点和提醒频次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210083598.XA CN114419950A (zh) | 2022-01-22 | 2022-01-22 | 一种基于大数据分析的驾培教学优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210083598.XA CN114419950A (zh) | 2022-01-22 | 2022-01-22 | 一种基于大数据分析的驾培教学优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114419950A true CN114419950A (zh) | 2022-04-29 |
Family
ID=81278324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210083598.XA Pending CN114419950A (zh) | 2022-01-22 | 2022-01-22 | 一种基于大数据分析的驾培教学优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114419950A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117438096A (zh) * | 2023-12-20 | 2024-01-23 | 天津医科大学第二医院 | 一种过敏性鼻炎预测模型的建模方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530890A (zh) * | 2016-02-03 | 2017-03-22 | 北京易驾佳信息科技有限公司 | 一种基于车辆位姿与轨迹感知的智能驾驶训练系统及方法 |
CN109118055A (zh) * | 2018-07-19 | 2019-01-01 | 众安信息技术服务有限公司 | 一种驾驶行为评分方法及装置 |
CN109484330A (zh) * | 2018-11-27 | 2019-03-19 | 合肥工业大学 | 基于Logistic模型的新手驾驶员驾驶技能辅助提升系统 |
CN110060538A (zh) * | 2019-04-08 | 2019-07-26 | 上海云之驾科技股份有限公司 | 基于历史数据建模的个性化人工智能驾培训练系统及方法 |
CN110544409A (zh) * | 2019-10-11 | 2019-12-06 | 广州英卓电子科技有限公司 | 一种个性化驾驶员培训系统及其教学方法 |
-
2022
- 2022-01-22 CN CN202210083598.XA patent/CN114419950A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530890A (zh) * | 2016-02-03 | 2017-03-22 | 北京易驾佳信息科技有限公司 | 一种基于车辆位姿与轨迹感知的智能驾驶训练系统及方法 |
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 |
CN106781824A (zh) * | 2016-02-03 | 2017-05-31 | 北京易驾佳信息科技有限公司 | 一种基于车辆安全控制的智能驾驶训练系统及方法 |
CN109118055A (zh) * | 2018-07-19 | 2019-01-01 | 众安信息技术服务有限公司 | 一种驾驶行为评分方法及装置 |
CN109484330A (zh) * | 2018-11-27 | 2019-03-19 | 合肥工业大学 | 基于Logistic模型的新手驾驶员驾驶技能辅助提升系统 |
CN110060538A (zh) * | 2019-04-08 | 2019-07-26 | 上海云之驾科技股份有限公司 | 基于历史数据建模的个性化人工智能驾培训练系统及方法 |
CN110544409A (zh) * | 2019-10-11 | 2019-12-06 | 广州英卓电子科技有限公司 | 一种个性化驾驶员培训系统及其教学方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117438096A (zh) * | 2023-12-20 | 2024-01-23 | 天津医科大学第二医院 | 一种过敏性鼻炎预测模型的建模方法 |
CN117438096B (zh) * | 2023-12-20 | 2024-04-19 | 天津医科大学第二医院 | 一种过敏性鼻炎预测模型的建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Driving performance under violations of traffic rules: Novice vs. experienced drivers | |
US10614726B2 (en) | Behaviorally-based crash avoidance system | |
CN105741643B (zh) | 用于培训驾驶技术的自动化实现方法、装置和系统 | |
US9852625B2 (en) | Method and system for providing a tutorial message to a driver of a vehicle | |
CN104599545B (zh) | 用于行车过程中的行车状态监测方法、装置和导航设备 | |
CN108510844A (zh) | 一种智能型汽车驾驶教学系统 | |
US10013893B2 (en) | Driver training | |
EP2296124B1 (en) | System for automatic evaluation of driving behavior | |
CN110992763A (zh) | 基于虚拟现实进行科目二的教学方法 | |
Jiménez et al. | Gaze fixation system for the evaluation of driver distractions induced by IVIS | |
CN107972671A (zh) | 一种驾驶行为分析系统 | |
CN106710360A (zh) | 基于增强虚拟现实人机交互的智能驾驶训练系统及方法 | |
Feng et al. | An on-board system for detecting driver drowsiness based on multi-sensor data fusion using Dempster-Shafer theory | |
WO2022109811A1 (zh) | 一种驾驶教学系统及其使用方法、驾驶设备、计算机可读存储介质 | |
CN103035140A (zh) | 汽车驾驶员危险驾驶行为矫正及评价系统 | |
CN114627717A (zh) | 基于虚拟现实和大数据分析的新手驾驶员培训系统 | |
CN114419950A (zh) | 一种基于大数据分析的驾培教学优化方法及系统 | |
CN103854539A (zh) | 一种基于视频分析的电子路考监测系统 | |
Zhou et al. | An evaluation method for visual search stability in urban tunnel entrance and exit sections based on markov chain | |
CN115410424A (zh) | 一种机动车驾驶培训智能学习系统及使用方法 | |
CN108766097A (zh) | 一种基于vr模拟技术的4d场景智能学车系统与装置 | |
CN108806366A (zh) | 一种基于大数据分析的智能汽车驾驶教学方法及其系统 | |
CN106355329A (zh) | 驾驶员对标能力的测试方法与系统 | |
CN109215435B (zh) | 一种老年驾驶人有效视野能力的测试与训练系统及方法 | |
CN115440107A (zh) | 一种基于vr虚拟现实的聋哑人智能驾驶训练系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220429 |